CN106485682A - 一种实时图像处理方法及装置 - Google Patents

一种实时图像处理方法及装置 Download PDF

Info

Publication number
CN106485682A
CN106485682A CN201610906729.4A CN201610906729A CN106485682A CN 106485682 A CN106485682 A CN 106485682A CN 201610906729 A CN201610906729 A CN 201610906729A CN 106485682 A CN106485682 A CN 106485682A
Authority
CN
China
Prior art keywords
vector
absorbance
mist
image
mist elimination
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.)
Pending
Application number
CN201610906729.4A
Other languages
English (en)
Inventor
郭剑
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.)
LeTV Holding Beijing Co Ltd
LeTV Mobile Intelligent Information Technology Beijing Co Ltd
Original Assignee
LeTV Holding Beijing Co Ltd
LeTV Mobile Intelligent Information Technology Beijing 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 LeTV Holding Beijing Co Ltd, LeTV Mobile Intelligent Information Technology Beijing Co Ltd filed Critical LeTV Holding Beijing Co Ltd
Priority to CN201610906729.4A priority Critical patent/CN106485682A/zh
Publication of CN106485682A publication Critical patent/CN106485682A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开一种实时图像处理方法及装置，方法包括：根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；如果所述第一透射率向量符合去雾条件，则对所述有雾图像进行去雾处理。本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。

Description

一种实时图像处理方法及装置
技术领域
本发明涉及图像处理相关技术领域，特别是一种实时图像处理方法及装置。
背景技术
近年来，环境污染愈发严重，出现雾霾的城市也在不断增加。雾霾的存在使得能见度大大降低。雾天情况下，大气中存在大量的颗粒介质，如水珠，灰尘颗粒等。目标物体的反射光线经过大气时，会被这些介质散射和吸收，光强度发生衰减，导致图像的对比度降低，细节特征被覆盖，色彩严重失真。雾、霾的出现降低了场景的可见度，改变了捕获图像的色彩，降低了图像的对比度与清晰度，这也为后续的图像处理带来困难。图像信息的缺失会给目标判定带来一定的困难，特别是在浓雾天气下，可视度极度下降，图像模糊，直接影响交通运输、室外监控、侦查、导航、遥感遥测等户外成像系统效用的发挥。
为此，现有技术提出各种图像去雾方法。
然而，发明人在实现发明的过程中发现，在对图像进行去雾处理时会严重地消耗车辆运算单元的运算能力，因此，如果车辆采用现有的图像去雾方法对采集的所有图像进行去雾的话，会影响车辆性能。
发明内容
本发明提供一种实时图像处理及装置，以解决现有技术的图像去雾技术容易影响车辆性能的技术问题。
本发明实施例提供一种实时图像处理方法，包括：
根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；
获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；
如果所述第一透射率向量符合去雾条件，则对所述有雾图像进行去雾处理。
进一步的，所述如果第一透射率向量符合去雾条件，则对所述有雾图像进行去雾处理，具体包括：
将符合去雾条件的所述第一透射率向量转化为第二透射率向量，使用所述第二透射率向量对所述照片进行去雾处理。
进一步的，所述第一透射率向量符合去雾条件，具体包括：
将所述第一透射率向量中低于预设透射率阈值的向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件。
进一步的，所述第一透射率向量符合去雾条件，具体包括：
将所述第一透射率向量中与图像中心区域的像素点对应的向量元素作为待判断向量元素；
将低于预设透射率阈值的待判断向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件。
再进一步的，所述方法还包括：
当车速超过预设车速提升阈值时，增加所述采样频率，当车速低于预设车速减少阈值时，减少所述采样频率。
本发明实施例提供一种实时图像处理装置，包括：
图像抽取模块，用于：根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；
第一透射率获取模块，用于：获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；
去雾模块，用于：如果所述第一透射率向量符合去雾条件，则对所述有雾图像进行去雾处理。
进一步的，所述去雾模块，具体用于：
将符合去雾条件的所述第一透射率向量转化为第二透射率向量，使用所述第二透射率向量对所述照片进行去雾处理。
进一步的，所述第一透射率向量符合去雾条件，具体包括：
将所述第一透射率向量中低于预设透射率阈值的向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件。
进一步的，所述第一透射率向量符合去雾条件，具体包括：
将所述第一透射率向量中与图像中心区域的像素点对应的向量元素作为待判断向量元素；
将低于预设透射率阈值的待判断向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件。
再进一步的，所述装置还包括频率自适应模块，用于：
当车速超过预设车速提升阈值时，增加所述采样频率，当车速低于预设车速减少阈值时，减少所述采样频率。
本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。
附图说明
图1为本发明一实施例提供的一种实时图像处理方法的工作流程图；
图2为本发明另一实施例提供的一种实时图像处理方法的工作流程图；
图3为本发明再一实施例提供的一种实时图像处理方法的工作流程图；
图4为本发明又一实施例提供的一种实时图像处理方法的工作流程图；
图5为本发明又一实施例提供的一种实时图像处理装置的装置模块图；
图6为本发明又一实施例提供的一种实时图像处理装置的装置模块图；
图7为本发明第十实施例提供的执行实时图像处理方法的电子设备的硬件结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细的说明。
实施例一
如图1所示为本发明一实施例提供的一种实时图像处理方法，包括：
步骤S101，根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；
步骤S102，获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；
步骤S103，如果第一透射率向量符合去雾条件，则对所述有雾图像进行去雾处理。
车辆在运行过程中，其车头或者车身的摄像装置可以实时采集视频，采集的视频可以用于图像检测、障碍物跟踪、危险决策系统、报警、故障处理等方面。当车辆运行时，可以由车辆的电子控制单元(Electronic Control Unit，ECU)执行步骤S101，从摄像装置所采集的视频中按照采样频率抽取一帧图像作为有雾图像。例如每10帧或者20帧抽取一帧图像，然后执行步骤S102计算第一透射率向量，只有符合去雾条件的，才执行步骤S103进行去雾处理。由于每间隔一定帧数才抽取一帧图像判断是否需要进行去雾处理，因此能很好地减少图像去雾对车辆实时性能的影响。同时，由于视频是实时连续采集的，雾霾的影响是对连续多帧图像进行影响的，因此，对其中一帧图像判断是否进行去雾处理能有效地满足图像检测、障碍物跟踪、危险决策系统、报警、故障处理等方面的需求。
具体来说，步骤S102计算第一透射率向量，首先计算出图像各像素点的暗原色通道，得到暗原色通道向量。然后采用现有的计算大气光成分值方式确定大气光成分值A，并计算出第一透射率向量t，第一透射率向量中每个向量元素与图像的每个像素点对应，第一透射率向量t的第i个向量元素为图像中的第i个像素点的第一透射率。
其中，第一透射率向量可以采用如下方式计算：
计算其中，ti为第一透射率向量中第i个像素点的第一透射率，ωi为图像中以第i个像素点为中心的窗口，为图像中第i个像素点的c通道的值，Ac为大气光成分值的c通道的值，c为R通道、G通道或者B通道之一，θ为第一常量，且0<θ≤1。
在现实生活中，就算是晴朗气候下，大气中还是会存在部分微尘颗粒(比如我们在大树下乘凉时，从树叶透射过来的光线中我们可以看到微尘颗粒在空气中浮动)。因此，在实际晴朗天气下捕获到的图片中也有微弱的薄雾存在。本实施例引入第一常量θ(0<θ≤1)，使得去雾后图像中保留少量的雾、霾成分，去雾后图像显得更加真实。优选地，θ＝0.95。同时，在计算第一透射率时，采用的是大气光成分值的暗通道的值，使得第一透射率的计算更为准确。
然后，步骤S103根据第一透射率向量判断是否需要进行去雾处理。
最后，所得到的无雾图像，可以在视频中用于替换对应的有雾图像，或者采用无雾图像进行图像检测、障碍物跟踪、危险决策系统、报警、故障处理等技术分析。
本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。
实施例二
如图2所示为本发明可选实施例提供的一种实时图像处理方法的工作流程图，包括：
步骤S201，当车速超过预设车速提升阈值时，增加采样频率，当车速低于预设车速减少阈值时，减少采样频率。
当车辆速度加快时，其经过的路程较长，视频中的物体变化较快，此时增大采样频率，能对更多的图像进行去雾，避免遗漏障碍物。而当车辆速度减少时，其经过的路程较短，视频中的物体变化不大，因此可以减少采样频率，减少对车辆性能的影响。
应该予以说明的是，在本实施例中，将步骤S201设置在步骤S202之前仅是为了说明需要，并不构成对步骤S201顺序上的限定。实际上，在步骤S202～S206的任一步骤之前或之后也允许执行步骤S201。即，当车速超过预设车速提升阈值，或者低于预设车速减少阈值时，均可触发步骤S201对采样频率进行修改。
步骤S202，根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像。
具体来说，采样频率根据车速进行调整，当车速超过预设车速提升阈值时，增加所述采样频率，当车速低于预设车速减少阈值时，减少所述采样频率。
步骤S203，获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量。
第一透射率向量可以采用如下方式计算：
计算其中，ti为第一透射率向量中第i个像素点的第一透射率，ωi为图像中以第i个像素点为中心的窗口，为图像中第i个像素点的c通道的值，Ac为大气光成分值的c通道的值，c为R通道、G通道或者B通道之一，θ为第一常量，且0<θ≤1。
步骤S204，如果第一透射率向量符合去雾条件，则执行步骤S205，否则执行步骤S207。
第一透射率向量表示了图像的模糊程度，因此根据第一透射率向量来判断是否需要对图像进行去雾处理。
步骤S205，将符合去雾条件的所述第一透射率向量转化为第二透射率向量，使用所述第二透射率向量对所述照片进行去雾处理。
具体来说，采用抠图算法将所述第一透射率向量采用抠图算法细化为第二透射率向量，采用所述第二透射率向量对所述有雾图像进行去雾处理后得到无雾图像。
具体来说，采用迭代运算的共轭梯度法对(L+λU)t'＝λt进行求解，其中，L为有雾图像的拉普拉斯矩阵，U为单位矩阵，t为第一透射率向量，t′为第二透射率向量，λ为10-4。其中每步迭代运算的中间结果向量为拉普拉斯矩阵L与前一步迭代所得的共轭向量p的乘积Lp，且每步迭代运算得到的乘积Lp作为下一步迭代运算的共轭向量，每步迭代运算得到的乘积Lp的第i个向量元素其中：
且窗口的半径为10，其中ωi为有雾图像中以第i个像素点为中心的窗口，pi为共轭向量p的第i个向量元素的值，Orgi为有雾图像的第i个像素点的RGB值，ωk为有雾图像中以第k个像素点为中心的窗口，Orgm为有雾图像的第m个像素点的RGB值，pm为共轭向量p的第m个向量元素的值，|ωk|为ωk窗口所包括的像素点数量，μk为ωk窗口所包括的像素点的RGB值的平均值，为共轭向量p在ωk窗口中的平均值，∑k为ωk窗口所包括的像素点的RGB值的协方差，为第三常量。
最后，可以采用得到无雾图像，其中Ji为无雾图像的第i个像素点的RGB值，ti'为第二透射率向量的第i个向量元素，ε为预设很小的第二常量，通常取0.1，以保证上式分母不为0。
步骤S206，在视频中采用无雾图像替换对应的有雾图像。
步骤S207，不对视频进行替换。
本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。同时，通过对采样频率进行自适应调整，在减少遗漏障碍物和避免影响车辆性能之间达到很好的平衡，通过对第一透射率向量的检测，从而减少对雾霾情况不严重的图像进行去雾处理，减少对车辆性能的影响。
实施例三
如图3所示为本发明再一实施例提供的一种实时图像处理方法的工作流程图，包括：
步骤S301，根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像。
步骤S302，获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量。
具体来说，采样频率根据车速进行调整，当车速超过预设车速提升阈值时，增加所述采样频率，当车速低于预设车速减少阈值时，减少所述采样频率。
第一透射率向量可以采用如下方式计算：
计算其中，ti为第一透射率向量中第i个像素点的第一透射率，ωi为图像中以第i个像素点为中心的窗口，为图像中第i个像素点的c通道的值，Ac为大气光成分值的c通道的值，c为R通道、G通道或者B通道之一，θ为第一常量，且0<θ≤1。
步骤S303，将所述第一透射率向量中低于预设透射率阈值的向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件，执行步骤S304，否则执行步骤S306。
具体来说，第一透射率向量的每个向量元素对应表示一个第一透射率，透射率t表示为当前光线相对于原始场景传播光线的残余比率，其取值区间为[0，1]。且当t＝1意味着无雾或者完全清晰，即场景反射光未受到任何衰减；当t＝0时意味着完全模糊或者不透明，即场景反射光被衰减完全；当0<t<1意味着半透明或半模糊，即场景反射光处于部分衰减状态。因此，当第一透射率向量中的向量元素低于预设透射率阈值时，表示对应图像的像素点的较为模糊，如果模糊的像素点过多时，则应该进行去雾处理，而模糊的像素点不多时，则并不需要对图像进行处理。
步骤S304，对所述有雾图像进行去雾处理。
具体来说，采用抠图算法将所述第一透射率向量采用抠图算法细化为第二透射率向量，采用所述第二透射率向量对所述有雾图像进行去雾处理后得到无雾图像。
具体来说，采用迭代运算的共轭梯度法对(L+λU)t'＝λt进行求解，其中，L为有雾图像的拉普拉斯矩阵，U为单位矩阵，t为第一透射率向量，t′为第二透射率向量，λ为10-4。其中每步迭代运算的中间结果向量为拉普拉斯矩阵L与前一步迭代所得的共轭向量p的乘积Lp，且每步迭代运算得到的乘积Lp作为下一步迭代运算的共轭向量，每步迭代运算得到的乘积Lp的第i个向量元素其中：
且窗口的半径为10，其中ωi为有雾图像中以第i个像素点为中心的窗口，pi为共轭向量p的第i个向量元素的值，Orgi为有雾图像的第i个像素点的RGB值，ωk为有雾图像中以第k个像素点为中心的窗口，Orgm为有雾图像的第m个像素点的RGB值，pm为共轭向量p的第m个向量元素的值，|ωk|为ωk窗口所包括的像素点数量，μk为ωk窗口所包括的像素点的RGB值的平均值，为共轭向量p在ωk窗口中的平均值，∑k为ωk窗口所包括的像素点的RGB值的协方差，为第三常量。
最后，可以采用得到无雾图像，其中Ji为无雾图像的第i个像素点的RGB值，ti'为第二透射率向量的第i个向量元素，ε为预设很小的第二常量，通常取0.1，以保证上式分母不为0。
步骤S305，在视频中采用无雾图像替换对应的有雾图像。
步骤S306，不对视频进行替换。
本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。同时，通过判断模糊的像素点的数量确定是否进行去雾处理，从而避免图像只有少量模糊的像素点则进行去雾处理，减少对车辆性能的影响。
实施例四
如图4所示为本发明又一实施例提供的一种实时图像处理方法的工作流程图，包括：
步骤S401，根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像。
步骤S402，获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量。
具体来说，采样频率根据车速进行调整，当车速超过预设车速提升阈值时，增加所述采样频率，当车速低于预设车速减少阈值时，减少所述采样频率。
第一透射率向量可以采用如下方式计算：
计算其中，ti为第一透射率向量中第i个像素点的第一透射率，ωi为图像中以第i个像素点为中心的窗口，为图像中第i个像素点的c通道的值，Ac为大气光成分值的c通道的值，c为R通道、G通道或者B通道之一，θ为第一常量，且0<θ≤1。
步骤S403，将所述第一透射率向量中与图像中心区域的像素点对应的向量元素作为待判断向量元素，将低于预设透射率阈值的待判断向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件，执行步骤S404，否则执行步骤S406。
通过增加对第一透射率向量的检测，从而减少对雾霾情况不严重的图像进行去雾处理，减少对车辆性能的影响。
具体来说，图像中并不是所有区域都是重要区域，对于一些并不重要的区域出现模糊，并不需要进行去雾处理。
中心区域指的是以图像的中心像素点为中心的一个预设半径范围的区域，该区域可以是圆形区域或者方形区域。一般来说，车辆的摄像装置的正中间是进行物体检测的主要区域。因此，如果图像中心区域过于模糊会影响对图像检测的判断。
步骤S404，对所述有雾图像进行去雾处理。
具体来说，采用抠图算法将所述第一透射率向量采用抠图算法细化为第二透射率向量，采用所述第二透射率向量对所述有雾图像进行去雾处理后得到无雾图像。
具体来说，采用迭代运算的共轭梯度法对(L+λU)t'＝λt进行求解，其中，L为有雾图像的拉普拉斯矩阵，U为单位矩阵，t为第一透射率向量，t′为第二透射率向量，λ为10-4。其中每步迭代运算的中间结果向量为拉普拉斯矩阵L与前一步迭代所得的共轭向量p的乘积Lp，且每步迭代运算得到的乘积Lp作为下一步迭代运算的共轭向量，每步迭代运算得到的乘积Lp的第i个向量元素其中：
且窗口的半径为10，其中ωi为有雾图像中以第i个像素点为中心的窗口，pi为共轭向量p的第i个向量元素的值，Orgi为有雾图像的第i个像素点的RGB值，ωk为有雾图像中以第k个像素点为中心的窗口，Orgm为有雾图像的第m个像素点的RGB值，pm为共轭向量p的第m个向量元素的值，|ωk|为ωk窗口所包括的像素点数量，μk为ωk窗口所包括的像素点的RGB值的平均值，为共轭向量p在ωk窗口中的平均值，∑k为ωk窗口所包括的像素点的RGB值的协方差，为第三常量。
最后，可以采用得到无雾图像，其中Ji为无雾图像的第i个像素点的RGB值，ti'为第二透射率向量的第i个向量元素，ε为预设很小的第二常量，通常取0.1，以保证上式分母不为0。
步骤S405，在视频中采用无雾图像替换对应的有雾图像。
步骤S406，不对视频进行替换。
本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。同时，通过对图像的中心区域进行透射率判断，确定需要进行去雾处理的图像，使得进行去雾处理的图像更为符合图像检测需求。
实施例五
如图5所示为本发明又一实施例提供的一种实时图像处理装置的装置模块图，包括：
图像抽取模块501，用于：根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；
第一透射率获取模块502，用于：获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；
去雾模块503，用于：如果所述第一透射率向量符合去雾条件，则对所述有雾图像进行去雾处理。
车辆在运行过程中，其车头或者车身的摄像装置可以实时采集视频，采集的视频可以用于图像检测、障碍物跟踪、危险决策系统、报警、故障处理等方面。当车辆运行时，可以由车辆的电子控制单元(Electronic Control Unit，ECU)执行图像抽取模块501，从摄像装置所采集的视频中按照采样频率抽取一帧图像作为有雾图像。例如每10帧或者20帧抽取一帧图像，然后执行去雾模块502进行判断去雾处理。由于每间隔一定帧数才抽取一帧图像进行判断去雾处理，因此能很好地减少图像去雾对车辆实时性能的影响。
本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。
实施例六
如图6所示为本发明又一实施例提供的一种实时图像处理装置的装置模块图，包括：
频率自适应模块601，用于：当车速超过预设车速提升阈值时，增加所述采样频率，当车速低于预设车速减少阈值时，减少所述采样频率；
图像抽取模块602，用于：根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；
第一透射率获取模块603，用于：获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；
去雾模块604，用于：将符合去雾条件的所述第一透射率向量转化为第二透射率向量，使用所述第二透射率向量对所述照片进行去雾处理。
本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。同时，对采样频率进行自适应调整，在减少遗漏障碍物和避免影响车辆性能之间达到很好的平衡，另外增加对第一透射率向量的检测，从而减少对雾霾情况不严重的图像进行去雾处理，减少对车辆性能的影响。
应该予以说明的是，在本实施例中，频率自适应模块设置601设置值图像抽取模块602之前仅是为了叙述需要，并不构成对频率自适应模块顺序上的限定。实际上，频率自适应模块可以完全独立于图像抽取模块602和去雾模块604。即，当车速超过预设车速提升阈值，或者低于预设车速减少阈值时，频率自适应模块601即对采样频率进行修改。
实施例七
本发明又一实施例提供的一种实时图像处理装置，包括：
图像抽取模块，用于：根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；
第一透射率获取模块，用于：获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；
去雾模块，用于：将所述第一透射率向量中低于预设透射率阈值的向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件，将所述第一透射率向量采用抠图算法细化为第二透射率向量，采用所述第二透射率向量对所述有雾图像进行去雾处理后得到无雾图像。
本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。同时，本实施例通过判断模糊的像素点的数量确定是否进行去雾处理，从而避免图像只有少量模糊的像素点则进行去雾处理，减少对车辆性能的影响。
实施例八
本发明又一实施例提供的一种实时图像处理装置，包括：
图像抽取模块，用于：根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；
第一透射率获取模块，用于：获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；
去雾模块，用于：将所述第一透射率向量中与图像中心区域的像素点对应的向量元素作为待判断向量元素，将低于预设透射率阈值的待判断向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件，将所述第一透射率向量采用抠图算法细化为第二透射率向量，采用所述第二透射率向量对所述有雾图像进行去雾处理后得到无雾图像。
本发明实施例对视频按照采样频率进行采集并判断，从而减少进行去雾处理的图像，避免过多图像进行去雾处理影响车辆性能。同时，本实施例通过对图像的中心区域进行透射率判断，从而确定需要进行去雾处理的图像，使得进行去雾处理的图像更为符合图像检测需求。
本发明第九实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施方式中的实时图像处理方法。
如图7所示为本发明第十实施例提供的执行实时图像处理方法的电子设备的硬件结构示意图，其主要包括：一个或多个处理器710、存储器720等，图7中以一个处理器710为例。
执行实时图像处理方法的电子设备还可以包括：输入装置730和输出装置740。
处理器710、存储器720、输入装置730及显示装置740可以通过总线或者其他方式连接，图7中以通过总线连接为例。
存储器720作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的实时图像处理方法对应的程序指令/模块，例如，附图5所示的图像抽取模块501和去雾模块502。处理器710通过运行存储在存储器720中的非易失性软件程序、指令以及模块，从而执行各种功能应用以及数据处理，即实现上述实施例中的实时图像处理方法。
存储器720可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据实时图像处理装置的使用所创建的数据等。此外，存储器720可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器720可选包括相对于处理器710远程设置的存储器，这些远程存储器可以通过网络连接至执行实时图像处理方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置730可接收输入的用户点击，以及产生与实时图像处理装置的用户设置以及功能控制有关的信号输入。显示装置740可包括显示屏等显示设备。
在所述一个或者多个模块存储在所述存储器720中，当被所述一个或者多个处理器710运行时，执行上述任意方法实施例中的实时图像处理方法。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本发明实施例的电子设备以多种形式存在，包括但不限于:
(1)电子控制单元(Electronic Control Unit，ECU)又称“行车电脑”、“车载电脑”等。主要由微处理器(CPU)、存储器(ROM、RAM)、输入/输出接口(I/O)、模数转换器(A/D)以及整形、驱动等大规模集成电路组成。
(2)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(3)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等。
(4)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(5)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(6)其他具有数据交互功能的电子装置。
此外，上述的存储器702中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，网络设备，电子控制单元，行车电脑或者车载电脑等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，网络设备，电子控制单元，行车电脑或者车载电脑等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明实施例的技术方案，而非对其限制；尽管参照前述实施例对本发明实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种实时图像处理方法，其特征在于，包括：
根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；
获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；
如果所述第一透射率向量符合去雾条件，则对所述有雾图像进行去雾处理。
2.根据权利要求1所述的实时图像处理方法，其特征在于，所述如果第一透射率向量符合去雾条件，则对所述有雾图像进行去雾处理，具体包括：
将符合去雾条件的所述第一透射率向量转化为第二透射率向量，使用所述第二透射率向量对所述照片进行去雾处理。
3.根据权利要求1所述的实时图像处理方法，其特征在于，所述第一透射率向量符合去雾条件，具体包括：
将所述第一透射率向量中低于预设透射率阈值的向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件。
4.根据权利要求1所述的实时图像处理方法，其特征在于，所述第一透射率向量符合去雾条件，具体包括：
将所述第一透射率向量中与图像中心区域的像素点对应的向量元素作为待判断向量元素；
将低于预设透射率阈值的待判断向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件。
5.根据权利要求1～4任一项所述的实时图像处理方法，其特征在于，所述方法还包括：
当车速超过预设车速提升阈值时，增加所述采样频率，当车速低于预设车速减少阈值时，减少所述采样频率。
6.一种实时图像处理装置，其特征在于，包括：
图像抽取模块，用于：根据采样频率抽取车辆实时采集的视频中的至少一帧图像作为有雾图像；
第一透射率获取模块，用于：获取所述有雾图像中各像素点的暗原色通道向量，根据所述暗原色通道向量计算出第一透射率向量；
去雾模块，用于：如果所述第一透射率向量符合去雾条件，则对所述有雾图像进行去雾处理。
7.根据权利要求6所述的实时图像处理装置，其特征在于，所述去雾模块，具体用于：
将符合去雾条件的所述第一透射率向量转化为第二透射率向量，使用所述第二透射率向量对所述照片进行去雾处理。
8.根据权利要求6所述的实时图像处理装置，其特征在于，所述第一透射率向量符合去雾条件，具体包括：
将所述第一透射率向量中低于预设透射率阈值的向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件。
9.根据权利要求6所述的实时图像处理装置，其特征在于，所述第一透射率向量符合去雾条件，具体包括：
将所述第一透射率向量中与图像中心区域的像素点对应的向量元素作为待判断向量元素；
将低于预设透射率阈值的待判断向量元素作为低透射率向量元素，计算所述低透射率向量元素的数量，如果所述数量超过预设数量阈值，则判断所述第一透射率向量符合去雾条件。
10.根据权利要求6～9任一项所述的实时图像处理装置，其特征在于，所述装置还包括频率自适应模块，用于：
当车速超过预设车速提升阈值时，增加所述采样频率，当车速低于预设车速减少阈值时，减少所述采样频率。
CN201610906729.4A 2016-10-18 2016-10-18 一种实时图像处理方法及装置 Pending CN106485682A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610906729.4A CN106485682A (zh) 2016-10-18 2016-10-18 一种实时图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610906729.4A CN106485682A (zh) 2016-10-18 2016-10-18 一种实时图像处理方法及装置

Publications (1)

Publication Number Publication Date
CN106485682A true CN106485682A (zh) 2017-03-08

Family

ID=58270174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610906729.4A Pending CN106485682A (zh) 2016-10-18 2016-10-18 一种实时图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN106485682A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991810A (zh) * 2017-04-24 2017-07-28 杭州电子科技大学 一种应用于监测终端的多采样率方法
CN107317970A (zh) * 2017-07-27 2017-11-03 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN108776135A (zh) * 2018-05-28 2018-11-09 中用科技有限公司 一种多因子联合道路雾天检测装置
CN113240940A (zh) * 2021-05-07 2021-08-10 恒大恒驰新能源汽车研究院(上海)有限公司 汽车提醒监控方法、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093202A (zh) * 2013-01-21 2013-05-08 信帧电子技术（北京）有限公司 车标定位方法和车标定位装置
CN104077750A (zh) * 2014-06-18 2014-10-01 深圳市金立通信设备有限公司 一种图像的处理方法
CN104182985A (zh) * 2014-09-01 2014-12-03 西安电子科技大学 遥感图像变化检测方法
CN104978719A (zh) * 2015-06-16 2015-10-14 浙江工业大学 基于时空相关性的自适应交通视频实时去雾方法
CN105447838A (zh) * 2014-08-27 2016-03-30 北京计算机技术及应用研究所 一种红外与微光/可见光融合成像的方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093202A (zh) * 2013-01-21 2013-05-08 信帧电子技术（北京）有限公司 车标定位方法和车标定位装置
CN104077750A (zh) * 2014-06-18 2014-10-01 深圳市金立通信设备有限公司 一种图像的处理方法
CN105447838A (zh) * 2014-08-27 2016-03-30 北京计算机技术及应用研究所 一种红外与微光/可见光融合成像的方法及系统
CN104182985A (zh) * 2014-09-01 2014-12-03 西安电子科技大学 遥感图像变化检测方法
CN104978719A (zh) * 2015-06-16 2015-10-14 浙江工业大学 基于时空相关性的自适应交通视频实时去雾方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991810A (zh) * 2017-04-24 2017-07-28 杭州电子科技大学 一种应用于监测终端的多采样率方法
CN106991810B (zh) * 2017-04-24 2019-12-03 杭州电子科技大学 一种应用于监测终端的多采样率方法
CN107317970A (zh) * 2017-07-27 2017-11-03 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN107317970B (zh) * 2017-07-27 2019-10-18 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN108776135A (zh) * 2018-05-28 2018-11-09 中用科技有限公司 一种多因子联合道路雾天检测装置
CN108776135B (zh) * 2018-05-28 2020-08-04 中用科技有限公司 一种多因子联合道路雾天检测装置
CN113240940A (zh) * 2021-05-07 2021-08-10 恒大恒驰新能源汽车研究院(上海)有限公司 汽车提醒监控方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
WO2020173056A1 (zh) 交通图像识别方法、装置、计算机设备和介质
CN108229489B (zh) 关键点预测、网络训练、图像处理方法、装置及电子设备
CN114424253A (zh) 模型训练方法、装置、存储介质及电子设备
CN106485682A (zh) 一种实时图像处理方法及装置
CN109190444B (zh) 一种基于视频的收费车道车辆特征识别系统的实现方法
CN109325418A (zh) 基于改进YOLOv3的道路交通环境下行人识别方法
CN103325259B (zh) 一种基于多核并行的违章停车检测方法
CN113420607A (zh) 无人机多尺度目标检测识别方法
CN112580643B (zh) 一种基于深度学习的车牌识别方法、装置及存储介质
CN105354530A (zh) 一种车身颜色识别方法及装置
CN110532925B (zh) 基于时空图卷积网络的驾驶员疲劳检测方法
CN111274942A (zh) 一种基于级联网络的交通锥识别方法及装置
CN111160175A (zh) 智能行人违章行为管理方法及相关产品
WO2023124442A1 (zh) 积水深度检测方法及装置
CN104794906A (zh) 室外停车场出口车辆管理平台
CN108648210B (zh) 一种静态复杂场景下快速多目标检测方法及装置
CN106650647A (zh) 基于传统算法和深度学习算法级联的车辆检测方法及系统
CN109558790B (zh) 一种行人目标检测方法、装置及系统
CN109543617A (zh) 基于yolo目标检测技术的智能车辆运动路况信息的检测方法
CN110633701A (zh) 一种基于计算机视觉技术的驾驶员打电话检测方法及系统
CN114926791A (zh) 一种路口车辆异常变道检测方法、装置、存储介质及电子设备
CN115205855A (zh) 融合多尺度语义信息的车辆目标识别方法、装置及设备
Lin et al. A lightweight, high-performance multi-angle license plate recognition model
CN112101114A (zh) 一种视频目标检测方法、装置、设备以及存储介质
Guo et al. A domain‐adaptive method with cycle perceptual consistency adversarial networks for vehicle target detection in foggy weather

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170308

WD01 Invention patent application deemed withdrawn after publication