一种针对超广角图像的边缘增强算法制造技术

本发明专利技术提供一种针对超广角图像的边缘增强算法，包括以下步骤：获取超广角图像；构建超广角图像的边缘增强模型，求取超广角图像的圆心坐标和半径；将超广角图像从RGB空间变换到YUV空间，计算超广角图像上的每个像素点在Y分量上的均值；选取超广角图像中到圆心距离大于0.5r的像素点组成的缓冲区域Ω1，对缓冲区域Ω1内的像素点进行均值补偿；选取超广角图像中到圆心距离大于0.5r且小于的0.75r像素点组成的缓冲区域Ω2，对缓冲区域Ω2内的像素点进行融合补偿；获得边缘增强后的超广角图像。计算超广角图像在Y分量上的均值后，通过均值补偿和融合补偿对超广角图像的边缘部分进行增强，获得拥有清晰度更高的超广角图像。本发明专利技术应用于图像处理领域。

【技术实现步骤摘要】
一种针对超广角图像的边缘增强算法
本专利技术涉及图像处理、计算机视觉和虚拟现实
，尤其涉及一种针对超广角图像的边缘增强算法。
技术介绍
近年来随着人工智能的不断发展，计算机视觉技术得到了越来越广泛的应用。许多场合的需求已经显示出了普通镜头视角范围的局限性。而超广角镜头具有超大视场，可以一次性获得189度甚至220度的场景信息，远远超过了普通镜头视觉系统的拍摄视场，也极大超越了人类的自然观测能力，这一优点使得它在安防监控、工业医疗、智能交通等领域得到了广泛应用。虽然超广角镜头的大视野特点使得其广泛应用于各个领域，但由于其特殊的光学特性，拍摄的图像的质量存在很大的问题：一方面图像整体出现了严重的变形失真，另一方面图像的边缘部分清晰度明显低于中心部分。针对前者，目前已经有很多畸变校正算法来解决这个问题，但是后者目前还没有什么很好的解决办法。
技术实现思路
针对现有技术中超广角图像的边缘部分清晰度明显低于中心部分等问题，本专利技术的目的是提供一种针对超广角图像的边缘增强算法，计算超广角图像在Y分量上的均值后，通过均值补偿和融合补偿对超广角图像的边缘部分进行增强，获得拥有清晰度更高的超广角图像。本专利技术采用的技术方案是：一种针对超广角图像的边缘增强算法，包括以下步骤：S1、获取超广角图像，其中，超广角图像中的所有场景的有效信息集中在同一个圆形区域中；S2、构建超广角图像的边缘增强模型：设立平面坐标系X-O-Y，超广角图像位于XOY平面内，求取超广角图像A(x，y)的圆心坐标(x0，y0)和半径r；S3、将超广角图像A(x，y)从RGB空间变换到YUV空间，计算超广角图像A(x，y)上的每个像素点在Y分量上的均值mean(x，y)；S4、选取超广角图像中到圆心距离大于0.5r的像素点组成的缓冲区域Ω1，根据步骤S3获得的均值mean(x，y)对缓冲区域Ω1内的像素点进行均值补偿；S5、选取超广角图像中到圆心距离大于0.5r且小于的0.75r像素点组成的缓冲区域Ω2，对缓冲区域Ω2内已完成均值补偿的像素点进行融合补偿；S6、获得边缘增强后的超广角图像。作为上述技术方案的进一步改进，超广角图像A(x，y)的圆心坐标(x0，y0)和半径r的求取过程为：S21、将彩色的超广角图像A(x，y)转换成灰度图像G(x，y)；S22、对灰度图像G(x，y)进行二值化处理，得到二值化图像GB(x，y)；S23、求取超广角图像的圆心坐标(x0，y0)和半径r：式中，N是二值图GB(x，y)中所有白色像素点的总个数，∑x′是二值图中所有白色像素点的横坐标之和，∑y′是二值图中所有白色像素点的纵坐标之和。作为上述技术方案的进一步改进，将超广角图像A(x，y)从RGB空间变换到YUV空间的变换公式为：式中，R、G、B分别为RGB空间的R分量、G分量、B分量，Y、U、V分别为YUV空间的Y分量、U分量、V分量。作为上述技术方案的进一步改进，所述计算超广角图像A(x，y)上的每个像素点在Y分量上的均值mean(x，y)的过程具体为：S31、遍历超广角图像A(x，y)上的像素点，计算超广角图像A(x,y)上的每个像素点在Y分量的积分图GY(x,y):在超广角图像A(x，y)中任取一像素点，计算从超广角图像A(x，y)的左上角到该像素点所构成的矩形区域内所有像素点的Y分量颜色值之和，即为该像素点的积分图的取值；S32、根据积分图GY(x,y)计算超广角图像A(x，y)上的每个像素点在Y分量上的的均值Mean(x,y)：式中，w和h分别是均值窗口的长度和宽度。作为上述技术方案的进一步改进，步骤S4中，所述对缓冲区域Ω1内的像素点进行均值补偿的具体过程为：B(x,y)＝A(x,y)+α(x,y)·[A(x,y)-Mean(x,y)]式中，α(x,y)为加权系数，B(x,y)为均值补偿后的像素值，其中，(x,y)∈Ω1。作为上述技术方案的进一步改进，步骤S5中，所述对缓冲区域Ω2内的像素点进行融合补偿的具体过程为：C(x,y)＝β(x,y)×A(x,y)+(1-β(x,y))×B(x,y)式中，β(x,y)为加权系数，C(x,y)为均值补偿后的像素值，其中，(x,y)∈Ω2。作为上述技术方案的进一步改进，步骤S6中，获得边缘增强后的超广角图像的表达式为：本专利技术的有益技术效果：本专利技术在计算超广角图像在Y分量上的均值后，通过均值补偿和融合补偿对超广角图像的边缘部分进行增强，获得拥有清晰度更高的超广角图像，算法复杂度低，边缘增强效果显著，能够实时高效的提高超广角图像的边缘部分清晰度，有效的弥补了现有超广角图像处理方法的不足。附图说明图1是本实施例的流程示意图；图2是缓冲区域Ω1在超广角图像内的分布示意图；图3是缓冲区域Ω1在超广角图像内的分布示意图。具体实施方式为了便于本专利技术的实施，下面结合具体实例作进一步的说明。如图1所示的一种针对超广角图像的边缘增强算法，包括以下步骤：S1、获取超广角图像，其中，超广角图像中的所有场景的有效信息集中在同一个圆形区域中；S2、构建超广角图像的边缘增强模型：设立平面坐标系X-O-Y，超广角图像位于XOY平面内，求取超广角图像A(x，y)的圆心坐标(x0，y0)和半径r；S21、将彩色的超广角图像A(x，y)转换成灰度图像G(x，y)；S22、对灰度图像G(x，y)进行二值化处理，得到二值化图像GB(x，y)；S23、求取超广角图像的圆心坐标(x0，y0)和半径r：式中，N是二值图GB(x，y)中所有白色像素点的总个数，∑x′是二值图中所有白色像素点的横坐标之和，∑y′是二值图中所有白色像素点的纵坐标之和。S3、将超广角图像A(x，y)从RGB空间变换到YUV空间，计算超广角图像A(x，y)上的每个像素点在Y分量上的均值mean(x，y)。将超广角图像A(x，y)从RGB空间变换到YUV空间的变换公式为：式中，R、G、B分别为RGB空间的R分量、G分量、B分量，Y、U、V分别为YUV空间的Y分量、U分量、V分量。计算超广角图像A(x，y)上的每个像素点在Y分量上的均值mean(x，y)的过程具体为：S31、遍历超广角图像A(x，y)上的像素点，计算超广角图像A(x,y)上的每个像素点在Y分量的积分图GY(x,y):在超广角图像A(x，y)中任取一像素点，计算从超广角图像A(x，y)的左上角到该像素点所构成的矩形区域内所有像素点的Y分量颜色值之和，即为该像素点的积分图的取值；S32、根据积分图GY(x,y)计算超广角图像A(x，y)上的每个像素点在Y分量上的的均值Mean(x,y)：式中，w和h分别是均值窗口的长度和宽度。S4、参考图2，选取超广角图像中到圆心距离大于0.5r的像素点组成的缓冲区域Ω1，根据步骤S3获得的均值mean(x，y)对缓冲区域Ω1内的像素点进行均值补偿，具体过程为：对于缓冲区域Ω1内的任一像素点(x,y)，先计算该像素点(x,y)与均值Mean(x,y)之间的差值，随后将该该差值通过加权系数补偿给该像素点，这样即能增加该像素点与均值的差异，从而获得边缘增强的效果。均值补偿的计算公式为：B(x,y)＝A(x,y)+α(x,y)·[A(x,y)-Mean(x,y)]式中，α(x,y)为加权系数，B(x本文档来自技高网...

【技术保护点】
1.一种针对超广角图像的边缘增强算法，其特征在于，包括以下步骤：S1、获取超广角图像，其中，超广角图像中的所有场景的有效信息集中在同一个圆形区域中；S2、构建超广角图像的边缘增强模型：设立平面坐标系X‑O‑Y，超广角图像位于XOY平面内，求取超广角图像A(x，y)的圆心坐标(x0，y0)和半径r；S3、将超广角图像A(x，y)从RGB空间变换到YUV空间，计算超广角图像A(x，y)上的每个像素点在Y分量上的均值mean(x，y)；S4、选取超广角图像中到圆心距离大于0.5r的像素点组成的缓冲区域Ω1，根据步骤S3获得的均值mean(x，y)对缓冲区域Ω1内的像素点进行均值补偿；S5、选取超广角图像中到圆心距离大于0.5r且小于的0.75r像素点组成的缓冲区域Ω2，对缓冲区域Ω2内已完成均值补偿的像素点进行融合补偿；S6、获得边缘增强后的超广角图像。

【技术特征摘要】
1.一种针对超广角图像的边缘增强算法，其特征在于，包括以下步骤：S1、获取超广角图像，其中，超广角图像中的所有场景的有效信息集中在同一个圆形区域中；S2、构建超广角图像的边缘增强模型：设立平面坐标系X-O-Y，超广角图像位于XOY平面内，求取超广角图像A(x，y)的圆心坐标(x0，y0)和半径r；S3、将超广角图像A(x，y)从RGB空间变换到YUV空间，计算超广角图像A(x，y)上的每个像素点在Y分量上的均值mean(x，y)；S4、选取超广角图像中到圆心距离大于0.5r的像素点组成的缓冲区域Ω1，根据步骤S3获得的均值mean(x，y)对缓冲区域Ω1内的像素点进行均值补偿；S5、选取超广角图像中到圆心距离大于0.5r且小于的0.75r像素点组成的缓冲区域Ω2，对缓冲区域Ω2内已完成均值补偿的像素点进行融合补偿；S6、获得边缘增强后的超广角图像。2.根据权利要求1所述针对超广角图像的边缘增强算法，其特征在于，步骤S2中，超广角图像A(x，y)的圆心坐标(x0，y0)和半径r的求取过程为：S21、将彩色的超广角图像A(x，y)转换成灰度图像G(x，y)；S22、对灰度图像G(x，y)进行二值化处理，得到二值化图像GB(x，y)；S23、求取超广角图像的圆心坐标(x0，y0)和半径r：式中，N是二值图GB(x，y)中所有白色像素点的总个数，∑x′是二值图中所有白色像素点的横坐标之和，∑y′是二值图中所有白色像素点的纵坐标之和。3.根据权利要求1所述针对超广角图像的边缘增强算法，其特征在于，步骤S3中，将超广角图像A(x，y)从RGB空间变换到YUV空间的变换公式为：式中，R、G...

【专利技术属性】
技术研发人员：向北海，
申请(专利权)人：湖南优象科技有限公司，
类型：发明
国别省市：湖南,43