CN103778606B - 一种图像的处理方法及相关装置 - Google Patents
一种图像的处理方法及相关装置 Download PDFInfo
- Publication number
- CN103778606B CN103778606B CN201410022721.2A CN201410022721A CN103778606B CN 103778606 B CN103778606 B CN 103778606B CN 201410022721 A CN201410022721 A CN 201410022721A CN 103778606 B CN103778606 B CN 103778606B
- Authority
- CN
- China
- Prior art keywords
- image
- frequency information
- original image
- filtered
- low
- 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
Links
Landscapes
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明公开了一种图像的处理方法及相关装置,用于图像处理技术领域。在本发明一些可行的实施方式中,方法包括:获取原图像的低频信息图像,以对原图像与低频信息图像的像素值作差得到原图像的高频信息图像;分别对原图像和高频信息图像进行上采样得到第一图像和第二图像;对第二图像进行滤波;将第一图像和滤波后的第二图像融合;输出融合后的图像。本发明技术方案由于运算操作速度简单且快,可快速生成高分辨率的图像,节省高分辨率的图像在生成时所占用的缓存,节省了资源,并可避免引起图像内容的模糊和锯齿效应,提高数据生成的准确率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种图像的处理方法及相关装置。
背景技术
随着超高清显示技术的发展,越来越多的显示屏幕可以支持超高分辨率,比如4K*2K的电视。现有方法和设备采集到的图像大部分都是低分辨率,最高也就是到1920*1080。因此,需要一种图像处理方法,将低分辨率的图像处理成高分辨率的图像。
一种现有处理图像的方法中,通过直接对低分辨深度图采用双边滤波算法来实现高分辨率图像,但处理运算时间过长。
另一种现有处理图像的方法中,采用基于图像块局部相似匹配的方式,但该方式需要花费大量的局部搜索时间,同时需要很多缓存空间。
实践发现,现有技术中的图像处理方法,处理运算时间过长,需要占用很多缓存。
发明内容
本发明实施例提供一种图像的处理方法及相关装置,以解决现有技术中的图像处理方法,处理运算时间过长,需要占用很多缓存的问题。
本发明第一方面提供一种图像的处理方法,包括:
获取原图像的低频信息图像,以对所述原图像与所述低频信息图像的像素值作差得到原图像的高频信息图像;
分别对所述原图像和所述高频信息图像进行上采样得到第一图像和第二图像;
对所述第二图像进行滤波;
将所述第一图像和滤波后的第二图像融合;
输出融合后的图像。
本发明第二方面提供一种图像的处理装置,包括:
第一获取模块,用于获取原图像的低频信息图像,以根据所述原图像与所述低频信息图像的像素值作差得到原图像的高频信息图像;
第二获取模块,用于分别对所述原图像和所述高频信息图像进行上采样得到第一图像和第二图像;
滤波模块,用于对所述第二图像进行滤波;
融合模块,用于将所述第一图像和滤波后的第二图像融合;
输出模块,用于输出融合后的图像。
由上可见,本发明实施例通过获取原图像的低频信息图像,对原图像与低频信息图像的像素值作差得到原图像的高频信息图像,然后分别对原图像和高频信息图像进行上采样得到第一图像和第二图像;对第二图像进行滤波;将第一图像和滤波后的第二图像融合;输出融合后的图像,运算操作速度简单且快,可快速生成高分辨率的图像,节省高分辨率的图像在生成时所占用的缓存,节省了资源,并可避免引起图像内容的模糊和锯齿效应,提高数据生成的准确率。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例和现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种图像的处理方法的基本流程图;
图2是本发明实施例提供的一种图像的处理方法的图像填充的示例图;
图3是本发明实施例提供的一种图像的处理方法的一个效果示例图;
图4是本发明实施例提供的一种图像的处理装置的基本逻辑结构示意图;
图5是本发明实施例提供的一种图像的处理装置的另一逻辑结构示意图。
具体实施方式
本发明实施例提供一种图像的处理方法,以解决现有技术中的图像处理方法,处理运算时间过长,需要占用很多缓存的问题。本发明实施例还提供相应的图像的处理装置。
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
下面通过具体实施例,分别进行详细的说明。
请参考图1,本发明实施例提供的一种图像的处理方法,包括以下步骤:
步骤110、获取原图像的低频信息图像,以对所述原图像与所述低频信息图像的像素值作差得到原图像的高频信息图像。
在本发明的一些实施例中,步骤110中,所述获取原图像的低频信息图像的步骤包括:
对原图像进行下采样,得到下采样图像;
对下采样图像再进行上采样,得到原图像的低频信息图像。
在本发明的一些实施例中,对原图像进行下采样,得到下采样图像之前还包括以下步骤:输入原图像。原图像可以为高亮度的图像。
通过上采样后,将下采样图像恢复到原图像同一分辨率的图像,由此得到的低频信息图像,经过的计算量不大,且信息比较完整。
在本发明的一些实施例中,所述下采样所采用的方法为双线性内插值算法或双立方插值算法;所述上采样所采用的方法为双线性插值算法,或填充图像并对填充的图像进行卷积放大的方法。
在本发明的一些实施例中,上采样所述采用的双线性内插值算法包括:
将原图像中坐标为(i,j)处的像素值记为f(i,j),设置坐标、通过反向变换得到的浮点坐标为(i+u,j+v);
将该浮点坐标为(i+u,j+v)的像素值记为f(i+u,j+v),可由下式(1)得出:
f(i+u,j+v)=(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1)(1)
其中,i、j均为浮点坐标的整数部分,u、v为浮点坐标的小数部分,是取值[0,1)区间的浮点数。
可见,f(i+u,j+v)可由原图像中四处坐标(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)所对应的四个像素值决定。
当下采样图像作为双线性内插值算法中的原图像,经过公式(1)运算后,所得到的图像即为低频信息图像。
在本发明的一些实施例中,上采样所采用的填充图像并对填充的图像进行卷积放大的方法,包括:
填充图像X,X(3n)=I(n),其他情况X(m)=0;其中,n,m=0,1,2...表示像素坐标位置;
对填充图像X按照下式(2)进行卷积运算放大,得到放大图像U。
其中,n为大于或等于2的自然数,uk是单位阶跃函数。
在本发明的一些实施例中,n可以取值为2,此时
其中,u1=-0.1005021,+0.1197507,+0.9271653,+0.6005021,-0.0469160u2=-0.0469160,+0.6005021,+0.9271653,+0.1197507,-0.1005021。
当n取值为2时,计算量会更小,保留的信息还比较完整。
当下采样图像经过填充图像及卷积运算放大后,所得到的放大图像U即为低频信息图像。
经过上述步骤获得的低频信息图像包含有大量的低频信息,主要表现为保留了原图像的轮廓全貌而丢弃了原图像的细节信息;而获得的高频信息图像则包含了原图像中丰富的细节信息,比如边缘和纹理。
请参考图2,为填充图像的一个示例,原图像I的填充图像X1和X2分别对应如图。
120、分别对所述原图像和所述高频信息图像进行上采样得到第一图像和第二图像。
对原图像进行上采样得到的第一图像为高分辨率图像。
步骤120中的上采样方法具体可以采用与步骤110中所描述的双线性插值算法,或填充图像并对填充的图像进行卷积放大的方法相同的方法。
因此,经过上采样得到的第一图像,丢弃了细节信息,剩下了原图像概貌的低频信息,第一图像包含了大量的低频信息。
经过上采样得到的第二图像,则保留了高频信息图像中细节信息。
130、对所述第二图像进行滤波。
通过滤波,可消除噪声点,使第二图像更为平滑。
在本发明的一些实施例中,所述对所述第二图像进行滤波包括:
采用中值滤波器对所述第二图像进行滤波。
通过采用中值滤波器,可有利于去除斑点噪声和椒盐噪声,而且利于保存边缘的特性。
在本发明的一些实施例中,所述中值滤波器的滤波窗口为矩形,十字形,框形,叉形,圆形,线形,或者花形。例如,当采用矩形时,可设置为设定为5x5的矩形。
具体的,在滤波时,可对滤波窗口中的每个元素按照像素值的大小进行排序,产生一个单调上升或者下降的一维序列,然后找出该序列中位数的值,最后将该值代替原元素的值即可。
140、将所述第一图像和滤波后的第二图像融合。
在本发明的一些实施例中,将所述第一图像和滤波后的第二图像融合的步骤包括:
将第一图像和滤波后的第二图像所对应的每一个像素值相加,所得的图像即为融合后的图像。
融合后的图像,完整且具有高分辨率,包含了丰富的细节信息。
在本发明的一些实施例中,可循环执行步骤110-140一次或一次以上,以进一步提高分辨率,放大尺寸。
150、输出融合后的图像。
请参考图3,为本发明实施例提供的一个效果图,可见,融合后的图像分辨率较高。
由上可见,在本发明的一些可行的实施方式中,通过获取原图像的低频信息图像,对原图像与低频信息图像的像素值作差得到原图像的高频信息图像,然后分别对原图像和高频信息图像进行上采样得到第一图像和第二图像;对第二图像进行滤波;将第一图像和滤波后的第二图像融合;输出融合后的图像,运算操作速度简单且快,可快速生成高分辨率的图像,节省高分辨率的图像在生成时所占用的缓存,节省了资源,并可避免引起图像内容的模糊和锯齿效应,提高数据生成的准确率,能广泛应用超级分辨电视节目传输与制作(比如4K*2K极清电视),实现超高清照片和影像制作。
可以理解,本发明实施例上述方案例如可以在电视机、摄像机、照相机、手机、pad、监控器、计算机等设备具体实施。
为了更好的实施本发明实施例的上述方案,下面还提供用于配合实施上述方案的相关装置。
请参考图4,本发明实施例提供一种图像的处理装置,可包括:
第一获取模块410,用于获取原图像的低频信息图像,以根据所述原图像与所述低频信息图像的像素值作差得到原图像的高频信息图像;
第二获取模块420,用于分别对所述原图像和所述高频信息图像进行上采样得到第一图像和第二图像;
滤波模块430,用于对所述第二图像进行滤波;
融合模块440,用于将所述第一图像和滤波后的第二图像融合;
输出模块450,用于输出融合后的图像。
请参考图5,在本发明的一些实施例中,所述第一获取模块410包括:
下采样单元4101,用于对原图像进行下采样,得到下采样图像;
上采样单元4102,用于对下采样图像再进行上采样,得到原图像的低频信息图像。
作差单元4103,用于对所述原图像与所述低频信息图像的像素值作差得到原图像的高频信息图像。
在本发明的实施例中,所述下采样所采用的方法为双线性内插值算法或双立方插值算法;
所述上采样所采用的方法为双线性插值算法,或填充图像并对填充的图像进行卷积放大的方法。
在本发明的一些实施例中,所述滤波模块具体为中值滤波器。
在本发明的一些实施例中,所述中值滤波器的滤波窗口为矩形,十字形,框形,叉形,圆形,线形,或者花形。
可以理解,本发明实施例上述方案例如可以在电视机、摄像机、照相机、手机、pad、监控器、计算机等设备具体实施。
可以理解,本发明实施例的图像的处理装置的各个功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可参照上述方法实施例中的相关描述,此处不再赘述。
由上可见,在本发明的一些可行的实施方式中,
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
综上,本发明实施例的图像的处理方法及相关装置,通过获取原图像的低频信息图像,对原图像与低频信息图像的像素值作差得到原图像的高频信息图像,然后分别对原图像和高频信息图像进行上采样得到第一图像和第二图像;对第二图像进行滤波;将第一图像和滤波后的第二图像融合;输出融合后的图像,运算操作速度简单且快,可快速生成高分辨率的图像,节省高分辨率的图像在生成时所占用的缓存,节省了资源,并可避免引起图像内容的模糊和锯齿效应,提高数据生成的准确率,能广泛应用超级分辨电视节目传输与制作(比如4K*2K极清电视),实现超高清照片和影像制作。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
以上对本发明实施例所提供的一种图像的处理方法及相关装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种图像的处理方法,其特征在于,包括:
获取原图像的低频信息图像,以对所述原图像与所述低频信息图像的像素值作差得到原图像的高频信息图像;
分别对所述原图像和所述高频信息图像进行上采样得到第一图像和第二图像;
对所述第二图像进行滤波;
将所述第一图像和滤波后的第二图像融合;
输出融合后的图像;
所述获取原图像的低频信息图像包括:
对原图像进行下采样,得到下采样图像;
对下采样图像再进行上采样,得到原图像的低频信息图像;
将所述第一图像和滤波后的第二图像融合包括:
将第一图像和滤波后的第二图像所对应的每一个像素值相加,所得的图像为融合后的图像。
2.根据权利要求1所述的方法,其特征在于:所述下采样所采用的方法为双线性内插值算法或双立方插值算法;
所述上采样所采用的方法为双线性插值算法,或填充图像并对填充的图像进行卷积放大的方法。
3.根据权利要求1所述的方法,其特征在于:所述对所述第二图像进行滤波包括:
采用中值滤波器对所述第二图像进行滤波。
4.根据权利要求3所述的方法,其特征在于:所述中值滤波器的滤波窗口为矩形,十字形,框形,叉形,圆形,线形,或者花形。
5.一种图像的处理装置,其特征在于,包括:
第一获取模块,用于获取原图像的低频信息图像,以根据所述原图像与所述低频信息图像的像素值作差得到原图像的高频信息图像;
第二获取模块,用于分别对所述原图像和所述高频信息图像进行上采样得到第一图像和第二图像;
滤波模块,用于对所述第二图像进行滤波;
融合模块,用于将所述第一图像和滤波后的第二图像融合;
输出模块,用于输出融合后的图像;
所述第一获取模块包括:
下采样单元,用于对原图像进行下采样,得到下采样图像;
上采样单元,用于对下采样图像再进行上采样,得到原图像的低频信息图像;
作差单元,用于对所述原图像与所述低频信息图像的像素值作差得到原图像的高频信息图像;
所述融合模块还用于:
将第一图像和滤波后的第二图像所对应的每一个像素值相加,所得的图像为融合后的图像。
6.根据权利要求5所述的装置,其特征在于:所述下采样所采用的方法为双线性内插值算法或双立方插值算法;
所述上采样所采用的方法为双线性插值算法,或填充图像并对填充的图像进行卷积放大的方法。
7.根据权利要求5所述的装置,其特征在于:所述滤波模块具体为中值滤波器。
8.根据权利要求7所述的装置,其特征在于:所述中值滤波器的滤波窗口为矩形,十字形,框形,叉形,圆形,线形,或者花形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410022721.2A CN103778606B (zh) | 2014-01-17 | 2014-01-17 | 一种图像的处理方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410022721.2A CN103778606B (zh) | 2014-01-17 | 2014-01-17 | 一种图像的处理方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103778606A CN103778606A (zh) | 2014-05-07 |
CN103778606B true CN103778606B (zh) | 2018-01-12 |
Family
ID=50570805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410022721.2A Active CN103778606B (zh) | 2014-01-17 | 2014-01-17 | 一种图像的处理方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103778606B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590303B (zh) * | 2014-10-20 | 2019-02-01 | Tcl集团股份有限公司 | 一种增加图像分辨率的方法和系统 |
CN104794682A (zh) * | 2015-05-04 | 2015-07-22 | 长沙金定信息技术有限公司 | 一种基于变换域的图像插值方法与装置 |
CN105704403B (zh) * | 2016-01-18 | 2019-04-23 | 深圳市金立通信设备有限公司 | 一种图像处理的方法及终端 |
WO2017166301A1 (zh) * | 2016-04-01 | 2017-10-05 | 华为技术有限公司 | 一种图像处理方法、电子设备以及存储介质 |
CN106709898A (zh) * | 2017-03-13 | 2017-05-24 | 微鲸科技有限公司 | 一种图像融合方法及装置 |
CN110246090B (zh) * | 2018-09-27 | 2023-03-28 | 浙江大华技术股份有限公司 | 一种图像处理的方法和设备 |
WO2020124355A1 (zh) * | 2018-12-18 | 2020-06-25 | 深圳市大疆创新科技有限公司 | 图像处理方法、图像处理装置和无人机 |
CN109726748B (zh) * | 2018-12-21 | 2020-10-09 | 长沙理工大学 | 一种基于频带特征融合的gl-cnn遥感图像场景分类方法 |
CN115358937B (zh) * | 2022-07-18 | 2023-06-20 | 荣耀终端有限公司 | 图像去反光方法、介质及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1570970A (zh) * | 2004-05-13 | 2005-01-26 | 上海交通大学 | 基于期望值最大与离散小波框架的图像融合方法 |
JP2006345047A (ja) * | 2005-06-07 | 2006-12-21 | Nec Corp | 画像処理装置、画像処理システムおよび画像処理方法 |
CN102831589A (zh) * | 2012-08-29 | 2012-12-19 | 上海交通大学 | 一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法 |
-
2014
- 2014-01-17 CN CN201410022721.2A patent/CN103778606B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1570970A (zh) * | 2004-05-13 | 2005-01-26 | 上海交通大学 | 基于期望值最大与离散小波框架的图像融合方法 |
JP2006345047A (ja) * | 2005-06-07 | 2006-12-21 | Nec Corp | 画像処理装置、画像処理システムおよび画像処理方法 |
CN102831589A (zh) * | 2012-08-29 | 2012-12-19 | 上海交通大学 | 一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法 |
Non-Patent Citations (1)
Title |
---|
OpenCV实现USM锐化;君子似水 随园就方;《http://blogs.csdn.net/summitgao/article/details/7686022》;20120623;第1页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103778606A (zh) | 2014-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103778606B (zh) | 一种图像的处理方法及相关装置 | |
Jo et al. | Deep video super-resolution network using dynamic upsampling filters without explicit motion compensation | |
Jin et al. | A flexible deep CNN framework for image restoration | |
US8335394B2 (en) | Image processing method for boundary resolution enhancement | |
CN103514580B (zh) | 用于获得视觉体验优化的超分辨率图像的方法和系统 | |
CN103020897B (zh) | 基于多区块的单帧图像的超分辨率重建的装置、系统和方法 | |
CN102881000B (zh) | 一种视频图像的超分辨率方法、装置和设备 | |
CN101815157B (zh) | 图像及视频的放大方法与相关的图像处理装置 | |
US8131117B2 (en) | Method for magnifying images and videos and associated image processing device | |
WO2010034202A1 (zh) | 图像缩放方法及装置 | |
CN108428212A (zh) | 一种基于双拉普拉斯金字塔卷积神经网络的图像放大方法 | |
Zhang et al. | Multiframe image super-resolution adapted with local spatial information | |
TW201120805A (en) | Forward and backward resizing method | |
CN106791854B (zh) | 图像编码、解码方法及装置 | |
CN105210374B (zh) | 利用图像特征对频率提高超分辨率的控制 | |
CN103700062B (zh) | 图像处理方法和装置 | |
CN109801248A (zh) | 一个基于非下采样剪切变换的新型图像融合方法 | |
CN102186044A (zh) | 一种边缘相关性图像无极缩放算法及其硬件实现装置 | |
CN104537697A (zh) | 一种渐进模糊动画的实现方法 | |
CN107392854A (zh) | 一种基于局部自适应增益因子的联合上采样方法 | |
CN102769745B (zh) | 插值依赖的图像自适应下采样方法 | |
CN103390266A (zh) | 一种图像超分辨率方法和装置 | |
CN105303544A (zh) | 一种基于最小边界距离的视频拼接方法 | |
CN106558021A (zh) | 基于超分辨率技术的视频增强方法 | |
Liu et al. | Tensor-based light field denoising by integrating super-resolution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |