车窗图像增透方法、装置、电子设备和存储介质与流程

1.本发明实施例涉及图像处理技术领域，尤其涉及一种车窗图像增透方法、装置、电子设备和存储介质。


背景技术：

2.由于车窗玻璃会造成反光，因此在当前交通卡口上会带有偏振镜，用于滤除车窗上的反光。但是由于光的干涉现象以及很多车窗贴有贴膜，导致交通卡口拍摄到的图像中在车窗位置有彩色条纹，不利于对车窗内人员的观察和识别。
3.现有技术中，为了提高对车窗内人员的识别度，采用的技术有：将车窗部分识别出来，降低饱和度。但是降低饱和度的同时会影响车内人员的色彩，比如造成人脸发灰，并且去条纹效果一般。或者将车窗部分识别出来，根据条纹的某种主要颜色降低饱和度，如绿色。但是由于车窗贴膜的颜色分布广泛，采用单一颜色降低饱和度的效果一般，并且也会影响到车内穿着该颜色衣服人员的色彩，造成偏色。


技术实现要素：

4.本发明实施例提供一种车窗图像增透方法、装置、电子设备和存储介质，通过消除车窗上的条纹实现对车窗图像进行增透，提高车窗内的可见性。
5.第一方面，本发明实施例提供了一种车窗图像增透方法，所述车窗图像通过视频快门和图片快门获取，包括：
6.确定由所述图片快门采集到的第一车窗图片，并根据所述第一车窗图片从所述视频快门采集到的视频中确定第二车窗图片；
7.对所述第一车窗图片或所述第二车窗图片进行反相处理，得到反相后的第一车窗图片或反相后的第二车窗图片；
8.根据所述反相后的第一车窗图片和所述第二车窗图片，或所述反相后的第二车窗图片和所述第一车窗图片对车窗区域进行叠加处理，得到增透后的车窗图片。
9.第二方面，本发明实施例还提供了一种车窗图像增透装置，所述车窗图像通过视频快门和图片快门获取，包括：
10.车窗图片确定模块，用于确定由所述图片快门采集到的第一车窗图片，并根据所述第一车窗图片从所述视频快门采集到的视频中确定第二车窗图片；
11.车窗图片反相模块，用于对所述第一车窗图片或所述第二车窗图片进行反相处理，得到反相后的第一车窗图片或反相后的第二车窗图片；
12.车窗图片叠加模块，用于根据所述反相后的第一车窗图片和所述第二车窗图片，或所述反相后的第二车窗图片和所述第一车窗图片对车窗区域进行叠加处理，得到增透后的车窗图片。
13.第三方面，本发明实施例还提供了一种电子设备，包括：
14.一个或多个处理器；
15.存储装置，用于存储一个或多个程序，
16.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的车窗图像增透方法。
17.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的车窗图像增透方法。
18.本发明实施例基于视频快门和图片快门采集到的两种车窗图像，通过对其中一张车窗图像进行反相处理后，再叠加到另一张车窗图像上，以消除拍摄得到的车窗图像上的彩色条纹，增强车窗内可见性，进而提高对车内人员的识别准确度。
附图说明
19.图1是本发明实施例一中的车窗图像增透方法的流程图；
20.图2是本发明实施例二中的车窗图像增透方法的流程图；
21.图3是本发明实施例三中的车窗图像增透方法的流程图；
22.图4是车窗图片的叠加过程示意图；
23.图5是本发明实施例四中的车窗图像增透装置的结构示意图；
24.图6是本发明实施例五中的电子设备的结构示意图。
具体实施方式
25.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
26.实施例一
27.图1是本发明实施例一中的车窗图像增透方法的流程图，本实施例可适用于消除由于干涉现象导致交通卡口拍摄到的车窗图像上存在彩色条纹的情况。该方法可以由车窗图像增透装置来执行，该装置可以采用软件和/或硬件的方式实现，并可配置在电子设备中，例如电子设备可以是后台服务器等具有通信和计算能力的设备。该方法中的车窗图像通过视频快门和图片快门获取，如图1所示，该方法具体包括：
28.步骤101、确定由图片快门采集到的第一车窗图片，并根据第一车窗图片从视频快门采集到的视频中确定第二车窗图片。
29.其中，视频快门和图片快门可以是双快门图像采集装置中两种采集图像的方式。双快门图像采集装置可以是具有双快门功能的相机，该相机可以应用于交通卡口，用于对过往车辆进行监控。其中，视频快门用于实况录像，图片快门用于闪光灯抓拍。两种快门的主要区别在于曝光和补光条件不同。实况录像是为了满足对车辆的捕获，注重画面整体场景明亮，无强补光打透车窗，通常车窗内人物可见性不佳。闪光灯抓拍是车辆行驶到预设抓拍位置时，相机获取的一帧特殊图像，使用外置氙气补光灯补光，用于获取车窗内人脸效果，通常使用千分之一秒级别的快门。而由于车窗是由玻璃制成，通过会有一定的反光，因此在交通卡口的相机上通过带有偏振镜，用于滤除车窗上的反光，方便看见车内。
30.但是由于光的干涉现象以及很多车窗贴有贴膜，导致交通卡口拍摄到的图像中在车窗位置有彩色条纹，不利于对车窗内人员的观察和识别。光的干涉是指相位(即振动状
态)差恒定的两列(或多列)光波相遇，在叠加区域的某些点振动加强，某些点减弱的现象。例如当阳光照在肥皂泡上时就会看到美丽的彩色；如果在光路上放置一个有色薄玻璃片(或薄膜)，在后面的屏上呈现的图案是亮暗相间的单色条纹；如果入射光是单色光，薄膜表面上将出现明暗相间的干涉条纹；如果入射光是复色光，就出现彩色条纹。所以阳光照射在薄膜上，所见的彩色条纹是扩展复色光源所产生的干涉现象。车窗上的彩色条纹不利于对车内人员进行识别，因此需要对车窗上的彩色条纹进行消除。
31.具体的，对于通过视频快门和图片快门获取到的两种图像，首先通过图片快门采集对车窗的抓拍图像作为第一车窗图片，再根据第一车窗图片的采集时机从视频快门采集到的实况录像视频中确定第二车窗图片，根据第一车窗图片的采集时机确定第二车窗图片，以保证两张图片中内容的一致性，便于后续叠加的准确度。同时由于视频快门和图片快门是同一相机上的或者位于参数配置相同的两个相机上，使得拍摄得到的车窗图片上产生的干涉现象相同，即两个车窗图片上彩色条纹分布相同。
32.在一个可行的实施例中，步骤101包括：
33.获取由图片快门采集到的第一图片，从第一图片中确定车窗区域作为第一车窗图片；
34.并根据第一车窗图片从视频快门采集到的视频中确定第二图片，从第二图片中确定车窗区域作为第二车窗图片；
35.其中，车窗区域的确定步骤如下：
36.对第一图片或第二图片进行车体检测和车牌定位，得到车体位置和车牌位置；
37.根据车牌位置从车体位置中确定车窗粗定位区域；
38.根据车窗的形态特征从车窗粗定位区域中提取车窗区域。
39.由于图片快门和视频快门获取到的抓拍图片以及实况录像中除了车辆的车窗区域还会包括车体的其他部位以及包括车辆以外的场景，而除了车窗区域以外的部分存在会导致后续叠加不准确的现象，因此需要进行车窗区域的提取。
40.具体的，获取到图片快门采集到的抓拍图片后，将该抓拍图片作为第一图片，从第一图片中选取车窗区域作为第一车窗图片，至此第一车窗图片中仅包括车辆的车窗区域。示例性的，从第一图片中选取车窗区域时，首先进行车体检测和车牌定位，得到车体所在位置以及车牌所在位置，由于车窗区域位于车牌上方，因此可以从车体所在区域中得到车窗所在的粗定位区域，最后根据车窗的形态特征对粗定位区域进行进一步的定位，定位后截取车窗区域作为第一车窗图片。同理，对第二图片进行车窗区域的提取，将提取的车窗区域作为第二车窗图片。进一步的，控制第一车窗图片和第二车窗图片的大小相等，以便后续叠加时不会发生错位现象，导致车窗叠加出现重影等现象。
41.在一个可行的实施例中，根据第一车窗图片从视频快门采集到的视频中确定第二车窗图片，包括：
42.确定第一车窗图片的采集时间；
43.从视频快门采集到的视频中确定与采集时间最接近的视频帧作为第二车窗图片。
44.根据第一车窗图片的采集时间从视频中选择最接近的视频帧作为第二车窗图片，使得第一车窗图片上的条纹分布与抓拍图片相同。这是由于若处于不同的时机，由于光照等外部环境的变化会导致条纹分布出现变化，因此需要保证第一车窗图片和第二车窗图片
的采集时间接近。
45.步骤102、对第一车窗图片或第二车窗图片进行反相处理，得到反相后的第一车窗图片或反相后的第二车窗图片。
46.其中，反向处理是指将一幅图像上每个颜色都转换为其补色，即相当于色相旋转180度，色轮上相距180度的颜色互为补色。
47.具体的，反相处理的具体操作是，如果用rgb三通道表示第一车窗图片和第二车窗图片，则其中任一像素点三通道的强度值范围为0-255，如果目标像素点的rgb三通道的值为(r，g，b)，进行反相处理后该目标像素点的rgb通道值为(255-r，255-g，255-b)。可以对第一车窗图片和第二车窗图片中任一张车窗图片进行反向处理，即对车窗图片中每一像素点均进行反相处理，以得到反相后的彩色条纹。
48.步骤103、根据反相后的第一车窗图片和第二车窗图片，或反相后的第二车窗图片和第一车窗图片对车窗区域进行叠加处理，得到增透后的车窗图片。
49.由于将第一车窗图片或第二车窗图片进行反相处理后，得到与车窗条纹颜色完全相反的负片，将该负片叠加到未进行反相处理的第二车窗图片或第一车窗图片上，并且由于第一车窗图片和第二车窗图片上条纹分布完全相同，因此通过负片叠加使得条纹得到消除。
50.若只采用一张车窗图片与其本身的反向图片进行叠加，会导致该图片被抵消成灰色。例如，采用alpha值为0.5的alpha叠加，叠加后的图片上任一点的像素值为：0.5(r，g，b) (1-0.5)(255-r，255-g，255-b)＝(128，128，128)，这是由于图片中三通道值等比例混合，按照亮度不同生成黑、白、灰。而在本发明实施例中，进行反向处理的车窗图片与叠加的车窗图片来源于不同的快门，因此两张图片上除了彩色条纹分布相同，其他像素点的分布不相同，因此叠加后的图片不会被完全抵消成灰色，使得消除彩色条纹的同时保证车内场景的细节保留，提高车内人员的识别准确度。
51.本发明实施例基于视频快门和图片快门采集到的两种车窗图像，通过对其中一张车窗图像进行反相处理后，再叠加到另一张车窗图像上，以消除拍摄得到的车窗图像上的彩色条纹，增强车窗内可见性，进而提高对车内人员的识别准确度。
52.实施例二
53.图2是本发明实施例二中的车窗图像增透方法的流程图，本实施例二在实施例一的基础上进行进一步地优化。如图2所示，该方法包括：
54.步骤201、确定由图片快门采集到的第一车窗图片，并根据第一车窗图片从视频快门采集到的视频中确定第二车窗图片。
55.步骤202、对第一车窗图片进行反相处理，得到反相后的第一车窗图片。
56.对图片快门得到的抓拍图像进行反相处理，得到反相后的第一车窗图片。示例性的，对抓拍图像中每一像素点的像素值进行(255-r，255-g，255-b)的计算，其中(r，g，b)为抓拍图像中目标像素点的三通道像素值。
57.步骤203、将反相后的第一车窗图片叠加到第二车窗图片上，得到叠加后的车窗图片。
58.由于反相后的第一车窗图片中包括反相后的彩色条纹，因此将反相后的第一车窗图片叠加到第二车窗图片上，由于第一车窗图片和第二车窗图片上彩色条纹分布相同，因
此叠加后使得反相后的彩色条纹与未经反相后的彩色条纹相抵消，因此在叠加后的车窗图片中没有彩色条纹。
59.在一个可行的实施例中，叠加为alpha叠加，通过如下公式进行叠加：
60.(r，g，b)＝a(r1，g1，b1) (1-a)(r2，g2，b2)；
61.其中，(r，g，b)为叠加后的车窗图片中目标像素点的三通道值，(r1，g1，b1)为未经过反相处理的车窗图片中目标像素点的三通道值，(r2，g2，b2)为经过反相处理后的车窗图片中目标像素点的三通道值，a为alpha值。
62.由于在一张图片中色彩的取值是有范围的，因此若直接将两张图片中的像素值进行相加会导致叠加后的图片中部分像素点的色彩会溢出，因此在本发明实施例中采用alpha叠加，避免图片叠加造成的色彩溢出。
63.具体的，(r1，g1，b1)为第二车窗图片中目标像素点的三通道值，(r2，g2，b2)为反相后的第一车窗图片中目标像素点的三通道值。(r，g，b)为叠加后的车窗图片中目标像素点的三通道值。示例性的，由于在前述步骤中，将第一车窗图片和第二车窗图片的大小设置相同，并且根据车窗的外边缘进行定位，使得进行叠加的像素点所代表的对象在车辆上位置相同，避免出现叠加偏移的问题。在本发明实施例中，alpha值设为0.5。
64.在一个可行的实施例中，在将反相后的第一车窗图片叠加到第二车窗图片上之前，还包括：
65.对第二车窗图片进行滤波处理。
66.若视频快门和图片快门均属于一个传感器上，则该传感器无法同时输出两幅图片，所以第一车窗图片和第二车窗图片严格上并不是同一时间输出的。在上述示例的基础上，选择与第一车窗图片的采集时间最接近的一帧作为第二车窗图片，但是在实际使用中，会存在一定的差异，导致在叠加时会在车窗边框处等大边缘的区域产生重影现象。
67.因此为了消除这种重影现象，在图片叠加前，对第二车窗图片进行滤波处理，去除车窗边框等大边缘的细节特征，仅保留第二车窗图片的基础层，即彩色条纹的基础信息。由于条纹的宽度很宽，无需进行像素级的匹配抵消，因此进行滤波后少数像素点的错位不会影响条纹正片和负片的抵消。同时进行滤波后车窗边框处的明显边缘已经进行了过滤，不会产生重影现象。
68.具体的，对第二车窗图片进行滤波处理的操作可以与第一车窗图片的反相处理同时进行，后续将反相后的第一车窗图片和滤波后的第二车窗图片进行叠加，得到叠加后的车窗图片。
69.由于视频快门和图片快门所在的双快门图像采集装置的快门设置机制，在视频快门采集到的第二车窗图片中包括的是车辆的整体情况，对于车窗区域而言，并不包括车内人员的细节信息，可以看作仅包括彩色条纹信息，而在图片快门采集到的第一车窗图片中，由于进行补光处理，车窗区域除了彩色条纹信息，还包括车内人员信息，因此不能对第一车窗图片进行滤波，避免对车内人员的细节特征造成干扰。
70.为了提高叠加准确度，可以采用两片传感器的结构对车窗图片进行获取，具体的，中间通过分光镜把光束分为两路，两个传感器具备不同的快门同时获取到同一幅图像，且可以进行像素级的匹配。一片传感器获取实况录像图像，一片传感器获取抓拍图片，两路快门差异控制在500us以内，使得实况录像图像和抓拍图片中车窗位置相同，然后直接进行叠
加即可，避免在叠加中存在重影的现象，影响叠加准确度。
71.步骤204、对叠加后的车窗图片进行反相处理，得到增透后的车窗图片。
72.由上述描述可知，对于第一车窗图片相当于是条纹 人物，第二车窗图片相当于是条纹，对第一车窗图片进行反相后得到的是反相后的条纹 反相后的人物，叠加后的车窗图片＝反相后的条纹 反相后的人物 条纹＝反相后的人物。因此若要得到车窗内人员的特征，需要对叠加后的车窗图片再进行一次反相处理，得到人物，使得增透后的车窗图片中人物的可见性增加，便于识别，有利于人眼感官。
73.本发明实施例基于视频快门和图片快门采集到的两种车窗图像，通过对图片快门得到的第一车窗图片进行反相处理后，再叠加到视频快门得到的第二车窗图像上，以消除拍摄得到的车窗图像上的彩色条纹，增强车窗内可见性，进而提高对车内人员的识别准确度。
74.实施例三
75.图3是本发明实施例三中的车窗图像增透方法的流程图，本实施例二在实施例一的基础上进行进一步地优化。如图3所示，该方法包括：
76.步骤301、确定由图片快门采集到的第一车窗图片，并根据第一车窗图片从视频快门采集到的视频中确定第二车窗图片。
77.步骤302、对第二车窗图片进行反相处理，得到反相后的第二车窗图片。
78.对视频快门得到的实况录像图片进行反相处理，得到反相后的第二车窗图片。示例性的，对实况录像图片中每一像素点的像素值进行(255-r，255-g，255-b)的计算，其中(r，g，b)为实况录像图片中目标像素点的三通道像素值。
79.步骤303、将反相后的第二车窗图片叠加到第一车窗图片上，得到叠加后的车窗图片为增透后的车窗图片。
80.由于反相后的第二车窗图片中包括反相后的彩色条纹，因此将反相后的第二车窗图片叠加到第一车窗图片上，由于第一车窗图片和第二车窗图片上彩色条纹分布相同，因此叠加后使得反相后的彩色条纹与未经反相后的彩色条纹相抵消。
81.在一个可行的实施例中，叠加为alpha叠加，通过如下公式进行叠加：
82.(r，g，b)＝a(r1，g1，b1) (1-a)(r2，g2，b2)；
83.其中，(r，g，b)为叠加后的车窗图片中目标像素点的三通道值，(r1，g1，b1)为未经过反相处理的车窗图片中目标像素点的三通道值，(r2，g2，b2)为经过反相处理后的车窗图片中目标像素点的三通道值，a为alpha值。
84.具体的，(r1，g1，b1)为第一车窗图片中目标像素点的三通道值，(r2，g2，b2)为反相后的第二车窗图片中目标像素点的三通道值。(r，g，b)为叠加后的车窗图片中目标像素点的三通道值。示例性的，由于在前述步骤中，将第一车窗图片和第二车窗图片的大小设置相同，并且根据车窗的外边缘进行像素级的匹配，使得进行叠加的像素点所代表的对象在车辆上位置相同，避免出现叠加偏移的问题。在本发明实施例中，alpha值设为0.5。
85.在一个可行的实施例中，在将反相后的第二车窗图片叠加到第一车窗图片上之前，还包括：
86.对反相后的第二车窗图片进行滤波处理。
87.由上述可知，为了消除车窗边框处的叠加重影现象，需要对视频快门得到的第二
车窗图片进行滤波处理。具体的，对第二车窗图片进行反相后，再进行滤波处理或者对第二车窗图片先进行滤波处理再进行反相处理，得到滤波后的反相第二车窗图片，再将该图片与第一车窗图片进行叠加，得到叠加后的车窗图片，即为增透后的车窗图片。
88.车窗图片的叠加过程如图4所示，对于第一车窗图片相当于是条纹 人物，第二车窗图片相当于是条纹，对第二车窗图片进行反相后得到的是反相的条纹，叠加后的车窗图片＝反相的条纹 条纹 人物＝人物。因此将反相后的第二车窗图片叠加到第一车窗图片上，即可得到增透后的车窗图片，无需再进行反相处理。
89.本发明实施例获取到实况录像的第二车窗图片后，将第二车窗图片进行反相，得到与抓拍的第一车窗图片中车窗上条纹颜色完全相反的负片。然后把负片叠加到第一车窗图片的车窗位置上，从而消除拍摄得到的车窗图像上的彩色条纹，增强车窗内可见性，进而提高对车内人员的识别准确度。
90.实施例四
91.图5是本发明实施例四中的车窗图像增透装置的结构示意图，本实施例可适用于消除由于干涉现象导致交通卡口拍摄到的车窗图像上存在彩色条纹的情况。如图5所示，该装置中所述车窗图像通过视频快门和图片快门获取，该装置包括：
92.车窗图片确定模块510，用于确定由所述图片快门采集到的第一车窗图片，并根据所述第一车窗图片从所述视频快门采集到的视频中确定第二车窗图片；
93.车窗图片反相模块520，用于对所述第一车窗图片或所述第二车窗图片进行反相处理，得到反相后的第一车窗图片或反相后的第二车窗图片；
94.车窗图片叠加模块530，用于根据所述反相后的第一车窗图片和所述第二车窗图片，或所述反相后的第二车窗图片和所述第一车窗图片对车窗区域进行叠加处理，得到增透后的车窗图片。
95.本发明实施例基于视频快门和图片快门采集到的两种车窗图像，通过对其中一张车窗图像进行反相处理后，再叠加到另一张车窗图像上，以消除拍摄得到的车窗图像上的彩色条纹，增强车窗内可见性，进而提高对车内人员的识别准确度。
96.可选的，所述车窗图片叠加模块530，包括车窗图片第一叠加单元，具体用于：
97.将所述反相后的第一车窗图片叠加到所述第二车窗图片上，得到叠加后的车窗图片；
98.对所述叠加后的车窗图片进行反相处理，得到增透后的车窗图片。
99.可选的，所述车窗图片叠加模块530，包括车窗图片第二叠加单元，具体用于：
100.将所述反相后的第二车窗图片叠加到所述第一车窗图片上，得到叠加后的车窗图片为增透后的车窗图片。
101.可选的，所述叠加为alpha叠加，通过如下公式进行叠加：
102.(r，g，b)＝a(r1，g1，b1) (1-a)(r2，g2，b2)；
103.其中，(r，g，b)为叠加后的车窗图片中目标像素点的三通道值，(r1，g1，b1)为未经过反相处理的车窗图片中目标像素点的三通道值，(r2，g2，b2)为经过反相处理后的车窗图片中目标像素点的三通道值，a为alpha值。
104.可选的，所述装置还包括第二车窗图片滤波模块，用于：
105.在根据所述反相后的第一车窗图片和所述第二车窗图片，或所述反相后的第二车
窗图片和所述第一车窗图片对车窗区域进行叠加处理之前，对所述第二车窗图片或所述反相后的第二车窗图片进行滤波处理。
106.可选的，车窗图片确定模块510，具体用于：
107.获取由所述图片快门采集到的第一图片，从所述第一图片中确定车窗区域作为第一车窗图片；
108.并根据所述第一车窗图片从所述视频快门采集到的视频中确定第二图片，从所述第二图片中确定车窗区域作为第二车窗图片；
109.其中，车窗图片确定模块510包括车窗区域确定单元，具体用于：
110.对所述第一图片或第二图片进行车体检测和车牌定位，得到车体位置和车牌位置；
111.根据所述车牌位置从所述车体位置中确定车窗粗定位区域；
112.根据车窗的形态特征从所述车窗粗定位区域中提取车窗区域。
113.可选的，车窗图片确定模块510中包括第二车窗图片确定单元，具体用于：
114.确定所述第一车窗图片的采集时间；
115.从所述视频快门采集到的视频中确定与所述采集时间最接近的视频帧作为第二车窗图片。
116.本发明实施例所提供的车窗图像增透装置可执行本发明任意实施例所提供的车窗图像增透方法，具备执行车窗图像增透方法相应的功能模块和有益效果。
117.实施例五
118.图6是本发明实施例五提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图6显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
119.如图6所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储装置28，连接不同系统组件(包括系统存储装置28和处理单元16)的总线18。
120.总线18表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
121.电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
122.系统存储装置28可以包括易失性存储装置形式的计算机系统可读介质，例如随机存取存储装置(ram)30和/或高速缓存存储装置32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储装置28可以包括至少
一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
123.具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储装置28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
124.电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图6所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图6中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
125.处理单元16通过运行存储在系统存储装置28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的车窗图像增透方法，所述车窗图像通过视频快门和图片快门获取，包括：
126.确定由所述图片快门采集到的第一车窗图片，并根据所述第一车窗图片从所述视频快门采集到的视频中确定第二车窗图片；
127.对所述第一车窗图片或所述第二车窗图片进行反相处理，得到反相后的第一车窗图片或反相后的第二车窗图片；
128.根据所述反相后的第一车窗图片和所述第二车窗图片，或所述反相后的第二车窗图片和所述第一车窗图片对车窗区域进行叠加处理，得到增透后的车窗图片。
129.实施例六
130.本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的车窗图像增透方法，所述车窗图像通过视频快门和图片快门获取，包括：
131.确定由所述图片快门采集到的第一车窗图片，并根据所述第一车窗图片从所述视频快门采集到的视频中确定第二车窗图片；
132.对所述第一车窗图片或所述第二车窗图片进行反相处理，得到反相后的第一车窗图片或反相后的第二车窗图片；
133.根据所述反相后的第一车窗图片和所述第二车窗图片，或所述反相后的第二车窗图片和所述第一车窗图片对车窗区域进行叠加处理，得到增透后的车窗图片。
134.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存
储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
135.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
136.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
137.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如java、smalltalk、c ，还包括常规的过程式程序设计语言诸如”c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(lan)或广域网(wan)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
138.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。