CN111898532A - 一种图像处理方法、装置、电子设备及监控系统 - Google Patents
一种图像处理方法、装置、电子设备及监控系统 Download PDFInfo
- Publication number
- CN111898532A CN111898532A CN202010749423.9A CN202010749423A CN111898532A CN 111898532 A CN111898532 A CN 111898532A CN 202010749423 A CN202010749423 A CN 202010749423A CN 111898532 A CN111898532 A CN 111898532A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- interest
- brightness
- preset
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 157
- 230000000694 effects Effects 0.000 claims abstract description 72
- 238000003384 imaging method Methods 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims description 53
- 230000004927 fusion Effects 0.000 claims description 41
- 230000002708 enhancing effect Effects 0.000 claims description 16
- 238000013507 mapping Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 239000003086 colorant Substances 0.000 description 8
- 238000003708 edge detection Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000005282 brightening Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 101001007137 Escherichia coli (strain K12) Inducible lysine decarboxylase Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/70—
-
- G06T5/90—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明实施例提供了一种图像处理方法、装置、电子设备及监控系统,其中,图像处理方法包括:获取第一图像中第一感兴趣区域的亮度,若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域,将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像。通过本方案,得到的更新图像能够同时保证第一感兴趣区域和第二感兴趣区域都具有理想的成像效果,即实现了图像中多个区域都具有理想的成像效果。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像处理方法、装置、电子设备及监控系统。
背景技术
目标识别作为人工智能不可或缺的重要组成部分,已逐渐发展成为人员身份识别、车辆身份识别等的主要手段,并广泛地应用在监测报警、违章处罚、目标跟踪、停车场收费管理、厂区车辆出入管理及高速公路收费管理等领域。然而,受拍摄角度、场景亮度、图像采集设备的拍摄参数等因素的影响,目标识别率往往较低。
目标增强技术是图像增强技术在目标识别领域中的一种具体应用,目标增强技术是基于图像中指定目标(例如行人、车牌等)所处区域的图像信息,对图像的对比度、亮度、噪声等影响成像效果的参数进行调整,使得调整后的图像中指定目标所处区域具有理想的成像效果,从而能够提高目标识别率。
在实际应用中,尤其是在目标跟踪的场景下,不仅仅对目标识别率的要求较高,还需关注图像中一些特定区域的信息,例如车体区域的颜色信息、车窗区域的人脸信息等,上述目标增强技术中是对图像整体进行调整,很难实现同时保证多个区域的成像效果。
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、装置、电子设备及监控系统,以同时保证多个区域都具有理想的成像效果。具体技术方案如下:
第一方面,本发明实施例提供了一种图像处理方法,该方法包括:
获取第一图像中第一感兴趣区域的亮度;其中,第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域;第一预设亮度下第二感兴趣区域具有第一预设成像效果;
若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;其中,第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;第二预设亮度下第一感兴趣区域具有第二预设成像效果;
将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
可选的,在获得第二图像中的第一感兴趣区域的步骤之后,该方法还包括:
利用预设的图像增强策略,对第二图像中的第一感兴趣区域进行增强处理;
将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像的步骤,包括:
将增强处理后的第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
可选的,原始图像为车辆图像;第一感兴趣区域为原始图像中的车牌区域;第二感兴趣区域为原始图像中除车牌区域以外的特定区域;
利用预设的图像增强策略,对第二图像中的第一感兴趣区域进行增强处理的步骤,包括:
针对第二图像中车牌区域的每个像素点,获得该像素点的像素值;
若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为车牌底色对应的目标像素值。
可选的,在获取第一图像中第一感兴趣区域的亮度的步骤之后,该方法还包括:
若第一图像中第一感兴趣区域的亮度未超过预设过曝阈值,则将第一图像作为更新图像。
可选的,在将第一图像作为更新图像的步骤之前,该方法还包括:
利用预设的图像增强策略,对第一图像中的第一感兴趣区域进行增强处理;
将第一图像作为更新图像的步骤,包括:
将第一感兴趣区域增强处理后的第一图像作为更新图像。
可选的,原始图像为车辆图像;第一感兴趣区域为原始图像中的车牌区域;第二感兴趣区域为原始图像中除车牌区域以外的特定区域;
利用预设的图像增强策略,对第一图像中的第一感兴趣区域进行增强处理的步骤,包括:
针对第一图像中车牌区域的每个像素点,获得该像素点的像素值;
若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为车牌底色对应的目标像素值。
可选的,将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像的步骤,包括:
根据针对第二图像和第一图像中第一感兴趣区域的各像素点预先分配的融合权重,对第二图像和第一图像中第一感兴趣区域的同一像素点的像素值进行加权融合,得到融合区域;
将第一图像中的第一感兴趣区域替换为融合区域,得到更新图像。
可选的,在获取第一图像中第一感兴趣区域的亮度的步骤之前,该方法还包括:
获取图像采集设备采集的原始图像;
基于预设的第一图像信号处理参数,对原始图像进行处理,得到第一图像,其中,第一图像信号处理参数用于使原始图像中第二感兴趣区域的亮度达到第一预设亮度;
基于预设的第二图像信号处理参数,对原始图像进行处理,得到第二图像,其中,第二图像信号处理参数用于使原始图像中第一感兴趣区域的亮度达到第二预设亮度。
可选的,在获取图像采集设备采集的原始图像的步骤之后,该方法还包括:
对原始图像进行特征识别,确定原始图像中第一感兴趣区域的空间信息;
获取第一图像中第一感兴趣区域的亮度的步骤,包括:
根据空间信息,从第一图像中获得第一感兴趣区域;
获取第一图像中第一感兴趣区域各像素点的亮度值,并根据各像素点的亮度值,确定第一图像中第一感兴趣区域的亮度;
获得第二图像中的第一感兴趣区域,包括:
根据空间信息,从第二图像中获得第一感兴趣区域。
第二方面,本发明实施例提供了一种图像处理装置,该装置包括:
获取模块,用于获取第一图像中第一感兴趣区域的亮度;其中,第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域;第一预设亮度下第二感兴趣区域具有第一预设成像效果;
确定模块,用于若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;其中,第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;第二预设亮度下第一感兴趣区域具有第二预设成像效果;
融合模块,用于将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
可选的,该装置还包括:
增强处理模块,用于利用预设的图像增强策略,对第二图像中的第一感兴趣区域进行增强处理;
融合模块,具体用于将增强处理后的第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
可选的,原始图像为车辆图像;第一感兴趣区域为原始图像中的车牌区域;第二感兴趣区域为原始图像中除车牌区域以外的特定区域;
增强处理模块,具体用于针对第二图像中车牌区域的每个像素点,获得该像素点的像素值;若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为车牌底色对应的目标像素值。
可选的,该装置还包括:
设定模块,用于若第一图像中第一感兴趣区域的亮度未超过预设过曝阈值,则将第一图像作为更新图像。
可选的,该装置还包括:
增强处理模块,用于利用预设的图像增强策略,对第一图像中的第一感兴趣区域进行增强处理;
设定模块,具体用于将第一感兴趣区域增强处理后的第一图像作为更新图像。
可选的,原始图像为车辆图像;第一感兴趣区域为原始图像中的车牌区域;第二感兴趣区域为原始图像中除车牌区域以外的特定区域;
增强处理模块,具体用于针对第一图像中车牌区域的每个像素点,获得该像素点的像素值;若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为车牌底色对应的目标像素值。
可选的,融合模块,具体用于:
根据针对第二图像和第一图像中第一感兴趣区域的各像素点预先分配的融合权重,对第二图像和第一图像中第一感兴趣区域的同一像素点的像素值进行加权融合,得到融合区域;
将第一图像中的第一感兴趣区域替换为融合区域,得到更新图像。
可选的,获取模块,还用于获取图像采集设备采集的原始图像;
该装置还包括:
图像信号处理模块,用于基于预设的第一图像信号处理参数,对原始图像进行处理,得到第一图像,其中,第一图像信号处理参数用于使原始图像中第二感兴趣区域的亮度达到第一预设亮度;基于预设的第二图像信号处理参数,对原始图像进行处理,得到第二图像,其中,第二图像信号处理参数用于使原始图像中第一感兴趣区域的亮度达到第二预设亮度。
可选的,该装置还包括:
识别模块,用于对原始图像进行特征识别,确定原始图像中第一感兴趣区域的空间信息;
获取模块,具体用于根据空间信息,从第一图像中获得第一感兴趣区域;获取第一图像中第一感兴趣区域各像素点的亮度值,并根据各像素点的亮度值,确定第一图像中第一感兴趣区域的亮度;
确定模块,具体用于根据空间信息,从第二图像中获得第一感兴趣区域。
第三方面,本发明实施例提供了一种电子设备,包括处理器和机器可读存储介质,机器可读存储介质存储有能够被处理器执行的机器可执行指令,处理器被机器可执行指令促使:实现本发明实施例第一方面所提供的方法。
第四方面,本发明实施例提供了一种机器可读存储介质,机器可读存储介质内存储有机器可执行指令,机器可执行指令在被处理器加载并执行时,实现本发明实施例第一方面所提供的方法。
第五方面,本发明实施例提供了一种监控系统,包括图像采集设备及电子设备,其中,
图像采集设备,用于采集原始图像,并将原始图像发送至电子设备;
电子设备,用于获取第一图像中第一感兴趣区域的亮度;若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像;其中,第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域;第一预设亮度下第二感兴趣区域具有第一预设成像效果;第二预设亮度下第一感兴趣区域具有第二预设成像效果。
本发明实施例提供了一种图像处理方法、装置、电子设备及监控系统,其中,图像处理方法包括:获取第一图像中第一感兴趣区域的亮度,若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域,将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像。
第一图像中第二感兴趣区域的亮度达到第一预设亮度(即在第一预设亮度下第二感兴趣区域具有第一预设成像效果),但是,第二感兴趣区域的亮度达到第一预设亮度时,第一图像中的第一感兴趣区域可能过曝(即第一感兴趣区域的亮度超过预设过曝阈值),此时,获得第二图像中的第一感兴趣区域,第二图像中第一感兴趣区域的亮度达到第二预设亮度(即在第二预设亮度下第一感兴趣区域具有第二预设成像效果),通过将第二图像中的第一感兴趣区域融合至第一图像中,得到的更新图像中第一感兴趣区域和第二感兴趣区域都具有理想的成像效果,第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域,因此,应用本发明实施例,能够同时保证第一感兴趣区域和第二感兴趣区域都具有理想的成像效果,即实现了图像中多个区域都具有理想的成像效果。
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实施例。
图1为本发明实施例的图像处理方法的一种流程示意图;
图2为本发明实施例的图像信号处理的流程示意图;
图3为本发明实施例的图像处理方法的另一种流程示意图;
图4为本发明实施例的图像处理方法的再一种流程示意图;
图5为本发明实施例的图像处理方法的又一种流程示意图;
图6为本发明实施例的图像处理方法的又一种流程示意图;
图7为本发明实施例的车辆图像处理方法的流程示意图;
图8为本发明实施例的基于图像融合技术对车牌区域进行增强处理的流程示意图;
图9为本发明实施例的车牌目标亮度映射的流程示意图;
图10为本发明实施例的车牌颜色增强处理的流程示意图;
图11为本发明实施例的车牌对比度增强处理的流程示意图;
图12为本发明实施例的车牌去噪增强处理的流程示意图;
图13为本发明实施例的亮帧暗帧车牌区域融合处理的流程示意图;
图14为本发明实施例的图像处理装置的结构示意图;
图15为本发明实施例的电子设备的结构示意图;
图16为本发明实施例的监控系统的结构示意图。
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。
为了同时保证多个区域都具有较好的成像效果,本发明实施例提供了一种图像处理方法、装置、电子设备及监控系统。下面,首先对本发明实施例提供的图像处理方法进行介绍。
本发明实施例所提供的图像处理方法的执行主体可以为具有图像处理能力的图像采集设备,例如停车场入口架设的抓拍相机、高速路收费站架设的抓拍相机、城市道路上空架设的摄像机等,执行主体也可以为独立于图像采集设备的后台服务器,以下统称为电子设备,实现本发明实施例所提供的图像处理方法的方式,可以为设置于电子设备中的软件、硬件电路和逻辑电路中的至少一种方式。
如图1所示,本发明实施例所提供的图像处理方法的一种流程,可以包括如下步骤。
S101,获取第一图像中第一感兴趣区域的亮度;其中,第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域;第一预设亮度下第二感兴趣区域具有第一预设成像效果。
S102,若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;其中,第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;第二预设亮度下第一感兴趣区域具有第二预设成像效果。
S103,将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
应用本发明实施例,第一图像中第二感兴趣区域的亮度达到第一预设亮度(即在第一预设亮度下第二感兴趣区域具有第一预设成像效果),但是,第二感兴趣区域的亮度达到第一预设亮度时,第一图像中的第一感兴趣区域可能过曝(即第一感兴趣区域的亮度超过预设过曝阈值),此时,获得第二图像中的第一感兴趣区域,第二图像中第一感兴趣区域的亮度达到第二预设亮度(即在第二预设亮度下第一感兴趣区域具有第二预设成像效果),通过将第二图像中的第一感兴趣区域融合至第一图像中,得到的更新图像能够同时保证第一感兴趣区域和第二感兴趣区域都具有较好的成像效果,即实现了图像中多个区域都具有理想的成像效果。
第一图像是通过对原始图像进行图像信号处理得到,具体的处理过程是通过调整原始图像的图像信号参数,使得原始图像中第二感兴趣区域的亮度达到第一预设亮度,即得到第一图像。原始图像是指在实际场景下目标经过监控区域时采集到的图像,可以是实时采集的,也可以是之前采集后存储在数据库中,从数据库中读取的,这里不做具体限定。原始图像中包括多个感兴趣区域,这些感兴趣区域主要是指用户感兴趣的目标所处区域、用户的关注点所处的区域等,本发明实施例中,第一感兴趣区域和第二感兴趣区域表示原始图像中两个不同的感兴趣区域。
图像信号处理主要有线性纠正、噪声去除、坏点去除、内插、白平衡、自动曝光控制等处理手段,依赖于图像信号处理可以在不同的光学条件下较好地还原实际场景,很大程度上决定了图像采集设备的成像质量。在本发明实施例的一种实现方式中,如图2所示,图像信号处理主要包括:S201,传感器及镜头标定;S202,亮度、色彩调优;S203,动态范围调优;S204,对比度调优;S205,清晰度、噪声调优。图2仅示出了S202-S205的先后执行顺序,而实际应用时,对于这些处理步骤的先后执行顺序可以不做限定。经过图像信号处理后,在第一预设亮度下第一图像中的第二感兴趣区域具有第一预设成像效果。
其中,S205清晰度、噪声调优,是指通过锐化模块、降噪模块合理调参,使原始图像清晰度得到提高。锐化模块可针对原始图像的亮度、频段等不同维度进行锐化处理;降噪模块可根据原始图像的亮度、颜色、频段等进行去噪处理,使原始图像中不同区域的清晰度得到优化。S202亮度、色彩调优,是指通过亮度模块以及自动曝光机制,使原始图像中感兴趣区域的亮度达到预设亮度,并且通过色彩模块调整原始图像颜色还原度及颜色鲜艳度,即在预设亮度下感兴趣区域具有较好的成像效果。S204对比度调优,是指通过对比度模块调整原始图像整体对比度和局部对比度。
第一图像可以是预先对原始图像进行图像信号处理后存储在数据库中的,还可以是对实时采集的原始图像进行图像信号处理得到的,这里不做具体限定。
第一图像中第一感兴趣区域的亮度是对第一感兴趣区域中每个像素点的亮度值进行综合得到的结果。在本发明实施例的一种实现方式中,可以先获取到第一图像(如上述,可以是从数据库中获取的,也可以是实时进行图像信号处理得到的),对第一图像进行特征识别,识别出第一图像中的第一感兴趣区域,同时获取第一感兴趣区域的亮度。
具体的识别方式可以采用基于深度学习的识别模型,对第一图像进行特征识别,识别模型可以是卷积神经网络模型,通过将第一图像输入识别模型,输出第一图像中第一感兴趣区域的顶点坐标、宽度、高度等信息,基于这些信息,可以从第一图像上截取对应位置的第一感兴趣区域。当然,识别方式还可以采用特征对比的方式,将第一图像中各像素点的特征与预设特征一一对比,匹配出第一图像中第一感兴趣区域的各像素点,进而得到第一图像中的第一感兴趣区域。
通过读取第一图像中第一感兴趣区域在YUV编码方式下的Y值得到该第一感兴趣区域的亮度,YUV编码是一种颜色编码方式,其中“Y”表示明亮度,也就是灰阶值,“U”和“V”表示的是色度,作用是描述影像色彩及饱和度,用于指定像素的颜色。第一图像中第一感兴趣区域的亮度,指的是综合第一图像中第一感兴趣区域每个像素点的亮度得到的结果,具体可以是对第一感兴趣区域中每个像素点的亮度进行加权求和、求加权平均值等方式得到。
由于第一图像中第二感兴趣区域的亮度达到第一预设亮度时,第一图像中的第一感兴趣区域可能过曝(在同一场景下,第一感兴趣区域的亮度比第二感兴趣区域的亮度更高),导致第一图像中第一感兴趣区域的显示效果较差,因此,在得到第一图像中第一感兴趣区域的亮度之后,需要根据第一图像中第一感兴趣区域的亮度,判断第一图像中的第一感兴趣区域是否过曝。具体是通过判断第一图像中第一感兴趣区域的亮度是否超过预设过曝阈值,来判断第一图像中的第一感兴趣区域是否过曝,如果超过预设过曝阈值,则说明第一图像中的第一感兴趣区域过曝。预设过曝阈值是基于历史统计结果设定的。
如果第一图像中第一感兴趣区域的亮度超过预设过曝阈值,说明第一图像中的第一感兴趣区域过曝,为了应对该问题,需要获得第二图像中的第一感兴趣区域。第二图像是通过对原始图像进行图像信号处理得到的,具体的处理过程就是通过调整原始图像的图像信号参数,使得原始图像中第一感兴趣区域的亮度达到第二预设亮度,即得到第二图像。
如图2所示,对第二图像进行图像信号处理也可以包括:S201,传感器及镜头标定;S202,亮度、色彩调优;S203,动态范围调优;S204,对比度调优;S205,清晰度、噪声调优。经过图像信号处理后,在第二预设亮度下第二图像中的第一感兴趣区域具有第二预设成像效果。第一预设成像效果和第二预设成像效果分别由第二感兴趣区域和第一感兴趣区域的理想成像参数决定,两个预设成像效果可以相同也可以不同。
第二图像可以是预先对原始图像进行图像信号处理后存储在数据库中的,还可以是实时地对原始图像进行图像信号处理得到的,这里不做具体限定。
在本发明实施例的一种实现方式中,可以先获取到第二图像(如上述,可以是从数据库中获取的,也可以是实时进行图像信号处理得到的),对第二图像进行特征识别,识别出第二图像中的第一感兴趣区域。
具体的识别方式可以采用基于深度学习的识别模型,对第二图像进行特征识别,识别模型可以是卷积神经网络模型,通过将第二图像输入识别模型,输出第二图像中第一感兴趣区域的顶点坐标、宽度、高度等信息,基于这些信息,可以从第二图像上截取对应位置的第一感兴趣区域。当然,识别方式还可以采用特征对比的方式,将第二图像中各像素点的特征与预设特征一一对比,匹配出第二图像中第一感兴趣区域的各像素点,进而得到第二图像中的第一感兴趣区域。
第二图像中的第一感兴趣区域具有较好的成像效果,因此,在识别出第二图像中的第一感兴趣区域后,将第二图像中的第一感兴趣区域融合至第一图像中,即可得到第一感兴趣区域和第二感兴趣区域都有较好成像效果的更新图像。
具体的,将第二图像中的第一感兴趣区域融合至第一图像中,可以采用传统的图像融合方式,也就是将第二图像中的第一感兴趣区域和第一图像中的第一感兴趣区域在第一图像中进行像素叠加;也可以直接将第一图像中的第一感兴趣区域替换为第二图像中的第一感兴趣区域。
可选的,S103具体可以为:根据针对第二图像和第一图像中第一感兴趣区域的各像素点预先分配的融合权重,对第二图像和第一图像中第一感兴趣区域的同一像素点的像素值进行加权融合,得到融合区域;将第一图像中的第一感兴趣区域替换为融合区域,得到更新图像。
在本发明实施例的一种实现方式中,将第二图像中的第一感兴趣区域融合至第一图像中的方式,是通过将第二图像中的第一感兴趣区域和第一图像中的第一感兴趣区域的像素点进行加权融合实现,具体是根据针对第二图像和第一图像中第一感兴趣区域的各像素点预先分配的融合权重,对第二图像和第一图像中第一感兴趣区域的同一像素点的像素值进行加权融合,得到融合区域,再将第一图像中的第一感兴趣区域替换为融合区域,即得到更新图像。
基于图1所示实施例,本发明实施例还提供了图像处理方法的另一种流程,如图3所示,可以包括如下步骤。
S301,获取图像采集设备采集的原始图像。
S302,基于预设的第一图像信号处理参数,对原始图像进行处理,得到第一图像,其中,第一图像信号处理参数用于使原始图像中第二感兴趣区域的亮度达到第一预设亮度。
S303,基于预设的第二图像信号处理参数,对原始图像进行处理,得到第二图像,其中,第二图像信号处理参数用于使原始图像中第一感兴趣区域的亮度达到第二预设亮度。
S304,获取第一图像中第一感兴趣区域的亮度。
S305,若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域。
S306,将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
在本发明实施例中,原始图像可以是图像采集设备实时采集的,在实际应用场景下,可以设置有触发抓拍条件(例如触发线、车道线等),一旦有物体经过设定好的位置,则触发图像采集设备进行抓拍,得到原始图像。在获取到原始图像后,可以通过两路图像信号处理,每路图像信号处理设置不同的图像信号处理参数:第一路图像信号处理基于预设的第一图像信号处理参数,对原始图像进行图像信号处理,得到第一图像,第一图像信号处理参数用于使原始图像中第二感兴趣区域的亮度达到第一预设亮度,因此,第一图像中第二感兴趣区域具有第一预设成像效果;第二路图像信号处理基于预设的第二图像信号处理参数,对原始图像进行图像信号处理,得到第二图像,第二图像信号处理参数用于使原始图像中第一感兴趣区域的亮度达到第二预设亮度,因此,第二图像中第一感兴趣区域具有第二预设成像效果。
可选的,在S301之后,本发明实施例所提供的方法还可以包括:对原始图像进行特征识别,确定原始图像中第一感兴趣区域的空间信息。
相应的,S304为:根据空间信息,从第一图像中获得第一感兴趣区域;获取第一图像中第一感兴趣区域各像素点的亮度值,并根据各像素点的亮度值,确定第一图像中第一感兴趣区域的亮度。
S305为:若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则根据空间信息,从第二图像中获得第一感兴趣区域。
在本发明实施例的一种实现方式中,在获取到原始图像后,首先对原始图像进行特征识别,确定原始图像中第一感兴趣区域的空间信息。具体的识别方式可以采用基于深度学习的识别模型,对原始图像进行特征识别,识别模型可以是卷积神经网络模型,通过将原始图像输入识别模型,输出原始图像中第一感兴趣区域的顶点坐标、宽度、高度等空间信息,基于这些空间信息,分别可以从第一图像、第二图像上截取对应位置的第一感兴趣区域。在从第一图像中获得第一感兴趣区域的同时,可以通过读取第一图像中第一感兴趣区域在YUV编码方式下的Y值得到该第一感兴趣区域的亮度,第一图像中第一感兴趣区域的亮度,指的是综合第一图像中第一感兴趣区域每个像素点的亮度得到的结果,具体可以是对第一感兴趣区域中每个像素点的亮度进行加权求和、求加权平均值等方式得到。
基于图1所示实施例,本发明实施例还提供了图像处理方法的再一种流程,如图4所示,可以包括如下步骤。
S401,获取第一图像中第一感兴趣区域的亮度;其中,第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域;第一预设亮度下第二感兴趣区域具有第一预设成像效果。
S402,若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;其中,第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;第二预设亮度下第一感兴趣区域具有第二预设成像效果。
S403,利用预设的图像增强策略,对第二图像中的第一感兴趣区域进行增强处理。
S404,将增强处理后的第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
在本发明实施例的一种实现方式中,由于从第二图像中识别出第一感兴趣区域可能存在识别误差、第一感兴趣区域显示不清晰、亮度不够、底色不均匀等问题,则可以在从第二图像中识别出第一感兴趣区域后,利用预设的图像增强策略,对识别出的第一感兴趣区域进行增强处理。图像增强策略可以包括:第一感兴趣区域边缘检测、第一感兴趣区域提亮、第一感兴趣区域颜色映射、第一感兴趣区域对比度增强、第一感兴趣区域去噪等图像增强策略中的至少一种。
可选的,原始图像为车辆图像;第一感兴趣区域为原始图像中的车牌区域;第二感兴趣区域为原始图像中除车牌区域以外的特定区域。S403具体可以为:针对第二图像中车牌区域的每个像素点,获得该像素点的像素值;若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为车牌底色对应的目标像素值。
在实际的应用中,本发明实施例主要针对的是车牌识别的应用场景,即原始图像为车辆图像,第一感兴趣区域为原始图像中的车牌区域,第二感兴趣区域为原始图像中除车牌区域以外的特定区域,例如前挡风玻璃的区域、驾驶员一侧的车窗区域等,对第二图像中车牌区域进行的增强处理,具体可以为车牌区域颜色映射处理,也就是将车牌底色进行统一,确保车牌区域的色调、饱和度和亮度更加符合人眼的视觉效果。车牌区域颜色映射的过程,就是针对是车牌底色的像素点(即该像素点的像素值属于车牌底色对应的像素范围),将该像素点的像素值替换为车牌底色对应的目标像素值。
在具体应用时,像素值可以指的是图像在HSL空间下的色调值,也可以是图像在其他色彩空间下对应的值,例如在RGB空间下,与色调值相对应的R、G、B值。
下面以色调值为例进行说明,色调值是图像在HSL空间下的H值,而图像一般情况下是RGB色彩空间的,RGB是工业界的一种颜色标准空间,是通过红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即代表红、绿、蓝三个通道的颜色,而HSL空间是一种将RGB色彩空间中的点在圆柱坐标系中的表示法,HSL即H(Hue,色调)、S(Saturation,饱和度)、L(Lightness,亮度)。可以先将第二图像中车牌区域的RGB空间转换为HSL空间,并根据像素点的H值判断是否为车牌底色,即判断像素点的H值是否属于车牌底色对应的色调范围,例如黄色车牌的色调范围为H0~H1,如果一个像素点的H值属于H0~H1,则可以确定该像素点为黄色车牌底色。如果一个像素点是车牌底色,将该像素点的H值替换为车牌底色对应的目标H值,具体替换H值的方式,也可以采用外部可控的插值算法,针对不同颜色的车牌底色,可以设置相应的目标H值,这样可以令是车牌底色的所有像素点具有相同的H值,能够达到车牌底色统一、颜色鲜艳等特点,在遍历完所有像素点之后,再将第二图像中车牌区域的HSL空间转换为RGB空间,即得到车牌区域增强处理后的第二图像。
基于图1所示实施例,本发明实施例还提供了图像处理方法的又一种流程,如图5所示,可以包括如下步骤。
S501,获取第一图像中第一感兴趣区域的亮度;其中,第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域;第一预设亮度下第二感兴趣区域具有第一预设成像效果。
S502,判断第一图像中第一感兴趣区域的亮度是否超过预设过曝阈值,若是则执行S503至S504,否则执行S505。
S503,获得第二图像中的第一感兴趣区域;其中,第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;第二预设亮度下第一感兴趣区域具有第二预设成像效果。
S504,将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
S505,将第一图像作为更新图像。
在本发明实施例的一种实现方式中,如果第一图像中第一感兴趣区域的亮度未超过预设过曝阈值,则说明第一图像中的第一感兴趣区域未过曝,成像效果良好,则可以直接将第一图像作为更新图像,该图像中第一感兴趣区域和第二感兴趣区域都具有较好的成像效果。
基于图1所示实施例,本发明实施例还提供了图像处理方法的又一种流程,如图6所示,可以包括如下步骤。
S601,获取第一图像中第一感兴趣区域的亮度;其中,第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域;第一预设亮度下第二感兴趣区域具有第一预设成像效果。
S602,判断第一图像中第一感兴趣区域的亮度是否超过预设过曝阈值,若是则执行S603至S604,否则执行S605至S606。
S603,获得第二图像中的第一感兴趣区域;其中,第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;第二预设亮度下第一感兴趣区域具有第二预设成像效果。
S604,将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
S605,利用预设的图像增强策略,对第一图像中的第一感兴趣区域进行增强处理。
S606,将第一感兴趣区域增强处理后的第一图像作为更新图像。
与图4所示实施例相类似,在本发明实施例的一种实现方式中,由于从第一图像中识别出的第一感兴趣区域可能存在识别误差、第一感兴趣区域显示不清晰、亮度不够、底色不均匀等问题,则可以在从第一图像中识别出第一感兴趣区域后,利用预设的图像增强策略,对识别出的第一感兴趣区域进行增强处理。图像增强策略可以包括:第一感兴趣区域边缘检测、第一感兴趣区域提亮、第一感兴趣区域颜色映射、第一感兴趣区域对比度增强、第一感兴趣区域去噪等图像增强策略中的至少一种。
可选的,原始图像为车辆图像;第一感兴趣区域为原始图像中的车牌区域;第二感兴趣区域为原始图像中除车牌区域以外的特定区域。S605具体可以为:针对第一图像中车牌区域的每个像素点,获得该像素点的像素值;若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为车牌底色对应的目标像素值。
在实际的应用中,本发明实施例主要针对的是车牌识别的应用场景,即原始图像为车辆图像,第一感兴趣区域为原始图像中的车牌区域,第二感兴趣区域为原始图像中除车牌区域以外的特定区域,例如前挡风玻璃的区域、驾驶员一侧的车窗区域等,对第一图像中车牌区域进行的增强处理,具体可以为车牌区域颜色映射处理,也就是将车牌底色进行统一,确保车牌区域的色调、饱和度和亮度更加符合人眼的视觉效果。车牌区域颜色映射的过程,就是针对是车牌底色的像素点(即该像素点的像素值属于车牌底色对应的像素范围),将该像素点的像素值替换为车牌底色对应的目标像素值。具体的车牌区域颜色映射过程与图4所示实施例中的过程相同,这里不再赘述。
为了便于理解,下面结合车牌识别的具体应用场景,对本发明实施例所提供的图像处理方法进行介绍,车辆图像处理的整体流程如图7所示,该方法应用于卡口抓拍的场景,包括如下步骤。
S701,过车触发抓拍,获得原始车辆图像。
预先架设图像采集设备,搭建监控系统,绘制抓拍触发线,配置抓拍参数;当车辆行驶经过触发线时,触发抓拍操作,抓拍原始车辆图像。
S702,将原始车辆图像送入两路ISP(Image Signal Processing,图像信号处理)处理,标定为亮帧和暗帧。
亮帧即为上述实施例中的第一图像,通过ISP参数调整为车窗区域和环境亮度最佳;暗帧即为上述实施例中的第二图像,通过ISP参数调整为车牌区域亮度最佳。在本实例中,ISP采用海思ISP,具体的ISP处理至少包括图像清晰度优化、图像亮度优化、图像对比度自适应调整和整体色彩增强优化。其中,图像清晰度优化:通过海思ISP中Sharpen模块、NR模块、3DNR模块合理调参,使图像清晰度得到提高,Sharpen模块可针对图像亮度、频段等不同维度进行锐化操作,NR模块和3DNR模块可根据亮度、颜色、频段进行去噪处理,达到对亮帧和暗帧不同区域的清晰度进行合理优化的目的;图像亮度优化:通过海思ISP中gamma模块、LDCI模块、DRC模块等以及自动曝光机制使亮帧车窗区域亮度适中、环境亮度适中,暗帧车牌区域亮度适中;图像对比度自适应调整:通过海思ISP中Dehaze模块、DRC模块等调整图像整体对比度和局部对比度;整体色彩增强优化:通过海思ISP中CCM模块、3D-CLUT模块等调整图像颜色还原度及颜色鲜艳度。
S703,基于深度学习的车牌识别算法,输出亮帧和暗帧车牌区域YUV图。
输入原始车辆图像,通过深度学习算法特征检测识别车牌信息,并输出车牌区域顶点坐标、宽度、高度等信息;根据车牌区域顶点坐标、宽度、高度等信息,在亮帧和暗帧YUV图上截取对应位置的车牌区域。
S704,基于图像融合技术,对车牌区域进行增强处理。
由于从亮帧或者暗帧中识别出车牌区域可能存在识别误差、车牌区域显示不清晰、亮度不够、底色不均匀等问题,则可以在从亮帧或者暗帧中识别出车牌区域YUV图后,对车牌区域YUV图进行增强处理。
S705,输出车牌区域增强后的车辆图像。
其中,如图8所示,S704具体包括如下步骤。
S801,输入亮帧和暗帧车牌区域YUV图。
S802,判断亮帧车牌区域是否过曝,若是则执行S803-S808,否则执行S809-S812。
根据算法内部基于历史统计结果给出预设过曝阈值y_ref,统计亮帧车牌区域YUV图的平均亮度,超过y_ref则表示亮帧车牌区域过曝,那么下述步骤会重点进行暗帧车牌区域处理;未超过y_ref则表示亮帧车牌区域不过曝,那么下述步骤会重点进行亮帧车牌区域处理。
S803,对暗帧车牌区域YUV图进行边缘检测。保证处理区域是车牌区域。
针对绿色车牌区域YUV图的Y分量进行sobel边缘检测,对{{1,0,-1},{2,0,-2},{1,0,-1}}和{{-1,-2,-1},{0,0,0},{1,2,1}}的卷积运算后进行相加,得到对纵向细节和横向细节的边缘信息,根据边缘信息得到四个边界的坐标信息;针对纯色车牌区域YUV图,将YUV空间转换为HSL空间,根据像素点的H值判断像素点所属的纯色车牌颜色,例如若H值在[180,260]之间则判断该像素点为蓝色车牌,并生成二值化图像,蓝色为255、其他颜色为0,再通过运算使得车牌字体区域覆盖,定位到车牌信息;判断暗帧车牌区域YUV图每一行、每一列的亮度跳变,基于历史统计结果给定一个阈值,跳变大于该阈值的部分为字体部分,跳变小于该阈值的部分为非字体部分,可以基于字体部分的大小和车牌比例判断车牌区域边缘。
S804,车牌目标亮度映射。
车牌目标亮度映射就是对边缘检测得到的车牌区域YUV图进行Gamma提亮,使车牌区域亮度适中,提亮程度是根据车牌Gamma前后的平均亮度到参考亮度的距离自适应调节的,如果Gamma后的平均亮度超过了参考亮度,则需要利用车牌区域每个像素点Gamma前后的亮度值进行插值,如果Gamma后的平均亮度值没有达到参考亮度,则直接采用Gamma后的结果作为车牌颜色增强处理的输入。如图9所示,输入的为8bit的Gamma前车牌区域YUV图,设置参考亮度作为Gamma提亮的依据,根据Gamma前后的平均亮度到参考亮度的距离设置提升强度并归一化,根据提升强度在完全Gamma映射值和原值间进行插值,最后输出12bit的Gamma后车牌区域RGB图。
S805,车牌颜色增强处理。
针对S804得到的车牌区域RGB图进行车牌颜色映射处理,将车牌底色映射到目标色彩空间的标准值,确保车牌区域的色调、保护度和亮度更加符合人眼的视觉效果。如图10所示,输入车牌区域RGB图,遍历至车牌区域第i个像素点,将RGB空间转换为HSL空间,根据该像素点的H值判断该像素点是否为车牌底色,如果不是车牌底色,则i加1,开始处理下一个像素点,如果是车牌底色,则基于3-D LUT查找目标色彩空间H值并插值处理,将该像素点插值处理后的HSL空间转换为RGB空间,直至遍历完车牌区域的所有像素点,则输出车牌底色映射后的车牌区域RGB图。其中,不同的车牌底色对应有不同的目标色彩空间H值,能够达到车牌底色统一、颜色鲜艳等目的。
S806,车牌对比度增强处理。
对S805得到的车牌颜色增强的车牌区域RGB图再进行对比度增强,此步骤输入为12bit的RGB图,输出为8bit的RGB图,分别为U16和U08格式存储。如图11所示,当提亮程度(可由外部输入)为0时,Gamma查找表是一条斜率为1的直线;当提亮程度不为0时,进行直方图均衡化,得到能够映射到新的直方图的Gamma查找表,通过Gamma查找表进行亮度映射,并进行位宽压缩,得到对比度增强的车牌区域RGB图。
S807,车牌去噪增强处理。
对S806得到的对比度增强的车牌区域RGB图再进行去噪处理,在RGB的三个通道分别做表面模糊处理,输入为8bit的RGB图,输出为8bit的RGB图,如图12所示,根据输入的车牌区域RGB图中车牌底色,设置不同的去噪强度;建立滑窗,定位待处理的像素点;在滑窗内,利用所有像素点计算待处理像素点的RGB值;所有像素点都计算之后,输出最终的车牌区域RGB图。其中,可以考虑当前抓拍帧的ISO值作为去噪强度,一般来说,当前场景启用的ISO值越高,去噪强度就越大。
在对车牌区域RGB图进行去噪增强处理后,还可以进行锐化处理,通过将RGB空间转换为YUV空间,通过设置锐化强度阈值,提取车牌区域RGB图的高频值,判断高频值是否大于阈值,如果大于则需要锐化Y分量的强度,达到很好的锐化效果,并输出车牌区域YUV图。如果无需锐化处理,则可直接将去噪增强处理后的车牌区域RGB图转换为YUV图输出。
S808,亮帧暗帧车牌区域融合处理。
在对暗帧车牌区域进行增强处理后,需要对亮帧暗帧进行车牌融合处理,如图13所示,输入暗帧车牌区域增强处理后的YUV图和亮帧车牌区域YUV图,设置车牌区域中各像素点的融合权重,根据融合权重,计算融合后的车牌区域各像素点YUV值,得到融合后的车牌区域YUV图,将融合后的车牌区域YUV图替换到亮帧车牌区域位置,得到更新车辆图像。其中,设置车牌区域中各像素点的融合权重是基于越靠近车牌中心,暗帧车牌区域增强处理后的像素点融合权重越大的原则进行设置的。
S809,对亮帧车牌区域YUV图进行边缘检测。
S810,车牌颜色增强处理。
S811,车牌对比度增强处理。
S812,车牌去噪增强处理。
对于亮帧车牌区域的增强处理,与暗帧相似,这里不再一一赘述。对亮帧车牌区域进行增强处理后,直接将增强处理后的车牌区域YUV图替换到亮帧车牌区域位置,得到更新车辆图像。
在实际应用中,抓拍到的原始车辆图像中不仅存在车牌亮度或者车窗区域、环境亮度不够的问题,还可能存在车牌底色与实际不同等问题,通过本方案,不仅使车牌区域、车窗区域和环境亮度都能够满足成像效果要求,还可以保证车牌底色还原成车牌的原底色,进一步提高了车牌识别的准确率。例如,抓拍到的原始车辆图像中车牌底色为淡蓝色,而淡蓝色并不是车牌底色的标准色,通过本方案,在保证车窗人脸亮度和车牌区域的成像效果的同时,还可以还原出深蓝的原车牌底色。
本发明实施例所提供的车辆图像处理方法,利用图像增强处理和图像融合、机器学习等技术,提高了车牌区域的清晰度、提高了车牌区域的统一性,能够保证车窗人脸亮度的同时,保证车牌区域的成像效果;该方法适用于多种道路环境,图像增强处理可根据场景环境自适应调节,具有较好的普适性、可维护性和检测准确性,可以在实际的交通卡口项目、电警灯项目应用。
相应于上述方法实施例,本发明实施例提供了一种图像处理装置,如图14所示,该装置可以包括:获取模块1410、确定模块1420和融合模块1430。
获取模块1410,用于获取第一图像中第一感兴趣区域的亮度;其中,第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域;第一预设亮度下第二感兴趣区域具有第一预设成像效果;
确定模块1420,用于若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;其中,第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;第二预设亮度下第一感兴趣区域具有第二预设成像效果;
融合模块1430,用于将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
可选的,该装置还可以包括:
增强处理模块,用于利用预设的图像增强策略,对第二图像中的第一感兴趣区域进行增强处理;
融合模块1430,具体可以用于将增强处理后的第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。
可选的,原始图像为车辆图像;第一感兴趣区域为原始图像中的车牌区域;第二感兴趣区域为原始图像中除车牌区域以外的特定区域;
增强处理模块,具体可以用于针对第二图像中车牌区域的每个像素点,获得该像素点的像素值;若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为车牌底色对应的目标像素值。
可选的,该装置还可以包括:
设定模块,用于若第一图像中第一感兴趣区域的亮度未超过预设过曝阈值,则将第一图像作为更新图像。
可选的,该装置还可以包括:
增强处理模块,用于利用预设的图像增强策略,对第一图像中的第一感兴趣区域进行增强处理;
设定模块,具体可以用于将第一感兴趣区域增强处理后的第一图像作为更新图像。
可选的,原始图像为车辆图像;第一感兴趣区域为原始图像中的车牌区域;第二感兴趣区域为原始图像中除车牌区域以外的特定区域;
增强处理模块,具体可以用于针对第一图像中车牌区域的每个像素点,获得该像素点的像素值;若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为车牌底色对应的目标像素值。
可选的,融合模块1430,具体可以用于:
根据针对第二图像和第一图像中第一感兴趣区域的各像素点预先分配的融合权重,对第二图像和第一图像中第一感兴趣区域的同一像素点的像素值进行加权融合,得到融合区域;
将第一图像中的第一感兴趣区域替换为融合区域,得到更新图像。
可选的,获取模块1410,还可以用于获取图像采集设备采集的原始图像;
该装置还可以包括:
图像信号处理模块,用于基于预设的第一图像信号处理参数,对原始图像进行处理,得到第一图像,其中,第一图像信号处理参数用于使原始图像中第二感兴趣区域的亮度达到第一预设亮度;基于预设的第二图像信号处理参数,对原始图像进行处理,得到第二图像,其中,第二图像信号处理参数用于使原始图像中第一感兴趣区域的亮度达到第二预设亮度。
可选的,该装置还可以包括:
识别模块,用于对原始图像进行特征识别,确定原始图像中第一感兴趣区域的空间信息;
获取模块1410,具体可以用于根据空间信息,从第一图像中获得第一感兴趣区域;获取第一图像中第一感兴趣区域各像素点的亮度值,并根据各像素点的亮度值,确定第一图像中第一感兴趣区域的亮度;
确定模块1420,具体可以用于根据空间信息,从第二图像中获得第一感兴趣区域。
应用本发明实施例,第一图像中第二感兴趣区域的亮度达到第一预设亮度(即在第一预设亮度下第二感兴趣区域具有第一预设成像效果),但是,第二感兴趣区域的亮度达到第一预设亮度时,第一图像中的第一感兴趣区域可能过曝(即第一感兴趣区域的亮度超过预设过曝阈值),此时,获得第二图像中的第一感兴趣区域,第二图像中第一感兴趣区域的亮度达到第二预设亮度(即在第二预设亮度下第一感兴趣区域具有第二预设成像效果),通过将第二图像中的第一感兴趣区域融合至第一图像中,得到的更新图像能够同时保证第一感兴趣区域和第二感兴趣区域都具有较好的成像效果,即实现了图像中多个区域都具有理想的成像效果。
本发明实施例提供了一种电子设备,如图15所示,包括处理器1501和机器可读存储介质1502,机器可读存储介质1502存储有能够被处理器1501执行的机器可执行指令,处理器1501被机器可执行指令促使:实现本发明实施例所提供的图像处理方法。
上述机器可读存储介质可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,机器可读存储介质还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括CPU、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processor,数字信号处理器)、ASIC(ApplicationSpecific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)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。
处理器1501和机器可读存储介质1502之间可以通过有线连接或者无线连接的方式进行数据传输,并且电子设备与其他设备之间可以通过有线通信接口或者无线通信接口进行通信。图15所示的仅为通过总线进行数据传输的示例,不作为具体连接方式的限定。
本发明实施例中,处理器通过读取机器可读存储介质中存储的机器可执行指令,并通过加载和执行机器可执行指令,能够实现:获取第一图像中第一感兴趣区域的亮度,若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域,将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像。第一图像中第二感兴趣区域的亮度达到第一预设亮度(即在第一预设亮度下第二感兴趣区域具有第一预设成像效果),但是,第二感兴趣区域的亮度达到第一预设亮度时,第一图像中的第一感兴趣区域可能过曝(即第一感兴趣区域的亮度超过预设过曝阈值),此时,获得第二图像中的第一感兴趣区域,第二图像中第一感兴趣区域的亮度达到第二预设亮度(即在第二预设亮度下第一感兴趣区域具有第二预设成像效果),通过将第二图像中的第一感兴趣区域融合至第一图像中,得到的更新图像中第一感兴趣区域和第二感兴趣区域都具有理想的成像效果,第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域,因此,能够同时保证第一感兴趣区域和第二感兴趣区域都具有理想的成像效果,即实现了图像中多个区域都具有理想的成像效果。
另外,本发明实施例提供了一种机器可读存储介质,机器可读存储介质内存储有机器可执行指令,机器可执行指令在被处理器加载并执行时,实现本发明实施例所提供的图像处理方法。
本发明实施例中,机器可读存储介质存储有在运行时执行本发明实施例所提供的图像处理方法的机器可执行指令,因此能够实现:获取第一图像中第一感兴趣区域的亮度,若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域,将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像。第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像。第一图像中第二感兴趣区域的亮度达到第一预设亮度(即在第一预设亮度下第二感兴趣区域具有第一预设成像效果),但是,第二感兴趣区域的亮度达到第一预设亮度时,第一图像中的第一感兴趣区域可能过曝(即第一感兴趣区域的亮度超过预设过曝阈值),此时,获得第二图像中的第一感兴趣区域,第二图像中第一感兴趣区域的亮度达到第二预设亮度(即在第二预设亮度下第一感兴趣区域具有第二预设成像效果),通过将第二图像中的第一感兴趣区域融合至第一图像中,得到的更新图像中第一感兴趣区域和第二感兴趣区域都具有理想的成像效果,第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域,因此,能够同时保证第一感兴趣区域和第二感兴趣区域都具有理想的成像效果,即实现了图像中多个区域都具有理想的成像效果。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一图像处理方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、DSL(Digital Subscriber Line,数字用户线))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如DVD(DigitalVersatile Disc,数字多功能光盘))、或者半导体介质(例如SSD(Solid State Disk,固态硬盘))等。
本发明实施例还提供了一种监控系统,如图16所示,包括图像采集设备1601及电子设备1602,其中,
图像采集设备1601,用于采集原始图像,并将原始图像发送至电子设备1602;
电子设备1602,用于获取第一图像中第一感兴趣区域的亮度;若第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;将第二图像中的第一感兴趣区域融合至第一图像中,得到更新图像;其中,第一图像为:对原始图像进行处理,使原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;第二图像为:对原始图像进行处理,使原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;第一感兴趣区域和第二感兴趣区域为原始图像中两个不同的感兴趣区域;第一预设亮度下第二感兴趣区域具有第一预设成像效果;第二预设亮度下第一感兴趣区域具有第二预设成像效果。
本发明实施例所提供的监控系统可以为分布式系统,即图像采集设备和电子设备为两个独立分布的设备;本发明实施例所提供的监控系统也可以为一个集成设备,即图像采集设备和电子设备集成在一个硬件设备中。
应用本发明实施例,第一图像中第二感兴趣区域的亮度达到第一预设亮度(即在第一预设亮度下第二感兴趣区域具有第一预设成像效果),但是,第二感兴趣区域的亮度达到第一预设亮度时,第一图像中的第一感兴趣区域可能过曝(即第一感兴趣区域的亮度超过预设过曝阈值),此时,获得第二图像中的第一感兴趣区域,第二图像中第一感兴趣区域的亮度达到第二预设亮度(即在第二预设亮度下第一感兴趣区域具有第二预设成像效果),通过将第二图像中的第一感兴趣区域融合至第一图像中,得到的更新图像能够同时保证第一感兴趣区域和第二感兴趣区域都具有较好的成像效果,即实现了图像中多个区域都具有理想的成像效果。
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。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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于图像处理装置、电子设备、机器可读存储介质、计算机程序产品和监控系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (13)
1.一种图像处理方法,其特征在于,所述方法包括:
获取第一图像中第一感兴趣区域的亮度;其中,所述第一图像为:对原始图像进行处理,使所述原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;所述第一感兴趣区域和所述第二感兴趣区域为所述原始图像中两个不同的感兴趣区域;所述第一预设亮度下所述第二感兴趣区域具有第一预设成像效果;
若所述第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;其中,所述第二图像为:对所述原始图像进行处理,使所述原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;所述第二预设亮度下所述第一感兴趣区域具有第二预设成像效果;
将所述第二图像中的第一感兴趣区域融合至所述第一图像中,得到更新图像。
2.根据权利要求1所述的方法,其特征在于,在所述获得第二图像中的第一感兴趣区域的步骤之后,所述方法还包括:
利用预设的图像增强策略,对所述第二图像中的第一感兴趣区域进行增强处理;
所述将所述第二图像中的第一感兴趣区域融合至所述第一图像中,得到更新图像的步骤,包括:
将增强处理后的所述第二图像中的第一感兴趣区域融合至所述第一图像中,得到更新图像。
3.根据权利要求2所述的方法,其特征在于,所述原始图像为车辆图像;所述第一感兴趣区域为所述原始图像中的车牌区域;所述第二感兴趣区域为所述原始图像中除所述车牌区域以外的特定区域;
所述利用预设的图像增强策略,对所述第二图像中的第一感兴趣区域进行增强处理的步骤,包括:
针对所述第二图像中车牌区域的每个像素点,获得该像素点的像素值;
若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为所述车牌底色对应的目标像素值。
4.根据权利要求1所述的方法,其特征在于,在所述获取第一图像中第一感兴趣区域的亮度的步骤之后,所述方法还包括:
若所述第一图像中第一感兴趣区域的亮度未超过所述预设过曝阈值,则将所述第一图像作为更新图像。
5.根据权利要求4所述的方法,其特征在于,在所述将所述第一图像作为更新图像的步骤之前,所述方法还包括:
利用预设的图像增强策略,对所述第一图像中的第一感兴趣区域进行增强处理;
所述将所述第一图像作为更新图像的步骤,包括:
将第一感兴趣区域增强处理后的所述第一图像作为更新图像。
6.根据权利要求5所述的方法,其特征在于,所述原始图像为车辆图像;所述第一感兴趣区域为所述原始图像中的车牌区域;所述第二感兴趣区域为所述原始图像中除所述车牌区域以外的特定区域;
所述利用预设的图像增强策略,对所述第一图像中的第一感兴趣区域进行增强处理的步骤,包括:
针对所述第一图像中车牌区域的每个像素点,获得该像素点的像素值;
若该像素点的像素值属于车牌底色对应的像素范围,则将该像素点的像素值替换为所述车牌底色对应的目标像素值。
7.根据权利要求1所述的方法,其特征在于,所述将所述第二图像中的第一感兴趣区域融合至所述第一图像中,得到更新图像的步骤,包括:
根据针对所述第二图像和所述第一图像中第一感兴趣区域的各像素点预先分配的融合权重,对所述第二图像和所述第一图像中第一感兴趣区域的同一像素点的像素值进行加权融合,得到融合区域;
将所述第一图像中的第一感兴趣区域替换为所述融合区域,得到更新图像。
8.根据权利要求1所述的方法,其特征在于,在所述获取第一图像中第一感兴趣区域的亮度的步骤之前,所述方法还包括:
获取图像采集设备采集的原始图像;
基于预设的第一图像信号处理参数,对所述原始图像进行处理,得到第一图像,其中,所述第一图像信号处理参数用于使所述原始图像中第二感兴趣区域的亮度达到第一预设亮度;
基于预设的第二图像信号处理参数,对所述原始图像进行处理,得到第二图像,其中,所述第二图像信号处理参数用于使所述原始图像中第一感兴趣区域的亮度达到第二预设亮度。
9.根据权利要求8所述的方法,其特征在于,在所述获取图像采集设备采集的原始图像的步骤之后,所述方法还包括:
对所述原始图像进行特征识别,确定所述原始图像中第一感兴趣区域的空间信息;
所述获取第一图像中第一感兴趣区域的亮度的步骤,包括:
根据所述空间信息,从所述第一图像中获得第一感兴趣区域;
获取所述第一图像中第一感兴趣区域各像素点的亮度值,并根据所述各像素点的亮度值,确定所述第一图像中第一感兴趣区域的亮度;
所述获得第二图像中的第一感兴趣区域,包括:
根据所述空间信息,从所述第二图像中获得第一感兴趣区域。
10.一种图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取第一图像中第一感兴趣区域的亮度;其中,所述第一图像为:对原始图像进行处理,使所述原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;所述第一感兴趣区域和所述第二感兴趣区域为所述原始图像中两个不同的感兴趣区域;所述第一预设亮度下所述第二感兴趣区域具有第一预设成像效果;
确定模块,用于若所述第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;其中,所述第二图像为:对所述原始图像进行处理,使所述原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;所述第二预设亮度下所述第一感兴趣区域具有第二预设成像效果;
融合模块,用于将所述第二图像中的第一感兴趣区域融合至所述第一图像中,得到更新图像。
11.一种电子设备,其特征在于,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:实现权利要求1-9任一项所述的方法。
12.一种机器可读存储介质,其特征在于,所述机器可读存储介质内存储有机器可执行指令,所述机器可执行指令在被处理器加载并执行时,实现权利要求1-9任一项所述的方法。
13.一种监控系统,其特征在于,包括图像采集设备及电子设备,其中,
所述图像采集设备,用于采集原始图像,并将所述原始图像发送至所述电子设备;
所述电子设备,用于获取第一图像中第一感兴趣区域的亮度;若所述第一图像中第一感兴趣区域的亮度超过预设过曝阈值,则获得第二图像中的第一感兴趣区域;将所述第二图像中的第一感兴趣区域融合至所述第一图像中,得到更新图像;其中,所述第一图像为:对原始图像进行处理,使所述原始图像中第二感兴趣区域的亮度达到第一预设亮度得到的图像;所述第二图像为:对所述原始图像进行处理,使所述原始图像中第一感兴趣区域的亮度达到第二预设亮度得到的图像;所述第一感兴趣区域和所述第二感兴趣区域为所述原始图像中两个不同的感兴趣区域;所述第一预设亮度下所述第二感兴趣区域具有第一预设成像效果;所述第二预设亮度下所述第一感兴趣区域具有第二预设成像效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010749423.9A CN111898532A (zh) | 2020-07-30 | 2020-07-30 | 一种图像处理方法、装置、电子设备及监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010749423.9A CN111898532A (zh) | 2020-07-30 | 2020-07-30 | 一种图像处理方法、装置、电子设备及监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111898532A true CN111898532A (zh) | 2020-11-06 |
Family
ID=73182576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010749423.9A Pending CN111898532A (zh) | 2020-07-30 | 2020-07-30 | 一种图像处理方法、装置、电子设备及监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898532A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113031675A (zh) * | 2021-03-05 | 2021-06-25 | 中南大学 | 一种可见光自适应调控方法、系统、装置和存储介质 |
WO2022161145A1 (zh) * | 2021-02-01 | 2022-08-04 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
CN115145442A (zh) * | 2022-06-07 | 2022-10-04 | 杭州海康汽车软件有限公司 | 一种环境图像的显示方法、装置、车载终端及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262330A (zh) * | 2010-05-25 | 2011-11-30 | 北京中星微电子有限公司 | 自动曝光的方法及装置 |
CN103095979A (zh) * | 2011-11-07 | 2013-05-08 | 华晶科技股份有限公司 | 人脸过曝的影像处理方法及其影像撷取装置 |
US20150030242A1 (en) * | 2013-07-26 | 2015-01-29 | Rui Shen | Method and system for fusing multiple images |
CN109636765A (zh) * | 2018-11-09 | 2019-04-16 | 深圳市华星光电技术有限公司 | 基于图像多重曝光融合的高动态显示方法 |
CN110033418A (zh) * | 2019-04-15 | 2019-07-19 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN110062160A (zh) * | 2019-04-09 | 2019-07-26 | Oppo广东移动通信有限公司 | 图像处理方法和装置 |
CN110136071A (zh) * | 2018-02-02 | 2019-08-16 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
US20190289207A1 (en) * | 2018-03-16 | 2019-09-19 | Arcsoft Corporation Limited | Fast scan-type panoramic image synthesis method and device |
CN110519522A (zh) * | 2019-08-08 | 2019-11-29 | 浙江大华技术股份有限公司 | 视频防过曝处理的方法、装置、设备及存储介质 |
-
2020
- 2020-07-30 CN CN202010749423.9A patent/CN111898532A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262330A (zh) * | 2010-05-25 | 2011-11-30 | 北京中星微电子有限公司 | 自动曝光的方法及装置 |
CN103095979A (zh) * | 2011-11-07 | 2013-05-08 | 华晶科技股份有限公司 | 人脸过曝的影像处理方法及其影像撷取装置 |
US20150030242A1 (en) * | 2013-07-26 | 2015-01-29 | Rui Shen | Method and system for fusing multiple images |
CN110136071A (zh) * | 2018-02-02 | 2019-08-16 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
US20190289207A1 (en) * | 2018-03-16 | 2019-09-19 | Arcsoft Corporation Limited | Fast scan-type panoramic image synthesis method and device |
CN109636765A (zh) * | 2018-11-09 | 2019-04-16 | 深圳市华星光电技术有限公司 | 基于图像多重曝光融合的高动态显示方法 |
CN110062160A (zh) * | 2019-04-09 | 2019-07-26 | Oppo广东移动通信有限公司 | 图像处理方法和装置 |
CN110033418A (zh) * | 2019-04-15 | 2019-07-19 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN110519522A (zh) * | 2019-08-08 | 2019-11-29 | 浙江大华技术股份有限公司 | 视频防过曝处理的方法、装置、设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022161145A1 (zh) * | 2021-02-01 | 2022-08-04 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
CN113031675A (zh) * | 2021-03-05 | 2021-06-25 | 中南大学 | 一种可见光自适应调控方法、系统、装置和存储介质 |
CN113031675B (zh) * | 2021-03-05 | 2022-03-29 | 中南大学 | 一种可见光自适应调控方法、系统、装置和存储介质 |
CN115145442A (zh) * | 2022-06-07 | 2022-10-04 | 杭州海康汽车软件有限公司 | 一种环境图像的显示方法、装置、车载终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898532A (zh) | 一种图像处理方法、装置、电子设备及监控系统 | |
CN103400150B (zh) | 一种基于移动平台进行道路边缘识别的方法及装置 | |
CN112153297B (zh) | 曝光调整方法及装置、存储装置 | |
CN106991707B (zh) | 一种基于昼夜成像特征的交通信号灯图像强化方法及装置 | |
US11700457B2 (en) | Flicker mitigation via image signal processing | |
CN111784605B (zh) | 一种基于区域指导的图像降噪方法、计算机装置及计算机可读存储介质 | |
WO2016117213A1 (ja) | 撮像装置及び方法、並びにプログラム及び記録媒体 | |
CN107748882B (zh) | 一种车道线检测方法及装置 | |
Gao et al. | A novel UAV sensing image defogging method | |
CN110493531B (zh) | 一种图像处理方法和系统 | |
CN112149476A (zh) | 目标检测方法、装置、设备和存储介质 | |
CN111723805B (zh) | 一种信号灯的前景区域识别方法及相关装置 | |
CN114445314A (zh) | 一种图像融合方法、装置、电子设备及存储介质 | |
US11417125B2 (en) | Recognition of license plate numbers from Bayer-domain image data | |
CN113673474A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN116363100A (zh) | 图像质量评价方法、装置、设备及存储介质 | |
CN116110035A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
JP2020095621A (ja) | 画像処理装置および画像処理方法 | |
CN107464225B (zh) | 图像处理方法、装置、计算机可读存储介质和移动终端 | |
CN115100500A (zh) | 一种目标检测方法、装置和可读存储介质 | |
Nair et al. | Benchmarking single image dehazing methods | |
CN114422656A (zh) | 图像处理方法和装置 | |
CN114663842B (zh) | 图像融合处理方法、装置、电子设备及存储介质 | |
KR101697211B1 (ko) | 영상 인식 장치, 인터랙션과 영상 인식 기반의 주차 공간 정보 제공 방법과 시스템 | |
CN115018788B (zh) | 基于智能机器人的架空线异常检测方法和系统 |
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 |