CN106910166B - 一种图像处理方法和装置 - Google Patents

一种图像处理方法和装置 Download PDF

Info

Publication number
CN106910166B
CN106910166B CN201610785598.9A CN201610785598A CN106910166B CN 106910166 B CN106910166 B CN 106910166B CN 201610785598 A CN201610785598 A CN 201610785598A CN 106910166 B CN106910166 B CN 106910166B
Authority
CN
China
Prior art keywords
images
chromatographic
denoised
image
redundant
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
CN201610785598.9A
Other languages
English (en)
Other versions
CN106910166A (zh
Inventor
谭志国
杨阿锋
张鹏
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.)
Hunan Fenghua Intelligent Technology Co.,Ltd.
Original Assignee
Hunan Visualtouring Information 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 Hunan Visualtouring Information Technology Co ltd filed Critical Hunan Visualtouring Information Technology Co ltd
Priority to CN201610785598.9A priority Critical patent/CN106910166B/zh
Publication of CN106910166A publication Critical patent/CN106910166A/zh
Application granted granted Critical
Publication of CN106910166B publication Critical patent/CN106910166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种图像处理方法和装置，所述方法包括：将源图像进行层析得到多个层析图像；将所述多个层析图像转换为对应的多个二值图像；对所述多个二值图像进行去噪处理；根据经过去噪处理后的多个二值图像，生成目标图像。层析源图像可以缩小噪声的范围，通过将层析图像二值化后可以精确的确定噪声范围，去除相应噪声并将多个层析图像进行合成，有效地去除了图像的噪声，尤其是源图像的噪声。

Description

一种图像处理方法和装置
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种图像处理方法和装置。
背景技术
随着科学技术和人类认识世界需求的不断发展，传统的机器视觉已经不能满足人们对于三维物体识别的要求。由于深度图像不受光源照射方向及物体表面的发射特性的影响，而且不存在阴影，所以可以更准确地表现物体目标表面的三维深度信息。
由TOF(Time of Fight，飞行时间技术)或者结构光深度采集仪等设备获取的深度图像均不能直接用于应用。因为这些初始获取的深度图像经常包含大量的噪声，而且这些噪声除了常规的平稳高斯白噪声外，更多的是一些不确定性干扰的非高斯噪声，如椒盐噪声，遮挡块，边缘处奇点等。
现有去噪方法适用于传统图像，即二维图像，将现有的去噪方法应用于深度图像中，会造成深度图像的边沿及细节失真，进而去噪效果不理想。
发明内容
本发明实施例的目的是提供一种图像处理方案，用以解决现有的去噪方法应用于深度图像中，会造成深度图像的边沿及细节失真，进而去噪效果不理想。
第一方面，本发明实施例的一可能的实施方案提供了一种图像处理方法，包括：将源图像进行层析得到多个层析图像；将所述多个层析图像转换为对应的多个二值图像；对所述多个二值图像进行去噪处理；根据经过去噪处理后的多个二值图像，生成目标图像。
优选地，所述对所述多个二值图像进行去噪处理，包括：将所述多个二值图像中小于设定面积的区域去除，得到去噪的多个二值图像。
优选地，所述将所述多个层析图像转换为对应的多个二值图像，包括：将所述多个层析图像转换为对应的多个冗余层析图像。
优选地，所述将所述多个冗余层析图像转换为对应的多个二值图像；所述根据经过去噪处理后的多个二值图像，生成目标图像，包括：将经过去噪处理后的多个二值图像转换为对应的去噪处理后的多个冗余层析图像；采用内插法对多个经过去噪处理后所述多个冗余层析图像的去除区域进行填充；对填充后的所述多个冗余层析图像去冗余得到多个去噪处理后的层析图像；根据所述多个去噪处理后的层析图像生成去噪处理后的目标图像。
优选地，在所述将源图像进行层析得到多个层析图像之前，所述方法还包括：将所述源图像均匀分割为多个区域；基于每个区域的噪声强度确定层析的层析距离阈值；根据确定的层析距离阈值将所述源图像层析为多个层析图像。
第二方面，本发明实施例的一可能的实施方案提供了一种图像处理装置，包括：层析模块，用于将源图像进行层析得到多个层析图像；转换模块，用于将所述多个层析图像转换为对应的多个二值图像；去噪模块，用于对所述多个二值图像进行去噪处理；生成模块，用于根据经过去噪处理后的多个二值图像，生成目标图像。
优选地，所述去噪模块，用于将所述多个二值图像中小于设定面积的区域去除，得到去噪的多个二值图像。
优选地，所述转换模块，用于将所述多个层析图像转换为对应的多个冗余层析图像；将所述多个冗余层析图像转换为对应的多个二值图像。
优选地，所述生成模块，用于将经过去噪处理后的多个二值图像转换为对应的去噪处理后的多个冗余层析图像；采用内插法对多个经过去噪处理后所述多个冗余层析图像的去除区域进行填充；对填充后的所述多个冗余层析图像去冗余得到多个去噪处理后的层析图像；根据所述多个去噪处理后的层析图像生成去噪处理后的目标图像。
优选地，所述层析模块，用于将所述源图像均匀分割为多个区域；基于每个区域的噪声强度确定层析的层析距离阈值；根据确定的层析距离阈值将所述源图像层析为多个层析图像。
本发明实施例通过将源图像进行层析得到多个层析图像，将多个层析图像转换为对应的多个二值图像，对多个二值图像进行去噪处理，根据经过去噪处理后的多个二值图像，生成目标图像。层析源图像可以缩小噪声的范围，通过将层析图像二值化后可以精确的确定噪声范围，去除相应噪声并将多个层析图像进行合成，有效地去除了图像的噪声，尤其是深度图像的噪声。
附图说明
图1是本发明实施例一提供的一种图像处理方法的步骤流程图；
图2是本发明实施例二提供的一种图像处理方法的步骤流程图；
图3是本发明实施例三提供的一种图像处理装置的结构框图；
图4是本发明实施例四提供的一种图像处理装置的结构框图。
具体实施方式
下面结合附图(若干附图中相同的标号表示相同的元素)和实施例，对本发明实施例的具体实施方式作进一步详细说明。以下实施例用于说明本发明实施例，但不用来限制本发明实施例的范围。
本领域技术人员可以理解，本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
实施例一
参照图1，示出了本发明实施例一提供的一种图像处理方法的步骤流程图，具体可以包括如下步骤：
步骤102、将源图像进行层析得到多个层析图像。
本发明实施例对深度图像(源图像)进行去噪处理，源图像可以由TOF或者结构光深度采集仪等设备获得。
将得到的源图像进行层析，得到多个层析图像，其中，层析包括将源图像按照图像的深度范围进行分层处理，得到多个层析图像，本发明实施例的层析是指按照源图像的深度将源图像进行分层，即将源图像分为多个层。
步骤104、将多个层析图像转换为对应的多个二值图像。
经过层析后的多个层析图像需要先进行预处理，将其转换为对应的多个二值图像，进而进行去噪。二值图像是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。通过将层析图像进二值化处理，可以有效的确定二值图像中噪声的位置。
步骤106、对多个二值图像进行去噪处理。
按照设定的方法对多个二值图像进行去噪处理，如将二值图像中小于设定面积值的区域确定为噪声区域，将其去除，从而实现对二值图像进行去噪处理。
步骤108、根据经过去噪处理后的多个二值图像，生成目标图像。
在对所有二值图像进行去噪处理后，可以根据去噪处理后的二值图像生成目标图像如目标深度图像。例如，将多个二值图像转换为对应的多个层析图像，将多个层析图像进行合成，生成目标图像。进一步地，还可以对生成的目标图像中噪声去除部分进行填充，以得到完整的去除噪声的目标图像。
本发明实施例通过将源图像进行层析得到多个层析图像，将多个层析图像转换为对应的多个二值图像，对多个二值图像进行去噪处理，根据经过去噪处理后的多个二值图像，生成目标图像。层析源图像可以缩小噪声的范围，通过将层析图像二值化后可以精确的确定噪声范围，去除相应噪声并将多个层析图像进行合成，有效地去除了图像的噪声，尤其是源图像的噪声。
实施例二
参照图2，示出了本发明实施例二提供的一种图像处理方法的步骤流程图，具体可以包括如下步骤：
步骤202、将源图像均匀分割为多个区域。
在本发明实施例中将获取到的深度图像作为源图像进行处理，将源图像I均匀分成多块(即多个区域)，如把深度图像I分为均匀分为M×N块，每一块用直方图h(k)来统计：
Figure BDA0001106425920000041
其中，k表示源图像的第k个分块，
Figure BDA0001106425920000051
表示第k个分块的孤立点数目，
Figure BDA0001106425920000052
第k个分块区域内具有深度值像素的数目。
步骤204、基于每个区域的噪声强度确定层析的层析距离阈值。
在本发明实施例中通过层析距离阈值确定如何对源图像进行层析，层析距离阈值的选择与噪声去除效果有较大联系，如，当层析距离阈值较小时，噪声去除的效果会很好，但同样会带来源图像边缘的失真，计算量也增大；当层析距离阈值较大时，计算量小，源图像边缘不会出现失真现象，但是去噪效果不好，因此本发明实施例采用噪声强度确定层析的层析距离阈值。
源图像中的孤立点即为噪声区域，源图像中孤立点I(x,y)满足：
Figure BDA0001106425920000053
其中，S表示8邻域或24邻域，
Figure BDA0001106425920000054
邻域内具有深度值的像素的深度均值，ξ为归一化阈值，通常取[0.5，2]。
源图像的噪声强度μ可以通过如下公式计算：
Figure BDA0001106425920000055
设深度图像采集装置的探测范围为R，噪声标准值为N，层析距离阈值C用如下公式计算：
Figure BDA0001106425920000056
其中，μ为噪声强度值，σ噪声强度归一化参数。
步骤206、根据确定的层析距离阈值将源图像层析为多个层析图像。
根据层析距离阈值C，可以直接确定多个层析图像
Figure BDA00011064259200000512
如深度图像I，采集装置的探测范围为R，r为深度图像中像素的深度值，则层析图像可表示为：
Figure BDA0001106425920000057
其中，
Figure BDA0001106425920000058
任意层析图像
Figure BDA0001106425920000059
与
Figure BDA00011064259200000510
之间不存在交集，则满足：
Figure BDA00011064259200000511
并且，
Figure BDA0001106425920000061
步骤208、将多个层析图像转换为对应的多个冗余层析图像；以及，将多个冗余层析图像转换为对应的多个二值图像。
在实际去噪过程中，图像的边缘数据通常会被处理，此时对层析图像集进行去噪时容易把层析图像之间的边缘信息及细节处理掉，同时还会在拼合时产生空洞。
因此，在本发明实施例的一种可选方式中，将多个层析图像转换为对应的多个冗余层析图像，对冗余层析图像进行去噪处理，有效地避免了进行去噪时把层析图像之间的边缘信息及细节处理掉。
具体包括：预先设定一冗余深度值Rre，将层析图像进行冗余化，可采用如下公式计算：
Figure BDA0001106425920000062
将层析图像转换为冗余层析图像后，为达到理想去噪效果，本发明实施例采用二值图像进行去噪，即将冗余层析图像转换为二值图像。
但不限于此，在实际使用中，本领域技术人员也可以采用其它适当方式将冗余层析图像转换为二值图像。
步骤210、将多个二值图像中小于设定面积的区域去除，得到去噪的多个二值图像。
步骤212、将经过去噪处理后的多个二值图像转换为对应的去噪处理后的多个冗余层析图像。
在本发明实施例的一种可选方案中，采用二值图像小区域去除杂点的方法，如将二值图像中小于一定设定面积的区域完全去除，从而得到去噪的二值图像，再将其转换为去噪后的冗余层析图像
Figure BDA0001106425920000063
在本发明实施例中，还可以采用其它去噪方式，如均值滤波、中值滤波等常规去噪方法，本发明实施例对采用何种去噪方式不作具体限定。
步骤214、采用内插法对多个经过去噪处理后多个冗余层析图像的去除区域进行填充。
在步骤212中，经过去噪后的冗余层析图像中会出现空洞(噪声去除部分)，因此在本发明实施例中需要对去噪后的冗余层析图像中的空洞采用内插法进行填充，其中，内插法为根据未知函数f(x)在某区间内若干点的函数值，作出在该若干点的函数值与f(x)值相等的特定函数来近似原函数f(x)，进而可用此特定函数算出该区间内其他各点的原函数f(x)的近似值。
步骤216、对填充后的多个冗余层析图像去冗余得到多个去噪处理后的层析图像。
步骤218、根据多个去噪处理后的层析图像生成去噪处理后的目标图像。
去噪后的冗余层析图集
Figure BDA0001106425920000071
去噪深度图像IRN则为：
Figure BDA0001106425920000072
其中
Figure BDA0001106425920000073
符号是一个去冗余算子，具体定义如下：
任意大小相同图像Ii,Ij，若有
Figure BDA0001106425920000074
则图像I中任意元素(x,y)定义为：
Figure BDA0001106425920000075
在生成去噪深度图像IRN后，经过合成后的IRN还可能存在空洞，为使去噪后的深度图像连续性好，再次对合成后的去噪深度图像进行空洞填充，具体可以采用步骤214中的步骤，对此本发明实施例不作具体限定。
本发明实施例通过将源图像均匀分割为多个区域，基于每个区域的噪声强度确定层析的层析距离阈值，根据确定的层析距离阈值将源图像层析为多个层析图像，将多个层析图像转换为对应的多个冗余层析图像；以及，将多个冗余层析图像转换为对应的多个二值图像，将多个二值图像中小于设定面积的区域去除，得到去噪的多个二值图像，将经过去噪处理后的多个二值图像转换为对应的去噪处理后的多个冗余层析图像，采用内插法对多个经过去噪处理后多个冗余层析图像的去除区域进行填充，对填充后的多个冗余层析图像去冗余得到多个去噪处理后的层析图像，根据多个去噪处理后的层析图像生成去噪处理后的目标图像。根据噪声强度将源图像进行层析，可以缩小噪声的处理范围，将层析图像转换为冗余层析图像，可以使得在去噪过程中处理掉层析图像之间的边缘信息和细节部分，对去噪后的区域进行空洞填充使去噪后的深度图像更加完整，进而在不对源图像造成是真的情况下有效地去除了图像的噪声，尤其是源图像的噪声。
本领域技术人员可以理解，在本发明实施例具体实施方式的上述方法中，各步骤的序号大小并不意味着执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例具体实施方式的实施过程构成任何限定。
实施例三
参照图3，示出了本发明实施例三提供的一种图像处理装置的结构框图；具体可以包括如下模块：
层析模块302，用于将源图像进行层析得到多个层析图像。
转换模块304，用于将所述多个层析图像转换为对应的多个二值图像。
去噪模块306，用于对所述多个二值图像进行去噪处理。
生成模块308，用于根据经过去噪处理后的多个二值图像，生成目标图像。
本发明实施例通过将源图像进行层析得到多个层析图像，将多个层析图像转换为对应的多个二值图像，对多个二值图像进行去噪处理，根据经过去噪处理后的多个二值图像，生成目标图像。层析源图像可以缩小噪声的范围，通过将层析图像二值化后可以精确的确定噪声范围，去除相应噪声并将多个层析图像进行合成，有效地去除了图像的噪声，尤其是深度图像的噪声。
实施例四
参照图4，示出了本发明实施例四提供的一种图像处理装置的结构框图，具体可以包括如下模块：
层析模块302，用于将所述源图像均匀分割为多个区域；基于每个区域的噪声强度确定层析的层析距离阈值；根据确定的层析距离阈值将所述源图像层析为多个层析图像。
转换模块304，用于将所述多个层析图像转换为对应的多个冗余层析图像；将所述多个冗余层析图像转换为对应的多个二值图像。
去噪模块306，用于将所述多个二值图像中小于设定面积的区域去除，得到去噪的多个二值图像。
生成模块308，用于将经过去噪处理后的多个二值图像转换为对应的去噪处理后的多个冗余层析图像；采用内插法对多个经过去噪处理后所述多个冗余层析图像的去除区域进行填充；对填充后的所述多个冗余层析图像去冗余得到多个去噪处理后的层析图像；根据所述多个去噪处理后的层析图像生成去噪处理后的目标图像。
本发明实施例通过将源图像均匀分割为多个区域，基于每个区域的噪声强度确定层析的层析距离阈值，根据确定的层析距离阈值将源图像层析为多个层析图像，将多个层析图像转换为对应的多个冗余层析图像；以及，将多个冗余层析图像转换为对应的多个二值图像，将多个二值图像中小于设定面积的区域去除，得到去噪的多个二值图像，将经过去噪处理后的多个二值图像转换为对应的去噪处理后的多个冗余层析图像，采用内插法对多个经过去噪处理后多个冗余层析图像的去除区域进行填充，对填充后的多个冗余层析图像去冗余得到多个去噪处理后的层析图像，根据多个去噪处理后的层析图像生成去噪处理后的目标图像。根据噪声强度将源图像进行层析，可以缩小噪声的处理范围，将层析图像转换为冗余层析图像，可以使得在去噪过程中处理掉层析图像之间的边缘信息和细节部分，对去噪后的区域进行空洞填充使去噪后的深度图像更加完整，进而在不对源图像造成是真的情况下有效地去除了图像的噪声，尤其是源图像的噪声。
需要指出，根据实施的需要，可将本发明实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本发明实施例的目的。
上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的图像处理方法。此外，当通用计算机访问用于实现在此示出的图像处理的代码时，代码的执行将通用计算机转换为用于执行在此示出的图像处理的专用计算机。
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方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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实施例的范围。
以上实施方式仅用于说明本发明实施例，而并非对本发明实施例的限制，有关技术领域的普通技术人员，在不脱离本发明实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明实施例的范畴，本发明实施例的专利保护范围应由权利要求限定。

Claims (8)

1.一种图像处理方法，包括：
将源图像进行层析得到多个层析图像，包括：基于所述源图像的噪声强度确定层析的层析距离阈值，根据确定的层析距离阈值将所述源图像层析为多个层析图像；
将所述多个层析图像转换为对应的多个二值图像；
将所述多个二值图像中小于设定面积的区域去除，得到去噪的多个二值图像；
根据经过去噪处理后的多个二值图像，生成目标图像。
2.根据权利要求1所述的方法，其特征在于，所述将所述多个层析图像转换为对应的多个二值图像，包括：
将所述多个层析图像转换为对应的多个冗余层析图像，包括：预设冗余深度值Rre，采用如下公式计算所述多个冗余层析图像：
Figure FDA0002356306270000011
其中，i∈{1,2,Λ,K}；
Figure FDA0002356306270000012
I为源图像，C为层析距离阈值，R为图像采集装置的探测范围，r为源图像中像素的深度值；
将所述多个冗余层析图像转换为对应的多个二值图像。
3.根据权利要求2所述的方法，其特征在于，所述根据经过去噪处理后的多个二值图像，生成目标图像，包括：
将经过去噪处理后的多个二值图像转换为对应的去噪处理后的多个冗余层析图像；
采用内插法对多个经过去噪处理后所述多个冗余层析图像的去除区域进行填充；
对填充后的所述多个冗余层析图像去冗余得到多个去噪处理后的层析图像；
根据所述多个去噪处理后的层析图像生成去噪处理后的目标图像。
4.根据权利要求1所述的方法，其特征在于，所述将源图像进行层析得到多个层析图像，包括：
将所述源图像均匀分割为多个区域；
基于每个区域的噪声强度确定层析的层析距离阈值，所述层析距离阈值C用如下公式计算：
Figure FDA0002356306270000021
其中，R为图像采集装置的探测范围，N为噪声标准值，μ为噪声强度值，σ为噪声强度归一化参数；
根据确定的层析距离阈值将所述源图像层析为多个层析图像。
5.一种图像处理装置，包括：
层析模块，用于将源图像进行层析得到多个层析图像，包括：基于所述源图像的噪声强度确定层析的层析距离阈值，根据确定的层析距离阈值将所述源图像层析为多个层析图像；
转换模块，用于将所述多个层析图像转换为对应的多个二值图像；
去噪模块，用于将所述多个二值图像中小于设定面积的区域去除，得到去噪的多个二值图像；
生成模块，用于根据经过去噪处理后的多个二值图像，生成目标图像。
6.根据权利要求5所述的装置，其特征在于，
所述转换模块，用于将所述多个层析图像转换为对应的多个冗余层析图像，包括：预设冗余深度值Rre，采用如下公式计算所述多个冗余层析图像：
Figure FDA0002356306270000022
其中，i∈{1,2,Λ,K}；
Figure FDA0002356306270000023
I为源图像，C为层析距离阈值，R为采集装置的探测范围，r为源图像中像素的深度值；将所述多个冗余层析图像转换为对应的多个二值图像。
7.根据权利要求6所述的装置，其特征在于，
所述生成模块，用于将经过去噪处理后的多个二值图像转换为对应的去噪处理后的多个冗余层析图像；采用内插法对多个经过去噪处理后所述多个冗余层析图像的去除区域进行填充；对填充后的所述多个冗余层析图像去冗余得到多个去噪处理后的层析图像；根据所述多个去噪处理后的层析图像生成去噪处理后的目标图像。
8.根据权利要求5所述的装置，其特征在于，
所述层析模块，用于将所述源图像均匀分割为多个区域；基于每个区域的噪声强度确定层析的层析距离阈值，所述层析距离阈值C用如下公式计算：
Figure FDA0002356306270000031
其中，R为图像采集装置的探测范围，N为噪声标准值，μ为噪声强度值，σ为噪声强度归一化参数；根据确定的层析距离阈值将所述源图像层析为多个层析图像。
CN201610785598.9A 2016-08-31 2016-08-31 一种图像处理方法和装置 Active CN106910166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610785598.9A CN106910166B (zh) 2016-08-31 2016-08-31 一种图像处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610785598.9A CN106910166B (zh) 2016-08-31 2016-08-31 一种图像处理方法和装置

Publications (2)

Publication Number Publication Date
CN106910166A CN106910166A (zh) 2017-06-30
CN106910166B true CN106910166B (zh) 2020-06-26

Family

ID=59206303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610785598.9A Active CN106910166B (zh) 2016-08-31 2016-08-31 一种图像处理方法和装置

Country Status (1)

Country Link
CN (1) CN106910166B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109377478B (zh) * 2018-09-26 2021-09-14 宁波工程学院 一种骨关节炎自动分级方法
CN111429384B (zh) * 2020-04-15 2022-11-08 展讯通信（上海）有限公司 图像处理方法及装置
CN112561823B (zh) * 2020-12-18 2024-05-28 上海国茂数字技术有限公司 滤波方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493892A (zh) * 2009-02-27 2009-07-29 中国农业大学 图像特征提取方法及装置
CN101739671A (zh) * 2009-12-30 2010-06-16 中兴通讯股份有限公司 一种含噪图像的降噪处理方法及系统
CN103578081A (zh) * 2012-08-08 2014-02-12 北京三星通信技术研究有限公司 用于提高图像质量的图像处理方法和系统
CN105354805A (zh) * 2015-10-26 2016-02-24 京东方科技集团股份有限公司 深度图像的去噪方法和去噪设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103839258A (zh) * 2014-02-13 2014-06-04 西安交通大学 一种二值化激光散斑图像的深度感知方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493892A (zh) * 2009-02-27 2009-07-29 中国农业大学 图像特征提取方法及装置
CN101739671A (zh) * 2009-12-30 2010-06-16 中兴通讯股份有限公司 一种含噪图像的降噪处理方法及系统
CN103578081A (zh) * 2012-08-08 2014-02-12 北京三星通信技术研究有限公司 用于提高图像质量的图像处理方法和系统
CN105354805A (zh) * 2015-10-26 2016-02-24 京东方科技集团股份有限公司 深度图像的去噪方法和去噪设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高光谱影像集成学习分类及后处理技术研究;徐卫霄;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120715;I140-1152 *

Also Published As

Publication number Publication date
CN106910166A (zh) 2017-06-30

Similar Documents

Publication Publication Date Title
CN109242888B (zh) 一种结合图像显著性和非下采样轮廓波变换的红外与可见光图像融合方法
CN107220988B (zh) 基于改进canny算子的零部件图像边缘提取方法
CN112614062B (zh) 菌落计数方法、装置及计算机存储介质
CN110675346A (zh) 适用于Kinect的图像采集与深度图增强方法及装置
CN107705313B (zh) 一种遥感图像舰船目标分割方法
EP2869261A1 (en) Method for processing image data representing a three-dimensional volume
CN108932699B (zh) 基于变换域的三维匹配调和滤波图像去噪方法
CN109598736B (zh) 深度图像与彩色图像的配准方法及装置
CN107038704B (zh) 视网膜图像渗出区域分割方法、装置和计算设备
CN106910166B (zh) 一种图像处理方法和装置
JP2015144632A (ja) 画像処理方法、画像処理装置及びプログラム
CN106327451A (zh) 一种古生物化石的图像修复方法
Xavierarockiaraj et al. Brain tumor detection using modified histogram thresholding-quadrant approach
Patel et al. Mammogram of breast cancer detection based using image enhancement algorithm
CN112801031A (zh) 静脉图像识别方法、装置、电子设备及可读存储介质
CN106780718A (zh) 一种古生物化石的三维重建方法
CN111091107A (zh) 一种人脸区域边缘检测方法、装置及存储介质
JP2004502262A (ja) 指示介入不要なシーン分割
Kishore et al. Performance evaluation of edge detectors-morphology based ROI segmentation and nodule detection from DICOM lung images in the noisy environment
Johari et al. Metal artifact suppression in dental cone beam computed tomography images using image processing techniques
CN104102911A (zh) 一种基于aoi的子弹表观缺陷检测系统的图像处理算法
Srivaramangai et al. Preprocessing MRI images of colorectal cancer
Bhonsle et al. Medical Image De-Noising Using Combined Bayes Shrink and Total Variation Techniques
Mustafa et al. Image correction based on homomorphic filtering approaches: A study
CN102073991A (zh) 增强图像中的空间局域化征兆的对比度的方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221012

Address after: Room 1016, Block C, Haiyong International Building 2, No. 489, Lusong Road, High tech Zone, Changsha City, Hunan Province, 410221

Patentee after: Hunan Fenghua Intelligent Technology Co.,Ltd.

Address before: 410205 A645, room 39, Changsha central software park headquarters, No. 39, Jian Shan Road, hi tech Development Zone, Hunan.

Patentee before: HUNAN VISUALTOURING INFORMATION TECHNOLOGY Co.,Ltd.