CN116977154B - 可见光图像与红外图像融合储存方法、装置、设备和介质 - Google Patents
可见光图像与红外图像融合储存方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116977154B CN116977154B CN202311228733.6A CN202311228733A CN116977154B CN 116977154 B CN116977154 B CN 116977154B CN 202311228733 A CN202311228733 A CN 202311228733A CN 116977154 B CN116977154 B CN 116977154B
- Authority
- CN
- China
- Prior art keywords
- image
- visible light
- fused
- infrared
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 65
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims abstract description 23
- 238000013519 translation Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 11
- 238000007499 fusion processing Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
-
- 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
本申请涉及图像处理技术领域，提供了一种可见光图像与红外图像融合储存方法、装置、计算机设备、存储介质和计算机程序产品。本申请能够实现减小图像储存的占用空间。该方法包括：获取实时可见光图像和实时红外图像；分别对实时可见光图像和实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像；将待融合可见光图像和待融合红外图像，输入至图像融合模型，得到融合图像；从融合图像中获取与待融合可见光图像对应的RGB值和与待融合红外图像对应的灰度值；将与待融合可见光图像对应的RGB值和与待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种可见光图像与红外图像融合储存方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着图像处理技术的发展，红外图像技术在监控、遥感和热成像等诸多领域具有广泛应用和重要价值。为便于分析、处理和展示，通常需要将红外图像与可见光图像进行储存。
传统技术通常是将红外图像与可见光图像分开储存；但是该技术需要储存两个图像文件，导致图像储存的占用空间较大。
发明内容
基于此，有必要针对上述技术问题，提供一种能够减小图像储存的占用空间的可见光图像与红外图像融合储存方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种可见光图像与红外图像融合储存方法。所述方法包括：
获取实时可见光图像和实时红外图像；
分别对所述实时可见光图像和所述实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像；
将所述待融合可见光图像和所述待融合红外图像，输入至图像融合模型，得到融合图像；
从所述融合图像中，获取与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值；
将与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与所述实时可见光图像和所述实时红外图像对应的目标图像文件。
在其中一个实施例中，所述将所述待融合可见光图像和所述待融合红外图像，输入至图像融合模型，得到融合图像，包括：
获取所述待融合可见光图像的第一图像参数，和所述待融合红外图像的第二图像参数；所述第一图像参数包括所述待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值；所述第二图像参数包括所述待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值；
利用图像融合模型，根据所述第一图像参数和所述第二图像参数，对所述待融合可见光图像和所述待融合红外图像进行图像融合处理，得到融合图像。
在其中一个实施例中，所述将与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与所述实时可见光图像和所述实时红外图像对应的目标图像文件，包括：
获取包含四个图像存储通道的图像文件，作为原始图像文件；
将与所述待融合可见光图像对应的RGB值，存储至所述原始图像文件中相应的第一图像存储通道、第二图像存储通道和第三图像存储通道中，得到基础图像文件；
将与所述待融合红外图像对应的灰度值，存储至所述基础图像文件中的第四图像存储通道中，得到与所述实时可见光图像和所述实时红外图像对应的目标图像文件。
在其中一个实施例中，所述分别对所述实时可见光图像和所述实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像，包括：
对所述实时可见光图像进行伸缩平移处理，得到待处理可见光图像，并对所述实时红外图像进行伸缩平移处理，得到待处理红外图像；
对所述待处理可见光图像进行灰度化处理，得到待融合可见光图像，并对所述待处理红外图像进行灰度化处理，得到待融合红外图像。
在其中一个实施例中，所述对所述待处理可见光图像进行灰度化处理，得到待融合可见光图像，包括：
获取所述待处理可见光图像中各个像素点的RGB值；
对所述待处理可见光图像中各个像素点的RGB值进行加权处理，得到目标可见光图像；
根据所述目标可见光图像中所有像素点在预设灰度级内出现的频次，确定所述目标可见光图像的灰度直方图；
根据所述灰度直方图，对所述目标可见光图像进行灰度化处理，得到待融合可见光图像。
在其中一个实施例中，所述根据所述灰度直方图，对所述目标可见光图像进行灰度化处理，得到待融合可见光图像，包括：
利用第一预设梯度阈值和第二预设梯度阈值，将所述目标可见光图像的平均梯度划分为第一梯度区间、第二梯度区间和第三梯度区间；
根据所述第一梯度区间、所述第二梯度区间和所述第三梯度区间，将所述灰度直方图的灰度级范围转换至目标灰度级范围，得到目标灰度直方图；
根据所述目标灰度直方图，对所述目标可见光图像中所有像素点的灰度值进行灰度值映射处理，得到待融合可见光图像。
在其中一个实施例中，所述对所述待处理红外图像进行灰度化处理，得到待融合红外图像，包括：
在所述待处理红外图像为多通道图像的情况下，对所述待处理红外图像进行灰度化处理，得到待融合红外图像；
在所述待处理红外图像为单通道图像的情况下，将所述待处理红外图像作为所述待融合红外图像。
第二方面，本申请还提供了一种可见光图像与红外图像融合储存装置。所述装置包括：
第一获取模块，用于获取实时可见光图像和实时红外图像；
图像处理模块，用于分别对所述实时可见光图像和所述实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像；
图像输入模块，用于将所述待融合可见光图像和所述待融合红外图像，输入至图像融合模型，得到融合图像；
第二获取模块，用于从所述融合图像中，获取与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值；
图像存储模块，用于将与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与所述实时可见光图像和所述实时红外图像对应的目标图像文件。
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：
获取实时可见光图像和实时红外图像；
分别对所述实时可见光图像和所述实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像；
将所述待融合可见光图像和所述待融合红外图像，输入至图像融合模型，得到融合图像；
从所述融合图像中，获取与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值；
将与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与所述实时可见光图像和所述实时红外图像对应的目标图像文件。
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：
获取实时可见光图像和实时红外图像；
分别对所述实时可见光图像和所述实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像；
将所述待融合可见光图像和所述待融合红外图像，输入至图像融合模型，得到融合图像；
从所述融合图像中，获取与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值；
将与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与所述实时可见光图像和所述实时红外图像对应的目标图像文件。
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：
获取实时可见光图像和实时红外图像；
分别对所述实时可见光图像和所述实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像；
将所述待融合可见光图像和所述待融合红外图像，输入至图像融合模型，得到融合图像；
从所述融合图像中，获取与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值；
将与所述待融合可见光图像对应的RGB值，和与所述待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与所述实时可见光图像和所述实时红外图像对应的目标图像文件。
上述可见光图像与红外图像融合储存方法、装置、计算机设备、存储介质和计算机程序产品，获取实时可见光图像和实时红外图像，从而获取到实时可见光图像和与实时可见光图像对应的实时红外图像；分别对实时可见光图像和实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像，从而得到更准确的待融合可见光图像和待融合红外图像；将待融合可见光图像和待融合红外图像，输入至图像融合模型，得到融合图像，从而准确和快速地实现待融合可见光图像和待融合红外图像的融合；从融合图像中，获取与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，从而获取到更准确的待融合可见光图像对应的RGB值和与待融合红外图像对应的灰度值；将与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件，从而得到实时可见光图像和实时红外图像融合存储后的目标图像文件，从而有利于减小图像储存的占用空间，减少资源浪费，保留图像信息的完整性，提高对可见光图像和红外图像进行单独或联合处理的效率。
附图说明
图1为一个实施例中可见光图像与红外图像融合储存方法的流程示意图；
图2为一个实施例中得到融合图像步骤的流程示意图；
图3为一个实施例中得到目标图像文件步骤的流程示意图；
图4为一个实施例中可见光图像与红外图像融合储存装置的结构框图；
图5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。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
在一个实施例中，如图1所示，提供了一种可见光图像与红外图像融合储存方法，本实施例以该方法应用于终端进行举例说明；可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器之间的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等；服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：
步骤S101，获取实时可见光图像和实时红外图像。
本步骤中，实时可见光图像可以是实时获取（实时拍摄）的可见光图像；实时红外图像可以是实时获取（实时拍摄）的红外图像（热红外线图像），其中，实时可见光图像和实时红外图像可以是对同一对象进行拍摄得到的可见光图像和红外图像。
具体的，终端获取实时可见光图像，和与实时可见光图像对应的实时红外图像。
步骤S102，分别对实时可见光图像和实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像。
本步骤中，图像预处理可以包括多种图像预处理，例如图像预处理包括伸缩平移处理、灰度化处理和尺寸修改处理；待融合可见光图像可以是经过图像预处理后的实时可见光图像；待融合红外图像可以是经过图像预处理后的实时红外图像。
具体的，终端对实时可见光图像进行图像预处理，得到待融合可见光图像，并对实时红外图像进行图像预处理，得到待融合红外图像。
步骤S103，将待融合可见光图像和待融合红外图像，输入至图像融合模型，得到融合图像。
本步骤中，图像融合模型可以是用于对图像进行融合处理的模型。
具体的，终端将待融合可见光图像和待融合红外图像，输入至图像融合模型，通过图像融合模型对待融合可见光图像和待融合红外图像进行图像融合处理，得到图像融合模型输出的融合图像。
步骤S104，从融合图像中，获取与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值。
本步骤中，RGB值可以表示为红、绿、蓝三个通道对应的颜色（颜色值）；灰度值可以表示为图像中每个像素的亮度值，可以用0到255的整数表示。
具体的，终端从融合图像中，识别并获取与待融合可见光图像对应的RGB值，和识别并获取与待融合红外图像对应的灰度值；也可以是终端直接获取与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值。
步骤S105，将与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件。
本步骤中，原始图像文件可以是新建的一个图像文件；图像存储通道可以包括第一存储通道、第二存储通道、第三存储通道和第四存储通道，例如图像存储通道包括RGBA通道，其中RGBA通道可以是红色通道、绿色通道、蓝色通道和不透明度通道（也可以表示为灰度值通道）；与实时可见光图像和实时红外图像对应的目标图像文件，可以表示为实时可见光图像和实时红外图像融合存储后得到的图像文件。
具体的，终端将与待融合可见光图像对应的RGB值存储至原始图像文件中与RGB值对应的图像存储通道中，和将与待融合红外图像对应的灰度值存储至原始图像文件中与灰度值对应的图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件。
上述可见光图像与红外图像融合储存方法中，获取实时可见光图像和实时红外图像，从而获取到实时可见光图像和与实时可见光图像对应的实时红外图像；分别对实时可见光图像和实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像，从而得到更准确的待融合可见光图像和待融合红外图像；将待融合可见光图像和待融合红外图像，输入至图像融合模型，得到融合图像，从而准确和快速地实现待融合可见光图像和待融合红外图像的融合；从融合图像中，获取与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，从而获取到更准确的待融合可见光图像对应的RGB值和与待融合红外图像对应的灰度值；将与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件，从而得到实时可见光图像和实时红外图像融合存储后的目标图像文件，从而有利于减小图像储存的占用空间，减少资源浪费，保留图像信息的完整性，提高对可见光图像和红外图像进行单独或联合处理的效率。
在一个实施例中，如图2所示，在步骤S103中，将待融合可见光图像和待融合红外图像，输入至图像融合模型，得到融合图像，具体包括如下内容：
步骤S201，获取待融合可见光图像的第一图像参数，和待融合红外图像的第二图像参数；第一图像参数包括待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值；第二图像参数包括待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值。
步骤S202，利用图像融合模型，根据第一图像参数和第二图像参数，对待融合可见光图像和待融合红外图像进行图像融合处理，得到融合图像。
具体的，终端获取待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值，将待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值，作为待融合可见光图像的第一图像参数；获取待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值，将待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值，作为待融合红外图像的第二图像参数；将待融合可见光图像、待融合红外图像、第一图像参数和第二图像参数输入至图像融合模型中，通过图像融合模型，根据第一图像参数和第二图像参数，对待融合可见光图像和待融合红外图像进行图像融合处理，得到图像融合模型输出的融合图像。
本实施例提供的技术方案，通过根据第一图像参数和第二图像参数，对待融合可见光图像和待融合红外图像进行图像融合处理，有利于更快速和准确地得到融合图像，从而有利于提高图像储存的效率和准确率，减小图像储存的占用空间，保留图像信息的完整性。
在一个实施例中，如图3所示，在步骤S105中，将与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件，具体包括如下内容：
步骤S301，获取包含四个图像存储通道的图像文件，作为原始图像文件。
步骤S302，将与待融合可见光图像对应的RGB值，存储至原始图像文件中相应的第一图像存储通道、第二图像存储通道和第三图像存储通道中，得到基础图像文件。
步骤S303，将与待融合红外图像对应的灰度值，存储至基础图像文件中的第四图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件。
本实施例中，四个图像存储通道可以包括第一存储通道、第二存储通道、第三存储通道和第四存储通道；第一图像存储通道、第二图像存储通道和第三图像存储通道可以分别是红色通道、绿色通道和蓝色通道；第四图像存储通道可以是不透明度通道（也可以表示为灰度值通道）。
具体的，终端新建一个包含四个图像存储通道的图像文件，作为原始图像文件；将与待融合可见光图像对应的RGB值，存储至原始图像文件中相应的第一图像存储通道（红色通道）、第二图像存储通道（绿色通道）和第三图像存储通道（蓝色通道）中，得到基础图像文件；将与待融合红外图像对应的灰度值，存储至基础图像文件中的第四图像存储通道（不透明度通道）中，得到与实时可见光图像和实时红外图像对应的目标图像文件。
本实施例提供的技术方案，通过将与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，存储至原始图像文件中相应的第一图像存储通道、第二图像存储通道、第三图像存储通道和第四图像存储通道中，有利于更快速和更准确地得到目标图像文件，从而有利于提高图像储存的效率和准确率，减小图像储存的占用空间，保留图像信息的完整性。
在一个实施例中，在步骤S102中，分别对实时可见光图像和实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像，具体包括如下内容：对实时可见光图像进行伸缩平移处理，得到待处理可见光图像，并对实时红外图像进行伸缩平移处理，得到待处理红外图像；对待处理可见光图像进行灰度化处理，得到待融合可见光图像，并对待处理红外图像进行灰度化处理，得到待融合红外图像。
本实施例中，伸缩平移处理可以包括图像伸缩处理和图像平移处理。
具体的，终端对实时可见光图像进行伸缩平移处理，得到待处理可见光图像，并对实时红外图像进行伸缩平移处理，得到待处理红外图像；对待处理可见光图像进行灰度化处理，得到待融合可见光图像，并对待处理红外图像进行灰度化处理和尺寸处理，得到待融合红外图像。
本实施例提供的技术方案，通过分别对实时可见光图像和实时红外图像进行对应的图像预处理，有利于得到更准确的待处理红外图像和待融合红外图像，从而有利于提高图像储存的准确率，减小图像储存的占用空间，保留图像信息的完整性。
在一个实施例中，上述步骤中，对待处理可见光图像进行灰度化处理，得到待融合可见光图像，具体包括如下内容：获取待处理可见光图像中各个像素点的RGB值；对待处理可见光图像中各个像素点的RGB值进行加权处理，得到目标可见光图像；根据目标可见光图像中所有像素点在预设灰度级内出现的频次，确定目标可见光图像的灰度直方图；根据灰度直方图，对目标可见光图像进行灰度化处理，得到待融合可见光图像。
本实施例中，预设灰度级可以是预先设置的灰度级，例如0-255灰度级；灰度直方图可以是用于表示各灰度级（灰度值）出现的频次的直方图。
具体的，终端获取待处理可见光图像中各个像素点的RGB值；对待处理可见光图像中各个像素点的RGB值进行加权处理，得到加权处理后的待处理可见光图像，作为目标可见光图像；根据目标可见光图像中所有像素点在预设灰度级内出现的频次，确定与目标可见光图像对应的灰度直方图；根据与目标可见光图像对应的灰度直方图，对目标可见光图像进行灰度化处理，得到待融合可见光图像。
本实施例提供的技术方案，通过根据灰度直方图，对目标可见光图像进行灰度化处理，有利于得到更准确的待融合可见光图像，从而有利于提高图像储存的准确率，保留图像信息的完整性。
在一个实施例中，上述步骤中，根据灰度直方图，对目标可见光图像进行灰度化处理，得到待融合可见光图像，具体包括如下内容：利用第一预设梯度阈值和第二预设梯度阈值，将目标可见光图像的平均梯度划分为第一梯度区间、第二梯度区间和第三梯度区间；根据第一梯度区间、第二梯度区间和第三梯度区间，将灰度直方图的灰度级范围转换至目标灰度级范围，得到目标灰度直方图；根据目标灰度直方图，对目标可见光图像中所有像素点的灰度值进行灰度值映射处理，得到待融合可见光图像。
本实施例中，第一预设梯度阈值可以是预先设置的第一梯度阈值；第二预设梯度阈值可以是预先设置的第二梯度阈值，其中第一预设梯度阈值可以大于第二预设梯度阈值，第一预设梯度阈值也可以小于第二预设梯度阈值；第一梯度区间、第二梯度区间和第三梯度区间可以是三个不同的梯度区间；目标灰度级范围可以是预先设置的另一个灰度级范围，例如目标灰度级范围是0-1023灰度级；目标可见光图像的平均梯度可以是指目标可见光图像的梯度图上所有点的均值；灰度值映射处理可以是灰度值映射。
具体的，终端利用第一预设梯度阈值和第二预设梯度阈值，将目标可见光图像的平均梯度划分为第一梯度区间、第二梯度区间和第三梯度区间；根据第一梯度区间、第二梯度区间和第三梯度区间，将灰度直方图的灰度级范围转换至目标灰度级范围，得到目标灰度直方图；根据目标灰度直方图，对目标可见光图像中所有像素点的灰度值进行灰度值映射处理，得到待融合可见光图像。
示例性的，终端设定第一预设梯度阈值和第二预设梯度阈值；计算目标可见光图像的平均梯度，利用第一预设梯度阈值和第二预设梯度阈值将目标可见光图像的平均梯度划分为第一梯度区间、第二梯度区间和第三梯度区间；根据第一梯度区间、第二梯度区间和第三梯度区间，将灰度直方图的灰度级范围转换至0-1023灰度级；基于灰度级范围转换至0-1023的灰度直方图，对目标可见光图像中所有像素点的灰度值进行灰度值映射，完成灰度化处理，得到待融合可见光图像。
本实施例提供的技术方案，通过根据目标灰度直方图，对目标可见光图像中所有像素点的灰度值进行灰度值映射处理，有利于得到更准确的待融合可见光图像，从而有利于提高图像储存的准确率，保留图像信息的完整性。
在一个实施例中，在上述步骤中，对待处理红外图像进行灰度化处理，得到待融合红外图像，具体包括如下内容：在待处理红外图像为多通道图像的情况下，对待处理红外图像进行灰度化处理，得到待融合红外图像；在待处理红外图像为单通道图像的情况下，将待处理红外图像作为待融合红外图像。
本实施例中，单通道图像可以表示为灰度图；多通道图像可以表示为三通道图，例如彩色图（红、绿、蓝三通道图）。
具体的，终端判断待处理红外图像为多通道图像还是单通道图像，在待处理红外图像为多通道图像的情况下，对待处理红外图像进行灰度化处理，得到待融合红外图像；在待处理红外图像为单通道图像的情况下，无需对待处理红外图像进行灰度化处理，直接将待处理红外图像作为待融合红外图像。
本实施例提供的技术方案，通过在待处理红外图像为多通道图像的情况下，才对待处理红外图像进行灰度化处理，得到待融合红外图像，从而有利于提高图像储存的效率，减小图像储存的占用空间，减少资源浪费。
以下以一个实施例说明本申请提供的可见光图像与红外图像融合储存方法，本实施例以该方法应用于终端进行举例说明，主要步骤包括：
第一步，终端获取实时可见光图像和实时红外图像；对实时可见光图像进行伸缩平移处理，得到待处理可见光图像，并对实时红外图像进行伸缩平移处理，得到待处理红外图像。
第二步，终端获取待处理可见光图像中各个像素点的RGB值；对待处理可见光图像中各个像素点的RGB值进行加权处理，得到目标可见光图像；根据目标可见光图像中所有像素点在预设灰度级内出现的频次，确定目标可见光图像的灰度直方图。
第三步，终端利用第一预设梯度阈值和第二预设梯度阈值，将目标可见光图像的平均梯度划分为第一梯度区间、第二梯度区间和第三梯度区间；根据第一梯度区间、第二梯度区间和第三梯度区间，将灰度直方图的灰度级范围转换至目标灰度级范围，得到目标灰度直方图；根据目标灰度直方图，对目标可见光图像中所有像素点的灰度值进行灰度值映射处理，得到待融合可见光图像。
第四步，终端在待处理红外图像为多通道图像的情况下，对待处理红外图像进行灰度化处理，得到待融合红外图像；在待处理红外图像为单通道图像的情况下，将待处理红外图像作为待融合红外图像。
第五步，终端获取待融合可见光图像的第一图像参数，和待融合红外图像的第二图像参数；第一图像参数包括待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值；第二图像参数包括待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值；利用图像融合模型，根据第一图像参数和第二图像参数，对待融合可见光图像和待融合红外图像进行图像融合处理，得到融合图像。
第六步，终端从融合图像中，获取与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值。
第七步，终端获取包含四个图像存储通道的图像文件，作为原始图像文件；将与待融合可见光图像对应的RGB值，存储至原始图像文件中相应的第一图像存储通道、第二图像存储通道和第三图像存储通道中，得到基础图像文件；将与待融合红外图像对应的灰度值，存储至基础图像文件中的第四图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件。
本实施例提供的技术方案，通过获取实时可见光图像和实时红外图像，从而获取到实时可见光图像和与实时可见光图像对应的实时红外图像；分别对实时可见光图像和实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像，从而得到更准确的待融合可见光图像和待融合红外图像；将待融合可见光图像和待融合红外图像，输入至图像融合模型，得到融合图像，从而准确和快速地实现待融合可见光图像和待融合红外图像的融合；从融合图像中，获取与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，从而获取到更准确的待融合可见光图像对应的RGB值和与待融合红外图像对应的灰度值；将与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件，从而得到实时可见光图像和实时红外图像融合存储后的目标图像文件，从而有利于减小图像储存的占用空间，减少资源浪费，保留图像信息的完整性，提高对可见光图像和红外图像进行单独或联合处理的效率。
以下以一个应用实例说明本申请提供的可见光图像与红外图像融合储存方法，本应用实例以该方法应用于终端进行举例说明，主要步骤包括：
步骤S1、终端获取实时红外图像和实时可见光图像，并分别对实时红外图像和实时可见光图像进行预处理，得到待融合红外图像和待融合可见光图像；
步骤S2、终端构建图像融合模型；
步骤S3、终端将待融合红外图像和待融合可见光图像输入至图像融合模型中，进行图像融合并存储。
其中，在步骤S1中，对实时红外图像和实时可见光图像进行预处理，包括以下步骤：
步骤S11、分别对实时红外图像和实时可见光图像进行伸缩平移处理，得到待处理红外图像和待处理可见光图像；
步骤S12、分别对待处理红外图像和待处理可见光图像进行灰度化处理，并对待处理红外图像进行尺寸处理，得到待融合红外图像和待融合可见光图像。
其中，在步骤S12中，对待处理可见光图像进行灰度化处理，包括以下步骤：
步骤S121、获取待处理可见光图像中各个像素点的RGB值；
步骤S122、对各个像素点的RGB值进行加权处理，得到最新可见光图像（即目标可见光图像）；
步骤S123、根据最新可见光图像中所有像素点在0-255灰度级内出现的频次，绘制灰度直方图；
步骤S124、根据灰度直方图，对最新可见光图像进行灰度化处理。
其中，在步骤S124中，对最新可见光图像进行灰度化处理的方法包括以下步骤：
设定第一梯度阈值和第二梯度阈值；
计算最新可见光图像的平均梯度，利用第一梯度阈值和第二梯度阈值将最新可见光图像的平均梯度划分为第一梯度区间、第二梯度区间和第三梯度区间；
根据第一梯度区间、第二梯度区间和第三梯度区间，将灰度直方图的灰度级范围转换至0-1023灰度级；
基于灰度级范围转换至0-1023的灰度直方图，对最新可见光图像中所有像素点的灰度值进行灰度值映射，完成灰度化处理。
其中，在步骤S12中，对待处理红外图像进行灰度化处理，具体包括：若待处理红外图像为单通道图像，则不进行灰度化处理；若待处理红外图像为多通道图像，则进行灰度化处理，具体为：对待处理红外图像进行滑窗处理，得到最新红外图像；对最新红外图像中各个像素点的RGB值进行加权平均处理，得到待融合红外图像。
其中，在步骤S12中，对待处理红外图像进行灰度化处理的过程中，滑窗窗口大小，具体包括：设定滑窗，根据滑窗处理过程中的第一个滑窗窗口内所有像素点灰度值均值确定第二个滑窗窗口的大小，依次类推，得到各个像素点对应的滑窗窗口。
其中，在步骤S12中，对待处理红外图像进行滑窗处理，具体包括：将待处理红外图像左上角像素点作为起点，利用各个像素点对应的滑窗窗口进行滑窗处理。
其中，在步骤S12中，对待处理红外图像进行尺寸处理，具体包括：利用图像插值算法将待处理红外图像的尺寸转换为与待处理可见光图像一致。
其中，在步骤S2中，图像融合模型包括图像输入单元、图像参数获取单元和图像融合输出单元；
图像输入单元用于将待融合红外图像和待融合可见光图像输入至图像融合模型中；
图像参数获取单元用于获取待融合红外图像和待融合可见光图像的图像参数，其中，图像参数包括噪声方差、噪声均值、灰度值方差和灰度值均值；
图像融合输出单元用于根据图像参数，对待融合红外图像和待融合可见光图像进行图像融合。
其中，在步骤S2中，图像融合输出单元的损失函数的确定方式具体为：根据待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值，确定红外图像矩阵；根据待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值，确定可见光图像矩阵；将红外图像矩阵与可见光图像矩阵的乘积作为图像融合输出单元的损失函数。
其中，在步骤S3中，将合成图像保存为支持多通道的文件格式，例如TIFF（标签图像文件格式）或PNG（便携式网络图形）。终端进行存储图像时，可以构建图像存储通道，图像存储通道包括第一存储通道、第二存储通道、第三存储通道和第四存储通道；将待融合可见光图像的RGB值存储至图像存储通道的第一存储通道、第二存储通道和第三存储通道中，将待融合红外图像的RGB值和灰度值对应存储至图像存储通道中的第一存储通道、第二存储通道、第三存储通道和第四存储通道中。
其中，在步骤S3中，具体的创建过程也可以为：首先，终端创建一个新的图像文件，其大小和待融合可见光图像相同，通道数量比待融合可见光图像多一通道。例如，如果待融合可见光图像为RGB格式（3通道），新图像文件就是RGBA格式（4通道）。接着，对于每个像素，将待融合可见光图像的RGB值复制到新图像文件的相应位置的RGB通道中；将红外图像的灰度值复制到新图像文件的相应位置的A通道（如不透明度通道/透明度通道，也可以是灰度值通道）中，这样，新图像文件的A通道就储存了红外数据。如果需要使用透明度通道，可以创建一个新的5通道图像文件，将红外数据储存在第五个通道中，透明度信息依然存储在A通道中。
本应用实例提供的技术方案，实现可见光图片与红外图像融合储存的过程中，信息保留完整，通过将红外数据存储在单独的通道中，可以保留原始可见光图像和红外图像的详细信息；信息易于处理，可以方便地对可见光图像和红外图像进行单独或联合处理；兼容性好，可广泛应用于各种图像处理软件和硬件平台；有利于减小图像储存的占用空间，减少资源浪费，保留图像信息的完整性，提高对可见光图像和红外图像进行单独或联合处理的效率。
应该理解的是，虽然如上所述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，如上所述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可见光图像与红外图像融合储存方法的可见光图像与红外图像融合储存装置。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可见光图像与红外图像融合储存装置实施例中的具体限定可以参见上文中对于可见光图像与红外图像融合储存方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种可见光图像与红外图像融合储存装置，该装置400可以包括：
第一获取模块401，用于获取实时可见光图像和实时红外图像。
图像处理模块402，用于分别对实时可见光图像和实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像。
图像输入模块403，用于将待融合可见光图像和待融合红外图像，输入至图像融合模型，得到融合图像。
第二获取模块404，用于从融合图像中，获取与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值。
图像存储模块405，用于将与待融合可见光图像对应的RGB值，和与待融合红外图像对应的灰度值，存储至原始图像文件中相应的图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件。
在一个实施例中，图像输入模块403，还用于获取待融合可见光图像的第一图像参数，和待融合红外图像的第二图像参数；第一图像参数包括待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值；第二图像参数包括待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值；利用图像融合模型，根据第一图像参数和第二图像参数，对待融合可见光图像和待融合红外图像进行图像融合处理，得到融合图像。
在一个实施例中，图像存储模块405，还用于获取包含四个图像存储通道的图像文件，作为原始图像文件；将与待融合可见光图像对应的RGB值，存储至原始图像文件中相应的第一图像存储通道、第二图像存储通道和第三图像存储通道中，得到基础图像文件；将与待融合红外图像对应的灰度值，存储至基础图像文件中的第四图像存储通道中，得到与实时可见光图像和实时红外图像对应的目标图像文件。
在一个实施例中，图像处理模块402，还用于对实时可见光图像进行伸缩平移处理，得到待处理可见光图像，并对实时红外图像进行伸缩平移处理，得到待处理红外图像；对待处理可见光图像进行灰度化处理，得到待融合可见光图像，并对待处理红外图像进行灰度化处理，得到待融合红外图像。
在一个实施例中，图像处理模块402，还用于获取待处理可见光图像中各个像素点的RGB值；对待处理可见光图像中各个像素点的RGB值进行加权处理，得到目标可见光图像；根据目标可见光图像中所有像素点在预设灰度级内出现的频次，确定目标可见光图像的灰度直方图；根据灰度直方图，对目标可见光图像进行灰度化处理，得到待融合可见光图像。
在一个实施例中，图像处理模块402，还用于利用第一预设梯度阈值和第二预设梯度阈值，将目标可见光图像的平均梯度划分为第一梯度区间、第二梯度区间和第三梯度区间；根据第一梯度区间、第二梯度区间和第三梯度区间，将灰度直方图的灰度级范围转换至目标灰度级范围，得到目标灰度直方图；根据目标灰度直方图，对目标可见光图像中所有像素点的灰度值进行灰度值映射处理，得到待融合可见光图像。
在一个实施例中，图像处理模块402，还用于在待处理红外图像为多通道图像的情况下，对待处理红外图像进行灰度化处理，得到待融合红外图像；在待处理红外图像为单通道图像的情况下，将待处理红外图像作为待融合红外图像。
上述可见光图像与红外图像融合储存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5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可见光图像与红外图像融合储存方法。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5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上述各方法实施例中的步骤。
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，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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上述各方法实施例中的步骤。
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、数据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-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。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等。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 RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种可见光图像与红外图像融合储存方法，其特征在于，所述方法包括：
获取实时可见光图像和实时红外图像；
分别对所述实时可见光图像和所述实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像；
获取所述待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值，将所述待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值，作为所述待融合可见光图像的第一图像参数；
获取所述待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值，将所述待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值，作为所述待融合红外图像的第二图像参数；
通过图像融合模型，根据所述第一图像参数和所述第二图像参数，对所述待融合可见光图像和所述待融合红外图像进行图像融合处理，得到融合图像；其具体实现为：根据所述待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值，确定红外图像矩阵；根据所述待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值，确定可见光图像矩阵；将所述红外图像矩阵与所述可见光图像矩阵的乘积作为图像融合输出单元的损失函数；
从所述融合图像中，识别并获取与所述待融合可见光图像对应的RGB值，和识别并获取与所述待融合红外图像对应的灰度值；
新建一个包含四个图像存储通道的图像文件，作为原始图像文件；
将与所述待融合可见光图像对应的RGB值，存储至所述原始图像文件中相应的第一图像存储通道、第二图像存储通道和第三图像存储通道中，得到基础图像文件；所述第一图像存储通道为红色通道；所述第二图像存储通道为绿色通道；所述第三图像存储通道为蓝色通道；
将与所述待融合红外图像对应的灰度值，存储至所述基础图像文件中的第四图像存储通道中，得到与所述实时可见光图像和所述实时红外图像对应的目标图像文件；所述第四图像存储通道为不透明度通道或灰度值通道；所述目标图像文件为所述实时可见光图像和所述实时红外图像融合存储后得到的图像文件。
2.根据权利要求1所述的方法，其特征在于，所述实时可见光图像和所述实时红外图像是对同一对象进行拍摄得到的可见光图像和红外图像。
3.根据权利要求1所述的方法，其特征在于，所述灰度值表示为所述待融合红外图像中每个像素的亮度值，所述灰度值用0到255的整数表示。
4.根据权利要求1所述的方法，其特征在于，所述分别对所述实时可见光图像和所述实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像，包括：
对所述实时可见光图像进行伸缩平移处理，得到待处理可见光图像，并对所述实时红外图像进行伸缩平移处理，得到待处理红外图像；
对所述待处理可见光图像进行灰度化处理，得到待融合可见光图像，并对所述待处理红外图像进行灰度化处理，得到待融合红外图像。
5.根据权利要求4所述的方法，其特征在于，所述对所述待处理可见光图像进行灰度化处理，得到待融合可见光图像，包括：
获取所述待处理可见光图像中各个像素点的RGB值；
对所述待处理可见光图像中各个像素点的RGB值进行加权处理，得到目标可见光图像；
根据所述目标可见光图像中所有像素点在预设灰度级内出现的频次，确定所述目标可见光图像的灰度直方图；
根据所述灰度直方图，对所述目标可见光图像进行灰度化处理，得到待融合可见光图像。
6.根据权利要求5所述的方法，其特征在于，所述根据所述灰度直方图，对所述目标可见光图像进行灰度化处理，得到待融合可见光图像，包括：
利用第一预设梯度阈值和第二预设梯度阈值，将所述目标可见光图像的平均梯度划分为第一梯度区间、第二梯度区间和第三梯度区间；
根据所述第一梯度区间、所述第二梯度区间和所述第三梯度区间，将所述灰度直方图的灰度级范围转换至目标灰度级范围，得到目标灰度直方图；
根据所述目标灰度直方图，对所述目标可见光图像中所有像素点的灰度值进行灰度值映射处理，得到待融合可见光图像。
7.根据权利要求4所述的方法，其特征在于，所述对所述待处理红外图像进行灰度化处理，得到待融合红外图像，包括：
在所述待处理红外图像为多通道图像的情况下，对所述待处理红外图像进行灰度化处理，得到待融合红外图像；
在所述待处理红外图像为单通道图像的情况下，将所述待处理红外图像作为所述待融合红外图像。
8.一种可见光图像与红外图像融合储存装置，其特征在于，所述装置包括：
第一获取模块，用于获取实时可见光图像和实时红外图像；
图像处理模块，用于分别对所述实时可见光图像和所述实时红外图像进行图像预处理，得到待融合可见光图像和待融合红外图像；
图像输入模块，用于获取所述待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值，将所述待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值，作为所述待融合可见光图像的第一图像参数；获取所述待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值，将所述待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值，作为所述待融合红外图像的第二图像参数；通过图像融合模型，根据所述第一图像参数和所述第二图像参数，对所述待融合可见光图像和所述待融合红外图像进行图像融合处理，得到融合图像；其具体实现为：根据所述待融合红外图像的噪声方差、噪声均值、灰度值方差和灰度值均值，确定红外图像矩阵；根据所述待融合可见光图像的噪声方差、噪声均值、灰度值方差和灰度值均值，确定可见光图像矩阵；将所述红外图像矩阵与所述可见光图像矩阵的乘积作为图像融合输出单元的损失函数；
第二获取模块，用于从所述融合图像中，识别并获取与所述待融合可见光图像对应的RGB值，和识别并获取与所述待融合红外图像对应的灰度值；
图像存储模块，用于新建一个包含四个图像存储通道的图像文件，作为原始图像文件；将与所述待融合可见光图像对应的RGB值，存储至所述原始图像文件中相应的第一图像存储通道、第二图像存储通道和第三图像存储通道中，得到基础图像文件；所述第一图像存储通道为红色通道；所述第二图像存储通道为绿色通道；所述第三图像存储通道为蓝色通道；将与所述待融合红外图像对应的灰度值，存储至所述基础图像文件中的第四图像存储通道中，得到与所述实时可见光图像和所述实时红外图像对应的目标图像文件；所述第四图像存储通道为不透明度通道或灰度值通道；所述目标图像文件为所述实时可见光图像和所述实时红外图像融合存储后得到的图像文件。
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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311228733.6A CN116977154B (zh) | 2023-09-22 | 2023-09-22 | 可见光图像与红外图像融合储存方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311228733.6A CN116977154B (zh) | 2023-09-22 | 2023-09-22 | 可见光图像与红外图像融合储存方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116977154A CN116977154A (zh) | 2023-10-31 |
| CN116977154B true CN116977154B (zh) | 2024-03-19 |
Family
ID=88473391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311228733.6A Active CN116977154B (zh) | 2023-09-22 | 2023-09-22 | 可见光图像与红外图像融合储存方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116977154B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700381A (zh) * | 2015-03-13 | 2015-06-10 | 中国电子科技集团公司第二十八研究所 | 一种基于显著目标的红外与可见光图像融合方法 |
| CN105321172A (zh) * | 2015-08-31 | 2016-02-10 | 哈尔滨工业大学 | 一种sar、红外、可见光图像融合方法 |
| CN108449555A (zh) * | 2018-05-04 | 2018-08-24 | 北京化工大学 | 图像融合方法及系统 |
| CN109377469A (zh) * | 2018-11-07 | 2019-02-22 | 永州市诺方舟电子科技有限公司 | 一种热成像融合可见光图像的处理方法、系统及存储介质 |
| CN110889398A (zh) * | 2019-12-19 | 2020-03-17 | 南通大学 | 一种基于相似度网络的多模态图像能见度检测方法 |
| CN111476732A (zh) * | 2020-04-03 | 2020-07-31 | 江苏宇特光电科技股份有限公司 | 一种图像融合及去噪的方法及系统 |
| CN111488756A (zh) * | 2019-01-25 | 2020-08-04 | 杭州海康威视数字技术股份有限公司 | 基于面部识别的活体检测的方法、电子设备和存储介质 |
| CN113724164A (zh) * | 2021-08-31 | 2021-11-30 | 南京邮电大学 | 一种基于融合重构制导滤波的可见光图像噪声去除方法 |
| CN114445314A (zh) * | 2022-01-28 | 2022-05-06 | 杭州海康威视数字技术股份有限公司 | 一种图像融合方法、装置、电子设备及存储介质 |
| CN114519808A (zh) * | 2022-02-21 | 2022-05-20 | 烟台艾睿光电科技有限公司 | 图像融合方法、装置及设备、存储介质 |
-
2023
- 2023-09-22 CN CN202311228733.6A patent/CN116977154B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700381A (zh) * | 2015-03-13 | 2015-06-10 | 中国电子科技集团公司第二十八研究所 | 一种基于显著目标的红外与可见光图像融合方法 |
| CN105321172A (zh) * | 2015-08-31 | 2016-02-10 | 哈尔滨工业大学 | 一种sar、红外、可见光图像融合方法 |
| CN108449555A (zh) * | 2018-05-04 | 2018-08-24 | 北京化工大学 | 图像融合方法及系统 |
| CN109377469A (zh) * | 2018-11-07 | 2019-02-22 | 永州市诺方舟电子科技有限公司 | 一种热成像融合可见光图像的处理方法、系统及存储介质 |
| CN111488756A (zh) * | 2019-01-25 | 2020-08-04 | 杭州海康威视数字技术股份有限公司 | 基于面部识别的活体检测的方法、电子设备和存储介质 |
| CN110889398A (zh) * | 2019-12-19 | 2020-03-17 | 南通大学 | 一种基于相似度网络的多模态图像能见度检测方法 |
| CN111476732A (zh) * | 2020-04-03 | 2020-07-31 | 江苏宇特光电科技股份有限公司 | 一种图像融合及去噪的方法及系统 |
| CN113724164A (zh) * | 2021-08-31 | 2021-11-30 | 南京邮电大学 | 一种基于融合重构制导滤波的可见光图像噪声去除方法 |
| CN114445314A (zh) * | 2022-01-28 | 2022-05-06 | 杭州海康威视数字技术股份有限公司 | 一种图像融合方法、装置、电子设备及存储介质 |
| CN114519808A (zh) * | 2022-02-21 | 2022-05-20 | 烟台艾睿光电科技有限公司 | 图像融合方法、装置及设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116977154A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110288602B (zh) | 滑坡提取方法、滑坡提取系统及终端 | |
| CN110136056A (zh) | 图像超分辨率重建的方法和装置 | |
| Bianco et al. | Color correction pipeline optimization for digital cameras | |
| CN112241933A (zh) | 人脸图像处理方法、装置、存储介质及电子设备 | |
| CA3154893C (en) | Image color transferring method, device, computer equipment and storage medium | |
| CN107204034A (zh) | 一种图像处理方法及终端 | |
| CN110866965A (zh) | 一种三维模型的贴图绘制方法及装置 | |
| CN110189384B (zh) | 基于Unity3D的图像压缩方法、装置、计算机设备和存储介质 | |
| CN117409330A (zh) | 水生植被识别方法、装置、计算机设备和存储介质 | |
| CN109615668B (zh) | 基于分量的数字图像同步 | |
| US10123052B2 (en) | Elimination of artifacts from lossy encoding of digital images by color channel expansion | |
| CN116977154B (zh) | 可见光图像与红外图像融合储存方法、装置、设备和介质 | |
| CN116843566A (zh) | 色调映射方法、装置、显示设备和存储介质 | |
| CN116758206A (zh) | 矢量数据的融合渲染方法、装置、计算机设备、存储介质 | |
| CN115731442A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN115082345A (zh) | 图像阴影去除方法、装置、计算机设备和存储介质 | |
| CN112232125A (zh) | 关键点检测方法和关键点检测模型的训练方法 | |
| CN116932118B (zh) | 图元的颜色调整方法、装置、计算机设备和存储介质 | |
| CN117036209B (zh) | 图像对比度增强方法、装置、计算机设备和存储介质 | |
| CN116645428B (zh) | 图像展示方法、装置、计算机设备和存储介质 | |
| CN117671036B (zh) | 校正参数标定方法、装置、计算机设备和存储介质 | |
| CN115456858B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
| CN116188332B (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| CN114820547B (zh) | 车道线检测方法、装置、计算机设备、存储介质 | |
| CN115063333A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 |
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 |