CN109844809A - 一种图像处理方法及装置、计算机可读存储介质 - Google Patents
一种图像处理方法及装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN109844809A CN109844809A CN201780029413.4A CN201780029413A CN109844809A CN 109844809 A CN109844809 A CN 109844809A CN 201780029413 A CN201780029413 A CN 201780029413A CN 109844809 A CN109844809 A CN 109844809A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- grayscale value
- value
- grayscale
- 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 32
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000000717 retained effect Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像处理方法及装置、计算机可读存储介质。该图像处理方法包括获取原始图像中多个像素的灰阶值,其中像素的灰阶值对应于当前灰阶划分规则的某一基准值;对当前灰阶划分规则进行稀疏化处理,以去除当前灰阶划分规则中的部分基准值;根据稀疏化处理后的当前灰阶划分规则,调整每个像素的灰阶值,以获得处理后的图像;根据每个像素调整后的灰阶值对每个像素进行分类,以对所述处理后的图像进行分块处理。通过上述方式,本申请能够对图像中物体清晰的轮廓边缘很好地保留,舍弃其中小的、零碎的边缘,减少了图像处理的计算量,高效地实现了对图像的分块处理。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种图像处理方法及装置、计算机可读存储介质。
背景技术
对自然场景做图像识别、双目匹配时,我们希望用更鲁棒的边缘对其做区域划分,由于边缘检测算法通常是找差异点或小区块儿的算法。因此,自然场景做边缘检测时,通常会得到大量散碎边。
而该大量散碎边在不同目下也很有可能不一致,因为光线角度不同,反射的强光角度不同。因而这些大量散碎边对图像处理造成了严重的干扰,且增加了图像处理的计算量。
发明内容
本发明主要解决的技术问题是提供一种图像处理方法及装置、计算机可读存储介质,能够对图像中物体清晰的轮廓边缘很好地保留,舍弃其中小的、零碎的边缘,减少了图像处理的计算量,高效地实现了对图像的分块处理。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种图像处理方法。该图像处理方法包括获取原始图像中多个像素的灰阶值,其中像素的灰阶值对应于当前灰阶划分规则的某一基准值;对当前灰阶划分规则进行稀疏化处理,以去除当前灰阶划分规则中的部分基准值;根据稀疏化处理后的当前灰阶划分规则调整每个像素的灰阶值,以获得处理后的图像;根据每个像素调整后的灰阶值对每个像素进行分类,以对所述处理后的图像进行分块处理。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种图像处理装置。该图像处理装置包括处理器以及存储器,处理器通过运行存储器内存储的程序实现如上述图像处理方法描述的步骤。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现如上述图像处理方法描述的步骤。
本申请的有益效果是:区别于现有技术的情况,本申请公开了一种图像处理方法及装置、计算机可读存储介质。该图像处理方法包括获取原始图像中多个像素的灰阶值,其中像素的灰阶值对应于当前灰阶划分规则的某一基准值;对当前灰阶划分规则进行稀疏化处理,以去除当前灰阶划分规则中的部分基准值;根据稀疏化处理后的当前灰阶划分规则,调整每个像素的灰阶值,以获得处理后的图像;根据每个像素调整后的灰阶值对每个像素进行分类,以对所述处理后的图像进行分块处理。通过上述方式,本申请能够对图像中物体清晰的轮廓边缘很好地保留,舍弃其中小的、零碎的边缘,减少了图像处理的计算量,高效地实现了对图像的分块处理。
附图说明
图1是本发明提供的图像处理方法一实施方式的流程示意图;
图2是本发明提供的图像处理方法另一实施方式的流程示意图;
图3是本发明提供的图像处理方法又一实施方式的流程示意图;
图4是本发明提供的图像处理方法再一实施方式的流程示意图;
图5是图4中实施方式的原始图像;
图6是图4中实施方式经分块处理后的效果图;
图7是图4中实施方式中进一步处理后的效果图;
图8是本发明提供的图像处理装置一实施例的装置示意图;
图9是本发明提供的计算机可读存储介质一实施例的示意图。
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,所描述的实施例仅是本发明的一部分实施例,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。
本发明实施例中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。此外,术语“包括”和“具有”以及它们任何变形,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,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
参阅图1,本发明提供的图像处理方法一实施方式的流程示意图。
S11:获取原始图像中多个像素的灰阶值。
获取原始图像中多个像素的灰阶值,其中像素的灰阶值对应于当前灰阶划分规则的某一基准值,即原始图像中一像素的灰阶值必有当前灰阶划分规则中的一基准值与其对应。具体的,像素的灰阶值为0~255中的一个数值,当前灰阶划分规则为灰阶值0~255中的某一种集合,即它的基准值为一灰阶值,并由多个基准值组成当前灰阶划分规则。
可选的,当前灰阶划分规则可包括256个灰阶值,或包括256个灰阶值中的一部分,如0~100、50~200、150~255,还可以选择包括不连续的灰阶值,如灰阶值为2的倍数、3的倍数的集合。或经初步检测,确定图像的灰阶值的大致范围,灵活选择当前灰阶值划分规则的基准值范围。还有其他选取灰阶划分规则的方式,本申请对当前灰阶划分规则的选取不作限制。
若原始图像的分辨率过低,像素的灰阶值种类仅有128或64种,则当前灰阶划分规则可参照上述方法选取,不再赘述。
获取原始图像中多个像素的灰阶值的步骤,具体包括:通过一输入端口输入原始图像,判断该原始图像是否为灰度图像;若该原始图像是灰度图像,则获取原始图像中多个像素的灰阶值;若该原始图像不是灰度图像,则将所述原始图像进行灰度化处理,再获取灰度化后的图像中多个像素的灰阶值。
S12:对当前灰阶划分规则进行稀疏化处理。
对当前灰阶划分规则进行稀疏化处理,以去除当前灰阶划分规则中的部分基准值。可理解为,选取当前灰阶划分规则中符合某种条件的基准值,将剩余不符合条件的基准值去掉,以稀疏化当前灰阶划分规则。
在本实施方式中,选用以间隔方式保留当前灰阶划分规则中的部分基准值。具体的,保留当前灰阶划分规则中按照数值大小排序的基准值中的奇数位或偶数位基准值。
例如,当前灰阶划分规则中的基准值为0、2、4…250、252、254,对其稀疏化处理时,保留偶数位基准值,则被稀疏化处理后的当前灰阶划分规则的基准值为2、6、10…246、250、254。
可选的,保留当前灰阶划分规则中的偶数类或奇数类基准值,去除剩余的基准值,或保留当前灰阶划分规则中可被某一数值整除的基准值,如2、3、4、5、8、16、32、64的倍数,或保留当前灰阶划分规则中质数类基准值。以上对灰阶划分规则进行稀疏化处理的规则,仅为示例性举例,还可有其他的稀疏化处理规则。
S13:根据稀疏化处理后的当前灰阶划分规则,调整各像素的灰阶值。
根据稀疏化处理后的当前灰阶划分规则调整每个像素的灰阶值,以获得处理后的图像。
具体的,若像素的灰阶值等于保留的基准值,则保留该像素的灰阶值;若像素的灰阶值不等于保留的基准值,则将该像素的灰阶值调整到与其相邻的保留的基准值。
例如,稀疏化处理后的当前灰阶划分规则调保留的基准值为偶数类基准值,如0、2、4、6、8……,在调整各像素的灰阶值时,若一个像素灰阶值为4,则不需要调整,若另一像素的灰阶值为3,则可以将其灰阶值调整为2或者4。
具体的,若像素的灰阶值不等于保留的基准值,获取该像素的邻域像素的灰阶值,其中,邻域像素的灰阶值为经稀疏化处理后的当前灰阶划分规则进行调整前的灰阶值;分别统计大于该像素的灰阶值的邻域像素的数量和小于该像素的灰阶值的邻域像素的数量,并分别作为第一数量和第二数量;若第一数量大于第二数量,则将该像素的灰阶值调整到与该像素的灰阶值相邻的且大于该像素的灰阶值的保留的基准值;若第一数量小于第二数量,则将该像素的灰阶值调整到与该像素的灰阶值相邻的且小于该像素的灰阶值的保留的基准值;若第一数量等于第二数量,可将该像素的灰阶值调整到与该像素的灰阶值相邻的且大于该像素的灰阶值的保留的基准值,或调整到与该像素的灰阶值相邻的且小于该像素的灰阶值的保留的基准值,或不调整该像素的灰阶值。
可选的,邻域像素区的选取以该像素为中心,例如,可以选取3×3、5×5、7×7或者9×9区域范围内的像素,或其他划分范围内的像素,这里仅做示例性举例。若该像素点处于原始图像的边缘,无法选取完整的邻域像素区,可忽略未选取的部分,仅统计选取区域内的像素,或在调整像素的灰阶值前,选取原始图像中能够选取完整邻域像素区的部分为工作区域,或额外加大原始图像的范围,使原始图像的边缘区的像素点也能选取完整的邻域像素区。
为更清楚阐述该调整规则,现举例说明。一像素点的灰阶值为65,处于灰阶划分规则中两相邻的基准值50、70之间,获取该像素点的邻域像素5×5区域内像素的灰阶值,其中灰阶值大于65的像素个数为12个,灰阶值小于65的像素个数为7个,则调整该像素的灰阶值为70;若灰阶值大于65的像素个数为6个,灰阶值小于65的像素个数为11个,则调整该像素的灰阶值为50。
可选的,若当前灰阶划分规则经一次稀疏化处理后,保留了当前灰阶划分规则中的偶数类基准值,如0、2、4…250、252、254,原始图像中像素的灰阶值经一次调整后,奇数类灰阶值均被调整到与其相邻的偶数类基准值。进一步,此处可经多次调整,假如处理后的图像中像素的灰阶值类别有0、2、4…250、252、254,将处理后的图像中像素的灰阶值除以2,得到图像中像素的灰阶值类别有0、1、2…125、126、127,再一次对照保留的偶数类基准值0、2、4…250、252、254,调整0、1、2…125、126、127中的奇数类灰阶值到与其相邻的偶数类基准值,再次得到处理后的图像,如此重复数次,图像中的灰阶值类别将显著减少。此外,可人工设置重复次数n,并在该重复次数n完成后,将图像中各像素的灰阶值乘以2的n次方,以使处理后的图像中像素的灰阶值恢复到应有的数值大小。其中,n为正整数。
可选的,若当前灰阶划分规则经一次稀疏化处理后,保留了当前灰阶划分规则中的奇数类基准值,如1、3、5…251、253、255,假如原始图像中像素的灰阶值经一次调整后的灰阶值类别有1、3、5…251、253、255,将处理后的图像中像素的灰阶值均加1或减1,再将得到的灰阶值除以2,得到图像中像素的灰阶值类别有0、1、2…125、126、127或1、2、3…126、127、128,之后对照保留的奇数类基准值1、3、5…251、253、255,调整0、1、2…125、126、127或1、2、3…126、127、128中的偶数类灰阶值到与其相邻的奇数类基准值,再次得到处理后的图像,如此重复数次,图像中的灰阶值类别将显著减少。若灰阶值用二进制表示,对该二进制表示的灰阶值进行向左移位或向右移位处理,再除以2,同样可得到图像中像素的灰阶值类别有奇数类与偶数类,其他处理方式同上。同样,先人工设置重复次数n,并在该重复次数n完成后,将图像中各像素的灰阶值乘以2的n次方,以使处理后的图像中像素的灰阶值接近到原应有的数值大小。
S14:根据各像素调整后的灰阶值对像素进行分类,以对处理后的图像进行分块处理。
具体的,将处理后的图像中的具有相同灰阶值的像素作为一类,并将由属于同一类的像素所形成的连通域作为一个图像区块,得到仅由数个灰阶值代表的图像。
可理解的,图像中同一物体的区域中的灰阶值,通常来说,是渐变的,即其灰阶值在小范围内缓慢变化,在其边缘处灰阶值通常会发生跳跃,即其边缘内外的灰阶值相差较大,反映在视觉上就是该物体的边界,因而图像区块的边缘可理解为原始图像的物体边缘。原始图像中物体清晰的轮廓边缘处灰阶值相差大,能够很好地得到保留,而原始图像中小的、零碎的边缘被合并到与其相邻的图像区块内,避免了对后续图像处理的干扰,并且减少了图像处理的计算量。
参阅图2,本发明提供的图像处理方法另一实施方式的流程示意图。
S21:获取原始图像中多个像素的灰阶值。
S22:对当前灰阶划分规则进行稀疏化处理。
S23:根据稀疏化处理后的当前灰阶划分规则,调整各像素的灰阶值。
S24:判断调整后像素的灰阶值的种类是否小于或等于预设阈值。
在上述S24步骤的判断结果为是时,执行S25;判断结果为否时,依次执行S22、S23。
判断处理后的图像中像素的灰阶值的种类是否小于或等于预设阈值;若是,则可认为达到了对图像处理所需要的精度,可进行下一步分类处理;若否,则认为图像中还存在大量杂乱的灰阶值,图像需要进一步地处理,则再次执行对当前灰阶划分规则进行稀疏化处理,以降低当前灰阶划分规则的划分精度,以及根据稀疏化处理后的当前灰阶划分规则调整各像素的灰阶值,以获得处理后的图像。
具体的,原始图像中像素的灰阶值的种类众多,经一次调整后的,图像中像素的灰阶值的种类仍然众多,需经多次调整,图像中像素的灰阶值种类才较少,便于后续对图像的分类。
例如,当前灰阶划分规则中有256个基准值,经多次稀疏化处理由256→128→64→32→16→8,或到其中某一步后,处理后的图像中像素的灰阶值的种类小于或等于预设阈值,则执行下一步分块处理。
可选的,预设阈值可设定为6、8、12、16、20,还可设定为其他的数值。
S25:根据各像素调整后的灰阶值对像素进行分类,以对处理后的图像进行分块处理。
参阅图3,本发明提供的图像处理方法又一实施方式的流程示意图。
S31:获取原始图像中多个像素的灰阶值。
S32:对当前灰阶划分规则进行稀疏化处理。
S33:根据稀疏化处理后的当前灰阶划分规则,调整各像素的灰阶值。
S34:判断调整后像素的灰阶值的种类是否小于等于预设阈值。
在上述S34步骤的判断结果为是时,执行S35;判断结果为否时,依次执行S32、S33。
S35:根据各像素调整后的灰阶值对像素进行分类,以对处理后的图像进行分块处理。
S36:对分块处理后的图像做进一步处理。
根据当前灰阶划分规则调整像素的灰阶值,还存在该规则带来的数值问题,例如同一物体,其区域内的灰阶值跨度正好在30~40,其区域内像素的灰阶值经当前灰阶划分规则调整后可能被分为两类,即该物体区域被分成两区块,与预期目的不符。为避免该误差,需对分块处理后的图像做进一步处理。
对分块处理后的图像做进一步处理,具体包括:对原始图像进行边缘检测处理,以判断处理后的图像中相邻设置的图像区块是否属于同一物体;若属于同一物体,则将该相邻的图像区块合并为同一图像区块。
可选的,可采用二值化、Canny算子、Sobel算子、Roberts算子、Prewitt算子或Laplacian算子对原始图像进行边缘检测。以上仅为示例性举例,还可采用其他的方式进行边缘检测。
具体的,经边缘检测后的原始图像,其上灰阶值变化明显的像素被标识出,结合经分块处理后的图像数据与边缘检测处理后的图像数据,保留两者共有的数据,即保留两者共有的图像边缘,以此判定具有该边缘的相邻图像区块为不同的物体,判定不具有该边缘的相邻图像区块为同一物体,将该相邻图像区块合并为同一图像区块。经上述处理后,可有效减少图像分块处理后的误差。
进一步的,计算处理后的图像中相邻设置的图像区块的相邻图像边缘内外的像素的灰阶差值,将该灰阶差值最大的相邻图像区块的边缘作为最佳鲁棒边,以供后续对图像做匹配算法时做参考。
参阅图4,本发明提供的图像处理方法再一实施方式的流程示意图。
S41:获取原始图像中多个像素的灰阶值。
在本实施例中,先输入灰度图像图5,再获取灰度图像图5上多个像素的灰阶值,其中多个灰阶值对应于当前灰阶划分规则的多个基准值,本实施例中的当前灰阶划分规则包括灰阶值为0~255的256个基准值。
S42:统计当前灰阶划分规则中的奇数位基准值和偶数位基准值分别对应的像素的数目。
本实施例中,当前灰阶划分规则包括全部的灰阶值种类,因而原始图像上各像素的灰阶值均有基准值对应。此步骤统计当前灰阶划分规则中的奇数位基准值和偶数位基准值分别对应的像素的数目,作为评价保留何种类型基准值的条件。
当对当前灰阶划分规则再次进行稀疏化处理时,再次统计奇数位基准值和偶数位基准值对应的像素的数目,可使当前灰阶划分规则中的基准值更精确地向原始图像中较多的几类灰阶值靠近,更好地保留原始图像中的特征。
具体的,本实施例中0、2、4、…250、252、254为奇数位基准值,1、3、5…251、253、255为偶数位基准值,若保留奇数位基准值后,再次执行S32时,当前灰阶划分规则中的基准值为0、2、4、…250、252、254,则奇数位基准值为0、4、8…244、248、252,偶数位基准值为2、6、10…246、250、254,后续对当前灰阶划分规则进行稀疏化处理时的奇数位基准值与偶数位基准值均按此理解。
S43:若奇数位基准值对应的像素数目较多,则以间隔方式保留当前灰阶划分规则中的奇数位基准值;若偶数位基准值对应的像素数目较多,以间隔方式保留当前灰阶划分规则中的偶数位基准值。
具体的,将奇数位基准值对应的像素数目与偶数位基准值对应的像素数目作比较,保留其中对应的像素数目多的奇数位基准值或偶数位基准值,以使尽可能少地调整原始图像中像素的灰阶值。
在本实施例中,对当前灰阶划分规则进行稀疏化处理的方式,是以间隔方式保留当前灰阶划分规则中的部分基准值,去除当前灰阶划分规则中剩余的基准值,达到降低当前灰阶划分规则精度的目的。
S44:根据稀疏化处理后的当前灰阶划分规则,调整各像素的灰阶值。
在本实施方式中,邻域像素区域以一灰阶值不等于当前灰阶划分规则中的基准值的像素为中心,选取7×7区域范围内的像素,统计大于与小于该像素灰阶值的像素数目,对该像素的灰阶值做调整,在此不再赘述。
S45:判断调整后像素的灰阶值的种类是否小于或等于8类。
在步骤S45的判断结果为是时,执行S46;判断结果为否时,依次执行S42、S43、S44。
本实施方式中,预设阈值为8个。在当前灰阶划分规则中的基准值多于等于8个时,调整后像素的灰阶值种类可能少于等于8个,达到了对图像处理所需要的精度,如基准值有32个时,调整后像素的灰阶值的种类可能仅有7种,在此不再赘述。
S46:根据每个像素调整后的灰阶值对每个像素进行分类,以对处理后的图像进行分块处理。
图6为经分块处理后的效果图,从图6中明显看出部分同一区块被分成不同的区块,如本该是同一区块的天空区域,其内有部分白色区块,这些就是根据灰阶划分规则调整像素的灰阶值造成的误差,需对图6做进一步处理,以消除该误差。
S47:对分块处理后的图像做进一步处理。
采用Canny算子对图5做边缘检测,将判定为同一物体的相邻图像区块合并为同一区块。图7为经处理后的效果图,其中,湖岸上刷白石灰的树干部的边缘选为最佳鲁棒边,供后续对图像做匹配算法时做参考。
本申请的有益效果是:区别于现有技术的情况,本申请公开了一种图像处理方法。该图像处理方法包括获取原始图像中多个像素的灰阶值,其中像素的灰阶值对应于当前灰阶划分规则的某一基准值;对当前灰阶划分规则进行稀疏化处理,以去除当前灰阶划分规则中的部分基准值;根据稀疏化处理后的当前灰阶划分规则,调整每个像素的灰阶值,以获得处理后的图像;根据每个像素调整后的灰阶值对每个像素进行分类,以对所述处理后的图像进行分块处理。通过上述方式,本申请能够对图像中物体清晰的轮廓边缘很好地保留,舍弃其中小的、零碎的边缘,减少了图像处理的计算量,高效地实现了对图像的分块处理。
参阅图8,本申请一种图像处理装置一实施例的装置示意图。
图像处理装置80包括处理器82以及存储器81,处理器82通过运行存储器81内存储的程序执行如上述实施方式中的步骤。
具体的,处理器82通过运行存储器81内存储的程序执行以下步骤:获取原始图像中多个像素的灰阶值,其中像素的灰阶值对应于当前灰阶划分规则的某一基准值;对当前灰阶划分规则进行稀疏化处理,以去除当前灰阶划分规则中的部分基准值;根据稀疏化处理后的当前灰阶划分规则,调整每个像素的灰阶值,以获得处理后的图像;根据每个像素调整后的灰阶值对每个像素进行分类,以对处理后的图像进行分块处理。
首先,处理器82判断原始图像是否为灰度图像,若是,则获取原始图像中多个像素的灰阶值;若否,则将原始图像转化为灰度图像,再获取转化后的图像中多个像素的灰阶值。
处理器82在执行完根据稀疏化处理后的当前灰阶划分规则调整每个像素的灰阶值之后,进一步用于执行:判断处理后的图像中像素的灰阶值的种类是否小于或等于预设阈值;若不小于或等于预设阈值,则返回对当前灰阶划分规则进行稀疏化处理的步骤。
具体的,稀疏化处理的方式为:处理器81以间隔方式保留当前灰阶划分规则中的部分基准值。
处理器82还具体用于执行:若像素的灰阶值等于保留的基准值,则保留该灰阶值;若像素的灰阶值不等于保留的基准值,则将该灰阶值调整到相邻的保留的基准值。
具体的,若像素的灰阶值不等于保留的基准值,处理器82获取该像素的邻域像素的灰阶值,其中,邻域像素的灰阶值为经稀疏化处理后的当前灰阶划分规则进行调整前的灰阶值;分别统计大于该像素的灰阶值的邻域像素的数量和小于该像素的灰阶值的邻域像素的数量,并分别作为第一数量和第二数量;若第一数量大于第二数量,则将该像素的灰阶值调整到与该像素的灰阶值相邻的且大于该像素的灰阶值的所述保留的基准值;若第一数量小于第二数量,则将该像素的灰阶值调整到与该像素的灰阶值相邻的且小于该像素的灰阶值的保留的基准值。
处理器82还具体用于执行:将处理后的图像中的具有相同灰阶值的像素作为一类,并将由属于同一类的像素所形成的连通域作为一个图像区块。
具体的,处理器81在原始图像上进行边缘检测,以判断处理后的图像中相邻设置的图像区块是否属于同一物体;若属于同一物体,则将该相邻的图像区块合并为同一图像区块。
进一步,处理器82计算处理后的图像中相邻设置的图像区块像素的灰阶差值,将灰阶差值最大的相邻图像区块的边缘作为最佳鲁棒边,供后续对图像做匹配算法时做参考。
参阅图9,本申请一种计算机可读存储介质一实施例的装置示意图。
计算机可读存储介质90内存储有计算机程序,该程序被处理器执行时可实现如上述实施方式中的步骤。
具体的,该程序被执行时完成以下步骤:获取原始图像中多个像素的灰阶值,其中像素的灰阶值对应于当前灰阶划分规则的某一基准值;对当前灰阶划分规则进行稀疏化处理,以去除当前灰阶划分规则中的部分基准值;根据稀疏化处理后的当前灰阶划分规则,调整每个像素的灰阶值,以获得处理后的图像;根据每个像素调整后的灰阶值对每个像素进行分类,以对处理后的图像进行分块处理。
其中,获取原始图像中多个像素的灰阶值的步骤具体包括:判断原始图像是否为灰度图像,若是,则获取原始图像中多个像素的灰阶值;若否,则将原始图像转化为灰度图像,再获取转化后的图像中多个像素的灰阶值。
该程序在执行完根据稀疏化处理后的当前灰阶划分规则调整每个像素的灰阶值之后,进一步用于执行:判断处理后的图像中像素的灰阶值的种类是否小于或等于预设阈值;若不小于或等于预设阈值,则返回对当前灰阶划分规则进行稀疏化处理的步骤。
具体的,稀疏化处理的方式为:以间隔方式保留当前灰阶划分规则中的部分基准值。
该程序还具体用于执行:若像素的灰阶值等于保留的基准值,则保留该灰阶值;若像素的灰阶值不等于保留的基准值,则将该灰阶值调整到相邻的保留的基准值。
具体的,若像素的灰阶值不等于保留的基准值,获取该像素的邻域像素的灰阶值,其中,该邻域像素的灰阶值为经稀疏化处理后的当前灰阶划分规则进行调整前的灰阶值;分别统计大于该像素的灰阶值的邻域像素的数量和小于该像素的灰阶值的邻域像素的数量,并分别作为第一数量和第二数量;若第一数量大于第二数量,则将该像素的灰阶值调整到与该像素的灰阶值相邻的且大于该像素的灰阶值的所述保留的基准值;若第一数量小于第二数量,则将该像素的灰阶值调整到与该像素的灰阶值相邻的且小于该像素的灰阶值的保留的基准值。
该程序还具体用于执行:将处理后的图像中的具有相同灰阶值的像素作为一类,并将由属于同一类的像素所形成的连通域作为一个图像区块。
具体的,在原始图像上进行边缘检测,以判断处理后的图像中相邻设置的图像区块是否属于同一物体;若属于同一物体,则将该相邻的图像区块合并为同一图像区块。
进一步,该程序计算处理后的图像中相邻设置的图像区块的像素的灰阶差值,将灰阶差值最大的相邻图像区块的边缘作为最佳鲁棒边,供后续对图像做匹配算法时做参考。
在本发明所提供的几个实施方式中,应该理解到,所揭露的方法以及设备,可以通过其它的方式实现。例如,以上所描述的设备实施方式仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本发明各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (20)
1.一种图像处理方法,其特征在于,包括:
获取原始图像中多个像素的灰阶值,其中所述灰阶值对应于当前灰阶划分规则的某一基准值;
对当前灰阶划分规则进行稀疏化处理,以去除当前灰阶划分规则中的部分基准值;
根据稀疏化处理后的当前灰阶划分规则,调整每个像素的灰阶值,以获得处理后的图像;
根据每个像素调整后的灰阶值对每个像素进行分类,以对所述处理后的图像进行分块处理。
2.根据权利要求1所述的图像处理方法,其特征在于,在所述根据稀疏化处理后的当前灰阶划分规则调整每个像素的灰阶值的步骤之后进一步包括:
判断所述处理后的图像中像素灰阶值的种类是否小于或等于预设阈值;
若不小于或等于所述预设阈值,则返回所述对当前灰阶划分规则进行稀疏化处理的步骤。
3.根据权利要求1所述的图像处理方法,其特征在于,所述对当前灰阶划分规则进行稀疏化处理的步骤包括:
以间隔方式保留所述当前灰阶划分规则中的部分基准值。
4.根据权利要求3所述的图像处理方法,其特征在于,所述以间隔方式保留所述当前灰阶划分规则中的部分基准值的步骤包括:
保留所述当前灰阶划分规则中按照数值大小排序的所述基准值中的奇数位或偶数位所述基准值。
5.根据权利要求1所述的图像处理方法,其特征在于,所述根据稀疏化处理后的当前灰阶划分规则调整每个像素的灰阶值的步骤包括:
若所述像素的灰阶值等于所述保留的基准值,则保留所述灰阶值;
若所述像素的灰阶值不等于所述保留的基准值,则将所述灰阶值调整到相邻的所述保留的基准值。
6.根据权利要求5所述的图像处理方法,其特征在于,所述若所述像素的灰阶值不等于所述保留的基准值,则将所述灰阶值调整到相邻的所述保留的基准值的步骤包括:
获取所述像素的邻域像素的灰阶值;其中,所述邻域像素的灰阶值为经稀疏化处理后的当前灰阶划分规则进行调整前的灰阶值;
分别统计大于所述像素的灰阶值的邻域像素的数量和小于所述像素的灰阶值的邻域像素的数量,并分别作为第一数量和第二数量;
若所述第一数量大于所述第二数量,则将所述像素的灰阶值调整到与所述像素的灰阶值相邻的且大于所述像素的灰阶值的所述保留的基准值;
若所述第一数量小于所述第二数量,则将所述像素的灰阶值调整到与所述像素的灰阶值相邻的且小于所述像素的灰阶值的所述保留的基准值。
7.根据权利要求1所述的图像处理方法,其特征在于,所述根据每个像素调整后的灰阶值对每个像素进行分类,以对所述处理后的图像进行分块处理的步骤包括:
将所述处理后的图像中的具有相同灰阶值的所述像素作为一类,并将由属于同一类的所述像素所形成的连通域作为一个图像区块。
8.根据权利要求7所述的图像处理方法,其特征在于,所述将所述处理后的图像中的具有相同灰阶值的所述像素作为一类,并将由属于同一类的所述像素所形成的连通域作为一个图像区块的步骤之后,还包括:
在所述原始图像上进行边缘检测,以判断所述处理后的图像中相邻设置的所述图像区块是否属于同一物体;
若属于同一物体,则将所述相邻的图像区块合并为同一图像区块。
9.根据权利要求8所述的图像处理方法,其特征在于,所述方法进一步包括:
计算所述处理后的图像中相邻设置的图像区块的所述像素的灰阶差值;
将所述灰阶差值最大的相邻图像区块的边缘作为最佳鲁棒边。
10.根据权利要求1所述的图像处理方法,其特征在于,
所述获取原始图像中多个像素的灰阶值的步骤,包括:
判断原始图像是否为灰度图像;
若是,则获取原始图像中多个像素的灰阶值;
若否,则将所述原始图像转化为灰度图像,再获取转化后的图像中多个像素的灰阶值。
11.一种图像处理装置,其特征在于,所述图像处理装置包括相互连接的处理器以及存储器,所述处理器通过运行所述存储器内存储的程序执行以下步骤:
获取原始图像中多个像素的灰阶值,其中所述灰阶值对应于当前灰阶划分规则的某一基准值;
对当前灰阶划分规则进行稀疏化处理,以去除当前灰阶划分规则中的部分基准值;
根据稀疏化处理后的当前灰阶划分规则,调整每个像素的灰阶值,以获得处理后的图像;
根据每个像素调整后的灰阶值对每个像素进行分类,以对所述处理后的图像进行分块处理。
12.根据权利要求11所述的图像处理装置,其特征在于,
所述处理器进一步用于执行:
判断所述处理后的图像中像素的灰阶值的种类是否小于或等于预设阈值;
若不小于或等于所述预设阈值,则返回所述对当前灰阶划分规则进行稀疏化处理的步骤。
13.根据权利要求11所述的图像处理装置,其特征在于,
所述处理器具体用于执行:
以间隔方式保留所述当前灰阶划分规则中的部分基准值。
14.根据权利要求11所述的图像处理装置,其特征在于,
所述处理器具体用于执行:
若所述像素的灰阶值等于所述保留的基准值,则保留所述灰阶值;
若所述像素的灰阶值不等于所述保留的基准值,则将所述灰阶值调整到相邻的所述保留的基准值。
15.根据权利要求14所述的图像处理装置,其特征在于,
所述处理器具体用于执行:
获取所述像素的邻域像素的灰阶值;其中,所述邻域像素的灰阶值为经稀疏化处理后的当前灰阶划分规则进行调整前的灰阶值;
分别统计大于所述像素的灰阶值的邻域像素的数量和小于所述像素的灰阶值的邻域像素的数量,并分别作为第一数量和第二数量;
若所述第一数量大于所述第二数量,则将所述像素的灰阶值调整到与所述像素的灰阶值相邻的且大于所述像素的灰阶值的所述保留的基准值;
若所述第一数量小于所述第二数量,则将所述像素的灰阶值调整到与所述像素的灰阶值相邻的且小于所述像素的灰阶值的所述保留的基准值。
16.根据权利要求11所述的图像处理装置,其特征在于,
所述处理器具体用于执行:
将所述处理后的图像中的具有相同灰阶值的所述像素作为一类,并将由属于同一类的所述像素所形成的连通域作为一个图像区块。
17.根据权利要求16所述的图像处理装置,其特征在于,
所述处理器进一步用于执行:
在所述原始图像上进行边缘检测,以判断所述处理后的图像中相邻设置的所述图像区块是否属于同一物体;
若属于同一物体,则将所述相邻的图像区块合并为同一图像区块。
18.根据权利要求17所述的图像处理装置,其特征在于,
所述处理器进一步用于执行:
计算所述处理后的图像中相邻设置的图像区块的所述像素的灰阶差值;
将所述灰阶差值最大的相邻图像区块的边缘作为最佳鲁棒边。
19.根据权利要求11所述的图像处理装置,其特征在于,
所述处理器进一步用于执行:
判断原始图像是否为灰度图像;
若是,则获取原始图像中多个像素的灰阶值;
若否,则将所述原始图像转化为灰度图像,再获取转化后的图像中多个像素的灰阶值。
20.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-10任一项所述方法的步骤。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/113875 WO2019104616A1 (zh) | 2017-11-30 | 2017-11-30 | 一种图像处理方法及装置、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109844809A true CN109844809A (zh) | 2019-06-04 |
CN109844809B CN109844809B (zh) | 2022-04-15 |
Family
ID=66664669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780029413.4A Active CN109844809B (zh) | 2017-11-30 | 2017-11-30 | 一种图像处理方法及装置、计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109844809B (zh) |
WO (1) | WO2019104616A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276735A (zh) * | 2019-06-28 | 2019-09-24 | 北京金山安全软件有限公司 | 图像颜色保留效果的生成方法、装置、设备及存储介质 |
CN110503086A (zh) * | 2019-08-14 | 2019-11-26 | 中国科学院近代物理研究所 | 一种基于奇偶位置的目标质心定位系统及方法 |
CN110987945A (zh) * | 2019-12-24 | 2020-04-10 | 合肥维信诺科技有限公司 | 缺陷检测方法、检测装置及触控显示面板的检测方法 |
CN111445398A (zh) * | 2020-03-11 | 2020-07-24 | 浙江大华技术股份有限公司 | 热成像图像处理方法、设备及计算机可读存储介质 |
CN112070708A (zh) * | 2020-08-21 | 2020-12-11 | 杭州睿琪软件有限公司 | 图像处理方法、图像处理装置、电子设备、存储介质 |
CN113037465A (zh) * | 2021-03-11 | 2021-06-25 | 钧捷智能(深圳)有限公司 | 汽车数据安全处理方法、装置、电子设备及存储介质 |
CN113194315A (zh) * | 2021-04-01 | 2021-07-30 | Tcl华星光电技术有限公司 | 图像压缩方法及压缩装置 |
CN113222851A (zh) * | 2021-05-25 | 2021-08-06 | 珠海建轩服装有限公司 | 图像色阶简化方法及装置、设备、存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972348B (zh) * | 2022-08-01 | 2022-09-30 | 山东尚雅建材有限公司 | 一种基于图像处理的美缝效果检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1856012A (zh) * | 2005-04-28 | 2006-11-01 | 株式会社日立制作所 | 图像处理装置 |
US7496237B1 (en) * | 2004-01-02 | 2009-02-24 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Image processing for binarization enhancement via fuzzy reasoning |
CN103186901A (zh) * | 2013-03-29 | 2013-07-03 | 中国人民解放军第三军医大学 | 全自动图像分割方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7064768B1 (en) * | 2002-03-20 | 2006-06-20 | Ess Technology, Inc. | Bad pixel correction while preserving features |
CN103632137B (zh) * | 2013-11-15 | 2016-08-24 | 长沙理工大学 | 一种人眼虹膜图像分割方法 |
-
2017
- 2017-11-30 WO PCT/CN2017/113875 patent/WO2019104616A1/zh active Application Filing
- 2017-11-30 CN CN201780029413.4A patent/CN109844809B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7496237B1 (en) * | 2004-01-02 | 2009-02-24 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Image processing for binarization enhancement via fuzzy reasoning |
CN1856012A (zh) * | 2005-04-28 | 2006-11-01 | 株式会社日立制作所 | 图像处理装置 |
CN103186901A (zh) * | 2013-03-29 | 2013-07-03 | 中国人民解放军第三军医大学 | 全自动图像分割方法 |
Non-Patent Citations (2)
Title |
---|
李伟红等: "单样本快速人脸不变特征提取方法", 《光电子· 激光》 * |
杨明伟等: "基于SML特征检测的RPCA域多聚焦图像融合", 《计算机工程与应用》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276735A (zh) * | 2019-06-28 | 2019-09-24 | 北京金山安全软件有限公司 | 图像颜色保留效果的生成方法、装置、设备及存储介质 |
CN110503086A (zh) * | 2019-08-14 | 2019-11-26 | 中国科学院近代物理研究所 | 一种基于奇偶位置的目标质心定位系统及方法 |
CN110503086B (zh) * | 2019-08-14 | 2021-10-22 | 中国科学院近代物理研究所 | 一种基于奇偶位置的目标质心定位系统及方法 |
CN110987945A (zh) * | 2019-12-24 | 2020-04-10 | 合肥维信诺科技有限公司 | 缺陷检测方法、检测装置及触控显示面板的检测方法 |
CN110987945B (zh) * | 2019-12-24 | 2023-03-28 | 合肥维信诺科技有限公司 | 缺陷检测方法、检测装置及触控显示面板的检测方法 |
CN111445398B (zh) * | 2020-03-11 | 2023-06-20 | 浙江大华技术股份有限公司 | 热成像图像处理方法、设备及计算机可读存储介质 |
CN111445398A (zh) * | 2020-03-11 | 2020-07-24 | 浙江大华技术股份有限公司 | 热成像图像处理方法、设备及计算机可读存储介质 |
CN112070708A (zh) * | 2020-08-21 | 2020-12-11 | 杭州睿琪软件有限公司 | 图像处理方法、图像处理装置、电子设备、存储介质 |
US11985287B2 (en) | 2020-08-21 | 2024-05-14 | Hangzhou Glority Software Limited | Image processing method, image processing device, electronic apparatus and storage medium |
CN112070708B (zh) * | 2020-08-21 | 2024-03-08 | 杭州睿琪软件有限公司 | 图像处理方法、图像处理装置、电子设备、存储介质 |
CN113037465A (zh) * | 2021-03-11 | 2021-06-25 | 钧捷智能(深圳)有限公司 | 汽车数据安全处理方法、装置、电子设备及存储介质 |
CN113194315A (zh) * | 2021-04-01 | 2021-07-30 | Tcl华星光电技术有限公司 | 图像压缩方法及压缩装置 |
CN113194315B (zh) * | 2021-04-01 | 2022-05-31 | Tcl华星光电技术有限公司 | 图像压缩方法及压缩装置 |
US11997295B2 (en) | 2021-04-01 | 2024-05-28 | Tcl China Star Optoelectronics Technology Co., Ltd. | Image compression method and compression device capable of improving compression rate |
CN113222851A (zh) * | 2021-05-25 | 2021-08-06 | 珠海建轩服装有限公司 | 图像色阶简化方法及装置、设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019104616A1 (zh) | 2019-06-06 |
CN109844809B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109844809A (zh) | 一种图像处理方法及装置、计算机可读存储介质 | |
CN102113015B (zh) | 使用修补技术进行图像校正 | |
CN114731408B (zh) | 使用结构化神经网络进行视频帧插值的系统、设备和方法 | |
CN106296578B (zh) | 一种图像处理方法及装置 | |
CN1178495C (zh) | 图象处理系统反差扩展设备中的直方图均衡化方法及装置 | |
TWI770432B (zh) | 圖像復原方法、電子設備、儲存介質 | |
Sahin et al. | Salt and pepper noise filtering with fuzzy-cellular automata | |
CN104899853A (zh) | 图像区域的划分方法及装置 | |
CN1260949C (zh) | 增强图像清晰度的方法和设备 | |
DE102013212730A1 (de) | Entrauschungsvorrichtung, System und Verfahren | |
CN110443775B (zh) | 基于卷积神经网络的离散小波变换域多聚焦图像融合方法 | |
CN104252700A (zh) | 一种红外图像的直方图均衡化方法 | |
CN114004754B (zh) | 一种基于深度学习的场景深度补全系统及方法 | |
CN105657216B (zh) | 用于低光降噪的分量滤波 | |
CN104240189A (zh) | 恢复抗锯齿边缘的滤波方法和装置 | |
CN107748882A (zh) | 一种车道线检测方法及装置 | |
Boiangiu et al. | Voting Based Image Binarization | |
CN101226632B (zh) | 一种新的自适应阈值化方法 | |
CN106157301A (zh) | 一种用于图像边缘检测的阈值自确定方法及装置 | |
Korolev et al. | Image reconstruction with imperfect forward models and applications in deblurring | |
CN113763449B (zh) | 深度恢复方法、装置、电子设备及存储介质 | |
CN105719257A (zh) | 图像超高密度椒盐噪声的降除方法 | |
Choi et al. | Fast super-resolution algorithm using ELBP classifier | |
CN102663705A (zh) | 一种滤除图像椒盐噪声的方法 | |
CN100454969C (zh) | 一种视频图像亮度瞬态增强的方法 |
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 |