CN110140150B - 一种图像处理方法、装置以及终端设备 - Google Patents
一种图像处理方法、装置以及终端设备 Download PDFInfo
- Publication number
- CN110140150B CN110140150B CN201680091872.0A CN201680091872A CN110140150B CN 110140150 B CN110140150 B CN 110140150B CN 201680091872 A CN201680091872 A CN 201680091872A CN 110140150 B CN110140150 B CN 110140150B
- Authority
- CN
- China
- Prior art keywords
- original image
- information
- image
- quadrant
- signal
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 100
- 238000004458 analytical method Methods 0.000 claims description 84
- 238000000034 method Methods 0.000 claims description 47
- 238000001914 filtration Methods 0.000 claims description 27
- 238000010606 normalization Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 21
- 230000000877 morphologic effect Effects 0.000 claims description 18
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000003786 synthesis reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000004220 fundus oculi Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例涉及人工智能领域中的计算机视觉技术领域，公开了一种图像处理方法、装置以及终端设备，其中，所述图像处理方法包括：对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式；基于极坐标形式获取原始图像的相位信息；基于相位信息得到原始图像的纹理信息；对原始图像进行直方图均衡化处理，得到原始图像的幅度信息；基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像。采用本发明实施例，可提高图像增强算法的参数选择方面的鲁棒性，并提高增强图像的图像质量。
Description
技术领域
本发明涉及计算机应用技术领域，尤其涉及一种图像处理方法、装置以及终端设备。
背景技术
图像作为传递和获取信息的手段，能提供比文字或者声音更为直观的信息。图像增强作为图像处理的低层次处理环节，目的是为了改善图像本身的质量，将图像的视觉效果改善成为更适合让人眼观察或者让机器分析识别，进而从图像中获取更加有用的信息。传统的图像增强方法可以包括基于照明-反射模型的同态滤波方法，即将原始图像表示为照明分量和反射分量的乘积形式，图像的照明分量表示图像低频频谱部分，图像的反射分量表示图像高频频谱部分，同态滤波方法通过低通滤波器对原始图像进行滤波，估算图像的高频频谱部分，或者通过高通滤波器对原始图像进行滤波，估算图像的低频频谱部分，以增强局部图像。但是上述基于照明-反射模型的同态滤波方法对于不同类型的图片需要配置不同的照明模型，则对图像进行图像增强处理之前，需要不断试验得到分割图像高低频率的参数，进而配置照明模型，图像增强算法的参数选择方面的鲁棒性较低。另外，上述方法没有充分考虑图像的空间域局部特性，增强图像某部分像素的同时导致另一部分像素过度增强，导致图像增强得到的增强图像的质量较差。
发明内容
本发明实施例提供了一种图像处理方法、装置以及终端设备，可提高图像增强算法的参数选择方面的鲁棒性，并提高增强图像的图像质量。
本发明第一方面提供了一种图像处理方法，终端设备可以对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到该解析信号的极坐标形式，基于解析信号的极坐标形式获取原始图像的相位信息，基于相位信息得到原始图像的纹理信息，对原始图像进行直方图均衡化处理，得到原始图像的幅度信息，并基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像。
在该技术方案中，终端设备可以获取原始图像，进而可以计算所获取的原始图像的解析信号，通过该解析信号的极坐标形式获取原始图像的相位信息，可提高相位信息的获取效率；另外，原始图像的相位信息包含了该原始图像的纹理信息，终端设备可以基于原始图像的纹理信息和幅度信息对原始图像进行图像增强处理，得到原始图像的增强图像，可减弱不均匀亮度对增强图像的影响，提高增强图像的图像质量；另外，终端设备从原始图像中获取纹理信息，在获取纹理信息的过程中无需不断实验得到纹理信息的获取参数以建立纹理信息获取模型，该技术方案可提高图像增强算法的参数选择方面的鲁棒性。
可选的，终端设备对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式，具体可以为：当原始图像的图像类型为彩色图像时，获取原始图像在各个色彩空间的分量图像，针对原始图像在每一个色彩空间的分量图像，对分量图像进行处理得到该分量图像的解析信号，并基于该解析信号得到该解析信号的极坐标形式。
可选的，终端设备基于解析信号的极坐标形式获取原始图像的相位信息，具体可以为：针对原始图像在每一个色彩空间的分量图像，基于该分量图像的解析信号的极坐标形式，获取该分量图像的相位信息。
可选的，终端设备基于相位信息得到原始图像的纹理信息，具体可以为：针对原始图像在每一个色彩空间的分量图像，基于该分量图像的相位信息得到该分量图像的纹理信息。
可选的，终端设备对原始图像进行直方图均衡化处理，得到原始图像的幅度信息，具体可以为：针对原始图像在每一个色彩空间的分量图像，对该分量图像进行直方图均衡化处理，得到该分量图像的幅度信息。
可选的，终端设备基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像，具体可以为：针对原始图像在每一个色彩空间的分量图像，基于分量图像的纹理信息和分量图像的幅度信息，获取分量图像的增强图像，对各个分量图像的增强图像进行图像合成，得到原始图像的增强图像。
可选的，终端设备对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式，具体可以为：获取原始图像的多个象限信息，并对多个象限信息中的每一个象限信息进行傅里叶逆变换，得到象限信息的解析信号，基于各个象限信息的解析信号得到该解析信号的极坐标形式。
可选的，终端设备基于极坐标形式获取原始图像的相位信息，具体可以为：针对多个象限信息中的每一个象限信息，基于该象限信息的解析信号的极坐标形式，获取该象限信息的相位信息，对各个象限信息的相位信息进行加权平均处理，得到原始图像的相位信息。
可选的，终端设备基于相位信息得到原始图像的纹理信息，具体可以为：对原始图像的相位信息进行形态学滤波，得到相位图像，对相位图像进行处理，得到原始图像的纹理信息。
可选的，原始图像可以为时域信号，终端设备获取原始图像的多个象限信息，具体可以为：对该时域信号进行傅里叶变换，得到傅里叶变换后的频域信号，通过预置滤波器对频域信号进行滤波，得到预置滤波器对应的象限信息。
可选的，原始图像可以为时域信号，终端设备对原始图像进行处理得到原始图像的解析信号，具体可以为：对该时域信号进行希尔伯特变换，得到原始图像的解析信号。
可选的，终端设备基于相位信息得到原始图像的纹理信息，具体可以为：基于原始图像的相位信息以及解析信号的幅度信息，得到纹理信息的极坐标形式，基于纹理信息的极坐标形式得到纹理信息的解析信号，将解析信号的实数部分作为纹理信息。
可选的，终端设备基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像，具体可以为：对原始图像的纹理信息进行归一化处理，并对原始图像的幅度信息进行归一化处理，对归一化处理后的纹理信息和归一化处理后的幅度信息进行加权平均处理，得到增强图像。
本发明第二方面提供一种计算机存储介质，所述计算机存储介质存储有程序，所述程序执行时包括本发明实施例第一方面提供的图像处理方法中全部或部分的步骤。
本发明第三方面提供一种图像处理装置，该图像处理装置包括用于执行本发明实施例第一方面公开的图像处理方法的模块。
本发明第四方面提供一种终端设备，其特征在于，包括处理器以及存储器，存储器中存储一组程序代码，且处理器调用存储器中存储的程序代码，用于执行以下操作：
对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到该解析信号的极坐标形式；
基于极坐标形式获取原始图像的相位信息；
基于相位信息得到原始图像的纹理信息；
对原始图像进行直方图均衡化处理，得到原始图像的幅度信息；
基于原始图像的纹理信息和原始图像的幅度信息，获取原始图像的增强图像。
可选的，处理器对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式，具体可以为：
当原始图像的图像类型为彩色图像时，获取原始图像在各个色彩空间的分量图像；
针对原始图像在每一个色彩空间的分量图像，对分量图像进行处理得到该分量图像的解析信号，并基于解析信号得到该解析信号的极坐标形式。
可选的，处理器基于解析信号的极坐标形式获取原始图像的相位信息，具体可以为：针对原始图像在每一个色彩空间的分量图像，基于该分量图像的解析信号的极坐标形式，获取该分量图像的相位信息。
可选的，处理器基于相位信息得到原始图像的纹理信息，具体可以为：针对原始图像在每一个色彩空间的分量图像，基于该分量图像的相位信息得到该分量图像的纹理信息。
可选的，处理器对原始图像进行直方图均衡化处理，得到原始图像的幅度信息，具体可以为：针对原始图像在每一个色彩空间的分量图像，对该分量图像进行直方图均衡化处理，得到该分量图像的幅度信息。
可选的，处理器基于原始图像的纹理信息和原始图像的幅度信息，获取原始图像的增强图像，具体可以为：
针对原始图像在每一个色彩空间的分量图像，基于分量图像的纹理信息和分量图像的幅度信息，得到分量图像的增强图像；
对各个分量图像的增强图像进行图像合成，得到原始图像的增强图像。
可选的，处理器对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式，具体可以为：
获取原始图像的多个象限信息，并对多个象限信息中的每一个象限信息进行傅里叶逆变换，得到象限信息的解析信号；
基于各个象限信息的解析信号得到该解析信号的极坐标形式。
可选的，处理器基于极坐标形式获取原始图像的相位信息，具体可以为：
针对多个象限信息中的每一个象限信息，基于象限信息的解析信号的极坐标形式，获取该象限信息的相位信息；
对各个象限信息的相位信息进行加权平均处理，得到原始图像的相位信息。
可选的，处理器基于相位信息得到原始图像的纹理信息，具体可以为：
对原始图像的相位信息进行形态学滤波，得到相位图像。
对相位图像进行处理，得到原始图像的纹理信息。
可选的，原始图像可以为时域信号，处理器获取原始图像的多个象限信息，具体可以为：
对该时域信号进行傅里叶变换，得到傅里叶变换后的频域信号；
通过预置滤波器对频域信号进行滤波，得到预置滤波器对应的象限信息。
可选的，原始图像可以为时域信号，处理器对原始图像进行处理得到原始图像的解析信号，具体可以为：
对该时域信号进行希尔伯特变换，得到原始图像的解析信号。
可选的，处理器基于相位信息得到原始图像的纹理信息，具体可以为：
基于原始图像的相位信息以及解析信号的幅度信息，得到纹理信息的极坐标形式；
基于纹理信息的极坐标形式得到纹理信息的解析信号；
将解析信号的实数部分作为纹理信息。
可选的，处理器基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像，具体可以为：
对原始图像的纹理信息进行归一化处理，并对原始图像的幅度信息进行归一化处理；
对归一化处理后的纹理信息和归一化处理后的幅度信息进行加权平均处理，得到增强图像。
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为本发明实施例中提供的一种图像处理方法的流程示意图；
图2为本发明另一实施例中提供的一种图像处理方法的流程示意图；
图3为本发明实施例中提供的一种图像处理装置的结构示意图；
图4为本发明实施例中提供的一种终端设备的结构示意图；
图5为本发明实施例中提供的一种余弦信号的界面示意图；
图6为本发明实施例中提供的一种增强图像的界面示意图。
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作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。
本发明实施例提及到的图像处理方法可以运行于个人电脑、智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑、移动互联网设备(MID，Mobile Internet Devices)或穿戴式智能设备等终端设备中，具体不受本发明实施例的限制。
请参见图1，图1为本发明实施例中提供的一种图像处理方法的流程示意图，如图所示本发明实施例中的图像处理方法可以包括：
S101，获取原始图像的多个象限信息，并对多个象限信息中的每一个象限信息进行傅里叶逆变换，得到象限信息的解析信号。
举例来说，终端设备可以把需要进行图像处理的原始图像定义为一个二维信号，获取该原始图像在四个象限上的象限信息，终端设备可以对第一象限的象限信息进行傅里叶逆变换，得到第一象限信息的解析信号；对第二象限的象限信息进行傅里叶逆变换，得到第二象限信息的解析信号；对第三象限的象限信息进行傅里叶逆变换，得到第三象限信息的解析信号；对第四象限的象限信息进行傅里叶逆变换，得到第四象限信息的解析信号。其中，需要进行图像处理的原始图像可以是终端设备通过摄像头采集到的图像，也可以是在终端设备的存储器中获取到的图像，还可以是通过互联网下载的图像，还可以是其他终端设备发送的图像，等等，具体不受本发明实施例的限制。
以图5所示的余弦信号的界面示意图为例，终端设备可以将一维实信号的解析信号表示如下：
φ(t)＝f(t)+i·H{f(t)}
其中，f(t)为一维实信号，φ(t)为f(t)的解析信号，i为虚数单位，H{f(t)}为f(t)的希尔伯特变换。
示例性的，当f(t)＝10cos(4πt)时，H{f(t)}＝sin(4πt)，则φ(t)＝f(t)+i·H{f(t)}＝10cos(4πt)+i·sin(4πt)＝10ei4πt，即该解析信号的极坐标形式为φ(t)＝10ei4πt。终端设备基于该极坐标形式可以确定f(t)的相位信息表示为：
其中，
为f(t)的相位信息，Arg[·]为计算复数的相角。通过图2所示的余弦信号的界面示意图可知，对信号的相位信息进行分析更为直观便捷，终端设备可以通过对信号的相位信息进行分析，以实现对该信号的分析。
可选的，当原始图像的图像类型为彩色图像时，终端设备可以获取原始图像在各个色彩空间的分量图像，针对原始图像在每一个色彩空间的分量图像，获取该分量图像的多个象限信息，并对多个象限信息中的每一个象限信息进行傅里叶逆变换，得到象限信息的解析信号。
具体实现中，当原始图像的图像类型为彩色图像时，终端设备可以将彩色图像分解成多个分量图像。示例性的，彩色图像可以分解为三个分量图像，例如三个分量图像可以分别包括在色彩空间为红色(Red，R)的分量图像、在色彩空间为绿色(Green，G)的分量图像以及在色彩空间为蓝色(Blue，B)的分量图像，又如三个分量图像可以分别包括在色彩空间为亮度(Y)的分量图像、在色彩空间为色度(U)的分量图像以及在色彩空间为浓度(V)的分量图像，又如三个分量图像可以分别包括在色彩空间为色调(Hue,H)的分量图像、在色彩空间为饱和度(Saturation,S)的分量图像以及在色彩空间为明度(Value，V)的分量图像，又如三个分量图像可以分别包括在色彩空间为亮度(Y)的分量图像、在色彩空间为蓝色的浓度偏移量(Cb)的分量图像以及在色彩空间为红色的浓度偏移量(Cr)的分量图像等等。当原始图像的图像类型为灰度图像时，终端设备可以将灰度图像作为一个分量图像。示例性的，灰度图像可以作为唯一分量图像，其中黑色的灰度值为0，白色的灰度值为255。
进一步的，当终端设备将原始图像分解为第一分量图像、第二分量图像以及第三分量图像时，终端设备可以获取第一分量图像的多个象限信息，并对第一分量图像的各个象限信息进行傅里叶逆变换，得到第一分量图像的各个象限信息的解析信号。同理，终端设备可以获取第二分量图像的多个象限信息，并对第二分量图像的各个象限信息进行傅里叶逆变换，得到第二分量图像的各个象限信息的解析信号。终端设备还可以获取第三分量图像的多个象限信息，并对第三分量图像的各个象限信息进行傅里叶逆变换，得到第三分量图像的各个象限信息的解析信号。
可选的，原始图像可以为时域信号，终端设备获取原始图像的多个象限信息的具体方式可以为：对该时域信号进行傅里叶变换，得到傅里叶变换后的频域信号，通过预置滤波器对频域信号进行滤波，得到预置滤波器对应的象限信息。
示例性的，终端设备可以把需要进行图像处理的原始图像定义为一个二维信号f(x，y)，f(x，y)可以为时域信号，f(x，y)的傅里叶变换TF[f(x,y)]可以表示如下：
F(u,v)＝TF[f(x,y)]＝∫∫f(x,y)e-i(2πux+2πvy)dxdy
其中，f(x，y)表示原始图像，F(u，v)表示对f(x，y)进行傅里叶变换得到的频域信号，u表示原始图像在x方向上的空间频率，v表示原始图像在y方向上的空间频率，i为虚数单位。
进一步的，终端设备可以通过第一预置滤波器对频域信号进行滤波，得到第一预置滤波器对应的象限信息，即原始图像的第一象限信息。终端设备还可以通过第二预置滤波器对频域信号进行滤波，得到第二预置滤波器对应的象限信息，即原始图像的第二象限信息。终端设备还可以通过第三预置滤波器对频域信号进行滤波，得到第三预置滤波器对应的象限信息，即原始图像的第三象限信息。终端设备还可以通过第四预置滤波器对频域信号进行滤波，得到第四预置滤波器对应的象限信息，即原始图像的第四象限信息。
示例性的，第一预置滤波器可以为(1+sign(u))(1+sign(v))，第二预置滤波器可以为(1-sign(u))(1+sign(v))，第三预置滤波器可以为(1-sign(u))(1-sign(v))，第四预置滤波器可以为(1+sign(u))(1-sign(v))，则终端设备可以确定第一象限信息为(1+sign(u))(1+sign(v))F(u，v)，第二象限信息为(1-sign(u))(1+sign(v))F(u，v)，第三象限信息为(1-sign(u))(1-sign(v))F(u，v)，第四象限信息为(1+sign(u))(1-sign(v))F(u，v)。其中sign(u)以及sign(v)可以为符号函数，
n可以为u或者v。
示例性的，对于频域信号G(u，v)的傅里叶逆变换TF-1[G(u,v)]可以表示如下：
g(x,y)＝TF-1[G(u,v)]＝∫∫G(u,v)ei(2πux+2πvy)dudv
其中，G(u，v)为频域信号，g(x，y)表示G(u，v)的傅里叶逆变换，u表示原始图像在x方向上的空间频率，v表示原始图像在y方向上的空间频率，i为虚数单位。
进一步的，终端设备可以对原始图像的各个象限信息进行傅里叶逆变换，得到该象限信息的解析信号。
示例性的，第一象限信息的解析信号可以表示如下：
AS1(x，y)＝TF-1[(1+sign(u))(1+sign(v))F(u，v)]
其中，AS1(x，y)表示第一象限信息的解析信号，(1+sign(u))(1+sign(v))表示第一预置滤波器，F(u，v)表示原始图像的傅里叶变换。
第二象限信息的解析信号可以表示如下：
AS2(x，y)＝TF-1[(1-sign(u))(1+sign(v))F(u，v)]
其中，AS2(x，y)表示第二象限信息的解析信号，(1-sign(u))(1+sign(v))表示第二预置滤波器，F(u，v)表示原始图像的傅里叶变换。
第三象限信息的解析信号可以表示如下：
AS3(x，y)＝TF-1[(1-sign(u))(1-sign(v))F(u，v)]
其中，AS3(x，y)表示第三象限信息的解析信号，(1-sign(u))(1-sign(v))表示第三预置滤波器，F(u，v)表示原始图像的傅里叶变换。
第四象限信息的解析信号可以表示如下：
AS4(x，y)＝TF-1[(1+sign(u))(1-sign(v))F(u，v)]
其中，AS4(x，y)表示第四象限信息的解析信号，(1+sign(u))(1-sign(v))表示第四预置滤波器，F(u，v)表示原始图像的傅里叶变换。
S102，基于各个象限信息的解析信号得到该解析信号的极坐标形式。
终端设备可以基于各个象限信息的解析信号得到该解析信号的极坐标形式。示例性的，第一象限信息的解析信号的极坐标形式可以表示如下：
其中，AS1(x，y)表示第一象限信息的解析信号，(1+sign(u))(1+sign(v))表示第一预置滤波器，F(u，v)表示原始图像的傅里叶变换，
表示第一象限信息的极坐标形式，
表示第一象限信息的相位信息。
第二象限信息的解析信号的极坐标形式可以表示如下：
其中，AS2(x，y)表示第二象限信息的解析信号，(1-sign(u))(1+sign(v))表示第二预置滤波器，F(u，v)表示原始图像的傅里叶变换，
表示第二象限信息的极坐标形式，
表示第二象限信息的相位信息。
第三象限信息的解析信号的极坐标形式可以表示如下：
其中，AS3(x，y)表示第三象限信息的解析信号，(1-sign(u))(1-sign(v))表示第三预置滤波器，F(u，v)表示原始图像的傅里叶变换，
表示第三象限信息的极坐标形式，
表示第三象限信息的相位信息。
第四象限信息的解析信号的极坐标形式可以表示如下：
其中，AS4(x，y)表示第四象限信息的解析信号，(1+sign(u))(1-sign(v))表示第四预置滤波器，F(u，v)表示原始图像的傅里叶变换，
表示第四象限信息的极坐标形式，
表示第四象限信息的相位信息。
S103，针对多个象限信息中的每一个象限信息，基于该象限信息的解析信号的极坐标形式，获取该象限信息的相位信息。
终端设备可以将各个象限信息的解析信号的极坐标形式的指数作为该象限信息的相位信息，例如终端设备可以将
作为第一象限信息的相位信息，
作为第二象限信息的相位信息，
作为第三象限信息的相位信息，
作为第四象限信息的相位信息。
S104，对各个象限信息的相位信息进行加权平均处理，得到原始图像的相位信息。
终端设备获取到各个象限信息的相位信息之后，可以将各个象限信息的相位信息进行加权平均处理，得到原始图像的相位信息。
示例性的，原始图像的相位信息可以表示如下：
其中，
表示原始图像的相位信息，
表示第一象限信息的相位信息，w1表示第一象限信息的相位信息的权重，
表示第二象限信息的相位信息，w2表示第二象限信息的相位信息的权重，
表示第三象限信息的相位信息，w3表示第三象限信息的相位信息的权重，
表示第四象限信息的相位信息，w4表示第四象限信息的相位信息的权重。例如，当w1＝w2＝w3＝w4时，
S105，对原始图像的相位信息进行形态学滤波，得到相位图像。
S106，对相位图像进行处理，得到原始图像的纹理信息。
可选的，终端设备可以基于原始图像的相位信息以及解析信号的幅度信息，得到纹理信息的极坐标形式，基于纹理信息的极坐标形式得到纹理信息的解析信号，将解析信号的实数部分作为纹理信息。
举例来说，终端设备可以使用黑帽(black-hat)滤波器对原始图像的相位信息进行形态学滤波，得到原始图像的纹理信息，可获取原始图像中亮度变化较大的部分，并过滤原始图像中变化较小的部分，则终端设备可以将获取到的原始图像中亮度变化较大的部分作为原始图像的纹理信息。
示例性的，对于尺寸为256×256的原始图像，终端设备可以使用像素尺寸为5×5的圆形卷积核对该原始图像进行形态学滤波，得到形态学滤波结果
即原始图像的相位信息，当解析信号的幅度信息为恒定量1时，终端设备基于原始图像的相位信息以及解析信号的幅度信息得到的纹理信息的极坐标形式可以表示如下：
其中，1表示解析信号的幅度信息，i为虚数单位，
表示原始图像的相位信息。
由于
则终端设备可以将实数部分
作为原始图像的纹理信息，即原始图像的纹理信息可以表示如下：
其中，f1(x，y)为原始图像的纹理信息，
为纹理信息的极坐标形式对应复数中的实数部分。
S107，对原始图像进行直方图均衡化处理，得到原始图像的幅度信息。
示例性的，原始图像的幅度信息可以表示如下：
f2(x，y)＝HistEq[f(x，y)]
其中，f2(x，y)为原始图像的幅度信息，HistEq[f(x，y)]为直方图均衡化处理函数，f(x，y)为原始图像。
S108，基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像。
可选的，终端设备可以对原始图像的纹理信息进行归一化处理，并对原始图像的幅度信息进行归一化处理，对归一化处理后的纹理信息和归一化处理后的幅度信息进行加权平均处理，得到原始图像的增强图像。
示例性的，增强图像可以表示如下：
其中，fnew(x，y)表示原始图像的增强图像，Norm[f1(x，y)]表示原始图像的纹理信息的归一化函数，
a1表示原始图像的纹理信息的归一化函数的权重，Norm[f2(x，y)]表示原始图像的幅度信息的归一化函数，
a=表示原始图像的幅度信息的归一化函数的权重。示例性的，当a1＝a2＝1时，
可选的，终端设备可以针对原始图像在每一个色彩空间的分量图像，基于分量图像的纹理信息和分量图像的幅度信息，获取分量图像的增强图像，并对各个分量图像的增强图像进行图像合成，得到原始图像的增强图像。
例如，原始图像可以分解为第一分量图像、第二分量图像以及第三分量图像，则终端设备可以获取第一分量图像的多个象限信息，并对第一分量图像的多个象限信息中的每一个象限信息进行傅里叶逆变换，得到该象限信息的解析信号，基于各个象限信息的解析信号得到该解析信号的极坐标形式，将该解析信号的极坐标形式的指数作为该象限信息的相位信息，对第一分量图像的各个象限信息的相位信息进行加权平均处理，得到第一分量图像的相位信息，对第一分量图像的相位信息进行形态学滤波，得到第一分量图像的相位图像，对第一分量图像的相位图像进行处理得到第一分量图像的纹理信息，对第一分量图像进行直方图均衡化处理，得到第一分量图像的幅度信息，基于第一分量图像的纹理信息和第一分量图像的幅度信息对第一分量图像的进行图像增强处理，得到第一分量图像的增强图像。同理，终端设备还可以通过上述方法获取第二分量图像的增强图像以及第三分量图像的增强图像。
进一步的，终端设备可以对第一分量图像的增强图像、第二分量图像的增强图像以及第三分量图像的增强图像进行图像合成，得到原始图像的增强图像。
以图6所示的增强图像的界面示意图为例，图6中上方区域显示的是四个视网膜眼底的原始图像，图6中下方区域显示的是各个原始图像对应的增强图像。传统的图像增强方法是直接对原始图像的像素进行处理来实现图像增强，然而相同类型的图像区域由于像素值强度不同限制了图像增强效果以及图像后处理。本发明实施例通过把原始图像放在二维解析信号的极坐标形式框架下，利用二维信号的极坐标形式得到相位信息，再融合灰度图像直方图均衡化后的幅度信息，实现图像重建，极大地实现了彩色图像的纹理信息的增强，从而改善图像视觉效果。
在图1所示的图像处理方法中，终端设备获取原始图像的多个象限信息，并对多个象限信息中的每一个象限信息进行傅里叶逆变换，得到象限信息的解析信号，基于各个象限信息的解析信号得到该解析信号的极坐标形式，针对多个象限信息中的每一个象限信息，基于该象限信息的解析信号的极坐标形式获取该象限信息的相位信息，对各个象限信息的相位信息进行加权平均处理，得到原始图像的相位信息，对原始图像的相位信息进行形态学滤波，得到原始图像的纹理信息，对原始图像进行直方图均衡化处理，得到原始图像的幅度信息，基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像，可提高图像增强算法的参数选择方面的鲁棒性，并提高增强图像的图像质量。
请参见图2，图2为本发明另一实施例中提供的一种图像处理方法的流程示意图，如图所示本发明实施例中的图像处理方法可以包括：
S201，对原始图像进行希尔伯特变换，得到原始图像的各个象限的解析信号。
例如，终端设备可以把需要进行图像处理的原始图像定义为一个二维信号，分别获取原始图像在第一象限的解析信号，原始图像在第二象限的解析信号，原始图像在第三象限的解析信号，原始图像在第四象限的解析信号。
示例性的，原始图像在第一象限的解析信号可以表示如下：
AS1(x，y)＝(f(x，y)-H{f(x，y)})+i(Hx{f(x，y)}+Hy{f(x，y)})
原始图像在第二象限的解析信号可以表示如下：
AS2(x，y)＝(f(x，y)+H{f(x，y)})-i(Hx{f(x，y)}-Hy{f(x，y)})
原始图像在第三象限的解析信号可以表示如下：
AS3(x，y)＝(f(x，y)-H{f(x，y)})-i(Hx{f(x，y)}+Hy{f(x，y)})
原始图像在第四象限的解析信号可以表示如下：
AS4(x，y)＝(f(x，y)+H{f(x，y)})+i(Hx{f(x，y)}-Hy{f(x，y)})
其中，AS1(x，y)表示原始图像在第一象限的解析信号，f(x，y)表示原始图像，H{f(x，y)}表示f(x，y)的全希尔伯特变换，Hx{f(x，y)}表示f(x，y)在x方向上的部分希尔伯特变换，Hy{f(x，y)}表示f(x，y)在y方向上的部分希尔伯特变换。
可选的，当原始图像的图像类型为彩色图像时，终端设备可以获取原始图像在各个色彩空间的分量图像，针对原始图像在每一个色彩空间的分量图像，终端设备可以对该分量图像进行希尔伯特变换，得到该分量图像的各个象限的解析信号。
例如，当终端设备将原始图像分解为第一分量图像、第二分量图像以及第三分量图像时，终端设备可以对第一分量图像进行希尔伯特变换，得到第一分量图像的各个象限的解析信号。同理，终端设备可以对第二分量图像进行希尔伯特变换，得到第二分量图像的各个象限的解析信号。终端设备还可以对第三分量图像进行希尔伯特变换，得到第三分量图像的各个象限的解析信号。终端设备还可以对第四分量图像进行希尔伯特变换，得到第四分量图像的各个象限的解析信号。
S202，基于各个象限的解析信号得到该解析信号的极坐标形式。
终端设备可以基于各个象限的解析信号得到该解析信号的极坐标形式。示例性的，第一象限的解析信号的极坐标形式可以表示如下：
第二象限的解析信号的极坐标形式可以表示如下：
第三象限的解析信号的极坐标形式可以表示如下：
第四象限的解析信号的极坐标形式可以表示如下：
其中，AS1(x，y)表示第一象限的解析信号，
表示第一象限的解析信号的极坐标形式，
表示第一象限的相位信息。AS2(x，y)表示第二象限的解析信号，
表示第二象限的解析信号的极坐标形式，
表示第二象限的相位信息。AS3(x，y)表示第三象限的解析信号，
表示第三象限的解析信号的极坐标形式，
表示第三象限的相位信息。AS4(x，y)表示第四象限的解析信号，
表示第四象限的解析信号的极坐标形式，
表示第四象限的相位信息。
S203，针对多个象限中的每一个象限，基于该象限的解析信号的极坐标形式获取该象限的相位信息。
终端设备可以将各个象限的解析信号的极坐标形式的指数作为该象限的相位信息，例如终端设备可以将
作为第一象限的相位信息，
作为第二象限的相位信息，
作为第三象限的相位信息，
作为第四象限的相位信息。
S204，对各个象限的相位信息进行加权平均处理，得到原始图像的相位信息。
终端设备获取到各个象限信息的相位信息之后，可以将各个象限信息的相位信息进行加权平均处理，得到原始图像的相位信息。
示例性的，原始图像的相位信息可以表示如下：
其中，
表示原始图像的相位信息，
表示第一象限信息的相位信息，w1表示第一象限信息的相位信息的权重，
表示第二象限信息的相位信息，w2表示第二象限信息的相位信息的权重，
表示第三象限信息的相位信息，w3表示第三象限信息的相位信息的权重，
表示第四象限信息的相位信息，w4表示第四象限信息的相位信息的权重。例如，当w1＝w2＝w3＝w4时，
S205，对原始图像的相位信息进行形态学滤波，得到相位图像。
S206，对相位图像进行处理，得到原始图像的纹理信息。
可选的，终端设备可以基于原始图像的相位信息以及解析信号的幅度信息，得到纹理信息的极坐标形式，基于纹理信息的极坐标形式得到纹理信息的解析信号，并将解析信号的实数部分作为纹理信息。
举例来说，终端设备可以使用black-hat滤波器对原始图像的相位信息进行形态学滤波，得到原始图像的纹理信息，可获取原始图像中亮度变化较大的部分，并过滤原始图像中变化较小的部分，则终端设备可以将获取到的原始图像中亮度变化较大的部分作为原始图像的纹理信息。
示例性的，对于尺寸为256×256的原始图像，终端设备可以使用像素尺寸为5×5的圆形卷积核对该原始图像进行形态学滤波，得到形态学滤波结果
即原始图像的相位信息，当解析信号的幅度信息为恒定量1时，终端设备基于原始图像的相位信息以及解析信号的幅度信息得到的纹理信息的极坐标形式可以表示如下：
其中，1表示解析信号的幅度信息，i为虚数单位，
表示原始图像的相位信息。
由于
则终端设备可以将实数部分
作为原始图像的纹理信息，即原始图像的纹理信息可以表示如下：
其中，f1(x，y)为原始图像的纹理信息，
为纹理信息的极坐标形式对应复数中的实数部分。
S207，对原始图像进行直方图均衡化处理，得到原始图像的幅度信息。
示例性的，原始图像的幅度信息可以表示如下：
f2(x，y)＝HistEq[f(x，y)]
其中，f2(x，y)为原始图像的幅度信息，HistEq[f(x，y)]为直方图均衡化处理函数，f(x，y)为原始图像。
S208，基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像。
可选的，终端设备可以对原始图像的纹理信息进行归一化处理，并对原始图像的幅度信息进行归一化处理，对归一化处理后的纹理信息和归一化处理后的幅度信息进行加权平均处理，得到原始图像的增强图像。
示例性的，增强图像可以表示如下：
其中，fnew(x，y)表示原始图像的增强图像，Norm[f1(x，y)]表示原始图像的纹理信息的归一化函数，
a1表示原始图像的纹理信息的归一化函数的权重，Norm[f2(x，y)]表示原始图像的幅度信息的归一化函数，
a2表示原始图像的幅度信息的归一化函数的权重。示例性的，当a1＝a2＝1时，
可选的，针对原始图像在每一个色彩空间的分量图像，终端设备可以基于该分量图像的纹理信息和该分量图像的幅度信息，获取该分量图像的增强图像，并对各个分量图像的增强图像进行图像合成，得到原始图像的增强图像。
例如，原始图像可以分解为第一分量图像、第二分量图像以及第三分量图像，则终端设备可以对第一分量图像进行希尔伯特变换，得到第一分量图像的各个象限的解析信号，基于各个象限的解析信号得到该象限的解析信号的极坐标形式，将该象限的解析信号的极坐标形式的指数作为该象限的相位信息，对第一分量图像的各个象限的相位信息进行加权平均处理，得到第一分量图像的相位信息，对第一分量图像的相位信息进行形态学滤波，得到第一分量图像的相位图像，对第一分量图像的相位图像进行处理得到第一分量图像的纹理信息，对第一分量图像进行直方图均衡化处理，得到第一分量图像的幅度信息，基于第一分量图像的纹理信息和第一分量图像的幅度信息，得到第一分量图像的增强图像。同理，终端设备还可以通过上述方法获取第二分量图像的增强图像以及第三分量图像的增强图像。
进一步的，终端设备可以对第一分量图像的增强图像、第二分量图像的增强图像以及第三分量图像的增强图像进行图像合成，得到原始图像的增强图像。
在图2所示的图像处理方法中，终端设备对原始图像进行希尔伯特变换，得到原始图像的各个象限的解析信号，基于各个象限的解析信号得到该象限的解析信号的极坐标形式，针对多个象限中的每一个象限，将该象限的解析信号的极坐标形式的指数作为该象限的相位信息，对各个象限的相位信息进行加权平均处理，得到原始图像的相位信息，对原始图像的相位信息进行形态学滤波，得到原始图像的纹理信息，对原始图像进行直方图均衡化处理，得到原始图像的幅度信息，基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像，可提高图像增强算法的参数选择方面的鲁棒性，并提高增强图像的图像质量。
本发明实施例还提供了一种计算机存储介质，其中，所述计算机存储介质可存储有程序，该程序执行时包括上述图1、图2所示的方法实施例中的部分或全部步骤。
请参见图3，图3为本发明实施例中提供的一种图像处理装置的结构示意图，所述图像处理装置可以用于实施结合图1、图2所示的方法实施例中的部分或全部步骤，所述图像处理装置至少可以包括解析信号获取模块301、相位信息确定模块302、纹理信息获取模块303、幅度信息获取模块304以及图像增强模块305，其中：
解析信号获取模块301，用于对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式。
相位信息确定模块302，用于基于极坐标形式获取原始图像的相位信息。
纹理信息获取模块303，用于基于相位信息得到原始图像的纹理信息。
幅度信息获取模块304，用于对原始图像进行直方图均衡化处理，得到原始图像的幅度信息。
图像增强模块305，用于基于原始图像的纹理信息和原始图像的幅度信息，获取原始图像的增强图像。
可选的，解析信号获取模块301，具体用于：
当原始图像的图像类型为彩色图像时，获取原始图像在各个色彩空间的分量图像。
针对原始图像在每一个色彩空间的分量图像，对分量图像进行处理得到分量图像的解析信号，并基于解析信号得到解析信号的极坐标形式。
可选的，图像增强模块305，具体用于：
针对原始图像在每一个色彩空间的分量图像，基于分量图像的纹理信息和分量图像的幅度信息，得到分量图像的增强图像。
对各个分量图像的增强图像进行图像合成，得到原始图像的增强图像。
可选的，解析信号获取模块301，具体用于：
获取原始图像的多个象限信息，并对多个象限信息中的每一个象限信息进行傅里叶逆变换，得到象限信息的解析信号。
基于各个象限信息的解析信号得到解析信号的极坐标形式。
可选的，相位信息确定模块302，具体用于：
针对多个象限信息中的每一个象限信息，基于象限信息的解析信号的极坐标形式，获取象限信息的相位信息。
对各个象限信息的相位信息进行加权平均处理，得到原始图像的相位信息。
可选的，纹理信息获取模块303，具体用于：
对原始图像的相位信息进行形态学滤波，得到相位图像。
对相位图像进行处理，得到原始图像的纹理信息。
可选的，原始图像为时域信号，解析信号获取模块301获取原始图像的多个象限信息，具体用于：
对时域信号进行傅里叶变换，得到傅里叶变换后的频域信号。
通过预置滤波器对频域信号进行滤波，得到预置滤波器对应的象限信息。
可选的，原始图像为时域信号，解析信号获取模块301对原始图像进行处理得到原始图像的解析信号，具体用于：
对时域信号进行希尔伯特变换，得到原始图像的解析信号。
可选的，纹理信息获取模块303，具体用于：
基于原始图像的相位信息以及解析信号的幅度信息，得到纹理信息的极坐标形式。
基于纹理信息的极坐标形式得到纹理信息的解析信号。
将解析信号的实数部分作为纹理信息。
可选的，图像增强模块305，具体用于：
对原始图像的纹理信息进行归一化处理，并对原始图像的幅度信息进行归一化处理。
对归一化处理后的纹理信息和归一化处理后的幅度信息进行加权平均处理，得到增强图像。
在图3所示的图像处理装置中，解析信号获取模块301对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式，相位信息确定模块302基于极坐标形式得到原始图像的相位信息，纹理信息获取模块303基于相位信息得到原始图像的纹理信息，幅度信息获取模块304对原始图像进行直方图均衡化处理，得到原始图像的幅度信息，图像增强模块305基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像，可提高图像增强算法的参数选择方面的鲁棒性，并提高增强图像的图像质量。
请参见图4，图4为本发明第一实施例提供的一种终端设备的结构示意图，本发明实施例提供的终端设备可以用于实施上述图1、图2所示的本发明各实施例实现的方法，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照图1、图2所示的本发明各实施例。
如图4所示，该终端设备包括：至少一个处理器401，例如CPU，至少一个输入装置403，至少一个输出装置404，存储器405，至少一个通信总线402。其中，通信总线402用于实现这些组件之间的连接通信。其中，输入装置403可选的可以包括摄像头，用于采集原始图像。输出装置404可选的可以包括显示屏幕，用于显示增强图像。其中，存储器405可能包含高速RAM存储器，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器405可选的可以包含至少一个位于远离前述处理器401的存储装置。存储器405中存储一组程序代码，且处理器401调用存储器405中存储的程序代码，用于执行以下操作：
对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式。
基于极坐标形式获取原始图像的相位信息。
基于相位信息得到原始图像的纹理信息。
对原始图像进行直方图均衡化处理，得到原始图像的幅度信息。
基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像。
可选的，处理器401对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式，具体可以为：
当原始图像的图像类型为彩色图像时，获取原始图像在各个色彩空间的分量图像。
针对原始图像在每一个色彩空间的分量图像，对所述分量图像进行处理得到分量图像的解析信号，并基于解析信号得到解析信号的极坐标形式。
可选的，处理器401基于原始图像的纹理信息和原始图像的幅度信息，获取原始图像的增强图像，具体可以为：
针对原始图像在每一个色彩空间的分量图像，基于分量图像的纹理信息和分量图像的幅度信息，获取分量图像的增强图像。
对各个分量图像的增强图像进行图像合成，得到原始图像的增强图像。
可选的，处理器401对原始图像进行处理得到原始图像的解析信号，并基于解析信号得到解析信号的极坐标形式，具体可以为：
获取原始图像的多个象限信息，并对多个象限信息中的每一个象限信息进行傅里叶逆变换，得到象限信息的解析信号。
基于各个象限信息的解析信号得到解析信号的极坐标形式。
可选的，处理器401基于极坐标形式获取原始图像的相位信息，具体可以为：
针对多个象限信息中的每一个象限信息，基于象限信息的解析信号的极坐标形式，获取象限信息的相位信息。
对各个象限信息的相位信息进行加权平均处理，得到原始图像的相位信息。
可选的，处理器401基于相位信息得到原始图像的纹理信息，具体可以为：
对原始图像的相位信息进行形态学滤波，得到相位图像。
对相位图像进行处理，得到原始图像的纹理信息。
可选的，原始图像为时域信号，处理器401获取原始图像的多个象限信息，具体可以为：
对时域信号进行傅里叶变换，得到傅里叶变换后的频域信号。
通过预置滤波器对频域信号进行滤波，得到预置滤波器对应的象限信息。
可选的，原始图像为时域信号，处理器401对原始图像进行处理得到原始图像的解析信号，具体可以为：
对时域信号进行希尔伯特变换，得到原始图像的解析信号。
可选的，处理器401基于相位信息得到原始图像的纹理信息，具体可以为：
基于原始图像的相位信息以及解析信号的幅度信息，得到纹理信息的极坐标形式。
基于纹理信息的极坐标形式得到纹理信息的解析信号。
将解析信号的实数部分作为纹理信息。
可选的，处理器401基于原始图像的纹理信息和原始图像的幅度信息，得到原始图像的增强图像，具体可以为：
对原始图像的纹理信息进行归一化处理，并对原始图像的幅度信息进行归一化处理。
对归一化处理后的纹理信息和归一化处理后的幅度信息进行加权平均处理，得到增强图像。
具体的，本发明实施例中介绍的终端可以用以实施本发明结合图1、图2介绍的方法实施例中的部分或全部流程。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在每一个个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”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”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“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。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的程序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的每一个项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (18)
1.一种图像处理方法，其特征在于，所述方法包括：
对原始图像进行处理得到所述原始图像的解析信号，并基于所述解析信号得到所述解析信号的极坐标形式；
基于所述极坐标形式获取所述原始图像的相位信息；
基于所述相位信息得到所述原始图像的纹理信息；
对所述原始图像进行直方图均衡化处理，得到所述原始图像的幅度信息；基于所述原始图像的纹理信息和所述原始图像的幅度信息，获取所述原始图像的增强图像；
其中，所述对原始图像进行处理得到所述原始图像的解析信号，并基于所述解析信号得到所述解析信号的极坐标形式，包括：
获取所述原始图像的多个象限信息，并对所述多个象限信息中的每一个象限信息进行傅里叶逆变换，得到所述象限信息的解析信号；基于各个所述象限信息的解析信号得到所述解析信号的极坐标形式；
其中，所述原始图像为时域信号，
所述获取所述原始图像的多个象限信息，包括：对所述时域信号进行傅里叶变换，得到傅里叶变换后的频域信号；通过预置滤波器对所述频域信号进行滤波，得到所述预置滤波器对应的象限信息。
2.如权利要求1所述的方法，其特征在于，
当所述原始图像的图像类型为彩色图像时，所述对原始图像进行处理得到所述原始图像的解析信号，并基于所述解析信号得到所述解析信号的极坐标形式，包括：获取所述原始图像在各个色彩空间的分量图像；
针对所述原始图像在每一个色彩空间的分量图像，对所述分量图像进行处理得到所述分量图像的解析信号，并基于所述解析信号得到所述解析信号的极坐标形式。
3.如权利要求2所述的方法，其特征在于，所述基于所述原始图像的纹理信息和所述原始图像的幅度信息，获取所述原始图像的增强图像，包括：
针对所述原始图像在每一个色彩空间的分量图像，基于所述分量图像的纹理信息和所述分量图像的幅度信息，获取所述分量图像的增强图像；
对各个所述分量图像的增强图像进行图像合成，得到所述原始图像的增强图像。
4.如权利要求1所述的方法，其特征在于，所述基于所述极坐标形式获取所述原始图像的相位信息，包括：
针对所述多个象限信息中的每一个象限信息，基于所述象限信息的解析信号的极坐标形式，获取所述象限信息的相位信息；
对各个所述象限信息的相位信息进行加权平均处理，得到所述原始图像的相位信息。
5.如权利要求4所述的方法，其特征在于，所述基于所述相位信息得到所述原始图像的纹理信息，包括：
对所述原始图像的相位信息进行形态学滤波，得到相位图像；
对所述相位图像进行处理，得到所述原始图像的纹理信息。
6.如权利要求1所述的方法，其特征在于，所述原始图像为时域信号，所述对原始图像进行处理得到所述原始图像的解析信号，包括：
对所述时域信号进行希尔伯特变换，得到所述原始图像的解析信号。
7.如权利要求1所述的方法，其特征在于，所述基于所述相位信息得到所述原始图像的纹理信息，包括：
基于所述原始图像的相位信息以及所述解析信号的幅度信息，得到所述纹理信息的极坐标形式；
基于所述纹理信息的极坐标形式得到所述纹理信息的解析信号；
将所述解析信号的实数部分作为所述纹理信息。
8.如权利要求1所述的方法，其特征在于，所述基于所述原始图像的纹理信息和所述原始图像的幅度信息，得到所述原始图像的增强图像，包括：
对所述原始图像的纹理信息进行归一化处理，并对所述原始图像的幅度信息进行归一化处理；
对归一化处理后的纹理信息和归一化处理后的幅度信息进行加权平均处理，得到所述增强图像。
9.一种图像处理装置，其特征在于，所述装置包括：
解析信号获取模块，用于对原始图像进行处理得到所述原始图像的解析信号，并基于所述解析信号得到所述解析信号的极坐标形式；
相位信息确定模块，用于基于所述极坐标形式获取所述原始图像的相位信息；
纹理信息获取模块，用于基于所述相位信息得到所述原始图像的纹理信息；
幅度信息获取模块，用于对所述原始图像进行直方图均衡化处理，得到所述原始图像的幅度信息；
图像增强模块，用于基于所述原始图像的纹理信息和所述原始图像的幅度信息，获取所述原始图像的增强图像；
其中，所述解析信号获取模块，具体用于：
获取所述原始图像的多个象限信息，并对所述多个象限信息中的每一个象限信息进行傅里叶逆变换，得到所述象限信息的解析信号；基于各个所述象限信息的解析信号得到所述解析信号的极坐标形式；
其中，所述原始图像为时域信号，所述解析信号获取模块获取所述原始图像的多个象限信息，具体用于：
对所述时域信号进行傅里叶变换，得到傅里叶变换后的频域信号；
通过预置滤波器对所述频域信号进行滤波，得到所述预置滤波器对应的象限信息。
10.如权利要求9所述的装置，其特征在于，所述解析信号获取模块还用于：当所述原始图像的图像类型为彩色图像时，获取所述原始图像在各个色彩空间的分量图像；
针对所述原始图像在每一个色彩空间的分量图像，对所述分量图像进行处理得到所述分量图像的解析信号，并基于所述解析信号得到所述解析信号的极坐标形式。
11.如权利要求10所述的装置，其特征在于，所述图像增强模块，具体用于：
针对所述原始图像在每一个色彩空间的分量图像，基于所述分量图像的纹理信息和所述分量图像的幅度信息，获取所述分量图像的增强图像；
对各个所述分量图像的增强图像进行图像合成，得到所述原始图像的增强图像。
12.如权利要求9所述的装置，其特征在于，所述相位信息确定模块，具体用于：
针对所述多个象限信息中的每一个象限信息，基于所述象限信息的解析信号的极坐标形式，获取所述象限信息的相位信息；
对各个所述象限信息的相位信息进行加权平均处理，得到所述原始图像的相位信息。
13.如权利要求9所述的装置，其特征在于，所述纹理信息获取模块，具体用于：
对所述原始图像的相位信息进行形态学滤波，得到相位图像；
对所述相位图像进行处理，得到所述原始图像的纹理信息。
14.如权利要求9所述的装置，其特征在于，所述原始图像为时域信号，所述解析信号获取模块对原始图像进行处理得到所述原始图像的解析信号，具体用于：
对所述时域信号进行希尔伯特变换，得到所述原始图像的解析信号。
15.如权利要求9所述的装置，其特征在于，所述纹理信息获取模块，具体用于：
基于所述原始图像的相位信息以及所述解析信号的幅度信息，得到所述纹理信息的极坐标形式；
基于所述纹理信息的极坐标形式得到所述纹理信息的解析信号；
将所述解析信号的实数部分作为所述纹理信息。
16.如权利要求9所述的装置，其特征在于，所述图像增强模块，具体用于：
对所述原始图像的纹理信息进行归一化处理，并对所述原始图像的幅度信息进行归一化处理；
对归一化处理后的纹理信息和归一化处理后的幅度信息进行加权平均处理，得到所述增强图像。
17.一种终端设备，其特征在于，包括处理器以及存储器，所述存储器中存储一组程序代码，且所述处理器调用所述存储器中存储的程序代码，用于执行权利要求1至8任意一项所述的方法。
18.一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存储有计算机程序，所述计算机程序被硬件执行时能够实现权利要求1至8任意一项所述的方法。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2016/111922 WO2018112979A1 (zh) | 2016-12-24 | 2016-12-24 | 一种图像处理方法、装置以及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110140150A CN110140150A (zh) | 2019-08-16 |
| CN110140150B true CN110140150B (zh) | 2021-10-26 |
Family
ID=62624299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680091872.0A Active CN110140150B (zh) | 2016-12-24 | 2016-12-24 | 一种图像处理方法、装置以及终端设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110140150B (zh) |
| WO (1) | WO2018112979A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242876B (zh) * | 2020-01-17 | 2023-10-03 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0497532A3 (en) * | 1991-01-29 | 1993-05-05 | Victor Company Of Japan, Ltd. | Image enhancement system |
| CN1890773A (zh) * | 2003-12-03 | 2007-01-03 | Itt制造企业公司 | 用于减少电子轰击器件中的光晕的表面结构 |
| CN101236646A (zh) * | 2007-01-30 | 2008-08-06 | 宝利微系统控股公司 | 在频率域检测与估计图像显著的强相关方向的方法和系统 |
| CN101271525A (zh) * | 2008-04-10 | 2008-09-24 | 复旦大学 | 一种快速的图像序列特征显著图获取方法 |
| CN103177458A (zh) * | 2013-04-17 | 2013-06-26 | 北京师范大学 | 一种基于频域分析的可见光遥感图像感兴趣区域检测方法 |
| WO2013145729A1 (en) * | 2012-03-30 | 2013-10-03 | Sharp Kabushiki Kaisha | System for image enhancement |
| CN104537681A (zh) * | 2015-01-21 | 2015-04-22 | 北京联合大学 | 一种谱分离的视觉显著区域提取方法及系统 |
| CN105230032A (zh) * | 2013-03-15 | 2016-01-06 | 三星电子株式会社 | 利用自适应频率提高来创建图像中的细节 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7583823B2 (en) * | 2006-01-11 | 2009-09-01 | Mitsubishi Electric Research Laboratories, Inc. | Method for localizing irises in images using gradients and textures |
| CN101344913B (zh) * | 2007-07-10 | 2011-11-09 | 电子科技大学中山学院 | 一种通过提取虹膜纹理特征进行身份识别的方法 |
| CN102306289A (zh) * | 2011-09-16 | 2012-01-04 | 兰州大学 | 基于脉冲耦合神经网络的虹膜特征提取方法 |
| US8620073B2 (en) * | 2012-02-24 | 2013-12-31 | Mitsubishi Electric Research Laboratories, Inc. | Upscaling natural images |
| JP6105852B2 (ja) * | 2012-04-04 | 2017-03-29 | キヤノン株式会社 | 画像処理装置及びその方法、プログラム |
| CN103065299B (zh) * | 2012-12-22 | 2016-06-15 | 深圳先进技术研究院 | 超声图像边缘提取方法和装置 |
| CN104484425A (zh) * | 2014-12-20 | 2015-04-01 | 辽宁师范大学 | 基于多特征的彩色图像检索方法 |
-
2016
- 2016-12-24 CN CN201680091872.0A patent/CN110140150B/zh active Active
- 2016-12-24 WO PCT/CN2016/111922 patent/WO2018112979A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0497532A3 (en) * | 1991-01-29 | 1993-05-05 | Victor Company Of Japan, Ltd. | Image enhancement system |
| CN1890773A (zh) * | 2003-12-03 | 2007-01-03 | Itt制造企业公司 | 用于减少电子轰击器件中的光晕的表面结构 |
| CN101236646A (zh) * | 2007-01-30 | 2008-08-06 | 宝利微系统控股公司 | 在频率域检测与估计图像显著的强相关方向的方法和系统 |
| CN101271525A (zh) * | 2008-04-10 | 2008-09-24 | 复旦大学 | 一种快速的图像序列特征显著图获取方法 |
| WO2013145729A1 (en) * | 2012-03-30 | 2013-10-03 | Sharp Kabushiki Kaisha | System for image enhancement |
| CN105230032A (zh) * | 2013-03-15 | 2016-01-06 | 三星电子株式会社 | 利用自适应频率提高来创建图像中的细节 |
| CN103177458A (zh) * | 2013-04-17 | 2013-06-26 | 北京师范大学 | 一种基于频域分析的可见光遥感图像感兴趣区域检测方法 |
| CN104537681A (zh) * | 2015-01-21 | 2015-04-22 | 北京联合大学 | 一种谱分离的视觉显著区域提取方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110140150A (zh) | 2019-08-16 |
| WO2018112979A1 (zh) | 2018-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108122213B (zh) | 一种基于YCrCb的低对比度图像增强方法 | |
| JP7413400B2 (ja) | 肌質測定方法、肌質等級分類方法、肌質測定装置、電子機器及び記憶媒体 | |
| Kolås et al. | Spatio-temporal Retinex-inspired envelope with stochastic sampling: a framework for spatial color algorithms | |
| CN105850114A (zh) | 用于图像的逆色调映射的方法 | |
| KR101662846B1 (ko) | 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법 | |
| Li et al. | A multi-scale fusion scheme based on haze-relevant features for single image dehazing | |
| JP2018527675A (ja) | 逆トーンマッピングの方法及び装置 | |
| JP6164238B2 (ja) | 診断装置並びに当該診断装置における画像処理方法及びそのプログラム | |
| Ancuti et al. | Image and video decolorization by fusion | |
| Deng | A generalized logarithmic image processing model based on the gigavision sensor model | |
| Lee et al. | Correction of the overexposed region in digital color image | |
| CN113052923A (zh) | 色调映射方法、装置、电子设备和存储介质 | |
| CN112837251A (zh) | 图像处理方法及装置 | |
| CN116468636A (zh) | 低照度增强方法、装置、电子设备和可读存储介质 | |
| Shi et al. | A joint deep neural networks-based method for single nighttime rainy image enhancement | |
| KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
| CN107808404A (zh) | 图像处理方法、系统、可读存储介质及移动摄像设备 | |
| JP2016123420A (ja) | 診断装置並びに当該診断装置における画像処理方法及びそのプログラム | |
| CN116563190B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
| JP5286215B2 (ja) | 輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラム | |
| CN110140150B (zh) | 一种图像处理方法、装置以及终端设备 | |
| CN110493584B (zh) | 一种高动态范围场景可视化方法、装置和存储介质 | |
| CN111598794A (zh) | 一种去除水下重叠情况的图像成像方法及装置 | |
| Hu et al. | Jpeg ringing artifact visibility evaluation | |
| CN103077396B (zh) | 一种彩色图像的向量空间特征点提取方法及装置 |
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 |