CN104469083A - 图像锐化方法与图像处理装置 - Google Patents
图像锐化方法与图像处理装置 Download PDFInfo
- Publication number
- CN104469083A CN104469083A CN201310432133.1A CN201310432133A CN104469083A CN 104469083 A CN104469083 A CN 104469083A CN 201310432133 A CN201310432133 A CN 201310432133A CN 104469083 A CN104469083 A CN 104469083A
- Authority
- CN
- China
- Prior art keywords
- factor
- value
- filter
- pixel
- weight
- 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.)
- Pending
Links
Abstract
本发明提供一种图像锐化方法与图像处理装置。此方法包括:取得一图像中的多个像素;根据所述像素计算一高通滤波器的第一权重,以及一个第一滤波器的第二权重,其中第一滤波器是该高通滤波器与一低通滤波器的卷积;根据高通滤波器、第一权重、第一滤波器与第二权重产生一锐化滤波器;以及根据此锐化滤波器对所述像素执行一锐化运算。藉此,可以让锐化后的图像有较好的视觉效果。
Description
技术领域
本发明是有关于一种图像锐化方法,且特别是有关于一种利用多个滤波器,并调整滤波器的权重的图像锐化方法与图像处理装置。
背景技术
在图像处理的技术领域当中,图像锐化的运算是用来让图像中的边缘或纹理(texture)看起来更明显。一般来说,可以用一个高通滤波器来对图像做卷积运算,而卷积运算的结果可加回原本的图像中。亦即,上述的运算可以增加图像中高频系数的振幅。然而,此运算同时也会让图像中的噪声看起来更明显。或者,若在图像中有高对比(例如,文字)的区域,上述的运算可能会产生光环效应(halo effect)、彩边(color ring)效应或者是其它效应。因此,如何在执行锐化的运算时,同时抑制图像中的噪声并让锐化后的图像有较好的视觉效果,为本领域技术人员所关心的议题。
发明内容
本发明提供一种图像锐化方法与图像处理装置,可以动态地执行锐化的运算,藉此锐化后的图像有较好的视觉效果。
本发明一范例实施例提出一种图像锐化方法,适用于一图像处理装置。此方法包括:取得一图像中的多个像素;根据所述像素计算一高通滤波器的第一权重,以及一个第一滤波器的第二权重,其中第一滤波器是该高通滤波器与一低通滤波器的卷积;根据高通滤波器、第一权重、第一滤波器与第二权重产生一锐化滤波器;以及根据锐化滤波器对所述像素执行一锐化运算。
在一范例实施例中,上述根据所述像素计算高通滤波器的第一权重的步骤包括:将所述像素的一标准差除以一个第一预设标准差以取得第一权重;以及若第一权重大于一个第一预设值,将第一权重设为第一预设值。
在一范例实施例中,上述根据所述像素计算第二权重的步骤包括:将第一预设值减去第一权重以取得第二权重。
在一范例实施例中,上述根据锐化滤波器对所述像素执行锐化运算的步骤包括:根据所述像素的一标准差计算出一个第一因子;根据所述像素的一高对比程度计算出一个第二因子;根据第一因子与第二因子计算出一增益值;根据该锐化滤波器对所述像素执行一卷积运算,并将此卷积运算的结果乘上增益值以取得一锐化值;以及将所述像素的其中之一加上此锐化值。
在一范例实施例中,上述根据所述像素的标准差计算出第一因子的步骤包括:将此标准差减去一个第一偏移值的差除以一个第一门坎值以取得第一因子。
在一范例实施例中,上述根据所述像素的高对比程度计算出第二因子的步骤包括:根据一个第一高通滤波器对所述像素执行卷积运算以取得第一数值;将一个第二偏移值减去第一数值的绝对值以取得一个第二数值;以及将第二数值除以一个第二门坎值以取得第二因子。
在一范例实施例中,上述的图像锐化方法还包括:若第一因子大于一个第一预设值,将第一因子设为第一预设值;若第一因子小于一个第二预设值,将第一因子设为第二预设值;若第二因子大于第一预设值,将第二因子设为第一预设值;以及若第二因子小于第二预设值,将第二因子设为第二预设值。
在一范例实施例中,上述根据第一因子与第二因子计算出增益值的步骤包括:若第二因子小于第一预设值,将一预设增益值乘上第二因子以取得增益值;以及若第二因子大于等于第一预设值,将预设增益乘上第一因子以取得增益值。
在一范例实施例中,上述的高通滤波器为拉普拉斯滤波器,并且低通滤波器为高斯滤波器。
以另外一个角度来说,本发明一范例实施例提出一种图像处理装置,包括多核心计算电路与锐化电路。多核心计算电路是用以取得一图像中的多个像素,根据所述像素来计算一高通滤波器的第一权重,根据所述像素来计算一个第一滤波器的第二权重,并且根据高通滤波器、第一权重、第一滤波器与第二权重产生一锐化滤波器。其中,第一滤波器是该高通滤波器与一低通滤波器的卷积。锐化电路是耦接至多核心计算电路,用以根据锐化滤波器对所述像素执行一锐化运算。
在一范例实施例中,上述的多核心计算电路用以将所述像素的标准差除以一个第一预设标准差以取得第一权重。若第一权重大于一个第一预设值,多核心计算电路将第一权重设为第一预设值。
在一范例实施例中,上述的多核心计算电路用以将第一预设值减去第一权重以取得第二权重。
在一范例实施例中,上述的图像处理装置还包括噪声检测电路、高对比检测电路与增益控制电路。噪声检测电路是用以根据所述像素的一标准差计算出一个第一因子。高对比检测电路是用以根据所述像素的一高对比程度计算出一个第二因子。增益控制电路是耦接至噪声检测电路、高对比检测电路与锐化电路,用以根据第一因子与第二因子计算出一增益值。其中,锐化电路根据锐化滤波器对所述像素执行一卷积运算,将此卷积运算的结果乘上增益值以取得一锐化值,并且将所述像素的其中之一加上此锐化值。
在一范例实施例中,上述的噪声检测电路用以将像素的标准差减去一个第一偏移值的差除以一个第一门坎值以取得第一因子。
在一范例实施例中,上述的高对比检测电路用以根据一个第一高通滤波器对所述像素执行卷积运算以取得一个第一数值,将一个第二偏移值减去第一数值的绝对值以取得一个第二数值,并且将第二数值除以一个第二门坎值以取得第二因子。
在一范例实施例中,若第一因子大于一个第一预设值,噪声检测电路将第一因子设为第一预设值。若第一因子小于一个第二预设值,噪声检测电路将第一因子设为第二预设值。若第二因子大于第一预设值,高对比检测电路将第二因子设为第一预设值。若第二因子小于第二预设值,高对比检测电路将第二因子设为第二预设值。
在一范例实施例中,若第二因子小于第一预设值,增益控制电路将一预设增益值乘上第二因子以取得增益值。若第二因子大于等于第一预设值,增益控制电路将预设增益乘上第一因子以取得增益值。
基于上述,本发明范例实施例所提出的图像锐化方法与图像处理装置,可以动态地调整一个高通滤波器的权重与一个第一滤波器的权重。特别的是,第一滤波器是该高通滤波器与一个低通滤波器的卷积,藉此在执行锐化运算时可以同时抑制噪声,并提供较好的视觉效果。
为让本发明的上述特征和优点能更明显易懂,下文特举实施例,并配合所附图式作详细说明如下。
附图说明
图1是根据一范例实施例所绘示的图像处理装置的方块图。
图2是根据一范例实施例绘示拉普拉斯滤波器的范例示意图。
图3是根据一范例实施例绘示拉普拉斯-高斯滤波器的范例示意图。
图4是根据另一范例实施例绘示图像处理装置的方块图。
图5是根据一范例实施例绘示图像处理装置400的操作流程图。
图6是根据一范例实施例绘示图像锐化方法的流程图。
[标号说明]
100、400:图像处理装置 P1、P2:像素
Δ:锐化滤波器 110:多核心计算电路
120:锐化电路 201~204、301~302:滤波器
410:噪声检测电路 420:高对比检测电路
430:增益控制电路 g:增益值
S501~S506、S601~S604:步骤
具体实施方式
图1是根据一范例实施例所绘示的图像处理装置的方块图。
请参照图1,图像处理装置100包括多核心计算电路110与锐化电路120。图像处理装置100可被实作为计算机、服务器、分布式系统、电视、智能型手机、平板计算机、任何形式的嵌入式系统或电子装置,本发明并不在此限。
多核心计算电路110是用以接收以一个图像中的多个像素P1,并且根据这些像素P1来计算多个滤波器(亦称核心或是屏蔽)的权重,而每一个滤波器的权重可能彼此不相同。多核心计算电路110会根据这些滤波器以及对应的权重来产生一个锐化滤波器,而锐化电路120会根据此锐化滤波器来对这些像素执行一个锐化运算以输出像素P2。
举例来说,锐化电路120可以根据以下方程序(1)来执行锐化运算。
I'(x,y)=I(x,y)+g×Δ …(1)
其中,I(x,y)是像素P1中的一个像素,代表图像中第x行第y列的像素。g为一个实数,代表一个增益值。Δ为所产生的锐化滤波器。I’(x,y)表示锐化后的像素。具体来说,若锐化滤波器的大小为M-乘-N(M-by-N),表示多核心计算电路110一次会取得MxN个像素P1,其中M与N为正整数,但本发明并不限制正整数M与N的数值。锐化电路120会将锐化滤波器乘上增益值,根据此锐化滤波器对上述MxN个像素P1做卷积(convolution)运算以得到一个锐化值(即,g×Δ),最后将像素I(x,y)加上此锐化值。上述的卷积运算也可以被视为将锐化滤波器的每一个系数与像素P1中对应的像素相乘,并把这些相乘后的结果相加以得到锐化值。然而,本领域技术人员应可理解卷积运算,在此并不赘述。或者,在另一范例实施例中,锐化电路120也可以将锐化滤波器内位于中心的系数加上1,而直接将锐化滤波器与像素P1做卷积运算后的结果输出以成为像素P2。本发明并不限制如何根据锐化滤波器来做锐化运算。
在多核心计算电路110所使用的滤波器中,至少包括一个高通滤波器与一个第一滤波器。此高通滤波器可以是拉普拉斯滤波器(Laplacian filter)、索贝尔(sobel)滤波器、普鲁伊特(Prewitt)滤波器、双边滤波器(Bilateral filter)或是其它类型的高通滤波器。特别的是,此第一滤波器是上述高通滤波器与一个低通滤波器的卷积(convolution)。此低通滤波器可以是高斯(Gaussian)滤波器、均值(mean)滤波器、中间值(media)滤波器或是其它类型的低通滤波器。若上述的高通滤波器为拉普拉斯滤波器且低通滤波器为高斯滤波器,则第一滤波器也可以被称为拉普拉斯-高斯(Laplacian of Gaussian,LoG)滤波器。多核心计算电路110至少会根据上述的高通滤波器、高通滤波器的权重(亦称第一权重)、第一滤波器、与第一滤波器的权重(亦称第二权重)来产生锐化滤波器。举例来说,多核心计算电路110会如以下方程序(2)的运算,将上述的高通滤波器乘上对应的第一权重,将第一滤波器乘上对应的第二权重,并将这两个滤波器加起来以得到锐化滤波器。
Δ=α×Δ1+β×Δ2 …(2)
其中,Δ为锐化滤波器、α为第一权重、Δ1为高通滤波器、β为第二权重、并且Δ2为第一滤波器。以拉普拉斯滤波器与高斯滤波器为例,拉普拉斯滤波器可以用下列方程式(3)来表示,高斯滤波器可以用下列方程式(4),而LoG滤波器则可以用下列方程式(5)来表示。
在方程式(3)~(5)中,x与y代表在滤波器中的一个x坐标与y坐标。在方程式(4)与(5)中,σ代表标准差,但本发明并不限制此标准差为多少。举例来说,图2是根据一范例实施例绘示拉普拉斯滤波器的范例示意图。图3是根据一范例实施例绘示拉普拉斯-高斯滤波器的范例示意图。请参照图2,滤波器201~204为拉普拉斯滤波器的不同态样。值得注意的是,滤波器201~203的大小为3-乘-3,而滤波器204的大小为3-乘-1。本发明并不限制拉普拉斯滤波器的大小与其中的系数。请参照图3,滤波器301~302为LoG滤波器的不同态样。同样的,本发明并不限制LoG滤波器的大小与其中的系数。
在一范例实施例中,多核心计算电路110是根据以下方程序(6)与(7)来计算对应至拉普拉斯滤波器的第一权重。
在方程式(6)与(7)中,x11代表在像素P1中位于第1行第1列的像素,以此类推。σth为一个实数,被称为第一预设标准差。μ为像素x11~xMN的平均值。换句话说,多核心计算电路110是将像素P1的标准差除以第一预设标准差σth以取得第一权重α。此外,若第一权重α大于一个第一预设值,多核心计算电路110会将第一权重α设为该第一预设值。在此范例实施例中,此第一预设值为1,但在其它范例实施例中,此第一预设值也可为其它的实数,本发明并不在此限。在计算出第一权重α以后,多核心计算电路110会将第一预设值减去第一权重α以取得该第二权重β。
一般来说,拉普拉斯滤波器会增加图像中的边缘看起来更明显,但同时也会增加噪声的强度;LoG滤波器则可以用来抑制被增强的噪声,但可能会有其它的视觉效应。多核心计算电路110会依照图像的内容来调整这两个滤波器的权重。藉此,经过锐化运算后的像素会有较好的视觉效果。
图4是根据另一范例实施例绘示图像处理装置的方块图。
请参照图4,在图4的范例实施例中,图像处理装置400包括了多核心计算电路110、锐化电路120、噪声检测电路410、高对比检测电路420与增益控制电路430。增益控制电路430是耦接至噪声增益电路410、高对比检测电路420与锐化电路120。其中多核心计算电路110与锐化电路120已描述如上,并不再赘述。噪声检测电路410、高对比检测电路420与增益控制电路430是用以计算出上述方程式(1)中的增益值g。
具体来说,噪声检测电路410会根据像素P1的标准差计算出一个第一因子。高对比检测电路420会根据像素P1的一个高对比程度计算出一个第二因子。增益控制电路430会根据第一因子与第二因子计算出增益值g。在图4的范例实施例中,锐化电路120会根据锐化滤波器Δ对像素P1执行卷积运算,将卷积运算的结果乘上增益值g以取得一个锐化值,并且将像素P1中的一个像素加上锐化值以输出像素P2。
上述的第一因子是用以检测一个平缓噪声区域。在一实施例中,第一因子表示上述像素P1邻近区域中噪声的程度。举例来说,噪声检测电路410是根据以下方程序(8)来产生第一因子。
shift1为一个实数,被称为第一偏移值。thd1为一个实数,被称为第一门坎值。换言之,噪声检测电路410是将像素P1的标准差减去第一偏移值的差除以第一门坎值以取得第一因子。若第一因子大于第一预设值(例如为1),则噪声检测电路410会将第一因子设为第一预设值。若第一因子小于第二预设值(例如为0),则噪声检测电路410会将第一因子设为第二预设值。也就是说,第一因子会介于第一预设值与第二预设值之间。
另一方面,上述的第二因子是用以表示像素P1中是否有例如为文字等高对比的区域。在此范例实施例中是用一个第一高通滤波器与像素P1进行卷积运算后的结果来表示高对比程度。具体来说,高对比检测电路420会根据第一高通滤波器对像素P1执行卷积运算以取得一个第一数值。高对比检测电路420会将一个第二偏移值减去此第一数值的绝对值以取得一个第二数值,并且将第二数值除以一个第二门坎值以取得该第二因子。举例来说,假设上述的第一高通滤波器是如图2的滤波器201所示,则高对比检测电路420会根据以下方程序(9)来计算第二因子。
shift2为一个实数,被称为第二偏移值。thd2为一个实数,被称为第二门坎值。若第二因子大于第一预设值,高对比检测电路420会将第二因子设为第一预设值。若第二因子小于第二预设值,高对比检测电路420会将第二因子设为第二预设值。换言之,第二因子也会介于第一预设值与第二预设值之间。
在计算出第一因子与第二因子之后,增益控制电路430会将第一因子与第二因子的其中之一乘上一个预设增益值以取得增益值g。具体来说,增益控制电路430会先判断第二因子是否小于第一预设值。若第二因子小于第一预设值,则增益控制电路430会将预设增益值乘上第二因子以取得增益值g。若第二因子大于等于第一预设值,增益控制电路430会将预设增益乘上第一因子以取得增益值。换个方式来说,若第一预设值为1,则增益控制电路430的操作可以用以下方程式(10)与(11)来表示。其中Gainfix为一个实数,被称为预设增益值。
if factor2<1,g=Gainfix×factor2 …(10)
if factor2≥1,g=Gainfix×factor1 …(11)
图5是根据一范例实施例绘示图像处理装置400的操作流程图。
请参照图5,在步骤S501中,多核心计算电路110会取得一图像中的多个像素。在步骤S502中,多核心计算电路110会根据高通滤波器与第一滤波器产生锐化滤波器。在步骤S503中,噪声检测电路410会检测平缓噪声区域并计算第一因子。在步骤S504中,高对比检测电路420会检测高对比区域并计算第二因子。在步骤S505中,增益控制电路430会根据第一因子与第二因子决定增益值。在步骤S506中,锐化电路120会根据增益值与锐化滤波器对取得的像素做锐化运算。然而,图5各步骤已详细说明如上,在此并不再赘述。
图6是根据一范例实施例绘示图像锐化方法的流程图。
请参照图6,在步骤S601中,取得一图像中的多个像素。在步骤S602中,根据所述像素计算高通滤波器的第一权重,以及第一滤波器的第二权重。在步骤S603中,根据高通滤波器、第一权重、第一滤波器与第二权重产生锐化滤波器。在步骤S604中,根据锐化滤波器对所述像素执行一锐化运算。然而,图6中各步骤已详细说明如上,在此便不再赘述。值得注意的是,图6中各步骤可以实作为多个程序码或是电路(例如,多核心计算电路110与锐化电路120),本发明并不在此限。此外,图6的方法可以搭配以上实施例使用,也可以单独使用,本发明并不在此限。
综上所述,本发明范例实施例提出的图像锐化方法与图像处理装置,是用至少两个滤波器来产生锐化滤波器。并且,这两个滤波器的权重可以根据动态地决定。在一范例实施例中,增益值也可以动态地决定。因此,对于图像中不同的区域会有不同的锐化程度,藉此锐化后的图像会有较好的视觉效果。
虽然本发明已以实施例揭露如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的更动与润饰,故本发明的保护范围当视所附的权利要求范围所界定者为准。
Claims (18)
1.一种图像锐化方法,用于一图像处理装置,其特征在于,包括:
取得一图像中的多个像素;
根据该多个像素计算一高通滤波器的一第一权重,以及一第一滤波器的一第二权重,其中该第一滤波器是该高通滤波器与一低通滤波器的卷积;
根据该高通滤波器、该第一权重、该第一滤波器与该第二权重产生一锐化滤波器;以及
根据该锐化滤波器对该多个像素执行一锐化运算。
2.根据权利要求1所述的图像锐化方法,其特征在于,其中根据该多个像素计算该高通滤波器的该第一权重的步骤包括:
将该多个像素的一标准差除以一第一预设标准差以取得该第一权重;以及
若该第一权重大于一第一预设值,将该第一权重设为该第一预设值。
3.根据权利要求2所述的图像锐化方法,其特征在于,其中根据该多个像素计算该第二权重的步骤包括:
将该第一预设值减去该第一权重以取得该第二权重。
4.根据权利要求1所述的图像锐化方法,其特征在于,其中根据该锐化滤波器对该多个像素执行该锐化运算的步骤包括:
根据该多个像素的一标准差计算出一第一因子;
根据该多个像素的一高对比程度计算出一第二因子;
根据该第一因子与该第二因子计算出一增益值;
根据该锐化滤波器对该多个像素执行一卷积运算,并将该卷积运算的结果乘上该增益值以取得一锐化值;以及
将该多个像素的其中之一加上该锐化值。
5.根据权利要求4所述的图像锐化方法,其特征在于,其中根据该多个像素的该标准差计算出该第一因子的步骤包括:
将该标准差减去一第一偏移值的差除以一第一门坎值以取得该第一因子。
6.根据权利要求5所述的图像锐化方法,其特征在于,其中根据该多个像素的该高对比程度计算出该第二因子的步骤包括:
根据一第一高通滤波器对该多个像素执行该卷积运算以取得一第一数值;
将一第二偏移值减去该第一数值的绝对值以取得一第二数值;以及
将该第二数值除以一第二门坎值以取得该第二因子。
7.根据权利要求6所述的图像锐化方法,其特征在于,还包括:
若该第一因子大于一第一预设值,将该第一因子设为该第一预设值;
若该第一因子小于一第二预设值,将该第一因子设为该第二预设值;
若该第二因子大于该第一预设值,将该第二因子设为该第一预设值;以及
若该第二因子小于该第二预设值,将该第二因子设为该第二预设值。
8.根据权利要求7所述的图像锐化方法,其特征在于,其中根据该第一因子与该第二因子计算出该增益值的步骤包括:
若该第二因子小于该第一预设值,将一预设增益值乘上该第二因子以取得该增益值;以及
若该第二因子大于等于该第一预设值,将该预设增益乘上该第一因子以取得该增益值。
9.根据权利要求1所述的图像锐化方法,其特征在于,其中该高通滤波器为拉普拉斯滤波器,并且该低通滤波器为高斯滤波器。
10.一种图像处理装置,其特征在于,包括:
一多核心计算电路,用以取得一图像中的多个像素,根据该多个像素来计算一高通滤波器的一第一权重,根据该多个像素来计算一第一滤波器的一第二权重,并且根据该高通滤波器、该第一权重、该第一滤波器与该第二权重产生一锐化滤波器,其中该第一滤波器是该高通滤波器与一低通滤波器的卷积;
一锐化电路,耦接至该多核心计算电路,用以根据该锐化滤波器对该多个像素执行一锐化运算。
11.根据权利要求10所述的图像处理装置,其特征在于,其中该多核心计算电路用以将该多个像素的一标准差除以一第一预设标准差以取得该第一权重,
其中,若该第一权重大于一第一预设值,该多核心计算电路将该第一权重设为该第一预设值。
12.根据权利要求11所述的图像处理装置,其特征在于,其中该多核心计算电路用以将该第一预设值减去该第一权重以取得该第二权重。
13.根据权利要求10所述的图像处理装置,其特征在于,还包括:
一噪声检测电路,用以根据该多个像素的一标准差计算出一第一因子;
一高对比检测电路,用以根据该多个像素的一高对比程度计算出一第二因子;以及
一增益控制电路,耦接至该噪声检测电路、高对比检测电路与该锐化电路,用以根据该第一因子与该第二因子计算出一增益值,
其中,该锐化电路根据该锐化滤波器对该多个像素执行一卷积运算,将该卷积运算的结果乘上该增益值以取得一锐化值,并且将该多个像素的其中之一加上该锐化值。
14.根据权利要求13所述的图像处理装置,其特征在于,其中该噪声检测电路用以将该标准差减去一第一偏移值的差除以一第一门坎值以取得该第一因子。
15.根据权利要求14所述的图像处理装置,其特征在于,其中该高对比检测电路用以根据一第一高通滤波器对该多个像素执行该卷积运算以取得一第一数值,将一第二偏移值减去该第一数值的绝对值以取得一第二数值,并且将该第二数值除以一第二门坎值以取得该第二因子。
16.根据权利要求15所述的图像处理装置,其特征在于,其中若该第一因子大于一第一预设值,该噪声检测电路将该第一因子设为该第一预设值,
若该第一因子小于一第二预设值,该噪声检测电路将该第一因子设为该第二预设值,
若该第二因子大于该第一预设值,该高对比检测电路将该第二因子设为该第一预设值,
若该第二因子小于该第二预设值,该高对比检测电路将该第二因子设为该第二预设值。
17.根据权利要求16所述的图像处理装置,其特征在于,其中若该第二因子小于该第一预设值,增益控制电路将一预设增益值乘上该第二因子以取得该增益值,
若该第二因子大于等于该第一预设值,增益控制电路将该预设增益乘上该第一因子以取得该增益值。
18.根据权利要求10所述的图像处理装置,其特征在于,其中该高通滤波器为拉普拉斯滤波器,并且该低通滤波器为高斯滤波器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310432133.1A CN104469083A (zh) | 2013-09-22 | 2013-09-22 | 图像锐化方法与图像处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310432133.1A CN104469083A (zh) | 2013-09-22 | 2013-09-22 | 图像锐化方法与图像处理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104469083A true CN104469083A (zh) | 2015-03-25 |
Family
ID=52914398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310432133.1A Pending CN104469083A (zh) | 2013-09-22 | 2013-09-22 | 图像锐化方法与图像处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104469083A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104851081A (zh) * | 2015-05-15 | 2015-08-19 | 南京信息工程大学 | 一种基于gpu的并行拉普拉斯图像锐化方法 |
CN107580159A (zh) * | 2016-06-30 | 2018-01-12 | 华为技术有限公司 | 信号校正方法、装置及终端 |
CN114363477A (zh) * | 2021-12-30 | 2022-04-15 | 上海网达软件股份有限公司 | 基于滑窗权重回归的视频自适应锐化的方法及系统 |
-
2013
- 2013-09-22 CN CN201310432133.1A patent/CN104469083A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104851081A (zh) * | 2015-05-15 | 2015-08-19 | 南京信息工程大学 | 一种基于gpu的并行拉普拉斯图像锐化方法 |
CN107580159A (zh) * | 2016-06-30 | 2018-01-12 | 华为技术有限公司 | 信号校正方法、装置及终端 |
CN107580159B (zh) * | 2016-06-30 | 2020-06-02 | 华为技术有限公司 | 信号校正方法、装置及终端 |
CN114363477A (zh) * | 2021-12-30 | 2022-04-15 | 上海网达软件股份有限公司 | 基于滑窗权重回归的视频自适应锐化的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hou et al. | Hue preserving‐based approach for underwater colour image enhancement | |
Chen et al. | Split Bregmanized anisotropic total variation model for image deblurring | |
Dong et al. | A FRACTIONAL-ORDER DERIVATIVE BASED VARIATIONAL FRAMEWORK FOR IMAGE DENOISING. | |
CN102682446A (zh) | 使用自适应联合双边滤波器生成稠密深度图的设备和方法 | |
Abubakar | Image enhancement using histogram equalization and spatial filtering | |
CN104657737A (zh) | 基于聚类对qr二维码图像进行校正的方法和装置 | |
CN105894474A (zh) | 一种非线性图像增强方法及边缘检测方法 | |
Zhu et al. | Infrared moving point target detection based on an anisotropic spatial-temporal fourth-order diffusion filter | |
CN104469083A (zh) | 图像锐化方法与图像处理装置 | |
US20180033156A1 (en) | Method and device for filtering texture, using patch shift | |
CN112967191A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
Ruan et al. | Semiblind image deconvolution with spatially adaptive total variation regularization | |
Jose et al. | Bilateral edge detectors | |
Zhang et al. | Fractional domain varying-order differential denoising method | |
Wang | Wrap-around effect removal finite ridgelet transform for multiscale image denoising | |
CN107945243B (zh) | 图像移动方法及装置 | |
CN105761267A (zh) | 一种图像处理的方法及装置 | |
CN108009459B (zh) | 基于三角定位符的字符二维条码快速定位方法 | |
Ngo et al. | Image detail enhancement via constant-time unsharp masking | |
Yu et al. | Two-stage decolorization based on histogram equalization and local variance maximization | |
US8111936B2 (en) | Method and device for processing of images using a digital filter | |
Dong et al. | Image enhancement via texture protection Retinex | |
CN105335936A (zh) | X光机、x光图像中静态滤线栅伪影的去除方法及装置 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
Li et al. | A novel nonlinear second order hyperbolic partial differential equation-based image restoration algorithm with directional diffusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150325 |