CN111681201A - 图像处理方法、装置、计算机设备及存储介质 - Google Patents

图像处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111681201A
CN111681201A CN202010313322.7A CN202010313322A CN111681201A CN 111681201 A CN111681201 A CN 111681201A CN 202010313322 A CN202010313322 A CN 202010313322A CN 111681201 A CN111681201 A CN 111681201A
Authority
CN
China
Prior art keywords
pixel
image
value
target image
homogenized
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.)
Granted
Application number
CN202010313322.7A
Other languages
English (en)
Other versions
CN111681201B (zh
Inventor
张定武
张定概
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.)
Shenzhen Hongfuhan Technology Co ltd
Original Assignee
Shenzhen Hongfuhan Technology Co ltd
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 Shenzhen Hongfuhan Technology Co ltd filed Critical Shenzhen Hongfuhan Technology Co ltd
Priority to CN202010313322.7A priority Critical patent/CN111681201B/zh
Publication of CN111681201A publication Critical patent/CN111681201A/zh
Application granted granted Critical
Publication of CN111681201B publication Critical patent/CN111681201B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供了一种图像处理方法，所述方法包括：获取相机拍摄得到的纯色样本图像；根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。上述图像处理方法大大增强了目标图像的均匀化的效果，提高了图像质量。此外，还提出了一种图像处理装置、计算机设备及存储介质。

Description

图像处理方法、装置、计算机设备及存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种图像处理方法、装置、计算机设备及存储介质。
背景技术
在现有技术中，相机取像过程是光源的光线照射到产品表面，光线发射进入镜头后达到相机芯片上进行感光成像，图像质量效果受限于硬件的制造差异和硬件属性。因为相机取像效果依赖于相机、镜头、光源等，所以视觉系统拍摄图像难以得到均匀的图像效果。
在工业领域对于通过机器视觉进行外观检测的项目，对图像的均匀性有较高要求，但是由于受光源、相机等的影响，往往得不到均匀的图像效果，所以亟需要提供一种能够增强图像均匀化的方法。
发明内容
鉴于此，本发明提供了一种能够增强图像均匀化处理的图像处理方法、装置、计算机设备及存储介质。
一种图像处理方法，其特征在于，所述方法包括：
获取相机拍摄得到的纯色样本图像；
根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；
创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；
根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；
获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；
根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。
在其中一个实施例中，所述根据所述纯色样本图像和所述模板图像确定均匀化矫正基准，包括：根据所述纯色样本图像中像素点的像素值和所述模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，所述每个像素点对应的均匀化矫正基准值构成了所述均匀化矫正基准。
在其中一个实施例中，所述根据所述纯色样本图像中像素点的像素值和所述模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，包括：将所述模板图像和所述纯色样本图像中同一位置对应的像素点的像素值的比值作为相应所述像素点的均匀化矫正基准值；所述根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像，包括：将所述目标图像中每个像素点的像素值分别与所述像素点对应的均匀化矫正基准值进行相乘，得到均匀化的目标图像。
