CN102547365B - 视频图像的黑边检测方法及装置 - Google Patents

Abstract

本发明提供了一种视频图像的黑边检测方法及装置，其中，该方法包括：依图像各边沿向中心的次序，顺序判断图像各边的黑色指数值是否属于预设的黑边范围值或预设的非黑边范围值；在判定图像的当前被测边既不属于黑边范围值也不属于非黑边范围值时，确定当前被测边为待定边；并继续判断与待定边在靠近图像中心方向上紧邻的预设条边的黑色指数值是否属于黑边范围值；在预设条边中的至少一条的黑色指数属于黑边范围值时，确定待定边为黑边，继续执行顺序判断步骤；在预设条边的黑色指数均不属于黑边范围值时，确定待定边为非黑边，停止执行顺序判断步骤。本发明增强检测的鲁棒性，提高黑边检测准确性。

Description

视频图像的黑边检测方法及装置

技术领域

本发明涉及数据业务领域，具体涉及一种视频图像的黑边检测方法及装置。

背景技术

在视频处理过程中，尤其是在视频监控图像处理时，图像经常会出现黑边。针对不同的情况，视频图像的黑边可能存在不同的位置，如：对于因图像缩放处理引起的视频图像，黑边可能只存在于图像的左右或者上下；对于视频监控场景的图像，黑边可能存在于图像的上下、左右。目前有几种视频图像的黑边检测方法，简述如下。

方法一：阈值检测法，其比较视频图像边沿每行或者每列的像素值，当像素值超过某个阈值时，则认为是非黑色像素点；统计每行或每列的非黑色像素点，当非黑色像素点小于某一阈值时就认为这行或这列是黑边，否则就认为为非黑边。一般认为黑色像素理论上的像素值应该为0，然而在实际视频采集以及人眼效果中，认为是黑色的像素值为是一个范围，且这个范围值可能在不同的场景下有不同的取值，导致难以确定合理的界定黑色的像素值阈值，若阈值设置的过低，会导致检测出的非黑色点过多；阈值设计的过高，会将灰色的像素点当做黑色点处理，使得检测正确率不高。

方案二：差值和比较法，其认为像素值为零时时为纯黑色，计算视频图像边沿每行或者每列的像素值与零插值的平方，然后将所有值求和；通过比较这个和值来判定某行或者某列是否为黑色行或黑色列。差值比较法由于计算了平方，扩大了非黑色像素点在整体求和中的比例，相比方案一，其检测稳定度高，但因黑色点的像素值也不是理论上的零值，若将像素值为零时时认定为纯黑色，导致黑色像素点也会计算出大量的平方值，这样，当黑色像素点的像素值出现波动的时候，其平方值之和也会有较大的波动，故插值法的阈值也不够稳定，使得检测正确率不高。

由此可以，上述仅依靠阈值的视频图像的黑边检测方法因黑色点的像素值在理论上与实际中的差异，使得阈值难以合理确定，进而导致检测正确率不高。

发明内容

本发明的第一目的是提出一种准确度较高的视频图像的黑边检测方法。

本发明的第二目的是提出一种准确度较高的视频图像的黑边检测装置。

为实现上述第一目的，本发明提供了一种视频图像的黑边检测方法，包括：依图像各边沿向中心的次序，顺序判断图像各边的黑色指数值是否属于预设的黑边范围值或预设的非黑边范围值；在判定图像的当前被测边既不属于黑边范围值也不属于非黑边范围值时，确定当前被测边为待定边；并继续判断与待定边在靠近图像中心方向上紧邻的预设条边的黑色指数值是否属于黑边范围值；在预设条边中的至少一条的黑色指数属于黑边范围值时，确定待定边为黑边，继续执行顺序判断步骤；在预设条边的黑色指数均不属于黑边范围值时，确定待定边为非黑边，停止执行顺序判断步骤。

为实现上述第二目的，本发明提供了一种视频图像的黑边检测装置，包括：第一处理模块，用于根据依图像各边沿向中心的次序，顺序判断图像各边的黑色指数值是否属于预设的黑边范围值或预设的非黑边范围值，并在判定图像的当前被测边既不属于黑边范围值也不属于非黑边范围值时，确定当前被测边为待定边；第二处理模块，用于在第一处理模块确定当前被测边为待定边后，继续判断与待定边在靠近图像中心方向上紧邻的预设条边的黑色指数值是否属于黑边范围值；并在预设条边中的至少一条的黑色指数属于黑边范围值时，确定待定边为黑边，控制第一处理模块继续执行顺序判断操作；以及在预设条边的黑色指数均不属于黑边范围值时，确定待定边为非黑边，控制第一处理模块停止执行顺序判断操作。

本发明各个实施例中，通过利用图像中的待定边在靠近图像中心方向上的邻边的特性，来确定待定边为黑边或非黑边，增强检测的鲁棒性，提高黑边检测准确性。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一并用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明的视频图像的黑边检测方法的实施例一流程图；

图2为本发明的视频图像的黑边检测方法的实施例二流程图；

图3为本发明的视频图像的黑边检测装置的实施例一结构图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明是发明人通过在实验过程中发现，视频图像出现的黑边通常会有以下规律：某行或者某列是否为黑边，与周边行或者列密切相关；具体如：周边行为黑边则其为黑边的概率大，周边行为非黑边则其为非黑边的概率大；视频图像的黑边在时间轴上也是连续的，t时刻某行或某列为黑边，那么t+1时刻，某行或者某列为黑边的概率也较大。

装置实施例

图1为本发明的视频图像的黑边检测装置的实施例一流程图。如图1所示，本实施例包括：

步骤100：依图像各边沿向中心的次序，顺序判断图像各边的黑色指数值是否属于预设的黑边范围值或预设的非黑边范围值；以该图像的当前被测边为例进行说明，在判定图像的当前被测边属于黑边范围值时，执行步骤102；在判定图像的当前被测边属于非黑边范围值时，执行步骤104；在判定图像的当前被测边既不属于黑边范围值也不属于非黑边范围值时，执行步骤106；

步骤102：确定当前被测边为黑边，并继续执行步骤100；

步骤104，确定当前被测边为非黑边，并结束流程(即停止步骤100的顺序判断操作)；

步骤106：确定当前被测边为待定边，并执行步骤108；

步骤108：判断与待定边在靠近图像中心方向上紧邻的预设条边的黑色指数值是否属于黑边范围值；并在预设条边中的至少一条的黑色指数属于黑边范围值时，执行步骤102，即确定待定边为黑边并继续流程；以及在预设条边的黑色指数均不属于黑边范围值时，执行步骤104。

本实施例通过利用图像中的待定边在靠近图像中心方向上的邻边的特性，来确定待定边为黑边或非黑边，增强检测的鲁棒性，提高黑边检测准确性。

图2为本发明的视频图像的黑边检测装置的实施例二示意图。本实施例根据直方图来确定某行或者某列是否为黑边的统计信息，本领域技术人员可以理解，也可以根据其他的方法(如通过判定某行某列的像素值都小于某个阈值的方法)来表达是否为黑边的统计信息。如图2所示，本实施例包括：

步骤201，判断整个图像是否黑色图像；

首先计算整个图像的直方图，具体如下：

视频图像像素点数值通常在0-255之间，由于本方案是进行黑边检测，故可以把数值缩小32倍，即直方图只需要8列；统计整个图像的直方图数据，还可以对其进行归一化处理，令g表示归一化后的整个图像的直方图数据，g＝[g₀，g₁，g₂，g₃，g₄，g₅，g₆，g₇]，且令h表示纯黑图的归一化后的直方图数据，h＝[1，0，0，0，0，0，0，0]；

