CN114359209A - 图像处理方法及装置、存储介质、电子装置 - Google Patents
图像处理方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN114359209A CN114359209A CN202111649927.4A CN202111649927A CN114359209A CN 114359209 A CN114359209 A CN 114359209A CN 202111649927 A CN202111649927 A CN 202111649927A CN 114359209 A CN114359209 A CN 114359209A
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- texture feature
- occluded
- value
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种图像处理方法及装置、存储介质、电子装置,该方法包括:基于第一图像的边缘检测图,确定第一图像的M个图像区域,其中,M为正整数;根据M个图像区域中每个图像区域中的像素值,确定第一图像的纹理特征值;基于第一图像的纹理特征值,确定第一图像是否被遮挡。通过本发明,解决了相关技术中确定视频遮挡的问题,达到提高视频遮挡检测的精确度的效果。
Description
技术领域
本发明实施例涉及图像领域,具体而言,涉及一种图像处理方法及装置、存储介质、电子装置。
背景技术
在视频监控中,由于人为或环境的因素,监控画面会受到不同程度的遮挡。视频遮挡会丢失大量有效信息,形成监控盲点,如不能及时发现将导致整个安防体系存在漏洞。而在当今大数据的时代趋势下,一个安防体系中视频监控的点位就可能多达几百上千,依靠人力来实时观察各个点位是否被遮挡并不能准确的确定出视频是否被遮挡。
发明内容
本发明实施例提供了一种图像处理方法及装置、存储介质、电子装置,以至少解决相关技术中确定视频遮挡的问题。
根据本发明的一个实施例,提供了一种图像处理方法,包括:基于第一图像的边缘检测图,确定上述第一图像的M个图像区域,其中,上述M为正整数;根据上述M个图像区域中每个图像区域中的像素值,确定上述第一图像的纹理特征值;基于上述第一图像的纹理特征值,确定上述第一图像是否被遮挡。
根据本发明的另一个实施例,提供了一种图像处理装置,包括:第一确定模块,用于基于第一图像的边缘检测图,确定上述第一图像的M个图像区域,其中,上述M为正整数;第二确定模块,用于根据上述M个图像区域中每个图像区域中的像素值,确定上述第一图像的纹理特征值;第三确定模块,用于基于上述第一图像的纹理特征值,确定上述第一图像是否被遮挡。
在一个示例性实施例中,上述第一确定模块,包括:第一确定单元,用于对上述边缘检测图进行二值化处理,确定二值化图像;第二确定单元,用于对上述二值化图像进行区域划分,确定上述M个图像区域。
在一个示例性实施例中,上述第二确定模块,包括:第一计算单元,用于计算上述M个图像区域中每个图像区域中的像素值的平均值,确定M个像素平均值;第三确定单元,用于基于上述M个像素平均值与第一预设像素阈值之间的关系,确定上述第一图像的纹理特征值。
在一个示例性实施例中,上述第三确定单元,包括:第一确定子单元,用于从上述M个像素平均值中确定小于上述第一预设像素阈值的像素平均值的数量;第二确定子单元,用于基于上述数量确定上述第一图像的纹理特征值。
在一个示例性实施例中,上述第三确定模块,包括:第四确定单元,用于确定上述第一图像关联的参考图像的纹理特征值,其中,上述参考图像包括目标视频中除上述第一图像之外的图像,且上述参考图像与上述第一图像间隔预设帧数;第五确定单元,用于基于上述第一图像的纹理特征值和上述参考图像的纹理特征值之间的关系,确定上述第一图像是否被遮挡。
在一个示例性实施例中,上述第五确定单元,包括:第六确定单元,用于响应于上述第一图像的纹理特征值大于第一纹理特征阈值,且上述参考图像的纹理特征值大于上述第一纹理特征阈值,确定上述第一图像被遮挡。
在一个示例性实施例中,上述第五确定单元,包括:第七确定单元,用于确定上述第一图像的纹理特征值与背景图像的纹理特征值之间的差值,其中,上述参考图像包括上述背景图像,上述背景图像包括上述目标视频中除遮挡图像之外的图像;第八确定单元,用于响应于上述差值大于第二纹理特征阈值,确定上述第一图像被遮挡。
在一个示例性实施例中,上述第三确定模块,包括:第九确定单元,用于响应于上述第一图像的纹理特征值未处于预设纹理特征值范围内,确定上述第一图像被遮挡,其中,上述预设纹理特征值范围为预先配置的在目标拍摄时段下对目标区域的进行正常拍摄所得到的图像的纹理特征值范围,上述目标拍摄时段包括拍摄上述第一图像的时段,上述第一图像是对上述目标区域进行拍摄后所得到的图像。