在其中一个实施例中，所述方法还包括：根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值；根据所述像素最大值和所述像素最小值计算得到像素值范围；创建一个与所述均匀化的目标图像相同大小的新图像，将所述像素最小值作为所述新图像中各个像素点的像素值；根据所述新图像和所述像素值范围对所述均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像。
在其中一个实施例中，所述根据所述新图像和所述像素值范围对所述均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像，包括：计算所述均匀化的目标图像和所述新图像中同一位置对应的像素点的像素值的差值；根据所述差值和所述像素值范围进行增亮处理。
在其中一个实施例中，所述根据所述差值和所述像素值范围进行增亮处理，包括：计算所述同一位置的像素点的差值和所述像素值范围之间的比值；根据所述同一位置的像素点的差值和所述像素值范围之间的比值对所述均匀化的目标图像中相应的像素点进行增亮处理。
在其中一个实施例中，所述像素值为灰度值；所述根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值，包括：计算所述均匀化的目标图像对应的灰度直方图，对所述灰度直方图进行去噪处理；根据去噪处理后的灰度直方图确定所述均匀化的目标图像中的像素最大值和像素最小值。
一种图像处理装置，所述装置包括：
第一获取模块，用于获取相机拍摄得到的纯色样本图像；
第一计算模块，用于根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；
第一创建模块，用于创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；
第一确定模块，用于根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；
第二获取模块，用于获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；
矫正模块，用于根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。
一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取相机拍摄得到的纯色样本图像；根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下步骤：获取相机拍摄得到的纯色样本图像；根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。
上述图像处理方法、装置、计算机设备及存储介质，首先通过拍摄纯色样本图像，创建一个模板图像，将纯色样本图像的像素平均值作为模板图像中像素点的像素值，然后根据纯色样本图像和创建的模板图像确定均匀化矫正基准，后续通过相机拍摄得到目标图像后，基于上述的均匀化矫正基准对目标图像进行均匀化矫正处理，得到均匀化的目标图像。上述图像处理方法基于建立的均匀化矫正基准对拍摄得到的目标图像进行均匀化矫正处理，大大增强了目标图像的均匀化的效果，提高了图像质量。
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，下面将对实施例或现有技术描述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为一个实施例中图像处理方法的流程图；
图2为另一个实施例中图像处理方法的流程图；
图3为一个实施例中图像处理装置的结构框图；
图4为另一个实施例中图像处理装置的结构框图；
图5为一个实施例中计算机设备的内部结构示意图。
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。
如图1所示，在一个实施例中，提出了一种图像处理方法，该图像处理方法可以应用于终端，也可以应用于服务器，本实施例中以应用于终端为例说明，该图像处理方法具体包括以下步骤：
步骤102，获取相机拍摄得到的纯色样本图像。
其中，纯色样本图像是指对纯色样本背景进行拍摄得到的图像。纯色样本一般选择浅色的纯色样本。在一个实施例中，为了提高分辨度，纯色样本选择白色样本，比如，可以将一张白纸作为拍摄背景，终端通过调用相机对纯白色样本进行拍摄得到白色样本图像。
步骤104，根据纯色样本图像中每个像素点的像素值计算得到纯色样本图像对应的像素平均值。
其中，一张图像是由很多个像素点组成的。每个像素点都对应有相应的像素值。对于灰度图像来说，像素值就是灰度值。对于彩色图像，像素值包括RGB三个通道的值。理论上讲，纯色样本图像中的每个像素点的像素值应该是相同的，但是由于拍摄的影响，得到的纯色样本图像是不均匀的，即各个像素点的像素值很可能不一样。将纯色样本图像中像素点的像素值进行均值化计算得到纯色样本图像对应的像素平均值。像素平均值可以采用以下公式得到，g(pi)表示像素点pi对应的像素值，假设一共有N个像素点，那么像素平均值表示可以表示为
Figure BDA0002458660990000051
步骤106，创建一个与纯色样本图像大小相同的模板图像，将像素平均值作为模板图像中每个像素点的像素值。
其中，模板图像与纯色样本图像大小相同，将纯色样本图像的像素平均值作为模板图像中每个像素点的像素值。模板图像中各个像素点的像素值是相同的，可以将模板图像理解为进行均匀化后的图像。
步骤108，根据纯色样本图像和模板图像确定均匀化矫正基准。
其中，纯色样本图像为相机直接拍摄得到的图像。模板图像是对纯色样本图像进行均匀化的图像。均匀化矫正基准包括各个像素点对应的均匀化矫正基准值。在一个实施例中，均匀化矫正基准可以保存为图片形式，将各个像素点对应的均匀化矫正基准值作为图片中像素点的像素值。均匀化矫正基准也可以保存为矩阵形式，每个像素点的均匀化矫正基准值作为矩阵中的一个元素值。
在一个实施例中，可以将纯色样本图像与模板图像进行除法运算确定均匀化矫正基准。在另一个实施例中，可以将纯色样本图像与模板图像进行减法运算确定均匀化矫正基准。
步骤110，获取相机拍摄得到的目标图像，目标图像与纯色样本图像拍摄条件相同。
其中，目标图像和纯色样本图像的拍摄条件相同，拍摄条件包括：光源、相机、镜头等。即两者是同一场景下拍摄的图像。目标图像是指在实际中需要进行均匀化处理的图像。
步骤112，根据均匀化矫正基准对目标图像进行均匀化矫正处理，得到均匀化的目标图像。
其中，由于拍摄得到的目标图像存在拍摄效果不均匀的情况。基于确定的均匀化矫正基准对目标图像进行均匀化矫正处理，得到均匀化的目标图像。在一个实施例中，若均匀化矫正基准是通过将纯色样本图像与模板图像进行除法运算得到的，那么对目标图像进行均匀化矫正处理，是通过将目标图像与均匀化矫正基准进行相乘得到的。在另一个实施例中，若均匀化矫正基准是通过将纯色样本图像与模板图像进行减法运算得到的，那么对目标图像进行均匀化矫正处理，是通过将目标图像与均匀化矫正基准进行加法运算得到的。
在一个实施例中，像素值为灰度值，那么均匀化矫正基准中只包含对灰度值的矫正基准，后续对目标图像进行均匀化矫正处理时，只需要对目标图像的灰度值进行均匀化矫正。
在另一个实施例中，像素值包括RGB三个通道的值，均匀化矫正基准中包含RGB三个通道的矫正基准，在对目标图像进行均匀化矫正处理时，需要分别对RGB三个通道进行均匀化矫正。
上述图像处理方法，首先通过拍摄纯色样本图像，创建一个模板图像，将纯色样本图像的像素平均值作为模板图像中像素点的像素值，然后根据纯色样本图像和创建的模板图像确定均匀化矫正基准，后续通过相机拍摄得到目标图像后，基于上述的均匀化矫正基准对目标图像进行均匀化矫正处理，得到均匀化的目标图像。上述图像处理方法基于建立的均匀化矫正基准对拍摄得到的目标图像进行均匀化矫正处理，大大增强了目标图像的均匀化的效果，提高了图像质量。而且上述图像处理方法不仅适用于黑白相机拍摄得到的图像，也适用于彩色相机拍摄得到的图像。
在一个实施例中，根据纯色样本图像和模板图像确定均匀化矫正基准，包括：根据纯色样本图像中像素点的像素值和模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，每个像素点对应的均匀化矫正基准值构成了均匀化矫正基准。
其中，确定均匀化矫正基准的过程即是确定每个像素点对应的均匀化矫正基准值的过程。纯色样本图像和模板图像大小相同，包含相同个数的像素点。根据两个图像中同一位置的像素点的值来确定该像素点的均匀化矫正基准值。在一个实施例中，将模板图像和纯色样本图像中同一位置对应的像素点的像素值的差值作为相应像素点的均匀化矫正基准值。
在一个实施例中，根据纯色样本图像中像素点的像素值和模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，包括：将模板图像和纯色样本图像中同一位置对应的像素点的像素值的比值作为相应像素点的均匀化矫正基准值；根据均匀化矫正基准对目标图像进行均匀化矫正处理，得到均匀化的目标图像，包括：将目标图像中每个像素点的像素值分别与像素点对应的均匀化矫正基准值进行相乘，得到均匀化的目标图像。
其中，将模板图像与纯色样本图像中同一位置的像素点的像素值比值作为该像素点的均匀化矫正基准值。后续对目标图像进行均匀化处理时，是将目标图像的同一位置的像素点的像素值与相应的均匀化矫正基准值进行相乘。
如图2所示，在一个实施例中，在得到均匀化的目标图像后，为了对均匀化的目标图像进行一步优化增强，上述图像处理方法还包括：
步骤114，根据均匀化的目标图像中每个像素点的像素值确定均匀化的目标图像中的像素最大值和像素最小值。
其中，像素最大值是指图像中所有像素点的像素值中的最大值。像素最小值是指图像中所有像素点的像素值中的最小值。
步骤116，根据像素最大值和像素最小值计算得到像素值范围。
其中，像素值范围是指像素最大值和像素最小值之间的差值。
步骤118，创建一个与均匀化的目标图像相同大小的新图像，将像素最小值作为新图像中各个像素点的像素值。
其中，新图像是与均匀化的目标图像相同大小的图像，新图像中的所有像素点的像素值取上述计算得到的像素最小值。
步骤120，根据新图像和像素值范围对均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像。
其中，增亮处理是通过增大像素点的像素值来实现的。为了实现对均匀化的目标图像进行增亮优化，需要根据新图像中像素点的像素值和上述计算得到的像素值范围来计算均匀化的目标图像中每个像素点的像素增大值。在一个实施例中，由于新图像中所有像素点的像素值为像素最小值，计算均匀化的目标图像中每个像素点的像素值与像素最小值的差值，将差值与像素值范围进行比较，根据比较结果对目标图像进行增亮处理，差值越大，相应的像素增大值越大。
上述图像处理方法，为了进一步提高图像质量，便于后续根据图像进行检测等工作，在得到均匀化的目标图像后，需要进一步对均匀化的目标图像进行优化处理，优化处理的目的是指让图像更清晰，所以通过对图像进行增亮处理来达到优化图像的目的。
在一个实施例中，根据新图像对均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像，包括：计算均匀化的目标图像和新图像中同一位置对应的像素点的像素值的差值；根据差值和像素值范围进行增亮处理。
其中，将均匀化的目标图像与新图像中同一位置的像素点的像素值的差值作为分子，将像素值范围作为分母，计算差值与像素值范围的比值，然后根据比值来进行增亮处理，比值越大，相应的像素值增大的越多。
在一个实施例中，根据差值和像素值范围进行增亮处理，包括：计算同一位置的像素点的差值和像素值范围之间的比值；根据同一位置的像素点的差值和像素值范围之间的比值对均匀化的目标图像中相应的像素点进行增亮处理。
其中，计算新图像中每个像素点的像素值与均匀化的目标图像中相应位置的像素点的像素值的差值，然后计算差值与像素值范围之间的比值，然后根据比值统一进行像素值的增大，在一个实施例中，可以采用如下计算公式对图像进行增亮处理，
g3(pi)＝[g1(pi)-g2(pi)]*255/Range
其中，g3(pi)表示像素点pi增亮处理后的像素值，g1(pi)表示均匀化的目标图像中像素点pi的像素值，g2(pi)表示新图像中像素点pi的像素值(即最小像素值)，Range表示像素值范围，即最大像素值与最小像素值之差。
在一个实施例中，所述像素值为灰度值；所述根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值，包括：计算所述均匀化的目标图像对应的灰度直方图，对所述灰度直方图进行去噪处理；根据去噪处理后的灰度直方图确定所述均匀化的目标图像中的像素最大值和像素最小值。
其中，当像素值为灰度值时，在确定像素最大值和像素最小值的过程中，可以先计算均匀化的目标图像对应的灰度直方图，灰度直方图的横坐标表示灰度级，即灰度值，纵坐标表示在灰度级下像素百分比。一般得到的灰度直方图都会有噪音，所以在确定像素最大值和像素最小值时，先对灰度直方图进行去噪处理。在一个实施例中，在灰度直方图的两侧分别向内移动像素数量的2％，即左右两边分别去掉2％的像素点，然后在确定后的区域内确定灰度最大值和灰度最小值，即像素最大值和像素最小值。
在一个实施例中，上述图像处理方法可以应用于机器视觉，机器视觉主要是利用工业相机代替人眼睛去完成识别、测量、检测、定位等功能。一般视觉系统由相机、镜头、光源组合而成，可以代替人工完成条码字符、裂痕、包装、凹陷等检测，使用视觉检测系统能有效的提高生产流水线的检测速度和精度，大大提高产量和质量，降低人工成本，同时可以防止因为人眼疲劳而产生的误判。而视觉系统的运行需要建立在获取高质量图像的基础上，所以在拍摄得到目标图像后，需要对目标图像进行均匀化的矫正处理以及进一步的优化处理都是为了获得高质量图像，便于后续进行识别、检测等。
如图3所示，提出了一种图像处理装置，该装置包括：
第一获取模块302，用于获取相机拍摄得到的纯色样本图像；
第一计算模块304，用于根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；
第一创建模块306，用于创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；
第一确定模块308，用于根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；
第二获取模块310，用于获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；
矫正模块312，用于根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。
在一个实施例中，所述矫正模块还用于根据所述纯色样本图像中像素点的像素值和所述模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，所述每个像素点对应的均匀化矫正基准值构成了所述均匀化矫正基准。
在一个实施例中，所述确定模块还用于将所述模板图像和所述纯色样本图像中同一位置对应的像素点的像素值的比值作为相应所述像素点的均匀化矫正基准值；所述矫正模块还用于将所述目标图像中每个像素点的像素值分别与所述像素点对应的均匀化矫正基准值进行相乘，得到均匀化的目标图像。
如图4所示，在一个实施例中，上述图像处理装置还包括：
第二确定模块314，用于根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值；
第二计算模块316，用于根据所述像素最大值和所述像素最小值计算得到像素值范围；
第二创建模块318，用于创建一个与所述均匀化的目标图像相同大小的新图像，将所述像素最小值作为所述新图像中各个像素点的像素值；
增亮模块320，用于根据所述新图像和所述像素值范围对所述均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像。
在一个实施例中，所述增亮模块还用于计算所述均匀化的目标图像和所述新图像中同一位置对应的像素点的像素值的差值；根据所述差值和所述像素值范围进行增亮处理。
在一个实施例中，所述所述增亮模块还用于计算所述同一位置的像素点的差值和所述像素值范围之间的比值；根据所述同一位置的像素点的差值和所述像素值范围之间的比值对所述均匀化的目标图像中相应的像素点进行增亮处理。
在一个实施例中，所述像素值为灰度值；第二确定模块314，还用于计算所述均匀化的目标图像对应的灰度直方图，对所述灰度直方图进行去噪处理，根据去噪处理后的灰度直方图确定所述均匀化的目标图像中的像素最大值和像素最小值。
图5示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器、终端设备，所述服务器包括但不限于高性能计算机和高性能计算机集群；所述终端设备包括但不限于移动终端设备和台式终端设备，所述移动终端设备包括但不限于手机、平板电脑、智能手表和笔记本电脑，所述台式终端设备包括但不限于台式电脑和车载电脑。如图5所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现图像处理方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行图像处理方法。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的图像处理方法可以实现为一种计算机程序的形式，计算机程序可在如图5所示的计算机设备上运行。计算机设备的存储器中可存储组成图像处理装置的各个程序模板。比如，第一获取模块302，第一计算模块304，第一创建模块306，第一确定模块308，第二获取模块310和矫正模块312。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
获取相机拍摄得到的纯色样本图像；根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。
在一个实施例中，所述根据所述纯色样本图像和所述模板图像确定均匀化矫正基准，包括：根据所述纯色样本图像中像素点的像素值和所述模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，所述每个像素点对应的均匀化矫正基准值构成了所述均匀化矫正基准。
在一个实施例中，所述根据所述纯色样本图像中像素点的像素值和所述模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，包括：将所述模板图像和所述纯色样本图像中同一位置对应的像素点的像素值的比值作为相应所述像素点的均匀化矫正基准值；所述根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像，包括：将所述目标图像中每个像素点的像素值分别与所述像素点对应的均匀化矫正基准值进行相乘，得到均匀化的目标图像。
在一个实施例中，上述计算机程序被所述处理器执行时，还用于执行以下步骤：根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值；根据所述像素最大值和所述像素最小值计算得到像素值范围；创建一个与所述均匀化的目标图像相同大小的新图像，将所述像素最小值作为所述新图像中各个像素点的像素值；根据所述新图像和所述像素值范围对所述均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像。
在一个实施例中，所述根据所述新图像和所述像素值范围对所述均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像，包括：计算所述均匀化的目标图像和所述新图像中同一位置对应的像素点的像素值的差值；根据所述差值和所述像素值范围进行增亮处理。
在一个实施例中，所述根据所述差值和所述像素值范围进行增亮处理，包括：计算所述同一位置的像素点的差值和所述像素值范围之间的比值；根据所述同一位置的像素点的差值和所述像素值范围之间的比值对所述均匀化的目标图像中相应的像素点进行增亮处理。
在一个实施例中，所述像素值为灰度值；所述根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值，包括：计算所述均匀化的目标图像对应的灰度直方图，对所述灰度直方图进行去噪处理；根据去噪处理后的灰度直方图确定所述均匀化的目标图像中的像素最大值和像素最小值。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下步骤：获取相机拍摄得到的纯色样本图像；根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。
在一个实施例中，所述根据所述纯色样本图像和所述模板图像确定均匀化矫正基准，包括：根据所述纯色样本图像中像素点的像素值和所述模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，所述每个像素点对应的均匀化矫正基准值构成了所述均匀化矫正基准。
在一个实施例中，所述根据所述纯色样本图像中像素点的像素值和所述模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，包括：将所述模板图像和所述纯色样本图像中同一位置对应的像素点的像素值的比值作为相应所述像素点的均匀化矫正基准值；所述根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像，包括：将所述目标图像中每个像素点的像素值分别与所述像素点对应的均匀化矫正基准值进行相乘，得到均匀化的目标图像。
在一个实施例中，上述计算机程序被所述处理器执行时，还用于执行以下步骤：根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值；根据所述像素最大值和所述像素最小值计算得到像素值范围；创建一个与所述均匀化的目标图像相同大小的新图像，将所述像素最小值作为所述新图像中各个像素点的像素值；根据所述新图像和所述像素值范围对所述均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像。
在一个实施例中，所述根据所述新图像和所述像素值范围对所述均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像，包括：计算所述均匀化的目标图像和所述新图像中同一位置对应的像素点的像素值的差值；根据所述差值和所述像素值范围进行增亮处理。
在一个实施例中，所述根据所述差值和所述像素值范围进行增亮处理，包括：计算所述同一位置的像素点的差值和所述像素值范围之间的比值；根据所述同一位置的像素点的差值和所述像素值范围之间的比值对所述均匀化的目标图像中相应的像素点进行增亮处理。
在一个实施例中，所述像素值为灰度值；所述根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值，包括：计算所述均匀化的目标图像对应的灰度直方图，对所述灰度直方图进行去噪处理；根据去噪处理后的灰度直方图确定所述均匀化的目标图像中的像素最大值和像素最小值。
需要说明的是，上述图像处理方法、计算机设备及计算机可读存储介质属于一个总的发明构思，图像处理方法、图像处理装置、计算机设备及计算机可读存储介质实施例中的内容可相互适。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像处理方法，其特征在于，所述方法包括：
获取相机拍摄得到的纯色样本图像；
根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；
创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；
根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；
获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；
根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述纯色样本图像和所述模板图像确定均匀化矫正基准，包括：
根据所述纯色样本图像中像素点的像素值和所述模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，所述每个像素点对应的均匀化矫正基准值构成了所述均匀化矫正基准。
3.根据权利要求1所述的方法，其特征在于，所述根据所述纯色样本图像中像素点的像素值和所述模板图像中像素点的像素值确定每个像素点对应的均匀化矫正基准值，包括：
将所述模板图像和所述纯色样本图像中同一位置对应的像素点的像素值的比值作为相应所述像素点的均匀化矫正基准值；
所述根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像，包括：
将所述目标图像中每个像素点的像素值分别与所述像素点对应的均匀化矫正基准值进行相乘，得到均匀化的目标图像。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值；
根据所述像素最大值和所述像素最小值计算得到像素值范围；
创建一个与所述均匀化的目标图像相同大小的新图像，将所述像素最小值作为所述新图像中各个像素点的像素值；
根据所述新图像和所述像素值范围对所述均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像。
5.根据权利要求4所述的方法，其特征在于，所述根据所述新图像和所述像素值范围对所述均匀化的目标图像进行增亮处理，得到增亮后的均匀化的目标图像，包括：
计算所述均匀化的目标图像和所述新图像中同一位置对应的像素点的像素值的差值；
根据所述差值和所述像素值范围进行增亮处理。
6.根据权利要求5所述的方法，其特征在于，所述根据所述差值和所述像素值范围进行增亮处理，包括：
计算所述同一位置的像素点的差值和所述像素值范围之间的比值；
根据所述同一位置的像素点的差值和所述像素值范围之间的比值对所述均匀化的目标图像中相应的像素点进行增亮处理。
7.根据权利要求4所述的方法，其特征在于，所述像素值为灰度值；
所述根据所述均匀化的目标图像中每个像素点的像素值确定所述均匀化的目标图像中的像素最大值和像素最小值，包括：
计算所述均匀化的目标图像对应的灰度直方图，对所述灰度直方图进行去噪处理；
根据去噪处理后的灰度直方图确定所述均匀化的目标图像中的像素最大值和像素最小值。
8.一种图像处理装置，其特征在于，所述装置包括：
第一获取模块，用于获取相机拍摄得到的纯色样本图像；
计算模块，用于根据所述纯色样本图像中每个像素点的像素值计算得到所述纯色样本图像对应的像素平均值；
创建模块，用于创建一个与所述纯色样本图像大小相同的模板图像，将所述像素平均值作为所述模板图像中每个像素点的像素值；
确定模块，用于根据所述纯色样本图像和所述模板图像确定均匀化矫正基准；
第二获取模块，用于获取所述相机拍摄得到的目标图像，所述目标图像与所述纯色样本图像的拍摄条件相同；
矫正模块，用于根据所述均匀化矫正基准对所述目标图像进行均匀化矫正处理，得到均匀化的目标图像。
9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述图像处理方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述图像处理方法的步骤。
CN202010313322.7A 2020-04-20 2020-04-20 图像处理方法、装置、计算机设备及存储介质 Active CN111681201B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010313322.7A CN111681201B (zh) 2020-04-20 2020-04-20 图像处理方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010313322.7A CN111681201B (zh) 2020-04-20 2020-04-20 图像处理方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111681201A true CN111681201A (zh) 2020-09-18
CN111681201B CN111681201B (zh) 2023-06-23

Family

ID=72433608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010313322.7A Active CN111681201B (zh) 2020-04-20 2020-04-20 图像处理方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111681201B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000201277A (ja) * 1999-01-07 2000-07-18 Sharp Corp 画像補正方法
CN106303473A (zh) * 2016-08-23 2017-01-04 宁波江丰生物信息技术有限公司 一种白平衡调节方法及相机
US20170163952A1 (en) * 2015-12-08 2017-06-08 Le Holdings (Beijing) Co., Ltd. Method and electronic device for calibrating image white balance
CN106952244A (zh) * 2017-03-28 2017-07-14 中航视嘉（北京）技术有限公司 一种图像亮度的自动调整方法及装置
CN107071234A (zh) * 2017-01-23 2017-08-18 上海兴芯微电子科技有限公司 一种镜头阴影校正方法及装置
CN108091288A (zh) * 2017-12-08 2018-05-29 深圳Tcl新技术有限公司 显示屏均匀性的测试方法、终端及计算机可读存储介质
CN109523485A (zh) * 2018-11-19 2019-03-26 Oppo广东移动通信有限公司 图像颜色校正方法、装置、存储介质及移动终端
CN109856164A (zh) * 2019-02-02 2019-06-07 上海福赛特机器人有限公司 一种机器视觉采集大范围图像的优化装置及其检测方法
US20200034997A1 (en) * 2017-09-27 2020-01-30 Shenzhen China Star Optoelectronics Semiconductor Display Technology Co., Ltd An image processing method and apparauts
CN110738606A (zh) * 2019-09-06 2020-01-31 深圳新视智科技术有限公司 多光源系统的图像校正方法、装置、终端及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000201277A (ja) * 1999-01-07 2000-07-18 Sharp Corp 画像補正方法
US20170163952A1 (en) * 2015-12-08 2017-06-08 Le Holdings (Beijing) Co., Ltd. Method and electronic device for calibrating image white balance
CN106303473A (zh) * 2016-08-23 2017-01-04 宁波江丰生物信息技术有限公司 一种白平衡调节方法及相机
CN107071234A (zh) * 2017-01-23 2017-08-18 上海兴芯微电子科技有限公司 一种镜头阴影校正方法及装置
CN106952244A (zh) * 2017-03-28 2017-07-14 中航视嘉（北京）技术有限公司 一种图像亮度的自动调整方法及装置
US20200034997A1 (en) * 2017-09-27 2020-01-30 Shenzhen China Star Optoelectronics Semiconductor Display Technology Co., Ltd An image processing method and apparauts
CN108091288A (zh) * 2017-12-08 2018-05-29 深圳Tcl新技术有限公司 显示屏均匀性的测试方法、终端及计算机可读存储介质
CN109523485A (zh) * 2018-11-19 2019-03-26 Oppo广东移动通信有限公司 图像颜色校正方法、装置、存储介质及移动终端
CN109856164A (zh) * 2019-02-02 2019-06-07 上海福赛特机器人有限公司 一种机器视觉采集大范围图像的优化装置及其检测方法
CN110738606A (zh) * 2019-09-06 2020-01-31 深圳新视智科技术有限公司 多光源系统的图像校正方法、装置、终端及存储介质

Also Published As

Publication number Publication date
CN111681201B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
KR102291081B1 (ko) 이미지 처리 방법 및 장치, 전자 장치 및 컴퓨터-판독 가능 저장 매체
CN110163235B (zh) 图像增强模型的训练、图像增强方法、装置和存储介质
WO2020048271A1 (zh) 基于gan网络的车损图像增强方法和装置
US8090214B2 (en) Method for automatic detection and correction of halo artifacts in images
WO2019223594A1 (zh) 神经网络模型处理方法和装置、图像处理方法、移动终端
US20210099646A1 (en) Method and Apparatus for Detecting Subject, Electronic Device, and Computer Readable Storage Medium
CN109035167B (zh) 对图像中的多个人脸进行处理的方法、装置、设备和介质
CN110866486B (zh) 主体检测方法和装置、电子设备、计算机可读存储介质
WO2019223068A1 (zh) 虹膜图像局部增强方法、装置、设备及存储介质
CN109214996B (zh) 一种图像处理方法及装置
CN114764775A (zh) 红外图像质量评价方法、设备以及存储介质
CN111932462B (zh) 图像降质模型的训练方法、装置和电子设备、存储介质
US11089234B2 (en) Systems and methods of image enhancement
CN109447942B (zh) 图像模糊度确定方法、装置、计算机设备及存储介质
WO2020168807A1 (zh) 图像亮度的调节方法、装置、计算机设备和存储介质
CN111445487A (zh) 图像分割方法、装置、计算机设备和存储介质
CN113674232A (zh) 图像噪声预估方法、装置、电子设备和存储介质
CN114092562A (zh) 噪声模型标定方法、图像去噪方法、装置、设备和介质
CN111539975B (zh) 一种运动目标的检测方法、装置、设备及存储介质
CN111681201B (zh) 图像处理方法、装置、计算机设备及存储介质
CN115578291A (zh) 图像的亮度校正方法、存储介质及电子设备
CN113935966B (zh) 金属物料的渣点检测方法、装置、设备和存储介质
CN113438386B (zh) 一种应用于视频处理的动静判定方法及装置
Venkatesh et al. Image Enhancement and Implementation of CLAHE Algorithm and Bilinear Interpolation
CN113160103B (zh) 图像处理方法及装置、存储介质、终端

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