图像处理方法及系统的制作方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，尤其涉及一种图像处理方法及系统。
【背景技术】
[0002] 现有的图像采集系统，一般都是通过行车记录仪、车牌扫描仪、监控摄像头等图像 采集设备对图像进行采集，在通过图像采集设备采集图像后，需要对采集的图像进行处理 才能进行显示，而现在的图像采集设备，对图像的处理的方式都比较简单，例如，对图像进 行灰度值处理，得到灰度值图像，然后根据灰度值图像确定图像的目标区域和背景区域，而 灰度值图像仅仅是根据颜色确定图像的目标区域和背景区域，但是当图像中目标区域和背 景区域颜色差别不大时，通过灰度值对图像进行处理以确定目标区域和背景区域，使得图 像的处理不够准确。
【发明内容】
[0003] 本发明的主要目的在于提出一种图像处理方法及系统，旨在解决传统的图像处理 方式，对图像的处理不够准确的技术问题。
[0004] 为实现上述目的，本发明提供的一种图像处理方法，所述图像处理方法包括以下 步骤：
[0005] 获取图像的像素矩阵；
[0006] 基于所述图像的像素矩阵，计算所述图像中任意两个像素点的相似度组成的相似 度矩阵；
[0007] 根据所述相似度矩阵得到所述图像的特征向量矩阵；
[0008] 根据所述特征向量矩阵计算所述图像的熵值矩阵；
[0009] 计算所述熵值矩阵中的各个熵值的平均值；
[0010] 根据所述平均值对所述图像进行二值化处理，以确定所述图像的目标区域和背景 区域。
[0011] 优选地，所述基于所述图像的像素矩阵，计算所述图像中任意两个像素点的相似 度组成的相似度矩阵的步骤包括：
[0012] 将所述图像的像素矩阵转化为灰度矩阵；
[0013] 根据所述灰度矩阵，计算所述图像中任意两个像素点的相似度组成的相似度矩 阵。
[0014] 优选地，所述根据所述相似度矩阵得到所述图像的特征向量矩阵的步骤包括：
[0015] 基于所述相似度矩阵计算所述图像的拉普拉斯矩阵；
[0016] 对所述拉普拉斯矩阵进行特征分解，得到所述图像的特征向量矩阵。
[0017] 优选地，所述根据所述平均值对所述图像进行二值化处理，以确定所述图像的目 标区域和背景区域的步骤之后，所述图像处理方法还包括：
[0018] 对所述目标区域进行强化插值处理，并对所述背景区域进行稀疏插值处理。
[0019] 优选地，所述强化插值处理为将所述目标区域的所有点的像素值均增加一预设 值，当某一点增加后的像素值超过上限像素值时，将该点的像素值记为所述上限像素值；
[0020] 所述稀疏插值处理为将所述背景区域的所有点的像素值固定至一预设值。
[0021] 此外，为实现上述目的，本发明还提出一种图像处理系统，所述图像处理系统包 括：
[0022] 获取模块，用于获取图像的像素矩阵；
[0023] 第一计算模块，用于基于所述图像的像素矩阵，计算所述图像中任意两个像素点 的相似度组成的相似度矩阵；
[0024] 第一处理模块，用于对所述相似度矩阵进行处理，得到所述图像的特征向量矩 阵；
[0025] 第二计算模块，用于根据所述特征向量矩阵计算所述图像的熵值矩阵；
[0026] 第三计算模块，用于计算所述熵值矩阵中的各个熵值的平均值；
[0027] 第二处理模块，用于根据所述平均值对所述图像进行二值化处理，以确定所述图 像的目标区域和背景区域。
[0028] 优选地，所述第一计算模块包括：
[0029] 转化单元，用于将所述图像的像素矩阵转化为灰度矩阵；
[0030] 第一计算单元，用于根据所述灰度矩阵，计算所述图像中任意两个像素点的相似 度组成的相似度矩阵。
[0031] 优选地，所述第一处理模块包括：
[0032] 第二计算单元，用于基于所述相似度矩阵计算所述图像的拉普拉斯矩阵；
[0033] 特征分解单元，用于对所述拉普拉斯矩阵进行特征分解，得到所述图像的特征向 量矩阵。
[0034] 优选地，所述图像处理系统还包括：
[0035] 第三处理模块，用于对所述目标区域进行强化插值处理，并对所述背景区域进行 稀疏插值处理。
[0036] 优选地，所述强化插值处理为将所述目标区域的所有点的像素值均增加一预设 值，当某一点增加后的像素值超过上限像素值时，将该点的像素值记为所述上限像素值；
[0037] 所述稀疏插值处理为将所述背景区域的所有点的像素值固定至一预设值。
[0038] 本发明提出的图像处理方法及系统，获取图像的像素矩阵；基于所述图像的像素 矩阵，计算所述图像中任意两个像素点的相似度组成的相似度矩阵；根据所述相似度矩阵 得到所述图像的特征向量矩阵，然后根据所述特征向量矩阵计算所述图像的熵值矩阵，再 计算所述熵值矩阵中的各个熵值的平均值，最后根据所述平均值对所述图像进行二值化处 理，以确定所述图像的目标区域和背景区域，本方案根据图像的特征向量矩阵得到熵值矩 阵，再根据熵值矩阵中的各个熵值计算出一个平均值，最后将所述平均值与所述图像中的 各个像素点进行比对，以确定所述图像的目标区域和背景区域，实现了通过图像具体的特 性向量，比如图像的纹理特征、图像的整体走势特征确定图像中的目标区域和背景区域，而 不仅仅是根据图像的灰度值确定图像的目标区域和背景区域，使得在图像中目标区域和背 景区域的颜色差别不大时，对图像的处理更加准确。
【附图说明】
[0039] 图1为本发明图像处理方法第一实施例的流程示意图；
[0040] 图2为本发明图像处理方法第二实施例的流程示意图；
[0041] 图3为本发明图像处理系统第一实施例的功能模块示意图；
[0042] 图4为本发明图像处理系统第二实施例的功能模块示意图。
[0043] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0044] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0045] 本发明提供一种图像处理方法。
[0046] 参照图1，图1为本发明图像处理方法第一实施例的流程示意图。
[0047] 本实施例提出一种图像处理方法，所述图像处理方法包括：
[0048] 步骤S10,获取图像的像素矩阵；
[0049] 在本实施例中，步骤S10之前，包括获取图像的步骤，具体地：在图像是车辆行驶 过程中的道路图像时，所述获取图像可通过车辆预设的摄像头进行获取，所述摄像头可为 前景摄像机或全景摄像机；在图像是车牌图像，所述获取图像可通过行车记录仪、车牌扫描 仪等设备进行获取；在图像为室内或室外的监控图像时，所述获取图像可通过监控摄像头 进行获取，进一步地，所述获取图像还可以获取存储的图像。
[0050] 在本实施例中，对获取的所述图像进行分析，以获取所述图像的各个像素点，然后 根据所述图像的各个像素点生成所述图像的像素矩阵I，所述像素矩阵I的表现形式为：[Ii 12 13 ...In] 〇
[0051] 步骤S20,基于所述图像的像素矩阵，计算所述图像中任意两个像素点的相似度组 成的相似度矩阵；
[0052] 具体地，所述步骤S20的实施方式包括：
[0053] 1)方式一、在得到所述图像的像素矩阵后，先计算所述像素矩阵中各个像素点的 尺度参救 0 . ·所祙仔麼僉救〇 .田W下公式计算：
[0054]
[0055] 其中，Id是所述像素矩阵I中第d个点的像素值，m是一个常数，通常设置m= 7 ;
[0056] 根据上述计算公式即可计算出所述像素矩阵I中的第i个点的尺度参数σi，由于 所述像素矩阵I中包括η个数，则可计算出n*n个尺度参数，在得到各个点的尺度参数〇i 后，根据所述像素矩阵I和计算出的各个尺度参数，即可计算出所述图像的相似度矩阵A， 计算所述图像中任意两个像素点的相似度对应的相似度矩阵的公式为：
[0057]八^= exp(_| 11「I.j ||2/〇; σ .)，i，j e (1，η)
[0058] 其中，Ay表示相似度矩阵A的任意元素，〇p〇 ^分别表示所述像素矩阵I中任意 点Ii和Ij对应的尺度参数，| |IrL| |表示点Ii和Ij的欧氏距离。
[0059] 根据上述公式，即可计算出相似度矩阵A为：
[0060]
[0061] 在所述相似度矩阵A中，第一行表示像素矩阵中的第一个点分别与像素矩阵中的 所有点（第一个点、第二个点、第三个点……最后一个点）的相似度差值，第二行表示像素 矩阵中的第二个点与像素矩阵中的所有点（第一个点、第二个点、第三个点……最后一个 点）的相似度差值，依次类推，最后一行表示像素矩阵中最后一个点分别与像素矩阵中的 所有点（第一个点、第二个点、第三个点……最后一个点）的相似度差值。可以理解的是， 在所述相似度矩阵中，对角线上的点All、A22、A33、…、Ann的值为零。
[0062] 2)方式二、所述步骤S20包括以下步骤：
[0063] 步骤a、将所述图像的像素矩阵转化为灰度矩阵；
[0064] 步骤b、根据所述灰度矩阵，计算所述图像中任意