在一个示例性实施例中,上述装置还包括:第四确定模块,用于上述确定上述第一图像被遮挡之后,确定上述第一图像中被遮挡的遮挡图像区域;第五确定模块,用于基于上述遮挡图像区域和上述第一图像,确定上述第一图像被遮挡的遮挡评估信息。
在一个示例性实施例中,上述装置还包括:第一处理模块,用于上述确定上述第一图像被遮挡的遮挡评估信息之后,基于上述第一图像的遮挡评估信息,对上述遮挡图像区域进行平滑处理。
在一个示例性实施例中,上述第四确定模块,包括:第十确定单元,用于确定上述边缘检测图中每个像素的标签值;第一比较单元,用于比较上述每个像素的标签值与邻域像素的标签值是否相等,确定比较结果;第一合并单元,用于按照上述比较结果合并标签值相等的像素,确定标签值相同的连通区域;第十一确定单元,用于基于上述标签值相同的连通区域确定上述第一图像中被遮挡的图像区域。
在一个示例性实施例中,上述第五确定模块,包括:第十二确定单元,用于将上述连通区域的面积与上述第一图像的面积的比值,确定为上述第一图像被遮挡的遮挡评估信息。
根据本发明的又一个实施例,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中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,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上述任一项方法实施例中的步骤。
通过本发明,基于第一图像的边缘检测图,确定第一图像的M个图像区域,其中,M为正整数;根据M个图像区域中每个图像区域中的像素值,确定第一图像的纹理特征值;基于第一图像的纹理特征值,确定第一图像是否被遮挡。从而实现了通过图像的纹理特征值确定图像是否被遮挡目的。因此,可以解决相关技术中视频遮挡的问题,达到提高视频遮挡检测的精确度的效果。
附图说明
图1是本发明实施例的一种图像处理方法的移动终端的硬件结构框图;
图2是根据本发明实施例的图像处理方法的流程图;
图3是根据本发明实施例的对视频遮挡的判断方法流程图;
图4是根据本发明实施例的设置像素标签值的示意图;
图5是根据本发明实施例的遍历像素标签值的示意图;
图6是根据本发明实施例的图像处理装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种图像处理方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(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)和用于存储数据的存储器104,其中,上述移动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,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
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,如本发明实施例中的图像处理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移动终端。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface 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,传输装置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处理方法,图2是根据本发明实施例的图像处理方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,基于第一图像的边缘检测图,确定第一图像的M个图像区域,其中,M为正整数;
步骤S204,根据M个图像区域中每个图像区域中的像素值,确定第一图像的纹理特征值;
步骤S206,基于第一图像的纹理特征值,确定第一图像是否被遮挡。
在本实施例中,第一图像是目标视频中的图像,目标视频中包括多帧图像,从每帧图像的纹理特征值中确定目标视频是否被遮挡。
在本实施例中,第一图像是对获取的图像进行高斯滤波去噪处理后得到的图像。
本实施例中图像被遮挡包括图像被异物占据,例如,在摄像机开机之前,监控的区域被环境和人为等因素遮挡了,丢失原本被监控区域的信息,异物占据的画面即为被遮挡区域。
在本实施例,按照图像被遮挡发生的时间可将遮挡分为定位遮挡和动态视频两种情况。定位遮挡用于表示在监控视频开始前,监控设备已被遮挡。动态遮挡用于表示监控画面在正常运行状态下,由未遮挡到被遮挡的情况。
其中,上述步骤的执行主体可以为终端等,但不限于此。
通过上述步骤,基于第一图像的边缘检测图,确定第一图像的M个图像区域,其中,M为正整数;根据M个图像区域中每个图像区域中的像素值,确定第一图像的纹理特征值;基于第一图像的纹理特征值,确定第一图像是否被遮挡。从而实现了通过图像的纹理特征值确定图像是否被遮挡目的。因此,可以解决相关技术中视频遮挡的问题,达到提高视频遮挡检测的精确度的效果。
在一个示例性实施例中,基于第一图像的边缘检测图,确定第一图像的M个图像区域,包括:
S21,对边缘检测图进行二值化处理,确定二值化图像;
S22,对二值化图像进行区域划分,确定M个图像区域。
在本实施例中,例如,将二值化图像划分为16*16的小格的图像区域。
在一个示例性实施例中,根据M个图像区域中每个图像区域中的像素值,确定第一图像的纹理特征值,包括:
S31,计算M个图像区域中每个图像区域中的像素值的平均值,确定M个像素平均值;
S32,基于M个像素平均值与第一预设像素阈值之间的关系,确定第一图像的纹理特征值。
在本实施例中,分别对每个图像区域中的像素进行统计,若图像区域中的像素平均值小于第一预设阈值,则计数一次,将最终的计数确定为第一图像的纹理特征值。
在一个示例性实施例中,基于M个像素平均值与与第一预设像素阈值之间的关系,确定第一图像的纹理特征值,包括:
S41,从M个像素平均值中确定小于第一预设像素阈值的像素平均值的数量;
S42,基于数量确定第一图像的纹理特征值。
在本实施例中,将统计的小于第一预设像素阈值的数量确定为第一图像的纹理特征值。
在一个示例性实施例中,基于第一图像的纹理特征值,确定第一图像是否被遮挡,包括:
S51,确定第一图像关联的参考图像的纹理特征值,其中,参考图像包括目标视频中除第一图像之外的图像,且参考图像与第一图像间隔预设帧数;
S52,基于第一图像的纹理特征值和参考图像的纹理特征值之间的关系,确定第一图像是否被遮挡。
本实施例中的第一图像和参考图像可以连续的图像,也可以是不连续的图像。
在一个示例性实施例中,基于第一图像的纹理特征值、参考图像的纹理特征值和纹理特征阈值之间的关系,确定第一图像被遮挡,包括:
S61,响应于第一图像的纹理特征值大于第一纹理特征阈值,且参考图像的纹理特征值大于第一纹理特征阈值,确定第一图像被遮挡。
在第一图像和参考图像是连续的图像的情况下,可以确定属于定位遮挡。
在一个示例性实施例中,基于第一图像的纹理特征值和参考图像的纹理特征值之间的关系,确定第一图像被遮挡,包括:
S71,确定第一图像的纹理特征值与背景图像的纹理特征值之间的差值,其中,参考图像包括背景图像,背景图像包括目标视频中除遮挡图像之外的图像;
S72,响应于差值大于第二纹理特征阈值,确定第一图像被遮挡。
本实施例包括但不限于应用于对动态遮挡进行判断的场景中。例如,当视频画面由未遮挡到遮挡,画面中的有效信息大量丢失,画面的纹理程度大量下降。在每帧图像的纹理特征程度值逐渐大于背景帧图像的纹理特征程度值时,可判定发生了视频遮挡。
在一个示例性实施例中,基于第一图像的纹理特征值,确定第一图像被遮挡,包括:
S81,响应于第一图像的纹理特征值未处于预设纹理特征值范围内,确定第一图像被遮挡,其中,预设纹理特征值范围为预先配置的在目标拍摄时段下对目标区域的进行正常拍摄所得到的图像的纹理特征值范围,目标拍摄时段包括拍摄第一图像的时段,第一图像是对目标区域进行拍摄后所得到的图像。
本实施例可以应用于对定位遮挡的判断场景中。例如,在视频开始的前30帧对每帧图像的纹理特征值进行判断,若该阶段的纹理特征值持续大于第二预设阈值,则确定属于定位遮挡的场景。
在一个示例性实施例中,确定第一图像被遮挡之后,方法还包括:
S91,确定第一图像中被遮挡的遮挡图像区域;
S92,基于遮挡图像区域和第一图像,确定第一图像被遮挡的遮挡评估信息。
在本实施例中,遮挡评估信息用于评估图像被遮挡的遮挡比例。
在一个示例性实施例中,确定第一图像被遮挡的遮挡评估信息之后,方法还包括:
S101,基于第一图像的遮挡评估信息,对遮挡图像区域进行平滑处理。
在本实施例中,计算多帧图像的遮挡比例的平均值,对遮挡区域进行平滑处理,可以防止视频图像由于噪声干扰引起的结果跳变。
在一个示例性实施例中,确定第一图像中被遮挡的遮挡图像区域,包括:
S111,确定边缘检测图中每个像素的标签值;
S112,比较每个像素的标签值与邻域像素的标签值是否相等,确定比较结果;
S113,按照比较结果合并标签值相等的像素,确定标签值相同的连通区域;
S114,基于标签值相同的连通区域确定第一图像中被遮挡的图像区域。
在本实施例中,按行扫描遍历边缘检测图中的所有前景像素,赋予每个像素一个标签值。例如,根据像素与4个领域像素的相邻关系,若4个邻域像素中没有已存在的标签,则赋予其一个新标签。若4个邻域中已有标签,则赋予其4邻域中的最小标签。同时记录属于同一连通区域但具有不同标签值的像素间的相等关系。将具有相等关系的同一连通区域内的像素归并为一个连通区域并赋予它们一个相同的标签值。
在一个示例性实施例中,基于遮挡图像区域和第一图像,确定第一图像被遮挡的遮挡评估信息,包括:
S121,将连通区域的面积与第一图像的面积的比值,确定为第一图像被遮挡的遮挡评估信息。
在本实施例中,对每个标签值对应的像素个数进行统计,得到包括像素最多的标签值,即确定出该标签值所代表的连通区域的面积。将遮挡连通区域的面积除以原图面积即可得到像素级的视频遮挡比例。
下面结合具体实施例对本发明进行说明:
本实施例对视频的遮挡进行分时段的判断,即判断遮挡属于定位遮挡还是动态遮挡。定位遮挡用于表示在监控视频开始前,监控设备已被遮挡。动态遮挡,用于表示监控画面在正常运行状态下,由未遮挡到被遮挡的情况。
如图3所示,本实施例对视频遮挡的判断方法包括以下步骤:
S301,视频遮挡检测的输入为一段视频或彩色图像;
S302,纹理特征提取;具体包括:
步骤1:对视频中的图像的Y通道(YUV格式的Y通道数据)的数据进行分析,获得其Canny图及Canny膨胀图(Canny图可以理解为进行边缘检测后的边缘图;Canny膨胀图可以理解为对Canny图进行图像增强或去噪音后的图)。对原始灰度图像使用高斯滤波去噪;然后对滤波后的图像进行梯度强度和梯度方向计算,包括以下公式:
其中,G用于表示梯度强度;θ用于表示梯度方向;fx、fy分别用于表示x和y方向的梯度;其次,通过非极大值抑制得到canny边缘纹理图C;最后,使用3×3的滑动窗对canny纹理图C进行处理,得到canny膨胀图(对应于上述中的边缘检测图)。
步骤2:计算视频当前帧图像的纹理特征值N,包括以下公式:
其中用于表示对当前帧图像的canny膨胀图进行二值化后的结果;用于表示计算图像的纹理程度,具体包括:首先,将切分为16*16的小格;其次,分别对小格中的像素进行统计,若小格像素均值小于阈值,则N计数一次,最终得到图像的纹理特征值N。
S303,视频纹理程度判断;在视频开始的前30帧对图像的纹理程度进行判断,若该阶段的纹理特征N持续大于阈值,则判定其为定位遮挡,转至S310。
S304,背景初始化;将当前输入的图像作为背景帧,同时保存背景帧图像及其纹理特征值。定位遮挡判定时间结束后默认执行第一次背景初始化。
S305,视频纹理变化判断;当视频画面由未遮挡到遮挡,画面中的有效信息大量丢失,画面的纹理程度大量下降。通过对纹理特征值N的监控,当前帧图像的纹理特征N逐渐大于背景帧图像的N时,可判定发生了视频遮挡,即N当前帧-N背景帧>Nth,N当前帧为当前帧图像的纹理特征,N背景帧为背景图像的纹理特征,Nth为阈值,当前两者差值大于阈值时,判定为视频动态遮挡,转至S307,否则,转至S306。
S306,背景更新。若未发生遮挡则持续检测,当图像纹理特征长期不变时执行背景图像的更新,重新初始化背景图像。背景帧图像刚开始确定后先不变,时间过长之后则可以更换背景帧图像,例如,在对第2帧进行判断的时候,将第2帧作为背景帧图像时,若第3帧图像也没有遮挡,则在对第4帧图像进行遮挡判断的时候,仍然以第2帧图像作为背景帧,若连续10帧图像都未被遮挡,则可以在第13帧图像的判断中,将背景帧图像更新为第12帧图像。
S307,确定为视频遮挡。
S308,视频遮挡区域量化。当判断出视频处于“定位遮挡”或“动态遮挡”后,通过计算图像中遮挡的连通域面积对当前的遮挡区域进行量化,具体步骤如下:
步骤1,按行扫描遍历canny二值膨胀图中的所有前景像素,赋予每个像素一个标签Lable。根据像素与其4领域的相邻关系,若其4邻域中没有已存在的标签,则赋予其一个新标签。若其4邻域中已有标签,则赋予其4邻域中的最小标签。同时记录属于同一连通区域但具有不同标签值的像素间的相等关系。像素的4邻域如图4所示,灰色的四个方块为像素P的4邻域。
步骤2,扫描遍历所有像素,将具有相等关系的同一连通区域内的像素归并为一个连通区域并赋予它们一个相同的Lable(此处选择该连通区域内的最小Lable),如图5所示。
步骤3,,对每个Lable的像素个数进行统计,得到包含像素最多的Lable,及该Lable所代表的连通区域的面积。将遮挡连通区域的面积除以原图面积即可得到像素级的视频遮挡比例。
S309,输出遮挡比例。利用三帧图片的检测结果取平均,对视频遮挡检测的输出进行平滑,防止由于噪声干扰引起的结果跳变。
综上所述,本实施例利用分时段视频遮挡检测方法,将遮挡情况分为“定位遮挡”和“动态遮挡”,分情况针对性地设计了检测方法,对使用环境的适应性更高,实用性更强。遮挡判定与遮挡量化解耦的方法,使用纹理特征进行遮挡判定提高了视频遮挡检测的灵敏度,使用遮挡连通域进行遮挡量化提高了视频遮挡检测的精确度。并在判定出视频遮挡后再量化遮挡区域的方法,减少荣誉计算,提高检测流程速度,实现实时视频遮挡检测。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种图像处理装置,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。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例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6是根据本发明实施例的图像处理装置的结构框图,如图6所示,该装置包括:
第一确定模块62,用于基于第一图像的边缘检测图,确定第一图像的M个图像区域,其中,M为正整数;
第二确定模块64,用于根据M个图像区域中每个图像区域中的像素值,确定第一图像的纹理特征值;
第三确定模块66,用于基于第一图像的纹理特征值,确定第一图像是否被遮挡。
在一个示例性实施例中,上述第一确定模块,包括:
第一确定单元,用于对上述边缘检测图进行二值化处理,确定二值化图像;
第二确定单元,用于对上述二值化图像进行区域划分,确定上述M个图像区域。
在一个示例性实施例中,上述第二确定模块,包括:
第一计算单元,用于计算上述M个图像区域中每个图像区域中的像素值的平均值,确定M个像素平均值;
第三确定单元,用于基于上述M个像素平均值与第一预设像素阈值之间的关系,确定上述第一图像的纹理特征值。
在一个示例性实施例中,上述第三确定单元,包括:
第一确定子单元,用于从上述M个像素平均值中确定小于上述第一预设像素阈值的像素平均值的数量;
第二确定子单元,用于基于上述数量确定上述第一图像的纹理特征值。
在一个示例性实施例中,上述第三确定模块,包括:
第四确定单元,用于确定上述第一图像关联的参考图像的纹理特征值,其中,上述参考图像包括目标视频中除上述第一图像之外的图像,且上述参考图像与上述第一图像间隔预设帧数;
第五确定单元,用于基于上述第一图像的纹理特征值和上述参考图像的纹理特征值之间的关系,确定上述第一图像是否被遮挡。
在一个示例性实施例中,上述第五确定单元,包括:
第六确定单元,用于响应于上述第一图像的纹理特征值大于第一纹理特征阈值,且上述参考图像的纹理特征值大于上述第一纹理特征阈值,确定上述第一图像被遮挡。
在一个示例性实施例中,上述第五确定单元,包括:
第七确定单元,用于确定上述第一图像的纹理特征值与背景图像的纹理特征值之间的差值,其中,上述参考图像包括上述背景图像,上述背景图像包括上述目标视频中除遮挡图像之外的图像;
第八确定单元,用于响应于上述差值大于第二纹理特征阈值,确定上述第一图像被遮挡。
在一个示例性实施例中,上述第三确定模块,包括:
第九确定单元,用于响应于上述第一图像的纹理特征值未处于预设纹理特征值范围内,确定上述第一图像被遮挡,其中,上述预设纹理特征值范围为预先配置的在目标拍摄时段下对目标区域的进行正常拍摄所得到的图像的纹理特征值范围,上述目标拍摄时段包括拍摄上述第一图像的时段,上述第一图像是对上述目标区域进行拍摄后所得到的图像。
在一个示例性实施例中,上述装置还包括:
第四确定模块,用于上述确定上述第一图像被遮挡之后,确定上述第一图像中被遮挡的遮挡图像区域;
第五确定模块,用于基于上述遮挡图像区域和上述第一图像,确定上述第一图像被遮挡的遮挡评估信息。
在一个示例性实施例中,上述装置还包括:
第一处理模块,用于上述确定上述第一图像被遮挡的遮挡评估信息之后,基于上述第一图像的遮挡评估信息,对上述遮挡图像区域进行平滑处理。
在一个示例性实施例中,上述第四确定模块,包括:
第十确定单元,用于确定上述边缘检测图中每个像素的标签值;
第一比较单元,用于比较上述每个像素的标签值与邻域像素的标签值是否相等,确定比较结果;
第一合并单元,用于按照上述比较结果合并标签值相等的像素,确定标签值相同的连通区域;
第十一确定单元,用于基于上述标签值相同的连通区域确定上述第一图像中被遮挡的图像区域。
在一个示例性实施例中,上述第五确定模块,包括:
第十二确定单元,用于将上述连通区域的面积与上述第一图像的面积的比值,确定为上述第一图像被遮挡的遮挡评估信息。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在本实施例中,上述计算机可读存储介质可以被设置为存储用于执行以上各步骤的计算机程序。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例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。
在一个示例性实施例中,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。
在一个示例性实施例中,上述处理器可以被设置为通过计算机程序执行以上各步骤。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种图像处理方法,其特征在于,包括:
基于第一图像的边缘检测图,确定所述第一图像的M个图像区域,其中,所述M为正整数;
根据所述M个图像区域中每个图像区域中的像素值,确定所述第一图像的纹理特征值;
基于所述第一图像的纹理特征值,确定所述第一图像是否被遮挡。
2.根据权利要求1所述的方法,其特征在于,所述基于第一图像的边缘检测图,确定所述第一图像的M个图像区域,包括:
对所述边缘检测图进行二值化处理,确定二值化图像;
对所述二值化图像进行区域划分,确定所述M个图像区域。
3.根据权利要求1所述的方法,其特征在于,所述根据所述M个图像区域中每个图像区域中的像素值,确定所述第一图像的纹理特征值,包括:
计算所述M个图像区域中每个图像区域中的像素值的平均值,确定M个像素平均值;
基于所述M个像素平均值与第一预设像素阈值之间的关系,确定所述第一图像的纹理特征值。
4.根据权利要求3所述的方法,其特征在于,所述基于所述M个像素平均值与与第一预设像素阈值之间的关系,确定所述第一图像的纹理特征值,包括:
从所述M个像素平均值中确定小于所述第一预设像素阈值的像素平均值的数量;
基于所述数量确定所述第一图像的纹理特征值。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第一图像的纹理特征值,确定所述第一图像是否被遮挡,包括:
确定所述第一图像关联的参考图像的纹理特征值,其中,所述参考图像包括目标视频中除所述第一图像之外的图像,且所述参考图像与所述第一图像间隔预设帧数;
基于所述第一图像的纹理特征值和所述参考图像的纹理特征值之间的关系,确定所述第一图像是否被遮挡。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第一图像的纹理特征值、所述参考图像的纹理特征值和纹理特征阈值之间的关系,确定所述第一图像被遮挡,包括:
响应于所述第一图像的纹理特征值大于第一纹理特征阈值,且所述参考图像的纹理特征值大于所述第一纹理特征阈值,确定所述第一图像被遮挡。
7.根据权利要求5所述的方法,其特征在于,所述基于所述第一图像的纹理特征值和所述参考图像的纹理特征值之间的关系,确定所述第一图像被遮挡,包括:
确定所述第一图像的纹理特征值与背景图像的纹理特征值之间的差值,其中,所述参考图像包括所述背景图像,所述背景图像包括所述目标视频中除遮挡图像之外的图像;
响应于所述差值大于第二纹理特征阈值,确定所述第一图像被遮挡。
8.根据权利要求1所述的方法,其特征在于,基于所述第一图像的纹理特征值,确定所述第一图像被遮挡,包括:
响应于所述第一图像的纹理特征值未处于预设纹理特征值范围内,确定所述第一图像被遮挡,其中,所述预设纹理特征值范围为预先配置的在目标拍摄时段下对目标区域的进行正常拍摄所得到的图像的纹理特征值范围,所述目标拍摄时段包括拍摄所述第一图像的时段,所述第一图像是对所述目标区域进行拍摄后所得到的图像。
9.根据权利要求5-8任一项所述的方法,其特征在于,所述确定所述第一图像被遮挡之后,所述方法还包括:
确定所述第一图像中被遮挡的遮挡图像区域;
基于所述遮挡图像区域和所述第一图像,确定所述第一图像被遮挡的遮挡评估信息。
10.根据权利要求9所述的方法,所述确定所述第一图像被遮挡的遮挡评估信息之后,所述方法还包括:
基于所述第一图像的遮挡评估信息,对所述遮挡图像区域进行平滑处理。
11.根据权利要求9所述的方法,其特征在于,所述确定所述第一图像中被遮挡的遮挡图像区域,包括:
确定所述边缘检测图中每个像素的标签值;
比较所述每个像素的标签值与邻域像素的标签值是否相等,确定比较结果;
按照所述比较结果合并标签值相等的像素,确定标签值相同的连通区域;
基于所述标签值相同的连通区域确定所述第一图像中被遮挡的图像区域。
12.根据权利要求11所述的方法,其特征在于,所述基于所述遮挡图像区域和所述第一图像,确定所述第一图像被遮挡的遮挡评估信息,包括:
将所述连通区域的面积与所述第一图像的面积的比值,确定为所述第一图像被遮挡的遮挡评估信息。
13.一种图像处理装置,其特征在于,包括:
第一确定模块,用于基于第一图像的边缘检测图,确定所述第一图像的M个图像区域,其中,所述M为正整数;
第二确定模块,用于根据所述M个图像区域中每个图像区域中的像素值,确定所述第一图像的纹理特征值;
第三确定模块,用于基于所述第一图像的纹理特征值,确定所述第一图像是否被遮挡。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至12任一项中所述的方法。
15.一种电子装置,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所述权利要求1至12任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111649927.4A CN114359209A (zh) | 2021-12-29 | 2021-12-29 | 图像处理方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111649927.4A CN114359209A (zh) | 2021-12-29 | 2021-12-29 | 图像处理方法及装置、存储介质、电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359209A true CN114359209A (zh) | 2022-04-15 |
Family
ID=81102772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111649927.4A Pending CN114359209A (zh) | 2021-12-29 | 2021-12-29 | 图像处理方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359209A (zh) |
-
2021
- 2021-12-29 CN CN202111649927.4A patent/CN114359209A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766679B (zh) | 镜头脏污检测方法、装置及终端设备 | |
CN107273838B (zh) | 交通信号灯抓拍图片的处理方法及装置 | |
CN111383186B (zh) | 一种图像处理方法、装置及终端设备 | |
US20190318460A1 (en) | Method and apparatus for generating high dynamic range image | |
EP0913794A2 (en) | A method for detecting moving cast shadows for object segmentation | |
CN107404628B (zh) | 图像处理装置及方法以及监视系统 | |
JP2023503749A (ja) | カメラレンズの状態検出方法、装置、機器及び記憶媒体 | |
EP2105023A2 (en) | Banding artifact detection in digital video content | |
CN111047615B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
US20140056519A1 (en) | Method, apparatus and system for segmenting an image in an image sequence | |
CN107908998B (zh) | 二维码解码方法、装置、终端设备及计算机可读存储介质 | |
CN111402301B (zh) | 积水检测方法及装置、存储介质及电子装置 | |
CN112752093A (zh) | 视频条纹检测方法、装置、存储介质及电子装置 | |
Kamble et al. | No reference noise estimation in digital images using random conditional selection and sampling theory | |
CN113963321B (zh) | 图像处理方法、装置、电子设备和介质 | |
CN113569713A (zh) | 视频图像的条纹检测方法及装置、计算机可读存储介质 | |
CN116563172B (zh) | 一种vr全球化在线教育互动优化增强方法及装置 | |
CN113822814A (zh) | 利用大数据存储的环境辨识系统及方法 | |
CN110765875B (zh) | 交通目标的边界检测方法、设备及装置 | |
CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
CN112967191A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114359209A (zh) | 图像处理方法及装置、存储介质、电子装置 | |
CN111161211B (zh) | 一种图像检测方法及装置 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 |
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 |