CN106921814B - 一种图像处理电路 - Google Patents

一种图像处理电路 Download PDF

Info

Publication number
CN106921814B
CN106921814B CN201510998859.0A CN201510998859A CN106921814B CN 106921814 B CN106921814 B CN 106921814B CN 201510998859 A CN201510998859 A CN 201510998859A CN 106921814 B CN106921814 B CN 106921814B
Authority
CN
China
Prior art keywords
circuit
sub
scale
decomposition
processing circuit
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
CN201510998859.0A
Other languages
English (en)
Other versions
CN106921814A (zh
Inventor
朱洪波
王微
彭晓峰
谭乐怡
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.)
Spreadtrum Communications Shanghai Co Ltd
Original Assignee
Spreadtrum Communications Shanghai 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 Spreadtrum Communications Shanghai Co Ltd filed Critical Spreadtrum Communications Shanghai Co Ltd
Priority to CN201510998859.0A priority Critical patent/CN106921814B/zh
Publication of CN106921814A publication Critical patent/CN106921814A/zh
Application granted granted Critical
Publication of CN106921814B publication Critical patent/CN106921814B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一种图像处理电路，包括：控制电路和多尺度分解电路；其中：所述多尺度分解电路，适于对图像数据进行多尺度分解，并行得到多个子带数据；所述控制电路，适于控制所述多尺度分解电路迭代地进行多次多尺度分解，所述迭代地进行多次多尺度分解是指：将前一次输出的多个子带数据中的至少一部分作为后一次多尺度分解的输入。所述图像处理电路可以兼顾多尺度图像处理的资源占用量和多尺度图像处理的效率。

Description

一种图像处理电路
技术领域
本发明涉及图像处理领域，尤其涉及一种图像处理电路。
背景技术
对图像进行多尺度分解是图像处理领域中一种常用的处理手段。现有技术中的多尺度图像处理多用软件实现，但是利用软件进行多尺度图像数据处理速度较慢。现有技术中另一种方式是通过流水线技术实现多尺度图像处理，但是成本较高，占用资源量较大。
发明内容
本发明解决的技术问题是如何兼顾多尺度图像处理的资源占用量和多尺度图像处理的效率。
为解决上述技术问题，本发明实施例提供一种图像处理电路，包括：控制电路和多尺度分解电路；其中：
所述多尺度分解电路，适于对图像数据进行多尺度分解，并行得到多个子带数据；
所述控制电路，适于控制所述多尺度分解电路迭代地进行多次多尺度分解，所述迭代地进行多次多尺度分解是指：将前一次输出的多个子带数据中的至少一部分作为后一次多尺度分解的输入。
可选的，所述控制电路包括：分解层数设置子电路以及分解参数设定子电路；其中：
所述分解层数设置子电路，适于设置所述多尺度分解电路进行多尺度分解的迭代次数；
所述分解参数设定子电路，适于设置所述多尺度分解电路的可配置参数，所述多尺度分解电路根据所述可配置参数进行所述多尺度分解。
可选的，所述可配置参数包括以下至少一种：所述多尺度分解电路待分解图像的大小、所述多尺度分解电路的输入数据和/或输出数据的存放地址、所述多尺度分解电路中各个滤波器的滤波系数、所述多尺度分解电路进行多尺度分解的窗口尺寸。
可选的，所述多尺度分解电路中各个滤波器的滤波系数通过配置寄存器进行设置。
可选的，所述分解参数设定子电路对于每次多尺度分解设定的可配置参数不同。
可选的，所述图像处理电路还包括：重建电路，适于根据多次多尺度分解后得到的子带数据进行图像重建。
可选的，所述图像处理电路还包括：子带处理电路，适于对所述多个子带数据进行处理；所述重建电路基于所述子带处理电路处理后的子带数据进行图像重建。
可选的，所述子带处理电路对所述多个子带数据进行子带处理是并行进行的。
可选的，所述控制电路还适于控制所述子带处理电路进行子带处理。
可选的，所述控制电路包括子带处理参数设置子电路，适于设置所述子带处理电路的可配置参数。
可选的，所述子带处理电路的可配置参数包括以下至少一种：所述子带处理电路的输入数据和/或输出数据的存放位置、所述子带处理电路中各滤波器的权重、所述子带处理电路的滤波密度、所述子带处理电路进行子带处理的窗口尺寸。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
通过控制电路对多尺度分解电路进行控制，实现迭代地进行多次多尺度分解，通过将前一次输出的多个子带数据中的至少一部分作为后一次多尺度分解的输入，使得多尺度分解电路得到合理的复用，从而可以减少图像处理电路的总资源占用量；通过图像处理电路迭代地进行多尺度图像处理，相比软件的多尺度图像处理，速度得到大幅提升。
附图说明
图1是本发明实施例中一种图像处理电路的结构示意图；
图2是本发明实施例中一种控制电路的结构示意图；
图3是本发明实施例中一种图像处理电路的数据流示意图。
具体实施方式
如前所述，对图像进行多尺度分解是图像处理领域中一种常用的处理手段。现有技术中的多尺度图像处理多用软件实现，但是利用软件进行多尺度图像数据处理速度较慢。现有技术中另一种方式是通过流水线技术实现多尺度图像处理，但是成本较高，占用资源量较大。
本发明实施例通过控制电路对多尺度分解电路进行控制，实现迭代地进行多次多尺度分解，通过将前一次输出的多个子带数据中的至少一部分作为后一次多尺度分解的输入，使得多尺度分解电路得到合理的复用，从而可以减少图像处理电路的总资源占用量；通过图像处理电路迭代地进行多尺度图像处理，速度相比软件的多尺度图像处理得到大幅提升。
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例中一种图像处理电路的结构示意图，图2是本发明实施例中一种控制电路的结构示意图，以下结合图1和图2进行说明。
图像处理电路包括：控制电路11和多尺度分解电路12。
所述多尺度分解电路12适于对图像数据进行多尺度分解，并行得到多个子带数据。
在具体实施中，多尺度分解电路12可以是利用各种算法对图像数据进行各类多尺度分解的电路，例如可以是利用小波变换对图像进行多尺度分解的电路，也可以是利用金字塔变换对图像进行多尺度分解的电路。
所述控制电路11适于控制所述多尺度分解电路12迭代地进行多次多尺度分解，所述迭代地进行多次多尺度分解是指：将前一次输出的多个子带数据中的至少一部分作为后一次多尺度分解的输入。
例如，结合图3，多尺度分解电路12利用小波变换进行多尺度分解，第一次的输入可以是需进行处理的原始图像数据l0，第一次利用多尺度分解电路12进行多尺度分解后，可以得到四个子带：l1，h1，v1，d1，其中l1为低频子带。
在迭代地进行第二次多尺度分解时，可以将子带l1作为多尺度分解电路12的输入，再次得到四个子带：l2，h2，v2，d2，其中l2为低频子带。同样地，在迭代地进行第三次多尺度分解时，可以将子带l2作为多尺度分解电路12的输入，再次得到四个子带。
可以理解的是，也可以将前一次输出的多个子带数据中的多个作为后一次多尺度分解的输入，每次进行多尺度分解时，选取作为下次输入的子带也可以并不具备对应关系，例如，第二次进行多尺度分解是可以选择子带l1作为多尺度分解电路12的输入，但第三次进行多尺度分解时可以选择子带d2作为多尺度分解电路12的输入。如何在前一次输出的多个子带数据中选择进行下次多尺度分解的输入，可以根据多尺度分解电路12采用的具体算法和实际需要确定。
由于多尺度分解电路12每次得到多个子带的过程是并行的，例如，前述得四个子带：l1，h1，v1，d1是并行得到的，从而可以减少多尺度图像处理所需的时间，提高图像处理的效率。若利用流水线方式的硬件电路，电路面积与进行多尺度分解的次数呈乘方的倍数增加，资源占用量太大，故本发明实施例中的图像数据处理电路，可以很好的兼顾效率和资源专用量。
仍然参考图1和图2，在具体实施中，控制电路11可以包括：分解层数设置子电路111以及分解参数设定子电路112。
所述分解层数设置子电路111，可以设置所述多尺度分解电路12进行多尺度分解的迭代次数，以控制多尺度分解电路12进行多尺度分解的次数符合需求。
分解参数设定子电路112，适于设置所述多尺度分解电路12的可配置参数，所述多尺度分解电路12根据所述可配置参数进行所述多尺度分解。
对应不同算法，多尺度分解电路12可配置参数不尽相同，在本发明一实施例中，所述可配置参数包括以下至少一种：所述多尺度分解电路12待分解图像的大小、所述多尺度分解电路12的输入数据和/或输出数据的存放地址、所述多尺度分解电路12中各个滤波器的滤波系数、窗口尺寸。
在图像处理过程中，窗口是一个常用概念，可以通过窗口在待处理图像数据上的滑动，每次处理窗口范围内的数据，通过对待处理图像数据完成遍历来完成对图像数据的处理。
例如，在多尺寸分解电路12进行所尺度分解的过程中，以2*2的窗口对图像数据进行处理，可以在缓存区域缓存待处理图像中第一行的像素数据，以在第二行的像素数据到来时，获取2*2窗口范围的数据。在多尺度分解电路12以2*2的窗口对待处理的图像数据进行遍历后，生成对应的子带数据。
在本发明一实施例中，所述多尺度分解电路12中各个滤波器的滤波系数通过配置寄存器进行设置。
在一具体实施中，所述分解参数设定子电路112可以对每次多尺度分解设定不同的可配置参数。分解参数设定子电路112可以对每次多尺度分解中部分或全部的可配置参数设置为不同，具体设置可以结合多尺度分解电路12采用的算法和具体应用的需要。通过配置多尺度分解电路12的可配置参数，可以尽可能提高多尺度分解电路12的适用场景和范围，使得多次多尺度分解复用同一多尺度分解电路12成为可能，从而可以利用同一多尺度分解电路12实现多种不同的复杂功能，同时又有效地控制了资源占用量。
在另一具体实施中，图像处理电路还包括重建电路14，适于根据多次多尺度分解后得到的子带数据进行图像重建。
通过对子带数据进行图像重建，可以得到与待处理图像数据对应的图像数据。重建电路14与多尺度分解电路12相适应。
例如，在前文所提到的例子中，若利用多尺度分解电路12进行两次分解后得到子带l1，h1，v1，d1和子带l2，h2，v2，d2，子带l2，h2，v2，d2是以子带子带l1作为多尺度分解电路12的输入的到的，则重建电路14可以对子带l2，h2，v2，d2进行处理，得到子带l1＇，利用l1＇,h1，v1，d1得到处理后的图像l0＇。
在一具体实施中，图像处理电路还包括子带处理电路13，对所述多个子带数据进行处理；所述重建电路14基于所述子带处理电路13处理后的子带数据进行图像重建。
对子带数据进行处理的方式可以又多种，例如可以是滤波处理、平滑处理、增强处理、复合处理等等，具体的处理方式可以根据实际图像处理的需求确定。
在具体实施中，所述子带处理电路13对所述多个子带数据进行子带处理可以是并行进行的，也就是可以对多尺度分解电路12生成的各个子带中的全部或者部分子带进行并行处理。
以并行的方式对子带数据进行处理，可以提升处理效率，进而提升多尺度图像处理过程的效率。
在另一具体实施中，所述控制电路11包括子带处理参数设置子电路113，适于设置所述子带处理电路13的可配置参数。
在本发明一实施例中，所述子带处理电路13的可配置参数包括以下至少一种：所述子带处理电路13的输入数据和/或输出数据的存放位置、所述子带处理电路13中各滤波器的权重、所述子带处理电路13的滤波密度、所述子带处理电路13的窗口尺寸。
如前所述，可以通过窗口在待处理图像数据上的滑动，每次处理窗口范围内的数据，通过对待处理图像数据完成遍历来完成对图像数据的处理。此时，待处理的图像数据为多尺度分解电路12生成的子带数据。
在所述子带处理电路13进行子带处理时，可以使用与所述多尺度分解电路12相同或者不同尺寸的窗口。例如，子带处理电路13可以利用5*5的窗口对图像数据进行处理，可以在缓存区域缓存待处理图像中第一行至第四行的像素数据，以在第五行的像素数据到来时，获取5*5窗口范围的数据。在多尺度分解电路12以5*5的窗口对待处理的图像数据进行遍历后，生成对应的子带数据。
在本发明实施例中，通过控制电路对多尺度分解电路进行控制，实现迭代地进行多次多尺度分解，通过将前一次输出的多个子带数据中的至少一部分作为后一次多尺度分解的输入，使的多尺度分解电路得到合理的复用，从而可以减少图像处理电路的总资源占用量；通过图像处理电路迭代地进行多尺度图像处理，相比软件的多尺度图像处理，速度得到大幅提升。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (9)

1.一种图像处理电路，其特征在于，包括：控制电路和多尺度分解电路；其中：
所述多尺度分解电路，适于对图像数据进行多尺度分解，并行得到多个子带数据；
所述控制电路，适于控制所述多尺度分解电路迭代地进行多次多尺度分解，所述迭代地进行多次多尺度分解是指：将前一次输出的多个子带数据中的至少一部分作为后一次多尺度分解的输入；
所述图像处理电路还包括：
重建电路，适于根据多次多尺度分解后得到的子带数据进行图像重建；
子带处理电路，适于对所述多个子带数据进行处理；所述重建电路基于所述子带处理电路处理后的子带数据进行图像重建。
2.根据权利要求1所述的图像处理电路，其特征在于，所述控制电路包括：分解层数设置子电路以及分解参数设定子电路；其中：
所述分解层数设置子电路，适于设置所述多尺度分解电路进行多尺度分解的迭代次数；
所述分解参数设定子电路，适于设置所述多尺度分解电路的可配置参数，所述多尺度分解电路根据所述可配置参数进行所述多尺度分解。
3.根据权利要求2所述的图像处理电路，其特征在于，所述可配置参数包括以下至少一种：所述多尺度分解电路待分解图像的大小、所述多尺度分解电路的输入数据和/或输出数据的存放地址、所述多尺度分解电路中各个滤波器的滤波系数、所述多尺度分解电路进行多尺度分解的窗口尺寸。
4.根据权利要求3所述的图像处理电路，其特征在于，所述多尺度分解电路中各个滤波器的滤波系数通过配置寄存器进行设置。
5.根据权利要求2所述的图像处理电路，其特征在于，所述分解参数设定子电路对于每次多尺度分解设定的可配置参数不同。
6.根据权利要求1所述的图像处理电路，其特征在于，所述子带处理电路对所述多个子带数据进行子带处理是并行进行的。
7.根据权利要求1所述的图像处理电路，其特征在于，所述控制电路还适于控制所述子带处理电路进行子带处理。
8.根据权利要求7所述的图像处理电路，其特征在于，所述控制电路包括子带处理参数设置子电路，适于设置所述子带处理电路的可配置参数。
9.根据权利要求8所述的图像处理电路，其特征在于，所述子带处理电路的可配置参数包括以下至少一种：所述子带处理电路的输入数据和/或输出数据的存放位置、所述子带处理电路中各滤波器的权重、所述子带处理电路的滤波密度、所述子带处理电路进行子带处理的窗口尺寸。
CN201510998859.0A 2015-12-25 2015-12-25 一种图像处理电路 Active CN106921814B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510998859.0A CN106921814B (zh) 2015-12-25 2015-12-25 一种图像处理电路

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510998859.0A CN106921814B (zh) 2015-12-25 2015-12-25 一种图像处理电路

Publications (2)

Publication Number Publication Date
CN106921814A CN106921814A (zh) 2017-07-04
CN106921814B true CN106921814B (zh) 2020-03-20

Family

ID=59454985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510998859.0A Active CN106921814B (zh) 2015-12-25 2015-12-25 一种图像处理电路

Country Status (1)

Country Link
CN (1) CN106921814B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101173987A (zh) * 2007-10-31 2008-05-07 北京航空航天大学 多模多目标精密跟踪装置和方法
CN101201937A (zh) * 2007-09-18 2008-06-18 上海医疗器械厂有限公司 基于小波重构与分解的数字图像增强方法及其装置
CN101350099A (zh) * 2008-09-12 2009-01-21 西安电子科技大学 基于小波域隐马尔科夫树模型的图像分割方法
CN101639537A (zh) * 2009-09-04 2010-02-03 西安电子科技大学 基于方向波域混合高斯模型的sar图像噪声抑制方法
CN103632341A (zh) * 2013-08-30 2014-03-12 王勇 一种塔式分解和字典学习的带噪cs-mri重构方法
CN104240201A (zh) * 2014-09-04 2014-12-24 南昌航空大学 基于群-轮廓小波变换断口图像去噪和增强方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201937A (zh) * 2007-09-18 2008-06-18 上海医疗器械厂有限公司 基于小波重构与分解的数字图像增强方法及其装置
CN101173987A (zh) * 2007-10-31 2008-05-07 北京航空航天大学 多模多目标精密跟踪装置和方法
CN101350099A (zh) * 2008-09-12 2009-01-21 西安电子科技大学 基于小波域隐马尔科夫树模型的图像分割方法
CN101639537A (zh) * 2009-09-04 2010-02-03 西安电子科技大学 基于方向波域混合高斯模型的sar图像噪声抑制方法
CN103632341A (zh) * 2013-08-30 2014-03-12 王勇 一种塔式分解和字典学习的带噪cs-mri重构方法
CN104240201A (zh) * 2014-09-04 2014-12-24 南昌航空大学 基于群-轮廓小波变换断口图像去噪和增强方法

Also Published As

Publication number Publication date
CN106921814A (zh) 2017-07-04

Similar Documents

Publication Publication Date Title
WO2023092813A1 (zh) 一种基于通道注意力的Swin-Transformer图像去噪方法及系统
CN107403415B (zh) 基于全卷积神经网络的压缩深度图质量增强方法及装置
KR101961177B1 (ko) 뉴럴 네트워크를 이용한 영상 처리 방법 및 장치
CN110276726B (zh) 一种基于多通道网络先验信息引导的图像去模糊方法
Almeida et al. Deconvolving images with unknown boundaries using the alternating direction method of multipliers
JP6106897B2 (ja) ぼやけた画像に基づいて鮮明な画像を生成する方法および装置
CN104715461B (zh) 图像去噪方法
CN110047044B (zh) 一种图像处理模型的构建方法、装置及终端设备
CN107392975B (zh) 图像自适应多尺度分块压缩感知方法、电子设备
CN108765330B (zh) 基于全局和局部先验联合约束的图像去噪方法和装置
CN107784638A (zh) 一种优化的东巴古籍图像增强方法
CN110569961A (zh) 一种神经网络训练方法、装置及终端设备
CN110322404B (zh) 一种图像增强方法及系统
JP6222481B2 (ja) 画像処理方法、画像処理システム、画像処理装置および画像処理プログラム
CN104077746A (zh) 灰度图像处理方法及其装置
CN104182939A (zh) 一种医疗影像图像细节增强方法
Kim et al. An optimized first-order method for image restoration
Amaranageswarao et al. Joint restoration convolutional neural network for low-quality image super resolution
CN104616252A (zh) 基于nsct和pcnn的数字图像增强方法
Patil et al. Crow search algorithm with discrete wavelet transform to aid Mumford Shah inpainting model
CN111127300B (zh) 基于图像金字塔分解的去噪方法、装置及系统
CN106921814B (zh) 一种图像处理电路
KR102126916B1 (ko) 블러된 영상 복원을 위한 장치 및 방법
Chen et al. Image deblurring via combined total variation and framelet
CN111383299A (zh) 图像的处理方法、装置及计算机可读存储介质

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