CN113344803A - 图像调节方法、装置、电子装置和存储介质 - Google Patents
图像调节方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN113344803A CN113344803A CN202110498730.9A CN202110498730A CN113344803A CN 113344803 A CN113344803 A CN 113344803A CN 202110498730 A CN202110498730 A CN 202110498730A CN 113344803 A CN113344803 A CN 113344803A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- pixel
- adjusting
- adjusted
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 13
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000012549 training Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 7
- 230000006872 improvement Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本申请涉及一种图像调节方法,其中,该图像调节方法包括:获取待调节图像,所述待调节图像存在亮度不均匀区域;基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像;将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节,得到目标图像。通过本申请,解决了现有技术中识别精度的提升效果不明显、算法复杂度高、计算成本高的问题,无需增加训练样本,计算简单,耗时短,并且能够提升图像质量,最终有效提高识别精度。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及图像调节方法、装置、电子装置和存储介质。
背景技术
车牌识别是智能交通领域不可或缺的一部分。随着深度学习在计算机视觉与图像处理领域的广泛应用,车牌的检测、识别、分类等任务往往都引入了卷积神经网络。基于卷积神经网络的车牌识别算法通过大量的训练样本以及深层卷积特征对车牌进行识别,具有识别精度高、无需手工设置图像特征等优势。但是,基于卷积神经网络的识别算法需要通过大量的训练样本进行学习,因此训练样本的质量直接影响到了识别结果。在实际任务中,由于待识别图像存在光照、遮挡等情形,导致样本图像存在亮度不均匀的情况,因此训练样本的图像质量较差,识别算法往往不能准确地对车牌进行识别。
为了解决光照、遮挡导致的样本图像亮度不均匀的问题,传统改进方式都是在图像识别算法中嵌入图像调整算法,对待识别车牌图像进行调整,以提高训练样本的质量。但是,这种方式对识别精度的提升效果并不明显,同时,增加了算法的复杂程度和计算成本。
针对相关技术中存在的识别精度的提升效果不明显、算法复杂度高、计算成本高的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种图像调节方法、装置、电子装置和存储介质,以解决相关技术中识别精度的提升效果不明显、算法复杂度高、计算成本高的问题。
第一个方面,在本实施例中提供了一种图像调节方法,包括:
获取待调节图像,所述待调节图像存在亮度不均匀区域;
基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像;
将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节,得到目标图像。
在其中的一些实施例中,所述基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像之前包括:
获取所述待调节图像中像素值超过第一阈值的像素点的像素平均值,得到第一像素值;
获取所述待调节图像中像素值最大的像素点的第二像素值;
基于所述第一像素值以及第二像素值得到所述第一调节比例。
在其中的一些实施例中,所述基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像之前还包括:
分别获取所述待调节图像中像素值超过第一阈值的基准像素点,并分别计算所述基准像素点的R通道、G通道以及B通道的像素平均值;
分别获取所述待调节图像中R通道、G通道以及B通道的最大像素值;
基于所述像素平均值以及所述最大像素值分别得到R通道、G通道以及B通道的调节比例。
在其中的一些实施例中,所述分别获取所述待调节图像中像素值超过第一阈值的基准像素点之前还包括:
基于所述待调节图像获取R通道、G通道以及B通道的像素值的直方图;
基于所述直方图获取所述第一阈值。
在其中的一些实施例中,所述获取待调节图像包括:
将原始图像转化为灰度图像,并基于所述灰度图像得到灰度直方图;
基于所述灰度直方图计算所述灰度图像像素点灰度值的方差;
基于所述方差判断所述待调节图像是否存在亮度不均匀区域;
若存在亮度不均匀区域,则作为待调节图像。
在其中的一些实施例中,所述将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节包括:
将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,若所述像素点的亮度小于所述预设亮度阈值,则基于预设调节比例增大所述像素点的亮度;
若所述像素点的亮度大于所述预设亮度阈值,则基于预设调节比例减小所述像素点的亮度。
在其中的一些实施例中,所述将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节,得到目标图像之后还包括:
基于所述目标图像进行识别,得到识别结果。
第二个方面,在本实施例中提供了一种图像调节装置,包括:
获取模块,用于获取待调节图像,所述待调节图像存在亮度不均匀区域;
调节模块,用于基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像;
比较模块,用于将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节,得到目标图像。
第三个方面,在本实施例中提供了一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的图像调节方法。
第四个方面,在本实施例中提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的图像调节方法。
与相关技术相比,在本实施例中提供的图像调节方法、装置、电子装置和存储介质,获取待调节图像,所述待调节图像存在亮度不均匀区域;基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像;将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节,得到目标图像。通过对图像进行亮度调节得到全局调节图像并对其所有像素点进行阈值比较得到目标图像,解决了现有技术中识别精度的提升效果不明显、算法复杂度高、计算成本高的问题,无需增加训练样本,计算简单,耗时短,并且能够提升图像质量,最终有效提高识别精度。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本发明一实施例的图像调节方法的终端的硬件结构框图;
图2是本发明一实施例的图像调节方法的流程示意图;
图3是本发明一实施例的图像调节装置的结构示意图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”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。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的图像调节方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的图像调节方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
请参阅图2,图2为本发明一实施例的图像调节方法的流程示意图。
在本实施例中,图像调节方法包括:
S202,获取待调节图像,待调节图像存在亮度不均匀区域。
可以理解的,由于存在光照、遮挡等情形,导致待调节图像存在亮度不均匀区域,直接对待调节图像进行识别往往无法得到准确结果,因此,需要对待调节图像进行调节后再进行图像识别,以提高图像识别的准确率。
S204,基于第一调节比例对待调节图像的所有像素点进行亮度调节,得到全局调节图像。
示例性地,第一调节比例可以是根据图像的像素点的亮度分布情况确定的,也可以是人为进行设定的,本发明对此不作限定。可以理解的,基于第一调节比例对待调节图像的所有像素点进行亮度调节,可以避免待调节图像的亮度过高或者过低,从而避免图像失真。
S206,将全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个像素点的亮度进行调节,得到目标图像。
示例性地,预设亮度阈值可以是根据图像的像素点的亮度分布情况确定的,也可以是人为进行设定的,本发明对此不作限定。可以理解的,将全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个像素点的亮度进行调节,可以降低全局调节图像的像素点亮度值的离散程度,减少光斑、阴影等情形对图像质量的影响。
上述图像调节方法、装置、电子装置和存储介质,获取待调节图像,待调节图像存在亮度不均匀区域;基于第一调节比例对待调节图像的所有像素点进行亮度调节,得到全局调节图像;将全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个像素点的亮度进行调节,得到目标图像。通过对图像进行亮度调节得到全局调节图像并对其所有像素点进行阈值比较得到目标图像,解决了现有技术中识别精度的提升效果不明显、算法复杂度高、计算成本高的问题,无需增加训练样本,计算简单,耗时短,并且能够提升图像质量,最终有效提高识别精度。
