CN111539902B - 一种图像处理方法、***、设备及计算机可读存储介质 - Google Patents
一种图像处理方法、***、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111539902B CN111539902B CN202010300217.XA CN202010300217A CN111539902B CN 111539902 B CN111539902 B CN 111539902B CN 202010300217 A CN202010300217 A CN 202010300217A CN 111539902 B CN111539902 B CN 111539902B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- detail
- visible light
- information
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 40
- 238000001914 filtration Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 abstract description 8
- 230000000875 corresponding effect Effects 0.000 description 32
- 238000005516 engineering process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像处理方法、***、设备及计算机可读存储介质,获取与目标场景对应的目标可见光图像和目标红外图像;确定目标可见光图像的细节信息;确定目标可见光图像的细节增益;基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像。本申请中,在获取目标可见光图像及目标红外图像之后,确定出目标可见光图像的细节信息及细节增益,并基于细节增益,将细节信息与目标红外图像进行融合,从而得到只是将目标可见光图像的细节信息与目标红外图像相融合的融合图像,不会改变红外温度信息与调色板的对应关系,不会影响融合图像的温度信息的判读,提高了红外图像和可见光图像的融合效果。
Description
技术领域
本申请涉及图像处理技术领域,更具体地说,涉及一种图像处理方法、***、设备及计算机可读存储介质。
背景技术
随着图像处理技术的发展,在对目标场景进行图像拍摄过程中,为了使得图像能够多样化的反映目标场景的信息,可以采用图像融合的方法对拍摄图像进行处理,图像融合也即将不同探测器的图像信息组合起来显示。
由于红外图像可以提供场景的温度信息,可见光图像具有丰富的场景细节,所以可以将目标场景的红外图像及可见光图像进行融合,以得到融合目标场景的温度信息和可见光信息的融合图像,可以方便用户更加准确和更加容易地定位特定温度的物体的具***置。
然而,在将红外图像和可见光图像进行融合的过程中,会改变红外温度信息与调色板的对应关系,进而会影响到融合图像的温度信息的判读,使得图像融合效果较差。
综上所述,如何提高红外图像和可见光图像的融合效果是目前本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种图像处理方法,其能在一定程度上解决如何提高红外图像和可见光图像的融合效果的技术问题。本申请还提供了一种图像处理***、设备及计算机可读存储介质。
为了实现上述目的,本申请提供如下技术方案:
一种图像处理方法,包括:
获取与目标场景对应的目标可见光图像和目标红外图像;
确定所述目标可见光图像的细节信息;
确定所述目标可见光图像的细节增益;
基于所述细节增益,将所述细节信息与所述目标红外图像进行融合,得到融合图像。
优选的,所述基于所述细节增益,将所述细节信息与所述目标红外图像进行融合,得到融合图像,包括:
获取用户输入的调节信息;
基于所述细节增益及所述调节信息,将所述细节信息与所述目标红外图像进行融合,得到所述融合图像。
优选的,所述确定所述目标可见光图像的细节信息,包括:
在预设图像通道上对所述目标可见光图像进行提取,得到提取图像;
对所述提取图像进行低通滤波,得到滤波图像;
基于所述提取图像及所述滤波图像确定所述细节信息。
优选的,所述基于所述提取图像及所述滤波图像确定所述细节信息,包括:
将所述提取图像与所述滤波图像对应位置处的像素点相除,得到商值图像;
将所述商值图像与1的差值作为所述细节信息。
优选的,所述确定所述目标可见光图像的细节增益,包括:
基于所述提取图像计算所述目标可见光图像的细节强度;
将所述细节强度的倒数作为所述细节增益。
优选的,所述基于所述提取图像计算所述目标可见光图像的细节增益,包括:
按照像素点的细节强度为预设范围内像素值的方差或标准差的定义,基于所述提取图像计算所述细节增益;所述预设范围为包含所述像素点的范围。
优选的,所述基于所述提取图像计算所述目标可见光图像的细节增益,包括:
按照像素点的细节强度为与预设差值满足预设关系的定义,基于所述提取图像计算所述细节增益;
其中,所述预设差值为预设范围内像素值与中心点的差值,或所述预设范围内像素值与均值的差值,所述均值为所述预设单位内像素值的均值;所述预设范围为包含所述像素点的范围。
优选的,所述将所述细节强度的倒数作为所述细节增益之后,还包括:
判断所述细节增益的值是否大于预设阈值,若是,则将所述细节增益的值调整为0,若否,则保持所述细节增益的值不变。
优选的,所述获取与目标场景对应的目标可见光图像和目标红外图像,包括:
获取与所述目标场景对应的初始可见光图像及初始红外图像;
基于预设信息、所述初始可见光图像及所述初始红外图像,将所述初始可见光图像调整为所述目标可见光图像;
基于预设信息、所述初始可见光图像及所述初始红外图像,将所述初始红外图像调整为所述目标红外图像;
其中,所述预设信息包括视场角信息、分辨率信息、红外光***和可见光***的相对位置信息;且所述目标可见光图像与所述目标红外图像的图像大小差值在第一预设范围内,所述目标可见光图像与所述目标红外图像的分辨率差值在第二预设范围内。
一种图像处理***,包括:
第一获取模块,用于获取与目标场景对应的目标可见光图像和目标红外图像;
第一确定模块,用于确定所述目标可见光图像的细节信息;
第二确定模块,用于确定所述目标可见光图像的细节增益;
第一融合模块,用于基于所述细节增益,将所述细节信息与所述目标红外图像进行融合,得到融合图像。
一种图像处理设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一所述图像处理方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如上任一所述图像处理方法的步骤。
本申请提供的一种图像处理方法,获取与目标场景对应的目标可见光图像和目标红外图像;确定目标可见光图像的细节信息;确定目标可见光图像的细节增益;基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像。本申请中,在获取目标可见光图像及目标红外图像之后,确定出目标可见光图像的细节信息及细节增益,并基于细节增益,将细节信息与目标红外图像进行融合,从而得到只是将目标可见光图像的细节信息与目标红外图像相融合的融合图像,不会改变红外温度信息与调色板的对应关系,不会影响融合图像的温度信息的判读,提高了红外图像和可见光图像的融合效果。本申请提供的一种图像处理***、设备及计算机可读存储介质也解决了相应技术问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种图像处理方法的第一流程图;
图2为本申请实施例提供的一种图像处理方法的第二流程图;
图3为本申请实施例提供的一种图像处理方法的第三流程图;
图4为本申请实施例提供的一种图像处理***的结构示意图;
图5为本申请实施例提供的一种图像处理设备的结构示意图;
图6为本申请实施例提供的一种图像处理设备的另一结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
随着图像处理技术的发展,在对目标场景进行图像拍摄过程中,为了使得图像能够多样化的反映目标场景的信息,可以采用图像融合的方法对拍摄图像进行处理,图像融合也即将不同探测器的图像信息组合起来显示。由于红外图像可以提供场景的温度信息,可见光图像具有丰富的场景细节,所以可以将目标场景的红外图像及可见光图像进行融合,以得到融合目标场景的温度信息和可见光信息的融合图像,可以方便用户更加准确和更加容易地定位特定温度的物体的具***置。然而,现有技术在将红外图像和可见光图像进行融合的过程中,是将温度数据和可见光的色彩或亮度数据进行融合,会改变红外温度信息与调色板的对应关系,进而会影响到融合图像的温度信息的判读,使得图像融合效果较差。本申请提供的图像处理方法可以提高红外图像和可见光图像的融合效果。
请参阅图1,图1为本申请实施例提供的一种图像处理方法的第一流程图。
本申请实施例提供的一种图像处理方法,可以包括以下步骤:
步骤S101:获取与目标场景对应的目标可见光图像和目标红外图像。
实际应用中,可以先获取与目标场景对应的目标可见光图像和目标红外图像,目标可见光图像指的是通过可见光***对目标场景拍摄后得到的图像,目标红外图像指的是通过红外***对目标场景拍摄后得到的图像,且目标场景可以根据实际需要确定,本申请在此不做具体限定。
步骤S102:确定目标可见光图像的细节信息。
实际应用中,在获取目标可见光图像及目标红外图像之后,便可以确定目标可见光图像的细节信息;细节信息指的是图像的纹理、图像中物体的边缘轮廓信息、是图像中存在色彩变化的地方。
步骤S103:确定目标可见光图像的细节增益。
实际应用中,在确定出细节信息之后,便可以确定出目标可见光图像的细节增益;细节增益用于平衡细节的强弱,避免细节强的地方更强,弱的地方更弱,实现细节的均匀细腻。
步骤S104:基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像。
实际应用中,由于细节增益用于平衡细节的强弱,避免细节强的地方更强,弱的地方更弱,实现细节的均匀细腻,所以在确定出细节增益之后,便可以基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像,使得目标可见光图像的细节信息能够均匀细腻的与目标红外图像融合。
应当指出,融合图像的类型可以由目标红外图像的类型确定,比如当目标红外图像为灰度图像时,融合图像便为带可见光细节增强的灰度图像;当目标红外图像为伪彩色增强后的三通道彩色图像时,融合图像便为带可见光细节增强的彩色图像。
本申请提供的一种图像处理方法,获取与目标场景对应的目标可见光图像和目标红外图像;确定目标可见光图像的细节信息;确定目标可见光图像的细节增益;基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像。本申请中,在获取目标可见光图像及目标红外图像之后,确定出目标可见光图像的细节信息及细节增益,并基于细节增益,将细节信息与目标红外图像进行融合,从而得到只是将目标可见光图像的细节信息与目标红外图像相融合的融合图像,不会改变红外温度信息与调色板的对应关系,不会影响融合图像的温度信息的判读,提高了红外图像和可见光图像的融合效果。
请参阅图2,图2为本申请实施例提供的一种图像处理方法的第二流程图。
本申请实施例提供的一种图像处理方法,可以包括以下步骤:
步骤S201:获取与目标场景对应的目标可见光图像和目标红外图像。
步骤S202:在预设图像通道上对目标可见光图像进行提取,得到提取图像。
实际应用中,由于目标可见光图像为三通道的彩色图像,细节信息可以在其中一个图像通道,比如绿色通道,或者在三个图像通道上提取,所以在确定目标可见光图像的细节信息时,可以在预设图像通道上对目标可见光图像进行提取,得到提取图像。当然,也可以在目标可见光图像的亮度分量上提取得到提取图像。
应当指出,如果提取图像来自目标可见光图像的单一通道,则得到的细节信息也为单通道的,此时,可以直接将该细节信息与目标红外图像融合,也可以分别在目标红外图像的三个分量上叠加该细节信息;相应的,当提取图像来自目标可见光图像的三个通道时,细节信息也是三通道的,此时,可以直接将该细节信息与目标红外图像融合,也可以求取细节信息的三个通道的均值,将该均值与目标红外图像融合。
步骤S203:对提取图像进行低通滤波,得到滤波图像。
实际应用中,为了便于确定细节信息,在得到提取图像之后,还可以对提取图像进行低通滤波,得到滤波图像,由于低通滤波后的滤波图像会在图像细节的地方与提取图像存在明显差异,所以后续可以通过提取图像及滤波图像确定出细节信息。
应当指出,进行低通滤波所用的低通滤波器的类型可以根据实际需要确定,比如可以为均值滤波器、高斯滤波器等,也可以是这些低通滤波器的组合等。
步骤S204:基于提取图像及滤波图像确定细节信息。
步骤S205:确定目标可见光图像的细节增益。
步骤S206:基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像。
实际应用中,基于提取图像及滤波图像确定细节信息的步骤,可以具体为:将提取图像与滤波图像对应位置处的像素点相除,得到商值图像;将商值图像与1的差值作为细节信息。
由于将提取图像与滤波图像对应位置处的像素点相除,得到商值图像,并将商值图像与1的差值作为细节信息,那么,在此过程中,图像中不存在色彩或亮度变化的地方滤波前后几乎相等,做除法后等于1,再与1相减等于0;图像中的物体的边缘部分在滤波前后存在差异,做除法后不等于1,与1相减也不等于0;因此,细节信息的值为0时表示没有细节信息,细节信息的值不为0时表示存在细节信息。
具体应用场景中,可以通过公式VLdetail=VL/VL_lp-1,或公式VLdetail=VL_lp/VL-1,或公式VLdetail=1-VL_lp/VL,或公式VLdetail=1-VL/VL_lp计算得到细节信息;其中VLdetail表示细节信息,VL表示提取图像,VL_lp表示滤波图像。
请参阅图3,图3为本申请实施例提供的一种图像处理方法的第三流程图。
本申请实施例提供的一种图像处理方法,可以包括以下步骤:
步骤S301:获取与目标场景对应的目标可见光图像和目标红外图像。
步骤S302:在预设图像通道上对目标可见光图像进行提取,得到提取图像。
步骤S303:对提取图像进行低通滤波,得到滤波图像。
步骤S304:基于提取图像及滤波图像确定细节信息。
步骤S305:基于提取图像计算目标可见光图像的细节强度。
步骤S306:将细节强度的倒数作为细节增益。
实际应用中,由于细节强度为图像中物体边缘的清晰程度,图像中物体边缘清晰则细节强度值大,如果图像中物体边缘模糊不清则细节强度值小,所以为了便于确定细节增益,确定目标可见光图像的细节增益的过程,可以具体为:基于提取图像计算目标可见光图像的细节强度;将细节强度的倒数作为细节增益。
应当指出,由于将细节强度的倒数作为细节增益,所以细节增益与细节强度成负相关,因此细节增益可以平衡细节的强弱,不至于细节强的地方更强,弱的地方更弱,最终使细节更加均匀细腻。
步骤S307:基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像。
实际应用中,基于提取图像计算目标可见光图像的细节增益的步骤,可以具体为:按照像素点的细节强度为预设范围内像素值的方差或标准差的定义,基于提取图像计算细节增益;预设范围为包含像素点的范围。预设范围的大小可以根据实际需要确定,比如为5X5的区域,3X3的区域等,且预设范围可以为以像素点为中心点的区域。
实际应用中,基于提取图像计算目标可见光图像的细节增益的步骤,可以具体为:按照像素点的细节强度为与预设差值满足预设关系的定义,基于提取图像计算细节增益;其中,预设差值为预设范围内像素值与中心点的差值,或预设范围内像素值与均值的差值,均值为预设单位内像素值的均值;预设范围为包含像素点的范围。
具体应用场景中,假设预设范围为5X5的区域,则当像素点的细节强度为预设范围内像素值的方差的定义时,可以通过公式来计算得到细节强度;而当像素点的细节强度为预设范围内像素值的方差定义时,可以通过公式/>计算得到细节强度;当像素点的细节强度为与预设差值满足预设关系的定义,预设差值为预设范围内像素值与中心点的差值时,可以通过公式计算得到细节强度等。其中,/>S(m,n)表示坐标为(m,n)的像素点的细节强度;σ1和σ2表示可调变量;σ2与预设范围相关,其可以为预设范围半径的三分之一值;σ1可以为灰度最大值与灰度最小值之差的函数,比如σ1=(graymax-graymin)/N,graymax表示灰度最大值,graymin表示灰度最小值,N的值可以根据需要确定,比如为16等。相对应的,可以通过同时/>计算得到细节增益,其中,G(m,n)表示坐标为(m,n)的像素点的细节增益。
本申请实施例提供的一种图像处理方法中,对于图像中的均匀区域,其细节强度接近于0,细节增益会无穷大,相应的会无限放大均匀区域的噪声,因此为了避免放大均匀区域的噪声,可以将图像中均匀区域的细节增益设置为0,图像中的均匀区域几乎无细节信息,也就无需增强,因此将细节强度的倒数作为细节增益之后,还可以判断细节增益的值是否大于预设阈值,若是,则将细节增益的值调整为0,若否,则保持细节增益的值不变。
本申请实施例提供的一种图像处理方法中,在有用户参与图像融合的过程中,用户可能需要根据自身所需对目标可见光图像与目标红外图像的融合过程进行控制,则基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像的过程,可以:获取用户输入的调节信息;基于细节增益及调节信息,将细节信息与目标红外图像进行融合,得到融合图像。假设用户输入的调节信息用D表示,则可以通过公式Image_fusion=D×G×VL_detail+IR来得到融合图像,其中Image_fusion表示融合图像,IR表示目标红外图像。
本申请实施例提供的一种图像处理方法中,获取与目标场景对应的目标可见光图像和目标红外图像的步骤,可以具体为:获取与目标场景对应的初始可见光图像及初始红外图像;基于预设信息、初始可见光图像及初始红外图像,将初始可见光图像调整为目标可见光图像;基于预设信息、初始可见光图像及初始红外图像,将初始红外图像调整为目标红外图像;其中,预设信息包括视场角信息、分辨率信息、红外光***和可见光***的相对位置信息;且目标可见光图像与目标红外图像的图像大小差值在第一预设范围内,目标可见光图像与目标红外图像的分辨率差值在第二预设范围内。
具体应用场景中,可以直接将初始可见光图像与初始红外的图像大小差值及分辨率差值分别调整至第一预设范围及第二预设范围,也可以借助第三方图像来对初始可见光图像及初始红外图像进行调整等。
请参阅图4,图4为本申请实施例提供的一种图像处理***的结构示意图。
本申请实施例提供的一种图像处理***,可以包括:
第一获取模块101,用于获取与目标场景对应的目标可见光图像和目标红外图像;
第一确定模块102,用于确定目标可见光图像的细节信息;
第二确定模块103,用于确定目标可见光图像的细节增益;
第一融合模块104,用于基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像。
本申请实施例提供的一种图像处理***,第一融合模块可以包括:
第一获取子模块,用于获取用户输入的调节信息;
第一融合子模块,用于基于细节增益及调节信息,将细节信息与目标红外图像进行融合,得到融合图像。
本申请实施例提供的一种图像处理***,第一确定模块可以包括:
第一提取子模块,用于在预设图像通道上对目标可见光图像进行提取,得到提取图像;
第一滤波子模块,用于对提取图像进行低通滤波,得到滤波图像;
第一确定子模块,用于基于提取图像及滤波图像确定细节信息。
本申请实施例提供的一种图像处理***,第一确定子模块可以包括:
第一计算单元,用于将提取图像与滤波图像对应位置处的像素点相除,得到商值图像;
第一设置单元,用于将商值图像与1的差值作为细节信息。
本申请实施例提供的一种图像处理***,第二确定模块可以包括:
第一计算子模块,用于基于提取图像计算目标可见光图像的细节强度;
第一设置子模块,用于将细节强度的倒数作为细节增益。
本申请实施例提供的一种图像处理***,第一计算子模块可以包括:
第二计算单元,用于按照像素点的细节强度为预设范围内像素值的方差或标准差的定义,基于提取图像计算细节增益;预设范围为包含像素点的范围。
本申请实施例提供的一种图像处理***,第一计算子模块可以包括:
第三计算单元,用于按照像素点的细节强度为与预设差值满足预设关系的定义,基于提取图像计算细节增益;
其中,预设差值为预设范围内像素值与中心点的差值,或预设范围内像素值与均值的差值,均值为预设单位内像素值的均值;预设范围为包含像素点的范围。
本申请实施例提供的一种图像处理***,还可以包括:
第一判断子模块,用于第一设置子模块将细节强度的倒数作为细节增益之后,判断细节增益的值是否大于预设阈值,若是,则将细节增益的值调整为0,若否,则保持细节增益的值不变。
本申请实施例提供的一种图像处理***,第一获取子模块可以包括:
第一获取单元,用于获取与目标场景对应的初始可见光图像及初始红外图像;
第一调整单元,用于基于预设信息、初始可见光图像及初始红外图像,将初始可见光图像调整为目标可见光图像;
第二调整单元,用于基于预设信息、初始可见光图像及初始红外图像,将初始红外图像调整为目标红外图像;
其中,预设信息包括视场角信息、分辨率信息、红外光***和可见光***的相对位置信息;且目标可见光图像与目标红外图像的图像大小差值在第一预设范围内,目标可见光图像与目标红外图像的分辨率差值在第二预设范围内。
本申请还提供了一种图像处理设备及计算机可读存储介质,其均具有本申请实施例提供的一种图像处理方法具有的对应效果。请参阅图5,图5为本申请实施例提供的一种图像处理设备的结构示意图。
本申请实施例提供的一种图像处理设备,包括存储器201和处理器202,存储器201中存储有计算机程序,处理器202执行计算机程序时实现如下步骤:
获取与目标场景对应的目标可见光图像和目标红外图像;
确定目标可见光图像的细节信息;
确定目标可见光图像的细节增益;
基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像。
本申请实施例提供的一种图像处理设备,包括存储器201和处理器202,存储器201中存储有计算机程序,处理器202执行计算机程序时实现如下步骤:获取用户输入的调节信息;基于细节增益及调节信息,将细节信息与目标红外图像进行融合,得到融合图像。
本申请实施例提供的一种图像处理设备,包括存储器201和处理器202,存储器201中存储有计算机程序,处理器202执行计算机程序时实现如下步骤:在预设图像通道上对目标可见光图像进行提取,得到提取图像;对提取图像进行低通滤波,得到滤波图像;基于提取图像及滤波图像确定细节信息。
本申请实施例提供的一种图像处理设备,包括存储器201和处理器202,存储器201中存储有计算机程序,处理器202执行计算机程序时实现如下步骤:将提取图像与滤波图像对应位置处的像素点相除,得到商值图像;将商值图像与1的差值作为细节信息。
本申请实施例提供的一种图像处理设备,包括存储器201和处理器202,存储器201中存储有计算机程序,处理器202执行计算机程序时实现如下步骤:基于提取图像计算目标可见光图像的细节强度;将细节强度的倒数作为细节增益。
本申请实施例提供的一种图像处理设备,包括存储器201和处理器202,存储器201中存储有计算机程序,处理器202执行计算机程序时实现如下步骤:按照像素点的细节强度为预设范围内像素值的方差或标准差的定义,基于提取图像计算细节增益;预设范围为包含像素点的范围。
本申请实施例提供的一种图像处理设备,包括存储器201和处理器202,存储器201中存储有计算机程序,处理器202执行计算机程序时实现如下步骤:按照像素点的细节强度为与预设差值满足预设关系的定义,基于提取图像计算细节增益;其中,预设差值为预设范围内像素值与中心点的差值,或预设范围内像素值与均值的差值,均值为预设单位内像素值的均值;预设范围为包含像素点的范围。
本申请实施例提供的一种图像处理设备,包括存储器201和处理器202,存储器201中存储有计算机程序,处理器202执行计算机程序时实现如下步骤:将细节强度的倒数作为细节增益之后,判断细节增益的值是否大于预设阈值,若是,则将细节增益的值调整为0,若否,则保持细节增益的值不变。
本申请实施例提供的一种图像处理设备,包括存储器201和处理器202,存储器201中存储有计算机程序,处理器202执行计算机程序时实现如下步骤:获取与目标场景对应的初始可见光图像及初始红外图像;基于预设信息、初始可见光图像及初始红外图像,将初始可见光图像调整为目标可见光图像;基于预设信息、初始可见光图像及初始红外图像,将初始红外图像调整为目标红外图像;其中,预设信息包括视场角信息、分辨率信息、红外光***和可见光***的相对位置信息;且目标可见光图像与目标红外图像的图像大小差值在第一预设范围内,目标可见光图像与目标红外图像的分辨率差值在第二预设范围内。
请参阅图6,本申请实施例提供的另一种图像处理设备中还可以包括:与处理器202连接的输入端口203,用于传输外界输入的命令至处理器202;与处理器202连接的显示单元204,用于显示处理器202的处理结果至外界;与处理器202连接的通信模块205,用于实现图像处理设备与外界的通信。显示单元204可以为显示面板、激光扫描使显示器等;通信模块205所采用的通信方式包括但不局限于移动高清链接技术(HML)、通用串行总线(USB)、高清多媒体接口(HDMI)、无线连接:无线保真技术(WiFi)、蓝牙通信技术、低功耗蓝牙通信技术、基于IEEE802.11s的通信技术。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现如下步骤:
获取与目标场景对应的目标可见光图像和目标红外图像;
确定目标可见光图像的细节信息;
确定目标可见光图像的细节增益;
基于细节增益,将细节信息与目标红外图像进行融合,得到融合图像。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现如下步骤:获取用户输入的调节信息;基于细节增益及调节信息,将细节信息与目标红外图像进行融合,得到融合图像。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现如下步骤:在预设图像通道上对目标可见光图像进行提取,得到提取图像;对提取图像进行低通滤波,得到滤波图像;基于提取图像及滤波图像确定细节信息。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现如下步骤:将提取图像与滤波图像对应位置处的像素点相除,得到商值图像;将商值图像与1的差值作为细节信息。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现如下步骤:基于提取图像计算目标可见光图像的细节强度;将细节强度的倒数作为细节增益。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现如下步骤:按照像素点的细节强度为预设范围内像素值的方差或标准差的定义,基于提取图像计算细节增益;预设范围为包含像素点的范围。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现如下步骤:按照像素点的细节强度为与预设差值满足预设关系的定义,基于提取图像计算细节增益;其中,预设差值为预设范围内像素值与中心点的差值,或预设范围内像素值与均值的差值,均值为预设单位内像素值的均值;预设范围为包含像素点的范围。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现如下步骤:将细节强度的倒数作为细节增益之后,判断细节增益的值是否大于预设阈值,若是,则将细节增益的值调整为0,若否,则保持细节增益的值不变。
本申请实施例提供的一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现如下步骤:获取与目标场景对应的初始可见光图像及初始红外图像;基于预设信息、初始可见光图像及初始红外图像,将初始可见光图像调整为目标可见光图像;基于预设信息、初始可见光图像及初始红外图像,将初始红外图像调整为目标红外图像;其中,预设信息包括视场角信息、分辨率信息、红外光***和可见光***的相对位置信息;且目标可见光图像与目标红外图像的图像大小差值在第一预设范围内,目标可见光图像与目标红外图像的分辨率差值在第二预设范围内。
本申请所涉及的计算机可读存储介质包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
本申请实施例提供的图像处理***、设备及计算机可读存储介质中相关部分的说明请参见本申请实施例提供的图像处理方法中对应部分的详细说明,在此不再赘述。另外,本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种图像处理方法,其特征在于,包括:
获取与目标场景对应的目标可见光图像和目标红外图像;
确定所述目标可见光图像的细节信息;
确定所述目标可见光图像的细节增益;
基于所述细节增益,将所述细节信息与所述目标红外图像进行融合,得到融合图像;
所述目标红外图像为通过红外***对所述目标场景拍摄后得到的图像;
所述基于所述细节增益,将所述细节信息与所述目标红外图像进行融合,得到融合图像,包括:
获取用户输入的调节信息;
基于所述细节增益及所述调节信息,将所述细节信息与所述目标红外图像进行融合,得到所述融合图像;
所述确定所述目标可见光图像的细节信息,包括:
在预设图像通道上对所述目标可见光图像进行提取,得到提取图像;
对所述提取图像进行低通滤波,得到滤波图像;
基于所述提取图像及所述滤波图像确定所述细节信息;
所述基于所述提取图像及所述滤波图像确定所述细节信息,包括:
将所述提取图像与所述滤波图像对应位置处的像素点相除,得到商值图像;
将所述商值图像与1的差值作为所述细节信息;
所述确定所述目标可见光图像的细节增益,包括:
基于所述提取图像计算所述目标可见光图像的细节强度;
将所述细节强度的倒数作为所述细节增益。
2.根据权利要求1所述的方法,其特征在于,所述基于所述提取图像计算所述目标可见光图像的细节增益,包括:
按照像素点的细节强度为预设范围内像素值的方差或标准差的定义,基于所述提取图像计算所述细节增益;所述预设范围为包含所述像素点的范围。
3.根据权利要求1所述的方法,其特征在于,所述基于所述提取图像计算所述目标可见光图像的细节增益,包括:
按照像素点的细节强度为与预设差值满足预设关系的定义,基于所述提取图像计算所述细节增益;
其中,所述预设差值为预设范围内像素值与中心点的差值,或所述预设范围内像素值与均值的差值,所述均值为所述预设单位内像素值的均值;所述预设范围为包含所述像素点的范围。
4.根据权利要求1所述的方法,其特征在于,所述将所述细节强度的倒数作为所述细节增益之后,还包括:
判断所述细节增益的值是否大于预设阈值,若是,则将所述细节增益的值调整为0,若否,则保持所述细节增益的值不变。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述获取与目标场景对应的目标可见光图像和目标红外图像,包括:
获取与所述目标场景对应的初始可见光图像及初始红外图像;
基于预设信息、所述初始可见光图像及所述初始红外图像,将所述初始可见光图像调整为所述目标可见光图像;
基于预设信息、所述初始可见光图像及所述初始红外图像,将所述初始红外图像调整为所述目标红外图像;
其中,所述预设信息包括视场角信息、分辨率信息、红外光***和可见光***的相对位置信息;且所述目标可见光图像与所述目标红外图像的图像大小差值在第一预设范围内,所述目标可见光图像与所述目标红外图像的分辨率差值在第二预设范围内。
6.一种图像处理***,其特征在于,包括:
第一获取模块,用于获取与目标场景对应的目标可见光图像和目标红外图像;所述目标红外图像为通过红外***对所述目标场景拍摄后得到的图像;
第一确定模块,用于确定所述目标可见光图像的细节信息;
第二确定模块,用于确定所述目标可见光图像的细节增益;
第一融合模块,用于获取用户输入的调节信息;基于所述细节增益及所述调节信息,将所述细节信息与所述目标红外图像进行融合,得到融合图像;
所述第一确定模块,具体用于在预设图像通道上对所述目标可见光图像进行提取,得到提取图像;对所述提取图像进行低通滤波,得到滤波图像;将所述提取图像与所述滤波图像对应位置处的像素点相除,得到商值图像;将所述商值图像与1的差值作为所述细节信息;
所述第二确定模块,具体用于基于所述提取图像计算所述目标可见光图像的细节强度;将所述细节强度的倒数作为所述细节增益。
7.一种图像处理设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述图像处理方法的步骤。
8.一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中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010300217.XA CN111539902B (zh) | 2020-04-16 | 2020-04-16 | 一种图像处理方法、***、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010300217.XA CN111539902B (zh) | 2020-04-16 | 2020-04-16 | 一种图像处理方法、***、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539902A CN111539902A (zh) | 2020-08-14 |
CN111539902B true CN111539902B (zh) | 2023-03-28 |
Family
ID=71979953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010300217.XA Active CN111539902B (zh) | 2020-04-16 | 2020-04-16 | 一种图像处理方法、***、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539902B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111968068A (zh) * | 2020-08-18 | 2020-11-20 | 杭州海康微影传感科技有限公司 | 一种热成像图像的处理方法及装置 |
CN112767291B (zh) * | 2021-01-04 | 2024-05-28 | 浙江华感科技有限公司 | 可见光图像和红外图像融合方法、设备及可读存储介质 |
CN113284128B (zh) * | 2021-06-11 | 2023-05-16 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 基于电力设备的图像融合显示方法、装置和计算机设备 |
CN113610738A (zh) * | 2021-08-06 | 2021-11-05 | 烟台艾睿光电科技有限公司 | 一种图像处理方法、装置、设备及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960428A (zh) * | 2016-01-12 | 2017-07-18 | 浙江大立科技股份有限公司 | 可见光和红外双波段图像融合增强方法 |
CN107194906A (zh) * | 2017-05-22 | 2017-09-22 | 阜阳师范学院 | 一种基于曲波变换融合的图像处理方法及*** |
CN110047059A (zh) * | 2019-04-10 | 2019-07-23 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN110136183A (zh) * | 2018-02-09 | 2019-08-16 | 华为技术有限公司 | 一种图像处理的方法以及相关设备 |
CN110930311A (zh) * | 2018-09-19 | 2020-03-27 | 杭州萤石软件有限公司 | 一种提高红外图像与可见光图像融合的信噪比方法与装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069768B (zh) * | 2015-08-05 | 2017-12-29 | 武汉高德红外股份有限公司 | 一种可见光图像与红外图像融合处理***及融合方法 |
CN107784642B (zh) * | 2016-08-26 | 2019-01-29 | 北京航空航天大学 | 一种红外视频和可见光视频自适应融合方法 |
CN108765358A (zh) * | 2018-05-22 | 2018-11-06 | 烟台艾睿光电科技有限公司 | 可见光和红外光的双光融合方法以及插件式热像仪*** |
CN110223265B (zh) * | 2019-05-05 | 2021-05-28 | 中国地质大学(武汉) | 基于多尺度变换分解的目标显著的图像融合方法及*** |
CN110189286B (zh) * | 2019-05-30 | 2022-10-04 | 兰州交通大学 | 一种基于ResNet的红外与可见光图像融合方法 |
CN110415202B (zh) * | 2019-07-31 | 2022-04-12 | 浙江大华技术股份有限公司 | 一种图像融合方法、装置、电子设备及存储介质 |
-
2020
- 2020-04-16 CN CN202010300217.XA patent/CN111539902B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960428A (zh) * | 2016-01-12 | 2017-07-18 | 浙江大立科技股份有限公司 | 可见光和红外双波段图像融合增强方法 |
CN107194906A (zh) * | 2017-05-22 | 2017-09-22 | 阜阳师范学院 | 一种基于曲波变换融合的图像处理方法及*** |
CN110136183A (zh) * | 2018-02-09 | 2019-08-16 | 华为技术有限公司 | 一种图像处理的方法以及相关设备 |
CN110930311A (zh) * | 2018-09-19 | 2020-03-27 | 杭州萤石软件有限公司 | 一种提高红外图像与可见光图像融合的信噪比方法与装置 |
CN110047059A (zh) * | 2019-04-10 | 2019-07-23 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111539902A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539902B (zh) | 一种图像处理方法、***、设备及计算机可读存储介质 | |
CN109272459B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN109146814B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN109741281B (zh) | 图像处理方法、装置、存储介质及终端 | |
US11006045B2 (en) | Electronic device for adjusting image including multiple objects and control method thereof | |
CN107403421B (zh) | 一种图像去雾方法、存储介质及终端设备 | |
US20170301074A1 (en) | Image processing method and apparatus | |
CN111107333B (zh) | 一种亮度校正方法、***、设备及计算机可读存储介质 | |
CN109727215B (zh) | 图像处理方法、装置、终端设备及存储介质 | |
US20210158488A1 (en) | Image edge processing method, electronic device, and computer readable storage medium | |
CN109727216B (zh) | 图像处理方法、装置、终端设备及存储介质 | |
CN109817170B (zh) | 像素补偿方法、装置和终端设备 | |
KR20160036662A (ko) | 이미지 아티팩트들을 보정하는 시스템 및 방법 | |
CN105608716B (zh) | 一种信息处理方法及电子设备 | |
CN108063928B (zh) | 一种投影仪的成像图像自动调整方法、装置及电子设备 | |
CN112218065B (zh) | 图像白平衡方法、***、终端设备及存储介质 | |
CN111192205A (zh) | 一种图像去雾方法、***和计算机可读存储介质 | |
US20220360707A1 (en) | Photographing method, photographing device, storage medium and electronic device | |
CN111626967A (zh) | 图像增强方法、装置、计算机装置及可读存储介质 | |
US20230259264A1 (en) | Method for providing filter and electronic device supporting the same | |
CN110648296A (zh) | 一种瞳孔颜色修正方法、修正装置、终端设备及存储介质 | |
US9319666B1 (en) | Detecting control points for camera calibration | |
CN112446830A (zh) | 一种图像色边的处理方法、装置、存储介质及电子设备 | |
CN114125280A (zh) | 相机曝光控制方法、装置、设备、存储介质及程序产品 | |
CN110738712B (zh) | 一种几何图案重构方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200814 Assignee: INFIRAY TECHNOLOGIES CO.,LTD. Assignor: Yantai Airui Photo-Electric Technology Co.,Ltd. Contract record no.: X2024980006380 Denomination of invention: An image processing method, system, device, and computer-readable storage medium Granted publication date: 20230328 License type: Common License Record date: 20240530 |