CN111598777A - 天空云图的处理方法、计算机设备和可读存储介质 - Google Patents
天空云图的处理方法、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN111598777A CN111598777A CN202010402326.2A CN202010402326A CN111598777A CN 111598777 A CN111598777 A CN 111598777A CN 202010402326 A CN202010402326 A CN 202010402326A CN 111598777 A CN111598777 A CN 111598777A
- Authority
- CN
- China
- Prior art keywords
- sky
- image
- value
- pixel point
- pixel
- 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
- 238000003672 processing method Methods 0.000 title description 7
- 238000000034 method Methods 0.000 claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 60
- 230000006870 function Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 30
- 238000002834 transmittance Methods 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种天空云图的处理方法、计算机设备和可读存储介质,能够获取多张天空云图;该天空云图为拍摄设备从不同角度拍摄得到的二维图像;对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像;对天空全景图像进行去畸变处理,得到去畸变后的天空图像。该方法中,通过拼接转换,使得得到的天空全景图像更贴合于实际存在中的全天空场景,且通过去畸变处理使得到的天空图像更加精确,使用去畸变后的天空图像进行后续的云量计算和云状估计,可大大提高估计结果的准确性;对于未来天气预测的准确性,也有着进一步的提升。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种天空云图的处理方法、计算机设备和可读存储介质。
背景技术
云状和云量的观察是气象测报中难度较大的项目之一,云量是指云遮蔽天空的成数,云状则需从云的形状、结构、色泽、云量、云高、云向、云速和光电现象等方面进行考虑。准确的对云状进行分类、估计云量的占比,对于分析未来的天气转变以及取得更佳的经济效益有着重要的作用。
随着深度学习的应用和发展,目前已有结合深度学习的技术对云状分类及云量估计进行研究。传统技术中,通常是将获得的天空云图经过简单的预处理(如滤波去噪等)后输入基于深度学习的网络模型中,得到云状分类和云量估计结果。
但是,传统技术中利用简单预处理后的天空云图进行云状分类和云量评估,其存在准确度不高的问题。
发明内容
基于此,有必要针对传统技术中进行云状分类和云量评估准确度不高的问题,提供一种天空云图的处理方法、计算机设备和可读存储介质。
一种天空云图的处理方法,该方法包括:
获取多张天空云图;天空云图为拍摄设备从不同角度拍摄得到的二维图像;
对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像;
对天空全景图像进行去畸变处理,得到去畸变后的天空图像。
一种天空云图的处理装置,该装置包括:
获取模块,用于获取多张天空云图;天空云图为拍摄设备从不同角度拍摄得到的二维图像;
图像拼接模块,用于对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像;
去畸变模块,用于对天空全景图像进行去畸变处理,得到去畸变后的天空图像。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行该计算机程序时实现以下步骤:
获取多张天空云图;天空云图为拍摄设备从不同角度拍摄得到的二维图像;
对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像;
对天空全景图像进行去畸变处理,得到去畸变后的天空图像。
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以下步骤:
获取多张天空云图;天空云图为拍摄设备从不同角度拍摄得到的二维图像;
对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像;
对天空全景图像进行去畸变处理,得到去畸变后的天空图像。
上述天空云图的处理方法、装置、计算机设备和可读存储介质,能够获取多张天空云图;天空云图为拍摄设备从不同角度拍摄得到的二维图像;对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像;对天空全景图像进行去畸变处理,得到去畸变后的天空图像。该方法中,通过拼接转换,使得得到的天空全景图像更贴合于实际存在中的全天空场景,且通过去畸变处理使得到的天空图像更加精确,使用去畸变后的天空图像进行后续的云量计算和云状估计,可大大提高估计结果的准确性;对于未来天气预测的准确性,也有着进一步的提升。
附图说明
图1为一个实施例中计算机设备的内部结构图;
图2为一个实施例中天空云图的处理方法的流程示意图;
图3为另一个实施例中天空云图的处理方法的流程示意图;
图4为又一个实施例中天空云图的处理方法的流程示意图;
图5为又一个实施例中天空云图的处理方法的流程示意图;
图6为又一个实施例中天空云图的处理方法的流程示意图;
图7为又一个实施例中天空云图的处理方法的流程示意图;
图8为又一个实施例中天空云图的处理方法的流程示意图;
