CN116311196A - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents

一种图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116311196A
CN116311196A CN202211711222.5A CN202211711222A CN116311196A CN 116311196 A CN116311196 A CN 116311196A CN 202211711222 A CN202211711222 A CN 202211711222A CN 116311196 A CN116311196 A CN 116311196A
Authority
CN
China
Prior art keywords
image
license plate
vehicle
target
region
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
Application number
CN202211711222.5A
Other languages
English (en)
Inventor
李金羲
郑海涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN202211711222.5A priority Critical patent/CN116311196A/zh
Publication of CN116311196A publication Critical patent/CN116311196A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/141—Image acquisition using multiple overlapping images; Image stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/1918—Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种图像处理方法、装置、电子设备及存储介质，涉及图像处理领域，针对目标车辆的车牌区域，获得亮度不同的两张车牌区域图像，并且按照车牌区域的不同位置对应的融合权重，对将两张图像进行融合，获得目标车牌图像，融合后获得的车牌图像更易于识别，且图像的视觉效果较好。该方法包括：针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像；第一车牌区域图像中的亮度大于第二车辆区域图像的亮度；按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像。

Description

一种图像处理方法、装置、电子设备及存储介质
技术领域
本申请涉及图像处理领域，尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
车牌识别作为图像识别在交通管理领域的重要组成部分，广泛地应用在停车场收费管理、厂区车辆出入管理及高速公路收费管理等方面。
但受场景、天气、补光灯的影响，图像中的车牌区域容易过度曝光，这样会导致车牌的字体变浅、字体变粗、字符锯齿状严重等问题的出现。而图像中的车牌区域过暗，则会导致车牌边缘模糊、甚至车牌边缘消失等问题的出现。这些问题都会致使车牌的视觉效果较差，进而导致车牌的识别效果不够理想。
发明内容
本申请提供一种图像处理方法、装置、电子设备及存储介质，针对目标车辆的车牌区域，获得亮度不同的两张车牌区域图像，并且按照车牌区域的不同位置对应的融合权重，对将两张图像进行融合，获得目标车牌图像，融合后获得的车牌图像更易于识别，且图像的视觉效果较好。
第一方面，本申请提供一种图像处理方法，该方法包括：针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像；第一车牌区域图像中的亮度大于第二车辆区域图像的亮度；按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像。
可以理解的是，一般情况下，车牌图像的亮度较大时，车牌边缘清晰，但是车牌字体部分可能会出现过度曝光的情况，且车牌字体会相较于正常字体会出现字体较粗的问题；而车牌图像的亮度较小时，车牌字体较细，但是车牌边缘会相较于正常车牌边缘显得较为模糊。因此，针对目标车辆，获得亮度较大的第一车牌区域图像，以及亮度较小的第二车牌区域图像。亮度较大的第一车牌图像的车牌边缘较为清晰，但是车牌字体较粗且模糊，亮度较小的第二车牌图像的车牌字体较为清晰，但车牌边缘较为模糊。再按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，例如，边缘位置对应的融合权重设置为第一车牌区域图像的融合占比大于第二车牌区域图像的融合占比，字体位置对应的融合权重设置为第一车牌区域图像的融合占比小于第二车牌区域图像的融合占比，从而使得融合得到目标车牌图像的边缘清晰且字体清晰。
本实施例的方法可以解决车辆图像中的车牌字体不清晰且较粗，车牌边缘不清晰的问题。该方法获得的车牌图像更易于识别，且图像的视觉效果较好。
另外，在车牌图像存在过度曝光的情况下，本实施例的方法依然可以对过曝图像进行处理，获取车牌字体清晰且车牌边缘清晰的目标车牌图像。
在一些实施例中，上述按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像，包括：按照车牌区域的边缘位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得边缘清晰的目标车牌图像；边缘位置对应的融合权重表示第一车牌区域图像的融合占比大于第二车牌区域图像的融合占比。
在一些实施例中，上述按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像，包括：
按照车牌区域的字体位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得字体清晰的目标车牌图像；字体位置对应的融合权重表示第一车牌区域图像的融合占比小于第二车牌区域图像的融合占比。
在一些实施例中，上述按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像，包括：根据目标车辆的车牌高度，获得目标车牌图像的权重因子；权重因子表示目标车牌图像的像素值随车牌高度变化的程度；分别对第一车牌区域图像和第二车牌区域图像进行滤波处理，获得第一滤波图像和第二滤波图像；基于权重因子、第一滤波图像的图像红绿蓝RGB参数和第二滤波图像的图像RGB参数，确定用于图像融合的融合权重；根据融合权重，将第一车牌区域图像和第二车牌区域图像进行融合，获得车牌字体清晰度和车牌边缘清晰度优化后的目标车牌图像。
在一些实施例中，对第一车牌区域图像进行滤波处理，获得第一滤波图像，包括：对第一车牌图像进行RGB最大值通道滤波，获得第一处理图像；RGB最大值通道滤波用于获得图像中RGB三种颜色通道中像素值最大的通道对应的第一处理图像；对第一处理图像进行邻域最大值滤波处理，获得目标特征区域增强后的第一滤波图像，目标特征区域包括铆钉区域，邻域最大值滤波包括对第一处理图像中以预设值为半径的邻域内的像素值进行有序排列，以及利用排序后的最大像素值代替中心像素值的操作。
在一些实施例中，对第二车牌区域图像进行滤波处理，获得第二滤波图像，包括：对第二车牌图像进行RGB最大值通道滤波，获得第二处理图像；RGB最大值通道滤波用于获得图像中RGB三种颜色通道中像素值最大的通道对应的第二处理图像；对第二处理图像进行邻域最大值滤波处理，获得第一最大值图像，邻域最大值滤波包括对第二处理图像中以预设值为半径的邻域内的像素值进行有序排列，以及利用排序后的最大像素值代替中心像素值的操作；对第二车牌图像进行以预设值为半径的预设邻域进行模糊滤波处理，获得预设邻域内像素平滑的第二最大值图像；根据权重因子，将第一最大值图像和第二最大值图像进行融合，获得目标特征区域增强后的第二滤波图像。
在一些实施例中，在目标车辆的车牌底色为绿色渐变色、黄色和黄绿色中的任一种时，上述方法包括：获得第一车牌区域图像和第二车牌区域图像之间的亮度比例；亮度比例为第一车牌区域图像的平均亮度和第二车牌区域图像的平均亮度之间的比值；根据亮度比例，将目标车牌图像转换为对应的颜色的灰度图像；根据车牌底色，将灰度图像转换为车牌底色优化后的车牌优化图像。
在一些实施例中，在目标车辆的车牌底色为绿色渐变色时，上述根据车牌底色，将灰度图像转换为车牌底色优化后的车牌优化图像，包括：根据车牌底色，将灰度图像转换为绿牌图像；根据目标车辆的车牌高度，确定颜色渐变系数；根据颜色渐变系数，将绿牌图像转换为车牌优化图像。
在一些实施例中，在目标车辆的车牌底色为黄绿色的情况下，上述根据车牌底色，将灰度图像转换为车牌底色优化后的车牌优化图像，包括：根据目标车辆的车牌高度和宽度，确定颜色划分系数；根据颜色划分系数和车牌底色，将灰度图像转换为车牌优化图像。
在一些实施例中，上述针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像，包括：针对目标车辆，获得目标车辆的第一原始图像；在第一原始图像的曝光度小于或者等于预设曝光度的情况下，对第一原始图像进行不同的图像处理，获得亮度不同的第一车辆图像和第二车辆图像；在第一原始图像的曝光度大于预设曝光度的情况下，获得目标车辆对应的曝光度小于或者等于预设曝光度的第二原始图像；第二原始图像的获得时间在第一原始图像获得时间之后，以及，第一原始图像为第一车辆图像，第二原始图像为第二车辆图像；获取第一车辆图像中的第一车牌区域图像，以及第二车辆图像中的第二车牌区域图像。
在一些实施例中，上述根据车牌底色，将灰度图像转换为车牌颜色优化后的车牌优化图像之后，包括：在第一原始图像的曝光度小于或者等于预设曝光度的情况下，将车牌优化图像与第一车辆图像的车牌区域进行融合，获得第一目标图像；将第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像；在第一原始图像的曝光度大于预设曝光度的情况下，将车牌优化图像与第二车辆图像的车牌区域进行融合，获得第一目标图像；将第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像。
第二方面，本申请提供一种图像处理装置，该图像处理装置包括：图像获取单元、图像处理单元、图像融合单元。
图像获取单元，可以针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像；第一车牌区域图像中的亮度大于第二车辆区域图像的亮度。
图像融合单元，可以按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像。
在一些实施例中，图像处理单元可以根据目标车辆的车牌高度，获得目标车牌图像的权重因子；权重因子表示目标车牌图像的像素值随车牌高度变化的程度；图像处理单元分别对第一车牌区域图像和第二车牌区域图像进行滤波处理，获得第一滤波图像和第二滤波图像；图像处理单元还可以基于权重因子、第一滤波图像的图像红绿蓝RGB参数和第二滤波图像的图像RGB参数，确定用于图像融合的融合权重；图像融合单元还可以根据融合权重，将第一车牌区域图像和第二车牌区域图像进行融合，获得车牌字体清晰度和车牌边缘清晰度优化后的目标车牌图像。
在一些实施例中，图像处理单元还可以对第一车牌图像进行RGB最大值通道滤波，获得第一处理图像；RGB最大值通道滤波用于获得图像中RGB三种颜色通道中像素值最大的通道对应的第一处理图像；图像处理单元还可以对第一处理图像进行邻域最大值滤波处理，获得目标特征区域增强后的第一滤波图像，目标特征区域包括铆钉区域，邻域最大值滤波包括对第一处理图像中以预设值为半径的邻域内的像素值进行有序排列，以及利用排序后的最大像素值代替中心像素值的操作。
在一些实施例中，图像处理单元还可以对第二车牌图像进行RGB最大值通道滤波，获得第二处理图像；RGB最大值通道滤波用于获得图像中RGB三种颜色通道中像素值最大的通道对应的第二处理图像；图像处理单元还可以对第二处理图像进行邻域最大值滤波处理，获得第一最大值图像，邻域最大值滤波包括对第二处理图像中以预设值为半径的邻域内的像素值进行有序排列，以及利用排序后的最大像素值代替中心像素值的操作；图像处理单元还可以对第二车牌图像进行以预设值为半径的预设邻域进行模糊滤波处理，获得预设邻域内像素平滑的第二最大值图像；图像融合单元还可以根据权重因子，将第一最大值图像和第二最大值图像进行融合，获得目标特征区域增强后的第二滤波图像。
在一些实施例中，该图像处理装置还包括：颜色校正单元。
在一些实施例中，图像融合单元还可以获得第一车牌区域图像和第二车牌区域图像之间的亮度比例；亮度比例为第一车牌区域图像的平均亮度和第二车牌区域图像的平均亮度之间的比值；颜色校正单元可以根据亮度比例，将目标车牌图像转换为对应的颜色的灰度图像；颜色校正单元还可以根据车牌底色，将灰度图像转换为车牌底色优化后的车牌优化图像。
在一些实施例中，颜色校正单元还可以根据车牌底色，将灰度图像转换为绿牌图像；图像处理单元还可以根据目标车辆的车牌高度，确定颜色渐变系数；颜色校正单元根据颜色渐变系数，将绿牌图像转换为车牌优化图像。
在一些实施例中，图像处理单元还可以根据目标车辆的车牌高度和宽度，确定颜色划分系数；颜色校正单元根据颜色划分系数和车牌底色，将灰度图像转换为车牌优化图像。
在一些实施例中，图像获取单元还可以针对目标车辆，获得目标车辆的第一原始图像。在第一原始图像的曝光度小于或者等于预设曝光度的情况下，图像处理单元还可以对第一原始图像进行不同的图像处理，获得亮度不同的第一车辆图像和第二车辆图像；在第一原始图像的曝光度大于预设曝光度的情况下，图像获取单元还可以获得目标车辆对应的曝光度小于或者等于预设曝光度的第二原始图像；第二原始图像的获得时间在第一原始图像获得时间之后，以及，第一原始图像为第一车辆图像，第二原始图像为第二车辆图像；获取第一车辆图像中的第一车牌区域图像，以及第二车辆图像中的第二车牌区域图像。
在一些实施例中，图像融合单元还可以在第一原始图像的曝光度小于或者等于预设曝光度的情况下，将车牌优化图像与第一车辆图像的车牌区域进行融合，获得第一目标图像；图像处理单元还可以将第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像。
在一些实施例中，图像融合单元还可以在第一原始图像的曝光度大于预设曝光度的情况下，将车牌优化图像与第二车辆图像的车牌区域进行融合，获得第一目标图像；图像处理单元还可以将第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像。
第三方面，本申请实施例提供一种电子设备，包括：存储器和处理器；存储器和处理器耦合；存储器用于存储计算机程序代码，计算机程序代码包括计算机指令；其中，当处理器执行计算机指令时，使得图像处理装置执行如第一方面及其任一种可能的设计方式的图像处理方法。
第四方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质包括：计算机软件指令；当计算机软件指令在图像处理装置中运行时，使得图像处理装置实现上述第一方面的方法。
第五方面，本申请提供一种计算机程序产品，当该计算机程序产品在图像处理装置上运行时，使得图像处理装置执行上述第一方面描述的相关方法的步骤，以实现上述第一方面的方法。
上述第二方面至第五方面的有益效果可以参考第一方面的对应描述，不再赘述。
附图说明
图1为本申请提供的一种图像处理系统的示意图；
图2为本申请提供的采集目标车辆图像的场景示意图；
图3为本申请提供的一种图像处理装置的结构示意图；
图4为本申请提供的一种图像处理方法的流程示意图；
图5为本申请提供的又一种图像处理方法的流程示意图；
图6为本申请提供的又一种图像处理方法的流程示意图；
图7为本申请提供的又一种图像处理方法的流程示意图；
图8为本申请提供的又一种图像处理方法的流程示意图；
图9为本申请提供的又一种图像处理方法的流程示意图；
图10为本申请提供的又一种图像处理方法的流程示意图；
图11为本申请提供的又一种图像处理方法的流程示意图；
图12为本申请提供的一种颜色校正方法的流程示意图；
图13为本申请提供的又一种颜色校正方法的流程示意图；
图14为本申请提供的又一种颜色校正方法的流程示意图；
图15为本申请提供的又一种颜色校正方法的流程示意图；
图16为本申请提供的又一种颜色校正方法的流程示意图；
图17为本申请提供的又一种图像处理方法的流程示意图；
图18为本申请提供的又一种图像处理方法的流程示意图；
图19为本申请提供的一种图像处理装置的硬件结构示意图。
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，都属于本申请保护的范围。
需要说明的是，本申请实施例中，“示例性地”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性地”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于清楚描述本申请实施例的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
为了方便理解，首先对本申请涉及的相关概念进行简单介绍。
1、YUV格式：YUV是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)。
2、红绿蓝(RGB)格式：RGB格式是一种颜色标准格式，通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色格式的图像。
3、图像处理流水线(image single process pipeline，ISP PIPE)：由一系列的图像处理模块组成，主要是完成一系列图像处理的操作，经典的图像处理流水线主要包括镜头校正、颜色矫正、再经过黑电平补偿(black level compensation，BLC)、镜头阴影矫正(lens shading correction，lens shading)、去坏点(bad pixel correction，BPC)、去马赛克插值(demosaic，CIP)、去噪(denoise，DNS)、自动白平衡(AWB)、颜色矫正(colorcorrection)、伽玛校正操作(gamma矫正)、色彩空间转换(RGB转换YUV)，然后输出YUV(或者RGB)格式的数据。
4、锐化增强算法(Unsharpen Mask，USM)，是图像卷积处理实现锐化常用的算法，这种锐化的方法就是对原图像先做一个高斯模糊，然后用原来的图像减去一个系数乘以高斯模糊之后的图像，然后再把值控制到0～255的RGB像素值范围之内。
车牌识别作为图像识别在交通管理领域的重要组成部分，广泛地应用在停车场收费管理、厂区车辆出入管理及高速公路收费管理等方面。
由于一般车牌采用了定向、逆反射、反光材料，即从哪个角度照射光线，车牌就往哪个方向反射，具有很好的反光性。所以，通过适当的补光照射，获取目标车辆的图像，容易使车牌处于图像的高亮区域。而受场景、天气、补光灯的影响，车牌非常容易过度曝光，例如，对于蓝底白字车牌，车牌出现过度曝光的问题可能会导致蓝色车牌字体变浅、字体变粗、字符锯齿状严重的现象。对于新能源绿色渐变车牌、黄色车牌和新能源公交车黄绿色车牌等，车牌出现过度曝光的问题可能会导致底色过曝甚至是发白的现象。而图像中的车牌区域过暗，则会导致车牌边缘模糊、甚至车牌边缘消失等问题的出现。这些问题都会致使车牌的视觉效果较差，进而导致车牌的识别效果不够理想。
针对上述问题，目前的一些方案中，当包含车牌区域的图像过度曝光时，选择对该图像的车牌区域的字体进行清晰度提升处理，但这样处理后的车牌字体会相应变粗，致使车牌识别效果不够理想。或者，在其他一些方案中，可以调节车牌区域的颜色和亮度来处理过度曝光的图像，但这样处理后的车牌字体依旧较粗，且字体不清晰，车牌的识别效果依旧不够理想。
针对该问题，本申请实施例提供一种图像处理方法、装置、电子设备及存储介质，可知一般情况下，车牌图像的亮度较大时，车牌边缘清晰，但是车牌字体部分可能会出现过度曝光的情况，且车牌字体会相较于正常字体会出现字体较粗的问题；而车牌图像的亮度较小时，车牌字体较细，但是车牌边缘会相较于正常车牌边缘显得较为模糊。因此，针对目标车辆，获得亮度较大的第一车牌区域图像，以及亮度较小的第二车牌区域图像。亮度较大的第一车牌图像的车牌边缘较为清晰，但是车牌字体较粗且模糊，亮度较小的第二车牌图像的车牌字体较为清晰，但车牌边缘较为模糊。再按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，例如，边缘位置对应的融合权重设置为第一车牌区域图像的融合占比大于第二车牌区域图像的融合占比，字体位置对应的融合权重设置为第一车牌区域图像的融合占比小于第二车牌区域图像的融合占比，从而使得融合得到目标车牌图像的边缘清晰且字体清晰。本实施例的方法可以解决车辆图像中的车牌字体不清晰且较粗，车牌边缘不清晰的问题，该方法获得的车牌图像更易于识别，且图像的视觉效果较好。
另外，在车牌图像存在过度曝光的情况下，本实施例的方法依然可以对过曝图像进行处理，获取车牌字体清晰且车牌边缘清晰的目标车牌图像。
本申请实施例中的目标车辆的车牌可以包括多种类型，例如蓝底白字车牌、黄底黑字车牌、绿色渐变底黑字车牌、黄绿双拼底黑字车牌等。
本申请实施例提供的图像处理方法，可以应用于如图1所示的图像处理系统中。如图1所示，该图像处理系统可以包括图像处理装置11和拍摄装置12。
其中，拍摄装置12可以获取实际场景下的目标车辆的图像。例如停车场入口架设的抓拍相机、道路卡口架设的抓拍相机，高速路收费站架设的抓拍相机、城市道路上空架设的电子摄像头等。示例性的，如图2所示，当拍摄装置12为抓拍相机时，可以采集经过拍摄区域或者目标区域的目标车辆的车头图像或车尾图像。
图像处理装置11可以从拍摄装置12获得目标车辆的图像，并对目标车辆的图像进行处理。
如图3所示，该图像处理装置11包括图像获取单元101、图像处理单元102、图像融合单元103，颜色校正单元104。
在一些实施例中，图像获取单元101可以从拍摄装置12获取实际场景下，采集到的目标车辆的图像。
在另一些实施例中，图像获取单元101也可以从存储历史时间点采集图像的数据库中，读取的目标车辆的图像，本实施例不作具体限制。
图像获取单元101，可以针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像；第一车牌区域图像中的亮度大于第二车辆区域图像的亮度。
图像融合单元103，可以按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像。
在一些实施例中，图像融合单元103，可以按照车牌区域的边缘位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得边缘清晰的目标车牌图像；边缘位置对应的融合权重表示第一车牌区域图像的融合占比大于第二车牌区域图像的融合占比。
在一些实施例中，图像融合单元103，可以按照车牌区域的字体位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得字体清晰的目标车牌图像；字体位置对应的融合权重表示第一车牌区域图像的融合占比小于第二车牌区域图像的融合占比。
在一些实施例中，图像处理单元102可以根据目标车辆的车牌高度，获得目标车牌图像的权重因子；权重因子表示目标车牌图像的像素值随车牌高度变化的程度；图像处理单元102分别对第一车牌区域图像和第二车牌区域图像进行滤波处理，获得第一滤波图像和第二滤波图像；图像处理单元102还可以基于权重因子、第一滤波图像的图像红绿蓝RGB参数和第二滤波图像的图像RGB参数，确定用于图像融合的融合权重；图像融合单元103还可以根据融合权重，将第一车牌区域图像和第二车牌区域图像进行融合，获得车牌字体清晰度和车牌边缘清晰度优化后的目标车牌图像。
在一些实施例中，图像处理单元102还可以对第一车牌图像进行RGB最大值通道滤波，获得第一处理图像；RGB最大值通道滤波用于获得图像中RGB三种颜色通道中像素值最大的通道对应的第一处理图像；图像处理单元102还可以对第一处理图像进行邻域最大值滤波处理，获得目标特征区域增强后的第一滤波图像，目标特征区域包括铆钉区域，邻域最大值滤波包括对第一处理图像中以预设值为半径的邻域内的像素值进行有序排列，以及利用排序后的最大像素值代替中心像素值的操作。
在一些实施例中，图像处理单元102还可以对第二车牌图像进行RGB最大值通道滤波，获得第二处理图像；RGB最大值通道滤波用于获得图像中RGB三种颜色通道中像素值最大的通道对应的第二处理图像；图像处理单元102还可以对第二处理图像进行邻域最大值滤波处理，获得第一最大值图像，邻域最大值滤波包括对第二处理图像中以预设值为半径的邻域内的像素值进行有序排列，以及利用排序后的最大像素值代替中心像素值的操作；图像处理单元102还可以对第二车牌图像进行以预设值为半径的预设邻域进行模糊滤波处理，获得预设邻域内像素平滑的第二最大值图像；图像融合单元103还可以根据权重因子，将第一最大值图像和第二最大值图像进行融合，获得目标特征区域增强后的第二滤波图像。
在一些实施例中，图像融合单元103还可以对第一车牌区域图像和第二车牌区域图像进行融合，获得目标融合图像；图像融合单元103还可以获得第一车牌区域图像和第二车牌区域图像之间的亮度比例；亮度比例为第一车牌区域图像的平均亮度和第二车牌区域图像的平均亮度之间的比值；颜色校正单元104可以根据亮度比例，将目标车牌图像转换为对应的颜色的灰度图像；颜色校正单元104还可以根据车牌底色，将灰度图像转换为车牌底色优化后的车牌优化图像。
在一些实施例中，颜色校正单元104还可以根据车牌底色，将灰度图像转换为绿牌图像；图像处理单元102还可以根据目标车辆的车牌高度，确定颜色渐变系数；颜色校正单元104根据颜色渐变系数，将绿牌图像转换为车牌优化图像。
在一些实施例中，图像处理单元102还可以根据目标车辆的车牌高度和宽度，确定颜色划分系数；颜色校正单元104根据颜色划分系数和车牌底色，将灰度图像转换为车牌优化图像。
在一些实施例中，图像获取单元101还可以针对目标车辆，获得目标车辆的第一原始图像。在第一原始图像的曝光度小于或者等于预设曝光度的情况下，图像处理单元102还可以对第一原始图像进行不同的图像处理，获得亮度不同的第一车辆图像和第二车辆图像；在第一原始图像的曝光度大于预设曝光度的情况下，图像获取单元101还可以获得目标车辆对应的曝光度小于或者等于预设曝光度的第二原始图像；第二原始图像的获得时间在第一原始图像获得时间之后，以及，第一原始图像为第一车辆图像，第二原始图像为第二车辆图像。获取第一车辆图像中的第一车牌区域图像，以及第二车辆图像中的第二车牌区域图像。
在一些实施例中，图像融合单元103还可以在第一原始图像的曝光度小于或者等于预设曝光度的情况下，将车牌优化图像与第一车辆图像的车牌区域进行融合，获得第一目标图像；图像处理单元102还可以将第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像。
在一些实施例中，图像融合单元103还可以在第一原始图像的曝光度大于预设曝光度的情况下，将车牌优化图像与第二车辆图像的车牌区域进行融合，获得第一目标图像；图像处理单元102还可以将第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像。
另外，在一些实施例中，上述图像处理装置11中的图像获取单元101可以包括拍摄单元，通过拍摄单元获取实际场景下，采集到的目标车辆的图像。这种情况下，本申请实施例提供的图像处理方法也可以应用于图像处理装置11中，并且图像处理装置11可实现的功能以及包括的单元结构可参见前述实施例中的内容。
图4为本申请实施例提供的一种图像处理方法的流程示意图。示例性的，本申请实施例提供的图像处理方法，可以应用于图1所示的图像处理系统或者图2所示的图像处理装置。如图4所示，本申请实施例提供图像处理方法具体可以包括以下步骤S101-S102。
S101、针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像。
其中，第一车牌区域图像中的亮度大于第二车辆区域图像的亮度，也可称第一车牌区域图像为亮帧图像，第二车牌区域图像为暗帧图像。
由于一般车牌采用了定向、逆反射、反光材料，即从哪个角度照射光线，车牌就往哪个方向反射，具有很好的反光性。所以，通过适当的补光照射，获取目标车辆的图像，容易使车牌处于图像的高亮区域。而受场景、天气、补光灯的影响，车牌非常容易过度曝光，例如，对于蓝底白字车牌，车牌亮度过大或者车牌出现过度曝光的问题可能会导致蓝色车牌字体变浅、字体变粗、字符锯齿状严重的现象。
因此，一般情况下，车牌图像的亮度较大时，车牌边缘清晰，但是车牌区域可能会存在曝光问题，车牌字体会相较于正常字体会出现字体较粗且模糊的问题。因此亮度较大的第一车牌图像的车牌边缘较为清晰，但是车牌字体较粗且模糊。
车牌图像的亮度较小时，车牌字体较细，相比第一车牌图像的车牌字体更加清晰，但是车牌边缘会相较于正常车牌边缘显得较为模糊，甚至出现边缘消失的现象。因此亮度较小的第二车牌图像的车牌字体较为清晰，但车牌边缘较为模糊。
S102、按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像。
在一些实施例中，可以按照车牌区域的边缘位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得边缘清晰的目标车牌图像；边缘位置对应的融合权重表示第一车牌区域图像的融合占比大于第二车牌区域图像的融合占比。本实施例中，亮度较大的第一车牌图像的车牌边缘相较于亮度较小的第二车牌图像的车牌边缘较为清晰，因此边缘位置对应的融合权重设置为第一车牌区域图像的融合占比大于第二车牌区域图像的融合占比，可以使得融合得到目标车牌图像的车牌边缘较为清晰。
在另一些实施例中，可以按照车牌区域的字体位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得字体清晰的目标车牌图像；字体位置对应的融合权重表示第一车牌区域图像的融合占比小于第二车牌区域图像的融合占比。本实施例中，亮度较小的第二车牌图像的字体相较于亮度较大的第一车牌图像的字体较为清晰，因此字体位置对应的融合权重设置为第一车牌区域图像的融合占比小于第二车牌区域图像的融合占比，可以使得融合得到目标车牌图像的车牌边缘较为清晰。
示例性的，按照车牌区域的边缘位置对应的融合权重和字体位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得边缘清晰且字体清晰的目标车牌图像；其中，边缘位置对应的融合权重表示第一车牌区域图像的融合占比大于第二车牌区域图像的融合占比，字体位置对应的融合权重表示第一车牌区域图像的融合占比小于第二车牌区域图像的融合占比。
可理解的是，由于一般情况下，车牌图像的亮度较大时，车牌边缘清晰，但是车牌字体部分可能会出现过度曝光的情况，且车牌字体会相较于正常字体会出现字体较粗的问题；而车牌图像的亮度较小时，车牌字体较细，但是车牌边缘会相较于正常车牌边缘显得较为模糊。因此，针对目标车辆，获得亮度较大的第一车牌区域图像，以及亮度较小的第二车牌区域图像。亮度较大的第一车牌图像的车牌边缘较为清晰，但是车牌字体较粗且模糊，亮度较小的第二车牌图像的车牌字体较为清晰，但车牌边缘较为模糊。再按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合。例如，边缘位置对应的融合权重设置为第一车牌区域图像的融合占比大于第二车牌区域图像的融合占比，字体位置对应的融合权重设置为第一车牌区域图像的融合占比小于第二车牌区域图像的融合占比，从而使得融合得到目标车牌图像的边缘清晰且字体清晰。本实施例的方法可以解决车辆图像中的车牌字体不清晰且较粗，车牌边缘不清晰的问题。并且在车牌图像存在过度曝光的情况下，依然可以对过曝图像进行处理，获取车牌字体清晰且车牌边缘清晰的目标车牌图像，该方法获得的车牌图像更易于识别，且图像的视觉效果较好。
在一些实施例中，如图5所示，针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像，可以包括以下步骤Sa1-Sa4。
Sa1、针对目标车辆，获得目标车辆的第一原始图像。
其中，第一原始图像可以为过度曝光的图像，也可以为正常曝光图像。其中，过度曝光是指因图像采集时光圈过大、底片感光度过高、曝光时间较长或拍摄环境光线太强时所造成的图像失常的现象，具体地可以表现为图像发白，图像亮度过大。
在一般情况下，由于一般车牌具有很好的反光性，通常会通过适当的补光照射的方式，获取目标车辆的图像，容易使车牌处于图像的高亮区域。而当拍摄环境光线太强时，更容易出现车牌区域过度曝光的现象。
例如，当目标车辆为在黑暗中行驶的车牌上方加装强光灯的卡车时，由于强光灯发出的光线过强，因此在该情况下，获取目标车辆的第一原始图像的车牌区域存在过度曝光的可能性较大。
在一些实施例中，第一原始图像可以是在实际场景下，经过拍摄区域时采集到的目标车辆的图像，采集第一原始图像的实际场景可以是停车场出入口、道路卡口、高速路收费站等，本实施例不作具体限制。
在另一些实施例中，第一原始图像也可以是历史时间点采集后存储在数据库中，使用时又从数据库中读取的目标车辆的图像。
Sa2、在第一原始图像的曝光度小于或者等于预设曝光度的情况下，对第一原始图像进行不同的图像处理，获得亮度不同的第一车辆图像和第二车辆图像。
其中，第一车辆图像的亮度大于第二车辆图像的亮度。
在一些实施例中,图像处理可以为通过ISP PIPE的图像处理，经过图像处理后的图像参数会有部分改善，例如清晰度提高、亮度改善、色彩更加饱和等。
可以理解的是，获得的亮度较大的第一车辆图像可以确保抓拍图像的整体效果(车牌区域可能会存在过度曝光的情况)，获得的亮度较小的第二车辆图像可以确保图像中车牌区域成像不过爆、色彩和对比度均较好(车牌区域边缘模块，车牌区域整体亮度可能会存在发暗/发黑的问题)。
Sa3、在第一原始图像的曝光度大于预设曝光度的情况下，获得目标车辆对应的曝光度小于或者等于预设曝光度的第二原始图像。
其中，第二原始图像的获得时间在第一原始图像获得时间之后，以及，这种情况下，第一原始图像为第一车辆图像，第二原始图像为第二车辆图像。由于第一原始图像的曝光度大于预设曝光度，第二原始图像的曝光度小于或者等于预设曝光度，因此第一车辆图像的亮度大于第二车辆图像的亮度。
第一原始图像的曝光度大于预设曝光度，可以认为第一原始图像存在过度曝光的现象，因为过度曝光情况下，图像会丢失过多的细节，为了获取更多的图像细节，因此可以继续获取曝光度小于或者等于预设曝光度的第二原始图像。
Sa4、获取第一车辆图像中的第一车牌区域图像，以及第二车辆图像中的第二车牌区域图像。
其中，第一车辆图像的亮度大于第二车辆图像的亮度。
一般情况下，车辆图像的亮度较大时，图像中的车牌字体会相较于正常字体显得较粗且模糊。因此第一车辆图像中车牌区域的车牌字体会相较于正常字体显得较粗且模糊。
车辆图像的亮度较小，则车牌边缘会相较于正常车牌边缘显得较为模糊，甚至出现边缘消失的现象。因此第二车辆图像中车牌区域的车牌边缘较为模糊。
由于，第一车辆图像中车牌区域的车牌字体会相较于正常字体显得较粗且模糊，因此从第一车辆图像获取的第一车牌区域图像的车牌字体相较于正常字体，较粗且模糊；第二车辆图像中的车牌区域的车牌边缘较为模糊，因此从第二车辆图像获取的第二车牌区域图像的车牌边缘较为模糊。
在第一原始图像的曝光度小于或者等于预设曝光度，对第一原始图像进行不同的图像处理，获得亮度不同的第一车辆图像和第二车辆图像的情况下，若图像处理为ISPPIPE，可以通过设置正常亮度参数对第一原始图像进行处理，获得正常亮度的YUV格式的第一车辆图像，通过设置低亮度参数对第一原始图像进行处理，获得低亮度的YUV格式的第二车辆图像。再分别获得第一车辆图像中的车牌区域和第二车辆图像中的车牌区域，获取第一车牌区域图像和第二车牌区域图像，将第一车辆区域图像和第二车辆区域图像进行融合，获取融合后的目标车牌图像。
在第一原始图像的曝光度大于预设曝光度，获得目标车辆对应的曝光度小于或者等于预设曝光度的第二原始图像的情况下，如图7所示，可以对第一原始图像和第二原始图像进行ISP PIPE的图像处理，获取第一车辆图像和第二车辆图像，再分别获得第一车辆图像中的车牌区域和第二车辆图像中的车牌区域，获取第一车牌区域图像和第二车牌区域图像，将第一车辆区域图像和第二车辆区域图像进行融合，获取融合后的目标车牌图像。可以理解的是，经过图像处理后的图像参数会有部分改善，例如清晰度提高、亮度改善、色彩更加饱和等。由于第一原始图像的曝光度大于预设曝光度，第二原始图像的曝光度小于或者等于预设曝光度，所以经过ISP PIPE的图像处理后，得到的第一车辆图像的亮度依旧大于第二车辆图像的亮度。
上述实施例中，在获得的目标车辆的第一原始图像的曝光度小于或者等于预设曝光度的情况下，在来选择对第一原始图像进行两次不同的图像处理，来获得亮帧图像和暗帧图像；而在获得的目标车辆的第一原始图像的曝光度大于预设曝光度的情况下，再接着获取下一张曝光度小于或者等于预设曝光度的第二原始图像，来获得亮帧图像和暗帧图像。该方法针对过度曝光或者不过度曝光的车辆图像都可以进行融合处理，从而获得车牌字体清晰，边缘不模糊的车牌图像。
在一些实施例中，如图8中的(a)所示，若第一原始图像的曝光度小于或者等于预设曝光度，则获得目标车牌图像之后，可以包括以下步骤Sb1；如图8中的(b)所示，若第一原始图像的曝光度大于预设曝光度，则获得目标车牌图像之后，可以包括以下步骤Sb2。
Sb1、在第一原始图像的曝光度小于或者等于预设曝光度的情况下，将目标车牌图像与第一车辆图像的车牌区域进行融合，获得第一目标图像。
在一些实施例中，将目标车牌图像与第一车辆图像的车牌区域进行融合之前，可以对目标车牌图像进行图像锐化处理，例如USM锐化算法处理，从而使得目标车牌图像视觉效果可以得到改观，细节特征更加明显。
在第一原始图像的曝光度小于或者等于预设曝光度的情况下，亮度较大的第一车辆图像的整体车身效果较好，因此将目标车牌图像与第一车辆图像的车牌区域进行融合，获得车牌字体清晰、车牌边缘清晰，且整体车身效果优秀的第一目标图像。
Sb2、在第一原始图像的曝光度大于预设曝光度的情况下，将目标车牌图像与第二车辆图像的车牌区域进行融合，获得第一目标图像。
在一些实施例中，将目标车牌图像与第二车辆图像的车牌区域进行融合之前，可以对目标车牌图像进行USM锐化算法处理，从而使得目标车牌图像视觉效果可以得到改观，细节特征更加明显。
在第一原始图像的曝光度大于预设曝光度的情况下，亮度较大的第一车辆图像存在过度曝光的问题。相较于第一车辆图像，第二车辆图像的整体车身效果较好，细节更多，因此将目标车牌图像与第二车辆图像的车牌区域进行融合，从而获得车牌字体清晰、车牌边缘清晰，且整体车身效果优秀的第一目标图像。
在一些实施例中，如上述图8中的(a)和(b)所示，在获取第一目标图像之后，可以执行步骤Sb3。
Sb3、将第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像。
可以理解的是，在第一原始图像的曝光度小于或者等于预设曝光度的情况下，第一车辆图像中车辆的整体效果较好，因此将目标车牌图像与第一车辆图像中车牌区域进行融合。在第一原始图像的曝光度大于预设曝光度的情况下，第二车辆图像中车辆的整体效果较好，因此或者与第二车辆图像的车牌区域进行融合。再对融合后的图像进行边缘平滑处理，可以获得车牌字体清晰度优化后、车牌边缘清晰度优化后、且整体车身效果优秀的目标车辆图像，从而可以根据目标图像，提高对目标车辆的识别效果。
在一些实施例中，如图9所示，上述按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像，可以包括以下步骤S201-S204。
S201、根据目标车辆的车牌高度，获得目标车牌图像的权重因子。
其中，权重因子表示目标车牌图像的像素值随车牌高度变化的程度。
在一些实施例中，获得权重因子的方法如公式(1)所示：
fac＝min(256×abs(y-height/2)/(height/4),256) (1)
其中，fac表示权重因子，取值范围在0～256之间；y表示当前像素所处的高度，height表示目标车牌的高度，由该公式可知y为目标车牌的高度的中间值时，fac最小；y等于0或者等于目标车牌高度时，fac最大。
示例性的，在height等于15cm(目标车牌的高度为15cm)的情况下，当y等于7.5(当前像素所处的高度为7.5cm，即当前像素为车牌字体区域)时，fac等于零；当y等于0或者15(当前像素所处的高度为0cm或者15cm，即当前像素为车牌上下边缘区域)时，fac取256，此时为最大值。
可理解的是，利用上述公式(1)得到的权重因子，在当前像素处于目标车牌的高度的中间值时，权重因子最小；当前像素位置的高度高于目标车牌的高度的中间值，或者低于目标车牌的高度的中间值时，权重因子会逐渐变大，在当前像素位置的高度为0或者为目标车牌的高度(即当前像素位置位于目标车牌的上边缘区域或者下边缘区域)的情况下，权重因子会取到最大。
S202、分别对第一车牌区域图像和第二车牌区域图像进行滤波处理，获得第一滤波图像和第二滤波图像。
其中，第一滤波图像和第二滤波图像用于确定第一车牌区域图像和第二车牌区域图像进行融合的融合权重。
在一些实施例中，如图10所示，分别对第一车牌区域图像和第二车牌区域图像进行滤波处理，获得第一滤波图像和第二滤波图像，可以包括以下步骤Sc1-Sc4。
Sc1、对第一车牌图像和第二车牌图像分别进行RGB最大值通道滤波，获得第一处理图像和第二处理图像。
其中，RGB最大值通道滤波用于获得第一车牌图像中RGB三种颜色通道中像素值最大的通道对应的第一处理图像，以及用于获得第二车牌图像中RGB三种颜色通道中像素值最大的通道对应的第二处理图像。
可以将第一处理图像记为max_chnnorm，将第二处理图像记为max_chndark。
可以理解的是，像素值最大的通道对应图像具有更多的图像特征，例如第一处理图像和第二处理图像的车牌的铆钉区域更加明显，车牌字体更为清晰。
Sc2、对第一处理图像和第二处理图像分别进行邻域最大值滤波处理，获得目标特征区域增强后的第一处理图像对应的第一滤波图像和第二处理图像对应的第一最大值图像。
其中，目标特征区域包括铆钉区域，污泥区域，灰尘区域中的至少一种，邻域最大值滤波包括对第一处理图像和第二处理图像中以预设值为半径的邻域内的像素值进行有序排列，以及利用排序后的最大像素值代替中心像素值的操作。
可以将第一滤波图像记为
Figure BDA0004027612270000121
将第一最大值图像记为/>
Figure BDA0004027612270000122
Sc3、对第二处理图像进行以预设值为半径的预设邻域进行模糊滤波处理，获得预设邻域内像素平滑的第二最大值图像。
可以将第二最大值图像记为
Figure BDA0004027612270000123
经过模糊滤波处理的图像，可以保证铆钉区域的细节纹理，并使图像过渡平滑。
Sc4、根据权重因子，将第一最大值图像和第二最大值图像进行融合，获得目标特征区域增强后的第二滤波图像。
在一些实施例中，获得融合权重的方法如公式(2)所示：
Figure BDA0004027612270000131
其中，max__chn′dark为第二滤波图像。
根据公式(3)可以得到，fac越大，第二最大值图像在第二滤波图像的融合中所占的权重越大，这样可以使得铆钉区域在图像进行融合之后，可以保证铆钉区域的细节纹理，并使图像过渡平滑，车牌字体也更为清晰。
S203、基于权重因子、第一滤波图像的图像红绿蓝RGB参数和第二滤波图像的图像RGB参数，确定用于图像融合的融合权重。
在一些实施例中，获得融合权重的方法如公式(3)所示：
wt＝min(fac×max(max_chnnorm-max__chn′dark,0),256) (3)
其中，wt表示融合权重，取值范围在0～256之间。
根据公式(3)可以得到，fac越大，wt越大。
S204、根据融合权重，将第一车牌区域图像和第二车牌区域图像进行融合，获得车牌字体清晰度和车牌边缘清晰度优化后的目标车牌图像。
在一些实施例中，获得融合权重的方法如公式(4)所示：
rgbfus＝(rgbnorm×wt+rgbdark×(256-wt))/256 (4)
其中，rgbfus表示目标车牌图像，rgbnorm表示亮帧图像(第一车辆图像)，rgbdark表示暗帧图像(第二车辆图像)。
根据公式(4)可以得到，wt越大，亮帧图像在目标车牌图像的融合中所占的权重越大，wt越小，暗帧图像在目标车牌图像的融合中所占的权重越大。
如图11所示，亮帧图像与暗帧图像进行融合处理，主要包括以下步骤S11至S15。
S11、对亮帧图像依次进行RGB最大值通道处理、邻域最大值滤波处理，获得第一滤波图像。
S12、获取车牌高度，根据像素高度设置权重因子。
S13、对暗帧图像依次进行RGB最大值通道处理、邻域最大值滤波处理获得第一处理图像，对第一处理图像进行模糊滤波处理获得第二处理图像；根据权重因子，将第一处理图像与第二处理图像处理进行融合，获得第二滤波图像。
S14、基于权重因子、第一滤波图像的图像红绿蓝RGB参数和第二滤波图像的图像RGB参数，确定用于图像融合的融合权重。
S15、根据融合权重，将亮帧图像和暗帧图像进行融合，获得车牌字体清晰度和车牌边缘清晰度优化后的目标车牌图像。
在一些情况下，目标车辆的车牌区域内的铆钉或车牌表面可能会沾上较厚的污泥或灰尘，这些区域一般出现在车牌的上下边缘位置。而由于这些区域的反射特性弱于正常车牌表面的反射特性，这样获得的车牌区域图像容易出现上下边缘位置的区域发黑、发灰或发暗的问题。因此基于公式(1)至公式(4)，可知像素位置位于目标车牌的上边缘区域或者下边缘区域的情况下，权重因子fac取到最大值，wt取到最大值，即亮帧图像在上边缘区域或者下边缘区域的融合中所占的可以取到权重最大，这样得到的车牌图像，车牌的上边缘区域和下边缘区域会更为清晰，保留铆钉区域的细节纹理，并使图像过渡平滑，而上边缘区域或者下边缘区域发黑、发灰或发暗区域(例如，污泥区域或灰尘区域)会变得更加清晰明显，整体车牌图像的视觉效果更佳。
可以理解的是，根据公式(1)可知，目标车牌中间高度区域的像素对应的权重因子fac可以取到最小值，即目标车牌字体区域的像素对应的权重因子fac可以取到最小值，根据公式(4)可知当fac为最小值时，wt也为最小值，因此这种情况下暗帧图像在目标车牌图像的融合中所占的权重最大，这样得到的车牌图像，车牌字体会较为清晰，字体不会过粗。
根据公式(1)可知，目标车牌的上边缘区域或者下边缘区域的像素对应的权重因子fac可以取到最大值，根据公式(4)可知当fac为最大值时，wt也为最大值，因此这种情况下亮帧图像在目标车牌图像的融合中所占的权重最大，这样得到的车牌图像，车牌的上边缘区域和下边缘区域会更为清晰，铆钉区域的特征也会更为明显，而上边缘区域或者下边缘区域发黑、发灰或发暗区域(例如，污泥区域或灰尘区域)会变得更加清晰明显。
因此当暗帧图像在目标车牌字体区域的融合中所占的权重最大，亮帧图像在上边缘区域或者下边缘区域的融合中所占的权重最大时，融合后得到的车牌图像具有以下特征：车牌的上下边缘区域更加清晰，铆钉区域的特征更为明显，且车牌字体清晰且粗细适中，整体视觉效果更佳。
在一些实施例中，如图12所示，在目标车辆的车牌底色为绿色渐变色、黄色和黄绿色中的任一种时，上述按照车牌区域的不同位置对应的融合权重，对第一车牌区域图像和第二车牌区域图像进行融合，获得目标车牌图像之后，即S102之后，还可以对车牌区域做颜色校正处理，颜色校正处理可以包括以下步骤S103至S105。
S103、获得第一车牌区域图像和第二车牌区域图像之间的亮度比例。
其中，亮度比例为第一车牌区域图像的平均亮度和第二车牌区域图像的平均亮度之间的比值。
由于目标车辆的拍摄环境可以是光线充足的白天，也可能是光线暗淡的晚上，因此通过获得第一车牌区域图像和第二车牌区域图像之间的亮度比例，相当于获取了目标车辆的真实拍摄环境下的亮度情况。
S104、根据亮度比例，将目标车牌图像转换为对应的颜色的灰度图像。
由于RGB格式的图像数据量较多，后续进行处理，处理速度较慢，而灰度图像的数据量少，为了便于后续处理时提高处理速度。因此将RGB格式的目标车牌图像转换为对应颜色的灰度图像，从而可以提高图像处理速度，并且后续可以保证图像颜色可以得到优化处理。
在一些实施例中，在目标融合图像转换为灰度图像的过程中，将亮度比例乘以灰度参数，从而获得灰度图像。
可以理解的是，根据亮度比例，将目标车牌图像转换为对应的颜色的灰度图像，可以使得灰度图像具有目标车辆的真实拍摄环境下的图像亮度特征，这样可以使得车牌图像视觉效果更加符合真实拍摄环境下的图像。
S105、根据车牌底色，将灰度图像转换为车牌底色优化后的车牌优化图像。
可以理解的是，在目标车辆的车牌底色为绿色渐变色、黄色和黄绿色中的任一种时，由于车牌颜色较浅，因为在第一原始图像曝光或者过度曝光的情况下，会导致车牌颜色过浅或者车牌颜色消失的问题。因此本实施例中的方法，不仅可以恢复车牌的颜色特征，也可保证车牌的底色干净、字迹清晰，并且根据亮度比例，将灰度图像转换相应颜色的车牌图像，可以使得获得的目标车牌图像的亮度更加符合拍摄环境下的亮度情况，从而根据目标车牌图像，可以提高对目标车辆的识别准确率。
需要说明的是，图13所示的实施例是以步骤S103至S105在S102之后执行为例进行说明的。在另一些实施例中，上述步骤S103至S105可以不依赖于步骤S102而单独执行。
示例性的，如图13所示，该方法可以包括S301至S303。其中，步骤S301可以参考上述步骤S103的描述、步骤S302可以参考上述步骤S104的描述、步骤S303可以参考上述步骤S105的描述。
如图14所示，若在目标车辆的车牌底色为绿色渐变色时，获取目标车牌图像还可以包括如下步骤Sd1至Sd3。
Sd1、根据车牌底色，将灰度图像转换为绿牌图像。
Sd2、根据目标车辆的车牌高度，确定颜色渐变系数。
由于目标车辆的车牌底色为绿色渐变色，绿色对应颜色参数值随着目标车辆的车牌高度而改变，因此可以根据目标车辆的车牌高度，来确定绿色渐变色车牌对应颜色渐变系数。
Sd3、根据颜色渐变系数，将绿牌图像转换为车牌优化图像。
可以理解的是，由于目标车辆的车牌底色为绿色渐变色，因此可以通过先将灰度图像转换为绿牌图像，再根据颜色渐变系数，将绿牌图像转换为颜色优化后的绿色渐变色目标车牌图像，并且该方法可以依旧保证车牌的底色干净、字迹清晰，从而根据目标车牌图像，可以提高对目标车辆的识别准确率。
如图15所示,若在目标车辆的车牌底色为黄绿色时，获取目标车牌图像还可以包括如下步骤Se1至Se2。
Se1、根据目标车辆的车牌高度和宽度，确定颜色划分系数。
其中，颜色划分系数用于划分车牌中的黄色区域与绿色区域。
由于目标车辆的车牌底色为黄绿色，即黄色和绿色拼色的车牌。车牌中黄色区域与绿色区域的宽度和高度，与车牌的高度和宽度相关，因此需要根据目标车辆的车牌高度和宽度，来划分车牌中的黄色区域和绿色区域，即确定颜色划分系数。
例如，可以根据车牌中黄色区域与绿色区域面积比，确定颜色划分系数，或者按照黄绿牌的模板确定颜色划分系数。
Se2、根据颜色划分系数和车牌底色，将灰度图像转换为车牌优化图像。
可以理解的是，由于目标车辆的车牌底色为黄绿色，因此可以根据目标车辆的车牌高度和宽度，确定颜色划分系数，然后根据颜色划分系数和亮度比例，将灰度图像转换为颜色优化后的黄绿色目标车牌图像，并且该方法可以依旧保证车牌的底色干净、字迹清晰，从而根据目标车牌图像，可以提高对目标车辆的识别准确率。
如图16所示，在目标车辆的车牌底色为绿色渐变色、黄色和黄绿色中的任一种，且车牌颜色过浅或者车牌颜色近于消失的情况下，对车牌区域做颜色校正处理可以包括以下步骤S21至S27。
S21、获得目标车辆的车牌区域对应的亮帧图像和暗帧图像之间的平均亮度比例。
S22、获得亮帧图像和暗帧图像融合后的目标融合图像。
S23、将RGB格式目标融合图像转换为乘以亮度比例的灰度图像。
S24、判断车牌的颜色。
S25、在车牌颜色为绿色渐变色的情况下，将灰度图像转换为绿牌图像，根据目标车辆的车牌高度，确定颜色渐变系数，根据颜色渐变系数，将绿牌图像转换为颜色优化后的绿色渐变色的车牌优化图像。
S26、在车牌颜色为黄绿色的情况下，根据目标车辆的车牌高度和宽度，确定颜色划分系数，根据颜色划分系数和亮度比例，将灰度图像转换为颜色优化后的黄绿色的车牌优化图像。
S27、在车牌颜色为黄色的情况下，将灰度图像转换为颜色优化后的黄色的车牌优化图像。
可以理解的是，在目标车辆的车牌底色为绿色渐变色、黄色和黄绿色中的任一种时，由于车牌颜色较浅，因为在图像曝光或者过度曝光的情况下，会导致车牌颜色过浅或者车牌颜色消失的问题。因此本实施例中的颜色校正处理，不仅可以恢复车牌的颜色特征，也可保证车牌的底色干净、字迹清晰，从而根据目标车牌图像，可以提高对目标车辆的识别准确率。
在一些实施例中，步骤S105之后还可以执行步骤S401至S403。如图17中的(a)所示，若第一原始图像的曝光度小于或者等于预设曝光度，则获得车牌优化图像之后，可以包括以下步骤S401；如图17中的(b)所示，若第一原始图像的曝光度大于预设曝光度，则获得车牌优化图像之后，可以包括以下步骤S402。
S401、在第一原始图像的曝光度小于或者等于预设曝光度的情况下，将车牌优化图像与第一车辆图像的车牌区域进行融合，获得第一目标图像。
S402、在第一原始图像的曝光度大于预设曝光度的情况下，将车牌优化图像与第二车辆图像的车牌区域进行融合，获得第一目标图像。
在一些实施例中，如上述图17中的(a)和(b)所示，在获取第一目标图像之后，可以执行步骤S403。
S403、将第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像。
可以理解的是，在第一原始图像的曝光度小于或者等于预设曝光度的情况下，第一车辆图像中车辆的整体效果较好，因此将车牌优化图像与第一车辆图像中车牌区域进行融合。在第一原始图像的曝光度大于预设曝光度的情况下，第二车辆图像中车辆的整体效果较好，因此将车牌优化图像与第二车辆图像的车牌区域进行融合。再对融合后的图像进行边缘平滑处理，可以获得车牌字体清晰度优化后、车牌边缘清晰度优化后、车牌底色优化后且整体车身效果优秀的目标车辆图像，从而可以根据目标图像，提高对目标车辆的识别效果。
在一些实施例中，如图18所示，针对目标车辆，获取车牌字体清晰、车牌边缘清晰、且车辆整体清晰的目标车辆图像，还可以包括以下步骤S31至S36。
S31、针对目标车辆，获得经过图像处理后的车辆图像。
S32、获得目标车辆的车牌区域对应的亮帧图像和暗帧图像。
S33、按照车牌区域的不同位置对应的融合权重，对亮帧图像和暗帧图像进行融合处理，获得车牌字体清晰度优化后、车牌边缘清晰度优化后的目标车牌图像。
S34、对目标车牌图像进行颜色校正处理，获得颜色优化后的车牌优化图像。
S35、对车牌优化图像进行图像锐化处理，获得车牌增强图像。
S36、将车牌增强图像与上述车辆图像中的车牌区域进行融合，获取目标车辆图像。
可以理解的是，本实施例通过按照车牌区域的不同位置对应的融合权重，将目标车辆的车牌区域对应的亮帧图像和暗帧图像进行亮暗帧融合后，再对融合后的车牌图像做颜色校正处理，从而车牌字体清晰度优化后、车牌边缘清晰度优化后且颜色优化后的车牌图像，再将车牌图像进行图像锐化处理获得车牌增强图像，从而使得车牌图像视觉效果可以得到改观，细节特征更加明显，最后将车牌增强图像与车辆图像中的车牌区域进行融合，获取整体车辆效果优秀的目标车辆图像。并且在车辆图像存在过度曝光的情况下，依然可以对过曝图像进行处理，来获取车牌字体清晰度优化后、车牌边缘清晰度优化后、颜色优化后且车辆整体清晰的目标车辆图像。该方法获得的车辆图像更易于识别，且图像的视觉效果较好。
在采用硬件的形式实现上述集成的单元的功能的情况下，本申请实施例提供了一种电子设备的硬件组成示意图，如图19所示，该电子设备还包括：处理器301，通信接口302，总线304。可选的，电子设备还可以包括存储器303。
处理器301，可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。该处理器301可以是中央处理器，通用处理器，数字信号处理器，专用集成电路，现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
通信接口302，用于与其他设备通过通信网络连接。该通信网络可以是以太网，无线接入网，无线局域网(wireless local area networks，WLAN)等。
存储器303，可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
作为一种可能的实现方式，存储器303可以独立于处理器301存在，存储器303可以通过总线304与处理器301相连接，用于存储指令或者程序代码。处理器301调用并执行存储器303中存储的指令或程序代码时，能够实现本申请实施例提供的图像处理方法。
另一种可能的实现方式中，存储器303也可以和处理器301集成在一起。
总线304，可以是扩展工业标准结构(extended industry standardarchitecture，EISA)总线等。总线304可以分为地址总线、数据总线、控制总线等。为便于表示，图19中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将图像处理装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
本申请实施例还提供了一种计算机可读存储介质。上述方法实施例中的全部或者部分流程可以由计算机指令来指示相关的硬件完成，该程序可存储于上述计算机可读存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。计算机可读存储介质可以是前述任一实施例的或内存。上述计算机可读存储介质也可以是上述图像处理装置的外部存储设备，例如上述图像处理装置上配备的插接式硬盘，智能存储卡(smart media card，SMC)，安全数字(secure digital，SD)卡，闪存卡(flash card)等。进一步地，上述计算机可读存储介质还可以既包括上述图像处理装置的内部存储单元也包括外部存储设备。上述计算机可读存储介质用于存储上述计算机程序以及上述图像处理装置所需的其他程序和数据。上述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供一种计算机程序产品，该计算机产品包含计算机程序，当该计算机程序产品在计算机上运行时，使得该计算机执行上述实施例中所提供的图像处理方法。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(Comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (14)

1.一种图像处理方法，其特征在于，所述方法包括：
针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像；所述第一车牌区域图像中的亮度大于所述第二车辆区域图像的亮度；
按照车牌区域的不同位置对应的融合权重，对所述第一车牌区域图像和所述第二车牌区域图像进行融合，获得目标车牌图像。
2.根据权利要求1所述的方法，其特征在于，所述按照车牌区域的不同位置对应的融合权重，对所述第一车牌区域图像和所述第二车牌区域图像进行融合，获得目标车牌图像，包括：
按照所述车牌区域的边缘位置对应的融合权重，对所述第一车牌区域图像和所述第二车牌区域图像进行融合，获得边缘清晰的目标车牌图像；所述边缘位置对应的融合权重表示所述第一车牌区域图像的融合占比大于所述第二车牌区域图像的融合占比。
3.根据权利要求1或2所述的方法，其特征在于，所述按照车牌区域的不同位置对应的融合权重，对所述第一车牌区域图像和所述第二车牌区域图像进行融合，获得目标车牌图像，包括：
按照所述车牌区域的字体位置对应的融合权重，对所述第一车牌区域图像和所述第二车牌区域图像进行融合，获得字体清晰的目标车牌图像；所述字体位置对应的融合权重表示所述第一车牌区域图像的融合占比小于所述第二车牌区域图像的融合占比。
4.根据权利要求1所述的方法，其特征在于，按照车牌区域的不同位置对应的融合权重，对所述第一车牌区域图像和所述第二车牌区域图像进行融合，获得目标车牌图像，包括：
根据所述目标车辆的车牌高度，获得所述目标车牌图像的权重因子；所述权重因子表示所述目标车牌图像的像素值随所述车牌高度变化的程度；
分别对所述第一车牌区域图像和所述第二车牌区域图像进行滤波处理，获得第一滤波图像和第二滤波图像；
基于所述权重因子、所述第一滤波图像的图像红绿蓝RGB参数和所述第二滤波图像的图像RGB参数，确定用于图像融合的融合权重；
根据所述融合权重，将所述第一车牌区域图像和所述第二车牌区域图像进行融合，获得目标车牌图像。
5.根据权利要求4所述的方法，其特征在于，对所述第一车牌区域图像进行滤波处理，获得第一滤波图像，包括：
对所述第一车牌图像进行RGB最大值通道滤波，获得第一处理图像；所述RGB最大值通道滤波用于获得图像中RGB三种颜色通道中像素值最大的通道对应的第一处理图像；
对所述第一处理图像进行邻域最大值滤波处理，获得目标特征区域增强后的第一滤波图像，所述目标特征区域包括铆钉区域，所述邻域最大值滤波包括对所述第一处理图像中以预设值为半径的邻域内的像素值进行有序排列，以及利用排序后的最大像素值代替中心像素值的操作。
6.根据权利要求4所述的方法，其特征在于，对所述第二车牌区域图像进行滤波处理，获得第二滤波图像，包括：
对所述第二车牌图像进行RGB最大值通道滤波，获得第二处理图像；所述RGB最大值通道滤波用于获得图像中RGB三种颜色通道中像素值最大的通道对应的第二处理图像；
对所述第二处理图像进行邻域最大值滤波处理，获得第一最大值图像，所述邻域最大值滤波包括对所述第二处理图像中以预设值为半径的邻域内的像素值进行有序排列，以及利用排序后的最大像素值代替中心像素值的操作；
对所述第二处理图像进行以预设值为半径的预设邻域进行模糊滤波处理，获得预设邻域内像素平滑的第二最大值图像；
根据所述权重因子，将所述第一最大值图像和所述第二最大值图像进行融合，获得目标特征区域增强后的第二滤波图像。
7.根据权利要求1所述的方法，其特征在于，在所述目标车辆的车牌底色为绿色渐变色、黄色和黄绿色中的任一种时，还包括：
获得所述第一车牌区域图像和所述第二车牌区域图像之间的亮度比例；所述亮度比例为所述第一车牌区域图像的平均亮度和所述第二车牌区域图像的平均亮度之间的比值；
根据所述亮度比例，将所述目标车牌图像转换为对应颜色的灰度图像；
根据所述车牌底色，将所述灰度图像转换为车牌底色优化后的车牌优化图像。
8.根据权利要求7所述的方法，其特征在于，在所述目标车辆的车牌底色为绿色渐变色时，所述根据所述车牌底色，将所述灰度图像转换为车牌颜色优化后的车牌优化图像，包括：
根据所述车牌底色，将所述灰度图像转换为绿牌图像；
根据所述目标车辆的车牌高度，确定颜色渐变系数；
根据所述颜色渐变系数，将所述绿牌图像转换为车牌优化图像。
9.根据权利要求7所述的方法，其特征在于，在所述目标车辆的车牌底色为黄绿色的情况下，所述根据所述车牌底色，将所述灰度图像转换为车牌颜色优化后的车牌优化图像，包括：
根据所述目标车辆的车牌高度和宽度，确定颜色划分系数；
根据所述颜色划分系数和所述车牌底色，将所述灰度图像转换为车牌优化图像。
10.根据权利要求7所述的方法，其特征在于，所述针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像，包括：
针对目标车辆，获得所述目标车辆的第一原始图像；
在所述第一原始图像的曝光度小于或者等于预设曝光度的情况下，对所述第一原始图像进行不同的图像处理，获得亮度不同的所述第一车辆图像和所述第二车辆图像；
在所述第一原始图像的曝光度大于预设曝光度的情况下，获得所述目标车辆对应的曝光度小于或者等于预设曝光度的第二原始图像；所述第二原始图像的获得时间在所述第一原始图像获得时间之后，以及，所述第一原始图像为所述第一车辆图像，所述第二原始图像为所述第二车辆图像；
获取所述第一车辆图像中的所述第一车牌区域图像，以及所述第二车辆图像中的第二车牌区域图像。
11.根据权利要求10所述的方法，其特征在于，根据所述车牌底色，将所述灰度图像转换为车牌颜色优化后的车牌优化图像之后，包括：
在所述第一原始图像的曝光度小于或者等于预设曝光度的情况下，将所述车牌优化图像与所述第一车辆图像的车牌区域进行融合，获得第一目标图像；
将所述第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像；
在所述第一原始图像的曝光度大于预设曝光度的情况下，将所述车牌优化图像与所述第二车辆图像的车牌区域进行融合，获得第一目标图像；
将所述第一目标图像的车牌区域进行边缘平滑处理，获得目标车辆图像。
12.一种图像处理装置，其特征在于，所述装置包括：图像获取单元、图像融合单元；
所述图像获取单元，用于针对目标车辆的车牌区域，获得亮度不同的第一车牌区域图像和第二车牌区域图像；所述第一车牌区域图像中的亮度大于所述第二车辆区域图像的亮度；
所述图像融合单元，用于对所述第一车牌区域图像和所述第二车牌区域图像进行融合，获得不过度曝光的车牌字体清晰度和车牌边缘清晰度优化后的目标车牌图像。
13.一种电子设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机指令，所述处理器用于从存储器中调用并运行所述计算机指令，实现权利要求1-11任一项所述的图像处理方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括：计算机软件指令；当所述计算机软件指令在图像处理装置中运行时，使得所述图像处理装置实现如权利要求1-11任一项所述的图像处理方法。
CN202211711222.5A 2022-12-29 2022-12-29 一种图像处理方法、装置、电子设备及存储介质 Pending CN116311196A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211711222.5A CN116311196A (zh) 2022-12-29 2022-12-29 一种图像处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211711222.5A CN116311196A (zh) 2022-12-29 2022-12-29 一种图像处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116311196A true CN116311196A (zh) 2023-06-23

Family

ID=86785829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211711222.5A Pending CN116311196A (zh) 2022-12-29 2022-12-29 一种图像处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116311196A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116543378A (zh) * 2023-07-05 2023-08-04 杭州海康威视数字技术股份有限公司 一种图像识别方法、装置、电子设备及存储介质
CN117274155A (zh) * 2023-07-26 2023-12-22 苏州城市学院 一种焊缝射线图像中文本字符检测与提取方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116543378A (zh) * 2023-07-05 2023-08-04 杭州海康威视数字技术股份有限公司 一种图像识别方法、装置、电子设备及存储介质
CN116543378B (zh) * 2023-07-05 2023-09-29 杭州海康威视数字技术股份有限公司 一种图像识别方法、装置、电子设备及存储介质
CN117274155A (zh) * 2023-07-26 2023-12-22 苏州城市学院 一种焊缝射线图像中文本字符检测与提取方法及系统

Similar Documents

Publication Publication Date Title
CN116311196A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN104301621B (zh) 图像处理方法、装置及终端
EP2775719B1 (en) Image processing device, image pickup apparatus, and storage medium storing image processing program
CN109712102B (zh) 一种图像融合方法、装置及图像采集设备
EP2368226B1 (en) High dynamic range image combining
US8437539B2 (en) Image processing apparatus and image processing method
US20110268357A1 (en) Image processing apparatus, image processing method, and program
CN111784605B (zh) 一种基于区域指导的图像降噪方法、计算机装置及计算机可读存储介质
WO2020238970A1 (zh) 图像降噪装置及图像降噪方法
CN106454014B (zh) 一种提高逆光场景车辆抓拍图像质量的方法及装置
US20170163951A1 (en) Imaging apparatus and image processing method of thereof
CN111209775B (zh) 信号灯图像处理方法、装置、设备及存储介质
CN111784603A (zh) 一种raw域图像去噪方法、计算机装置及计算机可读存储介质
JP5020615B2 (ja) 画像処理装置及び撮像装置及び画像処理方法及びプログラム
CN111507930A (zh) 图像融合方法、装置、存储介质和计算机设备
CN113163127B (zh) 图像处理方法、装置、电子设备及存储介质
JP2007164737A (ja) 色識別方法
CN114866754A (zh) 自动白平衡方法、装置及计算机可读存储介质和电子设备
CN103379289A (zh) 摄像装置
CN112907497A (zh) 图像融合方法以及图像融合装置
JP4290965B2 (ja) デジタル画像の品質を改善する方法
CN111861893A (zh) 一种消除图像伪彩色边方法、系统、设备及计算机介质
CN116110035A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN112598609A (zh) 一种动态图像的处理方法及装置
CN105007473B (zh) 图像处理设备及其控制方法

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