CN116843584A - 一种图像数据优化增强方法 - Google Patents
一种图像数据优化增强方法 Download PDFInfo
- Publication number
- CN116843584A CN116843584A CN202311117133.2A CN202311117133A CN116843584A CN 116843584 A CN116843584 A CN 116843584A CN 202311117133 A CN202311117133 A CN 202311117133A CN 116843584 A CN116843584 A CN 116843584A
- Authority
- CN
- China
- Prior art keywords
- image
- neighborhood
- corner
- pixel
- pixel point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 230000007547 defect Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本申请涉及图像处理技术领域,特别是涉及一种图像数据优化增强方法,包括:获取第一图像进行预处理得到第二图像,将第二图像转换为第三图像得到第一亮度值,对第三图像进行增强处理得到第二亮度值,将第二图像转换为第四图像并进行邻域灰度计算得到邻域灰度比,对第四图像进行角点检测处理得到多个角点并进行邻域角点信息计算得到邻域角点信息丰富度,基于邻域角点信息丰富度进行角点丰富度计算得到角点丰富度比,基于邻域灰度比和角点丰富度比计算得到对比度增强系数,基于第二亮度值和对比度增强系数得到经过对比度增强的第五图像。本申请的方法针对图像数据进行优化增强,能够增强和保留图像中的细节部分,提高图像的质量和完整性。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像数据优化增强方法。
背景技术
图像处理在城市规划、工业缺陷检测、卫星遥感图像、目标识别等领域都具有广泛的应用,然而图像采集过程中具有大量不确定因素,比如光照不足、相机对焦出错、镜头畸变、图像压缩失真、噪音等,都有可能导致图像质量不佳,使图像中需要识别的目标部分不明确、模糊。在图像的采集过程中,需要消耗大量人力、物力,而且部分图像是不可再现的,因此通常不会对低质量图像进行重新采集。
针对图像质量较差的情况,在进行具体图像处理前,通常需要先进行图像增强,使图像在视觉上更加清晰、鲜明,提升图像的视觉质量,增加、保留图像中的细节,使隐藏的细节更加清晰;恢复或补偿图像因压缩、传输丢失的信息,提高图像的质量和完整性,而且对图像进行增强还可以改善图像处理算法的性能,通过增强图像质量,提高图像处理算法的准确性和鲁棒性。
发明内容
鉴于上述问题,本申请提供了一种图像数据优化增强方法,能够增强和保留图像中的细节部分,提高图像的质量和完整性。
本申请实施例提供了一种图像数据优化增强方法,包括:
获取第一图像;
对所述第一图像进行预处理,得到第二图像;
将所述第二图像转换为第三图像得到每个像素点的第一亮度值,对所述第三图像进行增强处理得到每个像素点的第二亮度值;
将所述第二图像转换为第四图像,所述第四图像为灰度图像,对所述第四图像进行邻域灰度计算得到每个像素点的邻域灰度比;
对所述第四图像进行角点检测处理得到多个角点,对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,基于所述邻域角点信息丰富度进行角点丰富度计算得到每个像素点的角点丰富度比;
基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数;
基于所述第二亮度值和所述对比度增强系数得到经过对比度增强的第五图像。
在一种可能的实现方式中,所述对所述第一图像进行预处理,得到第二图像,包括:
对所述第一图像采用高斯滤波进行降噪处理,得到第二图像。
在一种可能的实现方式中,所述将所述第二图像转换为第三图像得到每个像素点的第一亮度值,包括:
将所述第二图像转换为第三图像得到每个像素点的第一亮度值,所述第二图像为基于RGB颜色空间的图像,所述第三图像为基于YUV颜色空间的图像,所述第一亮度值的计算公式为:
其中,为像素点的第一亮度值,/>为像素点的坐标值,/>为所述像素点在第二图像中的R分量值,/>为所述像素点在第二图像中的G分量值,/>为所述像素点在第二图像中的B分量值。
在一种可能的实现方式中,所述对所述第三图像进行增强处理得到每个像素点的第二亮度值,包括:
对所述第三图像进行增强处理得到每个像素点的第二亮度值,所述增强处理的计算公式如下:
其中,为像素点的坐标值,/>为经过增强处理后的所述第二亮度值,为像素点的第一亮度值,/>为伽马参数,/>是增强阈值,/>的取值为:
其中,为像素点的坐标值,/>为像素点的第一亮度值。
在一种可能的实现方式中,所述将所述第二图像转换为第四图像,所述第四图像为灰度图像,对所述第四图像进行邻域灰度计算得到每个像素点的邻域灰度比,包括:
将所述第二图像转换为第四图像,所述第四图像为灰度图像,对第四图像的每个像素点构建邻域窗口,进行邻域灰度计算得到每个像素点的邻域灰度比,所述邻域灰度比的计算公式如下:
其中,为所述邻域灰度比,/>为所述邻域窗口的中心像素点的灰度值, />为所述邻域窗口中第/>个非中心像素点的灰度值,/>为第/>个所述非中心像素点与所述中心像素点的欧氏距离,/>为所述邻域窗口内的所有所述非中心像素点与所述中心像素点的欧氏距离之和,/>为所述邻域窗口的非中心像素点的数量。
在一种可能的实现方式中,所述对所述第四图像进行角点检测处理得到多个角点,对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,包括:
对所述第四图像进行角点检测处理得到多个角点;
对第四图像的每个像素点构建邻域窗口,进行角点分析计算得到每个像素点的角点间距,所述角点间距的计算公式如下:
其中,为所述角点间距,/>为所述邻域窗口内角点的个数,/>为所述邻域窗口内任意两个角点进行连线得到的线段数量,/>为所述邻域窗口内第/>个角点与第/>个角点之间的欧式距离。
在一种可能的实现方式中,所述对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,还包括:
基于所述邻域窗口中角点的个数和所述角点间距计算得到每个像素点的邻域角点信息丰富度,所述邻域角点信息丰富度的计算公式如下:
其中,为邻域角点信息丰富度,/>为所述邻域窗口中角点的个数,/>为所述角点间距。
在一种可能的实现方式中,所述基于所述邻域角点信息丰富度进行角点丰富度计算得到每个像素点的角点丰富度比,包括:
基于所述邻域角点信息丰富度构建每个像素点的邻域角点信息丰富度矩阵,所述邻域角点信息丰富度矩阵为:
其中,为所述邻域角点信息丰富度矩阵,/>为所述邻域窗口的大小,为奇数,/>为所述邻域窗口内坐标值为/>的像素点的邻域角点信息丰富度;
基于所述邻域角点信息丰富度矩阵计算得到每个像素点的角点丰富度比,所述角点丰富度比的计算公式如下:
其中,为所述角点丰富度比,/>为所述邻域窗口内所有非中心像素点的邻域角点信息丰富度的平均值,/>为所述邻域窗口内中心像素点的邻域角点信息丰富度。
在一种可能的实现方式中,所述基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数,包括:
基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数,所述对比度增强系数的计算公式如下:
其中,为所述对比度增强系数,/>为所述像素点的坐标值,/>为所述像素点的所述邻域灰度比,/>为所述像素点的所述角点丰富度比。
在一种可能的实现方式中,所述基于所述第二亮度值和所述对比度增强系数得到经过对比度增强的第五图像,包括:
基于所述第二亮度值和所述对比度增强系数计算得到经过对比度增强的第五图像每个像素点的第三亮度值,所述第三亮度值的计算公式为:
其中,为对比度增强后的所述第三亮度值,/>为所述像素点的坐标值,为所述像素点的所述第二亮度值,/>为所述像素点的所述对比度增强系数。
本申请的有益效果在于:首先根据各个像素点的亮度值,提高较暗区域的亮度,进行初步的图像增强;然后继续根据图像各像素点的邻域信息,对邻域中角点更多、更集中,即邻域细节部分越多的像素点,进行对比度增强,使邻域中较暗的像素点更暗,邻域中较亮的像素点更亮,增强邻域的变化,增强邻域中对比度,增强图像邻域中的细节部分,使后续进行缺陷检测、目标识别的特征更明显,准确度更高,从而提高图像的质量和完整性。
附图说明
图1是本申请实施例提供的一种图像数据优化增强方法的步骤流程图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明,显然,所描述的实施例仅仅是本发明一部分实施例,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所获得的所有其它实施例,都属于本申请保护的范围。
本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。
需要注意,本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
下面结合附图,对本申请的实施例进行描述。本领域普通技术人员可知,随着技术的发展和新场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
参见图1所示,本申请实施例公开了一种图像数据优化增强方法,包括:
步骤S11,获取第一图像;
步骤S12,对所述第一图像进行预处理,得到第二图像;
步骤S13,将所述第二图像转换为第三图像得到每个像素点的第一亮度值,对所述第三图像进行增强处理得到每个像素点的第二亮度值;
步骤S14,将所述第二图像转换为第四图像,所述第四图像为灰度图像,对所述第四图像进行邻域灰度计算得到每个像素点的邻域灰度比;
步骤S15,对所述第四图像进行角点检测处理得到多个角点,对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,基于所述邻域角点信息丰富度进行角点丰富度计算得到每个像素点的角点丰富度比;
步骤S16,基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数;
步骤S17,基于所述第二亮度值和所述对比度增强系数得到经过对比度增强的第五图像。
在上述实施例步骤中,利用图像采集设备获得第一图像(步骤S11),图像采集设备例如可以为CMOS相机等,在此不对其进行具体限定;为防止待增强图像中噪声对后续操作、分析造成较大的影响,对所述第一图像进行预处理得到第二图像(步骤S12);获取第二图像各个像素点的第一亮度值,对第一亮度值进行初步调整,提高较暗的区域的亮度值,进行初步的图像增强,具体为将所述第二图像转换为第三图像得到每个像素点的第一亮度值,对所述第三图像进行增强处理得到每个像素点的第二亮度值(步骤S13);此时并没有考虑第二图像的邻域信息,而邻域中存在一些灰度的变化,具有一些细节信息,这些细节信息往往都是之后实现缺陷检测、目标识别的关键信息,而初步的图像增强并不能更好的保留这些细节,对细节进行更好的增强,因此根据像素点的邻域信息不同,构建对比度增强系数,对邻域中角点更多、更集中,即邻域细节部分越多的像素点,进行对比度增强,具体为将所述第二图像转换为第四图像,所述第四图像为灰度图像,对所述第四图像进行邻域灰度计算得到每个像素点的邻域灰度比(步骤S14),对所述第四图像进行角点检测处理得到多个角点,对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,基于所述邻域角点信息丰富度进行角点丰富度计算得到每个像素点的角点丰富度比(步骤S15),基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数(步骤S16);最后基于所述第二亮度值和所述对比度增强系数得到经过对比度增强的第五图像(步骤S17),基于图像邻域信息的对比度增强完成,图像中原本较亮的像素点更亮,较暗的像素点更暗,保留并增强图像中的细节部分。
在本申请一个可选的实施例中,所述对所述第一图像进行预处理,得到第二图像,包括:
对所述第一图像采用高斯滤波进行降噪处理,得到第二图像。
在上述实施例步骤中,为防止待增强图像中噪声对后续操作、分析造成较大的影响,对待增强的第一图像采用高斯滤波进行降噪处理。高斯滤波器是一种线性滤波器,能够有效的抑制噪声,平滑图像。
在本申请一个可选的实施例中,所述将所述第二图像转换为第三图像得到每个像素点的第一亮度值,包括:
将所述第二图像转换为第三图像得到每个像素点的第一亮度值,所述第二图像为基于RGB颜色空间的图像,所述第三图像为基于YUV颜色空间的图像,所述第一亮度值的计算公式为:
其中,为像素点的第一亮度值,/>为像素点的坐标值,/>为所述像素点在第二图像中的R分量值,/>为所述像素点在第二图像中的G分量值,/>为所述像素点在第二图像中的B分量值。
在实际拍摄得到的第一图像和经过预处理的第二图像中,由于光照条件、建筑物遮挡等情况,往往存在一些较暗的阴影区域,该阴影区域占整个图像的比例较大。该阴影区域内部可能存在较多的有用信息,同时该阴影区域可能是实现目标识别、缺陷检测的关键区域,但是该阴影区域的亮度较暗,灰度值较小,在图像中并不明显,无法使用图像处理技术获取该阴影区域准确的纹理、轮廓、梯度等有用信息。
因此,在上述实施例步骤中,为了对经过预处理的第二图像(基于RGB颜色空间的图像)的阴影区域进行亮度增强,以便后续呈现该阴影区域的细节,首先将所述第二图像(基于RGB颜色空间的图像)转换为第三图像(基于YUV颜色空间的图像)得到每个像素点的第一亮度值,以便后续根据像素点的第一亮度值先进行第一次亮度调整。
在本申请一个可选的实施例中,所述对所述第三图像进行增强处理得到每个像素点的第二亮度值,包括:
对所述第三图像进行增强处理得到每个像素点的第二亮度值,所述增强处理的计算公式如下:
其中,为像素点的坐标值,/>为经过增强处理后的所述第二亮度值,为像素点的第一亮度值,/>为伽马参数,/>是增强阈值,/>的取值为:
其中,为像素点的坐标值,/>为像素点的第一亮度值。
本申请的发明人通过研究发现,当某像素点的第一亮度值小于值域(值域为[0,1])最大上限的0.2时,即V≤0.2时,通常认为该像素点像素强度较低、亮度较暗,对该像素点进行图像增强时必须要进一步显著增强亮度;当某像素点的第一亮度值大于值域最大上限的0.8时,即V≥0.8时,通常认为该像素点像素强度较高、亮度较亮,进行图像增强时不必对该像素点进行亮度增强;对于图像中第一亮度值不是特别突出、较亮、较暗的像素点,即该像素点的第一亮度值属于0.2<V<0.8时,该像素点的亮度增强程度应当小于较暗点、大于较亮点。
因此,在上述实施例步骤中,采用自适应伽马校正对第三图像的第一亮度值进行增强。对于上述增强处理的计算公式,需要说明的是,增强阈值/>的作用既是防止第三图像中阴影、亮度较低的区域亮度增强过度,又是避免第三图像中亮度较高的区域细节丢失严重,增强阈值/>可以取经验值0.5,也根据实际情况进行调整,在此不对其进行具体限定;/>是第三图像各个像素点的亮度增强系数,对于第三图像中第一亮度值较大()的区域,不进行亮度增强,第一亮度值较小(/>)的区域,进行亮度显著增强,对于第一亮度值不大不小(/>)的区域,亮度增强程度应当小于较暗点,大于较亮点。经过上述实施例步骤,基于整体图像亮度值的第一次亮度调整完成,第三图像中原本亮度较低的像素点亮度显著提高,而第三图像中原本亮度较高的像素点不必进行增强因此未增强。
在本申请一个可选的实施例中,所述将所述第二图像转换为第四图像,所述第四图像为灰度图像,对所述第四图像进行邻域灰度计算得到每个像素点的邻域灰度比,包括:
将所述第二图像转换为第四图像,所述第四图像为灰度图像,对第四图像的每个像素点构建邻域窗口,进行邻域灰度计算得到每个像素点的邻域灰度比,所述邻域灰度比的计算公式如下:
其中,为所述邻域灰度比,/>为所述邻域窗口的中心像素点的灰度值, />为所述邻域窗口中第/>个非中心像素点的灰度值,/>为第/>个所述非中心像素点与所述中心像素点的欧氏距离,/>为所述邻域窗口内的所有所述非中心像素点与所述中心像素点的欧氏距离之和,/>为所述邻域窗口的非中心像素点的数量。
经过前述实施例步骤图像亮度值增强处理之后,对第三图像中并不较亮的像素点都进行了亮度增强,但是此时第三图像各个像素点之间的对比度明显下降。传统的全局对比度增强算法,可以使图像对比度进行调整、增强,但是该对比度增强算法并不考虑图像局部、像素点邻域的信息,只是图像中较亮的像素点经过对比度增强更亮,图像中较暗的像素点经过对比度增强更暗。
对于第三图像中的某些像素点,该像素点与整体、全局相比较暗,但在该像素点的邻域中,与其他非中心像素点相比,该像素点其实较亮,使用传统的全局对比度增强算法会使该像素点更暗,导致该像素点与其邻域的细节难以保留。因此,本申请提出使用一种局部的图像对比度增强算法,使得像素点在不同位置但亮度、灰度一致的情况下,由于邻域信息的不一致,进行对比度增强之后,可以得到不同的结果。
考虑到在第三图像中,往往该像素点邻域的信息(比如角点、纹理、边缘等信息)比其他像素点邻域的信息更为丰富,同时该像素点与邻域其他像素点相比对比度更高;而信息越丰富,越需要对该像素点进行对比度增强。与此同时,当某一像素点的灰度值比邻域非中心像素点的灰度平均值大时,对该像素点进行对比度增强,越需要增强当前的亮度、灰度值;当某一像素点的灰度值比邻域非中心像素点的灰度平均值小时,对该像素点进行对比度增强,越需要减小当前的亮度、灰度值。如此进行邻域对比度增强,该局部的图像对比度增强算法并非只与该像素点的像素值(灰度值)有关,而是更取决于该像素点邻域的信息丰富程度、相对灰度等邻域信息,对图像对比度、细节部分进行有效的增强、保留,即图像增强效果更好,使得图像质量更高,邻域细节部分保留更多。
因此,在上述实施例步骤中,将对预处理得到的第二图像转换为第四图像(灰度图像),对第四图像的每个像素点构建邻域窗口(邻域窗口可以为5*5的邻域滑动窗口,步长可以为1,邻域窗口大小和步长可以根据实际需要选择其他合理值,在此不对其进行具体限定),然后进行邻域灰度计算得到每个像素点的邻域灰度比。对于邻域灰度比的计算公式,需要说明的是,邻域中距离中心像素点越近的点,对中心像素点的影响越大,公式中分母是采用非中心像素点与中心像素点的欧氏距离作为权重系数,求得邻域非中心像素点的灰度值的平均值,其中/>越小,说明该像素点距离中心像素点越近,对中心像素点的灰度影响越大,该像素点的权重越大。
需要说明的是,邻域灰度比的计算公式的整体计算逻辑为中心像素点灰度值/非中心像素点的灰度值的平均值。中心像素点的灰度值越大于非中心像素点的灰度值的平均值,说明该像素点在邻域中越亮,邻域灰度比越大;中心像素点的灰度值越小于非中心像素点的灰度值的平均值,说明该像素点在邻域中越暗,邻域灰度比/>越小。/>>1时,说明该像素点在邻域中较亮,想要提高该像素点的对比度,应该进行增强该像素点的亮度、灰度值;/><1时,说明该像素点在邻域中较暗,想要提高该像素点的对比度,应该进行降低该像素点的亮度、灰度值。
在本申请一个可选的实施例中,所述对所述第四图像进行角点检测处理得到多个角点,对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,包括:
对所述第四图像进行角点检测处理得到多个角点;
对第四图像的每个像素点构建邻域窗口,进行角点分析计算得到每个像素点的角点间距,所述角点间距的计算公式如下:
其中,为所述角点间距,/>为所述邻域窗口内角点的个数,/>为所述邻域窗口内任意两个角点进行连线得到的线段数量,/>为所述邻域窗口内第/>个角点与第/>个角点之间的欧式距离。
在第四图像中,提高第四图像各个像素点的对比度,如果只考虑该像素点的邻域灰度值,虽然对邻域内细小的差异进行增强,提高各个像素点在邻域中的对比度,使图像邻域中的细节部分可以更好体现出来;但是该方法可能会导致第四图像各个像素点之间的对比度增强过大,即各个像素点之间亮度、灰度值变化过大,在图像上的表现形式就是存在一些像素点与周围其他像素点相比差异过大,在整体图像上很突兀。因此,不仅需要考虑邻域灰度信息,进行对比度增强,实现图像增强,还需要对于第四图像中角点的信息进行分析,降低邻域灰度的影响,避免灰度对比度增强过大,减少第四图像中的突兀点。
因此,在上述实施例步骤中,对所述第四图像进行角点检测得到多个角点,对第四图像的每个像素点构建邻域窗口,进行角点分析计算得到每个像素点的角点间距。角点检测算法可以采用Harris角点检测算法,也可以使用其他常规角点检测算法,在此不对其进行具体限定。由于后续需要统计每个邻域内角点的数量,为了提高对比度增强的精确度,可以对Harris角点检测算法中的默认阈值Threshold进行调整,使其调整后的阈值(/>取经验值Threshold/2),使得图像Harris角点检测之后,会在图像上产生较多的角点。构建的邻域窗口大小可以为5*5,统计该邻域窗口内角点的数量记为/>,对邻域窗口内任意两个角点进行连线,共有/>条不重复的线段,分别记为,线段长度分别为,根据角点间距的计算公式可以计算得到每个像素点的角点间距。
需要说明的是,邻域窗口中各角点之间欧式距离越大,越大,说明角点之间越分散、不集中,角点间距/>越大;邻域窗口中各角点之间欧式距离越小,/>越小,说明角点之间越集中,角点间距/>越小。
在本申请一个可选的实施例中,所述对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,还包括:
基于所述邻域窗口中角点的个数和所述角点间距计算得到每个像素点的邻域角点信息丰富度,所述邻域角点信息丰富度的计算公式如下:
其中,为邻域角点信息丰富度,/>为所述邻域窗口中角点的个数,/>为所述角点间距。
在上述实施例步骤中,通过所述邻域窗口中角点的个数和所述角点间距计算得到每个像素点的邻域角点信息丰富度。需要说明的是,邻域窗口中各角点之间欧式距离越小,角点之间越集中,角点间距越小,邻域窗口中角点个数/>越多,邻域内细节越多,角点信息越丰富,则邻域角点信息丰富度/>越高。
在本申请一个可选的实施例中,所述基于所述邻域角点信息丰富度进行角点丰富度计算得到每个像素点的角点丰富度比,包括:
基于所述邻域角点信息丰富度构建每个像素点的邻域角点信息丰富度矩阵,所述邻域角点信息丰富度矩阵为:
其中,为所述邻域角点信息丰富度矩阵,/>为所述邻域窗口的大小,为奇数,/>为所述邻域窗口内坐标值为/>的像素点的邻域角点信息丰富度;
基于所述邻域角点信息丰富度矩阵计算得到每个像素点的角点丰富度比,所述角点丰富度比的计算公式如下:
其中,为所述角点丰富度比,/>为所述邻域窗口内所有非中心像素点的邻域角点信息丰富度的平均值,/>为所述邻域窗口内中心像素点的邻域角点信息丰富度。
在第四图像中,如果某像素点邻域的信息(比如角点、纹理等信息)比其他像素点邻域的信息更为丰富,该像素点的信息通常比较重要,需要对第四图像增强以提高该像素点的对比度。
在上述实施例步骤中,由第四图像中每个像素点的邻域角点信息丰富度,可以构建每个像素点邻域窗口矩阵中所有像素点的邻域角点信息丰富度矩阵,基于所述邻域角点信息丰富度矩阵计算得到每个像素点的角点丰富度比。例如,当邻域窗口大小为5*5(邻域窗口大小可以根据实际需要进行调整,在此不对其进行具体限定)时,可以得某一像素点邻域矩阵中所有像素点的邻域角点信息丰富度矩阵如下:
/>
进一步,使用该像素点(中心像素点)的邻域角点丰富度和该像素点的邻域窗口内所有非中心像素点的邻域角点信息丰富度的平均值/>计算该像素点的角点丰富度比/>:
需要说明的是,当该像素点的邻域窗口内所有非中心像素点的邻域角点信息丰富度的平均值小于中心像素点的角点丰富度/>时,说明该像素点在邻域中角点信息较多,且角点更集中,此时/>>1,说明该点的邻域具有较多的细节部分,较为重要,需要进行较强的图像增强,提高该点的对比度;当该像素点的邻域窗口内所有非中心像素点的邻域角点信息丰富度的平均值/>大于中心像素点的角点丰富度/>时,说明该像素点在邻域中角点信息较少,角点分散,此时/><1时,说明该像素点邻域细节部分较少,重要性较低,需要进行较小的图像增强。
在本申请一个可选的实施例中,所述基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数,包括:
基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数,所述对比度增强系数的计算公式如下:
其中,为所述对比度增强系数,/>为所述像素点的坐标值,/>为所述像素点的所述邻域灰度比,/>为所述像素点的所述角点丰富度比。
在上述实施例步骤中,基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数。需要说明的是,当中心像素点的灰度值越大于非中心像素点的灰度值的平均值,即邻域窗口内该像素点更亮,越大,同时/>,即必然小于1;反之,当中心像素点的灰度值小于非中心像素点的灰度均值,即邻域该点更暗,此时/>,即/>必然大于1。同理,邻域窗口中该像素点角点信息越多、角点越集中,具有越多的细节部分,该像素点越重要,中心像素点角点信息越丰富,像素点的角点丰富度比/>越大,该像素点的对比度增强系数/>越大;反之邻域窗口中该像素点角点信息越少、角点越分散,具有越少的细节部分,该像素点越不重要,中心像素点角点信息越不丰富,像素点的角点丰富度比/>越小,该像素点的对比度增强系数/>越小。
在本申请一个可选的实施例中,所述基于所述第二亮度值和所述对比度增强系数得到经过对比度增强的第五图像,包括:
基于所述第二亮度值和所述对比度增强系数计算得到经过对比度增强的第五图像每个像素点的第三亮度值,所述第三亮度值的计算公式为:
其中,为对比度增强后的所述第三亮度值,/>为所述像素点的坐标值,为所述像素点的所述第二亮度值,/>为所述像素点的所述对比度增强系数。
在上述实施例步骤中,基于所述第二亮度值和所述对比度增强系数计算得到经过对比度增强的第五图像每个像素点的第三亮度值;最终基于图像邻域信息的对比度增强完成,图像中原本较亮的像素点更亮,较暗的像素点更暗,保留并增强图像中的细节部分。
需要说明的是,的值域是[0,1],当像素点的对比度增强系数小于1(邻域窗口内该像素点更亮)时,该像素点在局部亮度调整中亮度进一步提高,也就是亮的更亮,同时像素点的角点丰富度比越大,亮度提高的幅度越大,像素点的角点丰富度比越小,亮度提高的幅度越小;当像素点的对比度增强系数大于1(邻域窗口内该像素点更暗)时,该像素点在局部亮度调整中亮度降低,也就是暗的更暗。
本说明书中各个实施例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部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种图像数据优化增强方法进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种图像数据优化增强方法,其特征在于,包括:
获取第一图像;
对所述第一图像进行预处理,得到第二图像;
将所述第二图像转换为第三图像得到每个像素点的第一亮度值,对所述第三图像进行增强处理得到每个像素点的第二亮度值;
将所述第二图像转换为第四图像,所述第四图像为灰度图像,对所述第四图像进行邻域灰度计算得到每个像素点的邻域灰度比;
对所述第四图像进行角点检测处理得到多个角点,对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,基于所述邻域角点信息丰富度进行角点丰富度计算得到每个像素点的角点丰富度比;
基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数;
基于所述第二亮度值和所述对比度增强系数得到经过对比度增强的第五图像。
2.根据权利要求1所述的图像数据优化增强方法,其特征在于,所述对所述第一图像进行预处理,得到第二图像,包括:
对所述第一图像采用高斯滤波进行降噪处理,得到第二图像。
3.根据权利要求1所述的图像数据优化增强方法,其特征在于,所述将所述第二图像转换为第三图像得到每个像素点的第一亮度值,包括:
将所述第二图像转换为第三图像得到每个像素点的第一亮度值,所述第二图像为基于RGB颜色空间的图像,所述第三图像为基于YUV颜色空间的图像,所述第一亮度值的计算公式为:
其中,为像素点的第一亮度值,/>为像素点的坐标值,/>为所述像素点在第二图像中的R分量值,/>为所述像素点在第二图像中的G分量值,/>为所述像素点在第二图像中的B分量值。
4.根据权利要求1所述的图像数据优化增强方法,其特征在于,所述对所述第三图像进行增强处理得到每个像素点的第二亮度值,包括:
对所述第三图像进行增强处理得到每个像素点的第二亮度值,所述增强处理的计算公式如下:
其中,为像素点的坐标值,/>为经过增强处理后的所述第二亮度值,/>为像素点的第一亮度值,/>为伽马参数,/>是增强阈值,/>的取值为:
其中,为像素点的坐标值,/>为像素点的第一亮度值。
5.根据权利要求1所述的图像数据优化增强方法,其特征在于,所述将所述第二图像转换为第四图像,所述第四图像为灰度图像,对所述第四图像进行邻域灰度计算得到每个像素点的邻域灰度比,包括:
将所述第二图像转换为第四图像,所述第四图像为灰度图像,对第四图像的每个像素点构建邻域窗口,进行邻域灰度计算得到每个像素点的邻域灰度比,所述邻域灰度比的计算公式如下:
其中,为所述邻域灰度比,/>为所述邻域窗口的中心像素点的灰度值, />为所述邻域窗口中第/>个非中心像素点的灰度值,/>为第/>个所述非中心像素点与所述中心像素点的欧氏距离,/>为所述邻域窗口内的所有所述非中心像素点与所述中心像素点的欧氏距离之和,/>为所述邻域窗口的非中心像素点的数量。
6.根据权利要求1所述的图像数据优化增强方法,其特征在于,所述对所述第四图像进行角点检测处理得到多个角点,对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,包括:
对所述第四图像进行角点检测处理得到多个角点;
对第四图像的每个像素点构建邻域窗口,进行角点分析计算得到每个像素点的角点间距,所述角点间距的计算公式如下:
其中,为所述角点间距,/>为所述邻域窗口内角点的个数,/>为所述邻域窗口内任意两个角点进行连线得到的线段数量,/>为所述邻域窗口内第/>个角点与第/>个角点之间的欧式距离。
7.根据权利要求6所述的图像数据优化增强方法,其特征在于,所述对所述第四图像的每个像素点进行邻域角点信息计算得到每个像素点的邻域角点信息丰富度,还包括:
基于所述邻域窗口中角点的个数和所述角点间距计算得到每个像素点的邻域角点信息丰富度,所述邻域角点信息丰富度的计算公式如下:
其中,为邻域角点信息丰富度,/>为所述邻域窗口中角点的个数,/>为所述角点间距。
8.根据权利要求1所述的图像数据优化增强方法,其特征在于,所述基于所述邻域角点信息丰富度进行角点丰富度计算得到每个像素点的角点丰富度比,包括:
基于所述邻域角点信息丰富度构建每个像素点的邻域角点信息丰富度矩阵,所述邻域角点信息丰富度矩阵为:
其中,为所述邻域角点信息丰富度矩阵,/>为所述邻域窗口的大小,/>为奇数,/>为所述邻域窗口内坐标值为/>的像素点的邻域角点信息丰富度;
基于所述邻域角点信息丰富度矩阵计算得到每个像素点的角点丰富度比,所述角点丰富度比的计算公式如下:
其中,为所述角点丰富度比,/>为所述邻域窗口内所有非中心像素点的邻域角点信息丰富度的平均值,/>为所述邻域窗口内中心像素点的邻域角点信息丰富度。
9.根据权利要求1所述的图像数据优化增强方法,其特征在于,所述基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数,包括:
基于所述邻域灰度比和所述角点丰富度比计算得到每个像素点的对比度增强系数,所述对比度增强系数的计算公式如下:
其中,为所述对比度增强系数,/>为所述像素点的坐标值,/>为所述像素点的所述邻域灰度比,/>为所述像素点的所述角点丰富度比。
10.根据权利要求1所述的图像数据优化增强方法,其特征在于,所述基于所述第二亮度值和所述对比度增强系数得到经过对比度增强的第五图像,包括:
基于所述第二亮度值和所述对比度增强系数计算得到经过对比度增强的第五图像每个像素点的第三亮度值,所述第三亮度值的计算公式为:
其中,为对比度增强后的所述第三亮度值,/>为所述像素点的坐标值,为所述像素点的所述第二亮度值,/>为所述像素点的所述对比度增强系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311117133.2A CN116843584B (zh) | 2023-09-01 | 2023-09-01 | 一种图像数据优化增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311117133.2A CN116843584B (zh) | 2023-09-01 | 2023-09-01 | 一种图像数据优化增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116843584A true CN116843584A (zh) | 2023-10-03 |
CN116843584B CN116843584B (zh) | 2023-11-07 |
Family
ID=88163871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311117133.2A Active CN116843584B (zh) | 2023-09-01 | 2023-09-01 | 一种图像数据优化增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116843584B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541654A (zh) * | 2024-01-09 | 2024-02-09 | 广东泰一高新技术发展有限公司 | 一种高分辨率遥感图像细节增强方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108614998A (zh) * | 2018-04-09 | 2018-10-02 | 北京理工大学 | 一种单像素红外目标检测方法 |
CN108648184A (zh) * | 2018-05-10 | 2018-10-12 | 电子科技大学 | 一种遥感图像高空卷云的检测方法 |
CN112308797A (zh) * | 2020-10-30 | 2021-02-02 | 维沃移动通信有限公司 | 角点检测方法、装置、电子设备及可读存储介质 |
CN114298935A (zh) * | 2021-12-27 | 2022-04-08 | 重庆港宇高科技开发有限公司 | 图像增强方法、装置及计算机可读存储介质 |
CN114529475A (zh) * | 2022-02-23 | 2022-05-24 | 安徽大学 | 基于二维伽马校正和色调映射的图像增强方法及系统 |
US20220188999A1 (en) * | 2019-09-04 | 2022-06-16 | Huawei Technologies Co., Ltd. | Image enhancement method and apparatus |
CN115082481A (zh) * | 2022-08-23 | 2022-09-20 | 聊城市誉林工业设计有限公司 | 一种用于齿轮的图像增强方法 |
CN115526806A (zh) * | 2022-10-25 | 2022-12-27 | 昆山腾云达信息咨询技术服务中心(有限合伙) | 基于人工智能的黑光图像自动校色方法 |
CN115731174A (zh) * | 2022-11-15 | 2023-03-03 | 浙江大学 | 基于图像信息熵和多尺度局部对比度量的红外小目标检测方法及装置 |
CN115984134A (zh) * | 2022-12-30 | 2023-04-18 | 黄河水利职业技术学院 | 一种遥感测绘图像智能增强方法 |
KR20230077854A (ko) * | 2021-11-26 | 2023-06-02 | 주식회사 시티랩스 | 단일 이미지를 이용한 특징 강화 가중치 기반의 딥러닝 다중 노출 융합 방법, 장치, 및 프로그램 |
WO2023115962A1 (zh) * | 2021-12-23 | 2023-06-29 | 北京达佳互联信息技术有限公司 | 视频特效处理方法、装置、电子设备及存储介质 |
-
2023
- 2023-09-01 CN CN202311117133.2A patent/CN116843584B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108614998A (zh) * | 2018-04-09 | 2018-10-02 | 北京理工大学 | 一种单像素红外目标检测方法 |
CN108648184A (zh) * | 2018-05-10 | 2018-10-12 | 电子科技大学 | 一种遥感图像高空卷云的检测方法 |
US20220188999A1 (en) * | 2019-09-04 | 2022-06-16 | Huawei Technologies Co., Ltd. | Image enhancement method and apparatus |
CN112308797A (zh) * | 2020-10-30 | 2021-02-02 | 维沃移动通信有限公司 | 角点检测方法、装置、电子设备及可读存储介质 |
KR20230077854A (ko) * | 2021-11-26 | 2023-06-02 | 주식회사 시티랩스 | 단일 이미지를 이용한 특징 강화 가중치 기반의 딥러닝 다중 노출 융합 방법, 장치, 및 프로그램 |
WO2023115962A1 (zh) * | 2021-12-23 | 2023-06-29 | 北京达佳互联信息技术有限公司 | 视频特效处理方法、装置、电子设备及存储介质 |
CN114298935A (zh) * | 2021-12-27 | 2022-04-08 | 重庆港宇高科技开发有限公司 | 图像增强方法、装置及计算机可读存储介质 |
CN114529475A (zh) * | 2022-02-23 | 2022-05-24 | 安徽大学 | 基于二维伽马校正和色调映射的图像增强方法及系统 |
CN115082481A (zh) * | 2022-08-23 | 2022-09-20 | 聊城市誉林工业设计有限公司 | 一种用于齿轮的图像增强方法 |
CN115526806A (zh) * | 2022-10-25 | 2022-12-27 | 昆山腾云达信息咨询技术服务中心(有限合伙) | 基于人工智能的黑光图像自动校色方法 |
CN115731174A (zh) * | 2022-11-15 | 2023-03-03 | 浙江大学 | 基于图像信息熵和多尺度局部对比度量的红外小目标检测方法及装置 |
CN115984134A (zh) * | 2022-12-30 | 2023-04-18 | 黄河水利职业技术学院 | 一种遥感测绘图像智能增强方法 |
Non-Patent Citations (2)
Title |
---|
GAJENDRA SINGH等: "Spatial domain color image enhancement based on local processing", 2016 3RD INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING AND INTEGRATED NETWORKS (SPIN) * |
刘博;仲思东;: "一种基于自适应阈值的SUSAN角点提取方法", 红外技术, no. 06 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541654A (zh) * | 2024-01-09 | 2024-02-09 | 广东泰一高新技术发展有限公司 | 一种高分辨率遥感图像细节增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116843584B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945111B (zh) | 一种基于surf特征提取结合cs-lbp描述符的图像拼接方法 | |
CN116843584B (zh) | 一种图像数据优化增强方法 | |
CN109447917B (zh) | 基于内容和特征及多尺度模型的遥感图像雾霾消除方法 | |
CN117408890B (zh) | 一种视频图像传输质量增强方法及系统 | |
CN109816608A (zh) | 一种基于噪声抑制的低照度图像自适应亮度增强方法 | |
Tanbakuchi et al. | Adaptive pixel defect correction | |
CN116934755B (zh) | 基于直方图均衡化的肺结核ct图像增强系统 | |
CN112288726B (zh) | 一种井下带式输送机带面异物检测方法 | |
Messina et al. | Image quality improvement by adaptive exposure correction techniques | |
CN113129300A (zh) | 一种降低误检率的排水管道缺陷检测方法、装置、设备及介质 | |
US20150186373A1 (en) | Method for sorting a group of images of a database and method for color correcting an image, corresponding devices, computer program and non-transitory computer readable medium | |
CN115526811B (zh) | 一种适应于多变光照环境的自适应视觉slam方法 | |
CN110136085B (zh) | 一种图像的降噪方法及装置 | |
CN109741276B (zh) | 一种基于滤波分层框架的红外图像基本层处理方法及系统 | |
CN114998186B (zh) | 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 | |
CN115564683A (zh) | 一种面向舰船检测的全色遥感影像自适应增强方法 | |
CN116342644A (zh) | 一种适用于煤场的智能化监控方法及系统 | |
CN115880181A (zh) | 一种增强图像对比度的方法、装置及终端 | |
CN108876845A (zh) | 菲涅尔纹中心的确定方法和装置 | |
CN116263942A (zh) | 一种调整图像对比度的方法、存储介质及计算机程序产品 | |
KR101418521B1 (ko) | 밝기 대비 향상을 통한 영상 화질 개선 방법 및 장치 | |
CN112233032B (zh) | 一种高动态范围图像鬼影消除的方法 | |
CN112258548B (zh) | 基于改进ViBe算法的运动目标提取方法 | |
CN112862708B (zh) | 图像噪声的自适应识别方法、传感器芯片以及电子设备 | |
CN103841384A (zh) | 一种图像质量的优化方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |