CN112529987A - 一种手机终端红外图像和可见光图像融合方法及系统 - Google Patents

一种手机终端红外图像和可见光图像融合方法及系统 Download PDF

Info

Publication number
CN112529987A
CN112529987A CN202010959327.7A CN202010959327A CN112529987A CN 112529987 A CN112529987 A CN 112529987A CN 202010959327 A CN202010959327 A CN 202010959327A CN 112529987 A CN112529987 A CN 112529987A
Authority
CN
China
Prior art keywords
image
visible light
infrared
target
edge
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
Application number
CN202010959327.7A
Other languages
English (en)
Other versions
CN112529987B (zh
Inventor
邱佳杰
潘想
黄建忠
徐江龙
陈熊
熊高
黄晟
王鹏
周汉林
李林
柳国普
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.)
Wuhan Guide Sensmart Tech Co ltd
Original Assignee
Wuhan Guide Sensmart Tech 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 Wuhan Guide Sensmart Tech Co ltd filed Critical Wuhan Guide Sensmart Tech Co ltd
Priority to CN202310516619.7A priority Critical patent/CN116645304A/zh
Priority to CN202010959327.7A priority patent/CN112529987B/zh
Publication of CN112529987A publication Critical patent/CN112529987A/zh
Application granted granted Critical
Publication of CN112529987B publication Critical patent/CN112529987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明提供的一种手机终端红外图像和可见光图像融合方法及系统，方法包括在手机端通过初始化配准区域，以图像配准区域为基准，在该区域内，做红外图像和可见光边缘图像以及可见光彩色图像的融合图像，并对可见光边缘做增强处理，通过红外图像和反色的边缘图像及可见光彩色图像的融合，实现了红外和可见光的融合，融合目标能够清晰辨识对应物体的热辐射分布，具有较好的使用和视觉效果。

Description

一种手机终端红外图像和可见光图像融合方法及系统
技术领域
本发明涉及图像处理领域，具体涉及一种手机终端红外图像和可见光图像融合方法及系统。
背景技术
红外图像可反映物体的热辐射，因成本较高，一般手机终端配备的红外热成像仪的分辨率都较低，而低分辨率的红外图像只能反映物体的区域信息，无法清晰分辨物体的边界，不方便人眼辨识成像目标究竟是哪一个物体，故使用红外图像和可见光图像融合的方法，可清晰分辨每个物体的热分布。
现有的红外和可见光融合图像多使用红外和可见光的双光模组，这样增加了终端配件的成本和功耗；现有的融合方法有使用红外的低频信息和可见光的高频信息，这样目标物体的可辨识度不是很强。
发明内容
鉴于现有技术中存在的技术缺陷和技术弊端，本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种手机终端红外图像和可见光图像融合方法及系统，通过使用单红外图像模组，搭配手机摄像头的可见光模组，通过手动配准的方式，可实现任意距离段的目标配准，综合利用可见光的高频和彩色信息及红外图像的热信息，可清晰分辨每个物体的热分布，具体方案如下：
作为本发明的第一方面，提供一种手机终端红外图像和可见光图像融合方法，所述方法包括：
步骤1，在手机端通过初始化配准，以获得图像配准区域；
步骤2，以获得的图像配准区域为基准，对拍摄的红外图像和可见光图像进行图像融合。
进一步地，步骤1具体为：拍摄一组包含配准目标的红外目标图像和可见光目标图像，对可见光目标图像进行缩放和平移，使可见光目标图像中的目标轮廓和红外目标图像中的目标轮廓重合，重合后的红外图像区域对应的可见光图像区域，作为红外目标图像和可见光目标图像的图像配准区域。
其中，步骤1的配准模式使用ARGB中的Alpha通道设置不透明度，使两幅图像同时显示到手机屏幕上；步骤2的融合模式使多幅图像融合生成一幅图像，显示最终融合图像到手机屏幕上。
进一步地，所述方法还包括：在使可见光目标图像中的目标轮廓和红外目标图像中的目标轮廓重合之前，对可见光目标图像进行预处理，具体包括：
对可见光目标图像进行图像边缘检测，获得可见光目标图像的边缘图像；
对可见光目标图像的边缘图像进行图像边缘增强处理，并对增强处理后的可见光目标图像进行边缘反色处理，基于反色处理后的可见光目标图像与所述红外目标图像进行目标轮廓重合。
进一步地，所述方法还包括：
在对可见光目标图像进行图像边缘检测之前，将可见光目标图像转为BGR格式的可见光目标图像，并在对可见光目标图像进行边缘反色处理后，将可见光目标图像转为ARGB格式，将红外目标图像转为ARGB格式，将转为ARGB格式的可见光目标图像与转为ARGB格式的红外目标图像进行目标轮廓重合。
进一步地，步骤3具体为：
步骤211，拍摄一组红外图像和可见光图像；
步骤212，基于所述图像配准区域，将可见光图像剪裁成与所述图像配准区域大小相同的区域，并将剪裁后的可见光图像缩放到与所述红外图像相同的大小；
步骤213，对缩放后的可见光图像依次进行边缘检测、边缘增强以及边缘反色处理，将边缘反色处理后的可见光图像与红外图像进行融合，获得红外可见光边缘融合图；
步骤214，将步骤213获得的红外可见光边缘融合图再与缩放后可见光图像进行融合，获得最终的红外图像和可见光图像融合图。
进一步地，步骤211中，所述可见光图像均为YUV格式的可见光图像，所述红外图像为ARGB格式的红外图像；步骤212中，基于所述图像配准区域，将可见光图像剪裁成与所述图像配准区域大小相同的区域具体为：将可见光图像的格式转换成BGR格式，并在转换过程加入图像配准区域作为基准，仅对图像配准区域的可见光图像进行转换，将转换成BGR格式的可见光图像区域剪裁出来，从而获得与所述图像配准区域大小相同的可见光图像；步骤213中，在可见光图像与红外图像进行融合之前，先将红外图像的格式转换成BGR格式；步骤214中，获得最终的红外图像和可见光图像融合图后，将最终的融合图转换成ARGB格式的图像输出。
进一步地，步骤2具体为：
步骤221，拍摄一组红外图像和可见光图像；
步骤222，基于所述图像配准区域，将可见光图像剪裁成与所述图像配准区域大小相同的区域；
步骤223，对剪裁后的可见光图像依次进行边缘检测、边缘增强以及边缘反色处理；
步骤224，将红外图像缩放到与剪裁后的可见光图像相同大小，将边缘反色处理后的可见光图像与缩放后的红外图像进行融合，获得红外可见光边缘融合图；
步骤225，将步骤224获得的红外可见光边缘融合图再与剪裁后的可见光图像进行融合，获得最终的红外图像和可见光图像融合图。
进一步地，步骤221中，所述可见光图像为YUV格式的可见光图像，所述红外图像为ARGB格式的红外图像；步骤222中，基于所述图像配准区域，将可见光图像剪裁成与所述图像配准区域大小相同的区域具体为：将可见光图像的格式转换成BGR格式，并在转换过程加入图像配准区域作为基准，仅对图像配准区域的可见光图像进行转换，将转换成BGR格式的可见光图像区域剪裁出来，从而获得与所述图像配准区域大小相同的可见光图像；步骤224中，在可见光图像与红外图像进行融合之前，先将红外图像的格式转换成BGR格式；步骤225中，获得最终的红外图像和可见光图像融合图后，将最终的融合图转换成ARGB格式的图像输出。
作为本发明的第二方面，提供一种手机终端红外图像和可见光图像融合系统，所述系统包括配准区域获取模块和图像融合模块；
所述配准区域获取模块用于在手机端通过初始化配准，以获得图像配准区域；
所述图像融合模块用于以获得的图像配准区域为基准，对拍摄的红外图像和可见光图像进行图像融合。
本发明具有以下有益效果：
本发明提出的一种基于手机终端的红外图像与可见光图像融合算法，在手机端通过初始化配准区域，对配准区域的图像做红外图像和可见光边缘和可见光的融合图像，对可见光边缘做了增强处理，通过红外图像和反色的边缘图像及可见光彩色图像的融合，实现了红外和可见光的融合，融合目标能够清晰辨识对应物体的热辐射分布，具有较好的使用和视觉效果。
附图说明
图1为本发明实施例提供的手机终端红外图像和可见光图像融合方法流程图；
图2为本发明实施例提供的获取图像配准区域的处理流程图；
图3为本发明实施例提供的红外图像和可见光图像融合处理的流程图。
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，所描述的实施例仅仅是本发明一部分，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它实施例，都属于本发明保护的范围。
如图1所示，为本发明实施例提供的手机终端红外图像和可见光图像融合方法，其主要包括：
S1，在手机端通过初始化配准，以获得图像配准区域；
其中，获取图像配准区域的具体流程如图2所示，包括；
S11，拍摄一组包含配准目标的红外目标图像和可见光目标图像，其中，拍摄的可见光目标图像为YUV格式，在进行边缘处理前，需要将可见光目标图像转换为BGR格式；
S12，对转换成BGR格式的可见光目标图像进行边缘处理，并将边缘处理后的可见光目标图像转换为ARGB输出，其中，所述边缘处理包括依次进行的图像边缘检测处理，图像边缘增强处理以及边缘反色处理；
S13，将ARGB格式的可见光目标图像和ARGB格式的红外目标图像进行手动融合，具体为：手动对可见光目标图像进行缩放和平移，使可见光目标图像中的目标轮廓和红外目标图像中的目标轮廓重合；
S14，重合后的红外图像区域对应的可见光图像区域，作为红外目标图像和可见光目标图像的图像配准区域。
S2，以获得的图像配准区域为基准，对拍摄的红外图像和可见光图像进行图像融合；
其中，红外图像和可见光图像融合处理的流程图如图3所示，包括：
S21，拍摄一组红外图像和可见光图像，其中，拍摄可见光图像为YUV格式，拍摄的红外图像为ARGB格式；
S22，基于所述图像配准区域，将可见光图像剪裁成与所述图像配准区域大小相同的区域，得到可见光彩色图像；
具体为：将可见光图像的格式转换成BGR格式，并在转换过程加入图像配准区域作为基准，仅对图像配准区域的可见光图像进行转换，将转换成BGR格式的可见光图像区域剪裁出来，从而获得与所述图像配准区域大小相同的可见光图像，通过在YUV转RGB图像的时候加入图像配准区域，从而可以减少图像转换的计算量，提高帧率；
S23，将剪裁后的图像分为两路，一路为预览模式，一路为拍照模式；
其中，预览模式的处理流程具体为：
S2311，将剪裁后的可见光图像缩放到与所述红外图像相同的大小；
S2312，对缩放后的可见光图像依次进行边缘检测、边缘增强以及边缘反色处理，获得可见光边缘图像，将红外图像的格式转换成BGR格式；
S2313，将经S2312处理后的可见光图像与红外图像进行融合，获得红外可见光边缘融合图，即红外可见光勾边融合图像；
S2314，将S2313获得的红外可见光边缘融合图再与缩放后可见光图像进行融合，获得最终的红外图像和可见光图像融合图，最后将融合图转换成ARGB格式的图像输出；
其中，拍照模式的处理流程具体为：
S2321，对剪裁后的可见光图像依次进行边缘检测、边缘增强以及边缘反色处理，从而获得可见光边缘图；
S2322，将红外图像的格式转换成BGR格式，并缩放到与剪裁后的可见光图像相同大小；
S2323，将S2321获得的可见光边缘图与缩放后的红外图像进行融合，获得红外可见光边缘融合图，即红外可见光勾边融合图像；
S2324，将S2323获得的红外可见光边缘融合图再与剪裁后的可见光图像(即可见光彩色图像)进行融合，获得最终的红外图像和可见光图像融合图，最后将融合图转换成ARGB格式的图像输出。
其中，步骤1的配准模式使用ARGB中的Alpha通道设置不透明度，使两幅图像同时显示到手机屏幕上；步骤2的融合模式使多幅图像融合生成一幅图像，显示最终融合图像到手机屏幕上。
拍照模式是在原始的可见光图像上进行边缘检测，边缘检测的细腻度较高，但可见光图像分辨率较高，所以对原始图像进行图像边缘检测计算量较大，为了较少计算量，提高帧率，分支出一个预览模式，在预览模式中，将实时视频流图像进行缩放，缩放成与红外图像相同大小的图像，然后进行边缘检测和融合处理，以达到实时显示融合图像的目的。
其中，预览模式对红外可见光边缘融合图勾边是此模式下可见光图像已缩放到与红外图像相同的大小；拍照模式下对裁剪区域勾边是针对原始的可见光图像进行勾边，为了减少计算量，在原始可见光分辨率图像上只针对参与融合的裁剪区域进行勾边。
需要说明的是，对图像进行边缘检测、边缘增强以及边缘反色处理均为常用的图像处理手段，本发明不对其具体公式算法进行限定。
本发明提出的一种基于手机终端的红外图像与可见光图像融合算法，在手机端通过初始化配准，获得图像配准区域，以图像配准区域为基准，在该区域内，做红外图像和可见光边缘图像以及可见光彩色图像的融合图像，并且对可见光边缘做了增强处理，通过红外图像和反色的可见光边缘图像及可见光彩色图像的融合，实现了红外和可见光的融合，融合目标能够清晰辨识对应物体的热辐射分布，相比于现有技术，具有较好的使用和视觉效果。
其中，红外图像和可见光边缘图像的融合公式如下：
ir_edge＝(1-gamma)×ir+gamma*(255-scale*edge)
其中，gamma为边缘融合系数，ir为红外图像，edge为可见光边缘图像；
其中，红外可见光边缘融合图和可见光彩色图像的融合公式如下：
vi_ir_edge＝(1-alpha)×ir_edge+alpha*vi
其中，alpha为可见光融合系数，ir_edge为红外可见光边缘融合图，vi为可见光彩色图像。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种手机终端红外图像和可见光图像融合方法，其特征在于，所述方法包括：
步骤1，在手机端通过初始化配准，以获得图像配准区域；
步骤2，以获得的图像配准区域为基准，对拍摄的红外图像和可见光图像进行图像融合。
2.根据权利要求1所述的手机终端红外图像和可见光图像融合方法，其特征在于，步骤1具体为：拍摄一组包含配准目标的红外目标图像和可见光目标图像，对可见光目标图像进行缩放和平移，使可见光目标图像中的目标轮廓和红外目标图像中的目标轮廓重合，重合后的红外图像区域对应的可见光图像区域，作为图像配准区域。
3.根据权利要求2所述的手机终端红外图像和可见光图像融合方法，其特征在于，所述方法还包括：在使可见光目标图像中的目标轮廓和红外目标图像中的目标轮廓重合之前，对可见光目标图像进行预处理，具体包括：
对可见光目标图像进行图像边缘检测，获得可见光目标图像的边缘图像；
对可见光目标图像的边缘图像进行图像边缘增强处理，并对增强处理后的可见光目标图像进行边缘反色处理，基于反色处理后的可见光目标图像与所述红外目标图像进行目标轮廓重合。
4.根据权利要求3所述的手机终端红外图像和可见光图像融合方法，其特征在于，所述方法还包括：
在对可见光目标图像进行图像边缘检测之前，将可见光目标图像转为BGR格式的可见光目标图像，并在对可见光目标图像进行边缘反色处理后，将可见光目标图像转为ARGB格式，将红外目标图像转为ARGB格式，将转为ARGB格式的可见光目标图像与转为ARGB格式的红外目标图像进行目标轮廓重合。
5.根据权利要求1所述的手机终端红外图像和可见光图像融合方法，其特征在于，步骤3具体为：
步骤211，拍摄一组红外图像和可见光图像；
步骤212，基于所述图像配准区域，将可见光图像剪裁成与所述图像配准区域大小相同的区域，并将剪裁后的可见光图像缩放到与所述红外图像相同的大小；
步骤213，对缩放后的可见光图像依次进行边缘检测、边缘增强以及边缘反色处理，然后将边缘反色处理后的可见光图像与红外图像进行融合，获得红外可见光边缘融合图；
步骤214，将步骤213获得的红外可见光边缘融合图再与缩放后的可见光图像进行融合，获得最终的红外图像和可见光图像融合图。
6.根据权利要求5所述的手机终端红外图像和可见光图像融合方法，其特征在于，步骤211中，所述可见光图像为YUV格式的可见光图像，所述红外图像为ARGB格式的红外图像；步骤212中，基于所述图像配准区域，将可见光图像剪裁成与所述图像配准区域大小相同的区域具体为：将可见光图像的格式转换成BGR格式，并在转换过程加入图像配准区域作为基准，仅对图像配准区域的可见光图像进行转换，将转换成BGR格式的可见光图像区域剪裁出来，从而获得与所述图像配准区域大小相同的可见光图像；步骤213中，在可见光图像与红外图像进行融合之前，先将红外图像的格式转换成BGR格式；步骤214中，获得最终的红外图像和可见光图像融合图后，将最终的融合图转换成ARGB格式的图像输出。
7.根据权利要求1所述的手机终端红外图像和可见光图像融合方法，其特征在于，步骤2具体为：
步骤221，拍摄一组红外图像和可见光图像；
步骤222，基于所述图像配准区域，将可见光图像剪裁成与所述图像配准区域大小相同的区域；
步骤223，对剪裁后的可见光图像依次进行边缘检测、边缘增强以及边缘反色处理；
步骤224，将红外图像缩放到与剪裁后的可见光图像相同大小，将边缘反色处理后的可见光图像与缩放后的红外图像进行融合，获得红外可见光边缘融合图；
步骤225，将步骤224获得的红外可见光边缘融合图再与剪裁后的可见光图像进行融合，获得最终的红外图像和可见光图像融合图。
8.根据权利要求7所述的手机终端红外图像和可见光图像融合方法，其特征在于，步骤221中，所述可见光图像为YUV格式的可见光图像，所述红外图像为ARGB格式的红外图像；步骤222中，基于所述图像配准区域，将可见光图像剪裁成与所述图像配准区域大小相同的区域具体为：将可见光图像的格式转换成BGR格式，并在转换过程加入图像配准区域作为基准，仅对图像配准区域的可见光图像进行转换，将转换成BGR格式的可见光图像区域剪裁出来，从而获得与所述图像配准区域大小相同的可见光图像；步骤224中，在可见光图像与红外图像进行融合之前，先将红外图像的格式转换成BGR格式；步骤225中，获得最终的红外图像和可见光图像融合图后，将最终的融合图转换成ARGB格式的图像输出。
9.一种手机终端红外图像和可见光图像融合系统，其特征在于，所述系统包括配准区域获取模块和图像融合模块；
所述配准区域获取模块用于在手机端通过初始化配准，以获得图像配准区域；
所述图像融合模块用于以获得的图像配准区域为基准，对拍摄的红外图像和可见光图像进行图像融合。
CN202010959327.7A 2020-09-14 2020-09-14 一种手机终端红外图像和可见光图像融合方法及系统 Active CN112529987B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310516619.7A CN116645304A (zh) 2020-09-14 2020-09-14 一种拍摄目标物体红外可见光融合图像的方法及系统
CN202010959327.7A CN112529987B (zh) 2020-09-14 2020-09-14 一种手机终端红外图像和可见光图像融合方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010959327.7A CN112529987B (zh) 2020-09-14 2020-09-14 一种手机终端红外图像和可见光图像融合方法及系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202310516619.7A Division CN116645304A (zh) 2020-09-14 2020-09-14 一种拍摄目标物体红外可见光融合图像的方法及系统

Publications (2)

Publication Number Publication Date
CN112529987A true CN112529987A (zh) 2021-03-19
CN112529987B CN112529987B (zh) 2023-05-26

Family

ID=74978808

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010959327.7A Active CN112529987B (zh) 2020-09-14 2020-09-14 一种手机终端红外图像和可见光图像融合方法及系统
CN202310516619.7A Pending CN116645304A (zh) 2020-09-14 2020-09-14 一种拍摄目标物体红外可见光融合图像的方法及系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202310516619.7A Pending CN116645304A (zh) 2020-09-14 2020-09-14 一种拍摄目标物体红外可见光融合图像的方法及系统

Country Status (1)

Country Link
CN (2) CN112529987B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945396A (zh) * 2021-04-09 2021-06-11 西安科技大学 一种复杂流动人群体温检测系统及检测方法
CN114219840A (zh) * 2021-10-29 2022-03-22 浙江大华技术股份有限公司 图像配准融合方法、装置及计算机存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116895094B (zh) * 2023-09-11 2024-01-30 杭州魔点科技有限公司 一种基于双目融合的暗环境成像方法、系统、装置及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160093034A1 (en) * 2014-04-07 2016-03-31 Steven D. BECK Contrast Based Image Fusion
CN106960428A (zh) * 2016-01-12 2017-07-18 浙江大立科技股份有限公司 可见光和红外双波段图像融合增强方法
CN107566753A (zh) * 2017-09-29 2018-01-09 努比亚技术有限公司 照片拍摄方法及移动终端
CN108694709A (zh) * 2017-04-12 2018-10-23 深圳市朗驰欣创科技股份有限公司 一种图像融合方法及装置
CN108765358A (zh) * 2018-05-22 2018-11-06 烟台艾睿光电科技有限公司 可见光和红外光的双光融合方法以及插件式热像仪系统
CN109410159A (zh) * 2018-09-11 2019-03-01 上海创客科技有限公司 双目可见光及红外热成像复合成像系统、方法及介质
CN209625273U (zh) * 2018-12-20 2019-11-12 合肥英睿系统技术有限公司 一种热像设备
CN110766706A (zh) * 2019-09-26 2020-02-07 深圳市景阳信息技术有限公司 图像融合方法、装置、终端设备及存储介质
CN111583315A (zh) * 2020-04-23 2020-08-25 武汉卓目科技有限公司 一种新的可见光图像和红外图像配准方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160093034A1 (en) * 2014-04-07 2016-03-31 Steven D. BECK Contrast Based Image Fusion
CN106960428A (zh) * 2016-01-12 2017-07-18 浙江大立科技股份有限公司 可见光和红外双波段图像融合增强方法
CN108694709A (zh) * 2017-04-12 2018-10-23 深圳市朗驰欣创科技股份有限公司 一种图像融合方法及装置
CN107566753A (zh) * 2017-09-29 2018-01-09 努比亚技术有限公司 照片拍摄方法及移动终端
CN108765358A (zh) * 2018-05-22 2018-11-06 烟台艾睿光电科技有限公司 可见光和红外光的双光融合方法以及插件式热像仪系统
CN109410159A (zh) * 2018-09-11 2019-03-01 上海创客科技有限公司 双目可见光及红外热成像复合成像系统、方法及介质
CN209625273U (zh) * 2018-12-20 2019-11-12 合肥英睿系统技术有限公司 一种热像设备
CN110766706A (zh) * 2019-09-26 2020-02-07 深圳市景阳信息技术有限公司 图像融合方法、装置、终端设备及存储介质
CN111583315A (zh) * 2020-04-23 2020-08-25 武汉卓目科技有限公司 一种新的可见光图像和红外图像配准方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945396A (zh) * 2021-04-09 2021-06-11 西安科技大学 一种复杂流动人群体温检测系统及检测方法
CN114219840A (zh) * 2021-10-29 2022-03-22 浙江大华技术股份有限公司 图像配准融合方法、装置及计算机存储介质

Also Published As

Publication number Publication date
CN112529987B (zh) 2023-05-26
CN116645304A (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
CN112529987B (zh) 一种手机终端红外图像和可见光图像融合方法及系统
US11823363B2 (en) Infrared and visible light fusion method
CN111738970B (zh) 图像融合方法、装置及计算机可读存储介质
CN103763479B (zh) 实时高速高清全景视频的拼接装置及其方法
CA2940664C (en) Image stitching and automatic-color correction
US9692964B2 (en) Modification of post-viewing parameters for digital images using image region or feature information
US8692867B2 (en) Object detection and rendering for wide field of view (WFOV) image acquisition systems
TWI441514B (zh) 魚眼影像校正及減輕透視變形的影像處理方法及相關影像處理裝置
US8125537B2 (en) Image processing method and imaging apparatus using the same
CN106897981A (zh) 一种基于引导滤波的低照度图像增强方法
KR102048369B1 (ko) 영상융합 알고리즘이 적용된 lwir 및 swir를 이용한 융합 듀얼 ir 카메라
CN110378859A (zh) 一种新的高动态范围图像生成方法
CN107800965B (zh) 图像处理方法、装置、计算机可读存储介质和计算机设备
US20090087123A1 (en) Image processing apparatus, imaging apparatus, and image processing method
US20180268528A1 (en) Image processing apparatus, system, image processing method, and non-transitory recording medium
US20090316022A1 (en) Image resizing device and image resizing method
CN105472265B (zh) 一种获取高动态范围图像的装置和方法
CN103546730A (zh) 基于多摄像头的图像感光度增强方法
CN110458753B (zh) 一种全景环带图像的自适应分割与无畸变展开系统及方法
CN111818304A (zh) 图像融合方法及装置
CN108093175A (zh) 一种实时高清视频自适应去雾方法及装置
US12001746B2 (en) Electronic apparatus, and method for displaying image on display device
CN107317969A (zh) 图像去雾方法、装置、计算机可存储介质和移动终端
TW201208363A (en) Object color correction method, system and computer program product thereof
CN106887024B (zh) 照片的处理方法及处理系统

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