CN114066794A - 图像处理方法、装置及设备、存储介质 - Google Patents
图像处理方法、装置及设备、存储介质 Download PDFInfo
- Publication number
- CN114066794A CN114066794A CN202111376677.1A CN202111376677A CN114066794A CN 114066794 A CN114066794 A CN 114066794A CN 202111376677 A CN202111376677 A CN 202111376677A CN 114066794 A CN114066794 A CN 114066794A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- enhanced
- local
- target local
- 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 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 212
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 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
-
- 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供一种图像处理方法、装置及设备、计算机存储介质,所述方法包括:获取待处理图像;对所述待处理图像进行对比度增强处理,得到全局增强图像;确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像;将所述局部增强图像和所述全局增强图像进行融合,使所述局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像。
Description
技术领域
本申请涉及图像处理技术领域,尤其是涉及一种图像处理方法、装置及设备、计算机可读存储介质。
背景技术
目前,红外成像技术因其抗干扰能力强且能够全天候工作等特征,从最初的军事领域应用,逐渐扩展到医疗诊断、农作物监测、森林防火预警、矿物资源勘测等民用领域。在这些具体应用中,图像质量的好坏对红外技术能否起到作用至关重要。
然而,红外探测器容易受到大气辐射以及噪声的影响,因此其探测到的红外图像通常存在对比度低等缺点,视觉效果不佳,无法直接运用在高精度成像领域。为了改善红外图像的视觉效果,使红外图像更加清晰,有必要对红外图像的对比度进行增强,以提高它的信噪比,而目前的图像增强算法通常是对整个场景图像进行处理,而针对图像中关注的局部目标仍然可能因为占比较小而无法清晰地呈现。
发明内容
为解决现有存在的技术问题,本申请提供一种能够保持全局的图像对比度的情况下、有效凸显局部的图像处理方法、装置及设备、以及计算机可读存储介质。
为达到上述目的,本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种图像处理方法,应用于图像处理设备,包括:
获取待处理图像;
对所述待处理图像进行对比度增强处理,得到全局增强图像;
确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像;
将所述局部增强图像和所述全局增强图像进行融合,使所述局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像。
第二方面,本申请实施例提供一种图像处理装置,包括:
获取模块,用于获取待处理图像;
第一增强处理模块,用于对所述待处理图像进行对比度增强处理,得到全局增强图像;
第二增强处理模块,确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像;
融合模块,用于将所述局部增强图像和所述全局增强图像进行融合,使所述局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像。
第三方面,本申请实施例提供一种图像处理设备,包括处理器、与所述处理器连接的存储器及存储在所述存储器上并可被所述处理器执行的计算机程序,所述计算机程序被所述处理器执行时实现本申请应用于终端设备侧的任一实施例所述的图像处理方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被所述处理器执行时实现如本申请任一实施例所述的图像处理方法。
上述实施例中,图像处理设备获取待处理图像,对所述待处理图像进行对比度增强处理,得到全局增强图像,确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像,将所述局部增强图像和所述全局增强图像进行融合,使所述局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像,通过对待处理图像以及待处理图像中目标所在局部区域分别做增强,如此,既可以保持全局的图像对比度,而且能够提升目标区域的细节与对比度,通过对待处理图像中目标所在局部区域做额外增强后再与全局增强图像进行融合,避免局部增强产生的块状效应,且可以让目标凸显,确保针对图像中关注的局部目标更加清晰地呈现,更便于人眼观察和识别。
上述实施例中,计算机可读存储介质与对应的图像处理方法实施例属于同一构思,从而分别与对应的图像处理方法实施例具有相同的技术效果,在此不再赘述。
附图说明
图1为一实施例中图像处理方法的应用场景示意图;
图2为另一实施例中图像处理方法的应用场景示意图;
图3为又一实施例中图像处理方法的应用场景示意图;
图4为一实施例中图像处理方法的流程图;
图5为一实施例中高斯模糊处理的原理示意图;
图6为一实施例中待处理图像及其对应的局部增强全局图像的对比示意图;
图7为一可选的具体示例中图像处理方法的流程图;
图8为图7所示图像处理方法的逻辑示意图;
图9为另一实施例中待处理图像及其对应的局部增强全局图像的对比示意图;
图10为一实施例中图像处理装置的示意图;
图11为一实施例中图像处理设备的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本申请技术方案做进一步的详细阐述。
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”的表述,其描述了所有可能实施例的子集,需要说明的是,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一、第二、第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一、第二、第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
请参阅图1,为本申请实施例提供的图像处理方法的一可选应用场景的示意图,其中,图像处理设备11包括处理器12、与所述处理器12连接的存储器13和红外拍摄模块14。所述图像处理设备11通过所述红外拍摄模块14实时采集红外图像发送给处理器12,所述存储器13内存储有实施本申请实施例所提供的图像处理方法的计算机程序,处理器12通过执行所述计算机程序,对所述红外图像进行处理,得到所述红外图像的局部增强全局图像。其中,所述图像处理设备11可以是集成有红外拍摄模块14、且具备存储和处理功能的各类智能终端,如红外探测器、医疗终端设备、智能家居设备、安防摄像设备等。
请参阅图2,为图像处理方法的另一可选应用场景的示意图,图像处理***包括图像处理设备21和与所述图像处理设备21通信连接的红外拍摄模块22。所述图像处理设备21包括处理器211及与所述处理器211连接的存储器213。所述红外拍摄模块22实时采集红外图像发送给所述图像处理设备21,图像处理设备21的存储器213内存储有实施本申请实施例所提供的图像处理方法的计算机程序,所述处理器211通过执行所述计算机程序,对所述红外图像进行处理,得到所述红外图像的局部增强全局图像。其中,所述图像处理设备21可以是具备通信和存储功能的各类智能设备,例如:智能手机、台式电脑、笔记本电脑、平板电脑或其他具有网络连接功能的智能通信设备。
请参阅图3,为图像处理方法的又一可选应用场景的示意图,图像处理***包括终端设备31、云端32、网关33及图像处理设备34。所述终端设备31是指具备通信和存储功能的设备,例如:智能手机、台式电脑、笔记本电脑或其他具有网络连接功能的智能通信设备。云端32可以包括一个或多个物理服务器,如网络接入服务器、数据库服务器、云服务器等。可选的,网关33可以为基于网络通信协议搭建的网关设备,图像处理设备34可以通过网关33接入网络,并受控于终端设备31,终端设备31安装可以对图像处理设备34进行管理的客户端,所述客户端可以是应用程序客户端(如手机APP),也可以是网页客户端,如小程序、微信公众号等,在此不作限定。用户可以通过操作客户端对图像处理设备34进行控制,终端设备31通过客户端接收用户输入的对图像处理设备34的控制指令,与云端32进行通信,由云端32通过网关33将用户输入的控制指令转发给对应的图像处理设备34,实现对图像处理设备34的远程智能控制。终端设备31也可以通过客户端接收用户输入的对图像处理设备34的工作参数配置信息,如,对图像处理设备34对图像进行增强处理中参数阈值进行配置或者修改,图像处理设备34根据这些工作参数配置信息确定自身当前所处工作模式。例如:终端设备可以实时采集红外图像或将本地存储的红外图像发送给所述图像处理设备、或图像处理设备可以从网关或云端获取下发的红外图像,图像处理设备通过执行所述计算机程序对所述红外图像进行处理,得到所述红外图像的局部增强全局图像。
请参阅图4,为本申请一实施例提供的图像处理方法,可以应用于图1至图3所示应用场景中的任一图像处理设备。其中,图像处理方法包括如下步骤:
S101,获取待处理图像。
待处理图像是指需要进行图像增强处理的图像,所述待处理图像可以是可见光图像,也可以是红外图像。可选的,图像处理设备包括图像拍摄模块,所述获取待处理图像包括:图像处理设备通过图像拍摄模块实时采集目标场景的图像。在另一些可选的实施例中,图像处理设备不包括图像拍摄模块,所述获取待处理图像包括:图像处理设备获取具备图像拍摄功能的其它智能设备发送的图像,这里,其它智能设备可以是红外探测器、手机终端、云端等。
S103,对所述待处理图像进行对比度增强处理,得到全局增强图像。
对待处理图像进行对比度增强处理可以是采用已知的对比度增强算法对待处理图像进行处理,如灰度变换法、直方图调整法等。图像处理设备对待处理图像进行对比度增强处理,得到增强处理后的全局增强图像。
S105,确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像。
目标局部图像是指按照预设规则所确定的待处理图像中其中一部分区域的图像,如,目标局部图像可以包括如下几种情况中的至少一种:待处理图像中目标对象所在区域的图像、待处理图像中预设坐标的位置对应的图像、待处理图像中包含有预设标记的位置对应的图像。待处理图像中目标对象所在区域的图像,其中目标对象可以是想要凸显的图像内容,可以是一个或多个预设类别的对象,如人、车辆、围栏等,图像处理设备通过检测目标对象在待处理图像中的位置,根据所述目标对象的位置确定目标局部图像。待处理图像中预设坐标的位置对应的图像,其中预设坐标可以是预先设定的一个坐标点,以所述预先设定的坐标点为参考位置按照设定规则进行扩展所确定的图像区域,如以预先设定的坐标点为中心以指定长度为半径所确定的图像区域;或者,预设坐标也可以是预先设定的多个坐标点,以所述多个坐标点为顶点所确定的几何图形所覆盖的图像区域。待处理图像中包含有预设标记的位置对应的图像,其中预设标记可以是用户手动对图像中想要凸显的部位进行圈定的标记。
对目标局部图像进行对比度增强处理可以是采用已知的对比度增强算法对目标局部图像进行处理,如灰度变换法、直方图调整法等。图像处理设备对目标局部图像进行对比度增强处理,得到增强处理后的局部增强图像。
S107,将所述局部增强图像和所述全局增强图像进行融合,使所述局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像。
图像融合(Image Fusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理技术,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率,利于监测。图像处理设备通过将局部增强图像和全局增强图像进行融合,使局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像。
上述实施例中,图像处理设备通过对待处理图像以及待处理图像中目标所在局部区域分别做增强,如此,既可以保持全局的图像对比度,而且能够提升目标区域的细节与对比度,通过对待处理图像中目标所在局部区域做额外增强后再与全局增强图像进行融合,将局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像,可以避免直接基于待凸显部位的增强显示效果对所述待处理图像进行增强而产生块状效应,且可以让目标更好地凸显,确保针对图像中关注的局部目标更加清晰地呈现,更便于人眼观察和识别。
在一些实施例中,所述对所述待处理图像进行对比度增强处理,得到全局增强图像,包括:
对所述待处理图像进行模糊处理得到第一模糊图像,根据所述第一模糊图像和所述待处理图像的图像差值确定所述待处理图像对应的第一细节图;
基于所述第一细节图进行对比度增强处理,得到全局增强图像。
其中,图像处理设备对待处理图像进行处理,得到所述待处理图像对应的第一细节图,基于所述第一细节图进行对比度增强处理得到所述待处理图像的全局增强图像,可以提高图像的重要细节信息,增加图像中重要细节信息对应的图像特征的动态范围,使得图像特征更加容易被检测和识别。图像处理设备对所述待处理图像进行模糊处理,可以是采用已知的图像模糊算法,比如:方框模糊(Box Blur)、Kawase模糊(Kawase Blur)、双重模糊(Dual Blur)、散景模糊(Bokeh Blur)、移轴模糊(Tilt Shift Blur)、光圈模糊(IrisBlur)、粒状模糊(Grainy Blur)、径向模糊(Radial Blur)、方向模糊(Directional Blur)等对所述待处理图像进行模糊处理,得到对待处理图像模糊处理后的第一模糊图像。
上述实施例中,图像处理设备通过对待处理图像进行处理获得其对应的第一细节图,基于所述待处理图像的第一细节图再进行对比度增强处理,可以提高图像重要细节信息的辨识度,增加图像中重要细节信息的图像特征的动态范围,使得增强处理后的图像可以更加适用于特定应用中对图像高质量的需求。
可选的,所述对所述待处理图像进行模糊处理得到第一模糊图像,根据所述第一模糊图像和所述待处理图像的图像差值确定所述待处理图像对应的第一细节图,包括:
对所述待处理图像进行高斯模糊得到第一模糊图像;
根据所述待处理图像的像素值与所述第一模糊图像的像素值之差,确定所述待处理图像对应的第一细节图。
本实施例中,对所述待处理图像进行模糊处理采用高斯模糊(Gaussian Blur)算法,将所述待处理图像中每一像素点的值采用周边像素的平均值进行替代,请参阅图5,为对所述待处理图像进行高斯模糊处理确定各个像素点的值的示意图,如(a)所示,以某一像素点作为中心点,该中心点的坐标为(0,0),距离该中心点最近的周边像素点的坐标分别为(-1,1)、(0,1)、(1,1)、(-1,0)、(1,0)、(-1,-1)、(0,-1)、(1,-1),将中心点作为原点,其它点按照其在正态曲线上的位置,计算权重值σ,根据权重值计算加权平均值,从而确定各点对应的权重矩阵,如(b)所示;将各点灰度值相应与对应的权重值相乘后相加,从而得到中心点的高斯模糊的值,如(c)所示。图像处理设备对所述待处理图像中所有像素点按照上述方式进行计算,得到对所述待处理图像进行高斯模糊后的第一模糊图像,再根据所述待处理图像的各个像素点的值与所述第一模糊图像中对应像素点的值之差,得到所述待处理图像对应的第一细节图。
上述实施例中,图像处理设备根据所述待处理图像的像素值与其对应的高斯模糊图像的像素值之差,确定所述待处理图像对应的第一细节图,可以减小图像噪声,更好地提高图像重要细节信息的辨识度。
可选的,所述基于所述第一细节图进行对比度增强处理,得到全局增强图像,包括:
根据所述待处理图像的像素值与所述第一模糊图像的像素值之差,确定第一像素值差值的绝对值;
将所述第一像素值差值的所述绝对值与所述待处理图像的像素值进行累加,得到所述待处理图像对应的第一细节直方图;
基于所述第一细节直方图进行对比度增强处理,得到全局增强图像。
待处理图像的像素值可以是指待处理图像的原图各像素点的灰度值,第一模糊图像的像素值相应也可以是指第一模糊图像的各像素点的灰度值,将待处理图像的像素值表示为img,将第一模糊图像的像素值表示为gsimg,将第一像素值差值表示为detail,则第一像素值差值detail=img-gsimg,图像处理设备按照第一像素值差值的绝对值和待处理图像的像素值进行累加,确定所述待处理图像对应的第一细节直方图。
上述实施例中,确定待处理图像的第一细节图之后,根据第一细节图的像素值以绝对值进行累加确定第一细节直方图,通过提供确定待处理图像的第一细节图以及第一细节直方图的可选具体方案,通过基于第一细节直方图来进行对比度增强处理,可以更好地提升图像重要细节信息的辨识度,提高增强处理后的图像质量。
在一些实施例中,所述基于所述第一细节直方图进行对比度增强处理,得到全局增强图像,包括:
采用双平台直方图均衡算法对所述第一细节直方图的灰度密度和灰度间距进行均衡处理,得到均衡处理后的所述第一细节直方图;
采用灰度变换函数对均衡处理后的所述第一细节直方图进行映射,得到全局增强图像。
双平台直方图均衡算法是通过在直方图的灰度密度和灰度间距2个方向同时进行均衡化处理。直方图灰度密度均衡处理,可以明显地改善原始图像的对比度;在直方图密度均衡的基础上再进行灰度间距的均衡处理,首先对密度均衡处理后灰度级数目Le进行统计,对灰度级数目Le的统计实际上是对灰度范围内不为零的灰度级进行累加计算,从而获得有效的实际度级数,然后对这些有效灰度级进行重新排序,在整个灰度范围内作等间距排列。在一个可选的具体示例中,采用双平台直方图均衡算法对所述第一细节直方图的灰度密度和灰度间距进行均衡处理,确定均衡处理后的所述第一细节直方图,可以通过以下公式进行处理:
其中,TH是高平台值,TL是低平台值,当灰度值大于thre时,取值低平台值,当灰度值大于高平台值时,取值高平台值。
灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法,灰度变换函数可以是线性变换、分段线性变换、非线性变换等算法。
上述实施例中,图像处理设备采用双平台直方图均衡算法对第一细节直方图进行均衡处理,分别设置单点的最大累加上限值和下限值,对得到的所述第一细节直方图进行高低平台限制,如此,对图像的背景和噪声可以进行适当抑制,可以获得更好的均衡性。
在一些实施例中,所述对所述待处理图像进行对比度增强处理,得到全局增强图像之前,包括:
对所述待处理图像进行时域去噪和空域去噪,得到去噪后的所述待处理图像。
其中,时域去噪可选择FIR滤波算法,空域去噪可选择NL-means滤波算法。图像处理设备通过采用FIR滤波算法对待处理图像进行时域去噪,可以提高图像滤波处理的稳定性,减小计算误差;通过采用NL-means滤波算法对待处理图像进行空域去噪,可以减小计算量。
在一些实施例中,所述获取待处理图像,包括:
获取红外拍摄模块输出的经模数转换量化后的14bit红外图像;
所述对所述待处理图像进行对比度增强处理,得到全局增强图像之前,还包括:
对去噪后的所述14bit红外图像进行宽动态映射,得到8bit红外图像作为所述待处理图像。
其中,待处理图像为红外拍摄模块采集输出的红外图像。图像处理设备通过获取红外拍摄模块输出的经模数转换量化后的14bit红外图像,对14bit红外图像进行去噪处理后,对去噪后的14bit红外图像进行宽动态映射,得到8bit红外图像作为所述待处理图像,通过对14bit红外图像映射将其映射到8bit灰度空间,使得映射处理后的图像可在显示屏上显示。
上述实施例中,图像处理设备在对所述待处理图像进行对比度增强处理之前,对所述待处理图像进行去噪,并对去噪后的图像进行宽动态映射,使其映射到适合在显示屏上显示的8bit红外图像,从而后续分别对待处理图像和目标局部图像分别进行增强处理后再进行融合得到的局部增强全局图像可显示于显示屏上,满足可视化要求,便于更直观了解图像处理效果。
在一些实施例中,所述确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像,包括:
确定所述待处理图像的目标局部图像;
对所述目标局部图像进行模糊处理得到第二模糊图像,根据所述第二模糊图像和所述目标局部图像的图像差值确定所述目标局部图像对应的第二细节图;
基于所述第二细节图进行对比度增强处理,得到局部增强图像。
图像处理设备确定待处理图像的目标局部图像,对目标局部图像做额外增强处理。其中,图像处理设备对目标局部图像进行对比度增强处理的流程与图像处理设备对待处理图像进行对比度增强处理的流程可以相同,其不同在于参数阈值的取值不同;需要说明的是,在一些可选的实施例中,图像处理设备对目标局部图像进行对比度增强处理的实现方式也可以与前述实施例中图像处理设备对待处理图像进行对比度增强处理的流程不同,比如可采用已知的基于像素的直接调整等对比度增强处理方式实现。本申请实施例中,图像处理设备对目标局部图像进行模糊处理,也可以是采用已知的图像模糊算法,比如:方框模糊(Box Blur)、Kawase模糊(Kawase Blur)、双重模糊(Dual Blur)、散景模糊(BokehBlur)、移轴模糊(Tilt Shift Blur)、光圈模糊(Iris Blur)、粒状模糊(Grainy Blur)、径向模糊(Radial Blur)、方向模糊(Directional Blur)等对所述目标局部图像进行模糊处理,得到对目标局部图像模糊处理后的第二模糊图像。图像处理设备对目标局部图像进行模糊处理,根据模糊处理后的图像与原始图像的图像差值确定第二细节图,基于所述第二细节图进行对比度增强处理得到目标局部图像的增强图像,可以凸出目标局部图像中的重要细节信息,增加图像中重要细节信息对应的图像特征的动态范围,使得图像特征更加容易被检测和识别。
在一些实施例中,所述确定所述待处理图像的目标局部图像,包括:
对所述待处理图像中目标对象进行识别,根据所述目标对象的位置确定目标局部图像;和/或,
基于设定的图像坐标确定所述待处理图像的目标局部图像;和/或,
根据所述待处理图像中预设的图像标记,确定所述待处理图像的目标局部图像。
图像处理设备确定待处理图像中的目标局部图像的方式包括多种:通过识别待处理图像中目标对象,根据目标对象的位置确定目标局部图像;基于设定的图像坐标确定所述待处理图像的目标局部图像;根据所述待处理图像中预设的图像标记,确定所述待处理图像的目标局部图像。在具体实施时,可由用户选定其中一种方式,或者可由图像处理设备按照设定的优先级顺序选定其中一种方式待处理图像中的目标局部图像。
其中,图像处理设备识别待处理图像中目标对象可以是,通过图像识别模型提取待处理图像中的图像特征,基于图像特征确定所述待处理图像中包含的目标对象类型及其对应位置。图像处理设备基于设定的图像坐标确定目标局部图像可以是,以设定的图像坐标为中心且以设定长度为半径划定的图像区域作为目标局部图像。图像处理设备根据所述待处理图像中预设的图像标记确定目标局部图像可以是,识别待处理图像中的图像标记,根据图像标记对应覆盖的图像区域作为目标局部图像。请参阅图6,为一可选的具体示例中,基于设定的图像坐标确定所述待处理图像的目标局部图像,对所述待处理图像和目标局部图像分别进行对比度加强处理后再进行融合得到的局部增强全局图像的效果示意图。
上述实施例中,图像处理设备可以采用一种或多种方式确定待处理图像的目标局部图像,对目标局部图像进行额外增强处理,将局部增强处理后的图像替代其在全局图像部分,可提升目标区域的细节对比度。
在一些实施例中,所述对所述目标局部图像进行模糊处理得到第二模糊图像,根据所述第二模糊图像和所述目标局部图像的图像差值确定所述目标局部图像对应的第二细节图,包括:
对所述目标局部图像进行高斯模糊得到第二模糊图像;
根据所述目标局部图像的像素值与所述第二模糊图像的像素值之差,确定所述目标局部图像对应的第二细节图。
本实施例中,对所述目标局部图像进行模糊处理采用高斯模糊(Gaussian Blur)算法,对所述目标局部图像进行高斯模糊得到第二模糊图像、以及根据所述目标局部图像的像素值与所述第二模糊图像的像素值之差,确定所述标局部图像对应的第二细节图的具体实现过程与图像处理设备对待处理图像进行高斯模糊得到第一模糊图像、根据所述待处理图像的像素值与所述第一模糊图像的像素值之差,确定所述待处理图像对应的第一细节图的具体实现过程相同,在此不再赘述。
上述实施例中,图像处理设备根据所述目标局部图像的像素值与其对应的高斯模糊图像的像素值之差,确定所述目标局部图像对应的第二细节图,可以减小图像噪声,更好地提高图像中待凸显部位图像中重要细节信息的辨识度。
可选的,所述基于所述第二细节图进行对比度增强处理,得到局部增强图像,包括:
根据所述目标局部图像的像素值与所述第二模糊图像的像素值之差,确定第二像素值差值的绝对值;
将所述第二像素值差值的所述绝对值与所述目标局部图像的像素值进行累加,得到所述目标局部图像对应的第二细节直方图;
基于所述第二细节直方图进行对比度增强处理,得到局部增强图像。
目标局部图像的像素值可以是指待处理图像原图中目标局部图像所在部位各像素点的灰度值,第二模糊图像的像素值相应也可以是指第二模糊图像的各像素点的灰度值,将目标局部图像的像素值表示为G-img,将第二模糊图像的像素值表示为G-gsimg,将第二像素值差值表示为G-detail,则第二像素值差值G-detail=G-img-G-gsimg,图像处理设备按照第二像素值差值的绝对值和目标局部图像的像素值进行累加,确定所述目标局部图像对应的第二细节直方图。
上述实施例中,确定目标局部图像的第二细节图之后,根据第二细节图的像素值以绝对值进行累加确定目标局部图像对应的第二细节直方图,本发明实施例提供了确定目标局部图像的第二细节图以及第二细节直方图的具体实现方案,通过基于目标局部图像的第二细节直方图来进行对比度增强处理,可以更好地提升待凸显目标部位中图像重要细节信息的辨识度,提高增强处理后的图像质量。
可选的,所述基于所述第二细节直方图进行对比度增强处理,得到局部增强图像,包括:
采用双平台直方图均衡算法对所述第二细节直方图的灰度密度和灰度间距进行均衡处理,得到均衡处理后的所述第二细节直方图;
采用灰度变换函数对均衡处理后的所述第二细节直方图进行映射,得到局部增强图像。
双平台直方图均衡算法是通过在直方图的灰度密度和灰度间距2个方向同时进行均衡化处理。图像处理设备通过对目标局部图像的第二细节直方图首先进行直方图灰度密度均衡处理,以改善原始目标局部图像的对比度;然后在第二细节直方图密度均衡的基础上再进行灰度间距的均衡处理,首先对密度均衡处理后灰度级数目Le进行统计,对灰度级数目Le的统计实际上是对灰度范围内不为零的灰度级进行累加计算,从而获得有效的实际度级数,然后对这些有效灰度级进行重新排序,在整个灰度范围内作等间距排列,以避免局部亮度过高。在一个可选的具体示例中,采用双平台直方图均衡算法对所述局部目标图像的第二细节直方图的灰度密度和灰度间距进行均衡处理的方式,与图像处理设备采用双平台直方图均衡算法对所述待处理图像的第一细节直方图的灰度密度和灰度间距进行均衡处理的方式相同,其不同在于,可以根据目标局部图像中待凸显部位在目标局部图像中的占比,增加高平台值,可以进一步提高目标局部图像的对比度、且避免过度拉伸的问题。
上述实施例中,图像处理设备采用双平台直方图均衡算法对所述目标局部图像的第二细节直方图进行均衡处理,分别设置单点的最大累加上限值和下限值,对得到的第二细节直方图进行高低平台限制,且可以根据待凸显部位的图像占比相对于对待处理图像的处理可选用不同的参数阈值,如此,通过对目标局部图像进行额外的、独立的增强处理,可以避免引起图像整体的过度拉伸的情况下,提高待凸显部位所在区域的细节和对比度。
为了能够对本申请实施例提供的图像处理方法具有更加整体的理解,请结合参阅图7至图9,以待处理图像为红外图像为例,对所述图像处理方法进行说明。
S11,获取红外图像,对所述红外图像进行去噪处理;其中,去噪处理包括时域去噪和空域去噪,时域去噪选择FIR滤波器,可具有更高的稳定性和更小的计算误差,空域去噪选择优化后的NL-means算法,可以减小计算量,使得图像处理算法可基于FPGA实现;
S12,对去噪后的红外图像进行宽动态映射;红外图像为14bit数据,通过宽动态映射将其映射到8bit以使其可在显示屏上进行显示;
S13,对宽动态的红外图像进行高斯模糊得到第一模糊图像,根据所述红外图像原图和所述第一模糊图像的像素值之差得到所述红外图像的第一细节图,基于所述第一细节图采用双平台直方图均衡算法进行重新映射,得到增强后的全局图像;采用细节图进行对比度增强处理,可使得细节丰富的灰度值占比更大,更容易凸显细节;
S14,确定所述红外图像中待凸显部位所在区域的局部图像;
S15,对所述局部图像进行高斯模糊得到第二模糊图像,根据所述局部图像原图和所述第二模糊图像的像素值之差得到所述局部图像的第二细节图,基于所述第二细节图采用双平台直方图均衡算法进行重新映射,得到增强后的局部图像;其中,对局部图像进行对比度增强所采用的双平台直方图均衡算法中,高平台值和低平台值的取值不同于对红外图像进行对比度增强中高平台值和低平台值的取值,可使得待凸显部位的细节更加清晰可辨,且避免对红外图像的整图过度拉伸;
S16,将增强后的局部图像和增强后的全局图像进行融合,将全局图像的对应位置替换成增强后的局部图像;如此,使得目标存在的部位可以更清晰地展现在图像中,全局图像不被拉伸的同时,目标更容易得到凸显;其次,直接将局部增强后的图像替换其在全局图像中的相应部分,得到的融合图像中目标细节更加丰富,对比度也更好。
上述实施例中提供的图像处理方法,至少具备如下特点:
第一、对红外图像整图和待凸显目标所在区域的局部图像分别进行对比度增强处理,通过对目标所在区域做额外的、独立的增强,可以避免局部增强算法所导致的块状效果;
第二、保持全局的图像对比度,提升目标区域的细节与对比度的同时,可以避免对图像整体的过度拉伸,影响图像效果;
第三、通过增强后的全局图像和局部图像融合,可以让待凸显目标的区域独立显示,更便于人眼观察与识别目标。
请参阅图10,本申请另一方面,提供一种图像处理装置,在示例性实施例中,该图像处理装置可以采用红外探测器实施。该图像处理装置包括:获取模块1121,用于获取待处理图像;第一增强处理模块1122,用于对所述待处理图像进行对比度增强处理,得到全局增强图像;第二增强处理模块1123,确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像;融合模块1124,用于将所述局部增强图像和所述全局增强图像进行融合,使所述局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像。
其中,所述第一增强处理模块1122,具体用于对所述待处理图像进行模糊处理得到第一模糊图像,根据所述第一模糊图像和所述待处理图像的图像差值确定所述待处理图像对应的第一细节图;基于所述第一细节图进行对比度增强处理,得到全局增强图像。
其中,所述第一增强处理模块1122,还用于对所述待处理图像进行高斯模糊得到第一模糊图像;根据所述待处理图像的像素值与所述第一模糊图像的像素值之差,确定所述待处理图像对应的第一细节图。
其中,所述第一增强处理模块1122,还用于根据所述待处理图像的像素值与所述第一模糊图像的像素值之差,确定第一像素值差值的绝对值;将所述第一像素值差值的所述绝对值与所述待处理图像的像素值进行累加,得到所述待处理图像对应的第一细节直方图。
其中,所述第一增强处理模块1122,还用于采用双平台直方图均衡算法对所述第一细节直方图的灰度密度和灰度间距进行均衡处理,得到均衡处理后的所述第一细节直方图;采用灰度变换函数对均衡处理后的所述第一细节直方图进行映射,得到全局增强图像。
其中,所述图像处理装置还包括预处理模块,用于对所述待处理图像进行时域去噪和空域去噪,得到去噪后的所述待处理图像。
其中,所述预处理模块,还用于获取红外拍摄模块输出的经模数转换量化后的14bit红外图像;对去噪后的所述14bit红外图像进行宽动态映射得到8bit红外图像作为所述待处理图像。
其中,所述第二增强处理模块1123,具体用于确定所述待处理图像的目标局部图像;对所述目标局部图像进行模糊处理得到第二模糊图像,根据所述第二模糊图像和所述目标局部图像的图像差值确定所述目标局部图像对应的第二细节图;基于所述第二细节图进行对比度增强处理,得到局部增强图像。
其中,所述第二增强处理模块1123,还用于对所述待处理图像中目标对象进行识别,根据所述目标对象的位置确定目标局部图像;和/或,基于设定的图像坐标确定所述待处理图像的目标局部图像;和/或,根据所述待处理图像中预设的图像标记,确定所述待处理图像的目标局部图像。
其中,所述第二增强处理模块1123,还用于对所述目标局部图像进行高斯模糊得到第二模糊图像;根据所述目标局部图像的像素值与所述第二模糊图像的像素值之差,确定所述标局部图像对应的第二细节图。
其中,所述第二增强处理模块1123,还用于根据所述目标局部图像的像素值与所述第二模糊图像的像素值之差,确定第二像素值差值的绝对值;将所述第二像素值差值的所述绝对值与所述目标局部图像的像素值进行累加,得到所述目标局部图像对应的第二细节直方图。
其中,所述第二增强处理模块1123,还用于采用双平台直方图均衡算法对所述第二细节直方图的灰度密度和灰度间距进行均衡处理,得到均衡处理后的所述第二细节直方图;采用灰度变换函数对均衡处理后的所述第二细节直方图进行映射,得到局部增强图像。
需要说明的是:上述实施例提供的图像处理装置在实现图像局部增强处理过程中,仅以上述各程序模块的划分进行举例说明,在实际应用中,可以根据需要而将上述处理分配由不同的程序模块完成,即可将装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分方法步骤。另外,上述实施例提供的图像处理装置与图像处理方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请另一方面提供一种图像处理设备,请参阅图11,为本申请实施例提供的图像处理设备的一个可选的硬件结构示意图,所述图像处理设备包括处理器111、与所述处理器111连接的存储器112,存储器112内用于存储各种类别的数据以支持图像处理装置的操作,且存储有用于实现本申请任一实施例提供的图像处理方法的计算机程序,所述计算机程序被所述处理器执行时,实现本申请任一实施例提供的图像处理方法的步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
可选的,所述图像处理设备还包括与所述处理器111连接的红外拍摄模块113,所述红外拍摄模块113用于拍摄红外图像作为待处理图像发送给所述处理器111。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(RandomAccessMemory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围之内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种图像处理方法,应用于图像处理设备,其特征在于,包括:
获取待处理图像;
对所述待处理图像进行对比度增强处理,得到全局增强图像;
确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像;
将所述局部增强图像和所述全局增强图像进行融合,使所述局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像。
2.如权利要求1所述图像处理方法,其特征在于,所述对所述待处理图像进行对比度增强处理,得到全局增强图像,包括:
对所述待处理图像进行模糊处理得到第一模糊图像,根据所述第一模糊图像和所述待处理图像的图像差值确定所述待处理图像对应的第一细节图;
基于所述第一细节图进行对比度增强处理,得到全局增强图像;和/或,
所述确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像,包括:
确定所述待处理图像的目标局部图像;
对所述目标局部图像进行模糊处理得到第二模糊图像,根据所述第二模糊图像和所述目标局部图像的图像差值确定所述目标局部图像对应的第二细节图;
基于所述第二细节图进行对比度增强处理,得到局部增强图像。
3.如权利要求2所述的图像处理方法,其特征在于,所述对所述待处理图像进行模糊处理得到第一模糊图像,根据所述第一模糊图像和所述待处理图像的图像差值确定所述待处理图像对应的第一细节图,包括:
对所述待处理图像进行高斯模糊得到第一模糊图像;
根据所述待处理图像的像素值与所述第一模糊图像的像素值之差,确定所述待处理图像对应的第一细节图;或,
所述对所述目标局部图像进行模糊处理得到第二模糊图像,根据所述第二模糊图像和所述目标局部图像的图像差值确定所述目标局部图像对应的第二细节图,包括:
对所述目标局部图像进行高斯模糊得到第二模糊图像;
根据所述目标局部图像的像素值与所述第二模糊图像的像素值之差,确定所述目标局部图像对应的第二细节图。
4.如权利要求2所述的图像处理方法,其特征在于,所述基于所述第一细节图进行对比度增强处理,得到全局增强图像,包括:
根据所述待处理图像的像素值与所述第一模糊图像的像素值之差,确定第一像素值差值的绝对值;
将所述第一像素值差值的所述绝对值与所述待处理图像的像素值进行累加,得到所述待处理图像对应的第一细节直方图;
基于所述第一细节直方图进行对比度增强处理,得到全局增强图像;或,
所述基于所述第二细节图进行对比度增强处理,得到局部增强图像,包括:
根据所述目标局部图像的像素值与所述第二模糊图像的像素值之差,确定第二像素值差值的绝对值;
将所述第二像素值差值的所述绝对值与所述目标局部图像的像素值进行累加,得到所述目标局部图像对应的第二细节直方图;
基于所述第二细节直方图进行对比度增强处理,得到局部增强图像。
5.如权利要求4所述的图像处理方法,其特征在于,所述基于所述第一细节直方图进行对比度增强处理,得到全局增强图像,包括:
采用双平台直方图均衡算法对所述第一细节直方图的灰度密度和灰度间距进行均衡处理,得到均衡处理后的所述第一细节直方图;
采用灰度变换函数对均衡处理后的所述第一细节直方图进行映射,得到全局增强图像;或,
所述基于所述第二细节直方图进行对比度增强处理,得到局部增强图像,包括:
采用双平台直方图均衡算法对所述第二细节直方图的灰度密度和灰度间距进行均衡处理,得到均衡处理后的所述第二细节直方图;
采用灰度变换函数对均衡处理后的所述第二细节直方图进行映射,得到局部增强图像。
6.如权利要求1所述的图像处理方法,其特征在于,所述对所述待处理图像进行对比度增强处理,得到全局增强图像之前,包括:
对所述待处理图像进行时域去噪和空域去噪,得到去噪后的所述待处理图像。
7.如权利要求6所述的图像处理方法,其特征在于,所述获取待处理图像,包括:
获取红外拍摄模块输出的经模数转换量化后的14bit红外图像;
所述对所述待处理图像进行对比度增强处理,得到全局增强图像之前,还包括:
对去噪后的所述14bit红外图像进行宽动态映射,得到8bit红外图像作为所述待处理图像。
8.如权利要求1所述的图像处理方法,其特征在于,所述确定所述待处理图像的目标局部图像,包括:
对所述待处理图像中目标对象进行识别,根据所述目标对象的位置确定目标局部图像;和/或,
基于设定的图像坐标确定所述待处理图像的目标局部图像;和/或,
根据所述待处理图像中预设的图像标记,确定所述待处理图像的目标局部图像。
9.一种图像处理装置,其特征在于,包括:
获取模块,用于获取待处理图像;
第一增强处理模块,用于对所述待处理图像进行对比度增强处理,得到全局增强图像;
第二增强处理模块,确定所述待处理图像的目标局部图像,对所述目标局部图像进行对比度增强处理,得到局部增强图像;
融合模块,用于将所述局部增强图像和所述全局增强图像进行融合,使所述局部增强图像替代所述全局增强图像中所述目标局部图像的位置,得到所述待处理图像的局部增强全局图像。
10.一种图像处理设备,其特征在于,包括处理器、与所述处理器连接的存储器及存储在所述存储器上并可被所述处理器执行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的图像处理方法。
11.一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上存储有计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111376677.1A CN114066794A (zh) | 2021-11-19 | 2021-11-19 | 图像处理方法、装置及设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111376677.1A CN114066794A (zh) | 2021-11-19 | 2021-11-19 | 图像处理方法、装置及设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114066794A true CN114066794A (zh) | 2022-02-18 |
Family
ID=80278613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111376677.1A Pending CN114066794A (zh) | 2021-11-19 | 2021-11-19 | 图像处理方法、装置及设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066794A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314801A (zh) * | 2023-09-27 | 2023-12-29 | 南京邮电大学 | 基于人工智能的模糊图像优化增强方法 |
-
2021
- 2021-11-19 CN CN202111376677.1A patent/CN114066794A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314801A (zh) * | 2023-09-27 | 2023-12-29 | 南京邮电大学 | 基于人工智能的模糊图像优化增强方法 |
CN117314801B (zh) * | 2023-09-27 | 2024-05-31 | 南京邮电大学 | 基于人工智能的模糊图像优化增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780392B (zh) | 一种图像融合方法及装置 | |
US10762649B2 (en) | Methods and systems for providing selective disparity refinement | |
CN110675385B (zh) | 一种图像处理方法、装置、计算机设备以及存储介质 | |
WO2016139260A9 (en) | Method and system for real-time noise removal and image enhancement of high-dynamic range images | |
CN111614867B (zh) | 一种视频去噪方法、装置、移动终端和存储介质 | |
CN108710837A (zh) | 吸烟行为识别方法、装置、计算机设备和存储介质 | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN106412448A (zh) | 一种基于单帧图像的宽动态范围处理方法与*** | |
CN113962859B (zh) | 一种全景图生成方法、装置、设备及介质 | |
CN113538223B (zh) | 噪声图像生成方法、装置、电子设备及存储介质 | |
CN111444555A (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN111539895B (zh) | 一种视频去噪方法、装置、移动终端和存储介质 | |
US10521918B2 (en) | Method and device for filtering texture, using patch shift | |
JPWO2015146111A1 (ja) | 検知装置、検知方法、及びコンピュータプログラム | |
CN114066794A (zh) | 图像处理方法、装置及设备、存储介质 | |
CN114372931A (zh) | 一种目标对象虚化方法、装置、存储介质及电子设备 | |
CN112598610B (zh) | 一种深度图像获得方法、装置、电子设备及存储介质 | |
CN116862812A (zh) | 红外图像处理方法、装置、计算机设备、存储介质及产品 | |
CN115294035B (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN116543022A (zh) | 气体红外图像处理方法、气体检漏仪及存储介质 | |
WO2021189460A1 (zh) | 图像处理方法、装置及可移动平台 | |
CN113469889B (zh) | 一种图像降噪的方法及装置 | |
CN112446910B (zh) | 一种深度图像获得方法、装置、电子设备及存储介质 | |
CN117315438B (zh) | 基于兴趣点的图像色彩美学评估方法、装置及设备 | |
CN113643219B (zh) | 一种基于三光融合的图像成像方法及装置 |
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 |