[go: up one dir, main page]

CN109214996B - 一种图像处理方法及装置 - Google Patents

一种图像处理方法及装置 Download PDF

Info

Publication number
CN109214996B
CN109214996B CN201810994081.XA CN201810994081A CN109214996B CN 109214996 B CN109214996 B CN 109214996B CN 201810994081 A CN201810994081 A CN 201810994081A CN 109214996 B CN109214996 B CN 109214996B
Authority
CN
China
Prior art keywords
image
gray
pixel
value
background
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
CN201810994081.XA
Other languages
English (en)
Other versions
CN109214996A (zh
Inventor
刘均
秦文礼
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.)
Shenzhen Launch Technology Co Ltd
Original Assignee
Shenzhen Launch 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 Shenzhen Launch Technology Co Ltd filed Critical Shenzhen Launch Technology Co Ltd
Priority to CN201810994081.XA priority Critical patent/CN109214996B/zh
Publication of CN109214996A publication Critical patent/CN109214996A/zh
Application granted granted Critical
Publication of CN109214996B publication Critical patent/CN109214996B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • 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
    • G06T2207/20172—Image enhancement details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种图像处理方法以及装置，用于快速分割出图像中的前景图像和背景图像。本申请实施例方法包括：获取原始图像，判断所述原始图像是否为单通道图像；若否，将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像。

Description

一种图像处理方法及装置
技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像处理方法及装置。
背景技术
随着计算机技术的发展，越来越多的信息以数字图像的形式进行传播，而在计算机图像处理中，前景分割和提取是一个基础操作，所谓前景分割指的是让计算机从一副图片中判断出哪个是前景物体，哪个是背景物体，并从从分割出感兴趣的前景关键物体。
在自然场景中，图像背景复杂、分辨率低，且图像多样化，分布随意，而在传统的图像识别中，主要面向高质量的文档图像，需要先对图像去噪、增加、畸变矫正、缩放等对图像进行预处理，在符合要求的情况下能够达到很高的识别水平。因为良好的图像预处理过程，是影响后期图像前景识别的关键步骤。
而传统的图像预处理过程，受光照及图像阴影影响较大，无法快速实现快速对图像的预处理，以分割出图像中的前景图和背景图。
发明内容
本申请实施例提供了一种图像处理方法及装置，用于快速对图像进行高频滤波，且对高频滤波后的图像再次进行卡尔曼滤波，以快速分割出当前图像中的前景图像和背景图像。
本申请实施例第一方面提供了一种图像处理方法，包括：
获取原始图像，判断所述原始图像是否为单通道图像；
若否，将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；
计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像。
优选的，所述根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像，包括：
对所述灰度图像的背景灰度进行估计，以得到所述灰度图像的背景特征灰度值；
在所述灰度图像中，选取以G(i,j)为中心，m*n为大小的区域，对所述区域中每个像素的灰度值运用
Figure GDA0003226906670000021
进行高频滤波，以得到所述区域的第一灰度图像；
根据以下公式(1)和公式(2)计算灰度图像中每个像素的灰度预测值：
Figure GDA0003226906670000022
w1+w2+w3＝1； (2)
若G(i-1,j-1)、G(i-1,j-1)或G(i,j-1)中的任一像素超出B的边界，则令超出所述边界的像素值为所述背景特征灰度值；
根据公式(3)对所述每个像素的灰度预测值进行修正：
Figure GDA0003226906670000023
0＜λ＜1；
Figure GDA0003226906670000024
为滤波算子(3)
以得到模板图像中的每个像素的灰度值。
优选的，所述计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像，包括：
根据公式(4)计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数：
Figure GDA0003226906670000025
Figure GDA0003226906670000026
为滤波算子(4)
根据公式(5)确定当前像素为前景图像或背景图像，ε为视觉感知灰度阈值：
Figure GDA0003226906670000031
Figure GDA0003226906670000032
为滤波算子(5)
若所述距离范数大于所述ε，则将当前像素定义为前景图像，若所述距离范数不大于所述ε，则将当前像素定义为背景图像。
优选的，对所述灰度图像的背景灰度进行估计的算法包括：
背景灰度众数法、背景灰度均值法和背景灰度拟合高斯分布均值法中的一种或多种。
优选的，所述对所述灰度图像中每个像素的灰度值进行高频滤波的方法包括：
对所述灰度图像中每个像素的灰度值进行均值滤波、高斯滤波或高斯-拉普拉斯滤波。
优选的，所述方法还包括：
对所述前景图像进行输出显示。
本申请实施例还提供了一种图像处理装置，包括：
获取单元，用于获取原始图像，判断所述原始图像是否为单通道图像；
转换单元，用于在所述原始图像不为单通道图像时，将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
高频滤波单元，用于对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
卡尔曼滤波单元，用于根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；
确定单元，用于计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像。
优选的，所述卡尔曼滤波单元，包括：
背景灰度估计模块，用于对所述灰度图像的背景灰度进行估计，以得到所述灰度图像的背景特征灰度值；
高频滤波模块，用于在所述灰度图像中，选取以G(i,j)为中心，m*n为大小的区域，对所述区域中每个像素的灰度值运用
Figure GDA0003226906670000033
进行高频滤波，以得到所述区域的第一灰度图像；
灰度预测模块，用于根据以下公式(1)和公式(2)计算灰度图像中每个像素的灰度预测值：
Figure GDA0003226906670000041
w1+w2+w3＝1； (2)
若G(i-1,j-1)、G(i-1,j-1)或G(i,j-1)中的任一像素超出B的边界，则令超出所述边界的像素值为所述背景特征灰度值；
修正模块，用于根据公式(3)对所述每个像素的灰度预测值进行修正：
Figure GDA0003226906670000042
0＜λ＜1；
Figure GDA0003226906670000043
为滤波算子(3)
以得到模板图像中的每个像素的灰度值。
优选的，所述确定单元，包括：
计算模块，用于根据公式(4)计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数：
Figure GDA0003226906670000044
Figure GDA0003226906670000045
为滤波算子(4)
确定模块，用于根据公式(5)确定当前像素为前景图像或背景图像，ε为视觉感知灰度阈值：
Figure GDA0003226906670000046
Figure GDA0003226906670000047
为滤波算子(5)
若所述距离范数大于所述ε，则将当前像素定义为前景图像，若所述距离范数不大于所述ε，则将当前像素定义为背景图像。
优选的，所述背景灰度估计模块中对所述灰度图像的背景灰度进行估计的算法包括：
背景灰度众数法、背景灰度均值法和背景灰度拟合高斯分布均值法中的一种或多种。
优选的，所述高频滤波单元中对所述灰度图像中每个像素的灰度值进行高频滤波的方法包括：
对所述灰度图像中每个像素的灰度值进行均值滤波、高斯滤波或高斯-拉普拉斯滤波。
优选的，所述图像处理装置还包括输出模块，用于对所述前景图像进行输出显示。
本申请实施例还提供了一种可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，用于实现本申请第一方面提供的图像处理方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例中，先获取原始图像，将原始图像转换为灰度图像，对灰度图像执行高频滤波，生成第一灰度图像，然后根据灰度图像和第一灰度图像，对灰度图像执行卡尔曼滤波，生成模板图像，然后根据模板图像和灰度图像，计算对应像素点的灰度值差值的距离范数，并在该距离范数大于预设阈值时，将该像素点定义为前景图像，而在该距离范围不大于预设阈值时，将该像素点定义为背景图像，从而简化了前景图像的分割过程，且该图像处理方法具有很高的抗光照和抗阴影的特点。
附图说明
图1为本申请实施例中一种图像处理方法的一个实施例示意图；
图2为图1所述实施例中步骤104的细化步骤；
图3为图1所述实施例中步骤105的细化步骤；
图4为本申请实施例中一种图像处理方法的另一个实施例示意图；
图5为本申请实施例中一种图像处理装置的一个实施例示意图；
图6为本申请实施例中一种图像处理装置的另一个实施例示意。
具体实施方式
本申请实施例提供了一种图像处理方法及装置，用于快速对图像进行高频滤波，且对高频滤波后的图像再次进行卡尔曼滤波，以快速分割出当前图像中的前景图像和背景图像。
