CN105894459A - 基于梯度值及梯度方向的图像锐化方法及装置 - Google Patents
基于梯度值及梯度方向的图像锐化方法及装置 Download PDFInfo
- Publication number
- CN105894459A CN105894459A CN201510918068.2A CN201510918068A CN105894459A CN 105894459 A CN105894459 A CN 105894459A CN 201510918068 A CN201510918068 A CN 201510918068A CN 105894459 A CN105894459 A CN 105894459A
- Authority
- CN
- China
- Prior art keywords
- pixel
- sharpening
- pixel value
- gradient
- max
- 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
- 238000003707 image sharpening Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- FNMKZDDKPDBYJM-UHFFFAOYSA-N 3-(1,3-benzodioxol-5-yl)-7-(3-methylbut-2-enoxy)chromen-4-one Chemical compound C1=C2OCOC2=CC(C2=COC=3C(C2=O)=CC=C(C=3)OCC=C(C)C)=C1 FNMKZDDKPDBYJM-UHFFFAOYSA-N 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- 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)
Abstract
本发明实施例提供一种基于梯度值及梯度方向的图像锐化方法及装置。逐个扫描图像中的像素点并计算所述像素点的梯度;当判定所述梯度大于预设的梯度阈值,则对所述像素点进行锐化,以所述锐化操作得到的像素值更新所述像素点的像素值。有效消除了明显的视觉上的灰度突变,同时可以自适应地调节图像锐化的程度。
Description
技术领域
本发明实施例涉及图像处理领域,尤其涉及一种基于梯度值及梯度方向的图像锐化方法及装置。
背景技术
图像锐化(image sharpening)就是补偿图像的轮廓,增强图像的边缘及灰度跳变的部分,使图像变得清晰,亦分空域处理和频域处理两类。
USM(非锐化掩膜)算法是常用的图像锐化算法,可将图像中较模糊的边缘变得相对清晰。其原理是将原图像与进一步模糊的图像的差作为掩膜,将原图像根据设定的比例加上掩膜图像中的值即可实现图像边缘的锐化。但是这种算法存在一定的缺陷,锐化后的最大最小值会超过原始图片的范围,造成在边缘的两侧出现易被察觉的灰度突变。
因此,一种新的锐化算法亟待提出。
发明内容
本发明实施例提供一种基于梯度值及梯度方向的图像锐化方法及装置,用以解决现有技术中图像锐化后像素值的最大值和最小值超过原始值而出现明显灰度突变的缺陷。
本发明实施例提供一种基于梯度值及梯度方向的图像锐化方法,包括:
逐个扫描图像中的像素点并计算所述像素点的梯度;
当判定所述梯度大于预设的梯度阈值,则对所述像素点进行锐化,以所述锐化操作得到的像素值更新所述像素点的像素值。
本发明实施例提供一种基于梯度值及梯度方向的图像锐化装置,包括:
计算模块,用于逐个扫描图像中的像素点并计算所述像素点的梯度;
锐化模块,用于,当判定所述梯度大于预设的梯度阈值,对所述像素点进行锐化,以所述锐化操作得到的像素值更新所述像素点的像素值。
本发明实施例提供的基于梯度值及梯度方向的图像锐化方法及装置,通过自动限定锐化后的像素值范围,改变了现有技术中进行图像锐化时,图像锐化后像素值的最大值和最小值超过原始值的缺陷,有效消除了明显的视觉上的灰度突变。此外,还可以自适应地调节图像锐化的程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一的技术流程图;
图2为本发明实施例一的另一技术流程图;
图3为本发明实施例梯度方向与邻域像素点的示例图;
图4为本发明实施例高斯函数示例图;
图5为本发明实施例二的装置结构示意图。
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。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。
实施例一
图1是本发明实施例一的技术流程图,结合图1,本发明实施例一种基于梯度值及梯度方向的图像锐化方法,主要由两个大的步骤实现:
步骤110:逐个扫描图像中的像素点并计算所述像素点的梯度;
梯度的在图像处理中的意义表征的是像素值在哪个方向上变化最快,即图像灰度的最大变化率。图像的边缘部分,像素值的波动较为明显,故这种波动的检测可以过对图像进行梯度运算来实现。
逐行逐列扫描待处理图像中的每一像点素,对于所述像素点,先计算其梯度。由于图像在计算机中以数字图像的形式进行存储,即图像是离散的数字信号,对数字图像的梯度使用差分来代替连续信号中的微分。
常见的图像梯度模板有以下几种:
1)Roberts梯度。Roberts梯度算子是一种最简单的算子,是一种利用局部差分算子寻找边缘的算子,采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘,定位精度高,对噪声敏感,无法抑制噪声的影响。
2)Prewitt梯度。
左侧是x方向的3×3Prewitt梯度模板,右侧是y方向的3×3Prewitt梯度模板。
3)Sobel梯度。Sobel梯度算子有两个,一个是检测水平边缘的;另一个是检测垂直边缘的。与Prewitt算子相比,Sobel算子对于像素的位置的影响做了加权,可以降低边缘模糊程度,因此效果更好。Sobel梯度算子的3×3模板如下所示:
左侧是x方向的3×3Sobel梯度模板,右侧是y方向的3×3Sobel梯度模板。
4)Laplacian梯度。Laplacian梯度算子具有各向同性,即与坐标轴方向无关,坐标轴旋转后梯度结果不变。
左侧为4邻域系统模板,右侧为8邻域系统模板。
5)Scharr梯度。
左侧是y方向的3×3Scharr梯度模板,右侧是x方向的3×3Scharr梯度模板。算子中正负号的位置有所变化,为计算梯度方向时,满足数学中象限的位置分配,看起来更加直观。
以Sobel梯度模板计算为例,某一像素点及其3×3邻域内的像素值分布如下:
P1 | P2 | P3 |
P4 | P5 | P6 |
P7 | P8 | P9 |
对于像素点P5,其梯度值可以采用如下公式进行计算:
其中,G为像素点P5对应的梯度值,G的取值范围是P1~P9是3×3邻域内所有像素点的像素值。
本发明实施例并不限制采用何种梯度算子计算所述像素点的梯度值,凡是能实现本发明实施例中梯度值计算的算法都在本发明实施例的保护范围之内。
步骤120:当判定所述梯度大于预设的梯度阈值,则对所述像素点进行锐化,以所述锐化操作得到的像素值更新所述像素点的像素值。
本步骤中,首先判断所述像素点的梯度值是否超过阈值,若是超出预设的阈值,则对所述像素点进行锐化,从而避免了锐化后的最大值和最小值超出原图片的像素值范围,从而导致图像中边缘部分出现明显的灰度突变。
进一步地,结合图2,步骤120中,对所述像素点进行锐化由步骤121~步骤125实现。
步骤121:根据所述梯度,计算所述像素点的梯度方向;
根据梯度方向的定义,采用如下公式计算所述像素点的梯度方向θ:
其中,px为所述像素点沿x方向的梯度值,py为所述像素点沿y方向的梯度值,arctan()为反正切函数。
以Sobel算子为例,px及px的计算如下所示:
Px=(p3-p1)+2*(p6-p4)+(p9-p7)
Py=(p1-p7)+2*(p2-p8)+(p3-p9)
本发明实施例中,梯度方向的计算可以在判断是否进行锐化之前执行,也可以是先判断是否需要进行锐化操作,再计算所述梯度方向,本发明实施例并不做限制。
步骤122:沿所述梯度方向的正向及反向,在所述像素点的邻域内寻找最大像素值以及最小像素值;
如图3所示,以所述像素点为坐标原点,水平方向为x轴,垂直方向为y轴,在所述像素点的邻域内画出所述像素点的梯度方向及其反向延长线的示意图。
所述梯度方向的正向和反向,是图像的像素值变化最明显的区域,因此沿着这个方向在所述邻域内寻找像素值的最大值和最小值,计算量小,且更加准确。记所述最大像素值为pmax,所述最小像素值为pmin。
步骤123:计算所述邻域内的像素值均值;
所述像素值均值的计算公式如下所示:
其中,pmean为所述像素值均值,N*N为所述邻域内像素点的总数,px是所述邻域内的每一像素点对应的像素值。
步骤124:根据所述像素值均值、所述最大像素值以及所述最小像素值计算所述锐化系数;
当p5>pmean时,应当将p5的值向pmax靠拢,当p5处于pmean和pmax之间的时候,靠拢的程度应该最大。p5越靠近pmean和pmax,锐化的程度应该越小,避免出现锯齿和过度的灰度突变,参考图4所示。因此本发明实施例采用高斯函数计算所述锐化系数。
高斯函数如下所示:
f=a×exp[-(x-b)2/c2]
其中,a、b、c为经验数值。在理想状态下,a应该等于1.0,但是为了避免锯齿等情况,一般取a=0.85即可;b的值为b=(pmax+pmean)/2;c作为控制高斯宽度的参数,经过试验,把宽度映射到标准高斯函数的c为0.35的宽度最合适,因此c=(pmax-pmean)/0.35。
步骤125:根据所述锐化系数对所述像素点进行锐化。
采用如下公式根据所述锐化系数对所述像素点进行锐化:
p′=p+f×(pmax-p)
其中,p′为所述像素点经锐化操作得到的像素值,p为所述像素点未经所述锐化操作时像素值,pmax为所述最大像素值,f为所述锐化系数。
本实施例中,通过梯度计算检测图像中灰度变化较大的位置,从而实现快速精确的边缘检测;通过自动限定锐化后的像素值范围,确保了进行图像锐化时,图像锐化后像素值的最大值和最小值仍在原始值范围之内,有效消除了明显的视觉上的灰度突变。
此外,利用高斯函数根据所述像素点邻域内的像素值大小计算锐化系数,实现了自适应地调节图像锐化的程度,提升了图像质量。
实施例二
图5是本发明实施例二的装置结构示意图,结合图5,本发明实施例一种基于梯度值及梯度方向的图像锐化装置,主要包括两个大的模块:计算模块510以及锐化模块520。
所述计算模块510,用于逐个扫描图像中的像素点并计算所述像素点的梯度;
所述锐化模块520,用于,当判定所述梯度大于预设的梯度阈值,对所述像素点进行锐化,以所述锐化操作得到的像素值更新所述像素点的像素值。
