技术领域本发明涉及图像处理技术领域，特别是涉及一种基于单帧数据的实时图像增强方法。
背景技术：
目前，图像处理、机器视觉和安全监控系统的关键技术中都涉及到一个核心问题，即对低照度下获取的图像进行实时的增强。系统是否能够在低照度的情况下获取到有效的图像信息，直接影响着系统后端及使用方对图像的后续处理和识别，特别是在机器视觉、实时监控、智能安防领域，对低照度下的图像增强有很大的应用需求，因此，低照度下实时的图像增强算法成为了图像处理、机器视觉、监控安防领域研究中关键技术之一。在进行实时的图像增强时，存在要适应低照度要求、实时性强、增强后的图像有高的信噪比等需求，并且不依赖于硬件，在实际使用过程中需要满足可用性强，不丢失关键信息的要求。为了实现低照度下实时图像增强的目标，可以使用硬件上增加曝光时间及光通量，或者算法上使用帧间累积的方法。硬件上增加曝光时间的方法是在增加获取一帧图像时间，硬件上多累积电荷，增加光通量的方法是增大镜头光圈，使得有更多的光进入，硬件上多获取电荷。以上的方法获取的图像信噪比较低，且在实时获取快速移动的物体的情况下图像质量严重下降甚至获取不到正确图像，对硬件依赖严重。而帧间累积的方法是利用连续获取的多帧图像对应像素点进行像素值累积，软件上实现多累积电荷的方法，这种方法同样存在图像信噪比低，无法获取快速移动物体有效图像的情况。
技术实现要素：
本发明所要解决的技术问题是提供一种基于单帧数据的实时图像增强方法，能够在低照度情况下，使用单帧图像本身数据进行实时图像增强处理，同时提高图像的信噪比，为系统后端及使用方的后续处理和识别提供可靠的数据基础。本发明解决其技术问题所采用的技术方案是：提供一种基于单帧数据的实时图像增强方法，包括以下步骤：(1)获取单帧低照度图像数据；(2)计算低照度图像数据的像素均值及各阶矩值；(3)判断图像数据是否过暗；(4)对图像的每个像素点进行掩膜增强处理；(5)使用经过掩膜增强后的像素值代替原像素值，得到增强后的图像数据。所述步骤(1)还包括对获得的低照度图像数据进行滤波预处理去除干扰点的步骤。所述步骤(2)中像素均值的计算方法为：各阶矩值的计算方法为：其中，x表示图像数据的总长度、y表示图像数据的总宽度，S(i,j)表示第i行第j列的图像数据，n为阶数。所述步骤(3)中通过设定阈值的方法判断图像数据是否过暗。所述步骤(4)具体为：对于图像的每个像素点，以其为中心，根据像素点坐标情况选用合适的掩膜窗口进行处理，利用掩膜窗口内部的邻近像素点，计算其增强后的像素值。所述掩膜窗口有两种方式，以图像左上角点为坐标(1，1)点，当像素点的横纵坐标只有一个为偶数情况时，选择第一种掩模窗口，其他情况选择第二种掩模窗口；其中，第一种掩模窗口的邻近点像素为原点像素上、下、左、右四个方向上的像素；第二种掩模窗口的邻近点像素为原点像素左上、左下、右上、右下四个方向上的像素。所述步骤(5)中还包括对得到增强后的图像数据进行滤波以去除畸变点和干扰点的步骤。有益效果由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明实现了在低照度情况下，使用单帧图像本身数据进行实时图像增强处理，同时提高图像的信噪比，为系统后端及使用方的后续处理和识别提供可靠的数据基础。本发明可实现系统的实时性，且易于移植，特别适合机器视觉、监控安防领域这种实时性准确性要求较高的环境。附图说明图1是本发明的流程图；图2是本发明中获取单帧低照度图像数据的流程图；图3是本发明中计算图像像素数据的均值及各阶矩值的流程图；图4是本发明中逐像素点进行掩膜增强处理的流程图；图5是本发明中掩膜窗口方式1的示意图；图6是本发明中掩膜窗口方式2的示意图；图7是本发明使用前后效果对比图。具体实施方式下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。图1为本发明一种基于单帧数据的实时图像增强算法的流程图，如图1所示，所述方法，包括下列步骤：步骤100：获取单帧低照度图像数据；步骤200：计算图像像素数据的均值及各阶矩值；步骤300：判断图像是否过暗；步骤400：逐像素点进行掩膜增强处理；步骤500：获得增强后图像数据。图2为本发明中获取单帧低照度图像数据的结构示意图，说明了获取低照度图像数据及滤波预处理方法。步骤101：获取最原始的单帧低照度图像数据P。步骤102：对获取的原始的单帧低照度图像数据P进行滤波预处理，去除干扰噪点，特别是低照度下摄像机增大曝光时间产生的干扰噪声点。滤波预处理方法一般取M*M中值滤波，其中，M＝3、5、或其他数值。步骤103：得到滤波预处理后获得图像数据S。图3为本发明中计算图像像素数据的均值及各阶矩值的结构示意图，说明了获得判断图像照度是否过暗的特征值的方法。步骤201：使用图像数据S的全部或者部分数据进行图像像素值的平均值的计算，假设参与计算的数据尺寸为x*y，其中平均值的计算方法为：其中，x表示图像数据的总长度、y表示图像数据的总宽度，S(i,j)表示第i行第j列的图像数据。步骤202：使用图像数据S的全部或者部分数据进行图像像素值的平均值和各阶矩的计算，n阶矩值的计算方法为：其中n是阶数。一般情况下我们只计算到三阶矩就可以体现出所需特性，并且可以减少计算量。步骤203：使用获得的均值和各阶矩值来进行图像照度判断特征值的计算。在步骤300中，使用获得的均值及各阶矩值计算特征值来进行图像照度判断，并以K为判断阈值，判断方法如下：当照度较低时，则认为此图像需要进行增强处理。图4为本发明一种基于单帧数据的实时图像增强算法中逐像素点进行掩膜增强处理的结构示意图，说明了使用特定掩膜方式对图像进行逐点增强处理的方法。步骤401：进行逐点选择，以参与计算的每个像素点为中心进行操作。步骤402：使用选定的像素点，判断其坐标类型，选择合适的掩膜方式进行增强计算，掩膜窗口有两种方式待选择，以图像左上角点为坐标(1，1)点，当像素点的横纵坐标只有一个为偶数情况时，选择方式1，其他情况选择方式2。掩膜窗口方式1和掩膜窗口方式2在获取邻近点像素的方式上不同。掩膜窗口方式1的邻近点像素为原点像素上、下、左、右四个方向上的像素，见图5；掩膜窗口方式2的邻近点像素为原点像素左上、左下、右上、右下四个方向上的像素，见图6。步骤403：进行该中心像素点的增强计算，利用掩膜窗口内部的邻近像素点，计算其增强后的像素值，假设参与计算的临近像素点个数为m个，增强后的像素值V的计算方法为：V=(k1*S(1)+k2*S(2)+...+ki*S(i)+...+km*S(m))m,]]>其中，ki为各参与计算的临近像素点的比例权值。在步骤500中，使用经过掩膜增强后的像素值代替原像素值，得到增强后的图像数据，对得到增强后的图像数据进行滤波以去除畸变点和干扰点。图7为本发明一种基于单帧数据的实时图像增强算法的使用前后效果对比图。由此可见，本发明的一种基于单帧数据的实时图像增强算法，实现了在低照度的情况下快速的进行图像实时增强，同时提高图像信噪比。不需要进行大量的数据采集，抗干扰性强、速度快，可实现系统的实时性，特别适合在机器视觉、智能安防领域这种实时性有效性要求较高的环境。