CN104992423B - 一种基于梯度的图像锐化处理方法、系统及拍摄终端 - Google Patents

一种基于梯度的图像锐化处理方法、系统及拍摄终端 Download PDF

Info

Publication number
CN104992423B
CN104992423B CN201510411784.1A CN201510411784A CN104992423B CN 104992423 B CN104992423 B CN 104992423B CN 201510411784 A CN201510411784 A CN 201510411784A CN 104992423 B CN104992423 B CN 104992423B
Authority
CN
China
Prior art keywords
gradient
mapping
image
pixel
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.)
Active
Application number
CN201510411784.1A
Other languages
English (en)
Other versions
CN104992423A (zh
Inventor
张伟
傅松林
胡瑞鑫
王喆
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.)
Xiamen Meitu Technology Co Ltd
Original Assignee
Xiamen Meitu 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 Xiamen Meitu Technology Co Ltd filed Critical Xiamen Meitu Technology Co Ltd
Priority to CN201510411784.1A priority Critical patent/CN104992423B/zh
Publication of CN104992423A publication Critical patent/CN104992423A/zh
Application granted granted Critical
Publication of CN104992423B publication Critical patent/CN104992423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明公开了一种基于梯度的图像锐化处理方法、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锐化处理的调整,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,得到锐化效果图像;从而使得图像的弱边缘都能够较好的得到加强,而强边缘的增强幅度适中,图像的处理效果更好。

Description

一种基于梯度的图像锐化处理方法、系统及拍摄终端
技术领域
本发明涉及图像处理技术领域,特别是一种基于梯度的图像锐化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。
传统的锐化处理主要是通过模糊算法进行叠加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,但是对应弱边缘不明显,特别是脸部区域方面。
发明内容
本发明为解决上述问题,提供了一种基于梯度的图像锐化处理方法、系统及拍摄终端,通过对梯度曲线的控制,可以使强边缘得到的增强幅度适中,弱边缘得到更大的增强,从而使锐化的效果更好,整体感更佳。
为实现上述目的,本发明采用的技术方案为:
首先,本发明提供一种基于梯度的图像锐化处理方法,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锐化处理的调整,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,得到锐化效果图像。
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锐化处理的调整,主要是通过对初始颜色曲线进行调高得到图像的锐化效果的曲线映射表。
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锐化效果图像。
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锐化效果图像,主要是利用傅里叶变换来对泊松方程进行求解。
另外,本发明还提供一种基于梯度的图像锐化处理系统,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锐化处理的调整,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,得到锐化效果图像。
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锐化效果图像。
优选的,如权利要求9或10所述的图像锐化处理系统。
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:
本发明的一种基于梯度的图像锐化处理方法、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锐化处理的调整,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,得到锐化效果图像;通过对梯度曲线的控制,可以使强边缘得到的增强幅度适中,弱边缘得到更大的增强,从而使锐化的效果更好,整体感更佳。
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锐化处理方法的流程简图;
图2为图1的图像锐化处理方法所对应的系统的结构示意图;
图3为采用图2的图像锐化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,本发明的一种基于梯度的图像锐化处理方法,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锐化处理的调整,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,得到锐化效果图像。
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锐化处理的调整,主要是通过对初始颜色曲线进行调高得到图像的锐化效果的曲线映射表。
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锐化效果图像。
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锐化效果图像,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,本发明还提供一种基于梯度的图像锐化处理系统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锐化处理的调整,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,得到锐化效果图像。
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锐化效果图像。
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锐化处理系统100,其中,图像锐化处理系统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 (9)

1.一种基于梯度的图像锐化处理方法,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锐化处理的调整,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,得到锐化效果图像;
其中,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;所述的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;
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锐化效果图像。
2.根据权利要求1所述的一种基于梯度的图像锐化处理方法,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所述的一种基于梯度的图像锐化处理方法,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锐化处理的调整,是通过对初始颜色曲线进行调高得到图像的锐化效果的曲线映射表。
4.根据权利要求1或2或3所述的一种基于梯度的图像锐化处理方法,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所述的一种基于梯度的图像锐化处理方法,其特征在于:所述的步骤a41中所有像素点的直流分量,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。
6.根据权利要求1或2或3所述的一种基于梯度的图像锐化处理方法,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锐化效果图像,是利用傅里叶变换来对泊松方程进行求解。
7.一种基于梯度的图像锐化处理系统,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锐化处理的调整,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,得到锐化效果图像;
其中,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;所述的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;
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锐化效果图像。
8.一种拍摄终端,其特征在于,包括:如权利要求7所述的图像锐化处理系统。
9.根据权利要求8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。
CN201510411784.1A 2015-07-14 2015-07-14 一种基于梯度的图像锐化处理方法、系统及拍摄终端 Active CN104992423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510411784.1A CN104992423B (zh) 2015-07-14 2015-07-14 一种基于梯度的图像锐化处理方法、系统及拍摄终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510411784.1A CN104992423B (zh) 2015-07-14 2015-07-14 一种基于梯度的图像锐化处理方法、系统及拍摄终端

Publications (2)

Publication Number Publication Date
CN104992423A CN104992423A (zh) 2015-10-21
CN104992423B true CN104992423B (zh) 2019-05-03

Family

ID=54304231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510411784.1A Active CN104992423B (zh) 2015-07-14 2015-07-14 一种基于梯度的图像锐化处理方法、系统及拍摄终端

Country Status (1)

Country Link
CN (1) CN104992423B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111028182B (zh) * 2019-12-24 2024-04-26 北京金山云网络技术有限公司 图像锐化方法、装置、电子设备及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942755A (zh) * 2013-01-23 2014-07-23 深圳市腾讯计算机系统有限公司 图像亮度调节方法和装置
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
CN104182947A (zh) * 2014-09-10 2014-12-03 安科智慧城市技术(中国)有限公司 一种低照度图像增强方法和系统
CN104599238A (zh) * 2013-10-30 2015-05-06 腾讯科技(北京)有限公司 图像处理方法及装置
CN104700371A (zh) * 2015-03-18 2015-06-10 厦门美图之家科技有限公司 一种蒙版的生成方法和系统
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7088474B2 (en) * 2001-09-13 2006-08-08 Hewlett-Packard Development Company, Lp. Method and system for enhancing images using edge orientation
US7643698B2 (en) * 2005-12-22 2010-01-05 Apple Inc. Image sharpening using diffusion

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942755A (zh) * 2013-01-23 2014-07-23 深圳市腾讯计算机系统有限公司 图像亮度调节方法和装置
CN104599238A (zh) * 2013-10-30 2015-05-06 腾讯科技(北京)有限公司 图像处理方法及装置
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
CN104182947A (zh) * 2014-09-10 2014-12-03 安科智慧城市技术(中国)有限公司 一种低照度图像增强方法和系统
CN104700371A (zh) * 2015-03-18 2015-06-10 厦门美图之家科技有限公司 一种蒙版的生成方法和系统
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

Also Published As

Publication number Publication date
CN104992423A (zh) 2015-10-21

Similar Documents

Publication Publication Date Title
Liu et al. Embedding bilateral filter in least squares for efficient edge-preserving image smoothing
Palma et al. Anisotropic diffusion filtering operation and limitations-magnetic resonance imaging evaluation
CN107507173A (zh) 一种全切片图像的无参考清晰度评估方法及系统
CN107358586A (zh) 一种图像增强方法、装置及设备
EP2854390A1 (en) Image sharpening method and device, and shooting terminal
CN105096347B (zh) 图像处理装置和方法
CN104881635B (zh) 非高斯二维Gabor滤波器图像纹理提取及识别方法
CN105096330A (zh) 一种自动识别纯色边框的图像处理方法、系统及拍摄终端
Zhang et al. Decision-based non-local means filter for removing impulse noise from digital images
CN107194869B (zh) 一种图像处理方法及终端、计算机存储介质、计算机设备
CN106204502B (zh) 基于混合阶l0正则化模糊核估计方法
CN104992423B (zh) 一种基于梯度的图像锐化处理方法、系统及拍摄终端
CN104036457A (zh) 一种图像降噪方法
Cao et al. A new image edge detection algorithm based on improved Canny
CN106296591B (zh) 基于马氏距离的非局部均匀数字图像去噪方法
Anjana et al. Color image enhancement using edge based histogram equalization
CN104933676B (zh) 一种保留边缘的图像模糊处理方法、系统及拍摄终端
Hanumantharaju et al. Adaptive color image enhancement based geometric mean filter
CN104504659A (zh) 一种基于提升小波变换的快速iso去噪方法及系统
CN115187486A (zh) 一种图像锐化黑白边消除方法及系统
CN109684496A (zh) 一种同款商品的图像匹配方法、装置、设备以及存储介质
CN104978712B (zh) 图像处理方法及装置
Sun et al. A multi-scale TVQI-based illumination normalization model
CN108550119A (zh) 一种结合边缘信息的图像去噪方法
Jundang et al. Preserving edge from Gaussian filter by edge template

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