CN114387441A - 一种图像处理方法及系统 - Google Patents
一种图像处理方法及系统 Download PDFInfo
- Publication number
- CN114387441A CN114387441A CN202111512795.0A CN202111512795A CN114387441A CN 114387441 A CN114387441 A CN 114387441A CN 202111512795 A CN202111512795 A CN 202111512795A CN 114387441 A CN114387441 A CN 114387441A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- color
- area
- processed
- 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 17
- 238000012545 processing Methods 0.000 claims abstract description 154
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000009826 distribution Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000009827 uniform distribution Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种图像处理方法及系统,涉及图像处理技术领域。其包括:对处理区域进行灰度化处理。利用图像二值化对灰度化处理后的处理区域进行区分得到多个颜色区域。检测各颜色区域的边缘得到所有颜色区域的边缘信息。根据边缘信息,对各个颜色区域进行非线性拉伸,以重新分配所有颜色区域的图像像素值。比较所有数量,按照从多至少的顺序,依次对图像像素值相同的位置区域进行滤波处理,并将滤波处理后的所有位置区域进行融合,得到处理后的颜色区域。将处理后的颜色区域进行融合得到最终图像。该方法及系统可以针对颜色区域的实际图像像素值对颜色区域进行处理的,则能够保证颜色区域的重要信息不丢失,进而保证最终图像的重要信息不丢失。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种图像处理方法及系统。
背景技术
随着科技进步,影像技术也不断发展,智能手机等电子设备也拥有丰富的摄影功能。虽然电子设备能达到拍摄的效果,但是当电子设备处于亮度较差的环境下,由于较差的光源和摄像头等硬件限制的情况下,电子设备拍摄出的照片或视频往往是不够清晰的。尤其是电子设备在夜晚录制视频的时候,录制的夜景视频质量不高,视频画面与人眼真实观测到的场景画面有较大差异。
因此,电子设备所拍摄的图像的对比度不高,甚至图像的某些细节难以辨认。现有技术通过PS等修图技术,虽然能对图片进行一定程度的优化,但是无法根据图片的实际情况对图片进行处理,也就不能保证图片的重要信息不丢失。
发明内容
本发明的目的在于提供一种图像处理方法及系统,用以改善现有技术中虽然能对图片进行一定程度的优化,但是无法根据图片的实际情况对图片进行处理,也就不能保证图片的重要信息不丢失的问题。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种图像处理方法,其包括如下步骤:获取待处理图像。根据用户操作确定待处理图像中的处理区域。对处理区域进行灰度化处理。利用图像二值化对灰度化处理后的处理区域进行区分,以得到多个颜色区域。利用Canny算子检测各颜色区域的边缘,以得到所有颜色区域的边缘信息。根据边缘信息,对各个颜色区域进行非线性拉伸,以重新分配所有颜色区域的图像像素值。检测任一颜色区域中不同位置区域的图像像素值,并统计图像像素值相同的位置区域的数量。比较所有数量,按照从多至少的顺序,依次对图像像素值相同的位置区域进行滤波处理,并将滤波处理后的所有位置区域进行融合,以得到处理后的颜色区域。将处理后的颜色区域进行融合,以得到最终图像。
在本发明的一些实施例中,上述根据用户操作确定待处理图像中的处理区域的步骤包括以下步骤:用户对待处理图像中任一位置进行框选,以得到框选位置。根据框选位置确定待处理图像中的处理区域。
在本发明的一些实施例中,上述获取待处理图像的步骤之后,该方法还包括:将待处理图像划分成多个网格区域,并检测每个网格区域的辉度。若辉度大于预设辉度基准,则将对应网格区域的辉度调至预设辉度基准。
在本发明的一些实施例中,上述利用图像二值化对灰度化处理后的处理区域进行区分,以得到多个颜色区域的步骤包括以下步骤:检测灰度化处理后的处理区域中所有像素点的灰度值。根据灰度值,利用图像二值化对灰度化处理后的处理区域进行区分,以得到至少一个纯黑区域和至少一个纯白区域。
在本发明的一些实施例中,上述根据灰度值,利用图像二值化对灰度化处理后的处理区域进行区分,以得到至少一个纯黑区域和至少一个纯白区域的步骤包括以下步骤:若灰度值高于预设灰度值,则将对应像素点的灰度值设置为255,且灰度值为255的像素点呈白色。若灰度值不高于预设灰度值,则将对应像素点的灰度值设置为0,且灰度值为0的像素点呈黑色。
在本发明的一些实施例中,上述根据边缘信息,对各个颜色区域进行非线性拉伸的步骤包括以下步骤:利用直方图均衡化对各个颜色区域进行非线性拉伸。
在本发明的一些实施例中,上述利用Canny算子检测各颜色区域的边缘,以得到所有颜色区域的边缘信息的步骤包括以下步骤:根据边缘信息记录边缘内像素点总数以及各像素点的位置。
第二方面,本申请实施例提供一种图像处理系统,其包括:待处理图像获取模块,用于获取待处理图像。处理区域确定模块,用于根据用户操作确定待处理图像中的处理区域。灰度化处理模块,用于对处理区域进行灰度化处理。颜色区域区分模块,用于利用图像二值化对灰度化处理后的处理区域进行区分,以得到多个颜色区域。边缘检测模块,用于利用Canny算子检测各颜色区域的边缘,以得到所有颜色区域的边缘信息。图像像素值分配模块,用于根据边缘信息,对各个颜色区域进行非线性拉伸,以重新分配所有颜色区域的图像像素值。数量统计模块,用于检测任一颜色区域中不同位置区域的图像像素值,并统计图像像素值相同的位置区域的数量。位置区域滤波处理模块,用于比较所有数量,按照从多至少的顺序,依次对图像像素值相同的位置区域进行滤波处理,并将滤波处理后的所有位置区域进行融合,以得到处理后的颜色区域。最终图像得到模块,用于将处理后的颜色区域进行融合,以得到最终图像。
在本发明的一些实施例中,上述处理区域确定模块包括:框选单元,用于用户对待处理图像中任一位置进行框选,以得到框选位置。处理区域确定单元,用于根据框选位置确定待处理图像中的处理区域。
在本发明的一些实施例中,上述图像处理系统还包括:辉度检测模块,用于将待处理图像划分成多个网格区域,并检测每个网格区域的辉度。辉度调整模块,用于若辉度大于预设辉度基准,则将对应网格区域的辉度调至预设辉度基准。
在本发明的一些实施例中,上述颜色区域区分模块包括:灰度值检测单元,用于检测灰度化处理后的处理区域中所有像素点的灰度值。处理区域区分单元,用于根据灰度值,利用图像二值化对灰度化处理后的处理区域进行区分,以得到至少一个纯黑区域和至少一个纯白区域。
在本发明的一些实施例中,上述处理区域区分单元包括:第一子单元,用于若灰度值高于预设灰度值,则将对应像素点的灰度值设置为255,且灰度值为255的像素点呈白色。第二子单元,用于若灰度值不高于预设灰度值,则将对应像素点的灰度值设置为0,且灰度值为0的像素点呈黑色。
在本发明的一些实施例中,上述图像像素值分配模块包括:非线性拉伸单元,用于利用直方图均衡化对各个颜色区域进行非线性拉伸。
在本发明的一些实施例中,上述边缘检测模块包括:像素点记录单元,用于根据边缘信息记录边缘内像素点总数以及各像素点的位置。
第三方面,本申请实施例提供一种电子设备,其包括存储器,用于存储一个或多个程序;处理器。当一个或多个程序被处理器执行时,实现如上述第一方面中任一项的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
本发明提供一种图像处理方法及系统,其包括如下步骤:获取待处理图像。根据用户操作确定待处理图像中的处理区域。对处理区域进行灰度化处理。利用图像二值化对灰度化处理后的处理区域进行区分,以得到多个颜色区域。利用Canny算子检测各颜色区域的边缘,以得到所有颜色区域的边缘信息。根据边缘信息,对各个颜色区域进行非线性拉伸,以重新分配所有颜色区域的图像像素值。检测任一颜色区域中不同位置区域的图像像素值,并统计图像像素值相同的位置区域的数量。比较所有数量,按照从多至少的顺序,依次对图像像素值相同的位置区域进行滤波处理,并将滤波处理后的所有位置区域进行融合,以得到处理后的颜色区域。将处理后的颜色区域进行融合,以得到最终图像。
该方法及系统实时获取用户操作,并根据用户操作确定待处理图像中的处理区域。首先对处理区域进行灰度化处理,进而在保留图像特征的同时,简化图像信息,以便能够更好提取处理区域中的特征。并利用图像二值化将灰度化处理后的处理区域划分为多个颜色区域。紧接着通过Canny算子检测各个颜色区域的边缘,继而较为准确地定位每个颜色区域的边缘点。并且Canny算子具有低错误率的特点,采用Canny算子不仅可以找到每个边缘点,而且不会存在虚假边缘点。且该方法及系统针对每个颜色区域的灰度分布特点,对各个颜色区域进行非线性拉伸,以重新分配每个颜色区域的图像像素值,使一定灰度范围内的像素数量趋于一致。也就使得每个颜色区域中较为集中的某个灰度区域转换为全部灰度范围内的均匀分布。从而增加了每个颜色区域的局部对比度,达到了有效放大图像细节信息的效果,在一定程度上保证了颜色区域的重要信息不丢失。该方法及系统针对不同图像像素值,对位置区域进行滤波处理,进而对位置区域进行有效降噪,则可以达到更好的滤波效果。且该方法及系统是根据颜色区域的实际图像像素值对颜色区域进行处理的,则能够保证颜色区域的重要信息不丢失。进而保证最终图像的重要信息不丢失。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种图像处理方法的流程图;
图2为本发明实施例提供的一种图像处理系统的结构框图;
图3为本发明实施例提供的一种电子设备的示意性结构框图。
图标:100-图像处理系统;110-待处理图像获取模块;120-处理区域确定模块;130-灰度化处理模块;140-颜色区域区分模块;150-边缘检测模块;160-图像像素值分配模块;170-数量统计模块;180-位置区域滤波处理模块;190-最终图像得到模块;101-存储器;102-处理器;103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,若出现术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,若出现由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例
请参阅图1,图1所示为本申请实施例提供的一种图像处理方法的流程图。一种图像处理方法,其包括如下步骤:
S110:获取待处理图像;
具体的,可以通过智能手机、摄像机等电子设备对目标物体进行拍摄,以得到图片,该图片即为待处理图像。
S120:根据用户操作确定待处理图像中的处理区域;
具体的,用户可以通过点击或者框选的方式选择待处理图像中的处理区域。
其中,当用户通过点击的方式选择处理区域时,用户的触摸范围即为用户点击范围,将用户点击范围的中心作为圆心,可以选择5毫米作为半径画圆,该圆即为处理区域。
此外,当用户通过框选方式选择处理区域时,用户可以选择圆形框或者矩形框进行框选,根据用户的框选确定框选位置,该框选位置即为处理区域。
S130:对处理区域进行灰度化处理;
具体的,对处理区域进行灰度化处理,进而在保留图像特征的同时,简化图像信息,以便能够更好提取处理区域中的特征。
S140:利用图像二值化对灰度化处理后的处理区域进行区分,以得到多个颜色区域;
具体的,图像二值化是将灰度化处理后的处理区域中所有像素点的灰度值设置为0或255,即纯黑和纯白两种颜色。
详细的,首先设定一个预设灰度值,低于预设灰度值的像素点灰度值设置为0,高于预设灰度值的像素点灰度值设置为255。其中,灰度值为255的像素点呈白色,灰度值为0的像素点呈黑色。从而将灰度化处理后的处理区域划分为至少一个纯黑区域和至少一个纯白区域,即多个颜色区域。也就将处理区域划分为多个颜色区域进行处理。
S150:利用Canny算子检测各颜色区域的边缘,以得到所有颜色区域的边缘信息;
具体的,通过Canny算子检测各个颜色区域的边缘,可以较为准确地定位每个颜色区域的边缘点。并且Canny算子具有低错误率的特点,采用Canny算子不仅可以找到每个边缘点,而且不会存在虚假边缘点。
S160:根据边缘信息,对各个颜色区域进行非线性拉伸,以重新分配所有颜色区域的图像像素值;
其中,边缘信息包括边缘内像素点总数以及各像素点的位置。
具体的,针对每个颜色区域的灰度分布特点,可以利用直方图均衡化对各个颜色区域进行非线性拉伸,以重新分配每个颜色区域的图像像素值,使一定灰度范围内的像素数量趋于一致。也就使得每个颜色区域中较为集中的某个灰度区域转换为全部灰度范围内的均匀分布。从而增加了每个颜色区域的局部对比度,达到了有效放大图像细节信息的效果,在一定程度上保证了颜色区域的重要信息不丢失。
S170:检测任一颜色区域中不同位置区域的图像像素值,并统计图像像素值相同的位置区域的数量;
具体的,检测各个颜色区域中所有像素点的图像像素值,并统计图像像素值相同的位置区域的数量,以得到图像像素值相同的像素点的位置。
S180:比较所有数量,按照从多至少的顺序,依次对图像像素值相同的位置区域进行滤波处理,并将滤波处理后的所有位置区域进行融合,以得到处理后的颜色区域;
具体的,针对不同图像像素值,对位置区域进行滤波处理,进而对位置区域进行有效降噪,则可以达到更好的滤波效果。
S190:将处理后的颜色区域进行融合,以得到最终图像。
具体的,由于该方法是根据颜色区域的实际图像像素值对颜色区域进行处理的,则能够保证颜色区域的重要信息不丢失。进而保证最终图像的重要信息不丢失。
在本实施例的一些实施方式中,上述根据用户操作确定待处理图像中的处理区域的步骤包括以下步骤:用户对待处理图像中任一位置进行框选,以得到框选位置。根据框选位置确定待处理图像中的处理区域。具体的,用户可以选择圆形框或者矩形框对待处理图像中的任一位置进行框选,根据用户的框选确定框选位置,该框选位置即为处理区域。通过框选的方式选择处理区域,可以使得处理区域更符合用户的选择,进而提高用户的使用体验感。
在本实施例的一些实施方式中,上述获取待处理图像的步骤之后,该方法还包括:将待处理图像划分成多个网格区域,并检测每个网格区域的辉度。若辉度大于预设辉度基准,则将对应网格区域的辉度调至预设辉度基准。具体的,将辉度过高的网格区域辉度调整至预设辉度基准,继而实现对待处理图像进行辉度调整的目的,进而避免辉度过高而造成待处理图像的细节缺少,极大保留了待处理图像的细节信息。
在本实施例的一些实施方式中,上述利用图像二值化对灰度化处理后的处理区域进行区分,以得到多个颜色区域的步骤包括以下步骤:检测灰度化处理后的处理区域中所有像素点的灰度值。根据灰度值,利用图像二值化对灰度化处理后的处理区域进行区分,以得到至少一个纯黑区域和至少一个纯白区域。具体的,依次检测灰度化处理后的处理区域中所有像素点的灰度值。图像二值化法会设定一个预设灰度值,将预设灰度值与每个像素点灰度值进行比较,以区分高于预设灰度值的像素点和低于预设灰度值的像素点。
在本实施例的一些实施方式中,上述根据灰度值,利用图像二值化对灰度化处理后的处理区域进行区分,以得到至少一个纯黑区域和至少一个纯白区域的步骤包括以下步骤:若灰度值高于预设灰度值,则将对应像素点的灰度值设置为255,且灰度值为255的像素点呈白色。若灰度值不高于预设灰度值,则将对应像素点的灰度值设置为0,且灰度值为0的像素点呈黑色。具体的,低于预设灰度值的像素点灰度值设置为0,高于预设灰度值的像素点灰度值设置为255。其中,灰度值为255的像素点呈白色,灰度值为0的像素点呈黑色。从而将灰度化处理后的处理区域划分为至少一个纯黑区域和至少一个纯白区域,即多个颜色区域。
在本实施例的一些实施方式中,上述根据边缘信息,对各个颜色区域进行非线性拉伸的步骤包括以下步骤:利用直方图均衡化对各个颜色区域进行非线性拉伸。具体的,针对每个颜色区域的灰度分布特点,利用直方图均衡化对各个颜色区域进行非线性拉伸,以重新分配每个颜色区域的图像像素值,使一定灰度范围内的像素数量趋于一致。也就使得每个颜色区域中较为集中的某个灰度区域转换为全部灰度范围内的均匀分布。从而增加了每个颜色区域的局部对比度,达到了有效放大图像细节信息的效果,在一定程度上保证了颜色区域的重要信息不丢失。
在本实施例的一些实施方式中,上述利用Canny算子检测各颜色区域的边缘,以得到所有颜色区域的边缘信息的步骤包括以下步骤:根据边缘信息记录边缘内像素点总数以及各像素点的位置。从而详细记录每个颜色区域的边缘信息。
请参照图2,图2所示为本发明实施例提供的一种图像处理系统100的结构框图。一种图像处理系统100,其包括:待处理图像获取模块110,用于获取待处理图像。处理区域确定模块120,用于根据用户操作确定待处理图像中的处理区域。灰度化处理模块130,用于对处理区域进行灰度化处理。颜色区域区分模块140,用于利用图像二值化对灰度化处理后的处理区域进行区分,以得到多个颜色区域。边缘检测模块150,用于利用Canny算子检测各颜色区域的边缘,以得到所有颜色区域的边缘信息。图像像素值分配模块160,用于根据边缘信息,对各个颜色区域进行非线性拉伸,以重新分配所有颜色区域的图像像素值。数量统计模块170,用于检测任一颜色区域中不同位置区域的图像像素值,并统计图像像素值相同的位置区域的数量。位置区域滤波处理模块180,用于比较所有数量,按照从多至少的顺序,依次对图像像素值相同的位置区域进行滤波处理,并将滤波处理后的所有位置区域进行融合,以得到处理后的颜色区域。最终图像得到模块190,用于将处理后的颜色区域进行融合,以得到最终图像。
具体的,该系统实时获取用户操作,并根据用户操作确定待处理图像中的处理区域。首先对处理区域进行灰度化处理,进而在保留图像特征的同时,简化图像信息,以便能够更好提取处理区域中的特征。并利用图像二值化将灰度化处理后的处理区域划分为多个颜色区域。紧接着通过Canny算子检测各个颜色区域的边缘,继而较为准确地定位每个颜色区域的边缘点。并且Canny算子具有低错误率的特点,采用Canny算子不仅可以找到每个边缘点,而且不会存在虚假边缘点。且该系统针对每个颜色区域的灰度分布特点,对各个颜色区域进行非线性拉伸,以重新分配每个颜色区域的图像像素值,使一定灰度范围内的像素数量趋于一致。也就使得每个颜色区域中较为集中的某个灰度区域转换为全部灰度范围内的均匀分布。从而增加了每个颜色区域的局部对比度,达到了有效放大图像细节信息的效果,在一定程度上保证了颜色区域的重要信息不丢失。
其中,该系统针对不同图像像素值,对位置区域进行滤波处理,进而对位置区域进行有效降噪,则可以达到更好的滤波效果。且该系统是根据颜色区域的实际图像像素值对颜色区域进行处理的,则能够保证颜色区域的重要信息不丢失。进而保证最终图像的重要信息不丢失。
在本实施例的一些实施方式中,上述处理区域确定模块120包括:框选单元,用于用户对待处理图像中任一位置进行框选,以得到框选位置。处理区域确定单元,用于根据框选位置确定待处理图像中的处理区域。具体的,用户可以选择圆形框或者矩形框对待处理图像中的任一位置进行框选,根据用户的框选确定框选位置,该框选位置即为处理区域。通过框选的方式选择处理区域,可以使得处理区域更符合用户的选择,进而提高用户的使用体验感。
在本实施例的一些实施方式中,上述图像处理系统100还包括:辉度检测模块,用于将待处理图像划分成多个网格区域,并检测每个网格区域的辉度。辉度调整模块,用于若辉度大于预设辉度基准,则将对应网格区域的辉度调至预设辉度基准。具体的,将辉度过高的网格区域辉度调整至预设辉度基准,继而实现对待处理图像进行辉度调整的目的,进而避免辉度过高而造成待处理图像的细节缺少,极大保留了待处理图像的细节信息。
在本实施例的一些实施方式中,上述颜色区域区分模块140包括:灰度值检测单元,用于检测灰度化处理后的处理区域中所有像素点的灰度值。处理区域区分单元,用于根据灰度值,利用图像二值化对灰度化处理后的处理区域进行区分,以得到至少一个纯黑区域和至少一个纯白区域。具体的,依次检测灰度化处理后的处理区域中所有像素点的灰度值。图像二值化法会设定一个预设灰度值,将预设灰度值与每个像素点灰度值进行比较,以区分高于预设灰度值的像素点和低于预设灰度值的像素点。
在本实施例的一些实施方式中,上述处理区域区分单元包括:第一子单元,用于若灰度值高于预设灰度值,则将对应像素点的灰度值设置为255,且灰度值为255的像素点呈白色。第二子单元,用于若灰度值不高于预设灰度值,则将对应像素点的灰度值设置为0,且灰度值为0的像素点呈黑色。具体的,低于预设灰度值的像素点灰度值设置为0,高于预设灰度值的像素点灰度值设置为255。其中,灰度值为255的像素点呈白色,灰度值为0的像素点呈黑色。从而将灰度化处理后的处理区域划分为至少一个纯黑区域和至少一个纯白区域,即多个颜色区域。
在本实施例的一些实施方式中,上述图像像素值分配模块160包括:非线性拉伸单元,用于利用直方图均衡化对各个颜色区域进行非线性拉伸。具体的,针对每个颜色区域的灰度分布特点,利用直方图均衡化对各个颜色区域进行非线性拉伸,以重新分配每个颜色区域的图像像素值,使一定灰度范围内的像素数量趋于一致。也就使得每个颜色区域中较为集中的某个灰度区域转换为全部灰度范围内的均匀分布。从而增加了每个颜色区域的局部对比度,达到了有效放大图像细节信息的效果,在一定程度上保证了颜色区域的重要信息不丢失。
在本实施例的一些实施方式中,上述边缘检测模块150包括:像素点记录单元,用于根据边缘信息记录边缘内像素点总数以及各像素点的位置。具体的,从而详细记录每个颜色区域的边缘信息。
请参阅图3,图3为本申请实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块,如本申请实施例所提供的一种图像处理系统100对应的程序指令/模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器101(Random Access Memory,RAM),只读存储器101(Read Only Memory,ROM),可编程只读存储器101(ProgrammableRead-Only Memory,PROM),可擦除只读存储器101(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器102,包括中央处理器102(Central Processing Unit,CPU)、网络处理器102(Network Processor,NP)等;还可以是数字信号处理器102(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。
可以理解,图3所示的结构仅为示意,电子设备还可包括比图3中所示更多或者更少的组件,或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。
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,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器101(ROM,Read-Only Memory)、随机存取存储器101(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种图像处理方法,其特征在于,包括如下步骤:
获取待处理图像;
根据用户操作确定所述待处理图像中的处理区域;
对所述处理区域进行灰度化处理;
利用图像二值化对灰度化处理后的所述处理区域进行区分,以得到多个颜色区域;
利用Canny算子检测各所述颜色区域的边缘,以得到所有所述颜色区域的边缘信息;
根据所述边缘信息,对各个所述颜色区域进行非线性拉伸,以重新分配所有所述颜色区域的图像像素值;
检测任一所述颜色区域中不同位置区域的图像像素值,并统计图像像素值相同的位置区域的数量;
比较所有数量,按照从多至少的顺序,依次对所述图像像素值相同的位置区域进行滤波处理,并将滤波处理后的所有位置区域进行融合,以得到处理后的所述颜色区域;
将处理后的所述颜色区域进行融合,以得到最终图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述根据用户操作确定所述待处理图像中的处理区域的步骤包括以下步骤:
用户对所述待处理图像中任一位置进行框选,以得到框选位置;
根据所述框选位置确定所述待处理图像中的处理区域。
3.根据权利要求1所述的图像处理方法,其特征在于,所述获取待处理图像的步骤之后,还包括:
将所述待处理图像划分成多个网格区域,并检测每个所述网格区域的辉度;
若所述辉度大于预设辉度基准,则将对应所述网格区域的辉度调至预设辉度基准。
4.根据权利要求1所述的图像处理方法,其特征在于,所述利用图像二值化对灰度化处理后的所述处理区域进行区分,以得到多个颜色区域的步骤包括以下步骤:
检测灰度化处理后的所述处理区域中所有像素点的灰度值;
根据灰度值,利用图像二值化对灰度化处理后的所述处理区域进行区分,以得到至少一个纯黑区域和至少一个纯白区域。
5.根据权利要求4所述的图像处理方法,其特征在于,根据灰度值,利用图像二值化对灰度化处理后的所述处理区域进行区分,以得到至少一个纯黑区域和至少一个纯白区域的步骤包括以下步骤:
若所述灰度值高于预设灰度值,则将对应像素点的灰度值设置为255,且灰度值为255的像素点呈白色;
若所述灰度值不高于预设灰度值,则将对应像素点的灰度值设置为0,且灰度值为0的像素点呈黑色。
6.根据权利要求1所述的图像处理方法,其特征在于,根据所述边缘信息,对各个所述颜色区域进行非线性拉伸的步骤包括以下步骤:
利用直方图均衡化对各个所述颜色区域进行非线性拉伸。
7.根据权利要求1所述的图像处理方法,其特征在于,利用Canny算子检测各所述颜色区域的边缘,以得到所有所述颜色区域的边缘信息的步骤包括以下步骤:
根据所述边缘信息记录边缘内像素点总数以及各像素点的位置。
8.一种图像处理系统,其特征在于,包括:
待处理图像获取模块,用于获取待处理图像;
处理区域确定模块,用于根据用户操作确定所述待处理图像中的处理区域;
灰度化处理模块,用于对所述处理区域进行灰度化处理;
颜色区域区分模块,用于利用图像二值化对灰度化处理后的所述处理区域进行区分,以得到多个颜色区域;
边缘检测模块,用于利用Canny算子检测各所述颜色区域的边缘,以得到所有所述颜色区域的边缘信息;
图像像素值分配模块,用于根据所述边缘信息,对各个所述颜色区域进行非线性拉伸,以重新分配所有所述颜色区域的图像像素值;
数量统计模块,用于检测任一所述颜色区域中不同位置区域的图像像素值,并统计图像像素值相同的位置区域的数量;
位置区域滤波处理模块,用于比较所有数量,按照从多至少的顺序,依次对所述图像像素值相同的位置区域进行滤波处理,并将滤波处理后的所有位置区域进行融合,以得到处理后的所述颜色区域;
最终图像得到模块,用于将处理后的所述颜色区域进行融合,以得到最终图像。
9.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-7中任一项所述的方法。
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,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111512795.0A CN114387441A (zh) | 2021-12-11 | 2021-12-11 | 一种图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111512795.0A CN114387441A (zh) | 2021-12-11 | 2021-12-11 | 一种图像处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114387441A true CN114387441A (zh) | 2022-04-22 |
Family
ID=81196385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111512795.0A Pending CN114387441A (zh) | 2021-12-11 | 2021-12-11 | 一种图像处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114387441A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115348709A (zh) * | 2022-10-18 | 2022-11-15 | 良业科技集团股份有限公司 | 适用于文旅的智慧云服务照明展示方法及系统 |
-
2021
- 2021-12-11 CN CN202111512795.0A patent/CN114387441A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115348709A (zh) * | 2022-10-18 | 2022-11-15 | 良业科技集团股份有限公司 | 适用于文旅的智慧云服务照明展示方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523438B (zh) | 一种活体识别方法、终端设备和电子设备 | |
US11501428B2 (en) | Method, apparatus and system for detecting fundus image based on machine learning | |
CN109934785B (zh) | 图像锐化方法及装置 | |
KR20110053820A (ko) | 이미지 처리 방법 및 장치 | |
US10467742B2 (en) | Method and image capturing device for detecting fog in a scene | |
CN106651797B (zh) | 一种信号灯有效区域的确定方法和装置 | |
US11694433B2 (en) | Detection of projected infrared patterns using difference of Gaussian and blob identification | |
CN114387441A (zh) | 一种图像处理方法及系统 | |
CN111654643A (zh) | 曝光参数确定方法、装置、无人机和计算机可读存储介质 | |
US9813640B2 (en) | Image processing apparatus, image processing method, image processing program, and non-transitory recording for calculating a degree-of-invalidity for a selected subject type | |
US8988219B2 (en) | Alert system based on camera identification | |
CN108040244B (zh) | 基于光场视频流的抓拍方法及装置、存储介质 | |
CN112770100B (zh) | 一种图像获取方法、摄影装置以及计算机可读存储介质 | |
CN112351271A (zh) | 一种摄像头的遮挡检测方法、装置、存储介质和电子设备 | |
CN110896475B (zh) | 显示终端通道切换检测方法和装置 | |
Hadiprakoso | Face anti-spoofing method with blinking eye and hsv texture analysis | |
CN116051477A (zh) | 一种超高清视频文件的图像噪声检测方法及装置 | |
CN110798667B (zh) | 一种自动对焦方法、装置、电子设备及可读存储介质 | |
CN110492934B (zh) | 一种可见光通信系统噪声抑制方法 | |
CN112752110A (zh) | 视频呈现方法及装置、计算设备、存储介质 | |
CN111161211A (zh) | 一种图像检测方法及装置 | |
CN114025073B (zh) | 提取摄像头的硬件指纹的方法及装置 | |
CN108881636A (zh) | 逆光模式自动切换方法、装置、电子设备及计算机可读存储介质 | |
CN111212223B (zh) | 一种设定成像参数的方法、系统及计算机可读存储介质 | |
CN108475338B (zh) | 全景图像、视频的识别方法、分类器建立方法及电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |