CN117726525B - 一种分布式全景图像处理方法及处理系统 - Google Patents

一种分布式全景图像处理方法及处理系统 Download PDF

Info

Publication number
CN117726525B
CN117726525B CN202311831854.XA CN202311831854A CN117726525B CN 117726525 B CN117726525 B CN 117726525B CN 202311831854 A CN202311831854 A CN 202311831854A CN 117726525 B CN117726525 B CN 117726525B
Authority
CN
China
Prior art keywords
region
resolution
panoramic image
average gray
gray gradient
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
Application number
CN202311831854.XA
Other languages
English (en)
Other versions
CN117726525A (zh
Inventor
李子清
张咔
钟义啸
严海龙
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.)
Sichuan Xinshi Chuangwei Ultra High Definition Technology Co ltd
Original Assignee
Sichuan Xinshi Chuangwei Ultra High Definition Technology Co ltd
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 Sichuan Xinshi Chuangwei Ultra High Definition Technology Co ltd filed Critical Sichuan Xinshi Chuangwei Ultra High Definition Technology Co ltd
Priority to CN202311831854.XA priority Critical patent/CN117726525B/zh
Publication of CN117726525A publication Critical patent/CN117726525A/zh
Application granted granted Critical
Publication of CN117726525B publication Critical patent/CN117726525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明提供一种分布式全景图像处理方法及处理系统，处理方法包括以下步骤：获取全景图像，并对全景图像进行均匀分割，得到第一区域；对满足第一预设条件的所述第一区域进行均匀分割，得到第二区域；对满足第二预设条件的所述第二区域进行均匀分割，得到第三区域；将所述第一区域、第二区域和第三区域输入预先构建的分辨率匹配模型中，输出与所述第一区域、第二区域和第三区域对应的第一分辨率、第二分辨率和第三分辨率；基于第一分辨率、第二分辨率和第三分辨率分别对第一区域、第二区域和第三区域进行画面增强，本发明通过分区域处理和多尺度处理，减少了对计算资源的需求，同时保持了对图像的全面处理和增强，提高了图像处理的效率和实时性。

Description

一种分布式全景图像处理方法及处理系统
技术领域
本发明涉及图像处理技术领域，尤其涉及一种分布式全景图像处理方法及处理系统。
背景技术
随着科技的进步，数字图像处理技术被广泛应用于各种领域，其中，大场景图像的处理是一个重要且具有挑战性的任务。由于大场景图像具有超高的分辨率和复杂的细节信息，对其进行高质量的实时画面增强是一项极具挑战性的工作。
传统的画面增强技术通常直接对整个大场景图像进行处理，这种方法虽然可以取得一定的增强效果，但由于大场景图像的高分辨率和复杂细节，直接对其进行增强会消耗大量的计算资源，导致处理效率低下，难以满足实时性的要求。
因此，如何有效地对大场景图像进行实时画面增强，同时保证处理效率和增强效果，是亟待解决的问题，为了解决这一问题，提出一种分布式全景图像处理方法及处理系统。
发明内容
为解决上述技术问题，本发明提供一种分布式全景图像处理方法及处理系统，能够在保证处理效率和增强效果的前提下，有效地对大场景图像进行实时画面增强。
本发明提供的一种分布式全景图像处理方法，处理方法包括以下步骤：
获取全景图像，并对全景图像进行均匀分割，得到第一区域；
对满足第一预设条件的所述第一区域进行均匀分割，得到第二区域，其中，所述第一预设条件为所述第一区域的平均灰度梯度值小于预设的第一阈值；
对满足第二预设条件的所述第二区域进行均匀分割，得到第三区域，其中，所述第二预设条件为所述第二区域的平均灰度梯度值小于预设的第二阈值；
将所述第一区域、第二区域和第三区域输入预先构建的分辨率匹配模型中，输出与所述第一区域、第二区域和第三区域对应的第一分辨率、第二分辨率和第三分辨率；
基于第一分辨率、第二分辨率和第三分辨率分别对第一区域、第二区域和第三区域进行画面增强。
优选的，所述获取全景图像，并对全景图像进行均匀分割，包括：
获取全景图像的每个像素的灰度值；
对全景图像进行n分割，得到大小相等的第一区域，其中，n为分割数。
优选的，所述对满足第一预设条件的所述第一区域进行均匀分割，得到第二区域，包括：
基于第一区域中每个像素的灰度值，计算第一区域的平均灰度梯度；
判断所述第一区域的平均灰度梯度是否小于预设的第一阈值，
若所述第一区域的平均灰度梯度不小于预设的第一阈值，则对所述第一区域进行分割，
若所述第一区域的平均灰度梯度小于预设的第一阈值，则保留第一区域；
对需要分割的所述第一区域进行n+1分割，得到大小相等的第二区域。
优选的，所述对满足第二预设条件的所述第二区域进行均匀分割，得到第三区域，包括：
基于第二区域中每个像素的灰度值，计算第二区域的平均灰度梯度；
判断所述第二区域的平均灰度梯度是否小于预设的第二阈值，
若所述第二区域的平均灰度梯度不小于预设的第二阈值，则对所述第二区域进行分割，
若所述第二区域的平均灰度梯度小于预设的第二阈值，则保留第二区域；
对需要分割的所述第二区域进行n+2分割，得到大小相等的第三区域。
优选的，分辨率匹配模型的构建步骤，包括：
对样本全景图像进行灰度梯度的计算，获取样本全景图像中不同大小区域的平均灰度梯度；
建立不同大小区域的平均灰度梯度与分辨率之间的数学关系式，所述数学关系式为：
R＝f(G)
其中，G为平均灰度梯度，R为分辨率。
优选的，所述将所述第一区域、第二区域和第三区域输入预先构建的分辨率匹配模型中，输出与所述第一区域、第二区域和第三区域对应的第一分辨率、第二分辨率和第三分辨率，包括：
获取所述第一区域、第二区域和第三区域对应的平均灰度梯度G1及大小、平均灰度梯度G2及大小和平均灰度梯度G3及大小；
将所述第一区域、第二区域和第三区域对应的平均灰度梯度G1及大小、平均灰度梯度G2及大小和平均灰度梯度G3及大小输入至分辨率匹配模型f(G)中；
在分辨率匹配模型f(G)中，根据第一区域的大小、第二区域的大小和第三区域的大小，与样本全景图像中不同区域进行大小匹配，将样本全景图像中大小相等的区域所对应的分辨率分别认定为第一区域、第二区域和第三区域对应第一分辨率R1、第二分辨率R2和第三分辨率R3。
优选的，所述基于第一分辨率、第二分辨率和第三分辨率分别对第一区域、第二区域和第三区域进行画面增强，包括：
利用图像画面增强算法对第一分辨率R1下的第一区域、第二分辨率R2下的第二区域和第三分辨率R3下的第三区域进行画面增强。
本发明还提供了一种分布式全景图像处理系统，处理系统包括：
第一区域获取模块，用于获取全景图像，并对全景图像进行均匀分割，得到第一区域；
第二区域获取模块，用于对满足第一预设条件的所述第一区域进行均匀分割，得到第二区域，其中，所述第一预设条件为所述第一区域的平均灰度梯度值小于预设的第一阈值；
第三区域获取模块，用于对满足第二预设条件的所述第二区域进行均匀分割，得到第三区域，其中，所述第二预设条件为所述第二区域的平均灰度梯度值小于预设的第二阈值；
分辨率获取模块，用于将所述第一区域、第二区域和第三区域输入预先构建的分辨率匹配模型中，输出与所述第一区域、第二区域和第三区域对应的第一分辨率、第二分辨率和第三分辨率；
画面增强模块，用于基于第一分辨率、第二分辨率和第三分辨率分别对第一区域、第二区域和第三区域进行画面增强。
与相关技术相比较，本发明提供的一种分布式全景图像处理方法及处理系统具有如下有益效果：
本发明根据灰度梯度对全景图像进行分区域处理，并为得到的第一区域、第二区域和第三区域匹配相应地分辨率，通过对每个小区域进行独立的处理和增强，可以避免直接对整个大场景进行处理所带来的巨大计算负担，提高了图像处理的效率和实时性，使得对大规模图像数据的处理更加高效；并且在不同分辨率下的第一区域、第二区域和第三区域进行处理，进一步减少了对计算资源的需求，有利于对图像进行更精细的处理和增强。
附图说明
图1为本发明提供的一种分布式全景图像处理方法的流程图；
图2为本发明提供的一种分布式全景图像处理方法的步骤S1的流程图；
图3为本发明提供的一种分布式全景图像处理方法的步骤S2的流程图；
图4为本发明提供的一种分布式全景图像处理方法的步骤S3的流程图；
图5为本发明提供的一种分布式全景图像处理方法的步骤S4的流程图；
图6为本发明提供的一种分布式全景图像处理系统的模块结构图。
具体实施方式
下面结合附图和实施方式对本发明做进一步说明。
实施例一
本发明提供的一种分布式全景图像处理方法，参考图1所示，图1为本申请提供的一种分布式全景图像处理方法的流程图，该处理方法包括以下步骤：
S1：获取全景图像，并对全景图像进行均匀分割，得到第一区域。
在本申请的实施例中，由于全景图像具有较高的分辨率，直接对整个大场景进行画面增强会消耗大量的计算资源，难以做到实时增强，因此，在本申请中，将全景图像分割成多个区域，针对每个区域进行分布式处理和增强，可以降低每个小区域的处理负担，提高实时性。
S2：对满足第一预设条件的所述第一区域进行均匀分割，得到第二区域，其中，所述第一预设条件为所述第一区域的平均灰度梯度值小于预设的第一阈值。
在本申请的实施例中，对于若干个初始尺寸的第一区域，还需根据第一阈值进一步分割，以初步筛选出细节丰富的区域和细节贫乏的区域，对于细节丰富的区域，需要进一步分割，得到第二区域；而细节贫乏的区域由于细节较少，不需要进行进一步地细分处理，可以在当前尺寸下进行图像增强，也能够保留图像的细节和特征。
S3：对满足第二预设条件的所述第二区域进行均匀分割，得到第三区域，其中，所述第二预设条件为所述第二区域的平均灰度梯度值小于预设的第二阈值。
在本申请的实施例中，对于进一步分割的第二区域，还需根据第二阈值进一步分割，以更进一步地筛选出细节丰富的区域和细节贫乏的区域，同样的，细节贫乏的区域由于细节较少，不需要进行进一步地细分处理，可以在当前尺寸下进行图像增强，也能够保留图像的细节和特征；而细节丰富的区域则为第三区域，并进一步分割。
S4：将所述第一区域、第二区域和第三区域输入预先构建的分辨率匹配模型中，输出与所述第一区域、第二区域和第三区域对应的第一分辨率、第二分辨率和第三分辨率。
在本申请的实施例中，为了进一步地减少图像增强时所需要的计算资源，为得到的第一区域、第二区域和第三区域匹配合适的分辨率，以降低细节贫乏区域的分辨率，进一步地减少该区域画面增强时所需的计算资源，从而提高计算实时性。
S5：基于第一分辨率、第二分辨率和第三分辨率分别对第一区域、第二区域和第三区域进行画面增强。
在本申请的实施例中，获取的第一区域、第二区域和第三区域具有相对应的分辨率尺度以及大小，不同分辨率尺度以及大小的第一区域、第二区域和第三区域在画面增强时，可以减少了对计算资源的需求，同时保持了对图像的全面处理和增强，使得图像处理更加灵活和可定制，能够更好地满足不同应用场景下的需求，提高了图像处理的效率和实时性。
参考图2所示，图2为本申请中步骤S1的流程图，步骤S1包括：
S101：获取全景图像的每个像素的灰度值。
在本申请的实施例中，首先，读取全景图像，并将全景图像转换为灰度模式，然后，遍历全景图像的每个像素，对于每个像素，获取其灰度值，最后，将获取到的所有像素的灰度值存储在一个列表或数组中，便于后续灰度梯度的计算。
S102：对全景图像进行n分割，得到大小相等的第一区域，其中，n为分割数。
在本申请的实施例中，对全景图像进行n分割后，可以得到n个大小相等的第一区域，并且第一区域具有与n相对应的尺寸，例如，如果全景图像的尺寸是8192×4096，可以以4096×2048或2048×1024为单位进行均匀分割，那么您将得到四个区域(4096×2048分割)或者十六个区域(2048×1024分割)，上述举例仅为示例，因此，本申请的全景图像分割包括但不限于上述的四分割或者十六分割，可以按照具体需求决定分割数量。
参考图3所示，图3为本申请中步骤S2的流程图，步骤S2包括：
S201：基于第一区域中每个像素的灰度值，计算第一区域的平均灰度梯度。
在本申请的实施例中，要基于第一区域中每个像素的灰度值，来计算第一区域的平均灰度梯度，其中，第一区域的平均灰度梯度表示第一区域中像素灰度值的局部变化率，平均灰度梯度g1的计算公式为：
其中，S1i1为第一区域中像素的灰度值，i1为第一区域中的像素总数。
S202：判断所述第一区域的平均灰度梯度是否小于预设的第一阈值；
若所述第一区域的平均灰度梯度不小于预设的第一阈值，则对所述第一区域进行分割；
若所述第一区域的平均灰度梯度小于预设的第一阈值，则保留第一区域。
在本申请的实施例中，当对第一区域的平均灰度梯度进行判断时，若发现平均灰度梯度不小于预设的第一阈值，将对该区域进行分割处理；反之，如果第一区域的平均灰度梯度小于预设的第一阈值，则会保留该区域，不对其进行进一步分割，这种基于平均灰度梯度的判断和分割方法可以帮助区分图像中细节丰富的区域并进行进一步分割。
S203：对需要分割的所述第一区域进行n+1分割，得到大小相等的第二区域。
在本申请的实施例中，在步骤S1中，按照n分割数对全景图像进行分割，那么在区分出需要进一步分割的第一区域后，需要对此类第一区域进行下一级分割，也即，按照n+1分割数对需要进一步分割的第一区域进行分割，最后得到大小相等的第二区域。
参考图4所示，图4为本申请中步骤S3的流程图，步骤S3包括：
S301：基于第二区域中每个像素的灰度值，计算第二区域的平均灰度梯度.
在本申请的实施例中，要基于第二区域中每个像素的灰度值，来计算第二区域的平均灰度梯度，其中，第二区域的平均灰度梯度表示第二区域中像素灰度值的局部变化率，平均灰度梯度g2的计算公式为：
其中，S2i2为第二区域中像素的灰度值，i2为第二区域中的像素总数。
S302：判断所述第二区域的平均灰度梯度是否小于预设的第二阈值；
若所述第二区域的平均灰度梯度不小于预设的第二阈值，则对所述第二区域进行分割；
若所述第二区域的平均灰度梯度小于预设的第二阈值，则保留第二区域。
在本申请的实施例中，当对第二区域的平均灰度梯度进行判断时，若发现平均灰度梯度不小于预设的第二阈值，将对该区域进行分割处理；反之，如果第二区域的平均灰度梯度小于预设的第一阈值，则会保留该区域，不对其进行进一步分割，这种基于平均灰度梯度的判断和分割方法可以帮助区分图像中细节丰富的区域并进行进一步分割。
S303：对需要分割的所述第二区域进行n+2分割，得到大小相等的第三区域。
在本申请的实施例中，在步骤S2中，按照n+1分割数对第一区域进行分割，那么在区分出需要进一步分割的第二区域后，需要对此类第二区域进行下一级分割，也即，按照n+2分割数对需要进一步分割的第二区域进行分割，最后得到大小相等的第三区域。
对于分辨率匹配模型的构建，包括：
收集样本全景图像，并对样本全景图像进行灰度梯度的计算，获取样本全景图像中不同大小区域的平均灰度梯度；
建立不同大小区域的平均灰度梯度与分辨率之间的数学关系式，数学关系式为：
R＝f(G)
其中，G为平均灰度梯度，R为分辨率。
参考图5所示，图5为本申请中步骤S4的流程图，步骤S4包括：
S401：获取所述第一区域、第二区域和第三区域对应的平均灰度梯度G1及大小、平均灰度梯度G2及大小和平均灰度梯度G3及大小。
在本申请的实施例中，在获取第一区域、第二区域和第三区域的平均灰度梯度G1、平均灰度梯度G2和平均灰度梯度G3的同时，还确定了第一区域、第二区域和第三区域的大小。
S402：将所述第一区域、第二区域和第三区域对应的平均灰度梯度G1及大小、平均灰度梯度G2及大小和平均灰度梯度G3及大小输入至分辨率匹配模块f(G)中。
在本申请的实施例中，在第一区域、第二区域和第三区域对应的平均灰度梯度G1、平均灰度梯度G2和平均灰度梯度G3输入至分辨率匹配模型f(G)的同时，需将第一区域、第二区域和第三区域的大小同时输入分辨率匹配模型f(G)。
S403：在分辨率匹配模型f(G)中，根据第一区域的大小、第二区域的大小和第三区域的大小，与样本全景图像中不同区域进行大小匹配，将样本全景图像中大小相等的区域所对应的分辨率分别认定为第一区域、第二区域和第三区域对应第一分辨率R1、第二分辨率R2和第三分辨率R3。
在本申请的实施例中，在分辨率匹配模型f(G)中，先进行第一区域、第二区域和第三区域与样本全景图像中不同区域进行大小匹配，在分辨率匹配模型f(G)中得到大小相等的区域，并将大小相等的区域所对应的分辨率认定为第一区域、第二区域和第三区域对应第一分辨率R1、第二分辨率R2和第三分辨率R3。
在步骤S5中，选择包括但不限于直方图均衡化、对比度拉伸、锐化滤波器等画面增强算法对第一区域、第二区域和第三区域进行画面增强，具体为：
对第一区域进行增强：将第一区域从全景图像中提取出来，然后使用选定的增强算法对该区域进行处理。处理的目标是提高图像的对比度、亮度或细节，使其在视觉上更加清晰或具有更好的显示效果。
对第二区域进行增强：同样地，从全景图像中提取第二区域，并使用相同的增强算法进行处理。
对第三区域进行增强：同样地，提取第三区域并使用增强算法进行处理。
最后，完成三个区域的增强后，需要将它们合并回到全景图像中。
本发明提供的一种分布式全景图像处理方法的工作原理如下：本发明根据灰度梯度对全景图像进行分区域处理，并为得到的第一区域、第二区域和第三区域匹配相应地分辨率，通过对每个小区域进行独立的处理和增强，可以避免直接对整个大场景进行处理所带来的巨大计算负担，提高了图像处理的效率和实时性，使得对大规模图像数据的处理更加高效；并且在不同分辨率下的第一区域、第二区域和第三区域进行处理，进一步减少了对计算资源的需求，有利于对图像进行更精细的处理和增强。
实施例二
本发明还提供了一种分布式全景图像处理系统，参考图6所示，图6为本申请提供的一种分布式全景图像处理系统的模块结构图，处理系统包括：
第一区域获取模块500，用于获取全景图像，并对全景图像进行均匀分割，得到第一区域。
第二区域获取模块600，用于对满足第一预设条件的所述第一区域进行均匀分割，得到第二区域，其中，所述第一预设条件为所述第一区域的平均灰度梯度值小于预设的第一阈值。
第三区域获取模块700，用于对满足第二预设条件的所述第二区域进行均匀分割，得到第三区域，其中，所述第二预设条件为所述第二区域的平均灰度梯度值小于预设的第二阈值。
分辨率获取模块800，用于将所述第一区域、第二区域和第三区域输入预先构建的分辨率匹配模型中，输出与所述第一区域、第二区域和第三区域对应的第一分辨率、第二分辨率和第三分辨率。
画面增强模块900，用于基于第一分辨率、第二分辨率和第三分辨率分别对第一区域、第二区域和第三区域进行画面增强。
本发明提供的一种分布式全景图像处理系统，应用于上述的分布式全景图像处理方法，其工作原理如下：本发明根据灰度梯度对全景图像进行分区域处理，并为得到的第一区域、第二区域和第三区域匹配相应地分辨率，通过对每个小区域进行独立的处理和增强，可以避免直接对整个大场景进行处理所带来的巨大计算负担，提高了图像处理的效率和实时性，使得对大规模图像数据的处理更加高效；并且在不同分辨率下的第一区域、第二区域和第三区域进行处理，进一步减少了对计算资源的需求，有利于对图像进行更精细的处理和增强。
本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框，以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一种计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-On ly Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器，或者能够用于携带或存储数据的计算机可读的任何其他介质。
还需要说明的是，术语“包括”“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

Claims (6)

1.一种分布式全景图像处理方法，其特征在于，处理方法包括以下步骤：
获取全景图像，并对全景图像进行均匀分割，得到第一区域；
对满足第一预设条件的所述第一区域进行均匀分割，得到第二区域，其中，所述第一预设条件为所述第一区域的平均灰度梯度值小于预设的第一阈值；
对满足第二预设条件的所述第二区域进行均匀分割，得到第三区域，其中，所述第二预设条件为所述第二区域的平均灰度梯度值小于预设的第二阈值；
将所述第一区域、第二区域和第三区域输入预先构建的分辨率匹配模型中，输出与所述第一区域、第二区域和第三区域对应的第一分辨率、第二分辨率和第三分辨率，其中，
分辨率匹配模型的构建步骤，包括：
对样本全景图像进行灰度梯度的计算，获取样本全景图像中不同大小区域的平均灰度梯度；
建立不同大小区域的平均灰度梯度与分辨率之间的数学关系式，所述数学关系式为：
R＝f(G)
其中，G为平均灰度梯度，R为分辨率，
分辨率匹配模型处理过程包括：
获取所述第一区域、第二区域和第三区域对应的平均灰度梯度G1及大小、平均灰度梯度G2及大小和平均灰度梯度G3及大小；
将所述第一区域、第二区域和第三区域对应的平均灰度梯度G1及大小、平均灰度梯度G2及大小和平均灰度梯度G3及大小输入至分辨率匹配模块f(G)中；
在分辨率匹配模型f(G)中，根据第一区域的大小、第二区域的大小和第三区域的大小，与样本全景图像中不同区域进行大小匹配，将样本全景图像中大小相等的区域所对应的分辨率分别认定为第一区域、第二区域和第三区域对应第一分辨率R1、第二分辨率R2和第三分辨率R3；
基于第一分辨率、第二分辨率和第三分辨率分别对第一区域、第二区域和第三区域进行画面增强。
2.根据权利要求1所述的一种分布式全景图像处理方法，其特征在于，所述获取全景图像，并对全景图像进行均匀分割，包括：
获取全景图像的每个像素的灰度值；
对全景图像进行n分割，得到大小相等的第一区域，其中，n为分割数。
3.根据权利要求2所述的一种分布式全景图像处理方法，其特征在于，所述对满足第一预设条件的所述第一区域进行均匀分割，得到第二区域，包括：
基于第一区域中每个像素的灰度值，计算第一区域的平均灰度梯度；
判断所述第一区域的平均灰度梯度是否小于预设的第一阈值，
若所述第一区域的平均灰度梯度不小于预设的第一阈值，则对所述第一区域进行分割，
若所述第一区域的平均灰度梯度小于预设的第一阈值，则保留第一区域；
对需要分割的所述第一区域进行n+1分割，得到大小相等的第二区域。
4.根据权利要求1所述的一种分布式全景图像处理方法，其特征在于，所述对满足第二预设条件的所述第二区域进行均匀分割，得到第三区域，包括：
基于第二区域中每个像素的灰度值，计算第二区域的平均灰度梯度；
判断所述第二区域的平均灰度梯度是否小于预设的第二阈值，
若所述第二区域的平均灰度梯度不小于预设的第二阈值，则对所述第二区域进行分割，
若所述第二区域的平均灰度梯度小于预设的第二阈值，则保留第二区域；
对需要分割的所述第二区域进行n+2分割，得到大小相等的第三区域。
5.根据权利要求4所述的一种分布式全景图像处理方法，其特征在于，所述基于第一分辨率、第二分辨率和第三分辨率分别对第一区域、第二区域和第三区域进行画面增强，包括：
利用图像画面增强算法对第一分辨率R1下的第一区域、第二分辨率R2下的第二区域和第三分辨率R3下的第三区域进行画面增强。
6.一种分布式全景图像处理系统，应用于如权利要求1至5任意一项所述的一种分布式全景图像处理方法，其特征在于，处理系统包括：
第一区域获取模块，用于获取全景图像，并对全景图像进行均匀分割，得到第一区域；
第二区域获取模块，用于对满足第一预设条件的所述第一区域进行均匀分割，得到第二区域，其中，所述第一预设条件为所述第一区域的平均灰度梯度值小于预设的第一阈值；
第三区域获取模块，用于对满足第二预设条件的所述第二区域进行均匀分割，得到第三区域，其中，所述第二预设条件为所述第二区域的平均灰度梯度值小于预设的第二阈值；
分辨率获取模块，用于将所述第一区域、第二区域和第三区域输入预先构建的分辨率匹配模型中，输出与所述第一区域、第二区域和第三区域对应的第一分辨率、第二分辨率和第三分辨率；
画面增强模块，用于基于第一分辨率、第二分辨率和第三分辨率分别对第一区域、第二区域和第三区域进行画面增强。
CN202311831854.XA 2023-12-28 2023-12-28 一种分布式全景图像处理方法及处理系统 Active CN117726525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311831854.XA CN117726525B (zh) 2023-12-28 2023-12-28 一种分布式全景图像处理方法及处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311831854.XA CN117726525B (zh) 2023-12-28 2023-12-28 一种分布式全景图像处理方法及处理系统

Publications (2)

Publication Number Publication Date
CN117726525A CN117726525A (zh) 2024-03-19
CN117726525B true CN117726525B (zh) 2024-06-11

Family

ID=90201544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311831854.XA Active CN117726525B (zh) 2023-12-28 2023-12-28 一种分布式全景图像处理方法及处理系统

Country Status (1)

Country Link
CN (1) CN117726525B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967669A (zh) * 2017-11-24 2018-04-27 腾讯科技（深圳）有限公司 图片处理的方法、装置、计算机设备及存储介质
WO2021115403A1 (zh) * 2019-12-13 2021-06-17 深圳市中兴微电子技术有限公司 一种图像的处理方法及装置
CN114419074A (zh) * 2022-03-25 2022-04-29 青岛大学附属医院 4k医疗影像处理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967669A (zh) * 2017-11-24 2018-04-27 腾讯科技（深圳）有限公司 图片处理的方法、装置、计算机设备及存储介质
WO2021115403A1 (zh) * 2019-12-13 2021-06-17 深圳市中兴微电子技术有限公司 一种图像的处理方法及装置
CN114419074A (zh) * 2022-03-25 2022-04-29 青岛大学附属医院 4k医疗影像处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
变能量X射线融合图像的增强算法研究;刘宾等;《光学学报》;20200930;第40卷(第18期);1-6 *
图像自适应分块单幅超分辨率算法;李展等;《系统工程与电子技术》;20151031;第37卷(第17期);2411-2417 *

Also Published As

Publication number Publication date
CN117726525A (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
Kou et al. Gradient domain guided image filtering
CN110705583B (zh) 细胞检测模型训练方法、装置、计算机设备及存储介质
CN102741879B (zh) 由单眼图像产生深度图的方法及其系统
CN107301402B (zh) 一种现实场景关键帧的确定方法、装置、介质及设备
CN104794462A (zh) 一种人物图像处理方法及装置
CN110473238B (zh) 一种图像配准方法、装置、电子设备及存储介质
CN111553923B (zh) 一种图像处理方法、电子设备及计算机可读存储介质
US9401027B2 (en) Method and apparatus for scene segmentation from focal stack images
CN111862110A (zh) 一种绿幕抠像方法、系统、设备和可读存储介质
CN108805838B (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN107038707B (zh) 一种图像分割方法及装置
CN107704797B (zh) 基于安防视频中行人和车辆的实时检测方法和系统及设备
CN104658030A (zh) 二次图像混合的方法和装置
CN112651953A (zh) 图片相似度计算方法、装置、计算机设备及存储介质
CN109255311B (zh) 一种基于图像的信息识别方法及系统
CN117726525B (zh) 一种分布式全景图像处理方法及处理系统
CN112149745B (zh) 确定难例样本的方法、装置、设备及存储介质
CN113392702A (zh) 一种基于自适应图像增强的弱光照环境下目标识别方法
US20220207724A1 (en) Method of determining a distribution of stem cells in a cell image, electronic device, and storage medium
US9798932B2 (en) Video extraction method and device
CN115205111A (zh) 一种图像拼接方法、装置、终端设备和存储介质
CN113516738B (zh) 一种动画处理方法、装置、存储介质及电子设备
CN106878586A (zh) 可重构的并行图像细节增强方法和装置
CN114764839A (zh) 动态视频生成方法、装置、可读存储介质及终端设备
CN113762016A (zh) 关键帧选取方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant