CN106651783B - 图像滤波方法及装置 - Google Patents
图像滤波方法及装置 Download PDFInfo
- Publication number
- CN106651783B CN106651783B CN201610863688.5A CN201610863688A CN106651783B CN 106651783 B CN106651783 B CN 106651783B CN 201610863688 A CN201610863688 A CN 201610863688A CN 106651783 B CN106651783 B CN 106651783B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- region
- coefficient
- space length
- 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
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000002146 bilateral effect Effects 0.000 claims abstract description 55
- 238000012512 characterization method Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 18
- 238000004364 calculation method Methods 0.000 description 7
- 230000014759 maintenance of location Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229910001753 sapphirine Inorganic materials 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic 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
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像滤波方法及装置，涉及计算机领域，能够解决现有技术中双边滤波的方法不能达到预期的滤波效果的问题。该方法包括：将目标图像分割为至少两个图像区域；计算至少两个图像区域中的每个图像区域的空间距离系数和像素差系数；以及对于目标图像中的任意一个像素，根据像素所在的图像区域的空间距离系数和像素差系数对像素进行双边滤波。本发明适用于对图像进行滤波的场景。
Description
技术领域
本发明涉及计算机领域，尤其涉及一种图像滤波方法及装置。
背景技术
在用户拍摄照片时，常常由于拍摄环境、相机镜头污染等原因，使得 拍摄的照片上含有噪声。因此，用户常常需要利用图像处理技术对拍摄的 照片进行修正。在图像处理技术中，双边滤波由于具备边缘保留效果被广 泛应用。经双边滤波的图像的边缘特征明显，图像质量高。
但是，双边滤波本质上是一种邻域像素值加权平均的滤波处理，必然 会使图像特征模糊。例如，低尺度双边滤波虽然能够妥善地保留图像的边 缘特征，但是去噪效果较差；高尺度双边滤波虽然去噪效果较好，但是会 模糊图像的边缘特征。因此，对于不同的图像，需要根据该图像的边缘特 征选择合适的滤波系数进行双边滤波。
目前，存在以下两种常见的双边滤波处理：一、采用用户选取的一组 固定的滤波系数对待处理图像中的每个像素点进行双边滤波；二、计算待 处理图像中的每个像素点所需的滤波系数，并利用针对每个像素点的滤波 系数对相应的像素点进行双边滤波。
然而，第一种双边滤波处理存在以下缺陷：由于待处理图像的不同区 域的边缘特征和噪声情况不同，所以在待处理图像中的不同区域采用固定 的滤波系数往往会使得滤波效果达不到预期；第二种双边滤波处理存在以 下缺陷：针对待处理图像中的每个像素点的滤波系数容易受到待处理图像 本身的噪声的影响，因此存在待处理图像的边缘特征被过度模糊、或待处 理图像的噪声没有被过滤干净的情况，导致滤波效果达不到预期的效果。
发明内容
鉴于以上所述的一个或多个问题，本发明提供了一种新颖的图像滤波 方法及装置。
第一方面，根据本发明实施例的图像滤波方法包括：将目标图像分割 为至少两个图像区域；计算至少两个图像区域中的每个图像区域的空间距 离系数和像素差系数；以及对于目标图像中的任意一个像素，根据该像素 所在的图像区域的空间距离系数和像素差系数对该像素进行双边滤波。
第二方面，根据本发明实施例的图像滤波装置包括：分割单元，用于 将目标图像分割为至少两个图像区域；计算单元，用于计算至少两个图像 区域中的每个图像区域的空间距离系数和像素差系数；以及双边滤波单元， 用于对目标图像中的任意一个像素，根据该像素所在的图像区域的空间距 离系数和像素差系数对该像素进行双边滤波。
在根据本发明实施例的图像滤波方法及装置中，由于对目标图像中处 于不同图像区域的像素采用不同的参数进行双边滤波，即针对目标图像中 不同图像区域的噪声和边缘特征选取适合各图像区域的滤波参数，并且目 标图像中不同图像区域选取适合各图像区域的滤波参数，既能对噪声进行 很好的滤波、避免图像残留噪声，又能保证图像边缘位置的保边效果，因 此避免了目标图像不同区域的像素因为不合理的参数而达不到预期滤波效 果的问题，提高了滤波效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例 中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅 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是根据本发明实施例的图像滤波方法的示意性流程图；
图2是图1所示的图像滤波方法中计算空间距离系数的示意性流程图；
图3是图1所示的图像滤波方法中计算像素差系数的示意性流程图；
图4是图1所示的图像滤波方法中任意像素双边滤波的示意性流程图；
图5是根据本发明另一实施例的图像滤波方法的示意性流程图；
图6是根据本发明又一实施例的图像滤波方法的示意性流程图；
图7是根据本发明实施例的图像滤波装置的示意性框图；
图8是图7所示的图像滤波装置中计算单元和双边滤波单元具体结构 的示意性框图；
图9是根据本发明另一实施例的图像滤波装置的示意性框图；
图10是根据本发明又一实施例的图像滤波装置的示意性框图。
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。
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的 详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是， 对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节 中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本 发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的 任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、 部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出 公知的结构和技术，以便避免对本发明造成不必要的模糊。
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能 够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提 供这些实施方式使得本发明更全面和完整，并将示例实施方式的构思全面 地传达给本领域的技术人员。在图中，为了清晰，可能夸大了区域和层的 厚度。在图中相同的附图标记表示相同或类似的结构，因而将省略它们的 详细描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个 或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明 的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明 的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方 法、组元、材料等。在其它情况下，不详细示出或描述公知结构、材料或 者操作以避免模糊本发明的主要技术创意。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中 的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了根据本发明一实施例的图像滤波方法的示意性流程图。 如图1所示，图像滤波方法包括：S110，将目标图像分割为至少两个图像 区域；S120，计算至少两个图像区域中的每个图像区域的空间距离系数和 像素差系数；S130，对于目标图像中的任意一个像素，根据该像素所在的 图像区域的空间距离系数和像素差系数对像素进行双边滤波。
这里，目标图像即为需要进行滤波的图像，可以根据目标图像的大 小来设定从目标图像分割出的至少两个图像区域的大小，也可以根据目标 图像的像素分布或分辨率分割出的至少两个图像区域等等。例如，设定每 个图像区域包含60-120个像素。如一张分辨率为640×480的目标图像， 分割成每个图像区域约有80个像素，则大约有640×480/80＝3840个图像 区域。
需要说明的是，本发明实施例中，图像区域可以包括超像素，则图 像区域的分割方法可以采用超像素分割的方法，例如SLIC(Simple Linear Iterative Clustering，简单的线性迭代聚类)，SLIC在进行超像素分割之前， 将目标图像转为Lab通道表示，Lab模式由三个通道组成，L通道是明度， A和B是色彩通道，A通道包括的颜色是从深绿色(底亮度值)到灰色(中亮 度值)再到亮粉红色(高亮度值)，B通道则是从亮蓝色(底亮度值)到灰色(中亮度值)再到黄色(高亮度值)。图像的空间距离就是任意两个像素点之间的 距离，空间距离系数即代表空间距离决定的滤波系数，跟两个像素点之间 的位置距离具有相同的单位。像素差表示任意两个像素点之间像素值的差， 像素差系数即代表像素差决定的滤波系数。
本发明实施例中，对目标图像进行分割，分别对图像区域计算对应 的空间距离系数和像素差系数，从而计算出不同图像区域中适合各图像区 域的滤波参数，不需要对每个像素点进行空间距离系数和像素差系数计算， 也可以选取适合的滤波参数进行滤波，提高计算效率。
在根据本发明实施例的图像滤波方法及装置中，由于对目标图像中处 于不同图像区域的像素采用不同的参数进行双边滤波，即针对目标图像中 不同图像区域的噪声和边缘特征选取适合各图像区域的滤波参数，并且目 标图像中不同图像区域选取适合各图像区域的滤波参数，既能对噪声进行 很好的滤波、避免图像残留噪声，又能保证图像边缘位置的保边效果，因 此避免了目标图像不同区域的像素因为不合理的参数而达不到预期滤波效 果的问题，提高了滤波效果。
作为一种可选的实施方式，在图1所示方法的基础上，如图2所示， 在步骤S120中计算至少两个图像区域中的任意一个图像区域的空间距离 系数的方法，可以包括以下步骤：S121，基于图像区域的初始像素差系数、 和图像区域的空间距离系数表征符号，构建图像区域中任意一个像素的核 密度估计函数gs(x)；S122，基于核密度估计函数gs(x)，构建表征图像区域 中的像素位置分布特性的信息熵函数Es(σs)；S123，计算空间距离系数表 征符号在信息熵函数Es(σs)的函数值最小时所对应的空间距离系数，作为 图像区域的空间距离系数。
在步骤S121中，核密度估计函数gs(x)表示在任意一个图像区域中， 任意一个像素点x基于空间距离的核密度估计的定义，可以为如下所示：
在公式一中，x表示图像区域中的任意一个像素，k表示图像区域中 包含的像素的数目，qi表示图像区域中的第i个像素，1≤i≤k，表示初始 像素差系数，σs表示空间距离系数表征符号，I(x)表示像素x的灰度值， I(qi)表示像素qi的灰度值。
需要说明的是，对于一组包含M个数的数据x1，x2，...，xm，其核密度估 计函数的形式为：其中，K(·)为核函数，核函数的 形状和值阈对估计点x的g(x)值时使用数据点的个数和这些数据点的使用 程度起控制作用，即核函数和核函数的系数(又称带宽)h决定着核密度估 计的好坏。在步骤S121中，基于上述原理对图像区域中的k个像素中任 意一个像素x基于空间距离的构建gs(x)，其中，核函数包括两部分，都是 高斯核函数，分别是：和上述两个核函数 中核函数的系数分别是和σs。gs(x)中的核函数实际上是一个组合函数， 两个核函数相乘，仍可作为核函数。
需要说明的是，每一个图像区域可以根据图像区域中的上述参数构建 出此图像区域的核密度估计函数gs(x)。
在步骤S121中，可以根据误差理论原理进行计算。在误差计算理 论中，误差的有效范围一般为3倍的方差，而像素差系数类同于方差，所 以对于公式一中，根据误差计算理论原理，初始像素差系数可以根据 计算得出，其中，表示图像区域中qi的灰度值与图像区域中 所有像素点的平均灰度值之间的最大差值的绝对值，即近似等于3倍 的像素差系数。
需要说明的是，本发明实施例中假设在误差有效范围内，其近似 等于3倍的像素差系数。
在步骤S122中，根据步骤S121得出的gs(x)构建反映图像区域依赖于 像素差系数的像素位置分布特性的信息熵Es(σs)，可以为如下所示：
在公式二中，表示归一化求和，其中各参数的含义与公 式一中的参数含义相同，在此不再赘述。
需要说明的是，公式二属于信息熵的定义公式，某个信息系统的信息 熵的一般定义公式为：E＝-f(x)ln(f(x))，其中，f(x)表示信息系统的某种 特性，最典型的是通过核估计密度定义的特性，即公式二中采用公式一中 的核估计密度函数构建了表征图像区域中的像素位置分布特性的信息熵函 数Es(σs)。
在步骤S123中，由步骤S122构建的Es(σs)计算图像区域的空间距离 系数步骤S122中构建的Es(σs)是关于变量σs的信息熵函数，在信息 论中，熵为其对应图像区域中像素值不确定性的度量，熵越大，其对应图 像区域中像素值的不确定性就越大，结合公式一中的核估计密度函数，图 像区域所确定的范围内，若各处核估计密度函数值gs(x)近似相等，图像区 域内像素值分布不确定性最大，根据公式二得出此时熵为最大；反之，若 核估计密度函数值不能近似相等，即具备差异性，则图像区域内像素值分 布不确定性最小，根据公式二得出此时熵为最小。公式二中Es(σs)是关于 σs的一元函数，结合上述原理，为了图像区域内像素值分布不确定性最小， 要计算Es(σs)的最小值，从而得出此时对应的即信息熵函数Er(σr)的 函数值最小时所对应的像素差系数为图像区域的像素差系数
作为一种可选的实施方式，在图1所示方法的基础上，如图3所示， 在步骤S120中计算至少两个图像区域中的任意一个图像区域的像素差系 数的方法，可以包括以下步骤：S124，基于图像区域的像素差系数表征符 号、以及图像区域的空间距离系数，构建图像区域中任意一个像素的核密 度估计函数gr(x)；S125，根据核密度估计函数gr(x)，构建表征图像区域中 的像素位置分布特性的信息熵函数Er(σr)；S126，计算像素差系数表征符 号在信息熵函数Er(σr)的函数值最小时所对应的像素差系数，作为图像区 域的像素差系数。
在步骤S124中，核密度估计函数gr(x)表示在任意一个图像区域中， 任意一个像素点x基于像素差的核密度估计的定义，可以为如下所示：
在公式三中，x表示所述图像区域中的任意一个像素，k表示所述图 像区域中包含的像素的数目，qi表示所述图像区域中的第i个像素，1≤i≤k， σr表示所述像素差系数表征符号，I(x)表示像素x的灰度值，I(qi)表示像 素qi的灰度值，表示所述图像区域的空间距离系数。的计算方法在此 不做限定，例如，通过图2所示的方法计算得出由于图2所示的计算 方法中通过信息熵函数Es(σs)得出，则由此计算gr(x)，并进而得出 更能适合各图像区域中像素进行滤波，保证良好的滤波效果。
需要说明的是，每一个图像区域可以根据图像区域中的上述参数构建 出此图像区域的核密度估计函数gr(x)。在步骤S124中，对图像区域中的 k个像素中任意一个像素x基于像素差构建gr(x)，其中，核函数包括两部 分，都是高斯核函数，分别是：和上述两 个核函数中核函数的系数分别是和σrgr(x)中的核函数实际上是一个 组合函数，两个核函数相乘，仍可作为核函数。
在步骤S125中，根据步骤S124得出的gr(x)构建Er(σr)，可以为如下 所示：
在公式四中，表示归一化求和，其中各参数的含义与公 式三中的参数含义相同，在此不再赘述。
需要说明的是，公式三的构建原理和公式一的构建原理相同，公式四 的构建原理和公式三的构建原理相同，在此不再赘述。
在步骤S126中，根据公式四计算出图像区域的像素差系数的原理 与在步骤S123中根据公式二计算出的原理相同，在此不再赘述。
需要说明的是，图2所示的方法为步骤120中计算空间距离系数的一 种实施方式，图3所示的方法为步骤120中计算像素差系数的一种实施方 式，这两种方法可以同时执行。
在信息论中，对于一个系统，其不确定性可用熵度量，熵值越大，系 统不确定性就越大。本发明实施例中，在滤波半径范围内，可以定义一个 局部系统，系统内数据分布不确定性越大，则熵值越大；反之，数据分布 具备足够差异性，能够区分个性化差异，则不确定性最小，熵最小。根据 熵最小原理，通过图2所示的方法和图3所示的方法选取滤波半径范围内 像素进行双边滤波所依赖的参数，这样选取的参数能够最大程度地反映滤 波半径范围内位置和像素的分布特性，从而使根据这样选取的参数对像素 进行双边滤波时，既能对噪声进行很好的滤波、避免图像残留噪声，又能 保证图像边缘位置的保边效果，提高了滤波效果。
作为一种可选的实施方式，在图1所示方法的基础上，如图4所示， 在步骤S130中根据像素所在的图像区域的空间距离系数和像素差系数对 像素进行双边滤波的方法，可以包括以下步骤：S131，利用像素所在的图 像区域的空间距离系数，计算像素对应的滤波半径、基于空间距离的高斯 权重、以及基于像素差的高斯权重；S132，利用像素对应的滤波半径、基 于空间距离的高斯权重、以及基于像素差的高斯权重，对像素进行双边滤 波。
在步骤S131中，滤波半径的计算方式可以为：基于公式 fr＝ceil(3σs)+1计算像素对应的滤波半径，其中，fr表示所述像素对应的滤 波半径，σs表示像素对应的空间距离系数，ceil表示向上取整函数。
需要说明的是，滤波半径是一个正整数，因为σs大于0，则ceil(3σs)向 上取整后可能的最小值为1，则fr＝ceil(3σs)+1可能的最小值为2。
基于空间距离的高斯权重计算公式可以如下所示：
在公式五中，p表示要进行滤波的像素，q表示要进行滤波的像素所 在的图像区域中的任意像素，σs表示像素p对应的空间距离系数，||p-q|| 表示像素点p和q之间的欧式距离，即像素点p在图像中的位置为(xp，yp)， 像素点q位置为(xq，yq)，则其欧氏距离为
需要说明的是，由公式五可以得出点p在滤波时依赖于点q的权重ws。 当p和q的像素点位置一致时，权重ws为1；当p和q的像素点位置离得 越远，其权重ws越趋于0，即越靠近像素点p的像素点，像素点p在滤波 时所依赖的权重ws越大。
基于像素差的高斯权重的计算公式可以如下所示：
在公式六中，I(p)表示像素p的灰度值，I(q)表示像素q的灰度值， σr表示像素p对应的像素差系数。
需要说明的是，由公式六可以得出点p在滤波时灰度值依赖于点q灰 度值的权重wr。当p和q的像素点位置一致时，灰度值一致，权重wr为1， 当p和q的位置不同，其像素差绝对值越大，其权重wr趋于0，即像素差 绝对值越接近，在滤波时p灰度值依赖于q灰度值的权重wr越大。
在步骤S132中，为提高计算效率，双边滤波可以先后按行和列分别 进行滤波处理。行滤波公式如下所示：
其中，p和qx，y代表的位置一致。
在公式七中，p表示要进行滤波的像素，fr表示像素p对应的滤波半 径，C0(qx-j，y)表示像素qx-j，y未进行滤波时对应的像素值，C1(p)表示像素p 进行行滤波后对应的像素值，(x，y)表示所述像素p的坐标，qx-j，y表示位置 坐标为(x-j，y)的像素。在公式七中，当j＝0时，像素p和像素qx，y代表的 像素点位置一致。
结合公式五中公式，公式七中ws(qx-j，y)为：结合公式六中公式，公式七中wr(qx-j，y)为：则将公式五和公式六带入公式七中，可以得出如下行滤波的公式：
在对目标图片中各像素进行行滤波后，再对目标图片中各像素进行列 滤波，列滤波公式如下所示：
在公式八中，C2(p)表示像素p进行列滤波后对应的像素值，C1(qx，y-j) 表示像素qx，y-j进行行滤波后对应的像素值，(x，y)表示所述像素p的坐标， qx，y-j表示位置坐标为(x，y-j)的像素。在公式八中，当j＝0时，像素p和像 素qx，y代表的像素点位置一致。
将公式五和公式六带入公式七中，可以得出如下列滤波的公式：
需要说明的是，在步骤S132中，为提高计算效率，双边滤波还可以 先后按列和行分别进行滤波处理，滤波的原理与上述先后按行和列分别进 行滤波的原理相同，在此不再赘述。本发明实施例中像素点的像素值为在 当前通道下像素点对应的像素值，在进行双边滤波时，一般采用RGB通 道进行滤波，RGB代表红、绿、蓝三个通道的颜色。本发明里提到的像素 点的像素值是指在当前通道内像素点各元素的值，例如，当前通道为RGB 时，像素点的像素值是像素点对应R、G、B的值。
作为一个可选实施例，在如图1所示方法的基础上，如图5所示，至 少两个图像区域的空间距离系数共同组成目标图像的空间距离系数图，至 少两个图像区域的像素差系数共同组成目标图像的像素差系数图，在步骤 S130之前，该方法100还包括：S140，对空间距离系数图和像素差系数图 进行均值滤波；则步骤S130具体执行为步骤S133：对于目标图像中的任 意一个像素，根据像素所在的图像区域的经均值滤波的空间距离系数和经 均值滤波的像素差系数对像素进行双边滤波。
步骤S140中可以对空间距离系数图和像素差系数图采用5×5均值滤波。
本实施例中，对空间距离系数图和像素差系数图采用均值滤波，使得 图像区域之间连接处的间距离系数和像素差系数能够平滑过渡，避免间距 离系数和像素差系数在相邻的图像区域之间存在突兀变化，而导致图像区 域连接处在滤波时出现突兀变化。
作为一个可选实施例，在如图1所示方法的基础上，至少两个图像区 域的空间距离系数共同组成目标图像的空间距离系数图，至少两个图像区 域的像素差系数共同组成目标图像的像素差系数图，如图6所示，在步骤 S110之前，该方法100还包括：S150，将目标图像调整为预设尺寸；则步 骤S110具体执行为步骤S111：将调整后的目标图像分割为至少两个图像 区域；在步骤S130之前，该方法100还包括：S160，将空间距离系数图 和像素差系数图调整为目标图像的原尺寸；步骤S130具体执行为步骤 S134：对于目标图像中的任意一个像素，根据像素在调整后的空间距离系 数图中对应的空间距离系数以及像素在调整后的像素差系数图中对应的像 素差系数对像素进行双边滤波。
在步骤S150中，可以将目标图像采用插值方法(为保证效果和效率， 一般为双线性插值)缩小到预设尺寸(如640×640)范围内的图像，即缩 小后的图片高度小于或等于640，并且宽度也小于或等于640，例如，将 分辨率为1280×960的图像，缩放到分辨率640×640尺度范围内，变为 640×480。本步骤中，通过缩小图像可提高计算的效率，并且对效果影响 不大。若目标图像大小预设尺寸范围内，则无需进行缩放。
需要说明的是，本实施例中，对目标图像缩放到预设尺寸，可以优先 的提高图像区域分割和滤波系数计算的效率，即在提高图像处理效果的同 时，又保证计算效率。根据经验得出，将目标图像缩放到分辨率为640× 640的范围内，既能保证计算效率，又能保证图像处理效果。本实施例中， 执行步骤S150是为了提高图像区域分割和滤波系数计算的效率，在步骤 S134中对目标图像的像素进行滤波时，针对的是未通过步骤S150调整过 的目标图像。
上文中结合图1至图6，详细描述了根据本发明实施例的图像滤波方 法，下面将结合图7和图10，详细描述根据本发明实施例的图像滤波装置。
图7示出了本发明实施例的图像滤波装置200的示意性框图。如图7 所示，该装置200包括：
分割单元210，用于将目标图像分割为至少两个图像区域；
计算单元220，用于计算所述至少两个图像区域中的每个图像区域的 空间距离系数和像素差系数；
双边滤波单元230，用于对于所述目标图像中的任意一个像素，根据 所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双 边滤波。
在根据本发明实施例的图像滤波装置200中，由于对目标图像中处于 不同图像区域的像素采用不同的参数进行双边滤波，即针对目标图像中不 同图像区域的噪声和边缘特征选取适合各图像区域的滤波参数，并且目标 图像中不同图像区域选取适合各图像区域的滤波参数，既能对噪声进行很 好的滤波、避免图像残留噪声，又能保证图像边缘位置的保边效果，因此 避免了目标图像不同区域的像素因为不合理的参数而达不到预期滤波效果 的问题，提高了滤波效果。
