图像阴影处理方法、装置、计算机设备和存储介质

技术领域

本申请涉及LED校正技术领域，特别是涉及一种图像阴影处理方法、装置、计算机设备和存储介质。

背景技术

屏幕校正是LED显示屏生产过程中的一个重要环节，目前对LED显示屏进行亮度校正，通常是使用相机拍摄LED屏幕的图像，然后通过拍摄的屏幕图像对LED显示屏进行校正。

但是这种校正方法中，由于相机和镜头在出厂前进行校正时，可能存在校正误差，从而导致拍摄的屏幕图像出现成像不均匀的现象，例如，拍摄的屏幕图像中出现近似圆形或环形的暗团（也就是暗角和相机渐晕）。而亮度校正需要对LED屏幕中每一个灯点的亮度值进行分析，因此，使用该含有暗团的屏幕图像对LED屏幕进行亮度校正将会影响到LED屏幕的校正效果。

发明内容

基于此，有必要针对上述亮度校正方法中，由于相机镜头的校正误差而出现的暗团影响对LED屏幕校正效果的技术问题，提供一种图像阴影处理方法、装置、计算机设备和存储介质。

一种图像阴影处理方法，所述方法包括：

获取LED箱体图像中各个灯点的原始亮度值；

从各个所述灯点中确定出原始亮度值超出亮度值范围的异常灯点；

获取所述异常灯点的位置信息，根据所述位置信息确定预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点；所述预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点，为从各个所述灯点中去除所述异常灯点后的一部分灯点；

对所述预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到所述异常灯点的亮度校正系数；

根据所述异常灯点的亮度校正系数和原始亮度值，确定所述异常灯点的目标亮度值，作为所述异常灯点去除阴影后的亮度值。

在其中一个实施例中，所述从各个所述灯点中确定出原始亮度值超出亮度值范围的异常灯点，包括：

获取各个所述灯点的原始亮度值的均值和均方差；

根据所述均值和所述均方差，确定第一异常亮度值阈值和第二异常亮度值阈值；

将各个所述灯点中原始亮度值大于所述第一异常亮度值阈值，或原始亮度值小于所述第二异常亮度值阈值的灯点，作为异常灯点。

在其中一个实施例中，所述对所述预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到所述异常灯点的亮度校正系数，包括：

获取所述目标灯点相对于所述异常灯点的相对位置信息，根据所述目标灯点的相对位置信息和所述异常灯点的位置信息，获取所述目标灯点的权重值；

根据所述目标灯点的权重值和原始亮度值，获取所述异常灯点的亮度校正系数。

在其中一个实施例中，所述根据所述目标灯点的相对位置信息和所述异常灯点的位置信息，获取所述目标灯点的权重值，包括：

获取权重模型；所述权重模型基于用于确定权重的权重核函数构建得到，所述权重核函数的关系式为

将所述目标灯点的相对位置信息和所述异常灯点的位置信息输入所述权重模型，得到所述目标灯点的权重值。

在其中一个实施例中，所述根据所述目标灯点的权重值和原始亮度值，获取所述异常灯点的亮度校正系数，包括：

根据各个所述目标灯点的权重值，将各个所述目标灯点的原始亮度值进行加权处理，得到各个所述目标灯点的加权亮度值；

根据各个所述目标灯点的加权亮度值，得到总加权亮度值；

获取各个所述目标灯点的权重的累加和，并将所述总加权亮度值与所述权重值的累加和之间的比值，作为所述异常灯点的亮度校正系数。

在其中一个实施例中，所述根据所述异常灯点的亮度校正系数和原始亮度值，确定所述异常灯点的目标亮度值，包括：

对所述异常灯点的亮度校正系数进行归一化处理，得到归一化后的亮度校正系数；

根据所述异常灯点的归一化后的亮度校正系数和原始亮度值，确定所述异常灯点的目标亮度值。

在其中一个实施例中，所述根据所述异常灯点的归一化后的亮度校正系数和原始亮度值，确定所述异常灯点的目标亮度值，包括：

获取所述异常灯点的原始亮度值与所述异常灯点的归一化后的亮度校正系数的比值，作为所述异常灯点的目标亮度值。

一种图像阴影处理装置，所述装置包括：

原始亮度值获取模块，用于获取LED箱体图像中各个灯点的原始亮度值；

异常灯点确定模块，用于从各个所述灯点中确定出原始亮度值超出亮度值范围的异常灯点；

目标灯点确定模块，用于获取所述异常灯点的位置信息，根据所述位置信息确定预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点；所述预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点，为从各个所述灯点中去除所述异常灯点后的一部分灯点；

校正系数确定模块，用于对所述预设的卷积模板当前覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到所述异常灯点的亮度校正系数；

目标亮度值确定模块，用于根据所述异常灯点的亮度校正系数和原始亮度值，确定所述异常灯点的目标亮度值，作为所述异常灯点去除阴影后的亮度值。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取LED箱体图像中各个灯点的原始亮度值；

从各个所述灯点中确定出原始亮度值超出亮度值范围的异常灯点；

获取所述异常灯点的位置信息，根据所述位置信息确定预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点；所述预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点，为从各个所述灯点中去除所述异常灯点后的一部分灯点；

对所述预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到所述异常灯点的亮度校正系数；

根据所述异常灯点的亮度校正系数和原始亮度值，确定所述异常灯点的目标亮度值，作为所述异常灯点去除阴影后的亮度值。

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以下步骤：

获取LED箱体图像中各个灯点的原始亮度值；

从各个所述灯点中确定出原始亮度值超出亮度值范围的异常灯点；

获取所述异常灯点的位置信息，根据所述位置信息确定预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点；所述预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点，为从各个所述灯点中去除所述异常灯点后的一部分灯点；

对所述预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到所述异常灯点的亮度校正系数；

根据所述异常灯点的亮度校正系数和原始亮度值，确定所述异常灯点的目标亮度值，作为所述异常灯点去除阴影后的亮度值。

上述图像阴影处理方法、装置、计算机设备和存储介质，在单箱校正过程中，获取LED箱体图像中各个灯点的原始亮度值后，根据该原始亮度值从各个灯点中确定出异常灯点，然后根据异常灯点的位置信息确定预设的卷积模板当前在LED箱体图像中覆盖的目标灯点，进而对预设的卷积模板当前在LED箱体图像中覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到异常灯点的亮度校正系数，最后根据异常灯点的亮度校正系数和原始亮度值，确定异常灯点的目标亮度值，作为异常灯点去除阴影后的亮度值。该方法通过采用卷积模板对异常灯点附近的目标灯点的原始亮度值进行卷积平滑处理，确定亮度校正系数，对异常灯点的亮度值进行校正，确保了亮度校正系数的准确性，消除了由于相机镜头的校正误差而出现的暗团对LED屏幕校正效果的影响。

附图说明

图1为一个实施例中图像阴影处理方法的应用环境图；

图2为一个实施例中采用卷积模板进行卷积平滑处理的原理示意图；

图3为一个实施例中亮度校正系数获取步骤的流程示意图；

图4为另一个实施例中图像阴影处理方法的流程示意图；

图5为另一个实施例中图像阴影处理方法的整体流程示意图；

图6为一个实施例中图像阴影处理装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种图像阴影处理方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：

步骤S102，获取LED箱体图像中各个灯点的原始亮度值。

其中，LED箱体为LED显示屏的组成部件，一个LED显示屏可以由多个LED箱体组成。

具体实现中，在对LED显示屏进行单箱校正的过程中，采用图像拍摄设备（如相机）拍摄LED箱体的图像，使用校正设备对该LED箱体图像进行数据采集，获取LED箱体图像中各个灯点的原始亮度值和灯点索引（即位置信息），将获取的原始亮度值和位置信息发送给终端。

步骤S104，从各个灯点中确定出原始亮度值超出亮度值范围的异常灯点。

其中，亮度值范围为正常灯点的亮度值范围。

具体实现中，在获取LED箱体图像中各个灯点的原始亮度值后，可先根据各个灯点的原始亮度值确定出用于判定灯点是否异常的亮度值范围，然后从各个灯点中确定出原始亮度值超出亮度值范围的异常灯点。