具体地,所述锐化模块520进一步用于:根据所述梯度,计算所述像素点的梯度方向;沿所述梯度方向的正向及反向,在所述像素点的邻域内寻找最大像素值以及最小像素值。
具体地,所述锐化模块520进一步用于:计算所述邻域内的像素值均值;
根据所述像素值均值、所述最大像素值以及所述最小像素值计算所述锐化系数;根据所述锐化系数对所述像素点进行锐化。
具体地,所述锐化模块520进一步用于:采用如下公式计算所述锐化系数:
f=a×exp[-(x-b)2/c2]
其中,a、b、c为经验数值,b、c根据所述最大像素值和所述平均像素值进行计算。
具体地,所述锐化模块520进一步用于:采用如下公式根据所述锐化系数对所述像素点进行锐化:
p′=p+f×(pmax-p)
其中,p′为所述像素点经锐化操作得到的像素值,p为所述像素点未经所述锐化操作时像素值,pmax为所述最大像素值,f为所述锐化系数。
图5所示装置可以执行图1~图4所示实施例的方法,实现原理和技术效果参考图1~图4所示实施例,不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于梯度值及梯度方向的图像锐化方法,其特征在于,包括如下的步骤:
逐个扫描图像中的像素点并计算所述像素点的梯度;
当判定所述梯度大于预设的梯度阈值,则对所述像素点进行锐化,以所述锐化操作得到的像素值更新所述像素点的像素值。
2.根据权利要求1所述的方法,其特征在于,对所述像素点进行锐化,进一步包括:
根据所述梯度,计算所述像素点的梯度方向;
沿所述梯度方向的正向及反向,在所述像素点的邻域内寻找最大像素值以及最小像素值。
3.根据权利要求2所述的方法,其特征在于,对所述像素点进行锐化,进一步包括:
计算所述邻域内的像素值均值;
根据所述像素值均值、所述最大像素值以及所述最小像素值计算所述锐化系数;
根据所述锐化系数对所述像素点进行锐化。
4.根据权利要求3所述的方法,其特征在于,计算所述锐化系数,进一步包括:
采用如下公式计算所述锐化系数:
f=a×exp[-(x-b)2/c2]
其中,a、b、c为经验数值,b、c根据所述最大像素值和所述平均像素值进行计算。
5.根据权利要求3或4所述的方法,其特征在于,采用如下公式根据所述锐化系数对所述像素点进行锐化:
p′=p+f×(pmax-p)
其中,p′为所述像素点经锐化操作得到的像素值,p为所述像素点未经所述锐化操作时像素值,pmax为所述最大像素值,f为所述锐化系数。
6.一种基于梯度值及梯度方向的图像锐化装置,其特征在于,包括如下的模块:
计算模块,用于逐个扫描图像中的像素点并计算所述像素点的梯度;
锐化模块,用于,当判定所述梯度大于预设的梯度阈值,对所述像素点进行锐化,以所述锐化操作得到的像素值更新所述像素点的像素值。
7.根据权利要求6所述的装置,其特征在于,所述锐化模块进一步用于:
根据所述梯度,计算所述像素点的梯度方向;
沿所述梯度方向的正向及反向,在所述像素点的邻域内寻找最大像素值以及最小像素值。
8.根据权利要求7所述的装置,其特征在于,所述锐化模块进一步用于:
计算所述邻域内的像素值均值;
根据所述像素值均值、所述最大像素值以及所述最小像素值计算所述锐化系数;
根据所述锐化系数对所述像素点进行锐化。
9.根据权利要求8所述的装置,其特征在于,所述锐化模块进一步用于:
采用如下公式计算所述锐化系数:
f=a×exp[-(x-b)2/c2]
其中,a、b、c为经验数值,b、c根据所述最大像素值和所述平均像素值进行计算。
10.根据权利要求8或9所述的装置,其特征在于,所述锐化模块进一步用于:
采用如下公式根据所述锐化系数对所述像素点进行锐化:
p′=p+f×(pmax-p)
其中,p′为所述像素点经锐化操作得到的像素值,p为所述像素点未经所述锐化操作时像素值,pmax为所述最大像素值,f为所述锐化系数。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510918068.2A CN105894459A (zh) | 2015-12-10 | 2015-12-10 | 基于梯度值及梯度方向的图像锐化方法及装置 |
PCT/CN2016/088692 WO2017096820A1 (zh) | 2015-12-10 | 2016-07-05 | 基于梯度值及梯度方向的图像锐化方法及装置 |
US15/247,576 US20170169551A1 (en) | 2015-12-10 | 2016-08-25 | Image sharpening method based on gradient value and gradient direction and electronic apparatus thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510918068.2A CN105894459A (zh) | 2015-12-10 | 2015-12-10 | 基于梯度值及梯度方向的图像锐化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105894459A true CN105894459A (zh) | 2016-08-24 |
Family
ID=57002395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510918068.2A Pending CN105894459A (zh) | 2015-12-10 | 2015-12-10 | 基于梯度值及梯度方向的图像锐化方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170169551A1 (zh) |
CN (1) | CN105894459A (zh) |
WO (1) | WO2017096820A1 (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016670A (zh) * | 2017-03-27 | 2017-08-04 | 福州瑞芯微电子股份有限公司 | 一种图像坏点检测方法和装置 |
CN107295318A (zh) * | 2017-08-23 | 2017-10-24 | 无锡北斗星通信息科技有限公司 | 基于图像处理的彩色投影平台 |
CN107371004A (zh) * | 2017-08-23 | 2017-11-21 | 无锡北斗星通信息科技有限公司 | 一种彩色图像投影的方法 |
CN108038833A (zh) * | 2017-12-28 | 2018-05-15 | 福州瑞芯微电子股份有限公司 | 一种梯度相关性检测的图像自适应锐化方法和存储介质 |
CN108428215A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种图像处理方法、装置和设备 |
CN109934785A (zh) * | 2019-03-12 | 2019-06-25 | 湖南国科微电子股份有限公司 | 图像锐化方法及装置 |
CN109978794A (zh) * | 2019-03-29 | 2019-07-05 | 中山爱瑞科技有限公司 | 一种乳腺双能图像的处理方法和系统 |
CN110111261A (zh) * | 2019-03-28 | 2019-08-09 | 福州瑞芯微电子股份有限公司 | 图像的自适应平衡处理方法、电子设备和计算机可读存储介质 |
CN110246227A (zh) * | 2019-05-21 | 2019-09-17 | 佛山科学技术学院 | 一种虚实融合仿真实验图像数据收集方法及系统 |
CN110545414A (zh) * | 2019-08-28 | 2019-12-06 | 成都微光集电科技有限公司 | 一种图像锐化方法 |
CN110636331A (zh) * | 2019-09-26 | 2019-12-31 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
CN111028182A (zh) * | 2019-12-24 | 2020-04-17 | 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 |
CN112313019A (zh) * | 2018-06-28 | 2021-02-02 | 杰富意钢铁株式会社 | 钢材非压下部宽度检测装置及其检测方法 |
CN113555117A (zh) * | 2021-07-19 | 2021-10-26 | 江苏金海星导航科技有限公司 | 一种基于穿戴设备的驾驶员健康管理系统 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742280A (zh) | 2017-11-02 | 2018-02-27 | 浙江大华技术股份有限公司 | 一种图像锐化方法及装置 |
CN110136196B (zh) * | 2019-01-30 | 2022-09-20 | 西安电子科技大学 | 一种桥梁裂缝宽度自动测量方法 |
CN113469971B (zh) * | 2021-06-30 | 2023-10-13 | 深圳中科飞测科技股份有限公司 | 一种图像匹配方法及检测装置、存储介质 |
CN114331844A (zh) * | 2021-12-28 | 2022-04-12 | Tcl华星光电技术有限公司 | 图像处理方法、装置、服务器及存储介质 |
CN114627030B (zh) * | 2022-05-13 | 2022-09-20 | 深圳深知未来智能有限公司 | 一种自适应的图像锐化方法及系统 |
CN115049564A (zh) * | 2022-08-11 | 2022-09-13 | 广州市保伦电子有限公司 | 一种图片锐化处理方法及处理终端 |
CN117876402B (zh) * | 2024-03-13 | 2024-05-07 | 中国人民解放军总医院第一医学中心 | 一种用于颞下颌关节紊乱病影像的智能分割方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080002908A1 (en) * | 2006-06-30 | 2008-01-03 | Fuji Photo Film Co., Ltd. | Method and apparatus for diffusion based illumination normalization |
CN102800063A (zh) * | 2012-07-12 | 2012-11-28 | 中国科学院软件研究所 | 基于各向异性滤波的图像增强与抽象化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6667815B1 (en) * | 1998-09-30 | 2003-12-23 | Fuji Photo Film Co., Ltd. | Method and apparatus for processing images |
CN1892696B (zh) * | 2005-07-08 | 2010-06-16 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像边缘锐化与斑点抑制方法 |
US8582890B2 (en) * | 2010-10-15 | 2013-11-12 | DigitalOptics Corporation Europe Limited | Image sharpening via gradient environment detection |
CN103489167A (zh) * | 2013-10-21 | 2014-01-01 | 厦门美图网科技有限公司 | 一种图像自动锐化方法 |
CN104820976B (zh) * | 2015-05-21 | 2017-10-24 | 武汉凌云光电科技有限责任公司 | 一种实时控制激光焊接功率的方法 |
-
2015
- 2015-12-10 CN CN201510918068.2A patent/CN105894459A/zh active Pending
-
2016
- 2016-07-05 WO PCT/CN2016/088692 patent/WO2017096820A1/zh active Application Filing
- 2016-08-25 US US15/247,576 patent/US20170169551A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080002908A1 (en) * | 2006-06-30 | 2008-01-03 | Fuji Photo Film Co., Ltd. | Method and apparatus for diffusion based illumination normalization |
CN102800063A (zh) * | 2012-07-12 | 2012-11-28 | 中国科学院软件研究所 | 基于各向异性滤波的图像增强与抽象化方法 |
Non-Patent Citations (4)
Title |
---|
N. M. KWOK等: ""Intensity-based gain adaptive unsharp masking for image contrast enhancement"", 《2012 5TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING (CISP) 》 * |
YEONG-HWA KIM等: ""Feature and noise adaptive unsharp masking based on statistical hypotheses test"", 《IEEE TRANSACTIONS ON CONSUMER ELECTRONICS》 * |
付树军等: ""基于非线性扩散滤波的边缘检测和图像测量"", 《光学精密工程》 * |
刘艳莉: ""工业X射线图像锐化技术算法研究"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108428215A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种图像处理方法、装置和设备 |
CN107016670A (zh) * | 2017-03-27 | 2017-08-04 | 福州瑞芯微电子股份有限公司 | 一种图像坏点检测方法和装置 |
CN107016670B (zh) * | 2017-03-27 | 2019-06-28 | 福州瑞芯微电子股份有限公司 | 一种图像坏点检测方法和装置 |
CN107295318A (zh) * | 2017-08-23 | 2017-10-24 | 无锡北斗星通信息科技有限公司 | 基于图像处理的彩色投影平台 |
CN107371004A (zh) * | 2017-08-23 | 2017-11-21 | 无锡北斗星通信息科技有限公司 | 一种彩色图像投影的方法 |
CN108038833B (zh) * | 2017-12-28 | 2020-10-13 | 瑞芯微电子股份有限公司 | 一种梯度相关性检测的图像自适应锐化方法和存储介质 |
CN108038833A (zh) * | 2017-12-28 | 2018-05-15 | 福州瑞芯微电子股份有限公司 | 一种梯度相关性检测的图像自适应锐化方法和存储介质 |
CN112313019A (zh) * | 2018-06-28 | 2021-02-02 | 杰富意钢铁株式会社 | 钢材非压下部宽度检测装置及其检测方法 |
CN109934785B (zh) * | 2019-03-12 | 2021-03-12 | 湖南国科微电子股份有限公司 | 图像锐化方法及装置 |
CN109934785A (zh) * | 2019-03-12 | 2019-06-25 | 湖南国科微电子股份有限公司 | 图像锐化方法及装置 |
CN110111261A (zh) * | 2019-03-28 | 2019-08-09 | 福州瑞芯微电子股份有限公司 | 图像的自适应平衡处理方法、电子设备和计算机可读存储介质 |
CN109978794A (zh) * | 2019-03-29 | 2019-07-05 | 中山爱瑞科技有限公司 | 一种乳腺双能图像的处理方法和系统 |
CN110246227A (zh) * | 2019-05-21 | 2019-09-17 | 佛山科学技术学院 | 一种虚实融合仿真实验图像数据收集方法及系统 |
CN110246227B (zh) * | 2019-05-21 | 2023-12-29 | 佛山科学技术学院 | 一种虚实融合仿真实验图像数据收集方法及系统 |
CN110545414A (zh) * | 2019-08-28 | 2019-12-06 | 成都微光集电科技有限公司 | 一种图像锐化方法 |
CN110636331A (zh) * | 2019-09-26 | 2019-12-31 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
CN111028182A (zh) * | 2019-12-24 | 2020-04-17 | 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 |
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 |
CN113555117A (zh) * | 2021-07-19 | 2021-10-26 | 江苏金海星导航科技有限公司 | 一种基于穿戴设备的驾驶员健康管理系统 |
CN113555117B (zh) * | 2021-07-19 | 2022-04-01 | 江苏金海星导航科技有限公司 | 一种基于穿戴设备的驾驶员健康管理系统 |
Also Published As
Publication number | Publication date |
---|---|
US20170169551A1 (en) | 2017-06-15 |
WO2017096820A1 (zh) | 2017-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105894459A (zh) | 基于梯度值及梯度方向的图像锐化方法及装置 | |
CN105913396B (zh) | 一种噪声估计的图像边缘保持混合去噪方法 | |
CN103531175B (zh) | 拼接显示装置屏幕亮度均匀性调节方法和系统 | |
CN107657606B (zh) | 一种显示装置的亮度缺陷检测方法与装置 | |
CN105787902B (zh) | 利用分块排序检测噪声的图像降噪方法 | |
CN106600559B (zh) | 模糊核获取以及图像去模糊方法及装置 | |
CN103858147B (zh) | 在轮胎的内部表面上的浮凸元素特征的快速分析方法 | |
JP2017510427A5 (zh) | ||
US20110199491A1 (en) | Calibration index determination device, calibration device, calibration performance evaluation device, system, method, and program | |
DE112011100928T5 (de) | Fußgängerüberwegerfassungsvorrichtung, Fußgängerüberwegerfassungsverfahren und Programm | |
CN107909571A (zh) | 一种焊缝图像处理方法、系统、设备及计算机存储介质 | |
CN103489167A (zh) | 一种图像自动锐化方法 | |
CN103119609A (zh) | 一种确定视频前景主体图像区域的方法和装置 | |
CN106875353A (zh) | 超声图像的处理方法及处理系统 | |
CN110346151A (zh) | 量化胎面肋边缘位置 | |
CN110866503B (zh) | 指静脉设备的异常检测方法及系统 | |
CN107977973B (zh) | 一种获取医疗诊断图像中限束器照射野边界的方法及装置 | |
CN104537627B (zh) | 一种深度图像的后处理方法 | |
CN110739071A (zh) | 一种视盘黄斑联合定位模型的确定方法、装置及存储介质 | |
US10165156B2 (en) | Image processing device | |
CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
JP2017091231A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
JPWO2014102876A1 (ja) | 画像処理装置、および、画像処理方法 | |
CN108280839A (zh) | 一种作业图像定位与分割方法及其装置 | |
CN103914861A (zh) | 图片处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160824 |