CN112437216A - 一种图像优化方法和装置 - Google Patents
一种图像优化方法和装置 Download PDFInfo
- Publication number
- CN112437216A CN112437216A CN202011271273.1A CN202011271273A CN112437216A CN 112437216 A CN112437216 A CN 112437216A CN 202011271273 A CN202011271273 A CN 202011271273A CN 112437216 A CN112437216 A CN 112437216A
- Authority
- CN
- China
- Prior art keywords
- rgb
- video image
- image
- video
- pixel points
- 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 57
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000010339 dilation Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000006855 networking Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000023077 detection of light stimulus Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种图像优化方法和装置，应用于视频服务器，所述视频服务器中部署有RGB通道，视频服务器与监控终端连接，获取监控终端拍摄的第一视频图像，所述第一视频图像由多个像素点组成；采用所述RGB通道识别所述第一视频图像，得到RGB最大值与RGB最小值；依据所述RGB最大值与所述RGB最小值，计算反光区域；对所述反光区域的相邻区域的像素点加权计算，生成第二视频图像。本发明实施例可以减少各种干扰光源对视频图像的影响，提高视频质量。
Description
技术领域
本发明涉及视频处理技术领域，特别是涉及一种图像优化方法和一种图像优化装置。
背景技术
现有视频监控系统，通常使用的利用远程视频监看系统，通过在重要地点安装的摄像头，对一些重要的地点进行全实时的视频录像，可以实现监控的功能。
现有技术中，监控系统通常要应付全天候的各类监控条件，受限于实际监控环境的影响，容易出现监控视频不清晰、图像收到各种干扰光源影响等问题，例如，监控设备受到地面反光的影响，或者受到雨雪雾等天气影响，从而影响到监控视频的质量。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像优化方法和相应的一种图像优化装置。
为了解决上述问题，本发明实施例公开了一种图像优化方法，应用于视频服务器，所述视频服务器中部署有RGB通道，视频服务器与监控终端连接，所述方法包括：
获取监控终端拍摄的第一视频图像，所述第一视频图像由多个像素点组成；
采用所述RGB通道识别所述第一视频图像，得到RGB最大值与RGB最小值；
依据所述RGB最大值与所述RGB最小值，计算反光区域；
对所述反光区域的相邻区域的像素点加权计算，生成第二视频图像。
可选地，所述第一视频图像包含监控对象，所述方法还包括：
提取所述监控对象的至少一个第一目标特征；
在预设旋转范围内对所述第一目标特征进行旋转，得到第二目标特征；
将第二目标特征与所述第一视频图像进行匹配，确定影子区域；
消除所述第一视频图像中的影子区域，获得第三视频图像。
可选地，所述方法还包括：
依据所述反光区域确定角度调整数据；
将所述角度调整数据发送至所述监控终端；所述监控终端用于依据角度调整数据调整监控角度。
可选地，所述第一视频图像包含雾信号，所述通过所述RGB通道识别所述第一视频图像，得到RGB最大值与RGB最小值的步骤包括：
采用黑电平校正算法对所述第一视频图像进行校正；
通过所述RGB通道识别校正后的第一视频图像，得到RGB最大值与RGB最小值。
可选地，所述第一视频图像包含固定物图像，所述获取监控终端拍摄的第一视频图像步骤之后，所述方法还包括：
提取所述固定物图像的图像特征；
依据所述图像特征训练固定模型；
采用所述固定模型对所述第一视频图像进行消抖处理。
可选地，所述依据所述RGB最大值与所述RGB最小值，计算反光区域的步骤包括：
依据所述RGB最大值与所述RGB最小值计算像素点亮度比例；
依据所述像素点亮度比例确定所述像素点中的高亮像素点；
对所述高亮像素点进行形态学膨胀运算；
依据经过形态学膨胀运算后的高亮像素点计算反光区域。
可选地，所述监控设备包括高清视频摄像设备和红外摄像设备，所述第一视频图像为可见光图像，和/或，热图像。
本发明实施列还公开了一种图像优化装置，应用于视频服务器，所述视频服务器中部署有RGB通道，视频服务器与监控终端连接，所述装置包括：
获取模块，用于获取监控终端拍摄的第一视频图像，所述第一视频图像由多个像素点组成；
识别模块，用于通过所述RGB通道识别所述第一视频图像，得到RGB最大值与RGB最小值；
反光区域确定模块，用于依据所述RGB最大值与所述RGB最小值，计算反光区域；
计算模块，用于对所述反光区域的相邻区域的像素点加权计算，生成第二视频图像。
本发明实施例还公开了一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的图像优化方法的步骤。
本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的图像优化方法的步骤。
本发明实施例包括以下优点：通过获取监控终端拍摄的第一视频图像，所述第一视频图像由多个像素点组成；采用所述RGB通道识别所述第一视频图像，得到RGB最大值与RGB最小值；依据所述RGB最大值与所述RGB最小值，计算反光区域；对所述反光区域的相邻区域的像素点加权计算，生成第二视频图像。减少反射光对视频图像的影响，提高视频质量。
附图说明
图1是本发明的一种视频服务器所在的监控多级联网平台总体结构示意图；
图2是本发明的一种图像优化方法实施例的步骤流程图；
图3是本发明的一种图像优化装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明的一种日志服务器所在的监控多级联网平台总体结构示意图；
监控多级联网平台是用于检测海面、道路范围内的目标(运动目标和静止目标)状态，以达到目标状态监控、统计、预警、回放的一个综合管理系统。
这一平台不仅包括全区域的监控和分析，监控方式包括了摄像机、雷达、光电感应仪器、无人机、巡逻车以及其它一系列的监控手段，系统可以自由调用所有的监控手段，结合电子地图，对区域内的设施和活动目标进行监控、预警和跟踪处理。
监控多级联网平台系统总体架构由基础设施层、数据源层、数据服务层、数据存储层、应用支撑层、应用层组成。整个监控多级联网平台系统的软硬件平台统一采用了大数据处理技术，实现不同的终端都可以在基于大数据处理平台的基础之上，进行一系列的数据管理、查询和维护等操作。
监控多级联网平台系统包括，告警服务器、数据库服务器、视频服务器、日志服务器以及ASID(address space identifier，地址空间标识)客户端。
其中，告警服务器用于当检测道海面、道路范围内的目标(运动目标和静止目标)状态存在异常现象时，发出告警信息，提醒用户对异常情况进行处理。
数据库服务器用于对监控多级联网平台系统提供数据库，为监控多级联网平台系统提供数据的存储空间，以及控制数据进出数据库的数据流向。
视频服务器用于对监控多级联网平台系统中的监控视频进行处理的服服务器，实时对监控终端拍摄的监控视频进行处理。
日志服务器用于记录系统中硬件、软件和系统问题的信息，同时还可以监视系统中发生的事件。用户可以通过日志服务器获取日志以检查错误发生的原因。
ASID客户端为系统中多个进程进行唯一标识，使得每一个进程都有唯一的地址空间标识符，提供地址空间保护。
在监控多级联网平台系统运行时，对实时视频、电子地图、告警管理、配置管理等业务进行处理时，对不同的业务使用不同进程，每种业务都有对应的不同进程进行处理。当需要处理上述的至少一种业务时，调用其对应的进程，ASID客户端根据配置文件为每个调用的进程提供一个唯一的地址空间标识；然后，通过数据服务在对应的业务服务器对业务进行相应的处理。
参照图2，示出了本发明的一种图像优化方法实施例的步骤流程图，本发明实施例应用于视频服务器，所述视频服务器中部署有RGB通道，视频服务器与监控终端连接，所述方法具体可以包括如下步骤：
步骤201，获取监控终端拍摄的第一视频图像，所述第一视频图像由多个像素点组成；
获取监控终端实时拍摄的第一视频图像，所述第一视频图像由多个像素点组成；在计算机图形的种类从本质上讲，主要有两种计算机图形：一种为位图图像，即是把图像分割成若干个小方格，每个小方格称为一个像素点，通过表示这些像素点的位置、颜色、亮度等信息，从而表示出整幅图像。
步骤202，采用所述RGB通道识别所述第一视频图像，得到RBG最大值与RGB最小值；
采用RGB通道识别第一视频图像中的红绿蓝的颜色通道，得到RBG最大值与RGB最小值。
可选地，所述第一视频图像包含雾信号，步骤202包括：
步骤S2021，采用黑电平校正算法对所述第一视频图像进行校正；
