CN109741287B - 图像导向滤波方法及装置 - Google Patents
图像导向滤波方法及装置 Download PDFInfo
- Publication number
- CN109741287B CN109741287B CN201811607767.5A CN201811607767A CN109741287B CN 109741287 B CN109741287 B CN 109741287B CN 201811607767 A CN201811607767 A CN 201811607767A CN 109741287 B CN109741287 B CN 109741287B
- Authority
- CN
- China
- Prior art keywords
- gradient
- target pixel
- pixel point
- group
- target
- 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 73
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000009499 grossing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域，提供一种图像导向滤波方法及装置。所述方法包括：获取待滤波图像中表征图像平滑区域和第一边缘区域的第一目标像素组；获取第一像素组中每个第一目标像素点的目标梯度组，并依据所述梯度组对第一目标像素组进行筛选，得到表征第一边缘区域的第二目标像素组；基于滤波模型，计算每个第二目标像素点的第一系数；将每个第二目标像素点的第一系数调整为第二系数；依据每个第二目标像素点的第二系数更新待滤波图像中的第二目标像素点的像素值，生成导向滤波图像。与现有技术相比，本发明提供的一种图像导向滤波方法及装置可以保证在滤波过程中，图像边缘细节不丢失，保留原有的细节特征。
Description
技术领域
本发明实施例涉及图像处理技术领域，具体而言，涉及一种图像导向滤波方法及装置。
背景技术
在图像处理技术领域，由于拍摄环境、相机等的影响，所拍得的图像常常含有噪声，影响了图像质量，因此常需要对图像进行滤波处理以去除图像中的噪声。但在处理过程中，滤波往往会导致过度模糊，使得图像边缘细节丢失，失去原有的细节特征。
发明内容
本发明实施例的目的在于提供一种图像导向滤波方法及装置，以改善现有技术中滤波往往会导致图像过度模糊，使得图像边缘细节丢失，失去原有的细节特征的问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种图像导向滤波方法，所述方法包括：获取待滤波图像中的第一目标像素组，第一目标像素组表征待滤波图像中的图像平滑区域和第一边缘区域，第一目标像素组包含至少一个第一目标像素点；获取每个第一目标像素点的目标梯度组，目标梯度组表征第一目标像素点的方向梯度；根据每个目标梯度组对第一目标像素组进行筛选，得到第二目标像素组，第二目标像素组表征待滤波图像中的第一边缘区域，第二目标像素组包含至少一个第二目标像素点；基于滤波模型，计算每个第二目标像素点的第一系数；将每个第二目标像素点的第一系数调整为第二系数；依据每个第二目标像素点的第二系数更新待滤波图像中的第二目标像素点的像素值，生成导向滤波图像。
第二方面，本发明实施例提供了一种图像导向滤波装置，所述装置包括：获取模块，用于获取待滤波图像中的第一目标像素组，第一目标像素组表征待滤波图像中的图像平滑区域和第一边缘区域，第一目标像素组包含至少一个第一目标像素点；获取每个第一目标像素点的目标梯度组，目标梯度组表征第一目标像素点的方向梯度；根据每个目标梯度组对第一目标像素组进行筛选，得到第二目标像素组，第二目标像素组表征待滤波图像中的第一边缘区域，第二目标像素组包含至少一个第二目标像素点；生成模块，用于基于滤波模型，计算每个第二目标像素点的第一系数；将每个第二目标像素点的第一系数调整为第二系数；依据每个第二目标像素点的第二系数更新待滤波图像中的第二目标像素点的像素值，生成导向滤波图像。
相对现有技术，本发明实施例提供的一种图像导向滤波方法及装置，获取待滤波图像中表征图像平滑区域和第一边缘区域的第一目标像素组；获取第一像素组中每个第一目标像素点的目标梯度组，并依据所述梯度组对第一目标像素组进行筛选，得到表征第一边缘区域的第二目标像素组；基于滤波模型，计算每个第二目标像素点的第一系数；将每个第二目标像素点的第一系数调整为第二系数；依据每个第二目标像素点的第二系数更新待滤波图像中的第二目标像素点的像素值，生成导向滤波图像。第一边缘区域即弱边缘区域，与现有技术相比，通过表征弱边缘区域的第二目标像素组中的第二目标像素点的像素值进行更新，得到了包含弱边缘特征信息的导向滤波图，解决了现有技术中滤波往往会导致图像过度模糊，使得图像边缘细节丢失，失去原有的细节特征的问题。
为使本发明实施例的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本发明实施例提供的电子设备的方框示意图。
图2示出了本发明实施例提供的一种图像导向滤波方法的流程图。
图3示出了本发明实施例提供的另一种图像导向滤波方法的流程图。
图4为图3示出了S2的子步骤流程图。
图5示出了本发明实施例提供的图像导向滤波装置的方框示意图。
图标：100-电子设备；101-处理器；102-存储器；103-总线；104-通信接口；105-显示屏；106-摄像头；200-图像导向滤波装置；201-获取模块；202-生成模块。
具体实施方式
下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
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定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
导向滤波是一种图像滤波技术，通过一张引导图像I，对输入图像p进行滤波处理，使得最后输出图像q大体上与输入图像p相似，但是纹理部分与引导图像I相似。其中，引导图像I可以是单独的一幅图像，也可以是输入图像p本身。
导向滤波是基于这样一个模型假设即：
这里ak和bk是矩形窗ωk中的线性模型的系数，假设其在特定的矩形窗内是常数，这里Ii是矩形窗的中心像素点，由这个线性模型我们可以很容易推导出输出图像存在边缘的唯一条件是输入图像存在边缘。
为了计算等式(1)的系数ak和bk值，采用最小二乘法使输入图像p和输出图像q之间的差最小，具体为
公式中的ε为平滑系数，其值越大输出图像平滑效果越明显，为了求得等式(2)中的ak和bk值，采用线性回归法，具体做法就是等式(2)分别对ak和bk求导数并令其导数为零，然后解方程组，最后结果为
其中μk和
分别是Ii在对应的矩形窗的均值和方差，|ω|是矩形窗的像素数量，
是pi在矩形窗内的均值。
在保边去噪场景中，用输入图像本身作为引导图像，即pi和Ii相同，那么等式(3)和等式(4)可以变换成，
其中，
和
分别是pi在对应的矩形窗的均值和方差，ε为预设平滑参数。
如果ε＝0，这时ak＝1和bk＝0，qi输出即为当前像素值。
如果ε>0考虑两种情况：
1)在平滑区域和弱边缘区域，窗口内的像素值变化不大，
这时ak≈0和
qi输出以窗口内的像素值平均值为主。
2)在强边缘区域，窗口内的像素值变化剧烈，
这时ak≈1和bk≈0，qi输出以当前像素值为主。
这种保边去噪滤波方法，没有参考矩形窗内的像素变化的梯度信息，因此当图像边缘很弱时，边缘判断会不准确，造成滤波后图像的弱边缘丢失。
本发明所要解决的技术问题是，针对上述问题，提供一种带边缘检测的图像导向滤波方法，实现对图像既滤除噪声又保持边缘。本发明提供的图像导向滤波方法和传统导向滤波方法不同，可以保证弱边缘判断的准确性，在原有导向滤波的基础上，又加入了基于方向的边缘检测作为辅助判断，即增加了方向梯度检测，并且根据梯度值大小，对ak值进行调整，以增强弱边缘判断的准确性，从而更好地保持滤波后图像的弱边缘特征信息。
本发明实施例提供的图像导向滤波方法应用于电子设备100，请参阅图1，图1示出了本发明实施例提供的电子设备100的方框示意图。电子设备100可以是，但不限于膝上型便携计算机、车载电脑、个人数字助理(personal digital assistant，PDA)、服务器等等。电子设备100包括处理器101、存储器102、总线103、通信接口104、显示屏105及摄像头106。处理器101、存储器102、通信接口104、显示屏105及摄像头106通过总线103连接，处理器101用于执行存储器102中存储的可执行模块，例如计算机程序。
处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，图像导向滤波方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器101，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现成可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器102可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
总线103可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示，但并不表示仅有一根总线103或一种类型的总线103。
电子设备100通过至少一个通信接口104(可以是有线或者无线)实现与外部的其它设备之间的通信连接。存储器102用于存储程序，例如图像导向滤波装置200。图像导向滤波装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器102中或固化在电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器101在接收到执行指令后，执行所述程序以实现图像导向滤波方法。
显示屏105用于对图像进行显示，显示的内容可以是处理器101的一些处理结果。显示屏105可以是触摸显示屏、无交互功能的显示屏等。显示屏105可以将待滤波图像和导向滤波图像进行显示。
摄像头106用于拍摄包含待滤波图像并通过总线103发送至处理器101进行处理，或者发送至存储器102进行存储。
