CN110335198B - 一种图像处理方法及系统 - Google Patents
一种图像处理方法及系统 Download PDFInfo
- Publication number
- CN110335198B CN110335198B CN201910609921.0A CN201910609921A CN110335198B CN 110335198 B CN110335198 B CN 110335198B CN 201910609921 A CN201910609921 A CN 201910609921A CN 110335198 B CN110335198 B CN 110335198B
- Authority
- CN
- China
- Prior art keywords
- original
- pixel points
- image
- edge
- reduced
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4023—Decimation- or insertion-based scaling, e.g. pixel or line decimation
Abstract
本发明提供一种图像处理方法及系统,该方法为:确定包含原图像边沿特征信息的二值化图像;将缩小图像映射至原图像中;针对每一缩小像素点,基于二值化图像,确定距离缩小像素点最近的N个原像素点中边沿像素点的个数;根据边沿像素点的个数,采用对应的权重对N个原像素点的原像素值进行加权计算,得到缩小像素点的缩小像素值;确定缩小图像中所有缩小像素点的缩小像素值。本方案中,利用原图像的边沿信息生成二值化图像,根据距离缩小像素点最近的N个原像素点中边沿像素点的个数,选择对应的权重对N个原像素点进行加权计算,确定缩小图像中所有缩小像素点的缩小像素值。结合原图像的位置信息和边沿信息进行图像缩小,提高图像信息的保存率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种图像处理方法及系统。
背景技术
随着科学技术的发展,图像成为日常生活和工作中较为常见的事物。在处理图像时较为常见的处理方式为将图像缩小至预设大小,以满足具体的需求。
目前通常使用多相位双三次算法对原图像进行缩小,具体的缩小方式为:将缩小的图像空间映射至原图像中,根据缩小的图像与原图像的相对位置,利用加权平均计算该缩小的图像的像素值。但是,现有的图像缩小方式仅根据图像的空间位置信息完成图像缩小,未考虑图像的内容信息,在图像缩小的过程中容易造成图像信息丢失等问题。
发明内容
有鉴于此,本发明实施例提供一种图像处理方法及系统,以解决现有图像缩小方式在图像缩小的过程中容易造成图像信息丢失等问题。
为实现上述目的,本发明实施例提供如下技术方案:
本发明实施例第一方面公开一种图像处理方法,其特征在于,所述方法包括:
基于原图像的边沿信息,对所述原图像的原像素点进行二值化处理,得到所述原图像对应的二值化图像,所述二值化图像由边沿像素点和非边沿像素点构成;
将缩小图像空间映射至所述原图像中;
针对所述缩小图像的每一缩小像素点,确定所述原图像中距离所述缩小像素点最近的N个原像素点,并基于所述二值化图像确定所述N个原像素点中边沿像素点的个数;
若所述N个原像素点中包含N个或0个边沿像素点,基于预设的N个加权系数,对所述N个原像素点的原像素值进行加权计算,得到所述缩小像素点的缩小像素值;
若所述N个原像素点中的边沿像素点个数大于0小于N,分别为所述N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,对所述N个原像素点的原像素值进行特征加权计算,得到所述缩小像素点的缩小像素值;
确定所述缩小图像中所有缩小像素点的缩小像素值。
优选的,所述基于原图像的边沿信息,对所述原图像的原像素点进行二值化处理,得到所述原图像对应的二值化图像,包括:
提取原图像的边沿信息;
将所述原图像中用于指示原图像边沿信息的边沿像素点设置为1;
将所述原图像中的非边沿像素点设置为0;
得到所述原图像对应的二值化图像。
优选的,所述分别为所述N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,包括:
将所述N个原像素点中的边沿像素点的权重设置为a;
将所述N个原像素点中的非边沿像素点的权重设置为0.1;
其中,n*a+m*0.1=1,n为所述N个原像素点中边沿像素点的个数,m为所述N个原像素点中非边沿像素点的个数。
优选的,所述基于所述二值化图像确定所述N个原像素点中边沿像素点的个数,包括:
针对所述N个原像素点中的每一原像素点,确定所述原像素点在所述二值化图像中的取值是否为1;
若是,确定所述原像素点为边沿像素点;
获取所述N个原像素点中边沿像素点的个数。
本发明实施例第二方面公开一种图像处理系统,所述系统包括:
二值化单元,用于基于原图像的边沿信息,对所述原图像的原像素点进行二值化处理,得到所述原图像对应的二值化图像,所述二值化图像由边沿像素点和非边沿像素点构成;
映射单元,用于将缩小图像空间映射至所述原图像中;
获取单元,用于针对所述缩小图像的每一缩小像素点,确定所述原图像中距离所述缩小像素点最近的N个原像素点,并基于所述二值化图像确定所述N个原像素点中边沿像素点的个数,若所述N个原像素点中包含N个或0个边沿像素点,执行第一处理单元,若所述N个原像素点中的边沿像素点个数大于0小于N,执行第二处理单元;
所述第一处理单元,用于基于预设的N个加权系数,对所述N个原像素点的原像素值进行加权计算,得到所述缩小像素点的缩小像素值;
所述第二处理单元,用于分别为所述N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,对所述N个原像素点的原像素值进行特征加权计算,得到所述缩小像素点的缩小像素值;
确定单元,用于确定所述缩小图像中所有缩小像素点的缩小像素值。
优选的,所述二值化单元包括:
提取模块,用于提取原图像的边沿信息;
设置模块,用于将所述原图像中用于指示原图像边沿信息的边沿像素点设置为1,以及将所述原图像中的非边沿像素点设置为0,得到所述原图像对应的二值化图像。
优选的,所述第二处理单元具体用于:将所述N个原像素点中的边沿像素点的权重设置为a,以及将所述N个原像素点中的非边沿像素点的权重设置为0.1,其中,n*a+m*0.1=1,n为所述N个原像素点中边沿像素点的个数,m为所述N个原像素点中非边沿像素点的个数。
优选的,所述获取单元具体用于:针对所述N个原像素点中的每一原像素点,确定所述原像素点在所述二值化图像中的取值是否为1,若是,确定所述原像素点为边沿像素点,获取所述N个原像素点中边沿像素点的个数。
本发明实施例第三方面公开了一种电子设备,所述电子设备用于运行程序,其中,所述程序运行时执行如本发明实施例第一方面公开的一种图像处理方法。
本发明实施例第四方面公开一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如本发明实施例第一方面公开的一种图像处理方法。
基于上述本发明实施例提供的一种图像处理方法及系统,该方法为:基于原图像的边沿信息,对原图像的原像素点进行二值化处理,得到原图像对应的二值化图像;将缩小图像空间映射至原图像中;针对缩小图像的每一缩小像素点,确定原图像中距离缩小像素点最近的N个原像素点,并基于二值化图像确定N个原像素点中边沿像素点的个数;若N个原像素点中包含N个或0个边沿像素点,基于预设的N个加权系数,对N个原像素点的原像素值进行加权计算,得到缩小像素点的缩小像素值;若N个原像素点中的边沿像素点个数大于0小于N,分别为N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,对N个原像素点的原像素值进行特征加权计算,得到缩小像素点的缩小像素值;确定缩小图像中所有缩小像素点的缩小像素值。本方案中,利用原图像的边沿信息生成与原图像对应的二值化图像。根据二值化图像确定距离缩小像素点最近的N个原像素点中边沿像素点的个数。并基于N个原像素点中边沿像素点的个数,选择对应的权重对N个原像素点进行加权计算,确定缩小图像中所有缩小像素点的缩小像素值。结合原图像的位置信息和边沿信息进行图像缩小,提高图像信息的保存率。
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的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种图像处理方法流程图;
图2为本发明实施例提供的一种图像处理方法流程示意图;
图3为本发明实施例提供的一种图像处理系统的结构框图;
图4为本发明实施例提供的另一种图像处理系统的结构框图。
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。基于本发明中的实施例,本领域普通技术人员在没有做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。
在本申请中,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。
由背景技术可知,目前通常使用多相位双三次算法对原图像进行缩小,具体的缩小方式为:将缩小的图像空间映射至原图像中,根据缩小的图像与原图像的相对位置,利用加权平均计算该缩小的图像的像素值。但是,现有的图像缩小方式仅根据图像的空间位置信息完成图像缩小,未考虑图像的内容信息,在图像缩小的过程中容易造成图像信息丢失等问题。
因此,本发明实施例提供一种图像处理方法及系统,利用原图像的边沿信息生成二值化图像,根据距离缩小像素点最近的N个原像素点中边沿像素点的个数,选择对应的权重对N个原像素点进行加权计算,确定缩小图像中所有缩小像素点的缩小像素值。以避免在图像缩小的过程中造成图像信息丢失的问题。
参考图1,示出了本发明实施例提供的一种图像处理方法流程图,所述方法包括以下步骤:
步骤S101:基于原图像的边沿信息,对所述原图像的原像素点进行二值化处理,得到所述原图像对应的二值化图像。
需要说明的是,图像的边沿信息指的是该图像上色彩过渡明显的区域,图像的边沿特征信息为该图像的内容的边沿。
在具体实现步骤S101的过程中,预先提取所述原图像的边沿信息,例如:利用高斯拉普拉斯算子提取所述原图像的边沿信息。基于所述原图像的边沿信息,将所述原图像的原像素点进行二值化处理,得到包含所述原图像的边沿特征信息的二值化图像,其中,所述二值化图像由边沿像素点和非边沿像素点构成。
需要说明的是,边沿像素点指用于表示图像边沿的像素点,非边沿像素点为用于表示图像非边沿的像素点。
优选的,在对所述原图像中的原像素点进行二值化处理的过程中,将所述原图像中用于指示原图像边沿信息的边沿像素点设置为1,将所述原图像中的非边沿像素点设置为0,得到所述原图像对应的二值化图像。即所述二值化图像中,1表示所述原图像的边沿像素点,0表示所述原图像的非边沿像素点。
步骤S102:将缩小图像空间映射至所述原图像中。
在具体实现步骤S102的过程中,将所述缩小图像空间映射至所述原图像上,确定所述缩小图像在所述原图像上的空间位置。根据所述缩小图像在所述原图像上的空间位置,计算每一缩小像素点与离自身最近的N个原像素点之间的行偏移和列偏移。其中,行偏移也可称为行相位,列偏移也可称为列相位。
步骤S103:针对所述缩小图像的每一缩小像素点,确定所述原图像中距离所述缩小像素点最近的N个原像素点,并基于所述二值化图像确定所述N个原像素点中边沿像素点的个数。
在具体实现步骤S103的过程中,针对所述缩小图像的每一缩小像素点,确定所述原图像中距离所述缩小像素点最近的N个原像素点。由上述步骤S101中示出的内容可知,预先获取原图像对应的二值化图像,所述二值化图像中的1表示边沿像素点。对于所述N个原像素点中的每一原像素点,确定所述原像素点在所述二值化图像中的取值是否为1,若是确定所述原像素点为边沿像素点,获取所述N个原像素点中边沿像素点的个数。例如:针对每一缩小像素点,确定原图像中距离所述缩小像素点最近的4个原像素点,并利用二值化图像确定所述4个原像素点中边沿像素点的个数。
步骤S104:若所述N个原像素点中包含N个或0个边沿像素点,基于预设的N个加权系数,对所述N个原像素点的原像素值进行加权计算,得到所述缩小像素点的缩小像素值。
在具体实现步骤S104的过程中,若N个原像素点中没有边沿像素点,或者都是边沿像素点,选择预设的N个加权系数,对所述N个原像素点的原像素值进行加权计算,得到所述缩小像素点的缩小像素值。例如:假设N等于4,利用多相位双三次算法滤波器,选择预设的4个滤波系数。分别基于所述缩小像素点与4个原像素点的行相位和列相位,对所述缩小像素点与4个原像素点进行滤波,所述多相位双三次算法滤波器输出的即为所述缩小像素点的缩小像素值。
步骤S105:若所述N个原像素点中的边沿像素点个数大于0小于N,分别为所述N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,对所述N个原像素点的原像素值进行特征加权计算,得到所述缩小像素点的缩小像素值。
在具体实现步骤S105的过程中,若所述N个原像素点中存在1个至N-1个边沿像素点,根据预设规则分别为所述N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,具体设置权重的方式为:将所述N个原像素点中的边沿像素点的权重设置为a,将所述N个原像素点中的非边沿像素点的权重设置为0.1。其中,n*a+m*0.1=1,n为所述N个原像素点中边沿像素点的个数,m为所述N个原像素点中非边沿像素点的个数。例如:假设N为4,若存在1个边沿像素点,则将边沿像素点的权重设置为0.7,非边沿像素点的权重设置为0.1。若存在2个边沿像素点,则将边沿像素点的权重设置为0.4。若存在3个边沿像素点,则将边沿像素点的权重设置为0.3。
进一步的,在具体执行步骤S105的过程中,根据前述设置的权重对所述N个原像素点的原像素值进行特征加权计算,得到所述缩小像素点的缩小像素值。例如:假设N为4,若存在1个边沿像素点,则将边沿像素点的权重设置为0.7,非边沿像素点的权重设置为0.1。利用特征加权滤波器对4个原像素点的原像素值进行特征加权滤波,所述特征加权滤波器输出的即为所述缩小像素点的缩小像素值。
需要说明的是,前述步骤S104和步骤S105中涉及的多相位双三次算法滤波器和特征加权滤波器为N抽头滤波器,N指示所述N抽头滤波器中滤波系数的数量。例如:若N为4,指示4抽头滤波器中有4个滤波系数。
进一步的,需要说明的是,若所述N个原像素点中存在1至N-1个边沿像素点,为保证在缩小的过程中不丢失所述原图像的边沿特征信息,在进行特征加权计算时,为边沿像素点分配较大的权重。
步骤S106:确定所述缩小图像中所有缩小像素点的缩小像素值。
在具体实现步骤S106的过程中,通过上述步骤S103至步骤105的执行过程,最终确定所述缩小图像中所有缩小像素点的缩小像素值。
在本发明实施例中,利用原图像的边沿信息生成与原图像对应的二值化图像。对于每一缩小像素点,确定原图像中距离缩小像素点最近的N个原像素点,并基于二值化图像确定N个原像素点中边沿像素点的个数。基于N个原像素点中边沿像素点的个数选择对应的权重,对N个原像素点进行加权计算,确定缩小图像中所有缩小像素点的缩小像素值。结合原图像的位置信息和边沿信息进行图像缩小,提高图像信息的保存率。
为更好解释说明上述本发明实施例图1中涉及的各个步骤的内容,通过图2示出的图像处理方法流程示意图进行举例说明。参考图2,示出了本发明实施例提供的一种图像处理方法流程示意图,包括以下步骤:
步骤S201:将原图像输入高斯拉普拉斯滤波器。
在具体实现步骤S201的过程中,将原图像输入高斯拉普拉斯滤波器,利用高斯拉普拉斯算子提取所述原图像的边沿信息。
步骤S202:对原图像进行高斯拉普拉斯滤波。
步骤S203:获取所述原图像对应的二值化图像。
在具体实现步骤S203的过程中,利用所述原图像的边沿信息,确定所述原图像对应的二值化图像。
步骤S204:针对每一缩小像素点,利用所述二值化图像,确定距离所述缩小像素点最近的N个原像素点中边沿像素点的个数是否为0或N。若是,执行步骤S205,若否,执行步骤S206。
步骤S205:利用多相双三次滤波器对N个原像素点进行滤波。
步骤S206:利用特征加权滤波器对N个原像素点进行滤波。
需要说明的是,上述步骤S201至步骤S206的执行原理,可参见上述本发明实施例图1中各个步骤对应的内容,在此不再进行赘述。
在本发明实施例中,利用原图像的边沿信息生成与原图像对应的二值化图像。对于每一缩小像素点,确定原图像中距离缩小像素点最近的N个原像素点,并基于二值化图像确定N个原像素点中边沿像素点的个数。基于N个原像素点中边沿像素点的个数选择对应的权重,对N个原像素点进行加权计算,确定缩小图像中所有缩小像素点的缩小像素值。结合原图像的位置信息和边沿信息进行图像缩小,提高图像信息的保存率。
与上述本发明实施例提供的一种图像处理方法相对应,参考图3,本发明实施例还提供一种图像处理系统的结构框图,所述系统包括:二值化单元301、映射单元302、获取单元303、第一处理单元304、第二处理单元305和确定单元306。
二值化单元301,用于基于原图像的边沿信息,对所述原图像的原像素点进行二值化处理,得到所述原图像对应的二值化图像,所述二值化图像由边沿像素点和非边沿像素点构成。获取二值化图像的过程,参见上述本发明实施例图1步骤S101中相对应的内容。
映射单元302,用于将缩小图像空间映射至所述原图像中。
获取单元303,用于针对所述缩小图像的每一缩小像素点,确定所述原图像中距离所述缩小像素点最近的N个原像素点,并基于所述二值化图像确定所述N个原像素点中边沿像素点的个数,若所述N个原像素点中包含N个或0个边沿像素点,执行第一处理单元304,若所述N个原像素点中的边沿像素点个数大于0小于N,执行第二处理单元305。确定所述N个原像素点中边沿像素点的个数的过程,参见上述本发明实施例图1步骤S103中相对应的内容。
在具体实现中,所述获取单元303具体用于:针对所述N个原像素点中的每一原像素点,确定所述原像素点在所述二值化图像中的取值是否为1,若是,确定所述原像素点为边沿像素点,获取所述N个原像素点中边沿像素点的个数。
所述第一处理单元304,用于基于预设的N个加权系数,对所述N个原像素点的原像素值进行加权计算,得到所述缩小像素点的缩小像素值。对所述N个原像素点的原像素值进行加权计算的过程,参见上述本发明实施例图1步骤S104中相对应的内容。
所述第二处理单元305,用于分别为所述N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,对所述N个原像素点的原像素值进行特征加权计算,得到所述缩小像素点的缩小像素值。对所述N个原像素点的原像素值进行特征加权计算的过程,参见上述本发明实施例图1步骤S105中相对应的内容。
在具体实现中,所述第二处理单元305具体用于:将所述N个原像素点中的边沿像素点的权重设置为a,以及将所述N个原像素点中的非边沿像素点的权重设置为0.1,其中,n*a+m*0.1=1,n为所述N个原像素点中边沿像素点的个数,m为所述N个原像素点中非边沿像素点的个数。
确定单元306,用于确定所述缩小图像中所有缩小像素点的缩小像素值。
在本发明实施例中,利用原图像的边沿信息生成与原图像对应的二值化图像。对于每一缩小像素点,确定原图像中距离缩小像素点最近的N个原像素点,并基于二值化图像确定N个原像素点中边沿像素点的个数。基于N个原像素点中边沿像素点的个数选择对应的权重,对N个原像素点进行加权计算,确定缩小图像中所有缩小像素点的缩小像素值。结合原图像的位置信息和边沿信息进行图像缩小,提高图像信息的保存率。
优选的,结合图3,参考图4,示出了本发明实施例提供的一种图像处理系统的结构框图,所述二值化单元301包括:
提取模块3011,用于提取原图像的边沿信息。
设置模块3012,用于将所述原图像中用于指示原图像边沿信息的边沿像素点设置为1,以及将所述原图像中的非边沿像素点设置为0,得到所述原图像对应的二值化图像。
在本发明实施例中,先提前原图像的边沿信息,再根据原图像的边沿信息,将边沿像素点设置为1,将非边沿像素点设置为0,得到原图像的二值化图像。根据二值化图像确定距离缩小像素点最近的N个原像素点中边沿像素点的个数。基于N个原像素点中边沿像素点的个数选择对应的权重,对N个原像素点进行加权计算,确定缩小图像中所有缩小像素点的缩小像素值。结合原图像的位置信息和边沿信息进行图像缩小,提高图像信息的保存率。
基于上述本发明实施例公开的一种图像处理系统,上述各个模块可以通过一种由处理器和存储器构成的电子设备实现。具体为:上述各个模块作为程序单元存储于存储器中,由处理器执行存储在存储器中的上述程序单元来实现图像缩小。
其中,处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现图像缩小。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
进一步的,本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行图像处理方法。进一步的,本发明实施例提供了一种电子设备,所述电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现如上任一实施例所述的图像处理方法。
进一步的,本发明实施例还提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现图像缩小。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如上任一实施例示出的图像处理方法的程序。
综上所述,本发明实施例提供一种图像处理方法及系统,该方法为:基于原图像的边沿信息,对原图像的原像素点进行二值化处理,得到原图像对应的二值化图像;将缩小图像空间映射至原图像中;针对缩小图像的每一缩小像素点,确定原图像中距离缩小像素点最近的N个原像素点,并基于二值化图像确定N个原像素点中边沿像素点的个数;若N个原像素点中包含N个或0个边沿像素点,基于预设的N个加权系数,对N个原像素点的原像素值进行加权计算,得到缩小像素点的缩小像素值;若N个原像素点中的边沿像素点个数大于0小于N,分别为N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,对N个原像素点的原像素值进行特征加权计算,得到缩小像素点的缩小像素值;确定缩小图像中所有缩小像素点的缩小像素值。本方案中,利用原图像的边沿信息生成与原图像对应的二值化图像。根据二值化图像确定距离缩小像素点最近的N个原像素点中边沿像素点的个数。并基于N个原像素点中边沿像素点的个数,选择对应的权重对N个原像素点进行加权计算,确定缩小图像中所有缩小像素点的缩小像素值。结合原图像的位置信息和边沿信息进行图像缩小,提高图像信息的保存率。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
基于原图像的边沿信息,对所述原图像的原像素点进行二值化处理,得到所述原图像对应的二值化图像,所述二值化图像由边沿像素点和非边沿像素点构成;所述边沿像素点对应于所述原图像上色彩过渡明显的区域的像素点;所述非边沿像素点对应于所述原图像上色彩过渡不明显的区域的像素点;将缩小图像空间映射至所述原图像中;
针对所述缩小图像的每一缩小像素点,确定所述原图像中距离所述缩小像素点最近的N个原像素点,并基于所述二值化图像确定所述N个原像素点中边沿像素点的个数;
若所述N个原像素点中包含N个或0个边沿像素点,基于预设的N个加权系数,对所述N个原像素点的原像素值进行加权计算,得到所述缩小像素点的缩小像素值;
若所述N个原像素点中的边沿像素点个数大于0小于N,分别为所述N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,所述边沿像素点的权重大于所述非边沿像素点的权重,对所述N个原像素点的原像素值进行特征加权计算,得到所述缩小像素点的缩小像素值;
确定所述缩小图像中所有缩小像素点的缩小像素值。
2.根据权利要求1所述的方法,其特征在于,所述基于原图像的边沿信息,对所述原图像的原像素点进行二值化处理,得到所述原图像对应的二值化图像,包括:
提取原图像的边沿信息;
将所述原图像中用于指示原图像边沿信息的边沿像素点设置为1;
将所述原图像中的非边沿像素点设置为0;
得到所述原图像对应的二值化图像。
3.根据权利要求1所述的方法,其特征在于,所述分别为所述N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,包括:
将所述N个原像素点中的边沿像素点的权重设置为a;
将所述N个原像素点中的非边沿像素点的权重设置为0.1;
其中,n*a+m*0.1=1,n为所述N个原像素点中边沿像素点的个数,m为所述N个原像素点中非边沿像素点的个数。
4.根据权利要求2所述的方法,其特征在于,所述基于所述二值化图像确定所述N个原像素点中边沿像素点的个数,包括:
针对所述N个原像素点中的每一原像素点,确定所述原像素点在所述二值化图像中的取值是否为1;
若是,确定所述原像素点为边沿像素点;
获取所述N个原像素点中边沿像素点的个数。
5.一种图像处理系统,其特征在于,所述系统包括:
二值化单元,用于基于原图像的边沿信息,对所述原图像的原像素点进行二值化处理,得到所述原图像对应的二值化图像,所述二值化图像由边沿像素点和非边沿像素点构成;所述边沿像素点对应于所述原图像上色彩过渡明显的区域的像素点;所述非边沿像素点对应于所述原图像上色彩过渡不明显的区域的像素点;
映射单元,用于将缩小图像空间映射至所述原图像中;
获取单元,用于针对所述缩小图像的每一缩小像素点,确定所述原图像中距离所述缩小像素点最近的N个原像素点,并基于所述二值化图像确定所述N个原像素点中边沿像素点的个数,若所述N个原像素点中包含N个或0个边沿像素点,执行第一处理单元,若所述N个原像素点中的边沿像素点个数大于0小于N,执行第二处理单元;
所述第一处理单元,用于基于预设的N个加权系数,对所述N个原像素点的原像素值进行加权计算,得到所述缩小像素点的缩小像素值;
所述第二处理单元,用于分别为所述N个原像素点中的边沿像素点和非边沿像素点设置对应的权重,所述边沿像素点的权重大于所述非边沿像素点的权重,对所述N个原像素点的原像素值进行特征加权计算,得到所述缩小像素点的缩小像素值;
确定单元,用于确定所述缩小图像中所有缩小像素点的缩小像素值。
6.根据权利要求5所述的系统,其特征在于,所述二值化单元包括:
提取模块,用于提取原图像的边沿信息;
设置模块,用于将所述原图像中用于指示原图像边沿信息的边沿像素点设置为1,以及将所述原图像中的非边沿像素点设置为0,得到所述原图像对应的二值化图像。
7.根据权利要求5所述的系统,其特征在于,所述第二处理单元具体用于:将所述N个原像素点中的边沿像素点的权重设置为a,以及将所述N个原像素点中的非边沿像素点的权重设置为0.1,其中,n*a+m*0.1=1,n为所述N个原像素点中边沿像素点的个数,m为所述N个原像素点中非边沿像素点的个数。
8.根据权利要求6所述的系统,其特征在于,所述获取单元具体用于:针对所述N个原像素点中的每一原像素点,确定所述原像素点在所述二值化图像中的取值是否为1,若是,确定所述原像素点为边沿像素点,获取所述N个原像素点中边沿像素点的个数。
9.一种电子设备,其特征在于,所述电子设备用于运行程序,其中,所述程序运行时执行如权利要求1-4中任一所述的一种图像处理方法。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如权利要求1-4中任一所述的一种图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609921.0A CN110335198B (zh) | 2019-07-08 | 2019-07-08 | 一种图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609921.0A CN110335198B (zh) | 2019-07-08 | 2019-07-08 | 一种图像处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110335198A CN110335198A (zh) | 2019-10-15 |
CN110335198B true CN110335198B (zh) | 2021-06-08 |
Family
ID=68143415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910609921.0A Active CN110335198B (zh) | 2019-07-08 | 2019-07-08 | 一种图像处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110335198B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101816017A (zh) * | 2007-10-05 | 2010-08-25 | 奥林巴斯株式会社 | 图像处理装置以及程序 |
CN101902547A (zh) * | 2008-12-31 | 2010-12-01 | 株式会社摩如富 | 图像处理方法以及图像处理装置 |
CN104217416A (zh) * | 2013-05-31 | 2014-12-17 | 富士通株式会社 | 灰度图像处理方法及其装置 |
CN105006002A (zh) * | 2015-08-31 | 2015-10-28 | 北京华拓金融服务外包有限公司 | 自动图像抠图方法和装置 |
CN106204454A (zh) * | 2016-01-26 | 2016-12-07 | 西北工业大学 | 基于纹理边缘自适应数据融合的高精度快速图像插值方法 |
CN106780336A (zh) * | 2016-12-19 | 2017-05-31 | 广东威创视讯科技股份有限公司 | 一种图像缩小方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6393150B1 (en) * | 1998-12-04 | 2002-05-21 | Eastman Kodak Company | Region-based image binarization system |
KR100594073B1 (ko) * | 2002-09-17 | 2006-07-03 | 삼성전자주식회사 | 내장형 시스템의 디지털 영상 스케일링방법 |
GB2443700A (en) * | 2006-11-10 | 2008-05-14 | Tandberg Television Asa | Reduction of blocking artefacts in decompressed images |
CN101448163A (zh) * | 2008-12-17 | 2009-06-03 | 香港应用科技研究院有限公司 | 基于亚像素的下采样的方法和装置 |
US8682094B2 (en) * | 2009-05-12 | 2014-03-25 | Dynamic Invention Llc | Adaptive subpixel-based downsampling and filtering using edge detection |
CN102231203A (zh) * | 2011-07-17 | 2011-11-02 | 西安电子科技大学 | 基于边缘检测的图像自回归插值方法 |
-
2019
- 2019-07-08 CN CN201910609921.0A patent/CN110335198B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101816017A (zh) * | 2007-10-05 | 2010-08-25 | 奥林巴斯株式会社 | 图像处理装置以及程序 |
CN101902547A (zh) * | 2008-12-31 | 2010-12-01 | 株式会社摩如富 | 图像处理方法以及图像处理装置 |
CN104217416A (zh) * | 2013-05-31 | 2014-12-17 | 富士通株式会社 | 灰度图像处理方法及其装置 |
CN105006002A (zh) * | 2015-08-31 | 2015-10-28 | 北京华拓金融服务外包有限公司 | 自动图像抠图方法和装置 |
CN106204454A (zh) * | 2016-01-26 | 2016-12-07 | 西北工业大学 | 基于纹理边缘自适应数据融合的高精度快速图像插值方法 |
CN106780336A (zh) * | 2016-12-19 | 2017-05-31 | 广东威创视讯科技股份有限公司 | 一种图像缩小方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110335198A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766736B (zh) | 缺陷检测方法、装置、电子设备以及存储介质 | |
US9076234B2 (en) | Super-resolution method and apparatus for video image | |
US10007972B2 (en) | Image processing apparatus and method for performing preprocessing to obtain image with improved sharpness | |
US20220383463A1 (en) | Method and device for image fusion, computing processing device, and storage medium | |
JP2015225665A (ja) | 画像ノイズ除去方法及び画像ノイズ除去装置 | |
CN111476813B (zh) | 图像变化检测方法、装置、电子设备及存储介质 | |
JP7026165B2 (ja) | テキスト認識方法及びテキスト認識装置、電子設備、記憶媒体 | |
CN112997479B (zh) | 跨阶段跳跃连接处理图像的方法、系统和计算机可读介质 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN110874827B (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
CN113298761B (zh) | 一种图像滤波方法、装置、终端和计算机可读存储介质 | |
CN116091321B (zh) | 图像缩放方法、装置、设备及存储介质 | |
EP3178063A1 (en) | System and method for increasing the bit depth of images | |
US11238560B2 (en) | Image down-scaling with pixel sets selected via blue noise sampling | |
CN107578375B (zh) | 图像处理方法及装置 | |
CN110782397A (zh) | 一种图像处理方法、生成式对抗网络、电子设备及存储介质 | |
CN112149672A (zh) | 图像处理方法和装置、电子设备及存储介质 | |
CN110782398B (zh) | 图像处理方法、生成式对抗网络系统和电子设备 | |
CN110335198B (zh) | 一种图像处理方法及系统 | |
CN104134189A (zh) | 一种图像放大的方法及装置 | |
CN113744294A (zh) | 图像处理方法及相关装置 | |
Singh et al. | Noise reduction in images using enhanced average filter | |
CN115049557A (zh) | 基于双一维滤波卷积核的图像锐化方法、系统及存储介质 | |
EP3591608A1 (en) | Method and system for image reconstruction using deep dictionary learning (ddl) | |
CN111079643B (zh) | 基于神经网络的人脸检测方法、装置和电子设备 |
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 |