CN110428440A - 一种基于灰度方差的阴影检测方法 - Google Patents

一种基于灰度方差的阴影检测方法 Download PDF

Info

Publication number
CN110428440A
CN110428440A CN201910665222.8A CN201910665222A CN110428440A CN 110428440 A CN110428440 A CN 110428440A CN 201910665222 A CN201910665222 A CN 201910665222A CN 110428440 A CN110428440 A CN 110428440A
Authority
CN
China
Prior art keywords
image
shadow
variance
obtains
picture
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.)
Pending
Application number
CN201910665222.8A
Other languages
English (en)
Inventor
白直灿
陈华锋
叶时平
陈超祥
胡美艳
王勇刚
吴凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Shuren University
Original Assignee
Zhejiang Shuren University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Shuren University filed Critical Zhejiang Shuren University
Priority to CN201910665222.8A priority Critical patent/CN110428440A/zh
Publication of CN110428440A publication Critical patent/CN110428440A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators

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

本发明提供了一种基于灰度方差的阴影检测方法，包括以下步骤：S1、对拍摄得到的原图的灰度图像进行均值运算，获得该图片的矩阵均值；S2、对该图片进行方差运算，获得方差图；S3、对S2中所得到的方差图使用最大类间方差法进行阈值分割，得到一个合适的阈值，然后通过阈值分割实现对图像的二值化操作，完成对图像阴影区域的初步阴影检测；S4、运用形态学的膨胀操作处理和腐蚀操作处理初步得到的阴影区域图，完善阴影区域，完成图片阴影的检测，解决了图像的阴影位置和范围检测不准确，检测过程较慢的问题。

Description

一种基于灰度方差的阴影检测方法
技术领域
本发明属于图像处理方法技术领域，具体涉及一种基于灰度方差的阴影检测方法。
背景技术
随着时代的发展，信息处理也在不断发展，从文本图像，到现在的各种媒体形式，如声音和视频等。而计算机视觉就是指用摄影机和计算机代替人眼来识别目标，并而进行图像处理，获取这些信息的基础就是要对数字图像的准确分析和处理，即数字图像处理技术。
由于图像形成条件的限制，我们的接收的视觉信息一般都存在降质现象，而图像的阴影就是由图像降质引起的。图像中阴影的形成是太阳光线被物体遮挡所产生的，为了有效地消除图像阴影所造成的影响，提高图像利用率，对图像中阴影的处理是非常有必要的。
在航拍图像形成过程中，图像中的目标物体被阴影遮挡，图像质量下降，导致最后航拍图像能发挥的作用降低。为了提高图像的质量，不但要检测出图像中的阴影，还要减小或消除阴影带来的影响。为了实现这一目标，必须首先检测出图像中的阴影位置和范围，而阴影检测的准确性也将直接影响后面阴影处理的操作，因而需要能准备快速的检测出图像中的阴影位置和范围是很有必要的。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种基于灰度方差的阴影检测方法，以解决上述背景技术中提出的图像的阴影位置和范围检测不准确，且检测过程较慢的问题。
为解决上述技术问题，本发明采用的技术方案是：一种基于灰度方差的阴影检测方法，包括以下步骤：
S1、对拍摄得到的原图的灰度图像进行均值运算，获得该图片的矩阵均值，算法如下，
其中，i表示原图；
avg表示图像均值；
m*n为图像尺寸；
S2、对该图片进行方差运算，获得方差图，算法如下：
其中，a表示方差图；
S3、对S2中所得到的方差图使用最大类间方差法进行阈值分割，得到一个合适的阈值，然后通过阈值分割实现对图像的二值化操作，完成对图像阴影区域的初步阴影检测；
S4、运用形态学的膨胀操作处理和腐蚀操作处理初步得到的阴影区域图，完善阴影区域，完成图片阴影的检测。
优选的，在S3中，所述最大类间方差法是按图像的灰度特性，将图像分成背景和目标两部分，其中背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，同时当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。
优选的，在S3中，所述阈值分割是通过设定不同的特征阈值，然后把图像像素点分为若干类，将图像二值化。
优选的，在S4中，所述膨胀操作处理是将与物体接触的背景点融合到自身中，使边界向外扩大的过程，用来填补物体中的空洞。
优选的，在S4中，所述腐蚀操作处理是消除边界点，使边界向内收缩的过程，用来消除微小的物体。
本发明与现有技术相比具有以下优点：
本发明充分利用阴影图像阴影区域的特点，先对拍摄得到的原图的灰度图像进行均值运算，获得该图片的矩阵均值后进行方差运算，然后对方差图使用最大类间方差法进行阈值分割，得到合适的阈值后通过阈值分割实现对图像的二值化操作，完成对图像阴影区域的初步阴影检测，最后运用形态学的膨胀操作处理和腐蚀操作处理初步得到的阴影区域图，完善阴影区域，能够直接检测出阴影区域，实现起来简单快速，且能准确的检测出图像阴影的位置和范围。
附图说明
图1是本发明方法流程图；
图2是本发明实际处理效果图；
图3为本发明膨胀操作处理示意图；
图4为本发明腐蚀操作处理示意图。
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。
如图1和图2所示，本发明提供一种技术方案：一种基于灰度方差的阴影检测方法，其特征在于，包括以下步骤：
S1、对拍摄得到的原图的灰度图像进行均值运算，获得该图片的矩阵均值，算法如下，
其中，i表示原图；
avg表示图像均值；
m*n为图像尺寸；
S2、对该图片进行方差运算，获得方差图，算法如下：
其中，a表示方差图；
S3、对S2中所得到的方差图使用最大类间方差法进行阈值分割，最大类间方差法是按图像的灰度特性，将图像分成背景和目标两部分，其中背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，同时当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因而，使类间方差最大的分割意味着错分概率最小
得到一个合适的阈值后，然后通过阈值分割实现对图像的二值化操作，具体为通过设定不同的特征阈值，然后把图像像素点分为若干类，将图像二值化，假设原始图像为f(x，y),按照一定的准则f(x，y)中找到特征值T，将图像分割为两个部分，则分割后的图像为：若取：b0＝0(黑)，b1＝1(白)，即可完成对图像阴影区域的初步阴影检测；
S4、运用形态学的膨胀操作处理和腐蚀操作处理初步得到的阴影区域图，如图3所示，膨胀操作处理是将与物体接触的背景点融合到自身中，使边界向外扩大的过程，用来填补物体中的空洞完善阴影区域，
如图4所示，腐蚀操作处理是消除边界点，使边界向内收缩的过程，用来消除微小的物体，处理完成后即可完成图片阴影的检测。
本发明充分利用阴影图像阴影区域的特点，先对拍摄得到的原图的灰度图像进行均值运算，获得该图片的矩阵均值后进行方差运算，然后对方差图使用最大类间方差法进行阈值分割，得到合适的阈值后通过阈值分割实现对图像的二值化操作，完成对图像阴影区域的初步阴影检测，最后运用形态学的膨胀操作处理和腐蚀操作处理初步得到的阴影区域图，完善阴影区域，能够直接检测出阴影区域，实现起来简单快速，且能准确的检测出图像阴影的位置和范围。
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。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种基于灰度方差的阴影检测方法，其特征在于，包括以下步骤：
S1、对拍摄得到的原图的灰度图像进行均值运算，获得该图片的矩阵均值，算法如下，
其中，i表示原图；
avg表示图像均值；
m*n为图像尺寸；
S2、对该图片进行方差运算，获得方差图，算法如下：
其中，a表示方差图；
S3、对S2中所得到的方差图使用最大类间方差法进行阈值分割，得到一个合适的阈值，然后通过阈值分割实现对图像的二值化操作，完成对图像阴影区域的初步阴影检测；
S4、运用形态学的膨胀操作处理和腐蚀操作处理初步得到的阴影区域图，完善阴影区域，完成图片阴影的检测。
2.根据权利要求1所述的一种基于灰度方差的阴影检测方法，其特征在于，在S3中，所述最大类间方差法是按图像的灰度特性，将图像分成背景和目标两部分，其中背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，同时当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。
3.根据权利要求1所述的一种基于灰度方差的阴影检测方法，其特征在于，在S3中，所述阈值分割是通过设定不同的特征阈值，然后把图像像素点分为若干类，将图像二值化。
4.根据权利要求1所述的一种基于灰度方差的阴影检测方法，其特征在于，在S4中，所述膨胀操作处理是将与物体接触的背景点融合到自身中，使边界向外扩大的过程，用来填补物体中的空洞。
5.根据权利要求1所述的一种基于灰度方差的阴影检测方法，其特征在于，在S4中，所述腐蚀操作处理是消除边界点，使边界向内收缩的过程，用来消除微小的物体。
CN201910665222.8A 2019-07-23 2019-07-23 一种基于灰度方差的阴影检测方法 Pending CN110428440A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910665222.8A CN110428440A (zh) 2019-07-23 2019-07-23 一种基于灰度方差的阴影检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910665222.8A CN110428440A (zh) 2019-07-23 2019-07-23 一种基于灰度方差的阴影检测方法

Publications (1)

Publication Number Publication Date
CN110428440A true CN110428440A (zh) 2019-11-08

Family

ID=68411896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910665222.8A Pending CN110428440A (zh) 2019-07-23 2019-07-23 一种基于灰度方差的阴影检测方法

Country Status (1)

Country Link
CN (1) CN110428440A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116617A (zh) * 2020-08-19 2020-12-22 吉旗物联科技（上海）有限公司 不规则物体阴影检测方法及装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100040282A1 (en) * 2008-08-14 2010-02-18 Xerox Corporation Decoding of uv marks using a digital image acquisition device
CN101976437A (zh) * 2010-09-29 2011-02-16 中国资源卫星应用中心 基于自适应阈值分割的高分辨率遥感影像变化检测方法
CN102750701A (zh) * 2012-06-15 2012-10-24 西安电子科技大学 针对Landsat TM和ETM图像的厚云及其阴影检测方法
CN103020639A (zh) * 2012-11-27 2013-04-03 河海大学 一种白细胞自动识别计数方法
CN103679184A (zh) * 2013-12-06 2014-03-26 河海大学 一种基于相关向量机的白细胞自动识别方法
CN106650728A (zh) * 2016-12-09 2017-05-10 浙江浩腾电子科技股份有限公司 一种阴影车牌图像二值化方法
CN107038690A (zh) * 2017-03-27 2017-08-11 湘潭大学 一种基于多特征融合的运动阴影去除方法
CN107230214A (zh) * 2017-05-27 2017-10-03 西安电子科技大学 基于递归otsu算法的sar图像水域自动检测方法
CN107945200A (zh) * 2017-12-14 2018-04-20 中南大学 图像二值化分割方法
CN108229248A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 基于车底阴影的车辆检测方法
CN108256385A (zh) * 2016-12-28 2018-07-06 南宁市浩发科技有限公司 基于视觉的前方车辆检测方法
CN108830311A (zh) * 2018-06-01 2018-11-16 南京邮电大学 一种基于Adaboost的红外图像光伏阵列识别方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100040282A1 (en) * 2008-08-14 2010-02-18 Xerox Corporation Decoding of uv marks using a digital image acquisition device
CN101976437A (zh) * 2010-09-29 2011-02-16 中国资源卫星应用中心 基于自适应阈值分割的高分辨率遥感影像变化检测方法
CN102750701A (zh) * 2012-06-15 2012-10-24 西安电子科技大学 针对Landsat TM和ETM图像的厚云及其阴影检测方法
CN103020639A (zh) * 2012-11-27 2013-04-03 河海大学 一种白细胞自动识别计数方法
CN103679184A (zh) * 2013-12-06 2014-03-26 河海大学 一种基于相关向量机的白细胞自动识别方法
CN106650728A (zh) * 2016-12-09 2017-05-10 浙江浩腾电子科技股份有限公司 一种阴影车牌图像二值化方法
CN108229248A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 基于车底阴影的车辆检测方法
CN108256385A (zh) * 2016-12-28 2018-07-06 南宁市浩发科技有限公司 基于视觉的前方车辆检测方法
CN107038690A (zh) * 2017-03-27 2017-08-11 湘潭大学 一种基于多特征融合的运动阴影去除方法
CN107230214A (zh) * 2017-05-27 2017-10-03 西安电子科技大学 基于递归otsu算法的sar图像水域自动检测方法
CN107945200A (zh) * 2017-12-14 2018-04-20 中南大学 图像二值化分割方法
CN108830311A (zh) * 2018-06-01 2018-11-16 南京邮电大学 一种基于Adaboost的红外图像光伏阵列识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
D. CHAUDHURI ET AL: "Automatic Building Detection From High-Resolution Satellite Images Based on Morphology and Internal Gray Variance", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 *
吴娱: "《数字图像处理》", 31 October 2017 *
李江: "《中医药科研思路与方法》", 北京：中国中医药出版社 *
王蜜蜂: "遥感影像的阴影检测与补偿方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
黄贝莹: "基于城市IKONOS影像阴影提取城市建筑物高度研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116617A (zh) * 2020-08-19 2020-12-22 吉旗物联科技（上海）有限公司 不规则物体阴影检测方法及装置

Similar Documents

Publication Publication Date Title
Feng et al. Local background enclosure for RGB-D salient object detection
CN107862698B (zh) 基于k均值聚类的光场前景分割方法及装置
CN110378945B (zh) 深度图处理方法、装置和电子设备
CN111612820B (zh) 多目标跟踪方法、特征提取模型的训练方法和装置
CN104156951B (zh) 一种针对支气管肺泡灌洗液涂片的白细胞检测方法
CN109636732B (zh) 一种深度图像的空洞修复方法以及图像处理装置
CN108537782B (zh) 一种基于轮廓提取的建筑物图像匹配与融合的方法
CN109636784A (zh) 基于最大邻域和超像素分割的图像显著性目标检测方法
TW201519162A (zh) 用於調整深度値的方法、電子裝置和媒體
CN109559324A (zh) 一种线阵图像中的目标轮廓检测方法
CN102236784A (zh) 屏幕区域检测方法及系统
CN110930411B (zh) 一种基于深度相机的人体分割方法及系统
CN111091592A (zh) 图像处理方法、图像处理装置、电子设备及可读存储介质
CN107657619A (zh) 一种低照度林火图像分割方法
CN109977831A (zh) 一种基于数字图像处理的旋钮识别方法
WO2020173024A1 (zh) 面向智能家居场景的多手势精准分割方法
CN105389793B (zh) 一种自动识别物体表面裂缝走向及宽度的方法
CN109727226A (zh) 一种基于机器学习的位置表自动生成方法
CN110245600B (zh) 自适应起始快速笔画宽度无人机道路检测方法
CN106937059A (zh) 基于Kinect的影像合成方法和系统
CN112669280A (zh) 一种基于lsd算法的无人机倾斜航拍直角像控点目标检测方法
CN110414558A (zh) 基于事件相机的特征点匹配方法
Kostková et al. Stratified Dense Matching for Stereopsis in Complex Scenes.
CN110428440A (zh) 一种基于灰度方差的阴影检测方法
Deng et al. Kinect shadow detection and classification

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191108

RJ01 Rejection of invention patent application after publication