CN110766624B - 一种基于迭代修复的点目标和暗斑图像背景均衡方法 - Google Patents
一种基于迭代修复的点目标和暗斑图像背景均衡方法 Download PDFInfo
- Publication number
- CN110766624B CN110766624B CN201910975484.4A CN201910975484A CN110766624B CN 110766624 B CN110766624 B CN 110766624B CN 201910975484 A CN201910975484 A CN 201910975484A CN 110766624 B CN110766624 B CN 110766624B
- Authority
- CN
- China
- Prior art keywords
- image
- dark
- smooth filtering
- point target
- carrying
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000001914 filtration Methods 0.000 claims description 36
- 230000011218 segmentation Effects 0.000 claims description 24
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000877 morphologic effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000009499 grossing Methods 0.000 description 6
- 230000003628 erosive effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000010339 dilation Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable 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
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于迭代修复的点目标和暗斑图像背景均衡方法，针对现有图像背景均衡方法对含点目标和暗斑图像均衡不彻底、易在点目标和暗斑周围形成暗环和亮环的问题，通过对点目标和暗斑的迭代修复来实现更优的背景均衡。其有益效果在于：可以在对图像进行背景均衡处理时，同时抑制点目标周围的暗环和暗斑周围的亮环，克服点目标拉高和暗斑拉低其邻域背景的问题，从而提升点目标的信噪比，并能剔除暗斑。
Description
技术领域
本发明属于图像处理领域，具体涉及一种基于迭代修复的点目标和暗斑图像背景均衡方法。
背景技术
许多情况需要对图像进行背景均衡处理，即将整幅图像调整为一个近似的平面，并且平面灰度为0左右。比如，天空中有飞行物体的图像，为了将飞行物体提取出来，天空本身的起伏就必须要进行均衡处理，从而利于飞行物体的进一步分割。
目前，人们提出了许多背景均衡方法，比如：二维移动窗口平均平滑滤波法，即用各像素周围像素的均值来估计背景；高通滤波法，即将图像通过一个高通滤波器，去除其低频成分，从而得到均衡图像；二维中值滤波法，即用各像素周围像素的中值来估计背景；曲面拟合法，即用多项式或高斯曲面拟合整幅图像作为背景；小波分解法，即将图像进行小波分解，将其低频部分作为背景，等等。
然而，上述方法都存在一定的缺陷，尤其是对含点目标和暗斑的图像而言，可能因为点目标和暗斑的影响，使背景均衡不够精确和彻底。比如前两种滤波方法，虽然可以处理较为复杂的起伏背景，且整体均衡效果较好，但都可能在均衡后的点目标周围形成一个暗环或在暗斑周围形成一个亮环，从而影响后续提取；二维中值滤波法虽然可以克服暗环和亮环问题，但必须采用很大的移动窗口，导致计算量爆炸式增长，难以实时应用；曲面拟合法虽然不会造成暗环和亮环，但也有可能因点目标影响拉高附近背景的灰度或因暗斑影响拉低附近背景的灰度，造成其邻域均衡不彻底，并且无法适应较复杂的起伏背景；小波分解法虽然能更好的应对复杂起伏背景，但对点目标和暗斑也有同样的问题，并且算法复杂，计算量大，不便于实际应用，等等。因此，亟待一种能同时实现彻底背景均衡、处理复杂起伏背景、计算代价小的图像背景均衡方法。
发明内容
本发明要解决的技术问题：针对现有图像背景均衡方法对含点目标和暗斑图像均衡不彻底、易在点目标和暗斑周围形成暗环和亮环的问题，提供一种基于迭代修复的点目标和暗斑图像背景均衡方法，可以用较小的计算代价达到更好的背景均衡效果。
本发明的采用的技术方案为：一种基于迭代修复的点目标和暗斑图像背景均衡方法，由于二维移动窗口平均平滑滤波法兼具计算量小、均衡效果好、可以处理复杂起伏背景的优点，因此本发明提出以二维移动窗口平均平滑滤波法为基础，通过对点目标和暗斑的迭代修复来实现更优的背景均衡。其中迭代修复分别是指对暗区的修复、对亮区的修复和对暗区的再次修复，具体实现步骤如下：
步骤(1)对原始图像进行平滑滤波、暗区分割及插值替换，得到首次修复图像；
步骤(2)对首次修复图像进行平滑滤波、亮区分割及插值替换，得到二次修复图像；
步骤(3)对二次修复图像再次进行平滑滤波、暗区分割及插值替换，得到最终均衡图像；
步骤(4)如果均衡不彻底，可重复以上步骤(2)～步骤(3)步直到满足要求。
本发明与现有技术相比的有益效果在于：
利用该方法，可以在对图像进行背景均衡处理时，同时抑制点目标周围的暗环和暗斑周围的亮环，克服点目标拉高和暗斑拉低其邻域背景的问题，从而提升点目标的信噪比，并能剔除暗斑。
附图说明
图1是本发明基于迭代修复的点目标和暗斑图像背景均衡方法的流程图；
图2是实施例中的原始图像；
图3是实施例中原始图像的三维图；
图4是实施例中的首次平滑滤波图像；
图5是实施例中的首次均衡图像；
图6是实施例中对图5进行低灰度二值分割的结果图；
图7是实施例中的首次分割暗区图；
图8是实施例中的首次修复图像；
图9是实施例中的二次平滑滤波图像；
图10是实施例中的二次均衡图像；
图11是实施例中对图10进行高灰度二值分割的结果图；
图12是实施例中对图11进行形态学腐蚀运算的结果图；
图13是实施例中的膨胀亮区图；
图14是实施例中的二次修复图像；
图15是实施例中的三次平滑滤波图像；
图16是实施例中的三次均衡图像；
图17是实施例中对图16进行低灰度二值分割的结果图；
图18是实施例中对图17进行形态学腐蚀运算的结果图；
图19是实施例中的膨胀暗区图；
图20是实施例中的最终均衡图像；
图21是实施例中最终均衡图像的三维图。
具体实施方式
以下是本发明的具体实施办法。但以下的实施例仅限于解释本发明，本发明的保护范围应包括权利要求的全部内容，而且通过以下实施例对该领域的技术人员即可以实现本发明权利要求的全部内容。
如图1所示，本发明一种基于迭代修复的点目标和暗斑图像背景均衡方法，包括如下步骤：
(1)对原始图像进行平滑滤波、暗区分割及插值替换，得到首次修复图像。
11)对原始图像进行二维移动窗口平均平滑滤波(后文简称“平滑滤波”)，得到首次平滑滤波图像。本实施例的原始图像如图2所示，其三维图如图3所示，可见图像中有一个白色的点目标和一个黑色的暗斑，并且背景有一定起伏。为简便本例采用方形窗口进行平滑滤波，得到的首次平滑滤波图像如图4所示，可见点目标和暗斑在平滑滤波后都向周围扩散，从而导致点目标和暗斑附近的背景估计不准确。
12)用原始图像减去首次平滑滤波图像，得到首次均衡图像。如图5所示，首次均衡图像的点目标周围形成了一个暗环，并且在暗斑周围形成了一个亮环。暗环和亮环则来源于上步中的背景估计不准确，这也是现有其它方法存在的问题所在。然而，亮环和点目标都是高灰度，暗环和暗斑都是低灰度，所以很难在不破坏点目标本身的条件下将它们直接区分和修复。
13)对首次均衡图像进行低灰度二值分割，并用形态学开运算去除噪点，得到首次分割暗区图。低灰度二值分割，就是令小于某个阈值的像素为真，反之为假。本步骤中阈值的计算方法为：统计首次均衡图像点目标和暗斑以外区域的均方根(用σ表示)，阈值则设为-kσ，其中k是一个自定义的倍数。本实施例中对首次均衡图像进行低灰度二值分割的结果如图6所示，得到的首次分割暗区图如图7所示。
14)对原始图像的首次分割暗区进行插值替换，即将真值域中的各个像素用其邻近假值域像素进行插值估计并替换，得到首次修复图像。本实施例采用双线性插值估计，即用邻近假值域像素拟合两条直线(横线和纵线)，然后取需要被替换像素位置的均值，将原来的像素替换掉。最后得到的首次修复图像如图8所示，修复后暗斑被填充，点目标四周虽被替换但未对点目标本身造成太大影响。
(2)对首次修复图像进行平滑滤波、亮区分割及插值替换，得到二次修复图像。
21)对首次修复图像再次进行平滑滤波，得到二次平滑滤波图像。本实施例的二次平滑滤波图像如图9所示。虽然点目标区域仍有较大扩散，但暗斑的扩散已经减小。
22)用原始图像减去二次平滑滤波图像，得到二次均衡图像。本实施例的二次均衡图像如图10所示，可见虽然点目标周围仍有一个暗环，但暗斑周围的暗环已经减弱。
23)对二次均衡图像进行高灰度二值分割，并用形态学腐蚀运算去除噪点，再用形态学膨胀运算扩大真值域，得到一幅膨胀亮区图。高灰度二值分割，就是令大于某个阈值的像素为真，反之为假。本步骤中阈值直接设为kσ，高灰度二值分割的结果如图11所示，形态学腐蚀运算后如图12所示，最后得到的膨胀亮区图如图13所示。值得指出的是，形态学膨胀运算结构元素的选取需要使亮区能覆盖整个点目标。
24)对首次修复图像的膨胀亮区进行插值替换，得到二次修复图像。本实施例的二次修复图像如图14所示，其中的点目标已经被完全替换。
(3)对二次修复图像再次进行平滑滤波、暗区分割及插值替换，得到最终均衡图像。
31)对二次修复图像再次进行平滑滤波，得到三次平滑滤波图像。本实施例的三次平滑滤波图像如图15所示，可见点目标区域已经不再扩散。
32)用原始图像减去三次平滑滤波图像，得到三次均衡图像。本实施例的三次均衡图像如图16所示，可见点目标周围的暗环已经消失，暗斑周围的亮环也不明显。
33)对三次均衡图像进行低灰度二值分割，并用形态学腐蚀运算去除噪点，再用形态学膨胀运算扩大真值域，得到一幅膨胀暗区图。本步骤中阈值也设为-kσ，低灰度二值分割的结果如图17所示，形态学腐蚀运算后如图18所示，最后得到的膨胀暗区图如图19所示。同样，形态学膨胀运算结构元素的选取需要使暗区能覆盖整个暗斑。
34)对三次均衡图像的膨胀暗区进行插值替换，得到最终均衡图像。本实施例的最终均衡图像如图20所示，其三维图如图21所示。
(4)如果均衡不彻底，可重复以上(2)～(3)步直到满足要求。本实施例已经达到要求，无需重复迭代。
Claims (4)
1.一种基于迭代修复的点目标和暗斑图像背景均衡方法，其特征在于，实现步骤如下：
步骤(1)对原始图像进行平滑滤波、暗区分割及插值替换，得到首次修复图像；
步骤(2)对首次修复图像进行平滑滤波、亮区分割及插值替换，得到二次修复图像；
步骤(3)对二次修复图像再次进行平滑滤波、暗区分割及插值替换，得到最终均衡图像；
步骤(4)如果均衡不彻底，可重复以上步骤(2)～步骤(3)步直到满足要求。
2.根据权利要求1所述的一种基于迭代修复的点目标和暗斑图像背景均衡方法，其特征在于：所述步骤(1)的具体步骤为：
11)对原始图像进行平滑滤波，得到首次平滑滤波图像；
12)用原始图像减去首次平滑滤波图像，得到首次均衡图像；
13)对首次均衡图像进行低灰度二值分割，并去除噪点，得到首次分割暗区图；
14)对原始图像的首次分割暗区进行插值替换，得到首次修复图像。
3.根据权利要求1所述的一种基于迭代修复的点目标和暗斑图像背景均衡方法，其特征在于：所述步骤(2)的具体步骤为：
21)对首次修复图像再次进行平滑滤波，得到二次平滑滤波图像；
22)用原始图像减去二次平滑滤波图像，得到二次均衡图像；
23)对二次均衡图像进行高灰度二值分割，并去除噪点，再扩大真值域，得到膨胀亮区图；
24)对首次修复图像的膨胀亮区进行插值替换，得到二次修复图像。
4.根据权利要求1所述的一种基于迭代修复的点目标和暗斑图像背景均衡方法，其特征在于：所述步骤(3)的实现步骤为：
31)对二次修复图像再次进行平滑滤波，得到三次平滑滤波图像；
32)用原始图像减去三次平滑滤波图像，得到三次均衡图像；
33)对三次均衡图像进行低灰度二值分割，并去除噪点，再扩大真值域，得到膨胀暗区图；
34)对三次均衡图像的膨胀暗区进行插值替换，得到最终均衡图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910975484.4A CN110766624B (zh) | 2019-10-14 | 2019-10-14 | 一种基于迭代修复的点目标和暗斑图像背景均衡方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910975484.4A CN110766624B (zh) | 2019-10-14 | 2019-10-14 | 一种基于迭代修复的点目标和暗斑图像背景均衡方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110766624A CN110766624A (zh) | 2020-02-07 |
| CN110766624B true CN110766624B (zh) | 2022-08-23 |
Family
ID=69332493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910975484.4A Active CN110766624B (zh) | 2019-10-14 | 2019-10-14 | 一种基于迭代修复的点目标和暗斑图像背景均衡方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110766624B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5617461A (en) * | 1995-07-25 | 1997-04-01 | Siemens Aktiengesellschaft | Method for the operation of a digital imaging system of an X-ray diagnostic apparatus |
| US5933540A (en) * | 1995-05-11 | 1999-08-03 | General Electric Company | Filter system and method for efficiently suppressing noise and improving edge definition in a digitized image |
| GB9921331D0 (en) * | 1999-09-09 | 1999-11-10 | Pandora Int Ltd | Film restoration system |
| EP1450304A1 (en) * | 2003-02-21 | 2004-08-25 | City University of Hong Kong | Image processing apparatus and method |
| CN103077517A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种非均匀照明条件下的空间目标分割方法 |
| CN103778627A (zh) * | 2014-01-02 | 2014-05-07 | 北京理工大学 | 一种基于sar图像的海域溢油检测方法 |
| CN103996174A (zh) * | 2014-05-12 | 2014-08-20 | 上海大学 | 一种对Kinect深度图像进行空洞修复的方法 |
| CN104061907A (zh) * | 2014-07-16 | 2014-09-24 | 中南大学 | 基于步态三维轮廓匹配合成的视角大幅可变步态识别方法 |
| CN105118067A (zh) * | 2015-09-22 | 2015-12-02 | 成都融创智谷科技有限公司 | 一种基于高斯平滑滤波的图像分割方法 |
| CN106331723A (zh) * | 2016-08-18 | 2017-01-11 | 上海交通大学 | 一种基于运动区域分割的视频帧率上变换方法及系统 |
| CN107133627A (zh) * | 2017-04-01 | 2017-09-05 | 深圳市欢创科技有限公司 | 红外光斑中心点提取方法及装置 |
| CN109285159A (zh) * | 2018-08-02 | 2019-01-29 | 哈尔滨工程大学 | 一种基于新型纳什均衡的医学图像分割方法 |
| CN109300138A (zh) * | 2018-08-02 | 2019-02-01 | 哈尔滨工程大学 | 一种基于两步纳什均衡改进c-v模型的医学图像分割方法 |
| CN109559338A (zh) * | 2018-11-20 | 2019-04-02 | 西安交通大学 | 一种基于加权主成分分析法及m估计的三维点云配准方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI607901B (zh) * | 2015-11-06 | 2017-12-11 | 財團法人工業技術研究院 | 影像修補系統及其方法 |
| JP2019105919A (ja) * | 2017-12-11 | 2019-06-27 | シャープ株式会社 | 平滑画像生成装置、異常判定装置、平滑画像生成方法、およびプログラム |
-
2019
- 2019-10-14 CN CN201910975484.4A patent/CN110766624B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5933540A (en) * | 1995-05-11 | 1999-08-03 | General Electric Company | Filter system and method for efficiently suppressing noise and improving edge definition in a digitized image |
| US5617461A (en) * | 1995-07-25 | 1997-04-01 | Siemens Aktiengesellschaft | Method for the operation of a digital imaging system of an X-ray diagnostic apparatus |
| GB9921331D0 (en) * | 1999-09-09 | 1999-11-10 | Pandora Int Ltd | Film restoration system |
| EP1450304A1 (en) * | 2003-02-21 | 2004-08-25 | City University of Hong Kong | Image processing apparatus and method |
| CN103077517A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种非均匀照明条件下的空间目标分割方法 |
| CN103778627A (zh) * | 2014-01-02 | 2014-05-07 | 北京理工大学 | 一种基于sar图像的海域溢油检测方法 |
| CN103996174A (zh) * | 2014-05-12 | 2014-08-20 | 上海大学 | 一种对Kinect深度图像进行空洞修复的方法 |
| CN104061907A (zh) * | 2014-07-16 | 2014-09-24 | 中南大学 | 基于步态三维轮廓匹配合成的视角大幅可变步态识别方法 |
| CN105118067A (zh) * | 2015-09-22 | 2015-12-02 | 成都融创智谷科技有限公司 | 一种基于高斯平滑滤波的图像分割方法 |
| CN106331723A (zh) * | 2016-08-18 | 2017-01-11 | 上海交通大学 | 一种基于运动区域分割的视频帧率上变换方法及系统 |
| CN107133627A (zh) * | 2017-04-01 | 2017-09-05 | 深圳市欢创科技有限公司 | 红外光斑中心点提取方法及装置 |
| CN109285159A (zh) * | 2018-08-02 | 2019-01-29 | 哈尔滨工程大学 | 一种基于新型纳什均衡的医学图像分割方法 |
| CN109300138A (zh) * | 2018-08-02 | 2019-02-01 | 哈尔滨工程大学 | 一种基于两步纳什均衡改进c-v模型的医学图像分割方法 |
| CN109559338A (zh) * | 2018-11-20 | 2019-04-02 | 西安交通大学 | 一种基于加权主成分分析法及m估计的三维点云配准方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种基于亮度均衡的图像阈值分割技术;彭兴邦等;《计算机技术与发展》;20061110(第11期);第10-12页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110766624A (zh) | 2020-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Fog removal from video sequences using contrast limited adaptive histogram equalization | |
| CN107220988B (zh) | 基于改进canny算子的零部件图像边缘提取方法 | |
| CN109242791B (zh) | 一种针对破损植物叶片的批量修复方法 | |
| CN109961416B (zh) | 一种基于形态学梯度多尺度融合的营业执照信息提取方法 | |
| CN108564597B (zh) | 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法 | |
| CN105913396A (zh) | 一种噪声估计的图像边缘保持混合去噪方法 | |
| CN110648349A (zh) | 基于背景减除和连通区域算法的焊缝缺陷分割方法 | |
| CN107633253B (zh) | 基于含噪图像中矩形包围框的精确提取和定位方法 | |
| CN110570440A (zh) | 一种基于深度学习边缘检测的图像自动分割方法及装置 | |
| CN109410147A (zh) | 一种超空泡图像增强方法 | |
| CN111353371A (zh) | 基于星载sar影像的海岸线提取方法 | |
| CN102609903B (zh) | 一种基于边缘流的活动轮廓模型图像分割的方法 | |
| CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
| CN105719251B (zh) | 一种用于大像移线性模糊的压缩降质图像复原方法 | |
| CN112529853A (zh) | 一种用于水下养殖网箱的网衣破损检测方法及装置 | |
| CN110807738A (zh) | 一种基于边缘图块锐化的模糊图像非盲复原方法 | |
| CN113744142A (zh) | 图像修复方法、电子设备及存储介质 | |
| CN115294149A (zh) | 一种天文图像背景提取方法及系统 | |
| CN114792310A (zh) | 一种LCD屏幕中边缘模糊的Mura缺陷检测方法 | |
| CN108205678B (zh) | 一种含有亮斑干扰的铭牌文字识别处理方法 | |
| CN110766624B (zh) | 一种基于迭代修复的点目标和暗斑图像背景均衡方法 | |
| Zhu et al. | Optimization of image processing in video-based traffic monitoring | |
| CN110097569B (zh) | 基于颜色马尔科夫链显著性模型的油罐目标检测方法 | |
| CN110930358A (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
| CN102663748A (zh) | 基于频域的低景深图像分割方法 |
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 |