专利名称：一种适用于交通控制的图像增强系统与方法
技术领域：
本发明涉及交通控制领域，尤其涉及一种用于交通控制的图像增强系统与方法。
背景技术：
伴随我国城市化的进程、以及汽车保有量的急剧增加、区域化经济的协调发展，我 国的交通状况日益成为一个严峻的问题，尤其是交通堵塞与交通安全问题。智能交通系统 成为解决这些问题的首选方案，比如交通流的检测、信号的自适应控制。其中，基于视觉技 术的各类产品成为最近几年大家关注的焦点，也是未来智能交通产业的发展趋势之一，而 视觉技术中的关键是图像抓拍。虽然有额外光源的辅助作用，但仍然存在一个问题，就是抓 拍的图像比较模糊，对比度比较差，车里的人不够清晰，识别效果差。
发明内容
本发明所要解决的技术问题在于提供一种交通控制控制中识别效果更好的抓拍 图像处理方法。 为了解决上述技术问题，本发明提出一种用于交通控制的图像增强方法，其包括 如下步骤 a、获得原始图像； b、对原始图像进行对比度拉伸； c、将所述原始图像和经过对比度拉伸的图像进行图像融合； d、输出融合后的图像。 其中，所述步骤b包括 bl、确定第一灰度阈值和第二灰度阈值； b2、对所述原始图像中处于第一灰度阈值和第二灰度阈值间的像素点进行对比度 拉伸； 其中，第一灰度阈值小于第二灰度阈值。 其中，步骤b还包括设定伽马值以对所述原始图像进行伽马校正的步骤。
其中，在伽玛校正的步骤之前包括 计算所述原始图像中所有像素点的灰度平均值，判断该灰度平均值是否达到设定 值，若是，则认为是白天图像，所述伽马值在(I，IO)之间取值；否则，认为是夜间图像，所述 伽马值在(O，l)之间取值。
其中，所述步骤C包括 Cl、对所述原始图像和对比度拉伸后的图像进行小波变换获取两帧图像的低频系 数和高频系数； c2、求取所述两帧图像的低频系数的算术平均值和高频系数的加权平均值，分别
作为融合后的小波系数的低频系数和高频系数； c3、对融合后的小波系数进行反变换，得到融合后的图像。
4
其中，步骤cl中还包括确定小波类型及分解层数。 相应的，为了解决上述技术问题，本发明还提出一种用于交通控制的图像增强系 统，包括 接收单元，用于接收原始图像； 对比度拉伸单元，用于将所述的原始图像进行对比度拉伸； 图像融合单元，将所述原始图像和经过对比度拉伸的图像进行图像融合； 输出单元，用于输出融合后的图像。 其中，所述对比度拉伸单元的对比度拉伸过程包括 确定第一灰度阈值和第二灰度阈值； 对所述原始图像中处于第一灰度阈值和第二灰度阈值间的像素点进行对比度拉 伸； 其中，第一灰度阈值小于第二灰度阈值。 其中，所述对比度拉伸单元还用于设定伽马值以对所述原始图像进行伽马校正；
其中，计算所述原始图像中所有像素点的灰度平均值，判断该灰度平均值是否达 到设定值，若是，则认为是白天图像，所述伽马值在(1，10)之间取值；否则，认为是夜间图 像，所述伽马值在(O，l)之间取值。
其中，所述图像融合单元的图像融合过程包括 对所述原始图像和对比度拉伸后的图像进行小波变换获取两帧图像的低频系数 和高频系数； 求取所述两帧图像的低频系数的算术平均值和高频系数的加权平均值，分别作为 融合后的小波系数的低频系数和高频系数； 对融合后的小波系数进行反变换，得到融合后的图像。 本发明中，由于采用对抓拍后的图像进行对比度拉伸和图像融合，因而使得图像 的识别效果较高。
图1是本发明一种适用于交通控制的图像增强系统的实施例的结构示意图；
图2是基于图1所示实施例的本发明一种适用于交通控制的图像增强方法的实施 例的流程图。
具体实施例方式
下面结合附图对本发明进行详细阐述。 参考图1，图示了本发明一种适用于交通控制的图像增强系统的实施例的结构示
意图。如图所示，包括 接收单元ll，用于获得原始图像。 此处的原始图像可以是通过摄像头抓拍到的实时的交通状态图像。
对比度拉伸单元12，用于对获得的原始图像进行对比度拉伸。 拉伸的目的在于使得某部分区域的识别更加容易，其具体的拉伸过程可以参考图 2所示实施例中的相关步骤。
图像融合单元13，用于对经过对比度拉伸后的图像进行图像融合。
对于图像融合的具体过程可以参考图2所示实施例的相关步骤。
输出单元14，用于输出所述融合后的图像。 参考图2，图示了基于图1所示实施例的本发明一种适用于交通控制的图像增强 方法的实施例的流程图。如图所示，包括以下步骤
步骤S21，获得原始图像。 S卩，通过摄像头抓拍到实时的交通状况。其对应于图1所示实施例中的接收单元。
步骤S22，对原始图像进行伽玛校正。 在本步骤中，首先确定伽玛校正的伽玛值选择范围，其过程为计算所述原始图像 灰度空间下的各像素点的灰度平均值，判断该灰度平均值是否达到预先设定的阈值T(可 以由经验值确定)，若是则认为所述原始图像是白天抓拍的图像，在进行伽玛校正时伽玛值 取值在(I，IO)之间；否则，则认为所述原始图像是夜间抓拍的图像，在进行伽玛校正时伽 玛值在(O，l)之间取值。 其中，当伽玛值取1时，表示不需要进行校正。 使用伽马校正可以实现图像增强的功能，具体地讲，如果一个图像偏暗或者偏亮， 使用伽马校正可以看清楚暗部或者亮部的细节，本步骤的目的便在于此。对于伽玛值的具 体选择，则可以通过反复的选择调整观察来确定，也可以采用经验值。
步骤S23，确定第一灰度阈值和第二灰度阈值。 由于不同的图像数据类型有不同的灰度值范围，例如有灰度值在0至1之间，也有 在0至255之间。 所以，根据步骤S21所抓拍到的原始图像的类型，来确定灰度值的范围。例如，若 在0至1之间取值时，则第一灰度阈值可以取0. 3，第二灰度阈值可以取0. 5 ;若在0至255 之间取值，则第一灰度阈值可以取35，第二灰度阈值可以取90。 本步骤中对于所述第一灰度阈值和第二灰度阈值如何来确定取何值，应通过下一 步步骤S23拉伸后，使得期望的区域(例如人脸、车牌等)变得易辨识为考量。其可以是通 过经验值来确定，也可以通过反复的调整来确定。 步骤S24，对于处于第一灰度阈值和第二灰度阈值之间的像素点进行对比度拉伸。
本步骤中，根据上一步所确定的第一灰度阈值和第二灰度阈值对所述原始图像的 灰度空间进行扫描，确定灰度值在所述第一灰度阈值和第二灰度阈值之间的像素点，并对 这些像素点进行对比度拉伸。具体过程为 将灰度值小于所述第一灰度阈值的像素点设置为O，将灰度值大于所述第二灰度 阈值的像素点设置为最大灰度阈值(例如1或255等)，而将灰度值在所述第一灰度阈值和 第二灰度阈值之间的像素点拉伸整个灰度值范围内。举例如下 假设灰度值范围为0至l，第一灰度阈值和第二灰度阈值分别为0. 3与0. 5。则本 步骤中提到的拉伸就会把原始图像的像素点中灰度低于0. 3的所有数值设置为O，而把大 于0. 5的灰度值全部设置为l，灰度值在0. 3到0. 5之间的像素点被拉伸到0到1之间，从 而这部分灰度对应的细节就看的比较清晰。 当然，对于灰度值在0至255的情况同样适用，不再一一阐述。 经过本步骤使得处于第一灰度阈值和第二灰度阈值之间的像素区域变得更加容易辨识，细节更加丰富；但是却使得之外的像素点变得模糊(过黑或过白)，整体上使得整个图像显得很不自然，这个问题将在图像融合的过程中被解决。 总之，步骤S23中第一灰度阈值和第二灰度阈值的确定可以通过步骤S23和步骤S24不断进行调整观察来确定的，也可以取经验值来确定。并且，所述第一灰度阈值要小于第二灰度阈值，这样保证变换是线性的，不至于发生颜色颠倒的情况，保持图像的可观看性，否则图像会变乱而无法看。 其中，步骤S23和S24可以理解为对比度拉伸的过程，其可以对应图1中的对比度拉伸单元来完成。当然，所述伽玛校正的步骤也可以放入对比度拉伸的过程，也可由对比度拉伸单元来完成。 步骤S25，对原始图像和拉伸后的图像进行小波变换得到两帧图像的低频系数和高频系数。 本步骤中，在进行小波变换时所需要小波变换类型(比如Haar小波)和小波分解层数(比如4)可以预先设定。 步骤S26，计算两帧图像的低频系数的算术平均值和高频系数的加权平均值，分别作为融合后小波系数的低频系数和高频系数。 例如，假设原始图像的低频系数为SAn，高频系数为SHn ;拉伸后的图像的低频系数为LAn，高频系数为LHn ;那么，本步骤中融合后的低频系数则为FAn = (SAn+LAn)/2，融合后的高频系数则为若SHn > LHn， FHn = SHn*thl+LHn*th2，若SHn < LHn， FHn =SHn*th2+LHn*thl。其中，thl > th2，表示加权系数，上述过程也就是求加权平均值的过程；并且，由于系数一般均包含若干项，故根据n的取值一一对应按照上述方式处理即可。
步骤S27，对融合后小波系数进行反变换得到融合后图像。 S卩，经过上一步得到了融合后的低频和高频部分后，则本步骤再进行反变换得到融合后的图像。 其中，步骤S25、S26、S27可以作为图像融合的步骤，其可以对应于图1中的图像融
合单元来完成。融合的目的是集成两幅图像(原始图像和拉伸后的图像)的细节在一个图
像中，这样融合后的图像看起来增强效果更好，更自然、美观。 步骤S28，输出融合后的图像。这可以由图1中的输出单元来完成。 步骤S29，结束。 需要说明的是，设置伽玛校正的过程中分白天和夜间目的在于，区分两种不同的情况来选择伽玛值范围以使得图像的增强效果更佳。另外，伽玛校正的过程也可以放在拉伸过程之后，图像融合之前等。 本具体实施方式
中，由于设置了图像拉伸和融合的过程，因而为用户提供对比度更清晰、层次感更强的抓拍图像；也为用户提供包含有更多细节信息的图像；也为用户提供更具有说服力的图像作为证据。 以上所揭露的仅为本发明一种较佳实施例而已，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。
权利要求
一种用于交通控制的图像增强方法，其包括如下步骤a、获得原始图像；b、对原始图像进行对比度拉伸；c、将所述原始图像和经过对比度拉伸的图像进行图像融合；d、输出融合后的图像。
2. 如权利要求1所述的方法，其特征在于，所述步骤b包括 bl、确定第一灰度阈值和第二灰度阈值；b2、对所述原始图像中处于第一灰度阈值和第二灰度阈值间的像素点进行对比度拉伸；其中，第一灰度阈值小于第二灰度阈值。
3. 如权利要求2所述的方法，其特征在于，步骤b还包括设定伽马值以对所述原始图像 进行伽马校正的步骤。
4. 如权利要求3所述的方法，其特征在于，在伽玛校正的步骤之前包括 计算所述原始图像中所有像素点的灰度平均值，判断该灰度平均值是否达到设定值，若是，则认为是白天图像，所述伽马值在(I，IO)之间取值；否则，认为是夜间图像，所述伽 马值在(O，l)之间取值。
5. 如权利要求1所述的方法，其特征在于，所述步骤c包括cl、对所述原始图像和对比度拉伸后的图像进行小波变换获取两帧图像的低频系数和 高频系数；c2、求取所述两帧图像的低频系数的算术平均值和高频系数的加权平均值，分别作为 融合后的小波系数的低频系数和高频系数；c3、对融合后的小波系数进行反变换，得到融合后的图像。
6. 如权利要求5所述的方法，其特征在于，步骤cl中还包括确定小波类型及分解层数。
7. —种用于交通控制的图像增强系统，包括 接收单元，用于接收原始图像；对比度拉伸单元，用于将所述的原始图像进行对比度拉伸；图像融合单元，将所述原始图像和经过对比度拉伸的图像进行图像融合；输出单元，用于输出融合后的图像。
8. 如权利要求7所述的系统，其特征在于，所述对比度拉伸单元的对比度拉伸过程包括确定第一灰度阈值和第二灰度阈值；对所述原始图像中处于第一灰度阈值和第二灰度阈值间的像素点进行对比度拉伸； 其中，第一灰度阈值小于第二灰度阈值。
9. 如权利要求8所述的系统，其特征在于，所述对比度拉伸单元还用于设定伽马值以 对所述原始图像进行伽马校正；其中，计算所述原始图像中所有像素点的灰度平均值，判断该灰度平均值是否达到设 定值，若是，则认为是白天图像，所述伽马值在(I，IO)之间取值；否则，认为是夜间图像，所 述伽马值在(O，l)之间取值。
10. 如权利要求7所述的系统，其特征在于，所述图像融合单元的图像融合过程包括对所述原始图像和对比度拉伸后的图像进行小波变换获取两帧图像的低频系数和高 频系数；求取所述两帧图像的低频系数的算术平均值和高频系数的加权平均值，分别作为融合 后的小波系数的低频系数和高频系数；对融合后的小波系数进行反变换，得到融合后的图像。
全文摘要
本发明公开了一种用于交通控制的图像增强方法，其包括如下步骤a、获得原始图像；b、对原始图像进行对比度拉伸；c、将所述原始图像和经过对比度拉伸的图像进行图像融合；d、输出融合后的图像。本发明中，由于采用对抓拍后的图像进行对比度拉伸和图像融合，因而使得图像的识别效果较高。本发明公开了一种用于交通控制的图像增强系统。
文档编号G06T5/50GK101783013SQ20101012006
公开日2010年7月21日 申请日期2010年3月4日 优先权日2010年3月4日
发明者何东晓, 卜庆凯, 李月高, 王玮, 苑希强, 邵明欣, 郑维学, 陈维强, 隋守鑫 申请人:青岛海信网络科技股份有限公司