CN116862812A - 红外图像处理方法、装置、计算机设备、存储介质及产品 - Google Patents
红外图像处理方法、装置、计算机设备、存储介质及产品 Download PDFInfo
- Publication number
- CN116862812A CN116862812A CN202310953860.6A CN202310953860A CN116862812A CN 116862812 A CN116862812 A CN 116862812A CN 202310953860 A CN202310953860 A CN 202310953860A CN 116862812 A CN116862812 A CN 116862812A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- pixel
- value
- pixel point
- target
- 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 abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 176
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000004044 response Effects 0.000 claims description 31
- 230000002146 bilateral effect Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 20
- 230000008569 process Effects 0.000 abstract description 16
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000003331 infrared imaging Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 108010063499 Sigma Factor Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Image Processing (AREA)
Abstract
本申请涉及一种红外图像处理方法、装置、计算机设备、存储介质及产品。该方法包括：对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值，根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值，并根据各像素点的校正后像素值，确定目标红外图像。上述方法将局部增强处理和全局增强处理进行融合，来对红外图像进行增强处理，能够解决最终显示设备上显示红外图像过程中的细节丢失与亮度显示的问题，提高最终获取到的目标红外图像的质量，相对于传统技术而言，获取到的目标红外图像的图像增强效果更高。
Description
技术领域
本申请涉及红外图像显示技术领域，特别是涉及一种红外图像处理方法、装置、计算机设备、存储介质及产品。
背景技术
随着图像监控技术的发展，红外图像显示变得尤为重要。
通常，红外成像系统中的红外传感器能够采集高动态范围(12-14bits)红外图像，但红外成像系统中显示设备的动态范围位宽为8bits，为了让用户在红外成像系统中的显示设备上能够观察到具有较好视觉效果的红外图像，且能够较容易区分隐藏在背景中的微弱目标，需要在高动态范围红外图像显示之前，对高动态范围红外图像进行增强。
然而，采用相关技术会存在图像增强效果较差的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种红外图像处理方法、装置、计算机设备、存储介质及产品，能够提高图像增强效果。
第一方面，本申请实施例提供了一种红外图像处理方法，该方法包括：
对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值；
根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值；
根据各像素点的校正后像素值，确定目标红外图像。
在其中一个实施例中，对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值，包括：
获取原始红外图像中各像素点的像素值和原始红外图像的位宽；
根据原始红外图像中各像素点的像素值，确定原始红外图像的最大像素值和最小像素值；
根据各像素点的像素值、原始红外图像的位宽、最大像素值和最小像素值，对原始红外图像进行对比度扩展处理，得到各像素点的处理后像素值。
在其中一个实施例中，根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值，包括：
根据各像素点的处理后像素值，对原始红外图像进行局部增强处理，得到各像素点的局部增强后像素值；
根据各像素点的局部增强后像素值，对原始红外图像进行全局增强处理，得到各像素点的校正后像素值。
在其中一个实施例中，根据各像素点的处理后像素值，对原始红外图像进行局部增强处理，得到各像素点的局部增强后像素值，包括：
对于任一像素点，根据像素点的处理后像素值、像素点的位置、各其它像素点的处理后像素值和各其它像素点的位置，确定像素点的双边滤波系数；其它像素点为滤波窗口内像素点周围的像素点，滤波窗口为以像素点为中心的窗口；
根据各其它像素点的处理后像素值和双边滤波系数，确定像素点的局部增强后像素值。
在其中一个实施例中，根据各像素点的局部增强后像素值，对原始红外图像进行全局增强处理，得到各像素点的校正后像素值，包括：
对于任一像素点，根据像素点的局部增强后像素值和原始红外图像的位宽，确定像素点的局部对比度差异值；
根据像素点的处理后像素值、局部对比度差异值、原始红外图像的和显示设备的显示位宽，确定像素点的校正后像素值。
在其中一个实施例中，根据各像素点的校正后像素值，确定目标红外图像，包括：
根据各像素点的校正后像素值，获取红外图像直方图；
根据红外图像直方图和红外图像直方图对应的最大概率密度，确定最大概率密度在红外图像直方图中的响应灰度级；
根据红外图像直方图中的各灰度级、响应灰度级、各灰度级的像素点数和原始红外图像的总像素点数，确定目标红外图像。
在其中一个实施例中，根据红外图像直方图中的各灰度级、响应灰度级、各灰度级的像素点数和原始红外图像的总像素点数，确定目标红外图像，包括：
根据红外图像直方图中灰度级的总数量，获取以响应灰度级为中心的各目标范围；
根据各目标范围内各灰度级的像素点数和原始红外图像的总像素点数，获取不同目标范围内各灰度级的概率密度求和结果小于或等于预设阈值的目标概率密度求和结果；
根据各灰度级、目标概率密度求和结果对应的目标范围中的最大值和最小值、显示设备的显示位宽，获取目标红外图像。
在其中一个实施例中，根据各灰度级、目标概率密度求和结果对应的目标范围中的最大值和最小值、显示设备的显示位宽，获取目标红外图像，包括：
根据各灰度级、最大值、最小值和显示位宽，确定各灰度级对应的灰度值；
将各灰度级的像素点分别映射至原始红外图像，根据各灰度级的灰度值确定各映射后的像素点的像素值，并根据各映射后的像素点的像素值确定目标红外图像。
第二方面，本申请实施例提供了一种红外图像处理装置，该装置包括：
扩展处理模块，用于对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值；
增强处理模块，用于根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值；
确定模块，用于根据各像素点的校正后像素值，确定目标红外图像。
第三方面，本申请实施例还提供了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现第一方面中任一实施例的方法的步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任一实施例的方法的步骤。
第五方面，本申请实施例还提供了一种计算机程序产品，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第一方面中任一实施例的方法的步骤。
本申请实施例提供的红外图像处理方法、装置、计算机设备、存储介质及产品，包括：对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值，根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值，并根据各像素点的校正后像素值，确定目标红外图像；上述方法可以对原始红外图像进行对比度扩展处理，以充分利用整个灰度范围，让原始红外图像中不同区域图像有明显的对比度差异，以为进一步精准处理做准备，提高最终获取到的目标红外图像的质量；同时，该方法将局部增强处理和全局增强处理进行融合，来对红外图像进行增强处理，能够解决最终显示设备上显示红外图像过程中的细节丢失与亮度显示的问题，提高最终获取到的目标红外图像的质量，相对于传统技术而言，获取到的目标红外图像的图像增强效果更高；同时，上述方法在对原始红外图像进行对比度扩展处理的基础上，可以通过局部和全局增强处理融合的算法对红外图像进行增强处理，能够在极大程度上提高增强处理的精准度，从而使得图像增强效果更高。
附图说明
图1为一个实施例中红外图像处理方法的应用环境图；
图2为一个实施例中红外图像处理方法的流程示意图；
图3为另一个实施例中红外图像处理方法的流程示意图；
图4为另一个实施例中红外图像处理方法的流程示意图；
图5为另一个实施例中红外图像处理方法的流程示意图；
图6为另一个实施例中红外图像处理方法的流程示意图；
图7为另一个实施例中红外图像处理方法的流程示意图；
图8为另一个实施例中红外图像处理方法的流程示意图；
图9为另一个实施例中红外图像处理方法的流程示意图；
图10为一个实施例中一原始红外图像和对应目标红外图像的显示图；
图11为另一个实施例中另一原始红外图像和对应目标红外图像的显示图；
图12一个实施例中红外图像处理装置的结构框图；
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在红外图像显示领域中，通常，红外传感器采集到的红外图像的高动态范围位宽为12-14bits，但红外图像的显示设备的动态范围位宽为8bits，因此，为了让用户在显示设备上能够观察到具有较好视觉效果的红外图像，需要在高动态范围红外图像显示之前，先对高动态范围的红外图像进行增强。相关技术中，主要是通过局部增强方式或全局增强处理方式，对单帧红外图像进行增强处理。然而，采用相关技术会存在图像增强效果较差的问题。基于此，本申请实施例提供了一种红外图像处理方法，能够提高图像增强效果。
本申请实施例提供的红外图像处理方法，可以应用于工业、医疗、航空等视频监控或图像监控领域，可以适用于如图1所示的红外图像处理系统，红外图像处理系统包括红外传感器、计算机设备和显示设备，计算机设备分别与红外传感器和显示设备之间进行通信连接，该通信方式可以为蓝牙、Wi-Fi、移动网络连接等。其中，上述红外传感器可以但不限于是主动红外传感器或被动红外传感器；上述计算机设备可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，本实施例对计算机设备的具体形式不做限定。其中，图1是以计算机设备是个人计算机为例示意红外图像处理系统的。下述实施例中将具体介绍红外图像处理方法的具体过程，并且以执行主体为红外图像处理系统中计算机设备来介绍红外图像处理方法的具体过程。
在一些场景中，红外传感器采集到的原始红外图像的灰度分布跨度较大，且其灰度分布通常集中在一定灰度范围内，而在其它灰度范围分布较少，从而使得原始红外图像整体偏暗、图像边缘模糊、细节较难分辨、对比度低、噪声较大等问题，基于此，为了提升原始红外图像中潜在或弱小目标细节的同时，还能抑制噪声并增强对比度，可以对原始红外图像进行处理，以使得最终在显示设备上显示的目标红外图像的质量较高，下面对原始红外图像进行处理的过程进行说明。
如图2所示，为本申请实施例提供的红外图像处理方法的流程示意图，该方法可以包括以下步骤：
S100、对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值。
这里需要说明的是，原始红外图像中各像素点的像素值为灰度值。其中，上述对比度扩展处理可以理解为对原始红外图像的对比度进行有效范围的线性扩展处理，能够充分利用整个灰度范围，以使对比度扩展处理后的原始红外图像中所有像素点的处理后像素值分别分布于整个灰度范围之间，能够让原始红外图像中亮的区域更高，暗的区域更暗。
在实际应用中，计算机设备可以根据原始红外图像中各像素点的像素值，对原始红外图像进行对比度扩展处理，得到各像素点的处理后像素值。
一种实现方式中，对原始红外图像进行对比度扩展处理的方式可以是预先训练一种算法模型，然后将原始红外图像中各像素点的像素值依次输入至算法模型中，该算法模型依次输出各像素点的处理后像素值。
另一种实现方式中，对原始红外图像进行对比度扩展处理的方式还可以是对于原始红外图像中的任一像素点，对像素点的像素值进行算术运算处理，得到各像素点的处理后像素值。可选地，上述算术运算可以为加法运算、减法运算、乘法运算、除法运算、指数运算、对数运算等中的至少一种。
S200、根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值。
具体地，计算机设备可以预先训练一种红外图像增强模型，然后将各像素点的处理后像素值依次输入至红外图像增强模型中，以让红外图像增强模型对原始红外图像进行局部增强处理和全局增强处理后，依次输出各像素点的校正后像素值。
可选地，上述红外图像增强模型可以是由卷积神经网络模型、全连接网络模型、残差网络模型、脉冲耦合神经网络模型、长期记忆神经网络模型等中的至少一种实现。
另外，计算机设备还可以根据各像素点的处理后像素值，对原始红外图像进行剪切、旋转、翻转变换、缩放变换、平移变换、尺度变换和/或对比度变换等处理，以对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值。
S300、根据各像素点的校正后像素值，确定目标红外图像。
其中，计算机设备可以根据各像素点的校正后像素值进行统计、映射和分析等处理，得到各像素点对应的目标像素值，并根据各像素点对应的目标像素值确定目标红外图像。
这里需要说明的是，目标红外图像中各像素点的像素值可以分别为对应像素点的目标像素值。
另外，可以根据各像素点的校正后像素值得到全局增强处理后的红外图像，并且在全局增强处理后的红外图像中不存在残留的噪声点时，可以直接将全局增强处理后的红外图像确定为目标红外图像。
进一步，计算机设备可以将获取到的目标红外图像发送至显示设备进行显示。
本申请实施例中的技术方案，对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值，根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值，并根据各像素点的校正后像素值，确定目标红外图像；上述方法可以对原始红外图像进行对比度扩展处理，以充分利用整个灰度范围，让原始红外图像中不同区域图像有明显的对比度差异，以为进一步精准处理做准备，提高最终获取到的目标红外图像的质量；同时，该方法将局部增强处理和全局增强处理进行融合，来对红外图像进行增强处理，能够解决最终显示设备上显示红外图像过程中的细节丢失与亮度显示的问题，提高最终获取到的目标红外图像的质量，相对于传统技术而言，获取到的目标红外图像的图像增强效果更高；同时，上述方法在对原始红外图像进行对比度扩展处理的基础上，可以通过局部和全局增强处理融合的算法对红外图像进行增强处理，能够在极大程度上提高增强处理的精准度，从而使得图像增强效果更高。
在一些场景中，红外传感器采集到的原始红外图像的对比度较低，且灰度值聚集在小灰度范围内，所以需要将原始红外图像的灰度值扩展到大灰度范围，以增强原始红外图像中不同目标的对比度，下面对如何对原始红外图像进行对比度扩展处理的过程进行说明。在一实施例中，如图3所示，上述S100中的步骤，可以通过以下方式实现：
S110、获取原始红外图像中各像素点的像素值和原始红外图像的位宽。
在本申请实施例中，可以获取原始红外图像中各像素点的像素值和原始红外图像的位宽。其中，原始红外图像的位宽可以通过采集红外图像的红外传感器确定，在本申请实施例中，原始红外图像的位宽可以为14bits。
S120、根据原始红外图像中各像素点的像素值，确定原始红外图像的最大像素值和最小像素值。
具体地，计算机设备可以按照从小到大或从大到小的顺序，对原始红外图像中各像素点的像素值进行排序，并从排序结果中获取原始红外图像的最大像素值和最小像素值。
另外，计算机设备还可以对原始红外图像中各像素点中的每两个像素点的像素值进行比较，得到原始红外图像中所有像素点的像素值中的最大像素值和最小像素值。
S130、根据各像素点的像素值、原始红外图像的位宽、最大像素值和最小像素值，对原始红外图像进行对比度扩展处理，得到各像素点的处理后像素值。
具体地，对于任一像素点，计算机设备可以根据像素点的像素值、原始红外图像的位宽、最大像素值和最小像素值进行算术运算处理，以对原始红外图像进行对比度扩展处理，得到各像素点的处理后像素值。
在实际应用中，对于每个像素点，均可以通过下述公式(1)进行处理，以完成对原始红外图像进行对比度扩展处理，即：
其中，i表示像素点在原始红外图像中所处的行位置，j表示像素点在原始红外图像中所处的列位置，M表示原始红外图像的位宽，omax表示原始红外图像的最大像素值，omin表示原始红外图像的最小像素值，o′表示像素点的处理后像素值。
本申请实施例中的技术方案，获取原始红外图像中各像素点的像素值和原始红外图像的位宽，根据原始红外图像中各像素点的像素值，确定原始红外图像的最大像素值和最小像素值，并根据各像素点的像素值、原始红外图像的位宽、最大像素值和最小像素值，对原始红外图像进行对比度扩展处理，得到各像素点的处理后像素值；该方法可以通过获取到的原始红外图像中各像素点的像素值和显示设备的显示位宽，对原始红外图像进行对比度扩展处理，以充分利用整个灰度范围，让原始红外图像中不同区域图像有明显的对比度差异，以为进一步精准处理做准备，提高最终获取到的目标红外图像的质量。
下面对根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值的过程进行说明。在一实施例中，如图4所示，上述S200中的步骤，可以通过以下方式实现：
S210、根据各像素点的处理后像素值，对原始红外图像进行局部增强处理，得到各像素点的局部增强后像素值。
具体地，计算机设备可以采用局部增强算法，根据各像素点的处理后像素值，对原始红外图像进行局部增强处理，得到各像素点的局部增强后像素值。
可选地，上述局部增强算法可以为局部自适应直方图均衡化算法、基于局部均方差的图像局部对比度增强算法、基于自定义滤波器的局部增强算法、基于对数变换的图像局部增强算法等，对此本申请实施例不做限定。
这里需要说明的是，局部增强处理可以解决最终显示设备上显示红外图像过程中的细节丢失(如分辨率低、轮廓丢失、边缘模糊、存在噪声点)的问题。
一个实施例中，如图5所示，上述S210中根据各像素点的处理后像素值，对原始红外图像进行局部增强处理，得到各像素点的局部增强后像素值的步骤，可以通过以下方式实现：
S211、对于任一像素点，根据像素点的处理后像素值、像素点的位置、各其它像素点的处理后像素值和各其它像素点的位置，确定像素点的双边滤波系数。其中，其它像素点为滤波窗口内像素点周围的像素点，滤波窗口为以像素点为中心的窗口。
可选地，滤波窗口的形状可以为矩形，但在本申请实施例中，滤波窗口的形状为正方形，且为了保证图像边缘尖锐，滤波窗口可以为5×5、7×7等奇数尺寸的窗口，只要保证滤波窗口的尺寸小于原始红外图像的尺寸即可。
这里需要说明的是，确定像素点的双边滤波系数的过程可以理解对红外图像进行保边去噪的过程。其中，对于任一像素点，计算机设备可以根据像素点的处理后像素值、像素点的位置、各其它像素点的处理后像素值和各其它像素点的位置进行算术运算处理，得到像素点的双边滤波系数。
在本申请实施例中，对于任一像素点，计算机设备可以对像素点的处理后像素值、像素点的位置、各其它像素点的处理后像素值和各其它像素点的位置进行指数运算、减法运算、平方和运算、加法运算和绝对值运算，得到像素点的双边滤波系数，具体可以通过下述公式(2)计算像素点的双边滤波系数，即：
其中，σr表示灰度相似度因子，σd表示空间相似度因子，k表示滤波窗口内像素点周围的其它像素点在原始红外图像中所处的行位置，k表示滤波窗口内像素点周围的其它像素点在原始红外图像中所处的行位置，l表示滤波窗口内像素点周围的其它像素点在原始红外图像中所处的列位置，o′表示像素点的处理后像素值，w表示像素点的双边滤波系数。
这里需要说明的是，公式(2)可以理解为一个双边滤波器，其中，表示由几何空间距离确定的滤波器，/>表示由像素差值确定的滤波器。其中，通过双边滤波器可以将对比度扩展处理后的红外图像进行去噪处理和细节增强处理，以抑制噪声增强图像的细节信息。
在本申请实施例中，由于双边滤波系数同时受到空间相似度因子σd和灰度相似度因子σr的影响，在红外图像的局部区域，不同像素点之间的灰度值比较接近，由像素差值确定的滤波器对应的分量对双边滤波系数的影响较小，双边滤波器可以理解为高斯滤波器；而在红外图像的边缘，双边滤波器中起主要作用的是由像素差值确定的滤波器对应的分量，这部分分量的值越小，像素点之间的灰度差值越小，双边滤波系数相对越大，从而使得滤波处理后的红外图像中的边缘信息能够得到保留，并且能够减少边缘模糊。
S212、根据各其它像素点的处理后像素值和双边滤波系数，确定像素点的局部增强后像素值。
其中，对于任一像素点，计算机设备可以根据滤波窗口内像素点周围的各其它像素点的处理后像素值和像素点的双边滤波系数进行算术运算处理，得到像素点的双边滤波系数。
在本申请实施例中，对于任一像素点，计算机设备可以对滤波窗口内像素点周围的各其它像素点的处理后像素值和像素点的双边滤波系数像素点进行求和运算、乘法运算和除法运算，得到像素点的双边滤波系数，具体可以通过下述公式(3)计算像素点的局部增强后像素值l，即：
S220、根据各像素点的局部增强后像素值，对原始红外图像进行全局增强处理，得到各像素点的校正后像素值。
具体地，计算机设备可以采用全局增强算法，根据各像素点的局部增强后像素值，对原始红外图像进行全局增强处理，得到各像素点的校正后像素值。可选地，全局增强算法可以为全局直方图均衡化算法、限制对比度的直方图均衡化算法、离散余弦变换算法、离散剪切变换算法、自适应逆双曲正切函数变换算法等，对此本申请实施例不做限定。
这里需要说明的是，全局增强处理可以解决最终显示设备上显示红外图像过程中的亮度显示(如图像对比度低)的问题。
在实际应用中，可以对双边滤波处理后的红外图像进行亮度调整，以改善红外图像光照分布不均匀的问题，基于此，在本申请实施例中，可以对局部增强后的红外图像进行全局增强处理以实现亮度调整，下面对局部增强后的红外图像进行全局增强处理的过程进行说明。在一实施例中，如图6所示，上述S220中根据各像素点的局部增强后像素值，对原始红外图像进行全局增强处理，得到各像素点的校正后像素值的步骤，可以通过以下方式实现：
S221、对于任一像素点，根据像素点的局部增强后像素值和原始红外图像的位宽，确定像素点的局部对比度差异值。
可选地，像素点的局部对比度差异值可以为像素点的局部自适应伽马值。其中，对于任一像素点，计算机设备可以对像素点的局部增强后像素值和原始红外图像的位宽进行算术运算处理，得到像素点的局部对比度差异值。
在本申请实施例中，计算机设备可以分别对各像素点的局部增强后像素值和原始红外图像的位宽进行指数运算、减法运算和除法运算，以拟合韦伯曲线，得到各像素点的局部对比度差异值，具体可以通过下述公式(4)计算像素点的局部对比度差异值l，即：
其中，M表示原始红外图像的位宽。
这里需要说明的是，对局部增强后的红外图像采用上述S221中的步骤处理后，能够使得处理后的红外图像中背景像素点的灰度值小于2M-1，对应γ小于1，使得目标和背景的对比度差异被显著放大，在背景像素点的灰度值大于2M-1，对应γ大于1，在较亮范围内，目标和背景的对比度差异也能够被显著放大，从而能够实现图像细节增强。
S222、根据像素点的处理后像素值、局部对比度差异值、原始红外图像的位宽和显示设备的显示位宽，确定像素点的校正后像素值。
其中，显示设备的显示位宽可以理解为通过显示设备显示红外图像的显示位宽；不同显示设备的显示位宽可以相等，也可以不相等，但在本申请实施例中，上述显示设备的显示位宽可以为8bits。
在实际应用中，对于任一像素点，计算机设备可以对像素点的处理后像素值、局部对比度差异值、原始红外图像的位宽和显示设备的显示位宽进行算术运算处理，得到像素点的校正后像素值。
在本申请实施例中，对于任一像素点，计算机设备可以对像素点的处理后像素值、局部对比度差异值、原始红外图像的位宽和显示设备的显示位宽进行指数运算、减法运算、乘法运算和除法运算，得到像素点的校正后像素值，具体可以通过下述公式(5)计算像素点的校正后像素值r，即：
其中，N表示显示设备的显示位宽。
本申请实施例中的技术方案，根据各像素点的处理后像素值，对原始红外图像进行局部增强处理，得到各像素点的局部增强后像素值，并根据各像素点的局部增强后像素值，对原始红外图像进行全局增强处理，得到各像素点的校正后像素值；上述方法可以可以先对原始红外图像进行局部增强处理，然后再对局部增强后的红外图像进行全局增强处理，以将局部增强处理和全局增强处理融合，不仅考虑了像素临近点之间的关系，保留了图像丰富的细节信息，能够提高细节增强效果，还考虑了像素点的亮度值，能够避免图像边缘出现光晕现象，从而提高了红外图像的整体增强效果，使得最终获取到的目标红外图像的质量更高。
在一些场景中，全局增强处理后的红外图像中会存在残留的噪声点，该情况下，由于全局增强处理后的红外图像中各像素点的灰度值通常集中在有限的灰度范围内，为了进一步扩展有效的灰度范围，可以采用直方图统计拉伸处理来搜索图像细节，以改善图像细节显示问题，使得最终获取到的目标红外图像的视觉效果更高，下面对全局增强处理后的红外图像进行细节搜索处理过程进行说明。在一实施例中，如图7所示，上述S300中根据各像素点的校正后像素值，确定目标红外图像的步骤，可以通过以下方式实现：
S310、根据各像素点的校正后像素值，获取红外图像直方图。
可选地，计算机设备可以根据原始红外图像中各像素点对应的校正后像素值，采用统计法确定红外图像直方图。
另外，计算机设备还可以预先训练一种算法模型，然后将各像素点的校正后像素值均输入至算法模型中，该算法模型输出红外图像直方图。
其中，红外图像直方图中的纵坐标表示像素值范围，红外图像直方图中的横坐标表示数量；在实际应用中，红外图像直方图由多个竖条矩形组成，每个竖条对应一个校正后像素值和该校正后像素值对应的像素点的总像素点数。
在本申请实施例中，所有像素点的校正后像素值可以为0～255之间的任一灰度值，所有像素点对应的不同校正后像素值的总像素数量可以等于256；红外图像直方图中包括256个竖条矩形，每个竖条矩形表示对应一个灰度值。
S320、根据红外图像直方图和红外图像直方图对应的最大概率密度，确定最大概率密度在红外图像直方图中的响应灰度级。
这里需要说明的是，红外图像直方图对应的256个竖条矩形中，从原点开始算起的第一个竖条矩形到最后一个竖条矩形，第一个竖条矩形可以称为第1个灰度级，第二个竖条矩形可以称为第2个灰度级，直到最后一个竖条矩形可以称为第256个灰度级。
可选地，上述红外图像直方图对应的最大概率密度可以表示红外图像直方图中最大灰度值对应的竖条矩形的位置(即灰度级)。
其中，计算机设备可以获取红外图像直方图对应的最大概率密度，然后根据最大概率密度、红外图像直方图对应的不同灰度值和不同灰度值所处的竖条矩形的位置进行比较处理，确定最大概率密度在红外图像直方图中的响应灰度级。
在本申请实施例中，计算机设备可以通过下述公式(6)获取最大概率密度在红外图像直方图中的响应灰度级gmax，即：
gmax＝p(hLAGC,pMAX) (6)；
其中，pMAX表示红外图像直方图对应的最大概率密度，hLAGC表示红外图像直方图，p表示在红外图像直方图hLAGC中找到最大灰度值对应的竖条矩形的位置(即灰度级)。
S330、根据红外图像直方图中的各灰度级、响应灰度级、各灰度级的像素点数和原始红外图像的总像素点数，确定目标红外图像。
其中，计算机设备可以预先训练一种图像处理网络模型，然后将红外图像直方图中的各灰度级、响应灰度级、各灰度级的像素点数和原始红外图像的总像素点数均输入至图像处理网络模型中，该图像处理模型输出目标红外图像，即最终在显示设备上待显示的红外图像。
可选地，图像处理网络模型可以卷积神经网络模型、全连接神经网络模型、循环递归神经网络模型、长短期记忆神经网络模型等中的至少一种实现。
另外，计算机设备还可以根据红外图像直方图中的各灰度级、响应灰度级、各灰度级的像素点数和原始红外图像的总像素点数进行算术运算处理和映射处理，得到目标红外图像。
本申请实施例中的技术方案，根据各像素点的校正后像素值，获取红外图像直方图，根据红外图像直方图和红外图像直方图对应的最大概率密度，确定最大概率密度在红外图像直方图中的响应灰度级，并根据红外图像直方图中的各灰度级、响应灰度级、各灰度级的像素点数和原始红外图像的总像素点数，确定目标红外图像；该方法可以对融合增强后的红外图像进行细节搜索，以增加原始红外图像中细节的对比度，使得最终获取到的目标红外图像中的细节显示出来，使得最终获取到的目标红外图像的视觉效果更高，从而能够提高目标红外图像的质量。
下面对上述S330中根据红外图像直方图中的各灰度级、响应灰度级、各灰度级的像素点数和原始红外图像的总像素点数，确定目标红外图像的过程进行说明。在一实施例中，如图8所示，上述S330中的步骤，可以通过以下方式实现：
S331、根据红外图像直方图中灰度级的总数量，获取以响应灰度级为中心的各目标范围。
其中，红外图像直方图中灰度级的总数量可以等于红外图像直方图中竖条矩形的总数量，即等于256。
具体地，计算机设备可以根据红外图像直方图中灰度级的总数量，确定响应灰度级的间隔距离，然后根据响应灰度级和响应灰度级的间隔距离得到以响应灰度级为中心的各目标范围。
可选地，可以根据灰度级的总数量，采用gmax两端交错方式得到响应灰度级的间隔距离，对应地，间隔距离可以等于gmax-m或gmax+m，其中，m可以等于0、1、2、...、256，对应地，响应灰度级gmax的间隔距离序列可以为gmax-0、gmax-1、gmax-2、...、gmax-255、gmax+1、gmax+2、...、gmax+255，但在本申请实施例中，若gmax-m和/或gmax+m落在红外图像直方图中的各竖条矩形之外的位置上，可以将该m对应的gmax-m和gmax+m从间隔距离序列中删除，得到更新后的间隔距离序列。
在实际应用中，可以根据间隔距离序列中的gmax-m和gmax+m确定目标范围，该目标范围可以为[gmax-m，gmax+m]。
S332、根据各目标范围内各灰度级的像素点数和原始红外图像的总像素点数，获取不同目标范围内各灰度级的概率密度求和结果小于或等于预设阈值的目标概率密度求和结果。
在实际应用中，计算机设备可以预先训练一种算法模型，然后将各目标范围内各灰度级的像素点数和原始红外图像的总像素点数均输入至算法模型中，该算法模型输出各目标范围内各灰度级的概率密度求和结果，然后对各目标范围内各灰度级的概率密度求和结果与预设阈值进行比较，并将小于或等于预设阈值的灰度级的概率密度求和结果确定为目标概率密度求和结果。
另外，计算机设备还可以根据各目标范围内各灰度级的像素点数和原始红外图像的总像素点数进行比较处理、极值运算处理和算术运算处理，得到不同目标范围内各灰度级的概率密度求和结果小于或等于预设阈值的目标概率密度求和结果。
在本申请实施例中，对于红外图像直方图中任一灰度级的概率密度可以等于该灰度级对应的像素点数除以原始红外图像的总像素点数。具体地，对于任一目标范围，计算机设备可以根据目标范围内各灰度级的像素点数和原始红外图像的总像素点数，计算目标范围内各灰度级的概率密度，然后对目标范围内各灰度级的概率密度求和，得到目标范围内各灰度级的概率密度求和结果。
这里需要说明的是，可以从所有目标范围中，按照小范围到大范围的顺序，计算目标范围内各灰度级的概率密度求和结果。
例如，对于目标范围k，目标范围内各灰度级的概率密度求和结果hsum可以通过下述公式(7)表示为：
其中，nk表示第k个灰度级对应的像素点数，n表示原始红外图像的总像素点数。
这里需要说明的是，可以从所有目标范围中，按照小范围到大范围的顺序，计算目标范围内各灰度级的概率密度求和结果，在实际应用中，获取每个目标范围内各灰度级的概率密度求和结果后，可以将目标范围内各灰度级的概率密度求和结果加入结果集中，并判断结果集中的最大概率密度求和结果是否小于或等于预设阈值，若是，则停止处理，并将最后一次获取到的目标范围内各灰度级的概率密度求和结果确定为目标概率密度求和结果。
还可以理解的是，在实际应用中，获取每个目标范围内各灰度级的概率密度求和结果后，可以将目标范围内各灰度级的概率密度求和结果与预设阈值进行比较，若目标范围内各灰度级的概率密度求和结果小于或等于预设阈值时，可以停止处理，直接将小于或等于预设阈值的目标范围内各灰度级的概率密度求和结果确定为目标概率密度求和结果。
可选地，上述预设阈值可以是用户自定义确定的，还可以是经过历史经验值确定的，对此本申请实施例不做限定。
S333、根据各灰度级、目标概率密度求和结果对应的目标范围中的最大值和最小值、显示设备的显示位宽，获取目标红外图像。
其中，上述目标范围中的最大值可以等于gmax+m，目标范围中的最小值可以等于gmax-m。
具体地，对于任一灰度级，计算机设备可以在映射关系表中查找灰度级、目标概率密度求和结果对应的目标范围中的最大值和最小值、显示设备的显示位宽，然后将查找到的灰度级、最大值、最小值和显示位宽对应的像素值确定为对应像素点的目标像素值，之后根据获取到的各像素点的目标像素值得到目标红外图像。
可选地，上述映射关系表中可以包括不同灰度级、不同间隔距离对应的目标范围中的最大值和最小值、不同显示设备的显示位宽和不同像素值之间的对应关系。
另外，计算机设备可以对各灰度级、目标概率密度求和结果对应的目标范围中的最大值和最小值、显示设备的显示位宽进行比较处理、算术运算处理和映射处理，得到各像素点的目标像素值，然后根据各像素点的目标像素值得到目标红外图像。
一个实施例中，如图9所示，上述S333中根据各灰度级、最大值、最小值和显示位宽，获取目标红外图像的步骤，可以通过以下方式实现：
S3331、根据各灰度级、最大值、最小值和显示位宽，确定各灰度级对应的灰度值。
在本申请实施例中，计算机设备可以根据各灰度级、最大值、最小值和显示位宽，对红外图像直方图进行延伸处理，得到各灰度级对应的灰度值。
在实际应用中，对于红外图像直方图中的任一灰度级，可以通过下述公式(8)对红外图像直方图进行延伸处理，以适应显示设备的灰度范围，得到灰度级对应的灰度值q，即：
其中，N表示显示设备的显示位宽，g表示第g个灰度级，vmax表示目标范围的最大值，vmin表示目标范围的最小值。
S3332、将各灰度级的像素点分别映射至原始红外图像，根据各灰度级的灰度值确定各映射后的像素点的像素值，并根据各映射后的像素点的像素值确定目标红外图像。
进一步，基于前文步骤获取到的红外图像直方图中各灰度级对应的灰度值，对于任一灰度级，可以将灰度级对应的像素点映射在原始红外图像中，得到原始红外图像中的对应像素点，并将灰度级的灰度值确定为该对应像素点的目标像素值，然后获取到原始红外图像中每个像素点的目标像素值后，根据各像素点的目标像素值确定目标红外图像。
示例性地，如图10所示，图10左侧为一原始红外图像1，右侧为该原始红外图像1对应的目标红外图像1。如图11所示，图11左侧为另一原始红外图像2，右侧为该原始红外图像2对应的目标红外图像2。其中，从图10和11可以明显地看出，目标红外图像中能够显示图像细节信息，并增大了目标和背景的显示亮度。
本申请实施例中的技术方案，根据红外图像直方图中灰度级的总数量，获取以响应灰度级为中心的各目标范围，根据各目标范围内各灰度级的像素点数和原始红外图像的总像素点数，获取不同目标范围内各灰度级的概率密度求和结果小于或等于预设阈值的目标概率密度求和结果，并根据各灰度级、目标概率密度求和结果对应的目标范围中的最大值和最小值、显示设备的显示位宽，获取目标红外图像；该方法可以对原始红外图像进行直方图拉伸处理，使得有效灰度范围可得到进一步的扩展，能够让最终获取到的目标红外图像的细节可清楚地显示出来。
一种实施例中，本申请实施例还提供一种红外图像处理方法，该方法包括以下过程：
(1)获取原始红外图像中各像素点的像素值和显示设备的显示位宽。
(2)根据原始红外图像中各像素点的像素值，确定原始红外图像的最大像素值和最小像素值。
(3)根据各像素点的像素值、显示位宽、最大像素值和最小像素值，对原始红外图像进行对比度扩展处理，得到各像素点的处理后像素值。
(4)对于任一像素点，根据像素点的处理后像素值、像素点的位置、各其它像素点的处理后像素值和各其它像素点的位置，确定像素点的双边滤波系数；其它像素点为滤波窗口内像素点周围的像素点，滤波窗口为以像素点为中心的窗口。
(5)根据各其它像素点的处理后像素值和双边滤波系数，确定像素点的局部增强后像素值。
(6)对于任一像素点，根据像素点的局部增强后像素值和显示设备的显示位宽，确定像素点的局部对比度差异值。
(7)根据像素点的处理后像素值、局部对比度差异值和显示位宽，确定像素点的校正后像素值。
(8)根据各像素点的校正后像素值，获取红外图像直方图。
(9)根据红外图像直方图和红外图像直方图对应的最大概率密度，确定最大概率密度在红外图像直方图中的响应灰度级。
(10)根据红外图像直方图中的各灰度级，获取以响应灰度级为中心的各目标范围。
(11)根据响应灰度级、目标范围内各灰度级的像素点数和原始红外图像的总像素点数，获取不同目标范围内各灰度级的概率密度求和结果小于或等于预设阈值的目标概率密度求和结果。
(12)根据各灰度级、最大值、最小值和显示位宽，确定各灰度级对应的灰度值。
(13)根据各灰度级的灰度值分别映射至原始红外图像中对应的像素点，根据各像素点的灰度值，得到目标红外图像。
以上(1)至(13)的执行过程具体可以参见上述实施例的描述，其实现原理和技术效果类似，在此不再赘述。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
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红外图像处理方法的红外图像处理装置。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红外图像处理装置实施例中的具体限定可以参见上文中对于红外图像处理方法的限定，在此不再赘述。
在一个实施例中，图12为本申请一个实施例中红外图像处理装置的结构示意图，本申请实施例提供的红外图像处理装置可以应用于计算机设备中。如图12所示，本申请实施例的红外图像处理装置，可以包括：扩展处理模块11、增强处理模块12和确定模块13，其中：
扩展处理模块11，用于对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值；
增强处理模块12，用于根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值；
确定模块13，用于根据各像素点的校正后像素值，确定目标红外图像。
本申请实施例提供的红外图像处理装置可以用于执行本申请上述红外图像处理方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
在其中一个实施例中，扩展处理模块11具体用于：
获取原始红外图像中各像素点的像素值和原始红外图像的位宽；
根据原始红外图像中各像素点的像素值，确定原始红外图像的最大像素值和最小像素值；
根据各像素点的像素值、原始红外图像的位宽、最大像素值和最小像素值，对原始红外图像进行对比度扩展处理，得到各像素点的处理后像素值。
本申请实施例提供的红外图像处理装置可以用于执行本申请上述红外图像处理方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
在其中一个实施例中，增强处理模块12包括：局部增强单元和全局增强单元，其中：
局部增强单元，用于根据各像素点的处理后像素值，对原始红外图像进行局部增强处理，得到各像素点的局部增强后像素值；
全局增强单元，用于根据各像素点的局部增强后像素值，对原始红外图像进行全局增强处理，得到各像素点的校正后像素值。
本申请实施例提供的红外图像处理装置可以用于执行本申请上述红外图像处理方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
在其中一个实施例中，局部增强单元具体用于：
对于任一像素点，根据像素点的处理后像素值、像素点的位置、各其它像素点的处理后像素值和各其它像素点的位置，确定像素点的双边滤波系数；其它像素点为滤波窗口内像素点周围的像素点，滤波窗口为以像素点为中心的窗口；
根据各其它像素点的处理后像素值和双边滤波系数，确定像素点的局部增强后像素值。
本申请实施例提供的红外图像处理装置可以用于执行本申请上述红外图像处理方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
在其中一个实施例中，全局增强单元具体用于：
对于任一像素点，根据像素点的局部增强后像素值和原始红外图像的位宽，确定像素点的局部对比度差异值；
根据像素点的处理后像素值、局部对比度差异值、原始红外图像的和显示设备的显示位宽，确定像素点的校正后像素值。
本申请实施例提供的红外图像处理装置可以用于执行本申请上述红外图像处理方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
在其中一个实施例中，确定模块13包括：直方图获取单元、第一确定单元和第二确定单元，其中：
直方图获取单元，用于根据各像素点的校正后像素值，获取红外图像直方图；
第一确定单元，用于根据红外图像直方图和红外图像直方图对应的最大概率密度，确定最大概率密度在红外图像直方图中的响应灰度级；
第二确定单元，用于根据红外图像直方图中的各灰度级、响应灰度级、各灰度级的像素点数和原始红外图像的总像素点数，确定目标红外图像。
本申请实施例提供的红外图像处理装置可以用于执行本申请上述红外图像处理方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
在其中一个实施例中，第二确定单元具体用于：第一获取子单元、第二获取子单元和第三获取子单元，其中：
第一获取子单元，用于根据红外图像直方图中灰度级的总数量，获取以响应灰度级为中心的各目标范围；
第二获取子单元，用于根据各目标范围内各灰度级的像素点数和原始红外图像的总像素点数，获取不同目标范围内各灰度级的概率密度求和结果小于或等于预设阈值的目标概率密度求和结果；
第三获取子单元，用于根据各灰度级、目标概率密度求和结果对应的目标范围中的最大值和最小值、显示设备的显示位宽，获取目标红外图像。
本申请实施例提供的红外图像处理装置可以用于执行本申请上述红外图像处理方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
在其中一个实施例中，第三获取子单元具体用于：
根据各灰度级、最大值、最小值和显示位宽，确定各灰度级对应的灰度值；
将各灰度级的像素点分别映射至原始红外图像，根据各灰度级的灰度值确定各映射后的像素点的像素值，并根据各映射后的像素点的像素值确定目标红外图像。
本申请实施例提供的红外图像处理装置可以用于执行本申请上述红外图像处理方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
关于红外图像处理装置的具体限定可以参见上文中对于红外图像处理方法的限定，在此不再赘述。上述红外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，该计算机设备的内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供处理能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和信息库。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。该计算机设备的信息库用于存储原始红外图像和目标红外图像。该计算机设备的网络接口用于与外部的终点通过网络连接通信。该计算机程序被处理器执行时以实现一种红外图像处理方法。
本领域技术人员可以理解，图13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，还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：
对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值；
根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值；
根据各像素点的校正后像素值，确定目标红外图像。
在一个实施例中，还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：
对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值；
根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值；
根据各像素点的校正后像素值，确定目标红外图像。
在一个实施例中，还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：
对原始红外图像进行对比度扩展处理，得到原始红外图像中各像素点的处理后像素值；
根据各像素点的处理后像素值，对原始红外图像进行局部增强处理和全局增强处理，确定各像素点的校正后像素值；
根据各像素点的校正后像素值，确定目标红外图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、信息库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种红外图像处理方法，其特征在于，所述方法包括：
对原始红外图像进行对比度扩展处理，得到所述原始红外图像中各像素点的处理后像素值；
根据各所述像素点的处理后像素值，对所述原始红外图像进行局部增强处理和全局增强处理，确定各所述像素点的校正后像素值；
根据各所述像素点的校正后像素值，确定目标红外图像。
2.根据权利要求1所述的方法，其特征在于，所述对原始红外图像进行对比度扩展处理，得到所述原始红外图像中各像素点的处理后像素值，包括：
获取所述原始红外图像中各像素点的像素值和所述原始红外图像的位宽；
根据所述原始红外图像中各像素点的像素值，确定所述原始红外图像的最大像素值和最小像素值；
根据各所述像素点的像素值、所述原始红外图像的位宽、所述最大像素值和所述最小像素值，对所述原始红外图像进行对比度扩展处理，得到各所述像素点的处理后像素值。
3.根据权利要求1或2所述的方法，其特征在于，所述根据各所述像素点的处理后像素值，对所述原始红外图像进行局部增强处理和全局增强处理，确定各所述像素点的校正后像素值，包括：
根据各所述像素点的处理后像素值，对所述原始红外图像进行局部增强处理，得到各所述像素点的局部增强后像素值；
根据各所述像素点的局部增强后像素值，对所述原始红外图像进行全局增强处理，得到各所述像素点的校正后像素值。
4.根据权利要求3所述的方法，其特征在于，所述根据各所述像素点的处理后像素值，对所述原始红外图像进行局部增强处理，得到各所述像素点的局部增强后像素值，包括：
对于任一像素点，根据像素点的处理后像素值、所述像素点的位置、各其它像素点的处理后像素值和各所述其它像素点的位置，确定所述像素点的双边滤波系数；所述其它像素点为滤波窗口内所述像素点周围的像素点，所述滤波窗口为以所述像素点为中心的窗口；
根据各所述其它像素点的处理后像素值和所述双边滤波系数，确定所述像素点的局部增强后像素值。
5.根据权利要求3所述的方法，其特征在于，所述根据各所述像素点的局部增强后像素值，对所述原始红外图像进行全局增强处理，得到各所述像素点的校正后像素值，包括：
对于任一像素点，根据像素点的局部增强后像素值和所述原始红外图像的位宽，确定所述像素点的局部对比度差异值；
根据所述像素点的处理后像素值、局部对比度差异值、所述原始红外图像的和显示设备的显示位宽，确定所述像素点的校正后像素值。
6.根据权利要求1或2所述的方法，其特征在于，所述根据各所述像素点的校正后像素值，确定目标红外图像，包括：
根据各所述像素点的校正后像素值，获取红外图像直方图；
根据所述红外图像直方图和所述红外图像直方图对应的最大概率密度，确定所述最大概率密度在所述红外图像直方图中的响应灰度级；
根据所述红外图像直方图中的各灰度级、所述响应灰度级、各所述灰度级的像素点数和所述原始红外图像的总像素点数，确定所述目标红外图像。
7.根据权利要求6所述的方法，其特征在于，所述根据所述红外图像直方图中的各灰度级、所述响应灰度级、各所述灰度级的像素点数和所述原始红外图像的总像素点数，确定所述目标红外图像，包括：
根据所述红外图像直方图中灰度级的总数量，获取以所述响应灰度级为中心的各目标范围；
根据各所述目标范围内各灰度级的像素点数和所述原始红外图像的总像素点数，获取不同目标范围内各灰度级的概率密度求和结果小于或等于预设阈值的目标概率密度求和结果；
根据各所述灰度级、所述目标概率密度求和结果对应的目标范围中的最大值和最小值、显示设备的显示位宽，获取所述目标红外图像。
8.根据权利要求7所述的方法，其特征在于，所述根据各所述灰度级、所述目标概率密度求和结果对应的目标范围中的最大值和最小值、显示设备的显示位宽，获取所述目标红外图像，包括：
根据各所述灰度级、所述最大值、所述最小值和所述显示位宽，确定各所述灰度级对应的灰度值；
将各所述灰度级的像素点分别映射至所述原始红外图像，根据各所述灰度级的灰度值确定各映射后的像素点的像素值，并根据各所述映射后的像素点的像素值确定所述目标红外图像。
9.一种红外图像处理装置，其特征在于，所述装置包括：
扩展处理模块，用于对原始红外图像进行对比度扩展处理，得到所述原始红外图像中各像素点的处理后像素值；
增强处理模块，用于根据各所述像素点的处理后像素值，对所述原始红外图像进行局部增强处理和全局增强处理，确定各所述像素点的校正后像素值；
确定模块，用于根据各所述像素点的校正后像素值，确定目标红外图像。
10.一种计算机设备，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1-8中任一项所述的方法的步骤。
11.一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1-8中任一项所述的方法的步骤。
12.一种计算机程序产品，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1-8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310953860.6A CN116862812A (zh) | 2023-07-31 | 2023-07-31 | 红外图像处理方法、装置、计算机设备、存储介质及产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310953860.6A CN116862812A (zh) | 2023-07-31 | 2023-07-31 | 红外图像处理方法、装置、计算机设备、存储介质及产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116862812A true CN116862812A (zh) | 2023-10-10 |
Family
ID=88234098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310953860.6A Pending CN116862812A (zh) | 2023-07-31 | 2023-07-31 | 红外图像处理方法、装置、计算机设备、存储介质及产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116862812A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118154491A (zh) * | 2024-01-25 | 2024-06-07 | 广州卓炎软件技术有限公司 | 红外图像的处理方法及装置、存储介质 |
| CN118714333A (zh) * | 2024-08-27 | 2024-09-27 | 四川赛狄信息技术股份公司 | 一种基于直方图统计的图像位宽转换方法及装置 |
-
2023
- 2023-07-31 CN CN202310953860.6A patent/CN116862812A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118154491A (zh) * | 2024-01-25 | 2024-06-07 | 广州卓炎软件技术有限公司 | 红外图像的处理方法及装置、存储介质 |
| CN118714333A (zh) * | 2024-08-27 | 2024-09-27 | 四川赛狄信息技术股份公司 | 一种基于直方图统计的图像位宽转换方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Agrawal et al. | A novel joint histogram equalization based image contrast enhancement | |
| CN108694705B (zh) | 一种多帧图像配准与融合去噪的方法 | |
| Chandel et al. | Image filtering algorithms and techniques: A review | |
| CN113034358B (zh) | 一种超分辨率图像处理方法以及相关装置 | |
| CN116862812A (zh) | 红外图像处理方法、装置、计算机设备、存储介质及产品 | |
| CN107133923B (zh) | 一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法 | |
| US20140126808A1 (en) | Recursive conditional means image denoising | |
| CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
| CN111415317B (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
| CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| CN113469092B (zh) | 字符识别模型生成方法、装置、计算机设备和存储介质 | |
| CN114581318A (zh) | 一种低照明度图像增强方法及系统 | |
| CN110809126A (zh) | 一种基于自适应可变形卷积的视频帧插值方法及系统 | |
| CN113888438A (zh) | 图像处理方法、装置及存储介质 | |
| CN115239653A (zh) | 支持多分屏的黑屏检测方法、装置、电子设备及可读存储介质 | |
| CN111784733B (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
| CN113542868A (zh) | 视频关键帧选取方法、装置、电子设备、存储介质 | |
| CN112801899A (zh) | 基于互补结构感知的内外循环驱动图像盲去模糊方法和装置 | |
| Utama et al. | Young lunar crescent detection based on video data with computer vision techniques | |
| CN114463764A (zh) | 表格线检测方法、装置、计算机设备和存储介质 | |
| CN112509052B (zh) | 黄斑中心凹的检测方法、装置、计算机设备和存储介质 | |
| US9679363B1 (en) | System and method for reducing image noise | |
| CN111435448B (zh) | 图像显著性物体检测方法、装置、设备及介质 | |
| CN113240611A (zh) | 一种基于图片序列的异物检测方法 | |
| CN112489068A (zh) | 一种基于卷积神经网络的医学图像分割的方法 |
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 |