作为装置200一种可选的实施方式，如图8所示，所述计算单元220 还可以包括：
第一构建子单元221，用于基于所述图像区域的初始像素差系数、和 所述图像区域的空间距离系数表征符号构建所述图像区域中任意一个像素 的核密度估计函数gs(x)，并且基于所述核密度估计函数gs(x)构建表征所述 图像区域中的像素位置分布特性的信息熵函数Es(σs)；以及
第一计算子单元222，用于计算所述空间距离系数表征符号在所述信 息熵函数Es(σs)的函数值最小时所对应的空间距离系数，作为所述图像区 域的空间距离系数。
具体的，所述核密度估计函数gs(x)为：
其中，x表示所述图像区域中的任意一个像素，k表示所述图像区域 中包含的像素的数目，qi表示所述图像区域中的第i个像素，1≤i≤k，表示所述初始像素差系数，σs表示所述空间距离系数表征符号，I(x)表示 像素x的灰度值，I(qi)表示像素qi的灰度值。
具体的，所述信息熵函数Es(σs)为：
其中，
所述第一计算子单元222还用于根据计算所述初始像素差 系数其中，表示像素x和像素qi之间的最大像素差绝对值。
作为装置200一种可选的实施方式，如图8所示，所述计算单元220 还可以包括：
第二构建子单元223，用于基于所述图像区域的像素差系数表征符号、 以及所述图像区域的空间距离系数构建所述图像区域中任意一个像素的核 密度估计函数gr(x)，并且根据所述核密度估计函数gr(x)构建表征所述图像 区域中的像素位置分布特性的信息熵函数Er(σr)；
第二计算子单元224，用于计算所述像素差系数表征符号在所述信息 熵函数Er(σr)的函数值最小时所对应的像素差系数，作为所述图像区域的 像素差系数。
具体的，所述核密度估计函数gr(x)为：
其中，x表示所述图像区域中的任意一个像素，k表示所述图像区域 中包含的像素的数目，qi表示所述图像区域中的第i个像素，1≤i≤k，σr表 示所述像素差系数表征符号，I(x)表示像素x的灰度值，I(qi)表示像素qi的 灰度值，表示所述图像区域的空间距离系数。
具体的，所述信息熵函数Er(σr)为：
其中，
作为装置200一种可选的实施方式，如图8所示，所述双边滤波单元 230包括：
第三计算子单元231，用于利用所述像素所在的图像区域的空间距离 系数，计算所述像素对应的滤波半径、基于空间距离的高斯权重、以及基 于像素差的高斯权重；以及
滤波执行子单元232，用于利用所述滤波半径、所述基于空间距离的 高斯权重、以及所述基于像素差的高斯权重，对所述像素进行双边滤波。
其中，所述第三计算子单元231用于基于公式fr＝ceil(3σs)+1计算所述 像素对应的滤波半径，其中，fr表示所述像素对应的滤波半径，σs表示所 述像素对应的空间距离系数，ceil表示向上取整函数。
作为一个可选实施例，如图9所示，所述至少两个图像区域的空间距 离系数共同组成所述目标图像的空间距离系数图，所述至少两个图像区域 的像素差系数共同组成所述目标图像的像素差系数图，所述装置200还可 以包括：
均值滤波单元240，用于对所述空间距离系数图和所述像素差系数图 进行均值滤波，其中
对于所述目标图像中的任意一个像素，所述双边滤波单元230根据所 述像素所在的图像区域的经均值滤波的空间距离系数和经均值滤波的像素 差系数对所述像素进行双边滤波。
作为一个可选实施例，如图10所示，所述至少两个图像区域的空间 距离系数共同组成所述目标图像的空间距离系数图，所述至少两个图像区 域的像素差系数共同组成所述目标图像的像素差系数图，所述装置200还 可以包括：
调整单元250，用于在将所述目标图像分割为所述至少两个图像区域 之前将所述目标图像调整为预设尺寸；
所述分割单元210还用于将调整后的目标图像分割为所述至少两个图 像区域；
所述调整单元250还用于对所述目标图像中的任意一个像素，在根据 所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双 边滤波之前，将所述空间距离系数图和所述像素差系数图调整为所述目标 图像的原尺寸；
所述双边滤波单元230还用于根据所述像素在调整后的空间距离系数 图中对应的空间距离系数以及所述像素在调整后的像素差系数图中对应的 像素差系数对所述像素进行双边滤波。
本发明实施例提供的图像滤波装置可以用于执行上述方法实施例中的 图像滤波方法，具体内容请参考方法实施例，在此不再赘述。
需要说明的是，在在上述实施例中，目标图像是一张平面图，有横向 和纵向，则以横向表示为x轴，纵向表示为y轴，建立坐标系，进而通过 坐标系中的坐标表示像素点的位置。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表 示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存 在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后 关联对象是一种“或”的关系。
应理解，在本发明实施例中，“与A相应的B”表示B与A相关联，根 据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确 定B，还可以根据A和/或其它信息确定B。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的 各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合 来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照 功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件 方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员 可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实 现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上 述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中 的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置 和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅 是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实 现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成 到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的 相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元 的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
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 部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元 中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成 在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用 软件功能单元的形式实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局 限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可 轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保 护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (20)
1.一种图像滤波方法，包括：
将目标图像分割为至少两个图像区域；
计算所述至少两个图像区域中的每个图像区域的空间距离系数和像素差系数；以及
对于所述目标图像中的任意一个像素，根据所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双边滤波；
其中，所述空间距离系数用于表征由图像空间距离决定的滤波系数；所述像素差系数用于表征由像素差决定的滤波系数；
其中，计算所述至少两个图像区域中的任意一个图像区域的空间距离系数的处理包括：
基于所述图像区域的初始像素差系数、和所述图像区域的空间距离系数表征符号，构建所述图像区域中任意一个像素的核密度估计函数gs(x)；
基于所述核密度估计函数gs(x)，构建表征所述图像区域中的像素位置分布特性的信息熵函数Es(σs)；以及
计算所述空间距离系数表征符号在所述信息熵函数Es(σs)的函数值最小时所对应的空间距离系数表征符号，作为所述图像区域的空间距离系数；
其中，计算所述至少两个图像区域中的任意一个图像区域的像素差系数的处理包括：
基于所述图像区域的像素差系数表征符号、以及所述图像区域的空间距离系数，构建所述图像区域中任意一个像素的核密度估计函数gr(x)；
根据所述核密度估计函数gr(x)，构建表征所述图像区域中的像素位置分布特性的信息熵函数Er(σr)；以及
计算所述像素差系数表征符号在所述信息熵函数Er(σr)的函数值最小时所对应的像素差系数表征符号，作为所述图像区域的像素差系数。
2.根据权利要求1所述的图像滤波方法，其特征在于，所述核密度估计函数gs(x)为：
其中，x表示所述图像区域中的任意一个像素，k表示所述图像区域中包含的像素的数目，qi表示所述图像区域中的第i个像素，1≤i≤k，表示所述初始像素差系数，σs表示所述空间距离系数表征符号，I(x)表示像素x的灰度值，I(qi)表示像素qi的灰度值。
3.根据权利要求2所述的图像滤波方法，其特征在于，还包括：
根据计算所述初始像素差系数其中，表示像素x和像素qi之间的最大像素差绝对值。
4.根据权利要求1所述的图像滤波方法，其特征在于，所述信息熵函数Es(σs)为：
其中，
所述信息熵函数用于表征图像区域中的像素位置分布特性。
5.根据权利要求1所述的图像滤波方法，其特征在于，所述核密度估计函数gr(x)为：
所述核密度估计函数用于表征在任意一个图像区域中，任意一个像素点基于像素差的核密度估计的定义；
其中，x表示所述图像区域中的任意一个像素，k表示所述图像区域中包含的像素的数目，qi表示所述图像区域中的第i个像素，1≤i≤k，σr表示所述像素差系数表征符号，I(x)表示像素x的灰度值，I(qi)表示像素qi的灰度值，表示所述图像区域的空间距离系数。
6.根据权利要求5所述的图像滤波方法，其特征在于，所述信息熵函数Er(σr)为：
其中，
7.根据权利要求1所述的图像滤波方法，其特征在于，根据所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双边滤波的处理包括：
利用所述像素所在的图像区域的空间距离系数，计算所述像素对应的滤波半径、基于空间距离的高斯权重、以及基于像素差的高斯权重；以及
利用所述滤波半径、所述基于空间距离的高斯权重、以及所述基于像素差的高斯权重，对所述像素进行双边滤波。
8.根据权利要求7所述的图像滤波方法，其特征在于，基于公式计算所述滤波半径，其中，fr表示所述滤波半径，σs表示所述像素所在的图像区域的空间距离系数，ceil表示向上取整函数。
9.根据权利要求1所述的图像滤波方法，其特征在于，所述至少两个图像区域的空间距离系数共同组成所述目标图像的空间距离系数图，所述至少两个图像区域的像素差系数共同组成所述目标图像的像素差系数图，所述图像滤波方法还包括：
对所述空间距离系数图和所述像素差系数图进行均值滤波，其中
对于所述目标图像中的任意一个像素，根据所述像素所在的图像区域的经均值滤波的空间距离系数和经均值滤波的像素差系数对所述像素进行双边滤波。
10.根据权利要求1所述的图像滤波方法，其特征在于，所述至少两个图像区域的空间距离系数共同组成所述目标图像的空间距离系数图，所述至少两个图像区域的像素差系数共同组成所述目标图像的像素差系数图，所述图像滤波方法还包括：
在将所述目标图像分割为所述至少两个图像区域之前，将所述目标图像调整为预设尺寸；
所述将目标图像分割为至少两个图像区域的处理包括：
将调整后的目标图像分割为所述至少两个图像区域；
对于所述目标图像中的任意一个像素，在根据所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双边滤波之前，将所述空间距离系数图和所述像素差系数图调整为所述目标图像的原尺寸；
则根据所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双边滤波的处理包括：
根据所述像素在调整后的空间距离系数图中对应的空间距离系数以及所述像素在调整后的像素差系数图中对应的像素差系数对所述像素进行双边滤波。
11.一种图像滤波装置，包括：
分割单元，用于将目标图像分割为至少两个图像区域；
计算单元，用于计算所述至少两个图像区域中的每个图像区域的空间距离系数和像素差系数；以及
双边滤波单元，用于对所述目标图像中的任意一个像素，根据所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双边滤波；
其中，所述计算单元包括：
第一构建子单元，用于基于所述图像区域的初始像素差系数、和所述图像区域的空间距离系数表征符号构建所述图像区域中任意一个像素的核密度估计函数gs(x)，并且基于所述核密度估计函数gs(x)构建表征所述图像区域中的像素位置分布特性的信息熵函数Es(σs)；以及
第一计算子单元，用于计算所述空间距离系数表征符号在所述信息熵函数Es(σs)的函数值最小时所对应的空间距离系数表征符号，作为所述图像区域的空间距离系数；
第二构建子单元，用于基于所述图像区域的像素差系数表征符号、以及所述图像区域的空间距离系数构建所述图像区域中任意一个像素的核密度估计函数gr(x)，并且根据所述核密度估计函数gr(x)构建表征所述图像区域中的像素位置分布特性的信息熵函数Er(σr)；
第二计算子单元，用于计算所述像素差系数表征符号在所述信息熵函数Er(σr)的函数值最小时所对应的像素差系数表征符号，作为所述图像区域的像素差系数。
12.根据权利要求11所述的图像滤波装置，其特征在于，所述核密度估计函数gs(x)为：
其中，x表示所述图像区域中的任意一个像素，k表示所述图像区域中包含的像素的数目，qi表示所述图像区域中的第i个像素，1≤i≤k，表示所述初始像素差系数，σs表示所述空间距离系数表征符号，I(x)表示像素x的灰度值，I(qi)表示像素qi的灰度值。
13.根据权利要求12所述的图像滤波装置，其特征在于，所述第一计算子单元还用于根据计算所述初始像素差系数其中，表示像素x和像素qi之间的最大像素差绝对值。
14.根据权利要求11所述的图像滤波装置，其特征在于，所述信息熵函数Es(σs)为：
其中，
15.根据权利要求11所述的图像滤波装置，其特征在于，所述核密度估计函数gr(x)为：
其中，x表示所述图像区域中的任意一个像素，k表示所述图像区域中包含的像素的数目，qi表示所述图像区域中的第i个像素，1≤i≤k，σr表示所述像素差系数表征符号，I(x)表示像素x的灰度值，I(qi)表示像素qi的灰度值，表示所述图像区域的空间距离系数。
16.根据权利要求15所述的图像滤波装置，其特征在于，所述信息熵函数Er(σr)为：
其中，
17.根据权利要求11所述的图像滤波装置，其特征在于，所述双边滤波单元包括：
第三计算子单元，用于利用所述像素所在的图像区域的空间距离系数，计算所述像素对应的滤波半径、基于空间距离的高斯权重、以及基于像素差的高斯权重；以及
滤波执行子单元，用于利用所述滤波半径、所述基于空间距离的高斯权重、以及所述基于像素差的高斯权重，对所述像素进行双边滤波。
18.根据权利要求17所述的图像滤波装置，其特征在于，所述第三计算子单元用于基于公式fr＝ceil(3σs)+1计算所述滤波半径，其中，fr表示所述滤波半径，σs表示所述像素所在的图像区域的空间距离系数，ceil表示向上取整函数。
19.根据权利要求11所述的图像滤波装置，其特征在于，所述至少两个图像区域的空间距离系数共同组成所述目标图像的空间距离系数图，所述至少两个图像区域的像素差系数共同组成所述目标图像的像素差系数图，所述图像滤波装置还包括：
均值滤波单元，用于对所述空间距离系数图和所述像素差系数图进行均值滤波，其中
对于所述目标图像中的任意一个像素，所述双边滤波单元根据所述像素所在的图像区域的经均值滤波的空间距离系数和经均值滤波的像素差系数对所述像素进行双边滤波。
20.根据权利要求11所述的图像滤波装置，其特征在于，所述至少两个图像区域的空间距离系数共同组成所述目标图像的空间距离系数图，所述至少两个图像区域的像素差系数共同组成所述目标图像的像素差系数图，所述图像滤波装置还包括：
调整单元，用于在将所述目标图像分割为所述至少两个图像区域之前将所述目标图像调整为预设尺寸；
所述分割单元还用于将调整后的目标图像分割为所述至少两个图像区域；
所述调整单元还用于对所述目标图像中的任意一个像素，在根据所述像素所在的图像区域的空间距离系数和像素差系数对所述像素进行双边滤波之前，将所述空间距离系数图和所述像素差系数图调整为所述目标图像的原尺寸；
所述双边滤波单元还用于根据所述像素在调整后的空间距离系数图中对应的空间距离系数以及所述像素在调整后的像素差系数图中对应的像素差系数对所述像素进行双边滤波。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610863688.5A CN106651783B (zh) | 2016-09-29 | 2016-09-29 | 图像滤波方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610863688.5A CN106651783B (zh) | 2016-09-29 | 2016-09-29 | 图像滤波方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106651783A CN106651783A (zh) | 2017-05-10 |
| CN106651783B true CN106651783B (zh) | 2019-10-22 |
Family
ID=58853918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610863688.5A Active CN106651783B (zh) | 2016-09-29 | 2016-09-29 | 图像滤波方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106651783B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108961170B (zh) * | 2017-05-24 | 2022-05-03 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置和系统 |
| CN109961405B (zh) * | 2017-12-25 | 2023-02-03 | 合肥君正科技有限公司 | 一种图像滤波方法和装置 |
| CN109271999B (zh) * | 2018-09-06 | 2020-12-22 | 北京京东尚科信息技术有限公司 | 图像的处理方法、装置和计算机可读存储介质 |
| CN109978876A (zh) * | 2019-04-03 | 2019-07-05 | 北京环境特性研究所 | 一种基于快速双边滤波的烟雾识别方法和装置 |
| CN110163874B (zh) * | 2019-05-21 | 2022-05-20 | 北部湾大学 | 基于同质区域分割的双边滤波算法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101043581A (zh) * | 2006-03-21 | 2007-09-26 | 中国科学院计算技术研究所 | 一种多模板混合滤波的图像去噪方法 |
| CN103514583A (zh) * | 2012-06-30 | 2014-01-15 | 华为技术有限公司 | 图像锐化方法及设备 |
| CN104899853A (zh) * | 2014-03-04 | 2015-09-09 | 腾讯科技（深圳）有限公司 | 图像区域的划分方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7599569B2 (en) * | 2006-01-13 | 2009-10-06 | Ati Technologies, Ulc | Method and apparatus for bilateral high pass filter |
-
2016
- 2016-09-29 CN CN201610863688.5A patent/CN106651783B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101043581A (zh) * | 2006-03-21 | 2007-09-26 | 中国科学院计算技术研究所 | 一种多模板混合滤波的图像去噪方法 |
| CN103514583A (zh) * | 2012-06-30 | 2014-01-15 | 华为技术有限公司 | 图像锐化方法及设备 |
| CN104899853A (zh) * | 2014-03-04 | 2015-09-09 | 腾讯科技（深圳）有限公司 | 图像区域的划分方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106651783A (zh) | 2017-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106651783B (zh) | 图像滤波方法及装置 | |
| CN102741879B (zh) | 由单眼图像产生深度图的方法及其系统 | |
| US9525858B2 (en) | Depth or disparity map upscaling | |
| WO2018082185A1 (zh) | 图像处理方法和装置 | |
| JP6998388B2 (ja) | 画像特性マップを処理するための方法及び装置 | |
| CN110730336B (zh) | 一种去马赛克方法及装置 | |
| JP2012138906A (ja) | デジタルイメージ安定化装置及び方法 | |
| TW201228395A (en) | Overflow control techniques for image signal processing | |
| CN109767388A (zh) | 基于超像素提升图像拼接质量的方法、移动终端、相机 | |
| CN101405765B (zh) | 内容自适应的滤波器技术 | |
| US11030715B2 (en) | Image processing method and apparatus | |
| CN108805839A (zh) | 基于卷积神经网络的联合估计图像去雾方法 | |
| CN108369750B (zh) | 用于虚拟现实图像的图像增强的方法和装置 | |
| CN102509294B (zh) | 一种基于单幅图像的全局深度估计方法 | |
| US8867825B2 (en) | Method and apparatus for determining a similarity or dissimilarity measure | |
| EP3361376A1 (en) | Image processing method and device for led display screen | |
| CN106060658B (zh) | 一种图像处理方法及装置 | |
| CN107464251A (zh) | 一种图像的黑边检测方法及装置 | |
| CN106875371A (zh) | 基于Bayer格式的图像融合方法及图像融合装置 | |
| CN110866882A (zh) | 基于深度置信度的分层联合双边滤波深度图修复算法 | |
| CN109685735B (zh) | 基于雾层平滑先验的单张图片去雾方法 | |
| WO2017182789A1 (en) | Blending images | |
| CN108537736B (zh) | 一种曲面显示屏中图像对比度增强方法和装置 | |
| CN108924629B (zh) | 一种vr图像处理方法 | |
| CN107105150A (zh) | 一种选择待输出照片的方法、拍照方法及其对应装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |