CN104933676A - 一种保留边缘的图像模糊处理方法、系统及拍摄终端 - Google Patents
一种保留边缘的图像模糊处理方法、系统及拍摄终端 Download PDFInfo
- Publication number
- CN104933676A CN104933676A CN201510411599.2A CN201510411599A CN104933676A CN 104933676 A CN104933676 A CN 104933676A CN 201510411599 A CN201510411599 A CN 201510411599A CN 104933676 A CN104933676 A CN 104933676A
- Authority
- CN
- China
- Prior art keywords
- gradient
- pixel
- image
- mapping
- color
- 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
- 238000003672 processing method Methods 0.000 title abstract 3
- 238000013507 mapping Methods 0.000 claims abstract description 107
- 230000000694 effects Effects 0.000 claims abstract description 24
- 230000037452 priming Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 description 12
- 230000000717 retained effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
Classifications
-
- 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
- G06T3/18—Image warping, e.g. rearranging pixels individually
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种保留边缘的图像模糊处理方法、系统及拍摄终端,其通过对待处理图像进行颜色梯度计算,得到图像的每个像素点的红、绿、蓝通道的第一方向颜色梯度和第二方向颜色梯度,并对待处理图像的初始颜色曲线进行模糊处理的调整,得到曲线映射表,然后再根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度,最后根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,得到模糊效果图像;从而使得图像的明显边缘以及细节边缘都能够得到较好的保留,图像的处理效果更好。
Description
技术领域
本发明涉及图像处理技术领域,特别是一种保留边缘的图像模糊处理方法及其应用该方法的系统、拍摄终端。
背景技术
在拍摄了数字图像之后,经常要对其进行锐化或模糊处理。在频率域,一幅数字图像包含低频成分和高频成分,图像模糊是滤掉了图像中高频分量,因而锐化可以看成是加强图像中的高频成分,减弱图像中低频分量。
传统的模糊处理主要是通过卷积算法或者双边滤波算法来使边缘信息得到较好的保留,虽然这些算法对图像中的明显边缘都有较好的保留效果,但是由于细节纹理部分的边缘不明显,边缘走向非常杂乱,所以这些方法都无法保持细节纹理。这样对于某些具有很多细节纹理的图像,特别是对人体或动物毛发图像的模糊处理,处理结果都会将毛发细节完全破坏,图像整体明显感觉不清晰,处理效果不理想。
发明内容
本发明为解决上述问题,提供了一种保留边缘的图像模糊处理方法、系统及拍摄终端,无论是明显边缘还是细节边缘,都能够得到较好的保留。
为实现上述目的,本发明采用的技术方案为:
首先,本发明提供一种保留边缘的图像模糊处理方法,其包括以下步骤:
a1.对待处理图像进行颜色梯度计算,得到图像的每个像素点的红、绿、蓝通道的第一方向颜色梯度和第二方向颜色梯度;
a2.对待处理图像的初始颜色曲线进行模糊处理的调整,得到曲线映射表;
a3.根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度;
a4.根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,得到模糊效果图像。
优选的,所述的步骤a1中的第一方向颜色梯度和第二方向颜色梯度是指图像的每个像素点的红、绿、蓝通道的x方向颜色梯度和y方向颜色梯度,其计算方法如下:
dfx[i]=f[i]-f[i-1];
dfy[i]=f[i]-f[i-width];
其中,f[i]为像素点i的颜色值;f[i-1]为像素点i左边1个像素点的颜色值;width为待处理图像的宽;f[i-width]为像素点i上面1个像素点的颜色值;dfx[i]为像素点i在x方向的颜色梯度;dfy[i]为像素点i在y方向的颜色梯度。
优选的,所述的步骤a2中对待处理图像的初始颜色曲线进行模糊处理的调整,主要是通过对初始颜色曲线进行调低得到图像的模糊效果的曲线映射表。
优选的,所述的步骤a3中根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度,其采用的映射公式如下:
颜色梯度为正数的映射公式:fdr=curveMap[fd];
颜色梯度为负数的映射公式:fdr=-curveMap[-fd];
