CN110322417B - 图像处理实现方法及系统 - Google Patents

图像处理实现方法及系统 Download PDF

Info

Publication number
CN110322417B
CN110322417B CN201910619075.0A CN201910619075A CN110322417B CN 110322417 B CN110322417 B CN 110322417B CN 201910619075 A CN201910619075 A CN 201910619075A CN 110322417 B CN110322417 B CN 110322417B
Authority
CN
China
Prior art keywords
sum
col
equal
image
src
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
CN201910619075.0A
Other languages
English (en)
Other versions
CN110322417A (zh
Inventor
李其昌
王里
李益旺
李剑强
邓永湖
彭昕昀
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 Xishun Wanhe Technology Co ltd
Original Assignee
Shenzhen Xishun Wanhe 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 Xishun Wanhe Technology Co ltd filed Critical Shenzhen Xishun Wanhe Technology Co ltd
Priority to CN201910619075.0A priority Critical patent/CN110322417B/zh
Publication of CN110322417A publication Critical patent/CN110322417A/zh
Application granted granted Critical
Publication of CN110322417B publication Critical patent/CN110322417B/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

Landscapes

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

Abstract

本发明公开一种图像处理实现方法及系统，方法包括：获取待滤波处理的原始图像，原始图像高为H，宽为W；R为均值、膨胀和腐蚀运算核对应的半径，对应的核的窗口大小为2R+1，R>0；对原始图像按照半径R做上下边界扩展处理；对上下边界扩展处理后的图像进行左右边界扩展处理；按照预设的功能函数输出目标图像。本发明图像算法除了在边缘扩展和首次计算列方向和与半径R相关外，其余的均值滤波和膨胀腐蚀运算均与半径无关；需要内存量少，算法流程存储数据少，采用统一框架实现均值滤波、膨胀、腐蚀运算，极大提高了图形图像算法的性能及应用价值。

Description

图像处理实现方法及系统
技术领域
本发明涉及图像技术领域，具体的说，涉及一种图像处理实现方法及系统。
背景技术
均值滤波、二值图像膨胀运算和腐蚀运算这三种基础图像算法在图形图像领域运用广泛，许多复杂的算法也是包含有这三种基础算法中的一种或多种。如导向滤波(GuidedFilter)基本架构由多个均值滤波组成；二值图像的开闭等算法需要基础的膨胀腐蚀运算。
目前，很多实现上述这三种基础算法的复杂度往往是与运算核的大小(2R+1)相关，当运算核增大运算复杂度，需要的内存空间也快速增大，而且没有统一的算法结构。所以一种与运算核大小(2R+1)无关，低内存，统一框架实现均值滤波、膨胀、腐蚀的图像算法是很被期待的，将在图形图像领域发挥重要作用。
发明内容
本发明的目的是提出一种与运算核大小(2R+1)无关、低内存、统一框架实现均值滤波、膨胀、腐蚀的图像处理实现方法及系统。
为实现上述目的，本发明提供一种图像处理实现方法，包括以下步骤：
获取待滤波处理的原始图像，所述原始图像高为H，宽为W；R为均值、膨胀和腐蚀运算核对应的半径，对应的核的窗口大小为2R+1，R＞0；
对所述原始图像按照半径R做上下边界扩展处理；
对上下边界扩展处理后的图像进行左右边界扩展处理；
按照预设的功能函数输出目标图像。
其中，所述对所述原始图像按照半径R做上下边界扩展处理的步骤包括：
定义待滤波处理的原始图像为Isrc，首次将ColSum[0：1：W+2R-1]都置零，按照扩展后列方向计算求和：
Figure GDA0002970926470000021
其中0≤X＜W，ColSum[0：1：W+2R-1]具体解释为：数组ColSum从下标0开始间隔为1到W+2R-1的全部数组元素；
Isrc在第Y＝0行时，完成第0行的列方向进行尺度为2R+1的求和，对应的W个列方向的和为ColSum[R：1：W+R-1]；
Isrc在第Y(Y＞0)行时，先ColSum[R：1：W+R-1]按列方向去逐个减去Isrc第Rexpad[Y-1]行的每一个数据，并赋给ColSum[R：1：W+R-1]，ColSum[R+X]＝ColSum[R+X]-Isrc[Rexpand[Y-1]，X]，其中0≤X＜W；
然后，ColSum[R：1：W+R-1]按列方向去逐个加上Isrc第Rexpand[Y+2R]行，ColSum[R+X]＝ColSum[R+X]-Isrc[Rexpand[Y+2R]，X]，其中0≤X＜W；
经过上述更新得到列方向的W个和ColSum[R：1：W+R-1]，每一个ColSum[X]，(R≤X≤W+R-1)都完成了第i列上的2R+1元素之和，将ColSum[R：1：W+R-1]传输给后续处理。
其中，所述对上下边界扩展处理后的图像进行左右边界扩展处理的步骤包括：
对ColSum[R：1：W+R-1]进行左右扩展为ColSum[0：1：W+2R-1]；
计算ColSum[0：1：2R-1]的和LastSum，
Figure GDA0002970926470000022
计算2R个元素之和；
判断当前列X是否满足0≤X＜W，若超出列限制，则行号Y增加1，若列坐标X满足0≤X＜W，则计算NewSum＝LastSum+Colsum[X+2R]，NewSum为Colsum[R+X]为中心，窗口为2R+1全部元素的和，同时每一个ColSum[X]，(R≤X≤W+R-1)都完成了第i列上的2R+1元素之和，所述NewSum是Isrc[Y，X]为中心，窗口(2R+1)*(2R+1)全部元素的总和。
其中，所述对ColSum[R：1：W+R-1]进行左右扩展为ColSum[0：1：W+2R-1]的步骤包括：
将ColSum[R：1：W+R-1]以ColSum[R]点进行左边扩展，ColSum[X]＝ColSum[2R-X]，0≤X≤R；以ColSum[W+R-1]进行右边扩展，ColSum[X]＝ColSum[W+R-1-X]，W+R-1≤X≤W+2R-1，得到ColSum[0：1：W+2R-1]。
其中，所述按照预设的功能函数输出目标图像的步骤包括：
定义功能函数Idest[Y，X]＝funtion(NewSum)，其中：
funtion(NewSum)＝NewSum*K，提前只计算一次
Figure GDA0002970926470000031
Idest是半径为R均值滤波图像；
当Isrc为二值图像0和V(1≤V≤255)，
Figure GDA0002970926470000032
Idest是半径为R的膨胀滤波图像；
当Isrc为二值图像0和V(1≤V≤255)，
Figure GDA0002970926470000033
提前只计算一次K＝(2R+1)*(2R+1)*V，Idest是半径为R的腐蚀滤波图像。
本发明还提出一种图像处理实现系统，包括：存储器、处理器以及存储在所述存储器上的图像处理计算机程序，所述图像处理计算机程序被所述处理器调用时执行如上所述的图像处理实现方法的步骤。
本发明的有益效果是：本发明图像处理实现方法及系统，能够实现图像均值滤波，二值图像的膨胀腐蚀运算，除了在边缘扩展和首次计算列方向和与半径R相关外，其余的均值滤波和膨胀腐蚀运算均与半径无关；需要内存量少，算法流程只需要额外存储Colsum[0：1：W+2R]和Rexpand[0：1：W+2R-1]数据，及零散几个临时变量，即与运算核大小(2R+1)无关、低内存，采用统一框架实现均值滤波、膨胀、腐蚀运算，极大提高了图形图像算法的性能及应用价值。
附图说明
图1是本发明图像处理实现方法的一种流程示意图；
图2是本发明图像处理实现方法的细化流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
具体地，请参照图1，本发明提出一种图像处理实现方法，包括以下步骤：
S1，获取待滤波处理的原始图像，所述原始图像高为H，宽为W；R为均值、膨胀和腐蚀运算核对应的半径，对应的核的窗口大小为2R+1，R＞0；
S2，对所述原始图像按照半径R做上下边界扩展处理；
S3，对上下边界扩展处理后的图像进行左右边界扩展处理；
S4，按照预设的功能函数输出目标图像。
具体细化流程如图2所示。
以下结合图2对本发明实施例方案进行详细阐述：
步骤110、Isrc待滤波处理的原始图像，图像高为H，宽为W；R(R＞0)为均值、膨胀和腐蚀运算核对应的半径，对应的核的窗口大小为2R+1。
步骤120、对Isrc按照半径R做上下边界扩展处理。扩展只需要对应行坐标扩展后的行号Rexpand[0：1：W+2R-1]与原始的行号R[0：1：W-1]相对应，无需开辟新内存。映射过程：Rexpand[0：1：R]＝X[R：-1：0]，Rexpand[R：1：W+R-1]＝X[0：1：W-1]，Rexpand[W+R-1：1：W+2R-1]＝X[W-1：-1：W-R].
步骤130、判断是否为原图像I_src的起始第0行。
步骤131、Isrc的起始0行，需要获取对应上扩展的数据，使用步骤120对应上边扩展的行号即可获得对应的图像数据。
步骤132、首次将ColSum[0：1：W+2R-1]都置零，按照扩展后列方向计算求和：
Figure GDA0002970926470000051
其中0≤X＜W，ColSum[0：1：W+2R-1]具体解释为：数组ColSum从下标0开始间隔为1到W+2R-1的全部数组元素。
完成第0行的列方向进行尺度为2R+1的求和，对应的W个列方向的和ColSum[R：1：W+R-1]。
步骤133、Isrc在第Y(Y＞0)行时，ColSum[R：1：W+R-1]按列方向去逐个减去Isrc第Rexpad[Y-1]行的每一个数据，并赋给ColSum[R：1：W+R-1]，ColSum[R+X]＝ColSum[R+X]-Isrc[Rexpand[Y-1]，X]，其中0≤X＜W。
步骤134、Isrc在第Y(Y＞0)行时，经过步骤133更新ColSum后，ColSum[R：1：W+R-1]按列方向去逐个加上Isrc第Rexpand[Y+2R]行，ColSum[R+X]＝ColSum[R+X]-Isrc[Rexpand[Y+2R]，X]，其中0＜X＜W。
步骤135经过步骤131、132或133、134更新列方向的W个和ColSum[R：1：W+R-1]，每一个ColSum[X]，(R≤X≤W+R-1)都完成了第i列上的2R+1元素之和，将ColSum[R：1：W+R-1]传输给后续处理。
步骤140、对ColSum[R：1：W+R-1]左右扩展。将ColSum[R：1：W+R-1]以ColSum[R]点进行左边扩展，ColSum[X]＝ColSum[2R-X]，0≤X≤R；以ColSum[W+R-1]进行右边扩展，ColSum[X]＝ColSum[W+R-1-X]，W+R-1≤X≤W+2R-1。
步骤141、计算ColSum[0：1：2R-1]的和LastSum，
Figure GDA0002970926470000061
计算了2R个元素之和。
步骤142、判断当前列X是否满足0≤X＜W，若超出列限制，行号Y增加1，若行号Y＜H，则返回执行步骤130；若行号Y＞＝H，则输出滤波后的图像。
若列坐标X满足0≤X＜W，则执行步骤143。
步骤143、列坐标X满足0≤X＜W，计算NewSum＝LastSum+Colsum[X+2R]。NewSum为Colsum[R+X]为中心，窗口为2R+1全部元素的和，同时每一个ColSum[X]，(R≤X≤W+R-1)都完成了第i列上的2R+1元素之和，所示NewSum是Isrc[Y，X]为中心(在四周部部分已经进行了边界扩张)，窗口(2R+1)*(2R+1)全部元素的总和。
步骤144、按照功能函数Idest[Y，X]＝funtion(NewSum)输出目标图像。
1)funtion(NewSum)＝NewSum*K，提前只计算一次
Figure GDA0002970926470000062
Idest是半径为R均值滤波图像。
2)当Isrc为二值图像0和V(1≤V≤255)，
Figure GDA0002970926470000063
Idest是半径为R的膨胀滤波图像。
3)当Isrc为二值图像0和V(1≤V≤255)，
Figure GDA0002970926470000064
提前只计算一次K＝(2R+1)*(2R+1)*V，Idest是半径为R的腐蚀滤波图像。
步骤145、更新LastSum＝NewSum-Colsum[X]，将最左边元素去除，为下次更新NewSum做准备。
步骤150、完成一行的全部元素后，142将行号Y增加1，150判断新的行号是否在Y＜H的约束内，若是满足约束，执行新的一行，若是已经完成全部行，则输出目标图像。
步骤160、经过上述算法流程后输出的目标图像Idest，具体滤波功能有function的具体表达实现。
本发明通过上述方案，提供一种快速图像算法框架方法，实现图像均值滤波，二值图像的膨胀腐蚀运算。除了在边缘扩展和首次计算列方向和与半径R相关外，其余的均值滤波和膨胀腐蚀运算均与半径无关；需要内存量少，算法流程只需要额外存储Colsum[0：1：W+2R]和Rexpand[0：1：W+2R-1]数据，及零散几个临时变量。即与运算核大小(2R+1)无关、低内存，采用统一框架实现均值滤波、膨胀、腐蚀运算，极大提高了图形图像算法的性能及应用价值。
需要说明的是，本发明广泛运用于图形图像算法领域。
此外，本发明还提出一种图像处理实现系统，包括：存储器、处理器以及存储在所述存储器上的图像处理计算机程序，所述图像处理计算机程序被所述处理器调用时执行如上所述的图像处理实现方法的步骤。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (5)

1.一种图像处理实现方法，其特征在于，包括以下步骤：
获取待滤波处理的原始图像，所述原始图像高为H，宽为W；R为均值、膨胀和腐蚀运算核对应的半径，对应的核的窗口大小为2R+1，R>0；
对所述原始图像按照半径R做上下边界扩展处理；
对上下边界扩展处理后的图像进行左右边界扩展处理；
按照预设的功能函数输出目标图像；其中，所述对所述原始图像按照半径R做上下边界扩展处理的步骤包括：
定义待滤波处理的原始图像为Isrc，首次将ColSum[0:1:W+2R-1]都置零，按照扩展后列方向计算求和：
Figure FDA0002970926460000011
其中0≤X＜W，ColSum[0:1:W+2R-1]具体解释为:数组ColSum从下标0开始间隔为1到W+2R-1的全部数组元素；
Isrc在第Y＝0行时，完成第0行的列方向进行尺度为2R+1的求和，对应的w个列方向的和为ColSum[R:1:W+R-1]；Isrc在第Y行时，先ColSum[R：1：W+R-1]按列方向去逐个减去Isrc第Rexpad[Y-1]行的每一个数据，并赋给ColSum[R：1：W+R-1]，ColSum[R+X]＝ColSum[R+X]-Isrc[Rexpand[Y-1]，X]，其中0≤X＜W，Y>0；
然后，ColSum[R：1：W+R-1]按列方向去逐个加上Isrc第Rexpand[Y+2R]行，ColSum[R+X]＝ColSum[R+X]-Isrc[Rexpand[Y+2R]，X]，其中0≤X＜W；
经过上述更新得到列方向的W个和ColSum[R:1:W+R-1]，每一个ColSum[X]，R≤X≤W+R-1，都完成了第i列上的2R+1元素之和,将ColSum[R:1:W+R-1]传输给后续处理。
2.根据权利要求1所述的图像处理实现方法，其特征在于，所述对上下边界扩展处理后的图像进行左右边界扩展处理的步骤包括：
对ColSum[R:1:W+R-1]进行左右扩展为ColSum[0:1:W+2R-1]；
计算ColSum[0:1:2R-1]的和LastSum，
Figure FDA0002970926460000021
计算2R个元素之和；
判断当前列X是否满足0≤X＜W,若超出列限制，则行号Y增加1，
若列坐标X满足0≤X＜W，则计算NewSum＝LastSum+Colsum[X+2R]，NewSum为Colsum[R+X]为中心，窗口为2R+1全部元素的和，同时每一个ColSum[X]，R≤X≤W+R-1，都完成了第i列上的2R+1元素之和，所述NewSum是Isrc[Y，X]为中心，窗口(2R+1)*(2R+1)全部元素的总和。
3.根据权利要求2所述的图像处理实现方法，其特征在于，所述对ColSum[R:1:W+R-1]进行左右扩展为ColSum[0:1:W+2R-1]的步骤包括：
将ColSum[R:1:W+R-1]以ColSum[R]点进行左边扩展，ColSum[X]＝ColSum[2R-X]，0≤X≤R；以ColSum[W+R-1]进行右边扩展,ColSum[X]＝ColSum[W+R-1-X],W+R-1≤X≤W+2R-1，得到ColSum[0:1:W+2R-1]。
4.根据权利要求2所述的图像处理实现方法，其特征在于，所述按照预设的功能函数输出目标图像的步骤包括：
定义功能函数Idest[Y,X]＝funtion(NewSum)，其中：
funtion(NewSum)＝NewSum*K，提前只计算一次
Figure FDA0002970926460000022
Idest是半径为R均值滤波图像；
当Isrc为二值图像0和V(1≤V≤255)，
Figure FDA0002970926460000023
Idest是半径为R的膨胀滤波图像；
当Isrc为二值图像0和V(1≤V≤255)，
Figure FDA0002970926460000024
提前只计算一次K＝(2R+1)*(2R+1)*V,Idest是半径为R的腐蚀滤波图像。
5.一种图像处理实现系统，其特征在于，包括：存储器、处理器以及存储在所述存储器上的图像处理计算机程序，所述图像处理计算机程序被所述处理器调用时执行如权利要求1-4中任一项所述的图像处理实现方法的步骤。
CN201910619075.0A 2019-07-10 2019-07-10 图像处理实现方法及系统 Active CN110322417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910619075.0A CN110322417B (zh) 2019-07-10 2019-07-10 图像处理实现方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910619075.0A CN110322417B (zh) 2019-07-10 2019-07-10 图像处理实现方法及系统

Publications (2)

Publication Number Publication Date
CN110322417A CN110322417A (zh) 2019-10-11
CN110322417B true CN110322417B (zh) 2021-05-07

Family

ID=68121716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910619075.0A Active CN110322417B (zh) 2019-07-10 2019-07-10 图像处理实现方法及系统

Country Status (1)

Country Link
CN (1) CN110322417B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738959B (zh) * 2020-06-30 2022-08-19 福州大学 一种基于fpga的视频图像实时除雾方法
CN112464801B (zh) * 2020-11-26 2023-04-18 配天机器人技术有限公司 一种机器人数据处理方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208103A (zh) * 2013-04-15 2013-07-17 中国科学院苏州纳米技术与纳米仿生研究所 一种基于gpu的低照度图像增强方法
CN103279972A (zh) * 2013-05-08 2013-09-04 中国科学院软件研究所 一种基于kd树的并行多维自适应采样与重构方法
CN103729632A (zh) * 2014-01-22 2014-04-16 哈尔滨工业大学 一种基于连通区域滤波的圆形Mark点的定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10063824B2 (en) * 2014-11-05 2018-08-28 Apple Inc. Mapping image/video content to target display devices with variable brightness levels and/or viewing conditions

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208103A (zh) * 2013-04-15 2013-07-17 中国科学院苏州纳米技术与纳米仿生研究所 一种基于gpu的低照度图像增强方法
CN103279972A (zh) * 2013-05-08 2013-09-04 中国科学院软件研究所 一种基于kd树的并行多维自适应采样与重构方法
CN103729632A (zh) * 2014-01-22 2014-04-16 哈尔滨工业大学 一种基于连通区域滤波的圆形Mark点的定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于UMV的重构图像扩展算法及VLSI实现;朱胜利 等;《计算机工程与应用》;20140226;21-22页 *

Also Published As

Publication number Publication date
CN110322417A (zh) 2019-10-11

Similar Documents

Publication Publication Date Title
CN110322417B (zh) 图像处理实现方法及系统
JP2007193508A (ja) 画像処理装置及び画像処理プログラム
CN110782421A (zh) 图像处理方法、装置、计算机设备及存储介质
JP2007000205A (ja) 画像処理装置及び画像処理方法並びに画像処理プログラム
WO2020186385A1 (zh) 图像处理方法、电子设备及计算机可读存储介质
CN111681165A (zh) 图像处理方法、装置、计算机设备和计算机可读存储介质
CN111598087B (zh) 不规则文字的识别方法、装置、计算机设备及存储介质
CN103426190A (zh) 图像重构的方法及系统
JP2002525723A (ja) ディジタル画像をズームする方法及び装置
CN115439615A (zh) 一种基于三维bim的分布式综合管理系统
CN111540015A (zh) 基于点云匹配的位姿计算方法、装置、计算机设备及存储介质
CN113096032B (zh) 一种基于图像区域划分的非均匀一致模糊去除方法
CN111062878B (zh) 图像的去噪方法、装置及计算机可读存储介质
JP2020036773A (ja) 画像処理装置、画像処理方法及びプログラム
US20140347373A1 (en) Method of generating terrain model and device using the same
CN116597111B (zh) 一种三维图像的处理方法以及处理装置
CN108510438A (zh) 一种图像、视频放大方法和系统
JP2018005332A (ja) 情報処理装置、画像処理方法および画像処理プログラム
JP5478200B2 (ja) 画像処理装置、画像処理方法、および画像処理プログラム
CN113468469A (zh) 由计算机执行的特征图的卷积处理方法、装置和电子设备
CN110969582B (zh) 一种基于多源参考信息的遥感图像盲复原方法
JP7169768B2 (ja) 画像処理装置、画像処理方法
JP4854042B2 (ja) 画像生成方法、画像生成装置、および画像生成プログラム
US7961971B2 (en) Method and apparatus for performing parallel box filtering in region based image processing
WO2024051657A1 (zh) 图像处理方法、装置、计算机设备和存储介质

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