CN110717870B - Usb表面缺陷检测的图像预处理方法 - Google Patents

Usb表面缺陷检测的图像预处理方法 Download PDF

Info

Publication number
CN110717870B
CN110717870B CN201910937374.9A CN201910937374A CN110717870B CN 110717870 B CN110717870 B CN 110717870B CN 201910937374 A CN201910937374 A CN 201910937374A CN 110717870 B CN110717870 B CN 110717870B
Authority
CN
China
Prior art keywords
pixel
neighborhood
value
lambda
point
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
CN201910937374.9A
Other languages
English (en)
Other versions
CN110717870A (zh
Inventor
曹衍龙
曹彦鹏
朱文斌
杨将新
徐正方
牛旭
张思杨
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.)
Hangzhou Xurui Machinery Co ltd
Zhejiang University ZJU
Original Assignee
Hangzhou Xurui Machinery Co ltd
Zhejiang University ZJU
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 Hangzhou Xurui Machinery Co ltd, Zhejiang University ZJU filed Critical Hangzhou Xurui Machinery Co ltd
Publication of CN110717870A publication Critical patent/CN110717870A/zh
Application granted granted Critical
Publication of CN110717870B publication Critical patent/CN110717870B/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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection

Landscapes

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

Abstract

USB表面缺陷检测的图像预处理方法，包括双边滤波器S,其特征在于：将双边滤波器S和优化子项λS0相加得到基于正则化改进的双边滤波器：S3＝S+λS0。在原有双边滤波器的基础上添加优化子项，使得优化后的双边滤波器较原有双边滤波器相对噪声更小，对环境噪声的去除效果更好。

Description

USB表面缺陷检测的图像预处理方法
技术领域
本发明涉及一种图像预处理方法。
背景技术
背景技术的内容只是为了帮助理解技术内容，并非现有技术。
双边滤波器(英语：Bilateral Filter)为使影像平滑化的非线性滤波器，这个想法由C.Tomasi在1998年提出。双边滤波器定义如下：
Figure BDA0002221936870000011
其中
Figure BDA0002221936870000012
为输出影像，
Figure BDA0002221936870000013
为输入影像，函数的值代表给定像素上的色彩资讯。我们将输入影像和输出影像写成向量的原因是，操作的影像不限定是只有单一通道的灰阶影像，他们也可以是多通道的彩色影像。式子中的
Figure BDA0002221936870000014
代表影像中的任意一点，而
Figure BDA0002221936870000015
代表在
Figure BDA0002221936870000016
邻近的点。而k为归一化函数：
Figure BDA0002221936870000017
和传统的影像平滑化算法不同，双边滤波器除了使用像素之间几何上的靠近程度之外，还多考虑了像素之间的光度/色彩差异，使得双边滤波器能够有效的将影像上的噪声去除，同时保存影像上的边缘资讯。
申请人采用在原有双边滤波器的基础上添加优化子项的方案，使得优化后的双边滤波器较原有双边滤波器相对噪声更小，对环境噪声的去除效果更好。
发明内容
本发明的目的在于在原有双边滤波器的基础上添加优化子项，实现比较低噪声的双边滤波器。
本发明采用以下技术方案实现：
USB表面缺陷检测的图像预处理方法，包括双边滤波器S,其特征在于：将双边滤波器S和优化子项λS0相加得到基于正则化改进的双边滤波器：S3＝S+λS0；其中λ为系数，S0为邻域各像素与中心像素的差值和，S为双边滤波器；
双边滤波器为S＝S1/S2；其中S1为空域和像素域的共同权值，S2为邻域中心像素周边像素点进行像素域高斯权值加权后得到的值；
空域和像素域的共同权值S1＝Dσ*Iσ；其中Dσ为利用高斯核D计算的空域权值，Iσ为利用高斯核P计算的像素域权值；
利用高斯核D计算空域的权值
Figure BDA0002221936870000021
其中i为邻域中任意一点横坐标，j为邻域中任意一点纵坐标；i0为邻域中心点的横坐标，j0为邻域中心点的纵坐标；σd为高斯核D的标准差，e是公知常数；
利用高斯核P计算像素域的权值
Figure BDA0002221936870000022
其中I(i，j)为领域中任意一点像素值，I(i0，j0)为中心位置的像素值；σr为高斯核P的标准差；
计算对邻域中心像素周边像素点进行的像素域高斯权值加权S2＝I(i，j)*Iσ；
计算邻域各像素与中心像素的差值和
Figure BDA0002221936870000023
e是公知常数；λ为系数。
进一步，λ通过基于正则化改进的双边滤波器的输入输出训练获得：
1、同一个相机对一个待测件间隔1s拍摄两张图片，第一张图片标记为图片A，图片A对应位置像素值分别为A(i，j)；第二张图片标记为图片B，图片B对应位置像素值分别为B(i，j)；
2、将双边滤波器S和优化子项λS0作为输入，λ的取值范围是0.0001-0.0005，迭代过程中λ以0.00001为步长递增；
3、取当前λ值，计算图片A的S3和图片B的S3，计算S3称为对图片的滤波；
4、分别计算滤波后两张图片对应位置的像素差值和
Figure BDA0002221936870000024
将λ自增一个步长，以自增后的λ作为当前λ，重复步骤2-4直到迭代完λ的取值范围；
5、寻找aSum最小值，输出aSum最小值对应λ值；该λ值作为S3的系数。
基于正则化改进的双边滤波的去除环境噪声方法如下：
1)输入USB接口图像；
2)、计算USB接口图像中第一个像素点的3*3领域中像素点与中心像素点的空间距离L＝(i-i0)2+(j-j0)2及3*3领域中任意像素点与中心像素点的差值和
Figure BDA0002221936870000031
其中i为邻域中任意一点横坐标，j为邻域中任意一点纵坐标；i0为邻域中心点的横坐标，j0为邻域中心点的纵坐标，e是公知常数；I(i，j)为领域中任意一点像素值，I(i0，j0)为中心位置的像素值；
3)、利用高斯核D计算空域的权值
Figure BDA0002221936870000032
其中i为邻域中任意一点横坐标，j为邻域中任意一点纵坐标；i0为邻域中心点的横坐标，j0为邻域中心点的纵坐标，σd为高斯核A的标准差。
4)、利用高斯核P计算像素域的权值
Figure BDA0002221936870000033
其中I(i，j)为领域中任意一点像素值，I(i0，j0)为中心位置的像素值，σr为高斯核B的标准差。
5)、计算空域和像素域的共同权值S1＝Dσ*Iσ。
6)、对邻域中除中心像素点以外的像素点进行像素域高斯权值加权S2＝I(i，j)*Iσ其中I(i，j)为邻域中除中心像素点以外的任意像素点灰度值。
7)、计算双边滤波的值S＝S1/S2。
8)、计算基于正则化改进的双边滤波的值S3＝S+λS0，S3作为该像素点的像素值，循环上述步骤，直到所有像素点都计算完毕，得到滤波后的USB接口图像。
9)、λ为系数，通过基于正则化改进的双边滤波器的输入输出训练获得：
1、同一个相机对一个待测件间隔1s拍摄两张图片，第一张图片标记为图片A，图片A对应位置像素值分别为A(i，j)；第二张图片标记为图片B，图片B对应位置像素值分别为B(i，j)；
2、将双边滤波器S和优化子项λS0作为输入，λ的取值范围是0.001-0.005，迭代过程中λ以0.0001为步长递增；
3、取当前λ值，计算图片A的S3和图片B的S3，计算S3称为对图片的滤波；
4、分别计算滤波后两张图片对应位置的像素差值和
Figure BDA0002221936870000041
将λ自增一个步长，以自增后的λ作为当前λ，重复步骤2-4直到迭代完λ的取值范围；
5、寻找aSum最小值，输出aSum最小值对应λ值；该λ值作为S3的系数。
本发明的有益效果是：滤波后的图像相对噪声更小，对环境噪声的去除效果更好。
附图说明
图1为本发明的算法流程图。
图2为本发明的滤波效果与现有技术的滤波效果的结果对比。
具体实施方式
结合附图，详细说明本发明的方案。
如图1所示，USB表面缺陷检测的图像预处理方法，包括双边滤波器S，将双边滤波器S和优化子项λS0相加得到基于正则化改进的双边滤波器：S3＝S+λS0；其中λ为系数，S0为邻域各像素与中心像素的差值和，S为双边滤波器；
双边滤波器为S＝S1/S2；其中S1为空域和像素域的共同权值，S2为邻域中心像素周边像素点进行像素域高斯权值加权后得到的值；
空域和像素域的共同权值S1＝Dσ*Iσ；其中Dσ为利用高斯核A计算的空域权值，Iσ为利用高斯核B计算的像素域权值；
利用高斯核A计算空域的权值
Figure BDA0002221936870000042
其中i为邻域中任意一点横坐标，i为邻域中任意一点纵坐标；i0为邻域中心点的横坐标，j0为邻域中心点的纵坐标；σd为高斯核A的标准差，e是公知常数；
利用高斯核B计算像素域的权值
Figure BDA0002221936870000043
其中I(i，j)为领域中任意一点像素值，I(i0，j0)为中心位置的像素值；σr为高斯核B的标准差；
对邻域中心像素周边像素点进行像素域高斯权值加权S2＝I(i，j)*Iσ；
计算邻域各像素与中心像素的差值和
Figure BDA0002221936870000051
e是公知常数；λ为系数。
进一步，λ通过基于正则化改进的双边滤波器的输入输出训练获得：
1、同一个相机对一个待测件间隔1s拍摄两张图片，第一张图片标记为图片A，图片A对应位置像素值分别为A(i，j)；第二张图片标记为图片B，图片B对应位置像素值分别为B(i，j)；
2、将双边滤波器S和优化子项λS0作为输入，λ的取值范围是0.001-0.005，迭代过程中λ以0.0001为步长递增；
3、取当前λ值，计算图片A的S3和图片B的S3，计算S3称为对图片的滤波；
4、分别计算滤波后两张图片对应位置的像素差值和
Figure BDA0002221936870000052
将λ自增一个步长，以自增后的λ作为当前λ，重复步骤2-4直到迭代完λ的取值范围；
5、寻找aSum最小值，输出aSum最小值对应λ值；该λ值作为S3的系数。
基于正则化改进的双边滤波的去除环境噪声方法如下：
1)输入USB接口图像；
2)、计算USB接口图像中第一个像素点的3*3领域中像素点与中心像素点的空间距离L＝(i-i0)2+(j-j0)2及3*3领域中任意像素点与中心像素点的差值和
Figure BDA0002221936870000053
其中i为邻域中任意一点横坐标，i为邻域中任意一点纵坐标；i0为邻域中心点的横坐标，j0为邻域中心点的纵坐标，e是公知常数；I(i，j)为领域中任意一点像素值，I(i0，j0)为中心位置的像素值；
3)、利用高斯核D计算空域的权值
Figure BDA0002221936870000054
其中i为邻域中任意一点横坐标，j为邻域中任意一点纵坐标；i0为邻域中心点的横坐标，j0为邻域中心点的纵坐标，σd为高斯核A的标准差。
4)、利用高斯核P计算像素域的权值
Figure BDA0002221936870000061
其中I(i，j)为领域中任意一点像素值，I(i0，j0)为中心位置的像素值，σr为高斯核B的标准差。
5)、计算空域和像素域的共同权值S1＝Dσ*Iσ。
6)、对邻域中除中心像素点以外的像素点进行像素域高斯权值加权S2＝I(i，j)*Iσ其中I(i，j)为邻域中除中心像素点以外的任意像素点灰度值。
7)、计算双边滤波的值S＝S1/S2。
8)、计算基于正则化改进的双边滤波的值S3＝S+λS0，S3作为该像素点的像素值，循环上述步骤，直到所有像素点都计算完毕，得到滤波后的USB接口图像。
9)、λ为系数，通过基于正则化改进的双边滤波器的输入输出训练获得：9.1、同一个相机对一个待测件间隔1s拍摄两张图片，第一张图片标记为图片A，图片A对应位置像素值分别为A(i，j)；第二张图片标记为图片B，图片B对应位置像素值分别为B(i，j)；
9.2、将双边滤波器S和优化子项λS0作为输入，λ的取值范围是0.0001-0.0005，迭代过程中λ以0.00001为步长递增；
9.3、取当前λ值，计算图片A的S3和图片B的S3，计算S3称为对图片的滤波；9.4、分别计算滤波后两张图片对应位置的像素差值和
Figure BDA0002221936870000062
将λ自增一个步长，以自增后的λ作为当前λ，重复步骤2-4直到迭代完λ的取值范围；
9.5、寻找aSum最小值，输出aSum最小值对应λ值；该λ值作为S3的系数。
如图2所示，以各位置总灰度差值和aSum作为滤波效果指征，不进行滤波处理时，aSum值最大，噪声影响最大。本发明采用的滤波方法与平滑滤波、中值滤波、高斯滤波、维纳滤波和传统的双边滤波相比，aSum最小，噪声抑制效果最好。
在缺少本文中所具体公开的任何元件、限制的情况下，可以实现本文所示和所述的发明。所采用的术语和表达法被用作说明的术语而非限制，并且不希望在这些术语和表达法的使用中排除所示和所述的特征或其部分的任何等同物，而且应该认识到各种改型在本发明的范围内都是可行的。因此应该理解，尽管通过各种实施例和可选的特征具体公开了本发明，但是本文所述的概念的修改和变型可以被本领域普通技术人员所采用，并且认为这些修改和变型落入所附权利要求书限定的本发明的范围之内。
本文中所述或记载的文章、专利、专利申请以及所有其他文献和以电子方式可得的信息的内容在某种程度上全文包括在此以作参考，就如同每个单独的出版物被具体和单独指出以作参考一样。申请人保留把来自任何这种文章、专利、专利申请或其他文献的任何及所有材料和信息结合入本申请中的权利。

Claims (4)

1.USB表面缺陷检测的图像预处理方法，包括双边滤波器S,
其特征在于：将双边滤波器S和优化子项λS0相加得到基于正则化改进的双边滤波器：S3＝S+λS0；其中λ为系数，S0为邻域各像素与中心像素的差值和，S为双边滤波器；
双边滤波器为S＝S1/S2；其中S1为空域和像素域的共同权值，S2为邻域中心像素周边像素点进行像素域高斯权值加权后得到的值；
空域和像素域的共同权值S1＝Dσ*Iσ；其中Dσ，为利用高斯核A计算的空域权值，Iσ为利用高斯核B计算的像素域权值；
利用高斯核A计算空域的权值
Figure FDA0003462165720000011
其中i为邻域中任意一点横坐标，j为邻域中任意一点纵坐标；i0为邻域中心点的横坐标，j0为邻域中心点的纵坐标；σd为高斯核A的标准差；
利用高斯核B计算像素域的权值
Figure FDA0003462165720000012
其中I(i，j)为邻域中任意一点像素值，I(i0，j0)为中心位置的像素值；σr为高斯核B的标准差；
计算对邻域中心像素周边像素点进行的像素域高斯权值加权S2＝I(i,j)*Iσ；
计算对邻域中心像素周边像素点进行的像素域高斯权值加权S2＝I(i,j)*Iσ；
计算邻域各像素与中心像素的差值和
Figure FDA0003462165720000013
e是公知常数。
2.如权利要求1所述的USB表面缺陷检测的图像预处理方法，其特征在于：λ通过基于正则化改进的双边滤波器的输入输出训练获得：
1)、同一个相机对一个待测件间隔1s拍摄两张图片，第一张图片标记为图片C，图片C对应位置像素值分别为C(i,j)；第二张图片标记为图片D，图片D对应位置像素值分别为D(i,j)；
2)、将双边滤波器S和优化子项λS0作为输入，λ的取值范围是0.0001-0.0005，迭代过程中λ以0.00001为步长递增；
3)、取当前λ值，计算图片C的S3和图片D的S3，计算S3称为对图片的滤波；
4)、分别计算滤波后两张图片对应位置的像素差值和
Figure FDA0003462165720000021
其中S3[C(i,j)]为C(i,j)滤波后的像素值，S3[D(i,j)]为D(i,j)滤波后的像素值，将λ自增一个步长，以自增后的λ作为当前λ，重复步骤2-4直到迭代完λ的取值范围；
5)寻找aSum最小值，输出aSum最小值对应λ值；该λ值作为S3的系数。
3.如权利要求1所述的USB表面缺陷检测的图像预处理方法，基于正则化改进的双边滤波的去除环境噪声方法如下：
1)、输入USB接口图像；
2)、计算USB接口图像中第一个像素点的3*3邻域中像素点与中心像素点的空间距离L＝(i-i0)2+(j-j0)2及3*3邻域中任意像素点与中心像素点的差值和
Figure FDA0003462165720000022
其中i为邻域中任意一点横坐标，j为邻域中任意一点纵坐标；i0为邻域中心点的横坐标，j0为邻域中心点的纵坐标，e是公知常数；I(i，j)为邻域中任意一点像素值，I(i0，j0)为中心位置的像素值；
3)、利用高斯核D计算空域的权值
Figure FDA0003462165720000031
其中i为邻域中任意一点横坐标，j为邻域中任意一点纵坐标；i0为邻域中心点的横坐标，j0为邻域中心点的纵坐标，σd为高斯核A的标准差；
4)、利用高斯核P计算像素域的权值
Figure FDA0003462165720000032
其中I(i，j)为邻域中任意一点像素值，I(i0，j0)为中心位置的像素值，σr为高斯核B的标准差；
5)、计算空域和像素域的共同权值S1＝Dσ*Iσ；
6)、对邻域中除中心像素点以外的像素点进行像素域高斯权值加权S2＝I(i,j)*Iσ其中I(i，j)为邻域中除中心像素点以外的任意像素点灰度值；
7)、计算双边滤波的值S＝S1/S2；
8)、计算基于正则化改进的双边滤波的值S3＝S+λS0，S3作为该像素点的像素值，循环上述步骤，直到所有像素点都计算完毕，得到滤波后的USB接口图像。
4.如权利要求3所述的USB表面缺陷检测的图像预处理方法，其特征在于：λ为系数，通过基于正则化改进的双边滤波器的输入输出训练获得：
1)、同一个相机对一个待测件间隔1s拍摄两张图片，第一张图片标记为图片C，图片C对应位置像素值分别为C(i,j)；第二张图片标记为图片D，图片D对应位置像素值分别为D(i,j)；
2)、将双边滤波器S和优化子项λS0作为输入，λ的取值范围是0.0001-0.0005，迭代过程中λ以0.00001为步长递增；
3)、取当前λ值，计算图片C的S3和图片D的S3，计算S3称为对图片的滤波；
4)、分别计算滤波后两张图片对应位置的像素差值和
Figure FDA0003462165720000041
将λ自增一个步长，以自增后的λ作为当前λ，重复步骤2-4直到迭代完λ的取值范围；
5)、寻找aSum最小值，输出aSum最小值对应λ值；该λ值作为S3的系数。
CN201910937374.9A 2019-06-29 2019-09-30 Usb表面缺陷检测的图像预处理方法 Active CN110717870B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2019105809157 2019-06-29
CN201910580915 2019-06-29

Publications (2)

Publication Number Publication Date
CN110717870A CN110717870A (zh) 2020-01-21
CN110717870B true CN110717870B (zh) 2022-04-12

Family

ID=69211214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910937374.9A Active CN110717870B (zh) 2019-06-29 2019-09-30 Usb表面缺陷检测的图像预处理方法

Country Status (1)

Country Link
CN (1) CN110717870B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639938A (zh) * 2009-08-28 2010-02-03 浙江大学 一种基于双边滤波器和余量去卷积的图像复原方法
CN102281439A (zh) * 2011-06-16 2011-12-14 杭州米加科技有限公司 流媒体视频图像预处理方法
CN104732492A (zh) * 2015-03-09 2015-06-24 北京工业大学 一种深度图像的去噪方法
CN108492250A (zh) * 2018-03-07 2018-09-04 大连大学 基于高质量边缘信息引导的深度图像超分辨重建的方法
CN109741270A (zh) * 2018-12-14 2019-05-10 南京理工大学 基于因式分解和均方差优化的双边滤波加速方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8285033B2 (en) * 2010-04-01 2012-10-09 Seiko Epson Corporation Bi-affinity filter: a bilateral type filter for color images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639938A (zh) * 2009-08-28 2010-02-03 浙江大学 一种基于双边滤波器和余量去卷积的图像复原方法
CN102281439A (zh) * 2011-06-16 2011-12-14 杭州米加科技有限公司 流媒体视频图像预处理方法
CN104732492A (zh) * 2015-03-09 2015-06-24 北京工业大学 一种深度图像的去噪方法
CN108492250A (zh) * 2018-03-07 2018-09-04 大连大学 基于高质量边缘信息引导的深度图像超分辨重建的方法
CN109741270A (zh) * 2018-12-14 2019-05-10 南京理工大学 基于因式分解和均方差优化的双边滤波加速方法

Also Published As

Publication number Publication date
CN110717870A (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
Li et al. Modified directional weighted filter for removal of salt & pepper noise
CN108564549B (zh) 一种基于多尺度稠密连接网络的图像去雾方法
CN111209952A (zh) 基于改进ssd和迁移学习的水下目标检测方法
JP4375464B2 (ja) ノイズ低減装置
CN108346148B (zh) 一种高密度柔性ic基板氧化区域检测系统及方法
CN109377450B (zh) 一种边缘保护的去噪方法
CN107203980B (zh) 自适应多尺度暗通道先验的水下目标探测图像增强方法
CN107833189A (zh) 对比受限自适应直方图均衡的水下目标探测图像增强方法
Kishan et al. SURE-fast bilateral filters
Hu et al. Non-local means algorithm with adaptive patch size and bandwidth
Lim et al. Robust contrast enhancement of noisy low-light images: Denoising-enhancement-completion
Liu et al. Blind image deblurring via local maximum difference prior
Ma et al. Mixed noise removal algorithm combining adaptive directional weighted mean filter and improved adaptive anisotropic diffusion model
CN111724312A (zh) 一种处理图像的方法及终端
CN110717870B (zh) Usb表面缺陷检测的图像预处理方法
CN107610056A (zh) 基于全变分的混合加权维纳滤波图像去噪方法
Xing et al. An efficient method to remove mixed Gaussian and random-valued impulse noise
Senshiki et al. PSF estimation using total variation regularization and shock filter for blind deconvolution
Ge et al. Blind image deconvolution via salient edge selection and mean curvature regularization
Gupta et al. Image de-noising by dual threshold median filtering for random valued impulse noise
Charmouti et al. Extended median filter for salt and pepper noise in image
CN105809677A (zh) 一种基于双边滤波器的图像边缘检测方法及系统
Malik et al. Contrast enhancement and smoothing of CT images for diagnosis
Shibata et al. Reflection removal using RGB-D images
Patil et al. Poisson Noise Removal for Image Demosaicing.

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