基于上述的电子设备100，下面给出一种图像导向滤波方法可能的实现方式，该方法的执行主体可以为上述电子设备100，请参阅图2，图2示出了本发明实施例提供的一种图像导向滤波方法的流程图。图像导向滤波方法包括以下步骤：
S1，获取待滤波图像中的第一目标像素组，第一目标像素组表征待滤波图像中的图像平滑区域和第一边缘区域，第一目标像素组包含至少一个第一目标像素点。
在本发明实施例中，待滤波图像可以包括平滑区域、第一边缘区域和第二边缘区域，其中，第一边缘区域即弱边缘区域，第二边缘区域即强边缘区域。第一目标图像组中包含至少一个表征待滤波图像中的平滑区域和第一边缘区域的第一目标像素点。待滤波图像可以是通过摄像头106实时拍摄得到，也可以是预先存储的电子设备100的存储器102中的，还可以是通过通信接口104接收其它设备发送的图像。
获取待滤波图像中的第一目标像素组的步骤，可以理解为，获取待滤波图像中的平滑区域和第一边缘区域内的所有像素点，即所有的第一目标像素点，构成了第一目标像素组。对于像素点是否在待滤波图像的平滑区域和第一边缘区域内的确定，可以通过计算该像素点的窗口方差，将窗口方差与第一门限值进行比较，当像素点的窗口方差小于第一门限值时，认为该像素点在平滑区域内，即为第一目标像素点，当像素点的窗口方差大于或者等于第一门限值时，认为该像素点在边缘区域内。
请参阅图3，图3示出了本发明实施例提供的另一种图像导向滤波方法的流程图。
S1可以包括以下子步骤：
S11，获取待滤波图形中的每个像素点的窗口方差。
在本发明是实施例中，窗口方差可以是以一个像素点为中心，在其预设窗口范围的所有的像素点计算得到的方差。获取待滤波图形中的每个像素点的窗口方差的步骤，可以理解为，首先，计算窗口内所有像素点的像素平均值，然后，依据窗口内每个像素点的像素值和该像素点对应的像素平均值计算出方差，即为该像素点的窗口方差。按照上述方式处理待滤波图像中的每个像素点，即可得到每个像素点的窗口方差。
例如，窗口可以是5*5，当前处理的像素点为P13，即当前像素点P13和当前像素周围的24个像素点共同作为一个窗口，假设输入像素矩阵pin＝
像素平均值为：
窗口方差为：
S12，将每个像素点的窗口方差均与第一门限值进行比较。
在本发明实施例中，第一门限值可以是用户自定义用以区分边缘区域和平滑区域的方差阈值，将每个像素点的窗口方差均与第一门限值进行比较，当某一像素点的窗口方差大于或者等于第一门限值时，则可以认为该像素点属于第二边缘区域，当某一像素点的窗口方差小于第一门限值时，则可认为该像素点属于平滑区域或者第一边缘区域。
S13，将每个窗口方差小于第一门限值的像素点均确定为第一目标像素点，得到第一目标像素组。
在本发明实施例中，将每个窗口方差小于第一门限值的像素点均确定为第一目标像素点，所有的第一目标像素点构成了第一目标像素组。
S2，获取每个第一目标像素点的目标梯度组，目标梯度组表征第一目标像素点的方向梯度。
在本发明实施例中，目标梯度组可以是表征第一目标像素点的两个相互垂直的方向上的两个梯度值，目标梯度组包括第一梯度值和第二梯度值，第一梯度值大于第二梯度值，第一梯度值为第一目标像素点在第一预设方向上的梯度值，第二梯度值为第一目标像素点在第二预设方向上的梯度值，第一预设方向与第二预设方向相互垂直。
S2可以包括以下子步骤：
S21，获取预设窗口范围内的邻域像素点，预设窗口以第一目标像素点为中心，邻域像素点位于预设窗口范围内。
在本发明实施例中，预设窗口是以一个第一目标像素点为中心的矩形窗口，预设窗口的大小可以是用户自定义的，例如3*3窗口，5*3窗口，5*5窗口等。邻域像素点可以是预设窗口范围内除了中心点位置的第一目标像素点以外的所有像素点。获取预设窗口范围内的邻域像素点的步骤，可以理解为，获取以第一目标像素点为中心的预设窗口内的所有邻域像素点。
S22，依据邻域像素点的像素值和第一目标像素点的像素值，计算第一目标像素点的至少一个预设梯度组对应的多个梯度值，其中，每个预设梯度组包括两个相互垂直的预设方向对应的两个梯度值，每个预设方向均对应一个梯度值。
在本发明实施例中，预设梯度组可以是两个相互垂直的预设方向对应的两个梯度值，一个预设方向对应一个梯度值。依据邻域像素点的像素值和第一目标像素点的像素值，计算第一目标像素点的至少一个预设梯度组对应的多个梯度值的步骤，可以理解为，依据以第一目标像素点为中心的预设窗口范围内的所有的像素点的像素值，以及预先存储的第一目标像素点在多个不同的预设方向上的预设权重(其中，每两个预设方向是相互垂直的关系)，计算出该第一目标像素点在多个不同的预设方向对应的梯度值，即可得到第一目标像素点的至少一个预设梯度组对应的多个梯度值。
请参阅图4，S22可以包括以下子步骤：
S221，获取每个预设方向对应的预设权重。
在本发明实施例中，预设权重可以是通过权重矩阵实现的，每个预设方向均对应一个预设权重。例如，有8个预设方向，8个预设方向分别为0°，22.5°，45°，67.5°，90°，112.5°，135°，157.5°。其中，0°和90°为一组相互垂直的预设方向；22.5°和112.5°为一组相互垂直的预设方向；45°和135°为一组相互垂直的预设方向；67.5°和157.5°为一组相互垂直的预设方向。
8个预设方向的对应的权重矩阵可以分别为：
0°权重矩阵
22.5°权重矩阵
45°权重矩阵
67.5°权重矩阵
90°权重矩阵
