CN115660997A - 一种图像数据处理方法、装置及电子设备 - Google Patents
一种图像数据处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115660997A CN115660997A CN202211393890.8A CN202211393890A CN115660997A CN 115660997 A CN115660997 A CN 115660997A CN 202211393890 A CN202211393890 A CN 202211393890A CN 115660997 A CN115660997 A CN 115660997A
- Authority
- CN
- China
- Prior art keywords
- value
- threshold
- image data
- gray
- preset
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 230000002596 correlated effect Effects 0.000 claims abstract description 124
- 238000012545 processing Methods 0.000 claims abstract description 77
- 230000000875 corresponding effect Effects 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000001965 increasing effect Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 11
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000001931 thermography Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 37
- 238000010586 diagram Methods 0.000 description 45
- 238000009826 distribution Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 230000035699 permeability Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 241000023320 Luma <angiosperm> Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 2
- 230000000452 restraining effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本申请实施例提供了一种图像数据处理方法、装置及电子设备,应用于图像处理技术领域。该方法包括:获取原始图像数据中各灰度值的像素数量;统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,并确定与第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值;统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,并确定与第二数量正相关的数值,作为双平台直方图算法中的下平台阈值;利用上平台阈值和下平台阈值,对原始图像数据进行直方图均衡化处理,得到处理后的图像数据。通过本方案,可以提高直方图均衡化的效果。
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数据处理方法、装置及电子设备。
背景技术
直方图均衡化是一种增强图像对比度的方法,其主要思想是将一副图像的直方图分布变成近似均匀分布,从而增强图像的对比度。
双平台直方图算法是一种常用的直方图均衡化算法,其通过上平台阈值和下平台阈值,对图像数据进行直方图均衡化处理,其中,上平台阈值用于限制图像背景对比度、抑制图像噪声,而下平台阈值用来防止目标的细节在增强的过程中被过度压缩。
双平台直方图算法的增强效果与上平台阈值和下平台阈值的选取有关,相关技术中,双平台直方图算法的上平台阈值和下平台阈值多为采用经验所确定的固定平台阈值,使得所确定的平台阈值适应性较低,导致直方图均衡化的效果较差。
发明内容
本申请实施例的目的在于提供一种图像数据处理方法、装置及电子设备,以提高直方图均衡化的效果。具体技术方案如下:
第一方面,本申请实施例提供一种图像数据处理方法,包括:
获取原始图像数据中各灰度值的像素数量,其中,每一灰度值的像素数量为所述原始图像数据包含的各像素中具备该灰度值的像素的数量;
统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,并确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值;
统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,并确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值,其中,所述第二预设阈值小于等于所述第一预设阈值;
利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据。
可选的,针对所述第一数量和所述第二数量中的任一目标数量,采用如下方式确定与所述目标数量正相关的数值:
将所述目标数量,作为与所述目标数量正相关的数值;或者,
计算所述目标数量与第一预设系数的乘积,作为与所述目标数量正相关的数值;或者,
计算所述目标数量与第一指定权值的乘积,得到第一加权值,并计算第一指定值与第二指定权值的乘积,得到第二加权值,以及计算所述第一加权值与所述第二加权值和,作为与所述目标数量正相关的数值;或者,
计算所述目标数量与所述原始图像数据的灰度范围的比值,并确定与所计算的比值正相关的数值,作为与所述目标数量正相关的数值;其中,所述原始图像数据的灰度范围为:所述原始图像数据包含的各灰度值中,最大灰度值与最小灰度值的差值。
可选的,所述确定与所计算的比值正相关的数值,作为与所述目标数量正相关的数值,包括:
将所计算的比值,作为与所述目标数量正相关的数值;或者,
计算所计算的比值与第二预设系数的乘积,作为与所述目标数量正相关的数值;或者,
计算所计算的比值与第三指定权值的乘积,得到第三加权值,并计算第二指定值与第四指定权值的乘积,得到第四加权值,以及计算所述第三加权值与所述第四加权值的和,作为与所述目标数量正相关的数值。
可选的,在所述确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值之后,且在所述利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,所述方法还包括:
若所述上平台阈值大于预设上限阈值,则减小所述上平台阈值。
可选的,所述减小所述上平台阈值,包括:
将所述上平台阈值减小至所述预设上限阈值;或者,
计算所述上平台阈值与预设缩减系数的乘积,作为减小后的所述上平台阈值;或者,
计算所述上平台阈值与预设的第三指定值之间的差值,作为减小后的所述上平台阈值。
可选的,在所述确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值之后,且在所述利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,所述方法还包括:
若所述下平台阈值小于预设下限阈值,则增大所述下平台阈值。
可选的,所述增大所述上平台阈值,包括:
将所述下平台阈值增大至所述预设下限阈值;或者,
计算所述下平台阈值与预设放大系数的乘积,作为增大后的所述下平台阈值;
计算所述下平台阈值与预设的第四指定值之间的和值,作为增大后的所述下平台阈值。
可选的,所述原始图像数据为热成像图像数据;
所述获取原始图像数据中各灰度值的像素数量,包括:
获取原始图像数据的灰度直方图;
确定所述灰度直方图中每一灰度值对应的数量,作为所述原始图像数据中该灰度值的像素数量。
第二方面,本申请实施例提供一种图像数据处理装置,包括:
数量获取模块,用于获取原始图像数据中各灰度值的像素数量,其中,每一灰度值的像素数量为所述原始图像数据包含的各像素中具备该灰度值的像素的数量;
第一阈值确定模块,用于统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,并确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值;
第二阈值确定模块,用于统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,并确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值,其中,所述第二预设阈值小于等于所述第一预设阈值;
图像数据处理模块,用于利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据。
可选的,所述第一阈值确定模块和所述第二阈值确定模块,包括:数值确定子模块,用于针对所述第一数量和所述第二数量中的任一目标数量,将所述目标数量,作为与所述目标数量正相关的数值;或者,计算所述目标数量与第一预设系数的乘积,作为与所述目标数量正相关的数值;或者,计算所述目标数量与第一指定权值的乘积,得到第一加权值,并计算第一指定值与第二指定权值的乘积,得到第二加权值,以及计算所述第一加权值与所述第二加权值和,作为与所述目标数量正相关的数值;或者,计算所述目标数量与所述原始图像数据的灰度范围的比值,并确定与所计算的比值正相关的数值,作为与所述目标数量正相关的数值;其中,所述原始图像数据的灰度范围为:所述原始图像数据包含的各灰度值中,最大灰度值与最小灰度值的差值。
可选的,所述数值确定子模块,具体用于将所计算的比值,作为与所述目标数量正相关的数值;或者,计算所计算的比值与第二预设系数的乘积,作为与所述目标数量正相关的数值;或者,计算所计算的比值与第三指定权值的乘积,得到第三加权值,并计算第二指定值与第四指定权值的乘积,得到第四加权值,以及计算所述第三加权值与所述第四加权值的和,作为与所述目标数量正相关的数值。
可选的,所述装置还包括:第一阈值调整模块,用于在所述第一阈值确定模块执行确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值之后,且在所述图像数据处理模块执行利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,若所述上平台阈值大于预设上限阈值,则减小所述上平台阈值。
可选的,所述第一阈值调整模块,具体用于将所述上平台阈值减小至所述预设上限阈值;或者,计算所述上平台阈值与预设缩减系数的乘积,作为减小后的所述上平台阈值;或者,计算所述上平台阈值与预设的第三指定值之间的差值,作为减小后的所述上平台阈值。
可选的,所述装置还包括:第二阈值调整模块,用于在所述第二阈值确定模块执行确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值之后,且在所述图像数据处理模块执行利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,若所述下平台阈值小于预设下限阈值,则增大所述下平台阈值。
可选的,所述第二阈值调整模块,具体用于将所述下平台阈值增大至所述预设下限阈值;或者,计算所述下平台阈值与预设放大系数的乘积,作为增大后的所述下平台阈值;计算所述下平台阈值与预设的第四指定值之间的和值,作为增大后的所述下平台阈值。
可选的,所述原始图像数据为热成像图像数据;所述数量获取模块,具体用于获取原始图像数据的灰度直方图;确定所述灰度直方图中每一灰度值对应的数量,作为所述原始图像数据中该灰度值的像素数量。
第三方面,本申请实施例提供一种电子设备,包括:
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一所述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
本申请实施例有益效果:
本申请实施例提供的图像数据处理方法,可以获取原始图像数据中各灰度值的像素数量,其中,每一灰度值的像素数量为原始图像数据包含的各像素中具备该灰度值的像素的数量;统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,并确定与第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值;统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,并确定与第二数量正相关的数值,作为双平台直方图算法中的下平台阈值,其中,第二预设阈值小于等于第一预设阈值;利用上平台阈值和下平台阈值,对原始图像数据进行直方图均衡化处理,得到处理后的图像数据。由于不同场景下所采集的原始图像数据中各灰度值的像素数量是不同的,使得不同场景下所采集的原始图像数据中各灰度值中,所包含的像素数量大于第一预设阈值的灰度值的第一数量,以及像素数量小于第二预设阈值的灰度值的第二数量是不同的,从而使得与第一数量正相关的数值,以及与第二数量正相关的数值,可以适应于场景的变化而变化,使得上平台阈值与下平台阈值可以更好的适应原始图像数据的采集场景,进而利用上平台阈值与下平台阈值,对原始图像数据进行直方图均衡化处理,可以提高直方图均衡化的效果。
当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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,还可以根据这些附图获得其他的实施例。
图1a为本申请实施例提供一种采用固定平台阈值所得到图像数据的第一种示意图;
图1b为本申请实施例提供一种采用固定平台阈值所得到图像数据的第二种示意图;
图1c为本申请实施例提供一种采用固定平台阈值所得到图像数据的第三种示意图;
图1d为本申请实施例提供一种采用固定平台阈值所得到图像数据的第四种示意图;
图2a为本申请实施例提供一种采用固定平台阈值所得到图像数据的第五种示意图;
图2b为本申请实施例提供一种采用固定平台阈值所得到图像数据的第六种示意图;
图2c为本申请实施例提供一种采用固定平台阈值所得到图像数据的第七种示意图;
图2d为本申请实施例提供一种采用固定平台阈值所得到图像数据的第八种示意图;
图3a为本申请实施例提供一种宽动态场景下图像数据的第一种示意图;
图3b为本申请实施例提供一种宽动态场景下图像数据的第二种示意图;
图3c为本申请实施例提供一种宽动态场景下图像数据的第三种示意图;
图3d为本申请实施例提供一种宽动态场景下图像数据的第四种示意图;
图4a为本申请实施例提供一种低温差、均匀面场景下图像数据的第一种示意图;
图4b为本申请实施例提供一种低温差、均匀面场景下图像数据的第二种示意图;
图4c为本申请实施例提供一种宽低温差、均匀面场景下图像数据的第三种示意图;
图5a为本申请实施例提供一种高温小目标场景下图像数据的第一种示意图;
图5b为本申请实施例提供一种高温小目标场景下图像数据的第二种示意图;
图5c为本申请实施例提供一种高温小目标场景下图像数据的第三种示意图;
图5d为本申请实施例提供一种高温小目标场景下图像数据的第四种示意图;
图6为本申请实施例所提供的一种图像数据处理方法的流程图;
图7为本申请实施例所提供的一种灰度直方图的示意图;
图8a为本申请实施例提供一种宽动态场景下图像数据的第五种示意图;
图8b为本申请实施例提供一种宽动态场景下图像数据的第六种示意图;
图9a为本申请实施例提供一种低温差、均匀面场景下图像数据的第四种示意图;
图9b为本申请实施例提供一种低温差、均匀面场景下图像数据的第五种示意图;
图10a为本申请实施例提供一种高温小目标场景下图像数据的第五种示意图;
图10b为本申请实施例提供一种高温小目标场景下图像数据的第六种示意图;
图11为本申请实施例所提供的图像数据处理装置的结构示意图;
图12为本申请实施例所提供的电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员基于本申请所获得的所有其他实施例,都属于本申请保护的范围。
双平台直方图算法是一种常用的直方图均衡化算法,其通过上平台阈值和下平台阈值,对图像数据进行直方图均衡化处理,其中,上平台阈值用于限制图像背景对比度、抑制图像噪声,而下平台阈值用来防止目标的细节在增强的过程中被过度压缩。
双平台直方图算法的增强效果与上平台阈值和下平台阈值的选取有关,相关技术中,双平台直方图算法的平台阈值的多为采用经验所确定的固定平台阈值,使得所确定的固定平台阈值适应性较低,导致直方图均衡化的效果较差。
为了更清楚地阐述相关技术中固定平台阈值所存在的问题,下面将结合附图对相关技术中固定平台阈值所存在的问题进行简单阐述。
如图1a所示,为采用固定平台阈值所得到图像数据的第一种示意图。图1a所示图像数据为:利用上平台阈值a1,对场景1的原始图像数据进行直方图均衡化处理后所得到的图像数据。如图1b所示,为采用固定平台阈值所得到图像数据的第二种示意图。图1b所示图像数据为:利用上平台阈值a2,对场景1的原始图像数据,进行直方图均衡化处理后所得到的图像数据。其中,上平台阈值a1小于上平台阈值a2,对比图1a和图1b可知,在场景1下采用上平台阈值a1所得到的图像数据存在图像偏朦现象,在场景1下采用上平台阈值a2所得到的图像数据通透性,比在场景1下采用上平台阈值a1所得到的图像数据通透性更好,效果更好。由此可知,在场景1下上平台阈值越高,图像数据的通透性越好,即直方图均衡化的效果越好。
如图1c所示,为采用固定平台阈值所得到图像数据的第三种示意图。图1c所示图像数据为:利用上平台阈值a1,对场景2的原始图像数据,进行直方图均衡化处理后所得到的图像数据。如图1d所示,为采用固定平台阈值所得到图像数据的第四种示意图。图1d所示图像数据为:利用上平台阈值a2,对场景2的原始图像数据,进行直方图均衡化处理后所得到的图像数据。对比图1c和图1d可知,在场景2下采用上平台阈值a2所得到的图像数据具有较多的背景噪声,在场景2下采用上平台阈值a1所得到的图像数据的背景噪声,相比于在场景2下采用上平台阈值a2所得到的图像数据的背景噪声更少,效果更好。由此可知,在场景2下上平台阈值越低,图像数据的背景噪声越少,即直方图均衡化的效果越好。
对比分析上述图1a-图1d可知,不同场景下,上平台阈值对直方图均衡化的效果影响不同,如对于场景1而言,上平台阈值越高越好,而对于场景2而言,上平台阈值越低越好。因此,采用固定平台阈值的方式不能很好的适应场景需求,导致直方图均衡化的效果较差。
如图2a所示,为采用固定平台阈值所得到图像数据的第五种示意图。图2a所示图像数据为:利用下平台阈值b1,对场景3所采集的原始图像数据,进行直方图均衡化处理后所得到的图像数据。如图2b所示,为采用固定平台阈值所得到图像数据的第六种示意图。图2b所示图像数据为:利用下平台阈值b2,对场景3所采集的原始图像数据,利用下平台阈值b2进行直方图均衡化处理后所得到的图像数据。其中,下平台阈值b1小于下平台阈值b2,对比图2a和图2b可知,在场景3下采用下平台阈值b1所得到的图像数据存在严重高温光晕,在场景3下,采用下平台阈值b2所得到的图像数据目标与背景间的对比度,比采用下平台阈值b1所得到的图像数据目标与背景间的对比度更高。由此可知,在场景3中下平台阈值越高,图像数据的目标与背景间的对比度越高,即直方图均衡化的效果越好。
如图2c所示,为采用固定平台阈值所得到图像数据的第七种示意图。图2c所示图像数据为:利用下平台阈值b1,对场景4的原始图像数据,进行直方图均衡化处理后所得到的图像数据。如图2d所示,为采用固定平台阈值所得到图像数据的第八种示意图。图2d所示图像数据为:利用下平台阈值b2,对场景4的原始图像数据,进行直方图均衡化处理后所得到的图像数据。对比图2c和图2d可知,在场景4下采用下平台阈值b2所得到的图像数据对比度偏低,在场景4下,采用下平台阈值b1所得到的图像数据,相比于采用下平台阈值b2所得到的图像数据的对比度更高,效果更好。由此可知,在场景4中下平台阈值越低,图像数据的对比度越高,即直方图均衡化的效果越好。
对比分析上述图2a-图2d可知,不同场景下,下平台阈值对直方图均衡化的效果影响不同,如对于场景3而言,下平台阈值越高越好,而对于场景4而言,下平台阈值越低越好。因此,采用固定平台阈值的方式不能很好的适应场景需求,导致直方图均衡化的效果较差。
下面以上平台阈值为例,分析不同场景下该如何调整上平台阈值和下平台阈值才能使得直方图均衡化的效果更好。
第一种场景:宽动态场景
如图3a所示,本申请实施例提供的宽动态场景下图像数据的第一种示意图。图3a所示图像数据为:利用上平台阈值c1,对宽动态场景下的原始图像数据进行直方图均衡化处理后,所得到的图像数据。其中,图3a所示宽动态场景为半天半地大面积丛林场景,其图像数据包含的各像素的灰度值层次较差、图像对比度较低。分析其原因:图3a所示图像数据中的建筑及树丛为高温目标区域,由于上平台阈值为固定的上平台阈值c1,导致直方图均衡化处理后的直方图较为平坦,使得所得到的图像数据中,目标区域(建筑及丛林区域)的像素被分配的像素值较少,图像数据呈现偏朦现象。因此,针对宽动态场景,应当增大上平台阈值,从而有利于增加背景区域(天空等)与目标区域内各像素灰度值分布的差异,从而更好的压缩背景区域内像素的灰度值,提升目标区域内的灰阶层次感。示例性的,如图3b所示,本申请实施例提供的宽动态场景下图像数据的第二种示意图,图3b所示图像数据为:利用上平台阈值c2,对宽动态场景下的原始图像数据进行直方图均衡化处理后,所得到的图像数据,上平台阈值c2大于上平台阈值c1,对比图3b所示图像数据和图3a所示图像数据可知,将上平台阈值从c1提升至c2后,增加了背景区域与目标区域内像素的灰度值分布的差异,增大了目标区域与背景区域之间的对比度,提升了直方图均衡化的效果。
如图3c所示,本申请实施例提供的宽动态场景下图像数据的第三种示意图。图3c所示图像数据为利用下平台阈值c3,对宽动态场景下的原始图像数据,进行直方图均衡化处理后所得到的图像数据。如图3d所示,本申请实施例提供的宽动态场景下图像数据的第四种示意图。图3c所示图像数据为:利用下平台阈值c4,对宽动态场景下的原始图像数据,进行直方图均衡化处理后所得到的图像数据,其中,下平台阈值c3小于下平台阈值c4,通过观察图3c和图3d可知,二者相差不大,由此可知,对于宽动态场景而言,下平台阈值的取值对直方图均衡化处理的效果影响较小。
场景2:低温差、均匀面场景
如图4a所示,本申请实施例提供的低温差、均匀面场景下图像数据的第一种示意图。图4a所示图像数据为:利用上平台阈值d1,对低温差、均匀面场景下的原始图像数据,进行直方图均衡化处理后所得到的图像数据。对于4a所示图像数据而言,直方图均衡化处理近似于线性映射,因此对于低温差、均匀面场景而言,上平台阈值越低,所起到的噪声抑制效果越高、图像数据的均匀性越好,因此,降低上平台阈值有利于提高直方图均衡化处理的效果。
如图4b所示,本申请实施例提供的低温差、均匀面场景下图像数据的第二种示意图。图4b所示图像数据为:利用下平台阈值d2,对低温差、均匀面场景下的原始图像数据,进行直方图均衡化处理后所得到的图像数据。如图4c所示,本申请实施例提供的低温差、均匀面场景下图像数据的第三种示意图。图4b所示图像数据为:利用下平台阈值d3,对低温差、均匀面场景下的原始图像数据,进行直方图均衡化处理后所得到的图像数据,其中,下平台阈值d2小于下平台阈值d3,通过观察图4b和图4c可知,二者相差不大,由此可知,对于低温差、均匀面场景而言,下平台阈值的取值对直方图均衡化处理的效果影响较小。
场景3:高温小目标场景
如图5a所示,本申请实施例提供的高温小目标场景下图像数据的第一种示意图。图5a所示图像数据为:,利用上平台阈值e1,对高温小目标场景下的原始图像数据,进行直方图均衡化处理后所得到的图像数据。如图5b所示,本申请实施例提供的高温小目标场景下图像数据的第二种示意图,图5b所示图像数据为:利用上平台阈值e2,对高温小目标场景下的图像数据,进行直方图均衡化处理后所得到的图像数据,其中,上平台阈值e2小于上平台阈值e1,对比图5b所示图像数据和图5a所示图像数据可知,相比与图5b,图5a中背景区域(环境)、目标区域(灯具)的灰度值分布不连续,动态范围较宽,由于高温目标区域与背景区域之间的灰度值分布差异较大,过高上平台阈值将导致背景区域内像素的灰度值较大,影响背景区域的噪声分布,将上平台阈值从e1减小至e2后,所起到的噪声抑制效果越高,因此,针对高温小目标场景,降低上平台阈值有利于提高直方图均衡化处理的效果。
如图5c所示,本申请实施例提供的高温小目标场景下图像数据的第三种示意图。图5c所示图像数据为:利用下平台阈值e3,对高温小目标场景下的原始图像数据,进行直方图均衡化处理后所得到的图像数据。如图5d所示,本申请实施例提供的高温小目标场景下图像数据的第四种示意图。图5c所示图像数据为:利用下平台阈值e4,对高温小目标场景下的原始图像数据,进行直方图均衡化处理后所得到的图像数据,其中,下平台阈值e3小于下平台阈值e4,通过观察图5c和图5d可知,下平台阈值取值越大,高温目标区域内的灰度值分布得到提升,图像背景区域过度拉伸的噪声得到抑制,由于下平台阈值通常用于增加图像高温目标区域与背景区域之间的对比度。当图像数据中的灰度值分布存在不连续时,调高下平台值有利于抑制背景噪声,由于高温小目标场景容易因灰度值分布不均而引入噪声,因此增大下平台阈值有利于抑制图像的背景噪声,从而提升了目标与背景之间的灰度差,同时不会对图像背景过度拉伸,造成图像过噪现象。由此可知,对于高温小目标场景而言,下平台阈值越大,直方图均衡化处理的效果越好。
基于上述分析可知,可知:为了提高直方图均衡化的效果,对于宽动态场景,应当增大上平台阈值;对于低温差、均匀面场景,应当降低上平台阈值;对于高温小目标场景,应当降低上平台阈值、增大下平台阈值。由此可知,不同场景下应当采用不同的上平台阈值和下平台阈值进行直方图均衡化处理。
为了提高直方图均衡化的效果,本申请实施例提供了一种图像数据处理方法。
需要说明的,在具体应用中,本申请实施例可以应用于各类电子设备,例如,个人电脑、服务器、手机以及其他具有数据处理能力的设备。并且,本申请实施例提供的图像数据处理方法可以通过软件、硬件或软硬件结合的方式实现。
一种实施例中,本申请实施例提供的图像数据处理方法可以应用于相机等图像、视频录制设备,从而使其在进行图像、视频录制过程中,可以实时利用本申请所提供的图像数据处理方法,对所录制的图像数据进行处理。
其中,本申请实施例所提供的图像数据处理方法,可以包括:
获取原始图像数据中各灰度值的像素数量,其中,每一灰度值的像素数量为原始图像数据包含的各像素中具备该灰度值的像素的数量;
统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,并确定与第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值;
统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,并确定与第二数量正相关的数值,作为双平台直方图算法中的下平台阈值,其中,第二预设阈值小于等于第一预设阈值;
利用上平台阈值和下平台阈值,对原始图像数据进行直方图均衡化处理,得到处理后的图像数据。
本申请实施例上述方案中,由于不同场景下所采集的原始图像数据中各灰度值中,所包含的像素数量大于第一预设阈值的灰度值的第一数量,以及像素数量小于第二预设阈值的灰度值的第二数量是不同的,从而使得与第一数量正相关的数值,以及与第二数量正相关的数值,可以适应于场景的变化而变化,使得上平台阈值与下平台阈值可以更好的适应原始图像数据的采集场景,进而利用上平台阈值与下平台阈值,对原始图像数据进行直方图均衡化处理,可以提高直方图均衡化的效果。
下面将结合说明书附图,对本申请实施例所提供的图像数据处理方法进行详尽的阐述。
如图6所示,本申请实施例提供一种图像数据处理方法,包括步骤S601-S604,其中:
S601,获取原始图像数据中各灰度值的像素数量,其中,每一灰度值的像素数量为原始图像数据包含的各像素中具备该灰度值的像素的数量;
上述原始图像数据可以包括图像裸数据,其中,图像裸数据指图像传感器直接输出的原始数据格式的数据,例如红外探测器所输出的原始格式图像数据,如RAW(原始)格式的图像数据等,或者可见光探测器所输出的原始格式图像数据,如Y800格式的图像数据,其中,Y800格式为字符串类型的8位单色格式,其图像数据中每个像素由一个字节表示。对于红外探测器所输出的原始格式的图像数据而言,其图像数据中每一像素的灰度值表示该像素处红外辐射的辐射强度,对于可见光探测器所输出的原始格式的图像数据而言,其图像数据中每一像素的各灰度值标识该像素的明暗程度。
上述原始图像数据还可以包括对图像裸数据处理后所得到的任意格式的图像数据,例如RGB(Red Green Blue,红绿蓝)格式的图像数据、YUV格式的图像数据等,其中,YUV格式指亮度参量和色度参量分开表示的像素格式,其中“Y”表示明亮度(Luminance或Luma),也就是灰度值;而“U”和“V”表示的则是色度(Chrominance或Chroma),作用是描述影像色彩及饱和度,用于指定像素的颜色。
一种实施例中,上述原始图像数据可以为热成像图像数据,此时,原始图像数据中某一像素的灰度值表示红外探测器所探测的热辐射在该像素的辐射强度,灰度值越大表示接收到的热辐射的辐射强度越大。
每一灰度值的像素数量为原始图像数据包含的各像素中具备该灰度值的像素的数量,举例而言,原始图像数据包含1000个像素,其中,灰度值为灰度值1的像素的数量为100个,灰度值为灰度值2的像素的数量为50个,则灰度值1的像素数量为100,灰度值2的像素数量为50。
可以采用多种方式获取原始图像数据中各灰度值的像素数量,示例性的,可以包括如下实现方式中的至少一种:
第一种获取方式,可以逐点确定原始图像数据中的各像素的灰度值,进而针对所统计的每一灰度值,确定具有该灰度值的像素的数量,作为该灰度值的像素数量。
第二种获取方式,可以获取原始图像数据的灰度直方图,进而确定灰度直方图中每一灰度值对应的数量,作为原始图像数据中该灰度值的像素数量。
其中,灰度直方图是关于灰度值分布的函数,是对图像数据中灰度值分布的统计。简单而言,灰度直方图是将图像数据中的所有像素,按照灰度值的大小,统计灰度值出现的频率(即次数)。示例性的,如图7所示,本申请实施例提供一种灰度直方图的示意图,图7中横坐标表示灰度值,纵坐标表示频数,即灰度值出现的次数、数量。在获取到图像数据的灰度直方图之后,可以确定灰度直方图中每一灰度值对应的数量,作为原始图像数据中该灰度值的像素数量,例如,对于灰度值1而言,将其在图7所示直方图中对应的频数(即数量),作为灰度值1的像素数量。
S602,统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,并确定与第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值;
由于不同场景下所采集的原始图像数据中各灰度值的像素数量是不同的,因此,可以利用原始图像数据中每一灰度值的像素数量,确定双平台直方图算法中的上平台阈值。其中,双平台直方图算法中所谓的平台是指针对图像数据中各灰度值的像素数量所设定的阈值,从而将图像数据中任一灰度值的像素数量限定在一定范围内。而双平台直方图算法中所谓双平台则是指包含两个阈值,一个用于限定灰度值的像素数量的最大值,称为上平台阈值,一个用于限定灰度值的像素数量的最小值,称为下平台阈值。
本步骤中,在获取原始图像数据中各灰度值的像素数量之后,可以统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,进而确定与第一数量正相关的数值,作为上平台阈值。由于不同场景下所采集的原始图像数据中各灰度值的像素数量是不同的,其意味着,不同场景下,大于第一预设阈值的像素数量对应的灰度值的个数也是不同的,其随着场景变化而变化,从而可以将与第一数量正相关的数值作为上平台阈值,提升上平台阈值的场景适应能力。
在获取到各灰度值的像素数量之后,可以统计各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量。简单而言,在获取到各灰度值的像素数量之后,可以统计原始图像数据中各灰度值中,像素数量大于第一预设阈值的灰度值的数量,作为第一数量。
示例性的,原始图像数据包含的灰度值分别为:灰度值1、灰度值2、灰度值3、灰度值4、灰度值5、灰度值6,其中,灰度值1的像素数量为100,灰度值2的像素数量为50,灰度值3的像素数量为60,灰度值4的像素数量为120,灰度值5的像素数量为50,灰度值6的像素数量为120。若第一预设阈值为90,各像素数量中,大于90的像素数量为灰度值1的像素数量100、灰度值4的像素数量120以及灰度值6的像素数量120,其分别对应灰度值1、灰度值4以及灰度值6这三个灰度值,因此所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数为3,即第一数量为3。若第一预设阈值为50,各像素数量中,大于50的像素数量为灰度值1的像素数量100、灰度值3的像素数量60、灰度值4的像素数量120以及灰度值6的像素数量120,其分别对应灰度值1、灰度值3、灰度值4以及灰度值6这四个灰度值,因此所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数为4,即第一数量为4。
需要强调的是,上述示例仅为了方便说明第一数量的含义,在实际应用过程中,由于原始图像数据中的灰度值的分布范围往往较为广泛,例如包含0-255共256个灰度值,因此,单个灰度值的像素数量可能较小,因此,第一预设阈值可以根据原始图像数据中灰度值的分布范围确定的。可选的,上述第一预设阈值可以处于10-20范围内。
在确定出第一数量之后,可以确定与第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值。具体确定方式将在后续实施例详细阐述,在此不再赘述。
对于宽动态场景而言,其灰度值的分布范围较宽,在第一预设阈值固定之后,宽动态场景下所采集的原始图像数据所确定的第一数量较大,使得最终所确定的与第一数量正相关的上平台阈值较大,从而可以提高宽动态场景下直方图均衡化的效果。对于低温差、均匀面场景和高温小目标场景而言,其灰度值的分布范围较窄,在第一预设阈值固定之后,低温差、均匀面场景和高温小目标场景下所采集的原始图像数据所确定的第一数量较小,使得最终所确定的与第一数量正相关的上平台阈值较小,从而可以提高低温差、均匀面场景和高温小目标场景下直方图均衡化的效果。
S603,统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,并确定与第二数量正相关的数值,作为双平台直方图算法中的下平台阈值,其中,第二预设阈值小于等于第一预设阈值。
由于不同场景下所采集的原始图像数据中各灰度值的像素数量是不同的,因此,可以利用原始图像数据中每一灰度值的像素数量,确定双平台直方图算法中的下平台阈值。
本步骤中,在获取原始图像数据中各灰度值的像素数量之后,可以统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,进而确定与第而数量正相关的数值,作为下平台阈值。由于不同场景下所采集的原始图像数据中各灰度值的像素数量是不同的,其意味着,不同场景下,小于第二预设阈值的像素数量对应的灰度值的个数也是不同的,其随着场景变化而变化,从而可以将与第二数量正相关的数值作为下平台阈值,提升下平台阈值的场景适应能力。
在获取到各灰度值的像素数量之后,可以统计各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量。简单而言,在获取到各灰度值的像素数量之后,可以统计原始图像数据中各灰度值中,像素数量小于第二预设阈值的灰度值的数量,作为第而数量。
仍以前述灰度值1、灰度值2、灰度值3、灰度值4、灰度值5及灰度值6示例进行说明。若第二预设阈值为60,则各像素数量中,小于60的像素数量为灰度值2的像素数量50、灰度值5的像素数量50,其分别对应灰度值2、灰度值5这两个灰度值,因此所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数为2,即第二数量为2。若第一预设阈值为100,则各像素数量中,小于100的像素数量为灰度值2的像素数量50、灰度值3的像素数量60,以及灰度值5的像素数量50,其分别对应灰度值2、灰度值3以及灰度值5这三个灰度值,因此所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数为3,即第二数量为3。
需要强调的是,上述示例仅为了方便说明第二数量的含义,在实际应用过程中,由于原始图像数据中的灰度值的分布范围往往较为广泛,因此,单个灰度值的像素数量可能较小,因此,第二预设阈值可以根据原始图像数据中灰度值的分布范围确定的。可选的,上述第二预设阈值可以处于2-5范围内。
在确定出第二数量之后,可以确定与第二数量正相关的数值,作为待利用的双平台直方图算法中的下平台阈值。具体确定方式将在后续实施例详细阐述,在此不再赘述。
由于对于宽动态场景和温差、均匀面场景而言,下平台阈值的取值对直方图均衡化的效果影响较小,因此,仅针对高温小目标场景进行分析,对于高温小目标场景而言,其灰度值的分布为双峰,使得图像数据中的在第二预设阈值固定之后,高温小目标场景下所采集的原始图像数据所确定的第二数量较大,使得最终所确定的与第二数量正相关的下平台阈值较大,从而可以高温小目标场景下直方图均衡化的效果。
S604,利用上平台阈值和下平台阈值,对原始图像数据进行直方图均衡化处理,得到处理后的图像数据。
在确定出上平台阈值和下平台阈值之后,即可利用利用上平台阈值和下平台阈值,对原始图像数据进行直方图均衡化处理,得到处理后的图像数据。可选的,将所确定的上平台阈值和下平台阈值,作为双平台直方图算法中的阈值,进而利用双平台直方图算法,对原始图像数据进行处理,得到处理后的图像数据。
本申请实施例上述方案中,由于不同场景下所采集的原始图像数据中各灰度值中,所包含的像素数量大于第一预设阈值的灰度值的第一数量,以及像素数量小于第二预设阈值的灰度值的第二数量是不同的,从而使得与第一数量正相关的数值,以及与第二数量正相关的数值,可以适应于场景的变化而变化,使得上平台阈值与下平台阈值可以更好的适应原始图像数据的采集场景,进而利用上平台阈值与下平台阈值,对原始图像数据进行直方图均衡化处理,可以提高直方图均衡化的效果。
一种实施例中,在确定出第一数量或第二数量之后,需要确定与第一数量正相关的数值,作为第一数量,以及确定与第二数量正相关的数值,作为第二数量,其确定正相关数值的方式可以有多种,可选的,针对所述第一数量和所述第二数量中的任一目标数量,可以采用如下方式中的至少一种方式确定与目标数量正相关的数值,包括:
第一种确定方式,将目标数量,作为与目标数量正相关的数值;
本方式中,在目标数量为第一数量的情况下,可以直接将第一数量作为与第一数量正相关的数值,即上平台阈值为第一数量。
在目标数量为第二数量的情况下,可以直接将第二数量作为与第二数量正相关的数值,即下平台阈值为第二数量。
第二种确定方式,计算目标数量与第一预设系数的乘积,作为与目标数量正相关的数值;
本方式中,在目标数量为第一数量的情况下,可以计算第一数量与第一预设系数的乘积,作为与第一数量正相关的数值。
在目标数量为第二数量的情况下,可以计算第二数量与第一预设系数的乘积,作为与第二数量正相关的数值。
第一预设系数可以根据需求和经验确定,需要强调的是,目标数量在为第一数量和第二数量时,其第一预设系数可以是相同的,也可以是不同的。举例而言,当目标数量为第一数量时,第一预设系数可以为ThrUpSet1/256,其中,ThrUpSet1为根据需求所设定的值1。当目标数量为第二数量时,第一预设系数可以为ThrUpSet2/256,其中,ThrUpSet2为根据需求所设定的值2,上述值1和值1可以相同也可以不同。
第三种确定方式,计算目标数量与第一指定权值的乘积,得到第一加权值,并计算第一指定值与第二指定权值的乘积,得到第二加权值,以及计算第一加权值与第二加权值和,作为与目标数量正相关的数值;
本方式中,在目标数量为第一数量的情况下,可以计算第一数量与第一指定权值的乘积,得到第一加权值,并计算第一指定值与第二指定权值的乘积,得到第二加权值,以及计算第一加权值与第二加权值和,作为与第一数量正相关的数值。
在目标数量为第二数量的情况下,可以计算第二数量与第一指定权值的乘积,得到第一加权值,并计算第一指定值与第二指定权值的乘积,得到第二加权值,以及计算第一加权值与第二加权值和,作为与第二数量正相关的数值。
上述第一指定权值、第一指定值以及第二指定权值根据需求和经验确定,需要强调的是,目标数量在为第一数量和第二数量时,其第一指定权值、第一指定值以及第二指定权值可以相同,也可以不同。举例而言,当目标数量为第一数量时,第一指定权值为a1、第一指定值为Y1、第二指定权值为b1,此时,与第一数量X1正相关的数值=X1×a1+Y1×b1。当目标数量为第二数量时,第一指定权值为a2、第一指定值为Y2、第二指定权值为b2,此时,与第二数量X2正相关的数值=X2×a2+Y2×b2。上述a1与a2、b1与b2以及c1与c2可以相同或不同。
第四种确定方式,计算目标数量与原始图像数据的灰度范围的比值,并确定与所计算的比值正相关的数值,作为与目标数量正相关的数值;
其中,原始图像数据的灰度范围为:原始图像数据包含的各灰度值中,最大灰度值与最小灰度值的差值。示例性的,原始图像数据中的最大灰度值为255,最小灰度值为10,则原始图像数据的灰度范围=255-10=245。
在计算出目标数量与原始图像数据的灰度范围的比值之后,可以将与所计算的比值正相关的数值,作为与目标数量正相关的数值。
其中,可以采用多种方式确定与所计算的比值正相关的数值,示例性,可以采用如下几种方式中的至少一种:
第一种确定子方式,将所计算的比值,作为与目标数量正相关的数值;
本方式中,在目标数量为第一数量的情况下,可以直接将所计算的比值,作为与第一数量正相关的数值,即上平台阈值为所计算的比值。
在目标数量为第二数量的情况下,可以直接将所计算的比值,作为与第二数量正相关的数值,即下平台阈值为所计算的比值。
第二种确定子方式,计算所计算的比值与第二预设系数的乘积,作为与目标数量正相关的数值;
本方式中,在目标数量为第一数量的情况下,可以计算所计算的比值与第二预设系数的乘积,作为与第一数量正相关的数值。
在目标数量为第二数量的情况下,可以计算所计算的比值与第二预设系数的乘积,作为与第二数量正相关的数值。
第二预设系数可以根据需求和经验确定,需要强调的是,目标数量在为第一数量和第二数量时,其第二预设系数可以是相同的,也可以是不同的。
第三种确定子方式,计算所计算的比值与第三指定权值的乘积,得到第三加权值,并计算第二指定值与第四指定权值的乘积,得到第四加权值,以及计算第三加权值与第四加权值的和,作为与目标数量正相关的数值。
本方式中,在目标数量为第一数量的情况下,可以计算所计算的比值与第三指定权值的乘积,得到第三加权值,并计算第二指定值与第四指定权值的乘积,得到第四加权值,以及计算第三加权值与第四加权值和,作为与第一数量正相关的数值。
在目标数量为第二数量的情况下,可以计算所计算的比值与第三指定权值的乘积,得到第三加权值,并计算第二指定值与第四指定权值的乘积,得到第四加权值,以及计算第三加权值与第四加权值和,作为与第二数量正相关的数值。
上述第三指定权值、第二指定值以及第四指定权值根据需求和经验确定,需要强调的是,目标数量在为第一数量和第二数量时,其第三指定权值、第二指定值以及第四指定权值可以相同,也可以不同。举例而言,当目标数量为第一数量时,第三指定权值为a3、第二指定值为Y3、第四指定权值为b3,此时,与第一数量正相关的数值=X3×a3+Y3×b3,其中,X3为第一数量与原始图像数据的灰度范围的比值。当目标数量为第二数量时,第三指定权值为a4、第二指定值为Y4、第四指定权值为b4,此时,与第二数量正相关的数值=X4×a4+Y4×b4,其中,X4为第二数量与原始图像数据的灰度范围的比值。
本申请实施例上述方案中,可以采用多种方式确定与第一数量、第二数量正相关的数值,从而为提高直方图均衡化的效果提供实现基础。
一种实施例中,本申请实施例提供一种图像数据处理方法,为避免图像对比度过度拉伸,对计算的平台值结果范围进行限制,以保证图像效果满足实际需求。
此时,在确定与第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值之后,且在利用上平台阈值和下平台阈值,对原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,若上平台阈值大于预设上限阈值,则减小上平台阈值,可选的,将上平台阈值减小至预设上限阈值;或者,计算上平台阈值与预设缩减系数的乘积,作为减小后的上平台阈值;或者,计算上平台阈值与预设的第三指定值之间的差值,作为减小后的上平台阈值,这都是可以的。
在确定与第二数量正相关的数值,作为双平台直方图算法中的下平台阈值之后,且在利用上平台阈值和下平台阈值,对原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,若下平台阈值小于预设下限阈值,则增大下平台阈值,可选的,可以将下平台阈值增大至预设下限阈值;或者,计算下平台阈值与预设放大系数的乘积,作为增大后的下平台阈值;计算下平台阈值与预设的第四指定值之间的和值,作为增大后的下平台阈值。
本申请实施例上述方案中,可以提高直方图均衡化的效果,同时可以避免图像对比度过度拉伸,对计算的平台值结果范围进行限制,以保证图像效果满足实际需求。
仍以前述三种场景为例,示例性的展示采用本申请实施例提供的图像数据处理方法后的效果。
场景1:宽动态场景
图8a为宽动态场景下图像数据的第五种示意图,图8a所示图像数据为针对宽动态场景所采集的图像数据,利用固定上平台阈值进行直方图均衡化处理后所得到的。图8b为宽动态场景下图像数据的第六种示意图,图8b所示图像数据为针对宽动态场景所采集的图像数据,利用本申请实施例所提供的图像数据处理方法确定的上平台阈值进行直方图均衡化处理后所得到的。对比可知,采用本申请实施例所提供的图像数据处理方法确定的上平台阈值所得到的图像数据,图像通透性及背景局部对比度得到提高,而噪声无明显增加。
场景2:低温差、均匀面场景
图9a为低温差、均匀面场景下图像数据的第四种示意图,图9a所示图像数据为针对低温差、均匀面场景所采集的图像数据,利用固定上平台阈值进行直方图均衡化处理后所得到的。图9b为低温差、均匀面场景下图像数据的第五种示意图,图9b所示图像数据为针对低温差、均匀面场景所采集的图像数据,利用本申请实施例所提供的图像数据处理方法确定的上平台阈值进行直方图均衡化处理后所得到的。对比可知,采用本申请实施例所提供的图像数据处理方法确定的上平台阈值所得到的图像数据,噪声明显减小。
场景3:高温小目标场景
图10a为高温小目标场景下图像数据的第五种示意图,图10a所示图像数据为针对高温小目标场景所采集的图像数据,利用固定上平台阈值进行直方图均衡化处理后所得到的。图10b为高温小目标场景下图像数据的第六种示意图,图10b所示图像数据为针对高温小目标场景所采集的图像数据,利用本申请实施例所提供的图像数据处理方法确定的上平台阈值进行直方图均衡化处理后所得到的。对比可知,采用本申请实施例所提供的图像数据处理方法确定的上平台阈值所得到的图像数据,噪声明显减小。
相应于本申请上述实施例所提供的图像数据处理方法,如图11示,本申请实施例还提供了一种图像数据处理装置,包括:
数量获取模块1101,用于获取原始图像数据中各灰度值的像素数量,其中,每一灰度值的像素数量为所述原始图像数据包含的各像素中具备该灰度值的像素的数量;
第一阈值确定模块1102,用于统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,并确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值;
第二阈值确定模块1103,用于统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,并确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值,其中,所述第二预设阈值小于等于所述第一预设阈值;
图像数据处理模块1104,用于利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据。
可选的,所述第一阈值确定模块和所述第二阈值确定模块,包括:数值确定子模块,用于针对所述第一数量和所述第二数量中的任一目标数量,将所述目标数量,作为与所述目标数量正相关的数值;或者,计算所述目标数量与第一预设系数的乘积,作为与所述目标数量正相关的数值;或者,计算所述目标数量与第一指定权值的乘积,得到第一加权值,并计算第一指定值与第二指定权值的乘积,得到第二加权值,以及计算所述第一加权值与所述第二加权值和,作为与所述目标数量正相关的数值;或者,计算所述目标数量与所述原始图像数据的灰度范围的比值,并确定与所计算的比值正相关的数值,作为与所述目标数量正相关的数值;其中,所述原始图像数据的灰度范围为:所述原始图像数据包含的各灰度值中,最大灰度值与最小灰度值的差值。
可选的,所述数值确定子模块,具体用于将所计算的比值,作为与所述目标数量正相关的数值;或者,计算所计算的比值与第二预设系数的乘积,作为与所述目标数量正相关的数值;或者,计算所计算的比值与第三指定权值的乘积,得到第三加权值,并计算第二指定值与第四指定权值的乘积,得到第四加权值,以及计算所述第三加权值与所述第四加权值的和,作为与所述目标数量正相关的数值。
可选的,所述装置还包括:第一阈值调整模块,用于在所述第一阈值确定模块执行确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值之后,且在所述图像数据处理模块执行利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,若所述上平台阈值大于预设上限阈值,则减小所述上平台阈值。
可选的,所述第一阈值调整模块,具体用于将所述上平台阈值减小至所述预设上限阈值;或者,计算所述上平台阈值与预设缩减系数的乘积,作为减小后的所述上平台阈值;或者,计算所述上平台阈值与预设的第三指定值之间的差值,作为减小后的所述上平台阈值。
可选的,所述装置还包括:第二阈值调整模块,用于在所述第二阈值确定模块执行确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值之后,且在所述图像数据处理模块执行利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,若所述下平台阈值小于预设下限阈值,则增大所述下平台阈值。
可选的,所述第二阈值调整模块,具体用于将所述下平台阈值增大至所述预设下限阈值;或者,计算所述下平台阈值与预设放大系数的乘积,作为增大后的所述下平台阈值;计算所述下平台阈值与预设的第四指定值之间的和值,作为增大后的所述下平台阈值。
可选的,所述原始图像数据为热成像图像数据;所述数量获取模块,具体用于获取原始图像数据的灰度直方图;确定所述灰度直方图中每一灰度值对应的数量,作为所述原始图像数据中该灰度值的像素数量。
本申请实施例上述方案中,由于不同场景下所采集的原始图像数据中各灰度值中,所包含的像素数量大于第一预设阈值的灰度值的第一数量,以及像素数量小于第二预设阈值的灰度值的第二数量是不同的,从而使得与第一数量正相关的数值,以及与第二数量正相关的数值,可以适应于场景的变化而变化,使得上平台阈值与下平台阈值可以更好的适应原始图像数据的采集场景,进而利用上平台阈值与下平台阈值,对原始图像数据进行直方图均衡化处理,可以提高直方图均衡化的效果。
本申请实施例还提供了一种电子设备,如图12所示,包括:
存储器1201,用于存放计算机程序;
处理器1202,用于执行存储器1201上所存放的程序时,实现本申请实施例所提供的图像数据处理方法的步骤。
并且上述电子设备还可以包括通信总线和/或通信接口,处理器1202、通信接口、存储器801通过通信总线完成相互间的通信。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,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。
在本申请提供的又一实施例中,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内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一图像数据处理方法的步骤。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一图像数据处理方法方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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,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,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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质及计算机程序产品而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例,并非用于限定本申请的保护范围。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,均包含在本申请的保护范围内。
Claims (11)
1.一种图像数据处理方法,其特征在于,包括:
获取原始图像数据中各灰度值的像素数量,其中,每一灰度值的像素数量为所述原始图像数据包含的各像素中具备该灰度值的像素的数量;
统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,并确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值;
统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,并确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值,其中,所述第二预设阈值小于等于所述第一预设阈值;
利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据。
2.根据权利要求1所述的方法,其特征在于,针对所述第一数量和所述第二数量中的任一目标数量,采用如下方式确定与所述目标数量正相关的数值:
将所述目标数量,作为与所述目标数量正相关的数值;或者,
计算所述目标数量与第一预设系数的乘积,作为与所述目标数量正相关的数值;或者,
计算所述目标数量与第一指定权值的乘积,得到第一加权值,并计算第一指定值与第二指定权值的乘积,得到第二加权值,以及计算所述第一加权值与所述第二加权值和,作为与所述目标数量正相关的数值;或者,
计算所述目标数量与所述原始图像数据的灰度范围的比值,并确定与所计算的比值正相关的数值,作为与所述目标数量正相关的数值;其中,所述原始图像数据的灰度范围为:所述原始图像数据包含的各灰度值中,最大灰度值与最小灰度值的差值。
3.根据权利要求2所述的方法,其特征在于,所述确定与所计算的比值正相关的数值,作为与所述目标数量正相关的数值,包括:
将所计算的比值,作为与所述目标数量正相关的数值;或者,
计算所计算的比值与第二预设系数的乘积,作为与所述目标数量正相关的数值;或者,
计算所计算的比值与第三指定权值的乘积,得到第三加权值,并计算第二指定值与第四指定权值的乘积,得到第四加权值,以及计算所述第三加权值与所述第四加权值的和,作为与所述目标数量正相关的数值。
4.根据权利要求1所述的方法,其特征在于,在所述确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值之后,且在所述利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,所述方法还包括:
若所述上平台阈值大于预设上限阈值,则减小所述上平台阈值。
5.根据权利要求4所述的方法,其特征在于,所述减小所述上平台阈值,包括:
将所述上平台阈值减小至所述预设上限阈值;或者,
计算所述上平台阈值与预设缩减系数的乘积,作为减小后的所述上平台阈值;或者,
计算所述上平台阈值与预设的第三指定值之间的差值,作为减小后的所述上平台阈值。
6.根据权利要求1所述的方法,其特征在于,在所述确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值之后,且在所述利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,所述方法还包括:
若所述下平台阈值小于预设下限阈值,则增大所述下平台阈值。
7.根据权利要求6所述的方法,其特征在于,所述增大所述上平台阈值,包括:
将所述下平台阈值增大至所述预设下限阈值;或者,
计算所述下平台阈值与预设放大系数的乘积,作为增大后的所述下平台阈值;
计算所述下平台阈值与预设的第四指定值之间的和值,作为增大后的所述下平台阈值。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述原始图像数据为热成像图像数据;
所述获取原始图像数据中各灰度值的像素数量,包括:
获取原始图像数据的灰度直方图;
确定所述灰度直方图中每一灰度值对应的数量,作为所述原始图像数据中该灰度值的像素数量。
9.一种图像数据处理装置,其特征在于,包括:
数量获取模块,用于获取原始图像数据中各灰度值的像素数量,其中,每一灰度值的像素数量为所述原始图像数据包含的各像素中具备该灰度值的像素的数量;
第一阈值确定模块,用于统计所获取的各像素数量中,大于第一预设阈值的像素数量对应的灰度值的个数,作为第一数量,并确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值;
第二阈值确定模块,用于统计所获取的各像素数量中,小于第二预设阈值的像素数量对应的灰度值的个数,作为第二数量,并确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值,其中,所述第二预设阈值小于等于所述第一预设阈值;
图像数据处理模块,用于利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据。
10.根据权利要求9所述的装置,其特征在于,所述第一阈值确定模块和所述第二阈值确定模块,包括:数值确定子模块,用于针对所述第一数量和所述第二数量中的任一目标数量,将所述目标数量,作为与所述目标数量正相关的数值;或者,计算所述目标数量与第一预设系数的乘积,作为与所述目标数量正相关的数值;或者,计算所述目标数量与第一指定权值的乘积,得到第一加权值,并计算第一指定值与第二指定权值的乘积,得到第二加权值,以及计算所述第一加权值与所述第二加权值和,作为与所述目标数量正相关的数值;或者,计算所述目标数量与所述原始图像数据的灰度范围的比值,并确定与所计算的比值正相关的数值,作为与所述目标数量正相关的数值;其中,所述原始图像数据的灰度范围为:所述原始图像数据包含的各灰度值中,最大灰度值与最小灰度值的差值;
和/或,
所述数值确定子模块,具体用于将所计算的比值,作为与所述目标数量正相关的数值;或者,计算所计算的比值与第二预设系数的乘积,作为与所述目标数量正相关的数值;或者,计算所计算的比值与第三指定权值的乘积,得到第三加权值,并计算第二指定值与第四指定权值的乘积,得到第四加权值,以及计算所述第三加权值与所述第四加权值的和,作为与所述目标数量正相关的数值;
和/或,
所述装置还包括:第一阈值调整模块,用于在所述第一阈值确定模块执行确定与所述第一数量正相关的数值,作为待利用的双平台直方图算法中的上平台阈值之后,且在所述图像数据处理模块执行利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,若所述上平台阈值大于预设上限阈值,则减小所述上平台阈值;
和/或,
所述第一阈值调整模块,具体用于将所述上平台阈值减小至所述预设上限阈值;或者,计算所述上平台阈值与预设缩减系数的乘积,作为减小后的所述上平台阈值;或者,计算所述上平台阈值与预设的第三指定值之间的差值,作为减小后的所述上平台阈值;
和/或,
所述装置还包括:第二阈值调整模块,用于在所述第二阈值确定模块执行确定与所述第二数量正相关的数值,作为所述双平台直方图算法中的下平台阈值之后,且在所述图像数据处理模块执行利用所述上平台阈值和所述下平台阈值,对所述原始图像数据进行直方图均衡化处理,得到处理后的图像数据之前,若所述下平台阈值小于预设下限阈值,则增大所述下平台阈值;
和/或,
所述第二阈值调整模块,具体用于将所述下平台阈值增大至所述预设下限阈值;或者,计算所述下平台阈值与预设放大系数的乘积,作为增大后的所述下平台阈值;计算所述下平台阈值与预设的第四指定值之间的和值,作为增大后的所述下平台阈值;
和/或,
所述原始图像数据为热成像图像数据;
所述数量获取模块,具体用于获取原始图像数据的灰度直方图;确定所述灰度直方图中每一灰度值对应的数量,作为所述原始图像数据中该灰度值的像素数量。
11.一种电子设备,其特征在于,包括:
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211393890.8A CN115660997B (zh) | 2022-11-08 | 2022-11-08 | 一种图像数据处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211393890.8A CN115660997B (zh) | 2022-11-08 | 2022-11-08 | 一种图像数据处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115660997A true CN115660997A (zh) | 2023-01-31 |
CN115660997B CN115660997B (zh) | 2023-06-02 |
Family
ID=85016476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211393890.8A Active CN115660997B (zh) | 2022-11-08 | 2022-11-08 | 一种图像数据处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660997B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051425A (zh) * | 2023-03-21 | 2023-05-02 | 杭州微影软件有限公司 | 一种红外图像处理方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521813A (zh) * | 2011-11-21 | 2012-06-27 | 华中科技大学 | 基于双平台直方图的红外图像自适应增强方法 |
CN107292856A (zh) * | 2017-06-12 | 2017-10-24 | 北京理工大学 | 一种红外焦平面探测器图像增强的方法 |
CN109377464A (zh) * | 2018-10-08 | 2019-02-22 | 嘉应学院 | 一种红外图像的双平台直方图均衡化方法及其应用系统 |
CN112348763A (zh) * | 2020-11-09 | 2021-02-09 | 西安宇视信息科技有限公司 | 图像增强方法、装置、电子设备及介质 |
CN113191990A (zh) * | 2021-05-28 | 2021-07-30 | 浙江宇视科技有限公司 | 一种图像处理方法、装置、电子设备及介质 |
CN113487525A (zh) * | 2021-07-06 | 2021-10-08 | 河南慧联世安信息技术有限公司 | 一种基于双平台直方图的自迭代红外图像增强方法 |
-
2022
- 2022-11-08 CN CN202211393890.8A patent/CN115660997B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521813A (zh) * | 2011-11-21 | 2012-06-27 | 华中科技大学 | 基于双平台直方图的红外图像自适应增强方法 |
CN107292856A (zh) * | 2017-06-12 | 2017-10-24 | 北京理工大学 | 一种红外焦平面探测器图像增强的方法 |
CN109377464A (zh) * | 2018-10-08 | 2019-02-22 | 嘉应学院 | 一种红外图像的双平台直方图均衡化方法及其应用系统 |
CN112348763A (zh) * | 2020-11-09 | 2021-02-09 | 西安宇视信息科技有限公司 | 图像增强方法、装置、电子设备及介质 |
CN113191990A (zh) * | 2021-05-28 | 2021-07-30 | 浙江宇视科技有限公司 | 一种图像处理方法、装置、电子设备及介质 |
CN113487525A (zh) * | 2021-07-06 | 2021-10-08 | 河南慧联世安信息技术有限公司 | 一种基于双平台直方图的自迭代红外图像增强方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051425A (zh) * | 2023-03-21 | 2023-05-02 | 杭州微影软件有限公司 | 一种红外图像处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115660997B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11849224B2 (en) | Global tone mapping | |
CN109272459B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
US8169500B2 (en) | Dynamic range compression apparatus, dynamic range compression method, computer-readable recording medium, integrated circuit, and imaging apparatus | |
CN105407296B (zh) | 实时视频增强方法和装置 | |
CN112118388B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN112565636B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN113099201B (zh) | 视频信号处理方法、装置及电子设备 | |
CN112541868B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN109727216B (zh) | 图像处理方法、装置、终端设备及存储介质 | |
US7889942B2 (en) | Dynamic range compensation-dependent noise reduction | |
WO2021218603A1 (zh) | 图像处理方法及投影系统 | |
CN108629738B (zh) | 一种图像处理方法及装置 | |
CN111292269A (zh) | 一种图像色调映射方法、计算机装置及计算机可读存储介质 | |
WO2019104047A1 (en) | Global tone mapping | |
CN115660997B (zh) | 一种图像数据处理方法、装置及电子设备 | |
JP2019513335A (ja) | 飽和ピクセルの検出方法、検出デバイス、カラー補正デバイス、電子デバイス及び記憶媒体 | |
CN114429476A (zh) | 图像处理方法、装置、计算机设备以及存储介质 | |
US20080292209A1 (en) | Dynamic Range Compensation-Dependent Noise Reduction | |
CN106488080A (zh) | 数字成像中用于高动态范围的动态噪声减小的方法和装置 | |
CN114286000B (zh) | 图像色彩处理方法、装置和电子设备 | |
WO2022174428A1 (zh) | 图像亮度调节方法、图像亮度调节装置、电子设备 | |
US20210192742A1 (en) | Method and system for image correction | |
CN115239578A (zh) | 图像处理方法及装置、计算机可读存储介质、终端设备 | |
KR20190058753A (ko) | 영상 처리 방법 및 이를 수행하는 영상 처리 장치 | |
CN113891081A (zh) | 视频处理方法、装置及设备 |
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 |