一种有效的图像处理系统的制作方法

本发明创造涉及图像处理
技术领域：
，具体涉及一种有效的图像处理系统。
背景技术：
：人们从外界获得的大部分信息都是从图像中获取的，利用计算机对图像进行各种形式的处理，从而得到图像所包含的信息的方式促进了图像处理技术的发展。在图像处理技术中，如何准确的检测出目标是图像处理技术的一大关键问题，但在目标检测的过程中，往往由于场景变化以及阴影等的影响，对目标检测的准确性带来极大的困难，因此提出一种能够有效检测到目标的图像处理系统有着重要的意义。技术实现要素：针对上述问题，本发明旨在提供一种有效的图像处理系统。本发明创造的目的通过以下技术方案实现：一种有效的图像处理系统，包括图像采集模块、图像传输模块、图像处理模块和图像存储模块；所述图像采集模块用于收集原始图像，图像处理模块用于对经图像传输模块传输的原始图像进行后续处理，图像存储模块用于存储处理后的图像。优选地，所述图像采集模块采用摄像头采集图像。优选地，还设置有图像预处理模块，所述图像预处理模块与图像传输模块连接，用于对所述原始的图像进行预处理。优选地，所述图像处理模块还包括阴影去除单元、目标提取单元和直方图检验单元。优选地，所述阴影去除单元用于从接收到的图像中提取目标区间的直方图并去除目标区间的阴影，具体包括：a.获取图像中每个像素点i所对应的R、G、B颜色值，建立颜色空间具体为：式中，N是图像中像素的总数，ri、gi、bi分别为像素点i所对应的R、G、B颜色分量；b.定义矩阵U用于将3维向量进行降维处理，具体包括：式中，c.将得到的二维向量xi进行投影处理，获得投影后的灰度值Ii；d.将获得的本证灰度值Ii按照下列公式进行处理，具体为：e.建立灰度值I′i的直方图，取一个固定的分组数z以获得固定的组距，分组数z满足最小分组数；f.计算直方图概率gj，以求得本征图在角度θ的熵，其计算公式为：式中，dj为直方图组j中的像素点数，gj为直方图组j中像素点概率，z为直方图分组数，ρθ为直方图信息熵；g.采用从0到180°进行投影，获取每个角度投影得到的本征图，按照上述方法计算本征图在每个角度θ的熵，从而求得最小熵ρθ′，具体为：ρθ′＝minρθθ∈(0,180°)h.最小熵ρθ′所对应的角度就是本征角θ′,其对应灰度图像即为目标的光照无关图So。本发明的有益效果为：设置图像采集模块、图像传输模块、图像处理模块和图像存储模块，结构简单，灵活方便；通过各模块之间的相互配合，能够及时有效的将采集到的原始图像准确地传输给图像处理模块，图像处理模块对图像进行阴影去除、目标提取以及直方图检验的多层处理，保证了目标检测的准确性；图像存储模块对处理后的图像进行存储，方便以后的查询和使用。附图说明利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明结构示意图；图2是图像预处理模块的结构示意图；图3是图像处理模块的结构示意图。附图标记：图像采集模块1、图像预处理模块2、图像传输模块3、图像处理模块4、图像存储模块5、图像剔除单元21、图像裁剪单元22、图像加密单元23、阴影去除单元41、目标提取单元42、直方图检验单元43。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种有效的图像处理系统，包括图像采集模块1、图像传输模块3、图像处理模块4和图像存储模块5；所述图像采集模块1用于收集原始图像，图像处理模块4用于对经图像传输模块3传输的原始图像进行后续处理，图像存储模块5用于存储处理后的图像。优选地，所述图像采集模块1采用摄像头采集图像。本发明上述实施例设置图像采集模块1、图像传输模块3、图像处理模块4和图像存储模块5，结构简单，灵活方便；并且通过各模块之间的相互配合，能够及时有效的将采集到的原始图像准确地传输给图像处理模块4，图像处理模块4对图像进行阴影去除、目标提取以及直方图检验的多层处理，保证了目标检测的准确性；图像存储模块5对处理后的图像进行存储，方便以后的查询和使用。优选地，还设置有图像预处理模块2，所述图像预处理模块2与图像传输模块3连接，用于对所述原始图像进行预处理，所述图像预处理模块2包括图像剔除单元21、图像裁剪单元22、图像加密单元23，其中：所述图像剔除单元21用于对数据采集模块1采集的冗余图像和质量太差的图像进行剔除；所述图像裁剪单元22用于对图像剔除单元21剔除后的图像进行裁剪；所述图像加密单元用于对图像裁剪单元22裁剪后的图像进行加密；本优选实施例构建了图像预处理系统2，实现了对剔除了冗余图像，大大缩减了计算量，提高了图像处理效率；对剔除后剩余图像的有效裁剪，解决了传感器镜头所带来的图像畸变问题；对裁剪后的图像进行加密，保证了图像在传输过程中的可靠性和安全性，克服了传统加密算法传输负载大等不足。优选地，所述图像剔除单元21用于对差异性过小的图像进行剔除，图像差异性采用如下方式判断：a、对于两幅图像A(x,y)和B(p,q)，对于图像上相同位置的像素点，定义差异性公式，式中，S(A,B)表示两幅图像的差异性，R(x,y)、G(x,y)、B(x,y)分别表示A图像中的红色、绿色和蓝色色彩分量值，R(p,q)、G(p,q)、B(p,q)分别表示B图像中的红色、绿色和蓝色色彩分量值；b、若图像中相似性小于0.12的像素点超过10％，则随机选取其中一幅图像作为重复图像剔除。本优选实施例剔除了重复图像，大大缩减了计算量，提高了图像处理效率。优选地，所述图像裁剪单元22对剔除后的图像进行裁剪，具体包括：设图像大小为M×N，对图像的边缘进行裁剪，保留图像中心区域，中心区域所占图像面积比例采用如下公式确定：式中，r表示裁剪后的图像占原图像面积比，Fmin为传感器最短焦距，F为传感器采集图像时所用的实际焦距；本优选实施例解决了传感器镜头所带来的图像畸变问题。优选地，所述图像加密单元23用于对裁剪后的图像进行加密，包括：a、设裁剪后彩色图像的大小为P×Q，提取RGB色彩分量；b、将彩色图像分成多个大小相同的格子，然后利用离散余弦变化对每一个格子进行变换，得到各色彩分量系数矩阵；c、对各个色彩分量系数采用DES加密算法加密后进行传输。本优选实施例保证了图像在传输过程中的可靠性和安全性，克服了传统加密算法传输负载大等不足。优选地，所述图像处理模块4还包括阴影去除单元41、目标提取单元42和直方图检验单元43，其中：所述阴影去除单元41用于从接收到的图像中提取目标区间的直方图并去除目标区间的阴影；所述目标提取单元42用于从接收到的图像中分割出图像中的目标区间的直方图和阴影区间的直方图；所述直方图检验单元43用于检验阴影去除单元41和目标提取单元42的直方图，从而得到目标区间；本优选实施例构建了图像处理系统4，实现了对接收到的图像的有效处理，提高了目标的检测率。优选地，所述阴影去除模块41用于从接收到的图像中获取目标的光照无关图，具体包括：a.获取图像中每个像素点i所对应的R、G、B颜色值，建立颜色空间具体为：式中，N是图像中像素的总数，ri、gi、bi分别为像素点i所对应的R、G、B颜色值。b.定义矩阵U用于将3维向量进行降维处理，具体包括：式中，c.将得到的二维向量xi进行投影处理，获得投影后的灰度值Ii，具体为：d.将获得的本证灰度值Ii按照下列公式进行处理，具体为：e.建立灰度值I′i的直方图，取一个固定的分组数z以获得固定的组距，分组数z满足最小分组数；f.计算直方图概率gj，以求得本征图在角度θ的熵，其计算公式为：式中，dj为直方图组j中的像素点数，gj为直方图组j中像素点概率，z为直方图分组数，ρθ为直方图信息熵；g.采用从0到180°进行投影，获取每个角度投影得到的本征图，按照上述方法计算本征图在每个角度θ的熵，从而求得最小熵ρθ′，具体为：ρθ′＝minρθθ∈(0,180°)h.最小熵ρθ′所对应的角度就是本征角θ′,其对应灰度图像即为目标的光照无关图So。本优选实施例设置的阴影去除模块41，与现有技术相比，直方图建立时采用固定的组距，克服了直方图组距和数量变化给信息熵计算带来的不稳定问题；根据光照无关图进行目标检测，保证了目标的检测率。优选地，所述目标提取单元42，用于在利用背景减除获取的含有阴影的目标S的基础上分割出目标区间的直方图和阴影区间的直方图Si(i＝1,2)，具体包括：a.建立RGB色彩空间模型，获取每个像素所对应的Ri、Gi、Bi分量；b.根据下列公式计算每个像素对应的灰度值Hi；Hi＝αRi+βGi+γBi(i＝1,2……M)其中，α、β、γ分别为Ri、Gi、Bi分量对灰度值的权值，且满足α、β、γ≥0、α+β+γ＝1,M为像素点总数。c.将获得的本征灰度值Hi按照下列公式进行处理；d.根据灰度值Hi建立图像的灰度直方图，确定其分组数为k，其分割点即为k个；e.每个分割点设为初始阈值,利用下列公式对每个阈值左右两边的直方图进行计算；其中，n＝1，2……k，k为直方图分组数，mi为组i中的像素数，n为初始阈值；f.上述计算得到的hn′所对应的初始阈值n即为最终阈值τ；g.根据获得的阈值τ即可将目标T的直方图分割得到目标区间的直方图和阴影区间的直方图，分别利用直方图统计目标区间和阴影区间中物体的面积：其中，mi为直方图组i中的像素点数，pi为图像灰度级为i的像素的概率，S1、S2分别为直方图中物体的面积。上述实施例设置的目标提取模块42，与现有技术相比，在阴影和目标之间过渡不明显时，较好的分割出目标区间的直方图和阴影区间的直方图，提高了目标区间的检测率；优选地，所述直方图检验模块43用于检验阴影去除单元41和目标提取单元42的直方图，从而得到目标区间，具体包括：a.计算光照无关图So的直方图中物体的面积，计算公式为：其中，N为直方图像素点总数，gi为图像灰度级为i的像素的概率，S0为直方图中物体的面积。b.定义目标区间Si的检验公式如下：Si＝|Si-So|-f(i＝1、2)Si<0时，Si即为目标区间，Si>0时，Si即为阴影区间，f为检测阈值，这里定为0.05。发明人针对本实施例做了一系列测试，测试结果如下表所示：检测目标目标检出率固定物体100％活动物体100％固定人体100％活动人体99％活动物体99％从测试数据中可以看出，经过本系统处理的图像，目标检出率保持在98％以上。本优选实施例设置的直方图检验单元43，与现有技术相比，利用阴影去除单元41获得的目标区间的直方图作为检验的依据，与目标提取单元42得到的目标区间的直方图和阴影区间的直方图进行检验，确保了目标检测的准确性。最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页1 2 3