CN102905160A - 一种偏色检测的方法及系统 - Google Patents

Abstract

本发明适用于视频图像处理技术领域，提供了一种偏色检测的方法及系统，所述方法包括：接收视频图像；获取所述视频图像的RGB偏色系数；获取所述视频图像的彩色噪声；根据所述RGB偏色系数及彩色噪声进行偏色检测判断。本发明实现对不同场景下编码压缩及原始视频码流的测试验证，可以有效的对视频编码传输过程中的偏色进行检测，计算量小，实时性好，无需事先学习，且对前端设备无要求应用性广等优点。

Description

一种偏色检测的方法及系统

技术领域

本发明属于视频图像处理技术领域，尤其涉及一种偏色检测的方法及系统。

背景技术

在安防产业日益发展的今日，随着平安城市等系统级安防项目的推广，一个监控项目监控点中所需要管理的视频监控设备指数级增加，为了节省带宽，日益普遍使用视频编码压缩技术进行网络传输。然而，在视频数据进行传输过程中，不但设备老化故障及传输线路等因素会使视频图像产生视频偏色，而且在视频数据经过编码器压缩过程中，还会引入的彩色噪声，这些彩色噪声也会引起视频数据的偏色。

发明内容

本发明实施例的目的在于提供一种偏色检测的方法，旨在解决视频编码传输过程中产生偏色的问题。

本发明实施例是这样实现的，一种偏色检测的方法，所述方法包括下述步骤：

接收视频图像；

获取所述视频图像的RGB偏色系数；

获取所述视频图像的彩色噪声；

根据所述RGB偏色系数及彩色噪声进行偏色检测判断。

本发明实施例还提供了一种偏色检测的系统，所述系统包括：

数据接收单元，用于接收视频图像；

系数获取单元，用于获取所述数据接收单元接收的视频图像的RGB偏色系数；

噪声获取单元，用于获取所述数据接收单元接收的视频图像的彩色噪声；

偏色判断单元，用于根据所述系数获取单元获取的RGB偏色系数及噪声获取单元获取的彩色噪声进行偏色检测判断。

本发明实施例通过获取视频图像的RGB偏色系数及彩色噪声，并根据RGB偏色系数及彩色噪声进行偏色检测判断，实现对不同场景下编码压缩及原始视频码流的测试验证，可以有效的对视频编码传输过程中引起的偏色进行检测，计算量小，实时性好，无需事先学习，且具有对前端设备无要求、应用性广等优点。

附图说明

图1是本发明实施例一提供的前端视频数据流的网络传输流程图；

图2是本发明实施例一提供的偏色检测的方法的实现的流程图；

图3是本发明实施例二提供的偏色检测的方法的实现的流程图；

图4是本发明实施例三提供的偏色检测的方法的实现的流程图；

图5是本发明实施例四提供的偏色检测的系统的结构图。

具体实施方式

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

本发明实施例通过获取视频图像的RGB偏色系数及彩色噪声，并根据RGB偏色系数及彩色噪声进行偏色检测判断，实现对不同场景下编码压缩及原始视频码流的测试验证。

本发明实施例提供了一种偏色检测的方法，所述方法包括下述步骤：

接收视频图像；

获取所述视频图像的RGB偏色系数；

获取所述视频图像的彩色噪声；

根据所述RGB偏色系数及彩色噪声进行偏色检测判断。

本发明实施例还提供了一种偏色检测的系统，所述系统包括：

数据接收单元，用于接收视频图像；

系数获取单元，用于获取所述数据接收单元接收的视频图像的RGB偏色系数；

噪声获取单元，用于获取所述数据接收单元接收的视频图像的彩色噪声；

偏色判断单元，用于根据所述系数获取单元获取的RGB偏色系数及噪声获取单元获取的彩色噪声进行偏色检测判断。

本发明实施例通过获取视频图像的RGB偏色系数及彩色噪声，并根据RGB偏色系数及彩色噪声进行偏色检测判断，实现对不同场景下编码压缩及原始视频码流的测试验证，可以有效的对视频编码传输过程中的偏色进行检测，计算量小，实时性好，无需事先学习，且对前端设备无要求应用性广等优点。

以下结合具体实施例对本发明的实现进行详细描述：

实施例一

本发明实施例的应用场景可以为：视频监控点的服务器接收前端设备经编码、网络传输后的视频数据，监控点的服务器对接收的视频数据进行解码，服务器可以对解码后的视频数据的质量进行诊断服务，具体可以包括视频丢失诊断、视频冻结诊断、视频偏移诊断、视频亮度异常诊断、视频清晰度异常诊断、噪声异常诊断及偏色诊断等，请参阅图1为视频数据的网络传输的流程图，其中偏色检测时可以采用本发明实施例的方法。

图2示出了本发明实施例一提供的偏色检测的方法的实现流程图，详述如下：

在步骤S201中，接收视频图像。

在步骤S202中，获取上述接收的视频图像的RGB偏色系数。

在本发明实施例中，图像的RGB偏色系数Kcolordist的获得可以采用基于标准差加权的灰度世界算法，首先，将要处理的图像分成若干块，然后计算出每一块R、G、B三个通道平均值和标准差。标准差大，说明颜色较丰富，因为当块中有不同物体时，其颜色的差别相对较大，标准差也大。同理，颜色比较单一时，标准差较小。通过对每一块进行标准差加权，舍弃相关性小的块，保留相关性大的块，可以减小大块单一颜色的影响，相当于将大块单一颜色的图像转换为具有丰富色彩的图像，得到RGB偏色系数Kcolordist，其具体计算过程如下，为了便于对计算过程的说明，以下首先给出关于块的计算公式：

(I)平均值：

$\mathrm{Mean}=\frac{\underset{o\≤q\≤d}{\mathrm{\Σo}\≤p\≤d}X(p,q)}{d\×d};$

(II)标准差

$\mathrm{Std}=\sqrt[2]{\frac{{\underset{o\≤q\≤d}{\mathrm{\Σo}\≤p\≤d}(X(p,q)-\mathrm{Mean})}^2}{d\×d}}$

(III)方差

$\mathrm{Var}=\frac{\underset{o\≤q\≤d}{\mathrm{\Σo}\≤p\≤d}{(X(p,q)-\mathrm{Mean})}^2}{d\×d}$

则RGB偏色系数Kcolordist，具体计算过程如为：

1、将图像分为m×n块。

2、假设某块B(i，j)大小为d×d，其中，1≤i≤m，有1≤j≤n，设块内对应点像素值为X(p，q)，有0≤p，q≤d。

3、对于每个块B(i，j)，根据公式(I)(II)，计算RGB三个通道的平均值MR(i，j)，MG(i，j)，MB(i，j)和标准差SR(i，j)，SG(i，j)，SB(i，j)。

4、对于每个块B(i，j)，计算相关性系数D(i，j)＝(|SR(i，j)-SR(i，j+1)|+|SG(i，j)-SG(i，j+1)|+|SB(i，j)-SB(i，j+1)|)/(|SR(i，j)+SR(i，j+1)|+|SG(i，j)+SG(i，j+1)|+|SB(i，j)+SB(i，j+1)|)。

5、对于每个块B(i，j)，设置对应系数标识符F(i，j)，具体为如果计算的到相关性系数D(i，j)≥0.1，F(i，j)则等于1，否则为0.

6、使用系数标识符F(i，j)对MR、MG、MB进行加权计算，得加权平均值WR，WG，WB：

$\mathrm{WR}=\frac{{\mathrm{\Σ}}_{i=1,j=1}^{i=m,j=n}(F(i,j)\·\mathrm{MR}(i,j))}{{\mathrm{\Σ}}_{i=1,j=1}^{i=m,j=n}F(i,j)},$ $\mathrm{WG}=\frac{{\mathrm{\Σ}}_{i=1,j=1}^{i=m,j=n}(F(i,j)\·\mathrm{MG}(i,j))}{{\mathrm{\Σ}}_{i=1,j=1}^{i=m,j=n}F(i,j)},$ $\mathrm{WB}=\frac{{\mathrm{\Σ}}_{i=1,j=1}^{i=m,j=n}(F(i,j)\·\mathrm{MB}(i,j))}{{\mathrm{\Σ}}_{i=1,j=1}^{i=m,j=n}F(i,j)}$

7、根据加权平均值WR，WG，WB，计算RGB的三通道的偏色系数如下：

红色分量偏色系数Kr＝(WR+WG+WB)/(3*WR)。

绿色分量偏色系数Kg＝(WR+WG+WB)/(3*WG)。

蓝色分量偏色系数Kb＝(WR+WG+WB)/(3*WB)。

从而取RGB图像的偏色系数Kcolordist等于Kr，Kg，Kb中的最大值。

在步骤S203中，获取上述接收的视频图像的彩色噪声。

在步骤S204中，根据上述获取的RGB偏色系数及彩色噪声进行偏色检测判断。

本发明实施例通过获取视频图像的RGB偏色系数及彩色噪声，并根据RGB偏色系数及彩色噪声进行偏色检测判断，实现对不同场景下编码压缩及原始视频码流的测试验证，可以有效的对视频编码传输过程中的偏色进行检测，计算量小，实时性好，无需事先学习，且对前端设备无要求应用性广等优点。

实施例二

图3示出了本发明实施例二提供的偏色检测的方法的实现流程图，详述如下：

在步骤S301中，接收视频图像。

在步骤S302中，获取上述视频图像的RGB偏色系数。

在步骤S303中，将接收的视频图像转换成灰度图像。

在步骤S304中，分别计算灰度图像Gray的噪声值及RGB图像各色彩分量的彩色噪声值Ngray，Nr，Ng，Nb。

为了便于理解，以下以一具体实现示例对计算视频图像的彩色噪声的方法进行说明，但不以本实现示例为限：

将图像分块B(i，j)，计算各图像块的均值Mn和方差Vn，(0＜＝n＜i*j)，计算如实施实例一中公式(I)和(III)，为了稳定局部方差，在计算得到的均值中，选取找到三个均值最小的块为最均匀的块，Bm0，Bm1，Bm2，其中Bm0＜Bm1＜Bm2，(0≤m0，m1，m2＜i*j)，由于它们来自最均匀的块，所以对噪声最有代表意义。这里可以采用中值滤波或者均值滤波来处理三个均值最小的块以得到均匀区域方差值，为了减少计算量，也可以采用块Bm1的方差值为均匀区域方差，记为Vm。判断各个均匀区域方差值的方差是否在噪声阈值范围内，取thV为噪声阈值，对于所有任意0≤n＜i*j，满足|Vn-Vm|＜thV的所有Vn累加，求均值即得图像块的噪声值。

在步骤S305中，确定视频图像的彩色噪声系数。

在步骤S306中，在上述彩色噪声系数与RGB偏色系数中选择最大的系数值作为接收的视频图像偏色系数。

在步骤S307中，将视频图像偏色系数与系数阈值比较，确定图像的偏色程度。

实施例三

图4示出了本发明实施例三提供的偏色检测的方法的实现流程图，详述如下：

在步骤S401中，接收视频图像；

在步骤S402中，获取上述接收的视频图像的RGB偏色系数。

在步骤S403中，将接收的视频图像转换成灰度图像；

在步骤S404中，分别计算灰度图像Gray的噪声值及RGB图像各色彩分量的彩色噪声值Ngray，Nr，Ng，Nb。

在步骤S405中，判断上述RGB图像各分量的噪声值中的最大噪声值是否小于预设值，是则执行步骤S406，否则执行步骤S407。

在本发明实施例中，预设值可以根据用户的实际需求进行设定，在此不用以限制本发明。

在步骤S406中，彩色噪声系数值取1；

在步骤S407中，彩色噪声系数为各个颜色分量噪声值与灰度图像噪声值的比值中的最大值。

在本发明实施例中，当灰度图像Gray的噪声值及RGB图像各分量的噪声值Ngray，Nr，Ng，Nb的噪声值中的最大值小于1时，则彩色噪声系数为1，当灰度图像Gray的噪声值及RGB图像的噪声值Ngray，Nr，Ng，Nb的噪声值中的最大值大于1时，可以通过计算获取图像的彩色噪声系数，上述彩色噪声系数Knoise_cd为各个颜色分量噪声值与灰度图像噪声值的比值中的最大值，即，Nr/Ngray，Ng/Ngray，Nb/Ngray中的最大值。

在步骤S408中，对彩色噪声系数进行加权。

在步骤S409中，在上述加权的彩色噪声系数与RGB偏色系数中选择最大的值作为接收的视频图像偏色系数。

在本发明实施例中，步骤S408通过对彩色噪声系数进行加权，并在在上述加权的彩色噪声系数与RGB偏色系数中选择最大的值作为接收的视频图像偏色系数，例如设置彩色噪声加权系数a∈[0，1]，则可以取(Knoise_cd*a)和RGB偏色系数Kcolordist中的最大值为图像偏色系数。

在步骤S410中，将视频图像的偏色系数与系数阈值比较，确定图像的偏色程度。

在本发明实施例中，将视频图像偏色系数与系数阈值比较，当视频图像偏色系数小于系数阈值时，则接收的视频图像符合要求，当视频图像偏色系数大于系数阈值时，则接收的视频图像发生偏色。

在本发明实施例中，可以灵活的设置多个系数阈值，上述多个系数阈值构成多个不同的区间，每个区间对应视频图像不同的偏色程度，通过确定视频图像偏色系数所在的区间，则可以确定视频图像不同的偏色程度。

实施例四

图5示出了本发明实施例四提供的偏色检测的系统的结构图，为了便于说明，仅示出了与本发明实施例相关的部分，该系统可以为软件单元、硬件单元或者软硬结合单元。

在本发明实施例中，所述偏色检测的系统包括数据接收单元51、系数获取单元52、噪声获取单元53和偏色判断单元55，其中，

数据接收单元51接收视频图像。

系数获取单元52获取所述数据接收单元51接收的视频图像的RGB偏色系数。

噪声获取单元53获取所述数据接收单元51接收的视频图像的彩色噪声。

偏色判断单元54根据所述系数获取单元52获取的RGB偏色系数及噪声获取单元53获取的彩色噪声进行偏色检测判断。

进一步的，所述系统噪声获取单元53具体包括：

图像转换模块531，用于将接收的视频图像转换成灰度图像；

计算模块532，用于分别计算灰度图像的噪声值及RGB图像各彩色分量的彩色噪声值。

进一步的，所述偏色判断单元54具体包括：

色彩噪声系数确定模块541，用于确定视频图像的彩色噪声系数；

视频图像偏色系数确定模块542，用于在所述彩色噪声系数与RGB偏色系数中选择最大的系数值作为接收的视频图像偏色系数。

在本发明实施例中，视频图像偏色系数确定模块542还可以对彩色噪声系数进行加权，并在所述加权的彩色噪声系数与RGB偏色系数中选择最大的值作为接收的视频图像偏色系数。

偏色判断模块543，用于将视频图像偏色系数确定模块542确定的视频图像偏色系数与系数阈值比较，确定图像的偏色程度。

进一步的，所述色彩噪声系数确定模块541具体还包括判断子模块5411，判断子模块5411判断所述RGB图像各分量的噪声值中的最大噪声值是否小于预设值，当判定所述RGB图像各分量的噪声值中的最大噪声值小于预设值时，则彩色噪声系数为1，当判定所述RGB图像各分量的噪声值中的最大噪声值大于预设值时，则彩色噪声系数为各个颜色分量噪声值与灰度图像噪声值的比值中的最大值。

综上，本发明实施例的有益效果在于：

通过获取视频图像的RGB偏色系数及彩色噪声，并根据RGB偏色系数及彩色噪声进行偏色检测判断，实现对不同场景下编码压缩及原始视频码流的测试验证，可以有效的对视频编码传输过程中的偏色进行检测，计算量小，实时性好，无需事先学习，且对前端设备无要求应用性广等优点。

值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种偏色检测的方法，其特征在于，所述方法包括下述步骤：

接收视频图像；

获取所述视频图像的RGB偏色系数；

获取所述视频图像的彩色噪声；

根据所述RGB偏色系数及彩色噪声进行偏色检测判断。

2.如权利要求1所述的方法，其特征在于，所述获取所述视频图像的彩色噪声的步骤具体为：

将接收的视频图像转换成灰度图像；

分别计算灰度图像的噪声值及RGB图像各彩色分量的彩色噪声值。

3.如权利要求1所述的方法，其特征在于，所述根据所述RGB偏色系数及彩色噪声进行偏色检测判断的步骤具体为：

确定视频图像的彩色噪声系数；

在所述彩色噪声系数与RGB偏色系数中选择最大的系数值作为接收的视频图像偏色系数；

将视频图像偏色系数与系数阈值比较，确定图像的偏色程度。

4.如权利要求3所述的方法，其特征在于，所述确定视频图像的彩色噪声系数的步骤具体为：

判断所述RGB图像各分量的噪声值中的最大噪声值是否小于预设值；

当判定所述RGB图像各分量的噪声值中的最大噪声值小于预设值时，则彩色噪声系数为1；

当判定所述RGB图像各分量的噪声值中的最大噪声值大于预设值时，则彩色噪声系数为各个颜色分量噪声值与灰度图像噪声值的比值中的最大值。

5.如权利要求3所述的方法，其特征在于，所述在所述彩色噪声系数与RGB偏色系数中选择最大的系数值作为接收的视频图像偏色系数的步骤具体为：

对彩色噪声系数进行加权；

在所述加权的彩色噪声系数与RGB偏色系数中选择最大的值作为接收的视频图像偏色系数。

6.如权利要求3所述的方法，其特征在于，所述系数阈值为多个。

7.一种偏色检测的系统，其特征在于，所述系统包括：

数据接收单元，用于接收视频图像；

系数获取单元，用于获取所述数据接收单元接收的视频图像的RGB偏色系数；

噪声获取单元，用于获取所述数据接收单元接收的视频图像的彩色噪声；

偏色判断单元，用于根据所述系数获取单元获取的RGB偏色系数及噪声获取单元获取的彩色噪声进行偏色检测判断。

8.如权利要求7所述的系统，其特征在于，所述系统噪声获取单元具体包括：

图像转换模块，用于将接收的视频图像转换成灰度图像；

计算模块，用于分别计算灰度图像的噪声值及RGB图像各彩色分量的彩色噪声值。

9.如权利要求7所述的系统，其特征在于，所述偏色判断单元具体包括：

色彩噪声系数确定模块，用于确定视频图像的彩色噪声系数；

视频图像偏色系数确定模块，用于在所述彩色噪声系数与RGB偏色系数中选择最大的系数值作为接收的视频图像偏色系数；

偏色判断模块，用于将视频图像偏色系数确定模块确定的视频图像偏色系数与系数阈值比较，确定图像的偏色程度。

10.如权利要求9所述的系统，其特征在于，所述色彩噪声系数确定模块具体包括：

判断子模块，用于判断所述RGB图像各分量的噪声值中的最大噪声值是否小于预设值，当判定所述RGB图像各分量的噪声值中的最大噪声值小于预设值时，则彩色噪声系数为1，当判定所述RGB图像各分量的噪声值中的最大噪声值大于预设值时，则彩色噪声系数为各个颜色分量噪声值与灰度图像噪声值的比值中的最大值。

Images