CN109584185B - 图像处理方法 - Google Patents

图像处理方法 Download PDF

Info

Publication number
CN109584185B
CN109584185B CN201811558267.7A CN201811558267A CN109584185B CN 109584185 B CN109584185 B CN 109584185B CN 201811558267 A CN201811558267 A CN 201811558267A CN 109584185 B CN109584185 B CN 109584185B
Authority
CN
China
Prior art keywords
image
processed
pixels
area
gray
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
Application number
CN201811558267.7A
Other languages
English (en)
Other versions
CN109584185A (zh
Inventor
陈云娜
金羽锋
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.)
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics Semiconductor Display 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 Semiconductor Display Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Priority to CN201811558267.7A priority Critical patent/CN109584185B/zh
Priority to PCT/CN2019/081610 priority patent/WO2020124873A1/zh
Publication of CN109584185A publication Critical patent/CN109584185A/zh
Application granted granted Critical
Publication of CN109584185B publication Critical patent/CN109584185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明提供一种图像处理方法。本发明的图像处理方法中将待处理图像划分为平坦区、纹理区及边缘区，利用不同的双边滤波函数对平坦区、纹理区及边缘区进行降噪处理，用于对平坦区进行处理的双边滤波函数、用于对纹理区进行处理的双边滤波函数及用于对边缘区进行处理的双边滤波函数的距离衰减率及灰度衰减率逐渐减小，从而形成处理图像，或者将待处理图像划分为平坦区及边缘区，对平坦区进行基于预训练字典的稀疏表示处理并保持纹理区不变，从而形成处理图像，能够在对图像进行降噪的同时消除由于降噪产生的纹理区模糊的现象，提升图像的显示品质。

Description

图像处理方法
技术领域
本发明涉及显示技术领域，尤其涉及一种图像处理方法。
背景技术
随着人们生活水平的提高，对电子产品的画面显示效果追求越来越高。现有技术中为了提高画面的显示效果，通常会在画面显示时进行图像处理，以改善显示效果。
基于块的离散余弦变换(BDCT)编码在压缩领域具有广泛的应用，包括JPEG及H264在内的常见的图像和视频压缩标准均采用了BDCT编码。然而，BDCT编码由于忽略了相邻块的相关性，会在块的边界出现不连续的现象，产生噪声。为解决这一问题，现有的图像处理技术中会通过全局降噪的方式对采用BDCT编码的方式压缩后的图像进行降噪处理，以消除图像的块的边界不连续而产生的噪声从而提升图像的质量。常用的做法是通过双边滤波降噪的方式对图像进行降噪处理或者采用预训练字典的稀疏表示方法对图像进行降噪处理。
根据人眼视觉系统(HVS)，图像中的噪声处于不同的区域，人眼感受度不同，对于相对平坦的区域，人眼对噪声比较敏感，对于纹理区域，纹理对噪声具有掩盖作用，人眼不易察觉。现有技术在通过双边滤波降噪的方式对原始图像进行降噪处理时，整幅图像采用统一的距离衰减参数及灰度衰减参数，也即使用统一的双边滤波公式对整幅图像进行处理，虽然能够将平坦区的噪声进行去除，具有保边去噪的功能，但是会使得纹理区的弱边缘变得模糊，使得纹理区的模糊程度增加，影响了纹理区的图像效果，使得图像整体的显示质量下降。而现有技术采用预训练字典的稀疏表示方法对图像进行降噪处理时，对整幅图像均采用稀疏表示，也会使得纹理区变得模糊。
发明内容
本发明的目的在于提供一种图像处理方法，能够在对图像进行降噪的同时消除由于降噪产生的纹理区模糊的现象，提升图像的显示品质。
为实现上述目的，本发明首先提供一种图像处理方法，包括如下步骤：
步骤S1、提供待处理图像；
步骤S2、将待处理图像划分为平坦区、纹理区及边缘区；
步骤S3、利用不同的双边滤波函数对平坦区、纹理区及边缘区进行降噪处理，从而形成处理图像。
所述待处理图像为灰度图像；所述待处理图像包括呈阵列式排布的多个像素；每一像素具有对应的原始灰度值；
所述步骤S1在提供待处理图像之后还对所述待处理图像的各个像素的原始灰度值进行归一化处理形成归一化灰度值；
所述步骤S2具体包括：
步骤S21、利用多个像素的归一化灰度值计算待处理图像的梯度信息，所述梯度信息包括分别与多个像素对应的梯度值；定义梯度值小于第一阈值的像素为平坦像素，定义梯度值大于等于第一阈值小于等于第二阈值的像素为纹理像素，定义梯度值大于第二阈值的像素为边缘像素；第一阈值小于第二阈值；
步骤S22、将待处理图像划分依次设置的多个区块，计算每一区块中平坦像素、纹理像素及边缘像素的个数；
步骤S23、将多个区块中的一个设定为待分析区块，若待分析区块内的纹理像素的个数大于平坦像素的个数同时大于边缘像素的个数时，对待分析区块进行形态学膨胀操作，否则保持待分析区块不变；
步骤S24、重复上述步骤S23，直至多个区块均完成步骤S23的操作；
步骤S25、将完成步骤S24的待处理图像划分为平坦区、边缘区及纹理区，其中，平坦区中的像素的梯度值小于第一阈值，纹理区中的像素的梯度值大于等于第一阈值小于等于第二阈值，边缘区中的像素的梯度值大于第二阈值。
所述步骤S3具体为：利用预设的第一双边滤波函数将平坦区中各个像素的原始灰度值转换为处理灰度值，利用预设的第二双边滤波函数将纹理区中各个像素的原始灰度值转换为处理灰度值，利用预设的第三双边滤波函数将边缘区中各个像素的原始灰度值转换为处理灰度值；
所述第一双边滤波函数为
Figure BDA0001912564660000031
其中，
Figure BDA0001912564660000032
N(x)表示位于待处理图像中的一预设的滤波窗口所在的区域，y表示所述滤波窗口中的一像素的位置，x表示当前处理像素的位置，I(x)表示当前处理像素的原始灰度值，I(y)表示具有y位置的像素的原始灰度值，
Figure BDA0001912564660000033
表示当前处理像素的处理灰度值，d1为预设的第一距离衰减率，r1为预设的第一灰度衰减率；
所述第二双边滤波函数为
Figure BDA0001912564660000034
其中，
Figure BDA0001912564660000035
d2为预设的第二距离衰减率，r2为预设的第二灰度衰减率；
所述第三双边滤波函数为
Figure BDA0001912564660000036
其中，
Figure BDA0001912564660000037
d3为预设的第三距离衰减率，r3为预设的第三灰度衰减率；
所述第一距离衰减率大于第二距离衰减率，所述第二距离衰减率大于第三距离衰减率；
所述第一灰度衰减率大于第二灰度衰减率，所述第二灰度衰减率大于第三灰度衰减率。
所述待处理图像通过对彩色图像的YCbCr数据中的亮度通道进行提取获得；
所述待处理图像为经过压缩处理后的图像。
所述步骤S21中，利用多个像素的归一化灰度值采用边缘侦测方法计算所述待处理图像的梯度信息。
所述第一阈值为0.08，所述第二阈值为0.6。
本发明还提供一种图像处理方法，包括如下步骤：
步骤S1’、提供待处理图像；
步骤S2’、将待处理图像划分为平坦区及纹理区；
步骤S3’、对平坦区的各个像素的原始灰度值进行基于预训练字典的稀疏表示处理，并保持纹理区的各个像素的原始灰度值不变，从而形成处理图像。
所述待处理图像为灰度图像；所述待处理图像包括呈阵列式排布的多个像素；每一像素具有对应的原始灰度值；
所述步骤S1’在提供待处理图像之后还对所述待处理图像的各个像素的原始灰度值进行归一化处理形成归一化灰度值；
所述步骤S2’具体包括：
步骤S21’、利用多个像素的归一化灰度值计算待处理图像的梯度信息，所述梯度信息包括分别与多个像素对应的梯度值；定义梯度值小于第一阈值的像素为平坦像素，定义梯度值大于等于第一阈值的像素为纹理像素；
步骤S22’、将待处理图像划分依次设置的多个区块，计算每一区块中平坦像素及纹理像素的个数；
步骤S23’、将多个区块中的一个设定为待分析区块，若待分析区块内的纹理像素的个数大于平坦像素的个数，则判定该待分析区块为纹理区，否则判定该待分析区块为平坦区；
步骤S24’、重复上述步骤S23’，直至多个区块均完成步骤S23’的操作。
所述待处理图像通过对彩色图像的YCbCr数据中的亮度通道进行提取获得；
所述待处理图像为经过压缩处理后的图像。
所述步骤S21’中，利用多个像素的归一化灰度值采用边缘侦测方法计算所述待处理图像的梯度信息；
所述第一阈值为0.08。
本发明的有益效果：本发明的图像处理方法中将待处理图像划分为平坦区、纹理区及边缘区，利用不同的双边滤波函数对平坦区、纹理区及边缘区进行降噪处理，用于对平坦区进行处理的双边滤波函数、用于对纹理区进行处理的双边滤波函数及用于对边缘区进行处理的双边滤波函数的距离衰减率及灰度衰减率逐渐减小，从而形成处理图像，或者将待处理图像划分为平坦区及边缘区，对平坦区进行基于预训练字典的稀疏表示处理并保持纹理区不变，从而形成处理图像，能够在对图像进行降噪的同时消除由于降噪产生的纹理区模糊的现象，提升图像的显示品质。
附图说明
为了能更进一步了解本发明的特征以及技术内容，请参阅以下有关本发明的详细说明与附图，然而附图仅提供参考与说明用，并非用来对本发明加以限制。
附图中，
图1为本发明的图像处理方法的第一实施例的流程图；
图2为本发明的图像处理方法的第一实施例的步骤S2的流程图；
图3为本发明的图像处理方法的第二实施例的流程图；
图4为本发明的图像处理方法的第二实施例的步骤S2’的流程图。
具体实施方式
为更进一步阐述本发明所采取的技术手段及其效果，以下结合本发明的优选实施例及其附图进行详细描述。
请参阅图1，本发明的图像处理方法的第一实施例包括如下步骤：
步骤S1、提供待处理图像。
具体地，所述待处理图像为灰度图像。所述待处理图像包括呈阵列式排布的多个像素。每一像素具有对应的原始灰度值。
具体地，所述待处理图像通过对彩色图像的YCbCr数据中的亮度通道进行提取获得。
具体地，所述待处理图像为经过压缩处理后的图像，例如可以为利用BDCT编码进行压缩处理后的图像。
具体地，所述步骤S1在提供待处理图像之后还对所述待处理图像的各个像素的原始灰度值进行归一化处理形成归一化灰度值，每一像素的归一化灰度值的取值范围均为0-1。
步骤S2、将待处理图像划分为平坦区、纹理区及边缘区。
具体地，请参阅图2，所述步骤S2具体包括：
步骤S21、利用多个像素的归一化灰度值计算待处理图像的梯度信息，所述梯度信息包括分别与多个像素对应的梯度值。定义梯度值小于第一阈值的像素为平坦像素，定义梯度值大于等于第一阈值小于等于第二阈值的像素为纹理像素，定义梯度值大于第二阈值的像素为边缘像素。第一阈值小于第二阈值。
具体地，所述步骤S21中，利用多个像素的归一化灰度值采用边缘侦测方法例如Sobel算子计算所述待处理图像的梯度信息。
具体地，每一像素对应的梯度值的取值范围为0-1。
优选地，所述第一阈值为0.08，所述第二阈值为0.6。
步骤S22、将待处理图像划分依次设置的多个区块，计算每一区块中平坦像素、纹理像素及边缘像素的个数。
具体地，所述步骤S22中将待处理图像划分区块的方式可依据实际需求进行选择，例如可以划分为8行8列排布的多个区块。
步骤S23、将多个区块中的一个设定为待分析区块，若待分析区块内的纹理像素的个数大于平坦像素的个数同时大于边缘像素的个数时，对待分析区块进行形态学膨胀操作，否则保持待分析区块不变，从而消除纹理中小的孔洞，防止额外的噪声影响图像质量。
步骤S24、重复上述步骤S23，直至多个区块均完成步骤S23的操作。
步骤S25、将完成步骤S24的待处理图像划分为平坦区、边缘区及纹理区，其中，平坦区中的像素的梯度值小于第一阈值，纹理区中的像素的梯度值大于等于第一阈值小于等于第二阈值，边缘区中的像素的梯度值大于第二阈值。
步骤S3、利用不同的双边滤波函数对平坦区、纹理区及边缘区进行降噪处理，从而形成处理图像。
具体地，所述步骤S3具体为：利用预设的第一双边滤波函数将平坦区中各个像素的原始灰度值转换为处理灰度值，利用预设的第二双边滤波函数将纹理区中各个像素的原始灰度值转换为处理灰度值，利用预设的第三双边滤波函数将边缘区中各个像素的原始灰度值转换为处理灰度值。
所述第一双边滤波函数为
Figure BDA0001912564660000061
其中，
Figure BDA0001912564660000071
N(x)表示位于待处理图像中的一预设的滤波窗口所在的区域，y表示所述滤波窗口中的一像素的位置，x表示当前处理像素的位置，I(x)表示当前处理像素的原始灰度值，I(y)表示具有y位置的像素的原始灰度值，
Figure BDA0001912564660000072
表示当前处理像素的处理灰度值，d1为预设的第一距离衰减率，r1为预设的第一灰度衰减率。
所述第二双边滤波函数为
Figure BDA0001912564660000073
其中，
Figure BDA0001912564660000074
d2为预设的第二距离衰减率，r2为预设的第二灰度衰减率。
所述第三双边滤波函数为
Figure BDA0001912564660000075
其中，
Figure BDA0001912564660000076
d3为预设的第三距离衰减率，r3为预设的第三灰度衰减率。
所述第一距离衰减率大于第二距离衰减率，所述第二距离衰减率大于第三距离衰减率。所述第一灰度衰减率大于第二灰度衰减率，所述第二灰度衰减率大于第三灰度衰减率。
需要说明的是，本发明的图像处理方法的第一实施例中，将待处理图像划分为平坦区、纹理区及边缘区，利用不同的双边滤波函数对平坦区、纹理区及边缘区进行降噪处理，用于对平坦区进行处理的双边滤波函数、用于对纹理区进行处理的双边滤波函数及用于对边缘区进行处理的双边滤波函数的距离衰减率及灰度衰减率逐渐减小，从而形成处理图像，能够在保证对图像具有较好的降噪效果的同时，避免利用同一双边滤波函数对图像整体进行降噪处理使得纹理区图像模糊的问题，提升图像的显示质量。
请参阅图3，本发明的图像处理方法的第二实施例包括如下步骤：
步骤S1’、提供待处理图像。
具体地，所述待处理图像为灰度图像。所述待处理图像包括呈阵列式排布的多个像素。每一像素具有对应的原始灰度值。
具体地，所述待处理图像通过对彩色图像的YCbCr数据中的亮度通道进行提取获得。
具体地，所述待处理图像为经过压缩处理后的图像，例如可以为利用BDCT编码进行压缩处理后的图像。
具体地，所述步骤S1’在提供待处理图像之后还对所述待处理图像的各个像素的原始灰度值进行归一化处理形成归一化灰度值，每一像素的归一化灰度值的取值范围均为0-1。
步骤S2’、将待处理图像划分为平坦区及纹理区。
具体地，请参阅图4，所述步骤S2’具体包括：
步骤S21’、利用多个像素的归一化灰度值计算待处理图像的梯度信息，所述梯度信息包括分别与多个像素对应的梯度值。定义梯度值小于第一阈值的像素为平坦像素，定义梯度值大于等于第一阈值的像素为纹理像素。
具体地，所述步骤S21’中，利用多个像素的归一化灰度值采用边缘侦测方法例如Sobel算子计算所述待处理图像的梯度信息。
具体地，每一像素对应的梯度值的取值范围为0-1。
优选地，所述第一阈值为0.08。
步骤S22’、将待处理图像划分依次设置的多个区块，计算每一区块中平坦像素及纹理像素的个数。
具体地，所述步骤S22’中将待处理图像划分区块的尺寸依据后续进行稀疏表示处理时的稀疏表示处理窗口的尺寸进行选择。
步骤S23’、将多个区块中的一个设定为待分析区块，若待分析区块内的纹理像素的个数大于平坦像素的个数，则判定该待分析区块为纹理区，否则判定该待分析区块为平坦区。
步骤S24’、重复上述步骤S23’，直至多个区块均完成步骤S23’的操作。
步骤S3’、对平坦区的各个像素的原始灰度值进行基于预训练字典的稀疏表示处理，并保持纹理区的各个像素的原始灰度值不变，从而形成处理图像。
具体地，所述步骤S3’，对平坦区的各个像素的原始灰度值进行基于预训练字典的稀疏表示处理后得到分别与平坦区的各个像素对应的多组计算结果，将每一组计算结果取平均值，得到分别与平坦区的各个像素对应的处理灰度值。
需要说明的是，本发明的图像处理方法的第二实施例中，将待处理图像划分为平坦区及边缘区，对平坦区进行基于预训练字典的稀疏表示处理并保持纹理区不变，从而形成处理图像，能够在保证对图像具有较好的降噪效果的同时，避免由于对纹理区进行稀疏表示处理进行降噪使得纹理区图像模糊的问题，提升图像的显示质量。
综上所述，本发明的图像处理方法中将待处理图像划分为平坦区、纹理区及边缘区，利用不同的双边滤波函数对平坦区、纹理区及边缘区进行降噪处理，用于对平坦区进行处理的双边滤波函数、用于对纹理区进行处理的双边滤波函数及用于对边缘区进行处理的双边滤波函数的距离衰减率及灰度衰减率逐渐减小，从而形成处理图像，或者将待处理图像划分为平坦区及边缘区，对平坦区进行基于预训练字典的稀疏表示处理并保持纹理区不变，从而形成处理图像，能够在对图像进行降噪的同时消除由于降噪产生的纹理区模糊的现象，提升图像的显示品质。
以上所述，对于本领域的普通技术人员来说，可以根据本发明的技术方案和技术构思作出其他各种相应的改变和变形，而所有这些改变和变形都应属于本发明权利要求的保护范围。

Claims (8)

1.一种图像处理方法，其特征在于，包括如下步骤：
步骤S1、提供待处理图像；
步骤S2、将待处理图像划分为平坦区、纹理区及边缘区；
步骤S3、利用不同的双边滤波函数对平坦区、纹理区及边缘区进行降噪处理，从而形成处理图像；
所述待处理图像为灰度图像；所述待处理图像包括呈阵列式排布的多个像素；每一像素具有对应的原始灰度值；
所述步骤S1在提供待处理图像之后还对所述待处理图像的各个像素的原始灰度值进行归一化处理形成归一化灰度值；
所述步骤S2具体包括：
步骤S21、利用多个像素的归一化灰度值计算待处理图像的梯度信息，所述梯度信息包括分别与多个像素对应的梯度值；定义梯度值小于第一阈值的像素为平坦像素，定义梯度值大于等于第一阈值小于等于第二阈值的像素为纹理像素，定义梯度值大于第二阈值的像素为边缘像素；第一阈值小于第二阈值；
步骤S22、将待处理图像划分依次设置的多个区块，计算每一区块中平坦像素、纹理像素及边缘像素的个数；
步骤S23、将多个区块中的一个设定为待分析区块，若待分析区块内的纹理像素的个数大于平坦像素的个数同时大于边缘像素的个数时，对待分析区块进行形态学膨胀操作，否则保持待分析区块不变；
步骤S24、重复上述步骤S23，直至多个区块均完成步骤S23的操作；
步骤S25、将完成步骤S24的待处理图像划分为平坦区、边缘区及纹理区，其中，平坦区中的像素的梯度值小于第一阈值，纹理区中的像素的梯度值大于等于第一阈值小于等于第二阈值，边缘区中的像素的梯度值大于第二阈值。
2.如权利要求1所述的图像处理方法，其特征在于，所述步骤S3具体为：利用预设的第一双边滤波函数将平坦区中各个像素的原始灰度值转换为处理灰度值，利用预设的第二双边滤波函数将纹理区中各个像素的原始灰度值转换为处理灰度值，利用预设的第三双边滤波函数将边缘区中各个像素的原始灰度值转换为处理灰度值；
所述第一双边滤波函数为
Figure FDA0002569201910000021
其中，
Figure FDA0002569201910000022
N(x)表示位于待处理图像中的一预设的滤波窗口所在的区域，y表示所述滤波窗口中的一像素的位置，x表示当前处理像素的位置，I(x)表示当前处理像素的原始灰度值，I(y)表示具有y位置的像素的原始灰度值，
Figure FDA0002569201910000023
表示当前处理像素的处理灰度值，d1为预设的第一距离衰减率，r1为预设的第一灰度衰减率；
所述第二双边滤波函数为
Figure FDA0002569201910000024
其中，
Figure FDA0002569201910000025
d2为预设的第二距离衰减率，r2为预设的第二灰度衰减率；
所述第三双边滤波函数为
Figure FDA0002569201910000026
其中，
Figure FDA0002569201910000027
d3为预设的第三距离衰减率，r3为预设的第三灰度衰减率；
所述第一距离衰减率大于第二距离衰减率，所述第二距离衰减率大于第三距离衰减率；
所述第一灰度衰减率大于第二灰度衰减率，所述第二灰度衰减率大于第三灰度衰减率。
3.如权利要求1所述的图像处理方法，其特征在于，所述待处理图像通过对彩色图像的YCbCr数据中的亮度通道进行提取获得；
所述待处理图像为经过压缩处理后的图像。
4.如权利要求1所述的图像处理方法，其特征在于，所述步骤S21中，利用多个像素的归一化灰度值采用边缘侦测方法计算所述待处理图像的梯度信息。
5.如权利要求1所述的图像处理方法，其特征在于，所述第一阈值为0.08，所述第二阈值为0.6。
6.一种图像处理方法，其特征在于，包括如下步骤：
步骤S1’、提供待处理图像；
步骤S2’、将待处理图像划分为平坦区及纹理区；
步骤S3’、对平坦区的各个像素的原始灰度值进行基于预训练字典的稀疏表示处理，并保持纹理区的各个像素的原始灰度值不变，从而形成处理图像；
所述待处理图像为灰度图像；所述待处理图像包括呈阵列式排布的多个像素；每一像素具有对应的原始灰度值；
所述步骤S1’在提供待处理图像之后还对所述待处理图像的各个像素的原始灰度值进行归一化处理形成归一化灰度值；
所述步骤S2’具体包括：
步骤S21’、利用多个像素的归一化灰度值计算待处理图像的梯度信息，所述梯度信息包括分别与多个像素对应的梯度值；定义梯度值小于第一阈值的像素为平坦像素，定义梯度值大于等于第一阈值的像素为纹理像素；
步骤S22’、将待处理图像划分依次设置的多个区块，计算每一区块中平坦像素及纹理像素的个数；
步骤S23’、将多个区块中的一个设定为待分析区块，若待分析区块内的纹理像素的个数大于平坦像素的个数，则判定该待分析区块为纹理区，否则判定该待分析区块为平坦区；
步骤S24’、重复上述步骤S23’，直至多个区块均完成步骤S23’的操作。
7.如权利要求6所述的图像处理方法，其特征在于，所述待处理图像通过对彩色图像的YCbCr数据中的亮度通道进行提取获得；
所述待处理图像为经过压缩处理后的图像。
8.如权利要求6所述的图像处理方法，其特征在于，所述步骤S21’中，利用多个像素的归一化灰度值采用边缘侦测方法计算所述待处理图像的梯度信息；
所述第一阈值为0.08。
CN201811558267.7A 2018-12-19 2018-12-19 图像处理方法 Active CN109584185B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811558267.7A CN109584185B (zh) 2018-12-19 2018-12-19 图像处理方法
PCT/CN2019/081610 WO2020124873A1 (zh) 2018-12-19 2019-04-04 图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811558267.7A CN109584185B (zh) 2018-12-19 2018-12-19 图像处理方法

Publications (2)

Publication Number Publication Date
CN109584185A CN109584185A (zh) 2019-04-05
CN109584185B true CN109584185B (zh) 2020-10-16

Family

ID=65930142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811558267.7A Active CN109584185B (zh) 2018-12-19 2018-12-19 图像处理方法

Country Status (2)

Country Link
CN (1) CN109584185B (zh)
WO (1) WO2020124873A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111986095B (zh) * 2019-05-22 2024-03-19 上海哔哩哔哩科技有限公司 基于边缘提取的图像处理方法及图像处理装置
CN113450264B (zh) * 2020-03-27 2024-07-26 上海途擎微电子有限公司 去振铃效应的方法及其相关装置
CN111429383B (zh) * 2020-04-13 2022-09-27 展讯通信（上海）有限公司 图像降噪方法及装置、计算机可读存储介质
CN113628119B (zh) * 2020-05-06 2024-05-03 北京君正集成电路股份有限公司 一种图像去噪过程中识别待去噪块的方法
CN112365413B (zh) * 2020-10-30 2024-07-26 湖北锐世数字医学影像科技有限公司 图像处理方法、装置、设备、系统及计算机可读存储介质
CN113256534B (zh) * 2021-06-16 2022-01-07 湖南兴芯微电子科技有限公司 一种图像增强方法、装置及介质
CN114913099B (zh) * 2021-12-28 2024-07-16 天翼数字生活科技有限公司 视频文件处理的方法和系统
CN117686096B (zh) * 2024-01-30 2024-04-16 大连云智信科技发展有限公司 一种基于目标检测的畜禽动物体温检测方法
CN118037734B (zh) * 2024-04-12 2024-06-18 济宁丰玺生物材料有限公司 一种全降解塑料制品质量检测方法
CN118297839B (zh) * 2024-06-04 2024-08-30 山东华尚电气有限公司 一种基于视觉的变压器绕组状态检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116875A (zh) * 2013-02-05 2013-05-22 浙江大学 自适应双边滤波图像去噪方法
CN106991652A (zh) * 2017-03-03 2017-07-28 杭州电子科技大学 稀疏度约束和字典原子大小自适应的彩色图像修复方法
CN108335264A (zh) * 2018-01-30 2018-07-27 武汉大学 一种基于混合分辨率稀疏字典学习的图像超分辨率方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7599569B2 (en) * 2006-01-13 2009-10-06 Ati Technologies, Ulc Method and apparatus for bilateral high pass filter
TW200828983A (en) * 2006-12-27 2008-07-01 Altek Corp Method of eliminating image noise
CN104680485B (zh) * 2013-11-27 2018-04-27 展讯通信（上海）有限公司 一种基于多分辨率的图像去噪方法及装置
CN107358586B (zh) * 2017-07-06 2020-07-14 中山大学 一种图像增强方法、装置及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116875A (zh) * 2013-02-05 2013-05-22 浙江大学 自适应双边滤波图像去噪方法
CN106991652A (zh) * 2017-03-03 2017-07-28 杭州电子科技大学 稀疏度约束和字典原子大小自适应的彩色图像修复方法
CN108335264A (zh) * 2018-01-30 2018-07-27 武汉大学 一种基于混合分辨率稀疏字典学习的图像超分辨率方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CONTENT ADAPTIVE BILATERAL FILTERING;Zhengguo Li et.al;《2013 IEEE International Conference on Multimedia and Expo Workshops (ICMEW)》;20131231;正文第1-5节 *
双边滤波去噪方法及其应用研究;张海荣;《中国优秀硕士学位论文全文数据库 信息利技辑 (月刊)》;20160615(第06期);正文第1-5章 *
张海荣.双边滤波去噪方法及其应用研究.《中国优秀硕士学位论文全文数据库 信息利技辑 (月刊)》.2016,(第06期),正文第1-5章. *

Also Published As

Publication number Publication date
CN109584185A (zh) 2019-04-05
WO2020124873A1 (zh) 2020-06-25

Similar Documents

Publication Publication Date Title
CN109584185B (zh) 图像处理方法
Cao et al. Contrast enhancement of brightness-distorted images by improved adaptive gamma correction
CN109325922B (zh) 一种图像自适应增强方法、装置及图像处理设备
Lee et al. Contrast enhancement based on layered difference representation of 2D histograms
CN102722871B (zh) 一种快速有效的图像增强方法
US8208565B2 (en) Pre-processing method and system for data reduction of video sequences and bit rate reduction of compressed video sequences using temporal filtering
Wang et al. A fast single-image dehazing method based on a physical model and gray projection
US8244054B2 (en) Method, apparatus and integrated circuit capable of reducing image ringing noise
CN111709898B (zh) 基于优化clahe的红外图像增强方法与系统
CN108280836B (zh) 一种图像处理方法及装置
CN111161177B (zh) 图像自适应降噪方法和装置
WO2013145510A1 (en) Methods and Systems for Image Enhancement and Estimation of Compression Noise
CN110324617A (zh) 图像处理方法及装置
CN117252773A (zh) 基于自适应颜色校正和导向滤波的图像增强方法及系统
CN117876233A (zh) 一种基于无人机遥感技术的测绘图像增强方法
CN1322333A (zh) 滤波设备和方法
WO2006131866A2 (en) Method and system for image processing
CN109636749B (zh) 图像处理方法
CN112825189B (zh) 一种图像去雾方法及相关设备
CN110992287A (zh) 一种非均匀光照视频的清晰化方法
CN102663683A (zh) 图像增强方法及系统
CN113379631B (zh) 一种图像去雾的方法及装置
CN104952052A (zh) 一种对emccd图像进行增强的方法
CN111145193B (zh) 一种自适应全局阈值二值化方法
CN112991240A (zh) 一种用于实时图像增强的图像自适应增强算法

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