圖像高頻信息的定位方法和裝置的制造方法
【專利摘要】本發(fā)明公開了一種圖像高頻信息的定位方法和裝置，其中，所述方法包括將待處理圖像分成若干個(gè)N*N的子塊；判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域；若是則使用禮帽算法獲取所述子塊中亮的像素點(diǎn)，否則使用黑帽算法獲取所述子塊中暗的像素點(diǎn)?？梢钥焖俣ㄎ灰粋€(gè)圖像中高頻信息區(qū)域，以便后續(xù)對(duì)該高頻信息區(qū)域進(jìn)行針對(duì)性對(duì)的圖像處理，提高圖像質(zhì)量。
【專利說(shuō)明】
圖像高頻信息的定位方法和裝置
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于互聯(lián)網(wǎng)視頻技術(shù)領(lǐng)域，具體地說(shuō)，涉及一種圖像高頻信息的定位方法和裝置。
【背景技術(shù)】
[0002]在圖像中，盡管人眼對(duì)低頻信息更加敏感，但是在圖像質(zhì)量比較高且穩(wěn)定的情況下，高頻信息更加決定圖像的質(zhì)量。尤其是高頻信息比較密集的地方，例如人的頭發(fā)，胡子，花紋比較密的衣服等，在這些地方提升清晰度，則會(huì)使人眼感到圖像質(zhì)量有了顯著提升。
[0003]因此，為了有效率的增強(qiáng)圖像質(zhì)量，一種快速定位圖像高頻信息的方法亟待提出。

【發(fā)明內(nèi)容】

[0004]有鑒于此，本申請(qǐng)?zhí)峁┝艘环N圖像高頻信息的定位方法和裝置，可以快速定位一個(gè)圖像中高頻信息區(qū)域，以便后續(xù)對(duì)該高頻信息區(qū)域進(jìn)行針對(duì)性對(duì)的圖像處理，提高圖像質(zhì)量。
[0005]本發(fā)明實(shí)施例提供一種圖像高頻信息的定位方法，包括:
[0006]將待處理圖像分成若干個(gè)N*N的子塊；
[0007]判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域；
[0008]若是則使用禮帽算法獲取所述子塊中亮的像素點(diǎn)，否則使用黑帽算法獲取所述子塊中暗的像素點(diǎn)；
[0009]根據(jù)所述子塊中亮的像素點(diǎn)個(gè)數(shù)或者暗的像素點(diǎn)個(gè)數(shù)，確定所述子塊是否屬于圖像尚頻?目息區(qū)域。
[0010]其中，判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域之前，包括:
[0011]預(yù)設(shè)每個(gè)子塊的灰度閾值，所述灰度閾值是用于區(qū)分所述子塊的圖像灰度的一個(gè)閾值。
[0012]其中，預(yù)設(shè)每個(gè)子塊的灰度閾值，包括:
[0013]利用最大類間方差法，在所述子塊的像素點(diǎn)矩陣中選擇一個(gè)像素點(diǎn)，使得所述像素點(diǎn)在所述像素點(diǎn)矩陣中的左側(cè)部分與右側(cè)部分的方差最大，所述像素點(diǎn)對(duì)應(yīng)的灰度值為所述子塊的灰度閾值;或者
[0014]根據(jù)每個(gè)子塊中各像素點(diǎn)的灰度值，計(jì)算平均灰度值作為所述子塊的灰度閾值。
[0015]其中，判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域，包括:
[0016]獲取每個(gè)子塊中各像素點(diǎn)的灰度值，根據(jù)每個(gè)子塊對(duì)應(yīng)的灰度閾值，若確定所述子塊中灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的暗區(qū)域多于亮區(qū)域；
[0017]若確定所述子塊中灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的亮區(qū)域多于暗區(qū)域。
[0018]其中，根據(jù)所述子塊中亮的像素點(diǎn)個(gè)數(shù)或者暗的像素點(diǎn)個(gè)數(shù)，確定所述子塊是否屬于圖像高頻信息區(qū)域，包括:
[0019]若所述子塊中亮的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像尚頻?目息區(qū)域；
[0020]若所述子塊中暗的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像高頻信息區(qū)域。
[0021]本申請(qǐng)還提供一種圖像高頻信息的定位裝置，包括:
[0022]分割模塊，用于將待處理圖像分成若干個(gè)Ν*Ν的子塊；
[0023]判斷模塊，用于判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域；
[0024]獲取模塊，用于若是則使用禮帽算法獲取所述子塊中亮的像素點(diǎn)，否則使用黑帽算法獲取所述子塊中暗的像素點(diǎn)；
[0025]確定模塊，用于根據(jù)所述子塊中亮的像素點(diǎn)個(gè)數(shù)或者暗的像素點(diǎn)個(gè)數(shù)，確定所述子塊是否屬于圖像高頻信息區(qū)域。
[0026]其中所述的裝置還包括:
[0027]設(shè)置模塊，用于預(yù)設(shè)每個(gè)子塊的灰度閾值，所述灰度閾值是用于區(qū)分所述子塊的圖像灰度的一個(gè)閾值。
[0028]其中，所述設(shè)置模塊具體用于:
[0029]利用最大類間方差法，在所述子塊的像素點(diǎn)矩陣中選擇一個(gè)像素點(diǎn)，使得所述像素點(diǎn)在所述像素點(diǎn)矩陣中的左側(cè)部分與右側(cè)部分的方差最大，所述像素點(diǎn)對(duì)應(yīng)的灰度值為所述子塊的灰度閾值;或者
[0030]根據(jù)每個(gè)子塊中各像素點(diǎn)的灰度值，計(jì)算平均灰度值作為所述子塊的灰度閾值。[0031 ]其中，所述判斷模塊具體用于:
[0032]獲取每個(gè)子塊中各像素點(diǎn)的灰度值，根據(jù)每個(gè)子塊對(duì)應(yīng)的灰度閾值，若確定所述子塊中灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的暗區(qū)域多于亮區(qū)域；
[0033]若確定所述子塊中灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的亮區(qū)域多于暗區(qū)域。
[0034]所述確定模塊具體用于:
[0035]若所述子塊中亮的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像尚頻?目息區(qū)域；
[0036]若所述子塊中暗的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像高頻信息區(qū)域。
[0037]本發(fā)明實(shí)施例通過(guò)將待處理圖像分成若干個(gè)Ν*Ν的子塊;判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域;若是則使用禮帽算法獲取所述子塊中亮的像素點(diǎn)，否則使用黑帽算法獲取所述子塊中暗的像素點(diǎn)?？梢钥焖俣ㄎ灰粋€(gè)圖像中高頻信息區(qū)域，以便后續(xù)對(duì)該高頻信息區(qū)域進(jìn)行針對(duì)性對(duì)的圖像處理，提高圖像質(zhì)量。
【附圖說(shuō)明】
[0038]此處所說(shuō)明的附圖用來(lái)提供對(duì)本申請(qǐng)的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本申請(qǐng)的示意性實(shí)施例及其說(shuō)明用于解釋本申請(qǐng)，并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。在附圖中:
[0039]圖1是本申請(qǐng)實(shí)施例的提供的一種圖像高頻信息的定位方法的流程示意圖；
[0040]圖2是本申請(qǐng)實(shí)施例的一種亮度直方圖；
[0041]圖3是本申請(qǐng)實(shí)施例的一種亮度直方圖；
[0042]圖4為一種圖像的原始數(shù)據(jù)；
[0043]圖5為基于圖4所示的原始數(shù)據(jù)經(jīng)過(guò)灰度腐蝕后的數(shù)據(jù)；
[0044]圖6為基于圖5所示的灰度腐蝕后的數(shù)據(jù)經(jīng)過(guò)灰度膨脹后的數(shù)據(jù)；
[0045]圖7為經(jīng)過(guò)禮帽算法得到的亮的像素點(diǎn)；
[0046]圖8為一種圖像的原始數(shù)據(jù)；
[0047]圖9為基于圖8所示的原始數(shù)據(jù)經(jīng)過(guò)灰度膨脹后的數(shù)據(jù)；
[0048]圖10為基于圖9所示的灰度膨脹后的數(shù)據(jù)經(jīng)過(guò)灰度腐蝕后的數(shù)據(jù)；
[0049]圖11為經(jīng)過(guò)黑帽算法得到的暗的像素點(diǎn)；
[0050]圖12為本發(fā)明實(shí)施例采用的一種待處理的圖像；
[0051]圖13為經(jīng)過(guò)本發(fā)明實(shí)施例所述的圖像高頻信息定位方法得到的高頻信息區(qū)域；
[0052]圖14為本發(fā)明實(shí)施例提供的一種圖像高頻信息的定位裝置的結(jié)構(gòu)以使圖。
【具體實(shí)施方式】
[0053]以下將配合附圖及實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明的實(shí)施方式，藉此對(duì)本發(fā)明如何應(yīng)用技術(shù)手段來(lái)解決技術(shù)問(wèn)題并達(dá)成技術(shù)功效的實(shí)現(xiàn)過(guò)程能充分理解并據(jù)以實(shí)施。
[0054]在一個(gè)典型的配置中，計(jì)算設(shè)備包括一個(gè)或多個(gè)處理器(CPU)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。
[0055]內(nèi)存可能包括計(jì)算機(jī)可讀介質(zhì)中的非永久性存儲(chǔ)器，隨機(jī)存取存儲(chǔ)器(RAM)和/或非易失性內(nèi)存等形式，如只讀存儲(chǔ)器(ROM)或閃存(flash RAM)。內(nèi)存是計(jì)算機(jī)可讀介質(zhì)的示例。
[0056]計(jì)算機(jī)可讀介質(zhì)包括永久性和非永久性、可移動(dòng)和非可移動(dòng)媒體可以由任何方法或技術(shù)來(lái)實(shí)現(xiàn)信息存儲(chǔ)。信息可以是計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計(jì)算機(jī)的存儲(chǔ)介質(zhì)的例子包括，但不限于相變內(nèi)存(PRAM)、靜態(tài)隨機(jī)存取存儲(chǔ)器(SRAM)、動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(DRAM)、其他類型的隨機(jī)存取存儲(chǔ)器(RAM)、只讀存儲(chǔ)器(ROM)、電可擦除可編程只讀存儲(chǔ)器(EEPROM)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲(chǔ)器(CD-ROM)、數(shù)字多功能光盤(DVD)或其他光學(xué)存儲(chǔ)、磁盒式磁帶，磁帶磁磁盤存儲(chǔ)或其他磁性存儲(chǔ)設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲(chǔ)可以被計(jì)算設(shè)備訪問(wèn)的信息。按照本文中的界定，計(jì)算機(jī)可讀介質(zhì)不包括非暫存電腦可讀媒體(transitory media)，如調(diào)制的數(shù)據(jù)信號(hào)和載波。
[0057]如在說(shuō)明書及權(quán)利要求當(dāng)中調(diào)用了某些詞匯來(lái)指稱特定組件。本領(lǐng)域技術(shù)人員應(yīng)可理解，硬件制造商可能會(huì)用不同名詞來(lái)稱呼同一個(gè)組件。本說(shuō)明書及權(quán)利要求并不以名稱的差異來(lái)作為區(qū)分組件的方式，而是以組件在功能上的差異來(lái)作為區(qū)分的準(zhǔn)則。如在通篇說(shuō)明書及權(quán)利要求當(dāng)中所提及的“包含”為一開放式用語(yǔ)，故應(yīng)解釋成“包含但不限定于”?！按笾隆笔侵冈诳山邮盏恼`差范圍內(nèi)，本領(lǐng)域技術(shù)人員能夠在一定誤差范圍內(nèi)解決所述技術(shù)問(wèn)題，基本達(dá)到所述技術(shù)效果。此外，“耦接”一詞在此包含任何直接及間接的電性耦接手段。因此，若文中描述一第一裝置耦接于一第二裝置，則代表所述第一裝置可直接電性耦接于所述第二裝置，或通過(guò)其他裝置或耦接手段間接地電性耦接至所述第二裝置。說(shuō)明書后續(xù)描述為實(shí)施本發(fā)明的較佳實(shí)施方式，然所述描述乃以說(shuō)明本發(fā)明的一般原則為目的，并非用以限定本發(fā)明的范圍。本發(fā)明的保護(hù)范圍當(dāng)視所附權(quán)利要求所界定者為準(zhǔn)。
[0058]還需要說(shuō)明的是，術(shù)語(yǔ)“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的商品或者系統(tǒng)不僅包括那些要素，而且還包括沒(méi)有明確列出的其他要素，或者是還包括為這種商品或者系統(tǒng)所固有的要素。在沒(méi)有更多限制的情況下，由語(yǔ)句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的商品或者系統(tǒng)中還存在另外的相同要素。
[0059]發(fā)明人在實(shí)現(xiàn)本發(fā)明的過(guò)程中發(fā)現(xiàn):
[0060]在灰度形態(tài)學(xué)中，對(duì)于灰度變化較頻繁的區(qū)域，其一般灰度會(huì)發(fā)生突變，然后很快會(huì)變回來(lái)。因此，使用禮帽算法和黑帽算法可提取出圖像中的高頻信息區(qū)域。然而，發(fā)明人進(jìn)一步發(fā)現(xiàn)，對(duì)于每個(gè)子塊的處理，不能采用同時(shí)使用禮帽算法和黑帽算法然后取結(jié)果的最大值，本發(fā)明只需提取出每個(gè)子塊中亮的像素點(diǎn)或者暗的像素點(diǎn)即可，在出現(xiàn)灰度連續(xù)變化的情況下，若同時(shí)使用禮帽算法和黑帽算法會(huì)將整幅圖變成白色。會(huì)給系統(tǒng)帶來(lái)額外的消耗(時(shí)間和內(nèi)存的小號(hào))。因此，本發(fā)明首先判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域，根據(jù)不同的判斷結(jié)果，對(duì)每個(gè)子塊使用禮帽算法或黑帽算法中的一種操作即可。
[0061]圖1是本申請(qǐng)實(shí)施例的提供的一種圖像高頻信息的定位方法的流程示意圖，如圖1所示，包括:
[0062 ] 11、將待處理圖像分成若干個(gè)N*N的子塊；
[0063]在圖像處理技術(shù)中，一個(gè)圖像通常劃分成若干子塊，一個(gè)子塊由一個(gè)亮度像素塊和附加的兩個(gè)色度像素塊組成。一般來(lái)說(shuō)，亮度塊為16x16大小的像素塊，而兩個(gè)色度圖像像素塊的大小依據(jù)其圖像的采樣格式而定，如:對(duì)于YUV420采樣圖像，色度塊為8x8大小的像素塊。每個(gè)圖像處理算法以子塊為單位，逐個(gè)子塊進(jìn)行處理。
[0064]本發(fā)明實(shí)施例中，將圖像分成若干個(gè)N*N的子塊。一般情況下N取16即可。對(duì)于每個(gè)子區(qū)域，單獨(dú)做處理。
[0065]102、判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域;若是，則執(zhí)行步驟103，否則執(zhí)行步驟104;
[0066]本發(fā)明實(shí)施例中，判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域之前，包括:
[0067]預(yù)設(shè)每個(gè)子塊的灰度閾值，所述灰度閾值是用于區(qū)分所述子塊的圖像灰度的一個(gè)閾值。
[0068]可選的，本發(fā)明實(shí)施例中預(yù)設(shè)每個(gè)子塊的灰度閾值包括但不限于以下方法:
[0069]利用最大類間方差法，在所述子塊的像素點(diǎn)矩陣中選擇一個(gè)像素點(diǎn)，使得所述像素點(diǎn)在所述像素點(diǎn)矩陣中的左側(cè)部分與右側(cè)部分的方差最大，所述像素點(diǎn)對(duì)應(yīng)的灰度值為所述子塊的灰度閾值;或者
[0070]根據(jù)每個(gè)子塊中各像素點(diǎn)的灰度值，計(jì)算平均灰度值作為所述子塊的灰度閾值。
[0071]本發(fā)明實(shí)施例中，判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域具體實(shí)現(xiàn)時(shí)包括:
[0072]獲取每個(gè)子塊中各像素點(diǎn)的灰度值，根據(jù)每個(gè)子塊對(duì)應(yīng)的灰度閾值，若確定所述子塊中灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的暗區(qū)域多于亮區(qū)域；
[0073]若確定所述子塊中灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的亮區(qū)域多于暗區(qū)域。
[0074]103、使用禮帽算法獲取所述子塊中亮的像素點(diǎn)；
[0075]104、使用黑帽算法獲取所述子塊中暗的像素點(diǎn)。
[0076]上述禮帽算法和黑帽算法都是基于圖像灰度學(xué)算法-灰度腐蝕和灰度膨脹而組合而來(lái)的。禮帽算法先對(duì)圖像進(jìn)行灰度腐蝕，再進(jìn)行灰度膨脹，最后用原始數(shù)據(jù)減去膨脹后的值即可。黑帽算法則先對(duì)圖像進(jìn)行灰度膨脹，在進(jìn)行灰度腐蝕，最后減去原始數(shù)據(jù)即可。本發(fā)明對(duì)此不做限定。
[0077]可選地，上述步驟103或104之后，還包括:
[0078]105、根據(jù)所述子塊中亮的像素點(diǎn)個(gè)數(shù)或者暗的像素點(diǎn)個(gè)數(shù)，確定所述子塊是否屬于圖像高頻信息區(qū)域。
[0079]具體實(shí)現(xiàn)時(shí)，例如，若所述子塊中亮的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像高頻信息區(qū)域;若所述子塊中暗的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像高頻信息區(qū)域。
[0080]本發(fā)明實(shí)施例通過(guò)將待處理圖像分成若干個(gè)N*N的子塊;判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域;若是則使用禮帽算法獲取所述子塊中亮的像素點(diǎn)，否則使用黑帽算法獲取所述子塊中暗的像素點(diǎn)?？梢钥焖俣ㄎ灰粋€(gè)圖像中高頻信息區(qū)域，以便后續(xù)對(duì)該高頻信息區(qū)域進(jìn)行針對(duì)性對(duì)的圖像處理，提高圖像質(zhì)量。
[0081 ]下面通過(guò)具體實(shí)現(xiàn)方法對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)的描述。
[0082]本文采用的是基于宏塊的方法，把圖像分成若干個(gè)N*N的子塊。一般情況下N取16即可。對(duì)于每個(gè)子區(qū)域，單獨(dú)做處理。
[0083]本發(fā)明實(shí)施例中將每個(gè)圖像子塊轉(zhuǎn)換為灰度圖像的方法包括但不限于以下:
[0084]1.浮點(diǎn)算法:Gray = R*0.3+G*0.59+B*0.11
[0085]2.整數(shù)方法:Gray = (R*30+G*59+B*l I )/100
[0086]3.移位方法:Gray = (R*76+G* 151+B*28) ?8;
[0087]4.平均值法:Gray = (R+G+B)/3 ；
[0088]5.僅取綠色:Gray=G;
[0089]通過(guò)上述任一種方法求得Gray后，將原來(lái)的RGB(R，G，B)中的R，G，B統(tǒng)一用Gray替換，形成新的顏色RGB(Gray，Gray，Gray)，用它替換原來(lái)的RGB(R，G，B)就是灰度圖像了。
[0090]其中，基于灰度圖像，例如，利用Photoshop程序就可以獲得該灰度圖像的亮度直方圖，如圖2和圖3所示的的亮度直方圖，對(duì)于灰度變化較頻繁的區(qū)域，其一般灰度會(huì)發(fā)生突變，然后很快會(huì)變回來(lái)。
[0091]本發(fā)明實(shí)施例中，采用最大類間方差法(OTSU)或者均值分割法預(yù)設(shè)每個(gè)子塊對(duì)應(yīng)的灰度閾值。其中，OTSU最大類間方差法可以在子塊中選取一個(gè)最能區(qū)分開圖像灰度的一個(gè)閾值。具體的算法就不討論了，主要原理是選取一個(gè)像素點(diǎn)，使其左側(cè)(暗)的部分和右側(cè)(亮)的部分方差最大，則該選取的像素點(diǎn)對(duì)應(yīng)的灰度值為該子塊的灰度閾值。均值分割法比較簡(jiǎn)單，只需將子塊中的各像素點(diǎn)的灰度平均值作為灰度閾值即可。其中，OTSU最大類間方差法定位閾值比較準(zhǔn)確，均值分割法運(yùn)算速度較快。
[0092]由于禮帽算法主要提取的是在較暗的區(qū)域中亮的像素點(diǎn)。相反黑帽算法提取的是在較亮的區(qū)域中暗的像素點(diǎn)。因此在需要使用禮帽算法的區(qū)域中，較暗的灰度應(yīng)該占據(jù)大多數(shù)，相反在需要做黑帽算法的區(qū)域中，亮的灰度應(yīng)該占大多數(shù)。
[0093]在預(yù)設(shè)了每個(gè)子塊對(duì)應(yīng)的灰度閾值后，如果每個(gè)子塊中小于該灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)大于該灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，說(shuō)明暗的區(qū)域較多，則使用禮帽算法;如果每個(gè)子塊中大于該灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)小于該灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，說(shuō)明亮的區(qū)域較多，則使用黑帽算法。
[0094]其中，禮帽算法和黑帽算法都是基于基本的圖像灰度學(xué)算法-灰度腐蝕和灰度膨脹而組合而來(lái)的。禮帽算法先對(duì)圖像進(jìn)行灰度腐蝕，再進(jìn)行灰度膨脹，最后用原始數(shù)據(jù)減去膨脹后的值即可。黑帽算法則先對(duì)圖像進(jìn)行灰度膨脹，在進(jìn)行灰度腐蝕，最后減去原始數(shù)據(jù)即可。
[0095]禮帽操作的過(guò)程如下:
[0096]圖4為一種圖像的原始數(shù)據(jù)，圖5為基于圖4所示的原始數(shù)據(jù)經(jīng)過(guò)灰度腐蝕后的數(shù)據(jù)，如圖4和圖5所示，該例子采用了寬度為3的核，且核中心位于中間的位置?；叶扰蛎浥c灰度腐蝕不一樣的是，取核中的最大值，圖6為基于圖5所示的灰度腐蝕后的數(shù)據(jù)經(jīng)過(guò)灰度膨脹后的數(shù)據(jù)，如圖6所示，看到孤立的亮點(diǎn)已經(jīng)被消除掉了，這兩步灰度腐蝕和灰度膨脹組合起來(lái)又叫做灰度開運(yùn)算，再用圖4所示原始數(shù)據(jù)減去圖6中的數(shù)據(jù)，即可把孤立的亮點(diǎn)提取出來(lái)，即可得到亮的像素點(diǎn)，如圖7所示，圖7為經(jīng)過(guò)禮帽算法得到的亮的像素點(diǎn)。
[0097]黑帽操作的過(guò)程如下:
[0098]對(duì)圖8的原始數(shù)據(jù)先進(jìn)行灰度膨脹操作，得到圖9所示數(shù)據(jù)，圖9為基于圖8所示的原始數(shù)據(jù)經(jīng)過(guò)灰度膨脹后的數(shù)據(jù);基于圖9的數(shù)據(jù)，再進(jìn)行腐蝕操作得到圖10所示的數(shù)據(jù)，圖10為基于圖9所示的灰度膨脹后的數(shù)據(jù)經(jīng)過(guò)灰度腐蝕后的數(shù)據(jù);可以看到孤立的暗值已被“填平”，再用于圖10所示的灰度腐蝕后的數(shù)據(jù)減去原始數(shù)據(jù)，即得到暗的像素點(diǎn)，如圖11所示，圖11為經(jīng)過(guò)黑帽算法得到的暗的像素點(diǎn)。
[0099]對(duì)于經(jīng)過(guò)上述禮帽算法計(jì)算后可以得到暗的像素點(diǎn)的個(gè)數(shù)，經(jīng)過(guò)黑帽算法計(jì)算后得到亮的像素點(diǎn)的個(gè)數(shù)，可以通過(guò)預(yù)設(shè)的第二個(gè)數(shù)閾值(T)，判定每個(gè)子塊中有多少個(gè)這樣的亮的像素點(diǎn)的個(gè)數(shù)或者暗的像素點(diǎn)的個(gè)數(shù)，如果一個(gè)子塊中亮的像素點(diǎn)的個(gè)數(shù)大于第二個(gè)數(shù)閾值(T)，則可認(rèn)為該子塊滿足高頻信息區(qū)域的條件，可執(zhí)行后續(xù)的操作，例如銳化，調(diào)整對(duì)比度等來(lái)提升清晰度。圖12為本發(fā)明實(shí)施例采用的一種待處理的圖像，圖13為經(jīng)過(guò)本發(fā)明實(shí)施例所述的圖像高頻信息定位方法得到的高頻信息區(qū)域。
[0100]圖14為本發(fā)明實(shí)施例提供的一種圖像高頻信息的定位裝置的結(jié)構(gòu)以使圖，如圖14所示，包括:
[0101]分割模塊21，用于將待處理圖像分成若干個(gè)N*N的子塊；
[0102]判斷模塊22，用于判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域；
[0103]獲取模塊23，用于若是則使用禮帽算法獲取所述子塊中亮的像素點(diǎn)，否則使用黑帽算法獲取所述子塊中暗的像素點(diǎn)；
[0104]確定模塊24，用于根據(jù)所述子塊中亮的像素點(diǎn)個(gè)數(shù)或者暗的像素點(diǎn)個(gè)數(shù)，確定所述子塊是否屬于圖像高頻信息區(qū)域。
[0105]其中，所述的裝置還包括:
[0106]設(shè)置模塊25，用于預(yù)設(shè)每個(gè)子塊的灰度閾值，所述灰度閾值是用于區(qū)分所述子塊的圖像灰度的一個(gè)閾值。
[0107]所述設(shè)置模塊25具體用于:
[0108]利用最大類間方差法，在所述子塊的像素點(diǎn)矩陣中選擇一個(gè)像素點(diǎn)，使得所述像素點(diǎn)在所述像素點(diǎn)矩陣中的左側(cè)部分與右側(cè)部分的方差最大，所述像素點(diǎn)對(duì)應(yīng)的灰度值為所述子塊的灰度閾值;或者
[0109]根據(jù)每個(gè)子塊中各像素點(diǎn)的灰度值，計(jì)算平均灰度值作為所述子塊的灰度閾值。
[0110]所述判斷模塊22具體用于:
[0111]獲取每個(gè)子塊中各像素點(diǎn)的灰度值，根據(jù)每個(gè)子塊對(duì)應(yīng)的灰度閾值，若確定所述子塊中灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的暗區(qū)域多于亮區(qū)域；
[0112]若確定所述子塊中灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的亮區(qū)域多于暗區(qū)域。
[0113]所述確定模塊24具體用于:
[0114]若所述子塊中亮的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像尚頻?目息區(qū)域；
[0115]若所述子塊中暗的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像高頻信息區(qū)域。
[0116]圖14所示的裝置可以執(zhí)行圖1所示的方法，其實(shí)現(xiàn)原理和技術(shù)效果不再贅述。
[0117]上述說(shuō)明示出并描述了本發(fā)明的若干優(yōu)選實(shí)施例，但如前所述，應(yīng)當(dāng)理解本發(fā)明并非局限于本文所披露的形式，不應(yīng)看作是對(duì)其他實(shí)施例的排除，而可用于各種其他組合、修改和環(huán)境，并能夠在本文所述發(fā)明構(gòu)想范圍內(nèi)，通過(guò)上述教導(dǎo)或相關(guān)領(lǐng)域的技術(shù)或知識(shí)進(jìn)行改動(dòng)。而本領(lǐng)域人員所進(jìn)行的改動(dòng)和變化不脫離本發(fā)明的精神和范圍，則都應(yīng)在本發(fā)明所附權(quán)利要求的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1.一種圖像高頻信息的定位方法，其特征在于，包括: 將待處理圖像分成若干個(gè)N*N的子塊； 判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域； 若是則使用禮帽算法獲取所述子塊中亮的像素點(diǎn)，否則使用黑帽算法獲取所述子塊中暗的像素點(diǎn)； 根據(jù)所述子塊中亮的像素點(diǎn)個(gè)數(shù)或者暗的像素點(diǎn)個(gè)數(shù)，確定所述子塊是否屬于圖像高頻信息區(qū)域。2.如權(quán)利要求1所述的方法，其特征在于，判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域之前，包括: 預(yù)設(shè)每個(gè)子塊的灰度閾值，所述灰度閾值是用于區(qū)分所述子塊的圖像灰度的一個(gè)閾值。3.如權(quán)利要求2所述的方法，其特征在于，預(yù)設(shè)每個(gè)子塊的灰度閾值，包括: 利用最大類間方差法，在所述子塊的像素點(diǎn)矩陣中選擇一個(gè)像素點(diǎn)，使得所述像素點(diǎn)在所述像素點(diǎn)矩陣中的左側(cè)部分與右側(cè)部分的方差最大，所述像素點(diǎn)對(duì)應(yīng)的灰度值為所述子塊的灰度閾值;或者 根據(jù)每個(gè)子塊中各像素點(diǎn)的灰度值，計(jì)算平均灰度值作為所述子塊的灰度閾值。4.如權(quán)利要求1-3中任一項(xiàng)所述的方法，其特征在于，判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域，包括: 獲取每個(gè)子塊中各像素點(diǎn)的灰度值，根據(jù)每個(gè)子塊對(duì)應(yīng)的灰度閾值，若確定所述子塊中灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的暗區(qū)域多于亮區(qū)域； 若確定所述子塊中灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的亮區(qū)域多于暗區(qū)域。5.如權(quán)利要求1所述的方法，其特征在于，根據(jù)所述子塊中亮的像素點(diǎn)個(gè)數(shù)或者暗的像素點(diǎn)個(gè)數(shù)，確定所述子塊是否屬于圖像高頻信息區(qū)域，包括: 若所述子塊中亮的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像高頻信息區(qū)域； 若所述子塊中暗的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像高頻信息區(qū)域。6.一種圖像高頻信息的定位裝置，其特征在于，包括: 分割模塊，用于將待處理圖像分成若干個(gè)N*N的子塊； 判斷模塊，用于判斷每個(gè)子塊中的暗區(qū)域是否多于亮區(qū)域； 獲取模塊，用于若是則使用禮帽算法獲取所述子塊中亮的像素點(diǎn)，否則使用黑帽算法獲取所述子塊中暗的像素點(diǎn)； 確定模塊，用于根據(jù)所述子塊中亮的像素點(diǎn)個(gè)數(shù)或者暗的像素點(diǎn)個(gè)數(shù)，確定所述子塊是否屬于圖像高頻信息區(qū)域。7.如權(quán)利要求6所述的裝置，其特征在于，還包括: 設(shè)置模塊，用于預(yù)設(shè)每個(gè)子塊的灰度閾值，所述灰度閾值是用于區(qū)分所述子塊的圖像灰度的一個(gè)閾值。8.如權(quán)利要求7所述的裝置，其特征在于，所述設(shè)置模塊具體用于: 利用最大類間方差法，在所述子塊的像素點(diǎn)矩陣中選擇一個(gè)像素點(diǎn)，使得所述像素點(diǎn)在所述像素點(diǎn)矩陣中的左側(cè)部分與右側(cè)部分的方差最大，所述像素點(diǎn)對(duì)應(yīng)的灰度值為所述子塊的灰度閾值;或者 根據(jù)每個(gè)子塊中各像素點(diǎn)的灰度值，計(jì)算平均灰度值作為所述子塊的灰度閾值。9.如權(quán)利要求6-8中任一項(xiàng)所述的裝置，其特征在于，所述判斷模塊具體用于: 獲取每個(gè)子塊中各像素點(diǎn)的灰度值，根據(jù)每個(gè)子塊對(duì)應(yīng)的灰度閾值，若確定所述子塊中灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的暗區(qū)域多于亮區(qū)域； 若確定所述子塊中灰度值大于所述灰度閾值的像素點(diǎn)個(gè)數(shù)超過(guò)灰度值小于所述灰度閾值的像素點(diǎn)個(gè)數(shù)達(dá)到預(yù)定的第一個(gè)數(shù)閾值，則確定所述子塊中的亮區(qū)域多于暗區(qū)域。10.如權(quán)利要求7所述的裝置，其特征在于，所述確定模塊具體用于: 若所述子塊中亮的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像高頻信息區(qū)域； 若所述子塊中暗的像素點(diǎn)個(gè)數(shù)大于預(yù)設(shè)的第二閾值個(gè)數(shù)，則確定所述子塊為圖像高頻信息區(qū)域。
【文檔編號(hào)】G06T7/00GK105894491SQ201510890417
【公開日】2016年8月24日
【申請(qǐng)日】2015年12月7日
【發(fā)明人】楊帆, 劉陽(yáng), 蔡硯剛, 白茂生, 魏偉
【申請(qǐng)人】樂(lè)視云計(jì)算有限公司