CN110766636B - 一种用于ai芯片的智能图像处理方法 - Google Patents
一种用于ai芯片的智能图像处理方法 Download PDFInfo
- Publication number
- CN110766636B CN110766636B CN201911032067.2A CN201911032067A CN110766636B CN 110766636 B CN110766636 B CN 110766636B CN 201911032067 A CN201911032067 A CN 201911032067A CN 110766636 B CN110766636 B CN 110766636B
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- contrast
- points
- range
- 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 13
- 230000000694 effects Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000002708 enhancing effect Effects 0.000 claims abstract description 5
- 230000006978 adaptation Effects 0.000 claims abstract description 4
- 230000000875 corresponding effect Effects 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 10
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
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
本发明公开了一种用于AI芯片的智能图像处理方法,包括:获取原始实景图像;根据亮度和对比度的对应关系,通过同步调整亮度和对比度,对图像的亮度和对比度进行适配处理;通过同时空间转换图像颜色空间中的点和图像边界范围内的点,对图像的饱和度进行增强处理;获得目标图像。本发明根据亮度和对比度的对应关系,只需对亮度信息进行相应地调整,即可快速可靠地获得较佳亮度和对比度下较佳显示效果的图像;其中,通过对图像的灰度值划分范围,并对像素点数量最多的某一灰度值范围内的各像素点对应的灰度值求平均值,从而可以获得可靠的当前图像亮度信息,为下一步亮度调节、获得较佳显示效果的图像提供了有利的基础条件。
Description
技术领域
本发明涉及图像处理技术领域,更具体的涉及一种用于AI芯片的智能图像处理方法。
背景技术
图像处理技术应用广泛,但是由于图像信号的维数高,对其处理所需要的计算复杂度高。因此,在一些对系统处理实时性要求苛刻的应用场合,图像的处理速度往往成为影响系统精度和实用性的瓶颈。AI芯片也被称为AI加速器或计算卡,即专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责);当前,AI芯片主要分为GPU、FPGA、ASIC。现有技术中用FPGA作为核心的图像处理系统,其图像处理的速度、处理方式的灵活性和对不同图像算法的适应性可以大大得到提高。
工程作业中,由于受图像采集时外界环境因素(如,光线)的影响,采集的图像可能需要补光、饱和度增强等处理之后,图像才能具有较佳的显示效果,较佳显示效果的图像可以为图像分析提供有利条件。然而,现有技术中,对图像亮度、对比度、饱和度的调整通常是在特定显示界面分别单独手动调整,对于没有经验的人来说,尤其是想要前两者达到较佳平衡数值时,需要反复调整亮度、对比度,其效率低下,且当需要分辨显示效果的图像数量较多时,其目测分辨显示效果的可靠性低。
发明内容
本发明实施例提供一种用于AI芯片的智能图像处理方法,用以解决上述背景技术中提出的问题。
本发明实施例提供一种用于AI芯片的智能图像处理方法,包括:
获取原始实景图像;
根据亮度和对比度的对应关系,通过同步调整亮度和对比度,对图像的亮度和对比度进行适配处理;
通过同时空间转换图像颜色空间中的点和图像边界范围内的点,对图像的饱和度进行增强处理;
获得目标图像。
进一步地,所述原始实景图像为采用相机或摄像头采集的实景图像。
进一步地,所述根据亮度和对比度的对应关系,通过同步调整亮度和对比度,对图像的亮度和对比度进行适配处理,具体包括:
根据经验数据,将亮度和对比度的关系一一对应,并形成亮度和对比度的对应关系表;
获取当前图像的亮度,计算当前图像亮度与对应关系表中各亮度的差值;
根据各差值,分别调整当前图像亮度为对应关系表中各亮度;
根据不同亮度下的图像的显示效果,获得显示效果最佳的图像。
进一步地,所述对应关系表中亮度的数值范围是根据经验数据获得的离散数值范围,且所述对应关系表中各亮度值之间的差值相同。
进一步地,所述获取当前图像的亮度,具体包括:
获取当前图像各像素点的灰度值;
将灰度值按照数值范围分类;
统计当前图像各像素点的灰度值所处的灰度值范围,并计算出不同灰度值范围中的像素点的数量;
提取最大数量像素点的灰度值范围内各像素点对应的灰度值,并求平均值,求取的平均值与亮度正相关。
进一步地,所述通过同时空间转换图像颜色空间中的点和图像边界范围内的点,对图像的饱和度进行增强处理,具体包括:
将RGB模型空间中图像颜色空间点和图像边界范围内点转换到HSV模型空间,并提取饱和度值;
对提取的饱和度值进行增强处理;
将增强处理后的HSV模型空间的点转换到RGB模型空间。
本发明实施例提供一种用于AI芯片的智能图像处理方法,与现有技术相比,其有益效果如下:
本发明实施例中,根据亮度和对比度的对应关系,只需要对亮度信息进行相应地调整,即可快速可靠地获得较佳亮度和对比度下较佳显示效果的图像,有利于对图像的进一步分析研究;其中,通过对图像的灰度值划分范围,并对像素点数量最多的某一灰度值范围内的各像素点对应的灰度值求平均值,从而可以获得可靠的当前图像亮度信息,为下一步亮度调节、获得较佳显示效果的图像提供了有利的基础条件。同时,对图像所处颜色空间中的点和出界点均进行空间转换,在进行饱和度增加的同时,保证了图像不失真问,进一步提高了图像显示效果。
附图说明
图1为本发明实施例提供的一种用于AI芯片的智能图像处理方法流程图;
图2为本发明实施例提供的图像的亮度和对比度适配处理流程图;
图3为本发明实施例提供的当前图像亮度获取流程图;
图4为本发明实施例提供的图像饱和度增强处理流程图。
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。
参见图1,本发明实施例提供一种用于AI芯片的智能图像处理方法,该方法包括:
步骤S1,获取原始实景图像。
步骤S2,根据亮度和对比度的对应关系,通过同步调整亮度和对比度,对图像的亮度和对比度进行适配处理。
步骤S3,通过同时空间转换图像颜色空间中的点和图像边界范围内的点,对图像的饱和度进行增强处理。
步骤S4,获得目标图像。
上述技术方案,通过亮度和对比度的对应关系,只需要对亮度信息进行相应地调整,即可快速可靠地获得较佳亮度和对比度下较佳显示效果的图像,有利于对图像的进一步分析研究;同时,对图像所处颜色空间中的点和出界点均进行空间转换,在进行饱和度增加的同时,保证了图像不失真问,进一步提高了图像显示效果。
对于上述步骤S1,原始实景图像为采用相机或摄像头采集的实景图像。工程实践工作的处理流程通常是采集--传输--处理--保存,因此采集必不可少。
对于上述步骤S2,参见图2,具体包括:
步骤S21,根据经验数据,将亮度和对比度的关系一一对应,并形成亮度和对比度的对应关系表。
需要说明的是,上述对应关系表中亮度的数值范围是根据经验数据获得的离散数值范围,且所述对应关系表中各亮度值之间的差值相同。亮度数值范围是一个连续数值范围,在这个连续数值范围内等间距的取出亮度点,作为亮度和对比度的对应关系表中的亮度数值;且不同亮度数值下对应的对比度是基于经验数据预先设置好的,是基于亮度和对比度的较佳图像显示效果。
步骤S22,获取当前图像的亮度,计算当前图像亮度与对应关系表中各亮度的差值。
其中,对于步骤S22中的获取当前图像的亮度,参见图3,具体包括:
步骤S221,获取当前图像各像素点的灰度值。
步骤S222,将灰度值按照数值范围分类。
步骤S223,统计当前图像各像素点的灰度值所处的灰度值范围,并计算出不同灰度值范围中的像素点的数量。
步骤S224,提取最大数量像素点的灰度值范围内各像素点对应的灰度值,并求平均值,求取的平均值与亮度正相关。
需要说明的是,通过对图像的灰度值划分范围,并对像素点数量最多的某一灰度值范围内的各像素点对应的灰度值求平均值,从而可以获得可靠的当前图像亮度信息,为下一步亮度调节、获得较佳显示效果的图像提供了有利的基础条件。
步骤S23,根据各差值,分别调整当前图像亮度为对应关系表中各亮度。
步骤S24,根据不同亮度下的图像的显示效果,获得显示效果最佳的图像。即通过对有限图像的观察分辨,获得显示效果最佳的图像,其节约时间,可靠性相对较高。
对于上述步骤S3,参见图4,具体包括:
步骤S31,将RGB模型空间中图像颜色空间点和图像边界范围内点转换到HSV模型空间,并提取饱和度值。其中,图像边界范围内点指边界外一定范围内的点,即出界点。
步骤S32,对提取的饱和度值进行增强处理。
步骤S33,将增强处理后的HSV模型空间的点转换到RGB模型空间。
其中,RGB对一种颜色进行编码的方法统称为"颜色空间"或"色域",RGB分别指红、绿、蓝。HSV分别指色调,饱和度,亮度。
需要说明的是,在进行饱和度增强处理时,经HSV模型转换得到的RGB分量值会有超出1的色域的问题,通过裁剪,可能导致与原始图像的色调不一致。为了解决上述问题,本发明通过对图像所处颜色空间中的点和出界点均进行空间转换,从而解决了图像失真问题,提高了图像显示效果。
对于上述步骤S4,获得目标图像。即对采集的图像进行了亮度、对比度和饱和度的调整之后,获得较佳显示效果的目标图像,并保存,以待后续对图像进行分析研究。
以上公开的仅为本发明的几个具体实施例,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种用于AI芯片的智能图像处理方法,其特征在于,包括:
获取原始实景图像;
根据亮度和对比度的对应关系,通过同步调整亮度和对比度,对图像的亮度和对比度进行适配处理;
通过同时空间转换图像颜色空间中的点和图像边界范围内的点,对图像的饱和度进行增强处理;
获得目标图像;
所述根据亮度和对比度的对应关系,通过同步调整亮度和对比度,对图像的亮度和对比度进行适配处理,具体包括:
根据经验数据,将亮度和对比度的关系一一对应,并形成亮度和对比度的对应关系表;
获取当前图像的亮度,计算当前图像亮度与对应关系表中各亮度的差值;
根据各差值,分别调整当前图像亮度为对应关系表中各亮度;
根据不同亮度下的图像的显示效果,获得显示效果最佳的图像;
所述获取当前图像的亮度,具体包括:
获取当前图像各像素点的灰度值;
将灰度值按照数值范围分类;
统计当前图像各像素点的灰度值所处的灰度值范围,并计算出不同灰度值范围中的像素点的数量;
提取最大数量像素点的灰度值范围内各像素点对应的灰度值,并求平均值,求取的平均值与亮度正相关。
2.如权利要求1所述的用于AI芯片的智能图像处理方法,其特征在于,所述原始实景图像为采用相机或摄像头采集的实景图像。
3.如权利要求1所述的用于AI芯片的智能图像处理方法,其特征在于,所述对应关系表中亮度的数值范围是根据经验数据获得的离散数值范围,且所述对应关系表中各亮度值之间的差值相同。
4.如权利要求1所述的用于AI芯片的智能图像处理方法,其特征在于,所述通过同时空间转换图像颜色空间中的点和图像边界范围内的点,对图像的饱和度进行增强处理,具体包括:
将RGB模型空间中图像颜色空间点和图像边界范围内点转换到HSV模型空间,并提取饱和度值;
对提取的饱和度值进行增强处理;
将增强处理后的HSV模型空间的点转换到RGB模型空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911032067.2A CN110766636B (zh) | 2019-10-28 | 2019-10-28 | 一种用于ai芯片的智能图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911032067.2A CN110766636B (zh) | 2019-10-28 | 2019-10-28 | 一种用于ai芯片的智能图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110766636A CN110766636A (zh) | 2020-02-07 |
CN110766636B true CN110766636B (zh) | 2022-06-07 |
Family
ID=69334314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911032067.2A Active CN110766636B (zh) | 2019-10-28 | 2019-10-28 | 一种用于ai芯片的智能图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766636B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111366104A (zh) * | 2020-03-26 | 2020-07-03 | 深圳市菲森科技有限公司 | 一种具有自动亮度调节功能的扫描方法、装置及电子设备 |
CN111445425A (zh) * | 2020-05-07 | 2020-07-24 | 郑州轻工业大学 | 一种用于ai芯片的智能图像处理方法 |
CN114120932B (zh) * | 2021-11-30 | 2022-11-22 | 中航华东光电有限公司 | 一种结合图像饱和度调节的液晶显示器调光方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101098489A (zh) * | 2006-06-27 | 2008-01-02 | 三星电子株式会社 | 增强显示图像的可视性的图像处理设备和方法 |
US20170076691A1 (en) * | 2015-09-16 | 2017-03-16 | Asustek Computer Inc. | Image processing method |
CN106531092A (zh) * | 2016-11-08 | 2017-03-22 | 青岛海信电器股份有限公司 | 调整图像亮度和对比度的方法、视频处理器及显示装置 |
CN107610186A (zh) * | 2017-08-30 | 2018-01-19 | 深圳市华星光电半导体显示技术有限公司 | 一种图像处理方法及装置 |
CN108280813A (zh) * | 2018-01-30 | 2018-07-13 | 努比亚技术有限公司 | 一种图像处理方法、终端及计算机可读存储介质 |
CN108711142A (zh) * | 2018-05-22 | 2018-10-26 | 深圳市华星光电技术有限公司 | 图像处理方法及图像处理装置 |
-
2019
- 2019-10-28 CN CN201911032067.2A patent/CN110766636B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101098489A (zh) * | 2006-06-27 | 2008-01-02 | 三星电子株式会社 | 增强显示图像的可视性的图像处理设备和方法 |
US20170076691A1 (en) * | 2015-09-16 | 2017-03-16 | Asustek Computer Inc. | Image processing method |
CN106531092A (zh) * | 2016-11-08 | 2017-03-22 | 青岛海信电器股份有限公司 | 调整图像亮度和对比度的方法、视频处理器及显示装置 |
CN107610186A (zh) * | 2017-08-30 | 2018-01-19 | 深圳市华星光电半导体显示技术有限公司 | 一种图像处理方法及装置 |
CN108280813A (zh) * | 2018-01-30 | 2018-07-13 | 努比亚技术有限公司 | 一种图像处理方法、终端及计算机可读存储介质 |
CN108711142A (zh) * | 2018-05-22 | 2018-10-26 | 深圳市华星光电技术有限公司 | 图像处理方法及图像处理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110766636A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766636B (zh) | 一种用于ai芯片的智能图像处理方法 | |
CN107680056B (zh) | 一种图像处理方法及装置 | |
CN109146826A (zh) | 一种图像增强方法及装置 | |
CN103455790B (zh) | 一种基于肤色模型的皮肤识别方法 | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN107292307B (zh) | 一种倒置汉字验证码自动识别方法及系统 | |
CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
CN109600605B (zh) | 4k超高清视频的检测方法、电子设备及计算机程序产品 | |
CN108806638B (zh) | 一种图像的显示方法及其装置 | |
CN107862672B (zh) | 图像去雾的方法及装置 | |
CN116563180A (zh) | 一种图像的自适应增强方法及终端 | |
CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
CN105898252A (zh) | 一种电视色彩的调整方法和装置 | |
CN111311500A (zh) | 一种对图像进行颜色还原的方法和装置 | |
CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
CN110807735A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN114998122A (zh) | 一种低照度图像增强方法 | |
CN111476744A (zh) | 一种基于分类及大气成像模型的水下图像增强方法 | |
CN107358592B (zh) | 一种迭代式全局自适应图像增强方法 | |
CN105791710A (zh) | 一种信号灯图像增强处理方法 | |
CN106846234B (zh) | 一种基于fpga的图像视频增强方法、系统及设备 | |
EP2802139B1 (en) | Image color adjusting method and electronic device using the same | |
KR100488014B1 (ko) | YCrCb 칼라 기반 얼굴 영역 추출 방법 | |
CN106413280B (zh) | 贴片机喂料器元件位置自动矫正装置及自动矫正方法 | |
CN114549358A (zh) | 基于引导滤波的相机特性的低照度图像增强方法及系统 |
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 |