CN111986095A - 基于边缘提取的图像处理方法及图像处理装置 - Google Patents
基于边缘提取的图像处理方法及图像处理装置 Download PDFInfo
- Publication number
- CN111986095A CN111986095A CN201910429821.XA CN201910429821A CN111986095A CN 111986095 A CN111986095 A CN 111986095A CN 201910429821 A CN201910429821 A CN 201910429821A CN 111986095 A CN111986095 A CN 111986095A
- Authority
- CN
- China
- Prior art keywords
- area
- image
- noise
- edge
- processed
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 51
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 230000002146 bilateral effect Effects 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 230000009467 reduction Effects 0.000 claims abstract description 30
- 230000003628 erosive effect Effects 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 18
- 230000002452 interceptive effect Effects 0.000 abstract description 2
- 239000002131 composite material Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000003708 edge detection Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000006854 communication Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000008719 thickening Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于边缘提取的图像处理方法及图像处理装置，所述图像处理方法包括以下步骤：对待处理图像进行边缘提取计算，获取所述待处理图像的边缘区；将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区；分别对所述噪声区和所述平坦区进行对应程度的降噪处理；将经过降噪处理后的所述噪声区和所述平坦区与所述边缘区合成，得到处理后的合成图像。本发明对噪声区和平坦区进行基于不同权重值的双边滤波，使得各个区域都能够在保留有用信息的同时最大限度去除噪声成分，使得合成图像更加清晰。本发明将边缘区附近的侵蚀区也作为噪声区进行降噪处理，可以有效消除干扰图像信息的高频噪声成分，从而消除振铃效应，提升画面质量。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种基于边缘提取的图像处理方法及图像处理装置。
背景技术
视频通信过程中会涉及到大量的音视频处理技术，按照在通信系统中所处位置的不同，可以分为发送端和接收端的音视频处理技术。随着智能手机的普及，越来越多的用户通过手机客户端收看视频节目。智能手机客户端需要恢复出由发送端发出的原始音视频信号，采取包括视频增强、音频去噪和混音等处理技术，其中视频增强技术直接关系到用户接收到的视频画面质量。现有的视频增强技术需要对图像进行滤波处理以去掉噪声，在实际实施时，常常会由于选用的频域滤波器具有陡峭的变化而使滤波图像产生“振铃”效应，所谓“振铃”，就是指输出图像的灰度剧烈变化处产生的震荡，就好像钟被敲击后产生的空气震荡。“振铃”效应会严重降低输出视频的质量，影响用户体验。因此，如何提供一种能够消除振铃效应的视频增强技术，成为本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种基于边缘提取的图像处理方法、装置、计算机设备及计算机可读存储介质，以解决现有技术中存在的问题。
为实现上述目的，本发明提供一种基于边缘提取的图像处理方法，包括以下步骤：
对待处理图像进行边缘提取计算，获取所述待处理图像的边缘区；
将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区；
分别对所述噪声区和所述平坦区进行对应程度的降噪处理；
将经过降噪处理后的所述噪声区和所述平坦区与所述边缘区合成，得到处理后的合成图像。
根据本发明提出的图像处理方法，其中，所述对待处理图像进行边缘提取计算，获取所述待处理图像的边缘区的步骤包括：
利用边缘算子对所述待处理图像进行边缘提取计算，获取所述待处理图像的边缘区；其中，所述边缘算子包括以下内容中的任一项：
Canny算子、Sobel算子、Roberts算子和Prewitt算子。
根据本发明提出的图像处理方法，其中，所述将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区的步骤包括：
判断所述待处理图像中除所述边缘区以外的区域中每个像素的梯度值是否大于第一阈值，其中，所述梯度值是在所述边缘提取计算过程中产生的；
若是，将所述梯度值对应的像素划归为噪声区；
若否，将所述梯度值对应的像素划归为平坦区。
根据本发明提出的图像处理方法，其中，所述基于所述边缘提取计算过程中产生的梯度值，将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区的步骤还包括：
将与所述边缘区中的像素距离不超过第二阈值的像素划归为侵蚀区；
将所述侵蚀区划分为噪声区。
根据本发明提出的图像处理方法，其中，所述分别对所述噪声区和所述平坦区进行对应程度的降噪处理的步骤包括：
对所述噪声区进行权重系数为w1的双边滤波，对所述平坦区进行权重系数为w2的双边滤波，其中，w1>w2。
为实现上述目的，本发明还提出一种基于边缘提取的图像处理装置，包括：
边缘提取模块，适用于对待处理图像进行边缘提取计算，获取所述待处理图像的边缘区；
梯度划分模块，适用于将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区；
降噪模块，适用于分别对所述噪声区和所述平坦区进行对应程度的降噪处理；
合成模块，适用于将经过降噪处理后的所述噪声区和所述平坦区与所述边缘区合成，得到降噪图像。
根据本发明提出的基于边缘提取的图像处理装置，其中，所述梯度划分模块包括：
噪声区单元，适用于当所述待处理图像中除所述边缘区以外的区域中的像素的梯度值大于第一阈值时，将所述梯度值对应的像素划分为噪声区，其中，所述梯度值是在所述边缘提取计算过程中产生的；
平坦区单元，适用于当所述待处理图像中除所述边缘区以外的区域中的像素的梯度值不大于第一阈值时，将所述梯度值对应的像素划分为平坦区。
根据本发明提出的基于边缘提取的图像处理装置，其中，所述梯度划分模块还包括：
侵蚀区单元，适用于将与所述边缘区中的像素距离不超过第二阈值的像素划归为侵蚀区，并将所述侵蚀区划分为噪声区。
为实现上述目的，本发明还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
为实现上述目的，本发明还提供计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
本发明提供的基于边缘提取的图像处理方法、装置、计算机设备及计算机存储介质提供了一种提高画面质量、消除振铃效应的视频及图像处理方案。本发明在对图像进行边缘提取的过程中，保留边缘提取计算涉及到的梯度值，利用梯度值将图像中的非边缘区域划分为噪声区和平坦区，并分别对噪声区和平坦区进行不同权重系数的双边滤波；本发明进一步将与边缘区相邻的侵蚀区也划分为噪声区，同样对其按照噪声区的标准进行双边滤波，从而实现提升画面质量、消除振铃效应的目的。
附图说明
图1为本发明的图像处理方法实施例一的流程图；
图2为本发明通过canny算子提取图像边缘的示意图；
图3为本发明的图像处理装置实施例一的程序模块示意图；
图4为本发明的图像处理装置实施例一的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的基于边缘提取的图像处理方法、装置、计算机设备及计算机存储介质提供了一种提高画面质量、消除振铃效应的视频及图像处理方案。本发明在对图像进行边缘提取的过程中，保留边缘提取计算涉及到的梯度值，利用梯度值将图像中的非边缘区域划分为噪声区和平坦区，并分别对噪声区和平坦区进行不同权重系数的双边滤波；本发明进一步将与边缘区相邻的侵蚀区也划分为噪声区，同样对其按照噪声区的标准进行双边滤波，从而实现提升画面质量、消除振铃效应的目的。
实施例一
请参阅图1，本实施例提出一种基于边缘提取的图像处理方法，具体包括以下步骤：
S1:对待处理图像进行边缘提取计算，获取所述待处理图像的边缘区。
所谓边缘提取就是根据图像中灰度值的变化情况来提取图像轮廓的过程。图像边缘保留了原始图像中相当重要的部分信息，而又使得图片总的数据量减小了很多。
现有技术中实现边缘提取的算法有很多，例如拉普拉兹算子、坎尼算子、索贝尔算子、罗伯特算子等等。这些算子都是模板运算，首先定义一个基于算子的模板，模板的大小以3*3的较常见，也有2*2，5*5或更大尺寸的。运算时，把模板中心对应到图像的每一个像素位置，然后按照模板对应的公式对中心像素和它周围的像素进行数学运算，算出的结果作为输出图像对应像素点的值。
本发明的边缘提取过程中，优选利用canny算子(坎尼算子)来提取待处理图像的边缘。通过canny算子进行边缘检测的过程主要包括以下步骤：
Canny边缘检测算法可以分为以下5个步骤：
1)使用高斯滤波器，以平滑图像，滤除噪声。
2)计算图像中每个像素点的梯度值。
3)应用非极大值(Non-Maximum Suppression)抑制，以消除边缘检测带来的杂散响应。
4)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘。
5)通过抑制孤立的弱边缘最终完成边缘检测。
通过上述步骤，canny算子可以从待处理图像中提取出清晰的轮廓信息，效果如图2所示。
S2:基于所述边缘提取计算过程中产生的梯度值，将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区。
通过上文中描述的canny算子提取边缘过程可以得知，梯度值是边缘提取过程中产生的中间结果。本步骤正是利用边缘提取过程中产生的梯度值来进一步对待处理图像中的非边缘区域划分。图像函数f(x,y)在点(x,y)的梯度值是一个具有大小和方向的矢量，梯度值在图像中呈现出的性质包括，如果相邻像素之间的灰度值有变化，那么梯度值会是大于零的实数，并且灰度值变化越大，相应的梯度值就越大；如果相邻像素之间的灰度值没有变化，那么相应的梯度值为零。基于上述性质，本发明通过梯度值的大小来区分噪声区和平坦区。
所谓噪声区是指混杂了大量不规则线条、点状图案、絮状图案等无意义内容，这些无意义内容导致特定区域内的灰度变化明显，影响正常的图像信息。所谓平坦区是指待处理图像中平坦的、均匀变化的内容，其灰度变化相对较为平缓，因此对应像素的梯度值也相对较小。基于此，本发明可以根据经验预设梯度阈值k，将梯度值大于k的像素划分为噪声区，将梯度值小于等于k的像素划分为平坦区。
除了上述根据梯度值来划分噪声区和平坦区之外，本发明还增加了划分侵蚀区的步骤。所谓侵蚀区，指的是以边缘区为基础向周围扩张得到的区域。通俗来讲，相当于将边缘区中的轮廓线条宽度加粗。具体的扩张范围可以根据实际需要设置不同的取值。优选的，可以设置每720个像素向外扩张4-8个像素。
本发明将经过扩张后得到的侵蚀区也归为噪声区。在后续降噪处理时，对该区域的像素按照噪声的标准进行滤波。这是因为，边缘区附近灰度值变化比较剧烈，如果边缘区附近存在噪声，会混淆图像的高频特性，极易引起振铃效应，严重影响图像质量。本发明将边缘区附近的侵蚀区作为噪声区，可以消除边缘区附近的高频噪声成分，从而达到消除振铃效应的目的。
S3:分别对所述噪声区和所述平坦区进行对应程度的降噪处理。
对于除边缘区之外的噪声区和平坦区，本发明通过分别双边滤波进行降噪处理。需要指出的是，本步骤中所述的噪声区包括两部分，一部分是通过梯度值确定出的初始噪声区，另一部分是通过侵蚀区得到的附加噪声区，本发明对于初始噪声区和附加噪声区这两部分实施同样的降噪处理。
噪声区和平坦区包含的有用信息量不同，因此对这两部分适用不同程度的降噪处理。优选的，本发明通过双边滤波进行降噪。
双边滤波是一种非线性滤波器，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波也是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布。通俗的讲，对图像进行滤波就是一个加权平均的运算过程，滤波后图像中的每个像素点都是由其原图像中该点邻域内多个像素点值的加权平均。不同的滤波器，最根本的差异就是权重值不同。
根据以上原理，本发明分别对噪声区和平坦区进行基于不同权重值的双边滤波。假设对噪声区的双边滤波选用的权重值为w1，对平坦区的双边滤波选用的权重值为w2，则限定为w1>w2。优选的，w1和w2的取值范围为[0,1]。
S4:将经过降噪处理后的所述噪声区和所述平坦区与所述边缘区合成，得到处理后的合成图像。
经过上述步骤之后，本发明中的待处理图像划分成了三部分，包括边缘区、滤波后的噪声区和滤波后的平坦区。本步骤的作用是将这三部分合并，形成新的合成图像。该合成图像在保留有用的边缘信息的同时，对非边缘区的噪声区和平坦区进行基于不同权重值的双边滤波，使得各个区域都能够在保留有用信息的同时最大限度去除噪声成分，从而保证得到的合成图像更加清晰。
特别值得提及的是，本发明将边缘区附近的侵蚀区也作为噪声区进行降噪处理，可以有效消除干扰图像信息的高频噪声成分，从而消除振铃效应，提升画面质量。
S5：对所述合成图像进行优化处理。
进一步，本发明还可以对所述合成图像进行优化处理。由于图像中包含双边滤波结果，在去除噪点的同时可能会造成图像清晰度下降，因此需要提高预处理图像的清晰度，本步骤中通过调整图像的对比度、亮度、饱和度，以及将图像锐化实现。
综上所述，本发明利用人类视觉系统对图像边缘等结构失真敏感度较高的特点，使用canny算子获得图像边缘信息，保留原始像素，以保持图像视觉结构不变。由于图像平坦区一般为背景区域，本发明对该部分做轻微处理，即将原始图像加权较小的双边处理后的图像。噪音区一般为视频的前景区域，是画面的主要视觉区域，当视频压缩时容易在该区域出现振铃效应。本发明使用如双边滤波对该区域进行重度平滑处理，去除噪点，即以原始图像加权较大的双边处理后的图像。通过上述处理过程，可以明显优化画面质量，提升用户观看体验。
请继续参阅图3，示出了一种基于边缘提取的图像处理装置，在本实施例中，图像处理装置10可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述图像处理方法。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述图像处理装置10在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：
边缘提取模块11，适用于对待处理图像进行边缘提取计算，获取所述待处理图像的边缘区。现有技术中实现边缘提取的算法有很多，例如拉普拉兹算子、坎尼算子、索贝尔算子、罗伯特算子等等。这些算子都是模板运算，首先定义一个基于算子的模板，模板的大小以3*3的较常见，也有2*2，5*5或更大尺寸的。运算时，把模板中心对应到图像的每一个像素位置，然后按照模板对应的公式对中心像素和它周围的像素进行数学运算，算出的结果作为输出图像对应像素点的值。本发明的边缘提取过程中，优选利用canny算子(坎尼算子)来提取待处理图像的边缘。
梯度划分模块12，适用于基于所述边缘提取计算过程中产生的梯度值，将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区。梯度值是边缘提取过程中产生的中间结果。本模块正是利用边缘提取过程中产生的梯度值来进一步对待处理图像中的非边缘区域划分。本发明可以根据经验预设梯度阈值k，将梯度值大于k的像素划分为噪声区，将梯度值小于等于k的像素划分为平坦区。本发明的梯度划分模块12包含噪声区单元121、平坦区单元122和侵蚀区单元123。
噪声区单元121，适用于当所述待处理图像中除所述边缘区以外的区域中的像素的梯度值大于第一阈值时，将所述梯度值对应的像素划分为噪声区。
平坦区单元122，适用于当所述待处理图像中除所述边缘区以外的区域中的像素的梯度值不大于第一阈值时，将所述梯度值对应的像素划分为平坦区。
侵蚀区单元123，适用于将与所述边缘区相邻的侵蚀区划分为噪声区；所述侵蚀区由与所述边缘区中的像素距离不超过第二阈值的所有像素组成。所谓侵蚀区，指的是以边缘区为基础向周围扩张得到的区域。通俗来讲，相当于将边缘区中的轮廓线条宽度加粗。具体的扩张范围可以根据实际需要设置不同的取值。优选的，可以设置每720个像素向外扩张4-8个像素。
本发明将经过扩张后得到的侵蚀区也归为噪声区。在后续降噪处理时，对该区域的像素按照噪声的标准进行滤波。这是因为，边缘区附近灰度值变化比较剧烈，如果边缘区附近存在噪声，会混淆图像的高频特性，极易引起振铃效应，严重影响图像质量。本发明将边缘区附近的侵蚀区作为噪声区，可以消除边缘区附近的高频噪声成分，从而达到消除振铃效应的目的。
降噪模块13，适用于分别对所述噪声区和所述平坦区进行降噪处理。优选的，本发明通过双边滤波进行降噪。通俗的讲，对图像进行双边滤波就是一个加权平均的运算过程，滤波后图像中的每个像素点都是由其原图像中该点邻域内多个像素点值的加权平均。不同的滤波器，最根本的差异就是权重值不同。根据以上原理，本发明分别对噪声区和平坦区进行基于不同权重值的双边滤波。假设对噪声区的双边滤波选用的权重值为w1，对平坦区的双边滤波选用的权重值为w2，则限定为w1>w2。优选的，w1和w2的取值范围为[0,1]。
合成模块14，适用于将经过降噪处理后的所述噪声区和所述平坦区与所述边缘区合成，得到降噪图像。进一步，本模块还可以对所述合成图像进行优化处理。由于图像中包含双边滤波结果，在去除噪点的同时可能会造成图像清晰度下降，因此需要提高预处理图像的清晰度，本步骤中通过调整图像的对比度、亮度、饱和度，以及将图像锐化实现。
综上所述，本发明利用人类视觉系统对图像边缘等结构失真敏感度较高的特点，使用canny算子获得图像边缘信息，保留原始像素，以保持图像视觉结构不变。由于图像平坦区一般为背景区域，本发明对该部分做轻微处理，即将原始图像加权较小的双边处理后的图像。噪音区一般为视频的前景区域，是画面的主要视觉区域，当视频压缩时容易在该区域出现振铃效应。本发明使用如双边滤波对该区域进行重度平滑处理，去除噪点，即以原始图像加权较大的双边处理后的图像。通过上述处理过程，可以明显优化画面质量，提升用户观看体验。
本实施例还提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备20至少包括但不限于：可通过系统总线相互通信连接的存储器21、处理器22，如图3所示。需要指出的是，图4仅示出了具有组件21-22的计算机设备20，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
本实施例中，存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备20的内部存储单元，例如该计算机设备20的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备20的外部存储设备，例如该计算机设备20上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，存储器21还可以既包括计算机设备20的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备20的操作系统和各类应用软件，例如实施例一的图像处理装置10的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备20的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行图像处理装置10，以实现实施例一的图像处理方法。
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储图像处理装置10，被处理器执行时实现实施例一的图像处理方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
流程图中或在此以其它方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
本技术领域的普通技术人员可以理解，实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于边缘提取的图像处理方法，其特征在于，包括以下步骤：
对待处理图像进行边缘提取计算，获取所述待处理图像的边缘区；
将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区；
分别对所述噪声区和所述平坦区进行对应程度的降噪处理；
将经过降噪处理后的所述噪声区和所述平坦区与所述边缘区合成，得到处理后的合成图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述对待处理图像进行边缘提取计算，获取所述待处理图像的边缘区的步骤包括：
利用边缘算子对所述待处理图像进行边缘提取计算，获取所述待处理图像的边缘区；其中，所述边缘算子包括以下内容中的任一项：
Canny算子、Sobel算子、Roberts算子和Prewitt算子。
3.根据权利要求1或2所述的图像处理方法，其特征在于，所述将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区的步骤包括：
判断所述待处理图像中除所述边缘区以外的区域中每个像素的梯度值是否大于第一阈值，其中，所述梯度值是在所述边缘提取计算过程中产生的；
若是，将所述梯度值对应的像素划归为噪声区；
若否，将所述梯度值对应的像素划归为平坦区。
4.根据权利要求1所述的图像处理方法，其特征在于，所述基于所述边缘提取计算过程中产生的梯度值，将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区的步骤还包括：
将与所述边缘区中的像素距离不超过第二阈值的像素划归为侵蚀区；
将所述侵蚀区划分为噪声区。
5.根据权利要求1所述的图像处理方法，其特征在于，所述分别对所述噪声区和所述平坦区进行对应程度的降噪处理的步骤包括：
对所述噪声区进行权重系数为w1的双边滤波，对所述平坦区进行权重系数为w2的双边滤波，其中，w1>w2。
6.一种基于边缘提取的图像处理装置，其特征在于，包括：
边缘提取模块，适用于对待处理图像进行边缘提取计算，获取所述待处理图像的边缘区；
梯度划分模块，适用于将所述待处理图像中除所述边缘区以外的区域划分为噪声区和平坦区；
降噪模块，适用于分别对所述噪声区和所述平坦区进行对应程度的降噪处理；
合成模块，适用于将经过降噪处理后的所述噪声区和所述平坦区与所述边缘区合成，得到降噪图像。
7.根据权利要求6所述的基于边缘提取的图像处理装置，其特征在于，所述梯度划分模块包括：
噪声区单元，适用于当所述待处理图像中除所述边缘区以外的区域中的像素的梯度值大于第一阈值时，将所述梯度值对应的像素划分为噪声区，其中，所述梯度值是在所述边缘提取计算过程中产生的；
平坦区单元，适用于当所述待处理图像中除所述边缘区以外的区域中的像素的梯度值不大于第一阈值时，将所述梯度值对应的像素划分为平坦区。
8.根据权利要求7所述的基于边缘提取的图像处理装置，其特征在于，所述梯度划分模块还包括：
侵蚀区单元，适用于将与所述边缘区中的像素距离不超过第二阈值的像素划归为侵蚀区，并将所述侵蚀区划分为噪声区。
9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910429821.XA CN111986095B (zh) | 2019-05-22 | 2019-05-22 | 基于边缘提取的图像处理方法及图像处理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910429821.XA CN111986095B (zh) | 2019-05-22 | 2019-05-22 | 基于边缘提取的图像处理方法及图像处理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111986095A true CN111986095A (zh) | 2020-11-24 |
| CN111986095B CN111986095B (zh) | 2024-03-19 |
Family
ID=73436076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910429821.XA Active CN111986095B (zh) | 2019-05-22 | 2019-05-22 | 基于边缘提取的图像处理方法及图像处理装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111986095B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113191961A (zh) * | 2021-03-19 | 2021-07-30 | 聚融医疗科技(杭州)有限公司 | 一种基于双边滤波和特征识别的超声去噪方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102782706A (zh) * | 2010-03-10 | 2012-11-14 | 微软公司 | 经历光学字符识别的文本图像的文本增强 |
| US20140160323A1 (en) * | 2012-12-12 | 2014-06-12 | Forus Health Pvt. Ltd. | Image Processing Method and Apparatus for Correcting an Image |
| CN104700372A (zh) * | 2015-03-19 | 2015-06-10 | 天津大学 | 基于边缘保护的加权各向异性扩散滤波方法 |
| CN109584185A (zh) * | 2018-12-19 | 2019-04-05 | 深圳市华星光电半导体显示技术有限公司 | 图像处理方法 |
| CN109636749A (zh) * | 2018-12-04 | 2019-04-16 | 深圳市华星光电半导体显示技术有限公司 | 图像处理方法 |
-
2019
- 2019-05-22 CN CN201910429821.XA patent/CN111986095B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102782706A (zh) * | 2010-03-10 | 2012-11-14 | 微软公司 | 经历光学字符识别的文本图像的文本增强 |
| US20140160323A1 (en) * | 2012-12-12 | 2014-06-12 | Forus Health Pvt. Ltd. | Image Processing Method and Apparatus for Correcting an Image |
| CN104700372A (zh) * | 2015-03-19 | 2015-06-10 | 天津大学 | 基于边缘保护的加权各向异性扩散滤波方法 |
| CN109636749A (zh) * | 2018-12-04 | 2019-04-16 | 深圳市华星光电半导体显示技术有限公司 | 图像处理方法 |
| CN109584185A (zh) * | 2018-12-19 | 2019-04-05 | 深圳市华星光电半导体显示技术有限公司 | 图像处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 安博文;辉林如;: "基于边缘检测的自适应降噪处理方法", 红外技术, no. 03, 20 March 2010 (2010-03-20) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113191961A (zh) * | 2021-03-19 | 2021-07-30 | 聚融医疗科技(杭州)有限公司 | 一种基于双边滤波和特征识别的超声去噪方法及系统 |
| CN113191961B (zh) * | 2021-03-19 | 2022-10-25 | 聚融医疗科技(杭州)有限公司 | 一种基于双边滤波和特征识别的超声去噪方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111986095B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107358586B (zh) | 一种图像增强方法、装置及设备 | |
| CN106846276B (zh) | 一种图像增强方法及装置 | |
| US20180122051A1 (en) | Method and device for image haze removal | |
| WO2013168618A1 (ja) | 画像処理装置及び画像処理方法 | |
| Salmon et al. | From patches to pixels in non-local methods: Weighted-average reprojection | |
| CN107563974B (zh) | 图像去噪方法、装置、电子设备及存储介质 | |
| CN111325694B (zh) | 图像噪声去除方法及装置 | |
| CN112150371B (zh) | 图像降噪方法、装置、设备及存储介质 | |
| CN111325667B (zh) | 图像处理方法及相关产品 | |
| CN109214996B (zh) | 一种图像处理方法及装置 | |
| CN109584198B (zh) | 一种人脸图像质量评价方法、装置及计算机可读存储介质 | |
| CN110717922A (zh) | 一种图像清晰度评价方法及装置 | |
| CN111340777B (zh) | 图像噪声点的判断方法及装置 | |
| CN111383178A (zh) | 一种图像增强方法、装置及终端设备 | |
| CN111353955A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| Tsutsui et al. | Halo artifacts reduction method for variational based realtime retinex image enhancement | |
| JP2003509779A (ja) | 圧縮エッジ適応ビデオ及び画像鮮鋭化及びスケーリング方法及びシステム | |
| CN113744294B (zh) | 图像处理方法及相关装置 | |
| JP5652272B2 (ja) | 画像処理装置、画像処理プログラム及び画像処理方法 | |
| CN111986095B (zh) | 基于边缘提取的图像处理方法及图像处理装置 | |
| WO2022016326A1 (zh) | 图像处理方法、电子设备和计算机可读介质 | |
| CN112884662A (zh) | 基于飞行器航拍图像的三维数字地图图像处理方法 | |
| US10964028B2 (en) | Electronic device and method for segmenting image | |
| KR20160038683A (ko) | 적응적 전/후처리 필터링을 이용하는 초해상도 영상 처리 방법 | |
| CN111311610A (zh) | 图像分割的方法及终端设备 |
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 |