为了使本技术领域的人员更好地理解本申请方案，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的实施例，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，都应当属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为方便理解，下面对本申请实施例中的图像处理方法进行描述，请参阅图1，本申请实施例中图像处理方法的一个实施例，包括：
101、获取原始图像，判断所述原始图像是否为单通道图像，若否，则执行步骤102，若是则执行步骤103；
在对图像处理前，首先需要获取被处理的原始图像，本申请中的原始图像可以从摄像机、计算机、照相机或其他图像存储设备中进行读取，且原始图像可以为jpeg、flashpix、Tiff、gif或mpeg中的任一种，此处不做具体限制。
获取到原始图像后，判断该原始图像是否为单通道图像，即灰度图像，若该原始图像本身为单通道图像(灰度图像)，则直接对该原始图像执行步骤103，若该原始图像本身为彩色图像，即非单通道图像，则对该原始图像执行步骤102。
102、将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
若原始图像为非单通道图像时，则按照以下公式对原始图像进行处理，将原始图像转换为单通道图像：
G(i,j)＝0.299·rA(i,j)+0.587·gA(i,j)+0.114·bA(i,j)
其中，A(i，j)为原始图像中的像素点，而rA(i,j),gA(i,j)和bA(i，j)分别为原始图像A的r通道，g通道和b通道，G(i，j)为单通道图像，即灰度图像中的像素点。
103、对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
得到原始图像的灰度图像后，对灰度图像中的每个像素点G(i,j)进行高频滤波，以得到滤波后的第一灰度图像。
在实际图像采集、传输及处理图像的过程中往往会存在一定程序的噪声干扰，该噪声恶化了图像的质量，使得图像模糊，淹没了特征，给图片分析带来了困难，而高频滤波，是一通图像平滑技术，可以消除图像采集、传输及处理过程中的噪声。
具体的，可以通过多种方法对灰度图像执行高频滤波，以消除图像中的噪声，如高斯滤波、均值滤波、高斯-拉普拉斯滤波等，在实际应用中可以选取大小为m*n，而不同类型的模板类型
Figure GDA0003226906670000071
对灰度图像进行滤波，其中
Figure GDA0003226906670000072
可以为高斯算子，均值算子或高斯-拉普拉斯算子。
下面以m*n为3*3的均值算子为例，对灰度图像的滤波过程进行说明：
假设滤波模板如表1所述：
Figure GDA0003226906670000073
表1
其中，均值滤波是对目标像素给一个模板，该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身)，再用模板中的全体像素的平均值来代替原来像素值。
则均值滤波后的目标像素值如表2所示：
Figure GDA0003226906670000074
Figure GDA0003226906670000081
根据均值滤波的定义可知，目标像素的均值像素为：
(5+3+6+2+1+9+8+4+7)/9＝45/9＝5
而高斯滤波和高斯拉普拉斯滤波的过程，在现有技术中已有具体描述，此处不再赘述。
104、根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；
在对灰度图像进行高频滤波，得到第一灰度图像后，再根据灰度图像和第一灰度图像对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到灰度图像的模板图像。
具体的，卡尔曼滤波是先根据最优化算法对灰度图像中每个像素点的像素值进行估计，然后利用实际测量的像素值对估计值进行修正，以得到更接近真实值的像素值，而对于本实施例中具体的卡尔曼滤波的过程在下面的实施例中进行详细描述，此处不再赘述。
105、计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像。
步骤104中得到模板图像后，进一步计算模板图像中每个像素的灰度值与第一灰度图像(即高频滤波后的灰度图像)中对应像素的灰度值差值的距离范数，若得到的距离范数大于预设阈值，则将当前像素定义为前景像素，否则，将当前像素定义为背景像素。
具体的，对于步骤105的实现过程，在下面的实施例中详细描述。
本申请实施例中，先获取原始图像，将原始图像转换为灰度图像，对灰度图像执行高频滤波，生成第一灰度图像，然后根据灰度图像和第一灰度图像，对灰度图像执行卡尔曼滤波，生成模板图像，然后根据模板图像和灰度图像，计算对应像素点的灰度值差值的距离范数，并在该距离范数大于预设阈值时，将该像素点定义为前景图像，而在该距离范围不大于预设阈值时，将该像素点定义为背景图像，从而简化了前景图像的分割过程，且该图像处理方法具有很高的抗光照和抗阴影的特点。
基于图1所述的实施例，下面详细描述图1的步骤104，请参阅图2，图2为图1中步骤104的细化步骤：
1041、对灰度图像的背景灰度进行估计，以得到所述灰度图像的背景特征灰度值；
在步骤102中得到灰度图像后，对该灰度图像的背景灰度进行估计，具体的估计算法可以是灰度图像众数，均值，或者拟合高斯分布的均值等，此处不做具体限制。
对灰度图像采用上述方法执行背景灰度估计后，可以得到灰度图像的背景特征灰度值K。
1042、在灰度图像中，选取以G(i,j)为中心，m*n为大小的区域，对所述区域中每个像素的灰度值运用
Figure GDA0003226906670000091
进行高频滤波，以得到第一灰度图像；
该步骤类似于步骤103，即是步骤103的一个具体实现方式，在灰度图像G中，选取以G(i,j)为中心，m*n为大小的区域，对该区域中的每个像素的灰度值运用高频滤波算法进行滤波，以得到该区域的第一灰度图像。
1043、根据公式(1)和公式(2)，计算灰度图像中每个像素的灰度预测值，且当G(i-1,j-1)、G(i-1,j)或G(i,j-1)中的任一像素超出B的边界，则令超出所述边界的像素值为所述背景特征灰度值；
Figure GDA0003226906670000092
w1+w2+w3＝1； (2)
具体的，公式(1)和公式(2)，为对灰度图像中每个像素的灰度值进行预测的过程，其中公式(1)为根据目标像素点左上角的三个像素点的像素值对目标像素点像素值的预测过程，
如
Figure GDA0003226906670000093
而G(0,0),G(0,1),G(1,0),都超出了G的边界，故令G(0,0),G(0,1),G(1,0),都为灰度图像的背景灰度特征值，即步骤1041中的k，则
Figure GDA0003226906670000094
而对于其他位置点的像素值，则采用类似的递推方法进行计算，此处不再赘述。
1044、根据公式(3)对灰度预测值进行修正，以得到模板图像中每个像素的灰度值。
Figure GDA0003226906670000101
0＜λ＜1,
Figure GDA0003226906670000102
为滤波算子(3)
步骤1043中，得到了对灰度图像中每个像素的预测值
Figure GDA0003226906670000103
后，进一步根据高频滤波后测量到的像素值对预测值进行修正，使得修正后的像素值G(i,j)更接近于真实值，且修正后的像素灰度值G(i,j)即为模板图像中每个像素的灰度值。
本申请实施例，详细描述了如何根据灰度图像和第一灰度图像，对灰度图像进行卡尔曼滤波，以得到模板图像的过程，提高了本申请的可实施性。
基于图1所述的实施例，下面详细描述图1所述实施例中的步骤105，请参阅图3，图3为图1中步骤105的细化步骤：
1051、根据公式(4)计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数：
Figure GDA0003226906670000104
Figure GDA0003226906670000105
为滤波算子(4)
得到模板图像中每个像素的灰度值后，进一步根据公式(4)计算模板图像中每个像素的灰度值与第一灰度图像中对应像素灰度值的差值的距离范数，其中G(i,j)为模板图像中每个像素的灰度值，
Figure GDA0003226906670000106
为第一灰度图像中每个像素的灰度值，而C(i,j)为模板图像中每个像素的灰度值与第一灰度图像中对应像素灰度值差值的距离范数。
需要说明的是，本实施例中的范数可以是L1范数、L2范数、L-∞范数，可以根据实际需求，进行自定义，此处不做具体限制。
1052、根据公式(5)确定当前像素为前景图像或背景图像，ε为视觉感知灰度阈值：
Figure GDA0003226906670000107
Figure GDA0003226906670000108
为滤波算子(5)
若所述距离范数大于所述ε，则将当前像素定义为前景图像，若所述距离范数不大于所述ε，则将当前像素定义为背景图像。
具体的图像处理过程中，得到模板图像中每个像素的灰度值与第一灰度图像中对应像素的灰度值差值的距离范数C(i,j)后，将该距离范数与视觉感知灰度阈值ε进行对比，若该距离范数大于ε，则说明当前像素的反差明显，即为前景图像，若该距离范数不大于ε，则说明当前像素反差不明显，即为背景图像。
本申请实施例，详细描述了灰度图像中前景图像和背景图像的分割过程，提高了本申请的可实施性。
下面结合图1、图2及图3所述的实施例，详细描述本申请图像处理的方法，请参阅图4，本申请中图像处理方法的另一个实施例，包括：
401、获取原始图像，判断所述原始图像是否为单通道图像，若否，则执行步骤402，若是则执行步骤403；
402、将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
403、对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
404、对灰度图像的背景灰度进行估计，以得到所述灰度图像的背景特征灰度值；
405、在灰度图像中，选取以G(i,j)为中心，m*n为大小的区域，对所述区域中每个像素的灰度值运用
Figure GDA0003226906670000111
进行高频滤波，以得到所述区域的第一灰度图像；
406、根据公式(1)和公式(2)，计算灰度图像中每个像素的灰度预测值，且当G(i-1,j-1)、G(i-1,j-1)或G(i,j-1)中的任一像素超出B的边界，则令超出所述边界的像素值为所述背景特征灰度值；
Figure GDA0003226906670000112
w1+w2+w3＝1； (2)
407、根据公式(3)对像素预测值进行修正，以得到模板图像中每个像素的灰度值；
Figure GDA0003226906670000113
0＜λ＜1,
Figure GDA0003226906670000114
为滤波算子(3)
408、根据公式(4)计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数：
Figure GDA0003226906670000121
Figure GDA0003226906670000122
为滤波算子(4)
409、根据公式(5)确定当前像素为前景图像或背景图像，ε为视觉感知灰度阈值：
Figure GDA0003226906670000123
Figure GDA0003226906670000124
为滤波算子(5)
若所述距离范数大于所述ε，则将当前像素定义为前景图像，若所述距离范数不大于所述ε，则将当前像素定义为背景图像。
需要说明的是，本实施例中的步骤401至409与图1、图2及图3所述实施例中的步骤类似，此处不再赘述。
410、对前景图像进行输出显示。
在步骤409中分割出灰度图像中的前景图像后，可以进一步对前景图像位置点的灰度值进行显示，以得到灰度图像中的前景图像，还可以进一步对背景图像位置点的灰度值进行显示，以得到灰度图像中的背景图像。
本申请实施例中，先获取原始图像，将原始图像转换为灰度图像，对灰度图像执行高频滤波，生成第一灰度图像，然后根据灰度图像和第一灰度图像，对灰度图像执行卡尔曼滤波，生成模板图像，然后根据模板图像和灰度图像，计算对应像素点的灰度值差值的距离范数，并在该距离范数大于预设阈值时，将该像素点定义为前景图像，而在该距离范围不大于预设阈值时，将该像素点定义为背景图像，从而简化了前景图像的分割过程，且该图像处理方法具有很高的抗光照和抗阴影的特点。
其次，本申请实施例详细描述了如何根据灰度图像和第一灰度图像，对灰度图像进行卡尔曼滤波，以得到模板图像的过程，还详细描述了根据模板图像对灰度图像中前景图像和背景图像的分割过程，提高了本申请的可实施性。
上面描述了本申请实施例中的图像处理方法，下面对本申请实施例中的图像处理装置进行描述，请参阅图5，本申请实施例中图像处理装置的一个实施例，包括：
获取单元501，用于获取原始图像，判断所述原始图像是否为单通道图像；
转换单元502，用于在所述原始图像不为单通道图像时，将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
高频滤波单元503，用于对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
卡尔曼滤波单元504，用于根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；
确定单元505，用于计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像。
需要说明的是，本申请实施例中各单元的作用与图1所述实施例中的描述类似，此处不再赘述。
本申请实施例中，通过获取单元501获取原始图像，并判断原始图像是否为单通道图像，通过转换单元502将原始图像转换为灰度图像，通过高频滤波单元503对灰度图像执行高频滤波，生成第一灰度图像，然后根据灰度图像和第一灰度图像，对灰度图像执行卡尔曼滤波，生成模板图像，然后根据模板图像和灰度图像，计算对应像素点的灰度值差值的距离范数，并在该距离范数大于预设阈值时，将该像素点定义为前景图像，而在该距离范围不大于预设阈值时，将该像素点定义为背景图像，从而简化了前景图像的分割过程，且该图像处理方法具有很高的抗光照和抗阴影的特点。
基于图5所述的实施例，下面详细描述本申请实施例中的图像处理装置，请参阅图6，本申请实施例中图像处理装置的另一个实施例，包括：
获取单元601，用于获取原始图像，判断所述原始图像是否为单通道图像；
转换单元602，用于在所述原始图像不为单通道图像时，将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
高频滤波单元603，用于对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
卡尔曼滤波单元604，用于根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；
确定单元605，用于计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像。
优选的，所述卡尔曼滤波单元604，包括：
背景灰度估计模块6041，用于对所述灰度图像的背景灰度进行估计，以得到所述灰度图像的背景特征灰度值；
高频滤波模块6042，用于在所述灰度图像中，选取以G(i,j)为中心，m*n为大小的区域，对所述区域中每个像素的灰度值运用
Figure GDA0003226906670000141
进行高频滤波，以得到所述区域的第一灰度图像；
灰度值预测模块6043，用于根据以下公式(1)和公式(2)计算灰度图像中每个像素的灰度预测值：
Figure GDA0003226906670000142
w1+w2+w3＝1； (2)
若G(i-1,j-1)、G(i-1,j-1)或G(i,j-1)中的任一像素超出B的边界，则令超出所述边界的像素值为所述背景特征灰度值；
修正模块6044，用于根据公式(3)对所述每个像素的灰度预测值进行修正：
Figure GDA0003226906670000143
0＜λ＜1；
Figure GDA0003226906670000144
为滤波算子(3)
以得到模板图像中的每个像素的灰度值。
优选的，所述确定单元605，包括：
计算模块6051，用于根据公式(4)计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数：
Figure GDA0003226906670000145
Figure GDA0003226906670000146
为滤波算子(4)
确定模块6052，用于根据公式(5)确定当前像素为前景图像或背景图像，ε为视觉感知灰度阈值：
Figure GDA0003226906670000151
Figure GDA0003226906670000152
为滤波算子(5)
若所述距离范数大于所述ε，则将当前像素定义为前景图像，若所述距离范数不大于所述ε，则将当前像素定义为背景图像。
需要说明的是，本申请实施例中各单元及各模块的作用与图4所述实施例中的描述类似，此处不再赘述。
本申请实施例中，通过获取单元601获取原始图像，并判断原始图像是否为单通道图像，通过转换单元602将原始图像转换为灰度图像，通过高频滤波单元603对灰度图像执行高频滤波，生成第一灰度图像，然后根据灰度图像和第一灰度图像，对灰度图像执行卡尔曼滤波，生成模板图像，然后根据模板图像和灰度图像，计算对应像素点的灰度值差值的距离范数，并在该距离范数大于预设阈值时，将该像素点定义为前景图像，而在该距离范围不大于预设阈值时，将该像素点定义为背景图像，从而简化了前景图像的分割过程，且该图像处理方法具有很高的抗光照和抗阴影的特点。
其次，本申请实施例详细描述了如何根据卡尔曼滤波单元604对灰度图像进行卡尔曼滤波，以得到模板图像的过程，还详细描述了根据确定单元605对灰度图像中前景图像和背景图像的分割过程，提高了本申请的可实施性。
上面从模块化功能实体的角度对本申请实施例中的图像处理装置进行了描述，下面从硬件处理的角度对本申请实施例中的图像处理装置进行描述：
本申请实施例中图像处理装置一个实施例包括：
处理器以及存储器；
存储器用于存储计算机程序，处理器用于执行存储器中存储的计算机程序时，可以实现如下步骤：
获取原始图像，判断所述原始图像是否为单通道图像；
若否，将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；
计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像。
在本申请的一些实施例中，处理器，还可以用于实现如下步骤：
对所述灰度图像的背景灰度进行估计，以得到所述灰度图像的背景特征灰度值；
在所述灰度图像中，选取以G(i,j)为中心，m*n为大小的区域，对所述区域中每个像素的灰度值运用
Figure GDA0003226906670000161
进行高频滤波，以得到所述区域的第一灰度图像；
根据以下公式(1)和公式(2)计算灰度图像中每个像素的灰度预测值：
Figure GDA0003226906670000162
w1+w2+w3＝1； (2)
若G(i-1,j-1)、G(i-1,j-1)或G(i,j-1)中的任一像素超出B的边界，则令超出所述边界的像素值为所述背景特征灰度值；
根据公式(3)对所述每个像素的灰度预测值进行修正：
Figure GDA0003226906670000163
0＜λ＜1；
Figure GDA0003226906670000164
为滤波算子(3)
以得到模板图像中的每个像素的灰度值。
在本申请的一些实施例中，处理器，还可以用于实现如下步骤：
根据公式(4)计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数：
Figure GDA0003226906670000165
Figure GDA0003226906670000166
为滤波算子(4)
根据公式(5)确定当前像素为前景图像或背景图像，ε为视觉感知灰度阈值：
Figure GDA0003226906670000167
Figure GDA0003226906670000168
为滤波算子(5)
若所述距离范数大于所述ε，则将当前像素定义为前景图像，若所述距离范数不大于所述ε，则将当前像素定义为背景图像。
在本申请的一些实施例中，处理器，还可以用于实现如下步骤：
对所述前景图像进行输出显示。
可以理解的是，上述说明的图像处理装置中的处理器执行所述计算机程序时，也可以实现上述对应的各装置实施例中各单元的功能，此处不再赘述。示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述图像处理装置中的执行过程。例如，所述计算机程序可以被分割成上述图像处理装置中的各单元，各单元可以实现如上述相应图像处理装置说明的具体功能。
所述计算机装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机装置可包括但不仅限于处理器、存储器。本领域技术人员可以理解，处理器、存储器仅仅是计算机装置的示例，并不构成对计算机装置的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质用于实现图像处理装置的功能，其上存储有计算机程序，计算机程序被处理器执行时，处理器，可以用于执行如下步骤：
获取原始图像，判断所述原始图像是否为单通道图像；
若否，将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；
计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像。
在本申请的一些实施例中，计算机可读存储介质存储的计算机程序被处理器执行时，处理器，可以具体用于执行如下步骤：
对所述灰度图像的背景灰度进行估计，以得到所述灰度图像的背景特征灰度值；
在所述灰度图像中，选取以G(i,j)为中心，m*n为大小的区域，对所述区域中每个像素的灰度值运用
Figure GDA0003226906670000181
进行高频滤波，以得到所述区域的第一灰度图像；
根据以下公式(1)和公式(2)计算灰度图像中每个像素的灰度预测值：
Figure GDA0003226906670000182
w1+w2+w3＝1； (2)
若G(i-1,j-1)、G(i-1,j-1)或G(i,j-1)中的任一像素超出B的边界，则令超出所述边界的像素值为所述背景特征灰度值；
根据公式(3)对所述每个像素的灰度预测值进行修正：
Figure GDA0003226906670000191
0＜λ＜1；
Figure GDA0003226906670000192
为滤波算子(3)
以得到模板图像中的每个像素的灰度值。
在本申请的一些实施例中，计算机可读存储介质存储的计算机程序被处理器执行时，处理器，可以具体用于执行如下步骤：
根据公式(4)计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数：
Figure GDA0003226906670000193
Figure GDA0003226906670000194
为滤波算子(4)
根据公式(5)确定当前像素为前景图像或背景图像，ε为视觉感知灰度阈值：
Figure GDA0003226906670000195
Figure GDA0003226906670000196
为滤波算子(5)
若所述距离范数大于所述ε，则将当前像素定义为前景图像，若所述距离范数不大于所述ε，则将当前像素定义为背景图像。
在本申请的一些实施例中，计算机可读存储介质存储的计算机程序被处理器执行时，处理器，可以具体用于执行如下步骤：
对所述前景图像进行输出显示。
可以理解的是，所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在相应的一个计算机可读取存储介质中。基于这样的理解，本申请实现上述相应的实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (8)

1.一种图像处理方法，其特征在于，包括：
获取原始图像，判断所述原始图像是否为单通道图像；
若否，将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；
计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像；
所述根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像，包括：
对所述灰度图像的背景灰度进行估计，以得到所述灰度图像的背景特征灰度值；
在所述灰度图像中，选取以G(i,j)为中心，m*n为大小的区域，对所述区域中每个像素的灰度值运用
Figure FDA0003226906660000011
进行高频滤波，以得到所述区域的第一灰度图像；
根据以下公式(1)和公式(2)计算灰度图像中每个像素的灰度预测值：
Figure FDA0003226906660000012
w1+w2+w3＝1； (2)
若G(i-1,j-1)、G(i-1,j-1)或G(i,j-1)中的任一像素超出G的边界，则令超出所述边界的像素值为所述背景特征灰度值；
根据公式(3)对所述每个像素的灰度预测值进行修正：
Figure FDA0003226906660000013
以得到模板图像中的每个像素的灰度值。
2.根据权利要求1所述的方法，其特征在于，所述计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像，包括：
根据公式(4)计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数：
Figure FDA0003226906660000021
根据公式(5)确定当前像素为前景图像或背景图像，ε为视觉感知灰度阈值：
Figure FDA0003226906660000022
若所述距离范数大于所述ε，则将当前像素定义为前景图像，若所述距离范数不大于所述ε，则将当前像素定义为背景图像。
3.根据权利要求1所述的方法，其特征在于，对所述灰度图像的背景灰度进行估计的算法包括：
背景灰度众数法、背景灰度均值法和背景灰度拟合高斯分布均值法中的一种或多种。
4.根据权利要求1所述的方法，其特征在于，所述对所述灰度图像中每个像素的灰度值进行高频滤波的方法包括：
对所述灰度图像中每个像素的灰度值进行均值滤波、高斯滤波或高斯-拉普拉斯滤波。
5.一种图像处理装置，其特征在于，包括：
获取单元，用于获取原始图像，判断所述原始图像是否为单通道图像；
转换单元，用于在所述原始图像不为单通道图像时，将所述原始图像转换为单通道图像，以得到所述原始图像的灰度图像；
高频滤波单元，用于对所述灰度图像中每个像素的灰度值进行高频滤波，以得到第一灰度图像；
卡尔曼滤波单元，用于根据所述灰度图像和所述第一灰度图像，对灰度图像中每个像素的灰度值进行卡尔曼滤波，以得到所述灰度图像的模板图像；
确定单元，用于计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数，若所述距离范数大于预设阈值，则将当前像素定义为前景图像，否则，将当前像素定义为背景图像；
所述卡尔曼滤波单元，包括：
背景灰度估计模块，用于对所述灰度图像的背景灰度进行估计，以得到所述灰度图像的背景特征灰度值；
高频滤波模块，用于在所述灰度图像中，选取以G(i,j)为中心，m*n为大小的区域，对所述区域中每个像素的灰度值运用
Figure FDA0003226906660000031
进行高频滤波，以得到所述区域的第一灰度图像；
灰度预测模块，用于根据以下公式(1)和公式(2)计算灰度图像中每个像素的灰度预测值：
Figure FDA0003226906660000032
w1+w2+w3＝1； (2)
若G(i-1,j-1)、G(i-1,j)或G(i,j-1)中的任一像素超出G的边界，则令超出所述边界的像素值为所述背景特征灰度值；
修正模块，用于根据公式(3)对所述每个像素的灰度预测值进行修正：
Figure FDA0003226906660000033
以得到模板图像中的每个像素的灰度值。
6.根据权利要求5所述的装置，其特征在于，所述确定单元，包括：
计算模块，用于根据公式(4)计算所述模板图像中每个像素的灰度值与所述第一灰度图像中对应像素的灰度值差值的距离范数：
Figure FDA0003226906660000034
确定模块，用于根据公式(5)确定当前像素为前景图像或背景图像，ε为视觉感知灰度阈值：
Figure FDA0003226906660000035
若所述距离范数大于所述ε，则将当前像素定义为前景图像，若所述距离范数不大于所述ε，则将当前像素定义为背景图像。
7.一种图像处理装置，包括处理器，其特征在于，所述处理器在执行存储于存储器上的计算机程序时，用于实现如权利要求1至4中任一项所述的图像处理方法。
8.一种可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，用于实现如权利要求1至4中任一项所述的图像处理方法。
CN201810994081.XA 2018-08-29 2018-08-29 一种图像处理方法及装置 Active CN109214996B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810994081.XA CN109214996B (zh) 2018-08-29 2018-08-29 一种图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810994081.XA CN109214996B (zh) 2018-08-29 2018-08-29 一种图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN109214996A CN109214996A (zh) 2019-01-15
CN109214996B true CN109214996B (zh) 2021-11-12

Family

ID=64985561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810994081.XA Active CN109214996B (zh) 2018-08-29 2018-08-29 一种图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN109214996B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135519B (zh) * 2019-05-27 2022-10-21 广东工业大学 一种图像分类方法及装置
CN111105428B (zh) * 2019-11-08 2023-11-14 上海航天控制技术研究所 一种星敏感器前向滤波硬件图像处理方法
CN111798389B (zh) * 2020-06-30 2023-08-15 中国工商银行股份有限公司 自适应图像增强方法及装置
CN113298812B (zh) * 2021-04-22 2023-11-03 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 图像分割方法、装置、系统、电子设备及可读存储介质
CN114255185B (zh) * 2021-12-16 2022-11-25 武汉高德智感科技有限公司 一种图像处理的方法、装置、终端及存储介质
CN114529570A (zh) * 2022-02-21 2022-05-24 中国工商银行股份有限公司 图像分割方法、图像识别方法、用户凭证补办方法及系统
CN119444702B (zh) * 2024-10-25 2025-06-10 北京华夏视科技术股份有限公司 图像处理方法、装置、设备及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727672A (zh) * 2008-10-24 2010-06-09 云南正卓信息技术有限公司 一种物体滞留/偷窃事件的检测、跟踪、识别方法
CN101916448A (zh) * 2010-08-09 2010-12-15 云南清眸科技有限公司 一种基于贝叶斯框架及lbp的运动目标检测方法
CN102034247A (zh) * 2010-12-23 2011-04-27 中国科学院自动化研究所 一种基于背景建模对双目视觉图像的运动捕捉方法
CN102750535A (zh) * 2012-04-01 2012-10-24 北京京东世纪贸易有限公司 自动提取图像前景的方法和系统
CN102819841A (zh) * 2012-07-30 2012-12-12 中国科学院自动化研究所 用于目标图像分割的全局阈值分割方法
CN103873743A (zh) * 2014-03-24 2014-06-18 中国人民解放军国防科学技术大学 一种基于结构张量和卡尔曼滤波的视频去噪方法
CN104166841A (zh) * 2014-07-24 2014-11-26 浙江大学 一种视频监控网络中指定行人或车辆的快速检测识别方法
CN104599271A (zh) * 2015-01-20 2015-05-06 中国科学院半导体研究所 基于CIE Lab彩色空间的灰度阈值分割方法
CN105761261A (zh) * 2016-02-17 2016-07-13 南京工程学院 一种检测摄像头遭人为恶意破坏的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7224735B2 (en) * 2003-05-21 2007-05-29 Mitsubishi Electronic Research Laboratories, Inc. Adaptive background image updating
US8670611B2 (en) * 2011-10-24 2014-03-11 International Business Machines Corporation Background understanding in video data

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727672A (zh) * 2008-10-24 2010-06-09 云南正卓信息技术有限公司 一种物体滞留/偷窃事件的检测、跟踪、识别方法
CN101916448A (zh) * 2010-08-09 2010-12-15 云南清眸科技有限公司 一种基于贝叶斯框架及lbp的运动目标检测方法
CN102034247A (zh) * 2010-12-23 2011-04-27 中国科学院自动化研究所 一种基于背景建模对双目视觉图像的运动捕捉方法
CN102750535A (zh) * 2012-04-01 2012-10-24 北京京东世纪贸易有限公司 自动提取图像前景的方法和系统
CN102819841A (zh) * 2012-07-30 2012-12-12 中国科学院自动化研究所 用于目标图像分割的全局阈值分割方法
CN103873743A (zh) * 2014-03-24 2014-06-18 中国人民解放军国防科学技术大学 一种基于结构张量和卡尔曼滤波的视频去噪方法
CN104166841A (zh) * 2014-07-24 2014-11-26 浙江大学 一种视频监控网络中指定行人或车辆的快速检测识别方法
CN104599271A (zh) * 2015-01-20 2015-05-06 中国科学院半导体研究所 基于CIE Lab彩色空间的灰度阈值分割方法
CN105761261A (zh) * 2016-02-17 2016-07-13 南京工程学院 一种检测摄像头遭人为恶意破坏的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Adaptive Background Estimation and Foreground Detection using Kalman-Filtering;Christof Ridder等;《Computer Science》;19951231;第1-7页 *
一种改进的卡尔曼滤波背景减除方法;李文光等;《信号处理》;20090831;第25卷(第8A期);第274-277页 *
基于灰度区间统计的背景自适应更新算法;罗松飞等;《科技资讯》;20171231(第26期);第179-180页 *
基于颜色和局部二值相似模式的背景减除;任典元等;《计算机科学》;20160331;第43卷(第3期);第296-300、304页 *

Also Published As

Publication number Publication date
CN109214996A (zh) 2019-01-15

Similar Documents

Publication Publication Date Title
CN109214996B (zh) 一种图像处理方法及装置
CN107403421B (zh) 一种图像去雾方法、存储介质及终端设备
CN109978890B (zh) 基于图像处理的目标提取方法、装置及终端设备
CN110852997B (zh) 动态图像清晰度检测方法、装置、电子设备及存储介质
CN109743473A (zh) 视频图像3d降噪方法、计算机装置及计算机可读存储介质
CN111311482B (zh) 背景虚化方法、装置、终端设备及存储介质
KR20130016213A (ko) 광학 문자 인식되는 텍스트 영상의 텍스트 개선
CN111696064B (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN109255752B (zh) 图像自适应压缩方法、装置、终端及存储介质
CN111161299B (zh) 影像分割方法、存储介质及电子装置
US20210185285A1 (en) Image processing method and apparatus, electronic device, and readable storage medium
CN109035167B (zh) 对图像中的多个人脸进行处理的方法、装置、设备和介质
US20140140620A1 (en) Image processing apparatus, image processing method and computer readable medium
CN108805838B (zh) 一种图像处理方法、移动终端及计算机可读存储介质
WO2024016632A1 (zh) 亮点定位方法、亮点定位装置、电子设备及存储介质
CN111311619A (zh) 一种实现滑块验证的方法和装置
CN111563517A (zh) 图像处理方法、装置、电子设备及存储介质
CN113298761B (zh) 一种图像滤波方法、装置、终端和计算机可读存储介质
CN113744294A (zh) 图像处理方法及相关装置
CN108810407B (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN111882565B (zh) 一种图像二值化方法、装置、设备及存储介质
CN108234826B (zh) 图像处理方法及装置
CN109255311B (zh) 一种基于图像的信息识别方法及系统
CN105809677B (zh) 一种基于双边滤波器的图像边缘检测方法及系统
WO2021102702A1 (zh) 图像处理方法和装置

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