CN112164006B - 一种影像匀色方法、装置、电子设备及存储介质 - Google Patents
一种影像匀色方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112164006B CN112164006B CN202011028940.3A CN202011028940A CN112164006B CN 112164006 B CN112164006 B CN 112164006B CN 202011028940 A CN202011028940 A CN 202011028940A CN 112164006 B CN112164006 B CN 112164006B
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- statistical information
- gaussian pyramid
- pyramid
- 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 64
- 238000005070 sampling Methods 0.000 claims abstract description 57
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 238000000265 homogenisation Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000000903 blocking effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000002156 mixing Methods 0.000 claims 2
- 230000008569 process Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012892 rational function Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供一种影像匀色方法、装置、电子设备及存储介质,涉及影像匀色技术领域。该方法包括待处理影像和模板影像的相交区域并进行采样,以获得相交区域的第一统计信息和第二统计信息;对待处理影像进行高斯金字塔采样和拉普拉斯金字塔采样,以获取顶层高斯金字塔影像和顶层拉普拉斯金字塔影像;利用第一统计信息、第二统计信息对顶层高斯金字塔影像对应的图像块进行匀色变换,以获取匀色后顶层高斯金字塔影像;利用顶层拉普拉斯金字塔影像对匀色后顶层高斯金字塔影像进行重建,以得到还原影像;通过金字塔层级进行影像匀色和恢复重建,具有较高的稳定性,解决现有方法无法实时、快速地解决数据量大、色彩差异较大的影像的匀色问题。
Description
技术领域
本申请涉及影像匀色技术领域,具体而言,涉及一种影像匀色方法、装置、电子设备及存储介质。
背景技术
遥感影像在获取过程中由于传感器因素(如曝光条件、系统处理差异、成像特性)、拍摄因素(获取时间、拍摄角度、拍摄环境)以及拍摄对象(高低起伏的地形、地物属性不同)等影响而使影像间出现的亮度不均匀、色彩不一致的现象被称为不均匀光照现象,它不仅影响目视判读,还会给后续影像解译、镶嵌带来一定困难。
传统遥感影像匀色处理主要依靠手工的方式或者借助图像处理软件的相关功能进行处理,但是随着传感器等技术的快速发展,影像分辨率越来越高,影像数据量也呈几何级数增长,传统方法无法实时、快速地解决数据量大、色彩差异较大的影像的匀色问题。
发明内容
本申请实施例的目的在于提供一种影像匀色方法、装置、电子设备及存储介质,通过金字塔层级进行影像匀色和恢复重建,具有较高的稳定性,解决现有方法无法实时、快速地解决数据量大、色彩差异较大的影像的匀色问题。
本申请实施例提供了一种影像匀色方法,所述方法包括:
获取待处理影像和模板影像,并进行预处理;
获取预处理后的所述待处理影像和模板影像的相交区域并进行采样,以分别获得所述相交区域的第一统计信息和第二统计信息;
对预处理后的所述待处理影像进行高斯金字塔采样和拉普拉斯金字塔采样,以获取顶层高斯金字塔影像和顶层拉普拉斯金字塔影像;
利用所述第一统计信息、第二统计信息对所述顶层高斯金字塔影像对应的图像块进行匀色变换,以获取匀色后顶层高斯金字塔影像;
利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到还原影像。
在上述实现过程中,通过高斯金字塔进行下采样以缩小影像数据并在金字塔层级进行影像匀色,加快运算速率,再利用拉普拉斯金字塔进行上采样实现影像重建并还原至初始影像大小,因此该方法具有较高的稳定性和适用性,特别是适用于数据量较大、多传感器的影像匀色,解决了现有方法无法实时、快速地解决数据量大、色彩差异较大的影像的匀色问题。
进一步地,所述获取预处理后的所述待处理影像和模板影像的相交区域并进行采样,以分别获得所述相交区域的第一统计信息和第二统计信息,包括:
分别获取预处理后的所述待处理影像和所述模板影像的相交区域的待处理影像切片和模板影像切片;
对所述模板影像切片进行高斯金字塔采样,并根据所述模板影像切片采样后的分辨率对所述待处理影像切片进行高斯金字塔采样;
对采样后的所述待处理影像切片和模板影像切片进行分块以获取待处理影像块和模板影像块;
计算所述待处理影像块的第一统计信息以及模板影像块的第二统计信息。
在上述实现过程中,通过影像的角点坐标确定边界范围以及待处理影像和模板影像的相交区域,通过高斯金字塔采样和分块得到待处理影像块和模板影像块,对每个待处理影像块和模板影像块分别计算统计信息,以便利用得到的统计信息进行匀色。
进一步地,所述计算所述待处理影像块的第一统计信息以及模板影像块的第二统计信息,包括:
计算每个所述待处理影像块的边缘区域与其相邻待处理影像块的边缘区域相互重叠部分的灰度均值和方差;
计算每个所述模板影像块的边缘区域与其相邻模板影像块的边缘区域相互重叠区域的灰度均值和方差。
在上述实现过程中,由于分块时,每个待处理影像块和模板影像块可能与其相邻的块之间存在重叠部分,因此需要单独计算重叠区域的均值和方差。
进一步地,所述计算每个所述待处理影像块的边缘区域与其相邻待处理影像块的边缘区域相互重叠部分的均值和方差,包括:
通过取平均的方式确定相互重叠区域的均值和方差,所述重叠区域的均值和方差的公式表示为:
其中,MeanValuei表示包含边缘区域的第i个待处理影像块的灰度均值;vari表示包含边缘区域的第i个待处理影像块的方差;n表示具有所述相互重叠区域的待处理影像块的个数。
在上述实现过程中,将存在重叠区域的所有待处理影像块的灰度均值的平均值作为重叠区域的均值,将存在重叠区域的所有待处理影像块的方差的平均值作为重叠区域的方差,这样在进行匀色处理时能够保证待处理影像块的边界位置能够平稳过渡。
进一步地,所述利用所述第一统计信息、第二统计信息对所述顶层高斯金字塔影像对应的图像块进行匀色变换,以获取匀色后顶层高斯金字塔影像,包括:
获取每个所述待处理影像块的第一统计信息,所述第一统计信息包括均值和方差;
获取每个所述模板影像块的第二统计信息,所述第二统计信息包括均值和方差;
利用所述第一统计信息、所述第二统计信息对顶层高斯金字塔影像对应的图像块进行匀色变换,匀色变换公式为:
其中,g(x,y)表示图像块的灰度值;f(x,y)表示匀色变换后图像块的灰度值;mg和sg分别表示所述待处理影像块的均值和方差;mf和sf分别表示所述模板影像块的均值和方差;c∈[0,1]表示预设的方差扩展常数;b∈[0,1]表示预设的亮度系数。
在上述实现过程中,利用待处理影像块和模板影像块的均值和方差对顶层高斯金字塔影像对应的图像块进行匀色变换,通过对每个图像块进行匀色变换实现待处理图像的顶层高斯金字塔影像的匀色变换。
进一步地,所述利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到还原影像,包括:
利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到与所述待处理影像大小一致的还原影像,所述重建公式为:
Gaussi-1=Gaussi+Laplacei;
其中,i表示金字塔的层数。
在上述实现过程中,由于拉普拉斯金字塔为高斯金字塔的逆变换,可以用于影像的重建和还原,重新获得高斯金字塔下采样的过程中丢失的信息,因此,可以利用顶层拉普拉斯金字塔影像对匀色后顶层高斯金字塔影像进行重建。
由上述可知,利用高斯金字塔的下采样、影响分块、拉普拉斯金字塔上采样和影像的重建实现基于影像重建的地理模板匀色过程,该方法具有较好的稳定性和适用性,适用于数据量大、色彩差异较大的影像之间的匀色。
本申请实施例还提供一种影像匀色装置,该装置包括:
预处理模块,用于获取待处理影像和模板影像,并进行预处理;
统计信息获取模块,用于获取预处理后的所述待处理影像和模板影像的相交区域并进行采样,以分别获得所述相交区域的第一统计信息和第二统计信息;
采样模块,用于对预处理后的所述待处理影像进行高斯金字塔采样和拉普拉斯金字塔采样,以获取顶层高斯金字塔影像和顶层拉普拉斯金字塔影像;
匀色变换模块,用于利用所述第一统计信息、第二统计信息对所述顶层高斯金字塔影像对应的图像块进行匀色变换,以获取匀色后顶层高斯金字塔影像;
重建模块,用于利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到还原影像。
在上述实现过程中,通过在高斯金字塔层级进行影像匀色,可以将数据量大的影像数据进行稀释,提高稳定性,并利用拉普拉斯金字塔进行影像重建,解决现有的匀色算法对于不同传感器获得影像差别大且数据量大、影像之间存在较大的色彩差异时,容易出现匀色后色彩不均匀、程序崩溃的问题。
进一步地,所述统计信息获取模块,包括:
相交区域获取模块,用于分别获取预处理后的所述待处理影像和所述模板影像的相交区域的待处理影像切片和模板影像切片;
高斯金字塔采样模块,用于对所述模板影像切片进行高斯金字塔采样,并根据所述模板影像切片采样后的分辨率对所述待处理影像切片进行高斯金字塔采样;
分块模块,用于对采样后的所述待处理影像切片和模板影像切片进行分块以获取待处理影像块和模板影像块;
统计信息计算模块,用于计算所述待处理影像块的第一统计信息以及模板影像块的第二统计信息。
在上述实现过程中,通过高斯金字塔进行下采样并对获得的待处理影像切片和模板影像切片进行分块以获取待处理影像块和模板影像块,基于待处理影像块的第一统计信息以及模板影像块的第二统计信息对待处理影像进行匀色。
本申请实施例还提供一种电子设备,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使计算机设备执行上述中任一项所述的影像匀色方法。
本申请实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行上述中任一项所述的影像匀色方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种影像匀色方法的流程图;
图2为本申请实施例提供的利用地理模板进行匀色的程序流程图;
图3为本申请实施例提供的待处理影像的原图;
图4为本申请实施例提供的第一统计信息和第二统计信息获取过程的流程图;
图5为本申请实施例提供的待处理影像和模板影像的相交区域示意图;
图6为本申请实施例提供的高斯金字塔示意图;
图7为本申请实施例提供的普拉斯金字塔的运算过程示意图;
图8为本申请实施例提供的待处理影像在地理模板匀色后的整体效果图;
图9(a)-图9(d)为本申请实施例提供的地理模板匀色后的局部放大图;
图10为本申请实施例提供的影像匀色装置的结构框图;
图11为本申请实施例提供的统计信息获取模块的结构框图。
图标:
100-预处理模块;200-统计信息获取模块;210-相交区域获取模块;220-高斯金字塔采样模块;230-分块模块;240-统计信息计算模块;300-采样模块;400-匀色变换模块;500-重建模块。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
请参看图1,图1为本申请实施例提供的一种影像匀色方法的流程图。该方法是基于影像重建的地理模板匀色过程,如图2所示,为利用地理模板进行匀色的程序流程图,通过待处理影像和模板影像相交区域的高斯金字塔采样、分块得到待处理影像块和模板影像块以及对应的统计信息,从而利用该统计信息对待处理影像的高斯金字塔采样数据进行匀色,再利用拉普拉斯金字塔的采样数据进行影像重建,具体地,该方法包括以下步骤:
步骤S100:获取待处理影像和模板影像,并进行预处理;
如图3所示,为待处理影像的原图,在读取到待处理影像和模板影像之后同时获取到对应的RPC数据,预处理包括对其进行几何校正,具体地,利用遥感影像自带的有理多项式系数,通过有理函数模型(Rational Polynomial Coefficients,RPC)实现图像的几何校正,将影像的像素点坐标和对应的地面坐标对应起来,具体计算公式如下:
其中,(P,L,H)为正则化地面坐标,P表示经度,L表示纬度,H表示大地高,(l,s)表示正则化影像坐标,l表示行,s表示列。
步骤S200:获取预处理后的待处理影像和模板影像的相交区域并进行采样,以分别获得相交区域的第一统计信息和第二统计信息;
如图4所示,为第一统计信息和第二统计信息获取过程的流程图,该步骤具体可以包括以下步骤:
步骤S210:分别获取预处理后的待处理影像和模板影像的相交区域的待处理影像切片和模板影像切片;
通过影像的角点坐标确定待处理影像和模板影像的边界范围,根据待处理影像和模板影像的边界交点,确定其相交区域,如图5所示,为待处理影像和模板影像的相交区域示意图;根据相交区域分别对待处理影像和模板影像进行截取,得到相交区域对应的待处理影像切片和模板影像切片(无交集部分无需处理)。
步骤S220:对模板影像切片进行高斯金字塔采样,并根据模板影像切片采样后的分辨率对待处理影像切片进行高斯金字塔采样;
示例地,可以对模板影像切片进行四倍金字塔采样,根据模板影像切片采样后的分辨率对待处理影像切片进行高斯金字塔采样,使得采样后的待处理影像切片的分辨率与采样后的模板影像切片的分辨率相同。
步骤S230:对采样后的待处理影像切片和模板影像切片进行分块以获取待处理影像块和模板影像块;
步骤S240:计算待处理影像块的第一统计信息以及模板影像块的第二统计信息。
统计信息包括灰度均值和方差,每个待处理影像块和模板影像块可能与其相邻的块之间存在重叠部分,因此需要单独计算重叠区域的均值和方差。
计算每个待处理影像块的边缘区域与其相邻待处理影像块的边缘区域相互重叠部分的灰度均值和方差;计算每个模板影像块的边缘区域与其相邻模板影像块的边缘区域相互重叠区域的灰度均值和方差。
将当前重叠区域对应的所有待处理影像块的灰度均值的平均值作为重叠区域的均值,将存在重叠区域的所有待处理影像块的方差的平均值作为重叠区域的方差,这样在进行匀色处理时能够保证待处理影像块的边界位置能够平稳过渡。
通过取平均的方式确定相互重叠区域的均值和方差,重叠区域的均值和方差的公式表示为:
其中,MeanValuei表示包含边缘区域的第i个待处理影像块的灰度均值;vari表示包含边缘区域的第i个待处理影像块的方差;n表示具有所述相互重叠区域的待处理影像块的个数。
对于模板影像块的重叠区域的灰度均值和方差的计算方法与上述待处理影像块的计算方法相同,在此不做赘述。
步骤S300:对预处理后的待处理影像进行高斯金字塔采样和拉普拉斯金字塔采样,以获取顶层高斯金字塔影像和顶层拉普拉斯金字塔影像;
示例地,对待处理影像进行8倍高斯金字塔采样和8倍拉普拉斯金字塔采样。
其中,高斯金字塔采样是通过高斯平滑和亚采样(下采样)获得一系列下采样图像,也就是说第k层高斯金字塔通过平滑、亚采样就可以获得k+1层高斯图像,高斯金字塔包含了一系列低通滤波器,其截止频率从上一层到下一层是以因子2逐渐增加,所以高斯金字塔可以跨越很大的频率范围,如图6所示,为高斯金字塔示意图。
按照从下到上的顺序对每一层进行次序编号,例如层级G_i+1表示为第i+1层,其尺寸小于第i层G_i。
高斯金字塔为对影像进行下采样的过程,为了获得层级为G_i+1的金字塔影像,具体采取如下方法:
第一步,对影像G_i进行高斯内核卷积;第二步,进行下采样(将所有偶数行和列去除);得到的影像即为G_i+1的金字塔影像,将缩小为原来的四分之一,通过对输入图像G_i(原始图像)不停迭代以上步骤就会得到整个金字塔,并且向下取样将会逐渐丢失影像信息,导致影像缩小。
对影像的向上采样:第一步,将影像在每个方向扩大为原来的两倍,新增的行和列以0填充;第二步,使用先前同样的内核(乘以4)与放大后的影像卷积,获得新增像素的近似值;得到的影像即为放大后的影像,由于放大后的影像在缩放过程中丢失了信息与之前相比较为模糊,因此需要使用拉普拉斯金字塔解决该问题。
拉普拉斯金字塔的第i层定义为:
其中,G_i表示第i层影像,UP()表示将源影像中位置为(x,y)的像素点映射到目标影像的(2x+1,2y+1)位置上,进行向上取样;符号表示卷积,g5×5表示高斯内核,如图7所示,为拉普拉斯金字塔的运算过程示意图。
步骤S400:利用所述第一统计信息、第二统计信息对顶层高斯金字塔影像对应的图像块进行匀色变换,以获取匀色后顶层高斯金字塔影像;
第一统计信息和第二统计信息均包括均值和方差,利用所述第一统计信息、所述第二统计信息对顶层高斯金字塔影像对应的图像块进行匀色变换,匀色变换公式为:
其中,g(x,y)表示图像块的灰度值;f(x,y)表示匀色变换后图像块的灰度值;mg和sg分别表示所述待处理影像块的均值和方差;mf和sf分别表示所述模板影像块的均值和方差;c∈[0,1]表示预设的方差扩展常数;b∈[0,1]表示预设的亮度系数。
步骤S500:利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到还原影像。
利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到与所述待处理影像大小一致的还原影像,重建公式为:
Gaussi-1=Gaussi+Laplacei;
其中,i表示金字塔的层数。
如图8所示,为待处理影像在地理模板匀色后的整体效果图,如图9(a)、9(b)、9(c)和9(d)为在地理模板匀色后的局部放大图,可见,匀色较为均匀。该方法利用影像分块、创建高斯金字塔、拉普拉斯金字塔和影像重建的方法进行基于地理模板在金字塔层级进行影像匀色,具有良好的稳定性和适用性,特别是对于数据量大、色彩差异较大的影像之间的匀色,具有良好的适用性,解决现有方法无法实时、快速地解决数据量大、色彩差异较大的影像的匀色问题。
实施例2
本申请实施例提供一种影像匀色装置,该装置应用于实施例1所述的影像匀色方法,如图10所示,为影像匀色装置的结构框图,该装置包括:
预处理模块100,用于获取待处理影像和模板影像,并进行预处理;
统计信息获取模块200,用于获取预处理后的所述待处理影像和模板影像的相交区域并进行采样,以分别获得所述相交区域的第一统计信息和第二统计信息;
采样模块300,用于对预处理后的所述待处理影像进行高斯金字塔采样和拉普拉斯金字塔采样,以获取顶层高斯金字塔影像和顶层拉普拉斯金字塔影像;
匀色变换模块400,用于利用所述第一统计信息、第二统计信息对所述顶层高斯金字塔影像对应的图像块进行匀色变换,以获取匀色后顶层高斯金字塔影像;
利用所述第一统计信息、所述第二统计信息对顶层高斯金字塔影像对应的图像块进行匀色变换,匀色变换公式为:
其中,g(x,y)表示图像块的灰度值;f(x,y)表示匀色变换后图像块的灰度值;mg和sg分别表示所述待处理影像块的均值和方差;mf和sf分别表示所述模板影像块的均值和方差;c∈[0,1]表示预设的方差扩展常数;b∈[0,1]表示预设的亮度系数。
重建模块500,用于利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到还原影像。
利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到与所述待处理影像大小一致的还原影像,所述重建公式为:
Gaussi-1=Gaussi+Laplacei;
其中,i表示金字塔的层数。
其中,如图11所示,为统计信息获取模块200的结构框图,具体包括:
相交区域获取模块210,用于分别获取预处理后的所述待处理影像和所述模板影像的相交区域的待处理影像切片和模板影像切片;
高斯金字塔采样模块220,用于对所述模板影像切片进行高斯金字塔采样,并根据所述模板影像切片采样后的分辨率对所述待处理影像切片进行高斯金字塔采样;
分块模块230,用于对采样后的所述待处理影像切片和模板影像切片进行分块以获取待处理影像块和模板影像块;
统计信息计算模块240,用于计算所述待处理影像块的第一统计信息以及模板影像块的第二统计信息。
计算第一统计信息和第二统计信息的过程中,需要先计算每个待处理影像块的边缘区域与其相邻待处理影像块的边缘区域相互重叠部分的灰度均值和方差;计算每个所述模板影像块的边缘区域与其相邻模板影像块的边缘区域相互重叠区域的灰度均值和方差。
通过取平均的方式确定相互重叠区域的均值和方差,所述重叠区域的均值和方差的公式表示为:
其中,MeanValuei表示包含边缘区域的第i个待处理影像块的灰度均值;vari表示包含边缘区域的第i个待处理影像块的方差;n表示具有所述相互重叠区域的待处理影像块的个数。
通过在高斯金字塔层级进行影像匀色,可以将数据量大的影像数据进行稀释,提高稳定性,并利用拉普拉斯金字塔进行影像重建,解决现有的匀色算法对于不同传感器获得影像差别大且数据量大、影像之间存在较大的色彩差异时,容易出现匀色后色彩不均匀、程序崩溃的问题。
本申请实施例还提供一种电子设备,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使计算机设备执行实施例1中任一项所述的影像匀色方法。
本申请实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行实施例1中任一项所述的影像匀色方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
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。
Claims (7)
1.一种影像匀色方法,其特征在于,所述方法包括:
获取待处理影像和模板影像,并进行预处理;
获取预处理后的所述待处理影像和模板影像的相交区域并进行采样,以分别获得所述相交区域的第一统计信息和第二统计信息,具体地:
分别获取预处理后的所述待处理影像和所述模板影像的相交区域的待处理影像切片和模板影像切片;
对所述模板影像切片进行高斯金字塔采样,并根据所述模板影像切片采样后的分辨率对所述待处理影像切片进行高斯金字塔采样;
对采样后的所述待处理影像切片和模板影像切片进行分块以获取待处理影像块和模板影像块;
计算所述待处理影像块的第一统计信息以及模板影像块的第二统计信息,具体地,计算每个所述待处理影像块的边缘区域与其相邻待处理影像块的边缘区域相互重叠部分的灰度均值和方差;计算每个所述模板影像块的边缘区域与其相邻模板影像块的边缘区域相互重叠区域的灰度均值和方差;
对预处理后的所述待处理影像进行高斯金字塔采样和拉普拉斯金字塔采样,以获取顶层高斯金字塔影像和顶层拉普拉斯金字塔影像;
利用所述第一统计信息、第二统计信息对所述顶层高斯金字塔影像对应的图像块进行匀色变换,以获取匀色后顶层高斯金字塔影像;
利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到还原影像。
2.根据权利要求1所述的影像匀色方法,其特征在于,所述计算每个所述待处理影像块的边缘区域与其相邻待处理影像块的边缘区域相互重叠部分的均值和方差,包括:
通过取平均的方式确定相互重叠区域的均值和方差,所述重叠区域的均值和方差的公式表示为:
其中,表示包含边缘区域的第i个待处理影像块的灰度均值;/>表示包含边缘区域的第i个待处理影像块的方差;n表示具有所述相互重叠区域的待处理影像块的个数。
3.根据权利要求1所述的影像匀色方法,其特征在于,所述利用所述第一统计信息、第二统计信息对所述顶层高斯金字塔影像对应的图像块进行匀色变换,以获取匀色后顶层高斯金字塔影像,包括:
获取每个所述待处理影像块的第一统计信息,所述第一统计信息包括均值和方差;
获取每个所述模板影像块的第二统计信息,所述第二统计信息包括均值和方差;
利用所述第一统计信息、所述第二统计信息对顶层高斯金字塔影像对应的图像块进行匀色变换,匀色变换公式为:
其中,g(x,y)表示图像块的灰度值;f(x,y)表示匀色变换后图像块的灰度值;m g和s g分别表示所述待处理影像块的均值和方差;m f和s f分别表示所述模板影像块的均值和方差;表示预设的方差扩展常数;/>表示预设的亮度系数。
4.根据权利要求1所述的影像匀色方法,其特征在于,所述利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到还原影像,包括:
利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到与所述待处理影像大小一致的还原影像,重建公式为:
其中,i表示金字塔的层数。
5.一种影像匀色装置,其特征在于,所述装置包括:
预处理模块,用于获取待处理影像和模板影像,并进行预处理;
统计信息获取模块,用于获取预处理后的所述待处理影像和模板影像的相交区域并进行采样,以分别获得所述相交区域的第一统计信息和第二统计信息,所述统计信息获取模块具体包括:
相交区域获取模块,用于分别获取预处理后的所述待处理影像和所述模板影像的相交区域的待处理影像切片和模板影像切片;
高斯金字塔采样模块,用于对所述模板影像切片进行高斯金字塔采样,并根据所述模板影像切片采样后的分辨率对所述待处理影像切片进行高斯金字塔采样;
分块模块,用于对采样后的所述待处理影像切片和模板影像切片进行分块以获取待处理影像块和模板影像块;
统计信息计算模块,用于计算所述待处理影像块的第一统计信息以及模板影像块的第二统计信息,具体地,计算每个所述待处理影像块的边缘区域与其相邻待处理影像块的边缘区域相互重叠部分的灰度均值和方差即为所述第一统计信息;计算每个所述模板影像块的边缘区域与其相邻模板影像块的边缘区域相互重叠区域的灰度均值和方差即为所述第二统计信息;
采样模块,用于对预处理后的所述待处理影像进行高斯金字塔采样和拉普拉斯金字塔采样,以获取顶层高斯金字塔影像和顶层拉普拉斯金字塔影像;
匀色变换模块,用于利用所述第一统计信息、第二统计信息对所述顶层高斯金字塔影像对应的图像块进行匀色变换,以获取匀色后顶层高斯金字塔影像;
重建模块,用于利用所述顶层拉普拉斯金字塔影像对所述匀色后顶层高斯金字塔影像进行重建,以得到还原影像。
6.一种电子设备,其特征在于,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使计算机设备执行根据权利要求1至4中任一项所述的影像匀色方法。
7.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行权利要求1至4任一项所述的影像匀色方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011028940.3A CN112164006B (zh) | 2020-09-25 | 2020-09-25 | 一种影像匀色方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011028940.3A CN112164006B (zh) | 2020-09-25 | 2020-09-25 | 一种影像匀色方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112164006A CN112164006A (zh) | 2021-01-01 |
CN112164006B true CN112164006B (zh) | 2023-11-03 |
Family
ID=73863031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011028940.3A Active CN112164006B (zh) | 2020-09-25 | 2020-09-25 | 一种影像匀色方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112164006B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669309B (zh) * | 2021-01-07 | 2024-06-11 | 航天宏图信息技术股份有限公司 | 遥感影像的局部匀色方法、装置、电子设备及存储介质 |
CN114926558A (zh) * | 2022-07-20 | 2022-08-19 | 广东维正科技有限公司 | 一种无人机应急测绘的测绘数据处理方法、系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150148A (zh) * | 2013-03-06 | 2013-06-12 | 中国科学院对地观测与数字地球科学中心 | 一种基于任务树的大尺度遥感影像并行镶嵌方法 |
CN109410136A (zh) * | 2018-10-10 | 2019-03-01 | 中国人民解放军战略支援部队信息工程大学 | 基于最短传递路径的匀色方法及处理装置 |
CN111340895A (zh) * | 2020-02-18 | 2020-06-26 | 浙江工业大学 | 一种基于金字塔多尺度融合的影像色彩一致化方法 |
CN111428753A (zh) * | 2020-02-26 | 2020-07-17 | 北京国电通网络技术有限公司 | 一种训练集获取方法、电力设施检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160148359A1 (en) * | 2014-11-20 | 2016-05-26 | Siemens Medical Solutions Usa, Inc. | Fast Computation of a Laplacian Pyramid in a Parallel Computing Environment |
-
2020
- 2020-09-25 CN CN202011028940.3A patent/CN112164006B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150148A (zh) * | 2013-03-06 | 2013-06-12 | 中国科学院对地观测与数字地球科学中心 | 一种基于任务树的大尺度遥感影像并行镶嵌方法 |
CN109410136A (zh) * | 2018-10-10 | 2019-03-01 | 中国人民解放军战略支援部队信息工程大学 | 基于最短传递路径的匀色方法及处理装置 |
CN111340895A (zh) * | 2020-02-18 | 2020-06-26 | 浙江工业大学 | 一种基于金字塔多尺度融合的影像色彩一致化方法 |
CN111428753A (zh) * | 2020-02-26 | 2020-07-17 | 北京国电通网络技术有限公司 | 一种训练集获取方法、电力设施检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于金字塔的多曝光图像融合系统;沙鸣之;;电子制作(第17期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112164006A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9990753B1 (en) | Image stitching | |
Schowengerdt | Techniques for image processing and classifications in remote sensing | |
Mandanici et al. | A multi-image super-resolution algorithm applied to thermal imagery | |
CN112164006B (zh) | 一种影像匀色方法、装置、电子设备及存储介质 | |
US11720999B2 (en) | Method, device and non-transitory computer-readable storage medium for increasing the resolution and dynamic range of a sequence of respective top view images of a same terrestrial location | |
JPH04218881A (ja) | 改良された画像処理技術 | |
CN108364279B (zh) | 确定静止轨道遥感卫星指向偏差的方法 | |
EP1668593B1 (en) | Robust recursive envelope operators for fast retinex-type processing of images | |
CN111985502A (zh) | 具有尺度与旋转不变性的多模态影像特征匹配方法 | |
Serwa et al. | Enhancement of classification accuracy of multi-spectral satellites’ images using Laplacian pyramids | |
CN106846250B (zh) | 一种基于多尺度滤波的超分辨率重建方法 | |
Kang et al. | Destriping high-resolution satellite imagery by improved moment matching | |
CN108876829B (zh) | 基于非线性尺度空间及径向基函数的sar高精度配准方法 | |
CN113837941A (zh) | 图像超分模型的训练方法、装置及计算机可读存储介质 | |
CN116402693B (zh) | 一种基于遥感技术的市政工程图像处理方法及装置 | |
CN113033510B (zh) | 图像变化检测模型的训练和检测方法、设备及存储介质 | |
Chen et al. | Blind restoration for nonuniform aerial images using nonlocal Retinex model and shearlet-based higher-order regularization | |
Mortazavi et al. | Fractional derivative approach to sparse super-resolution | |
Chouteau et al. | Joint Super-Resolution and Image Restoration for PLÉIADES NEO Imagery | |
Wong et al. | Regularization-based modulation transfer function compensation for optical satellite image restoration using joint statistical model in curvelet domain | |
Borra et al. | Satellite image enhancement and analysis | |
Nasonov et al. | CNN based retinal image upscaling using zero component analysis | |
Mohan | Adaptive super-resolution image reconstruction with lorentzian error norm | |
López-Caloca et al. | Mapping small and medium-sized water reservoirs using Sentinel-1A: a case study in Chiapas, Mexico | |
Ma et al. | Superresolution reconstruction of hyperspectral remote sensing imagery using constrained optimization of POCS |
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 |