CN112215237A - 图像处理方法及装置、电子设备和计算机可读存储介质 - Google Patents
图像处理方法及装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112215237A CN112215237A CN202011232691.XA CN202011232691A CN112215237A CN 112215237 A CN112215237 A CN 112215237A CN 202011232691 A CN202011232691 A CN 202011232691A CN 112215237 A CN112215237 A CN 112215237A
- Authority
- CN
- China
- Prior art keywords
- target
- pixel point
- brightness
- image
- target pixel
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims description 152
- 230000008569 process Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 19
- 230000036772 blood pressure Effects 0.000 description 11
- 238000012015 optical character recognition Methods 0.000 description 11
- 238000013499 data model Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000000835 fiber Substances 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本公开提供一种图像处理方法、装置以及电子设备和计算机可读存储介质,该方法包括:获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量;根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值;根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点;根据所述目标有效像素点的亮度分量确定第二亮度均衡值;根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像;根据所述锐化后目标图像进行图像识别。本公开实施例提供的技术方案能够在进行图像识别之前对目标图像进行锐化处理,以提高图像识别的准确率。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像处理方法及装置、电子设备和计算机可读存储介质。
背景技术
随着科技信息化的深入发展,医疗领域中对医疗相关档案的电子化要求也越来越高。智能OCR(Optical Character Recognition,光学字符识别)识别技术的广泛应用也给医疗工作者带来了很大的便利,通过OCR识别技术便能轻松将纸质单据内容转为电子档案,与传统的手工录入相比,节约了时间,也提高了工作效率。
OCR是指电子设备检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程。
但是在真实的业务场景中,用户所提供的文件都是由用户使用手机拍摄的医疗档案的照片或者用户与医生在视频问诊过程当中截屏保留的医疗信息图片。在各种因素外在环境的影响下用户所提供的照片质量很大几率无法保证清晰明确,从而导致在使用OCR识别时出现识别率低甚至无法识别。如果提供OCR可识别的照片需要用户采用专业的设备及环境,从而无法达到优质得用户体验。
因此,一种可以提高图像质量、使得图像清晰明确,以提高图像识别准确率的图像处理技术对于图像识别技术来说非常重要。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开实施例提供一种图像处理方法及装置、电子设备和计算机可读存储介质,可以提高目标图像的图像质量(例如清晰度),进而提高图像识别的准确率。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
本公开实施例提出一种图像处理方法,该方法包括:获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量;根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值;根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点;根据所述目标有效像素点的亮度分量确定第二亮度均衡值;根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像;根据所述锐化后目标图像进行图像识别。
在一些实施例中,获得锐化后目标图像,包括:以第一矩阵单位对所述目标像素点进行处理,以获得第一像素矩阵;根据所述第二亮度均衡值对相邻的第一像素矩阵进行第二锐化处理,以获得所述锐化后目标图像。
在一些实施例中,所述第一像素矩阵包括第一目标像素矩阵和第二目标像素矩阵,所述第一目标像素矩阵和所述第二目标像素矩阵为相邻矩阵;其中,根据所述第二亮度均衡值对相邻的第一像素矩阵进行第二锐化处理,以获得所述锐化后目标图像,包括:获取所述第一目标像素矩阵和所述第二目标像素矩阵之间的亮度差矩阵;在所述亮度差矩阵中获取小于第二阈值的第一亮度差;分别在所述第一目标像素矩阵和所述第二目标像素矩阵中,确定与所述第一亮度差对应的第一像素点和第二像素点;若所述第一像素点和所述第二像素点均为所述目标有效像素点,则对所述第一像素点和所述第二像素点的亮度分量同时进行亮度调低处理。
在一些实施例中,所述第一像素矩阵包括第一目标像素矩阵和第二目标像素矩阵,所述第一目标像素矩阵和所述第二目标像素矩阵为相邻矩阵;其中,根据所述第二亮度均衡值对相邻的第一像素矩阵进行第二锐化处理,以获得所述锐化后目标图像,包括:获取所述第一目标像素矩阵和所述第二目标像素矩阵之间的亮度差矩阵;在所述亮度差矩阵中获取大于第三阈值的第二亮度差;在所述第一目标像素矩阵和所述第二像素矩阵中,分别确定与所述第二亮度差对应的第三像素点和第四像素点;若所述第三像素点和所述第四像素点均不是所述目标有效像素点,则对所述第三像素点和所述第四像素点的亮度分量同时进行亮度调高处理。
在一些实施例中,根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值,包括:以第二矩阵单位对所述目标像素点进行处理,以获得第二像素矩阵;获取所述第二像素矩阵的亮度平均值;根据各个第二像素矩阵的亮度平均值确定所述第一亮度均衡值。
在一些实施例中,根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点,包括:将亮度分量小于或者等于所述第一亮度均衡值的目标像素点作为所述目标有效像素点。
在一些实施例中,所述目标像素点包括第一目标像素点;其中,根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像,包括:在所述目标像素点中确定与所述第一目标像素点相邻的第二目标像素点;确定所述第一目标像素点与所述第二目标像素点之间的亮度差;若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,则根据所述第二亮度均衡值对所述第一目标像素点和所述第二目标像素点进行第一锐化处理。
在一些实施例中,若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,则根据所述第二亮度均衡值对所述第一目标像素点和所述第二目标像素点进行第一锐化处理,包括:若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,且所述第一目标像素点是所述目标有效像素点,所述第二目标像素点不是所述目标有效像素点;则根据所述第二亮度均衡值对所述第一目标像素点的亮度分量进行亮度调高处理;并根据所述第二亮度均衡值对所述第二目标像素点的亮度分量进行亮度调低处理。
在一些实施例中,获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量,包括:获取RGB制式的目标彩色图像;将所述RGB制式的目标彩色图像转换为RGB制式的目标灰度图像;将所述RGB制式的目标灰度图像转换为YUV制式的目标灰度图像,以获得所述目标图像。
本公开实施例提供了一种图像处理装置,所述图像处理装置可以包括:目标图像获取模块、第一亮度均衡值获取模块、目标有效像素点确定模块、第二亮度均衡值确定模块、第一锐化处理模块以及图像处理模块。
所述目标图像获取模块可以配置为获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量。所述第一亮度均衡值获取模块可以配置为根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值。所述目标有效像素点确定模块可以配置为根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点。所述第二亮度均衡值确定模块可以配置为根据所述目标有效像素点的亮度分量确定第二亮度均衡值。所述第一锐化处理模块可以配置为根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像。所述图像识别模块可以配置为根据所述锐化后目标图像进行图像识别。
本公开实施例提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一项所述的图像处理方法。
本公开实施例提出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上述任一项所述的图像处理方法。
本公开实施例提出一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述图像处理方法。
本公开实施例提供的图像处理方法、装置及电子设备和计算机可读存储介质,首先通过目标图像的目标像素点的亮度分量确定了第一亮度均衡值,并根据第一亮度均衡值在目标像素点中确定了目标有效像素点,然后通过目标有效像素点的亮度分量确定了第二亮度均衡值,并根据第二亮度均衡值对亮度差较大的相邻目标像素点进行第一锐化处理,以使得目标图像中的背景与待识别对象对比更加明显,进而提高图像识别的准确率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,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示出了可以应用于本公开实施例的图像处理方法或图像处理装置的示例性系统架构的示意图。
图2是根据一示例性实施例示出的一种应用于图像处理方法装置的计算机系统的结构示意图。
图3是根据相关技术示出的一种对血压仪进行拍照、识别的示意图。
图4是根据一示例性实施例示出的一种图像处理方法的流程图。
图5是根据一示例性实施例示出的一种矩阵分割示意图。
图6是根据一示例性实施例示出的一种目标图像的示意图。
图7是根据一示例性实施例示出的一种锐化后的目标图像的示意图。
图8是根据一示例性实施例示出的一种图像处理流程图。
图9是图4中步骤S5在一示例性实施例中的流程图。
图10是图9中步骤S513在一示例性实施例中的流程图。
图11是图4中步骤S5在一示例性实施例中的流程图。
图12是图11中步骤S522在一示例性实施例中的流程图。
图13是图11中步骤S522在一示例性实施例中的流程图。
图14是根据一示例性实施例示出的一种图像处理装置的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
本公开所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图仅为本公开的示意性图解,图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和步骤,也不是必须按所描述的顺序执行。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本说明书中,用语“一个”、“一”、“该”、“所述”和“至少一个”用以表示存在一个或多个要素/组成部分/等;用语“包含”、“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”、“第二”和“第三”等仅作为标记使用,不是对其对象的数量限制。
下面结合附图对本公开示例实施方式进行详细说明。
图1示出了可以应用于本公开实施例的图像处理方法或图像处理装置的示例性系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。其中,终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、虚拟现实设备、智能家居等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理,并将处理结果反馈给终端设备。
服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器等,本公开对此不做限制。
服务器105可例如获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量;服务器105可例如根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值;服务器105可例如根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点;服务器105可例如根据所述目标有效像素点的亮度分量确定第二亮度均衡值;服务器105可例如根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像;服务器105可例如根据所述锐化后目标图像进行图像识别。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的,服务器105可以是一个实体的服务器,还可以为多个服务器组成,根据实际需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图2,其示出了适于用来实现本申请实施例的终端设备的计算机系统200的结构示意图。图2示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图2所示,计算机系统200包括中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)202中的程序或者从储存部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中,还存储有系统200操作所需的各种程序和数据。CPU 201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205:包括键盘、鼠标等的输入部分206;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207;包括硬盘等的储存部分208;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器210上,以便于从其上读出的计算机程序根据需要被安装入储存部分208。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分209从网络上被下载和安装,和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本申请所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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,上述模块、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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
描述于本申请实施例中所涉及到的模块和/或子模块和/或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块和/或子模块和/或单元也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中,这些模块和/或子模块和/或单元的名称在某种情况下并不构成对该模块和/或子模块和/或单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备可实现功能包括:获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量;根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值;根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点;根据所述目标有效像素点的亮度分量确定第二亮度均衡值;根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像;根据所述锐化后目标图像进行图像识别。
在相关技术中,可以通过对用户佩戴的血压检测仪进行拍照或视频截屏的方式进行血压值、脉搏心率等信息的采集。
例如,可以通过如图3所示示意流程图获取用户的血压值。图3是根据相关技术示出的一种对血压仪进行拍照、识别的示意图。
如图3所示,在使用过程中通常需要通过摄像设备对血压仪拍照,以获得血压仪照片;然后直接通过OCR技术进行图像识别,以从血压仪中直接确定识别后文本。但是,由于光线问题经常导致拍摄的照片图像出现曝光不足或者过曝的情况,从而在使用OCR图像识别技术进行识别时会出现无法识别或者识别错误的情况。
本公开通过以下实施例提供了一种可以提高图像识别率的方法。
图4是根据一示例性实施例示出的一种图像处理方法的流程图。本公开实施例所提供的方法可以由任意具备计算处理能力的电子设备来执行,例如该方法可以由上述图1实施例中的服务器或终端设备来执行,也可以由服务器和终端设备共同执行,在下面的实施例中,以终端设备为执行主体为例进行举例说明,但本公开并不限定于此。
参照图4,本公开实施例提供的图像处理方法可以包括以下步骤。
在步骤S1中,获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量。
在一些实施例中,目标图像可以指的是任意包括待识别对象的图像,例如包括待识别血压信息的图像,包括待识别温度信息的图像等,本公开对此不做限制。
在一些实施例中,目标图像可以指的是包括亮度分量的灰度图像,例如是一种YUV(一种颜色编码方法)制式的灰度图像,但是本公开对此不做限制。
在一些实施例中,目标图像可以通过待识别的初始图像转化获得,该初始图像可以是RGB(一种颜色编码方法)制式的图像,也可是RGBA制式的图像,还可以是YUV制式的图像;该初始图像可以是彩色图像,也可是灰度图像,本公开对此不做限制。
在一些实施例中,若初始图像是RGB制式(或RGBA制式)的彩色图像,可以通过以下过程获得目标图像,以使的目标图像中包括亮度分量。
获取RGB制式的目标彩色图像;将所述RGB制式的目标彩色图像转换为RGB制式的目标灰度图像;将所述RGB制式的目标灰度图像转换为YUV制式的目标灰度图像,以获得所述目标图像。
其中,可以通过公式(1)将RGB制式(或RGBA制式)的彩色图像转换为RGB制式或RGBA制式的灰度图像。
Gray=R*0.299+G*0.587+B*0.114 (1)
其中,Gray代表灰度图像中像素的灰度值,R代表RGB制式图像(或RGBA制式图像)中的Red(红)通道中的值,G代表RGB制式图像(或RGBA制式图像)中的Green(绿)通道中的值,B代表RGB制式图像(或RGBA制式图像)中的Blue(蓝)通道中的值。
在一些实施例中,可以通过公式(2)~公式(4)将RGB制式的灰度图像转换为YUV制式的灰度图像,以获得所述目标图像。
Y=0.299*R+0.587*G+0.114*B (2)
U=-0.169*R-0.331*G+0.5*B (3)
V=0.5*R-0.419*G-0.081*B (4)
其中,YUV制式的图像包括三个分量,“Y”表示明亮度(Luminance或Luma),“U”和“V”表示的则是色度(Chrominance或Chroma),作用是描述影像色彩及饱和度,用于指定像素的颜色。
其中,R代表RGB制式图像(或RGBA制式图像)中的Red(红)通道中的值,G代表RGB制式图像(或RGBA制式图像)中的Green(绿)通道中的值,B代表RGB制式图像(或RGBA制式图像)中的Blue(蓝)通道中的值。
在一些实施例中,还可以通过公式(2)~公式(3)将RGB制式(或RGBA制式)的彩色图像转换为YUV制式的彩色图像,以生成包括亮度分量Y的目标图像,本公开对此不做限制。
在步骤S2中,根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值。
在一些实施例中,可以对目标图像中各个目标像素点的亮度分量求均值,以确定第一亮度均衡值。
在一些实施例中,为了节约计算资源,可以以第二矩阵单位对目标图像中的目标像素点进行矩阵化分割处理,以获得第二像素矩阵(如图5所示,每一个块均可以代表一个第二像素矩阵);获取第二像素矩阵的亮度平均值;根据各个第二像素矩阵的亮度平均值确定第一亮度均衡值(例如对各个第二像素矩阵的亮度平均值求均值)。
其中,第二矩阵单位可以是3*3矩阵单位,也可以是5*5矩阵单位,还可以是4*4矩阵单位,本公开对第二矩阵单位的大小不做限制。
在步骤S3中,根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点。
在一些实施例中,可以将亮度分量小于或者等于第一亮度均衡值的目标像素点标记为目标有效像素点,将亮度分量大于第一亮度均衡值的目标像素点(该目标像素点可能发生了过曝)标记为目标无效像素点。
在步骤S4中,根据所述目标有效像素点的亮度分量确定第二亮度均衡值。
在一些实施例中,可以对目标有效像素点的亮度分量求均值,以确定第二亮度均衡值。
在步骤S5中,根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像。
在一些实施例中,可以确定目标图像中各个目标像素点与相邻像素点之间的亮度差。其中,目标像素点的相邻像素点可以指的是与目标像素点上、下、左、右,左上、左下、右上或者右下等位置处相邻的目标像素点,本公开对此不做限制。
在一些实施例中,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,可以指的是对亮度差大于第一阈值的相邻两个像素点中亮度较大的像素点进行亮度调高处理,对相邻两个像素点中亮度较小的像素点进行亮度调低处理。
其中,第一阈值可以指的是第二亮度均衡值。
在一些实施例中,通过第一锐化处理可以将如图6所示的血压仪图像转换为如图7所示的图像,以使血压仪更加清晰、背景图像与血压仪的对比更加明显。
在步骤S6中,根据所述锐化后目标图像进行图像识别。
通过本实施例提供的技术方案,可以使得目标图像中的待识别对象(例如血压仪)与背景部分区分的更明显,提高目标图像的清晰度,以提高图像识别的准确率。
上述图像处理方法可以运用在OCR识别服务中。如图8所示,在使用过程中可以通过摄像设备对血压仪拍照,以获得血压仪照片;通过本实施例提高的图像处理方法对血压仪照片进行图像处理,以使得血压仪信息更加清晰,与背景信息对比更加明确;然后通过OCR技术对处理后的血压仪图片进行图像识别,以从血压仪图片中直接确定识别后文本。
本实施例提供的图像处理方法,首先通过目标图像的目标像素点的亮度分量确定了第一亮度均衡值,并根据第一亮度均衡值在目标像素点中确定了目标有效像素点,然后通过目标有效像素点的亮度分量确定了第二亮度均衡值,并根据第二亮度均衡值对亮度差较大的相邻目标像素点进行第一锐化处理,以使得目标图像中的背景与待识别对象对比更加明显,进而提高图像识别的准确率。
图9是图4中步骤S5在一示例性实施例中的流程图。
在一些实施例中,目标像素点中可以包括第一目标像素点,可以以目标像素点中的第一目标像素点为例解释如何对目标图像中的目标像素点进行第一锐化处理。
参考图9,上述步骤S5可以包括以下过程。
在步骤S511中,在所述目标像素点中确定与所述第一目标像素点相邻的第二目标像素点。
在一些实施例中,第二目标像素点可以是与第一目标像素点左侧相邻的目标像素点,第二目标像素点可以指的是与第一目标像素点右侧相邻的目标像素点,还可以指的是与第一目标像素点上侧相邻的目标像素点,本公开对此不做限制。
在步骤S512中,确定所述第一目标像素点与所述第二目标像素点之间的亮度差。
在步骤S513中,若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,则根据所述第二亮度均衡值对所述第一目标像素点和所述第二目标像素点进行第一锐化处理。
在一些实施例中,第一阈值可以指的是第二亮度均衡值。
在一些实施例中,若第一目标像素点与第二目标像素点之间的亮度差大于第二亮度均衡值,那么第一目标像素点和第二目标像素点可能一个为背景信息中的像素点,一个为待识别对象中的像素点,那么可以通过锐化处理使得第一目标像素点和第二目标像素点的亮度的对比更加明显。
本实施例提供的技术方案,通过亮度差的判断可以在相邻像素中尽可能的区分出背景像素和待识别对象的像素,然后通过第一锐化处理可以使得目标对象中待识别的对象与背景信息对比的更加明显,使得目标图像更加清晰。
图10是图9中步骤S513在一示例性实施例中的流程图。
参考图10,上述步骤S513可以包括以下步骤。
在步骤S5131中,若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,且所述第一目标像素点是所述目标有效像素点,所述第二目标像素点不是所述目标有效像素点。
在一些实施例中,第一阈值可以折叠是第二亮度均衡值。
在步骤S5132中,则根据所述第二亮度均衡值对所述第一目标像素点的亮度分量进行亮度调高处理。
在一些实施例中,对第一目标像素点的亮度分量进行亮度调高处理,可以指的是将第一目标像素点的亮度分量加上第一值。例如,可以让第一目标像素点的亮度分量加上第二亮度均衡值的一半,以调高第一目标像素点的亮度值。
在步骤S5131中,根据所述第二亮度均衡值对所述第二目标像素点的亮度分量进行亮度调低处理。
在一些实施例中,对第二目标像素点的亮度分量进行亮度调低处理可以指的是将第二目标像素点的亮度分量减去第二值。例如,可以让第二目标像素点的亮度分量减去第二亮度均衡值的一半,以调低第二目标像素点的亮度值。
本实施例提供的技术方案,通过对第一目标像素点的亮度调高处理,和第二目标像素点的亮度调低处理,使得第一目标像素点和第二目标像素点的亮度对比更加明显,进一步使得目标对象中待识别的对象与背景信息对比的更加明显,使得目标图像更加清晰。
图11是图4中步骤S5在一示例性实施例中的流程图。
参考图11,上述步骤S5可以包括以下步骤。
在步骤S521中,以第一矩阵单位对所述目标像素点进行处理,以获得第一像素矩阵。
在一些实施例中,第一矩阵单位可以是3*3矩阵单位,可以是4*4矩阵单位,还可以是5*5矩阵单位,本公开对第一矩阵单位的大小也不做限制。
在步骤S522中,根据所述第二亮度均衡值对相邻的第一像素矩阵进行第二锐化处理,以获得所述锐化后目标图像。
在一些实施例中,可以以第一像素矩阵为单位对目标图像中的目标像素点进行锐化处理,例如可以将相邻第一像素矩阵中同一位置处的目标像素点进行第二锐化处理。
图12是图11中步骤S522在一示例性实施例中的流程图。
在一些实施例中,可以以第一像素矩阵中相邻的第一目标像素矩阵和第二目标像素矩阵为例对第二锐化处理过程进行说明。
参考图12,上述步骤S522可以包括以下过程。
在步骤S5221中,获取所述第一目标像素矩阵和所述第二目标像素矩阵之间的亮度差矩阵。
在步骤S5222中,在所述亮度差矩阵中获取小于第二阈值的第一亮度差。
在一些实施例中,假设亮度差矩阵中的第一亮度差小于第二阈值。其中,第二阈值可以指的是第二亮度均衡值的一半。
在步骤S5223中,分别在所述第一目标像素矩阵和所述第二目标像素矩阵中,确定与所述第一亮度差对应的第一像素点和第二像素点。
在一些实施例中,可以在第一目标像素矩阵中找到与第一亮度差所在位置对应的第一像素点;可以在第二目标像素矩阵中找到与第一亮度差所在位置对应的第二像素点。例如,若第一亮度差在亮度差矩阵的左上角位置处,则从第一目标像素矩阵的左上角位置处获取第一像素点,从第二目标像素矩阵的左上角位置处获取第二像素点。
在步骤S5224中,若所述第一像素点和所述第二像素点均为所述目标有效像素点,则对所述第一像素点和所述第二像素点的亮度分量同时进行亮度调低处理。
在一些实施例中,若第一像素点和第二像素点均被标记为目标有效像素点,则可以对第一像素点和第二像素点同时进行亮度调低处理,例如将第一像素点和第二像素点的亮度值置减去第三值或者直接置为第四值(例如0)。
本实施例提供的技术方案,通过对第一像素矩阵的第二锐化处理,能够使得目标图像中待识别图像中的信息更加连续、清晰,进而提高对目标图像的识别准确率。
图13是图11中步骤S522在一示例性实施例中的流程图。
在一些实施例中,可以以第一像素矩阵中相邻的第一目标像素矩阵和第二目标像素矩阵为例对第二锐化处理过程进行说明。
参考图13,上述步骤S522可以包括以下过程。
在步骤S5225中,获取所述第一目标像素矩阵和所述第二目标像素矩阵之间的亮度差矩阵。
在步骤S5226中,在所述亮度差矩阵中获取大于第三阈值的第二亮度差。
在一些实施例中,第三阈值可以指的是第二亮度均衡值的一半。
在步骤S5227中,在所述第一目标像素矩阵和所述第二像素矩阵中,分别确定与所述第二亮度差对应的第三像素点和第四像素点。
在一些实施例中,可以在第一目标像素矩阵中找到与第二亮度差所在位置对应的第三像素点;可以在第二目标像素矩阵中找到与第二亮度差所在位置对应的第四像素点。例如,若第二亮度差在亮度差矩阵的右上角位置处,则从第一目标像素矩阵的右上角位置处获取第三像素点,从第二目标像素矩阵的右上角位置处获取第四像素点。
在步骤S5228中,若所述第三像素点和所述第四像素点均不是所述目标有效像素点,则对所述第三像素点和所述第四像素点的亮度分量同时进行亮度调高处理。
在一些实施例中,若第三像素点和第四像素点均被标记为目标无效像素点,则可以对第一像素点和第二像素点同时进行亮度调高处理,例如将第三像素点和第四像素点的亮度值同时加上第五值或者置为第六值(例如255)。
本实施例提供的技术方案,通过对第一像素矩阵的第二锐化处理,能够使得目标图像中待识别图像中的信息更加连续、清晰,进而提高对目标图像的识别准确率。
在一些实施例中,可以通过JavaScript完成上述图像处理方法。其技术流程可以包括以下过程。
第一步:由用户拍照或上传图片,将图片创建出JS图片对象实例,实例对象数据模型如下:
{
type:"RGBAImage",
w:256,//设定图像参数
h:273,w:256,//设定图像参数
data:Uint8ClampedArray(279552)[235,235,236,255,...,226]//设定目标图像的数据存储类型
}
第二步:将图片实例对象转为RGBA格式的对象数组。RGBA对象数组数据模型如下
[
{r:235,g:235,b:236,a:255},{r:235,g:235,b:236,a:255},...,{r:235,g:235,b:236,a:255}
]
第三步:循环遍历RGB颜色数据模型,通过公式(1)将图像转换为黑白图像,对图像做初始优化,可小幅提升OCR识别率。
转换后数据模型如下:
[
{r:235,g:2356,b:235,a:226},{r:235,g:2356,b:235,a:226},...,{r:235,g:2356,b:235,a:226}
]
第四步:通过公式(2)~(4)将黑白图像RGBA数据模型由RGB颜色模型转换为YUV颜色模型的数据模型。
转换后数据模型如下:
[
{y:235,u:0,v:0},{y:235,u:0,v:0},...,{y:235,u:0,v:0}
]
第五步:将YUV数据模型以3*3大小进行矩阵化分割。
第六步:以每个3*3为一个矩阵单位进行图像第一轮遍历获取第一亮度均衡值。
取得第一亮度均衡值后,以3*3矩阵为单位进行第二轮图像遍历。将YUV数据模型的Y值与第一亮度均衡值进行比较,
如果Y值>第一亮度均衡值,说明当前像素值亮度高于图像均衡值,为不是可取用像素,并加标记位值为fontC:false。
如果Y值<=第一亮度均衡值,说明当前像素值亮度低于图像均衡值,为可取用像素,并加标记位值为fontC:true。
两轮矩阵图像遍历后,计算标记位为fontC:true的Y值平均值,以下第二亮度均衡值。
Y度均衡值运算后数据模型如下
{
Yave1:130,
Yave2:90,
[{y:206,u:206,v:-7.1054,fontC:false},{y:126,u:155,v:17.1,fontC:true},...,{y:200,u:112,v:-9.54,fontC:false}]
}
第七步:在单个3*3矩阵中以X轴与Y轴分别进行相邻两个像素点YUV模型的减法运算后做绝对值运算得出AAV,如果AAV>第二亮度均衡值时,将两个像素点中标记为fontC:false的像素点Y值设置为:Y值+第二亮度均衡值时/2,将标记为fontC:true的像素点的Y值设置为:的Y值-第二亮度均衡值时/2。
第八步:取3*3矩阵中Y值重新组合单Y值3*3矩阵,以单Y值矩阵为单位遍历,相邻两个矩阵进行减法运算,得到一个差值矩阵,然后对差值矩阵内数据进行遍历,如果,差值矩阵中的值<第二亮度均衡值时/2并且该小于第二亮度均衡值时/2的差值所对应的两个像素点同时被标记为fontC:true,则将该两个像素点均置为0。相反,如差值矩阵中的值>第二亮度均衡值时/2并且该大于第二亮度均衡值时/2的差值所对应的两个像素点同时被标记fontC:false,则将该值置为255,其余条件不做处理。
通过JavaScript完成上述图像处理方法,使得上述图像处理方法直接运行于前端页面。使得运行上述图像处理方法时不再占用服务器资源,可完全独立运行,从而节省很大的服务器资源。
图14是根据一示例性实施例示出的一种图像处理装置的框图。参照图14,本公开实施例提供的数据处理装置1400可以:目标图像获取模块1401、第一亮度均衡值获取模块1402、目标有效像素点确定模块1403、第二亮度均衡值确定模块1404、第一锐化处理模块1405以及图像识别模块1406。
其中,所述目标图像获取模块1401可以配置为获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量。所述第一亮度均衡值获取模块1402可以配置为根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值。所述目标有效像素点确定模块1403可以配置为根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点。所述第二亮度均衡值确定模块1404可以配置为根据所述目标有效像素点的亮度分量确定第二亮度均衡值。所述第一锐化处理模块1405可以配置为根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像。所述图像识别模块1406可以配置为根据所述锐化后目标图像进行图像识别。
在一些实施例中,所述第一锐化处理模块1405可以包括:第一像素矩阵获取子模块和第二锐化处理子模块。
其中,所述第一像素矩阵获取子模块可以配置为以第一矩阵单位对所述目标像素点进行处理,以获得第一像素矩阵。所述第二锐化处理子模块可以配置为根据所述第二亮度均衡值对相邻的第一像素矩阵进行第二锐化处理,以获得所述锐化后目标图像。
在一些实施例中,所述第一像素矩阵包括第一目标像素矩阵和第二目标像素矩阵,所述第一目标像素矩阵和所述第二目标像素矩阵为相邻矩阵。其中,所述第二锐化处理子模块可以包括:第一亮度差矩阵获取单元、第一亮度差获取单元、第一像素点获取单元以及第一亮度调低处理单元。
其中,所述第一亮度差矩阵获取单元可以配置为获取所述第一目标像素矩阵和所述第二目标像素矩阵之间的亮度差矩阵。所述第一亮度差获取单元可以配置为在所述亮度差矩阵中获取小于第二阈值的第一亮度差。所述第一像素点获取单元可以配置为分别在所述第一目标像素矩阵和所述第二目标像素矩阵中,确定与所述第一亮度差对应的第一像素点和第二像素点。所述第一亮度调低处理单元可以配置为若所述第一像素点和所述第二像素点均为所述目标有效像素点,则对所述第一像素点和所述第二像素点的亮度分量同时进行亮度调低处理。
在一些实施例中,所述第一像素矩阵包括第一目标像素矩阵和第二目标像素矩阵,所述第一目标像素矩阵和所述第二目标像素矩阵为相邻矩阵。其中,所述第二锐化处理子模块可以包括:第二亮度差矩阵获取单元、第二亮度差获取单元、第三像素点获取单元以及第一亮度调高处理单元。
其中,所述第二亮度差矩阵获取单元可以配置为获取所述第一目标像素矩阵和所述第二目标像素矩阵之间的亮度差矩阵。所述第二亮度差获取单元可以配置为在所述亮度差矩阵中获取大于第三阈值的第二亮度差。所述第三像素点获取单元可以配置为在所述第一目标像素矩阵和所述第二像素矩阵中,分别确定与所述第二亮度差对应的第三像素点和第四像素点。所述第一亮度调高处理单元可以配置为若所述第三像素点和所述第四像素点均不是所述目标有效像素点,则对所述第三像素点和所述第四像素点的亮度分量同时进行亮度调高处理。
在一些实施例中,所述目标有效像素点确定模块1403可以包括:亮度比较子模块。
其中,所述亮度比较子模块可以配置为将亮度分量小于或者等于所述第一亮度均衡值的目标像素点作为所述目标有效像素点。
在一些实施例中,所述目标像素点包括第一目标像素点。其中,所述第一锐化处理模块1405可以包括:第二目标像素点确定子模块、第三亮度差获取子模块以及第一锐化处理子模块。
其中,所述第二目标像素点确定子模块,配置为在所述目标像素点中确定与所述第一目标像素点相邻的第二目标像素点。所述第三亮度差获取子模块可以配置为确定所述第一目标像素点与所述第二目标像素点之间的亮度差。所述第一锐化处理子模块可以配置为若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,则根据所述第二亮度均衡值对所述第一目标像素点和所述第二目标像素点进行第一锐化处理。
在一些实施例中,第一锐化处理子模块可以包括:判断单元、第二亮度调高处理单元以及第二亮度调低处理单元。
其中,所述判断单元可以配置为若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,且所述第一目标像素点是所述目标有效像素点,所述第二目标像素点不是所述目标有效像素点。所述地热亮度调高处理单元可以配置为根据所述第二亮度均衡值对所述第一目标像素点的亮度分量进行亮度调高处理。所述第二亮度调低处理单元可以配置为并根据所述第二亮度均衡值对所述第二目标像素点的亮度分量进行亮度调低处理。
在一些实施例中,所述目标图像获取模块1401可以包括:目标彩色图像获取子模块、目标灰度图像获取子模块以及目标图像获取子模块。
其中,所述目标彩色图像获取子模块可以配置为获取RGB制式的目标彩色图像。所述目标灰度图像获取子模块可以配置为将所述RGB制式的目标彩色图像转换为RGB制式的目标灰度图像。所述目标图像获取子模块可以配置为将所述RGB制式的目标灰度图像转换为YUV制式的目标灰度图像,以获得所述目标图像。
由于本公开的示例实施例的图像处理装置1400的各个功能模块与上述图像处理方法的示例实施例的步骤对应,因此在此不再赘述。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者智能设备等)执行根据本公开实施例的方法,例如图4的一个或多个所示的步骤。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其他实施例。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不限于这里已经示出的详细结构、附图方式或实现方法,相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量;
根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值;
根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点;
根据所述目标有效像素点的亮度分量确定第二亮度均衡值;
根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像;
根据所述锐化后目标图像进行图像识别。
2.根据权利要求1所述方法,其特征在于,获得锐化后目标图像,包括:
以第一矩阵单位对所述目标像素点进行处理,以获得第一像素矩阵;
根据所述第二亮度均衡值对相邻的第一像素矩阵进行第二锐化处理,以获得所述锐化后目标图像。
3.根据权利要求2所述方法,其特征在于,所述第一像素矩阵包括第一目标像素矩阵和第二目标像素矩阵,所述第一目标像素矩阵和所述第二目标像素矩阵为相邻矩阵;其中,根据所述第二亮度均衡值对相邻的第一像素矩阵进行第二锐化处理,以获得所述锐化后目标图像,包括:
获取所述第一目标像素矩阵和所述第二目标像素矩阵之间的亮度差矩阵;
在所述亮度差矩阵中获取小于第二阈值的第一亮度差;
分别在所述第一目标像素矩阵和所述第二目标像素矩阵中,确定与所述第一亮度差对应的第一像素点和第二像素点;
若所述第一像素点和所述第二像素点均为所述目标有效像素点,则对所述第一像素点和所述第二像素点的亮度分量同时进行亮度调低处理。
4.根据权利要求2所述方法,其特征在于,所述第一像素矩阵包括第一目标像素矩阵和第二目标像素矩阵,所述第一目标像素矩阵和所述第二目标像素矩阵为相邻矩阵;其中,根据所述第二亮度均衡值对相邻的第一像素矩阵进行第二锐化处理,以获得所述锐化后目标图像,包括:
获取所述第一目标像素矩阵和所述第二目标像素矩阵之间的亮度差矩阵;
在所述亮度差矩阵中获取大于第三阈值的第二亮度差;
分别在所述第一目标像素矩阵和所述第二目标像素矩阵中,确定与所述第二亮度差对应的第三像素点和第四像素点;
若所述第三像素点和所述第四像素点均不是所述目标有效像素点,则对所述第三像素点和所述第四像素点的亮度分量同时进行亮度调高处理。
5.根据权利要求1所述方法,其特征在于,所述目标像素点包括第一目标像素点;其中,根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像,包括:
在所述目标像素点中确定与所述第一目标像素点相邻的第二目标像素点;
确定所述第一目标像素点与所述第二目标像素点之间的亮度差;
若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,则根据所述第二亮度均衡值对所述第一目标像素点和所述第二目标像素点进行第一锐化处理。
6.根据权利要求5所述方法,其特征在于,若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,则根据所述第二亮度均衡值对所述第一目标像素点和所述第二目标像素点进行第一锐化处理,包括:
若所述第一目标像素点与所述第二目标像素点之间的亮度差大于所述第一阈值,且所述第一目标像素点是所述目标有效像素点,所述第二目标像素点不是所述目标有效像素点;
则根据所述第二亮度均衡值对所述第一目标像素点的亮度分量进行亮度调高处理;
并根据所述第二亮度均衡值对所述第二目标像素点的亮度分量进行亮度调低处理。
7.根据权利要求1所述方法,其特征在于,获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量,包括:
获取RGB制式的目标彩色图像;
将所述RGB制式的目标彩色图像转换为RGB制式的目标灰度图像;
将所述RGB制式的目标灰度图像转换为YUV制式的目标灰度图像,以获得所述目标图像。
8.一种图像处理装置,其特征在于,包括:
目标图像获取模块,配置为获取目标图像,所述目标图像包括目标像素点,所述目标像素点包括亮度分量;
第一亮度均衡值获取模块,配置为根据所述目标像素点的亮度分量确定所述目标图像的第一亮度均衡值;
目标有效像素点确定模块,配置为根据所述第一亮度均衡值在所述目标像素点中确定目标有效像素点;
第二亮度均衡值确定模块,配置为根据所述目标有效像素点的亮度分量确定第二亮度均衡值;
第一锐化处理模块,配置为根据所述第二亮度均衡值,对亮度差大于第一阈值的相邻目标像素点的亮度分量进行第一锐化处理,以获得锐化后目标图像;
图像识别模块,配置为根据所述锐化后目标图像进行图像识别。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
10.一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1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011232691.XA CN112215237B (zh) | 2020-11-06 | 2020-11-06 | 图像处理方法及装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011232691.XA CN112215237B (zh) | 2020-11-06 | 2020-11-06 | 图像处理方法及装置、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112215237A true CN112215237A (zh) | 2021-01-12 |
CN112215237B CN112215237B (zh) | 2023-10-13 |
Family
ID=74058277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011232691.XA Active CN112215237B (zh) | 2020-11-06 | 2020-11-06 | 图像处理方法及装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215237B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767055A (zh) * | 2021-02-02 | 2021-05-07 | 广东便捷神科技股份有限公司 | 一种基于物联网的精准广告营销方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030112871A1 (en) * | 2001-07-11 | 2003-06-19 | Demos Gary A. | Interpolation of video compression frames |
CN101510302A (zh) * | 2009-03-25 | 2009-08-19 | 北京中星微电子有限公司 | 一种图像增强方法和装置 |
CN101980521A (zh) * | 2010-11-23 | 2011-02-23 | 华亚微电子(上海)有限公司 | 一种图像锐化方法以及相关装置 |
CN110443807A (zh) * | 2019-06-27 | 2019-11-12 | 中国地质大学(武汉) | 一种基于亮度均衡的光照不均匀图像阈值分割方法 |
-
2020
- 2020-11-06 CN CN202011232691.XA patent/CN112215237B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030112871A1 (en) * | 2001-07-11 | 2003-06-19 | Demos Gary A. | Interpolation of video compression frames |
CN101510302A (zh) * | 2009-03-25 | 2009-08-19 | 北京中星微电子有限公司 | 一种图像增强方法和装置 |
CN101980521A (zh) * | 2010-11-23 | 2011-02-23 | 华亚微电子(上海)有限公司 | 一种图像锐化方法以及相关装置 |
CN110443807A (zh) * | 2019-06-27 | 2019-11-12 | 中国地质大学(武汉) | 一种基于亮度均衡的光照不均匀图像阈值分割方法 |
Non-Patent Citations (1)
Title |
---|
张巍;贺星;霍颖翔;滕少华;滕毅;李日贵;: "基于并行运算的双层图像锐化方法", 计算机应用 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767055A (zh) * | 2021-02-02 | 2021-05-07 | 广东便捷神科技股份有限公司 | 一种基于物联网的精准广告营销方法及系统 |
CN112767055B (zh) * | 2021-02-02 | 2021-09-28 | 广东便捷神科技股份有限公司 | 一种基于物联网的精准广告营销方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112215237B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6615917B2 (ja) | 実時間ビデオエンハンスメント方法、端末及び非一時的コンピュータ可読記憶媒体 | |
CN110222694B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN110996174B (zh) | 一种视频画质增强方法及其相关设备 | |
CN111080595A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN109102484B (zh) | 用于处理图像的方法和装置 | |
CN112069977A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
US20230074060A1 (en) | Artificial-intelligence-based image processing method and apparatus, electronic device, computer-readable storage medium, and computer program product | |
US11481927B2 (en) | Method and apparatus for determining text color | |
CN111311500A (zh) | 一种对图像进行颜色还原的方法和装置 | |
CN109348207B (zh) | 色温调节方法、图像处理方法及装置、介质和电子设备 | |
CN112215237B (zh) | 图像处理方法及装置、电子设备和计算机可读存储介质 | |
CN112822413B (zh) | 拍摄预览方法、装置、终端和计算机可读存储介质 | |
CN111738950B (zh) | 图像处理方法及装置 | |
CN117218039A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
WO2021073316A1 (zh) | 一种图像信号转换处理方法、装置及终端设备 | |
CN110097520B (zh) | 图像处理方法和装置 | |
CN112399069B (zh) | 图像编码方法及装置、存储介质、电子设备 | |
CN110555799A (zh) | 用于处理视频的方法和装置 | |
CN114266803A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112488933B (zh) | 一种视频的细节增强方法、装置、移动终端和存储介质 | |
CN113409199A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN111526366B (zh) | 图像处理方法、装置、摄像设备和存储介质 | |
CN113191376A (zh) | 图像处理方法、装置、电子设备和可读存储介质 | |
CN113613024A (zh) | 视频预处理方法及设备 | |
CN113762016A (zh) | 关键帧选取方法和装置 |
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 |