CN110717875B - 一种高清图像处理方法 - Google Patents

一种高清图像处理方法 Download PDF

Info

Publication number
CN110717875B
CN110717875B CN201910995445.0A CN201910995445A CN110717875B CN 110717875 B CN110717875 B CN 110717875B CN 201910995445 A CN201910995445 A CN 201910995445A CN 110717875 B CN110717875 B CN 110717875B
Authority
CN
China
Prior art keywords
image
region
original image
color
feature
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
CN201910995445.0A
Other languages
English (en)
Other versions
CN110717875A (zh
Inventor
李玉光
黄永生
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.)
North China University of Science and Technology
Original Assignee
North China University of Science and Technology
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 North China University of Science and Technology filed Critical North China University of Science and Technology
Priority to CN201910995445.0A priority Critical patent/CN110717875B/zh
Publication of CN110717875A publication Critical patent/CN110717875A/zh
Application granted granted Critical
Publication of CN110717875B publication Critical patent/CN110717875B/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
    • 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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明公开了一种高清图像处理方法，包括以下步骤：A、提取原图像的特征集合；B、对原图像进行模糊化处理；C、对模糊化处理后的图像进行分块，对图像块进行压缩处理；D、根据步骤A得到的特征集合和步骤C得到的压缩后的图像块对图像进行重组。本发明能够改进现有技术的不足，降低了图像压缩处理过程的计算量，提高了压缩后的图像质量。

Description

一种高清图像处理方法
技术领域
本发明涉及图像处理技术领域，尤其是一种高清图像处理方法。
背景技术
在图像处理领域，经常需要对图像进行压缩处理。但是对于数据量较大的高清图像，在压缩过程中一方面存在计算量大的问题，另外在压缩时还有可能遗失大量的关键信息，导致压缩后的图像质量下降明显。
发明内容
本发明要解决的技术问题是提供一种高清图像处理方法，能够解决现有技术的不足，降低了图像压缩处理过程的计算量，提高了压缩后的图像质量。
为解决上述技术问题，本发明所采取的技术方案如下。
一种高清图像处理方法，包括以下步骤：
A、提取原图像的特征集合；
B、对原图像进行模糊化处理；
C、对模糊化处理后的图像进行分块，对图像块进行压缩处理；
D、根据步骤A得到的特征集合和步骤C得到的压缩后的图像块对图像进行重组。
作为优选，步骤A中，提取原图像的特征集合包括以下步骤，
A1、生成原图像的灰度图像；
A2、遍历灰度图像，获取灰度图像中灰度呈线性变化的特征线段，不同特征线段之间没有交点；沿着垂直于特征线段的方向遍历图像灰度，将灰度与垂直方向上特征线段对应像素灰度差值小于第一阈值的区域进行标记，将标记的图像区域和对应的特征线段组成特征区域；
A3、计算原图像在不同特征区域中的颜色矩阵，计算颜色矩阵的特征向量作为原图像的颜色特征；
A4、建立同一特征区域内特征线段与颜色矩阵特征向量的相关度集合，将所述相关度集合作为原图像的纹理特征；
A5、建立不同特征区域之间特征线段的映射集合，将所述映射集合作为原图像的空间特征。
作为优选，纹理特征的优先级大于颜色特征的优先级，颜色特征的优先级大于空间特征的优先级。
作为优选，步骤B中，对图像进行模糊化处理包括以下步骤，
B1、将特征区域作为一类区域，将其它区域作为二类区域；
B2、对于一类区域，将特征线段上的像素点进行保留，对一类区域内的其它像素点进行模糊处理；
B3、根据一类区域的模糊处理结果，首先对于二类区域的边缘进行模糊处理，保证一类区域与二类区域的平滑过渡，然后再对二类区域的其它位置进行模糊处理。
作为优选，步骤C中，每个图像块至少包括一个完整的一类区域。
作为优选，步骤D中，对图像进行重组包括以下步骤，
D1、遍历压缩后的图像块，使用原图像的纹理特征对压缩后图像块的纹理进行加强；
D2、根据纹理加强的结果，使用原图像的颜色特征对压缩后的图像块的颜色进行加强，相同区域的颜色加强幅度百分比与纹理加强幅度百分比成正比；
D3、使用原图像的空间特征对不同图像块进行组合。
采用上述技术方案所带来的有益效果在于：本发明以图像的纹理特征为核心，建立图像的特征集合，避免了采集不同特征过程中存在的重复计算量。使用纹理特征均匀变化区域作为颜色特征和空间特征的采集区域，可以减少纹理变化对其它特征采集的干扰。在图像模糊处理过程中，利用已有的特征区域对图像进行分类，不仅降低了计算量，更重要的是有效保留了特征线段上的特征信息。本发明通过将纹理特征作为最高优先级的特征进行使用，建立起纹理特征与其他特征的关联关系，有效减少了特征采集和图像处理过程的计算量，并且使得重组后图像中关键特征信息的还原度提高，从而提高图像质量。
附图说明
图1是本发明一个具体实施方式的流程图。
具体实施方式
参照图1，本发明一个具体实施方式包括以下步骤：
A、提取原图像的特征集合；
B、对原图像进行模糊化处理；
C、对模糊化处理后的图像进行分块，对图像块进行压缩处理；
D、根据步骤A得到的特征集合和步骤C得到的压缩后的图像块对图像进行重组。
步骤A中，提取原图像的特征集合包括以下步骤，
A1、生成原图像的灰度图像；
A2、遍历灰度图像，获取灰度图像中灰度呈线性变化的特征线段，不同特征线段之间没有交点；沿着垂直于特征线段的方向遍历图像灰度，将灰度与垂直方向上特征线段对应像素灰度差值小于第一阈值的区域进行标记，将标记的图像区域和对应的特征线段组成特征区域；
A3、计算原图像在不同特征区域中的颜色矩阵，计算颜色矩阵的特征向量作为原图像的颜色特征；
A4、建立同一特征区域内特征线段与颜色矩阵特征向量的相关度集合，将所述相关度集合作为原图像的纹理特征；
A5、建立不同特征区域之间特征线段的映射集合，将所述映射集合作为原图像的空间特征。
纹理特征的优先级大于颜色特征的优先级，颜色特征的优先级大于空间特征的优先级。
步骤B中，对图像进行模糊化处理包括以下步骤，
B1、将特征区域作为一类区域，将其它区域作为二类区域；
B2、对于一类区域，将特征线段上的像素点进行保留，对一类区域内的其它像素点进行模糊处理；
一类区域内的其它像素点进行模糊处理包括以下步骤，
以特征线段上的像素点为聚类中心，对一类区域内的其它像素区域进行分类处理，对每一类像素区域的像素点建立其与聚类中心的权重比例，然后使用聚类中心的像素值对其它像素点进行加权平均计算，得到模糊处理后的像素值；聚类中心所占权重与聚类中心和待处理像素点的欧氏距离成反比。
B3、根据一类区域的模糊处理结果，首先对于二类区域的边缘进行模糊处理，保证一类区域与二类区域的平滑过渡，然后再对二类区域的其它位置进行模糊处理；
对二类区域的其它位置进行模糊处理包括以下步骤，
在二类区域的边缘随机选取若干个像素点，以选择的像素点为圆心画圆，在画圆的区域内将所有像素点赋予权重值，圆心像素点的权重值最高，其它像素点的权重值与其距离圆心的欧氏距离成反比，将圆内所有待处理像素点进行加权平均，使用得到的像素值作为圆内待处理区域新的像素值；然后将圆的半径扩大，对扩大后新包括的未处理的区域重复上述步骤进行模糊处理，已处理过的区域像素值不变，直至二类区域的全部范围均经过上述处理。
步骤C中，每个图像块至少包括一个完整的一类区域。
步骤D中，对图像进行重组包括以下步骤，
D1、遍历压缩后的图像块，使用原图像的纹理特征对压缩后图像块的纹理进行加强；
D2、根据纹理加强的结果，使用原图像的颜色特征对压缩后的图像块的颜色进行加强，相同区域的颜色加强幅度百分比与纹理加强幅度百分比成正比；
D3、使用原图像的空间特征对不同图像块进行组合。
本发明计算量小，图像压缩处理后的图像质量高，为高清图像的压缩处理开辟了一条全新的路径。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种高清图像处理方法，其特征在于包括以下步骤：
A、提取原图像的特征集合；包括以下步骤，
A1、生成原图像的灰度图像；
A2、遍历灰度图像，获取灰度图像中灰度呈线性变化的特征线段，不同特征线段之间没有交点；沿着垂直于特征线段的方向遍历图像灰度，将灰度与垂直方向上特征线段对应像素灰度差值小于第一阈值的区域进行标记，将标记的图像区域和对应的特征线段组成特征区域；
A3、计算原图像在不同特征区域中的颜色矩阵，计算颜色矩阵的特征向量作为原图像的颜色特征；
A4、建立同一特征区域内特征线段与颜色矩阵特征向量的相关度集合，将所述相关度集合作为原图像的纹理特征；
A5、建立不同特征区域之间特征线段的映射集合，将所述映射集合作为原图像的空间特征；
B、对原图像进行模糊化处理；包括以下步骤，
B1、将特征区域作为一类区域，将其它区域作为二类区域；
B2、对于一类区域，将特征线段上的像素点进行保留，对一类区域内的其它像素点进行模糊处理；
B3、根据一类区域的模糊处理结果，首先对于二类区域的边缘进行模糊处理，保证一类区域与二类区域的平滑过渡，然后再对二类区域的其它位置进行模糊处理；
C、对模糊化处理后的图像进行分块，对图像块进行压缩处理；
D、根据步骤A得到的特征集合和步骤C得到的压缩后的图像块对图像进行重组，包括以下步骤，
D1、遍历压缩后的图像块，使用原图像的纹理特征对压缩后图像块的纹理进行加强；
D2、根据纹理加强的结果，使用原图像的颜色特征对压缩后的图像块的颜色进行加强，相同区域的颜色加强幅度百分比与纹理加强幅度百分比成正比；
D3、使用原图像的空间特征对不同图像块进行组合。
2.根据权利要求1所述的高清图像处理方法，其特征在于：纹理特征的优先级大于颜色特征的优先级，颜色特征的优先级大于空间特征的优先级。
3.根据权利要求1所述的高清图像处理方法，其特征在于：步骤C中，每个图像块至少包括一个完整的一类区域。
CN201910995445.0A 2019-10-18 2019-10-18 一种高清图像处理方法 Active CN110717875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910995445.0A CN110717875B (zh) 2019-10-18 2019-10-18 一种高清图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910995445.0A CN110717875B (zh) 2019-10-18 2019-10-18 一种高清图像处理方法

Publications (2)

Publication Number Publication Date
CN110717875A CN110717875A (zh) 2020-01-21
CN110717875B true CN110717875B (zh) 2023-08-08

Family

ID=69212894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910995445.0A Active CN110717875B (zh) 2019-10-18 2019-10-18 一种高清图像处理方法

Country Status (1)

Country Link
CN (1) CN110717875B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160357A (zh) * 2021-04-07 2021-07-23 浙江工商大学 信息审核方法、系统、计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103475876A (zh) * 2013-08-27 2013-12-25 北京工业大学 一种基于学习的低比特率压缩图像超分辨率重建方法
CN104869425A (zh) * 2015-05-13 2015-08-26 信阳师范学院 一种基于纹理图像相似性的压缩和解压缩方法
CN106559668A (zh) * 2015-09-25 2017-04-05 电子科技大学 一种基于智能量化技术的低码率图像压缩方法
CN107392975A (zh) * 2017-07-27 2017-11-24 神华集团有限责任公司 图像自适应多尺度分块压缩感知方法、电子设备
CN107527368A (zh) * 2016-06-20 2017-12-29 电子科技大学 基于二维码的三维空间姿态定位方法与装置
CN109978869A (zh) * 2019-03-29 2019-07-05 清华大学 一种基于灰度共生矩阵和Hough变换的海天线检测方法与系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013258621A (ja) * 2012-06-14 2013-12-26 Brother Ind Ltd 印刷制御装置、および、コンピュータプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103475876A (zh) * 2013-08-27 2013-12-25 北京工业大学 一种基于学习的低比特率压缩图像超分辨率重建方法
CN104869425A (zh) * 2015-05-13 2015-08-26 信阳师范学院 一种基于纹理图像相似性的压缩和解压缩方法
CN106559668A (zh) * 2015-09-25 2017-04-05 电子科技大学 一种基于智能量化技术的低码率图像压缩方法
CN107527368A (zh) * 2016-06-20 2017-12-29 电子科技大学 基于二维码的三维空间姿态定位方法与装置
CN107392975A (zh) * 2017-07-27 2017-11-24 神华集团有限责任公司 图像自适应多尺度分块压缩感知方法、电子设备
CN109978869A (zh) * 2019-03-29 2019-07-05 清华大学 一种基于灰度共生矩阵和Hough变换的海天线检测方法与系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于分布式压缩感知的遥感图像融合算法";刘静等;《电子与信息学报》;2374-2381页 *

Also Published As

Publication number Publication date
CN110717875A (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
CN109427047B (zh) 一种图像处理方法及装置
CN110264459A (zh) 一种土壤裂缝特征信息提取方法
CN115049657A (zh) 一种玻璃缺陷检测方法
CN115131375B (zh) 一种矿石自动分割方法
US20060104535A1 (en) Method and apparatus for removing false edges from a segmented image
CN113052859A (zh) 基于自适应种子点密度聚类超像素分割方法
CN114693816A (zh) 一种智能化图像大数据存储方法
CN111062331A (zh) 图像的马赛克检测方法、装置、电子设备及存储介质
CN115937019A (zh) 一种lsd二次分割和深度学习相结合的不均匀去雾方法
CN110717875B (zh) 一种高清图像处理方法
CN115880181A (zh) 一种增强图像对比度的方法、装置及终端
CN104268845A (zh) 极值温差短波红外图像的自适应双局部增强方法
CN110223241A (zh) 一种基于分块统计的直方图均衡方法
CN105828061B (zh) 一种基于视觉掩蔽效应的虚拟视点质量评价方法
CN110766117B (zh) 一种二维码的生成方法及系统
JPH0830787A (ja) 画像領域分割方法及び画像領域統合方法
CN107682699A (zh) 一种近无损图像压缩方法
CN115205562B (zh) 一种基于特征点的任意试卷配准方法
CN115660994A (zh) 一种基于区域最小二乘估计的图像增强方法
JP2000357226A (ja) 濃淡画像の２値化方法および濃淡画像の２値化プログラムを記録した記録媒体
CN115019066A (zh) 基于加权平均处理的三元灰度共生矩阵图像识别方法
CN114677393A (zh) 深度图像处理方法、装置、摄像设备、会议系统及介质
JP2988097B2 (ja) 濃淡画像の領域分割方法
CN116452465B (zh) 一种消除jpeg图像块伪影的方法
CN111145193A (zh) 一种自适应全局阈值二值化方法

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