CN112381736A - 一种基于场景分块的图像增强方法 - Google Patents
一种基于场景分块的图像增强方法 Download PDFInfo
- Publication number
- CN112381736A CN112381736A CN202011286675.9A CN202011286675A CN112381736A CN 112381736 A CN112381736 A CN 112381736A CN 202011286675 A CN202011286675 A CN 202011286675A CN 112381736 A CN112381736 A CN 112381736A
- Authority
- CN
- China
- Prior art keywords
- picture
- pixel
- pictures
- pixel value
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000000903 blocking effect Effects 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/20172—Image enhancement details
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
本发明公开了一种基于场景分块的图像增强方法，包括以下步骤：将原图M进行高斯模糊得到Ms；将原图M与模糊后的Ms相减得M0；将M0进行直方图统计，在0‑255像素值间，以相同的间隔均等分为b段区间；根据b段区间，对应生成b张图片N1‑Nb，将b张图片中的任一张记为图N，将对应的像素填充到图片中，空白像素值设为0；针对每一张图片进行图片增强。本发明提供的一种基于场景分块的图像增强方法具有效率高、不需要训练样本等优点。
Description
技术领域
本发明涉及图像增强的技术领域，尤其涉及其一种基于场景分块的图像增强方法。
背景技术
目前市面上的图像增强技术通常是采用各种图像操作技术进行组合，比如进行特征识别，将关键特征进行对比度的增强等处理。该类方法的不足之处是对整张图片采用同样的参数进行处理，而实际中图片的场景大部分不是单一的，每个场景如果采用同样的处理参数，必然不能做到整体最佳。另外还有采用深度学习的图像增强方法，这种方法需要寻找大量的样本进行训练，如果输入的图片属于没有训练过的类别，则效果难以保障。
发明内容
本发明提供了一种基于场景分块的图像增强方法，旨在解决现有图像增强技术无法做到全局最佳及深度学习的方法无法适应新的类别图像的问题。
根据本申请实施例，提供了一种基于场景分块的图像增强方法，包括以下步骤：
将原图M进行高斯模糊得到Ms；
将原图M与模糊后的Ms相减得M0；
将M0进行直方图统计，在0-255像素值间，以相同的间隔均等分为b段区间；
根据b段区间，对应生成b张图片N1-Nb，将b张图片中的任一张记为图N，将对应的像素填充到图片中，空白像素值设为0；
针对每一张图片进行图片增强。
优选地，针对每一张图片进行增强，包括以下步骤：
对图N进行高斯模糊得到对应的Ns；
将图N与Ns相减得Np；
将图N与a倍的Np相加得增强后的Ne；
将增强后的b张图片进行叠加，只叠加每张图片中的彩色部分，叠加后的图片即为原图M的增强图。
优选地，所述M0的宽和高分别是w和h，所述M0共有w*h个像素值，每个像素值都在0-255像素值间内，包括以下步骤：
构造b张同样宽高的空白图片；
对M0每个像素进行遍历，遍历到第i行第j列像素，记该像素值为v；
计算并判断v落入0-255像素值中的哪个区间；
将该像素值放到构造的v所在区间的第i行第j列上；
重复上述过程将M0上的每个像素放到对应图片的像素上。
优选地，将增强后的b张图片进行叠加，在第i行第j列上，该b张图片的像素值分别为v1，v2,...,vb，将b张图片在第i行第j列的像素值相加，得到的值赋值给增强的每张图片中的彩色部分。
优选地，所述b的值为13，将M0进行直方图统计，在0-255像素值间，以步长20为间隔均等分为13段区间，包括0-19,20-39，...,240-255。
本申请实施例提供的技术方案可以包括以下有益效果：本申请设计了一种基于场景分块的图像增强方法，与传统方案相比，本申请针对图片中的不同场景进行不同的增强，使得整体效果更好，本申请不单单是针对关键特征进行对比度增强处理，本申请创新点是利用频域进行场景分割和利用频域进行图像增强，优势在于做到整个图片场景可对应不同的频域进行处理，不需要寻找大量的训练样本。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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附图。
图1是本发明一种基于场景分块的图像增强方法的流程示意图；
图2是本发明一种基于场景分块的图像增强方法中步骤S5的流程示意图；
图3是本发明一种基于场景分块的图像增强方法的流程示意图。
标号说明:
10、一种基于场景分块的图像增强方法。
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。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及其“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及其所有可能组合，并且包括这些组合。
请参阅图1，本发明公开了一种基于场景分块的图像增强方法10，包括以下步骤：
步骤S1：将原图M进行高斯模糊得到Ms；
步骤S2：将原图M与模糊后的Ms相减得M0；
步骤S3：将M0进行直方图统计，在0-255像素值间，以相同的间隔均等分为b段区间；
步骤S4：根据b段区间，对应生成b张图片N1-Nb，将b张图片中的任一张记为图N，将对应的像素填充到图片中，空白像素值设为0；
步骤S5：针对每一张图片进行图片增强。
优选地，将M0进行直方图统计，在0-255像素值间，以步长20为间隔，分为13段，即像素值区间为0-19,20-39，…，240-255；像素值区间越多，处理时间越长，像素值区间越少，图片增强的效果越差，因此采用13段像素值区间的设计，能在处理时间和图片增强效果之间取得了均衡点，处理效率高。
优选地，图片增强可采用现有的图片增强技术，例如采用sharpened＝original+(original-blurred)×amount，其中amount可设置为50–150％。
本申请设计了一种基于场景分块的图像增强方法10，与传统方案相比，本申请针对图片中的不同场景进行不同的增强，使得整体效果更好，本申请不单单是针对关键特征进行对比度增强处理，本申请创新点是利用频域进行场景分割和利用频域进行图像增强，优势在于做到整个图片场景可对应不同的频域进行处理，不需要寻找大量的训练样本，图像增强的效率高，节约了时间成本。
请参阅图2，所述步骤S5包括以下步骤：
步骤S51：对图N进行高斯模糊得到对应的Ns；
步骤S52：将图N与Ns相减得Np；
步骤S53：将图N与a倍的Np相加得增强后的Ne；
步骤S54：将增强后的b张图片进行叠加，只叠加每张图片中的彩色部分，叠加后的图片即为原图M的增强图。
优选地，将图N与α倍的Np相加得增强后的Ne，α值可以根据不同的场景进行调节，a的取值在0-1范围内，a的取值越大，增强效果越明显，但与周围像素的差异会变大，所以要根据实际的使用场景进行适当的调整。
请参阅图3，所述M0的宽和高分别是w和h，则M0共有w*h个像素值，每个像素值都在0-255像素值间内，包括以下步骤：
S31：构造b张同样宽高的空白图片；
S32：对M0每个像素进行遍历，遍历到第i行第j列像素，记该像素值为v；
S33：计算并判断v落入0-255像素值中的哪个区间；
S34：将该像素值放到构造的v所在区间的第i行第j列上；
S35：重复上述过程将M0上的每个像素放到对应图片的像素上。
优选地，假设v＝78，则落在13段像素值区间的60-79的区间内，即第四个区间，将该像素值放到构造的第四张图片的第i行第j列上，重复上述过程将M0上每个像素放到对应图片的像素上，最终13张图片都会有部分像素的值不是0。上述描述的单通道图像处理方式，一半彩色图有三个通道，所以需要每个通道都按照方式处理一遍。
优选地，所述步骤S54包括：将增强后的b张图片进行叠加，在第i行第j列上，该b张图片的像素值分别为v1，v2,...,vb，将b张图片在第i行第j列的像素值相加，得到的值赋值给增强的每张图片中的彩色部分。
优选地，将13张图片的对应行列的像素值相加即可，假如在第i行第j列上，这13张增强图片的像素值分别为v1,v2,…,v13，将这些值相加，得到的值赋值给增强的彩色图即可。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种基于场景分块的图像增强方法，其特征在于，包括以下步骤：
将原图M进行高斯模糊得到Ms；
将原图M与模糊后的Ms相减得M0；
将M0进行直方图统计，在0-255像素值间，以相同的间隔均等分为b段区间；
根据b段区间，对应生成b张图片N1-Nb，将b张图片中的任一张记为图N，将对应的像素填充到图片中，空白像素值设为0；
针对每一张图片进行图片增强。
2.如权利要求1所述的一种基于场景分块的图像增强方法，其特征在于，针对每一张图片进行增强，包括以下步骤：
对图N进行高斯模糊得到对应的Ns；
将图N与Ns相减得Np；
将图N与a倍的Np相加得增强后的Ne；
将增强后的b张图片进行叠加，只叠加每张图片中的彩色部分，叠加后的图片即为原图M的增强图。
3.如权利要求2所述的一种基于场景分块的图像增强方法，其特征在于：所述M0的宽和高分别是w和h，所述M0共有w*h个像素值，每个像素值都在0-255像素值间内，包括以下步骤：
构造b张同样宽高的空白图片；
对M0每个像素进行遍历，遍历到第i行第j列像素，记该像素值为v；
计算并判断v落入0-255像素值中的哪个区间；
将该像素值放到构造的v所在区间的第i行第j列上；
重复上述过程将M0上的每个像素放到对应图片的像素上。
4.如权利要求3所述的一种基于场景分块的图像增强方法，其特征在于：将增强后的b张图片进行叠加，在第i行第j列上，该b张图片的像素值分别为v1，v2,...,vb，将b张图片在第i行第j列的像素值相加，得到的值赋值给增强的每张图片中的彩色部分。
5.如权利要求1所述的一种基于场景分块的图像增强方法，其特征在于，所述b的值为13，将M0进行直方图统计，在0-255像素值间，以步长20为间隔均等分为13段区间，包括0-19,20-39，...,240-255。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011286675.9A CN112381736A (zh) | 2020-11-17 | 2020-11-17 | 一种基于场景分块的图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011286675.9A CN112381736A (zh) | 2020-11-17 | 2020-11-17 | 一种基于场景分块的图像增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112381736A true CN112381736A (zh) | 2021-02-19 |
Family
ID=74585805
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011286675.9A Pending CN112381736A (zh) | 2020-11-17 | 2020-11-17 | 一种基于场景分块的图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112381736A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103295191A (zh) * | 2013-04-19 | 2013-09-11 | 北京航科威视光电信息技术有限公司 | 多尺度视觉自适应图像增强方法及评价方法 |
| CN104899589A (zh) * | 2015-05-12 | 2015-09-09 | 广州中大数码科技有限公司 | 一种采用阈值二值化算法实现二维条码预处理的方法 |
| US20170206440A1 (en) * | 2016-01-15 | 2017-07-20 | Ford Global Technologies, Llc | Fixation generation for machine learning |
| CN108961188A (zh) * | 2018-07-06 | 2018-12-07 | 无锡天脉聚源传媒科技有限公司 | 一种图像画质增强方法、系统及装置 |
| CN109523472A (zh) * | 2018-10-12 | 2019-03-26 | 海南大学 | Retinex彩色图像增强方法、计算机视觉处理系统 |
| CN110021031A (zh) * | 2019-03-29 | 2019-07-16 | 中广核贝谷科技有限公司 | 一种基于图像金字塔的x射线图像增强方法 |
| CN111768355A (zh) * | 2020-06-05 | 2020-10-13 | 西安瑞日电子发展有限公司 | 一种针对制冷型红外传感器图像增强的方法 |
-
2020
- 2020-11-17 CN CN202011286675.9A patent/CN112381736A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103295191A (zh) * | 2013-04-19 | 2013-09-11 | 北京航科威视光电信息技术有限公司 | 多尺度视觉自适应图像增强方法及评价方法 |
| CN104899589A (zh) * | 2015-05-12 | 2015-09-09 | 广州中大数码科技有限公司 | 一种采用阈值二值化算法实现二维条码预处理的方法 |
| US20170206440A1 (en) * | 2016-01-15 | 2017-07-20 | Ford Global Technologies, Llc | Fixation generation for machine learning |
| CN108961188A (zh) * | 2018-07-06 | 2018-12-07 | 无锡天脉聚源传媒科技有限公司 | 一种图像画质增强方法、系统及装置 |
| CN109523472A (zh) * | 2018-10-12 | 2019-03-26 | 海南大学 | Retinex彩色图像增强方法、计算机视觉处理系统 |
| CN110021031A (zh) * | 2019-03-29 | 2019-07-16 | 中广核贝谷科技有限公司 | 一种基于图像金字塔的x射线图像增强方法 |
| CN111768355A (zh) * | 2020-06-05 | 2020-10-13 | 西安瑞日电子发展有限公司 | 一种针对制冷型红外传感器图像增强的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李勇等: "基于Retinex理论的低照度图像增强算法研究与实现", 中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑, vol. 2019, no. 02, pages 138 - 1884 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shi et al. | Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement | |
| FI94306C (fi) | Menetelmä televisiokuvan pienten kuvasegmenttien liikevektoreiden määrittämiseksi | |
| JP3017384B2 (ja) | 特徴領域抽出装置 | |
| CN109427047B (zh) | 一种图像处理方法及装置 | |
| US9183617B2 (en) | Methods, devices, and computer readable mediums for processing a digital picture | |
| US6959117B2 (en) | Method and apparatus for deblurring and re-blurring image segments | |
| US10528842B2 (en) | Image processing method and image processing system | |
| CN109903294B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
| CN110930327B (zh) | 基于级联深度残差网络的视频去噪方法 | |
| CN111145105B (zh) | 一种图像快速去雾方法、装置、终端及存储介质 | |
| CN104252700A (zh) | 一种红外图像的直方图均衡化方法 | |
| CN102306307B (zh) | 一种彩色显微图像序列中固点噪声的定位方法 | |
| CN105335933A (zh) | 一种图像对比度增强方法和装置 | |
| CN113596573A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| US11373279B2 (en) | Image processing method and device | |
| CN105279742B (zh) | 一种快速的基于分块噪声能量估计的图像去噪方法 | |
| CN107025641A (zh) | 基于对比度分析的图像融合方法 | |
| CN110324617A (zh) | 图像处理方法及装置 | |
| CN110545414B (zh) | 一种图像锐化方法 | |
| CN104299234A (zh) | 视频数据中雨场去除的方法和系统 | |
| CN112381736A (zh) | 一种基于场景分块的图像增强方法 | |
| CN113012079B (zh) | 低亮度车底图像增强方法、装置及存储介质 | |
| CN108109120B (zh) | 一种点阵二维码的光照补偿方法及装置 | |
| CN111582100B (zh) | 一种目标对象的检测方法及设备 | |
| CN111695557B (zh) | 一种图像处理方法及装置 |
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 |