CN105338262B - 一种热成像图像处理方法及装置 - Google Patents

一种热成像图像处理方法及装置 Download PDF

Info

Publication number
CN105338262B
CN105338262B CN201510648274.6A CN201510648274A CN105338262B CN 105338262 B CN105338262 B CN 105338262B CN 201510648274 A CN201510648274 A CN 201510648274A CN 105338262 B CN105338262 B CN 105338262B
Authority
CN
China
Prior art keywords
value
pixel
visual field
overlapping region
field overlapping
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
Application number
CN201510648274.6A
Other languages
English (en)
Other versions
CN105338262A (zh
Inventor
卢维
李乾坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Huagan Technology Co ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN201510648274.6A priority Critical patent/CN105338262B/zh
Publication of CN105338262A publication Critical patent/CN105338262A/zh
Priority to PCT/CN2016/100357 priority patent/WO2017059774A1/en
Priority to US15/766,828 priority patent/US10719958B2/en
Priority to EP16853079.8A priority patent/EP3360111A4/en
Application granted granted Critical
Publication of CN105338262B publication Critical patent/CN105338262B/zh
Priority to US16/908,667 priority patent/US11354827B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H04N23/11—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths for generating image signals from visible and infrared light wavelengths
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明实施例公开了一种热成像图像处理方法及装置。该方法包括：确定热成像图像和可见光图像的视场重合区域；分别根据视场重合区域的各个像素点在热成像图像中对应像素点的温度量化值，确定视场重合区域的各个像素点的色相值；分别根据视场重合区域的各个像素点在可见光图像中对应像素点的亮度，确定视场重合区域的各个像素点的亮度值；分别根据视场重合区域的各个像素点在热成像图像中的对应像素点的温度量化值和/或在可见光图像中对应像素点的饱和度，确定视场重合区域的各个像素点的饱和度值；根据视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成视场重合区域的彩色图像。该方案能够对目标的细节进行区分，提高目标的可辨识度。

