CN104200793B - 一种图像的边界判别方法、装置和显示面板 - Google Patents
一种图像的边界判别方法、装置和显示面板 Download PDFInfo
- Publication number
- CN104200793B CN104200793B CN201410415432.9A CN201410415432A CN104200793B CN 104200793 B CN104200793 B CN 104200793B CN 201410415432 A CN201410415432 A CN 201410415432A CN 104200793 B CN104200793 B CN 104200793B
- Authority
- CN
- China
- Prior art keywords
- dispersion
- grad
- value
- standard deviation
- diagonal
- 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
Links
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
- G09G3/001—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes using specific devices not provided for in groups G09G3/02 - G09G3/36, e.g. using an intermediate record carrier such as a film slide; Projection systems; Display of non-alphanumerical information, solely or in combination with alphanumerical information, e.g. digital display on projected diapositive as background
- G09G3/003—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes using specific devices not provided for in groups G09G3/02 - G09G3/36, e.g. using an intermediate record carrier such as a film slide; Projection systems; Display of non-alphanumerical information, solely or in combination with alphanumerical information, e.g. digital display on projected diapositive as background to produce spatial visual effects
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
- G09G3/20—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
- G09G5/02—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators characterised by the way in which colour is displayed
-
- 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
- G06T2207/20004—Adaptive image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Image Analysis (AREA)
- Controls And Circuits For Display Device (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种图像的边界判别方法、装置和显示面板,用以有效地判别图像是否有边界以及边界的方向。其中判别方法包括接收待判别的图像信息以形成灰阶参数值矩阵,并以待处理的子像素单元对应的灰阶参数值为中心将灰阶参数值矩阵划分为n×n矩阵和(n+2)×(n+2)矩阵;分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向、列向、第一对角线方向和第二对角线方向的最小梯度值、最小标准差值、最小标准差值的离散度、最小梯度值的离散度;当确定的离散度大于N倍的与其对应的最小值时,输出第一代码值,当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值,根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向。
Description
技术领域
本发明涉及显示技术领域,尤其涉及一种图像的边界判别方法、装置和显示面板。
背景技术
虚拟算法是一种新型的图像处理手段,针对特定的子像素排列方式,虚拟算法能够将较低的物理分辨率提升到较高的虚拟分辨率,优化显示效果,提高人眼的视觉感受。
虚拟算法一般采用滤波器来处理输入信号,通过滤波器对输入信号重新采样分配,实现虚拟显示。但虚拟算法中的滤波器并不能准确处理各种图像类型,比如一些滤波器在斜线图形下会出现彩色边缘,一般把这种现象叫做颜色混叠。为了减少颜色混叠效应,一方面需要不断测试反馈,优化滤波器,改善显示效果;另一方面,需要针对不同的图像类型,或者同一图像的不同位置采用不同的滤波器处理,例如:对于无边界的位置通常采用通用滤波器,而对于有边界的位置通常采用边界滤波器。
为了实现分情况滤波,需要对输入数据的亮度信号进行处理,设计判别流程,识别其中的锐化边界,对特定的横线、竖线、左对角线、右对角线进行分类,从而采用不同的滤波器。
因此,如何有效地判别图像的边界,是本领域技术人员亟需解决的技术问题。
发明内容
有鉴于此,本发明实施例提供了一种图像的边界判别方法和装置,用以有效地判别图像是否有边界以及边界的方向,提高显示面板的显示效果。
为达到上述目的,本发明提供如下技术方案:
本发明提供了一种图像的边界判别方法,包括:
