CN106651819A - 一种图像处理方法及装置 - Google Patents

一种图像处理方法及装置 Download PDF

Info

Publication number
CN106651819A
CN106651819A CN201611160782.0A CN201611160782A CN106651819A CN 106651819 A CN106651819 A CN 106651819A CN 201611160782 A CN201611160782 A CN 201611160782A CN 106651819 A CN106651819 A CN 106651819A
Authority
CN
China
Prior art keywords
subregion
image
tables
look
preposition
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
Application number
CN201611160782.0A
Other languages
English (en)
Inventor
金羽锋
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.)
TCL China Star Optoelectronics Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics 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 Shenzhen China Star Optoelectronics Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Technology Co Ltd
Priority to CN201611160782.0A priority Critical patent/CN106651819A/zh
Publication of CN106651819A publication Critical patent/CN106651819A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20072—Graph-based image processing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明公开了一种图像处理方法及装置。其中，所述方法包括：输入待处理图像；对所述待处理图像进行分区；对所述的分区图像进行直方图累积；对所述分区图像进行直方图均衡化处理获得每个所述分区的LUT查找表；对每个所述分区的LUT查找表进行前置处理；利用所述查找表获得所述待处理图像中每个像素点的邻居分区的对应值；对所述邻居分区的对应值进行计算以获得相应所述像素点的灰阶值的终值；集合所有所述像素点以组成新图像。通过上述方式，本发明能够增加图像的局部区域和全局的关联性，提高图像质量。

Description

一种图像处理方法及装置
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像处理方法及装置。
背景技术
随着显示器的发展，图像质量越来越被消费者所看重，因此各种可以提升显示效果的图像算法得到了广泛的应用。而在图像的生成、传输和变换过程中，由于多种因素的影响，总会造成图像质量的下降，因此产生了图像处理技术。早期的改变图像质量的方法主要是改善图像的明暗清晰程度，也即是改善图像的对比度，通过修整给定图像的灰度来实现，但有些现有技术改善图像的同时，也同时会降低图像图像的局部区域和全局的关联性。
发明内容
本发明主要解决的技术问题是提供一种图像处理方法及装置，能够增加图像的局部区域和全局的关联性，提高图像质量。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种图像处理方法，所述方法包括：输入待处理图像；对所述待处理图像进行分区；对所述的分区图像进行直方图累积；对所述分区图像进行直方图均衡化处理获得每个所述分区的LUT查找表；对每个所述分区的LUT查找表进行前置处理；利用所述查找表获得所述待处理图像中每个像素点的邻居分区的对应值；对所述邻居分区的对应值进行计算以获得相应所述像素点的灰阶值的终值；集合所有所述像素点以组成新图像。
其中，所述对每个所述分区的LUT查找表进行前置处理包括：可以采用全局高斯滤波对每个所述分区的LUT查找表进行前置处理。
其中，所述对每个所述分区的LUT查找表进行前置处理包括：可以采用单向权重叠加法对每个所述分区的LUT查找表进行前置处理。
其中，所述对所述邻居分区的对应值进行计算以获得相应所述像素点的灰阶值的终值包括：对所述邻居分区的对应值进行双线性差值计算，获得相应所述像素点的灰阶值的终值。
为解决上述技术问题，本发明采用的另一个技术方案是：提供一种图像处理装置，包括：输入模块，用于输入待处理图像；分区模块，用于对所述待处理图像进行分区；直方图累积模块，用于对所述的分区图像进行直方图累积；获得查找表模块，用于对所述分区图像的直方图进行均衡化处理获得每个所述分区的LUT查找表；前置处理模块，用于对每个所述分区的LUT查找表进行前置处理；获取邻居分区对应值模块，用于利用所述查找表获得所述待处理图像中每个像素点的邻居分区对应值；灰阶值处理模块，用于对所述邻居分区的对应值进行计算以获得相应所述像素点的灰阶值的终值；新图像获取模块，用于集合所有所述像素点以组成新图像。
其中，所述前置处理模块具体用于采用全局高斯滤波对每个所述分区的LUT查找表进行前置处理。
其中，所述前置处理模块具体用于采用单向权重叠加法对每个所述分区的LUT查找表进行前置处理。
其中，所述灰阶值处理模块具体用于对所述邻居分区对应值进行双线性差值计算，获得相应所述像素点的灰阶值的终值。
以上方案，图像处理设备输入待处理图像，然后对待处理图像进行分区，接着对分区图像进行直方图累积和直方图均衡化处理获得每个分区的LUT查找表，跟着对每个分区的LUT查找表进行前置处理，接着利用查找表获得待处理图像中每个像素点的邻居分区的对应值，然后对邻居分区的对应值进行计算以获得相应像素点的灰阶值的终值，最后集合所有像素点以组成新图像，实现了提高图像质量，增加了图像的局部区域和全局的关联性。
附图说明
图1是本发明图像处理方法一实施方式的流程示意图；
图2是图1所示实施方式中进行图像分区的举例示意图；
图3是图1所示实施方式中高斯滤波系数的分区图；
图4是图1所示实施方式中采用全局高斯滤波法的中间过程示意图；
图5是图1所示实施方式中采用全局高斯滤波法后得到的新的LUT的示意图；
图6是图1所示实施方式中采用单向权重叠加法的中间过程示意图；
图7是图1所示实施方式中采用单向权重叠加法后得到的新的LUT的示意图；
图8是本发明图像处理装置一实施方式的结构示意图；
图9是本发明图像处理装置另一实施方式的结构示意图。
具体实施方式
下面结合附图和实施方式对本发明进行详细说明。
请参阅图1，图1是本发明图像处理方法一实施方式的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括如下步骤：
S101：输入待处理图像。
S102：对待处理图像进行分区。
其中，分区是指对待处理的图像进行横向和纵向的划分。分区不能分的太多，会影响运算速度；分区亦不可以分的太少，会使运算结果不够精确。可选地，可以把图像3*3个分区等，如图2所示。
S103：对的分区图像进行直方图累积。
其中，直方图累积是指将图像组成成分在灰度级的累计下，进行概率分布，每一个概率值代表小于等于此灰度值的概率。
S104：对分区图像进行直方图均衡化处理获得每个分区的LUT查找表。
其中，直方图均衡化处理是指，把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同，也即是，把给定图像的直方图分布改变成“均匀”分布直方图分布。例如，设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。
LUT本质上是一个RAM(Random Access Memory，随机存取存储器)。它把数据事先写入RAM后，每当输入一个信号就等于输入一个地址进行查表，找出地址对应的内容，然后输出。因此，LUT查找表是一张像素灰阶值的映射表，它将实际采样到的像素灰阶值经过一定的变换如阈值、反转、二值化、对比度调整、线性变换等，变成另外一个与之相对应的灰阶值。如表1所示，就是原图像灰阶值与新图像灰阶值的映射关系。
输入灰阶 0 1 2 3 4 … 253 254 255
输出灰阶 0 1 1 1 2 … 99 100 100
表1
S105：对每个分区的LUT查找表进行前置处理。
其中，可以采用全局高斯滤波法对每个分区的LUT查找表进行前置处理，也可以采用单向权重叠加法对每个分区的LUT查找表进行前置处理。
高斯滤波法是指，对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波法适用于消除高斯噪声，且广泛应用于图像处理的减噪过程。
在其中一个实施方式中，以3*3个分区为例，如图2所示，然后经过前面几个步骤的处理后，得到每个分区的LUT查找表。图3是高斯滤波系数的分区图，图4是高斯滤波函数以复制的方式对图2的边缘进行补齐，然后经过计算，得到每个分区新的LUT查找表，如图5所示，而且图5中，有每个分区的计算过程。
权重叠加法是指将由一系列工具辅助加权叠加工具按照常规叠加分析步骤完成操作。加权叠加工具将按照定义的等级(默认为1到9)安排输入数据、对输入栅格进行加权，然后将权重值相加。在加权叠加工具中，分配给各输入栅格的权重之和必须等于100％。
在其中一个实施方式中，以3*3个分区为例，如图2所示，然后经过前面几个步骤的处理后，得到每个分区的LUT查找表。图6是采用从左向右、从上到下的LUT权重叠加的方式对图2的边界进行复制处理，且权重比例分别为：左：25％、上：25％、本身50％，然后经过计算，得到每个分区新的LUT查找表，如图7所示，且图7中，有每个分区的计算过程。
S106：利用查找表获得待处理图像中每个像素点的邻居分区的对应值。
在其中一个实施方式中，如图2所示，查找图中实心圆点的四个邻居分区1、2、4、5所对应的空心圆点的LUT值。
S107：对邻居分区的对应值进行计算以获得相应像素点的灰阶值的终值。
其中，可以采用双线性差值法对邻居分区的对应值进行计算。
双线性插值，又称为双线性内插。在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。
在其中一个实施方式中，如图2所示，对图中的实心圆点的LUT值进行计算。假设实心圆点的四个邻居分区1、2、4、5所对应的空心圆点的LUT值是已知的，且经过直方图均衡化处理后的LUT值为b1、b2、b4、b5。实心圆点是分区1、2、4、5的中心，实心圆点到邻居分区1、4所对应的空心圆点的水平距离和垂直距离分别为disx1和disx2，实心圆点到邻居分区2、5所对应的空心圆点的水平距离和垂直距离分别为disy1和disy2。利用双线性差值计算法计算后的最终结果为Result＝(disy2(b1*disx2+b2*disx1)+disy1(b4*disx2+b5*disx1))/((disx1+disx2)*(disy1+disy2))。其中，Result即是实心圆点的灰阶值的终值。
S108：集合所有像素点以组成新图像。
以上方案，图像处理设备输入待处理图像，然后对待处理图像进行分区，接着对分区图像进行直方图累积和直方图均衡化处理获得每个分区的LUT查找表，跟着对每个分区的LUT查找表进行前置处理，接着利用查找表获得待处理图像中每个像素点的邻居分区的对应值，然后对邻居分区的对应值进行计算以获得相应像素点的灰阶值的终值，最后集合所有像素点以组成新图像，实现了提高图像质量，增加了图像的局部区域和全局的关联性。
请参阅图8，图8是本发明图像处理装置一实施方式的结构示意图。本实施例中，该图像处理装置80为上述实施例中的图像处理装置，该图像处理装置80包括输入模块81、分区模块82、直方图累积模块83、获得查找表模块84、前置处理模块85、获取邻居分区对应值模块86、灰阶值处理模块87及新图像获取模块88。
输入模块81用于输入待处理图像。
分区模块82用于对待处理图像进行分区。
直方图累积模块83用于述的分区图像进行直方图累积。
获得查找表模块84用于对分区图像的直方图进行均衡化处理获得每个分区的LUT查找表。
前置处理模块85用于对每个分区的LUT查找表进行前置处理。
获取邻居分区对应值模块86用于利用查找表获得待处理图像中每个像素点的邻居分区对应值。
灰阶值处理模块87用于对邻居分区的对应值进行计算以获得相应像素点的灰阶值的终值。
新图像获取模块88用于集合所有像素点以组成新图像。
可选地，前置处理模块85具体用于采用全局高斯滤波对每个分区的LUT查找表进行前置处理。
可选地，前置处理模块85具体用于采用单向权重叠加法对每个分区的LUT查找表进行前置处理。
可选地，灰阶值处理模块87具体用于对邻居分区对应值进行双线性差值计算，获得相应所述像素点的灰阶值的终值。
请参阅图9，图9是图像处理装置另一实施方式的结构示意图。该图像处理装置可以执行上述方法中图像处理装置执行的步骤。相关内容请参见上述方法中的详细说明，在此不再赘叙。
本实施例中，该处理装置包括：处理器91、与处理器91耦合的存储器92、接收器93及发送器94。
存储器92用于存储程序、处理器91执行的指令以及接收到的图像等。
接收器93用于接收待处理图像。
发送器94用于发送处理后的新图像。
处理器91用于对待处理图像进行分区；对的分区图像进行直方图累积；对分区图像进行直方图均衡化处理获得每个分区的LUT查找表；对每个分区的LUT查找表进行前置处理；利用查找表获得待处理图像中每个像素点的邻居分区的对应值；对邻居分区的对应值进行计算以获得相应像素点的灰阶值的终值。
可选地，处理器91用于采用全局高斯滤波法对每个分区的LUT查找表进行前置处理。
可选地，处理器91用于采用单向权重叠加法对每个分区的LUT查找表进行前置处理。
可选地，处理器91用于对邻居分区的对应值进行双线性差值计算，获得相应像素点的灰阶值的终值。
以上方案，图像处理设备输入待处理图像，然后对待处理图像进行分区，接着对分区图像进行直方图累积和直方图均衡化处理获得每个分区的LUT查找表，跟着对每个分区的LUT查找表进行前置处理，接着利用查找表获得待处理图像中每个像素点的邻居分区的对应值，然后对邻居分区的对应值进行计算以获得相应像素点的灰阶值的终值，最后集合所有像素点以组成新图像，实现了提高图像质量，增加了图像的局部区域和全局的关联性。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种图像处理方法，其特征在于，包括：
输入待处理图像；
对所述待处理图像进行分区；
对所述的分区图像进行直方图累积；
对所述分区图像进行直方图均衡化处理获得每个所述分区的LUT查找表；
对每个所述分区的LUT查找表进行前置处理；
利用所述查找表获得所述待处理图像中每个像素点的邻居分区的对应值；
对所述邻居分区的对应值进行计算以获得相应所述像素点的灰阶值的终值；
集合所有所述像素点以组成新图像。
2.根据权利要求1所述的方法，其特征在于，
所述对每个所述分区的LUT查找表进行前置处理包括：
可以采用全局高斯滤波法对每个所述分区的LUT查找表进行前置处理。
3.根据权利要求1所述的方法，其特征在于，
所述对每个所述分区的LUT查找表进行前置处理包括：
可以采用单向权重叠加法对每个所述分区的LUT查找表进行前置处理。
4.根据权利要求1所述的方法，其特征在于，
所述对所述邻居分区的对应值进行计算以获得相应所述像素点的灰阶值的终值包括：
对所述邻居分区的对应值进行双线性差值计算，获得相应所述像素点的灰阶值的终值。
5.一种图像处理装置，其特征在于，包括：
输入模块，用于输入待处理图像；
分区模块，用于对所述待处理图像进行分区；
直方图累积模块，用于对所述的分区图像进行直方图累积；
获得查找表模块，用于对所述分区图像的直方图进行均衡化处理获得每个所述分区的LUT查找表；
前置处理模块，用于对每个所述分区的LUT查找表进行前置处理；
获取邻居分区对应值模块，用于利用所述查找表获得所述待处理图像中每个像素点的邻居分区对应值；
灰阶值处理模块，用于对所述邻居分区的对应值进行计算以获得相应所述像素点的灰阶值的终值；
新图像获取模块，用于集合所有所述像素点以组成新图像。
6.根据权利要求5所述的装置，其特征在于，
所述前置处理模块具体用于采用全局高斯滤波对每个所述分区的LUT查找表进行前置处理。
7.根据权利要求5所述的装置，其特征在于，
所述前置处理模块具体用于采用单向权重叠加法对每个所述分区的LUT查找表进行前置处理。
8.根据权利要求5所述的装置，其特征在于，
所述灰阶值处理模块具体用于对所述邻居分区对应值进行双线性差值计算，获得相应所述像素点的灰阶值的终值。
CN201611160782.0A 2016-12-15 2016-12-15 一种图像处理方法及装置 Pending CN106651819A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611160782.0A CN106651819A (zh) 2016-12-15 2016-12-15 一种图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611160782.0A CN106651819A (zh) 2016-12-15 2016-12-15 一种图像处理方法及装置

Publications (1)

Publication Number Publication Date
CN106651819A true CN106651819A (zh) 2017-05-10

Family

ID=58823584

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611160782.0A Pending CN106651819A (zh) 2016-12-15 2016-12-15 一种图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN106651819A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470329A (zh) * 2018-02-12 2018-08-31 深圳市华星光电半导体显示技术有限公司 一种图像处理方法及系统
CN110364111A (zh) * 2019-08-30 2019-10-22 京东方科技集团股份有限公司 显示面板像素补偿方法及补偿装置
WO2020042621A1 (zh) * 2018-08-27 2020-03-05 深圳Tcl新技术有限公司 图像增强方法、系统及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101472054A (zh) * 2007-12-24 2009-07-01 八方科技股份有限公司 加强数字视频的方法以及使用该方法的装置
CN104361566A (zh) * 2014-11-17 2015-02-18 厦门美图之家科技有限公司 一种优化暗部区域的图像处理方法
CN104715456A (zh) * 2015-03-17 2015-06-17 北京环境特性研究所 一种图像的去雾方法
CN105225210A (zh) * 2015-10-14 2016-01-06 南京第五十五所技术开发有限公司 一种基于暗通道的自适应直方图增强去雾方法
CN105844604A (zh) * 2016-05-19 2016-08-10 湖南源信光电科技有限公司 基于局部直方图增强的快速去雾算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101472054A (zh) * 2007-12-24 2009-07-01 八方科技股份有限公司 加强数字视频的方法以及使用该方法的装置
CN104361566A (zh) * 2014-11-17 2015-02-18 厦门美图之家科技有限公司 一种优化暗部区域的图像处理方法
CN104715456A (zh) * 2015-03-17 2015-06-17 北京环境特性研究所 一种图像的去雾方法
CN105225210A (zh) * 2015-10-14 2016-01-06 南京第五十五所技术开发有限公司 一种基于暗通道的自适应直方图增强去雾方法
CN105844604A (zh) * 2016-05-19 2016-08-10 湖南源信光电科技有限公司 基于局部直方图增强的快速去雾算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨卫中 等: "基于对比度受限直方图均衡化的水下海参图像增强方法", 《农业工程学报》 *
王洪君 等: "基于自适应领域对比度增强的直方图均衡算法", 《计算机应用》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470329A (zh) * 2018-02-12 2018-08-31 深圳市华星光电半导体显示技术有限公司 一种图像处理方法及系统
WO2020042621A1 (zh) * 2018-08-27 2020-03-05 深圳Tcl新技术有限公司 图像增强方法、系统及计算机可读存储介质
US11361414B2 (en) 2018-08-27 2022-06-14 Shenzhen Tcl New Technology Co., Ltd. Method and system for enhancing image, and computer readable storage medium
CN110364111A (zh) * 2019-08-30 2019-10-22 京东方科技集团股份有限公司 显示面板像素补偿方法及补偿装置
CN110364111B (zh) * 2019-08-30 2023-03-07 京东方科技集团股份有限公司 显示面板像素补偿方法及补偿装置

Similar Documents

Publication Publication Date Title
CN109101975B (zh) 基于全卷积神经网络的图像语义分割方法
CN109978807B (zh) 一种基于生成式对抗网络的阴影去除方法
CN103116875B (zh) 自适应双边滤波图像去噪方法
CN104252700A (zh) 一种红外图像的直方图均衡化方法
CN114004754B (zh) 一种基于深度学习的场景深度补全系统及方法
CN110648292A (zh) 一种基于深度卷积网络的高噪声图像去噪方法
CN106651819A (zh) 一种图像处理方法及装置
CN108470329A (zh) 一种图像处理方法及系统
CN107578455A (zh) 基于卷积神经网络的任意尺寸样本纹理合成方法
CN114463211A (zh) 一种基于浑浊度分级的水下图像增强方法
CN112215859B (zh) 一种基于深度学习和邻接约束的纹理边界检测方法
CN113808180A (zh) 一种异源图像配准方法、系统及装置
CN114881861A (zh) 基于双采样纹理感知蒸馏学习的不均衡图像超分方法
CN103903227B (zh) 一种图像降噪的方法和装置
CN112017263A (zh) 基于深度学习的试卷智能生成方法和系统
Ke et al. Unsupervised image restoration using partially linear denoisers
CN109034070B (zh) 一种置换混叠图像盲分离方法及装置
CN110969583A (zh) 一种图像背景处理方法及系统
CN106023105B (zh) 一种植物叶片的二值图像生成方法及系统
CN109615590B (zh) 基于模糊算法与分数阶微分算法的声呐图像增强方法
CN115619678B (zh) 一种图像变形的矫正方法、装置、计算机设备及存储介质
US20230186442A1 (en) Image processing method, image processing system, and non-transitory computer readable storage medium
CN116993639A (zh) 基于结构重参数化的可见光与红外图像融合方法
CN107316276B (zh) 用于对图像进行拉伸的方法及装置
CN106504178A (zh) 一种图像处理方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170510