一种目标图像获取方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种目标图像获取方法。

背景技术

随着我国汽车工业的快速发展和人们生活水平的提高，居民家庭的汽车拥有量快速增加，汽车逐步成为了人们生活中不可或缺的交通工具之一。

在行车过程中，驾驶员看到风景、交通事故或其它想要拍摄的场景时，目前主要是通过驾驶员手动操作相机或车载摄像头的方式进行拍摄，容易使驾驶人员分心而影响驾驶安全；也出现了一些车载摄像头的自动拍摄技术，但目前的自动拍摄技术没有考虑到当前车辆位置与拍摄角度的关系，导致拍摄的照片往往不是最佳的，用户体验较差。

发明内容

本发明提供一种目标图像获取方法，旨在解决现有技术中的缺陷，实现能够自动根据拍摄场景获得效果更佳的图像。

为达到上述目的，本发明所采取的技术方案为：

本发明提供一种目标图像获取方法，包括：

步骤1、获取第一图像；

步骤2、在所述第一图像中确定拍摄主体；

步骤3、确定所述拍摄主体的理论最佳拍摄点；

步骤4、判断所述理论最佳拍摄点是否满足拍摄条件，是则将所述理论最佳拍摄点作为最终拍摄点并进入步骤6，否则进入下一步；

步骤5、判断是否存在次佳拍摄点，是则将所述次佳拍摄点作为最终拍摄点并进入步骤6，否则将所述第一图像作为最终图像；

步骤6、判断车辆是否已到达所述最终拍摄点，是则进入下一步，否则重复执行本步骤；

步骤7、获取第二图像，并将其作为最终图像。

具体地，所述步骤3包括：获取所述拍摄主体在图像中的位置、大小，计算目前所述车载图像获取装置与所述拍摄主体最左侧、中心点、最右侧的角度，并计算理论上的最佳拍摄点。

具体地，所述步骤4包括：

步骤401、判断所述理论最佳拍摄点是否位于当前行驶路线上，是则进入下一步，否则判断所述理论最佳拍摄点不满足拍摄条件；

步骤402、判断当车辆位于所述理论最佳拍摄点时，所述拍摄主体被遮挡部分是否超过预设阈值，是则判断所述理论最佳拍摄点不满足拍摄条件，否则判断所述理论最佳拍摄点满足拍摄条件。

进一步地，在所述步骤1或/和步骤8之后包括：

步骤A、判断获取的图片的清晰度是否符合标准，是则保存获取的图片，否则进入下一步；

步骤B、检测闪光灯是否开启，是则进入下一步，否则开启所述闪光灯后获取图像，并返回步骤A；

步骤C、控制车辆以预设步进降低车速后获取图像，并返回步骤A。

具体地，所述步骤A包括：

步骤A1、将预设方向模板与目标图片进行卷积运算，得到第一梯度图像，并获取所述第一梯度图像各像素点的最大梯度值、平均梯度值；

步骤A2、获取预设第一梯度阈值、第二梯度阈值，遍历所述第一梯度图像中的所有像素点，并根据预设规则对所述第一梯度图像进行处理，生成第二梯度图像，所述第一梯度阈值大于所述第二梯度阈值；

步骤A3、利用大津阈值法对所述第二梯度图像进行计算，获得最佳阈值，并将所述第二梯度图像中梯度值大于所述最佳阈值的像素点归类为第一类像素点，将其余像素点归类为第二类像素点；

步骤A4、按照第一预设公式计算所述第一类像素点的清晰度，按照第二预设公式计算所述第二类像素点的的清晰度；

步骤A5、根据第三预设公式计算整个图像的整体清晰度。

进一步地，在所述步骤A3之后还包括：

步骤A31、获取所述第一类像素点中的每个像素点的八邻接像素点，判断在所述八邻接像素点中是否至少有2个像素点属于第一类像素点，是则保留所述像素点，否则将所述像素点从所述第一类像素点中删除，归类为所述第二类像素点。

具体地，所述预设方向模板为：

具体地，所述预设规则包括：

若当前像素点的梯度值高于第一梯度阈值，则将其梯度值修改为所述最大梯度值；

若当前像素点的梯度值小于所述第二梯度阈值，则将其梯度值修改为所述平均梯度值；

若当前像素点的梯度值介于所述第一梯度阈值、第二梯度阈值之间，则保持其梯度值不变。

具体地，所述第一预设公式为：

所述第二预设公式为：

其中，M×N为图像分辨率，I(x,y)表示图像像素(x,y)处的像素灰度值，Δg为灰度变化幅值，Δd是像素间的距离增量，a表示当前像素八邻接像素的序号。

具体地，所述第三预设公式为：

C＝k1*C1+k2*C2

其中，k1、k2表示平坦区清晰度和边缘区清晰度的权重，通过试验效果标定获得。

本发明的有益效果在于：本发明通过获取初始图像，然后根据初始图像确定理论最佳拍摄点，如果理论最佳拍摄点满足拍摄条件，则当车辆到达理论最佳拍摄点时进行拍摄，反之则判断是否存在次佳拍摄点，如果存在则当车辆到达次佳拍摄点时进行拍摄，从而实现了能够自动根据拍摄场景获得效果更佳的图像。

附图说明

图1是本发明的目标图像获取方法的流程示意图。

具体实施方式

下面结合附图具体阐明本发明的实施方式，附图仅供参考和说明使用，不构成对本发明专利保护范围的限制。

在本发明的说明书、权利要求书或附图中描述的流程中，包含各个步骤的序号(如步骤10、20等)，所述序号仅用于区分开各个步骤，所述序号本身不代表任何的执行顺序。需要说明的是，本文中的“第一”、“第二”等描述，仅用于区分描述对象等，不代表先后顺序，也不表示“第一”、“第二”等是不同的类型。

实施例1

如图1所示，本实施例提供一种目标图像获取方法，包括：

步骤1、获取第一图像。

在本实施例中，所述步骤1包括：当车载图像获取装置获取的预览图像与目标图像类型匹配时，自动获取第一图像。

本步骤中的目标图像类型(例如风景图片、动物图片或者交通事故图片等)可以让用户自行设定，然后通过深度学习来判断所述预览图像与目标图像类型是否匹配。

在本发明的另一个实施例中，所述步骤1包括：通过接受拍摄指令，获取第一图像。

当用户在看到想要拍摄的场景时，通过语音命令或手势命令等其它人机交互方式来拍摄一张图片。

步骤2、在所述第一图像中确定拍摄主体。

在具体实施时，可先识别所述第一图像中的场景类型，例如远处的背景、近处的人、车、交通场景等，然后将所述场景类型以预设方式(例如序号)播出或列出，以供用户选择其中一个作为拍摄主体。

步骤3、确定所述拍摄主体的理论最佳拍摄点。

在本实施例中，所述步骤3包括：获取所述拍摄主体在图像中的位置、大小，计算目前所述车载图像获取装置与所述拍摄主体最左侧、中心点、最右侧的角度，并计算理论上的最佳拍摄点。

所述最佳拍摄点包括拍摄的角度及距离。

步骤4、判断所述理论最佳拍摄点是否满足拍摄条件，是则将所述理论最佳拍摄点作为最终拍摄点并进入步骤6，否则进入下一步。

在本实施例中，所述步骤4包括：

步骤401、判断所述理论最佳拍摄点是否位于当前行驶路线上，是则进入下一步，否则判断所述理论最佳拍摄点不满足拍摄条件。

步骤402、判断当车辆位于所述理论最佳拍摄点时，所述拍摄主体被遮挡部分是否超过预设阈值，是则判断所述理论最佳拍摄点不满足拍摄条件，否则判断所述理论最佳拍摄点满足拍摄条件。

在具体实施时，通过高精度导航地图获取最佳拍摄点的海拔高度H1以及拍摄主体的海拔高度H2、车载图像获取装置到地面的高度H3，通过相似原理即可判断所述拍摄主体是否遮挡及遮挡程度。

步骤5、判断是否存在次佳拍摄点，是则将所述次佳拍摄点作为最终拍摄点并进入步骤6，否则将所述第一图像作为最终图像。

在本实施例中，所述次佳拍摄点是指除所述理论最佳拍摄点之外比当前拍摄点更好且满足拍摄条件的拍摄点。

步骤6、判断车辆是否已到达所述最终拍摄点，是则进入下一步，否则重复执行本步骤。

步骤7、获取第二图像，并将其作为最终图像。

实施例2

与实施例1不同的是，在所述步骤1或/和步骤8之后包括：

步骤A、判断获取的图片的清晰度是否符合标准，是则保存获取的图片，否则进入下一步；

步骤B、检测闪光灯是否开启，是则进入下一步，否则开启所述闪光灯后获取图像，并返回步骤A；

步骤C、控制车辆以预设步进降低车速后获取图像，并返回步骤A。

在本实施例中，所述步骤A包括：

步骤A1、将预设方向模板与目标图片进行卷积运算，得到第一梯度图像，并获取所述第一梯度图像各像素点的最大梯度值Tmax、平均梯度值Tavg。

在本实施例中，所述预设方向模板为：

步骤A2、获取预设第一梯度阈值T1、第二梯度阈值T2，遍历所述第一梯度图像中的所有像素点，并根据预设规则对所述第一梯度图像进行处理，生成第二梯度图像，所述第一梯度阈值T1大于所述第二梯度阈值T2。

在本实施例中，所述预设规则包括：

若当前像素点的梯度值高于第一梯度阈值T1，则将其梯度值修改为所述最大梯度值Tmax；

若当前像素点的梯度值小于所述第二梯度阈值T2，则将其梯度值修改为所述平均梯度值Tavg；

若当前像素点的梯度值介于所述第一梯度阈值T1、第二梯度阈值T2之间，则保持其梯度值不变。

所述第一梯度阈值T1、所述第二梯度阈值T2通过试验效果标定获得。

步骤A3、利用大津阈值法对所述第二梯度图像进行计算，获得最佳阈值Tbst，并将所述第二梯度图像中梯度值大于所述最佳阈值Tbst的像素点归类为第一类像素点，将其余像素点归类为第二类像素点。

步骤A4、按照第一预设公式计算所述第一类像素点的清晰度C1，按照第二预设公式计算所述第二类像素点的的清晰度C2。

在本实施例中，所述第一预设公式为：

所述第二预设公式为：

其中，M×N为图像分辨率，I(x,y)表示图像像素(x,y)处的像素灰度值，Δg为灰度变化幅值，Δd是像素间的距离增量，a表示当前像素八邻接像素的序号。

步骤A5、根据第三预设公式计算整个图像的整体清晰度C。

在本实施例中，所述第三预设公式为：

C＝k1*C1+k2*C2

其中，k1、k2表示平坦区清晰度和边缘区清晰度的权重，通过试验效果标定获得。

在本发明的另一个实施例中，在所述步骤A3之后还包括：

步骤A31、获取所述第一类像素点中的每个像素点的八邻接像素点，判断在所述八邻接像素点中是否至少有2个像素点属于第一类像素点，是则保留所述像素点，否则将所述像素点从所述第一类像素点中删除，归类为所述第二类像素点。

本步骤充分利用了真边缘的连续性特点，通过识别每个像素点的八邻接像素点的类型，从而去除由噪声形成的假边缘。

以上所揭露的仅为本发明的较佳实施例，不能以此来限定本发明的权利保护范围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。