CN111311499A - 图像增强方法及装置、存储介质、终端 - Google Patents
图像增强方法及装置、存储介质、终端 Download PDFInfo
- Publication number
- CN111311499A CN111311499A CN201811516805.6A CN201811516805A CN111311499A CN 111311499 A CN111311499 A CN 111311499A CN 201811516805 A CN201811516805 A CN 201811516805A CN 111311499 A CN111311499 A CN 111311499A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- pixel
- frequency characteristic
- characteristic value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001914 filtration Methods 0.000 claims abstract description 90
- 238000005070 sampling Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000003708 edge detection Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种图像增强方法及装置、存储介质、终端,所述方法包括:获取待处理图像;在待处理图像上逐像素移动滑动窗口,对滑动窗口内的所有像素进行滤波操作,以得到滤波后的窗口图像;计算滑动窗口的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到中心像素的高频特征值;对滤波后的窗口图像进行至少一次下采样操作,对每次下采样后的窗口图像进行滤波操作,并计算下采样后的窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到中心像素的至少一种低频特征值;根据中心像素的高频特征值以及至少一种低频特征值确定中心像素的增强像素值,直至遍历完成待处理图像的所有像素。本发明方案能够提升图像的质量。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种图像增强方法及装置、存储介质、终端。
背景技术
目前常用的图像增强方法是基于梯度的边缘检测算子(如sobel、roberts、prewitt等),这些算子都是通过提取图像的一阶导数来实现图像高频特征值提取,算法较为简单,应用起来比较方便。在图像噪声比较小的时候,基于梯度的边缘检测算子效果比较好。另外,在目前的图像处理系统中,laplacian和canny边缘算子也被广泛应用,其中laplacian边缘算子是二阶微分算子,它可以检测出绝大部分边缘,但它的缺点是会产生双像素宽的边缘,且不能提供边缘方向信息;而canny检测算子是通过将图像使用高斯函数进行平滑,再由一阶微分的极大值确定边缘点。此外,目前用多尺度图像增强的方法越来越引起人们的注意,而利用小波进行多尺度图像增强是比较常用的方法之一。
但是,现有技术中的检测算子精仅能对图像高频特征值进行增强效果较差;另外边缘检测算子大多对噪声比较敏感。而小波图像增强算法复杂度较高,计算量较大,因此不利于硬件实现。
发明内容
本发明解决的技术问题是如何提升图像的质量。
为解决上述技术问题,本发明实施例提供一种图像增强方法,图像增强方法包括:获取待处理图像;在所述待处理图像上逐像素移动滑动窗口,每次移动所述滑动窗口后,对所述滑动窗口内的所有像素进行滤波操作,以得到滤波后的窗口图像;每次移动所述滑动窗口后,计算所述滑动窗口的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的高频特征值;每次移动所述滑动窗口后,对所述滤波后的窗口图像进行至少一次下采样操作,对每次下采样后的窗口图像进行滤波操作,并计算所述下采样后的窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的至少一种低频特征值;每次移动所述滑动窗口后,根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值,直至遍历完成所述待处理图像的所有像素。
可选的,所述根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值包括:根据所述高频特征值的大小、所述至少一种低频特征值的大小以及各个特征值大小与权值的对应关系,分别确定所述高频特征值对应的权值以及至少一种低频特征值对应的权值;计算所述高频特征值与其对应的权值的乘积,以及所述至少一种低频特征值与其对应的权值的乘积;计算各个乘积之和,以作为所述中心像素的增强像素值。
可选的,所述窗口图像以及采样后的窗口图像分别对应权值曲线,所述权值曲线表示特征值的大小与权值大小的对应关系,所述根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值包括:根据计算所述高频特征值所依据的窗口图像确定所述高频特征值对应的权值曲线,以及根据计算所述至少一种低频特征值所依据的窗口图像确定所述至少一种低频特征值对应的权值曲线;根据所述高频特征值的大小及其对应的权值曲线确定所述高频特征值对应的权值,以及根据所述至少一种低频特征值的大小及其对应的权值曲线确定所述至少一种低频特征值对应的权值;计算所述高频特征值与其对应的权值的乘积,以及所述至少一种低频特征值与其对应的权值的乘积;计算各个乘积之和,以作为所述中心像素的增强像素值。
可选的,所述至少一种低频特征值包括第一低频特征值和第二低频特征值,所述对所述滤波后的窗口图像进行至少一次下采样操作,对每次下采样后的窗口图像进行滤波操作,并计算所述下采样后的窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值包括:对所述滤波后的窗口图像进行下采样操作,以得到第一窗口图像;对所述第一窗口图像进行滤波操作,并计算所述第一窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的所述第一低频特征值;对滤波后的第一窗口图像进行下采样操作,以得到第二窗口图像;对所述第二窗口图像进行滤波操作,并计算所述第二窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的所述第二低频特征值。
可选的,所述待处理图像为亮度图像,所述中心像素的像素值为亮度值。
可选的,所述获取待处理图像之后还包括:如果所述待处理图像为彩色图像,则将所述待处理图像转换为所述亮度图像。
可选的,所述滤波操作为均值滤波或高斯滤波。
为解决上述技术问题,本发明实施例还公开了一种图像增强装置,图像增强装置包括:图像获取模块,适于获取待处理图像;初始滤波模块,适于在所述待处理图像上逐像素移动滑动窗口,每次移动所述滑动窗口后,对所述滑动窗口内的所有像素进行滤波操作,以得到滤波后的窗口图像;高频特征计算模块,适于每次移动所述滑动窗口后,计算所述滑动窗口的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的高频特征值;低频特征计算模块,适于每次移动所述滑动窗口后,对所述滤波后的窗口图像进行至少一次下采样操作,对每次下采样后的窗口图像进行滤波操作,并计算所述下采样后的窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的至少一种低频特征值;增强像素值计算模块,适于每次移动所述滑动窗口后,根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值,直至遍历完成所述待处理图像的所有像素。
本发明实施例还公开了一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行所述图像增强方法的步骤。
本发明实施例还公开了一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行所述图像增强方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明技术方案对待处理图像中的各个像素进行增强时,不仅计算像素的高频特征值,还通过至少一次下采样操作以及滤波操作确定待处理图像中的像素在不同的低频频率上的低频特征值;基于像素的高频特征值以及至少一种低频特征值确定像素的增强像素值,从而使得增强后的待处理图像在细节和边缘上均能够得到强化,使得图像的整体对比度得到提升,图像的清晰度更高,图像质量更高。此外,相对于小波边缘提取等算法,本发明方案的算法简单,不需要额外的迭代优化和后续处理,能够节省计算资源,提升图像处理效率。
附图说明
图1是本发明实施例一种图像增强方法的流程图;
图2是本发明实施例一种权值曲线的示意图;
图3是图1所示步骤S104的一种具体实施方式的示意图;
图4是本发明实施例另一种图像增强方法的流程图;
图5是本发明实施例一种图像增强装置的结构示意图。
具体实施方式
如背景技术中所述,现有技术中的检测算子精仅能对图像高频特征值进行增强,无法对图像低频处的细节信息进行增强;另外边缘检测算子大多对噪声比较敏感。而小波图像增强算法复杂度较高,计算量较大,因此不利于硬件实现。
本发明技术方案对待处理图像中的各个像素进行增强时,不仅计算像素的高频特征值,还通过至少一次下采样操作以及滤波操作确定待处理图像中的像素在不同的低频频率上的低频特征值;基于像素的高频特征值以及至少一种低频特征值确定像素的增强像素值,从而使得增强后的待处理图像在细节和边缘上均能够得到强化,使得图像的整体对比度得到提升,图像的清晰度更高,图像质量更高。此外,相对于小波边缘提取等算法,本发明方案的算法简单,不需要额外的迭代优化和后续处理,能够节省计算资源,提升图像处理效率。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例一种图像增强方法的流程图。
所述图像增强方法可以包括以下步骤:
步骤S101:获取待处理图像;
步骤S102:在所述待处理图像上逐像素移动滑动窗口,每次移动所述滑动窗口后,对所述滑动窗口内的所有像素进行滤波操作,以得到滤波后的窗口图像;
步骤S103:每次移动所述滑动窗口后,计算所述滑动窗口的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的高频特征值;
步骤S104:每次移动所述滑动窗口后,对所述滤波后的窗口图像进行至少一次下采样操作,对每次下采样后的窗口图像进行滤波操作,并计算所述下采样后的窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的至少一种低频特征值;
步骤S105:每次移动所述滑动窗口后,根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值,直至遍历完成所述待处理图像的所有像素。
需要指出的是,本实施例中各个步骤的序号并不代表对各个步骤的执行顺序的限定。
具体实施中,可以通过滑动窗口遍历待处理图像中的各个像素,滑动窗口内的中心像素为需要处理的像素,也即待增强的像素。窗口图像是指滑动窗口内的所有像素所形成的图像。
具体而言,滑动窗口的大小可以是N×N,单位为像素。由于在步骤S104中需要对滤波后的窗口图像进行至少一次下采样操作,因此为了保证下采样后的窗口图像的中心像素与采样前的窗口图像的中心像素为同一像素,因此可以设置N为奇数,且N=2n+1,n为正整数。
在步骤S102的具体实施中,在移动滑动窗口后,可以确定本次需要处理的窗口图像,并对窗口图像进行滤波。滤波后的窗口图像保留的是滤波前的窗口图像的低频信息。由于滤波前的窗口图像包括高频信息和低频信息,因此通过步骤S103,计算滑动窗口的中心像素在滤波操作前的像素值与滤波后的像素值的差值,可以获得中心像素的高频特征值。
例如,对于大小为n0×n0的窗口图像in_data_0,n0=2n+1,n为正整数。位置((n0-1)/2,(n0-1)/2)处为中心像素。对于滤波后的窗口图像in_data_filter_0,位置((n0-1)/2,(n0-1)/2)处为中心像素。可以采用以下公式计算中心像素的高频特征值layer0offset:in_data_0((n0-1)/2,(n0-1)/2)—in_data_filter_0((n0-1)/2,(n0-1)/2),其中,in_data_0((n0-1)/2,(n0-1)/2)表示中心像素在窗口图像in_data_0中的像素值,in_data_filter_0((n0-1)/2,(n0-1)/2)表示中心像素在滤波后的窗口图像in_data_filter_0中的像素值。
在步骤S104的具体实施中,对所述滤波后的窗口图像进行至少一次下采样操作以及滤波操作。下采样后的窗口图像相对于下采样前的窗口图像具备更低的频率。利用下采样后的窗口图像在滤波前后的像素差异,可以获得中心像素的至少一种低频特征值。
需要说明的是,下采样后的窗口图像的中心像素与下采样前的窗口图像的中心像素为同一像素。
例如,滤波后的窗口图像in_data_filter_0大小为n0×n0,n0=2n+1,n为正整数。对滤波后的窗口图像in_data_filter_0进行一次下采样操作,得到下采样后的窗口图像in_data_1,下采样后的窗口图像in_data_1大小为n1×n1,其中n1=(n0+1)/2,位置((n1-1)/2,(n1-1)/2)处为中心像素,该中心像素与滤波后的窗口图像in_data_filter_0中的中心像素为同一像素。对于滤波后的采样后的窗口图像in_data_filter_1,可以采用以下公式计算位置((n1-1)/2,(n1-1)/2)中心像素的低频特征值layer1offset:in_data_1((n1-1)/2,(n1-1)/2)—in_data_filter_1((n1-1)/2,(n1-1)/2)。
可以理解的是,对下采样后窗口图像再次进行下采样操作以及滤波操作的具体过程可以参照上述过程,同理,进行三次下采样操作以及更多次下采样操作的具体过程也可以参照上述过程。
进而在步骤S105的具体实施中,可以根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值。进一步地,图1所示图像增强方法还可以将待处理图像中该中心像素的原始像素值替换为中心像素的增强像素值,以完成对所述中心像素的增强。
可以理解的是,滑动窗口每移动一次,执行一次上述步骤S102至步骤S105,并得到中心像素的增强像素值。当滑动窗口遍历完成所述待处理图像的所有像素后,可以得到待处理图像的所有像素的增强像素值。将待处理图像中所有像素的原始像素值均替换为其增强像素值后,可以得到增强后的待处理图像。
本发明实施例对待处理图像中的各个像素进行增强时,不仅计算像素的高频特征值,还通过至少一次下采样操作以及滤波操作确定待处理图像中的像素在不同的低频频率上的低频特征值;基于像素的高频特征值以及至少一种低频特征值确定像素的增强像素值,从而使得增强后的待处理图像在细节和边缘上均能够得到强化,使得图像的整体对比度得到提升,图像的清晰度更高,图像质量更高。此外,相对于小波边缘提取等算法,本发明实施例的算法简单,不需要额外的迭代优化和后续处理,能够节省计算资源,提升图像处理效率。
本发明一个非限制性的实施例中,所述待处理图像为亮度图像,所述中心像素的像素值为亮度值。
具体实施中,对待处理图像中像素的像素值进行增强是指对像素的亮度值进行增强。由此,所述待处理图像为亮度图像,例如,YUV图像,亮度图像中各个像素具备亮度值。
进一步而言,如果待处理图像为彩色图像,例如,RGB图像,则在图1所示步骤S101之后,可以将所述待处理图像转换为所述亮度图像。
可以理解的是,将彩色图像转换为亮度图像,例如将RGB图像转换为YUV图像的具体实施方式可参照现有技术,本发明实施例对此不做限制。
本发明一个非限制性的实施例中,所述滤波操作为均值滤波或高斯滤波。
具体实施中,在图1所示步骤S102和步骤S104中的滤波操作可以是均值滤波或高斯滤波。
本发明一个非限制性的实施例中,图1所示步骤S105可以包括以下步骤:根据所述高频特征值的大小以及所述至少一种低频特征值的大小以及各个特征值大小与权值的对应关系,分别确定所述高频特征值对应的权值以及至少一种低频特征值对应的权值;计算所述高频特征值与其对应的权值的乘积,以及所述至少一种低频特征值与其对应的权值的乘积;计算各个乘积之和,以作为所述中心像素的增强像素值。
本实施例中,各个特征值大小与权值的对应关系可以是预先设置的。高频特征值对应的权值能够影响高频特征值在增强像素值中的比例,至少一种低频特征值对应的权值能够影响所述至少一种低频特征值在增强像素值中的比例。
例如,高频特征值layer0offset对应的权值为layer0_ratio,低频特征值layer1offset对应的权值为layer1_ratio,那么可以采用以下公式计算增强像素值offset:layer0offset×layer0_ratio+layer1offset×layer1_ratio。
相应地,如果计算得到两个低频特征值layer1offset以及layer2offset,且低频特征值layer2offset对应的权值为layer2_ratio。那么可以采用以下公式计算增强像素值offset:layer0offset×layer0_ratio+layer1offset×layer1_ratio+layer2offset×layer2_ratio。
本发明一个非限制性的实施例中,所述窗口图像以及采样后的窗口图像分别对应权值曲线,所述权值曲线表示特征值的大小与权值大小的对应关系。请参照图2,图2中所示曲线的横坐标表示特征值,纵坐标表示权值。对于不同的特征值a、b、d,其对应的权值也不同,特征值b和特征值c对应的权值相同。
进一步地,对于窗口图像以及采样后的窗口图像,可以对应相同的权值曲线,也可以对应不同的权值曲线。
需要说明的是,图2作为示例仅示出了一种权值曲线。权值曲线的变化趋势可以根据实际的应用环境进行自定义设置,本发明实施例对此不作限制。
图1所示步骤S105可以包括以下步骤:
根据计算所述高频特征值所依据的窗口图像确定所述高频特征值对应的权值曲线,以及根据计算所述至少一种低频特征值所依据的窗口图像确定所述至少一种低频特征值对应的权值曲线;根据所述高频特征值的大小及其对应的权值曲线确定所述高频特征值对应的权值,以及根据所述至少一种低频特征值的大小及其对应的权值曲线确定所述至少一种低频特征值对应的权值;计算所述高频特征值与其对应的权值的乘积,以及所述至少一种低频特征值与其对应的权值的乘积;计算各个乘积之和,以作为所述中心像素的增强像素值。
本实施例中,由于窗口图像以及采样后的窗口图像可以对应不同的权值曲线,因此需要先确定高频特征值对应的权值曲线以及低频特征值对应的权值曲线。并分别利用高频特征值对应的权值曲线确定高频特征值对应的权值,以及利用低频特征值对应的权值曲线确定低频特征值对应的权值。
增强像素值的具体计算过程可参照前述实施例的相关描述,此处不再赘述。
本发明一个优选实施例中,所述至少一种低频特征值包括第一低频特征值和第二低频特征值。
请参照图3,图1所示步骤S104可以包括以下步骤:
步骤S301:对所述滤波后的窗口图像进行下采样操作,以得到第一窗口图像;
步骤S302:对所述第一窗口图像进行滤波操作,并计算所述第一窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的所述第一低频特征值;
步骤S303:对滤波后的第一窗口图像进行下采样操作,以得到第二窗口图像;
步骤S304:对所述第二窗口图像进行滤波操作,并计算所述第二窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的所述第二低频特征值。
本实施例中,第一窗口图像是对滤波后的窗口图像进行一次下采样操作后的图像,第二窗口图像是对滤波后的第一窗口图像进行一次下采样操作后的图像。也就是说,第二窗口图像相对于滤波后的窗口图像而言,进行了两次下采样操作。由此,通过第一窗口图像计算的第一低频特征值以及通过第二窗口图像计算的第二特征值可以表征待处理图像中更丰富的低频信息。
在具体实施中,对图像进行多次下采样操作可以使用金字塔算法来实现,以获得多种尺度下的图像,也即具备不同分辨率的图像。
本领域技术人员应当理解的是,进行更多次的下采样操作会浪费更多的计算资源,而计算第一低频特征值和第二低频特征值这两种低频信息可以在兼顾增强效果的基础上减小计算量。
在本发明一个非限制性的例子中,图像增强的各个步骤请参照图4。
执行步骤S401,输入大小为n0×n0的图像块。
执行步骤S402,对图像块执行滤波操作。
执行步骤S403,对图像块执行下采样操作,以得到大小为n1×n1的第一窗口图像,其中,n1=(n0+1)/2。
执行步骤S404,对图像块中的中心像素和第一窗口图像的中心像素进行减法操作,以得到高频特征值layer0offset。
执行步骤S405,确定权值layer0_ratio。
执行步骤S406,对高频特征值layer0offset与权值layer0_ratio执行乘法操作。
执行步骤S407,对第一窗口图像执行滤波操作。
执行步骤S408,对第一窗口图像执行下采样操作,以得到大小为n2×n2的第二窗口图像,其中,n2=(n1+1)/2。
执行步骤S409,对第一窗口图像中的中心像素和第二窗口图像的中心像素进行减法操作,以得到第一低频特征值layer1offset。
执行步骤S410,确定权值layer1_ratio。
执行步骤S411,对第一低频特征值layer1offset与权值layer1_ratio执行乘法操作。
执行步骤S412,对第二窗口图像执行滤波操作。
执行步骤S413,对第二窗口图像中的中心像素和滤波后的第二窗口图像的中心像素进行减法操作,以得到第二低频特征值layer2offset。
执行步骤S414,确定权值layer2_ratio。
执行步骤S415,对第二低频特征值layer2offset与权值layer2_ratio执行乘法操作。
执行步骤S416,对步骤S406、步骤S411以及步骤S415的结果进行加和操作,已得到中心像素的增强像素值offset。
执行步骤S417,输出offset。
关于本实施例的更多具体实施方式,可参照前述图1至图3所示实施例,此处不再赘述。
请参照图5,本发明实施例还公开了一种图像增强装置50。图像增强装置50包括:图像获取模块501、初始滤波模块502、高频特征计算模块503、低频特征计算模块504和增强像素值计算模块505。
其中,图像获取模块501适于获取待处理图像;初始滤波模块502适于在所述待处理图像上逐像素移动滑动窗口,每次移动所述滑动窗口后,对所述滑动窗口内的所有像素进行滤波操作,以得到滤波后的窗口图像;高频特征计算模块503适于每次移动所述滑动窗口后,计算所述滑动窗口的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的高频特征值;低频特征计算模块504适于每次移动所述滑动窗口后,对所述滤波后的窗口图像进行至少一次下采样操作,对每次下采样后的窗口图像进行滤波操作,并计算所述下采样后的窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的至少一种低频特征值;增强像素值计算模块505适于每次移动所述滑动窗口后,根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值,直至遍历完成所述待处理图像的所有像素。
关于所述图像增强装置50的工作原理、工作方式的更多内容,可以参照图1至图2中的相关描述,这里不再赘述。
本发明实施例还公开了一种存储介质,其上存储有计算机指令,所述计算机指令运行时可以执行图1至图4中所示方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。
本发明实施例还公开了一种终端,所述终端可以包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行图1至图4中所示方法的步骤。所述终端包括但不限于手机、计算机、平板电脑等终端设备。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种图像增强方法,其特征在于,包括:
获取待处理图像;
在所述待处理图像上逐像素移动滑动窗口,每次移动所述滑动窗口后,对所述滑动窗口内的所有像素进行滤波操作,以得到滤波后的窗口图像;
每次移动所述滑动窗口后,计算所述滑动窗口的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的高频特征值;
每次移动所述滑动窗口后,对所述滤波后的窗口图像进行至少一次下采样操作,对每次下采样后的窗口图像进行滤波操作,并计算所述下采样后的窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的至少一种低频特征值;
每次移动所述滑动窗口后,根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值,直至遍历完成所述待处理图像的所有像素。
2.根据权利要求1所述的图像增强方法,其特征在于,所述根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值包括:
根据所述高频特征值的大小、所述至少一种低频特征值的大小以及各个特征值大小与权值的对应关系,分别确定所述高频特征值对应的权值以及至少一种低频特征值对应的权值;
计算所述高频特征值与其对应的权值的乘积,以及所述至少一种低频特征值与其对应的权值的乘积;
计算各个乘积之和,以作为所述中心像素的增强像素值。
3.根据权利要求1所述的图像增强方法,其特征在于,所述窗口图像以及采样后的窗口图像分别对应权值曲线,所述权值曲线表示特征值的大小与权值大小的对应关系,所述根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值包括:
根据计算所述高频特征值所依据的窗口图像确定所述高频特征值对应的权值曲线,以及根据计算所述至少一种低频特征值所依据的窗口图像确定所述至少一种低频特征值对应的权值曲线;
根据所述高频特征值的大小及其对应的权值曲线确定所述高频特征值对应的权值,以及根据所述至少一种低频特征值的大小及其对应的权值曲线确定所述至少一种低频特征值对应的权值;
计算所述高频特征值与其对应的权值的乘积,以及所述至少一种低频特征值与其对应的权值的乘积;
计算各个乘积之和,以作为所述中心像素的增强像素值。
4.根据权利要求1所述的图像增强方法,其特征在于,所述至少一种低频特征值包括第一低频特征值和第二低频特征值,所述对所述滤波后的窗口图像进行至少一次下采样操作,对每次下采样后的窗口图像进行滤波操作,并计算所述下采样后的窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值包括:
对所述滤波后的窗口图像进行下采样操作,以得到第一窗口图像;
对所述第一窗口图像进行滤波操作,并计算所述第一窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的所述第一低频特征值;
对滤波后的第一窗口图像进行下采样操作,以得到第二窗口图像;
对所述第二窗口图像进行滤波操作,并计算所述第二窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的所述第二低频特征值。
5.根据权利要求1所述的图像增强方法,其特征在于,所述待处理图像为亮度图像,所述中心像素的像素值为亮度值。
6.根据权利要求5所述的图像增强方法,其特征在于,所述获取待处理图像之后还包括:
如果所述待处理图像为彩色图像,则将所述待处理图像转换为所述亮度图像。
7.根据权利要求1至6任一项所述的图像增强方法,其特征在于,所述滤波操作为均值滤波或高斯滤波。
8.一种图像增强装置,其特征在于,包括:
图像获取模块,适于获取待处理图像;
初始滤波模块,适于在所述待处理图像上逐像素移动滑动窗口,每次移动所述滑动窗口后,对所述滑动窗口内的所有像素进行滤波操作,以得到滤波后的窗口图像;
高频特征计算模块,适于每次移动所述滑动窗口后,计算所述滑动窗口的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的高频特征值;
低频特征计算模块,适于每次移动所述滑动窗口后,对所述滤波后的窗口图像进行至少一次下采样操作,对每次下采样后的窗口图像进行滤波操作,并计算所述下采样后的窗口图像的中心像素在滤波操作前的像素值与滤波后的像素值的差值,以得到所述中心像素的至少一种低频特征值;
增强像素值计算模块,适于每次移动所述滑动窗口后,根据所述中心像素的高频特征值以及至少一种低频特征值确定所述中心像素的增强像素值,直至遍历完成所述待处理图像的所有像素。
9.一种存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行权利要求1至7中任一项所述图像增强方法的步骤。
10.一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1至7中任一项所述图像增强方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811516805.6A CN111311499B (zh) | 2018-12-12 | 2018-12-12 | 图像增强方法及装置、存储介质、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811516805.6A CN111311499B (zh) | 2018-12-12 | 2018-12-12 | 图像增强方法及装置、存储介质、终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311499A true CN111311499A (zh) | 2020-06-19 |
CN111311499B CN111311499B (zh) | 2022-08-23 |
Family
ID=71158186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811516805.6A Active CN111311499B (zh) | 2018-12-12 | 2018-12-12 | 图像增强方法及装置、存储介质、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311499B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706954A (zh) * | 2009-11-13 | 2010-05-12 | 北京中星微电子有限公司 | 图像增强方法和装置以及图像低频分量计算方法和装置 |
CN102214357A (zh) * | 2011-06-22 | 2011-10-12 | 王洪剑 | 一种图像增强方法及系统 |
US20130071024A1 (en) * | 2011-09-21 | 2013-03-21 | Industry-University Cooperation Foundation Sogang University | Image processing method and image processing apparatus |
CN103345726A (zh) * | 2013-06-14 | 2013-10-09 | 华为技术有限公司 | 图像去噪处理方法、装置和终端 |
US20170256037A1 (en) * | 2016-03-01 | 2017-09-07 | Realtek Semiconductor Corp. | Image de-noising method and apparatus thereof |
CN108230255A (zh) * | 2017-09-19 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于实现图像增强的方法、装置和电子设备 |
-
2018
- 2018-12-12 CN CN201811516805.6A patent/CN111311499B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706954A (zh) * | 2009-11-13 | 2010-05-12 | 北京中星微电子有限公司 | 图像增强方法和装置以及图像低频分量计算方法和装置 |
CN102214357A (zh) * | 2011-06-22 | 2011-10-12 | 王洪剑 | 一种图像增强方法及系统 |
US20130071024A1 (en) * | 2011-09-21 | 2013-03-21 | Industry-University Cooperation Foundation Sogang University | Image processing method and image processing apparatus |
CN103345726A (zh) * | 2013-06-14 | 2013-10-09 | 华为技术有限公司 | 图像去噪处理方法、装置和终端 |
US20170256037A1 (en) * | 2016-03-01 | 2017-09-07 | Realtek Semiconductor Corp. | Image de-noising method and apparatus thereof |
CN108230255A (zh) * | 2017-09-19 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于实现图像增强的方法、装置和电子设备 |
Non-Patent Citations (1)
Title |
---|
吴子岳等: "《自适应图像增强的差值哈希算法对运动目标的跟踪定位研究》", 《全球定位系统》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111311499B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chandel et al. | Image filtering algorithms and techniques: A review | |
US8380000B2 (en) | Methods of deblurring image and recording mediums having the same recorded thereon | |
US20140355901A1 (en) | Algorithm for minimizing latent sharp image cost function and point spread function cost function with a spatial mask in a regularization term | |
CN103235949B (zh) | 图像兴趣点检测方法和装置 | |
US9965832B2 (en) | Method for performing super-resolution on single images and apparatus for performing super-resolution on single images | |
JP2015225665A (ja) | 画像ノイズ除去方法及び画像ノイズ除去装置 | |
CN105144232A (zh) | 图像去噪方法和系统 | |
CN110570440A (zh) | 一种基于深度学习边缘检测的图像自动分割方法及装置 | |
WO2014070273A1 (en) | Recursive conditional means image denoising | |
US20160335747A1 (en) | Scale adaptive blind deblurring | |
CN113344820B (zh) | 图像处理方法及装置、计算机可读介质、电子设备 | |
CN111415317B (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
JPWO2012098854A1 (ja) | 画像処理システム、画像処理方法および画像処理用プログラム | |
WO2023154006A2 (en) | Method and system for a high-frequency attention network for efficient single image super-resolution | |
CN106846250B (zh) | 一种基于多尺度滤波的超分辨率重建方法 | |
US20150213583A1 (en) | Image Prior as a Shared Basis Mixture Model | |
US11109005B2 (en) | Device, system and method for enhancing one or more of high contrast regions and text regions in projected images | |
Jose et al. | Bilateral edge detectors | |
Cao et al. | Single image motion deblurring with reduced ringing effects using variational Bayesian estimation | |
KR20160038683A (ko) | 적응적 전/후처리 필터링을 이용하는 초해상도 영상 처리 방법 | |
CN111311499B (zh) | 图像增强方法及装置、存储介质、终端 | |
Kim et al. | Demosaicking using geometric duality and dilated directional differentiation | |
US20230368347A1 (en) | Methods for enhancing resolution and reducing noise in multi-frame images | |
CN113379785B (zh) | 一种融合边界先验与频域信息的显著性目标检测方法 | |
Liu et al. | Hybrid regularized blur kernel estimation for single-image blind deconvolution |
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 |