Description

一种热成像图像处理方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种热成像图像处理方法及装置。
背景技术
热成像设备测量得到的温度，一般通过量化并归一化得到离散值[0，255]，以下称为温度量化值，因此，对目标场景的测量结果表现为一张灰度图。为了更加鲜明地展示出目标场景中的温度分布特点，可以将不同的温度量化值通过一种“温度量化值——颜色”的查找表映射为相应的颜色，得到彩色图像。这种图像更加清楚、鲜明地展示温度数据分布，但是由于热成像图像本身的分辨率较低，图像中的边缘等细节缺失严重，很难从图像中辨识出具体的目标。
发明内容
本发明实施例的目的是提供一种热成像图像处理方法及装置，用于解决热成像图像的边缘等细节缺失严重，无法辨识目标的问题。
本发明实施例的目的是通过以下技术方案实现的：
一种热成像图像处理方法，包括：
确定热成像图像和可见光图像的视场重合区域；
分别根据所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值，确定所述视场重合区域的各个像素点的色相值，对应像素点至少包括相同位置的像素点；
分别根据所述视场重合区域的各个像素点在所述可见光图像中对应像素点的亮度，确定所述视场重合区域的各个像素点的亮度值；
分别根据所述视场重合区域的各个像素点在所述热成像图像中的对应像素点的温度量化值和/或在所述可见光图像中对应像素点的饱和度，确定所述视场重合区域的各个像素点的饱和度值；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像。
可选的，分别根据所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值，确定所述视场重合区域的各个像素点的色相值，包括：
根据温度量化值与全部色相值中的一段连续的色相值的对应关系，分别确定所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值对应的色相值，作为所述视场重合区域的各个像素点的色相值。
可选的，根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像，包括：
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的基于第一色彩空间的彩色图像。
可选的，根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像，包括：
根据色相值、亮度值和饱和度值与第二色彩空间中的参数值的对应关系，确定所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，所述第二色彩空间为红绿蓝RGB、YUV、Lab、或者色相饱和度明度HSV其中一种色彩空间；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，生成所述视场重合区域的基于所述第二色彩空间的彩色图像。
可选的，根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像，包括：
根据色相值、亮度值和饱和度值与在RGB色彩空间中的R值、G值和B值的对应关系，分别确定所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在所述RGB色彩空间中对应的R值、G值和B值；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在所述RGB色彩空间中对应的R值、G值和B值，生成所述视场重合区域的彩色图像。
一种热成像图像处理装置，包括：
视场重合区域确定模块，用于：确定热成像图像和可见光图像的视场重合区域；
色相值确定模块，用于：分别根据所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值，确定所述视场重合区域的各个像素点的色相值，对应像素点至少包括相同位置的像素点；
亮度值确定模块，用于：分别根据所述视场重合区域的各个像素点在所述可见光图像中对应像素点的亮度，确定所述视场重合区域的各个像素点的亮度值；
饱和度值确定模块，用于：分别根据所述视场重合区域的各个像素点在所述热成像图像中的对应像素点的温度量化值和/或在所述可见光图像中对应像素点的饱和度，确定所述视场重合区域的各个像素点的饱和度值；
彩色图像生成模块，用于：根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像。
可选的，所述色相值确定模块，具体用于：
根据温度量化值与全部色相值中的一段连续的色相值的对应关系，分别确定所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值对应的色相值，作为所述视场重合区域的各个像素点的色相值。
可选的，所述彩色图像生成模块，具体用于：
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的基于第一色彩空间的彩色图像。
可选的，所述彩色图像生成模块，具体用于：
根据色相值、亮度值和饱和度值与第二色彩空间中的参数值的对应关系，确定所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，所述第二色彩空间为红绿蓝RGB、YUV、Lab、或者色相饱和度明度HSV其中一种色彩空间；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，生成所述视场重合区域的基于所述第二色彩空间的彩色图像。
可选的，所述彩色图像生成模块，具体用于：
根据色相值、亮度值和饱和度值与在RGB色彩空间中的R值、G值和B值的对应关系，分别确定所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在所述RGB色彩空间中对应的R值、G值和B值；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在所述RGB色彩空间中对应的R值、G值和B值，生成所述视场重合区域的彩色图像。
本发明实施例的有益效果如下：
热成像图像的像素点的全部像素值均是根据温度量化值确定的。以彩色的热成像图像为例，其色度值和亮度值均是根据温度量化值确定的，使得热成像图像的分辨率较低，无法反映目标的细节。例如，热成像图像中有建筑物这一目标，如果建筑物的墙体、窗户等部分的温度相同或相差无几，则反映在热成像图像中是相同或非常相近的颜色，无法加以区分。而本发明实施例提供的技术方案，生成的热成像图像和可见光图像的视场重合区域的彩色图像，其中各个像素点的亮度值是根据可见光图像的亮度确定的，该彩色图像中的各个像素点的饱和度值是根据热成像图像的温度量化值和/或可见光图像的饱和度确定的。可见，通过上述融合得到的彩色图像，其色度(色相值和饱和度值)主要是根据热成像图像的温度量化值确定的，能够反映目标的温度，其亮度值是根据可见光图像的亮度确定的，由于目标的各部分细节之间大多主要体现在明暗差别上，而且可见光图像的亮度反映的是场景的实际亮度，因此能够对目标的细节进行区分，特别是目标边缘部分，使细节更加明显，提高了目标的可辨识度。
附图说明
图1为本发明实施例提供的一种热成像图像处理方法流程图；
图2为本发明实施例提供的一种热成像图像处理装置示意图。
具体实施方式
下面结合附图和实施例对本发明提供的一种热成像图像处理方法及装置进行更详细地说明。
如图1所示，本发明实施例提供的一种热成像图像处理方法，其具体实现方式如下：
步骤110：确定热成像图像和可见光图像的视场重合区域。
其中，视场重合区域中，热成像图像的像素点与可见光图像的像素点一一对应，且均对应场景中的同一环境点。
可选的，上述步骤110中，通过配准的方式确定热成像图像和可见光图像的视场重合区域。当然，也可以采用其它的方式得到热成像图像和可见光图像的视场重合区域。
上述配准的具体实现方式可参照现有的图像配准方式。
步骤120：分别根据视场重合区域的各个像素点在热成像图像中对应像素点的温度量化值，确定视场重合区域的各个像素点的色相值，对应像素点至少包括相同位置的像素点。
步骤130：分别根据视场重合区域的各个像素点在可见光图像中对应像素点的亮度，确定视场重合区域的各个像素点的亮度值。
步骤140：分别根据视场重合区域的各个像素点在热成像图像中的对应像素点的温度量化值和/或在可见光图像中对应像素点的饱和度，确定视场重合区域的各个像素点的饱和度值。
步骤150：根据视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成视场重合区域的彩色图像。
热成像图像的像素点的全部像素值均是根据温度量化值确定的。以彩色的热成像图像为例，其色度值和亮度值均是根据温度量化值确定的，使得热成像图像的分辨率较低，无法反映目标的细节。例如，热成像图像中有建筑物这一目标，如果建筑物的墙体、窗户等部分的温度相同或相差无几，则反映在热成像图像中是相同或非常相近的颜色，无法加以区分。而本发明实施例提供的技术方案，生成的热成像图像和可见光图像的视场重合区域的彩色图像，其中各个像素点的亮度值是根据可见光图像的亮度确定的，该彩色图像中的各个像素点的饱和度值是根据热成像图像的温度量化值和/或可见光图像的饱和度确定的。可见，通过上述融合得到的彩色图像，其色度(色相值和饱和度值)主要是根据热成像图像的温度量化值确定的，能够反映目标的温度，其亮度值是根据可见光图像的亮度确定的，由于目标的各部分细节之间大多主要体现在明暗差别上，而且可见光图像的亮度反映的是场景的实际亮度，因此能够对目标的细节进行区分，特别是目标边缘部分，使细节更加明显，提高了目标的可辨识度。
应当指出的是，上述步骤120～步骤140之间的时序仅是举例并非限定。
其中，对应像素点除了包括相同位置的像素点，还可以包括邻域像素点。邻域像素点可以是相同位置的像素点的四邻域上的像素点，也可以是相同位置的像素点的八邻域上的像素点，甚至以该相同位置的像素点为中心的更大区域的像素点。
上述实施例中，如果对应的像素点仅包括相同位置的像素点，那么，步骤120中，分别根据视场重合区域的各个像素点在热成像图像中相同位置的像素点的温度量化值，确定视场重合区域的各个像素点的色相值。例如，根据热成像图像中第n行第m列的像素点的温度量化值确定视场重合区域的第n行第m列的像素点的色相值。同样，步骤130中，分别根据视场重合区域的各个像素点在可见光图像中相同位置的像素点的亮度，确定视场重合区域的各个像素点的亮度值。例如，根据可见光图像中第n行第m列的像素点的亮度确定视场重合区域的第n行第m列的像素点的亮度值。同样，步骤140中，分别根据视场重合区域的各个像素点在热成像图像中相同位置的像素点的温度量化值和/或在可见光图像中相同位置的像素点的饱和度，确定视场重合区域的各个像素点的饱和度值。例如，根据热成像图像中第n行第m列的像素点的温度量化值和/或可见光图像中第n行第m列的像素点的饱和度，确定视场重合区域的第n行第m列的像素点的饱和度值。
如果对应的像素点除了包括相同位置的像素点，还包括邻域像素点，那么，步骤120中，分别根据视场重合区域的各个像素点在热成像图像中相同位置的像素点及其邻域像素点的温度量化值，确定视场重合区域的各个像素点的色相值。例如，根据热成像图像中第n行第m列的像素点及其四邻域像素点的温度量化值，确定视场重合区域的第n行第m列的像素点的色相值。同样，步骤130中，分别根据视场重合区域的各个像素点在可见光图像中相同位置的像素点及其邻域像素点的亮度，确定视场重合区域的各个像素点的亮度值。例如，根据可见光图像中第n行第m列的像素点及其四邻域像素点的温度量化值，确定视场重合区域的第n行第m列的像素点的亮度值。同样，步骤140中，分别根据视场重合区域的各个像素点在热成像图像中的相同位置的像素点及其邻域像素点的温度量化值和/或在可见光图像中相同位置的像素点及其邻域像素点的饱和度，确定视场重合区域的各个像素点的饱和度值。例如，根据热成像图像中第n行第m列的像素点及其四邻域像素点的温度量化值和/或可见光图像中第n行第m列的像素点及其四邻域像素点的饱和度，确定视场重合区域的第n行第m列的像素点的饱和度值。
例如，采用上述实施例中步骤120～步骤140的实现方式，具体可以是：对热成像图像中相同位置的像素点及其邻域像素点的温度量化值求均值，根据得到的温度量化值的均值，确定视场重合区域的各个像素点的色相值；对可见光图像中相同位置的像素点及其邻域像素点的亮度值求均值，根据得到的亮度值的均值，确定视场重合区域的各个像素点的亮度值；对热成像图像中相同位置的像素点及其邻域像素点的温度量化值求均值和/或对可见光图像中相同位置的像素点及其邻域像素点的饱和度值求均值，根据得到的温度量化值的均值和/或饱和度的均值，确定视场重合区域的各个像素点的饱和度值。再例如，采用上述实施例中步骤120～步骤140的实现方式，具体的还可以是：为热成像图像中相同位置的像素点及其邻域像素点分配不同的权重(如相同位置的像素点的权重最高)，相应的，将热成像图像中相同位置的像素点及其邻域像素点的温度量化值与各自权重的乘积相加得到权重温度量化值，根据得到的权重温度量化值，确定视场重合区域的各个像素点的色相值；将可见光图像中相同位置的像素点及其邻域像素点的亮度值与各自权重的乘积相加得到权重亮度值，根据得到的权重亮度值，确定视场重合区域的各个像素点的亮度值；将热成像图像中相同位置的像素点及其邻域像素点的温度量化值与各自权重的乘积相加得到权重温度量化值，和/或将可见光图像中相同位置的像素点及其邻域像素点的饱和度值与各自权重的乘积相加得到权重饱和度值，根据得到的权重温度量化值和/或权重饱和度值，确定视场重合区域的各个像素点的饱和度值。
可选的，在上述任意实施例的基础上，步骤120的一种实现方式可以是：
根据温度量化值与全部色相值中的一段连续的色相值的对应关系，分别确定视场重合区域的各个像素点在热成像图像中对应像素点的温度量化值对应的色相值，作为视场重合区域的各个像素点的色相值。
例如，该一段连续的色相值可以是360°色轮中的一段连续色相值。
如果利用360°色轮中全部色相值容易出现对应的最高温度量化值和最低温度量化值的对应的色相相近，导致不易区分的情况，本实施例中，由于只利用了全部色相值中的一段色相值，这样在彩色图像中通过色相明显体现温度的高低。
可选的，上述步骤150的实现方式有多种，下面列举其中两种。
步骤150的一种实现方式是：根据视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成视场重合区域的基于第一色彩空间的彩色图像。
其中，第一色彩空间为HSI色彩空间，或者其它的像素点的参数值为色相值、亮度值和饱和度值的色彩空间。
步骤150的另一种实现方式是：根据色相值、亮度值和饱和度值与第二色彩空间中的参数值的对应关系，确定视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，第二色彩空间可以但不仅限于以下任意一种：红绿蓝(RedGreen Blue，RGB)色彩空间、YUV、Lab、色相饱和度明度(Hue Saturation Value，HSV)(也可以称为HSB)色彩空间；根据视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，生成视场重合区域的基于第二色彩空间的彩色图像。
本实施例中，可以通过色相值、亮度值、饱和度值与第二色彩空间中的参数值的对应关系，基于更多的色彩空间显示视场重合区域，这样更加显示彩色图像时更加灵活方便。
应当指出的是，无论在什么样的色彩空间，彩色图像的颜色都是由色相、饱和度和亮度确定的，只是不同的色彩空间对其表示的方式不同。
以RGB色彩空间为例，上述步骤150的另一种实现方式具体为：根据色相值、亮度值和饱和度值与在RGB色彩空间中的红(Red，R)值、绿(Green，G)值和蓝(Blue，B)值的对应关系，分别确定视场重合区域的各个像素点的色相值、亮度值和饱和度值在RGB色彩空间中对应的R值、G值和B值；根据视场重合区域的各个像素点的色相值、亮度值和饱和度值在RGB色彩空间中对应的R值、G值和B值，生成视场重合区域的彩色图像。
下面以HSI色彩空间为例，对本发明实施例提供的一种热成像图像处理方法进行更加详细地说明。
对同一场景，分别利用热成像相机和可见光相机采集得到热成像图像和可见光图像。
对采集到的热成像图像和可见光图像进行配准，确定视场重合区域I重。热成像图像中对应的视场重合区域记为I热，可见光图像中对应的视场重合区域记为I光，I热与I光的像素点已经一一对齐，即对于任意像素点(u,v)，I热(u,v)与I光(u,v)是对应同一环境点。
其中，配准的方式可参照现有的实现方式。
首先确定I重的各个像素点的色相值、亮度值和饱和度值，具体如下：
确定I重的各个像素点的色相值的实现方式为：根据温度量化值与全部色相值中的一段连续的色相值的对应关系，确定I重的各个像素点在I热中相同位置的像素点的温度量化值t对应的色相值h，将h作为I重中像素点的色相值。
其中，温度量化值与全部色相值中的一段连续的色相值的对应关系为h＝fh(t)，温度量化值[tcold，thot]对应的色相值fh(t)的值域为360°色轮中的一段[hcold，hhot]。不同的温度量化值对应的色相值可以相同，也可以不同。
其中，tcold是最低温度量化值，thot最高温度量化值，hcold是最小色相值，hhot最大色相值。若将温度量化后得到的温度量化值的范围为[0，255]，选择蓝色hcold＝240°与最低温度量化值tcold＝0对应，选择黄色hhot＝60°与最高温度量化值thot＝255对应，温度量化值从低到高，对应色相渐变的具体路径为“蓝—紫—红—黄”。这样可以通过色相体现温度的分布。
其中，t与h的对应关系使用线性模型，具体如下：
其中，函数Q(h)为：
其中，h可取的范围是区间[0，360)。
确定I重的各个像素点的亮度值的实现方式为：根据可见光图像亮度值与I重亮度值的对应关系，确定I重的各个像素点在I光中相同位置的像素点的亮度值i光对应的亮度值i，将i作为I重的亮度值。
其中，i光与i的对应关系为i＝fi(i光)，fi(i光)为单调增函数，即i光的值越大，i的值越大。
例如，i光与i的对应关系使用线性模型：
i＝fi(i光)＝ai+bi×i光 (3)
其中ai和bi为模型参数，为保证i∈[0,255]，需满足ai≥0，bi≥0。
可选的，在本实施例中，ai＝0，bi＝1，即i＝i光。
确定I重中各个像素点的饱和度值的实现方式为：根据热成像图像中温度量化值与I重饱和度值的第一分量的对应关系，确定I重的各个像素点在I热中相同位置的像素点的温度量化值t对应的饱和度值的第一分量s1，根据可见光图像饱和值与I重饱和度值的第二分量的对应关系，确定I重的各个像素点在I光中相同位置的像素点的温度量化值t对应的饱和度值的第二分量s2，将s＝s1+s2作为I重的饱和度值。
其中，t与s1的对应关系为s1＝fs1(t)，fs1(t)是预先定义的，若未定义，则s1＝0。
可选的，本实施例中，s1＝0。
其中，I光可以为彩色图像也可以为灰度图像。若为彩色图像，s光与s2的对应关系为s2＝fs2(s光)，fs2(s光)为单调不减函数，即s光的值增大，fs2(s光)的值可以增大，也可以不变。若I光为灰度图像，则s2为常值函数。
例如，s光与s的对应关系为：
s＝s2＝fs2(s光)＝as2+bs2×s光 (4)
其中，as2和bs2为模型参数，为保证s∈[0,1]，需满足as2+bs2≤1，as2≥0，bs2≥0。
本实施例中，as2＝1，bs2＝0，即s＝1。
上述实施例中，最低温度量化值对应的色相可以改为绿色，如hcold＝120°，将线性模型参数改为as2＝0.3，bs2＝0.7，即s＝0.3+0.7×s光。其余参数设置不变，由于温度量化值的最低值对应的目标一般为植物等，其它的目标，如车辆、行人等，相对温度量化值较高，因此，这样得到的彩色图像更加接近真实目标的图像。
根据I重的各个像素点的色相值、亮度值和饱和度值，生成I重的基于HSI色彩空间的彩色图像I融。
应当指出的是：按照上述实施例最终生成的I融中，不同像素点的色相值不同，其对应的温度量化值肯定不同，如公式：
其中，h1和h2分别表示两个不同像素点的色相值，t1和t2分别表示该两个不同像素点对应的温度量化值。
又由于I融中，色度是通过色相和饱和度共同体现的，而色度体现了温度的不同，因此，不同像素点对应的温度量化值不同，除了通过满足色相值不同体现出来，也可以通过满足色相值相同但是饱和度值不相同体现出来，如公式：
其中，t1和t2分别表示两个不同像素点对应的温度量化值，h1和h2分别表示该两个不同像素点的色相值，s1和s2分别表示该两个不同像素点的饱和度值。
如果需要基于其它色彩空间(即上述第二色彩空间)生成彩色图像，如RGB色彩空间，具体实现方式为：根据上述得到的I重的参数值与RGB色彩空间的参数值的映射函数，确定彩色图像中的各个像素点的参数值。
其中，I重的参数值与RGB色彩空间的参数值的映射函数为：
通过上述公式（7）～（10），就可以确定I重的各个像素点在RGB色彩空间中的R值、G值和B值。
若I重的参数值的函数记为(h,s,i)＝F(I融，I光)，则RGB色彩空间的参数值的函数为：(R,G,B)＝T-1(F(I热，I光))＝P(I热，I光)，其中函数T-1为映射函数T的逆映射，代表I重的参数值到RGB色彩空间的参数值的映射函数。P＝T-1(F(I热，I光))为RGB色彩空间的函数。在具体实现中，可以直接根据函数P，确定I重的各个像素点在RGB色彩空间中的R值、G值和B值，以提高处理效率。
基于同样的发明构思，如图2所示，本发明实施例提供一种热成像图像处理装置，包括视场重合区域确定模块201，色相值确定模块202，亮度值确定模块203，饱和度值确定模块204和彩色图像生成模块205。
视场重合区域确定模块201，用于：确定热成像图像和可见光图像的视场重合区域；
色相值确定模块202，用于：分别根据视场重合区域的各个像素点在热成像图像中对应像素点的温度量化值，确定视场重合区域的各个像素点的色相值，对应像素点至少包括相同位置的像素点；
亮度值确定模块203，用于：分别根据视场重合区域的各个像素点在可见光图像中对应像素点的亮度，确定视场重合区域的各个像素点的亮度值；
饱和度值确定模块204，用于：分别根据视场重合区域的各个像素点在热成像图像中的对应像素点的温度量化值和/或在可见光图像中对应像素点的饱和度，确定视场重合区域的各个像素点的饱和度值；
彩色图像生成模块205，用于：根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像。
热成像图像的像素点的全部像素值均是根据温度量化值确定的。以彩色的热成像图像为例，其色度值和亮度值均是根据温度量化值确定的，使得热成像图像的分辨率较低，无法反映目标的细节。例如，热成像图像中有建筑物这一目标，如果建筑物的墙体、窗户等部分的温度相同或相差无几，则反映在热成像图像中是相同或非常相近的颜色，无法加以区分。而本发明实施例提供的技术方案，生成的热成像图像和可见光图像的视场重合区域的彩色图像，其中各个像素点的亮度值是根据可见光图像的亮度确定的，该彩色图像中的各个像素点的饱和度是根据热成像图像的温度量化值和/或可见光图像的饱和度确定的。可见，通过上述融合得到的彩色图像，其色度(色相值和饱和度值)主要是根据热成像图像的温度量化值确定的，能够反映目标的温度，其亮度值是根据可见光图像的亮度确定的，由于目标的各部分细节之间大多主要体现在明暗差别上，而且可见光图像的亮度反映的是场景的实际亮度，因此能够对目标的细节进行区分，特别是目标边缘部分，使细节更加明显，提高了目标的可辨识度。
可选的，色相值确定模块202，具体用于：
根据温度量化值与全部色相值中的一段连续的色相值的对应关系，分别确定视场重合区域的各个像素点在热成像图像中对应像素点的温度量化值对应的色相值，作为视场重合区域的各个像素点的色相值。
可选的，彩色图像生成模块205，具体用于：
根据视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成视场重合区域的基于第一色彩空间的彩色图像。
可选的，彩色图像生成模块205，具体用于：
根据色相值、亮度值和饱和度值与第二色彩空间中的参数值的对应关系，确定视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，第二色彩空间可以但不仅限于以下任意一种：红绿蓝RGB、YUV、Lab、或者色相饱和度明度HSV色彩空间；
根据视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，生成视场重合区域的基于第二色彩空间的彩色图像。
可选的，彩色图像生成模块205，具体用于：
根据色相值、亮度值和饱和度值与在RGB色彩空间中的R值、G值和B值的对应关系，分别确定视场重合区域的各个像素点的色相值、亮度值和饱和度值在RGB色彩空间中对应的R值、G值和B值；
根据视场重合区域的各个像素点的色相值、亮度值和饱和度值在RGB色彩空间中对应的R值、G值和B值，生成视场重合区域的彩色图像。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、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。
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。
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设备上，使得在计算机或其他可编程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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作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范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种热成像图像处理方法，其特征在于，包括：
确定热成像图像和可见光图像的视场重合区域；
分别根据所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值，确定所述视场重合区域的各个像素点的色相值，对应像素点至少包括相同位置的像素点；
分别根据所述视场重合区域的各个像素点在所述可见光图像中对应像素点的亮度，确定所述视场重合区域的各个像素点的亮度值；
分别根据所述视场重合区域的各个像素点在所述热成像图像中的对应像素点的温度量化值和/或在所述可见光图像中对应像素点的饱和度，确定所述视场重合区域的各个像素点的饱和度值；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像；
分别根据所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值，确定所述视场重合区域的各个像素点的色相值，包括：
