CN116229097B - 基于图像传感器的图像处理方法 - Google Patents
基于图像传感器的图像处理方法 Download PDFInfo
- Publication number
- CN116229097B CN116229097B CN202310027296.5A CN202310027296A CN116229097B CN 116229097 B CN116229097 B CN 116229097B CN 202310027296 A CN202310027296 A CN 202310027296A CN 116229097 B CN116229097 B CN 116229097B
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- information
- category
- image processing
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims description 118
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 12
- 241001465754 Metazoa Species 0.000 claims description 7
- 238000000034 method Methods 0.000 abstract description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理领域,尤其涉及一种基于图像传感器的图像处理方法,该方法包括:接收图像传感器采集的第一待处理图像;对第一待处理图像进行轮廓识别,将得到的轮廓类别发送至车辆控制模块,根据第一待处理图像的轮廓类别判定第一待处理图像的实际图像类别,对第一待处理图像进行处理得到第二待处理图像,根据第二待处理图像的实际图像类别或历史图像处理信息得到图像处理推荐信息并发送至用户端;获取用户端对第二待处理图像的需求信息,根据需求信息对第二待处理图像进行处理,得到目标图像。通过识别图像轮廓和分析轮廓类别得到图像处理推荐信息,根据智能化推荐和用户的需求对图像进行处理,满足用户的需求,提高图像的质量。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种基于图像传感器的图像处理方法。
背景技术
图像传感器是利用光电器件的光电转换功能将感光面上的光像转换为与光像成相应比例关系的电信号,是组成数字摄像头的重要组成部分,而要获取到高质量的图像就需要进行图像处理。
申请号为202111341572.2的专利文献公开的图像检测装置、无人驾驶系统以及无人驾驶车辆包括:一种图像检测装置,所述图像检测装置基于FPGA的逻辑资源实现,所述图像检测装置包括第一接口传输电路,用于接收图像传感器输入的图像;图像处理电路,连接所述第一接口传输电路,用于对所述图像进行质量检测,以得到质量检测结果;第二接口传输电路,连接所述图像处理电路,用于将所述图像以及对应的所述质量检测结果发送给图像处理装置,以使所述图像处理装置基于所述质量检测结果对所述图像进行处理。
现有技术通过图像检测装置对图像传感器输入的图像进行质量检测,图像处理装置根据质量检测结果对图像进行针对性处理,但只是对影响图像质量的客观因素进行了处理,在用户通过无人驾驶车辆拍摄图像时,只进行上述处理,不能满足用户的需求,处理的图像质量不高。
发明内容
为此,本发明提供一种基于图像传感器的图像处理方法,可以解决不能满足用户的需求,处理的图像质量不高的问题。
为实现上述目的,本发明提供一种基于图像传感器的图像处理方法,该方法包括:
接收图像传感器采集的第一待处理图像;
对所述第一待处理图像进行轮廓识别以获取轮廓类别,将轮廓类别发送至车辆控制模块以使车辆控制模块根据轮廓类别采取措施控制车辆,根据第一待处理图像的轮廓类别判定第一待处理图像的实际图像类别,将实际图像类别相同的第一待处理图像划分为一组;
根据第一待处理图像中每一像素的亮度值计算任意组内的第一待处理图像的重合率以对第一待处理图像进行删除、判定和标记生成第二待处理图像,根据第二待处理图像的实际图像类别或获取的用户端的历史图像处理信息得到图像处理推荐信息,将第二待处理图像和图像处理推荐信息发送至用户端;
获取用户端对所述第二待处理图像和所述图像处理推荐信息的需求信息,根据所述需求信息中的图像处理推荐信息采用结果和推荐参数对第二待处理图像进行处理,得到目标图像。
进一步地,在对所述第一待处理图像进行轮廓识别时,通过获取第一待处理图像中的任一像素的亮度值,计算每个像素的亮度差值,将亮度差值大于预设亮度差值的像素进行标记,将标记的像素进行轮廓识别,根据轮廓识别结果将对应轮廓与轮廓库进行比对,根据比对结果得到轮廓类别;
根据图像传感器标识将所述轮廓类别发送至所述车辆控制模块以使车辆控制模块根据所述图像传感器标识判断对应所述图像传感器的位置,若图像传感器标识对应的图像传感器安装于无人驾驶车辆前方,则车辆控制模块根据轮廓类别采取措施控制车辆,其中,
所述轮廓类别包括人物、动物、植物和物体;
所述措施包括是否前进和行进速度。
进一步地,在根据第一待处理图像的轮廓类别判定第一待处理图像的实际图像类别时,统计每个第一待处理图像中轮廓的类别数量M,统计每个类别的对象数量W;
若M=1,则将对应的对象类别判定为第一待处理图像的实际图像类别;
若M>1,则将每个类别的对象图像数量W进行比较,并计算每个类别的对象图像差值△W,
若任意类别的对象数量最大且△W≥△W1,则判定该对象类别为第一待处理图像的实际图像类别;
若任意类别的对象数量最大且△W<△W1,则初次判定第一待处理图像的图像类别为混合图像。
进一步地,若所述第一待处理图像的图像类别为混合图像,对第一待处理图像进行二次判定,计算每个类别的对象总面积,将每个类别的对象总面积进行比较,将对象总面积最大的对象类别为第一待处理图像的实际图像类别。
进一步地,在生成所述第二待处理图像时,根据划分组后的第一待处理图像中像素的亮度值计算任意组内的第一待处理图像的重合率P,将重合率P与预设重合率P0进行比较,其中,P0≠100%;
若P=100%,则将重合的第一待处理图像进行删除,只保留一个第一待处理图像;
若P≥P0,则判定第一待处理图像相似;
若0P<P0,则判定第一待处理图像不相似;
将组内相似的第一待处理图像进行文字标记,文字标记内容为相似,将删除、判定和标记后的第一待处理图像生成第二待处理图像。
进一步地,在根据第二待处理图像的实际图像类别或获取的用户端的历史图像处理信息得到图像处理推荐信息时,判断所述历史图像处理信息中是否有和第二待处理图像的实际图像类别相同的历史图像,若判断结果为否,则根据类别和第二待处理图像的实际参数信息对推荐库中的推荐参数进行提取,提取同一类别且与实际参数信息对应的推荐参数作为图像处理推荐信息,其中,标记为相似的第二待处理图像的图像处理推荐信息相同,在进行图像处理推荐时,只选取其中一个第二待处理图像进行图像处理推荐;
若判断结果为是,所述历史图像处理信息包括若干历史图像、第一参数信息和第二参数信息,所述第一参数信息为历史图像二次处理前的参数信息,所述第二参数信息为历史图像二次处理后的参数,将同一类别的第二待处理图像的实际参数信息与历史图像处理信息的第一参数信息进行比较,计算实际参数信息与第一参数信息的差值△E,将差值△E与预设参数差值△E0进行比较;
若△E>△E0,则判定第二待处理图像与历史图像不相似;
若△E≤△E0,则判定第二待处理图像与历史图像相似;
在判定所述第二待处理图像与历史图像相似时,将所述第二参数信息作为第二待处理图像的推荐参数作为图像处理推荐信息发送至用户端。
进一步地,在获取用户端的需求信息时,所述需求信息包括图像处理推荐信息采用结果和目标参数,若所述图像处理推荐信息采用结果为是,则按照所述图像处理推荐信息中的推荐参数对所述第二待处理图像进行处理,得到目标图像,若推荐采用结果为否,则根据目标参数对第二待处理图像进行处理,得到目标图像。
本发明提供的一种基于图像传感器的图像处理方法还包括:获取目标图像数据量,根据所述目标图像数据量判定传输方式,根据传输方式分将所述目标图像传输至用户端;
在获取到所述目标图像数据量后,将目标图像数据量N与第一预设数据量N1和第二预设数据量N2进行比较;
若N>N1,则判定所述目标图像的传输方式为第一传输方式;
若N2≤N≤N1,则判定所述目标图像的传输方式为第二传输方式;
若N<N2,则判定所述目标图像的传输方式为第三传输方式;
其中,数据量大小为N1>N2。
进一步地,在判定所述目标图像的传输方式为第一传输方式时,根据目标图像的类别进行分时段传输,根据目标图像的类别数量Q划分为Q个时间段,每个时间段传输一个类别的目标图像,根据每个类别的目标图像的数据量和标准传输速率计算每个时间段的大小,传输顺序按每个类别的目标图像的数据量从大到小依次将对应类别的目标图像进行传输;
在判定所述目标图像的传输方式为第二传输方式时,获取目标图像的图像个数,根据图像个数平均分成两组进行分组传输,若所述目标图像的图像个数为奇数,则将多余的一个分给第一组;
判定所述目标图像的传输方式为第三传输方式时,将目标图像直接发送至用户端。
进一步地,计算所述目标图像的传输时间t1,在目标图像传输完成后,记录目标图像的实际传输时间t2,计算传输时间与实际传输时间的时间差值△t,将时间差值△t与预设时间差值△t0进行比较,其中,△t0=t2-t1;
若△t≥△t0,则对下一次的传输方式进行调整;
若△t<△t0,则不对下一次的传输方式进行调整。
与现有技术相比,本发明的有益效果在于,通过将图像传感器采集的第一待处理图像并进行轮廓识别进而得到轮廓类别,根据轮廓类别判定出第一待处理图像的实际图像类别并对第一待处理图像进行同类分组,根据第一待处理图像中像素的亮度值计算组内的第一待处理图像的重合率,根据重合率对第一待处理图形进行不同的处理得到第二待处理图像,便于根据实际图像类别和历史图像处理信息得出图像处理推荐信息,根据推荐和用户端的需求对第二待处理图像进行对应的处理,满足用户的需求,提高图像的质量。
尤其,通过根据图像传感器采集的第一待处理图像进行轮廓识别,根据图像中每个像素的亮度值进行相应标记,将标记形成的轮廓进行分类,若该图像是位于无人驾驶车辆的前面的图像传感器采集的,则车辆控制器根据轮廓类别及时控制车辆,以防发生交通事故,提高安全性。
尤其,通过对所述第一待处理图像进行分类,统计第一待处理图像中轮廓的类别数量和每个类别的对象数量,通过比较判断出第一待处理图像的实际图像类别,明确了第一待处理图像为人物图、动物图、植物图或物体图,进而根据第一待处理图像的类别对其进行相应的处理,进而使对第二待处理图像的推荐更加准确,满足用户的需求,提高图像的质量。
尤其,通过对初次判定为混合图像的第一代处理图像进行二次判定,通过面积大小判定出第一待处理图像的实际图像类别,使明确了复杂图像内容的图像的类别,进而根据第一待处理图像的类别对其进行相应的处理,进而使对第二待处理图像的推荐更加准确,满足用户的需求,提高图像的质量。
尤其,通过将划分为一组内的第一待处理图像进行重合率计算,将完全重合的第一待处理图像只保留一个,并将判定为相似的进行标记,既减少了图像数量,又将第一代处理图像进行了标记,有利于进一步的处理,提高图像处理效率和质量,满足用户的需求。
尤其,通过获取用户端的历史图像处理信息,将历史图像信息中的第一参数信息与第二待处理图像的实际参数信息进行差值计算并判断第二代处理图像与历史图像信息是否相似,若相似,则历史图像的第二参数信息将推荐给用户,根据用户的历史喜好或习惯为用户提供智能化推荐,进而可以使图像处理更加符合用户喜好,根据历史参数对图像进行处理,使图像更加准确,提高图像质量。
尤其,通过根据用户反馈的需求信息对第二待处理图像进行处理,通过用户对推荐参数的同意结果进行处理,使图像更加符合用户的条件,智能化推荐既满足了用户需求,也提高了图像质量。
尤其,通过获取所述目标图像数据量,根据所述目标图像数据量判定传输方式,数据量不同传输方式不同,进而使在传输时使用合适的传输方式,防止数据量太大导致浪费时间,因此可以提高传输速率。
尤其,通过确定三种传输方式的具体传输过程,不同传输方式适合该目标图像的传输,进而使在传输时使用合适的传输方式,防止数据量太大导致浪费时间,因此可以提高传输速率。
尤其,通过计算目标图像的传输时间并记录目标图像的实际传输时间,若两者相差太大,则及时调整三种传输方式,通过实际情况更新传输方式,有利于之后的目标图像的传输,提高传输效率。
附图说明
图1为本发明一种实施例提供的基于图像传感器的图像处理方法的流程示意图;
图2为本发明另一种实施例提供的基于图像传感器的图像处理方法的流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,本发明实施例提供的基于图像传感器的图像处理方法包括:
步骤S110,接收图像传感器采集的第一待处理图像;
步骤S120,对所述第一待处理图像进行轮廓识别以获取轮廓类别,将轮廓类别发送至车辆控制模块以使车辆控制模块根据轮廓类别采取措施控制车辆,根据第一待处理图像的轮廓类别判定第一待处理图像的实际图像类别,将实际图像类别相同的第一待处理图像划分为一组;
步骤S130,根据第一待处理图像中每一像素的亮度值计算任意组内的第一待处理图像的重合率以对第一待处理图像进行删除、判定和标记生成第二待处理图像,根据第二待处理图像的实际图像类别或获取的用户端的历史图像处理信息得到图像处理推荐信息,将第二待处理图像和图像处理推荐信息发送至用户端;
步骤S140,获取用户端对所述第二待处理图像和所述图像处理推荐信息的需求信息,根据所述需求信息中的图像处理推荐信息采用结果和推荐参数对第二待处理图像进行处理,得到目标图像。
具体而言,所述图像传感器安装于无人驾驶车辆上采集车辆前方和周围的图像,无人驾驶车辆主要用于根据用户端的需求拍摄某一区域的环境图像,对环境图像进行处理得到符合用户需求的高质量的图像。
具体而言,本发明实施例通过将图像传感器采集的第一待处理图像并进行轮廓识别进而得到轮廓类别,根据轮廓类别判定出第一待处理图像的实际图像类别并对第一待处理图像进行处理得到第二待处理图像,便于根据实际图像类别和历史图像处理信息得出图像处理推荐,根据推荐和用户端的需求对第二待处理图像进行对应的处理,满足用户的需求,提高图像的质量。
具体而言,在对所述第一待处理图像进行轮廓识别时,通过获取第一待处理图像中的任一像素的亮度值,计算每个像素的亮度差值,将亮度差值大于预设亮度差值的像素进行标记,将标记的像素进行轮廓识别,根据轮廓识别结果将对应轮廓与轮廓库进行比对,根据比对结果得到轮廓类别;
根据图像传感器标识将所述轮廓类别发送至所述车辆控制模块以使车辆控制模块根据所述图像传感器标识判断对应所述图像传感器的位置,若图像传感器标识对应的图像传感器安装于无人驾驶车辆前方,则车辆控制模块根据轮廓类别采取措施控制车辆,其中,
所述轮廓类别包括人物、动物、植物和物体;
所述措施包括是否前进和行进速度。
具体而言,无人驾驶车辆安装有多个图像传感器,每个位置的图像传感器都有对应的标识,在无人驾驶车辆行进过程中,前方道路会出现人、动物或障碍物的出现,根据图像中的标记形成的轮廓类别判断前方道路是否出现影响无人驾驶车辆行进的事物。
具体而言,本发明实施例通过根据图像传感器采集的第一待处理图像进行轮廓识别,根据图像中每个像素的亮度值进行相应标记,将标记形成的轮廓进行分类,若该图像是位于无人驾驶车辆的前面的图像传感器采集的,则车辆控制器根据轮廓类别及时控制车辆,以防发生交通事故,提高安全性。
具体而言,在根据第一待处理图像的轮廓类别判定第一待处理图像的实际图像类别时,统计每个第一待处理图像中轮廓的类别数量M,统计每个类别的对象数量W;
若M=1,则将对应的对象类别判定为第一待处理图像的实际图像类别;
若M>1,则将每个类别的对象图像数量W进行比较,并计算每个类别的对象图像差值△W,
若任意类别的对象数量最大且△W≥△W1,则判定该对象类别为第一待处理图像的实际图像类别;
若任意类别的对象数量最大且△W<△W1,则初次判定第一待处理图像的图像类别为混合图像。
具体而言,轮廓的类别即表示该轮廓的对象是人物、植物、动物或物体,每个图像中可能包含一个或多个轮廓,因此统计轮廓的类别数量和每个类别轮廓里对象数量。
具体而言,本发明实施例通过对所述第一待处理图像进行分类,统计第一待处理图像中轮廓的类别数量和每个类别的对象数量,通过比较判断出第一待处理图像的实际图像类别,明确了第一待处理图像为人物图、动物图、植物图或物体图,进而根据第一待处理图像的类别对其进行相应的处理,进而使对第二待处理图像的推荐更加准确,满足用户的需求,提高图像的质量。
具体而言,若所述第一待处理图像的图像类别为混合图像,对第一待处理图像进行二次判定,计算每个类别的对象总面积,将每个类别的对象总面积进行比较,将对象总面积最大的对象类别为第一待处理图像的实际图像类别。
具体而言,对象总面积为每个对象面积相加得到,每个对象面积为对应的轮廓的面积。
具体而言,本发明实施例通过对初次判定为混合图像的第一代处理图像进行二次判定,通过面积大小判定出第一待处理图像的实际图像类别,使明确了复杂图像内容的图像的类别,进而根据第一待处理图像的类别对其进行相应的处理,进而使对第二待处理图像的推荐更加准确,满足用户的需求,提高图像的质量。
具体而言,在生成所述第二待处理图像时,根据划分组后的第一待处理图像中像素的亮度值计算任意组内的第一待处理图像的重合率P,将重合率P与预设重合率P0进行比较,其中,P0≠100%;
若P=100%,则将重合的第一待处理图像进行删除,只保留一个第一待处理图像;
若P≥P0,则判定第一待处理图像相似;
若P<P0,则判定第一待处理图像不相似;
将组内相似的第一待处理图像进行文字标记,文字标记内容为相似,将删除、判定和标记后的第一待处理图像生成第二待处理图像。
具体而言,重合率为每个组内的第一待处理图像中各个像素的亮度值重合的个数占所有像素块个数的百分比例,若组内有两个以上的第一待处理图像,则先两两间进行重合率计算并比较判断和处理,再进行下一次的两两间的重合率计算。
具体而言,本发明实施例通过将划分为一组内的第一待处理图像进行重合率计算,将完全重合的第一待处理图像只保留一个,并将判定为相似的进行标记,既减少了图像数量,又将第一代处理图像进行了标记,有利于进一步的处理,提高图像处理效率和质量,满足用户的需求。
具体而言,在根据第二待处理图像的实际图像类别或获取的用户端的历史图像处理信息得到图像处理推荐信息时,判断所述历史图像处理信息中是否有和第二待处理图像的实际图像类别相同的历史图像,若判断结果为否,则根据类别和第二待处理图像的实际参数信息对推荐库中的推荐参数进行提取,提取同一类别且与实际参数信息对应的推荐参数作为图像处理推荐信息,其中,标记为相似的第二待处理图像的图像处理推荐信息相同,在进行图像处理推荐时,只选取其中一个第二待处理图像进行图像处理推荐;
若判断结果为是,所述历史图像处理信息包括若干历史图像、第一参数信息和第二参数信息,所述第一参数信息为历史图像二次处理前的参数信息,所述第二参数信息为历史图像二次处理后的参数,将同一类别的第二待处理图像的实际参数信息与历史图像处理信息的第一参数信息进行比较,计算实际参数信息与第一参数信息的差值△E,将差值△E与预设参数差值△E0进行比较;
若△E>△E0,则判定第二待处理图像与历史图像不相似;
若△E≤△E0,则判定第二待处理图像与历史图像相似;
在判定所述第二待处理图像与历史图像相似时,将所述第二参数信息作为第二待处理图像的推荐参数作为图像处理推荐信息发送至用户端。
具体而言,参数信息可以为饱和度、色温和色调等和对应的参数值。
具体而言,本发明实施例通过获取用户端的历史图像处理信息,将历史图像信息中的第一参数信息与第二待处理图像的实际参数信息进行差值计算并判断第二代处理图像与历史图像信息是否相似,若相似,则历史图像的第二参数信息将推荐给用户,根据用户的历史喜好或习惯为用户提供智能化推荐,进而可以使图像处理更加符合用户喜好,根据历史参数对图像进行处理,使图像更加准确,提高图像质量。
具体而言,在获取用户端的需求信息时,所述需求信息包括图像处理推荐信息采用结果和目标参数,若所述图像处理推荐信息采用结果为是,则按照所述图像处理推荐信息中的推荐参数对所述第二待处理图像进行处理,得到目标图像,若推荐采用结果为否,则根据目标参数对第二待处理图像进行处理,得到目标图像。
具体而言,所述推荐采用结果为是时,对应的目标参数为空,目标参数是用户不满意推荐参数时进行填写的。
具体而言,本发明实施例通过根据用户反馈的需求信息对第二待处理图像进行处理,通过用户对推荐参数的同意结果进行处理,使图像更加符合用户的条件,智能化推荐既满足了用户需求,也提高了图像质量。
请参阅图2所示,本发明实施例提供的基于图像传感器的图像处理方法还包括:步骤S150,获取目标图像的数据量,根据所述目标图像数据量判定传输方式,根据传输方式分将所述目标图像传输至用户端;
在获取到所述目标图像数据量后,将目标图像数据量N与第一预设数据量N1和第二预设数据量N2进行比较;
若N>N1,则判定所述目标图像的传输方式为第一传输方式;
若N2≤N≤N1,则判定所述目标图像的传输方式为第二传输方式;
若N<N2,则判定所述目标图像的传输方式为第三传输方式;
其中,数据量大小为N1>N2。
具体而言,经过二次处理得到的所述目标图像的大小相较于第二待处理图像的大小增大。
具体而言,本发明实施例通过获取所述目标图像数据量,根据所述目标图像数据量判定传输方式,数据量不同传输方式不同,进而使在传输时使用合适的传输方式,防止数据量太大导致浪费时间,因此可以提高传输速率。
具体而言,在判定所述目标图像的传输方式为第一传输方式时,根据目标图像的类别进行分时段传输,根据目标图像的类别数量Q划分为Q个时间段,每个时间段传输一个类别的目标图像,根据每个类别的目标图像的数据量和标准传输速率计算每个时间段的大小,传输顺序按每个类别的目标图像的数据量从大到小依次将对应类别的目标图像进行传输;
在判定所述目标图像的传输方式为第二传输方式时,获取目标图像的图像个数,根据图像个数平均分成两组进行分组传输,若所述目标图像的图像个数为奇数,则将多余的一个分给第一组;
判定所述目标图像的传输方式为第三传输方式时,将目标图像直接发送至用户端。
具体而言,本发明实施例通过确定三种传输方式的具体传输过程,不同传输方式适合该目标图像的传输,进而使在传输时使用合适的传输方式,防止数据量太大导致浪费时间,因此可以提高传输速率。
具体而言,计算所述目标图像的传输时间t1,在目标图像传输完成后,记录目标图像的实际传输时间t2,计算传输时间与实际传输时间的时间差值△t,将时间差值△t与预设时间差值△t0进行比较,其中,△t0=t2-t1;
若△t≥△t0,则对下一次的传输方式进行调整;
若△t<△t0,则不对下一次的传输方式进行调整。
具体而言,本发明实施例通过计算目标图像的传输时间并记录目标图像的实际传输时间,若两者相差太大,则及时调整三种传输方式,通过实际情况更新传输方式,有利于之后的目标图像的传输,提高传输效率。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于图像传感器的图像处理方法,其特征在于,包括:
接收图像传感器采集的第一待处理图像;
对所述第一待处理图像进行轮廓识别以获取轮廓类别,将轮廓类别发送至车辆控制模块以使车辆控制模块根据轮廓类别采取措施控制车辆,根据第一待处理图像的轮廓类别判定第一待处理图像的实际图像类别,将实际图像类别相同的第一待处理图像划分为一组;
根据第一待处理图像中每一像素的亮度值计算任意组内的第一待处理图像的重合率以对第一待处理图像进行删除、判定和标记生成第二待处理图像,根据第二待处理图像的实际图像类别或获取的用户端的历史图像处理信息得到图像处理推荐信息,将第二待处理图像和图像处理推荐信息发送至用户端;
获取用户端对所述第二待处理图像和所述图像处理推荐信息的需求信息,根据所述需求信息中的图像处理推荐信息采用结果和推荐参数对第二待处理图像进行处理,得到目标图像;
在生成所述第二待处理图像时,根据划分组后的第一待处理图像中像素的亮度值计算任意组内的第一待处理图像的重合率P,将重合率P与预设重合率P0进行比较,其中,P0≠100%;
若P=100%,则将重合的第一待处理图像进行删除,只保留一个第一待处理图像;
若P≥P0,则判定第一待处理图像相似;
若P<P0,则判定第一待处理图像不相似;
将组内相似的第一待处理图像进行文字标记,文字标记内容为相似,将删除、判定和标记后的第一待处理图像生成第二待处理图像;
在根据第二待处理图像的实际图像类别或获取的用户端的历史图像处理信息得到图像处理推荐信息时,判断所述历史图像处理信息中是否有和第二待处理图像的实际图像类别相同的历史图像,若判断结果为否,则根据类别和第二待处理图像的实际参数信息对推荐库中的推荐参数进行提取,提取同一类别且与实际参数信息对应的推荐参数作为图像处理推荐信息,其中,标记为相似的第二待处理图像的图像处理推荐信息相同,在进行图像处理推荐时,只选取其中一个第二待处理图像进行图像处理推荐;
若判断结果为是,所述历史图像处理信息包括若干历史图像、第一参数信息和第二参数信息,所述第一参数信息为历史图像二次处理前的参数信息,所述第二参数信息为历史图像二次处理后的参数,将同一类别的第二待处理图像的实际参数信息与历史图像处理信息的第一参数信息进行比较,计算实际参数信息与第一参数信息的差值△E,将差值△E与预设参数差值△E0进行比较;
若△E>△E0,则判定第二待处理图像与历史图像不相似;
若△E≤△E0,则判定第二待处理图像与历史图像相似;
在判定所述第二待处理图像与历史图像相似时,将所述第二参数信息作为第二待处理图像的推荐参数作为图像处理推荐信息发送至用户端
重合率为每个组内的第一待处理图像中各个像素的亮度值重合的个数占所有像素块个数的百分比例;
参数信息为饱和度、色温和色调和对应的参数值。
2.根据权利要求1所述的基于图像传感器的图像处理方法,其特征在于,在对所述第一待处理图像进行轮廓识别时,通过获取第一待处理图像中的任一像素的亮度值,计算每个像素的亮度差值,将亮度差值大于预设亮度差值的像素进行标记,将标记的像素进行轮廓识别,根据轮廓识别结果将对应轮廓与轮廓库进行比对,根据比对结果得到轮廓类别;
根据图像传感器标识将所述轮廓类别发送至所述车辆控制模块以使车辆控制模块根据所述图像传感器标识判断对应所述图像传感器的位置,若图像传感器标识对应的图像传感器安装于无人驾驶车辆前方,则车辆控制模块根据轮廓类别采取措施控制车辆,其中,
所述轮廓类别包括人物、动物、植物和物体;
所述措施包括是否前进和行进速度。
3.根据权利要求2所述的基于图像传感器的图像处理方法,其特征在于,在根据第一待处理图像的轮廓类别判定第一待处理图像的实际图像类别时,统计每个第一待处理图像中轮廓的类别数量M,统计每个类别的对象数量W;
若M=1,则将对应的对象类别判定为第一待处理图像的实际图像类别;
若M>1,则将每个类别的对象图像数量W进行比较,并计算每个类别的对象图像差值△W,
若任意类别的对象数量最大且△W≥△W1,则判定该对象类别为第一待处理图像的实际图像类别;
若任意类别的对象数量最大且△W<△W1,则初次判定第一待处理图像的图像类别为混合图像。
4.根据权利要求3所述的基于图像传感器的图像处理方法,其特征在于,若所述第一待处理图像的图像类别为混合图像,对第一待处理图像进行二次判定,计算每个类别的对象总面积,将每个类别的对象总面积进行比较,将对象总面积最大的对象类别为第一待处理图像的实际图像类别。
5.根据权利要求1所述的基于图像传感器的图像处理方法,其特征在于,在获取用户端的需求信息时,所述需求信息包括图像处理推荐信息采用结果和目标参数,若所述图像处理推荐信息采用结果为是,则按照所述图像处理推荐信息中的推荐参数对所述第二待处理图像进行处理,得到目标图像,若推荐采用结果为否,则根据目标参数对第二待处理图像进行处理,得到目标图像。
6.根据权利要求5所述的基于图像传感器的图像处理方法,其特征在于,还包括:获取目标图像数据量,根据所述目标图像数据量判定传输方式,根据传输方式分将所述目标图像传输至用户端;
在获取到所述目标图像数据量后,将目标图像数据量N与第一预设数据量N1和第二预设数据量N2进行比较;
若N>N1,则判定所述目标图像的传输方式为第一传输方式;
若N2≤N≤N1,则判定所述目标图像的传输方式为第二传输方式;
若N<N2,则判定所述目标图像的传输方式为第三传输方式;
其中,数据量大小为N1>N2。
7.根据权利要求6所述的基于图像传感器的图像处理方法,其特征在于,在判定所述目标图像的传输方式为第一传输方式时,根据目标图像的类别进行分时段传输,根据目标图像的类别数量Q划分为Q个时间段,每个时间段传输一个类别的目标图像,根据每个类别的目标图像的数据量和标准传输速率计算每个时间段的大小,传输顺序按每个类别的目标图像的数据量从大到小依次将对应类别的目标图像进行传输;
在判定所述目标图像的传输方式为第二传输方式时,获取目标图像的图像个数,根据图像个数平均分成两组进行分组传输,若所述目标图像的图像个数为奇数,则将多余的一个分给第一组;
判定所述目标图像的传输方式为第三传输方式时,将目标图像直接发送至用户端。
8.根据权利要求7所述的基于图像传感器的图像处理方法,其特征在于,计算所述目标图像的传输时间t1,在目标图像传输完成后,记录目标图像的实际传输时间t2,计算传输时间与实际传输时间的时间差值△t,将时间差值△t与预设时间差值△t0进行比较,其中,△t0=t2-t1;
若△t≥△t0,则对下一次的传输方式进行调整;
若△t<△t0,则不对下一次的传输方式进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310027296.5A CN116229097B (zh) | 2023-01-09 | 2023-01-09 | 基于图像传感器的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310027296.5A CN116229097B (zh) | 2023-01-09 | 2023-01-09 | 基于图像传感器的图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116229097A CN116229097A (zh) | 2023-06-06 |
CN116229097B true CN116229097B (zh) | 2024-06-07 |
Family
ID=86588468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310027296.5A Active CN116229097B (zh) | 2023-01-09 | 2023-01-09 | 基于图像传感器的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116229097B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956527A (zh) * | 2016-04-22 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车的障碍物检测结果评估方法和装置 |
WO2019120016A1 (zh) * | 2017-12-20 | 2019-06-27 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN112464812A (zh) * | 2020-11-27 | 2021-03-09 | 西北工业大学 | 一种基于车辆的凹陷类障碍物检测方法 |
CN114429622A (zh) * | 2022-01-26 | 2022-05-03 | 福勤智能科技(昆山)有限公司 | 一种车辆自动行驶方法、装置、车辆及存储介质 |
CN114872574A (zh) * | 2022-07-01 | 2022-08-09 | 惠州市丝鹭新能源科技有限公司 | 基于充电桩的采集与监控系统及方法 |
CN115510330A (zh) * | 2022-11-01 | 2022-12-23 | 潍坊医学院附属医院 | 基于数据挖掘的信息智能处理方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3620978A1 (de) * | 2018-09-07 | 2020-03-11 | Ibeo Automotive Systems GmbH | Verfahren und vorrichtung zur klassifizierung von objekten |
CN112307826A (zh) * | 2019-07-30 | 2021-02-02 | 华为技术有限公司 | 行人检测方法、装置、计算机可读存储介质和芯片 |
DE102020106301A1 (de) * | 2020-03-09 | 2021-09-09 | Zf Cv Systems Global Gmbh | Verfahren zum Ermitteln einer Objekt-Information zu einem Objekt in einer Fahrzeugumgebung, Steuereinheit und Fahrzeug |
-
2023
- 2023-01-09 CN CN202310027296.5A patent/CN116229097B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956527A (zh) * | 2016-04-22 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车的障碍物检测结果评估方法和装置 |
WO2019120016A1 (zh) * | 2017-12-20 | 2019-06-27 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN112464812A (zh) * | 2020-11-27 | 2021-03-09 | 西北工业大学 | 一种基于车辆的凹陷类障碍物检测方法 |
CN114429622A (zh) * | 2022-01-26 | 2022-05-03 | 福勤智能科技(昆山)有限公司 | 一种车辆自动行驶方法、装置、车辆及存储介质 |
CN114872574A (zh) * | 2022-07-01 | 2022-08-09 | 惠州市丝鹭新能源科技有限公司 | 基于充电桩的采集与监控系统及方法 |
CN115510330A (zh) * | 2022-11-01 | 2022-12-23 | 潍坊医学院附属医院 | 基于数据挖掘的信息智能处理方法及系统 |
Non-Patent Citations (2)
Title |
---|
一种基于AER图像传感器的目标完整轮廓提取方法;雷靖;张平;徐江涛;高静;;南开大学学报(自然科学版);20200415(第02期);65-70页 * |
黄怡.基于可编程无人机的路面连续图像智能采集技术研究.《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.1-145页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116229097A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460709B (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
CN113256965B (zh) | 基于智慧城市的交通风险感知系统及方法 | |
US11427193B2 (en) | Methods and systems for providing depth maps with confidence estimates | |
CN107578012B (zh) | 一种基于聚类算法选择敏感区域的驾驶辅助系统 | |
CN107316488B (zh) | 信号灯的识别方法、装置和系统 | |
CN112149761B (zh) | 一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法 | |
CN105741559B (zh) | 一种基于车道线模型的违法占用应急车道检测方法 | |
CN109270524B (zh) | 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 | |
US20210053572A1 (en) | Vehicular driving assist system with traffic jam probability determination | |
CN112347814A (zh) | 客流估计与展示方法、系统及计算机可读存储介质 | |
CN111915883A (zh) | 一种基于车载摄像的道路交通状况检测方法 | |
US20200212965A1 (en) | Vehicular secured communication system | |
CN107590486B (zh) | 运动目标识别方法和系统、自行车流量统计方法和设备 | |
CN107580016A (zh) | 智能传感系统及其数据处理方法、存储介质 | |
CN112769877A (zh) | 团雾预警方法、云端服务器及车辆和介质 | |
CN116229097B (zh) | 基于图像传感器的图像处理方法 | |
CN111985295A (zh) | 一种电动自行车行为识别方法、系统、工控机及摄像头 | |
CN113076852A (zh) | 一种基于5g通信的占用公交车道车载抓拍处理系统 | |
CN115440052B (zh) | 一种基于大数据的交通流控制方法及装置 | |
KR102174423B1 (ko) | 자동 주차 기능을 위한 주차선 이탈 감지 방법 및 장치 | |
CN106022336B (zh) | 一种基于高速公路抓拍图像的车牌检测方法 | |
CN116403419B (zh) | 基于车路协同的交通灯控制方法 | |
CN108154691B (zh) | 一种基于专用短程通信的交通调节系统及方法 | |
CN114202753A (zh) | 车牌识别方法、装置和系统 | |
CN112733846B (zh) | 一种车牌检测方法、装置和系统 |
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 |