圖像處理方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域,尤其涉及一種圖像處理方法及系統(tǒng)。
【背景技術(shù)】
[0002] 現(xiàn)有的圖像采集系統(tǒng),一般都是通過行車記錄儀、車牌掃描儀、監(jiān)控攝像頭等圖像 采集設(shè)備對圖像進行采集,在通過圖像采集設(shè)備采集圖像后,需要對采集的圖像進行處理 才能進行顯示,而現(xiàn)在的圖像采集設(shè)備,對圖像的處理的方式都比較簡單,例如,對圖像進 行灰度值處理,得到灰度值圖像,然后根據(jù)灰度值圖像確定圖像的目標區(qū)域和背景區(qū)域,而 灰度值圖像僅僅是根據(jù)顏色確定圖像的目標區(qū)域和背景區(qū)域,但是當圖像中目標區(qū)域和背 景區(qū)域顏色差別不大時,通過灰度值對圖像進行處理以確定目標區(qū)域和背景區(qū)域,使得圖 像的處理不夠準確。
【發(fā)明內(nèi)容】
[0003] 本發(fā)明的主要目的在于提出一種圖像處理方法及系統(tǒng),旨在解決傳統(tǒng)的圖像處理 方式,對圖像的處理不夠準確的技術(shù)問題。
[0004] 為實現(xiàn)上述目的,本發(fā)明提供的一種圖像處理方法,所述圖像處理方法包括以下 步驟:
[0005] 獲取圖像的像素矩陣;
[0006] 基于所述圖像的像素矩陣,計算所述圖像中任意兩個像素點的相似度組成的相似 度矩陣;
[0007] 根據(jù)所述相似度矩陣得到所述圖像的特征向量矩陣;
[0008] 根據(jù)所述特征向量矩陣計算所述圖像的熵值矩陣;
[0009] 計算所述熵值矩陣中的各個熵值的平均值;
[0010] 根據(jù)所述平均值對所述圖像進行二值化處理,以確定所述圖像的目標區(qū)域和背景 區(qū)域。
[0011] 優(yōu)選地,所述基于所述圖像的像素矩陣,計算所述圖像中任意兩個像素點的相似 度組成的相似度矩陣的步驟包括:
[0012] 將所述圖像的像素矩陣轉(zhuǎn)化為灰度矩陣;
[0013] 根據(jù)所述灰度矩陣,計算所述圖像中任意兩個像素點的相似度組成的相似度矩 陣。
[0014] 優(yōu)選地,所述根據(jù)所述相似度矩陣得到所述圖像的特征向量矩陣的步驟包括:
[0015] 基于所述相似度矩陣計算所述圖像的拉普拉斯矩陣;
[0016] 對所述拉普拉斯矩陣進行特征分解,得到所述圖像的特征向量矩陣。
[0017] 優(yōu)選地,所述根據(jù)所述平均值對所述圖像進行二值化處理,以確定所述圖像的目 標區(qū)域和背景區(qū)域的步驟之后,所述圖像處理方法還包括:
[0018] 對所述目標區(qū)域進行強化插值處理,并對所述背景區(qū)域進行稀疏插值處理。
[0019] 優(yōu)選地,所述強化插值處理為將所述目標區(qū)域的所有點的像素值均增加一預(yù)設(shè) 值,當某一點增加后的像素值超過上限像素值時,將該點的像素值記為所述上限像素值;
[0020] 所述稀疏插值處理為將所述背景區(qū)域的所有點的像素值固定至一預(yù)設(shè)值。
[0021] 此外,為實現(xiàn)上述目的,本發(fā)明還提出一種圖像處理系統(tǒng),所述圖像處理系統(tǒng)包 括:
[0022] 獲取模塊,用于獲取圖像的像素矩陣;
[0023] 第一計算模塊,用于基于所述圖像的像素矩陣,計算所述圖像中任意兩個像素點 的相似度組成的相似度矩陣;
[0024] 第一處理模塊,用于對所述相似度矩陣進行處理,得到所述圖像的特征向量矩 陣;
[0025] 第二計算模塊,用于根據(jù)所述特征向量矩陣計算所述圖像的熵值矩陣;
[0026] 第三計算模塊,用于計算所述熵值矩陣中的各個熵值的平均值;
[0027] 第二處理模塊,用于根據(jù)所述平均值對所述圖像進行二值化處理,以確定所述圖 像的目標區(qū)域和背景區(qū)域。
[0028] 優(yōu)選地,所述第一計算模塊包括:
[0029] 轉(zhuǎn)化單元,用于將所述圖像的像素矩陣轉(zhuǎn)化為灰度矩陣;
[0030] 第一計算單元,用于根據(jù)所述灰度矩陣,計算所述圖像中任意兩個像素點的相似 度組成的相似度矩陣。
[0031] 優(yōu)選地,所述第一處理模塊包括:
[0032] 第二計算單元,用于基于所述相似度矩陣計算所述圖像的拉普拉斯矩陣;
[0033] 特征分解單元,用于對所述拉普拉斯矩陣進行特征分解,得到所述圖像的特征向 量矩陣。
[0034] 優(yōu)選地,所述圖像處理系統(tǒng)還包括:
[0035] 第三處理模塊,用于對所述目標區(qū)域進行強化插值處理,并對所述背景區(qū)域進行 稀疏插值處理。
[0036] 優(yōu)選地,所述強化插值處理為將所述目標區(qū)域的所有點的像素值均增加一預(yù)設(shè) 值,當某一點增加后的像素值超過上限像素值時,將該點的像素值記為所述上限像素值;
[0037] 所述稀疏插值處理為將所述背景區(qū)域的所有點的像素值固定至一預(yù)設(shè)值。
[0038] 本發(fā)明提出的圖像處理方法及系統(tǒng),獲取圖像的像素矩陣;基于所述圖像的像素 矩陣,計算所述圖像中任意兩個像素點的相似度組成的相似度矩陣;根據(jù)所述相似度矩陣 得到所述圖像的特征向量矩陣,然后根據(jù)所述特征向量矩陣計算所述圖像的熵值矩陣,再 計算所述熵值矩陣中的各個熵值的平均值,最后根據(jù)所述平均值對所述圖像進行二值化處 理,以確定所述圖像的目標區(qū)域和背景區(qū)域,本方案根據(jù)圖像的特征向量矩陣得到熵值矩 陣,再根據(jù)熵值矩陣中的各個熵值計算出一個平均值,最后將所述平均值與所述圖像中的 各個像素點進行比對,以確定所述圖像的目標區(qū)域和背景區(qū)域,實現(xiàn)了通過圖像具體的特 性向量,比如圖像的紋理特征、圖像的整體走勢特征確定圖像中的目標區(qū)域和背景區(qū)域,而 不僅僅是根據(jù)圖像的灰度值確定圖像的目標區(qū)域和背景區(qū)域,使得在圖像中目標區(qū)域和背 景區(qū)域的顏色差別不大時,對圖像的處理更加準確。
【附圖說明】
[0039] 圖1為本發(fā)明圖像處理方法第一實施例的流程示意圖;
[0040] 圖2為本發(fā)明圖像處理方法第二實施例的流程示意圖;
[0041] 圖3為本發(fā)明圖像處理系統(tǒng)第一實施例的功能模塊示意圖;
[0042] 圖4為本發(fā)明圖像處理系統(tǒng)第二實施例的功能模塊示意圖。
[0043] 本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結(jié)合實施例,參照附圖做進一步說明。
【具體實施方式】
[0044] 應(yīng)當理解,此處所描述的具體實施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。
[0045] 本發(fā)明提供一種圖像處理方法。
[0046] 參照圖1,圖1為本發(fā)明圖像處理方法第一實施例的流程示意圖。
[0047] 本實施例提出一種圖像處理方法,所述圖像處理方法包括:
[0048] 步驟S10,獲取圖像的像素矩陣;
[0049] 在本實施例中,步驟S10之前,包括獲取圖像的步驟,具體地:在圖像是車輛行駛 過程中的道路圖像時,所述獲取圖像可通過車輛預(yù)設(shè)的攝像頭進行獲取,所述攝像頭可為 前景攝像機或全景攝像機;在圖像是車牌圖像,所述獲取圖像可通過行車記錄儀、車牌掃描 儀等設(shè)備進行獲??;在圖像為室內(nèi)或室外的監(jiān)控圖像時,所述獲取圖像可通過監(jiān)控攝像頭 進行獲取,進一步地,所述獲取圖像還可以獲取存儲的圖像。
[0050] 在本實施例中,對獲取的所述圖像進行分析,以獲取所述圖像的各個像素點,然后 根據(jù)所述圖像的各個像素點生成所述圖像的像素矩陣I,所述像素矩陣I的表現(xiàn)形式為:[Ii 12 13 ...In] 〇
[0051] 步驟S20,基于所述圖像的像素矩陣,計算所述圖像中任意兩個像素點的相似度組 成的相似度矩陣;
[0052] 具體地,所述步驟S20的實施方式包括:
[0053] 1)方式一、在得到所述圖像的像素矩陣后,先計算所述像素矩陣中各個像素點的 尺度參救 0 . ·所祙仔麼僉救〇 .田W下公式計算:
[0054]
[0055] 其中,Id是所述像素矩陣I中第d個點的像素值,m是一個常數(shù),通常設(shè)置m= 7 ;
[0056] 根據(jù)上述計算公式即可計算出所述像素矩陣I中的第i個點的尺度參數(shù)σi,由于 所述像素矩陣I中包括η個數(shù),則可計算出n*n個尺度參數(shù),在得到各個點的尺度參數(shù)〇i 后,根據(jù)所述像素矩陣I和計算出的各個尺度參數(shù),即可計算出所述圖像的相似度矩陣A, 計算所述圖像中任意兩個像素點的相似度對應(yīng)的相似度矩陣的公式為:
[0057]八^= exp(_| 11「I.j ||2/〇; σ .),i,j e (1,η)
[0058] 其中,Ay表示相似度矩陣A的任意元素,〇p〇 ^分別表示所述像素矩陣I中任意 點Ii和Ij對應(yīng)的尺度參數(shù),| |IrL| |表示點Ii和Ij的歐氏距離。
[0059] 根據(jù)上述公式,即可計算出相似度矩陣A為:
[0060]
[0061] 在所述相似度矩陣A中,第一行表示像素矩陣中的第一個點分別與像素矩陣中的 所有點(第一個點、第二個點、第三個點……最后一個點)的相似度差值,第二行表示像素 矩陣中的第二個點與像素矩陣中的所有點(第一個點、第二個點、第三個點……最后一個 點)的相似度差值,依次類推,最后一行表示像素矩陣中最后一個點分別與像素矩陣中的 所有點(第一個點、第二個點、第三個點……最后一個點)的相似度差值。可以理解的是, 在所述相似度矩陣中,對角線上的點All、A22、A33、…、Ann的值為零。
[0062] 2)方式二、所述步驟S20包括以下步驟:
[0063] 步驟a、將所述圖像的像素矩陣轉(zhuǎn)化為灰度矩陣;
[0064] 步驟b、根據(jù)所述灰度矩陣,計算所述圖像中任意