CN103810672A - 图像模糊处理方法及图像模糊处理装置 - Google Patents
图像模糊处理方法及图像模糊处理装置 Download PDFInfo
- Publication number
- CN103810672A CN103810672A CN201210450406.0A CN201210450406A CN103810672A CN 103810672 A CN103810672 A CN 103810672A CN 201210450406 A CN201210450406 A CN 201210450406A CN 103810672 A CN103810672 A CN 103810672A
- Authority
- CN
- China
- Prior art keywords
- image
- dwindling
- zoom factor
- wide
- original
- 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 Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明涉及图像模糊处理方法及图像模糊处理装置,其中图像模糊处理方法包括步骤:选择缩放因子,并根据缩放因子将原图像缩小;将滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像;以及对缩小的模糊图像通过线性插值运算进行放大,以得到一张和原图像大小相同的模糊图像。本发明可以提高图像模糊处理的效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及图像模糊处理方法及图像模糊处理装置。
背景技术
图像模糊在图像处理领域中是一种重要的图像处理方法。目前对图像模糊化处理的方法主要有以下三种:直接卷积法、基于卷积定理的FFT(fastFourier transform,快速傅立叶变换)方法和积分图方法。然而以上三种方法存在如下缺点:(1)直接卷积法的缺点是:其运算的时间消耗会随着模板增大而以平方关系增加,其时间复杂度是O(m2*n2,m为图像尺寸,n为模板尺寸)。(2)FFT方法的缺点在于:傅立叶变换的性质会产生浮点数据并且其数值动态范围大,导致其并不适合在一些电子设备平台,例如手机平台上进行应用。(3)积分图方法的缺点在于:其只有在积分图已经存在的情况下才能显著提高运算速度,如果图像需要先建立积分图,那么在这种情况下几乎不能提高运算速度。
而目前,由于图像模糊的处理方法也会经常在一些便携式电子设备上使用,例如在手机平台上使用。但是手机平台的处理器运算速度相较计算机平台会慢很多,如果图像模糊处理方法的时间太长会消耗更多的手机电量,会导致手机续航能力急剧下降,因此目前迫切需要提高图像模糊处理方法的执行速度,以节约手机电量。
发明内容
因此,本发明提供图像模糊处理方法及图像模糊处理装置,以提高图像模糊处理的效率。
具体地,本发明实施例提出的一种图像模糊处理方法,包括步骤:选择缩放因子,并根据缩放因子将原图像缩小;将滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像;以及对缩小的模糊图像通过线性插值运算进行放大,以得到一张和原图像大小相同的模糊图像。
另外,本发明实施例提出的一种图像模糊处理装置,包括图像缩小模块、图像模糊处理模块以及图像放大模块,图像缩小模块,用于选择缩放因子,并根据缩放因子将原图像缩小;图像模糊处理模块,用于将滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像;图像放大模块,用于对缩小的模糊图像通过线性插值运算进行放大,以得到一张和原图像大小相同的模糊图像。
综上所述,本发明根据缩放因子将图像缩小,再将一滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像,然后对缩小的模糊图像通过线性插值运算进行放大,以得到一张和原图像大小相同的模糊图像,由于本发明将滤波模板和缩小后的图像进行卷积运算,从而使图像模糊处理的执行速度大幅度提高,用户体验更好,若应用在手机平台上,由于提高了运算效率,因此能够减少手机电量的消耗。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本发明实施例提出的图像模糊处理方法的步骤流程图;
图2是本发明实施例提出的图像模糊处理装置的主要架构框图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的图像模糊处理方法及图像模糊处理装置其具体实施方式、结构、特征及功效,详细说明如后。
有关本发明的前述及其他技术内容、特点及功效,在以下配合参考图式的较佳实施例详细说明中将可清楚的呈现。通过具体实施方式的说明,当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图式仅是提供参考与说明之用,并非用来对本发明加以限制。
图1是本发明实施例提供的图像模糊处理方法的步骤流程图。请参阅图1,本发明实施例的图像模糊处理方法可包括以下步骤S101-S 105:
步骤S101:选择缩放因子,并根据缩放因子将原图像缩小。
本步骤中,将原图像的宽和高均缩小为原来宽和高的2^k倍(原图像的宽和高同时缩小)。其中k为缩放因子。而缩放因子k的取值可以为1、2、3、4、5、6、…等整数数值。对缩放因子k取值的选取是由对图像模糊处理的速度的需求而决定的。具体地,如果要求图像模糊处理速度快,则缩放因子k可以取较大值(例如数值8或者其它更大的数值),如果要求图像模糊处理速度不需要太快,则缩放因子k可以取较小值(例如数值1、2、3等)。将原图像的宽和高均缩小为原来宽和高的2^k倍主要为了提高运算效率。在其他实施方式中,也可以根据实际需要将原图像缩小为原来的其他倍数。
将原图像的宽和高均缩小为原来宽和高的2^k倍(即将原图像面积缩小为原来面积的(2^k)^2倍)的方法是在原图像的像素中,每间隔2^k-1个像素选取一个像素。例如,若k=1,则表示将原图像面积缩小为原来面积的4倍,即每间隔1个像素选取1个像素从而得到缩小为原图像面积4倍的图像。若k=2,则表示将原图像面积缩小为原来面积的16倍,即每间隔3个像素选取1个像素,从而得到缩小为原图像面积16倍的图像。这种对图像缩小的处理方法从信号学角度上来说,在不会丢失低频信号的同时对高频信号也有一定的抑制作用,其处理方法和模糊处理相似(例如低通滤波的模糊处理方法)。所以采用此图像缩小方法的最终处理效果和不采用此图像缩小方法的最终处理效果对于人眼的视觉分辨角度来说是一致的。
步骤S101中具体还可包括步骤:
选择滤波模板,并根据缩放因子将滤波模板缩小。
本步骤中,滤波模板的选取通常是按照原图像的大小而定。滤波模板可以为低通滤波器。将滤波模板的宽和高均缩小为原来宽和高的2^k倍(滤波模板的宽和高同时缩小)。将滤波模板的宽和高均缩小为原来宽和高的2^k倍的方法是在滤波模板的元素中,每间隔2^k-1个元素选取一个元素,其具体缩小方法同图像的缩小方法相同,在此不再赘述。
步骤S 103:将一滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像。
本步骤中,通常高频信号代表图像的细节部分,而低频信号代表图像的轮廓,对图像的细节进行抑制而不丢失图像轮廓的情况下就实现了图像的模糊。本步骤将缩小后的图像进行模糊处理是采用滤波模板(例如低通滤波器)对缩小后的图像进行卷积运算,通过对缩小后的图像的高频信号进行抑制使缩小后的图像产生模糊的效果。而如果图像较大不进行缩小,则对大尺寸的图像进行模糊采用的低通滤波器的尺寸也较大,直接将此大尺寸的低通滤波器和大尺寸的图像进行卷积运算会导致卷积运算的时间消耗以平方关系增加。若本步骤中将缩小后的滤波模板和缩小后的图像进行卷积运算,则本发明会使卷积运算的执行速度比直接采用滤波模板和原图像进行卷积运算的执行速度提高(2^k)^4倍,其中,k为缩放因子。具体地,若k=2,则图像和滤波器的宽和高均缩小为原来宽和高的2^2倍,则原图像和滤波器的面积缩小为原来图像和滤波器面积的(2^k)^2倍=2^2^2倍,那么图像和滤波器进行卷积运算之后,则卷积运算的速度比直接采用滤波模板和原图像进行卷积运算的执行速度提高(2^k)^2*(2^k)^2=2^2^2*2^2^2=2^2^4倍,即卷积运算的执行速度提高了(2^k)^4倍。
由此,可以得出若步骤S101中包括步骤:选择滤波模板,并根据缩放因子将滤波模板缩小,则步骤S103中具体还可包括步骤:
将缩小后的滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像。
步骤S105:对缩小的模糊图像通过线性插值运算进行放大,以得到一张和原图像大小相同的模糊图像。
本步骤中,将缩小的模糊图像进行线性插值运算,使缩小的模糊图像的宽和高均放大2^k倍,若此线性插值的方法应用于手机平台上,则可以由手机平台上的GPU(Graphic Processing Unit,图形处理器)部件完成,这样也不会使整体运算时间显著增加。从效果上来说,该线性插值运算方法是一种近似的方法,由于人眼分辨能力的限制,分辨不出近似效果(本方法获得的模糊图像)和真实效果(直接使用大尺寸滤波器和大尺寸图像进行卷积而获得的模糊图像)之间的差异。
在本发明实施例中,本发明根据缩放因子将图像缩小,再将一滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像,然后对缩小的模糊图像通过线性插值运算进行放大,以得到一张和原图像大小相同的模糊图像。还根据缩放因子将滤波模板缩小,在图像模糊时还可以将缩小后的滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像。由于本发明将滤波模板和缩小后的图像进行卷积运算,从而使图像模糊处理的执行速度大幅度提高,用户体验更好,若应用在手机平台上,由于提高了运算效率,因此能够减少手机电量的消耗。
图2是本发明实施例提出的图像模糊处理装置的主要架构框图。请参阅图2,图像模糊处理装置包括:图像缩小模块201、图像模糊处理模块203以及图像放大模块205。
更具体地,图像缩小模块201,用于选择缩放因子,并根据缩放因子将原图像缩小。
图像模糊处理模块203,用于将滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像。
图像放大模块205,可以为手机平台的GPU(Graphic Processing Unit,图形处理器),其用于对缩小的模糊图像通过线性插值运算进行放大,以得到一张和原图像大小相同的模糊图像。
此外,图像模糊处理装置还可以包括:模板缩小模块207。
模板缩小模块207,用于选择滤波模板,并根据缩放因子将滤波模板的宽和高均缩小为原来宽和高的2^k倍,k为缩放因子,缩放因子k为大于零的整数。在将滤波模板的宽和高均缩小为原来宽和高的2^k倍时,模板缩小模块207在滤波模板的元素中,每间隔2^k-1个元素选取一个元素,从而将滤波模板的宽和高缩小为原来宽和高的2^k倍。
图像模糊处理模块203,还用于将缩小后的滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像。
图像缩小模块201,还用于将原图像的宽和高均缩小为原来宽和高的2^k倍,k为缩放因子,缩放因子k为大于零的整数。在将原图像的宽和高均缩小为原来宽和高的2^k倍时,图像缩小模块201在原图像的像素中,每间隔2^k-1个像素选取一个像素,从而将原图像的宽和高均缩小为原来宽和高的2^k倍。
图像放大模块205,还用于将缩小的模糊图像进行线性插值运算,使缩小的模糊图像的宽和高均放大2^k倍。
在本发明实施例中,本发明根据缩放因子将图像缩小,再将一滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像,然后对缩小的模糊图像通过线性插值运算进行放大,以得到一张和原图像大小相同的模糊图像。还根据缩放因子将滤波模板缩小,在图像模糊时还可以将缩小后的滤波模板和缩小后的图像进行卷积运算以使缩小后的图像变模糊,从而得到一张缩小的模糊图像。由于本发明将滤波模板和缩小后的图像进行卷积运算,从而使图像模糊处理的执行速度大幅度提高,用户体验更好,若应用在手机平台上,由于提高了运算效率,因此能够减少手机电量的消耗。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来控制相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (11)
1.一种图像模糊处理方法,其特征是:包括步骤:
选择缩放因子,并根据该缩放因子将原图像缩小;
将滤波模板和缩小后的图像进行卷积运算以使该缩小后的图像变模糊,从而得到一张缩小的模糊图像;以及
对该缩小的模糊图像通过线性插值运算进行放大,以得到一张和该原图像大小相同的模糊图像。
2.根据权利要求1所述的图像模糊处理方法,其特征是:在执行选择缩放因子,并根据该缩放因子将原图像缩小;将滤波模板和缩小后的图像进行卷积运算以使该缩小后的图像变模糊中,还包括步骤:
选择滤波模板,并根据该缩放因子将该滤波模板的宽和高均缩小为原来宽和高的2^k倍,k为该缩放因子,该缩放因子k为大于零的整数;以及
将该缩小后的滤波模板和缩小后的图像进行卷积运算以使该缩小后的图像变模糊,从而得到一张缩小的模糊图像。
3.根据权利要求1所述的图像模糊处理方法,其特征是:在执行根据该缩放因子将原图像缩小中,还包括步骤:
将该原图像的宽和高均缩小为原来宽和高的2^k倍,k为该缩放因子,该缩放因子k为大于零的整数。
4.根据权利要求3所述的图像模糊处理方法,其特征是:还包括步骤:
在该原图像的像素中,每间隔2^k-1个像素选取一个像素,从而将该原图像的宽和高均缩小为原来宽和高的2^k倍。
5.根据权利要求1所述的图像模糊处理方法,其特征是:在执行对该缩小的模糊图像通过线性插值运算进行放大中,还包括步骤:
将该缩小的模糊图像进行线性插值运算,使该缩小的模糊图像的宽和高均放大2^k倍。
6.一种图像模糊处理装置,其特征在于,其包括:
图像缩小模块,用于选择缩放因子,并根据该缩放因子将原图像缩小;
图像模糊处理模块,用于将滤波模板和缩小后的图像进行卷积运算以使该缩小后的图像变模糊,从而得到一张缩小的模糊图像;以及
图像放大模块,用于对该缩小的模糊图像通过线性插值运算进行放大,以得到一张和该原图像大小相同的模糊图像。
7.根据权利要求6所述的图像模糊处理装置,其特征在于,其进一步包括:模板缩小模块,用于选择滤波模板,并根据该缩放因子将该滤波模板的宽和高均缩小为原来宽和高的2^k倍,k为该缩放因子,该缩放因子k为大于零的整数;该图像模糊处理模块,还用于将该缩小后的滤波模板和缩小后的图像进行卷积运算以使该缩小后的图像变模糊,从而得到一张缩小的模糊图像。
8.根据权利要求6所述的图像模糊处理装置,其特征在于,该图像缩小模块,还用于将该原图像的宽和高均缩小为原来宽和高的2^k倍,k为该缩放因子,该缩放因子k为大于零的整数。
9.根据权利要求8所述的图像模糊处理装置,其特征在于,该图像缩小模块,还用于在该原图像的像素中,每间隔2^k-1个像素选取一个像素,从而将该原图像的宽和高均缩小为原来宽和高的2^k倍。
10.根据权利要求6所述的图像模糊处理装置,其特征在于,该图像放大模块,还用于将该缩小的模糊图像进行线性插值运算,使该缩小的模糊图像的宽和高均放大2^k倍。
11.根据权利要求6所述的图像模糊处理装置,其特征在于,该图像放大模块为手机平台的图形处理器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210450406.0A CN103810672B (zh) | 2012-11-12 | 2012-11-12 | 图像模糊处理方法及图像模糊处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210450406.0A CN103810672B (zh) | 2012-11-12 | 2012-11-12 | 图像模糊处理方法及图像模糊处理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103810672A true CN103810672A (zh) | 2014-05-21 |
CN103810672B CN103810672B (zh) | 2018-07-10 |
Family
ID=50707394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210450406.0A Active CN103810672B (zh) | 2012-11-12 | 2012-11-12 | 图像模糊处理方法及图像模糊处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103810672B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217402A (zh) * | 2014-08-20 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种移动设备上视频实时高斯模糊的方法和装置 |
CN104463787A (zh) * | 2014-12-11 | 2015-03-25 | 厦门美图之家科技有限公司 | 一种光斑虚化特效实现方法 |
CN105957039A (zh) * | 2016-05-11 | 2016-09-21 | 深圳市和天创科技有限公司 | 一种图像色彩增强方法及其快速简化计算方法 |
CN106504193A (zh) * | 2016-10-24 | 2017-03-15 | 深圳市彬讯科技有限公司 | 一种基于云端的多用户图片渲染的渲染方法 |
CN107680051A (zh) * | 2017-09-18 | 2018-02-09 | 维沃移动通信有限公司 | 一种图像滤波方法和移动终端 |
CN108765271A (zh) * | 2018-05-30 | 2018-11-06 | 北京小米移动软件有限公司 | 图像处理方法及设备 |
CN110070501A (zh) * | 2019-03-25 | 2019-07-30 | 成都品果科技有限公司 | 一种提升图像高斯模糊处理效率的系统、方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1819621A (zh) * | 2006-01-25 | 2006-08-16 | 杭州维科软件工程有限责任公司 | 医学图像增强处理方法 |
CN101013126A (zh) * | 2007-01-15 | 2007-08-08 | 浙江大学 | 用计算机预测木质人造板强度的方法 |
CN102129065A (zh) * | 2010-01-12 | 2011-07-20 | 古野电气株式会社 | 伪像抑制装置、雷达装置、伪像抑制方法及伪像抑制程序 |
CN102509269A (zh) * | 2011-11-10 | 2012-06-20 | 重庆工业职业技术学院 | 一种结合曲线波的基于图像子块相似性的图像去噪方法 |
-
2012
- 2012-11-12 CN CN201210450406.0A patent/CN103810672B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1819621A (zh) * | 2006-01-25 | 2006-08-16 | 杭州维科软件工程有限责任公司 | 医学图像增强处理方法 |
CN101013126A (zh) * | 2007-01-15 | 2007-08-08 | 浙江大学 | 用计算机预测木质人造板强度的方法 |
CN102129065A (zh) * | 2010-01-12 | 2011-07-20 | 古野电气株式会社 | 伪像抑制装置、雷达装置、伪像抑制方法及伪像抑制程序 |
CN102509269A (zh) * | 2011-11-10 | 2012-06-20 | 重庆工业职业技术学院 | 一种结合曲线波的基于图像子块相似性的图像去噪方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217402A (zh) * | 2014-08-20 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种移动设备上视频实时高斯模糊的方法和装置 |
CN104463787A (zh) * | 2014-12-11 | 2015-03-25 | 厦门美图之家科技有限公司 | 一种光斑虚化特效实现方法 |
CN105957039A (zh) * | 2016-05-11 | 2016-09-21 | 深圳市和天创科技有限公司 | 一种图像色彩增强方法及其快速简化计算方法 |
CN105957039B (zh) * | 2016-05-11 | 2019-06-28 | 深圳市和天创科技有限公司 | 一种图像色彩增强方法及其快速简化计算方法 |
CN106504193A (zh) * | 2016-10-24 | 2017-03-15 | 深圳市彬讯科技有限公司 | 一种基于云端的多用户图片渲染的渲染方法 |
CN107680051A (zh) * | 2017-09-18 | 2018-02-09 | 维沃移动通信有限公司 | 一种图像滤波方法和移动终端 |
CN108765271A (zh) * | 2018-05-30 | 2018-11-06 | 北京小米移动软件有限公司 | 图像处理方法及设备 |
CN108765271B (zh) * | 2018-05-30 | 2022-06-03 | 北京小米移动软件有限公司 | 图像处理方法及设备 |
CN110070501A (zh) * | 2019-03-25 | 2019-07-30 | 成都品果科技有限公司 | 一种提升图像高斯模糊处理效率的系统、方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103810672B (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103810672A (zh) | 图像模糊处理方法及图像模糊处理装置 | |
US8854383B2 (en) | Pixel value compaction for graphics processing | |
US8837854B2 (en) | Image processing method for boundary resolution enhancement | |
CN104794685B (zh) | 一种实现图像去噪的方法及装置 | |
CN102968814B (zh) | 一种图像渲染的方法及设备 | |
CN103020888B (zh) | 图像平移更新显示方法和系统 | |
CN110163786B (zh) | 一种去除水印的方法、装置及设备 | |
CN109636730B (zh) | 用于过滤深度图中的伪像素的方法 | |
CN108961170A (zh) | 图像处理方法、装置和系统 | |
US10740955B2 (en) | Systems and methods for real-time large-scale point cloud surface reconstruction | |
CN103390262A (zh) | 数字滤波器权重系数的获取方法和装置 | |
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 | |
CN112819701B (zh) | 一种图像去噪方法、系统及电子设备 | |
CN106558021A (zh) | 基于超分辨率技术的视频增强方法 | |
CN104318236A (zh) | 一种获取图像局部特征的方法及系统 | |
CN104978712A (zh) | 图像处理方法及装置 | |
US9697593B2 (en) | System and method for tone mapping on high dynamic range images | |
CN115689906A (zh) | 一种图像处理方法及装置 | |
CN103207792B (zh) | 三维数据模型处理方法和系统 | |
CN115018713B (zh) | 实现图形旋转的数据存储及访问方法、装置和存储介质 | |
CN104268828A (zh) | 图片模糊化处理的方法和装置 | |
CN102946522B (zh) | 基于非局部均值的超分辨率方法和设备 | |
CN109886886B (zh) | 图像还原方法及装置 | |
CN111028140B (zh) | 一种gpu像素矩形缩放翻转的实现方法 | |
CN103179324A (zh) | 图像锐化方法及装置 |
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 |