CN108805842A

CN108805842A - 图像处理方法与装置

Info

Publication number: CN108805842A
Application number: CN201810619916.3A
Authority: CN
Inventors: 赵扬
Original assignee: Netease Hangzhou Network Co Ltd
Current assignee: Netease Hangzhou Network Co Ltd
Priority date: 2018-06-14
Filing date: 2018-06-14
Publication date: 2018-11-13

Abstract

本公开提供一种图像处理方法与装置。图像处理方法包括：获取第一图像的待处理区域；获取所述待处理区域的梯度信息；确定所述待处理区域的边缘识别参数，所述边缘识别参数对应于多种图像处理方式；根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理。本公开提供的图像处理方法可以在提高图像边缘识别效果的同时对图像内部进行去噪处理。

Description

图像处理方法与装置

技术领域

本公开涉及计算机图形图像技术领域，具体而言，涉及一种能够准确识别图像边缘的图像处理方法与装置。

背景技术

随着计算机图像识别技术的发展，对摄像机拍摄的现实世界的图像进行识别成为一个重要的技术分支。由于现实世界的复杂性以及图像在捕捉过程中产生的杂质和误差，在复杂图像的捕捉环节需要一个有效的图像识别方法来辨别真实世界的信息。

现实世界图像识别的难点在于如何识别图像的平整和边缘区域，并不被图像中的噪声干扰。只要有效的识别图像的边缘，就能完整并清晰的呈现整个图像。图像的边缘是指图像中周围像素有较大变化的像素的集合。在相关技术中，往往通过将模板与图像进行卷积、对图像求导数来对存在灰度差的图像进行边缘检测，在此过程中，所使用的一阶微分被称为梯度。图像在某一个点的梯度是一个矢量，该矢量的方向指向图像变化率最大的方向。梯度算子对噪声和杂质有一定的敏感性，对于有噪声影响的图像，需要对梯度做进一步处理。由于摄像机捕捉的现实世界的图像通常存在较多细节，加上摄像头捕捉时由于各种原因，会产生图像噪声，现有的图像识别方法处理现实世界图像的效率和准确性需要得到改善。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种图像处理方法与图像处理装置，用于至少在一定程度上克服由于相关技术的限制和缺陷而导致的现实世界图像处理效率低、准确性不够的问题。

根据本公开实施例的第一方面，提供一种图像处理方法，包括：获取第一图像的待处理区域；获取所述待处理区域的梯度信息；确定所述待处理区域的边缘识别参数，所述边缘识别参数对应于多种图像处理方式；根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理。

在本公开的一种示例性实施例中，当所述边缘识别参数位于第一预设阈值区间时，对应的图像处理方式为噪声去除；当所述边缘识别参数位于第二预设阈值区间时，对应的图像处理方式为图像增强。

在本公开的一种示例性实施例中，所述确定所述待处理区域的边缘识别参数包括：

对所述待处理区域进行预处理，所述预处理包括对所述待处理区域进行图形边界加宽处理。

在本公开的一种示例性实施例中，所述对所述待处理区域进行预处理包括：根据对所述待处理区域进行预处理，其中x是所述待处理区域的像素横坐标，N是高斯系数，σ是标准差，G为所述待处理区域的预处理结果。

通过公式确定所述边缘识别参数，其中α为所述边缘识别参数，I为所述待处理区域，k为边缘调节系数，Gσ为所述待处理区域的预处理结果。

在本公开的一种示例性实施例中，根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理包括：

根据所述梯度信息与所述边缘识别参数确定扩散函数，根据所述扩散函数对所述待处理区域进行处理。

在本公开的一种示例性实施例中，根据所述梯度信息与所述边缘识别参数确定扩散函数包括：

根据所述梯度信息与所述边缘识别参数的幂运算结果确定第一系数，所述扩散函数与所述第一系数成反比。

在本公开的一种示例性实施例中，所述根据所述梯度信息与所述边缘识别参数确定扩散函数包括：

基于公式确定所述扩散函数，其中，g为所述扩散函数，I为所述待处理区域，K为扩散调节系数，α为所述边缘识别参数。

在本公开的一种示例性实施例中，所述根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理包括：

基于公式对所述待处理区域进行处理，其中，I0是所述第一图像，I是所述待处理区域，α是所述边缘识别参数，K是扩散调节系数，k是边缘调节系数，Gσ为所述待处理区域的预处理结果。

在本公开的一种示例性实施例中，所述边缘识别参数的值大于等于0，小于等于2。

根据本公开实施例的第二方面，提供一种图像处理装置，包括：

图像获取模块，设置为获取第一图像的待处理区域梯度计算模块，设置为获取所述待处理区域的梯度信息；

边缘识别参数确定模块，设置为确定所述待处理区域的边缘识别参数，所述边缘识别参数对应于多种图像处理方式；

图像处理模块，设置为根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理。

根据本公开的第三方面，提供一种图像处理装置，包括：存储器；以及耦合到所属存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如上述任意一项所述的方法。

根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如上述任意一项所述的图像处理方法。

本公开实施例提供的图像处理方法，通过使用加入边缘识别参数的P-M扩散方程对图像进行处理，可以使扩散系数依据图像的局部特征变化，从而可以有效过滤图像平滑区域的噪声、增强图像边缘区域的特征，从而输出更准确的图像识别结果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开示例性实施例中图像处理方法的流程图。

图2示意性示出本公开示例性实施例中P-M方程的函数曲线。

图3示意性示出本公开示例性实施例中预处理之前的图像。

图4示意性示出本公开示例性实施例中预处理之后的图像。

图5示意性示出本公开一个示例性实施例中一种图像处理装置的方框图。

图6示意性示出本公开一个示例性实施例中一种电子设备的方框图。

图7示意性示出本公开一个示例性实施例中一种计算机可读存储介质的示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

下面结合附图对本公开示例实施方式进行详细说明。

图1示意性示出本公开示例性实施例中图像处理方法的流程图。参考图1，图像处理方法100可以包括：

步骤S1，获取第一图像的待处理区域；

步骤S2，获取所述待处理区域的梯度信息；

步骤S3，确定所述待处理区域的边缘识别参数，所述边缘识别参数对应于多种图像处理方式；

步骤S4，根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理。

下面，对图像处理方法100进行详细说明。

如果将图像比喻成一个不同介质分布的二维空间，图像的边缘信息以及一些夹杂在平滑区域的点状杂质就是空间中的高杂质浓度点，图像的平滑区域就是图像中的低杂质浓度点，在图像形成过程中，杂质具有从高浓度的区域向低浓度的区域迁移的动力。若以函数u表示杂质浓度的变化，则函数的梯度可以表示该二维空间中杂质的不均匀分布，梯度产生的作用力推动杂质的扩散。

若介质为各向同性介质，则作用力的推动会产生流密度，表示为f＝-a▽u。式中的a称为传输系数，一般情况下a是常数，但复杂情况下a也可以与u有关；若介质为各向异性介质，则流密度可以表示为f＝-D▽u。式中D为矩阵，被称为扩散张量。此时流密度的方向与梯度方向不同。

在二维线性扩散中，扩散方程在忽略扩散系数的前提下可表示为：

式中I表示处理的图像，I0表示初始图像。通过傅里叶变换可以得到上式的解为：

I(x,y,t)＝I₀(x,y)*G_t(x,y) (2)

其中，G_t(x,y)＝(4πt)^-1exp(-(x²+y²)/4t)，表示在坐标原点的二维高斯函数，由此可知图像进行二维线性扩散等价于传统的图像高斯滤波。

可以通过如上所述的各向异性扩散方程来实现图像处理。通过让扩散系数依据图像的局部特征变化，从而控制传导函数在图像的不同区域表现出不同的扩散方式，可以在识别图像时既能准确的识别出图像的真实边缘特征点，又可以去除图像平整区域的杂质噪声。如果使扩散方程的扩散系数在图像的边缘附近减小，图像的边缘细节便可以被保留并增强，几乎可以不受到图像处理的影响；如果使扩散系数在图像的平整区域增大，则可以滤除图像的平整区域存在的干扰图像识别的杂质或噪声。

在此，可以通过一种偏微分方程的实例——Perona-Malik扩散方程(简称P-M方程)来达到目的。

P-M方程基本的表达式如下：

其中，扩散系数g(|▽I|)随着变化中的图像信息I(x,y,t)而变化，可以将图像识别与图像滤波结合起来。

在本公开实施例中，应用改进的P-M方程进行图像识别。因此，在本公开实施例中，可以根据扩散系数以及图像的梯度获取随时间变化的第二像素矩阵。

P-M方程应用于一维情况时可以简化为：

其中Φ(▽I)＝▽Ig(▽I)在此处被称为影响函数。

当扩散系数函数时，可得：

其中，K为扩散调节系数。

图2是函数Φ的曲线图。参考图2，可以看出在图像的边缘区域，即|▽I|＞K的区域，方程表现的是反向扩散，意味着对图像的边缘信息进行了保护甚至于加强；而在图像的光滑平整区域，即|▽I|＜K的区域，方程的表现为正向扩散，即会滤除杂质噪声。由此可见，P-M方程的扩散行为与扩散系数函数有很大关联。

本公开选取的扩散系数函数可以自适应地检测图像边缘，将图像分为光滑区域和边缘区域，从而可以自适应地控制P-M方程的扩散方式。

当扩散系数函数时，公式(3)可以表示为：

在本公开实施例中，将公式(7)改进为：

其中0≤α≤2。此时，扩散系数g是含有两个参数的函数，如此，在图像边缘附近，即像素梯度值变大的区域，扩散将会停止下来，边缘信息可以被保护；在图像的平整区域中，即像素梯度值的绝对值变小的区域，扩散方程可以表现为高斯滤波的形式。

公式(8)在α＝0时，表现为：

即热力学扩散方程。

在α＝2时，表现为：

即P-M扩散方程。

引入分别表示平行于图像梯度矢量的单位矢量和图像水平线集的单位切向量的局部坐标系(η,ε)，公式(8)可以表现为：

在公式(11)中，当0≤α≤1时，方程表现为正向扩散方程，主要的作用是去除噪声；当1＜α≤2时，方程表现为正向扩散方程或反向扩散方程。在满足以下条件时：

方程可以表现为反向扩散，从而锐化并保护边缘。由此可知，对α的值进行控制可以使得图像识别精确可控，在识别图像边缘信息的同时去除图像平整区域的噪声。

因此，在本公开实施例中，将上述参数α设置为边缘识别参数，并根据边缘识别参数和图像待处理区域的梯度信息确定扩散系数，使用该扩散系数生成扩散函数，通过扩散函数对图像待处理区域进行处理。

在一个实施例中，可以根据待处理区域的梯度信息与所述边缘识别参数的幂运算结果确定第一系数，并使扩散系数与第一系数成反比。在一个实施例中，边缘识别参数的值例如可以设置为大于等于0，小于等于2。

边缘识别参数可以将图像分为平整区域和边缘区域，从而，边缘识别参数可以对应于多种图像处理方式。在本公开实施例中，图像处理方式至少包括图像增强和噪声去除。例如，当所述边缘识别参数位于第一预设阈值区间时，对应的图像处理方式为噪声去除；当所述边缘识别参数位于第二预设阈值区间时，对应的图像处理方式为图像增强。其中，第一预设阈值区间例如可以为[0,1]，第二预设阈值区间例如可以为(1,2]。

在本公开的示例性实施例中，可以通过以下公式获取边缘识别参数：

其中，k为边缘调节系数，可以用于调节边缘检测的准确度；G_σ为预处理函数，可以对图像进行预处理以更精确地检测出图像的特征，I为待处理区域。

可以看到，边缘识别参数(13)是一个递增函数，α(0)＝0，并且α(∞)＝2。在图像的平整区域，图像的梯度接近于0，边缘识别参数的值也为0，扩散方程表现为各向同性的扩散，可以滤除噪声；在图像的边缘附近，图像的梯度值较大，边缘识别参数的值接近于2，扩散方程表现为各向异性的P-M扩散方程，可以保护边缘信息。

在本公开实施例中，所述确定所述待处理区域的边缘识别参数包括：

在一个实施例中，预处理函数可以为：

其中，G为所述待处理区域的预处理结果，x是所述待处理区域的像素横坐标，N和σ是高斯函数中的固有系数，σ为标准差，N可根据实际处理情况进行最佳取值(高斯系数)。在函数α(x)中，图像I与高斯函数G_σ进行卷积的目的是对函数进行预处理，若不进行预处理，则边缘识别参数只能粗略地检测出图像的特征，并且对噪声会比较敏感。

经过预处理的图像检测出的边缘会随着高斯函数的方差变大而变宽。

图3和图4是对图像进行预处理的示意图。

对图3中给出的几种多边形组成的加过噪声的灰度图像，经过预处理，可以得到图4所示的图像，从图4可以看到，多边形的边缘变宽，图像的边缘更加清晰。

由于对图像进行了预处理，边缘识别参数对噪声的敏感性可以得到降低，图像中绝大部分边缘点的边缘识别参数值都接近于2，在扩散过程(即获取随时间变化的第二像素矩阵的过程)中，这些边缘点的变化很小，在梯度方向满足反向扩散的条件时，对图像进行预处理甚至可以加强边缘。

确定待处理区域的边缘识别参数后，可以根据边缘识别参数和待处理区域的梯度信息确定扩散函数，根据扩散函数对待处理区域进行处理。

例如，可以根据所述梯度信息与所述边缘识别参数的幂运算结果确定第一系数，所述扩散函数与所述第一系数成反比。

在本公开的一种示例性实施例中，可以基于公式确定所述扩散函数，其中，g为所述扩散函数，I为所述待处理区域，K为扩散调节系数，α为所述边缘识别参数。

最终，本公开可以通过下式实现图像识别：

因此，本公开提供的图像处理方法，通过将边缘识别参数代入到P-M扩散方程中，可以自适应地将图像分为平整区域和边缘区域，控制扩散方程在不同的区域表示为不同的扩散方式。在图像的边缘区域，扩散方式表现为反向扩散，可以保护甚至强化边缘，从而达到识别图像边缘信息的目的，成功捕捉图像。在图像的平整区域，边缘识别参数的值在绝大多数点接近于0，扩散方式表现为正向扩散，在扩散过程中可以使所有的点进行正向扩散从而消除噪声。最终，本公开提供的图像处理方法可以在识别边缘信息特征点的同时滤除噪声，使得图像的细节得以保留，提高图像的信息量和辨识度。

对应于上述方法实施例，本公开还提供一种图像处理装置，可以用于执行上述方法实施例。

参考图5，图像处理装置500可以包括：

图像获取模块51，设置为获取第一图像的待处理区域；

梯度计算模块52，设置为获取所述待处理区域的梯度信息；

边缘识别参数确定模块53，设置为确定所述待处理区域的边缘识别参数，所述边缘识别参数对应于多种图像处理方式；

图像处理模块54，设置为根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理。

在本公开的一种示例性实施例中，边缘识别参数确定模块53还设置为：

在本公开的一种示例性实施例中，边缘识别参数确定模块53还设置为：根据对所述待处理区域进行预处理，其中x是所述待处理区域的像素横坐标，N是高斯系数，σ是标准差，G为所述待处理区域的预处理结果。

在本公开的一种示例性实施例中，图像处理模块54还设置为：

由于装置500的各功能已在其对应的方法实施例中予以详细说明，本公开于此不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图6来描述根据本申请的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤S1：获取第一图像的待处理区域；步骤S2：获取所述待处理区域的梯度信息；步骤S3：确定所述待处理区域的边缘识别参数，所述边缘识别参数对应于多种图像处理方式；步骤S4：根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本申请的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。

参考图7所示，描述了根据本申请的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本申请示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和构思由权利要求指出。

Claims

1.一种图像处理方法，其特征在于，包括：

获取第一图像的待处理区域；

获取所述待处理区域的梯度信息；

确定所述待处理区域的边缘识别参数，所述边缘识别参数对应于多种图像处理方式；

根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理。

2.如权利要求1所述的图像处理方法，其特征在于，当所述边缘识别参数位于第一预设阈值区间时，对应的图像处理方式为噪声去除；当所述边缘识别参数位于第二预设阈值区间时，对应的图像处理方式为图像增强。

3.如权利要求1所述的图像处理方法，其特征在于，所述确定所述待处理区域的边缘识别参数包括：

4.如权利要求3所述的图像处理方法，其特征在于，所述对所述待处理区域进行预处理包括：根据对所述待处理区域进行预处理，其中x是所述待处理区域的像素横坐标，N是高斯系数，σ是标准差，G为所述待处理区域的预处理结果。

5.如权利要求1所述的图像处理方法，其特征在于，所述确定所述待处理区域的边缘识别参数包括：

通过公式确定所述边缘识别参数，其中α为所述边缘识别参数，I为所述待处理区域，k为边缘调节系数，G_σ为所述待处理区域的预处理结果。

6.如权利要求1所述的图像处理方法，其特征在于，所述根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理包括：

7.如权利要求6所述的图像处理方法，其特征在于，根据所述梯度信息与所述边缘识别参数确定扩散函数包括：

8.如权利要求6或7所述的图像处理方法，其特征在于，所述根据所述梯度信息与所述边缘识别参数确定扩散函数包括：

9.如权利要求1所述的图像处理方法，其特征在于，所述根据所述梯度信息以及所述边缘识别参数对应的所述图像处理方式对所述待处理区域进行处理包括：

基于公式对所述待处理区域进行处理，其中，I₀是所述第一图像，I是所述待处理区域，α是所述边缘识别参数，K是扩散调节系数，k是边缘调节系数，Gσ为所述待处理区域的预处理结果。

10.如权利要求1或2所述的图像处理方法，其特征在于，所述边缘识别参数的值大于等于0，小于等于2。

11.一种图像处理装置，其特征在于，包括：

图像获取模块，设置为获取第一图像的待处理区域；

梯度计算模块，设置为获取所述待处理区域的梯度信息；

12.一种电子设备，其特征在于，包括：

存储器；以及

耦合到所属存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1-10任一项所述的图像处理方法。

13.一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如权利要求1-10任一项所述的图像处理方法。