CN109544459A - 图像锯齿处理方法和装置以及计算机可读存储介质 - Google Patents
图像锯齿处理方法和装置以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109544459A CN109544459A CN201710858122.8A CN201710858122A CN109544459A CN 109544459 A CN109544459 A CN 109544459A CN 201710858122 A CN201710858122 A CN 201710858122A CN 109544459 A CN109544459 A CN 109544459A
- Authority
- CN
- China
- Prior art keywords
- sawtooth
- right angle
- nuclear matrix
- image
- hough transform
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 102000008297 Nuclear Matrix-Associated Proteins Human genes 0.000 claims abstract description 111
- 108010035916 Nuclear Matrix-Associated Proteins Proteins 0.000 claims abstract description 111
- 210000000299 nuclear matrix Anatomy 0.000 claims abstract description 111
- 238000007689 inspection Methods 0.000 claims abstract description 69
- 238000003672 processing method Methods 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000001514 detection method Methods 0.000 claims description 9
- 230000001965 increasing effect Effects 0.000 claims description 8
- 230000004069 differentiation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000011049 filling Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006748 scratching Methods 0.000 description 3
- 230000002393 scratching effect Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像锯齿处理方法和装置以及计算机可读存储介质,涉及图像处理领域。图像锯齿处理方法包括:根据图像中的矩形检测区域的像素点的行列数,建立具有相同行列数的检查核矩阵;将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值;判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配;如果赋值后的检查核矩阵与直角锯齿判别模板匹配,则对矩形检测区域进行去锯齿处理。从而,降低了图像锯齿处理的复杂度,提高了处理效率,适用于实时性较强的图像锯齿处理场景。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种图像锯齿处理方法和装置以及计算机可读存储介质。
背景技术
在当前全民直播的时代,越来越多的视频平台推出具备实时抠像功能的应用。在虚拟演播厅等应用中,采用抠像技术,可将绿幕、蓝幕等背景替换成其他场景,这个新的场景可以是虚拟的图片,也可以是来自另一个真实场景的视频。
基于绿幕、蓝幕的抠像以及合成存在技术难度,图像中的抠像后对象往往存在锯齿。
在现有技术中,可以通过滤波和差值的方法去除抠像边缘的锯齿。首先依据输入图像输出像素的边缘方向和边缘置信度,再依据输入图像和像素的边缘方向输出方向滤波结果,最后依据像素的边缘置信度、输入图像和方向滤波结果输出优化图像。
这种方式实现起来较为复杂,处理效率低,并不适用于直播等实时性较高的应用场景。
发明内容
本发明实施例所要解决的一个技术问题是:如何降低图像去锯齿处理的复杂度。
根据本发明实施例的第一个方面,提供一种图像锯齿处理方法,包括:根据图像中的矩形检测区域的像素点的行列数,建立具有相同行列数的检查核矩阵;将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值;判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配;如果赋值后的检查核矩阵与直角锯齿判别模板匹配,则对矩形检测区域进行去锯齿处理。
在一个实施例中,直角锯齿判别模板是直角锯齿判别编码模板;判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配包括:对赋值后的检查核矩阵进行编码,获得检查核编码结果;通过比较检查核编码结果与直角锯齿判别编码模板是否一致,来确定检查核矩阵与直角锯齿判别编码模板是否匹配。
在一个实施例中,第一数值为0、第二数值为1,或者,第一数值为1、第二数值为0;将赋值后的检查核矩阵进行编码,获得检查核编码结果包括:将赋值后的检查核矩阵中的各个行的数值组合为二进制数值;根据二进制数值获得检查核编码结果。
在一个实施例中,图像锯齿处理方法还包括:获取直角锯齿图像;根据直角锯齿图像的行列数建立具有相同行列数的直角锯齿判别矩阵;采用与对检查核矩阵进行编码相同的方法对直角锯齿判别矩阵进行编码,获得直角锯齿判别编码模板。
在一个实施例中,如果赋值后的检查核矩阵与直角锯齿判别模板匹配,扩大矩形检测区域、直到在某一次扩大后的矩形检测区域中包括非直角锯齿,对最后一次进行扩大之前的矩形检测区域进行去锯齿处理。
在一个实施例中,根据扩大后的矩形检测区域对应的检查核矩阵中新增的元素的赋值结果,判断扩大后的矩形检测区域中是否包括非直角锯齿。
在一个实施例中,对矩形检测区域进行去锯齿处理包括:连接矩形检测区域的一条对角线,使对角线的两侧中位于第一侧的点均为前景点或者均为背景点;将对角线的两侧中位于第二侧和对角线上的点填充为与第一侧类型相反的点。
在一个实施例中,将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值包括:根据每个点的第一颜色通道值和第二颜色通道值之差计算每个点对应的判断键值;如果判断键值属于前景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第一数值;如果判断键值属于背景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第二数值。
根据本发明实施例的第二个方面,提供一种图像锯齿处理装置,包括:检查核矩阵建立模块,被配置为根据图像中的矩形检测区域的像素点的行列数,建立具有相同行列数的检查核矩阵;矩阵赋值模块,被配置为将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值;判断模块,被配置为判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配;去锯齿模块,被配置为当赋值后的检查核矩阵与直角锯齿判别模板匹配时,对矩形检测区域进行去锯齿处理。
在一个实施例中,直角锯齿判别模板是直角锯齿判别编码模板;判断模块进一步被配置为对赋值后的检查核矩阵进行编码,获得检查核编码结果;通过比较检查核编码结果与直角锯齿判别编码模板是否一致,来确定检查核矩阵与直角锯齿判别编码模板是否匹配。
在一个实施例中,第一数值为0、第二数值为1,或者,第一数值为1、第二数值为0;判断模块进一步被配置为将赋值后的检查核矩阵中的各个行的数值组合为二进制数值;根据二进制数值获得检查核编码结果。
在一个实施例中,图像锯齿处理装置还包括模板生成模块,被配置为获取直角锯齿图像;根据直角锯齿图像的行列数建立具有相同行列数的直角锯齿判别矩阵;采用与对检查核矩阵进行编码相同的方法对直角锯齿判别矩阵进行编码,获得直角锯齿判别编码模板。
在一个实施例中,判断模块进一步被配置为当赋值后的检查核矩阵与直角锯齿判别模板匹配时,扩大矩形检测区域、直到在某一次扩大后的矩形检测区域中包括非直角锯齿;去锯齿模块进一步被配置为对最后一次进行扩大之前的矩形检测区域进行去锯齿处理。
在一个实施例中,判断模块进一步被配置为根据扩大后的矩形检测区域对应的检查核矩阵中新增的元素的赋值结果,判断扩大后的矩形检测区域中是否包括非直角锯齿。
在一个实施例中,去锯齿模块进一步被配置为连接矩形检测区域的一条对角线,使对角线的两侧中位于第一侧的点均为前景点或者均为背景点;将对角线的两侧中位于第二侧和对角线上的点填充为与第一侧类型相反的点。
在一个实施例中,矩阵赋值模块进一步被配置为根据每个点的第一颜色通道值和第二颜色通道值之差计算每个点对应的判断键值;如果判断键值属于前景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第一数值;如果判断键值属于背景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第二数值。
根据本发明实施例的第三个方面,提供一种图像锯齿处理装置,包括:存储器;以及耦接至存储器的处理器,处理器被配置为基于存储在存储器中的指令,执行前述任意一种图像锯齿处理方法。
根据本发明实施例的第四个方面,提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现前述任意一种图像锯齿处理方法。
上述发明中的一个实施例具有如下优点或有益效果:上述实施例的方法将矩形检测区域中的像素点信息转换为矩阵中的前景、背景信息,从而可以利用检查核矩阵与直角锯齿判别模板是否匹配来判断矩形检测区域中是否有直角锯齿、并对直角锯齿进行处理,从而降低了图像锯齿处理的复杂度,提高了处理效率,适用于实时性较强的图像锯齿处理场景。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明图像锯齿处理方法一个实施例的流程图。
图2为矩形检测区域的示意图。
图3A~3D为直角锯齿图像的示意图。
图4为本发明直角锯齿判断方法的一个实施例的流程图。
图5为本发明图像锯齿处理方法的另一个实施例的流程图。
图6A为本发明去锯齿处理方法的一个实施例的流程图。
图6B、6C分别为去锯齿处理前和去锯齿处理后的矩形检测区域的示意图。
图7为本发明图像锯齿处理装置的一个实施例的结构图。
图8为本发明图像锯齿处理装置的另一个实施例的结构图。
图9为本发明图像锯齿处理装置的又一个实施例的结构图。
具体实施方式
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,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作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。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1为本发明图像锯齿处理方法一个实施例的流程图。如图1所示,该实施例的图像锯齿处理方法包括步骤S102~S108。
在步骤S102中,根据图像中的矩形检测区域的像素点的行列数,建立具有相同行列数的检查核矩阵。
矩形检测区域为进行锯齿检测和处理的单位,一个矩形检测区域中包括多个像素点。可以将以图像中的一个像素点为中心的矩形区域作为该实施例中的矩形检测区域。
在一个实施例中,可以首先获取图像中需要进行锯齿处理的区域,例如提取的图像中需要进行抠像的部分的轮廓区域,然后基于轮廓区域中的像素点生成矩形检测区域。例如,可以将以需要进行锯齿处理的区域中的一个像素点为中心的矩形区域作为该实施例中的矩形检测区域。从而可以无需对图像中的所有点进行处理,进一步减轻了计算压力,提高了处理效率。
检查核矩阵和矩形检测区域具有相同的行列数,并且检查核矩阵中的每个元素与矩形检测区域中相应位置的像素点对应。例如,检查核矩阵中第1行第3列的元素对应矩形检测区域中第1行第3列的像素点。
在步骤S104中,将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值。
在抠像时,前景点是指需要进行提取的对象中的像素点,背景点是指需要去除的像素点。例如,图像中包括绿幕和坐在绿幕前的人,则表示人的像素点是前景点,表示绿幕的像素点是背景点。
第一数值和第二数值是不同的值,其数值本身没有含义,设置第一数值和第二数值的目的是为了区分前景点和背景点。例如,可以设第一数值为0、第二数值为1,或者,第一数值为1、第二数值为0等等。
图2为矩形检测区域的示意图。其中,每个格子代表一个像素点,空白格表示前景点,使用斜线填充的格子为背景点。从而,当第一数值为1、第二数值为0时,图2对应的检查核矩阵可以如矩阵(1)所示。
本发明示例性地提供了两种前景点和背景点的区分方法。
第一种方法为:获得前景点和背景点分别对应的判断阈值范围;根据图像中的每个像素点的第一颜色通道和第二颜色通道的差值获得判断键值,例如可以对第一颜色通道和第二颜色通道的差值进行线性增强获得判断键值;根据判断键值所属的判断阈值范围,确定判断键值对应的点的类型。
第二种方法为:获得过渡点和背景点分别对应的颜色信息范围;根据图像中的每个像素点所属的颜色信息范围,确定图像中每个像素点的类型。
在步骤S106中,判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配。
直角锯齿判别模板可以是根据直角锯齿图像预先生成的模板,其具体形式可以为矩阵、编码结果等等。直角锯齿图像为需要进行去锯齿处理的图像,其中通常包括边缘呈“L”型的前景点或背景点。
在一个实施例中,直角锯齿图像中的第一行或最后一行为前景点、第一列或最后一列为前景点、其余像素点为背景点,或者,直角锯齿图像中的第一行或最后一行为背景点、第一列或最后一列为背景点、其余像素点前景点。
直角锯齿图像例如可以参考图3A~3D的示例。在图3A~3D中,每个格子代表一个像素点,空白格表示前景点,使用斜线填充的格子为背景点。
当然,图3A~3D只是列举出了部分直角锯齿图像,并非所有直角锯齿图像。本领域技术人员可以根据需要设置其他形式的直角锯齿图像,这里不再赘述。
在一个实施例中,可以首先获取直角锯齿图像,然后根据直角锯齿图像的行列数建立具有相同行列数的直角锯齿判别矩阵,最后采用与对检查核矩阵进行编码相同的方法对直角锯齿判别矩阵进行编码,获得直角锯齿判别编码模板。后文将对具体的编码方式进行进一步介绍。
在步骤S108中,如果赋值后的检查核矩阵与直角锯齿判别模板匹配,则对矩形检测区域进行去锯齿处理。
在该实施例中,匹配的含义是指赋值后的检查核矩阵与直角锯齿判别模板相同、或者赋值后的检查核矩阵经过处理后与直角锯齿判别模板相同。即,检查核矩阵所对应的矩形检测区域中包括直角锯齿图像。
在进行去锯齿处理时,可以通过消除矩形检测区域中的直角实现,例如在前景点所形成的直角中将突出的角的部分从前景中去除,或者将前景点形成的直角所产生的凹陷进行填充等等。
上述实施例的方法将矩形检测区域中的像素点信息转换为矩阵中的前景、背景信息,从而可以利用检查核矩阵与直角锯齿判别模板是否匹配来判断矩形检测区域中是否有直角锯齿、并对直角锯齿进行处理,从而降低了图像锯齿处理的复杂度,提高了处理效率,适用于实时性较强的图像锯齿处理场景。
在一个实施例中,直角锯齿判别模板可以是直角锯齿判别矩阵模板。即,直角锯齿判别模板为直角锯齿图像所对应的矩阵。可以通过比较检查核矩阵与直角锯齿判别模板是否相同来判定相应的矩形检测区域是否具有直角锯齿。
在一个实施例中,直角锯齿判别模板也可以是直角锯齿判别编码模板。下面参考图4描述本发明一个实施例的直角锯齿判断方法。
图4为本发明直角锯齿判断方法的一个实施例的流程图。如图4所示,该实施例的直角锯齿判断方法包括步骤S402~S406。
在步骤S402中,对赋值后的检查核矩阵进行编码,获得检查核编码结果。
在一个实施例中,可以按照预设的规则将检查核矩阵转换为一串数字。例如,按照从左至右、从上至下的顺序依次组合矩阵中的数字,获得检查核编码结果。
在一个实施例中,还可以将矩阵中数字的组合结果转换为特定进制的数字串,该特定进制与检查核编码结果的进制相同。
在步骤S402中,通过比较检查核编码结果与直角锯齿判别编码模板是否一致,来确定检查核矩阵与直角锯齿判别编码模板是否匹配。
在一个实施例中,可以令第一数值为0、第二数值为1,或者,第一数值为1、第二数值为0。然后,将赋值后的检查核矩阵中的各个行的数值组合为二进制数值,再根据二进制数值获得检查核编码结果。在比较时,可以直接将该二进制数值作为检查核编码结果,还可以将二进制数字串转换为其他进制后得到检查核编码结果。
下面示例性地介绍一个基于该实施例的方法的应用例。
设在检查核矩阵为3×3矩阵的场景下,预设的直角锯齿图像所对应的矩阵如矩阵(2)~(5)所示:
矩阵(2)直接转换为数字串的结果是111001001,将该数字串转换为十进制的结果为457,将457作为一个直角锯齿判别编码模板。类似地,将矩阵(3)~(5)转换为直角锯齿判别编码模板,转换后的结果分别为484、295和79。
设对于某个矩形检测区域,其对应的赋值后的检查核矩阵如矩阵(6)所示:
则将矩阵中的数字进行组合,获得001011111,其对应的十进制数是95。该结果不等于上述任意一个直角锯齿判别编码模板,因此该赋值后的检查核矩阵与直角锯齿判别模板不匹配,该矩形检测区域中不包括直角锯齿。
通过上述实施例的方法,无需逐一比较矩阵中的每个元素,直接比较编码结果即可,提高了计算的便捷性,进而提升了处理效率。
在本发明的实施例中,矩形检测区域的大小可以是固定的,也可以是变化的,以适应不同的检测需求。此外,矩形检测区域还可以是随着检测的进行而不断增大的。
在一个实施例中,如果赋值后的检查核矩阵与直角锯齿判别模板匹配,扩大矩形检测区域、直到在某一次扩大后的矩形检测区域中包括非直角锯齿,对最后一次进行扩大之前的矩形检测区域进行去锯齿处理。
例如,设矩形检测区域的大小为3×3,对应的检查核矩阵的初始大小为3×3。如果该3×3的矩形检测区域中不包括非直角锯齿,则将该区域扩大至4×4,并继续查看扩大后的区域中是否包括直角锯齿,如果包括则继续扩大,以此类推。当扩大到矩形检测区域中包括非直角锯齿时,例如在9×9的矩形检测区域中首次出现非直角锯齿,则将最后一次扩大之前的矩形检测区域,即8×8的矩形检测区域进行去锯齿处理。
上述实施例仅仅是示例性的,根据需要,本领域技术人员可以在每次扩大时采用其他步长、或者采用其他初始大小的矩形检测区域,这里不再赘述。
在每次判断扩大后的矩形检测区域中是否包括非直角锯齿时,可以仍然采用前述实施例的方法,即每一次都将相应的检查核矩阵与直角锯齿判别模板进行匹配。在这种方法中,需要预先设置不同规格的直角锯齿判别模板匹配。
本实施例提供了另一种方法:根据扩大后的矩形检测区域对应的检查核矩阵中新增的元素的赋值结果,判断扩大后的矩形检测区域中是否包括非直角锯齿,即,只查看新增的行或列是否满足预设的要求。
在一个实施例中,可以对扩大后的矩形检测区域对应的检查核矩阵中新增的行和/或列进行编码,根据编码结果和预设编码的比较结果判断扩大后的矩形检测区域中是否包括非直角锯齿。下面参考图5描述本发明另一个实施例的图像锯齿处理方法。
图5为本发明图像锯齿处理方法的另一个实施例的流程图。如图5所示,该实施例的图像锯齿处理方法包括步骤S502~S516。
在步骤S502中,根据图像中的矩形检测区域的像素点的行列数,建立具有相同行列数的检查核矩阵。
在步骤S504中,将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值。
在步骤S506中,判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配。
在步骤S508中,获得检查核编码结果匹配到的锯齿判别编码结果的直角方向类型,其中,每个直角方向类型对应的锯齿的直角位于不同的方向。
可以根据直角锯齿的角指向的方向确定直角方向类型。
在步骤S510中,根据直角方向类型,向远离锯齿直角所在的方向扩大矩形检测区域。
例如,对于检查核矩阵(7),其直角锯齿位于右上方:
则可以向远离右上方的左下方扩展矩形检测区域,扩展后的矩形检测区域例如可以参考矩阵(8):
从而,可以尽可能地检测出更大的直角锯齿。
在步骤S512中,根据扩大后的矩形检测区域增加检查核矩阵的行和列、并对其中的元素进行赋值。
在步骤S514中,对新增的行和列进行编码。
在步骤S516中,判断新增的行和列的编码结果是否分别与直角方向类型对应的锯齿判别行编码和锯齿判别列编码一致。
例如,对于前述矩阵(7)和(8)的示例,新增的行和列分别为矩阵(8)的最后一行和第一列。
设A为表示前景点的第一数值、B为表示背景点的第二数值,如果扩大后的矩形检测区域仍为直角检测区域,则将新增的行或列中的数字进行组合,均为AAA…AAB或者BBB…BBA的形式。然后再根据直角方向类型选择具体的锯齿判别行编码和锯齿判别列编码。
例如,当直角方向类型为左上角,则新增的行例如可以为AB…B、新增的列例如可以为AB…B;当直角方向类型为右上角,则新增的行例如可以为B…BA、新增的列例如可以为AB…B。
如果比较结果为一致,执行步骤S510;否则执行步骤S518。
在步骤S518中,对最后一次扩大之前的矩形检测区域进行去直角化处理。
从而,可以选择尽可能大的直角锯齿并一次性地进行处理,提高了图像去锯齿处理的效率。
下面参考图6A描述本发明一个实施例的去锯齿处理方法。
图6A为本发明去锯齿处理方法的一个实施例的流程图。如图6A所示,该实施例的方法包括步骤S602~S604。
在步骤S602中,连接矩形检测区域的一条对角线,使对角线的两侧中位于第一侧的点均为前景点或者均为背景点。
矩形中包括两条对角线,选择两个端点均不为直角锯齿所在方向对应的端点的对角线。例如,直角锯齿所在方向为右上方,则连接矩形的左上角和右下角形成对角线,从而会使对角线的其中一侧仅包括同一种像素点。
在步骤S604中,将对角线的两侧中位于第二侧和对角线上的点填充为与第一侧类型相反的点。
图6B为待处理的一个矩形检测区域,其中,空白区域表示背景点,斜线区域表示前景点。连接左上角和右下角,使对角线的右侧均为背景点。左侧中存在一个前景点组成的凹陷的直角锯齿,则将对角线左侧像素点和对角线上的像素点也填充为前景点,如图6C所示。
在进行填充时,可以使被填充的点仍然采用原本的颜色值,仅仅是将其类型由背景点变换为前景点。此外,也可以在类型变换的同时将其颜色填充为与周围的前景点相近的颜色等等,这里不再赘述。
下面参考图7描述本发明一个实施例的图像锯齿处理装置。
图7为本发明图像锯齿处理装置的一个实施例的结构图。如图7所示,该实施例的图像锯齿处理装置包括:检查核矩阵建立模块71,被配置为根据图像中的矩形检测区域的像素点的行列数,建立具有相同行列数的检查核矩阵;矩阵赋值模块72,被配置为将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值;判断模块73,被配置为判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配;去锯齿模块74,被配置为当赋值后的检查核矩阵与直角锯齿判别模板匹配时,对矩形检测区域进行去锯齿处理。
在一个实施例中,直角锯齿判别模板是直角锯齿判别编码模板;判断模块73进一步被配置为对赋值后的检查核矩阵进行编码,获得检查核编码结果;通过比较检查核编码结果与直角锯齿判别编码模板是否一致,来确定检查核矩阵与直角锯齿判别编码模板是否匹配。
在一个实施例中,第一数值为0、第二数值为1,或者,第一数值为1、第二数值为0;判断模块73进一步被配置为将赋值后的检查核矩阵中的各个行的数值组合为二进制数值;根据二进制数值获得检查核编码结果。
在一个实施例中,图像锯齿处理装置还包括模板生成模块75,被配置为获取直角锯齿图像;根据直角锯齿图像的行列数建立具有相同行列数的直角锯齿判别矩阵;采用与对检查核矩阵进行编码相同的方法对直角锯齿判别矩阵进行编码,获得直角锯齿判别编码模板。
在一个实施例中,判断模块73可以进一步被配置为当赋值后的检查核矩阵与直角锯齿判别模板匹配时,扩大矩形检测区域、直到在某一次扩大后的矩形检测区域中包括非直角锯齿;去锯齿模块进一步被配置为对最后一次进行扩大之前的矩形检测区域进行去锯齿处理。
在一个实施例中,判断模块73可以进一步被配置为根据扩大后的矩形检测区域对应的检查核矩阵中新增的元素的赋值结果,判断扩大后的矩形检测区域中是否包括非直角锯齿。
在一个实施例中,去锯齿模块74可以进一步被配置为连接矩形检测区域的一条对角线,使对角线的两侧中位于第一侧的点均为前景点或者均为背景点;将对角线的两侧中位于第二侧和对角线上的点填充为与第一侧类型相反的点。
在一个实施例中,矩阵赋值模块72可以进一步被配置为根据每个点的第一颜色通道值和第二颜色通道值之差计算每个点对应的判断键值;如果判断键值属于前景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第一数值;如果判断键值属于背景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第二数值。
图8为本发明图像锯齿处理装置的另一个实施例的结构图。如图8所示,该实施例的装置800包括:存储器810以及耦接至该存储器810的处理器820,处理器820被配置为基于存储在存储器810中的指令,执行前述任意一个实施例中的图像锯齿处理方法。
其中,存储器810例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
图9为本发明图像锯齿处理装置的又一个实施例的结构图。如图9所示,该实施例的装置900包括:存储器910以及处理器920,还可以包括输入输出接口930、网络接口940、存储接口950等。这些接口930,940,950以及存储器910和处理器920之间例如可以通过总线960连接。其中,输入输出接口930为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口940为各种联网设备提供连接接口。存储接口950为SD卡、U盘等外置存储设备提供连接接口。
本发明的实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现前述任意一种图像锯齿处理方法。
本领域内的技术人员应当明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (18)
1.一种图像锯齿处理方法,其特征在于,包括:
根据图像中的矩形检测区域的像素点的行列数,建立具有相同行列数的检查核矩阵;
将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值;
判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配;
如果赋值后的检查核矩阵与直角锯齿判别模板匹配,则对所述矩形检测区域进行去锯齿处理。
2.根据权利要求1所述的图像锯齿处理方法,其特征在于,所述直角锯齿判别模板是直角锯齿判别编码模板;
所述判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配包括:
对赋值后的检查核矩阵进行编码,获得检查核编码结果;
通过比较检查核编码结果与直角锯齿判别编码模板是否一致,来确定检查核矩阵与直角锯齿判别编码模板是否匹配。
3.根据权利要求2所述的图像锯齿处理方法,其特征在于,第一数值为0、第二数值为1,或者,第一数值为1、第二数值为0;
所述将赋值后的检查核矩阵进行编码,获得检查核编码结果包括:
将赋值后的检查核矩阵中的各个行的数值组合为二进制数值;
根据所述二进制数值获得检查核编码结果。
4.根据权利要求2所述的图像锯齿处理方法,其特征在于,还包括:
获取直角锯齿图像;
根据直角锯齿图像的行列数建立具有相同行列数的直角锯齿判别矩阵;
采用与对检查核矩阵进行编码相同的方法对所述直角锯齿判别矩阵进行编码,获得直角锯齿判别编码模板。
5.根据权利要求1所述的图像锯齿处理方法,其特征在于,如果赋值后的检查核矩阵与直角锯齿判别模板匹配,扩大所述矩形检测区域、直到在某一次扩大后的矩形检测区域中包括非直角锯齿,对最后一次进行扩大之前的矩形检测区域进行去锯齿处理。
6.根据权利要求5所述的图像锯齿处理方法,其特征在于,根据扩大后的矩形检测区域对应的检查核矩阵中新增的元素的赋值结果,判断扩大后的矩形检测区域中是否包括非直角锯齿。
7.根据权利要求1~6中任一项所述的图像锯齿处理方法,其特征在于,所述对所述矩形检测区域进行去锯齿处理包括:
连接所述矩形检测区域的一条对角线,使所述对角线的两侧中位于第一侧的点均为前景点或者均为背景点;
将对角线的两侧中位于第二侧和对角线上的点填充为与第一侧类型相反的点。
8.根据权利要求1~6中任一项所述的图像锯齿处理方法,其特征在于,所述将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值包括:
根据每个点的第一颜色通道值和第二颜色通道值之差计算每个点对应的判断键值;
如果所述判断键值属于前景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第一数值;
如果所述判断键值属于背景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第二数值。
9.一种图像锯齿处理装置,其特征在于,包括:
检查核矩阵建立模块,被配置为根据图像中的矩形检测区域的像素点的行列数,建立具有相同行列数的检查核矩阵;
矩阵赋值模块,被配置为将矩形检测区域的前景点对应的检查核矩阵中的元素赋予第一数值、背景点对应的检查核矩阵中的元素赋予第二数值;
判断模块,被配置为判断赋值后的检查核矩阵与直角锯齿判别模板是否匹配;
去锯齿模块,被配置为当赋值后的检查核矩阵与直角锯齿判别模板匹配时,对所述矩形检测区域进行去锯齿处理。
10.根据权利要求9所述的图像锯齿处理装置,其特征在于,所述直角锯齿判别模板是直角锯齿判别编码模板;
所述判断模块进一步被配置为对赋值后的检查核矩阵进行编码,获得检查核编码结果;通过比较检查核编码结果与直角锯齿判别编码模板是否一致,来确定检查核矩阵与直角锯齿判别编码模板是否匹配。
11.根据权利要求10所述的图像锯齿处理装置,其特征在于,第一数值为0、第二数值为1,或者,第一数值为1、第二数值为0;
所述判断模块进一步被配置为将赋值后的检查核矩阵中的各个行的数值组合为二进制数值;根据所述二进制数值获得检查核编码结果。
12.根据权利要求10所述的图像锯齿处理装置,其特征在于,还包括模板生成模块,被配置为获取直角锯齿图像;根据直角锯齿图像的行列数建立具有相同行列数的直角锯齿判别矩阵;采用与对检查核矩阵进行编码相同的方法对所述直角锯齿判别矩阵进行编码,获得直角锯齿判别编码模板。
13.根据权利要求9所述的图像锯齿处理装置,其特征在于,
所述判断模块进一步被配置为当赋值后的检查核矩阵与直角锯齿判别模板匹配时,扩大所述矩形检测区域、直到在某一次扩大后的矩形检测区域中包括非直角锯齿;
所述去锯齿模块进一步被配置为对最后一次进行扩大之前的矩形检测区域进行去锯齿处理。
14.根据权利要求13所述的图像锯齿处理装置,其特征在于,所述判断模块进一步被配置为根据扩大后的矩形检测区域对应的检查核矩阵中新增的元素的赋值结果,判断扩大后的矩形检测区域中是否包括非直角锯齿。
15.根据权利要求9~14中任一项所述的图像锯齿处理装置,其特征在于,所述去锯齿模块进一步被配置为连接所述矩形检测区域的一条对角线,使所述对角线的两侧中位于第一侧的点均为前景点或者均为背景点;将对角线的两侧中位于第二侧和对角线上的点填充为与第一侧类型相反的点。
16.根据权利要求9~14中任一项所述的图像锯齿处理装置,其特征在于,所述矩阵赋值模块进一步被配置为根据每个点的第一颜色通道值和第二颜色通道值之差计算每个点对应的判断键值;如果所述判断键值属于前景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第一数值;如果所述判断键值属于背景点阈值范围,则将检查核矩阵中相应的点对应的元素赋予第二数值。
17.一种图像锯齿处理装置,其特征在于,包括:
存储器;以及
耦接至所述存储器的处理器,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1~8中任一项所述的图像锯齿处理方法。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~8中任一项所述的图像锯齿处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710858122.8A CN109544459A (zh) | 2017-09-21 | 2017-09-21 | 图像锯齿处理方法和装置以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710858122.8A CN109544459A (zh) | 2017-09-21 | 2017-09-21 | 图像锯齿处理方法和装置以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109544459A true CN109544459A (zh) | 2019-03-29 |
Family
ID=65827729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710858122.8A Pending CN109544459A (zh) | 2017-09-21 | 2017-09-21 | 图像锯齿处理方法和装置以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544459A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6608942B1 (en) * | 1998-01-12 | 2003-08-19 | Canon Kabushiki Kaisha | Method for smoothing jagged edges in digital images |
US20050180654A1 (en) * | 2004-02-18 | 2005-08-18 | Huaya Microelectronics (Shanghai) Inc. | Directional interpolative smoother |
CN104200427A (zh) * | 2014-09-17 | 2014-12-10 | 厦门美图之家科技有限公司 | 一种消除图像边缘锯齿的方法 |
CN104463803A (zh) * | 2014-12-11 | 2015-03-25 | 上海卓悠网络科技有限公司 | 一种消除图像锯齿的方法及装置 |
CN104794692A (zh) * | 2015-04-16 | 2015-07-22 | 中国科学院自动化研究所 | 一种图像去锯齿的系统 |
CN105354837A (zh) * | 2015-10-13 | 2016-02-24 | 哈尔滨工程大学 | 一种基于人体解剖结构的x光消化道图像清晰度评价方法 |
-
2017
- 2017-09-21 CN CN201710858122.8A patent/CN109544459A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6608942B1 (en) * | 1998-01-12 | 2003-08-19 | Canon Kabushiki Kaisha | Method for smoothing jagged edges in digital images |
US20050180654A1 (en) * | 2004-02-18 | 2005-08-18 | Huaya Microelectronics (Shanghai) Inc. | Directional interpolative smoother |
CN104200427A (zh) * | 2014-09-17 | 2014-12-10 | 厦门美图之家科技有限公司 | 一种消除图像边缘锯齿的方法 |
CN104463803A (zh) * | 2014-12-11 | 2015-03-25 | 上海卓悠网络科技有限公司 | 一种消除图像锯齿的方法及装置 |
CN104794692A (zh) * | 2015-04-16 | 2015-07-22 | 中国科学院自动化研究所 | 一种图像去锯齿的系统 |
CN105354837A (zh) * | 2015-10-13 | 2016-02-24 | 哈尔滨工程大学 | 一种基于人体解剖结构的x光消化道图像清晰度评价方法 |
Non-Patent Citations (8)
Title |
---|
CHAO-CHEE KU 等: "Accurate Motion Detection and Sawtooth Artifacts Remove Video Processing Engine for LCD TV", 《IEEE TRANSACTIONS ON CONSUMER ELECTRONICS》 * |
JORGE JIMENEZ 等: "SMAA: Enhanced Subpixel Morphological Antialiasing", 《EUROGRAPHICS 2012》 * |
夏良正: "《数字图像处理》", 30 September 1999 * |
张万清: "《飞航导弹电视导引头》", 31 August 1994 * |
施海锋 等: "车削加工中心工件形状计算机识别系统的研究", 《上海工程科技大学学报》 * |
李雄宗 等: "一种柔化锯齿的超分辨率图像重建方法", 《厦门大学学报(自然科学版)》 * |
樊养余 等: "边缘优化的几何体信息反走样", 《哈尔滨工程大学学报》 * |
赵小川: "《MATLAB图像处理 程序实现与模块化仿真》", 31 January 2014 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10510148B2 (en) | Systems and methods for block based edgel detection with false edge elimination | |
CN108875133A (zh) | 确定建筑布局 | |
CN107958446B (zh) | 信息处理设备和信息处理方法 | |
CN105741290B (zh) | 一种基于增强现实技术的印制电路板信息指示方法及装置 | |
CN109978931A (zh) | 三维场景重建方法及设备、存储介质 | |
CN111583381B (zh) | 游戏资源图的渲染方法、装置及电子设备 | |
KR101552828B1 (ko) | 3차원 객체 모델의 다각형 정보 추출 방법 | |
CN101968895A (zh) | 二维图像转换系统及方法 | |
CN105227873B (zh) | 一种在屏显示数据的测试方法和装置 | |
CN115330940B (zh) | 一种三维重建方法、装置、设备和介质 | |
CN115375823B (zh) | 三维虚拟服饰生成方法、装置、设备及存储介质 | |
CN107203962B (zh) | 一种利用2d图片制作伪3d图像的方法及电子设备 | |
CN115439543B (zh) | 孔洞位置的确定方法和元宇宙中三维模型的生成方法 | |
TW201436552A (zh) | 用於使用至少一較高訊框率之影像流而增加影像流之訊框率之方法及裝置 | |
CN107341804A (zh) | 点云数据中平面的确定方法及装置、图像叠加方法及设备 | |
JP7262530B2 (ja) | 位置情報の生成方法、関連装置及びコンピュータプログラム製品 | |
CN107203961B (zh) | 一种表情迁移的方法及电子设备 | |
RU2446472C2 (ru) | Способ кодирования и система отображения на экране цифрового макета объекта в виде синтезированного изображения | |
CN110827333B (zh) | 一种继电保护的压板拼接识别方法、系统及介质 | |
US20230260211A1 (en) | Three-Dimensional Point Cloud Generation Method, Apparatus and Electronic Device | |
CN109544459A (zh) | 图像锯齿处理方法和装置以及计算机可读存储介质 | |
CN109214486A (zh) | 三维码、三维码的生成方法和装置、识别方法和装置 | |
Kalomiros et al. | Design and hardware implementation of a stereo-matching system based on dynamic programming | |
CN109801300B (zh) | 棋盘格角点的坐标提取方法、装置、设备及计算机可读存储介质 | |
TW201243486A (en) | Building texture extracting apparatus and method thereof |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |