CN115953329B - 基于视觉的图像处理方法、系统、电子设备及存储介质 - Google Patents

Abstract

本发明提供了一种基于视觉的图像处理方法、系统、电子设备及存储介质，所述方法包括获取目标图像，针对目标图像进行第一预处理得到第一预处理图片，采用第二预处理针对所述第一预处理图片进行图像增强得到第二预处理图片，将目标子图像通过投影积分算法获取目标图像所需分块的标定位置，并基于标定位置得到基于纹理信息变化分块处理的分块图像，根据分块图像提取目标图像的图像特征以实现目标图像的图像处理。通过本申请，可以解决现有图像处理方法因受图像拍摄时外界干扰因素以及图像处理中处理方式的影响，而导致图像处理过程中图像细节信息丢失的技术问题。

Description

基于视觉的图像处理方法、系统、电子设备及存储介质

技术领域

本发明属于图像数据处理的技术领域，具体地涉及一种基于视觉的图像处理方法、系统、电子设备及存储介质。

背景技术

随着信息化的程度越来越高，庞大的数据资源已经将人类发展带入了大数据时代，图像作为信息的重要载体，是信息传播的主要途径。随着计算机视觉技术的发展，计算机图像处理取得了长足的发展，同时人们也对计算机视觉应用的要求越来越高。计算机视觉技术的不断发展也使得利用计算机来模拟人类视觉过程变成可能；计算机视觉技术通过计算机模拟人眼，可以对各种图像进行获取，并对图像进行处理，进一步分析理解图像。图像特征是计算机视觉中的重要因素，对各种图像中特征信息进行提取和分析显得尤为重要。要让计算机快速准确地提取和分析图像信息，对图像进行特征提取至关重要。图像本身包含的信息较多，但并不是所有信息都是有价值的，图像的背景信息和噪声等干扰因素会影响信息提取的准确性。对图像进行特征提取可以有针对性地提取出最重要最关键的图像信息。

图像获取技术不断发展，采集到的复杂图像越来越多。拍摄图像当时的外界环境因素对图像处理过程中的图像特征提取有很大影响。目前，计算机处理图像的基础大多数是利用图像的像素值，像素值的改变会极大影响图像特征处理，而不同的光照方位、光亮度以及遮物会导致图像的像素值差别很大，以及现有图像处理均匀分割处理等方式，易导致图像处理过程中的有效像素值的缺失引起图像部分区域细节信息的丢失。

因此，如何解决现有图像处理方法因受图像拍摄时外界干扰因素以及图像处理中处理方式的影响，而导致图像处理过程中图像细节信息丢失的技术问题，一直是本领域技术人员亟待解决的研究课题。

发明内容

为了解决上述技术问题，本发明提供了一种基于视觉的图像处理方法、系统、电子设备及存储介质，采用自适应滤波方法以及非贝塔函数及麻雀搜索法的综合算法强化目标图像特征，再结合离散转换算法以及投影积分算法得到基于纹理信息变化机理分块处理的分块图像，从而实现完全避免现有技术图像处理过程中图像细节信息丢失的技术问题。

第一方面，该发明提供一种基于视觉的图像处理方法，包括：

获取目标图像；

将所述目标图像进行灰度及降噪处理得到第一预处理图片；

采用预选图像增强方式针对所述第一预处理图片进行增强得到第二预处理图片；

将所述第二预处理图片通过离散转换算法进行维度离散转换处理获取所述目标图像对应的具有低频及高频分量特性的若干子图像，以推理出所述目标图像的纹理信息变化；其中，所述若干子图像中包括目标子图像；

将所述目标子图像通过投影积分算法得到对应投影方向上的极值点以获取所述目标图像所需分块的标定位置，并基于所述标定位置进行变换尺度得到基于所述纹理信息变化分块处理的分块图像；

根据所述分块图像提取所述目标图像的图像特征以实现所述目标图像的图像处理。

较佳地，所述将所述目标图像进行灰度及降噪处理得到第一预处理图片的步骤具体包括：

将获取的所述目标图像通过加权平均法进行灰度化处理；

通过自适应滤波方法降低灰度化处理后的所述目标图像中的若干噪音。

较佳地，所述采用预选图像增强方式针对所述第一预处理图片进行增强得到第二预处理图片的步骤具体包括：

将所述第一预处理图片通过归一化函数处理得到归一化图片；

将所述归一化图片采用非贝塔函数进行灰度变换以调整所述归一化图片的灰度动态范围；

在所述灰度动态范围采用麻雀搜索法针对所述归一化图片进行寻优，并基于寻优结果增强所述归一化图片；

将增强后的所述归一化图片通过反归一化函数进行图像还原得到第二预处理图片。

较佳地，所述将所述第二预处理图片通过离散转换算法进行维度离散转换处理获取所述目标图像对应的具有低频及高频分量特性的若干子图像，以推理出所述目标图像的纹理信息变化；其中，所述若干子图像中包括目标子图像的步骤具体包括：

将所述第二预处理图片通过离散转换算法分别在其水平和垂直方向进行一维离散转换得到依次具有低频分量、水平方向的高频分量、垂直方向的高频分量和对角方向的高频分量的四个子图像；

根据具有高频分量的三个子图像推理出所述目标图像的纹理信息变化；

将具有水平方向的高频分量、垂直方向的高频分量的两个子图像定义为目标子图像。

较佳地，所述离散转换算法具体如下：

，

式中，f(x,y)表示所述第二预处理图片的像素值，MN代表所述第二预处理图片的尺寸大小，

表示尺度函数，Ψ ⁱ _j,m,n表示小波函数，j ₀表示初始尺度，j表示尺度，H,V,D表示水平、垂直、对角方向。

较佳地，所述将所述目标子图像通过投影积分算法得到对应投影方向上的极值点以获取所述目标图像所需分块的标定位置，并基于所述标定位置进行变换尺度得到基于所述纹理信息变化分块处理的分块图像的步骤具体包括：

针对所述目标子图像采用投影积分算法进行投影积分用于增强所述纹理信息变化，以获得对应投影方向的极值点；

将所述极值点分别确定为对应投影方向上所需分块的标定位置；

根据所述标定位置针对所述目标图像进行变换尺度分块获得分块图像。

较佳地，所述投影积分算法具体如下：

，

式中，f(x,y)表示所述目标子图像的像素值，［x ₁,x ₂］、［y ₁,y ₂］表示在图像中进行投影积分的区域，H(y)表示垂直投影积分，I(x)表示水平投影积分。

第二方面，该发明提供一种基于视觉的图像处理系统，包括：

获取模块，用于获取目标图像；

降噪模块，用于将所述目标图像进行灰度及降噪处理得到第一预处理图片；

增强模块，用于采用预选图像增强方式针对所述第一预处理图片进行增强得到第二预处理图片；

变换模块，用于将所述第二预处理图片通过离散转换算法进行维度离散转换处理获取所述目标图像对应的具有低频及高频分量特性的若干子图像，以推理出所述目标图像的纹理信息变化；其中，所述若干子图像中包括目标子图像；

投影模块，用于将所述目标子图像通过投影积分算法得到对应投影方向上的极值点以获取所述目标图像所需分块的标定位置，并基于所述标定位置进行变换尺度得到基于所述纹理信息变化分块处理的分块图像；

提取模块，用于根据所述分块图像提取所述目标图像的图像特征以实现所述目标图像的图像处理。

较佳地，所述降噪模块包括：

灰度单元，用于将获取的所述目标图像通过加权平均法进行灰度化处理；

降噪单元，用于通过自适应滤波方法降低灰度化处理后的所述目标图像中的若干噪音。

较佳地，所述增强模块包括：

归一化单元，用于将所述第一预处理图片通过归一化函数处理得到归一化图片；

调整单元，用于将所述归一化图片采用非贝塔函数进行灰度变换以调整所述归一化图片的灰度动态范围；

寻优单元，用于在所述灰度动态范围采用麻雀搜索法针对所述归一化图片进行寻优，并基于寻优结果增强所述归一化图片；

反归一化单元，用于将增强后的所述归一化图片通过反归一化函数进行图像还原得到第二预处理图片。

较佳地，所述变换模块包括：

变换单元，用于将所述第二预处理图片通过离散转换算法分别在其水平和垂直方向进行一维离散转换得到依次具有低频分量、水平方向的高频分量、垂直方向的高频分量和对角方向的高频分量的四个子图像；

推理单元，用于根据具有高频分量的三个子图像推理出所述目标图像的纹理信息变化；

定义单元，用于将具有水平方向的高频分量、垂直方向的高频分量的两个子图像定义为目标子图像。

较佳地，所述投影模块包括：

投影单元，用于针对所述目标子图像采用投影积分算法进行投影积分用于增强所述纹理信息变化，以获得对应投影方向的极值点；

确定单元，用于将所述极值点分别确定为对应投影方向上所需分块的标定位置；

分块单元，用于根据所述标定位置针对所述目标图像进行变换尺度分块获得分块图像。

第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的基于视觉的图像处理方法。

第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的基于视觉的图像处理方法。

相比于现有技术，本申请提供的一种基于视觉的图像处理方法、系统、电子设备及存储介质，通过将目标图像灰度化后采用自适应滤波方法以及非贝塔函数及麻雀搜索法的综合算法针对目标图像进行图像增强，可以完全消除不同的光照方位、光亮度以及遮物等因素导致目标图像中的局部细节像素差别大的缺陷，从而获取清晰且不缺失信息的高清完整图片。再针对高清处理的目标图像采用离散转换算法以及投影积分算法，得到基于纹理信息变化机理分块处理的分块图像，该分块图像是依据图像中不同区域的信息自动分成不同大小的块，有利于保留目标图像上完整的局部信息，从而得到具代表性的图像特征，完全避免现有技术图像处理过程中图像细节信息丢失的技术问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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性的前提下，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1提供的基于视觉的图像处理方法的流程图；

图2是本发明实施例2提供的与实施例1方法对应的基于视觉的图像处理系统结构框图；

图3是本发明实施例3提供的电子设备的硬件结构示意图。

附图标记说明：

10-获取模块；

20-降噪模块、21-灰度单元、22-降噪单元；

30-增强模块、31-归一化单元、32-调整单元、33-寻优单元、34-反归一化单元；

40-变换模块、41-变换单元、42-推理单元、43-定义单元；

50-投影模块、51-投影单元、52-确定单元、53-分块单元；

60-提取模块；

70-总线、71-处理器、72-存储器、73-通信接口。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

实施例1

具体而言，图1所示为本实施例所提供的一种基于视觉的图像处理方法的流程示意图。

如图1所示，本实施例的基于视觉的图像处理方法包括以下步骤：

S101，获取目标图像。

具体地，本实施例中用于获取目标图像的装置可以是移动终端， 也可以是内置在终端或安装在某一平台的模块等。具体实践中，该装置可以通过终端的摄像头拍摄获得目标图像，也可以是从预先存储的图库中调取目标图像，该目标图像中包含有待处理的目标图像特征，该目标图像特征可以人物、人体的某一部位或动物或其它对象等。

S102，将所述目标图像进行灰度及降噪处理得到第一预处理图片。

具体地，在图像的采集、传输、处理的过程中，由于受到成像设备和拍摄环境等因素的干扰，诸如不同的光照方位、光亮度以及存在的遮物的干扰会影响图像的像素值，这严重会影响后期的图像处理工作，因此在图像处理前，首先对目标图像进行图像预处理操作。具体实践中，彩色图像的灰度化是指把RGB三通道的数据变为单通道的数据图像，图像由彩色变为灰色，目的在于尽量地降低处理成本，减少算法的运算量，提高实时性是图像处理算法的重要性能要求。降噪处理的目的去除图像中夹杂的噪声，增强图像的像素对比度，提高图像的清晰度，增强图像的视觉效果。

进一步地，本实施例的步骤S102的具体步骤包括：

S1021，将获取的所述目标图像通过加权平均法进行灰度化处理。

具体地，本实施例考虑到R、G、B比重不同带来的视觉效果差异，根据实际需求，划分三个分量在总分量中占的比率，通过加权相加的方式实现灰度化处理，从而把RGB三通道的数据变为单通道的数据图像，RGB彩色图像中含有三个分量，需要对这三个分量分别存储，若简化为一个分量，数据存储量会明显的减小。

S1022，通过自适应滤波方法降低灰度化处理后的所述目标图像中的若干噪音。

具体地，物体材料、环境温度以及湿度、图像采集设备的电子器件和结构等因素，都会对拍摄的图像产生影响，使图像产生噪声，如电阻引起的热噪声和光响应非均匀性噪声等。此外，由于在传输过程中设备的不足以及传输介质的干扰，数字图像在此过程中也会产生噪声。图像常见噪声基本上有四种：高斯噪声、泊松噪声、乘性噪声和椒盐噪声。高斯噪声是指它的概率密度函数服从高斯分布的一类噪声；泊松噪声是符合泊松分布的噪声模型，这种分布主要用来描述随机事件在固定时间内发生的次数及其概率的大小；乘性噪声一般由信道不理想引起，它们与信号的关系是相乘，信号存在它就在，信号不在它也就不在；椒盐噪声又称脉冲噪声，它是由传感器和传输通道，在解码处理中对一些像素值大小产生了随机改变，从而生成的黑白相间的亮暗点。具体实践中，自适应滤波方法采用改进的中值滤波方法。众所周知，中值滤波在面对随机产生的噪声时效果显著，同时在降低图像噪声的同时会引起更低的模糊效果。本实施例的改进的中值滤波，是根据噪点和边缘点不同的特性采取不同的处理方式，可以根据邻域内的情况自行作出判定，具有较好的适应性，这样可以减小滤波窗口大小的选择对降噪效果的影响。

S103，采用预选图像增强方式针对所述第一预处理图片进行增强得到第二预处理图片。

具体地，图像增强主要可以提高图像的质量，改变图像的灰度分布，抑制不感兴趣的背景区域，提高图像的使用价值，使其转换为更适合人和机器处理的形式，得到更为实用的图像。具体实践中，采集到的原始图像经常出现对比度低、灰度值偏低等现象，背景区域灰度较高，而有效区域灰度较低，导致图像呈现的效果较差，视觉上呈现出图像模糊，需要进行图像增强处理以提高图像的质量。

进一步地，本实施例步骤S103的具体步骤包括：

S1031，将所述第一预处理图片通过归一化函数处理得到归一化图片。

具体地，在使用非贝塔函数对图像进行灰度变换时，首先要对图像进行归一化处理，以便利于后续图像处理的灰度动态调整。具体实践中，本实施例所采用的归一化函数具体如下：

，

式中，i(x,y)表示图像像素(x,y)的灰度值，i _min表示图像像素的最小灰度值，i _max表示图像像素的最大灰度值，i’(x,y)表示归一化图像像素(x,y)的灰度值。

S1032，将所述归一化图片采用非贝塔函数进行灰度变换以调整所述归一化图片的灰度动态范围。

具体地，本实施例采用非线性灰度变换来调整图像的灰度动态范围，从而达到增强对比度的目的，变换函数的选取通常由图像的质量来决定。其中本实施例所使用的变换函数为非贝塔函数，其具体如下：

，

式中，B ^-1(α,β)为贝塔函数，α,β为贝塔函数的参数。

S1033，在所述灰度动态范围采用麻雀搜索法针对所述归一化图片进行寻优，并基于寻优结果增强所述归一化图片。

具体地，整个增强过程最主要的就是寻找贝塔函数的α,β参数的最优值，本实施例将采用麻雀搜索法对其进行寻优。麻雀搜索法是根据麻雀觅食并逃避捕食者的行为而提出的群智能优化算法。麻雀搜索算法主要模拟了麻雀群觅食的过程，麻雀群觅食过程也是发现者-跟随者模型的一种，同时还叠加侦查预警机制。

S1034，将增强后的所述归一化图片通过反归一化函数进行图像还原得到第二预处理图片。

具体地，本实施例中，所使用的反归一化函数具体如下：

i”(x,y)=(i’_max—i’_min)×i’(x,y)+i’_min，

式中，i’(x,y)表示归一化图像像素(x,y)的灰度值，i’_min表示归一化图像像素的最小灰度值，i’_max表示归一化图像像素的最大灰度值。

S104，将所述第二预处理图片通过离散转换算法进行维度离散转换处理获取所述目标图像对应的具有低频及高频分量特性的若干子图像，以推理出所述目标图像的纹理信息变化；其中，所述若干子图像中包括目标子图像。

具体地，对图像采用分割成块的方法能够使获得的局部特征中包含的图像局部信息更加完整，在一些样本较小的情况下也可以采用分块策略使得样本个数增多。现有方法将输入图像分割成许多尺寸更小的子图像，在子图像上使用PCA方法提取特征，方法的性能得到了提升。这些现有方法在分块的时候只是简单地将图像平均分割，对图像平均分割实现起来较为简单，但是图像中的一些关键局部信息可能会被分割开，影响特征提取的最终效果。而且图像不同区域包含的信息量各不相同，有些区域细节信息多信息量大，有些区域更多地包含图像背景信息，很难表征图像的特征。对这些不同区域进行分割时采用相同的大小不能更有效率地提取图像特征。

进一步地，本实施例的步骤S104的具体步骤包括：

S1041，将所述第二预处理图片通过离散转换算法分别在其水平和垂直方向进行一维离散转换得到依次具有低频分量、水平方向的高频分量、垂直方向的高频分量和对角方向的高频分量的四个子图像。

具体地，现有技术中一维信号经过一维离散变换之后被分为低频部分和高频部分。通常图像是一种二维离散信号，对二维信号而言，通过采用本实施例的离散转换算法分别在其水平和垂直方向进行一维离散变换，即可完成二维信号的离散变换。具体实践中，本实施例针对输入图像经过离散转换算法后将得到四个子图像：LL、LH、HL 和HH，分别是图像的低频分量、水平方向的高频分量、垂直方向的高频分量和对角方向高频分量，每一个子图像分别表示了不同的图像性质。

其中，所述离散转换算法具体如下：

，

式中，f(x,y)表示所述第二预处理图片的像素值，MN代表所述第二预处理图片的尺寸大小，

表示尺度函数，Ψ ⁱ _j,m,n表示小波函数，j ₀表示初始尺度，j表示尺度，H,V,D表示水平、垂直、对角方向。

S1042，根据具有高频分量的三个子图像推理出所述目标图像的纹理信息变化。

具体地，本实施例中，低频子图像是输入图像的近似表达，三个高频子图像刻画了图像在不同方向上的纹理信息改变。即子图像 LL和输入图像很相似，子图像LH和HL分别反映了图像在水平和垂直方向的纹理变化，子图像HH反映了图像对角线方向的纹理变化。根据这些子图像，便能推出图像的纹理信息变化。

S1043，将具有水平方向的高频分量、垂直方向的高频分量的两个子图像定义为目标子图像。

具体地，为了将纹理变换信息更清晰地提取出来，要选择相应的方向，才能提取出清晰的纹理变换信息，更有效地分析图像纹理变化。具体实践中，本实施例通过选择在具有水平方向的高频分量、垂直方向的高频分量的两个子图像定义为目标子图像，也就是说需要在LH 子图像上以及在HL子图像上进行相应的处理，以提取出清晰的纹理变换信息。

S105，将所述目标子图像通过投影积分算法得到对应投影方向上的极值点以获取所述目标图像所需分块的标定位置，并基于所述标定位置进行变换尺度得到基于所述纹理信息变化分块处理的分块图像。

具体地，本实施例所采用的投影积分算法，其目的在于在LH子图像上进行垂直投影积分，在HL子图像上应进行水平投影积分，才能提取出清晰的纹理变换信息，更有效地分析图像纹理变化。

进一步地，本实施例的步骤S105的具体步骤包括：

S1051，针对所述目标子图像采用投影积分算法进行投影积分用于增强所述纹理信息变化，以获得对应投影方向的极值点。

具体地，本实施例通过投影积分算法针对图像进行投影积分处理，可以有效地表示图像纹理变化，在对区域边界的标定中发挥很大作用。具体实践中，本实施例所采用的投影积分算法具体如下：

，

式中，f(x,y)表示所述目标子图像的像素值，［x ₁,x ₂］、［y ₁,y ₂］表示在图像中进行投影积分的区域，H(y)表示垂直投影积分，I(x)表示水平投影积分。

S1052，将所述极值点分别确定为对应投影方向上所需分块的标定位置。

具体地，垂直投影积分的极值点便是图像在水平方向上纹理信息变化最大的位置，而投影积分图中较平缓的区域则是图像水平方向上纹理信息变化较小的区域。因此，投影积分的极值点位置可以作为图像分块的位置。在LH子图像上进行垂直投影积分的极值点位置可以作为图像水平方向分块的位置点，同理，在HL子图像上进行水平投影积分的极值点位置也能作为图像在垂直方向分块的位置点。

S1053，根据所述标定位置针对所述目标图像进行变换尺度分块获得分块图像。

具体地，现有技术中，复杂环境下得到的图像中信息分布通常是不均匀的，不同区域的信息量相差很大；对图像所有区域都采取相同的大小平均分块很可能会导致一些小块中包含的信息量过小无法对图像的特征进行表征，而一些小块中包含的信息量过多，在特征提取时无法提取完整，并且图像中一些关键区域会被分割在两个子块中。因此，本实施例通过投影积分处理得到水平方向上的极值点和垂直方向上的极值点，将这些极值点分别作为图像水平和垂直方向分块的标定位置对图像进行分块，和直接对图像进行相同大小的平均分块相比，变化尺度分块局部信息保留得更加完整。当然，需要说明的是，为了使获得的分块图像更具鲁棒性，并使局部空间信息更加完整，对于输入的图像可进行有重叠的分块方法。

S106，根据所述分块图像提取所述目标图像的图像特征以实现所述目标图像的图像处理。

综上所述，通过将获取的目标图像灰度化处理后，采用非贝塔函数及麻雀搜索法的综合算法针对目标图像进行图像增强，目的在于完全消除不同的光照方位、光亮度以及遮物等因素导致目标图像中的局部细节像素差别大的缺陷，从而获取清晰且不缺失信息的高清完整图片。再针对高清处理的目标图像采用离散转换算法得到包括目标子图像的若干子图像，并基于此推理出目标图像的纹理信息变化。将目标子图像通过投影积分算法获取目标图像所需分块的标定位置，并基于此得到基于所述纹理信息变化分块处理的分块图像，该分块图像是依据图像中不同区域的信息自动分成不同大小的块，有利于保留目标图像上完整的局部信息，从而得到具代表性的图像特征，根据分块图像提取目标图像的图像特征以实现目标图像的图像处理。根据上述步骤可以完全避免现有技术图像处理过程中图像细节信息丢失的技术问题。

实施例2

本实施例提供了与实施例1所述方法相对应的系统的结构框图。图2是根据本申请实施例的基于视觉的图像处理系统的结构框图，如图2所示，该系统包括：

获取模块10，用于获取目标图像；

降噪模块20，用于将所述目标图像进行灰度及降噪处理得到第一预处理图片；

增强模块30，用于采用预选图像增强方式针对所述第一预处理图片进行增强得到第二预处理图片；

变换模块40，用于将所述第二预处理图片通过离散转换算法进行维度离散转换处理获取所述目标图像对应的具有低频及高频分量特性的若干子图像，以推理出所述目标图像的纹理信息变化；其中，所述若干子图像中包括目标子图像；

投影模块50，用于将所述目标子图像通过投影积分算法得到对应投影方向上的极值点以获取所述目标图像所需分块的标定位置，并基于所述标定位置进行变换尺度得到基于所述纹理信息变化分块处理的分块图像；

提取模块60，用于根据所述分块图像提取所述目标图像的图像特征以实现所述目标图像的图像处理。

进一步地，所述降噪模块20包括：

灰度单元21，用于将获取的所述目标图像通过加权平均法进行灰度化处理；

降噪单元22，用于通过自适应滤波方法降低灰度化处理后的所述目标图像中的若干噪音。

进一步地，所述增强模块30包括：

归一化单元31，用于将所述第一预处理图片通过归一化函数处理得到归一化图片；

调整单元32，用于将所述归一化图片采用非贝塔函数进行灰度变换以调整所述归一化图片的灰度动态范围；

寻优单元33，用于在所述灰度动态范围采用麻雀搜索法针对所述归一化图片进行寻优，并基于寻优结果增强所述归一化图片；

反归一化单元34，用于将增强后的所述归一化图片通过反归一化函数进行图像还原得到第二预处理图片。

进一步地，所述变换模块40包括：

变换单元41，用于将所述第二预处理图片通过离散转换算法分别在其水平和垂直方向进行一维离散转换得到依次具有低频分量、水平方向的高频分量、垂直方向的高频分量和对角方向的高频分量的四个子图像；

推理单元42，用于根据具有高频分量的三个子图像推理出所述目标图像的纹理信息变化；

定义单元43，用于将具有水平方向的高频分量、垂直方向的高频分量的两个子图像定义为目标子图像。

进一步地，所述投影模块50包括：

投影单元51，用于针对所述目标子图像采用投影积分算法进行投影积分用于增强所述纹理信息变化，以获得对应投影方向的极值点；

确定单元52，用于将所述极值点分别确定为对应投影方向上所需分块的标定位置；

分块单元53，用于根据所述标定位置针对所述目标图像进行变换尺度分块获得分块图像。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

实施例3

结合图1所描述的基于视觉的图像处理方法可以由电子设备来实现。图3为根据本实施例的电子设备的硬件结构示意图。

电子设备可以包括处理器71以及存储有计算机程序指令的存储器72。

具体地，上述处理器71可以包括中央处理器（CPU），或者特定集成电路（Application Specific Integrated Circuit，简称为ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器72可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器72可包括硬盘驱动器（Hard Disk Drive，简称为HDD）、软盘驱动器、固态驱动器（SolidState Drive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（Universal SerialBus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器72可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器72可在数据处理装置的内部或外部。在特定实施例中，存储器72是非易失性（Non-Volatile）存储器。在特定实施例中，存储器72包括只读存储器（Read-Only Memory，简称为ROM）和随机存取存储器（RandomAccess Memory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（Programmable Read-Only Memory，简称为PROM）、可擦除PROM（Erasable ProgrammableRead-Only Memory，简称为EPROM）、电可擦除PROM（Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM）、电可改写ROM（Electrically Alterable Read-OnlyMemory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（Static Random-Access Memory，简称为SRAM）或动态随机存取存储器（Dynamic Random Access Memory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器（Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM）、同步动态随机存取内存（Synchronous Dynamic Random-Access Memory，简称SDRAM）等。

存储器72可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器71所执行的可能的计算机程序指令。

处理器71通过读取并执行存储器72中存储的计算机程序指令，以实现上述实施例1的基于视觉的图像处理方法。

在其中一些实施例中，电子设备还可包括通信接口73和总线70。其中，如图3所示，处理器71、存储器72、通信接口73通过总线70连接并完成相互间的通信。

通信接口73用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口73还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

总线70包括硬件、软件或两者，将设备的部件彼此耦接在一起。总线70包括但不限于以下至少之一：数据总线（Data Bus）、地址总线（Address Bus）、控制总线（ControlBus）、扩展总线（Expansion Bus）、局部总线（Local Bus）。举例来说而非限制，总线70可包括图形加速接口（Accelerated Graphics Port，简称为AGP）或其他图形总线、增强工业标准架构（Extended Industry Standard Architecture，简称为EISA）总线、前端总线（FrontSide Bus，简称为FSB）、超传输（Hyper Transport，简称为HT）互连、工业标准架构（Industry Standard Architecture，简称为ISA）总线、无线带宽（InfiniBand）互连、低引脚数（Low Pin Count，简称为LPC）总线、存储器总线、微信道架构（Micro ChannelArchitecture，简称为MCA）总线、外围组件互连（Peripheral Component Interconnect，简称为PCI）总线、PCI-Express（PCI-X）总线、串行高级技术附件（Serial AdvancedTechnology Attachment，简称为SATA）总线、视频电子标准协会局部（Video ElectronicsStandards Association Local Bus，简称为VLB）总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线70可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该电子设备可以基于获取到基于视觉的图像处理系统，执行本申请实施例1的基于视觉的图像处理方法。

另外，结合上述实施例1的基于视觉的图像处理方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例1的基于视觉的图像处理方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于视觉的图像处理方法，其特征在于，包括：

获取受成像设备和拍摄环境干扰影响图像像素值的目标图像；

将所述目标图像进行灰度及改进的中值滤波降噪处理得到第一预处理图片；其中，改进的中值滤波是根据噪点和边缘点不同的特性采取不同的处理方式，且可以根据邻域内的情况自行作出判定；

采用预选图像增强方式针对所述第一预处理图片进行增强得到第二预处理图片；其中，预选图像增强方式是指基于灰度变化调整灰度动态范围再进行寻优操作实现增强；

将所述第二预处理图片通过离散转换算法进行维度离散转换处理刻画图像在不同方向上的纹理信息改变获取所述目标图像对应的具有低频及高频分量特性的若干子图像，根据选定方向的高频分量以推理出所述目标图像的纹理信息变化；其中，所述若干子图像中包括目标子图像，所述目标子图像是指水平方向的高频分量、垂直方向的高频分量；

将所述目标子图像通过投影积分算法增强所述纹理信息变化得到对应投影方向上的极值点以获取所述目标图像所需在水平和垂直方向上分块的标定位置，并基于所述标定位置进行变化尺寸分块及重叠分块方式得到基于所述纹理信息变化分块处理的局部信息保完整的分块图像；其中，极值点位置作为图像分块的位置，在LH子图像上进行垂直投影积分的极值点位置作为图像水平方向分块的位置点，在HL子图像上进行水平投影积分的极值点位置作为图像在垂直方向分块的位置点；

根据所述分块图像提取所述目标图像的图像特征以实现所述目标图像的图像处理。

2.根据权利要求1所述的基于视觉的图像处理方法，其特征在于，所述将所述目标图像进行灰度及降噪处理得到第一预处理图片的步骤具体包括：

将获取的所述目标图像通过加权平均法进行灰度化处理；

通过自适应滤波方法降低灰度化处理后的所述目标图像中的若干噪音。

3.根据权利要求1所述的基于视觉的图像处理方法，其特征在于，所述采用预选图像增强方式针对所述第一预处理图片进行增强得到第二预处理图片的步骤具体包括：

将所述第一预处理图片通过归一化函数处理得到归一化图片；

将所述归一化图片采用非贝塔函数进行灰度变换以调整所述归一化图片的灰度动态范围；

在所述灰度动态范围采用麻雀搜索法针对所述归一化图片进行寻优，并基于寻优结果增强所述归一化图片；

将增强后的所述归一化图片通过反归一化函数进行图像还原得到第二预处理图片。

4.根据权利要求1所述的基于视觉的图像处理方法，其特征在于，所述将所述第二预处理图片通过离散转换算法进行维度离散转换处理获取所述目标图像对应的具有低频及高频分量特性的若干子图像，以推理出所述目标图像的纹理信息变化；其中，所述若干子图像中包括目标子图像的步骤具体包括：

将所述第二预处理图片通过离散转换算法分别在其水平和垂直方向进行一维离散转换得到依次具有低频分量、水平方向的高频分量、垂直方向的高频分量和对角方向的高频分量的四个子图像；

根据具有高频分量的三个子图像推理出所述目标图像的纹理信息变化；

将具有水平方向的高频分量、垂直方向的高频分量的两个子图像定义为目标子图像。

5.根据权利要求4所述的基于视觉的图像处理方法，其特征在于，所述离散转换算法具体如下：

，

式中，f (x,y)表示所述第二预处理图片的像素值，MN代表所述第二预处理图片的尺寸大小，

表示尺度函数，Ψ ⁱ _j,m,n表示小波函数，j ₀表示初始尺度，j表示尺度，H,V, D表示水平、垂直、对角方向。

6.根据权利要求1所述的基于视觉的图像处理方法，其特征在于，所述将所述目标子图像通过投影积分算法得到对应投影方向上的极值点以获取所述目标图像所需分块的标定位置，并基于所述标定位置进行变换尺度得到基于所述纹理信息变化分块处理的分块图像的步骤具体包括：

针对所述目标子图像采用投影积分算法进行投影积分用于增强所述纹理信息变化，以获得对应投影方向的极值点；

将所述极值点分别确定为对应投影方向上所需分块的标定位置；

根据所述标定位置针对所述目标图像进行变换尺度分块获得分块图像。

7.根据权利要求6所述的基于视觉的图像处理方法，其特征在于，所述投影积分算法具体如下：

，

式中，f (x,y)表示所述目标子图像的像素值，［x ₁,x ₂］、［y ₁,y ₂］表示在图像中进行投影积分的区域，H(y)表示垂直投影积分，I(x)表示水平投影积分。

8.一种基于视觉的图像处理系统，其特征在于，包括：

获取模块，用于获取受成像设备和拍摄环境干扰影响图像像素值的目标图像；

降噪模块，用于将所述目标图像进行灰度及改进的中值滤波降噪处理得到第一预处理图片；其中，改进的中值滤波是根据噪点和边缘点不同的特性采取不同的处理方式，且可以根据邻域内的情况自行作出判定；

增强模块，用于采用预选图像增强方式针对所述第一预处理图片进行增强得到第二预处理图片；其中，预选图像增强方式是指基于灰度变化调整灰度动态范围再进行寻优操作实现增强；

变换模块，用于将所述第二预处理图片通过离散转换算法进行维度离散转换处理刻画图像在不同方向上的纹理信息改变获取所述目标图像对应的具有低频及高频分量特性的若干子图像，根据选定方向的高频分量以推理出所述目标图像的纹理信息变化；其中，所述若干子图像中包括目标子图像，所述目标子图像是指水平方向的高频分量、垂直方向的高频分量；

投影模块，用于将所述目标子图像通过投影积分算法增强所述纹理信息变化得到对应投影方向上的极值点以获取所述目标图像所需在水平和垂直方向上分块的标定位置，并基于所述标定位置进行变化尺寸分块及重叠分块方式得到基于所述纹理信息变化分块处理的局部信息保完整的分块图像；其中，极值点位置作为图像分块的位置，在LH子图像上进行垂直投影积分的极值点位置作为图像水平方向分块的位置点，在HL子图像上进行水平投影积分的极值点位置作为图像在垂直方向分块的位置点；

提取模块，用于根据所述分块图像提取所述目标图像的图像特征以实现所述目标图像的图像处理。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7中任一项所述的基于视觉的图像处理方法。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～7中任一项所述的基于视觉的图像处理方法。

Images