CN101785013A - 提高尤其是细线的可见度的方法和设备 - Google Patents

提高尤其是细线的可见度的方法和设备 Download PDF

Info

Publication number
CN101785013A
CN101785013A CN200880102886A CN200880102886A CN101785013A CN 101785013 A CN101785013 A CN 101785013A CN 200880102886 A CN200880102886 A CN 200880102886A CN 200880102886 A CN200880102886 A CN 200880102886A CN 101785013 A CN101785013 A CN 101785013A
Authority
CN
China
Prior art keywords
signal
zero
fine rule
input signal
analyzed
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
CN200880102886A
Other languages
English (en)
Inventor
福尔克尔·布卢姆
斯特凡·格罗斯
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.)
Entropic Communications LLC
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101785013A publication Critical patent/CN101785013A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本发明涉及一种检测输入信号尤其是图像或视频信号的细线的方法和设备，包括以下步骤：对输入信号进行分析，计算所述输入信号的一阶导数(52)，对所述一阶导数的零交叉进行分析和标记(53)，对所述零交叉的方向进行分析(54)并将所述方向编码成零信号，消除噪声和无效交错序列以识别细线的存在。

Description

提高尤其是细线的可见度的方法和设备
技术领域
本发明涉及提高尤其是细线的可见度的方法和电子设备。
背景技术
随着计算机技术领域、视频技术领域、以及快速成长的数据传输技术领域中新技术的快速发展，越来越多地使用图像数据和视频信号。
因此，这样的图像数据或视频数据的质量非常重要，并且是接受这样的新技术或这样的新产品的关键因素之一。
有时，尤其是图像或视频数据的细线在数据处理之后被不适当地表示，并且这样的数据使得产生了对这样的细线的较宽表示的印象(impression)。
对于视频或图像处理而言，有时必须采用与“正常”视频内容不同的方式来处理细线的出现。不同的视频或图像处理方法以及例如pCTI方法遭受伪像，所述伪像作为“细线”的扩大而可见。在色度域及其子采样表示处理的上下文下，所谓的“细线”可以具有扩展的宽度，该宽度可以在上采样之后扩展为例如达到25个像素。
US 4499598 A公开了一种在噪声图像信号中提取边缘和线的幅度和方向的方法。对图像信号的一阶导数和二阶导数进行分析，以通过识别一阶导数为零而二阶导数非零的点来识别边缘和线。然后对所识别的边缘和线进行细化处理。
US 2006/0045375 A1公开了一种通过检测图像信号的二阶导数的零交叉点来测量边缘过渡区域的宽度的方法。对所识别的边缘区域进行处理以执行锐化增强。
US 2005/0157940 A1公开了一种通过识别图像信号的一阶导数的零交叉位置来检测边缘以执行边缘锐化的方法。
JP 2000-030052公开了一种对图像内的细线的宽度进行测量以执行锐化的方法。通过分析像素的灰度级来执行宽度测量，没有公开对信号的一阶导数的零交叉进行分析。
发明内容
本发明的目的是改进图像或视频数据中细线的可见度。
通过一种检测输入信号尤其是图像或视频信号的细线的方法解决了上述问题，该方法包括以下步骤：对输入信号进行分析，计算输入信号的一阶导数，对所述一阶导数的零交叉进行分析和标记，对所述零交叉的方向进行分析，以及将所述方向编码成零信号，消除噪声和无效交错序列以识别细线的存在。
根据本发明的另一方面，有利的是，计算输入信号的一阶导数作为输入信号的两个相邻(consecutive)像素的陡度。
此外，有利的是，将使用编码成零信号，其中，在从负值向正值跨越的情况下将使用逻辑正值，而在从正值向负值跨越的情况下将使用逻辑负值。
根据本发明的另一实施例，将对编码后的信号进行评估，以包括从负到正并再到负的变化(-1，1，-1)，或包括从正到负再到正的变化(1，-1，1)。
此外，有帮助的是，将使用两个零交叉的陡度来评估噪声和无效交错序列。
根据本发明的另一实施例，将通过使用阈值来执行信号噪声的减小，将阈值以下的信号设置为零，并且将阈值以上的信号设置为预定值。
相应地，有利的是，将使用减小的或修改的增益来处理细线的像素范围内的数据。
将利用一种用于检测输入信号尤其是图像或视频信号的细线的电子设备来解决与设备有关的本发明的目的，该电子设备包括：用于对输入信号进行分析的装置，用于计算所述输入信号的一阶导数的装置，用于对所述一阶导数的零交叉进行分析和标记的装置，用于对所述零交叉的方向进行分析并将所述方向编码成零信号的装置，用于消除噪声和无效交错序列以识别细线的存在的装置。
此外，该电子设备对上述方法的应用而言是有用的。
附图说明
通过以下参考附图对本发明示例实施例的描述，本发明的以上和其他特征以及优点将变得显而易见，附图中：
图1a示出了具有扩展宽度的“细线”的表示；
图1b示出了没有扩展宽度的“细线”的表示；
图2示出了显示细线的图示；
图3示出了检测细线的图示；
图4示出了本发明的方法的框图；以及
图5是示出了本发明的设备的示例的框图。
具体实施方式
图1a和1b分别示出了图示1和10，其中在图示1和10中都示出了所谓的细线2、11的细节。图1b的细线由细线的水平段13和细线的垂直段12组成。细线的这两段13、12的宽度几乎相同。与图1b的细线相反，图1a的细线由细线的水平段4和细线的垂直段3组成。不幸地，细线的两个段4、3不具有相同的宽度。细线的垂直段3的宽度比细线的水平段4的宽度更宽。
为了消除或改进细线的可见度，有必要认识到细线的存在，为了满足这些特殊条件，发明了所谓的线宽检测器，以便本地地减小处理方法的处理增益(例如所谓的峰化色度瞬态改进方法(pCTI)方法)，以及保持“细线”的宽度恒定。
图2示出了显示细线21的图示20，所述细线21具有作为像素数目的函数的幅度。输入信号示出了该细线，处理后的信号22具有两个边带，幅度的最大值在输入信号的最大值旁边。输入信号的信号加上处理后的信号的和产生了如图2所示具有非常宽的坪的、几乎平坦的信号23。因此，如上所述，对输入原始信号的处理导致细线的加宽。
因此，本发明的结果是，检测细线的出现，以便能够改变处理的增益，从而限制表示细线的信号的加宽。在图3的图示30中描述了检测和细线宽度确定的过程。从实序列得到输入信号31，在所述实序列中，在画面内可见细线32围绕像素63到79。第一处理步骤是：通过去除信号的DC部分来计算一阶导数33，所述一阶导数33导致了围绕零的振荡信号。现在将对一阶导数33进行分析，其中将所有零交叉标记为34、35、36、37和38。
同时，将通过针对从负到正跨越零线使用逻辑正1来将零交叉的方向编码成零信号。
另一方面，利用逻辑负1来标记意味着从正到负的负零交叉。
细线的特性需要使零交叉交替，这意味着将针对连续的(-1，1，-1)或(1，-1，1)序列来分析零信号。所有其他序列不表示线。
为了将噪声与逻辑1的无效交替连续序列分离，考虑来自输入信号的两个像素之间的差值。
该差值表示两个零交叉之间的陡度，并且将从而是针对线的可见度的量值，参见线39。得到的信号可以在图3的第四幅图示中看到。为了去除噪声的影响，受噪声估计器控制的简单阈值将会切除细线的不可见的并且噪声污染的失漏检测，参见图3的线40。
细线检测方法定位并测量细线的宽度。自适应地，可以围绕检测到的细线的范围来减小例如pCTI方法的处理效果，以便保护图像不受这些种视频结构的扩大的干扰。
该方法可以用于亮度、色度、RGB视频信号或其他信号。
图4示出了对细线的出现加以分析的框图50。在方框51中，将对输入信号进行分析。在方框52中，将计算并分析输入信号的一阶导数。在方框53中，将计算并标记一阶导数的零交叉。在方框54中，将把零交叉的方向编码成零信号，其中，在从负值向正值跨越的情况下将使用逻辑正值，而在从负值向正值跨越的情况下将使用逻辑负值。在步骤55，将对信号进行评估，以包括从负到正再到负的变化(-1，1，-1)以及包括从正到负再到正的变化(1，-1，1)，否则信号不表示线。在方框56中，将使用两个零交叉的陡度来消除噪声和无效交替序列。此外，在方框57中，将使用阈值来减小信号的噪声，将阈值以下的信号设置成零，将阈值以上的信号设置成预定值。在方框57的结束，产生清晰示出细线存在的信号，从而在该细线的像素范围内将使用减小的或修改后的增益来处理在检测到细线的该范围内的数据。
图5示出了用于检测输入信号61尤其是图像或视频信号的细线的电子设备60的示意图，该电子设备60包括：用于对输入信号进行分析的装置62，用于计算输入信号的一阶导数的装置63，用于对一阶导数的零交叉进行分析和标记的装置64，用于对零交叉的方向进行分析并将该方向编码成零信号的装置65，用于消除噪声和无效交错序列以识别细线的存在的装置66。
参考数字
1 图示
2 细线
3 段
4 段
10图示
11细线
12段
13段
20图示
21细线
22信号
23信号
30图示
31输入信号
32细线
33一阶导数
34零交叉
35零交叉
36零交叉
37零交叉
38零交叉
39线
40线
50框图
51方框
52方框
53方框
54方框
55方框
56方框
57方框
60图示
61输入信号
62装置
63装置
64装置
65装置
66装置

Claims (9)

1.一种用于检测输入信号尤其是图像或视频信号的细线的方法，包括以下步骤：
对输入信号进行分析，计算所述输入信号的一阶导数(52)，对所述一阶导数的零交叉进行分析和标记(53)，对所述零交叉的方向进行分析(54)并将所述方向编码成零信号，消除噪声和无效交错序列以识别细线的存在。
2.根据权利要求1所述的方法，其中，计算所述输入信号的一阶导数，作为输入信号的两个相邻像素的陡度。
3.根据权利要求1或2所述的方法，其中，使用到零信号的编码，其中，在从负值向正值跨越的情况下使用逻辑正值，而在从正值向负值跨越的情况下使用逻辑负值。
4.根据权利要求1至3中至少一项所述的方法，其中，编码后的信号被评估为，包括从负到正再到负的变化(-1，1，-1)或包括从正到负再到正的变化(1，-1，1)。
5.根据权利要求1至4中至少一项所述的方法，其中，两个零交叉的陡度用于消除噪声和无效交错序列。
6.根据权利要求1至5中至少一项所述的方法，其中，信号噪声的减小通过使用阈值来执行，将阈值以下的信号设置为零，并且将阈值以上的信号设置为预定值。
7.根据权利要求1至6中至少一项所述的方法，其中，减小的或修改后的增益用于处理所述细线的像素范围内的数据。
8.一种用于检测输入信号(61)尤其是图像或视频信号的细线的电子设备(60)，包括：用于对输入信号进行分析的装置(62)，用于计算所述输入信号的一阶导数的装置(63)，用于对所述一阶导数的零交叉进行分析和标记的装置(64)，用于对所述零交叉的方向进行分析并将所述方向编码成零信号的装置(65)，以及用于消除噪声和无效交错序列以识别细线的存在的装置(66)。
9.根据权利要求8所述的电子设备，用于根据权利要求1至7中至少一项所述的方法的应用。
CN200880102886A 2007-08-16 2008-08-07 提高尤其是细线的可见度的方法和设备 Pending CN101785013A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP07114442.2 2007-08-16
EP07114442 2007-08-16
PCT/IB2008/053177 WO2009022274A2 (en) 2007-08-16 2008-08-07 Method and device for improving the visibility especially of thin lines

Publications (1)

Publication Number Publication Date
CN101785013A true CN101785013A (zh) 2010-07-21

Family

ID=40351245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200880102886A Pending CN101785013A (zh) 2007-08-16 2008-08-07 提高尤其是细线的可见度的方法和设备

Country Status (4)

Country Link
US (1) US20110211123A1 (zh)
EP (1) EP2188761A2 (zh)
CN (1) CN101785013A (zh)
WO (1) WO2009022274A2 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1280155A (en) * 1968-06-25 1972-07-05 Nat Res Dev Improvements in or relating to apparatus for character recognition
US4499598A (en) * 1982-07-02 1985-02-12 Conoco Inc. Edge and line detection in multidimensional noisey, imagery data
JP2000030052A (ja) 1998-07-13 2000-01-28 Oki Electric Ind Co Ltd 画像処理装置
JP4001601B2 (ja) * 2002-12-20 2007-10-31 三菱電機株式会社 画像処理装置、画像表示装置、画像処理方法、及び画像表示方法
JP4407801B2 (ja) 2003-12-16 2010-02-03 セイコーエプソン株式会社 エッジ生成装置、エッジ生成方法およびエッジ生成プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LINDA SHAPIRO ET AL: "《Computer Vision》", 31 December 2001 *

Also Published As

Publication number Publication date
EP2188761A2 (en) 2010-05-26
WO2009022274A2 (en) 2009-02-19
US20110211123A1 (en) 2011-09-01
WO2009022274A3 (en) 2009-05-28

Similar Documents

Publication Publication Date Title
CN114937055B (zh) 基于人工智能的图像自适应分割方法与系统
CN102013008B (zh) 一种基于支持向量机的烟雾检测方法及装置
Iakovidou et al. Content-aware detection of JPEG grid inconsistencies for intuitive image forensics
CN110033471B (zh) 一种基于连通域分析和形态学操作的框线检测方法
CN106780486B (zh) 一种钢板表面缺陷图像提取方法
CN102348128B (zh) 具有摄像机异常检测装置的监视用摄像机系统
CN109993797B (zh) 门窗位置检测方法及装置
CN112036254B (zh) 基于视频图像的运动车辆前景检测方法
CN109752392B (zh) 一种pcb板缺陷类型检测系统和方法
CN108510476A (zh) 一种基于机器视觉的手机屏线路检测方法
CN110782442B (zh) 一种基于多域耦合的图像人工模糊检测方法
CN113239733B (zh) 一种多车道车道线检测方法
US8000535B2 (en) Methods and systems for refining text segmentation results
CN103473779B (zh) 图像中条纹干扰的检测方法和装置
CN112233111A (zh) 一种基于数字图像处理的隧道缝隙检测方法
CN101950352B (zh) 一种去除光照影响的目标检测方法及装置
JPWO2018025336A1 (ja) 劣化検出装置、劣化検出方法、及びプログラム
CN115240197A (zh) 图像质量评价方法、装置、电子设备、扫描笔及存储介质
CN112613456A (zh) 一种基于多帧差分图像累积的小目标检测方法
CN101785013A (zh) 提高尤其是细线的可见度的方法和设备
Yuhan et al. Detection of road surface crack based on PYNQ
CN110896471B (zh) 一种基于图像处理检测视频传输丢包的方法
CN106780529A (zh) 基于外接矩形的会议视频马赛克检测方法
JP2009205695A (ja) 対象個数検出装置および対象個数検出方法
Othman et al. The fusion of edge detection and mathematical morphology algorithm for shape boundary recognition

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: CAYMAN ISLANDS BUSINESS TRIDENT MICROSYSTEMS CO.,

Free format text: FORMER OWNER: KONINKL PHILIPS ELECTRONICS NV

Effective date: 20101119

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: EINDHOVEN, HOLLAND TO: ENGLISH CAYMAN ISLANDS

TA01 Transfer of patent application right

Effective date of registration: 20101119

Address after: Cayman Islands

Applicant after: NXP BV

Address before: Holland Ian Deho Finn

Applicant before: Koninkl Philips Electronics NV

ASS Succession or assignment of patent right

Owner name: ENTROPIC COMMUNICATIONS, INC.

Free format text: FORMER OWNER: CAYMAN ISLANDS BUSINESS TRIDENT MICROSYSTEMS CO., LTD.

Effective date: 20131008

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20131008

Address after: American California

Applicant after: Entropic Communications, Inc.

Address before: Cayman Islands

Applicant before: NXP BV

C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20100721