CN113554596A - 图像起雾判断方法、装置、电子装置和存储介质 - Google Patents
图像起雾判断方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN113554596A CN113554596A CN202110700044.5A CN202110700044A CN113554596A CN 113554596 A CN113554596 A CN 113554596A CN 202110700044 A CN202110700044 A CN 202110700044A CN 113554596 A CN113554596 A CN 113554596A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- defogging
- preset
- fogging
- 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 53
- 238000001514 detection method Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000009423 ventilation Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种图像起雾判断方法、装置、电子装置和存储介质,其中,该图像起雾判断方法包括:获取待检测图像,所述待检测图像由待检测相机拍摄得到;获取所述待检测图像的清晰度以及灰度分布情况;若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾。上述图像起雾判断方法、装置、电子装置和存储介质,通过对相机拍摄得到的画面进行检测,即可判断是否起雾,无需增加硬件设备,成本较低,且结合清晰度与灰度分布情况进行综合判断,判断准确度高。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像起雾判断方法、装置、电子装置和存储介质。
背景技术
监控相机画面起雾,会导致很多重要的信息丢失,因此,需要在出现起雾时及时检测到并进行去雾。通常情况下有两种原因会导致相机画面起雾:一种是设备本身起雾,一种是外界环境起雾:
(1)相机内外存在温差,再加上空气中存在一定的湿度,容易在相机镜头或者玻璃罩上起雾,导致画面中存在明显的雾气,此时画面景深会变差,明显丢失环境信息;
(2)外界环境起雾,导致画面存在明显的雾气。
为了能够检测出设备起雾,目前普遍的做法是在相机内部集成温度和湿度传感器,通过硬件检测得到的结果判断出相机可能起雾,但这种方式需要增加硬件设备,成本较高,且检测准确度不高。
针对相关技术中存在起雾检测需要增加硬件设备,成本较高,且检测准确度不高的问题,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起雾判断方法、装置、电子装置和存储介质,以解决相关技术中起雾检测需要增加硬件设备,成本较高,且检测准确度不高的问题。
第一个方面,在本实施例中提供了一种图像起雾判断方法,包括:
获取待检测图像,所述待检测图像由待检测相机拍摄得到;
获取所述待检测图像的清晰度以及灰度分布情况;
若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾。
在其中的一些实施例中,所述获取待检测图像的灰度分布情况包括:
基于所述待检测图像获取灰度直方图;
基于所述灰度直方图获取所述待检测图像的灰度分布情况。
在其中的一些实施例中,所述若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾包括:
若所述清晰度低于预设清晰度阈值,且所述灰度直方图的暗区占比低于预设占比阈值,则判断所述待检测图像起雾。
在其中的一些实施例中,所述判断所述待检测图像起雾之后还包括:
生成去雾指令,控制去雾模块进行去雾。
在其中的一些实施例中,所述生成去雾指令,控制去雾模块进行去雾包括:
生成去雾指令,控制硬件去雾模块进行物理去雾,所述物理去雾包括加热、通风;
持续预设时间后,获取第一去雾检测图像,并基于所述第一去雾检测图像判断图像起雾情况。
在其中的一些实施例中,所述基于所述第一去雾检测图像判断图像起雾情况之后包括:
若所述第一去雾检测图像仍存在起雾现象,则采用去雾算法对所述第一去雾检测图像进行去雾。
在其中的一些实施例中,所述若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾包括:
若连续预设帧数的待检测图像的清晰度均低于预设清晰度阈值且所述灰度分布情况均与预设灰度分布情况不匹配,则判断所述待检测图像起雾。
第二个方面,在本实施例中提供了一种图像起雾判断装置,包括:
图像获取模块,用于获取待检测图像,所述待检测图像由待检测相机拍摄得到;
图像参数获取模块,用于获取所述待检测图像的清晰度以及灰度分布情况;
判断模块,用于若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾。
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、处理器以及存储在所述存储器上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上述第一个方面所述的图像起雾判断方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的图像起雾判断方法。
与相关技术相比,在本实施例中提供的图像起雾判断方法、装置、电子装置和存储介质,通过获取待检测图像,所述待检测图像由待检测相机拍摄得到;获取所述待检测图像的清晰度以及灰度分布情况;若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾的方式,通过对相机拍摄得到的画面进行检测,即可判断是否起雾,无需增加硬件设备,成本较低,且结合清晰度与灰度分布情况进行综合判断,判断准确度高。
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起雾判断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起雾判断方法的流程示意图;
图3是本发明另一实施例的图像起雾判断方法的流程示意图;
图4是本发明一实施例的图像起雾判断装置的结构框图。
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是本实施例的图像起雾判断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起雾判断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。
在本实施例中提供了一种图像起雾判断方法,图2是本实施例的图像起雾判断方法的流程示意图,如图2所示,该流程包括如下步骤:
步骤S201,获取待检测图像,待检测图像由待检测相机拍摄得到。
可以理解的,待检测相机即需要进行起雾检测的相机,相机拍摄实时图像,通过对拍摄得到的实时图像的参数进行检测,可以判断此时是否起雾。可以理解的,图像起雾即相机获取的图像中存在明显的雾气的情况,包括相机本身起雾或是环境起雾,相机本身起雾即相机内外存在温差,再加上空气中存在一定的湿度,容易在相机镜头或者玻璃罩上起雾,导致图像中存在明显的雾气;环境起雾即外界环境出现了起雾的自然现象,导致图像中存在明显的雾气。在其他实施例中,还可以有其他原因导致相机获取的图像中存在明显的雾气,此处不作具体限定。
步骤S202,获取待检测图像的清晰度以及灰度分布情况。
示例性的,图像起雾时,相同拍摄场景得到的图像清晰度会有明显的下降,灰度分布也会与正常拍摄时存在明显区别,因此,对这两个参数进行检测,即可判断图像是否起雾。可以理解的,若仅从清晰度角度出发进行起雾判断,容易引起误判,比如画面中出现了一个大面积平面物体,也会导致清晰度出现明显下降,但此时并不能认为相机起雾;因此,引入灰度分布情况,根据清晰度和灰度分布情况的变化进行综合判断,提高起雾判断的准确度。
灰度值是指将灰度对象转换为RGB时,每个对象的颜色值。把白色与黑色之间按对数关系分成若干级,称为“灰度等级”。范围一般从0到255,白色为255,黑色为0,故黑白图片也称灰度图像,在医学、图像识别领域有很广泛的用途。灰度分布情况是指灰度图像的灰度值的分布情况,反映了图像的最基本的统计特征。
步骤S203,若清晰度低于预设清晰度阈值且灰度分布情况与预设灰度分布情况不匹配,则判断待检测图像起雾。
在本实施例中,预设清晰度阈值为根据历史数据或经验得到的,当图像清晰度低于预设清晰度阈值时,说明图像状况异常,可能出现起雾;预设灰度分布情况为图像不存在起雾情况时的灰度分布情况,若待检测图像的灰度分布情况与预设情况不匹配,说明图像状况异常,可能出现起雾。可以理解的,预设灰度分布情况可以为一种或多种,若检测需求为判断图像为正常还是起雾,则预设灰度分布情况可以为图像不存在异常状况时的灰度分布情况;若检测需求为避免其他异常状况影响对起雾与否的判断,则预设灰度分布情况也可以为图像存在其他异常状况时的灰度分布情况。因此,预设灰度分布情况可以根据实际的检测需求进行设置,此处不做具体限定。
上述图像起雾判断方法,通过获取待检测图像,待检测图像由待检测相机拍摄得到;获取待检测图像的清晰度以及灰度分布情况;若清晰度低于预设清晰度阈值且灰度分布情况与预设灰度分布情况不匹配,则判断待检测图像起雾的方式,通过对相机拍摄得到的画面进行检测,即可判断是否起雾,无需增加硬件设备,成本较低,且结合清晰度与灰度分布情况进行综合判断,判断准确度高。
在另一个实施例中,获取待检测图像的灰度分布情况包括如下步骤:
步骤1,基于待检测图像获取灰度直方图;
步骤2,基于灰度直方图获取待检测图像的灰度分布情况。
灰度直方图是关于灰度级分布的函数,是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素,按照灰度值的大小,统计其出现的频率。灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素的个数,反映了图像中某种灰度出现的频率。如果将图像总像素亮度(灰度级别)看成是一个随机变量,则其分布情况就反映了图像的统计特性。
可以理解的,在其他实施例中,还可以采用其他统计方式得到灰度分布情况,此处不做具体限定。
上述实施例通过灰度直方图获取待检测图像的灰度分布情况,更加直观,统计效果更好。
在另一个实施例中,若清晰度低于预设清晰度阈值且灰度分布情况与预设灰度分布情况不匹配,则判断待检测图像起雾包括如下步骤:
若清晰度低于预设清晰度阈值,且灰度直方图的暗区占比低于预设占比阈值,则判断待检测图像起雾。
示例性的,仅在清晰度与灰度分布情况均不满足预设条件时,才判断待检测图像起雾,若两者有任一满足预设条件,均不认为待检测图像起雾。
在本实施例中,通过判断灰度直方图的暗区占比来判断灰度分布情况是否符合预设灰度分布情况。可以理解的,当图像起雾后,图像的灰度直方图会发生明显的右移现象,即暗区占比明显减少,有更多的像素向直方图中间灰度区、亮区堆积,因此,根据暗区占比可以判断图像是否起雾,根据历史数据或经验设定预设占比阈值,当待检测图像的灰度直方图的暗区占比低于预设占比阈值时,可以认为图像状况异常,可能出现起雾。
在其他实施例中,假如画面中存在大面积单色物体,自动曝光会将整体亮度调整到预设值,直方图会大量堆积在中间灰度区,暗区和亮区会同时减少,此时暗区占比也会变小,容易导致混淆。因此,为了避免混淆,可以在判断暗区占比明显减少之后,再判断亮区占比,若为图像起雾导致的暗区占比减少,则亮区占比会提高,而若是存在大面积单色物体导致的暗区占比减少,亮区占比也会减少,可以用这种方法排除大面积单色物体的干扰。
在其他实施例中,可以根据对其他干扰情形的规避需求采用对应的判断方式判断灰度分布情况,此处不再赘述。
在另一个实施例中,判断待检测图像起雾之后还包括如下步骤:
生成去雾指令,控制去雾模块进行去雾。
可以理解的,监控相机的图像起雾,会导致很多重要的信息丢失,因此在判断得到待检测图像起雾之后,需要进行去雾处理。
在另一个实施例中,生成去雾指令,控制去雾模块进行去雾包括如下步骤:
步骤1,生成去雾指令,控制硬件去雾模块进行物理去雾,物理去雾包括加热、通风;
步骤2,持续预设时间后,获取第一去雾检测图像,并基于第一去雾检测图像判断图像起雾情况。
在本实施例中,当判断图像起雾时,先通过控制硬件去雾模块进行物理去雾,即进行加热、通风等操作,对相机的护罩和镜头镜片等相机组件进行去雾,若图像起雾为相机组件上起雾造成的,则在经过物理去雾后,图像会逐渐恢复正常,图像清晰度与灰度分布情况也会在一段时间后满足预设条件。因此,在物理去雾持续预设时间后,再次获取实时图像,并基于实时图像进行图像起雾判断,若图像已不存在起雾现象,说明图像起雾为相机组件上起雾造成的,且在经过物理去雾后已消除这一异常情况;若判断结果仍存在起雾现象,说明图像起雾不是相机组件上起雾造成的。
上述实施例,先采用物理去雾方式,并在预设时间后再次检测图像起雾情况,以判断物理去雾的效果,若效果不佳,可以及时发现,并采用其他方式再进行去雾,去雾效果更好。
在另一个实施例中,基于第一去雾检测图像判断图像起雾情况之后包括如下步骤:
若第一去雾检测图像仍存在起雾现象,则采用去雾算法对第一去雾检测图像进行去雾。
示例性的,若第一去雾检测图像仍存在起雾现象,说明图像起雾不是相机组件上起雾造成的,可以认为是外界环境起雾,导致图像起雾,此时,无法改变外界环境的自然现象。因此,可以通过软件去雾的方式,即增加相机拍摄得到图像的通透性,减少环境起雾对画质的影响。可以理解的,软件去雾是通过图像处理算法对图像进行处理,以减小起雾对画质的影响。软件去雾方法包括基于先验知识的去雾方法,主要有暗通道先验(Dark ChannelPrior,DCP)方法,最大对比度(Maximum Contrast,MC)方法,颜色衰减先验(ColorAttenuation Prior,CAP)方法,色度不一致方法等;还可以采用神经网络进行去雾,例如基于大气退化模型,利用神经网络对模型中的参数进行估计,或是利用输入的有雾图像,直接输出得到去雾后的图像。在其他实施例中,可以采用其他图像处理方式进行去雾,此处不作具体限定。
示例性地,软件去雾模块通常放在ISP PipeLine的YUV域,可以通过RAW域直方图暗区的缺失程度,确定软件去雾模块开启去雾的强度,然后再通过YUV域的直方图,确定数字去雾模块处理后的效果,组成一个负反馈系统。可以理解的,根据待检测图像的清晰度与灰度分布情况偏离预设情况的程度,判断软件去雾的强度。具体的,待检测的清晰度与灰度分布情况偏离预设情况的程度越严重,则说明起雾对图像画质的影响越大,则需要相应提高软件去雾的强度。同时,实时检测去雾过程中待检测图像的清晰度与灰度分布情况,并基于清晰度与灰度分布情况的实时变化调节软件去雾的强度。例如,若维持高强度软件去雾一段时间后,清晰度与灰度分布情况有明显偏向预设情况的变化,则可以降低软件去雾的强度;若维持中等强度软件去雾一段时间后,清晰度与灰度分布情况没有明显变化,则可以提高软件去雾的强度。在其他实施例中,软件去雾强度的调节方式可以根据实际需求进行设定,此处不作具体限定。
在另一个实施例中,若清晰度低于预设清晰度阈值且灰度分布情况与预设灰度分布情况不匹配,则判断待检测图像起雾包括如下步骤:
若连续预设帧数的待检测图像的清晰度均低于预设清晰度阈值且灰度分布情况均与预设灰度分布情况不匹配,则判断待检测图像起雾。
可以理解的,待检测图像可以为单帧图像或多帧图像,若仅检测单帧图像的清晰度及灰度分布情况,可能会出现误判。在本实施例中,检测连续预设帧数的待检测图像的清晰度以及灰度分布情况,且在连续预设帧数的待检测图像的清晰度均低于预设清晰度阈值且灰度分布情况均与预设灰度分布情况不匹配时,才判断图像起雾,判断准确度更高。在其他实施例中,具体选取几帧的图像进行检测,可以根据实际情况进行选择,此处不做具体限定。
请参阅图3,图3为本发明另一实施例的图像起雾判断方法的流程示意图。在本实施例中,先获取待检测图像的清晰度,若画面清晰度下降,但未下降到预设清晰度阈值以下,则不做调整,正常工作;若画面清晰度下降到预设清晰度以下,则获取待检测图像的灰度直方图,并根据灰度直方图获取灰度分布情况,判断是否与预设灰度分布情况不匹配,具体的,判断灰度直方图的暗区占比是否低于预设占比阈值,若未低于预设占比阈值,则不做调整,正常工作;若灰度直方图的暗区占比低于预设占比阈值,则判断待检测图像起雾,先控制硬件去雾模块进行物理去雾,即对相机内的光学系统加热、通风,物理去雾过程中,实时检测待检测图像的清晰度与灰度分布情况变化情况,若持续一段时间后,待检测图像的清晰度与灰度分布情况出现明显改善,则继续进行物理去雾,直至待检测图像的清晰度与灰度分布情况满足预设条件,判断待检测图像完成去雾;若物理去雾持续一段时间后,待检测图像的清晰度与灰度分布情况没有出现明显改善,则控制软件去雾模块进行去雾,即通过图像处理算法对图像进行处理,以减小起雾对画质的影响,并且根据待检测图像的清晰度与灰度分布情况偏离预设情况的程度,调节软件去雾的强度,同时实时检测去雾效果,判断待检测图像是否完成去雾。
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起雾判断装置,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4是本实施例的图像起雾判断装置的结构框图,如图4所示,该装置包括:
图像获取模块40,用于获取待检测图像,待检测图像由待检测相机拍摄得到。
图像参数获取模块50,用于获取待检测图像的清晰度以及灰度分布情况。
图像参数获取模块,还用于:
基于待检测图像获取灰度直方图;
基于灰度直方图获取待检测图像的灰度分布情况。
判断模块60,用于若清晰度低于预设清晰度阈值且灰度分布情况与预设灰度分布情况不匹配,则判断待检测图像起雾。
判断模块60,还用于若清晰度低于预设清晰度阈值,且灰度直方图的暗区占比低于预设占比阈值,则判断待检测图像起雾。
判断模块60,还用于若连续预设帧数的待检测图像的清晰度均低于预设清晰度阈值且灰度分布情况均与预设灰度分布情况不匹配,则判断待检测图像起雾。
图像起雾判断装置,还包括:去雾控制模块。
去雾控制模块,用于生成去雾指令,控制去雾模块进行去雾。
去雾控制模块,还用于:
生成去雾指令,控制硬件去雾模块进行物理去雾,物理去雾包括加热、通风;
持续预设时间后,获取第一去雾检测图像,并基于第一去雾检测图像判断图像起雾情况。
去雾控制模块,还用于若第一去雾检测图像仍存在起雾现象,则采用去雾算法对第一去雾检测图像进行去雾。
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,获取待检测图像,待检测图像由待检测相机拍摄得到。
S2,获取待检测图像的清晰度以及灰度分布情况。
S3,若清晰度低于预设清晰度阈值且灰度分布情况与预设灰度分布情况不匹配,则判断待检测图像起雾。
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起雾判断方法,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起雾判断方法。
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。
以上所述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)
1.一种图像起雾判断方法,其特征在于,包括:
获取待检测图像,所述待检测图像由待检测相机拍摄得到;
获取所述待检测图像的清晰度以及灰度分布情况;
若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾。
2.根据权利要求1所述的图像起雾判断方法,其特征在于,所述获取待检测图像的灰度分布情况包括:
基于所述待检测图像获取灰度直方图;
基于所述灰度直方图获取所述待检测图像的灰度分布情况。
3.根据权利要求2所述的图像起雾判断方法,其特征在于,所述若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾包括:
若所述清晰度低于预设清晰度阈值,且所述灰度直方图的暗区占比低于预设占比阈值,则判断所述待检测图像起雾。
4.根据权利要求1所述的图像起雾判断方法,其特征在于,所述判断所述待检测图像起雾之后还包括:
生成去雾指令,控制去雾模块进行去雾。
5.根据权利要求4所述的图像起雾判断方法,其特征在于,所述生成去雾指令,控制去雾模块进行去雾包括:
生成去雾指令,控制硬件去雾模块进行物理去雾,所述物理去雾包括加热、通风;
持续预设时间后,获取第一去雾检测图像,并基于所述第一去雾检测图像判断图像起雾情况。
6.根据权利要求5所述的图像起雾判断方法,其特征在于,所述基于所述第一去雾检测图像判断图像起雾情况之后包括:
若所述第一去雾检测图像仍存在起雾现象,则采用去雾算法对所述第一去雾检测图像进行去雾。
7.根据权利要求1所述的图像起雾判断方法,其特征在于,所述若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾包括:
若连续预设帧数的待检测图像的清晰度均低于预设清晰度阈值且所述灰度分布情况均与预设灰度分布情况不匹配,则判断所述待检测图像起雾。
8.一种图像起雾判断装置,其特征在于,包括:
图像获取模块,用于获取待检测图像,所述待检测图像由待检测相机拍摄得到;
图像参数获取模块,用于获取所述待检测图像的清晰度以及灰度分布情况;
判断模块,用于若所述清晰度低于预设清晰度阈值且所述灰度分布情况与预设灰度分布情况不匹配,则判断所述待检测图像起雾。
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起雾判断方法。
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起雾判断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110700044.5A CN113554596A (zh) | 2021-06-23 | 2021-06-23 | 图像起雾判断方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110700044.5A CN113554596A (zh) | 2021-06-23 | 2021-06-23 | 图像起雾判断方法、装置、电子装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113554596A true CN113554596A (zh) | 2021-10-26 |
Family
ID=78130864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110700044.5A Pending CN113554596A (zh) | 2021-06-23 | 2021-06-23 | 图像起雾判断方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554596A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077750A (zh) * | 2014-06-18 | 2014-10-01 | 深圳市金立通信设备有限公司 | 一种图像的处理方法 |
CN104123700A (zh) * | 2014-06-18 | 2014-10-29 | 深圳市金立通信设备有限公司 | 一种电子设备 |
CN107767353A (zh) * | 2017-12-04 | 2018-03-06 | 河南工业大学 | 一种基于清晰度评价的自适应图像去雾方法 |
-
2021
- 2021-06-23 CN CN202110700044.5A patent/CN113554596A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077750A (zh) * | 2014-06-18 | 2014-10-01 | 深圳市金立通信设备有限公司 | 一种图像的处理方法 |
CN104123700A (zh) * | 2014-06-18 | 2014-10-29 | 深圳市金立通信设备有限公司 | 一种电子设备 |
CN107767353A (zh) * | 2017-12-04 | 2018-03-06 | 河南工业大学 | 一种基于清晰度评价的自适应图像去雾方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107635102B (zh) | 高动态范围图像曝光补偿值获取方法和装置 | |
CN105611188B (zh) | 基于自动曝光的摄像头遮挡检测方法及装置 | |
CN109829859B (zh) | 图像处理方法及终端设备 | |
CN112449120B (zh) | 高动态范围视频生成方法及装置 | |
CN108875619B (zh) | 视频处理方法和装置、电子设备、计算机可读存储介质 | |
CN107743224A (zh) | 镜头脏污的提醒方法、系统、可读存储介质及移动终端 | |
US9077906B1 (en) | Video contrast adjusting method | |
CN103702111B (zh) | 一种检测摄像头视频偏色的方法 | |
CN111614892B (zh) | 一种人脸图像采集方法、拍摄装置及计算机可读存储介质 | |
CN106534677B (zh) | 一种图像过曝优化方法及装置 | |
WO2021007690A1 (zh) | 曝光控制方法、装置与可移动平台 | |
CN107077830B (zh) | 适用于无人机控制端的屏幕亮度调整方法及无人机控制端 | |
CN113825281A (zh) | 灯光控制方法、灯光控制器、设备及存储介质 | |
CN112036201B (zh) | 一种图像处理方法、装置、设备及介质 | |
CN111192205A (zh) | 一种图像去雾方法、系统和计算机可读存储介质 | |
CN110047060A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN108629738B (zh) | 一种图像处理方法及装置 | |
CN114125280B (zh) | 相机曝光控制方法、装置、设备、存储介质 | |
CN110807735A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
US20150271416A1 (en) | Information Processing Method and Electronic Device | |
CN114429476A (zh) | 图像处理方法、装置、计算机设备以及存储介质 | |
WO2019144262A1 (en) | Smudge detection method and apparatus and mobile electronic device | |
CN112166598B (zh) | 图像处理方法、系统、可移动平台和存储介质 | |
CN117218039A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN113554596A (zh) | 图像起雾判断方法、装置、电子装置和存储介质 |
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 |