CN110189349B - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN110189349B CN110189349B CN201910474683.7A CN201910474683A CN110189349B CN 110189349 B CN110189349 B CN 110189349B CN 201910474683 A CN201910474683 A CN 201910474683A CN 110189349 B CN110189349 B CN 110189349B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- target
- gradient
- edge
- 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 53
- 238000000034 method Methods 0.000 claims abstract description 28
- 241000023320 Luma <angiosperm> Species 0.000 claims description 10
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000003708 edge detection Methods 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 17
- 230000008859 change Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G06T5/73—
-
- 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
Abstract
本发明实施例提出一种图像处理方法及装置,涉及图像处理领域,所述方法包括获取目标点位的目标灰度梯度值和目标点位所在区域的亮度参数;依据亮度参数和预设的梯度阈值得到目标梯度阈值;当目标灰度梯度值大于或等于目标梯度阈值时,则将目标点位作为理想边缘点位;依据所有的理想边缘点位得到待处理图像的图像边缘。通过依据不同区域的明暗情况改变灰度梯度阈值,使得在较暗区域中进行边缘检测得到的边缘图像能够更加完整,从而能够清晰、直接的反应原图像中较暗区域的原有边缘。
Description
技术领域
本发明涉及图像处理领域,具体而言,涉及一种图像处理方法及装置。
背景技术
随着技术的进步,图像处理的应用领域越来越广泛,边缘检测作为图像处理中一种重要技术手段,也愈发受到人们的关注,其能够标识数字图像中亮度变化明显的点,从而大幅度地减少了数据量,剔除了可以认为不相关的信息,保留了图像重要的结构属性。
但是,图像的光线条件有好有坏,即使是在同一画面中,也存在明暗区域对比明显的情况,传统边缘检测中,根据边缘检测过程中的灰度变化大小来决定其是否为边缘,但是在较暗区域,原有边缘的灰度变化较小,导致边缘检测得到的边缘图像不完整,同时,边缘检测的图像的点位依据原有边缘的灰度变化显示,不能清晰、直接的反应原图像中较暗区域的原有边缘。
发明内容
本发明实施例的目的在于提供一种图像处理方法及装置,以解决上述问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提出一种图像处理方法,所述方法包括:获取目标点位的目标灰度梯度值和所述目标点位所在区域的亮度参数,其中,目标点位为待处理图像中任一点位,目标灰度梯度值为目标点位与指定方向上相邻点位的灰度差值,所述亮度参数表征所在区域平均亮度和全图平均亮度的比值;依据亮度参数和预设的梯度阈值得到目标梯度阈值;当所述目标灰度梯度值大于或等于目标梯度阈值时,则将所述目标点位作为理想边缘点位;依据所有的理想边缘点位得到所述待处理图像的图像边缘。
第二方面,本发明实施例还提出一种图像处理装置,所述装置包括:获取模块,用于获取目标点位的目标灰度梯度值和所述目标点位所在区域的亮度参数,其中,目标点位为待处理图像中任一点位,目标灰度梯度值为目标点位与指定方向上相邻点位的灰度差值,所述亮度参数表征所在区域平均亮度和全图平均亮度的比值;处理模块,用于依据亮度参数和预设的梯度阈值得到目标梯度阈值;提取模块,用于当所述目标灰度梯度值大于或等于目标梯度阈值时,则将所述目标点位作为理想边缘点位;依据所有的理想边缘点位得到所述待处理图像的图像边缘。
相对于现有技术,本发明实施例所提供的一种图像处理方法及装置,所述方法包括获取目标点位的目标灰度梯度值和目标点位所在区域的亮度参数;依据亮度参数和预设的梯度阈值得到目标梯度阈值;当目标灰度梯度值大于或等于目标梯度阈值时,则将目标点位作为理想边缘点位;依据所有的理想边缘点位得到待处理图像的图像边缘。通过依据不同区域的明暗情况改变灰度梯度阈值,使得在较暗区域中进行边缘检测筛选出的理想边缘点位更加全面,得到的边缘图像能够更加完整,从而能够清晰、直接的反应原图像中较暗区域的原有边缘。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本发明实施例所提供的电子设备示意图。
图2示出了本发明实施例所提供的第一种图像处理方法流程示意图。
图3示出了图2中步骤S101的子步骤流程示意图。
图4示出了图2中步骤S101的另一子步骤流程示意图。
图5示出了本发明实施例所提供的第二种图像处理方法流程示意图。
图6示出了图5中步骤S105的子步骤流程示意图。
图7示出了本发明实施例所提供的图像处理装置功能模块示意图。
图标:100-电子设备;101-处理器;102-存储器;103-总线;104-通信接口;200-图像处理装置;201-获取模块;202-处理模块。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在传统的边缘检测增强的算法中,首先是利用边缘检测算子进行图像的边缘检测,比如Sobel,Laplace,Canny算子,边缘检测的基本依据是邻域像素点的梯度变化信息。提取出图像的边缘之后,再利用边缘增强模板或是增强系数,对中心像素点进行边缘增强处理。逐点完成所有像素点的边缘检测及增强。经过上述边缘检测增强之后,图像的边缘和细节得到增强,图像的清晰度得到明显提升。
发明人发现,在监控视频图像中,有如下几个影响图像清晰度和层次感的因素:
1.)由于应用场景非常丰富,图像往往包含了不同强度的边缘,以及纹理细节非常丰富的区域。传统边缘检测提取出的图像边缘及纹理,不是边缘两侧两个邻接像素点的灰度突变,而是边缘两侧邻域内好几个像素逐渐变化的过程。增强后的图像清晰度有提升,但增强后的边缘依旧是一个渐进变化粗边缘,没有突出每条边缘最锐利的地方;
2.)图像的光线条件有好有坏,即使是在同一画面中,也存在明暗区域对比明显的情况。传统边缘检测增强算法中,根据边缘检测过程中的梯度大小来决定其是否为边缘,以及边缘强度。而在明暗不同的区域,同一梯度大小带来的灰度变化程度不一样,仅由梯度大小决定的边缘及边缘强度,降低对暗区边缘和纹理的增强。
为了解决上述问题,本发明实施例提供一种图像处理方法,该方法应用于电子设备100。请参阅图1,本发明较佳实施例提供的电子设备的方框示意图。电子设备100可以是,但不限于电子设备100可以是,但不限于膝上型便携计算机、车载电脑、个人数字助理(personal digital assistant,PDA)、服务器等等。电子设备100包括处理器101、存储器102、总线103及通信接口104。处理器101、存储器102及通信接口104通过总线103连接,处理器101用于执行可执行模块,例如计算机程序。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,图像处理方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processor,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(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。
存储器102可以是,但不限于随机存取存储器102(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
总线103可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
通信接口104可用于与其他节点设备进行信令或数据的通信。电子设备100通过至少一个通信接口104(可以是有线或者无线)实现与外部的其它设备之间的通信连接。存储器102用于存储程序,例如图像处理装置200。图像处理装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器102中或固化在电子设备100的操作系统(operating system,OS)中的软件功能模块。所述处理器101在接收到执行指令后,执行所述程序以实现图像处理方法。
应当理解的是,图1所示的结构仅为电子设备100的结构应用示意图,电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
基于上述的电子设备100,下面给出一种图像处理方法可能的实现方式,该方法的执行主体可以为上述电子设备100,请参阅图2,图2为本发明实施例提供的图像处理方法的流程图。图像处理方法包括以下步骤:
步骤S101,获取目标点位的目标灰度梯度值和目标点位所在区域的亮度参数。
在本发明实施例中,目标点位可以是待处理图像中当前正在处理的点位,点位可以理解为一个像素点的位置,目标灰度梯度值可以是目标点位与指定方向上相邻点位之间的灰度差值,亮度参数可以是表征目标点位的亮度比值,具体地,可以是目标点位在一定区域内的区域亮度值与全图亮度值的比值。所述一定的区域可以是以目标点位为中心的一个区域,区域亮度值可以是所述一定区域内的平均亮度值,全图亮度值可以是待处理图像的平均亮度。
