CN112053300B - 一种光照不均匀图像的矫正方法、装置和设备 - Google Patents

一种光照不均匀图像的矫正方法、装置和设备 Download PDF

Info

Publication number
CN112053300B
CN112053300B CN202010902835.1A CN202010902835A CN112053300B CN 112053300 B CN112053300 B CN 112053300B CN 202010902835 A CN202010902835 A CN 202010902835A CN 112053300 B CN112053300 B CN 112053300B
Authority
CN
China
Prior art keywords
value
pixel point
image
pixel
gradient
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
Application number
CN202010902835.1A
Other languages
English (en)
Other versions
CN112053300A (zh
Inventor
李程
韩庆芝
覃落雨
曾杰
蔡红玥
米素娟
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.)
Guojiao Space Information Technology Beijing Co ltd
Original Assignee
Guojiao Space Information Technology Beijing 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 Guojiao Space Information Technology Beijing Co ltd filed Critical Guojiao Space Information Technology Beijing Co ltd
Priority to CN202010902835.1A priority Critical patent/CN112053300B/zh
Publication of CN112053300A publication Critical patent/CN112053300A/zh
Application granted granted Critical
Publication of CN112053300B publication Critical patent/CN112053300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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

本发明的实施例提供了一种光照不均匀图像的矫正方法、装置和设备。所述方法包括将待处理图像转换成灰度图，并将灰度图切分出一图像块，所述图像块中包括N*M个像素点；计算图像块中每个像素点在0度、90度、180度、‑90度四个方向的梯度值，并根据梯度值计算四个方向的特征值；计算每个像素点的像素值与四个方向的特征值的距离，并用距离中的最小值替换所述像素值，得到噪声图像；将待处理图像减去特征均值化处理后的噪声图像，得到矫正后的图像。以此方式，能够准确的记录光照分布点，将光照不均匀部分去掉，利用了每个像素的梯度及邻域像素值求取特征，最大限度的保存图像的细节及边缘特征，将背景与前景目标区分开，且不容易使图像锐化。

Description

一种光照不均匀图像的矫正方法、装置和设备
技术领域
本发明的实施例一般涉及图像处理领域，并且更具体地，涉及一种光照不均匀图像的矫正方法、装置和设备。
背景技术
在对图像进行采集、取样、传输及编码的过程中，必定会受到外界环境及设备自身的影响，使最终得到的图像光照不均匀，影响对图像的后续处理。根据图像质量情况和不同的应用场景，釆用不同的技术手段显出图像的有用信息,而且消减或者消除对应用来说无关的信息从而达到增强局部或者整体特征目的。目前，图像增强技术还没有统一的模型或处理方法,需要根据不同的场景采用不同的处理方法，其中，针对光照不均匀图像的处理,通常采用的处理方法主要包括:基于直方图变换的方法、基于照明--反射模型的同态滤波方法等。
图像的直方图表示每一个灰度级以及该灰度级频率间的关系，对于整体偏亮或者偏暗的光照不均勾图像,往往分布在一个较小的范围内,图像对比度低,可以通过直方图变换方法把不均匀分布的直方图进行非线性拉伸达到直方图均勾分布的状态,以达到提高图像整体对比度的目的。直方图变换方法对于整体较亮或者较暗图像可以达到很好的增强效果,该方法增强图像的同时还可以较好的保持图像的原貌。但如图8所示，基于直方图变换的方法没有考虑到图像的细节信息,丢失部分目标图像。
同态滤波算法基于照射-反射模型,将原本的信号经由非线性映射，转换到可以使用线性滤波器的不同域，做完运算后再映射回原始域，以保持相关的属性不变，可以同时压缩动态范围和拉伸图像的对比度。它同态滤波算法虽然可以从整体上对光照不均修正,可以保持图像原貌。但基于同态滤波增强算法的截止频率参数比较难确定，需要凭经验设置，且处理效率较低。
发明内容
根据本发明的实施例，提供了一种光照不均匀图像的矫正方案。
在本发明的第一方面，提供了一种光照不均匀图像的矫正方法。该方法包括：
将待处理图像转换成灰度图，并将所述灰度图切分出一图像块，所述图像块中包括N*M个像素点；
计算所述图像块中每个像素点在0度、90度、180度、-90度四个方向的梯度值，并根据所述梯度值计算四个方向的特征值；
计算每个像素点的像素值与所述四个方向的特征值的距离，得到距离集合，并用所述距离中的最小值替换所述像素值，得到噪声图像；
将得到的噪声图像进行均值处理，将所述待处理图像减去均值处理后的噪声图像，得到矫正后的图像。
进一步地，所述图像块中的像素点坐标表示为：
I(i:i+N-1,j:j+M-1)
其中，I(i,j)为所述图像块中的像素点坐标，i:i+N-1,j:j+M-1表示i和j的取值范围；N表示图像块的行数，M表示图像块的列数。
进一步地，所述计算每个像素在0度、90度、180度、-90度四个方向的梯度值，包括：
0度方向梯度：
90度方向梯度：
180度方向梯度：
-90度方向梯度：
其中，I(i,j)为像素点(i,j)的像素值；G0(i,j)为像素点(i,j)在0度方向的梯度值；G90(i,j)为像素点(i,j)在90度方向的梯度值；G180(i,j)为像素点(i,j)在180度方向的梯度值；G-90(i,j)为像素点(i,j)在-90度方向的梯度值；I(i+1,j)为像素点(i,j)在-90度方向的像素值；I(i,j-1)为像素点(i,j)在180度方向的像素值；I(i-1,j)为像素点(i,j)在90度方向的像素值；I(i,j+1)为像素点(i,j)在0度方向的像素值。
进一步地，所述根据所述梯度值计算四个方向的特征值，包括：
其中，为像素点(i,j)在0度方向上的特征值；/>为像素点(i,j)在90度方向上的特征值；/>为像素点(i,j)在180度方向上的特征值；/>为像素点(i,j)在-90度方向上的特征值；G0(i,j)为像素点(i,j)在0度方向的梯度值；G90(i,j)为像素点(i,j)在90度方向的梯度值；G180(i,j)为像素点(i,j)在180度方向的梯度值；G-90(i,j)为像素点(i,j)在-90度方向的梯度值；I(i+1,j)为像素点(i,j)在-90度方向的像素值；I(i,j-1)为像素点(i,j)在180度方向的像素值；I(i-1,j)为像素点(i,j)在90度方向的像素值；I(i,j+1)为像素点(i,j)在0度方向的像素值。
进一步地，所述计算每个像素点的像素值与所述四个方向的特征值的距离，得到距离集合，包括：
其中，表示当前像素值与0方向像素点特征值的距离；/>表示当前像素值与90方向像素点特征值的距离；/>表示当前像素值与180方向像素点特征值的距离；表示当前像素值与-90方向像素点特征值的距离；/>为像素点(i,j)在0度方向上的特征值；/>为像素点(i,j)在90度方向上的特征值；/>为像素点(i,j)在180度方向上的特征值；/>为像素点(i,j)在-90度方向上的特征值；I(i,j)为像素点(i,j)的像素值；{S}表示距离的集合。
进一步地，所述用所述距离中的最小值对应方向的像素值替换所述像素值，得到噪声图像，包括：
求{S}中的最小值：
Inew(i,j)＝I(p,q)
其中，Inew(i,j)表示当前像素点噪声图像的像素值，I(p,q)为{S}中最小值对应方向的像素值。
在本发明的第二方面，提供了一种光照不均匀图像的矫正装置。该装置包括：
图像块切分模块，用于将待处理图像转换成灰度图，并将所述灰度图切分出一图像块，所述图像块中包括N*M个像素点；
第一计算模块，用于计算所述图像块中每个像素点在0度、90度、180度、-90度四个方向的梯度值，并根据所述梯度值计算四个方向的特征值；
第二计算模块，计算每个像素点的像素值与所述四个方向的特征值的距离，并用所述距离中的最小值替换所述像素值，得到噪声图像；
图像处理模块，将得到的噪声图像进行均值处理，将所述待处理图像减去均值处理后的噪声图像，得到矫正后的图像。
在本发明的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
在本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本发明的第一方面的方法。
应当理解，发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
本发明能够更准确的记录光照分布点，并将光照不均匀部分去掉，同时，利用了每个像素的梯度及邻域像素值求取特征，能够最大限度的保存图像的细节及边缘特征，将背景与前景目标区分开，且不容易使图像锐化。
附图说明
结合附图并参考以下详细说明，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1示出了本发明的光照不均匀图像的矫正方法的流程图；
图2示出了根据本发明的实施例的图像块示意图；
图3示出了根据本发明的实施例的待处理图像示意图；
图4示出了根据本发明的实施例的噪声图像示意图；
图5示出了根据本发明的实施例的特征均值化处理后的噪声图像示意图；
图6示出了根据本发明的实施例的待处理图像减去噪声图像后的图像示意图；
图7示出了根据本发明的实施例的矫正后的图像示意图；
图8示出了利用现有直方图变换的方法矫正的图像示意图；
图9示出了根据本发明的实施例的光照不均匀图像的矫正装置的方框图；
图10示出了能够实施本发明的实施例的示例性电子设备的方框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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全部其他实施例，都属于本发明保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
现有的直方图变换方法对于整体较亮或者较暗图像可以达到很好的增强效果,该方法增强图像的同时还可以较好的保持图像的原貌。但如图8所示，基于直方图变换的方法没有考虑到图像的细节信息,丢失部分目标图像。
本发明中，能够更准确的记录光照分布点，并将光照不均匀部分去掉，同时，利用了每个像素的梯度及邻域像素值求取特征，能够最大限度的保存图像的细节及边缘特征，将背景与前景目标区分开，且不容易使图像锐化。
图1示出了本发明实施例的光照不均匀图像的矫正方法的流程图。
该方法包括：
S101、将待处理图像转换成灰度图，并将所述灰度图切分成若干图像块；
在本实施例中，首先需要将待处理的图像转换成灰度图，然后从已经转换成灰度图的待处理图像中切分出一个N*M的图像块，其中，N表示图像块的行数，M表示图像块的列数，N和M可根据实际情况进行取值。设所述图像块中的像素点坐标为I(i,j)，则所述图像块可表示为I(i:i+N-1,j:j+M-1)。图像块中的每个元素值为对应像素点的灰度值。
在本发明的一种实施例中，图2～图7描述了待处理图像按照本发明的光照不均匀图像的矫正方法进行矫正的示意图。待处理图像如图3所示。
如图2所示，待处理的图像为5*5的像素值矩阵，从矩阵中切分出一个3*3的图像块，即该图像块为N＝3，M＝3的三行三列的像素值矩阵，所述图像块中的像素点坐标为I(i,j)，例如，所述图像块中第1行第0列的像素值为3，记为I(1,0)＝3。
S102、计算每个图像块中的每个像素点在0度、90度、180度、-90度，四个方向的梯度值，并根据梯度值计算每个方向上的特征值。
在一些实施例中，在切分成的N*M个图像块中，计算每个图像块中每个像素点在0度、90度、180度、-90度，4个方向的梯度值。具体包括：
0度方向梯度：
90度方向梯度：
180度方向梯度：
-90度方向梯度：
其中，I(i,j)为像素点(i,j)的像素值；G0(i,j)为像素点(i,j)在0度方向的梯度值；G90(i,j)为像素点(i,j)在90度方向的梯度值；G180(i,j)为像素点(i,j)在180度方向的梯度值；G-90(i,j)为像素点(i,j)在-90度方向的梯度值；I(i+1,j)为像素点(i,j)在-90度方向的像素值；I(i,j-1)为像素点(i,j)在180度方向的像素值；I(i-1,j)为像素点(i,j)在90度方向的像素值；I(i,j+1)为像素点(i,j)在0度方向的像素值。
进一步地，根据梯度值计算四个方向上的特征值：
其中，为像素点(i,j)在0度方向上的特征值；/>为像素点(i,j)在90度方向上的特征值；/>为像素点(i,j)在180度方向上的特征值；/>为像素点(i,j)在-90度方向上的特征值；G0(i,j)为像素点(i,j)在0度方向的梯度值；G90(i,j)为像素点(i,j)在90度方向的梯度值；G180(i,j)为像素点(i,j)在180度方向的梯度值；G-90(i,j)为像素点(i,j)在-90度方向的梯度值；I(i+1,j)为像素点(i,j)在-90度方向的像素值；I(i,j-1)为像素点(i,j)在180度方向的像素值；I(i-1,j)为像素点(i,j)在90度方向的像素值；I(i,j+1)为像素点(i,j)在0度方向的像素值。
S103、计算每个像素点的像素值与所述四个方向的特征值的距离，并用所述距离中的最小值替换所述像素值，得到噪声图像。
在图像块中，计算每个像素点的像素值与所述每个方向上的特征值的距离：
其中，表示当前像素值与0方向像素点特征值的距离；/>表示当前像素值与90方向像素点特征值的距离；/>表示当前像素值与180方向像素点特征值的距离；表示当前像素值与-90方向像素点特征值的距离；/>为像素点(i,j)在0度方向上的特征值；/>为像素点(i,j)在90度方向上的特征值；/>为像素点(i,j)在180度方向上的特征值；/>为像素点(i,j)在-90度方向上的特征值；I(i,j)为像素点(i,j)的像素值；{S}表示距离的集合。
然后，用像素值与所述每个方向上特征值的距离的最小值替换对应的像素值，得到噪声图像，如图4所示。
所述用所述距离中的最小值对应方向的像素值替换所述像素值，得到噪声图像，包括：
求{S}中的最小值：
Inew(i,j)＝I(p,q)
其中，Inew(i,j)表示当前像素点噪声图像的像素值，I(p,q)为{S}中最小值对应方向的像素值，{S}表示距离的集合。
S104、将所述待处理图像减去特征均值化处理后的噪声图像，得到矫正后的图像。特征均值化处理后的噪声图像如图5所示。
两个图像，即待处理图像与特征均值化的噪声图像，图像相减是将两个图像对应像素点的像素值相减，得出对应像素点矫正后的像素值；待处理图像减去噪声图像后的图像示意图如图6所示；
遍历全部像素点后，则生成矫正后的图像。
作为本发明的一种实施例，还包括，将所述待处理图像减去特征均值化处理后的噪声图像后，对得到的图像进行二值化处理，得到矫正后的图像，如图7所示。
根据本发明的实施例，能够更准确的记录光照分布点，并将光照不均匀部分去掉，同时，利用了每个像素的梯度及邻域像素值求取特征，能够最大限度的保存图像的细节及边缘特征，将背景与前景目标区分开，且不容易使图像锐化。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。
如图9所示，装置900包括：
图像块切分模块910，用于将待处理图像转换成灰度图，并将所述灰度图切分出一图像块，所述图像块中包括N*M个像素点；
第一计算模块920，用于计算所述图像块中每个像素点在0度、90度、180度、-90度四个方向的梯度值，并根据所述梯度值计算四个方向的特征值；
第二计算模块930，计算每个像素点的像素值与所述四个方向的特征值的距离，并用所述距离中的最小值替换所述像素值，得到噪声图像；
图像处理模块940，将所述待处理图像减去特征均值化处理后的噪声图像，得到矫正后的图像。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
如图10所示，设备包括中央处理单元(CPU)，其可以根据存储在只读存储器(ROM)中的计算机程序指令或者从存储单元加载到随机访问存储器(RAM)中的计算机程序指令，来执行各种适当的动作和处理。在RAM中，还可以存储设备操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
设备中的多个部件连接至I/O接口，包括：输入单元，例如键盘、鼠标等；输出单元，例如各种类型的显示器、扬声器等；存储单元，例如磁盘、光盘等；以及通信单元，例如网卡、调制解调器、无线通信收发机等。通信单元允许设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元执行上文所描述的各个方法和处理，例如方法S101～S104。例如，在一些实施例中，方法S101～S104可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元。在一些实施例中，计算机程序的部分或者全部可以经由ROM和/或通信单元而被载入和/或安装到设备上。当计算机程序加载到RAM并由CPU执行时，可以执行上文描述的方法S101～S104的一个或多个步骤。备选地，在其他实施例中，CPU可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法S101～S104。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (7)

1.一种光照不均匀图像的矫正方法，其特征在于，包括：
将待处理图像转换成灰度图，并将所述灰度图切分出一图像块，所述图像块中包括N*M个像素点；
计算所述图像块中每个像素点在0度、90度、180度、-90度四个方向的梯度值，并根据所述梯度值计算四个方向的特征值；
计算每个像素点的像素值与所述四个方向的特征值的距离，得到距离集合，并用所述距离中的最小值对应方向的像素值替换所述像素值，得到噪声图像；
将得到的噪声图像进行均值处理，将所述待处理图像减去均值处理后的噪声图像，得到矫正后的图像；
所述计算每个像素点在0度、90度、180度、-90度四个方向的梯度值，包括：
0度方向梯度：
90度方向梯度：
180度方向梯度：
-90度方向梯度：
其中，I(i,j)为像素点(i,j)的像素值；G0(i,j)为像素点(i,j)在0度方向的梯度值；G90(i,j)为像素点(i,j)在90度方向的梯度值；G180(i,j)为像素点(i,j)在180度方向的梯度值；G-90(i,j)为像素点(i,j)在-90度方向的梯度值；I(i+1,j)为像素点(i,j)在-90度方向的像素值；I(i,j-1)为像素点(i,j)在180度方向的像素值；I(i-1,j)为像素点(i,j)在90度方向的像素值；I(i,j+1)为像素点(i,j)在0度方向的像素值；
所述根据所述梯度值计算四个方向的特征值，包括：
其中，为像素点(i,j)在0度方向上的特征值；/>为像素点(i,j)在90度方向上的特征值；/>为像素点(i,j)在180度方向上的特征值；/>为像素点(i,j)在-90度方向上的特征值。
2.根据权利要求1所述的方法，其特征在于，所述图像块中的像素点坐标表示为：
I(i:i+N-1,j:j+M-1)
其中，I(i,j)为所述图像块中的像素点坐标，i:i+N-1,j:j+M-1表示i和j的取值范围；N表示图像块的行数，M表示图像块的列数。
3.根据权利要求1所述的方法，其特征在于，所述计算每个像素点的像素值与所述四个方向的特征值的距离，得到距离集合，包括：
其中，表示当前像素值与0方向像素点特征值的距离；/>表示当前像素值与90方向像素点特征值的距离；/>表示当前像素值与180方向像素点特征值的距离；/>表示当前像素值与-90方向像素点特征值的距离；/>为像素点(i,j)在0度方向上的特征值；为像素点(i,j)在90度方向上的特征值；/>为像素点(i,j)在180度方向上的特征值；/>为像素点(i,j)在-90度方向上的特征值；I(i,j)为像素点(i,j)的像素值；{S}表示距离的集合。
4.根据权利要求1所述的方法，其特征在于，所述用所述距离中的最小值对应方向的像素值替换所述像素值，得到噪声图像，包括：
求{S}中的最小值：
Inew(i,j)＝I(p,q)
其中，Inew(i,j)表示当前像素点噪声图像的像素值，I(p,q)为{S}中最小值对应方向的像素值。
5.一种光照不均匀图像的矫正装置，其特征在于，包括：
图像块切分模块，用于将待处理图像转换成灰度图，并将所述灰度图切分出一图像块，所述图像块中包括N*M个像素点；
第一计算模块，用于计算所述图像块中每个像素点在0度、90度、180度、-90度四个方向的梯度值，并根据所述梯度值计算四个方向的特征值；
所述计算每个像素点在0度、90度、180度、-90度四个方向的梯度值，包括：
0度方向梯度：
90度方向梯度：
180度方向梯度：
-90度方向梯度：
其中，I(i,j)为像素点(i,j)的像素值；G0(i,j)为像素点(i,j)在0度方向的梯度值；G90(i,j)为像素点(i,j)在90度方向的梯度值；G180(i,j)为像素点(i,j)在180度方向的梯度值；G-90(i,j)为像素点(i,j)在-90度方向的梯度值；I(i+1,j)为像素点(i,j)在-90度方向的像素值；I(i,j-1)为像素点(i,j)在180度方向的像素值；I(i-1,j)为像素点(i,j)在90度方向的像素值；I(i,j+1)为像素点(i,j)在0度方向的像素值；
所述根据所述梯度值计算四个方向的特征值，包括：
其中，为像素点(i,j)在0度方向上的特征值；/>为像素点(i,j)在90度方向上的特征值；/>为像素点(i,j)在180度方向上的特征值；/>为像素点(i,j)在-90度方向上的特征值；
第二计算模块，计算每个像素点的像素值与所述四个方向的特征值的距离，并用所述距离中的最小值替换所述像素值，得到噪声图像；
图像处理模块，将得到的噪声图像进行均值处理，将所述待处理图像减去均值处理后的噪声图像，得到矫正后的图像。
6.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～4中任一项所述的方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～4中任一项所述的方法。
CN202010902835.1A 2020-09-01 2020-09-01 一种光照不均匀图像的矫正方法、装置和设备 Active CN112053300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010902835.1A CN112053300B (zh) 2020-09-01 2020-09-01 一种光照不均匀图像的矫正方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010902835.1A CN112053300B (zh) 2020-09-01 2020-09-01 一种光照不均匀图像的矫正方法、装置和设备

Publications (2)

Publication Number Publication Date
CN112053300A CN112053300A (zh) 2020-12-08
CN112053300B true CN112053300B (zh) 2023-11-21

Family

ID=73607730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010902835.1A Active CN112053300B (zh) 2020-09-01 2020-09-01 一种光照不均匀图像的矫正方法、装置和设备

Country Status (1)

Country Link
CN (1) CN112053300B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334836A (zh) * 2008-07-30 2008-12-31 电子科技大学 一种融合色彩、尺寸和纹理特征的车牌定位方法
CN102968765A (zh) * 2012-11-13 2013-03-13 华中科技大学 一种基于sigma滤波器的红外焦平面非均匀性校正方法
TW201336760A (zh) * 2012-03-07 2013-09-16 Hon Hai Prec Ind Co Ltd 貼片機檢測裝置
CN105844630A (zh) * 2016-03-21 2016-08-10 西安电子科技大学 一种双目视觉的图像超分辨率融合去噪方法
CN106169173A (zh) * 2016-06-30 2016-11-30 北京大学 一种图像插值方法
CN106803259A (zh) * 2017-01-19 2017-06-06 电子科技大学 一种流水作业平台烟条自动视觉检测与计数方法
CN107563396A (zh) * 2017-08-10 2018-01-09 南京大学 一种电力巡检中保护屏智能识别系统的构建方法
CN108510008A (zh) * 2018-04-11 2018-09-07 国交空间信息技术（北京）有限公司 一种基于浮动车轨迹点空间关系和分布的路网提取方法
CN108932700A (zh) * 2018-05-17 2018-12-04 常州工学院 基于目标成像模型的自适应梯度增益水下图像增强方法
CN109636745A (zh) * 2018-11-28 2019-04-16 陕西理工大学 基于分数阶微分图像增强算法的最佳阶图像增强方法
CN109741267A (zh) * 2018-12-05 2019-05-10 西安电子科技大学 基于三边滤波和神经网络的红外图像非均匀性校正方法
CN111260629A (zh) * 2020-01-16 2020-06-09 成都地铁运营有限公司 基于图像处理的受电弓结构异常检测算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8527817B2 (en) * 2010-11-19 2013-09-03 International Business Machines Corporation Detecting system component failures in a computing system

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334836A (zh) * 2008-07-30 2008-12-31 电子科技大学 一种融合色彩、尺寸和纹理特征的车牌定位方法
TW201336760A (zh) * 2012-03-07 2013-09-16 Hon Hai Prec Ind Co Ltd 貼片機檢測裝置
CN102968765A (zh) * 2012-11-13 2013-03-13 华中科技大学 一种基于sigma滤波器的红外焦平面非均匀性校正方法
CN105844630A (zh) * 2016-03-21 2016-08-10 西安电子科技大学 一种双目视觉的图像超分辨率融合去噪方法
CN106169173A (zh) * 2016-06-30 2016-11-30 北京大学 一种图像插值方法
CN106803259A (zh) * 2017-01-19 2017-06-06 电子科技大学 一种流水作业平台烟条自动视觉检测与计数方法
CN107563396A (zh) * 2017-08-10 2018-01-09 南京大学 一种电力巡检中保护屏智能识别系统的构建方法
CN108510008A (zh) * 2018-04-11 2018-09-07 国交空间信息技术（北京）有限公司 一种基于浮动车轨迹点空间关系和分布的路网提取方法
CN108932700A (zh) * 2018-05-17 2018-12-04 常州工学院 基于目标成像模型的自适应梯度增益水下图像增强方法
CN109636745A (zh) * 2018-11-28 2019-04-16 陕西理工大学 基于分数阶微分图像增强算法的最佳阶图像增强方法
CN109741267A (zh) * 2018-12-05 2019-05-10 西安电子科技大学 基于三边滤波和神经网络的红外图像非均匀性校正方法
CN111260629A (zh) * 2020-01-16 2020-06-09 成都地铁运营有限公司 基于图像处理的受电弓结构异常检测算法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Capsule segmentation algorithm based on wavelet analysis and constrained gradient search;Shuang Dong;《2017 IEEE 2nd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC)》;全文 *
一种光照不均匀图像的自适应校正算法;王殿伟;《https://max.book118.com/html/2018/0422/162484670.shtm》;全文 *
自适应图像实时增强算法的技术研究;李赓飞;《中国优秀硕士论文全文数据库》;全文 *
钢丝绳芯输送带非均匀光照X...校正与接头抽动检测方法研究;韩现代;《中国优秀硕士论文全文数据库》;全文 *
颜色不均匀情况下光伏板红外图像分割算法研究;王楠;《中国优秀硕士论文全文数据库》;全文 *

Also Published As

Publication number Publication date
CN112053300A (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
CN107403421B (zh) 一种图像去雾方法、存储介质及终端设备
CN108510451B (zh) 一种基于双层卷积神经网络的重建车牌的方法
CN110717919A (zh) 图像处理方法、装置、介质和计算设备
CN107358586A (zh) 一种图像增强方法、装置及设备
CN109214996B (zh) 一种图像处理方法及装置
CN110969046B (zh) 人脸识别方法、设备及计算机可读存储介质
CN114862897B (zh) 一种图像背景处理方法、装置及电子设备
CN112967207B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN111105371A (zh) 一种低对比度红外图像的增强方法
CN111383178A (zh) 一种图像增强方法、装置及终端设备
Vijayalakshmi et al. A strategic approach towards contrast enhancement by two-dimensional histogram equalization based on total variational decomposition
CN113344801A (zh) 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质
CN110175963B (zh) 一种适用于水下图像及大气暗图像的两用图像增强方法及装置
CN111882565A (zh) 一种图像二值化方法、装置、设备及存储介质
CN114298985B (zh) 缺陷检测方法、装置、设备及存储介质
CN111091107A (zh) 一种人脸区域边缘检测方法、装置及存储介质
CN114943649A (zh) 图像去模糊方法、装置及计算机可读存储介质
CN114202476A (zh) 一种红外图像增强方法、装置、设备及计算机可读介质
CN112053300B (zh) 一种光照不均匀图像的矫正方法、装置和设备
CN111311610A (zh) 图像分割的方法及终端设备
CN116385898A (zh) 一种卫星影像处理的方法和系统
CN112862907B (zh) 显微图像校正方法、装置、设备、存储介质及产品
CN115760825A (zh) 夯土墙表观裂缝智能检测系统
CN114596210A (zh) 噪声估计方法、装置、终端设备及计算机可读存储介质
CN111429450B (zh) 角点检测的方法、系统、设备及存储介质

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