[發明專利]影像調整方法

有效

• 申請號: 201811376422.3
• 申請日: 2018-11-19
• 公開（公告）號: CN111200699B
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 虞登翔
• 申請（專利權）人: 瑞昱半導體股份有限公司
• 主分類號: H04N5/208
• 分類號: H04N5/208;H04N9/64
• 代理公司: 隆天知識產權代理有限公司 72003
• 代理人: 黃艷

一種影像調整方法包含：通過深度學習模型來對輸入影像進行分類，以取得輸入影像中所包含的至少一類別、每一類別所對應的權重值以及每一類別所對應的輸入影像的至少一區域；取得每一區域的色彩信息與坐標信息；以及根據每一區域所對應的權重值、坐標信息與色彩信息來調整輸入影像的每一區域的銳利度、動態對比控制與色彩獨立管理的至少一者，以產生輸出影像。

技術領域

本公開實施例涉及一種影像調整方法，且特別涉及用于調整輸入影像的銳利度(sharpness)、動態對比控制(Dynamic Contrast Control，DCC)和/或色彩獨立管理(Independent Color Management，ICM)的一種影像調整方法。

背景技術

在影像的視覺品質的優化的處理中，影像的銳利度(sharpness)、動態對比控制(DCC)和/或色彩獨立管理(ICM)的調整是很重要的影像強化步驟，通常會對原始影像進行調整以加強影像的色彩呈現進而改善影像的視覺品質。然而，通常在影像中的各個區域所需的調整程度不盡相同，若是在影像強化的過程中直接針對整張影像作調整，可能會導致影像的調整結果不如預期。

發明內容

本公開的目的在于提出一種影像調整方法，包含：通過深度學習(Deep Learning)模型來對輸入影像進行分類，以取得輸入影像中所包含的至少一類別、每一類別所對應的權重值以及每一類別所對應的輸入影像的至少一區域；取得每一區域的色彩信息與坐標信息；以及根據每一區域所對應的權重值、坐標信息與色彩信息來調整輸入影像的每一區域的銳利度(Sharpness)、動態對比控制(Dynamic Contrast Control，DCC)與色彩獨立管理(Independent Color Management，ICM)的至少一者，以產生輸出影像。

附圖說明

通過閱讀實施例的以下詳細描述，且參考如下所附圖示，可以更完整地理解本公開。

圖1是根據本公開的實施例的影像調整方法的流程圖。

圖2是根據本公開的實施例的調整影像的銳利度的方法的流程圖。

圖3是根據本公開的實施例的調整影像的動態對比控制的方法的流程圖。

圖4是根據本公開的實施例的調整影像的色彩獨立管理的方法的流程圖。

符號說明

S1-S3、S21-S28、S31-S35、S41-S44：步驟

具體實施方式

下文是舉實施例配合附圖作詳細說明，但所提供的實施例并非用以限制本發明所涵蓋的范圍，而結構運行的描述非用以限制其執行的順序，任何由元件重新組合的結構，所產生具有均等技術效果的裝置，皆為本發明所涵蓋的范圍。

圖1是根據本公開的實施例的影像調整方法的流程圖。于步驟S1，通過深度學習(Deep Learning)模型來對輸入影像進行分類，以取得輸入影像中所包含的至少一類別、每一類別所對應的權重值以及每一類別所對應的輸入影像的至少一區域。

在本公開的實施例中，深度學習模型是應用了人工智能(ArtificialIntelligence，AI)技術，通過模仿人腦的類神經網絡(Neural Network)預先對大量特定影像數據進行學習，從而能夠利用經訓練的深度學習模型來進行影像識別，深度學習模型用以從輸入影像中識別出影像中所包含的至少一物件，并辨別出物件的類別，例如：人臉。在本公開的實施例中，權重值代表的是該類別所占的比例，舉例來說，若輸入影像包含第一類別與第二類別，則第一類別所對應的第一權重值與第二類別所對應的第二權重值的加總值為1。