CN102855608B - 一种图像弱化方法和装置 - Google Patents
一种图像弱化方法和装置 Download PDFInfo
- Publication number
- CN102855608B CN102855608B CN201210249273.0A CN201210249273A CN102855608B CN 102855608 B CN102855608 B CN 102855608B CN 201210249273 A CN201210249273 A CN 201210249273A CN 102855608 B CN102855608 B CN 102855608B
- Authority
- CN
- China
- Prior art keywords
- circle
- image
- gray
- center
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003313 weakening effect Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000009467 reduction Effects 0.000 claims description 12
- 230000003628 erosive effect Effects 0.000 claims description 11
- 230000000877 morphologic effect Effects 0.000 claims description 11
- 230000001788 irregular Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000004297 night vision Effects 0.000 abstract description 36
- 238000003384 imaging method Methods 0.000 abstract description 3
- 235000013882 gravy Nutrition 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 11
- 230000002708 enhancing effect Effects 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 238000011946 reduction process Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明提供了一种图像弱化方法和装置,该方法包括下列步骤:(1)随机选取当前图像中灰度值为X的像素点A,其中X为图像所允许的最大灰度值;在过A点的第一直线上,以A点为基准再分别向两端搜索,分别找到第一个灰度值不为X的像素点B和C,B、C的中点为D;在过D点且与第一直线垂直的第二直线上,以D为基准分别向两端搜索,分别找到第一个灰度值不为X的像素点E和F,E、F的中点为O;(2)根据设定的条件得到强光圆心;(3)以所述强光圆心为圆心,对所述原始图像的灰度值进行弱化。本发明提供的图像弱化方法和装置可以准确找到图像中的强光圆心,并对原始图像的强光区域有效弱化,满足车载夜视成像系统实时处理的要求。
Description
技术领域
本发明属于图像处理领域,具体涉及一种图像弱化方法和装置。
背景技术
近年来,随着汽车工业的发展,汽车保有量迅速增加。据美国国家公路交通安全管理局(NHTSA)的统计,夜间行车比例在整个公路交通运输中只占四分之一,但夜间行车发生交通死亡事故却占了一半。究其原因,除了车况和驾驶技术的影响外,夜晚视线不好是引发交通事故最主要的影响因素。如何提高驾驶员、乘客及第三方的安全,已成为近年来人们越来越关心的话题。
普通汽车前大灯近光灯的照射范围只有30米远,所以车灯的光线没有直接照射到的地方,驾驶员很难看清楚或根本看不见。远光灯虽然可以改善这种状况,但由于影响逆向车道驾驶员的视线,所以只能在特定的情况下使用。目前,车载红外夜视成像技术已成为夜间行车所使用的重要技术之一,可以有效的提高汽车夜间行驶的安全系数。车载红外夜视成像技术是在夜间或低亮度条件下将不可见辐射加以转变,或将微弱的夜天光增强,它成为人眼可以感受的可见光的光电技术。常用的车载夜视技术有主动式红外夜视技术和被动式热成像技术。主动红外夜视图像具有图像清晰,对比度大,利于观察的特点,所以更多地被推广应用。
主动式红外夜视技术存在的最大缺点:当对面有强光,尤其是对面汽车使用远光灯照射时,夜视图像中会出现巨大光斑,使得驾驶员无法通过主动式红外夜视技术看清前方和周边环境。巨大光斑的产生主要是由于摄像采集系统的过度曝光和夜视图像增强算法对局部强光的过度增强。因此,强光源范围得到进一步扩大,使得强光周边信息丢失,夜视系统无法清晰显示前方周边的实际路况信息。对强光源进行弱化,可以解决上述问题。但是在图像弱化过程中,最重要的是强光源的检测定位,而由于夜视图像的特殊性,经典的Hough变换很难精确定位强光源的圆心,因此使得原始图像无法弱化或者弱化效果很差。
发明内容
本发明所要解决的技术问题是针对现有技术中存在的上述不足,提供一种图像弱化方法和装置,该图像弱化方法和装置可以通过精确的找到强光源圆心而实现原始图像的强光区域有效弱化。
解决本发明技术问题所采用的技术方案是提供一种图像弱化方法,包括以下步骤:
(1)随机选取当前图像中灰度值为X的像素点A,其中X为图像所允许的最大灰度值,对于n位图像系统,其值为2n-1;对于8位图像系统其值为255,对于16位图像系统其值为216-1,当然也可以选择其它位数图像系统;在过A点的第一直线上,以A点为基准再分别向两端搜索,分别找到第一个灰度值不为X的像素点B和C,B、C的中点为D;在过D点且与第一直线垂直的第二直线上,以D为基准分别向两端搜索,分别找到第一个灰度值不为X的像素点E和F,E、F的中点为O,其中,B点和O点之间的距离为d1,E点和O点之间的距离为d2;
(2)若d1和d2满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,则以O为强光圆心,否则返回执行步骤(1),
其中a、b为预设的需要检测的强光圆的半径,α为圆的不规则因子;
(3)以所述强光圆心为圆心,对所述当前图像的灰度值进行弱化。
优选的是,所述步骤(3)具体为:以所述强光圆心为圆心,对所述当前图像的灰度值运用高斯函数进行弱化。
优选的是,所述步骤(1)之前还包括:步骤(i)通过形态学腐蚀操作,消除灰度值为X的孤立的像素点和/或点线形像素图案。
优选的是,所述步骤(i)中的形态学腐蚀操作的算法模板设定结构为N*N,其中N的取值范围为3~5。
优选的是,所述步骤(1)之前还包括:统计当前图像中灰度值为X的像素点的个数为Y,若Y大于等于设定值T1,则继续执行所述步骤(1);若Y小于设定值T1,则不再进行图像弱化。
优选的是,在所述步骤(2)中,以O为强光圆心之后,步骤(3)之前还包括:步骤(j)将所述强光圆心对应的圆的半径min(d1,d2)内的像素的灰度值标记为非X的值,并判断整个图像区域的像素的灰度值为X的像素点个数是否大于预设阈值T2,若是,则返回执行步骤(1);重复该步骤(1)到步骤(j)的循环直到整个图像区域的像素的灰度值为X的像素点个数小于或等于预设阈值T2,并得到多个强光圆心。
优选的是,所述步骤(3)具体为:以所得的多个强光圆心为圆心,并分别得到与这些圆心对应的高斯函数,并对这些高斯函数进行加权平均,再用加权平均的高斯函数对所述当前图像的灰度值进行弱化。
优选的是,所述步骤(2)中a的取值范围为2~8,b的取值范围为30~80,α的取值范围为0.3~0.5。
本发明还提供了一种图像弱化装置,包括:
圆心获取单元,用于随机选取当前图像中灰度值为X的像素点A,其中X为图像所允许的最大灰度值,对于n位图像系统,其值为2n-1;对于8位图像系统其值为255,对于16位图像系统其值为216-1,当然也可以选择其它位数图像系统;在过A点的第一直线上,以A点为基准再分别向两端搜索,分别找到第一个灰度值不为X的像素点B和C,B、C的中点为D;在过D点且与第一直线垂直的第二直线上,以D为基准分别向两端搜索,分别找到第一个灰度值不为X的像素点E和F,E、F的中点为O,其中,B点和O点之间的距离为d1,E点和O点之间的距离为d2;
圆心确定单元,用于判断d1和d2是否满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,若是则以O为强光圆心;否则发送信息给圆心获取单元使其重新获取圆心,其中a、b为预设的需要检测的强光圆的半径,α为圆的不规则因子;
图像弱化单元,用于以所述强光圆心为圆心,对所述当前图像的灰度值进行弱化。
优选的是,所述图像弱化单元具体用于以所述强光圆心为圆心,对所述当前图像的灰度值运用高斯函数进行弱化。
优选的是,所述圆心获取单元中a的取值范围为2~8,b的取值范围为30~80,α的取值范围为0.3~0.5。
优选的是,所述图像弱化装置还包括图像优化单元,用于通过形态学腐蚀操作,消除灰度值为X的孤立的像素点和/或点线形像素图案。
优选的是,所述图像优化单元使用的形态学腐蚀操作的算法模板设定结构为N*N,其中N的取值范围为3~5。
优选的是,所述图像弱化装置还包括多圆心确定单元,用于在所述圆心确定单元以O为强光圆心之后、所述图像弱化单元以所述强光圆心为圆心,对所述当前图像的灰度值进行弱化之前,将所述强光圆心对应的圆的半径min(d1,d2)内的像素的灰度值标记为非X的值,并判断整个图像区域的像素的灰度值为X的像素点个数是否大于预设阈值T2,若是,则发送信息给圆心获取单元使其重新获取圆心,并使圆心确定单元判断d1和d2是否满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,直到整个图像区域的像素的灰度值为X的像素点的个数小于或等于预设阈值T2,并得到多个强光圆心。
优选的是,所述图像弱化装置中还包括多圆心图像弱化单元,用于以所得的多个强光圆心为圆心,并分别得到与这些圆心对应的高斯函数,并对这些高斯函数进行加权平均,再用加权平均的高斯函数对所述当前图像的灰度值进行弱化。
本发明的图像弱化方法可以在夜视图像中精确、快速地找到强光源圆心,不仅可以找到单个强光源圆心,而且可找到多个强光源圆心。本发明的图像弱化装置实现了夜视图像中的强光区域的有效弱化,避免了夜视图像增强算法对夜视图像中的强光部分的过度增强。从而使汽车前方有强光照射时,车载夜视系统能够较清晰显示汽车前方的实际路况,提高了汽车驾驶的安全系数,大大减少了夜间行车的交通事故。
附图说明
图1是本发明的实施例3的图像弱化方法流程图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。
实施例1
本实施例提供一种图像弱化方法,包括以下步骤:
S101,随机选取当前图像中灰度值为X的像素点A,其中X为图像所允许的最大灰度值,对于n位图像系统,其值为2n-1;对于8位图像系统其值为255,对于16位图像系统其值为216-1,当然也可以选择其它位数图像系统;在过A点的第一直线上,以A点为基准再分别向两端搜索,分别找到第一个灰度值不为X的像素点B和C,B、C的中点为D;在过D点且与第一直线垂直的第二直线上,以D为基准分别向两端搜索,分别找到第一个灰度值不为X的像素点E和F,E、F的中点为O,其中,B点和O点之间的距离为d1,E点和O点之间的距离为d2;
S102,若d1和d2满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,则以O为强光圆心,否则返回执行步骤(1),
其中a、b为预设的需要检测的强光圆的半径,α为圆的不规则因子;
S103,以所述强光圆心为圆心,对所述当前图像的灰度值进行弱化。
本发明的图像弱化方法可以在夜视图像中精确、快速地找到强光源圆心,实现了夜视图像强光区域的有效弱化,避免了夜视图像增强算法对夜视图像中的强光部分的过度增强。从而使汽车前方有强光照射时,车载夜视系统能够较清晰显示汽车前方的实际路况,提高了汽车驾驶的安全系数,大大减少了夜间行车的交通事故。
实施例2
本实施例提供一种图像弱化方法,该图像弱化方法优选用于红外图像,尤其是车载夜视红外图像(本实施例以8位图像系统为例),包括以下步骤:
S201,提取当前图像中各个像素的灰度值;其中图像所允许的最大灰度值为X,对于n位图像系统,其值为2n-1;对于8位图像系统其值为255,对于16位图像系统其值为216-1,当然也可以选择其它位数图像系统。灰度值为255的点在8位图像系统中为最亮点,提取当前图像系统中的全部最亮点是为了选取图像的强光光源的圆心。
S202,统计当前图像中灰度值为255的像素点的个数为Y,如果Y值小于设定值(设定值优选为255),则不再对图像进行弱化。当前图像中的最亮点的数目少于根据经验设定的预定值时,说明当前图像中不存在影响当前图像的强光源,所以不对图像进行弱化可以减少夜视技术在进行图像弱化过程中计算量。
S203,通过形态学腐蚀操作,消除灰度值为255的孤立的像素点和/或点线形像素图案。孤立的像素点和/或点线形像素图案没有形成强光源的条件,所以可以进行消除,可以减少夜视技术在进行图像弱化过程中计算量。而且消除了孤立的像素点和/或点线形像素图案,可以减少这些因素对于强光源周围的最亮点的影响,减少图像弱化方法中寻找强光源圆心的干扰,有利于更加精准的找到强光源圆心,使得灯光定位更加精确。
S204,随机选取灰度值为255的像素点A,在过A点的第一直线上,以A点为基准再分别向两端搜索,分别找到第一个灰度值不为X的像素点B和C,B、C的中点为D;在过D点且与第一直线垂直的第二直线上,以D为基准分别向两端搜索,分别找到第一个灰度值不为X的像素点E和F,E、F的中点为O,O点的坐标为(u0,v0),其中,B点和O点之间的距离为d1,E点和O点之间的距离为d2。
S205,若d1和d2满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,则以O为强光圆心,否则返回执行S204,其中a、b为预设的需要检测的强光圆的半径,α为圆的不规则因子;a的取值范围优选为2~8,b的取值范围为30~80,α的取值范围优选为0.3~0.5。
S206,以O点为强光圆心,并据此对所述当前图像的灰度值运用高斯函数进行弱化,
该高斯函数如下:
其中,β为强光弱化因子,0<β<1;
δ为尺度因子,δ的取值范围为1000~3000;
对当前图像弱化过程如下:
其中,I(u,v)为当前图像的像素(u,v)的灰度值,
Iout(u,v)为弱化图像的像素(u,v)的灰度值;
得到当前图像的像素的弱化的灰度值。
S207,将当前图像像素的弱化的灰度值输出。
本发明的图像弱化方法可以在夜视图像中精确、快速地找到强光源圆心,实现了夜视图像的强光区域的有效弱化,抑制了图像中的强光源照射,避免了夜视图像增强算法对夜视图像中的强光部分的过度增强。从而使汽车前方有强光照射时,车载夜视系统能够较清晰显示汽车前方的实际路况,提高了汽车驾驶的安全系数,大大减少了夜间行车的交通事故。
实施例3
如图1所示,本实施例提供一种图像弱化方法,该图像弱化方法优选用于红外图像,尤其是车载夜视红外图像(本实施例以8位图像系统为例),包括以下步骤:
S301,提取当前图像中各个像素的灰度值;其中图像所允许的最大灰度值为X,对于n位图像系统,其值为2n-1;对于8位图像系统其值为255,对于16位图像系统其值为216-1,当然也可以选择其它位数图像系统。灰度值为255的点在8位图像系统中为最亮点,提取当前图像系统中的全部最亮点是为了选取图像的强光光源的圆心。
S302,统计当前图像中灰度值为255的像素点的个数为Y,如果Y值小于设定值(设定值为T1),则不再对图像进行弱化。
S303,通过形态学腐蚀操作,消除灰度值为255的孤立的像素点和/或点线形像素图案。其中,形态学腐蚀操作的算法模板设定结构为N*N,其中N的取值范围为3~5,N优选为3。
S304,随机选取灰度值为255的像素点A,在过A点的水平方向的第一直线上,以A点为基准再分别向两端搜索,分别找到第一个灰度值不为255的像素点B和C,B、C的中点为D;在过D点且与第一直线垂直的第二直线上,以D为基准分别向两端搜索,分别找到第一个灰度值不为255的像素点E和F,E、F的中点为Oi,其中,B点和Oi点之间的距离为d1,E点和Oi点之间的距离为d2。由于图像的像素点在水平方向上均匀排列,同时在竖直方向上均匀排列,所以在找圆心的过程中按照水平和与水平垂直方向上同时找圆心,可以做到快速准确、全面覆盖的整个图像区域。
S305,若d1和d2满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,则以Oi为强光圆心,Oi点的坐标为(ui,vi),否则返回执行步骤(4);其中a、b为预设的需要检测的强光圆的半径,α为圆的不规则因子;a的取值范围为2~8,b的取值范围为30~80,α的取值范围为0.3~0.5。
S306,以像素点Oi为圆心,将min(d1,d2)半径内的区域内像素的灰度值标记为非255的值,并判断整个图像区域的像素的灰度值为255的像素点个数是否大于预设阈值T2,若是,则返回执行S304,得到第i个强光圆心点Oi,Oi点的坐标为(ui,vi),重复该循环(步骤304至步骤306)直到整个图像区域的像素的灰度值为255的像素点个数小于或等于预设阈值T2,并得到多个强光圆心,其中i为大于等于1的整数。该方法寻找强光圆心可以克服灯光散射性以及周围高亮度区域点线的影响,不仅可以找到较小半径强光源的圆心,而且可以找到较大半径强光源的圆心。
S307,以得到的i个强光圆心点为圆心,并分别得到与这些圆心对应的高斯函数,并对这些高斯函数进行加权平均,再用加权平均的高斯函数对所述当前图像的灰度值进行弱化。
第i个强光的高斯函数如下:
其中,β为强光弱化因子,0<β<1;
δ为尺度因子,δ的取值范围为1000~3000;
对进行加权平均如下:
其中,为加权平均的高斯函数;
对当前图像弱化过程如下:
其中,I(u,v)为当前图像的像素(u,v)的灰度值,
Iout(u,v)为弱化图像的像素(u,v)的灰度值;
得到当前图像的像素的弱化的灰度值。使用该函数对强光源进行弱化,实现了图像的全局弱化,具有比局部弱化更好的视觉效果,不仅考虑了以灯光为中心的部分区域,而且解决了灯光周边像素的灰度值弱化的平滑过渡的问题。该弱化方法使得距离强光源较远区域的像素的灰度值不被弱化或者较少程度的弱化,而强光源周边的像素的灰度值得到了较大程度的弱化,有效改变了图像的动态范围。使用该方法弱化后的图像解决了以后要进行的图像增强算法对于局部强光过度增强,而又使得夜视图像中的强光源周边的信息丢失的问题。
S308,将当前图像像素的弱化的灰度值输出。
本发明的图像弱化方法可以在夜视图像中精确、快速地找到强光源圆心,不仅可以找到单个强光源圆心,而且可找到多个强光源圆心。
实施例4
本实施例提供一种图像弱化装置,包括:
圆心获取单元,用于随机选取当前图像中灰度值为X的像素点A,其中X为图像所允许的最大灰度值,对于n位图像系统,其值为2n-1;对于8位图像系统其值为255,对于16位图像系统其值为216-1,当然也可以选择其它位数图像系统;在过A点的第一直线上,以A点为基准再分别向两端搜索,分别找到第一个灰度值不为X的像素点B和C,B、C的中点为D;在过D点且与第一直线垂直的第二直线上,以D为基准分别向两端搜索,分别找到第一个灰度值不为X的像素点E和F,E、F的中点为O,其中,B点和O点之间的距离为d1,E点和O点之间的距离为d2;
圆心确定单元,用于判断d1和d2是否满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,若是则以O为强光圆心;否则发送信息给圆心获取单元使其重新获取圆心,其中a、b为预设的需要检测的强光圆的半径,α为圆的不规则因子;
图像弱化单元,用于以所述强光圆心为圆心,对所述当前图像的灰度值进行弱化。
优选的是,所述图像弱化单元具体用于以所述强光圆心为圆心,对所述当前图像的灰度值运用高斯函数进行弱化。
优选的是,所述圆心获取单元中a的取值范围为2~8,b的取值范围为30~80,α的取值范围为0.3~0.5。
优选的是,该图像弱化装置还包括图像优化单元,用于通过形态学腐蚀操作,消除灰度值为X的孤立的像素点和/或点线形像素图案。
优选的是,所述图像优化单元使用的形态学腐蚀操作的算法模板设定结构为N*N,其中N的取值范围为3~5。
优选的是,该图像弱化装置还包括多圆心确定单元,用于在所述圆心确定单元以O为强光圆心之后、所述图像弱化单元以所述强光圆心为圆心,对所述当前图像的灰度值进行弱化之前,将所述强光圆心对应的圆的半径min(d1,d2)内的像素的灰度值标记为非X的值,并判断整个图像区域的像素的灰度值为X的像素点个数是否大于预设阈值T2,若是,则发送信息给圆心获取单元使其重新获取圆心,并使圆心确定单元判断d1和d2是否满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,直到整个图像区域的像素的灰度值为X的像素点个数小于或等于预设阈值T2,并得到多个强光圆心。
本发明的图像弱化装置实现了夜视图像的强光区域的有效弱化,抑制了图像中的强光源照射,避免了夜视图像增强算法对夜视图像中的强光部分的过度增强。从而使汽车前方有强光照射时,车载夜视系统能够较清晰显示汽车前方的实际路况,提高了汽车驾驶的安全系数,大大减少了夜间行车的交通事故。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种图像弱化方法,包括以下步骤:
(1)随机选取当前图像中灰度值为X的像素点A,其中X为图像所允许的最大灰度值;在过A点的第一直线上,以A点为基准再分别向两端搜索,分别找到第一个灰度值不为X的像素点B和C,B、C的中点为D;在过D点且与第一直线垂直的第二直线上,以D为基准分别向两端搜索,分别找到第一个灰度值不为X的像素点E和F,E、F的中点为O,其中,B点和O点之间的距离为d1,E点和O点之间的距离为d2;
(2)若d1和d2满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,则以O为强光圆心,否则返回执行步骤(1),
其中a、b为预设的需要检测的强光圆的半径,α为圆的不规则因子;
(3)以所述强光圆心为圆心,对所述当前图像的灰度值进行弱化。
2.根据权利要求1所述的图像弱化方法,其特征在于,所述步骤(3)具体为:
以所述强光圆心为圆心,对所述当前图像的灰度值运用高斯函数进行弱化。
3.根据权利要求1所述的图像弱化方法,其特征在于,所述步骤(1)之前还包括:
步骤(i)通过形态学腐蚀操作,消除灰度值为X的孤立的像素点和/或点线形像素图案。
4.根据权利要求1所述的图像弱化方法,其特征在于,所述步骤(1)之前还包括:
统计当前图像中灰度值为X的像素点的个数为Y,若Y大于等于设定值T1,则继续执行所述步骤(1);若Y小于设定值T1,则不再进行图像弱化。
5.根据权利要求1所述的图像弱化方法,其特征在于,在所述步骤(2)中,以O为强光圆心之后,步骤(3)之前还包括:
步骤(j)将所述强光圆心对应的圆的半径min(d1,d2)内的像素的灰度值标记为非X的值,并判断整个图像区域的像素的灰度值为X的像素点个数是否大于预设阈值T2,若是,则返回执行步骤(1);重复该步骤(1)到步骤(j)的循环直到整个图像区域的像素的灰度值为X的像素点个数小于或等于预设阈值T2,并得到多个强光圆心。
6.根据权利要求5所述的图像弱化方法,其特征在于,所述步骤(3)具体为:
以所得的多个强光圆心为圆心,并分别得到与这些圆心对应的高斯函数,并对这些高斯函数进行加权平均,再用加权平均的高斯函数对所述当前图像的灰度值进行弱化。
7.根据权利要求1~6任意一项所述的图像弱化方法,其特征在于,所述步骤(2)中a的取值范围为2~8,b的取值范围为30~80,α的取值范围为0.3~0.5。
8.一种图像弱化装置,其特征在于,包括:
圆心获取单元,用于随机选取当前图像中灰度值为X的像素点A,其中X为图像所允许的最大灰度值;在过A点的第一直线上,以A点为基准再分别向两端搜索,分别找到第一个灰度值不为X的像素点B和C,B、C的中点为D;在过D点且与第一直线垂直的第二直线上,以D为基准分别向两端搜索,分别找到第一个灰度值不为X的像素点E和F,E、F的中点为O,其中,B点和O点之间的距离为d1,E点和O点之间的距离为d2;
圆心确定单元,用于判断d1和d2是否满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,若是则以O为强光圆心;否则发送信息给圆心获取单元使其重新获取圆心,其中a、b为预设的需要检测的强光圆的半径,α为圆的不规则因子;
图像弱化单元,用于以所述强光圆心为圆心,对所述当前图像的灰度值进行弱化。
9.根据权利要求8所述的图像弱化装置,其特征在于,还包括:
图像优化单元,用于通过形态学腐蚀操作,消除灰度值为X的孤立的像素点和/或点线形像素图案。
10.根据权利要求8所述的图像弱化装置,其特征在于,还包括:
多圆心确定单元,用于在所述圆心确定单元以O为强光圆心之后、所述图像弱化单元以所述强光圆心为圆心,对所述当前图像的灰度值进行弱化之前,将所述强光圆心对应的圆的半径min(d1,d2)内的像素的灰度值标记为非X的值,并判断整个图像区域的像素的灰度值为X的像素点个数是否大于预设阈值T2,若是,则发送信息给圆心获取单元使其重新获取圆心,并使圆心确定单元判断d1和d2是否满足│d1-d2│<αmin(d1,d2)且a<min(d1,d2)<b,直到整个图像区域的像素的灰度值为X的像素点个数小于或等于预设阈值T2,并得到多个强光圆心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210249273.0A CN102855608B (zh) | 2012-07-18 | 2012-07-18 | 一种图像弱化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210249273.0A CN102855608B (zh) | 2012-07-18 | 2012-07-18 | 一种图像弱化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102855608A CN102855608A (zh) | 2013-01-02 |
CN102855608B true CN102855608B (zh) | 2015-01-28 |
Family
ID=47402172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210249273.0A Active CN102855608B (zh) | 2012-07-18 | 2012-07-18 | 一种图像弱化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102855608B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310418B (zh) * | 2013-06-18 | 2016-05-18 | 奇瑞汽车股份有限公司 | 夜视图像增强与眩光抑制的图像处理方法和装置 |
CN105809636A (zh) * | 2016-02-29 | 2016-07-27 | 北京小米移动软件有限公司 | 图像弱化方法及装置 |
CN106101568B (zh) * | 2016-08-16 | 2021-06-01 | 北京中星微电子有限公司 | 一种基于智能分析的强光抑制方法及装置 |
CN115563655B (zh) * | 2022-11-25 | 2023-03-21 | 承德石油高等专科学校 | 一种用于网络安全的用户危险行为识别方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN102163328A (zh) * | 2011-05-06 | 2011-08-24 | 连云港杰瑞电子有限公司 | 用于交通视频图像中眩光的检测和消除方法 |
CN102567965A (zh) * | 2011-12-20 | 2012-07-11 | 四川大学 | 基于亮度投影的车灯区域分割方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10203421C1 (de) * | 2002-01-28 | 2003-04-30 | Daimler Chrysler Ag | Automobiles Infrarot-Nachtsichtgerät und automobiles Display |
DE102006055903A1 (de) * | 2006-11-27 | 2008-05-29 | Adc Automotive Distance Control Systems Gmbh | Erkennung von Fahrzeuglichtern mit einer Kamera |
-
2012
- 2012-07-18 CN CN201210249273.0A patent/CN102855608B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN102163328A (zh) * | 2011-05-06 | 2011-08-24 | 连云港杰瑞电子有限公司 | 用于交通视频图像中眩光的检测和消除方法 |
