CN116385306A - 图像处理方法装置、计算机设备、存储介质 - Google Patents
图像处理方法装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN116385306A CN116385306A CN202310385000.7A CN202310385000A CN116385306A CN 116385306 A CN116385306 A CN 116385306A CN 202310385000 A CN202310385000 A CN 202310385000A CN 116385306 A CN116385306 A CN 116385306A
- Authority
- CN
- China
- Prior art keywords
- image
- frequency domain
- frequency
- mixed
- visual
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000000007 visual effect Effects 0.000 claims abstract description 221
- 238000012545 processing Methods 0.000 claims abstract description 92
- 238000006243 chemical reaction Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000004590 computer program Methods 0.000 claims abstract description 42
- 238000001914 filtration Methods 0.000 claims abstract description 41
- 230000000875 corresponding effect Effects 0.000 claims description 128
- 230000006870 function Effects 0.000 claims description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 230000002596 correlated effect Effects 0.000 claims description 16
- 230000000763 evoking effect Effects 0.000 abstract description 20
- 210000004027 cell Anatomy 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000000638 stimulation Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 210000001525 retina Anatomy 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 208000003464 asthenopia Diseases 0.000 description 3
- 210000003050 axon Anatomy 0.000 description 3
- 230000004397 blinking Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000008062 neuronal firing Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 210000000608 photoreceptor cell Anatomy 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000008904 neural response Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 210000003994 retinal ganglion cell Anatomy 0.000 description 1
- 210000000239 visual pathway Anatomy 0.000 description 1
- 230000004400 visual pathway Effects 0.000 description 1
- 230000016776 visual perception Effects 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
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- 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处理方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：通过获取图像噪音，将原始图像与图像噪音进行叠加处理，得到混合图像；对混合图像进行频域转换处理，得到混合图像对应的频域图像；根据频域图像中各像素点的位置信息及目标视角，确定频域图像中各像素点对应的视觉空间频率；根据频域图像中各像素点对应的视觉空间频率，对频域图像进行滤波处理，得到滤波图像；对滤波图像进行空间域转换处理，得到目标图像。采用本方法，能够去除混合图像中人眼不敏感的视觉空间频率对人眼的干扰，提高人眼识别目标图像的速度，从而提高采集到的视觉诱发电位信号的准确度。
Description
技术领域
本发明涉及脑电信号处理技术领域，尤其是一种图像处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着脑电信号处理技术的发展，出现了脑机接口(brain-computer interface，BCI)，脑机接口能够将大脑的活动信息转换或者识别为外部设备控制命令，为人和外部设备实现简单便捷的信息交互提供了可能。由于人眼是大脑感受外部世界最重要的感觉信息输入，并且人眼对刺激模式(如空间方位，颜色亮度等)非常敏感，因此，将视觉诱发电位(visual evoked potential,VEP)应用于脑机接口系统中。
现有技术中，采用基于对比度高的强闪烁刺激图像，如黑白刺激闪烁来获取视觉诱发电位信号，或者采用将对比度低的刺激图像直接叠加视觉噪音得到混合图像，基于闪烁的混合图像刺激获取视觉诱发电位信号。
然而，目前的对比度高的强闪烁刺激图像在长时间使用时，用户容易产生视觉疲劳，从而导致后续获取视觉诱发电位信号较弱；目前的用于与对比度低的刺激图像进行叠加的视觉噪音为全频带噪音，由于人眼对空间频率的敏感程度不同，因此，混合图像会使人眼视觉细胞需要对噪音图像中不敏感范围的空间频率进行进一步识别处理，从而导致后续采集到的视觉诱发电位信号不准确。
发明内容
本发明实施例所要解决的一个技术问题为生成能够提高采集到的视觉诱发电位信号准确度的图像。
第一方面，本申请提供了一种图像处理方法。所述方法包括：
获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像；
对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；
根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；
根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；
对所述滤波图像进行空间域转换处理，得到目标图像。
在其中一个实施例中，所述方法还包括：
获取人眼至所述混合图像的距离；
根据人眼至所述混合图像的距离及所述混合图像的宽度，确定所述目标视角，其中，所述目标视角与所述人眼至所述混合图像的距离正相关，所述目标视角与所述混合图像的宽度负相关。
在其中一个实施例中，所述根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率，包括：
获取所述混合图像的尺寸信息和所述混合图像中各像素点在所述频域图像中的对应的坐标信息；
基于所述混合图像的尺寸信息、所述混合图像中各像素点在所述频域图像中的坐标信息和所述目标视角，确定所述频域图像中各像素点对应的视觉空间频率。
在其中一个实施例中，所述根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像，包括：
获取截止频率，并根据所述截止频率、所述频域图像中各像素点对应的视觉空间频率和目标视角，构建滤波器函数；
基于所述滤波器函数及所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像。
在其中一个实施例中，所述获取截止频率，包括：
获取视觉空间频率阈值；
基于所述目标视角和所述视觉空间频率阈值，确定截止频率。
在其中一个实施例中，所述获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像，包括：
获取图像噪音点半径、图像噪声点灰度值及图像噪音点分布规则；
基于所述图像噪音点半径、所述图像噪音点灰度值和所述图像噪音点分布规则，通过图像噪音生成算法，生成包含多个图像噪音点的图像噪音；
将所述图像噪音叠加至原始图像上，得到混合图像。
在其中一个实施例中，所述对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像，包括：
对所述混合图像进行傅里叶变换处理，得到所述混合图像对应的频域图像；
所述对所述滤波图像进行空间域转换处理，得到目标图像，包括：
对所述滤波图像进行傅里叶逆变换处理，得到所述滤波图像对应的空间域图像，将所述空间域图像作为目标图像。
第二方面，本申请还提供了一种图像处理装置。所述装置包括：
第一获取模块，用于将原始图像与所述图像噪音进行叠加处理，得到混合图像；
第一转换模块，用于对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像。
第一确定模块，用于根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率。
滤波模块，用于根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像。
第二转换模块，用于对所述滤波图像进行空间域转换处理，得到目标图像。
在其中一个实施例中，所述装置还包括：
第二获取模块，用于获取人眼至所述混合图像的距离；
第二确定模块，用于根据人眼至所述混合图像的距离及所述混合图像的宽度，确定所述目标视角，其中，所述目标视角与所述人眼至所述混合图像的距离正相关，所述目标视角与所述混合图像的宽度负相关。
在其中一个实施例中，所述第一确定模块具体用于：
获取所述混合图像的尺寸信息和所述混合图像中各像素点在所述频域图像中的对应的坐标信息；
基于所述混合图像的尺寸信息、所述混合图像中各像素点在所述频域图像中的坐标信息和所述目标视角，确定所述频域图像中各像素点对应的视觉空间频率。
在其中一个实施例中，所述滤波模块具体用于：
获取截止频率，并根据所述截止频率、所述频域图像中各像素点对应的视觉空间频率和目标视角，构建滤波器函数；
基于所述滤波器函数及所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像。
在其中一个实施例中，所述滤波模块具体用于：
获取视觉空间频率阈值；
基于所述目标视角和所述视觉空间频率阈值，确定截止频率。
在其中一个实施例中，所述第一获取模块具体用于：
获取图像噪音点半径、图像噪声点灰度值及图像噪音点分布规则；
基于所述图像噪音点半径、所述图像噪音点灰度值和所述图像噪音点分布规则，通过图像噪音生成算法，生成包含多个图像噪音点的图像噪音；
将所述图像噪音叠加至原始图像上，得到混合图像。
在其中一个实施例中，所述第一转换模块具体用于：
对所述混合图像进行傅里叶变换处理，得到所述混合图像对应的频域图像。
所述第二转换模块具体用于：
对所述滤波图像进行傅里叶逆变换处理，得到所述滤波图像对应的空间域图像，将所述空间域图像作为目标图像。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像；
对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；
根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；
根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；
对所述滤波图像进行空间域转换处理，得到目标图像。
第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像；
对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；
根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；
根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；
对所述滤波图像进行空间域转换处理，得到目标图像。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像；
对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；
根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；
根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；
对所述滤波图像进行空间域转换处理，得到目标图像。
上述图像处理方法、装置、计算机设备、存储介质和计算机程序产品，通过获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像；对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；对所述滤波图像进行空间域转换处理，得到目标图像。由于将图像噪音叠加至原始图像中，能够通过图像噪音增强神经元放电的同步性来促进信息在轴突的传递。并且根据频域图像中各像素点对应的视觉空间频率，滤除人眼视觉细胞不敏感频率范围的混合图像的图像空间频率，能够去除混合图像中人眼不敏感的视觉空间频率对人眼的干扰，提高人眼识别目标图像的速度，从而提高采集到的视觉诱发电位信号的准确度。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1为一个实施例中图像处理方法的流程示意图；
图2为一个实施例中确定目标视角的示意图；
图3为一个实施例中确定目标视角的流程示意图；
图4为一个实施例中确定频域图像中各像素点对应的视觉空间频率的流程示意图；
图5为一个实施例中对频域图像进行滤波处理的流程示意图；
图6为另一个实施例中图像处理方法的流程示意图；
图7为另一个实施例中图像处理方法的流程示意图；
图8为一个实施例中确定截止频率的流程示意图；
图9为一个实施例中得到混合图像的流程示意图；
图10为一个实施例中图像处理装置的结构框图；
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
脑机接口(BCI，brain-computer interface)是在人或者动物大脑与外部设备之间建立的连接通路。脑机接口作为一种可以将大脑的活动信息转换或者识别为外部设备控制命令，为人和外部设备实现简单便捷的信息交互提供了可能。视觉诱发电位(visualevoked potential,VEP)是大脑皮层及其视觉通路被外界刺激激活而产生的诱发响应。由于人眼是大脑观察和感受外部世界最基本也是最重要的感觉信息输入，并且它对刺激模式(如空间方位，颜色亮度等)非常敏感，因此最先应用于脑机接口系统中。
基于视觉诱发电位的脑机接口系统主要包括视觉刺激，脑电信号采集，信号处理，设备控制四大模块。具体步骤可归纳为：1)用户通过视觉刺激闪烁诱发产生VEP信号；2)电极帽和脑电放大器等采集设备对用户头部产生的脑电信号进行采集；3)对采集的脑电信号进行预处理，特征提取，分类等步骤；4)将分类后对应的命令输入到外部设备对其进行控制；5)将对外部设备的控制结果反馈给用户。由此可见，在视觉BCI系统中，用于诱发VEP的视觉刺激是首要环节。合适的视觉刺激不仅能够保证视觉BCI系统在使用过程中的高性能，也能够保证用户对视觉BCI系统的长期使用。
在视觉BCI系统中，用户与显示器上的一个或则多个目标进行交互时，使该视觉刺激目标以某一闪烁频率进行闪烁，进而刺激神经响应和信号，该信号通过反应该对象的闪烁频率的特性来进行区分，从而建立关注对象闪烁频率和神经信号的对应关系。然而，目前的对比度高的强闪烁刺激图像在长时间使用时，用户容易产生视觉疲劳，从而导致后续获取视觉诱发电位信号较弱；目前的用于与对比度低的刺激图像进行叠加的视觉噪音为全频带噪音，由于人眼对空间频率的敏感程度不同，因此，混合图像会使人眼视觉细胞需要对噪音图像中不敏感范围的空间频率进行进一步识别处理，从而导致后续采集到的视觉诱发电位信号不准确，因此，本方案提出一种基于人眼视觉空间频率的图像处理方法，生成能够提高采集到的视觉诱发电位信号准确度的图像。
在一个实施例中，如图1所示，提供了一种图像处理方法，本实施例以该方法应用于计算机系统进行举例说明。本实施例中，该方法包括以下步骤：
步骤102，获取图像噪音，将原始图像与图像噪音进行叠加处理，得到混合图像。
其中，原始图像为视觉BCI系统中，用于对用户进行视觉刺激，从而使用户产生视觉诱发电位信号的图片，原始图像的图像格式可以为任意格式，例如，JPEG格式。本申请实施例对原始图像的图像格式和图像内容不做限定。
本申请实施例中，计算机系统通过图像噪音生成算法，生成图像噪音。然后，计算机系统可以将原始图像和图像噪音进行叠加处理，得到包含了原始图像和图像噪音点的混合图像。其中，本公开实施例中不对用于生成图像噪音的方式做具体限定。
步骤104，对混合图像进行频域转换处理，得到混合图像对应的频域图像。
其中，图像的空间域为二维平面坐标系，空间域图像具有两个正交的轴即x轴和y轴。某一像素点在空间域上的幅值就是该像素点对应的灰度值，空间域图像上某一像素点的灰度值是该像素点在x轴和y轴方向上灰度的叠加值。分别以x轴、y轴坐标为横坐标，对应的灰度值为纵坐标，能够得到两个函数，即灰度-x函数和灰度-y函数，用于表示空间域图像在x轴和y轴方向上的灰度值变化情况；图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。将空间域图像变换为频域图像，将灰度-x函数变换为振幅-u函数、灰度-y函数变换为振幅-v函数，从而得到空间域图像对应的频域图像。
本申请实施例中，计算机系统将混合图像由空间域图像转换为频域图像，得到混合图像对应的频域图像。对于频域转换处理的方法，任一能够实现频域转换处理的方法均可应用于本申请中，本公开实施例中不对频域转换处理的方式做具体限定。
步骤106，根据频域图像中各像素点的位置信息及目标视角，确定频域图像中各像素点对应的视觉空间频率。
其中，目标视角为人眼观察混合图像的视角角度，视觉空间频率指的是每度视角内图像或刺激图形的亮暗作正弦调制的光栅条纹周期数，单位是周/度(cycle/degree)。单位视角内光栅条纹周期数越大表示空间频率越高。任何一种图片均可以由不同强度的不同空间频率的明暗条纹叠加而成。人眼视觉信息加工系统对不同空间频率的明暗条纹的敏感性不同。视网膜神经节细胞对空间频率的反应类似于带宽滤波器，反应强烈程度随着刺激条纹空间频率的增加而降低。即人眼视网膜细胞感受野可看作人眼的空间滤波器，过滤人眼不敏感的空间频率成分，保留人眼敏感的空间频率成分。
本申请实施例中，计算机系统获取人眼观察混合图像的目标视角，并确定频域图像中各像素点的位置信息，进而根据频域图像中各像素点的位置信息及目标视角，计算频域图像中各像素点对应的视觉空间频率。
其中，频域图像中各像素点的位置信息为该频域图像对应的原空间域图像中每一像素点的x轴和y轴坐标信息。对于频域图像中各像素点的位置信息的确定方法，任一具备根据像素图像得到图像中每一像素点的x轴和y轴坐标信息的方法均可应用于本申请中，本申请实施例对此不做限定。
步骤108，根据频域图像中各像素点对应的视觉空间频率，对频域图像进行滤波处理，得到滤波图像。
本申请实施例中，计算机系统基于频域图像中各像素点对应的视觉空间频率，通过滤波器函数对频域图像中每一像素点对应的视觉空间频率进行滤波处理，得到对比度降低且与人眼感知的视觉空间频率相关的滤波图像。
步骤110，对滤波图像进行空间域转换处理，得到目标图像。
本申请实施例中，计算机系统将滤波图像由频域图像转换为空间域图像，将该空间域图像作为目标图像。
上述图像处理方法中，通过获取图像噪音，将原始图像与图像噪音进行叠加处理，得到混合图像；对混合图像进行频域转换处理，得到混合图像对应的频域图像；根据频域图像中各像素点的位置信息及目标视角，确定频域图像中各像素点对应的视觉空间频率；根据频域图像中各像素点对应的视觉空间频率，对频域图像进行滤波处理，得到滤波图像；对滤波图像进行空间域转换处理，得到目标图像。由于将图像噪音叠加至原始图像中，能够通过图像噪音增强神经元放电的同步性来促进信息在轴突的传递。并且根据频域图像中各像素点对应的视觉空间频率，滤除人眼视觉细胞不敏感频率范围的混合图像的图像空间频率，能够去除混合图像中人眼不敏感的视觉空间频率对人眼的干扰，提高人眼识别目标图像的速度，从而提高采集到的视觉诱发电位信号的准确度。
在一个实施例中，如图3所示，上述方法还包括：
步骤302，获取人眼至混合图像的距离。
本申请实施例中，计算机系统可以获取人眼至混合图像的距离。示例性的，计算机系统可以基于红外测距和雷达测距等测距方式实时获取得到人眼至混合图像的距离；还可以通过技术人员预先对人眼至混合图像的距离进行测量，将该距离存储至计算机系统中，任一能够获取物体之间距离的方法均可应用于本申请中，本申请实施例对此不做限定。
步骤304，根据人眼至混合图像的距离及混合图像的宽度，确定目标视角。
其中，目标视角与人眼至混合图像的距离正相关，目标视角与混合图像的宽度负相关。
本申请实施例中，在测试场景为固定场景的情况下(即用户长时间处于静止状态，例如用户坐在测试点位观察目标图像)，在采集用户视觉诱发电位信号时，可以获取人眼至混合图像的距离的水平方向的距离，如图2所示，该距离不会受到用户身高的影响，为固定距离。
可选地，在测试场景为运动场景的情况下(即用户或用于展示目标图像的显示装置处于运动状态，例如用户以均匀速度行走，同时观察目标图像)，在采集用户视觉诱发电位信号时，可以获取人眼至混合图像的水平距离。计算机系统可以基于预设算法获取混合图像的宽度，根据混合图像的空间宽度和人眼与混合图像之间的距离，计算得到目标视角。目标视角的计算方法可以参考公式(1)，具体计算过程如下：
其中，α表示目标视角；R表示人眼与混合图像之间的距离；D表示混合图像的空间宽度，关于目标视角的获取方法，任一能够计算得到人眼观察混合图像的目标视角的方法均可应用于本申请中，本申请实施例对此不做限定。
本实施例中，通过人眼与混合图像之间的距离、混合图像的宽度能够确定目标视角，便于后续实现基于目标视角计算频域图像中各像素点对应的视觉空间频率和滤波器函数的构建。
在一个实施例中，如图4所示，步骤106包括：
步骤402，获取混合图像的尺寸信息和混合图像中各像素点在频域图像中的对应的坐标信息。
本申请实施例中，计算机系统通过可以基于图像尺寸获取算法获取混合图像的像素尺寸信息；计算机系统还可以获取由技术人员输入的混合图像的像素尺寸信息。然后，计算机系统根据混合图像的像素尺寸信息，建立二维平面坐标系，从而获取混合图像中各像素点在频域图像中的对应的坐标信息。
其中，对于图像尺寸获取算法，任一具有图像尺寸获取功能的算法均可应用于本申请中，本申请实施例对此不做限定。
步骤404，基于混合图像的尺寸信息、混合图像中各像素点在频域图像中的坐标信息和目标视角，确定频域图像中各像素点对应的视觉空间频率。
本申请实施例中，计算机系统根据频域图像中各像素点的位置信息及目标视角，计算频域图像中各像素点对应的视觉空间频率，计算频域图像中各像素点对应的视觉空间频率的计算方法可以参考公式(2)和公式(3)，具体计算过程如下：
其中，(u，v)表示频域图像中原位置为(u，v)的像素点；(u’，v’)表示频域图像进行中心变换后(u，v)所对应的新位置信息；f表示原位置为(u，v)点的像素点在频域图像中对应的视觉空间频率，α表示目标视角；m表示混合图像的像素长度为m；n表示混合图像的像素宽度为n。
本实施例中，能够基于混合图像的尺寸信息、混合图像中各像素点在频域图像中的坐标信息和目标视角，计算出频域图像中各像素点对应的视觉空间频率，便于后续通过滤波器函数对频域图像进行滤波处理，从而得到低对比度且与频域图像中各像素点对应的视觉空间频率相关的目标图像。
在一个实施例中，如图5所示，步骤108包括：
步骤502，获取截止频率，并根据截止频率、频域图像中各像素点对应的视觉空间频率和目标视角，构建滤波器函数。
其中，人眼作为一种理想的图像传感器，是人体接收外界信息的重要通道。人眼视觉特性是视觉BCI系统的性能评价基础。视觉BCI系统中闪烁刺激的设计，必须与人眼的视觉特性相匹配，才能产生好的视觉呈现效果和系统性能。
根据人眼视觉系统多通道理论，人眼视觉系统中存在多个频率通道，不同的空间频率通道有不同的性质，调制不同的空间频率范围。如外界视觉刺激进入人眼感知系统首先是通过视网膜的感光细胞加工的。人眼的感光细胞分为两种：视锥细胞和视杆细胞。从空间频率信息的加工上看，视锥细胞和视杆细胞分别对不同空间频率信息敏感：视锥细胞对高空间频率的信息加工敏感，视杆细胞对低空间频率信息敏感。由于视锥细胞主要集中在视网膜的中央凹区域(中央视野)，视杆细胞主要集中在视网膜外围区域(周围视野)，这就造成空间频率信息的加工和视觉信息的视野位置之间存在交互作用，即视觉刺激由于其所处的空间位置不同而投射到视网膜不同的视野区域。这表明，在视觉刺激图片投射在视网膜视野的位置固定的情况下，可以通过调节图片的空间频率，从而使图片信息通过特定的视野得到加工。其中，截止频率作为判断人眼视觉感知锐度的指标。
本申请实施例中，计算机系统获取与人眼视觉空间频率相关的预先计算的截止频率，并根据截止频率、频域图像中各像素点对应的视觉空间频率和目标视角，构建滤波器函数。滤波器函数可以为任一滤波器传递函数，本申请对此不做限定。本申请实施例中的滤波器函数以巴特沃斯滤波器传递函数进行举例，滤波器函数计算过程参照公式(4)和公式(5)，具体计算过程如下：
D(u，v)＝α*f 公式(4)
其中，D(u，v)表示滤波器函数的通频带边缘频率；α表示目标视角；f表示频域图像中各像素点对应的视觉空间频率；H表示滤波器函数，H(u，v)表示滤波器函数对频域图像中原位置为(u，v)的像素点进行滤波；D0表示截止频率；n表示滤波器阶数，对于滤波器、滤波器阶数的选择，可以由本领域技术人员根据实际应用情况确定，本申请实施例对滤波器种类、滤波器阶数不做限定。
步骤504，基于滤波器函数及频域图像中各像素点对应的视觉空间频率，对频域图像进行滤波处理，得到滤波图像。
本申请实施例中，如图6和图7所示，计算机系统基于滤波器函数，将频域图像中每一像素点对应的视觉空间频率进行滤波处理，得到每一像素点对应的视觉空间频率经过滤波处理后的频域图像，作为滤波图像。
本实施例中，通过滤波器函数对频域图像进行滤波，能够将低频成分滤除而通过高频成分，并能够通过滤波器函数根据各像素与周围像素的差值来提升该像素的亮度，从而使混合图像的对比度降低。由于低对比度的目标图像，不易引起视觉疲劳，适合长时间使用。当人眼将注意力集中在目标图像时，目标图像因保留高频信息从而优先通过中央视野得到加工，进而有利于目标刺激的识别。并且，根据人眼视觉系统的频率多通道视觉特性，将原始图片经过傅里叶变换，从空间域转换到频率域，然后通过滤波器传递函数修改频率以达到图片保留的频率分量和人眼视觉系统的频率加工特性相匹配的效果，能够去除混合图像中人眼不敏感的视觉空间频率对人眼的干扰，提高了人眼识别目标图像的速度。
在一个实施例中，如图8所示，步骤502包括：
步骤802，获取视觉空间频率阈值。
本申请实施例中，计算机系统获取视觉空间频率阈值，在一种实现方式中，计算机系统获取技术人员预设的视觉空间频率阈值。在另一种实现方式中，计算机系统可以基于环境光情况、以及用户视觉情况等因素进行计算得到视觉空间频率阈值。本申请实施例对于视觉空间频率阈值的获取方式不做限定。
步骤804，基于目标视角和视觉空间频率阈值，确定截止频率。
本申请实施例中，计算机系统根据目标视角和视觉空间频率阈值进行乘法运算，得到截止频率。截止频率的计算方法可以参考公式(6)至公式(9)，具体计算过程如下：
D0＝α*f0 公式(9)
其中，N表示目标视角α内图像光栅条纹周期数；D表示混合图像的宽度；r表示光栅条纹所占像素的个数；d表示混合图像中单位像素所占空间的宽度；α表示目标视角；f表示视觉空间频率；f1表示图像空间频率，图像空间频率指的是单位空间距离内光栅周期变化的次数；D0表示截止频率；f0表示视觉空间频率阈值。
其中，图像空间频率是图像的灰度值变化剧烈程度的指标，反映的是图片的灰度基于像素的变化率。低频信息就是指灰度值变化频率慢的信息，一般集中在图像的背景区域。高频信息指的是灰度变化频率快的信息，对应图像里的边缘、细节等信息，一般集中在图像中物体和背景交接的地方。
本实施例中，通过目标视角和视觉空间频率阈值，能够计算得到截止频率，便于实现后续对滤波器函数的构建。
在一个实施例中，如图9所示，步骤102包括：
步骤902，获取图像噪音点半径、图像噪声点灰度值及图像噪音点分布规则。
本申请实施例中，在一种实现方式中，计算机系统可以预先存储有预设的图像噪音点半径、图像噪声点灰度值及图像噪音点分布规则。在另一种实现方式中，计算机系统可以预先存储有本技术人员根据研发需求计算得出的图像噪音点半径、图像噪声点灰度值以及与具体使用情况相关的图像噪音点分布规则。
步骤904，基于图像噪音点半径、图像噪音点灰度值和图像噪音点分布规则，通过图像噪音生成算法，生成包含多个图像噪音点的图像噪音。
其中，图像噪音点的半径远小于原始图像中主体元素所占像素的大小。
本申请实施例中，计算机系统基于图像噪音点半径、图像噪音点灰度值和图像噪音点分布规则，通过图像噪音生成算法，生成包含多个图像噪音点的图像噪音。
其中，对于图像噪音生成算法，任一具有根据图像噪音点半径、图像噪音点灰度值和图像噪音点分布规则生成图像噪音点的算法均可应用于本申请实施例中，例如，MATLAB软件中的噪音生成算法，生成半径为不大于5像素的圆形图像噪音点，并且各图像噪音点的分布符合高斯分布，本申请对此不做限定。
步骤906，将图像噪音叠加至原始图像上，得到混合图像。
本申请实施例中，计算机系统将原始图像和图像噪音进行叠加处理，得到包含了原始图像和图像噪音点的混合图像。示例性的，计算机系统可以将每一图像噪音点逐个叠加至原始图像中，计算机系统还可以将全部图像噪音点一次性叠加至原始图像。并且，计算机系统可以基于图像叠加策略，将图像噪音叠加至原始图像。
其中，图像叠加策略可以包括正片叠底、颜色减淡、线性加深等图像叠加算法，任一能够实现图像叠加功的算法均可应用于本申请中，本申请实施例对此不做限定。
本实施例中，由于图像噪音点所占像素和原始图像中的主体元素图像相比非常小，因此在滤波处理之后，能够将图像噪音点所占像素与周围背景像素亮度取平均值而使图像噪音点相对模糊，从而在目标图像作为刺激图片闪烁时不影响刺激图片中主体元素的识别。
在一个实施例中，步骤104包括：
对混合图像进行傅里叶变换处理，得到混合图像对应的频域图像。
本申请实施例中，计算机系统通过调用傅里叶变换算法，将混合图像进行傅里叶变换处理，将空间域图像转换为混合图像对应的频域图像。
步骤110包括：
对滤波图像进行傅里叶逆变换处理，得到滤波图像对应的空间域图像，将空间域图像作为目标图像。
本申请实施例中，计算机系统通过调用傅里叶变换算法，将滤波图像进行傅里叶逆变换处理，将频域图像转换为空间域图像，将该空间域图像作为目标图像。
本实施例中，通过傅里叶变换算法能够将图像进行空间域和频域的互相转换，在混合图像转换为频域图像后，便于后续实现对频域图像进行滤波处理。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的图像处理方法的图像处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个图像处理装置实施例中的具体限定可以参见上文中对于图像处理方法的限定，在此不再赘述。
在一个实施例中，如图10所示，提供了一种图像处理装置1000，包括：第一获取模块1002、第一转换模块1004、第一确定模块1006、滤波模块1008和第二转换模块1010，其中：
第一获取模块1002，用于将原始图像与所述图像噪音进行叠加处理，得到混合图像；
第一转换模块1004，用于对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像。
第一确定模块1006，用于根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率。
滤波模块1008，用于根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像。
第二转换模块1010，用于对所述滤波图像进行空间域转换处理，得到目标图像。
采用本公开实施例提供的图像处理装置，可以通过获取图像噪音，将原始图像与图像噪音进行叠加处理，得到混合图像；对混合图像进行频域转换处理，得到混合图像对应的频域图像；根据频域图像中各像素点的位置信息及目标视角，确定频域图像中各像素点对应的视觉空间频率；根据频域图像中各像素点对应的视觉空间频率，对频域图像进行滤波处理，得到滤波图像；对滤波图像进行空间域转换处理，得到目标图像。由于将图像噪音叠加至原始图像中，能够通过图像噪音增强神经元放电的同步性来促进信息在轴突的传递。并且根据频域图像中各像素点对应的视觉空间频率，滤除人眼视觉细胞不敏感频率范围的混合图像的图像空间频率，能够去除混合图像中人眼不敏感的视觉空间频率对人眼的干扰，提高人眼识别目标图像的速度，从而提高采集到的视觉诱发电位信号的准确度。
在一个实施例中，上述装置还包括：
第二获取模块，用于获取人眼至所述混合图像的距离；
第二确定模块，用于根据人眼至所述混合图像的距离及所述混合图像的宽度，确定所述目标视角，其中，所述目标视角与所述人眼至所述混合图像的距离正相关，所述目标视角与所述混合图像的宽度负相关。
在一个实施例中，第一确定模块1006具体用于：
获取所述混合图像的尺寸信息和所述混合图像中各像素点在所述频域图像中的对应的坐标信息；
基于所述混合图像的尺寸信息、所述混合图像中各像素点在所述频域图像中的坐标信息和所述目标视角，确定所述频域图像中各像素点对应的视觉空间频率。
在一个实施例中，滤波模块1008具体用于：
获取截止频率，并根据所述截止频率、所述频域图像中各像素点对应的视觉空间频率和目标视角，构建滤波器函数；
基于所述滤波器函数及所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像。
在一个实施例中，滤波模块1008具体用于：
获取视觉空间频率阈值；
基于所述目标视角和所述视觉空间频率阈值，确定截止频率。
在一个实施例中，第一获取模块1002具体用于：
获取图像噪音点半径、图像噪声点灰度值及图像噪音点分布规则；
基于所述图像噪音点半径、所述图像噪音点灰度值和所述图像噪音点分布规则，通过图像噪音生成算法，生成包含多个图像噪音点的图像噪音；
将所述图像噪音叠加至原始图像上，得到混合图像。
在一个实施例中，第一转换模块1004具体用于：
对所述混合图像进行傅里叶变换处理，得到所述混合图像对应的频域图像。
第二转换模块1010具体用于：
对所述滤波图像进行傅里叶逆变换处理，得到所述滤波图像对应的空间域图像，将所述空间域图像作为目标图像。
上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像处理方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像；
对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；
根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；
根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；
对所述滤波图像进行空间域转换处理，得到目标图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取人眼至所述混合图像的距离；
根据人眼至所述混合图像的距离及所述混合图像的宽度，确定所述目标视角，其中，所述目标视角与所述人眼至所述混合图像的距离正相关，所述目标视角与所述混合图像的宽度负相关。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取所述混合图像的尺寸信息和所述混合图像中各像素点在所述频域图像中的对应的坐标信息；
基于所述混合图像的尺寸信息、所述混合图像中各像素点在所述频域图像中的坐标信息和所述目标视角，确定所述频域图像中各像素点对应的视觉空间频率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取截止频率，并根据所述截止频率、所述频域图像中各像素点对应的视觉空间频率和目标视角，构建滤波器函数；
基于所述滤波器函数及所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取视觉空间频率阈值；
基于所述目标视角和所述视觉空间频率阈值，确定截止频率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取图像噪音点半径、图像噪声点灰度值及图像噪音点分布规则；
基于所述图像噪音点半径、所述图像噪音点灰度值和所述图像噪音点分布规则，通过图像噪音生成算法，生成包含多个图像噪音点的图像噪音；
将所述图像噪音叠加至原始图像上，得到混合图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对所述混合图像进行傅里叶变换处理，得到所述混合图像对应的频域图像；
所述对所述滤波图像进行空间域转换处理，得到目标图像，包括：
对所述滤波图像进行傅里叶逆变换处理，得到所述滤波图像对应的空间域图像，将所述空间域图像作为目标图像。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像；
对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；
根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；
根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；
对所述滤波图像进行空间域转换处理，得到目标图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取人眼至所述混合图像的距离；
根据人眼至所述混合图像的距离及所述混合图像的宽度，确定所述目标视角，其中，所述目标视角与所述人眼至所述混合图像的距离正相关，所述目标视角与所述混合图像的宽度负相关。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取所述混合图像的尺寸信息和所述混合图像中各像素点在所述频域图像中的对应的坐标信息；
基于所述混合图像的尺寸信息、所述混合图像中各像素点在所述频域图像中的坐标信息和所述目标视角，确定所述频域图像中各像素点对应的视觉空间频率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取截止频率，并根据所述截止频率、所述频域图像中各像素点对应的视觉空间频率和目标视角，构建滤波器函数；
基于所述滤波器函数及所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取视觉空间频率阈值；
基于所述目标视角和所述视觉空间频率阈值，确定截止频率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取图像噪音点半径、图像噪声点灰度值及图像噪音点分布规则；
基于所述图像噪音点半径、所述图像噪音点灰度值和所述图像噪音点分布规则，通过图像噪音生成算法，生成包含多个图像噪音点的图像噪音；
将所述图像噪音叠加至原始图像上，得到混合图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对所述混合图像进行傅里叶变换处理，得到所述混合图像对应的频域图像；
所述对所述滤波图像进行空间域转换处理，得到目标图像，包括：
对所述滤波图像进行傅里叶逆变换处理，得到所述滤波图像对应的空间域图像，将所述空间域图像作为目标图像。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像；
对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；
根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；
根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；
对所述滤波图像进行空间域转换处理，得到目标图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取人眼至所述混合图像的距离；
根据人眼至所述混合图像的距离及所述混合图像的宽度，确定所述目标视角，其中，所述目标视角与所述人眼至所述混合图像的距离正相关，所述目标视角与所述混合图像的宽度负相关。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取所述混合图像的尺寸信息和所述混合图像中各像素点在所述频域图像中的对应的坐标信息；
基于所述混合图像的尺寸信息、所述混合图像中各像素点在所述频域图像中的坐标信息和所述目标视角，确定所述频域图像中各像素点对应的视觉空间频率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取截止频率，并根据所述截止频率、所述频域图像中各像素点对应的视觉空间频率和目标视角，构建滤波器函数；
基于所述滤波器函数及所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取视觉空间频率阈值；
基于所述目标视角和所述视觉空间频率阈值，确定截止频率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取图像噪音点半径、图像噪声点灰度值及图像噪音点分布规则；
基于所述图像噪音点半径、所述图像噪音点灰度值和所述图像噪音点分布规则，通过图像噪音生成算法，生成包含多个图像噪音点的图像噪音；
将所述图像噪音叠加至原始图像上，得到混合图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对所述混合图像进行傅里叶变换处理，得到所述混合图像对应的频域图像；
所述对所述滤波图像进行空间域转换处理，得到目标图像，包括：
对所述滤波图像进行傅里叶逆变换处理，得到所述滤波图像对应的空间域图像，将所述空间域图像作为目标图像。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (11)
1.一种图像处理方法，其特征在于，所述方法包括：
获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像；
对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；
根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；
根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；
对所述滤波图像进行空间域转换处理，得到目标图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取人眼至所述混合图像的距离；
根据人眼至所述混合图像的距离及所述混合图像的宽度，确定所述目标视角，其中，所述目标视角与所述人眼至所述混合图像的距离正相关，所述目标视角与所述混合图像的宽度负相关。
3.根据权利要求1所述的方法，其特征在于，所述根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率，包括：
获取所述混合图像的尺寸信息和所述混合图像中各像素点在所述频域图像中的对应的坐标信息；
基于所述混合图像的尺寸信息、所述混合图像中各像素点在所述频域图像中的坐标信息和所述目标视角，确定所述频域图像中各像素点对应的视觉空间频率。
4.根据权利要求1所述的方法，其特征在于，所述根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像，包括：
获取截止频率，并根据所述截止频率、所述频域图像中各像素点对应的视觉空间频率和目标视角，构建滤波器函数；
基于所述滤波器函数及所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像。
5.根据权利要求5所述的方法，其特征在于，所述获取截止频率，包括：
获取视觉空间频率阈值；
基于所述目标视角和所述视觉空间频率阈值，确定截止频率。
6.根据权利要求1所述的方法，其特征在于，所述获取图像噪音，将原始图像与所述图像噪音进行叠加处理，得到混合图像，包括：
获取图像噪音点半径、图像噪声点灰度值及图像噪音点分布规则；
基于所述图像噪音点半径、所述图像噪音点灰度值和所述图像噪音点分布规则，通过图像噪音生成算法，生成包含多个图像噪音点的图像噪音；
将所述图像噪音叠加至原始图像上，得到混合图像。
7.根据权利要求1所述的方法，其特征在于，所述对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像，包括：
对所述混合图像进行傅里叶变换处理，得到所述混合图像对应的频域图像；
所述对所述滤波图像进行空间域转换处理，得到目标图像，包括：
对所述滤波图像进行傅里叶逆变换处理，得到所述滤波图像对应的空间域图像，将所述空间域图像作为目标图像。
8.一种图像处理装置，其特征在于，所述装置包括：
第一获取模块，用于将原始图像与所述图像噪音进行叠加处理，得到混合图像；
第一转换模块，用于对所述混合图像进行频域转换处理，得到所述混合图像对应的频域图像；
第一确定模块，用于根据所述频域图像中各像素点的位置信息及目标视角，确定所述频域图像中各像素点对应的视觉空间频率；
滤波模块，用于根据所述频域图像中各像素点对应的视觉空间频率，对所述频域图像进行滤波处理，得到滤波图像；
第二转换模块，用于对所述滤波图像进行空间域转换处理，得到目标图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310385000.7A CN116385306A (zh) | 2023-04-11 | 2023-04-11 | 图像处理方法装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310385000.7A CN116385306A (zh) | 2023-04-11 | 2023-04-11 | 图像处理方法装置、计算机设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116385306A true CN116385306A (zh) | 2023-07-04 |
Family
ID=86961331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310385000.7A Pending CN116385306A (zh) | 2023-04-11 | 2023-04-11 | 图像处理方法装置、计算机设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116385306A (zh) |
-
2023
- 2023-04-11 CN CN202310385000.7A patent/CN116385306A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Scholler et al. | Toward a direct measure of video quality perception using EEG | |
| US11445972B2 (en) | Brain-computer interface for user's visual focus detection | |
| Ales et al. | An objective method for measuring face detection thresholds using the sweep steady-state visual evoked response | |
| Bradley et al. | Retina-V1 model of detectability across the visual field | |
| JP2015530895A (ja) | 被検者による刺激特性の知覚を評価するための方法およびシステム | |
| CN109255309B (zh) | 面向遥感图像目标检测的脑电与眼动融合方法及装置 | |
| CN103092340A (zh) | 一种脑-机接口视觉刺激方法及信号识别方法 | |
| KR20120060978A (ko) | 시선 위치 추적 기반의 3차원 인간-컴퓨터 상호작용 장치 및 방법 | |
| Rotshtein et al. | Effects of spatial frequency bands on perceptual decision: It is not the stimuli but the comparison | |
| Wamain et al. | Conflict between gesture representations extinguishes μ rhythm desynchronization during manipulable object perception: An EEG study | |
| Groen et al. | Low-level contrast statistics are diagnostic of invariance of natural textures | |
| Magri et al. | Directional tuning for eye and arm movements in overlapping regions in human posterior parietal cortex | |
| Nishimoto et al. | Eye movement-invariant representations in the human visual system | |
| Kreutzer et al. | Attention modulates visual size adaptation | |
| US11717163B2 (en) | Wearable device, signal processing method and device | |
| Schmittwilken et al. | Fixational eye movements enable robust edge detection | |
| Rajashekar et al. | Foveated analysis of image features at fixations | |
| Li et al. | Fugl-Meyer hand motor imagination recognition for brain–computer interfaces using only fNIRS | |
| Meso et al. | Looking for symmetry: Fixational eye movements are biased by image mirror symmetry | |
| Khuu et al. | The perception of three-dimensional cast-shadow structure is dependent on visual awareness | |
| Marsman et al. | A novel measure to determine viewing priority and its neural correlates in the human brain | |
| Wiebel et al. | Testing the role of Michelson contrast for the perception of surface lightness | |
| Wenzel et al. | EEG-based usability assessment of 3D shutter glasses | |
| CN116385306A (zh) | 图像处理方法装置、计算机设备、存储介质 | |
| Schade et al. | Texture segmentation: Do the processing units on the saliency map increase with eccentricity? |
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 |