CN108805829A - 影像数据处理方法、装置、设备及计算机可读存储介质 - Google Patents
影像数据处理方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108805829A CN108805829A CN201810513676.9A CN201810513676A CN108805829A CN 108805829 A CN108805829 A CN 108805829A CN 201810513676 A CN201810513676 A CN 201810513676A CN 108805829 A CN108805829 A CN 108805829A
- Authority
- CN
- China
- Prior art keywords
- video data
- gray
- pixel
- value
- raw video
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000013467 fragmentation Methods 0.000 claims abstract description 61
- 238000006062 fragmentation reaction Methods 0.000 claims abstract description 61
- 230000005764 inhibitory process Effects 0.000 claims abstract description 25
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 40
- 230000000694 effects Effects 0.000 abstract description 13
- 230000006872 improvement Effects 0.000 abstract description 10
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 14
- 230000002708 enhancing effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种影像数据处理方法、装置、设备及计算机可读存储介质。其中,方法获取待处理的原始影像数据,并获取原始影像数据的像素值和像素分布信息;根据像素值和像素分布信息生成灰度直方图;根据预先设置的抑制参数,基于灰度直方图计算分段线性变化的分段阈值;根据各分段阈值,对灰度直方图进行分段线性灰度变换,得到处理后的影像数据。本申请结合了直方图均衡化与分段线性变换的思想,采用直方图的方法确定出分段线性变换函数的分段阈值,由于基于直方图的分段线性灰度变换为一种像素点处理方法,可使图像对比度扩展,图像清晰,特征明显,从而增强处理后影像数据的目视效果,改善了影像数据的显示效果,提升了影像数据的质量。
Description
技术领域
本发明实施例涉及图像处理技术领域,特别是涉及一种影像数据处理方法、装置、设备及计算机可读存储介质。
背景技术
在互联网技术快速发展的催动作用下,图像处理技术得到了快速发展。遥感技术的应用是人的视觉在波谱范围上的扩展,在可见光部分,人眼可区分色彩约三千多种,对于黑白图像,人眼能区分的灰度级只有二三十个。在非可见光波段,需将图像的灰度值转换到0~255区间内才有利于观察。当原始遥感影像集中在某一段灰度范围之内,图像的反差小,对比度差,不利于人眼的分辨,所以需要对遥感图像进行增强处理。
遥感影像质量的提升可采用图像增强的方法,图像增强为有选择的突出图像中感兴趣的特征或者抑制一些无用的信息。增强处理的主要目的是为了提高遥感图像的可解释性,使处理后的图像增强目视效果,并且提高图像质量和突出所需信息,从而有利于分析判读或作进一步的处理,改善后的图像比原始图像更加满足特殊分析的需求。
现有技术中,一般采用线性灰度变化对图像处理,将输入图像(原始图像)灰度值的动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围,这种方法尽管可以获得一定的效果,但是处理过的图像仍无法满足用户对遥感影像的质量的需求。
鉴于此,如何在对遥感图像进行增强处理时,提升影像数据的质量,是本领域技术人员亟待解决的问题。
发明内容
本发明实施例的目的是提供一种影像数据处理方法、装置、设备及计算机可读存储介质,提升影像数据的质量。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种影像数据处理方法,包括:
获取待处理的原始影像数据,并获取所述原始影像数据的像素值和像素分布信息;
根据所述像素值和所述像素分布信息生成灰度直方图;
根据预先设置的抑制参数,基于所述灰度直方图计算分段线性变化的分段阈值;
根据各分段阈值,对所述原始影像数据进行分段线性灰度变换,得到处理后的影像数据。
可选的,所述根据预先设置的抑制参数,基于所述灰度直方图计算分段线性变化的分段阈值包括:
根据预设设置的抑制参数,计算灰度值首端抑制像素数量和灰度值尾端抑制像素数量;
利用下述公式计算灰度值首端、尾端的第一分段阈值和第二分段阈值:
p<0.5;
式中,a为所述第一分段阈值,b为所述第二分段阈值,p为所述抑制参数,p*n为所述灰度值首端抑制像素数量和所述灰度值尾端抑制像素数量,nk为各灰度级像素数目。
可选的,所述根据所述像素值和所述像素分布信息生成灰度直方图包括:
统计所述原始影像数据各灰度级的像素数目nk,k=0,1,...255;
计算各灰度级的概率密度pr(rk)=nk/n,根据各灰度级的概率密度生成所述原始影像数据的灰度直方图;n为所述原始影像数据的像素总量,rk为第k个灰度级。
可选的,所述根据各分段阈值,对所述原始影像数据进行分段线性灰度变换,得到处理过的影像数据包括:
获取所述原始影像数据的灰度值的最大值MAXf、最小值MINf、第一分段阈值a、第二分段阈值b;
将所述原始影像数据按照(MINf,a)、(a,b)、(b,MAXf)分割为三段,并利用下述公式分别拉伸到对应的(MINg,c)、(c,d)、(d,MAXg)区间中,处理后的影像数据的灰度值的最大值MAXg、最小值MINg;
c=Int(MAXg*p);d=MAXg-Int(MAXg*p);MAXg=255;MINg=0;
式中,f(x,y)为原始影像数据中每个像素的灰度值;g(x,y)为处理后的影像数据中对应像素的灰度值;p为所述抑制参数。
本发明实施例另一方面提供了一种影像数据处理装置,包括:
获取信息模块,用于获取待处理的原始影像数据,并获取所述原始影像数据的像素值和像素分布信息点;
直方图生成模块,用于根据所述像素值和所述像素分布信息生成灰度直方图;
分段阈值计算模块,用于根据预先设置的抑制参数,基于所述灰度直方图计算分段线性变化的分段阈值;
分段线性变换模块,用于根据各分段阈值,对所述灰度直方图进行分段线性灰度变换,得到处理后的影像数据。
可选的,所述分段阈值计算模块包括:
第一计算单元,用于根据预设设置的抑制参数,计算灰度值首端抑制像素数量和灰度值尾端抑制像素数量;
第二计算单元,用于利用下述公式计算灰度值首端、尾端的第一分段阈值和第二分段阈值:
p<0.5:
式中,a为所述第一分段阈值,b为所述第二分段阈值,p为所述抑制参数,p*n为所述灰度值首端抑制像素数量和所述灰度值尾端抑制像素数量,nk为各灰度级像素数目。
可选的,所述直方图生成模块包括:
统计单元,用于统计所述原始影像数据各灰度级的像素数目nk,k=0,1,...255;
计算单元,用于计算各灰度级的概率密度pr(rk)=nk/n,根据各灰度级的概率密度生成所述原始影像数据的灰度直方图;n为所述原始影像数据的像素总量,rk为第k个灰度级。
可选的,所述分段线性变换模块包括:
获取单元,用于获取所述原始影像数据的灰度值的最大值MAXf、最小值MINf、第一分段阈值a、第二分段阈值b;
变化单元,用于将所述原始影像数据按照(MINf,a)、(a,b)、(b,MAXf)分割为三段,并利用下述公式分别拉伸到对应的(MINg,c)、(c,d)、(d,MAXg)区间中,处理后的影像数据的灰度值的最大值MAXg、最小值MINg;
c=Int(MAXg*p);d=MAXg-Int(MAXg*p);MAXg=255;MINg=0;
式中,f(x,y)为原始影像数据中每个像素的灰度值;g(x,y)为处理后的影像数据中对应像素的灰度值;p为所述抑制参数。
本发明实施例还提供了一种影像数据处理设备,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如前任一项所述影像数据处理方法的步骤。
本发明实施例最后还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如前任一项所述影像数据处理方法的步骤。
本发明实施例提供了一种影像数据处理方法,获取待处理的原始影像数据,并获取原始影像数据的像素值和像素分布信息;根据像素值和像素分布信息生成灰度直方图;根据预先设置的抑制参数,基于灰度直方图计算分段线性变化的分段阈值;根据各分段阈值,对灰度直方图进行分段线性灰度变换,得到处理后的影像数据。
本申请提供的技术方案的优点在于,结合了直方图均衡化与分段线性变换的思想,采用直方图的方法确定出分段线性变换函数的分段阈值,由于基于直方图的分段线性灰度变换为一种像素点处理方法,可使图像对比度扩展,图像清晰,特征明显,从而增强处理后影像数据的目视效果,突出所需信息,改善了影像数据的显示效果,提升了影像数据的质量,有利于分析判断或作进一步的处理以满足特殊分析的需求。
此外,本发明实施例还针对影像数据处理方法提供了相应的实现装置、设备及计算机可读存储介质,进一步使得所述方法更具有实用性,所述装置具有相应的优点。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种影像数据处理方法的流程示意图;
图2为本发明实施例提供的灰度直方图对应的一种图像效果;
图3为本发明实施例提供的灰度直方图对应的另一种图像效果;
图4为本发明实施例提供的灰度直方图对应的再一种图像效果;
图5为本发明实施例提供的灰度直方图对应的最后一种图像效果;
图6为本发明实施例提供的基于灰度直方图的分段线性变换的示意图;
图7为本发明实施例提供的影像数据处理装置的一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的一种影像数据处理方法的流程示意图,基于三维地图引擎的路径绘制动画的方法,本发明实施例可包括以下内容:
原始影像数据为f(x,y),处理后的影像数据为g(x,y),图像增强操作函数为T,那么图像增强前后关系可表达为g(x,y)=T[f(x,y)]。本申请采用的图像增强处理为基于直方图的分段线性灰度变换,具体过程可如下所述:
S101:获取待处理的原始影像数据,并获取原始影像数据的像素值和像素分布信息。
影像数据为图像数据,可利用任何一种图像像素值获取技术获取影像数据的像素值以及像素分布信息。像素分布信息可为各灰度级别的像素数目,灰度值的最大值、最小值等。
S102:根据像素值和像素分布信息生成灰度直方图。
每一幅图像都可以求出其像元亮度值的直方图,观察直方图的形态,可以粗略地分析图像的质量,请参阅图2-图5所示,一般来说,一幅图像其像元亮度值应符合统计分布规律,像元亮度随机分布时,直方图应是正态分布的(图2所示)。实际工作中,当观察直方图形态时,发现直方图的峰值偏向亮度坐标轴左侧,则说明图像偏暗(图3所示)。峰值偏向坐标轴右侧,则说明图像偏亮(图4所示),峰值提升过陡、过窄,说明图像的高密度值过于集中(图5所示),以上情况均是图像对比度较小,图像质量较差的反映,可通过直方图均衡化处理,来改善图像质量。
直方图均衡化通过变换函数T(r)将原始图像直方图调整为一个新的均衡的(平坦的)直方图。一般原始图像的概率密度函数曲线为一起伏的曲线,直方图均衡化就是使概率密度函数变为一条平坦直线,使一定灰度范围内像元数量大致相等,均衡化后使图像中等亮度区的对比度得到扩展,原始图像中两端亮区(高亮区和低亮区)对比度相对受压缩。直方图均衡化通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度。通过这种方法,亮度可以更好地在直方图上分布,达到图像增强效果。具体过程可为:
统计原始影像数据各灰度级的像素数目nk,k=0,1,...255;
计算各灰度级的概率密度pr(rk)=nk/n,根据各灰度级的概率密度生成原始影像数据的灰度直方图;n为原始影像数据的像素总量,rk为第k个灰度级。
S103:根据预先设置的抑制参数,基于灰度直方图计算分段线性变化的分段阈值。
分段阈值的个数根据分段灰度线性变换的分段需求进行确定,例如分为三段时,包括两个分段阈值,具体过程可为:
根据预设设置的抑制参数,计算灰度值首端抑制像素数量和灰度值尾端抑制像素数量;
利用下述公式计算灰度值首端、尾端的第一分段阈值和第二分段阈值:
p<0.5;
式中,a为第一分段阈值,b为第二分段阈值,p为抑制参数,p*n为灰度值首端抑制像素数量和灰度值尾端抑制像素数量,nk为各灰度级像素数目。
S104:根据各分段阈值,对灰度直方图进行分段线性灰度变换,得到处理后的影像数据。
获取灰度直方图的灰度值的最大值MAXf、最小值MINf、第一分段阈值a、第二分段阈值b;
将原始影像数据按照(MINf,a)、(a,b)、(b,MAXf)分割为三段,并利用下述公式分别拉伸到对应的(MINg,c)、(c,d)、(d,MAXg)区间中,处理后的影像数据的灰度值的最大值MAXg、最小值MINg;
c=Int(MAXg*p);d=MAXg-Int(MAXg*p);MAXg=255;MINg=0;
式中,f(x,y)为原始影像数据中每个像素的灰度值;g(x,y)为处理后的影像数据中对应像素的灰度值;p为抑制参数。
需要说明的是,MAXg和MINg可为0-255中的任何值,只需MAXg>MINg;为了使处理过的图像有更大的拉升,一般可将MAXg设置为255,将MINg设置为0。
请参阅图6,以遥感影像数据和三段灰度线性变换为例,遥感影像数据的灰度值范围为0~255,设置灰度值首端、尾端抑制像素数量。基于首端、尾端抑制数量,计算出分段线性变换阈值a、b,可将原始图像分为三段(MINf,a)、(a,b)、(b,MAXf),将其拉伸到对应三个区间(MINg,c)、(c,d)、(d,MAXg),其中,MINg=0,MAXg=255,具体过程包括:
统计原始图像各灰度级的像素数目nk,k=0,1,...255,并计算原始图像的直方图。
给出首端、尾端抑制参数p,计算灰度值首端、尾端抑制像素数量为p*n,根据该值计算出灰度值首端、尾端的分段阈值对应的灰度值a,b。
把原始影像图像分割为三段(MINf,a)、(a,b)、(b,MAXf),分别拉伸到对应三个区间(MINg,c)、(c,d)、(d,MAXg)。
对于遥感影像数据,原始遥感数据的灰度值范围为(MINf,MAXf),进行图像增强后的影像灰度值范围为(MINg,MAXg),此处的MINg=0,MAXg=255。故原始将其分为三段(MINf,a)、(a,b)、(b,MAXf)分别做线性增强到(0,c)、(c,d)、(d,255)三个灰度区间,分段线性灰度变换公式为:
在本发明实施例提供的技术方案中,结合了直方图均衡化与分段线性变换的思想,采用直方图的方法确定出分段线性变换函数的分段阈值,由于基于直方图的分段线性灰度变换为一种像素点处理方法,可使图像对比度扩展,图像清晰,特征明显,从而增强处理后影像数据的目视效果,突出所需信息,改善了影像数据的显示效果,提升了影像数据的质量,有利于分析判断或作进一步的处理以满足特殊分析的需求。
本发明实施例还针对影像数据处理方法提供了相应的实现装置,进一步使得所述方法更具有实用性。下面对本发明实施例提供的影像数据处理装置进行介绍,下文描述的影像数据处理装置与上文描述的影像数据处理方法可相互对应参照。
参见图7,图7为本发明实施例提供的影像数据处理装置在一种具体实施方式下的结构图,该装置可包括:
获取信息模块701,用于获取待处理的原始影像数据,并获取原始影像数据的像素值和像素分布信息点。
直方图生成模块702,用于根据像素值和像素分布信息生成灰度直方图。
分段阈值计算模块703,用于根据预先设置的抑制参数,基于灰度直方图计算分段线性变化的分段阈值。
分段线性变换模块704,用于根据各分段阈值,对灰度直方图进行分段线性灰度变换,得到处理后的影像数据。
可选的,在本实施例的一些实施方式中,所述分段阈值计算模块703具体可包括:
第一计算单元,用于根据预设设置的抑制参数,计算灰度值首端抑制像素数量和灰度值尾端抑制像素数量;
第二计算单元,用于利用下述公式计算灰度值首端、尾端的第一分段阈值和第二分段阈值:
p<0.5;
式中,a为第一分段阈值,b为第二分段阈值,p为抑制参数,p*n为灰度值首端抑制像素数量和灰度值尾端抑制像素数量,nk为各灰度级像素数目。
在一种具体的实施方式中,所述直方图生成模块702可包括:
统计单元,用于统计原始影像数据各灰度级的像素数目nk,k=0,1,...255;
计算单元,用于计算各灰度级的概率密度pr(rk)=nk/n,根据各灰度级的概率密度生成原始影像数据的灰度直方图;n为原始影像数据的像素总量,rk为第k个灰度级。
此外,在另外的一种具体的实施方式中,所述分段线性变换模块704可包括:
获取单元,用于获取原始影像数据的灰度值的最大值MAXf、最小值MINf、第一分段阈值a、第二分段阈值b;
变化单元,用于将原始影像数据按照(MINf,a)、(a,b)、(b,MAXf)分割为三段,并利用下述公式分别拉伸到对应的(MINg,c)、(c,d)、(d,MAXg)区间中,处理后的影像数据的灰度值的最大值MAXg、最小值MINg;
式中,f(x,y)为原始影像数据中每个像素的灰度值;g(x,y)为处理后的影像数据中对应像素的灰度值;p为抑制参数。
本发明实施例影像数据处理装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例结合了直方图均衡化与分段线性变换的思想,采用直方图的方法确定出分段线性变换函数的分段阈值,由于基于直方图的分段线性灰度变换为一种像素点处理方法,可使图像对比度扩展,图像清晰,特征明显,从而增强处理后影像数据的目视效果,突出所需信息,改善了影像数据的显示效果,提升了影像数据的质量,有利于分析判断或作进一步的处理以满足特殊分析的需求。
本发明实施例还提供了一种影像数据处理设备,具体可包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序以实现如上任意一实施例所述影像数据处理方法的步骤。
本发明实施例所述影像数据处理设备的各功能模块的功能可根据上述方法实施例中影像数据处理方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例增强处理后影像数据的目视效果,突出所需信息,改善了影像数据的显示效果,提升了影像数据的质量,有利于分析判断或作进一步的处理以满足特殊分析的需求。
本发明实施例还提供了一种计算机可读存储介质,存储有影像数据处理程序,所述影像数据处理程序被处理器执行时如上任意一实施例所述影像数据处理方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中影像数据处理方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例增强处理后影像数据的目视效果,突出所需信息,改善了影像数据的显示效果,提升了影像数据的质量,有利于分析判断或作进一步的处理以满足特殊分析的需求。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种影像数据处理方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种影像数据处理方法,其特征在于,包括:
获取待处理的原始影像数据,并获取所述原始影像数据的像素值和像素分布信息;
根据所述像素值和所述像素分布信息生成灰度直方图;
根据预先设置的抑制参数,基于所述灰度直方图计算分段线性变化的分段阈值;
根据各分段阈值,对所述原始影像数据进行分段线性灰度变换,得到处理后的影像数据。
2.根据权利要求1所述的影像数据处理方法,其特征在于,所述根据预先设置的抑制参数,基于所述灰度直方图计算分段线性变化的分段阈值包括:
根据预设设置的抑制参数,计算灰度值首端抑制像素数量和灰度值尾端抑制像素数量;
利用下述公式计算灰度值首端、尾端的第一分段阈值和第二分段阈值:
式中,a为所述第一分段阈值,b为所述第二分段阈值,p为所述抑制参数,p*n为所述灰度值首端抑制像素数量和所述灰度值尾端抑制像素数量,nk为各灰度级像素数目。
3.根据权利要求2所述的影像数据处理方法,其特征在于,所述根据所述像素值和所述像素分布信息生成灰度直方图包括:
统计所述原始影像数据各灰度级的像素数目nk,k=0,1,...255;
计算各灰度级的概率密度pr(rk)=nk/n,根据各灰度级的概率密度生成所述原始影像数据的灰度直方图;n为所述原始影像数据的像素总量,rk为第k个灰度级。
4.根据权利要求1至3任意一项所述的影像数据处理方法,其特征在于,所述根据各分段阈值,对所述原始影像数据进行分段线性灰度变换,得到处理过的影像数据包括:
获取所述原始影像数据的灰度值的最大值MAXf、最小值MINf、第一分段阈值a、第二分段阈值b;
将所述原始影像数据按照(MINf,a)、(a,b)、(b,MAXf)分割为三段,并利用下述公式分别拉伸到对应的(MINg,c)、(c,d)、(d,MAXg)区间中,处理后的影像数据的灰度值的最大值MAXg、最小值MINg;
c=Int(MAXg*p);d=MAXg-Int(MAXg*p);MAXg=255;MINg=0;
式中,f(x,y)为原始影像数据中每个像素的灰度值;g(x,y)为处理后的影像数据中对应像素的灰度值;p为所述抑制参数。
5.一种影像数据处理装置,其特征在于,包括:
获取信息模块,用于获取待处理的原始影像数据,并获取所述原始影像数据的像素值和像素分布信息点;
直方图生成模块,用于根据所述像素值和所述像素分布信息生成灰度直方图;
分段阈值计算模块,用于根据预先设置的抑制参数,基于所述灰度直方图计算分段线性变化的分段阈值;
分段线性变换模块,用于根据各分段阈值,对所述灰度直方图进行分段线性灰度变换,得到处理后的影像数据。
6.根据权利要求5所述的影像数据处理装置,其特征在于,所述分段阈值计算模块包括:
第一计算单元,用于根据预设设置的抑制参数,计算灰度值首端抑制像素数量和灰度值尾端抑制像素数量;
第二计算单元,用于利用下述公式计算灰度值首端、尾端的第一分段阈值和第二分段阈值:
式中,a为所述第一分段阈值,b为所述第二分段阈值,p为所述抑制参数,p*n为所述灰度值首端抑制像素数量和所述灰度值尾端抑制像素数量,nk为各灰度级像素数目。
7.根据权利要求6所述的影像数据处理装置,其特征在于,所述直方图生成模块包括:
统计单元,用于统计所述原始影像数据各灰度级的像素数目nk,k=0,1,...255;
计算单元,用于计算各灰度级的概率密度pr(rk)=nk/n,根据各灰度级的概率密度生成所述原始影像数据的灰度直方图;n为所述原始影像数据的像素总量,rk为第k个灰度级。
8.根据权利要求7所述的影像数据处理装置,其特征在于,所述分段线性变换模块包括:
获取单元,用于获取所述原始影像数据的灰度值的最大值MAXf、最小值MINf、第一分段阈值a、第二分段阈值b;
变化单元,用于将所述原始影像数据按照(MINf,a)、(a,b)、(b,MAXf)分割为三段,并利用下述公式分别拉伸到对应的(MINg,c)、(c,d)、(d,MAXg)区间中,处理后的影像数据的灰度值的最大值MAXg、最小值MINg;
c=Int(MAXg*p);d=MAXg-Int(MAXg*p);MAXg=255;MINg=0;
式中,f(x,y)为原始影像数据中每个像素的灰度值;g(x,y)为处理后的影像数据中对应像素的灰度值;p为所述抑制参数。
9.一种影像数据处理方法设备,其特征在于,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至4任一项所述影像数据处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述影像数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810513676.9A CN108805829B (zh) | 2018-05-25 | 2018-05-25 | 影像数据处理方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810513676.9A CN108805829B (zh) | 2018-05-25 | 2018-05-25 | 影像数据处理方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108805829A true CN108805829A (zh) | 2018-11-13 |
CN108805829B CN108805829B (zh) | 2021-01-01 |
Family
ID=64091809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810513676.9A Active CN108805829B (zh) | 2018-05-25 | 2018-05-25 | 影像数据处理方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805829B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544483A (zh) * | 2018-12-26 | 2019-03-29 | 深圳朗田亩半导体科技有限公司 | 视频图像亮度、对比度增强方法及装置 |
CN109961409A (zh) * | 2019-02-26 | 2019-07-02 | 平安科技(深圳)有限公司 | 一种线性增强图像对比度的方法及装置 |
CN111402147A (zh) * | 2020-02-26 | 2020-07-10 | 浙江大华技术股份有限公司 | 视频图像处理方法、装置、计算机设备和存储介质 |
CN111723221A (zh) * | 2020-06-19 | 2020-09-29 | 珠江水利委员会珠江水利科学研究院 | 基于分布式架构的海量遥感数据处理方法及系统 |
CN112116542A (zh) * | 2020-09-24 | 2020-12-22 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN112911166A (zh) * | 2020-07-03 | 2021-06-04 | 珠海市杰理科技股份有限公司 | 一种调整图像亮度的方法、装置、芯片、介质及摄像设备 |
CN114638827A (zh) * | 2022-05-18 | 2022-06-17 | 卡松科技股份有限公司 | 一种润滑油机械杂质视觉检测方法及装置 |
CN114820357A (zh) * | 2022-04-11 | 2022-07-29 | 深圳明锐理想科技有限公司 | 一种x射线图像处理方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
CN103530847A (zh) * | 2013-09-24 | 2014-01-22 | 电子科技大学 | 一种红外图像增强方法 |
CN105374018A (zh) * | 2015-12-18 | 2016-03-02 | 厦门大学 | 一种对图像进行区域增强的方法 |
CN105654438A (zh) * | 2015-12-27 | 2016-06-08 | 西南技术物理研究所 | 基于局部直方图均衡的灰度图像拟合增强方法 |
WO2016165076A1 (en) * | 2015-04-14 | 2016-10-20 | Chongqing University Of Posts And Telecommunications | Method and system for image enhancement |
-
2018
- 2018-05-25 CN CN201810513676.9A patent/CN108805829B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
CN103530847A (zh) * | 2013-09-24 | 2014-01-22 | 电子科技大学 | 一种红外图像增强方法 |
WO2016165076A1 (en) * | 2015-04-14 | 2016-10-20 | Chongqing University Of Posts And Telecommunications | Method and system for image enhancement |
CN105374018A (zh) * | 2015-12-18 | 2016-03-02 | 厦门大学 | 一种对图像进行区域增强的方法 |
CN105654438A (zh) * | 2015-12-27 | 2016-06-08 | 西南技术物理研究所 | 基于局部直方图均衡的灰度图像拟合增强方法 |
Non-Patent Citations (1)
Title |
---|
张海潮等: "一种自适应红外图像增强算法", 《兰州理工大学学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11205252B2 (en) | 2018-12-26 | 2021-12-21 | Shenzhen Lontium Semiconductor Technology Co., Ltd. | Method and device for enhancing brightness and contrast of video image |
CN109544483A (zh) * | 2018-12-26 | 2019-03-29 | 深圳朗田亩半导体科技有限公司 | 视频图像亮度、对比度增强方法及装置 |
CN109544483B (zh) * | 2018-12-26 | 2021-09-24 | 深圳朗田亩半导体科技有限公司 | 视频图像亮度、对比度增强方法及装置 |
CN109961409A (zh) * | 2019-02-26 | 2019-07-02 | 平安科技(深圳)有限公司 | 一种线性增强图像对比度的方法及装置 |
CN109961409B (zh) * | 2019-02-26 | 2024-02-27 | 平安科技(深圳)有限公司 | 一种线性增强图像对比度的方法及装置 |
CN111402147A (zh) * | 2020-02-26 | 2020-07-10 | 浙江大华技术股份有限公司 | 视频图像处理方法、装置、计算机设备和存储介质 |
CN111402147B (zh) * | 2020-02-26 | 2023-04-07 | 浙江大华技术股份有限公司 | 视频图像处理方法、装置、计算机设备和存储介质 |
CN111723221A (zh) * | 2020-06-19 | 2020-09-29 | 珠江水利委员会珠江水利科学研究院 | 基于分布式架构的海量遥感数据处理方法及系统 |
CN111723221B (zh) * | 2020-06-19 | 2023-09-15 | 珠江水利委员会珠江水利科学研究院 | 基于分布式架构的海量遥感数据处理方法及系统 |
CN112911166A (zh) * | 2020-07-03 | 2021-06-04 | 珠海市杰理科技股份有限公司 | 一种调整图像亮度的方法、装置、芯片、介质及摄像设备 |
CN112116542A (zh) * | 2020-09-24 | 2020-12-22 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN112116542B (zh) * | 2020-09-24 | 2024-03-08 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN114820357A (zh) * | 2022-04-11 | 2022-07-29 | 深圳明锐理想科技有限公司 | 一种x射线图像处理方法、装置、电子设备及存储介质 |
CN114638827A (zh) * | 2022-05-18 | 2022-06-17 | 卡松科技股份有限公司 | 一种润滑油机械杂质视觉检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108805829B (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805829A (zh) | 影像数据处理方法、装置、设备及计算机可读存储介质 | |
CN110246108B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
Duan et al. | Tone-mapping high dynamic range images by novel histogram adjustment | |
Huang et al. | Thresholding technique with adaptive window selection for uneven lighting image | |
CN104268843B (zh) | 基于直方图修正的图像自适应增强方法 | |
Park et al. | A contrast enhancement method using dynamic range separate histogram equalization | |
CN105469373B (zh) | 一种Retinex图像增强方法及系统 | |
CN103606137B (zh) | 保持背景和细节信息的直方图均衡化方法 | |
CN109064426B (zh) | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 | |
CN109191390A (zh) | 一种基于不同颜色空间多算法融合的图像增强算法 | |
CN103593830A (zh) | 一种低照度视频图像增强方法 | |
Zotin | Fast algorithm of image enhancement based on multi-scale retinex | |
CN111784609A (zh) | 图像动态范围压缩方法、装置及计算机可读存储介质 | |
Khan et al. | Tone-mapping using perceptual-quantizer and image histogram | |
Chen et al. | Blind quality index for tone-mapped images based on luminance partition | |
CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN109377464A (zh) | 一种红外图像的双平台直方图均衡化方法及其应用系统 | |
CN114626967A (zh) | 一种数字水印嵌入与提取方法、装置、设备及存储介质 | |
US8908994B2 (en) | 2D to 3d image conversion | |
JP5859749B2 (ja) | ベジェ曲線を利用したコントラスト改善方法 | |
CN110580690B (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
CN108280836A (zh) | 一种图像处理方法及装置 | |
De Dravo et al. | Stress for dehazing | |
He et al. | A night low‐illumination image enhancement model based on small probability area filtering and lossless mapping enhancement | |
CN116309168A (zh) | 一种并行混合注意力渐进融合的低照度图像增强方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |