CN109120860A - 微观自适应图像处理方法 - Google Patents

Abstract

本发明公开了一种微观自适应图像处理方法，相机采集物体图像，并将每连续获取的4或5帧图像作为一组图像并叠成一帧图像进行输出，采集每组图像的第1帧图像后，检测该第1帧图像的连续曝光区域是否大于当前画面像素总和的0.4％的区域，如果存在连续大面积曝光区域，则在采集该组图像的第4帧图像前，将激光强度降低到当前强度的一半，再采集该组图像的第4或5帧图像；当一组图像的4或5帧图像采集完毕后，做图像的融合，去除每帧图像中所有曝光区域的内容，以其他未曝光帧对应位置的内容填充。本发明可以很好的识别和显示指示牌或其他易反光物体的表面信息，从而使夜间辅助驾驶和自动驾驶更易实现，也更加安全。

Description

微观自适应图像处理方法

技术领域

本发明涉及一种图像处理方法，尤其涉及一种微观自适应图像处理方法。

背景技术

当红外光投射到具有较强的反光性的物体表面时(如交通指示牌)，红外光被大量返回，CMOS接收到大量的红外光导致该物体表面被过度曝光，屏幕上呈现出的效果就是物体表面发出耀眼的白光，进而导致人眼或机器无法识别物体及物体的表面特征，从而影响夜间辅助驾驶功能和自动驾驶功能，存在安全隐患。

发明内容

为了克服上述缺陷，本发明提供了一种微观自适应图像处理方法，能够很好的显示和识别指示牌或其他易反光物体的表面信息，从而使夜间辅助驾驶和自动驾驶更易实现，也更加安全。

本发明为了解决其技术问题所采用的技术方案是：

一种微观自适应图像处理方法，选择拍照速度至少为96帧/秒的相机采集物体图像，并将每连续获取的4帧图像作为一组图像并叠成一帧图像进行输出，其中每组图像叠成一帧图像的处理过程如下：

步骤1，采集每组图像的第1帧图像后，检测该第1帧图像的连续曝光区域是否大于当前画面像素总和的0.4％的区域，即是否存在连续大面积曝光区域；

步骤2，如果存在连续大面积曝光区域，则在采集该组图像的第4帧图像前，将激光强度降低到当前强度的一半，再采集该组图像的第4帧图像；

步骤3，如果不存在连续大面积曝光区域，则采集该组图像的后3帧图像时，激光强度保存一致；

步骤4，当一组图像的4帧图像采集完毕后，做图像的融合，去除每帧图像中所有曝光区域的内容，以其他未曝光帧对应位置的内容填充；

步骤5，最后叠加得到一帧完整的图像，然后输出。

本发明还提供一种微观自适应图像处理方法，选择拍照速度至少为120帧/秒的相机采集物体图像，并将每连续获取的5帧图像作为一组图像并叠成一帧图像进行输出，其中每组图像叠成一帧图像的处理过程如下：

步骤1，采集每组图像的第1帧图像后，检测该第1帧图像的连续曝光区域是否大于当前画面像素总和的0.4％的区域，即是否存在连续大面积曝光区域；

步骤2，如果存在连续大面积曝光区域，则在采集该组图像的第5帧图像前，将激光强度降低到当前强度的一半，再采集该组图像的第5帧图像；

步骤3，如果不存在连续大面积曝光区域，则采集该组图像的后4帧图像时，激光强度保存一致；

步骤4，当一组图像的5帧图像采集完毕后，做图像的融合，去除每帧图像中所有曝光区域的内容，以其他未曝光帧对应位置的内容填充；

步骤5，最后叠加得到一帧完整的图像，然后输出。

本发明的有益效果是：本发明可以解决当前激光成像所存在的问题，如道路指示牌过度曝光，而导致无法识别上边的提示信息，进而无法很好的实现夜间的辅助驾驶和自动驾驶，而经过本发明处理后，可以有效地解决这一难题，系统和成像显示可以很好的显示和识别指示牌或其他易反光物体的表面信息，从而使夜间辅助驾驶和自动驾驶更易实现，也更加安全。

附图说明

图1为实施例1所述的正常画面；

图2为实施例1所述第1帧图像；

图3为实施例1所述第4帧图像；

图4为实施例1所述融合后的图像。

具体实施方式

以下结合附图，对本发明的一个较佳实施例作详细说明。但本发明的保护范围不限于下述实施例，即但凡以本发明申请专利范围及说明书内容所作的简单的等效变化与修饰，皆仍属本发明专利涵盖范围之内。

实施例1：

一种微观自适应图像处理方法，选择拍照速度至少为96帧/秒的相机采集物体图像，将每连续获取的4帧图像作为一组图像并叠成一帧图像进行输出，其中每组图像叠成一帧图像的处理过程如下，参阅图1-4，其中图1为正常画面：

步骤1，采集每组图像的第1帧图像(图2)后，检测该第1帧图像的连续曝光区域是否大于当前画面像素总和的0.4％的区域，即是否存在连续大面积曝光区域；

步骤2，如果存在连续大面积曝光区域，则在采集该组图像的第4帧图像前，将激光强度降低到当前强度的一半，再采集该组图像的第4帧图像(图3)；

步骤3，如果不存在连续大面积曝光区域，则采集该组图像的后3帧图像时，激光强度保存一致；

步骤4，当一组图像的4帧图像采集完毕后，做图像的融合，去除每帧图像中所有曝光区域的内容，以其他未曝光帧对应位置的内容填充；

步骤5，最后叠加得到一帧完整的图像，即融合后的图像(图4)，然后输出。

实施例2：

本实施例与实施例原理和过程一致，所不同的是采用拍摄速度为120帧/秒的相机采集图像，每5帧图像作为一组图像叠成一帧图像输出，在判断第一帧图像是否存在连续大面积曝光区域时，对第5帧图像的激光强度选择是否调整。

过度曝光是由于激光全部照射到反光物体表面，并被物体全部直接反射，进而使CMOS瞬间接收到大量激光，导致被照射的物体所呈现的现象为“过度曝光”(发出耀眼的白光)，所以要解决这个问题，需要从CMOS接收到的激光量入手。

由于我们相机可以实现高速拍照，速度可达1秒120帧，人眼对视频连续性判断为1秒25帧左右，即如果画面可以达到1秒25帧左右的刷新率时，人眼就不会感觉到卡顿，所以我们可以用4帧画面或5帧画叠成一帧，达到1秒24-30帧的画面输出，以保证画面的连续效果。然后，对4帧或5帧画面单独处理，因为4帧或5帧画面成像速度极快，所以4帧或5帧图像内容应该基本一致，如果在拍摄第一帧时，发现有连续的大面积的曝光单位，则在准备采集第四帧图像或第5帧图像时，降低激光输出功率，保证4帧或5帧图像中有一帧图像是不存在曝光单位的，然后对4帧或5帧图像做融合，剔除曝光单位，以未曝光的图片对应位置的内容填充到融合后的图像中。如果第一帧图像不存在曝光单位，则第4帧或第5帧不需要做特殊处理，融合时将第一帧未曝光单位填充融合后对应的单位即可。

由此可见，本发明可以解决当前激光成像所存在的问题，如道路指示牌过度曝光，而导致无法识别上边的提示信息，进而无法很好的实现夜间的辅助驾驶和自动驾驶，而经过本发明处理后，可以有效地解决这一难题，系统和成像显示可以很好的识别和显示指示牌或其他易反光物体的表面信息，从而使夜间辅助驾驶和自动驾驶更易实现，也更加安全。

Claims (2)

1.一种微观自适应图像处理方法，其特征在于，选择拍照速度至少为96帧/秒的相机采集物体图像，并将每连续获取的4帧图像作为一组图像并叠成一帧图像进行输出，其中每组图像叠成一帧图像的处理过程如下：

步骤1，采集每组图像的第1帧图像后，检测该第1帧图像的连续曝光区域是否大于当前画面像素总和的0.4％的区域，即是否存在连续大面积曝光区域；

步骤2，如果存在连续大面积曝光区域，则在采集该组图像的第4帧图像前，将激光强度降低到当前强度的一半，再采集该组图像的第4帧图像；

步骤3，如果不存在连续大面积曝光区域，则采集该组图像的后3帧图像时，激光强度保存一致；

步骤4，当一组图像的4帧图像采集完毕后，做图像的融合，去除每帧图像中所有曝光区域的内容，以其他未曝光帧对应位置的内容填充；

步骤5，最后叠加得到一帧完整的图像，然后输出。

2.一种微观自适应图像处理方法，其特征在于，选择拍照速度至少为120帧/秒的相机采集物体图像，并将每连续获取的5帧图像作为一组图像并叠成一帧图像进行输出，其中每组图像叠成一帧图像的处理过程如下：

步骤1，采集每组图像的第1帧图像后，检测该第1帧图像的连续曝光区域是否大于当前画面像素总和的0.4％的区域，即是否存在连续大面积曝光区域；

步骤2，如果存在连续大面积曝光区域，则在采集该组图像的第5帧图像前，将激光强度降低到当前强度的一半，再采集该组图像的第5帧图像；

步骤3，如果不存在连续大面积曝光区域，则采集该组图像的后4帧图像时，激光强度保存一致；

步骤4，当一组图像的5帧图像采集完毕后，做图像的融合，去除每帧图像中所有曝光区域的内容，以其他未曝光帧对应位置的内容填充；

步骤5，最后叠加得到一帧完整的图像，然后输出。