CN108550158A - 图像边缘处理方法、电子装置及计算机可读存储介质 - Google Patents

图像边缘处理方法、电子装置及计算机可读存储介质 Download PDF

Info

Publication number
CN108550158A
CN108550158A CN201810336646.5A CN201810336646A CN108550158A CN 108550158 A CN108550158 A CN 108550158A CN 201810336646 A CN201810336646 A CN 201810336646A CN 108550158 A CN108550158 A CN 108550158A
Authority
CN
China
Prior art keywords
pixel
luminance component
image
edge processing
enhanced
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
Application number
CN201810336646.5A
Other languages
English (en)
Other versions
CN108550158B (zh
Inventor
朱江
赵斌
张裕桦
吴宇
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.)
TCL China Star Optoelectronics Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics 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 Shenzhen China Star Optoelectronics Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Technology Co Ltd
Priority to CN201810336646.5A priority Critical patent/CN108550158B/zh
Priority to US16/080,629 priority patent/US11113795B2/en
Priority to PCT/CN2018/088014 priority patent/WO2019200657A1/zh
Publication of CN108550158A publication Critical patent/CN108550158A/zh
Application granted granted Critical
Publication of CN108550158B publication Critical patent/CN108550158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T5/75—Unsharp masking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Picture Signal Circuits (AREA)

Abstract

本发明公开了一种图像边缘处理方法，该方法包括：从输入的图像中提取亮度分量；根据所述亮度分量计算所述图像中每个像素的边缘概率值mp；根据所述边缘概率值mp计算每个像素的增强系数λ；根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点；当所述像素为非噪声点时，对所述像素进行对数处理后得到w；根据所述λ、w及亮度分量对所述图像的边缘进行增强；根据增强后的亮度分量数据进行亮度分量合成后，输出增强后的图像。本发明实施例还公开了一种电子装置和计算机可读存储介质。由此，能够加强图像的轮廓，使图像变得清晰，提高图像的品质。

Description

图像边缘处理方法、电子装置及计算机可读存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像边缘处理方法、电子装置及计算机可读存储介质。
背景技术
随着技术的发展和市场需求的变化，平板电视等电子装置显示屏的尺寸不断增大，人们对显示的画质的要求也越来越高。但是，图像经转换或传输后，质量可能下降，会出现模糊现象。而图像的边缘增强，使画质清晰锐利，视觉感受良好，为后续的处理提供具有更高清晰度的图像。现有的技术在增强图像边缘的同时也会将图像的噪声加强，图像的细小纹理亦被过分增强，图像变得不自然。
发明内容
本发明的主要目的在于提出一种图像边缘处理方法、电子装置及计算机可读存储介质，旨在解决如何在增强图像边缘的同时兼顾对噪声和细节的处理的问题。
为实现上述目的，本发明提供的一种图像边缘处理方法，该方法包括步骤：
从输入的图像中提取亮度分量；
根据所述亮度分量计算所述图像中每个像素的边缘概率值mp；
根据所述边缘概率值mp计算每个像素的增强系数λ；
根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点；
当所述像素为非噪声点时，对所述像素进行对数处理后得到w；
根据所述λ、w及亮度分量对所述图像的边缘进行增强，得到增强后的亮度分量数据；及
根据所述增强后的亮度分量数据进行亮度分量合成后，输出增强后的图像。
可选地，所述方法还包括步骤：
当所述像素为噪声点时，对所述像素经过高斯滤波以进行降噪。
可选地，所述方法在从输入的图像中提取亮度分量的步骤之后还包括步骤：对所述亮度分量进行位数提升，从而根据提升后的亮度分量计算所述图像中每个像素的边缘概率值mp；
在得到增强后的亮度分量数据之后还包括步骤：通过抖动显示将增强后的亮度分量数据转变成低位，从而根据转变后的亮度分量数据进行亮度分量合成。
可选地，在对所述亮度分量进行位数提升的步骤中，将所述亮度分量的位数从8bit转变成10bit或者12bit；
在将增强后的亮度分量数据转变成低位的步骤中，将所述增强后的亮度分量数据的位数从10bit或者12bit转变成8bit。
可选地，所述边缘概率值mp的计算公式为：
f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
mp(j,i)＝max(f1f2f3f4)；
其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i)的边缘概率值。
可选地，所述噪声检测包括步骤：
分别计算目标像素与其相邻像素的亮度差的绝对值；
将计算出的每个绝对值与预设的阈值进行比较，若所述绝对值比所述阈值小，则判断对应的所述相邻像素与所述目标像素相关，否则为不相关；
统计与所述目标像素相关的相邻像素的个数，若所述个数为0或者1，则判断所述目标像素为噪声点。
可选地，根据所述λ、w及亮度分量对所述图像的边缘进行增强的步骤包括：
针对每一个像素，采取锐化模板对所述w进行高通滤波，输出E值；
将E值与所述增强系数λ相乘，得到增强值；
将所述增强值与所述亮度分量相加，得到所述增强后的亮度分量数据。
可选地，所述锐化模板为Laplacian算子或者Sobel算子。
此外，为实现上述目的，本发明还提出一种电子装置，所述电子装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像边缘处理程序，所述图像边缘处理程序被所述处理器执行时实现如上述的图像边缘处理方法的步骤。
进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有图像边缘处理程序，所述图像边缘处理程序被处理器执行时实现如上述的图像边缘处理方法的步骤。
本发明提出的图像边缘处理方法、电子装置及计算机可读存储介质，能够对图像进行边缘检测和噪声检测，在进行边缘检测后，计算增强系数，在进行噪声检测后，判断为噪声点的像素进行高斯滤波处理，判断为非噪声点的像素再进行增强。使得输出图像的轮廓得到加强，图像变得清晰，提高图像的品质。
附图说明
图1为本发明第一实施例提出的一种电子装置的架构图；
图2为本发明第二实施例提出的一种图像边缘处理方法的流程图；
图3为本发明第三实施例提出的一种图像边缘处理方法的流程图；
图4为本发明中目标像素及其相邻像素的示意图；
图5为本发明中增强系数计算函数曲线的示意图；
图6为本发明中对数函数曲线的示意图；
图7为本发明中反锐化掩模过程的示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一
参阅图1所示，本发明第一实施例提出一种电子装置2。所述电子装置2具有图像显示和图像处理功能，可以是平板电视、智能电视、平板电脑、手机等。所述电子装置2包括存储器20、处理器22和图像边缘处理程序28。
其中，所述存储器20至少包括一种类型的可读存储介质，用于存储安装于所述电子装置2的操作系统和各类应用软件，例如图像边缘处理程序28的程序代码等。此外，所述存储器20还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述电子装置2的总体操作。本实施例中，所述处理器22用于运行所述存储器20中存储的程序代码或者处理数据，例如运行所述图像边缘处理程序28等。
所述图像边缘处理程序28被所述处理器22执行时，实现如下步骤：
(1)从输入的图像中提取亮度分量。
(2)对所述亮度分量进行位数提升。
(3)根据提升后的亮度分量计算所述图像中每个像素的边缘概率值mp。
(4)根据所述边缘概率值mp计算每个像素的增强系数λ。
(5)根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点。
(6)当所述像素为噪声点时，对所述像素经过高斯滤波以进行降噪。
(7)当所述像素为非噪声点时，对所述像素进行对数处理后得到处理后数据w。
(8)根据所述λ、w及亮度分量对所述图像的边缘进行增强，得到增强后的亮度分量数据。
(9)将增强后的亮度分量数据转变成低位。
(10)进行亮度分量合成后输出增强后的图像。
上述步骤的详细说明请参阅下述第二实施例和第三实施例，在此不再赘述。
本领域技术人员可以理解，图2中示出的结构并不构成对所述电子装置2的限定，所述电子装置2还可以包括其他必要部件(例如屏幕等)，或者组合某些部件，或者不同的部件布置。
实施例二
参阅图2所示，本发明第二实施例提出一种图像边缘处理方法，应用于所述电子装置2中。在本实施例中，根据不同的需求，图2所示的流程图中的步骤的执行顺序可以改变，某些步骤可以省略。该方法包括以下步骤：
S100，从输入的图像中提取亮度分量。
具体地，一般情况下，一个图像中的每个像素可能包括亮度分量、色度分量等。当需要对图像进行边缘增强时，首先获取输入的图像，然后提取所述图像的亮度分量。所述图像可以采取的颜色空间是YUV、HSL或者HSV等。
S102，根据所提取的亮度分量计算所述图像中每个像素的边缘概率值mp。
具体地，当从所述图像中提取出亮度分量之后，需要对每个像素的亮度分量再分别进行边缘检测和噪声检测。经过所述边缘检测后，将输出一个边缘概率值mp，mp的大小可以衡量该像素处于边缘的概率。
在本实施例中，所述边缘检测是指根据每个像素(称为目标像素)及其相邻像素(周围的8个像素)对应的亮度分量，计算所述目标像素的边缘概率值mp。如图4所示，为目标像素及其相邻像素的示意图。其中，像素(j,i)为所述目标像素，其他像素为像素(j,i)的相邻像素。此步骤需要遍历所述图像中的每个目标像素，分别计算对应的所述边缘概率值mp。为了便于计算，所述目标像素从所述图像的第二行开始至倒数第二行结束，对应每行从第二个像素开始至倒数第二个像素结束。计算公式如下：
f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
mp(j,i)＝max(f1f2f3f4)；
其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i)的边缘概率值。所述边缘概率值mp越大，表示该像素处在边缘区域的可能性越大。
S104，根据所述边缘概率值mp计算每个像素的增强系数λ。
具体地，针对所述图像中每个像素的边缘概率值mp，经过权值计算后输出增强系数λ。在本实施例中，可以在增强系数计算函数曲线中查找每个边缘概率值mp对应的增强系数λ。如图5所示，为增强系数计算函数曲线的示意图。图5中横轴表示所述边缘概率值mp，竖轴表示所述增强系数λ。当边缘概率值mp较小时，即该像素处于弱边缘区，对应的增强系数λ较小，以对细小纹理进行保护；当边缘概率值mp较大时，对应的增强系数λ亦较小，以防止增强后的数据溢出。当计算出所述图像中每个像素的边缘概率值mp后，从图5中查找出每个边缘概率值mp对应的增强系数λ。
S106，根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点。当所述像素为噪声点时，执行步骤S108。当所述像素为非噪声点时，执行步骤S110。
具体地，所述噪声检测的过程包括：
(1)分别计算所述目标像素与其相邻像素的亮度差的绝对值。计算公式如下：
f1＝|y(j,i)–y(j,i-1)|；
f2＝|y(j,i)–y(j,i+1)|；
f3＝|y(j,i)–y(j-1,i-1)|；
f4＝|y(j,i)–y(j-1,i)|；
f5＝|y(j,i)–y(j-1,i+1)|；
f6＝|y(j,i)–y(j+1,i-1)|；
f7＝|y(j,i)–y(j+1,i)|；
f8＝|y(j,i)–y(j+1,i+1)|；
其中y表示对应像素的亮度分量。
(2)将计算出的每个绝对值与预设的阈值进行比较，若该绝对值比所述阈值小，则认为对应的所述相邻像素与所述目标像素相关，否则为不相关。
(3)统计与所述目标像素相关的相邻像素的个数，若该个数为0或者1，则认为所述目标像素为噪声点。若为噪声点，则需要进行降噪，反之则需要增强。
S108，对所述像素进行高斯滤波。
具体地，对于所述图像中判断为噪声点的像素，进行高斯滤波，以达到降噪的效果。
S110，对所述像素进行对数处理后得到处理后数据w。
具体地，对于所述图像中判断为非噪声点的像素，则将对应的亮度分量经过对数处理后输出w。如图6所示，为对数函数曲线的示意图。图6中横轴表示所述亮度分量y，竖轴表示所述处理后数据w。所述对数处理主要是考虑到人的视觉特性中包含一个对数环节，经过所述对数处理后，可以对图像暗区的细节进行比较好的锐化，改善图像暗区的细节增强效果。
S112，根据所述λ、w及亮度分量对所述图像的边缘进行增强。
具体地，该步骤称为反锐化掩模过程。如图7所示，为反锐化掩模过程的示意图。所述反锐化掩模过程包括：针对每一个像素，采取锐化模板对所述对数处理后得到的数据w进行高通滤波，输出E值。所述锐化模板可以为Laplacian算子或者Sobel算子等。将E值与所述增强系数λ相乘，得到增强值，将所述增强值与所述亮度分量(图7中的输入信号)相加，就得到增强后的亮度分量数据(图7中的输出信号)。
S114，进行亮度分量合成后输出增强后的图像。
具体地，将增强后的亮度分量数据与对应的色度分量等数据进行合成，即通过对应的颜色空间反变换成RGB数据输出。
本实施例所提出的图像边缘处理方法，可以对图像进行边缘检测和噪声检测，在进行边缘检测后，进行增强系数的计算，在进行噪声检测后，判断为噪声点的像素进行高斯滤波处理，判断为非噪声点的像素再进行增强。使得输出图像的轮廓得到加强，图像变得清晰，提高图像的品质。
实施例三
参阅图3所示，本发明第三实施例提出一种图像边缘处理方法。在第三实施例中，所述图像边缘处理方法的步骤与第二实施例相类似，区别在于该方法还包括步骤S202和S216。
该方法包括以下步骤：
S200，从输入的图像中提取亮度分量。
具体地，一般情况下，一个图像中的每个像素可能包括亮度分量、色度分量等。当需要对图像进行边缘增强时，首先获取输入的图像，然后提取所述图像的亮度分量。所述图像可以采取的颜色空间是YUV、HSL或者HSV等。
S202，对所述亮度分量进行位数提升。
具体地，将所述亮度分量的位数从8bit转变成10bit或者12bit或者更高。
S204，根据提升后的亮度分量计算所述图像中每个像素的边缘概率值mp。
具体地，当对所述亮度分量进行位数提升后，需要对每个像素提升后的亮度分量再分别进行边缘检测和噪声检测。经过所述边缘检测后，将输出一个边缘概率值mp，mp的大小可以衡量该像素处于边缘的概率。
在本实施例中，所述边缘检测是指根据每个像素(称为目标像素)及其相邻像素(周围的8个像素)对应的亮度分量，计算所述目标像素的边缘概率值mp。如图4所示，为目标像素及其相邻像素的示意图。此步骤需要遍历所述图像中的每个目标像素，分别计算对应的所述边缘概率值mp。为了便于计算，所述目标像素从所述图像的第二行开始至倒数第二行结束，对应每行从第二个像素开始至倒数第二个像素结束。计算公式如下：
f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
mp(j,i)＝max(f1f2f3f4)；
其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i)的边缘概率值。所述边缘概率值mp越大，表示该像素处在边缘区域的可能性越大。
S206，根据所述边缘概率值mp计算每个像素的增强系数λ。
具体地，针对所述图像中每个像素的边缘概率值mp，经过权值计算后输出增强系数λ。在本实施例中，可以在增强系数计算函数曲线中查找每个边缘概率值mp对应的增强系数λ。如图5所示，为增强系数计算函数曲线的示意图。图5中横轴表示所述边缘概率值mp，竖轴表示所述增强系数λ。当边缘概率值mp较小时，即该像素处于弱边缘区，对应的增强系数λ较小，以对细小纹理进行保护；当边缘概率值mp较大时，对应的增强系数λ亦较小，以防止增强后的数据溢出。当计算出所述图像中每个像素的边缘概率值mp后，从图5中查找出每个边缘概率值mp对应的增强系数λ。
S208，根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点。当所述像素为噪声点时，执行步骤S210。当所述像素为非噪声点时，执行步骤S212。
具体地，所述噪声检测的过程包括：
(1)分别计算所述目标像素与其相邻像素的亮度差的绝对值。计算公式如下：
f1＝|y(j,i)–y(j,i-1)|；
f2＝|y(j,i)–y(j,i+1)|；
f3＝|y(j,i)–y(j-1,i-1)|；
f4＝|y(j,i)–y(j-1,i)|；
f5＝|y(j,i)–y(j-1,i+1)|；
f6＝|y(j,i)–y(j+1,i-1)|；
f7＝|y(j,i)–y(j+1,i)|；
f8＝|y(j,i)–y(j+1,i+1)|；
其中y表示对应像素的亮度分量。
(2)将计算出的每个绝对值与预设的阈值进行比较，若该绝对值比所述阈值小，则认为对应的所述相邻像素与所述目标像素相关，否则为不相关。
(3)统计与所述目标像素相关的相邻像素的个数，若该个数为0或者1，则认为所述目标像素为噪声点。若为噪声点，则需要进行降噪，反之则需要增强。
S210，对所述像素进行高斯滤波。
具体地，对于所述图像中判断为噪声点的像素，进行高斯滤波，以达到降噪的效果。
S212，对所述像素进行对数处理后得到处理后数据w。
具体地，对于所述图像中判断为非噪声点的像素，则将对应的亮度分量经过对数处理后输出w。如图6所示，为对数函数曲线的示意图。图6中横轴表示所述亮度分量y，竖轴表示所述处理后数据w。所述对数处理主要是考虑到人的视觉特性中包含一个对数环节，经过所述对数处理后，可以对图像暗区的细节进行比较好的锐化，改善图像暗区的细节增强效果。
S214，根据所述λ、w及亮度分量对所述图像的边缘进行增强。
具体地，该步骤称为反锐化掩模过程。如图7所示，为反锐化掩模过程的示意图。所述反锐化掩模过程包括：针对每一个像素，采取锐化模板对所述对数处理后得到的数据w进行高通滤波，输出E值。所述锐化模板可以为Laplacian算子或者Sobel算子等。将E值与所述增强系数λ相乘，得到增强值，将所述增强值与所述亮度分量(图7中的输入信号)相加，就得到增强后的亮度分量数据(图7中的输出信号)。
S216，将增强后的亮度分量数据转变成低位。
具体地，对于增强后的亮度分量数据，经过抖动显示(Dithering)，从高位(10bit或者12bit)转变成低位(8bit)。
S218，进行亮度分量合成后输出增强后的图像。
具体地，将转变后的亮度分量数据与对应的色度分量等数据进行合成，即通过对应的颜色空间反变换成RGB数据输出。
本实施例所提出的图像边缘处理方法，首先将亮度分量转变成高位进行计算，然后再通过抖动显示将亮度分量从高位还原为低位，提高了运算精度，使得图像处理效果更佳。
实施例四
本发明还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有图像边缘处理程序，所述图像边缘处理程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的图像边缘处理方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种图像边缘处理方法，其特征在于，该方法包括步骤：
从输入的图像中提取亮度分量；
根据所述亮度分量计算所述图像中每个像素的边缘概率值mp；
根据所述边缘概率值mp计算每个像素的增强系数λ；
根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点；
当所述像素为非噪声点时，对所述像素进行对数处理后得到w；
根据所述λ、w及亮度分量对所述图像的边缘进行增强，得到增强后的亮度分量数据；及
根据所述增强后的亮度分量数据进行亮度分量合成后，输出增强后的图像。
2.根据权利要求1所述的图像边缘处理方法，其特征在于，所述方法还包括步骤：
当所述像素为噪声点时，对所述像素经过高斯滤波以进行降噪。
3.根据权利要求2所述的图像边缘处理方法，其特征在于，所述方法在从输入的图像中提取亮度分量的步骤之后还包括步骤：对所述亮度分量进行位数提升，从而根据提升后的亮度分量计算所述图像中每个像素的边缘概率值mp；
在得到增强后的亮度分量数据之后还包括步骤：通过抖动显示将增强后的亮度分量数据转变成低位，从而根据转变后的亮度分量数据进行亮度分量合成。
4.根据权利要求3所述的图像边缘处理方法，其特征在于，在对所述亮度分量进行位数提升的步骤中，将所述亮度分量的位数从8bit转变成10bit或者12bit；
在将增强后的亮度分量数据转变成低位的步骤中，将所述增强后的亮度分量数据的位数从10bit或者12bit转变成8bit。
5.根据权利要求1-3任一项所述的图像边缘处理方法，其特征在于，所述边缘概率值mp的计算公式为：
f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
mp(j,i)＝max(f1f2f3f4)；
其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i)的边缘概率值。
6.根据权利要求1-3任一项所述的图像边缘处理方法，其特征在于，所述噪声检测包括步骤：
分别计算目标像素与其相邻像素的亮度差的绝对值；
将计算出的每个绝对值与预设的阈值进行比较，若所述绝对值比所述阈值小，则判断对应的所述相邻像素与所述目标像素相关，否则为不相关；
统计与所述目标像素相关的相邻像素的个数，若所述个数为0或者1，则判断所述目标像素为噪声点。
7.根据权利要求1-3任一项所述的图像边缘处理方法，其特征在于，根据所述λ、w及亮度分量对所述图像的边缘进行增强的步骤包括：
针对每一个像素，采取锐化模板对所述w进行高通滤波，输出E值；
将E值与所述增强系数λ相乘，得到增强值；
将所述增强值与所述亮度分量相加，得到所述增强后的亮度分量数据。
8.根据权利要求7所述的图像边缘处理方法，其特征在于，所述锐化模板为Laplacian算子或者Sobel算子。
9.一种电子装置，其特征在于，所述电子装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像边缘处理程序，所述图像边缘处理程序被所述处理器执行时实现如权利要求1至8中任一项所述的图像边缘处理方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有图像边缘处理程序，所述图像边缘处理程序被处理器执行时实现如权利要求1至8中任一项所述的图像边缘处理方法的步骤。
CN201810336646.5A 2018-04-16 2018-04-16 图像边缘处理方法、电子装置及计算机可读存储介质 Active CN108550158B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810336646.5A CN108550158B (zh) 2018-04-16 2018-04-16 图像边缘处理方法、电子装置及计算机可读存储介质
US16/080,629 US11113795B2 (en) 2018-04-16 2018-05-23 Image edge processing method, electronic device, and computer readable storage medium
PCT/CN2018/088014 WO2019200657A1 (zh) 2018-04-16 2018-05-23 图像边缘处理方法、电子装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810336646.5A CN108550158B (zh) 2018-04-16 2018-04-16 图像边缘处理方法、电子装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108550158A true CN108550158A (zh) 2018-09-18
CN108550158B CN108550158B (zh) 2021-12-17

Family

ID=63514886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810336646.5A Active CN108550158B (zh) 2018-04-16 2018-04-16 图像边缘处理方法、电子装置及计算机可读存储介质

Country Status (3)

Country Link
US (1) US11113795B2 (zh)
CN (1) CN108550158B (zh)
WO (1) WO2019200657A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509161A (zh) * 2018-12-20 2019-03-22 深圳市华星光电半导体显示技术有限公司 图像增强装置及图像增强方法
CN110189349A (zh) * 2019-06-03 2019-08-30 湖南国科微电子股份有限公司 图像处理方法及装置
CN112583997A (zh) * 2019-09-30 2021-03-30 瑞昱半导体股份有限公司 图像处理电路与方法
CN112669227A (zh) * 2020-12-16 2021-04-16 Tcl华星光电技术有限公司 图标边缘处理方法、装置和计算机可读存储介质
CN114697621A (zh) * 2020-12-14 2022-07-01 安霸国际有限合伙企业 使用反指数函数优化的边缘保留噪声降低算法
CN115619683A (zh) * 2022-11-07 2023-01-17 腾讯科技（深圳）有限公司 图像处理方法、装置、设备、存储介质和计算机程序产品
CN117061710A (zh) * 2023-10-11 2023-11-14 深圳市蓝鲸智联科技股份有限公司 一种远程查看车内情况的系统及方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992264B (zh) * 2019-11-28 2023-09-01 北京金山云网络技术有限公司 一种图像处理方法、处理装置、电子设备及存储介质
CN113139921B (zh) * 2021-05-12 2024-03-15 北京京东方光电科技有限公司 图像处理方法、显示装置、电子设备及存储介质
CN113763270B (zh) * 2021-08-30 2024-05-07 青岛信芯微电子科技股份有限公司 蚊式噪声去除方法及电子设备
CN114612320B (zh) * 2022-03-04 2023-09-29 业成科技（成都）有限公司 图像亮度优化方法、装置、计算机设备和存储介质
CN115861321B (zh) * 2023-02-28 2023-09-05 深圳市玄羽科技有限公司 应用于工业互联网的生产环境检测方法及系统
CN116883270B (zh) * 2023-07-04 2024-03-22 广州医科大学附属第四医院(广州市增城区人民医院) 一种碎石手术软镜清晰化成像系统
CN116977228B (zh) * 2023-09-25 2024-02-09 广东匠芯创科技有限公司 图像降噪方法、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020039152A1 (en) * 2000-09-30 2002-04-04 Lg Electronics Inc. Contrast enhancement apparatus of video signal
CN101119448A (zh) * 2006-07-31 2008-02-06 株式会社理光 图像处理装置和方法,成像装置以及计算机程序产品
CN103325118A (zh) * 2013-06-26 2013-09-25 中国石油大学(北京) 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置
CN103778609A (zh) * 2014-01-22 2014-05-07 南京航空航天大学 基于像素连续性判断的二值化图像和灰度图像的高效去噪声法
CN104732227A (zh) * 2015-03-23 2015-06-24 中山大学 一种基于清晰度和亮度评估的车牌快速定位方法
CN105243651A (zh) * 2015-11-19 2016-01-13 中国人民解放军国防科学技术大学 基于近似方差和暗色块像素统计信息的图像边缘增强方法
CN105354835A (zh) * 2015-10-16 2016-02-24 浙江工业大学 结合相位一致性、梯度幅值和结构显著性的医学图像质量评价方法
WO2016139260A1 (en) * 2015-03-05 2016-09-09 Iee International Electronics & Engineering S.A. Method and system for real-time noise removal and image enhancement of high-dynamic range images

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR940010474B1 (ko) * 1992-02-25 1994-10-22 삼성전자 주식회사 화질 개선 방법
US5638138A (en) * 1994-06-09 1997-06-10 Hickman; Charles B. Method for electronic image dynamic range and contrast modification
US5961461A (en) * 1997-11-07 1999-10-05 General Electric Company Method and apparatus for adaptive B-mode image enhancement
US6611627B1 (en) * 2000-04-24 2003-08-26 Eastman Kodak Company Digital image processing method for edge shaping
US7388621B2 (en) * 2004-11-30 2008-06-17 Mediatek Inc. Systems and methods for image processing providing noise reduction and edge enhancement
US7352410B2 (en) * 2005-05-31 2008-04-01 Kolorific, Inc. Method and system for automatic brightness and contrast adjustment of a video source
CN1741068A (zh) * 2005-09-22 2006-03-01 上海广电（集团）有限公司中央研究院 一种基于边界的直方图均衡方法
JP2007201541A (ja) * 2006-01-23 2007-08-09 Ricoh Co Ltd 画像処理装置、撮像装置、画像処理方法、および画像処理プログラム
JP5009004B2 (ja) * 2006-07-31 2012-08-22 株式会社リコー 画像処理装置、撮像装置、画像処理方法、および画像処理プログラム
JP4998287B2 (ja) * 2008-01-25 2012-08-15 ソニー株式会社 画像処理装置および方法、並びにプログラム
JP4727720B2 (ja) * 2008-12-31 2011-07-20 株式会社モルフォ 画像処理方法および画像処理装置
CN102014243B (zh) * 2010-12-27 2012-04-25 杭州华三通信技术有限公司 一种图像增强方法和装置
EP2686832A1 (en) * 2011-03-15 2014-01-22 Koninklijke Philips N.V. Likelihood-based spectral data projection domain de-noising
US9779491B2 (en) * 2014-08-15 2017-10-03 Nikon Corporation Algorithm and device for image processing
JP2016111489A (ja) * 2014-12-05 2016-06-20 三星ディスプレイ株式會社Ｓａｍｓｕｎｇ Ｄｉｓｐｌａｙ Ｃｏ．，Ｌｔｄ． 画像処理装置、画像処理方法、及びプログラム
US11107204B2 (en) * 2015-09-02 2021-08-31 Faurecia Irystec, Inc. System and method for real-time tone-mapping

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020039152A1 (en) * 2000-09-30 2002-04-04 Lg Electronics Inc. Contrast enhancement apparatus of video signal
CN101119448A (zh) * 2006-07-31 2008-02-06 株式会社理光 图像处理装置和方法,成像装置以及计算机程序产品
CN103325118A (zh) * 2013-06-26 2013-09-25 中国石油大学(北京) 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置
CN103778609A (zh) * 2014-01-22 2014-05-07 南京航空航天大学 基于像素连续性判断的二值化图像和灰度图像的高效去噪声法
WO2016139260A1 (en) * 2015-03-05 2016-09-09 Iee International Electronics & Engineering S.A. Method and system for real-time noise removal and image enhancement of high-dynamic range images
CN104732227A (zh) * 2015-03-23 2015-06-24 中山大学 一种基于清晰度和亮度评估的车牌快速定位方法
CN105354835A (zh) * 2015-10-16 2016-02-24 浙江工业大学 结合相位一致性、梯度幅值和结构显著性的医学图像质量评价方法
CN105243651A (zh) * 2015-11-19 2016-01-13 中国人民解放军国防科学技术大学 基于近似方差和暗色块像素统计信息的图像边缘增强方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZENG D ET AL: "《An Image Processing Based System for Leaf Parameter Measuring》", 《2012 SYMPOSIUM ON PHOTONICS AND OPTOELECTRONICS》 *
王永国等: "《改进的多尺度图谱和局部谱的目标提取算法》", 《计算机工程与应用》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509161A (zh) * 2018-12-20 2019-03-22 深圳市华星光电半导体显示技术有限公司 图像增强装置及图像增强方法
CN109509161B (zh) * 2018-12-20 2021-03-16 深圳市华星光电半导体显示技术有限公司 图像增强装置及图像增强方法
CN110189349A (zh) * 2019-06-03 2019-08-30 湖南国科微电子股份有限公司 图像处理方法及装置
CN110189349B (zh) * 2019-06-03 2022-03-25 湖南国科微电子股份有限公司 图像处理方法及装置
CN112583997A (zh) * 2019-09-30 2021-03-30 瑞昱半导体股份有限公司 图像处理电路与方法
CN112583997B (zh) * 2019-09-30 2024-04-12 瑞昱半导体股份有限公司 图像处理电路与方法
CN114697621A (zh) * 2020-12-14 2022-07-01 安霸国际有限合伙企业 使用反指数函数优化的边缘保留噪声降低算法
CN112669227A (zh) * 2020-12-16 2021-04-16 Tcl华星光电技术有限公司 图标边缘处理方法、装置和计算机可读存储介质
CN112669227B (zh) * 2020-12-16 2023-10-17 Tcl华星光电技术有限公司 图标边缘处理方法、装置和计算机可读存储介质
CN115619683A (zh) * 2022-11-07 2023-01-17 腾讯科技（深圳）有限公司 图像处理方法、装置、设备、存储介质和计算机程序产品
CN117061710A (zh) * 2023-10-11 2023-11-14 深圳市蓝鲸智联科技股份有限公司 一种远程查看车内情况的系统及方法
CN117061710B (zh) * 2023-10-11 2024-02-27 深圳市蓝鲸智联科技股份有限公司 一种远程查看车内情况的系统及方法

Also Published As

Publication number Publication date
US11113795B2 (en) 2021-09-07
CN108550158B (zh) 2021-12-17
US20210158488A1 (en) 2021-05-27
WO2019200657A1 (zh) 2019-10-24

Similar Documents

Publication Publication Date Title
CN108550158A (zh) 图像边缘处理方法、电子装置及计算机可读存储介质
US9972074B2 (en) Image processing system and computer-readable recording medium
CN101360250B (zh) 沉浸产生方法和系统及因素控制、内容分析及参数预测法
US8055092B2 (en) Image processing apparatus and image processing method
Shin et al. Efficient naturalness restoration for non‐uniform illumination images
CN108665428B (zh) 图像增强方法、装置、设备及存储介质
CN108038833B (zh) 一种梯度相关性检测的图像自适应锐化方法和存储介质
US10475188B2 (en) Image processing device and image enhancing method
US10832388B2 (en) Image tuning device and method
Xiao et al. Scene‐aware image dehazing based on sky‐segmented dark channel prior
CN111369471A (zh) 一种图像处理方法、装置、设备和存储介质
CN112541868A (zh) 图像处理方法、装置、计算机设备和存储介质
CN113344801A (zh) 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质
CN112308797A (zh) 角点检测方法、装置、电子设备及可读存储介质
CN110175967B (zh) 图像去雾处理方法、系统、计算机设备和存储介质
CN113284063A (zh) 图像处理方法、图像处理装置、电子设备和可读存储介质
CN113052923A (zh) 色调映射方法、装置、电子设备和存储介质
CN114648467B (zh) 图像的去雾方法、装置、终端设备及计算机可读存储介质
CN109300095A (zh) 图像增强方法、系统及计算机可读存储介质
CN111652816B (zh) 图像处理方法及相关设备
CN111147693B (zh) 一种全尺寸拍照图像的降噪方法及装置
CN110796629B (zh) 一种图像融合方法及系统
CN114119411A (zh) 一种雾噪声视频图像恢复方法、装置、设备及介质
CN111543045B (zh) 图像的实时亮度优化和对比度优化
CN117745613A (zh) 图像处理方法及其装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 9-2 Tangming Avenue, Guangming New District, Shenzhen City, Guangdong Province

Applicant after: TCL Huaxing Photoelectric Technology Co.,Ltd.

Address before: 9-2 Tangming Avenue, Guangming New District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen China Star Optoelectronics Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant