CN105704454B - 一种改善抓拍取证图像roi清晰度的方法 - Google Patents
一种改善抓拍取证图像roi清晰度的方法 Download PDFInfo
- Publication number
- CN105704454B CN105704454B CN201610111678.6A CN201610111678A CN105704454B CN 105704454 B CN105704454 B CN 105704454B CN 201610111678 A CN201610111678 A CN 201610111678A CN 105704454 B CN105704454 B CN 105704454B
- Authority
- CN
- China
- Prior art keywords
- roi
- target images
- image
- effective
- channel
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种改善抓拍取证图像ROI清晰度的方法,通过八个步骤对ROI图像改善亮度,提升区域轮廓细节和控制区域颜色,达到提高图像清晰度的目的。本发明相比现有技术具有以下优点:本发明解决了智能交通视频图像取证显示时,抓拍取证系统中的车辆视频图像中多个ROI感兴趣区域图像参数不能同步自适应调整;成像环境、压缩编码、传输过程引起的亮度、颜色,清晰度衰退;感兴趣目标ROI视频图像显示效果较差等关键问题。
Description
技术领域
本发明涉及图像清晰度处理领域,尤其涉及的是一种改善抓拍取证图像ROI清晰度的方法。
背景技术
近年来,随着城镇化速度不断加快,交通道路以及交通车辆日益增多。无论是在发达国家还是发展中国家,都不同程度地受到交通发展带来问题的困扰,由此导致了能源消耗,时间浪费,财产损失。随着智能交通领域的迅猛发展,交通安全管理部门对违章违法行驶的交通车辆进行快速有效的监控有着重要的实际意义,使得智能交通抓拍取证系统也逐渐得到广泛应用。
智能交通抓拍摄像机安装在道路边上,由于内部图像传感器本身特性约束,外界光源干扰,灰尘雨雾等不利工作环境,会影响违法/违章车辆抓拍图像的取证效果。另外,图像后期处理和传输过程中,有些图像处理算法,比如平滑,去隔行效应,压缩编码等,使得图像轮廓细节模糊,造成关键特征不清晰。鉴于抓拍图像一般作为违法取证材料,所以,执法人员和违法/违章驾驶嫌疑人都对取证图像的清晰度提出了较高要求。能否较好地呈现感兴趣区域(Region of Interest,ROI)目标图像的关键细节与特征显得尤其重要,比如车辆型号,车牌字符、驾驶员特征,以及违章/违法事件检测到的其他辅助参考目标等。
随着交通道路的智能抓拍摄像机监控点日益增多,每个摄像机日夜工作,会产生海量的视频图像数据传送至监控中心,给取证执法人员带来较大压力。因此,如何有目的性地关注全景视频图像的ROI感兴趣区域显得尤其重要。如图1所示,当全景取证图像的多个ROI目标经过ROI筛选之后,再将ROI显示在监控中心的显示屏幕,辅助监控中心的全景视频图像。
目前的抓拍图像中ROI图像清晰度效果无法全部达到最佳,主要原因有如下方面:智能抓拍摄像机工作时间长,外部玻璃罩积累的灰尘会影响图像的清晰度和画面的颜色鲜艳程度;光线不足或光线被遮挡,也会使得特定区域图像亮度欠佳;视频图像在传输过程中,压缩编码也会损失图像的高频细节和轮廓;除此之外,抓拍摄像机生成原始图像的参数(如亮度、锐度、饱和度、对比度等)是全局调节控制的,一般在初始化配置之后很少调整,全局控制的参数不能同时兼顾画面中多个子区域的显示效果。该情况下,如果直接在原始图像中截取ROI图像进行预览显示,肯定会导致部分ROI清晰度不理想等问题。所以,该问题是当前智能交通领域抓拍取证系统亟待需要解决的主要内容之一。
发明内容
本发明的目的在于克服现有技术的不足,提供了一种改善抓拍取证图像ROI清晰度的方法。
本发明是通过以下技术方案实现的:一种改善抓拍取证图像ROI清晰度的方法,其特征在于步骤如下:
步骤一、通过智能摄像机获取原始图像,测量原始图像的尺寸,并确定出ROI目标图像在原始图像中的位置;
步骤二、判断ROI目标图像的有效性,
根据输入的原始图像尺寸信息以及ROI信息,这里的原始图像尺寸信息包括原始图像宽度I_wdith以及原始图像的高度I_height。ROI信息包括ROI目标图像横向坐标起始位置ROI_x、ROI目标图像纵向坐标起始位置ROI_y、ROI目标图像宽度ROI_wdith以及ROI目标图像的高度ROI_height。然后判断输入的ROI目标图像位置是否在原始图像的有效边界范围内,具体做法是判断是否满足如下条件:
1)、ROI_x+ROI_wdith<=I_wdith;
2)、ROI_y+ROI_height<=I_height;
3)、ROI目标图像的宽度ROI_wdith不少于32像素;
4)、ROI目标图像的高度ROI_height不少于32像素;
5)、ROI区域的像素总和不少于预置的判断阈值THR_roisize,即:
ROI_height*ROI_wdith>=THR_roisize
其中,I_wdith是原始图像宽度,I_height是原始图像的高度,ROI_x是ROI目标图像横向坐标起始位置,ROI_y是ROI目标图像纵向坐标起始位置,ROI_wdith是ROI目标图像的宽度,ROI_height是ROI目标图像的高度,
只有同时满足上述5个条件才判决该ROI目标图像为有效ROI目标图像,否则判决该ROI目标图像无效;
步骤三、创建ROI图像亮度分量以及创建HSV空间,提取有效ROI目标图像的每一个像素点的RGB颜色通道的信息R(i,j),G(i,j)和B(i,j),
计算有效ROI目标图像的每一个像素点的亮度Y(i,j):
(i,j)∈Ω,Ω表示有效ROI目标图像的全部像素点坐标集,
其中,wr为R通道系数取值0.299,wg为G通道系数取值0.587,wb为B通道系数取值0.114,全部通道权重系数总和
根据上述获得的Y(i,j)计算该有效ROI目标图像的亮度整体平均值Y_mean,
Ω是有效ROI目标图像的全部像素点坐标集,Psum是有效ROI目标图像的全部像素总和,
然后采用HSV颜色空间转换模型,将该有效ROI目标图像的R、G、B通道信号转换为H、S、V通道信号,具体转换公式如下:
有效ROI目标图像的每一个像素点的V通道信号为V(i,j),S通道信号为S(i,j),H通道信号为H(i,j),
V通道信号计算方式如下,
V(i,j)=max[R(i,j),G(i,j),B(i,j)],
S通道信号计算方式如下,
H通道信号计算方式如下,
步骤四、创建ROI图像S分量和V分量均值,计算有效ROI目标图像V分量和S分量的平均值:
计算有效ROI目标图像V分量的平均值V_mean;
Ω是有效ROI目标图像的全部像素点坐标集,Psum是有效ROI目标图像的全部像素总和计算有效ROI目标图像S分量平均值S_mean:
S_mean=S_sum/S_num
S_thr是有效ROI目标图像的S分量统计阈值,S_sum是有效ROI目标图像的S分量的累加和变量,S_cnt是有效ROI目标图像的S分量的计数器变量,S_num是S分量满足阈值S_thr的有效像素数目总和;
步骤五、调整有效ROI目标图像的亮度,经过亮度处理后输出的有效ROI目标图像的各个颜色通道分量X′,X∈{R,G,B},R′是经过亮度处理后输出的有效ROI目标图像的R通道分量,G′是G通道分量,B′是B通道分量;
经过亮度处理后输出的有效ROI目标图像的每个像素上R、G、B各颜色通道的分量的数值为X′(i,j),X∈{R,G,B},R′(i,j)是经过亮度处理后每个像素上R通道的分量的数值,G′(i,j)是经过亮度处理后G通道分量的数值,B′(i,j)是经过亮度处理后B通道分量的数值,(i,j)∈Ω,Ω表示有效ROI目标图像的全部像素点坐标集;
X′(i,j)=WX1(i,j)·V(i,j)+[1-WX1(i,j)]·X(i,j),
其中X(i,j)是步骤三提取的有效ROI目标图像的每个像素上RGB各颜色通道分量信息,X∈{R,G,B};
步骤六、有效ROI目标图像锐度处理,
使用锐化掩膜系数矩阵Ms对步骤五获得的经过亮度处理后输出的有效ROI目标图像的各个颜色通道分量X′进行卷积滤波处理,获得高频信息图像,所述高频信息图像的各个颜色通道分量为Xs,X∈{R,G,B},其中Ms为5*5的矩阵,
Ms矩阵的各行元素取值依次为:
s00~s04:0,-0.062,-0.126,-0.062,0
s10~s14:-0.062,0,-0.126,0,-0.062
s20~s24:-0.126,0.126,-0.5,0.126,-0.126
s30~s34:-0.062,0,-0.126,0,-0.062
s40~s44:0,-0.062,-0.126,-0.062,0使用高频细节过滤阈值THR_hf对高频信息图像的每个像素的各个颜色通道分量数值Xs(i,j)进行抑噪处理,THR_hf的取值范围为[0,4],抑噪处理后的高频信息图像的每个像素的各个颜色通道分量数值为Xs′(i,j)
对Xs′(i,j)的数值范围进行饱和截取获得Xs″(i,j),Xs″是进行饱和截取处理后各个颜色通道的分量,X∈{R,G,B},
Xs″(i,j)=min{max[-THR_clip,Xs′(i,j)],THR_clip},
THR_clip是高频细节最大限制值,其取值范围是[0,32],
锐化增强获得锐化增强结果图像,锐化增强结果图像的各个颜色通道分量为Xt,
Xt=X+W2·Xs″
其中X是步骤三提取的有效ROI目标图像的RGB通道分量,W2是增益加权系数,X∈{R,G,B},
W2=min(Y_mean/W2_base,W2_max),
其中,W2_base是锐化权重的基准校验参考值,其取值范围是[16,64],W2_max是锐化权重的最大增益系数,其取值范围是[0,4];
步骤七、有效ROI目标图像颜色处理,
使用3*3的对角阵Mc来调整图像的颜色,
Mc的表示形式如下:
式中的c00=c11=c22=1+W3,c01=c02=c10=c12=c20=c2=–W3*0.5,
其中W3为有效ROI目标图像颜色处理单元的权重系数,W3=0.5–max[0,min(S_mean-S_thr,0.5)],
使用Mc来调整有效ROI目标图像X的颜色,步骤六获得的锐化增强结果图像的R、G、B通道分量为Xt,X∈{R,G,B},经过有效ROI目标图像颜色处理单元的输出结果为Xto,X∈{R,G,B},
经过上述转换,输出以Xto为R、G、B通道分量的图像,X∈{R,G,B};
步骤八、重复上述步骤四至步骤七,完成所有有效ROI目标图像的处理,并将处理好的图像输出显示。
作为对上述方案的进一步改进,ROI目标图像在原始图像中的位置是通过车牌识别软件、视频分析与检测算法软件获取的。
作为对上述方案的进一步改进,ROI目标图像在原始图像中的位置是管理员在原始图像中预先标定的。
作为对上述方案的进一步改进,THR_roisizer取值为1024。
作为对上述方案的进一步改进,S_thr取值为0.1。
作为对上述方案的进一步改进,锐化掩膜系数矩阵Ms为5*5的矩阵,
作为对上述方案的进一步改进,
Ms矩阵的各行元素取值依次为:
s00~s04:0,-0.062,-0.126,-0.062,0
s10~s14:-0.062,0,-0.126,0,-0.062
s20~s24:-0.126,0.126,-0.5,0.126,-0.126
s30~s34:-0.062,0,-0.126,0,-0.062
s40~s44:0,-0.062,-0.126,-0.062,0。
作为对上述方案的进一步改进,THR_hf取值为2,THR_clip取值为25,W2_base取值为32,W2_max取值为4。
本发明相比现有技术具有以下优点:本发明提出一种改善抓拍取证图像ROI清晰度的方法及系统,针对现有问题,旨在解决抓拍取证系统中的多个ROI感兴趣区域图像参数不能自适应调整;成像环境、压缩编码、传输过程引起的亮度、颜色,清晰度衰退;以及感兴趣目标ROI图像显示效果较差的关键问题。本发明依据抓拍取证的全景视频图像的ROI图像HSV颜色空间局部特征信息,自动计算和创建ROI清晰度处理所需的指导参数,然后使用权重函数来改善区域亮度,采用锐化掩膜系数提升区域轮廓细节,采用自适应变化的对角矩阵来控制区域颜色。通过所设计的控制参数创建单元、亮度处理单元、边缘处理单元、颜色处理单元处理之后,能够实现多个ROI图像的同步自适应处理,无需人工干预参数的配置,操作方便,实现简单。能较大程度上改善感兴趣区域目标图像的清晰度,增强抓拍取证系统的实用性,提高了监控中心对违章违法车辆进行视频图像取证的效率。
附图说明
图1单幅原始图像中ROI目标图像的清晰度处理流程示意图。
图2判断ROI目标图像的有效性的流程图。
图3创建ROI图像亮度分量以及创建HSV空间的单元流程图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
一种改善抓拍取证图像ROI清晰度的方法,其特征在于步骤如下:
步骤一、通过智能摄像机获取原始图像,测量原始图像的尺寸,并确定出ROI目标图像在原始图像中的位置,ROI目标图像在原始图像中的位置可以通过车牌识别软件、视频分析与检测算法软件二者中任一方法获取,也可以是管理员在全景抓拍取证图像中预先标定;
步骤二、判断ROI目标图像的有效性,
根据输入的原始图像尺寸信息以及ROI信息,这里的原始图像尺寸信息包括原始图像宽度I_wdith以及原始图像的高度I_height。ROI信息包括ROI目标图像横向坐标起始位置ROI_x、ROI目标图像纵向坐标起始位置ROI_y、ROI目标图像宽度ROI_wdith以及ROI目标图像的高度ROI_height。然后判断输入的ROI目标图像位置是否在原始图像的有效边界范围内,具体做法是判断是否满足如下条件:
1)、ROI_x+ROI_wdith<=I_wdith;
2)、ROI_y+ROI_height<=I_height;
3)、ROI目标图像的宽度ROI_wdith不少于32像素;
4)、ROI目标图像的高度ROI_height不少于32像素;
5)、ROI区域的像素总和不少于预置的判断阈值THR_roisize,即:
ROI_height*ROI_wdith>=THR_roisize
其中,I_wdith是原始图像宽度,I_height是原始图像的高度,ROI_x是ROI目标图像横向坐标起始位置,ROI_y是ROI目标图像纵向坐标起始位置,ROI_wdith是ROI目标图像的宽度,ROI_height是ROI目标图像的高度,THR_roisizer取值为1024,
只有同时满足上述5个条件才判决该ROI目标图像为有效ROI目标图像,否则判决该ROI目标图像无效;
步骤三、创建ROI图像亮度分量以及创建HSV空间,提取有效ROI目标图像的每一个像素点的RGB颜色通道的信息R(i,j),G(i,j)和B(i,j),
计算有效ROI目标图像的每一个像素点的亮度Y(i,j):
(i,j)∈Ω,Ω表示有效ROI目标图像的全部像素点坐标集,
其中,wr为R通道系数取值0.299,wg为G通道系数取值0.587,wb为B通道系数取值0.114,全部通道权重系数总和
根据上述获得的Y(i,j)计算该有效ROI目标图像的亮度整体平均值Y_mean。
Ω是有效ROI目标图像的全部像素点坐标集,Psum是有效ROI目标图像的全部像素总和,
然后采用HSV颜色空间转换模型,将该有效ROI目标图像的R、G、B通道信号转换为H、S、V通道信号,具体转换公式如下:
有效ROI目标图像的每一个像素点的V通道信号为V(i,j),S通道信号为S(i,j),H通道信号为H(i,j),
V通道信号计算方式如下,
V(i,j)=max[R(i,j),G(i,j),B(i,j)],
S通道信号计算方式如下,
H通道信号计算方式如下,
步骤四、创建ROI图像S分量和V分量均值,计算有效ROI目标图像V分量和S分量的平均值:
计算有效ROI目标图像V分量的平均值V_mean;
Ω是有效ROI目标图像的全部像素点坐标集,Psum是有效ROI目标图像的全部像素总和计算有效ROI目标图像S分量平均值S_mean:
S_mean=S_sum/S_num
S_thr是有效ROI目标图像的S分量统计阈值,S_sum是有效ROI目标图像的S分量的累加和变量,S_cnt是有效ROI目标图像的S分量的计数器变量,S_num是S分量满足阈值S_thr的有效像素数目总和;
步骤五、调整有效ROI目标图像的亮度,经过亮度处理后输出的有效ROI目标图像的各个颜色通道分量X′,X∈{R,G,B},R′是经过亮度处理后输出的有效ROI目标图像的R通道分量,G′是G通道分量,B′是B通道分量;
经过亮度处理后输出的有效ROI目标图像的每个像素上R、G、B各颜色通道的分量的数值为X′(i,j),X∈{R,G,B},R′(i,j)是经过亮度处理后每个像素上R通道的分量的数值,G′(i,j)是经过亮度处理后G通道分量的数值,B′(i,j)是经过亮度处理后B通道分量的数值,(i,j)∈Ω,Ω表示有效ROI目标图像的全部像素点坐标集;
X′(i,j)=WX1(i,j)·V(i,j)+[1-WX1(i,j)]·X(i,j),
其中X(i,j)是步骤三提取的有效ROI目标图像的每个像素上RGB各颜色通道分量信息,X∈{R,G,B};
步骤六、有效ROI目标图像锐度处理,
使用锐化掩膜系数矩阵Ms对步骤五获得的经过亮度处理后输出的有效ROI目标图像的各个颜色通道分量X′进行卷积滤波处理,
Ms矩阵的各行元素取值依次为:
s00~s04:0,-0.062,-0.126,-0.062,0
s10~s14:-0.062,0,-0.126,0,-0.062
s20~s24:-0.126,0.126,-0.5,0.126,-0.126
s30~s34:-0.062,0,-0.126,0,-0.062
s40~s44:0,-0.062,-0.126,-0.062,0
获得高频信息图像,高频信息图像的各个颜色通道分量为Xs,
X∈{R,G,B},
使用高频细节过滤阈值THR_hf对高频信息图像的每个像素的各个颜色通道分量数值Xs(i,j)进行抑噪处理,THR_hf的取值范围为[0,4],优选2,抑噪处理后的高频信息图像的每个像素的各个颜色通道分量数值为Xs′(i,j)
对Xs′(i,j)的数值范围进行饱和截取获得Xs″(i,j),Xs″是进行饱和截取处理后各个颜色通道的分量,X∈{R,G,B},
Xs″(i,j)=min{max[-THR_clip,Xs′(i,j)],THR_clip},
THR_clip是高频细节最大限制值,其取值范围是[0,32],优选25,
锐化增强获得锐化增强结果图像,锐化增强结果图像的各个颜色通道分量为Xt,
Xt=X+W2·Xs″
其中X是步骤三提取的有效ROI目标图像的RGB通道分量,W2是增益加权系数,X∈{R,G,B},
W2=min(Y_mean/W2_base,W2_max),
其中,W2_base是锐化权重的基准校验参考值,其取值范围是[16,64],优选32,W2_max是锐化权重的最大增益系数,其取值范围是[0,4],优选4;
步骤七、有效ROI目标图像颜色处理,
使用3*3的对角阵Mc来调整图像的颜色,
Mc的表示形式如下:
式中的c00=c11=c22=1+W3,c01=c02=c10=c12=c20=c2=–W3*0.5,
其中W3为有效ROI目标图像颜色处理单元的权重系数,W3=0.5–max[0,min(S_mean-S_thr,0.5)],
使用Mc来调整有效ROI目标图像X的颜色,步骤六获得的锐化增强结果图像的R、G、B通道分量为Xt,X∈{R,G,B},经过有效ROI目标图像颜色处理单元的输出结果为Xto,X∈{R,G,B},
经过上述转换,输出以Xto为R、G、B通道分量的图像,X∈{R,G,B};
步骤八、重复上述步骤四至步骤七,完成所有有效ROI目标图像的处理,并将处理好的图像输出显示。
依据抓拍取证的全景视频图像的ROI图像HSV颜色空间局部特征信息,自动计算和创建ROI清晰度处理所需的指导参数,然后使用权重函数来改善区域亮度,采用锐化掩膜系数提升区域轮廓细节,采用自适应变化的对角矩阵来控制区域颜色。通过所设计的控制参数创建单元、亮度处理单元、边缘处理单元、颜色处理单元处理之后,能够实现多个ROI图像的同步自适应处理,无需人工干预参数的配置,操作方便,实现简单。能较大程度上改善感兴趣区域目标图像的清晰度,增强抓拍取证系统的实用性,提高了监控中心对违章违法车辆进行视频图像取证的效率。
以上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 (6)
1.一种改善抓拍取证图像ROI清晰度的方法,其特征在于步骤如下:
步骤一、通过智能摄像机获取原始图像,测量原始图像的尺寸,并确定出ROI目标图像在原始图像中的位置;
步骤二、判断ROI目标图像的有效性,
根据输入的原始图像尺寸信息以及ROI信息,这里的原始图像尺寸信息包括原始图像宽度I_wdith以及原始图像的高度I_height;ROI信息包括ROI目标图像横向坐标起始位置ROI_x、ROI目标图像纵向坐标起始位置ROI_y、ROI目标图像宽度ROI_wdith以及ROI目标图像的高度ROI_height,然后判断输入的ROI目标图像位置是否在原始图像的有效边界范围内,具体做法是判断是否满足如下条件:
1)、ROI_x+ROI_wdith<=I_wdith;
2)、ROI_y+ROI_height<=I_height;
3)、ROI目标图像的宽度ROI_wdith不少于32像素;
4)、ROI目标图像的高度ROI_height不少于32像素;
5)、ROI区域的像素总和不少于预置的判断阈值THR_roisize,即:
ROI_height*ROI_wdith>=THR_roisize
其中,I_wdith是原始图像宽度,I_height是原始图像的高度,ROI_x是ROI目标图像横向坐标起始位置,ROI_y是ROI目标图像纵向坐标起始位置,ROI_wdith是ROI目标图像的宽度,ROI_height是ROI目标图像的高度,
只有同时满足上述5个条件才判决该ROI目标图像为有效ROI目标图像,否则判决该ROI目标图像无效;
步骤三、创建ROI图像亮度分量以及创建HSV空间,提取有效ROI目标图像的每一个像素点的RGB颜色通道的信息R(i,j),G(i,j)和B(i,j),
计算有效ROI目标图像的每一个像素点的亮度Y(i,j):
(i,j)∈Ω,Ω表示有效ROI目标图像的全部像素点坐标集,
其中,wr为R通道系数取值0.299,wg为G通道系数取值0.587,wb为B通道系数取值0.114,全部通道权重系数总和
根据上述获得的Y(i,j)计算该有效ROI目标图像的亮度整体平均值Y_mean,
Ω是有效ROI目标图像的全部像素点坐标集,Psum是有效ROI目标图像的全部像素总和,
然后采用HSV颜色空间转换模型,将该有效ROI目标图像的R、G、B通道信号转换为H、S、V通道信号,具体转换公式如下:
有效ROI目标图像的每一个像素点的V通道信号为V(i,j),S通道信号为S(i,j),H通道信号为H(i,j),
V通道信号计算方式如下,
V(i,j)=max[R(i,j),G(i,j),B(i,j)],
S通道信号计算方式如下,
H通道信号计算方式如下,
步骤四、创建ROI图像S分量和V分量均值,计算有效ROI目标图像V分量和S分量的平均值:
计算有效ROI目标图像V分量的平均值V_mean;
Ω是有效ROI目标图像的全部像素点坐标集,Psum是有效ROI目标图像的全部像素总和
计算有效ROI目标图像S分量平均值S_mean:
S_mean=S_sum/S_num
S_thr是有效ROI目标图像的S分量统计阈值,S_sum是有效ROI目标图像的S分量的累加和变量,S_cnt是有效ROI目标图像的S分量的计数器变量,S_num是S分量满足阈值S_thr的有效像素数目总和;
步骤五、调整有效ROI目标图像的亮度,经过亮度处理后输出的有效ROI目标图像的各个颜色通道分量X′,X∈{R,G,B},R′是经过亮度处理后输出的有效ROI目标图像的R通道分量,G′是G通道分量,B′是B通道分量;
经过亮度处理后输出的有效ROI目标图像的每个像素上R、G、B各颜色通道的分量的数值为X′(i,j),X∈{R,G,B},R′(i,j)是经过亮度处理后每个像素上R通道的分量的数值,G′(i,j)是经过亮度处理后G通道分量的数值,B′(i,j)是经过亮度处理后B通道分量的数值,(i,j)∈Ω,Ω表示有效ROI目标图像的全部像素点坐标集;
X′(i,j)=WX1(i,j)·V(i,j)+[1-WX1(i,j)]·X(i,j),
其中X(i,j)是步骤三提取的有效ROI目标图像的每个像素上RGB各颜色通道分量信息,X∈{R,G,B};
步骤六、有效ROI目标图像锐度处理,
使用锐化掩膜系数矩阵Ms对步骤五获得的经过亮度处理后输出的有效ROI目标图像的各个颜色通道分量X′进行卷积滤波处理,获得高频信息图像,所述高频信息图像的各个颜色通道分量为Xs,X∈{R,G,B},其中Ms为5*5的矩阵,
Ms矩阵的各行元素取值依次为:
s00~s04:0,-0.062,-0.126,-0.062,0
s10~s14:-0.062,0,-0.126,0,-0.062
s20~s24:-0.126,0.126,-0.5,0.126,-0.126
s30~s34:-0.062,0,-0.126,0,-0.062
s40~s44:0,-0.062,-0.126,-0.062,0
使用高频细节过滤阈值THR_hf对高频信息图像的每个像素的各个颜色通道分量数值Xs(i,j)进行抑噪处理,THR_hf的取值范围为[0,4],抑噪处理后的高频信息图像的每个像素的各个颜色通道分量数值为Xs′(i,j)
对Xs′(i,j)的数值范围进行饱和截取获得Xs″(i,j),Xs″是进行饱和截取处理后各个颜色通道的分量,X∈{R,G,B},
Xs″(i,j)=min{max[-THR_clip,Xs′(i,j)],THR_clip},
THR_clip是高频细节最大限制值,其取值范围是[0,32],
锐化增强获得锐化增强结果图像,所述锐化增强结果图像的各个颜色通道分量为Xt,
Xt=X+W2·Xs″
其中X是步骤三提取的有效ROI目标图像的RGB通道分量,W2是增益加权系数,X∈{R,G,B},
W2=min(Y_mean/W2_base,W2_max),
其中,W2_base是锐化权重的基准校验参考值,其取值范围是[16,64],W2_max是锐化权重的最大增益系数,其取值范围是[0,4];
步骤七、有效ROI目标图像颜色处理,
使用3*3的对角阵Mc来调整图像的颜色,
Mc的表示形式如下:
式中的c00=c11=c22=1+W3,c01=c02=c10=c12=c20=c2=–W3*0.5,
其中W3为有效ROI目标图像颜色处理单元的权重系数,W3=0.5–max[0,min(S_mean-S_thr,0.5)],
使用Mc来调整有效ROI目标图像X的颜色,步骤六获得的锐化增强结果图像的R、G、B通道分量为Xt,X∈{R,G,B},经过有效ROI目标图像颜色处理单元的输出结果为Xto,X∈{R,G,B},
经过上述转换,输出以Xto为R、G、B通道分量的图像,X∈{R,G,B};
步骤八、重复上述步骤四至步骤七,完成所有有效ROI目标图像的处理,并将处理好的图像输出显示。
2.如权利要求1所述一种改善抓拍取证图像ROI清晰度的方法,其特征在于:ROI目标图像在原始图像中的位置是通过车牌识别软件、视频分析与检测算法软件获取的。
3.如权利要求1所述一种改善抓拍取证图像ROI清晰度的方法,其特征在于:ROI目标图像在原始图像中的位置是管理员在原始图像中预先标定的。
4.如权利要求1所述一种改善抓拍取证图像ROI清晰度的方法,其特征在于:所述THR_roisizer取值为1024。
5.如权利要求1所述一种改善抓拍取证图像ROI清晰度的方法,其特征在于:所述S_thr取值为0.1。
6.如权利要求1所述一种改善抓拍取证图像ROI清晰度的方法,其特征在于:所述THR_hf取值为2,所述THR_clip取值为25,所述W2_base取值为32,所述W2_max取值为4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610111678.6A CN105704454B (zh) | 2016-02-29 | 2016-02-29 | 一种改善抓拍取证图像roi清晰度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610111678.6A CN105704454B (zh) | 2016-02-29 | 2016-02-29 | 一种改善抓拍取证图像roi清晰度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105704454A CN105704454A (zh) | 2016-06-22 |
CN105704454B true CN105704454B (zh) | 2018-08-14 |
Family
ID=56223553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610111678.6A Active CN105704454B (zh) | 2016-02-29 | 2016-02-29 | 一种改善抓拍取证图像roi清晰度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105704454B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106506988A (zh) * | 2016-11-14 | 2017-03-15 | 广州视睿电子科技有限公司 | 画面参数的配置方法和装置 |
CN107240092B (zh) * | 2017-05-05 | 2020-02-14 | 浙江大华技术股份有限公司 | 一种图像模糊度检测方法及装置 |
CN109711317A (zh) * | 2018-12-21 | 2019-05-03 | 重庆理工大学 | 基于区域特征的成熟柑橘果实及枝叶的分割识别方法 |
CN110276738B (zh) * | 2019-06-28 | 2023-07-28 | 上海工程技术大学 | 一种bmp图像的roi替换处理方法 |
WO2024077798A1 (en) * | 2022-10-11 | 2024-04-18 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Image data coding methods and systems |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101262604A (zh) * | 2008-04-23 | 2008-09-10 | 哈尔滨工程大学 | 一种感兴趣区优先传输的可伸缩视频编码方法 |
CN101945287A (zh) * | 2010-10-14 | 2011-01-12 | 杭州华三通信技术有限公司 | 一种roi编码方法及其系统 |
CN103258434A (zh) * | 2013-04-25 | 2013-08-21 | 广州中国科学院软件应用技术研究所 | 基于视频交通流检测和车辆识别的图像边缘检测系统 |
CN103956055A (zh) * | 2014-05-15 | 2014-07-30 | 山西中创伟业科技有限公司 | 一种车辆图像抓拍装置及其抓拍控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8970701B2 (en) * | 2011-10-21 | 2015-03-03 | Mesa Engineering, Inc. | System and method for predicting vehicle location |
-
2016
- 2016-02-29 CN CN201610111678.6A patent/CN105704454B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101262604A (zh) * | 2008-04-23 | 2008-09-10 | 哈尔滨工程大学 | 一种感兴趣区优先传输的可伸缩视频编码方法 |
CN101945287A (zh) * | 2010-10-14 | 2011-01-12 | 杭州华三通信技术有限公司 | 一种roi编码方法及其系统 |
CN103258434A (zh) * | 2013-04-25 | 2013-08-21 | 广州中国科学院软件应用技术研究所 | 基于视频交通流检测和车辆识别的图像边缘检测系统 |
CN103956055A (zh) * | 2014-05-15 | 2014-07-30 | 山西中创伟业科技有限公司 | 一种车辆图像抓拍装置及其抓拍控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105704454A (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105704454B (zh) | 一种改善抓拍取证图像roi清晰度的方法 | |
WO2017028587A1 (zh) | 车辆监控的方法和装置、处理器、图像采集设备 | |
US8417053B2 (en) | Cleaning method for foggy images | |
CN106991707B (zh) | 一种基于昼夜成像特征的交通信号灯图像强化方法及装置 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
CN103747213A (zh) | 一种基于运动目标的交通监控视频实时去雾方法 | |
CN108154492B (zh) | 一种基于非局部均值滤波的图像去雾霾方法 | |
CN101630360A (zh) | 一种在高清晰图像中识别车牌的方法 | |
Zheng et al. | Infrared traffic image enhancement algorithm based on dark channel prior and gamma correction | |
US7873235B2 (en) | Fog isolation and rejection filter | |
CN111754440A (zh) | 车牌图像增强方法、系统、设备及存储介质 | |
CN104598905A (zh) | 一种车牌定位方法和装置 | |
CN104616258A (zh) | 一种针对道路图像的快速去雾方法 | |
KR101561626B1 (ko) | 주행차량의 번호판 인식이 실시간으로 가능한 차량용 블랙박스 | |
Chen et al. | Robust license plate detection in nighttime scenes using multiple intensity IR-illuminator | |
CN105488797A (zh) | 一种hsv空间的车牌定位方法 | |
CN105740836A (zh) | 一种违法占用应急车道的检测方法 | |
CN108093175B (zh) | 一种实时高清视频自适应去雾方法及装置 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
CN103778605A (zh) | 一种雾天图像增强方法 | |
CN111598814A (zh) | 基于极端散射通道的单图像去雾方法 | |
KR101534646B1 (ko) | 영상에서 안개를 제거하기 위한 영상 처리 장치 및 방법 | |
CN111815556A (zh) | 基于纹理提取和小波变换的车载鱼眼相机自诊断方法 | |
CN107480683A (zh) | 一种图像处理方法及装置 |
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 |