CN113160103B - 图像处理方法及装置、存储介质、终端 - Google Patents
图像处理方法及装置、存储介质、终端 Download PDFInfo
- Publication number
- CN113160103B CN113160103B CN202110462829.3A CN202110462829A CN113160103B CN 113160103 B CN113160103 B CN 113160103B CN 202110462829 A CN202110462829 A CN 202110462829A CN 113160103 B CN113160103 B CN 113160103B
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- processed
- images
- difference
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 124
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 238000007499 fusion processing Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 18
- 230000002708 enhancing effect Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001052 transient effect Effects 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
- G06T5/50—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
- G06T5/00—Image enhancement or restoration
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种图像处理方法及装置、存储介质、终端,所述方法包括:获取原始图像;对待处理图像进行多次图像模糊处理,以得到多张模糊图像,其中,多张模糊图像的模糊尺度各不相同,所述待处理图像为所述原始图像或对所述原始图像进行图像去噪处理后得到的图像;多次进行差分处理,以得到多张差分图像,其中每次差分处理从所述多张模糊图像中选择两张模糊图像进行差分计算;对所述多张差分图像进行图像融合处理,以得到有效信息图像;根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像。通过本发明的方案,可以增强原始图像中的有效信息,从而提高图像质量。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法及装置、存储介质、终端。
背景技术
目前,随着终端技术的发展,图像识别的应用越来越广泛,终端对获取到的图像进行识别,以得到识别结果。可以理解的是,图像的质量越高,识别的速度越快,识别的准确度也越高,如果图像的质量较低,不仅识别的速度较慢,还可能会导致识别错误,因此,图像的质量对于图像识别尤为重要。
现有技术中,由于获取图像过程中通常容易受到各种因素(例如,光线干扰、硬件设备限制)的影响,获取到的图像中有效信息和无效信息的差别较小,图像的质量较低,从而可能会出现识别错误的情况。
因此,亟需一种图像处理方法,能够增强图像中的有效信息,从而提高图像的质量。
发明内容
本发明解决的技术问题是提供一种能够增强图像中的有效信息,从而提高图像质量的图像处理方法。
为解决上述技术问题,本发明实施例提供一种图像处理方法,所述方法包括:获取原始图像;对待处理图像进行多次图像模糊处理,以得到多张模糊图像,其中,多张模糊图像的模糊尺度各不相同,所述待处理图像为所述原始图像或对所述原始图像进行图像去噪处理后得到的图像;多次进行差分处理,以得到多张差分图像,其中每次差分处理从所述多张模糊图像中选择两张模糊图像进行差分计算;对所述多张差分图像进行图像融合处理,以得到有效信息图像;根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像。
可选的,所述原始图像为指纹图像。
可选的,对待处理图像进行多次图像模糊处理,以得到多张模糊图像包括:采用不同的模糊参数分别对所述待处理图像进行多次图像模糊处理,以得到多张模糊图像。
可选的,对待处理图像进行多次图像模糊处理,以得到多张模糊图像包括:对所述待处理图像进行第1次图像模糊处理,以得到第1张模糊图像;迭代地对第i张模糊图像进行图像模糊处理,以得到第i+1张模糊图像,直至得到第N张模糊图像;其中,1≤i≤N-1,i为正整数,N为大于2的正整数,N为所述模糊图像的数量。
可选的,所述图像模糊处理包括高斯模糊。
可选的,多次进行差分处理,以得到多张差分图像包括:每次差分处理从所述多张模糊图像中选择所述模糊尺度相邻的两张模糊图像进行差分计算,以得到所述模糊尺度相邻的两张模糊图像的差分图像。
可选的,对所述多张差分图像进行图像融合处理,以得到有效信息图像包括:采用下列公式对多张差分图像进行图像融合处理:
其中,D为所述有效信息图像,Dc(j)为第j张差分图像,τj为所述第j张差分图像的权重,1≤j≤N-1,j为正整数,N为大于2的正整数,N为所述模糊图像的数量。
可选的,对所述多张差分图像进行图像融合处理之前,所述方法还包括:根据每张差分图像的平均灰度值确定该差分图像的权重;其中,所述差分图像的平均灰度值越大,该差分图像的权重越大。
可选的,根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像包括:采用下列公式进行所述增强处理:
Ien=α×Idn+β×D;
其中,Ien为所述处理后的图像,Idn为所述待处理图像,D为所述有效信息图像,α为所述待处理图像的权重,β为所述有效信息图像的权重,α>0,β>0,且α+β=1。
可选的,β>α。
可选的,根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像包括:根据所述有效信息图像对所述待处理图像进行增强处理,以得到增强处理后的图像;计算所述增强处理后的图像的平均灰度值与所述待处理图像的平均灰度值之间的差值,并根据所述差值确定亮度补偿参数;根据所述亮度补偿参数对所述增强处理后的图像进行亮度补偿,以得到所述处理后的图像。
为了解决上述技术问题,本发明实施例还提供一种图像处理装置,所述装置包括:获取模块,用于获取原始图像;模糊处理模块,用于对待处理图像进行多次图像模糊处理,以得到多张模糊图像,其中,多张模糊图像的模糊尺度各不相同,所述待处理图像为所述原始图像或对所述原始图像进行图像去噪处理后得到的图像;差分计算模块,用于多次进行差分处理,以得到多张差分图像,其中每次差分处理从所述多张模糊图像中选择两张模糊图像进行差分计算;融合处理模块,用于对所述多张差分图像进行图像融合处理,以得到有效信息图像;增强处理模块,用于根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像。
本发明实施例还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时,执行上述的图像处理方法的步骤。
本发明实施例还提供一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行上述的图像处理方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
在本发明实施例的方案中,将多张差分图像进行融合处理,以得到有效信息图像,并采用有效信息图像对待处理图像进行增强处理,以得到处理后的图像。采用上述方案时,对待处理图像进行多次图像模糊处理,以得到多张模糊图像,多张差分图像是根据多张模糊图像进行多次差分计算得到的。由于多张模糊图像的模糊尺度各不相同,因此,每张差分图像可以包含将待处理图像进行更高模糊尺度的模糊后损失的有效信息,从而通过对多张差分图像进行融合处理可以对待处理图像中同一位置处的有效信息进行多次加强,因此,有效信息图像可以包含待处理图像中的高频有效信息。由于处理后的图像是根据有效信息图像对待处理图像进行增强处理得到的,因此与待处理图像相比,处理后的图像中的有效信息更加突出,图像质量更高,从而采用处理后的图像进行图像识别时,识别的速度更快,准确率更高。
进一步,本发明实施例的方案中,采用不同的模糊参数分别对待处理图像进行多次图像模糊处理,以得到多张模糊图像,可以使得到的多张模糊图像都尽可能地接近待处理图像,避免在后续差分计算中引入额外的冗余信息或错误信息,可以提高有效信息图像的准确性。
进一步,本发明实施例的方案中,每次差分处理时,从所述多张模糊图像中选择所述模糊尺度相邻的两张模糊图像进行差分计算,可以避免因两张模糊图像的模糊尺度差异太大而使得计算得到的差分图像丢失待处理图像中的部分有效信息,从而可以提高有效信息的增强效果。
进一步,本发明实施例的方案中,根据每张差分图像的平均灰度值确定该差分图像的权重,差分图像的平均灰度值越大,该差分图像的权重越大,可以增强模糊尺度较大时差分图像中的有效信息,从而提高增强效果。
进一步,在本发明实施例的方案中,根据有效信息图像对待处理图像进行增强处理时,有效信息图像的权重大于待处理图像的权重,可以增强处理后的图像中有效信息和无效信息之间的对比度,从而进一步提高有效信息的增强效果。
附图说明
图1是本发明实施例中一种图像处理方法的应用场景示意图。
图2是本发明实施例中一种图像处理方法的流程示意图。
图3是图2中步骤S205的一种具体实施方式的流程示意图。
图4是本发明实施例中一种图像处理装置的结构示意图。
具体实施方式
如背景技术所述,亟需一种图像处理方法,能够增强图像中的有效信息,从而提高图像的质量。
本发明的发明人经过研究发现,现有技术中,对于增强图像中有效信息,以改善图像质量的方法主要包括:色彩拉伸增强方法和直方图均衡增强法等。采用这些方案,增强后的图像中有效信息和无效信息的区别仍然较小,图像质量的提升十分有限。
为了解决上述技术问题,本发明实施例提供一种图像处理方法,在本发明实施例的方案中,将多张差分图像进行融合处理,以得到有效信息图像,并采用有效信息图像对待处理图像进行增强处理,以得到处理后的图像。采用上述方案时,对待处理图像进行多次图像模糊处理,以得到多张模糊图像,多张差分图像是根据多张模糊图像进行多次差分计算得到的。由于多张模糊图像的模糊尺度各不相同,因此,每张差分图像可以包含将待处理图像进行更高模糊尺度的模糊后损失的有效信息,从而通过对多张差分图像进行融合处理可以对待处理图像中同一位置处的有效信息进行多次加强,因此,有效信息图像可以包含待处理图像中的高频有效信息。由于处理后的图像是根据有效信息对待处理图像进行增强处理得到的,因此与待处理图像相比,处理后的图像中的有效信息更加突出,图像质量更高。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
参照图1,图1是本发明实施例中一种图像处理方法的应用场景示意图。所述方法可以由终端执行,所述终端可以是各种恰当的终端,例如,手机、物联网设备、电脑等,但并不限于此。所述方法可以用于对终端获取的图像进行处理,以使处理后的图像中有效信息突出,便于后续对处理后的图像进行图像识别等。其中,所述“有效信息”可以是图像的边缘(Edge)信息,可以理解的是,边缘是其周围像素点灰度值急剧变化的像素点的集合,是图像最基本的特征。需要说明的是,“有效信息”也可以是能够体现图像特征的其他信息,本发明实施例对此并不进行限制。
下面结合图1对本发明实施例中一种图像处理方法的应用场景进行非限制性的说明。
图1示出的图像处理方法的应用场景是指纹识别的场景,也即,对指纹图像进行处理,便于根据处理后的图像进行指纹识别。需要说明的是,本发明实施例中的图像处理方法也适用于其他图像识别的场景,例如,在人脸识别的场景中,对人脸图像进行本发明实施例中所述的图像处理方法进行处理,再对处理后的人脸图像进行人脸识别,但并不限于此。
具体而言,待处理图像10可以是终端采集到的指纹图像,所述指纹图像可以是灰度图像。由于各种因素(例如,光线干扰、手指湿度、按压力度等)的影响,待处理图像10中有效信息不够突出,图像质量较低。更具体地,待处理图像10中脊线和谷线的区别较小,脊线的特征不够突出等等,如果直接对待处理图像10进行指纹识别容易出现识别错误的情况。
本发明实施例的方案中,对待处理图像10进行多次图像模糊处理,以得到多张模糊图像,根据多张模糊图像进行多次差分计算,以得到多张差分图像,对多张差分图像进行图像融合处理,可以得到有效信息图像11。
进一步地,可以根据得到的有效信息图像11对待处理图像10进行增强处理,以得到处理后的图像12。与待处理图像10相比,处理后的图像12中有效信息更加突出,图像的质量较高。采用经过本发明实施例提供的图像处理方法得到的处理后的图像12进行指纹识别,可以提高指纹识别的准确度。关于本发明实施例提供的图像处理方法的更多具体内容将在下文中具体描述。
参照图2,图2是本发明实施例中一种图像处理方法的流程示意图。图2示出的图像处理方法可以包括如下步骤:
步骤S201:获取原始图像;
步骤S202:对待处理图像进行多次图像模糊处理,以得到多张模糊图像,其中,多张模糊图像的模糊尺度各不相同,所述待处理图像为所述原始图像或对所述原始图像进行图像去噪处理后得到的图像;
步骤S203:多次进行差分处理,以得到多张差分图像,其中每次差分处理从所述多张模糊图像中选择两张模糊图像进行差分计算;
步骤S204:对所述多张差分图像进行图像融合处理,以得到有效信息图像;
步骤S205:根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像。
在步骤S201的具体实施中,可以获取原始图像,所述原始图像可以是实时采集到的,也可以是从外部获取的,还可以是预先存储在本地的数据集中的,但并不限于此。在本发明的一个非限制性实施例中,所述原始图像可以是指纹图像,所述指纹图像可以实时采集的,但并不限于此。
进一步地,可以对原始图像进行图像去噪(Image Denoising)处理。具体而言,可以先对原始图像进行噪声估计,以确定原始图像中的噪声类型和噪声的大小。所述噪声估计的方法可以是现有的各种噪声估计方法,例如,基于均方差的估计方法,但并不限于此。更进一步地,可以基于噪声的类型和/或噪声的大小选择去噪方法。所述去噪方法可以是现有的各种去噪方法,例如,基于均值滤波器的去噪方法,基于中值滤波器的去噪方法等,但并不限于此。由此,通过对原始图像进行上述的图像去噪处理,可以降低噪声的影响,提高本发明实施例中图像处理方法的鲁棒性。
需要说明的是,本发明实施例的方案中,待处理图像为灰度图像。具体而言,如果所述原始图像为彩色图像,可以先将原始图像转化为灰度图像再进行图像去噪处理,以得到待处理图像;也可以先对原始图像进行图像去噪处理,再将图像去噪处理后得到的图像转化为灰度图像,以得到待处理图像,本发明实施例对此并不进行限制。还需要说明的是,如果原始图像为灰度图像,还可以直接将原始图像作为所述待处理图像;如果原始图像为彩色图像,也可以先对原始图像进行灰度化处理,将灰度化处理后的原始图像作为待处理图像。
在本发明的一个非限制性实施例中,在对原始图像进行图像去噪处理之前,还可以先对原始图像进行灰度归一化处理,更具体地,可以对原始图像的各个像素点的灰度值进行均值方差归一化处理,以使原始图像的各个像素点的灰度值满足预设的均值和方差。
