CN117408886A - 气体图像增强方法、装置、电子装置和存储介质 - Google Patents
气体图像增强方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN117408886A CN117408886A CN202311178909.1A CN202311178909A CN117408886A CN 117408886 A CN117408886 A CN 117408886A CN 202311178909 A CN202311178909 A CN 202311178909A CN 117408886 A CN117408886 A CN 117408886A
- Authority
- CN
- China
- Prior art keywords
- image
- gas
- target frame
- enhancement
- frame image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000004927 fusion Effects 0.000 claims abstract description 77
- 238000001914 filtration Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003384 imaging method Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000001931 thermography Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 238000004519 manufacturing process Methods 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
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 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
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20024—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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种气体图像增强方法、装置、电子装置和存储介质,其中,该气体图像增强方法包括:获取待处理的气体红外视频图像序列;基于气体红外视频图像序列,确定目标帧图像以及目标帧图像的背景图像;将目标帧图像与背景图像进行差分,得到目标帧图像对应的差分气体运动图像;对目标帧图像对应的气体边缘图像进行灰度增强,得到目标帧图像对应的边缘增强图像;将边缘增强图像与差分气体运动图像进行图像融合,得到目标帧图像对应的气体增强图像。通过本申请,解决了气体成像质量差的问题,使气体增强图像中气体区域与背景区域能够有效地区分,提高了气体成像质量。
Description
技术领域
本申请涉及气体检测技术领域,特别是涉及一种气体图像增强方法、装置、电子装置和存储介质。
背景技术
在工业安全生产中,基于红外热成像技术的气体检测发挥着重要的作用。红外热成像技术可以根据气体在红外波段的吸收特性,将气体信息显示在热成像视频中。但由于红外成像原理,当气体红外波段以及浓度不同时,气体成像效果也存在差异,并且,当气体与邻域背景温差不大时,在成像上也会存在气体跟邻域背景无法区分的问题。
现有技术中,通常提取气体的边缘来获取气体轮廓或者拉伸气体所在灰度区间,再进行画面融合,从而实现增强效果。但是当气体浓度和流速较低时,气体边缘和灰度特征不明显,最终导致气体的成像质量低。
针对相关技术中存在气体成像质量差的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种气体图像增强方法、装置、电子装置和存储介质,以解决相关技术中气体成像质量差的问题。
第一个方面,在本实施例中提供了一种气体图像增强方法,包括:
获取待处理的气体红外视频图像序列;
基于所述气体红外视频图像序列,确定目标帧图像以及所述目标帧图像的背景图像;
将所述目标帧图像与所述背景图像进行差分,得到所述目标帧图像对应的差分气体运动图像;
对所述目标帧图像对应的气体边缘图像进行灰度增强,得到所述目标帧图像对应的边缘增强图像;
将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到所述目标帧图像对应的气体增强图像。
在其中的一些实施例中,所述基于所述气体红外视频图像序列,确定目标帧图像以及所述目标帧图像的背景图像,包括:
在所述气体红外视频图像序列中,依次将间隔N帧的气体红外视频图像确定为所述目标帧图像,其中,N为大于等于1的正整数;
基于与所述目标帧图像关联的气体红外视频图像,确定所述目标帧图像的背景图像。
在其中的一些实施例中,所述基于与所述目标帧图像关联的气体红外视频图像,确定所述目标帧图像的背景图像,包括:
基于与所述目标帧图像关联的气体红外视频图像,确定所述目标帧图像之前,连续N帧气体红外视频图像的N帧背景图像;
分别对N帧背景图像以及所述目标帧图像进行时域滤波处理,得到滤波后的N帧背景图像以及滤波后的目标帧图像;
基于所述滤波后的N帧背景图像以及所述滤波后的目标帧图像,确定所述目标帧图像的背景图像。
在其中的一些实施例中,所述将所述目标帧图像与所述背景图像进行差分,得到所述目标帧图像对应的差分气体运动图像,包括:
将所述目标帧图像与所述背景图像进行差分处理,得到差分图像;
基于所述差分图像以及差分增强系数,确定所述差分气体运动图像。
在其中的一些实施例中,所述对所述目标帧图像对应的气体边缘图像进行灰度增强,得到所述目标帧图像对应的边缘增强图像,包括:
对所述目标帧图像进行图像滤波,得到所述目标帧图像对应的气体边缘图像;
将所述气体边缘图像中的所有像素点的像素值增加预设灰度值,得到所述边缘增强图像。
在其中的一些实施例中,所述将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到所述目标帧图像对应的气体增强图像,包括:
将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到融合图像;
对所述融合图像进行亮度补偿,得到所述目标帧图像对应的气体增强图像。
在其中的一些实施例中,所述将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到融合图像,包括:
确定所述边缘增强图像与所述差分气体运动图像的融合比例;
基于所述融合比例将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到所述融合图像。
第二个方面,在本实施例中提供了一种气体图像增强装置,包括:
获取模块,用于获取待处理的气体红外视频图像序列;
确定模块,用于基于所述气体红外视频图像序列,确定目标帧图像以及所述目标帧图像的背景图像;
图像差分模块,用于将所述目标帧图像与所述背景图像进行差分,得到所述目标帧图像对应的差分气体运动图像;
图像增强模块,用于对所述目标帧图像对应的气体边缘图像进行灰度增强,得到所述目标帧图像对应的边缘增强图像;
图像融合模块,用于将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到所述目标帧图像对应的气体增强图像。
第三个方面,在本实施例中提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的气体图像增强方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的气体图像增强方法。
与相关技术相比,在本实施例中提供的气体图像增强方法,将气体红外视频图像中的目标帧图像以及对应的背景图像进行差分处理,从而得到差分气体运动图像,此外,对目标帧图像的气体边缘图像进行灰度增强,得到边缘增强图像,从而通过边缘增强图像能够将气体区域与邻域背景进行区分,进一步地,将差分气体运动图像与边缘增强图像进行图像融合,得到气体增强图像,使气体增强图像不仅能够与邻域背景进行区分,而且包含了气体的运动信息,提高了红外气体的成像质量。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例提供的一种气体图像增强方法的应用场景图;
图2是本申请实施例提供的一种气体图像增强方法的流程图;
图3是本申请实施例提供的一种气体图像增强方法的实施例流程图;
图4是本申请实施例提供的一种气体图像增强装置的结构框图;
图5是本申请实施例提供的一种计算机设备的内部结构图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在工业安全生产中,基于红外热成像技术的气体检测发挥着重要的作用。红外热成像技术可以根据气体在红外波段的吸收特性,将气体信息显示在热成像视频中。但由于红外成像原理,当气体红外波段以及浓度不同时,气体成像效果也存在差异,并且,当气体与邻域背景温差不大时,在成像上也会存在气体跟邻域背景无法区分的问题。
现有技术中,通常提取气体的边缘来获取气体轮廓或者拉伸气体所在灰度区间,再进行画面融合,从而实现增强效果。但是当气体浓度和流速较低时,气体边缘和灰度特征不明显,最终导致气体的成像效果不佳。
因此,如何提高气体的成像质量,是一个需要解决的问题。
本申请实施例提供的一种气体图像增强方法,可以应用于如图1所示的应用环境中,图1是本申请实施例提供的一种气体图像增强方法的应用场景图。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据,例如,待处理的红外视频图像序列。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102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、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。服务器104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。
在本实施例中提供了一种气体图像增强方法,图2是本申请实施例提供的一种气体图像增强方法的流程图,该方法的执行主体可以是电子装置,可选的,电子装置可以是服务器,也可以是终端设备,但本申请不限于此。具体的,如图2所示,该流程包括如下步骤:
步骤S201,获取待处理的气体红外视频图像序列。
示例性地,可以通过红外视频设备连续采集气体的红外视频图像,从而得到待处理的气体红外视频图像序列。
步骤S202,基于气体红外视频图像序列,确定目标帧图像以及目标帧图像的背景图像。
进一步地,从气体红外视频图像序列中确定出目标帧图像以及该目标帧图像对应的背景图像。其中,目标帧图像是用于后续进行气体显示的图像。
作为一种示例,可以将气体红外视频图像序列中任一图像确定为目标帧图像,将目标帧图像的前一帧图像作为该目标帧对应的背景图像。
步骤S203,将目标帧图像与背景图像进行差分,得到目标帧图像对应的差分气体运动图像。
进一步地,将目标帧图像与背景图像进行差分处理,从而得到目标帧图像对应的差分气体运动图像。具体的,将目标帧图像中的像素值与背景图像中对应位置的像素值求差,得到目标帧图像对应的差分气体运动图像。
步骤S204,对目标帧图像对应的气体边缘图像进行灰度增强,得到目标帧图像对应的边缘增强图像。
进一步地,确定目标帧图像对应的气体边缘图像,并对该气体边缘图像进行灰度增强,从而得到边缘增强图像。
需要说明的是,本申请实施例中的灰度增强方法可以采用线性灰度增强、分段线性灰度增强以及非线性灰度增强中的一种或多种组合,在此不做限制。
步骤S205,将边缘增强图像与差分气体运动图像进行图像融合,得到目标帧图像对应的气体增强图像。
进一步地,将边缘增强图像与差分气体运动图像进行图像融合,得到目标帧图像对应的气体增强图像。
在上述实现过程中,将气体红外视频图像中的目标帧图像以及对应的背景图像进行差分处理,从而得到差分气体运动图像,此外,对目标帧图像的气体边缘图像进行灰度增强,得到边缘增强图像,从而通过边缘增强图像能够将气体区域与邻域背景进行区分,进一步地,将差分气体运动图像与边缘增强图像进行图像融合,得到气体增强图像,使气体增强图像不仅能够与邻域背景进行区分,而且包含了气体的运动信息,提高了红外气体的成像质量。
在其中的一些实施例中,基于气体红外视频图像序列确定目标帧图像以及目标帧图像的背景图像,包括:
步骤1:在气体红外视频图像序列中,依次将间隔N帧的气体红外视频图像确定为目标帧图像,其中,N为大于等于1的正整数。
步骤2:基于与目标帧图像关联的气体红外视频图像,确定目标帧图像的背景图像。
示例性地,在气体红外视频图像序列中,依次将间隔N帧的气体红外视频图像确定为目标帧图像。
作为一种实例,若气体红外视频图像序列中一共包括10帧图像,根据采集顺序,依次对10帧气体红外视频图像进行编号,其帧序号对应为1至10,若N等于3,则可以将帧序号为1、5、9的气体红外视频图像依次确定为目标帧图像,也可以将帧序号为2、6、10的气体红外视频图像依次确定为目标帧图像。
需要说明是的,本申请实施例中仅以气体红外视频图像序列中一共包括10帧图像,N等于3为例进行说明,在实际应用中,可以根据实际情况进行适应性设置,在此不做限制。
进一步地,基于与目标帧图像关联的气体红外视频图像,确定目标帧图像的背景图像,可以包括:
在气体红外视频图像序列中,确定出与目标帧图像关联的关联图像,并根据关联图像的背景图像以及目标帧图像确定出目标帧图像的背景图像。进一步地,根据关联图像的背景图像以及目标帧图像确定目标帧图像的背景图像。
具体的,在气体红外视频图像序列中,可以将目标帧图像中的前N帧图像中任一帧图像,确定为与目标帧图像关联的关联图像,能够减少背景图像确定过程中的计算量,进而提高气体图像增强的效率。
作为一种示例,目标帧图像的帧序号为K,K为大于N的正整数,在红外视频图像序列中,将帧序号为(K-N)的红外视频图像,确定为与目标帧图像关联的关联图像。例如,若目标帧图像的帧序号为5,N等于3,则与目标帧图像关联的关联图像的帧序号为2。
进一步地,分别对关联图像的背景图像以及目标帧图像进行时域滤波处理,得到滤波后的关联背景图像以及滤波后的目标帧图像,并对关联背景图像以及滤波后的目标帧图像进行加权求和,得到目标帧图像的背景图像。
需要说明的是,在本申请实施例中,关联图像的背景图像也可以通过上述确定目标帧图像的背景图像类似的方法确定,并且,帧序号为1的气体红外视频图像的关联图像可以是其本身,帧序号为1的气体红外视频图像的关联图像的背景图像也可以是其本身。时域滤波处理的方法可以是均值滤波和高斯滤波中的任意一种或组合,在此不做限制。
在上述实现过程中,在气体红外视频图像序列中,依次将间隔N帧的气体红外视频图像确定为目标帧图像,从而使不同的目标帧图像存在较大的差异,进而便于区分目标帧图像中气体的运动状态,并且,将与目标帧图像关联的气体红外视频图像,确定目标帧图像的背景图像,能够提高背景图像确定的准确度。
在其中的一些实施例中,基于与目标帧图像关联的气体红外视频图像,确定目标帧图像的背景图像,包括:
步骤1:基于与目标帧图像关联的气体红外视频图像,确定目标帧图像之前,连续N帧气体红外视频图像的N帧背景图像。
步骤2:分别对N帧背景图像以及目标帧图像进行时域滤波处理,得到滤波后的N帧背景图像以及滤波后的目标帧图像。
步骤3:基于滤波后的N帧背景图像以及滤波后的目标帧图像,确定目标帧图像的背景图像。
示例性地,将在目标帧图像之前,连续N帧气体红外视频图像都确定为与目标帧图像关联的关联图像,例如,若目标帧图像的帧序号为5,N等于3,则与目标帧图像关联的关联图像包括帧序号为2、帧序号为3以及帧序号为4的气体红外视频图像。
进一步地,分别确定帧序号为2、帧序号为3以及帧序号为4的气体红外视频图像的背景图像,从而得到帧序号为2的背景图像、帧序号为3的背景图像以及帧序号为4的背景图像。
然后,分别帧序号为2的背景图像、帧序号为3的背景图像、帧序号为4的背景图像以及目标帧图像进行时域滤波处理,得到帧序号为2背景滤波图像、帧序号为3背景滤波图像、帧序号为4背景滤波图像以及滤波后的目标帧图像。
进一步地,将帧序号为2背景滤波图像、帧序号为3背景滤波图像、帧序号为4背景滤波图像以及滤波后的目标帧图像进行加权求和,得到目标帧图像的背景图像。
在上述实现过程中,确定目标帧图像之前,连续N帧气体红外视频图像的背景图像,并对N帧的背景图像以及目标帧图像进行时域滤波处理,进一步地,根据滤波后的N帧背景图像以及滤波后的目标帧图像,确定目标帧图像的背景图像,从而使目标帧图像的背景图像与目标帧关联的前N帧的所有图像相关,提高了目标帧图像的背景图像确定的准确度。
在其中的一些实施例中,将目标帧图像与背景图像进行差分,得到目标帧图像对应的差分气体运动图像,包括:
步骤1:将目标帧图像与背景图像进行差分处理,得到差分图像。
步骤2:基于差分图像以及差分增强系数,确定差分气体运动图像。
示例性地,在确定背景图像时,若与目标帧关联的关联图像为目标帧图像中的前N帧图像中任一帧图像,则目标帧图像对应的差分气体运动图像可以通过以下方法得到:将目标帧图像中的像素值与背景图像中对应位置的像素值求差,得到差分图像,进一步地,将差分图像中所有像素点的像素值除以间隔帧数n,得到帧间差分图像,其中,间隔帧数n为目标帧图像与关联图像的帧序号之差,进一步地,将帧间差分图像中所有像素点的像素值乘以差分增强系数,从而得到差分气体运动图像。
在确定背景图像时,若与目标帧关联的关联图像为目标帧图像中的前N帧图像中的所有图像,则目标帧图像对应的差分气体运动图像可以通过以下方法得到:将目标帧图像中的像素值与背景图像中对应位置的像素值求差,得到差分图像,进一步地,将差分图像中所有像素点的像素值乘以差分增强系数,从而得到差分气体运动图像。
需要说明的是,本申请实施例中的差分增强系数可以是预设的,也可以是根据目标帧图像的灰度进行适应性设置的,在此不做限制。
在上述实现过程中,将目标帧图像与背景图像进行差分得到差分图像,并根据差分增强系数对差分图像进行图像增强,从而得到差分气体运动图像,提高了差分气体运动图像的显示效果。
在其中的一些实施例中,对目标帧图像对应的气体边缘图像进行灰度增强,得到目标帧图像对应的边缘增强图像,包括:
步骤1:对目标帧图像进行图像滤波,得到目标帧图像对应的气体边缘图像。
步骤2:将气体边缘图像中的所有像素点的像素值增加预设灰度值,得到边缘增强图像。
示例性地,对目标帧图像进行图像滤波时,可以对目标帧图像中每个像素点进行卷积处理,从而可以消除像素点邻域周围内平坦的像素,最终得到目标帧图像对应的气体边缘图像。
进一步地,对气体边缘图像中所有像素点的像素值都增加预设灰度值,从而增加气体边缘图像的灰度,最终得到边缘增强图像。
需要说明的是,本申请实施例中的预设灰度值可以是用户根据实际情况提前设定的,也可以根据实际情况进行适应性调节,在此不做限制。
在上述实现过程中,对目标帧图像进行图像滤波,能够有效地提取目标帧图像中气体的边缘图像,并且在气体泄漏检测中,可以根据该边缘图像确定出气体的边界,从而确定出气体的泄漏位置,进而对气体边缘图像中所有像素点的像素值增加预设灰度值,从而增加了图像中气体边缘的灰度,进而使边缘增强图像能够与背景区域进行明显的区分。
在其中的一些实施例中,将边缘增强图像与差分气体运动图像进行图像融合,得到目标帧图像对应的气体增强图像,包括:
步骤1:将边缘增强图像与差分气体运动图像进行图像融合,得到融合图像。
步骤2:对融合图像进行亮度补偿,得到目标帧图像对应的气体增强图像。
示例性地,将边缘增强图像与差分气体运动图像进行图像融合,具体的,可以将边缘增强图像中像素点的像素值,与差分气体图像中对应位置的像素点的像素值相加,从而得到融合图像。
进一步地,为了增加融合图像的显示效果,可以对融合图像进行亮度补偿,即将融合图像的亮度值提升到目标亮度值,从而得到目标帧图像对应的气体增强图像。
在上述实现过程中,将边缘增强图像与差分气体运动图像进行图像融合,从而得到融合图像,并对融合图像的进行亮度补偿,得到了气体增强图像,从而增加了气体增强图像亮度,便于提高气体增强图像的显示效果。
在其中的一些实施例中,将边缘增强图像与差分气体运动图像进行图像融合,得到融合图像,包括:
步骤1:确定边缘增强图像与差分气体运动图像的融合比例。
步骤2:基于融合比例将边缘增强图像与差分气体运动图像进行图像融合,得到融合图像。
示例性地,用户可以根据不同的显示效果,确定边缘增强图像与差分气体运动图像不同的融合比例,若用户想要在最终的图像中突出气体的运动形态,则可以设置边缘增强图像的融合比例系数小于差分气体运动图像的融合比例系数。若用户想要在最终的图像中突出气体与背景区域的划分,则可以设置边缘增强图像的融合比例系数大于差分气体运动图像的融合比例系数。
进一步地,根据确定的融合比例将边缘增强图像与差分气体运动图像进行图像融合,得到融合图像,从而使融合图像能够根据用户需求进行图像融合。
在上述实现过程中,确定边缘增强图像与差分气体运动图像的融合比例,进而根据确定的融合比例进行图像融合,使融合图像能够适应用户需求。
下面通过优选实施例对本实施例进行描述和说明。
在本申请实施例中提供了一种气体图像增强方法的实施例。图3是本申请实施例提供的一种气体图像增强方法的实施例流程图,如图3所示,该流程包括如下步骤:
步骤S301,在连续的气体红外视频图像序列中,确定目标帧图像以及与目标帧图像关联的关联图像。
具体的,在气体红外视频图像序列中,依次将间隔N帧的气体红外视频图像确定为目标帧图像。
气体红外视频图像序列中每一红外视频图像存在对应的帧序号,若目标帧图像的帧序号为K,且K为大于N的正整数,则在红外视频图像序列中,可以将帧序号为(K-N)的红外视频图像,确定为与目标帧图像关联的关联图像。
步骤S302,根据关联图像以及目标帧图像,确定目标帧图像的背景图像。
进一步地,确定关联图像的背景图像,从而得到关联背景图像。并分别对关联背景图像与目标帧图像进行时域滤波处理,得到滤波后的关联背景图像以及滤波后的目标帧图像。
进一步地,将滤波后的关联背景图像以及滤波后的目标帧图像进行加权求和,得到目标帧图像的背景图像。
步骤S303,将目标帧图像与背景图像进行差分,得到差分气体运动图像。
进一步地,将目标帧图像与背景图像进行差分处理,得到差分图像,并将差分图像中所有像素点的像素值除以间隔帧数N,得到帧间差分图像,进一步地,将帧间差分图像中所有像素点的像素值乘以差分增强系数,得到差分气体运动图像。
步骤S304,将目标帧图像进行图像滤波,得到气体边缘图像。
具体的,对目标帧图像进行图像滤波处理时,可以通过滤波算子对目标帧图像中所有像素点进行卷积处理,从而得到气体边缘图像。通过滤波算子对目标帧图像中所有像素点进行卷积处理能够消除对应像素点邻域周围内平坦的像素,从而保留背景边缘信息。
步骤S305,对气体边缘图像进行灰度增强,得到边缘增强图像。
进一步地,对气体边缘图像进行灰度增强时,可以对气体边缘图像中每一像素点的像素值增加预设灰度值,从而得到边缘增强图像。
步骤S306,将差分气体运动图像与边缘增强图像进行图像融合,得到融合图像。
具体的,将差分气体运动图像与边缘增强图像进行图像融合时,可以将差分气体运动图像中像素点的像素值与边缘增强图像中对应位置的像素点的像素值进行相加,得到融合图像。
步骤S307,对融合图像进行亮度补偿,得到气体增强图像。
进一步地,将融合图像中像素点的亮度值补偿到目标值,从而得到气体增强图像。
在上述实现过程中,将与目标帧图像关联的关联图像的背景图像与目标帧图像进行时域滤波,并根据滤波后的图像确定目标帧图像的背景图像,从而提高了目标帧图像的背景图像的准确度,并将目标帧图像与背景图像进行差分处理,从而得到了差分气体运动图像。进一步地,对保留背景边缘信息的气体边缘图像进行灰度增强,从而使得到的边缘增强图像能够有效地将气体区域与背景区域进行区分,进一步地,将边缘增强图像与差分气体运动图像进行图像融合,得到融合图像,进而使融合图像能够有效地将气体区域与背景区域进行区分,并对融合图像进行亮度补偿,得到气体增强图像,提高了气体成像质量。
需要说明的是,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。
在本实施例中还提供了一种气体图像增强装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是本申请实施例提供的一种气体图像增强装置的结构框图,如图4所示,该装置包括:
获取模块401,用于获取待处理的气体红外视频图像序列;
确定模块402,用于基于气体红外视频图像序列,确定目标帧图像以及目标帧图像的背景图像;
图像差分模块403,用于将目标帧图像与背景图像进行差分,得到目标帧图像对应的差分气体运动图像;
图像增强模块404,用于对目标帧图像对应的气体边缘图像进行灰度增强,得到目标帧图像对应的边缘增强图像;
图像融合模块405,用于将边缘增强图像与差分气体运动图像进行图像融合,得到目标帧图像对应的气体增强图像。
在其中的一些实施例中,确定模块402具体用于:
在气体红外视频图像序列中,依次将间隔N帧的气体红外视频图像确定为目标帧图像,其中,N为大于等于1的正整数;
基于与目标帧图像关联的气体红外视频图像,确定目标帧图像的背景图像。
在其中的一些实施例中,确定模块402具体用于:
基于与目标帧图像关联的气体红外视频图像,确定目标帧图像之前,连续N帧气体红外视频图像的N帧背景图像;
分别对N帧背景图像以及目标帧图像进行时域滤波处理,得到滤波后的N帧背景图像以及滤波后的目标帧图像;
基于滤波后的N帧背景图像以及滤波后的目标帧图像,确定目标帧图像的背景图像。
在其中的一些实施例中,图像差分模块403具体用于:
将目标帧图像与背景图像进行差分处理,得到差分图像;
基于差分图像以及差分增强系数,确定差分气体运动图像。
在其中的一些实施例中,图像增强模块404具体用于:
对目标帧图像进行图像滤波,得到目标帧图像对应的气体边缘图像;
将气体边缘图像中的所有像素点的像素值增加预设灰度值,得到边缘增强图像。
在其中的一些实施例中,图像融合模块405具体用于:
将边缘增强图像与差分气体运动图像进行图像融合,得到融合图像;
对融合图像进行亮度补偿,得到目标帧图像对应的气体增强图像。
在其中的一些实施例中,图像融合模块405具体用于:
确定边缘增强图像与差分气体运动图像的融合比例;
基于融合比例将边缘增强图像与差分气体运动图像进行图像融合,得到融合图像。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
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服务器,其内部结构图可以如图5所示,图5是本申请实施例提供的一种计算机设备的内部结构图。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、计算机程序和数据库。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。该计算机设备的数据库用于存储气体红外视频图像序列的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种气体图像增强方法。
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,还提供了一种电子装置,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。
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。
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专利保护范围的限制。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)
1.一种气体图像增强方法,其特征在于,包括:
获取待处理的气体红外视频图像序列;
基于所述气体红外视频图像序列,确定目标帧图像以及所述目标帧图像的背景图像;
将所述目标帧图像与所述背景图像进行差分,得到所述目标帧图像对应的差分气体运动图像;
对所述目标帧图像对应的气体边缘图像进行灰度增强,得到所述目标帧图像对应的边缘增强图像;
将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到所述目标帧图像对应的气体增强图像。
2.根据权利要求1所述的气体图像增强方法,其特征在于,所述基于所述气体红外视频图像序列,确定目标帧图像以及所述目标帧图像的背景图像,包括:
在所述气体红外视频图像序列中,依次将间隔N帧的气体红外视频图像确定为所述目标帧图像,其中,N为大于等于1的正整数;
基于与所述目标帧图像关联的气体红外视频图像,确定所述目标帧图像的背景图像。
3.根据权利要求2所述的气体图像增强方法,其特征在于,所述基于与所述目标帧图像关联的气体红外视频图像,确定所述目标帧图像的背景图像,包括:
基于与所述目标帧图像关联的气体红外视频图像,确定所述目标帧图像之前,连续N帧气体红外视频图像的N帧背景图像;
分别对N帧背景图像以及所述目标帧图像进行时域滤波处理,得到滤波后的N帧背景图像以及滤波后的目标帧图像;
基于所述滤波后的N帧背景图像以及所述滤波后的目标帧图像,确定所述目标帧图像的背景图像。
4.根据权利要求1所述的气体图像增强方法,其特征在于,所述将所述目标帧图像与所述背景图像进行差分,得到所述目标帧图像对应的差分气体运动图像,包括:
将所述目标帧图像与所述背景图像进行差分处理,得到差分图像;
基于所述差分图像以及差分增强系数,确定所述差分气体运动图像。
5.根据权利要求1所述的气体图像增强方法,其特征在于,所述对所述目标帧图像对应的气体边缘图像进行灰度增强,得到所述目标帧图像对应的边缘增强图像,包括:
对所述目标帧图像进行图像滤波,得到所述目标帧图像对应的气体边缘图像;
将所述气体边缘图像中的所有像素点的像素值增加预设灰度值,得到所述边缘增强图像。
6.根据权利要求1所述的气体图像增强方法,其特征在于,所述将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到所述目标帧图像对应的气体增强图像,包括:
将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到融合图像;
对所述融合图像进行亮度补偿,得到所述目标帧图像对应的气体增强图像。
7.根据权利要求6所述的气体图像增强方法,其特征在于,所述将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到融合图像,包括:
确定所述边缘增强图像与所述差分气体运动图像的融合比例;
基于所述融合比例将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到所述融合图像。
8.一种气体图像增强装置,其特征在于,包括:
获取模块,用于获取待处理的气体红外视频图像序列;
确定模块,用于基于所述气体红外视频图像序列,确定目标帧图像以及所述目标帧图像的背景图像;
图像差分模块,用于将所述目标帧图像与所述背景图像进行差分,得到所述目标帧图像对应的差分气体运动图像;
图像增强模块,用于对所述目标帧图像对应的气体边缘图像进行灰度增强,得到所述目标帧图像对应的边缘增强图像;
图像融合模块,用于将所述边缘增强图像与所述差分气体运动图像进行图像融合,得到所述目标帧图像对应的气体增强图像。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的气体图像增强方法。
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中任一项所述的气体图像增强方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311178909.1A CN117408886A (zh) | 2023-09-11 | 2023-09-11 | 气体图像增强方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311178909.1A CN117408886A (zh) | 2023-09-11 | 2023-09-11 | 气体图像增强方法、装置、电子装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117408886A true CN117408886A (zh) | 2024-01-16 |
Family
ID=89489828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311178909.1A Pending CN117408886A (zh) | 2023-09-11 | 2023-09-11 | 气体图像增强方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408886A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117710235A (zh) * | 2024-02-06 | 2024-03-15 | 浙江华感科技有限公司 | 图像目标增强方法、装置、计算机设备和存储介质 |
-
2023
- 2023-09-11 CN CN202311178909.1A patent/CN117408886A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117710235A (zh) * | 2024-02-06 | 2024-03-15 | 浙江华感科技有限公司 | 图像目标增强方法、装置、计算机设备和存储介质 |
CN117710235B (zh) * | 2024-02-06 | 2024-05-14 | 浙江华感科技有限公司 | 图像目标增强方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | Low-light image enhancement using variational optimization-based retinex model | |
Singh et al. | Modified gain intervention filter based dehazing technique | |
JP2015225665A (ja) | 画像ノイズ除去方法及び画像ノイズ除去装置 | |
CN108961170B (zh) | 图像处理方法、装置和系统 | |
WO2016139260A9 (en) | Method and system for real-time noise removal and image enhancement of high-dynamic range images | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
US20210272252A1 (en) | Systems and methods for image processing | |
CN117408886A (zh) | 气体图像增强方法、装置、电子装置和存储介质 | |
WO2012009077A1 (en) | Hardware and software partitioned image processing pipeline | |
US20100061650A1 (en) | Method And Apparatus For Providing A Variable Filter Size For Providing Image Effects | |
CN112991197A (zh) | 一种基于暗通道的细节保留的低照度视频增强方法及装置 | |
TWI741305B (zh) | 圖像處理方法和裝置 | |
CN114862735A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN107564085B (zh) | 图像扭曲处理方法、装置、计算设备及计算机存储介质 | |
Ali et al. | Comparametric hdr (high dynamic range) imaging for digital eye glass, wearable cameras, and sousveillance | |
Feng et al. | Low-light image enhancement by refining illumination map with self-guided filtering | |
CN108513068A (zh) | 图像的选取方法、装置、存储介质及电子设备 | |
CN115439386A (zh) | 图像融合方法、装置、电子设备和存储介质 | |
CN116071279A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN115049572A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN115471413A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN115512405A (zh) | 一种背景图像处理方法、装置、电子设备及存储介质 | |
CN114372938A (zh) | 一种基于标定的图像自适应复原方法 | |
CN113570531A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN111986312A (zh) | 一种船舶轨迹绘制方法、终端设备及存储介质 |
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 |