图9为一个实施例中天空云图的处理装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的天空云图的处理方法,可以适用于如图1所示的计算机设备。该计算机设备包括通过***总线连接的处理器、存储器,该存储器中存储有计算机程序,处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选地,该计算机设备还可以包括通信接口、显示屏和输入装置。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、内存储器,该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端通过网络连接通信。可选地,该计算机设备可以是个人计算机(personal computer,简称PC),还可以是个人数字助理,还可以是其他的终端设备,例如平板电脑(portable android device,简称PAD)、手机等等,还可以是云端或者远程服务器,本申请实施例对计算机设备的具体形式并不做限定。
在一个实施例中,如图2所示,提供了一种天空云图的处理方法,本实施例涉及的是对拍摄设备拍摄得到的多张天空云图进行拼接、去畸变处理,得到去畸变后的天空图像的具体过程。以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S101,获取多张天空云图;该天空云图为拍摄设备从不同角度拍摄得到的二维图像。
其中,上述拍摄设备可以为摄像头或摄像机,可选地,该拍摄设备可以为旋转摄像头,其位于一旋转平台上,与旋转平台的夹角angcam为45°,拍摄设备采集一周360°共均匀拍照n次,其焦距为f,内置感光传感器尺寸为camw×camh(单位为mm),拍摄设备所成像的大小为W×H(像素),图像缩放比例为s。因此,该拍摄设备通过旋转不同角度可以拍摄得到多张二维图像,即多张天空云图,然后将多张天空云图传输至计算机设备。可选地,还可以在拍摄平台上放置多个拍摄设备,每个拍摄设备拍摄不同角度的二维天空云图,且所有拍摄设备可以将360°的天空云图拍摄完整。
S102,对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像。
具体地,因上述多张天空云图为二维图像,而实际场景中,全景天空应是接近球形的,那么计算机设备可以对该多张天空云图进行图像拼接处理,即将拍摄得到的相邻天空云图依次拼接,并将最后一张天空云图和第一张天空云图进行拼接,得到天空全景图像,该天空全景图像为球面图像。在图像拼接过程中,若将二维图像拼接为球面图像,需要将二维图像进行“弯曲”,那么像素点的位置或值也会发生相应变化。可选地,计算机设备可以通过图像拼接技术将多张天空云图进行拼接处理,得到天空全景图像。
可选地,计算机设备还可以根据拍摄设备的拍摄参数,先将多张天空云图分别映射为球面图像,再基于每个球面图像中各像素点的值,确定天空全景图像中各像素点的值,即得到天空全景图像。其中,将天空图像映射为球面图像时,需要确定天空图像中每个像素点映射到球面图像中的目标位置,可选地,该目标位置(xsrc,ysrc)可以由计算机设备通过下述计算方法得到:
(xsrc,ysrc)=(W/2.0-deltax,H/2.0-deltay),
i∈rowpanoramic,j∈colpanoramic/2,
rowpanoramic=fpix*π,colpanoramic=fpix*2π,
fpix=camw/2/(tan(β/360.0*π)),β=arctan(camw/2.0/f)/π*180*2;
其中,fpix为像素单位的焦距大小,colpanoramic,rowpanoramic分别为像素单位的天空全景图像的宽和高,β1为目标位置切线与水平线方向的夹角∈[0,2π],γ1为目标位置切线与竖直线方向的夹角∈[0,π],op为目标位置到球心的距离,deltax和deltay分别为目标位置在水平线方向和竖直线方向上的偏差值。当由上述过程确定出天空图像中每个像素点映射到球面图像中的目标位置后,将每个像素点的值也赋值给对应目标位置的点,即得到对应的球面图像;然后计算机设备可以从各球面图像中取(xsrc,ysrc)的值pixnow通过插值算法赋值给天空全景图像对应的像素点,由此得到最终的天空全景图像。可选地,上述插值算法可以为双线性插值算法,也可以为其他类型的插值算法。
S103,对天空全景图像进行去畸变处理,得到去畸变后的天空图像。
具体地,因拍摄设备在拍摄天空云图过程中易受到拍摄噪声影响、以及在图像拼接时的拼接误差,得到的天空全景图像可能会存在畸变,为准确的进行后续的云量计算及云状估计,计算机设备可以对天空全景图像进行去畸变处理。其中,当前得到的天空全景图像为球面图像,则计算机设备可以将天空全景图像利用图像投影技术投影至目标区域,在投影时综合考虑每个像素点与球心的相对位置,得到投影的平面图像,即为去畸变后的天空图像。
本实施例提供的天空云图的处理方法,计算机设备对获取的多张天空云图进行图像拼接处理,得到天空全景图像,其中,该天空云图为通过同一拍摄设备通过旋转不同角度拍摄得到的二维图像,天空全景图像为球面图像,通过拼接转换,使得得到的天空全景图像更贴合于实际存在中的全天空场景;然后对天空全景图像进行去畸变处理,得到去畸变后的天空图像,则得到的天空图像更加精确,使用去畸变后的天空图像进行后续的云量计算和云状估计,可大大提高估计结果的准确性;对于未来天气预测的准确性,也有着进一步的提升。
在一个实施例中,涉及的是计算机设备对天空全景图像进行去畸变处理,得到去畸变后的天空图像的具体过程。可选地,如图3所示,上述S103包括:
S201,根据拍摄设备的拍摄参数,从天空全景图像中,确定与目标图像中各第一像素点对应的第二像素点;该目标图像为对天空全景图像进行投影映射的二维图像。
具体地,拍摄设备的拍摄参数可以包括但不限于上述实施例中的焦距f和内置感光传感器尺寸camw×camh,计算机设备通过β=arctan(camw/2.0/f)/π*180*2和fpix=camw/2/(tan(β/360.0*π))的关系式,可以确定像素单位的焦距大小fpix。然后以fpix的2倍为边长确定一正方形区域,目的使得天空全景图像投影映射至该区域中,形成二维圆形的目标图像,该目标图像的直径与正方形区域的边长相等,中心点重合;并且,目标图像中各第一像素点都在天空全景图像中具有对应的第二像素点。
可选地,计算机设备可以对上述拍摄参数进行正切函数运算和反正切函数运算,确定目标图像的尺寸及中心点,即通过上述关系式确定fpix,将fpix的2倍作为目标图像的直径(即尺寸)以及中心点记为(xc,yc),此时目标图像的大小和中心点位置已确定。然后计算机设备基于目标图像中的每个第一像素点,根据目标图像的尺寸和中心点的位置,通过反余弦函数运算和反正切函数运算确定第一像素点与中心点的相对位置;可选地,任一第一像素点到中心点的距离可通过的关系式得到,第一像素点与中心点连线方向与水平线方向的夹角可通过θ=arccos((x-xc)/r),θ∈[0,2π]的关系式得到,与竖直线方向的夹角可通过β=arctan(r/(fpix-r)),β∈[0,π]的关系式得到,由此可得到每一个第一像素点与中心点的相对位置。最后基于第一像素点与中心点的相对位置、以及上述拍摄参数fpix之间的乘积,可以确定与第一像素点对应的天空全景图像中的第二像素点的位置,可选地,可以通过(xpanoramic,ypanoramic)=(θ*fpix,β*fpix)的关系式得到第二像素点的位置。
S202,根据第二像素点的值,确定各第一像素点的值。
S203,根据目标图像中各第一像素点的值,生成去畸变后的天空图像。
具体地,在得到与第一像素点对应的天空全景图像中第二像素点的位置后,该位置的像素值也可以获取到,那么计算机设备根据各第二像素点的值,可以确定各第一像素点的值,可选地,可以通过差值算法确定各第一像素点的值,该插值算法可以为双线性插值算法,也可以为其他类型的插值算法。然后,计算机设备根据上述目标图像中各第一像素点的值,便可以生成去畸变后的天空图像,可以理解为,将第一像素点的值填入对应的像素点位置,得到的图像即为去畸变后的天空图像。
本实施例提供的天空云图的处理方法,计算机设备首先根据拍摄设备的拍摄参数,从天空全景图像中确定与目标图像各第一像素点对应的第二像素点,然后根据第二像素点的值确定各第一像素点的值,由此便确定了目标对象中的各像素点值,再根据各像素点的值便可以生成去畸变后的天空图像。本实施例中通过目标图像与天空全景图像之间的对应关系,以对天空全景图像进行去畸变,可提高去畸变后的天空图像的准确性,进一步为后续数据处理过程提供准确的数据基础。
在实际场景中,拍摄设备所拍摄的天空云图中,靠近底部通常会有许多地面建筑、高山、海洋等物体,而实际云量计算和云状估计时需要去除此类物体对云图的影响,当有雾气存在时此类物体较难区分去除。则本实施例还提供了对天空云图进行去雾处理的具体过程,可选地,如图4所示,上述方法还可以包括:
S301,根据天空全景图像中像素点的值,对天空全景图像进行天空区域的特征提取,得到天空区域掩膜。
具体地,计算机设备可以根据上述天空全景图像中各个像素点的值,分析像素点值的分布情况,以对天空全景图像进行天空区域的特征提取,将属于天空特征的像素点划分为天空区域,并将得到的天空区域部分的像素值统一置为1,其余部分统一置为0,得到天空区域掩膜。可选地,计算机设备还可以采用图像分割网络对天空全景图像进行分割,得到天空区域掩膜。其中,天空区域掩膜的尺寸大小和天空全景图像的尺寸大小相同,即每个像素点的位置一一对应。
S302,对天空全景图像进行去雾处理,得到去雾后的天空全景图像。
具体地,计算机设备可以根据上述拍摄设备拍摄天空云图时的大气透射率以及大气光值,对天空全景图像进行去雾处理,可选地,计算机设备可以从气象***中获取拍摄时刻的大气透射率以及大气光值,然后根据的关系式得到去雾后的天空全景图像,其中,I(x)为原始天空全景图像,A为大气光值,L(x)为大气透射率,F(x)为去雾后的天空全景图像。
S303,基于天空区域掩膜和去雾后的天空全景图像之间像素点的对应关系,得到去雾后的天空图像。
具体地,因天空区域掩膜和天空全景图像的尺寸大小相同,也即和去雾后的天空全景图像的尺寸大小也相同,那么天空区域掩膜和去雾后的天空全景图像之间的像素点位置也是一一对应的。通过天空区域掩膜中的天空区域,便可以从去雾后的天空全景图像中对应出天空区域图像,即去雾后的天空图像。
相应的,在得到去雾后的天空图像后,计算机设备是将去雾后的天空图像进行去畸变处理,得到去雾且去畸变的天空图像。
本实施例提供的天空云图的处理方法,计算机设备还可以根据天空全景图像中像素点的值,对天空全景图像进行天空区域的特征提取,得到天空区域掩膜;并对天空全景图像进行去雾处理,得到去雾后的天空全景图像;最后基于天空区域掩膜和去雾后的天空全景图像之间像素点的对应关系,得到去雾后的天空图像。由此,可将天空图像中存在的雾气去除,使得天空图像中的云状更加清晰,进一步提高了后续云量计算和云状估计的准确性。
在一个实施例中,计算机设备还可以基于暗通道方法和基于区域生长方法提取天空区域掩模,需要说明的是,可以单独基于暗通道方法进行提取或者将单通道方法和区域生长方法结合进行提取。下面对两种方法进行分别说明:
图5为一个实施例中基于暗通道方法提取天空区域掩模的具体过程,可选地,上述S301可以包括:
S401,针对天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像。
具体地,针对天空全景图像中的每个像素点,其都包含R、G、B三个值,计算机设备选取这三个值中的最小值作为目标像素值,由各目标像素值生成一个目标图像,因此目标图像中的像素值都是RGB值中的最小值,因此将其称为暗通道图像。
可选地,在得到暗通道图像之后,计算机设备还可以采用预设大小的滤波核对其进行滤波处理,并对滤波后的图像进行高斯平滑,得到优化后的暗通道图像。
S402,对暗通道图像进行聚类划分,得到天空区域掩膜。
具体地,计算机设备可以对上述得到的暗通道进行聚类划分,如k-means聚类方法,将聚类类别数设置为2,表示天空类别和背景类别;聚类完成后将天空类别对应的像素点作为天空区域掩膜的像素点,并将这些像素点值置为1,得到天空区域掩膜。
图6为一个实施例中基于暗通道方法提取天空区域掩模的具体过程,可选地,上述S301可以包括:
S501,针对天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像。
S502,对暗通道图像进行聚类划分,得到第一天空区域掩膜。
该S501和S502步骤的实现方法可以参见图5实施例中的描述,其实现过程和实现原理类似,在此不再赘述。
S503,将天空全景图像中像素点的值转换为灰度值,并根据各像素点的灰度值确定灰度值分布图。
具体地,通常天空全景图像为RGB彩色图像,而灰度图像的灰度值为[0,255]之间,计算机设备可以通过浮点运算或移位方法等将天空全景图像的RGB值转换为灰度值,并根据各像素点对应的灰度值确定灰度值分布图,即各灰度值的分布情况,如灰度值为0的像素点为哪些,灰度值为1的像素点为哪些等。
可选地,计算机设备还可以先根据得到的各像素点的灰度值确定一个灰度图像,并对该灰度图像进行高斯平滑后,再确定灰度值分布图,可提高得到的灰度值分布图的准确性。
S504,根据灰度值分布图确定天空区域候选点;该天空区域候选点为灰度值最大的像素点。
S505,计算天空区域候选点和天空区域候选点的相邻像素点之间的像素差值,根据像素差值与预设差值的大小关系,确定第二天空区域掩膜。
具体地,计算机设备可以从上述灰度值分布图中确定灰度值最大的像素点,并将该灰度值最大的像素点作为天空区域候选点,可选地,该天空区域候选点可以为多个。然后计算各天空区域候选点和相邻像素点之间的像素差值,若像素差值小于预设差值(如可以将预设差值设置为5),则将该相邻像素点作为天空区域中的像素点。接下来,将已确定为天空区域的像素点的灰度值求平均值,计算该平均值与下一相邻像素点之间的像素差值,若像素差值小于预设差值,则将该相邻像素点也作为天空区域中的像素点,以此类推,直至将天空全景图像中的像素点全部遍历,便得到天空区域中的所有像素点,将这些像素点的值置为1,即得到第二天空区域掩模。
S506,将第一天空区域掩膜和第二天空区域掩膜的融合结果作为天空区域掩膜。
具体地,计算机设备可以将上述第一天空区域掩膜和第二天空区域掩膜中对应像素点值进行加权求和,得到最终的天空区域掩膜。
本实施例中提供的天空云图的处理方法,计算机设备可以基于暗通道方法和区域生长方法得到天空区域掩膜,综合考虑天空全景图像中各个像素点的特征,多方面综合确定天空区域掩膜结果,可进一步提高掩膜结果的准确性,同时提高得到的天空图像的准确性。
在一个实施例中,在图5和图6实施例的基础上,计算机设备还可以通过暗通道图像和天空区域掩膜确定大气透射率和大气光值,以对天空全景图像进行去雾处理。如图7所示,上述S302可以包括:
S601,根据暗通道图像和天空区域掩膜,确定大气透射率;该大气透射率所满足的关系式包含暗通道图像和天空区域掩膜的最小值函数。
具体地,计算机设备可以根据包含暗通道图像D2和天空区域掩膜D的最小值函数确定大气透射率。可选地,在得到上述暗通道图像后,计算机设备还可以求取暗通道图像D2的均值dav,以及暗通道图像D2的归一化结果Dave,然后根据L(x)=min(min(ρdav,0.9)Dave,D)的关系式确定大气透射率L(x),其中ρ为调节因子,其值越大去雾效果越明显,ρ较小时得到的图像会偏白色且有雾气。
S602,根据天空全景图像中各像素点的RGB值和暗通道图像,确定大气光值;该大气光值所满足的关系式包含各像素点的RGB值和暗通道图像的最大值函数。
具体地,计算机设备可以根据包含天空全景图像中各像素点RGB值和暗通道图像的最大值函数,确定大气光值。可选地,计算机设备可以根据包含的关系式确定大气光值A;其中,Ic(x)为天空全景图像中各像素点RGB值或者颜色通道值。
S603,根据包含大气透射率和大气光值的比值的关系式,得到去雾后的天空全景图像。
本实施例提供的天空云图的处理方法,计算机设备可以基于暗通道图像和天空区域掩膜确定大气透射率,以及根据天空全景图像中各像素点的RGB值和暗通道图像确定大气光值,并根据包含大气透射率和大气光值的比值的关系式,得到去雾后的天空全景图像。由此,可以避免存在无法获取到气象***中的大气透射率和大气光值的情况时,无法进行去雾处理的情况,即可以适用于任何场景下对天空全景图像进行去雾处理的场景。
为更好的理解整个天空云图的处理方法的整个流程,下面再以一个整体实施例对该方法进行描述,如图8所示,该方法包括:
S701,对多张天空云图进行图像拼接处理,得到天空全景图像;
S702,根据所述天空全景图像中像素点的值,对所述天空全景图像进行天空区域的特征提取,得到天空区域掩膜;
S703,对所述天空全景图像进行去雾处理,得到去雾后的天空全景图像;
S704,基于所述天空区域掩膜和所述去雾后的天空全景图像之间像素点的对应关系,得到去雾后的天空图像;
S705,根据拍摄设备的拍摄参数,从去雾后的天空图像中,确定与目标图像中各第一像素点对应的第二像素点;所述目标图像为对去雾后的天空图像进行投影映射的二维图像;
S706,根据第二像素点的值,通过插值算法确定各第一像素点的值;
S707,根据目标图像中各第一像素点的值,生成去畸变后的天空图像。
关于本实施例中各步骤的实现过程,可以参见上述实施例中的描述,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然图2-图8的流程图中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,图2-图8中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种天空云图的处理装置,包括:获取模块11、图像拼接模块12和去畸变模块13。
具体地,获取模块11,用于获取多张天空云图;天空云图为拍摄设备从不同角度拍摄得到的二维图像。
图像拼接模块12,用于对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像。
去畸变模块13,用于对天空全景图像进行去畸变处理,得到去畸变后的天空图像。
本实施例提供的天空云图的处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在一个实施例中,去畸变模块13,具体用于根据拍摄设备的拍摄参数,从天空全景图像中,确定与目标图像中各第一像素点对应的第二像素点;该目标图像为对天空全景图像进行投影映射的二维图像;根据第二像素点的值,确定各第一像素点的值;根据目标图像中各第一像素点的值,生成去畸变后的天空图像。
在一个实施例中,去畸变模块13,具体用于对拍摄参数进行正切函数运算和反正切函数运算,确定目标图像的尺寸及中心点;基于每个第一像素点,根据目标图像的尺寸和中心点的位置,通过反余弦函数运算和反正切函数运算确定第一像素点与中心点的相对位置;基于第一像素点与中心点的相对位置、以及拍摄参数之间的乘积,确定与第一像素点对应的第二像素点。
在一个实施例中,上述装置还包括去雾模块,用于根据天空全景图像中像素点的值,对天空全景图像进行天空区域的特征提取,得到天空区域掩膜;对天空全景图像进行去雾处理,得到去雾后的天空全景图像;基于天空区域掩膜和去雾后的天空全景图像之间像素点的对应关系,得到去雾后的天空图像;相应的,去畸变模块13,具体用于对去雾后的天空图像进行去畸变处理,得到去畸变后的天空图像。
在一个实施例中,去雾模块,具体用于针对天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像;对暗通道图像进行聚类划分,得到天空区域掩膜。
在一个实施例中,去雾模块,具体用于针对天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像;对暗通道图像进行聚类划分,得到第一天空区域掩膜;将天空全景图像中像素点的值转换为灰度值,并根据各像素点的灰度值确定灰度值分布图;根据灰度值分布图确定天空区域候选点;该天空区域候选点为灰度值最大的像素点;计算天空区域候选点和天空区域候选点的相邻像素点之间的像素差值,根据像素差值与预设差值的大小关系,确定第二天空区域掩膜;将第一天空区域掩膜和第二天空区域掩膜的融合结果作为天空区域掩膜。
在一个实施例中,去雾模块,具体用于根据暗通道图像和天空区域掩膜,确定大气透射率;该大气透射率所满足的关系式包含暗通道图像和天空区域掩膜的最小值函数;根据天空全景图像中各像素点的RGB值和所述暗通道图像,确定大气光值;该大气光值所满足的关系式包含各像素点的RGB值和暗通道图像的最大值函数;根据包含大气透射率和大气光值的比值的关系式,得到去雾后的天空全景图像。
在一个实施例中,图像拼接模块12,具体用于根据拍摄设备的拍摄参数,将多张天空云图分别映射为球面图像;基于每个球面图像中各像素点的值,确定天空全景图像中各像素点的值,得到天空全景图像。
关于天空云图的处理装置的具体限定可以参见上文中对于天空云图的处理方法的限定,在此不再赘述。上述天空云图的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
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终端,其内部结构图可以如图1所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。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、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种天空云图的处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图1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,提供了一种计算机设备,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以下步骤:
获取多张天空云图;天空云图为拍摄设备从不同角度拍摄得到的二维图像;
对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像;
对天空全景图像进行去畸变处理,得到去畸变后的天空图像。
本实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据拍摄设备的拍摄参数,从天空全景图像中,确定与目标图像中各第一像素点对应的第二像素点;该目标图像为对天空全景图像进行投影映射的二维图像;
根据第二像素点的值,确定各第一像素点的值;
根据目标图像中各第一像素点的值,生成去畸变后的天空图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对拍摄参数进行正切函数运算和反正切函数运算,确定目标图像的尺寸及中心点;
基于每个第一像素点,根据目标图像的尺寸和中心点的位置,通过反余弦函数运算和反正切函数运算确定第一像素点与中心点的相对位置;
基于第一像素点与中心点的相对位置、以及拍摄参数之间的乘积,确定与第一像素点对应的第二像素点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据天空全景图像中像素点的值,对天空全景图像进行天空区域的特征提取,得到天空区域掩膜;
对天空全景图像进行去雾处理,得到去雾后的天空全景图像;
基于天空区域掩膜和去雾后的天空全景图像之间像素点的对应关系,得到去雾后的天空图像;
相应的,对天空全景图像进行去畸变处理,得到去畸变后的天空图像,包括:
对去雾后的天空图像进行去畸变处理,得到去畸变后的天空图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像;
对暗通道图像进行聚类划分,得到天空区域掩膜。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像;
对暗通道图像进行聚类划分,得到第一天空区域掩膜;
将天空全景图像中像素点的值转换为灰度值,并根据各像素点的灰度值确定灰度值分布图;
根据灰度值分布图确定天空区域候选点;该天空区域候选点为灰度值最大的像素点;
计算天空区域候选点和天空区域候选点的相邻像素点之间的像素差值,根据像素差值与预设差值的大小关系,确定第二天空区域掩膜;
将第一天空区域掩膜和第二天空区域掩膜的融合结果作为天空区域掩膜。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据暗通道图像和天空区域掩膜,确定大气透射率;该大气透射率所满足的关系式包含暗通道图像和天空区域掩膜的最小值函数;
根据天空全景图像中各像素点的RGB值和所述暗通道图像,确定大气光值;该大气光值所满足的关系式包含各像素点的RGB值和暗通道图像的最大值函数;
根据包含大气透射率和大气光值的比值的关系式,得到去雾后的天空全景图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据拍摄设备的拍摄参数,将多张天空云图分别映射为球面图像;
基于每个球面图像中各像素点的值,确定天空全景图像中各像素点的值,得到天空全景图像。
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,计算机程序被处理器执行时实现以下步骤:
获取多张天空云图;天空云图为拍摄设备从不同角度拍摄得到的二维图像;
对多张天空云图进行图像拼接处理,得到天空全景图像;该天空全景图像为球面图像;
对天空全景图像进行去畸变处理,得到去畸变后的天空图像。
本实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据拍摄设备的拍摄参数,从天空全景图像中,确定与目标图像中各第一像素点对应的第二像素点;该目标图像为对天空全景图像进行投影映射的二维图像;
根据第二像素点的值,确定各第一像素点的值;
根据目标图像中各第一像素点的值,生成去畸变后的天空图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对拍摄参数进行正切函数运算和反正切函数运算,确定目标图像的尺寸及中心点;
基于每个第一像素点,根据目标图像的尺寸和中心点的位置,通过反余弦函数运算和反正切函数运算确定第一像素点与中心点的相对位置;
基于第一像素点与中心点的相对位置、以及拍摄参数之间的乘积,确定与第一像素点对应的第二像素点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据天空全景图像中像素点的值,对天空全景图像进行天空区域的特征提取,得到天空区域掩膜;
对天空全景图像进行去雾处理,得到去雾后的天空全景图像;
基于天空区域掩膜和去雾后的天空全景图像之间像素点的对应关系,得到去雾后的天空图像;
相应的,对天空全景图像进行去畸变处理,得到去畸变后的天空图像,包括:
对去雾后的天空图像进行去畸变处理,得到去畸变后的天空图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像;
对暗通道图像进行聚类划分,得到天空区域掩膜。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像;
对暗通道图像进行聚类划分,得到第一天空区域掩膜;
将天空全景图像中像素点的值转换为灰度值,并根据各像素点的灰度值确定灰度值分布图;
根据灰度值分布图确定天空区域候选点;该天空区域候选点为灰度值最大的像素点;
计算天空区域候选点和天空区域候选点的相邻像素点之间的像素差值,根据像素差值与预设差值的大小关系,确定第二天空区域掩膜;
将第一天空区域掩膜和第二天空区域掩膜的融合结果作为天空区域掩膜。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据暗通道图像和天空区域掩膜,确定大气透射率;该大气透射率所满足的关系式包含暗通道图像和天空区域掩膜的最小值函数;
根据天空全景图像中各像素点的RGB值和所述暗通道图像,确定大气光值;该大气光值所满足的关系式包含各像素点的RGB值和暗通道图像的最大值函数;
根据包含大气透射率和大气光值的比值的关系式,得到去雾后的天空全景图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据拍摄设备的拍摄参数,将多张天空云图分别映射为球面图像;
基于每个球面图像中各像素点的值,确定天空全景图像中各像素点的值,得到天空全景图像。
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、存储、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-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。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。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 Random Access Memory,DRAM)等。
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发明专利范围的限制。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,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种天空云图的处理方法,其特征在于,所述方法包括:
获取多张天空云图;所述天空云图为拍摄设备从不同角度拍摄得到的二维图像;
对所述多张天空云图进行图像拼接处理,得到天空全景图像;所述天空全景图像为球面图像;
对所述天空全景图像进行去畸变处理,得到去畸变后的天空图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述天空全景图像进行去畸变处理,得到去畸变后的天空图像,包括:
根据所述拍摄设备的拍摄参数,从所述天空全景图像中,确定与目标图像中各第一像素点对应的第二像素点;所述目标图像为对所述天空全景图像进行投影映射的二维图像;
根据所述第二像素点的值,确定所述各第一像素点的值;
根据所述目标图像中各第一像素点的值,生成所述去畸变后的天空图像。
3.根据权利要求2所述的方法,其特征在于,所述根据所述拍摄设备的拍摄参数,从所述天空全景图像中,确定与目标图像中各第一像素点对应的第二像素点,包括:
对所述拍摄参数进行正切函数运算和反正切函数运算,确定所述目标图像的尺寸及中心点;
基于每个第一像素点,根据所述目标图像的尺寸和所述中心点的位置,通过反余弦函数运算和反正切函数运算确定所述第一像素点与中心点的相对位置;
基于所述第一像素点与中心点的相对位置、以及所述拍摄参数之间的乘积,确定与所述第一像素点对应的第二像素点。
4.根据权利要求1所述的方法,其特征在于,在所述对所述多张天空云图进行图像拼接处理,得到天空全景图像后,所述方法还包括:
根据所述天空全景图像中像素点的值,对所述天空全景图像进行天空区域的特征提取,得到天空区域掩膜;
对所述天空全景图像进行去雾处理,得到去雾后的天空全景图像;
基于所述天空区域掩膜和所述去雾后的天空全景图像之间像素点的对应关系,得到去雾后的天空图像;
相应的,对所述天空全景图像进行去畸变处理,得到去畸变后的天空图像,包括:
对所述去雾后的天空图像进行去畸变处理,得到去畸变后的天空图像。
5.根据权利要求4所述的方法,其特征在于,所述根据所述天空全景图像中像素点的值,对所述天空全景图像进行天空区域的特征提取,得到天空区域掩膜,包括:
针对所述天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像;
对所述暗通道图像进行聚类划分,得到天空区域掩膜。
6.根据权利要求4所述的方法,其特征在于,所述根据所述天空全景图像中像素点的值,对所述天空全景图像进行天空区域的特征提取,得到天空区域掩膜,包括:
针对所述天空全景图像中的各像素点,将各像素点RGB值中的最小值作为目标像素值,生成暗通道图像;
对所述暗通道图像进行聚类划分,得到第一天空区域掩膜;
将所述天空全景图像中像素点的值转换为灰度值,并根据各像素点的灰度值确定灰度值分布图;
根据所述灰度值分布图确定天空区域候选点;所述天空区域候选点为灰度值最大的像素点;
计算所述天空区域候选点和所述天空区域候选点的相邻像素点之间的像素差值,根据所述像素差值与预设差值的大小关系,确定第二天空区域掩膜;
将所述第一天空区域掩膜和所述第二天空区域掩膜的融合结果作为所述天空区域掩膜。
7.根据权利要求5或6所述的方法,其特征在于,所述对所述天空全景图像进行去雾处理,得到去雾后的天空全景图像,包括:
根据所述暗通道图像和所述天空区域掩膜,确定大气透射率;所述大气透射率所满足的关系式包含所述暗通道图像和所述天空区域掩膜的最小值函数;
根据所述天空全景图像中各像素点的RGB值和所述暗通道图像,确定大气光值;所述大气光值所满足的关系式包含所述各像素点的RGB值和所述暗通道图像的最大值函数;
根据包含所述大气透射率和所述大气光值的比值的关系式,得到去雾后的天空全景图像。
8.根据权利要求1所述的方法,其特征在于,所述对所述多张天空云图进行图像拼接处理,得到天空全景图像,包括:
根据所述拍摄设备的拍摄参数,将所述多张天空云图分别映射为球面图像;
基于每个球面图像中各像素点的值,确定所述天空全景图像中各像素点的值,得到所述天空全景图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述方法的步骤。
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1-8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010402326.2A CN111598777A (zh) | 2020-05-13 | 2020-05-13 | 天空云图的处理方法、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010402326.2A CN111598777A (zh) | 2020-05-13 | 2020-05-13 | 天空云图的处理方法、计算机设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598777A true CN111598777A (zh) | 2020-08-28 |
Family
ID=72188653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010402326.2A Pending CN111598777A (zh) | 2020-05-13 | 2020-05-13 | 天空云图的处理方法、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598777A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233020A (zh) * | 2020-11-09 | 2021-01-15 | 珠海大横琴科技发展有限公司 | 无人机图像拼接方法、装置、计算机设备及存储介质 |
CN112907445A (zh) * | 2021-02-08 | 2021-06-04 | 杭州海康威视数字技术股份有限公司 | 天空云图的拼接方法、装置及设备 |
CN112907447A (zh) * | 2021-02-08 | 2021-06-04 | 杭州海康威视数字技术股份有限公司 | 天空云图的拼接及用于确定多摄像机安装位置的方法 |
CN113870439A (zh) * | 2021-09-29 | 2021-12-31 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
WO2023193648A1 (zh) * | 2022-04-08 | 2023-10-12 | 影石创新科技股份有限公司 | 一种图像处理方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009017332A1 (en) * | 2007-07-29 | 2009-02-05 | Nanophotonics Co., Ltd. | Methods of obtaining panoramic images using rotationally symmetric wide-angle lenses and devices thereof |
CN101895693A (zh) * | 2010-06-07 | 2010-11-24 | 北京高森明晨信息科技有限公司 | 生成全景图像的方法及装置 |
CN103188433A (zh) * | 2011-12-30 | 2013-07-03 | 株式会社日立制作所 | 图像除雾装置和图像除雾方法 |
CN103914813A (zh) * | 2014-04-10 | 2014-07-09 | 西安电子科技大学 | 彩色雾霾图像去雾与光照补偿的复原方法 |
JP2017138647A (ja) * | 2016-02-01 | 2017-08-10 | 三菱電機株式会社 | 画像処理装置、画像処理方法、映像撮影装置、映像記録再生装置、プログラム及び記録媒体 |
CN110458815A (zh) * | 2019-08-01 | 2019-11-15 | 北京百度网讯科技有限公司 | 有雾场景检测的方法及装置 |
-
2020
- 2020-05-13 CN CN202010402326.2A patent/CN111598777A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009017332A1 (en) * | 2007-07-29 | 2009-02-05 | Nanophotonics Co., Ltd. | Methods of obtaining panoramic images using rotationally symmetric wide-angle lenses and devices thereof |
CN101895693A (zh) * | 2010-06-07 | 2010-11-24 | 北京高森明晨信息科技有限公司 | 生成全景图像的方法及装置 |
CN103188433A (zh) * | 2011-12-30 | 2013-07-03 | 株式会社日立制作所 | 图像除雾装置和图像除雾方法 |
CN103914813A (zh) * | 2014-04-10 | 2014-07-09 | 西安电子科技大学 | 彩色雾霾图像去雾与光照补偿的复原方法 |
JP2017138647A (ja) * | 2016-02-01 | 2017-08-10 | 三菱電機株式会社 | 画像処理装置、画像処理方法、映像撮影装置、映像記録再生装置、プログラム及び記録媒体 |
CN110458815A (zh) * | 2019-08-01 | 2019-11-15 | 北京百度网讯科技有限公司 | 有雾场景检测的方法及装置 |
Non-Patent Citations (5)
Title |
---|
KAIMING HE等: "Single image haze removal using dark channel prior", pages 1956 - 1963 * |
常戬;刘旺;白佳弘;: "基于图像融合技术的Retinex图像增强算法", vol. 40, no. 09, pages 1624 - 1635 * |
杨德明等: "区域分割优化的暗通道先验去雾算法", vol. 45, no. 4, pages 1 * |
杨达;王孝通;徐冠雷;战勇强;: "一种基于图像分割和图像拼接技术的全天空云量估计方法", vol. 4, no. 08, pages 15 - 21 * |
陈青青等: "地图投影面上的全天空图像拼接", vol. 35, no. 8, pages 1 - 4 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233020A (zh) * | 2020-11-09 | 2021-01-15 | 珠海大横琴科技发展有限公司 | 无人机图像拼接方法、装置、计算机设备及存储介质 |
CN112907445A (zh) * | 2021-02-08 | 2021-06-04 | 杭州海康威视数字技术股份有限公司 | 天空云图的拼接方法、装置及设备 |
CN112907447A (zh) * | 2021-02-08 | 2021-06-04 | 杭州海康威视数字技术股份有限公司 | 天空云图的拼接及用于确定多摄像机安装位置的方法 |
CN113870439A (zh) * | 2021-09-29 | 2021-12-31 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
WO2023193648A1 (zh) * | 2022-04-08 | 2023-10-12 | 影石创新科技股份有限公司 | 一种图像处理方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111052176B (zh) | 无缝图像拼接 | |
CN111598777A (zh) | 天空云图的处理方法、计算机设备和可读存储介质 | |
CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
CN109242961B (zh) | 一种脸部建模方法、装置、电子设备和计算机可读介质 | |
US9454796B2 (en) | Aligning ground based images and aerial imagery | |
US10762655B1 (en) | Disparity estimation using sparsely-distributed phase detection pixels | |
CN108833785B (zh) | 多视角图像的融合方法、装置、计算机设备和存储介质 | |
US8818101B1 (en) | Apparatus and method for feature matching in distorted images | |
CN109474780B (zh) | 一种用于图像处理的方法和装置 | |
US8374428B2 (en) | Color balancing for partially overlapping images | |
CN109698944B (zh) | 投影区域校正方法、投影设备及计算机可读存储介质 | |
JP2007531094A (ja) | カメラ写真から得られる画像から原データを抽出する方法 | |
CN111563552A (zh) | 图像融合方法以及相关设备、装置 | |
WO2018102990A1 (en) | System and method for rectifying a wide-angle image | |
CN111866523B (zh) | 全景视频合成方法、装置、电子设备和计算机存储介质 | |
WO2022160857A1 (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
KR101324250B1 (ko) | 영상 처리를 통한 광축 오차 보상 방법 및 시스템, 광축 오차 보상 기능이 구현된 줌 카메라 | |
US20180114291A1 (en) | Image processing method and device as well as non-transitory computer-readable medium | |
US10460487B2 (en) | Automatic image synthesis method | |
CN111383254A (zh) | 一种深度信息获取方法、***及终端设备 | |
KR101868740B1 (ko) | 파노라마 이미지 생성 방법 및 장치 | |
US10868993B2 (en) | Method controlling image sensor parameters | |
WO2016034709A1 (en) | Depth map based perspective correction in digital photos | |
CN113506305A (zh) | 三维点云数据的图像增强方法、语义分割方法及装置 | |
CN117152218A (zh) | 图像配准方法、装置、计算机设备和可读存储介质 |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240419 |
|
AD01 | Patent right deemed abandoned |