令d表示黑色指数，某个图像的归一化直方图为g(本领域技术人员可以理解对于每个图像计算直方图对应的g为现有技术)，则它的黑色指数d的值计算如下：

$d=\underset{i=0}{\overset{7}{\mathrm{\Σ}}}\sqrt{i}*|g_i-h_i|---\left(1\right)$

d的值越小表示对应的图像越接近黑色图像；

其次，根据上述黑色指数值判断该视频图像是否是黑夜中的视频，如果是则不需要进行黑边检测，结束流程；如果不是则执行步骤202；具体如：令t1，t2表示黑色指数的阈值，对应的，(0，t1)为黑图范围值，(t2，∞)为非黑图范围值，即当d＜t1时，则表示对应的图像为黑色图像，当d＞t2时，则表示对应的图像为非黑色图像，对于其他情况，则表示为需要进一步确认的待定图像；如选定t1＝0.05，t2＝0.5，其中t1相当于只有5％的数据没有在直方图的最小数据(即黑色数据)里面，t2相当于有50％的数据没有在直方图的最小数据(即黑色数据)里面，即一半数据不是黑色点；本领域技术人员可以理解，阈值t1与阈值t2的大小关系不限定，根据具体的计算黑色指数的方法确定，对应地，黑图范围值与为非黑图范围值不限定，如若将上述参数d的倒数作为黑色指数，则有阈值t1＞阈值t2，此外；一般待定图(或下述步骤203中待定边的范围)为阈值t1与阈值t2二者中较小值到较大值的区间；

步骤202，对图像进行黑边检测；

计算每行或者每列的黑色程度，计算方法上述公式(1)；并令d1、d2、d3......dn分别表示从边沿向中心各行或各列的黑色指数，比较每行或每列(即每边)黑色指数值与上述阈值(此时，(0，t1)可以称为黑边范围值，(t2，∞)可以称为非黑边范围值，当然，具体操作时，也可以将黑图和黑边检测时的设置为不同的值)；

从边沿向中心依次进行检测，若di＜t1，则记录为黑行或黑列，并继续进行检测；若di＞t2，则记录为非黑行或非黑列，停止检测；其他则记录为待定边，执行步骤203；

步骤203，对图像的待定边进行黑边检测，具体如：若第i行为待定边时，若在靠近图像中心方向上紧邻的预设条(具体为多少条可以根据实际需要而设置)边，如第i+1行或第i+2行是黑边时，则该第i行确认为黑边，继续执行步骤202，以处理第i+1行；若第i+1行及第i+2均不为黑边时，该i行确认为非黑边，停止检测，并记录第1行至第i-1行为黑边；

步骤204，对检测得到的该图像的黑边进行时域滤波，具体包括：

首先，在执行完顺序判断的操作(即对图像各边进行检测完)后，统计从图像各边沿向中心判定得到的黑边的总数量，并记录得到总数量的时段；总数量及时段分别为基准总数量及基准时段；

其次，在基准时段后的预设时段间隔内的每一时段的总数量均大于或均小于基准总数量时，将图像的黑边总数量更新为基准时段后的预设时段间隔内的最后一个时段的总数量；

具体如，令n1、n2、n3......nt表示根据上述步骤202及203检测得到的各个时刻视频图像的黑边总数，若在第i时刻，视频图像的黑边数量是ni，当第i+1时刻一直到第i+10时刻，每个时刻对应的视频图像的黑边数量均大于或者均小于ni时，才将第i+10时刻视频图像的黑边数量记为检测得到的第i+10时刻的黑边数量ni+10，否则将第i+10时刻视频图像的黑边数量记为第i时刻的黑边数量；需要说明的是，无论将第i+10时刻视频图像的黑边数量记为何值，第i+1时刻至第i+9时刻的黑边量均记为第i时刻的黑边数量；由此视频序列每个时刻的黑边数据均可以得到，而且得到黑边数量具有很好的稳定性。

本领域技术人员可以理解，上述计算各边黑色指数值与黑边检测操作及统计黑边数量操作可以同时进行，也可以先计算所有的边的黑色指数值，再依次检测，并在检测的同时进行统计或者在检测完后进行统计。

本实施例通过利用图像中的待定边在靠近图像中心方向上的邻边的特性，来确定待定边为黑边或非黑边，增强检测的鲁棒性，提高黑边检测准确性；优选地，对黑边数量进行时域上的滤波，增强了图像黑边检测的稳定性，如避免了因图像的上下左右晃动带来干扰，进一步提高了检测的准确率。

装置实施例

图3为本发明的视频图像的黑边检测装置的实施例结构图。图1-2所示的各装置实施例均可应用于本实施例。本实施例包括：第一处理模块304，用于根据依图像各边沿向中心的次序，顺序判断图像各边的黑色指数值是否属于预设的黑边范围值或预设的非黑边范围值，并在判定图像的当前被测边既不属于黑边范围值也不属于非黑边范围值时，确定当前被测边为待定边；第二处理模块306，用于在第一处理模块确定当前被测边为待定边后，继续判断与待定边在靠近图像中心方向上紧邻的预设条边的黑色指数值是否属于黑边范围值；并在预设条边中的至少一条的黑色指数属于黑边范围值时，确定待定边为黑边，控制第一处理模块继续执行顺序判断操作；以及在预设条边的黑色指数均不属于黑边范围值时，确定待定边为非黑边，控制第一处理模块停止执行顺序判断操作。

具体操作时，该黑边检测装置还可以包括：

图像处理模块300，用于计算图像的直方图向量值；并根据图像的直方图向量值与纯黑图的直方图向量值间的差值，确定图像的黑色指数值，以及在判断图像的黑色指数值不属于预设的黑边范围值时，控制黑色指数计算模块工作；

黑色指数计算模块302，用于计算图像各边的直方图向量值，并根据图像各边的直方图向量值与纯黑图的直方图向量值间的差值，确定图像各边的黑色指数值；

统计模块308，用于在第一处理模块执行完顺序判断的操作后，统计从图像各边沿向中心判定得到的黑边的总数量，并记录得到总数量的时段；总数量及时段分别为基准总数量及基准时段；

时域滤波模块310，用于在基准时段后的预设时段间隔内的每一时段的总数量均大于或均小于基准总数量时，将图像的黑边总数量更新为基准时段后的预设时段间隔内的最后一个时段的总数量。

具体操作时，黑色指数计算模块302还可以包括：直方图计算子模块302a，用于计算图像各边的直方图向量值；黑色指数计算子模块302b，用于根据图2中的公式(1)确定图像各边的黑色指数值。

本实施例通过第二处理模块306利用图像中的待定边在靠近图像中心方向上的邻边的特性，来确定待定边为黑边或非黑边，增强检测的鲁棒性，提高黑边检测准确性；优选地，时域滤波模块310对黑边数量进行时域上的滤波，增强了图像黑边检测的稳定性，如避免了因图像的上下左右晃动带来干扰，进一步提高了检测的准确率。

最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种视频图像的黑边检测方法，其特征在于，包括：

依图像各边沿向中心的次序，顺序判断所述图像各边的黑色指数值是否属于预设的黑边范围值或预设的非黑边范围值；

在判定所述图像的当前被测边既不属于所述黑边范围值也不属于所述非黑边范围值时，确定所述当前被测边为待定边；并继续判断与所述待定边在靠近所述图像中心方向上紧邻的预设条边的黑色指数值是否属于所述黑边范围值；

在所述预设条边中的至少一条的黑色指数属于所述黑边范围值时，确定所述待定边为黑边，继续执行所述顺序判断步骤；

在所述预设条边的黑色指数均不属于所述黑边范围值时，确定所述待定边为非黑边，停止执行所述顺序判断步骤；

其中，还包括：

在执行完所述顺序判断的操作后，统计从所述图像各边沿向中心判定得到的黑边的总数量，并记录得到所述总数量的时段；所述总数量及时段分别为基准总数量及基准时段；

在所述基准时段后的预设时段间隔内的每一时段的总数量均大于或均小于所述基准总数量时，将所述图像的黑边总数量更新为所述基准时段后的预设时段间隔内的最后一个时段的总数量。

2.根据权利要求1所述的视频图像的黑边检测方法，其特征在于，在所述顺序判断所述图像各边的黑色指数值是否属于预设的黑边范围值或预设的非黑边范围值的步骤之前还包括：

计算所述图像各边的直方图向量值；

根据所述图像各边的直方图向量值与纯黑图的直方图向量值间的差值，确定所述图像各边的黑色指数值。

3.根据权利要求2所述的视频图像的黑边检测方法，其特征在于，所述根据所述图像各边的直方图向量值与纯黑图的直方图向量值间的差值，确定所述图像各边的黑色指数值的步骤包括：

根据下述公式确定所述图像各边的黑色指数值：

$d=\underset{i=0}{\overset{7}{\mathrm{\Σ}}}\sqrt{i}*|g_i-h_i|,$

其中d为所述图像各边的黑色指数，g=[g₀,g₁,g₂,g₃,g₄,g₅,g₆,g₇]为归一化后的所述图像各边的直方图向量值，h=[1,0,0,0,0,0,0,0]为纯黑图各边的归一化后的直方图向量值。

4.根据权利要求2或3所述的视频图像的黑边检测方法，其特征在于，还包括：

计算所述图像的直方图向量值；

根据所述图像的直方图向量值与纯黑图的直方图向量值间的差值，确定所述图像的黑色指数值；

在判断所述图像的黑色指数值不属于所述预设的黑边范围值时，执行所述计算所述图像各边的直方图向量值的步骤。

5.一种视频图像的黑边检测装置，其特征在于，包括：

第一处理模块，用于根据依图像各边沿向中心的次序，顺序判断所述图像各边的黑色指数值是否属于预设的黑边范围值或预设的非黑边范围值，并在判定所述图像的当前被测边既不属于所述黑边范围值也不属于所述非黑边范围值时，确定所述当前被测边为待定边；

第二处理模块，用于在所述第一处理模块确定所述当前被测边为待定边后，继续判断与所述待定边在靠近所述图像中心方向上紧邻的预设条边的黑色指数值是否属于所述黑边范围值；并在所述预设条边中的至少一条的黑色指数属于所述黑边范围值时，确定所述待定边为黑边，控制所述第一处理模块继续执行所述顺序判断操作；以及在所述预设条边的黑色指数均不属于所述黑边范围值时，确定所述待定边为非黑边，控制所述第一处理模块停止执行所述顺序判断操作；

还包括：

统计模块，用于在所述第一处理模块执行完所述顺序判断的操作后，统计从所述图像各边沿向中心判定得到的黑边的总数量，并记录得到所述总数量的时段；所述总数量及时段分别为基准总数量及基准时段；

时域滤波模块，用于在所述基准时段后的预设时段间隔内的每一时段的总数量均大于或均小于所述基准总数量时，将所述图像的黑边总数量更新为所述基准时段后的预设时段间隔内的最后一个时段的总数量。

6.根据权利要求5所述的视频图像的黑边检测装置，其特征在于，还包括：

黑色指数计算模块，用于计算所述图像各边的直方图向量值，并根据所述图像各边的直方图向量值与纯黑图的直方图向量值间的差值，确定所述图像各边的黑色指数值。

7.根据权利要求6所述的视频图像的黑边检测装置，其特征在于，所述黑色指数计算模块包括：

直方图计算子模块，用于计算所述图像各边的直方图向量值；

黑色指数计算子模块，用于根据下述公式确定所述图像各边的黑色指数值：

$d=\underset{i=0}{\overset{7}{\mathrm{\Σ}}}\sqrt{i}*|g_i-h_i|;$

其中d为所述图像各边的黑色指数，g=[g₀,g₁,g₂,g₃,g₄,g₅,g₆,g₇]为归一化后的所述图像各边的直方图向量值，h=[1,0,0,0,0,0,0,0]为纯黑图各边的归一化后的直方图向量值。

8.根据权利要求6或7所述的视频图像的黑边检测装置，其特征在于，还包括：

图像处理模块，用于计算所述图像的直方图向量值；并根据所述图像的直方图向量值与纯黑图的直方图向量值间的差值，确定所述图像的黑色指数值，以及在判断所述图像的黑色指数值不属于所述预设的黑边范围值时，控制所述黑色指数计算模块工作。