CN117611483A - 一种图像采集方法、装置、设备及存储介质 - Google Patents

一种图像采集方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN117611483A
CN117611483A CN202311659490.1A CN202311659490A CN117611483A CN 117611483 A CN117611483 A CN 117611483A CN 202311659490 A CN202311659490 A CN 202311659490A CN 117611483 A CN117611483 A CN 117611483A
Authority
CN
China
Prior art keywords
image
target
initial
foreground
background
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
Application number
CN202311659490.1A
Other languages
English (en)
Inventor
李响
杜云飞
杨文开
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Agricultural Bank of China
Original Assignee
Agricultural Bank of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Agricultural Bank of China filed Critical Agricultural Bank of China
Priority to CN202311659490.1A priority Critical patent/CN117611483A/zh
Publication of CN117611483A publication Critical patent/CN117611483A/zh
Pending legal-status Critical Current

Links

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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

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

本发明公开了一种图像采集方法、装置、设备及存储介质。该方法包括：获取初始图像集合中每张初始图像的灰度直方图；若灰度直方图均存在两个峰值，则根据灰度直方图的峰值将初始图像集合划分为初始前景图像集合和初始背景图像集合；对每张初始前景图像和每张初始背景图像分别进行分割，将分割后的每张目标前景图像与分割后的每张目标背景图像进行拼接，得到目标拼接图像集合；对每张拼接图像进行轮廓平滑优化，得到目标平滑图像集合；将逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像，通过本发明的技术方案，能够提高逆光状态下目标对象的面部识别准确性。

Description

一种图像采集方法、装置、设备及存储介质
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种图像采集方法、装置、设备及存储介质。
背景技术
当前信息采集技术日益成熟，在掌银端实时采集目标对象的面部图像数据进行身份校验是验证目标对象的机主信息的重要方式。但若目标对象身处逆光环境，电子设备上的摄像头所呈现的图像会出现面部灰暗但背景清晰的情况，此时摄像头通常会缩小光圈增大进光量来提高面部亮度，图像因背景过曝形成的光晕会导致面部的轮廓处的细节丢失，以上情况都会造成面部图像的细节部分不同程度的丢失。
现有技术中通常采用基于硬件的抗逆光技术或基于软件的抗逆光技术解决上述问题，其中，基于硬件的抗逆光技术主要为提高手机屏幕亮度和增大相机动态范围，此举会消耗更多的物力且提升逆光还原的效果并不明显；基于软件的抗逆光技术以Retinex算法最为突出，但基于硬件的抗逆光技术和基于软件的抗逆光技术均以提亮前景灰暗模糊的背景可用图像为主，无法解决由于背景过度曝光轮廓处光晕过大导致目标对象的面部识别时间延长或难以识别的问题。
发明内容
本发明实施例提供一种图像采集方法、装置、设备及存储介质，解决了在掌银端采集目标对象的面部信息时，由于背景过度曝光轮廓处光晕过大导致目标对象的面部识别时间延长或难以识别的问题。
根据本发明的一方面，提供了一种图像采集方法，包括：
获取初始图像集合中每张初始图像对应的灰度直方图，其中，所述初始图像包括：目标对象面部图像；
若所述灰度直方图均存在两个峰值，则根据所述灰度直方图的峰值将所述初始图像集合划分为初始前景图像集合和初始背景图像集合；
对所述初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合；
对所述初始背景图像集合中的每张初始背景图像进行分割，得到目标背景图像集合；
将所述目标前景图像集合中的每张目标前景图像与所述目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合；
对所述目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合；
将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像。
根据本发明的另一方面，提供了一种图像采集装置，该图像采集装置包括：
获取模块，用于获取初始图像集合中每张初始图像对应的灰度直方图，其中，所述初始图像包括：目标对象面部图像；
划分模块，用于若所述灰度直方图均存在两个峰值，则根据所述灰度直方图的峰值将所述初始图像集合划分为初始前景图像集合和初始背景图像集合；
前景分割模块，用于对所述初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合；
背景分割模块，用于对所述初始背景图像集合中的每张初始背景图像进行分割，得到目标背景图像集合；
拼接模块，用于将所述目标前景图像集合中的每张目标前景图像与所述目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合；
平滑模块，用于对所述目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合；
确定模块，用于将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的图像采集方法。
根据本发明的另一方面，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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像采集方法。
本发明实施例通过获取初始图像集合中每张初始图像对应的灰度直方图，其中，所述初始图像包括：目标对象面部图像；若所述灰度直方图均存在两个峰值，则根据所述灰度直方图的峰值将所述初始图像集合划分为初始前景图像集合和初始背景图像集合；对所述初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合；对所述初始背景图像集合中的每张初始背景图像进行分割，得到目标背景图像集合；将所述目标前景图像集合中的每张目标前景图像与所述目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合；对所述目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合；将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像，解决了在掌银端采集目标对象的面部信息时，由于背景过度曝光轮廓处光晕过大导致目标对象的面部识别时间延长或难以识别的问题，能够在保证低成本的前提下，缩短逆光状态下目标对象的面部识别的时间，提高逆光状态下目标对象的面部识别的准确性。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种图像采集方法的流程图；
图2是本发明实施例一中的一种前景拟合曲线与三处背景拟合曲线示意图；
图3是本发明实施例一中的一种拼接图像轮廓平滑的示意图；
图4是本发明实施例二中的一种图像采集装置的结构示意图；
图5是本发明实施例三中的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
实施例一
图1是本发明实施例一中的一种图像采集方法的流程图，本实施例可适用于在掌银端采集目标对象的面部图像的情况，该方法可以由本发明实施例中的图像采集装置来执行，该装置可采用软件和/或硬件的方式实现。如图1所示，该方法具体包括如下步骤：
S110，获取初始图像集合中每张初始图像对应的灰度直方图，其中，初始图像包括：目标对象面部图像。
其中，初始图像集合为采集的预设时间段内的初始图像，每张初始图像包括：目标对象面部图像，目标对象可为使用安装摄像头的电子设备的用户，采集的初始图像为用户在使用掌银端时通过摄像头采集的初始图像。每张初始图像还可以包括：目标对象的背景图像。
具体的，获取初始图像集合中每张初始图像对应的灰度直方图的方式可以为：可通过提取灰度直方图的函数提取初始图像集合中每张初始图像对应的灰度直方图，其中，灰度直方图的横坐标可为灰度值，纵坐标为该灰度值的像素个数。
S120，若灰度直方图均存在两个峰值，则根据灰度直方图的峰值将初始图像集合划分为初始前景图像集合和初始背景图像集合。
其中，灰度直方图均存在两个峰值为每张初始图像对应的灰度直方图均存在左右两个间距极大的峰值，此种情形是因为强背景光导致前景与背景差异较大。前景为在逆光环境下拍摄的目标对象的主体(包括面部)，背景为在逆光环境下处目标对象的主体以外的环境。初始前景图像集合中的每张初始前景图像中前景清晰背景过曝，背景及轮廓信息丢失，仅前景信息可用；初始背景图像集合中的每张背景图像中的背景清晰前景灰暗，前景信息不易识别，仅背景信息可用。
具体的，若初始图像对应的灰度直方图存在两个峰值，说明初始图像为逆光图像，则可根据初始图像对应的灰度直方图两个峰值的特点判断初始图像为初始前景图像或为初始背景图像，进而根据每张初始前景图像生成初始前景图像集合，根据每张初始背景图像生成初始背景图像集合，需要说明的是，初始前景图像因背景过度曝光，灰度直方图中两个峰值中左峰一般居中而右峰极为靠右，初始背景图像因前景灰暗模糊，灰度直方图中两个峰值中左峰偏左，右峰偏右。
可选的，根据所述灰度直方图的峰值将所述初始图像集合划分为初始前景图像集合和初始背景图像集合，包括：
根据右侧峰值处于第一预设灰度值范围内，且左侧峰值处于第二预设灰度值范围内的灰度直方图对应的初始图像生成初始前景图像集合；
根据右侧峰值处于第三预设灰度值范围内，且左侧峰值处于第四预设灰度值范围内的灰度直方图对应的初始图像生成初始背景图像集合。
其中，第一预设灰度值范围、第二预设灰度值范围、第三预设灰度值范围以及第四预设灰度值范围均可根据实际需求进行设定，如，设定第一预设灰度值范围为[225，249]，第二预设灰度值范围为[76，150]，第三预设灰度值范围为[100，200]，第四预设灰度值范围为[0，75]。
具体的，若灰度直方图存在两个峰值，右侧峰值处于第一预设灰度值范围内，且左侧峰值处于第二预设灰度值范围内，则符合左峰居中右峰靠右的特点，将该灰度直方图对应的初始图像确定为初始前景图像，进而根据每张初始前景图像生成初始前景图像集合。
具体的，若灰度直方图存在两个峰值，右侧峰值处于第三预设灰度值范围内，且右侧峰值处于第三预设灰度值范围内，则符合左峰偏左而右峰偏右的特点，将该灰度直方图对应的初始图像确定为初始背景图像，进而根据每张初始背景图像生成初始背景图像集合。
通过根据右侧峰值处于第一预设灰度值范围内，且左侧峰值处于第二预设灰度值范围内的灰度直方图对应的初始图像生成初始前景图像集合，根据右侧峰值处于第三预设灰度值范围内，且左侧峰值处于第四预设灰度值范围内的灰度直方图对应的初始图像生成初始背景图像集合，能够根据灰度直方图中两个峰值的特点将初始图像集合划分为初始前景图像集合和初始背景图像集合，便于在后续获取初始前景图像中的前景和初始背景图像中的背景，进而提高识别目标对象的面部信息的准确性。
S130，对初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合。
其中，目标前景图像集合中的每张目标前景图像包括：分割后留下的前景。
具体的，通过高斯混合或基于深度学习的分割方法对初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像，还可以基于阈值进行分割，得到目标前景图像，进而根据每张目标前景图像生成目标前景图像集合。
S140，对初始背景图像集合中的每张初始背景图像进行分割，得到目标背景图像集合。
其中，上述S130与S140的步骤可同步进行。目标背景图像集合中的每张目标背景图像包括：分割后留下的背景。
具体的，通过高斯混合或基于深度学习的分割方法对初始背景图像集合中的每张初始背景图像进行分割，得到目标背景图像，还可以基于阈值进行分割，得到目标背景图像，进而根据每张目标背景图像生成目标背景图像集合。
可选的，对所述初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合，包括：
获取每张初始前景图像对应的灰度直方图中的起始灰度值和终止灰度值；
对每张初始前景图像从起始灰度值遍历至终止灰度值，获取每一灰度值对应的背景概率均值和前景概率均值，并根据所述背景概率均值和前景概率均值得到每张初始前景图像对应的概率平均值；
将最大的概率平均值对应的灰度值确定为分割阈值；
根据小于分割阈值的灰度值对应的像素生成的目标前景图像得到目标前景图像集合。
其中，每张初始前景图像对应的灰度直方图中的起始灰度值和终止灰度值不同。分割阈值为将每张初始前景图像中的前景与背景进行分割的灰度值阈值，其中，每张初始前景图像的分割阈值不同。
具体的，根据每张初始前景图像对应的灰度直方图中的像素分布确定起始灰度值和终止灰度值，可将起始灰度值记为st，将终止灰度值记为nd，则分割阈值应处于st与nd之间。
具体的，对每张初始前景图像从起始灰度值遍历至终止灰度值，获取每一灰度值对应的背景概率均值和前景概率均值，并根据所述背景概率均值和前景概率均值得到每张初始前景图像对应的概率平均值的方式可以为：若设定分割阈值为TH已知，则灰度值0到TH的概率应为：
其中，pi为灰度值为i的概率。对每张初始前景图像从起始灰度值遍历至终止灰度值，得到每一灰度值对应的背景概率均值和前景概率均值，具体的实现方式可为：
其中，avg1为背景概率均值，avg2为前景概率均值。将背景概率均值和前景概率均值之和确定每张初始前景图像对应的概率平均值，即：avg＝avg1+avg2。
具体的，在遍历结束后，当概率平均值avg最大时对应的灰度值确定为当前的初始前景图像的分割阈值TH。
具体的，在确定阈值后，将小于该分割阈值的灰度值对应的所有的像素生成目标前景图像，即将前景分割出来，进而根据每张目标前景图像生成目标前景图像集合。
需要说明的是，对初始背景图像集合中的每张初始背景图像进行分割获取背景时，也可采用概率平均值的方式获取每张初始背景图像的分割阈值，与分割初始前景图像不同的在于，将大于分割阈值的灰度值对应的所有的像素生成目标背景图像，进而根据每张目标背景图像生成目标背景图像集合。
通过对每张初始前景图像从起始灰度值遍历至终止灰度值，得到每一灰度值对应的背景概率均值和前景概率均值，根据背景概率均值和前景概率均值得到每张初始前景图像对应的概率平均值，将最大的概率平均值对应的灰度值确定为分割阈值，根据分割阈值分割初始前景图像，得到目标前景图像，解决现有技术中处理强亮光背景的逆光图像时会发生错误分割的情况，能够在选取分割阈值的时候兼顾每张图像的前景与背景，使得分割阈值更加准确，前景与背景分割地更加彻底。
S150，将目标前景图像集合中的每张目标前景图像与目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合。
具体的，将每张目标前景图像分别与目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合，目标拼接图像集合中包括至少一张目标拼接图像，若目标前景图像集合中存在三张目标前景图像，目标背景图像集合中存在三张目标背景图像，则目标拼接图像集合存在九张拼接图像，其中，目标前景图像与目标背景图像拼接的方式在此不进行限定。
可选的，将所述目标前景图像集合中的每张目标前景图像与所述目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合，包括：
基于预设算法提取每张目标前景图像的轮廓点集合与每张目标背景图像的轮廓点集合；
获取基于预设特征框提取的每张目标前景图像中的前景特征区域，并获取所述目标前景图像中的前景特征区域中的轮廓点集合，对轮廓点集合中的轮廓点进行曲线拟合，得到前景拟合曲线；
基于预设特征框遍历每张目标背景图像，得到每张目标背景图像对应的特征区域集合；
提取所述每张目标背景图像对应的特征区域集合中每一特征区域中的轮廓点集合，并对每一特征区域中的轮廓点集合中的轮廓点进行曲线拟合，得到背景拟合曲线集合；
根据所述前景拟合曲线和所述背景拟合曲线集合中的每一背景拟合曲线的相似度确定待拼接轮廓区域，并基于待拼接轮廓区域将每张目标前景图像依次与每张目标背景图像进行拼接，得到目标拼接图像集合。
需要说明的是，掌银端在进行目标对象的面部识别时，摄像头的光圈在短时间内快速进行调节，采集的多张图像在结构上是高度相似的，虽难以保证每张图像的前景与背景相对位置的统一，但每张图像的轮廓是高度相似的，为节省拼接时间，可基于轮廓的图像拼接方法对每张目标前景图像与每张目标背景图像进行拼接。
其中，预设算法可为Canny边缘检测算子，用于提取每张图像的轮廓。预设特征框的长宽可根据实际需求进行设定。
具体的，基于Canny边缘检测算子提取每张目标前景图像的轮廓点集合，基于Canny边缘检测算子提取每张目标背景图像的轮廓点集合。
具体的，预设特征框，并基于预设特征框在每张目标前景图像中进行前景特征区域的标注，可选择具有代表性的区域，在确定前景特征区域后，可获取该区域中的已提取的轮廓点集合中的每个轮廓点的坐标，根据多项式逼近法、最小二乘法、高斯拟合中的任一种方法对轮廓点集合中的每个轮廓点的坐标进行曲线拟合，得到前景拟合曲线，图2是本发明实施例一中的一种前景拟合曲线与三处背景拟合曲线示意图，前景拟合曲线如图2(a)所示。
具体的，基于相同大小的预设特征框对每张目标背景图像进行遍历操作，可得到每张目标背景图像对应的特征区域集合，对目标背景图像对应的特征区域集合中的每一特征区域中的轮廓点集合进行提取，获取轮廓点集合中每一轮廓点的坐标，使用前景拟合曲线进行曲线拟合的相同的方法对目标背景图像对应的每一个特征区域中的轮廓点集合中每个轮廓点的坐标进行曲线拟合，得到目标背景图像对应的背景拟合曲线集合，如图2所示，图2中的(b)、(c)以及(d)，为背景拟合曲线集合中的三个背景拟合曲线。
具体的，计算每张目标前景图像的前景拟合曲线与每张目标背景图像的背景拟合曲线集合中的每一背景拟合曲线的相似度，计算方式可为：
其中，Y(x)表示相似度，yb(x)表示一个背景拟合曲线，ya(x)为前景拟合曲线，Y(x)值越小代表的曲线越相似，前景与背景的轮廓处越相近，最小的值对应的特征区域即为待拼接轮廓区域，基于待拼接轮廓区域将每张目标前景图像依次与每张目标背景图像进行拼接，得到多张拼接图像，即目标拼接图像集合。
通过获取每张目标前景图像的前景拟合曲线和每张目标背景图像的背景拟合曲线集合，并根据前景拟合曲线和背景拟合曲线集合中的每一背景拟合曲线的相似度将每张目标前景图像依次与每张目标背景图像进行拼接，得到目标拼接图像集合，解决了在提亮前景的过程中，轮廓信息丢失的问题，能够保证每张拼接图像中的背景与前景对应的信息保存更加完整。
S160，对目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合。
具体的，为保证目标拼接图像集合中的拼接图像中前景与背景更好地融合，需要对每张拼接图像进行轮廓平滑优化，其中，平滑优化的方式可为通过均值滤波实现平滑优化，或者是放大图像并使用差值算法进行平滑优化，亦或者是通过设定一个阈值，将拼接图像中的轮廓范围缩小进行平滑优化。
可选的，对所述目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合，包括：
基于预设算法对每张拼接图像进行边缘检测，得到第一待平滑区域；
获取第一待平滑区域的第一宽度，基于第一宽度对第一待平滑区域进行平滑处理，得到第二待平滑区域；
将第二待平滑区域向前景方向膨胀第一预设宽度，得到第三待平滑区域，基于第一宽度和第一预设宽度对第三待平滑区域进行平滑处理，得到第四待平滑区域；
将第四待平滑区域向背景方向膨胀第二预设宽度，得到第五待平滑区域，基于第一宽度、第一预设宽度以及第二预设宽度对第五待平滑区域进行平滑处理，得到第六待平滑区域；
将第六待平滑区域分别向前景方向和背景方向进行膨胀和腐蚀，得到第七待平滑区域，并将第六待平滑区域和第七待平滑区域作差得到第八待平滑区域；
根据预设平滑模板对第八待平滑区域进行平滑处理，得到目标平滑图像，并根据目标平滑图像生成目标平滑图像集合。
其中，预设算法可为Canny边缘检测算子。第一待平滑区域、第二待平滑区域、第三待平滑区域、第四待平滑区域、第五待平滑区域、第六待平滑区域、第七待平滑区域、第八待平滑区域均为在对拼接图像进行平滑处理过程中的待平滑区域。第一宽度为第一待平滑区域的宽度，可通过预设算法对每张拼接图像进行边缘检测得到；第一预设宽度、第二预设宽度以及预设平滑模板可根据实际需求设定。
具体的，基于Canny边缘检测算子对每张拼接图像进行边缘检测，得到狭长且宽度均匀的轮廓，即第一待平滑区域，获取第一待平滑区域的第一宽度，将第一宽度作为均值滤波模块的直径对第一待平滑区域进行平滑处理，得到第一次平滑处理后的第二待平滑区域，其中，均值滤波的公式可为：
其中，g(x,y)表示平滑处理后的灰度结果，M为均值滤波模板内所有点，f(x,y)为模板内各像素点的灰度值。
具体的，将第二待平滑区域向前景方向膨胀第一预设宽度，得到第三待平滑区域，需要说明的是，第一预设宽度不易设置过大，设置过大会导致前景中的信息丢失严重。其中，第三待平滑区域中包括第二待平滑区域以及部分前景内容，基于第一宽度和第一预设宽度确定均值滤波模块的直径，如可设定第一数值，将第一宽度、第一预设宽度以及第一数值的和确定为均值滤波模板的直径，即均值滤波模板的直径需大于第一宽度和第一预设宽度的和，在确定均值滤波模板的直径后，基于均值滤波模板的直径对第三待平滑区域进行平滑处理，得到第二次平滑处理后的第四待平滑区域。例如可以是，图3是本发明实施例一中的一种拼接图像轮廓平滑的示意图，如图3中的(1)至(2)，为第二待平滑区域向前景方向略微膨胀第一预设宽度，得到第三待平滑区域。
具体的，将第四待平滑区域向背景方向膨胀第二预设宽度，得到第五待平滑区域，同样的，第二预设宽度不易设置过大，第一预设宽度可与第二预设宽度相同。其中，第五待平滑区域中包括第四待平滑区域以及部分背景内容，基于第一宽度、第一预设宽度以及第二预设宽度确定均值滤波模板的直径，如可设定第二数值，将第一宽度、第一预设宽度以及第二预设宽度的和确定为第三数值，将第三数值与第二数值的差值确定为均值滤波模板的直径，即均值滤波模板的直径需小于第一宽度、第一预设宽度以及第二预设宽度的和，在确定均值滤波模板的直径后，基于均值滤波模板的直径对第五待平滑区域进行平滑处理，得到第三次平滑处理后的第六待平滑区域。例如可以是，如图3中的(2)至(3)，为第四待平滑区域向背景方向略微膨胀第二预设宽度，得到第五待平滑区域。
具体的，将第六待平滑区域分别向前景方向和背景方向进行膨胀和腐蚀，得到第七待平滑区域，膨胀和腐蚀的宽度可设定为比第一预设宽度、第二预设宽度均小的值，将第六待平滑区域和第七待平滑区域作差，得到第八待平滑区域，根据预设的平滑模板(即均值滤波模板，如选取最小的3×3的模板)对第八待平滑区域进行平滑处理，得到第四次平滑处理后的目标平滑图像，并根据目标平滑图像生成目标平滑图像集合。例如可以是，如图3中的(3)至(4)，为第六待平滑区域分别向前景方向和背景方向进行膨胀和腐蚀，得到第七待平滑区域。
通过第一次平滑处理，能够消除轮廓处的颜色不均以及噪声点，第二次平滑处理时，选取的均值滤波模板的直径需大于第一宽度和第一预设宽度的和，能够使得轮廓与前景融合的同时兼顾背景信息，平滑效果更真实，第三次平滑处理时，选取的均值滤波模板的直径需小于第一宽度、第一预设宽度以及第二预设宽度的和，能够在保持图像原有细节的基础上进一步对边界进行平滑，第四次平滑处理时，能够使得拼接图像在保留前景与背景信息的同时，拼接效果达到最好，通过四次平滑处理，能够最大程度地保持前景信息与背景信息。
S170，将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像。
其中，可通过图像的灰度直方图中灰度级分布的方差反映图像的逆光情况。
具体的，获取目标平滑图像集合中每一目标平滑图像的逆光度，同时，也需要获取每一目标平滑图像对应的初始前景图像(目标平滑图像的前景所属的初始前景图像)的逆光度，和每一目标平滑图像对应的初始背景图像(目标平滑图像的背景所属的初始背景图像)的逆光度，若当前的目标平滑图像的逆光度小于目标平滑图像对应的初始前景图像的逆光度，同时，也小于目标平滑图像对应的初始背景图像的逆光度，即满足(DBLxy＜DBLx)∩(DBLxy＜DBLy)条件时表示当前的目标平滑图像的逆光还原有效，则可将当前的目标平滑图像确定为目标图像，其中，DBLxy为拼接后的目标平滑图像，DBLx为目标平滑图像对应的初始前景图像，DBLy为目标平滑图像对应的初始背景图像。需要说明的，满足逆光度小于目标平滑图像对应的初始前景图像的逆光度，且小于目标平滑图像对应的初始背景图像的逆光度的条件的目标平滑图像可能存在多个，可任选其一作为目标图像，也可以设定筛选规则，根据筛选规则对符合条件的目标平滑图像进行筛选，得到唯一的目标图像。
可选的，将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像，包括：
获取目标平滑图像集合中每张目标平滑图像的逆光度；
获取每张目标平滑图像对应的初始前景图像的逆光度和每张目标平滑图像对应的初始背景图像的逆光度；
根据逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像生成有效平滑图像集合；
获取有效平滑图像集合中每张有效平滑图像的信息熵、每张有效平滑图像对应的初始前景图像的信息熵以及每张有效平滑图像对应的初始背景图像的信息熵；
根据信息熵大于有效平滑图像对应的初始前景图像的信息熵，且信息熵大于有效平滑图像对应的初始背景图像的信息熵的有效平滑图像生成目标图像集合；
将目标图像集合中信息熵最大的图像确定为目标图像。
具体的，获取图像的逆光度的方式可以为：
X＝(x1,x2,…x256)T；
其中，X表示图像对应的灰度直方图归一化后的256维向量，xi表示在计算逆光度时第i个灰度级在图像中出现的概率，μ表示均值，σ2表示方差，在逆光图像处理中，图像的逆光度为σ。可通过上述获取图像的逆光度的方式获取目标平滑图像集合中每张目标平滑图像的逆光度、每张目标平滑图像对应的初始前景图像的逆光度以及每张目标平滑图像对应的初始背景图像的逆光度。
具体的，将逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为逆光还原的有效平滑图像，进而根据至少一个有效平滑图像生成有效平滑图像集合。
具体的，根据现有技术中信息熵公式计算有效平滑图像集合中每张有效平滑图像的信息熵、每张有效平滑图像对应的初始前景图像的信息熵以及每张有效平滑图像对应的初始背景图像的信息熵，根据至少一个信息熵大于有效平滑图像对应的初始前景图像的信息熵，且信息熵大于有效平滑图像对应的初始背景图像的信息熵的有效平滑图像生成目标图像集合，将目标图像集合中信息熵最大的图像确定为目标图像。
通过根据逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像生成有效平滑图像集合，根据信息熵大于有效平滑图像对应的初始前景图像的信息熵，且信息熵大于有效平滑图像对应的初始背景图像的信息熵的有效平滑图像生成目标图像集合，将目标图像集合中信息熵最大的图像确定为目标图像，解决了当目标用户在极度逆光场景下由于像素灰度多集中在极亮与极暗区间造成图像的逆光度极小导致误判的问题，能够将信息熵与逆光度结合考虑得到目标图像，提高了获取逆光状态下的目标对象的面部识别图像的准确性。
可选的，还包括：
若初始图像集合中存在至少一个第一初始图像，其中，所述第一初始图像的灰度直方图只存在一个峰值，则根据第一初始图像确定目标图像。
其中，若第一初始图像的灰度直方图只存在一个峰值，说明第一初始图像为非逆光图像，可在掌银端直接进行识别校验。
具体的，若初始图像集合中存在至少一个第一初始图像，则根据第一初始图像的采集时间将时间最早的第一初始图像确定为目标图像。
本实施例的技术方案，通过获取初始图像集合中每张初始图像对应的灰度直方图，其中，所述初始图像包括：目标对象面部图像；若所述灰度直方图均存在两个峰值，则根据所述灰度直方图的峰值将所述初始图像集合划分为初始前景图像集合和初始背景图像集合；对所述初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合；对所述初始背景图像集合中的每张初始背景图像进行分割，得到目标背景图像集合；将所述目标前景图像集合中的每张目标前景图像与所述目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合；对所述目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合；将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像，解决了在掌银端采集目标对象的面部信息时，由于背景过度曝光轮廓处光晕过大导致目标对象的面部识别时间延长或难以识别的问题，能够在保证低成本的前提下，缩短逆光状态下目标对象的面部识别的时间，提高逆光状态下目标对象的面部识别的准确性。
实施例二
图4是本发明实施例二中的一种图像采集装置的结构示意图。本实施例可适用于在掌银端采集目标对象的面部图像的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供图像采集的功能的设备中，如图4所示，所述图像采集装置具体包括：获取模块210、划分模块220、前景分割模块230、背景分割模块240、拼接模块250、平滑模块260和确定模块270。
其中，获取模块210，用于获取初始图像集合中每张初始图像对应的灰度直方图，其中，所述初始图像包括：目标对象面部图像；
划分模块220，用于若所述灰度直方图均存在两个峰值，则根据所述灰度直方图的峰值将所述初始图像集合划分为初始前景图像集合和初始背景图像集合；
前景分割模块230，用于对所述初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合；
背景分割模块240，用于对所述初始背景图像集合中的每张初始背景图像进行分割，得到目标背景图像集合；
拼接模块250，用于将所述目标前景图像集合中的每张目标前景图像与所述目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合；
平滑模块260，用于对所述目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合；
确定模块270，用于将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像。
可选的，还包括：
单一峰值确定模块，用于若初始图像集合中存在至少一个第一初始图像，其中，所述第一初始图像的灰度直方图只存在一个峰值，则根据第一初始图像确定目标图像。
可选的，所述划分模块具体用于：
根据右侧峰值处于第一预设灰度值范围内，且左侧峰值处于第二预设灰度值范围内的灰度直方图对应的初始图像生成初始前景图像集合；
根据右侧峰值处于第三预设灰度值范围内，且左侧峰值处于第四预设灰度值范围内的灰度直方图对应的初始图像生成初始背景图像集合。
可选的，所述前景分割模块具体用于：
获取每张初始前景图像对应的灰度直方图中的起始灰度值和终止灰度值；
对每张初始前景图像从起始灰度值遍历至终止灰度值，获取每一灰度值对应的背景概率均值和前景概率均值，并根据所述背景概率均值和前景概率均值得到每张初始前景图像对应的概率平均值；
将最大的概率平均值对应的灰度值确定为分割阈值；
根据小于分割阈值的灰度值对应的像素生成的目标前景图像得到目标前景图像集合。
可选的，所述拼接模块具体用于：
基于预设算法提取每张目标前景图像的轮廓点集合与每张目标背景图像的轮廓点集合；
获取基于预设特征框提取的每张目标前景图像中的前景特征区域，并获取所述目标前景图像中的前景特征区域中的轮廓点集合，对轮廓点集合中的轮廓点进行曲线拟合，得到前景拟合曲线；
基于预设特征框遍历每张目标背景图像，得到每张目标背景图像对应的特征区域集合；
提取所述每张目标背景图像对应的特征区域集合中每一特征区域中的轮廓点集合，并对每一特征区域中的轮廓点集合中的轮廓点进行曲线拟合，得到背景拟合曲线集合；
根据所述前景拟合曲线和所述背景拟合曲线集合中的每一背景拟合曲线的相似度确定待拼接轮廓区域，并基于待拼接轮廓区域将每张目标前景图像依次与每张目标背景图像进行拼接，得到目标拼接图像集合。
可选的，所述平滑模块具体用于：
基于预设算法对每张拼接图像进行边缘检测，得到第一待平滑区域；
获取第一待平滑区域的第一宽度，基于第一宽度对第一待平滑区域进行平滑处理，得到第二待平滑区域；
将第二待平滑区域向前景方向膨胀第一预设宽度，得到第三待平滑区域，基于第一宽度和第一预设宽度对第三待平滑区域进行平滑处理，得到第四待平滑区域；
将第四待平滑区域向背景方向膨胀第二预设宽度，得到第五待平滑区域，基于第一宽度、第一预设宽度以及第二预设宽度对第五待平滑区域进行平滑处理，得到第六待平滑区域；
将第六待平滑区域分别向前景方向和背景方向进行膨胀和腐蚀，得到第七待平滑区域，并将第六待平滑区域和第七待平滑区域作差得到第八待平滑区域；
根据预设平滑模板对第八待平滑区域进行平滑处理，得到目标平滑图像，并根据目标平滑图像生成目标平滑图像集合。
可选的，所述确定模块具体用于：
获取目标平滑图像集合中每张目标平滑图像的逆光度；
获取每张目标平滑图像对应的初始前景图像的逆光度和每张目标平滑图像对应的初始背景图像的逆光度；
根据逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像生成有效平滑图像集合；
获取有效平滑图像集合中每张有效平滑图像的信息熵、每张有效平滑图像对应的初始前景图像的信息熵以及每张有效平滑图像对应的初始背景图像的信息熵；
根据信息熵大于有效平滑图像对应的初始前景图像的信息熵，且信息熵大于有效平滑图像对应的初始背景图像的信息熵的有效平滑图像生成目标图像集合；
将目标图像集合中信息熵最大的图像确定为目标图像。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
实施例三
图5是本发明实施例三中的一种电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如图像采集方法。
在一些实施例中，图像采集方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时，可以执行上文描述的图像采集方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像采集方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种图像采集方法，其特征在于，包括：
获取初始图像集合中每张初始图像对应的灰度直方图，其中，所述初始图像包括：目标对象面部图像；
若所述灰度直方图均存在两个峰值，则根据所述灰度直方图的峰值将所述初始图像集合划分为初始前景图像集合和初始背景图像集合；
对所述初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合；
对所述初始背景图像集合中的每张初始背景图像进行分割，得到目标背景图像集合；
将所述目标前景图像集合中的每张目标前景图像与所述目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合；
对所述目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合；
将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像。
2.根据权利要求1所述的方法，其特征在于，还包括：
若初始图像集合中存在至少一个第一初始图像，其中，所述第一初始图像的灰度直方图只存在一个峰值，则根据第一初始图像确定目标图像。
3.根据权利要求1所述的方法，其特征在于，根据所述灰度直方图的峰值将所述初始图像集合划分为初始前景图像集合和初始背景图像集合，包括：
根据右侧峰值处于第一预设灰度值范围内，且左侧峰值处于第二预设灰度值范围内的灰度直方图对应的初始图像生成初始前景图像集合；
根据右侧峰值处于第三预设灰度值范围内，且左侧峰值处于第四预设灰度值范围内的灰度直方图对应的初始图像生成初始背景图像集合。
4.根据权利要求1所述的方法，其特征在于，对所述初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合，包括：
获取每张初始前景图像对应的灰度直方图中的起始灰度值和终止灰度值；
对每张初始前景图像从起始灰度值遍历至终止灰度值，获取每一灰度值对应的背景概率均值和前景概率均值，并根据所述背景概率均值和前景概率均值得到每张初始前景图像对应的概率平均值；
将最大的概率平均值对应的灰度值确定为分割阈值；
根据小于分割阈值的灰度值对应的像素生成的目标前景图像得到目标前景图像集合。
5.根据权利要求1所述的方法，其特征在于，将所述目标前景图像集合中的每张目标前景图像与所述目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合，包括：
基于预设算法提取每张目标前景图像的轮廓点集合与每张目标背景图像的轮廓点集合；
获取基于预设特征框提取的每张目标前景图像中的前景特征区域，并获取所述目标前景图像中的前景特征区域中的轮廓点集合，对轮廓点集合中的轮廓点进行曲线拟合，得到前景拟合曲线；
基于预设特征框遍历每张目标背景图像，得到每张目标背景图像对应的特征区域集合；
提取所述每张目标背景图像对应的特征区域集合中每一特征区域中的轮廓点集合，并对每一特征区域中的轮廓点集合中的轮廓点进行曲线拟合，得到背景拟合曲线集合；
根据所述前景拟合曲线和所述背景拟合曲线集合中的每一背景拟合曲线的相似度确定待拼接轮廓区域，并基于待拼接轮廓区域将每张目标前景图像依次与每张目标背景图像进行拼接，得到目标拼接图像集合。
6.根据权利要求1所述的方法，其特征在于，对所述目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合，包括：
基于预设算法对每张拼接图像进行边缘检测，得到第一待平滑区域；
获取第一待平滑区域的第一宽度，基于第一宽度对第一待平滑区域进行平滑处理，得到第二待平滑区域；
将第二待平滑区域向前景方向膨胀第一预设宽度，得到第三待平滑区域，基于第一宽度和第一预设宽度对第三待平滑区域进行平滑处理，得到第四待平滑区域；
将第四待平滑区域向背景方向膨胀第二预设宽度，得到第五待平滑区域，基于第一宽度、第一预设宽度以及第二预设宽度对第五待平滑区域进行平滑处理，得到第六待平滑区域；
将第六待平滑区域分别向前景方向和背景方向进行膨胀和腐蚀，得到第七待平滑区域，并将第六待平滑区域和第七待平滑区域作差得到第八待平滑区域；
根据预设平滑模板对第八待平滑区域进行平滑处理，得到目标平滑图像，并根据目标平滑图像生成目标平滑图像集合。
7.根据权利要求1所述的方法，其特征在于，将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像，包括：
获取目标平滑图像集合中每张目标平滑图像的逆光度；
获取每张目标平滑图像对应的初始前景图像的逆光度和每张目标平滑图像对应的初始背景图像的逆光度；
根据逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像生成有效平滑图像集合；
获取有效平滑图像集合中每张有效平滑图像的信息熵、每张有效平滑图像对应的初始前景图像的信息熵以及每张有效平滑图像对应的初始背景图像的信息熵；
根据信息熵大于有效平滑图像对应的初始前景图像的信息熵，且信息熵大于有效平滑图像对应的初始背景图像的信息熵的有效平滑图像生成目标图像集合；
将目标图像集合中信息熵最大的图像确定为目标图像。
8.一种图像采集装置，其特征在于，包括：
获取模块，用于获取初始图像集合中每张初始图像对应的灰度直方图，其中，所述初始图像包括：目标对象面部图像；
划分模块，用于若所述灰度直方图均存在两个峰值，则根据所述灰度直方图的峰值将所述初始图像集合划分为初始前景图像集合和初始背景图像集合；
前景分割模块，用于对所述初始前景图像集合中的每张初始前景图像进行分割，得到目标前景图像集合；
背景分割模块，用于对所述初始背景图像集合中的每张初始背景图像进行分割，得到目标背景图像集合；
拼接模块，用于将所述目标前景图像集合中的每张目标前景图像与所述目标背景图像集合中的每张目标背景图像进行拼接，得到目标拼接图像集合；
平滑模块，用于对所述目标拼接图像集合中的每张拼接图像进行轮廓平滑优化，得到优化后的目标平滑图像集合；
确定模块，用于将目标平滑图像集合中逆光度小于目标平滑图像对应的初始前景图像的逆光度，且逆光度小于目标平滑图像对应的初始背景图像的逆光度的目标平滑图像确定为目标图像。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的图像采集方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的图像采集方法。
CN202311659490.1A 2023-12-05 2023-12-05 一种图像采集方法、装置、设备及存储介质 Pending CN117611483A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311659490.1A CN117611483A (zh) 2023-12-05 2023-12-05 一种图像采集方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311659490.1A CN117611483A (zh) 2023-12-05 2023-12-05 一种图像采集方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN117611483A true CN117611483A (zh) 2024-02-27

Family

ID=89951424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311659490.1A Pending CN117611483A (zh) 2023-12-05 2023-12-05 一种图像采集方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117611483A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118279141A (zh) * 2024-06-03 2024-07-02 浙江大华技术股份有限公司 图像拼接方法、电子设备以及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118279141A (zh) * 2024-06-03 2024-07-02 浙江大华技术股份有限公司 图像拼接方法、电子设备以及存储介质
CN118279141B (zh) * 2024-06-03 2024-08-30 浙江大华技术股份有限公司 图像拼接方法、电子设备以及存储介质

Similar Documents

Publication Publication Date Title
CN112949767B (zh) 样本图像增量、图像检测模型训练及图像检测方法
CN117611483A (zh) 一种图像采集方法、装置、设备及存储介质
CN113569708A (zh) 活体识别方法、装置、电子设备以及存储介质
CN112258440A (zh) 图像处理方法、装置、电子设备及存储介质
CN114298985B (zh) 缺陷检测方法、装置、设备及存储介质
CN113553905B (zh) 图像识别方法、装置及系统
Tung et al. ICEBIN: Image contrast enhancement based on induced norm and local patch approaches
CN116703925B (zh) 一种轴承缺陷检测方法、装置、电子设备及存储介质
CN117934897A (zh) 一种设备异常检测方法、装置、设备以及存储介质
CN117557777A (zh) 一种样本图像确定方法、装置、电子设备以及存储介质
WO2024016715A1 (zh) 检测系统的成像一致性的方法、装置和计算机存储介质
CN115174774B (zh) 一种深度图像的压缩方法、装置、设备及存储介质
Gao et al. Single image haze removal algorithm using pixel-based airlight constraints
CN116668843A (zh) 一种拍摄状态的切换方法、装置、电子设备以及存储介质
CN112991308B (zh) 一种图像质量的确定方法、装置、电子设备和介质
CN113379631B (zh) 一种图像去雾的方法及装置
CN115273184A (zh) 人脸活体检测模型训练方法及装置
Zhang et al. Estimation algorithm of atmospheric light based on ant colony optimization
CN113674180A (zh) 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质
CN111524152A (zh) 一种基于深度估计的水下图像复原计算效率提升方法及系统
CN118411382B (zh) 边界点检测方法、装置、电子设备及存储介质
CN114219744B (zh) 图像生成方法、装置、设备及存储介质
CN114820349B (zh) 图像处理方法、装置、电子设备及存储介质
CN116957983A (zh) 图像增强方法、装置、设备及存储介质
Liang Research on smoke removal of industrial scene image based on an improved dark channel prior

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