一种基于单帧图像的宽动态范围处理方法与系统技术方案

本申请公开了一种基于单帧图像的宽动态范围处理方法，包括：将单帧源图像的亮度分量分别进行低通滤波与去噪处理，并依据低通滤波与去噪滤波处理得到的两幅图像数据提取边界信息；将获取的边界信息引入源图像信息的亮度分量中以获取一幅暗图像和一幅亮图像；根据先验曲线进行明暗度调整映射处理来调整边界信息、亮图像、暗图像的亮度值；在暗图像亮度调整后的基础上，引入亮度调整后的边界信息来补偿获取图像的轮廓信息，并通过经亮度调整后的亮图像和暗图像的整体明暗信息来决定最终图像的明暗程度并合成亮度维度分量；通过合成的亮度维度分量产生一个增益来调整单帧源图像的色度分量。本申请能有效降低数据处理量、降低成本。

【技术实现步骤摘要】

本申请涉及数字图像处理领域，尤其涉及一种基于单帧图像的宽动态范围处理方法与系统。
技术介绍
近年来，视频监控系统被广泛应用于医疗、交通、安防、汽车、航天、军事侦查等重要领域，视频监控系统成为社会生活的重要方面。视频监控要求在特殊环境下仍然保持优秀的监控图像，能够同时反应图像中非常亮和非常暗区域中可视细节信息。在场景中存在非常强烈的明暗对比时依然能够清晰成像的宽动态范围(WideDynamicRange，WDR)技术变的非常重要，交通监控系统需要捕获路面所有细节，如低照度的行人、道路表面，高照度的交通灯、汽车前后灯；安防监控系统需要捕获高照度的室外场景和低照度的室内场景，如地下车库、银行、超市等场所，在这种应用环境下，采用宽动态范围技术扩展摄像机的动态范围以满足监控系统的需求已是亟待解决的问题。现有宽动态范围技术主要采用多次曝光信号融合的方案，从时域或者空域对同一场景下的图像做两次或者两次以上的不同曝光时间处理，将这些图像信息按照一定的算法进行融合来获取宽动态图像，但是该方案数据量大、计算复杂度高、对设备处理能力要求较高，导致成本较高，且资源耗费严重。现有宽动态范围技术对于单个CCD/CMOS图像传感器的情况，一般使用不同曝光时间对同一场景进行时域多次采样，获取场景中不同亮度区域的细节，通过将这组不同曝光时间产生的图像进行有效融合而获得宽动态范围图像，该技术方案对整幅图像的像素点进行不同时域曝光处理，或者说对每一幅图像都存在不同曝光时长处理的数据，例如一幅图像的长曝光采样后紧接着短曝光采样，该技术方案为多帧模式的多次曝光方法，通过帧间融合处理输出WDR图像，其曝光控制较为单一。单一传感器模式的时域多次曝光必定增大待处理数据量，且不适宜用于物体快速运动的场景。现有宽动态范围技术对于多个CCD/CMOS图像传感器的情况，采用不同曝光时间对同一场景进行空域多次采样，在一帧图像内实现多次曝光，做帧内图像融合得到WDR输出图。该类技术方案需要特定的图像传感器，在工艺层面需要特殊设计改造，成本较高。多种传感器模式的空域多次曝光加大了对设备的要求，当设备不能满足条件时，无法使用，且较大的数据量以及较大的运算复杂度将带来高代价的实施，所需硬件及软件资源成本的高要求。
技术实现思路
本申请实施例提供一种基于单帧图像的宽动态范围处理方法，用以解决现有技术中图像宽动态范围处理耗费资源高、效果不理想的问题。本申请实施例采用下述技术方案：一种基于单帧图像的宽动态范围处理方法，包括：获取源图像，所述源图像是在时域一次曝光采样的单帧图像；将所述获取的单帧源图像的亮度分量分别进行低通滤波与去噪处理，并依据低通滤波与去噪滤波处理得到的两幅图像数据提取边界信息；将获取的边界信息引入源图像信息的亮度分量中以获取一幅暗图像和一幅亮图像；分别区分边界信息、亮图像以及暗图像的高低比特位大小，并根据先验曲线进行明暗度调整映射处理来调整边界信息、亮图像、暗图像的亮度值；在暗图像亮度调整后的基础上，引入亮度调整后的边界信息来补偿获取图像的轮廓信息，并通过经亮度调整后的亮图像和暗图像的整体明暗信息来决定最终图像的明暗程度并合成亮度维度分量；通过合成的亮度维度分量产生一个增益来调整单帧源图像的色度分量并合成最终宽动态范围图像输出。优选地，将所述获取的单帧源图像的亮度分量分别进行低通滤波与去噪处理，并依据低通滤波与去噪滤波处理得到的两幅图像数据提取边界信息，包括：将源图像所在的RGB颜色空间变换到YUV空间；依据所述源图像的亮度分量建立像素矩阵：根据亮度分量Y图像周围像素点距离模板中心像素点的不同距离给予不同的滤波权重系数，并建立权重系数模板：对亮度分量Y进行低通滤波处理得到低通滤波值LPF；对亮度分量Y进行去噪滤波处理得到去噪滤波值NRF；根据低通滤波和去噪滤波得出的两部分数据为LPF，NRF，获取任一像素点位置(x,y)的边界信息，依据如下公式获取：Edge(x,y)＝NRF(x,y)-LPF(x,y)。优选地，对亮度分量Y进行低通滤波处理得到低通滤波值LPF，包括：低通滤波结果通过如下公式计算：其中，p1＝a22，p2＝a12+a21+a23+a32，p3＝a11+a13+a31+a33，p4＝a02+a20+a24+a42，p5＝a01+a10+a03+a30+a14+a41+a34+a43，p6＝a00+a04+a40+a44，LPF表示滤波后的像素值结果，round(·)表示四舍五入计算。优选地，对亮度分量Y进行去噪滤波处理得到去噪滤波值NRF，包括：设定去噪阈值nrth参数；根据像素矩阵模板中心周围像素点与中心像素点位置处像素值差值的绝对值diff＝|Around-Center|和去噪阈值nrth进行比较，对绝对差值diff小于去噪阈值nrth的相应像素点进行去噪滤波处理，将去噪阈值nrth与像素值绝对差值diff的差值作为滤波系数Weigh，即Weight＝nrth-diff；去噪滤波结果通过如下公式计算：其中，Numer表示满足去噪条件的像素点加权求和结果，inv_denom表示根据先验曲线由满足去噪条件的像素点滤波系数之和映射的函数值，具体地，其中，Aroundi表示满足去噪条件需要去噪处理的像素点像素值，Weighti表示其相应的滤波系数，Denom表示相应滤波系数之和，inv_denom由Denom通过先验曲线查表得到其对应的值。优选地，将获取的边界信息引入源图像信息的亮度分量中以获取一幅暗图像和一幅亮图像，包括：亮图像的获取：依据源图像亮度Y分量，以及亮度前的边界信息Edge，并累加一个该图像亮度Y分量输入比特数所能表示的最大值，得到一幅相对较亮的图像，具体如下所示：xb＝MAX+Edge(x,y)-In_Y(x,y)其中，xb表示获取的相对较亮的图像，MAX表示Y分量输入比特数所能表示的最大值，In_Y为源图像输入Y分量的值；暗图像的获取：依据源图像亮度Y分量，以及未调整亮度前的边界信息Edge，并累加一个该图像Y分量输入比特数所能表示的最小值，得到一幅相对较暗的图像，具体如下公式所示：xd＝MIN+Edge(x,y)-In_Y(x,y)其中，xd表示获取的相对较暗的图像，MIN表示源图像亮度Y分量输入比特数所能表示的最小值，In_Y为源图像亮度Y分量的值。优选地，分别区分边界信息、亮图像以及暗图像的高低比特位大小，并根据先验曲线进行明暗度调整映射处理来调整边界信息、亮图像、暗图像的亮度值，包括：边界信息的亮度调整：先对获取的边界信息施加一个整体调整参数wdrkinv，若记xc＝Edge，则初步调整后的边界部分为：其中，所述wdrkbinv参数值是依据计算出的边界信息值Edge(x,y)的正负而设定的，表示如下：依据xc_k查验先验曲线表并映射得到两个不同的函数值exp_c0，diff_c0，将高比特位和低比特位组合成调整后的边界信息，表示如下：其中，exp_c为调整后的边界值，exp_c0，diff_c0为xc_k高比特位大小查表映射的值，Lxc_k为xc_k低比特位大小；暗图像的亮度调整：对获取的相对较暗的图像xd施加一个整体调整参数wdrkdinv，则初步调整后的相对较暗的图像本文档来自技高网...