在步骤S202的具体实施中,可以对待处理图像进行多次图像模糊处理,以得到多张模糊图像。
具体而言,可以对待处理图像进行第1次图像模糊处理,以得到第1张模糊图像;对第1张模糊图像进行图像模糊处理,以得到第2张模糊图像;对第2张模糊图像进行图像模糊处理,以得到第3张模糊图像……对第N-1张模糊图像进行图像模糊处理,以得到第N张模糊图像。换言之,对待处理图像进行图像模糊处理,得到第1张模糊图像后,迭代地对第i张模糊图像进行图像模糊处理,以得到第i+1张模糊图像,直至得到第N张模糊图像,其中,1≤i≤N-1,i为正整数,N为大于2的正整数,N为所述模糊图像的数量,模糊图像的数量可以是预先配置的。
由此,通过多次的图像模糊处理,可以得到模糊尺度互不相同的多张模糊图像。其中,模糊尺度可以用于表示图像的模糊程度,模糊尺度越大,图像的模糊程度越高,也即图像看起来越模糊。需要说明的是,本发明实施例中采用的图像模糊处理的方法可以是现有的各种图像模糊处理方法,本发明实施例并不进行任何限制。在本发明的一个非限制性实施例的方案中,图像模糊处理方法可以包括高斯模糊(Gaussian Blur)。还需要说明的是,本发明实施例的方案中,每次进行图像模糊处理时,只改变图像的模糊尺度,并不改变图像的分辨率。换言之,多张模糊图像的分辨率均与待处理图像的分辨率相同,但模糊尺度不同。
在本发明的一个非限制性实施例中,采用不同的模糊参数分别对待处理图像进行多次图像模糊处理,以得到多张模糊图像。换言之,每次进行图像模糊处理的对象均为待处理图像,且每次进行图像模糊处理时采用的模糊参数均不相同,由此,可以得到多张模糊尺度互不相同的模糊图像。其中,所述模糊参数可以是进行图像模糊处理时采用的参数,模糊图像的模糊尺度可以根据模糊参数确定。模糊参数可以包括模糊半径(Blur Radius)等,但并不限于此。
由上,采用不同的模糊参数分别对所述待处理图像进行多次模糊处理,以得到多张模糊图像,可以使得到的多张模糊图像尽可能地接近待处理图像,避免在后续差分计算中引入额外的冗余信息或错误信息,可以提高有效信息图像的准确性。
在步骤S203的具体实施中,多次进行差分处理,以得到多张差分图像。具体而言,得到多张模糊图像后,可以进行多次差分计算,每次差分计算时,从多张模糊图像中选择两张模糊图像进行差分计算,以得到该两张模糊图像的差分图像,直至得到所有两两模糊图像的差分图像。
更具体地,可以采用下列公式进行每次差分处理:
Dc=G1(Idn)-G2(Idn); 公式(1)
其中,Idn为待处理图像,Dc为每次差分处理得到的差分图像,G1(Idn)和G2(Idn)为两张不同的模糊图像,其中,G1(Idn)的模糊尺度小于G2(Idn)的模糊尺度。例如,图像模糊处理为高斯模糊,则G1(Idn)的模糊半径小于G2(Idn)的模糊半径。在具体实施中,由于模糊图像的分辨率相同,根据两张模糊图像计算得到的差分图像的分辨率也都与模糊图像的分辨率相同。因此,每次进行差分计算时,对于差分图像的每个像素点,该像素点的灰度值即为G1(Idn)中该像素点的灰度值与G2(Idn)中该像素点的灰度值的差值,由此可以得到差分图像。
在本发明的一个非限制性实施例的方案中,每次差分处理从多张模糊图像中选择模糊尺度相邻的两张模糊图像进行差分计算,以得到所述模糊尺度相邻的两张模糊图像的差分图像。也即,差分图像是由模糊尺度相邻的两张模糊图像计算得到的,由此可以避免因两张模糊图像的模糊尺度差异太大而使得计算得到的差分图像丢失待处理图像中的部分有效信息,从而可以提高有效信息的增强效果。
在步骤S204的具体实施中,可以对多张差分图像进行图像融合(Image Fusion)处理,以得到有效信息图像。其中,本发明实施例中的“图像融合”是指像素级的图像融合,图像融合处理的方法可以是现有的各种图像融合方法,例如,逻辑滤波法、灰度加权平均法、对比调制法和小波变换法,但并不限于此,本发明实施例对此并不进行任何限制。
在本发明的一个非限制性实施例中,本发明实施例采用灰度加权平均法进行图像融合处理。具体而言,可以采用下列公式对多张差分图像进行图像融合处理:
其中,D为所述有效信息图像,Dc(j)为第j张差分图像,τj为所述第j张差分图像的权重,1≤j≤N-1,j为正整数,N为大于2的正整数,N为所述模糊图像的数量。更具体地,有效信息图像的分辨率与差分图像的分辨率相同,针对有效信息图像中的每一像素点,该像素点的灰度值可以根据多张差分图像中该像素点的灰度值进行加权计算得到,由此可以得到有效信息图像。
进一步地,对多张差分图像进行图像融合处理之前,可以先确定每张差分图像的权重。具体而言,可以先计算每张差分图像的平均灰度值,再根据每张差分图像的平均灰度值确定该差分图像的权重。其中,每张差分图像的平均灰度值为该差分图像中所有像素点的灰度值的平均值,计算差分图像的平均灰度值的方法可以是现有的各种恰当的计算方法,例如可以是直方图统计法,但并不限于此。其中,差分图像的平均灰度值越大,该差分图像的权重也越大。由此,可以增强模糊尺度较大时差分图像中的有效信息,从而可以提高增强效果。
在步骤S205的具体实施中,可以根据有效信息图像对待处理图像进行增强处理,以得到处理后的图像。
具体而言,可以将有效信息图像和待处理图像进行图像融合处理,以得到处理后的图像。更具体地,可以采用下列公式对待处理图像进行增强处理:
Ien=α×Idn+β×D; 公式(3)
其中,Ien为所述处理后的图像,Idn为所述待处理图像,D为所述有效信息图像,α为所述待处理图像的权重,β为所述有效信息图像的权重,α>0,β>0,且α+β=1。
具体而言,对于处理后的图像中的每个像素点,该像素点的灰度值为待处理图像中该像素点的灰度值与有效信息图像中该像素点的灰度值的加权和。其中,待处理图像的权重α与有效信息图像的权重β可以是预先设置的。
在本发明的一个非限制性实施例中,有效信息图像的权重大于待处理图像的权重,也即,β>α。由此,通过增强有效信息图像中像素点灰度值的权重,增强处理后的图像中有效信息和无效信息之间的对比度,可以进一步提高增强效果。
参考图3,图3是图2中步骤S205的一种具体实施方式的流程示意图,图3示出的步骤S205可以包括如下步骤:
步骤S2051:根据所述有效信息图像对所述待处理图像进行增强处理,以得到增强处理后的图像;
步骤S2052:计算所述增强处理后的图像的平均灰度值与所述待处理图像的平均灰度值之间的差值,并根据所述差值确定亮度补偿参数;
步骤S2053:根据所述亮度补偿参数对所述增强处理后的图像进行亮度补偿,以得到所述处理后的图像。
在步骤S2051的具体实施中,可以采用上述公式(3)对所述待处理图像进行增强处理,以得到增强处理后的图像,更多的具体内容可以参照上文关于公式(3)的相关描述,在此不再赘述。
在步骤S2052的具体实施中,可以计算增强处理后的图像的平均灰度值和待处理图像的平均灰度值,计算增强处理后的图像和待处理图像的平均灰度值的方法可以是现有的各种恰当的计算方法,例如可以是直方图统计法,但并不限于此。
进一步地,可以根据增强处理后的图像的平均灰度值与待处理图像的平均灰度值之间的差值确定亮度补偿参数,所述亮度补偿参数可以是用于对增强处理后的图像的灰度值进行补偿的参数。其中,差值越大,亮度补偿参数越大。在一个非限制性的例子中,亮度补偿参数γ的取值可以满足:-255≤γ≤255。需要说明的是,亮度补偿参数也可以是预先设置的固定值,也即,对于不同的有效信息图像,亮度补偿参数也可以是相同的。
在步骤S2053的具体实施中,可以计算增强处理后的图像中每一像素点的灰度值与亮度补偿参数之和,并将所述和作为处理后的图像中该像素点对应的像素点的灰度值,由此可以得到处理后的图像。
在本发明的一个非限制性实施例中,可以根据公式(4)至公式(7)分别确定待处理图像的权重α、有效信息图像的权重β和亮度补偿系数γ的可取值范围:
-255≤α×Idn+β×D+γ≤255; 公式(4)
α+β=1; 公式(5)
0<α<β; 公式(6)
-255≤γ≤255; 公式(7)
进一步地,可以在待处理图像的权重α的可取值范围内选取合适的值作为待处理图像的权重α,例如,可以选取权重α的可取值范围内的最小值作为权重α。更进一步地,可以根据公式(5)确定有效信息图像的权重β,以及在亮度补偿系数γ的可取值范围内选取合适的值作为亮度补偿系数γ。
进一步地,可以根据公式(8)确定处理后的图像:
Ien=α×Idn+β×D+γ; 公式(8)
需要说明的是,用于对待处理图像进行增强处理的有效信息图像还可以是进行图像去噪处理后的有效信息图像。具体而言,得到有效信息图像后,还可以对有效信息图像进行图像去噪处理,以得到去噪后的有效信息图像,再根据去噪后的有效信息图像对待处理图像进行增强处理。关于图像去噪处理的具体内容可以参照步骤S201中关于图像去噪处理的相关内容,在此不再赘述。关于根据去噪后的有效信息图像对待处理图像进行增强处理的具体内容可以参照上文关于步骤S205的相关内容,在此不再赘述。
由上,在本发明实施例的方案中,将多张差分图像进行融合处理,以得到有效信息图像,并采用有效信息图像对待处理图像进行增强处理,以得到处理后的图像。采用上述方案时,对待处理图像进行多次图像模糊处理,以得到多张模糊图像,多张差分图像是根据多张模糊图像进行多次差分计算得到的。由于多张模糊图像的模糊尺度各不相同,因此,每张差分图像可以包含将待处理图像进行更高模糊尺度的模糊后损失的有效信息,从而通过对多张差分图像进行融合处理可以对待处理图像中同一位置处的有效信息进行多次加强,因此,有效信息图像可以包含待处理图像中的高频有效信息。由于处理后的图像是根据有效信息对待处理图像进行增强处理得到的,因此与待处理图像相比,处理后的图像中的有效信息更加突出,图像质量更高。
需要说明的是,本发明实施例中的图像处理方法可以适用于各种图像,尤其适用于指纹图像的处理。
参照图4,图4是本发明实施例中一种图像处理装置的结构示意图,图4示出的图像处理装置的结构示意图可以包括:获取模块41、模糊处理模块42、差分计算模块43、融合处理模块44和增强处理模块45。
其中,获取模块41用于获取原始图像;模糊处理模块42用于对待处理图像进行多次图像模糊处理,以得到多张模糊图像,其中,多张模糊图像的模糊尺度各不相同,所述待处理图像为所述原始图像或对所述原始图像进行图像去噪处理后得到的图像;差分计算模块43用于多次进行差分处理,以得到多张差分图像,其中每次差分处理从所述多张模糊图像中选择两张模糊图像进行差分计算;融合处理模块44用于对所述多张差分图像进行图像融合处理,以得到有效信息图像;增强处理模块45用于根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像。
在具体实施中,上述图像处理装置可以对应于终端内具有数据处理功能的芯片,例如,图像处理芯片;或者对应于终端中具有数据处理功能的芯片模组,或者对应于终端。
关于图4示出的图像处理装置的工作原理、工作方式和有益效果等更多内容,可以参照上文关于图1至图3的相关描述,在此不再赘述。本发明实施例还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时,执行上述的图像处理方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。
本发明实施例还提供一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行上述的图像处理方法的步骤。所述终端包括但不限于手机、计算机、平板电脑等终端设备。
应理解,本申请实施例中,所述处理器可以为中央处理单元(central processingunit,简称CPU),该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor,简称DSP)、专用集成电路(application specific integrated circuit,简称ASIC)、现成可编程门阵列(field programmable gate array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,简称ROM)、可编程只读存储器(programmable ROM,简称PROM)、可擦除可编程只读存储器(erasable PROM,简称EPROM)、电可擦除可编程只读存储器(electricallyEPROM,简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(random accessmemory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的随机存取存储器(random access memory,简称RAM)可用,例如静态随机存取存储器(staticRAM,简称SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronousDRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,简称DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,简称ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,简称DR RAM)。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机程序可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机程序可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法、装置和系统,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的;例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式;例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。例如,对于应用于或集成于芯片的各个装置、产品,其包含的各个模块/单元可以都采用电路等硬件的方式实现,或者,至少部分模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片内部集成的处理器,剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现;对于应用于或集成于芯片模组的各个装置、产品,其包含的各个模块/单元可以都采用电路等硬件的方式实现,不同的模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中,或者,至少部分模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片模组内部集成的处理器,剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现;对于应用于或集成于终端的各个装置、产品,其包含的各个模块/单元可以都采用电路等硬件的方式实现,不同的模块/单元可以位于终端内同一组件(例如,芯片、电路模块等)或者不同组件中,或者,至少部分模块/单元可以采用软件程序的方式实现,该软件程序运行于终端内部集成的处理器,剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,表示前后关联对象是一种“或”的关系。
本申请实施例中出现的“多个”是指两个或两个以上。
本申请实施例中出现的第一、第二等描述,仅作示意与区分描述对象之用,没有次序之分,也不表示本申请实施例中对设备个数的特别限定,不能构成对本申请实施例的任何限制。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (14)
1.一种图像处理方法,其特征在于,所述方法包括:
获取原始图像;
对待处理图像进行多次图像模糊处理,以得到多张模糊图像,其中,多张模糊图像的模糊尺度各不相同,所述待处理图像为所述原始图像或对所述原始图像进行图像去噪处理后得到的图像;
多次进行差分处理,以得到多张差分图像,其中每次差分处理从所述多张模糊图像中选择两张模糊图像进行差分计算;
对所述多张差分图像进行图像融合处理,以得到有效信息图像;
根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述原始图像为指纹图像。
3.根据权利要求1所述的图像处理方法,其特征在于,对待处理图像进行多次图像模糊处理,以得到多张模糊图像包括:
采用不同的模糊参数分别对所述待处理图像进行多次图像模糊处理,以得到多张模糊图像。
4.根据权利要求1所述的图像处理方法,其特征在于,对待处理图像进行多次图像模糊处理,以得到多张模糊图像包括:
对所述待处理图像进行第1次图像模糊处理,以得到第1张模糊图像;
迭代地对第i张模糊图像进行图像模糊处理,以得到第i+1张模糊图像,直至得到第N张模糊图像;
其中,1≤i≤N-1,i为正整数,N为大于2的正整数,N为所述模糊图像的数量。
5.根据权利要求1所述的图像处理方法,其特征在于,所述图像模糊处理包括高斯模糊。
6.根据权利要求1所述的图像处理方法,其特征在于,多次进行差分处理,以得到多张差分图像包括:
每次差分处理从所述多张模糊图像中选择所述模糊尺度相邻的两张模糊图像进行差分计算,以得到所述模糊尺度相邻的两张模糊图像的差分图像。
8.根据权利要求7所述的图像处理方法,其特征在于,对所述多张差分图像进行图像融合处理之前,所述方法还包括:
根据每张差分图像的平均灰度值确定该差分图像的权重;
其中,所述差分图像的平均灰度值越大,该差分图像的权重越大。
9.根据权利要求1所述的图像处理方法,其特征在于,根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像包括:
采用下列公式进行所述增强处理:
Ien=α×Idn+β×D;
其中,Ien为所述处理后的图像,Idn为所述待处理图像,D为所述有效信息图像,α为所述待处理图像的权重,β为所述有效信息图像的权重,α>0,β>0,且α+β=1。
10.根据权利要求9所述的图像处理方法,其特征在于,β>α。
11.根据权利要求1所述的图像处理方法,其特征在于,根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像包括:
根据所述有效信息图像对所述待处理图像进行增强处理,以得到增强处理后的图像;
计算所述增强处理后的图像的平均灰度值与所述待处理图像的平均灰度值之间的差值,并根据所述差值确定亮度补偿参数;
根据所述亮度补偿参数对所述增强处理后的图像进行亮度补偿,以得到所述处理后的图像。
12.一种图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取原始图像;
模糊处理模块,用于对待处理图像进行多次图像模糊处理,以得到多张模糊图像,其中,多张模糊图像的模糊尺度各不相同,所述待处理图像为所述原始图像或对所述原始图像进行图像去噪处理后得到的图像;
差分计算模块,用于多次进行差分处理,以得到多张差分图像,其中每次差分处理从所述多张模糊图像中选择两张模糊图像进行差分计算;
融合处理模块,用于对所述多张差分图像进行图像融合处理,以得到有效信息图像;
增强处理模块,用于根据所述有效信息图像对所述待处理图像进行增强处理,以得到处理后的图像。
13.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时,执行权利要求1至11中任一项所述的图像处理方法的步骤。
14.一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时执行权利要求1至11中任一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110462829.3A CN113160103B (zh) | 2021-04-22 | 2021-04-22 | 图像处理方法及装置、存储介质、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110462829.3A CN113160103B (zh) | 2021-04-22 | 2021-04-22 | 图像处理方法及装置、存储介质、终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160103A CN113160103A (zh) | 2021-07-23 |
CN113160103B true CN113160103B (zh) | 2022-08-12 |
Family
ID=76871728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110462829.3A Active CN113160103B (zh) | 2021-04-22 | 2021-04-22 | 图像处理方法及装置、存储介质、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160103B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351011B (zh) * | 2023-12-04 | 2024-03-12 | 歌尔股份有限公司 | 屏幕缺陷检测方法、设备和可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9485435B2 (en) * | 2014-04-22 | 2016-11-01 | Shih-Chieh Huang | Device for synthesizing high dynamic range image based on per-pixel exposure mapping and method thereof |
CN105631828A (zh) * | 2015-12-29 | 2016-06-01 | 华为技术有限公司 | 一种处理图像的方法及装置 |
CN107784631B (zh) * | 2016-08-24 | 2020-05-05 | 深圳市豪恩安全科技有限公司 | 图像去模糊方法及装置 |
CN110378943A (zh) * | 2019-06-21 | 2019-10-25 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
-
2021
- 2021-04-22 CN CN202110462829.3A patent/CN113160103B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113160103A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8090214B2 (en) | Method for automatic detection and correction of halo artifacts in images | |
CN110706174B (zh) | 一种图像增强方法、终端设备及存储介质 | |
CN112819702B (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
WO2015106700A1 (en) | Method and apparatus for implementing image denoising | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
WO2017100971A1 (zh) | 一种失焦模糊图像的去模糊方法和装置 | |
CN109035167B (zh) | 对图像中的多个人脸进行处理的方法、装置、设备和介质 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN112053302A (zh) | 高光谱图像的去噪方法、装置及存储介质 | |
CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN113344801A (zh) | 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质 | |
CN113160103B (zh) | 图像处理方法及装置、存储介质、终端 | |
CN111696064A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN109712134B (zh) | 虹膜图像质量评价方法、装置及电子设备 | |
CN115965544A (zh) | 自适应亮度调节的图像增强方法及系统 | |
CN113011433B (zh) | 一种滤波参数调整方法及装置 | |
CN113888438A (zh) | 图像处理方法、装置及存储介质 | |
CN113744294A (zh) | 图像处理方法及相关装置 | |
CN113438386B (zh) | 一种应用于视频处理的动静判定方法及装置 | |
CN111415317A (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN111754413A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN114219774B (zh) | 图像质量评估方法、装置、终端及计算机可读存储介质 | |
CN111915497B (zh) | 一种图像黑白增强方法、装置、电子设备和可读存储介质 | |
CN115564682A (zh) | 一种光照不均图像增强方法及系统 |
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 |