CN109035173B - 一种图像滤波方法、存储介质以及终端设备 - Google Patents
一种图像滤波方法、存储介质以及终端设备 Download PDFInfo
- Publication number
- CN109035173B CN109035173B CN201810928926.5A CN201810928926A CN109035173B CN 109035173 B CN109035173 B CN 109035173B CN 201810928926 A CN201810928926 A CN 201810928926A CN 109035173 B CN109035173 B CN 109035173B
- Authority
- CN
- China
- Prior art keywords
- window
- sub
- target pixel
- pixel point
- image
- 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.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 125000001475 halogen functional group Chemical group 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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)
Abstract
本发明公开了一种图像滤波方法、存储介质以及终端设备,所述方法包括:对于输入图像中的目标像素点,获取目标像素点的至少一个子窗口,其中,所述目标像素点位于子窗口的边线上;采用导向滤波法获取所述目标像素点在所述各子窗口内的估值;按照预设条件对各估值进行筛选以得到目标像素点的输出值,实现对所述输入图像滤波。本发明通过选取包含目标像素并且目标像素位于其边线上的子窗口,通过导向滤波算法计算子窗口内目标像素点的估值,并将满足预设条件的估值作为输出像素值,解决了采用导向滤波算法进行滤波时存在的边界模糊的问题。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像滤波方法、存储介质以及终端设备。
背景技术
在图像处理技术领域,由于拍摄环境、相机等影响,所拍得的图像常常还有噪声,影响图像指令,因此常需要对图像进行滤波处理以去除图像中的噪声。为了去除图像中的噪声,目前普遍使用的滤波算法是导向滤波法,导向滤波的输出图像在整体上跟输入图像相似但是在结构上跟导向图相似,虽然导向滤波算法能够较好的保持图像边界,但是,在图像的边界附近会出现光晕现象。
为了解决导向滤波算法在图像的边界附近出现光晕现象的问题,很多研究者从不同的角度解决。Li等在导向滤波的基础上提出了带权重的导向滤波算法,该算法首先估计目标像素位于边界还是非边界。如果目标像素点在边界上,那么目标函数中ε将会被减小,使得该像素点被平滑掉的概率变小;如果目标像素点不在边界上,那么目标函数中ε将会被增大,使得该像素点被平滑的概率变大,其并未解决导向滤波存在的根本问题,只是弱化了边界的模糊程度。Kou等在导向滤波基础上提出了梯度域的导向滤波算法,该算法过于强调输出结果跟导向图的相似性,忽略了输入图像对输出图像的影响,其得到的输出图像与输入图像的偏差较大,并且不能得到较好的视觉效果。Lu等提出了基于十字形的多点滤波器,它能够自适应的计算十字形区域4个方向半径的长度,从而得到最佳的计算窗口。可是该算法的计算复杂度非常高,而且通常自然图像的内容尺度是任意的,很难用十字形准确的刻画图像内容的尺度。综上,对导向滤波的改进算法有很多,但是现有算法仍然不能解决在图像的边界附近出现光晕现象的问题。
发明内容
本发明要解决的技术问题在于,针对现有技术的不足,提供一种图像滤波方法、存储介质以及终端设备。
为了解决上述技术问题,本发明所采用的技术方案如下:
一种图像滤波方法,其包括:
对于输入图像中的目标像素点,获取目标像素点的至少一个子窗口,其中,所述目标像素点位于其子窗口的边线上;
采用导向滤波法获取所述目标像素点在所述子窗口内的估值;
按照预设条件对其估值进行筛选以得到目标像素点的输出像素值,实现对所述输入图像在目标像素点位置的滤波结果。
所述图像滤波方法,其中,所述对于输入图像中的各目标像素点,获取目标像素点的至少一个子窗口具体包括:
对于输入图像中的目标像素点,以目标像素点为中心、2r+1为边长建立一正方形的窗口,其中,r为导向滤波的窗口半径;
按照预设规则将所述窗口划分为左子窗口、右子窗口、上子窗口、下子窗口、西北子窗口、东北子窗口、西南子窗口和东南子窗口,其中,所述目标像素点位于各子窗口的边线上;
在划分得到的所有子窗口内至少选取一个子窗口。
所述图像滤波方法,其中,所述对于输入图像中的各目标像素点,获取目标像素点的至少一个子窗口具体包括:
对于输入图像中的目标像素点,以目标像素点为中心,分别以2r+1、2(r-a)+1和2(r+b)+1为边长建立正方形的窗口,其中,r为导向滤波的窗口半径,a和b为正整数且a小于r;
分别按照预设规则将各窗口划分为左子窗口、右子窗口、上子窗口、下子窗口、西北子窗口、东北子窗口、西南子窗口和东南子窗口,其中,所述目标像素点位于各子窗口的边线上;
在划分得到的所有子窗口内至少选取一个子窗口。
所述图像滤波方法,其中,所述采用导向滤波法获取所述目标像素点在所述各子窗口内的估值具体包括:
采用导向滤波法计算目标像素点在各子窗口内的线性系数;
根据各子窗口的线性系数计算目标像素点在各子窗口内的估值。
所述图像滤波方法,其中,所述采用导向滤波法计算目标像素点的各子窗口的线性系数具体包括:
对各子窗口进行筛选以获取各可滑动的滑动子窗口;
将各滑动子窗口沿覆盖目标像素点的边的延伸方向滑动,以得到若干第一子窗口,其中,目标像素点位于各第一子窗口的边线上;
采用导向滤波法分别计算各第一子窗口的第一线性系数;
根据计算得到的所有第一线性系数确定各滑动子窗口对应的线性系数。
所述图像滤波方法,其中,所述按照预设条件对各估值进行筛选以得到目标像素点的输出像素值,实现对所述图像滤波具体包括:
分别计算各估值与所述输入图像对应像素点的第一距离;
根据所述第一距离对各估值进行筛选,以得到满足预设条件的估值;
将满足预设条件的估值作为输出像素值,以实现对所述输入图像滤波。
所述图像滤波方法,其中,所述按照预设条件对各估值进行筛选以得到目标像素点的输出像素值,实现对所述输入图像滤波具体包括:
分别计算各估值与导向图像中对应像素点的第二距离;
根据所述第二距离对各估值进行筛选,以得到满足预设条件的估值;
将满足预设条件的估值作为输出像素值,以实现对所述图像滤波。
一种计算机可读存储介质,其中,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的图像滤波方法中的步骤。
一种终端设备,其包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如上任一所述的图像滤波方法中的步骤。
有益效果:与现有技术相比,本发明提供了一种图像滤波方法、存储介质以及终端设备,所述方法包括:对于输入图像中的各目标像素点,获取目标像素点的至少一个子窗口,其中,所述目标像素点位于子窗口的边线上;采用导向滤波法获取所述目标像素点在所述各子窗口内的估值;按照预设条件对各估值进行筛选以得到目标像素点的输出像素值,实现对所述输入图像滤波。本发明通过选取包含目标像素并且目标像素位于其边线上的子窗口,并利用导向滤波算法计算子窗口内目标像素点的估值,选择满足预设条件的估值作为输出像素值,解决了采用导向滤波算法进行滤波时存在的边界模糊的问题。
附图说明
图1为本发明提供的图像滤波方法的实施例一的流程图。
图2(a)为本发明提供的图像滤波方法的实施例一中的左子窗口的示意图。
图2(b)为本发明提供的图像滤波方法的实施例一中的右子窗口的示意图。
图2(c)为本发明提供的图像滤波方法的实施例一中的上子窗口的示意图。
图2(d)为本发明提供的图像滤波方法的实施例一中的下子窗口的示意图。
图2(e)为本发明提供的图像滤波方法的实施例一中的西北子窗口的示意图。
图2(f)为本发明提供的图像滤波方法的实施例一中的东北子窗口的示意图。
图2(g)为本发明提供的图像滤波方法的实施例一中的西南子窗口的示意图。
图2(h)为本发明提供的图像滤波方法的实施例一中的东南子窗口的示意图。
图3为本发明提供的图像滤波方法的实施例一中的左子窗口的有效区域的示意图。
图4为本发明提供的图像滤波方法中的实施例一的西北子窗口的有效区域的示意图。
图5(a)为实施例四中的左子窗口的示意图。
图5(b)为实施例四中的右子窗口的示意图。
图5(c)为实施例四中的上子窗口的示意图。
图5(d)为实施例四中的下子窗口的示意图。
图5(e)为实施例四中的西北子窗口的示意图。
图5(f)为实施例四中的东北子窗口的示意图。
图5(g)为实施例四中的西南子窗口的示意图。
图5(h)为实施例四中的东南子窗口的示意图。
图6为本发明提供的一种终端设备的一个实施例的结构原理图。
具体实施方式
本发明提供一种图像滤波方法、存储介质以及终端设备,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
下面结合附图,通过对实施例的描述,对发明内容作进一步说明。
实施例一
本实施例提供了一种图像滤波方法,如图1所示,所述方法包括:
S10、对于输入图像中的目标像素点,获取目标像素点的至少一个子窗口,其中,所述目标像素点位于其子窗口的边线上。
具体地,所述输入图像为待处理图像,其可以是通过摄像头拍摄的图像,也可以是外部终端发送的图像。所述输入图像中的各目标像素点指的是输入图像包含的各像素点。这里假设所述输入图像的像素为M*N个,即所述输入图像的像素矩阵的行数为M,列数为N。对于输入图像中的目标像素点,将其在所述M*N的像素矩阵中的位置作为所述目标像素点的坐标位置,并记为(i,j),其中,i是目标像素点在输入图像像素矩阵的行序号,j是目标像素点在输入图像像素矩阵的列序号。
所述子窗口为用于计算所述目标像素点的输出像素值的估值的窗口,所述子窗口需要覆盖所述目标像素点,并且所述目标像素点位于所述子窗口的边线上。相应的,所述对于输入图像中的目标像素点,获取目标像素点的至少一个子窗口,其中,所述目标像素点位于子窗口的边线上具体包括:
S11、对于输入图像的目标像素点,以目标像素点为中心、2r+1为边长建立一正方形的窗口,其中,r为导向滤波的窗口半径;
S12、按照预设规则将所述窗口至少划分为左子窗口、右子窗口、上子窗口、下子窗口、西北子窗口、东北子窗口、西南子窗口和东南子窗口,其中,所述目标像素点位于各子窗口的边线上;
S13、在划分得到的所有子窗口内至少选取一个子窗口。
具体地,所述窗口为以所述目标像素点为中心的正方形的窗口,所述正方形的窗口是以导向算法的窗口半径r为基础建立的,这里正方形的窗口边长为2r+1,也就是说,以所述目标像素点为中心,2r+1为边长建立一正方形的窗口。此外,当所述目标像素点位于图像的边缘时,无法在输入图像上以所述目标像素点为中心、2r+1为边长建立一正方形的窗口。因此,对于各目标像素点在以其为中心建立正方形的窗口之前,可以先判断目标像素点是否位于图像的边缘,当目标像素点位于图像的边缘时,可以在所述图像的边界外设置虚拟图像,再以所述目标像素点为中心、2r+1为边长建立一正方形窗口,再将位于虚拟图像的窗口部分以及虚拟图像删除以得到目标像素点对于的窗口。其中,所述虚拟图像优选为是空白图像,以避免虚拟图像与输入图像混淆。当然,值得说明的,所述以目标像素点为中心建立的正方形的窗口也包括通过虚拟图像为边缘点创建的窗口,并且将虚拟图像删除后的窗口设定为边缘点对应的正方形窗口。
所述预设规则为预先设置的,通过所述预设规则获取的子窗口需要覆盖所述目标像素点,并且所述目标像素点位于所述子窗口的边线上。在本实施例中,所述预设规则包括划分规则和选取规则,其中,划分规则为以所述目标像素点为划分中心点,以正方形的两个对称轴为分割线;选取规则为选取划分得到的所有长方形的子窗口。这样,根据所述预设规则对正方形的窗口进行划分,得到所有子窗口包括左子窗口、右子窗口、上子窗口、下子窗口、西北子窗口、东北子窗口、西南子窗口和东南子窗口。例如,如图2(a)-2(h)所示,其中虚线正方形框是以目标像素为中心,2r+1为边长的正方形窗口(即导向滤波算法中使用的窗口),黑色圆点是目标像素(坐标为(i,j)),将所述正方形窗口按照预设规则进行划分得到的子窗口为各图中灰色区域,即是本申请所述子窗口的位置,其中,所述左子窗口是顶点坐标为(i-r,j-r),(i-r,j),(i+r,j-r),(i+r,j)的矩形窗;右子窗口是顶点坐标为(i-r,j),(i-r,j+r),(i+r,j),(i+r,j+r)的矩形窗;上子窗口是顶点坐标为(i-r,j-r),(i-r,j+r),(i,j-r),(i,j+r)的矩形窗;下子窗口是顶点坐标为(i,j-r),(i,j+r),(i+r,j-r),(i+r,j+r)的矩形窗;西北子窗口是顶点坐标为(i-r,j-r),(i-r,j),(i,j-r),(i,j)的正方形窗;东北子窗口是顶点坐标为(i-r,j),(i-r,j+r),(i,j),(i,j+r)的正方形窗;西南子窗口是顶点坐标为(i,j-r),(i,j),(i+r,j-r),(i+r,j)的正方形窗;东南子窗口是顶点坐标为(i,j),(i,j+r),(i+r,j),(i+r,j+r)的正方形窗。其中i-r≥1,i+r≤M,j-r≥1,j+r≤N,共8个子窗口。
此外,在划分得到子窗口后,在划分得到的子窗口中选取一个或者多个子窗口作为目标像素点的子窗口。在本实施例中,所述目标像素点的子窗口优选包含上述8种子窗口。
进一步,为了输出图像边界的准确性,在以窗口半径r为基础确定子窗口的基础上,还可以分别以大于窗口半径预设长度和小于窗口半径预设长度确定子窗口,以增加子窗口的数量并扩大其覆盖范围,从而提高边界像素点对应的处理后的输出像素值的准确性。例如,分别以窗口半径r+2和窗口半径r-2为基础确定子窗口,此时预设长度为2。显然,所述预设长度必须小于所述窗口半径。也就是说,所述子窗口的数量可以根据滤波的精确度要求来选取,滤波的精确度要求越高,选取的子窗口的数量越多。
相应的,所述对于输入图像中的各目标像素点,获取目标像素点的至少一个子窗口具体包括:
对于输入图像中的目标像素点,以目标像素点为中心,分别以2r+1、2(r-a)+1和2(r+b)+1为边长建立正方形的窗口,其中,r为导向滤波的窗口半径,a和b为正整数且a小于r;
分别按照预设规则将各窗口划分为左子窗口、右子窗口、上子窗口、下子窗口、西北子窗口、东北子窗口、西南子窗口和东南子窗口,其中,所述目标像素点位于各子窗口的边线上;
在划分得到的各子窗口内至少选取一个子窗口
具体地,所述a和b为正整数,并且所述a小于r。此外,在本实施例的变形实施例中,所述正方形的窗口的数量还可以根据滤波精度的要求来增加。
S20、采用导向滤波法获取所述目标像素点在所述子窗口内的估值。
具体地,所述估值为通过导向滤波法在各子窗口计算得到的,其可以作为目标像素的输出像素值的备用。以所述子窗口为8个子窗口为例,并且所述8个子窗口分别为左子窗口、右子窗口、上子窗口、下子窗口、西北子窗口、东北子窗口、西南子窗口和东南子窗口。也就是说,分别计算所述8个子窗口内的目标像素点的估值。
所述通过导向滤波法计算估值首先需要计算各子窗口对应的线性系数,再根据线性系数计算估值。相应的,所述采用导向滤波法获取所述目标像素点在所述各子窗口内的估值具体包括:
S21、采用导向滤波法计算目标像素点的各子窗口的线性系数;
S22、根据各子窗口的线性系数计算目标像素点在各子窗口内的估值。
具体地,所述输出像素值与导向图像中对应像素点的像素值为线性关系,所述线性系数为所述线性关系式中的一次项系数和常数项。这里以左子窗口为例,对估值的计算过程进行说明。这里假设导向图像用G表示,输入图像用P表示,输出图像用Q表示,目标像素点是i。在i的左子窗口内,qi是gi的线性近似,并且所述qi与gi的线性关系式为:
为了使得qi接近pi,需要优化损失函数(loss function),我们用最小均方误差来表示qi和pi的距离,有:
求解以上两个方程,得到:
从而,根据上述两个公式可以计算得到左子窗口的线性系数和同理可以计算得到各子窗口的线性系数,再将各子窗口的线性系数代入(1)式,可以得到各子窗口的一个估值。例如,对于左子窗口,将和代入(1)式可以计算出左子窗口的一个估值qi。此外,为了与其他子窗口的结果相区分,可以将左子窗口的结果表示为
进一步,为了提高边界的准确性,可以将各子窗口按照预设方式滑动以得到多个滑动子窗口,通过各子窗口以及对应的滑动子窗口来计算所述线性系数。相应的,所述采用导向滤波法计算目标像素点的各子窗口的线性系数具体包括:
S211、对各子窗口进行筛选以获取各可滑动的滑动子窗口;
S212、将各滑动子窗口沿覆盖目标像素点的边的延伸方向滑动,以得到若干第一子窗口,其中,目标像素点位于各第一子窗口的边线上;
S213、采用导向滤波法分别计算各第一子窗口的第一线性系数;
S214、根据计算得到的所有第一线性系数确定各滑动子窗口对应的线性系数。
具体地,位于目标像素点左侧的子窗口不止一个,从而在获取到左子窗口后,可以通过滑动的方式获取到目标像素点的所有的滑动左子窗口。如图3所示,由黑色实线框所示的左子窗口滑动到黑色点划线框所示的左子窗口的过程中,各左子窗口均覆盖所述目标像素点,并且不覆盖任何列序号大于j的像素点,也就是说,所述目标像素点位于各左子窗口的右侧的边上,满足这样条件的窗口是有效的滑动子窗口。同理可知,有效的滑动右子窗口是所有覆盖目标像素点但是不覆盖任何列序号小于j的像素点的滑动右子窗口,有效的滑动上子窗口是所有覆盖目标像素点但是不覆盖任何行序号大于i的像素点的滑动上子窗口,有效的滑动下子窗口是所有覆盖目标像素点但是不覆盖任何行序号小于i的像素点的滑动下子窗口。这里将通过滑动得到的有效滑动子窗口称为第一窗口。例如,左子窗口通过滑动得到的所有有效滑动左子窗口可以记为第一左子窗口。同理,可以得到其他各子窗口对应的第一窗口。当然,值得说明的,对于西北子窗口、东北子窗口、西南子窗口和东南子窗口来说,有效子窗口只有一个。这里以西北子窗口为例加以说明,如图4所示,以目标像素为中心画了两条实轴线,要求有效的西北子窗口要覆盖目标像素但是不能越过轴线,因此灰色部分的西北子窗口是唯一有效的西北子窗口。同理,对东北子窗口、西南子窗口和东南子窗口来说,也只有一个有效的子窗口。因此,对于目标像素说,只有一个第一西北子窗口、一个第一东北子窗口、一个第一西南子窗口和一个第一东南子窗口。
进一步,在确定各子窗口对应的第一窗口后,可以在各第一窗口内分别计算线性系数,记为a和b。例如,对于目标像素的所有第一左子窗口内计算的a和b求均值,用和表示。同理,对于目标像素的所有第一右子窗口内计算的a和b求均值,用和表示。对于目标像素的所有第一上子窗口内计算的a和b求均值,用和表示。对于目标像素的所有第一下子窗口内计算的a和b求均值,用和表示。例如,对2r+1个第一左子窗口的和求均值,得到:
S30、按照预设条件对各估值进行筛选以得到目标像素点的输出像素值,实现对所述输入图像滤波。
具体地,所述预设条件可以为估值与输入图像对应像素点的像素值的距离的最大值或者最小值,也可以为估值与导向图像中对应的像素点的像素值的距离的最大值或者最小值。
当所述预设条件为估值与输入图像对应像素点的像素值的距离的最大值或者最小值时,所述按照预设条件对各估值进行筛选以得到目标像素点的输出像素值,实现对所述图像滤波具体包括:
分别计算各估值与输入图像对应像素点的像素值的第一距离;
根据所述第一距离对各估值进行筛选,以得到满足预设条件的估值;
将满足预设条件的估值作为输出像素值,以实现对所述输入图像滤波。
具体地,所述距离可为L1距离也可以为L2距离,其中,所述L1距离是两个值之间差的绝对值,所述L2距离是两个值之间差的平方。这里以L1距离为例,所述估值与输入图像对应像素点的像素值的距离,并且以距离中最小的估值为输出像素值。相应的,所述预设条件对应的筛选公式可以为:
相应的,所述输出像素值的计算公式可以为:
当所述预设条件为估值与导向图像中对应的像素点的像素值的距离的最大值或者最小值时,所述按照预设条件对各估值进行筛选以得到目标像素点的输出像素值,实现对所述输入图像滤波具体包括:
分别计算各估值与导向图像中对应像素点的像素值的第二距离;
根据所述第二距离对各估值进行筛选,以得到满足预设条件的估值;
将满足预设条件的估值作为输出像素值,以实现对所述图像滤波。
进一步,为了更好的说明本发明的图像滤波方法在计算的过程中子窗口可以选择不同数量以及类型,这里以几个具体实施例加以说明。
实施例二
所述输入图像中具有45度角的边界较少,只有横向或纵向的边界时,采用左子窗口、右子窗口、上子窗口和下子窗口4个子窗口,通过实施例一说明可以得到,输出像素值的计算公式如下:
实施例三
在实施例二的基础上,每种子窗口还包含三个尺度,分别为(r,r+2,r-2),相应的,每个子窗口都会计算三种尺度(r,r+2,r-2)的估值。这里以左子窗口为例,三种尺度的目标像素估值分别表示为:
那么对4种子窗口,每种子窗口3个尺度,共得到12个估值。最后取这12个估值中与输入图像目标像素的距离最小的作为输出图像对应像素的值。
实施例四
在本发明所述方法中给出了8个子窗口的前提下,采用的子窗口可能是本发明所述子窗口的子窗口。如图5(a)-5(h)所示,选取的左子窗口的子窗口,顶点坐标是(i-s,j-r),(i-s,j),(i+s,j-r),(i+s,j),右子窗口的子窗口,顶点坐标是(i-s,j),(i-s,j+r),(i+s,j),(i+s,j+r);上子窗口的子窗口,顶点坐标是(i-r,j-s),(i-r,j+s),(i,j-s),(i,j+s);下子窗口的子窗口,顶点坐标是(i,j-s),(i,j+s),(i+r,j-s),(i+r,j+s);西北子窗口的子窗口,顶点坐标是(i-s,j-s),(i-s,j),(i,j-s),(i,j);东北子窗口的子窗口,顶点坐标是(i-s,j),(i-s,j+s),(i,j),(i,j+s);西南子窗口的子窗口,顶点坐标是(i,j-s),(i,j),(i+s,j-s),(i+s,j);东南子窗口的子窗口,顶点坐标是(i,j),(i,j+s),(i+s,j),(i+s,j+s)。
实际使用的时候也可以是这些子窗口的子窗口任意数目的组合。例如,只使用左子窗口的子窗口、右子窗口的子窗口、上子窗口的子窗口和下子窗口的子窗口4种子窗口。此时最终像素的计算公式如下:
实施例五
在实施例四的基础上,每种子窗口还可以包含三个尺度。仍以使用左子窗口的子窗口、右子窗口的子窗口、上子窗口的子窗口和下子窗口的子窗口4种窗为例。每个子窗口的子窗口都会计算三种尺度(r,r+2,r-2)的估值。以左子窗口的子窗口为例,三种尺度的估值分别表示为:
那么4种子窗口的子窗口,每种子窗口3个尺度,共得到12个估值。最后取这12个估值中与输入图像目标像素的距离最小的作为输出图像对应像素的值。
实施例六
在实施例四的基础上,实际使用时也可以是子窗口的子窗口与子窗口之间的任意数目的组合。例如实际使用的是左子窗口、右子窗口、上子窗口、下子窗口,以及它们各自的子窗口。那么一共可以得到8个估值,最后取这8个估值与输入图像目标像素的距离最小的作为输出图像对应像素的值。此时最终像素的计算公式如下:
实施例七
在实施例六的基础上,每种子窗口还包含三个尺度。仍以使用左子窗口、右子窗口、上子窗口和下子窗口以及它们各自的子窗口共8种窗为例。每个窗都会计算三种尺度(r,r+2,r-2)的估值。因此,可以得到24个估值,最后取这24个估值与输入图像目标像素的距离最小的作为输出图像对应像素的值。
实施例八
在本发明所述8个子窗口的基础上,还可能包含(i-r,j-r),(i-r,j+r),(i+r,j-r),(i+r,j+r)正方形窗,共9种窗口。因此,可以得到9个估值,最后取这9个估值与输入图像目标像素的距离最小的作为输出图像对应像素的值。
实施例九
在实施例八的基础上,每种窗还包含三个尺度。每个窗都计算三种尺度(r,r+2,r-2)的目标像素估值。因此,可以得到27个估值,最后取这27个估值与输入图像目标像素的距离最小的作为输出图像对应像素的值。
实施例十
实施例二至实施例七,每个实施例都可以包含(i-r,j-r),(i-r,j+r),(i+r,j-r),(i+r,j+r)正方形窗。假设可以得到n个估值,最后取n个估值中与输入图像目标像素的距离最小的作为输出图像对应像素的值。
实施例十一
实施例二至实施例十,每个实施例中所述距离还可以是除L1以外的其他距离,只要能够表达估值与输入像素值的相似性即可。例如,可以使用L2距离。以使用左子窗口、右子窗口、上子窗口和下子窗口4种子窗口为例,共得到4个估值,那么最终像素的计算公式如下:
实施例十二
实施例二至实施例十一,每个实施例最后取估值与输入图像目标像素的距离最大的作为输出图像对应像素的值。以使用左子窗口、右子窗口、上子窗口和下子窗口4种子窗口而且用L2距离度量估值与输入图像对应像素之间的相似性为例,共得到4个估值,那么最终像素的计算公式如下:
实施例十三
实施例二至实施例十二,每个实施例最后取估值的均值作为输出图像对应像素的值。以使用左子窗口、右子窗口、上子窗口和下子窗口4种子窗口为例,共得到4个估值,那么最终像素的计算公式如下:
实施例十四
实施例二至实施例十二,每个实施例最后取估值的加权平均作为输出图像对应像素的值。以使用左子窗口、右子窗口、上子窗口和下子窗口4种子窗口为例,共得到4个估值,那么最终像素的计算公式如下:
实施例十五
对于具有多个通道的图像,在每个通道上分别做本发明的算法,再合成最终的输出图像。以输入是RGB图像为例,分别在R、G、B三个通道上计算基于子窗口的导向滤波,将结果分别作为输出图像的R、G、B通道,从而得到输出图像。
实施例十六
对于具有多个通道的图像,只在其中一个通道做本发明的算法,再与其他通道的输入图像合成最终的输出图像。以输入是RGB图像为例,首先将RGB图像转化成YUV图像,其中Y通道表示图像的亮度。可以只在Y通道上计算基于子窗口的导向滤波,将结果作为输出图像的Y通道,输入图像的U和V通道作为输出图像的U和V通道,从而得到输出图像。
基于上述图像滤波方法,本发明提供了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存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上述实施例所述的图像滤波方法中的步骤
基于上述图像滤波方法,本发明还提供了一种终端设备,如图6所示,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及移动终端中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种图像滤波方法,其特征在于,其包括:
对于输入图像中的目标像素点,获取目标像素点的至少一个子窗口,其中,所述目标像素点位于其子窗口的边线上;
采用导向滤波法获取所述目标像素点在所述子窗口内的估值;
按照预设条件对其估值进行筛选以得到目标像素点的输出像素值,实现对所述输入图像在目标像素点位置的滤波结果,其中,所述预设条件为估值与输入图像对应像素点的像素值的距离的最大值或者最小值,或者为估值与导向图像中对应的像素点的像素值的距离的最大值或最小值;
其中,所述对于输入图像中的目标像素点,获取目标像素点的至少一个子窗口具体包括:
对于输入图像中的目标像素点,以目标像素点为中心、2r+1为边长建立一正方形的窗口,其中,r为导向滤波的窗口半径;
按照预设规则将所述窗口划分为左子窗口、右子窗口、上子窗口、下子窗口、西北子窗口、东北子窗口、西南子窗口和东南子窗口,其中,所述目标像素点位于各子窗口的边线上,其中,所述预设规则包括划分规则和选取规则,划分规则为以所述目标像素点为划分中心点,以正方形的两个对称轴为分割线,选取规则为选取划分得到的所有长方形的子窗口;
在划分得到的所有子窗口内至少选取一个子窗口。
2.根据权利要求1所述图像滤波方法,其特征在于,所述对于输入图像中的各目标像素点,获取目标像素点的至少一个子窗口具体包括:
对于输入图像中的目标像素点,以目标像素点为中心,分别以2r+1、2(r-a)+1和2(r+b)+1为边长建立正方形的窗口,其中,r为导向滤波的窗口半径,a和b为正整数且a小于r;
分别按照预设规则将各窗口划分为左子窗口、右子窗口、上子窗口、下子窗口、西北子窗口、东北子窗口、西南子窗口和东南子窗口,其中,所述目标像素点位于各子窗口的边线上;
在划分得到的所有子窗口内至少选取一个子窗口。
3.根据权利要求1所述图像滤波方法,其特征在于,所述采用导向滤波法获取所述目标像素点在所述子窗口内的估值具体包括:
分别采用导向滤波法计算目标像素点在各子窗口内的线性系数;
根据各子窗口的线性系数计算目标像素点在各子窗口内的估值。
4.根据权利要求3所述图像滤波方法,其特征在于,所述采用导向滤波法计算目标像素点的各子窗口的线性系数具体包括:
对各子窗口进行筛选以获取可滑动的滑动子窗口;
对于各滑动子窗口,将滑动子窗口沿覆盖目标像素点的边的延伸方向滑动,以得到若干第一子窗口,其中,目标像素点位于各第一子窗口的边线上;
采用导向滤波法分别计算各第一子窗口的第一线性系数;
根据计算得到的第一线性系数确定滑动子窗口对应的线性系数。
5.根据权利要求1所述图像滤波方法,其特征在于,所述按照预设条件对各估值进行筛选以得到目标像素点的输出像素值,实现对所述图像滤波具体包括:
分别计算各估值与输入图像中对应像素点的第一距离;
根据所述第一距离对各估值进行筛选,以得到满足预设条件的估值;
将满足预设条件的估值作为输出像素值,以实现对所述输入图像滤波。
6.根据权利要求1所述图像滤波方法,其特征在于,所述按照预设条件对各估值进行筛选以得到目标像素点的输出像素值,实现对所述输入图像滤波具体包括:
分别计算各估值与导向图像中对应像素点的第二距离;
根据所述第二距离对各估值进行筛选,以得到满足预设条件的估值;
将满足预设条件的估值作为输出像素值,以实现对所述图像滤波。
7.一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存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至6任意一项所述的图像滤波方法中的步骤。
8.一种终端设备,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如权利要求1-6任意一项所述的图像滤波方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810928926.5A CN109035173B (zh) | 2018-08-15 | 2018-08-15 | 一种图像滤波方法、存储介质以及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810928926.5A CN109035173B (zh) | 2018-08-15 | 2018-08-15 | 一种图像滤波方法、存储介质以及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109035173A CN109035173A (zh) | 2018-12-18 |
CN109035173B true CN109035173B (zh) | 2022-05-17 |
Family
ID=64631377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810928926.5A Active CN109035173B (zh) | 2018-08-15 | 2018-08-15 | 一种图像滤波方法、存储介质以及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109035173B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288758B (zh) * | 2020-05-25 | 2022-08-30 | 国网江苏省电力有限公司常州供电分公司 | 一种电力设备红外与可见光图像配准方法 |
CN115205156B (zh) * | 2022-07-27 | 2023-06-30 | 上海物骐微电子有限公司 | 无失真的中值滤波边界填充方法及装置、电子设备、存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6625326B1 (en) * | 1999-07-14 | 2003-09-23 | Samsung Electronics Co., Ltd. | Edge enhancement method by 4-directional 1-dimensional high pass filtering |
CN105787902A (zh) * | 2016-03-22 | 2016-07-20 | 天津大学 | 利用分块排序检测噪声的图像降噪方法 |
CN106373098A (zh) * | 2016-08-30 | 2017-02-01 | 天津大学 | 基于非相似像素统计的随机脉冲噪声去除方法 |
CN106910169A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种防止边缘模糊的图像椒盐噪声去除方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6721448B2 (en) * | 2001-02-20 | 2004-04-13 | International Business Machines Corporation | Color clustering and segmentation using sigma filtering |
CN102005033B (zh) * | 2010-11-16 | 2012-07-04 | 中国科学院遥感应用研究所 | 一种图像平滑抑制噪声方法 |
AU2013206597A1 (en) * | 2013-06-28 | 2015-01-22 | Canon Kabushiki Kaisha | Depth constrained superpixel-based depth map refinement |
CN104933679B (zh) * | 2015-07-06 | 2018-07-24 | 福州瑞芯微电子股份有限公司 | 一种放大图像的方法及其对应系统 |
-
2018
- 2018-08-15 CN CN201810928926.5A patent/CN109035173B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6625326B1 (en) * | 1999-07-14 | 2003-09-23 | Samsung Electronics Co., Ltd. | Edge enhancement method by 4-directional 1-dimensional high pass filtering |
CN105787902A (zh) * | 2016-03-22 | 2016-07-20 | 天津大学 | 利用分块排序检测噪声的图像降噪方法 |
CN106373098A (zh) * | 2016-08-30 | 2017-02-01 | 天津大学 | 基于非相似像素统计的随机脉冲噪声去除方法 |
CN106910169A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种防止边缘模糊的图像椒盐噪声去除方法 |
Non-Patent Citations (2)
Title |
---|
一种抑制高斯噪声的加权滤波算法;沈德海等;《渤海大学学报(自然科学版)》;20161231(第12期);第356-360页 * |
基于引导滤波的图像增强算法研究与应用;游敏;《中国优秀硕士学位论文全文数据库信息科技辑》;20170215(第2期);第I138-3466页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109035173A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113298837B (zh) | 一种图像边缘提取方法、装置、存储介质及设备 | |
CN114186632B (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
CN111062355A (zh) | 一种人体动作识别方法 | |
CN109035173B (zh) | 一种图像滤波方法、存储介质以及终端设备 | |
US20110142363A1 (en) | Image correction apparatus and image correction method | |
CN111783583B (zh) | 基于非局部均值算法的sar图像相干斑抑制方法 | |
CN112784874B (zh) | 双目视觉立体匹配方法、装置、电子设备及存储介质 | |
WO2013088665A1 (ja) | 画像領域抽出装置、画像領域抽出方法、および画像領域抽出プログラム | |
CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN111179184B (zh) | 基于随机抽样一致性的鱼眼图像有效区域提取方法 | |
CN106683043B (zh) | 一种多通道光学探测系统的并行图像拼接方法、装置 | |
CN112598711B (zh) | 一种基于联合光谱降维和特征融合的高光谱目标跟踪方法 | |
CN106683044B (zh) | 一种多通道光学探测系统的图像拼接方法、装置 | |
CN115294351B (zh) | 图像特征提取方法、装置和电子设备 | |
CN113223098B (zh) | 图像颜色分类的预处理优化方法 | |
CN114998172A (zh) | 图像处理方法及相关系统 | |
CN116563193A (zh) | 图像相似性度量方法及其装置 | |
CN113793372A (zh) | 异源图像的优化配准方法及系统 | |
CN113705660A (zh) | 目标识别方法及相关设备 | |
CN112614154A (zh) | 目标跟踪轨迹的获取方法、装置及计算机设备 | |
CN110796050A (zh) | 一种无人机巡检过程中目标物体的识别方法及相关装置 | |
CN113344988A (zh) | 立体匹配方法、终端及存储介质 | |
CN116977173B (zh) | 基于色差和色比的边缘优化Bayer插值方法 | |
CN110599504B (zh) | 一种图像处理方法及装置 | |
CN110599517A (zh) | 一种基于局部特征和全局hsv特征组合的目标特征描述方法 |
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 |