CN111242859B - 一种改进的图像处理方法 - Google Patents
一种改进的图像处理方法 Download PDFInfo
- Publication number
- CN111242859B CN111242859B CN202010014148.6A CN202010014148A CN111242859B CN 111242859 B CN111242859 B CN 111242859B CN 202010014148 A CN202010014148 A CN 202010014148A CN 111242859 B CN111242859 B CN 111242859B
- Authority
- CN
- China
- Prior art keywords
- points
- image processing
- processing method
- matrix
- pixel
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000001914 filtration Methods 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000002146 bilateral effect Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 abstract description 38
- 238000005265 energy consumption Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种改进的图像处理方法、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距离加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，避免受到噪声的影响。
Description
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。
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距离加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距离加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，避免受到噪声的影响。
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)为矩阵阵列的中心点坐标，(i,j)为阵列中心点邻近点坐标；
P(i,j)为原像素；
(i,j)εS(m,n)表示中心点(m,n)的邻域坐标；
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)为阵列内阵列中心点邻近点的函数值(像素值)；
所述Wr(i,j)采用折线拟合实现像素值权值计算。
优选地，所述折线拟合以D(i,j)为横坐标x,y为纵坐标y；
当i,j在中心像素点m,n的横列时，D(i,j)为矩阵内的所有点及矩阵外与i,j最邻近的纵列的与矩阵齐平的点形成的方块中横向相邻两点之间的像素差的绝对值的平方之和的平方根；
当i,j在中心像素点m,n的纵列时，D(i,j)为矩阵内的所有点及矩阵外与i,j最邻近的横列的与矩阵齐平的点形成的方块中纵向相邻两点之间的像素差的绝对值的平方之和的平方根；
当i,j在中心像素点m,n的对角线上时，D(i,j)为矩阵内的所有点及矩阵外与i,j最邻近的对角点及该对角点的恒列和纵列上的点形成的块中相邻对角的邻两点之间的像素差的绝对值的平方之和的平方根。
优选地，所述折线拟合为四段折线拟合；
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是本发明图像处理前的原图；
图8是实施例2图像处理后的图；
图9是距离加四段折线发法计算的值与Wr(i,j)值的对比示意图；
图10是实施例3的一个示例性的像素图；
图11是实施例4图像处理流程图；
图12是实施例4图像处理后的图。
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个或24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。
进一步地，Wr(i,j)采用距离+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。
实施例1
本实施例中，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。
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。
输入图像原如图7，输出图像如图8。
从图8与图7处理结果对比可看到：
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8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。
本实施例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。
实施例3
虽然实施例2的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，但是，该图像处理方法依赖的两个像素点容易受到噪声的影响，本实施例解决噪声的影响问题。
本实施例与实施例1的分别计算矩阵中心点像素(每个图像像素点均可以与相邻点形成矩阵，从而作为矩阵的中心点)与其相邻点像素的差值相比，采用方块图计算Wr(i,j)的权重。
方块图的做法是将待处理点的矩阵(如九宫格)与临近每个点的矩阵(如九宫格)做计算处理，即在计算中心像素点m,n的像素时，在相邻点i,j的Wr(i,j)权重计算中，以D(i,j)替换实施例1中的P(m,n)-P(i,j)，D(i,j)为：
当i,j在中心像素点m,n的横列时，D(i,j)为矩阵内的所有点及矩阵外与i,j最邻近的纵列的与矩阵齐平的点形成的方块中横向相邻两点之间的像素差的绝对值的平方之和的平方根。
当i,j在中心像素点m,n的纵列时，D(i,j)为矩阵内的所有点及矩阵外与i,j最邻近的横列的与矩阵齐平的点形成的方块中纵向相邻两点之间的像素差的绝对值的平方之和的平方根。
当i,j在中心像素点m,n的对角线上时，D(i,j)为矩阵内的所有点及矩阵外与i,j最邻近的对角点及该对角点的恒列和纵列上的点形成的块中相邻对角的邻两点之间的像素差的绝对值的平方之和的平方根。
以四段折线方式计算，如图8，以D(i,j)为横坐标x,x＝D(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9中，线1为y(x)的四段折线，线2为Wr(i,j)曲线。从图9可以看出，折线基本与Wr(i,j)曲线重合。
D(i,j)的计算示例如下：
图10为示例性的待处理的原始像素图，如待处理点的像素值为18(即九宫格的中心点)。
当计算相邻点(像素点3)的权重时，D值计算公式如下：
当计算相邻点(像素点6)的权重时，D值计算公式如下：
当计算相邻点(像素点9)的权重时，D值计算公式如下：
当计算相邻点(像素点20)的权重时，D值计算公式如下：
当计算相邻点(像素点15)的权重时，D值计算公式如下：
当计算相邻点(像素点21)的权重时，D值计算公式如下：
当计算相邻点(像素点35)的权重时，D值计算公式如下：
当计算相邻点(像素点0)的权重时，D值计算公式如下：
实施例4
将实施例3的距离+四段折线计算方式用于CIS芯片进行图像处理，图11中，收集图像信息后，向图像处理器中输入图像，采用实施例3中的距离+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3的距离+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，且消除了容易受到噪声的影响。
原始输入图像如图7，输出图像如图12。
将图12与图8的处理结果比较，由于采用基于距离+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，同时还消除了容易受到噪声的影响，图像滤波后效果更佳，且其灵活可配，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。
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 (4)
1.一种改进的图像处理方法，该方法将输入的图像经基于距离加折线拟合的双边滤波法滤波处理后输出图像；
所述基于折线拟合的双边滤波法滤波采用式I：
其中，
(m,n)为矩阵阵列的中心点坐标，(i,j)为阵列中心点邻近点坐标；
P(i,j)为原像素；
(i,j)εS(m,n)表示中心点(m,n)的邻域坐标；
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)为阵列中心点邻近点的函数值；
所述Wr(i,j)采用折线拟合实现像素值权值计算；
所述折线拟合以D(i,j)为横坐标x,y为纵坐标y；
当i,j在中心像素点m,n的横列时，D(i,j)为矩阵内的所有点及矩阵外与i,j最邻近的纵列的与矩阵齐平的点形成的方块中横向相邻两点之间的像素差的绝对值的平方之和的平方根；
当i,j在中心像素点m,n的纵列时，D(i,j)为矩阵内的所有点及矩阵外与i,j最邻近的横列的与矩阵齐平的点形成的方块中纵向相邻两点之间的像素差的绝对值的平方之和的平方根；
当i,j在中心像素点m,n的对角线上时，D(i,j)为矩阵内的所有点及矩阵外与i,j最邻近的对角点及该对角点的恒列和纵列上的点形成的块中相邻对角的邻两点之间的像素差的绝对值的平方之和的平方根。
2.根据权利要求1所述的改进的图像处理方法，其特征在于：所述折线拟合为四段折线拟合；
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)。
3.一种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1-2任一权利要求所述的图像处理方法。
4.一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1-2任一权利要求所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010014148.6A CN111242859B (zh) | 2020-01-07 | 2020-01-07 | 一种改进的图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010014148.6A CN111242859B (zh) | 2020-01-07 | 2020-01-07 | 一种改进的图像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111242859A CN111242859A (zh) | 2020-06-05 |
| CN111242859B true CN111242859B (zh) | 2023-09-08 |
Family
ID=70874285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010014148.6A Active CN111242859B (zh) | 2020-01-07 | 2020-01-07 | 一种改进的图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111242859B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114463225A (zh) * | 2021-12-24 | 2022-05-10 | 浙江大华技术股份有限公司 | 双边滤波方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971345A (zh) * | 2014-05-27 | 2014-08-06 | 上海电力学院 | 一种基于改进双边滤波的图像去噪方法 |
| CN108805957A (zh) * | 2018-06-07 | 2018-11-13 | 青岛九维华盾科技研究院有限公司 | 一种基于位图图像自适应分割的矢量图生成方法及系统 |
| CN110866860A (zh) * | 2019-11-01 | 2020-03-06 | 成都费恩格尔微电子技术有限公司 | 生物特征识别用的cis芯片的图像处理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7480401B2 (en) * | 2003-06-23 | 2009-01-20 | Siemens Medical Solutions Usa, Inc. | Method for local surface smoothing with application to chest wall nodule segmentation in lung CT data |
-
2020
- 2020-01-07 CN CN202010014148.6A patent/CN111242859B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971345A (zh) * | 2014-05-27 | 2014-08-06 | 上海电力学院 | 一种基于改进双边滤波的图像去噪方法 |
| CN108805957A (zh) * | 2018-06-07 | 2018-11-13 | 青岛九维华盾科技研究院有限公司 | 一种基于位图图像自适应分割的矢量图生成方法及系统 |
| CN110866860A (zh) * | 2019-11-01 | 2020-03-06 | 成都费恩格尔微电子技术有限公司 | 生物特征识别用的cis芯片的图像处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111242859A (zh) | 2020-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111882504B (zh) | 图像中颜色噪声的处理方法、系统、电子设备和存储介质 | |
| Pham et al. | Separable bilateral filtering for fast video preprocessing | |
| Huang et al. | Image contrast enhancement for preserving mean brightness without losing image features | |
| CN104021532B (zh) | 一种红外图像的图像细节增强方法 | |
| Salmon et al. | From patches to pixels in non-local methods: Weighted-average reprojection | |
| Coleman et al. | Edge detecting for range data using laplacian operators | |
| CN105528757B (zh) | 一种基于内容的图像美学质量提升方法 | |
| CN111369450B (zh) | 去除摩尔纹的方法与装置 | |
| CN111861938B (zh) | 图像去噪方法、装置、电子设备及可读存储介质 | |
| CN109978775B (zh) | 颜色去噪方法及装置 | |
| CN104715221B (zh) | 一种超低对比度二维码的解码方法及系统 | |
| Xu et al. | FPGA-based low-visibility enhancement accelerator for video sequence by adaptive histogram equalization with dynamic clip-threshold | |
| CN111242859B (zh) | 一种改进的图像处理方法 | |
| CN114830168A (zh) | 图像重建方法、电子设备和计算机可读存储介质 | |
| CN110866860B (zh) | 生物特征识别用的cis芯片的图像处理方法 | |
| CN113269686B (zh) | 亮度噪声的处理方法、装置、存储介质及终端 | |
| Zhang et al. | A wavelet-based edge detection method by scale multiplication | |
| CN113592750A (zh) | 一种基于梯度直方图的红外增强方法 | |
| CN113658118A (zh) | 图像噪声程度估计方法、装置、电子设备及存储介质 | |
| CN109410134A (zh) | 一种基于图像块分类的自适应去噪方法 | |
| CN111429368A (zh) | 一种自适应细节增强和鬼影消除的多曝光图像融合方法 | |
| CN111461999A (zh) | 一种基于超像素相似性测量的sar图像相干斑抑制方法 | |
| Wu et al. | Bi-lateral filtering based edge detection on hexagonal architecture | |
| Pang | Improved image denoising based on Haar wavelet transform | |
| CN210534812U (zh) | 像素电路、像素阵列、光学指纹传感器 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201104 Address after: Room 203, 2 / F, No. 497, Goss Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 200120 Applicant after: SHANGHAI FEIGEEN MICROELECTRONICS TECHNOLOGY Co.,Ltd. Address before: 610000 No.22 and 23, floor 3, building 1, No.1268, middle section of Tianfu Avenue, Chengdu high tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu City, Sichuan Province Applicant before: CHENGDU FINGER MICROELECTRONIC TECHNOLOGY Co.,Ltd. Applicant before: SHANGHAI FEIGEEN MICROELECTRONICS TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240913 Granted publication date: 20230908 |