CN103136752A - 基于边缘提取的图像放大方法 - Google Patents
基于边缘提取的图像放大方法 Download PDFInfo
- Publication number
- CN103136752A CN103136752A CN2013100466030A CN201310046603A CN103136752A CN 103136752 A CN103136752 A CN 103136752A CN 2013100466030 A CN2013100466030 A CN 2013100466030A CN 201310046603 A CN201310046603 A CN 201310046603A CN 103136752 A CN103136752 A CN 103136752A
- Authority
- CN
- China
- Prior art keywords
- grid
- edge
- pixel
- joining
- image
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于边缘提取的图像放大方法,包括:对待放大的图像进行高斯滤波去噪预处理;在预处理后的图像中,以各个像素点为网格顶点构建像素网格,查找像素网格与待确定边缘的相交点;对查找到的相交点进行数量和位置的优化;连接优化后的相交点形成连贯的边缘;在所述边缘两侧寻找像素值受该边缘影响的像素点,标记这些像素点;根据图像需要放大的倍数,将所述像素网格均匀细分;根据所述边缘的信息和带有标记的像素点的信息进行插值计算,得到各个细分网格所对应的像素值,完成图像的放大。本发明能够提取图像中比较完整和精确的边缘信息,并在放大后的图像中保持边缘原有的梯度变化,具有运算效率高、可扩展性强的优点。
Description
技术领域
本发明涉及数字图像处理及计算机视觉技术领域,具体涉及基于边缘提取的图像放大方法。
背景技术
随着数字化应用的不断推广,数字图像信息在社会生产和生活中起到越来越大的作用。在可视化技术研究、医疗、航天、数字娱乐等领域对高质量画面的需求越来越大。图像显示设备的多样化以及尺寸的不断变大,对高分辨率图像的需求变得更加急切。而目前高分辨率数字图像采集的设备以及网络传输支持还远远跟不上需求,因此,对低分辨率图像放大的方法变得越来越重要,一直是计算机视觉领域研究的热点。
数字图像放大算法一直以来被广泛研究,最经典和常用的算法是基于线性插值的方法。例如申请号为CN201010196205.3的专利文献公开了一种图像放大方法及装置,以双线性插值方法为基础,对于放大后得到目标图像的每一个要插入像素点的灰度值计算,都转换为要插入方向上两相邻像素点灰度值的加法运算及2的幂次项移位运算,然后根据该运算对相邻两个像素点灰度值进行加法运算及移位处理就得到每一个要插入像素点的灰度值。
基于线性插值的图像放大算法比较简单,计算效率高,但是缺陷也比较明显,放大结果模糊,而且随着插值次数的增加计算量迅速增大。近几年来基于自适应的图像放大的方法越来越受到重视。这类算法放大效果明显得到提高,但是算法的稳定性普遍不高,往往只适用于一类图像,而且方法流程复杂,计算量大。
发明内容
本发明提供了一种基于边缘提取的图像放大方法,该方法提取完整的图像边缘信息,保证了放大后边缘的梯度变化,流程简单,计算效率高,对不同类型的图像处理具有很好的稳定性。
一种基于边缘提取的图像放大方法,其实施步骤如下:
(1)对待放大的图像进行高斯滤波去噪预处理,得到预处理后的图像;
(2)在预处理后的图像中,以各个像素点为网格顶点构建像素网格,查找像素网格与待确定边缘的相交点;
(3)对查找到的相交点进行数量和位置的优化,得到优化后的相交点;
(4)连接优化后的相交点形成连贯的边缘;
(5)在所述边缘两侧寻找像素值受该边缘影响的像素点,标记这些像素点;
(6)根据图像需要放大的倍数,将所述像素网格均匀细分,得到像素网格内的若干细分网格,每个细分网格相当于一个像素值未知的像素点;
(7)根据所述边缘的信息和带有标记的像素点的信息进行插值计算,得到各个细分网格所对应的像素值,完成图像的放大。
所述步骤(2)中查找像素网格与待确定边缘的相交点时,可采用如下步骤:
(a)沿着像素网格水平和竖直的各个边分别进行查找,查找像素值连续递增或者递减变化的线段;
(b)针对每条查找到的线段,获取该线段的梯度最大值Gm和长度L并分别与对应的阈值相比较,梯度最大值Gm和长度L均超过阈值的线段则认为有待确定边缘经过该线段;
(c)所述相交点在该线段中的位置X符合下式:
(X-L3)/(L4-L3)=(Vm-V1)/(V2-V1)(1)
式(1)中:
V1、V2分别为该线段两个端点的像素值;
L3、L4分别为与V3、V4相对应的像素点在该线段中的位置;
Vm为V3、V4的均值;
其中,V3、V4分别为该线段中梯度最大处所对应的两个像素的像素值。
所述步骤(3)中对查找到的相交点进行数量和位置的优化时,作如下处理:
当某个网格顶点恰为所述相交点,且与该网格顶点相连的四个单元网格边中还有其他相交点时,则将所述其他相交点删除;
当某两个相交点靠近(认为设定阈值,例如两个相交点与同一个顶点的距离均小于单元网格边长的20%)同一个网格顶点时,删除这两个相交点,并将与这两个相交点靠近的网格顶点作为新的相交点。
识别出边缘点之后,需要做一系列的调整,目的是保证边缘的连贯性。因为图像获取条件和后期噪声等因素,在图像上识别边缘远远达不到图形级别上的位置准确度和连贯性。作为优选,所述步骤(3)中对查找到的相交点进行数量和位置的优化时,作如下处理:当某一单元网格中有三个相交点,若该相交点所在像素网格边上两个顶点像素的梯度远大于第三个相交点所在像素网格边上两个顶点像素的梯度,则删除第三个相交点。当某一单元网格内只有一个相交点且不是网格顶点时,则根据该单元网格周围的相交点位置,在该单元网格内增加一个相交点。
为保证多条边缘的连贯性,作为优选,所述步骤(4)中形成连贯的边缘后,将所述边缘的不连续部分进行补充。所述步骤(4)中形成连贯的边缘后,将所述边缘中的尖刺部分进行平滑处理。
所述步骤(5)中在所述边缘两侧寻找像素值受该边缘影响的像素点时,可采用如下方法:
把像素网格内的每个单元网格沿着水平方向和竖直方向均分成四个小区域,找到所述边缘在该单位网格内经过的小区域,该小区域所对应的像素顶点即为受该边缘影响的像素点。
所述步骤(7)的插值计算的详细步骤为:
对于像素网格内的每个单元网格作如下判断:
(i)若该单元网格内无边缘经过,对该单元网格的四个网格顶点进行双线性插值,得到根据该单元网格内各个细分网格的像素值;
(ii)若该单元网格内有边缘经过,对处在当前单元网格内的边缘做垂线,沿所述垂线的主方向在该段边缘的两侧进行查找,分别找到第一个具有前景颜色值Fc的像素以及第一个具有背景颜色值Bc的像素,且在查找时忽略在步骤(5)中被标记的像素点;
当前单元网格内的各个细分网格中:
(ii-1)若细分网格内无边缘经过,根据该细分网格相对于边缘的位置将前景颜色值Fc或背景颜色值Bc赋值给该细分网格;
(ii-2)若细分网格内有边缘经过,计算该细分网格处在边缘两侧部分的面积,面积作为对应的加权系数用前景颜色值Fc或背景颜色值Bc计算该细分网格的像素值。
本发明中所述的边缘(edge)是指图像局部强度变化最显著的部分,边缘主要存在于目标与目标、目标与背景、区域与区域之间。
与现有技术相比,本发明的有益效果体现在:
(1)本发明结合颜色值渐变的线段长度和期间梯度的最大值两个标准判断单元网格内是否有边缘交点,可以更加完整地提取边缘,对平滑渐变的边缘和梯度突变的边缘识别具有很高的稳定性。
(2)本发明通过对像素网格进行细分,在子像素级别提取边缘,对于识别距离很近的两条或者多条边缘具有鲁棒性,同时能够更精确地确定边缘的位置。
(3)通过对相交点和边缘的优化,大大提高了提取得到的边缘的平滑性和精确度。
(4)本发明在插值计算钱,预先标识了像素值受边缘影响的像素点,排除这些像素对插值的干扰,保持了原有的边缘梯度变化情况,避免了放大后边缘模糊的情况。
附图说明
图1为本发明的基于边缘提取的图像放大方法的基本流程示意图。
图2为本发明实施例的网格单元内边缘类型模板示意图。
图3为本文方法边缘提取的实例以及与经典的Canny算法提取的比较;其中:3(a)为要放大的原图;图3(b)为利用本发明方法提取的边缘图;图3(c)为利用Canny算子提取的边缘图。
具体实施方式
如图1所示,本实施例基于边缘提取的图像放大方法的实施步骤如下:
一种基于边缘提取的图像放大方法,实施步骤如下:
(1)对待放大的图像进行高斯滤波去噪预处理,得到预处理后的图像;
(2)在预处理后的图像中,以各个像素点为网格顶点构建像素网格,查找像素网格与待确定边缘的相交点,具体过程为:(a)沿着像素网格水平和竖直的各个边分别进行查找,查找像素值连续递增或者递减变化的若干线段;(b)针对每条查找到的线段,获取该线段的梯度最大值Gm和长度L并分别与对应的阈值(阈值为预先设定,目的是为了避免将噪音误当做相交点,比如梯度阈值为20(当灰度值范围是0-255时),长度L的阈值为3(即L>=3时才认为是有边缘经过))比较,梯度最大值Gm和长度L均超过阈值的线段则认为有待确定边缘经过该线段;(c)所述相交点在该线段中的位置X符合下式:
(X-L3)/(L4-L3)=(Vm-V1)/(V2-V1)(1)
式(1)中:
V1、V2分别为该线段两个端点的像素值;
L3、L4分别为与V3、V4相对应的像素点在该线段中的位置;
Vm为V3、V4的均值;
其中,V3、V4分别为该线段中梯度最大处所对应的两个像素的像素值。
(3)对查找到的相交点进行数量和位置的优化,得到优化后的相交点;识别出边缘点之后,需要做一系列的调整,目的是保证边缘的连贯性。因为图像获取条件和后期噪声等因素,在图像上识别边缘远远达不到图形级别上的位置准确度和连贯性。不过在边缘提取问题上保证连贯性比位置的精确更重要,所以本实施例中采取了多步操作增加连贯性。调整的主要依据是梯度方向上的一致,这里的一致并不是方向相同而是满足局部划分的两个区间从一个到另一个灰度值大小一致变化的情况,这是边缘点属于同一条边缘的基本条件,其次是梯度大小级别,要属于同一个级别的边缘点才能连接,这个条件在多条边缘靠近或者交叉的情况下非常有用。
调整一,将网格顶点(像素点)周围的相交点调整到网格顶点上。当网格顶点上已经有一个相交点,而网格顶点四周的四个单元网格边上还有相交点时,删除这些相交点,保留网格顶点上的相交点;或者当有两个以上相交点非常靠近同一个网格顶点(例如两个相交点与同一个顶点的距离均小于单元网格边长的20%),而且梯度(本文中,没有特殊说明的情况下,所述的梯度一般是指相交点所在像素网格边上两个顶点像素的像素值的差)相近梯度方向满足同属于一个边缘时,我们把对应的顶点设成相交点,同时去掉靠近同一个网格顶点的相交点。这样做可以增加边缘的连贯性,减少错误的分叉,保持边缘大方向正确。
调整二,剔除一些边缘点。一个单元网格(四个顶点为四个像素)一般情况下只出现一条边缘,极少情况下会出现两条以上的边缘情况,本算法把边缘相交的情况放在网格顶点处,这样处理起来比较简单也不会带来多少误差,否则一个单元网格内多条边缘识别起来很困难。当一个单元网格有三个相交点,而且有该相交点所在像素网格的边上两个顶点像素的像素值的差远大于第三个相交点,删除第三个相交点,说明那个梯度小的相交点或者是噪声或者是一条小边缘。而当一条主要边缘和一条次要边缘在一个网格内时,为了方便后面的处理可以忽略次要边缘,这对整体效果的影响不大。
调整三,调整二中调整后剔除了很多噪声点,减少了干扰,同时也有一些实际的相交点被剔除了,为了边缘连贯性跟踪更加方便,需要适当增加一些相交点作为弥补。当一个单元网格内只有一个相交点而且不是网格顶点时,可以考虑在该网格内增加一个相交点使边缘跟踪继续下去。
(4)连接优化后的相交点形成连贯的边缘,该步骤中为得到连贯的边缘可适当增加部分边缘或者增加平滑处理,即:将所述边缘的不连续部分进行补充;将所述边缘中的尖刺部分进行平滑处理。连接相交点的过程中,如果单元网格顶点和四条边上有相交点,则标记该单元网格有边缘经过,然后判断边缘方向和经过单元网格的哪些边,用数字标识这段边缘的类型,如图2所示,给出了最常见的边缘类型。类型加上相交点组成了边缘的方向和位置信息;如图3所示,给出提取边缘的效果图以及与经典的Canny算子的对比。其中图3(a)为要放大的原图,图3(b)为利用本发明方法提取的边缘图。图3(c)为利用Canny算子提取的边缘图。图3(b)中线圈中标注的地方是本发明效果比较突出的地方,相对于Canny算子的结果,本发明在这些地方边缘提取的结果更加完整,提取出了相邻很近的两条边缘,而Canny算子只提取出一条边缘。
(5)在所述边缘两侧寻找像素值受该边缘影响的像素点,标记这些像素点,详细做法为:把像素网格内的每个单元网格沿着水平方向和竖直方向均分成四个小区域,找到所述边缘在该单位网格内经过的小区域,该小区域所对应的像素顶点即为受该边缘影响的像素点。
(6)根据图像需要放大的倍数(例如四倍),将所述像素网格均匀细分,得到像素网格内的若干细分网格(16个);
(7)根据所述边缘的信息和带有标记的像素点的信息进行插值计算,得到各个细分网格所对应的像素值,完成图像的放大,该步骤中插值计算的详细步骤为:对于像素网格内的每个单元网格作如下判断:
(i)若该单元网格内无边缘经过,对该单元网格的四个网格顶点进行双线性插值,得到根据该单元网格内各个细分网格的像素值;
(ii)若该单元网格内有边缘经过:
首先确定第一个具有背景颜色值Bc和第一个具有背景颜色值B:对处在当前单元网格内的边缘做垂线,沿所述垂线的主方向(竖直方向或者水平方向)在该段边缘的两侧进行查找,分别找到第一个具有前景颜色值Fc的像素以及第一个具有背景颜色值Bc的像素,且在查找时忽略在步骤(5)中被标记的像素点,避免标记的像素点不利影响;
然后针对当前单元网格内的各个细分网格中,
(ii-1)若细分网格内无边缘经过,根据该细分网格相对于边缘的位置(哪一侧)将前景颜色值Fc或背景颜色值Bc赋值给该细分网格;
(ii-2)若细分网格内有边缘经过,计算该细分网格处在边缘两侧部分的面积,面积作为对应的加权系数用前景颜色值Fc或背景颜色值Bc计算该细分网格的像素值。
Claims (9)
1.一种基于边缘提取的图像放大方法,其特征在于,其实施步骤如下:
(1)对待放大的图像进行高斯滤波去噪预处理,得到预处理后的图像;
(2)在预处理后的图像中,以各个像素点为网格顶点构建像素网格,查找像素网格与待确定边缘的相交点;
(3)对查找到的相交点进行数量和位置的优化,得到优化后的相交点;
(4)连接优化后的相交点形成连贯的边缘;
(5)在所述边缘两侧寻找像素值受该边缘影响的像素点,标记这些像素点;
(6)根据图像需要放大的倍数,将所述像素网格均匀细分,得到像素网格内的若干细分网格;
(7)根据所述边缘的信息和带有标记的像素点的信息进行插值计算,得到各个细分网格所对应的像素值,完成图像的放大。
2.根据权利要求1所述的基于边缘提取的图像放大方法,其特征在于,所述步骤(2)中查找像素网格与待确定边缘的相交点时:
(a)沿着像素网格水平和竖直的各个边分别进行查找,查找像素值连续递增或者递减变化的线段;
(b)针对每条查找到的线段,获取该线段的梯度最大值Gm和长度L并分别与对应的阈值相比较,梯度最大值Gm和长度L均超过阈值的线段则认为有待确定边缘经过该线段;
(c)所述相交点在该线段中的位置X符合下式:
(X-L3)/(L4-L3)=(Vm-V1)/(V2-V1)(1)
式(1)中:
V1、V2分别为该线段两个端点的像素值;
L3、L4分别为与V3、V4相对应的像素点在该线段中的位置;
Vm为V3、V4的均值;
其中,V3、V4分别为该线段中梯度最大处所对应的两个像素的像素值。
3.根据权利要求1所述的基于边缘提取的图像放大方法,其特征在于,所述步骤(3)中对查找到的相交点进行数量和位置的优化时,作如下处理:
当某个网格顶点恰为所述相交点,且与该网格顶点相连的四个单元网格边中还有其他相交点时,则将所述其他相交点删除;
当某两个相交点靠近同一个网格顶点时,删除这两个相交点,并将与这两个相交点靠近的网格顶点作为新的相交点。
4.根据权利要求1所述的基于边缘提取的图像放大方法,其特征在于,所述步骤(3)中对查找到的相交点进行数量和位置的优化时,作如下处理:当某一单元网格中有三个相交点,若该相交点所在像素网格边上两个顶点像素的梯度远大于第三个相交点所在像素网格边上两个顶点像素的梯度,则删除第三个相交点。
5.根据权利要求1所述的基于边缘提取的图像放大方法,其特征在于,所述步骤(3)中对查找到的相交点进行数量和位置的优化时,作如下处理:当某一单元网格内只有一个相交点且不是网格顶点时,则根据该单元网格周围的相交点位置,在该单元网格内增加一个相交点。
6.根据权利要求1所述的基于边缘提取的图像放大方法,其特征在于,所述步骤(4)中形成连贯的边缘后,将所述边缘的不连续部分进行补充。
7.根据权利要求1所述的基于边缘提取的图像放大方法,其特征在于,所述步骤(4)中形成连贯的边缘后,将所述边缘中的尖刺部分进行平滑处理。
8.根据权利要求1所述的基于边缘提取的图像放大方法,其特征在于,所述步骤(5)中在所述边缘两侧寻找像素值受该边缘影响的像素点时:
把像素网格内的每个单元网格沿着水平方向和竖直方向均分成四个小区域,找到所述边缘在该单位网格内经过的小区域,该小区域所对应的像素顶点即为受该边缘影响的像素点。
9.根据权利要求1所述的基于边缘提取的图像放大方法,其特征在于,所述步骤(7)的插值计算的详细步骤为:
对于像素网格内的每个单元网格作如下判断:
(i)若该单元网格内无边缘经过,对该单元网格的四个网格顶点进行双线性插值,得到根据该单元网格内各个细分网格的像素值;
(ii)若该单元网格内有边缘经过,对处在当前单元网格内的边缘做垂线,沿所述垂线的主方向在该段边缘的两侧进行查找,分别找到第一个具有前景颜色值Fc的像素以及第一个具有背景颜色值Bc的像素,且在查找时忽略在步骤(5)中被标记的像素点;
当前单元网格内的各个细分网格中,
(ii-1)若细分网格内无边缘经过,根据该细分网格相对于边缘的位置将前景颜色值Fc或背景颜色值Bc赋值给该细分网格;
(ii-2)若细分网格内有边缘经过,计算该细分网格处在边缘两侧部分的面积,面积作为对应的加权系数用前景颜色值Fc或背景颜色值Bc计算该细分网格的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310046603.0A CN103136752B (zh) | 2013-02-05 | 2013-02-05 | 基于边缘提取的图像放大方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310046603.0A CN103136752B (zh) | 2013-02-05 | 2013-02-05 | 基于边缘提取的图像放大方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103136752A true CN103136752A (zh) | 2013-06-05 |
CN103136752B CN103136752B (zh) | 2015-04-29 |
Family
ID=48496542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310046603.0A Expired - Fee Related CN103136752B (zh) | 2013-02-05 | 2013-02-05 | 基于边缘提取的图像放大方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103136752B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915923A (zh) * | 2014-03-11 | 2015-09-16 | 南京巨鲨显示科技有限公司 | 不同分辨率图像自适应缩放方法 |
CN105615070A (zh) * | 2014-11-04 | 2016-06-01 | 广西北海利博盛安全用品有限公司 | 手型尺寸取得及手套制造的方法 |
CN106651807A (zh) * | 2016-12-29 | 2017-05-10 | 上海天马有机发光显示技术有限公司 | 一种图像处理系统、显示设备及图像处理方法 |
CN109005411A (zh) * | 2018-07-27 | 2018-12-14 | 广州中国科学院工业技术研究院 | 图像压缩方法及电子设备 |
CN110033467A (zh) * | 2018-01-12 | 2019-07-19 | 宁波中科集成电路设计中心有限公司 | 一种面向网格位图的高质量特征边缘提取方法 |
CN112672073A (zh) * | 2021-03-18 | 2021-04-16 | 北京小鸟科技股份有限公司 | 视频图像传输中亚像素文字的放大方法、系统及设备 |
CN113592714A (zh) * | 2021-08-05 | 2021-11-02 | 杭州雄迈集成电路技术股份有限公司 | 图像放大方法、模块、系统 |
CN116883255A (zh) * | 2023-05-22 | 2023-10-13 | 北京拙河科技有限公司 | 一种高精度光场图像的边界修正方法及装置 |
-
2013
- 2013-02-05 CN CN201310046603.0A patent/CN103136752B/zh not_active Expired - Fee Related
Non-Patent Citations (5)
Title |
---|
JIAN SUN ET AL: "Image Super-Resolution using Gradient Profile Prior", 《CVPR 2008》 * |
JOHANNES KOPF AND DANI LISCHINSKI: "Depixelizing Pixel Art", 《ACM TRANSACTIONS ON GRAPHICS》 * |
JORGE JIMENEZ ET AL: "Filtering Approaches for Real-Time Anti-Aliasing", 《ACM SIGGRAPH 2011 COURSES》 * |
付树军 等: "基于变分的保持边缘的有噪图像放大算法", 《2005年中国模糊逻辑与计算智能联合学术会议论文集》 * |
夏海宏 等: "局部自适应非线性图像放大算法", 《计算机辅助设计与图形学学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915923A (zh) * | 2014-03-11 | 2015-09-16 | 南京巨鲨显示科技有限公司 | 不同分辨率图像自适应缩放方法 |
CN105615070A (zh) * | 2014-11-04 | 2016-06-01 | 广西北海利博盛安全用品有限公司 | 手型尺寸取得及手套制造的方法 |
CN106651807A (zh) * | 2016-12-29 | 2017-05-10 | 上海天马有机发光显示技术有限公司 | 一种图像处理系统、显示设备及图像处理方法 |
CN106651807B (zh) * | 2016-12-29 | 2020-03-10 | 上海天马有机发光显示技术有限公司 | 一种图像处理系统、显示设备及图像处理方法 |
CN110033467A (zh) * | 2018-01-12 | 2019-07-19 | 宁波中科集成电路设计中心有限公司 | 一种面向网格位图的高质量特征边缘提取方法 |
CN109005411A (zh) * | 2018-07-27 | 2018-12-14 | 广州中国科学院工业技术研究院 | 图像压缩方法及电子设备 |
CN109005411B (zh) * | 2018-07-27 | 2021-11-30 | 广州中国科学院工业技术研究院 | 图像压缩方法及电子设备 |
CN112672073A (zh) * | 2021-03-18 | 2021-04-16 | 北京小鸟科技股份有限公司 | 视频图像传输中亚像素文字的放大方法、系统及设备 |
CN113592714A (zh) * | 2021-08-05 | 2021-11-02 | 杭州雄迈集成电路技术股份有限公司 | 图像放大方法、模块、系统 |
CN116883255A (zh) * | 2023-05-22 | 2023-10-13 | 北京拙河科技有限公司 | 一种高精度光场图像的边界修正方法及装置 |
CN116883255B (zh) * | 2023-05-22 | 2024-05-24 | 北京拙河科技有限公司 | 一种高精度光场图像的边界修正方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103136752B (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103136752B (zh) | 基于边缘提取的图像放大方法 | |
Shi et al. | A fast level set method without solving pdes [image segmentation applications] | |
CN105913415B (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
EP1901228A1 (en) | Image processor | |
CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测系统 | |
CN111323037B (zh) | 一种移动机器人新型骨架提取的Voronoi路径规划算法 | |
CN101976436B (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN101739692B (zh) | 实时视频目标的快速相关跟踪方法 | |
CN104376551A (zh) | 一种融合区域生长和边缘检测的彩色图像分割方法 | |
CN103679672B (zh) | 基于边缘垂直距离匹配的全景图像拼接方法 | |
US8983199B2 (en) | Apparatus and method for generating image feature data | |
CN103236035B (zh) | 基于无偏移双边二次b-样条插值的图像放大方法 | |
CN105447828B (zh) | 沿运动模糊路径进行一维反卷积的单视点图像去模糊方法 | |
CN110599509B (zh) | 一种基于八方向分数阶微分算子的边缘检测方法 | |
CN107274422A (zh) | 一种基于法线信息和k邻域搜索结合的点云边缘提取方法 | |
CN104616014A (zh) | 基于形态学操作的田间曲线导航线提取方法 | |
CN102316352A (zh) | 一种基于区域连通图的立体视频深度图的制作方法和装置 | |
CN103914819B (zh) | 一种基于改进ransac的红外图像拼接方法 | |
CN103238168A (zh) | 图像处理装置、图像处理方法及图像处理程序 | |
CN103743750B (zh) | 一种大口径光学元件表面损伤分布图的生成方法 | |
CN105809673A (zh) | 基于surf算法和合并最大相似区域的视频前景分割方法 | |
CN105654423A (zh) | 基于区域的遥感图像配准方法 | |
CN108088381A (zh) | 一种基于图像处理的非接触式微小间隙宽度测量方法 | |
CN104239883A (zh) | 纹理特征提取方法及装置 | |
CN114913074A (zh) | 一种深度网络语义分割的超像素无缝拼接方法及系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150429 Termination date: 20210205 |
|
CF01 | Termination of patent right due to non-payment of annual fee |