图像处理方法、电子设备、存储介质及程序产品与流程

1.本公开涉及图像处理

技术领域

：
：，具体而言，涉及一种图像处理方法、电子设备、计算机可读存储介质以及计算机程序产品。

背景技术

：
：：2.目前，多摄像头视觉系统在智能移动终端、车载终端、ar(augmentedreality，增强现实)/vr(virtualreality，虚拟现实)等场景中的应用越来越广泛。但是，由于硬件和光照等原因，不同摄像头获取到的图像质量不同，如图像的颜、亮度等存在较大差异。对图像质量不同的多个图像进行处理时，图像的调难以保持一致，降低了图像处理的准确性。3.需要说明的是，在上述

背景技术

：
：部分公开的信息仅用于增强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。技术实现要素：4.本公开的目的在于提供一种图像处理方法、电子设备、计算机可读存储介质以及计算机程序产品，进而至少在一定程度上克服由于相关技术导致的匹配图像的调不一致，使得图像处理的准确性较低的问题。5.根据本公开的第一方面，提供一种图像处理方法，包括：6.根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系，所述第一灰度映射关系中具有映射关系的任意两灰度值的分布相似，所述待处理图像和所述参考图像对应同一拍摄场景，并且所述参考图像的图像质量高于所述待处理图像的图像质量；7.根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，其中与所述第二灰度映射关系中具有映射关系的任意两灰度值对应的像素点对相匹配；8.融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系；9.基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像。10.在本公开的一种示例性实施例中，所述根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，包括：11.提取所述参考图像中的第一图像特征点，并确定所述待处理图像中与所述第一图像特征点相匹配的第二图像特征点；12.根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值，构建所述第二灰度映射关系。13.在本公开的一种示例性实施例中，所述提取所述参考图像中的第一图像特征点，包括：14.将所述参考图像分割为多个图像子区域；15.在各所述图像子区域中进行特征点提取，得到对应的所述第一图像特征点。16.在本公开的一种示例性实施例中，所述根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值，构建所述第二灰度映射关系，包括：17.根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值生成稀疏灰度映射关系，所述稀疏灰度映射关系中包括匹配像素点对所对应的特征灰度值对；18.对所述稀疏灰度映射关系进行插值处理，得到所述待处理图像和所述参考图像之间的非匹配像素点对所对应的插值灰度值对，并根据所述特征灰度值对和所述插值灰度值对构建所述第二灰度映射关系。19.在本公开的一种示例性实施例中，所述融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系，包括：20.基于目标融合权重对所述第一灰度映射关系中的灰度值和所述第二灰度映射关系中相对应的灰度值进行加权计算，以得到所述第三灰度映射关系中的各个灰度值；21.或者，基于所述目标融合权重对所述第一灰度映射关系中的灰度值和所述第二灰度映射关系中相对应的灰度值进行加权计算，并对加权计算的结果进行取整处理，以得到所述第三灰度映射关系中的各个灰度值；22.其中，所述目标融合权重为所述第一灰度映射关系所对应的权重，所述第二灰度映射关系所对应的权重为目标数值和所述目标融合权重的差值。23.在本公开的一种示例性实施例中，所述目标融合权重的取值包括第一权重值和第二权重值，所述第二灰度映射关系包括所述特征灰度值对和所述插值灰度值对；24.当所述第二灰度映射关系中的灰度值为所述特征灰度值对中的灰度值时，所述目标融合权重的取值为所述第一权重值；25.当所述第二灰度映射关系中的灰度值为所述插值灰度值对中的灰度值时，所述目标融合权重的取值为所述第二权重值；26.其中，所述第一权重值小于所述第二权重值。27.在本公开的一种示例性实施例中，所述基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像，包括：28.通过查所述第三灰度映射关系确定所述待处理图像中各像素点的映射灰度值；29.根据所述待处理图像中各像素点的映射灰度值对所述目标图像的各像素点进行赋值。30.根据本公开的第二方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。31.根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。32.根据本公开的第四方面，提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。33.本公开示例性实施例可以具有以下部分或全部有益效果：34.在本公开示例实施方式所提供的图像处理方法中，通过根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系，所述第一灰度映射关系中具有映射关系的任意两灰度值的分布相似，所述待处理图像和所述参考图像对应同一拍摄场景，并且所述参考图像的图像质量高于所述待处理图像的图像质量；根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，其中与所述第二灰度映射关系中具有映射关系的任意两灰度值对应的像素点对相匹配；融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系；基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像。本公开在通过图像的像素灰度分布信息构建灰度映射关系的基础上，结合基于特征匹配构建的灰度映射关系，可以更加准确地确定图像的灰度映射关系，进一步的，利用该灰度映射关系匹配到的目标图像可以达到与参考图像的调保持一致的效果，提高了图像处理的准确性。35.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明36.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。37.图1示出了可以应用本公开实施例的图像处理方法的系统架构示意图；38.图2示意性示出了本公开实施例中一种图像处理方法的流程图；39.图3示意性示出了本公开实施例中一种灰度累积直方图构建的流程图；40.图4示意性示出了本公开实施例中一种灰度直方图的示意图；41.图5示意性示出了本公开实施例中一种灰度累积直方图的示意图；42.图6示意性示出了本公开实施例中一种第一灰度映射关系构建的流程图；43.图7示意性示出了本公开实施例中一种第二灰度映射关系构建的流程图；44.图8示意性示出了本公开实施例中另一种第二灰度映射关系构建的流程图；45.图9示意性示出了本公开实施例中另一种图像处理方法的流程图；46.图10示意性示出了本公开实施例中一种图像处理装置的框图；47.图11示意性示出了适于用来实现本公开实施例的电子设备的结构示意图。具体实施方式48.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。49.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。50.图1示出了可以应用本公开实施例的一种图像处理方法及装置的示例性应用环境的系统架构的示意图。51.如图1所示，系统架构100可以包括多个摄像装置101、网络102和图像处理设备103。摄像装置101可以是设置在终端设备上的摄像头，终端设备可以是各种电子设备、也可以是车载终端设备、ar/vr头戴式设备等，其中，电子设备包括但不限于台式计算机、便携式计算机、智能手机和平板电脑等。网络102用以摄像装置101与图像处理设备103之间提供通信链路的介质，网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。图像处理设备103可以是终端设备，也可以是服务器。具体地，图像处理设备103可以用于执行：根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系；根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系；融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系；基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像。应该理解，图1中各装置的数目仅仅是示例性的，根据实现需要，可以具有任意数目的摄像装置101、网络102和图像处理设备103。52.以下对本公开实施例的技术方案进行详细阐述：53.在多摄像头视觉系统的应用场景中，由于硬件和光照等原因，不同摄像头获取到的图像颜、亮度等存在较大差异。目前，对图像质量不同的输入图像和参考图像进行处理时，一种方法是通过计算输入图像和参考图像中每个通道的均值，利用图像间的均值差值或者比值补偿输入图像中每个通道的灰度值，使得输入图像和参考图像中每个通道的均值相近，从而达到两幅图像的调保持一致的效果。但是，该方法容易造成图像偏、过曝等现象。另一种方法是通过直方图匹配，即将参考图像的直方图映射到输入图像的直方图上，以使两幅图像的调保持一致。但是，对于图像质量差异过大的多摄图像，该方法存在图像颜异常等问题。54.基于上述一个或多个问题，本示例实施方式提供了一种图像处理方法。参考图2所示，该图像处理方法可以包括步骤s210至步骤s240：55.步骤s210.根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系，所述第一灰度映射关系中具有映射关系的任意两灰度值的分布相似，所述待处理图像和所述参考图像对应同一拍摄场景，并且所述参考图像的图像质量高于所述待处理图像的图像质量；56.步骤s220.根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，其中与所述第二灰度映射关系中具有映射关系的任意两灰度值对应的像素点对相匹配；57.步骤s230.融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系；58.步骤s240.基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像。59.在本公开示例实施方式所提供的图像处理方法中，通过根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系，所述第一灰度映射关系中具有映射关系的任意两灰度值的分布相似，所述待处理图像和所述参考图像对应同一拍摄场景，并且所述参考图像的图像质量高于所述待处理图像的图像质量；根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，其中与所述第二灰度映射关系中具有映射关系的任意两灰度值对应的像素点对相匹配；融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系；基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像。本公开在通过图像的像素灰度分布信息构建灰度映射关系的基础上，结合基于特征匹配构建的灰度映射关系，可以更加准确地确定图像的灰度映射关系，进一步的，利用该灰度映射关系匹配到的目标图像可以达到与参考图像的调保持一致的效果，提高了图像处理的准确性。60.下面，对于本示例实施方式的上述步骤进行更加详细的说明。61.在步骤s210中，根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系，所述第一灰度映射关系中具有映射关系的任意两灰度值的分布相似，所述待处理图像和所述参考图像对应同一拍摄场景，并且所述参考图像的图像质量高于所述待处理图像的图像质量。62.本公开示例实施方式中，以具有公共视场的多摄图像为例进行说明。例如，待处理图像和参考图像可以为同一拍摄场景下的两幅图像，即在同一场景下由不同摄像头拍摄所得的图像。并且参考图像的图像质量高于待处理图像的图像质量，如与待处理图像相比，参考图像的颜、亮度等更接近于原始场景。示例性的，参考图像可以是图像质量较高的主摄像头图像，待处理图像可以是图像质量低于主摄像头图像的副摄像头图像。63.为了提高待处理图像的图像质量，以使待处理图像的调与参考图像的调保持一致，本公开可以基于图像的像素灰度分布信息对待处理图像进行处理。其中，图像的像素灰度分布信息可以是图像的像素灰度分布，也可以是图像的像素灰度累积分布，本公开对此不做限定。以图像的像素灰度累积分布为例，像素灰度累积分布是指图像中各灰度值的累积分布。示例性的，可以统计待处理图像中各像素点的第一灰度值，得到第一灰度值的累积分布，统计参考图像中各像素点的第二灰度值，得到第二灰度值的累积分布，并根据第一灰度值的累积分布和第二灰度值的累积分布构建第一灰度映射关系。第一灰度映射关系用于表示待处理图像中各灰度值与参考图像中各灰度值之间的映射关系，对应的，第一灰度映射关系中具有映射关系的任意两灰度值的累积分布相似。64.一种示例实施方式中，可以使用图像的灰度累积直方图表征图像中各灰度值的累积分布。其中，图像的灰度累积直方图是指图像组成成分(即像素点)在灰度级的累积概率分布。对应的，可以获取待处理图像的第一灰度累积直方图和参考图像的第二灰度累积直方图，并根据第一灰度累积直方图和第二灰度累积直方图构建第一灰度映射关系，本示例中，可以以映射表的形式来表示灰度值之间的映射关系，本公开对灰度值之间的映射关系的表示形式不做具体限定。65.在获取待处理图像的第一灰度累积直方图和参考图像的第二灰度累积直方图之前，需要先构建待处理图像的第一灰度累积直方图和参考图像的第二灰度累积直方图。一种示例实施方式中，参考图3所示，可以根据步骤s310至步骤s340构建待处理图像的第一灰度累积直方图和参考图像的第二灰度累积直方图。66.步骤s310.分别获取所述待处理图像中各灰度级的第一像素量和所述参考图像中各灰度级的第二像素量。67.举例而言，待处理图像和参考图像为8bit图像，8bit为一个字节，8bit图像表示图像中每个颜通道使用一个字节表示。对应的，待处理图像和参考图像中各像素点的灰度值为0-255，共256级灰阶，表示256个亮度层次。68.可以分别获取待处理图像中各灰度级的第一像素量h(ri)和参考图像中各灰度级的第二像素量h(rj)，第一像素量h(ri)表示待处理图像中灰度值为ri的像素点数目，例如，第一像素量h(ri)＝ni时，表示待处理图像中灰度值为ri的像素点有为ni个。类似的，第二像素量h(rj)表示参考图像中灰度值为rj的像素点数目。其中，0≤i《l，0≤j《l，i、j分别表示第i级灰度值、第j级灰度值，l表示图像中的灰阶总级数，如8bit图像中l＝256。69.通过统计待处理图像中各灰度级的第一像素量h(ri)，可以得到待处理图像的第一灰度直方图h1，通过统计参考图像中各灰度级的第二像素量h(rj)，可以得到参考图像的第二灰度直方图h2。其中，灰度直方图用来表示图像中的灰度分布，标绘了图像中每个灰度值的像素量。如图4所示，示意性的给出了待处理图像的第一灰度直方图h1的示意图。图4中的横坐标为各灰度级的灰度值，纵坐标为各灰度级的第一像素量，由图4可以看出，灰度值为14时对应的第一像素量较大，即待处理图像中灰度值为14的像素点数目较多。70.步骤s320.将所述第一像素量与所述待处理图像中的像素总量相比，得到与所述待处理图像中各所述灰度级的像素对应的第一出现概率。71.获取待处理图像中各灰度级的第一像素量后，通过对待处理图像中各灰度级的第一像素量进行求和，得到待处理图像的像素总量n1。可以将第一像素量与待处理图像中的像素总量相比，得到与待处理图像中各灰度级的像素对应的第一出现概率。例如，第一像素量h(ri)＝ni，与第i级灰度值ri的像素对应的第一出现概率p(ri)＝ni/n1，p(ri)表示灰度值ri在待处理图像中出现的概率。72.步骤s330.将所述第二像素量与所述参考图像中的像素总量相比，得到与所述参考图像中各所述灰度级的像素对应的第二出现概率。73.获取参考图像中各灰度级的第二像素量后，通过对参考图像中各灰度级的第二像素量进行求和，得到参考图像的像素总量n2。可以将第二像素量与参考图像中的像素总量相比，得到与参考图像中各灰度级的像素对应的第二出现概率。例如，第二像素量h(rj)＝nj，与第j级灰度值rj的像素对应的第二出现概率p(rj)＝nj/n2，p(rj)表示灰度值rj在参考图像中出现的概率。可以理解的是，待处理图像的像素总量n1可以和参考图像的像素总量n2相同，待处理图像的像素总量n1也可以和参考图像的像素总量n2不同，本公开对此不做限定。74.步骤s340.分别根据所述第一出现概率和所述第二出现概率确定第一累积出现概率和第二累积出现概率，并根据所述第一累积出现概率构建所述第一灰度累积直方图，根据所述第二累积出现概率构建所述第二灰度累积直方图。75.得到待处理图像中各灰度级的像素对应的第一出现概率后，可以根据第一出现概率计算出第一累积概率。示例性的，可以获取待处理图像中灰度级小于或等于目标灰度级的所有像素所对应的第一目标出现概率，将第一目标出现概率相加，得到第一累积出现概率。76.例如，目标灰度级为第i级时，对应的灰度值为ri。可以根据：[0077][0078]计算得到灰度值ri的第一累积出现概率c(ri)，p(rk)表示待处理图像中灰度值为rk的像素对应的第一出现概率，并且rk≤ri。通过公式(1)，对待处理图像中灰度值小于或等于灰度值ri的像素的第一出现概率进行求和，得到灰度值ri的第一累积出现概率c(ri)。[0079]类似的，得到参考图像中各灰度级的像素对应的第二出现概率后，可以根据第二出现概率计算出第二累积概率。示例性的，可以获取参考图像中灰度级小于或等于目标灰度级的所有像素所对应的第二目标出现概率，将第二目标出现概率相加，得到第二累积出现概率。[0080]例如，目标灰度级为第j级时，对应的灰度值为rj。可以根据：[0081][0082]计算得到灰度值rj的第一累积出现概率c(rj)，p(rk)表示参考图像中灰度值为rk的像素对应的第一出现概率，并且rk≤rj。通过公式(2)，对参考图像中灰度值小于或等于灰度值rj的像素的第一出现概率进行求和，得到灰度值rj的第一累积出现概率c(rj)。[0083]确定第一累积出现概率和第二累积出现概率后，可以通过统计第一累积出现概率构建第一灰度累积直方图c1，通过统计第二累积出现概率构建第二灰度累积直方图c2。其中，灰度累积直方图用来表示图像中的灰度累积分布，标绘了图像中每个灰度值的累积出现概率。如图5所示，示意性的给出了待处理图像的第一灰度累积直方图c1的示意图。图5中的横坐标为各灰度级的灰度值，纵坐标为各灰度级的第一累积出现概率，由图5可以看出，随着灰度值的增大，灰度值对应的第一累积出现概率也在逐渐增大，并且第一累积出现概率的区间为[0，1]。[0084]可以理解的是，通过灰度直方图匹配图像时，可能会存在部分灰度级的相似度较高，部分灰度级的相似度较低的情况，可以看出，灰度直方图无法准确地反映图像间的颜差异。该示例中，采用灰度累积直方图匹配图像时，灰度累积直方图中的各灰度级的分布趋势是统一的，例如，当某一灰度级的出现概率偏高时，灰度累积直方图中与该灰度级相关的累积出现概率均偏高。因此，可以更加准确地反映图像间灰度级的相似性，以便于确定图像的灰度映射关系。[0085]得到第一灰度值的累积分布与第二灰度值的累积分布后，参考图6所示，可以根据步骤s610和步骤s620构建第一灰度映射关系。[0086]步骤s610.计算所述第一灰度值的累积分布与所述第二灰度值的累积分布之间的距离。[0087]一种示例实施方式中，第一灰度累积直方图和第二灰度累积直方图构建完成后，可以利用第一灰度累积直方图表示第一灰度值的累积分布，利用第二灰度累积直方图表示第二灰度值的累积分布。对应的，第一灰度值的累积分布为待处理图像中的各个灰度值的第一累积出现概率，第二灰度值的累积分布为参考图像中各个灰度值的第二累积出现概率。[0088]例如，对于第一灰度累积直方图中的第i级灰度值ri，可以计算该灰度值ri的第一累积出现概率c(ri)与第二灰度累积直方图中的每个灰度值的第二累积出现概率c(rj)之间的距离，有l＝|c(ri)-c(rj)|，0≤j《l。距离值越小，表明对应的两个灰度值越相似。类似的，通过轮询第一灰度累积直方图中每个灰度值的第一累积出现概率，并计算该第一累积出现概率与第二灰度累积直方图中的每个灰度值的第二累积出现概率之间的距离，得到多个距离值。[0089]步骤s620.获取所述距离中的最小距离，并根据与所述最小距离对应的所述第一灰度值和所述第二灰度值构建所述第一灰度映射关系。[0090]计算第一灰度累积直方图中的灰度值ri的第一累积出现概率c(ri)与第二灰度累积直方图中的每个灰度值的第二累积出现概率c(rj)之间的距离，得到多个距离值后，可以确定多个距离值中的最小距离值，最小距离值为l＝min|c(ri)-c(rj)|。例如，最小距离对应的是第一灰度累积直方图中的灰度值ri和第二灰度累积直方图中的灰度值rk，也就是说对于待处理图像中像素点的灰度值ri，其映射灰度值为rk。类似的，可以确定第一灰度累积直方图中每个灰度值的映射灰度值，并根据第一灰度累积直方图中每个灰度值和每个灰度值的映射灰度值构建第一灰度映射关系，如可以记为第一灰度映射表。[0091]相比于直方图匹配方法，通过累积直方图构建灰度映射表，在图像差异较大的情况下可以更加准确地表征灰度值之间的映射关系，进而避免图像匹配时出现的颜异常问题。[0092]在步骤s220中，根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，其中与所述第二灰度映射关系中具有映射关系的任意两灰度值对应的像素点对相匹配。[0093]示例性的，参考图7所示，可以根据步骤s710和步骤s720构建第二灰度映射关系。[0094]步骤s710.提取所述参考图像中的第一图像特征点，并确定所述待处理图像中与所述第一图像特征点相匹配的第二图像特征点。[0095]在通过累积直方图构建灰度映射表的基础上，进一步的，本公开可以结合特征匹配对灰度映射表进行调整，以提高灰度值映射的准确性。例如，可以提取参考图像中的fast(featuresfromacceleratedsegmenttest，基于加速分割测试的特征)特征、orb(orientedfastandrotatedbrief，结合fast特征点和brief特征描述子)特征等。以提取参考图像中的fast特征为例，可以将参考图像分割为多个图像子区域，并在各图像子区域中进行特征点提取，得到对应的第一图像特征点。示例性的，可以确定与各图像子区域对应的灰度阈值，并使用各灰度阈值对各图像子区域中的目标像素点进行检测，以确定各图像子区域中的第一图像特征点。其中，目标像素点可以是各图像子区域中的所有像素点，也可以是各图像子区域中的部分像素点，本公开对此不做限定。[0096]具体地，可以将参考图像网格化，如将参考图像分割为20x20的单元网格。对于其中某个单元网格，在该单元网格中选取某一像素点，该像素点的灰度值为rp，确定该单元网格对应的灰度阈值，如可以为0.2rp。以该像素点为中心，选取指定区域内的多个像素点，如选取半径为3的圆上的多个像素点。若在指定区域内存在连续的多个像素点的灰度值大于rp+0.2rp或者小于rp-0.2rp，则可以将该像素点作为第一图像特征点。类似的，可以在每个单元网格内提取一个鲁棒性较高的第一图像特征点。[0097]获取参考图像中的多个第一图像特征点后，可以通过光流法确定待处理图像中与第一图像特征点相匹配的第二图像特征点。其中，光流法可以是lk(lucas–kanade)光流法，lk光流法是指利用图像中像素在时间域上的变化以及相邻帧之间的相关性来到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息。在lk光流法中，像素点随着时间的变化，其灰度值是不变的。具体地，可以基于参考图像中每个单元网格的第一图像特征点的灰度值，计算每个第一图像特征点的光流，根据每个第一图像特征点的光流，计算待处理图像中与每个第一图像特征点相匹配的第二图像特征点的像素位置。[0098]提取鲁棒性高的第一图像特征点，并通过光流法获取与第一图像特征点相匹配的第二图像特征点，提高了特征匹配精度。进一步的，通过特征匹配可以更加准确地反映灰度值之间的相似程度，进而可以得到准确度更高的灰度映射关系。[0099]步骤s720.根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值，构建所述第二灰度映射关系。[0100]获取参考图像中的第一图像特征点和相匹配的第二图像特征点后，可以根据第一图像特征点所对应像素点的灰度值和第二图像特征点所对应像素点的灰度值，构建第二灰度映射关系。示例性的，参考图8所示，可以根据步骤s810和步骤s820构建第二灰度映射关系。[0101]步骤s810.根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值生成稀疏灰度映射关系，所述稀疏灰度映射关系中包括匹配像素点对所对应的特征灰度值对。[0102]图像特征点为每个单元网格中选取的鲁棒性较高的特征点，对应的，仅能获取参考图像中的部分像素点的灰度值和待处理图像中的部分像素点的灰度值。因此，可以根据第一图像特征点所对应像素点的灰度值和第二图像特征点所对应像素点的灰度值生成稀疏灰度映射关系，如得到一个稀疏灰度映射表。可以理解的是，稀疏灰度映射关系中仅包括待处理图像和参考图像之间相匹配的像素点对所对应的灰度值对，而不包括待处理图像和参考图像之间的非匹配像素点对所对应的灰度值对。[0103]步骤s820.对所述稀疏灰度映射关系进行插值处理，得到所述待处理图像和所述参考图像之间的非匹配像素点对所对应的插值灰度值对，并根据所述特征灰度值对和所述插值灰度值对构建所述第二灰度映射关系。[0104]示例性的，生成一个稀疏灰度映射表后，可以对稀疏灰度映射表进行插值处理，以补全稀疏灰度映射表中的灰度值，并使每个灰度值均有映射灰度值，最后生成一个完整的灰度映射表，如可以记为第二灰度映射表。例如，可以采用b样条插值法、贝塞尔插值法等对稀疏灰度映射表进行插值处理，得到插值灰度值对，插值灰度值对为待处理图像和参考图像之间的非匹配像素点对所对应的灰度值对。可以理解的是，第二灰度映射表是通过对稀疏灰度映射表中的灰度值对进行插值处理得到的，因此，第二灰度映射表中可以包含特征灰度值对和插值灰度值对，特征灰度值对为待处理图像和参考图像之间的匹配像素点对所对应的灰度值对，插值灰度值对为对特征灰度值对进行插值处理得到的灰度值对。[0105]基于特征匹配计算得到的灰度映射表，可以更加准确地描述待处理图像中各灰度级与参考图像中各灰度级的映射关系，以便于基于参考图像中的关键特征对待处理图像中各像素点的灰度值进行映射，获取调与参考图像一致的新图像。[0106]在步骤s230中，融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系。[0107]一种示例实施方式中，得到第一灰度映射表和第二灰度映射表后，可以基于目标融合权重对第一灰度映射关系中的灰度值和第二灰度映射关系中相对应的灰度值进行加权计算，以得到第三灰度映射关系中的各个灰度值。或者，也可以基于目标融合权重对第一灰度映射关系中的灰度值和所述第二灰度映射关系中相对应的灰度值进行加权计算，并对加权计算的结果进行取整处理，以得到第三灰度映射关系中的各个灰度值。其中，目标融合权重为第一灰度映射关系所对应的权重，第二灰度映射关系所对应的权重为目标数值和目标融合权重的差值。本公开示例实施方式中，目标数值为1。[0108]示例性的，可以根据公式(3)对第一灰度映射表中的灰度值l1和第二灰度映射表中相对应的灰度值l2进行加权计算：[0109]l3＝[αl1+(1-α)l2]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(3)[0110]或者，可以根据公式(4)对第一灰度映射表中的灰度值l1和第二灰度映射表中相对应的灰度值l2进行加权取整计算：[0111]l3＝int[αl1+(1-α)l2]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(4)[0112]在公式(3)、公式(4)中，l3表示第三灰度映射表中的灰度值，l1为第一灰度映射表中的灰度值，l2为第二灰度映射表中相对应的灰度值，α为目标融合权重，即第一灰度映射关系所对应的权重，1-α为第二灰度映射关系所对应的权重，int[]为取整运算。[0113]可以理解的是，每个灰度映射表是由待处理图像中每个像素点的灰度值r和映射灰度值m组成的。因此，通过公式(3)或者公式(4)进行计算时，可以对第一灰度映射表中的映射灰度值mi和第二灰度映射表中的映射灰度值mj进行加权或加权取整计算，得到融合后的映射灰度值，融合后的每个映射灰度值与待处理图像中每个像素点的灰度值是一一对应的。[0114]另外，需要说明的是，第二灰度映射表中包括特征灰度值对和插值灰度值对，对应的，公式(3)和公式(4)中的目标融合权重α的取值可以包括第一权重值和第二权重值。当第二灰度映射表中的灰度值l2为特征灰度值对中的灰度值时，目标融合权重α的取值为第一权重值，可以采用第一权重值进行计算；当第二灰度映射表中的灰度值l2为插值灰度值对中的灰度值时，目标融合权重α的取值为第二权重值，可以采用第二权重值进行计算。其中，由于第二灰度映射表中特征灰度值的准确性更高，可以预设特征灰度值有较大的权重，因此，第一权重值小于第二权重值，本公开对第一权重值和第二权重值的具体取值不做限定。例如，可以预设第一权重值为0.7，第二权重值为0.9，当第二灰度映射表中的灰度值l2为特征灰度值时，使用权重0.3进行计算，当第二灰度映射表中的灰度值l2为插值灰度值时，使用权重0.1进行计算。可以看出，特征灰度值的权重较大。[0115]在通过累积直方图构建第一灰度映射表的基础上，结合特征匹配对第一灰度映射表进行调整，可以提高灰度值映射的准确性。其中，对第一灰度映射表的灰度值和第二灰度映射表中的灰度值赋予不同的权重进行计算，可以提升匹配直方图构建灰度映射表的准确性。[0116]在步骤s240中，基于所述第三灰度映射关系，对所述待处理图像中各像素点的灰度值进行映射，以获取目标图像。[0117]由步骤s230可知，第三灰度映射关系是由待处理图像中各像素点的灰度值与融合后的映射灰度值组成的。因此，得到第三灰度映射关系后，可以通过查第三灰度映射关系确定待处理图像中各像素点的映射灰度值，例如，可以使用lut(lookuptable，查表)方法将待处理图像映射成目标图像。具体地，可以将待处理图像中各像素点的灰度值作为查表的输入，并输出各像素点的映射灰度值。进一步的，可以根据待处理图像中各像素点的映射灰度值对目标图像的各像素点进行赋值，最终得到目标图像。该示例中，第三灰度映射关系可以更加准确地反映图像的灰度映射关系，利用第三灰度映射关系将待处理图像映射得到新图像，可以使得新图像的调与参考图像的调保持一致，提高了图像匹配精度。[0118]一种示例实施方式中，参考图9所示，提供了又一种图像处理方法，该图像处理方法可以包括步骤s901至步骤s909。[0119]步骤s901.构建待处理图像的第一灰度直方图和参考图像的第一灰度直方图：可以通过统计待处理图像中各灰度级的第一像素量，得到待处理图像的第一灰度直方图，可以通过统计参考图像中各灰度级的第二像素量，可以得到参考图像的第二灰度直方图；[0120]步骤s902.构建待处理图像的第一灰度累积直方图和参考图像的第二灰度累积直方图：以待处理图像为例，可以根据待处理图像的第一灰度直方图，计算得到待处理图像中各灰度级的像素对应的第一出现概率。对于灰度值为ri，对待处理图像中灰度值小于或等于灰度值ri的像素的第一出现概率进行求和，得到灰度值ri的第一累积出现概率，进一步的，可以通过统计第一累积出现概率构建第一灰度累积直方图；[0121]步骤s903.构建第一灰度映射表：可以将第一灰度累积直方图中每个灰度值的第一累积出现概率与第二灰度累积直方图中所有灰度值的第二累积出现概率进行比较，得到第一灰度累积直方图中每个灰度值的映射灰度值，最后根据每个灰度值和每个灰度值的映射灰度值构建第一灰度映射表；[0122]步骤s904.提取参考图像中的第一图像特征点：例如，可以提取参考图像中fast特征点等；[0123]步骤s905.获取待处理图像中与第一图像特征点相匹配的第一图像特征点：例如，可以通过光流法获取待处理图像中与第一图像特征点相匹配的第一图像特征点；[0124]步骤s906.构建第二灰度映射表：根据第一图像特征点所对应像素点的灰度值和第二图像特征点所对应像素点的灰度值，生成一个稀疏灰度映射表，对稀疏灰度映射表进行插值处理，以得到第二灰度映射表；[0125]步骤s907.构建第三灰度映射表：可以对第一灰度映射表中的灰度值和第二灰度映射表中的灰度值进行加权或加权取整计算，以得到第三灰度映射表；[0126]步骤s908.通过灰度映射得到目标图像：可以通过查第三灰度映射表得到待处理图像中各像素点的灰度值对应的映射灰度值，并根据各像素点的映射灰度值对目标图像的各像素点进行赋值，得到目标图像。[0127]在本公开示例实施方式所提供的图像处理方法中，通过根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系，所述第一灰度映射关系中具有映射关系的任意两灰度值的分布相似，所述待处理图像和所述参考图像对应同一拍摄场景，并且所述参考图像的图像质量高于所述待处理图像的图像质量；根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，其中与所述第二灰度映射关系中具有映射关系的任意两灰度值对应的像素点对相匹配；融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系；基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像。本公开在通过图像的像素灰度分布信息构建灰度映射关系的基础上，结合基于特征匹配构建的灰度映射关系，可以更加准确地确定图像的灰度映射关系，进一步的，利用该灰度映射关系匹配到的目标图像可以达到与参考图像的调保持一致的效果，提高了图像处理的准确性。[0128]应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。[0129]进一步的，本示例实施方式中，还提供了一种图像处理装置。该装置可以应用于一终端设备或服务器。参考图10所示，该图像处理装置1000可以包括第一灰度映射关系生成模块1010、第二灰度映射关系生成模块1020、第三灰度映射关系生成模块1030和灰度值映射模块1040，其中：[0130]第一灰度映射关系生成模块1010，用于根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系，所述第一灰度映射关系中具有映射关系的任意两灰度值的分布相似，所述待处理图像和所述参考图像对应同一拍摄场景，并且所述参考图像的图像质量高于所述待处理图像的图像质量；[0131]第二灰度映射关系生成模块1020，用于根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，其中与所述第二灰度映射关系中具有映射关系的任意两灰度值对应的像素点对相匹配；[0132]第三灰度映射关系生成模块1030，用于融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系；[0133]灰度值映射模块1040，用于基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像。[0134]在一种可选的实施方式中，第二灰度映射关系生成模块1020包括：[0135]特征点匹配子模块，用于提取所述参考图像中的第一图像特征点，并确定所述待处理图像中与所述第一图像特征点相匹配的第二图像特征点；[0136]第二灰度映射关系生成子模块，用于根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值，构建所述第二灰度映射关系。[0137]在一种可选的实施方式中，特征点匹配子模块被配置为用于将所述参考图像分割为多个图像子区域；在各所述图像子区域中进行特征点提取，得到对应的所述第一图像特征点。[0138]在一种可选的实施方式中，第二灰度映射关系生成子模块包括：[0139]稀疏灰度映射关系生成单元，用于根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值生成稀疏灰度映射关系，所述稀疏灰度映射关系中包括匹配像素点对所对应的特征灰度值对；[0140]第二灰度映射关系生成单元，用于对所述稀疏灰度映射关系进行插值处理，得到所述待处理图像和所述参考图像之间的非匹配像素点对所对应的插值灰度值对，并根据所述特征灰度值对和所述插值灰度值对构建所述第二灰度映射关系。[0141]在一种可选的实施方式中，第三灰度映射关系生成模块1030被配置为用于基于目标融合权重对所述第一灰度映射关系中的灰度值和所述第二灰度映射关系中相对应的灰度值进行加权计算，以得到所述第三灰度映射关系中的各个灰度值；[0142]或者，基于所述目标融合权重对所述第一灰度映射关系中的灰度值和所述第二灰度映射关系中相对应的灰度值进行加权计算，并对加权计算的结果进行取整处理，以得到所述第三灰度映射关系中的各个灰度值；[0143]其中，所述目标融合权重为所述第一灰度映射关系所对应的权重，所述第二灰度映射关系所对应的权重为目标数值和所述目标融合权重的差值。[0144]在一种可选的实施方式中，所述目标融合权重的取值包括第一权重值和第二权重值，所述第二灰度映射关系包括所述特征灰度值对和所述插值灰度值对；[0145]当所述第二灰度映射关系中的灰度值为所述特征灰度值对中的灰度值时，所述目标融合权重的取值为所述第一权重值；[0146]当所述第二灰度映射关系中的灰度值为所述插值灰度值对中的灰度值时，所述目标融合权重的取值为所述第二权重值；[0147]其中，所述第一权重值小于所述第二权重值。[0148]在一种可选的实施方式中，灰度值映射模块1040包括：[0149]映射灰度值确定子模块，用于通过查所述第三灰度映射关系确定所述待处理图像中各像素点的映射灰度值；[0150]灰度值赋值子模块，用于根据所述待处理图像中各像素点的映射灰度值对所述目标图像的各像素点进行赋值。[0151]上述图像处理装置中各模块的具体细节已经在对应的图像处理方法中进行了详细的描述，因此此处不再赘述。[0152]上述装置中各模块可以是通用处理器，包括：中央处理器、网络处理器等；还可以是数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。各模块也可以由软件、固件等形式来实现。上述装置中的各处理器可以是独立的处理器，也可以集成在一起。[0153]本公开的示例性实施方式还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在电子设备上运行时，程序代码用于使电子设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。该程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在电子设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。[0154]程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。[0155]计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。[0156]可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。[0157]可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。[0158]本公开的示例性实施方式还提供了一种能够实现上述方法的电子设备。下面参照图11来描述根据本公开的这种示例性实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本公开实施方式的功能和使用范围带来任何限制。[0159]如图11所示，电子设备1100可以以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于：至少一个处理单元1110、至少一个存储单元1120、连接不同系统组件(包括存储单元1120和处理单元1110)的总线1130和显示单元1140。[0160]存储单元1120存储有程序代码，程序代码可以被处理单元1110执行，使得处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元1110可以执行图2、图3、图6至图9中任意一个或多个方法步骤。[0161]存储单元1120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)1121和/或高速缓存存储单元1122，还可以进一步包括只读存储单元(rom)1123。[0162]存储单元1120还可以包括具有一组(至少一个)程序模块1125的程序/实用工具1124，这样的程序模块1125包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。[0163]总线1130可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。[0164]电子设备1100也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口1150进行。并且，电子设备1100还可以通过网络适配器1160与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图11所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图11中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。[0165]通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开示例性实施方式的方法。[0166]此外，上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。[0167]应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。[0168]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。当前第1页12当前第1页12

技术特征：

1.一种图像处理方法，其特征在于，包括：根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系，所述第一灰度映射关系中具有映射关系的任意两灰度值的分布相似，所述待处理图像和所述参考图像对应同一拍摄场景，并且所述参考图像的图像质量高于所述待处理图像的图像质量；根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，其中与所述第二灰度映射关系中具有映射关系的任意两灰度值对应的像素点对相匹配；融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系；基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像。2.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述待处理图像和所述参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系，包括：提取所述参考图像中的第一图像特征点，并确定所述待处理图像中与所述第一图像特征点相匹配的第二图像特征点；根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值，构建所述第二灰度映射关系。3.根据权利要求2所述的图像处理方法，其特征在于，所述提取所述参考图像中的第一图像特征点，包括：将所述参考图像分割为多个图像子区域；在各所述图像子区域中进行特征点提取，得到对应的所述第一图像特征点。4.根据权利要求2所述的图像处理方法，其特征在于，所述根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值，构建所述第二灰度映射关系，包括：根据所述第一图像特征点所对应像素点的灰度值和所述第二图像特征点所对应像素点的灰度值生成稀疏灰度映射关系，所述稀疏灰度映射关系中包括匹配像素点对所对应的特征灰度值对；对所述稀疏灰度映射关系进行插值处理，得到所述待处理图像和所述参考图像之间的非匹配像素点对所对应的插值灰度值对，并根据所述特征灰度值对和所述插值灰度值对构建所述第二灰度映射关系。5.根据权利要求1-4任一项所述的图像处理方法，其特征在于，所述融合所述第一灰度映射关系和所述第二灰度映射关系，得到第三灰度映射关系，包括：基于目标融合权重对所述第一灰度映射关系中的灰度值和所述第二灰度映射关系中相对应的灰度值进行加权计算，以得到所述第三灰度映射关系中的各个灰度值；或者，基于所述目标融合权重对所述第一灰度映射关系中的灰度值和所述第二灰度映射关系中相对应的灰度值进行加权计算，并对加权计算的结果进行取整处理，以得到所述第三灰度映射关系中的各个灰度值；其中，所述目标融合权重为所述第一灰度映射关系所对应的权重，所述第二灰度映射关系所对应的权重为目标数值和所述目标融合权重的差值。
6.根据权利要求5所述的图像处理方法，其特征在于，所述目标融合权重的取值包括第一权重值和第二权重值，所述第二灰度映射关系包括所述特征灰度值对和所述插值灰度值对；当所述第二灰度映射关系中的灰度值为所述特征灰度值对中的灰度值时，所述目标融合权重的取值为所述第一权重值；当所述第二灰度映射关系中的灰度值为所述插值灰度值对中的灰度值时，所述目标融合权重的取值为所述第二权重值；其中，所述第一权重值小于所述第二权重值。7.根据权利要求1-4任一项所述的图像处理方法，其特征在于，所述基于所述第三灰度映射关系对所述待处理图像中各像素点的灰度值进行映射处理，以获取目标图像，包括：通过查所述第三灰度映射关系确定所述待处理图像中各像素点的映射灰度值；根据所述待处理图像中各像素点的映射灰度值对所述目标图像的各像素点进行赋值。8.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。10.一种计算机程序产品，所述计算机程序产品包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。

技术总结

本公开提供一种图像处理方法、电子设备、存储介质及程序产品；涉及图像处理技术领域。所述方法包括：根据待处理图像所对应的第一像素灰度分布信息和参考图像所对应的第二像素灰度分布信息构建第一灰度映射关系；根据待处理图像和参考图像之间相匹配的像素点对的灰度值构建第二灰度映射关系；融合第一灰度映射关系和第二灰度映射关系，得到第三灰度映射关系；基于第三灰度映射关系对待处理图像中各像素点的灰度值进行映射处理，以获取目标图像。本公开通过结合特征匹配可以更加准确地确定图像的灰度映射关系，使得匹配到的目标图像与参考图像的调保持一致，进而提高了图像处理的准确性。的准确性。的准确性。