CN106682611A - 图像处理方法及装置 - Google Patents

Abstract

本申请提供一种图像处理方法及装置，所述方法包括：基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像；基于所述高频高亮图像、所述低频低亮图像，以及所述原始图像进行图像融合，得到预处理图像。应用该方法，可以实现对过爆的车牌图像进行处理，使得车牌图像中的细节更加清晰，以便于后续对车牌图像中的字符进行有效地分割及识别。

Description

图像处理方法及装置

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像处理方法及装置。

背景技术

随着智能交通系统技术的发展，智能交通系统得到越来越广泛的应用。在智能交通系统中，车牌识别是一个重要部分。通过车牌识别，可以实现车辆检索、车辆追踪、车辆停车收费等业务。然而，由于智能交通系统主要的应用场景为室外的交通道路，从而智能交通系统中的摄像机所采集到的车牌图像将不可避免的受到天气日照条件的影响，例如，在光照强度较大时，所采集到的车牌图像很可能过爆。

当采集到的车牌图像过爆时，车牌上字符的亮度以及车牌外框的亮度将过高，并且字符之间，字符与车牌外框之间出现粘连，从而在车牌识别过程中，无法有效地分割字符，降低对车牌进行识别的正确率。

发明内容

有鉴于此，本申请提供一种图像处理方法及装置，以实现对过爆的车牌图像进行处理，使得车牌图像中的细节更加清晰，以便于后续对车牌图像中的字符进行有效地分割及识别。

具体地，本申请是通过如下技术方案实现的：

根据本申请实施例的第一方面，提供一种图像处理方法，所述方法包括：

基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像；

基于所述高频高亮图像、所述低频低亮图像，以及所述原始图像进行图像融合，得到预处理图像。

可选的，在所述基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像之前，所述方法还包括：

对原始图像进行归一化处理，得到所述原始图像对应的归一化图像；

所述基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像包括：

根据所述原始图像对应的归一化图像获取对应的高频高亮图像，以及对应的低频低亮图像。

可选的，所述基于所述原始图像对应的归一化图像获取对应的高频高亮图像，以及对应的低频低亮图像包括：

对所述原始图像对应的归一化图像进行图像滤波，得到第一滤波图像；

对所述原始图像对应的归一化图像中每个像素点的像素值进行平方操作；对平方操作后的归一化图像进行图像滤波，得到第二滤波图像；

根据所述第一滤波图像与所述第二滤波图像获取对应的高频高亮图像，以及对应的低频低亮图像。

可选的，所述根据所述第一滤波图像与所述第二滤波图像获取对应的高频高亮图像，以及低频低亮图像包括：

根据预设的第一公式，以及所述第一滤波图像、第二滤波图像获取对应的高频高亮图像；根据预设的第二公式，以及所述第一滤波图像、第二滤波图像获取对应的低频低亮图像；

所述第一公式为：其中，Y₁为所述高频高亮图像中像素点的像素值，W_r(I²)为所述第二滤波图像中像素点的像素值，W_r(I)为所述第一滤波图像中像素点的像素值，ε₁为第一亮度截距，且ε₁为属于【0,1】的浮点型数据；

所述第二公式为：其中，Y₂为所述低频低亮图像中像素点的像素值，ε₂为第二亮度截距，且ε₂为属于【0,1】的浮点型数据。

可选的，所述基于所述高频高亮图像、所述低频低亮图像，以及所述原始图像进行图像融合，得到预处理图像包括：

根据预设的第三公式，对所述高频高亮图像、所述低频低亮图像、以及所述原始图像进行线性图像融合，得到预处理图像；

所述第三公式为：预处理图像＝α*原始图像+β*高频高亮图像+λ*低频低亮图像，其中，α、β、λ为任意值。

根据本申请实施例的第二方面，提供一种图像处理装置，所述装置包括：

图像获取模块，用于基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像；

图像融合模块，用于基于所述高频高亮图像、所述低频低亮图像，以及所述原始图像进行图像融合，得到预处理图像。

可选的，所述装置还包括：

归一化模块，用于对原始图像进行归一化处理，得到所述原始图像对应的归一化图像；

所述图像获取模块具体用于：根据所述原始图像对应的归一化图像获取对应的高频高亮图像，以及对应的低频低亮图像。

可选的，所述图像获取模块包括：

第一滤波子模块，用于对所述原始图像对应的归一化图像进行图像滤波，得到第一滤波图像；

第二滤波子模块，用于对所述原始图像对应的归一化图像中每个像素点的像素值进行平方操作；对平方操作后的归一化图像进行图像滤波，得到第二滤波图像；

获取子模块，用于根据所述第一滤波图像与所述第二滤波图像获取对应的高频高亮图像，以及对应的低频低亮图像。

可选的，所述获取子模块具体用于：

根据预设的第一公式，以及所述第一滤波图像、第二滤波图像获取对应的高频高亮图像；根据预设的第二公式，以及所述第一滤波图像、第二滤波图像获取对应的低频低亮图像；

所述第一公式为：其中，Y₁为所述高频高亮图像中像素点的像素值，W_r(I²)为所述第二滤波图像中像素点的像素值，W_r(I)为所述第一滤波图像中像素点的像素值，ε₁为第一亮度截距，且ε₁为属于【0,1】的浮点型数据；

所述第二公式为：其中，Y₂为所述低频低亮图像中像素点的像素值，ε₂为第二亮度截距，且ε₂为属于【0,1】的浮点型数据。

可选的，所述图像融合模块具体用于：

根据预设的第三公式，对所述高频高亮图像、所述低频低亮图像、以及所述原始图像进行线性图像融合，得到预处理图像；

所述第三公式为：预处理图像＝α*原始图像+β*高频高亮图像+λ*低频低亮图像，其中，α、β、λ为任意值。

由上述实施例可见，通过获取原始图像对应的高频高亮图像以及低频低亮图像，并对高频高亮图像、低频低亮图像、以及原始图像进行图像融合，得到预处理图像。由于在预处理图像上，可以使得车牌中字符的边缘区域得到增强，还可以使得车牌中字符区域与背景区域之间的区分更加明显，从而后续在根据预处理图像进行车牌识别时，可以有效地进行字符分割，有效地识别车牌。

附图说明

图1为摄像机所采集到的车牌图像；

图2A为本申请图像处理方法的一个实施例流程图；

图2B为图1所示例的车牌图像对应的高频高亮图像；

图2C为图1所示例的车牌图像对应的低频低亮图像；

图2D为对图1所示例的车牌图像、图2B所示例的高频高亮图像，以及图2C所示例的低频低亮图像进行线性图像融合后，所得到的预处理图像；

图3A为本申请图像处理方法的另一个实施例流程图；

图3B为归一化图像中的高频高亮区域；

图3C为归一化图像中的低频低亮区域；

图4为本申请图像处理装置所在网络设备的一种硬件结构图；

图5为本申请图像处理装置的一个实施例框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

在智能交通系统中，主要的应用场景为室外的交通道路，从而摄像机所采集到的车牌图像将不可避免的受到天气日照条件的影响。当室外的光照强度较大时，摄像机所采集的车牌图像很可能过爆，例如，如图1所示例的摄像机所采集到的车牌图像。

在图1所示例的车牌图像中，由于过爆，车牌上字符的亮度以及车牌外框的亮度过高，车牌上的字符之间，字符与车牌外框之间出现粘连，从而，在后续的车牌识别过程中，将无法有效地进行字符分割，从而降低了对车牌进行识别的正确率。

为了避免上述问题，本申请提供一种图像处理方法及装置，以实现通过该方法，对过爆的车牌图像进行处理，使得车牌图像中的细节更加清晰，从而有利于后续在车牌识别过程中，有效地进行字符分割，有效地识别车牌。

