CN108062746A - 一种视频图像处理方法与装置、视频编码系统 - Google Patents
一种视频图像处理方法与装置、视频编码系统 Download PDFInfo
- Publication number
- CN108062746A CN108062746A CN201610986226.2A CN201610986226A CN108062746A CN 108062746 A CN108062746 A CN 108062746A CN 201610986226 A CN201610986226 A CN 201610986226A CN 108062746 A CN108062746 A CN 108062746A
- Authority
- CN
- China
- Prior art keywords
- component
- mrow
- denoising
- processing
- video
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 230000003044 adaptive effect Effects 0.000 claims abstract description 17
- 238000012886 linear function Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 23
- 230000002708 enhancing effect Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003623 enhancer Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007704 transition 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
- G06T5/70—Denoising; Smoothing
-
- 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
- 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Picture Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种视频图像去噪和对比度增强方法及装置。方法包括：获取YUV格式的视频文件，并将其分割为多个视频帧；对于多个视频帧中的每一帧，执行：读取每一帧图像中的Y、U和V分量；对其中的Y分量，分别执行引导滤波去噪处理、限制对比度自适应直方图均衡化处理和分段线性拉伸处理；将拉伸操作后得到的Y分量与该帧中原始的U、V分量合成为新的YUV视频图像帧。该方法在处理时不需要进行RGB和YUV格式的互转，仅针对Y分量进行处理，避免了现有技术中针对RGB三通道同时去噪时出现的图像整体偏亮和颜色欠饱和问题，也避免了对YUV三分量同时进行对比度增强时出现的图像颜色失真及整体对比度不理想的问题，并减少了运算量，节省了运算时间。
Description
技术领域
本发明属于视频图像处理技术领域，尤其涉及一种对YUV格式的视频帧进行处理的方法与装置，以及包含该装置的视频编码系统。
背景技术
视频图像在传输和存储的过程中，会受到噪声的干扰而使视频降质，对后续的视频处理及观看产生不利的影响。为了抑制噪声，改善视频质量，便于后续更高层次的处理，通常需要对视频进行去噪和对比度增强处理。
现有的视频去噪和对比度增强方法都是在RGB彩色模式下进行的，当输入的待处理视频对象为YUV数据时，往往需要先将YUV转为RGB形式，然后再进行去噪和对比度增强处理，最后再将处理得到的RGB文件转为YUV形式。在去噪的过程中，如果处理对象是灰度图像，则直接进行去噪处理；如果处理对象是彩色图像，则需要对RGB三通道同时进行去噪处理。
在实现本发明的过程中，发明人发现至少存在如下问题：RGB与YUV互转不仅损失了图像颜色信息，而且增加了运算时间。RGB三通道同时去噪会出现图像整体偏亮和颜色过饱和问题。并且，若在随后对三通道同时进行对比度增强，会出现图像颜色失真及整体对比度不理想的问题。
为解决现有技术中的上述缺陷，需要提出一种新的视频图像去噪和对比度增强方法，以克服现有技术中对YUV格式视频图像处理过程中存在的问题。
发明内容
本发明的目的是提供一种视频图像去噪和对比度增强方法，以解决现有技术中对YUV格式视频图像进行去噪和对比度增强处理过程中存在的问题。
根据本发明的一个方面，提供一种视频图像处理方法，包括以下步骤：获取YUV格式的视频文件；对于所述视频文件包括的每一帧图像，分别执行如下处理：读取当前帧图像中的Y分量；对所述Y分量，执行去噪处理；对去噪处理后的Y分量，执行对比度增强处理；将对比度增强处理后的Y分量，与所述当前帧图像中的U分量和V分量合成为新的YUV视频图像帧。
其中，在上述发明中，以经过引导滤波去噪处理的前一帧作为引导图，对当前帧图像中的所述Y分量，执行引导滤波去噪处理。
其中，在上述发明中，对去噪处理后的Y分量，执行限制对比度自适应直方图均衡化处理；对直方图均衡化处理之后的Y分量，执行分段线性拉伸操作；并且，该分段线性拉伸操作使用分段线性函数，对不同区间内的亮度值，分别执行分段线性拉伸处理。
其中，在上述发明中，所述的分段线性拉伸操作，按照以下函数执行：
其中，Y表示去噪和限制对比度自适应直方图均衡化处理后的分量，Yout表示分段线性变换后的结果；该分段线性变换函数表示将a和b之间的亮度值变换到c和d之间，其中：a＝minY,b＝maxY,c＝minYout,d＝maxYout。
其中，在上述发明中，在对每一帧执行将拉伸操作后得到的Y分量与该帧中原始的U、V分量合成为新的YUV视频图像帧的处理之后，还具有如下步骤：将全部新的YUV视频图像帧合成为完整的YUV视频文件。
根据本发明的另一个方面，提供了一种视频图像处理装置，包括以下部分：获取模块，获取YUV格式的视频文件；处理模块，用于处理所述视频文件包括的每一帧图像，具体包括：读取单元，读取当前帧图像中的Y分量；去噪单元，对所述Y分量，执行去噪处理；均衡化单元，对去噪处理后的Y分量，执行对比度增强处理；该视频图像处理装置还包括合成模块，用于将对比度增强处理后的Y分量，与所述当前帧图像中的U分量和V分量合成为新的YUV视频图像帧。
其中，在上述发明中，所述去噪单元执行的去噪处理，是引导滤波去噪处理，并且在处理过程中，以经过引导滤波去噪处理的前一帧作为引导图，对当前帧图像中的所述Y分量，执行引导滤波去噪处理。
其中，在上述发明中，所述均衡化单元执行的对比度增强处理，具体包括：对去噪处理后的Y分量，执行限制对比度自适应直方图均衡化处理；对直方图均衡化处理之后的Y分量，执行分段线性拉伸操作；所述对直方图均衡化处理之后的Y分量，执行分段线性拉伸操作，具体包括：使用分段线性函数，对不同区间内的亮度值，分别执行分段线性拉伸处理。
其中，在上述发明中，还包括YUV视频帧合成模块，用于将全部新的YUV视频图像帧合成为完整的YUV视频文件并输出。
根据本发明的另一个方面，还提供了一种视频编码系统，包括如上所述的视频图像处理装置。
根据本发明的视频图像处理和装置，以及视频编码系统，在对输入的YUV视频图像进行处理时，能够不需要按照传统的处理方式将输入的YUV视频数据转换为RGB格式的数据再进行处理而能够直接完成，并且由于直接对YUV数据中的Y分量进行引导滤波去噪，避免了对RGB图像去噪后出现的图像整体偏亮和颜色过饱和现象，且运算过程更快。并且，通过对去噪后的Y分量进行限制对比度自适应直方图均衡化和分段线性拉伸处理，避免了对RGB三分量同时进行对比度增强后出现的图像颜色失真现象及整体对比度不理想问题，且相对于现有技术同样提高了运算效率。
附图说明
图1为本发明视频图像处理方法的一个实施例中限制对比度自适应直方图均衡化算法的直方图变换过程示意图；
图2为本发明视频图像处理方法的一个实施例中分段拉伸变换操作的示意图；
图3为本发明视频图像处理方法的一个实施例的流程框图；
图4为本发明一具体实施方式中，一YUV图像帧的原始图像示例；
图5为本发明一具体实施方式中，只对Y分量去噪处理后的效果图示例；
图6为本发明一具体实施方式中，只对Y分量进行去噪及限制对比度直方图均衡化处理后的效果图示例；
图7为本发明一具体实施方式中，只对Y分量进行去噪、限制对比度直方图均衡化和分段线性拉伸处理后的效果图示例。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。
YUV视频制式是被欧洲电视系统所采用的一种颜色编码方法，是PAL和SECAM模拟彩色电视制式采用的颜色空间，其中Y：表示明亮度(Luminance或Luma)，即灰度值；U和V：表示色度(Chrominance或Chroma)，描述影像色彩及饱和度，指定像素的颜色。视频流如果是RGB形式，那么在传输的过程中需要R、G和B三个独立的视频信号同时传输。而YUV形式的视频流不同，其亮度信息Y与色彩信息UV是分离的，可以避免相互干扰，还可以降低色度的采样率(不会明显降低图像的视觉质量)，在传输过程中占用极少的频宽。
图像中的噪声就是图像中的杂点或者干扰成分，主要产生于图像的获取和传输过程中。噪声是由噪声分量灰度值的统计特性来描述的，可以被认为是由概率密度函数(PDF)表示的随机变量。
对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，即指一幅图像灰度反差的大小，反差越大代表对比度越大，图像越清晰醒目，色彩也越鲜明艳丽；反差越小代表对比度越小，图像的整个画面灰蒙蒙的。
如前所述，视频图像在传输和存储的过程中，会受到噪声的干扰而使视频降质，对后续的视频处理及观看产生不利的影响。为了抑制噪声，改善视频质量，便于后续更高层次的处理，通常需要对视频进行去噪和对比度增强处理。
而现有的YUV图像去噪和对比度增强处理过程，均需要执行YUV和RGB格式的转换后，在RGB空间中进行处理，并在处理之后执行反向转换过程，得到YUV格式的图像。上述处理过程存在着计算繁琐与图像质量不高等缺陷。
