CN109495759B - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN109495759B CN109495759B CN201811427510.1A CN201811427510A CN109495759B CN 109495759 B CN109495759 B CN 109495759B CN 201811427510 A CN201811427510 A CN 201811427510A CN 109495759 B CN109495759 B CN 109495759B
- Authority
- CN
- China
- Prior art keywords
- image
- information
- compensation information
- compensation
- image block
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 109
- 239000011159 matrix material Substances 0.000 claims abstract description 84
- 230000000903 blocking effect Effects 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000009499 grossing Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000006837 decompression Effects 0.000 claims description 65
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
- H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种图像处理方法及装置,应用于图像处理技术领域。该方法包括:将存在块效应的红外解压缩图像划分为呈矩形阵列分布的图像块。获取图像块的边界灰度信息,进而确定各图像块与相邻图像块的边界落差信息,进而得到图像块的落差信息。基于边界落差信息、落差信息以及预设的补偿信息构建图像的约束优化目标函数。根据约束优化目标函数确定目标补偿矩阵。目标补偿矩阵中的每个元素值为图像中位置与元素值在目标补偿矩阵中的位置相同的图像块的补偿信息的目标值,且均满足约束优化目标函数取得最小值的条件。根据目标补偿矩阵中的元素值,补偿图像的直流分量,并对补偿后的图像进行平滑处理。该方法可补偿图像中已损失的直流分量。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法及装置。
背景技术
随着我国科学技术的快速发展,红外成像技术已被应用于生物、医学、地学、军事侦察等各个方面。相比于可见光成像,红外成像具有分辨率高,作用距离远,在夜间或光照不足的情况下全天候工作等优点,但是,由于红外热像仪采集的视频数据量较大,受存储容量与传输带宽的限制,在实际应用中,主要使用压缩技术进行存储与传输,如基于块离散余弦变换(Block Discrete Cosine Transform,BDCT)的图像及视频压缩标准。然而,BDCT以块为单位进行单独量化和编码,破坏了像素在相邻块中的相关性,因此在低比特率时由于粗糙量化会使得相邻块边界上出现灰度不连续的现象,产生明显的块效应,严重降低了图像质量。
因此,为了提高图像质量,通常采用块效应去除算法将红外图像中的块效应去除。但是,目前的块效应去除算法通常是通过平滑图像块边界处的像素点来解决块效应导致的边界不连续问题,这就会存在未对图像块的直流分量进行补偿的问题。
发明内容
本发明实施例的主要目的在于提供一种图像处理方法及装置,可补偿存在块效应的图像中已损失的直流分量,从而消除图像的块效应,进而提高图像质量。
本发明实施例第一方面提供了一种图像处理方法,所述方法包括:将存在块效应的红外解压缩图像划分为呈矩形阵列分布的图像块;获取所述图像块的边界灰度信息,根据所述图像块的边界灰度信息,确定各所述图像块与相邻图像块的边界落差信息,根据所述边界落差信息得到所述图像块的落差信息;基于所述边界落差信息、所述落差信息以及预设的补偿信息构建所述红外解压缩图像的约束优化目标函数;根据所述约束优化目标函数确定目标补偿矩阵,所述目标补偿矩阵中的每个元素值为所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的补偿信息的目标值,并且所述目标补偿矩阵中的每个元素值均满足所述约束优化目标函数取得最小值的条件;根据所述目标补偿矩阵中的元素值,补偿所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的直流分量,并对补偿后的红外解压缩图像进行平滑处理,以消除所述红外解压缩图像的块效应。
