一种基于人工交互的航拍图像亮度调节方法与流程

本发明涉及图像处理领域，尤其涉及一种基于人工交互的航拍图像亮度调节方法。

背景技术：

由于航拍图像中，存在物体的阴影，云遮挡阴影，以及物体发射导致的高光，影响到航拍图像的后续操作，如物体分割、分类，因此需要手动选取阴影区域或高光区域调节。

现有的大多数算法都可以对图像整体和局部进行亮度调整，尽管取得了不错的效果，但对高要求的航拍图像而言仍不能满足要求，尤其在点光源干扰或者明暗不均的图像中，需要单独选取调节。

而如果人为的去处理，通常的做法则是，由经验丰富的技术人员，人工选取重点区域调节直至完成处理。但是，如此一来，处理痕迹将会非常明显，对于要求高的情形，难以达到要求。

为了解决上述问题，本发明提出一种基于人工交互的航拍图像亮度调节方法。

技术实现要素：

为了解决上述问题，本发明提出一种基于人工交互的航拍图像亮度调节方法，所述航拍图像亮度调节方法具体包括如下步骤：

s1：选取航拍图像中要处理的区域；

s2：设定模糊半径；

s3：根据选定的区域进行亮度调节；

s4：根据选定的区域构造蒙板图像；

s5：根据模糊半径对蒙板图像进行处理；

s6：根据蒙板图像、处理图像与原图进行线性叠加；

s7：得到处理后的图像。

优选的，所述s2中，所述设定模糊半径的具体方式为：

根据选定的区域设定模糊半径，

选用圆形、方形或者不规则多边形选取要处理的区域；选取的区域越大，模糊半径越大，取值为基数，范围为[3155]。

优选的，所述s2中，设定模糊半径的具体方式为：

s211：获取已知模糊半径的模糊图像,将模糊图像频谱图第二个暗圆的半径和已知的模糊半径作为训练样本；

s212：基于训练样本,通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型；

s213：最后,利用关系模型来预测未知的模糊半径。

优选的，所述s2中，设定模糊半径的具体方式为：

s221：根据选定的区域设定模糊半径，选用圆形、方形或者不规则多边形选取要处理的区域；选取的区域越大，模糊半径越大，取值为基数，范围为[3155]；

s222：通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型；利用关系模型来预测未知的模糊半径；

s223：通过根据选定的区域设定模糊半径、利用关系模型来预测未知的模糊半径的加权值作为模糊半径。

优选的，

还可以建立根据选定的区域设定模糊半径、利用关系模型来预测未知的模糊半径与技术人员选取的最优模糊半径的数学模型，再根据该数学模型进行最优模糊半径预测。

优选的，所述s3中“根据选定的区域进行亮度处理”的具体方式为：

s311：获取图像像素的亮度值，归一化亮度值为f(i,j)；

s312：选取迭代函数φ(x)＝1-[1-sin²(ax)],x∈[0,1]；a的取值为：

其中，l是亮度图像灰度累积分布函数等于0.2时对应的灰阶；

s313：f(i,j)＝φ(f(i,j))；

s314：调整后的亮度值fe(i,j)＝f(i,j)^φ(f(i,j))；

s315：转换为彩色图像并输出。

优选的，所述s3中“根据选定的区域进行亮度处理”的具体方式为：

采用伽马校正调节选定区域的亮度。

优选的，所述步骤s4中，根据选定的区域构造蒙板图像的具体方法为：

在选择区域内填255，区域外填0，并进行模糊处理，构建与原图像一样大的蒙板图像；在原图选定的区域内进行亮度处理，区域外不处理，区域边界采用蒙板图像做平衡过渡。

优选的，所述模糊处理的具体方式为：

s41：分析选取图像的边缘是否复杂，若是，执行步骤s45；否则执行步骤s42；

s42：比较区域边缘的曲线数量和直线数量，若直线数量较多，执行步骤s43，否则执行步骤s44；

s43：采用直线型隶属函数进行模糊处理，结束模糊处理；

s44：选取s型或z型的隶属函数对图像进行模糊处理，结束模糊处理；

s44：选取π型隶属函数对图像进行模糊化。

优选的，所述s5中，根据模糊半径对蒙板图像进行处理的具体方式为：

根据模糊半径，采用图像卷积运算对蒙版图像进行处理。

本发明的有益效果在于：通过本发明，可以使得图像的亮度均匀效果更好，提高了图像的清晰度，而且处理后不留痕迹。

附图说明

图1是本发明的原理图；

图2是处理前的效果图；

图3是常规做法的效果图；

图4是本发明的效果图；

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。

如图1，一种基于人工交互的航拍图像亮度调节方法，所述航拍图像亮度调节方法具体包括如下步骤：

s1：选取航拍图像中要处理的区域；

s2：设定模糊半径；

s3：根据选定的区域进行亮度处理；

s4：根据选定的区域构造蒙板图像；

s5：根据模糊半径对蒙板图像进行处理；

s6：根据蒙板图像、处理图像与原图进行线性叠加；

s7：得到处理后的图像。

优选的，所述s2中，所述设定模糊半径的具体方式为：

根据选定的区域设定模糊半径，

选用圆形、方形或者不规则多边形选取要处理的区域；选取的区域越大，模糊半径越大，取值为基数，范围为[3155]。

优选的，所述s2中，设定模糊半径的具体方式为：

s211：获取已知模糊半径的模糊图像,将模糊图像频谱图第二个暗圆的半径和已知的模糊半径作为训练样本；

s212：基于训练样本,通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型；

s213：最后,利用关系模型来预测未知的模糊半径。

优选的，所述s2中，设定模糊半径的具体方式为：

s221：根据选定的区域设定模糊半径，选用圆形、方形或者不规则多边形选取要处理的区域；选取的区域越大，模糊半径越大，取值为基数，范围为[3155]；

s222：通过支持向量机学习得到模糊半径与第二暗圆半径之间的关系模型；利用关系模型来预测未知的模糊半径；

s223：通过根据选定的区域设定模糊半径、利用关系模型来预测未知的模糊半径的加权值作为模糊半径。

优选的，

还可以建立根据选定的区域设定模糊半径、利用关系模型来预测未知的模糊半径与技术人员选取的最优模糊半径的数学模型，再根据该数学模型进行最优模糊半径预测。

优选的，

所述s3中“根据选定的区域进行亮度处理”的具体方式为：

s311：获取图像像素的亮度值，归一化亮度值为f(i,j)；

s312：选取迭代函数φ(x)＝1-[1-sin²(ax)],x∈[0,1]；a的取值为：

其中，l是亮度图像灰度累积分布函数等于0.2时对应的灰阶；

s313：f(i,j)＝φ(f(i,j))；

s314：调整后的亮度值fe(i,j)＝f(i,j)^φ(f(i,j))；

s315：转换为彩色图像并输出。

优选的，所述s3中“根据选定的区域进行亮度处理”的具体方式为：

采用伽马校正调节选定区域的亮度。

优选的，所述步骤s4中，根据选定的区域构造蒙板图像的具体方法为：

在选择区域内填255，区域外填0，并进行模糊处理，构建与原图像一样大的蒙板图像；在原图选定的区域内进行亮度处理，区域外不处理，区域边界采用蒙板图像做平衡过渡。

优选的，所述模糊处理的具体方式为：

s41：分析选取图像的边缘是否复杂，若是，执行步骤s45；否则执行步骤s42；

s42：比较区域边缘的曲线数量和直线数量，若直线数量较多，执行步骤s43，否则执行步骤s44；

s43：采用直线型隶属函数进行模糊处理，结束模糊处理；

s44：选取s型或z型的隶属函数对图像进行模糊处理，结束模糊处理；

s44：选取π型隶属函数对图像进行模糊化。

优选的，所述s5中，根据模糊半径对蒙板图像进行处理的具体方式为：

根据模糊半径，采用图像卷积运算对蒙版图像进行处理。

如图2-4，图2右侧受到云阴影的影响，像素亮度值较低，采用人工选取增强后，图像如图4所示，整体亮度均衡，若采用传统方法，如图3，全图处理虽然能将云阴影消除，同时会导致局部区域过亮，如图像中间区域。

需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和单元并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、rom、ram等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。