112.5°权重矩阵
135°权重矩阵
157.5°权重矩阵
S222，依据邻域像素点的像素值、第一目标像素点的像素值，以及每个预设方向对应的预设权重，计算第一目标像素点每个预设方向对应的梯度值，得到第一目标像素点的至少一个预设梯度组对应的多个梯度值。
在本发明实施例中，依据邻域像素点的像素值、第一目标像素点的像素值，以及每个预设方向对应的预设权重，计算第一目标像素点每个预设方向对应的梯度值，得到第一目标像素点的至少一个预设梯度组对应的多个梯度值的步骤，可以理解为，依据以一个第一目标像素点为中心的预设窗口内的所有的像素点的像素值组成的矩阵和每个预设方向对应的权重矩阵进行卷积，即可得到每个预设方向对应的梯度值。
例如，第一目标像素点为中心的预设窗口内的像素值组成的矩阵为pin，0°方向对应的梯度值为：
22.5°方向对应的梯度值为：
45°方向对应的梯度值为：
67.5°方向对应的梯度值为：
90°方向对应的梯度值为：
112.5°方向对应的梯度值为：
135°方向对应的梯度值为：
157.5°方向对应的梯度值为：
计算出第一目标像素点的8个预设方向对应的梯度值，得到第一目标像素点的至少一个预设方向组对应的多个梯度值。
S23，依据至少一个预设梯度组对应的多个梯度值，确定出目标梯度组。
在本发明实施例中，目标梯度组可以是至少一个预设梯度组中最能表征该第一目标像素点的方向梯度的梯度组。依据至少一个预设梯度组对应的多个梯度值，确定出目标梯度组的步骤，可以理解为，每个预设梯度组均包括两个梯度值，将每个预设梯度组中的两个梯度值进行比较，从中确定出第一梯度值和第二梯度值，第一梯度值大于第二梯度值；将第一梯度值和第二梯度值进行除法运算，计算出每个预设梯度组的梯度比值；将每个预设梯度组的梯度比值进行比较，将最大梯度比值对应的预设梯度组确定为目标梯度组。
S23可以包括以下子步骤：
S231，获取每个预设梯度组对应的两个梯度值。
在本发明实施例中，每个预设梯度组均包括两个梯度值，两个梯度值为两个相互垂直的方向对应的梯度值。获取每个预设梯度组对应的两个梯度值，可以理解为，获取第一目标像素点的每个预设梯度组对应的两个梯度值。例如，预设梯度组包括预设方向为0°对应的梯度值35和预设方向为90°对应的梯度值15。
S232，将每个预设梯度组对应的两个梯度值进行对比，确定出每个预设梯度组中的第一梯度值和第二梯度值，其中，第一梯度值大于第二梯度值。
在本发明实施例中，将每个预设梯度组对应的两个梯度值进行对比，确定出每个预设梯度组中的第一梯度值和第二梯度值的步骤，可以理解为，将预设梯度组中的两个梯度值进行比较，将两个梯度值中较大的梯度值确定为第一梯度值，将两个梯度值中较小的梯度值确定为第二梯度值。例如，预设梯度组包括预设方向为0°对应的梯度值35和预设方向为90°对应的梯度值15，由于35>15，所以预设方向为0°对应的梯度值35对应的梯度值为第一梯度值，预设方向为90°对应的梯度值15为第二梯度值。
S233，依据第一梯度值和第二梯度值计算每个预设梯度组的梯度比值。
在本发明实施例中，梯度比值可以是第一梯度值和第二梯度值的比值，梯度比值＝第一梯度值/第二梯度值。例如，第一梯度值为35，第二梯度值为15，那么梯度比值＝35/15＝7/3。
S234，将每个预设梯度组的梯度比值进行比较，得到最大梯度比值并将最大梯度比值对应的预设梯度组确定为目标梯度组。
在本发明实施例中，最大梯度比值可以是一个第一目标像素点对应的至少一个预设梯度组中的至少一个梯度比值中的最大的梯度比值。按照S233的方式计算出每个预设梯度组的梯度比值，将每个预设梯度组的梯度比值进行比较，得到最大梯度比值，将最大梯度比值对应的预设梯度组作为目标梯度组。例如，经过S233计算出一个第一目标像素点的3个预设梯度组对应的梯度比值分别为：第一个梯度比值为3，第二个梯度比值为5，第三个梯度比值为7。第三个梯度比值为7>第二个梯度比值为5>第一个梯度比值为3，最大梯度比值为第三梯度比值7，那么把第三梯度比值对应的预设梯度组确定为目标梯度组。
S3，根据每个目标梯度组对第一目标像素组进行筛选，得到第二目标像素组，第二目标像素组表征待滤波图像中的第一边缘区域，第二目标像素组包含至少一个第二目标像素点。
在本发明实施例中，第二目标像素组中包含至少一个表征待滤波图像中的第一边缘区域的第二目标像素点。根据每个目标梯度组对第一目标像素组进行筛选，得到第二目标像素组的步骤，可以理解为，经过S2，得到了每个第一目标像素点的目标梯度组，通过对目标梯度组进行判断，从第一目标像素组中筛选出第二目标像素组。具体地，对于一个第一目标像素点来说，判断该第一目标像素点的目标梯度组是否满足预设条件，若该第一目标像素点的目标梯度组满足预设条件，则该第一目标像素点属于第一目标像素组，且属于第二目标像素组；若该第一目标像素点的目标梯度组不满足预设条件，则该第一目标像素点属于第一目标像素组但不属于第二目标像素组。
S3可以包括以下子步骤：
S31，依据第一梯度值和第二梯度值，计算相对梯度值。
在本发明实施例中，相对梯度值可以是第一梯度值和第二梯度值的差值，相对梯度值＝第一梯度值-第二梯度值。例如，第一梯度值为35，第二梯度值为15，那么相对梯度值＝35-15＝20。
S32，将第一梯度值与第二门限值进行比较，并将相对梯度值与第三门限值进行比较。
在本发明实施例中，第二门限值可以是用户自定义用以判定当前的第一目标像素点处于第一边缘区域的梯度阈值，例如，20。第一梯度值大于第二门限值时，才认为当前的第一目标像素点可能处于第一边缘区域，如果最大梯度值小于或者等于第二门限值，则认为当前的第二目标像素点肯定不处于第一边缘区域。第三门限值可以是用户自定义用以滤除干扰噪声的阈值。例如，5。噪声也可能造成第一梯度值很大，可能会满足第二门限值要求，但噪声在两个相互垂直的方向梯度值会不多一样大，其对应的相对梯度值会很小，所以设定第三门限值用以滤除噪声的干扰。将第一梯度值与第二门限值进行比较，并将相对梯度值与第三门限值进行比较的步骤，例如，当第一梯度值为30，第二梯度值为17，第二门限值为20，第三门限值为5时，经过步骤S31得到相对梯度值为13，将第一梯度值30与第二门限值20进行比较，将相对梯度值13与第三门限值5进行比较。
S33，当第一梯度值大于第二门限值，且相对梯度值大于第三门限值时，将目标梯度组对应的第一目标像素点确定为第二目标像素点，得到第二目标像素组。
在本发明实施例中，当第一梯度值大于第二门限值，且相对梯度值大于第三门限值时，将目标梯度组对应的第一目标像素点确定为第二目标像素点，例如，当第一梯度值30大于第二门限值20，且将相对梯度值13大于第三门限值5，那么可以将该目标梯度组对应的第一目标像素点确定为第二目标像素点，按照上述的方式对每个第一目标像素点进行相同的处理，即可得到第二目标像素组。
S4，基于滤波模型，计算每个第二目标像素点的第一系数。
在本发明实施例中，基于滤波模型，计算每个第二目标像素点的第一系数的步骤，可以理解为，S41，获取第二目标像素点的窗口方差和预设平滑参数；S42，第一系数表达式如下：
其中，ak为第一系数，
为窗口方差，ε为预设平滑参数。
S5，将每个第二目标像素点的第一系数调整为第二系数。
在本发明实施例中，第二系数可以是第一系数和预设配置参数的总和，具体地，第二系数＝第一系数+预设配置参数。预设配置参数可以是用户自定义的配置参数。例如，当第一系数为0.75，预设配置参数为0.12，那么第二系数＝0.75+0.12＝0.87。
S6，依据每个第二目标像素点的第二系数更新待滤波图像中的第二目标像素点的像素值，生成导向滤波图像。
在本发明实施例中，导向滤波图像可以是经过滤波，且保留有边缘特征信息和弱边缘信息的图像。更新后的像素值表达式如下：
其中，qi为第i个第二目标像素点的更新后的像素值，Ii为第二目标像素点的像素值，
为第二目标像素点的窗口均值，ak'为第二系数。
窗口均值即为以第二目标像素点为中心，预设窗口范围内的像素平均值。当第二系数为0.87，窗口均值为45，第二目标像素点的像素值为47，那么该第二像素点的更新后的像素值＝0.87*47+(1-0.87)*45＝46.74。
与现有技术相比，本发明实施例具有以下优势：
首先，通过从待滤波图像中筛选出第一目标像素组，再从第一目标像素组中确定出第二目标像素组，只对第二目标像素组中的第二目标像素点的像素值进行更新，减少了数据处理量，使得图像导向滤波的速率更快。
其次，通过表征弱边缘区域的第二目标像素组中的第二目标像素点的像素值进行更新，得到了包含弱边缘特征信息的导向滤波图，解决了现有技术中滤波往往会导致图像过度模糊，使得图像边缘细节丢失，失去原有的细节特征的问题。
针对上述图2-图4的方法流程，下面给出一种图像导向滤波装置200的可能的实现方式，该图像导向滤波装置200可以采用上述实施例中的电子设备100的器件结构实现，也可以为该电子设备100中的处理器101实现，请参阅图5，图5示出了本发明实施例提供的图像导向滤波装置的方框示意图。图像导向滤波装置200包括获取模块201和生成模块202。
获取模块201，用于获取待滤波图像中的第一目标像素组，第一目标像素组表征待滤波图像中的图像平滑区域和第一边缘区域，第一目标像素组包含至少一个第一目标像素点；获取每个第一目标像素点的目标梯度组，目标梯度组表征第一目标像素点的方向梯度；根据每个目标梯度组对第一目标像素组进行筛选，得到第二目标像素组，第二目标像素组表征待滤波图像中的第一边缘区域，第二目标像素组包含至少一个第二目标像素点。在本发明实施例中，获取模块201可以具体用于：获取待滤波图形中的每个像素点的窗口方差；将每个像素点的窗口方差均与第一门限值进行比较；将每个窗口方差小于第一门限值的像素点均确定为第一目标像素点，得到第一目标像素组。
获取模块201还可以具体用于：获取预设窗口范围内的邻域像素点，预设窗口以第一目标像素点为中心，邻域像素点位于预设窗口范围内；依据邻域像素点的像素值和第一目标像素点的像素值，计算第一目标像素点的至少一个预设梯度组对应的多个梯度值，其中，每个预设梯度组均包括两个相互垂直的预设方向对应的两个梯度值，每个预设方向均对应一个梯度值；依据至少一个预设梯度组对应的多个梯度值，确定出目标梯度组。
获取模块201还可以具体用于：获取每个预设方向对应的预设权重；依据邻域像素点的像素值、第一目标像素点的像素值，以及每个预设方向对应的预设权重，计算第一目标像素点每个预设方向对应的梯度值，得到第一目标像素点的至少一个预设梯度组对应的多个梯度值。
获取模块201还可以具体用于：获取每个预设梯度组对应的两个梯度值；将每个预设梯度组对应的两个梯度值进行对比，确定出每个预设梯度组中的第一梯度值和第二梯度值，其中，第一梯度值大于第二梯度值；依据第一梯度值和第二梯度值计算每个预设梯度组的梯度比值；将每个预设梯度组的梯度比值进行比较，得到最大梯度比值并将最大梯度比值对应的预设梯度组确定为目标梯度组。
获取模块201还可以具体用于：依据第一梯度值和第二梯度值，计算相对梯度值；将第一梯度值与第二门限值进行比较，并将相对梯度值与第三门限值进行比较；当第一梯度值大于第二门限值，且相对梯度值大于第三门限值时，将目标梯度组对应的第一目标像素点确定为第二目标像素点，得到第二目标像素组。生成模块202，用于基于滤波模型，计算每个第二目标像素点的第一系数；将每个第二目标像素点的第一系数调整为第二系数；依据每个第二目标像素点的第二系数更新待滤波图像中的第二目标像素点的像素值，生成导向滤波图像。
在本发明实施例中，生成模块202具体用于：获取第二目标像素点的窗口方差和预设平滑参数；第一系数表达式如下：
其中，ak为第一系数，
为窗口方差，ε为预设平滑参数。
生成模块202还可以具体用于：
更新后的像素值表达式如下：
其中，qi为第i个第二目标像素点的更新后的像素值，Ii为第二目标像素点的像素值，
为第二目标像素点的窗口均值，ak'为第二系数。
综上所述，本发明实施例提供一种图像导向滤波方法及装置，所述方法包括：获取待滤波图像中表征图像平滑区域和第一边缘区域的第一目标像素组；获取第一像素组中每个第一目标像素点的目标梯度组，并依据所述梯度组对第一目标像素组进行筛选，得到表征第一边缘区域的第二目标像素组；基于滤波模型，计算每个第二目标像素点的第一系数；将每个第二目标像素点的第一系数调整为第二系数；依据每个第二目标像素点的第二系数更新待滤波图像中的第二目标像素点的像素值，生成导向滤波图像。。与现有技术相比，本发明实施例具有以下优势：通过表征弱边缘区域的第二目标像素组中的第二目标像素点的像素值进行更新，得到了包含弱边缘特征信息的导向滤波图，解决了现有技术中滤波往往会导致图像过度模糊，使得图像边缘细节丢失，失去原有的细节特征的问题。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。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定义和解释。
Claims (10)
1.一种图像导向滤波方法，其特征在于，所述方法包括：
获取待滤波图像中的第一目标像素组，所述第一目标像素组表征所述待滤波图像中的图像平滑区域和第一边缘区域，所述第一目标像素组包含至少一个第一目标像素点；
获取每个所述第一目标像素点的目标梯度组，所述目标梯度组表征所述第一目标像素点的方向梯度；
根据每个所述目标梯度组对所述第一目标像素组进行筛选，得到第二目标像素组，所述第二目标像素组表征所述待滤波图像中的第一边缘区域，所述第二目标像素组包含至少一个第二目标像素点；
基于滤波模型，计算每个所述第二目标像素点的第一系数；
依据每个所述第二目标像素点的目标梯度组，将每个所述第二目标像素点的第一系数调整为第二系数；
依据每个所述第二目标像素点的第二系数更新所述待滤波图像中的第二目标像素点的像素值，生成导向滤波图像。
2.如权利要求1所述的方法，其特征在于，所述获取待滤波图像中的第一目标像素组的步骤，包括：
获取待滤波图形中的每个像素点的窗口方差；
将每个所述像素点的窗口方差均与第一门限值进行比较；
将每个所述窗口方差小于所述第一门限值的像素点均确定为第一目标像素点，得到第一目标像素组。
3.如权利要求1所述的方法，其特征在于，所述获取每个所述第一目标像素点的目标梯度组的步骤，包括：
获取预设窗口范围内的邻域像素点，所述预设窗口以所述第一目标像素点为中心，所述邻域像素点位于所述预设窗口范围内；
依据所述邻域像素点的像素值和所述第一目标像素点的像素值，计算所述第一目标像素点的至少一个预设梯度组对应的多个梯度值，其中，每个所述预设梯度组均包括两个相互垂直的预设方向对应的两个梯度值，每个所述预设方向均对应一个所述梯度值；
依据所述至少一个预设梯度组对应的多个梯度值，确定出目标梯度组。
4.如权利要求3所述的方法，其特征在于，所述依据所述邻域像素点的像素值和所述第一目标像素点的像素值，计算所述第一目标像素点的至少一个预设梯度组对应的多个梯度值的步骤，包括：
获取每个预设方向对应的预设权重；
依据所述邻域像素点的像素值、所述第一目标像素点的像素值，以及所述每个预设方向对应的预设权重，计算所述第一目标像素点每个预设方向对应的梯度值，得到所述第一目标像素点的至少一个预设梯度组对应的多个梯度值。
5.如权利要求3所述的方法，其特征在于，所述依据所述至少一个预设梯度组对应的多个梯度值，确定出目标梯度组的步骤，包括：
获取每个预设梯度组对应的两个梯度值；
将每个预设梯度组对应的两个梯度值进行对比，确定出每个预设梯度组中的第一梯度值和第二梯度值，其中，所述第一梯度值大于所述第二梯度值；
依据所述第一梯度值和所述第二梯度值计算每个预设梯度组的梯度比值；
将每个预设梯度组的梯度比值进行比较，得到最大梯度比值并将所述最大梯度比值对应的预设梯度组确定为目标梯度组。
6.如权利要求1所述的方法，其特征在于，所述第一目标像素点的目标梯度组包括第一梯度值和第二梯度值，所述第一梯度值大于所述第二梯度值，所述根据每个所述目标梯度组对所述第一目标像素组进行筛选，得到第二目标像素组的步骤，包括：
依据所述第一梯度值和所述第二梯度值，计算相对梯度值；
将所述第一梯度值与第二门限值进行比较，并将所述相对梯度值与第三门限值进行比较；
当所述第一梯度值大于所述第二门限值，且所述相对梯度值大于所述第三门限值时，将所述目标梯度组对应的第一目标像素点确定为第二目标像素点，得到第二目标像素组。
7.如权利要求1所述的方法，其特征在于，所述计算每个所述第二目标像素点的第一系数的步骤，包括：
获取所述第二目标像素点的窗口方差和预设平滑参数；
第一系数表达式如下：
其中，ak为第一系数，
为窗口方差，ε为预设平滑参数。
8.如权利要求1所述的方法，其特征在于，所述依据每个所述第二目标像素点的第二系数更新所述待滤波图像中的第二目标像素点的像素值的步骤，包括：
更新后的像素值表达式如下：
其中，qi为第i个所述第二目标像素点的更新后的像素值，Ii为所述第二目标像素点的像素值，
为所述第二目标像素点的窗口均值，ak'为第二系数。
9.一种图像导向滤波装置，其特征在于，所述装置包括：
获取模块，用于获取待滤波图像中的第一目标像素组，所述第一目标像素组表征所述待滤波图像中的图像平滑区域和第一边缘区域，所述第一目标像素组包含至少一个第一目标像素点；获取每个所述第一目标像素点的目标梯度组，所述目标梯度组表征所述第一目标像素点的方向梯度；根据每个所述目标梯度组对所述第一目标像素组进行筛选，得到第二目标像素组，所述第二目标像素组表征所述待滤波图像中的第一边缘区域，所述第二目标像素组包含至少一个第二目标像素点；
生成模块，用于基于滤波模型，计算每个所述第二目标像素点的第一系数；依据每个所述第二目标像素点的目标梯度组，将每个所述第二目标像素点的第一系数调整为第二系数；依据每个所述第二目标像素点的第二系数更新所述待滤波图像中的第二目标像素点的像素值，生成导向滤波图像。
10.如权利要求9所述的装置，其特征在于，所述获取模块具体用于：
获取待滤波图形中的每个像素点的窗口方差；将每个所述像素点的窗口方差均与第一门限值进行比较；将每个所述窗口方差小于所述第一门限值的像素点均确定为第一目标像素点，得到第一目标像素组。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811607767.5A CN109741287B (zh) | 2018-12-27 | 2018-12-27 | 图像导向滤波方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811607767.5A CN109741287B (zh) | 2018-12-27 | 2018-12-27 | 图像导向滤波方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109741287A CN109741287A (zh) | 2019-05-10 |
| CN109741287B true CN109741287B (zh) | 2021-01-01 |
Family
ID=66360063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811607767.5A Active CN109741287B (zh) | 2018-12-27 | 2018-12-27 | 图像导向滤波方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109741287B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298805B (zh) * | 2019-07-03 | 2023-04-21 | 云南电网有限责任公司电力科学研究院 | 一种多光谱图像的去噪和滤波方法及装置 |
| CN111080534B (zh) * | 2019-10-31 | 2023-09-15 | 北京迈格威科技有限公司 | 图像滤波方法、装置及电子设备 |
| CN112308806B (zh) * | 2020-11-11 | 2024-06-18 | 海宁奕斯伟集成电路设计有限公司 | 图像处理方法、装置、电子设备以及可读存储介质 |
| CN113518220B (zh) * | 2021-04-15 | 2023-07-25 | 中山大学 | 基于导向滤波和边缘检测的帧内划分方法、装置及介质 |
| CN113365060B (zh) * | 2021-05-21 | 2022-04-26 | 北京奇艺世纪科技有限公司 | 一种图像滤波方法、装置、设备及存储介质 |
| CN113487527B (zh) * | 2021-06-25 | 2024-04-09 | 凌云光技术股份有限公司 | 一种曲面屏绘素亮度提取方法及系统 |
| CN116385260B (zh) * | 2022-05-19 | 2024-02-09 | 上海玄戒技术有限公司 | 图像处理方法、装置、芯片、电子设备及介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289814A (zh) * | 2011-08-30 | 2011-12-21 | 北京理工大学 | 一种心脏核磁共振图像分割方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102831601A (zh) * | 2012-07-26 | 2012-12-19 | 中北大学 | 基于联合相似性测度和自适应支持权重的立体匹配方法 |
| CN103500435B (zh) * | 2013-09-11 | 2016-06-08 | 西安交通大学 | 一种边缘导向的自适应图像插值方法及其vlsi实现装置 |
| CN105160635B (zh) * | 2015-07-08 | 2018-12-18 | 苏州科技学院 | 一种基于分数阶微分估计梯度域的图像滤波方法 |
| CN107564045B (zh) * | 2017-07-14 | 2020-06-16 | 天津大学 | 基于梯度域引导滤波的立体匹配方法 |
| CN109410228A (zh) * | 2018-08-22 | 2019-03-01 | 南京理工大学 | 基于多尺度数学形态学特征融合的海洋内波检测算法 |
-
2018
- 2018-12-27 CN CN201811607767.5A patent/CN109741287B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289814A (zh) * | 2011-08-30 | 2011-12-21 | 北京理工大学 | 一种心脏核磁共振图像分割方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109741287A (zh) | 2019-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109741287B (zh) | 图像导向滤波方法及装置 | |
| US9852353B2 (en) | Structure aware image denoising and noise variance estimation | |
| CN108921806B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
| US9076205B2 (en) | Edge direction and curve based image de-blurring | |
| CN109934785B (zh) | 图像锐化方法及装置 | |
| US20210256763A1 (en) | Method and device for simplifying three-dimensional mesh model | |
| CN108765340B (zh) | 模糊图像处理方法、装置及终端设备 | |
| CN114331951B (zh) | 图像检测方法、装置、计算机、可读存储介质及程序产品 | |
| CN110298858B (zh) | 一种图像裁剪方法及装置 | |
| CN111950723A (zh) | 神经网络模型训练方法、图像处理方法、装置及终端设备 | |
| US8948453B2 (en) | Device, method and non-transitory computer readable storage medium for detecting object | |
| CN110708568B (zh) | 一种视频内容突变检测方法及装置 | |
| CN109934789B (zh) | 图像去噪方法、装置及电子设备 | |
| CN111062884A (zh) | 一种图像增强方法、装置、存储介质和终端设备 | |
| Kapuriya et al. | Detection and restoration of multi-directional motion blurred objects | |
| CN113516697B (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
| CN110287361A (zh) | 一种人物图片筛选方法及装置 | |
| CN111754435B (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
| CN113298122A (zh) | 目标检测方法、装置和电子设备 | |
| US20170300771A1 (en) | Image Classification for Adjustment | |
| CN112424787A (zh) | 提取图像关键点的方法及装置 | |
| CN110942442B (zh) | 图像通透度计算方法及装置 | |
| CN107909586B (zh) | 图像噪声计算方法及装置 | |
| CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
| CN114862686A (zh) | 图像处理方法、装置及电子设备 |
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 |