CN113012055A - 一种图像景物增强方法、装置、终端及存储介质 - Google Patents
一种图像景物增强方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN113012055A CN113012055A CN201911331009.XA CN201911331009A CN113012055A CN 113012055 A CN113012055 A CN 113012055A CN 201911331009 A CN201911331009 A CN 201911331009A CN 113012055 A CN113012055 A CN 113012055A
- Authority
- CN
- China
- Prior art keywords
- image
- background
- edge
- detection
- filtering
- 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 46
- 238000001914 filtration Methods 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 239000002131 composite material Substances 0.000 claims abstract description 27
- 238000003708 edge detection Methods 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000013329 compounding Methods 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013398 bayesian method Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T5/70—Denoising; Smoothing
-
- 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
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
本本发明提供一种图像景物增强方法、装置、终端及存储介质，该图像景物增强方法包括对图像进行预处理；对预处理后的图像进行边缘复合检测，确定图像的前景图像和背景图像；对背景图像进行滤波，融合前景图像和滤波后的背景图像得到增强图像。在一些实施例中，通过预处理，对图像进行去噪滤波，进而对去噪后图像进行边缘复合检测，以边缘检测和多梯度检测融合，对图像的景物信息和背景信息进行区分，在对背景进行滤波，滤波前的景物与滤波后的背景进行融合，对背景进行抑制，从而实现图像景物的增强。
Description
技术领域
本发明实施例涉及但不限于图像处理领域，具体而言，涉及但不限于一种图像景物增强方法、装置、终端及存储介质。
背景技术
伴随着消费的升级，用户对摄像头拍照时需求日益提高，不再满足于写实的基本需求，对照片、视频审美需求越来越高。相应图像优化措施也越来越多元化；由于硬件以及一些优化算法的性能原因，当前算法在图像增强这个方向大都集中于人像，对人像之外的景物关注度不高，处理方案仍有许多瑕疵。例如，相关技术中通过对背景进行虚化，突出人像，同时也会丢失一些必要的景物图像信息。
发明内容
本发明实施例提供的一种图像景物增强方法、装置、终端及存储介质，主要解决的技术问题是相关技术的图像增强处理中通过背景虚化，主要凸出人像，导致丢失一些必要的景物图像信息的问题。
为解决上述技术问题，本发明实施例提供一种图像景物增强方法，包括：
对图像进行预处理；
对预处理后的图像进行边缘复合检测，确定所述图像的前景图像和背景图像；
对所述背景图像进行滤波，融合所述前景图像和滤波后的背景图像得到增强图像。
本发明实施例还提供一种图像景物增强装置，图像景物增强装置包括预处理模块，边缘复合检测模块和融合模块；
所述预处理模块，用于对图像进行预处理；
所述边缘复合检测模块，用于对预处理后的图像进行边缘复合检测，确定所述图像的前景图像和背景图像；
所述融合模块，用于对所述背景图像进行滤波，融合所述前景图像和滤波后的背景图像得到增强图像。
本发明实施例还提供一种终端，终端包括处理器、存储器和通信总线；
所述通信总线用于实现所述处理器和存储器之间的连接通信；
所述处理器用于执行所述存储器中存储的一个或者多个程序，以实现如上所述图像景物增强方法的步骤。
本发明实施例还提供一种存储介质，存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述图像景物增强方法的步骤。
本发明的有益效果是：