当监控终端拍摄的视频存在雾信号，即当前的拍摄环境为雾天，在非可见光的范围内，有一频率的光可以穿透雾气，但是由于起波长不同，将这一频率的不可见光进行成像，由于这个非可见光没有对应的可见光色彩图，所以在监视器上呈现的图像为黑白颜色，而受到雾的影响，对于图像中的产生类似于灰白色薄膜的干扰信号。
采用黑电平校正算法，消除这个由雾的散射引起的类似灰白色薄膜的干扰信号。其中，黑电平校正算法主要有两种方法，第一种是直接在RAW data(原始数据)数据上减去一个值，第二种是采用一次函数；本领域技术人员可以根据需求进行选择，本发明实施例对此并不作限定。
步骤S2022，通过所述RGB通道识别校正后的第一视频图像，得到RGB最大值与RGB最小值。
采用RGB通道识别校正后的第一视频图像中的红绿蓝的颜色通道，得到RBG最大值与RGB最小值。
步骤203，依据所述RGB最大值与所述RGB最小值，计算反光区域；
可选地，所述步骤203包括：
步骤S2031，依据所述RGB最大值与所述RGB最小值计算像素点亮度比例；
步骤S2032，依据所述像素点亮度比例确定所述像素点中的高亮像素点；
步骤S2033，对所述高亮像素点进行形态学膨胀运算；
步骤S2034，依据经过形态学膨胀运算后的高亮像素点计算反光区域。
依据最大值与最小值获取像素点的亮度比例关系,检测高亮像素点。针对检测到的高亮像素点进行形态学膨胀运算,获取较完整的反光区域。
步骤204，对所述反光区域的相邻区域的像素点加权计算，生成第二视频图像。
对反光区域的相邻区域的像素点进行加权计算，使用加权后的邻域像素进行高亮成分抑制，清除反光区域，生成第二视频图像。
可选地，所述第一视频图像包含监控对象，所述方法还包括：
步骤S1，提取所述监控对象的至少一个第一目标特征；
步骤S2，在预设旋转范围内对所述第一目标特征进行旋转，得到第二目标特征；
步骤S3，将第二目标特征与所述第一视频图像进行匹配，确定影子区域；
步骤S4，消除所述第一视频图像中的影子区域，获得第三视频图像。
提取当前监控图像中被监控目标的至少一个第一目标特征，在预设旋转范围内对获取的每个第一目标特征进行旋转，将旋转得到的每个第二目标特征与当前图像进行匹配。其中，预设旋转范围为当前图像中被监控目标在光源位置变化范围内产生的影子的变化范围。将与当前图像匹配的目标特征所在区域确定为被监控目标的影子区域。根据获取的影子区域消除所述第一视频图像中的影子区域的部分，减少了影子对监控图像的影响，可以得到清晰的监控图像。
可选地，所述方法还包括：
步骤S5，依据所述反光区域确定角度调整数据；
步骤S6，将所述角度调整数据发送至所述监控终端；所述监控终端用于依据角度调整数据调整监控角度。
通过反光的检测，确定反光区域后，确定监控终端角度调整数据，将角度调整数据发送监控终端，监控终端自动调整监控角度，从而最大限度的减少反光的影响。
可选地，在步骤201之后，所述法还包括：
步骤S7，提取所述固定物图像的图像特征；
步骤S8，依据所述图像特征训练固定模型；
步骤S9，采用所述固定模型对所述第一视频图像进行消抖处理。
通过确定视频图像内的固定建筑物特征点训练固定模型，当视频图像整体抖动时，将监控到的视频图像进行拼接融合，对拼接后的图像采用固定模型进行前景提取、抖动判定、特征点运动估计、图像处理工作，从而得到过滤抖动的视频图像。
此外，本发明实施例还可以在监控终端处装配光学防抖镜头。在镜头内的陀螺仪侦测到微小的移动，并且会将信号传至微处理器立即计算需要补偿的位移量，然后通过补偿镜片组，根据镜头的抖动方向及位移量加以补偿，从而有效的克服因监控设备的振动产生的影像模糊。
可选地，所述监控设备包括高清视频摄像设备和红外摄像设备，所述第一视频图像为可见光图像，和/或，热图像。
为达到7*24小时的有效监控，在监控区域混用可见光监控设备和红外监控设备，并根据光照条件，自动调整监控设备的开启和关闭，优化整体系统的监控。
非可见光的监控，采用红外摄像设备。可见光的波长范围为380nm～780nm，可见光波长由长到短分为红、橙、黄、绿、青、兰、紫光，在这个波长范围之外的光波，称为非可见光。利用特殊材质的非可见光感光芯片对非可见光波进行成像的技术叫作非可见光成像。自然界中一切温度高于绝对零度(-273℃)的物体总在不断发射辐射能(红外线)。收集并探测出这些辐射能，通过重新排列来自探测器的、与景物辐射分布相对应的信号，形成热图像。这种热图像再现了景物各部分的辐射起伏，因而能显示出景物的各部分的特征。利用这种原理制成的成像器件就是红外摄像设备。
红外摄像设备主要针对非可见光的监控，可以与普通监控设备混用，也可以采用最新的兼具二者功能的相机，既可以实现红外监控，也可以实现可见光监控。这种监控设备既可接收可见光，又可接收红外光的双重特性，采用主动和被动两种红外技术，实现对环境安全监视监控。
需要说明的是，对于方法实施例，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，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，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优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图3，示出了本发明的一种图像优化装置实施例的结构框图，本发明实施例应用于视频服务器，所述视频服务器中部署有RGB通道，视频服务器与监控终端连接，所述装置具体可以包括如下模块：
获取模块301，用于获取监控终端拍摄的第一视频图像，所述第一视频图像由多个像素点组成；
识别模块302，用于通过所述RGB通道识别所述第一视频图像，得到RGB最大值与RGB最小值；
反光区域确定模块303，用于依据所述RGB最大值与所述RGB最小值，计算反光区域；
计算模块304，用于对所述反光区域的相邻区域的像素点加权计算，生成第二视频图像。
可选地，所述装置还包括：
提取模块，用于提取所述监控对象的至少一个第一目标特征；
选择模块，用于在预设旋转范围内对所述第一目标特征进行旋转，得到第二目标特征；
消除模块，用于消除所述第一视频图像中的影子区域，获得第三视频图像。
可选地，所述装置还包括：
角度调整数据模块，用于依据所述反光区域确定角度调整数据；
发送模块，用于将所述角度调整数据发送至所述监控终端；所述监控终端用于依据角度调整数据调整监控角度。
可选地，所述第一视频图像包含雾信号，所述识别模块302包括：
校正子模块，用于采用黑电平校正算法对所述第一视频图像进行校正；
识别子模块，用于通过所述RGB通道识别校正后的第一视频图像，得到RGB最大值与RGB最小值。
所述第一视频图像包含固定物图像，所述装置还包括：
图像特征模块，用于提取所述固定物图像的图像特征；
训练模块，用于依据所述图像特征训练固定模型；
消抖模块，用于采用所述固定模型对所述第一视频图像进行消抖处理。
可选地，所述反光区域确定模块303包括：
像素点亮度比例子模块，用于依据所述RGB最大值与所述RGB最小值计算像素点亮度比例；
高亮像素点子模块，用于依据所述像素点亮度比例确定所述像素点中的高亮像素点；
形态学膨胀子模块，用于对所述高亮像素点进行形态学膨胀运算；
反光区域子模块，用于依据经过形态学膨胀运算后的高亮像素点计算反光区域。
可选地，所述监控设备包括高清视频摄像设备和红外摄像设备，所述第一视频图像为可见光图像，和/或，热图像。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明一实施例还提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的图像优化方法的步骤。
本发明一实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的图像优化方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种图像优化方法和一种图像优化装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种图像优化方法，其特征在于，应用于视频服务器，所述视频服务器中部署有三原色RGB通道，视频服务器与监控终端连接，所述方法包括：
获取监控终端拍摄的第一视频图像，所述第一视频图像由多个像素点组成；
采用所述RGB通道识别所述第一视频图像，得到RGB最大值与RGB最小值；
依据所述RGB最大值与所述RGB最小值，计算反光区域；
对所述反光区域的相邻区域的像素点加权计算，生成第二视频图像。
2.根据权利要求1所述的方法，其特征在于，所述第一视频图像包含监控对象，所述方法还包括：
提取所述监控对象的至少一个第一目标特征；
在预设旋转范围内对所述第一目标特征进行旋转，得到第二目标特征；
将第二目标特征与所述第一视频图像进行匹配，确定影子区域；
消除所述第一视频图像中的影子区域，获得第三视频图像。
3.根据要求1所述的方法，其特征在于，所述方法还包括：
依据所述反光区域确定角度调整数据；
将所述角度调整数据发送至所述监控终端；所述监控终端用于依据角度调整数据调整监控角度。
4.根据权利要求1所述方法，其特征在于，所述第一视频图像包含雾信号，所述通过所述RGB通道识别所述第一视频图像，得到RGB最大值与RGB最小值的步骤包括：
采用黑电平校正算法对所述第一视频图像进行校正；
通过所述RGB通道识别校正后的第一视频图像，得到RGB最大值与RGB最小值。
5.根据权利要求1所述方法，其特征在于，所述第一视频图像包含固定物图像，所述获取监控终端拍摄的第一视频图像步骤之后，所述方法还包括：
提取所述固定物图像的图像特征；
依据所述图像特征训练固定模型；
采用所述固定模型对所述第一视频图像进行消抖处理。
6.根据权利要求1或2所述的方法，其特征在于，所述依据所述RGB最大值与所述RGB最小值，计算反光区域的步骤包括：
依据所述RGB最大值与所述RGB最小值计算像素点亮度比例；
依据所述像素点亮度比例确定所述像素点中的高亮像素点；
对所述高亮像素点进行形态学膨胀运算；
依据经过形态学膨胀运算后的高亮像素点计算反光区域。
7.根据权利要求1所述的方法，其特征在于，所述监控设备包括高清视频摄像设备和红外摄像设备，所述第一视频图像为可见光图像，和/或，热图像。
8.一种图像优化装置，其特征在于，应用于视频服务器，所述视频服务器中部署有RGB通道，视频服务器与监控终端连接，所述装置包括：
获取模块，用于获取监控终端拍摄的第一视频图像，所述第一视频图像由多个像素点组成；
识别模块，用于通过所述RGB通道识别所述第一视频图像，得到RGB最大值与RGB最小值；
反光区域确定模块，用于依据所述RGB最大值与所述RGB最小值，计算反光区域；
计算模块，用于对所述反光区域的相邻区域的像素点加权计算，生成第二视频图像。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的图像优化方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的图像优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011271273.1A CN112437216A (zh) | 2020-11-13 | 2020-11-13 | 一种图像优化方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011271273.1A CN112437216A (zh) | 2020-11-13 | 2020-11-13 | 一种图像优化方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112437216A true CN112437216A (zh) | 2021-03-02 |
Family
ID=74700486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011271273.1A Pending CN112437216A (zh) | 2020-11-13 | 2020-11-13 | 一种图像优化方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112437216A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102739952A (zh) * | 2011-03-29 | 2012-10-17 | 财团法人工业技术研究院 | 多视角取像方法及其应用系统 |
| CN103455998A (zh) * | 2012-06-04 | 2013-12-18 | 中兴通讯股份有限公司 | 视频图像中阴影的检测方法及装置 |
| CN104486540A (zh) * | 2014-12-18 | 2015-04-01 | 常州市好利莱光电科技有限公司 | 一种超清晰透雾电动变焦镜头 |
| CN110232700A (zh) * | 2019-06-19 | 2019-09-13 | 电子科技大学 | 基于暗通道强度比的c型白内障图像反光的移除方法 |
| CN110855889A (zh) * | 2019-11-21 | 2020-02-28 | 重庆金山医疗技术研究院有限公司 | 图像处理方法、装置、图像处理设备及存储介质 |
-
2020
- 2020-11-13 CN CN202011271273.1A patent/CN112437216A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102739952A (zh) * | 2011-03-29 | 2012-10-17 | 财团法人工业技术研究院 | 多视角取像方法及其应用系统 |
| CN103455998A (zh) * | 2012-06-04 | 2013-12-18 | 中兴通讯股份有限公司 | 视频图像中阴影的检测方法及装置 |
| CN104486540A (zh) * | 2014-12-18 | 2015-04-01 | 常州市好利莱光电科技有限公司 | 一种超清晰透雾电动变焦镜头 |
| CN110232700A (zh) * | 2019-06-19 | 2019-09-13 | 电子科技大学 | 基于暗通道强度比的c型白内障图像反光的移除方法 |
| CN110855889A (zh) * | 2019-11-21 | 2020-02-28 | 重庆金山医疗技术研究院有限公司 | 图像处理方法、装置、图像处理设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 时俊楠等: ""无人船监视图像反光区域检测与去除方法及实验验证"", 《海洋科学》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9710924B2 (en) | Field of view determiner | |
| US10070053B2 (en) | Method and camera for determining an image adjustment parameter | |
| US9373051B2 (en) | Statistical approach to identifying and tracking targets within captured image data | |
| US9846927B2 (en) | Systems and methods for haziness detection | |
| CN104754302A (zh) | 一种基于枪球联动系统的目标检测跟踪方法 | |
| KR102267517B1 (ko) | 도로 안개감지 장치 및 그 감지 방법 | |
| KR101492473B1 (ko) | 사용자 기반 상황 인지형 씨씨티비 통합관제시스템 | |
| CN114973028B (zh) | 一种航拍视频图像实时变化检测方法及系统 | |
| CN107230373B (zh) | 信息推荐方法、装置、计算机可读存储介质和移动终端 | |
| CN112437216A (zh) | 一种图像优化方法和装置 | |
| KR101520293B1 (ko) | 시각 집중에 의한 관심객체 검지와 포렌식 영상 획득 스케쥴링 방법 및 시스템 | |
| Kumari et al. | Artificial intelligent based smart system for safe mining during foggy weather | |
| CN104735409A (zh) | 单光路监控视频水印物理隐藏装置及其数字检测方法 | |
| CN111343431B (zh) | 基于图像矫正的机场目标检测系统 | |
| KR101653820B1 (ko) | 열 감지 기반의 대상체 및 상황 감지 시스템 | |
| KR101381580B1 (ko) | 다양한 조명 환경에 강인한 영상 내 차량 위치 판단 방법 및 시스템 | |
| CN117897737A (zh) | 一种无人机监控方法、装置、无人机及监控设备 | |
| KR101281687B1 (ko) | 악천후 지역의 모니터링 방법 | |
| KR20210158037A (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
| Ciurapiński et al. | Data fusion concept in multispectral system for perimeter protection of stationary and moving objects | |
| US11887375B2 (en) | Techniques for capturing enhanced images for pattern identifications | |
| CN116935328B (zh) | 一种图像识别方法、装置、存储介质及电子设备 | |
| US20220405519A1 (en) | Techniques for improving an image readability using one or more patterns | |
| CN117372967B (zh) | 基于物联网智慧路灯的远程监控方法、装置、设备及介质 | |
| JP2003299066A (ja) | 画像処理装置およびその方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210302 |
|
| RJ01 | Rejection of invention patent application after publication |