请参见图2A，为本申请图像处理方法的一个实施例流程图，该方法可以包括以下步骤：

步骤S201：基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像。

首先，为了描述方便，可以将智能交通系统中的摄像机所采集的到车牌图像称为原始图像，例如，将图1所示的车牌图像作为原始图像。

在该原始图像中，车牌中字符的边缘区域通常亮度较高，而且亮度变化幅度较大，属于高频高亮区域，车牌中的背景区域通常亮度较低，而且亮度变化幅度较为平缓，属于低频低亮区域。

那么，本申请中，可以根据该原始图像中像素点的像素值获取原始图像对应的高频高亮图像，以及对应的低频低亮图像，例如，如图2B所示，为图1所示例的车牌图像对应的高频高亮图像，如图2C所示，为图1所示例的车牌图像对应的低频低亮图像。在图2B所示例的高频高亮图像中，可以较清晰地显示出高频高亮区域，即车牌中字符的边缘区域。在图2C所示例的低频低亮图像中，可以较清晰地显示出低频低亮区域，即车牌中的背景区域，从而在该低频低亮图像中，可以较清晰地区分车牌中的背景区域和字符区域。

具体是如何获取原始图像对应的高频高亮图像，以及对应的低频低亮图像的，可以参见下述实施例中的描述，在此先不做详述。

步骤S202：基于高频高亮图像、低频低亮图像，以及原始图像进行图像融合，得到预处理图像。

在一个可选的实现方式中，可以对获取到的高频高亮图像、低频低亮图像，以及原始图像进行线性图像融合，得到预处理图像，例如，如图2D所示，为对图1所示例的车牌图像、图2B所示例的高频高亮图像，以及图2C所示例的低频低亮图像进行线性图像融合后，所得到的预处理图像。

在对高频高亮图像、低频低亮图像，以及原始图像进行线性融合时，可以使用如下公式：

预处理图像＝α*原始图像+β*高频高亮图像+λ*低频低亮图像。

需要说明的是，上述公式中，α、β、λ均可以为任意值，在实际应用中，可以根据实际需要调整α、β、λ的值，本申请中对α、β、λ的值并不作限制。例如，可以设置α＝0.5，β＝0.5、λ＝-0.5，通过该种设置，可以使得车牌中字符的边缘区域得到增强，同时车牌中的背景区域被减弱，那么，在通过线性图像融合所得到的预处理图像上，可以更清晰地显示出字符的边缘区域，同时，字符区域和背景区域也更易区分。又例如，可以设置α＝0.5，β＝0.5、λ＝0，通过该种设置，可以使得车牌中字符的边缘区域得到增强，那么，在通过线性图像融合所得到的预处理图像上，可以更清晰地显示出字符的边缘区域。

由上述实施例可见，通过获取原始图像对应的高频高亮图像以及低频低亮图像，并对高频高亮图像、低频低亮图像、以及原始图像进行图像融合，得到预处理图像。由于在预处理图像上，可以使得车牌中字符的边缘区域得到增强，还可以使得车牌中字符区域与背景区域之间的区分更加明显，从而后续在根据预处理图像进行车牌识别时，可以有效地进行字符分割，有效地识别车牌。

请参见图3A，为本申请图像处理方法的另一个实施例流程图，该方法可以包括以下步骤：

步骤S301：对原始图像进行归一化处理，得到原始图像对应的归一化图像。

在本申请中，为了降低后续计算的复杂度，并且有效地保证计算精度，可以首先对原始图像进行归一化处理，并且将原始图像中每个像素点的像素值归一化到【0,1】的浮点型数据，得到原始图像对应的归一化图像。

步骤S302：对归一化图像进行图像滤波，得到第一滤波图像。

与原始图像相对应，在归一化图像中，车牌中字符的边缘区域属于高频高亮区域，车牌的背景区域属于低频低亮区域。假设，图3B为归一化图像中的高频高亮区域；图3C为归一化图像中的低频低亮区域。

在本申请中，可以对归一化图像进行图像滤波，例如均值滤波，为了描述方便，可以将对归一化图像进行图像滤波后，得到的图像称为第一滤波图像。通过均值滤波算法可以计算得出，在第一滤波图像中，与图3B所示区域对应的区域中，中心像素点的像素值为1/3；在第一滤波图像中，与图3C所示区域对应的区域中，中心像素点的像素值为4/9。

步骤S303：对归一化图像中每个像素点的像素值进行平方操作，对平方操作后的归一化图像进行图像滤波，得到第二滤波图像。

在本申请中，可以对归一化图像中每个像素点的像素值进行平方操作，之后，再对平方操作后的归一化图像进行图像滤波，例如均值滤波，为了描述方便，可以将对归一化图像进行平方操作，继而对平方操作后的归一化图像进行图像滤波后，得到的图像称为第二滤波图像。

由于归一化图像中像素点的像素值为属于【0，1】的浮点型数据，从而，在对归一化图像中像素点的像素值进行平方操作，继而进行图像滤波的计算过程中，计算的复杂性较低，并且，计算得出的值不受值域范围的限制。例如，若某个像素点的像素值为1，则对该像素值进行平方操作之后，所得出的结果仍为1。

通过均值滤波算法可以计算得出，在第二滤波图像中，与图3B所示区域对应的区域中，中心像素点的像素值为1/3；与图3C所示区域对应的区域中，中心像素点的像素值为1/5。

此外，需要说明的是，本申请中对步骤S302和步骤S303的执行顺序并不作限制。

步骤S304：根据预设的第一公式，以及第一滤波图像、第二滤波图像获取对应的高频高亮图像。

在本申请中，预设的第一公式可以为：其中，Y₁为高频高亮图像中像素点的像素值，W_r(I²)为第二滤波图像中像素点的像素值，W_r(I)为第一滤波图像中像素点的像素值，ε₁为第一亮度截距，且ε₁为属于【0,1】的浮点型数据，例如，ε₁＝0.1，通过ε₁可以使得低频低亮区域的像素值更接近于0，从而得到原始图像对应的高频高亮图像。

继续以图3B和图3C所示区域进行举例，通过上述第一公式，可以计算得出：

在高频高亮图像上，与图3B所示区域对应的区域中，中心像素点的像素值约等于1；在高频高亮图像上，与图3C所示区域对应的区域中，中心像素点的像素值约等于0。从而，在高频高亮图像上，可以更清晰地显示出原始图像中的高频高亮区域，即车牌中字符的边缘区域。

步骤S305：根据预设的第二公式，以及第一滤波图像、第二滤波图像获取对应的低频低亮图像。

在本申请中，预设的第二公式可以为：其中，Y₂为低频低亮图像中像素点的像素值，W_r(I²)为第二滤波图像中像素点的像素值，W_r(I)为第一滤波图像中像素点的像素值，ε₂为第二亮度截距，且ε₂为属于【0，1】的浮点型数据，例如，ε₂＝0.5，通过ε₂可以使得高频高亮区域的像素值更接近于0，从而得到原始图像对应的低频低亮图像。

继续以图3B和图3C所示区域进行举例，通过上述第二公式，可以计算得出：

在低频低亮图像上，与图3B所示区域对应的区域中，中心像素点的像素值约等于0.08，接近于0；在低频低亮图像上，与图3C所示区域对应的区域中，中心像素点的像素值约等于0.82，接近于1。从而，在低频低亮图像上，可以更清晰地显示出原始图像中的低频低亮区域，即车牌中的背景区域，使得车牌中的背景区域与字符区域更易区分。

需要说明的是，本申请中对步骤S304和步骤S305的执行顺序并不作限制。

步骤S306：对高频高亮图像、低频低亮图像，以及原始图像进行图像融合，得到预处理图像。

本步骤的详细描述可以参见上述实施例中步骤S202中的相关描述，在此不再详述。

由上述实施例可见，通过获取原始图像对应归一化图像，基于归一化图像获取对应的高频高亮图像以及低频低亮图像，并对高频高亮图像、低频低亮图像、以及原始图像进行图像融合，得到预处理图像。由于对原始图像进行了归一化处理，从而可以降低方案的计算复杂度；并且，由于在预处理图像上，可以使得车牌中字符的边缘区域得到增强，还可以使得车牌中字符区域与背景区域之间的区分更加明显，从而后续在根据预处理图像进行车牌识别时，可以有效地进行字符分割，有效地识别车牌。

与前述图像处理方法的实施例相对应，本申请还提供了图像处理装置的实施例。

本申请图像处理装置的实施例可以应用在网络设备，例如摄像机上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在网络设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图4所示，为本申请图像处理装置所在网络设备的一种硬件结构图，除了图4所示的处理器41、内存42、网络接口43、以及非易失性存储器44之外，实施例中装置所在的网络设备通常根据该网络设备的实际功能，还可以包括其他硬件，对此不再赘述。

请参考图5，为本申请图像处理装置的一个实施例框图，该装置可以包括：图像获取模块51、图像融合模块52。

其中，图像获取模块51，可以用于基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像；

图像融合模块52，可以用于基于所述高频高亮图像、所述低频低亮图像，以及所述原始图像进行图像融合，得到预处理图像。

在一实施例中，所述装置还可以包括(图5中并未示出)：

归一化模块，可以用于对原始图像进行归一化处理，得到所述原始图像对应的归一化图像；

所述图像获取模块具体可以用于：根据所述原始图像对应的归一化图像获取对应的高频高亮图像，以及对应的低频低亮图像。

在一实施例中，所述图像获取模块51可以包括(图5中并未示出)：

第一滤波子模块，可以用于对原始图像对应的归一化图像进行图像滤波，得到第一滤波图像；

第二滤波子模块，可以用于对所述原始图像对应的归一化图像中每个像素点的像素值进行平方操作；对平方操作后的原始图像进行图像滤波，得到第二滤波图像；

获取子模块，可以用于根据所述第一滤波图像与所述第二滤波图像获取对应的高频高亮图像，以及对应的低频低亮图像。

在一实施例中，所述获取子模块可以具体用于：

根据预设的第一公式，以及所述第一滤波图像、第二滤波图像获取对应的高频高亮图像；根据预设的第二公式，以及所述第一滤波图像、第二滤波图像获取对应的低频低亮图像；

所述第一公式为：其中，Y₁为所述高频高亮图像中像素点的像素值，W_r(I²)为所述第二滤波图像中像素点的像素值，W_r(I)为所述第一滤波图像中像素点的像素值，ε₁为第一亮度截距，且ε₁为属于【0,1】的浮点型数据；

所述第二公式为：其中，Y₂为所述低频低亮图像中像素点的像素值，ε₂为第二亮度截距，且ε₂为属于【0,1】的浮点型数据。

在一实施例中，所述图像融合模块52可以具体用于：

根据预设的第三公式，对所述高频高亮图像、所述低频低亮图像、以及所述原始图像进行线性图像融合，得到预处理图像；

所述第三公式为：预处理图像＝α*原始图像+β*高频高亮图像+λ*低频低亮图像，其中，α、β、λ为任意值。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。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申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (10)

1.一种图像处理方法，其特征在于，所述方法包括：

基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像；

基于所述高频高亮图像、所述低频低亮图像，以及所述原始图像进行图像融合，得到预处理图像。

2.根据权利要求1所述的方法，其特征在于，在所述基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像之前，所述方法还包括：

对原始图像进行归一化处理，得到所述原始图像对应的归一化图像；

所述基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像包括：

根据所述原始图像对应的归一化图像获取对应的高频高亮图像，以及对应的低频低亮图像。

3.根据权利要求2所述的方法，其特征在于，所述基于所述原始图像对应的归一化图像获取对应的高频高亮图像，以及对应的低频低亮图像包括：

对所述原始图像对应的归一化图像进行图像滤波，得到第一滤波图像；

对所述原始图像对应的归一化图像中每个像素点的像素值进行平方操作；对平方操作后的归一化图像进行图像滤波，得到第二滤波图像；

根据所述第一滤波图像与所述第二滤波图像获取对应的高频高亮图像，以及对应的低频低亮图像。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一滤波图像与所述第二滤波图像获取对应的高频高亮图像，以及低频低亮图像包括：

根据预设的第一公式，以及所述第一滤波图像、第二滤波图像获取对应的高频高亮图像；根据预设的第二公式，以及所述第一滤波图像、第二滤波图像获取对应的低频低亮图像；

所述第一公式为：其中，Y₁为所述高频高亮图像中像素点的像素值，W_r(I²)为所述第二滤波图像中像素点的像素值，W_r(I)为所述第一滤波图像中像素点的像素值，ε₁为第一亮度截距，且ε₁为属于【0,1】的浮点型数据；

所述第二公式为：其中，Y₂为所述低频低亮图像中像素点的像素值，ε₂为第二亮度截距，且ε₂为属于【0,1】的浮点型数据。

5.根据权利要求1所述的方法，其特征在于，所述基于所述高频高亮图像、所述低频低亮图像，以及所述原始图像进行图像融合，得到预处理图像包括：

根据预设的第三公式，对所述高频高亮图像、所述低频低亮图像、以及所述原始图像进行线性图像融合，得到预处理图像；

所述第三公式为：预处理图像＝α*原始图像+β*高频高亮图像+λ*低频低亮图像，其中，α、β、λ为任意值。

6.一种图像处理装置，其特征在于，所述装置包括：

图像获取模块，用于基于原始图像获取对应的高频高亮图像，以及对应的低频低亮图像；

图像融合模块，用于基于所述高频高亮图像、所述低频低亮图像，以及所述原始图像进行图像融合，得到预处理图像。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

归一化模块，用于对原始图像进行归一化处理，得到所述原始图像对应的归一化图像；

所述图像获取模块具体用于：根据所述原始图像对应的归一化图像获取对应的高频高亮图像，以及对应的低频低亮图像。

8.根据权利要求7所述的装置，其特征在于，所述图像获取模块包括：

第一滤波子模块，用于对所述原始图像对应的归一化图像进行图像滤波，得到第一滤波图像；

第二滤波子模块，用于对所述原始图像对应的归一化图像中每个像素点的像素值进行平方操作；对平方操作后的归一化图像进行图像滤波，得到第二滤波图像；

获取子模块，用于根据所述第一滤波图像与所述第二滤波图像获取对应的高频高亮图像，以及对应的低频低亮图像。

9.根据权利要求8所述的装置，其特征在于，所述获取子模块具体用于：

根据预设的第一公式，以及所述第一滤波图像、第二滤波图像获取对应的高频高亮图像；根据预设的第二公式，以及所述第一滤波图像、第二滤波图像获取对应的低频低亮图像；

所述第一公式为：其中，Y₁为所述高频高亮图像中像素点的像素值，W_r(I²)为所述第二滤波图像中像素点的像素值，W_r(I)为所述第一滤波图像中像素点的像素值，ε₁为第一亮度截距，且ε₁为属于【0,1】的浮点型数据；

所述第二公式为：其中，Y₂为所述低频低亮图像中像素点的像素值，ε₂为第二亮度截距，且ε₂为属于【0,1】的浮点型数据。

10.根据权利要求6所述的装置，其特征在于，所述图像融合模块具体用于：

根据预设的第三公式，对所述高频高亮图像、所述低频低亮图像、以及所述原始图像进行线性图像融合，得到预处理图像；

所述第三公式为：预处理图像＝α*原始图像+β*高频高亮图像+λ*低频低亮图像，其中，α、β、λ为任意值。