在另一个实施例中,基于第一调节比例对待调节图像的所有像素点进行亮度调节,得到全局调节图像之前包括:
步骤1,获取待调节图像中像素值超过第一阈值的像素点的像素平均值,得到第一像素值;
步骤2,获取待调节图像中像素值最大的像素点的第二像素值;
步骤3,基于第一像素值以及第二像素值得到第一调节比例。
示例性地,统计待调节图像中的像素值并对像素点进行排序,若像素值超过第一阈值,则将对应的像素点计入集合S。可以理解的,像素值超过第一阈值的像素点为待调节图像中亮度值较高的像素点。统计集合S中像素点的像素值,并计算像素平均值,作为第一像素值。获取待调节图像中像素值最大的像素点,作为第二像素值。基于第一像素值以及第二像素值得到第一调节比例。
具体的,第一调节比例是第二像素值与第一像素值的比值。可以理解的,通过待调节图像中像素值最高的像素点的像素值与亮度值较高的像素区域平均像素值的比值,可以将第一调节比例限定在一个合适的范围内,既不至于使得亮度过高的像素点的提升幅度太大,又不至于使得亮度过低的像素点的提升幅度太小,从而将待调节图像的整体调节幅度控制在适当范围内。
具体的,待调节图像中计入集合S的像素点的像素平均值即第一像素值为S_avg,待调节图像中像素值最大的像素点的像素值即第二像素值为L_max,则第一调节比例:
可以理解的,第一调节比例参考待调节图像中亮度较大的区域与亮度值最大的点进行一定比例的放大。考虑极端情况下,图像的所有像素的像素值均相同,那么:
这种情形下,本实施例将不会对待调节图像进行调节。进一步理解,当图像不存在亮度不均匀区域时,即图像的像素值趋于相同时,第一调节比例越接近1,本实施例的调节幅度越小;当图像存在亮度不均匀区域时,即图像的像素值的差异程度越高时,第一调节比例越大,本实施例的调节幅度越大。因此,通过第一调节比例,可以有效调节存在亮度不均匀区域的图像中亮度值较低的区域,得到全局调节图像。
本实施例通过第一像素值和第二像素值确定第一调节比例,解决了待调节图像中局部过暗的问题,避免了图像失真。
在另一个实施例中,基于第一调节比例对待调节图像的所有像素点进行亮度调节,得到全局调节图像之前还包括:
步骤1:分别获取待调节图像中像素值超过第一阈值的基准像素点,并分别计算基准像素点的R通道、G通道以及B通道的像素平均值;
步骤2:分别获取待调节图像中R通道、G通道以及B通道的最大像素值;
步骤3:基于像素平均值以及最大像素值分别得到R通道、G通道以及B通道的调节比例。
示例性地,统计待调节图像中的像素值并基于像素值大小对像素点进行排序,其中像素值为R通道、G通道以及B通道的像素值之和。若像素值超过第一阈值,则将对应的像素点作为基准像素点计入集合S,并计算集合S中的基准像素点R通道、G通道以及B通道的像素平均值。分别获取待调节图像中R通道、G通道以及B通道的最大像素值。基于像素平均值以及最大像素值分别得到R通道、G通道以及B通道的调节比例。
具体的,首先基于像素值对待调节图像的像素点进行排序,其中像素值为R通道、G通道以及B通道的像素值之和。获取像素值与第一阈值的大小关系。可以理解的,第一阈值可以是根据图像的像素点的亮度分布情况确定的,也可以是人为进行设定的,本发明对此不作限定。具体的,遍历待调节图像,获取每个像素点R通道、G通道以及B通道的像素值。若像素点R通道、G通道以及B通道的像素值之和大于第一阈值,则将该像素点作为基准像素点计入集合S。分别计算集合S中所有基准像素点R通道、G通道以及B通道的像素平均值R_avg、G_avg、B_avg。
其次,分别获取待调节图像中R通道、G通道以及B通道的最大像素值R_max、G_max、B_max。
最后,基于像素平均值以及最大像素值分别得到R通道、G通道以及B通道的调节比例:
其中,K为调节比例,i表示通道。
具体的,将调节比例作为第一调节比例,对待调节图像的所有像素点进行亮度调节,得到全局调节图像:
valall(i,x,y)=K*valold(i,x,y)
其中,x,y表示像素的坐标位置。可以理解的,本实施例可以通过遍历待调节图像的各个通道,通过第一调节比例对各个通道的每个像素进行调节,最终得到全局调节图像。
应当说明的是,本实施例基于待调节图像的RGB通道对图像像素点进行调节仅仅是对待调节图像的所有像素点进行亮度调节的一个具体实施例,除此之外也可以通过颜色模型HSV、色彩模式HSL、YUV色彩模型等技术手段实现亮度调节。
示例性地,通过YUV色彩模型对待调节图像进行亮度调节。YUV色彩模型具有三个通道:一个表示亮度的通道和两个表示颜色的通道。具体的,统计待调节图像的YUV色彩模型的亮度通道数值并基于亮度值对像素点进行排序,若亮度值超过第一阈值,则将对应的像素点计入集合S。统计集合S中像素点的亮度值,并计算亮度平均值,作为第一亮度值。获取待调节图像YUV色彩模型中亮度通道的最大亮度值,作为第二亮度值。基于第一亮度值以及第二亮度值得到第一调节比例。具体的,第一调节比例是第二亮度值与第一亮度值的比值。
本实施例基于RGB模型给出了像素平均值与像素最大值的计算方法,解决了图像调节中如何确定调节比例的问题,进一步提升了图像调节的效果。
在另一个实施例中,分别获取待调节图像中像素值超过第一阈值的基准像素点之前还包括:
步骤1:基于待调节图像获取R通道、G通道以及B通道的像素值的直方图;
步骤2:基于直方图获取第一阈值。
示例性地,获取待调节图像的RGB通道直方图。通道直方图包括红色通道直方图、绿色通道直方图和蓝色通道直方图,用来表示各个通道中某个像素值或者某段像素值出现的频数。像素值越高的像素点的出现频数越高,说明图像中亮度值高的像素点越多,图像亮度越高;反之,图像越暗。RGB通道直方图就是红色通道直方图、绿色通道直方图和蓝色通道直方图三者的叠加。获取像素值在前10%的像素点的直方图阈值作为第一阈值。在其他实施例中,第一阈值可以是根据图像的像素点的亮度分布情况确定的,也可以是人为进行设定的,本发明对此不作限定。
在另一个实施例中,获取待调节图像包括:
步骤1:将原始图像转化为灰度图像,并基于灰度图像得到灰度直方图;
步骤2:基于灰度直方图计算灰度图像像素点灰度值的方差;
步骤3:基于方差判断图像是否存在亮度不均匀区域。
示例性地,获取原始图像后,对原始图像进行灰度转换,并基于转换后的灰度图像得到灰度直方图。灰度直方图表示灰度图像的像素点的某一个或者某一段像素值出现的频数。基于灰度图像的统计结果计算灰度图像像素点灰度值的方差,方差表示灰度图像像素点的像素值的离散程度。基于方差判断图像是否存在光照不均区域。
可以理解的,若图像存在亮度不均匀区域,则图像像素点的像素值的离散程度较高。具体的,若方差超过离散阈值,则判定图像存在亮度不均匀区域。其中,离散阈值可以通过历史数据计算得出。具体的,获取训练样本在没有经过图像调节的情形下的识别结果,得到识别结果存在误差的样本图像。计算该样本图像的像素值的方差,并对方差结果进行排序。获取方差值最低的前10%的方差,并计算其平均值,将该平均值作为离散阈值。
在另一个实施例中,将全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个像素点的亮度进行调节包括:
步骤1:将全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,若像素点的亮度小于预设亮度阈值,则基于预设调节比例增大像素点的亮度;
步骤2:若像素点的亮度大于预设亮度阈值,则基于预设调节比例减小像素点的亮度。
示例性地,得到全局调节图像后,遍历图像,获取全局调节图像每个通道像素的亮度值,并将像素的亮度值与预设亮度阈值进行比较。预设亮度阈值可以是根据图像的像素点的亮度分布情况确定的,也可以是人为进行设定的,本发明对此不作限定。若像素点的亮度值小于预设亮度阈值,则基于预设调节比例对像素点的亮度值进行提高,若像素点的亮度值大于预设亮度阈值,则基于预设调节比例对像素点的亮度值进行降低,从而降低亮度值大的像素点的亮度,提高亮度值小的像素点的亮度,以实现对图像亮度不均匀区域的调节。
具体的,获取全局调节图像的各个通道的像素点的像素值valall(x,y)以及预设亮度阈值384K_avg,其中valall(x,y)为像素点的各个通道的像素值之和,K_avg为上述各个通道的调节比例的平均值。若valall(x,y)>384K_avg,说明全局调节图像的像素点的亮度过高,因此将该像素点的亮度值降低;若valall(x,y)<384K_avg,说明全局调节图像的像素点的亮度过低,因此将该像素点的亮度值提高。
具体的,本实施例还包括另一个具体实施例。将待调节图像转化为灰度图像,并对灰度图像的每个像素值进行取反,得到灰度取反图像:
Mask(x,y)=255-val(x,y)
其中,x,y表示像素点的坐标位置,Mask(x,y)表示灰度取反图像,val(x,y)表示灰度图像。
基于灰度取反图像的每个像素点的亮度与预设亮度阈值的关系,对全局调节图像的每个像素值进行调整:
其中,valnew(i,x,y)表示目标图像,128为预设亮度阈值。可以理解的,当Mask(x,y)>128时,说明待调节图像中的该像素点的亮度较低,因此将全局调节图像的对应像素值提高;当Mask(x,y)<128时,说明待调节图像中的该像素点的亮度较高,因此将全局调节图像的对应像素值降低,当Mask(x,y)=128时,全局调节图像的像素值不变。
本实施例通过将全局调节图像的像素点的亮度与预设亮度阈值进行比较,从而调整全局调节图像得到目标图像,对亮度值大的像素点进行抑制,对亮度值小的像素点就进行提升,从而实现了亮度不均匀的亮暗区域的均衡。
在另一个实施例中,将全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个像素点的亮度进行调节,得到目标图像之后还包括:
步骤1:基于目标图像进行识别,得到识别结果。
示例性地,通过深度学习网络,对目标图像进行识别,并输出识别结果。
具体的,通过区域推荐算法生成建议区域,进而分割出仅包括待识别目标的图像。通过区域推荐算法可以有效去除图像中的背景部分,避免图像冗余信息过多从而影响后续的图像亮度调节。然后对建议区域进行图像调节得到目标图像。最后将目标图像输入卷积神经网络提取图像特征,并基于图像特征进行分类,得到识别结果。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种图像调节装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是本实施例的图像调节装置的结构框图,如图3所示,该装置包括:
获取模块10,用于获取待调节图像,待调节图像存在亮度不均匀区域;
获取模块10,还用于将原始图像转化为灰度图像,并基于灰度图像得到灰度直方图;
基于灰度直方图计算灰度图像像素点灰度值的方差;
基于方差判断图像是否存在亮度不均匀区域;
调节模块20,用于基于第一调节比例对待调节图像的所有像素点进行亮度调节,得到全局调节图像;
比较模块30,用于将全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个像素点的亮度进行调节,得到目标图像;
比较模块30,还用于将全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,若像素点的亮度小于预设亮度阈值,则基于预设调节比例增大像素点的亮度;
若像素点的亮度大于预设亮度阈值,则基于预设调节比例减小像素点的亮度;
图像调节装置,还包括第一调节比例获取模块;
第一调节比例获取模块,用于获取待调节图像中像素值超过第一阈值的像素点的像素平均值,得到第一像素值;
获取待调节图像中像素值最大的像素点的第二像素值;
基于第一像素值以及第二像素值得到第一调节比例;
图像调节装置,还包括通道调节比例获取模块;
道调节比例获取模块,用于分别获取待调节图像中像素值超过第一阈值的基准像素点,并分别计算基准像素点的R通道、G通道以及B通道的像素平均值;
分别获取待调节图像中R通道、G通道以及B通道的最大像素值;
基于像素平均值以及最大像素值分别得到R通道、G通道以及B通道的调节比例;
图像调节装置,还包括第一阈值获取模块;
第一阈值获取模块,用于基于待调节图像获取R通道、G通道以及B通道的像素值的直方图;
基于直方图获取第一阈值;
图像调节装置,还包括识别模块;
识别模块,用于基于目标图像进行识别,得到识别结果。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取待调节图像,待调节图像存在亮度不均匀区域;
S2,基于第一调节比例对待调节图像的所有像素点进行亮度调节,得到全局调节图像;
S3,将全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个像素点的亮度进行调节,得到目标图像。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的图像调节方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种图像调节方法。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对专利保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像调节方法,其特征在于,包括:
获取待调节图像,所述待调节图像存在亮度不均匀区域;
基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像;
将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节,得到目标图像。
2.根据权利要求1所述的图像调节方法,其特征在于,所述基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像之前包括:
获取所述待调节图像中像素值超过第一阈值的像素点的像素平均值,得到第一像素值;
获取所述待调节图像中像素值最大的像素点的第二像素值;
基于所述第一像素值以及第二像素值得到所述第一调节比例。
3.根据权利要求1所述的图像调节方法,其特征在于,所述基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像之前还包括:
分别获取所述待调节图像中像素值超过第一阈值的基准像素点,并分别计算所述基准像素点的R通道、G通道以及B通道的像素平均值;
分别获取所述待调节图像中R通道、G通道以及B通道的最大像素值;
基于所述像素平均值以及所述最大像素值分别得到R通道、G通道以及B通道的调节比例。
4.根据权利要求3所述的图像调节方法,其特征在于,所述分别获取所述待调节图像中像素值超过第一阈值的基准像素点之前还包括:
基于所述待调节图像获取R通道、G通道以及B通道的像素值的直方图;
基于所述直方图获取所述第一阈值。
5.根据权利要求1所述的图像调节方法,其特征在于,所述获取待调节图像包括:
将原始图像转化为灰度图像,并基于所述灰度图像得到灰度直方图;
基于所述灰度直方图计算所述灰度图像像素点灰度值的方差;
基于所述方差判断所述待调节图像是否存在亮度不均匀区域;
若存在亮度不均匀区域,则作为待调节图像。
6.根据权利要求1所述的图像调节方法,其特征在于,所述将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节包括:
将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,若所述像素点的亮度小于所述预设亮度阈值,则基于预设调节比例增大所述像素点的亮度;
若所述像素点的亮度大于所述预设亮度阈值,则基于预设调节比例减小所述像素点的亮度。
7.根据权利要求1所述的图像调节方法,其特征在于,所述将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节,得到目标图像之后还包括:
基于所述目标图像进行识别,得到识别结果。
8.一种图像调节装置,其特征在于,包括:
获取模块,用于获取待调节图像,所述待调节图像存在亮度不均匀区域;
调节模块,用于基于第一调节比例对所述待调节图像的所有像素点进行亮度调节,得到全局调节图像;
比较模块,用于将所述全局调节图像的每个像素点的亮度与预设亮度阈值进行比较,并基于比较结果对每个所述像素点的亮度进行调节,得到目标图像。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的图像调节方法。
10.一种计算机可读存储介质,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执行时实现权利要求1至7中任一项所述的图像调节方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110498730.9A CN113344803B (zh) | 2021-05-08 | 2021-05-08 | 图像调节方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110498730.9A CN113344803B (zh) | 2021-05-08 | 2021-05-08 | 图像调节方法、装置、电子装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113344803A true CN113344803A (zh) | 2021-09-03 |
CN113344803B CN113344803B (zh) | 2024-03-19 |
Family
ID=77469900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110498730.9A Active CN113344803B (zh) | 2021-05-08 | 2021-05-08 | 图像调节方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344803B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429476A (zh) * | 2022-01-25 | 2022-05-03 | 惠州Tcl移动通信有限公司 | 图像处理方法、装置、计算机设备以及存储介质 |
CN114584701A (zh) * | 2021-11-26 | 2022-06-03 | 钧捷科技(北京)有限公司 | 采用fpga实现图像直方图的调节以及动态范围扩展的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080118176A1 (en) * | 2006-11-21 | 2008-05-22 | Wintek Corporation | Adjusting apparatus for enhancing the contrast of image and method therefor |
CN102723054A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | Led显示屏非均匀性在线校正系统和校正方法 |
CN107451979A (zh) * | 2017-08-08 | 2017-12-08 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置和存储介质 |
US20200058111A1 (en) * | 2018-08-20 | 2020-02-20 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Image Processing Method, Storage Medium, and Electronic Apparatus |
CN111260601A (zh) * | 2020-02-12 | 2020-06-09 | 北京字节跳动网络技术有限公司 | 图像融合方法、装置、可读介质及电子设备 |
WO2021077963A1 (zh) * | 2019-10-25 | 2021-04-29 | 北京迈格威科技有限公司 | 图像融合的方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-05-08 CN CN202110498730.9A patent/CN113344803B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080118176A1 (en) * | 2006-11-21 | 2008-05-22 | Wintek Corporation | Adjusting apparatus for enhancing the contrast of image and method therefor |
CN102723054A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | Led显示屏非均匀性在线校正系统和校正方法 |
CN107451979A (zh) * | 2017-08-08 | 2017-12-08 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置和存储介质 |
US20200058111A1 (en) * | 2018-08-20 | 2020-02-20 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Image Processing Method, Storage Medium, and Electronic Apparatus |
WO2021077963A1 (zh) * | 2019-10-25 | 2021-04-29 | 北京迈格威科技有限公司 | 图像融合的方法、装置、电子设备及可读存储介质 |
CN111260601A (zh) * | 2020-02-12 | 2020-06-09 | 北京字节跳动网络技术有限公司 | 图像融合方法、装置、可读介质及电子设备 |
Non-Patent Citations (3)
Title |
---|
MEI ZHOU,ET AL: "Color Retinal Image Enhancement Based on Luminosity and Contrast Adjustment", IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol. 65, no. 3, pages 134 * |
杨可明: "遥感原理与应用", 中国矿业大学出版社, pages: 134 * |
林森,等: "基于优势特征图像融合的水下光学图像增强", 光子学报, vol. 49, no. 3 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114584701A (zh) * | 2021-11-26 | 2022-06-03 | 钧捷科技(北京)有限公司 | 采用fpga实现图像直方图的调节以及动态范围扩展的方法 |
CN114429476A (zh) * | 2022-01-25 | 2022-05-03 | 惠州Tcl移动通信有限公司 | 图像处理方法、装置、计算机设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113344803B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017121018A1 (zh) | 二维码图像处理的方法和装置、终端、存储介质 | |
CN113344803A (zh) | 图像调节方法、装置、电子装置和存储介质 | |
CN107292307B (zh) | 一种倒置汉字验证码自动识别方法及系统 | |
CN114648594B (zh) | 一种基于图像识别的纺织品颜色检测方法及系统 | |
CN100341313C (zh) | 判定影像的颜色组成的方法 | |
CN103646392B (zh) | 逆光检测方法及设备 | |
CN103810722A (zh) | 结合改进的lbp纹理和色度信息的运动目标检测方法 | |
CN110490204B (zh) | 图像处理方法、图像处理装置及终端 | |
CN104200431A (zh) | 图像灰度化的处理方法及处理装置 | |
CN114926661B (zh) | 一种纺织品表面颜色数据处理、识别方法及系统 | |
CN109584191A (zh) | 一种基于直方图的自适应图像增强方法及终端 | |
CN113610934B (zh) | 图像亮度调整方法、装置、设备及存储介质 | |
CN115496668A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111311500A (zh) | 一种对图像进行颜色还原的方法和装置 | |
CN103971134A (zh) | 图像分类、检索和校正方法,以及相应装置 | |
CN109903210A (zh) | 水印的去除方法、装置和服务器 | |
CN111712021A (zh) | 一种美术馆灯光智能调节方法、装置和系统 | |
CN110766636B (zh) | 一种用于ai芯片的智能图像处理方法 | |
CN118429239A (zh) | 基于自适应环境调控的图像增强方法及系统 | |
CN112699760B (zh) | 一种脸部目标区域检测方法、装置和设备 | |
CN112016621B (zh) | 分类模型的训练方法、颜色的分类方法及电子设备 | |
CN109493830B (zh) | 一种显示面板的调节方法、调节系统及显示装置 | |
CN115254674B (zh) | 一种轴承缺陷分选方法 | |
KR100488014B1 (ko) | YCrCb 칼라 기반 얼굴 영역 추출 방법 | |
CN114820707A (zh) | 一种用于摄像头目标自动追踪的计算方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |