CN103996170A - 一种具有超高解析度的图像边缘锯齿消除方法 - Google Patents

一种具有超高解析度的图像边缘锯齿消除方法 Download PDF

Info

Publication number
CN103996170A
CN103996170A CN201410174632.XA CN201410174632A CN103996170A CN 103996170 A CN103996170 A CN 103996170A CN 201410174632 A CN201410174632 A CN 201410174632A CN 103996170 A CN103996170 A CN 103996170A
Authority
CN
China
Prior art keywords
pixel
central point
pixel coordinate
coordinate
equals
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
Application number
CN201410174632.XA
Other languages
English (en)
Other versions
CN103996170B (zh
Inventor
李�浩
胡厚亮
朱立伟
何振伟
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.)
TCL Huaxing Photoelectric Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics Technology 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 Shenzhen China Star Optoelectronics Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Technology Co Ltd
Priority to CN201410174632.XA priority Critical patent/CN103996170B/zh
Priority to PCT/CN2014/077523 priority patent/WO2015165132A1/zh
Priority to US14/380,751 priority patent/US9639918B2/en
Publication of CN103996170A publication Critical patent/CN103996170A/zh
Application granted granted Critical
Publication of CN103996170B publication Critical patent/CN103996170B/zh
Active 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/403—Edge-driven scaling; Edge-based scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Control Of Indicators Other Than Cathode Ray Tubes (AREA)

Abstract

本发明涉及一种具有超高解析度的图像边缘锯齿消除方法。该方法用于实现从低分辨率到高分辨率的放大转换，借由对接收的图像数据进行边缘侦测，保存为原始边缘像素帧；接着将原始边缘像素帧于水平及垂直方向分别放大两倍，并保留原始边缘像素的信息，放大后的待插值像素的值以0灰阶替代；然后沿着原始边缘像素的边缘方向运用特定的插值规则对上述暂以0灰阶替代的待插值像素进行插值补偿，使得输出画面的锯齿状现象明显降低，而细节特征得到很好保持。本发明之方法简单，计算量小，运行速度快可以有效降低成本。

Description

一种具有超高解析度的图像边缘锯齿消除方法
技术领域
本发明涉及一种具有超高解析度(Super Resolution,SR)的图像边缘锯齿消除方法，特别是影像插值的补偿方法。 
背景技术
随着信息时代的发展，消费性电子产品已经遍布了人类生活的各个角落，日新月异的消费性电子产品在不断更新汰换的同时，人类对视觉效果的要求也越来越高，现今显示器的影像规格已藉由提升影像解析度的处理技术，从标准画质(Standard Definition,SD)提高成高画质(High Definition,HD)的视讯规格，而超高解析度算法已成为目前平面显示器4K2K领域的主流算法，其是指将低分辨率图像或图像序列恢复成高分辨率图像，以提高画面质量。其中，影像插值即为目前提高影像解析度的方法之一，例如：最邻近像素内插法(Nearest-Neighbor interpolation)、双线性内插法(bilinear interpolation)或双立方内插(Bicubic Interpolation)等。 
但这些传统影像内插方法只是单纯的放大画面，忽略高低频的变化信息，因此影像会随着放大倍率的增加而变得模糊。而另外考虑人眼对于高频信息(影像边缘)较为敏感，在放大的过程中保留原始边缘信息的边缘插值方法的计算量消耗过高，很难满足一些实际应用的需求，导致成本增加，实用性不强。 
因此，本发明提供一种具有超高解析度的图像边缘锯齿消除方法，用于实现从低分辨率到高分辨率的放大转换，既可消除图像边缘锯齿不使图像边缘变得模糊，并可降低系统的计算量，使所应用的液晶显示器具有系统算法简单，运行速度快并可有效降低成本等特点。 
发明内容
本发明的目的在于消除图像边缘锯齿状，提高边缘轮廓对比度，保持图像细节信息，并有效降低系统成本。 
为达成本发明的前述目的，本发明提供一种具有超高解析度的图像边缘锯齿消除方法，其包括步骤(1)对一图像边缘进行侦测，并保存为原始边缘像素帧，该检测出来的边缘具有高信噪比、高定位精度、单一边缘响应、封闭性等优点，因此可以对复杂图像进行最优边缘侦测；步骤(2)对所述原始边缘像素帧进行2x2放大而形成一放大像素帧，，保留全部原始边缘像素帧之边缘像素的信息，放大像素帧因放大增加的像素为待插像素；步骤(3)以0灰阶代替待插像素的像素值，此过程能保证边缘轮廓的清晰度与完整性，增强画面对比度而不牺牲影像品质；以及步骤(4)在所述放大像素帧中沿着被保留之原始边缘像素的边缘方向，对所述暂以0灰阶替代的待插值像素进行插值补偿，并考虑边缘像素及周边像素信息的影响，使得输出画面的锯齿状现象明显降低，而保持良好的细节特征。上述本发明的超高解析度算法用于实现从低分辨率到高分辨率的放大转换，其算法简单、计算量小，致使系统运行速度加快并可以有效降低成本。 
其中，上述步骤(1)的具体算法步骤如下：(1-1)使用高斯滤波器平滑图像边缘；(1-2)使用一阶偏导有限差分计算边缘梯度幅值和方向；(1-3)对边缘梯度幅值进行非极大值抑制；(1-4)用双阈值算法检测和连接边缘。而上述步骤(2)为边缘扩大方法，该过程直接将所述原始边缘像素帧进行2x2放大，保留原始边缘像素的信息，并于步骤(3)中以0灰阶代替待插像素，通过在随后插值时判断边缘类型以进行补偿来解决图像锯齿，而非将边缘像素平滑化，故边缘轮廓的清晰度可以得到保证。上述步骤(4)具体为：根据上述步骤(1)检测出来的边缘像素，划分多个4x4像素，每个4x4像素分为4x4特殊边缘、2x2通用边缘和其他边缘三种。其中，以当前待插像素 为中心，在其4x4像素内先判断是否存在特殊边缘，若有，则采用相对应的4x4插值规则进行计算；若无，则判断4x4像素数是否存在通用边缘，若有则应用2x2通用插值规则进行像素插值补偿；若上述两种边缘都不存在，则用双立方插值算法进行像素插值补偿，由此可以精确提高边缘像素的对比度并保持良好的图像细节信息。 
为了提高边缘方向插值的精确性，本发明针对所述4x4像素进行边缘方向判定，沿着各边缘方向插值得出待插像素值。以所述中心点像素为基准进行插值，所述中心点上方像素和所述中心点左边像素也同时进行插值补偿，并且所述中心点上方以及所述中心点左方的插值补偿由位于所述4x4像素内部中心的4个像素点决定。 
为让本发明的上述内容能更明显易懂,下文特举优选实施例,并配合所附图示,做详细说明如下: 
附图说明
图1为本发明超高解析度算法的流程图。 
图2为本发明边缘像素帧进行放大的示意图。 
图3为本发明待插像素插值的示意图。 
图4(a)-4(b)为本发明4x4各种特殊边缘和对应的插值规则的第一种示意图。 
图5(a)-5(b)为本发明4x4各种特殊边缘和对应的插值规则的第二种示意图。 
图6(a)-6(d)为本发明4x4各种特殊边缘和对应的插值规则的第三种示意图。 
图7(a)-7(b)为本发明4x4各种特殊边缘和对应的插值规则的第四种示意图。 
图8(a)-8(b)为本发明4x4各种特殊边缘和对应的插值规则的第五种示 意图。 
图9(a)-9(b)为本发明4x4各种特殊边缘和对应的插值规则的第六种示意图。 
图10(a)-10(b)为本发明4x4各种特殊边缘和对应的插值规则的第七种示意图。 
图11(a)-11(o)为本发明2x2通用边缘和对应的插值规则的示意图。 
图12为本发明软件仿真结果的示意图。 
具体实施方式
请参见图1，为本发明之一种具有超高解析度的图像边缘锯齿消除方法的流程图，包括有步骤101：高斯去噪；步骤102：梯度直与梯度方向计算；步骤103：非极大值抑制；步骤104：双阀值检测和连接边缘、步骤201：对原始边缘像素帧进行2x2放大；步骤301：以0灰阶代替待插像素的像素值；以及步骤401：沿边缘方向进行插值，上述步骤101至104一般称为Canny算子边缘侦测方法，其系对一图像边缘进行侦测，并保存为原始边缘像素帧，具体侦测方法如下：一待放大的图像序列100通过一高斯去噪步骤101使用高斯滤波器平滑图像，对原始数据与高斯平滑模式作卷积。这里所用的滤波器会直接影响步骤101的演算结果，较小的滤波器产生的模糊效果较少，因此可以检测较小、变化较明显的细线；较大的滤波器产生的模糊效果较多，因此有利于检测较大、较平滑的边缘。平滑后图像序列100与高斯平滑滤波器的卷积可以如下： 
g(x,y)＝h(x,y,σ)*f(x,y)， 
其中g(x,y)为平滑后的图像序列100；f(x,y)为平滑前的图像。 
另外，由于图像中的边缘可能会指向不同的方向，因此于步骤102中利用一阶偏导有限差分计算边缘梯度幅值和方向。在此步骤中，使用一阶有限差分计算偏导数数组P与Q，平滑后图像g(x,y)的梯度可以使用2x2一阶有 限差分近似式来计算x与y偏导数的两个数组，其中 
P(x,y)≈[g(x,y+1)-g(x,y)+g(x+1,y+1)-g(x+1,y)]/2； 
Q(x,y)≈[g(x,y)-g(x+1,y)+g(x,y+1)-g(x+1,y+1)]/2， 
幅值和方位角可用直角坐标到级坐标的坐标转化公式来计算： 
M(x,y)＝[P(x,y)2+Q(x,y)2]1/2
θ(x,y)＝tan-1[Q(x,y)/P(x,y)] 
其中，M(x,y)反映图像的边缘强度；θ(x,y)反映边缘的方向。 
于步骤103中，对边缘梯度幅值进行非极大值抑制(non_maxima suppression，NMS)，此步骤为求确定边缘，必须保留局部边缘梯度最大的点，进而抑制非极大值。非极大值抑制系通过抑制边缘梯度线上所有非屋脊峰值的幅值来细化M(x,y)中的边缘梯度幅值屋脊，其方向角和幅值分别为： 
ζ(x,y)＝Selector[θ(x,y)]； 
N(x,y)＝NMS[M(x,y),ζ(x,y)]。 
并且于步骤104中利用双阈值算法检测和连接边缘以完成对一图像边缘进行侦测并保存为边缘像素帧的步骤，所述双阀值算法就是利用两个阀值τ1和τ2(2τ1≈τ2)得到两个阀值的边缘图像N1(x,y)和N2(x,y)。由于N2(x,y)属于高阀值，因此含有极少的假边缘，其在N2(x,y)中将边缘连接成轮廓，当到达轮廓的端点时，便于N1(x,y)的邻点寻找可以连接到轮廓上的边缘，如此，不断地在N1(x,y)中收集边缘，直到把N2(x,y)连接起来为止。 
上述Canny算子边缘侦测方法的目的在于找到一个最优化的边缘检测算法，而其检测出来的图像边缘具有高信噪比、高定位精度、单一边缘响应、封闭性等优点，因此可以对复杂图像进行最优边缘侦测。 
完成上述步骤101至104后请继续参见图1的步骤201，步骤201为一边缘扩大方法，请参见图2，于步骤201中直接将所述原始边缘像素帧10进行2x2放大而形成一放大像素帧20，并且保留全部原始边缘像素帧10之边 缘像素11的信息，放大像素帧20因放大增加的像素为待插像素，并且于步骤301中以0灰阶代替待插像素的像素值，图2中两两像素的间格处即为暂以0灰阶代替的待插像素，此步骤通过在后续步骤401插值时判断边缘类型以进行补偿来解决图像锯齿，并非将边缘像素平滑化，故此过程能保证边缘轮廓的清晰度与完整性，增强画面对比度而不牺牲影像品质。 
步骤401为一像素补偿方法，其系在所述放大像素帧20中沿着被保留之原始边缘像素11的边缘方向，运用特定的插植规则对所述暂以0灰阶替代的待插值像素01；02；03；04进行插值补偿，并考虑边缘像素及周边像素信息(4x4个原像素)的影响，使得输出画面的锯齿状现象明显降低，而保持良好的细节特征，其系根据上述步骤101至104利用Canny算子边缘侦测方法所检测出来的边缘像素，划分多个4x4像素，每个4x4像素分别存在有4x4特殊边缘、2x2通用边缘和其他边缘三种，所述特殊边缘经4x4插值规则计算，所述通用边缘由2x2插值规则进行计算，所述其他边缘则由通用的双立方插值算法进行计算。其具体方法为：以当前待插像素为中心，在其4x4像素内先判断是否存在特殊边缘，若有，则采用相对应的4x4插值规则进行计算；若无，则判断4x4像素内是否存在通用边缘，若有则应用2x2通用插值规则进行像素插值补偿；若上述两种边缘都不存在，则用双立方插值算法进行像素插值补偿，例如：在图2中，01和02属于4x4特殊边缘，使用4x4插值规则；03属于2x2通用边缘，则使用2x2插值规则；而04非属于4x4特殊边缘，也非为2x2通用边缘，因此使用通用的双立方插值算法进行计算，由此可以精确提高边缘像素的对比度并保持良好的图像细节信息，透过上述步骤101至401完成放大图像200的输出。 
请参考图3，为求方便说明，以下将所述4x4像素左下角的像素坐标定义为(0,0)，右上角的像素坐标定义为(3a,3b)，所述a为X轴方向的单位长度，所述b为Y轴方向的单位长度，其中a＝1，b＝1，因此图3至图11中 的各像素点坐标所对应的像素代号可由下表1表示，但不局限于此，其中A、B、C、D、E、F、G、H、I、J、K、L、M、N、O、P为原像素点，m、u和l分别为待插值的中心点，上方点以及左边点，为了提高边缘方向插值的精确性，本发明所述的插值系针对所述4x4像素进行边缘方向判定，利用上述规则计算中心点m、中心点上方u以及中心点左方l的待插像素值。 
表1 
像素坐标 像素代号
(0,3b) A
(a,3b) B
(2a,3b) C
(3a,3b) D
(0,2b) E
(a,2b) F
(2a,2b) G
(3a,2b) H
(0,b) I
(a,b) J
(2a,b) K
(3a,b) L
(0,0) M
(a,0) N
(2a,0) O
(3a,0) P
具体而言，本发明所述4x4各种特殊边缘和对应的插值规则可以是：根据角度从小到大旋转一周来划分特殊边缘不同情况，针对所述4x4像素进行 边缘方向判定，沿着边缘方向以所述4x4像素的中心点m为基准进行插值，所述中心点上方u以及所述中心点左方l亦同时进行插值补偿，其中所述4x4像素的中心点m、所述中心点上方u以及所述中心点左方l的插值补偿由位于所述4x4像素内部中心的4个像素点F、G、J、K决定。 
第一种情况如图4所示，其中，I、J、K、L和E、F、G、H分别为检测出的边缘像素点，m、u、l则分别为待插中心点、上方点与左边点。请参见图4(a)，其中m由I、J、K、L四像素点双立方插值得出，l等于J像素值，u等于F、G像素的平均值；另外在图4(b)中，u则由E、F、G、H四像素点双立方插值得出，l等于J像素值，m等于J、K像素的平均值。 
第二种4x4特殊边缘的情况如图5所示，其中，I、J、G、H和E、F、K、L分别为检测出的边缘像素点，m、u、l分别为待插中心点、上方点与左边点。请参见图5(a)，其中m等于J、K像素的平均值，l等于J像素值，u等于G像素值；而在图5(b)中，m等于J、K像素的平均值，l等于J像素值，u等于F像素值。 
第三种4x4特殊边缘的情况如图6所示，其中，M、J、K、H和I、F、G、D分别为检测出的边缘像素点，m、u、l分别为待插中心点、上方点与左边点。请参见图6(a)～6(d)，其中m等于J、K像素的平均值，l等于F、J像素的平均值，u等于F、G像素的平均值。 
第四种4x4特殊边缘的情况如图7所示，其中，M、J、G、D和A、F、K、P分别为检测出的边缘像素点，m、u、l分别为待插中心点、上方点与左边点。请参见图7(a)，其中m由M、J、G、D四像素点双立方插值得出，l等于F、J像素的平均值，u等于F、G像素的平均值；而在图7(b)中，m由A、F、K、P四像素点双立方插值得出，l等于F、J像素的平均值，u等于F、G像素的平均值。 
第五种4x4特殊边缘的情况如图8所示，其中，N、K、G、D和A、F、 J、O分别为检测出的边缘像素点，m、u、l分别为待插中心点、上方点与左边点。请参见图8(a)及8(b)，其中m等于F、J像素的平均值，l等于F、J像素的平均值，u等于F像素值。 
第六种情况4x4特殊边缘的情况如图9所示，其中，C、G、K、O和B、F、J、N分别为检测出的边缘像素点，m、u、l分别为待插中心点、上方点与左边点。请参见图9(a)，其中m由C、G、K、O四像素点双立方插值得出，l等于F、J像素的平均值，u等于F像素值；而在图9(b)，l由B、F、J、N四像素点双立方插值得出，m等于F、J像素的平均值，u等于F像素值。 
第七种4x4特殊边缘的情况如图10所示，其中，B、F、K、O和C、G、J、N分别为检测出的边缘像素点，m、u、l分别为待插中心点、上方点与左边点。请参见图10(a)及10(b)，其中m等于F、J像素的平均值，l等于F、J像素的平均值，u等于F像素值。 
图11绘示本发明2x2通用边缘分类的示意图，相对于上述4x4特殊边缘的插值规则，其只检测位于所述4x4像素内部中心的4个像素F、G、J、K是否为边缘像素点，其他像素是否是边缘像素点则不考虑，因此图11使用省略画法，少画了A、B、C、D、E、H、I、L、M、N、O、P像素，为了提高边缘方向插值的精确性，根据角度从小到大旋转一周来划分特殊边缘不同情况，针对所述F、G、J、K像素进行边缘方向判定，沿着边缘方向以所述F、G、J、K像素的中心点m为基准进行插值，所述中心点上方u以及所述中心点左方l亦同时进行插值补偿，其中所述4x4像素的中心点m、所述中心点上方u以及所述中心点左方l的插值补偿由所述F、G、J、K决定。插值规则分别如下： 
如图11(a)：K为检测出的边缘像素点，m,l等于F,J像素的平均值，u等于F,G像素的平均值； 
如图11(b)：J为检测出的边缘像素点，m等于G,K像素的平均值，l等 于F像素值，u等于F,G像素的平均值； 
如图11(c)：J、K为检测出的边缘像素点，m等于J,K像素的平均值，l等于J像素值，u等于F,G像素的平均值； 
如图11(d)：G为检测出的边缘像素点，m等于J,K像素的平均值，l等于J像素值，u等于F像素值； 
如图11(e)：G、K为检测出的边缘像素点，m,l等于F,J像素的平均值，u等于F像素值； 
如图11(f)与11(g)：、G、J或者G、J、K为检测出的边缘像素点，m等于J,G像素的平均值，l,u等于F像素值； 
如图11(h)：F为检测出的边缘像素点，m等于J,K像素的平均值，l等于J像素值，u等于G像素值； 
如图11(i)：F、K为检测出的边缘像素点，m等于F,K像素的平均值，l等于J像素值，u等于G像素值； 
如图11(j)：F、J为检测出的边缘像素点，m等于G,K像素的平均值，l等于F,J像素的平均值，u等于G像素值； 
如图11(k)：F、J、K为检测出的边缘像素点，m等于F,K像素的平均值，l等于F,J像素的平均值，u等于G像素值； 
如图11(l)：F、G为检测出的边缘像素点，m等于J,K像素的平均值，l等于J像素值，u等于F,G像素的平均值； 
如图11(m)：F、G、K为检测出的边缘像素点，m等于F,K像素的平均值，l等于J像素值，u等于F,G像素的平均值； 
如图11(n)：F、G、J为检测出的边缘像素点，m等于G,J像素的平均值，l等于F,J像素的平均值，u等于F,G像素的平均值； 
如图11(o)：F、G、J、K为检测出的边缘像素点，m等于F,G,J,K像素的平均值，l等于F,J像素的平均值，u等于F,G像素的平均值。 
透过上述方法判断4x4特殊边缘与2x2通用边缘并且使用对应的插值规则完成一种具有超高解析度的图像边缘锯齿消除方法，其软件仿真结果如图12所示，本发明所提出的新算法能有效消除图像边缘锯齿且具有较好的抗模糊效果，使边缘处的对比度提高，保留轮廓的完整性，所述图像的细节内容得以保持良好。 
综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可做各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。 

Claims (28)

1.一种具有超高解析度的图像边缘锯齿消除方法,包括以下步骤:
(1)对一图像边缘进行侦测，并保存为原始边缘像素帧；
(2)对所述原始边缘像素帧进行2x2放大而形成一放大像素帧，保留全部原始边缘像素帧之边缘像素的信息，放大像素帧因放大增加的像素为待插像素；
(3)以0灰阶代替待插像素的像素值；
(4)在所述放大像素帧中沿着被保留之原始边缘像素的边缘方向，对所述暂以0灰阶替代的待插值像素进行插值补偿。
2.根据权利要求1所述的图像边缘锯齿消除方法，其中所述步骤(1)具体为：
(1-1)使用高斯滤波器平滑图像边缘；
(1-2)使用一阶偏导有限差分计算边缘梯度幅值和方向；
(1-3)对该边缘梯度幅值进行非极大值抑制；
(1-4)使用双阈值算法检测以及连接边缘。
3.根据权利要求1所述的图像边缘锯齿消除方法，其中所述步骤(4)具体为:根据所述步骤(1)侦测出的边缘像素划分多个4x4像素，并且在所述4x4像素内判断是否存在4x4特殊边缘，若有，采用相对应的4x4插值规则进行计算；若无，则判断所述4x4像素内是否存在2x2通用边缘，若有则应用2x2通用插值规则对所述0灰阶像素进行像素插值补偿；若上述两种边缘都不存在，则用双立方插值算法对所述0灰阶像素进行像素插值补偿。
4.根据权利要求3所述的图像边缘锯齿消除方法，其中所述4x4插值规则为：针对所述4x4像素进行边缘方向判定，沿着边缘方向以所述4x4像素的中心点为基准进行插值，所述中心点上方以及所述中心点左方亦同时进行插值补偿。
5.根据权利要求3所述的图像边缘锯齿消除方法，其中所述2x2通用插值规则为：
仅针对位于所述4x4像素内部中心的4个像素点进行边缘方向判定，沿着边缘方向以所述4x4像素的中心点为基准进行插值，所述中心点上方以及所述中心点左方亦同时进行插值补偿。
6.根据权利要求4所述的图像边缘锯齿消除方法，其中所述4x4像素的中心点、所述中心点上方以及所述中心点左方的插值补偿由位于所述4x4像素内部中心的4个像素点决定。
7.根据权利要求5所述的图像边缘锯齿消除方法，其中所述4x4像素的中心点、所述中心点上方以及所述中心点左方的插值补偿由所述4x4像素内部中心的所述4个像素点决定。
8.根据权利要求6所述的图像边缘锯齿消除方法，其中当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(0,b)、(a,b)、(2a,b)、(3a,b)为检测出的边缘像素点时，所述4x4像素的中心点由像素坐标(0,a)、(a,b)、(2a,b)、(3a,b)四像素点双立方插值得出，所述中心点左方等于像素坐标(a,b)的像素值，所述中心点上方等于像素坐标(a,2b)、(2a,2b)像素的平均值；而当像素坐标(0,2b)、(a,2b)、(2a,2b)、(3a,2b)为检测出的边缘像素点时，所述中心点上方则由像素坐标(0,2b)、(a,2b)、(2a,2b)、(3a,2b)四像素点双立方插值得出，所述中心点左方等于像素坐标(a,b)的像素值，所述4x4像素的中心点等于像素坐标(a,b)、(2a,b)像素的平均值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
9.根据权利要求6所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(0,b)、(a,b)、(2a,2b)、(3a,2b)和(0,2b)、(a,2b)、(2a,b)、(3a,b)分别为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,b)的像素值，所述中心点上方则分别等于像素坐标(2a,2b)以及像素坐标(a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
10.根据权利要求6所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(0,0)、(a,b)、(2a,b)、(3a,2b)；(0,b)、(a,2b)、(2a,2b)、(3a,3b)；(0,2b)、(a,b)、(2a,b)、(3a,0)和(0,3b)、(a,2b)、(2a,2b)、(3a,b)分别为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(a,2b)、(2a,2b)像素的平均值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
11.根据权利要求6所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(0,0)、(a,b)、(2a,2b)、(3a,3b)和(0,3b)、(a,2b)、(2a,b)、(3a,0)分别为检测出的边缘像素点时，所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(a,2b)、(2a,2b)像素的平均值，所述4x4像素的中心点则分别由像素坐标(0,0)、(a,b)、(2a,2b)、(3a,3b)以及(0,3b)、(a,2b)、(2a,b)、(3a,0)四像素点双立方插值得出，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
12.根据权利要求6所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,0)、(2a,b)、(2a,2b)、(3a,3b)和(0,3b)、(a,2b)、(a,b)、(2a,0)分别为检测出的边缘像素点时，所述4x4像素的中心点以及所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
13.根据权利要求6所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(2a,3b)、(2a,2b)、(2a,b)、(2a,0)为检测出的边缘像素点时，所述4x4像素的中心点由像素坐标(2a,3b)、(2a,2b)、(2a,b)、(2a,0)四像素点双立方插值得出，所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(a,2b)的像素值；而当像素坐标(a,3b)、(a,2b)、(a,b)、(a,0)为检测出的边缘像素点时，所述中心点左方由像素坐标(a,3b)、(a,2b)、(a,b)、(a,0)四像素点双立方插值得出，所述4x4像素的中心点等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
14.根据权利要求6所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,3b)、(a,2b)、(2a,b)、(2a,0)和(2a,3b)、(2a,2b)、(a,b)、(a,0)分别为检测出的边缘像素点时，所述4x4像素的中心点以及所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
15.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(2a,b)为检测出的边缘像素点时，所述4x4像素的中心点以及所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(a,2b)、(2a,2b)像素的平均值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
16.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(2a,2b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,2b)的像素值，所述中心点上方等于像素坐标(a,2b)、(2a,2b)像素的平均值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
17.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,b)、(2a,b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,b)的像素值，所述中心点上方等于(a,2b)、(2a,2b)像素的平均值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
18.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(2a,2b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,b)的像素值，所述中心点上方等于像素坐标(a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
19.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(2a,2b)、(2a,b)为检测出的边缘像素点时，所述4x4像素的中心点以及所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
20.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(2a,2b)、(a,b)或(2a,2b)、(a,b)、(2a,b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,b)、(2a,2b)像素的平均值，所述中心点左方以及所述中心点上方等于像素坐标(a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
21.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,2b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,b)的像素值，所述中心点上方等于像素坐标(2a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
22.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,2b)、(2a,b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,2b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,b)的像素值，所述中心点上方等于像素坐标(2a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
23.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,2b)、(a,b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(2a,2b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(2a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
24.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,2b)、(a,b)、(2a,b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,2b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(2a,2b)的像素值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
25.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,2b)、(2a,2b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,b)的像素值，所述中心点上方等于像素坐标(a,2b)、(2a,2b)像素的平均值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
26.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,2b)、(2a,2b)、(2a,b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,2b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,b)的像素值，所述中心点上方等于像素坐标(a,2b)、(2a,2b)像素的平均值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
27.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,2b)、(2a,2b)、(a,b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(2a,2b)、(a,b)像素的平均值，所述中心点左方等于像素坐标(a,2b)、(a,b)的平均值，所述中心点上方等于像素坐标(a,2b)、(2a,2b)像素的平均值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
28.根据权利要求7所述的图像边缘锯齿消除方法，其中，当所述4x4像素左下角的像素坐标为(0,0)，右上角的像素坐标为(3a,3b)且像素坐标(a,2b)、(2a,2b)、(a,b)、(2a,b)为检测出的边缘像素点时，所述4x4像素的中心点等于像素坐标(a,2b)、(2a,2b)、(a,b)、(2a,b)像素的平均值，所述中心点左方等于像素坐标(a,2b)、(a,b)像素的平均值，所述中心点上方等于像素坐标(a,2b)、(2a,2b)像素的平均值，其中a为X轴方向的单位长度，b为Y轴方向的单位长度。
CN201410174632.XA 2014-04-28 2014-04-28 一种具有超高解析度的图像边缘锯齿消除方法 Active CN103996170B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201410174632.XA CN103996170B (zh) 2014-04-28 2014-04-28 一种具有超高解析度的图像边缘锯齿消除方法
PCT/CN2014/077523 WO2015165132A1 (zh) 2014-04-28 2014-05-15 一种具有超高解析度的图像边缘锯齿消除方法
US14/380,751 US9639918B2 (en) 2014-04-28 2014-05-15 Method for anti-aliasing of image with super-resolution

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410174632.XA CN103996170B (zh) 2014-04-28 2014-04-28 一种具有超高解析度的图像边缘锯齿消除方法

Publications (2)

Publication Number Publication Date
CN103996170A true CN103996170A (zh) 2014-08-20
CN103996170B CN103996170B (zh) 2017-01-18

Family

ID=51310327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410174632.XA Active CN103996170B (zh) 2014-04-28 2014-04-28 一种具有超高解析度的图像边缘锯齿消除方法

Country Status (3)

Country Link
US (1) US9639918B2 (zh)
CN (1) CN103996170B (zh)
WO (1) WO2015165132A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200427A (zh) * 2014-09-17 2014-12-10 厦门美图之家科技有限公司 一种消除图像边缘锯齿的方法
CN105427258A (zh) * 2015-11-25 2016-03-23 惠州Tcl移动通信有限公司 圆形图案显示平滑的优化处理方法、系统及智能设备
CN106204453A (zh) * 2016-07-14 2016-12-07 京东方科技集团股份有限公司 一种图像的插值方法及装置
CN107123096A (zh) * 2017-04-20 2017-09-01 腾讯科技（深圳）有限公司 Vr设备中的图像显示方法和装置以及vr设备
CN110827220A (zh) * 2019-11-01 2020-02-21 杭州当虹科技股份有限公司 一种基于图像边缘分析的抗锯齿方法
CN112862705A (zh) * 2021-01-23 2021-05-28 西安点云生物科技有限公司 一种光固化切片图像边缘抗锯齿优化装置、设备、方法和存储介质
CN114092592A (zh) * 2022-01-20 2022-02-25 腾讯科技（深圳）有限公司 马赛克图像的生成方法及相关装置
CN116681695A (zh) * 2023-07-27 2023-09-01 山东阁林板建材科技有限公司 一种抗变形模板端面的质量检测方法

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516095A (zh) * 2016-06-16 2017-12-26 阿里巴巴集团控股有限公司 一种图像识别方法及装置
JP2018088098A (ja) * 2016-11-28 2018-06-07 富士通株式会社 情報処理装置、情報処理方法、およびプログラム
CN106454054B (zh) 2016-11-29 2019-03-19 Oppo广东移动通信有限公司 控制方法、控制装置及电子装置
CN106454288B (zh) 2016-11-29 2018-01-19 广东欧珀移动通信有限公司 控制方法、控制装置、成像装置及电子装置
CN106604001B (zh) * 2016-11-29 2018-06-29 广东欧珀移动通信有限公司 图像处理方法、图像处理装置、成像装置及电子装置
CN106507068B (zh) 2016-11-29 2018-05-04 广东欧珀移动通信有限公司 图像处理方法及装置、控制方法及装置、成像及电子装置
CN106504218B (zh) 2016-11-29 2019-03-12 Oppo广东移动通信有限公司 控制方法、控制装置及电子装置
CN106341670B (zh) 2016-11-29 2017-09-22 广东欧珀移动通信有限公司 控制方法、控制装置及电子装置
CN107644398B (zh) * 2017-09-25 2021-01-26 上海兆芯集成电路有限公司 图像插补方法及其相关图像插补装置
US11567341B2 (en) 2019-09-03 2023-01-31 Raytheon Company System and method for correcting for atmospheric jitter and high energy laser broadband interference using fast steering mirrors
US11513227B2 (en) 2019-10-08 2022-11-29 Raytheon Company Atmospheric jitter correction and target tracking using single imaging sensor in high-energy laser systems
US11513191B2 (en) 2019-10-08 2022-11-29 Raytheon Company System and method for predictive compensation of uplink laser beam atmospheric jitter for high energy laser weapon systems
US11900562B2 (en) * 2019-11-05 2024-02-13 Raytheon Company Super-resolution automatic target aimpoint recognition and tracking
KR20210078218A (ko) * 2019-12-18 2021-06-28 삼성전자주식회사 전자장치 및 그 제어방법
CN112188178B (zh) * 2020-09-30 2022-02-22 Tcl华星光电技术有限公司 图像显示方法和图像显示装置
US11665296B2 (en) * 2021-06-24 2023-05-30 Brother Kogyo Kabushiki Kaisha Image reading device

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102547067A (zh) * 2011-12-31 2012-07-04 中山大学 改进的双三次插值视频缩放方法
CN102750668A (zh) * 2012-07-04 2012-10-24 西南交通大学 结合局部方向特征的数字图像三倍插值放大方法
CN103034973A (zh) * 2012-12-05 2013-04-10 焦点科技股份有限公司 基于双三次插值的自适应图像缩放方法
CN103136723A (zh) * 2011-11-29 2013-06-05 方正国际软件(北京)有限公司 一种图像锯齿消除方法及系统
US20130322780A1 (en) * 2011-02-12 2013-12-05 Xiaodong Huang Image Interpolation Method Based On Matrix and Image Processing System
CN103617607A (zh) * 2013-11-28 2014-03-05 天津大学 一种单幅图像超分辨率重建方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7379625B2 (en) * 2003-05-30 2008-05-27 Samsung Electronics Co., Ltd. Edge direction based image interpolation method
KR100587979B1 (ko) * 2004-12-20 2006-06-08 한국전자통신연구원 이미지 확대를 위한 경계선 및 귀퉁이 기반 보간 방법
US8320460B2 (en) * 2006-09-18 2012-11-27 Freescale, Semiconductor, Inc. Dyadic spatial re-sampling filters for inter-layer texture predictions in scalable image processing
US7783134B2 (en) * 2007-01-04 2010-08-24 Himax Technologies Limited Edge-oriented interpolation method and system for a digital image
CN102032875B (zh) * 2009-09-28 2012-02-08 王吉林 一种基于图像处理的电缆护套厚度测量方法
JP5658963B2 (ja) * 2010-09-29 2015-01-28 オリンパス株式会社 画像処理装置、画像処理方法、および画像処理プログラム
CN103034976B (zh) * 2011-09-29 2015-10-14 华晶科技股份有限公司 影像内插的处理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130322780A1 (en) * 2011-02-12 2013-12-05 Xiaodong Huang Image Interpolation Method Based On Matrix and Image Processing System
CN103136723A (zh) * 2011-11-29 2013-06-05 方正国际软件(北京)有限公司 一种图像锯齿消除方法及系统
CN102547067A (zh) * 2011-12-31 2012-07-04 中山大学 改进的双三次插值视频缩放方法
CN102750668A (zh) * 2012-07-04 2012-10-24 西南交通大学 结合局部方向特征的数字图像三倍插值放大方法
CN103034973A (zh) * 2012-12-05 2013-04-10 焦点科技股份有限公司 基于双三次插值的自适应图像缩放方法
CN103617607A (zh) * 2013-11-28 2014-03-05 天津大学 一种单幅图像超分辨率重建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张雄 等: "一种保持图像边缘的插值方法", 《空军工程大学学报自然科学版》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200427B (zh) * 2014-09-17 2017-12-15 厦门美图之家科技有限公司 一种消除图像边缘锯齿的方法
CN104200427A (zh) * 2014-09-17 2014-12-10 厦门美图之家科技有限公司 一种消除图像边缘锯齿的方法
CN105427258A (zh) * 2015-11-25 2016-03-23 惠州Tcl移动通信有限公司 圆形图案显示平滑的优化处理方法、系统及智能设备
CN105427258B (zh) * 2015-11-25 2018-09-14 惠州Tcl移动通信有限公司 圆形图案显示平滑的优化处理方法、系统及智能设备
CN106204453A (zh) * 2016-07-14 2016-12-07 京东方科技集团股份有限公司 一种图像的插值方法及装置
CN106204453B (zh) * 2016-07-14 2019-12-03 京东方科技集团股份有限公司 一种图像的插值方法及装置
US10650507B2 (en) 2017-04-20 2020-05-12 Tencent Technology (Shenzhen) Company Limited Image display method and apparatus in VR device, and VR device
CN107123096A (zh) * 2017-04-20 2017-09-01 腾讯科技（深圳）有限公司 Vr设备中的图像显示方法和装置以及vr设备
CN107123096B (zh) * 2017-04-20 2018-11-06 腾讯科技（深圳）有限公司 Vr设备中的图像显示方法和装置以及vr设备
CN110827220A (zh) * 2019-11-01 2020-02-21 杭州当虹科技股份有限公司 一种基于图像边缘分析的抗锯齿方法
CN110827220B (zh) * 2019-11-01 2023-05-30 杭州当虹科技股份有限公司 一种基于图像边缘分析的抗锯齿方法
CN112862705A (zh) * 2021-01-23 2021-05-28 西安点云生物科技有限公司 一种光固化切片图像边缘抗锯齿优化装置、设备、方法和存储介质
CN112862705B (zh) * 2021-01-23 2023-08-25 西安点云生物科技有限公司 一种光固化切片图像边缘抗锯齿优化装置、设备、方法和存储介质
CN114092592A (zh) * 2022-01-20 2022-02-25 腾讯科技（深圳）有限公司 马赛克图像的生成方法及相关装置
CN114092592B (zh) * 2022-01-20 2022-04-01 腾讯科技（深圳）有限公司 马赛克图像的生成方法及相关装置
CN116681695A (zh) * 2023-07-27 2023-09-01 山东阁林板建材科技有限公司 一种抗变形模板端面的质量检测方法
CN116681695B (zh) * 2023-07-27 2023-12-01 山东阁林板建材科技有限公司 一种抗变形模板端面的质量检测方法

Also Published As

Publication number Publication date
US20160247262A1 (en) 2016-08-25
CN103996170B (zh) 2017-01-18
WO2015165132A1 (zh) 2015-11-05
US9639918B2 (en) 2017-05-02

Similar Documents

Publication Publication Date Title
CN103996170A (zh) 一种具有超高解析度的图像边缘锯齿消除方法
US8837854B2 (en) Image processing method for boundary resolution enhancement
CN103632359B (zh) 一种视频超分辨率处理方法
CN103440654A (zh) 一种lcd异物缺陷检测方法
CN110634147B (zh) 基于双边引导上采样的图像抠图方法
CN106934806B (zh) 一种基于结构清晰度的无参考图失焦模糊区域分割方法
US9519996B2 (en) Virtual view generating method and apparatus
CN103119609B (zh) 一种确定视频前景主体图像区域的方法和装置
CN104809461A (zh) 结合序列图像超分辨率重建的车牌识别方法及系统
CN104021561A (zh) 基于小波变换及形态学运算的织物起毛起球图像分割方法
CN102722875A (zh) 一种基于视觉注意和质量可变的图像超分辨率重建方法
CN111899295B (zh) 一种基于深度学习的单目场景深度预测方法
CN106887004A (zh) 一种基于块匹配的车道线检测方法
CN104200426A (zh) 图像插值方法和装置
CN108171674B (zh) 针对任意视角投影仪图像的视觉矫正方法
JP2003512653A (ja) 適応サブピクセルレンダリングによる画像ディスプレイ品質の向上
CN105976382A (zh) 一种基于缺陷区域预判和水平集的TFT-LCD Mura缺陷检测算法
CN108537718B (zh) Gpu中一种实现点图元反走样的装置和方法
CN103914829A (zh) 一种含噪图像边缘检测方法
CN105654431B (zh) 一种对存在遮挡情况的图像去模糊方法
CN105303544A (zh) 一种基于最小边界距离的视频拼接方法
CN105930847A (zh) 基于融合边缘检测的sar图像线性特征提取方法
CN105069764A (zh) 一种基于边缘跟踪的图像去噪方法及系统
CN105160627A (zh) 一种基于分类自学习的超分辨率图像获取方法及系统
CN107301045A (zh) 窗口显示方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CP03 Change of name, title or address

Address after: 518132 No. 9-2 Ming Avenue, Guangming New District, Guangdong, Shenzhen

Patentee after: TCL Huaxing Photoelectric Technology Co., Ltd

Address before: 518132 No. 9-2 Ming Avenue, Guangming New District, Guangdong, Shenzhen

Patentee before: Shenzhen Huaxing Optoelectronic Technology Co., Ltd.

CP03 Change of name, title or address