其中,fd为当前像素点在曲线映射前的第一方向颜色梯度或第二方向颜色梯度,curveMap为曲线映射表,fdr为根据所述的曲线映射表进行曲线映射得到的对应像素点在x方向或者y方向的映射梯度,即第一方向或者第二方向映射梯度。
优选的,所述的步骤a4中根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,进一步包括以下步骤:
a41.根据待处理图像以及所述的第一方向映射梯度和第二方向映射梯度计算得到所有像素点的直流分量以及每个像素点的散度;
a42.根据所述的直流分量和散度利用求解泊松方程计算得到最终的模糊效果图像。
优选的,所述的步骤a41中所有像素点的直流分量,主要是通过统计待处理图像的所有像素点的直流总和,如果像素点是在边界,则直接加上该像素点的颜色值;如果像素点不在边界,则加上该像素点的颜色值乘以2的积。
优选的,所述的步骤a41中每个像素点的散度的计算方法如下:
Div[i]=fdxCurve[i+1]-fdxCurve[i]+fdyCurve[i+width]-fdyCurve[i];
其中,fdxCurve为像素点i的x方向上的映射梯度,即第一方向映射梯度;fdyCurve为像素点i的y方向上的映射梯度,即第二方向映射梯度;width为待处理图像的宽;fdxCurve[i+1]为像素点i右边1个像素点的x方向上的映射梯度,即第一方向映射梯度;fdyCurve[i+width]为像素点i下面1个像素点的y方向上的映射梯度,即第二方向映射梯度;Div[i]为计算得到的像素点i上的散度。
优选的,所述的步骤a42中根据所述的直流分量和散度利用求解泊松方程计算得到最终的模糊效果图像,主要是利用傅里叶变换来对泊松方程进行求解。
另外,本发明还提供一种保留边缘的图像模糊处理系统,其包括:
颜色梯度计算模块,用于对待处理图像进行颜色梯度计算,得到图像的每个像素点的红、绿、蓝通道的第一方向颜色梯度和第二方向颜色梯度;
曲线映射表创建模块,用于对待处理图像的初始颜色曲线进行模糊处理的调整,得到曲线映射表;
曲线映射处理模块,用于根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度;
泊松方程计算模块,用于根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,得到模糊效果图像。
优选的,所述的泊松方程计算模块进一步包括:
直流分量统计模块,用于统计待处理图像的所有像素点的直流总和;
散度计算模块,用于根据待处理图像以及所述的第一方向映射梯度和第二方向映射梯度计算得到每个像素点的散度;
傅里叶变换模块,用于根据所述的直流分量和散度对泊松方程进行求解计算得到最终的模糊效果图像。
优选的,如权利要求9或10所述的图像模糊处理系统。
优选的,所述拍摄终端包括:手机、数码相机或平板电脑。
本发明的有益效果是:
本发明的一种保留边缘的图像模糊处理方法、系统及拍摄终端,其通过对待处理图像进行颜色梯度计算,得到图像的每个像素点的红、绿、蓝通道的第一方向颜色梯度和第二方向颜色梯度,并对待处理图像的初始颜色曲线进行模糊处理的调整,得到曲线映射表,然后再根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度,最后根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,得到模糊效果图像;从而使得图像的明显边缘以及细节边缘都能够得到较好的保留,图像的处理效果更好。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例一的图像模糊处理方法的流程简图;
图2为图1的图像模糊处理方法所对应的系统的结构示意图;
图3为采用图2的图像模糊处理系统的拍摄终端的结构示意图;
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明的一种保留边缘的图像模糊处理方法,其包括以下步骤:
a1.对待处理图像进行颜色梯度计算,得到图像的每个像素点的红、绿、蓝通道的第一方向颜色梯度和第二方向颜色梯度;
a2.对待处理图像的初始颜色曲线进行模糊处理的调整,得到曲线映射表;
a3.根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度;
a4.根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,得到模糊效果图像。
所述的步骤a1中的第一方向颜色梯度和第二方向颜色梯度是指图像的每个像素点的红、绿、蓝通道的x方向颜色梯度和y方向颜色梯度,其计算方法如下:
dfx[i]=f[i]-f[i-1];
dfy[i]=f[i]-f[i-width];
其中,f[i]为像素点i的颜色值;f[i-1]为像素点i左边1个像素点的颜色值;width为待处理图像的宽;f[i-width]为像素点i上面1个像素点的颜色值;dfx[i]为像素点i在x方向的颜色梯度;dfy[i]为像素点i在y方向的颜色梯度。
所述的步骤a2中对待处理图像的初始颜色曲线进行模糊处理的调整,主要是通过对初始颜色曲线进行调低得到图像的模糊效果的曲线映射表。
所述的步骤a3中根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度,其采用的映射公式如下:
颜色梯度为正数的映射公式:fdr=curveMap[fd];
颜色梯度为负数的映射公式:fdr=-curveMap[-fd];
其中,fd为当前像素点在曲线映射前的第一方向颜色梯度或第二方向颜色梯度,curveMap为曲线映射表,fdr为根据所述的曲线映射表进行曲线映射得到的对应像素点在x方向或者y方向的映射梯度,即第一方向或者第二方向映射梯度。
所述的步骤a4中根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,进一步包括以下步骤:
a41.根据待处理图像以及所述的第一方向映射梯度和第二方向映射梯度计算得到所有像素点的直流分量以及每个像素点的散度;
a42.根据所述的直流分量和散度利用求解泊松方程计算得到最终的模糊效果图像。
其中,所述的步骤a41中所有像素点的直流分量,主要是通过统计待处理图像的所有像素点的直流总和,如果像素点是在边界,则直接加上该像素点的颜色值;如果像素点不在边界,则加上该像素点的颜色值乘以2的积;所述的步骤a41中每个像素点的散度的计算方法如下:
Div[i]=fdxCurve[i+1]-fdxCurve[i]+fdyCurve[i+width]-fdyCurve[i];
其中,fdxCurve为像素点i的x方向上的映射梯度,即第一方向映射梯度;fdyCurve为像素点i的y方向上的映射梯度,即第二方向映射梯度;width为待处理图像的宽;fdxCurve[i+1]为像素点i右边1个像素点的x方向上的映射梯度,即第一方向映射梯度;fdyCurve[i+width]为像素点i下面1个像素点的y方向上的映射梯度,即第二方向映射梯度;Div[i]为计算得到的像素点i上的散度。
所述的步骤a42中根据所述的直流分量和散度利用求解泊松方程计算得到最终的模糊效果图像,主要是利用傅里叶变换来对泊松方程进行求解。
如图2所示,本发明还提供一种保留边缘的图像模糊处理系统100,其包括:
颜色梯度计算模块101,用于对待处理图像进行颜色梯度计算,得到图像的每个像素点的红、绿、蓝通道的第一方向颜色梯度和第二方向颜色梯度;
曲线映射表创建模块102,用于对待处理图像的初始颜色曲线进行模糊处理的调整,得到曲线映射表;
曲线映射处理模块103,用于根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度;
泊松方程计算模块104,用于根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,得到模糊效果图像。
其中,所述的泊松方程计算模块104进一步包括:
直流分量统计模块1041,用于统计待处理图像的所有像素点的直流总和;
散度计算模块1042,用于根据待处理图像以及所述的第一方向映射梯度和第二方向映射梯度计算得到每个像素点的散度;
傅里叶变换模块1043,用于根据所述的直流分量和散度对泊松方程进行求解计算得到最终的模糊效果图像。
如图3所示,本发明还提供一种拍摄终端200,该拍摄终端200包括如上所述的图像模糊处理系统100,其中,图像模糊处理系统100可以采用图2实施例的结构,其对应地,可以执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,详细可以参见上述实施例中的相关记载,此处不再赘述。
所述拍摄终端包括:手机、数码相机或平板电脑等配置有摄像头的设备。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于系统实施例和终端实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
并且,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
上述说明示出并描述了本发明的优选实施例,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (12)
1.一种保留边缘的图像模糊处理方法,其特征在于,包括以下步骤:
a1.对待处理图像进行颜色梯度计算,得到图像的每个像素点的红、绿、蓝通道的第一方向颜色梯度和第二方向颜色梯度;
a2.对待处理图像的初始颜色曲线进行模糊处理的调整,得到曲线映射表;
a3.根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度;
a4.根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,得到模糊效果图像。
2.根据权利要求1所述的一种保留边缘的图像模糊处理方法,其特征在于:所述的步骤a1中的第一方向颜色梯度和第二方向颜色梯度是指图像的每个像素点的红、绿、蓝通道的x方向颜色梯度和y方向颜色梯度,其计算方法如下:
dfx[i]=f[i]-f[i-1];
dfy[i]=f[i]-f[i-width];
其中,f[i]为像素点i的颜色值;f[i-1]为像素点i左边1个像素点的颜色值;width为待处理图像的宽;f[i-width]为像素点i上面1个像素点的颜色值;dfx[i]为像素点i在x方向的颜色梯度;dfy[i]为像素点i在y方向的颜色梯度。
3.根据权利要求1所述的一种保留边缘的图像模糊处理方法,其特征在于:所述的步骤a2中对待处理图像的初始颜色曲线进行模糊处理的调整,主要是通过对初始颜色曲线进行调低得到图像的模糊效果的曲线映射表。
4.根据权利要求1或2或3所述的一种保留边缘的图像模糊处理方法,其特征在于:所述的步骤a3中根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度,其采用的映射公式如下:
颜色梯度为正数的映射公式:fdr=curveMap[fd];
颜色梯度为负数的映射公式:fdr=-curveMap[-fd];
其中,fd为当前像素点在曲线映射前的第一方向颜色梯度或第二方向颜色梯度,curveMap为曲线映射表,fdr为根据所述的曲线映射表进行曲线映射得到的对应像素点在x方向或者y方向的映射梯度,即第一方向或者第二方向映射梯度。
5.根据权利要求1或2或3所述的一种保留边缘的图像模糊处理方法,其特征在于:所述的步骤a4中根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,进一步包括以下步骤:
a41.根据待处理图像以及所述的第一方向映射梯度和第二方向映射梯度计算得到所有像素点的直流分量以及每个像素点的散度;
a42.根据所述的直流分量和散度利用求解泊松方程计算得到最终的模糊效果图像。
6.根据权利要求5所述的一种保留边缘的图像模糊处理方法,其特征在于:所述的步骤a41中所有像素点的直流分量,主要是通过统计待处理图像的所有像素点的直流总和,如果像素点是在边界,则直接加上该像素点的颜色值;如果像素点不在边界,则加上该像素点的颜色值乘以2的积。
7.根据权利要求5所述的一种保留边缘的图像模糊处理方法,其特征在于:所述的步骤a41中每个像素点的散度的计算方法如下:
Div[i]=fdxCurve[i+1]-fdxCurve[i]+fdyCurve[i+width]-fdyCurve[i];
其中,fdxCurve为像素点i的x方向上的映射梯度,即第一方向映射梯度;fdyCurve为像素点i的y方向上的映射梯度,即第二方向映射梯度;width为待处理图像的宽;fdxCurve[i+1]为像素点i右边1个像素点的x方向上的映射梯度,即第一方向映射梯度;fdyCurve[i+width]为像素点i下面1个像素点的y方向上的映射梯度,即第二方向映射梯度;Div[i]为计算得到的像素点i上的散度。
8.根据权利要求5所述的一种保留边缘的图像模糊处理方法,其特征在于:所述的步骤a42中根据所述的直流分量和散度利用求解泊松方程计算得到最终的模糊效果图像,主要是利用傅里叶变换来对泊松方程进行求解。
9.一种保留边缘的图像模糊处理系统,其特征在于,包括:
颜色梯度计算模块,用于对待处理图像进行颜色梯度计算,得到图像的每个像素点的红、绿、蓝通道的第一方向颜色梯度和第二方向颜色梯度;
曲线映射表创建模块,用于对待处理图像的初始颜色曲线进行模糊处理的调整,得到曲线映射表;
曲线映射处理模块,用于根据所述的曲线映射表对所述的第一方向颜色梯度和第二方向颜色梯度进行曲线映射,得到第一方向映射梯度和第二方向映射梯度;
泊松方程计算模块,用于根据所述的第一方向映射梯度和第二方向映射梯度对待处理图像的进行泊松方程的计算,得到模糊效果图像。
10.根据权利要求9所述的一种保留边缘的图像模糊处理系统,其特征在于,所述的泊松方程计算模块进一步包括:
直流分量统计模块,用于统计待处理图像的所有像素点的直流总和;
散度计算模块,用于根据待处理图像以及所述的第一方向映射梯度和第二方向映射梯度计算得到每个像素点的散度;
傅里叶变换模块,用于根据所述的直流分量和散度对泊松方程进行求解计算得到最终的模糊效果图像。
11.一种拍摄终端,其特征在于,包括:如权利要求9或10所述的图像模糊处理系统。
12.根据权利要求11所述的拍摄终端,其特征在于,所述拍摄终端包括:手机、数码相机或平板电脑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510411599.2A CN104933676B (zh) | 2015-07-14 | 2015-07-14 | 一种保留边缘的图像模糊处理方法、系统及拍摄终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510411599.2A CN104933676B (zh) | 2015-07-14 | 2015-07-14 | 一种保留边缘的图像模糊处理方法、系统及拍摄终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104933676A true CN104933676A (zh) | 2015-09-23 |
CN104933676B CN104933676B (zh) | 2019-01-08 |
Family
ID=54120831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510411599.2A Active CN104933676B (zh) | 2015-07-14 | 2015-07-14 | 一种保留边缘的图像模糊处理方法、系统及拍摄终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933676B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101228535A (zh) * | 2005-07-28 | 2008-07-23 | 微软公司 | 图像混合 |
CN102542533A (zh) * | 2010-12-16 | 2012-07-04 | 方正国际软件(北京)有限公司 | 一种图像模糊方法及系统 |
CN102693527A (zh) * | 2011-02-28 | 2012-09-26 | 索尼公司 | 用于对图像执行模糊渲染处理的方法和装置 |
CN103914863A (zh) * | 2014-03-10 | 2014-07-09 | 西藏民族学院 | 一种彩色图像抽象化绘制方法 |
CN104063848A (zh) * | 2014-06-19 | 2014-09-24 | 中安消技术有限公司 | 一种低照度图像增强方法和装置 |
CN104331868A (zh) * | 2014-11-17 | 2015-02-04 | 厦门美图网科技有限公司 | 一种图像边缘的优化方法 |
CN104732495A (zh) * | 2015-03-23 | 2015-06-24 | 厦门美图之家科技有限公司 | 一种基于模糊的自动色调的图像处理方法和系统 |
-
2015
- 2015-07-14 CN CN201510411599.2A patent/CN104933676B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101228535A (zh) * | 2005-07-28 | 2008-07-23 | 微软公司 | 图像混合 |
CN102542533A (zh) * | 2010-12-16 | 2012-07-04 | 方正国际软件(北京)有限公司 | 一种图像模糊方法及系统 |
CN102693527A (zh) * | 2011-02-28 | 2012-09-26 | 索尼公司 | 用于对图像执行模糊渲染处理的方法和装置 |
CN103914863A (zh) * | 2014-03-10 | 2014-07-09 | 西藏民族学院 | 一种彩色图像抽象化绘制方法 |
CN104063848A (zh) * | 2014-06-19 | 2014-09-24 | 中安消技术有限公司 | 一种低照度图像增强方法和装置 |
CN104331868A (zh) * | 2014-11-17 | 2015-02-04 | 厦门美图网科技有限公司 | 一种图像边缘的优化方法 |
CN104732495A (zh) * | 2015-03-23 | 2015-06-24 | 厦门美图之家科技有限公司 | 一种基于模糊的自动色调的图像处理方法和系统 |
Non-Patent Citations (4)
Title |
---|
GRADIENT BASED IMAGE COMPLETION BY SOLVING THE POISSON EQUATION: "Gradient based image completion by solving the Poisson equation", 《COMPUTERS & GRAPHICS》 * |
于烨,陆建华,郑君里: "一种新的彩色图像边缘检测算法", 《清华大学学报(自然科学版)》 * |
刘先锋; 沈胜宏; 郑明洁: "边缘保留的图像噪声滤除方法", 《电子技术应用》 * |
陈亮,郭雷等: "基于分块梯度直方图的边缘检测", 《光电工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN104933676B (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10554857B2 (en) | Method for noise-robust color changes in digital images | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
CN109389560B (zh) | 一种自适应加权滤波图像降噪方法、装置及图像处理设备 | |
US9165210B1 (en) | Systems and methods for localized contrast enhancement | |
CN107993189B (zh) | 一种基于局部分块的图像色调动态调节方法和装置 | |
US9286653B2 (en) | System and method for increasing the bit depth of images | |
CN106846276A (zh) | 一种图像增强方法及装置 | |
Singh et al. | Contrast enhancement and brightness preservation using global-local image enhancement techniques | |
Rabin et al. | Regularization of transportation maps for color and contrast transfer | |
WO2008026150A1 (en) | Method and apparatus for image enhancement | |
CN108280836B (zh) | 一种图像处理方法及装置 | |
TWI741305B (zh) | 圖像處理方法和裝置 | |
CN104657946A (zh) | 一种快速实现多重效果的图像滤镜处理方法和装置 | |
US9305338B1 (en) | Image detail enhancement and edge sharpening without overshooting | |
US9715720B1 (en) | System and method for reducing image noise | |
CN104933676A (zh) | 一种保留边缘的图像模糊处理方法、系统及拍摄终端 | |
CN104992423A (zh) | 一种基于梯度的图像锐化处理方法、系统及拍摄终端 | |
CN112435182A (zh) | 图像降噪方法及装置 | |
Hanumantharaju et al. | Adaptive color image enhancement based geometric mean filter | |
JP2006510272A5 (zh) | ||
KR101101434B1 (ko) | 이미지 선명도 향상 장치 | |
CN108717687B (zh) | 基于转换压缩的图像增强方法及终端设备 | |
CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
CN113450282B (zh) | 美化图像的方法和系统 | |
CN110751603A (zh) | 一种图像对比度的增强方法、系统及终端设备 |
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 |