接收待判别的图像信息中每个子像素单元在同一方向上的灰阶参数分量值信息以形成灰阶参数值矩阵,并以待处理的子像素单元对应的灰阶参数值为中心将所述灰阶参数值矩阵划分为n×n矩阵和(n+2)×(n+2)矩阵,其中n代表行向或列向灰阶参数值的个数,且n为大于1的奇数,所述灰阶参数为亮度参数或色度参数;
分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值;
分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;
当确定的离散度大于N倍的与其对应的最小值时,输出第一代码值;当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值,其中:所述最小值为最小标准差值或最小梯度值,N为大于1的常数;
根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向。
本发明提供的图像的边界判别方法,可以基于亮度分量也可以基于色度分量,对接收到的待判别的图像信息进行处理,得到以待处理的子像素单元对应的灰阶参数值为中心的n×n矩阵和(n+2)×(n+2)矩阵,采用梯度、标准差以及离散度等参数对n×n矩阵和(n+2)×(n+2)矩阵分别对应的图像进行判别,能够有效的确定待判别图像是否存在边界,以及边界存在的方向。可以根据判别的结果,选择正确的滤波器,提高滤波器对图像的处理效果,进而提高显示面板的显示效果。
在一些可选的实施方式中,所述分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值,具体包括:
确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值,每一方向上梯度值为该方向上相邻两个灰阶参数值的绝对值之和:其中:G代表梯度值,x代表方向,Yxi代表x方向上的第i个灰阶参数值,n代表行向或列向灰阶参数值的个数;
比较n×n矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值,得到第一最小梯度值,比较(n+2)×(n+2)矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值得到第二最小梯度值;
根据公式:确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值,其中:S代表标准差值,x代表方向,Yxi代表x方向上的第i个灰阶参数值,代表x方向上的灰阶参数值的平均值,n代表行向或列向灰阶参数值的个数,
比较n×n矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值,得到第一最小标准差值,比较(n+2)×(n+2)矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值得到第二最小标准差值。
在一些可选的实施方式中,所述分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度,具体包括:
根据公式:确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于的最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度,其中:当H、V、LD、RD分别代表n×n矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值时,A代表第一最小梯度值,Dif代表第一离散度;当H、V、LD、RD分别代表n×n矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值时,A代表第一最小标准差值,Dif代表第二离散度;当H、V、LD、RD分别代表(n+2)×(n+2)矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值时,A代表第二最小梯度值,Dif代表第三离散度;当H、V、LD、RD分别代表(n+2)×(n+2)矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值时,A代表第二最小标准差值,Dif代表第四离散度。
在一些可选的实施方式中,所述当确定的离散度大于N倍的与其对应的最小值时,输出第一代码值,当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值,所述最小值为最小标准差值或最小梯度值,具体包括:
若Dif>N×A,对应的输出第一代码值,若Dif<N×A,对应的输出第二代码值,其中:N为大于1的常数,当Dif代表第一离散度时,A代表第一最小梯度值;当Dif代表第二离散度时,A代表第一最小标准差值;当Dif代表第三离散度时,A代表第二最小梯度值;当Dif代表第四离散度时,A代表第二最小标准差值。
在一些可选的实施方式中,所述N值为1.4~2.0。
在一些可选的实施方式中,所述N值为
在一些可选的实施方式中,所述根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向具体包括:
当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第二代码值时,则确定待判别的图像无边界;
当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第一代码值时,则确定待判别的图像存在边界,且在第二梯度值和第二标准值中最小的一个值对应的方向上存在边界;
当第一离散度、第二离散度以及第四离散度对应的输出代码值为第一代码值、第三离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;
当第一离散度、第二离散度以及第三离散度对应的输出代码值为第一代码值、第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;
当第一离散度和第二离散度对应的输出代码值为第一代码值、第三离散度和第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界。
在一些可选的实施方式中,所述第一代码值为1,所述第二代码值为0。
本发明还提供了一种图像的边界判别装置,包括:
接收模块,用于接收待判别的图像信息中每个子像素单元在同一方向上的灰阶参数分量值信息以形成灰阶参数值矩阵,并以待处理的子像素单元对应的灰阶参数值为中心将所述灰阶参数值矩阵划分为n×n矩阵和(n+2)×(n+2)矩阵,其中n代表行向或列向灰阶参数值的个数,且n为大于1的奇数,所述灰阶参数为亮度参数或色度参数;
第一确定模块,用于分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值;
第二确定模块,用于分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于的最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;
分析模块,用于确定的离散度大于N倍的与其对应的最小值时,输出第一代码值,当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值,其中:所述最小值为最小标准差值或最小梯度值,N为大于1的常数;
判断模块,用于根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向。
本发明还提供了一种显示面板,包括上述图像的边界判别装置。
附图说明
图1为本发明实施例提供的图像的边界判别方法流程图;
图2为本发明实施例提供的n×n矩阵和(n+2)×(n+2)矩阵第一种分布示意图;
图3为本发明实施例提供的n×n矩阵和(n+2)×(n+2)矩阵第二种分布示意图;
图4为本发明实施例提供的n×n矩阵和(n+2)×(n+2)矩阵第三种分布示意图;
图5为本发明实施例提供的图像边界的判别装置结构示意图。
具体实施方式
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,都属于本发明专利保护的范围。
为了实现分情况滤波,需要对输入数据的亮度信号进行处理,设计判别流程,识别其中的锐化边界,对特定的横线、竖线、左对角线、右对角线进行分类,从而采用不同的滤波器。
为了便于对图像边界进行判别,如图1所示,图1为本发明实施例提供的图像的边界判别方法流程图,本发明提供了一种图像的边界判别方法,包括:
步骤S101:接收待判别的图像信息中每个子像素单元在同一方向上的灰阶参数分量值信息以形成灰阶参数值矩阵,并以待处理的子像素单元对应的灰阶参数值为中心将灰阶参数值矩阵划分为n×n矩阵和(n+2)×(n+2)矩阵,其中n代表行向或列向灰阶参数值的个数,且n为大于1的奇数,灰阶参数为亮度参数或色度参数;
步骤S102:分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值;
步骤S103:分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;
步骤S104:当确定的离散度大于N倍的与其对应的最小值时,输出第一代码值;当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值;其中:最小值为最小标准差值或最小梯度值,N为大于1的常数;
步骤S105:根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向。
本发明提供的图像的边界判别方法,可以基于亮度分量也可以基于色度分量,对接收到的待判别的图像信息进行处理,得到以待处理的子像素单元对应的灰阶参数值为中心的n×n矩阵和(n+2)×(n+2)矩阵,采用梯度、标准差以及离散度等参数对n×n矩阵和(n+2)×(n+2)矩阵分别对应的图像进行判别,能够有效的确定待判别图像是否存在边界,以及边界存在的方向。可以根据判别的结果,选择正确的滤波器,提高滤波器对图像的处理效果,进而提高显示面板的显示效果。
如图2所示,图2为本发明实施例提供的n×n矩阵和(n+2)×(n+2)矩阵第一种分布示意图,为了便于理解本发明提供的判别方法,下面将结构图2对本发明提供的判别方法进行解释说明,图示为3×3矩阵和5×5矩阵,其中:Y3,3代表待处理的子像素单元对应的灰阶参数值。
上述步骤S102:分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值,具体包括:
确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值,每一方向上梯度值为该方向上相邻两个灰阶参数值的绝对值之和:其中:G代表梯度值,x代表方向(本方案中的方向为行向或列向),Yxi代表x方向上的第i个灰阶参数值,n代表行向或列向灰阶参数值的个数(实际上时x方向上的灰阶参数值的个数,但本发明中行向和列向个数相同);
以图2所示矩阵为例,在3×3矩阵中:
水平方向梯度值:
竖直方向梯度值:
第一对角线方向梯度值:
第二对角线方向梯度值:
在5×5矩阵中:
水平方向梯度值:
竖直方向梯度值:
第一对角线方向梯度值:
第二对角线方向梯度值:
比较n×n矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值,得到第一最小梯度值,比较(n+2)×(n+2)矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值得到第二最小梯度值;
如图2中,假设比较后的结果为第一最小梯度值为GV9,第二最小梯度值为GLD25。
根据公式:确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值,其中:S代表标准差值,x代表方向,Yxi代表x方向上的第i个灰阶参数值,代表x方向上的灰阶参数值的平均值,n代表行向或列向灰阶参数值的个数,
以图2所示矩阵为例,在3×3矩阵中:
水平方向标准差值:
竖直方向标准差值:
第一对角线方向标准差值:
第二对角线方向标准差值:
在5×5矩阵中:
水平方向标准差值:
竖直方向标准差值:
第一对角线方向标准差值:
第二对角线方向标准差值:
比较n×n矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值,得到第一最小标准差值,比较(n+2)×(n+2)矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值得到第二最小标准差值。
以图2所示矩阵为例,假设比较后的结果为第一最小梯度值为SH9,第二最小梯度值为GRD25。
在步骤S103:分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度,具体包括:
