[发明专利]影像调整方法

说明书

一种影像调整方法包含：通过深度学习模型来对输入影像进行分类，以取得输入影像中所包含的至少一类别、每一类别所对应的权重值以及每一类别所对应的输入影像的至少一区域；取得每一区域的色彩信息与坐标信息；以及根据每一区域所对应的权重值、坐标信息与色彩信息来调整输入影像的每一区域的锐利度、动态对比控制与色彩独立管理的至少一者，以产生输出影像。

技术领域

本公开实施例涉及一种影像调整方法，且特别涉及用于调整输入影像的锐利度(sharpness)、动态对比控制(Dynamic Contrast Control，DCC)和/或色彩独立管理(Independent Color Management，ICM)的一种影像调整方法。

背景技术

在影像的视觉品质的优化的处理中，影像的锐利度(sharpness)、动态对比控制(DCC)和/或色彩独立管理(ICM)的调整是很重要的影像强化步骤，通常会对原始影像进行调整以加强影像的色彩呈现进而改善影像的视觉品质。然而，通常在影像中的各个区域所需的调整程度不尽相同，若是在影像强化的过程中直接针对整张影像作调整，可能会导致影像的调整结果不如预期。

发明内容

本公开的目的在于提出一种影像调整方法，包含：通过深度学习(Deep Learning)模型来对输入影像进行分类，以取得输入影像中所包含的至少一类别、每一类别所对应的权重值以及每一类别所对应的输入影像的至少一区域；取得每一区域的色彩信息与坐标信息；以及根据每一区域所对应的权重值、坐标信息与色彩信息来调整输入影像的每一区域的锐利度(Sharpness)、动态对比控制(Dynamic Contrast Control，DCC)与色彩独立管理(Independent Color Management，ICM)的至少一者，以产生输出影像。

附图说明

通过阅读实施例的以下详细描述，且参考如下所附图示，可以更完整地理解本公开。

图1是根据本公开的实施例的影像调整方法的流程图。

图2是根据本公开的实施例的调整影像的锐利度的方法的流程图。

图3是根据本公开的实施例的调整影像的动态对比控制的方法的流程图。

图4是根据本公开的实施例的调整影像的色彩独立管理的方法的流程图。

符号说明

S1-S3、S21-S28、S31-S35、S41-S44：步骤

具体实施方式

下文是举实施例配合附图作详细说明，但所提供的实施例并非用以限制本发明所涵盖的范围，而结构运行的描述非用以限制其执行的顺序，任何由元件重新组合的结构，所产生具有均等技术效果的装置，皆为本发明所涵盖的范围。

图1是根据本公开的实施例的影像调整方法的流程图。于步骤S1，通过深度学习(Deep Learning)模型来对输入影像进行分类，以取得输入影像中所包含的至少一类别、每一类别所对应的权重值以及每一类别所对应的输入影像的至少一区域。

在本公开的实施例中，深度学习模型是应用了人工智能(ArtificialIntelligence，AI)技术，通过模仿人脑的类神经网络(Neural Network)预先对大量特定影像数据进行学习，从而能够利用经训练的深度学习模型来进行影像识别，深度学习模型用以从输入影像中识别出影像中所包含的至少一物件，并辨别出物件的类别，例如：人脸。在本公开的实施例中，权重值代表的是该类别所占的比例，举例来说，若输入影像包含第一类别与第二类别，则第一类别所对应的第一权重值与第二类别所对应的第二权重值的加总值为1。