CN110866860A - 生物特征识别用的cis芯片的图像处理方法 - Google Patents

Abstract

本发明公开了一种图像处理方法、CIS芯片的图像处理方法及生物特征识别用的CIS芯片的图像处理方法，该方法将输入的图像经基于折线拟合的双边滤波法滤波处理后输出图像。本发明图像处理速度快，占用体积小，资源消耗。

Description

生物特征识别用的CIS芯片的图像处理方法

技术领域

本发明属于图像处理领域，具体涉及一种图像处理方法、CIS芯片的图像 处理方法及生物特征识别用的CIS芯片的图像处理方法。

背景技术

在获取、传输和处理过程中，图像通常会因为噪声的干扰而导致质量的下 降，从而严重影响图像的后续处理如：图像特征提取、图像识别和图像检索等 的性能。因此图像去噪作为图像处理的基本技术，一直是人们关注的重点。经 典的图像去噪算法有：高斯滤波、中值滤波、小波变换、维纳滤波和双边滤波 (Bilateral filter，简称BF)等等。

高斯滤波(空间临近)是将二维高斯正态分布放在图像矩阵上做卷积运算。 考虑的是邻域内像素值的空间距离关系。通过在核大小范围内，各个点到中心 点的空间临近度计算出对应的权值，并将计算好的核与图像矩阵作卷积。最后， 图像经过滤波后达到平滑的效果，而图像上的边缘也会有一定程度的平滑，使 得整个图像变得模糊，边缘得不到保存。

双边滤波(Bilateral Filter)是非线性滤波中的一种，这是一种结合图 像的空间邻近度与像素值相似度的处理办法。在滤波时，该滤波方法同时考虑 空间临近信息与颜色相似信息，在滤除噪声、平滑图像的同时，又做到边缘保 存。

双边滤波采用了两个高斯滤波的结合，一个负责计算空间邻近度的权值， 也就是常用的高斯滤波器原理，而另一个负责计算像素值相似度的权值。在两 个高斯滤波的同时作用下，就是双边滤波。

CIS芯片是一种图像传感器，CIS芯片将读出电路(包含相关双采样CDS， 自动增益放大器AGC等)，模数转换电路(ADC)，图像信号处理(ISP)，电 视信号编码电路(TV-Encoder)等全部集成于单芯片中，其中图像信号处理 (ISP)可将图像处理，由于图像信号处理(ISP)是集成在单芯片中，而整个 芯片的体积小，因此其对于图像的处理不能采用复杂的算法，现有的双边滤波 算法复杂，需要专门的软件运行，能耗高，占用体积大，不适合电子设备小型 化的发展需求。

发明内容

针对上述缺陷，一方面，本发明提供一种图像处理方法，该图像处理方 法处理速度快，占用体积小，资源消耗特别是能耗小。

一种图像处理方法，该方法将输入的图像经基于折线拟合的双边滤波法滤 波处理后输出图像。

本发明图像处理方法为基于折线拟合的双边滤波法，算法简单，处理速度 快，占用体积小，资源消耗特别是能耗小。

优选地，所述基于折线拟合的双边滤波法滤波采用式I：

其中，

(m,n)为3x3/5x5阵列的中心点坐标，(i,j)为阵列中心点最邻近8个点坐 标之一；

P(i,j)为原像素；

(i,j)εS(m,n)表示中心点(m,n)的8个邻域坐标；

W(i,j)＝Ws(i,j)*Wr(i,j)，Ws(i,j)为高斯滤波模板，Ws(i,j)表示空间 域权值，Wr(i,j)表示值域权值；

其中，

P(m,n)为当前中心点的函数值,P(i,j)为阵列中心点最邻近8个点之 一的函数值；

所述Wr(i,j)采用折线拟合实现像素值权值计算。

优选地，所述折线拟合为四段折线拟合，该四段折线拟合以P(m,n)-P (i,j)为横坐标x,x＝P(m,n)-P(i,j),y为纵坐标y；

当0≦x<x1时，

当x1≦x<x2时，

当x2≦x<x3时，

当x3≦x时，y(x)＝0

其中，(x1,y1)，(x2,y2)，(x3,0)为折线从左到右的3个转折点，y(x)值 域范围[0,1)。

一方面，本发明还提供一种CIS芯片的图像处理方法，该方法采用上述 的图像处理方法。

本发明中，在CIS芯片内采用上述的图像处理方法，处理速度快，占用体 积小，资源消耗小，CIS芯片图像处理后，不再需要专门的软件进行图像处理。

一方面，本发明还提供一种生物特征识别用的CIS芯片的图像处理方法， 该方法采用上述的图像处理方法。

本发明中，在CIS芯片内置上述的图像处理方法后，用于生物特征识别， 识别速度快，占用空间少，能耗低。

与现有技术相比，本发明的有益效果在于：

本发明采用基于折线拟合的双边滤波法，算法简单，处理速度快，占用体 积小，资源消耗特别是能耗小，尤其适合用于生物特征识别图像的处理。

附图说明

为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描 述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出 创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明高斯滤波算法3x3模板；

图2是本发明高斯滤波算法5x5模板；

图3是高斯滤波卷积核；

图4是双边滤波卷积核；

图5是四段折线发法计算的值与Wr(i,j)值的对比示意图；

图6是实施例2图像处理流程图；

图7是实施例2图像处理前及处理后的对比图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请 实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然， 所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中 的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其 他实施例，都属于本申请保护的范围。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体 的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再 赘述。

作为一种常见的应用场景，本申请实施例提供的图像处理方法可以应用在 智能手机、平板电脑以及其他具有显示屏的移动终端或者其他终端设备，特别 是作为生物特别识别的图像处理，本申请实施例的技术方案可以用于生物特征 识别技术。其中，生物特征识别技术包括但不限于指纹识别、掌纹识别、虹膜 识别、人脸识别以及活体识别等识别技术。

图1和图2分别示出了高斯滤波算法3x3/5x5模板，模板参数可通过寄存 器配置。

本发明中，双边滤波算法在高斯滤波的基础上，参考邻域像素间的关系， 再叠加一次加权。滤波系数采用两个加权模板对应位置的乘积。

本发明中，滤波后的像素P′(m,n)为：

其中，

(m,n)为3x3/5x5阵列的中心点坐标，(i,j)为阵列中心点最邻近8或24 个点坐标之一。

P(i,j)为原像素值。

(i,j)εS(m,n)表示中心点(m,n)的8个邻域坐标。

W(i,j)＝Ws(i,j)*Wr(i,j)，Ws(i,j)为高斯滤波模板，Ws(i,j)表示空间 域权值，Wr(i,j)表示值域权值。

P(m,n)为当前中心点的像素值,P(i,j)为阵列中心点最邻近8个点之 一的像素值。

本发明中，Wr(i,j)采用多段折线近似的办法实现像素值权值计算。

如图3，当图像在变化程度平缓的区域时，邻域中的像素值(RGB值)差距 相差不大。此时Wr(i,j)无限接近于1，因此此时的双边就是普通的高斯滤波， 达到对图像平滑的效果。

如图4，当图像在变化程度剧烈的区域，比如在边缘区域时，邻域中的像 素值(RGB值)差距相差很大。此时Wr(i,j)朝0值趋近，颜色差值越大，Wr(i,j) 越逼近0，最终整个式子的值逼近于0。最终的结果是权值为0。因此在最终计 算时，该处将不影响输出值。通过此种方式，其既能平滑图像，又保持了图像 的边缘。

本发明中，P(m,n)-P(i,j)为邻域像素值与中心像素值之差的绝对值， 当P(m,n)-P(i,j)差值越大，两点越可能是图像边界，故而分配更低的权 重；当P(m,n)-P(i,j)差值越小，则越有可能是平滑区域，故分配更大的 权重。

实施例1

本实施例中，Wr(i,j)以四段折线方式计算，如图5，以P(m,n)-P(i,j) 为横坐标x,x＝P(m,n)-P(i,j),y为纵坐标y。

当0≦x<x1时，

当x1≦x<x2时，

当x2≦x<x3时，

当x3≦x时，y(x)＝0

(x1,y1)，(x2,y2)，(x3,0)为折线从左到右的3个转折点，y(x)值域范围 [0,1)，采用定点小数表示，最后右移13bit归一化处理。

图5中，线1为y(x)的四段折线，线2为Wr(i,j)曲线。从图5可以看出， 折线基本与Wr(i,j)曲线重合。

实施例2

将实施例1的四段折线计算方式用于CIS芯片进行图像处理，图6中，收 集图像信息后，向图像处理器中输入图像，采用实施例1中的四段折线双波滤 波法进行滤波除杂后输出图像。由于实施例1四段折线双波滤波法计算方式简 单，因此CIS芯片图像处理速度快，CIS芯片中图像处理的模块可以占用较小 的面积。

输入图像如图7(左)，输出图像如图7(右)。

从处理结果图对比可看到：

在图像的平坦区域，像素值变化很小，值域权重接近于1，此时空间域权 重起主要作用，相当于进行高斯模糊。

在图像的边缘区域，像素值变化很大，值域权重接近0，从而保持了边缘 的信息。

图7的处理结果表明本专利的基于折线拟合的双边滤波法可高效完成滤波 去噪的同时，保留了图像边缘，且本专利的折线拟合的办法灵活可配，可以根 据场景灵活选择3、4、5…等折线段数，大大增强了的算法的灵活性与有效性。

本发明图像处理方法由于采用基于折线拟合的双边滤波法，因此处理速度 快，占用体积小，资源消耗特别是能耗小，特别适合用于生物特征识别图像的 处理。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其 限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术 人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者 对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相 应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种图像处理方法，该方法将输入的图像经基于折线拟合的双边滤波法滤波处理后输出图像。

2.根据权利要求1所述的图像处理方法，其特征在于：所述基于折线拟合的双边滤波法滤波采用式I：

其中，

(m,n)为3x3/5x5阵列的中心点坐标，(i,j)为阵列中心点最邻近8个点坐标之一；

P(i,j)为原像素；

(i,j)εS(m,n)表示中心点(m,n)的8个邻域坐标；

W(i,j)＝Ws(i,j)*Wr(i,j)，Ws(i,j)为高斯滤波模板，Ws(i,j)表示空间域权值，Wr(i,j)表示值域权值；

其中，

P(m,n)为当前中心点的函数值,P(i,j)为阵列中心点最邻近8个点之一的函数值；

所述Wr(i,j)采用折线拟合实现像素值权值计算。

3.根据权利要求2所述的图像处理方法，其特征在于：所述折线拟合为四段折线拟合，该四段折线拟合以P(m,n)-P(i,j)为横坐标x,x＝P(m,n)-P(i,j),y为纵坐标y；

当0≦x<x1时，

当x1≦x<x2时，

当x2≦x<x3时，

当x3≦x时，y(x)＝0

其中，(x1,y1)，(x2,y2)，(x3,0)为折线从左到右的3个转折点，y(x)值域范围[0,1)。

4.一种CIS芯片的图像处理方法，其特征在于：所述图像处理方法为权利要求1-3任一权利要求所述的图像处理方法。

5.一种生物特征识别用的CIS芯片的图像处理方法，其特征在于：所述图像处理方法为权利要求1-3任一权利要求所述的图像处理方法。

Images