CN109712102A - 一种图像融合方法、装置及图像采集设备 - Google Patents
一种图像融合方法、装置及图像采集设备 Download PDFInfo
- Publication number
- CN109712102A CN109712102A CN201711008121.0A CN201711008121A CN109712102A CN 109712102 A CN109712102 A CN 109712102A CN 201711008121 A CN201711008121 A CN 201711008121A CN 109712102 A CN109712102 A CN 109712102A
- Authority
- CN
- China
- Prior art keywords
- infrared light
- image
- visible
- texture
- luminance
- 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
Abstract
本发明实施例提供了一种图像融合方法、装置及图像采集设备，方法包括：获取可见光图像，并获取红外光图像；根据所述可见光图像和所述红外光图像，得到融合纹理系数；根据所述可见光图像和所述红外光图像，得到反射系数；根据所述融合纹理系数、所述反射系数，对所述红外光图像进行融合处理，得到融合图像。本发明实施例中，可以根据可见光图像和红外光图像，计算得到对应的融合纹理系数和反射系数，进而根据计算得到的融合纹理系数和反射系数对图像进行融合时，能够有效提取可见光图像和红外光图像的优势信息，控制红外光图像的融合强度，可在提升融合图像亮度的同时有效提升融合结果的信噪比，也即提高了融合图像的质量。
Description
技术领域
本发明涉及视频处理技术领域，特别是涉及一种图像融合方法、装置及图像采集设备。
背景技术
随着监控技术的发展，对监控设备采集的图像的要求也越来越高。尤其对于一些特殊场景，如低照度的场景中，如何保证图像的质量是监控领域关注的重点。
图像融合技术结合了可见光图像具有颜色信息、红外光图像具有高信噪比等优点，可在低照度场景下获得清晰的彩色图像。具体的，可以通过图像采集设备分别对可见光波段感光获取可见光图像，提供色彩信息和亮度信息；对红外光波段感光获取红外光图像，提供亮度信息；进而将可见光图像和红外光图像进行融合得到最终的融合图像。
已知的一种图像融合方法为，根据关注需求调整可见光图像和红外光图像的融合比例，当关注场景以红外光图像为主时，提高红外光图像的权重，融合结果具有高信噪比，但无法保证具有较大反射特性差异的物体的色彩准确性及信息量最大化；而当关注场景以可见光图像为主时，提高可见光图像的权重，减小了融合结果的色彩偏差，但无法保证融合图像的高信噪比及信息量最大化。也就是说，上述图像融合方法，得到的融合图像质量较差。
发明内容
本发明实施例的目的在于提供一种图像融合方法、装置及图像采集设备，以提高融合图像的质量。具体技术方案如下：
第一方面，本发明实施例提供了一种图像融合方法，所述方法包括：
获取可见光图像，并获取红外光图像；
根据所述可见光图像和所述红外光图像，得到融合纹理系数；
根据所述可见光图像和所述红外光图像，得到反射系数；
根据所述融合纹理系数、所述反射系数，对所述红外光图像进行融合处理，得到融合图像。
可选的，所述根据所述可见光图像和所述红外光图像，得到融合纹理系数的步骤包括：
对所述可见光图像进行预设处理，得到对应的可见光纹理系数；并对所述红外光图像进行所述预设处理，得到对应的红外光纹理系数；
根据预设的边缘检测算子，对所述可见光图像进行卷积处理，得到可见光纹理强度信息；并根据所述边缘检测算子，对所述红外光图像进行卷积处理，得到红外光纹理强度信息；
根据所述可见光纹理系数、所述红外光纹理系数、所述可见光纹理强度信息、以及所述红外光纹理强度信息，得到融合纹理系数。
可选的，所述对所述可见光图像进行预设处理，得到对应的可见光纹理系数；并对所述红外光图像进行所述预设处理，得到对应的红外光纹理系数的步骤包括：
分别对所述可见光图像和所述红外光图像进行滤波处理，得到可见光基础层图像和红外光基础层图像；
根据所述可见光图像和所述可见光基础层图像，计算可见光纹理系数；
根据所述红外光图像和所述红外光基础层图像，计算红外光纹理系数。
可选的，所述根据所述可见光图像和所述可见光基础层图像，计算可见光纹理系数的步骤包括：
依次计算所述可见光图像每一像素点的灰度值，与所述可见光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述可见光纹理系数；
所述根据所述红外光图像和所述红外光基础层图像，计算红外光纹理系数的步骤包括：
依次计算所述红外光图像每一像素点的灰度值，与所述红外光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述红外光纹理系数。
可选的，所述根据预设的边缘检测算子，对所述可见光图像进行卷积处理，得到可见光纹理强度信息；并根据所述边缘检测算子，对所述红外光图像进行卷积处理，得到红外光纹理强度信息的步骤包括：
根据预设的水平边缘检测算子和垂直边缘检测算子，依次对所述可见光图像进行卷积处理，得到可见光纹理强度信息；
根据所述水平边缘检测算子和所述垂直边缘检测算子，依次对所述红外光图像进行卷积处理，得到红外光纹理强度信息。
可选的，所述根据所述可见光纹理系数、所述红外光纹理系数、所述可见光纹理强度信息、以及所述红外光纹理强度信息，得到融合纹理系数的步骤包括：
根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，得到融合纹理系数。
可选的，所述根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，得到融合纹理系数的步骤包括：
根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，并根据所述可见光纹理强度信息和所述红外光纹理强度信息对计算结果进行归一化处理，得到融合纹理系数。
可选的，所述根据所述可见光图像和所述红外光图像，得到反射系数的步骤包括：
根据预设的第一卷积核，对所述可见光图像进行卷积处理，得到可见光局部亮度图像；并根据预设的第二卷积核，对所述红外光图像进行卷积处理，得到红外光局部亮度图像；
计算所述可见光局部亮度图像与所述红外光局部亮度图像的亮度偏移量；并根据所述可见光局部亮度图像、所述红外光局部亮度图像、以及所述亮度偏移量，得到反射系数。
可选的，所述计算所述可见光局部亮度图像与所述红外光局部亮度图像的亮度偏移量的步骤包括：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的差值的绝对值；
计算预设常数与所述绝对值的差值，将所计算结果作为所述亮度偏移量。
可选的，所述根据所述可见光局部亮度图像、所述红外光局部亮度图像、以及所述亮度偏移量，得到反射系数的步骤包括：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的比值；
根据所述亮度偏移量对所述比值进行调整；
将调整后的比值作为反射系数。
可选的，所述获取可见光图像的步骤包括：
根据所述可见光图像上一图像的亮度信息，确定可见光曝光亮度增益；
根据所述可见光曝光亮度增益，获取所述可见光图像。
可选的，所述根据所述可见光图像上一图像的亮度信息，确定可见光曝光亮度增益的步骤包括：
判断所述可见光图像上一图像的平均亮度是否小于第一预设亮度阈值；
如果是，确定可见光曝光亮度增益为当前可见光曝光亮度增益增大第一步长。
可选的，所述获取红外光图像的步骤包括：
根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益；
根据所述红外光曝光亮度增益，获取所述红外光图像。
可选的，所述根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益的步骤包括：
根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益初始值；
获取所述红外光图像上一图像对应的反射系数，将所获取的反射系数切分为多个大小相同且互不重叠的区域；
统计每个区域的均值，并将每个区域的均值与对应的阈值进行比较；
根据比较结果，对所述红外光曝光亮度增益初始值进行调整，得到红外光曝光亮度增益。
可选的，所述根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益初始值的步骤包括：
判断所述红外光图像上一图像的平均亮度是否小于第二预设亮度阈值；
如果是，确定红外光曝光亮度增益初始值为当前红外光曝光亮度增益增大第二步长。
可选的，所述根据比较结果，对所述红外光曝光亮度增益初始值进行调整，得到红外光曝光亮度增益的步骤包括：
统计所述均值小于或等于对应阈值的区域的第一数量，并判断所述第一数量是否大于预设数量阈值；
如果是，将所述红外见光曝光亮度增益初始值减小第三步长，得到红外光曝光亮度增益。
可选的，所述根据所述红外光曝光亮度增益，获取所述红外光图像的步骤包括：
根据所述红外光曝光亮度增益，确定补光控制信号；
根据所述红外光曝光亮度增益和所述补光控制信号，获取所述红外光图像。
可选的，所述根据所述红外光曝光亮度增益，确定补光控制信号的步骤包括：
当所述红外光曝光亮度增益大于或等于第一阈值时，根据预设的红外光曝光亮度增益强度与补光控制信号强度的对应关系，确定所述红外光曝光亮度增益对应的补光控制信号；
当所述红外光曝光亮度增益小于第一阈值时，确定所述补光控制信号为无。
第二方面，本发明实施例提供了一种图像融合装置，所述装置包括：
图像获取模块，用于获取可见光图像，并获取红外光图像；
融合纹理系数计算模块，用于根据所述可见光图像和所述红外光图像，得到融合纹理系数；
反射系数计算模块，用于根据所述可见光图像和所述红外光图像，得到反射系数；
图像融合模块，用于根据所述融合纹理系数、所述反射系数，对所述红外光图像进行融合处理，得到融合图像。
可选的，所述融合纹理系数计算模块包括：
纹理系数计算子模块，用于对所述可见光图像进行预设处理，得到对应的可见光纹理系数；并对所述红外光图像进行所述预设处理，得到对应的红外光纹理系数；
纹理强度计算子模块，用于根据预设的边缘检测算子，对所述可见光图像进行卷积处理，得到可见光纹理强度信息；并根据所述边缘检测算子，对所述红外光图像进行卷积处理，得到红外光纹理强度信息；
融合纹理系数计算子模块，用于根据所述可见光纹理系数、所述红外光纹理系数、所述可见光纹理强度信息、以及所述红外光纹理强度信息，计算得到融合纹理系数。
可选的，所述纹理系数计算子模块，包括：
滤波子单元，用于分别对所述可见光图像和所述红外光图像进行滤波处理，得到可见光基础层图像和红外光基础层图像；
可见光纹理系数计算子单元，用于根据所述可见光图像和所述可见光基础层图像，计算可见光纹理系数；
红外光纹理系数计算子单元，用于根据所述红外光图像和所述红外光基础层图像，计算红外光纹理系数。
可选的，所述可见光纹理系数计算子单元，具体用于依次计算所述可见光图像每一像素点的灰度值，与所述可见光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述可见光纹理系数；
所述红外光纹理系数计算子单元，具体用于依次计算所述红外光图像每一像素点的灰度值，与所述红外光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述红外光纹理系数。
可选的，所述纹理强度计算子模块，具体用于：
根据预设的水平边缘检测算子和垂直边缘检测算子，依次对所述可见光图像进行卷积处理，得到可见光纹理强度信息；
根据所述水平边缘检测算子和所述垂直边缘检测算子，依次对所述红外光图像进行卷积处理，得到红外光纹理强度信息。
可选的，所述融合纹理系数计算子模块，具体用于根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，得到融合纹理系数。
可选的，所述融合纹理系数计算子模块，具体用于根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，并根据所述可见光纹理强度信息和所述红外光纹理强度信息对计算结果进行归一化处理，得到融合纹理系数。
可选的，所述反射系数计算模块包括：
局部亮度图像获得子模块，用于根据预设的第一卷积核，对所述可见光图像进行卷积处理，得到可见光局部亮度图像；并根据预设的第二卷积核，对所述红外光图像进行卷积处理，得到红外光局部亮度图像；
反射系数计算子模块，用于计算所述可见光局部亮度图像与所述红外光局部亮度图像的亮度偏移量；并根据所述可见光局部亮度图像、所述红外光局部亮度图像、以及所述亮度偏移量，计算反射系数。
可选的，所述反射系数计算子模块，具体用于：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的差值的绝对值；
计算预设常数与所述绝对值的差值，将所计算结果作为所述亮度偏移量。
可选的，所述反射系数计算子模块，具体用于：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的比值；
根据所述亮度偏移量对所述比值进行调整；
将调整后的比值作为反射系数。
可选的，所述图像获取模块包括：
第一确定子模块，用于根据所述可见光图像上一图像的亮度信息，确定可见光曝光亮度增益；
第一获取子模块，用于根据所述可见光曝光亮度增益，获取所述可见光图像。
可选的，所述第一确定子模块，具体用于：
判断所述可见光图像上一图像的平均亮度是否小于第一预设亮度阈值；
如果是，确定可见光曝光亮度增益为当前可见光曝光亮度增益增大第一步长。
可选的，所述图像获取模块包括：
第二确定子模块，用于根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益；
第二获取子模块，用于根据所述红外光曝光亮度增益，获取所述红外光图像。
可选的，所述第二确定子模块，包括：
第一确定子单元，用于根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益初始值；
第一获取子单元，用于获取所述红外光图像上一图像对应的反射系数，将所获取的反射系数切分为多个大小相同且互不重叠的区域；
统计子单元，用于统计每个区域的均值，并将每个区域的均值与对应的阈值进行比较；
调整子单元，用于根据比较结果，对所述红外光曝光亮度增益初始值进行调整，得到红外光曝光亮度增益。
可选的，所述第一确定子单元，具体用于：
判断所述红外光图像上一图像的平均亮度是否小于第二预设亮度阈值；
如果是，确定红外光曝光亮度增益初始值为当前红外光曝光亮度增益增大第二步长。
可选的，所述调整子单元，具体用于：
统计所述均值小于或等于对应阈值的区域的第一数量，并判断所述第一数量是否大于预设数量阈值；
如果是，将所述红外见光曝光亮度增益初始值减小第三步长，得到红外光曝光亮度增益。
可选的，所述第二获取子模块，包括：
第二确定子单元，用于根据所述红外光曝光亮度增益，确定补光控制信号；
第二获取子单元，用于根据所述红外光曝光亮度增益和所述补光控制信号，获取所述红外光图像。
可选的，所述第二确定子单元，具体用于：
当所述红外光曝光亮度增益大于或等于第一阈值时，根据预设的红外光曝光亮度增益强度与补光控制信号强度的对应关系，确定所述红外光曝光亮度增益对应的补光控制信号；
当所述红外光曝光亮度增益小于第一阈值时，确定所述补光控制信号为无。
第三方面，本发明实施例提供了一种图像采集设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现如上述第一方面所述的方法步骤。
本发明实施例中，可以根据可见光图像和红外光图像，计算得到对应的融合纹理系数和反射系数，进而根据计算得到的融合纹理系数和反射系数对图像进行融合时，能够有效提取可见光图像和红外光图像的优势信息，控制红外光图像的融合强度，可在提升融合图像亮度的同时解决因反射特性差异造成的图像偏色或信息丢失问题，有效提升融合结果的信噪比，也即提高了融合图像的质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，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为本发明实施例的图像融合方法的一种流程图；
图2为本发明实施例的图像融合方法的另一种流程图；
图3为本发明实施例的图像融合方法的另一种流程图；
图4为本发明实施例的图像融合方法的另一种流程图；
图5为本发明实施例的图像融合方法的另一种流程图；
图6为本发明实施例的图像融合方法的系统框图；
图7为图6所示系统框图中图像融合单元示意图；
图8为图7所示示意图中纹理系数融合模块工作流程图；
图9为图7所示示意图中反射系数计算模块工作流程图；
图10为本发明实施例的图像融合装置的结构示意图；
图11为本发明实施例的一种图像采集设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了对提高融合图像的质量，本发明实施例提供了一种图像融合方法，可以应用于图像采集设备，如图1所示，该方法可以包括以下步骤：
S101，获取可见光图像，并获取红外光图像。
在本发明实施例中，图像采集设备可以获取可见光图像和红外光图像。例如，图像采集设备可以分别对可见光波段感光获取可见光图像，对红外光波段感光获取红外光图像。其中，上述红外光波段可以为近红外光波段。
S102，根据所述可见光图像和所述红外光图像，得到融合纹理系数。
在本发明实施例中，为了提高融合图像的质量，图像采集设备可以根据获取的可见光图像和红外光图像，计算得到对应的融合纹理系数，也即进行图像融合时，对红外光图像进行融合所用的系数。
具体的，如图2所示，图像采集设备计算融合纹理系数的过程可以包括以下步骤：
S201，对所述可见光图像进行预设处理，得到对应的可见光纹理系数；并对所述红外光图像进行所述预设处理，得到对应的红外光纹理系数。
在计算融合纹理系数时，图像采集设备可以分别计算可见光纹理系数和红外光纹理系数。具体的，图像采集设备计算可见光纹理系数和红外光纹理系数的过程，可以包括以下步骤：
步骤一，分别对所述可见光图像和所述红外光图像进行滤波处理，得到可见光基础层图像和红外光基础层图像。
在计算可见光纹理系数和红外光纹理系数时，图像采集设备可以分别对可见光图像和红外光图像进行滤波处理，得到可见光基础层图像和红外光基础层图像。
例如，图像采集设备可以通过滤波器分别对可见光图像和红外光图像进行滤波处理，得到可见光基础层图像和红外光基础层图像。其中，上述滤波器可以为低通滤波器。
步骤二，根据所述可见光图像和所述可见光基础层图像，计算可见光纹理系数。
得到可见光基础层图像后，图像采集设备可以根据可见光图像和可见光基础层图像，计算可见光纹理系数。
例如，图像采集设备可以依次计算可见光图像每一像素点的灰度值，与可见光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为可见光纹理系数。也就是说，可见光纹理系数为一个数据阵列，其中包含的数据量与可见光图像的像素点数量相同。并且每个位置的数据大小，是根据可见光图像和可见光基础层图像中对应位置的灰度值确定的。
步骤三，根据所述红外光图像和所述红外光基础层图像，计算红外光纹理系数。
得到红外光基础层图像后，图像采集设备可以根据红外光图像和红外光基础层图像，计算红外光纹理系数。
例如，图像采集设备可以依次计算红外光图像每一像素点的灰度值，与红外光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为红外光纹理系数。也就是说，红外光纹理系数为一个数据阵列，其中包含的数据量与红外光图像的像素点数量相同。并且每个位置的数据大小，是根据红外光图像和红外光基础层图像中对应位置的灰度值确定的。
S202，根据预设的边缘检测算子，对所述可见光图像进行卷积处理，得到可见光纹理强度信息；并根据所述边缘检测算子，对所述红外光图像进行卷积处理，得到红外光纹理强度信息。
在本发明实施例中，图像采集设备可以根据预设的边缘检测算子，对可见光图像进行卷积处理，得到可见光纹理强度信息；并根据该边缘检测算子，对红外光图像进行卷积处理，得到红外光纹理强度信息。
其中，上述边缘检测算子可以为N*N的矩阵，N为大于零的整数，具体取值可以根据实际应用而定，本发明实施例对此不做限定。并且，边缘检测算子的数量可以为一个或多个，本发明实施例对此不做限定。
在一种实现方式中，可以预先设定两个边缘检测算子并保存在图像采集设备中，分别为水平边缘检测算子和垂直边缘检测算子。在计算可见光纹理强度信息和红外光纹理强度信息时，可以根据预设的水平边缘检测算子和垂直边缘检测算子，依次对可见光图像进行卷积处理，得到可见光纹理强度信息；根据水平边缘检测算子和垂直边缘检测算子，依次对红外光图像进行卷积处理，得到红外光纹理强度信息。
S203，根据所述可见光纹理系数、所述红外光纹理系数、所述可见光纹理强度信息、以及所述红外光纹理强度信息，得到融合纹理系数。
得到可见光纹理系数、红外光纹理系数、可见光纹理强度信息、以及红外光纹理强度信息后，图像采集设备可以根据可见光纹理系数、红外光纹理系数、可见光纹理强度信息、以及红外光纹理强度信息，计算得到融合纹理系数。
例如，图像采集设备可以根据可见光纹理强度信息、以及红外光纹理强度信息，对可见光纹理系数和红外光纹理系数进行加权计算，得到融合纹理系数。也即可以将可见光纹理强度信息乘以可见光纹理系数，将红外光纹理强度信息乘以红外光纹理系数，计算两个乘积的和，并根据可见光纹理强度信息和红外光纹理强度信息对计算得到的两个乘积的和进行归一化处理，得到最终的融合纹理系数。例如，可以将上述计算得到的两个乘积的和除以可见光纹理强度信息和红外光纹理强度信息的和，得到最终的融合纹理系数，以保证在融合纹理系数中，可见光纹理系数的权重在0-1之间，红外光纹理系数的权重也在0-1之间。
S103，根据所述可见光图像和所述红外光图像，得到反射系数。
在本发明实施例中，为了提高融合图像的质量，图像采集设备可以根据获取的可见光图像和红外光图像，计算得到对应的反射系数，也即进行图像融合时，对红外光图像进行融合所用的系数。
具体的，如图3所示，图像采集设备计算反射系数的过程可以包括以下步骤：
S301，根据预设的第一卷积核，对所述可见光图像进行卷积处理，得到可见光局部亮度图像；并根据预设的第二卷积核，对所述红外光图像进行卷积处理，得到红外光局部亮度图像。
具体的，图像采集设备可以预先设定卷积核并保存，在计算反射系数时，可以通过卷积核对可见光图像和红外光图像进行卷积处理，减小噪声干扰。
例如，图像采集设备可以根据预设的第一卷积核，对可见光图像进行卷积处理，得到可见光局部亮度图像；并根据预设的第二卷积核，对红外光图像进行卷积处理，得到红外光局部亮度图像。其中，上述第一卷积核和第二卷积核可以相同或不同，本发明实施例对此不做限定。
S302，计算所述可见光局部亮度图像与所述红外光局部亮度图像的亮度偏移量；并根据所述可见光局部亮度图像、所述红外光局部亮度图像、以及所述亮度偏移量，计算反射系数。
得到可见光局部亮度图像和红外光局部亮度图像后，图像采集设备可以计算可见光局部亮度图像与红外光局部亮度图像的亮度偏移量。
例如，图像采集设备可以依次计算可见光局部亮度图像每一像素点的灰度值，与红外光局部亮度图像对应每一像素点的灰度值的差值的绝对值，并计算预设常数与该绝对值的差值，将所计算结果作为亮度偏移量。也就是说，亮度偏移量为一个数据阵列，其中包含的数据量与可见光局部亮度图像(或红外光局部亮度图像)的像素点数量相同。并且每个位置的数据大小，是根据可见光局部亮度图像和红外光局部亮度图像中对应位置的灰度值确定的。
得到可见光局部亮度图像与红外光局部亮度图像的亮度偏移量后，图像采集设备可以根据可见光局部亮度图像、红外光局部亮度图像、以及亮度偏移量，计算反射系数。
例如，图像采集设备可以依次计算可见光局部亮度图像每一像素点的灰度值，与红外光局部亮度图像对应每一像素点的灰度值的比值，并根据亮度偏移量对该比值进行调整，将调整后的比值作为反射系数。如，若亮度偏移量较大，则将比值调节与该亮度偏移量对应的较大步长，使比值接近于1；若亮度偏移量较小，则将比值调节与该亮度偏移量对应的较小步长，也即微调该比值。
S104，根据所述融合纹理系数、所述反射系数，对所述红外光图像进行融合处理，得到融合图像。
得到融合纹理系数、反射系数后，图像采集设备即可根据该融合纹理系数和反射系数，对红外光图像进行融合处理得到融合图像。如，可以使用融合纹理系数、反射系数对红外光图像做乘处理，得到融合图像。
本发明实施例中，可以根据可见光图像和红外光图像，计算得到对应的融合纹理系数和反射系数，进而根据计算得到的融合纹理系数和反射系数对图像进行融合时，能够有效提取可见光图像和红外光图像的优势信息，控制红外光图像的融合强度，可在提升融合图像亮度的同时解决因反射特性差异造成的图像偏色或信息丢失问题，有效提升融合结果的信噪比，也即提高了融合图像的质量。
可以理解，随着环境亮度的不同，采集可见光图像时，为了能获得比较好的图像质量，所用的曝光亮度也应该是不同的。
作为本发明实施例的一种实施方式，为了进一步提高融合图像的质量，图像采集设备在获取可见光图像时，可以根据最新采集的图像来调整当前时刻对应的可见光曝光控制信号，进而根据调整后的可见光曝光控制信号来获取可见光图像，以提高可见光图像的图像质量，进而可以提高融合图像的质量。
具体的，图像采集设备获取可见光图像的过程，如图4所示，可以包括以下步骤：
S401，根据所述可见光图像上一图像的亮度信息，确定可见光曝光亮度增益。
在本发明实施例中，图像采集设备可以根据其最新采集的图像的亮度信息，确定可见光曝光亮度增益。也就是说，可以根据其最新采集的图像的亮度信息，来确定用来采集下一图像时的曝光亮度。
例如，图像采集设备可以统计可见光图像上一图像的平均亮度，并判断该平均亮度是否小于第一预设亮度阈值；如果是，表明当前环境照度较低，这种情况下，图像采集设备可以确定可见光曝光亮度增益为当前可见光曝光亮度增益增大第一步长，也即增大可见光图像的曝光亮度增益。
S402，根据所述可见光曝光亮度增益，获取所述可见光图像。
确定可见光曝光亮度增益后，图像采集设备可以根据该可见光曝光亮度增益，获取可见光图像。
本实施例中，可以根据最新采集的图像来调整当前时刻对应的可见光曝光亮度增益，进而根据调整后的可见光曝光亮度增益来获取可见光图像，以提高可见光图像的图像质量，进而可以提高融合图像的质量。
作为本发明实施例的一种实施方式，为了进一步提高融合图像的质量，图像采集设备在获取红外光图像时，可以根据最新采集的红外光图像来调整当前时刻对应的红外光曝光亮度增益，进而根据调整后的红外光曝光亮度增益来获取红外光图像，以提高红外光图像的图像质量，进而可以提高融合图像的质量。
具体的，图像采集设备获取红外光图像的过程，如图5所示，可以包括以下步骤：
S501，根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益。
在本发明实施例中，图像采集设备可以根据其最新采集的图像的亮度信息，确定红外光曝光亮度增益。也就是说，可以根据其最新采集的图像的亮度信息，来确定用来采集下一图像时的曝光亮度。
具体的，图像采集设备确定红外光曝光亮度增益的过程可以包括以下步骤：
步骤一，根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益初始值。
具体的，图像采集设备可以统计红外光图像上一图像的平均亮度，并判断该平均亮度是否小于第二预设亮度阈值；如果是，表明当前环境中红外光能量不足，这种情况下，图像采集设备可以确定红外光曝光亮度增益为当前红外光曝光亮度增益增大第二步长，也即增大红外光图像的曝光亮度增益。
步骤二，获取所述红外光图像上一图像对应的反射系数，将所获取的反射系数切分为多个大小相同且互不重叠的区域。
确定红外光曝光控制信息初始值后，图像采集设备还可以对该初始值进行调整，以进一步提高红外光图像的质量，进而提高融合图像的质量。
具体的，图像采集设备可以获取该红外光图像上一图像对应的反射系数，也即最新采集的红外光图像对应的反射系数，该反射系数为数据阵列。之后，可以将所获取的反射系数切分为多个大小相同且互不重叠的区域。如，当反射系数为256*256的数据阵列时，可以将该反射系数切分为8个区域，每个区域的大小均为32*32；或者，可以切分为16个区域，每个区域的大小均为16*16，具体可以预先设定。
步骤三，统计每个区域的均值，并将每个区域的均值与对应的阈值进行比较。
将反射系数切分为多个区域后，图像采集设备可以统计每个区域的均值，即计算每个区域中包括的所有数据的均值。并且，可以根据预先设定的区域切分规则，预先保存每个区域对应的阈值。在计算得到每个区域的均值后，可以将每个区域的均值与对应的阈值进行比较，确定每个区域的均值与对应阈值的大小关系。
步骤四，根据比较结果，对所述红外光曝光亮度增益初始值进行调整，得到红外光曝光亮度增益。
将每个区域的均值与对应阈值进行比较后，图像采集设备可以根据比较结果，对红外光曝光亮度增益初始值进行调整，得到红外光曝光亮度增益。
具体的，图像采集设备可以统计均值小于或等于对应阈值的区域的第一数量，并判断第一数量是否大于预设数量阈值；如果是，表明当前可见光图像与红外光图像反射差异较大，这种情况下，图像采集设备可以将红外见光曝光亮度增益初始值减小第三步长，得到红外光曝光亮度增益。
若第一数量小于预设数量阈值，表明当前可见光图像同红外光图像反射差异较小，当前红外光曝光亮度增益较为合适，则可以不对其作调整。
S502，根据所述红外光曝光亮度增益，获取所述红外光图像。
确定红外光曝光亮度增益后，图像采集设备可以根据该红外光曝光亮度增益，获取红外光图像。
本实施例中，可以根据最新采集的图像来调整当前时刻对应的红外光曝光亮度增益，进而根据调整后的红外光曝光亮度增益来获取红外光图像，以提高红外光图像的图像质量，进而可以提高融合图像的质量。
可以理解，在低照度场景下，可见光图像能够提供的纹理信息和亮度信息有限，若此时场景中物体对近红外光存在较高的响应，会使得红外光图像中出现局部过曝或高亮现象，导致融合图像的信息量相对于原可见光图像或原红外光图像无明显提升。
作为本发明实施例的一种实施方式，为了进一步提高融合图像的质量，在根据红外光曝光亮度增益获取红外光图像之前，图像采集设备还可以根据所确定红外光曝光亮度增益，确定补光控制信号，进而根据红外光曝光亮度增益和补光控制信号，获取红外光图像。
具体的，确定补光控制信号的过程可以为：当红外光曝光亮度增益大于或等于第一阈值时，表明需要补光，图像采集设备可以根据预设的红外光曝光亮度增益强度与补光控制信号强度的对应关系，确定红外光曝光亮度增益对应的补光控制信号；当红外光曝光亮度增益小于第一阈值时，表明不需要补光，图像采集设备可以确定补光控制信号为无。
本实施例中，可以根据最新采集的图像来调整当前时刻对应的红外光曝光亮度增益，并进一步确定补光控制信息，进而根据调整后的红外光曝光亮度增益和补光控制信号来获取红外光图像，以提高红外光图像的图像质量，进而可以提高融合图像的质量。
下面结合一个具体的实施例，对本发明提供的图像融合方法进行详细说明。
如图6所示，其示出了本发明实施例的图像融合方法的系统框图。如图6所示，本发明实施例的系统包括：可见成像单元、红外成像单元、图像融合单元、红外补光单元、曝光控制单元1、以及曝光控制单元2。
其中，可见成像单元对可见光波段感光，获取可见光图像，提供色彩信息和亮度信息；红外成像单元对近红外波段感光，获取红外光图像，提供亮度信息，为描述方便，下文中如无特别说明，红外光表示近红外光；图像融合单元对可见光图像和红外光图像进行融合处理，利用二者互补信息提升图像的亮度和清晰度，同时输出反射特性参数(也即红外系数)；红外补光单元控制红外补光灯强弱，辅助红外成像；曝光控制单元1控制可见光图像增益；曝光控制单元2控制红外图像增益，减轻局部过曝或高亮导致的信息丢失，提升红外成像质量。
以下对各单元模块详细工作原理进行详细解释。
可见成像单元，输入为可见光信号、曝光控制信号，输出为可见光图像。也即传感器采集可见光信号，进行模数转换，根据曝光控制信号控制增益，获取可见光图像。
红外成像单元，输入为红外光信号、曝光控制信号，输出为红外光图像。也即传感器采集红外光信号，进行模数转换，根据曝光控制信号控制增益，获取红外光图像。
曝光控制单元1，统计可见光图像亮度特征，输出可见光曝光控制信号。
曝光控制单元2，统计红外光图像亮度特征，得到红外光曝光控制信号参考值，然后将反射特性系数图像划分为多个大小相同且边缘互不重叠的小块，统计每一小块的反射特性系数均值，并与预先设定的多个阈值进行比较，确定场景中物体对红外光的响应强度参数，最后，根据该强度参数调整红外光曝光控制信号，控制红外光图像增益。
红外补光单元，输入为曝光控制信号，输出为红外补光控制信号。红外补光单元主要用于控制红外补光灯，具有自适应开关/强度控制功能。具体的，可以依据曝光控制单元输出的曝光控制信号作为特征，产生补光控制信号，控制红外补光灯的开关或补光强度。
图像融合单元，输入为可见光图像、红外光图像，输出为融合图像、反射特性参数。该单元根据可见光图像与红外光图像的亮度特征来进行自适应融合处理，得到融合图像。
图7为图像融合单元示意图。如图7所示，图像融合单元主要包括纹理系数融合模块和反射系数计算模块。
其中，纹理系数融合模块根据红外光图像和可见光图像计算得到融合纹理系数t_coef，反射系数计算模块根据红外光图像和可见光图像计算得到反射系数r_coef。
图8为纹理系数融合模块工作流程图，该模块用以融合可见光图像和红外光图像的纹理信息，实现图像清晰度的提升和信息量最大化。
具体的，如图8所示，分别通过低通滤波器LPF对可见光图像V和红外光图像N进行滤波处理，获取可见光基础层图像v_base和红外光基础层图像n_base：
v_base＝LPF(V)
n_base＝LPF(N)
根据可见光图像及其基础层图像的比值或差值、红外光图像及其基础层图像的比值或差值获取可见光纹理系数v_t_coef和红外光纹理系数n_t_coef。
利用如下式所述的sobel水平边缘检测算子sobelH和垂直边缘检测算子sobelV分别对红外光图像和可见光图像进行卷积，计算红外光图像的纹理强度信息n_t_str和可见光图像的纹理强度信息v_t_str：
对可见光图像的纹理系数和红外光图像的纹理系数进行加权处理，获取融合纹理系数，实现纹理信息最大化：
图9为反射系数计算模块工作流程图，输入可见光图像和红外光图像，该模块根据同一物体在可见光图像和红外光图像中亮度差异，计算获取该物体的反射系数，控制红外光图像的融合强度。
具体的，如图9所示，可见光图像和红外光图像分别与卷积核进行卷积，获取可见光局部亮度图像v_local和红外光局部亮度图像n_local，减小噪声干扰：
上式中，A1、A2分别表示可见光图像和红外光图像对应的卷积核。
根据可见光局部亮度图像和红外光局部亮度图像的差异获取亮度偏移量ΔL：
ΔL＝(1-abs(v_local-n_local))
该偏移量与可见光图像和红外光图像的亮度差异呈反比。
利用亮度偏移量、可见光局部亮度图像和红外光局部亮度图像计算出反射特性系数，当可见光图像与红外光图像反射特性差异较小时，该系数接近1，融合结果接近红外光图像，确保融合结果具有红外光图像的高信噪比；而当可见光图像与红外光图像反射特性差异较大时，该系数趋近于0或趋近于无穷大，融合结果接近可见光图像，确保融合结果具有可见光图像的色彩准确性。
最后，可以利用融合纹理系数、反射系数和红外光图像，获取融合图像F。
相应的，本发明实施例还提供了一种图像融合装置，如图10所示，所述装置包括：
图像获取模块1010，用于获取可见光图像，并获取红外光图像；
融合纹理系数计算模块1020，用于根据所述可见光图像和所述红外光图像，得到融合纹理系数；
反射系数计算模块1030，用于根据所述可见光图像和所述红外光图像，得到反射系数；
图像融合模块1040，用于根据所述融合纹理系数、所述反射系数，对所述红外光图像进行融合处理，得到融合图像。
本发明实施例中，可以根据可见光图像和红外光图像，计算得到对应的融合纹理系数和反射系数，进而根据计算得到的融合纹理系数和反射系数对图像进行融合时，能够有效提取可见光图像和红外光图像的优势信息，控制红外光图像的融合强度，可在提升融合图像亮度的同时解决因反射特性差异造成的图像偏色或信息丢失问题，有效提升融合结果的信噪比，也即提高了融合图像的质量。
作为本发明实施例的一种实施方式，所述融合纹理系数计算模块1020包括：
纹理系数计算子模块，用于对所述可见光图像进行预设处理，得到对应的可见光纹理系数；并对所述红外光图像进行所述预设处理，得到对应的红外光纹理系数；
纹理强度计算子模块，用于根据预设的边缘检测算子，对所述可见光图像进行卷积处理，得到可见光纹理强度信息；并根据所述边缘检测算子，对所述红外光图像进行卷积处理，得到红外光纹理强度信息；
融合纹理系数计算子模块，用于根据所述可见光纹理系数、所述红外光纹理系数、所述可见光纹理强度信息、以及所述红外光纹理强度信息，计算得到融合纹理系数。
作为本发明实施例的一种实施方式，所述纹理系数计算子模块，包括：
滤波子单元，用于分别对所述可见光图像和所述红外光图像进行滤波处理，得到可见光基础层图像和红外光基础层图像；
可见光纹理系数计算子单元，用于根据所述可见光图像和所述可见光基础层图像，计算可见光纹理系数；
红外光纹理系数计算子单元，用于根据所述红外光图像和所述红外光基础层图像，计算红外光纹理系数。
作为本发明实施例的一种实施方式，所述可见光纹理系数计算子单元，具体用于依次计算所述可见光图像每一像素点的灰度值，与所述可见光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述可见光纹理系数；
所述红外光纹理系数计算子单元，具体用于依次计算所述红外光图像每一像素点的灰度值，与所述红外光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述红外光纹理系数。
作为本发明实施例的一种实施方式，所述纹理强度计算子模块，具体用于：
根据预设的水平边缘检测算子和垂直边缘检测算子，依次对所述可见光图像进行卷积处理，得到可见光纹理强度信息；
根据所述水平边缘检测算子和所述垂直边缘检测算子，依次对所述红外光图像进行卷积处理，得到红外光纹理强度信息。
作为本发明实施例的一种实施方式，所述融合纹理系数计算子模块，具体用于根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，得到融合纹理系数。
作为本发明实施例的一种实施方式，所述融合纹理系数计算子模块，具体用于根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，并根据所述可见光纹理强度信息和所述红外光纹理强度信息对计算结果进行归一化处理，得到融合纹理系数。
作为本发明实施例的一种实施方式，所述反射系数计算模块1030包括：
局部亮度图像获得子模块，用于根据预设的第一卷积核，对所述可见光图像进行卷积处理，得到可见光局部亮度图像；并根据预设的第二卷积核，对所述红外光图像进行卷积处理，得到红外光局部亮度图像；
反射系数计算子模块，用于计算所述可见光局部亮度图像与所述红外光局部亮度图像的亮度偏移量；并根据所述可见光局部亮度图像、所述红外光局部亮度图像、以及所述亮度偏移量，计算反射系数。
作为本发明实施例的一种实施方式，所述反射系数计算子模块，具体用于：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的差值的绝对值；
计算预设常数与所述绝对值的差值，将所计算结果作为所述亮度偏移量。
作为本发明实施例的一种实施方式，反射系数计算子模块，具体用于：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的比值；
根据所述亮度偏移量对所述比值进行调整；
将调整后的比值作为反射系数。
作为本发明实施例的一种实施方式，所述图像获取模块1010包括：
第一确定子模块，用于根据所述可见光图像上一图像的亮度信息，确定可见光曝光亮度增益；
第一获取子模块，用于根据所述可见光曝光亮度增益，获取所述可见光图像。
作为本发明实施例的一种实施方式，所述第一确定子模块，具体用于：
判断所述可见光图像上一图像的平均亮度是否小于第一预设亮度阈值；
如果是，确定可见光曝光亮度增益为当前可见光曝光亮度增益增大第一步长。
作为本发明实施例的一种实施方式，所述图像获取模块1010包括：
第二确定子模块，用于根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益；
第二获取子模块，用于根据所述红外光曝光亮度增益，获取所述红外光图像。
作为本发明实施例的一种实施方式，所述第二确定子模块，包括：
第一确定子单元，用于根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益初始值；
第一获取子单元，用于获取所述红外光图像上一图像对应的反射系数，将所获取的反射系数切分为多个大小相同且互不重叠的区域；
统计子单元，用于统计每个区域的均值，并将每个区域的均值与对应的阈值进行比较；
调整子单元，用于根据比较结果，对所述红外光曝光亮度增益初始值进行调整，得到红外光曝光亮度增益。
作为本发明实施例的一种实施方式，所述第一确定子单元，具体用于：
判断所述红外光图像上一图像的平均亮度是否小于第二预设亮度阈值；
如果是，确定红外光曝光亮度增益初始值为当前红外光曝光亮度增益增大第二步长。
作为本发明实施例的一种实施方式，所述调整子单元，具体用于：
统计所述均值小于或等于对应阈值的区域的第一数量，并判断所述第一数量是否大于预设数量阈值；
如果是，将所述红外见光曝光亮度增益初始值减小第三步长，得到红外光曝光亮度增益。
作为本发明实施例的一种实施方式，所述第二获取子模块，包括：
第二确定子单元，用于根据所述红外光曝光亮度增益，确定补光控制信号；
第二获取子单元，用于根据所述红外光曝光亮度增益和所述补光控制信号，获取所述红外光图像。
作为本发明实施例的一种实施方式，所述第二确定子单元，具体用于：
当所述红外光曝光亮度增益大于或等于第一阈值时，根据预设的红外光曝光亮度增益强度与补光控制信号强度的对应关系，确定所述红外光曝光亮度增益对应的补光控制信号；
当所述红外光曝光亮度增益小于第一阈值时，确定所述补光控制信号为无。
相应的，本发明实施例还提供了一种图像采集设备，如图11所示，该电子设备可以包括处理器1110、通信接口1120、存储器1130和通信总线1140，其中，所述处理器1110、所述通信接口1120、所述存储器1130通过所述通信总线1140完成相互间的通信；
所述存储器1130，用于存放计算机程序；
所述处理器1110，用于执行所述存储器1130上所存放的程序时，实现如上述图1-图5任一所述的图像融合方法。
本发明实施例中，可以根据可见光图像和红外光图像，计算得到对应的融合纹理系数和反射系数，进而根据计算得到的融合纹理系数和反射系数对图像进行融合时，能够有效提取可见光图像和红外光图像的优势信息，控制红外光图像的融合强度，可在提升融合图像亮度的同时解决因反射特性差异造成的图像偏色或信息丢失问题，有效提升融合结果的信噪比，也即提高了融合图像的质量。
上述计算机设备提到的通信总线1140可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口1120用于上述计算机设备与其他设备之间的通信。
存储器1130可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器1130还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器1110可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Ne twork Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Applica tion SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
相应的，本发明实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现如上述图1-图5任一所述的图像融合方法。
本发明实施例中，可以根据可见光图像和红外光图像，计算得到对应的融合纹理系数和反射系数，进而根据计算得到的融合纹理系数和反射系数对图像进行融合时，能够有效提取可见光图像和红外光图像的优势信息，控制红外光图像的融合强度，可在提升融合图像亮度的同时解决因反射特性差异造成的图像偏色或信息丢失问题，有效提升融合结果的信噪比，也即提高了融合图像的质量。
对于装置/图像采集设备/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (37)
1.一种图像融合方法，其特征在于，所述方法包括：
获取可见光图像，并获取红外光图像；
根据所述可见光图像和所述红外光图像，得到融合纹理系数；
根据所述可见光图像和所述红外光图像，得到反射系数；
根据所述融合纹理系数、所述反射系数，对所述红外光图像进行融合处理，得到融合图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述可见光图像和所述红外光图像，得到融合纹理系数的步骤包括：
对所述可见光图像进行预设处理，得到对应的可见光纹理系数；并对所述红外光图像进行所述预设处理，得到对应的红外光纹理系数；
根据预设的边缘检测算子，对所述可见光图像进行卷积处理，得到可见光纹理强度信息；并根据所述边缘检测算子，对所述红外光图像进行卷积处理，得到红外光纹理强度信息；
根据所述可见光纹理系数、所述红外光纹理系数、所述可见光纹理强度信息、以及所述红外光纹理强度信息，得到融合纹理系数。
3.根据权利要求2所述的方法，其特征在于，所述对所述可见光图像进行预设处理，得到对应的可见光纹理系数；并对所述红外光图像进行所述预设处理，得到对应的红外光纹理系数的步骤包括：
分别对所述可见光图像和所述红外光图像进行滤波处理，得到可见光基础层图像和红外光基础层图像；
根据所述可见光图像和所述可见光基础层图像，计算可见光纹理系数；
根据所述红外光图像和所述红外光基础层图像，计算红外光纹理系数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述可见光图像和所述可见光基础层图像，计算可见光纹理系数的步骤包括：
依次计算所述可见光图像每一像素点的灰度值，与所述可见光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述可见光纹理系数；
所述根据所述红外光图像和所述红外光基础层图像，计算红外光纹理系数的步骤包括：
依次计算所述红外光图像每一像素点的灰度值，与所述红外光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述红外光纹理系数。
5.根据权利要求2所述的方法，其特征在于，所述根据预设的边缘检测算子，对所述可见光图像进行卷积处理，得到可见光纹理强度信息；并根据所述边缘检测算子，对所述红外光图像进行卷积处理，得到红外光纹理强度信息的步骤包括：
根据预设的水平边缘检测算子和垂直边缘检测算子，依次对所述可见光图像进行卷积处理，得到可见光纹理强度信息；
根据所述水平边缘检测算子和所述垂直边缘检测算子，依次对所述红外光图像进行卷积处理，得到红外光纹理强度信息。
6.根据权利要求2所述的方法，其特征在于，所述根据所述可见光纹理系数、所述红外光纹理系数、所述可见光纹理强度信息、以及所述红外光纹理强度信息，得到融合纹理系数的步骤包括：
根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，得到融合纹理系数。
7.根据权利要求6所述的方法，其特征在于，所述根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，得到融合纹理系数的步骤包括：
根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，并根据所述可见光纹理强度信息和所述红外光纹理强度信息对计算结果进行归一化处理，得到融合纹理系数。
8.根据权利要求1所述的方法，其特征在于，所述根据所述可见光图像和所述红外光图像，得到反射系数的步骤包括：
根据预设的第一卷积核，对所述可见光图像进行卷积处理，得到可见光局部亮度图像；并根据预设的第二卷积核，对所述红外光图像进行卷积处理，得到红外光局部亮度图像；
计算所述可见光局部亮度图像与所述红外光局部亮度图像的亮度偏移量；并根据所述可见光局部亮度图像、所述红外光局部亮度图像、以及所述亮度偏移量，得到反射系数。
9.根据权利要求8所述的方法，其特征在于，所述计算所述可见光局部亮度图像与所述红外光局部亮度图像的亮度偏移量的步骤包括：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的差值的绝对值；
计算预设常数与所述绝对值的差值，将所计算结果作为所述亮度偏移量。
10.根据权利要求8所述的方法，其特征在于，所述根据所述可见光局部亮度图像、所述红外光局部亮度图像、以及所述亮度偏移量，得到反射系数的步骤包括：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的比值；
根据所述亮度偏移量对所述比值进行调整；
将调整后的比值作为反射系数。
11.根据权利要求1所述的方法，其特征在于，所述获取可见光图像的步骤包括：
根据所述可见光图像上一图像的亮度信息，确定可见光曝光亮度增益；
根据所述可见光曝光亮度增益，获取所述可见光图像。
12.根据权利要求11所述的方法，其特征在于，所述根据所述可见光图像上一图像的亮度信息，确定可见光曝光亮度增益的步骤包括：
判断所述可见光图像上一图像的平均亮度是否小于第一预设亮度阈值；
如果是，确定可见光曝光亮度增益为当前可见光曝光亮度增益增大第一步长。
13.根据权利要求1所述的方法，其特征在于，所述获取红外光图像的步骤包括：
根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益；
根据所述红外光曝光亮度增益，获取所述红外光图像。
14.根据权利要求13所述的方法，其特征在于，所述根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益的步骤包括：
根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益初始值；
获取所述红外光图像上一图像对应的反射系数，将所获取的反射系数切分为多个大小相同且互不重叠的区域；
统计每个区域的均值，并将每个区域的均值与对应的阈值进行比较；
根据比较结果，对所述红外光曝光亮度增益初始值进行调整，得到红外光曝光亮度增益。
15.根据权利要求14所述的方法，其特征在于，所述根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益初始值的步骤包括：
判断所述红外光图像上一图像的平均亮度是否小于第二预设亮度阈值；
如果是，确定红外光曝光亮度增益初始值为当前红外光曝光亮度增益增大第二步长。
16.根据权利要求14所述的方法，其特征在于，所述根据比较结果，对所述红外光曝光亮度增益初始值进行调整，得到红外光曝光亮度增益的步骤包括：
统计所述均值小于或等于对应阈值的区域的第一数量，并判断所述第一数量是否大于预设数量阈值；
如果是，将所述红外见光曝光亮度增益初始值减小第三步长，得到红外光曝光亮度增益。
17.根据权利要求13所述的方法，其特征在于，所述根据所述红外光曝光亮度增益，获取所述红外光图像的步骤包括：
根据所述红外光曝光亮度增益，确定补光控制信号；
根据所述红外光曝光亮度增益和所述补光控制信号，获取所述红外光图像。
18.根据权利要求17所述的方法，其特征在于，所述根据所述红外光曝光亮度增益，确定补光控制信号的步骤包括：
当所述红外光曝光亮度增益大于或等于第一阈值时，根据预设的红外光曝光亮度增益强度与补光控制信号强度的对应关系，确定所述红外光曝光亮度增益对应的补光控制信号；
当所述红外光曝光亮度增益小于第一阈值时，确定所述补光控制信号为无。
19.一种图像融合装置，其特征在于，所述装置包括：
图像获取模块，用于获取可见光图像，并获取红外光图像；
融合纹理系数计算模块，用于根据所述可见光图像和所述红外光图像，得到融合纹理系数；
反射系数计算模块，用于根据所述可见光图像和所述红外光图像，得到反射系数；
图像融合模块，用于根据所述融合纹理系数、所述反射系数，对所述红外光图像进行融合处理，得到融合图像。
20.根据权利要求19所述的装置，其特征在于，所述融合纹理系数计算模块包括：
纹理系数计算子模块，用于对所述可见光图像进行预设处理，得到对应的可见光纹理系数；并对所述红外光图像进行所述预设处理，得到对应的红外光纹理系数；
纹理强度计算子模块，用于根据预设的边缘检测算子，对所述可见光图像进行卷积处理，得到可见光纹理强度信息；并根据所述边缘检测算子，对所述红外光图像进行卷积处理，得到红外光纹理强度信息；
融合纹理系数计算子模块，用于根据所述可见光纹理系数、所述红外光纹理系数、所述可见光纹理强度信息、以及所述红外光纹理强度信息，计算得到融合纹理系数。
21.根据权利要求20所述的装置，其特征在于，所述纹理系数计算子模块，包括：
滤波子单元，用于分别对所述可见光图像和所述红外光图像进行滤波处理，得到可见光基础层图像和红外光基础层图像；
可见光纹理系数计算子单元，用于根据所述可见光图像和所述可见光基础层图像，计算可见光纹理系数；
红外光纹理系数计算子单元，用于根据所述红外光图像和所述红外光基础层图像，计算红外光纹理系数。
22.根据权利要求21所述的装置，其特征在于，所述可见光纹理系数计算子单元，具体用于依次计算所述可见光图像每一像素点的灰度值，与所述可见光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述可见光纹理系数；
所述红外光纹理系数计算子单元，具体用于依次计算所述红外光图像每一像素点的灰度值，与所述红外光基础层图像对应每一像素点的灰度值的比值或差值，将所计算结果集作为所述红外光纹理系数。
23.根据权利要求19所述的装置，其特征在于，所述纹理强度计算子模块，具体用于：
根据预设的水平边缘检测算子和垂直边缘检测算子，依次对所述可见光图像进行卷积处理，得到可见光纹理强度信息；
根据所述水平边缘检测算子和所述垂直边缘检测算子，依次对所述红外光图像进行卷积处理，得到红外光纹理强度信息。
24.根据权利要求19所述的装置，其特征在于，所述融合纹理系数计算子模块，具体用于根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，得到融合纹理系数。
25.根据权利要求19所述的装置，其特征在于，所述融合纹理系数计算子模块，具体用于根据所述可见光纹理强度信息、以及所述红外光纹理强度信息，对所述可见光纹理系数和所述红外光纹理系数进行加权计算，并根据所述可见光纹理强度信息和所述红外光纹理强度信息对计算结果进行归一化处理，得到融合纹理系数。
26.根据权利要求19所述的装置，其特征在于，所述反射系数计算模块包括：
局部亮度图像获得子模块，用于根据预设的第一卷积核，对所述可见光图像进行卷积处理，得到可见光局部亮度图像；并根据预设的第二卷积核，对所述红外光图像进行卷积处理，得到红外光局部亮度图像；
反射系数计算子模块，用于计算所述可见光局部亮度图像与所述红外光局部亮度图像的亮度偏移量；并根据所述可见光局部亮度图像、所述红外光局部亮度图像、以及所述亮度偏移量，计算反射系数。
27.根据权利要求26所述的装置，其特征在于，所述反射系数计算子模块，具体用于：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的差值的绝对值；
计算预设常数与所述绝对值的差值，将所计算结果作为所述亮度偏移量。
28.根据权利要求26所述的装置，其特征在于，反射系数计算子模块，具体用于：
依次计算所述可见光局部亮度图像每一像素点的灰度值，与所述红外光局部亮度图像对应每一像素点的灰度值的比值；
根据所述亮度偏移量对所述比值进行调整；
将调整后的比值作为反射系数。
29.根据权利要求19所述的装置，其特征在于，所述图像获取模块包括：
第一确定子模块，用于根据所述可见光图像上一图像的亮度信息，确定可见光曝光亮度增益；
第一获取子模块，用于根据所述可见光曝光亮度增益，获取所述可见光图像。
30.根据权利要求29所述的装置，其特征在于，所述第一确定子模块，具体用于：
判断所述可见光图像上一图像的平均亮度是否小于第一预设亮度阈值；
如果是，确定可见光曝光亮度增益为当前可见光曝光亮度增益增大第一步长。
31.根据权利要求19所述的装置，其特征在于，所述图像获取模块包括：
第二确定子模块，用于根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益；
第二获取子模块，用于根据所述红外光曝光亮度增益，获取所述红外光图像。
32.根据权利要求31所述的装置，其特征在于，所述第二确定子模块，包括：
第一确定子单元，用于根据所述红外光图像上一图像的亮度信息，确定红外光曝光亮度增益初始值；
第一获取子单元，用于获取所述红外光图像上一图像对应的反射系数，将所获取的反射系数切分为多个大小相同且互不重叠的区域；
统计子单元，用于统计每个区域的均值，并将每个区域的均值与对应的阈值进行比较；
调整子单元，用于根据比较结果，对所述红外光曝光亮度增益初始值进行调整，得到红外光曝光亮度增益。
33.根据权利要求32所述的装置，其特征在于，所述第一确定子单元，具体用于：
判断所述红外光图像上一图像的平均亮度是否小于第二预设亮度阈值；
如果是，确定红外光曝光亮度增益初始值为当前红外光曝光亮度增益增大第二步长。
34.根据权利要求32所述的装置，其特征在于，所述调整子单元，具体用于：
统计所述均值小于或等于对应阈值的区域的第一数量，并判断所述第一数量是否大于预设数量阈值；
如果是，将所述红外见光曝光亮度增益初始值减小第三步长，得到红外光曝光亮度增益。
35.根据权利要求31所述的装置，其特征在于，所述第二获取子模块，包括：
第二确定子单元，用于根据所述红外光曝光亮度增益，确定补光控制信号；
第二获取子单元，用于根据所述红外光曝光亮度增益和所述补光控制信号，获取所述红外光图像。
36.根据权利要求35所述的装置，其特征在于，所述第二确定子单元，具体用于：
当所述红外光曝光亮度增益大于或等于第一阈值时，根据预设的红外光曝光亮度增益强度与补光控制信号强度的对应关系，确定所述红外光曝光亮度增益对应的补光控制信号；
当所述红外光曝光亮度增益小于第一阈值时，确定所述补光控制信号为无。
37.一种图像采集设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-18任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711008121.0A CN109712102B (zh) | 2017-10-25 | 2017-10-25 | 一种图像融合方法、装置及图像采集设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711008121.0A CN109712102B (zh) | 2017-10-25 | 2017-10-25 | 一种图像融合方法、装置及图像采集设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109712102A true CN109712102A (zh) | 2019-05-03 |
| CN109712102B CN109712102B (zh) | 2020-11-27 |
Family
ID=66253243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711008121.0A Active CN109712102B (zh) | 2017-10-25 | 2017-10-25 | 一种图像融合方法、装置及图像采集设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109712102B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210541A (zh) * | 2019-05-23 | 2019-09-06 | 浙江大华技术股份有限公司 | 图像融合方法及设备、存储装置 |
| CN110264402A (zh) * | 2019-06-12 | 2019-09-20 | 浙江大华技术股份有限公司 | 图像融合方法、装置、存储介质及电子装置 |
| CN110458787A (zh) * | 2019-08-09 | 2019-11-15 | 武汉高德智感科技有限公司 | 一种图像融合方法、装置及计算机存储介质 |
| CN111104904A (zh) * | 2019-12-19 | 2020-05-05 | 珠海格力电器股份有限公司 | 人体识别方法、装置及天井机 |
| CN111358424A (zh) * | 2020-03-17 | 2020-07-03 | 苏州微清医疗器械有限公司 | 一种眼底成像亮度调节方法以及眼底相机 |
| CN111586314A (zh) * | 2020-05-25 | 2020-08-25 | 浙江大华技术股份有限公司 | 一种图像融合方法、装置以及计算机存储介质 |
| CN112052701A (zh) * | 2019-06-06 | 2020-12-08 | 杭州海康威视数字技术股份有限公司 | 物品取放检测系统、方法及装置 |
| CN112184583A (zh) * | 2020-09-28 | 2021-01-05 | 成都微光集电科技有限公司 | 一种图像降噪方法及装置 |
| CN112837254A (zh) * | 2021-02-25 | 2021-05-25 | 普联技术有限公司 | 一种图像融合方法、装置、终端设备及存储介质 |
| CN112887513A (zh) * | 2019-11-13 | 2021-06-01 | 杭州海康威视数字技术股份有限公司 | 图像降噪方法及摄像机 |
| CN113271414A (zh) * | 2020-02-14 | 2021-08-17 | 上海海思技术有限公司 | 图像获取方法和装置 |
| CN113313661A (zh) * | 2021-05-26 | 2021-08-27 | Oppo广东移动通信有限公司 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
| CN113538303A (zh) * | 2020-04-20 | 2021-10-22 | 杭州海康威视数字技术股份有限公司 | 图像融合方法 |
| CN113572968A (zh) * | 2020-04-24 | 2021-10-29 | 杭州萤石软件有限公司 | 图像融合方法、装置、摄像设备及存储介质 |
| CN114143418A (zh) * | 2020-09-04 | 2022-03-04 | 聚晶半导体股份有限公司 | 双传感器摄像系统及其摄像方法 |
| CN115578500A (zh) * | 2022-10-17 | 2023-01-06 | 广州唯墨间科技有限公司 | 一种基于三维摄影测量建模的混合式照明方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231748A (zh) * | 2007-12-18 | 2008-07-30 | 西安电子科技大学 | 基于奇异值分解的图像融合方法 |
| CN102306381A (zh) * | 2011-06-02 | 2012-01-04 | 西安电子科技大学 | 基于Beamlet与小波变换的图像融合方法 |
| CN104079908A (zh) * | 2014-07-11 | 2014-10-01 | 上海富瀚微电子股份有限公司 | 红外与可见光图像信号处理方法及其实现装置 |
| CN106096604A (zh) * | 2016-06-02 | 2016-11-09 | 西安电子科技大学昆山创新研究院 | 基于无人平台的多波段融合探测方法 |
-
2017
- 2017-10-25 CN CN201711008121.0A patent/CN109712102B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231748A (zh) * | 2007-12-18 | 2008-07-30 | 西安电子科技大学 | 基于奇异值分解的图像融合方法 |
| CN102306381A (zh) * | 2011-06-02 | 2012-01-04 | 西安电子科技大学 | 基于Beamlet与小波变换的图像融合方法 |
| CN104079908A (zh) * | 2014-07-11 | 2014-10-01 | 上海富瀚微电子股份有限公司 | 红外与可见光图像信号处理方法及其实现装置 |
| CN106096604A (zh) * | 2016-06-02 | 2016-11-09 | 西安电子科技大学昆山创新研究院 | 基于无人平台的多波段融合探测方法 |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210541A (zh) * | 2019-05-23 | 2019-09-06 | 浙江大华技术股份有限公司 | 图像融合方法及设备、存储装置 |
| CN110210541B (zh) * | 2019-05-23 | 2021-09-03 | 浙江大华技术股份有限公司 | 图像融合方法及设备、存储装置 |
| CN112052701A (zh) * | 2019-06-06 | 2020-12-08 | 杭州海康威视数字技术股份有限公司 | 物品取放检测系统、方法及装置 |
| CN110264402B (zh) * | 2019-06-12 | 2022-12-16 | 浙江大华技术股份有限公司 | 图像融合方法、装置、存储介质及电子装置 |
| CN110264402A (zh) * | 2019-06-12 | 2019-09-20 | 浙江大华技术股份有限公司 | 图像融合方法、装置、存储介质及电子装置 |
| CN110458787A (zh) * | 2019-08-09 | 2019-11-15 | 武汉高德智感科技有限公司 | 一种图像融合方法、装置及计算机存储介质 |
| CN110458787B (zh) * | 2019-08-09 | 2022-03-08 | 武汉高德智感科技有限公司 | 一种图像融合方法、装置及计算机存储介质 |
| CN112887513A (zh) * | 2019-11-13 | 2021-06-01 | 杭州海康威视数字技术股份有限公司 | 图像降噪方法及摄像机 |
| CN112887513B (zh) * | 2019-11-13 | 2022-08-30 | 杭州海康威视数字技术股份有限公司 | 图像降噪方法及摄像机 |
| CN111104904A (zh) * | 2019-12-19 | 2020-05-05 | 珠海格力电器股份有限公司 | 人体识别方法、装置及天井机 |
| CN113271414A (zh) * | 2020-02-14 | 2021-08-17 | 上海海思技术有限公司 | 图像获取方法和装置 |
| CN111358424B (zh) * | 2020-03-17 | 2022-10-25 | 苏州微清医疗器械有限公司 | 一种眼底成像亮度调节方法以及眼底相机 |
| CN111358424A (zh) * | 2020-03-17 | 2020-07-03 | 苏州微清医疗器械有限公司 | 一种眼底成像亮度调节方法以及眼底相机 |
| CN113538303A (zh) * | 2020-04-20 | 2021-10-22 | 杭州海康威视数字技术股份有限公司 | 图像融合方法 |
| CN113538303B (zh) * | 2020-04-20 | 2023-05-26 | 杭州海康威视数字技术股份有限公司 | 图像融合方法 |
| CN113572968A (zh) * | 2020-04-24 | 2021-10-29 | 杭州萤石软件有限公司 | 图像融合方法、装置、摄像设备及存储介质 |
| CN113572968B (zh) * | 2020-04-24 | 2023-07-18 | 杭州萤石软件有限公司 | 图像融合方法、装置、摄像设备及存储介质 |
| CN111586314B (zh) * | 2020-05-25 | 2021-09-10 | 浙江大华技术股份有限公司 | 一种图像融合方法、装置以及计算机存储介质 |
| CN111586314A (zh) * | 2020-05-25 | 2020-08-25 | 浙江大华技术股份有限公司 | 一种图像融合方法、装置以及计算机存储介质 |
| CN114143418A (zh) * | 2020-09-04 | 2022-03-04 | 聚晶半导体股份有限公司 | 双传感器摄像系统及其摄像方法 |
| CN114143418B (zh) * | 2020-09-04 | 2023-12-01 | 聚晶半导体股份有限公司 | 双传感器摄像系统及其摄像方法 |
| CN112184583A (zh) * | 2020-09-28 | 2021-01-05 | 成都微光集电科技有限公司 | 一种图像降噪方法及装置 |
| CN112184583B (zh) * | 2020-09-28 | 2023-11-17 | 成都微光集电科技有限公司 | 一种图像降噪方法及装置 |
| CN112837254A (zh) * | 2021-02-25 | 2021-05-25 | 普联技术有限公司 | 一种图像融合方法、装置、终端设备及存储介质 |
| CN113313661A (zh) * | 2021-05-26 | 2021-08-27 | Oppo广东移动通信有限公司 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
| CN115578500A (zh) * | 2022-10-17 | 2023-01-06 | 广州唯墨间科技有限公司 | 一种基于三维摄影测量建模的混合式照明方法 |
| CN115578500B (zh) * | 2022-10-17 | 2023-04-28 | 广州唯墨间科技有限公司 | 一种基于三维摄影测量建模的混合式照明方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109712102B (zh) | 2020-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109712102A (zh) | 一种图像融合方法、装置及图像采集设备 | |
| CN109951646B (zh) | 图像融合方法、装置、电子设备及计算机可读存储介质 | |
| CN108495050B (zh) | 拍照方法、装置、终端及计算机可读存储介质 | |
| CN108702452B (zh) | 一种图像拍摄方法及装置 | |
| CN109429001A (zh) | 图像采集方法、装置、电子设备以及计算机可读存储介质 | |
| CN110493506B (zh) | 一种图像处理方法和系统 | |
| DE102019106252A1 (de) | Verfahren und System für Lichtquellenschätzung zur Bildverarbeitung | |
| CN110766639B (zh) | 图像增强方法、装置、移动设备及计算机可读存储介质 | |
| CN110493532B (zh) | 一种图像处理方法和系统 | |
| US9313413B2 (en) | Image processing method for improving image quality and image processing device therewith | |
| CN106454079B (zh) | 图像处理方法及装置和相机 | |
| CN105578067B (zh) | 图像生成方法、装置及终端设备 | |
| CN109040596B (zh) | 一种调整摄像头的方法、移动终端及存储介质 | |
| US20160292835A1 (en) | Image processing system | |
| CN107993209A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN109844804A (zh) | 一种图像检测的方法、装置及终端 | |
| CN110493531B (zh) | 一种图像处理方法和系统 | |
| CN110728644B (zh) | 图像生成方法、装置、电子设备和可读存储介质 | |
| CN107888811A (zh) | 基于人体姿态的自动抠像相机 | |
| CN108230347A (zh) | 一种基于人体姿态的自动抠像相机控制方法 | |
| CN111901520B (zh) | 一种基于图像处理的场景自适应系统、方法及终端 | |
| CN105472365A (zh) | 一种自动白平衡的方法和装置 | |
| CN106027912A (zh) | 一种拍摄模式选择方法及终端 | |
| CN110211082A (zh) | 一种图像融合方法、装置、电子设备及存储介质 | |
| CN107909542A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 |
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 |