CN105631815B - 一种基于历史帧图像均值统计的智能增强方法 - Google Patents
一种基于历史帧图像均值统计的智能增强方法 Download PDFInfo
- Publication number
- CN105631815B CN105631815B CN201510962728.7A CN201510962728A CN105631815B CN 105631815 B CN105631815 B CN 105631815B CN 201510962728 A CN201510962728 A CN 201510962728A CN 105631815 B CN105631815 B CN 105631815B
- Authority
- CN
- China
- Prior art keywords
- flag
- average
- field picture
- enhancing
- gamma
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000002708 enhancing effect Effects 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims abstract description 9
- 238000005286 illumination Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明公开了一种基于历史帧图像均值统计的智能增强方法,包括:抓取输入视频流中的每一帧图像;计算每一帧图像均值;当上一帧标识位flag为0时,统计连续N帧图像均值是否均小于第一阈值X1,如果满足要求,则进入自适应伽马增强处理,否则直接输出结果;当检测到上一帧标识位flag为1时,统计连续N帧图像均值是否均大于第二阈值X2,如果满足要求,则退出增强处理并直接输出结果,否则继续进行增强处理。本发明经过实测,在夜间等低照度环境中,可以通过算法自适应的开启增强功能,在光线较强的情况下自动关闭增强功能,使许多低照度增强类算法可以通过该智能模式自动开启和关闭。
Description
技术领域
本发明涉及一种视频增强算法,特别是涉及一种基于历史帧图像均值统计的智能增强方法。
背景技术
在安防领域,大多数相机里面已经集成了可调节亮度、对比度等增强算法,然而,这些功能需要手动调整,无法满足复杂多变的实际应用环境。尤其是在摄像头较多的情况下,手动调节每个摄像头的做法费时费力。
发明内容
本发明的目的在于克服现有技术的不足,提供一种对视频的历史帧图像均值进行统计,分析得到下一帧是否需要进行增强的智能增强方法。
本发明的目的是通过以下技术方案来实现的:一种基于历史帧图像均值统计的智能增强方法,包括以下步骤:
S1:抓取输入视频流中的每一帧图像;
S2:计算每一帧图像均值;
计算每一帧图像均值都是在当前帧上计算得到的,当抓取到视频流的第一帧后,计算第一帧图像均值,并对标识位flag初始化,初始化方法如下:
(1)当第一帧图像均值小于第一阈值X1,则flag=0;
(2)当第一帧图像均值大于第二阈值X2,则flag=1;
其中,标识位flag是一个设定的符号,其值为0或者1,其存放位置可以是寄存器,也可以是图像任何一个位置;
S3:除第一帧外,检测到上一帧图像的标识位flag信息:
(1)上一帧标识位flag==0:
在视频流中,当检测到上一帧标识位flag为0时,表明上一帧图像没有增强处理,则统计当前帧之前连续N帧图像均值(需要存储连续N帧图像均值于寄存器中)是否均小于第一阈值X1,如果满足要求,则进入自适应伽马增强处理,根据当前帧图像均值选择相应伽马值进行伽马增强处理,并将当前帧的标识位flag设为1;否则直接输出结果,并将标识位flag设为0;
(2)上一帧标识位flag==1:
在视频流中,当检测到上一帧标识位flag为1时,表明上一帧图像已经进行过增强处理,则统计当前帧之前连续N帧图像均值(需要存储连续N帧图像均值于寄存器中)是否均大于第二阈值X2,如果满足要求,则退出增强处理并直接输出结果,并将当前帧的标识位flag设为0;否则保持之前的状态不变,继续进行增强处理,根据当前帧图像均值选择相应伽马值进行伽马增强处理,并将标识位flag设为1。
所述第一阈值X1的取值范围为:0.15*H~0.31*H,第二阈值X2的取值范围为:0.23*H~0.55*H,其中,H为视频流亮度分量的位深。
所述自适应伽马增强处理为多组伽马增强处理,将多组伽马值与不同照度环境一一对应,其对应关系为:
gama=(0.5*M+6.4)/64
其中,M为图像均值,表示不同照度环境,gama为伽马值,0.5为增益系数,6.4为偏移系数,64为归一化系数,当图像均值范围在[0,64]区间变化时,其伽马值的范围为[0.1,0.6]。
所述伽玛增强的方法为:F(x,y)=f(x,y)gama,其中,f(x,y)为原始图像,F(x,y)为增强图像,gama为伽马值。
统计连续多帧图像均值的步骤中求图像均值的方法可以是全局均值、分块均值、区域均值。
所述N的计算方法为:
N=t*fps
其中,N为帧数,t为时间单位(s),一般取值为[0,3600],fps为视频帧率。
本发明的有益效果是:本发明经过实测,在夜间等低照度环境中,需要增强时,可以通过算法自适应的开启增强功能,在光线较强的情况下自动关闭增强功能,使许多低照度增强类算法可以通过该智能模式自动开启和关闭。
本发明主要是统计视频图像的亮度值,通过该统计量来判断视频图像是否需要做增强调节,该统计量是基于真实图像的观察与实验得到的,通过设定两个阈值X1和X2,使得增强的开启不受外界干扰影响。
与现有技术相比,存在以下优势:
(1)智能增强框架整体稳定可靠。
(2)传统的图像亮度调节算法用一组曲线(伽马值是固定值)进行调节,效果较差且应用范围有限,本发明将多组伽马值与不同照度环境一一对应,动态调整环境中的增强效果。
(3)传统的图像增强算法硬件实现较难,而伽马调节可以采用查表实现,相比于传统的直方图增强方法,速度快且实现简单。
(4)相对于硬件的自动增益方法,伽马调节使图像更柔和。
附图说明
图1为本发明流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种基于历史帧图像均值统计的智能增强方法,包括以下步骤:
S1:抓取输入视频流中的每一帧图像;
S2:计算每一帧图像均值;
计算每一帧图像均值都是在当前帧上计算得到的,当抓取到视频流的第一帧后,计算第一帧图像均值,并对flag初始化,初始化方法如下:
(1)当第一帧图像均值小于第一阈值X1,则flag=0;
(2)当第一帧图像均值大于第二阈值X2,则flag=1;
注:flag是一个设定的符号,其值为0或者1,其存放位置可以是寄存器,也可以是图像任何一个位置;
S3:除第一帧外,检测到上一帧图像的标识位flag信息:
(1)上一帧标识位flag==0:
在视频流中,当检测到上一帧标识位flag为0时,表明上一帧图像没有增强处理,则统计当前帧之前连续N帧图像均值(需要存储连续N帧图像均值于寄存器中)是否均小于第一阈值X1,如果满足要求,则进入自适应伽马增强处理,根据当前帧图像均值选择相应伽马值进行伽马增强处理,并将当前帧的标识位flag设为1;否则直接输出结果,并将标识位flag设为0;
(2)上一帧标识位flag==1:
在视频流中,当检测到上一帧标识位flag为1时,表明上一帧图像已经进行过增强处理,则统计当前帧之前连续N帧图像均值(需要存储连续N帧图像均值于寄存器中)是否均大于第二阈值X2,如果满足要求,则退出增强处理并直接输出结果,并将当前帧的标识位flag设为0;否则保持之前的状态不变,继续进行增强处理,根据当前帧图像均值选择相应伽马值进行伽马增强处理,并将标识位flag设为1。
第一阈值X1、第二阈值X2是可以调节的,在实际测试中发现,合理的阈值范围会使增强变得更加智能和准确,通过实验室的标定与实际环境的多次验证,第一阈值X1的取值范围为0.15*H~0.31*H,第二阈值X2的取值范围为0.23*H~0.55*H。其中,H为视频流亮度分量的位深。
现有的伽马增强大多数为一个固定值,其应用范围受限。本技术将多组伽马值与不同照度环境一一对应,动态调整环境中的增强效果。
所述自适应伽马增强处理为多组伽马增强处理,将多组伽马值与不同照度环境一一对应,其对应关系为:
gama=(0.5*M+6.4)/64
其中,M为图像均值,表示不同照度环境,gama为伽马值,0.5为增益系数,6.4为偏移系数,64为归一化系数,当图像均值范围在[0,64]区间变化时,其伽马值的范围为[0.1,0.6]。
所述伽玛增强的方法为:F(x,y)=f(x,y)gama,其中,f(x,y)为原始图像,F(x,y)为增强图像,gama为伽马值。
统计连续多帧图像均值的步骤中求图像均值的方法可以是全局均值、分块均值、区域均值。
为了避免外界的扰动引起误判,防止满足条件的临界点增强时出现闪烁现象,需要累计帧判断,理论上累计帧越多越好,但考虑到实际应用,通过实验室的模拟测试以及各种路况实测得到一个较优的关系:N=t*fps,N为帧数,t为时间单位(s),一般取值为[0,3600],fps为视频帧率。本实施例中得到的N为150帧。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (4)
1.一种基于历史帧图像均值统计的智能增强方法,其特征在于,包括以下步骤:
S1:抓取输入视频流中的每一帧图像;
S2:计算每一帧图像均值;
计算每一帧图像均值都是在当前帧上计算得到的,当抓取到视频流的第一帧后,计算第一帧图像均值,并对标识位flag初始化,初始化方法如下:
(1)当第一帧图像均值小于第一阈值X1,则flag=0;
(2)当第一帧图像均值大于第二阈值X2,则flag=1;
其中,标识位flag是一个设定的符号,其值为0或者1;
S3:除第一帧外,检测到上一帧图像的标识位flag信息:
(1)上一帧标识位flag等于0:
在视频流中,当检测到上一帧标识位flag为0时,表明上一帧图像没有增强处理,则统计当前帧之前连续N帧图像均值是否均小于第一阈值X1,如果满足要求,则进入自适应伽马增强处理,根据当前帧图像均值选择相应伽马值进行伽马增强处理,并将当前帧的标识位flag设为1;否则直接输出结果,并将标识位flag设为0;
(2)上一帧标识位flag等于1:
在视频流中,当检测到上一帧标识位flag为1时,表明上一帧图像已经进行过增强处理,则统计当前帧之前连续N帧图像均值是否均大于第二阈值X2,如果满足要求,则退出增强处理并直接输出结果,并将当前帧的标识位flag设为0;否则保持之前的状态不变,继续进行增强处理,根据当前帧图像均值选择相应伽马值进行伽马增强处理,并将标识位flag设为1。
2.根据权利要求1所述的一种基于历史帧图像均值统计的智能增强方法,其特征在于:所述第一阈值X1的取值范围为:0.15*H~0.31*H,第二阈值X2的取值范围为:0.23*H~0.55*H,其中,H为视频流亮度分量的位深。
3.根据权利要求1所述的一种基于历史帧图像均值统计的智能增强方法,其特征在于:所述自适应伽马增强处理为多组伽马增强处理,将多组伽马值与不同照度环境一一对应,其对应关系为:
gama=(0.5*M+6.4)/64
其中,M为图像均值,表示不同照度环境,gama为伽马值,0.5为增益系数,6.4为偏移系数,64为归一化系数,当图像均值范围在[0,64]区间变化时,其伽马值的范围为[0.1,0.6];所述伽玛增强的方法为:F(x,y)=f(x,y)gama,其中,f(x,y)为原始图像,F(x,y)为增强图像,gama为伽马值。
4.根据权利要求1所述的一种基于历史帧图像均值统计的智能增强方法,其特征在于:所述N的计算方法为:
N=t*fps
其中,N为帧数,t为时间单位秒,取值范围为[0,3600],fps为视频帧率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510962728.7A CN105631815B (zh) | 2015-12-18 | 2015-12-18 | 一种基于历史帧图像均值统计的智能增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510962728.7A CN105631815B (zh) | 2015-12-18 | 2015-12-18 | 一种基于历史帧图像均值统计的智能增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105631815A CN105631815A (zh) | 2016-06-01 |
CN105631815B true CN105631815B (zh) | 2018-04-20 |
Family
ID=56046703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510962728.7A Active CN105631815B (zh) | 2015-12-18 | 2015-12-18 | 一种基于历史帧图像均值统计的智能增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105631815B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484864A (zh) * | 2014-12-31 | 2015-04-01 | 苏州科达科技股份有限公司 | 获取图像伽马曲线、增强图像对比度的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6045185B2 (ja) * | 2011-06-14 | 2016-12-14 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
-
2015
- 2015-12-18 CN CN201510962728.7A patent/CN105631815B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484864A (zh) * | 2014-12-31 | 2015-04-01 | 苏州科达科技股份有限公司 | 获取图像伽马曲线、增强图像对比度的方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于特征显著性的均值漂移鲁棒目标跟踪;陈东岳 等;《上海交通大学学报》;20131130;第47卷(第11期);第1807-1812页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105631815A (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101827204B (zh) | 一种运动目标侦测方法及系统 | |
CN102625030B (zh) | 视频增强方法和系统 | |
CN105530406B (zh) | 一种基于历史帧图像统计值的智能增强方法 | |
JP5045371B2 (ja) | 動画像の各画素の前景背景分類装置、方法及びプログラム | |
CN103530847B (zh) | 一种红外图像增强方法 | |
CN108985169B (zh) | 基于深度学习目标检测与动态背景建模的商店跨门经营检测方法 | |
CN102982537B (zh) | 一种检测场景变换的方法和系统 | |
CN104125419B (zh) | 一种基于cmos图像传感器的自适应分辨率实现方法 | |
CN108133463B (zh) | 一种直方图均衡化图像的降噪方法及系统 | |
CN105430385A (zh) | 一种图像传感器坏点检测和校正的方法及装置 | |
CN104700405B (zh) | 一种前景检测方法和系统 | |
CN113963305B (zh) | 一种视频关键帧和特写片段提取方法 | |
CN104717402B (zh) | 一种空时域联合噪声估计系统 | |
CN105989583B (zh) | 一种图像去雾方法 | |
CN105635524A (zh) | 一种基于历史帧图像暗区直方图面积统计的智能增强方法 | |
US9571744B2 (en) | Video processing method and apparatus | |
CN103065301B (zh) | 一种双向比对视频镜头分割方法 | |
CN107977941A (zh) | 一种明亮区域色彩保真及对比度增强的图像去雾方法 | |
CN105631815B (zh) | 一种基于历史帧图像均值统计的智能增强方法 | |
CN107481211A (zh) | 一种基于梯度域融合的夜间交通监控增强方法 | |
Hu et al. | A low illumination video enhancement algorithm based on the atmospheric physical model | |
CN106033600B (zh) | 基于函数曲线变换的动态对比度增强方法 | |
CN106296626B (zh) | 一种基于梯度融合的夜间视频增强方法 | |
US8693769B2 (en) | Image classification methods and systems | |
CN106686318B (zh) | 一种减少红外灯辐射的控制方法和装置 |
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 |