一种图像处理方法、电子设备、存储介质及程序产品与流程

1.本技术涉及图像处理技术领域，特别是涉及一种图像处理方法、电子设备、存储介质及程序产品。


背景技术：

2.在图像处理领域，高动态范围图像(high-dynamic range,简称hdr)是一种在较暗和较亮的部分都保留较高程度的细节的图像。
3.为了获得高动态范围图像，相关技术中基于retinex(视网膜皮层)理论对图像进行处理，然而，这种方法在对暗区进行提亮时没有考虑噪声的问题，会造成得到的高动态范围图像具有明显的噪声问题。因此，如何得到噪声较小的高动态范围图像，是一个急需解决的技术问题。


技术实现要素：

4.鉴于上述问题，本发明实施例提供了一种图像处理方法、电子设备、存储介质及程序产品，以便克服上述问题或者至少部分地解决上述问题。
5.本发明实施例的第一方面，提供了一种图像处理方法，包括：
6.对原始图像中各个像素点的亮度值进行平滑处理，得到第一图像；
7.以平滑所述第一图像中对应于所述原始图像的暗区的图像区域的亮度值为目标，对所述第一图像中各个像素点的亮度值进行平滑处理，得到所述原始图像的照度图像；
8.根据所述原始图像和所述原始图像的照度图像，得到高动态范围图像。
9.可选地，以平滑所述第一图像中对应于所述原始图像的暗区的图像区域的亮度值为目标，对所述第一图像中各个像素点的亮度值进行平滑处理，得到所述原始图像的照度图像，包括：
10.将所述原始图像的每个像素点的亮度值和所述第一图像的每个像素点的亮度值均进行相同倍数的加倍处理，分别得到亮度值加倍的原始图像和第一图像，所述倍数是根据所述原始图像的暗区中的各像素点的平均亮度值确定的；
11.确定所述亮度值加倍的原始图像的暗区中的各像素点的平均亮度值，与所述亮度值加倍的第一图像中对应图像区域的各像素点的平均亮度值之间的第一亮度差值；
12.在所述第一亮度差值小于所述亮度差阈值的情况下，将所述第一图像作为所述原始图像的照度图像。
13.可选地，在所述第一亮度差值不小于所述亮度差阈值的情况下，还包括：
14.对所述亮度值加倍的第一图像再次进行平滑处理，得到第二图像；
15.确定所述亮度值加倍的第一图像的暗区中的各像素点的平均亮度值，与所述第二图像中对应图像区域的各像素点的平均亮度值之间的第二亮度差值；
16.在所述第二亮度差值小于所述亮度差阈值的情况下，将所述第二图像作为所述原始图像的照度图像；
17.在所述第二亮度差值不小于所述亮度差阈值的情况下，针对所述第二图像重复上述步骤，直到得到所述原始图像的照度图像。
18.可选地，根据所述原始图像和所述原始图像的照度图像，得到高动态范围图像，包括：
19.根据所述原始图像和所述原始图像的照度图像，得到所述原始图像的反射图像；
20.根据所述原始图像和所述反射图像，得到所述高动态范围图像。
21.可选地，根据所述原始图像和所述反射图像，得到所述高动态范围图像，包括：
22.根据所述原始图像和所述反射图像中相同位置的像素点之间的亮度值的差值，得到所述原始图像和所述反射图像各自的每个像素点的权重；
23.将所述原始图像和所述反射图像中相同位置的像素点的颜色值，按照对应的权重进行融合，得到所述高动态范围图像。
24.可选地，根据所述原始图像和所述反射图像中相同位置的像素点之间的亮度值的差异，得到所述原始图像和所述反射图像各自的每个像素点的权重，包括：
25.获取所述原始图像和所述反射图像中相同位置的像素点之间的亮度值的差值的绝对值；
26.将所述原始图像的暗区中每个像素点的权重确定为：第一参考亮度值与该像素点对应的绝对值之差；
27.将所述原始图像的暗区外每个像素点的权重确定为：所述第一参考亮度值与该像素点对应的绝对值之和；
28.将反射图像的每个像素点的权重确定为：第二参考亮度值与所述原始图像中相同位置的像素点的权重之差。
29.可选地，根据所述原始图像和所述反射图像，得到所述高动态范围图像，包括：
30.根据所述原始图像和所述反射图像，得到初始高动态范围图像；
31.利用调整曲线，调整所述初始高动态范围图像的对比度，得到所述高动态范围图像。
32.可选地，在得到所述原始图像的反射图像之后，还包括：
33.对所述反射图像进行量化，得到量化后反射图像；
34.对所述量化后反射图像进行保边滤波，得到滤波后反射图像；
35.根据所述原始图像和所述反射图像，得到所述高动态范围图像，包括：
36.根据所述原始图像和所述滤波后反射图像，得到所述高动态范围图像。
37.可选地，通过以下步骤确定所述原始图像的暗区：
38.获取所述原始图像的每个像素点的亮度值；
39.将所述原始图像中亮度值小于暗区亮度阈值的各像素点所在位置，确定为所述原始图像的暗区。
40.本发明实施例的第二方面，提供了一种电子设备，包括存储器、处理器及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序以实现如本技术实施例公开的所述图像处理方法。
41.本发明实施例的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如本技术实施例公开的所述图像处理
方法。
42.本发明实施例的第四方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如本技术实施例公开的所述图像处理方法。
43.本发明实施例包括以下优点：
44.本实施例中，在生成原始图像的照度图像时，对原始图像中的各个像素点的亮度值进行了平滑处理，得到第一图像，以平滑第一图像中对应于原始图像的暗区的图像区域的亮度值为目标，对第一图像中各个像素点的亮度值进行了平滑处理。第一图像中对应于原始图像的暗区的图像区域经过平滑处理后足够平滑、噪声较小，因此得到的原始图像的照度图像噪声也较小。进一步地，根据原始图像和原始图像的照度图像生成的高动态范围图像，也具有较小的噪声。
附图说明
45.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
46.图1是本发明实施例中一种图像处理方法的步骤流程图；
47.图2是本发明实施例中图像处理的流程示意图；
48.图3是本发明实施例中一种图像处理装置的结构示意图；
49.图4是本发明实施例中一种电子设备的示意图。
具体实施方式
50.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
51.近年来，基于人工智能的计算机视觉、深度学习、机器学习、图像处理、图像识别等技术研究取得了重要进展。人工智能(artificial intelligence，ai)是研究、开发用于模拟、延伸人的智能的理论、方法、技术及应用系统的新兴科学技术。人工智能学科是一门综合性学科，涉及芯片、大数据、云计算、物联网、分布式存储、深度学习、机器学习、神经网络等诸多技术种类。计算机视觉作为人工智能的一个重要分支，具体是让机器识别世界，计算机视觉技术通常包括人脸识别、活体检测、指纹识别与防伪验证、生物特征识别、人脸检测、行人检测、目标检测、行人识别、图像处理、图像识别、图像语义理解、图像检索、文字识别、视频处理、视频内容识别、行为识别、三维重建、虚拟现实、增强现实、同步定位与地图构建(slam)、计算摄影、机器人导航与定位等技术。随着人工智能技术的研究和进步，该项技术在众多领域展开了应用，例如安全防控、城市管理、交通管理、楼宇管理、园区管理、人脸通行、人脸考勤、物流管理、仓储管理、机器人、智能营销、计算摄影、手机影像、云服务、智能家居、穿戴设备、无人驾驶、自动驾驶、智能医疗、人脸支付、人脸解锁、指纹解锁、人证核验、智慧屏、智能电视、摄像机、移动互联网、网络直播、美颜、美妆、医疗美容、智能测温等领域。
52.为了获得高动态范围图像，相关技术中已经具有多种hdr算法，常见的有将多帧不同曝光程度的图像中曝光较好的像素点融合单帧高动态范围图像，但是这种方法将比较难
处理运动区域融合问题。针对单帧图像进行处理得到高动态范围图像的方法，主要有根据曲线对图像进行调整，实现对单帧图像的色调映射，但是这种方法会导致图像暗区的噪声被提起来或者颜色异常。或者还有利用深度学习的方法对单帧图像做hdr，但这种方法资源消耗较大。而传统的基于retinex理论做hdr，具有较大的噪声，且会导致亮区图像内容丢失。
53.为解决相关技术中hdr算法具有的上述技术问题，申请人提出：基于retinex理论，估算出一个噪声较小的照度图像，以得到噪声较小的反射图像；对噪声较小的反射图像进行滤波，得到噪声更小的滤波后反射图像；将滤波后反射图像和原始图像进行融合，以提升图像的动态范围，得到高动态范围图像；进一步地，经过曲线调整，提升高动态范围图像的对比度，得到更加效果更好的高动态范围图像。
54.参照图1所示，示出了本技术实施例中一种图像处理方法的步骤流程图，如图1所示，该图像处理方法可以用于计算机、手机、平板电脑、服务器等电子设备中，该图像处理方法包括以下步骤：
55.步骤s11：对原始图像中各个像素点的亮度值进行平滑处理，得到第一图像；
56.步骤s12：以平滑所述第一图像中对应于所述原始图像的暗区的图像区域的亮度值为目标，对所述第一图像中各个像素点的亮度值进行平滑处理，得到所述原始图像的照度图像；
57.步骤s13：根据所述原始图像和所述原始图像的照度图像，得到高动态范围图像。
58.可选地，对原始图像中各个像素点的亮度值进行平滑处理可以是：对原始图像中各个像素点的亮度值进行下采样，得到下采样图像，然后下采样图像进行上采样，得到与原始图像的尺寸相同的第一图像。其中，下采样会使图像丢失部分图像特征，且缩小图像尺寸，上采样可以将图像的尺寸放大，但因为放大的图像已经丢失部分图像特征，所以得到的是与原始图像的尺寸相同的第一图像。例如，对原始图像先进行两倍下采样，然后进行两倍上采样，得到与原始图像的尺寸相同的第一图像。
59.其中，若原始图像为rgb图像，则需要分别在rgb三个通道对原始图像中各个像素点的亮度值进行平滑处理；若原始图像为yuv图像，则可以直接对每个像素点的y通道的值进行处理。
60.可选地，对原始图像进行平滑处理还可以是对原始图像进行高斯模糊。但是高斯模糊会使图像丢失边界信息，因此通过下采样和上采样进行平滑处理的效果更好。
61.第一图像对原始图像的内容信息保留较少，但是可以反映原始图像的照度信息，因此可以将第一图像作为原始图像的照度图像的一个估计。此外，对原始图像进行平滑处理还兼具了对原始图像中的噪声进行平滑处理的功能，因此，第一图像相对于原始图像，其中对应原始图像的暗区的图像区域的噪声被抑制。
62.进一步地，第一图像的噪声越小，得到的原始图像的照度图像也越平滑，而因为i＝r*l(其中，i表示原始图像，r表示原始图像的反射图像，l表示原始图像的照度图像)，在原始图像不变的情况下，得到的照度图像越平滑，那么得到的反射图像也越平滑。根据得到的平滑的反射图像，最后得到的高动态范围图像也更加优质。
63.可选地，可以通过比较原始图像中每个像素点的亮度值是否小于暗区亮度阈值，来确定该像素点所在位置是否属于原始图像的暗区。其中，暗区亮度阈值可以根据实际需
求进行设定，通常为在20到30范围内。例如，暗区亮度阈值为20，则原始图像中亮度值小于20的像素点所在位置为暗区。
64.但是，一次平滑处理可能不能很好地抑制噪声，因此，可以以平滑第一图像中对应于原始图像的暗区的图像区域的亮度值为目标，对第一图像中各个像素点的亮度值进行平滑处理，得到原始图像的照度图像。
65.为了实现上述目标，需要判断第一图像和原始图像的亮度值差异。直接比较第一图像和原始图像的亮度值差异，可能会出现后续处理时，对暗区进行提亮，导致暗区又出现噪声。因此，先对暗区进行提亮以凸显噪声，然后在存在明显噪声(平均亮度差值不小于亮度差阈值)的情况下对继续噪声进行抑制。
66.将原始图像的每个像素点的亮度值和第一图像的每个像素点的亮度值均进行相同倍数的加倍处理，以提亮原始图像和第一图像，得到亮度值加倍的原始图像和亮度值加倍的第一图像，从而将暗区的噪声凸显出来。因为亮度值最大为255，因此将加倍处理后超过255的亮度值取255。其中，加倍处理的倍数是根据原始图像的暗区中的各像素点的平均亮度值确定的，原始图像的暗区中的各像素点的平均亮度值越低，则加倍处理的倍数可以越高，反之则反。
67.可选地，对原始图像的每个像素点和第一图像的每个像素点的亮度值进行的加倍处理的倍数，可以根据暗区亮度阈值进行确定。一般而言，通常暗区亮度阈值越大，则倍数越小，暗区亮度阈值越小，则倍数越大。
68.确定亮度值加倍的的原始图像的暗区中各像素点的平均亮度值，与亮度值加倍的第一图像中对应图像区域的各像素点的平均亮度值之间的第一亮度差值。亮度值加倍的原始图像和亮度值加倍的第一图像中的噪声都放大凸显出来了，因此，第一亮度差值小于亮度差阈值可以证明放大后的噪声依然小于预定的值，其中，亮度差阈值可以根据实际需求进行设定。在第一亮度差值小于亮度差阈值的情况下，可以将第一图像作为原始图像的照度图像，此时的照度图像的噪声较小。
69.第一亮度差值小于亮度差值阈值证明第一图像中的噪声比较小，因此可以直接将第一图像作为原始图像的照度图像，并且这样的照度图像的噪声也比较小。在第一亮度差值不小于亮度差值阈值的情况下，证明第一图像中的噪声还有抑制空间，可以通过对第一图像进一步进行平滑处理，以实现对噪声的抑制。
70.因此，作为一个实施例，在第一亮度差值不小于亮度差值阈值的情况下，可以对亮度值加倍的第一图像再次进行平滑处理，得到第二图像图像。第二图像图像可以对只进行了一次平滑处理得到的第一图像中的噪声进行进一步地抑制。
71.在得到第二图像图像之后，需要判断第二图像图像中的噪声是否小于预定的值，具体地：确定亮度值加倍的第一图像的暗区中的各像素点的平均亮度值，与第二图像中对应图像区域的各像素点的平均亮度值之间的第二亮度差值，并比较第二亮度差值与亮度差阈值的大小。
72.第二亮度差值小于亮度差阈值，证明第二图像图像中的噪声小于预定的值，因此可以将第二图像图像作为原始图像的照度图像。
73.在第二亮度差值不小于亮度差值阈值的情况下，证明第二图像图像中的噪声还有抑制空间，可以通过将第二图像图像进行进一步地平滑处理，以实现对噪声的抑制。具体
地，针对第二图像图像重复再次进行平滑处理并进行比较的步骤，直到得到原始图像的照度图像。
74.如此，可以保证得到的原始图像的照度图像比较平滑，对应原始图像的暗区的图像区域的噪声较小。
75.在得到原始图像的照度图像后，可以根据原始图像和原始图像的照度图像，得到高动态范围图像。
76.采用本技术实施例的技术方案，在生成原始图像的照度图像时，对原始图像中的各个像素点的亮度值进行了平滑处理，得到第一图像，以平滑第一图像中对应于原始图像的暗区的图像区域的亮度值为目标，对第一图像中各个像素点的亮度值进行了平滑处理。第一图像中对应于原始图像的暗区的图像区域经过平滑处理后足够平滑、噪声较小，因此得到的原始图像的照度图像噪声也较小。进一步地，根据原始图像和原始图像的照度图像生成的高动态范围图像，也具有较小的噪声。
77.可选地，在得到原始图像的照度图像后，可以利用原始图像减去照度图像带来的影响，估计出原始图像的反射图像。可选地，可以基于公式r＝log(src/255)-log(tmp/255)估计原始图像的反射图像，其中，r表示反射图像，src表示原始图像，tmp表示照度图像。根据原始图像和反射图像，可以得到高动态范围图像。
78.因为照度图像的亮度值进行了加倍处理，因此得到的反射图像可以提供优质的暗区图像内容(显示清楚的暗区图像内容)；加倍处理同时也会导致亮区图像内容丢失，而原始图像的亮区图像内容本身就能够比较清楚地显示，因此，可以将反射图像和原始图像对应像素点的颜色值进行融合，使得到的高动态范围图像能够同时清楚地显示原始图像暗区和亮区对应的图像内容。其中，亮区可以指暗区之外的图像区域，也可以指亮度值大于亮区亮度阈值的图像区域。例如，亮区亮度阈值为100，则亮度值大于100的像素点所在位置为亮区。
79.可选地，在上述技术方案的基础上，可以按照各自的权重对原始图像和反射图像中相同位置的像素点的颜色值进行融合，以得到高动态范围图像。其中，因为合成的高动态范围图像中，主要由反射图像提供与原始图像暗区对应的图像区域的图像内容，主要由原始图像提供与原始图像亮区对应的图像区域的图像内容，因此通常原始图像的暗区中每个像素点的权重低于反射图像对应像素位置的像素点的权重，原始图像的暗区外每个像素点的权重高于反射图像对应像素位置的像素点的权重。其中，原始图像和反射图像各自的每个像素点的权重，可以根据原始图像和反射图像中相同位置的像素点之间的亮度值的差值确定。
80.可选地，可以获取原始图像中每个像素点，与反射图像中相同像素位置的像素点之间的亮度值的差值的绝对值；将所述原始图像的暗区中每个像素点的权重确定为：第一参考亮度值与该像素点对应的绝对值之差；将所述原始图像的暗区外每个像素点的权重确定为：所述第一参考亮度值与该像素点对应的绝对值之和；将反射图像的每个像素点的权重确定为：第二参考亮度值与所述原始图像中相同位置的像素点的权重之差。其中，第一参考亮度值通常为最大亮度值的中间值，例如128；第二参考亮度值通常为255。
81.例如，原始图像和反射图像中相同像素位置的像素点之间的亮度值的差值的绝对值为a(不同像素点的a具有不同的取值)，则原始图像的暗区每个像素点的权重为128-a，原
始图像的暗区外每个像素点的权重为128+a；反射图像中与原始图像的暗区对应图像区域中的每个像素点的权重为255-(128-a)＝127+a；反射图像中与原始图像的暗区对应图像区域外的每个像素点的权重为255-(128+a)＝127-a。可选地，在得到原始图像和反射图像各自的权重之后，可以将原始图像和反射图像按照各自的权重进行金字塔融合。
82.其中，可以选用其他融合方式将原始图像和反射图像进行融合，不同的融合方式可以选取不同的权重计算方法。
83.按照对应的权重将原始图像和反射图像进行融合，可以使生成的高动态范围图像效果更好。
84.可选地，在上述技术方案的基础上，根据所述原始图像和所述反射图像，得到所述高动态范围图像，包括：融合原始图像和反射图像，得到初始高动态范围图像；利用调整曲线，调整初始高动态范围图像的对比度，得到高动态范围图像。
85.初始高动态范围图像已经能够很好地同时显现原始图像包含的暗区图像内容和亮区图像内容，但通过调整曲线，对初始高动态范围图像做非线性拉伸，调整初始高动态范围图像的对比度，可以使得到的高动态范围图像具有更好的清晰度、细节表现、灰度层次表现。
86.可选地，可以根据设置的s曲线调整初始高动态范围图像的对比度。例如，可以将初始高动态范围图像中亮度值较高的图像区域进行压缩；在此基础上，还可以选择将初始高动态范围图像中亮度值不高的图像区域进行拉伸。
87.如此，调整对比度后得到的高动态范围图像具有更好的清晰度、细节表现、灰度层次表现。
88.可选地，在上述技术方案的基础上，为了进一步地抑制噪声，在得到反射图像之后，还可以对反射图像进行量化，得到量化后反射图像；对量化后反射图像进行保边滤波，得到滤波后反射图像。
89.其中，可以利用公式r1＝(r-min(r))/(max(r)-min(r))实现对反射图像的量化，其中r为未量化的反射图像，r1为量化后反射图像。
90.保边滤波可以保留图像的边界信息，以避免后续对图像进行处理时，难以准确确定暗区和非暗区。保边滤波可以是双边滤波、引导滤波、加权最小二乘法滤波等。
91.在得到滤波后反射图像，可以利用滤波后反射图像与原始图像计算每个像素点的亮度值差异，以得到滤波后反射图像与原始图像融合时各自的权重；还可以利用滤波后反射图像与原始图像进行融合，以得到噪声较小的高动态范围图像。
92.对反射图像进行滤波，可以进一步地抑制噪声，进而使最终生成的高动态范围图像噪声更小。
93.图2示出了本发明实施例中图像处理的流程示意图。根据暗区亮度阈值得到原始图像的暗区掩码图；对原始图像中进行一次或多次平滑处理，以得到原始图像的照度图像；根据照度图像得到原始图像的反射图像；对原始图像的反射图像进行保边滤波，得到滤波后反射图像；融合滤波后反射图像和原始图像，得到初始高动态范围图像；根据s曲线对初始高动态范围图像做非线性拉伸，得到最终的高动态范围图像。
94.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依
据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
95.图3是本发明实施例的一种图像处理装置的结构示意图，如图3所示，该图像处理装置包括平滑处理模块、照度图像获取模块和高动态范围图像获取模块，其中：
96.平滑处理模块，用于对原始图像中各个像素点的亮度值进行平滑处理，得到第一图像；
97.照度图像获取模块，用于以平滑所述第一图像中对应于所述原始图像的暗区的图像区域的亮度值为目标，对所述第一图像中各个像素点的亮度值进行平滑处理，得到所述原始图像的照度图像；
98.高动态范围图像获取模块，用于根据所述原始图像和所述原始图像的照度图像，得到高动态范围图像。
99.可选地，所述照度图像获取模块包括：
100.加倍处理子模块，用于将所述原始图像的每个像素点的亮度值和所述第一图像的每个像素点的亮度值均进行相同倍数的加倍处理，分别得到亮度值加倍的原始图像和第一图像，所述倍数是根据所述原始图像的暗区中的各像素点的平均亮度值确定的；
101.第一亮度差值确定子模块，用于确定所述亮度值加倍的原始图像的暗区中的各像素点的平均亮度值，与所述亮度值加倍的第一图像中对应图像区域的各像素点的平均亮度值之间的第一亮度差值；
102.照度图像获取子模块，用于在所述第一亮度差值小于所述亮度差阈值的情况下，将所述第一图像作为所述原始图像的照度图像。
103.可选地，在所述第一亮度差值不小于所述亮度差阈值的情况下，还包括：
104.再次平滑处理模块，用于对所述亮度值加倍的第一图像再次进行平滑处理，得到第二图像；
105.第二亮度差值确定模块，用于确定所述亮度值加倍的第一图像的暗区中的各像素点的平均亮度值，与所述第二图像中对应图像区域的各像素点的平均亮度值之间的第二亮度差值；
106.照图图像确定模块，用于在所述第二亮度差值小于所述亮度差阈值的情况下，将所述第二图像作为所述原始图像的照度图像；
107.重复模块，用于在所述第二亮度差值不小于所述亮度差阈值的情况下，针对所述第二图像重复上述步骤，直到得到所述原始图像的照度图像。
108.可选地，所述高动态范围图像获取模块包括：
109.反射图像获取子模块，用于根据所述原始图像和所述原始图像的照度图像，得到所述原始图像的反射图像；
110.图像获取子模块，用于根据所述原始图像和所述反射图像，得到所述高动态范围图像。
111.可选地，所述图像获取子模块包括：
112.权重获取单元，用于根据所述原始图像和所述反射图像中相同位置的像素点之间的亮度值的差值，得到所述原始图像和所述反射图像各自的每个像素点的权重；
113.融合单元，用于将所述原始图像和所述反射图像中相同位置的像素点的颜色值，按照对应的权重进行融合，得到所述高动态范围图像。
114.可选地，所述权重获取单元包括：
115.绝对值获取子单元，用于获取所述原始图像和所述反射图像中相同位置的像素点之间的亮度值的差值的绝对值；
116.第一权重确定子单元，用于将所述原始图像的暗区中每个像素点的权重确定为：第一参考亮度值与该像素点对应的绝对值之差；
117.第二权重确定子单元，用于将所述原始图像的暗区外每个像素点的权重确定为：所述第一参考亮度值与该像素点对应的绝对值之和；
118.第三权重确定子单元，用于将反射图像的每个像素点的权重确定为：第二参考亮度值与所述原始图像中相同位置的像素点的权重之差。
119.可选地，所述图像获取子模块包括：
120.初始图像获取单元，用于根据所述原始图像和所述反射图像，得到初始高动态范围图像；
121.对比度调整单元，用于利用调整曲线，调整所述初始高动态范围图像的对比度，得到所述高动态范围图像。
122.可选地，在得到所述原始图像的反射图像之后，还包括：
123.量化模块，用于对所述反射图像进行量化，得到量化后反射图像；
124.滤波模块，用于对所述量化后反射图像进行保边滤波，得到滤波后反射图像；
125.所述图像获取子模块包括：
126.图像获取单元，用于根据所述原始图像和所述滤波后反射图像，得到所述高动态范围图像。
127.可选地，通过以下步骤确定所述原始图像的暗区：
128.获取所述原始图像的每个像素点的亮度值；
129.将所述原始图像中亮度值小于暗区亮度阈值的各像素点所在位置，确定为所述原始图像的暗区。
130.需要说明的是，装置实施例与方法实施例相近，故描述的较为简单，相关之处参见方法实施例即可。
131.本发明实施例还提供了一种电子设备，参照图4，图4是本技术实施例提出的电子设备的示意图。如图4所示，电子设备100包括：存储器110和处理器120，存储器110与处理器120之间通过总线通信连接，存储器110中存储有计算机程序，该计算机程序可在处理器120上运行，进而实现本技术实施例公开的图像处理方法中的步骤。
132.本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如本技术实施例公开的所述的图像处理方法。
133.本发明实施例还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如本技术实施例公开的所述的图像处理方法。
134.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
135.本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置或计算
机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
136.本发明实施例是参照根据本发明实施例的方法、装置、电子设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
137.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
138.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
139.尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
140.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
141.以上对本技术所提供的一种图像处理方法、电子设备、存储介质及程序产品，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。