【技术保护点】
一种基于单帧图像的宽动态范围处理方法，其特征在于，包括：获取源图像，所述源图像是在时域一次曝光采样的单帧图像；将所述获取的单帧源图像的亮度分量分别进行低通滤波与去噪处理，并依据低通滤波与去噪滤波处理得到的两幅图像数据提取边界信息；将获取的边界信息引入源图像信息的亮度分量中以获取一幅暗图像和一幅亮图像；分别区分边界信息、亮图像以及暗图像的高低比特位大小，并根据先验曲线进行明暗度调整映射处理来调整边界信息、亮图像、暗图像的亮度值；在暗图像亮度调整后的基础上，引入亮度调整后的边界信息来补偿获取图像的轮廓信息，并通过经亮度调整后的亮图像和暗图像的整体明暗信息来决定最终图像的明暗程度并合成亮度维度分量；通过合成的亮度维度分量产生一个增益来调整单帧源图像的色度分量并合成最终宽动态范围图像输出。

【技术特征摘要】
1.一种基于单帧图像的宽动态范围处理方法，其特征在于，包括：获取源图像，所述源图像是在时域一次曝光采样的单帧图像；将所述获取的单帧源图像的亮度分量分别进行低通滤波与去噪处理，并依据低通滤波与去噪滤波处理得到的两幅图像数据提取边界信息；将获取的边界信息引入源图像信息的亮度分量中以获取一幅暗图像和一幅亮图像；分别区分边界信息、亮图像以及暗图像的高低比特位大小，并根据先验曲线进行明暗度调整映射处理来调整边界信息、亮图像、暗图像的亮度值；在暗图像亮度调整后的基础上，引入亮度调整后的边界信息来补偿获取图像的轮廓信息，并通过经亮度调整后的亮图像和暗图像的整体明暗信息来决定最终图像的明暗程度并合成亮度维度分量；通过合成的亮度维度分量产生一个增益来调整单帧源图像的色度分量并合成最终宽动态范围图像输出。2.如权利要求1所述的方法，其特征在于，将所述获取的单帧源图像的亮度分量分别进行低通滤波与去噪处理，并依据低通滤波与去噪滤波处理得到的两幅图像数据提取边界信息，包括：将源图像所在的RGB颜色空间变换到YUV空间；依据所述源图像的亮度分量建立像素矩阵：a00a01a02a03a04a10a11a12a13a14a20a21a22a23a24a30a31a32a33a34a40a41a42a43a44]]>根据亮度分量Y图像周围像素点距离模板中心像素点的不同距离给予不同的滤波权重系数，并建立权重系数模板：f6f5f4f5f6f5f3f2f3f5f4f2f1f2f4f5f3f2f3f5f6f5f4f5f6]]>对亮度分量Y进行低通滤波处理得到低通滤波值LPF；对亮度分量Y进行去噪滤波处理得到去噪滤波值NRF；根据低通滤波和去噪滤波得出的两部分数据为LPF，NRF，获取任一像素点位置(x,y)的边界信息，依据如下公式获取：Edge(x,y)＝NRF(x,y)-LPF(x,y)。3.如权利要求2所述的方法，其特征在于，对亮度分量Y进行低通滤波处理得到低通滤波值LPF，包括：低通滤波结果通过如下公式计算：LPF=round[1128(f1*p12+f2*p2+f3*p3+f4*p4+f5*p5+f6*p6)]]]>其中，p1＝a22，p2＝a12+a21+a23+a32，p3＝a11+a13+a31+a33，p4＝a02+a20+a24+a42，p5＝a01+a10+a03+a30+a14+a41+a34+a43，p6＝a00+a04+a40+a44，LPF表示滤波后的像素值结果，round(·)表示四舍五入计算。4.如权利要求3所述的方法，其特征在于，对亮度分量Y进行去噪滤波处理得到去噪滤波值NRF，包括：设定去噪阈值nrth参数；根据像素矩阵模板中心周围像素点与中心像素点位置处像素值差值的绝对值diff＝|Around-Center|和去噪阈值nrth进行比较，对绝对差值diff小于去噪阈值nrth的相应像素点进行去噪滤波处理，将去噪阈值nrth与像素值绝对差值diff的差值作为滤波系数Weigh，即Weight＝nrth-diff；去噪滤波结果通过如下公式计算：NRF=round[1216(Numer*inv_denom)]]]>其中，Numer表示满足去噪条件的像素点加权求和结果，inv_denom表示根据先验曲线由满足去噪条件的像素点滤波系数之和映射的函数值，具体地，Numer=ΣiWeighti*Aroundi]]>inv_denom=f(Denom)=f(ΣiWeighti)]]>其中，Aroundi表示满足去噪条件需要去噪处理的像素点像素值，Weighti表示其相应的滤波系数，Denom表示相应滤波系数之和，inv_denom由Denom通过先验曲线查表得到其对应的值。5.如权利要求4所述的方法，其特征在于，将获取的边界信息引入源图像信息的亮度分量中以获取一幅暗图像和一幅亮图像，包括：亮图像的获取：依据源图像亮度Y分量，以及亮度前的边界信息Edge，并累加一个该图像亮度Y分量输入比特数所能表示的最大值，得到一幅相对较亮的图像，具体如下所示：xb＝MAX+Edge(x,y)-In_Y(x,y)其中，xb表示获取的相对较亮的图像，MAX表示Y分量输入比特数所能表示的最大值，In_Y为源图像输入Y分量的值；暗图像的获取：依据源图像亮度Y分量，以及未调整亮度前的边界信息Edge，并累加一个该图像Y分量输入比特数所能表示的最小值，得到一幅相对较暗的图像，具体如下公式所示：xd＝MIN+Edge(x,y)-In_Y(x,y)其中，xd表示获取的相对较暗的图像，MIN表示源图像亮度Y分量输入比特数所能表示的最小值，In_Y为...

【专利技术属性】
技术研发人员：周彩章，杨佳俊，
申请(专利权)人：周彩章，
类型：发明
国别省市：美国;US