CN102567965A (zh) * | 2011-12-20 | 2012-07-11 | 四川大学 | 基于亮度投影的车灯区域分割方法 |
Non-Patent Citations (4)
Title |
---|
A NEW CIRCLE DETECTION METHOD BASED ON PARALLEL OPERATOR;LI-QIN JIA等;《Proceedings of the 2012 International Conference on Machine Learning and Cybernetics》;20120717;第1085-1090页 * |
Study on Technique of Spot Detection Based on Sequence Information Fit Circle Center;Mu YiNing等;《2012 Symposium on Photonics and Optoelectronics (SOPO)》;20120523;第1-4页 * |
彩色图象光斑的识别及分割;周孝宽等;《北京航空航天大学学报》;19960831;第22卷(第4期);第495-499页 * |
车载主动式红外激光夜视成像系统的研究;林淑芬;《中国优秀硕士学位论文全文数据库信息科技辑》;20090815(第08期);第1-62页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102855608A (zh) | 2013-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934374B (zh) | 一种雾霾场景中交通标识牌的识别方法及系统 | |
Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
CN102855608B (zh) | 一种图像弱化方法和装置 | |
CN104657735A (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
US10878259B2 (en) | Vehicle detecting method, nighttime vehicle detecting method based on dynamic light intensity and system thereof | |
CN105678287B (zh) | 一种基于脊度量的车道线检测方法 | |
CN102982304A (zh) | 利用偏光图像检测车辆位置的方法和系统 | |
CN105303157A (zh) | 延伸用于avm停止线检测的检测范围的算法 | |
CN105426868A (zh) | 一种基于自适应感兴趣区域的车道检测方法 | |
CN108198417A (zh) | 一种基于无人机的道路巡检系统 | |
CN103049788B (zh) | 基于计算机视觉的待过行人数目的检测系统及方法 | |
CN103914701A (zh) | 一种基于图像的夜间车辆检测方法 | |
CN103440785A (zh) | 一种快速的车道偏移警示方法 | |
CN102999890A (zh) | 基于环境因素的图像光线强度动态校正方法 | |
CN104992160A (zh) | 一种重型卡车夜间前方车辆检测方法 | |
CN103020627A (zh) | 一种特种车辆仪表指针的提取方法 | |
CN104463170A (zh) | 一种卡口系统下基于多重检测的无牌车辆检测方法 | |
CN104268859A (zh) | 一种用于夜间车道线检测的图像预处理方法 | |
Chen | Road vehicle recognition algorithm in safety assistant driving based on artificial intelligence | |
CN104680171A (zh) | 图像中斑马线的检测装置、方法 | |
CN103310418A (zh) | 图像处理方法和装置 | |
KR20130070210A (ko) | 영상의 노이즈 제거 방법 | |
Guo et al. | Lane detection based on the random sample consensus | |
Dai et al. | Research on headlight technology of night vehicle intelligent detection based on hough transform | |
Lee | A study on road damage detection for safe driving of autonomous vehicles based on OpenCV and CNN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |