CN111383190A - 图像处理设备和方法 - Google Patents

图像处理设备和方法 Download PDF

Info

Publication number
CN111383190A
CN111383190A CN201911263395.3A CN201911263395A CN111383190A CN 111383190 A CN111383190 A CN 111383190A CN 201911263395 A CN201911263395 A CN 201911263395A CN 111383190 A CN111383190 A CN 111383190A
Authority
CN
China
Prior art keywords
image
weight
current frame
value
frame image
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
Application number
CN201911263395.3A
Other languages
English (en)
Other versions
CN111383190B (zh
Inventor
李度勳
朴珍雨
李珍昊
朴敬珍
李兴烈
全炫奎
李敏智
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.)
LX Semicon Co Ltd
Original Assignee
Silicon Works Co Ltd
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 Silicon Works Co Ltd filed Critical Silicon Works Co Ltd
Publication of CN111383190A publication Critical patent/CN111383190A/zh
Application granted granted Critical
Publication of CN111383190B publication Critical patent/CN111383190B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/92—
    • G06T5/70—
    • G06T5/73—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
    • G06T5/90—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2320/00—Control of display operating conditions
    • G09G2320/06—Adjustment of display parameters
    • G09G2320/066—Adjustment of display parameters for control of contrast

Abstract

本公开提供了一种图像处理设备和方法，其能够在增强图像的对比度时去除光晕伪像并且提高对比度增强效果。该图像处理方法包括：通过基于前一帧图像的具有预定大小的块中的每个的代表值执行插值，获得第一模糊图像；通过当前帧图像与第一模糊图像的加权和，获得边界信息在其中被恢复的第二模糊图像；以及通过使用第二模糊图像与当前帧图像之间的差值图像，对当前帧图像执行对比度增强。

Description

图像处理设备和方法
技术领域
各个实施方式总体上涉及一种显示设备，并且更具体地，涉及一种用于改善图像的对比度的图像处理设备和方法。
背景技术
通常，与人眼感知到的对比度的动态范围相比，成像设备的动态范围是有限的。显示设备增强输入图像的对比度，以表现出与人眼观察到的场景类似的捕获图像。
作为增强图像的对比度的方法之一，在本领域中公开了反锐化掩模(unsharpmasking)。反锐化掩模作为一种基于模糊图像增强图像的对比度的方法，大量用于局部对比度增强。
然而，在拍摄大范围模糊的图像的情况下，反锐化掩模可能遇到在边界附近出现严重的光晕伪像的问题，或者在拍摄小范围内模糊的图像的情况下，可能遇到很难预期较高的局部对比度增强效果的问题。
发明内容
各种实施方式涉及一种图像处理设备和方法，该图像处理设备和方法能够在增强图像的对比度时去除光晕伪像并且提高对比度增强效果。
在实施方式中，图像处理方法可以包括：通过基于前一帧图像的具有预定大小的块中的每个的代表值执行插值，获得第一模糊图像；通过当前帧图像与第一模糊图像的加权和，获得边界信息在其中被恢复的第二模糊图像；以及通过使用第二模糊图像与当前帧图像之间的差值图像，对当前帧图像执行对比度增强。
在实施方式中，一种适于对输入图像执行对比度增强的图像处理设备可以包括：处理器，配置成通过基于前一帧图像的具有预定大小的块中的每个的代表值执行插值来获得第一模糊图像，通过当前帧图像与第一模糊图像的加权和来获得边界信息在其中被恢复的第二模糊图像，并且通过使用第二模糊图像与当前帧图像之间的差值图像来对当前帧图像执行对比度增强。
根据本公开的实施方式，由于通过基于前一帧图像的具有预定大小的块中的每个的代表值执行插值来获得第一模糊图像，因此可以提高对比度增强效果。
此外，根据本公开的实施方式，由于使用当前帧图像和第一模糊图像来计算第一模糊图像的第一权重和当前帧图像的第二权重，并且具有经恢复的边界信息的第二模糊图像是通过根据第一权重和第二权重对当前帧图像和第一模糊图像进行加权平均而获得的，因此可以有效地去除在对比度增强中出现的光晕伪像。
附图说明
图1是用于帮助对根据本公开的实施方式的图像处理设备和方法进行说明的框图的示例的表示。
图2是用于帮助对根据本公开的实施方式的将前一帧图像划分成具有预定大小的块单元的过程进行说明的图的示例的表示。
图3是使用像素的平均值作为图2的块中的每个的代表值的示例图。
图4是示出通过基于图2的块中的每个的代表值执行插值来获得第一模糊图像的过程的示例的表示的图。
图5是示出根据本公开的实施方式通过计算模糊图像的权重和当前帧图像的权重来获得具有经恢复的边界信息的模糊图像的过程的示例的表示的图。
具体实施方式
在下文中，将参考附图详细描述本公开的实施方式。在本文中和权利要求中使用的术语不应被解释为限于一般含义或词典含义，而应基于与本公开的技术方面对应的含义和概念来解释。
在本文中描述的实施方式和在附图中示出的配置是本公开的优选实施方式，并且由于它们不代表本公开的所有技术特征，因此其可以是在进行申请时可以对其作出的多种等同和修改。
本公开的实施方式提供了一种图像处理设备和方法，该图像处理设备和方法能够在对输入图像执行对比度增强时去除光晕伪像并提高对比度增强效果。
本公开的实施方式可以使用第一模糊图像和第二模糊图像来增强输入图像的对比度。第一模糊图像可以限定为通过使用前一帧图像的块的代表值进行插值而获得的图像，并且第二模糊图像可以限定为根据当前帧图像以及加权和而具有恢复的边界信息的图像。
图1是用于帮助对根据本公开的实施方式的图像处理设备和方法进行说明的框图的示例的表示。
参考图1，图像处理设备对接收到的输入图像执行对比度增强，并且输出通过对色差信息进行补偿而获得的结果图像作为输出图像。
首先，对接收到的输入图像执行对比度增强的过程可以描述如下。
处理器100通过基于输入图像的前一帧图像的具有预定大小的块中的每个的代表值来执行插值，获得第一模糊图像。
详细描述获得第一模糊图像的过程，处理器100根据在图像的亮度信息中增强局部对比度的目的通过局部对比度增强，将输入图像的前一(t-1)帧图像的R、G和B数据转换成亮度值(S1)，将前一(t-1)帧图像划分成具有预定大小的块，并且计算所述块中的每个的代表值(S2)，对所述块中的每个的代表值进行滤波(S3)，并且通过基于所述块中的每个的代表值对原始图像的大小执行插值，来获得第一模糊图像(S4)。
图1的滤波步骤S3可以去除可能在对先前获得的块的代表值直接执行插值时出现的伪像。在基于块的计算中出现最频繁的代表性伪像是块效应(blocking artifact)。
图1的实施方式示出，当对块中的每个的代表值进行计算时，将前一(t-1)帧图像划分成具有预定大小的块，并且然后通过对包括在块中的像素的值取平均来计算块中的每个的代表值。当对块中的每个的代表值进行计算时，可以计算与块的像素的值有关的平均值、中值和池化值(pooling value)中的至少一个作为每个块的代表值。
在图1的插值步骤S4中，基于针对块中的每个获得的代表值来对原始图像的大小执行插值，并且通过插值获得的图像可以根据插值权重表替换现有的模糊图像。上述方案作为基于反锐化掩模的算法，需要大范围模糊的图像以提高对比度增强效果。在这方面，当基于当前帧图像简单地获取大范围模糊的图像时，在硬件成本方面需要大量的帧缓冲器。然而，在将上述方案用于本实施方式中的情况下，仅需要占用仅用于存储前一帧图像的块的代表值的空间的缓冲器，并且因此，可以在硬件成本方面具有优势。
处理器100可以通过当前(t)帧图像与第一模糊图像的加权和来获得第二模糊图像，在第二模糊图像中恢复边界信息。
详细描述获得具有经恢复的边界信息的第二模糊图像的过程，处理器100将当前(t)帧图像的R、G和B数据转换成亮度值(S5)，通过使用当前(t)帧图像和第一模糊图像来计算第一模糊图像的第一权重和当前(t)帧图像的第二权重，并且通过将第一权重施加到第一模糊图像和将第二权重施加到当前帧(t)图像进行加权平均来获得第二模糊图像(S6)。
在图1的加权和步骤S6中，由于通过插值获得的第一模糊图像不保留边界信息，因此通过利用当前帧图像与第一模糊图像之间的信息来获得具有经恢复的边界信息的第二模糊图像。在本实施方式中，由于通过使用当前帧图像与第一模糊图像之间的信息获取到具有经恢复的边界信息的第二模糊图像，因此，不需要大容量帧缓冲器和边界检测算法，其中，大容量帧缓冲器用于存储在其中保留有边界信息的现有模糊图像。
在本实施方式的情况下，通过仅使用与帧缓冲器有关的信息以及与第一模糊图像和当前帧图像有关的信息来计算第一权重和第二权重，从而获得在其中恢复边界信息的新的第二模糊图像，其中，帧缓冲器存储块中的每个的代表值，第一模糊图像通过插值而获得。因此，本实施方式可以提供这样的优势：不需要用于存储与外围像素有关的信息的大尺寸缓冲器。
处理器100可以以这样的方式对第一权重和第二权重进行计算：根据在当前帧(t)图像中当前位置周围的代表值之中的最大值与最小值之间的差，来增大或减小第一权重和第二权重，并且根据在当前位置处当前帧图像的值与第一模糊图像的值之间的差，来增大或减小第一权重和第二权重。当前位置可以限定为获取具有经恢复的边界信息的第二模糊图像的位置。
例如，当对第一权重和第二权重进行计算时，随着当前位置周围的代表值的最大值与最小值之间的差变大，处理器100可以减小第一权重并且增大第二权重，因此不会在恢复边界信息时出现光晕伪像。
另外，当对第一权重和第二权重进行计算时，随着在当前位置处当前帧图像的值与第一模糊图像的值之间的差变大，处理器100可以增大第一权重并且减小第二权重，以提高对比度增强。
处理器100可以通过使用第二模糊图像与当前(t)帧图像之间的差异图像来对当前帧图像执行对比度增强。具体地，处理器100获得第二模糊图像与当前(t)帧图像之间的差值图像(S7)，并且通过对当前(t)帧图像与差值图像求和(S8)，增强与当前(t)帧图像的亮度信息有关的对比度(S9)。
处理器100可以对被执行对比度增强的当前帧图像的色差信息进行补偿(S11)。例如，处理器100可以通过将亮度信息的变化施加到色差信息来对色差信息进行补偿，来防止待作为结果图像输出的输出图像劣化。
图2是用于帮助对根据本公开的实施方式的将前一帧图像划分成具有预定大小的块单元的过程进行说明的图的示例的表示，以及图3是使用像素的平均值作为图2的块中的每个的代表值的示例图。在图3中，M和N表示具有预定大小的块单元的水平长度和竖直长度。
参考图2和图3，示出了将在图1中的块中的每个的代表值计算为像素的平均值。
当通过光栅扫描方法在硬件上输入输入图像时，针对初始设置的每个块大小来计算代表值，并且然后，将数据写入缓冲器以存储该代表值。作为其示例，可以如图3中所示地使用平均值，并且可以使用中值或一般的池化值。
图4是示出通过基于图2的块中的每个的代表值执行插值来获得第一模糊图像的过程的示例的表示的图。
参考图4，作为图1的插值步骤S4的示例，示出了双三次插值。
在如图4中所示地执行插值的情况下，帧缓冲器的大小可以根据图像的大小和块的大小而变化。在将帧缓冲器的大小设置成小于用于获得最小第一模糊图像的缓冲器的情况下，在硬件方面，可能实现节约型设计。作为在此时使用的插值，除了上文作为示例提及的双三次插值之外，还可以使用诸如双线性插值的多种方案。
图5是示出根据本公开的实施方式通过计算模糊图像的权重和当前帧图像的权重来获得具有经恢复的边界信息的模糊图像的过程的示例的表示的图。
参考图1和图5，本实施方式的目的在于有效地去除在基于反锐化掩模执行局部对比度增强时出现的光晕伪像。因此，可以通过使用在其中恢复边界信息的模糊图像作为将在反锐化掩模中使用的模糊图像，来去除光晕伪像。
在本实施方式中，可以通过基于存储在帧缓冲器中的“当前位置周围的模糊图像的代表值”、“在当前位置处的输入图像值”以及“通过执行插值获得的值”来计算第一权重和第二权重，以获得新的第二模糊图像。
作为第一权重和第二权重的示例，W1可以是
Figure BDA0002312194420000061
并且w2可以是
Figure BDA0002312194420000062
更详细地描述图5和以上等式，在本实施方式中，可以以这样的方式对第一权重和第二权重进行计算：根据在当前帧(t)图像中当前位置周围的代表值之中的最大值V1与最小值V2之间的差来增大或减小第一权重和第二权重，并且根据在当前位置处的当前帧图像的值V3与在当前位置处的第一模糊图像的值V4之间的差来增大或减小第一权重和第二权重。
例如，在本实施方式中，当对第一权重和第二权重进行计算时，随着当前位置周围的代表值的最大值V1和最小值V2之间的差变大，第一权重可以减小并且第二权重可以增大，因此可能不会在恢复边界信息时出现光晕伪像。
另外，当对第一权重和第二权重进行计算时，随着在当前位置处的当前帧图像的值V3与在当前位置处的第一模糊图像的值V4之间的差变大，处理器100可以增大第一权重并且减小第二权重，从而提高对比度增强。
从以上描述显而易见的是，根据本公开的实施方式，由于通过基于前一帧图像的具有预定大小的块中的每个的代表值执行插值，来获得第一模糊图像，因此可能提高对比度增强效果。
此外，由于使用当前帧图像和第一模糊图像来计算第一模糊图像的第一权重和当前帧图像的第二权重，并且通过根据第一权重和第二权重将当前帧图像和第一模糊图像加权平均，获得具有经恢复的边界信息的第二模糊图像，因此可以有效地去除在对比度增强中出现的光晕伪像。
尽管以上已经描述了各种实施方式，但是本领域技术人员将理解，所描述的实施方式仅是示例性的。因此，不应基于所描述的实施方式来限制在本文中所描述的公开内容。

Claims (20)

1.一种图像处理方法，包括：
通过基于前一帧图像的具有预定大小的块中的每个的代表值执行插值，来获得第一模糊图像；
通过当前帧图像与所述第一模糊图像的加权和，来获得第二模糊图像，在所述第二模糊图像中边界信息被恢复；以及
通过使用所述第二模糊图像与所述当前帧图像之间的差值图像，来对所述当前帧图像执行对比度增强。
2.根据权利要求1所述的图像处理方法，其中，获得所述第一模糊图像包括：
将所述前一帧图像的R、G和B数据转换成亮度值；
将所述前一帧图像划分成具有所述预定大小的块，并计算所述块中的每个的代表值；以及
通过基于所述块中的每个的代表值对原始图像的大小执行插值，来获得所述第一模糊图像。
3.根据权利要求2所述的图像处理方法，其中，计算所述块中的每个的代表值是通过使用与所述块中的每个的像素值有关的平均值、中值和池化值中的至少一个来计算所述代表值。
4.根据权利要求1所述的图像处理方法，其中，获得所述第二模糊图像包括：
通过使用所述当前帧图像和所述第一模糊图像，来计算所述第一模糊图像的第一权重和所述当前帧图像的第二权重；以及
通过将所述第一权重施加到所述第一模糊图像且将所述第二权重施加到所述当前帧图像的加权平均，来获得所述第二模糊图像。
5.根据权利要求4所述的图像处理方法，其中，计算所述第一权重和所述第二权重是根据在所述当前帧图像中的当前位置周围的代表值之中的最大值与最小值之间的差来增大或减小所述第一权重和所述第二权重，并且根据在所述当前位置处所述当前帧图像的值与所述第一模糊图像的值之间的差来增大或减小所述第一权重和所述第二权重。
6.根据权利要求5所述的图像处理方法，其中，随着所述当前位置周围的代表值的所述最大值与所述最小值之间的差变大，所述第一权重减小并且所述第二权重增大，以使得在恢复所述边界信息时不出现光晕伪像。
7.根据权利要求6所述的图像处理方法，其中，随着在所述当前位置处所述当前帧图像的值与所述第一模糊图像的值之间的差变大，所述第一权重增大并且所述第二权重减小，以提高对比度增强。
8.根据权利要求1所述的图像处理方法，其中，对所述当前帧图像执行所述对比度增强包括：
获得所述第二模糊图像与所述当前帧图像之间的差值图像；以及
通过所述当前帧图像与所述差值图像之和，来增强所述当前帧图像的对比度。
9.根据权利要求1所述的图像处理方法，还包括：
对被执行所述对比度增强的所述当前帧图像的色差信息进行补偿。
10.根据权利要求9所述的图像处理方法，其中，补偿所述色差信息通过将亮度信息的变化施加到所述色差信息，来防止待输出的结果图像的劣化。
11.一种适于对输入图像执行对比度增强的图像处理设备，包括：
处理器，配置成通过基于前一帧图像的具有预定大小的块中的每个的代表值执行插值来获得第一模糊图像，通过当前帧图像与所述第一模糊图像的加权和来获得边界信息在其中被恢复的第二模糊图像，并且通过使用所述第二模糊图像与所述当前帧图像之间的差值图像来对所述当前帧图像执行对比度增强。
12.根据权利要求11所述的图像处理设备，其中，所述处理器将所述前一帧图像的R、G和B数据转换成亮度值，将所述前一帧图像划分成具有所述预定大小的块，并计算所述块中的每个的代表值，并且通过基于所述块中的每个的代表值对原始图像的大小执行插值，来获得所述第一模糊图像。
13.根据权利要求12所述的图像处理设备，其中，所述处理器计算与所述块中的每个的像素值有关的平均值、中值和池化值中的至少一个，作为所述块中的每个的代表值。
14.根据权利要求11所述的图像处理设备，其中，所述处理器通过使用所述当前帧图像和所述第一模糊图像，来计算所述第一模糊图像的第一权重和所述当前帧图像的第二权重，并且通过将所述第一权重施加到所述第一模糊图像和将所述第二权重施加到所述当前帧图像的加权平均，来获得所述第二模糊图像。
15.根据权利要求14所述的图像处理设备，其中，所述处理器通过根据在所述当前帧图像中当前位置周围的代表值之中的最大值与最小值之间的差而增大或减小所述第一权重和所述第二权重，并且通过根据在所述当前位置处所述当前帧图像的值与所述第一模糊图像的值之间的差而增大或减小所述第一权重和所述第二权重，来计算所述第一权重和所述第二权重。
16.根据权利要求15所述的图像处理设备，其中，当计算所述第一权重和所述第二权重时，随着所述当前位置周围的代表值的所述最大值与所述最小值之间的差变大，所述处理器减小所述第一权重并且增大所述第二权重，以使得在恢复所述边界信息时不出现光晕伪像。
17.根据权利要求16所述的图像处理设备，其中，当计算所述第一权重和所述第二权重时，随着在所述当前位置处所述当前帧图像的值与所述第一模糊图像的值之间的差变大，所述处理器增大所述第一权重并且减小所述第二权重，以提高对比度增强。
18.根据权利要求11所述的图像处理设备，其中，所述处理器获得所述第二模糊图像与所述当前帧图像之间的差值图像，并且通过所述当前帧图像与所述差值图像之和，来增强所述当前帧图像的对比度。
19.根据权利要求11所述的图像处理设备，其中，所述处理器对被执行所述对比度增强的所述当前帧图像的色差信息进行补偿。
20.根据权利要求19所述的图像处理设备，其中，在对所述色差信息进行补偿时，所述处理器通过将亮度信息的变化施加到所述色差信息，来防止待输出的结果图像的劣化。
CN201911263395.3A 2018-12-26 2019-12-11 图像处理设备和方法 Active CN111383190B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180169628A KR102575126B1 (ko) 2018-12-26 2018-12-26 영상 처리 장치 및 그 방법
KR10-2018-0169628 2018-12-26

Publications (2)

Publication Number Publication Date
CN111383190A true CN111383190A (zh) 2020-07-07
CN111383190B CN111383190B (zh) 2024-02-20

Family

ID=71122116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911263395.3A Active CN111383190B (zh) 2018-12-26 2019-12-11 图像处理设备和方法

Country Status (4)

Country Link
US (1) US11222412B2 (zh)
KR (1) KR102575126B1 (zh)
CN (1) CN111383190B (zh)
TW (1) TWI827771B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703785A (zh) * 2023-08-04 2023-09-05 普密特(成都)医疗科技有限公司 一种微创手术镜下模糊图像的处理方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6975070B2 (ja) * 2018-02-27 2021-12-01 シャープ株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
KR102640670B1 (ko) * 2022-07-07 2024-02-27 엘지전자 주식회사 디스플레이 장치 및 디스플레이 제어 방법

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1574963A (zh) * 2003-06-16 2005-02-02 三星电子株式会社 提供基于块的运动补偿的装置及其方法
KR20050090060A (ko) * 2003-01-09 2005-09-12 소니 가부시끼 가이샤 화상 처리 장치 및 방법
US20070009168A1 (en) * 2001-12-12 2007-01-11 Samsung Electronics Co., Ltd. Method for enhancing a digital image while suppressing undershoots and overshoots
US20090225183A1 (en) * 2008-03-05 2009-09-10 Semiconductor Energy Laboratory Co., Ltd Image Processing Method, Image Processing System, and Computer Program
CN101833754A (zh) * 2010-04-15 2010-09-15 青岛海信网络科技股份有限公司 图像增强方法及系统
KR20120027712A (ko) * 2010-09-13 2012-03-22 삼성전자주식회사 영상 처리 방법 및 장치
US8238687B1 (en) * 2008-01-09 2012-08-07 Helwett-Packard Development Company, L.P. Local contrast enhancement of images
CN103854259A (zh) * 2012-12-03 2014-06-11 三星泰科威株式会社 图像处理设备以及处理图像的方法
CN103955917A (zh) * 2014-04-03 2014-07-30 国家电网公司 一种长间隙空气电弧图像边缘检测方法
US20150036943A1 (en) * 2013-07-30 2015-02-05 Adobe Systems Incorporated Patch-Based, Locally Content-Adaptive Image and Video Sharpening
WO2015146240A1 (ja) * 2014-03-27 2015-10-01 Ｎｋワークス株式会社 画像処理装置
JP2017107260A (ja) * 2015-12-07 2017-06-15 セイコーエプソン株式会社 画像処理方法、及び、画像処理プログラム
US20180095342A1 (en) * 2015-06-08 2018-04-05 Olympus Corporation Blur magnification image processing apparatus, blur magnification image processing program, and blur magnification image processing method
CN108765342A (zh) * 2018-05-30 2018-11-06 河海大学常州校区 一种基于改进暗通道的水下图像复原方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4231065A (en) 1979-01-11 1980-10-28 Honeywell Inc. Local area contrast enhancement device
US5081492A (en) 1990-12-12 1992-01-14 Xerox Corporation Exposure control system
KR100200628B1 (ko) * 1996-09-30 1999-06-15 윤종용 화질 개선 회로 및 그 방법
JPH1127533A (ja) * 1997-07-07 1999-01-29 Dainippon Screen Mfg Co Ltd 輪郭強調方法及びその装置
US6611627B1 (en) 2000-04-24 2003-08-26 Eastman Kodak Company Digital image processing method for edge shaping
US6915024B1 (en) * 2000-09-29 2005-07-05 Hewlett-Packard Development Company, L.P. Image sharpening by variable contrast mapping
US8014034B2 (en) * 2005-04-13 2011-09-06 Acd Systems International Inc. Image contrast enhancement
US7773257B2 (en) 2006-10-30 2010-08-10 Sony Corporation Color metric for halo artifacts
US8306348B2 (en) * 2007-04-24 2012-11-06 DigitalOptics Corporation Europe Limited Techniques for adjusting the effect of applying kernels to signals to achieve desired effect on signal
US7889949B2 (en) 2007-04-30 2011-02-15 Microsoft Corporation Joint bilateral upsampling
US20100002952A1 (en) 2008-07-01 2010-01-07 Texas Instruments Incorporated Method and apparatus for image sharpening
JP5451313B2 (ja) 2009-10-27 2014-03-26 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
US8502894B2 (en) 2009-12-30 2013-08-06 Stmicroelectronics Asia Pacific Pte. Ltd. Method and apparatus for ringing and halo control
WO2011134490A1 (en) 2010-04-26 2011-11-03 Robert Bosch Gmbh Detection and/or enhancement of contrast differences in digital image data
US9398205B2 (en) * 2010-09-01 2016-07-19 Apple Inc. Auto-focus control using image statistics data with coarse and fine auto-focus scores
KR101913336B1 (ko) 2011-10-06 2018-10-31 삼성전자주식회사 이동 장치 및 그 제어 방법
US20130301949A1 (en) * 2012-05-11 2013-11-14 Sony Corporation Image enhancement apparatus and method
US9959599B2 (en) * 2015-06-18 2018-05-01 Sharp Laboratories Of America, Inc. System for enhanced images
US9998666B2 (en) * 2015-08-26 2018-06-12 Duke University Systems and methods for burst image deblurring
TWI588777B (zh) * 2015-12-29 2017-06-21 Method of Fuzzy Clustering Automated Contrast Change
US10528842B2 (en) * 2017-02-06 2020-01-07 Mediatek Inc. Image processing method and image processing system
TWI639135B (zh) * 2017-11-16 2018-10-21 國立高雄科技大學 模糊影像之復原方法
US10970816B2 (en) * 2018-08-13 2021-04-06 Nvidia Corporation Motion blur and depth of field reconstruction through temporally stable neural networks

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070009168A1 (en) * 2001-12-12 2007-01-11 Samsung Electronics Co., Ltd. Method for enhancing a digital image while suppressing undershoots and overshoots
KR20050090060A (ko) * 2003-01-09 2005-09-12 소니 가부시끼 가이샤 화상 처리 장치 및 방법
CN1574963A (zh) * 2003-06-16 2005-02-02 三星电子株式会社 提供基于块的运动补偿的装置及其方法
US8238687B1 (en) * 2008-01-09 2012-08-07 Helwett-Packard Development Company, L.P. Local contrast enhancement of images
US20090225183A1 (en) * 2008-03-05 2009-09-10 Semiconductor Energy Laboratory Co., Ltd Image Processing Method, Image Processing System, and Computer Program
CN101833754A (zh) * 2010-04-15 2010-09-15 青岛海信网络科技股份有限公司 图像增强方法及系统
KR20120027712A (ko) * 2010-09-13 2012-03-22 삼성전자주식회사 영상 처리 방법 및 장치
CN103854259A (zh) * 2012-12-03 2014-06-11 三星泰科威株式会社 图像处理设备以及处理图像的方法
US20150036943A1 (en) * 2013-07-30 2015-02-05 Adobe Systems Incorporated Patch-Based, Locally Content-Adaptive Image and Video Sharpening
WO2015146240A1 (ja) * 2014-03-27 2015-10-01 Ｎｋワークス株式会社 画像処理装置
CN103955917A (zh) * 2014-04-03 2014-07-30 国家电网公司 一种长间隙空气电弧图像边缘检测方法
US20180095342A1 (en) * 2015-06-08 2018-04-05 Olympus Corporation Blur magnification image processing apparatus, blur magnification image processing program, and blur magnification image processing method
JP2017107260A (ja) * 2015-12-07 2017-06-15 セイコーエプソン株式会社 画像処理方法、及び、画像処理プログラム
CN108765342A (zh) * 2018-05-30 2018-11-06 河海大学常州校区 一种基于改进暗通道的水下图像复原方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703785A (zh) * 2023-08-04 2023-09-05 普密特(成都)医疗科技有限公司 一种微创手术镜下模糊图像的处理方法
CN116703785B (zh) * 2023-08-04 2023-10-27 普密特(成都)医疗科技有限公司 一种微创手术镜下模糊图像的处理方法

Also Published As

Publication number Publication date
KR102575126B1 (ko) 2023-09-05
CN111383190B (zh) 2024-02-20
KR20200079922A (ko) 2020-07-06
US11222412B2 (en) 2022-01-11
TWI827771B (zh) 2024-01-01
TW202025085A (zh) 2020-07-01
US20200211167A1 (en) 2020-07-02

Similar Documents

Publication Publication Date Title
US9202263B2 (en) System and method for spatio video image enhancement
CN111275626B (zh) 一种基于模糊度的视频去模糊方法、装置及设备
US9898803B2 (en) Image processing apparatus, image processing method, and recording medium storing image processing program
CN111383190B (zh) 图像处理设备和方法
CN108694705B (zh) 一种多帧图像配准与融合去噪的方法
US9978121B2 (en) Adaptive sharpening in image processing and display
EP2160015B1 (en) Image processing apparatus, image processing method, and program
US8131104B2 (en) Method and apparatus for adjusting the contrast of an input image
US20180020229A1 (en) Computationally efficient motion compensated frame rate conversion system
JP5367667B2 (ja) 画像処理装置
US20160364840A1 (en) Image Amplifying Method, Image Amplifying Device, and Display Apparatus
KR101578583B1 (ko) 화상 처리 장치, 정보 처리 방법, 및 컴퓨터 판독 가능한 기억 매체
KR102182697B1 (ko) 영상 처리 장치 및 방법
US7903900B2 (en) Low complexity color de-noising filter
CN113344821B (zh) 图像降噪方法、装置、终端、存储介质
WO2009153717A2 (en) Digital image restoration
JP7265316B2 (ja) 画像処理装置及び画像処理方法
JP3959547B2 (ja) 画像処理装置、画像処理方法、及び情報端末装置
CN115496673A (zh) 图像处理方法、图像处理装置、图像处理系统、以及存储介质
JP6024363B2 (ja) 画像処理装置
Banik et al. Transformer based technique for high resolution image restoration
Peng et al. Image restoration for interlaced scan CCD image with space-variant motion blurs
Xu et al. Interlaced scan CCD image motion deblur for space-variant motion blurs
Sadaka et al. Efficient perceptual attentive super-resolution
JP2019140605A (ja) 画像処理装置、画像処理方法およびプログラム

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