根据公式:确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于的最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度,其中:当H、V、LD、RD分别代表n×n矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值时,A代表第一最小梯度值,Dif代表第一离散度;当H、V、LD、RD分别代表n×n矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值时,A代表第一最小标准差值,Dif代表第二离散度;当H、V、LD、RD分别代表(n+2)×(n+2)矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值时,A代表第二最小梯度值,Dif代表第三离散度;当H、V、LD、RD分别代表(n+2)×(n+2)矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值时,A代表第二最小标准差值,Dif代表第四离散度。
以图2所示矩阵为例,第一离散度:
第二离散度:
第三离散度:
第四离散度:
步骤S104中,当确定的离散度大于N倍的与其对应的最小值时,输出第一代码值,当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值,最小值为最小标准差值或最小梯度值,具体包括:
若Dif>N×A,对应的输出第一代码值,若Dif<N×A,对应的输出第二代码值,其中:N为大于1的常数,当Dif代表第一离散度时,A代表第一最小梯度值;当Dif代表第二离散度时,A代表第一最小标准差值;当Dif代表第三离散度时,A代表第二最小梯度值;当Dif代表第四离散度时,A代表第二最小标准差值。
以图2所示矩阵为例,判别过程为:第一离散度Dif>NGV9,对应的输出第一代码值,第一离散度Dif<NGV9,对应的输出第二代码值;
第二离散度Dif>NSH9,对应的输出第一代码值,第一离散度Dif<SGH9,对应的输出第二代码值;
第三离散度Dif>NGLD25,对应的输出第一代码值,第一离散度Dif<NGLD25,对应的输出第二代码值;
第四离散度Dif>NSRD25,对应的输出第一代码值,第一离散度Dif<NSRD25,对应的输出第二代码值。
通过多次试验可知,N值为1.4~2,0范围内的值时,本发明提高的图像边界判别方法的准确度较高。
较佳的实施方式中,N值为此时本发明提供的图像边界判别方法的准确度最高。
在步骤S105中:根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向具体包括:
当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第二代码值时,则确定待判别的图像无边界;
当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第一代码值时,则确定待判别的图像存在边界,且在第二梯度值和第二标准差值中最小的一个值对应的方向上存在边界;
当第一离散度、第二离散度以及第四离散度对应的输出代码值为第一代码值、第三离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;
当第一离散度、第二离散度以及第三离散度对应的输出代码值为第一代码值、第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;
当第一离散度和第二离散度对应的输出代码值为第一代码值、第三离散度和第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界。
以图2为例,当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第二代码值时,则确定待判别的图像无边界;
当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第一代码值时,则确定待判别的图像存在边界,若GLD25<SRD25,则在5×5矩阵的第一对角线方向上存在边界;若GLD25>SRD25,则在5×5矩阵的第二对角线方向上存在边界;
当第一离散度、第二离散度以及第四离散度对应的输出代码值为第一代码值、第三离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,若GV9<SH9,则在3×3矩阵的竖直方向上存在边界;若GV9>SH9,则在3×3矩阵的水平方向上存在边界;
当第一离散度、第二离散度以及第三离散度对应的输出代码值为第一代码值、第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,若GV9<SH9,则在3×3矩阵的竖直方向上存在边界;若GV9>SH9,则在3×3矩阵的水平方向上存在边界;
当第一离散度和第二离散度对应的输出代码值为第一代码值、第三离散度和第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,若GV9<SH9,则在3×3矩阵的竖直方向上存在边界;若GV9>SH9,则在3×3矩阵的水平方向上存在边界。
可选的,第一代码值为1,第二代码值为0。当然第一代码值和第二代码值也可以为其它数值,只要可以区分开第一代码和第二代码即可。
下面将结合具体亮度参数值对本发明提供的图像的边界判别方法进行详细说明:
如图3所示,图3为本发明实施例提供的n×n矩阵和(n+2)×(n+2)矩阵第二种分布示意图;
在3×3矩阵中:
水平方向梯度值:
竖直方向梯度值:
第一对角线方向梯度值:
第二对角线方向梯度值:
比较上述梯度值可知,最小第一梯度值为第二对角线方向梯度值。
在5×5矩阵中:
水平方向梯度值:
竖直方向梯度值:
第一对角线方向梯度值:
第二对角线方向梯度值:
比较上述梯度值可知,最小第二梯度值为竖直方向梯度值。
在3×3矩阵中:
水平方向标准差值:
竖直方向标准差值:
第一对角线方向标准差值:
第二对角线方向标准差值:
比较上述标准差可知,第一最小标准差为第二对角线方向标准差。
在5×5矩阵中:
水平方向标准差值:
竖直方向标准差值:
第一对角线方向标准差值:
第二对角线方向标准差值:
比较上述标准差可知,第二最小标准差为竖直方向标准差。
第一离散度:
第二离散度:
第三离散度:
第四离散度:
进行判别:第一离散度输出1,第二离散度输出1,第三离散度输出0,第四离散度输出0,则可以判别该图像存在边界,且边界方向为3×3矩阵第二对角线方向。
图4为本发明实施例提供的n×n矩阵和(n+2)×(n+2)矩阵第三种分布示意图。
在3×3矩阵中:
水平方向梯度值:
竖直方向梯度值:
第一对角线方向梯度值:
第二对角线方向梯度值:
比较上述梯度值可知,最小第一梯度值为第一对角线方向梯度值。
在5×5矩阵中:
水平方向梯度值:
竖直方向梯度值:
第一对角线方向梯度值:
第二对角线方向梯度值:
比较上述梯度值可知,最小第二梯度值为第一对角线方向梯度值。
在3×3矩阵中:
水平方向标准差值:
竖直方向标准差值:
第一对角线方向标准差值:
第二对角线方向标准差值:
比较上述标准差可知,第一最小标准差为第一对角线方向标准差。
在5×5矩阵中:
水平方向标准差值:
竖直方向标准差值:
第一对角线方向标准差值:
第二对角线方向标准差值:
比较上述标准差可知,第二最小标准差为第一对角线方向标准差。
第一离散度:
第二离散度:
第三离散度:
第四离散度:
进行判别:第一离散度输出1,第二离散度输出1,第三离散度输出1,第四离散度输出1,则可以判别该图像存在边界,且边界方向为5×5矩阵的第一对角线方向。
需要说明的是,上述方法适用于任何子像素排布的图像。
如图5所示,图5为本发明实施例提供的图像的边界判别装置结构示意图;本发明还提供的图像的边界判别装置,包括:
接收模块1,用于接收待判别的图像信息中每个子像素单元在同一方向上的灰阶参数分量值信息以形成灰阶参数值矩阵,并以待处理的子像素单元对应的灰阶参数值为中心将灰阶参数值矩阵划分为n×n矩阵和(n+2)×(n+2)矩阵,其中n行向或列向代表灰阶参数值的个数,且n为大于1的奇数,灰阶参数为亮度参数或色度参数;
第一确定模块2,用于分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值;
第二确定模块3,用于分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于的最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;
分析模块4,用于确定的离散度大于N倍的与其对应的最小值时,输出第一代码值,当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值,其中:最小值为最小标准差值或最小梯度值,N为大于0的常数;
判断模块5,用于根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向。
本发明还提供了一种显示面板,包括上述图像的边界判别装置,基于上述判别装置的优点,本发明提供的显示面板,具有较好的显示效果。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种图像的边界判别方法,其特征在于,包括:
接收待判别的图像信息中每个子像素单元在同一方向上的灰阶参数分量值信息以形成灰阶参数值矩阵,并以待处理的子像素单元对应的灰阶参数值为中心将所述灰阶参数值矩阵划分为n×n矩阵和(n+2)×(n+2)矩阵,其中n代表行向或列向灰阶参数值的个数,且n为大于1的奇数,所述灰阶参数为亮度参数或色度参数;
分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值,以及行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线标准差值中的最小标准差值;
分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度,行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;
当确定的离散度大于N倍的与其对应的最小值时,输出第一代码值;当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值,其中:所述最小值为最小标准差值或最小梯度值,N为大于1的常数;
根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向,其中:当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第二代码值时,则确定待判别的图像无边界;
当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第一代码值时,则确定待判别的图像存在边界,且在第二梯度值和第二标准差值中最小的一个值对应的方向上存在边界;
当第一离散度、第二离散度以及第四离散度对应的输出代码值为第一代码值、第三离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在 边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;
当第一离散度、第二离散度以及第三离散度对应的输出代码值为第一代码值、第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;
当第一离散度和第二离散度对应的输出代码值为第一代码值、第三离散度和第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;
其中:第一离散度为n×n矩阵中:行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;第二离散度为n×n矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度;第三离散度为(n+2)×(n+2)矩阵中:行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;第四离散度为(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度。
2.如权利要求1所述的图像的边界判别方法,其特征在于,所述分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值,以及行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线标准差值中的最小标准差值,具体包括:
确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值,每一方向上梯度值为该方向上相邻两个灰阶参数值 的绝对值之和:其中:G代表梯度值,x代表方向,Yxi代表x方向上的第i个灰阶参数值,n代表行向或列向灰阶参数值的个数;
比较n×n矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值,得到第一最小梯度值,比较(n+2)×(n+2)矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值得到第二最小梯度值;
根据公式:确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值,其中:S代表标准差值,x代表方向,Yxi代表x方向上的第i个灰阶参数值,代表x方向上的灰阶参数值的平均值,n代表行向或列向灰阶参数值的个数,
比较n×n矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值,得到第一最小标准差值,比较(n+2)×(n+2)矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值得到第二最小标准差值。
3.如权利要求2所述的图像的边界判别方法,其特征在于,所述分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度,行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度,具体包括:
根据公式:确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度,行向梯度 值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度,其中:当H、V、LD、RD分别代表n×n矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值时,A代表第一最小梯度值,Dif代表第一离散度;当H、V、LD、RD分别代表n×n矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值时,A代表第一最小标准差值,Dif代表第二离散度;当H、V、LD、RD分别代表(n+2)×(n+2)矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值时,A代表第二最小梯度值,Dif代表第三离散度;当H、V、LD、RD分别代表(n+2)×(n+2)矩阵中的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值时,A代表第二最小标准差值,Dif代表第四离散度。
4.如权利要求3所述的图像的边界判别方法,其特征在于,所述当确定的离散度大于N倍的与其对应的最小值时,输出第一代码值,当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值,所述最小值为最小标准差值或最小梯度值,具体包括:
若Dif>N×A,对应的输出第一代码值,若Dif<N×A,对应的输出第二代码值,其中:N为大于1的常数,当Dif代表第一离散度时,A代表第一最小梯度值;当Dif代表第二离散度时,A代表第一最小标准差值;当Dif代表第三离散度时,A代表第二最小梯度值;当Dif代表第四离散度时,A代表第二最小标准差值。
5.如权利要求4所述的图像的边界判别方法,其特征在于,所述N值为1.4~2.0。
6.如权利要求5所述的图像的边界判别方法,其特征在于,所述N值为
7.如权利要求1所述的图像的边界判别方法,其特征在于,所述第一代 码值为1,所述第二代码值为0。
8.一种图像的边界判别装置,其特征在于,包括:
接收模块,用于接收待判别的图像信息中每个子像素单元在同一方向上的灰阶参数分量值信息以形成灰阶参数值矩阵,并以待处理的子像素单元对应的灰阶参数值为中心将所述灰阶参数值矩阵划分为n×n矩阵和(n+2)×(n+2)矩阵,其中n代表行向或列向灰阶参数值的个数,且n为大于1的奇数,所述灰阶参数为亮度参数或色度参数;
第一确定模块,用于分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值,以及行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线标准差值中的最小标准差值;
第二确定模块,用于分别确定在n×n矩阵和(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度,行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;
分析模块,用于当确定的离散度大于N倍的与其对应的最小值时,输出第一代码值,当确定的离散度小于N倍的与其对应的最小值时,输出第二代码值,其中:所述最小值为最小标准差值或最小梯度值,N为大于1的常数;
判断模块,用于根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向,其中:当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第二代码值时,则确定待判别的图像无边界;
当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第一代码值时,则确定待判别的图像存在边界,且在第二梯度值和第二标准差值中最小的一个值对应的方向上存在边界;
当第一离散度、第二离散度以及第四离散度对应的输出代码值为第一代码 值、第三离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;
当第一离散度、第二离散度以及第三离散度对应的输出代码值为第一代码值、第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;
当第一离散度和第二离散度对应的输出代码值为第一代码值、第三离散度和第四离散度对应的输出代码值为第二代码值时,则确定待判别的图像存在边界,且在第一梯度值和第一标准差值中最小的一个值对应的方向上存在边界;其中:第一离散度为n×n矩阵中:行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;第二离散度为n×n矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度;第三离散度为(n+2)×(n+2)矩阵中:行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度;第四离散度为(n+2)×(n+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度。
9.一种显示面板,其特征在于,包括:如权利要求8所述的图像的边界判别装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410415432.9A CN104200793B (zh) | 2014-08-21 | 2014-08-21 | 一种图像的边界判别方法、装置和显示面板 |
PCT/CN2014/092864 WO2016026238A1 (zh) | 2014-08-21 | 2014-12-03 | 图像的边界判别方法、装置和显示面板 |
US14/771,110 US9607396B2 (en) | 2014-08-21 | 2014-12-03 | Method and device for discriminating a boundary of image, and display panel |
EP14883529.1A EP3185238B1 (en) | 2014-08-21 | 2014-12-03 | Image border recognition method, device and display panel |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410415432.9A CN104200793B (zh) | 2014-08-21 | 2014-08-21 | 一种图像的边界判别方法、装置和显示面板 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104200793A CN104200793A (zh) | 2014-12-10 |
CN104200793B true CN104200793B (zh) | 2016-09-07 |
Family
ID=52086075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410415432.9A Expired - Fee Related CN104200793B (zh) | 2014-08-21 | 2014-08-21 | 一种图像的边界判别方法、装置和显示面板 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9607396B2 (zh) |
EP (1) | EP3185238B1 (zh) |
CN (1) | CN104200793B (zh) |
WO (1) | WO2016026238A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036710B (zh) * | 2014-02-21 | 2016-05-04 | 北京京东方光电科技有限公司 | 像素阵列及其驱动方法、显示面板和显示装置 |
CN104599625B (zh) * | 2015-03-02 | 2017-06-06 | 京东方科技集团股份有限公司 | 边界判定方法和装置、显示驱动方法和装置 |
US10013908B2 (en) | 2015-10-13 | 2018-07-03 | Shenzhen China Star Optoelectronics Technology Co., Ltd | Display devices and displaying methods |
CN105206215B (zh) * | 2015-10-13 | 2017-12-15 | 深圳市华星光电技术有限公司 | 显示设备及其显示方法 |
CN111080550B (zh) * | 2019-12-13 | 2023-03-07 | 北京金山云网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN114618371B (zh) * | 2022-03-21 | 2022-11-15 | 江苏铭瀚智能科技有限公司 | 基于人工智能的分批式混合机控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101378508A (zh) * | 2007-08-28 | 2009-03-04 | 三星电子株式会社 | 检测并去除假轮廓的方法和设备 |
CN102289825A (zh) * | 2011-07-08 | 2011-12-21 | 暨南大学 | 一种实时图像边缘检测电路及其实现方法 |
CN103839247A (zh) * | 2012-11-20 | 2014-06-04 | 富士通株式会社 | 边缘像素确定方法、边缘像素确定装置和图像处理设备 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6674905B1 (en) * | 1999-01-22 | 2004-01-06 | Canon Kabushiki Kaisha | Image processing method, image processing apparatus, and storage medium |
US7116823B2 (en) * | 2002-07-10 | 2006-10-03 | Northrop Grumman Corporation | System and method for analyzing a contour of an image by applying a Sobel operator thereto |
JP2004242836A (ja) * | 2003-02-13 | 2004-09-02 | Toshiba Corp | 超音波診断装置及び超音波診断装置における画像処理方法 |
CN101340577A (zh) * | 2007-07-06 | 2009-01-07 | 北京大学软件与微电子学院 | 基于方向滤波和自适应边界判定的视频后处理方法及系统 |
CN101286233B (zh) * | 2008-05-19 | 2010-06-30 | 重庆邮电大学 | 基于对象云的模糊边缘检测方法 |
US8948474B2 (en) * | 2010-01-25 | 2015-02-03 | Amcad Biomed Corporation | Quantification method of the feature of a tumor and an imaging method of the same |
JP5781743B2 (ja) | 2010-06-28 | 2015-09-24 | ソニー株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
CN102129681B (zh) * | 2011-02-28 | 2013-05-29 | 太原理工大学 | 一种镜头边界检测方法 |
CN103292725A (zh) * | 2012-02-29 | 2013-09-11 | 鸿富锦精密工业(深圳)有限公司 | 特殊边界量测系统及方法 |
CN103606163A (zh) * | 2013-12-04 | 2014-02-26 | 南京汇川工业视觉技术开发有限公司 | 基于四元数理论和canny算法的彩色图像边缘检测方法 |
-
2014
- 2014-08-21 CN CN201410415432.9A patent/CN104200793B/zh not_active Expired - Fee Related
- 2014-12-03 EP EP14883529.1A patent/EP3185238B1/en active Active
- 2014-12-03 WO PCT/CN2014/092864 patent/WO2016026238A1/zh active Application Filing
- 2014-12-03 US US14/771,110 patent/US9607396B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101378508A (zh) * | 2007-08-28 | 2009-03-04 | 三星电子株式会社 | 检测并去除假轮廓的方法和设备 |
CN102289825A (zh) * | 2011-07-08 | 2011-12-21 | 暨南大学 | 一种实时图像边缘检测电路及其实现方法 |
CN103839247A (zh) * | 2012-11-20 | 2014-06-04 | 富士通株式会社 | 边缘像素确定方法、边缘像素确定装置和图像处理设备 |
Non-Patent Citations (2)
Title |
---|
Fuzzy Edge Detection Based on Pixel’s Gradient and Standard Deviation Values;Wafa Barkhoda等;《Proceedings of the IMCSIT》;20091231;第4卷;第7-10页 * |
基于标准差梯度的模糊边缘检测算法;孙伟, 王志坚;《红外与激光工程》;20050831;第34卷(第4期);第454-458页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2016026238A1 (zh) | 2016-02-25 |
US20160371848A1 (en) | 2016-12-22 |
CN104200793A (zh) | 2014-12-10 |
US9607396B2 (en) | 2017-03-28 |
EP3185238A1 (en) | 2017-06-28 |
EP3185238B1 (en) | 2020-08-19 |
EP3185238A4 (en) | 2018-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200793B (zh) | 一种图像的边界判别方法、装置和显示面板 | |
US9177529B2 (en) | Method and device for determining afterimage level of display device | |
CN101571663B (zh) | 一种用于多投影仪拼接的分布式在线调节方法 | |
CN102273208A (zh) | 图像处理设备、图像处理方法以及程序 | |
CN104978748A (zh) | 一种基于局部像素值的液晶屏缺陷检测方法 | |
CN103546678B (zh) | 用于校正后置摄像机的图像畸变的装置和方法 | |
CN105578165A (zh) | 一种图像白平衡处理方法、装置及摄像机 | |
EP3174037A1 (en) | Image display method and display device | |
CN105988224A (zh) | 三维显示设备及其莫尔条纹消减方法和装置 | |
CN103051922B (zh) | 评价标准参数的建立方法及显示屏图像质量的评价方法 | |
CN103686162A (zh) | 一种3d显示串扰的测试方法及装置 | |
WO2014156429A1 (ja) | 目視照合支援装置およびその制御方法 | |
CN107749986A (zh) | 教学视频生成方法、装置、存储介质和计算机设备 | |
CN104243815A (zh) | 一种对焦方法及电子设备 | |
CN104933980B (zh) | 一种显示驱动方法、装置及显示装置 | |
CN111182293B (zh) | 一种镜头阴影校正数据的检测方法及系统 | |
CN102567969B (zh) | 一种彩色图像边缘检测方法 | |
CN110415223B (zh) | 一种无参考的拼接图像质量评价方法及系统 | |
US9996948B2 (en) | Image downsampling apparatus and method | |
CN107230212A (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
CN105721858B (zh) | 立体显示装置显示效果评价方法、设备及系统 | |
CN104144332A (zh) | 图像色彩调整方法与其电子装置 | |
CN103747243A (zh) | 基于ccd相机的lcd全灰阶数据采集方法 | |
CN101409770B (zh) | 一种二维Lab色域图轮廓的确定方法和装置 | |
US20170154559A1 (en) | Method and apparatus for discriminating luminance backgrounds for images, and a display apparatus |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160907 Termination date: 20210821 |
|
CF01 | Termination of patent right due to non-payment of annual fee |