CN110111261A - 图像的自适应平衡处理方法、电子设备和计算机可读存储介质 - Google Patents

图像的自适应平衡处理方法、电子设备和计算机可读存储介质 Download PDF

Info

Publication number
CN110111261A
CN110111261A CN201910244283.7A CN201910244283A CN110111261A CN 110111261 A CN110111261 A CN 110111261A CN 201910244283 A CN201910244283 A CN 201910244283A CN 110111261 A CN110111261 A CN 110111261A
Authority
CN
China
Prior art keywords
value
image
values
ambiguity
return
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.)
Granted
Application number
CN201910244283.7A
Other languages
English (en)
Other versions
CN110111261B (zh
Inventor
吴丽
刘梅英
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.)
Fuzhou Rockchip Electronics Co Ltd
Original Assignee
Fuzhou Rockchip Electronics 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 Fuzhou Rockchip Electronics Co Ltd filed Critical Fuzhou Rockchip Electronics Co Ltd
Priority to CN201910244283.7A priority Critical patent/CN110111261B/zh
Publication of CN110111261A publication Critical patent/CN110111261A/zh
Application granted granted Critical
Publication of CN110111261B publication Critical patent/CN110111261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/73—Deblurring; Sharpening

Landscapes

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

Abstract

本发明提供一种图像的自适应平衡处理方法、电子设备和计算机可读存储介质，方法包括：设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；量化权重及步进值，使之满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1，锐化度值Pj+1＝Pj+W2*S2；将图像texture纹理参数以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理；计算图像梯度值T，若T不落在预设的区间内，改变W1、S1、W2和S2的值，重新计算模糊度值和锐化度值；计算图像信噪比值N，若N不落在预设区间内，改变W1、S1、W2和S2的值，重新计算模糊度值和锐化度值。

Description

图像的自适应平衡处理方法、电子设备和计算机可读存储 介质
技术领域
本发明涉及一种图像处理方法，特别涉及一种图像去噪与清晰度的平衡方法、电子设备和计算机可读存储介质。
背景技术
目前大多数图像去噪算法对图像去噪后，虽然噪点可以去除，但不可避免的都会牺牲图像清晰度导致图像模糊化，无法达到一个去噪效果与清晰度的平衡。
而且目前市面上大部分录播系统视频录制，对于图像去噪以及清晰度处理，需要人工做后处理，无法做到自适应处理。
于20150429公开的，申请号为CN201410785308.1的中国发明揭示了一种自适应阈值图像去噪算法，包括以下步骤，(1)将噪声图像进行Gauss滤波，去除较大噪声；(2)构建拟合扩散系数；(3)建立自适应阈值；(4)建立自适应阈值图像去噪算法模型；(5)用半隐式加性算子分裂(AOS)算法对图像进一步处理，得到去噪后的图像。本发明复杂度低，时效性高，去噪后的图像信噪比与经典算法相比提高了15个dB左右，能有效的保护图像的边缘和纹理等细节信息。该发明是用于解决PM算法中有时无法正确的区分边缘和噪声的技术问题，若用于处理小尺度空间噪声，则会导致效果不理想的问题。
于20180109公开的，申请号为CN201610502718.X的中国发明公开一种自适应图像去噪方法，包括如下步骤：数据采集卡获取待处理去噪图像；采用广义主成分分析算法对所述待去噪图像进行降维，获得降维的各部分特征信息；对获取的图像信息进行压缩感知采样，获得测量值；对所述测量值进行压缩感知重构，将小系数噪声设为零；对获取的重构图像进行逆变，完成图像去噪。该发明通过广义主成分分析算法降维，通过对重构图像进行逆变，完成了去噪后图像细节的完整保留，而且降低了去噪的计算强度。但其强调的是一种具体的图像去噪方法，而无法保证图像的清晰度。
于20181009公开的，申请号为CN201710160358的中国发明提供了一种图像锐化的方法及装置，所述方法包括：根据当前帧的输入图像数据、参考帧的输入图像数据和参考帧的运动误差计算视频图像的运动误差；存储当前帧的输入图像数据以作为下一帧的参考帧的输入图像数据，存储视频图像的运动误差以作为下一帧的参考帧的运动误差；根据当前帧的输入图像数据计算反映图像细节边缘的边缘检测值；根据边缘检测值对接收的当前帧的输入图像数据进行边缘锐化处理得到锐化权重；利用接收的视频图像的运动误差对接收的锐化权重进行控制，以对接收的当前帧的输入图像数据进行锐化处理。通过该发明的方法，得到的视频图像的运动误差比较准确，视频图像的锐化更合理，同时静止图像又能获得更好的锐化效果。根据反映图像细节边缘的边缘检测值对接收的当前帧的输入图像数据进行边。
发明内容
本发明要解决的技术问题，在于提供一种图像的自适应平衡处理方法、电子设备和计算机可读存储介质，通过质量评价方式自适应的调整算法的关键参数，得到较佳质量的图像输出，替代了现有人为的手动调参方式。
第一方面，本发明方法是这样实现的：一种图像的自适应平衡处理方法，包括下述步骤：
(1)、设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；
(2)、量化权重及步进值，使权重及步进值满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1，锐化度值Pj+1＝Pj+W2*S2，i为利用模糊度值计算公式进行循环计算的次数，Di+1为当前模糊度值，Di为上一次计算所得的模糊度值，j为利用锐化度值计算公式进行循环计算的次数，Pj+1为当前锐化度值，Pj上一次计算所得的锐化度值；
(3)、将图像texture纹理参数以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理输出处理后图像；
(4)、计算图像梯度值T，并与阀值T1、T2对比，
当T<T1时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当T>T2时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当T1≤T≤T2时，不作处理而进行下一步；
(5)、计算图像信噪比值N，并与阀值N1、N2对比，
当N<N1时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当N>N2时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当N1≤N≤N2时，不作处理而输出图像。
第二方面，本发明电子设备是这样实现的：一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
(1)、设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；
(2)、量化权重及步进值，使权重及步进值满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1，锐化度值Pj+1＝Pj+W2*S2，i为利用模糊度值计算公式进行循环计算的次数，Di+1为当前模糊度值，Di为上一次计算所得的模糊度值，j为利用锐化度值计算公式进行循环计算的次数，Pj+1为当前锐化度值，Pj上一次计算所得的锐化度值；
(3)、将图像texture纹理参数以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理输出处理后图像；
(4)、计算图像梯度值T，并与阀值T1、T2对比，
当T<T1时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当T>T2时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当T1≤T≤T2时，不作处理而进行下一步；
(5)、计算图像信噪比值N，并与阀值N1、N2对比，
当N<N1时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当N>N2时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当N1≤N≤N2时，不作处理而输出图像。
第三方面，本发明计算机可读存储介质是这样实现的：一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
(1)、设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；
(2)、量化权重及步进值，使权重及步进值满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1，锐化度值Pj+1＝Pj+W2*S2，i为利用模糊度值计算公式进行循环计算的次数，Di+1为当前模糊度值，Di为上一次计算所得的模糊度值，j为利用锐化度值计算公式进行循环计算的次数，Pj+1为当前锐化度值，Pj上一次计算所得的锐化度值；
(3)、将图像texture纹理参数以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理输出处理后图像；
(4)、计算图像梯度值T，并与阀值T1、T2对比，
当T<T1时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当T>T2时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当T1≤T≤T2时，不作处理而进行下一步；
(5)、计算图像信噪比值N，并与阀值N1、N2对比，
当N<N1时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当N>N2时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当N1≤N≤N2时，不作处理而输出图像。
进一步的，本发明中，所述步骤(1)之前还包括：
步骤(0)、摄像头采集图像，并把图像缩放到一个预设的分辨率；
所述步骤(5)之后还包括：
步骤(6)、对图像进行双线性插值处理，增大分辨率，输出预设分辨率图像并保存。
进一步的，本发明中，所述步骤(3)中，所述着色器模块是先进行高斯模糊再进行锐化处理。
本发明具有如下优点：本发明中利用经验值和通过质量评价方式自适应的调整算法的关键参数，结合现有技术中的去噪和锐化的算法公式，得到较佳质量的图像输出，替代了现有人为的手动调参方式。可应用于如录播视频处理领域。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明方法执行流程图。
具体实施方式
如图1所示，作为本发明较佳的实施例，提供一种图像的自适应平衡处理方法，包括下述步骤：
(0)、摄像头采集图像，并把图像缩放到一个预设的分辨率；当采集到的图像分辨率较大时，会导致后续步骤的计算量较大，因此可以先减小图像的分辨率，从而减小计算量；缩小的图像送着色器模块(OpenGLES shader)处理时，能减少计算量，在后面步骤自适应调整的时候，高斯模糊和锐化大概率会循环多次，这样可以使得高斯模糊和锐化效率得到数量级的提升。
(1)、设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；例如：初始化高斯权重值为50％，步进值为1，锐化权重值为50％，步进值为1。
(2)、量化权重及步进值，使权重及步进值满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1(D值越大去噪效果越好，但图像越模糊)，锐化度值Pj+1＝Pj+W2*S2(P值越大边缘越清晰，但会呈现部分噪点)，i为利用模糊度值计算公式进行循环计算的次数，Di+1为当前模糊度值，Di为上一次计算所得的模糊度值，j为利用锐化度值计算公式进行循环计算的次数，Pj+1为当前锐化度值，Pj上一次计算所得的锐化度值。
(3)、将图像texture纹理参数(包括基本的图像属性：宽度、高度、色彩通道数量，特殊的属性：Mipmap纹理属性)以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理输出处理后图像。
(4)、计算图像梯度值T，并与阀值T1、T2对比，在一具体的实施例中，所述T1指导值可设为7.6，所述T2指导值可设为9.4，这个指导值为经验值，根据实际场景可调节，也可参考PSNR评价分数确定；
当T<T1时，减小W1和S1的值并增大W2和S2的值，例如调整W1＝35％，S1＝-0.8；W2＝65％，S2＝1.2，回到步骤(2)；
当T>T2时，增大W1和S1的值并减小W2和S2的值，例如调整W1＝65％，S1＝1.2；W2＝35％，S2＝-0.8，回到步骤(2)；
当T1≤T≤T2时，不作处理而进行下一步；
根据经验，在实际项目应用中，W1和W2增大或减小的步进值可以设为15％，S1和S2增大或减小的步进值为0.2，但不限于此，具体的步进值可根据实际场景可调节。
(5)、计算图像信噪比值N(信噪比(SNR)值N越大噪点越少，N越小噪点越多)，并与阀值N1、N2对比，在一具体的实施例中，所述N1指导值可设为48.5，所述N2指导值可设为59.7，该指导值为经验值，根据实际场景可调节；
当N<N1时，增大W1和S1的值并减小W2和S2的值，例如，调整W1＝70％，S1＝1.3；W2＝30％，S2＝-0.7，回到步骤(2)；
当N>N2时，减小W1和S1的值并增大W2和S2的值，例如，W1＝30％，S1＝-0.7；W2＝70％，S2＝1.3，回到步骤(2)；
当N1≤N≤N2时，不作处理而输出图像。
同样，根据经验，在实际项目应用中，W1和W2增大或减小的步进值为20％，S1和S2增大或减小的步进值为0.3。但不限于此，具体的步进值可根据实际场景可调节。
(6)、对图像进行双线性插值处理，增大分辨率，输出预设分辨率图像并保存。双线性插值可还原小图分辨率至大图分辨率，从实际验证效果来看会牺牲一点清晰度，但清晰度精度在可接受范围内，以小精度分辨率损失来换取较小的计算量。
本发明的另一实施例中提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
(0)、摄像头采集图像，并把图像缩放到一个预设的分辨率；当采集到的图像分辨率较大时，会导致后续步骤的计算量较大，因此可以先减小图像的分辨率，从而减小计算量；缩小的图像送着色器模块(OpenGLES shader)处理时，能减少计算量，在后面步骤自适应调整的时候，高斯模糊和锐化大概率会循环多次，这样可以使得高斯模糊和锐化效率得到数量级的提升。
(1)、设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；例如：初始化高斯权重值为50％，步进值为1，锐化权重值为50％，步进值为1。
(2)、量化权重及步进值，使权重及步进值满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1(D值越大去噪效果越好，但图像越模糊)，锐化度值Pj+1＝Pj+W2*S2(P值越大边缘越清晰，但会呈现部分噪点)，i为利用模糊度值计算公式进行循环计算的次数，Di+1为当前模糊度值，Di为上一次计算所得的模糊度值，j为利用锐化度值计算公式进行循环计算的次数，Pj+1为当前锐化度值，Pj上一次计算所得的锐化度值。
(3)、将图像texture纹理参数(包括基本的图像属性：宽度、高度、色彩通道数量，特殊的属性：Mipmap纹理属性)以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理输出处理后图像。
(4)、计算图像梯度值T，并与阀值T1、T2对比，在一具体的实施例中，所述T1指导值可设为7.6，所述T2指导值可设为9.4，这个指导值为经验值，根据实际场景可调节，也可参考PSNR评价分数确定；
当T<T1时，减小W1和S1的值并增大W2和S2的值，例如调整W1＝35％，S1＝-0.8；W2＝65％，S2＝1.2，回到步骤(2)；
当T>T2时，增大W1和S1的值并减小W2和S2的值，例如调整W1＝65％，S1＝1.2；W2＝35％，S2＝-0.8，回到步骤(2)；
当T1≤T≤T2时，不作处理而进行下一步；
根据经验，在实际项目应用中，W1和W2增大或减小的步进值可以设为15％，S1和S2增大或减小的步进值为0.2，但不限于此，具体的步进值可根据实际场景可调节。
(5)、计算图像信噪比值N(信噪比(SNR)值N越大噪点越少，N越小噪点越多)，并与阀值N1、N2对比，在一具体的实施例中，所述N1指导值可设为48.5，所述N2指导值可设为59.7，该指导值为经验值，根据实际场景可调节；
当N<N1时，增大W1和S1的值并减小W2和S2的值，例如，调整W1＝70％，S1＝1.3；W2＝30％，S2＝-0.7，回到步骤(2)；
当N>N2时，减小W1和S1的值并增大W2和S2的值，例如，W1＝30％，S1＝-0.7；W2＝70％，S2＝1.3，回到步骤(2)；
当N1≤N≤N2时，不作处理而输出图像。
同样，根据经验，在实际项目应用中，W1和W2增大或减小的步进值为20％，S1和S2增大或减小的步进值为0.3。但不限于此，具体的步进值可根据实际场景可调节。
(6)、对图像进行双线性插值处理，增大分辨率，输出预设分辨率图像并保存。双线性插值可还原小图分辨率至大图分辨率，从实际验证效果来看会牺牲一点清晰度，但清晰度精度在可接受范围内，以小精度分辨率损失来换取较小的计算量。
本发明的再一实施例中提供一种计算机可读存储介质是这样实现的：一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
(0)、摄像头采集图像，并把图像缩放到一个预设的分辨率；当采集到的图像分辨率较大时，会导致后续步骤的计算量较大，因此可以先减小图像的分辨率，从而减小计算量；缩小的图像送着色器模块(OpenGLES shader)处理时，能减少计算量，在后面步骤自适应调整的时候，高斯模糊和锐化大概率会循环多次，这样可以使得高斯模糊和锐化效率得到数量级的提升。
(1)、设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；例如：初始化高斯权重值为50％，步进值为1，锐化权重值为50％，步进值为1。
(2)、量化权重及步进值，使权重及步进值满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1(D值越大去噪效果越好，但图像越模糊)，锐化度值Pj+1＝Pj+W2*S2(P值越大边缘越清晰，但会呈现部分噪点)，i为利用模糊度值计算公式进行循环计算的次数，Di+1为当前模糊度值，Di为上一次计算所得的模糊度值，j为利用锐化度值计算公式进行循环计算的次数，Pj+1为当前锐化度值，Pj上一次计算所得的锐化度值。
(3)、将图像texture纹理参数(包括基本的图像属性：宽度、高度、色彩通道数量，特殊的属性：Mipmap纹理属性)以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理输出处理后图像。
(4)、计算图像梯度值T，并与阀值T1、T2对比，在一具体的实施例中，所述T1指导值可设为7.6，所述T2指导值可设为9.4，这个指导值为经验值，根据实际场景可调节，也可参考PSNR评价分数确定；
当T<T1时，减小W1和S1的值并增大W2和S2的值，例如调整W1＝35％，S1＝-0.8；W2＝65％，S2＝1.2，回到步骤(2)；
当T>T2时，增大W1和S1的值并减小W2和S2的值，例如调整W1＝65％，S1＝1.2；W2＝35％，S2＝-0.8，回到步骤(2)；
当T1≤T≤T2时，不作处理而进行下一步；
根据经验，在实际项目应用中，W1和W2增大或减小的步进值可以设为15％，S1和S2增大或减小的步进值为0.2，但不限于此，具体的步进值可根据实际场景可调节。
(5)、计算图像信噪比值N(信噪比(SNR)值N越大噪点越少，N越小噪点越多)，并与阀值N1、N2对比，在一具体的实施例中，所述N1指导值可设为48.5，所述N2指导值可设为59.7，该指导值为经验值，根据实际场景可调节；
当N<N1时，增大W1和S1的值并减小W2和S2的值，例如，调整W1＝70％，S1＝1.3；W2＝30％，S2＝-0.7，回到步骤(2)；
当N>N2时，减小W1和S1的值并增大W2和S2的值，例如，W1＝30％，S1＝-0.7；W2＝70％，S2＝1.3，回到步骤(2)；
当N1≤N≤N2时，不作处理而输出图像。
同样，根据经验，在实际项目应用中，W1和W2增大或减小的步进值为20％，S1和S2增大或减小的步进值为0.3。但不限于此，具体的步进值可根据实际场景可调节。
(6)、对图像进行双线性插值处理，增大分辨率，输出预设分辨率图像并保存。双线性插值可还原小图分辨率至大图分辨率，从实际验证效果来看会牺牲一点清晰度，但清晰度精度在可接受范围内，以小精度分辨率损失来换取较小的计算量。
值得一提的是：理论上本发明步骤(3)中的由着色器模块进行的高斯模糊和锐化处理二者无先后顺序，但从实际项目应用效果来看，如果先做锐化处理的话，原本图像存在的噪声会被放大，再进行高斯模糊的话，模糊参数的权重就会增大，会使图像模糊度增大(对比先模糊后锐化处理后的图像模糊度增大)，这样意味着需要再进行调整锐化以及高斯模糊权重进行处理，虽然最后都能达到效果，但可能无形中增加一次或者几次循环计算量，故推荐先高斯模糊再锐化处理，但不作强制要求。
本发明在录播系统中应用时，录播系统在录制的同时可以实时自动化进行图像去噪以及清晰度处理，并达到去噪与清晰度平衡，不需要人工再进行图像后处理。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (9)

1.一种图像的自适应平衡处理方法，其特征在于：包括下述步骤：
(1)、设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；
(2)、量化权重及步进值，使权重及步进值满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1，锐化度值Pj+1＝Pj+W2*S2，i为利用模糊度值计算公式进行循环计算的次数，Di+1为当前模糊度值，Di为上一次计算所得的模糊度值，j为利用锐化度值计算公式进行循环计算的次数，Pj+1为当前锐化度值，Pj上一次计算所得的锐化度值；
(3)、将图像texture纹理参数以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理输出处理后图像；
(4)、计算图像梯度值T，并与阀值T1、T2对比，
当T<T1时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当T>T2时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当T1≤T≤T2时，不作处理而进行下一步；
(5)、计算图像信噪比值N，并与阀值N1、N2对比，
当N<N1时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当N>N2时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当N1≤N≤N2时，不作处理而输出图像。
2.根据权利要求1所述的图像的自适应平衡处理方法，其特征在于：
所述步骤(1)之前还包括：
步骤(0)、摄像头采集图像，并把图像缩放到一个预设的分辨率；
所述步骤(5)之后还包括：
步骤(6)、对图像进行双线性插值处理，增大分辨率，输出预设分辨率图像并保存。
3.根据权利要求1所述的图像的自适应平衡处理方法，其特征在于：所述步骤(3)中，所述着色器模块是先进行高斯模糊再进行锐化处理。
4.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
(1)、设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；
(2)、量化权重及步进值，使权重及步进值满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1，锐化度值Pj+1＝Pj+W2*S2，i为利用模糊度值计算公式进行循环计算的次数，Di+1为当前模糊度值，Di为上一次计算所得的模糊度值，j为利用锐化度值计算公式进行循环计算的次数，Pj+1为当前锐化度值，Pj上一次计算所得的锐化度值；
(3)、将图像texture纹理参数以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理输出处理后图像；
(4)、计算图像梯度值T，并与阀值T1、T2对比，
当T<T1时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当T>T2时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当T1≤T≤T2时，不作处理而进行下一步；
(5)、计算图像信噪比值N，并与阀值N1、N2对比，
当N<N1时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当N>N2时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当N1≤N≤N2时，不作处理而输出图像。
5.根据权利要求4所述的一种电子设备，其特征在于：
所述步骤(1)之前还包括：
步骤(0)、摄像头采集图像，并把图像缩放到一个预设的分辨率；
所述步骤(5)之后还包括：
步骤(3)、对图像进行双线性插值处理，增大分辨率，输出预设分辨率图像并保存。
6.根据权利要求4所述的一种电子设备，其特征在于：所述步骤(3)中，所述着色器模块是先进行高斯模糊再进行锐化处理。
7.一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以下步骤：
(1)、设置初始高斯滤波权重值W1、步进值S1，锐化权重值W2，步进值S2；
(2)、量化权重及步进值，使权重及步进值满足着色器模块的处理精度，设置模糊度值Di+1＝Di+W1*S1，锐化度值Pj+1＝Pj+W2*S2，i为利用模糊度值计算公式进行循环计算的次数，Di+1为当前模糊度值，Di为上一次计算所得的模糊度值，j为利用锐化度值计算公式进行循环计算的次数，Pj+1为当前锐化度值，Pj上一次计算所得的锐化度值；
(3)、将图像texture纹理参数以及模糊度值、锐化度值传入着色器模块，由着色器模块进行高斯模糊和锐化处理输出处理后图像；
(4)、计算图像梯度值T，并与阀值T1、T2对比，
当T<T1时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当T>T2时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当T1≤T≤T2时，不作处理而进行下一步；
(5)、计算图像信噪比值N，并与阀值N1、N2对比，
当N<N1时，增大W1和S1的值并减小W2和S2的值，回到步骤(2)；
当N>N2时，减小W1和S1的值并增大W2和S2的值，回到步骤(2)；
当N1≤N≤N2时，不作处理而输出图像。
8.根据权利要求7所述的一种计算机可读存储介质，其特征在于：
所述步骤(1)之前还包括：
步骤(0)、摄像头采集图像，并把图像缩放到一个预设的分辨率；
所述步骤(5)之后还包括：
步骤(3)、对图像进行双线性插值处理，增大分辨率，输出预设分辨率图像并保存。
9.根据权利要求7所述的一种计算机可读存储介质，其特征在于：所述步骤(3)中，所述着色器模块是先进行高斯模糊再进行锐化处理。
CN201910244283.7A 2019-03-28 2019-03-28 图像的自适应平衡处理方法、电子设备和计算机可读存储介质 Active CN110111261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910244283.7A CN110111261B (zh) 2019-03-28 2019-03-28 图像的自适应平衡处理方法、电子设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910244283.7A CN110111261B (zh) 2019-03-28 2019-03-28 图像的自适应平衡处理方法、电子设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110111261A true CN110111261A (zh) 2019-08-09
CN110111261B CN110111261B (zh) 2021-05-28

Family

ID=67484814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910244283.7A Active CN110111261B (zh) 2019-03-28 2019-03-28 图像的自适应平衡处理方法、电子设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110111261B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950491A (zh) * 2021-01-26 2021-06-11 上海视龙软件有限公司 一种视频处理的方法及设备
CN113342410A (zh) * 2021-05-25 2021-09-03 山石网科通信技术股份有限公司 特征库数据处理方法及装置
CN113852768A (zh) * 2021-09-24 2021-12-28 中音讯谷科技有限公司 一种基于fpga技术的音视频图像智能控制系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930601A (zh) * 2010-09-01 2010-12-29 浙江大学 一种基于边缘信息的多尺度模糊图像盲复原方法
CN102306097A (zh) * 2011-08-12 2012-01-04 中国科学院光电技术研究所 一种在MultiGen-Vega中对场景图进行实时图像处理的方法
CN103679656A (zh) * 2013-10-21 2014-03-26 厦门美图网科技有限公司 一种图像自动锐化方法
CN103810682A (zh) * 2012-11-06 2014-05-21 西安元朔科技有限公司 一种新的图像融合方法
CN104463811A (zh) * 2014-12-29 2015-03-25 南京信息工程大学 基于能量泛函的图像平滑与锐化算法
CN104732227A (zh) * 2015-03-23 2015-06-24 中山大学 一种基于清晰度和亮度评估的车牌快速定位方法
CN104867128A (zh) * 2015-04-10 2015-08-26 浙江宇视科技有限公司 图像模糊检测方法和装置
CN105894459A (zh) * 2015-12-10 2016-08-24 乐视云计算有限公司 基于梯度值及梯度方向的图像锐化方法及装置
CN107798665A (zh) * 2017-11-07 2018-03-13 天津大学 基于结构‑纹理分层的水下图像增强方法
US20180253831A1 (en) * 2017-03-01 2018-09-06 Fotonation Limited Method of providing a sharpness measure for an image
CN108932699A (zh) * 2018-04-24 2018-12-04 南京信息工程大学 基于变换域的三维匹配调和滤波图像去噪方法
CN109492543A (zh) * 2018-10-18 2019-03-19 广州市海林电子科技发展有限公司 红外图像的小目标检测方法与系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930601A (zh) * 2010-09-01 2010-12-29 浙江大学 一种基于边缘信息的多尺度模糊图像盲复原方法
CN102306097A (zh) * 2011-08-12 2012-01-04 中国科学院光电技术研究所 一种在MultiGen-Vega中对场景图进行实时图像处理的方法
CN103810682A (zh) * 2012-11-06 2014-05-21 西安元朔科技有限公司 一种新的图像融合方法
CN103679656A (zh) * 2013-10-21 2014-03-26 厦门美图网科技有限公司 一种图像自动锐化方法
CN104463811A (zh) * 2014-12-29 2015-03-25 南京信息工程大学 基于能量泛函的图像平滑与锐化算法
CN104732227A (zh) * 2015-03-23 2015-06-24 中山大学 一种基于清晰度和亮度评估的车牌快速定位方法
CN104867128A (zh) * 2015-04-10 2015-08-26 浙江宇视科技有限公司 图像模糊检测方法和装置
CN105894459A (zh) * 2015-12-10 2016-08-24 乐视云计算有限公司 基于梯度值及梯度方向的图像锐化方法及装置
US20180253831A1 (en) * 2017-03-01 2018-09-06 Fotonation Limited Method of providing a sharpness measure for an image
CN107798665A (zh) * 2017-11-07 2018-03-13 天津大学 基于结构‑纹理分层的水下图像增强方法
CN108932699A (zh) * 2018-04-24 2018-12-04 南京信息工程大学 基于变换域的三维匹配调和滤波图像去噪方法
CN109492543A (zh) * 2018-10-18 2019-03-19 广州市海林电子科技发展有限公司 红外图像的小目标检测方法与系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
K.S. SMELYAKOV 等: "Adaptive Model for Enhancement of Digital Image Sharpness", 《СИСТЕМИ ОБРОБКИ IНФОРМАЦII》 *
YI WANG 等: "Image restoration and enhancement based on tunable forward-and-backward diffusion", 《OPTICAL ENGINEERING 》 *
王文远: "基于图像信噪比选择优化高斯滤波尺度", 《电子与信息学报》 *
邹利华: "一种基于模糊人物图像的锐化新方法", 《微计算机应用》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950491A (zh) * 2021-01-26 2021-06-11 上海视龙软件有限公司 一种视频处理的方法及设备
CN112950491B (zh) * 2021-01-26 2024-02-13 上海视龙软件有限公司 一种视频处理的方法及设备
CN113342410A (zh) * 2021-05-25 2021-09-03 山石网科通信技术股份有限公司 特征库数据处理方法及装置
CN113342410B (zh) * 2021-05-25 2022-09-06 山石网科通信技术股份有限公司 特征库数据处理方法及装置
CN113852768A (zh) * 2021-09-24 2021-12-28 中音讯谷科技有限公司 一种基于fpga技术的音视频图像智能控制系统

Also Published As

Publication number Publication date
CN110111261B (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
Fu et al. Removing rain from single images via a deep detail network
CN116309570B (zh) 一种钛合金棒材质量检测方法及系统
CN110111261A (zh) 图像的自适应平衡处理方法、电子设备和计算机可读存储介质
CN105046664B (zh) 一种基于自适应epll算法的图像去噪方法
CN107749987B (zh) 一种基于块运动估计的数字视频稳像方法
CN103236046B (zh) 基于图像形态模糊隶属度的分数阶自适应相干斑滤波方法
CN108363970A (zh) 一种鱼种类的识别方法和系统
US11475707B2 (en) Method for extracting image of face detection and device thereof
CN109191387A (zh) 一种基于巴特沃斯滤波器的红外图像去噪方法
WO2014070273A1 (en) Recursive conditional means image denoising
CN111260592B (zh) 一种深度图像去噪方法及装置
CN109949256B (zh) 一种基于傅里叶变换的天文图像融合方法
CN104899842B (zh) 用于远距离线结构光图像的排序自适应极值中值滤波方法
WO2016187148A1 (en) System, method and computer accessible medium for noise estimation, noise removal and gibbs ringing removal
CN110335202A (zh) 一种水下声纳图像噪声消除方法
Krishnan et al. A novel underwater image enhancement technique using ResNet
CN109978855A (zh) 一种遥感图像变化检测方法及装置
CN108776958B (zh) 混合降质图像的图像质量评价方法和装置
Smolka Adaptive rank based impulsive noise reduction in color images
CN111353526A (zh) 一种图像匹配方法、装置以及相关设备
Liao et al. Efficient implementation of non-local means image denoising algorithm
CN115761606A (zh) 基于图像处理的箱体电能表识别方法及装置
CN113487491B (zh) 一种基于稀疏性与非局部均值自相似性的图像复原方法
CN108846664A (zh) 基于图像处理的手机扫码系统
CN113239738B (zh) 一种图像的模糊检测方法及模糊检测装置

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
CB02 Change of applicant information

Address after: 350000 building 18, 89 software Avenue, Gulou District, Fuzhou City, Fujian Province

Applicant after: Ruixin Microelectronics Co., Ltd

Address before: 350000 building 18, 89 software Avenue, Gulou District, Fuzhou City, Fujian Province

Applicant before: Fuzhou Rockchips Electronics Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant