【技术实现步骤摘要】
一种图像处理方法及系统
本专利技术涉及图像处理的
，尤其涉及一种图像处理方法及系统。
技术介绍
随着互联网时代的到来，越来越多的图像被用户发送到网上，但图像质量参差不齐，存在较多质量较差的图像难以识别，对互联网中的图像进行有效处理成为当前研究的人们话题。传统图像阴影检测算法使用DSM模型、成像时间、场景地理坐标等信息构建成像几何关系，对图像阴影进行粗检测；然后再使用抠图技术对阴影粗检测结果进行细化，最终得到阴影检测结果。这种阴影检测方法对于一般阴影具有很好的检测效果，但是不可避免存在一些小阴影漏检问题，并且场景几何信息和太阳位置信息通常不易获取；另外在阴影检测过程中加入抠图操作也较为耗时。鉴于此，如何实现更为高效的图像处理，包括图像阴影补偿、图像异常检测，成为本领域技术人员亟待解决的问题。
技术实现思路
本专利技术提供一种图像处理方法，通过利用基于Reduce节点性能的图像动态存储方法进行图像数据存储，并利用基于图像梯度的图像异常检测算法进行图像异常部分检测，并利用图像阴影检测算法进行图像阴影检测，根据所检测到的图像阴影部分，利用图像阴影补偿算法实现图像阴影区域的补偿处理。为实现上述目的，本专利技术提供的一种图像处理方法，包括：获取图像数据，利用基于Reduce节点性能的图像动态存储方法将图像数据存储到数据库中；对待处理图像数据进行图像灰度化、灰度拉伸以及灰度增强的预处理，得到预处理完成的图像数据；利用基于图像梯度的图像异常检测算法进行图像异常...
【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：/n获取图像数据，利用基于Reduce节点性能的图像动态存储方法将图像数据存储到数据库中；/n对待处理图像数据进行图像灰度化、灰度拉伸以及灰度增强的预处理，得到预处理完成的图像数据；/n利用基于图像梯度的图像异常检测算法进行图像异常部分检测，将图像异常部分进行标记并进行报错处理；/n利用图像阴影检测算法对图像进行检测，检测到图像阴影区域；/n根据所检测到的图像阴影区域，利用图像阴影补偿算法实现图像阴影区域的补偿处理。/n
【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：
获取图像数据，利用基于Reduce节点性能的图像动态存储方法将图像数据存储到数据库中；
对待处理图像数据进行图像灰度化、灰度拉伸以及灰度增强的预处理，得到预处理完成的图像数据；
利用基于图像梯度的图像异常检测算法进行图像异常部分检测，将图像异常部分进行标记并进行报错处理；
利用图像阴影检测算法对图像进行检测，检测到图像阴影区域；
根据所检测到的图像阴影区域，利用图像阴影补偿算法实现图像阴影区域的补偿处理。
2.如权利要求1所述的一种图像处理方法，其特征在于，所述利用基于Reduce节点性能的图像动态存储方法将图像数据存储到数据库中，包括：
1)实时计算每个Reduce节点的权重wi：
其中：
dm表示节点i在第m个任务处理的数据量；
cm表示节点i在第m个任务的执行时间；
ri表示第i个节点监听的数据传输量；
v表示网络宽带传输率；
2)当进行图像数据存储请求选取reduce节点时，遍历数据库中所有reduce节点，选取性能最好的reduce节点进行图像数据的存储。
3.如权利要求2所述的一种图像处理方法，其特征在于，所述对待处理图像数据进行图像灰度化、灰度拉伸以及灰度增强的预处理，包括：
1)对待处理图像中每一个像素的三个分量求最大值，并将该最大值设置为该像素点的灰度值，得到图像的灰度图，所述灰度化处理的公式为：
G(i，j)＝max{R(i，j)，G(i，j)，B(i，j)}
其中：
(i，j)为待处理图像中的一个像素点；
R(i，j)，G(i，j)，B(i，j)分别为像素点(i，j)在R、G、B三个颜色通道中的值；
G(i，j)为像素点(i，j)的灰度值；
2)对于所述灰度图，利用分段线性变换的方式对图像灰度进行拉伸，所述灰度拉伸的公式为：
其中：
f(x，y)为灰度图；
MAXf(x，y)，MINf(x，y)分别为灰度图的最大灰度值和最小灰度值；
3)利用灰度增强公式对灰度拉伸后图像进行灰度增强处理，所述灰度增强的公式为：
其中：
x为灰度增强前的灰度值，y为灰度增强后的灰度值；
a，b为参数，a＝0，b＝100。
4.如权利要求3所述的一种图像处理方法，其特征在于，所述利用基于图像梯度的图像异常检测算法进行图像异常部分检测，包括：
1)将图像f(x，y)分割为若干大小相同且互不重叠的图像块，其中图像块的大小为w×w像素；
2)计算图像块中每个像素在x和y方向的梯度向量：
其中：
Gx(x，y)为图像块在x方向的梯度向量；
Gy(x，y)为图像块在y方向的梯度向量；
3)计算每个图像块的块梯度向量：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。