CN107833232A - 图像细节的提取方法和装置、电子设备、计算机存储介质 - Google Patents
图像细节的提取方法和装置、电子设备、计算机存储介质 Download PDFInfo
- Publication number
- CN107833232A CN107833232A CN201711024528.2A CN201711024528A CN107833232A CN 107833232 A CN107833232 A CN 107833232A CN 201711024528 A CN201711024528 A CN 201711024528A CN 107833232 A CN107833232 A CN 107833232A
- Authority
- CN
- China
- Prior art keywords
- image
- filter
- details
- extracted
- window
- 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
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000001914 filtration Methods 0.000 claims abstract description 60
- 238000000605 extraction Methods 0.000 claims description 32
- 239000000203 mixture Substances 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 230000003139 buffering effect Effects 0.000 description 37
- 230000001186 cumulative effect Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种图像细节的提取方法和装置、电子设备、计算机存储介质,其中,方法包括:接收待提取细节的图像;基于所述图像中的待提取细节的大小设置滤波器的滤波窗口;所述滤波器基于所述设置的滤波窗口对所述图像执行滤波操作,获得模糊图像;将所述待提取细节的图像与所述获得的模糊图像做差值,获得细节部分的图像。本发明实施例通过设置大小的滤波窗口滤波获得的图像,可以获得有效去除一定大小以下的图像细节的模糊图像;通过原始图像与模糊图像做差值,即可得到一定大小以下的图像细节。
Description
技术领域
本发明涉及图像处理技术,尤其是一种图像细节的提取方法和装置、电子设备、计算机存储介质。
背景技术
图像细节提取是指从图像中提取出细微部分,图像细节提取技术在图像抠图、边缘检测和图像分割等技术领域中有重要用途,这些基于图像细节提取获得的细微部分,尤其是图像的边缘部分,包含了很多重要的目标边界信息。
发明内容
本发明实施例提供一种图像细节的提取技术。
本发明实施例提供的一种图像细节的提取方法,包括:
接收待提取细节的图像;
基于所述图像中的待提取细节的大小设置滤波器的滤波窗口;
所述滤波器基于所述设置的滤波窗口对所述图像执行滤波操作,获得模糊图像;
将所述待提取细节的图像与所述获得的模糊图像做差值,获得细节部分的图像。
在基于本发明上述方法的另一个实施例中,基于所述图像中的待提取细节的大小设置滤波窗口,包括:
基于所述图像获得图像中的待提取细节,获得待提取细节占用的宽度像素值;
基于所述占用的宽度像素值设置模糊所述待提取细节的滤波窗口的大小。
在基于本发明上述方法的另一个实施例中,基于所述占用的宽度像素值设置模糊所述待提取细节的滤波窗口的大小,包括:
将所述占用的宽度像素值乘以2再加一个设定值得到窗口宽度,基于所述得到的窗口宽度设置大小为以所述得到的窗口宽度为边长的正方形。
在基于本发明上述方法的另一个实施例中,还包括:
对获得的所述图像中的待提取细节图执行二值化。
在基于本发明上述方法的另一个实施例中,基于所述图像中的待提取细节的大小设置滤波器的滤波窗口,包括:基于所述图像中的待提取细节的大小范围为滤波器设置第一滤波窗口和第二滤波窗口;所述第一滤波窗口对应待提取细节的最大宽度像素值,所述第二滤波窗口对应待提取细节的最小宽度像素值;
所述滤波器根据所述设置的滤波窗口对所述图像执行滤波,获得模糊图像,包括:所述滤波器根据所述设置的第一滤波窗口和第二滤波窗口分别对所述图像执行滤波,获得第一模糊图像和第二模糊图像;
将所述待提取细节的图像与所述获得的模糊图像做差值,包括:将所述第一模糊图像与所述第二模糊图像做差值,基于所述差值的绝对值组成所述图像中的待提取细节图。
在基于本发明上述方法的另一个实施例中,所述滤波器基于所述设置的滤波窗口对所述图像执行滤波操作,获得模糊图像,包括:
基于所述设置的滤波窗口从所述图像中获取多个邻域区域;所述邻域区域的大小与滤波窗口相同;
分别对所述邻域区域执行滤波操作,获得对应所述邻域区域的滤波值;
基于所有所述获得的滤波值组成模糊图像。
在基于本发明上述方法的另一个实施例中,基于所述设置的滤波窗口从所述图像中获取多个邻域区域,包括:
将所述设置的滤波窗口在所述图像上移动,在移动过程中获取每个对应所述滤波窗口大小的所述图像的区域作为邻域区域。
在基于本发明上述方法的另一个实施例中,所述滤波器为中值滤波器;
所述分别对所述邻域区域执行滤波操作,获得对应所述邻域区域的滤波值,包括:
基于所述图像建立一个缓冲区;所述缓冲区包括多个缓存地址,所有所述缓存地址的初始值均为零;
基于所述滤波窗口获取所述图像中对应每个像素的邻域区域,所述滤波窗口的大小为m*m,m为大于1的奇数;
基于所述邻域区域中的像素值在所述缓冲区内累加,获得对应每个缓存地址中的累加值;
获取累加值大于m*m/2的缓存地址对应的像素值;以所述获取的像素值中的最小像素值作为所述邻域区域对应的像素的中值。
在基于本发明上述方法的另一个实施例中,所述基于图像建立一个缓冲区,包括:
获取图像中所有像素对应的像素值,获取所述所有像素值中的最大像素值;建立缓冲区,所述缓冲区包括缓存地址的数量为最大像素值加1。
在基于本发明上述方法的另一个实施例中,基于所述邻域区域中的像素值在所述缓冲区内累加,获得对应每个缓存地址中的累加值,包括:
获取所述邻域区域中的所有像素值,对所述缓冲区内对应所述像素值的缓存地址中的初始值进行累加,获得对应每个缓存地址的第一累加值;
基于所述第一累加值执行二次累加,获得对应每个缓存地址的累加值。
在基于本发明上述方法的另一个实施例中,获取所述邻域区域中的所有像素值,对所述缓冲区内对应所述像素值的缓存地址中的初始值进行累加,包括:
获取所述邻域区域中的所有像素值,基于所述像素值在缓存地址中查找到对应的m*m个缓存地址,将所述查找得到的缓存地址中的初始值加1。
在基于本发明上述方法的另一个实施例中,基于所述第一累加值执行二次累加,获得对应每个缓存地址的累加值,包括:
依次选取所述缓存地址作为当前缓存地址;
将所述当前缓存地址中的第一累加值与前一个缓存地址的累加值相加得到所述当前缓存地址的累加值,得到所有所述缓存地址中的累加值;其中,当所述当前缓存地址为首个缓存地址时,所述前一个缓存地址的累加值为0。
在基于本发明上述方法的另一个实施例中,所述获取累加值大于m*m/2的缓存地址对应的像素值;将所述获取的像素值中的最小像素值作为所述邻域区域对应的像素的中值,包括:
基于获取的对应每个所述缓存地址的累加值,按顺序将所述累加值与m*m/2进行比较,得到数值大于m*m/2的累加值;
基于所述得到的累加值获取对应所述得到的累加值的像素值;将所述对应累加值的像素值中的最小像素值作为所述邻域区域对应的像素的中值。
在基于本发明上述方法的另一个实施例中,将所述对应累加值的像素值中的最小像素值作为所述邻域区域对应的像素的中值,包括:
将所述对应累加值的像素值按大小排序,基于排序后的所述对应累加值的像素值获得最小像素值;
将所述最小像素值作为所述邻域区域对应的像素的中值。
在基于本发明上述方法的另一个实施例中,所述滤波器为线性滤波器。
根据本发明实施例的一个方面,提供的一种图像细节的提取装置,包括:
接收单元,用于接收待提取细节的图像;
窗口设置单元,用于基于所述图像中的待提取细节的大小设置滤波器的滤波窗口;
滤波单元,用于控制所述滤波器基于所述设置的滤波窗口对所述图像执行滤波操作,获得模糊图像;
细节提取单元,用于将所述待提取细节的图像与所述获得的模糊图像做差值,获得细节部分的图像。
在基于本发明上述装置的另一个实施例中,所述窗口设置单元,包括:
宽度获取模块,用于基于所述图像获得图像中的待提取细节,获得待提取细节占用的宽度像素值;
大小设置模块,用于基于所述占用的宽度像素值设置模糊所述待提取细节的滤波窗口的大小。
在基于本发明上述装置的另一个实施例中,所述大小设置模块,具体用于将所述占用的宽度像素值乘以2再加一个设定值得到窗口宽度,基于所述得到的窗口宽度设置大小为以所述得到的窗口宽度为边长的正方形。
在基于本发明上述装置的另一个实施例中,还包括:
二值化单元,用于对获得的所述图像中的待提取细节图执行二值化。
在基于本发明上述装置的另一个实施例中,所述窗口设置单元,具体用于基于所述图像中的待提取细节的大小范围为滤波器设置第一滤波窗口和第二滤波窗口;所述第一滤波窗口对应待提取细节的最大宽度像素值,所述第二滤波窗口对应待提取细节的最小宽度像素值;
所述滤波单元,具体用于所述滤波器根据所述设置的第一滤波窗口和第二滤波窗口分别对所述图像执行滤波,获得第一模糊图像和第二模糊图像;
所述细节提取单元,具体用于对所述第一模糊图像与所述第二模糊图像计算差值,基于所述差值的绝对值组成所述图像中的待提取细节图。
在基于本发明上述装置的另一个实施例中,所述滤波单元,包括:
区域获取模块,用于基于所述设置的滤波窗口从所述图像中获取多个邻域区域;所述邻域区域的大小与滤波窗口相同;
滤波操作模块,用于分别对所述邻域区域执行滤波操作,获得对应所述邻域区域的滤波值;基于所有所述获得的滤波值组成模糊图像。
在基于本发明上述装置的另一个实施例中,所述区域获取模块,具体用于将所述设置的滤波窗口在所述图像上移动,在移动过程中获取每个对应所述滤波窗口大小的所述图像的区域作为邻域区域。
在基于本发明上述装置的另一个实施例中,所述滤波器为中值滤波器;
所述滤波操作模块,包括:
缓冲建立模块,用于基于所述图像建立一个缓冲区;所述缓冲区包括多个缓存地址,所有所述缓存地址的初始值均为零;
邻域获取模块,用于基于所述滤波窗口获取所述图像中对应每个像素的邻域区域,所述滤波窗口的大小为m*m,m为大于1的奇数;
缓存累加模块,用于基于所述邻域区域中的像素值在所述缓冲区内累加,获得对应每个缓存地址中的累加值;
中值获取模块,用于获取累加值大于m*m/2的缓存地址对应的像素值;以所述获取的像素值中的最小像素值作为所述邻域区域对应的像素的中值。
在基于本发明上述装置的另一个实施例中,所述缓冲建立模块,具体用于获取图像中所有像素对应的像素值,获取所述所有像素值中的最大像素值;建立缓冲区,所述缓冲区包括缓存地址的数量为最大像素值加1。
在基于本发明上述装置的另一个实施例中,所述缓存累加模块,包括:
第一累加模块,用于获取所述邻域区域中的所有像素值,对所述缓冲区内对应所述像素值的缓存地址中的初始值进行累加,获得对应每个缓存地址的第一累加值;
第二累加模块,用于基于所述第一累加值执行二次累加,获得对应每个缓存地址的累加值。
在基于本发明上述装置的另一个实施例中,所述第一累加模块,具体用于获取所述邻域区域中的所有像素值,基于所述像素值在缓存地址中查找到对应的m*m个缓存地址,将所述查找得到的缓存地址中的初始值加1。
在基于本发明上述装置的另一个实施例中,所述第二累加模块,具体用于依次选取所述缓存地址作为当前缓存地址;将所述当前缓存地址中的第一累加值与前一个缓存地址的累加值相加得到所述当前缓存地址的累加值,得到所有所述缓存地址中的累加值;其中,当所述当前缓存地址为首个缓存地址时,所述前一个缓存地址的累加值为0。
在基于本发明上述装置的另一个实施例中,所述中值获取模块,包括:
比较模块,用于基于获取的对应每个所述缓存地址的累加值,按顺序将所述累加值与m*m/2进行比较,得到数值大于m*m/2的累加值;
中值模块,用于基于所述得到的累加值获取对应所述得到的累加值的像素值;将所述对应累加值的像素值中的最小像素值作为所述邻域区域对应的像素的中值。
在基于本发明上述装置的另一个实施例中,所述中值模块,具体用于将所述对应累加值的像素值按大小排序,基于排序后的所述对应累加值的像素值获得最小像素值;将所述最小像素值作为所述邻域区域对应的像素的中值。
在基于本发明上述装置的另一个实施例中,所述滤波器为线性滤波器。
根据本发明实施例的一个方面,提供的一种电子设备,包括处理器,所述处理器包括如上所述的图像细节的提取装置。
根据本发明实施例的一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成如上所述图像细节的提取方法的操作。
根据本发明实施例的一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,所述指令被执行时执行如上所述图像细节的提取方法的操作。
基于本发明上述实施例提供的一种图像细节的提取方法和装置、电子设备、计算机存储介质,接收待提取细节的图像;基于图像中的待提取细节的大小设置滤波器的滤波窗口;滤波器基于设置的滤波窗口对图像执行滤波操作,获得模糊图像;通过设置大小的滤波窗口滤波获得的图像,可以获得有效去除一定大小以下的图像细节的模糊图像;将待提取细节的图像与获得的模糊图像做差值,获得细节部分的图像;通过原始图像与模糊图像做差值,即可得到一定大小以下的图像细节。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例,并且连同描述一起用于解释本发明的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本发明,其中:
图1为本发明图像细节的提取方法一个实施例的流程图。
图2为本发明图像细节的提取方法另一个实施例的流程图。
图3a-3e为本发明图像细节的提取方法的一个具体示例结构示意图。
图4为本发明图像细节的提取装置一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机系统/服务器,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本发明图像细节的提取方法一个实施例的流程图。如图1所示,该实施例方法包括:
步骤101,接收待提取细节的图像。
步骤102,基于图像中的待提取细节的大小设置滤波器的滤波窗口。
滤波器能够滤除多大像素值的细节图像,是根据滤波窗口的大小决定的,因此,在滤波操作之前,首先要根据待提取细节的大小设置滤波器的滤波窗口的大小,以便能得到准确的待提取细节。
操作103,滤波器基于设置的滤波窗口对图像执行滤波操作,获得模糊图像。
通过设置的滤波窗口对图像进行滤波,将获得去除待提取细节的模糊图像。
步骤104,将待提取细节的图像与获得的模糊图像做差值,获得细节部分的图像。
基于本发明上述实施例提供的一种图像细节的提取方法,接收待提取细节的图像;基于图像中的待提取细节的大小设置滤波器的滤波窗口;滤波器基于设置的滤波窗口对图像执行滤波操作,获得模糊图像;通过设置大小的滤波窗口滤波获得的图像,可以获得有效去除一定大小以下的图像细节的模糊图像;将待提取细节的图像与获得的模糊图像做差值,获得细节部分的图像;通过原始图像与模糊图像做差值,即可得到一定大小以下的图像细节。
在本发明图像细节的提取方法上述实施例的一个具体示例中,操作102,包括:
基于图像获得图像中的待提取细节,获得待提取细节占用的宽度像素值;
基于占用的宽度像素值设置模糊待提取细节的滤波窗口的大小。
本实施例中,对于需要获取的细节,首先分析其主要占用的宽度对于的宽度像素值,基于宽度像素值确定的滤波窗口的大小才能准确滤除对应宽度像素值的细节。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,基于占用的宽度像素值设置模糊待提取细节的滤波窗口的大小,包括:
将占用的宽度像素值乘以2再加一个设定值得到窗口宽度,基于得到的窗口宽度设置大小为以得到的窗口宽度为边长的正方形。
本实施例中为了滤除宽度像素值对应的细节图像,需要将滤波窗口设置为该宽度像素值的2倍,但滤波窗口的边长需要为奇数,因此,对宽度像素值乘以2再加一个设定值(如:1)得到窗口宽度,设定值为不大于该宽度像素值的奇数。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,还包括:
对获得的图像中的待提取细节图执行二值化。
本实施例中通过二值化更清晰的将待提取的细节在图中显示出来。图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,操作104包括:
基于待提取细节的图像获得所有原始像素;
基于获得的模糊图像获得所有模糊像素;
对对应位置的原始像素与对应位置的模糊像素计算差值。
本实施例中,对于两个图像做差值进行了限定,对两图像中对应位置的像素值分别计算差值,获得所有位置的差值即可构成待提取细节图。
图2为本发明图像细节的提取方法另一个实施例的流程图。如图2所示,该实施例方法包括:
步骤101,接收待提取细节的图像。
步骤202,基于图像中的待提取细节的大小范围为滤波器设置第一滤波窗口和第二滤波窗口。
其中,第一滤波窗口对应待提取细节的最大宽度像素值,第二滤波窗口对应待提取细节的最小宽度像素值;此时图像中待提取的细节是设定在最小像素值和最大像素值之间的细节。
步骤203,滤波器基于设置的第一滤波窗口和第二滤波窗口分别对图像执行滤波操作,获得第一模糊图像和第二模糊图像。
通过设置的第一滤波窗口和第二滤波窗口,将分别获得去除最大宽度像素值对应细节的第一模糊图像和去除最小宽度像素值对应细节的第二模糊图像。
步骤204,将第一模糊图像与第二模糊图像做差值,获得细节部分的图像。
基于本发明上述实施例提供的一种图像细节的提取方法,接收待提取细节的图像;基于图像中的待提取细节的大小范围为滤波器设置第一滤波窗口和第二滤波窗口;滤波器根据设置的第一滤波窗口和第二滤波窗口分别对图像执行滤波,获得第一模糊图像和第二模糊图像;通过设置大小的滤波窗口滤波获得的图像,可以获得有效去除一定大小以下的图像细节的模糊图像;将第一模糊图像与第二模糊图像做差值,基于差值的绝对值组成图像中的待提取细节图;通过第一模糊图像与第二模糊图像做差值,即可得到一定在设定像素值范围内的图像细节。
本发明图像细节的提取方法的又一个实施例,在上述各实施例的基础上,操作103和操作203包括:
基于设置的滤波窗口从图像中获取多个邻域区域;邻域区域的大小与滤波窗口相同;
分别对邻域区域执行滤波操作,获得对应邻域区域的滤波值;
基于所有获得的滤波值组成模糊图像。
在本实施例中,对于一张图像的滤波是通过多次分别对邻域区域执行滤波实现的,每次对一个滤波窗口大小的邻域区域执行滤波获得滤波值,在对所有邻域区域完成滤波后,即可获得模糊图像;对于操作203,区别仅在于基于两个滤波窗口分别获得多个邻域区域,具体可包括:基于设置的第一滤波窗口从图像中获得多个第一邻域区域,基于设置的第二滤波窗口从图像中获得多个第二邻域区域;所述第一邻域区域的大小与第一滤波窗口相同,所述第二邻域区域的大小与第二滤波窗口相同;分别对第一邻域区域执行滤波操作,获得对应第一邻域区域的第一滤波值;基于所有获得的第一滤波值组成第一模糊图像;分别对第二邻域区域执行滤波操作,获得对应第二邻域区域的第二滤波值;基于所有获得的第二滤波值组成第二模糊图像。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,基于设置的滤波窗口从图像中获取多个邻域区域,包括:
将设置的滤波窗口在图像上移动,在移动过程中获取每个对应滤波窗口大小的图像的区域作为邻域区域。
本实施例通过将滤波窗口在待处理图像中顺序移动,获得多个滤波窗口大小的邻域区域,基于多个邻域区域可获得对应邻域区域数量的滤波值,基于这些滤波值即可构成滤波后的滤波图像。
本发明图像细节的提取方法的还一个实施例,在上述各实施例的基础上,滤波器为中值滤波器;
分别对邻域区域执行滤波操作,获得对应邻域区域的滤波值,包括:
基于图像建立一个缓冲区;缓冲区包括多个缓存地址,所有缓存地址的初始值均为零;
基于滤波窗口获取图像中对应每个像素的邻域区域,滤波窗口的大小为m*m,m为大于1的奇数;
基于邻域区域中的像素值在缓冲区内累加,获得对应每个缓存地址中的累加值;
获取累加值大于m*m/2的缓存地址对应的像素值;以获取的像素值中的最小像素值作为邻域区域对应的像素的中值。
本实施例通过在缓冲区内对邻域区域的像素对应地址进行累加,实现了对邻域区域中的像素排序,可以快速查找像素;通过获取累加值大于m*m/2的缓存地址对应的像素值;将获取的像素值中的最小像素值作为邻域区域对应的像素的中值;降低了获取中值的复杂度,提高了中值滤波的处理效率。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,基于图像建立一个缓冲区,包括:
获取图像中所有像素对应的像素值,获取所有像素值中的最大像素值;建立缓冲区,缓冲区包括缓存地址的数量为最大像素值加1。
本实施例提供的方法的平均复杂度不随邻域的大小变化,只与待处理图像中像素的最大值有关,尤其是处理超过11x11邻域的中值滤波时,本实施例中值滤波的处理方法的效率远大于现有技术中的其他中值滤波处理方法(如:nth_elment算法)。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,基于邻域区域中的像素值在缓冲区内累加,获得对应每个缓存地址中的累加值,包括:
获取邻域区域中的所有像素值,对缓冲区内对应像素值的缓存地址中的初始值进行累加,获得对应每个缓存地址的第一累加值;
基于第一累加值执行二次累加,获得对应每个缓存地址的累加值。
本实施例中对应每个缓存地址的累加值是经过两次累加获得的,经过第一次累加确定邻域区域内的所有像素在缓冲区内的位置,经过第二次累加确定邻域区域内的所有像素之间的位置关系,通过累加值即可确定哪个邻域区域的像素为中值。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,获取邻域区域中的所有像素值,对缓冲区内对应所述像素值的缓存地址中的初始值进行累加,包括:
获取邻域区域中的所有像素值,基于像素值在缓存地址中查找到对应的m*m个缓存地址,将查找得到的缓存地址中的初始值加1。
本实施例中,可以将缓存地址进行编号,编号从0开始,直到编号达到最大像素值的数值;基于像素值的数值将对应数值编号的缓存地址中的初始值加1,此时将得到一组仅在对应邻域区域的像素值编号的缓存地址为1,其余缓存地址为0的缓存区。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,基于第一累加值执行二次累加,获得对应每个缓存地址的累加值,包括:
依次选取缓存地址作为当前缓存地址;
将当前缓存地址中的第一累加值与前一个缓存地址的累加值相加得到当前缓存地址的累加值,得到所有缓存地址中的累加值;其中,当当前缓存地址为首个缓存地址时,前一个缓存地址的累加值为0。
本实施例中,通过第二次累加,使对应邻域区域中最小像素值的缓存地址的累加值为1,对应邻域区域中按从小到大排序的第二个像素值的缓存地址的累加值为2,以此类推,对应邻域区域中最大像素值的缓存地址的累加值为m*m;此时由累加值的大小即可确定累加值仅大于m*m/2的缓存地址对应的像素值为所述邻域区域的中值。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,获取累加值大于m*m/2的缓存地址对应的像素值;将获取的像素值中的最小像素值作为邻域区域对应的像素的中值,包括:
基于获取的对应每个缓存地址的累加值,按顺序将累加值与m*m/2进行比较,得到数值大于m*m/2的累加值;
基于得到的累加值获取对应得到的累加值的像素值;将对应累加值的像素值中的最小像素值作为邻域区域对应的像素的中值。
本实施例中,通过将得到的累加值与m*m/2进行比较,将获得多个数值大于m*m/2的累加值,将其中最小像素值作为邻域区域对应的中值。
在本发明图像细节的提取方法上述各实施例的一个具体示例中,将对应累加值的像素值中的最小像素值作为邻域区域对应的像素的中值,包括:
将对应累加值的像素值按大小排序,基于排序后的对应累加值的像素值获得最小像素值;
将最小像素值作为邻域区域对应的像素的中值。
本实施例中,将对应累加值的像素值按从小到大或从大到小进行排序,按从小到大排序时,获取第一个像素值为最小像素值;按从大到小排序时,获取最后一个像素值为最小像素值。
本发明图像细节的提取方法的再一个实施例,在上述各实施例的基础上,滤波器为线性滤波器。
在本实施例中,提供了除中值滤波器以外,本发明还可以采用线性滤波器对待提取细节的图像进行滤波,以获得细节图。
图3a-3e为本发明图像细节的提取方法的一个具体示例结构示意图。如图3a所示,该图像为待提取细节的图像,本实施例中需要对其中画的枝干部分进行提取,经过观察,枝干大部分在12个像素的宽度,因此,选择25*25的滤波窗口做中值滤波(12*2+1=25);此处采用中值滤波是由于中值滤波相比于线性滤波器,它具有优秀的去噪能力,同时得到的图像具有较低的模糊程度;如图3b所示,经过中值滤波获得的滤波图像图案基本是模糊的;如图3c所示,将图3a与图3b做差值,即可获得待提取细节图,图中枝干的轮廓显示出来;如图3d所示,在本实施例中还可以对图3c经过一次小窗口的中值滤波,将图中过小的细节过滤掉;如图3e所示,对于图3d获得的图像在一定阈值下执行二值化,可以得到突出的枝干部分的图像。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图4为本发明图像细节的提取装置一个实施例的结构示意图。该实施例的装置可用于实现本发明上述各方法实施例。如图4所示,该实施例的装置包括:
接收单元41,用于接收待提取细节的图像。
窗口设置单元42,用于基于图像中的待提取细节的大小设置滤波器的滤波窗口。
滤波器能够滤除多大像素值的细节图像,是根据滤波窗口的大小决定的,因此,在滤波操作之前,首先要根据待提取细节的大小设置滤波器的滤波窗口的大小,以便能得到准确的待提取细节。
滤波单元43,用于控制滤波器基于设置的滤波窗口对图像执行滤波操作,获得模糊图像。
细节提取单元44,用于将待提取细节的图像与获得的模糊图像做差值,获得细节部分的图像。
基于本发明上述实施例提供的一种图像细节的提取装置,接收待提取细节的图像;基于图像中的待提取细节的大小设置滤波器的滤波窗口;滤波器根据设置的滤波窗口对图像执行滤波,获得模糊图像;通过设置大小的滤波窗口滤波获得的图像,可以获得有效去除一定大小以下的图像细节的模糊图像;将待提取细节的图像与获得的模糊图像做差值,基于差值的绝对值组成图像中的待提取细节图;通过原始图像与模糊图像做差值,即可得到一定大小以下的图像细节。
在本发明图像细节的提取装置上述实施例的一个具体示例中,窗口设置单元42,包括:
宽度获取模块,用于基于图像获得图像中的待提取细节,获得待提取细节占用的宽度像素值;
大小设置模块,用于基于占用的宽度像素值设置模糊待提取细节的滤波窗口的大小。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,大小设置模块,具体用于将占用的宽度像素值乘以2再加一个设定值得到窗口宽度,基于得到的窗口宽度设置大小为以得到的窗口宽度为边长的正方形;该设定值为大于或等于1小于宽度像素值。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,还包括:
二值化单元,用于对获得的图像中的待提取细节图执行二值化。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,细节提取单元,具体用于基于待提取细节的图像获得所有原始像素;基于获得的模糊图像获得所有模糊像素;将对应位置的原始像素与对应位置的模糊像素做差值。
本发明图像细节的提取装置的另一个实施例,在上述各实施例的基础上,窗口设置单元42,具体用于基于图像中的待提取细节的大小范围为滤波器设置第一滤波窗口和第二滤波窗口。
其中,第一滤波窗口对应待提取细节的最大宽度像素值,第二滤波窗口对应待提取细节的最小宽度像素值;
滤波单元43,具体用于控制滤波器基于设置的第一滤波窗口和第二滤波窗口分别对图像执行滤波操作,获得第一模糊图像和第二模糊图像。
细节提取单元44,具体用于将第一模糊图像与第二模糊图像做差值,获得细节部分的图像。
基于本发明上述实施例提供的一种图像细节的提取装置,接收待提取细节的图像;基于图像中的待提取细节的大小范围为滤波器设置第一滤波窗口和第二滤波窗口;滤波器根据设置的第一滤波窗口和第二滤波窗口分别对图像执行滤波,获得第一模糊图像和第二模糊图像;通过设置大小的滤波窗口滤波获得的图像,可以获得有效去除一定大小以下的图像细节的模糊图像;将第一模糊图像与第二模糊图像做差值,基于差值的绝对值组成图像中的待提取细节图;通过第一模糊图像与第二模糊图像做差值,即可得到一定在设定像素值范围内的图像细节。
本发明图像细节的提取装置的又一个实施例,在上述各实施例的基础上,在本发明图像细节的提取装置上述各实施例的一个具体示例中,滤波单元44,包括:
区域获取模块,用于基于设置的滤波窗口从图像中获取多个邻域区域;邻域区域的大小与滤波窗口相同;
滤波操作模块,用于分别对邻域区域执行滤波操作,获得对应邻域区域的滤波值;基于所有获得的滤波值组成模糊图像。
在本实施例中,对于一张图像的滤波是通过多次分别对邻域区域执行滤波实现的,每次对一个滤波窗口大小的邻域区域执行滤波获得滤波值,在对所有邻域区域完成滤波后,即可获得模糊图像;对于基于两个滤波窗口分别获得多个邻域区域,具体可包括:基于设置的第一滤波窗口从图像中获得多个第一邻域区域,基于设置的第二滤波窗口从图像中获得多个第二邻域区域;所述第一邻域区域的大小与第一滤波窗口相同,所述第二邻域区域的大小与第二滤波窗口相同;分别对第一邻域区域执行滤波操作,获得对应第一邻域区域的第一滤波值;基于所有获得的第一滤波值组成第一模糊图像;分别对第二邻域区域执行滤波操作,获得对应第二邻域区域的第二滤波值;基于所有获得的第二滤波值组成第二模糊图像。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,区域获取模块,具体用于将设置的滤波窗口在图像上移动,在移动过程中获取每个对应滤波窗口大小的图像的区域作为邻域区域。
本发明图像细节的提取装置的还一个实施例,在上述各实施例的基础上,滤波器为中值滤波器;
滤波操作模块,包括:
缓冲建立模块,用于基于图像建立一个缓冲区;缓冲区包括多个缓存地址,所有缓存地址的初始值均为零;
邻域获取模块,用于基于滤波窗口获取图像中对应每个像素的邻域区域,滤波窗口的大小为m*m,m为大于1的奇数;
缓存累加模块,用于基于邻域区域中的像素值在缓冲区内累加,获得对应每个缓存地址中的累加值;
中值获取模块,用于获取累加值大于m*m/2的缓存地址对应的像素值;以获取的像素值中的最小像素值作为邻域区域对应的像素的中值。
本实施例通过在缓冲区内对邻域区域的像素对应地址进行累加,实现了对邻域区域中的像素排序,可以快速查找像素;通过获取累加值大于m*m/2的缓存地址对应的像素值;将获取的像素值中的最小像素值作为邻域区域对应的像素的中值;降低了获取中值的复杂度,提高了中值滤波的处理效率。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,缓冲建立模块,具体用于获取图像中所有像素对应的像素值,获取所有像素值中的最大像素值;建立缓冲区,缓冲区包括缓存地址的数量为最大像素值加1。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,缓存累加模块,包括:
第一累加模块,用于获取邻域区域中的所有像素值,对缓冲区内对应像素值的缓存地址中的初始值进行累加,获得对应每个缓存地址的第一累加值;
第二累加模块,用于基于第一累加值执行二次累加,获得对应每个缓存地址的累加值。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,第一累加模块,具体用于获取邻域区域中的所有像素值,基于像素值在缓存地址中查找到对应的m*m个缓存地址,将查找得到的缓存地址中的初始值加1。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,第二累加模块,具体用于依次选取缓存地址作为当前缓存地址;将当前缓存地址中的第一累加值与前一个缓存地址的累加值相加得到当前缓存地址的累加值,得到所有缓存地址中的累加值;其中,当当前缓存地址为首个缓存地址时,前一个缓存地址的累加值为0。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,中值获取模块,包括:
比较模块,用于基于获取的对应每个缓存地址的累加值,按顺序将累加值与m*m/2进行比较,得到数值大于m*m/2的累加值;
中值模块,用于基于得到的累加值获取对应得到的累加值的像素值;将对应累加值的像素值中的最小像素值作为邻域区域对应的像素的中值。
在本发明图像细节的提取装置上述各实施例的一个具体示例中,中值模块,具体用于将对应累加值的像素值按大小排序,基于排序后的对应累加值的像素值获得最小像素值;将最小像素值作为邻域区域对应的像素的中值。
本发明图像细节的提取装置的再一个实施例,在上述各实施例的基础上,滤波器为线性滤波器。
在本实施例中,提供了除中值滤波器以外,本发明还可以采用线性滤波器对待提取细节的图像进行滤波,以获得细节图。
根据本发明实施例的一个方面,提供的一种电子设备,包括处理器,处理器包括本发明上述任一实施例的图像细节的提取装置。
根据本发明实施例的一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与存储器通信以执行该可执行指令从而完成本发明上述任一实施例图像细节的提取方法的操作。
根据本发明实施例的一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,该指令被执行时执行本发明上述任一实施例图像细节的提取方法的操作。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本发明的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种图像细节的提取方法,其特征在于,包括:
接收待提取细节的图像;
基于所述图像中的待提取细节的大小设置滤波器的滤波窗口;
所述滤波器基于所述设置的滤波窗口对所述图像执行滤波操作,获得模糊图像;
将所述待提取细节的图像与所述获得的模糊图像做差值,获得细节部分的图像。
2.根据权利要求1所述的方法,其特征在于,基于所述图像中的待提取细节的大小设置滤波窗口,包括:
基于所述图像获得图像中的待提取细节,获得待提取细节占用的宽度像素值;
基于所述占用的宽度像素值设置模糊所述待提取细节的滤波窗口的大小。
3.根据权利要求2所述的方法,其特征在于,基于所述占用的宽度像素值设置模糊所述待提取细节的滤波窗口的大小,包括:
将所述占用的宽度像素值乘以2再加一个设定值得到窗口宽度,基于所述得到的窗口宽度设置大小为以所述得到的窗口宽度为边长的正方形。
4.根据权利要求1-3任一所述的方法,其特征在于,还包括:
对获得的所述图像中的待提取细节图执行二值化。
5.根据权利要求1-4任一所述的方法,其特征在于,基于所述图像中的待提取细节的大小设置滤波器的滤波窗口,包括:基于所述图像中的待提取细节的大小范围为滤波器设置第一滤波窗口和第二滤波窗口;所述第一滤波窗口对应待提取细节的最大宽度像素值,所述第二滤波窗口对应待提取细节的最小宽度像素值;
所述滤波器根据所述设置的滤波窗口对所述图像执行滤波,获得模糊图像,包括:所述滤波器根据所述设置的第一滤波窗口和第二滤波窗口分别对所述图像执行滤波,获得第一模糊图像和第二模糊图像;
将所述待提取细节的图像与所述获得的模糊图像做差值,包括:将所述第一模糊图像与所述第二模糊图像做差值,基于所述差值的绝对值组成所述图像中的待提取细节图。
6.根据权利要求1-5任一所述的方法,其特征在于,所述滤波器基于所述设置的滤波窗口对所述图像执行滤波操作,获得模糊图像,包括:
基于所述设置的滤波窗口从所述图像中获取多个邻域区域;所述邻域区域的大小与滤波窗口相同;
分别对所述邻域区域执行滤波操作,获得对应所述邻域区域的滤波值;
基于所有所述获得的滤波值组成模糊图像。
7.一种图像细节的提取装置,其特征在于,包括:
接收单元,用于接收待提取细节的图像;
窗口设置单元,用于基于所述图像中的待提取细节的大小设置滤波器的滤波窗口;
滤波单元,用于控制所述滤波器基于所述设置的滤波窗口对所述图像执行滤波操作,获得模糊图像;
细节提取单元,用于将所述待提取细节的图像与所述获得的模糊图像做差值,获得细节部分的图像。
8.一种电子设备,其特征在于,包括处理器,所述处理器包括权利要求7所述的图像细节的提取装置。
9.一种电子设备,其特征在于,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至6任意一项所述图像细节的提取方法的操作。
10.一种计算机存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1至6任意一项所述图像细节的提取方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711024528.2A CN107833232B (zh) | 2017-10-27 | 2017-10-27 | 图像细节的提取方法和装置、电子设备、计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711024528.2A CN107833232B (zh) | 2017-10-27 | 2017-10-27 | 图像细节的提取方法和装置、电子设备、计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107833232A true CN107833232A (zh) | 2018-03-23 |
CN107833232B CN107833232B (zh) | 2020-10-09 |
Family
ID=61649869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711024528.2A Active CN107833232B (zh) | 2017-10-27 | 2017-10-27 | 图像细节的提取方法和装置、电子设备、计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107833232B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932616A (zh) * | 2018-06-21 | 2018-12-04 | 马铁军 | 电子通行通道支付切换平台 |
CN109785264A (zh) * | 2019-01-15 | 2019-05-21 | 北京旷视科技有限公司 | 图像增强方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521804A (zh) * | 2011-11-30 | 2012-06-27 | 山东大学 | 基于窗口改进的多级中值滤波的图像边缘检测方法 |
CN104021532A (zh) * | 2014-06-19 | 2014-09-03 | 电子科技大学 | 一种红外图像的图像细节增强方法 |
CN105096263A (zh) * | 2014-05-22 | 2015-11-25 | 安凯(广州)微电子技术有限公司 | 图像滤波方法和装置 |
CN105191277A (zh) * | 2013-03-22 | 2015-12-23 | 马维尔国际贸易有限公司 | 基于引导式滤波器的细节增强 |
CN105809644A (zh) * | 2016-03-15 | 2016-07-27 | 深圳英飞拓科技股份有限公司 | 图像边缘伪色抑制方法及装置 |
US20160275675A1 (en) * | 2015-03-18 | 2016-09-22 | Casio Computer Co., Ltd. | Image processing method to diagnose cutaneous lesion, diagnostic apparatus used for the same method, and medium storing program associated with the same method |
US20160284065A1 (en) * | 2015-03-24 | 2016-09-29 | Intel Corporation | Non-local means image denoising with an adaptive directional spatial filter |
CN106846266A (zh) * | 2016-12-30 | 2017-06-13 | 四川迪派锐科技有限公司 | 一种提取不同尺度空间分辨率细节图像的分解方法 |
-
2017
- 2017-10-27 CN CN201711024528.2A patent/CN107833232B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521804A (zh) * | 2011-11-30 | 2012-06-27 | 山东大学 | 基于窗口改进的多级中值滤波的图像边缘检测方法 |
CN105191277A (zh) * | 2013-03-22 | 2015-12-23 | 马维尔国际贸易有限公司 | 基于引导式滤波器的细节增强 |
CN105096263A (zh) * | 2014-05-22 | 2015-11-25 | 安凯(广州)微电子技术有限公司 | 图像滤波方法和装置 |
CN104021532A (zh) * | 2014-06-19 | 2014-09-03 | 电子科技大学 | 一种红外图像的图像细节增强方法 |
US20160275675A1 (en) * | 2015-03-18 | 2016-09-22 | Casio Computer Co., Ltd. | Image processing method to diagnose cutaneous lesion, diagnostic apparatus used for the same method, and medium storing program associated with the same method |
US20160284065A1 (en) * | 2015-03-24 | 2016-09-29 | Intel Corporation | Non-local means image denoising with an adaptive directional spatial filter |
CN105809644A (zh) * | 2016-03-15 | 2016-07-27 | 深圳英飞拓科技股份有限公司 | 图像边缘伪色抑制方法及装置 |
CN106846266A (zh) * | 2016-12-30 | 2017-06-13 | 四川迪派锐科技有限公司 | 一种提取不同尺度空间分辨率细节图像的分解方法 |
Non-Patent Citations (2)
Title |
---|
HASHEMI S等: "An image enhancement method based on genetic algorithm", 《ICDIP》 * |
郝志成等: "基于双边纹理滤波的图像细节增强方法", 《中国光学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932616A (zh) * | 2018-06-21 | 2018-12-04 | 马铁军 | 电子通行通道支付切换平台 |
CN109785264A (zh) * | 2019-01-15 | 2019-05-21 | 北京旷视科技有限公司 | 图像增强方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107833232B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fu et al. | Removing rain from single images via a deep detail network | |
Singh et al. | Dehazing of remote sensing images using improved restoration model based dark channel prior | |
Chandel et al. | Image filtering algorithms and techniques: A review | |
Giakoumis et al. | Digital image processing techniques for the detection and removal of cracks in digitized paintings | |
Roa'a et al. | Generation of high dynamic range for enhancing the panorama environment | |
CN107705270A (zh) | 中值滤波的处理方法和装置、电子设备、计算机存储介质 | |
CN109784372B (zh) | 一种基于卷积神经网络的目标分类方法 | |
Saha et al. | Mutual spectral residual approach for multifocus image fusion | |
Gómez-Ríos et al. | Coral species identification with texture or structure images using a two-level classifier based on Convolutional Neural Networks | |
Wan et al. | Style-guided shadow removal | |
CN108319894A (zh) | 基于深度学习的水果识别方法及装置 | |
CN110047122A (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN109145911A (zh) | 一种街拍照片目标人物提取方法 | |
CN107833232A (zh) | 图像细节的提取方法和装置、电子设备、计算机存储介质 | |
Liu et al. | Large size single image fast defogging and the real time video defogging FPGA architecture | |
Koo et al. | Nighttime haze removal with glow decomposition using GAN | |
CN113191235B (zh) | 杂物检测方法、装置、设备及存储介质 | |
CN105930391A (zh) | 超解像系统中图像样本数据库的更新方法及图像服务器 | |
Lee et al. | Depth-guided adaptive contrast enhancement using 2D histograms | |
RU2557755C1 (ru) | Способ сжатия изображения при фрактальном кодировании | |
Priya et al. | Effective morphological image processing techniques and image reconstruction | |
Jagdale et al. | A novel algorithm for video super-resolution | |
Happ et al. | Towards distributed region growing image segmentation based on MapReduce | |
Ouyang | Total variation constraint GAN for dynamic scene deblurring | |
Ramakanth et al. | Super resolution using a single image dictionary |
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 |