【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。