为了克服现有技术中的相关缺陷，本申请提出了一种对Y分量单独进行滤波处理与对比度均衡操作的视频处理算法。
首先，介绍本发明中所使用的、对图像进行引导滤波处理的具体算法。引导滤波算法使用了局部线性模型(某函数上一点与其邻近处的点成线性关系)，认为一个复杂的函数可以用很多局部的线性函数来表示，当需要求解该函数上某一点的值时，只需将所有包含该点的线性函数的值做平均即可。
引导滤波假设在一个二维窗口中输出和输入满足线性关系
其中：q是输出图像的值，I是引导图像的值，其可以是待滤波图像本身，也可以是其他图像，i，k是像素索引，ωk是以r为半径，k为中心的正方形窗口，ak,bk是在窗口ωk中线性函数的系数。通过线性回归和最小二乘法，计算得到
其中：|ω|是窗口ωk中像素的数量，是待滤波图像p在窗口ωk中的均值，μk是I在窗口ωk中的均值，是I在窗口ωk中的方差，eps是平滑因子。在计算每个窗口的线性系数时，每个像素点会被多个窗口包含，那么每个像素点将由多个线性函数描述。因此，在具体求某一像素点的输出值时，需要将所有包含该像素点的线性函数值求平均。结合公式(1)和(2)，得到
对公式(1)两边取梯度，得到这就解释了当引导图为待滤波图像时，引导滤波处理之后的图像能保持边缘特性。当eps＝0时，ak＝1,bk＝0，这些滤波处理没有任何作用，输出等于输入；当eps＞0时，在像素值变化小的区域，有引导滤波处理相当于一个加权均值滤波，在像素值变化大的区域，有ak≈1,bk≈0，引导滤波处理的效果很弱，有助于保持边缘性。可以看出，在窗口半径r不变的情况下，随着平滑参数eps的增大，滤波效果越明显，图像细节损失越多；在平滑参数eps不变的情况下，滤波窗口半径r越大，处理后的效果图越模糊。
与双边滤波相比较，引导滤波在一些细节处理上较好，且引导滤波在使用大窗口处理图片时，效率更高。
在本发明的一个具体实施例中，在执行引导滤波去噪操作时，可以选择以去噪处理后的相邻前一帧作为引导图。这种情况下，对于第一帧图像，由于没有前一帧图像，因此以该帧图像自身作为引导图。对于第一帧之后的图像，可以选择去噪处理后的相邻前一帧作为引导图。
经过大量测试，申请人发现，当滤波窗口半径r＝8，平滑因子eps＝0.0004时，去噪后的视频效果相对比较好。
随后，介绍本发明中所使用的限制对比度自适应直方图均衡化算法。
限制对比度自适应直方图均衡化(Contrast Limited Adaptive HistogramEqualization，简称CLAHE)是一种自适应的提升图像对比度的图像处理技术，和普通的直方图均衡算法不同，CLAHE算法能通过限制局部直方图的高度来对局部对比度进行限幅，从而抑制局部的噪声过度放大以及去除分块处理所导致的块边缘过渡不平衡效应，且通过插值方法加快计算速度。
局部对比度限幅是对每个小区域都进行对比度限幅。对比度提高的幅度是由灰阶映射函数的斜率决定的，假设滑动窗口大小为M×N，则局部的灰阶映射函数g(i)及其斜率L可以表示为：
其中i表示灰度级，255表示待处理图像的位深是8bit，CDF(i)表示滑动窗口局部直方图的累积分布函数，Hist(i)表示直方图高度。由公式(5)可知，限制直方图高度就等同于限制灰阶映射函数g(t)的斜率L。假设限定的最大斜率为Lmax，则允许的最大直方图高度Histmax为：
从而，直方图高度大于阈值T的部分应被截去，为了保证总的直方图面积不变，将截去的直方图部分均匀地分布在整个灰阶范围上，整个直方图上升了一个高度h，如图1所示。于是Histmax,T,h三者之间的关系可表述为Histmax＝T+h。进而，得到改进的直方图为
综上可知，通过改变局部灰阶映射函数的最大斜率Lmax及相应的最大直方图高度Histmax，便可以获得不同对比度增强效果的图像。
CLAHE算法要计算每个像素领域内的直方图以及对应的灰阶映射函数，这使得该算法很耗时。但加入插值的方法后，计算效率得到了极大的提高，且图像质量没有下降。具体的插值实现过程为：边缘部分的像素采用线性插值，角点处的像素使用块所在的灰阶映射函数，其余部分的像素采用双线性插值。上述过程虽然增加了一些双线性插值计算量，但极大的降低了灰阶映射函数的计算次数，整个计算效率得到了极大的提高。
最后，介绍本发明中所使用的分段线性拉伸变换的处理过程。
当图像中的大部分像素的灰度(亮度)过于集中在某个区间时，往往会造成图像的整体对比度不够高。为此，可以通过执行直方图的分段线性拉伸处理，将灰度(亮度)值位于a和b之间的直方图，变换为位于c和d之间，以将原本过于集中在某个较窄区间的直方图，扩展到更大的灰度(亮度)区间，这样的操作能够提高图像的对比度，并进而提升图像的质量。参见图2可知，如果感兴趣对象的主要组成像素的灰度(亮度)值位于由a至b这一较狭窄的区间，此时对比度不够令人满意。这时可以通过执行直方图的分段线性拉伸处理，将其灰度(亮度)范围扩展到更大的区间(由c至d)，感兴趣对象的对比度能够得到改善，图像的视觉质量也能够得到提升。可以基于下述函数(参见公式8)，执行直方图的分段线性拉伸处理过程：
其中的Y表示去噪和限制对比度自适应直方图均衡化处理后的分量，Yout表示分段线性变换后的结果。该分段线性变换函数表示将a和b之间的灰度变换到c和d之间，其中：a＝minY,b＝maxY,c＝minYout,d＝maxYout。
通过这样的线性拉伸处理过程，能够有效改善图像的整体对比度状况，提升暗部细节，压缩过亮部分，从而克服当图像中的大部分像素的灰度(亮度)过于集中在某个区间时，造成的图像的整体对比度不够高的问题。
对于所属领域技术人员来说，可以通过计算直方图获得图像的对比度状况，并基于该直方图选取需要进行灰度线性变换的灰度区间端点值。选取过程可以基于经验值，或是基于计算直方图重心等常规计算方式。
接下来，将参考图3，基于一个具体示例阐述本发明实施方法的各具体实施步骤：
首先，YUV格式的视频文件被输入；随后计算YUV视频的总帧数framesNum，并初始化视频帧计数变量frames＝0。
随后，针对视频序列中的每一帧视频帧，按照顺序执行如下处理过程：
首先读取当前视频帧frames的Y、U和V分量，并对其中的Y分量，执行如上所述的引导滤波去噪处理；在该过程中，保存前一帧经引导滤波处理后得到的结果，作为下一帧执行引导滤波去噪处理的引导图；
随后，针对引导滤波去噪处理后的Y分量，执行如上所述的限制对比度自适应直方图均衡化(CLAHE)处理；
随后，针对CLAHE处理后的Y分量，执行分段线性拉伸处理，以增强其对比度；
随后，将当前视频帧中未处理的色度分量U和V，以及执行分段线性拉伸处理后得到的Y分量，合成为新的YUV视频帧。
当所有的YUV视频帧处理完毕后，输出处理后得到的YUV视频。
具体的，以下以一帧3840*2160的图像(soldier.bmp)为例，说明对其进行的处理过程。首先，输入其对应的YUV文件soldier.yuv，读取该YUV文件的Y、U和V分量；在U和V分量保持不变的情况下，先对Y分量进行引导滤波去噪，得到Y_denoising，其中：由于没有前一帧图像，此处以Y分量自身作为引导图，滤波窗口半径r＝8，平滑因子eps＝0.0004；再对Y_denoising进行限制对比度自适应直方图均衡化(CLAHE)，得到Y_denoising_clahe,其中：对比度增强因子取为1.0；再对Y_denoising_clahe经过分段线性变换函数(公式8)压缩暗部区域对比度，得到Y_out，其中：a＝12，b＝232，c＝9，d＝232；最后将Y_out和U、V分量写入新的YUV视频文件soldier_out.yuv。处理前的原图参见图4，各步骤处理后的结果以及最终结果参见图5-图7。从视觉效果来看，图5中的去噪后的效果图比原图干净了很多，而且清晰度并没有降低太多；图6中的去噪+CLAHE处理后的效果图比图5在亮度和清晰度方面都提升很多，对比度更明显，细节体现更多，例如，图中士兵的头发和衣服上的褶皱比图5更清楚；图7中的去噪+CLAHE+分段线性对比度增强后的效果图在之前的去噪和对比度增强基础上压缩了暗部区域的对比度，使得整幅图像的对比度效果更自然，图像的颜色基本不失真。从计算效果来看，经过测试，一帧3840*2160的soldier.yuv文件大约需要0.9s的时间，这个计算时间包括文件的输入、输出及中间的整个计算过程。
应当理解的是，在去噪的过程中，除了使用引导滤波方法，还可以使用双边滤波、维纳滤波和小波阈值去噪等类似方法；在对比度增强过程中，我们还可以有选择地对曝光不足的图像区域使用伽玛逆变换，而对曝光过度的图像区域使用伽玛变换，二者可以结合使用，也可以单独使用其中一个。
综上可知，采用上述流程，本发明所实现的视频去噪与对比度增强方法与装置，能够在不进行RGB和YUV互转的情况下，直接对YUV视频文件中的Y分量进行引导滤波去噪，限制对比度自适应直方图均衡化和分段线性变换处理，而U分量和V分量保持不变。由于仅针对YUV视频文件中的Y分量进行引导滤波去噪、限制对比度自适应直方图均衡化和分段线性变换处理，避免了RGB和YUV互转过程中图像颜色信息的丢失，也避免了RGB三通道同时去噪出现的图像整体偏亮和颜色欠饱和问题，还避免了三通道同时进行对比度增强出现的图像颜色失真及整体对比度不理想问题，且节省了运算时间。
该方法与装置可以嵌入在视频编码系统或其它视频处理系统中，也可以放在客户端使用，在改善视频质量的同时提高了视频增强的灵活性，保证了视频颜色不失真，且运算时间更少。
本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种视频图像处理方法，其特征在于，包括：
获取YUV格式的视频文件；
对于所述视频文件包括的每一帧图像，分别执行如下处理：
读取当前帧图像中的Y分量；
对所述Y分量，执行去噪处理；
对去噪处理后的Y分量，执行对比度增强处理；
将对比度增强处理后的Y分量，与所述当前帧图像中的U分量和V分量合成为新的YUV视频图像帧。
2.根据权利要求1所述的方法，其特征在于，所述对Y分量，执行去噪处理，具体包括：
对所述Y分量，执行引导滤波去噪处理，具体包括：
以经过引导滤波去噪处理的前一帧作为引导图，对当前帧图像中的所述Y分量，执行引导滤波去噪处理。
3.根据权利要求1所述的方法，其特征在于，所述对去噪处理后的Y分量，执行对比度增强处理，具体包括：
对去噪处理后的Y分量，执行限制对比度自适应直方图均衡化处理；
对直方图均衡化处理之后的Y分量，执行分段线性拉伸操作；
所述对直方图均衡化处理之后的Y分量，执行分段线性拉伸操作，具体包括：
使用分段线性函数，对不同区间内的亮度值，分别执行分段线性拉伸处理。
4.根据权利要求3所述的方法，其特征在于，所述的分段线性拉伸操作，按照以下函数执行：
<mrow>
<msub>
<mi>Y</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mi>c</mi>
<mi>a</mi>
</mfrac>
<mi>Y</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>Y</mi>
<mo>&le;</mo>
<mi>a</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mo>-</mo>
<mi>c</mi>
</mrow>
<mrow>
<mi>b</mi>
<mo>-</mo>
<mi>a</mi>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>c</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>a</mi>
<mo><</mo>
<mi>Y</mi>
<mo><</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mn>255</mn>
<mo>-</mo>
<mi>d</mi>
</mrow>
<mrow>
<mn>255</mn>
<mo>-</mo>
<mi>b</mi>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>-</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>d</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>b</mi>
<mo>&le;</mo>
<mi>Y</mi>
<mo>&le;</mo>
<mn>255</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，Y表示去噪和限制对比度自适应直方图均衡化处理后的分量，Yout表示分段线性变换后的结果；该函数表示将a和b之间的亮度值变换到c和d之间，其中：a＝min Y,b＝maxY,c＝min Yout,d＝max Yout。
5.根据权利要求1-4任一项所述的方法，其特征在于，在所述将对比度增强处理后的Y分量与所述U分量和V分量合成为新的YUV视频图像帧之后，还包括：将全部新的YUV视频图像帧合成为完整的YUV视频文件并输出。
6.一种视频图像处理装置，其特征在于，包括：
获取模块，获取YUV格式的视频文件；
处理模块，用于处理所述视频文件包括的每一帧图像，具体包括：
读取单元，读取当前帧图像中的Y分量；
去噪单元，对所述Y分量，执行去噪处理；
均衡化单元，对去噪处理后的Y分量，执行对比度增强处理；
该视频图像处理装置还包括合成模块，用于将对比度增强处理后的Y分量，与所述当前帧图像中的U分量和V分量合成为新的YUV视频图像帧。
7.根据权利要求6所述的装置，其特征在于，所述去噪单元执行的去噪处理，是引导滤波去噪处理，并且，在处理过程中，以经过引导滤波去噪处理的前一帧作为引导图，对当前帧图像中的所述Y分量，执行引导滤波去噪处理。
8.根据权利要求6所述的装置，其特征在于，所述均衡化单元执行的对比度增强处理，具体包括：
对去噪处理后的Y分量，执行限制对比度自适应直方图均衡化处理；
对直方图均衡化处理之后的Y分量，执行分段线性拉伸操作；
所述对直方图均衡化处理之后的Y分量，执行分段线性拉伸操作，具体包括：
使用分段线性函数，对不同区间内的亮度值，分别执行分段线性拉伸处理。
9.根据权利要求6-8任一项所述的装置，其特征在于，还包括YUV视频帧合成模块，用于将全部新的YUV视频图像帧合成为完整的YUV视频文件并输出。
10.一种视频编码系统，包括如权利要求6-9任一项所述的视频图像处理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610986226.2A CN108062746A (zh) | 2016-11-09 | 2016-11-09 | 一种视频图像处理方法与装置、视频编码系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610986226.2A CN108062746A (zh) | 2016-11-09 | 2016-11-09 | 一种视频图像处理方法与装置、视频编码系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108062746A true CN108062746A (zh) | 2018-05-22 |
Family
ID=62137739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610986226.2A Pending CN108062746A (zh) | 2016-11-09 | 2016-11-09 | 一种视频图像处理方法与装置、视频编码系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108062746A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109523472A (zh) * | 2018-10-12 | 2019-03-26 | 海南大学 | Retinex彩色图像增强方法、计算机视觉处理系统 |
| CN109858449A (zh) * | 2019-02-01 | 2019-06-07 | 安谋科技（中国）有限公司 | 图像处理方法、装置、介质及系统 |
| CN110044818A (zh) * | 2019-04-12 | 2019-07-23 | 南京东奇艾尼特科技有限公司 | 一种基于y分量解析的多相机缺陷检测系统 |
| CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
| WO2019223069A1 (zh) * | 2018-05-25 | 2019-11-28 | 平安科技（深圳）有限公司 | 基于直方图的虹膜图像增强方法、装置、设备及存储介质 |
| CN110519485A (zh) * | 2019-09-09 | 2019-11-29 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN110579486A (zh) * | 2019-10-18 | 2019-12-17 | 东莞市庆颖智能自动化科技有限公司 | 半导体硅晶柱内部瑕疵影像检测设备及方法 |
| CN110706162A (zh) * | 2019-09-02 | 2020-01-17 | 深圳传音控股股份有限公司 | 一种图像处理方法、装置及计算机存储介质 |
| CN110766637A (zh) * | 2019-10-30 | 2020-02-07 | 北京金山云网络技术有限公司 | 一种视频处理方法、处理装置、电子设备及存储介质 |
| CN110866860A (zh) * | 2019-11-01 | 2020-03-06 | 成都费恩格尔微电子技术有限公司 | 生物特征识别用的cis芯片的图像处理方法 |
| CN111107370A (zh) * | 2019-12-31 | 2020-05-05 | 银河互联网电视有限公司 | 视频水印的嵌入处理方法、装置、电子设备及存储介质 |
| CN111147924A (zh) * | 2019-12-24 | 2020-05-12 | 书行科技(北京)有限公司 | 一种视频增强处理方法及系统 |
| CN111353955A (zh) * | 2020-02-28 | 2020-06-30 | 广州市百果园信息技术有限公司 | 一种图像处理方法、装置、设备和存储介质 |
| CN111723818A (zh) * | 2020-06-22 | 2020-09-29 | 浙江大华技术股份有限公司 | 图像预处理方法和装置 |
| CN111915497A (zh) * | 2019-05-09 | 2020-11-10 | 杭州睿琪软件有限公司 | 一种图像黑白增强方法、装置、电子设备和可读存储介质 |
| CN112055131A (zh) * | 2019-06-05 | 2020-12-08 | 杭州吉沁文化创意有限公司 | 一种视频处理系统及方法 |
| CN112102150A (zh) * | 2020-01-07 | 2020-12-18 | 胡景鲁 | 自适应短视频内容增强平台 |
| CN113038179A (zh) * | 2021-02-26 | 2021-06-25 | 维沃移动通信有限公司 | 视频编码方法、视频解码方法、装置及电子设备 |
| CN115511755A (zh) * | 2022-11-22 | 2022-12-23 | 杭州雄迈集成电路技术股份有限公司 | 一种视频流图像自适应增强方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103903230A (zh) * | 2014-03-28 | 2014-07-02 | 哈尔滨工程大学 | 一种视频图像海雾去除清晰化方法 |
| CN104240194A (zh) * | 2014-04-29 | 2014-12-24 | 西南科技大学 | 一种基于抛物线函数的低照度图像增强算法 |
| CN105205792A (zh) * | 2015-09-18 | 2015-12-30 | 天津大学 | 一种基于亮度色度分离的水下图像增强方法 |
-
2016
- 2016-11-09 CN CN201610986226.2A patent/CN108062746A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103903230A (zh) * | 2014-03-28 | 2014-07-02 | 哈尔滨工程大学 | 一种视频图像海雾去除清晰化方法 |
| CN104240194A (zh) * | 2014-04-29 | 2014-12-24 | 西南科技大学 | 一种基于抛物线函数的低照度图像增强算法 |
| CN105205792A (zh) * | 2015-09-18 | 2015-12-30 | 天津大学 | 一种基于亮度色度分离的水下图像增强方法 |
Non-Patent Citations (1)
| Title |
|---|
| 田小平等: "基于同态滤波的彩色图像增强", 《西安邮电大学学报》 * |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019223069A1 (zh) * | 2018-05-25 | 2019-11-28 | 平安科技（深圳）有限公司 | 基于直方图的虹膜图像增强方法、装置、设备及存储介质 |
| CN109523472A (zh) * | 2018-10-12 | 2019-03-26 | 海南大学 | Retinex彩色图像增强方法、计算机视觉处理系统 |
| CN109523472B (zh) * | 2018-10-12 | 2023-04-14 | 海南大学 | Retinex彩色图像增强方法、计算机视觉处理系统 |
| CN109858449A (zh) * | 2019-02-01 | 2019-06-07 | 安谋科技（中国）有限公司 | 图像处理方法、装置、介质及系统 |
| CN110044818A (zh) * | 2019-04-12 | 2019-07-23 | 南京东奇艾尼特科技有限公司 | 一种基于y分量解析的多相机缺陷检测系统 |
| CN111915497A (zh) * | 2019-05-09 | 2020-11-10 | 杭州睿琪软件有限公司 | 一种图像黑白增强方法、装置、电子设备和可读存储介质 |
| CN111915497B (zh) * | 2019-05-09 | 2023-11-03 | 杭州睿琪软件有限公司 | 一种图像黑白增强方法、装置、电子设备和可读存储介质 |
| CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
| CN112055131A (zh) * | 2019-06-05 | 2020-12-08 | 杭州吉沁文化创意有限公司 | 一种视频处理系统及方法 |
| CN110706162A (zh) * | 2019-09-02 | 2020-01-17 | 深圳传音控股股份有限公司 | 一种图像处理方法、装置及计算机存储介质 |
| CN110519485A (zh) * | 2019-09-09 | 2019-11-29 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN110519485B (zh) * | 2019-09-09 | 2021-08-31 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN110579486A (zh) * | 2019-10-18 | 2019-12-17 | 东莞市庆颖智能自动化科技有限公司 | 半导体硅晶柱内部瑕疵影像检测设备及方法 |
| CN110766637B (zh) * | 2019-10-30 | 2022-10-04 | 北京金山云网络技术有限公司 | 一种视频处理方法、处理装置、电子设备及存储介质 |
| CN110766637A (zh) * | 2019-10-30 | 2020-02-07 | 北京金山云网络技术有限公司 | 一种视频处理方法、处理装置、电子设备及存储介质 |
| CN110866860A (zh) * | 2019-11-01 | 2020-03-06 | 成都费恩格尔微电子技术有限公司 | 生物特征识别用的cis芯片的图像处理方法 |
| CN110866860B (zh) * | 2019-11-01 | 2023-12-26 | 上海菲戈恩微电子科技有限公司 | 生物特征识别用的cis芯片的图像处理方法 |
| CN111147924A (zh) * | 2019-12-24 | 2020-05-12 | 书行科技(北京)有限公司 | 一种视频增强处理方法及系统 |
| CN111107370A (zh) * | 2019-12-31 | 2020-05-05 | 银河互联网电视有限公司 | 视频水印的嵌入处理方法、装置、电子设备及存储介质 |
| CN112102150A (zh) * | 2020-01-07 | 2020-12-18 | 胡景鲁 | 自适应短视频内容增强平台 |
| CN111353955A (zh) * | 2020-02-28 | 2020-06-30 | 广州市百果园信息技术有限公司 | 一种图像处理方法、装置、设备和存储介质 |
| CN111723818A (zh) * | 2020-06-22 | 2020-09-29 | 浙江大华技术股份有限公司 | 图像预处理方法和装置 |
| CN113038179A (zh) * | 2021-02-26 | 2021-06-25 | 维沃移动通信有限公司 | 视频编码方法、视频解码方法、装置及电子设备 |
| CN115511755A (zh) * | 2022-11-22 | 2022-12-23 | 杭州雄迈集成电路技术股份有限公司 | 一种视频流图像自适应增强方法和系统 |
| CN115511755B (zh) * | 2022-11-22 | 2023-03-10 | 杭州雄迈集成电路技术股份有限公司 | 一种视频流图像自适应增强方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108062746A (zh) | 一种视频图像处理方法与装置、视频编码系统 | |
| US10554857B2 (en) | Method for noise-robust color changes in digital images | |
| CN104067311B (zh) | 数字化妆 | |
| CN106846270B (zh) | 一种图像边缘增强方法及装置 | |
| CN105850114A (zh) | 用于图像的逆色调映射的方法 | |
| WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
| CN105915909B (zh) | 一种高动态范围图像分层压缩方法 | |
| CN108205804A (zh) | 图像处理方法、装置及电子设备 | |
| US20040057623A1 (en) | Method for automated processing of digital image data | |
| KR20040044556A (ko) | 화상 처리 방법, 장치 및 프로그램 | |
| CN106651817A (zh) | 一种基于非抽样Contourlet的图像增强方法 | |
| CN109325918B (zh) | 一种图像处理的方法、装置及计算机存储介质 | |
| CN103702116B (zh) | 一种图像的宽动态压缩方法和装置 | |
| CN109345490A (zh) | 一种移动播放端实时视频画质增强方法及系统 | |
| TWI698124B (zh) | 影像調整方法以及相關的影像處理電路 | |
| CN110706180B (zh) | 一种极暗图像视觉质量提升方法、系统、设备及介质 | |
| CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及系统 | |
| CN105791635A (zh) | 基于gpu的视频增强去噪方法及装置 | |
| CN110415188A (zh) | 一种基于多尺度形态学的hdr图像色调映射方法 | |
| US7978910B2 (en) | Method and apparatus for adaptively filtering input image in color domains | |
| CN110111280A (zh) | 一种多尺度梯度域引导滤波的低照度图像增强算法 | |
| CN117876233A (zh) | 一种基于无人机遥感技术的测绘图像增强方法 | |
| Asari et al. | Nonlinear enhancement of extremely high contrast images for visibility improvement | |
| Shi et al. | Underwater image enhancement based on adaptive color correction and multi-scale fusion | |
| CN113284058B (zh) | 一种基于迁移理论的水下图像增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180522 |
|
| WD01 | Invention patent application deemed withdrawn after publication |