获取目标点位的目标灰度梯度值和目标点位所在区域的亮度参数的步骤,可以理解为,包括两个步骤,第一,获取目标点位所在区域的亮度参数,第二,获取目标点位的目标灰度梯度值。
请参阅图3,步骤S101中的获取目标点位所在区域的亮度参数的步骤,可以具体包括以下子步骤:
子步骤S1011,获取全图亮度值和区域亮度值。
在本发明实施例中,区域亮度值可以是所述一定区域内的平均亮度值,全图亮度值可以是待处理图像的平均亮度。优选的,目标点位所在区域可以是以目标点位为中心点构成的7*7的区域,以该7*7区域中的每个点位的亮度值求得该7*7区域的区域亮度值。
获取全局亮度值的步骤,可以理解为,获取待处理图像中每个像素点的亮度值,对所有的亮度值求和,再除以待处理图像中像素点的总个数,即可得到全局亮度值。
获取区域亮度值的步骤,可以理解为,获取一定区域内所有像素点的像素值,对一定区域内所有像素点的像素值求和,再除以一定区域内像素点的个数,即可得到区域亮度值。
子步骤S1012,根据全图亮度值和区域亮度值得到亮度参数。
在本发明实施例中,根据所述全图亮度值和区域亮度值满足如下公式:
α=Luma_cur/Luma_pic
其中,α为所述亮度参数,Luma_cur为所述区域亮度值,Luma_pic为所述全图亮度值。需要说明的是,在同一待处理图像中,由于全图亮度值相同,亮度参数根据区域亮度值的变化而变化。
请参阅图4,步骤S101中的获取目标点位的目标灰度梯度值的步骤,可以具体包括以下子步骤:
子步骤S1013,获取目标点位至少一个第一方向的第一灰度梯度值。
在本发明实施例中,第一灰度梯度值可以是第一方向上的相邻点位与目标点位的灰度值差值,第一方向可以是预设的,一个第一方向对应一个第一灰度梯度值。优选地,预设一条基准方向,分别找出与该基准方向呈22.5°、45°、67.5°、90°、112.5°、135°、157.5°、180°的方向和与该基准方向呈0°、-22.5°、-45°、-67.5°、-90°、-112.5°、-135°、-157.5°的方向,可以将这16个方向均作为第一方向。获取目标点位至少一个第一方向的第一灰度梯度值的步骤,可以理解为,获取目标点位的每个第一方向上的相邻点位的灰度值,计算每个相邻点位的灰度值与目标点位的灰度值的差值,即可得到第一灰度梯度值。
子步骤S1014,获取目标点位至少一个第二方向的第二灰度梯度值。
在本发明实施例中,第二方向可以是与第一方向垂直的方向,每个第一方向均对应两个第二方向。优选地,预设一条基准方向,分别找出与该基准方向呈22.5°、45°、67.5°、90°、112.5°、135°、157.5°、180°的方向和与该基准方向呈0°、-22.5°、-45°、-67.5°、-90°、-112.5°、-135°、-157.5°的方向,并将这16个方向均作为第一方向,则将会得到与第一方向垂直的32个第二方向。第二灰度梯度值可以是第二方向上的相邻点位与目标点位的灰度值差值。
获取目标点位至少一个第二方向的第二灰度梯度值的步骤,可以理解为,获取目标点位与的每个第二方向上的相邻点位的灰度值,计算每个相邻点位的灰度值与目标点位的灰度值的差值,即可得到第二灰度差值。
子步骤S1015,依据至少一个第一灰度梯度值和至少一个第二灰度梯度值得到目标灰度梯度值。
在本发明实施例中,依据至少一个第一灰度梯度值和至少一个第二灰度梯度值得到目标灰度梯度值,可以理解为,首先,计算第一灰度梯度值与第一灰度梯度值对应的第二灰度梯度值的比值,得到第一灰度梯度值对应的梯度比值;然后,将每个第一灰度梯度值对应的梯度比值进行对比,得到最大梯度比值,并将最大梯度比值对应的第一灰度梯度值确定为目标灰度梯度值。
其中,第一灰度梯度值对应的第二灰度梯度值,可以理解为,第一方向上的第一灰度梯度值,与该第一方向垂直的第二方向上的第二灰度梯度值即为该第一灰度梯度值对应的第二灰度梯度值。
计算第一灰度梯度值与第一灰度梯度值对应的第二灰度梯度值的比值,得到第一灰度梯度值对应的梯度比值的步骤,可以理解为,第一灰度梯度值对应的梯度比值=第一灰度梯度值/第二灰度梯度值,算式中的第二灰度梯度值与第一灰度梯度值对应。例如,第一灰度梯度值为30,第一灰度梯度值对应的第二灰度梯度值为6,那么该第一灰度梯度值对应的梯度比值=30/6=5。
将每个第一灰度梯度值对应的梯度比值进行对比,得到最大梯度比值,并将最大梯度比值对应的第一灰度梯度值确定为目标灰度梯度值的步骤,可以理解为,将所有的第一灰度梯度值对应的梯度比值进行比较,筛选出其中最大的梯度比值,即为最大梯度比值,并将该最大梯度比值对应的第一灰度梯度值确定为目标灰度梯度值。例如,所有的第一灰度梯度值对应的梯度比值分别为5、3、4、1、7、2、1、4,那么其中最大的梯度比值为7,那么将梯度比值为7对应的第一灰度梯度值作为目标梯度灰度值。
步骤S102,依据亮度参数和预设的梯度阈值得到目标梯度阈值。
在本发明实施例中,根据亮度参数和预设的梯度阈值满足如下公式得到目标梯度阈值:
th_cur=th_base*α
th_cur为目标梯度阈值,th_base为预设的梯度阈值,α为所述亮度参数。
需要说明的是,由于待处理图像中可能会存在不同明暗情况的区域,较暗区域中原有边界的不明显,边界的灰度值变化较低,但在较亮区域中原有边界相对更为明显,边界灰度值变化较高,本发明实施例中,依据不同区域的明暗程度调整梯度阈值使得边缘检测更加清晰直接的反应图像中较暗区域的原有边界。需要解释的是,预设的梯度阈值可以由用户依据不同的实际情况进行设置。
步骤S103,当目标灰度梯度值大于或等于目标梯度阈值时,则将目标点位作为理想边缘点位。
在本发明实施例中,将目标灰度梯度值大于或等于目标梯度阈值的目标点位作为理想边缘点位,需要说明的是,目标灰度梯度值大于或等于目标梯度阈值则可以认为目标灰度梯度值对应的目标点位满足在该区域明暗情况下满足作为边缘点的条件。
步骤S104,依据所有的理想边缘点位得到待处理图像的图像边缘。
在本发明实施例中,图像边缘可以是所有的理想边缘点位的集合,将所有的理想边缘点位聚集在一起,即可得到待处理图像的图像边缘。
于本发明的其它实施例中,为了使得图像边缘更为直观地显示出来,可以将所有的理想边缘点位上的像素值单独显示出来,即可得到待处理图像对应的边缘图像,其中,边缘图像只包含边缘信息。
为了进一步对待处理图像进行增强,请参阅图5,本发明实施例还可以包括步骤S105,获取每个理想边缘点位的强度信息,并依据每个强度信息和待处理图像,得到边缘增强图像。其中,强度信息为目标灰度梯度值和目标梯度阈值的差值,即强度信息=目标灰度梯度值-目标梯度阈值。目标灰度梯度值和目标梯度阈值之间的差值越大,则对应的理想边缘点的强度信息越强,目标灰度梯度值和目标梯度阈值之间的差值越小,则对应的理想边缘点的强度信息越弱。边缘增强图像可以是待处理图像进行增强后,得到的图像。
请参阅图6,步骤S105可以具体包括以下子步骤:
步骤S1051,对待处理图像进行一次增强处理,得到基础增强图像。
在本发明实施例中,基础增强图像可以是对待处理图像进行一次增强处理后,得到的图像。电子设备100中预先存储有多个预设增强系数对应的多个锐化模板,预设增强系数和锐化模板一一对应。对待处理图像进行一次增强处理,得到基础增强图像的步骤,可以理解为,对待处理图像根据梯度阈值,得到待处理图像中的局部边缘,再根据其边缘强度,调整增强系数,并在电子设备100中确定出与该增强系数一致的预设增强系数对应的锐化模板,并通过该锐化模板对图像进行滤波处理,最后得到基础增强图像。
步骤S1052,依据每个理想边缘点位的强度信息对基础增强图像进行二次增强处理,得到边缘增强图像。
在本发明实施例中,边缘增强图像可以是在基础增强图像的基础上再进行二次增强处理后,得到的图像。依据每个理想边缘点位的强度信息对基础增强图像进行二次增强处理,得到边缘增强图像的步骤,可以理解为,首先,依据每个理想边缘点位的强度信息、以及预设的强度信息与锐化强度的对应关系,得到每个理想边缘点位对应的锐化强度,然后,依据每个理想边缘点位对应的锐化强度对基础增强图像进行锐化,得到边缘增强图像。
具体地,依据每个理想边缘点位的强度信息、以及预设的强度信息与锐化强度的对应关系,得到每个理想边缘点位对应的锐化强度的步骤,可以理解为,电子设备100中预先存储有预设的强度信息与锐化强度的对应关系,然后将理想边缘点位的强度信息带入预设强度信息与锐化强度的对应关系中进行计算,得到理想边缘点位对应的锐化强度。采用上述的方式对每个理想边缘点位均进行相同的处理,即可得到每个理想边缘点位对应的锐化强度。进一步地,预设的强度信息与锐化强度的对应关系满足高斯函数,预设的强度信息为自变量,锐化强度为因变量,用户还可以根据需求设定其它入参。通过满足高斯函数的对应关系可以实现对暗侧像素的压制和对亮侧像素的提升,进而增强边界的锐化效果。
具体地,依据每个理想边缘点位对应的锐化强度对基础增强图像进行锐化,得到边缘增强图像的步骤,可以理解为,依据每个理想边缘点位对应的锐化强度对基础增强图像上对应的点位进行锐化处理,即可得到边缘增强图像。
进一步地,为了降低伪彩对锐化效果的影响,本发明实施例还可以包括:依据每个理想边缘点位对应的锐化强度降低边缘增强图像中每个理想边缘点位的色度。
在图像锐化的过程中通常会由于色散问题、CFA域到RGB的插值算法问题等,导致边缘存在伪彩,而边缘增强会由于伪彩的存在,降低增强后的锐化视觉效果。降低目标增强点的色度值能够有效地降低伪彩对锐化效果的影响。
针对上述图2-图6的方法流程,下面给出一种图像处理装置200的可能的实现方式,该图像处理装置200可以采用上述实施例中的电子设备100的器件结构实现,也可以为该电子设备100中的处理器101实现,请参阅图7,图7示出了本发明实施例提供的图像处理装置功能模块示意图。图像处理装置200包括获取模块201和处理模块202。
获取模块201,用于获取目标点位的目标灰度梯度值和目标点位所在区域的亮度参数,其中,目标点位为待处理图像中任一点位,目标灰度梯度值为目标点位与指定方向上相邻点位的灰度差值,亮度参数表征目标点位所在区域亮度值和全图亮度值的比值;
处理模块202,用于依据亮度参数和预设的梯度阈值得到目标梯度阈值;当目标灰度梯度值大于或等于目标梯度阈值时,则将目标点位作为理想边缘点位;依据所有的理想边缘点位得到待处理图像的图像边缘。
在本发明实施例中,获取模块执行所述获取目标点位所在区域的亮度参数的步骤,具体用于:获取全图亮度值和区域亮度值,其中,全图亮度值为待处理图像的亮度平均值,区域亮度值为目标点位所在区域的亮度平均值;根据全图亮度值和区域亮度值满足如下公式:α=Luma_cur/Luma_pic;其中,α为亮度参数,Luma_cur为区域亮度值,Luma_pic为全图亮度值。
在本发明实施例中,获取模块201执行所述获取目标点位的目标灰度梯度值的步骤,具体用于:获取目标点位至少一个第一方向的第一灰度梯度值,其中,第一灰度梯度值为目标点位与在第一方向上与目标点位相邻点位的灰度差值;获取目标点位至少一个第二方向的第二灰度梯度值,其中,第一方向和第二方向对应,且每一第二方向与对应的第一方向垂直;依据至少一个第一灰度梯度值和至少一个第二灰度梯度值得到目标灰度梯度值。
在本发明实施例中,获取模块201执行依据至少一个第一灰度梯度值和至少一个第二灰度梯度值得到目标灰度梯度值的步骤,具体用于:计算第一灰度梯度值与第一灰度梯度值对应的第二灰度梯度值的比值,得到第一灰度梯度值对应的梯度比值;将每个第一灰度梯度值对应的梯度比值进行对比,得到最大梯度比值,并将最大梯度比值对应的第一灰度梯度值确定为目标灰度梯度值。
在本发明实施例中,处理模块202执行依据亮度参数和预设的梯度阈值得到目标梯度阈值的步骤,具体用于:根据亮度参数和预设的梯度阈值满足如下公式:th_cur=th_base*α;其中,th_cur为目标梯度阈值,th_base为预设的梯度阈值,α为亮度参数。
在本发明实施例中,处理模块202还用于:获取每个理想边缘点位的强度信息,并依据每个强度信息和待处理图像,得到边缘增强图像,其中,强度信息为目标灰度梯度值和目标梯度阈值的差值。
在本发明实施例中,处理模块202执行所述依据每个强度信息和待处理图像,得到边缘增强图像的步骤,具体用于:对待处理图像进行一次增强处理,得到基础增强图像;依据每个理想边缘点位的强度信息对基础增强图像进行二次增强处理,得到边缘增强图像。
在本发明实施例中,处理模块202执行所述依据每个理想边缘点位的强度信息对基础增强图像进行二次增强处理,得到边缘增强图像的步骤,具体用于:依据每个理想边缘点位的强度信息、以及预设的强度信息与锐化强度的对应关系,得到每个理想边缘点位对应的锐化强度;依据每个理想边缘点位对应的锐化强度对基础增强图像进行锐化,得到边缘增强图像。
在本发明实施例中,处理模块202还用于:依据每个理想边缘点位对应的锐化强度降低边缘增强图像中的每个理想边缘点位的色度。
综上,本发明实施例所提供的一种图像处理方法及装置,方法包括获取目标点位的目标灰度梯度值和目标点位所在区域的亮度参数;依据亮度参数和预设的梯度阈值得到目标梯度阈值;当目标灰度梯度值大于或等于目标梯度阈值时,则将目标点位作为理想边缘点位;依据所有的理想边缘点位得到待处理图像的图像边缘。通过依据不同区域的明暗情况改变灰度梯度阈值,使得在较暗区域中进行边缘检测筛选出的理想边缘点位更加全面,得到的边缘图像能够更加完整,从而能够清晰、直接的反应原图像中较暗区域的原有边缘。
本领域内的技术人员应明白,本发明实施例可提供为方法、装置、设备或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、装置、设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,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。
以上所述仅为本发明的可选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (7)
1.一种图像处理方法,其特征在于,所述方法包括:
获取目标点位的目标灰度梯度值和所述目标点位所在区域的亮度参数,其中,目标点位为待处理图像中任一点位,目标灰度梯度值为目标点位与指定方向上相邻点位的灰度差值,所述亮度参数表征所述目标点位所在区域亮度值和全图亮度值的比值;
依据所述亮度参数和预设的梯度阈值得到目标梯度阈值;
当所述目标灰度梯度值大于或等于目标梯度阈值时,则将所述目标点位作为理想边缘点位;
依据所有的理想边缘点位得到所述待处理图像的图像边缘;
获取所述目标点位所在区域的亮度参数的步骤包括:
获取全图亮度值和区域亮度值,其中,所述全图亮度值为所述待处理图像的亮度平均值,所述区域亮度值为目标点位所在区域的亮度平均值;
根据所述全图亮度值和区域亮度值满足如下公式:
α=Luma_cur/Luma_pic;
其中,α为所述亮度参数,Luma_cur为所述区域亮度值,Luma_pic为所述全图亮度值;
根据亮度参数和预设的梯度阈值满足如下公式得到目标梯度阈值:
th_cur=th_base*α
th_cur为目标梯度阈值,th_base为预设的梯度阈值;
所述方法还包括:
获取每个所述理想边缘点位的强度信息,并依据每个所述强度信息和所述待处理图像,得到边缘增强图像,其中,所述强度信息为所述目标灰度梯度值和所述目标梯度阈值的差值;
所述依据每个所述强度信息和所述待处理图像,得到边缘增强图像的步骤,包括:
对所述待处理图像进行一次增强处理,得到基础增强图像;
依据每个所述理想边缘点位的强度信息对所述基础增强图像进行二次增强处理,得到边缘增强图像;
所述对所述待处理图像进行一次增强处理,得到基础增强图像的步骤,包括:
根据梯度阈值得到待处理图像中的局部边缘,根据所述局部边缘的边缘强度,调整增强系数,确定出与所述增强系数一致的预设增强系数对应的锐化模板,并通过锐化模板对图像进行滤波处理,得到基础增强图像。
2.如权利要求1所述的图像处理方法,其特征在于,所述获取目标点位的目标灰度梯度值的步骤包括:
获取所述目标点位至少一个第一方向的第一灰度梯度值,其中,所述第一灰度梯度值为所述目标点位与在所述第一方向上与所述目标点位相邻点位的灰度差值;
获取所述目标点位至少一个第二方向的第二灰度梯度值,其中,所述第一方向和所述第二方向对应,且每一第二方向与对应的第一方向垂直;
依据至少一个所述第一灰度梯度值和至少一个所述第二灰度梯度值得到目标灰度梯度值。
3.如权利要求2所述的图像处理方法,其特征在于,所述依据至少一个所述第一灰度梯度值和至少一个所述第二灰度梯度值得到目标灰度梯度值的步骤包括:
计算所述第一灰度梯度值与所述第一灰度梯度值对应的第二灰度梯度值的比值,得到所述第一灰度梯度值对应的梯度比值;
将每个所述第一灰度梯度值对应的梯度比值进行对比,得到最大梯度比值,并将所述最大梯度比值对应的第一灰度梯度值确定为目标灰度梯度值。
4.如权利要求1所述的图像处理方法,其特征在于,所述依据所述亮度参数和预设的梯度阈值得到目标梯度阈值的步骤包括:
根据所述亮度参数和预设的梯度阈值满足如下公式:
th_cur=th_base*α;
其中,th_cur为所述目标梯度阈值,th_base为所述预设的梯度阈值,α为所述亮度参数。
5.如权利要求1所述的方法,其特征在于,所述依据每个所述理想边缘点位的强度信息对所述基础增强图像进行二次增强处理,得到边缘增强图像的步骤,包括:
依据所述每个所述理想边缘点位的强度信息、以及预设的强度信息与锐化强度的对应关系,得到每个所述理想边缘点位对应的锐化强度;
依据每个所述理想边缘点位对应的锐化强度对所述基础增强图像进行锐化,得到边缘增强图像。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
依据每个所述理想边缘点位对应的锐化强度降低所述边缘增强图像中的每个理想边缘点位的色度。
7.一种图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取目标点位的目标灰度梯度值和所述目标点位所在区域的亮度参数,其中,目标点位为待处理图像中任一点位,目标灰度梯度值为目标点位与指定方向上相邻点位的灰度差值,所述亮度参数表征所述目标点位所在区域亮度值和全图亮度值的比值;
处理模块,用于依据所述亮度参数和预设的梯度阈值得到目标梯度阈值;当所述目标灰度梯度值大于或等于目标梯度阈值时,则将所述目标点位作为理想边缘点位;依据所有的理想边缘点位得到所述待处理图像的图像边缘;
获取所述目标点位所在区域的亮度参数的步骤包括:
获取全图亮度值和区域亮度值,其中,所述全图亮度值为所述待处理图像的亮度平均值,所述区域亮度值为目标点位所在区域的亮度平均值;
根据所述全图亮度值和区域亮度值满足如下公式:
α=Luma_cur/Luma_pic;
其中,α为所述亮度参数,Luma_cur为所述区域亮度值,Luma_pic为所述全图亮度值;
根据亮度参数和预设的梯度阈值满足如下公式得到目标梯度阈值:
th_cur=th_base*α
th_cur为目标梯度阈值,th_base为预设的梯度阈值;
所述装置还用于获取每个所述理想边缘点位的强度信息,并依据每个所述强度信息和所述待处理图像,得到边缘增强图像,其中,所述强度信息为所述目标灰度梯度值和所述目标梯度阈值的差值;
依据每个所述强度信息和所述待处理图像,得到边缘增强图像包括:
对所述待处理图像进行一次增强处理,得到基础增强图像;
依据每个所述理想边缘点位的强度信息对所述基础增强图像进行二次增强处理,得到边缘增强图像;
所述对所述待处理图像进行一次增强处理,得到基础增强图像,包括:
根据梯度阈值得到待处理图像中的局部边缘,根据所述局部边缘的边缘强度,调整增强系数,确定出与所述增强系数一致的预设增强系数对应的锐化模板,并通过锐化模板对图像进行滤波处理,得到基础增强图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910474683.7A CN110189349B (zh) | 2019-06-03 | 2019-06-03 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910474683.7A CN110189349B (zh) | 2019-06-03 | 2019-06-03 | 图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110189349A CN110189349A (zh) | 2019-08-30 |
CN110189349B true CN110189349B (zh) | 2022-03-25 |
Family
ID=67719732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910474683.7A Active CN110189349B (zh) | 2019-06-03 | 2019-06-03 | 图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110189349B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827254A (zh) * | 2019-10-31 | 2020-02-21 | 北京京东尚科信息技术有限公司 | 图像清晰度的确定方法和装置 |
CN110992264B (zh) * | 2019-11-28 | 2023-09-01 | 北京金山云网络技术有限公司 | 一种图像处理方法、处理装置、电子设备及存储介质 |
CN112288764A (zh) * | 2020-03-03 | 2021-01-29 | 北京沃东天骏信息技术有限公司 | 图像分割方法、装置、设备及存储介质 |
CN111539269A (zh) * | 2020-04-07 | 2020-08-14 | 北京达佳互联信息技术有限公司 | 文本区域的识别方法、装置、电子设备和存储介质 |
CN111738179A (zh) * | 2020-06-28 | 2020-10-02 | 湖南国科微电子股份有限公司 | 一种人脸图像质量评估方法、装置、设备、介质 |
CN112598652B (zh) * | 2020-12-25 | 2024-01-30 | 凌云光技术股份有限公司 | 一种基于梯度变换的液晶屏边缘断线检测方法 |
CN113256534B (zh) * | 2021-06-16 | 2022-01-07 | 湖南兴芯微电子科技有限公司 | 一种图像增强方法、装置及介质 |
CN113592776A (zh) * | 2021-06-30 | 2021-11-02 | 北京旷视科技有限公司 | 图像处理方法及装置、电子设备、存储介质 |
CN113643272A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种目标定位建模方法 |
CN116128877B (zh) * | 2023-04-12 | 2023-06-30 | 山东鸿安食品科技有限公司 | 一种基于温度检测的排汽回收智能监测系统 |
CN116883392B (zh) * | 2023-09-05 | 2023-11-17 | 烟台金丝猴食品科技有限公司 | 基于图像处理的投料控制方法及系统 |
CN117671464B (zh) * | 2024-02-02 | 2024-04-16 | 深圳市拓远能源科技有限公司 | 一种基于边缘计算的设备物联网数据管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999030270A1 (en) * | 1997-12-08 | 1999-06-17 | Intel Corporation | A new perceptual thresholding for gradient-based local edge detection |
US6229578B1 (en) * | 1997-12-08 | 2001-05-08 | Intel Corporation | Edge-detection based noise removal algorithm |
CN105323419A (zh) * | 2014-07-25 | 2016-02-10 | 能晶科技股份有限公司 | 产生方位图像的方法 |
CN108550158A (zh) * | 2018-04-16 | 2018-09-18 | 深圳市华星光电技术有限公司 | 图像边缘处理方法、电子装置及计算机可读存储介质 |
-
2019
- 2019-06-03 CN CN201910474683.7A patent/CN110189349B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999030270A1 (en) * | 1997-12-08 | 1999-06-17 | Intel Corporation | A new perceptual thresholding for gradient-based local edge detection |
US6229578B1 (en) * | 1997-12-08 | 2001-05-08 | Intel Corporation | Edge-detection based noise removal algorithm |
CN105323419A (zh) * | 2014-07-25 | 2016-02-10 | 能晶科技股份有限公司 | 产生方位图像的方法 |
CN108550158A (zh) * | 2018-04-16 | 2018-09-18 | 深圳市华星光电技术有限公司 | 图像边缘处理方法、电子装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
适用于小尺寸TFT_LCD的图像锐化算法及其硬件实现;郭振华 等;《液晶与显示》;20091130;第24卷(第5期);第756-761页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110189349A (zh) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110189349B (zh) | 图像处理方法及装置 | |
US11113795B2 (en) | Image edge processing method, electronic device, and computer readable storage medium | |
US11138444B2 (en) | Methods and devices for processing images of a traffic light | |
WO2018032783A1 (zh) | 一种图像处理方法及装置 | |
CN111612781A (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
US20190266706A1 (en) | Removal of shadows from document images while preserving fidelity of image contents | |
CN109658330B (zh) | 一种发色调整方法及装置 | |
CN105338338A (zh) | 用于成像条件检测的方法和装置 | |
WO2015070723A1 (zh) | 眼部图像处理方法和装置 | |
CN107622504B (zh) | 用于处理图片的方法和装置 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN115631117B (zh) | 缺陷检测用的图像增强方法、装置、检测系统及存储介质 | |
CN111951172A (zh) | 一种图像优化方法、装置、设备和存储介质 | |
CN116823628A (zh) | 一种图像处理方法和图像处理装置 | |
CN113487473B (zh) | 一种添加图像水印的方法、装置、电子设备及存储介质 | |
WO2017128646A1 (zh) | 一种图像处理的方法及装置 | |
CN113052923B (zh) | 色调映射方法、装置、电子设备和存储介质 | |
JP5024574B2 (ja) | 画像処理装置及び画像処理プログラム | |
Fuh et al. | Mcpa: A fast single image haze removal method based on the minimum channel and patchless approach | |
CN111696064B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 | |
He et al. | Effective haze removal under mixed domain and retract neighborhood | |
JP4867903B2 (ja) | 画像処理プログラム及び画像処理装置 | |
CN116310889A (zh) | 无人机环境感知数据的处理方法、控制终端以及存储介质 | |
US9648208B2 (en) | Method and apparatus and using an enlargement operation to reduce visually detected defects in an image |
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 |