CN103514583B - 图像锐化方法及设备 - Google Patents

图像锐化方法及设备 Download PDF

Info

Publication number
CN103514583B
CN103514583B CN201210222872.3A CN201210222872A CN103514583B CN 103514583 B CN103514583 B CN 103514583B CN 201210222872 A CN201210222872 A CN 201210222872A CN 103514583 B CN103514583 B CN 103514583B
Authority
CN
China
Prior art keywords
map data
data mining
mining platform
image information
original 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.)
Active
Application number
CN201210222872.3A
Other languages
English (en)
Other versions
CN103514583A (zh
Inventor
徐先祥
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201210222872.3A priority Critical patent/CN103514583B/zh
Priority to US13/931,849 priority patent/US9129374B2/en
Publication of CN103514583A publication Critical patent/CN103514583A/zh
Application granted granted Critical
Publication of CN103514583B publication Critical patent/CN103514583B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T5/73
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • G06T2207/20028Bilateral filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • G06T2207/20192Edge enhancement; Edge preservation

Abstract

本发明实施例提供一种图像锐化方法及设备。其中,方法包括:对原始图像信息分别进行双边滤波处理和高斯差滤波处理,获得第一图层信息和第二图层信息;将原始图像信息和第一图层信息相减,获得第三图层信息;将第二图层信息和第三图层信息进行融合叠加处理,获得第四图层信息;将原始图像信息和第四图层信息进行相加,获得处理后的图像信息。本发明技术方案将双边滤波与高斯差滤波较好的融合进行图像锐化,减轻甚至消除了图像高对比度边缘的halo效应,提高了图像锐化效果。

Description

图像锐化方法及设备
技术领域
本发明涉及图像处理技术,尤其涉及一种图像锐化方法及设备。
背景技术
拍照设备本身的硬件问题或者一些图像算法(例如图像平滑算法)的处理往往会使图像中的边界或轮廓变得模糊。图像锐化是一种用于补偿图像的轮廓,增强图像的边缘及灰度跳变部分,使图像变得清晰的方法。从频率域来看,图像变模糊是因为其高频分量被衰减,因此,图像锐化的思路主要是用高通滤波器来提取图像中的高频信息,然后将提取的高频信息叠加到原图像上,使图像变得清晰。
目前常用的图像锐化方法就是使用拉普拉斯算子这种高通滤波器,对图像的亮度分量进行拉普拉斯算子得到其高频信息,例如图像的边缘信息和轮廓信息,然后将原始图像与拉普拉斯算子后的图像的对应像素点直接相加,从而达到增强图像的边缘和轮廓,使图像看起来更清晰的目的。但是,这种方法在将拉普拉斯算子后图像与原始图像叠加后,往往会在亮暗边界处出现过冲和下冲,而这样的现象表现在图像中就是在黑白边缘处产生“白边”和“黑边”,也就是会出现光晕(halo)效应,图像锐化效果较差。
发明内容
本发明实施例提供一种图像锐化方法及设备,用以降低图像锐化带来的halo效应,提高图像锐化效果。
一方面提供一种图像锐化方法,包括:
对原始图像信息分别进行双边滤波处理和高斯差滤波处理,获得第一图层信息和第二图层信息;
将所述原始图像信息和所述第一图层信息相减,获得第三图层信息;
将所述第二图层信息和所述第三图层信息进行融合叠加处理,获得第四图层信息;
将所述原始图像信息和所述第四图层信息进行相加,获得处理后的图像信息。
另一方面提供一种图像锐化设备,包括:
第一滤波模块,用于对原始图像信息进行双边滤波处理,获得第一图层信息;
第二滤波模块,用于对所述原始图像进行高斯差滤波处理,获得第二图层信息;
第一处理模块,用于将所述原始图像信息和所述第一图层信息相减,获得第三图层信息;
第二处理模块,用于将所述第二图层信息和所述第三图层信息进行融合叠加处理,获得第四图层信息;
第三处理模块,用于将所述原始图像信息和所述第四图层信息进行相加,获得处理后的图像信息。
本发明实施例提供的图像锐化方法及设备,通过对原始图像信息进行双边滤波处理,并用原始图像信息减去双边滤波处理得到的第一图层信息,获得第三图层信息,另外对原始图像信息进行高斯差滤波处理获得第二图层信息,利用第三图层信息和第二图层信息在高对比度边缘位置的不同表现,将第三图层信息和第二图层信息进行融合叠加,然后再将融合叠加得到的第四图层信息与原始图像信息进行相加,得到处理后的图像信息,实现了图像锐化,充分利用了双边滤波和高斯差滤波的特点,很好的融合了二者各自的有益效果,达到了减轻甚至消除图像锐化带来的halo效应,提高了图像锐化的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术中使用拉普拉斯算子进行图像锐化时,图像锐化过程中的高频信息的一维剖面曲线示意图;
图2A为本发明一实施例提供的图像锐化方法的流程图;
图2B为本发明一实施例提供的图像锐化过程中高频信息的一维剖面曲线示意图;
图3为本发明另一实施例提供的图像锐化方法的流程图;
图4为本发明一实施例提供的图像锐化设备的结构示意图;
图5为本发明另一实施例提供的图像锐化设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术使用拉普拉斯算子这种高通滤波器进行图像锐化,其中图像锐化效果如图1所示。图1中横坐标表示图像中边缘处的像素位置,纵坐标表示图像中边缘处像素位置对应的灰度值。如图1所示,曲线a1为原始图像中高频信息(例如边缘轮廓部分的信息)的一维剖面,其灰度缓慢的由暗变亮,这在视觉上感觉图像模糊。曲线1b为理想的锐化后的高频信息的一维剖面曲,灰度变化迅速,这在视觉上感觉图像清晰。使用拉普拉斯算子做图像锐化时,在曲线a1所示的高频信息中提取出浅灰色边线,其一维剖面如曲线c1所示;将使用拉普拉斯算子处理后的图像与原始图像叠加后得到的高频信息的一维剖面如曲线d1所示。由曲线d1可见,使用拉普拉斯算子处理后的图像与原始图像叠加后得到的高频信息在亮暗边界处容易出现过冲和下冲,与曲线b1所示的理想的锐化的高频信息有偏差,这种现象表现在图像中就是在黑白边缘处人为的产生“白边”和“黑边”,也就是halo效应,使得图像锐化效果较差。基于此,本发明以下实施例提供了图像锐化方法,用以解决上述问题。
图2A为本发明一实施例提供的图像锐化方法的流程图。如图2A所示,本实施例的方法包括:
步骤101、对原始图像信息分别进行双边滤波(英文为:Bilateral filter)处理和高斯差滤波处理,获得第一图层信息和第二图层信息。
本实施例的执行主体可以是图像锐化设备,具体可以是各种具有图像处理能力的设备,例如服务器、个人计算机、大型计算机等。在本实施例中,原始图像信息可以是输入图像中的亮度分量,也可以是输入图像中的色度信息,还可以同时包括输入图像中的亮度分量和色度分量。由于人眼对亮度的敏感度要高于色度,所以在做图像锐化的时候,主要是对输入图像中的亮度分量进行处理。因此,本实施例中的原始图像信息更多的是指输入图像中的亮度分量。所述输入图像是指输入图像锐化设备中的图像,以当前时刻为基准,所述输入图像包括当前输入的像素值和当前输入的像素值邻域中的像素值。所述邻域的范围视实际应用而定,例如可以是1分钟内输入的像素点构成的范围,也可以是3分钟内输入的像素点构成的范围等。
基于上述,步骤101之前可包括一可选步骤:获取输入图像的亮度信息作为上述原始图像信息。
在本实施例中,图像锐化设备一方面对原始图像信息进行双边滤波处理,获得第一图层信息。该双边滤波处理可通过双边滤波器实现,双边滤波器属于低通滤波器。双边滤波器是一种普遍用于去噪的图像平滑滤波器,但其不同与其他均值滤波器,双边滤波器可以在去掉原始图像(是指由原始图像信息构成的图像)的纹理细节(主要是指微小的边缘轮廓)的同时保护原始图像中黑白过渡的边缘(主要是指黑白过渡明显的边缘轮廓),但是黑白过度的边缘会被增强,白的位置更白,而黑的位置更黑。也就是说,得到的第一图层信息不包括原始图像信息中与原始图像中的纹理细节对应的高频信息,但包括原始图像信息中与原始图像中黑白过度边缘对应的高频信息,并且第一图层信息中与原始图像中黑白过度边缘对应的高频信息的取值会变大。双边滤波器之所以能达到图像平滑的效果,是因为双边滤波器是由两个函数构成,一个函数是由几何空间距离决定滤波器系数,另一个由像素差值决定滤波器系数。如图2B所示,曲线a2为原始图像中黑白边缘的一维灰度剖面,对原始图像信息进行双边滤波处理之后,图像边缘的灰度变化更迅速,其一维灰度剖面如曲线b2所示。
在本实施例中,图像锐化设备另一方面还会对原始图像信息进行高斯差滤波处理,获得第二图层信息。其中,高斯差滤波处理可以通过高斯差滤波器实现。高斯差滤波器有两个滤波参数,分别为σ1和σ2,其中σ1<σ2。高斯差滤波的结果相当于两个高斯滤波结果的差值,类似一个带通滤波器。通过调节高斯差滤波器的两个滤波参数可以得到所需要的不同频段的图像信息。滤波参数σ1越大,高斯差滤波得到的第二图层信息中属于高频的噪声越小,由于原始图像中的一些纹理细节同样属于高频信息,因此,如果滤波参数σ1选取的太大,进行高斯差滤波得到的第二图层信息中可能无法包括与原始图像的纹理细节对应的信息。同时滤波参数σ2与滤波参数σ1的比值越大,最后得到的图像的halo效应越严重。基于此,应该适当选取滤波参数σ2与滤波参数σ1的比例关系。由此可见,通过调整两个滤波参数的比值可以用来实现高斯差滤波处理得到的第二图层信息中纹理细节信息与高频噪声信息的权衡。经过大量实验表明滤波参数σ2与滤波参数σ1的比值固定在2左右,有利于提高最终的锐化效果。但是,根据原始图像信息以及所需的图像锐化效果的不同,滤波参数σ2与滤波参数σ1的比值可以进行适应性调整。
其中,高斯差滤波得到的第二图层信息中,图像边缘处的一维灰度剖面与图1中曲线c1类似。
步骤102、将原始图像信息和第一图层信息相减,获得第三图层信息。
在经过对原始图像信息进行双边滤波处理得到第一图层信息后,图像锐化设备用原始图像信息减去第一图层信息,获得第三图层信息。其中,第三图层信息包括原始图像信息中与原始图像中的纹理细节对应的高频信息,另外,由于第一图层信息中与原始图像中的黑白过渡边缘对应的高频信息的取值不同,所以第三图层信息中也会包括由原始图像信息与黑白过渡边缘对应的高频信息和第一图层信息中与黑白过渡边缘对应的高频信息相减后得到的与黑白过渡边缘对应的高频信息。第三图像信息中对应的黑白过渡边缘的一维灰度剖面如图2B中的曲线c2所示。与图1中的曲线c1相比可见,第三图层信息在图像黑白过渡边缘提取得到的信息的一维灰度剖面和图1中曲线c1是不同的。
步骤103、将第二图层信息和第三图层信息进行融合叠加处理,获得第四图层信息。
在获得第二图层信息和第三图层信息后,图像锐化设备将两个图层信息进行融合叠加,这样可以得到halo效应轻、噪声小的理想细节图层。
步骤103的一种可选实施方式包括:
步骤1031、根据第三图层信息、原始图像信息和第二图层信息中对应像素位置的像素值,确定原始图像信息中的黑白交界处像素位置。
所述黑白交界处像素位置主要是指原始图像中容易产生halo效应的高对比度边缘区域,也就是灰度变化明显的区域,例如类似黑白交界的边缘区域。由于第二图层信息和第三图层信息在图像边缘处的一维灰度剖面图是相反的,因此可以利用这个信息定位出原始图像中的黑白交界处像素位置。
步骤1031的一种可选实施方式为:将第三图层信息、原始图像信息和第二图层信息中对应像素位置的像素值进行比较,如果第三图层信息、原始图像信息和第二图层信息中对应像素位置的像素值依次增大,将依次增大的像素值对应的像素位置作为原始图像信息中的黑白交界处像素位置。也就是说,如果某个像素位置的像素值满足公式(1),则判定该像素位置为黑白交界处像素位置。
Y_bilateral>Y_original>Y_DOG(1)
其中,Y_bilateral、Y_original、Y_DOG分别为第三图层信息、原始图像信息和第二图层信息中某个像素位置的像素值(对亮度分量来说,该像素值即为灰度值)。
步骤1031的另一种可选实施方式为:将第三图层信息、原始图像信息和第二图层信息中对应像素位置的像素值进行比较,如果第三图层信息、原始图像信息和第二图层信息中对应像素位置的像素值依次减小,将依次减小的像素值对应的像素位置作为原始图像信息中的黑白交界处像素位置。也就是说,如果某个像素位置的像素值满足公式(2),则判定该像素位置为黑白交界处像素位置。
Y_bilateral<Y_original<Y_DOG(2)
步骤1032、将第三图层信息中黑白交界处像素位置对应的像素值乘以预设第一权重系数,获得处理后的第三图层信息,将第二图层信息中黑白交界处像素位置对应的像素值乘以预设第二权重系数,获得处理后的第二图层信息,将处理后的第三图层信息和处理后的第二图层信息相加,获得第四图层信息。
在获得黑白交界处像素位置后,图像锐化设备对这些黑白交界处像素位置做特殊处理,以减轻甚至消除在锐化后的图像中的黑白交界处像素位置处出现的halo效应。具体的,图像锐化设备将第三图层信息中黑白交界处像素位置对应的像素值乘以预设第一权重系数,获得处理后的第三图层信息,将第二图层信息中黑白交界处像素位置对应的像素值乘以预设第二权重系数,获得处理后的第二图层信息。其中,第一权重系数和第二权重系数是预设的,但是与图像锐化效果相关。如果第一权重系数偏大,则图像锐化效果中纹理细节等高频信息较多,同时噪声会增大;如果第二权重系数偏大,则图像锐化结果中纹理细节等高频信息较少。通过合理设置第一权重系数和第二权重系数可以使图像锐化效果较佳。优选的,第一权重系数和第二权重系数可以分别设置为1.5和1.8,但不限于此。
在获得处理后的第三图层信息和处理后的第二图层信息后,图像锐化设备将处理后的第三图层信息和处理后的第二图层信息进行相加,得到第四图层信息。在该过程中,处理后的第二图层信息和处理后的第三图层信息中黑白交界处像素位置对应的像素值因为分别相乘了不同的权重系数,可以使第四图层信息中这些黑白交界处像素位置对应的像素值得到最佳调整,这些黑白交界处像素位置对应的像素值之间对比度便会处于较理想值。
步骤104、将原始图像信息和第四图层信息进行相加,获得处理后的图像信息。
从频率域来看,图像模糊的实质是因为其高频分量被衰减,因此可以提取高频信息然后叠加到原始图像信息中,使图像清晰。
本实施例通过上述步骤101-步骤103的操作得到的第四图层信息主要包括原始图像信息中的高频信息,并且减轻或消除了这些高频信息带来的halo效应。基于此,图像锐化设备将原始图像信息与第四图层信息相加,即将从原始图像信息中提取的经过处理后的高频信息叠加到原始图像信息中,得到处理后的图像信息,使用处理后的图像信息显示出的图像更加清晰,并且降低了图像锐化带来的halo效应,提高了图像锐化效果。
进一步,由于现有技术中使用拉普拉斯算子对原始图像信息进行处理,由于拉普拉斯算子相当于一个高通滤波器,在提取原始图像的边缘与轮廓这些高频信息的时候,不可避免的会提取出一部分同样作为图像里面高频信息的噪声,当使用拉普拉斯算子处理后得到的图像叠加到原始图像后噪声便被放大了,就会严重的影响了人的主观感觉。而在本实施例提供的图像锐化方法中,使用高斯差滤波,高斯差滤波是两个滤波参数不同的高斯滤波的差值,属于带通滤波器,通过灵活控制两个滤波参数,可以使高斯差滤波后图像中的噪声得到良好的抑制。
由上述可见,本实施例将双边滤波与高斯差滤波较好的融合进行图像锐化,不仅可以减轻甚至消除图像高对比度边缘的halo效应,而且可以对最终锐化图像的噪声进行抑制,达到更好的图像锐化效果。
图3为本发明另一实施例提供的图像锐化方法的流程图。如图3所示,本实施例的方法包括:
步骤300、获取输入图像的亮度信息作为原始图像信息。
本实施例的执行主体可以是图像锐化设备,具体可以是各种具有图像处理能力的设备,例如服务器、个人计算机、大型计算机等。所述输入图像是指输入图像锐化设备中的图像,以当前时刻为基准,所述输入图像包括当前输入的像素值和当前输入的像素值邻域中的像素值。所述邻域的范围视实际应用而定,例如可以是1分钟内输入的像素点构成的范围,也可以是3分钟内输入的像素点构成的范围等。
由于人眼对亮度的敏感度要高于色度,所以在做图像锐化的时候,主要是对输入图像中的亮度分量进行处理。因此,本实施例中的原始图像信息更多的是指输入图像中的亮度分量。具体的,图像锐化设备需要先从输入图像中获取亮度分量作为原始图像信息。其中,获取亮度分量的操作可使用现有技术中任何一种进行亮度分量提取的方法,在此不再赘述。
步骤300为一可选步骤。
步骤301、对原始图像信息分别进行双边滤波处理和高斯差滤波处理,获得第一图层信息和第二图层信息。
步骤302、将原始图像信息和第一图层信息相减,获得第三图层信息;
步骤303、将第二图层信息和第三图层信息进行融合叠加处理,获得第四图层信息。
步骤304、将原始图像信息和第四图层信息进行相加,获得处理后的图像信息。
上述步骤301-步骤304可参见图2A中步骤101-步骤104的描述,在此不再赘述。
步骤305、根据上述处理后的图像信息的显示效果,调整第一权重系数和第二权重系数。
其中,第一权重系数和第二权重系数的取值与图像锐化效果相关。如果第一权重系数偏大,则图像锐化效果中的高频信息偏多,同时噪声会增大;如果第二权重系数偏大,则图像锐化结果中的高频信息变少,同时“光晕”现象变强。为了使得第一权重系数和第二权重系数的取值更加合理,为了进一步提高后续图像锐化的效果,本实施例在获得处理后的图像信息后,可以根据处理后的图像信息进行图像显示,然后根据处理后的图像信息的显示效果,调整第一权重系数和第二权重系数。
具体的,如果处理后的图像信息的显示效果为“光晕”明显,而纹理细节等高频信息不够清楚,则增大第一权重系数,减小第二权重系数。其中,光晕明显主要是指图像中的黑白边界不清晰,例如黑边处出现了白线,或者白边处出现了黑线等。
如果处理后的图像信息的显示效果为噪声放大严重,则减小第一权重系数,增大第二权重系数。噪声放大严重主要是指图像中出现不需要的信息。
由此可见,本实施例通过根据图像锐化的效果对第一权重系数和第二权重系数进行调整,在后续图像锐化过程中使用调整后的第一权重系数和第二权重系数对黑白交界处像素位置的像素值进行处理,使最终的图像锐化效果更好,使得显示出的图像更佳符合人的主观感觉。
在此说明,本发明各实施例中进行双边滤波和高斯差滤波使用的滤波器的窗口可以是但不限于5乘5,这在资源使用以及算法复杂度方面都处于可接受范围,同时图像锐化效果良好。另外,如果加大两个滤波器的窗口,例如达到17乘17甚至更大,在保证图像锐化效果的同时还具有一定的图像对比度增强的效果,使得图像中暗的场景更暗,亮的场景更亮,这也是人眼喜好的图像特性,使整体感觉图像的清晰度、对比度等得到很好的提升。
图4为本发明一实施例提供的图像锐化设备的结构示意图。如图4所示,本实施例的设备包括:第一滤波模块41、第二滤波模块42、第一处理模块43、第二处理模块44和第三处理模块45。
其中,第一滤波模块41,用于对原始图像信息进行双边滤波处理,获得第一图层信息。第二滤波模块42,用于对原始图像进行高斯差滤波处理,获得第二图层信息。第一处理模块43,与第一滤波模块41连接,用于将原始图像信息和第一滤波模块41获得的第一图层信息相减,获得第三图层信息。第二处理模块44,与第二滤波模块42和第一处理模块43连接,用于将第二滤波模块42获得的第二图层信息和第一处理模块43获得的第三图层信息进行融合叠加处理,获得第四图层信息。第三处理模块45,与第二处理模块44连接,用于将原始图像信息和第二处理模块44获得的第四图层信息进行相加,获得处理后的图像信息。
本实施例提供的图像锐化设备可以是各种具有图像处理能力的设备,例如服务器、个人计算机、大型计算机等。
本实施例提供的图像锐化设备的各功能模块可用于执行图2A所示图像锐化方法的流程,其具体工作原理不再赘述,详见方法实施例的描述。
本实施例的图像锐化设备,通过对原始图像信息进行双边滤波处理,并用原始图像信息减去双边滤波处理得到的第一图层信息,获得第三图层信息,另外对原始图像信息进行高斯差滤波处理获得第二图层信息,利用第三图层信息和第二图层信息在高对比度边缘位置的不同表现,将第三图层信息和第二图层信息进行融合叠加,然后再将融合叠加得到的第四图层信息与原始图像信息进行相加,得到处理后的图像信息,实现了图像锐化,充分利用了双边滤波和高斯差滤波的特点,很好的融合了二者各自的有益效果,达到了减轻甚至消除图像锐化带来的halo效应,提高了图像锐化的效果。
另外,本实施例的图像锐化设备使用高斯差滤波,高斯差滤波是两个滤波参数不同的高斯滤波的差值,属于带通滤波器,通过灵活控制两个滤波参数,可以使高斯差滤波后图像信息中的噪声得到良好的抑制。
图5为本发明另一实施例提供的图像锐化设备的结构示意图。本实施例基于图4所示实施例实现。如图5所示,本实施例的设备除了包括:第一滤波模块41、第二滤波模块42、第一处理模块43、第二处理模块44和第三处理模块45之外,还包括:获取模块46。
其中,获取模块46,用于获取输入图像的亮度信息作为所述原始图像信息。可选的,获取模块46与第一滤波模块41、第二滤波模块42、第一处理模块43和第三处理模块45连接,用于向第一滤波模块41、第二滤波模块42、第一处理模块43和第三处理模块45提供所述原始图像信息。
进一步,本实施例的第二处理模块44包括:确定单元441和处理单元442。
其中,确定单元441,与第二滤波模块42和第一处理模块43连接,用于根据第一处理模块43获得的第三图层信息、原始图像信息和第二滤波模块42获得的第二图层信息中对应像素位置的像素值,确定原始图像信息中的黑白交界处像素位置。
处理单元442,与确定单元441、第二滤波模块42和第一处理模块43连接,用于将第一处理模块43获得的第三图层信息中由确定单元441确定出的黑白交界处像素位置对应的像素值乘以预设第一权重系数,获得处理后的第三图层信息,将第二滤波模块42获得的第二图层信息中由确定单元441确定出的黑白交界处像素位置对应的像素值乘以预设第二权重系数,获得处理后的第二图层信息,将处理后的第三图层信息和处理后的第二图层信息相加,获得第四图层信息。处理单元442还与第三处理模块45连接,向第三处理模块45提供第四图层信息。
较为优选的,确定单元44具体可用于将第三图层信息、原始图像信息和第二图层信息中对应像素位置的像素值进行比较,如果第三图层信息、原始图像信息和第二图层信息中对应像素位置的像素值依次增大或依次减小,将依次增大或依次减小的像素值对应的像素位置作为原始图像信息中的黑白交界处像素位置。
进一步,本实施例的图像锐化设备还包括:系数调整模块47。
系数调整模块47,与第三处理模块45连接,用于根据第三处理模块45获得的处理后的图像信息的显示效果,调整第一权重系数和第二权重系数。
可选的,系数调整模块47具体可用于如果处理后的图像信息的显示效果为“光晕”现象严重,纹理细节等高频信息不够清楚,则增大第一权重系数,减小第二权重系数,如果处理后的图像信息的显示效果为噪声放大严重,则减小第一权重系数,增大第二权重系数。
本实施例提供的图像锐化设备的上述功能模块或单元可用于执行上述图像锐化方法实施例中的相应流程,其具体工作原理不再赘述,详见方法实施例的描述。
本实施例的图像锐化设备,将双边滤波与高斯差滤波较好的融合进行图像锐化,不仅可以减轻甚至消除图像高对比度边缘的halo效应,而且可以对最终锐化图像的噪声进行抑制,达到更好的图像锐化效果。另外,本实施例的图像锐化设备通过根据处理后的图像信息的显示效果对第一权重系数和第二权重系数进行调整,在后续图像锐化过程中使用调整后的第一权重系数和第二权重系数对黑白交界处像素位置的像素值进行处理,使最终的图像锐化效果更好,使得显示出的图像更佳符合人的主观感觉。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种图像锐化方法,其特征在于,包括:
对原始图像信息进行双边滤波处理获得第一图层信息,并对所述原始图像信息进行高斯差滤波处理获得第二图层信息;
将所述原始图像信息和所述第一图层信息相减,获得第三图层信息;
将所述第二图层信息和所述第三图层信息进行融合叠加处理,获得第四图层信息;
将所述原始图像信息和所述第四图层信息进行相加,获得处理后的图像信息;
其中,所述将所述第二图层信息和所述第三图层信息进行融合叠加处理,获得第四图层信息包括:
根据所述第三图层信息、所述原始图像信息和所述第二图层信息中对应像素位置的像素值,确定所述原始图像信息中的黑白交界处像素位置;
将所述第三图层信息中所述黑白交界处像素位置对应的像素值乘以预设第一权重系数,获得处理后的第三图层信息,将所述第二图层信息中所述黑白交界处像素位置对应的像素值乘以预设第二权重系数,获得处理后的第二图层信息,将所述处理后的第三图层信息和所述处理后的第二图层信息相加,获得所述第四图层信息。
2.根据权利要求1所述的图像锐化方法,其特征在于,所述对原始图像信息进行双边滤波处理获得第一图层信息,并对所述原始图像信息进行高斯差滤波处理获得第二图层信息之前包括:
获取输入图像的亮度信息作为所述原始图像信息。
3.根据权利要求1所述的图像锐化方法,其特征在于,所述根据所述第三图层信息、所述原始图像信息和所述第二图层信息中对应像素位置的像素值,确定所述原始图像信息中的黑白交界处像素位置包括:
将所述第三图层信息、所述原始图像信息和所述第二图层信息中对应像素位置的像素值进行比较;
如果所述第三图层信息、所述原始图像信息和所述第二图层信息中对应像素位置的像素值依次增大或依次减小,将所述依次增大或依次减小的像素值对应的像素位置作为所述原始图像信息中的所述黑白交界处像素位置。
4.根据权利要求1所述的图像锐化方法,其特征在于,所述将所述原始图像信息和所述第四图层信息进行相加,获得处理后的图像信息之后包括:
根据所述处理后的图像信息的显示效果,调整所述第一权重系数和所述第二权重系数。
5.一种图像锐化设备,其特征在于,包括:
第一滤波模块,用于对原始图像信息进行双边滤波处理,获得第一图层信息;
第二滤波模块,用于对所述原始图像进行高斯差滤波处理,获得第二图层信息;
第一处理模块,用于将所述原始图像信息和所述第一图层信息相减,获得第三图层信息;
第二处理模块,用于将所述第二图层信息和所述第三图层信息进行融合叠加处理,获得第四图层信息;
第三处理模块,用于将所述原始图像信息和所述第四图层信息进行相加,获得处理后的图像信息;
其中,所述第二处理模块包括:
确定单元,用于根据所述第三图层信息、所述原始图像信息和所述第二图层信息中对应像素位置的像素值,确定所述原始图像信息中的黑白交界处像素位置;
处理单元,用于将所述第三图层信息中所述黑白交界处像素位置对应的像素值乘以预设第一权重系数,获得处理后的第三图层信息,将所述第二图层信息中所述黑白交界处像素位置对应的像素值乘以预设第二权重系数,获得处理后的第二图层信息,将所述处理后的第三图层信息和所述处理后的第二图层信息相加,获得所述第四图层信息。
6.根据权利要求5所述的图像锐化设备,其特征在于,还包括:
获取模块,用于获取输入图像的亮度信息作为所述原始图像信息。
7.根据权利要求5所述的图像锐化设备,其特征在于,所述确定单元具体用于将所述第三图层信息、所述原始图像信息和所述第二图层信息中对应像素位置的像素值进行比较,如果所述第三图层信息、所述原始图像信息和所述第二图层信息中对应像素位置的像素值依次增大或依次减小,将所述依次增大或依次减小的像素值对应的像素位置作为所述原始图像信息中的所述黑白交界处像素位置。
8.根据权利要求5所述的图像锐化设备,其特征在于,还包括:
系数调整模块,用于根据所述处理后的图像信息的显示效果,调整所述第一权重系数和所述第二权重系数。
CN201210222872.3A 2012-06-30 2012-06-30 图像锐化方法及设备 Active CN103514583B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201210222872.3A CN103514583B (zh) 2012-06-30 2012-06-30 图像锐化方法及设备
US13/931,849 US9129374B2 (en) 2012-06-30 2013-06-29 Image sharpening method and device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210222872.3A CN103514583B (zh) 2012-06-30 2012-06-30 图像锐化方法及设备

Publications (2)

Publication Number Publication Date
CN103514583A CN103514583A (zh) 2014-01-15
CN103514583B true CN103514583B (zh) 2016-08-24

Family

ID=49878580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210222872.3A Active CN103514583B (zh) 2012-06-30 2012-06-30 图像锐化方法及设备

Country Status (2)

Country Link
US (1) US9129374B2 (zh)
CN (1) CN103514583B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110995549A (zh) * 2019-03-19 2020-04-10 王昆 通信组件开关控制系统

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198463B (zh) * 2013-04-07 2014-08-27 北京航空航天大学 基于整体结构和空间细节信息融合的光谱图像全色锐化方法
US20150063718A1 (en) * 2013-08-30 2015-03-05 Qualcomm Incorported Techniques for enhancing low-light images
US9479709B2 (en) * 2013-10-10 2016-10-25 Nvidia Corporation Method and apparatus for long term image exposure with image stabilization on a mobile device
TWI536319B (zh) * 2014-06-24 2016-06-01 瑞昱半導體股份有限公司 去雜訊方法以及影像系統
CN105405108B (zh) * 2015-10-28 2019-01-25 努比亚技术有限公司 图像锐化方法及移动终端
CN105898174A (zh) * 2015-12-04 2016-08-24 乐视网信息技术(北京)股份有限公司 用于提高视频清晰度的方法及设备
CN107229385B (zh) * 2016-03-26 2023-05-26 谭登峰 一种提高控制光标移动轨迹的光滑程度的方法
CN105957030B (zh) * 2016-04-26 2019-03-22 成都市晶林科技有限公司 一种应用于红外热像仪图像细节增强和噪声抑制方法
US10475215B2 (en) * 2016-09-23 2019-11-12 Carestream Health, Inc. CBCT image processing method
CN106651783B (zh) * 2016-09-29 2019-10-22 厦门美图之家科技有限公司 图像滤波方法及装置
CN108090876B (zh) * 2016-11-23 2020-09-04 北京金山云网络技术有限公司 一种图像处理方法及装置
JP2019057337A (ja) * 2017-09-19 2019-04-11 株式会社東芝 磁気ヘッド及び磁気記録再生装置
CN107742280A (zh) 2017-11-02 2018-02-27 浙江大华技术股份有限公司 一种图像锐化方法及装置
US10681344B2 (en) 2017-12-15 2020-06-09 Samsung Display Co., Ltd. System and method for mura detection on a display
US10643576B2 (en) 2017-12-15 2020-05-05 Samsung Display Co., Ltd. System and method for white spot Mura detection with improved preprocessing
US10586129B2 (en) * 2018-02-21 2020-03-10 International Business Machines Corporation Generating artificial images for use in neural networks
CN108876733B (zh) * 2018-05-30 2021-11-09 上海联影医疗科技股份有限公司 一种图像增强方法、装置、设备和存储介质
WO2020097836A1 (zh) * 2018-11-15 2020-05-22 深圳市欢太科技有限公司 图像处理方法、装置、计算机设备和存储介质
CN110246108B (zh) * 2018-11-21 2023-06-20 浙江大华技术股份有限公司 一种图像处理方法、装置及计算机可读存储介质
CN110660031B (zh) * 2019-09-19 2023-12-05 广州酷狗计算机科技有限公司 图像锐化方法及装置、存储介质
CN110942440B (zh) * 2019-12-12 2023-04-18 上海富瀚微电子股份有限公司 一种图像锐化的方法及装置
CN111429362A (zh) * 2020-02-19 2020-07-17 北京数字精准医疗科技有限公司 一种内窥镜荧光图像的血管增强方法
CN112291479B (zh) * 2020-11-23 2022-03-22 Oppo(重庆)智能科技有限公司 图像处理模组、图像处理方法、摄像头组件及移动终端
CN112651918A (zh) * 2021-01-15 2021-04-13 北京小米松果电子有限公司 图像处理方法及装置、电子设备、存储介质
CN114222074B (zh) * 2021-12-13 2024-01-12 惠州华星光电显示有限公司 拼接屏驱动方法、装置、服务器及存储介质
CN114612344B (zh) * 2022-03-29 2024-03-22 上海富瀚微电子股份有限公司 图像锐化装置及方法
CN115100077B (zh) * 2022-07-25 2022-11-04 深圳市安科讯实业有限公司 一种图像增强方法与装置
CN115586485B (zh) * 2022-09-30 2024-04-09 北京市腾河科技有限公司 信号阶跃值的提取方法及系统、电子设备、存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5038388A (en) * 1989-05-15 1991-08-06 Polaroid Corporation Method for adaptively sharpening electronic images
US6985636B1 (en) * 1998-09-03 2006-01-10 Semenchenko Michail Grigorievi Image processing method
CN101197910A (zh) * 2006-12-05 2008-06-11 广达电脑股份有限公司 图像锐化装置与其方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040136570A1 (en) * 2002-04-30 2004-07-15 Shimon Ullman Method and apparatus for image enhancement for the visually impaired
JP4586052B2 (ja) * 2007-08-08 2010-11-24 キヤノン株式会社 画像処理装置及びその制御方法
US8120679B2 (en) * 2008-08-01 2012-02-21 Nikon Corporation Image processing method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5038388A (en) * 1989-05-15 1991-08-06 Polaroid Corporation Method for adaptively sharpening electronic images
US6985636B1 (en) * 1998-09-03 2006-01-10 Semenchenko Michail Grigorievi Image processing method
CN101197910A (zh) * 2006-12-05 2008-06-11 广达电脑股份有限公司 图像锐化装置与其方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《一种基于视觉特性的仿生图像增强算法》;金小贤等;《计算机辅助设计与图形学学报》;20100331;第22卷(第3期);全文 *
《自聚焦DOG子波变换匹配滤波器》;王红霞等;《光电工程》;20060630;第33卷(第6期);全文 *
林红章等.《一种自适应双边滤波的超声图像去噪》.《江南大学学报(自然科学版)》.2010,第9卷(第2期),全文. *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110995549A (zh) * 2019-03-19 2020-04-10 王昆 通信组件开关控制系统
CN110995549B (zh) * 2019-03-19 2021-09-03 上海越安建筑安装工程有限公司 通信组件开关控制系统

Also Published As

Publication number Publication date
CN103514583A (zh) 2014-01-15
US20140010472A1 (en) 2014-01-09
US9129374B2 (en) 2015-09-08

Similar Documents

Publication Publication Date Title
CN103514583B (zh) 图像锐化方法及设备
US9495582B2 (en) Digital makeup
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
US7848591B2 (en) Image processing apparatus, image processing method, and computer product
CN111915535B (zh) 一种图像去噪的方法及装置
CN105488793B (zh) 图像显示方法以及图像处理方法
US10863206B2 (en) Content-weighted deep residual learning for video in-loop filtering
CN105260986B (zh) 一种抗模糊的图像放大方法
CN107369133A (zh) 一种人脸图像美化方法和装置
CN105046658A (zh) 一种低照度图像处理方法和装置
WO2009107197A1 (ja) 画像処理装置、画像処理方法および画像処理プログラム
CN104376542A (zh) 一种图像增强方法
US8488899B2 (en) Image processing apparatus, method and recording medium
CN109389560A (zh) 一种自适应加权滤波图像降噪方法、装置及图像处理设备
CN107979712A (zh) 一种视频降噪方法及装置
CN112258440A (zh) 图像处理方法、装置、电子设备及存储介质
CN105763747A (zh) 一种获得高质量且实时的美颜的移动终端
CN201726464U (zh) 一种新的视频图像锐化处理装置
CN113744294B (zh) 图像处理方法及相关装置
CN113450272B (zh) 一种基于正弦曲线变化的图像增强方法及其应用
CN114298935A (zh) 图像增强方法、装置及计算机可读存储介质
CN114092407A (zh) 一种视频会议共享文档清晰化处理方法和装置
KR101101434B1 (ko) 이미지 선명도 향상 장치
WO2021102704A1 (zh) 图像处理方法和装置
WO2022016326A1 (zh) 图像处理方法、电子设备和计算机可读介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant