CN101465000B - 图像处理设备和方法 - Google Patents
图像处理设备和方法 Download PDFInfo
- Publication number
- CN101465000B CN101465000B CN200810183592XA CN200810183592A CN101465000B CN 101465000 B CN101465000 B CN 101465000B CN 200810183592X A CN200810183592X A CN 200810183592XA CN 200810183592 A CN200810183592 A CN 200810183592A CN 101465000 B CN101465000 B CN 101465000B
- Authority
- CN
- China
- Prior art keywords
- edge
- marginal point
- reference value
- image
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
公开了一种图像处理设备、一种用于图像处理设备的图像处理方法。边缘图创建单元以具有不同尺寸的三种类型的块为单位来检测输入图像的边缘强度。运算参数调整单元基于动态范围来设置边缘基准值和提取基准值的初始值,所述动态范围是边缘强度的最大值和最小值之间的差。边缘点提取单元基于边缘基准值来从输入图像中提取边缘点。运算参数调整单元重复执行调整边缘基准值的处理,并且边缘点提取单元重复执行基于调整后的边缘基准值来从输入图像中提取边缘点的处理,直到提取量判定单元基于提取基准值而判定了边缘点提取量合适。
Description
相关申请的交叉引用
本发明包含与于2007年12月18日在日本专利局递交的日本专利申请JP 2007-325511相关的主题,该日本专利申请的全部内容通过引用合并于此。
技术领域
本发明涉及图像处理设备和方法,更具体地,本发明涉及用于检测图像的模糊状态的图像处理设备和方法。
背景技术
迄今为止,已经提出了这样的方法:利用小波变换,提取构成图像中的边缘的像素(在下文中称为边缘点),并分析所提取的边缘点的类型,以便检测模糊度,所述模糊度是表示图像的模糊状态的指标(例如,参照作者为Hanghang Tong,Mingjing Li,Hongjiang Zhang和ChangshuiZhang的“Blur Detection for Digital Images Using Wavelet Transform”,Multimedia and Expo,2004.ICME′04.2004IEEE InternationalConference on,2004年6月27-30日,第17-20页)。
发明内容
顺便提及,在图像中包括的边缘的量(在下文中也称为边缘量)很大程度上取决于诸如景色或人脸之类的对象类型而变化。例如,在诸如人造图案或建筑结构之类的包括很多纹理的图像中边缘量大,而在诸如自然景色或人脸之类的包括不多纹理的图像中边缘量小。
但是,根据在“Blur Detection for Digital Images Using WaveletTransform”中公开的发明,由于利用固定的参数来规则地提取边缘点,并且通过分析所提取的边缘点来检测模糊度,因此,取决于图像中包括的边缘量而产生了模糊度的检测精确度的波动。例如,对于包括不多纹理的具有小边缘量的图像,难以提取足够量的边缘点,结果,存在模糊度的检测精确度降低的倾向。
考虑到上述情况而进行了本发明,期望实现以更高的精确度对图像的模糊状态的检测。
根据本发明的实施例,提供了一种图像处理设备,该图像处理设备被配置用于提取作为构成图像中的边缘的像素的边缘点、对在所提取的边缘点中是否产生模糊进行分析、以及基于分析结果来检测图像的模糊状态,该图像处理设备包括:边缘强度检测装置,适用于以具有预定尺寸的块为单位来检测图像的边缘的强度;参数调整装置,适用于调整边缘基准值和提取基准值,并且还随着动态范围越大而将边缘基准值和提取基准值的初始值设置为越大的值,其中所述边缘基准值用于判定是否是边缘点,所述提取基准值用于判定边缘点的提取量是否合适,而所述动态范围是图像的边缘强度的最大值和最小值之间的差;边缘点提取装置,适用于提取边缘块中的像素作为边缘点,所述边缘块是其中所检测到的边缘强度等于或大于边缘基准值的块;以及提取量判定装置,适用于通过与提取基准值之间的比较来判定边缘点的提取量是否合适,其中参数调整装置重复执行朝着边缘点的提取量变得合适的方向来调整边缘基准值的处理,直到判定了边缘点的提取量合适,并且边缘点提取装置重复执行基于由参数调整装置调整后的边缘基准值来提取用于检测图像的模糊状态的边缘点的处理,直到判定了边缘点的提取量合适。
在根据本发明的实施例的图像处理设备中,边缘强度检测装置可以基于所述块中的像素之间的像素值差值来检测图像的边缘强度。
在根据本发明的实施例的图像处理设备中,边缘强度检测装置可以以尺寸不同的多个块为单位来检测图像的边缘强度,并且边缘点提取装置可以提取包括在至少一个边缘块中的像素作为边缘点。
在根据本发明的实施例的图像处理设备中,边缘强度检测装置可以以具有第一尺寸的块为单位来检测图像的边缘强度,还通过检测第一平均化图像的边缘强度来以具有不同于第一尺寸的第二尺寸的块为单位检测图像的边缘强度,并且还通过检测第二平均化图像的边缘强度来以具有不同于第一尺寸和第二尺寸的第三尺寸的块为单位检测图像的边缘强度,其中所述第一平均化图像由通过以具有第一尺寸的块为单位将图像划分成具有第一尺寸的块而获得的相应块中的像素的平均值以与对应块相同的顺序排列而组成,所述第二平均化图像由通过以具有第一尺寸的块为单位将第一平均化图像划分成具有第一尺寸的块而获得的相应块中的像素的平均值以与对应块相同的顺序排列而组成。
根据本发明的实施例,提供了一种用于图像处理设备的图像处理方法,该图像处理设备被配置用于提取作为构成图像中的边缘的像素的边缘点、对在所提取的边缘点中是否产生模糊进行分析、以及基于分析结果来检测图像的模糊状态,该图像处理方法包括以下步骤:以具有预定尺寸的块为单位来检测图像的边缘的强度;随着动态范围越大而将边缘基准值和提取基准值的初始值设置为越大的值,其中所述边缘基准值用于判定是否是边缘点,所述提取基准值用于判定边缘点的提取量是否合适,而所述动态范围是图像的边缘强度的最大值和最小值之间的差;提取边缘块中的像素作为边缘点,所述边缘块是其中所检测到的边缘强度等于或大于边缘基准值的块;通过与提取基准值之间的比较来判定边缘点的提取量是否合适;以及重复以下处理,直到判定了边缘点的提取量合适:朝着边缘点的提取量变得合适的方向来调整边缘基准值的处理,以及基于调整后的边缘基准值来提取用于检测图像的模糊状态的边缘点的处理。
根据本发明的实施例,可以检测图像的模糊状态。具体地,根据本发明的实施例,可以以高精确度来检测图像的模糊状态。
附图说明
图1是根据本发明所应用于的实施例的图像处理设备的框图;
图2是用于描述所述图像处理设备所执行的模糊度检测处理的流程图;
图3是用于描述边缘图创建处理的图;
图4是用于描述局部最大值(local max)创建处理的图;
图5示出了边缘配置的示例;
图6示出了边缘配置的另一示例;
图7示出了边缘配置的又一示例;
图8示出了边缘配置的又一示例;
图9是根据本发明所应用于的另一实施例的图像处理设备的框图;
图10是用于描述由该图像处理设备所执行的模糊度检测处理的流程图;以及
图11示出了计算机的配置示例。
具体实施方式
在下文中,将参照附图来描述本发明所应用于的实施例。
图1是根据本发明所应用于的实施例的图像处理设备的框图。图1中的图像处理设备1对输入的图像(在下文中称为输入图像)中的边缘点中是否产生模糊进行分析,并基于分析结果来检测输入图像的模糊状态。图像处理设备1通过将以下单元包括在内而组成:边缘图创建单元11、动态范围检测单元12、运算参数调整单元13、局部最大值创建单元14、边缘点提取单元15、提取量判定单元16、边缘分析单元17以及模糊度检测单元18。
边缘图创建单元11以具有不同大小的尺度(scale)1至3的三种类型的块为单位来检测输入图像的边缘的强度(在下文中称为边缘强度),并创建具有尺度1至3的边缘图(在下文中称为边缘图1至3),在所述边缘图中,所检测的边缘强度被设置为像素值,这将在下面参照图2来描述。边缘图创建单元11将所创建的边缘图1至3提供给动态范围检测单元12和局部最大值创建单元14。
动态范围检测单元12检测动态范围,并将表示所检测的动态范围的信息提供给运算参数调整单元13,所述动态范围是输入图像的边缘强度的最大值和最小值之间的差。这将在下面参照图2来描述。
运算参数调整单元13基于所检测的动态范围来调整用于提取边缘点的运算参数,使得用于检测输入图像的模糊状态的边缘点的提取量(在下文中也称为边缘点提取量)变成下面将参照图2来描述的合适值。运算参数包括边缘基准值和提取基准值,所述边缘基准值用于判定是否是边缘点,所述提取基准值用于判定边缘点提取量是否合适。运算参数调整单元13将表示所设置的边缘基准值的信息提供给边缘点提取单元15和提取量判定单元16,并将表示所设置的提取基准值的信息提供给提取量判定单元16。
局部最大值创建单元14将边缘图1至3划分成具有预定尺寸的相应的块,并通过提取每个块中的像素值最大值来创建具有尺度1至3的局部最大值(在下文中称为局部最大值1至3),这将在下面参照图2来描述。局部最大值创建单元14将所创建的局部最大值1至3提供给边缘点提取单元15和边缘分析单元17。
如下面将参照图2来描述的那样,边缘点提取单元15基于边缘基准值和局部最大值1至3来从输入图像中提取边缘点,并创建要提供给提取量判定单元16的边缘点表(在下文中称为边缘点表1至3),所述边缘点表具有尺度1至3,并表示所提取的边缘点的信息。
如下面将参照图2来描述的那样,提取量判定单元16基于边缘点表1至3和提取基准值来判定边缘点提取量是否合适。提取量判定单元16在判定了边缘点提取量不合适的情况下向运算参数调整单元13通知边缘点提取量不合适,并在判定了边缘点提取量合适的情况下将此时的边缘基准值和边缘点表1至3提供给边缘分析单元17。
如下面将参照图2来描述的那样,边缘分析单元17对所提取的边缘点进行分析,并将表示分析结果的信息提供给模糊度检测单元18。
如同下面将参照图2来描述的那样,模糊度检测单元18基于对边缘点的分析结果来检测模糊度,所述模糊度是输入图像的模糊状态的指标。模糊度检测单元18将表示所检测的模糊度的信息输出到外部。
接下来,将参照图2的流程图来描述图像处理设备1所执行的模糊检测处理。应当注意,例如在作为检测对象的输入图像被输入到边缘图创建单元11时启动该处理。
在步骤S1中,边缘图创建单元11创建边缘图。更具体地,边缘图创建单元11将输入图像划分成尺寸为2×2像素的块,并基于以下的表达式(1)至(6)来计算绝对值MTL_TR至MBL_BR,所述绝对值MTL_TR至MBL_BR是相应块中的像素之间的像素值之差。
[表达式1]
MTL_TR=|a-b| ...(1)
MTL_BL=|a-c| ...(2)
MTL_BR=|a-d| ...(3)
MTR_BL=|b-c| ...(4)
MTR_BR=|b-d| ...(5)
MBL_BR=|c-d| ...(6)
应当注意,如图3所示,在表达式(1)至(6)中,像素值a表示在块中左上方的像素的像素值,像素值b表示在块中右上方的像素的像素值,像素值c表示在块中左下方的像素的像素值,以及像素值d表示在块中右下方的像素的像素值。
接下来,边缘图创建单元11基于下面的表达式(7)来计算差之绝对值MTL_TR至MBL_BR的平均值MAve。
[表达式2]
也就是说,平均值MAve表示在块中上方和下方、左方和右方、以及斜向上的边缘强度的平均值。
边缘图创建单元11通过以与对应块相同的顺序来排列所计算出的平均值MAve,创建边缘图1。
此外,为了创建边缘图2和边缘图3,边缘图创建单元11基于下面的表达式(8)来创建尺度为2和3的平均化图像。
[表达式3]
应当注意,在表达式(8)中,Pi(x,y)表示尺度i的平均化图像的坐标(x,y)的像素值,Pi+1(x,y)表示具有尺度i+1的平均化图像的坐标(x,y)的像素值。应当注意,尺度1的平均化图像是输入图像。也就是说,尺度2的平均化图像是由通过将输入图像划分成尺寸为2×2像素的块而获得的相应块的像素值的平均值组成的图像,而具有尺度3的平均化图像是由通过将具有尺度2的平均化图像划分成尺寸为2×2像素的块中而获得的相应块的像素值的平均值组成的图像。
边缘图创建单元11通过相应地利用表达式(1)至(7)来对具有尺度2的平均化图像和具有尺度3的平均化图像执行与对输入图像执行的处理相类似的处理,并创建边缘图2和边缘图3。
因此,边缘图1至3是从输入图像中提取在具有尺度1至3的互不相同的频带中的边缘分量的图像。应当注意,边缘图1中的像素数目是输入图像的1/4(1/2长×1/2宽),边缘图2中的像素数目是输入图像的1/16(1/4长×1/4宽),边缘图3中的像素数目是输入图像的1/64(1/8长×1/8宽)。
边缘图创建单元11将所创建的边缘图1至3提供给动态范围检测单元12和局部最大值创建单元14。
在步骤S2中,动态范围创建单元12检测动态范围。更具体地,动态范围检测单元12检测边缘图1至3中的像素值的最大值和最小值,并检测通过从所述像素值的最大值中减去所检测的最小值而获得的值,即,输入图像的边缘强度的最大值和最小值之间的差,作为动态范围。动态范围检测单元12将表示所检测的动态范围的信息提供给运算参数调整单元13。
应当注意,除了上述方法之外,例如还可以设想:对每个边缘图检测动态范围,并采用所检测的动态范围的最大值、平均值等作为实际使用的动态范围。
在步骤S3中,运算参数调整单元13判定动态范围是否小于预定阈值。在判定了动态范围小于预定阈值(即该动态范围是低动态范围)的情况下,处理前进到步骤S4。
在步骤S4中,运算参数调整单元13将运算参数设置为针对具有低动态范围的图像的初始值。更具体地,估计具有低动态范围的图像与具有高动态范围的图像相比具有较少的边缘,并且所提取的边缘点的量小。因此,为了能够提取足够量的边缘点以便将对输入图像的模糊度的检测精确度设置为等于或高于特定水平,将针对具有低动态范围的图像的边缘基准值的初始值设置为比针对具有高动态范围的图像的边缘基准值的初始值小的值。此外,将针对具有低动态范围的图像的提取基准值的初始值设置为比针对具有高动态范围的图像的提取基准值的初始值小的值。运算参数调整单元13将表示所设置的边缘基准值的信息提供给边缘点提取单元15和提取量判定单元16,并将表示所设置的提取基准值的信息提供给提取量判定单元16。
在步骤S5中,局部最大值创建单元14创建局部最大值。更具体地,如图4的左侧所示,局部最大值创建单元14将边缘图1划分成2×2像素的块,提取每个块的最大值,并以与对应块相同的顺序来排列所提取的最大值,以创建局部最大值1。此外,如图4的中心所示,局部最大值创建单元14将边缘图2划分成4×4像素的块,提取每个块的最大值,并以与对应块相同的顺序来排列所提取的最大值,以创建局部最大值2。另外,如图4的右侧所示,局部最大值创建单元14将边缘图3划分成8×8像素的块,提取每个块的最大值,并以与对应块相同的顺序来排列所提取的最大值,以创建局部最大值3。局部最大值创建单元14将所创建的局部最大值1至3提供给边缘点提取单元15和边缘分析单元17。
在步骤S6中,边缘点提取单元15提取边缘点。更具体地,在边缘点提取单元15选择输入图像中的一个目标像素、并且该目标像素的所选坐标被设置为(x,y)的情况下,基于下面的表达式(9)来计算局部最大值1中与该目标像素相对应的像素的坐标(x1,y1)。
(x1,y1)=(x/4,y/4) ...(9)
其中,小数点以后舍去。
也就是说,从输入图像的4×4像素的块中产生局部最大值1的一个像素,因此,局部最大值1中与输入图像的目标像素相对应的像素的坐标取该目标像素的x坐标和y坐标的值的1/4。
类似地,边缘点提取单元15基于下面的表达式(10)和表达式(11)来计算局部最大值2中与目标像素相对应的像素的坐标(x2,y2)、以及局部最大值3中与目标像素相对应的像素的坐标(x3,y3)。
(x2,y2)=(x/16,y/16) ...(10)
(x3,y3)=(x/64,y/64) ...(11)
其中,小数点以后舍去。
在局部最大值1的坐标(x1,y1)的像素值等于或高于边缘基准值的情况下,边缘点提取单元15提取目标像素作为局部最大值1中的边缘点,并存储相互关联的目标像素的坐标(x,y)和局部最大值1的坐标(x1,y1)的像素值。类似地,在局部最大值2的坐标(x2,y2)的像素值等于或高于边缘基准值的情况下,边缘点提取单元15提取目标像素作为局部最大值2中的边缘点,并存储相互关联的目标像素的坐标(x,y)和局部最大值2的坐标(x2,y2)的像素值,以及在局部最大值3的坐标(x3,y3)的像素值等于或高于边缘基准值的情况下,边缘点提取单元15提取目标像素作为局部最大值3中的边缘点,并存储相互关联的目标像素的坐标(x,y)和局部最大值3的坐标(x3,y3)的像素值。
边缘点提取单元15重复执行上述处理直到输入图像的所有像素变成目标像素,基于局部最大值1而提取输入图像的4×4像素的块中的、边缘强度等于或大于边缘基准值的块中包括的像素作为边缘点,基于局部最大值2而提取输入图像的16×16像素的块中的、边缘强度等于或大于边缘基准值的块中包括的像素作为边缘点,并且基于局部最大值3而提取输入图像的64×64像素的块中的、边缘强度等于或大于边缘基准值的块中包括的像素作为边缘点。因此,在输入图像的边缘强度等于或大于边缘基准值的4×4像素、16×16像素或64×64像素的块中的至少一个块中包括的像素被提取作为边缘点。
边缘点提取单元15创建要提供给提取量判定单元16的边缘点表1、边缘点表2和边缘点表3,其中边缘点表1是基于局部最大值1而提取的边缘点的坐标(x,y)与局部最大值1中对应于该边缘点的像素的像素值相关联的表,边缘点表2是基于局部最大值2而提取的边缘点的坐标(x,y)与局部最大值2中对应于该边缘点的像素的像素值相关联的表,边缘点表3是基于局部最大值3而提取的边缘点的坐标(x,y)与局部最大值3中对应于该边缘点的像素的像素值相关联的表。
在步骤S7中,提取量判定单元16判定边缘点提取量是否合适。提取量判定单元16将所提取的边缘点的总数,即,边缘点表1至3的数据段的总数与提取基准值进行比较,并在该总数小于提取基准值的情况下判定边缘点提取量不合适,并且处理前进到步骤S8。
在步骤S8中,运算参数调整单元13调整运算参数。更具体地,提取量判定单元16向运算参数调整单元13通知边缘点提取量不合适。运算参数调整单元13根据预定值将边缘基准值设置得更小,使得要提取多于当前数目的边缘点。运算参数判定单元13将表示调整后的边缘基准值的信息提供给边缘点提取单元15和提取量判定单元16。
然后,处理返回到步骤S6,并且重复执行步骤S6至S8中的处理,直到在步骤S7中判定了边缘点提取量合适。也就是说,在调整了边缘基准值时提取边缘点,并重复执行创建边缘点表1至3的处理,直到边缘点提取量变成合适值。
另一方面,在步骤S7中,在所提取的边缘点的总数等于或大于提取基准值的情况下,提取量判定单元16判定边缘点提取量合适,并且处理前进到步骤S14。
此外,在步骤S3中,在判定了动态范围等于或大于预定阈值(即该动态范围是高动态范围)的情况下,处理前进到步骤S9。
在步骤S9中,运算参数调整单元13将运算参数设置为针对具有高动态范围的图像的初始值。更具体地,具有高动态范围的图像与具有低动态范围的图像相比具有更多的边缘,并且估计所提取的边缘点的量大。因此,为了尽可能地改善对输入图像的模糊度的检测精确度,将针对具有高动态范围的图像的边缘基准值的初始值设置为与针对具有低动态范围的图像的边缘基准值的初始值相比更大的值,使得在边缘强度更强的块中包括的像素可以被检测作为边缘点。此外,将针对具有高动态范围的图像的提取基准值的初始值设置为与针对具有低动态范围的图像的提取基准值的初始值相比更大的值。运算参数调整单元13将表示所设置的边缘基准值的信息提供给边缘点提取单元15和提取量判定单元16,并将表示所设置的提取基准值的信息提供给提取量判定单元16。
在步骤S10中,与步骤S5中的处理相类似地,创建局部最大值1至3,并将所创建的局部最大值1至3提供给边缘点提取单元15和边缘分析单元17。
在步骤S11中,与步骤S6中的处理相类似地,创建边缘点表1至3,并将所创建的边缘点表1至3提供给提取量判定单元16。
在步骤S16中,与步骤S7中的处理相类似地,对边缘点提取量是否合适进行判定,并且在判定了边缘点提取量不合适的情况下,处理前进到步骤S13。
在步骤S13中,与步骤S8中的处理相类似地,调整运算参数,然后处理返回到步骤S11,并且在步骤S12中,重复执行步骤S11至S13中的处理,直到判定了边缘点提取量合适。
另一方面,在步骤S12中,在判定了边缘点提取量合适的情况下,处理前进到步骤S14。
通过上述处理,为了改善对模糊度的检测精确度,对于具有低动态范围的输入图像,还从边缘强度弱的块中提取边缘点,使得可以确保足够量的边缘点以便将对输入图像的模糊度的检测精确度设置为等于或高于特定水平,并且对于具有高动态范围的输入图像,从边缘强度尽可能强的块中提取边缘点,使得可以提取构成较强边缘的边缘点。
在步骤S14中,边缘分析单元17执行边缘分析。更具体地,提取量判定单元16将在判定了边缘点提取量合适时的边缘基准值以及边缘点表1提供给边缘分析单元17。
边缘分析单元17基于边缘点表1至3而选择从输入图像中提取的边缘点之一作为目标像素。在所选的目标像素的坐标被设置为(x,y)的情况下,边缘分析单元17基于上述表达式(9)至(11)来计算与该目标像素相对应的局部最大值1至3的像素的坐标(x1,y1)至坐标(x3,y3)。边缘分析单元17将m×m像素(例如4×4像素)的块中的像素值的最大值设置为Local Max1(x1,y1),将n×n像素(例如2×2像素)的块中的像素值的最大值设置为Local Max2(x2,y2),以及将局部最大值3中的坐标(x3,y3)的像素设置为Local Max3(x3,y3),其中局部最大值1的坐标(x1,y1)的像素是在左上角处的像素,局部最大值2的坐标(x2,y2)的像素是在左上角处的像素。
应当注意,m×m中用于Local Max1(x1,y1)的设置参数的和n×n中用于Local Max2(x2,y2)的设置的参数是用于调整与局部最大值1至3的一个像素相对应的输入图像的块的尺寸差别的参数。
边缘分析单元17判定Local Max1(x1,y1)、Local Max2(x2,y2)和Local Max3(x3,y3)是否满足下面的表达式(12)。在Local Max1(x1,y1)、Local Max2(x2,y2)和Local Max3(x3,y3)满足条件表达式(12)的情况下,边缘分析单元17将变量Nedge的值增加一。
表达式[4]
Local Max1(x1,y1)>边缘基准值
或
Local Max2(x2,y2)>边缘基准值 ...(12)
或
Local Max3(x3,y3)>边缘基准值
应当注意,满足条件表达式(12)的边缘点被估计为构成与结构无关的、强度等于或大于特定水平的边缘的边缘点,例如,如图5所示的边缘的陡脉冲,如图6所示的倾斜度与图5的边缘相比更平缓的边缘的脉冲,如图7所示的其倾斜度几乎垂直的边缘的阶跃,以及如图8所示的倾斜度与图7的边缘相比更平缓的边缘的阶跃。
此外,在Local Max1(x1,y1)、Local Max2(x2,y2)和Local Max3(x3,y3)满足条件表达式(12)的情况下,边缘分析单元17还判定是否满足下面的条件表达式(13)或条件表达式(14)。在Local Max1(x1,y1)、Local Max2(x2,y2)和Local Max3(x3,y3)满足条件表达式(13)或条件表达式(14)的情况下,边缘分析单元17将变量Nsmallblur的值增加一。
[表达式5]
Local max1(x1,y1)<Local max2(x2,y2)<Local max3(x3,y3)
...(13)
Local max2(x2,y2)>Local max1(x1,y1)
且 ...(14)
Local max2(x2,y2)>Local max3(x3,y3)
应当注意,满足条件表达式(12)并且还满足条件表达式(13)或条件表达式(14)的边缘点被估计为构成具有图6或8的结构的边缘的边缘点,具有图6或8的结构的边缘的强度等于或大于特定水平,但与图5或7的边缘相比较弱。
此外,在Local Max1(x1,y1)、Local Max2(x2,y2)和Local Max3(x3,y3)满足条件表达式(12)并且还满足条件表达式(13)或条件表达式(14)的情况下,边缘分析单元17判定Local Max1(x1,y1)是否满足下面的表达式(15)。在Local Max1(x1,y1)满足条件表达式(15)的情况下,边缘分析单元17将变量Nlargeblur的值增加一。
[表达式6]
Local Max1(x1,y1)>边缘基准值 ...(15)
应当注意,满足条件表达式(12)、满足条件表达式(13)或条件表达式(14)、并且还满足条件表达式(15)的边缘点被估计为以下边缘点,所述边缘点构成在具有图6或8的结构的边缘中的产生了模糊且损失了锐度的边缘,具有图6或8的结构的边缘的强度等于或大于特定水平。换言之,估计在该边缘点中产生了模糊。
边缘分析单元17重复执行上述处理,直到从输入图像提取的所有边缘点变成目标像素。利用该配置来计算所提取的边缘点中的满足条件表达式(13)的边缘点的数目Nedge、满足条件表达式(12)并且还满足条件表达式(13)或条件表达式(14)的边缘点的数目Nsmallblur、以及满足条件表达式(12)且满足条件表达式(13)或条件表达式(14)并且还满足条件表达式(15)的边缘点的数目Nlargeblur。边缘分析单元7将表示所计算出的Nedge、Nsmallblur以及Nlargeblur的信息提供给模糊度检测单元18。
在步骤S15中,模糊度检测单元18基于下面的表达式(16)来检测模糊度BlurEstimation,所述模糊度是输入图像的模糊状态的指标。
[表达式7]
也就是说,模糊度BlurEstimation是被估计为构成其中产生了模糊的边缘的边缘点在被估计为构成具有图6或8的结构的边缘的边缘点中所占的比率,具有图6或8的结构的边缘的强度等于或大于特定水平。因此,估计随着模糊度BlurEstimation越大,输入图像的模糊状态就越大,并且随着模糊度BlurEstimation越小,输入图像的模糊状态就越小。
模糊度检测单元18将所检测的模糊度BlurEstimation输出到外部,并且模糊度检测处理结束。例如,外部设备通过将模糊度BlurEstimation与预定阈值进行比较来判定输入图像是否是模糊的。
应当注意,在上述的“Blur Detection for Digital Images Using WaveletTransform”中描述了步骤S14和S15中的处理的细节。
通过上述方式,根据输入图像来适当地控制用于提取边缘点的条件和边缘点提取量,因此可以以较高的精确度来检测输入图像的模糊状态。
此外,在不执行诸如小波变换之类的复杂运算的情况下检测边缘强度,因此与“Blur Detection for Digital Images Using Wavelet Transform”中公开的发明相比,可以缩短用于检测边缘强度的时段。
接下来,参照图9和图10来描述根据本发明的图像处理设备的第二实施例。图9所示的图像处理设备101被配置成包括边缘图创建单元111、动态范围检测单元112、运算参数调整单元113、局部最大值创建单元114、边缘点提取单元115、提取量判定单元116、边缘分析单元117、模糊度检测单元118和图像尺寸检测单元119。应当注意到,本图示中与图1中的部件相对应的部件分别用在两个图示中具有相同的末两位数值的数字来指示。为避免赘述,省略了对执行与图1的处理相同的处理的部件的说明。
图像尺寸检测单元119检测输入图像的图像尺寸(像素数目),并将表示所检测到的输入图像的图像尺寸的信息提供给运算参数调整单元113。
如果下面将说明的,运算参数调整单元113基于所检测的图像尺寸和输入图像的动态范围来调整运算参数,所述运算参数包括边缘基准值和提取基准值。运算参数调整单元113将表示边缘基准值设置的信息提供给边缘点提取单元115和提取量判定单元116,并将表示提取基准值设置的信息提供给提取量判定单元116。
接下来,将参照图10所示的流程图来说明图像处理设备101所执行的模糊度检测处理。例如,在变成检测对象的输入图像被输入到边缘图创建单元111和图像尺寸检测单元119中的情况下开始这种处理。
步骤S101和S102中执行的处理与步骤S1和S2的处理相类似。为避免重复,省略了对步骤S101和S102中执行的处理的说明。根据这种处理,创建了输入图像的边缘图并检测到输入图像的动态范围。
在步骤S103中,图像尺寸检测单元119检测图像尺寸。例如,图像尺寸检测单元119检测纵向和横向上的图像尺寸的像素数目,作为图像尺寸。图像尺寸检测单元119将表示所检测到的图像尺寸的信息提供给运算参数调整单元113。
在步骤S104中,运算参数调整单元113判定图像尺寸是否等于或大于预定阈值。在输入图像的像素数目小于预定阈值(例如256×256像素)的情况下,运算参数调整单元113判定图像尺寸并不等于或大于预定阈值,然后处理前进到步骤S105。
在步骤S105至S115中执行的处理与步骤S3至S13的处理相类似。为避免重复,省略了对步骤S105至S115中执行的处理的说明。根据这种处理,在调整边缘基准值和提取基准值的同时,从图像尺寸小于预定阈值的输入图像中提取边缘点。随后,处理进行到步骤S127。
如果在步骤S104中图像尺寸被判定为等于或大于预定阈值,则处理进行到步骤S116。
在步骤S116至S126中执行的处理与步骤S3至S13的处理相类似。为避免重复,省略了对步骤S116至S126中执行的处理的说明。根据这种处理,在调整边缘基准值和提取基准值的同时,从具有等于或大于预定阈值的尺寸的输入图像中提取边缘点。随后,处理进行到步骤S127。
应当注意,在步骤S106、S111、S117和S122中设置的边缘基准值和提取基准值的初始值互不相同。换言之,基于输入图像的图像尺寸和动态范围来从边缘基准值和提取值的四种初始值对中选择一对。
例如,如上文所述,随着输入图像的动态范围的增大而为边缘基准值和提取基准值设置较大的初始值,并且随着图像尺寸的增大而为提取基准值设置较大的初始值。因此,对于相同的低动态范围的图像,如果图像尺寸小于预定阈值,则为提取基准值设置与图像尺寸等于或大于预定阈值的情况相比更小的初始值。上述情况也适用于具有高动态范围的图像。
其原因如下。估计在图像具有相同的动态范围的情况下,由于在较小的图像中存在较少的边缘,因此在较小尺寸的图像中所提取的边缘点的量较小。因此,如果从较小尺寸的图像中提取与从较大尺寸的图像中提取的边缘点数目相同的边缘点,则边缘点提取的精确度可能变小。为了避免这种情况,如果图像尺寸小于预定阈值,则将提取基准值的初始值设置为比针对图像尺寸等于或大于预定阈值的情况而设置的初始值更小的值。
在步骤S127和S128中执行的处理与步骤S14和S15中执行的处理相类似。为避免重复,省略了对步骤S127和S128中执行的处理的说明。根据这种处理,执行对输入图像中的每个像素的边缘分析,并基于边缘分析的结果来检测输入图像的模糊度“BlurEstimation”。随后,模糊检测处理结束。
如上文所述,不仅考虑输入图像的动态范围而且还考虑输入图像的图像尺寸来设置边缘基准值和提取基准值的初始值。因此,可以以高精确度来检测输入图像的模糊度。
应当注意,上述描述示出了在创建了边缘图的情况下对在块的上方和下方、左方和右方、以及斜向的三个方向上的边缘强度的平均值进行计算的示例,但是,例如,可以计算一个方向或两个方向上的边缘强度的平均值。
此外,上述描述示出了在将输入图像分类为高动态范围和低动态范围这两种类型的同时执行处理的示例,但是可以采用取决于动态范围的范围而分类为三种或更多种类型的配置,并且随着动态范围越大,边缘基准值和提取基准值的初始值就被设置为越大的值,随着动态范围越小,边缘基准值和提取基准值就被设置为越小的值。利用该配置,可以以较高的精确度来检测输入图像的模糊状态。
此外,上述描述示出了在所提取的边缘点的量过小的情况下设置小的边缘基准值、以使得要提取更多的边缘点的示例,但是此外,在所提取的边缘点的量过大的情况下可以将边缘基准值设置得更大,以使得要提取的边缘点的量降低。也就是说,可以朝着边缘点提取量变成合适量的方向来调整边缘基准值。
此外,例如,在判定了是具有低动态范围的输入图像的情况下,当所提取的边缘点的量过大时,可以在视为具有高动态范围的输入图像的同时执行所述处理。
此外,在创建了上述边缘图和局部最大值的情况下的块尺寸是一个示例,并且可以被设置为与上述尺寸不同的尺寸。
此外,在本发明的第二实施例中,描述了输入图像的图像尺寸被分类成两种类型并被相应地执行处理的示例情况。或者,图像尺寸可以被分类成三种或更多种类型。可以随着图像尺寸变得越大而为提取基准值设置越大的初始值,并且可以随着图像尺寸变得越小而为提取基准值设置越小的初始值。因此,可以以较高的精确度来检测输入图像的模糊。
在本发明的第二实施例中,可以根据输入图像的图像尺寸来改变边缘基准值的初始值。
此外,在本发明的第二实施例中,可以根据输入图像的图像尺寸来改变要在对输入图像的动态范围进行分类的过程中使用的阈值。
此外,在本发明的第二实施例中,描述了在对输入图像的图像尺寸进行分类之后对输入图像的动态范围进行分类的示例情况。或者,可以以相反的顺序来执行这些处理。
上述一系列处理还可以通过硬件来执行,也可以通过软件来执行。在软件执行这一系列处理的情况下,将构成该软件的程序从程序记录介质安装到包括在专用硬件中的计算机中,或者例如可以通过各种程序的安装而执行各种功能的通用个人计算机等中。
图11是借助于程序来执行上述一系列处理的计算机的硬件配置示例的框图。
在该计算机中,CPU(中央处理单元)201、ROM(只读存储器)202以及RAM(随机存取存储器)203通过总线204而相互连接。
此外,输入和输出接口205连接到总线204。由键盘、鼠标、麦克风等组成的输入单元206、由显示器、扬声器等组成的输出单元、由硬盘驱动器、非易失性存储器等组成的存储单元208、由网络接口等组成的通信单元209、以及用于对诸如磁盘、光盘、光磁盘或半导体存储器之类的可去除介质211进行驱动的驱动器210连接到输入和输出接口205。
在以上述方式配置的计算机中,CPU 201将存储在例如存储单元208中的程序经由输入和输出接口205以及总线204而加载到RAM 203上,并运行该程序,以便执行上述一系列处理。
由计算机(CPU 201)运行的程序例如被记录在可去除介质211上,或者经由诸如局域网、因特网或数字卫星广播之类的有线传输介质或无线传输介质来提供,其中可去除介质211用作由磁盘(包括软盘)、光盘(CD-ROM(压缩盘-只读存储器))、DVD(数字通用盘)等、光磁盘或半导体存储器等组成的封装介质。
然后,可以通过将可去除介质211装配到驱动器210上,经由输入和输出接口205将程序安装在存储单元208中。此外,可以在由通信单元209经由有线传输介质或无线传输介质而接收到程序时,将程序安装在存储单元208中。此外,可以预先将程序安装在ROM 202或存储单元208中。
应当注意,由计算机运行的程序可以是其中随着本说明书中描述的顺序以时序方式执行处理的程序,或者也可以是其中并行地或以被请求定时比如调用来执行处理的程序。
此外,本发明的实施方式不限于上述实施例,本领域的技术人员应当理解,可以取决于设计需求和其它因素而进行各种修改、组合、子组合和替换,只要所述修改、组合、子组合和替换在所附权利要求或其等同内容的范围之内即可。
Claims (5)
1.一种图像处理设备,该图像处理设备被配置用于提取作为构成图像中的边缘的像素的边缘点、对在所提取的边缘点中是否产生模糊进行分析、以及基于分析结果来检测图像的模糊状态,该图像处理设备包括:
边缘强度检测装置,适用于以具有预定尺寸的块为单位来检测图像的边缘的强度;
参数调整装置,适用于调整边缘基准值和提取基准值,并且还随着动态范围越大而将边缘基准值和提取基准值的初始值设置为越大的值,其中所述边缘基准值用于判定是否是边缘点,所述提取基准值用于判定边缘点的提取量是否合适,而所述动态范围是图像的边缘强度的最大值和最小值之间的差;
边缘点提取装置,适用于提取边缘块中的像素作为边缘点,所述边缘块是其中所检测到的边缘强度等于或大于边缘基准值的块;以及
提取量判定装置,适用于通过与提取基准值之间的比较来判定边缘点的提取量是否合适,
其中参数调整装置重复执行朝着边缘点的提取量变得合适的方向来调整边缘基准值的处理,直到判定了边缘点的提取量合适,并且
其中边缘点提取装置重复执行基于由参数调整装置调整后的边缘基准值来提取用于检测图像的模糊状态的边缘点的处理,直到判定了边缘点的提取量合适。
2.根据权利要求1所述的图像处理设备,
其中所述边缘强度检测装置基于所述块中的像素之间的像素值差值来检测图像的边缘强度。
3.根据权利要求1所述的图像处理设备,
其中所述边缘强度检测装置以尺寸不同的多个块为单位来检测图像的边缘强度,并且
其中所述边缘点提取装置提取包括在至少一个边缘块中的像素作为边缘点。
4.根据权利要求3所述的图像处理设备,
其中所述边缘强度检测装置以具有第一尺寸的块为单位来检测图像的边缘强度,还通过检测第一平均化图像的边缘强度来以具有不同于第一尺寸的第二尺寸的块为单位检测图像的边缘强度,并且还通过检测第二平均化图像的边缘强度来以具有不同于第一尺寸和第二尺寸的第三尺寸的块为单位检测图像的边缘强度,其中所述第一平均化图像由通过以具有第一尺寸的块为单位将图像划分成具有第一尺寸的块而获得的相应块中的像素的平均值以与对应块相同的顺序排列而组成,所述第二平均化图像由通过以具有第一尺寸的块为单位将第一平均化图像划分成具有第一尺寸的块而获得的相应块中的像素的平均值以与对应块相同的顺序排列而组成。
5.一种用于图像处理设备的图像处理方法,该图像处理设备被配置用于提取作为构成图像中的边缘的像素的边缘点、对在所提取的边缘点中是否产生模糊进行分析、以及基于分析结果来检测图像的模糊状态,该图像处理方法包括以下步骤:
以具有预定尺寸的块为单位来检测图像的边缘的强度;
随着动态范围越大而将边缘基准值和提取基准值的初始值设置为越大的值,其中所述边缘基准值用于判定是否是边缘点,所述提取基准值用于判定边缘点的提取量是否合适,而所述动态范围是图像的边缘强度的最大值和最小值之间的差;
提取边缘块中的像素作为边缘点,所述边缘块是其中所检测到的边缘强度等于或大于边缘基准值的块;
通过与提取基准值之间的比较来判定边缘点的提取量是否合适;以及
重复以下处理,直到判定了边缘点的提取量合适:
朝着边缘点的提取量变得合适的方向来调整边缘基准值的处理,以及
基于调整后的边缘基准值来提取用于检测图像的模糊状态的边缘点的处理。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007-325511 | 2007-12-18 | ||
JP2007325511 | 2007-12-18 | ||
JP2007325511 | 2007-12-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101465000A CN101465000A (zh) | 2009-06-24 |
CN101465000B true CN101465000B (zh) | 2011-10-05 |
Family
ID=40352306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810183592XA Expired - Fee Related CN101465000B (zh) | 2007-12-18 | 2008-12-18 | 图像处理设备和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8300969B2 (zh) |
EP (1) | EP2073169A2 (zh) |
JP (1) | JP5093083B2 (zh) |
CN (1) | CN101465000B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7720302B2 (en) * | 2003-09-25 | 2010-05-18 | Fujifilm Corporation | Method, apparatus and program for image processing |
JP4406443B2 (ja) * | 2007-05-09 | 2010-01-27 | 株式会社東芝 | 画像補正装置 |
US20100166257A1 (en) * | 2008-12-30 | 2010-07-01 | Ati Technologies Ulc | Method and apparatus for detecting semi-transparencies in video |
JP5136474B2 (ja) * | 2009-03-13 | 2013-02-06 | ソニー株式会社 | 画像処理装置および方法、学習装置および方法、並びに、プログラム |
CN101969570B (zh) * | 2009-07-27 | 2013-04-17 | 慧帝科技(深圳)有限公司 | 图像的边界系数计算方法以及图像噪声去除方法 |
CN101872484B (zh) * | 2010-06-30 | 2012-06-27 | 西安电子科技大学 | 图像域中多个微弱目标航迹自适应生长检测方法 |
EP2609853A4 (en) | 2010-08-27 | 2016-03-09 | Sony Corp | APPARATUS AND METHOD FOR IMAGE PROCESSING |
JP5800187B2 (ja) * | 2011-08-16 | 2015-10-28 | リコーイメージング株式会社 | 撮像装置および距離情報取得方法 |
CN102508726B (zh) * | 2011-11-14 | 2014-07-30 | 福建星网锐捷网络有限公司 | 内存参数配置方法、处理器及设备 |
US9361672B2 (en) | 2012-03-26 | 2016-06-07 | Google Technology Holdings LLC | Image blur detection |
JP6748020B2 (ja) * | 2017-04-10 | 2020-08-26 | ニッタ株式会社 | 判定システム及び判定プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1402191A (zh) * | 2002-09-19 | 2003-03-12 | 上海交通大学 | 基于块分割的多聚焦图像融合方法 |
EP1383344A2 (en) * | 2002-07-18 | 2004-01-21 | Tektronix, Inc. | Measurement of blurring in video sequences |
CN1656824A (zh) * | 2002-05-24 | 2005-08-17 | 皇家飞利浦电子股份有限公司 | 根据局部边缘统计分布估计清晰度度量的方法和系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7257273B2 (en) * | 2001-04-09 | 2007-08-14 | Mingjing Li | Hierarchical scheme for blur detection in digital image using wavelet transform |
DE10393783T5 (de) * | 2002-11-28 | 2005-10-27 | Advantest Corp. | Positionserfassungsvorrichtung, Positionserfassungsverfahren und Tragvorrichtung für elektronische Komponenten |
JP4493416B2 (ja) * | 2003-11-26 | 2010-06-30 | 富士フイルム株式会社 | 画像処理方法および装置並びにプログラム |
WO2006025021A1 (en) * | 2004-09-03 | 2006-03-09 | Koninklijke Philips Electronics N.V. | Cheap motion blur reduction (eco-overdrive) for lcd video/graphics processors |
JP2007325511A (ja) | 2006-06-06 | 2007-12-20 | Kyoto Univ | 直鎖状化合物伸長方法、直鎖状化合物伸長装置及び伸長された直鎖状化合物を含む高分子フィルム |
US20090079862A1 (en) * | 2007-09-25 | 2009-03-26 | Micron Technology, Inc. | Method and apparatus providing imaging auto-focus utilizing absolute blur value |
-
2008
- 2008-12-12 JP JP2008316388A patent/JP5093083B2/ja not_active Expired - Fee Related
- 2008-12-16 EP EP08254011A patent/EP2073169A2/en not_active Withdrawn
- 2008-12-16 US US12/336,477 patent/US8300969B2/en not_active Expired - Fee Related
- 2008-12-18 CN CN200810183592XA patent/CN101465000B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1656824A (zh) * | 2002-05-24 | 2005-08-17 | 皇家飞利浦电子股份有限公司 | 根据局部边缘统计分布估计清晰度度量的方法和系统 |
EP1383344A2 (en) * | 2002-07-18 | 2004-01-21 | Tektronix, Inc. | Measurement of blurring in video sequences |
CN1402191A (zh) * | 2002-09-19 | 2003-03-12 | 上海交通大学 | 基于块分割的多聚焦图像融合方法 |
Non-Patent Citations (3)
Title |
---|
Hanghang Tong, et al..Blur detection for digital images using wavelet transform.《Multimedia and Expo, 2004. ICME "04. 2004 IEEE International Conference on》.2004,第1卷17-20. * |
林琳,等..基于边缘强度的图象分割.《云南大学学报(自然科学版)》.1996,第18卷(第1期),53-56. * |
林琳,等。.基于边缘强度的图象分割.《云南大学学报(自然科学版)》.1996,第18卷(第1期),53-56. |
Also Published As
Publication number | Publication date |
---|---|
US8300969B2 (en) | 2012-10-30 |
CN101465000A (zh) | 2009-06-24 |
JP2009169943A (ja) | 2009-07-30 |
EP2073169A2 (en) | 2009-06-24 |
JP5093083B2 (ja) | 2012-12-05 |
US20090214121A1 (en) | 2009-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101465000B (zh) | 图像处理设备和方法 | |
KR101075716B1 (ko) | 이미지 복원 장치 및 방법 | |
CN111031346B (zh) | 一种增强视频画质的方法和装置 | |
US9471964B2 (en) | Non-local mean-based video denoising method and apparatus | |
US8818077B2 (en) | Stereo image matching apparatus and method | |
CN104217416B (zh) | 灰度图像处理方法及其装置 | |
CN114418957A (zh) | 基于机器人视觉的全局和局部二值模式图像裂缝分割方法 | |
EP1748386A1 (en) | Image processing apparatus, image processing method, program of image processing method, and recording medium in which program of image processing method has been recorded | |
US20060045372A1 (en) | Image-capturing device and method for removing strangers from an image | |
US20080232707A1 (en) | Motion blurred image restoring method | |
US8983199B2 (en) | Apparatus and method for generating image feature data | |
CN108961260B (zh) | 图像二值化方法及装置、计算机存储介质 | |
EP3200442B1 (en) | Method and apparatus for image processing | |
JP5812705B2 (ja) | ひび割れ検出方法 | |
Silvestre-Blanes | Structural similarity image quality reliability: Determining parameters and window size | |
CN114998310B (zh) | 基于图像处理的显著性检测方法及系统 | |
CN103198455A (zh) | 一种利用全变差最小化和灰度共生矩阵的图像去噪方法 | |
CN108537868A (zh) | 信息处理设备和信息处理方法 | |
US7697775B2 (en) | Image signal processing apparatus and method, and program and recording medium used therewith | |
CN111932496A (zh) | 车牌图像质量的确定方法、装置、存储介质及电子装置 | |
JP2008512914A (ja) | ニューラルネットワークを用いたブロック性欠陥の位置検出 | |
US6968074B1 (en) | Image processing device, image processing method, and storage medium | |
US6668070B2 (en) | Image processing device, image processing method, and storage medium | |
US9412157B2 (en) | Apparatus and method for high speed filtering of image for high precision | |
JP2008293446A (ja) | 移動体識別装置、移動体識別プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111005 Termination date: 20131218 |