CN110533616A - 一种图像天空区域分割的方法 - Google Patents
一种图像天空区域分割的方法 Download PDFInfo
- Publication number
- CN110533616A CN110533616A CN201910813097.0A CN201910813097A CN110533616A CN 110533616 A CN110533616 A CN 110533616A CN 201910813097 A CN201910813097 A CN 201910813097A CN 110533616 A CN110533616 A CN 110533616A
- Authority
- CN
- China
- Prior art keywords
- image
- segmentation
- sky areas
- histogram
- gradient descent
- 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
- 230000011218 segmentation Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000011478 gradient descent method Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000009499 grossing Methods 0.000 claims abstract description 5
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Studio Devices (AREA)
Abstract
本发明公开一种图像天空区域分割的方法,属于计算机图像处理技术领域,包括以下步骤:步骤S1、对图像进行高斯滤波处理,获得平滑处理后的单通道图像fc(x);步骤S2、运用梯度下降法对该单通道图像fc(x)的直方图进行求解,获得局部最小值;步骤S3、将分割的阈值设置为之间,其中max(I)为该单通道的直方图最大值,即可分割得到较好的天空区域分割结果。本发明根据图像的特征,获取分割的阈值点,具有很好的鲁棒性和实用性,能较好地分割图像的天空区域,为后续获取准确的全局大气背景光提供可靠地保证。
Description
技术领域
本发明属于计算机图像处理技术领域,具体涉及一种图像天空区域分割的方法。
背景技术
在传统的暗原色理论算法中,由于大气背景光被设置在无穷远处的天空亮度值,造成了无法精确求解的问题。目前,虽然很多优秀的学者通过大量的实验把该值设定为暗通道图像像素从大到小排序的前5%的平均值,但是这样的人为设定存在着很多不确定性,如图像中高反光的物体区域被加入到全局大气背景光的计算中等,这些在很大程度影响着最终的分割结果,进而造成局部过曝光或者光晕现象。
发明内容
为了解决目前图像复原过程中全局大气背景光亮度损失,影响复原后图像视觉效果的问题,本发明的目的在于提供一种图像天空区域分割的方法,它能够通过有效的分割方法,分离天空区域,求取全局大气背景光的有效值,在去雾的时候就能有效地解决上述问题,达到最优的视觉效果。
为了实现上述目的,本发明采用如下技术方案:一种图像天空区域分割的方法,包括以下步骤:
步骤S1、对图像进行高斯滤波处理,获得平滑处理后的单通道图像fc(x);
步骤S2、运用梯度下降法对该单通道图像fc(x)的直方图进行求解,获得局部最小值
步骤S3、将分割的阈值设置为之间,其中max(I)为该单通道的直方图最大值,即可分割得到较好的天空区域分割结果。
优选地,所述步骤S2首先,对输入的图像进行高斯滤波,使直方图的边缘毛刺平滑,具体公式如下:
式中,hc(x)是输入的图像,g(x)h,σ是高斯滤波的核函数,h和σ是高斯卷积核的尺寸和标准差,ac是图像每个通道天空区域范围的下限分割阈值,Lm是梯度下降法对局部最小值的求解函数,是梯度下降法求取的一系列局部最小值,
优选地,所述步骤S2设定从直方图的倒数第1个最高波峰开始寻找,即mhc=max(hc(x)),其中hc(x)是输入的图像。
与现有技术相比,本发明具有以下有益效果:本发明根据图像的特征,获取分割的阈值点,具有很好的鲁棒性和实用性,能较好地分割图像的天空区域,为后续获取准确的全局大气背景光提供可靠地保证。
附图说明
图1为图像天空区域分割方法的流程图。
图2为原始图像一。
图3为图2的R通道的直方图。
图4为图2天空区域的分割结果图像。
图5为原始图像二。
图6为图5天空区域的分割结果图像。
图7为图5去雾后的图像。
图8为原始图像三。
图9为图8天空区域的分割结果图像。
图10为图8去雾后的图像。
具体实施方式
为了让本发明的上述特征和优点更明显易懂,下面特举实施例,并配合附图,作详细说明如下。
鉴于现有技术预先假设的求取方法的不确定性,如果要获得比较好的去雾的效果,就需要图像的特征入手,得到有效的值。图像天空区域的特征主要包括梯度小,像素趋于图像中最大亮度附近且相对集中在某一范围等。
根据图像天空区域的这些特性,结合图像直方图的方法,如图1所示,本发明实施例提供一种图像天空区域分割的方法,包括以下步骤:
步骤S1、对图像进行高斯滤波处理,获得平滑处理后的单通道图像fc(x);
步骤S2、运用梯度下降法对该单通道图像fc(x)的直方图进行求解,获得局部最小值
步骤S3、将分割的阈值设置为之间,其中max(I)为该单通道的直方图最大值,即可分割得到较好的天空区域分割结果。
在本实施例中,所述步骤S2首先,对输入的图像进行高斯滤波、平滑处理,使直方图的边缘毛刺平滑,具体公式如下:
式中,hc(x)是输入的图像,g(x)h,σ是高斯滤波的核函数,h和σ是高斯卷积核的尺寸和标准差,ac是图像每个通道天空区域范围的下限分割阈值,Lm是梯度下降法对局部最小值的求解函数,是梯度下降法求取的一系列局部最小值,
在本实施例中,为了增加求取局部最小值的精度和速度,所述步骤S2设定从直方图的倒数第1个最高波峰开始寻找,即mhc=max(hc(x)),其中hc(x)是输入的图像。
应用例一:图2是原图,图3是R通道的直方图,运用梯度下降法对图3的可以获得局部最小值为200,将分割的阈值设置为200-max(IR)之间时候,其中max(IR)为R通道的直方图最大值,就可以得到较好的天空区域分割结果,如图4所示。
全局大气背景光的有效值正是在图像每个通道天空区域范围的下限分割阈值内,因此本发明的方法能有效获取大局大全背景光的有效值。对于每个通道,根据不同的高斯核和标准差给出了分割的结果。应用例二如图5~7所示,应用例三如图8~10所示,由此可知本发明的方法在分割获取图像天空区域具有较好的鲁棒性和实用性。
以上所述,仅为本发明的较佳实施例,并非对本发明做任何形式上的限制,任何熟悉本领域的技术人员但凡未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做任何简单的修改、均等变化与修饰,皆应属本发明的涵盖范围。
Claims (3)
1.一种图像天空区域分割的方法,其特征在于,包括以下步骤:
步骤S1、对图像进行高斯滤波处理,获得平滑处理后的单通道图像fc(x);
步骤S2、运用梯度下降法对该单通道图像fc(x)的直方图进行求解,获得局部最小值
步骤S3、将分割的阈值设置为之间,其中max(I)为该单通道的直方图最大值,即可分割得到较好的天空区域分割结果。
2.根据权利要求1所述的一种图像天空区域分割的方法,其特征在于:所述步骤S2首先,对输入的图像进行高斯滤波,使直方图的边缘毛刺平滑,具体公式如下:
式中,hc(x)是输入的图像,g(x)h,σ是高斯滤波的核函数,h和σ是高斯卷积核的尺寸和标准差,ac是图像每个通道天空区域范围的下限分割阈值,Lm是梯度下降法对局部最小值的求解函数,是梯度下降法求取的一系列局部最小值,
3.根据权利要求1或2所述的一种图像天空区域分割的方法,其特征在于:所述步骤S2设定从直方图的倒数第1个最高波峰开始寻找,即mhc=max(hc(x)),其中hc(x)是输入的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813097.0A CN110533616A (zh) | 2019-08-30 | 2019-08-30 | 一种图像天空区域分割的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813097.0A CN110533616A (zh) | 2019-08-30 | 2019-08-30 | 一种图像天空区域分割的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110533616A true CN110533616A (zh) | 2019-12-03 |
Family
ID=68665490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910813097.0A Pending CN110533616A (zh) | 2019-08-30 | 2019-08-30 | 一种图像天空区域分割的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533616A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932469A (zh) * | 2020-07-21 | 2020-11-13 | 泉州职业技术大学 | 显著性权重的快速曝光图像融合方法、装置、设备和介质 |
CN111932470A (zh) * | 2020-07-21 | 2020-11-13 | 泉州职业技术大学 | 基于视觉选择融合的图像复原方法、装置、设备和介质 |
CN112598679A (zh) * | 2020-12-16 | 2021-04-02 | 中山大学 | 一种天空区域分割方法及装置 |
CN113378862A (zh) * | 2021-07-09 | 2021-09-10 | 上海商汤科技开发有限公司 | 一种图像处理方法及装置、电子设备和存储介质 |
WO2021212810A1 (zh) * | 2020-04-23 | 2021-10-28 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110211758A1 (en) * | 2010-03-01 | 2011-09-01 | Microsoft Corporation | Multi-image sharpening and denoising using lucky imaging |
CN107977942A (zh) * | 2017-12-08 | 2018-05-01 | 泉州装备制造研究所 | 一种基于多聚焦融合的单幅图像的复原方法 |
CN108596849A (zh) * | 2018-04-23 | 2018-09-28 | 南京邮电大学 | 一种基于天空区域分割的单幅图像去雾方法 |
-
2019
- 2019-08-30 CN CN201910813097.0A patent/CN110533616A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110211758A1 (en) * | 2010-03-01 | 2011-09-01 | Microsoft Corporation | Multi-image sharpening and denoising using lucky imaging |
CN107977942A (zh) * | 2017-12-08 | 2018-05-01 | 泉州装备制造研究所 | 一种基于多聚焦融合的单幅图像的复原方法 |
CN108596849A (zh) * | 2018-04-23 | 2018-09-28 | 南京邮电大学 | 一种基于天空区域分割的单幅图像去雾方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021212810A1 (zh) * | 2020-04-23 | 2021-10-28 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN111932469A (zh) * | 2020-07-21 | 2020-11-13 | 泉州职业技术大学 | 显著性权重的快速曝光图像融合方法、装置、设备和介质 |
CN111932470A (zh) * | 2020-07-21 | 2020-11-13 | 泉州职业技术大学 | 基于视觉选择融合的图像复原方法、装置、设备和介质 |
CN111932469B (zh) * | 2020-07-21 | 2024-05-17 | 泉州职业技术大学 | 显著性权重的快速曝光图像融合方法、装置、设备和介质 |
CN112598679A (zh) * | 2020-12-16 | 2021-04-02 | 中山大学 | 一种天空区域分割方法及装置 |
CN112598679B (zh) * | 2020-12-16 | 2024-03-29 | 中山大学 | 一种天空区域分割方法及装置 |
CN113378862A (zh) * | 2021-07-09 | 2021-09-10 | 上海商汤科技开发有限公司 | 一种图像处理方法及装置、电子设备和存储介质 |
CN113378862B (zh) * | 2021-07-09 | 2023-12-19 | 上海商汤科技开发有限公司 | 一种图像处理方法及装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533616A (zh) | 一种图像天空区域分割的方法 | |
CN105354865B (zh) | 多光谱遥感卫星影像自动云检测方法及*** | |
CN107844795B (zh) | 基于主成分分析的卷积神经网络特征提取方法 | |
CN109657612B (zh) | 一种基于人脸图像特征的质量排序***及其使用方法 | |
CN108898145A (zh) | 一种结合深度学习的图像显著目标检测方法 | |
CN110008832A (zh) | 基于深度学习人物图像自动分割方法、信息数据处理终端 | |
CN104766076B (zh) | 一种视频图像文字的检测方法和装置 | |
CN102063706A (zh) | 一种快速去雾方法 | |
CN109472193A (zh) | 人脸检测方法及装置 | |
CN104809709A (zh) | 基于域变换与带权四叉树分解的单幅图像自适应去雾方法 | |
CN103295013A (zh) | 一种基于成对区域的单幅图像阴影检测方法 | |
CN103955949A (zh) | 基于Mean-shift算法的运动目标检测方法 | |
CN106447673A (zh) | 一种非均匀光照条件下的芯片引脚提取方法 | |
CN109118444A (zh) | 一种基于特征分离的正则化人脸图像复杂光照去除方法 | |
Du et al. | Double-channel guided generative adversarial network for image colorization | |
CN108335268A (zh) | 一种基于盲解卷积的彩色图像去模糊的方法 | |
CN108711160A (zh) | 一种基于hsi增强性模型的目标分割方法 | |
CN107341459A (zh) | 一种基于分数阶微积分的人脸检测图像预处理方法 | |
CN103413306B (zh) | 一种自适应阈值的Harris角点检测方法 | |
CN111291747B (zh) | 一种复杂场景下基于深度图的彩色小目标检测方法 | |
CN110458012B (zh) | 多角度人脸识别方法及装置、存储介质和终端 | |
CN112102274A (zh) | 一种结合目标检测的小目标语义分割太阳暗条检测方法 | |
Sun et al. | Combining an information-maximization-based attention mechanism and illumination invariance theory for the recognition of green apples in natural scenes | |
CN113379631B (zh) | 一种图像去雾的方法及装置 | |
Ngo et al. | Image detail enhancement via constant-time unsharp masking |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191203 |