CN113507558B - 去除图像眩光的方法、装置、终端设备和存储介质 - Google Patents
去除图像眩光的方法、装置、终端设备和存储介质 Download PDFInfo
- Publication number
- CN113507558B CN113507558B CN202010214821.0A CN202010214821A CN113507558B CN 113507558 B CN113507558 B CN 113507558B CN 202010214821 A CN202010214821 A CN 202010214821A CN 113507558 B CN113507558 B CN 113507558B
- Authority
- CN
- China
- Prior art keywords
- image
- glare
- camera
- area
- visible light
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本申请适用于图像处理技术领域,提供了一种去除图像眩光的方法、装置、终端设备和存储介质。该方法包括:获取第一图像和第二图像,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像;若检测到所述第一图像具有眩光,则对所述第一图像和所述第二图像执行图像配准处理;融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像。基于非可见光图像中不会产生眩光的特性,采用图像配准与图像融合的方法融合非可见光图像和产生眩光的可见光图像,可以补偿可见光图像中由于眩光导致的图像像素缺失,从而可以去除可见光图像中的眩光。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种去除图像眩光的方法、装置、终端设备和存储介质。
背景技术
为了提升手机等设备的前置摄像头的拍照体验,目前已经推出屏下成像技术,屏下成像即将前置摄像头设置于设备显示屏的下方,可以使得显示屏的屏占比达到100%,极大提升用户使用前置摄像头拍照的体验。目前,屏下成像技术由于屏内线材的干扰,在拍摄具有强光源的场景时,往往会出现严重的眩光问题,影响最终的成像质量。
针对这个问题,现有技术主要采用对单帧图像做光照估计,然后再利用光补偿等图像处理方法去眩光。然而,由于屏下成像获得的图像的眩光区域较非屏下成像获得的图像的眩光区域要大很多,难以准确地完成光照估计,这会导致图像去眩光的效果较差。
发明内容
有鉴于此,本申请实施例提供了一种去除图像眩光的方法、装置、终端设备和存储介质,可以获得较好的图像去眩光效果。
第一方面,本申请实施例提供了一种去除图像眩光的方法,包括:
获取第一图像和第二图像,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像;
若检测到所述第一图像具有眩光,则对所述第一图像和所述第二图像执行图像配准处理;
融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像。
本申请实施例针对同一个场景,会分别拍摄一幅可见光图像和一幅非可见光图像。基于非可见光图像中不会产生眩光的特性,采用图像配准与图像融合的方法融合非可见光图像和产生眩光的可见光图像,可以补偿可见光图像中由于眩光导致的图像像素缺失,从而可以较好地去除可见光图像中的眩光。
在第一方面的一种可能的实现方式中,所述对所述第一图像和所述第二图像执行图像配准处理可以包括:
提取所述第一图像中的眩光区域;
对所述眩光区域和所述第二图像执行图像配准处理,以确定所述第二图像中与所述眩光区域对应的目标区域;
所述融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像可以包括:
将所述第二图像中所述目标区域的图像融合到所述第一图像的眩光区域中,得到去眩光后的所述第一图像。
在执行图像的配准和融合处理时,若采用完整的图像进行处理,计算量庞大,需要耗费大量的时间和系统资源。基于该第一图像中的眩光区域可能只占图像整体的一小部分,为了减小计算量,可以先将该第一图像中的眩光区域提取出来,后续操作只需对该眩光区域的图像进行配准和融合即可。
进一步的,所述提取所述第一图像中的眩光区域可以包括:
对所述第一图像进行饱和度检测、对比度检测和亮度检测;
查找所述第一图像中的眩光边界,所述眩光边界是指边界两边预设范围区域内的图像像素点之间的平均饱和度的差别或平均对比度的差别超过设定的阈值的边界;
若所述眩光边界所围成的区域内的图像像素点的平均亮度超过设定的阈值,则将所述眩光边界所围成的区域提取出来,作为所述第一图像中的眩光区域。
在提取第一图像中的眩光区域时,可以采用针对图像饱和度、对比度和亮度进行分析的方法。具体的,可以对该第一图像分别进行饱和度检测、对比度检测和亮度检测;然后根据这些图像参数的检测结果,从该第一图像中找出眩光区域的边界,基于眩光区域的图像特点,其边界两边的图像像素点的饱和度或者对比度具有明显的区别,因此可以通过查找两边预设范围区域内的图像像素点之间的平均饱和度的差别或平均对比度的差别超过设定的阈值的边界来确定眩光边界。在确定眩光边界后,可以进一步判断该眩光边界所围成的区域内的图像像素点的平均亮度是否超过设定的阈值,若是则表明该眩光边界所围成的区域存在眩光,可将该区域提取出来作为眩光区域。
在第一方面的一种可能的实现方式中,在得到去眩光后的所述第一图像之后,还可以包括:
采用预先构建的卷积神经网络模型对去眩光后的所述第一图像进行色彩修复处理,得到去眩光且无偏色的所述第一图像;;
其中,所述卷积神经网络模型根据无偏色样本图像和偏色样本图像之间的映射关系训练完成。
得到的去眩光图像可能是偏色图像,可以采用预先构建的卷积神经网络模型对偏色图像进行图像修复增强处理,以恢复图像的正常色彩,最终得到无眩光、无偏色的图像。
在第一方面的一种可能的实现方式中,在获取第一图像和第二图像之后,还可以包括:
若检测到所述第一图像没有眩光,则采用所述卷积神经网络模型对所述第一图像进行色彩修复处理,得到无偏色的所述第一图像。
若检测到该第一图像没有眩光,则不必执行去眩光的操作步骤,但图像仍然可能存在偏色的问题,故依然可以采用上述卷积神经网络模型对该第一图像进行图像修复增强处理,以恢复图像的正常色彩。
进一步的,所述第二图像为红外图像,所述对所述第一图像和所述第二图像执行图像配准处理可以包括:
采用基于光流、尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对所述第一图像和所述红外图像执行图像配准处理。
可以采用基于光流,SIFT特征或者卷积神经网络等多种图像配准方法,对所述第一图像和所述红外图像执行图像配准处理,从而将两幅图像进行匹配和叠加。
进一步的,所述第二图像为光谱分辨率大于设定阈值的高光谱图像,所述对所述第一图像和所述第二图像执行图像配准处理可以包括:
采用核主成分分析法对所述高光谱图像进行图像的降维处理,得到突出纹理的高光谱图像;
采用基于光流,尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对所述第一图像和所述突出纹理的高光谱图像执行图像配准处理。
对于高光谱图像来说,首先需要采用核主成分分析法对所述高光谱图像进行图像的降维处理,以突出高光谱图像的纹理,然后同样可以采用基于光流,SIFT特征或者卷积神经网络等多种图像配准方法,对所述第一图像和所述高光谱图像执行图像配准处理,从而将两幅图像进行匹配和叠加。
进一步的,在获取第一图像和第二图像之前,还可以包括:
若检测到拍照指令,则启动第一摄像头和第二摄像头,所述第一摄像头和所述第二摄像头采用的光谱频段不同;
调整所述第一摄像头和所述第二摄像头的拍摄角度,使得所述第一摄像头和所述第二摄像头对准同一场景;
控制所述第一摄像头和所述第二摄像头同时拍照,分别得到所述第一图像和所述第二图像。
具体的,可以采用包含第一摄像头和第二摄像头的终端设备拍摄得到该第一图像和第二图像,该第一摄像头和第二摄像头采用的光谱频段不同,其中第一摄像头可以为常规的拍摄RGB图像的摄像头,第二摄像头可以为红外摄像头或者高光谱摄像头。用户在发出拍照指令之后,该终端设备会启动该第一摄像头和第二摄像头,并调整这两个摄像头的拍摄角度,使两个摄像头的拍摄角度对准同一场景。然后,控制这两个摄像头同时拍照,该第一摄像头拍摄得到第一图像,该第二摄像头拍摄得到第二图像。
第二方面,本申请实施例提供了一种去除图像眩光的装置,包括:
图像获取模块,用于获取第一图像和第二图像,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像;
图像配准模块,用于若检测到所述第一图像具有眩光,则对所述第一图像和所述第二图像执行图像配准处理;
图像融合模块,用于融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例第一方面提出的去除图像眩光的方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如本申请实施例第一方面提出的去除图像眩光的方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的去除图像眩光的方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:可以较好地去除可见光图像中的眩光,而且实施方便,操作简单,实用性强。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的去除图像眩光的方法所适用于的手机的硬件结构示意图;
图2是本申请实施例提供的一种去除图像眩光的方法的流程图;
图3是本申请实施例提供的另一种去除图像眩光的方法的流程图;
图4是本申请实施例提供的另一种去除图像眩光的方法的流程图;
图5是图4中步骤403的一种具体实施方式的流程图;
图6是本申请实施例提供的另一种去除图像眩光的方法的流程图;
图7是本申请实施例提供的另一种去除图像眩光的方法的流程图;
图8是本申请实施例提供的去除图像眩光的方法在实际场景下应用的一种流程示意图;
图9(A)为图8所示的去除图像眩光的方法采用的一幅原始RGB图像;
图9(B)为图8所示的去除图像眩光的方法采用的一幅红外图像;
图9(C)为图8所示的去除图像眩光的方法获得的一幅去眩光图像;
图10是本申请实施例提供的去除图像眩光的方法在实际场景下应用的另一种流程示意图;
图11(A)为图10所示的去除图像眩光的方法采用的一幅原始RGB图像;
图11(B)为图10所示的去除图像眩光的方法采用的一幅高光谱图像;
图11(C)为图10所示的去除图像眩光的方法获得的一幅去眩光图像;
图12是本申请实施例提供的一种去除图像眩光的装置的结构图;
图13是本申请实施例提供的一种终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定装置结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式,除非其上下文中明确地有相反指示。还应当理解,在本申请实施例中,“一个或多个”是指一个、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的情况,其中A、B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的去除图像眩光的方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等终端设备或者服务器上,本申请实施例对终端设备和服务器的具体类型不作任何限制。
例如,所述终端设备可以是WLAN中的站点(STAION,ST),可以是蜂窝电话、无绳电话、会话启动协议(Session InitiationProtocol,SIP)电话、无线本地环路(WirelessLocal Loop,WLL)站、个人数字处理(Personal Digital Assistant,PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、车联网终端、电脑、膝上型计算机、手持式通信设备、手持式计算设备、卫星无线设备、无线调制解调器卡、电视机顶盒(set top box,STB)、用户驻地设备(customer premise equipment,CPE)和/或用于在无线装置上进行通信的其它设备以及下一代通信装置,例如,5G网络中的移动终端或者未来演进的公共陆地移动网络(Public Land Mobile Network,PLMN)网络中的移动终端等。
作为示例而非限定,当所述终端设备为可穿戴设备时,该可穿戴设备还可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称,如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能,如智能手表或智能眼镜等,以及只专注于某一类应用功能,需要和其它设备如智能手机配合使用,如各类进行体征监测的智能手环、智能首饰等。
以所述终端设备为手机为例。图1示出的是与本申请实施例提供的手机的部分结构的框图。参考图1,手机包括:射频(Radio Frequency,RF)电路110、存储器120、输入单元130、显示单元140、传感器150、音频电路160、无线保真(wireless fidelity,WiFi)模块170、处理器180、以及电源190等部件。本领域技术人员可以理解,图1中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图1对手机的各个构成部件进行具体的介绍:
RF电路110可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器180处理;另外,将设计上行的数据发送给基站。通常,RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier,LNA)、双工器等。此外,RF电路110还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯装置(GlobalSystem of Mobile communication,GSM)、通用分组无线服务(General Packet RadioService,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE))、电子邮件、短消息服务(Short Messaging Service,SMS)等。
存储器120可用于存储软件程序以及模块,处理器180通过运行存储在存储器120的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作装置、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元130可用于接收输入的数字或字符信息,以及产生与手机100的用户设置以及功能控制有关的键信号输入。具体地,输入单元130可包括触控面板131以及其他输入设备132。触控面板131,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板131上或在触控面板131附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板131可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器180,并能接收处理器180发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板131。除了触控面板131,输入单元130还可以包括其他输入设备132。具体地,其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元140可包括显示面板141,可选的,可以采用液晶显示器(Liquid CrystalDisplay,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板141。进一步的,触控面板131可覆盖显示面板141,当触控面板131检测到在其上或附近的触摸操作后,传送给处理器180以确定触摸事件的类型,随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图1中,触控面板131与显示面板141是作为两个独立的部件来实现手机的输入和输入功能,但是在某些实施例中,可以将触控面板131与显示面板141集成而实现手机的输入和输出功能。
手机100还可包括至少一种传感器150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板141的亮度,接近传感器可在手机移动到耳边时,关闭显示面板141和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路160、扬声器161,传声器162可提供用户与手机之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号,传输到扬声器161,由扬声器161转换为声音信号输出;另一方面,传声器162将收集的声音信号转换为电信号,由音频电路160接收后转换为音频数据,再将音频数据输出处理器180处理后,经RF电路110以发送给比如另一手机,或者将音频数据输出至存储器120以便进一步处理。
WiFi属于短距离无线传输技术,手机通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块170,但是可以理解的是,其并不属于手机100的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器180是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器120内的软件程序和/或模块,以及调用存储在存储器120内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器180可包括一个或多个处理单元;优选的,处理器180可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作装置、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器180中。
手机100还包括给各个部件供电的电源190(比如电池),优选的,电源可以通过电源管理装置与处理器180逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。
尽管未示出,手机100还可以包括摄像头,其中至少一个常规的RGB摄像头,以及至少一个红外摄像头或者高光谱摄像头。可选地,摄像头在手机100的上的位置可以为前置的,也可以为后置的,本申请实施例对此不作限定。
可选地,手机100可以包括单摄像头、双摄像头或三摄像头等,本申请实施例对此不作限定。
例如,手机100可以包括三摄像头,其中,一个为主摄像头、一个为广角摄像头、一个为长焦摄像头。
可选地,当手机100包括多个摄像头时,这多个摄像头可以全部前置,或者全部后置,或者一部分前置、另一部分后置,本申请实施例对此不作限定。
另外,尽管未示出,手机100还可以包括蓝牙模块等,在此不再赘述。
图2示出了本申请提供的一种去除图像眩光的方法的流程图,包括:
201、获取第一图像和第二图像;
首先,获取第一图像和第二图像。其中,所述第一图像为可见光图像,比如可以是常规摄像头拍摄的RGB图像。所述第二图像为非可见光图像,比如可以是红外摄像头拍摄的红外图像或者高光谱摄像头拍摄的高光谱图像等。该第一图像和该第二图像的拍摄场景相同,即两幅图像包含同一时刻同一场景的图像内容。
进一步的,在步骤201之前,还可以包括:
(1)若检测到拍照指令,则启动第一摄像头和第二摄像头,所述第一摄像头和所述第二摄像头采用的光谱频段不同;
(2)调整所述第一摄像头和所述第二摄像头的拍摄角度,使得所述第一摄像头和所述第二摄像头对准同一场景;
(3)控制所述第一摄像头和所述第二摄像头同时拍照,分别得到所述第一图像和所述第二图像。
具体的,可以采用包含第一摄像头和第二摄像头的终端设备拍摄得到该第一图像和第二图像,该第一摄像头和第二摄像头采用的光谱频段不同,其中第一摄像头可以为常规的拍摄RGB图像的摄像头,第二摄像头可以为红外摄像头或者高光谱摄像头。用户在发出拍照指令之后,该终端设备会启动该第一摄像头和第二摄像头,并调整这两个摄像头的拍摄角度,使两个摄像头的拍摄角度对准同一场景。然后,控制这两个摄像头同时拍照,该第一摄像头拍摄得到第一图像,该第二摄像头拍摄得到第二图像。
