CN116167932A - 一种图像质量优化方法、装置、设备及存储介质 - Google Patents
一种图像质量优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116167932A CN116167932A CN202211687503.1A CN202211687503A CN116167932A CN 116167932 A CN116167932 A CN 116167932A CN 202211687503 A CN202211687503 A CN 202211687503A CN 116167932 A CN116167932 A CN 116167932A
- Authority
- CN
- China
- Prior art keywords
- image
- image quality
- current
- parameter value
- parameter
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 43
- 238000013441 quality evaluation Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000002068 genetic effect Effects 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000013079 data visualisation Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000001303 quality assessment method Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008447 perception Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 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
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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质量优化方法、装置、设备及存储介质。该方法包括：获取图像捕获装置采集的原始图像；通过预先确定的图像处理参数的目标参数值，对所述原始图像进行图像质量优化，获得优化后目标图像；其中，所述目标参数值通过图像质量评价指标结合给定的参数调试算法调试确定。利用该方法，首先预先构建一个适当的场景采集图像，图像通过预先确定的目标参数值进行图像质量优化，获得质量优化图像。通过使用参数调试算法确定目标参数值，算法通过不同参数组合以及图像质量评价指标中对应关系，建立针对图像质量评价指标的模型，提高参数调试的工作效率，缩短参数调试时间。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像质量优化方法、装置、设备及存储介质。
背景技术
当前中国的自动驾驶领域在逐步发展。摄像头作为车身上一种传感器，现阶段在自动驾驶的感知系统的应用上具有重大意义及作用。常规的自动驾驶框架一般由传感器模块，感知模块和决策模块构成。摄像头负责感知车身周围的环境，为感知模块提供关键特征信息。摄像头输出图像，图像数据输入给感知模型，感知模型的感知算法对图像数据进行目标识别，从图像数据中识别出车道线，可行驶区域，行人，车辆等等，再由决策模块进行路径规划等。感知模型算法的输入为摄像头的图像数据，而图像质量的差异会影响感知算法的识别。
提高和优化图像的输入质量以及衡量图像的输入质量对于来提高视觉识别模型的识别率至关重要。对于图像质量评价维度，通常分为图像客观评价和图像主观评价。图像主观评价依赖于人的主观判断，很难形成一个统一的评价标准。机器视觉中使用图像质量客观评价，即使用摄像头，在不同色温和不同环境亮度下，拍摄特定的图卡，使用特定的图像分析软件，对图像的清晰度，色彩还原等进行数据分析，得出客观评价结果。图像质量客观评价通常是通过测试多个影响图像质量因素的表现，并通过计算模型获得图像质量量化值与人类主观观测值一致性的好坏来评估的。
发明内容
本发明提供了一种图像质量优化方法、装置、设备及存储介质，以图像质量优化的问题。
第一方面，本发明实施例提供了一种图像质量优化方法，该方法包括：
获取图像捕获装置采集的原始图像；
通过预先确定的图像处理参数的目标参数值，对所述原始图像进行图像质量优化，获得优化后目标图像；
其中，所述目标参数值通过图像质量评价指标结合给定的参数调试算法调试确定。
第二方面，本发明实施例提供了一种图像质量优化装置，包括：
原始图像采集模块，用于获取图像捕获装置采集的原始图像；
图像质量优化模块，用于通过预先确定的图像处理参数的目标参数值，对所述原始图像进行图像质量优化，获得优化后目标图像；其中，所述目标参数值通过图像质量评价指标结合给定的参数调试算法调试确定。
第三方面，本发明实施例提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的图像质量优化方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像质量优化方法。
本发明实施例提供了一种图像质量优化方法、装置、设备及存储介质，通过获取图像捕获装置采集的原始图像；通过预先确定的图像处理参数的目标参数值，对所述原始图像进行图像质量优化，获得优化后目标图像；其中，所述目标参数值通过图像质量评价指标结合给定的参数调试算法调试确定。上述技术方案，首先预先构建一个适当的场景采集图像，图像通过预先确定的目标参数值进行图像质量优化，获得质量优化图像。通过使用参数调试算法确定目标参数值，算法通过不同参数组合以及图像质量评价指标中对应关系，建立针对图像质量评价指标的模型，提高参数调试的工作效率，缩短参数调试时间。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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是根据本发明实施例一提供的一种图像质量优化方法的流程图；
图2是根据本发明实施例一提供的一种图像质量优化方法的数据采集示例图；
图3是根据本发明实施例二提供的一种图像质量优化装置的结构示意图；
图4是实现本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，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他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种图像质量优化方法的流程图，本实施例可适用图像质量优化的情况，该方法可以由图像质量优化装置来执行，该图像质量优化装置可以采用硬件和/或软件的形式实现，可选的，可以通过电子设备作为执行终端来实现，该电子设备可以是移动终端、PC端或服务器等。
如图1所示，本公开实施例提供的一种图像质量优化方法，具体可以包括下述步骤：
S110、获取图像捕获装置采集的原始图像。
在本实施例中，图像捕获装置中可以包括摄像镜头，图卡，光源，色温照度计等，用于拍摄原始图像。其中，不同使用者的实际需求不同，因此需要首先根据使用者的实际需求来确定对应的采集需求。在采集图像之前，摆放好上述相关工具，调节光源及照度使得色温照度计到指定的数值，移动图卡或摄像镜头位置，使他们之间的角度距离等符合拍摄要求。待光源、图像稳定后进行拍摄。针对不同的测试标准，要使用不同的图卡光源等重复上述步骤进行测量。
示例性的，在自动驾驶领域中，摄像头作为车身上一种传感器，在自动驾驶领域中应用广泛。在制定测试标准时考虑行车时的实际场景确定图像采集需要，按照对应的采集需求使用不同的图卡光源等多次测量拍摄原始图像。图2是根据本发明实施例一提供的一种图像质量优化方法的数据采集示例图；如图2所示，图卡可以是24色卡、SFR图卡、18％卡等。根据使用者的实际需求来确定图卡，摄像头拍摄不同亮度、不同色温下图卡形成客观数据集(也称原始图像数据集)。
S120、通过预先确定的图像处理参数的目标参数值，对原始图像进行图像质量优化，获得优化后目标图像。
其中，目标参数值通过图像质量评价指标结合给定的参数调试算法调试确定。
在本实施例中，图像处理参数可以是改变图像中一种参数会使图像产生不同的图像效果的参数，其中包括：图像对比度、图像亮度、图像清晰度以及去噪锐化值。图像质量评价指标可以是评价图像质量好坏的指标。其中可以包括色彩还原度、色彩阴影、图像信噪比、调制传递函数以及空间频率响应。
具体的，对上述采集的原始图像进行图像数据可视化处理，获得原始图像数据以及原始图像相对各图像处理参数的原始参数值。将原始图像数据中各原始参数值调整至相应的目标参数值，获得调整后的目标图像数据。基于目标图像数据构成优化后目标图像
其中，图像处理参数的目标参数值获取过程如下；本技术方案中将遗传算法作为参数调试算法，对图像处理参数的当前参数值进行调整。针对图像质量客观评价对应的每个图像质量评价指标，从各当前图像数据中计算确定图像质量评价指标的指标计算结果。如果所有图像质量评价指标的指标计算结果均符合设定评价标准，则将当前参数值作为目标参数值；否则，基于给定的参数调试算法调整当前参数值，获得新的当前参数值并返回执行当前图像数据的调整操作，直到确定图像处理参数的目标参数值。
示例性的，在自动驾驶领域中，摄像头在同一场景拍摄的照片，不同的图像效果，使用感知算法进行车辆识别，其车辆识别效果是会存在差异的，可以通过提高图像的输入质量，让视觉识别模型更容易将车辆、行人等特征提取出来。
在上述优化的基础上，本公开实施例可以通过预先确定的图像处理参数的目标参数值，对原始图像进行图像质量优化，获得优化后目标图像具体优化为下述步骤：
a1)对原始图像进行图像数据可视化处理，获得原始图像数据以及原始图像相对各图像处理参数的原始参数值。
b1)将原始图像数据中各原始参数值调整至相应的目标参数值，获得调整后的目标图像数据。
c1)基于目标图像数据构成优化后目标图像。
具体的，可视化是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，再进行交互处理的理论、方法和技术。对原始图像进行图像数据可视化处理，获取原始图像数据集以及原始图像相对各图像处理参数的原始参数值。将原始图像数据中各原始参数值调整至相应的目标参数值，获得调整后的目标图像数据。其中，目标参数值可以通过图像质量评价指标结合给定的参数调试算法调试确定。然后基于目标图像数据构成优化后目标图像。
在上述优化的基础上，本公开实施例可以通过图像质量评价指标结合给定的参数调试算法调试确定目标参数值具体优化为下述步骤：
b11)获取图像捕获装置在设定捕获条件下采集的样本图像，并将各样本图像进行图像数据可视化处理后获得的样本图像数据作为当前图像数据。
其中，设定捕获条件具备至少一种捕获环境，不同的捕获环境按照不同数值的光源及色温照度进行布置，以及用于图像采集的测试图卡与图像捕获装置之间的角度距离满足设定拍摄要求。
具体的，设定捕获条件可以是预先设定好的要求。根据要求不同的捕获环境按照不同数值的光源及色温照度进行布置，以及用于图像采集的测试图卡与图像捕获装置之间的角度距离满足设定拍摄要求。获取图像捕获装置在设定捕获条件下采集的样本图像，并将各样本图像进行图像数据可视化处理后获得的样本图像数据作为当前图像数据。
b12)根据图像处理参数的当前参数值调整当前图像数据，并将调整后的图像数据记为新的当前图像数据。
具体的，当前参数值可以是基于给定的参数调试算法调整当后参数值。本步骤根据图像处理参数的当前参数值调整当前图像数据，并将调整后的图像数据记为新的当前图像数据。
b13)针对图像质量客观评价对应的每个图像质量评价指标，从各当前图像数据中提取相关的指标关联数据，并结合给定的指标计算关系式确定图像质量评价指标的指标计算结果。
其中，指标计算结果均符合设定评价标准为指标计算结果均处于相应图像质量评价指标的有效指标区间中。
具体的，图像质量评价指标中包括色彩还原度、色彩阴影、图像信噪比、调制传递函数以及空间频率响应。指标关联数据中包括图像的灰度值、图像的数据矩阵、图像RGB、LAB空间各向量上的值等。针对图像质量客观评价对应的每个图像质量评价指标，从各当前图像数据中提取相关的指标关联数据。并结合给定的指标计算关系式确定图像质量评价指标的指标计算结果。
具体的，色彩还原度，指彩色CCD、CMOS经过拍摄加工后，摄影画面的色彩与原景物的色彩还原程度。如果表现不佳，则靠修改色彩矫正矩阵CCM的参数来实现不同的色彩还原方案。结合现有的计算关系式确定色彩还原度计算结果。
色彩阴影是由于镜头对不同光谱光线的折射程度不同，导致入射光线中不同波长的光线落在传感器的不同位置，从而出现了四周和中心颜色有偏差的问题。镜头阴影的矫正方法目前主流有两种：一种是同心圆法，一种是网格法。同心圆法的流程为：找到RGB三通道的圆心，以同心圆的形状将画面的中心和画面的边缘的三通道乘以不同的增益。网格法的矫正方式是，同一个方格中的增益一致，网格的分布跟同心圆法类似，也是中心稀疏而边缘密集。
信噪比(Signal to Noise Ratio，SNR)在图像传感器的成像过程中，真实的信号是无法探测到的理想值。在成像过程中理想值被引入了一系列的不确定性，最终形成读出信号也即图像。此过程中的不确定性被统一称为噪声，而信号与噪声的比值被定义为信噪比。其中信号可以由光强乘以量子效率(激发出的电子数与入射的光子数的比值)乘以积分时间来计算，而噪声则指成像过程中所有部分所产生噪声的总和。
调制传递函数(Modulation Transfer Function，MTF)是指调制度随空间频率变化的函数。MTF的值越接近于1，说明镜头的成像效果越好。
空间频率响应(Spatial Frequency Response，SFR)是测量随着空间频率的线条增加对单一影像所造成的影响。
b14)如果所有图像质量评价指标的指标计算结果均符合设定评价标准，则将当前参数值作为目标参数值；否则，基于给定的参数调试算法调整当前参数值，获得新的当前参数值并返回执行当前图像数据的调整操作。其中，将遗传算法作为参数调试算法，对图像处理参数的当前参数值进行调整。
具体的，对当前图像数据的上述所有图像质量评价指标的指标进行计算，如果计算结果均符合设定评价标准，则将当前参数值作为目标参数值；否则，基于给定的参数调试算法调整当前参数值，获得新的当前参数值并返回执行当前图像数据的调整操作。
在上述优化的基础上，本公开实施例可以通过将遗传算法作为参数调试算法，对图像处理参数的当前参数值进行调整具体优化为下述步骤：
获得当前参数值下产生的种群，并确定种群中每个体的当前适应值；初始化种群迭代次数并作为当前迭代次数；在当前迭代次数小于设定迭代次数阈值时，根据各当前适应值进行概率计算，并根据概率计算结果确定待执行遗传操作；对种群按照待执行遗传操作执行相应的遗传操作逻辑，获得遗传操作逻辑完成后产生的新种群，以及将当前迭代次数加1作为新的当前迭代次数；返回重新迭代次数阈值的判定操作，并在当前迭代次数等于迭代次数阈值时，基于产生的新种群确定新的当前参数值。
具体的，首先将图像处理参数的标准参数作为初始种群，并确定当前种群的客观数据计算值，与客观图像标准值的差异，按照适当权重生成个体适应值。初始化种群迭代次数作为当前迭代次数；在当前迭代次数小于设定迭代次数阈值时，设定阈值可以为3，即遗传3代获得一个新的种群。根据各当前适应值进行概率计算，并根据概率计算结果确定待执行遗传操作；对种群按照待执行遗传操作执行相应的遗传操作逻辑，获得遗传操作逻辑完成后产生的新种群，以及将当前迭代次数加1作为新的当前迭代次数；返回重新迭代次数阈值的判定操作，并在当前迭代次数等于迭代次数阈值时，基于产生的新种群进行组合，确定多组新的当前参数值，判断多组新的当前参数值的所有图像质量评价指标的指标计算结果是否均符合设定评价标准。若有，则输出当前参数值为目标参数值，否则，继续进行遗传算法得到新的种群，直到输出目标参数值。
本公开实施例提供了一种图像质量优化方法，该方法包括：获取图像捕获装置采集的原始图像；通过预先确定的图像处理参数的目标参数值，对原始图像进行图像质量优化，获得优化后目标图像；其中，目标参数值通过图像质量评价指标结合给定的参数调试算法调试确定。利用该方法，首先预先构建一个适当的场景采集图像，图像通过预先确定的目标参数值进行图像质量优化，获得质量优化图像。通过使用参数调试算法确定目标参数值，算法通过不同参数组合以及图像质量评价指标中对应关系，建立针对图像质量评价指标的模型，提高参数调试的工作效率，缩短参数调试时间。
实施例二
图3为本发明实施例二提供的一种增强图像质量优化装置的结构示意图。如图3所示，该装置包括：原始图像采集模块210及图像质量优化模块220。
原始图像采集模块210，用于获取图像捕获装置采集的原始图像；
图像质量优化模块220，用于通过预先确定的图像处理参数的目标参数值，对所述原始图像进行图像质量优化，获得优化后目标图像；其中，所述目标参数值通过图像质量评价指标结合给定的参数调试算法调试确定。
本公开实施例所提供的技术方案，首先预先构建一个适当的场景采集图像，图像通过预先确定的目标参数值进行图像质量优化，获得质量优化图像。通过使用参数调试算法确定目标参数值，算法通过不同参数组合以及图像质量评价指标中对应关系，建立针对图像质量评价指标的模型，提高参数调试的工作效率，缩短参数调试时间。
进一步的，图像质量优化模块220可以包括：
图像可视化处理单元，用于对所述原始图像进行图像数据可视化处理，获得原始图像数据以及所述原始图像相对各所述图像处理参数的原始参数值；
图像数据调整单元，用于将所述原始图像数据中各所述原始参数值调整至相应的目标参数值，获得调整后的目标图像数据；
目标图像优化单元，用于基于所述目标图像数据构成优化后目标图像。
进一步地，图像可视化处理单元具体可以包括：
图像捕获子单元，用于获取图像捕获装置在设定捕获条件下采集的样本图像，并将各所述样本图像进行图像数据可视化处理后获得的样本图像数据作为当前图像数据；
图像数据调整子单元，用于根据图像处理参数的当前参数值调整所述当前图像数据，并将调整后的图像数据记为新的当前图像数据；
图像数据计算子单元，用于针对图像质量客观评价对应的每个图像质量评价指标，从各所述当前图像数据中提取相关的指标关联数据，并结合给定的指标计算关系式确定所述图像质量评价指标的指标计算结果；
参数调整子单元，用于如果所有图像质量评价指标的指标计算结果均符合设定评价标准，则将所述当前参数值作为目标参数值；否则，基于给定的参数调试算法调整所述当前参数值，获得新的当前参数值并返回执行当前图像数据的调整操作。
进一步的，图像捕获子单元可以具体用于：
具备至少一种捕获环境，其中，不同的捕获环境按照不同数值的光源及色温照度进行布置、
以及，用于图像采集的测试图卡与图像捕获装置之间的角度距离满足设定拍摄要求。
进一步的，图像数据计算子单元可以具体用于：
所述图像质量评价指标包括：色彩还原度、色彩阴影、图像信噪比、调制传递函数以及空间频率响应；
进一步的，参数调整子单元可以具体用于：
获得当前参数值下产生的种群，并确定种群中每个体的当前适应值；
初始化种群迭代次数并作为当前迭代次数；
在当前迭代次数小于设定迭代次数阈值时，根据各所述当前适应值进行概率计算，并根据概率计算结果确定待执行遗传操作；
对所述种群按照所述待执行遗传操作执行相应的遗传操作逻辑，获得遗传操作逻辑完成后产生的新种群，以及将当前迭代次数加1作为新的当前迭代次数；
返回重新迭代次数阈值的判定操作，并在所述当前迭代次数等于所述迭代次数阈值时，基于产生的新种群确定新的当前参数值。
根据本公开实施例所提供的一种图像质量优化装置结构可执行本公开任意实施例所提供的图像质量优化方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
实施例三
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如图像质量优化方法。
在一些实施例中，图像质量优化方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的图像质量优化方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像质量优化方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种图像质量优化方法，其特征在于，
获取图像捕获装置采集的原始图像；
通过预先确定的图像处理参数的目标参数值，对所述原始图像进行图像质量优化，获得优化后目标图像；
其中，所述目标参数值通过图像质量评价指标结合给定的参数调试算法调试确定。
2.根据权利要求1所述的方法，其特征在于，所述通过预先确定的图像处理参数的目标参数值，对所述原始图像进行图像质量优化，获得优化后目标图像，包括：
对所述原始图像进行图像数据可视化处理，获得原始图像数据以及所述原始图像相对各所述图像处理参数的原始参数值；
将所述原始图像数据中各所述原始参数值调整至相应的目标参数值，获得调整后的目标图像数据；
基于所述目标图像数据构成优化后目标图像。
3.根据权利要求1所述的方法，其特征在于，通过图像质量评价指标结合给定的参数调试算法调试确定所述目标参数值的步骤包括：
获取图像捕获装置在设定捕获条件下采集的样本图像，并将各所述样本图像进行图像数据可视化处理后获得的样本图像数据作为当前图像数据；
根据图像处理参数的当前参数值调整所述当前图像数据，并将调整后的图像数据记为新的当前图像数据；
针对图像质量客观评价对应的每个图像质量评价指标，从各所述当前图像数据中提取相关的指标关联数据，并结合给定的指标计算关系式确定所述图像质量评价指标的指标计算结果；
如果所有图像质量评价指标的指标计算结果均符合设定评价标准，则将所述当前参数值作为目标参数值；否则，基于给定的参数调试算法调整所述当前参数值，获得新的当前参数值并返回执行当前图像数据的调整操作。
4.根据权利要求3所述的方法，其特征在于，所述设定捕获条件包括：
具备至少一种捕获环境，其中，不同的捕获环境按照不同数值的光源及色温照度进行布置、
以及，用于图像采集的测试图卡与图像捕获装置之间的角度距离满足设定拍摄要求。
5.根据权利要求3所述的方法，其特征在于，所述图像质量评价指标包括：色彩还原度、色彩阴影、图像信噪比、调制传递函数以及空间频率响应；
所述图像处理参数包括：图像对比度、图像亮度、图像清晰度以及去噪锐化值；
所述指标计算结果均符合设定评价标准为指标计算结果均处于相应图像质量评价指标的有效指标区间中。
6.根据权利要求3所述的方法，其特征在于，所述基于给定的参数调试算法调整所述当前参数值，包括：
将遗传算法作为参数调试算法，对图像处理参数的所述当前参数值进行调整。
7.根据权利要求6所述的方法，其特征在于，所述将遗传算法作为参数调试算法，对图像处理参数的所述当前参数值进行调整，包括：
获得当前参数值下产生的种群，并确定种群中每个体的当前适应值；
初始化种群迭代次数并作为当前迭代次数；
在当前迭代次数小于设定迭代次数阈值时，根据各所述当前适应值进行概率计算，并根据概率计算结果确定待执行遗传操作；
对所述种群按照所述待执行遗传操作执行相应的遗传操作逻辑，获得遗传操作逻辑完成后产生的新种群，以及将当前迭代次数加1作为新的当前迭代次数；
返回重新迭代次数阈值的判定操作，并在所述当前迭代次数等于所述迭代次数阈值时，基于产生的新种群确定新的当前参数值。
8.一种图像质量优化装置，其特征在于，包括：
原始图像采集模块，用于获取图像捕获装置采集的原始图像；
图像质量优化模块，用于通过预先确定的图像处理参数的目标参数值，对所述原始图像进行图像质量优化，获得优化后目标图像；其中，所述目标参数值通过图像质量评价指标结合给定的参数调试算法调试确定。
9.一种电子设备，其特征在于，所述电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的图像质量优化方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的图像质量优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211687503.1A CN116167932A (zh) | 2022-12-27 | 2022-12-27 | 一种图像质量优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211687503.1A CN116167932A (zh) | 2022-12-27 | 2022-12-27 | 一种图像质量优化方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116167932A true CN116167932A (zh) | 2023-05-26 |
Family
ID=86410465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211687503.1A Pending CN116167932A (zh) | 2022-12-27 | 2022-12-27 | 一种图像质量优化方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116167932A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116500975A (zh) * | 2023-06-26 | 2023-07-28 | 中科航迈数控软件(深圳)有限公司 | 数控系统工艺调控方法、装置、数控机床和可读存储介质 |
| CN116977214A (zh) * | 2023-07-21 | 2023-10-31 | 萱闱(北京)生物科技有限公司 | 图像优化方法、装置、介质和计算设备 |
| CN117440108A (zh) * | 2023-11-22 | 2024-01-23 | 广州安特激光技术有限公司 | 一种用于液态镜头的成像优化方法及系统 |
-
2022
- 2022-12-27 CN CN202211687503.1A patent/CN116167932A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116500975A (zh) * | 2023-06-26 | 2023-07-28 | 中科航迈数控软件(深圳)有限公司 | 数控系统工艺调控方法、装置、数控机床和可读存储介质 |
| CN116500975B (zh) * | 2023-06-26 | 2023-09-15 | 中科航迈数控软件(深圳)有限公司 | 数控系统工艺调控方法、装置、数控机床和可读存储介质 |
| CN116977214A (zh) * | 2023-07-21 | 2023-10-31 | 萱闱(北京)生物科技有限公司 | 图像优化方法、装置、介质和计算设备 |
| CN117440108A (zh) * | 2023-11-22 | 2024-01-23 | 广州安特激光技术有限公司 | 一种用于液态镜头的成像优化方法及系统 |
| CN117440108B (zh) * | 2023-11-22 | 2024-04-23 | 广州安特激光技术有限公司 | 一种用于液态镜头的成像优化方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI674804B (zh) | 視訊除霧處理裝置及方法 | |
| CN116167932A (zh) | 一种图像质量优化方法、装置、设备及存储介质 | |
| WO2018133379A1 (zh) | 一种低照度图像增强方法 | |
| CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
| CN113569708A (zh) | 活体识别方法、装置、电子设备以及存储介质 | |
| CN115439384A (zh) | 一种无鬼影多曝光图像融合方法、装置 | |
| CN117058106A (zh) | 基于随机森林的柔性玻璃平面度及表面缺陷的测量方法 | |
| US20180152649A1 (en) | Image processing apparatus, image pickup apparatus, image processing method, and storage medium | |
| CN113888420A (zh) | 一种基于修正模型的水下图像复原方法、设备及存储介质 | |
| CN115049810A (zh) | 固态激光雷达点云的上色方法、装置、设备及存储介质 | |
| CN104639842A (zh) | 影像处理装置及曝光控制方法 | |
| CN113645419A (zh) | 图像处理方法及装置、电子设备及计算机可读存储介质 | |
| CN113516636A (zh) | 镜头阴影的评价方法、装置、设备和介质、镜头模组 | |
| CN116029926A (zh) | 一种图像融合方法、装置、设备及存储介质 | |
| JP7372072B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム、および画像検査システム | |
| Yu et al. | A novel nighttime dehazing model integrating Retinex algorithm and atmospheric scattering model | |
| CN117495742B (zh) | 图像的染色转移方法、装置、设备及介质 | |
| CN112053310B (zh) | 一种ccd图像中空间目标的拖尾星象定心方法 | |
| CN117726666B (zh) | 跨相机单目图片度量深度估计方法、装置、设备及介质 | |
| WO2023068208A1 (ja) | エアロゾル濃度の推測方法及びシステム | |
| JP6656132B2 (ja) | 撮像管理装置および撮像管理プログラム | |
| CN116051875A (zh) | 一种不规则对象的配对方法、装置、设备及存储介质 | |
| CN117676349A (zh) | 白平衡增益的校正方法、装置、设备和介质 | |
| Ding et al. | Degraded Data Enhancement Based on Regional Similarity Fusion | |
| Qiu et al. | Perception-oriented UAV Image Dehazing Based on Super-Pixel Scene Prior |
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 |