CN115034997A - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN115034997A CN115034997A CN202210748926.3A CN202210748926A CN115034997A CN 115034997 A CN115034997 A CN 115034997A CN 202210748926 A CN202210748926 A CN 202210748926A CN 115034997 A CN115034997 A CN 115034997A
- Authority
- CN
- China
- Prior art keywords
- image
- weight map
- underwater
- processing
- processed 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 86
- 238000007499 fusion processing Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 29
- 238000010606 normalization Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000003384 imaging method Methods 0.000 abstract description 14
- 238000011161 development Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 5
- 239000002356 single layer Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000031700 light absorption Effects 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
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法及装置，属于图像处理技术领域。所述图像处理方法包括：对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，所述至少一种图像处理包括：色彩修复和/或对比度增强；获取所述至少一个处理后图像中每个处理后图像对应的权重图，所述权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图；将所述每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。本发明能够增强水下图像的质量，从而促进水下成像技术的发展。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种图像处理方法及装置。
背景技术
水下成像是水下光学和海洋光学学科的重要研究方向，是人类认识海洋、开发利用海洋和保护海洋的重要手段和工具。目前该技术已经广泛应用于水中目标目标侦察/探测/识别、水下考古、海底资源勘探、生物研究、水下工程安装/检修、水下环境监测以及救生打捞等领域。
不同于陆地，在水下应用视觉系统时，其成像环境更为复杂，受到的影响和干扰更为严重，主要体现在以下几个方面：一是水体本身对不同光谱特征的选择性吸收，水下图像存在色彩偏差；二是水中悬浮颗粒等对光线的前向散射和后向散射，导致水下图像的清晰度和对比度降低；三是人工照明的使用对图像成像的影响，造成水下图像成像的亮度不均匀。因此，由摄像机直接得到的水下图像往往会存在比较严重的质量退化问题，表现为水下图像的模糊不清、对比度低、颜色失真等问题，这直接影响了利用图像进行海底探测、目标识别、生物监测等水下任务的顺利开展。
发明内容
本发明实施例提供了一种图像处理方法及装置，能够增强水下图像的质量，从而促进水下成像技术的发展。所述技术方案如下：
根据本发明实施例的第一方面，提供了一种图像处理方法，所述方法包括：
对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，所述至少一种图像处理包括：色彩修复和/或对比度增强；
获取所述至少一个处理后图像中每个处理后图像对应的权重图，所述权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图；
将所述每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。
可选地，所述权重图的种类有多种，所述将所述每个处理后图像与对应的权重图进行融合处理，得到增强水下图像，包括：
将所述每个处理后图像对应的权重图进行归一化处理，得到所述每个处理后图像对应的归一化权重图；
将所述每个处理后图像与对应的归一化权重图进行融合处理，得到所述增强水下图像。
可选地，所述将所述每个处理后图像与对应的归一化权重图进行融合处理，得到所述增强水下图像，包括：
分解所述处理后图像得到第一图像金字塔；
分解所述处理后图像对应的归一化权重图得到第二图像金字塔；
将所述第一图像金字塔和所述第二图像金字塔每一层中对应的像素点分别进行矩阵点乘计算，得到所述处理后图像对应的多尺度图像；
逐层叠加融合所述多尺度图像的各层图像，得到所述增强水下图像。
可选地，所述方法还包括：
获取原始水下图像；
对所述原始水下图像进行至少一种平衡处理，得到所述水下图像，所述第二平衡处理包括：衰减补偿和/或色彩平衡。
根据本发明实施例的第二方面，提供了一种图像处理装置，所述装置包括：
第一处理模块，用于对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，所述至少一种图像处理包括：色彩修复和/或对比度增强；
第一获取模块，用于获取所述至少一个处理后图像中每个处理后图像对应的权重图，所述权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图；
第二处理模块，用于将所述每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。
可选地，所述权重图的种类有多种，所述第二处理模块，具体用于：
将所述每个处理后图像对应的权重图进行归一化处理，得到所述每个处理后图像对应的归一化权重图；
将所述每个处理后图像与对应的归一化权重图进行融合处理，得到所述增强水下图像。
可选地，所述第二处理模块，具体用于：
分解所述处理后图像得到第一图像金字塔；
分解所述处理后图像对应的归一化权重图得到第二图像金字塔；
将所述第一图像金字塔和所述第二图像金字塔每一层中对应的像素点分别进行矩阵点乘计算，得到所述处理后图像对应的多尺度图像；
逐层叠加融合所述多尺度图像的各层图像，得到所述增强水下图像。
可选地，所述装置还包括：
第二获取模块，用于获取原始水下图像；
第三处理模块，用于对所述原始水下图像进行至少一种平衡处理，得到所述水下图像，所述第二平衡处理包括：衰减补偿和/或色彩平衡。
根据本发明实施例的第三方面，提供了一种图像处理装置，包括：
处理器；
用于存储所述处理器的可执行指令的存储器；
其中，所述处理器被配置为执行所述存储器中存储的指令以实现第一方面任一项所述的方法。
根据本发明实施例的第四方面，提供了一种计算机存储介质，所述存储介质中存储有指令，当所述指令在处理组件上运行时，使得所述处理组件执行如第一方面任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明实施例提供的图像处理方法，对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，至少一种图像处理包括：色彩修复和/或对比度增强，之后获取至少一个处理后图像中每个处理后图像对应的权重图，权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图，最后将每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。通过该一系列处理过程可以增强水下图像的质量，提高了水下图像在各个领域的应用效果，有利于利用图像进行海底探测、目标识别、生物监测等水下任务的顺利开展，促进了水下成像技术的发展。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
为了更清楚地说明本发明的实施例，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图像处理方法的流程示意图；
图2为本发明实施例提供的另一种图像处理方法的流程示意图；
图3为处理后图像以及处理后图像对应的四种权重图的示意图；
图4为将处理后图像与对应的权重图进行多尺度融合处理的过程示意图；
图5为本发明实施例提供的一种图像处理装置的框图；
图6为本发明实施例提供的另一种图像处理装置的框图；
图7为本发明实施例提供的一种图像处理装置的结构示意图。
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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它实施例，都属于本发明保护的范围。
水下成像技术广泛应用于水中目标目标侦察/探测/识别、水下考古、海底资源勘探、生物研究、水下工程安装/检修、水下环境监测以及救生打捞等领域。在水下应用视觉系统时，水下成像环境相较于陆地更为复杂，成像过程中受到的影响和干扰更为严重，导致得到的原始水下图像的图像质量较差。
水下成像过程中受到的影响和干扰体现在如下几个方面：一是水体本身会对不同光谱特征进行选择性吸收，导致水下图像存在颜色偏差，出现色彩失真。二是水中存在的悬浮颗粒会对光线进行前向散射和后向散射，导致水下图像的清晰度和对比度较低，细节模糊。三是水下可能设置有人工照明设备，人工照明设备也会对水下图像产生影响，导致水下图像的亮度不均匀。这些原因会影响水下图像在各个领域的应用效果，直接影响了利用图像进行海底探测、目标识别、生物监测等水下任务的顺利开展，限制水下成像技术的发展。
本发明实施例提供了一种图像处理方法，能够对水下图像进行处理以增强水下图像的质量。请参考图1，图1为本发明实施例提供的一种图像处理方法的流程示意图，该方法可以包括以下过程：
101、对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，至少一种图像处理包括：色彩修复和/或对比度增强。
102、获取至少一个处理后图像中每个处理后图像对应的权重图，权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图。
针对上述四种权重图，可以基于相应的权重滤波算法对处理后图像进行计算得到处理后图像对应的权重图。可选地，可以获取色彩修复图像对应的权重图，和/或对比度增强图像对应的权重图。
103、将每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。
以权重图的种类有多种为例，可以先将每个处理后图像对应的权重图进行归一化处理，得到每个处理后图像对应的归一化权重图。之后将每个处理后图像与对应的归一化权重图进行融合处理，得到增强水下图像。
综上所述，本发明实施例提供的图像处理方法，对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，至少一种图像处理包括：色彩修复和/或对比度增强，之后获取至少一个处理后图像中每个处理后图像对应的权重图，权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图，最后将每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。通过该一系列处理过程可以增强水下图像的质量，提高了水下图像在各个领域的应用效果，有利于利用图像进行海底探测、目标识别、生物监测等水下任务的顺利开展，促进了水下成像技术的发展。
请参考图2，图2为本发明实施例提供的另一种图像处理方法的流程示意图，该方法可以包括以下过程：
201、获取原始水下图像。
原始水下图像可以是通过水下视觉系统（例如水下相机）等获取到的水下图像。
202、对原始水下图像进行至少一种平衡处理，得到水下图像，第二平衡处理包括：衰减补偿和/或色彩平衡。
对于衰减补偿，水下图像的像素点由红、绿和蓝三个颜色通道组成，可以利用衰减程度小的颜色通道补偿衰减程度大的颜色通道。
颜色通道的衰减是水体对不同光谱特征的光进行选择性吸收造成的。当光穿过水体时，水体选择性吸收不同光谱段的光，从而影响水下物体的颜色与外观，进而导致水下图像的色彩失真。
光的衰减程度（即被水体吸收的程度）的影响因素包括：光的波长以及观察者与被观察物体之间的距离。光的波长越长，衰减速度越快，即被水体吸收的较多。红色光、绿色光和蓝色光中红色光的波长较长，因此红色光最先被水体吸收，绿色光和蓝色光的穿透能力较强。光的穿透能力随距离增加而逐渐减弱。
由前述分析可知，光的衰减导致原始水下图像的像素点的红色通道衰减程度较大，蓝色通道和绿色通道衰减程度较低。因此原始水下图像偏蓝绿色，并且表面呈现一层雾状。为了解决光的衰减对水下图像的影响，对于每个像素点，可以利用像素点的蓝色通道或绿色通道对像素点的红色通道进行衰减补偿。
示例地，对像素点x的红色通道进行补偿后，补偿后的红色通道可以表示为：
其中，表示像素点的红色通道，表示像素点的绿色通道。按照和的动态范围的上限分别进行归一化，归一化后像素点的每个颜色通道的值均在[0，1]区间范围内。和分别表示和的平均值。表示一个自定义量，例如的值可以为0.6。
对于色彩平衡，可以利用白平衡算法对原始水下图像或者衰减补偿后的水下图像进行白平衡处理，得到色彩平衡水下图像。白平衡算法例如可以包括灰度世界算法（GrayWorld Algorithm）。
203、对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，至少一种图像处理包括：色彩修复和/或对比度增强。
对于色彩修复，可以采用快速暗通道先验（Fast Dark Channel Prior，Fast-DCP）算法对水下图像进行色彩修复，得到对应的色彩修复图像。
对于对比度增强，可以采用有效导向图像滤波（Effective Guided ImageFiltering，Effective-GIF）算法对水下图像进行对比度增强，得到对应的对比度增强图像。
204、获取至少一个处理后图像中每个处理后图像对应的权重图，权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图。
示例地，对于全局对比度权重图，可以利用拉普拉斯算子（Laplacian Filter）对处理后图像的每个亮度进行滤波并计算滤波后的绝对值来获得。具体来说，全局对比度权重图为处理后图像的边缘和纹理分配较高的权重值。
对于局部对比度权重图，可以通过判别处理后图像的每个像素与其相邻区域之间的相关性来获得。利用计算处理后图像的像素亮度值与其周围局部区域的平均值之间的标准偏差得到局部对比度权重图，该权重图被表示为：
其中，表示处理后图像中每个像素点Lab色彩模型中的亮度通道值；表示处理后图像中每个像素周围进行一个均值滤波所对应的亮度通道平均值。
对于目标显著性权重图，利用有效的显著性算法（Efficient SaliencyAlgorithm）生成具有明确边界并突出显示的加权区域图，旨在重新突出在水下场景中失去显著性的物体。
对于色彩饱和度权重图，通过为饱和区域分配高值来感知每个像素的色彩信息，解决水下图像色彩低饱和度的问题。示例地，利用计算处理后图像中每个像素点的三个颜色通道（）与亮度通道（）的偏差得到色彩饱和度权重图，该权重图被表示为：
在四种权重图中，全局对比度权重图可以用于估计处理后图像的全局对比度，突出处理后图像的全局结构信息。局部对比度权重图可以用于计算处理后图像的局部对比度信息，突出处理后图像的细节纹理信息。目标显著性权重图可以用于突出显示处理后图像中失去显著性的物体。色彩饱和度权重图可以用于平衡处理后图像的色彩信息，提升处理后图像的色彩饱和度。
本申请实施例中，权重图优选可以包括：全局对比度权重图、局部对比度权重图、目标显著性权重图和色彩饱和度权重图。这四种权重图可以互补，例如局部对比度权重图与全局对比度权重图可以互补，在通过全局对比度权重图突出处理后图像的全局结构信息的同时，通过局部对比度权重图实现了对处理后图像图像中的倾斜和平坦区域的区分，提升了处理后图像的局部对比度。目标显著性权重图和色彩饱和度权重图可以互补，在通过目标显著性权重图突出了处理后图像的高亮度像素区域的同时，通过色彩饱和度权重图平衡了处理后图像的高亮度区域的色彩饱和度。
通过这四种权重图能够使处理后图像发挥独特优势，从而使最终得到的图像呈现出重要信息和较好的视觉效果。例如色彩修复图像对应的四种权重图可以使色彩修复图像发挥颜色信息的优势，对比度增强图像对应的四种权重图可以使对比度增强图像发挥对比度信息的优势。
示例地，请参考图3，图3为处理后图像以及处理后图像对应的四种权重图的示意图。图3是以处理后图像包括色彩修复图像和对比度增强图像为例进行说明的，在基于相应的权重滤波算法分别对色彩修复图像和对比度增强图像进行计算后，得到图3所示的色彩修复图像对应的四种权重图和对比度增强图像对应的四种权重图。需要说明的是，图3示出的色彩修复图像和对比度增强图像仅为示意性说明，其是将原始色彩修复图像和原始对比度增强图像分别进行灰度化处理后得到的。
205、将每个处理后图像与对应的权重图进行多尺度融合处理，得到增强水下图像。
以色彩修复图像和对比度增强图像为例，可以分别将色彩修复图像和对比度增强图像对应的多种权重图进行归一化处理，得到色彩修复图像和对比度增强图像分别对应的归一化权重图。
以每个处理后图像对应的前述四种权重图为例，该归一化处理过程可以表示为：
其中表示第个处理后图像的归一化权重图；分别表示第个处理后图像的全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图。可选地，该归一化处理至少包含一种权重图。
如前述图3所示，图3还示出了对色彩修复图像和对比度增强图像分别对应的四种权重图进行归一化处理后，得到的色彩修复图像和对比度增强图像分别对应的归一化权重图。
在将每个处理后图像与对应的归一化权重图进行融合处理时，可以先分解处理后图像得到第一图像金字塔，分解处理后图像对应的归一化权重图得到第二图像金字塔。之后将第一图像金字塔和第二图像金字塔每一层中对应的像素点分别进行矩阵点乘计算，得到处理后图像对应的多尺度图像，最后逐层叠加融合多尺度图像的各层图像，得到增强水下图像。
以色彩修复图像和对比度增强图像为例，该多尺度融合过程可采用如下公式表示：
其中，表示增强水下图像；和分别表示色彩修复图像和对比度增强图像对应的第一图像金字塔；和分别表示色彩修复图像和对比度增强图像所对应的归一化权重图对应的第二图像金字塔；表示第一图像金字塔和第二图像金字塔的层数；和分别表示第一图像金字塔和第二图像金字塔的第层图像。
可选地，第一图像金字塔可以包括高斯金字塔，第二图像金字塔可以包括拉普拉斯金字塔。以色彩修复图像和对比度增强图像为例，可以将色彩修复图像分解为高斯金字塔，将对应的归一化权重图分解为拉普拉斯金字塔。之后在高斯金字塔和拉普拉斯金字塔每一层中对应的像素点分别进行矩阵点乘计算，得到色彩修复图像对应的多尺度图像。对比度增强图像对应的多尺度图像的获取方式可以参考色彩修复图像，本申请实施例在此不做赘述。
当处理后图像的数量为一个时，可以利用上采样将该一个处理后图像对应的多尺度图像逐层叠加融合，得到单层的增强水下图像。当处理后图像的数量为多个时，可以将多个处理后图像对应的多尺度图像在每一层上进行像素点乘计算，再利用上采样逐层叠加融合得到单层的增强水下图像。也可以先将多个处理后图像分别对应的多尺度图像利用上采用逐层叠加融合得到多个处理后图像分别对应的单层的增强水下图像，再将多个处理后图像分别对应的单层的增强水下图像进行像素点乘计算，得到最终单层的增强水下图像。
请参考图4，图4为将处理后图像与对应的权重图进行多尺度融合处理的过程示意图。图4以处理后图像包括色彩修复图像和对比度增强图像为例进行说明。将色彩修复图像分解得到第一图像金字塔，将色彩修复图像对应的归一化权重图分解得到第二图像金字塔，将第一图像金字塔和第二图像金字塔每一层中对应的像素点分别进行矩阵点乘计算，得到色彩修复图像对应的多尺度图像。采用同样的方式得到对比度增强图像对应的多尺度图像。之后将色彩修复图像对应的多尺度图像和对比度增强图像对应的多尺度图像进行逐层融合计算，得到最终的增强水下图像。
需要说明的是，图4示出的色彩修复图像、对比度增强图像以及增强水下图像仅为示意性说明，其是将原始色彩修复图像、原始对比度增强图像以及原始增强水下图像分别进行灰度化处理后得到的。
综上所述，本发明实施例提供的图像处理方法，对获取的原始水下图像进行至少一种平衡处理，得到水下图像，第二平衡处理包括：衰减补偿和/或色彩平衡，之后对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，至少一种图像处理包括：色彩修复和/或对比度增强，获取至少一个处理后图像中每个处理后图像对应的权重图，权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图，将每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。通过该一系列处理过程可以增强水下图像的质量，提高了水下图像在各个领域的应用效果，有利于利用图像进行海底探测、目标识别、生物监测等水下任务的顺利开展，促进了水下成像技术的发展。
需要说明的是，本发明实施例提供的图像处理方法步骤的先后顺序可以进行适当调整，步骤也可以根据情况进行相应增减，例如前述过程202可以不执行，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本发明的保护范围之内，因此不再赘述。
可选地，上述实施例中是图像处理方法为例进行说明的。在一种示例中，该图像处理方法中的不同步骤可以由不同的模块来执行。该不同的模块可以位于一个装置中，也可以位于不同的装置中。本发明实施例对执行图像处理方法的装置不做限定。
上文中结合图1至图4详细描述了本发明实施例所提供的图像处理方法，下面将结合图5和图7描述本发明实施例所提供的图像处理装置。
请参考图5，图5为本发明实施例提供的一种图像处理装置的框图，该装置30包括：
第一处理模块301，用于对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，所述至少一种图像处理包括：色彩修复和/或对比度增强；
第一获取模块302，用于获取所述至少一个处理后图像中每个处理后图像对应的权重图，所述权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图；
第二处理模块303，用于将所述每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。
可选地，所述权重图的种类有多种，所述第二处理模块303，具体用于：
将所述每个处理后图像对应的权重图进行归一化处理，得到所述每个处理后图像对应的归一化权重图；
将所述每个处理后图像与对应的归一化权重图进行融合处理，得到所述增强水下图像。
可选地，所述第二处理模块303，具体用于：
分解所述处理后图像得到第一图像金字塔；
分解所述处理后图像对应的归一化权重图得到第二图像金字塔；
将所述第一图像金字塔和所述第二图像金字塔每一层中对应的像素点分别进行矩阵点乘计算，得到所述处理后图像对应的多尺度图像；
逐层叠加融合所述多尺度图像的各层图像，得到所述增强水下图像。
请参考图6，图6为本发明实施例提供的另一种图像处理装置的框图，在图5的基础上，该装置30还包括：
第二获取模块304，用于获取原始水下图像；
第三处理模块305，用于对所述原始水下图像进行至少一种平衡处理，得到所述水下图像，所述第二平衡处理包括：衰减补偿和/或色彩平衡。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的图像处理装置的具体工作过程，可以参考前述方法实施例中的对应过程，本发明实施例在此不再赘述。
本发明实施例提供了一种图像处理装置，包括：处理器；用于存储处理器的可执行指令的存储器；其中，处理器被配置为执行存储器中存储的指令以实现本发明实施例任一所述的图像处理方法。
示例地，请参考图7，图7为本发明实施例提供的一种图像处理装置的结构示意图，如图7所示，该图像处理装置40包括：存储器401和处理器402。其中，存储器401用于存储程序，处理器402用于执行存储器401中存储的程序，以实现本发明实施例提供任一所述的图像处理方法。
可选地，如图7所示，该图像处理装置40还可以包括至少一个通信接口403和至少一个通信总线404。存储器401、处理器402以及通信接口403通过通信总线404通信连接。
本发明实施例提供了一种计算机存储介质，该存储介质中存储有指令，当指令在处理组件上运行时，使得处理组件执行本发明实施例任一所述的图像处理方法。
上述实施例可以通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以以计算机程序产品的形式实现，所述计算机程序产品包括若干计算机指令，以使计算机执行本发明实施例任一所述的方法。
其中，该计算机可以包括通用计算机或计算机网络。计算机通过其存储介质存储计算机指令，或者从其他存储介质获取计算机指令。该存储介质可以是计算机能够存取的任何可用介质或者包含一个或多个可用介质集成的服务器以及数据中心等数据存储装置。该可用介质可以为磁性介质（例如，软盘、硬盘、磁带）、光介质或者半导体介质（例如固态硬盘）等。
本发明实施例中，“第一”和“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。“至少一个”表示一个或多个，“多个”表示两个或两个以上，“和/或”，仅仅是一种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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。除非另有明确的限定。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，所述至少一种图像处理包括：色彩修复和/或对比度增强；
获取所述至少一个处理后图像中每个处理后图像对应的权重图，所述权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图；
将所述每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。
2.根据权利要求1所述的方法，其特征在于，所述权重图的种类有多种，所述将所述每个处理后图像与对应的权重图进行融合处理，得到增强水下图像，包括：
将所述每个处理后图像对应的权重图进行归一化处理，得到所述每个处理后图像对应的归一化权重图；
将所述每个处理后图像与对应的归一化权重图进行融合处理，得到所述增强水下图像。
3.根据权利要求2所述的方法，其特征在于，所述将所述每个处理后图像与对应的归一化权重图进行融合处理，得到所述增强水下图像，包括：
分解所述处理后图像得到第一图像金字塔；
分解所述处理后图像对应的归一化权重图得到第二图像金字塔；
将所述第一图像金字塔和所述第二图像金字塔每一层中对应的像素点分别进行矩阵点乘计算，得到所述处理后图像对应的多尺度图像；
逐层叠加融合所述多尺度图像的各层图像，得到所述增强水下图像。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：
获取原始水下图像；
对所述原始水下图像进行至少一种平衡处理，得到所述水下图像，所述第二平衡处理包括：衰减补偿和/或色彩平衡。
5.一种图像处理装置，其特征在于，所述装置包括：
第一处理模块，用于对水下图像进行至少一种图像处理，得到对应的至少一个处理后图像，所述至少一种图像处理包括：色彩修复和/或对比度增强；
第一获取模块，用于获取所述至少一个处理后图像中每个处理后图像对应的权重图，所述权重图包括以下至少一种：全局对比度权重图、局部对比度权重图、目标显著性权重图、色彩饱和度权重图；
第二处理模块，用于将所述每个处理后图像与对应的权重图进行融合处理，得到增强水下图像。
6.根据权利要求5所述的装置，其特征在于，所述权重图的种类有多种，所述第二处理模块，具体用于：
将所述每个处理后图像对应的权重图进行归一化处理，得到所述每个处理后图像对应的归一化权重图；
将所述每个处理后图像与对应的归一化权重图进行融合处理，得到所述增强水下图像。
7.根据权利要求6所述的装置，其特征在于，所述第二处理模块，具体用于：
分解所述处理后图像得到第一图像金字塔；
分解所述处理后图像对应的归一化权重图得到第二图像金字塔；
将所述第一图像金字塔和所述第二图像金字塔每一层中对应的像素点分别进行矩阵点乘计算，得到所述处理后图像对应的多尺度图像；
逐层叠加融合所述多尺度图像的各层图像，得到所述增强水下图像。
8.根据权利要求5至7任一项所述的装置，其特征在于，所述装置还包括：
第二获取模块，用于获取原始水下图像；
第三处理模块，用于对所述原始水下图像进行至少一种平衡处理，得到所述水下图像，所述第二平衡处理包括：衰减补偿和/或色彩平衡。
9.一种图像处理装置，其特征在于，包括：
处理器；
用于存储所述处理器的可执行指令的存储器；
其中，所述处理器被配置为执行所述存储器中存储的指令以实现权利要求1至4任一项所述的方法。
10.一种计算机存储介质，其特征在于，所述存储介质中存储有指令，当所述指令在处理组件上运行时，使得所述处理组件执行如权利要求1至4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210748926.3A CN115034997A (zh) | 2022-06-28 | 2022-06-28 | 图像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210748926.3A CN115034997A (zh) | 2022-06-28 | 2022-06-28 | 图像处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115034997A true CN115034997A (zh) | 2022-09-09 |
Family
ID=83127391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210748926.3A Pending CN115034997A (zh) | 2022-06-28 | 2022-06-28 | 图像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115034997A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115423724A (zh) * | 2022-11-03 | 2022-12-02 | 中国石油大学(华东) | 强化学习参数优化的水下图像增强方法、装置及介质 |
| CN116863320A (zh) * | 2023-06-06 | 2023-10-10 | 山东大学 | 基于物理模型的水下图像增强方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112308775A (zh) * | 2020-09-23 | 2021-02-02 | 中国石油大学(华东) | 水下图像拼接方法及装置 |
| CN112330548A (zh) * | 2020-10-14 | 2021-02-05 | 北京理工大学珠海学院 | 基于多尺度融合的水下图像修复方法、装置、设备及介质 |
| CN113538309A (zh) * | 2021-07-09 | 2021-10-22 | 北京理工大学 | 水下散射图像多尺度融合复原方法和装置 |
| CN114494089A (zh) * | 2021-12-17 | 2022-05-13 | 湖南国天电子科技有限公司 | 一种基于多尺度融合的海底图像处理方法 |
-
2022
- 2022-06-28 CN CN202210748926.3A patent/CN115034997A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112308775A (zh) * | 2020-09-23 | 2021-02-02 | 中国石油大学(华东) | 水下图像拼接方法及装置 |
| CN112330548A (zh) * | 2020-10-14 | 2021-02-05 | 北京理工大学珠海学院 | 基于多尺度融合的水下图像修复方法、装置、设备及介质 |
| CN113538309A (zh) * | 2021-07-09 | 2021-10-22 | 北京理工大学 | 水下散射图像多尺度融合复原方法和装置 |
| CN114494089A (zh) * | 2021-12-17 | 2022-05-13 | 湖南国天电子科技有限公司 | 一种基于多尺度融合的海底图像处理方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115423724A (zh) * | 2022-11-03 | 2022-12-02 | 中国石油大学(华东) | 强化学习参数优化的水下图像增强方法、装置及介质 |
| CN116863320A (zh) * | 2023-06-06 | 2023-10-10 | 山东大学 | 基于物理模型的水下图像增强方法及系统 |
| CN116863320B (zh) * | 2023-06-06 | 2024-03-29 | 山东大学 | 基于物理模型的水下图像增强方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lu et al. | Underwater image enhancement using guided trigonometric bilateral filter and fast automatic color correction | |
| Park et al. | Single image dehazing with image entropy and information fidelity | |
| CN103914813B (zh) | 彩色雾霾图像去雾与光照补偿的复原方法 | |
| Ramkumar et al. | An effectual underwater image enhancement using deep learning algorithm | |
| CN108537756B (zh) | 基于图像融合的单幅图像去雾方法 | |
| CN115034997A (zh) | 图像处理方法及装置 | |
| Yu et al. | Underwater image enhancement based on DCP and depth transmission map | |
| Barros et al. | Single-shot underwater image restoration: A visual quality-aware method based on light propagation model | |
| CN116152115B (zh) | 基于计算机视觉的垃圾图像去噪处理方法 | |
| Chang | Single underwater image restoration based on adaptive transmission fusion | |
| CN112633274A (zh) | 一种声呐图像目标检测方法、装置、电子设备 | |
| CN115587945A (zh) | 高动态红外图像细节增强方法、系统及计算机存储介质 | |
| Wang et al. | An efficient method for image dehazing | |
| Han et al. | UIEGAN: Adversarial Learning-based Photo-realistic Image Enhancement for Intelligent Underwater Environment Perception | |
| CN111311503A (zh) | 一种夜晚低亮度图像增强系统 | |
| CN111476739B (zh) | 水下图像增强方法、系统及存储介质 | |
| CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
| Qiao et al. | Visibility enhancement for underwater robots based on an improved underwater light model | |
| Lu et al. | A novel underwater scene reconstruction method | |
| Anandh et al. | Visual Enhancement of Underwater Images Using Transmission Estimation and Multi-Scale Fusion. | |
| Kim et al. | Bidirectional Deep Residual learning for Haze Removal. | |
| Zahra et al. | Visibility enhancement of scene images degraded by foggy weather condition: An application to video surveillance | |
| Prasenan et al. | A Study of Underwater Image Pre-processing and Techniques | |
| Park et al. | Variational image dehazing using a fuzzy membership function | |
| Pal | A robust method for dehazing of single image with sky region detection and segmentation |
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 |