根据温度量化值与全部色相值中的一段连续的色相值的对应关系，分别确定所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值对应的色相值，作为所述视场重合区域的各个像素点的色相值。
2.根据权利要求1所述的方法，其特征在于，根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像，包括：
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的基于第一色彩空间的彩色图像。
3.根据权利要求1所述的方法，其特征在于，根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像，包括：
根据色相值、亮度值和饱和度值与第二色彩空间中的参数值的对应关系，确定所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，所述第二色彩空间为红绿蓝RGB、YUV、Lab、或者色相饱和度明度HSV其中一种色彩空间；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，生成所述视场重合区域的基于所述第二色彩空间的彩色图像。
4.根据权利要求3所述的方法，其特征在于，根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像，包括：
根据色相值、亮度值和饱和度值与在RGB色彩空间中的R值、G值和B值的对应关系，分别确定所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在所述RGB色彩空间中对应的R值、G值和B值；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在所述RGB色彩空间中对应的R值、G值和B值，生成所述视场重合区域的彩色图像。
5.一种热成像图像处理装置，其特征在于，包括：
视场重合区域确定模块，用于：确定热成像图像和可见光图像的视场重合区域；
色相值确定模块，用于：分别根据所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值，确定所述视场重合区域的各个像素点的色相值，对应像素点至少包括相同位置的像素点；
亮度值确定模块，用于：分别根据所述视场重合区域的各个像素点在所述可见光图像中对应像素点的亮度，确定所述视场重合区域的各个像素点的亮度值；
饱和度值确定模块，用于：分别根据所述视场重合区域的各个像素点在所述热成像图像中的对应像素点的温度量化值和/或在所述可见光图像中对应像素点的饱和度，确定所述视场重合区域的各个像素点的饱和度值；
彩色图像生成模块，用于：根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的彩色图像；
所述色相值确定模块，具体用于：
根据温度量化值与全部色相值中的一段连续的色相值的对应关系，分别确定所述视场重合区域的各个像素点在所述热成像图像中对应像素点的温度量化值对应的色相值，作为所述视场重合区域的各个像素点的色相值。
6.根据权利要求5所述的装置，其特征在于，所述彩色图像生成模块，具体用于：
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值，生成所述视场重合区域的基于第一色彩空间的彩色图像。
7.根据权利要求5所述的装置，其特征在于，所述彩色图像生成模块，具体用于：
根据色相值、亮度值和饱和度值与第二色彩空间中的参数值的对应关系，确定所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，所述第二色彩空间为红绿蓝RGB、YUV、Lab、或者色相饱和度明度HSV其中一种色彩空间；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在第二色彩空间中对应的参数值，生成所述视场重合区域的基于所述第二色彩空间的彩色图像。
8.根据权利要求7所述的装置，其特征在于，所述彩色图像生成模块，具体用于：
根据色相值、亮度值和饱和度值与在RGB色彩空间中的R值、G值和B值的对应关系，分别确定所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在所述RGB色彩空间中对应的R值、G值和B值；
根据所述视场重合区域的各个像素点的色相值、亮度值和饱和度值在所述RGB色彩空间中对应的R值、G值和B值，生成所述视场重合区域的彩色图像。
CN201510648274.6A 2015-10-09 2015-10-09 一种热成像图像处理方法及装置 Active CN105338262B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201510648274.6A CN105338262B (zh) 2015-10-09 2015-10-09 一种热成像图像处理方法及装置
PCT/CN2016/100357 WO2017059774A1 (en) 2015-10-09 2016-09-27 Methods and systems for fusion display of thermal infrared and visible image
US15/766,828 US10719958B2 (en) 2015-10-09 2016-09-27 Methods and systems for fusion display of thermal infrared and visible image
EP16853079.8A EP3360111A4 (en) 2015-10-09 2016-09-27 Methods and systems for fusion display of thermal infrared and visible image
US16/908,667 US11354827B2 (en) 2015-10-09 2020-06-22 Methods and systems for fusion display of thermal infrared and visible image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510648274.6A CN105338262B (zh) 2015-10-09 2015-10-09 一种热成像图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN105338262A CN105338262A (zh) 2016-02-17
CN105338262B true CN105338262B (zh) 2018-09-21

Family

ID=55288516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510648274.6A Active CN105338262B (zh) 2015-10-09 2015-10-09 一种热成像图像处理方法及装置

Country Status (4)

Country Link
US (2) US10719958B2 (zh)
EP (1) EP3360111A4 (zh)
CN (1) CN105338262B (zh)
WO (1) WO2017059774A1 (zh)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105338262B (zh) * 2015-10-09 2018-09-21 浙江大华技术股份有限公司 一种热成像图像处理方法及装置
CN106778803B (zh) * 2016-11-17 2019-06-07 广州杰赛科技股份有限公司 一种基于红外图像识别技术的指甲定位方法及美甲设备
US10924670B2 (en) * 2017-04-14 2021-02-16 Yang Liu System and apparatus for co-registration and correlation between multi-modal imagery and method for same
CN107911629B (zh) * 2017-11-03 2019-12-24 浙江大华技术股份有限公司 一种亮度调节方法及装置
CN110363731B (zh) * 2018-04-10 2021-09-03 杭州海康微影传感科技有限公司 一种图像融合方法、装置及电子设备
CN108711160B (zh) * 2018-05-18 2022-06-14 西南石油大学 一种基于hsi增强性模型的目标分割方法
CN108921857A (zh) * 2018-06-21 2018-11-30 中国人民解放军61062部队科技装备处 一种面向监视场景的视频图像焦点区域分割方法
US11070763B2 (en) * 2018-06-27 2021-07-20 Snap-On Incorporated Method and system for displaying images captured by a computing device including a visible light camera and a thermal camera
CN110246108B (zh) * 2018-11-21 2023-06-20 浙江大华技术股份有限公司 一种图像处理方法、装置及计算机可读存储介质
JP7231462B2 (ja) * 2019-04-05 2023-03-01 株式会社キーエンス 画像検査システム及び画像検査方法
CN110120056B (zh) * 2019-05-21 2021-08-10 闽江学院 基于自适应直方图阈值和轮廓检测的血液白细胞分割方法
CN110493494B (zh) * 2019-05-31 2021-02-26 杭州海康威视数字技术股份有限公司 图像融合装置及图像融合方法
CN111080568B (zh) * 2019-12-13 2023-05-26 兰州交通大学 一种基于Tetrolet变换的近红外与彩色可见光图像融合算法
CN111161356B (zh) * 2019-12-17 2022-02-15 大连理工大学 一种基于双层优化的红外和可见光融合方法
CN111314707B (zh) * 2020-01-17 2022-03-15 深圳力维智联技术有限公司 数据映射识别方法、装置、设备及可读存储介质
CN111445409B (zh) * 2020-03-25 2023-02-28 东风汽车集团有限公司 基于夜视摄像头辅助的夜间aeb功能的性能提升方法及系统
WO2021196209A1 (zh) * 2020-04-03 2021-10-07 深圳市大疆创新科技有限公司 图像处理方法及设备、摄像装置、可移动设备、计算机可读存储介质
CN111507298B (zh) * 2020-04-24 2023-12-12 深圳数联天下智能科技有限公司 人脸检测方法、装置、计算机设备和存储介质
CN111798560B (zh) * 2020-06-09 2023-09-01 同济大学 一种电力设备红外热像测温数据三维实景模型可视化方法
CN113873178B (zh) * 2020-06-30 2024-03-22 Oppo广东移动通信有限公司 多媒体处理芯片、电子设备和图像处理方法
CN111669531B (zh) * 2020-07-31 2023-04-07 北京环境特性研究所 一种视频编码器的操控方法
US11375166B2 (en) * 2020-09-21 2022-06-28 Microsoft Technology Licensing, Llc Selective colorization of thermal imaging
CN112218007A (zh) * 2020-10-26 2021-01-12 国网河南省电力公司濮阳供电公司 一种变电站可移动短波红外在线系统
CN113961026B (zh) * 2020-10-27 2022-09-30 深圳职业技术学院 一种基于多基色光谱叠加过程的环境光照模拟系统
US20220207673A1 (en) * 2020-12-24 2022-06-30 Continental Automotive Systems, Inc. Method and device for fusion of images
CN113205470B (zh) * 2021-03-19 2022-08-30 昆明物理研究所 基于色调饱和度映射的红外中短波双色融合方法
CN113177901B (zh) * 2021-04-01 2021-11-30 北京科技大学 一种机器人视觉的多帧运动图像融合方法及系统
CN113487529B (zh) * 2021-07-12 2022-07-26 吉林大学 一种基于Yolo的气象卫星云图目标检测方法
CN113393410A (zh) * 2021-07-26 2021-09-14 浙江大华技术股份有限公司 一种图像融合方法、装置、电子设备及存储介质
CN113974420B (zh) * 2021-10-29 2023-02-17 添可智能科技有限公司 智能烹饪设备控制方法及智能烹饪设备
CN114331937B (zh) * 2021-12-27 2022-10-25 哈尔滨工业大学 基于反馈迭代调节的低光照条件下多源图像融合方法
CN115291646B (zh) * 2022-07-08 2022-12-23 福建省龙氟新材料有限公司 用于氟化锂制备的能源管理控制系统及其控制方法
CN117333412B (zh) * 2023-10-23 2024-03-26 中国传媒大学 基于最小二乘拟合的热红外图像与可见光图像融合方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7620265B1 (en) * 2004-04-12 2009-11-17 Equinox Corporation Color invariant image fusion of visible and thermal infrared video
CN102547063A (zh) * 2012-02-08 2012-07-04 南京航空航天大学 基于颜色对比度增强的自然感彩色融合方法
US8755597B1 (en) * 2011-02-24 2014-06-17 Exelis, Inc. Smart fusion of visible and infrared image data
CN104240246A (zh) * 2014-09-11 2014-12-24 昆明云锗高新技术有限公司 热图像精细化显示的方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001082593A1 (en) 2000-04-24 2001-11-01 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Apparatus and method for color image fusion
US8354639B2 (en) * 2008-11-25 2013-01-15 Flir Systems Ab IR camera with adjustable view parameter settings
US9171361B2 (en) 2010-04-23 2015-10-27 Flir Systems Ab Infrared resolution and contrast enhancement with fusion
US9635285B2 (en) * 2009-03-02 2017-04-25 Flir Systems, Inc. Infrared imaging enhancement with fusion
WO2013144298A1 (en) 2012-03-30 2013-10-03 Flir Systems Ab Facilitating analysis and interpretation of associated visible light and infrared (ir) image information
US8824828B1 (en) * 2012-03-28 2014-09-02 Exelis, Inc. Thermal V-curve for fusion image declutter
CN102722864B (zh) 2012-05-18 2014-11-26 清华大学 一种图像增强方法
KR101926489B1 (ko) * 2013-02-04 2018-12-07 한화테크윈 주식회사 다중대역 필터배열 센서를 이용한 영상융합장치 및 방법
US9654704B2 (en) * 2013-03-15 2017-05-16 Infrared Integrated Systems, Ltd. Apparatus and method for multispectral imaging with three dimensional overlaying
US9990730B2 (en) * 2014-03-21 2018-06-05 Fluke Corporation Visible light image with edge marking for enhancing IR imagery
CN104079908B (zh) * 2014-07-11 2015-12-02 上海富瀚微电子股份有限公司 红外与可见光图像信号处理方法及其实现装置
CN105338262B (zh) 2015-10-09 2018-09-21 浙江大华技术股份有限公司 一种热成像图像处理方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7620265B1 (en) * 2004-04-12 2009-11-17 Equinox Corporation Color invariant image fusion of visible and thermal infrared video
US8755597B1 (en) * 2011-02-24 2014-06-17 Exelis, Inc. Smart fusion of visible and infrared image data
CN102547063A (zh) * 2012-02-08 2012-07-04 南京航空航天大学 基于颜色对比度增强的自然感彩色融合方法
CN104240246A (zh) * 2014-09-11 2014-12-24 昆明云锗高新技术有限公司 热图像精细化显示的方法

Also Published As

Publication number Publication date
US10719958B2 (en) 2020-07-21
WO2017059774A1 (en) 2017-04-13
US20200357147A1 (en) 2020-11-12
CN105338262A (zh) 2016-02-17
EP3360111A4 (en) 2018-09-05
US11354827B2 (en) 2022-06-07
EP3360111A1 (en) 2018-08-15
US20180300906A1 (en) 2018-10-18

Similar Documents

Publication Publication Date Title
CN105338262B (zh) 一种热成像图像处理方法及装置
Ganesan et al. Segmentation and edge detection of color images using CIELAB color space and edge detectors
CN101770646A (zh) 基于Bayer RGB图像的边缘检测方法
US10560686B2 (en) Photographing device and method for obtaining depth information
JP6325520B2 (ja) むら検査システム、むら検査方法およびむら検査プログラム
CN104052979B (zh) 用于图像处理的装置和技术
CN106791758B (zh) 一种图像中自然光混合色温的判断方法及装置
CN109408008B (zh) 影像辨识系统及其信息显示方法
EP2798831A1 (en) Spectral image processing
JP3809838B2 (ja) 照明源固有ｈｓｖ色座標を用いた画像ハイライト補正方法、画像ハイライト補正プログラム、および画像取得システム
JP2022059013A (ja) 情報処理装置、認識支援方法およびコンピュータプログラム
CN106529556B (zh) 一种仪表指示灯的视觉检测系统
JP2011095061A5 (zh)
CN104933706B (zh) 一种成像系统色彩信息标定方法
KR20140012631A (ko) 이미지처리방법과 장치
CN104361602B (zh) 一种基于modis图像的水体颜色检测方法及装置
CN109151431B (zh) 一种图像色偏补偿方法、装置及显示设备
AU2017443546B2 (en) Method of displaying an image on a see-through display
CN110796628A (zh) 图像融合方法、装置、拍摄装置及存储介质
CN106791741B (zh) 多屏衔接方法及装置
CN105450937B (zh) 图像处理方法和图像处理器
Amano et al. Color constancy in natural scenes with and without an explicit illuminant cue
KR101212026B1 (ko) 적응 크로마키 영상 합성 장치 및 방법
AU2010217093A1 (en) Method for the entropy-based determination of object edge curves
CN108765502A (zh) 一种复杂环境下的色貌获取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20231010

Address after: Room 201, Building A, Integrated Circuit Design Industrial Park, No. 858, Jianshe 2nd Road, Economic and Technological Development Zone, Xiaoshan District, Hangzhou City, Zhejiang Province, 311215

Patentee after: Zhejiang Huagan Technology Co.,Ltd.

Address before: Hangzhou City, Zhejiang province Binjiang District 310053 shore road 1187

Patentee before: ZHEJIANG DAHUA TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right