202、若检测到所述第一图像具有眩光,则对所述第一图像和所述第二图像执行图像配准处理;
该第一图像为可见光图像,可能存在眩光,该第二图像为红外图像或高光谱图像等非可见光图像,不存在眩光。在获取第一图像和第二图像之后,对该第一图像进行眩光检测,具体可以采用现有技术中各种类别的图像眩光检测方法。若检测到该第一图像没有眩光,则可以直接输出该第一图像,得到场景的无眩光图像。若检测到该第一图像具有眩光,则对该第一图像和该第二图像执行图像配准处理。
图像配准(Image registration)是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程。一般的处理流程为:首先对两幅图像进行特征提取得到特征点;通过进行相似性度量找到匹配的特征点对;然后通过匹配的特征点对得到图像空间坐标变换参数;最后由坐标变换参数进行图像配准。在本申请中,可以采用基于特征点匹配或者基于深度学习等各种类型的图像配准方法,对该具有眩光的第一图像和该第二图像进行配准处理。
203、融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像。
最后,对图像配准处理后的该第一图像和该第二图像执行图像的融合处理,得到去眩光后的该第一图像。图像融合(Image Fusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,可以实现图像信息的互补,最后综合成高质量的图像。在图像融合时,可以采用基于深度学习的图像融合方法,将该第一图像和该第二图像融合。通过这样处理,该第一图像中由于眩光导致的图像像素缺失,可以由该第二图像中相应区域的图像像素进行补偿,从而达到去除眩光的效果,最终得到去除眩光后的第一图像。
在本申请实施例中,获取第一图像和第二图像,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像;若检测到所述第一图像具有眩光,则对所述第一图像和所述第二图像执行图像配准处理;融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像。基于非可见光图像中不会产生眩光的特性,采用图像配准与图像融合的方法融合非可见光图像和产生眩光的可见光图像,可以补偿可见光图像中由于眩光导致的图像像素缺失,从而可以去除可见光图像中的眩光。
图3示出了本申请提供的另一种去除图像眩光的方法的流程图,包括:
301、获取第一图像和第二图像;
其中,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像。
302、检测所述第一图像是否具有眩光;
若检测到所述第一图像具有眩光,则执行步骤303-305,若检测到所述第一图像没有眩光,则直接执行步骤305。
303、对所述第一图像和所述第二图像执行图像配准处理;
304、融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像;
步骤301-304的具体说明可参照上一个实施例,在此不再赘述。
305、采用预先构建的卷积神经网络模型对所述第一图像进行色彩修复处理,得到去眩光且无偏色的所述第一图像。
在获得去眩光后的该第一图像之后,由于去眩光后的图像可能还存在偏色的问题,故为了进一步提升图像质量,还可以采用预先构建的卷积神经网络模型对去眩光后的图像进行图像修复增强处理,以恢复图像的正常色彩,最终得到无眩光、无偏色的图像。其中,所述卷积神经网络模型可以根据大量的无偏色样本图像和偏色样本图像之间的映射关系训练完成。需要说明的是,如果该第一图像原本就没有眩光,则不会执行303-304的图像去眩光操作,此时直接执行步骤305,对该原始的第一图像进行色彩修复处理,得到无偏色的第一图像。
在本申请实施例中,获取第一图像和第二图像,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像;若检测到所述第一图像具有眩光,则对所述第一图像和所述第二图像执行图像配准处理;融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像,最后,还会采用预先构建的卷积神经网络模型对去眩光后的所述第一图像进行色彩修复处理,得到去眩光且无偏色的所述第一图像。与本申请的第一个实施例相比,本申请在得到去眩光图像之后,还会对该去眩光图像执行色彩修复处理,以消除图像的偏色问题,进一步提升图像质量。
图4示出了本申请提供的另一种去除图像眩光的方法的流程图,包括:
401、获取第一图像和第二图像;
其中,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像。
402、检测所述第一图像是否具有眩光;
若检测到所述第一图像具有眩光,则执行步骤403-406,若检测到所述第一图像没有眩光,则直接执行步骤406。
403、提取所述第一图像中的眩光区域;
在执行图像的配准和融合处理时,若采用完整的图像进行处理,计算量庞大,需要耗费大量的时间和系统资源。基于该第一图像中的眩光区域可能只占图像整体的一小部分,为了减小计算量,可以先将该第一图像中的眩光区域提取出来,后续操作只需对该眩光区域的图像进行配准和融合即可。
具体的,如图5所示,步骤403可以包括:
4031、对所述第一图像进行饱和度检测、对比度检测和亮度检测;
4032、查找所述第一图像中的眩光边界,所述眩光边界是指边界两边预设范围区域内的图像像素点之间的平均饱和度的差别或平均对比度的差别超过设定的阈值的边界;
4033、若所述眩光边界所围成的区域内的图像像素点的平均亮度超过设定的阈值,则将所述眩光边界所围成的区域提取出来,作为所述第一图像中的眩光区域。
在提取第一图像中的眩光区域时,可以采用针对图像饱和度、对比度和亮度进行分析的方法。具体的,可以对该第一图像分别进行饱和度检测、对比度检测和亮度检测;然后根据这些图像参数的检测结果,从该第一图像中找出眩光区域的边界,基于眩光区域的图像特点,其边界两边的图像像素点的饱和度或者对比度具有明显的区别,因此可以通过查找两边预设范围区域内的图像像素点之间的平均饱和度的差别或平均对比度的差别超过设定的阈值的边界来确定眩光边界;在确定眩光边界后,可以直接将该眩光边界所围成的区域提取处理作为眩光区域,而为了提升准确率,也可以进一步判断该眩光边界所围成的区域内的图像像素点的平均亮度是否超过设定的阈值,若是则表明该眩光边界所围成的区域存在眩光,可将该区域提取出来作为眩光区域。
404、对所述眩光区域和所述第二图像执行图像配准处理,以确定所述第二图像中与所述眩光区域对应的目标区域;
在提取出该第一图像中的眩光区域之后,对该眩光区域和该第二图像执行图像配准处理,以确定该第二图像中与该眩光区域对应的目标区域。比如,若第一图像中的眩光区域为图像右上方的一块椭圆形区域,则通过和该第二图像进行图像配准,可以找出该第二图像中右上方和该椭圆形区域对应的目标区域。
405、将所述第二图像中所述目标区域的图像融合到所述第一图像的眩光区域中,得到去眩光后的所述第一图像;
接着,将该第二图像中所述目标区域的图像融合到该第一图像的眩光区域中,从而完成缺失图像像素的补偿,得到去眩光后的第一图像。在进行图像融合时,只需要融合眩光区域的图像即可,不必融合整幅图像,从而可以极大地减小计算量。
406、采用预先构建的卷积神经网络模型对所述第一图像进行色彩修复处理,得到去眩光且无偏色的所述第一图像。
在获得去眩光后的该第一图像之后,由于去眩光后的图像可能还存在偏色的问题,故为了进一步提升图像质量,还可以采用预先构建的卷积神经网络模型对去眩光后的图像进行图像修复增强处理,以恢复图像的正常色彩,最终得到无眩光、无偏色的图像。其中,所述卷积神经网络模型根据无偏色样本图像和偏色样本图像之间的映射关系训练完成。
在本申请实施例中,获取第一图像和第二图像;若检测到所述第一图像具有眩光,则提取所述第一图像中的眩光区域;对所述眩光区域和所述第二图像执行图像配准处理,以确定所述第二图像中与所述眩光区域对应的目标区域;将所述第二图像中所述目标区域的图像融合到所述第一图像的眩光区域中,得到去眩光后的所述第一图像;最后采用预先构建的卷积神经网络模型对去眩光后的所述第一图像进行色彩修复处理,得到去眩光且无偏色的所述第一图像。本实施例在检测到该第一图像具有眩光后,会提取出该第一图像的眩光区域,并采用该眩光区域和该第二图像进行图像的匹配和融合处理,与本申请的第一个实施例相比,能够极大地减小图像处理的计算量,降低系统资源的消耗。
图6示出了本申请提供的另一种去除图像眩光的方法的流程图,包括:
601、获取第一图像和红外图像;
在本申请实施例中,获取的是一幅第一图像(可见光图像)以及一幅红外图像,该第一图像和该红外图像的拍摄场景相同。
602、检测所述第一图像是否具有眩光;
若检测到所述第一图像具有眩光,则执行步骤603-605,否则直接执行步骤605。
603、采用基于光流、尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对所述第一图像和所述红外图像执行图像配准处理;
该第一图像具有眩光,此时可以采用基于光流、尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对该第一图像和该红外图像执行图像配准处理。图像配准处理的步骤主要包含以下4部分:(1)特征检测,手动或者自动检测显著和独特的对象(闭合边界区域,边缘,轮廓,交线,角点等),这些特征可以通过点来表示(重心,线尾,特征点),这些点称为控制点。(2)特征匹配,建立场景图像和参考图像特征之间的相关性,使用各种各样的特征描述符,相似性度量,连同特征的空间相关性。(3)转换模型估计,将感测图像和参考图像对齐的所谓映射函数的类型和参数,映射函数的参数通过特征相关性计算。(4)图像重采样和转换,使用映射函数转换感测图像,使用合适的插值技术计算非整数坐标的图像值。
以尺度不变特征变换SIFT的方法为例:SIFT算法的实质是在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出,不会因光照,仿射变换和噪音等因素而变化的点,如角点、边缘点、暗区的亮点及亮区的暗点等。SIFT主要包含以下步骤:1.尺度空间极值检测:搜索所有尺度上的图像位置,通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。2.关键点定位:在每个候选的位置上,通过一个拟合精细的模型来确定位置和尺度,关键点的选择依据于它们的稳定程度。3.方向确定:基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向,所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性。4.关键点描述:在每个关键点周围的邻域内,在选定的尺度上测量图像局部的梯度,这些梯度被变换成一种表示,这种表示允许比较大的局部形状的变形和光照变化。
604、融合图像配准处理后的所述第一图像和所述红外图像,得到去眩光后的所述第一图像;
在图像配准处理后,融合该第一图像和该红外图像,从而用该红外图像相应区域的像素点补偿该第一图像中由于眩光产生的图像像素缺失,最终得到去眩光后的该第一图像。
605、采用预先构建的卷积神经网络模型对所述第一图像进行色彩修复处理,得到去眩光且无偏色的所述第一图像。
最后,同样还可以采用预先构建的卷积神经网络模型对去眩光后的图像进行图像修复增强处理,以恢复图像的正常色彩,最终得到无眩光、无偏色的图像。
本申请实施例,提出了一种采用红外图像和可见光图像进行配准和融合,最终去除可见光图像中的眩光的具体实施方式。
图7示出了本申请提供的另一种去除图像眩光的方法的流程图,包括:
701、获取第一图像和光谱分辨率大于设定阈值的高光谱图像;
在本申请实施例中,获取的是一幅第一图像(可见光图像)以及一幅高光谱图像,该第一图像和该高光谱图像的拍摄场景相同。高光谱图像(Hyperspectral Image)是指光谱分辨率大于设定阈值(一般在10l数量级范围)的图像,可以采用高光谱摄像头拍摄获得。
702、检测所述第一图像是否具有眩光;
若检测到所述第一图像具有眩光,则执行步骤703-706,否则直接执行步骤706。
703、采用核主成分分析法对所述高光谱图像进行图像的降维处理,得到突出纹理的高光谱图像;
对于高光谱图像,为了提高后续执行图像配准的准确率,可以先采用核主成分分析法(KPCA)对该高光谱图像进行降维处理,得到突出纹理的高光谱图像。其过程一般为对高光谱图像进行特征提取,通过设计合适的核函数,将特征数据输入空间转换为特征空间,再进行特征变换,保留了像素间的非相关特性,突出了不同材料的纹理信息,得到场景的强纹理高光谱图像。
704、采用基于光流,尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对所述第一图像和所述突出纹理的高光谱图像执行图像配准处理;
然后。可以采用基于光流、尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对该第一图像和该突出纹理的高光谱图像执行图像配准处理,图像配准的具体处理步骤可以参照本申请上一个实施例的相关说明。
705、融合图像配准处理后的所述第一图像和所述突出纹理的高光谱图像,得到去眩光后的所述第一图像;
在图像配准处理后,融合该第一图像和该突出纹理的高光谱图像,从而用该高光谱图像相应区域的像素点补偿该第一图像中由于眩光产生的图像像素缺失,最终得到去眩光后的该第一图像。
706、采用预先构建的卷积神经网络模型对所述第一图像进行色彩修复处理,得到去眩光且无偏色的所述第一图像。
最后,同样还可以采用预先构建的卷积神经网络模型对去眩光后的图像进行图像修复增强处理,以恢复图像的正常色彩,最终得到无眩光、无偏色的图像。
本申请实施例,提出了一种采用高光谱图像和可见光图像进行配准和融合,最终去除可见光图像中的眩光的具体实施方式。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
为便于理解,下面以几个实际应用场景来说明本申请提出的去除图像眩光的方法。
图8是本申请提出的结合红外图像去除眩光的方法在实际场景下应用的一种流程示意图。
在图8中,首先进行拍照,具体可以采用普通相机拍摄得到一幅RGB图像(可见光图像),以及采用红外相机拍摄得到一幅红外图像,两幅图像可以采用自动捕捉场景的方式同时拍摄,且拍摄场景相同。
然后,将RGB图像针对饱和度、对比度以及亮度进行分析来检测眩光区域,如果没有检测到眩光区域,则该不必对该RGB图像执行去眩光的操作,但该RGB图像可能存在偏色的问题,即可能为偏色、无眩光的图像,此时采用各类图像修复增强算法完成图像的色彩修复,最终得到该RGB图像的无偏色、无眩光的图像。
若检测到眩光区域,则提取出该眩光区域,将该眩光区域和该红外图像进行图像配准处理,然后是图像融合,即将红外图像中相应区域的图像融合到该RGB图像的眩光区域中,从而完成缺失图像像素的补偿,得到去眩光后的RGB图像。该去眩光后的RGB图像同样可能存在偏色的问题,即可能为偏色、无眩光的图像,此时同样可以采用各类图像修复增强算法完成图像的色彩修复,最终得到该RGB图像的无偏色、无眩光的图像。
图像的去眩光效果如图9(A),图9(B)和图9(C)所示,其中图9(A)为原始的存在眩光的RGB图像,图9(B)为和该RGB图像同时拍摄的同场景的红外图像,图9(C)为去除眩光后的RGB图像。其中,为了符合专利申请文件的附图要求,已将彩色的RGB图像调整为灰度图像。可以看出,在图9(C)中,RGB图像的眩光已经较好地去除。
图10是本申请提出的结合高光谱图像去除眩光的方法在实际场景下应用的一种流程示意图。
在图10中,首先进行拍照,具体可以采用普通相机拍摄得到一幅RGB图像(可见光图像),以及采用高光谱相机拍摄得到一幅高光谱图像,两幅图像可以采用自动捕捉场景的方式同时拍摄,且拍摄场景相同。
然后,将RGB图像针对饱和度、对比度以及亮度进行分析来检测眩光区域,如果没有检测到眩光区域,则该不必对该RGB图像执行去眩光的操作,但该RGB图像可能存在偏色的问题,即可能为偏色、无眩光的图像,此时采用各类图像修复增强算法完成图像的色彩修复,最终得到该RGB图像的无偏色、无眩光的图像。
对于高光谱图像,先采用核主成分分析法(KPCA)进行降维处理,得到突出纹理的高光谱图像。对于该RGB图像,若检测到眩光区域,则提取出该眩光区域,将该眩光区域和该突出纹理的高光谱图像进行图像配准处理。然后是图像融合,可以采用基于深度学习的图像融合方法融合配准之后的高光谱图像和RGB图像,将高光谱图像中相应区域的图像融合到该RGB图像的眩光区域中,从而完成缺失图像像素的补偿,得到去眩光后的RGB图像。该去眩光后的RGB图像同样可能存在偏色的问题,即可能为偏色、无眩光的图像,此时同样可以采用各类图像修复增强算法完成图像的色彩修复,最终得到该RGB图像的无偏色、无眩光的图像。
图像的去眩光效果如图11(A),图11(B)和图11(C)所示,其中图11(A)为原始的存在眩光的RGB图像,图11(B)为和该RGB图像同时拍摄的同场景的高光谱图像,图11(C)为去除眩光后的RGB图像。其中,为了符合专利申请文件的附图要求,已将彩色的RGB图像调整为灰度图像。可以看出,在图11(C)中,RGB图像的眩光已经较好地去除。
本申请提出的去除图像眩光的方法十分适用于解决屏下成像的眩光问题,成像效果与不带屏拍摄成像效果一致,且该方法实施方便,操作简单,实用性强。
对应于上文实施例所述的去除图像眩光的方法,图12示出了本申请实施例提供的去除图像眩光的装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图12,该装置包括:
图像获取模块801,用于获取第一图像和第二图像,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像;
图像配准模块802,用于若检测到所述第一图像具有眩光,则对所述第一图像和所述第二图像执行图像配准处理;
图像融合模块803,用于融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像。
进一步的,所述图像配准模块可以包括:
眩光区域提取单元,用于提取所述第一图像中的眩光区域;
图像配准单元,用于对所述眩光区域和所述第二图像执行图像配准处理,以确定所述第二图像中与所述眩光区域对应的目标区域;
所述图像融合模块具体可以用于:将所述第二图像中所述目标区域的图像融合到所述第一图像的眩光区域中,得到去眩光后的所述第一图像。
更进一步的,所述眩光区域提取单元可以包括:
图像参数检测子单元,用于对所述第一图像进行饱和度检测、对比度检测和亮度检测;
眩光边界查找子单元,用于查找所述第一图像中的眩光边界,所述眩光边界是指边界两边预设范围区域内的图像像素点之间的平均饱和度的差别或平均对比度的差别超过设定的阈值的边界;
眩光区域提取子单元,用于若所述眩光边界所围成的区域内的图像像素点的平均亮度超过设定的阈值,则将所述眩光边界所围成的区域提取出来,作为所述第一图像中的眩光区域。
进一步的,所述去除图像眩光的装置还可以包括:
第一图像修复模块,用于采用预先构建的卷积神经网络模型对去眩光后的所述第一图像进行色彩修复处理,得到去眩光且无偏色的所述第一图像;其中,所述卷积神经网络模型根据无偏色样本图像和偏色样本图像之间的映射关系训练完成。
更进一步的,所述图像的去眩光装置还可以包括:
第二图像修复模块,用于若检测到所述第一图像没有眩光,则采用所述卷积神经网络模型对所述第一图像进行色彩修复处理,得到无偏色的所述第一图像。
进一步的,所述第二图像为红外图像,所述图像配准模块可以包括:
第一图像配准单元,用于采用基于光流,尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对所述眩光区域图像和所述红外图像执行图像配准处理。
进一步的,所述第二图像为光谱分辨率大于设定阈值的高光谱图像,所述图像配准模块可以包括:
图像降维单元,用于采用核主成分分析法对所述高光谱图像进行图像的降维处理,得到突出纹理的高光谱图像;
第二图像配准单元,用于采用基于光流,尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对所述眩光区域图像和所述突出纹理的高光谱图像执行图像配准处理。
更进一步的,所述图像的去眩光装置还可以包括:
拍照指令检测模块,用于若检测到拍照指令,则启动第一摄像头和第二摄像头,所述第一摄像头和所述第二摄像头采用的光谱频段不同;
拍摄角度调整模块,用于调整所述第一摄像头和所述第二摄像头的拍摄角度,使得所述第一摄像头和所述第二摄像头对准同一场景;
拍照控制模块,用于控制所述第一摄像头和所述第二摄像头同时拍照,分别得到所述第一图像和所述第二图像。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如本申请提出的各个去除图像眩光的方法的步骤。
本申请实施例还提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行本申请提出的各个去除图像眩光的方法的步骤。
图13为本申请一实施例提供的终端设备的结构示意图。如图13所示,该实施例的终端设备9包括:至少一个处理器90(图13中仅示出一个)处理器、存储器91以及存储在所述存储器91中并可在所述至少一个处理器90上运行的计算机程序92,所述处理器90执行所述计算机程序92时实现上述任意去除图像眩光的方法实施例中的步骤。
所述终端设备9可以是手机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器90、存储器91。本领域技术人员可以理解,图13仅仅是终端设备9的举例,并不构成对终端设备9的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器90可以是中央处理单元(Central Processing Unit,CPU),该处理器90还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,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。
所述存储器91在一些实施例中可以是所述终端设备9的内部存储单元,例如终端设备9的硬盘或内存。所述存储器91在另一些实施例中也可以是所述终端设备9的外部存储设备,例如所述终端设备9上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储操作装置、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,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,所述模块或单元的划分,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装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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,在本申请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存在,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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种去除图像眩光的方法,其特征在于,包括:
获取第一图像和第二图像,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像,所述非可见光图像包括红外图像或光谱分辨率大于设定阈值的高光谱图像;
若检测到所述第一图像具有眩光,则对所述第一图像和所述第二图像执行图像配准处理;
融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像;
其中,所述对所述第一图像和所述第二图像执行图像配准处理包括:
提取所述第一图像中的眩光区域;
对所述眩光区域和所述第二图像执行图像配准处理,以确定所述第二图像中与所述眩光区域对应的目标区域;
所述融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像包括:
将所述第二图像中所述目标区域的图像融合到所述第一图像的眩光区域中,得到去眩光后的所述第一图像。
2.如权利要求1所述的去除图像眩光的方法,其特征在于,所述提取所述第一图像中的眩光区域包括:
对所述第一图像进行饱和度检测、对比度检测和亮度检测;
查找所述第一图像中的眩光边界,所述眩光边界是指边界两边预设范围区域内的图像像素点之间的平均饱和度的差别或平均对比度的差别超过设定的阈值的边界;
若所述眩光边界所围成的区域内的图像像素点的平均亮度超过设定的阈值,则将所述眩光边界所围成的区域提取出来,作为所述第一图像中的眩光区域。
3.如权利要求1所述的去除图像眩光的方法,其特征在于,在得到去眩光后的所述第一图像之后,还包括:
采用预先构建的卷积神经网络模型对去眩光后的所述第一图像进行色彩修复处理,得到去眩光且无偏色的所述第一图像;
其中,所述卷积神经网络模型根据无偏色样本图像和偏色样本图像之间的映射关系训练完成。
4.如权利要求3所述的去除图像眩光的方法,其特征在于,在获取第一图像和第二图像之后,还包括:
若检测到所述第一图像没有眩光,则采用所述卷积神经网络模型对所述第一图像进行色彩修复处理,得到无偏色的所述第一图像。
5.如权利要求1所述的去除图像眩光的方法,其特征在于,所述第二图像为红外图像,所述对所述第一图像和所述第二图像执行图像配准处理包括:
采用基于光流、尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对所述第一图像和所述红外图像执行图像配准处理。
6.如权利要求1所述的去除图像眩光的方法,其特征在于,所述第二图像为光谱分辨率大于设定阈值的高光谱图像,所述对所述第一图像和所述第二图像执行图像配准处理包括:
采用核主成分分析法对所述高光谱图像进行图像的降维处理,得到突出纹理的高光谱图像;
采用基于光流,尺度不变特征变换SIFT或者卷积神经网络的图像配准方法,对所述第一图像和所述突出纹理的高光谱图像执行图像配准处理。
7.如权利要求1至6中任一项所述的去除图像眩光的方法,其特征在于,在获取第一图像和第二图像之前,还包括:
若检测到拍照指令,则启动第一摄像头和第二摄像头,所述第一摄像头和所述第二摄像头采用的光谱频段不同;
调整所述第一摄像头和所述第二摄像头的拍摄角度,使得所述第一摄像头和所述第二摄像头对准同一场景;
控制所述第一摄像头和所述第二摄像头同时拍照,分别得到所述第一图像和所述第二图像。
8.一种去除图像眩光的装置,其特征在于,包括:
图像获取模块,用于获取第一图像和第二图像,所述第一图像和所述第二图像的拍摄场景相同,所述第一图像为可见光图像,所述第二图像为非可见光图像,所述非可见光图像包括红外图像或光谱分辨率大于设定阈值的高光谱图像;
图像配准模块,用于若检测到所述第一图像具有眩光,则对所述第一图像和所述第二图像执行图像配准处理;
图像融合模块,用于融合图像配准处理后的所述第一图像和所述第二图像,得到去眩光后的所述第一图像;
其中,所述图像配准模块具体用于:
提取所述第一图像中的眩光区域;
对所述眩光区域和所述第二图像执行图像配准处理,以确定所述第二图像中与所述眩光区域对应的目标区域;
所述图像融合模块具体用于:
将所述第二图像中所述目标区域的图像融合到所述第一图像的眩光区域中,得到去眩光后的所述第一图像。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的去除图像眩光的方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的去除图像眩光的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214821.0A CN113507558B (zh) | 2020-03-24 | 2020-03-24 | 去除图像眩光的方法、装置、终端设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214821.0A CN113507558B (zh) | 2020-03-24 | 2020-03-24 | 去除图像眩光的方法、装置、终端设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113507558A CN113507558A (zh) | 2021-10-15 |
CN113507558B true CN113507558B (zh) | 2023-04-07 |
Family
ID=78008269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010214821.0A Active CN113507558B (zh) | 2020-03-24 | 2020-03-24 | 去除图像眩光的方法、装置、终端设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113507558B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114266736A (zh) * | 2021-12-07 | 2022-04-01 | 北京的卢深视科技有限公司 | 眩光检测方法、装置、电子设备和计算机可读存储介质 |
CN114266710A (zh) * | 2021-12-17 | 2022-04-01 | 北京的卢深视科技有限公司 | 眩光去除方法、电子设备和计算机可读存储介质 |
CN115550570B (zh) * | 2022-01-10 | 2023-09-01 | 荣耀终端有限公司 | 图像处理方法与电子设备 |
TWI820889B (zh) * | 2022-09-01 | 2023-11-01 | 英屬維爾京群島商威爾德嘉德有限公司 | 圖像處理方法及其裝置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101766864B1 (ko) * | 2016-06-21 | 2017-08-09 | 국민대학교 산학협력단 | 가시광 영상 및 비가시광 영상의 합성 영상 제공 방법 및 이를 위한 장치 |
CN106982327B (zh) * | 2017-03-31 | 2020-02-28 | 北京小米移动软件有限公司 | 图像处理方法和装置 |
CN110135235B (zh) * | 2019-03-13 | 2022-04-19 | 北京车和家信息技术有限公司 | 一种眩光处理方法、装置及车辆 |
CN110557575B (zh) * | 2019-08-28 | 2021-04-27 | 维沃移动通信有限公司 | 消除炫光的方法和电子设备 |
-
2020
- 2020-03-24 CN CN202010214821.0A patent/CN113507558B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113507558A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113507558B (zh) | 去除图像眩光的方法、装置、终端设备和存储介质 | |
CN110136183B (zh) | 一种图像处理的方法、装置以及摄像装置 | |
CN106558025B (zh) | 一种图片的处理方法和装置 | |
CN107609514B (zh) | 人脸识别方法及相关产品 | |
CN108605099B (zh) | 用于终端拍照的方法及终端 | |
CN108594997B (zh) | 手势骨架构建方法、装置、设备及存储介质 | |
CN107862265B (zh) | 图像处理方法及相关产品 | |
CN111476780B (zh) | 一种图像检测方法、装置、电子设备以及存储介质 | |
RU2731370C1 (ru) | Способ распознавания живого организма и терминальное устройство | |
CN108875451B (zh) | 一种定位图像的方法、装置、存储介质和程序产品 | |
CN110852951B (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN110300264B (zh) | 图像处理方法、装置、移动终端以及存储介质 | |
CN107613202B (zh) | 一种拍摄方法及移动终端 | |
CN108259746B (zh) | 一种图像色彩检测方法及移动终端 | |
CN111464716B (zh) | 一种证件扫描方法、装置、设备及存储介质 | |
CN107633499B (zh) | 图像处理方法及相关产品 | |
CN107451454B (zh) | 解锁控制方法及相关产品 | |
CN113132704B (zh) | 一种图像处理的方法、装置、终端以及存储介质 | |
CN111209812A (zh) | 目标人脸图片提取方法、装置及终端设备 | |
CN108921212B (zh) | 一种图像匹配方法、移动终端及计算机可读存储介质 | |
CN110991457B (zh) | 二维码处理方法、装置、电子设备及存储介质 | |
CN112995467A (zh) | 图像处理方法、移动终端及存储介质 | |
CN112929558A (zh) | 图像处理方法和电子设备 | |
CN110363702B (zh) | 图像处理方法及相关产品 | |
CN111353946B (zh) | 图像修复方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |