CN113449730A - 图像处理方法、系统、自动行走设备及可读存储介质 - Google Patents
图像处理方法、系统、自动行走设备及可读存储介质 Download PDFInfo
- Publication number
- CN113449730A CN113449730A CN202010227211.4A CN202010227211A CN113449730A CN 113449730 A CN113449730 A CN 113449730A CN 202010227211 A CN202010227211 A CN 202010227211A CN 113449730 A CN113449730 A CN 113449730A
- Authority
- CN
- China
- Prior art keywords
- characteristic value
- value
- initial
- channel characteristic
- image
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 8
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 102220470087 Ribonucleoside-diphosphate reductase subunit M2_S20A_mutation Human genes 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- MXWJVTOOROXGIU-UHFFFAOYSA-N atrazine Chemical compound CCNC1=NC(Cl)=NC(NC(C)C)=N1 MXWJVTOOROXGIU-UHFFFAOYSA-N 0.000 description 1
- 102220352372 c.148T>G Human genes 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005507 spraying Methods 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法、系统、自动行走设备及可读存储介质,所述图像处理方法包括以下步骤:将原始图像进行预处理以识别每个像素点为亮区像素点或暗区像素点,并提取每个像素点的初始H通道特征值、初始S通道特征值和初始V通道特征值;计算亮区平均像素亮度强度ValueB与暗区平均像素亮度强度ValueS;根据亮区平均像素亮度强度、暗区平均像素亮度强度获取亮度补偿值OffsetValue;根据亮度补偿值对初始V通道特征值进行补偿处理以获得补偿后V通道特征值;根据初始H通道特征值、初始S通道特征值和补偿后V通道特征值进行合成处理与转换处理以获得去阴影边界的图像。本发明通过亮度补偿值调整V通道特征值以消除图像的阴影边界,避免因图像的阴影边界导致边界系统误判。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种可消除图像的阴影边界的图像处理方法、系统、自动行走设备及可读存储介质。
背景技术
自动行走设备(例如割草机,吸尘器)通过图像识别边界,但由于光线条件使树、房屋会在草地上形成不同程度的阴影分界线,阴影分界线属于图像识别的干扰信息,自动行走设备容易将阴影分界线误判为边界,从而无法进入或者走出阴影区域完成作业。
去阴影在一定程度上可以通过图像增强实现,如同态滤波、直方图均衡化、基于拉普拉斯算子的图像增强、基于对数变换的图像增强以及基于伽马变换的图像增强。例如,中国专利申请CN201310689070.8揭露一种基于亮度基准漂移的全天候交通图像增强方法,充分考虑监控图像与光照强度和拍摄时间之间的相互关系,分析光照的总体变化和实时变化,分别得到亮度基准曲线和亮度实时反馈,并加权得到当前时刻的亮度基准值,在对交通监控图像增强之前,先把图像从RGB色彩空间转换到HSV色彩空间,在保持图像色度信息不变的基础上,运用亮度基准值对亮度分量分割,得到低亮度区和高亮度区,并分别求取每个亮度级的漂移参数,每个亮度级乘以对应亮度级的漂移参数得到增强后的亮度级,最后图像转换到RGB色彩空间得到增强后的图片。
但是,中国专利申请CN201310689070.8中用于亮度区域划分的阈值为通过亮度基准曲线L(t)取得的亮度基准值,亮度基准曲线L(t)的算法计算量大,影响图片处理速度。
发明内容
本发明提供一种图像处理方法、系统、自动行走设备及可读存储介质,避免因图像的阴影边界导致边界系统误判。
本发明提供一种图像处理方法;其包括以下步骤:
将原始图像进行预处理以识别每个像素点为亮区像素点或暗区像素点,并提取每个像素点的初始H通道特征值、初始S通道特征值和初始V通道特征值;
根据亮区像素点的初始V通道特征值计算亮区平均像素亮度强度ValueB,根据暗区像素点的初始V通道特征值计算暗区平均像素亮度强度ValueS;
根据亮区平均像素亮度强度、暗区平均像素亮度强度获取亮度补偿值OffsetValue;;
根据亮度补偿值对初始V通道特征值进行补偿处理以获得补偿后V通道特征值;
根据初始H通道特征值、初始S通道特征值和补偿后V通道特征值进行合成处理与转换处理以获得去阴影边界的图像。
可选地,所述将原始图像进行预处理的过程包括以下步骤:
获取RGB图像;
将RGB图像转换为HSV图像,提取HSV图像中每个像素点的特征值,所述特征值包括初始H通道特征值、初始S通道特征值与初始V通道特征值;
根据HSV图像中每个像素点的初始V通道特征值以获得初始V通道图像;
将初始V通道图像进行二值化处理,获得二值化图像;
判断二值化图像中像素点的亮度强度值是否大于预设阈值,以识别每个像素点为亮区像素点或暗区像素点,二值化图像中像素点的亮度强度值大于预设阈值,则为亮区像素点,而二值化图像中像素点的亮度强度值不大于预设阈值,则为暗区像素点。
可选地,在识别亮区像素点或暗区像素点后,还包括:
判断所有像素点是否全为亮区像素点或暗区像素点;若是,则结束本次流程;若否,则继续执行后面的补偿流程。
可选地,在识别亮区像素点或暗区像素点后,还包括:
根据S通道特征值筛选出预处理的像素点,其中,预处理的像素点中所有亮区像素点为第一像素点组合,预处理的像素点中所有暗区像素点为第二像素点组合;
则后续流程中,用于计算亮区平均像素亮度强度的亮区像素点为第一像素点组合的亮区像素点;用于计算暗区平均像素亮度强度的暗区像素点为第二像素点组合的暗区像素点。
可选地,预设若干亮度强度差值分段区间,且所述获取亮度补偿值的过程包括:
计算亮区平均像素亮度强度ValueB与暗区平均像素亮度强度ValueS的亮度强度差值DiffValue=ValueB-ValueS;
识别亮度强度差值DiffValue所对应的亮度强度差值分段区间,并根据亮度强度差值分段区间选取相应的调整参数K;
根据所述亮度强度差值DiffValue、调整参数K及预设算法获取亮度补偿值OffsetValue,且所述预设算法为:OffsetValue=K*DiffValue。
可选地,根据亮度补偿值对亮区像素点和/或暗区像素点的初始V通道特征值进行补偿处理,根据亮度补偿值对亮区像素点的初始V通道特征值进行减弱补偿处理:补偿后V通道特征值=初始V通道特征值-亮度补偿值,根据亮度补偿值对暗区像素点的初始V通道特征值进行增强补偿处理:补偿后V通道特征值=初始V通道特征值+亮度补偿值。
可选地,所述合成处理为根据H通道特征值、S通道特征值、补偿后V通道特征值,以获得去阴影边界的HSV图像;所述转换处理为将去阴影HSV图像转换为去阴影边界的RGB图像。
本发明还提供一种图像处理系统,包括:
预处理模块,其用于将原始图像进行预处理以识别每个像素点为亮区像素点或暗区像素点,并用于提取每个像素点的初始H通道特征值、初始S通道特征值和初始V通道特征值;
亮度补偿模块,其用于根据亮区像素点的V通道特征值计算亮区平均像素亮度强度ValueB,根据暗区像素点的V通道特征值计算暗区平均像素亮度强度 ValueS;并根据亮区平均像素亮度强度、暗区平均像素亮度强度获取亮度补偿值OffsetValue;根据亮度补偿值对初始V通道特征值进行补偿处理以获得补偿后V通道特征值;
图像生成模块,其用于根据初始H通道特征值、初始S通道特征值和补偿后V通道特征值进行合成处理与转换处理以获得去阴影边界的图像。
本发明又提供一种自动行走设备,包括存储器和处理器,所述存储器存储有计算机程序,且所述处理器执行所述计算机程序时实现所述图像处理方法的步骤。
本发明又提供一种可读存储介质,其上存储有计算机程序,且所述计算机程序被处理器执行时实现所述图像处理方法的步骤。
相较于现有技术,本发明通过亮度补偿值调整V通道特征值以消除图像的阴影边界,避免因图像的阴影边界导致边界系统误判。本发明可将二值化图像中的像素点的亮度强度值与预设阈值进行比较处理,可识别亮区像素点/暗区像素点,且所述预设阈值的取值范围不受限制。本发明中设置的预设算法的计算量小,图片处理速度快。本发明通过设置亮度强度差值分段区间,通过亮度强度差值与亮度强度差值分段区间的识别获取不同的亮度补偿值,从而实现自适应的补偿效果。
附图说明
图1为本发明图像处理方法的第一种实施例的流程图;
图2为图1中步骤S10的详细流程图;
图3为图1中步骤S30的详细流程图。
图4为图1中步骤S50的详细流程图;
图5为本发明图像处理方法的第二种实施例的流程图;
图6为本发明图像处理方法的第三种实施例的流程图;
图7为本发明图像处理系统的方框图;
图8为原始图像经预处理后获得的初始V通道图像;
图9为将图8进行预处理后获得的二值化图像;
图10为经补偿处理后获得的去阴影边界的图像。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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实施例,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他实施例,都应当属于本发明保护的范围。
请参阅图1所示,本发明提供一种图像处理方法;其包括以下步骤:
步骤S10:将原始图像进行预处理以识别每个像素点为亮区像素点或暗区像素点,并提取每个像素点的初始H通道特征值、初始S通道特征值和初始V 通道特征值;
步骤S20:根据亮区像素点的初始V通道特征值计算亮区平均像素亮度强度ValueB,根据暗区像素点的初始V通道特征值计算暗区平均像素亮度强度 ValueS;
步骤S30:根据亮区平均像素亮度强度、暗区平均像素亮度强度获取亮度补偿值OffsetValue;
步骤S40:根据亮度补偿值对初始V通道特征值进行补偿处理以获得补偿后V通道特征值;
步骤S50:根据初始H通道特征值、初始S通道特征值和补偿后V通道特征值进行合成处理与转换处理以获得去阴影边界的图像。
在本发明的另一个实施例中,所述步骤S10中的预处理包括二值化处理,将原始图像经二值化处理后获得二值化图像,并将二值化图像中像素点的亮度强度值与预设阈值进行比较处理,根据比较结果以识别亮区像素点/暗区像素点。所述二值化图像中像素点的亮度强度值或为0,或为255,用于识别亮区像素点/暗区像素点的预设阈值的取值范围不受限制,0-255(包括0,包括255) 的任意数值均可。可根据需要设置比较关系,例如,判断像素点的亮度强度值是否大于预设阈值,判断像素点的亮度强度值是否小于预设阈值,判断像素点的亮度强度值是否等于预设阈值。
请参阅图2所示,在本发明的另一个实施例中,所述步骤S10进一步包括以下步骤:
步骤S110:获取RGB图像;
步骤S120:将RGB图像转换为HSV图像,提取HSV图像中每个像素点的特征值,所述特征值包括初始H通道特征值、初始S通道特征值与初始V通道特征值;
步骤S130:根据HSV图像中每个像素点的初始V通道特征值以获得初始 V通道图像(如图8所示);
步骤S140:将初始V通道图像进行二值化处理,获得二值化图像(如图9 所示),例如,可通过OTSU算法(即大津算法,又称最大类间差法)将初始V 通道图像二值化处理;
步骤S150:判断二值化图像中像素点的亮度强度值是否大于预设阈值;若二值化图像中像素点的亮度强度值大于预设阈值,则执行步骤S160;若二值化图像中像素点的亮度强度值不大于预设阈值,则执行步骤S170;
其中,所述二值化图像中像素点的亮度强度值或为0,或为255,用于识别亮区像素点/暗区像素点的预设阈值的取值范围不受限制,0-255(包括0,但不包括255)的任意数值均可。二值化图像中定义二维坐标,每一像素点具有唯一的坐标值。按照预定的顺序遍历带有坐标值的二值化图像,直至将二值化图像中的所有像素点全部判断完成。
步骤S160:识别所述像素点为亮区像素点,并根据所述像素点的坐标值获得初始V通道图像的初始V通道特征值;
步骤S170:识别所述像素点为暗区像素点,并根据所述像素点的坐标值获得初始V通道图像的初始V通道特征值。
在本发明的另一个实施例中,预设若干亮度强度差值分段区间,通过亮度强度差值与亮度强度差值分段区间的识别获取不同的亮度补偿值,从而实现自适应的补偿效果。所述不同亮度补偿值可通过设置若干预设亮度补偿值(定值)获取,也可根据亮度强度差值按照预设算法获取。请参阅图3所示,在本发明的另一个实施例中,预设若干亮度强度差值分段区间,且所述步骤S30 进一步包括以下步骤:
步骤S310:计算亮区平均像素亮度强度ValueB与暗区平均像素亮度强度 ValueS的亮度强度差值DiffValue=ValueB-ValueS;
步骤S320:识别亮度强度差值DiffValue所对应的亮度强度差值分段区间,并根据亮度强度差值分段区间选取相应的调整参数K;
步骤S330:根据所述亮度强度差值DiffValue、调整参数K及预设算法获取亮度补偿值OffsetValue,且所述预设算法为:OffsetValue=K*DiffValue。
所述预设算法设置一个调整参数K,也可根据需要设置多个调整参数K1、 K2,预设算法为:OffsetValue=K1*DiffValue+K2,所述调整参数K1与DiffValue 关联,调整参数K2为定值参数,通过多个调整参数与DiffValue的组合调整,以便于取得更佳的补偿效果。
如表1进行,可根据需要设置亮度强度差值分段区间,通过亮度强度差值分段区间进行分段补偿,根据DiffValue的大小自动选择相应的调整参数K,具有自适应的补偿效果,其中,调整参数K的取值不限于以下数据。
DiffValue | K | OffsetValue |
DiffValue≤valueA | 0.5 | OffsetValue=0.5*DiffValue |
ValueA<DiffValue≤valueB | 1 | OffsetValue=1*DiffValue |
ValueB<DiffValue≤valueC | 1.2 | OffsetValue=1.2*DiffValue |
ValueC<DiffValue | 0.5 | OffsetValue=0.5*DiffValue |
表1
亮度强度差值分段区间的数量及区间的端点值可根据需要而设定,例如,表1通过valueA、valueB、valueC、valueD为端点设置四个亮度强度差值分段区间,当DiffValue识别为其一亮度强度差值分段区间后,便可获知该亮度强度差值分段区间所对应的K,例如,当ValueB<DiffValue≤valueC时,选取 K=1.2,再由预设算法获取亮度补偿值。
在本发明的另一个实施例中,所述步骤S40根据亮度补偿值对亮区像素点和/或暗区像素点的初始V通道特征值进行补偿处理,例如,可只对亮区像素点的初始V通道特征值进行补偿处理,或者,只对暗区像素点的初始V通道特征值进行补偿处理,或者,同时对亮区像素点与暗区像素点的初始V通道特征值进行补偿处理的初始V通道特征值分别进行补偿处理。
亮区像素点:根据亮度补偿值对亮区像素点的初始V通道特征值进行减弱补偿处理:补偿后V通道特征值=初始V通道特征值-亮度补偿值。
暗区像素点:根据亮度补偿值对暗区像素点的初始V通道特征值进行增强补偿处理:补偿后V通道特征值=初始V通道特征值+亮度补偿值。
请参阅图4所示,在本发明的另一个实施例中,所述步骤S50进一步包括:
步骤S510:根据H通道特征值、S通道特征值、补偿后V通道特征值进行合成处理,以获得去阴影边界的HSV图像(如图10所示);
步骤S520:将去阴影HSV图像进行转换处理,以获得去阴影边界的RGB 图像。
请参阅图5所示,在本发明的另一个实施例中,所述步骤S10与步骤 S20之间,还包括:
步骤S15:判断所有像素点是否全为亮区像素点或暗区像素点;若是,则结束本次流程;若否,则执行步骤S20。
通过步骤S15筛选需要补偿和不需补偿的情形,从而优化补偿流程。
请参阅图6所示,在本发明的另一个实施例中,本发明提供一种图像处理方法;其包括以下步骤:
步骤S10:将原始图像进行预处理以识别每个像素点为亮区像素点或暗区像素点,并提取每个像素点的初始H通道特征值、初始S通道特征值和初始V 通道特征值;
步骤S16:根据S通道特征值筛选出预处理的像素点,其中,预处理的像素点中所有亮区像素点为第一像素点组合,预处理的像素点中所有暗区像素点为第二像素点组合;
步骤S20A:根据第一像素点组合的亮区像素点的初始V通道特征值计算亮区平均像素亮度强度ValueB,根据第二像素点组合的暗区像素点的初始V通道特征值计算暗区平均像素亮度强度ValueS;
步骤S30:根据亮区平均像素亮度强度、暗区平均像素亮度强度获取亮度补偿值OffsetValue;
步骤S40:根据亮度补偿值对初始V通道特征值进行补偿处理以获得补偿后V通道特征值;
步骤S50A:根据初始H通道特征值、初始S通道特征值、初始V通道特征值和补偿后V通道特征值进行合成处理与转换处理以获得去阴影边界的图像。
所述筛选条件可根据需要设定,像素点的S通道特征值大于预设S值 satValue(satValue=80),则需对其进行补偿处理,像素点的S通道特征值不大于预设S值satValue(satValue=80),则不需对其进行补偿处理,通过步骤S16 筛选处理以使部分图像中的V通道特征值不受补偿处理影响,即,补偿处理前后,部分图像仍保留初始V通道特征值。通过有选择地进行补偿处理,以避免部分图像的信息丢失。
假设原始图像的部分区域为车体,根据车体的S通道特征值的特征设置筛选条件,筛选处理后,会将车体以外的像素点作为预处理的像素点时,而将车体部分过滤掉,即补偿处理过程,不会对图像中的车体信息进行补偿,车体的像素点特征保持不变,因此,图像中的车体在去阴影前后保持不变。
请参阅图7所示,本发明还提供一种图像处理系统1,包括:
预处理模块10,其用于将原始图像进行预处理以识别每个像素点为亮区像素点或暗区像素点,并用于提取每个像素点的初始H通道特征值、初始S通道特征值和初始V通道特征值;
亮度补偿模块20,其用于根据亮区像素点的V通道特征值计算亮区平均像素亮度强度ValueB,根据暗区像素点的V通道特征值计算暗区平均像素亮度强度ValueS;并根据亮区平均像素亮度强度、暗区平均像素亮度强度获取亮度补偿值OffsetValue;根据亮度补偿值对初始V通道特征值进行补偿处理以获得补偿后V通道特征值;
图像生成模块30,其用于根据初始H通道特征值、初始S通道特征值和补偿后V通道特征值进行合成处理与转换处理以获得去阴影边界的图像。
本发明又提供一种自动行走设备,包括存储器和处理器,所述存储器存储有计算机程序,且所述处理器执行所述计算机程序时实现所述图像处理方法的步骤。本发明的自动行走设备可以是自动割草机,或者自动吸尘器等,也可以为其它设备,如喷洒设备、除雪设备、监视设备等等适合无人值守的设备。
本发明又提供一种可读存储介质,其上存储有计算机程序,且所述计算机程序被处理器执行时实现所述图像处理方法的步骤。
综上所述,本发明通过亮度补偿值调整V通道特征值以消除图像的阴影边界,避免因图像的阴影边界导致边界系统误判。本发明可将二值化图像中的像素点的亮度强度值与预设阈值进行比较处理,可识别亮区像素点/暗区像素点,且所述预设阈值的取值范围不受限制。本发明中设置的预设算法的计算量小,图片处理速度快。本发明通过设置亮度强度差值分段区间,通过亮度强度差值与亮度强度差值分段区间的识别获取不同的亮度补偿值,从而实现自适应的补偿效果。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像处理方法;其特征在于,包括以下步骤:
将原始图像进行预处理以识别每个像素点为亮区像素点或暗区像素点,并提取每个像素点的初始H通道特征值、初始S通道特征值和初始V通道特征值;
根据亮区像素点的初始V通道特征值计算亮区平均像素亮度强度ValueB,根据暗区像素点的初始V通道特征值计算暗区平均像素亮度强度ValueS;
根据亮区平均像素亮度强度、暗区平均像素亮度强度获取亮度补偿值OffsetValue;
根据亮度补偿值对初始V通道特征值进行补偿处理以获得补偿后V通道特征值;
根据初始H通道特征值、初始S通道特征值和补偿后V通道特征值进行合成处理与转换处理以获得去阴影边界的图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述将原始图像进行预处理的过程包括以下步骤:
获取RGB图像;
将RGB图像转换为HSV图像,提取HSV图像中每个像素点的特征值,所述特征值包括初始H通道特征值、初始S通道特征值与初始V通道特征值;
根据HSV图像中每个像素点的初始V通道特征值以获得初始V通道图像;
将初始V通道图像进行二值化处理,获得二值化图像;
判断二值化图像中像素点的亮度强度值是否大于预设阈值,以识别每个像素点为亮区像素点或暗区像素点,二值化图像中像素点的亮度强度值大于预设阈值,则为亮区像素点,而二值化图像中像素点的亮度强度值不大于预设阈值,则为暗区像素点。
3.根据权利要求1所述的图像处理方法,其特征在于,在识别亮区像素点或暗区像素点后,还包括:
判断所有像素点是否全为亮区像素点或暗区像素点;若是,则结束本次流程;若否,则继续执行后面的补偿流程。
4.根据权利要求1所述的图像处理方法,其特征在于,在识别亮区像素点或暗区像素点后,还包括:
根据S通道特征值筛选出预处理的像素点,其中,预处理的像素点中所有亮区像素点为第一像素点组合,预处理的像素点中所有暗区像素点为第二像素点组合;
则后续流程中,用于计算亮区平均像素亮度强度的亮区像素点为第一像素点组合的亮区像素点;用于计算暗区平均像素亮度强度的暗区像素点为第二像素点组合的暗区像素点。
5.根据权利要求1所述的图像处理方法,其特征在于,预设若干亮度强度差值分段区间,且所述获取亮度补偿值的过程包括:
计算亮区平均像素亮度强度ValueB与暗区平均像素亮度强度ValueS的亮度强度差值DiffValue=ValueB-ValueS;
识别亮度强度差值DiffValue所对应的亮度强度差值分段区间,并根据亮度强度差值分段区间选取相应的调整参数K;
根据所述亮度强度差值DiffValue、调整参数K及预设算法获取亮度补偿值OffsetValue,且所述预设算法为:OffsetValue=K*DiffValue。
6.根据权利要求5所述的图像处理方法,其特征在于,根据亮度补偿值对亮区像素点和/或暗区像素点的初始V通道特征值进行补偿处理,根据亮度补偿值对亮区像素点的初始V通道特征值进行减弱补偿处理:补偿后V通道特征值=初始V通道特征值-亮度补偿值,根据亮度补偿值对暗区像素点的初始V通道特征值进行增强补偿处理:补偿后V通道特征值=初始V通道特征值+亮度补偿值。
7.根据权利要求1所述的图像处理方法,其特征在于,所述合成处理为根据H通道特征值、S通道特征值、补偿后V通道特征值,以获得去阴影边界的HSV图像;所述转换处理为将去阴影HSV图像转换为去阴影边界的RGB图像。
8.一种图像处理系统,其特征在于,所述系统包括:
预处理模块,其用于将原始图像进行预处理以识别每个像素点为亮区像素点或暗区像素点,并用于提取每个像素点的初始H通道特征值、初始S通道特征值和初始V通道特征值;
亮度补偿模块,其用于根据亮区像素点的V通道特征值计算亮区平均像素亮度强度ValueB,根据暗区像素点的V通道特征值计算暗区平均像素亮度强度ValueS;并根据亮区平均像素亮度强度、暗区平均像素亮度强度获取亮度补偿值OffsetValue;根据亮度补偿值对初始V通道特征值进行补偿处理以获得补偿后V通道特征值;
图像生成模块,其用于根据初始H通道特征值、初始S通道特征值和补偿后V通道特征值进行合成处理与转换处理以获得去阴影边界的图像。
9.一种自动行走设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述图像处理方法的步骤。
10.一种可读存储介质,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1-7中任一项所述图像处理方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227211.4A CN113449730A (zh) | 2020-03-27 | 2020-03-27 | 图像处理方法、系统、自动行走设备及可读存储介质 |
PCT/CN2020/115847 WO2021189782A1 (zh) | 2020-03-27 | 2020-09-17 | 图像处理方法、系统、自动行走设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227211.4A CN113449730A (zh) | 2020-03-27 | 2020-03-27 | 图像处理方法、系统、自动行走设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113449730A true CN113449730A (zh) | 2021-09-28 |
Family
ID=77807752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010227211.4A Pending CN113449730A (zh) | 2020-03-27 | 2020-03-27 | 图像处理方法、系统、自动行走设备及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113449730A (zh) |
WO (1) | WO2021189782A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677336A (zh) * | 2022-03-10 | 2022-06-28 | 四川省建筑科学研究院有限公司 | 一种基于红外图像的幕墙面板损伤识别方法 |
CN117237239A (zh) * | 2023-11-14 | 2023-12-15 | 南京凯视迈科技有限公司 | 一种拼接图像的暗区消除方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664613B (zh) * | 2023-07-24 | 2023-10-31 | 合肥埃科光电科技股份有限公司 | 一种基于fpga的像素边缘位置检测方法、系统及存储介质 |
CN117059047B (zh) * | 2023-10-12 | 2023-12-22 | 深圳市柯达科电子科技有限公司 | 一种用于lcd显示图像色彩智能调整方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100809347B1 (ko) * | 2006-07-31 | 2008-03-05 | 삼성전자주식회사 | 쉐도우 영역 보상 방법 및 장치 |
CN101236606B (zh) * | 2008-03-07 | 2010-12-08 | 北京中星微电子有限公司 | 视频监控中的阴影消除方法及系统 |
KR101511523B1 (ko) * | 2013-08-26 | 2015-04-13 | 씨제이씨지브이 주식회사 | 영상 중첩 영역의 보정 방법, 기록 매체 및 실행 장치 |
CN104008528B (zh) * | 2014-05-21 | 2016-09-07 | 河海大学常州校区 | 基于阈值分割的非均匀光场水下目标探测图像增强方法 |
CN107742511B (zh) * | 2017-11-08 | 2019-10-15 | 颜色空间(北京)科技有限公司 | 显示屏拼接后模块间视觉缝隙消除的方法以及显示方法 |
CN108830800B (zh) * | 2018-05-09 | 2023-02-28 | 南京邮电大学 | 一种暗光场景下图像的亮度提升增强方法 |
CN108711140B (zh) * | 2018-05-16 | 2021-09-10 | 广东欧谱曼迪科技有限公司 | 一种基于类间方差描述的图像亮度均匀性实时恢复方法 |
-
2020
- 2020-03-27 CN CN202010227211.4A patent/CN113449730A/zh active Pending
- 2020-09-17 WO PCT/CN2020/115847 patent/WO2021189782A1/zh active Application Filing
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677336A (zh) * | 2022-03-10 | 2022-06-28 | 四川省建筑科学研究院有限公司 | 一种基于红外图像的幕墙面板损伤识别方法 |
CN114677336B (zh) * | 2022-03-10 | 2024-04-09 | 四川省建筑科学研究院有限公司 | 一种基于红外图像的幕墙面板损伤识别方法 |
CN117237239A (zh) * | 2023-11-14 | 2023-12-15 | 南京凯视迈科技有限公司 | 一种拼接图像的暗区消除方法 |
CN117237239B (zh) * | 2023-11-14 | 2024-02-02 | 南京凯视迈科技有限公司 | 一种拼接图像的暗区消除方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021189782A1 (zh) | 2021-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113449730A (zh) | 图像处理方法、系统、自动行走设备及可读存储介质 | |
US10088600B2 (en) | Weather recognition method and device based on image information detection | |
CN109064426B (zh) | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 | |
US11700457B2 (en) | Flicker mitigation via image signal processing | |
JP5136474B2 (ja) | 画像処理装置および方法、学習装置および方法、並びに、プログラム | |
CN109087254B (zh) | 无人机航拍图像雾霾天空和白色区域自适应处理方法 | |
WO2019205751A1 (zh) | 图像增强方法 | |
CN112116536A (zh) | 一种低光照图像增强方法及系统 | |
CN101447027B (zh) | 磁码字符区域的二值化方法及其应用 | |
US20080055473A1 (en) | Image processing apparatus and method thereof | |
CN114219732A (zh) | 基于天空区域分割和透射率细化的图像去雾方法及系统 | |
WO2020130799A1 (en) | A system and method for licence plate detection | |
Gu et al. | A general histogram modification framework for efficient contrast enhancement | |
CN110580690B (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
CN111476744A (zh) | 一种基于分类及大气成像模型的水下图像增强方法 | |
CN111666869B (zh) | 一种基于宽动态处理的人脸识别方法、装置及电子设备 | |
KR101516632B1 (ko) | 동영상의 평균 밝기 변화율을 유지하는 시각적 임계치를 이용한 이분할 히스토그램 평활화 장치 | |
CN117274085A (zh) | 低照度图像增强方法及装置 | |
CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
CN115661111A (zh) | 一种胶囊内窥镜胃肠微光图像的自适应增强方法 | |
KR102525546B1 (ko) | 영상 처리 방법 및 이를 수행하는 영상 처리 장치 | |
Lin et al. | Tri-histogram equalization based on first order statistics | |
WO2021217445A1 (zh) | 图像处理方法、装置、系统和存储介质 | |
CN114022856A (zh) | 一种非结构化道路可行驶区域识别方法、电子设备及介质 | |
Peng et al. | Adaptive image enhancement for fluorescence microscopy |
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 |