CN101689295A - 用于减少图像中的伪像的设备和方法 - Google Patents

用于减少图像中的伪像的设备和方法 Download PDF

Info

Publication number
CN101689295A
CN101689295A CN200780053548A CN200780053548A CN101689295A CN 101689295 A CN101689295 A CN 101689295A CN 200780053548 A CN200780053548 A CN 200780053548A CN 200780053548 A CN200780053548 A CN 200780053548A CN 101689295 A CN101689295 A CN 101689295A
Authority
CN
China
Prior art keywords
zone
image
striping
equipment according
piece
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.)
Pending
Application number
CN200780053548A
Other languages
English (en)
Inventor
郭居
张东庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thomson Licensing SAS
Original Assignee
Thomson Licensing SAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Thomson Licensing SAS filed Critical Thomson Licensing SAS
Publication of CN101689295A publication Critical patent/CN101689295A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/646—Circuits for processing colour signals for image enhancement, e.g. vertical detail restoration, cross-colour elimination, contour correction, chrominance trapping filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本公开的设备和方法提供了用于对具有颜色强度的平滑线性转变并且在图像处理中易于具有条带化伪像的图像区域进行检测的自动条带化区域检测功能。所述设备和方法使用基于参数模型的方法来检测条带化区域。所述设备和方法提供了：将至少一幅第一图像分割为至少一个均质颜色区域(304)；估计所述至少一个均质颜色区域的颜色强度的线性转变(308)；以及在颜色强度的线性转变实质上平滑的情况下，将所述至少一个均质颜色区域归类为条带化区域(310)。

Description

用于减少图像中的伪像的设备和方法
技术领域
本公开一般地涉及数字图像处理和显示系统，并且更具体地，涉及用于减少图像中的伪像的设备和方法，其中，在没有用户干预的情况下自动检测图像中包括伪像的区域，例如条带化(banding)区域。
背景技术
在数字图像、或者如电影中的图像序列之类的图像的处理期间，注意到图像伪像。一种常见的伪像现象是条带化，其中在图像的原始平滑线性转变区域上显示具有变化强度和颜色等级的条带。类似于颜色校正、缩放、颜色空间转换以及压缩之类的处理可以引入条带化效应。条带化在动画材料中最为普遍，在动画材料中，图像是具有高频分量和最小噪声的人造图像。使用有限带宽进行的任何处理将不可避免地引起混叠、“振荡(ringing)”或者条带化。
当前最新技术是添加噪声(如抖动以及误差扩散)，以减少图像中的伪像。噪声将该现象掩蔽至一定程度，但是在图像其它部分上引入不期望的噪声，并且引入对其他处理(如压缩)的额外负担。
在相关领域中，由于产生数字采样的图像的高质量表示所需的数据文件的大小较大，常用手段是对数据文件应用各种形式的压缩，以尝试在不对所感知的图像质量产生不利影响的情况下减小数据文件的大小。各种众所周知的技术和标准已经演进以应对这种需要。这些技术的代表是用于图像编码的联合图像专家组(JPEG)标准。类似于JPEG，但是加入帧间编码以利用运动序列中连续帧的相似性的技术是运动图像专家组(MPEG)标准。已经基于小波变换开发出其它标准和专有系统。
在商业电影DVD/HD-DVD发布的过程中，从传统胶片或者从计算机动画电影中扫描的数字图像典型地具有10比特数据，并且在特定应用中具有多至16比特数据。需要将该数据转换为8比特YUV格式用于压缩。由于比特深度精度的减少，通常在具有平滑颜色改变的图像区域中或者图像中出现条带化伪像。如上所述，抖动和误差扩散算法通常用于减少条带化伪像。在大多数抖动算法中，向图像添加具有高空间频率的数字信号以掩蔽条带化效应。然而，DVD/HD-DVD内的压缩是去除具有高空间频率的信号的有损压缩。因此，即使在压缩前通过抖动处理来掩蔽条带化，在压缩后，条带化伪像也经常出现。
用于抖动或者颜色深度减少的传统方法是针对显示应用和打印服务。由于抖动是处理链中最后的步骤，很好地保持了所添加的高空间频率，并且当减少颜色深度时，所添加的高空间频率起到掩蔽条带化效应的作用。误差扩散是另一种常用方法，其中，在相邻像素周围分发量化误差以生成掩蔽效应并且保持整体图像强度。然而，这些方法未考虑到有损压缩(如MPEG1、2、4或者H.264)的效应，这些有损压缩倾向于减少或者截断高频率信号。因此，由于压缩编码器将使用多个比特来表示所添加的抖动噪声或者量化误差并且使用较少的比特来表示图像，因此大多数抖动和误差扩散方法将减少压缩过程中的比特率效率。同时，由于已经减少或者截断了掩蔽信号，在压缩之后，条带化伪像较容易出现。
此外，通过要求用户干预来确定在图像中何处出现伪像，使伪像减少过程更加复杂。这使得伪像减少过程对于用户或者操作者来说成为耗时的过程。
因此，需要用于减少图像中的伪像的技术，其中，在图像处理(例如有损压缩处理)之后伪像将保持减少或者抑制。此外，需要用于自动检测图像中包括伪像的区域以减少操作者干预的技术。
发明内容
本公开的设备和方法提供了一种用于对具有颜色强度的平滑线性转变并易于在图像处理中出现条带化伪像的图像区域进行检测的自动条带化区域检测算法或函数。该设备和方法使用基于参数模型的方法来检测条带化区域。将条带化区域定义为具有平滑的强度或颜色转变的区域。该类型的区域倾向于在图像处理(如量化、颜色校正等)之后具有条带或伪轮廓。使用线性表面模型来对该区域中的像素的强度进行建模。如果可以使用线性表面模型来近似表示该区域，则可以将该区域归类为条带化区域。
该设备和方法首先将图像分为均质颜色区域。由于在相同图像中可能存在不同类型的区域，如边缘区域、纹理区域以及平滑区域，该设备和方法基于其颜色或亮度强度将图像分割为多个区域。如果所分割的区域满足特定准则(如大小、统计颜色分布等)，则将该分割的区域选择为条带化区域的候选。将该区域中的像素的强度或者颜色与线性表面进行拟合，以验证该区域是否是条带化区域。使用参数模型来估计每一个区域的颜色线性转变。如果在区域中存在颜色强度的平滑线性转变，则将该区域归类为条带化区域。
根据本公开的一个方面，提供了一种用于检测图像中的条带化区域的方法。所述方法包括：将至少一幅第一图像分割为至少一个均质颜色区域；估计所述至少一个均质颜色区域的颜色强度的线性转变；以及在颜色强度的线性转变实质上平滑的情况下，将所述至少一个均质颜色区域归类为条带化区域。
在另一个方面中，一种用于检测图像中的条带化区域的设备包括：图像分割模块，被配置用于将至少一幅第一图像分割为至少一个均质颜色区域；线性转变估计器，被配置用于估计所述至少一个均质颜色区域的颜色强度的线性转变；以及区域检测模块，被配置用于在颜色强度的线性转变实质上平滑的情况下，将所述至少一个均质颜色区域归类为条带化区域。
根据本公开的另一个方面，一种用于检测图像中的条带化区域的设备包括：用于将至少一幅第一图像分割为至少一个均质颜色区域的装置；用于估计所述至少一个均质颜色区域的颜色强度的线性转变的装置；以及用于在颜色强度的线性转变实质上平滑的情况下将所述至少一个均质颜色区域归类为条带化区域的装置。
在另一个方面中，提供了一种机器可读的程序存储设备，有形实现了机器可执行指令的程序，以执行用于检测图像中的条带化区域的方法步骤，所述方法包括：将至少一幅第一图像分割为至少一个均质颜色区域；估计所述至少一个均质颜色区域的颜色强度的线性转变；以及在颜色强度的线性转变实质上平滑的情况下，将所述至少一个均质颜色区域归类为条带化区域。
附图说明
通过下面结合附图来阅读的优选实施例的详细描述，将描述本公开的这些和其它方面、特征以及优点，并且使其变得显而易见。
在附图中，贯穿视图，相似的参考标号表示相似的元件：
图1是根据本公开的方面的用于减少图像中的伪像的设备的示例示意；
图2是根据本公开的方面的用于在图像中进行基于区域的跟踪的示例方法的流程图；
图3是根据本公开的方面的用于检测图像中的条带化区域的示例方法的流程图；
图4是根据本公开的方面的用于对图像的区域中的像素的强度进行建模的示例方法的流程图；以及
图5是根据本公开的方面的用于减少图像中的伪像的示例方法的流程图。
具体实施方式
应理解，可以按照硬件、软件或其结合的各种形式来实现附图所示的元件。优选地，通过一台或多台适当编程的通用设备上的硬件和软件的结合，来实现这些元件，所述通用设备可以包括处理器、存储器和输入/输出接口。
本描述说明了本公开的原理。因此，可以认识到，本领域技术人员能够想到各种实施本公开的原理的设置，虽然这里没有显式地描述或示出这些设置，但是，这些设置包括在本公开的精神和范围中。
这里阐述的所有示例和条件语言是为了教导的目的，以帮助读者理解本公开的原理以及发明人为了改进现有技术而贡献的概念，这些应被解释为并非将本发明局限于这样具体阐述的示例和条件。
此外，这里阐述本公开的原理、方面和实施例以及其具体示例的所有表述应包括其结构和功能的等效物。此外，这样的等效物应包括当前已知的等效物以及未来开发的等效物，例如，开发出的执行相同功能的任何元件，而不论其结构如何。
因此，例如，本领域技术人员应理解，这里呈现的框图表示了实现本公开原理的示意电路图的概念视图。类似地，可以认识到，任何流程图、流程图表、状态转移图、伪代码等表示了各种过程，所述过程可以被实质上表示在计算机可读介质中，并从而由计算机或处理器执行，而不论是否显式地示出了这样的计算机或处理器。
可以通过使用专用硬件以及能够与合适的软件相关联地执行软件的硬件，来提供图中所示的各种元件的功能。在由处理器提供时，可以由单个专用处理器、单个共享处理器或多个单处理器(其中一些可以是共享的)来提供该功能。此外，显式使用的术语“处理器”或“控制器”不应被解释为是排他性地指能够执行软件的硬件，可以隐含地包括但不限于：数字信号处理器(“DSP”)硬件、用于存储软件的只读存储器(“ROM”)、随机存取存储器(“RAM”)、和永久存储器。
也可以包括其他硬件，不论其为传统的和/或常规的。类似地，图中所示的任何开关仅是概念性的。可以通过程序逻辑的操作、通过专用逻辑、通过程序控制和专用逻辑的交互，或甚至手动地实施其功能，如从上下文中可以更具体地理解的，实现者可以选择特定的技术。
在权利要求书中，表述为用于执行指定功能的装置的任何元件应包含执行该功能的任何方式，例如包括a)执行该功能的电路元件的结合或者b)任何形式的软件，从而包括固件、微代码等，与执行该软件的适当电路相结合来执行该功能。由这样的权利要求所限定的本公开在于以下事实：以权利要求所要求保护的方式，将各种所述装置所提供的功能结合并集合在一起。因此，应认为可以提供这些功能的任何装置都与这样所示的装置等效。
可以将条带化现象分为两类。在颜色比特减少或者颜色量化的过程中，由于信号精度降低，条带化可能出现。在大多数情况下，可以通过使用误差扩散算法来有效地去除这类误差。然而，其它处理，如颜色校正、缩放和颜色空间转换由于其有限的处理带宽而对条带化伪像做出贡献。不能通过误差扩散来有效地处理这类条带化。因此，需要掩蔽信号来对这些条带化伪像进行掩蔽。所添加的掩蔽信号的量与条带化伪像的强度直接相关。
此外，具有变化强度和颜色等级的条带化通常显示在图像中原始平滑线性转变区域上。需要对条带化区域进行标识以有效地去除该条带。由于条带化伪像最可能出现在平滑线性转变中，因此，基于帧的方法将不必要的掩蔽信号引入不具有条带化伪像的区域中，从而降低了图像质量。本公开的设备和方法提供有效去除条带化的基于区域或基于ROI(即基于感兴趣的区域)的方法，其中，可以由人类操作者来调整所添加的掩蔽信号的量，以实现最佳可能的图像质量。本发明的设备和方法还提供了对条带化区域的自动检测。
本公开的设备和方法提供了一种用于对具有颜色强度的平滑线性转变并易于在图像处理中出现条带化伪像的图像区域进行检测的自动条带化区域检测算法或函数。该设备和方法使用基于参数模型的方法来检测条带化区域。将条带化区域定义为具有平滑的强度或颜色转变的区域。该类型的区域倾向于在图像处理(如量化、颜色校正等)之后具有条带或伪轮廓。使用线性表面模型来对该区域中的像素的强度进行建模。如果可以使用线性表面模型来近似表示该区域，则可以将该区域归类为条带化区域。
该设备和方法首先将图像分为均质颜色区域。由于在相同图像中可能存在不同类型的区域，如边缘区域、纹理区域以及平滑区域，该设备和方法基于其颜色或亮度强度将图像分割为多个区域。如果所分割的区域满足特定准则(如大小、统计颜色分布等)，则将该分割的区域选择为条带化区域的候选。将该区域中的像素的强度或者颜色与线性表面进行拟合，以验证该区域是否是条带化区域。使用参数模型来估计每一个区域的颜色线性转变。如果在区域中存在颜色强度的平滑线性转变，则将该区域归类为条带化区域。
可以将自动条带化区域检测并入基于区域的条带化去除系统或者设备中。本公开还提供一种基于ROI(基于感兴趣的区域)的误差扩散和条带掩蔽方案，被设计用于去除所检测的条带化区域中的条带化并且将对其他处理(例如，压缩处理)的副作用最小化。为了让该设备在影片/视频处理中的实际应用中有效率，提供了基于区域的跟踪算法，以将ROI(例如所检测的条带化区域)跟踪至多个后续帧中，从而减轻人类操作者的工作量。
现在参见附图，图1示出了根据本公开的实施例的示例设备组件。可以提供扫描设备或装置103用于将胶片104(例如摄像机原始负片)扫描为数字格式(例如Cineon格式或者SMPTE DPX文件)。扫描设备103可以包括例如电视电影或者从影片生成视频输出的任何设备，例如具有视频输出的Arri LocProTM。备选地，可以直接使用来自后期制作处理或者数字电影106的文件(例如已经具有计算机可读形式的文件)。计算机可读文件的潜在源是AVIDTM编辑器、DPX文件、D5带等等。
将扫描的胶片输入至后处理设备102，例如计算机。可以在任何各种已知计算机平台上实现该计算机，该计算机平台具有硬件，如一个或者更多中央处理单元(CPU)、存储器110(如随机存取存储器(RAM)和/或只读存储器(ROM))以及输入/输出(I/O)用户接口112(如键盘、光标控制设备(例如鼠标、摇杆等))以及显示设备。该计算机平台还包括操作系统和微指令代码。本文描述的各种处理和函数可以是微指令代码的一部分或者经由操作系统执行的软件应用程序(或其组合)的一部分。在一个实施例中，在程序存储设备上有形实现该软件应用程序，可以将该软件应用程序上载至任何合适的机器(如后处理设备102)并且由其执行。另外，可以通过各种接口和总线结构(如并行端口、串行端口或者通用串行总线(USB))将各种其他的外围设备连接至计算机平台。其它外围设备可以包括附加存储设备124和打印机128。可以采用打印机128用于打印影片的修改版本126，例如影片立体版本。
备选地，可以直接将已经具有计算机可读形式的文件/胶片106(例如数字电影，例如可以将其存储在外部硬盘驱动器124上)输入至计算机102。注意，本文使用的术语“影片”可以指代胶片或者数字电影。
软件程序包括在存储器110中存储的用于减少图像中的伪像的误差扩散模块114。误差扩散模块114包括用于生成信号以掩蔽图像中的伪像的噪声或信号生成器116。噪声信号可以是白噪声、高斯噪声、用不同截止频率滤波器调制的白噪声等等。提供截断模块118以确定图像的块的量化误差。误差扩散模块114还包括被配置为向相邻块分发量化误差的误差分发模块120。
提供区域检测模块111用于检测至少一幅图像中的条带化区域。区域检测模块111包括图像分割模块113，被配置用于将至少一幅第一图像分割为至少一个均质颜色区域。提供线性转变估计器115，被配置用于估计所分割的均质颜色区域的颜色强度的线性转变。线性转变估计器115采用线性参数模型来对所分割区域的表面进行建模。区域检测模块115还被配置用于在颜色强度的线性转变实质上平滑的情况下，将该均质颜色区域归类为条带化区域，将在下面描述其细节。
还提供跟踪模块132用于在场景的多个帧中跟踪ROI(例如，所检测的条带化区域)。跟踪模块132包括掩模生成器134，用于针对场景的每一图像或帧来生成二进制掩模。从图像中例如由用户输入的在ROI周围绘制的多边形或者由区域检测模块111定义的ROI来生成该二进制掩模。二进制掩模是具有像素值为1或0的图像。ROI内的所有像素具有值1，并且其它像素具有值0。跟踪模块132还包括跟踪模型136，用于估计从一幅图像到另一幅图像(例如从场景中的一帧到另一帧)的ROI的跟踪信息。
提供编码器122用于将输出图像编码为任意已知的压缩标准，如MPEG1、2、4、H.264等等。
图2是根据本公开的方面的用于跟踪图像中感兴趣的区域(ROI)的示例方法的流程图。首先，后处理设备102获取至少一幅2维(2D)图像(步骤202)。如上所述，后处理设备102通过获得具有计算机可读格式的数字母片视频文件来获取至少一幅2D图像。可以通过用数字视频摄像机捕捉视频图像的时间序列来获取数字视频文件。备选地，可以由传统胶片类型的摄像机来捕捉视频序列。在该场景中，经由扫描设备103来扫面影片。
应当理解，不管该影片是扫描的还是已经具有数字格式，该影片的数字文件将包括与帧的位置相关的指示或者信息：例如帧编号、距离影片起始处的时间等。数字视频文件的每一帧将包括一幅图像，例如I1、I2、...In。
在步骤204，定义或者检测至少一幅图像中的感兴趣的区域R。在一个实施例中，操作者使用交互式用户接口(如用户接口112)来定义具有条带化伪像的区域，例如通过在图像上勾勒多边形区域。在另一个实施例中，由将关于图3描述的自动检测算法或函数来检测该区域。
参见图3，获取二维(2D)图像(步骤302)。在步骤304，分割模块113将图像分割为至少一个均质颜色区域。在本公开的颜色分割中，使用均值偏移算法或函数来找到图像中的支配颜色。在颜色直方图空间中迭代地使用均值偏移函数来找到局部最大值。将与局部最大值相对应的颜色分配作为支配颜色并将其从直方图中去除。重复该过程，以找到下一个支配颜色。在不存在支配颜色之后，该迭代过程停止。以基于这些支配颜色来将图像分割为区域。
在图像分割之后，基于大小和区域的统计分布来选择区域列表作为条带化候选(步骤306)。如果区域大小(例如像素的数量)小于预定阈值，则丢弃该区域。在各实施例中，将该阈值设置为从50至大约200个像素。然后计算区域内像素的颜色分布的方差。如果方差高于预定阈值，则丢弃该区域。最终，选择剩下的区域作为条带化区域的候选。
在步骤308中，线性转变估计器115估计所选条带化区域候选的颜色强度的线性转变。通过对所分割的区域中的像素的强度表面进行建模来估计线性转变。该表面建模使用下列线性参数模型：
I(x，y)＝ax+by+c    (1)
其中I(x，y)是在位置(x，y)处的预测颜色强度，a、b、c是恒定系数。上述等式定义3D空间中的2D平面。即，输入图像是二维的并且另一维是颜色强度，从而x、y、I将提供三维轴。
接下来，如图4所示，估计线性模型的表面系数。使用健壮并且迭代的估计来估计表面系数。相对于常规的最小均方估计，健壮估计的优点是其对于外来物(例如，胶片中的灰尘或者区域中较小的不相关对象)的健壮性。首先，在步骤402，将来自所选分割区域的3D点输入至等式(1)定义的模型中。健壮估计从使用传统的均方估计对表面系数进行初始估计开始(步骤404)。然后使用估计的系数来获得2D线性表面(406)，例如，在每一个像素位置(x，y)处，由等式(1)来计算估计的亮度强度。如果点显著地偏离估计的2D表面，例如偏离预定的第一阈值，则将这些点归类为外来物，将其丢弃并且不参与到下一轮系数估计的中(步骤408)。用于外来物的阈值基于所有像素的平均均方差。在步骤410中，如果估计误差小于第二阈值(或者使用其它停止准则)，则使用除了外来物点之外的3D点来重复估计和外来物拒绝过程，直到估计误差小于第二预定阈值。一旦估计误差小于第二预定阈值，则存储表面系数(步骤412)。
返回图3，在获得系数之后，分析所选分割区域的颜色强度的线性转变，以确定线性转变是否平滑，并且如果该转变是平滑的，则将该区域归类为条带化区域(310)。通过确定表面拟合误差来分析线性转变。表面拟合误差定义为图像中真实强度表面与估计的强度表面之间的均方误差(或者其它误差度量)，如下所示：
e = Σ ( i , j ) ∈ R ( I ( x , y ) - I ( x , y ) ) 2 - - - ( 2 )
其中I(x，y)是图像区域R中坐标(x，y)处的实际像素值，I(x，y)是在坐标(x，y)处通过使用等式(1)中估计的系数(a，b，c)来评估表面等式而得到的估计的像素值。如果表面拟合误差低于阈值，并且a，b不都等于零，则确定线性转变为平滑，并且将该区域归类为条带化区域。然后该过程重复直到对步骤306中所有的所选分割区域进行归类(步骤312)。
在步骤314，区域检测模块111确定任何归类的条带化区域是否共享共同边界。例如，如果两个区域共享预定数目的像素，则区域检测模块111确定这两个区域共享共同边界。如果至少两个归类的条带化区域共享共同边界，则区域检测模块111将这至少两个归类的条带化区域合并为单一条带化区域。该过程重复直到条带化区域之间不存在共同边界。
一旦已经定义或者检测到区域，则该方法返回图2的步骤206。
通过ROI，生成二进制掩模并且在用于跟踪ROI(例如所检测的区域)的设备中使用该二进制掩模。二进制掩模是具有像素值为1或0的图像。在用户定义的多边形或所检测的区域内的所有像素具有值1，并且其它像素具有值0。二进制掩模可以用于表示ROI。然后在步骤206中读取场景的下一帧。
条带化伪像出现在平滑的颜色分级区域。然而，一般跟踪算法需要在区域中出现的一些独特的特征以用于健壮和准确的跟踪。因此，提供一种使用不同跟踪区域的跟踪方案。在步骤208，ROI R生长或变换为较大区域，以捕捉区域的更突出的特征以用于跟踪。将具有一些突出特征的该较大区域称作跟踪区域Rt。该区域生长算法使用ROI的边界像素作为种子以及一种“流域(watershed)”实现来生长该区域。
为了估计跟踪信息，使用6参数跟踪模型136(例如仿射运动模型)来跟踪区域(步骤210)。首先将跟踪区域分为16×16块，并且通过使用亮度强度找到下一帧中的最佳块匹配来获得每一个块的运动向量。所有块的运动向量用于估计跟踪模型中的六个参数。使用线性回归过程以找到将预测的像素与实际像素之间的误差最小化的最佳参数。使用该6参数跟踪模型将ROI的二进制掩模投影到下一帧(步骤212)。在步骤214，该设备确定是否处理了该场景的最后一帧。如果不是，则该设备返回步骤206直到处理了该场景所有帧。一旦ROI对于多个帧可用，则可以容易地将该过程自动应用于该场景的其余部分。
该设备提供对跟踪结果的实时反馈。在步骤216，操作者可以评估结果，并且如果结果不令人满意则可以修改ROI(步骤212)。例如，操作者可以在用户接口112的显示器中查看ROI，以确定是否正确跟踪ROI。如果操作者不满意，则可以修改ROI并且重复跟踪过程。在步骤220，将每一图像或帧的ROI的二进制掩模存储在二进制文件中，并且如下所述用作ROI以进行基于ROI的误差扩散和条带化掩蔽。此外，将ROI的二进制掩模存储在二进制文件中并且将其携带至下一级。例如，如果下一级是MPEG4 AVC编码，则可以由编码器来使用ROI的信息，以为ROI分配正确的比特。可以在存储设备124中存储该元数据并且将其与图像相关联，使得可以在其它处理中利用该元数据。
在图5中示出了基于ROI的误差扩散和条带化掩蔽方案的流程图。如上所述，在步骤502获取要处理的至少一幅图像。
在步骤504，选择块大小。可以将图像分为任意数目的块。块是矩形区域中包含的多个像素，例如Bm，n，其中m、n表示块索引。所有块可以具有相同大小，如2×2、3×3等等。块大小还可以根据本地图像属性而变化。可以由操作者经由用户接口112来选择块大小，或者可以由图像大小来确定块大小，使得对于不同的图像大小保持恒定的比率。如下所述，本公开的误差扩散方法作用于块级。一旦选择了块大小，则对于相同图像而言块大小保持相同。
应当理解，块大小可以从单一像素变化到任何任意大小，如2×2、2×3、4×4。不同块大小的使用给予设备对掩蔽信号的空间频率的控制。如果后续处理是有损压缩，则这是很重要的，有损压缩倾向于去除高空间频率。添加良好控制的掩蔽信号将减少压缩伪像并且避免条带化在有损压缩之后重新出现。
一旦选择了块大小，将从第一块开始来处理构成图像的所有块(步骤506)。首先，设备将确定该块是否在所定义或检测的感兴趣的区域(ROI)中(步骤508)。如果该块不在ROI中，则使用简单量化方案来减少颜色比特深度(步骤516)，例如消除块的最低有效比特并且不补偿量化误差。在步骤516之后，设备将转向图像中的下一块(步骤518)。
在步骤510，经由噪声生成器116向图像添加噪声信号(例如掩蔽信号)。基于像素与区域边界的距离(例如接近性)来向像素分配从0至255的等级。确定块中至少一个像素与所定义的区域的边界的距离，并且基于所确定的距离来分配与该至少一个像素相关联的掩蔽信号的值。这些等级用于对掩蔽信号的强度进行按比例缩小，从而在区域的边界区中产生平滑转变。计算ROI中的像素颜色值的均值和方差。如果像素的颜色与均值之差比方差大三倍或者更大，则指示了存在不太可能是条带化伪像的显著特征。为了保留该特征，对该像素分配等级0，其意味着不向该像素添加噪声。这种情况的示例是具有星星的蓝天的场景，其中条带化伪像出现在天空中。设备100可以选择蓝天作为ROI用于去条带化处理。由于天空中的所有星星的颜色值显著不同于ROI中像素的均值，因此将天空中的所有星星正确地保留。
在步骤512，确定块的量化误差。首先，经由截断模块118对图像的每一块执行截断函数。采用截断函数以通过将比特值除以恒定量化因子Q(2的幂)来减少块中每一个像素的比特深度。一般而言，量化因子Q等于2X，其中x是要截断的比特数。例如，对于从10比特数据截断到8比特数据，恒定量化因子Q将是4，即Q＝22。如下定义截断函数：
I i , j ′ = I i , j + N i , j Q , I i , j ∈ B m , n - - - ( 3 )
其中Ii，j是块内的像素值，Ni，j是噪声生成器116在截断之前添加的信号，Q是量化因子。I′i，j是截断后的像素值。在截断过程中，对于像素值存在要注意的舍入问题。例如，如果I′i，j等于1.75，即7(I′i，j+Ni，j)除以4(Q)，则I′i，j将需要由整数来表示。基于本领域已知的不同舍入方案，I′i，j可以是2或者1。
在等式3中，Ni，j是噪声，例如白噪声，并且其减少了结构伪像。一般而言，Ni，j具有随机信号分布。经由用户接口112，操作者可以手动控制Ni，j的取值范围。缺省地，Ni，j的取值范围是从0至Q-1。通过对图像的所选块中的每一个像素使用相同的噪声，在块中噪声模式的空间频率将较低，这减少了整幅图像中的噪声的整体空间频率。由于减少了噪声的空间频率，该噪声(即掩蔽信号)将在压缩过程后存活并且在解压缩期间抑制伪像。
接下来，如下面的等式(4)所示来确定块中每一个像素的量化误差，并且所有量化误差之和产生块量化误差Em，n，基于误差扩散系数将块量化误差Em，n分发至相邻块中。
E m , n = Σ i . j ( I i , j - Q I i , j ′ ) - - - ( 4 )
对于总块量化误差Em，n，将把量化误差e的一部分分发至由下述等式确定的相邻块中：
e＝c(m，n)*E    (5)
其中c(m，n)是误差扩散系数。
在步骤514，经由误差分发模块120将块量化误差分发至相邻块。如下定义每一个块内的误差分发函数：
Ii，j＝Ii，j+wi，je，Ii，j∈Bm，n    (6)
w i , j = 1 NM , I i , j ∈ B m , n - - - ( 7 )
其中e是分发至块Bm，n的总误差，N、M是块的尺寸，wi，j是块Bm，n的加权系数。在一个实施例中，使用如等式(6)所示的均匀分布来计算加权系数。可以设计更复杂的函数来计算wi，j，例如，可以将wi，j设置为与I(i，j)成正比。
块B的大小确定了误差扩散过程中可以控制的空间频率的量，并且被选择为实现掩蔽伪像的最佳效果。然而，较大的块大小往往生成结构化伪像，这在误差扩散过程中是不利的。这种结构化伪像包括块边界伪像，其中对两个不同块的2个相邻像素进行不同的变换。等式1中的Ni，j还用于使用随机噪声包括来消除潜在的结构化伪像。已经发现，示例块大小2×2足以处理720×480像素的图像(例如DVD分辨率)，同时不产生可见的块伪像。应当理解，可以采用其它块大小和图像大小而不产生可见伪像。
在步骤516或者步骤510至514已经执行了量化之后，该设备将进行至图像中的下一块，直到处理图像中的所有块(步骤518)。在误差分发函数修改了图像之后，可以在后处理设备的存储器(例如存储设备124)中保存该图像。一旦已经修改了特定影片的所有图像，可以根据任何传统压缩标准(如MPEG1、2、4、h.264等)，经由编码器122来对图像进行编码。然后可以在存储设备(例如存储设备124)中存储压缩影片130，或者将其传送至可移除式存储设备(例如DVD)中。
尽管本文中已经详细地示出和描述了使用本公开教义的实施例，本领域技术人员可以容易地设计出仍使用该教义的很多其它改变的实施例。已经描述了用于减少图像中的伪像的设备和方法的优选实施例(应作为示意性而非限制性)，但是应当注意，根据上述教义，本领域技术人员可以做出修改和变型。因此，应当理解，在所附权利要求所概括的本公开的范围和精神内，可以对本公开所公开的特定实施例中进行改变。因此，已经以专利法要求的细节和特性描述了本公开，在所附权利要求中阐述了要求并且期望受到专利证书保护的内容。

Claims (31)

1、一种用于检测图像中的条带化区域的方法，所述方法包括：
将至少一幅第一图像分割为至少一个均质颜色区域(304)；
估计所述至少一个均质颜色区域的颜色强度的线性转变(308)；以及
在颜色强度的线性转变实质上平滑的情况下，将所述至少一个均质颜色区域归类为条带化区域(310)。
2、根据权利要求1所述的方法，其中，所述估计步骤包括：使用线性表面模型来对所分割的区域中像素的强度表面进行建模(404)。
3、根据权利要求2所述的方法，其中，所述归类步骤包括：将所估计的强度表面拟合至所述至少一幅第一图像中的实际强度表面。
4、根据权利要求3所述的方法，还包括：
确定所估计的强度表面与所述至少一幅第一图像中的实际强度表面之间的表面拟合误差；以及
其中，在所述表面拟合误差小于预定阈值的情况下，确定颜色强度的线性转变实质上平滑。
5、根据权利要求1所述的方法，其中，所述分割步骤包括对所述至少一幅第一图像执行均值偏移函数。
6、根据权利要求1所述的方法，还包括：
确定至少一个所分割的区域的像素数目；以及
在所述像素数目小于预定阈值的情况下，丢弃所述至少一个所分割的区域。
7、根据权利要求1所述的方法，还包括：
计算至少一个所分割的区域的像素的颜色分布的方差；以及
在所计算的方差大于预定阈值的情况下，丢弃所述至少一个所分割的区域。
8、根据权利要求1所述的方法，还包括：
确定至少一个归类的条带化区域中的每个区域是否共享共同边界；以及
在至少两个归类的条带化区域共享共同边界的情况下，将所述至少两个归类的条带化区域合并为单一条带化区域(314)。
9、根据权利要求1所述的方法，还包括：
将所检测的条带化区域跟踪至至少一幅第二图像(210、212)；以及
对所检测的条带化区域应用误差扩散函数，以掩蔽所述至少一幅第一和第二图像中的条带化伪像(510、512、514)。
10、根据权利要求9所述的方法，其中，所述应用步骤还包括：
选择所述至少一幅图像的像素的块大小(504)；
确定至少一个块是否在所检测的条带化区域中(508)；
向所述至少一个块添加掩蔽信号(510)；
确定所述至少一幅图像中的所述至少一个块的量化误差(512)；以及
将所述量化误差分发至相邻块(514)。
11、根据权利要求9所述的方法，其中，所述跟踪步骤还包括：
针对所述至少一幅第一图像的所检测的条带化区域来生成二进制掩模；以及
将所述二进制掩模投影至所述至少一幅第二图像，以跟踪所检测的条带化区域(212)。
12、一种用于检测图像中的条带化区域的设备(100)，所述设备包括：
图像分割模块(113)，被配置用于将至少一幅第一图像分割为至少一个均质颜色区域；
线性转变估计器(115)，被配置用于估计所述至少一个均质颜色区域的颜色强度的线性转变；以及
区域检测模块(111)，被配置用于在颜色强度的线性转变实质上平滑的情况下将所述至少一个均质颜色区域归类为条带化区域。
13、根据权利要求12所述的设备(100)，其中，所述线性转变估计器(115)还被配置用于：使用线性表面模型来对所分割的区域中像素的强度表面进行建模。
14、根据权利要求13所述的设备(100)，其中，所述区域检测模块(111)还被配置用于：将所估计的强度表面拟合至所述至少一幅第一图像中的实际强度表面。
15、根据权利要求14所述的设备(100)，其中，所述区域检测模块(111)还被配置用于：确定所估计的强度表面与所述至少一幅第一图像中的实际强度表面之间的表面拟合误差；以及其中，在所述表面拟合误差小于预定阈值的情况下，确定颜色强度的线性转变实质上平滑。
16、根据权利要求12所述的设备(100)，其中，所述图像分割模块(113)还被配置用于：对所述至少一幅第一图像执行均值偏移函数。
17、根据权利要求12所述的设备(100)，其中，所述区域检测模块(111)还被配置用于：确定至少一个所分割的区域的像素数目；以及在所述像素数目小于预定阈值的情况下，丢弃所述至少一个所分割的区域。
18、根据权利要求12所述的设备(100)，其中，所述区域检测模块(111)还被配置用于：计算至少一个所分割的区域的像素的颜色分布的方差；以及在所计算的方差大于预定阈值的情况下，丢弃所述至少一个所分割的区域。
19、根据权利要求12所述的设备(100)，其中，所述区域检测模块(111)还被配置用于：确定至少一个归类的条带化区域中的每个区域是否共享共同边界；以及在至少两个归类的条带化区域共享共同边界的情况下，将所述至少两个归类的条带化区域合并为单一条带化区域。
20、根据权利要求12所述的设备(100)，还包括：
跟踪模块(132)，被配置用于将所述至少一幅第一图像中所检测的条带化区域跟踪至至少一幅第二图像；以及
误差扩散模块(114)，被配置用于对所检测的条带化区域应用误差扩散函数，以掩蔽所述至少一幅第一和第二图像中的条带化伪像。
21、根据权利要求20所述的设备(100)，其中，所述误差扩散模块(114)还包括信号生成器(116)，被配置用于生成要应用至至少一幅图像的掩蔽信号；其中，所述误差扩散模块(114)还被配置用于：选择所述至少一幅图像的像素的块大小；确定至少一个块是否在所检测的条带化区域中；确定所述至少一幅图像中的所述至少一个块的量化误差；以及将所述量化误差分发至相邻块。
22、一种用于检测图像中的条带化区域的设备(100)，包括：
用于将至少一幅第一图像分割为至少一个均质颜色区域(113)的装置；
用于估计所述至少一个均质颜色区域的颜色强度的线性转变(115)的装置；以及
用于在颜色强度的线性转变实质上平滑的情况下将所述至少一个均质颜色区域归类为条带化区域(111)的装置。
23、根据权利要求22所述的设备(100)，其中，用于估计(115)的装置还包括：使用线性表面模型来对所分割的区域中像素的强度表面进行建模的装置。
24、根据权利要求23所述的设备(100)，其中，用于归类(111)的装置还包括：用于将所估计的强度表面拟合至所述至少一幅第一图像中的实际强度表面的装置。
25、根据权利要求24所述的设备(100)，其中，用于归类(111)的装置还包括：用于确定所估计的强度表面与所述至少一幅第一图像中的实际强度表面之间的表面拟合误差的装置；以及其中，在所述表面拟合误差小于预定阈值的情况下，用于确定颜色强度的线性转变实质上平滑的装置。
26、根据权利要求22所述的设备(100)，其中，用于分割的(113)装置还包括：用于对所述至少一幅第一图像执行均值偏移函数的装置。
27、根据权利要求22所述的设备(100)，其中，用于归类(111)的装置还包括：用于确定至少一个所分割的区域的像素数目的装置；以及在所述像素数目小于预定阈值的情况下，用于丢弃所述至少一个所分割的区域的装置。
28、根据权利要求22所述的设备(100)，其中，用于归类(111)的装置还包括：用于计算至少一个所分割的区域的像素的颜色分布的方差的装置；以及在所计算的方差大于预定阈值的情况下，用于丢弃所述至少一个所分割的区域的装置。
29、根据权利要求22所述的设备(100)，其中，用于归类(111)的装置还包括：用于确定至少一个归类的条带化区域中的每个区域是否共享共同边界的装置；以及在至少两个归类的条带化区域共享共同边界的情况下，用于将所述至少两个归类的条带化区域合并为单一条带化区域的装置。
30、根据权利要求22所述的设备(100)，还包括：
用于将所述至少一幅第一图像中的所检测的条带化区域跟踪至至少一幅第二图像(132)的装置；以及
用于对所检测的条带化区域应用误差扩散函数以掩蔽所述至少一幅第一和第二图像中的条带化伪像(114)的装置。
31、根据权利要求30所述的设备(100)，其中，用于归类的(114)的装置还包括：用于生成要应用至至少一幅图像的掩蔽信号(116)的装置；用于选择所述至少一幅图像的像素的块大小的装置；用于确定至少一个块是否在所检测的条带化区域中的装置；用于确定所述至少一幅图像中的所述至少一个块的量化误差的装置；以及用于将所述量化误差分发至相邻块的装置。
CN200780053548A 2007-06-29 2007-06-29 用于减少图像中的伪像的设备和方法 Pending CN101689295A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2007/015205 WO2009005497A1 (en) 2007-06-29 2007-06-29 Apparatus and method for reducing artifacts in images

Publications (1)

Publication Number Publication Date
CN101689295A true CN101689295A (zh) 2010-03-31

Family

ID=39275987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200780053548A Pending CN101689295A (zh) 2007-06-29 2007-06-29 用于减少图像中的伪像的设备和方法

Country Status (7)

Country Link
US (1) US8472709B2 (zh)
EP (1) EP2171683A1 (zh)
JP (1) JP2010532628A (zh)
KR (1) KR101350853B1 (zh)
CN (1) CN101689295A (zh)
BR (1) BRPI0721839A2 (zh)
WO (1) WO2009005497A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103959332A (zh) * 2011-11-17 2014-07-30 皇家飞利浦有限公司 图像处理
CN107409213A (zh) * 2015-03-02 2017-11-28 杜比实验室特许公司 用于高动态范围图像的内容自适应感知量化器
CN110262819A (zh) * 2019-06-04 2019-09-20 深圳前海微众银行股份有限公司 一种联邦学习的模型参数更新方法及装置
CN110268442A (zh) * 2019-05-09 2019-09-20 京东方科技集团股份有限公司 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9578345B2 (en) 2005-03-31 2017-02-21 Euclid Discoveries, Llc Model-based video encoding and decoding
US9743078B2 (en) * 2004-07-30 2017-08-22 Euclid Discoveries, Llc Standards-compliant model-based video encoding and decoding
US9532069B2 (en) 2004-07-30 2016-12-27 Euclid Discoveries, Llc Video compression repository and model reuse
EP1777938A1 (en) * 2005-10-19 2007-04-25 Thomson Licensing Method, system and device for colour quality control
US8270498B2 (en) 2009-03-26 2012-09-18 Apple Inc. Dynamic dithering for video compression
JP5801288B2 (ja) * 2009-05-20 2015-10-28 マッパー・リソグラフィー・アイピー・ビー．ブイ． リソグラフ処理のための２レベルパターンを発生する方法およびその方法を使用するパターン発生器
US10477249B2 (en) 2009-06-05 2019-11-12 Apple Inc. Video processing for masking coding artifacts using dynamic noise maps
US9390660B2 (en) * 2009-07-24 2016-07-12 Dolby Laboratories Licensing Corporation Image control for displays
CN102483849A (zh) * 2009-08-12 2012-05-30 汤姆森许可贸易公司 基于感兴趣区域来减少图像序列中的伪像的系统和方法
US20110135011A1 (en) 2009-12-04 2011-06-09 Apple Inc. Adaptive dithering during image processing
JP2011198246A (ja) * 2010-03-23 2011-10-06 Canon Inc 画像処理方法、画像処理装置、プログラム及びプログラム記憶媒体
US8736894B2 (en) * 2011-12-20 2014-05-27 Eastman Kodak Company Producing correction data for printer
US9432694B2 (en) * 2012-03-06 2016-08-30 Apple Inc. Signal shaping techniques for video data that is susceptible to banding artifacts
US9565404B2 (en) * 2012-07-30 2017-02-07 Apple Inc. Encoding techniques for banding reduction
TW201428680A (zh) * 2013-01-02 2014-07-16 Ind Tech Res Inst 影像處理裝置及立體影像前景分離方法
US9888240B2 (en) * 2013-04-29 2018-02-06 Apple Inc. Video processors for preserving detail in low-light scenes
US10721530B2 (en) 2013-07-29 2020-07-21 Koninklijke Kpn N.V. Providing tile video streams to a client
US10091507B2 (en) 2014-03-10 2018-10-02 Euclid Discoveries, Llc Perceptual optimization for model-based video encoding
US10097851B2 (en) 2014-03-10 2018-10-09 Euclid Discoveries, Llc Perceptual optimization for model-based video encoding
US9621917B2 (en) 2014-03-10 2017-04-11 Euclid Discoveries, Llc Continuous block tracking for temporal prediction in video encoding
WO2015197818A1 (en) 2014-06-27 2015-12-30 Koninklijke Kpn N.V. Hevc-tiled video streaming
WO2015197815A1 (en) * 2014-06-27 2015-12-30 Koninklijke Kpn N.V. Determining a region of interest on the basis of a hevc-tiled video stream
US9911179B2 (en) 2014-07-18 2018-03-06 Dolby Laboratories Licensing Corporation Image decontouring in high dynamic range video processing
EP3338454A1 (en) 2015-08-20 2018-06-27 Koninklijke KPN N.V. Forming one or more tile streams on the basis of one or more video streams
WO2017060423A1 (en) 2015-10-08 2017-04-13 Koninklijke Kpn N.V. Enhancing a region of interest in video frames of a video stream
WO2018092715A1 (ja) * 2016-11-17 2018-05-24 株式会社ソニー・インタラクティブエンタテインメント 画像処理装置、画像処理方法およびプログラム
US10609372B2 (en) * 2017-09-29 2020-03-31 Dolby Laboratories Licensing Corporation Up-conversion to content adaptive perceptual quantization video signals
US11663702B2 (en) 2018-12-19 2023-05-30 Dolby Laboratories Licensing Corporation Image debanding using adaptive sparse filtering
US11523185B2 (en) 2019-06-19 2022-12-06 Koninklijke Kpn N.V. Rendering video stream in sub-area of visible display area

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4959730A (en) 1990-01-02 1990-09-25 Eastman Kodak Company False density contour suppression using randomly modified input signals for comparison to threshold values
JP2812525B2 (ja) 1990-02-20 1998-10-22 日本電信電話株式会社 距離計測方法
JP3317982B2 (ja) 1991-07-15 2002-08-26 オリンパス光学工業株式会社 画像信号復号化装置
JP3242506B2 (ja) 1993-03-24 2001-12-25 富士写真フイルム株式会社 レンズ付きフイルムユニット用露光画面切替え装置
JPH07212760A (ja) * 1994-01-14 1995-08-11 Nippon Telegr & Teleph Corp <Ntt> 動画像の動き補償予測符号化方法
US5822464A (en) 1996-05-30 1998-10-13 Xerox Corporation Method and system for processing image information using video dependent dampened screening and error diffusion
US5949434A (en) * 1997-03-20 1999-09-07 Charlton; Paul Method and apparatus for scaling graphic images
JPH1188909A (ja) 1997-09-11 1999-03-30 Mitsubishi Electric Corp 画像圧縮伝送装置
JP3873477B2 (ja) 1998-02-17 2007-01-24 富士ゼロックス株式会社 画像処理装置および画像処理方法
JPH11327497A (ja) * 1998-05-14 1999-11-26 Hitachi Ltd 映像信号処理装置および表示装置
JP3883341B2 (ja) 1999-10-29 2007-02-21 株式会社リコー 画像処理方法、装置及び記録媒体
EP1100259B1 (en) 1999-11-06 2004-02-11 Samsung Electronics Co., Ltd. False contour correction apparatus and method in an image display system
JP2003015587A (ja) 2001-06-28 2003-01-17 Mitsubishi Electric Corp ディスプレイ装置
JP3931651B2 (ja) 2001-12-21 2007-06-20 コニカミノルタビジネステクノロジーズ株式会社 画像処理装置
ATE352459T1 (de) * 2002-02-02 2007-02-15 Qinetiq Ltd Kopfpositionssensor
JP5202841B2 (ja) * 2003-03-27 2013-06-05 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 医用イメージングシステム及び関心対象をセグメント化する方法
US8064684B2 (en) * 2003-04-16 2011-11-22 Massachusetts Institute Of Technology Methods and apparatus for visualizing volumetric data using deformable physical object
JP2005024717A (ja) 2003-06-30 2005-01-27 Fujitsu Hitachi Plasma Display Ltd ディスプレイ装置およびディスプレイの駆動方法
US7239321B2 (en) * 2003-08-26 2007-07-03 Speech Graphics, Inc. Static and dynamic 3-D human face reconstruction
US7072494B2 (en) * 2004-02-20 2006-07-04 Siemens Corporate Research, Inc. Method and system for multi-modal component-based tracking of an object using robust information fusion
SE0402576D0 (sv) 2004-10-25 2004-10-25 Forskarpatent I Uppsala Ab Multispectral and hyperspectral imaging
US7733532B2 (en) 2004-10-27 2010-06-08 Marvell International Technology Ltd. Laser print apparatus with dual halftones
US8078255B2 (en) * 2006-03-29 2011-12-13 University Of Georgia Research Foundation, Inc. Virtual surgical systems and methods
CN101595734A (zh) 2007-01-16 2009-12-02 汤姆逊许可证公司 用于减轻图像中的伪影的系统和方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103959332A (zh) * 2011-11-17 2014-07-30 皇家飞利浦有限公司 图像处理
CN103959332B (zh) * 2011-11-17 2017-05-17 皇家飞利浦有限公司 图像处理
CN107409213A (zh) * 2015-03-02 2017-11-28 杜比实验室特许公司 用于高动态范围图像的内容自适应感知量化器
CN110268442A (zh) * 2019-05-09 2019-09-20 京东方科技集团股份有限公司 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品
CN110268442B (zh) * 2019-05-09 2023-08-29 京东方科技集团股份有限公司 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品
CN110262819A (zh) * 2019-06-04 2019-09-20 深圳前海微众银行股份有限公司 一种联邦学习的模型参数更新方法及装置

Also Published As

Publication number Publication date
EP2171683A1 (en) 2010-04-07
JP2010532628A (ja) 2010-10-07
WO2009005497A1 (en) 2009-01-08
US20100135575A1 (en) 2010-06-03
KR20100037054A (ko) 2010-04-08
BRPI0721839A2 (pt) 2013-05-21
KR101350853B1 (ko) 2014-01-13
US8472709B2 (en) 2013-06-25

Similar Documents

Publication Publication Date Title
CN101689295A (zh) 用于减少图像中的伪像的设备和方法
CN101601069B (zh) 用于减轻图像中的伪影的系统和方法
CN101978697B (zh) 针对基于块的编码的编码模式选择
US10003792B2 (en) Video encoder for images
Wu et al. Block inter mode decision for fast encoding of H. 264
US9525869B2 (en) Encoding an image
CN107211131B (zh) 对数字图像块进行基于掩码的处理的系统和方法
US20200304797A1 (en) Cluster refinement for texture synthesis in video coding
CN101048799A (zh) 通过实时视频动作分析理解视频内容
JP2009060153A (ja) 面内予測モード決定方法及び装置及びプログラム
US9245354B2 (en) System and method having transparent composite model for transform coefficients
JP5676610B2 (ja) 画像シーケンスの関心領域に基づくアーティファクト低減のためのシステム及び方法
JP4235162B2 (ja) 画像符号化装置，画像符号化方法，画像符号化プログラムおよびコンピュータ読み取り可能な記録媒体
US20240064284A1 (en) Methods, systems and encoded bitstream for combined lossless and lossy coding
CN110519597B (zh) 一种基于hevc的编码方法、装置、计算设备和介质
KR101671759B1 (ko) Hevc에 적용되는 바텀 업 프루닝 기법을 이용한 인트라 예측의 수행 방법 및 이를 위한 장치
Tolstaya et al. Removal of blocking and ringing artifacts in JPEG-coded images
Yatnalli et al. Patch based image completion for compression application
CN118138756A (zh) 一种编码方法、装置、设备及介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20100331