CN112233025A - 增强图像可识别度的方法、装置及可读存储介质 - Google Patents

增强图像可识别度的方法、装置及可读存储介质 Download PDF

Info

Publication number
CN112233025A
CN112233025A CN202011041099.1A CN202011041099A CN112233025A CN 112233025 A CN112233025 A CN 112233025A CN 202011041099 A CN202011041099 A CN 202011041099A CN 112233025 A CN112233025 A CN 112233025A
Authority
CN
China
Prior art keywords
image
color
texture
similarity
histogram
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
Application number
CN202011041099.1A
Other languages
English (en)
Inventor
张俊
王戴明
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.)
Hangzhou Pinjie Network Technology Co Ltd
Original Assignee
Hangzhou Pinjie Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Pinjie Network Technology Co Ltd filed Critical Hangzhou Pinjie Network Technology Co Ltd
Priority to CN202011041099.1A priority Critical patent/CN112233025A/zh
Publication of CN112233025A publication Critical patent/CN112233025A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种增强图像可识别度的方法、装置及可读存储介质，其中，所述增强图像可识别度的方法，通过对图像进行全局直方图均衡处理，实现图像整体的对比度的增加。通过将图像划分为多个比对区域，对相似度高的相邻两个比对区域进行合并处理，实现图像局部细节的区分与识别。本申请从图像整体上和图像局部细节上对图像进行增强，大大增加了图像特征的识别率，能够有效识别图像中的物体与物体所处的环境。

Description

增强图像可识别度的方法、装置及可读存储介质
技术领域
本申请涉及图像处理技术领域，特别是涉及一种增强图像可识别度的方法、装置及可读存储介质。
背景技术
消费品行业的业务人员需要定期拜访门店，除了售卖商品，也需要对门店进行理货等操作。为了监督业务人员按要求拜访门店，企业往往会要求业务人员在拜访门店时对门头进行拍照，以证实拜访的真实性。同时，为了监督业务人员按要求进行理货，企业也会要求业务人员对店内环境，包括理货货架、墙角仓库等位置进行拍照，以证明理货结果达到企业要求。但是，由于现场环境昏暗、拍摄手机镜头质量较差、拍摄方法错误等原因，有大约20％比例的照片图像存在可识别度不高的问题，导致企业无法对业务人员拜访的质量进行清晰判定。
传统增强图像可识别度的方法，一般是通过整体增加照片的亮度来实现增加图像的可识别度的目的。然而，由于图像中所有区域、所有被拍摄物体的亮度均被无差别增强，往往导致图像的可识别度没有得到实质性的增强，图像可识别度的增强效果差。
发明内容
基于此，有必要针对传统增强图像可识别度的方法的图像的可识别度没有得到实质性的增强，图像可识别度的增强效果差问题，提供一种增强图像可识别度的方法。
本申请提供一种增强图像可识别度的方法，包括：
获取待处理图像，并将所述待处理图像转化为数字图像；
对数字图像进行全局直方图均衡处理，以增加数字图像整体的对比度，得到第一处理后图像；
将第一处理后图像划分为多个比对区域，对每相邻的两个比对区域进行一次相似度计算；
依据相似度计算结果，将相似度大于或等于相似度阈值的两个相邻比对区域合并入同一个合并区域，以对多个比对区域进行合并处理，生成由多个合并区域组成的第二处理后图像；
对第二处理后图像进行伪色彩增强处理，生成第三处理后图像并输出。
进一步地，对数字图像进行全局直方图均衡处理，包括：
将所述数字图像转化为灰度直方图；
计算灰度直方图中每个灰度级的像素点个数、该灰度级对应的矩形直方的宽、以及该灰度级对应的矩形直方的高；
依据公式1计算全局直方图均衡处理后的灰度级分布函数；
Figure BDA0002706678370000021
其中，f(x)为全局直方图均衡处理后的灰度级分布函数，L为所述数字图像中的灰度级，xi为第直方图中第i个灰度级，h(xi)为灰度直方图中灰度级xi的像素点个数，w为灰度级xi对应的矩形直方的宽，h为灰度级xi对应的矩形直方的高；
依据全局直方图均衡处理后的灰度级分布函数，对所述数字图像进行灰度调整，生成第一处理后图像。
进一步地，将第一处理后图像划分为多个比对区域，对每相邻的两个比对区域进行一次相似度计算，包括：
将第一处理后图像中的每一个像素点作为一个比对区域，进而将第一处理后图像划分为多个比对区域；
选取两个位置相邻的比对区域，对两个相邻的比对区域进行颜色相似度计算，生成两个相邻的比对区域之间的颜色相似度分数；
对两个相邻的比对区域进行纹理相似度计算，生成两个相邻的比对区域之间的纹理相似度分数；
对颜色相似度分数和纹理相似度分数求和，生成两个相邻的比对区域的相似度分数；
反复执行前述两个相邻的比对区域的选取与相似度分数计算的步骤，直到所有相邻的两个比对区域的相似度分数均计算完毕。
进一步地，选取两个位置相邻的比对区域，对两个相邻的比对区域进行颜色相似度计算，包括：
依据两个相邻的比对区域的颜色分布状况，分别生成两个相邻的比对区域各自对应的颜色直方图；在每一个颜色直方图中，以5个像素为一个颜色区间，共分为51个颜色区间；
在每一个颜色直方图中，获取像素点总数，以及落在每一个颜色区间的像素点个数；
选取一个颜色区间，在每一个颜色直方图中，依据公式2计算在每一个颜色直方图中，该颜色区间的颜色分数；
Figure BDA0002706678370000031
其中，An为颜色区间的颜色分数，αn为在颜色直方图中，落在该颜色区间的像素点个数，α为在颜色直方图中，像素点的总数，n为该颜色区间的序号；
比对在两个颜色直方图中，该颜色区间的颜色分数，将数值小的颜色分数作为该颜色区间的颜色相似度分数；
反复执行前述颜色区域的选取和颜色相似度分数计的计算步骤，生成每一个颜色区间的颜色相似度分数；
S326，对各个颜色区域的颜色相似度分数求和，将求和结果作为两个相邻的比对区域之间的颜色相似度分数。
进一步地，对两个相邻的比对区域进行纹理相似度计算，包括：
对两个相邻的比对区域中的每一个像素点的每一个通道提取一个纹理值，生成两个相邻的比对区域各自对应的纹理直方图；在每一个纹理直方图中，以5个像素为一个纹理值区间，共分为51个纹理值区间；
在每一个纹理直方图中，获取像素点总数，以及落在每一个纹理值区间的像素点个数；
选取一个纹理值区间，在每一个纹理直方图中，依据公式3计算在每一个纹理直方图中，该纹理值区间的纹理分数；
Figure BDA0002706678370000041
其中，Bm为纹理值区间的纹理分数，ηm为在纹理直方图中，落在该纹理值区间的像素点个数，η为在纹理直方图中，像素点的总数，m为该纹理值区间的序号；
比对在两个纹理直方图中，该纹理值区间的纹理分数，将数值小的纹理分数作为该纹理值区间的纹理相似度分数；
反复执行前述纹理值区间的选取和纹理相似度分数计的计算步骤，生成每一个纹理值区间的纹理相似度分数；
对各个纹理值区域的纹理相似度分数求和，将求和结果作为两个相邻的比对区域之间的纹理相似度分数。
进一步地，依据相似度计算结果，将相似度大于或等于相似度阈值的两个相邻比对区域合并入同一个合并区域，包括：
选取相邻的两个比对区域，判断该相邻的两个比对区域的相似度分数是否大于或等于相似度阈值；
若相邻的两个比对区域的相似度分数大于或等于相似度阈值，则确定该相邻的两个比对区域相似，将该相邻的两个比对区域合并入同一个合并区域；
返回选取相邻的两个比对区域的步骤，直至所有相邻的两个比对区域均进行过一次相似度分数与相似度阈值的比对，生成由多个合并区域组成的第二处理后图像。
进一步地，将相似度大于或等于相似度阈值的两个相邻比对区域合并入同一个合并区域，还包括：
若相邻的两个比对区域的相似度分数小于相似度阈值，则确定该相邻的两个比对区域相互独立，返回选取相邻的两个比对区域的步骤。
进一步地，对第二处理后图像进行伪色彩增强处理，包括：
对第二处理后图像进行灰度分层处理，灰度分层处理后的第二处理后图像具有多个灰度区间；
选取一个灰度区域，对该灰度区域分别做红色变换、绿色变换和蓝色变换；将红色变换的结果送入红色通道，将绿色变换的结果送入蓝色通道，将蓝色变换的结果送入蓝色通道；
反复执行前述灰度区域的选取和颜色变换的步骤，直至所有灰度区域完成红绿蓝变换，生成第三处理后图像。
本申请还提供一种增强图像可识别度的装置，包括：
图像转化模块，用于获取待处理图像，并将所述待处理图像转化为数字图像；
直方图均衡处理模块，与所述图像转化模块连接，用于对数字图像进行全局直方图均衡处理，以增加数字图像整体的对比度，得到第一处理后图像；
区域划分模块，与所述直方图均衡处理模块连接，用于将第一处理后图像划分为多个比对区域，对每相邻的两个比对区域进行一次相似度计算；
区域合并模块，与所述区域划分模块连接，用于依据相似度计算结果，将相似度大于或等于相似度阈值的两个相邻比对区域合并入同一个合并区域，以对多个比对区域进行合并处理，生成由多个合并区域组成的第二处理后图像；
伪色彩增强模块，与所述区域合并模块连接，用于对第二处理后图像进行伪色彩增强处理，生成第三处理后图像并输出。
本申请还提供一种计算机可读存储介质，包括计算机指令，当所述计算机指令在前述内容所述的增强图像可识别度的装置上运行时，使得所述增强图像可识别度的装置执行如前述内容提及的增强图像可识别度的方法。
本申请涉及一种增强图像可识别度的方法、装置及可读存储介质，通过对图像进行全局直方图均衡处理，实现图像整体的对比度的增加。通过将图像划分为多个比对区域，对相似度高的相邻两个比对区域进行合并处理，实现图像局部细节的区分与识别。本申请从图像整体上和图像局部细节上对图像进行增强，大大增加了图像特征的识别率，能够有效识别图像中的物体与物体所处的环境。
附图说明
图1为本申请一实施例提供的增强图像可识别度的方法的流程示意图；
图2为本申请一实施例提供的增强图像可识别度的装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供一种增强图像可识别度的方法。需要说明的是，本申请提供的增强图像可识别度的方法的应用于任何设备拍摄的图像。
此外，本申请提供的增强图像可识别度的方法不限制其执行主体。可选地，本申请提供的增强图像可识别度的方法的执行主体的可以为一种增强图像可识别度的装置。具体地，本申请提供的增强图像可识别度的方法的执行主体的可以为该增强图像可识别度装置中的一个或多个处理器。
如图1所示，在本申请的一实施例中，所述增强图像可识别度的方法包括如下步骤S100至步骤S500：
S100，获取待处理图像，并将所述待处理图像转化为数字图像。
S200，对数字图像进行全局直方图均衡处理，以增加数字图像整体的对比度，得到第一处理后图像。
S300，将第一处理后图像划分为多个比对区域，对每相邻的两个比对区域进行一次相似度计算。
S400，依据相似度计算结果，将相似度大于或等于相似度阈值的两个相邻比对区域合并入同一个合并区域，以对多个比对区域进行合并处理，生成由多个合并区域组成的第二处理后图像。
S500，对第二处理后图像进行伪色彩增强处理，生成第三处理后图像并输出。
具体地，步骤S100中，增强图像可识别度的装置获取外部输入的待处理图像。所述待处理图像为连续色调的模拟图像。增强图像可识别度的装置可以将所述待处理图像经采样量化后转换成数字影像，以供增强图像可识别度的装置的处理器处理。
本实施例中，通过对图像进行全局直方图均衡处理，实现图像整体的对比度的增加。通过将图像划分为多个比对区域，对相似度高的相邻两个比对区域进行合并处理，实现图像局部细节的区分与识别。本申请从图像整体上和图像局部细节上对图像进行增强，大大增加了图像特征的识别率，能够有效识别图像中的物体与物体所处的环境。
在本申请的一实施例中，所述步骤S200包括如下步骤S210至步骤S240：
S210，将所述数字图像转化为灰度直方图。
S220，计算灰度直方图中每个灰度级的像素点个数、该灰度级对应的矩形直方的宽、以及该灰度级对应的矩形直方的高。
S230，依据公式1计算全局直方图均衡处理后的灰度级分布函数。
Figure BDA0002706678370000081
其中，f(x)为全局直方图均衡处理后的灰度级分布函数。L为所述数字图像中的灰度级。xi为第直方图中第i个灰度级。h(xi)为灰度直方图中灰度级xi的像
素点个数。w为灰度级xi对应的矩形直方的宽。h为灰度级xi对应的矩形直方的高。
S240，依据全局直方图均衡处理后的灰度级分布函数，对所述数字图像进行灰度调整，生成第一处理后图像。
具体地，本实施例的目的是将数字图像中较集中的某个或某几个灰度区间变成在全部灰度范围内的均匀分布，从而增强数字图像整体的对比度。
本实施例中，通过对图像进行全局直方图均衡处理，实现图像整体的对比度的增加。
在本申请的一实施例中，所述步骤S300包括如下步骤S310至步骤S350：
S310，将第一处理后图像中的每一个像素点作为一个比对区域，进而将第一处理后图像划分为多个比对区域。
S320，选取两个位置相邻的比对区域，对两个相邻的比对区域进行颜色相似度计算，生成两个相邻的比对区域之间的颜色相似度分数。
S330，对两个相邻的比对区域进行纹理相似度计算，生成两个相邻的比对区域之间的纹理相似度分数。
S340，对颜色相似度分数和纹理相似度分数求和，生成两个相邻的比对区域的相似度分数。
S350，反复执行所述步骤S320至步骤S340，直到所有相邻的两个比对区域的相似度分数均计算完毕。
具体地，例如两个相邻的比对区域的颜色相似度分数为0.6，纹理相似度分数为0.3，则该两个相邻的比对区域的相似度分数为0.6+0.3＝0.9。
本实施例中。通过将第一处理后图像划分为多个比对区域，实现了对第一处理后图像的细节划分，从而实现了第一处理后图像中的每两个相邻比对区域的相似度比较，为后续的比对区域合并提供数据基础。
在本申请的一实施例中，所述步骤S320包括如下步骤S321至步骤S326：
S321，依据两个相邻的比对区域的颜色分布状况，分别生成两个相邻的比对区域各自对应的颜色直方图。在每一个颜色直方图中，以5个像素为一个颜色区间，共分为51个颜色区间。
S322，在每一个颜色直方图中，获取像素点总数，以及落在每一个颜色区间的像素点个数。
S323，选取一个颜色区间，在每一个颜色直方图中，依据公式2计算在每一个颜色直方图中，该颜色区间的颜色分数。
Figure BDA0002706678370000101
其中，An为颜色区间的颜色分数。αn为在颜色直方图中，落在该颜色区间的像素点个数。α为在颜色直方图中，像素点的总数。n为该颜色区间的序号。
S324，比对在两个颜色直方图中，该颜色区间的颜色分数，将数值小的颜色分数作为该颜色区间的颜色相似度分数。
S325，反复执行所述步骤S323至步骤S324，生成每一个颜色区间的颜色相似度分数。
S326，对各个颜色区域的颜色相似度分数求和，将求和结果作为两个相邻的比对区域之间的颜色相似度分数。
具体地，颜色直方图的颜色范围为0-255，以5个像素为一段，共分为51段，代表了51个颜色区间。
例如，在两个相邻的比对区域中，比对区域甲的颜色直方图中0-5这一颜色区间的像素点有50个，比对区域甲的颜色直方图中总共有500个像素点，则比对区域甲的0-5颜色区间的颜色分数为0.1。
比对区域乙的计算方法同理。若经过计算比对区域乙的0-5颜色区间的颜色分数为0.2，由于0.1小于0.2，那么取0.1作为0-5颜色区间的颜色分数。
本实施例中，通过利用颜色直方图对两个相邻的比对区域之间的颜色相似度分数进行计算，实现了从颜色维度上对两个相邻的比对区域的相似度进行科学判定。
在本申请的一实施例中，所述步骤S330包括如下步骤S331至步骤S500：
S331，对两个相邻的比对区域中的每一个像素点的每一个通道提取一个纹理值，生成两个相邻的比对区域各自对应的纹理直方图。在每一个纹理直方图中，以5个像素为一个纹理值区间，共分为51个纹理值区间。
S332，在每一个纹理直方图中，获取像素点总数，以及落在每一个纹理值区间的像素点个数。
S333，选取一个纹理值区间，在每一个纹理直方图中，依据公式3计算在每一个纹理直方图中，该纹理值区间的纹理分数。
Figure BDA0002706678370000111
其中，Bm为纹理值区间的纹理分数。ηm为在纹理直方图中，落在该纹理值区间的像素点个数。η为在纹理直方图中，像素点的总数。m为该纹理值区间的序号。
S334，比对在两个纹理直方图中，该纹理值区间的纹理分数，将数值小的纹理分数作为该纹理值区间的纹理相似度分数。
S335，反复执行所述步骤S333至步骤S334，生成每一个纹理值区间的纹理相似度分数。
S336，对各个纹理值区域的纹理相似度分数求和，将求和结果作为两个相邻的比对区域之间的纹理相似度分数。
具体地，本实施例中的步骤S331至步骤S336依据SIFI算法实现，具体步骤与前一实施例中的步骤S321至步骤S326的原理类似，再次就不做赘述。
本实施例中，本实施例中，通过利用纹理值直方图对两个相邻的比对区域之间的纹理相似度分数进行计算，实现了从纹理维度上对两个相邻的比对区域的相似度进行科学判定。
在本申请的一实施例中，所述步骤S400包括：
S410，选取相邻的两个比对区域，判断该相邻的两个比对区域的相似度分数是否大于或等于相似度阈值。
S420，若相邻的两个比对区域的相似度分数大于或等于相似度阈值，则确定该相邻的两个比对区域相似，将该相邻的两个比对区域合并入同一个合并区域。
S430，返回所述步骤S410，直至所有相邻的两个比对区域均进行过一次相似度分数与相似度阈值的比对，生成由多个合并区域组成的第二处理后图像。
在本申请的一实施例中，所述步骤S400还包括：
S421，若相邻的两个比对区域的相似度分数小于相似度阈值，则确定该相邻的两个比对区域相互独立，返回所述步骤S410。
具体地，通过上述两个实施例，可以遍历所有比对区域，循环往复将整个第一处理后图像分割为几个互相独立的合并区域，实现了实现图像局部细节的区分与识别，从而实现了图像可识别度的增强。
本实施例中，通过将图像划分为多个比对区域，对相似度高的相邻两个比对区域进行合并处理，实现图像局部细节的区分与识别。
在本申请的一实施例中，所述步骤S500包括：
S510，对第二处理后图像进行灰度分层处理，灰度分层处理后的第二处理后图像具有多个灰度区间。
S520，选取一个灰度区域，对该灰度区域分别做红色变换、绿色变换和蓝色变换。
S530，将红色变换的结果送入红色通道，将绿色变换的结果送入蓝色通道，将蓝色变换的结果送入蓝色通道。
S540，反复执行所述步骤S520至步骤S530，直至所有灰度区域完成红绿蓝变换，生成第三处理后图像。
本申请还提供一种增强图像可识别度的装置。
如图2所示，在本申请的一实施例中，所述增强图像可识别度的装置包括图像转化模块10、直方图均衡处理模块20、区域划分模块30、区域合并模块40、和伪色彩增强模块50。
所述图像转化模块10，用于获取待处理图像，并将所述待处理图像转化为数字图像。
所述直方图均衡处理模块20，与所述图像转化模块10连接。所述直方图均衡处理模块20用于对数字图像进行全局直方图均衡处理，以增加数字图像整体的对比度，得到第一处理后图像。
所述区域划分模块30，与所述直方图均衡处理模块连接20。所述区域划分模块30用于将第一处理后图像划分为多个比对区域，对每相邻的两个比对区域进行一次相似度计算。
所述区域合并模块40，与所述区域划分模块30连接。所述所述区域合并模块10用于依据相似度计算结果，将相似度大于或等于相似度阈值的两个相邻比对区域合并入同一个合并区域，以对多个比对区域进行合并处理，生成由多个合并区域组成的第二处理后图像。
所述伪色彩增强模块50，与所述区域合并模块40连接。所述伪色彩增强模块50用于对第二处理后图像进行伪色彩增强处理，生成第三处理后图像并输出。
本申请还提供一种计算机可读存储介质。所述计算机可读存储介质包括计算机指令。当所述计算机指令在前述内容提及的增强图像可识别度的装置上运行时，使得所述增强图像可识别度的装置执行如前述内容提及的增强图像可识别度的方法。
以上所述实施例的各技术特征可以进行任意的组合，各方法步骤也并不做执行顺序的限制，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种增强图像可识别度的方法，其特征在于，所述增强图像可识别度的方法包括：
S100，获取待处理图像，并将所述待处理图像转化为数字图像；
S200，对数字图像进行全局直方图均衡处理，以增加数字图像整体的对比度，得到第一处理后图像；
S300，将第一处理后图像划分为多个比对区域，对每相邻的两个比对区域进行一次相似度计算；
S400，依据相似度计算结果，将相似度大于或等于相似度阈值的两个相邻比对区域合并入同一个合并区域，以对多个比对区域进行合并处理，生成由多个合并区域组成的第二处理后图像；
S500，对第二处理后图像进行伪色彩增强处理，生成第三处理后图像并输出。
2.根据权利要求1所述的增强图像可识别度的方法，其特征在于，所述步骤S200包括：
S210，将所述数字图像转化为灰度直方图；
S220，计算灰度直方图中每个灰度级的像素点个数、该灰度级对应的矩形直方的宽、以及该灰度级对应的矩形直方的高；
S230，依据公式1计算全局直方图均衡处理后的灰度级分布函数；
Figure FDA0002706678360000011
其中，f(x)为全局直方图均衡处理后的灰度级分布函数，L为所述数字图像中的灰度级，xi为第直方图中第i个灰度级，h(xi)为灰度直方图中灰度级xi的像素点个数，w为灰度级xi对应的矩形直方的宽，h为灰度级xi对应的矩形直方的高；
S240，依据全局直方图均衡处理后的灰度级分布函数，对所述数字图像进行灰度调整，生成第一处理后图像。
3.根据权利要求2所述的增强图像可识别度的方法，其特征在于，所述步骤S300包括：
S310，将第一处理后图像中的每一个像素点作为一个比对区域，进而将第一处理后图像划分为多个比对区域；
S320，选取两个位置相邻的比对区域，对两个相邻的比对区域进行颜色相似度计算，生成两个相邻的比对区域之间的颜色相似度分数；
S330，对两个相邻的比对区域进行纹理相似度计算，生成两个相邻的比对区域之间的纹理相似度分数；
S340，对颜色相似度分数和纹理相似度分数求和，生成两个相邻的比对区域的相似度分数；
S350，反复执行所述步骤S320至步骤S340，直到所有相邻的两个比对区域的相似度分数均计算完毕。
4.根据权利要求3所述的增强图像可识别度的方法，其特征在于，所述步骤S320包括：
S321，依据两个相邻的比对区域的颜色分布状况，分别生成两个相邻的比对区域各自对应的颜色直方图；在每一个颜色直方图中，以5个像素为一个颜色区间，共分为51个颜色区间；
S322，在每一个颜色直方图中，获取像素点总数，以及落在每一个颜色区间的像素点个数；
S323，选取一个颜色区间，在每一个颜色直方图中，依据公式2计算在每一个颜色直方图中，该颜色区间的颜色分数；
Figure FDA0002706678360000031
其中，An为颜色区间的颜色分数，αn为在颜色直方图中，落在该颜色区间的像素点个数，α为在颜色直方图中，像素点的总数，n为该颜色区间的序号；
S324，比对在两个颜色直方图中，该颜色区间的颜色分数，将数值小的颜色分数作为该颜色区间的颜色相似度分数；
S325，反复执行所述步骤S323至步骤S324，生成每一个颜色区间的颜色相似度分数；
S326，对各个颜色区域的颜色相似度分数求和，将求和结果作为两个相邻的比对区域之间的颜色相似度分数。
5.根据权利要求4所述的增强图像可识别度的方法，其特征在于，所述步骤S330包括：
S331，对两个相邻的比对区域中的每一个像素点的每一个通道提取一个纹理值，生成两个相邻的比对区域各自对应的纹理直方图；在每一个纹理直方图中，以5个像素为一个纹理值区间，共分为51个纹理值区间；
S332，在每一个纹理直方图中，获取像素点总数，以及落在每一个纹理值区间的像素点个数；
S333，选取一个纹理值区间，在每一个纹理直方图中，依据公式3计算在每一个纹理直方图中，该纹理值区间的纹理分数；
Figure FDA0002706678360000032
其中，Bm为纹理值区间的纹理分数，ηm为在纹理直方图中，落在该纹理值区间的像素点个数，η为在纹理直方图中，像素点的总数，m为该纹理值区间的序号；
S334，比对在两个纹理直方图中，该纹理值区间的纹理分数，将数值小的纹理分数作为该纹理值区间的纹理相似度分数；
S335，反复执行所述步骤S333至步骤S334，生成每一个纹理值区间的纹理相似度分数；
S336，对各个纹理值区域的纹理相似度分数求和，将求和结果作为两个相邻的比对区域之间的纹理相似度分数。
6.根据权利要求5所述的增强图像可识别度的方法，其特征在于，所述步骤S400包括：
S410，选取相邻的两个比对区域，判断该相邻的两个比对区域的相似度分数是否大于或等于相似度阈值；
S420，若相邻的两个比对区域的相似度分数大于或等于相似度阈值，则确定该相邻的两个比对区域相似，将该相邻的两个比对区域合并入同一个合并区域；
S430，返回所述步骤S410，直至所有相邻的两个比对区域均进行过一次相似度分数与相似度阈值的比对，生成由多个合并区域组成的第二处理后图像。
7.根据权利要求6所述的增强图像可识别度的方法，其特征在于，所述步骤S400还包括：
S421，若相邻的两个比对区域的相似度分数小于相似度阈值，则确定该相邻的两个比对区域相互独立，返回所述步骤S410。
8.根据权利要求7所述的增强图像可识别度的方法，其特征在于，所述步骤S500包括：
S510，对第二处理后图像进行灰度分层处理，灰度分层处理后的第二处理后图像具有多个灰度区间；
S520，选取一个灰度区域，对该灰度区域分别做红色变换、绿色变换和蓝色变换；
S530，将红色变换的结果送入红色通道，将绿色变换的结果送入蓝色通道，将蓝色变换的结果送入蓝色通道；
S540，反复执行所述步骤S520至步骤S530，直至所有灰度区域完成红绿蓝变换，生成第三处理后图像。
9.一种增强图像可识别度的装置，其特征在于，包括：
图像转化模块，用于获取待处理图像，并将所述待处理图像转化为数字图像；
直方图均衡处理模块，与所述图像转化模块连接，用于对数字图像进行全局直方图均衡处理，以增加数字图像整体的对比度，得到第一处理后图像；
区域划分模块，与所述直方图均衡处理模块连接，用于将第一处理后图像划分为多个比对区域，对每相邻的两个比对区域进行一次相似度计算；
区域合并模块，与所述区域划分模块连接，用于依据相似度计算结果，将相似度大于或等于相似度阈值的两个相邻比对区域合并入同一个合并区域，以对多个比对区域进行合并处理，生成由多个合并区域组成的第二处理后图像；
伪色彩增强模块，与所述区域合并模块连接，用于对第二处理后图像进行伪色彩增强处理，生成第三处理后图像并输出。
10.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在权利要求9所述的增强图像可识别度的装置上运行时，使得所述增强图像可识别度的装置执行如权利要求1-8中任意一项所述的增强图像可识别度的方法。
CN202011041099.1A 2020-09-28 2020-09-28 增强图像可识别度的方法、装置及可读存储介质 Pending CN112233025A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011041099.1A CN112233025A (zh) 2020-09-28 2020-09-28 增强图像可识别度的方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011041099.1A CN112233025A (zh) 2020-09-28 2020-09-28 增强图像可识别度的方法、装置及可读存储介质

Publications (1)

Publication Number Publication Date
CN112233025A true CN112233025A (zh) 2021-01-15

Family

ID=74119525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011041099.1A Pending CN112233025A (zh) 2020-09-28 2020-09-28 增强图像可识别度的方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN112233025A (zh)

Similar Documents

Publication Publication Date Title
US10943145B2 (en) Image processing methods and apparatus, and electronic devices
CN108229526B (zh) 网络训练、图像处理方法、装置、存储介质和电子设备
US7508550B2 (en) Image correcting apparatus and method, and image correcting program, and look-up table creating apparatus and method, and look-up table creating program
KR101795823B1 (ko) 광학 문자 인식되는 텍스트 영상의 텍스트 개선 기법
CN108241645B (zh) 图像处理方法及装置
US7885482B2 (en) Coverage-based image relevance ranking
JP6341650B2 (ja) 画像処理装置、画像処理方法及びプログラム
CN108229346B (zh) 使用有符号的前景提取与融合的视频摘要
JP2011128990A (ja) 画像処理装置とその方法
JPH0799581A (ja) 画像処理装置
CN113222921A (zh) 一种图像处理方法及系统
CN112651953A (zh) 图片相似度计算方法、装置、计算机设备及存储介质
CN112507923A (zh) 证件翻拍检测方法、装置、电子设备及介质
US20060204091A1 (en) System and method for analyzing and processing two-dimensional images
CN111767752B (zh) 一种二维码识别方法及装置
JP4460368B2 (ja) 画像補正装置および方法，ならびに画像補正プログラム
CN116958113A (zh) 一种产品检测方法、装置、设备及存储介质
CN112233025A (zh) 增强图像可识别度的方法、装置及可读存储介质
CN116258653A (zh) 一种基于深度学习的微光图像增强方法和系统
JP3906221B2 (ja) 画像処理方法及び画像処理装置
JP5911633B1 (ja) 画像処理装置
JP2020181402A (ja) 画像処理装置、画像処理方法、およびプログラム
CN112837329B (zh) 一种藏文古籍文档图像二值化方法及系统
CN114329024A (zh) 一种iconfont图标搜索方法和系统
CN111382741A (zh) 一种自然场景图片中文本检测方法、系统及设备

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