CN116109511A - 红外图像边缘增强的方法和系统 - Google Patents
红外图像边缘增强的方法和系统 Download PDFInfo
- Publication number
- CN116109511A CN116109511A CN202310162538.1A CN202310162538A CN116109511A CN 116109511 A CN116109511 A CN 116109511A CN 202310162538 A CN202310162538 A CN 202310162538A CN 116109511 A CN116109511 A CN 116109511A
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- original
- coordinate point
- infrared 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000003708 edge detection Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000008859 change Effects 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 11
- 230000003321 amplification Effects 0.000 claims description 10
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 abstract description 13
- 230000000694 effects Effects 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T5/70—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供了红外图像边缘增强的方法和系统,包括:将原始红外图像转换为灰度图像;通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;对所述原始边缘图像进行滤波处理,获取平滑边缘图像;对所述平滑边缘图像添加伪彩,获取彩色边缘图像;将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。本发明技术方案灰度图像因其只显示亮度信息而不显示色彩信息,因此在灰度图像上融合带有色彩的边缘图像可以明显的显示出图像的边缘,从而达到图像边缘增强的效果。
Description
技术领域
本发明属于红外图像领域,尤其涉及红外图像边缘增强的方法和系统。
背景技术
红外图像边缘信息一般比较模糊,加上红外图像的色彩梯度也没有可见光图像丰富,通常情况下红外图像中的远距离目标一般不能快速的识别出来,这时候就需要红外图像增强技术来对目标边缘进行识别,增强。
常用的增强技术包括卷积滤波,高通滤波器滤波,形态学滤波等。通过对图像进行滤波操作后,会过滤掉部分低频信息,保留强边缘信息,从而凸显目标边界。
现有的图像边缘增强技术一般都是利用形态学算法对全图进行锐化增强。这种方法没有引入任何边缘检测,虽然能在一定程度上改善图像边缘效果,但是基于全图的卷积滤波操作具有一定的盲目性,会导致图像失真,低频的有效信息会被大量丢失。
发明内容
本发明实施例的主要目的在于提供了红外图像边缘增强的方法和系统,本发明技术方案灰度图像因其只显示亮度信息而不显示色彩信息,因此在灰度图像上融合带有色彩的边缘图像可以明显的显示出红外图像的边缘,从而达到红外图像边缘增强的效果。
第一方面,提供了红外图像边缘增强的方法,所述方法包括:
将原始红外图像转换为灰度图像;
通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;
对所述原始边缘图像进行滤波处理,获取平滑边缘图像;
对所述平滑边缘图像添加伪彩,获取彩色边缘图像;
将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。
在一个可能的实现方式中,所述通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像,具体方法包括:
由所述原始红外图像的像素梯度变化,得到所述原始红外图像的边缘强度矩阵;
由所述边缘强度矩阵计算得到所述原始红外图像的边缘强度阈值;
判断所述边缘强度矩阵中坐标点对应的所述边缘强度是否大于所述边缘强度阈值,进而确定所述原始边缘图像中所述坐标点的边缘像素值。
在另一个可能的实现方式中,所述由所述原始红外图像的像素梯度变化,得到所述原始红外图像的边缘强度矩阵,具体方法包括:
获取所述原始红外图像中水平方向的像素梯度变化Gx和垂直方向的像素梯度变化Gy,计算得到所述边缘强度矩阵M;
所述边缘强度矩阵M与所述Gx和所述Gy的关系为:
在另一个可能的实现方式中,所述由所述边缘强度计算得到所述原始红外图像的边缘强度阈值,具体方法包括:
由所述边缘强度矩阵M计算得到边缘强度直方图M_Hist;
通过公式(I)计算所述原始红外图像的边缘强度阈值,公式(I)为:
其中:index表示所述边缘强度直方图中像素索引;threshold为边缘强度阈值;width表示所述原始红外图像的宽度;height表示所述原始红外图像的高度;p表示原始红外图像中小于阈值threshold的像素个数与全图像素所占比例。
在另一个可能的实现方式中,所述判断所述边缘强度矩阵中坐标点对应的所述边缘强度是否大于所述边缘强度阈值,进而确定所述原始边缘图像中所述坐标点的边缘像素值,具体方法包括:
若所述原始红外图像中坐标点对应的边缘强度大于所述边缘强度阈值,则所述坐标点的边缘像素值为所述边缘强度与预设系数的乘积;
若所述原始红外图像中坐标点对应的边缘强度小于等于所述边缘强度阈值,则所述坐标点的边缘像素值为0。
在另一个可能的实现方式中,将所述灰度图像与所述彩色边缘图像进行融合时,所述坐标点的对应像素值选取方法包括:
遍历所述平滑边缘图像;
若所述坐标点的边缘像素值为0,则所述坐标点在所述平滑边缘图像中未代表边缘信息,所述坐标点选取所述灰度图像中对应的像素值;
若所述坐标点的边缘像素值不为0,则所述坐标点在所述平滑边缘图像中代表边缘信息,所述坐标点选取所述彩色边缘图像中对应的像素值。
在另一个可能的实现方式中,所述预设系数包括放大系数和归一化因子中的一种。
在另一个可能的实现方式中,所述归一化因子的计算方式为所述灰度图像的灰度等级与所述原始红外图像的像素梯度最大值和像素梯度最小值的差值比;所述放大系数为预设值。
在另一个可能的实现方式中,所述对所述原始边缘图像进行中值滤波、均值滤波或高斯滤波中的一种。
第二方面,提供了红外图像边缘增强的系统,所述系统包括:
灰度图像获取模块,用于将原始红外图像转换为灰度图像;
原始边缘图像获取模块,用于通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;
平滑边缘图像获取模块,用于对所述原始边缘图像进行滤波处理,获取平滑边缘图像;
彩色边缘图像模块,用于对所述平滑边缘图像添加伪彩,获取彩色边缘图像;
边缘增强图像模块,用于将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。
本发明根据灰度图像只显示亮度信息而不显示色彩信息的特性,在灰度图像上融合带有色彩的边缘图像,使得灰度图像中可以明显的显示出图像的边缘,从而达到图像边缘增强的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单地介绍。
图1为本发明一个实施例提供的红外图像边缘增强的方法的流程图;
图2为本发明另一个实施例提供的红外图像边缘增强的方法的流程图;
图3为本发明一个实施例提供的红外图像边缘增强的系统的结构图;
图4为本发明另一个实施例提供的红外图像边缘增强的系统的结构图;
图5为本发明一种电子设备的实体结构示意图;
图6为本发明实施例提供的红外图像边缘增强的方法的流程示意图。
具体实现方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、模块和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、模块、组件和/或它们的组。应该理解,当我们称模块被“连接”或“耦接”到另一模块时,它可以直接连接或耦接到其他模块,或者也可以存在中间模块。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一模块和全部组合。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实现方式作进一步地详细描述。
下面以具体地实施例对本发明的技术方案以及本发明的技术方案如和解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
如图1所示为本发明一个实施例提供的红外图像边缘增强的方法的流程图,所述方法包括:
步骤101,将原始红外图像转换为灰度图像;
步骤102,通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;
步骤103,对所述原始边缘图像进行滤波处理,获取平滑边缘图像;
步骤104,对所述平滑边缘图像添加伪彩,获取彩色边缘图像;
步骤105,将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。
在本发明实施例中,对原始红外图像,首先获取可较为清晰显示物体主干信息的灰度图像以及可较为清晰显示物体边缘信息的边缘图像,然后将该灰度图像和边缘图像进行融合即可获取边缘增强图像。在获取边缘图像的过程中,对于原始边缘图像还进行了平滑处理和上色处理,这样在最后融合成边缘增强图像时,可生成一个边缘平滑,且边缘为明显彩色的图像,使得增强后的红外图像可以更加清晰的显示出图像的边缘。
本发明实施例,将原始红外图像转换为灰度图像;通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;对所述原始边缘图像进行滤波处理,获取平滑边缘图像;对所述平滑边缘图像添加伪彩,获取彩色边缘图像;将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。灰度图像因其只显示亮度信息而不显示色彩信息,因此在灰度图像上融合带有色彩的边缘图像可以明显的显示出图像的边缘,从而达到图像边缘增强的效果。
如图2所示为本发明另一个实施例提供的红外图像边缘增强的方法的流程图,所述通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像,包括:
步骤201,由所述原始红外图像的像素梯度变化,得到所述原始红外图像的边缘强度矩阵;
步骤202,由所述边缘强度矩阵计算得到所述原始红外图像的边缘强度阈值;
步骤203,判断所述边缘强度矩阵中坐标点对应的所述边缘强度是否大于所述边缘强度阈值,进而确定所述原始边缘图像中所述坐标点的边缘像素值。
在本发明实施例中,通过原始红外图像中各像素形成的梯度变化,可得到原始红外图像的边缘强度矩阵,通过对该边缘强度矩阵的计算,可获取边缘强度阈值,将该原始红外图像中的各像素的边缘强度与边缘强度阈值进行比较,对于大于该边缘强度阈值的像素点,可获取其对应的像素值。
其中,所述由所述原始红外图像的像素梯度变化,得到所述原始红外图像的边缘强度矩阵,包括:
获取所述原始红外图像中水平方向的像素梯度变化Gx和垂直方向的像素梯度变化Gy,计算得到所述边缘强度矩阵M;
其中,所述由所述边缘强度计算得到所述原始红外图像的边缘强度阈值,具体方法包括:
由所述边缘强度矩阵M计算得到边缘强度直方图M_Hist;
通过公式(I)计算所述原始红外图像的边缘强度阈值,公式(I)为:
其中:index表示所述边缘强度直方图中像素索引;threshold为边缘强度阈值;width表示所述原始红外图像的宽度;height表示所述原始红外图像的高度;p表示原始红外图像中小于阈值threshold的像素个数与全图像素所占比例。
其中,所述判断所述边缘强度矩阵中坐标点对应的所述边缘强度是否大于所述边缘强度阈值,进而确定所述原始边缘图像中所述坐标点的边缘像素值,具体方法包括:
若所述原始红外图像中坐标点对应的边缘强度大于所述边缘强度阈值,则所述坐标点的边缘像素值为所述边缘强度与预设系数的乘积;
若所述原始红外图像中坐标点对应的边缘强度小于等于所述边缘强度阈值,则所述坐标点的边缘像素值为0。
在本发明实施例中,可根据公式显示边缘像素值与边缘像素阈值之间的关系:如果原始红外图像中坐标点对应的边缘强度小于等于边缘强度阈值,则所坐标点的边缘像素值为0;如果原始红外图像中坐标点对应的边缘强度大于边缘强度阈值,则坐标点的边缘像素值为边缘强度与预设系数的乘积,其中,M为边缘强度,放大系数c、归一化因子factor为预设系数,在具体的计算过程中,预设系数可以选择放大系数c和归一化因子factor中的一种,对于归一化因子factor可通过灰度图像的灰度等级与原始红外图像的像素梯度最大值和像素梯度最小值的差值比获取,而放大系数c为预设值。
其中,将所述灰度图像与所述彩色边缘图像进行融合时,所述坐标点的对应像素值选取方法包括:
遍历所述平滑边缘图像;
若所述坐标点的边缘像素值为0,则所述坐标点在所述平滑边缘图像中未代表边缘信息,所述坐标点选取所述灰度图像中对应的像素值;
若所述坐标点的边缘像素值不为0,则所述坐标点在所述平滑边缘图像中代表边缘信息,所述坐标点选取所述彩色边缘图像中对应的像素值。
在本发明实施例中,对于灰度图像和彩色边缘图像在融合过程中,融合部分的每个像素点的像素值的选取,其按照以下原则实现:若坐标点的边缘像素值为0,则坐标点在平滑边缘图像中未代表边缘信息,坐标点选取灰度图像中对应的像素值;若坐标点的边缘像素值不为0,则坐标点在平滑边缘图像中代表边缘信息,坐标点选取彩色边缘图像中对应的像素值。
对于选取方法可根据公式进行显示,其中,i为像素点的索引,Edge_image[i]为i点在平滑边缘图像中的像素值,Gray_image[i]为i点在灰度图像中的像素值,Color_edge_image[i]为i点在彩色边缘图像中的像素值。
如图3所示为本发明一个实施例提供的红外图像边缘增强的系统的结构图,所述系统包括:
灰度图像获取模块301,用于通过调光处理将原始红外图像转换为灰度图像;
原始边缘图像获取模块302,用于通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;
平滑边缘图像获取模块303,用于对所述原始边缘图像进行滤波处理,获取平滑边缘图像;
彩色边缘图像模块304,用于对所述平滑边缘图像进行添加伪彩处理,获取彩色边缘图像;
边缘增强图像模块305,用于将所述灰度图像与所述彩色边缘图像进行融合增强,获取边缘增强图像。
在本发明实施例中,对原始红外图像,首先获取可较为清晰显示物体主干信息的灰度图像以及可较为清晰显示物体边缘信息的边缘图像,然后将该灰度图像和边缘图像进行融合即可获取边缘增强图像。在获取边缘图像的过程中,对于原始边缘图像还进行了平滑处理和上色处理,这样在最后融合成边缘增强图像时,可生成一个边缘平滑,且边缘为明显彩色的图像,使得增强后的红外图像可以更加清晰的显示出图像的边缘。
本发明实施例,将原始红外图像转换为灰度图像;通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;对所述原始边缘图像进行滤波处理,获取平滑边缘图像;对所述平滑边缘图像添加伪彩,获取彩色边缘图像;将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。灰度图像因其只显示亮度信息而不显示色彩信息,因此在灰度图像上融合带有色彩的边缘图像可以明显的显示出图像的边缘,从而达到图像边缘增强的效果。
如图4所示为本发明另一个实施例提供的红外图像边缘增强的系统的结构图,所述原始边缘图像获取模块302,包括:
边缘强度矩阵获取单元401,用于由所述原始红外图像的像素梯度变化,得到所述原始红外图像的边缘强度矩阵;
边缘强度阈值获取单元402,用于由所述边缘强度矩阵计算得到所述原始红外图像的边缘强度阈值;
边缘像素值确定单元403,用于判断所述边缘强度矩阵中坐标点对应的所述边缘强度是否大于所述边缘强度阈值,进而确定所述原始边缘图像中所述坐标点的边缘像素值。
在本发明实施例中,通过原始红外图像中各像素形成的梯度变化,可得到原始红外图像的边缘强度矩阵,通过对该边缘强度矩阵的计算,可获取边缘强度阈值,将该原始红外图像中的各像素的边缘强度与边缘强度阈值进行比较,对于大于该边缘强度阈值的像素点,可获取其对应的像素值。
其中,所述由所述原始红外图像的像素梯度变化,得到所述原始红外图像的边缘强度矩阵,包括:
获取所述原始红外图像中水平方向的像素梯度变化Gx和垂直方向的像素梯度变化Gy,计算得到所述边缘强度矩阵M;
其中,所述由所述边缘强度计算得到所述原始红外图像的边缘强度阈值,具体方法包括:
由所述边缘强度矩阵M计算得到边缘强度直方图M_Hist;
通过公式(I)计算所述原始红外图像的边缘强度阈值,公式(I)为:
其中:index表示所述边缘强度直方图中像素索引;threshold为边缘强度阈值;width表示所述原始红外图像的宽度;height表示所述原始红外图像的高度;p表示原始红外图像中小于阈值threshold的像素个数与全图像素所占比例。
其中,所述判断所述边缘强度矩阵中坐标点对应的所述边缘强度是否大于所述边缘强度阈值,进而确定所述原始边缘图像中所述坐标点的边缘像素值,具体方法包括:
若所述原始红外图像中坐标点对应的边缘强度大于所述边缘强度阈值,则所述坐标点的边缘像素值为所述边缘强度与预设系数的乘积;
若所述原始红外图像中坐标点对应的边缘强度小于等于所述边缘强度阈值,则所述坐标点的边缘像素值为0。
在本发明实施例中,可根据公式
显示边缘像素值与边缘像素阈值之间的关系:如果原始红外图像中坐标点对应的边缘强度小于等于边缘强度阈值,则所坐标点的边缘像素值为0;如果原始红外图像中坐标点对应的边缘强度大于边缘强度阈值,则坐标点的边缘像素值为边缘强度与预设系数的乘积,其中,M为边缘强度,放大系数c、归一化因子factor为预设系数,在具体的计算过程中,预设系数可以选择放大系数c和归一化因子factor中的一种,对于归一化因子factor可通过灰度图像的灰度等级与原始红外图像的像素梯度最大值和像素梯度最小值的差值比获取,而放大系数c为预设值。
其中,将所述灰度图像与所述彩色边缘图像进行融合时,所述坐标点的对应像素值选取方法包括:
遍历所述平滑边缘图像;
若所述坐标点的边缘像素值为0,则所述坐标点在所述平滑边缘图像中未代表边缘信息,所述坐标点选取所述灰度图像中对应的像素值;
若所述坐标点的边缘像素值不为0,则所述坐标点在所述平滑边缘图像中代表边缘信息,所述坐标点选取所述彩色边缘图像中对应的像素值。
在本发明实施例中,对于灰度图像和彩色边缘图像在融合过程中,融合部分的每个像素点的像素值的选取,其按照以下原则实现:若坐标点的边缘像素值为0,则坐标点在平滑边缘图像中未代表边缘信息,坐标点选取灰度图像中对应的像素值;若坐标点的边缘像素值不为0,则坐标点在平滑边缘图像中代表边缘信息,坐标点选取彩色边缘图像中对应的像素值。
对于选取方法可根据公式
进行显示,其中,i为像素点的索引,Edge_image[i]为i点在平滑边缘图像中的像素值,Gray_image[i]为i点在灰度图像中的像素值,Color_edge_image[i]为i点在彩色边缘图像中的像素值。
在本发明实施例中,归一化因子factor的作用为将原始红外图像的边缘强度矩阵归一化到0~255的区间,这样可以方便后续的计算流程。p经过实际测试发现其变化范围非常小,而为了简化计算,p可以以一个用户参数开放出来,即p值可由用户根据实际需要进行调整,优选的p值可设置为0.95。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的逻辑指令,以执行红外图像边缘增强的方法,该方法包括:将原始红外图像转换为灰度图像;通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;对所述原始边缘图像进行滤波处理,获取平滑边缘图像;对所述平滑边缘图像添加伪彩,获取彩色边缘图像;将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。
此外,上述的存储器中的逻辑指令可以通过软件功能单元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,本发明的技术方案本质上或者说对现有技术做出贡献的部分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)执行本发明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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的红外图像边缘增强的方法,该方法包括:将原始红外图像转换为灰度图像;通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;对所述原始边缘图像进行滤波处理,获取平滑边缘图像;对所述平滑边缘图像添加伪彩,获取彩色边缘图像;将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。
又一方面,本发明实施例还提供一种非暂态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以执行上述各实施例提供的红外图像边缘增强的方法,该方法包括:将原始红外图像转换为灰度图像;通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;对所述原始边缘图像进行滤波处理,获取平滑边缘图像;对所述平滑边缘图像添加伪彩,获取彩色边缘图像;将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。
如图6所示为本发明实施例提供的红外图像边缘增强的方法的流程示意图,所述方法流程包括:1、将原始16位分辨率的红外Y16图像通过调光转换为8位灰度图像;2、通过预设的边缘检测算法将红外Y16图像转换为原始边缘图像;3、对步骤2获取的原始边缘图像进行滤波处理,获取平滑边缘图像;4、对步骤3获取的平滑边缘图像进行添加伪彩处理,获取彩色边缘图像;4、将步骤1的灰度图像与步骤4的彩色边缘图像进行图像融合,获取边缘增强图像。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实现方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种红外图像边缘增强的方法,其特征在于,所述方法包括:
将原始红外图像转换为灰度图像;
通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;
对所述原始边缘图像进行滤波处理,获取平滑边缘图像;
对所述平滑边缘图像添加伪彩,获取彩色边缘图像;
将所述灰度图像与所述彩色边缘图像进行融合,获取边缘增强图像。
2.如权利要求1所述的方法,其特征在于,所述通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像,具体方法包括:
由所述原始红外图像的像素梯度变化,得到所述原始红外图像的边缘强度矩阵;
由所述边缘强度矩阵计算得到所述原始红外图像的边缘强度阈值;
判断所述边缘强度矩阵中坐标点对应的所述边缘强度是否大于所述边缘强度阈值,进而确定所述原始边缘图像中所述坐标点的边缘像素值。
5.如权利要求2所述的方法,其特征在于,所述判断所述边缘强度矩阵中坐标点对应的所述边缘强度是否大于所述边缘强度阈值,进而确定所述原始边缘图像中所述坐标点的边缘像素值,具体方法包括:
若所述原始红外图像中坐标点对应的边缘强度大于所述边缘强度阈值,则所述坐标点的边缘像素值为所述边缘强度与预设系数的乘积;
若所述原始红外图像中坐标点对应的边缘强度小于等于所述边缘强度阈值,则所述坐标点的边缘像素值为0。
6.如权利要求5所述的方法,其特征在于,将所述灰度图像与所述彩色边缘图像进行融合时,所述坐标点的对应像素值选取方法包括:
遍历所述平滑边缘图像;
若所述坐标点的边缘像素值为0,则所述坐标点在所述平滑边缘图像中未代表边缘信息,所述坐标点选取所述灰度图像中对应的像素值;
若所述坐标点的边缘像素值不为0,则所述坐标点在所述平滑边缘图像中代表边缘信息,所述坐标点选取所述彩色边缘图像中对应的像素值。
7.如权利要求5所述的方法,其特征在于,所述预设系数包括放大系数和归一化因子中的一种。
8.如权利要求7所述的方法,其特征在于,所述归一化因子的计算方式为所述灰度图像的灰度等级与所述原始红外图像的像素梯度最大值和像素梯度最小值的差值比;所述放大系数为预设值。
9.如权利要求1所述的方法,其特征在于,所述对所述原始边缘图像进行中值滤波、均值滤波或高斯滤波中的一种。
10.一种红外图像边缘增强的系统,其特征在于,所述系统包括:
灰度图像获取模块,用于通过调光处理将原始红外图像转换为灰度图像;
原始边缘图像获取模块,用于通过预设的边缘检测算法将所述原始红外图像转换为原始边缘图像;
平滑边缘图像获取模块,用于对所述原始边缘图像进行滤波处理,获取平滑边缘图像;
彩色边缘图像模块,用于对所述平滑边缘图像进行添加伪彩处理,获取彩色边缘图像;
边缘增强图像模块,用于将所述灰度图像与所述彩色边缘图像进行融合增强,获取边缘增强图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310162538.1A CN116109511A (zh) | 2023-02-22 | 2023-02-22 | 红外图像边缘增强的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310162538.1A CN116109511A (zh) | 2023-02-22 | 2023-02-22 | 红外图像边缘增强的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116109511A true CN116109511A (zh) | 2023-05-12 |
Family
ID=86254193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310162538.1A Pending CN116109511A (zh) | 2023-02-22 | 2023-02-22 | 红外图像边缘增强的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109511A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739949A (zh) * | 2023-08-15 | 2023-09-12 | 武汉互创联合科技有限公司 | 一种胚胎图像的卵裂球边缘增强处理方法 |
-
2023
- 2023-02-22 CN CN202310162538.1A patent/CN116109511A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739949A (zh) * | 2023-08-15 | 2023-09-12 | 武汉互创联合科技有限公司 | 一种胚胎图像的卵裂球边缘增强处理方法 |
CN116739949B (zh) * | 2023-08-15 | 2023-11-03 | 武汉互创联合科技有限公司 | 一种胚胎图像的卵裂球边缘增强处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement | |
CN110246089B (zh) | 基于非局域均值滤波的Bayer域图像降噪系统及其方法 | |
CN111784609B (zh) | 图像动态范围压缩方法、装置及计算机可读存储介质 | |
CN109147005B (zh) | 一种用于红外图像的自适应染色方法、系统、存储介质、终端 | |
CN110390643B (zh) | 一种车牌增强方法、装置及电子设备 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN114219732A (zh) | 基于天空区域分割和透射率细化的图像去雾方法及系统 | |
CN116109511A (zh) | 红外图像边缘增强的方法和系统 | |
CN116681606A (zh) | 一种水下不均匀光照图像增强方法、系统、设备及介质 | |
CN112435184A (zh) | 一种基于Retinex和四元数的雾霾天图像识别方法 | |
Kumari et al. | Fast and efficient visibility restoration technique for single image dehazing and defogging | |
CN112700363A (zh) | 一种基于区域选择的自适应可视水印嵌入方法和装置 | |
CN112508815A (zh) | 模型的训练方法和装置、电子设备、机器可读存储介质 | |
CN111311503A (zh) | 一种夜晚低亮度图像增强系统 | |
JP5286215B2 (ja) | 輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラム | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 | |
CN113592750A (zh) | 一种基于梯度直方图的红外增强方法 | |
CN110136085B (zh) | 一种图像的降噪方法及装置 | |
CN111598794A (zh) | 一种去除水下重叠情况的图像成像方法及装置 | |
CN116228574A (zh) | 一种灰度图像处理方法及装置 | |
CN112532938B (zh) | 一种基于大数据技术的视频监控系统 | |
CN116468615A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113744169A (zh) | 图像增强方法、装置、电子设备和存储介质 | |
CN113469889A (zh) | 一种图像降噪的方法及装置 |
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 |