根据本发明实施例提供的图像景物增强方法、装置、终端及存储介质，该图像景物增强方法包括对图像进行预处理；对预处理后的图像进行边缘复合检测，确定图像的前景图像和背景图像；对背景图像进行滤波，融合前景图像和滤波后的背景图像得到增强图像。在一些实施例中，通过预处理，对图像进行去噪滤波，进而对去噪后图像进行边缘复合检测，以边缘检测和多梯度检测融合，对图像的景物信息和背景信息进行区分，在对背景进行滤波，滤波前的景物与滤波后的背景进行融合，对背景进行抑制，从而实现图像景物的增强。
本发明其他特征和相应的有益效果在说明书的后面部分进行阐述说明，且应当理解，至少部分有益效果从本发明说明书中的记载变的显而易见。
附图说明
图1为本发明实施例一的一种图像景物增强方法的流程示意图；
图2-1为本发明实施例一的一种图像的原图示意图；
图2-2为本发明实施例一的一种基于边缘复合检测对图像处理后的示意图；
图3-1为本发明实施例一的一种背景图像形态学滤波前的示意图；
图3-2为本发明实施例一的一种背景图像形态学滤波后的示意图；
图4为本发明实施例一的一种高斯滤波前后局部放大的对比图；
图5为本发明实施例一的一种图2-1的图像增强后的示意图；
图6为本发明实施例二的一种图像景物增强方法的流程示意图；
图7为本发明实施例三的一种图像景物增强方法的流程示意图；
图8为本发明实施例四的一种图像景物增强装置的结构示意图；
图9为本发明实施例四的一种终端的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明实施例作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一：
相关技术中已有的图像增强方案一般是通过进行边缘识别后进行增强，特殊的图像增强是通过对背景进行虚化后实现的；当前的图像增强方法可分为频域增强和空域增强方法。在传统的频域和空域增强算法中，存在着一些问题：1、整体性图像增强，无法对特定目标进行增强；2、整幅图片增强时，消耗资源，包括硬件资源和软件开销。
相关技术中背景虚化中存在的一些问题：1、主要对人像进行突出，在景物增强时效果不佳；2、协调性不佳，虚化时背景景物分辨不清，导致在整体画面感不协调。3、在仅有软件算法处理的情况下，无法做到用户触点选择实物进行预览实时虚化。
为了解决上述问题，本发明实施例提供一种图像景物增强方法，如图1所示，该图像景物增强方法包括：
S101、对图像进行预处理。
在本发明实施例中，对图像进行预处理，通过预处理实现图像去噪、平滑处理，进而消除噪声对后续边缘复合检测的影响。其中该图像可以是拍摄得到图像，例如利用终端相机进行拍照，对得到的图像信息进行存储，对拍摄图像进行去噪滤波，并保存去噪后图像。
可以理解的是，本发明实施例中的去除图像噪声的方法包括但不限于均值滤波、中值滤波、维纳滤波等。
S102、对预处理后的图像进行边缘复合检测，确定图像的前景图像和背景图像；
在本发明实施例中，所采用的边缘复合检测对预处理后的图像进行检测，可以确定图像中景物、背景的边缘信息，进而根据该边缘信息确定图像的前景图像和背景图像；其中该边缘复合检测是边缘检测与其他检测方法结合得到一种检测方式。
具体的，本发明实施例中，基于边缘检测结合多梯度检测对预处理后的图像进行计算，得到图像的边缘信息。多梯度检测指的是，从多个梯度对图像进行检测的方式；其中基于边缘检测结合多梯度检测对预处理后的图像进行计算，得到图像的边缘信息包括：采用至少两个边缘检测算子对预处理后的图像进行计算，分别得到至少两种像素灰度值，对该至少两种像素灰度值进行融合，得到该图像的边缘信息，即边缘检测算子计算图像的每一个像素点得到的像素灰度值，而不同边缘检测算子在侧重方向上可能不同，进而不同的像素灰度值不同；通过融合不同像素灰度值，使得图像的像素点边缘检测更加准确。该边缘检测算子包括但不限于索贝尔算子(Sobel operator)、普利维特算子(Prewitt operate)、罗伯茨交叉边缘检测(Roberts Cross operator)、Canny算子等；例如采用Sobel算子和Roberts算子计算图像的边缘信息；
例如采用Sobel算子实现边缘检测时，Sobel卷积因子为：
该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
具体计算为：
Gx＝(-1)*f(x-1,y-1)+0*f(x,y-1)+1*f(x+1,y-1)
+(-2)*f(x-1,y)+0*f(x,y)+2*f(x+1,y)
+(-1)*f(x-1,y+1)+0*f(x,y+1)+1*f(x+1,y+1)
＝[f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]
Gy＝1*f(x-1,y-1)+2*f(x,y-1)+1*f(x+1,y-1)
+0*f(x-1,y)0*f(x,y)+0*f(x+1,y)
+(-1)*f(x-1,y+1)+(-2)*f(x,y+1)+(-1)*f(x+1,y+1)
＝[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)]-[f(x-1,y+1)+2*f(x,y+1)+f(x+1,y+1)]
其中f(x,y)，表示图像在坐标(x,y)点的灰度值大小，图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该像素点灰度值G1的大小：
通常，为了提高效率使用不开平方的近似值：
G1＝|Gx|+|Gy|
采用Roberts算子实现边缘检测时，Roberts卷积因子为：
该像素点灰度值G1的大小：
将G1和G2进行融合得到最终的像素点灰度值G，例如
又例如G＝W1*G1+W2*G2，W1、W2为权重，且W1+W2＝1。
在本发明实施例中，通过得到的最终像素点灰度值G与设定的阈值进行对比，该像素点灰度值G大于阈值，则认为该像素点为图像的边缘点，通过多个边缘点得到图像的边缘信息；在一些实施例中，还可以将比较两个相邻像素点的灰度值G，将两个相邻的灰度值G差值大于阈值时，确定这两个像素点为图像的边缘点。
在一些实施例中，基于边缘检测结合多梯度检测对预处理后的图像进行计算，得到图像的边缘信息还可以是，采用边缘检测算子按多个方向对预处理后的图像进行计算，得到多个像素灰度值，比较多个该像素灰度值，根据最大的像素灰度值得到图像的边缘信息，如将最大的像素灰度值作为图像的像素点的灰度值，通过将该灰度值与阈值的比较，判断该像素点是否为边缘点。
例如采用Sobel算子，采用横向Gx及纵向Gy的卷积因子计算图像中的一个像素点的灰度值G1；对横向Gx的卷积因子进行旋转45°，得到45°卷积因子Gx1，对纵向Gy的卷积因子进行旋转45°，得到135°卷积因子Gy1，根据Gx1、Gy1得到该像素点灰度值G1，比较G和G1的大小，将比值大的作为该像素点的灰度值(如G1)，然后将G1与预设阈值进行比较，将G1大于预设阈值时，将该像素点作为边缘点；进而根据图像的各边缘点得到图像的边缘信息。
在一些实施例中，基于边缘检测结合多梯度检测对预处理后的图像进行计算，得到图像的边缘信息还可以是，将图像中像素点RGB值转化为YUV值，采用边缘检测算子分别计算YUV的灰度值，然后对YUV对应的灰度值进行融合。
如图2-1，2-2所示，图2-1为本发明实施例中的图像的原图，图2-2采用基于边缘复合检测对预处理后的图像进行计算得到的边缘信息，图2-2中图像的高光部分即为该图像中的边缘。
在本发明实施例中，确定图像的边缘信息之后，需要根据图像中重点突出的特定景物确定图像的前景图像和背景图像，具体的，获取图像中的待凸显景物，根据边缘信息和待凸显景物，确定前景图像和背景图像；该前景图像包括待凸显景物，该背景图像包括图像中除待凸显景物外的其他景物；即当确定图像的边缘信息后，结合待凸显景物，可以对图像进行划分，进而确定出前景图像和背景图像。可以理解的是，待凸显景物可以是根据用户选择确定，例如用户点选择图2-1中的纸袋子为待凸显景物，待凸显景物还可以是以终端拍摄时的对焦点为默认参考点，以该默认参考点对应的景物为待凸显景物；在一些实施例中，还可以选择该图像的全景景物为待凸显景物，即待凸显景物包括是一个，也可以是多个。
值得注意的是，基于边缘复合检测确定出的边缘信息，根据边缘信息和待凸显景物确定出的背景图像和前景图像的边缘较为粗糙，在本发明实施例中，为了实现背景图像和前景图像的准确区分，本发明实施例中，在边缘复合检测的基础上利用图像融合算法图像的前景图像和背景图像进行检测，即调整前景图像和背景图像的边缘，进而确定前景图像和背景图像的最终边缘，实现前景图像和背景图像的准确区分。该图像融合算法包括但不限于贝叶斯融合、泊松融合中的任意一种，采用贝叶斯融合将图像分为F(前景部分)、B(背景部分)和C(未知部分)，利用圆形的活动窗口获取未知区域中的像素，在未知区域范围内，采用从未知区域边界的像素点向未知区域内部逐渐移动的规律，从物体外延到内部逐步估计未知区域的各个像素的颜色值，进而将未知区域中的像素分贝细致地划分到前景部分或背景区域内，得到该图像最终的前景图像和背景图像。
S103、对背景图像进行滤波，融合前景图像和滤波后的背景图像得到增强图像。
需要说明的是，在本发明实施例中，为了避免背景图像的边缘的粗糙、锯齿效果，对背景图像进行滤波之前，还包括根据形态学滤波对背景图像进行平滑处理，对图像进行去噪、增强；可以理解的是，形态学滤波最基本的两个形态学操作是腐蚀和膨胀，通过腐蚀收缩背景图像，消除边界点，把毛刺、小凸起去除，通过膨胀将背景图像中的裂缝得到填补。
在本发明实施例中，根据形态学滤波进行平滑处理，具体包括对背景图像对应的背景二值图进行开运算，即先腐蚀再膨胀，消除小物体或小斑块，扩充边缘。如图3-1、3-2所示，图3-1是背景图像形态学滤波前的示意图，图3-2是背景图像形态学滤波后的示意图。
在本发明实施例中，对背景图像进行形态学滤波之后，还可以对该图像进行分割，将分割后的背景图像和前景图像进行存储，以便于后续处理。
可以理解的是，对背景图像进行滤波，以模糊该背景图像，背景滤波方法包括但不限于中值滤波、高斯滤波等，例如以运算量较少、较常见的的高斯滤波为例,说明该过程。其滤波公式为：
其中I(i,j)是原始图像的(i,j)坐标点处的像素值，Ibokeh(i,j)是虚化后图像在(i,j)坐标点处的像素值。
而w(k,l)则是高斯滤波系数，由如下高斯函数生成并归一化得到：
例如，取的是3x3的高斯滤波模板，则k,l∈[-1,1]，共9个值，方差σ的大小可用来调节模糊程度。如图4所示，图4是高斯滤波前后局部放大的对比图。
将滤波后的背景图像和滤波前的前景图像进行融合，实现背景的弱化，达到景物、人像的增强、突出，如图5所示，图5是图2-1的图像增强后的示意图。
本发明实施例提供的一种图像景物增强方法，包括对图像进行预处理后，采用边缘检测与多梯度检测融合，确定图像的边缘信息，进而根据该边缘信息和选择的凸显景物对景物信息与背景信息进行区分，对背景进行形态学滤波，消除背景的毛刺，然后通过对背景进行滤波，对背景进行模糊，最后将景物图像和滤波后的背景进行融合，实现背景的弱化，达到景物、人像的增强、突出。
实施例二：
为了便于理解，本发明实施例提供一种较为具体的图像景物增强方法，如图6所示，该图像景物增强方法包括：
S601、对图像进行预处理。
在本发明实施例中，通过预处理实现图像去噪、平滑处理，进而消除噪声对后续边缘复合检测的影响，具体对图像进行高斯滤波。
S602、基于边缘检测结合多梯度检测对预处理后的图像进行计算，得到该图像的边缘信息。
本发明实施例以像素点多个方向的梯度值进行说明，例如采用Sobel算子，采用横向0°卷积因子Gx及纵向90°卷积因子Gy，计算图像中的一个像素点的灰度值G；采用45°卷积因子Gx1和135°的卷积因子Gy1，计算该像素点灰度值G1，比较G和G1的大小，将比值大的作为该像素点的灰度值(如G1)，然后将G1与预设阈值进行比较，将G1大于预设阈值时，将该像素点作为边缘点；进而根据图像的各边缘点得到图像的边缘信息。
S603、获取图像中的待凸显景物。
以对焦点为默认参考点，将默认参考点对于的景物作为凸显景物。
S604、根据边缘信息和待凸显景物，确定图像的前景图像和背景图像。
当确定图像的边缘信息后，结合待凸显景物，根据待凸显景物的边缘信息对图像进行划分，进而确定出前景图像和背景图像。
S605、根据形态学滤波对图像的背景图像进行滤波操作。
对背景图像对应的背景二值图采用腐蚀再膨胀方法，消除小物体或小斑块，扩充边缘。
S606、融合前景图像和滤波后的背景图像得到增强图像。
S607、显示该增强图像。
本发明实施例的图像景物增强方法，对得到的图像进行预处理，该阶段主要是进行图像的去噪、平滑处理；然后在进行边缘检测与多梯度检测融合，对景物信息与背景信息进行区分，再对背景进行形态学滤波，然后滤波前的图片与滤波后的背景进行融合，对背景进行抑制，从而实现图像景物的增强。
实施例三：
本发明实施例结合一个具体的场景对图像景物增强方法进行说明，如图7所示，该图像景物增强方法包括：
S701、进入拍照页面，由用户选择是否开启该图像景物增强功能。
可以理解的是，在摄像头拍照过程中，用户对照片的效果需求不一样，在一些场景下用户需要对一些风景照中的特定景物进行重点突出，可开启图像景物增强功能，利用相机拍照后，根据用户的选择，对图像进行处理，实现对背景进行抑制，实现景物增强。
S702、用户触点自由选择需要凸显景物。
S703、利用终端相机进行拍照，对得到的图像信息进行存储，对拍摄图像进行去噪滤波，并保存去噪后图像。
S704、对滤波后图像进行边缘复合检测。
在本发明实施例采用两种边缘检测算子结合，计算图像的各像素点的灰度值，判断该灰度值是否大于预设阈值，如是，则像素点为边缘点，由多个边缘点得到图像的边缘信息。其中采用Sobel算子和Roberts算子分别计算图像的各像素点的灰度值，然后对两个灰度值进行融合得到最终的灰度值。例如Sobel算子和Roberts算子对同一像素点得到灰度值G1和G2，然后通过
计算像素点最终的灰度值G，将该灰度值G与预设阈值进行比较，当大于预设阈值时，将该像素点作为图像的边缘点；通过各边缘点得到图像的边缘信息。
S705、提取图像中边缘信息，结合凸显景物的选择，判断出拍摄图像的前景背景。
S706、利用贝叶斯方法对前景背景进行融合，得到该图像最终的前景图像和背景图像。
在本发明实施例中，在边缘复合检测的基础上，利用概率统计方法对图像中的前景背景的边缘点进行检测；具体的，在确定出的图像的前景和背景的基础上，将图像分为F(前景部分)、B(背景部分)和C(未知部分)，通过贝叶斯方法将未知区域中的像素分贝细致地划分到前景部分或背景区域内，得到该图像最终的前景图像和背景图像，实现景物与背景的准确区分。
S707、利用形态学滤波方法对得到的图像背景进行平滑处理。
S708、对图像背景滤波，模糊图像背景。
例如以运算量较少、较常见的的高斯滤波对图像背景进行滤波。
S709、前景图像与图像背景进行融合，实现背景的弱化，达到景物、人像的增强、突出。
在本发明实施例中，基于单目摄像头实现主体与背景分离，采用去噪滤波和边缘复合检测可以有效地对非背景景物、人像、物象进行边缘分割，实现与背景的有效区分，在边缘复合检测的基础上利用概率统计方法提高保证检测结果的准确性，实现背景与景物的准确区分；然后利用形态学滤波方法对背景进行滤波操作，滤波前的图片与滤波后的背景进行融合，对背景进行抑制，实现背景抑制并对图像中的背景进行弱化处理同时保证背景完整显现，最终达到所需突出的景物或物品图像增强的目的。
实施例四
本发明实施例提供一种图像景物增强装置，该图像景物增强装置可以实现上述各实施例提供的图像景物增强方法，该图像景物增强装置包括预处理模块801，边缘复合检测模块802和融合模块803；
预处理模块801，用于对图像进行预处理；
边缘复合检测模块802，用于对预处理后的图像进行边缘复合检测，确定图像的前景图像和背景图像；
融合模块803，用于对背景图像进行滤波，融合前景图像和滤波后的背景图像得到增强图像。
本发明实施例还提供一种终端，该终端可以实现上述各实施例提供的图像景物增强方法，如图9所示，该终端包括处理器901、存储器902和通信总线903；
通信总线903用于实现处理器901和存储器902之间的连接通信；
处理器901用于执行存储器902中存储的一个或者多个程序，以实现各实施例提供的图像景物增强方法的步骤。
本发明实施例还提供了一种存储介质，该存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(RandomAccess Memory，随机存取存储器),ROM(Read-Only Memory，只读存储器),EEPROM(Electrically Erasable Programmable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory，光盘只读存储器)，数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
本发明实施例中的存储介质可用于存储一个或者多个计算机程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述各实施例图像景物增强方法的至少一个步骤，在此不再一一赘述。
可见，本领域的技术人员应该明白，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。
此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种图像景物增强方法，其特征在于，包括：
对图像进行预处理；
对预处理后的图像进行边缘复合检测，确定所述图像的前景图像和背景图像；
对所述背景图像进行滤波，融合所述前景图像和滤波后的背景图像得到增强图像。
2.如权利要求1所述的图像景物增强方法，其特征在于，所述对预处理后的图像进行边缘复合检测，包括：
基于边缘检测结合多梯度检测对所述预处理后的图像进行计算，得到所述图像的边缘信息。
3.如权利要求2所述的图像景物增强方法，其特征在于，所述基于边缘检测结合多梯度检测对预处理后的图像进行计算，得到所述图像的边缘信息，包括：
采用至少两种边缘检测算子对所述预处理后的图像进行计算，分别得到至少两种像素灰度值；
对所述至少两种像素灰度值进行融合，得到所述图像的边缘信息。
4.如权利要求2所述的图像景物增强方法，其特征在于，所述基于边缘检测结合多梯度检测对预处理后的图像进行计算，得到所述图像的边缘信息，包括：
采用边缘检测算子按多个方向对预处理后的图像进行计算，得到多个像素灰度值；
比较所述多个像素灰度值，根据最大的像素灰度值得到所述图像的边缘信息。
5.如权利要求2所述的图像景物增强方法，其特征在于，所述确定所述图像的前景图像和背景图像，包括：
获取所述图像中的待凸显景物；
根据所述边缘信息和所述待凸显景物，确定所述图像的前景图像和背景图像。
6.如权利要求1-5任一项所述的图像景物增强方法，其特征在于，所述对所述背景图像进行滤波之前，包括：
根据图像融合算法对所述图像的前景图像和背景图像边缘进行检测融合，确定所述图像的前景图像和背景图像的最终边缘。
7.如权利要求6所述的图像景物增强方法，其特征在于，所述对所述背景图像进行滤波之前，包括：
根据形态学滤波对所述背景图像进行平滑处理。
8.一种图像景物增强装置，其特征在于，所述图像景物增强装置包括预处理模块，边缘复合检测模块和融合模块；
所述预处理模块，用于对图像进行预处理；
所述边缘复合检测模块，用于对预处理后的图像进行边缘复合检测，确定所述图像的前景图像和背景图像；
所述融合模块，用于对所述背景图像进行滤波，融合所述前景图像和滤波后的背景图像得到增强图像。
9.一种终端，其特征在于，包括处理器、存储器和通信总线；
所述通信总线用于实现所述处理器和存储器之间的连接通信；
所述处理器用于执行所述存储器中存储的一个或者多个程序，以实现如权利要求1至7任一项所述图像景物增强方法的步骤。
10.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的所述图像景物增强方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911331009.XA CN113012055A (zh) | 2019-12-20 | 2019-12-20 | 一种图像景物增强方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911331009.XA CN113012055A (zh) | 2019-12-20 | 2019-12-20 | 一种图像景物增强方法、装置、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113012055A true CN113012055A (zh) | 2021-06-22 |
Family
ID=76382643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911331009.XA Pending CN113012055A (zh) | 2019-12-20 | 2019-12-20 | 一种图像景物增强方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113012055A (zh) |
-
2019
- 2019-12-20 CN CN201911331009.XA patent/CN113012055A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10424054B2 (en) | Low-illumination image processing method and device | |
| Kim et al. | Optimized contrast enhancement for real-time image and video dehazing | |
| Zhang et al. | Spatially variant defocus blur map estimation and deblurring from a single image | |
| US9118846B2 (en) | Apparatus for generating an image with defocused background and method thereof | |
| Liu et al. | Single image dehazing via large sky region segmentation and multiscale opening dark channel model | |
| US9542735B2 (en) | Method and device to compose an image by eliminating one or more moving objects | |
| Xu et al. | Single image haze removal using light and dark channel prior | |
| WO2014126613A1 (en) | Method and apparatus for image enhancement and edge verification using at least one additional image | |
| JP2012038318A (ja) | ターゲット検出方法及び装置 | |
| CN109214996B (zh) | 一种图像处理方法及装置 | |
| JP7449507B2 (ja) | カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体 | |
| US20150220804A1 (en) | Image processor with edge selection functionality | |
| CN108234826B (zh) | 图像处理方法及装置 | |
| Bar et al. | Restoration of images with piecewise space-variant blur | |
| CN111161136B (zh) | 图像虚化方法、图像虚化装置、设备及存储装置 | |
| Dai et al. | Adaptive sky detection and preservation in dehazing algorithm | |
| Wu et al. | Image haze removal: Status, challenges and prospects | |
| Lee et al. | Stereo image defogging | |
| WO2017128646A1 (zh) | 一种图像处理的方法及装置 | |
| Toka et al. | A fast method of fog and haze removal | |
| Jeong et al. | Fast fog detection for de-fogging of road driving images | |
| WO2014014135A1 (ko) | 촬영된 이미지의 리포커싱 방법, 장치, 및 컴퓨터 판독 가능한 기록 매체 | |
| CN111161299B (zh) | 影像分割方法、存储介质及电子装置 | |
| CN108810407B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
| CN113012055A (zh) | 一种图像景物增强方法、装置、终端及存储介质 |
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 |