CN107784641A - 一种基于hpf的图像锐化算法 - Google Patents
一种基于hpf的图像锐化算法 Download PDFInfo
- Publication number
- CN107784641A CN107784641A CN201711166648.6A CN201711166648A CN107784641A CN 107784641 A CN107784641 A CN 107784641A CN 201711166648 A CN201711166648 A CN 201711166648A CN 107784641 A CN107784641 A CN 107784641A
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- image
- mtr
- hpf
- 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.)
- Granted
Links
- 238000003707 image sharpening Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 230000003321 amplification Effects 0.000 description 5
- 238000003199 nucleic acid amplification method Methods 0.000 description 5
- 230000002708 enhancing effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
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
本发明提供一种基于HPF的图像锐化算法,其过程如下:(1)对图像进行预处理;(2)对图像进行HPF卷积与处理;(3)确定Conv卷积图像参数TH、G、SHF、MAX。(4)对图像进行叠加。本算法能够充分利用图像灰度信息对经过HPF卷积后的图像进行自适应噪声虑除、边缘增强,将原图与卷积图像进行叠加,进而得到锐化后的图像,且本算法的计算方式采用全整型计算,加快了算法的运算速度,同时也适应了一些只能进行整型运算的平台,提高了算法的通用性,能够使得算法具有较好的可移植性以及较快的运算速度。
Description
技术领域
本发明属于图像效果处理领域,尤其是涉及一种基于HPF的图像锐化算法。
背景技术
在图像处理的技术领域当中,图像锐化的运算是用来让图像中的边缘或纹理看起来更明显。传统图像边缘锐化算法(如普通HPF滤波器实现的锐化算法)无法对物体边缘和白噪声有效区分,导致在提升锐化效果的同时也放大了噪声。图像锐化过程中,对于白噪声的抑制是需要突破的地方。
发明内容
有鉴于此,本发明旨在提出一种基于HPF的图像锐化算法,本算法能够在突出物体边缘的同时抑制白噪声,达到锐化图像的目的。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于HPF的图像锐化算法,其过程如下:
(1)对图像进行预处理;
(2)对图像进行HPF卷积与处理;
(3)确定Conv卷积图像参数TH、G、SHF、MAX。
(4)对图像进行叠加。
进一步的,图像在获取过程中,会因为设备电路噪声和其它图像处理算法的关系,引入图像噪声,噪声会对锐化算法在边缘提取时进行干扰,为保证锐化的效果,可以先进行简单的预处理,即2D降噪处理(如中值滤波)。
进一步的,在图像的HPF卷积与处理过程中,HPF(High Pass Filter,高通滤波器)设计为5*5高通滤波器S:
式中Src为输入图像,Conv为收缩截止后的卷积图像,Shrink()为收缩函数,Clip()为截止函数,SHF为右移参数,MAX为卷积后最大值,G为增益,Th为阈值。
进一步的,Conv卷积图像参数TH、G、SHF、MAX的确定过程如下:
参数TH与增益G是整个图像锐化中的关键参数,它们共同决定了增强哪部分的边缘以及增强系数。一般来说,图像获取过程中,场景越暗,对应的图像噪声相对越大(SNR小)。场景越亮,对应的图像噪声相对越小(SNR大)。为了能够适应多种场景,保证图像的锐化效果,本算法采用动态调整参数TH与G。
参数SHF:为了适应多种平台下的算法通用性和精度(如FPGA平台下不支持浮点型乘法),这里的计算均采用整型进行计算,所以增益G是由浮点增益左移SHF后的整数,这里的SHF是为了消除增益G的放大。
参数MAX:控制叠加到原图的卷积图像值上限。部分物体边缘本身就很清晰,经过卷积、放大后可能会有局部失真,这并不是我们想要的。
进一步的,图像叠加为:
Dst(h,v)=Src(h,v)+Conv(h,v);
式中Dst()为最终的锐化图像。
相对于现有技术,本发明所述的基于HPF的图像锐化算法具有以下优势:
(1)一般来说白噪声分布比较均匀且幅度不大,本算法能够利用噪声的分布特性,动态的调整TH阈值对卷积图像进行Shrink操作,有效的排除了卷积图像中大部分的白噪声的放大,保证边缘锐化增强的效果。因此,本算法在提升物体边缘强度时,抑制了部分噪声,能够更加清晰的描述物体,达到比较好的图像锐化效果。
(2)本算法的计算方式采用全整型计算,加快了算法的运算速度,同时也适应了一些只能进行整型运算的平台,提高了算法的通用性,能够使得算法具有较好的可移植性以及较快的运算速度。
(3)Shrink与Clip操作使得本算法在处理HPF后的卷积图像时,能够自如地选择想要增强的边缘区间,用锐化参数的动态调整,使得算法更加灵活,采能够适应更多场景。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明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发明。
一种基于HPF的图像锐化算法,其过程如下:
(1)对图像进行预处理
图像在获取过程中,会因为设备电路噪声和其它图像处理算法的关系,引入图像噪声,噪声会对锐化算法在边缘提取时进行干扰,为保证锐化的效果,可以先进行简单的预处理,如2D降噪处理(如中值滤波)
(2)对图像进行HPF卷积与处理
HPF(High Pass Filter,高通滤波器)设计为5*5高通滤波器S:
式中Src为输入图像,Conv为收缩截止后的卷积图像,Shrink()为收缩函数,Clip()为截止函数,SHF为右移参数,MAX为卷积后最大值,G为增益,Th为阈值
(3)确定Conv卷积图像参数TH、G、SHF、MAX
参数TH与增益G是整个图像锐化中的关键参数,它们共同决定了增强哪部分的边缘以及增强系数。一般来说,图像获取过程中,场景越暗,对应的图像噪声相对越大(SNR小)。场景越亮,对应的图像噪声相对越小(SNR大)。为了能够适应多种场景,保证图像的锐化效果,本算法采用动态调整参数TH与G。
参数SHF:为了适应多种平台下的算法通用性和精度(如FPGA平台下不支持浮点型乘法),这里的计算均采用整型进行计算,所以增益G是由浮点增益左移SHF后的整数,这里的SHF是为了消除增益G的放大。
参数MAX:控制叠加到原图的卷积图像值上限。部分物体边缘本身就很清晰,经过卷积、放大后可能会有局部失真,这并不是我们想要的。
(4)对图像进行叠加
Dst(h,v)=Src(h,v)+Conv(h,v);式中Dst()为最终的锐化图像。
本算法能够充分利用图像灰度信息对经过HPF卷积后的图像进行自适应噪声虑除、边缘增强,将原图与卷积图像进行叠加,在突出物体边缘的同时抑制白噪声,进而得到锐化后的图像。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于HPF的图像锐化算法,其特征在于,其过程如下:
(1)对图像进行预处理;
(2)对图像进行HPF卷积与处理;
(3)确定Conv卷积图像参数TH、G、SHF、MAX。
(4)对图像进行叠加。
2.根据权利要求1所述的一种基于HPF的图像锐化算法,其特征在于:图像在获取过程中,会因为设备电路噪声和其它图像处理算法的关系,引入图像噪声,噪声会对锐化算法在边缘提取时进行干扰,为保证锐化的效果,可以先进行2D降噪处理。
3.根据权利要求1所述的一种基于HPF的图像锐化算法,其特征在于:在图像的HPF卷积与处理过程中,HPF设计为5*5高通滤波器S:
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mtable>
<mtr>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<mn>0</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>2</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mn>2</mn>
</mtd>
<mtd>
<mn>8</mn>
</mtd>
<mtd>
<mn>2</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>2</mn>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>2</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mrow>
<mrow>
<mi>S</mi>
<mi>h</mi>
<mi>r</mi>
<mi>i</mi>
<mi>n</mi>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>t</mi>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>x</mi>
<mo>+</mo>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo><</mo>
<mo>-</mo>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>t</mi>
<mi>h</mi>
<mo>&le;</mo>
<mi>x</mi>
<mo>&le;</mo>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>x</mi>
<mo>-</mo>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>></mo>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mi>C</mi>
<mi>l</mi>
<mi>i</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>t</mi>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo><</mo>
<mo>-</mo>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>x</mi>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>t</mi>
<mi>h</mi>
<mo>&le;</mo>
<mi>x</mi>
<mo>&le;</mo>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>></mo>
<mi>t</mi>
<mi>h</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mi>C</mi>
<mi>o</mi>
<mi>n</mi>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>h</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
</mrow>
<mrow>
<mi>C</mi>
<mi>l</mi>
<mi>i</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mi>h</mi>
<mi>r</mi>
<mi>i</mi>
<mi>n</mi>
<mi>k</mi>
<mo>(</mo>
<mrow>
<mi>G</mi>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mo>-</mo>
<mn>2</mn>
</mrow>
<mrow>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mo>-</mo>
<mn>2</mn>
</mrow>
<mrow>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msubsup>
<msub>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>S</mi>
<mi>r</mi>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>h</mi>
<mo>+</mo>
<mi>i</mi>
<mo>,</mo>
<mi>v</mi>
<mo>+</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>T</mi>
<mi>H</mi>
</mrow>
<mo>)</mo>
<mo>></mo>
<mo>></mo>
<mi>S</mi>
<mi>H</mi>
<mi>F</mi>
<mo>,</mo>
<mi>M</mi>
<mi>A</mi>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
式中Src为输入图像,Conv为收缩截止后的卷积图像,Shrink()为收缩函数,Clip()为截止函数,SHF为右移参数,MAX为卷积后最大值,G为增益,Th为阈值。
4.根据权利要求3所述的一种基于HPF的图像锐化算法,其特征在于:Conv卷积图像参数TH、G、SHF、MAX的确定过程如下:
为保证图像的锐化效果,本算法采用动态调整参数TH与G;
参数SHF采用整型进行计算,增益G是由浮点增益左移SHF后的整数;
参数MAX为控制叠加到原图的卷积图像值上限。
5.根据权利要求1或4所述的一种基于HPF的图像锐化算法,其特征在于:所述图像叠加为:
Dst(h,v)=Src(h,v)+Conv(h,v);
式中Dst()为最终的锐化图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711166648.6A CN107784641B (zh) | 2017-11-21 | 2017-11-21 | 一种基于hpf的图像锐化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711166648.6A CN107784641B (zh) | 2017-11-21 | 2017-11-21 | 一种基于hpf的图像锐化算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107784641A true CN107784641A (zh) | 2018-03-09 |
CN107784641B CN107784641B (zh) | 2021-08-20 |
Family
ID=61430459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711166648.6A Active CN107784641B (zh) | 2017-11-21 | 2017-11-21 | 一种基于hpf的图像锐化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107784641B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196999A (zh) * | 2023-11-06 | 2023-12-08 | 浙江芯劢微电子股份有限公司 | 一种自适应视频流图像边缘增强方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03229576A (ja) * | 1990-02-02 | 1991-10-11 | Sony Corp | ノイズ除去回路 |
US6108457A (en) * | 1998-04-27 | 2000-08-22 | The United States Of America As Represented By The Secretary Of The Navy | Background equalization for laser line scan data |
CN1980321A (zh) * | 2005-12-09 | 2007-06-13 | 逐点半导体(上海)有限公司 | 一种图像增强处理系统和处理方法 |
CN101751894A (zh) * | 2008-12-18 | 2010-06-23 | 索尼株式会社 | 图像处理装置和图像显示系统 |
CN102318330A (zh) * | 2009-02-13 | 2012-01-11 | 奥西-技术有限公司 | 用于处理数字图像的图像处理系统和处理数字图像的图像处理方法 |
CN102521800A (zh) * | 2011-11-23 | 2012-06-27 | 重庆工业职业技术学院 | 一种针对多模图像的去噪及锐化方法 |
CN104853063A (zh) * | 2015-06-05 | 2015-08-19 | 北京大恒图像视觉有限公司 | 一种基于sse2指令集的图像锐化方法 |
US20170287144A1 (en) * | 2016-04-04 | 2017-10-05 | Sony Corporation | Image processing system and method for detection of objects in motion |
-
2017
- 2017-11-21 CN CN201711166648.6A patent/CN107784641B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03229576A (ja) * | 1990-02-02 | 1991-10-11 | Sony Corp | ノイズ除去回路 |
US6108457A (en) * | 1998-04-27 | 2000-08-22 | The United States Of America As Represented By The Secretary Of The Navy | Background equalization for laser line scan data |
CN1980321A (zh) * | 2005-12-09 | 2007-06-13 | 逐点半导体(上海)有限公司 | 一种图像增强处理系统和处理方法 |
CN101751894A (zh) * | 2008-12-18 | 2010-06-23 | 索尼株式会社 | 图像处理装置和图像显示系统 |
CN102318330A (zh) * | 2009-02-13 | 2012-01-11 | 奥西-技术有限公司 | 用于处理数字图像的图像处理系统和处理数字图像的图像处理方法 |
CN102521800A (zh) * | 2011-11-23 | 2012-06-27 | 重庆工业职业技术学院 | 一种针对多模图像的去噪及锐化方法 |
CN104853063A (zh) * | 2015-06-05 | 2015-08-19 | 北京大恒图像视觉有限公司 | 一种基于sse2指令集的图像锐化方法 |
US20170287144A1 (en) * | 2016-04-04 | 2017-10-05 | Sony Corporation | Image processing system and method for detection of objects in motion |
Non-Patent Citations (2)
Title |
---|
AYUSH DOGRA ET AL: "Image sharpening by Gaussian and Butterworth High Pass Filter", 《BIOMEDICAL & PHARMACOLOGY JOURNAL》 * |
赵忖: "基于DSP/ARM的图像增强技术", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196999A (zh) * | 2023-11-06 | 2023-12-08 | 浙江芯劢微电子股份有限公司 | 一种自适应视频流图像边缘增强方法和系统 |
CN117196999B (zh) * | 2023-11-06 | 2024-03-12 | 浙江芯劢微电子股份有限公司 | 一种自适应视频流图像边缘增强方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107784641B (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dogra et al. | Image sharpening by gaussian and butterworth high pass filter | |
KR100951254B1 (ko) | 이미지의 선명도 향상 장치 | |
JP4125590B2 (ja) | 汎用アンシャープマスクによる画像の選択的平滑化および鮮明化 | |
KR100790980B1 (ko) | 영상 신호의 주파수 성분에 따라 후처리를 달리하는 영상신호의 후처리 회로 | |
EP2355039B1 (en) | Image generating apparatus and method for emphasizing edge based on image characteristics | |
Pham et al. | Adaptive guided image filtering for sharpness enhancement and noise reduction | |
CN111915535B (zh) | 一种图像去噪的方法及装置 | |
CN105139343B (zh) | 一种图像处理方法、装置 | |
TWI433053B (zh) | 運用像素區域特性之影像銳利度強化方法及系統 | |
CN104103040B (zh) | 一种图像增强的方法 | |
CN106846276A (zh) | 一种图像增强方法及装置 | |
CN101600044A (zh) | 基于缩放因子的图像清晰度增强方法及装置 | |
Amoako-Yirenkyi et al. | Performance analysis of image smoothing techniques on a new fractional convolution mask for image edge detection | |
Dubey | Quaternion Fourier transform for colour images | |
CN105931206A (zh) | 一种颜色恒常的彩色图像清晰度增强方法 | |
KR100565065B1 (ko) | 필터 뱅크를 이용한 이미지 세부묘사 향상 방법 및 장치 | |
CN201726464U (zh) | 一种新的视频图像锐化处理装置 | |
CN107784641A (zh) | 一种基于hpf的图像锐化算法 | |
JP2008500757A (ja) | 映像信号の鮮鋭度を強調するための方法およびシステム | |
JP2007329927A (ja) | ビデオ画質改善システムおよび方法 | |
Chang et al. | Double bilateral filtering for image noise removal | |
CN110163881B (zh) | 一种噪声污染图像的分数阶边缘检测方法 | |
CN113256534A (zh) | 一种图像增强方法、装置及介质 | |
US9049334B1 (en) | Denoising images with a color matrix pyramid | |
TW201933278A (zh) | 影像處理方法及影像處理裝置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210809 Address after: No.8, Haitai Huake 2nd Road, Huayuan Industrial Zone, Binhai New Area, Tianjin, 300450 Applicant after: TIANDY TECHNOLOGIES Co.,Ltd. Address before: 300384 room A221, complex building, No. 8, Haitai Huake Second Road, Huayuan Industrial Zone (outside the ring), high tech Zone, Binhai New Area, Tianjin Applicant before: TIANJIN YINGTIAN VIDEO SIGNAL TECHNOLOGY Co.,Ltd. |