CN109118421A - 一种基于分布式框架的影像匀光匀色方法 - Google Patents
一种基于分布式框架的影像匀光匀色方法 Download PDFInfo
- Publication number
- CN109118421A CN109118421A CN201810735083.7A CN201810735083A CN109118421A CN 109118421 A CN109118421 A CN 109118421A CN 201810735083 A CN201810735083 A CN 201810735083A CN 109118421 A CN109118421 A CN 109118421A
- Authority
- CN
- China
- Prior art keywords
- image
- light
- color homogenization
- piecemeal
- color
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于分布式框架的影像匀光匀色方法,其整体流程为:一、计算输入的待匀光匀色影像和标准影像的全局标准偏差和均值;二、按照指定分块大小对待匀光匀色影像进行分块并计算分块参数;三、将计算出的分块参数及Wallis滤波公式需要的参数向计算节点下发计算任务,对各分块进行待匀光匀色处理及并行输出。本发明基于LLTS分布式框架及框架下的影像读写库,实现匀光匀色算法的分布式处理及并行化输出,可有效降低算法对资源的强依赖性,提高匀光匀色算法效率,能够解决单机版本匀光匀色方法的计算效率严重依赖单个机器内存、处理器性能的缺陷,可以满足高分辨率、大数据量遥感影像快速处理的需要。
Description
技术领域
本发明涉及一种影像处理方法,尤其涉及一种基于分布式框架的影像匀光匀色方法。
背景技术
随着遥感影像的空间分辨率提高到米级甚至亚米级,单景融合后的多光谱影像的数据量达到了数十GB。这样的数据量,对融合后的每一景影像做匀光匀色,依靠单机处理,无法达到快速处理完成的要求。由于不同时间拍摄的影像之间的色差比较明显,如果对其不处理就做拼接,拼接后的影像必然是色彩不均一,无法达到视觉美观和出图的色彩要求。
Wallis滤波方法是一种常见的匀光匀色方法,其思想是对一幅或多幅影像内的亮度、反差、色调、饱和度分布不均匀现象进行校正,使影像各个位置的亮度、反差、色调、饱和度基本一致。Wallis滤波器可将局部影像的灰度均值和方差映射到给定的灰度均值和方差值,从而使影像不同位置处的灰度方差和灰度均值具有近似相等的数值,即实现影像反差小的区域的反差增大,影像反差大的区域的反差减小,使得影像中灰度的微小信息得到增强。但现有的Wallis滤波方法主要通过插件方式应用于单机版软件中,严重受到运行环境资源的影响,阻碍遥感影像、特别是大数据量遥感影像计算速度的提升。此外,由于受一个进程只能操作一个文件的限制,计算的结果只能顺序输出到一个文件中,也间接导致处理时间的增加。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种基于分布式框架的影像匀光匀色方法。
为了解决以上技术问题,本发明采用的技术方案是:一种基于分布式框架的影像匀光匀色方法,其整体流程为:
一、计算输入的待匀光匀色影像和标准影像的全局标准偏差和均值;
二、按照指定分块大小对待匀光匀色影像进行分块并计算分块参数;
三、将计算出的分块参数及Wallis滤波公式需要的参数向计算节点下发计算任务,对各分块进行待匀光匀色处理及并行输出。
进一步地,步骤一的具体过称为:
a、读取待待匀光匀色影像和标准影像;
b、判断待匀光匀色影像和标准影像的数据类型及波段数是否一致:若是,则转入步骤c;若否,则结束流程;
c、进行待匀光匀色影像和标准影像的全局标准偏差和均值计算。
进一步地,步骤三中各分块的具体处理过程为:
a、利用Wallis公式计算输出每一块影像的灰度值;
Wallis滤波公式为:
式中,g(x,y)为原待匀光匀色影像的灰度值;f(x,y)为Wallis变换后结果影像的灰度值;mg为原待匀光匀色影像的局部灰度均值;sg为原待匀光匀色影像的局部灰度标准偏差;mf为结果影像局部灰度均值的目标值;sf为结果影像的局部灰度标准偏差的目标值;c∈[0,1]为影像方差的扩展常数;b∈[0,1]为影像的亮度系数;
其中,mf、sf分别取标准影像的每波段均值和标准偏差;mg、sg分别取待匀光匀色影像的每波段均值和标准偏差;
b、依据LLTS分布式框架将分块的运算结果并行输出。
进一步地,步骤三中依据LLTS分布式框架将分块的运算结果并行输出的具体过程为:利用LLTS分布式框架下的支持并行的读写库,通过头文件+分块二进制文件的形式实现结果并行输出,从而真正实现从处理到输出的分布式并行化。
本发明基于LLTS分布式框架及框架下的影像读写库,实现匀光匀色算法的分布式处理及并行化输出,可有效降低算法对资源的强依赖性,提高匀光匀色算法效率,能够解决单机版本匀光匀色方法的计算效率严重依赖单个机器内存、处理器性能的缺陷,可以满足高分辨率、大数据量遥感影像快速处理的需要。
附图说明
图1为LLTS分布式框架的结构原理示意图。
图2为步骤一的分块原理示意图。
图3为本发明的整体流程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种基于分布式框架的影像匀光匀色方法,其主要基于LLTS分布式框架及框架下的影像读写库,实现匀光匀色算法的分布式处理及并行化输出,从而提升算法性能。LLTS(Low Latency Task Service,低延迟的任务服务)框架是为了一组相近的计算需求,提供低延迟的计算任务执行服务,包含Controller和Agent两个角色,如图1所示。Controller负责接收外部程序发来的请求,Agent负责启动和监视具体的计算任务。Agent都是同构的计算单元,每个Agent只能同时容纳一个计算任务。
因此,本发明根据LLTS分布式框架的设计思想,对Wallis匀光匀色算法进行改造,即在主进程中按照给定的分块大小,将影像进行分块并计算分块参数,之后将分块参数下发给各计算节点,分块原理如图2所示。
本发明的整体流程如图3所示,为:
一、计算输入的待匀光匀色影像和标准影像的全局标准偏差和均值;
a、读取待待匀光匀色影像和标准影像;
b、判断待匀光匀色影像和标准影像的数据类型及波段数是否一致:若是,则转入步骤c;若否,则结束流程;
c、进行待匀光匀色影像和标准影像的全局标准偏差和均值计算;
二、按照指定分块大小对待匀光匀色影像进行分块并计算分块参数;
三、将计算出的分块参数及Wallis滤波公式需要的参数向计算节点下发计算任务,(对各分块进行待匀光匀色处理及并行输出)各分块处理过程为:
a、利用Wallis公式计算输出每一块影像的灰度值;
Wallis滤波公式为:
式中,g(x,y)为原待匀光匀色影像的灰度值;f(x,y)为Wallis变换后结果影像的灰度值;mg为原待匀光匀色影像的局部灰度均值;sg为原待匀光匀色影像的局部灰度标准偏差;mf为结果影像局部灰度均值的目标值;sf为结果影像的局部灰度标准偏差的目标值;c∈[0,1]为影像方差的扩展常数;b∈[0,1]为影像的亮度系数;
其中,mf、sf分别取标准影像的每波段均值和标准偏差统计值;mg、sg取待匀光匀色影像的每波段均值和标准偏差;
b、依据LLTS分布式框架将分块的运算结果并行输出。
通常来说,将结果写入一个输出文件时,并不支持多个数据同时访问文件,并写入文件不同的位置。如果采用处理过程并行化,结果输出顺序化的思想,在增加输出过程的时间的同时,还会由于各计算节点排队等待输出,导致其也间接拖慢算法的并行化处理速度。
基于上述问题,本发明利用LLTS分布式框架下的支持并行的读写库,通过头文件+分块二进制文件的形式实现结果并行输出,从而真正实现从处理到输出的分布式并行化。
本发明基于LLTS分布式框架,实现基于Wallis影像全局匀光匀色分布式处理,并利用改造的数据并行读取库,向磁盘写出匀光匀色结果数据,具有大大降低对资源的依赖、提高基于Wallis影像全局匀光匀色算法处理速度的优点,而且还可以提高基于Wallis影像全局匀光匀色结果数据的写出速度,提供全处理流程并行化。本发明已在geovis factory平台上验证使用,可满足快速处理需求。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (4)
1.一种基于分布式框架的影像匀光匀色方法,其特征在于:所述方法的整体流程为:
一、计算输入的待匀光匀色影像和标准影像的全局标准偏差和均值;
二、按照指定分块大小对待匀光匀色影像进行分块并计算分块参数;
三、将计算出的分块参数及Wallis滤波公式需要的参数向计算节点下发计算任务,对各分块进行待匀光匀色处理及并行输出。
2.根据权利要求1所述的基于分布式框架的影像匀光匀色方法,其特征在于:所述步骤一的具体过称为:
a、读取待待匀光匀色影像和标准影像;
b、判断待匀光匀色影像和标准影像的数据类型及波段数是否一致:若是,则转入步骤c;若否,则结束流程;
c、进行待匀光匀色影像和标准影像的全局标准偏差和均值计算。
3.根据权利要求2所述的基于分布式框架的影像匀光匀色方法,其特征在于:所述步骤三中各分块的具体处理过程为:
a、利用Wallis公式计算输出每一块影像的灰度值;
Wallis滤波公式为:
式中,g(x,y)为原待匀光匀色影像的灰度值;f(x,y)为Wallis变换后结果影像的灰度值;mg为原待匀光匀色影像的局部灰度均值;sg为原待匀光匀色影像的局部灰度标准偏差;mf为结果影像局部灰度均值的目标值;sf为结果影像的局部灰度标准偏差的目标值;c∈[0,1]为影像方差的扩展常数;b∈[0,1]为影像的亮度系数;
其中,mf、sf分别取标准影像的每波段均值和标准偏差;mg、sg分别取待匀光匀色影像的每波段均值和标准偏差;
b、依据LLTS分布式框架将分块的运算结果并行输出。
4.根据权利要求3所述的基于分布式框架的影像匀光匀色方法,其特征在于:所述步骤三中依据LLTS分布式框架将分块的运算结果并行输出的具体过程为:利用LLTS分布式框架下的支持并行的读写库,通过头文件+分块二进制文件的形式实现结果并行输出,从而真正实现从处理到输出的分布式并行化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735083.7A CN109118421A (zh) | 2018-07-06 | 2018-07-06 | 一种基于分布式框架的影像匀光匀色方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735083.7A CN109118421A (zh) | 2018-07-06 | 2018-07-06 | 一种基于分布式框架的影像匀光匀色方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109118421A true CN109118421A (zh) | 2019-01-01 |
Family
ID=64823066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810735083.7A Pending CN109118421A (zh) | 2018-07-06 | 2018-07-06 | 一种基于分布式框架的影像匀光匀色方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109118421A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652826A (zh) * | 2020-05-18 | 2020-09-11 | 哈尔滨工业大学 | 基于Wallis滤波+直方图匹配的有重多/高光谱遥感图像匀色方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006060276A (ja) * | 2004-08-17 | 2006-03-02 | Tech Res & Dev Inst Of Japan Def Agency | 画像処理装置及び撮像機 |
CN101350098A (zh) * | 2008-08-19 | 2009-01-21 | 黄建军 | 一种图像处理的方法、系统及设备 |
CN107480727A (zh) * | 2017-08-28 | 2017-12-15 | 荆门程远电子科技有限公司 | 一种sift和orb相结合的无人机影像快速匹配方法 |
CN107563964A (zh) * | 2017-08-22 | 2018-01-09 | 长光卫星技术有限公司 | 大面阵亚米级夜景遥感影像的快速拼接方法 |
-
2018
- 2018-07-06 CN CN201810735083.7A patent/CN109118421A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006060276A (ja) * | 2004-08-17 | 2006-03-02 | Tech Res & Dev Inst Of Japan Def Agency | 画像処理装置及び撮像機 |
CN101350098A (zh) * | 2008-08-19 | 2009-01-21 | 黄建军 | 一种图像处理的方法、系统及设备 |
CN107563964A (zh) * | 2017-08-22 | 2018-01-09 | 长光卫星技术有限公司 | 大面阵亚米级夜景遥感影像的快速拼接方法 |
CN107480727A (zh) * | 2017-08-28 | 2017-12-15 | 荆门程远电子科技有限公司 | 一种sift和orb相结合的无人机影像快速匹配方法 |
Non-Patent Citations (3)
Title |
---|
周丽雅等: "反差一致性保持的影像匀光算法", 《测绘科学技术学报》 * |
张建兴等: "单机模式下的高分遥感影像并行镶嵌", 《遥感信息》 * |
郭立群等: "海岛区域含云雾影像预处理技术研究", 《海洋测绘》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652826A (zh) * | 2020-05-18 | 2020-09-11 | 哈尔滨工业大学 | 基于Wallis滤波+直方图匹配的有重多/高光谱遥感图像匀色方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190220731A1 (en) | Indirectly accessing sample data to perform multi-convolution operations in a parallel processing system | |
US7463261B1 (en) | Three-dimensional image compositing on a GPU utilizing multiple transformations | |
CN102033728B (zh) | 图形处理系统 | |
CN116050495A (zh) | 用稀疏数据训练神经网络的系统和方法 | |
WO2021115136A1 (zh) | 视频图像的防抖方法、装置、电子设备和存储介质 | |
US20230237313A1 (en) | Layout Parasitics and Device Parameter Prediction using Graph Neural Networks | |
US8195882B2 (en) | Shader complex with distributed level one cache system and centralized level two cache | |
CN106952338B (zh) | 基于深度学习的三维重建的方法、系统及可读存储介质 | |
CN110675480B (zh) | 用于获取纹理操作的采样位置的方法和装置 | |
CN111208933B (zh) | 数据访问的方法、装置、设备和存储介质 | |
US20180253852A1 (en) | Method and device for locating image edge in natural background | |
US11727632B2 (en) | Shader binding management in ray tracing | |
GB2475944A (en) | Correction of estimated axes of elliptical filter region | |
US10198789B2 (en) | Out-of-order cache returns | |
CN103871019A (zh) | 优化三角形拓扑用于路径渲染 | |
JP6815741B2 (ja) | 画像処理装置および画像処理方法 | |
CN109118421A (zh) | 一种基于分布式框架的影像匀光匀色方法 | |
CN110192225B (zh) | 无序像素着色器导出 | |
CN113392702A (zh) | 一种基于自适应图像增强的弱光照环境下目标识别方法 | |
US10212406B2 (en) | Image generation of a three-dimensional scene using multiple focal lengths | |
CN110502469B (zh) | 一种数据分发方法、装置、设备及存储介质 | |
US9019284B2 (en) | Input output connector for accessing graphics fixed function units in a software-defined pipeline and a method of operating a pipeline | |
CN109118461A (zh) | 一种基于分布式框架的his融合方法 | |
CN109712076B (zh) | 图像拼接方法、装置、设备和存储介质 | |
US11748911B2 (en) | Shader function based pixel count determination |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 101399 No. 2 East Airport Road, Shunyi Airport Economic Core Area, Beijing (1st, 5th and 7th floors of Industrial Park 1A-4) Applicant after: Zhongke Star Map Co.,Ltd. Address before: 101399 No. 2 East Airport Road, Shunyi Airport Economic Core Area, Beijing (1st, 5th and 7th floors of Industrial Park 1A-4) Applicant before: GEOVIS TECHNOLOGY (BEIJING) Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190101 |