CN103650488B - 图像处理方法、图像处理系统以及显示装置 - Google Patents

图像处理方法、图像处理系统以及显示装置 Download PDF

Info

Publication number
CN103650488B
CN103650488B CN201280032377.4A CN201280032377A CN103650488B CN 103650488 B CN103650488 B CN 103650488B CN 201280032377 A CN201280032377 A CN 201280032377A CN 103650488 B CN103650488 B CN 103650488B
Authority
CN
China
Prior art keywords
pixel
image
gray value
images
object region
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
Application number
CN201280032377.4A
Other languages
English (en)
Other versions
CN103650488A (zh
Inventor
田村辉
濱田俊树
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.)
Semiconductor Energy Laboratory Co Ltd
Original Assignee
Semiconductor Energy Laboratory 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 Semiconductor Energy Laboratory Co Ltd filed Critical Semiconductor Energy Laboratory Co Ltd
Publication of CN103650488A publication Critical patent/CN103650488A/zh
Application granted granted Critical
Publication of CN103650488B publication Critical patent/CN103650488B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • 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
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N2213/00—Details of stereoscopic systems
    • H04N2213/006—Pseudo-stereoscopic systems, i.e. systems wherein a stereoscopic effect is obtained without sending different images to the viewer's eyes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Color Image Communication Systems (AREA)

Abstract

提供一种图像处理方法，该图像处理方法包括将对象图像区分为对象物区域和背景区域的步骤、算出对象物区域的平均颜色的灰度的步骤、通过使用平均颜色的灰度算出对象物区域的反色的灰度的步骤、以及通过使用对象图像的反色的灰度和背景区域的灰度算出处理图像的背景区域的灰度。

Description

图像处理方法、图像处理系统以及显示装置
技术领域
本发明涉及一种图像处理方法及一种图像处理系统。
背景技术
从大型显示装置如电视接收机到小型显示装置如移动电话的范围中的各种各样显示装置已在市场上普及。高附加价值的产品被要求且得到开发。近年来，为了显示更具有真实感的图像，已开发出能够显示立体图像的显示装置。
人将物体识别为立体物体时的生理因素是双眼视差、辐辏、焦点调节、运动视差、物体大小、空间配置、对比度或阴影等。
显示装置大多采用利用双眼视差的方法作为三维立体图像的显示方法。作为利用双眼视差的方式，例如，有使用用来分离左眼所观察的图像和右眼所观察的图像的专用眼镜的方式。此外，作为不使用专用眼镜的方式，有对显示部追加用来分离左眼所观察的图像和右眼所观察的图像的机构(例如，视差屏障、双凸透镜、或微透镜阵列)并且能够使裸眼观察到立体图像的方式(例如，专利文献1)。
[参考文献]
专利文献1日本专利申请公开第2005-258013号
发明内容
上述显示方式需要对显示部追加机构(例如，视差屏障)或需要专用眼镜，这导致显示装置的制造成本或耗电量的增加。
从上述观点来看，本发明的一个方式的目的是提供一种提高全彩色的二维图像的立体效应或深度效应的简便图像处理方法。或者，本发明的一个方式的目的是提供一种提高全彩色的二维图像的立体效应或深度效应的图像处理系统，而不使用特别的机构。
当图像的对象物和背景之间的色调的差异小时，人识别该图像作为平面图像。与此相反，当图像的对象物和背景之间的色调的差异大时，人识别该图像作为有立体效应或深度效应的图像。
注意，在本说明书中，图像中的要强调或要使其清晰的物象称为对象物，并且该图像中的除了对象物之外的物象称为背景。
作为将难以获得立体效应或深度效应的图像变换为容易获得立体效应或深度效应的图像的方法，想到以具有与对象物的平均颜色的色调相反(充分远离)的色调的颜色(反色、转色或补色)显示背景的方法。注意，在本说明书中，对象物的平均颜色(也称为对象物区域的平均颜色)是包含在对象物区域的所有像素的平均颜色。
注意，在本说明书中，对象图像中的构成对象物的多个像素(像素群)被称为对象物区域，并且，对象图像中的构成背景的多个像素(像素群)被称为背景区域。
换言之，本发明的一个方式是一种图像处理方法，包括如下步骤：将构成对象图像的所有像素区分为对象物区域和背景区域的第一步骤；算出该对象物区域的平均颜色并根据该平均颜色算出反色的第二步骤；以及对包含在背景区域中的所有像素以一定比例提供该反色的第三步骤。
本发明的一个方式是一种图像处理方法，包括如下步骤：使用RGB彩色模型将构成由(N+1)灰度表示的对象图像的所有像素区分为对象物区域和背景区域的第一步骤；根据包含在该对象物区域中的所有像素的颜色算出平均颜色(R1，G1，B1)，并根据该平均颜色(R1，G1，B1)算出由(N-R1，N-G1，N-B1)表示的反色(R2，G2，B2)的第二步骤；以及对包含在该背景区域中的像素(x，y)的颜色(Rxy，Gxy，Bxy)以一定比例提供该反色(R2，G2，B2)，并算出包含在处理图像的背景区域中的像素(x，y)的颜色(R′xy，G′xy，B′xy)的第三步骤。该第三步骤由算式(1)表示。
(R′xy，G′xy，B′xy)＝(kRxy+(1-k)R2，kGxy+(1-k)G2，kBxy+(1-k)B2)
其中0＜k＜1(1)
注意，在本说明书中，通过对对象图像进行根据本发明的一个方式的图像处理而得到的图像被称为处理图像。
在上述图像处理方法中，算式(1)中的k优选为0.2至0.8，因为该图像处理的效应提高。
在上述图像处理方法中，在该第三步骤之后，优选进行珈马校正、对比度强调、锐化或轮廓强调作为第四步骤。
通过上述第四步骤，可以使处理图像中的对象物更清晰或更被强调。
本发明的一个方式是一种包括通过上述图像处理方法形成处理图像的处理部的图像处理系统。该图像处理系统可以还包括显示该处理图像的显示部。该图像处理系统可以还包括储存该处理图像的存储部。
能够提供一种提高全彩色的二维图像的立体效应或深度效应的简便的图像处理方法。或者，能够提供一种提高全彩色的二维图像的立体效应或深度效应的图像处理系统，而不使用特别的机构。
附图说明
在附图中：
图1示出根据本发明的一个方式的图像处理系统；
图2A及2B示出根据本发明的一个方式的图像处理方法；
图3示出根据本发明的一个方式的图像处理方法；
图4A至4D都示出用于根据本发明的一个方式的图像处理方法的图像；
图5示出根据本发明的一个方式的图像处理方法；
图6A及6B示出根据本发明的一个方式的图像处理方法；
图7A-1至7D-2示出实施例1；并且
图8A至8C示出实施例1。
具体实施方式
参照附图对实施方式及实施例进行详细说明。注意，本发明不局限于以下说明。所属技术领域的普通技术人员很容易地理解本发明的方式及详细内容在不脱离本发明的宗旨及其范围的情况下可以被变换为各种各样的形式。因此，本发明不应该被解释为仅局限在以下所示的实施方式及实施例的记载中。注意，在下面说明的发明结构中，在不同的附图中通过相同的附图标记来表示相同的部分或具有相同功能的部分，而不反复其说明。
实施方式1
在本实施方式中，参照图1、图2A和2B、图3、图4A至4D以及图6A说明根据本发明的一个方式的图像处理方法及图像处理系统。
根据本发明的一个方式的图像处理系统包括通过根据本发明的一个方式的图像处理方法能够形成处理图像的处理部。根据本发明的一个方式的图像处理系统的例子包括如下显示装置以及如下存储装置，所述显示装置包括该处理部及显示从该处理部输出的图像数据的显示部，所述存储装置包括该处理部及储存从该处理部输出的图像数据的存储部。在本实施方式中，以图1所示的显示装置100为例子说明根据本发明的一个方式的图像处理系统。
《显示装置100》
图1所示的显示装置100包括显示部101及处理部102。
<显示部101>
显示部101具有显示从处理部102输出的图像数据的功能。显示部101显示二维图像。显示部101显示静态图像或由多个图像构成的动态图像。
例如，可以使用液晶显示装置、电致发光显示装置、等离子体显示器等作为显示部101。显示部101包括具有多个像素120的像素部121、扫描线驱动电路122及信号线驱动电路123等。
像素部121包括配置为矩阵状的像素120。各像素120与扫描线125及信号线126电连接。由此，各像素120与扫描线驱动电路122及信号线驱动电路123电连接。
各像素120的颜色根据从处理部102输入的图像数据而决定。用来选择进行显示的像素120的信号从扫描线驱动电路122输入扫描线125，并且图像数据从信号线驱动电路123输入信号线126。被选择的像素120进行显示。
<处理部102>
处理部102具有从读取的对象图像中抽出对象物并区分为由构成对象物的像素群构成的对象物区域和由其他像素群构成的背景区域的功能。处理部102还具有对背景区域所包含的像素进行图像处理而形成处理图像的功能。
处理部102包括运算处理部111、数据存储部112、控制部113、输入侧接口部114以及输出侧接口部115等。
运算处理部111进行各种运算处理如图像数据的运算处理。例如，运算处理部111包括中央处理器(CentralProcessingUnit：CPU)、用来进行图像处理的运算电路等。
数据存储部112包括储存用来在处理部102中进行图像处理的数据的各种存储电路。例如，数据存储部112包括只读存储器(ReadOnlyMemory：ROM)，该只读存储器储存当运算处理部111进行运算处理时使用的计算机程序、用于图像处理的滤波器的数据、以及查找表等；储存运算处理部111所算出的运算结果的随机存取存储器(RandomAccessMemory：RAM)；储存输入到处理部102的图像数据的存储电路；等等。
控制部113包括用来控制包含在处理部102中的电路的电路。例如，控制部113包括控制对数据存储部112的数据的写入的写入控制电路以及控制该数据的读出的读出控制电路等。
输入侧接口部114与外部设备进行信号的交换，以从连接到处理部102的外部设备提取数据10(例如，图像数据)并将该数据10供应给处理部102。该外部设备只要是能够输出图像数据的设备即可。例如，可以使用影像拍摄装置如照相机或再现储存在硬盘、DVD等的存储介质中的图像数据的图像再现装置。
为了在处理部102中处理图像数据，该图像数据需要是数字数据。例如，当需要在处理部102中处理模拟数据的图像数据时，输入侧接口部114设置有模拟-数字转换器(A/D转换器)即可。
输出侧接口部115与显示部101进行信号的交换，以对显示部101输出图像数据11。
例如，为了对显示部101输出模拟图像信号，输出侧接口部115可以设置有数字-模拟转换器(D/A转换器)。
《图像处理方法》
说明根据本发明的一个方式的图像处理方法。图2A及2B、图3和图6A是在图1所示的处理部102中执行的图像处理方法的流程图。
本实施方式中的图像处理方法包括如下步骤：将构成对象图像的所有像素区分为对象物区域和背景区域的第一步骤(图2A中的步骤A1)；算出该对象物区域的平均颜色并根据该平均颜色算出反色的第二步骤(图2A中的步骤A2)；以及对包含在该背景区域中的所有像素以一定比例提供该反色的第三步骤(图2A中的步骤A3)。
受到根据本发明的一个方式的图像处理的处理图像的对象物颜色和背景颜色的色调与对象图像远离；因此，当观察者看到该处理图像时，观察者能够在对象物和背景中得到远近感。换言之，该处理图像具有比对象图像更高的立体效应或深度效应。
<第一步骤A1：区分为对象物区域和背景区域>
首先，将对象图像的像素区分为对象物区域和背景区域。对于将对象图像的像素区分为对象物区域和背景区域的方法没有特别的限制。
在本发明的一个方式中，求得包括背景的一部分的图像(称为比较图像)与由对象物及背景构成的全彩色二维对象图像之间的差异，将该差异等于或大于阈值(或大于阈值)的区域定义为对象物区域，将该差异低于阈值(或等于或低于阈值)的区域定义为背景区域。该阈值只要是能够区分对象物区域和背景区域的值即可。进行图像处理的人可以使用该人判断为适合于区分对象物区域和背景区域的值作为阈值。
具体而言，对象图像可以是静态图像如照片或者从构成动态图像的多个帧图像中选择的图像。
作为比较图像，可以使用以与对象图像相同或大致相同的焦点拍摄但与对象图像不同的图像。在使用多个比较图像的情况下，包含在对象图像中的对象物也可以包含在比较图像中。因此，在对象图像是构成动态图像的多个帧图像中之一而不是静态图像如照片的情况下，比较图像可以为该多个帧图像中之一的上一个或下一个图像。
接着，具体地说明对象图像和比较图像之间的差异的计算方法。
参照图3说明本实施方式的第一步骤A1的详细内容(步骤B1至步骤B6)。
[步骤B1：对象图像及比较图像的读取]
在步骤B1中，在处理部102中读取对象图像及比较图像。读取的对象图像及比较图像的数据被写入到数据存储部112中。对象图像及比较图像都可以从外部设备输入处理部102。此外，预先储存在数据存储部112中的图像可以被用作比较图像。
在本实施方式中，静态图像用作对象图像及比较图像。本实施方式中的对象图像(图4A)是由对象物和背景构成的图像，并且，比较图像(图4B)是仅由该背景构成的图像(以与对象图像相同的焦点取得的只含有背景的图像，即，不包括对象物的图像)。
另外，在实施方式2中详细地说明从构成动态图像的多个帧图像中选择对象图像及比较图像的例子。
[步骤B2：总计值及处理计数值的复位]
在后面的步骤中，算出对象图像中的对象物区域的所有像素的R、G、B的灰度值的总和作为Sum(R)、Sum(G)、Sum(B)。此外，算出对象物区域中的像素的总数作为处理计数值counter。在此，当各Sum(R)、Sum(G)、Sum(B)及处理计数值counter不是0时，将它们设定为0。当各Sum(R)、Sum(G)、Sum(B)及处理计数值counter是0时，可以省略该步骤。另外，步骤B2可以在步骤B1之前进行。
[步骤B3：像素(x，y)是否是对象物区域中的像素？]
在步骤B3中，决定比较图像中的像素(x，y)的颜色要素的灰度值和对象图像中的像素(x，y)的颜色要素的灰度值之间的差异的绝对值是否等于或大于阈值。参照图6A说明步骤B3的详细内容(步骤B3-1至B3-3)。
像素(x，y)的数据包括用来特定一个颜色的数据。当显示部101具有由R(红)、G(绿)、B(蓝)的三种颜色要素表现一个颜色的结构时，图像数据的最小单位的像素(x，y)的数据包括R、G、B的灰度值。另外，R、G、B之外的颜色可以被用作颜色要素。例如，可以使用黄色(yellow)、青色(cyan)、品红色(magenta)。
在本实施方式中，像素(x，y)的数据包括R、G、B的三个颜色(颜色要素)的灰度值。
另外，为了更准确地从对象图像抽出对象物区域，可以在对对象图像或/及比较图像进行图像处理之后形成掩模图像。这种图像处理的例子包括平均化处理、使用水平方向的线形一次微分滤波器的滤波器处理、边缘检测处理以及使用中值滤波器的噪声去除处理等。
[步骤B3-1：ΔR(x，y)、ΔG(x，y)、ΔB(x，y)的计算]
在步骤B3中，首先算出三个差异值ΔR(x，y)、ΔG(x，y)、ΔB(x，y)。在此，差异值ΔR(x，y)是比较图像中的像素(x，y)的R的灰度值和对象图像中的像素(x，y)的R的灰度值之间的差异的绝对值；差异值ΔG(x，y)是比较图像中的像素(x，y)的G的灰度值和对象图像中的像素(x，y)的G的灰度值之间的差异的绝对值；并且差异值ΔB(x，y)是比较图像中的像素(x，y)的B的灰度值和对象图像中的像素(x，y)的B的灰度值之间的差异的绝对值。
[步骤B3-2：αR(x，y)、αG(x，y)、αB(x，y)的决定]
接着，分别决定差异值ΔR(x，y)、ΔG(x，y)、ΔB(x，y)是否等于或大于阈值Rth、Gth、Bth。
当差异值等于或大于阈值时，将灰度判定值设定为1，当差异值小于阈值时，将灰度判定值设定为0。换言之，当ΔR(x，y)≥Rth时，将红色的灰度判定值αR(x，y)设定为1，并且当ΔR(x，y)＜Rth时，将红色的灰度判定值αR(x，y)设定为0。这可同样地应用于绿色、蓝色的灰度判定值。根据差异值ΔG(x，y)、ΔB(x，y)是等于或大于阈值Gth、Bth还是小于Gth、Bth而将灰度判定值αG(x，y)、αB(x，y)设定为1或0。
在此，使用两个图像(对象图像和比较图像)的颜色要素的灰度值的变化量决定像素(x，y)是否是对象物区域中的像素。阈值Rth、Gth、Bth是用来决定像素(x，y)是包括在对象物区域中还是包括在背景区域中的灰度值的变化量的阈值。可以独立地决定阈值Rth、Gth、Bth。
[步骤B3-3：差异判定值D(x，y)的决定]
接着，判断R、G、B的灰度判定值的总和是否等于或大于2。当αR(x，y)+αG(x，y)+αB(x，y)≥2时，将像素(x，y)的差异判定值D(x，y)设定为1，并且当αR(x，y)+αG(x，y)+αB(x，y)＜2时，将差异判定值D(x，y)设定为0。
在此，差异判定值D(x，y)根据R、G、B的灰度判定值的总和是否等于或大于2而决定；但是，差异判定值D(x，y)可以根据R、G、B的灰度判定值的总和是否等于或大于1或者R、G、B的灰度判定值的总和是否等于3而决定。
[步骤B4-1：对象图像中的像素(x，y)为对象物区域中的像素的情况]
当在步骤B3中差异判定值D(x，y)为1时，该对象图像中的像素(x，y)为对象物区域中的像素。此外，掩模图像中的像素(x，y)显示白色(步骤B4-1a)。
再者，当在步骤B3中差异判定值D(x，y)为1时，对Sum(R)、Sum(G)、Sum(B)加上对象图像中的像素(x，y)的R、G、B的灰度值，并且对处理计数值counter加上1(步骤B4-1b)。通过步骤B4-1b，在步骤B6中可以算出对象物区域的反色。
[步骤B4-2：对象图像中的像素(x，y)为背景区域中的像素的情况]
当在步骤B3中差异判定值D(x，y)为0时，该对象图像中的像素(x，y)为背景区域中的像素。此外，掩模图像中的像素(x，y)显示黑色。
[步骤B5：是否已经决定所有像素的灰度值的差异？]
直到算出对象图像中的所有像素的颜色要素的灰度值与比较图像中的像素的颜色要素的灰度值之间的差异的绝对值并决定该差异的绝对值是否等于或大于阈值为止，反复执行步骤B3至B5。
[步骤B6：掩模图像的形成]
通过决定所有像素的掩模图像的颜色(黑色或白色)，形成图4C所示的掩模图像。图4C所示的掩模图像是由对象物区域(白色显示区域)和背景区域(黑色显示区域)构成的二值图像。通过形成图4C所示的掩模图像，对象图像被区分为对象物区域和背景区域。另外，可以在步骤B6之前进行步骤A2。
通过上述步骤B1至B6，第一步骤A1结束。
<第二步骤A2：对象物区域的平均颜色及反色的计算>
接着，算出对象物区域的平均颜色及反色。
在第二步骤A2中，通过算出在第一步骤A1中被区分为对象物区域的所有像素的平均颜色，来算出对象物区域的平均颜色，并且，根据该平均颜色算出对象物区域的反色。
(平均颜色)
通过进行步骤B4-1b的处理，算出对象图像中的对象物区域的所有像素的R、G、B的灰度值的总和作为Sum(R)、Sum(G)、Sum(B)。此外，算出对象物区域中的像素的总数作为处理计数值counter。在步骤A2中，通过用处理计数值counter除Sum(R)、Sum(G)、Sum(B)，算出包含在对象图像中的对象物区域中的所有像素的平均颜色。在此，将对象物区域中的像素的(N+1)灰度中的R、G、B的平均灰度值分别表示为R1、G1、B1，并且，将平均颜色表示为(R1，G1，B1)。
另外，平均颜色可以是包含在对象图像中的对象物区域中的所有像素的R、G、B的灰度值的中值。下面说明该中值的计算方法。
首先，在步骤B4-1b中，储存对象物区域的所有像素的R、G、B的灰度值，并且算出包含在对象物区域中的像素的总数作为处理计数值counter。然后，在步骤A2中，算出处理计数值counter的一半的值M。此外，以升序或降序排列R、G、B的灰度值，并将第M的R、G、B的灰度值分别定义为R1、G1、B1。另外，当处理计数值counter为奇数时，第(M+0.5)或第(M-0.5)的值可以为对象物区域的平均颜色。或者，第(M+0.5)或第(M-0.5)的值的平均值可以为对象物区域的平均颜色。
(反色)
再者，根据对象物区域的平均颜色算出对象物区域的平均颜色的反色。平均颜色(R1，G1，B1)的反色可以由(N-R1，N-G1，N-B1)表示。该颜色被用作反色(R2，G2，B2)。
另外，如下述实施例1所说明，当在以(N+1)灰度表示的对象图像中包含在对象物区域中的所有像素的平均颜色的对象物的平均颜色(R1，G1，B1)及该对象物的平均颜色(R1，G1，B1)的反色(R2，G2，B2)满足算式(2)、(3)时，通过根据本发明的一个方式的图像处理方法，可以得到立体效应或深度效应特别高的处理图像。
Δ1-2＝|R1+G1+B1-(R2+G2+B2)|(2)
0＜Δ1-2≤2.4N(3)
<第三步骤A3：对背景区域提供反色>
接着，在第二步骤A2中算出的反色以一定比例提供给包含在背景区域中的所有像素。
具体而言，在第二步骤A2中算出的反色使用在第一步骤A1中得到的掩模图像以一定比例提供给背景区域中的像素的像素(x，y)。另外，该反色不提供给对象物区域中的像素的像素(x，y)。
参照图2B说明第三步骤A3的详细内容(步骤B7至B10)。
[步骤B7：掩模图像中的像素(x，y)是否显示黑色？]
在步骤B7中，判断掩模图像中的像素(x，y)是显示黑色还是白色。在掩模图像中的像素(x，y)显示黑色的情况下，进行步骤B8-1，在掩模图像中的像素(x，y)显示白色的情况下，进行步骤B8-2。
[步骤B8-1：掩模图像中的像素(x，y)显示黑色的情况]
在掩模图像中的像素(x，y)显示黑色的情况下(在像素(x，y)是背景区域中的像素的情况下)，处理图像中的像素(x，y)的颜色取决于对象图像中的像素(x，y)的颜色及反色。具体而言，处理图像中的背景区域中的像素(x，y)的颜色(R′xy，G′xy，B′xy)可以使用对象图像中的像素(x，y)的颜色(Rxy，Gxy，Bxy)及反色(R2，G2，B2)由算式(1)表示。
(R′xy，G′xy，B′xy)＝(kRxy+(1-k)R2，kGxy+(1-k)G2，kBxy+(1-k)B2)
其中0＜k＜1(1)
特别是，算式(1)中的k优选为0.2至0.8，因为实现图像处理的高效率化。
[步骤B8-2：掩模图像中的像素(x，y)显示白色的情况]
在掩模图像中的像素(x，y)显示白色的情况下(在像素(x，y)是对象物区域中的像素的情况下)，处理图像中的像素(x，y)的颜色是对象图像中的像素(x，y)的颜色。
[步骤B9：是否已经决定所有像素的颜色？]
直到决定处理图像中的所有像素的颜色为止反复进行步骤B7至B9。
[步骤B10：处理图像的输出]
通过决定处理图像中的所有像素的颜色，形成图4D所示的处理图像。如上所述，当对对象图像进行根据本发明的一个方式的图像处理时，可以得到处理图像。
可以对通过根据本发明的一个方式的图像处理方法得到的处理图像进一步进行图像处理。具体而言，在图2B中的步骤B10之后可以进行该图像处理。
上述图像处理的例子包括锐化处理如反锐化掩模、强调对比度的对比度转换(对比度强调)、珈马校正或轮廓强调。这种图像处理例如可以使对象物清晰或被强调。
例如，珈马校正是根据输出图像的设备的珈马值(表示图像的灰度的响应特性的数值)校正图像的灰度的处理。通过珈马校正，显示部可以显示与从处理部输出的处理图像的数据符合的图像。
对比度转换是改变颜色对比度的处理。通过相对于未进行处理的像素的灰度值改变进行处理之后的像素的灰度值的图表的斜率，来可以改变颜色对比度。为了强调对比度，该图表的斜率可以大于1。例如，在未进行处理的像素的灰度值x为0至50的情况下，通过进行处理之后的像素的灰度值y为0至100(y＝2x，图表中的斜率＝2)的处理1或进行处理之后的像素的灰度值y为0至150(y＝3x，图表中的斜率＝3)的处理2，可以增加颜色对比度。特别是，图表中的斜率越大，颜色对比度也越高(处理2使颜色对比度比处理1更大)。
通过使用根据本发明的一个方式的图像处理方法得到的处理图像的对象物颜色的色调和背景颜色的色调与对象图像相比彼此远离；因此，当观察者看到该处理图像时，观察者能够在对象物和背景中得到远近感。因此，在本发明的一个方式中，可以从对象图像得到具有比该对象图像更高的立体效应或深度效应的处理图像。
实施方式2
不同于实施方式1，在本实施方式中，参照图5及图6B说明一种包括如下步骤的图像处理方法：从构成动态图像的多个帧图像选择对象图像及比较图像并将构成对象图像的所有像素区分为对象物区域和背景区域的第一步骤；算出该对象物区域的平均颜色并根据该平均颜色算出反色的第二步骤；以及对包含在该背景区域中的所有像素以一定比例提供该反色的第三步骤。
在构成动态图像的多个帧图像中，在两个连续的帧图像中有图像变化的部分。在本实施方式中，在帧图像中，将动态变化量等于或大于阈值的部分(或者动态变化量大于阈值的图像)称为对象物，将其他部分称为背景。
在对象图像是构成动态图像的多个帧图像中之一的情况下，例如，可以使用该对象图像的上一个或下一个帧图像作为比较图像。具体而言，对象图像fa的上一个或下一个帧图像fa-1或fa+1可以为比较图像。比较图像不局限于该对象图像的上一个或下一个帧图像。因此，作为对象图像fa的比较图像，可以使用帧图像fa-j或帧图像fa+j(j是自然数)。
在本实施方式中，选择性地使用构成动态图像的多个帧图像作为对象图像及比较图像。在本实施方式中，详细地描述与实施方式1的步骤不同的步骤。具体而言，说明图2A中的第一步骤A1。
参照图5说明本实施方式中的第一步骤A1的详细内容(步骤C1至C6)。另外，第二步骤A2及第三步骤A3可以参照实施方式1。
[步骤C1：对象图像及比较图像的读取]
在步骤C1中，在处理部102读取对象图像及比较图像。读取的对象图像及比较图像的数据被写入到数据存储部112中。在本实施方式中，读取三个帧图像fa-1、fa、fa+1(读取比较图像fa-1和fa+1以及对象图像fa)。
[步骤C2：总计值及处理计数值的复位]
在此，当Sum(R)、Sum(G)、Sum(B)及处理计数值counter都不是0时，将它们设定为0。当Sum(R)、Sum(G)、Sum(B)及处理计数值counter是0时，可以省略该步骤。另外，步骤C2可以在步骤C1之前进行。
[步骤C3：像素(x，y)是否是对象物区域中的像素？]
在步骤C3中，决定比较图像fa-1中的像素(x，y)的颜色要素的灰度值和对象图像fa中的像素(x，y)的颜色要素的灰度值之间的差异的绝对值是否等于或大于阈值。并且，决定比较图像fa+1中的像素(x，y)的R、G、B和对象图像fa中的像素(x，y)的R、G、B之间的灰度值的差异的绝对值是否等于或大于阈值。参照图6B说明步骤C3的详细内容。
在本实施方式中，像素(x，y)的数据包括R、G、B的三个颜色的灰度值。
[步骤C3-1a：ΔR1(x，y)、ΔG1(x，y)、ΔB1(x，y)的计算]
根据比较图像fa-1及对象图像fa算出三个差异值ΔR1(x，y)、ΔG1(x，y)、ΔB1(x，y)。在此，差异值ΔR1(x，y)是比较图像fa-1中的像素(x，y)的R的灰度值和对象图像fa中的像素(x，y)的R的灰度值之间的差异的绝对值；差异值ΔG1(x，y)是比较图像fa-1中的像素(x，y)的G的灰度值和对象图像fa中的像素(x，y)的G的灰度值之间的差异的绝对值；并且差异值ΔB1(x，y)是比较图像fa-1中的像素(x，y)的B的灰度值和对象图像fa中的像素(x，y)的B的灰度值之间的差异的绝对值。
[步骤<3-2a：αR1(x，y)、αG1(x，y)、αB1(x，y)的决定]
接着，分别决定差异值ΔR1(x，y)、ΔG1(x，y)、ΔB1(x，y)是否等于或大于阈值Rth、Gth、Bth。
当差异值等于或大于阈值时，将灰度判定值设定为1，当差异值小于阈值时，将灰度判定值设定为0。换言之，当ΔR1(x，y)≥Rth时，将红色的灰度判定值αR1(x，y)设定为1，并且当ΔR1(x，y)＜Rth时，将红色的灰度判定值αR1(x，y)设定为0。这可同样地应用于绿色、蓝色的灰度判定值。根据差异值ΔG1(x，y)、ΔB1(x，y)是等于或大于阈值Gth、Bth还是小于Gth、Bth而将灰度判定值αG1(x，y)、αB1(x，y)设定为1或0。
[步骤C3-3a：差异判定值D1(x，y)的决定]
接着，判断R、G、B的灰度判定值的总和是否等于或大于2。当αR1(x，y)+αG1(x，y)+αB1(x，y)≥2时，将像素(x，y)的差异判定值D1(x，y)设定为1，并且当αR1(x，y)+αG1(x，y)+αB1(x，y)＜2时，将差异判定值D1(x，y)设定为0。
在此，差异判定值D1(x，y)根据R、G、B的灰度判定值的总和是否等于或大于2而决定；但是，差异判定值D1(x，y)可以根据R、G、B的灰度判定值的总和是否等于或大于1或者R、G、B的灰度判定值的总和是否等于3而决定。
[步骤C3-1b：ΔR2(x，y)、ΔG2(x，y)、ΔB2(x，y)的计算]
同样地，根据比较图像fa+1及对象图像fa算出三个差异值ΔR2(x，y)、ΔG2(x，y)、ΔB2(x，y)。在此，差异值ΔR2(x，y)是比较图像fa+1中的像素(x，y)的R的灰度值和对象图像fa中的像素(x，y)的R的灰度值之间的差异的绝对值；差异值ΔG2(x，y)是比较图像fa+1中的像素(x，y)的G的灰度值和对象图像fa中的像素(x，y)的G的灰度值之间的差异的绝对值；并且差异值ΔB2(x，y)是比较图像fa+1中的像素(x，y)的B的灰度值和对象图像fa中的像素(x，y)的B的灰度值之间的差异的绝对值。
[步骤C3-2b：αR2(x，y)、αG2(x，y)、αB2(x，y)的决定]
接着，分别决定差异值ΔR2(x，y)、ΔG2(x，y)、ΔB2(x，y)是否等于或大于阈值Rth、Gth、Bth。然后，将灰度判定值αR2(x，y)、αG2(x，y)、αB2(x，y)设定为1或0。
[步骤C3-3b：差异判定值D2(x，y)的决定]
接着，判断R、G、B的灰度判定值的总和是否等于或大于2。当αR2(x，y)+αG2(x，y)+αB2(x，y)≥2时，将像素(x，y)的差异判定值D2(x，y)设定为1，并且当αR2(x，y)+αG2(x，y)+αB2(x，y)＜2时，将差异判定值D2(x，y)设定为0。
[步骤C3-4：差异判定值D1(x，y)的决定]
然后，决定差异判定值D1(x，y)和D2(x，y)是否都是“1”。在差异判定值D1(x，y)和D2(x，y)都是“1”的情况下，进行步骤C4-1(C4-1a)。在差异判定值D1(x，y)和D2(x，y)中的至少一方不是1的情况下，进行步骤C4-2。
[步骤C4-1：对象图像中的像素(x，y)为对象物区域中的像素]
当在步骤C3-4中差异判定值D1(x，y)和D2(x，y)都是1(差异判定值D1(x，y)＝1且D2(x，y)＝1)时，掩模图像中的像素(x，y)显示白色(步骤C4-1a)。另外，可以说该对象图像中的像素(x，y)是对象物区域中的像素。
再者，当步骤C3-4中差异判定值D1(x，y)和D2(x，y)都是“1”时，对Sum(R)、Sum(G)、Sum(B)加上对象图像中的像素(x，y)的R、G、B的灰度值，并且对处理计数值counter加上1(步骤C4-1b)。通过步骤C4-1b，在步骤C6中可以算出对象物区域的平均颜色及反色。
[步骤C4-2：对象图像中的像素(x，y)为背景区域中的像素的情况]
当在步骤C3-4中差异判定值D1(x，y)和D2(x，y)中的至少一方不是1时(差异判定值D1(x，y)＝0或/及D2(x，y)＝0)，掩模图像中的像素(x，y)显示黑色。此外，可以说该对象图像中的像素(x，y)是背景区域中的像素。
[步骤C5：是否已经决定所有像素的灰度值的差异？]
直到算出对象图像中的所有像素的颜色要素的灰度值与比较图像中的像素的颜色要素的灰度值之间的差异的绝对值并决定该差异的绝对值是否是等于或大于阈值为止，反复执行步骤C3至C5。
[步骤C6：掩模图像的形成]
通过决定所有像素中的掩模图像的颜色(黑色或白色)，形成掩模图像。掩模图像是由对象物区域(白色显示区域)和背景区域(黑色显示区域)构成的二值图像。通过形成掩模图像，对象图像被区分为对象物区域和背景区域。另外，可以在步骤C6之前进行第二步骤A2。
通过步骤C1至C6，本实施方式的第一步骤A1结束。
然后，可以进行实施方式1中的第一步骤A1之后的处理。
如本实施方式所示，通过根据本发明的一个方式的图像处理方法，从构成动态图像的多个帧图像中可以选择对象图像及比较图像。
实施例1
在本实施例中，参照图7A-1至7D-2以及图8A至8C说明通过根据本发明的一个方式的图像处理方法形成的处理图像。
表1示出结构例子1至4的未进行根据本发明的一个方式的图像处理的图像的对象物区域中的平均颜色(R1，G1，B1)、反色(R2，G2，B2)及Δ1-2。
在本实施例中，平均颜色是包含在对象物区域中的所有像素的256灰度中的R、G、B的灰度值的平均值。
[表1]
另外，Δ1-2满足算式(2)。
Δ1-2＝|R1+G1+B1-(R2+G2+B2)|…(2)
(结构例子1)
图7A-1示出未进行根据本发明的一个方式的图像处理的图像(对象图像)。图7A-2示出已进行根据本发明的一个方式的图像处理的图像(处理图像)。
图8A所示的掩模图像是二值图像，其中以白色显示结构例子1的对象图像中的对象物区域，并以黑色显示背景区域。
(结构例子2)
图7B-1示出未进行根据本发明的一个方式的图像处理的图像(对象图像)。图7B-2示出已进行根据本发明的一个方式的图像处理的图像(处理图像)。
图8A所示的掩模图像是二值图像，其中以白色显示结构例子2的对象图像中的对象物区域，并以黑色显示背景区域。
(结构例子3)
图7C-1示出未进行根据本发明的一个方式的图像处理的图像(对象图像)。图7C-2示出已进行根据本发明的一个方式的图像处理的图像(处理图像)。
图8B所示的掩模图像是二值图像，其中以白色显示结构例子3的对象图像中的对象物区域，并以黑色显示背景区域。
(结构例子4)
图7D-1示出未进行根据本发明的一个方式的图像处理的图像(对象图像)。图7D-2示出已进行根据本发明的一个方式的图像处理的图像(处理图像)。
图8C所示的掩模图像是二值图像，其中以白色显示结构例子4的对象图像中的对象物区域，并以黑色显示背景区域。
在结构例子1至4中的处理图像中的背景区域中的像素(x，y)的颜色(R′xy，G′xy，B′xy)可以通过使用对象图像中的像素(x，y)的颜色(Rxy，Gxy，Bxy)及反色(R2，G2，B2)由算式(4)表示。在本实施例中，如算式(4)所示，算式(1)中的k为0.5。对象图像的背景区域中的像素的颜色与反色的比例越近于1∶1，对象图像的背景的数据越能够不消失，从而可以得到图像处理的效果很好的处理图像。
(R′xy，G′xy，B′xy)＝(0.5Rxy+0.5R2，0.5Gxy+0.5G2，0.5Bxy+0.5B2)…(4)
本实施例示出了通过对对象图像进行根据本发明的一个方式的图像处理方法，可以得到具有比该对象图像更高的立体效应或深度效应的处理图像。
特别是，在结构例子1至3中，根据本发明的一个方式的图像处理方法的效果特别高。结构例子1至3满足算式3。因此，由(N+1)灰度表示且根据本发明的一个方式的图像处理方法的效果高的对象图像满足算式(3)。例如，在以256灰度表示的对象图像中，当Δ1-2大于0且等于或小于612时，对象图像的根据本发明的一个方式的图像处理方法的效果高。
0＜Δ1-2≤2.4N(3)
符号说明
10：数据、11：图像数据、100：显示装置、101：显示部、102：处理部、111：运算处理部、112：数据存储部、113：控制部、114：输入侧接口部、115：输出侧接口部、120：像素、121：像素部、122：扫描线驱动电路部、123：信号线驱动电路部、125：扫描线、126：信号线
本申请基于2011年7月1日向日本专利局提交的日本专利申请第2011-147047号，其全部内容通过引用纳入本文。

Claims (12)

1.一种图像处理方法，包括如下步骤：
将对象图像分为对象物区域和背景区域，其中所述对象图像以N+1个灰度表示；
算出所述对象物区域的平均颜色的灰度值，其中(R1，G1，B1)表示所述平均颜色的所述灰度值；
利用算式(R2，G2，B2)＝(N-R1，N-G1，N-B1)算出所述对象物区域的反色的灰度值，其中(R2，G2，B2)表示所述反色的所述灰度值；以及
利用算式(R’xy，G’xy，B’xy)＝(kRxy+(1-k)R2，kGxy+(1-k)G2，kBxy+(1-k)B2)算出处理图像的背景区域的灰度值，其中(R’xy，G’xy，B’xy)表示所述处理图像的所述背景区域的像素(x，y)的灰度值，(Rxy，Gxy，Bxy)表示所述对象图像的所述背景区域的像素(x，y)的灰度值，并且0＜k＜1。
2.根据权利要求1所述的图像处理方法，其中|R1+G1+B1-(R2+G2+B2)|大于0且小于等于2.4N。
3.根据权利要求1所述的图像处理方法，其中k大于等于0.2且小于等于0.8。
4.根据权利要求1所述的图像处理方法，其中所述处理图像的对象物区域的像素(x，y)的灰度值与所述对象图像的所述对象物区域的像素(x，y)的所述灰度值相同。
5.根据权利要求1所述的图像处理方法，其中多个像素被分为包括在所述对象物区域中的第一像素和包括在所述背景区域中的第二像素。
6.根据权利要求1所述的图像处理方法，还包括如下步骤：对所述处理图像进行图像处理，
其中进行图像处理的步骤包括进行珈马校正处理、对比度强调处理、锐化处理或轮廓强调处理。
7.一种包括处理部和显示部的显示装置，该处理部包括：
用来将对象图像分为对象物区域和背景区域的单元，其中所述对象图像以N+1个灰度表示；
用来算出所述对象物区域的平均颜色的灰度值的单元，其中(R1，G1，B1)表示所述平均颜色的所述灰度值；
用来利用算式(R2，G2，B2)＝(N-R1，N-G1，N-B1)算出所述对象物区域的反色的灰度值的单元，其中(R2，G2，B2)表示所述反色的所述灰度值；以及
用来利用算式(R’xy，G’xy，B’xy)＝(kRxy+(1-k)R2，kGxy+(1-k)G2，kBxy+(1-k)B2)算出处理图像的背景区域的灰度值的单元，其中(R’xy，G’xy，B’xy)表示所述处理图像的所述背景区域的像素(x，y)的灰度值，(Rxy，Gxy，Bxy)表示所述对象图像的所述背景区域的像素(x，y)的灰度值，并且0＜k＜1，
其中，所述显示部包括用来显示所述处理图像的多个像素。
8.根据权利要求7所述的显示装置，其中|R1+G1+B1-(R2+G2+B2)|大于0且小于等于2.4N。
9.根据权利要求7所述的显示装置，其中k大于等于0.2且小于等于0.8。
10.根据权利要求7所述的显示装置，其中所述处理图像的对象物区域的像素(x，y)的灰度值与所述对象图像的所述对象物区域的像素(x，y)的所述灰度值相同。
11.根据权利要求7所述的显示装置，其中多个像素被分为包括在所述对象物区域中的第一像素和包括在所述背景区域中的第二像素。
12.根据权利要求7所述的显示装置，其中所述处理部还包括：用来对所述处理图像进行图像处理的单元，
其中用来进行图像处理的单元进行的处理包括珈马校正处理、对比度强调处理、锐化处理或轮廓强调处理。
CN201280032377.4A 2011-07-01 2012-06-18 图像处理方法、图像处理系统以及显示装置 Expired - Fee Related CN103650488B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2011-147047 2011-07-01
JP2011147047 2011-07-01
PCT/JP2012/066097 WO2013005592A1 (en) 2011-07-01 2012-06-18 Image processing method, image processing system and display device

Publications (2)

Publication Number Publication Date
CN103650488A CN103650488A (zh) 2014-03-19
CN103650488B true CN103650488B (zh) 2016-04-20

Family

ID=47390755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280032377.4A Expired - Fee Related CN103650488B (zh) 2011-07-01 2012-06-18 图像处理方法、图像处理系统以及显示装置

Country Status (6)

Country Link
US (1) US8849060B2 (zh)
JP (1) JP6002469B2 (zh)
KR (1) KR101932069B1 (zh)
CN (1) CN103650488B (zh)
TW (1) TWI571100B (zh)
WO (1) WO2013005592A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017106695A2 (en) 2015-12-16 2017-06-22 Gracenote, Inc. Dynamic video overlays
CN106028022A (zh) * 2016-05-27 2016-10-12 京东方科技集团股份有限公司 一种立体图像制作方法和设备
JP6780444B2 (ja) * 2016-10-27 2020-11-04 富士ゼロックス株式会社 画像処理装置、表示装置、画像処理方法、画像処理システムおよびプログラム
CN109994037B (zh) * 2017-12-29 2021-12-14 杭州海康威视系统技术有限公司 生成电子地图的方法、装置、终端及存储介质
US11501543B2 (en) * 2018-03-26 2022-11-15 Videonetics Technology Private Limited System and method for automatic real-time localization of license plate of vehicle from plurality of images of the vehicle
TWI712909B (zh) 2018-04-17 2020-12-11 和碩聯合科技股份有限公司 輔助臉部辨識的防僞方法及系統
CN112150481B (zh) * 2020-09-17 2023-07-18 南京信息工程大学 一种白粉病图像分割方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1517781A (zh) * 2003-01-23 2004-08-04 ������������ʽ���� 图像处理系统、投影机和图像处理方法
CN1642220A (zh) * 2004-01-16 2005-07-20 精工爱普生株式会社 图像处理装置、方法、程序及图像显示装置
CN1659590A (zh) * 2002-09-25 2005-08-24 日本电气株式会社 图像色修正装置、图像色修正方法和图像色修正用程序
CN101542529A (zh) * 2006-11-21 2009-09-23 皇家飞利浦电子股份有限公司 图像的深度图的生成

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2941829B2 (ja) * 1988-12-23 1999-08-30 キヤノン株式会社 画像処理方法
JP2756326B2 (ja) 1989-12-18 1998-05-25 キヤノン株式会社 画像処理方法及び装置
DE19619090A1 (de) * 1996-04-30 1997-11-13 Cfb Gmbh Vorrichtung und Verfahren zur Erzeugung eines Kompositbildes
JPH1023241A (ja) * 1996-06-28 1998-01-23 Brother Ind Ltd 階調キャラクタ出力装置
JPH10200883A (ja) * 1997-01-14 1998-07-31 Toshiba Corp 被写体の監視表示装置
US6198835B1 (en) * 1998-01-08 2001-03-06 Xerox Corporation Image input device and method for providing scanning artifact detection
GB2336058B (en) * 1998-04-02 2002-03-27 Daewoo Electronics Co Ltd Apparatus and method for adaptively coding an image signal
US6546052B1 (en) * 1998-05-29 2003-04-08 Canon Kabushiki Kaisha Image processing apparatus and method, and computer-readable memory
JP2005258013A (ja) 2004-03-11 2005-09-22 Sharp Corp 表示パネルおよび表示装置
JP2006001952A (ja) 2004-06-15 2006-01-05 Takiron Co Ltd 柄入り樹脂板及びその製造方法
DE102004061507B4 (de) * 2004-12-21 2007-04-12 Siemens Ag Verfahren zur Korrektur von Inhomogenitäten in einem Bild sowie bildgebende Vorrichtung dazu
JP4205053B2 (ja) 2004-12-27 2009-01-07 シャープ株式会社 画像処理装置
JP4506616B2 (ja) * 2005-08-25 2010-07-21 セイコーエプソン株式会社 画像表示装置、画像処理方法およびプログラム
TWI323434B (en) * 2006-11-30 2010-04-11 Ind Tech Res Inst Method of object segmentation for video
US8014581B2 (en) * 2007-02-06 2011-09-06 Siemens Medical Solutions Usa, Inc. 3D segmentation of the colon in MR colonography
JP5160547B2 (ja) * 2007-08-15 2013-03-13 株式会社リバック 画像処理装置、画像処理方法、及び画像処理プログラム、並びに撮像装置
EP2223294B1 (en) 2007-11-20 2013-04-10 Semiconductor Energy Laboratory Co, Ltd. Liquid crystal display device and image display method of the same
JP5300433B2 (ja) 2007-11-22 2013-09-25 株式会社半導体エネルギー研究所 画像処理方法及び表示装置
US8687918B2 (en) * 2008-03-05 2014-04-01 Semiconductor Energy Laboratory Co., Ltd. Image processing method, image processing system, and computer program
JP5180916B2 (ja) 2008-06-25 2013-04-10 株式会社半導体エネルギー研究所 画像処理システム、及び画像処理方法
JP2010152521A (ja) 2008-12-24 2010-07-08 Toshiba Corp 画像立体化処理装置及び方法
KR101547556B1 (ko) * 2009-02-06 2015-08-26 삼성전자주식회사 이미지 표시 방법 및 장치
JP2012215852A (ja) 2011-03-25 2012-11-08 Semiconductor Energy Lab Co Ltd 画像処理方法、表示装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1659590A (zh) * 2002-09-25 2005-08-24 日本电气株式会社 图像色修正装置、图像色修正方法和图像色修正用程序
CN1517781A (zh) * 2003-01-23 2004-08-04 ������������ʽ���� 图像处理系统、投影机和图像处理方法
CN1642220A (zh) * 2004-01-16 2005-07-20 精工爱普生株式会社 图像处理装置、方法、程序及图像显示装置
CN101542529A (zh) * 2006-11-21 2009-09-23 皇家飞利浦电子股份有限公司 图像的深度图的生成

Also Published As

Publication number Publication date
KR101932069B1 (ko) 2018-12-24
JP2013033463A (ja) 2013-02-14
TW201304512A (zh) 2013-01-16
JP6002469B2 (ja) 2016-10-05
WO2013005592A1 (en) 2013-01-10
US8849060B2 (en) 2014-09-30
TWI571100B (zh) 2017-02-11
KR20140051223A (ko) 2014-04-30
CN103650488A (zh) 2014-03-19
US20130004063A1 (en) 2013-01-03

Similar Documents

Publication Publication Date Title
CN103650488B (zh) 图像处理方法、图像处理系统以及显示装置
JP6021541B2 (ja) 画像処理装置及び方法
JP4395789B2 (ja) 画像処理装置、撮像装置、画像処理方法およびプログラム
JP5918915B2 (ja) カラーフィルタを有するセンサを用いて、改善されたカラー画像を作成するための方法およびデバイス
CN102685511B (zh) 图像处理设备和图像处理方法
CN101873509B (zh) 消除深度图序列背景和边缘抖动的方法
KR100992362B1 (ko) 컬러 보간 장치
CN110930301A (zh) 图像处理方法、装置、存储介质及电子设备
CN107615331B (zh) 用于支持基于邻域块降维的图像去噪的系统和方法
CN109801279B (zh) 图像中的目标检测方法及装置、电子设备、存储介质
TW201633214A (zh) 邊緣偵測系統及方法
CN103270757B (zh) 图像传感装置和控制其操作的方法
JP2014042176A (ja) 画像処理装置および方法、プログラム、並びに、固体撮像装置
US20110170776A1 (en) Image distortion correcting method and image processing apparatus
CN107786857A (zh) 一种图像还原方法及装置
WO2023131925A1 (en) Image processing method, image processing apparatus, electronic device and computer-readable storage medium
CN102860012A (zh) 图像处理装置、方法以及记录介质
CN114529713A (zh) 一种基于深度学习的水下图像增强方法
TW202209887A (zh) 影像壓縮方法、編碼器和電子裝置
CN102143370A (zh) 信号处理设备、信号处理方法和程序
Chien et al. Low complexity 3D depth map generation for stereo applications
CN102404583A (zh) 三维影像的深度加强系统及方法
KR100793290B1 (ko) 이미지 센서의 렌즈 셰이딩 보정장치 및 보정방법
CN103974043A (zh) 影像处理装置与影像处理方法
CN108810320A (zh) 图像质量提升方法和装置

Legal Events

Date Code Title Description
PB01 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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160420