更具体地，亮度值范围可由第一异常亮度值阈值和第二异常亮度值阈值确定，其中，第一异常亮度值阈值大于第二异常亮度值阈值，则亮度值范围可表示为：第二异常亮度值阈值<正常灯点亮度值<第一异常亮度值阈值，即当某一灯点的亮度值小于第一异常亮度值阈值，且大于第二异常亮度值阈值时，判定该灯点为正常灯点。由此，异常灯点的判定原则可以为：当某一灯点的亮度值大于第一异常亮度值阈值，或小于第二异常亮度值阈值，判定该灯点为异常灯点。

步骤S106，获取异常灯点的位置信息，根据位置信息确定预设的卷积模板当前在LED箱体图像中覆盖的目标灯点；预设的卷积模板当前在LED箱体图像中覆盖的目标灯点为从各个灯点中去除异常灯点后的一部分灯点。

其中，卷积模板可以为5*5的卷积模板，例如，参见图2，图2黑色加粗实现边框的区域20所示的25个方格可表示5*5的卷积模板，区域22所包含的各个方格表示卷积前的各个灯点的位置，各个位置的数值可表示各个灯点的原始亮度值，区域24所包含的各个方格表示卷积处理后各个灯点的对应位置，该对应位置的数值表示亮度校正系数。

具体实现中，处理的异常灯点位于预设的卷积模板的中心位置，因此，在计算异常灯点的亮度校正系数前，需获取异常灯点的位置信息，以该位置信息为中心，确定卷积模板当前在LED箱体图像中覆盖的所有灯点，然后从卷积模板覆盖的这些灯点中去除识别出的异常灯点，得到卷积模板当前覆盖的各个目标灯点，例如，在图2的最左侧的示意图中，若位置1处的灯点为异常灯点，则以位置1为中心，将5*5的卷积模板当前所覆盖的各个灯点中的异常灯点去除，可得到5*5的卷积模板当前所覆盖的多个目标灯点。

步骤S108，对预设的卷积模板当前在LED箱体图像中覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到异常灯点的亮度校正系数。

其中，亮度校正系数用于对被暗团遮挡的异常灯点的亮度值进行修正。

具体实现中， 卷积过程是在图像每个位置进行线性变换映射成新值的过程，在确定预设的卷积模板当前在LED箱体图像中覆盖的目标灯点后，可根据卷积模板的大小确定各个目标灯点相对于异常灯点的相对位置信息，根据各个目标灯点的相对位置信息和异常灯点的位置信息，计算各个目标灯点的权重值，然后根据各个目标灯点的原始亮度值和权重值，确定中心位置的异常灯点的亮度校正系数。

更具体地，可将各个目标灯点的原始亮度值和对应的权重值分别加权求和，得到总加权亮度值，将该总加权亮度值与各个目标灯点的权重值之和的比值，作为异常灯点的亮度校正系数。

进一步地，可采用预设的卷积模板逐点对LED箱体图像中的各个异常灯点进行处理，得到各个异常灯点的亮度校正系数，由各个异常灯点的亮度校正系数构成一个用于消除镜头阴影的阴影模型，后续可直接将该阴影模型应用于采用同样的相机拍摄的LED箱体进行阴影消除。

进一步地，为提高该阴影模型的准确性，可采用同一相机对多个LED箱体进行图像拍摄，例如，如果采集箱体数小于设定值（如10），可重复采用校正设备进行数据采集，重复执行上述步骤S102至S108的步骤，得到多个阴影模型，针对每个异常灯点，对各个阴影模型中的亮度校正系数求均值，将最后得到的阴影模型作为目标阴影模型，对后续采用同样的相机拍摄的LED箱体进行阴影消除。

步骤S110，根据异常灯点的亮度校正系数和原始亮度值，确定异常灯点的目标亮度值，作为异常灯点去除阴影后的亮度值。

具体实现中，在得到各个异常灯点的亮度校正系数后，为避免LED箱体在去除阴影后的亮度值与正常灯点处的亮度值的差异较大，还需将各个异常灯点的亮度校正系数进行归一化处理，将异常灯点的原始亮度值与归一化后的亮度校正系数的比值，作为异常灯点的目标亮度值，即异常灯点去除阴影后的亮度值。

上述图像阴影处理方法中，在单箱校正过程中，获取LED箱体图像中各个灯点的原始亮度值后，根据该原始亮度值从各个灯点中确定出异常灯点，然后根据异常灯点的位置信息确定预设的卷积模板当前在LED箱体图像中覆盖的目标灯点，进而对预设的卷积模板当前在LED箱体图像中覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到异常灯点的亮度校正系数，最后根据异常灯点的亮度校正系数和原始亮度值，确定异常灯点的目标亮度值，作为异常灯点去除阴影后的亮度值。该方法通过采用卷积模板对异常灯点附近的目标灯点的原始亮度值进行卷积平滑处理，确定亮度校正系数，对异常灯点的亮度值进行校正，确保了亮度校正系数的准确性，消除了由于相机镜头的校正误差而出现的暗团对LED屏幕校正效果的影响。

在一个实施例中，上述步骤S104具体包括：获取各个灯点的原始亮度值的均值和均方差；根据均值和均方差，确定第一异常亮度值阈值和第二异常亮度值阈值；将各个灯点中原始亮度值大于第一异常亮度值阈值，或原始亮度值小于第二异常亮度值阈值的灯点，作为异常灯点。

具体实现中，可先计算各个灯点的原始亮度值的均值，然后根据该均值及均方差（即标准差）的数学关系式，计算得到均方差，获取该均值与均方差的设定倍数（如3倍）的和，作为第一异常亮度值阈值，获取该均值与均方差的设定倍数（如3倍）的差值，作为第二异常亮度值阈值。

例如，若记各个灯点的原始亮度值的均值为mean，即均方差为std，则第一异常亮度值阈值的关系式可表示为mean+3*std，第二异常亮度值阈值的关系式可表示为mean-3*std。若某一灯点的亮度值>mean+3*std，或

本实施例中，通过各个灯点的原始亮度值的均值和均方差，确定第一异常亮度值阈值和第二异常亮度值阈值，根据第一异常亮度值阈值和第二异常亮度值阈值识别异常灯点，提高了对异常灯点识别结果的准确性。

在一个实施例中，如图3所示，上述步骤S108具体包括：

步骤S302，获取预设的卷积模板在LED箱体图像中当前覆盖的各个目标灯点相对于异常灯点的相对位置信息，根据目标灯点的相对位置信息和异常灯点的位置信息，获取目标灯点的权重值；

步骤S304，根据目标灯点的权重值和原始亮度值，获取异常灯点的亮度校正系数。

可以理解的是，由于卷积模板为固定的，待确定亮度校正系数的异常灯点位于卷积模板的中心，因此，卷积模板中各个目标灯点与异常灯点的距离为固定的，即各个目标灯点的相对位置信息为固定的，因此，各个目标灯点的权重值也为固定值，即同一卷积模板所覆盖的各个目标灯点的权重值为固定值。

具体实现中，对于5*5的卷积模板，若用（p，q）表示目标灯点的相对位置，用（i，j）表示异常灯点的位置，则有p∈[i-2，i+2]，q∈[j-2，j+2]，其中，i-2表示卷积模板中从左往右数第一列的灯点，i+2表示卷积模板中从左往右数第五列的灯点，j-2表示卷积模板中从上往下数第一行的灯点， j+2表示卷积模板中从上往下数第五行的灯点。在获取异常灯点的位置信息后，则可确定各个目标灯点的相对位置信息。进而在获取权重模型后，可将异常灯点的相对位置信息和目标灯点的位置信息输入权重模型，由此得到各个目标灯点的权重值。然后将各个目标灯点的原始亮度值分别通过对应的权重值加权求和，得到总加权亮度值，计算总加权亮度值与权重值的累加和的比值，作为异常灯点的亮度校正系数。

本实施例中，通过预设的卷积模板在LED箱体图像中当前覆盖的各个目标灯点相对于异常灯点的相对位置信息，获取各个目标灯点的权重值，进而确定异常灯点的亮度校正系数，该方法采用预设的卷积模板覆盖的目标灯点，即正常灯点确定异常灯点的亮度校正系数，保证了异常灯点的亮度校正系数的准确性。

进一步地，在一个实施例中，上述步骤S302中根据目标灯点的相对位置信息和异常灯点的位置信息，获取各个目标灯点的权重值的步骤，具体包括：获取权重模型；所述权重模型基于用于确定权重的权重核函数构建得到，权重核函数的关系式为

其中，权重核函数具有使目标灯点相对于异常灯点的距离越远，权重值越小；距离越近，则权重值越大的特性。

具体实现中，当用（p，q）表示目标灯点的相对位置，用（i，j）表示异常灯点的位置时，权重核函数可表示为：

其中，数值500用于调节卷积模板的中心点与边缘的差距。

由于异常灯点位于卷积模板的中心位置，各个目标灯点与异常灯点的距离为固定值，因此，在确定异常灯点（i，j）的位置和各个目标灯点相对于异常灯点的距离后，可确定各个目标灯点的位置（p，q），其中，p∈[i-2，i+2]，q∈[j-2，j+2]。依次将各个异常灯点的位置（i，j）和各个目标灯点的位置（p，q）输入上述由上述权重核函数构建的权重模型中，得到各个目标灯点的权重值。

本实施例中，通过使相对于异常灯点距离越远的目标灯点的权重值越小，距离越近的目标灯点的权重值越大，使得所确定的各个目标灯点的权重值与相对于异常灯点的距离相关联，从而提高了根据权重值确定的异常灯点的亮度校正系数的准确性。

在一个实施例中，上述步骤S304具体包括：根据各个目标灯点的权重值，将各个目标灯点的原始亮度值进行加权处理，得到各个目标灯点的加权亮度值；根据各个目标灯点的加权亮度值，得到总加权亮度值；获取各个目标灯点的权重的累加和，并将总加权亮度值与权重值的累加和之间的比值，作为异常灯点的亮度校正系数。

具体实现中，目标灯点的原始亮度值通过对应的权重值的加权处理表示将原始亮度值与对应的权重值相乘，若用lumi（p，q）表示目标灯点的原始亮度值，用coef（p，q）表示目标灯点的权重值，则各个目标灯点的加权亮度值可表示为：lumi（p，q）* coef（p，q）。进一步地，将各个目标灯点的加权亮度值相加，得到总加权亮度值：

根据总加权亮度值与权重值的累加和之间的比值，确定的异常灯点（i，j）的亮度校正系数，可用关系式表示为：

亮度校正系数=

本实施例中，通过各个目标灯点的原始亮度值和权重值的加权求和处理，得到总加权亮度值，将总加权亮度值与各个目标灯点的权重值的累加和的比值，作为异常灯点的亮度校正系数，该方法采用异常灯点周围的正常灯点的原始亮度值和权重值确定异常灯点的亮度校正系数，保证了异常灯点的亮度校正系数的准确性，从而，保证了异常灯点与周围灯点的亮度值的一致性。

在一个实施例中，上述步骤S110具体包括：对异常灯点的亮度校正系数进行归一化处理，得到归一化后的亮度校正系数；根据异常灯点的归一化后的亮度校正系数和原始亮度值，确定异常灯点的目标亮度值。

进一步地，上述根据异常灯点的归一化后的亮度校正系数和原始亮度值，确定异常灯点的目标亮度值的步骤，还包括：获取异常灯点的原始亮度值与异常灯点的归一化后的亮度校正系数的比值，作为异常灯点的目标亮度值。

其中，归一化处理表示将各个异常灯点的亮度校正系数缩放到（0,1）之间。

具体实现中，在得到各个异常灯点的亮度校正系数后，为了保证LED屏幕中异常灯点在去除镜头阴影后的亮度与正常灯点亮度的统一性，还需对各个异常灯点的亮度系数进行归一化处理，得到归一化后的亮度校正系数。针对各个异常灯点，可获取该异常灯点的原始亮度值与该异常灯点的归一化后的亮度校正系数的比值，得到该异常灯点的目标亮度值，其中，目标亮度值的关系式可表示为：

img(i,j).lumi2 = img(i,j).lumi1 / module，

其中，img(i,j).lumi2为灯点异常（i，j）处去除阴影后的亮度值，即目标亮度值；img(i,j).lumi1为异常灯点（i，j）处原始亮度；module表示归一化后的亮度校正系数。

进一步地，在得到归一化后的亮度校正系数后，还可根据归一化后的亮度校正系数构建阴影模型，该阴影模型包含LED箱体的各个异常灯点的亮度校正系数，之后可直接将该阴影模型应用于同一相机拍摄的LED箱体的镜头阴影的消除，极大地简化了针对LED箱体的镜头阴影消除操作的流程。

本实施例中，在得到各个异常灯点的亮度校正系数后，对各个异常灯点的亮度系数进行归一化处理，采用归一化后的亮度校正系数和原始亮度值，确定异常灯点的目标亮度值，保证了LED屏幕中异常灯点在去除镜头阴影后的亮度与正常灯点亮度的统一性。

在一个实施例中，如图4所示，提供了一种图像阴影处理方法，该方法包括以下步骤：

步骤S402，获取LED箱体图像中各个灯点的原始亮度值；

步骤S404，从各个所述灯点中确定并剔除原始亮度值超出亮度值范围的异常灯点，得到所述LED箱体图像的目标灯点；

步骤S406，针对每一灯点，获取该灯点的位置信息，根据该位置信息确定预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点；

步骤S408，对预设的卷积模板当前在所述LED箱体图像中覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到各个灯点的亮度校正系数；

步骤S410，根据各个灯点的亮度校正系数和原始亮度值，确定各个灯点的目标亮度值，作为各个灯点去除阴影后的亮度值。

具体地，在得到各个灯点的亮度校正系数后，为了保证LED显示屏在去除镜头阴影后的屏幕亮度保持不变，还需对各个灯点的亮度校正系数进行归一化处理，得到归一化后的亮度校正系数，根据归一化后的亮度校正系数构建阴影模型，之后可将该阴影模型应用于相同相机拍摄的LED箱体的镜头阴影的消除。

需要说明的是，本实施例的图像阴影处理方法针对各个灯点均进行亮度校正系数的计算，其中，对各个步骤的技术特征和有益效果的具体限定与上述实施例中阐述的技术特征及其有益效果相对应，在此不作赘述。

本实施例中，可以对LED箱体图像中的各个灯点均进行亮度校正系数的计算，由此得到当前环境下的阴影模型，这种方法可根据单箱校正环境，单独消除每次校正的镜头阴影，对镜头适应性强，且无需标定，减少人力和时间的消耗。

在另一个实施例中，如图5所示，提供了一种图像阴影处理方法，本实施例中，该方法包括以下步骤：

步骤S502，获取LED箱体图像中各个灯点的原始亮度值；

步骤S504，获取各个灯点的原始亮度值的均值和均方差，并根据均值和均方差，确定第一异常亮度值阈值和第二异常亮度值阈值；

步骤S506，将各个灯点中原始亮度值大于第一异常亮度值阈值，或原始亮度值小于第二异常亮度值阈值的灯点，作为异常灯点；

步骤S508，获取异常灯点的位置信息，根据位置信息确定预设的卷积模板当前在LED箱体图像中覆盖的目标灯点；

步骤S510，获取各个目标灯点相对于异常灯点的相对位置信息，根据相对位置信息和异常灯点的位置信息，获取各个目标灯点的权重值；

步骤S512，根据各个目标灯点的权重值和原始亮度值，获取异常灯点的亮度校正系数；

步骤S514，对异常灯点的亮度校正系数进行归一化处理，得到归一化后的亮度校正系数；

步骤S516，获取异常灯点的原始亮度值与异常灯点的归一化后的亮度校正系数的比值，作为异常灯点的目标亮度值。

本实施例提供的图像阴影处理方法，应用于单箱校正过程中，在单箱校正过程中，采集LED屏幕数据（包括各个灯点的原始亮度值和位置信息），当采集一定数量的箱体后，利用采集的LED屏幕数据确定当前环境下的各个异常灯点的亮度校正系数，根据各个亮度校正系数构建当前环境下的阴影模型，之后可以将该阴影模型应用于相同环境下的已进行数据采集的LED箱体或待进行数据采集的LED箱体。这种方法可根据单箱校正环境，单独消除每次校正的镜头阴影，对镜头适应性强，且无需标定，减少人力和时间的消耗。

应该理解的是，虽然图1、图3-图5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、图3-图5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图6所示，提供了一种图像阴影处理装置，包括：原始亮度值获取模块602、异常灯点确定模块604、目标灯点确定模块606、校正系数确定模块608和目标亮度值确定模块610，其中：

原始亮度值获取模块602，用于获取LED箱体图像中各个灯点的原始亮度值；

异常灯点确定模块604，用于从各个灯点中确定出原始亮度值超出亮度值范围的异常灯点；

目标灯点确定模块606，用于获取异常灯点的位置信息，根据位置信息确定预设的卷积模板当前在LED箱体图像中覆盖的目标灯点；预设的卷积模板当前在LED箱体图像中覆盖的目标灯点，为从各个灯点中去除异常灯点后的一部分灯点；

校正系数确定模块608，用于对预设的卷积模板当前覆盖的目标灯点的原始亮度值进行卷积平滑处理，得到异常灯点的亮度校正系数；

目标亮度值确定模块610，用于根据异常灯点的亮度校正系数和原始亮度值，确定异常灯点的目标亮度值，作为异常灯点去除阴影后的亮度值。

在一个实施例中，上述异常灯点确定模块604，具体用于获取各个灯点的原始亮度值的均值和均方差；根据均值和均方差，确定第一异常亮度值阈值和第二异常亮度值阈值；将各个灯点中原始亮度值大于第一异常亮度值阈值，或原始亮度值小于第二异常亮度值阈值的灯点，作为异常灯点。

在一个实施例中，上述校正系数确定模块608，包括：

权重值确定子模块，用于获取目标灯点相对于异常灯点的相对位置信息，根据目标灯点的相对位置信息和异常灯点的位置信息，获取目标灯点的权重值；

校正系数获取子模块，用于根据目标灯点的权重值和原始亮度值，获取异常灯点的亮度校正系数。

在一个实施例中，上述权重值确定子模块，具体用于获取权重模型；所述权重模型基于用于确定权重的权重核函数构建得到，所述权重核函数的关系式为

在一个实施例中，上述校正系数获取子模块，具体用于根据各个目标灯点的权重值，将各个目标灯点的原始亮度值进行加权处理，得到各个目标灯点的加权亮度值；根据各个目标灯点的加权亮度值，得到总加权亮度值；获取各个目标灯点的权重的累加和，并将总加权亮度值与权重值的累加和之间的比值，作为异常灯点的亮度校正系数。

在一个实施例中，上述目标亮度值确定模块610，具体用于对异常灯点的亮度校正系数进行归一化处理，得到归一化后的亮度校正系数；根据异常灯点的归一化后的亮度校正系数和原始亮度值，确定异常灯点的目标亮度值。

在一个实施例中，上述目标亮度值确定模块610，还用于获取异常灯点的原始亮度值与异常灯点的归一化后的亮度校正系数的比值，作为异常灯点的目标亮度值。

需要说明的是，本申请的图像阴影处理装置与本申请的图像阴影处理方法一一对应，在上述图像阴影处理方法的实施例阐述的技术特征及其有益效果均适用于图像阴影处理装置的实施例中，具体内容可参见本申请方法实施例中的叙述，此处不再赘述，特此声明。

此外，上述图像阴影处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种图像阴影处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。