CN107767356A - 一种图像处理方法和装置 - Google Patents

Abstract

本发明提供一种图像处理方法和装置，该方法包括：获得第一图像；对所述第一图像进行低通滤波处理，得到第二图像；对所述第一图像进行高通滤波处理，得到第三图像；对所述第三图像进行阈值处理，得到第四图像；利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像。通过本发明的技术方案，可以对第一图像进行降噪和边缘增强处理，有效减弱平坦区域的噪点，增强边缘的清晰度，在消除图像噪点的同时保留图像边缘信息，提升图像质量。

Description

一种图像处理方法和装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像处理方法和装置。

背景技术

近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控系统的普及化趋势越来越明显，视频监控系统正在逐步迈入高清化，智能化，视频监控系统可以应用于众多领域，如智能交通、智慧园区、平安城市等。

在视频监控系统中，前端设备(如网络摄像机、模拟摄像机等)是重要组成部分，视频监控系统中包括大量前端设备，这些前端设备在各种环境下采集视频图像。若前端设备在低照度环境下采集视频图像，则视频图像的质量较差。

为了提高视频图像的质量，可以对低照度环境下采集的视频图像进行低通滤波处理。上述方式虽然减弱了视频图像中的噪点，但也会降低视频图像的整体清晰度，达不到增强图像清晰度的目的，无法正在提高视频图像的质量。

发明内容

本发明提供一种图像处理方法，所述方法具体包括：获得第一图像；对所述第一图像进行低通滤波处理，得到第二图像；对所述第一图像进行高通滤波处理，得到第三图像；对所述第三图像进行阈值处理，得到第四图像；利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像。

所述对所述第三图像进行阈值处理，得到第四图像的过程，具体包括：对所述第三图像进行低通滤波处理，并对低通滤波处理后的第三图像中的每个像素进行阈值处理，得到第四图像；在对每个像素进行阈值处理的过程中，针对每个像素，若该像素的灰度值小于过滤阈值，则将该像素的灰度值修改为0；若该像素的灰度值不小于所述过滤阈值，则保持该像素的灰度值不变。

所述对低通滤波处理后的第三图像中的每个像素进行阈值处理之前，还包括：利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值。

所述利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值，包括：在灰度值范围[0，L-1]内选取灰度值T，通过所述灰度值T将低通滤波处理后的第三图像划分为组G0和组G1，所述组G0的灰度值范围为[0，T]，所述组G1的灰度值范围为[T+1，L-1]；获取所述组G0内的像素数占总像素数的比例w₀、所述组G1内的像素数占总像素数的比例w₁、所述组G0内的所有像素的灰度值的平均灰度值u₀、所述组G1内的所有像素的灰度值的平均灰度值u₁；针对灰度值范围[0，L-1]内的每个灰度值T，利用比例w₀、比例w₁、平均灰度值u₀、平均灰度值u₁获得一个评价值，得到L个评价值；从所述L个评价值中选择最大的评价值，并将最大的评价值对应的灰度值T，确定为所述过滤阈值。

所述利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像的过程，包括：对所述第二图像和所述第四图像进行合成处理，得到合成后的图像；对所述合成后的图像进行中值滤波处理，得到边缘信息增强后的第五图像。

所述方法进一步包括：在获得第一图像的过程中，将前端设备采集到的红绿蓝RGB图像转换为明亮度色度YUV图像，并将所述YUV图像确定为所述第一图像；在对所述第一图像进行低通滤波处理的过程中，对所述第一图像中的Y通道分量进行低通滤波处理；在对所述第一图像进行高通滤波处理的过程中，对所述第一图像中的Y通道分量进行高通滤波处理。

本发明提供一种图像处理装置，所述装置包括：第一获得模块，用于获得第一图像；第二获得模块，用于对所述第一图像进行低通滤波处理，得到第二图像；第三获得模块，用于对所述第一图像进行高通滤波处理，得到第三图像；第四获得模块，用于对所述第三图像进行阈值处理，得到第四图像；第五获得模块，用于利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像。

所述第四获得模块，具体用于在对所述第三图像进行阈值处理，得到第四图像的过程中，对所述第三图像进行低通滤波处理，并对低通滤波处理后的第三图像中的每个像素进行阈值处理，得到第四图像；其中，所述第四获得模块，进一步用于在对每个像素进行阈值处理的过程中，则针对每个像素，若该像素的灰度值小于过滤阈值，则将该像素的灰度值修改为0；若该像素的灰度值不小于所述过滤阈值，则保持该像素的灰度值不变。

所述第四获得模块，还用于在对低通滤波处理后的第三图像中的每个像素进行阈值处理之前，利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值；在利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值的过程中，在灰度值范围[0，L-1]内选取灰度值T，通过灰度值T将低通滤波处理后的第三图像划分为组G0和组G1，所述组G0的灰度值范围为[0，T]，所述组G1的灰度值范围为[T+1，L-1]；获取所述组G0内的像素数占总像素数的比例w₀、所述组G1内的像素数占总像素数的比例w₁、所述组G0内的所有像素的灰度值的平均灰度值u₀、所述组G1内的所有像素的灰度值的平均灰度值u₁；针对灰度值范围[0，L-1]内的每个灰度值T，利用比例w₀、比例w₁、平均灰度值u₀、平均灰度值u₁获得一个评价值，得到L个评价值；从所述L个评价值中选择最大的评价值，将最大的评价值对应的灰度值T，确定为所述过滤阈值。

所述第五获得模块，具体用于在利用所述第二图像和所述第四图像得到第五图像的过程中，对所述第二图像和所述第四图像进行合成处理，得到合成后的图像；对合成后的图像进行中值滤波处理，得到边缘信息增强后的第五图像。

基于上述技术方案，本发明实施例中，通过对第一图像进行低通滤波处理，得到第二图像，对第一图像进行高通滤波处理，得到第三图像，对第三图像进行阈值处理，得到第四图像，并利用第二图像和第四图像得到边缘信息增强后的第五图像，从而得到图像质量较高的第五图像。基于上述方式，可以对第一图像进行降噪和边缘增强处理，从而有效减弱平坦区域的噪点，同时增强边缘的清晰度，在消除图像噪点的同时保留图像边缘信息，提升了图像质量。

附图说明

为了更加清楚地说明本发明实施例或者现有技术中的技术方案，下面将对本发明实施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本发明一种实施方式中的图像处理方法的流程图；

图2A是本发明一种实施方式中的低通滤波器的示意图；

图2B是本发明一种实施方式中的高通滤波器的示意图；

图3是本发明一种实施方式中的图像处理设备的硬件结构图；

图4是本发明一种实施方式中的图像处理装置的结构图。

具体实施方式

在本发明使用的术语仅仅是出于描述特定实施例的目的，而非限制本发明。本发明和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它含义。还应当理解，本文中使用的术语“和/或”是指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，尽管在本发明可能采用术语第一、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，在不脱离本发明范围的情况下，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，此外，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”。

参见图1所示，为本发明实施例中提出的图像处理方法的流程图，该方法可以应用于视频监控系统中的图像处理设备上。该图像处理设备可以为前端设备(如网络摄像机、模拟摄像机等)，由前端设备对自身采集到的图像进行处理，也可以为后端设备(如视频管理服务器、客户端等)，由前端设备将自身采集到的图像发送给后端设备，并由后端设备对接收到的图像进行处理。

步骤101，获得第一图像。

步骤102，对该第一图像进行低通滤波处理，得到第二图像。

步骤103，对该第一图像进行高通滤波处理，得到第三图像。

步骤104，对该第三图像进行阈值处理，得到第四图像。

步骤105，利用该第二图像和该第四图像得到边缘信息增强后的第五图像。

在一个例子中，上述步骤的顺序只是本申请的一个示例，各步骤之间的执行顺序可以根据实际需要进行改变。例如，还可以先执行“对该第一图像进行高通滤波处理，得到第三图像”的步骤、后执行“对该第三图像进行阈值处理，得到第四图像”的步骤，再执行“对该第一图像进行低通滤波处理，得到第二图像”的步骤。或者，还可以先执行“对该第一图像进行高通滤波处理，得到第三图像”的步骤、后执行“对该第一图像进行低通滤波处理，得到第二图像”的步骤，再执行“对该第三图像进行阈值处理，得到第四图像”的步骤。本申请实施例中，对各步骤之间的执行顺序不做限制，只是以上述顺序为例进行说明。而且，在执行步骤105之前，只要得到第二图像和第四图像即可，对于第二图像、第四图像的处理顺序，并不加以限制。

针对步骤101，在一个例子中，若图像处理设备为前端设备，则可以直接将前端设备采集到的图像确定为第一图像；或者，若图像处理设备为后端设备，则前端设备将采集到的图像发送给后端设备，后端设备将接收到的图像确定为第一图像。在另一个例子中，前端设备采集到的图像为RGB(Red Green Blue，红绿蓝)图像，基于此，若图像处理设备为前端设备，则直接将自身采集到的RGB图像转换为YUV(明亮度色度)图像，并将该YUV图像确定为第一图像；或者，若图像处理设备为后端设备，则前端设备将采集到的RGB图像发送给后端设备，后端设备将接收到的RGB图像转换为YUV图像，并将该YUV图像确定为第一图像。其中，YUV图像中的Y表示明亮度(Luminance或者Luma)，也就是灰度值，而YUV图像中的U和V表示色度(Chrominance或者Chroma)，其作用是描述影像色彩及饱和度，用于指定像素的颜色。

针对步骤102，在一个例子中，通过对第一图像进行低通滤波处理，可得到减弱噪点的第二图像，与第一图像相比，经过低通滤波处理的第二图像，噪点明显减弱，图像整体变模糊。在对第一图像进行低通滤波处理时，可以选用高斯滤波器作为低通滤波器，并使用高斯滤波器对第一图像进行低通滤波处理。

具体的，可以对高斯滤波器的滤波模板与第一图像进行卷积处理，得到经过低通滤波处理的第二图像，对该卷积处理过程不再详加赘述，以下对高斯滤波器的滤波模板进行说明。其中，可以将W(x,y)作为高斯滤波器的滤波模板，且W(x,y)的计算公式为：在该公式中，(x,y)为高斯滤波器上点的下标，D(x,y)为高斯滤波器上的点(x,y)到高斯滤波器中心的距离，v为控制高斯滤波器开口大小的参数。假设第一图像的尺寸为M*N，高斯滤波器的尺寸为2M*2N，则高斯滤波器的中心为(M,N)，基于此，可以通过如下公式计算D(x,y)：在该公式中，1<＝x<＝2M，1<＝y<＝2N。

在一个例子中，如图2A所示，为尺寸是800x800、v＝111的低通滤波器示意图。在图2A中，左边的图是一个3D图，而右边的图是一个俯视图。

针对步骤103，在一个例子中，通过对第一图像进行高通滤波处理，可以得到包含高频信息(即边缘和噪点)的第三图像，与第一图像相比，经过高通滤波处理的第三图像，可以只保留第一图像中的高频信息，且该高频信息是边缘和噪点的信息。在对第一图像进行高通滤波处理时，可以选用倒高斯滤波器作为高通滤波器，并使用该倒高斯滤波器对第一图像进行高通滤波处理。

具体的，可以对倒高斯滤波器的滤波模板与第一图像进行卷积处理，得到经过高通滤波处理的第三图像，对该卷积处理过程不再详加赘述，以下对倒高斯滤波器的滤波模板进行说明。可以将W(x,y)作为倒高斯滤波器的滤波模板，且W(x,y)的计算公式为：在该公式中，(x,y)为倒高斯滤波器上点的下标，D(x,y)为倒高斯滤波器上的点(x,y)到倒高斯滤波器中心的距离，v为控制倒高斯滤波器开口大小的参数。假设第一图像的尺寸为M*N，倒高斯滤波器的尺寸为2M*2N，则倒高斯滤波器的中心为(M,N)，并可以通过如下公式计算D(x,y)：在该公式中，1<＝x<＝2M，1<＝y<＝2N。

在一个例子中，如图2B所示，为尺寸是800x800、v＝111的高通滤波器示意图。在图2B中，左边的图是一个3D图，而右边的图是一个俯视图。

在一个例子中，当第一图像是YUV图像时，针对步骤102和步骤103，在对第一图像进行低通滤波处理的过程中，可以只对第一图像中的Y通道分量进行低通滤波处理；在对第一图像进行高通滤波处理的过程中，可以只对第一图像中的Y通道分量进行高通滤波处理。其中，Y表示明亮度，也就是灰度值，而U和V表示色度，其作用是描述影像色彩及饱和度，用于指定像素的颜色。

针对步骤104，由于第三图像中保留了第一图像中的高频信息，该高频信息是边缘和噪点的信息，即第三图像中既有边缘信息，又有噪点信息，因此，通过对第三图像进行阈值处理，可以消除噪点，得到只包括边缘信息的第四图像。

在一个例子中，对第三图像进行阈值处理，得到第四图像的过程，可以包括但不限于：对第三图像进行低通滤波处理，并对低通滤波处理后的第三图像中的每个像素进行阈值处理，得到第四图像。在对每个像素进行阈值处理的过程中，针对每个像素，若该像素的灰度值小于过滤阈值，则将该像素的灰度值修改为0；若该像素的灰度值不小于过滤阈值，则保持该像素的灰度值不变。

在一个例子中，噪点信息和边缘信息的区别在于：1、在一个很窄的灰度范围内，噪点分布在空间上不连续，而边缘分布在空间上比较连续；2、噪点的平均灰度要远小于边缘的平均灰度。基于上述区别1和区别2，通过对第三图像进行低通滤波处理，可以减弱噪点和背景的灰度差，在对低通滤波处理后的第三图像中的每个像素进行阈值处理后，就可以只保留边缘信息，噪点被滤除了。

其中，针对“对第三图像进行低通滤波处理”的过程，可以选用高斯滤波器作为低通滤波器，并使用该高斯滤波器对第三图像进行低通滤波处理，例如，对高斯滤波器的滤波模板与第三图像进行卷积处理，得到一个经过低通滤波处理的第三图像，上述过程可以参考步骤202，对此过程不再详加赘述。

其中，针对“对低通滤波处理后的第三图像中的每个像素进行阈值处理”的过程，针对低通滤波处理后的第三图像中的每个像素，若该像素的灰度值小于过滤阈值，则可以将该像素的灰度值修改为0；若该像素的灰度值不小于过滤阈值，则可以保持该像素的灰度值不变。这样，就可以得到一个第四图像。

为了实现上述阈值处理过程，在对低通滤波处理后的第三图像中的每个像素进行阈值处理之前，还可以利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值，以下对获得该过滤阈值的过程进行详细说明。

在一个例子中，利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值的过程，可以包括但不限于如下方式：在灰度值范围[0，L-1]内选取灰度值T，通过灰度值T将低通滤波处理后的第三图像划分为组G0和组G1，组G0的灰度值范围为[0，T]，组G1的灰度值范围为[T+1，L-1]；获取组G0内的像素数占总像素数的比例w₀、组G1内的像素数占总像素数的比例w₁、组G0内的所有像素的灰度值的平均灰度值u₀、组G1内的所有像素的灰度值的平均灰度值u₁；针对灰度值范围[0，L-1]内的每个灰度值T，利用比例w₀、比例w₁、平均灰度值u₀、平均灰度值u₁获得一个评价值，得到L个评价值；从L个评价值中选择最大的评价值，并将最大的评价值对应的灰度值T，确定为过滤阈值。

其中，假设图像有L个灰度值，则灰度值范围是[0，L-1]。假设用K比特表示灰度值，则L为2的K次方，以K为3为例，则灰度值范围是[0，7]。

其中，可以从灰度值范围[0，L-1]内，依次选取每个灰度值T，并利用该灰度值T对应的比例w₀、比例w₁、平均灰度值u₀、平均灰度值u₁等数值，获得针对该灰度值T的评价值，共得到L个评价值。例如，从灰度值范围[0，7]内选取灰度值0，得到一个评价值1，从灰度值范围[0，7]内选取灰度值1，得到一个评价值2，以此类推，从灰度值范围[0，7]内选取灰度值7，得到一个评价值8。

进一步的，可以从评价值1-评价值7中选取出最大的评价值，并将该最大的评价值对应的灰度值T，确定为所述过滤阈值。例如，若最大的评价值为评价值5，则可以将评价值5对应的灰度值4确定为所述过滤阈值。

在一个例子中，由于针对每个灰度值的处理过程相同，因此，下面以选取一个灰度值T(如灰度值5)为例，对获得过滤阈值的过程进行详细说明。

在灰度值范围[0，L-1]内选取灰度值T，通过灰度值T将低通滤波处理后的第三图像划分为组G0和组G1，组G0的灰度值范围为[0，T]，组G1的灰度值范围为[T+1，L-1]。假设组G0内的像素数占总像素数的比例为w₀，组G1内的像素数占总像素数的比例为w₁，组G0内的所有像素的灰度值的平均灰度值为u₀，组G1内的所有像素的灰度值的平均灰度值为u₁，则可以采用如下公式获取组G0的比例w₀、组G1的比例w₁、组G0的平均灰度值u₀、组G1的平均灰度值u₁：

在上述公式中，i为像素的灰度值，p_i表示灰度值是i的像素出现的概率。在一个例子中，假设低通滤波处理后的第三图像中有N个像素，n_i表示灰度值是i的像素的个数，则可以利用如下公式获得概率p_i：

在获得组G0的比例w₀、组G1的比例w₁、组G0的平均灰度值u₀、组G1的平均灰度值u₁后，就可以利用比例w₀、比例w₁、平均灰度值u₀、平均灰度值u₁获得一个评价值，例如，采用如下公式获得评价值：G(T)＝w₀w₁(u₀-u₁)²。

在针对L个灰度值T进行上述处理后，可以得到L个评价值，并从L个评价值中选择最大的评价值，并将最大的评价值对应的灰度值T，确定为过滤阈值。

当然，在实际应用中，并不局限于上述获得过滤阈值的方式，例如，还可以根据实际经验直接配置过滤阈值，对此过滤阈值的获得方式不再赘述。

针对步骤105，在一个例子中，利用第二图像和第四图像得到边缘信息增强后的第五图像的过程，具体可以包括但不限于如下方式：对第二图像和第四图像进行合成处理，得到合成后的图像；对合成后的图像进行中值滤波处理，得到边缘信息增强后的第五图像，该第五图像就是最终需要输出的图像。

其中，针对“对第二图像和第四图像进行合成处理，得到合成后的图像”的过程，可以将只包括边缘信息的第四图像以及减弱噪点的第二图像进行合成处理，这样，在合成后的图像中，可以有效减弱平坦区域的噪点，同时增强边缘的清晰度，在消除图像噪点的同时保留图像的边缘信息，提升了图像质量。

在对第二图像和第四图像进行合成处理时，可以采用如下公式对第二图像和第四图像进行合成处理，I_comp(x,y)＝I_lp(x,y)+K*I_hp(x,y)，在该公式中，x，y为图像中像素的下标，1<＝x<＝M，1<＝y<＝N。I_comp为合成后的图像，I_lp为第二图像，I_hp为第四图像，K为预设权重，可以根据实际经验进行配置，且K>0。其中，K的值越大，则第四图像在合成后的图像中所占的比重也就越大。

其中，针对“对合成后的图像进行中值滤波处理，得到边缘信息增强后的第五图像”的过程，对于上述过程中得到的合成后的图像，在物体边缘部分可能会引入椒盐噪声，因此，需要进行消除椒盐噪声的处理。为了消除椒盐噪声，可以对合成后的图像进行中值滤波处理，从而得到边缘信息增强后的第五图像。

其中，椒盐噪声是指两种噪声，一种是盐噪声(salt noise)，另一种是胡椒噪声(pepper noise)，盐噪声为白色，椒噪声为黑色，盐噪声是高灰度噪声，椒噪声是低灰度噪声，当两种噪声同时出现时，呈现在图像上就是黑白杂点。

其中，中值滤波是一种非线性平滑技术，它将每一像素点的灰度值设置为该像素点的某邻域窗口内的所有像素点灰度值的中值，从而消除孤立的噪声点。为了实现中值滤波，可以采用某种结构的二维滑动模板，将滑动模板内的像素，按照像素值的大小进行排序，生成单调上升或下降的二维数据序列，二维中值滤波输出为g(x,y)＝med{f(x-k,y-l)，(k,l∈W)}，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像，W为二维模板，通常可以为3*3区域，5*5区域，也可以是不同的形状，如线状，圆形，十字形，圆环形等。在一个例子中，中值滤波采用的滤波器半径可以设置为1(半径如果大于1会显著降低图像清晰度)。

在一个例子中，在对合成后的图像进行中值滤波处理之后，还可以得到一个中值滤波处理后的图像，若该图像为RGB图像，则可以直接将该图像确定为边缘信息增强后的第五图像，该第五图像为最终需要输出的图像，若该图像为YUV图像，则还可以将该图像转换为RGB图像，并将转换后的RGB图像确定为边缘信息增强后的第五图像，该第五图像为最终需要输出的图像。

基于上述技术方案，本发明实施例中，通过对第一图像进行低通滤波处理，得到第二图像，对第一图像进行高通滤波处理，得到第三图像，并对该第三图像进行阈值处理，得到第四图像，并利用第二图像和第四图像得到边缘信息增强后的第五图像，从而得到图像质量较高的第五图像。基于上述方式，可以对第一图像进行降噪和边缘增强处理，从而有效减弱平坦区域的噪点，同时增强边缘的清晰度，在消除图像噪点的同时保留图像边缘信息，提升了图像质量。

基于与上述方法同样的发明构思，本发明实施例还提供一种图像处理装置，该图像处理装置应用在图像处理设备上。该图像处理装置可以通过软件实现，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，是通过其所在的图像处理设备的处理器，读取非易失性存储器中对应的计算机程序指令形成的。从硬件层面而言，如图3所示，为本发明提出的图像处理装置所在的图像处理设备的一种硬件结构图，除了图3所示的处理器、非易失性存储器外，图像处理设备还可以包括其他硬件，如负责处理报文的转发芯片、网络接口、内存等；从硬件结构上来讲，图像处理设备还可能是分布式设备，可能包括多个接口卡，以便在硬件层面进行报文处理的扩展。

如图4所示，为本发明提出的图像处理装置的结构图，所述装置具体包括：

第一获得模块11，用于获得第一图像；

第二获得模块12，用于对所述第一图像进行低通滤波处理，得到第二图像；

第三获得模块13，用于对所述第一图像进行高通滤波处理，得到第三图像；

第四获得模块14，用于对所述第三图像进行阈值处理，得到第四图像；

第五获得模块15，用于利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像。

在一个例子中，所述第四获得模块14，具体用于在对所述第三图像进行阈值处理，得到第四图像的过程中，对所述第三图像进行低通滤波处理，并对低通滤波处理后的第三图像中的每个像素进行阈值处理，得到第四图像；

其中，所述第四获得模块14在对每个像素进行阈值处理的过程中，针对每个像素，若该像素的灰度值小于过滤阈值，则将该像素的灰度值修改为0；若该像素的灰度值不小于所述过滤阈值，则保持该像素的灰度值不变。

在一个例子中，所述第四获得模块14，还用于在对低通滤波处理后的第三图像中的每个像素进行阈值处理之前，利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值；所述第四获得模块14，进一步用于在利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值的过程中，在灰度值范围[0，L-1]内选取灰度值T，通过所述灰度值T将低通滤波处理后的第三图像划分为组G0和组G1，所述组G0的灰度值范围为[0，T]，所述组G1的灰度值范围为[T+1，L-1]；获取所述组G0内的像素数占总像素数的比例w₀、所述组G1内的像素数占总像素数的比例w₁、所述组G0内的所有像素的灰度值的平均灰度值u₀、所述组G1内的所有像素的灰度值的平均灰度值u₁；针对灰度值范围[0，L-1]内的每个灰度值T，利用比例w₀、比例w₁、平均灰度值u₀、平均灰度值u₁获得一个评价值，得到L个评价值；从所述L个评价值中选择最大的评价值，并将最大的评价值对应的灰度值T，确定为所述过滤阈值。

在一个例子中，所述第五获得模块15，具体用于在利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像的过程中，对所述第二图像和所述第四图像进行合成处理，得到合成后的图像；对所述合成后的图像进行中值滤波处理，得到边缘信息增强后的第五图像。

其中，本发明装置的各个模块可以集成于一体，也可以分离部署。上述模块可以合并为一个模块，也可以进一步拆分成多个子模块。

基于上述技术方案，本发明实施例中，通过对第一图像进行低通滤波处理，得到第二图像，对第一图像进行高通滤波处理，得到第三图像，并对该第三图像进行阈值处理，得到第四图像，并利用第二图像和第四图像得到边缘信息增强后的第五图像，从而得到图像质量较高的第五图像。基于上述方式，可以对第一图像进行降噪和边缘增强处理，从而有效减弱平坦区域的噪点，同时增强边缘的清晰度，在消除图像噪点的同时保留图像边缘信息，提升了图像质量。

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本发明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，但很多情况下前者是更佳的实施方式。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，或者网络设备等)执行本发明各个实施例所述的方法。本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可进一步拆分成多个子模块。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (10)

1.一种图像处理方法，其特征在于，所述方法具体包括：

获得第一图像；

对所述第一图像进行低通滤波处理，得到第二图像；

对所述第一图像进行高通滤波处理，得到第三图像；

对所述第三图像进行阈值处理，得到第四图像；

利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像。

2.根据权利要求1所述的方法，其特征在于，

所述对所述第三图像进行阈值处理，得到第四图像的过程，具体包括：

对所述第三图像进行低通滤波处理，并对低通滤波处理后的第三图像中的每个像素进行阈值处理，得到第四图像；在对每个像素进行阈值处理的过程中，针对每个像素，若该像素的灰度值小于过滤阈值，则将该像素的灰度值修改为0；若该像素的灰度值不小于所述过滤阈值，则保持该像素的灰度值不变。

3.根据权利要求2所述的方法，其特征在于，所述对低通滤波处理后的第三图像中的每个像素进行阈值处理之前，所述方法进一步包括：

利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值。

4.根据权利要求3所述的方法，其特征在于，所述利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值的过程，具体包括：

在灰度值范围[0，L-1]内选取灰度值T，通过所述灰度值T将低通滤波处理后的第三图像划分为组G0和组G1，所述组G0的灰度值范围为[0，T]，所述组G1的灰度值范围为[T+1，L-1]；获取所述组G0内的像素数占总像素数的比例w₀、所述组G1内的像素数占总像素数的比例w₁、所述组G0内的所有像素的灰度值的平均灰度值u₀、所述组G1内的所有像素的灰度值的平均灰度值u₁；

针对灰度值范围[0，L-1]内的每个灰度值T，利用比例w₀、比例w₁、平均灰度值u₀、平均灰度值u₁获得一个评价值，得到L个评价值；从所述L个评价值中选择最大的评价值，并将最大的评价值对应的灰度值T，确定为所述过滤阈值。

5.根据权利要求1所述的方法，其特征在于，所述利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像的过程，具体包括：

对所述第二图像和所述第四图像进行合成处理，得到合成后的图像；

对所述合成后的图像进行中值滤波处理，得到边缘信息增强后的第五图像。

6.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：

在获得第一图像的过程中，将前端设备采集到的红绿蓝RGB图像转换为明亮度色度YUV图像，并将所述YUV图像确定为所述第一图像；

在对所述第一图像进行低通滤波处理的过程中，对所述第一图像中的Y通道分量进行低通滤波处理；在对所述第一图像进行高通滤波处理的过程中，对所述第一图像中的Y通道分量进行高通滤波处理。

7.一种图像处理装置，其特征在于，所述装置具体包括：

第一获得模块，用于获得第一图像；

第二获得模块，用于对所述第一图像进行低通滤波处理，得到第二图像；

第三获得模块，用于对所述第一图像进行高通滤波处理，得到第三图像；

第四获得模块，用于对所述第三图像进行阈值处理，得到第四图像；

第五获得模块，用于利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像。

8.根据权利要求7所述的装置，其特征在于，

所述第四获得模块，具体用于在对所述第三图像进行阈值处理，得到第四图像的过程中，对所述第三图像进行低通滤波处理，并对低通滤波处理后的第三图像中的每个像素进行阈值处理，得到第四图像；

其中，所述第四获得模块在对每个像素进行阈值处理的过程中，针对每个像素，若该像素的灰度值小于过滤阈值，则将该像素的灰度值修改为0；若该像素的灰度值不小于所述过滤阈值，则保持该像素的灰度值不变。

9.根据权利要求8所述的装置，其特征在于，所述第四获得模块，还用于在对低通滤波处理后的第三图像中的每个像素进行阈值处理之前，利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值；

所述第四获得模块，进一步用于在利用低通滤波处理后的第三图像中的每个像素的灰度值，获得过滤阈值的过程中，在灰度值范围[0，L-1]内选取灰度值T，通过所述灰度值T将低通滤波处理后的第三图像划分为组G0和组G1，所述组G0的灰度值范围为[0，T]，所述组G1的灰度值范围为[T+1，L-1]；

获取所述组G0内的像素数占总像素数的比例w₀、所述组G1内的像素数占总像素数的比例w₁、所述组G0内的所有像素的灰度值的平均灰度值u₀、所述组G1内的所有像素的灰度值的平均灰度值u₁；

针对灰度值范围[0，L-1]内的每个灰度值T，利用比例w₀、比例w₁、平均灰度值u₀、平均灰度值u₁获得一个评价值，得到L个评价值；从所述L个评价值中选择最大的评价值，并将最大的评价值对应的灰度值T，确定为所述过滤阈值。

10.根据权利要求7所述的装置，其特征在于，所述第五获得模块，具体用于在利用所述第二图像和所述第四图像得到边缘信息增强后的第五图像的过程中，对所述第二图像和所述第四图像进行合成处理，得到合成后的图像；对所述合成后的图像进行中值滤波处理，得到边缘信息增强后的第五图像。