本发明实施例第二方面提供了一种图像处理装置,所述装置包括:划分单元,用于将存在块效应的红外解压缩图像划分为呈矩形阵列分布的图像块;获取单元,用于获取所述图像块的边界灰度信息,根据所述图像块的边界灰度信息,确定各所述图像块与相邻图像块的边界落差信息,根据所述边界落差信息得到所述图像块的落差信息;构建单元,用于基于所述边界落差信息、所述落差信息以及预设的补偿信息构建所述红外解压缩图像的约束优化目标函数;确定单元,用于根据所述约束优化目标函数确定目标补偿矩阵,所述目标补偿矩阵中的每个元素值为所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的补偿信息的目标值,并且所述目标补偿矩阵中的每个元素值均满足所述约束优化目标函数取得最小值的条件;补偿单元,用于根据所述目标补偿矩阵中的元素值,补偿所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的直流分量;滤波单元,用于对补偿后的红外解压缩图像进行平滑处理,以消除所述红外解压缩图像的块效应。
从上述实施例可知,通过构建约束优化目标函数来确定目标补偿矩阵,利用目标补偿矩阵中的元素值来补偿与红外解压缩图像中位置与元素值在所述目标补偿矩阵中的位置相同的图像块的直流分量,进而去除红外解压缩图像中存在的块效应,而不是通过对红外解压缩图像的图像块的边界处的像素点进行平滑处理得到,可补偿各图像块损失的直流分量、并且可自适应去除各种比特率压缩的解压缩图像的块效应,提高工作效率。
附图说明
图1是本发明提供的第一实施例中的图像处理方法的实现流程示意图;
图2是本发明提供的第一实施例中的图像处理方法的图像块示意图;
图3是本发明提供的第一实施例中的图像处理方法中各图像块的落差信息示意图;
图4是本发明提供的第一实施例中的图像处理方法的对比图;
图5是本发明提供的第二实施例中的图像处理装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1是本发明提供的第一实施例中的图像处理方法的实现流程示意图。如图1所示,该方法主要包括以下步骤:
101、将存在块效应的红外解压缩图像划分为呈矩形阵列分布的图像块。
具体的,终端利用基于BDCT的图像压缩标准对红外图像进行压缩,得到红外压缩图像,接着将红外压缩图像进行解压缩,得到红外解压缩图像。由于基于BDCT的图像压缩标准以图像块为单位进行单独量化和编码,会破坏像素在相邻图像块之间的相关性,因此红外解压缩图像中存在块效应。
示例性的,若基于BDCT的图像压缩标准是对大小为8×8的图像块进行单独量化和编码的,则将尺寸为8m×8n的红外解压缩图像划分为mn个呈矩阵阵列分布的图像块xi,j(1≤i≤m,1≤j≤n),其中,下标(i,j)表示位于在红外解压缩图像中第i行第j列的图像块。
102、获取该图像块的边界灰度信息,根据该图像块的边界灰度信息,确定各该图像块与相邻图像块的边界落差信息,根据该边界落差信息得到该图像块的落差信息。
具体的,终端根据划分后的红外解压缩图像获取各图像块的边界灰度信息。
进一步地,获取图像块的边界灰度信息之后,包括:根据该图像块在该红外解压缩图像中的位置信息,将各该图像块分别划分为位于图像中间的图像块,位于图像四角的图像块以及位于图像边界的图像块中的一种。
具体的,图像块的位置示意图如图2所示。其中,图像块1为位于图像中间的图像块,图像块2、3、4和5分别是与图像块1相邻的上边块、右边块、下边块及左边块。图像块6为位于图像四角的图像块,图像块7和8分别是与图像块6相邻的右边块和下边块。图像块9和图像块13均为位于图像边界的图像块。其中,图像块9为位于图像左边界的图像块,图像块10、11和12分别是与图像块9相邻的上边块、右边块及下边块。图像块13为位于图像下边界的图像块,图像块14、15和16分别是与图像块13相邻的左边块、上边块及右边块。
其中,终端根据预设边界落差信息运算模板获取各图像块的边界落差信息。对于位于图像中间的图像块,利用四个预设边界落差信息运算模板分别获取中间块与上边块、中间块与下边块、中间块与左边块与中间块与右边块在边界处的边界落差信息。
其中,对于位于图像边界的图像块,以位于图像上边界的图像块为例进行说明,利用三个预设边界落差信息运算模板分别获取中间块与下边块、中间块与左边块以及中间块与右边块在边界处的边界落差信息。可以理解的,位于图像左边界的图像块、位于图像下边界的图像块以及位于图像右边界的图像块的边界落差信息的确定方式与位于图像上边界的图像块的边界落差信息的确定方式相同。
其中,对于位于图像四角的图像块,以位于图像左上角的图像块为例进行说明,利用两个预设边界落差信息运算模板分别获取中间块与下边块以及中间块与右边块在边界处的边界落差信息。可以理解的,位于图像左下角的图像块、位于图像右上角的图像块以及位于图像右下角的图像块的边界落差信息的确定方式与位于图像左上角的图像块的边界落差信息的确定方式相同。
其中,预设边界落差信息运算模板的大小对应于相邻边界块的两行/列像素点,因此,预设边界落差信息运算模板的大小与相邻块相对于中间块的位置有关。如图3所示,该预设边界落差信息运算模板的具体运算过程为:沿着中间块向四周的方向,首先计算两个相邻块的块内差分和块间差分,随后基于三个一阶差分进行二阶差分,最后取二阶差分的1/16倍累加和。
其中,根据图像块与相邻图像块的边界落差信息,确定图像块与相邻图像块的边界落差平均信息,记作{εU,i,j,εD,i,j,εL,i,j,εR,i,j},并将图像块与相邻图像块的边界落差平均信息的和作为图像块的落差信息,如下式所示:
εi,j=εU,i,j+εD,i,j+εL,i,j+εR,i,j。
式中,εi,j为红外解压缩图像中第i行第j列的图像块的落差信息,εU,i,j为红外解压缩图像中第i行第j列的图像块与上边块的边界落差平均信息,εD,i,j为红外解压缩图像中第i行第j列的图像块与下边块的边界落差平均信息,εL,i,j为红外解压缩图像中第i行第j列的图像块与左边块的边界落差平均信息,εR,i,j为红外解压缩图像中第i行第j列的图像块与右边块的边界落差平均信息。
103、基于该边界落差信息、该落差信息以及预设的补偿信息构建该红外解压缩图像的约束优化目标函数。
具体的,在图像处理过程中,量化误差主要来源于DCT域直流分量和交流分量的过度量化。其中,直流分量为图像块的灰度平均值,代表图像块的整体亮度,由于过度量化,使得原本亮度相近的相邻图像块,出现明暗不均匀的灰度落差,在视觉上表现为块效应。为了降低相邻图像块的亮度差异,本实施例通过构建约束优化目标函数以确定目标补偿矩阵,并根据目标补偿矩阵对红外解压缩图像的直流分量进行补偿,以消除块效应。
其中,基于该图像块的边界落差信息、落差信息以及补偿信息构建该红外解压缩图像的约束优化目标函数。该约束优化目标函数如下式所示:
式中,J表示约束优化目标函数,E表示补偿后块效应的总平方误差,C1和C2分别表示补偿信息总体偏移约束项和补偿信息惩罚项,C3和C4分别表示上下边界补偿信息约束项和左右边界补偿值约束项,λ1、λ2、λ3和λ4分别为第一权重参数、第二权重参数、第三权重参数和第四权重参数,分别用于调节C1、C2、C3和C4的权重,λ1、λ2、λ3和λ4均大于0。
其中,经直流分量补偿后图像块xi,j的块效应平方误差为中间块与其上下左右四个相邻块的块效应误差的平方和。中间块与相邻块边界处块效应误差的获取方法具体为:中间块的边界落差信息加上中间块的补偿信息再减去相邻块的补偿信息,其大小与相邻块和中间块边界处块效应误差互为相反数。中间块与其上下左右四个相邻块边界处的块效应误差求和可获得中间块的块效应误差。
在本实施例中,为了避免得到的补偿信息整体过大或者过小,将红外解压缩图像中所有图像块的补偿信息的和的平方作为补偿信息总体偏移约束项C1,为了避免单个补偿信息过大或过小,将图像中所有图像块的补偿信息的平方和作为补偿信息惩罚项C2,如下式所示。
式中,vi,j为红外解压缩图像中第i行第j列的图像块的补偿信息。
其中,红外解压缩图像中图像块的补偿信息可能沿着某一方向逐渐累积,造成补偿后图像灰度出现渐变,为克服这一问题,将补偿后图像上下边界的图像块和左右边界的图像块所对应的落差梯度分别定义为两个补偿值边界稳定约束项C3和C4,如下式所示。
式中,εm,j为红外解压缩图像中第m行第j列的图像块的落差信息,vm,j为红外解压缩图像中第m行第j列的图像块的补偿信息,ε1,j红外解压缩图像中第1行第j列的图像块的落差信息,v1,j为红外解压缩图像中第1行第j列的图像块的补偿信息,εi,n为红外解压缩图像中第i行第n列的图像块的落差信息,vi,n为红外解压缩图像中第i行第n列的图像块的补偿信息,εi,1红外解压缩图像中第i行第1列的图像块的落差信息,vi,1为红外解压缩图像中第i行第1列的图像块的补偿信息。
104、将该约束优化目标函数分别对各该图像块的补偿信息进行求导,并令该约束优化目标函数对各该图像块的补偿信息的导数为零,确定各该图像块的补偿信息迭代优化公式。
具体的,根据约束优化目标函数对各图像块的补偿信息的导数为零,如下式所示:
根据上式可确定各图像块的补偿信息优化公式,进而确定各图像块的补偿信息迭代优化公式。其中,各图像块的补偿信息迭代优化公式与补偿信息优化公式的区别在于,补偿信息迭代优化公式多了迭代变量k。因此,图像块根据补偿信息迭代优化公式进行迭代运算后得到的补偿信息的值均约束目标函数取得最小值的条件。
进一步地,对于位于红外解压缩图像中不同位置的图像块,其相邻图像块的个数及方向都不相同。因此,对于位于红外解压缩图像中不同位置的图像块的补偿信息进行迭代计算的思路相同,但补偿信息迭代优化公式并不相同。
因此,该将该约束优化目标函数分别对各该图像块的补偿信息进行求导,并令该约束优化目标函数对各该图像块的补偿信息的导数为零,确定各该图像块的补偿信息迭代优化公式包括:
根据该位于图像中间的图像块,将该约束优化目标函数分别对各该图像块的补偿信息进行求导,并令该约束优化目标函数对各该图像块的补偿信息的导数为零,确定各该图像块的第一补偿信息迭代优化公式;
根据该位于图像四角的图像块,将该约束优化目标函数分别对各该图像块的补偿信息进行求导,并令该约束优化目标函数对各该图像块的补偿信息的导数为零,确定各该图像块的第二补偿信息迭代优化公式;
根据该位于图像边界的图像块,将该约束优化目标函数分别对各该图像块的补偿信息进行求导,并令该约束优化目标函数对各该图像块的补偿信息的导数为零,确定各该图像块的第三补偿信息迭代优化公式。
进一步地,该第一补偿信息迭代优化公式为:
该第二补偿信息迭代优化公式为:
该第三补偿信息迭代优化公式为:
式中,为该红外解压缩图像中第i行第j列的图像块进行第k次迭代运算后的补偿信息,为进行第k次迭代运算前与该红外解压缩图像中第i行第j列的图像块相邻的图像块补偿信息的和,εi,j为该红外解压缩图像中第i行第j列的图像块的落差信息,λ1、λ2、λ3和λ4分别为第一权重参数、第二权重参数、第三权重参数和第四权重参数,λ1、λ2、λ3和λ4均大于0,Vk为进行第k次迭代运算前的若干该图像块的补偿信息的和,和为进行第k次迭代运算前的上下边界补偿梯度和左右边界补偿梯度,Dεr和Dεc为上下边界落差差分信息和左右边界落差差分信息,为该红外解压缩图像中第i行第j列的图像块进行第k次迭代运算前的补偿信息。
其中,对于位于图像边界上的图像块,加入边界稳定约束项,并相应增加了与图像块相关的补偿值梯度。
其中,为进行第k次迭代运算前位于图像下边界的图像块的补偿信息与位于图像上边界的图像块中位于同一列的图像块各进行一阶差分,然后取平均值得到。同理,位进行第k次迭代运算前位于图像右边界的图像块的补偿信息与位于图像左边界的图像块中位于同一行的图像块各进行一阶差分,然后取平均值得到。
其中,Dεr和Dεc为两个常数,Dεr是位于图像下边界的图像块的补偿信息与位于图像上边界的图像块的补偿信息平均差分,Dεc是位于图像右边界的图像块的补偿信息与位于图像左边界的图像块的补偿信息平均差分。
105、获取该图像块的补偿信息的初始值,并基于该图像块的补偿信息的初始值和该补偿信息迭代优化公式进行迭代运算,得到该图像块的补偿信息的迭代值,根据该图像块的补偿信息的初始值和迭代值确定补偿信息变化量。
具体的,获取红外解压缩图像的补偿信息初始矩阵,与图像块在红外解压缩图像中的位置相对应的补偿信息初始矩阵的元素值为该图像块的补偿信息的初始值。在实际应用中,补偿信息初始矩阵可为零矩阵。同时,终端获取权重参数的初始值。在实际应用中,λ1、λ2、λ3和λ4的初始值可分别为2、2、0.1和0.1。其中,将该图像块的补偿信息的迭代值和该图像块的补偿信息的初始值相减可确定补偿信息变化量。
可选的,依照如图2所示的箭头方向依次对图像块进行迭代运算,待所有的图像块均依照各自的补偿信息迭代优化公式进行一次迭代计算后,计算各图像块的补偿信息变化量。
106、根据若干该图像块的补偿信息变化量,确定该红外解压缩图像的最大补偿信息变化量,并判断该最大补偿信息变化量是否小于预设阈值。
具体的,从若干图像块的补偿信息变化量中选取最大值,作为该红外解压缩图像的最大补偿信息变化量。由于图像块的补偿信息的初始值时人为初始化得到的,因此在逆向计算补偿信息的过程中,若干图像块的补偿信息的迭代值构成的补偿信息迭代值矩阵与补偿信息初始矩阵的值存在一定的偏差,该偏差利用补偿信息变化量描述。其中,偏差越小,说明补偿信息迭代值矩阵越接近稳定状态。因此,通过判断最大补偿信息变化量是否小于预设阈值的方式来确定进行迭代运算后,若干图像块的补偿信息的迭代值构成的矩阵是否达到稳定状态。可选的,预设阈值可设置为0.0001。
其中,若该最大补偿信息变化量小于该预设阈值,则执行步骤107:若干该图像块的补偿信息的迭代值构成的矩阵为目标补偿矩阵。若该最大补偿信息变化量小于该预设阈值,依据图像块在红外解压缩图像中的位置,若干图像块的补偿信息的迭代值构成的矩阵达到稳定状态,若干图像块的补偿信息的迭代值构成的矩阵为目标补偿矩阵。
其中,若该最大补偿信息变化量不小于该预设阈值,则执行步骤108:将该图像块的补偿信息的迭代值作为新初始值,执行基于该图像块的补偿信息的初始值和该补偿信息迭代优化公式进行迭代运算的步骤,直至确定该目标补偿矩阵。若该最大补偿信息变化量不小于该预设阈值,若干图像块的补偿信息的迭代值构成的矩阵未达到稳定状态,若干图像块的补偿信息的迭代值构成的矩阵通过不断迭代的方式,最终得到目标补偿矩阵。
其中,该目标补偿矩阵中的每个元素值为该红外解压缩图像中位置与该元素值在该目标补偿矩阵中的位置相同的图像块的补偿信息的目标值,并且该目标补偿矩阵中的每个元素值均满足该约束优化目标函数取得最小值的条件。
109、根据该目标补偿矩阵中的元素值,补偿该红外解压缩图像中位置与该元素值在该目标补偿矩阵中的位置相同的图像块的直流分量,并对补偿后的红外解压缩图像进行平滑处理,以消除该红外解压缩图像的块效应。
具体的,对于图像块补偿一个非零值的直流分量,该图像块其平均亮度会增大或减小,补偿的直流分量越大,则图像块的平均亮度变化越大,反之亦然,因此,根据目标补偿矩阵中的元素值补偿红外解压缩图像中相应位置的图像块的直流分量,使得补偿后的图像块的亮度与相邻图像块的亮度最相近,从而降低图像块之间的不连续程度。
其中,图像块补偿过程可用下式进行表示:
yi,j=xi,j+vi,jI i=1,...,m,j=1,...,n。
式中,yi,j补偿直流分量后的图像块,I为8×8单位矩阵,表示对8×8图像块中每个像素点补偿相同大小的直流分量。
其中,为避免平滑后的图像整体模糊,本实施例中以图像块边界处的像素点为处理对象,对块边界处的像素点使用量化先验方式选取随机权重值进行灰度值的修正,从而达到图像平滑的效果。如图4所示,左侧的图像为处理前的图像,位于同一行的右侧图像为处理后的图像,可清楚看到,经过本实施例中的图像处理方法进行处理后,块效应的现象获得极大改善。
在本发明实施例中,通过构建约束优化目标函数来确定目标补偿矩阵,利用目标补偿矩阵中的元素值来补偿与红外解压缩图像中位置与元素值在目标补偿矩阵中的位置相同的图像块的直流分量,进而去除红外解压缩图像中存在的块效应,而不是通过对红外解压缩图像的图像块的边界处的像素点进行平滑处理得到,可补偿各图像块损失的直流分量、并且可自适应去除各种比特率压缩的解压缩图像的块效应,提高工作效率。并且利用滤波单元对补偿后的红外压缩图像进行平滑处理,进一步提高图像质量。
参照图5,图5是本发明提供的第二实施例中的图像处理装置的结构示意图。如图5所示,该装置包括:
划分单元201,用于将存在块效应的红外解压缩图像划分为呈矩形阵列分布的图像块;
获取单元202,用于获取图像块的边界灰度信息,根据图像块的边界灰度信息,确定各图像块与相邻图像块的边界落差信息,根据边界落差信息得到图像块的落差信息。
构建单元203,用于基于所述边界落差信息、所述落差信息以及预设的补偿信息构建所述红外解压缩图像的约束优化目标函数。
确定单元204,用于根据所述约束优化目标函数确定目标补偿矩阵,所述目标补偿矩阵中的每个元素值为所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的补偿信息的目标值,并且所述目标补偿矩阵中的每个元素值均满足所述约束优化目标函数取得最小值的条件。
补偿单元205,用于根据所述目标补偿矩阵中的元素值,补偿所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的直流分量。
滤波单元206,用于对补偿后的红外解压缩图像进行平滑处理,以消除所述红外解压缩图像的块效应。
进一步地,确定单元204,还用于将约束优化目标函数分别对各图像块的补偿信息进行求导,并令约束优化目标函数对各图像块的补偿信息的导数为零,确定各图像块的补偿信息迭代优化公式。
确定单元204,还用于基于若干图像块的补偿信息迭代优化公式,确定目标补偿矩阵。
确定单元204,还用于获取图像块的补偿信息的初始值,并基于图像块的补偿信息的初始值和补偿信息迭代优化公式进行迭代运算,得到图像块的补偿信息的迭代值,根据图像块的补偿信息的初始值和迭代值确定补偿信息变化量。
确定单元204,还用于根据若干图像块的补偿信息变化量,确定红外解压缩图像的最大补偿信息变化量,并判断最大补偿信息变化量是否小于预设阈值。
确定单元204,还用于若最大补偿信息变化量小于预设阈值,则若干图像块的补偿信息的迭代值构成的矩阵为目标补偿矩阵。
确定单元204,还用于若最大补偿信息变化量不小于预设阈值,则将图像块的补偿信息的迭代值作为新初始值,执行基于图像块的补偿信息的初始值和补偿信息迭代优化公式进行迭代运算的步骤,直至确定目标补偿矩阵。
进一步地,划分单元201,还用于根据图像块在红外解压缩图像中的位置信息,将各图像块分别划分为位于图像中间的图像块,位于图像四角的图像块以及位于图像边界的图像块中的一种。
进一步地,确定单元204,还用于根据位于图像中间的图像块,将约束优化目标函数分别对各图像块的补偿信息进行求导,并令约束优化目标函数对各图像块的补偿信息的导数为零,确定各图像块的第一补偿信息迭代优化公式。
确定单元204,还用于根据位于图像四角的图像块,将约束优化目标函数分别对各图像块的补偿信息进行求导,并令约束优化目标函数对各图像块的补偿信息的导数为零,确定各图像块的第二补偿信息迭代优化公式。
确定单元204,还用于根据位于图像边界的图像块,将约束优化目标函数分别对各图像块的补偿信息进行求导,并令约束优化目标函数对各图像块的补偿信息的导数为零,确定各图像块的第三补偿信息迭代优化公式。
本实施例未尽之细节,请参阅前述图1至图4所示的实施例的描述,此处不再赘述。
在本发明实施例中,通过构建约束优化目标函数来确定目标补偿矩阵,利用目标补偿矩阵中的元素值来补偿与红外解压缩图像中位置与元素值在目标补偿矩阵中的位置相同的图像块的直流分量,进而去除红外解压缩图像中存在的块效应,而不是通过对红外解压缩图像的图像块的边界处的像素点进行平滑处理得到,可补偿各图像块损失的直流分量、并且可自适应去除各种比特率压缩的解压缩图像的块效应,提高工作效率。并且利用滤波单元对补偿后的红外压缩图像进行平滑处理,进一步提高图像质量。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上为本发明所提供的图像处理方法及装置的描述,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种图像处理方法,其特征在于,所述方法包括:
将存在块效应的红外解压缩图像划分为呈矩形阵列分布的图像块;
获取所述图像块的边界灰度信息,根据所述图像块的边界灰度信息,确定各所述图像块与相邻图像块的边界落差信息,根据所述边界落差信息得到所述图像块的落差信息;
基于所述边界落差信息、所述落差信息以及预设的补偿信息构建所述红外解压缩图像的约束优化目标函数;
根据所述约束优化目标函数确定目标补偿矩阵,所述目标补偿矩阵中的每个元素值为所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的补偿信息的目标值,并且所述目标补偿矩阵中的每个元素值均满足所述约束优化目标函数取得最小值的条件;
根据所述目标补偿矩阵中的元素值,补偿所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的直流分量,并对补偿后的红外解压缩图像进行平滑处理,以消除所述红外解压缩图像的块效应;
所述根据所述约束优化目标函数确定目标补偿矩阵包括:
将所述约束优化目标函数分别对各所述图像块的补偿信息进行求导,并令所述约束优化目标函数对各所述图像块的补偿信息的导数为零,确定各所述图像块的补偿信息迭代优化公式;
基于若干所述图像块的补偿信息迭代优化公式,确定目标补偿矩阵;
所述基于若干所述图像块的补偿信息迭代优化公式,确定目标补偿矩阵包括:
获取所述图像块的补偿信息的初始值,并基于所述图像块的补偿信息的初始值和所述补偿信息迭代优化公式进行迭代运算,得到所述图像块的补偿信息的迭代值,根据所述图像块的补偿信息的初始值和迭代值确定补偿信息变化量;
根据若干所述图像块的补偿信息变化量,确定所述红外解压缩图像的最大补偿信息变化量,并判断所述最大补偿信息变化量是否小于预设阈值;
若所述最大补偿信息变化量小于所述预设阈值,则若干所述图像块的补偿信息的迭代值构成的矩阵为目标补偿矩阵;
若所述最大补偿信息变化量不小于所述预设阈值,则将所述图像块的补偿信息的迭代值作为新初始值,执行基于所述图像块的补偿信息的初始值和所述补偿信息迭代优化公式进行迭代运算的步骤,直至确定所述目标补偿矩阵。
2.如权利要求1所述的图像处理方法,其特征在于,所述获取所述图像块的边界灰度信息之后,包括:
根据所述图像块在所述红外解压缩图像中的位置信息,将各所述图像块分别划分为位于图像中间的图像块,位于图像四角的图像块以及位于图像边界的图像块中的一种。
3.如权利要求2所述的图像处理方法,其特征在于,所述将所述约束优化目标函数分别对各所述图像块的补偿信息进行求导,并令所述约束优化目标函数对各所述图像块的补偿信息的导数为零,确定各所述图像块的补偿信息迭代优化公式包括:
根据所述位于图像中间的图像块,将所述约束优化目标函数分别对各所述图像块的补偿信息进行求导,并令所述约束优化目标函数对各所述图像块的补偿信息的导数为零,确定各所述图像块的第一补偿信息迭代优化公式;
根据所述位于图像四角的图像块,将所述约束优化目标函数分别对各所述图像块的补偿信息进行求导,并令所述约束优化目标函数对各所述图像块的补偿信息的导数为零,确定各所述图像块的第二补偿信息迭代优化公式;
根据所述位于图像边界的图像块,将所述约束优化目标函数分别对各所述图像块的补偿信息进行求导,并令所述约束优化目标函数对各所述图像块的补偿信息的导数为零,确定各所述图像块的第三补偿信息迭代优化公式。
4.如权利要求3所述的图像处理方法,其特征在于,所述第一补偿信息迭代优化公式为:
所述第二补偿信息迭代优化公式为:
所述第三补偿信息迭代优化公式为:
式中,为所述红外解压缩图像中第i行第j列的图像块进行第k次迭代运算后的补偿信息,为进行第k次迭代运算前与所述红外解压缩图像中第i行第j列的图像块相邻的图像块补偿信息的和,εi,j为所述红外解压缩图像中第i行第j列的图像块的落差信息,λ1、λ2、λ3和λ4分别为第一权重参数、第二权重参数、第三权重参数和第四权重参数,λ1、λ2、λ3和λ4均大于0,Vk为进行第k次迭代运算前的若干所述图像块的补偿信息的和,和为进行第k次迭代运算前的上下边界补偿梯度和左右边界补偿梯度,Dεr和Dεc为上下边界落差差分信息和左右边界落差差分信息,为所述红外解压缩图像中第i行第j列的图像块进行第k次迭代运算前的补偿信息。
5.一种图像处理装置,其特征在于,所述装置包括:
划分单元,用于将存在块效应的红外解压缩图像划分为呈矩形阵列分布的图像块;
获取单元,用于获取所述图像块的边界灰度信息,根据所述图像块的边界灰度信息,确定各所述图像块与相邻图像块的边界落差信息,根据所述边界落差信息得到所述图像块的落差信息;
构建单元,用于基于所述边界落差信息、所述落差信息以及预设的补偿信息构建所述红外解压缩图像的约束优化目标函数;
确定单元,用于根据所述约束优化目标函数确定目标补偿矩阵,所述目标补偿矩阵中的每个元素值为所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的补偿信息的目标值,并且所述目标补偿矩阵中的每个元素值均满足所述约束优化目标函数取得最小值的条件;
补偿单元,用于根据所述目标补偿矩阵中的元素值,补偿所述红外解压缩图像中位置与所述元素值在所述目标补偿矩阵中的位置相同的图像块的直流分量;
滤波单元,用于对补偿后的红外解压缩图像进行平滑处理,以消除所述红外解压缩图像的块效应;
所述确定单元,还用于将所述约束优化目标函数分别对各所述图像块的补偿信息进行求导,并令所述约束优化目标函数对各所述图像块的补偿信息的导数为零,确定各所述图像块的补偿信息迭代优化公式;
所述确定单元,还用于基于若干所述图像块的补偿信息迭代优化公式,确定目标补偿矩阵;
所述确定单元,还用于获取所述图像块的补偿信息的初始值,并基于所述图像块的补偿信息的初始值和所述补偿信息迭代优化公式进行迭代运算,得到所述图像块的补偿信息的迭代值,根据所述图像块的补偿信息的初始值和迭代值确定补偿信息变化量;
所述确定单元,还用于根据若干所述图像块的补偿信息变化量,确定所述红外解压缩图像的最大补偿信息变化量,并判断所述最大补偿信息变化量是否小于预设阈值;
所述确定单元,还用于若所述最大补偿信息变化量小于所述预设阈值,则若干所述图像块的补偿信息的迭代值构成的矩阵为目标补偿矩阵;
所述确定单元,还用于若所述最大补偿信息变化量不小于所述预设阈值,则将所述图像块的补偿信息的迭代值作为新初始值,执行基于所述图像块的补偿信息的初始值和所述补偿信息迭代优化公式进行迭代运算的步骤,直至确定所述目标补偿矩阵。
6.如权利要求5所述的图像处理装置,其特征在于,
所述划分单元,还用于根据所述图像块在所述红外解压缩图像中的位置信息,将各所述图像块分别划分为位于图像中间的图像块,位于图像四角的图像块以及位于图像边界的图像块中的一种。
7.如权利要求6所述的图像处理装置,其特征在于,
所述确定单元,还用于根据所述位于图像中间的图像块,将所述约束优化目标函数分别对各所述图像块的补偿信息进行求导,并令所述约束优化目标函数对各所述图像块的补偿信息的导数为零,确定各所述图像块的第一补偿信息迭代优化公式;
所述确定单元,还用于根据所述位于图像四角的图像块,将所述约束优化目标函数分别对各所述图像块的补偿信息进行求导,并令所述约束优化目标函数对各所述图像块的补偿信息的导数为零,确定各所述图像块的第二补偿信息迭代优化公式;
所述确定单元,还用于根据所述位于图像边界的图像块,将所述约束优化目标函数分别对各所述图像块的补偿信息进行求导,并令所述约束优化目标函数对各所述图像块的补偿信息的导数为零,确定各所述图像块的第三补偿信息迭代优化公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811427510.1A CN109495759B (zh) | 2018-11-27 | 2018-11-27 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811427510.1A CN109495759B (zh) | 2018-11-27 | 2018-11-27 | 图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109495759A CN109495759A (zh) | 2019-03-19 |
CN109495759B true CN109495759B (zh) | 2021-04-27 |
Family
ID=65697819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811427510.1A Active CN109495759B (zh) | 2018-11-27 | 2018-11-27 | 图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109495759B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139980A (zh) * | 2021-05-13 | 2021-07-20 | 广西柳工机械股份有限公司 | 图像边界的确定方法、装置及存储介质 |
CN113645466B (zh) * | 2021-06-29 | 2024-03-08 | 深圳市迪威码半导体有限公司 | 一种基于随机概率的图像去块算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10336650A (ja) * | 1997-05-15 | 1998-12-18 | Mitsubishi Electric Inf Technol Center America Inc | ディジタル信号の周波数逓降変換装置及びディジタル信号の周波数逓降変換方法 |
CN101605257A (zh) * | 2008-06-11 | 2009-12-16 | 北京中创信测科技股份有限公司 | 一种块效应分析方法及系统 |
CN105493140A (zh) * | 2015-05-15 | 2016-04-13 | 北京大学深圳研究生院 | 图像去模糊方法及系统 |
CN106911934A (zh) * | 2017-03-01 | 2017-06-30 | 北京奇艺世纪科技有限公司 | 块效应去除方法及去块效应滤波器 |
CN107027040A (zh) * | 2016-01-29 | 2017-08-08 | 华为技术有限公司 | 一种去除块效应的滤波方法及装置 |
-
2018
- 2018-11-27 CN CN201811427510.1A patent/CN109495759B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10336650A (ja) * | 1997-05-15 | 1998-12-18 | Mitsubishi Electric Inf Technol Center America Inc | ディジタル信号の周波数逓降変換装置及びディジタル信号の周波数逓降変換方法 |
CN101605257A (zh) * | 2008-06-11 | 2009-12-16 | 北京中创信测科技股份有限公司 | 一种块效应分析方法及系统 |
CN105493140A (zh) * | 2015-05-15 | 2016-04-13 | 北京大学深圳研究生院 | 图像去模糊方法及系统 |
CN107027040A (zh) * | 2016-01-29 | 2017-08-08 | 华为技术有限公司 | 一种去除块效应的滤波方法及装置 |
CN106911934A (zh) * | 2017-03-01 | 2017-06-30 | 北京奇艺世纪科技有限公司 | 块效应去除方法及去块效应滤波器 |
Non-Patent Citations (2)
Title |
---|
Blocking Artifacts Reduction in Image Compression with Block Boundary Discontinuity Criterion;Byeungwoo Jeon等;《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY》;19980630;全文 * |
一种基于Contourlet变换的去块效应算法;邓正芳 等;《南京大学学报(自然科学)》;20150131;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109495759A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Compression artifact reduction by overlapped-block transform coefficient estimation with block similarity | |
Li et al. | An efficient deep convolutional neural networks model for compressed image deblocking | |
Zhang et al. | Low-rank-based nonlocal adaptive loop filter for high-efficiency video compression | |
US5235434A (en) | Method and apparatus for selectively adjusting the brightness of large regions of an image | |
KR100672592B1 (ko) | 디스플레이 장치의 영상 보상장치 및 보상방법 | |
WO2009042101A2 (en) | Processing an input image to reduce compression-related artifacts | |
WO2008075247A1 (en) | Image compression and decompression | |
US20180184128A1 (en) | Non-local adaptive loop filter combining multiple denoising technologies and grouping image patches in parallel | |
US7760805B2 (en) | Method of enhancing images extracted from video | |
CN109495759B (zh) | 图像处理方法及装置 | |
US20150245068A1 (en) | Tsm rate-distortion optimizing method, encoding method and device using the same, and apparatus for processing picture | |
WO2017085708A1 (en) | Method of controlling a quality measure and system thereof | |
US20180359486A1 (en) | Non-local adaptive loop filter processing | |
Zhang et al. | Sparsity-based inverse halftoning via semi-coupled multi-dictionary learning and structural clustering | |
Lin et al. | Residual in residual based convolutional neural network in-loop filter for AVS3 | |
CN109544470A (zh) | 一种边界约束的卷积神经网络单幅图像去雾方法 | |
WO2020107214A1 (zh) | 图像处理方法及装置 | |
Han et al. | Quadtree-based non-local Kuan’s filtering in video compression | |
US20230009225A1 (en) | Media object compression/decompression with adaptive processing for block-level sub-errors and/or decomposed block-level sub-errors | |
KR101345294B1 (ko) | 영상의 양자화 장치 및 방법 | |
JPH11187400A (ja) | 歪除去方法および歪除去フィルタ | |
CN112911298B (zh) | 一种基于边界效应的hevc视频双压缩检测方法及系统 | |
CN112508807B (zh) | 一种基于多方向全变分的图像去噪方法 | |
CN108989812B (zh) | 一种基于图像压缩的去块效应方法 | |
DE102012015084A1 (de) | Jpeg-bitratencontroller mit nulldurchlauf |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190319 Assignee: Shenzhen Hongyi Zhizao Technology Co.,Ltd. Assignor: SHENZHEN University Contract record no.: X2023980032372 Denomination of invention: Image processing method and device Granted publication date: 20210427 License type: Common License Record date: 20230220 |
|
EE01 | Entry into force of recordation of patent licensing contract |