CN112150368A - 图像处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
图像处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112150368A CN112150368A CN201910568721.5A CN201910568721A CN112150368A CN 112150368 A CN112150368 A CN 112150368A CN 201910568721 A CN201910568721 A CN 201910568721A CN 112150368 A CN112150368 A CN 112150368A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- edge
- edge pixel
- processed
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 70
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000003708 edge detection Methods 0.000 claims abstract description 17
- 238000003706 image smoothing Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
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
本申请实施例提供了一种图像处理方法、装置、电子设备及计算机可读存储介质,方法包括:通过预设边缘检测算法对待处理图像帧进行处理,确定出待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点,基于预设图像平滑算法,对非边缘像素点的灰度值进行处理,基于预设图像增强算法,对边缘像素点的灰度值进行处理,根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。基于上述处理,可以提高处理后的图像帧的图像质量。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着计算机技术的快速发展,图像帧也越来越趋向于高分辨率,导致图像帧构成的视频资源的大小也成倍增加。为了降低视频资源在传输过程中所占用的带宽,节省网络成本,通常需要对视频资源中的图像帧进行压缩处理。对图像帧进行压缩处理,会在一定程度上降低图像帧的画质,比如,压缩处理后的图像帧中会产生压缩噪声,或,会导致图像帧的细节丢失等。
现有技术中,通常可以采用图像增强的方法,对压缩后的图像帧(可以称为待处理图像帧)进行处理,以增强待处理图像帧的细节。例如,可以采用反锐化掩模增强算法对待处理图像帧进行处理,或者,也可以用Retinex(视网膜大脑皮层理论)增强算法对待处理图像帧进行处理。
然而,由于不同像素点的图像参数不同,根据同一方式对待处理图像帧中的所有像素点进行处理,可能会降低某些像素点处理后的显示效果,即,处理后的图像帧的图像质量较低。
发明内容
本申请实施例的目的在于提供一种图像处理方法、装置、电子设备及计算机可读存储介质,可以提高处理后的图像帧的图像质量。具体技术方案如下:
第一方面,为了达到上述目的,本申请实施例公开了一种图像处理方法,所述方法包括:
通过预设边缘检测算法对待处理图像帧进行处理,确定出所述待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点;
基于预设图像平滑算法,对所述非边缘像素点的灰度值进行处理;
基于预设图像增强算法,对所述边缘像素点的灰度值进行处理;
根据所述待处理图像帧中像素点处理后的灰度值,得到处理后的所述待处理图像帧。
可选的,所述通过预设边缘检测算法对待处理图像帧进行处理,确定出所述待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点,包括:
针对待处理图像帧中的每一像素点,计算该像素点对应的灰度值在多个预设方向的梯度;
从该像素点对应的灰度值在多个预设方向的梯度中,确定出数值最大的目标梯度;
根据所述待处理图像帧中各像素点对应的目标梯度的分布情况,确定梯度阈值;
根据所述梯度阈值和所述各像素点对应的目标梯度的大小关系,确定所述待处理图像帧中的边缘像素点和非边缘像素点。
可选的,所述根据所述待处理图像帧中各像素点对应的目标梯度的分布情况,确定梯度阈值,包括:
根据所述待处理图像帧中各像素点对应的目标梯度的分布直方图,确定下限梯度,其中,所述待处理图像帧中对应的目标梯度小于和等于所述下限梯度的像素点所占的比例为第一预设比值;
基于第一预设公式和所述下限梯度,得到梯度阈值,其中,所述第一预设公式为:
Y1=min(max(X1,0),Z1)
X1表示所述下限梯度,Y1表示所述梯度阈值,Z1表示预设数值。
可选的,所述根据所述梯度阈值和所述各像素点对应的目标梯度的大小关系,确定所述待处理图像帧中的边缘像素点和非边缘像素,包括:
针对所述待处理图像帧中的每一像素点,判断该像素点对应的目标梯度是否小于所述梯度阈值;
如果该像素点对应的目标梯度小于所述梯度阈值,确定该像素点为非边缘像素点;
如果该像素点对应的目标梯度不小于所述梯度阈值,确定该像素点为边缘像素点。
可选的,在所述基于预设图像增强算法,对所述边缘像素点的灰度值进行处理之前,所述方法还包括:
针对所述待处理图像帧中的每一像素点,将该像素点对应的目标梯度所属的方向,确定为目标方向;
所述基于预设图像增强算法,对所述边缘像素点的灰度值进行处理,包括:
针对每一边缘像素点,计算该边缘像素点对应的目标方向的参考灰度值;
根据该边缘像素点对应的目标梯度,以及对应的目标方向的参考灰度值,确定该边缘像素点的边缘类型;
根据该边缘像素点的边缘类型对应的图像增强算法,对该边缘像素点的灰度值进行处理。
可选的,该边缘像素点对应的目标方向的参考灰度值包括第一参考灰度值和第二参考灰度值;
所述根据该边缘像素点对应的目标梯度,以及对应的目标方向的参考灰度值,确定该边缘像素点的边缘类型,包括:
基于第二预设公式、所述第一参考灰度值和所述第二参考灰度值,得到第一灰度阈值、第二灰度阈值和第三灰度阈值,其中,所述第二预设公式为:
S1表示第一参考灰度值,S2表示第二参考灰度值,T1表示第一灰度阈值,T2表示第二灰度阈值,T3表示第三灰度阈值;
如果该边缘像素点对应的目标梯度小于所述第一灰度阈值,确定该边缘像素点的边缘类型为第一边缘类型;
如果该边缘像素点对应的目标梯度不小于所述第一灰度阈值,且不大于所述第二灰度阈值,确定该边缘像素点的边缘类型为第二边缘类型;
如果该边缘像素点对应的目标梯度大于所述第二灰度阈值,且不大于所述第三灰度阈值,确定该边缘像素点的边缘类型为第三边缘类型;
如果该边缘像素点对应的目标梯度大于所述第三灰度阈值,确定该边缘像素点的边缘类型为第四边缘类型。
可选的,所述根据该边缘像素点的边缘类型对应的图像增强算法,对该边缘像素点的灰度值进行处理,包括:
如果该边缘像素点的边缘类型为所述第一边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为所述第二边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值,其中,所述第二预设系数大于所述第一预设系数;
如果该边缘像素点的边缘类型为所述第三边缘类型,计算所述第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为所述第四边缘类型,计算所述第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值。
第二方面,为了达到上述目的,本申请实施例还公开了一种图像处理装置,所述装置包括:
确定模块,用于通过预设边缘检测算法对待处理图像帧进行处理,确定出所述待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点;
平滑模块,用于基于预设图像平滑算法,对所述非边缘像素点的灰度值进行处理;
增强模块,用于基于预设图像增强算法,对所述边缘像素点的灰度值进行处理;
处理模块,用于根据所述待处理图像帧中像素点处理后的灰度值,得到处理后的所述待处理图像帧。
可选的,所述确定模块,具体用于针对待处理图像帧中的每一像素点,计算该像素点对应的灰度值在多个预设方向的梯度;
从该像素点对应的灰度值在多个预设方向的梯度中,确定出数值最大的目标梯度;
根据所述待处理图像帧中各像素点对应的目标梯度的分布情况,确定梯度阈值;
根据所述梯度阈值和所述各像素点对应的目标梯度的大小关系,确定所述待处理图像帧中的边缘像素点和非边缘像素点。
可选的,所述确定模块,具体用于根据所述待处理图像帧中各像素点对应的目标梯度的分布直方图,确定下限梯度,其中,所述待处理图像帧中对应的目标梯度小于和等于所述下限梯度的像素点所占的比例为第一预设比值;
基于第一预设公式和所述下限梯度,得到梯度阈值,其中,所述第一预设公式为:
Y1=min(max(X1,0),Z1)
X1表示所述下限梯度,Y1表示所述梯度阈值,Z1表示预设数值。
可选的,所述确定模块,具体用于针对所述待处理图像帧中的每一像素点,判断该像素点对应的目标梯度是否小于所述梯度阈值;
如果该像素点对应的目标梯度小于所述梯度阈值,确定该像素点为非边缘像素点;
如果该像素点对应的目标梯度不小于所述梯度阈值,确定该像素点为边缘像素点。
可选的,所述确定模块,还用于针对所述待处理图像帧中的每一像素点,将该像素点对应的目标梯度所属的方向,确定为目标方向;
所述增强模块,具体用于针对每一边缘像素点,计算该边缘像素点对应的目标方向的参考灰度值;
根据该边缘像素点对应的目标梯度,以及对应的目标方向的参考灰度值,确定该边缘像素点的边缘类型;
根据该边缘像素点的边缘类型对应的图像增强算法,对该边缘像素点的灰度值进行处理。
可选的,该边缘像素点对应的目标方向的参考灰度值包括第一参考灰度值和第二参考灰度值;
所述增强模块,具体用于基于第二预设公式、所述第一参考灰度值和所述第二参考灰度值,得到第一灰度阈值、第二灰度阈值和第三灰度阈值,其中,所述第二预设公式为:
S1表示第一参考灰度值,S2表示第二参考灰度值,T1表示第一灰度阈值,T2表示第二灰度阈值,T3表示第三灰度阈值;
如果该边缘像素点对应的目标梯度小于所述第一灰度阈值,确定该边缘像素点的边缘类型为第一边缘类型;
如果该边缘像素点对应的目标梯度不小于所述第一灰度阈值,且不大于所述第二灰度阈值,确定该边缘像素点的边缘类型为第二边缘类型;
如果该边缘像素点对应的目标梯度大于所述第二灰度阈值,且不大于所述第三灰度阈值,确定该边缘像素点的边缘类型为第三边缘类型;
如果该边缘像素点对应的目标梯度大于所述第三灰度阈值,确定该边缘像素点的边缘类型为第四边缘类型。
可选的,所述增强模块,具体用于如果该边缘像素点的边缘类型为所述第一边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为所述第二边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值,其中,所述第二预设系数大于所述第一预设系数;
如果该边缘像素点的边缘类型为所述第三边缘类型,计算所述第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为所述第四边缘类型,计算所述第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值。
另一方面,为了达到上述目的,本申请实施例还公开了一种电子设备,所述电子设备包括存储器和处理器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行存储器上所存放的程序时,实现如上述第一方面所述的图像处理方法步骤。
另一方面,为了达到上述目的,本申请实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现如上述第一方面所述的图像处理方法步骤。
另一方面,为了达到上述目的,本申请实施例还公开了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面所述的图像处理方法步骤。
本申请实施例提供了一种图像处理方法,可以通过预设边缘检测算法对待处理图像帧进行处理,确定出待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点,然后,基于预设图像平滑算法,对非边缘像素点的灰度值进行处理,并基于预设图像增强算法,对边缘像素点的灰度值进行处理,进而,可以根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。基于上述处理,针对待处理图像帧中的非边缘像素点和边缘像素点,分别采取不同的方式进行处理,相对于现有技术中,根据同一方式对待处理图像帧中的所有像素点进行处理,可以提高处理后的图像帧的图像质量。
当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种图像处理方法的流程图;
图2为本申请实施例提供的一种确定非边缘像素点和边缘像素点方法的流程图;
图3为本申请实施例提供的一种像素点灰度值分布示意图;
图4为本申请实施例提供的一种在不同方向下相邻像素点的权重的示意图;
图5为本申请实施例提供的一种对边缘像素点的灰度值进行处理方法的流程图;
图6为本申请实施例提供的一种图像处理方法示例的流程图;
图7为本申请实施例提供的一种图像处理装置的结构图;
图8为本申请实施例提供的一种电子设备的结构图。
具体实施方式
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,所描述的实施例仅仅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,都属于本申请保护的范围。
相关技术中,由于待处理图像帧中不同像素点的图像参数不同,根据同一方式对待处理图像帧中的所有像素点进行处理,可能会降低某些像素点处理后的显示效果,即,处理后的图像帧的图像质量较低。
为了解决上述问题,本申请实施例提供了一种图像处理方法,可以应用于电子设备,该电子设备可以为终端,或者,电子设备也可以为服务器,该电子设备用于对图像帧进行处理。
电子设备可以通过预设边缘检测算法对待处理图像帧进行处理,确定出待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点。
然后,电子设备可以基于预设图像平滑算法,对非边缘像素点的灰度值进行处理,并基于预设图像增强算法,对边缘像素点的灰度值进行处理。
进而,电子设备可以根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。
基于上述处理,针对待处理图像帧中的非边缘像素点和边缘像素点,电子设备可以分别采取不同的方式进行处理,相对于现有技术中,根据同一方式对待处理图像帧中的所有像素点进行处理,可以提高处理后的图像帧的图像质量。
参见图1,图1为本申请实施例提供的一种图像处理方法的流程图,该方法可以包括以下步骤:
S101:通过预设边缘检测算法对待处理图像帧进行处理,确定出待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点。
待处理图像帧可以为单独的一幅图像,或者,也可以是电子设备从视频资源中提取得到的任一图像帧,待处理图像帧通常可以为RGB(红绿蓝,Red Green Blue)格式的图像帧,即,当前待提升图像质量的图像帧。
预设5缘检测算法可以是相关技术中用于检测图像帧的边缘区域的算法。通过预设边缘检测算法,可以确定出待处理图像帧中边缘区域包含的像素点(即边缘像素点)以及非边缘区域包含的像素点(即非边缘像素点)
图像帧中的边缘区域是图像帧中图像属性发生突变的地方,是图像帧中不确定性最大的地方,也是图像信息最集中的地方,边缘区域包含着丰富的信息。
因此,针对待处理图像帧中的边缘像素点和非边缘像素点,可以分别进行处理。
一种实现方式中,可以根据待处理图像帧中像素点的灰度值,确定边缘像素点和非边缘像素点。
可选的,参见图2,S101可以包括以下步骤:
S1011:针对待处理图像帧中的每一像素点,计算该像素点对应的灰度值在多个预设方向的梯度。
在图像帧中,边缘像素点和非边缘像素点对应的灰度值在不同方向的梯度的差别较大,因此,可以根据对应的灰度值在不同方向的梯度,来确定边缘像素点和非边缘像素点。
电子设备可以将RGB格式的待处理图像帧,转化为YUV(明亮度色度浓度,Luminance Chrominance Chroma)格式的图像帧,例如,可以将待处理图像帧转化为YUV420格式,并提取Y通道的图像参数,即灰度值。
一种实现方式中,电子设备可以根据sobel(索贝尔)算子,计算该像素点(可以称为当前像素点)对应的灰度值在多个预设方向的梯度(可以称为方向梯度)。
参见图3,图3为本申请实施例提供的像素点灰度值分布示意图。
图3中,f(x,y)表示当前像素点的灰度值,f(x-1,y-1)表示当前像素点左上方的像素点的灰度值,f(x,y-1)表示当前像素点上方的像素点的灰度值,f(x+1,y-1)表示当前像素点右上方的像素点的灰度值,f(x-1,y)表示当前像素点左侧的像素点的灰度值,f(x+1,y)表示当前像素点右侧的像素点的灰度值,f(x-1,y+1)表示当前像素点左下方的像素点的灰度值,f(x,y+1)表示当前像素点下方的像素点的灰度值,f(x+1,y+1)表示当前像素点右下方的像素点的灰度值。
预设方向可以由技术人员根据经验进行设置,例如,预设方向可以分别为0°,45°,90°和135°四个方向。电子设备可以根据不同方向下相邻像素点的权重,计算在不同方向下针对当前像素点的灰度值的梯度。
相应的,参见图4,图4为本申请实施例提供的在不同方向下相邻像素点的权重的示意图。
图4中,左上方为预设方向为0°对应的方向时,相邻像素点的权重的示意图。
右上方为预设方向为45°对应的方向时,相邻像素点的权重的示意图。
左下方为预设方向为90°对应的方向时,相邻像素点的权重的示意图。
右下方为预设方向为135°对应的方向时,相邻像素点的权重的示意图。
其中,每一图中的9个圆圈,分别表示当前像素点和相邻的8个像素点。
相应的,结合图4,根据以下公式,可以计算得到多个预设方向下,当前像素点对应的方向梯度:
sW1(x,y)=|f(x-1,y-1)+2*f(x,y-1)+f(x+1,y-1)-f(x-1,y+1)-2*f(x,y+1)-f(x+1,y+1)|;
sW2(x,y)=|f(x,y-1)+2*f(x+1,y-1)+f(x+1,y)-f(x-1,y)-2*f(x-1,y+1)-f(x,y+1)|;
sW3(x,y)=|f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)-f(x-1,y-1)-2*f(x-1,y)-f(x-1,y+1)|;
sW4(x,y)=|f(x+1,y)+2*f(x+1,y+1)+f(x,y+1)-f(x,y-1)-2*f(x-1,y-1)-f(x-1,y)|。
其中,sW1(x,y)表示预设方向为0°对应的方向时,当前像素点对应的方向梯度;sW2(x,y)表示预设方向为45°对应的方向时,当前像素点对应的方向梯度;sW3(x,y)表示预设方向为90°对应的方向时,当前像素点对应的方向梯度;sW4(x,y)表示预设方向为135°对应的方向时,当前像素点对应的方向梯度。
S1012:从该像素点对应的灰度值在多个预设方向的梯度中,确定出数值最大的目标梯度。
在得到多个预设方向下,当前像素点对应的方向梯度后,电子设备可以将数值最大的方向梯度,作为目标梯度。
进而,电子设备可以得到待处理图像帧中各像素点对应的目标梯度。
S1013:根据待处理图像帧中各像素点对应的目标梯度的分布情况,确定梯度阈值。
在得到各像素点对应的目标梯度后,电子设备可以统计像素点对应的目标梯度的分布,并根据目标梯度的分布情况,确定梯度阈值(可以称为第一梯度阈值),确定出的第一梯度阈值可以用来判断某一像素点是否为边缘像素点。
可选的,确定第一梯度阈值的方法,可以包括以下步骤:
步骤一,根据待处理图像帧中各像素点对应的目标梯度的分布直方图,确定下限梯度。
其中,待处理图像帧中对应的目标梯度小于和等于下限梯度的像素点所占的比例为第一预设比值。第一预设比值可以由技术人员根据经验进行设置,例如,第一预设比值可以为5%。
一种实现方式中,在得到待处理图像帧中各像素点对应的目标梯度后,电子设备可以生成目标梯度的分布直方图,然后,电子设备可以将该分布直方图左侧包含5%的像素点的范围对应的目标梯度,作为下限梯度。
步骤二,基于第一预设公式和下限梯度,得到梯度阈值。
其中,第一预设公式为:
Y1=min(max(X1,0),Z1)
X1表示下限梯度,Y1表示第一梯度阈值,Z1表示预设数值(可以称为第一预设数值)。Z1的具体数值可以由技术人员根据经验进行设置,例如,Z1可以为64。
在得到下限梯度后,电子设备可以根据第一预设公式,计算得到第一梯度阈值。
S1014:根据梯度阈值和各像素点对应的目标梯度的大小关系,确定待处理图像帧中的边缘像素点和非边缘像素点。
一种实现方式中,针对待处理图像帧中的某一像素点,如果该像素点对应的目标梯度小于确定出的第一梯度阈值,则电子设备可以确定该像素点为非边缘像素点。
如果该像素点对应的目标梯度大于或者等于确定出的第一梯度阈值,则电子设备可以确定该像素点为边缘像素点。
进而,电子设备可以确定出待处理图像帧中所有的边缘像素点和非边缘像素点。
一种实现方式中,还可以确定出上限梯度。其中,待处理图像帧中对应的目标梯度大于和等于上限梯度的像素点所占的比例为第二预设比值,第二预设比值可以由技术人员根据经验进行设置,例如,第二预设比值可以为5%。
进而,还可以根据以下公式确定出另一梯度阈值(可以称为第二梯度阈值):
Y2=min(max(X2,Z2),255)
X2表示上限梯度,Y2表示第二梯度阈值,Z2表示第二预设数值。Z2的具体数值可以由技术人员根据经验进行设置,例如,Z2可以为128。
相应的,如果某一像素点对应的目标梯度大于等于第一梯度阈值,且小于等于第二梯度阈值,则可以确定该像素点为弱边缘区域;如果该像素点对应的目标梯度大于第二梯度阈值,则可以确定该像素点为强边缘区域。
S102:基于预设图像平滑算法,对非边缘像素点的灰度值进行处理。
在实际操作过程中,造成非边缘区域失真的主要原因是噪声的影响,因此,针对非边缘像素点,电子设备可以根据预设图像平滑算法,对非边缘像素的灰度值进行处理,得到处理后的灰度值。
预设图像平滑算法可以为高斯滤波算法,或者为均值滤波算法,或者也可以为其他用于去除噪声的图像平滑算法。
S103:基于预设图像增强算法,对边缘像素点的灰度值进行处理。
在实际操作过程中,造成边缘区域失真的主要原因是细节丢失,因此,针对边缘像素点,电子设备可以根据预设图像增强算法,对边缘像素的灰度值进行处理,得到处理后的灰度值。
预设图像增强算法可以为锐化滤波算法,或者也可以为其他用于增强图像细节的图像增强算法。
可以理解的是,本申请实施例对于S102和S103的执行顺序并不进行限定。
可选的,还可以根据参考灰度值,确定边缘像素点的边缘类型,并针对不同边缘类型的边缘像素点,采取不同的图像增强算法进行处理。
可选的,针对待处理图像帧中的每一像素点,在确定该像素点对应的目标梯度时,还可以将该像素点对应的目标梯度所属的方向,确定为目标方向。
例如,针对某一像素点,电子设备确定该像素点对应的目标梯度,为预设方向为0°对应的方向时当前像素点对应的方向梯度,则电子设备可以确定该像素点对应的目标方向为0°对应的方向。
相应的,参见图5,S103可以包括以下步骤:
S1031:针对每一边缘像素点,计算该边缘像素点对应的目标方向的参考灰度值。
一种实现方式中,针对每一边缘像素点,在确定出该边缘像素点对应的目标方向后,电子设备还可以计算该边缘像素点对应的目标方向的参考灰度值,以根据参考灰度值,确定该边缘像素点的边缘类型。
S1032:根据该边缘像素点对应的目标梯度,以及对应的目标方向的参考灰度值,确定该边缘像素点的边缘类型。
可选的,该边缘像素点对应的目标方向的参考灰度值可以包括第一参考灰度值和第二参考灰度值。
一种实现方式,针对每一边缘像素点,在确定出该边缘像素点对应的目标方向后,电子设备可以根据以下公式,计算该边缘像素点对应的目标方向的第一参考灰度值和第二参考灰度值。
此时,该边缘像素点即为当前像素点,fW11和fW12分别表示目标方向为0°对应的方向时的第一参考灰度值和第二参考灰度值。fW21和fW22分别表示目标方向为45°对应的方向时的第一参考灰度值和第二参考灰度值。fW31和fW32分别表示目标方向为90°对应的方向时的第一参考灰度值和第二参考灰度值。fW41和fW42分别表示目标方向为135°对应的方向时的第一参考灰度值和第二参考灰度值。
相应的,S1032可以包括以下步骤:
步骤1,基于第二预设公式、第一参考灰度值和第二参考灰度值,得到第一灰度阈值、第二灰度阈值和第三灰度阈值。
其中,第二预设公式为:
S1表示第一参考灰度值,S2表示第二参考灰度值,T1表示第一灰度阈值,T2表示第二灰度阈值,T3表示第三灰度阈值。
在得到第一参考灰度值和第二参考灰度值后,电子设备则可以根据第二预设公式,计算得到第一灰度阈值、第二灰度阈值和第三灰度阈值。
步骤2,如果该边缘像素点对应的目标梯度小于第一灰度阈值,确定该边缘像素点的边缘类型为第一边缘类型;如果该边缘像素点对应的目标梯度不小于第一灰度阈值,且不大于第二灰度阈值,确定该边缘像素点的边缘类型为第二边缘类型;如果该边缘像素点对应的目标梯度大于第二灰度阈值,且不大于第三灰度阈值,确定该边缘像素点的边缘类型为第三边缘类型;如果该边缘像素点对应的目标梯度大于第三灰度阈值,确定该边缘像素点的边缘类型为第四边缘类型。
在得到第一灰度阈值、第二灰度阈值和第三灰度阈值后,电子设备可以比较该边缘像素点对应的目标梯度、第一灰度阈值、第二灰度阈值和第三灰度阈值的大小,根据大小关系,确定该边缘像素点的边缘类型。
S1033:根据该边缘像素点的边缘类型对应的图像增强算法,对该边缘像素点的灰度值进行处理。
在确定出该边缘像素点的边缘类型后,电子设备则可以该边缘像素点的边缘类型对应的图像增强算法,对该边缘像素点的灰度值进行处理。
根据边缘类型,对该边缘像素点的灰度值进行处理,可以包括以下四种情况:
情况一,如果该边缘像素点的边缘类型为第一边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值。
情况二,如果该边缘像素点的边缘类型为第二边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值,其中,第二预设系数大于第一预设系数。
情况三,如果该边缘像素点的边缘类型为第三边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值。
情况四,如果该边缘像素点的边缘类型为第四边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值。
一种实现方式中,电子设备可以根据以下公式,对该边缘像素点的灰度值进行处理。
g1(x,y)=f(x,y)-γ1*s(x,y);
g2(x,y)=f(x,y)-γ2*s(x,y);
g3(x,y)=f(x,y)+γ2*s(x,y);
g4(x,y)=f(x,y)+γ1*s(x,y)。
其中,g1(x,y)表示该边缘像素点的边缘类型为第一边缘类型时,该边缘像素点处理后的灰度值;g2(x,y)表示该边缘像素点的边缘类型为第二边缘类型时,该边缘像素点处理后的灰度值;g3(x,y)表示该边缘像素点的边缘类型为第三边缘类型时,该边缘像素点处理后的灰度值;g4(x,y)表示该边缘像素点的边缘类型为第四边缘类型时,该边缘像素点处理后的灰度值;f(x,y)表示处理前该边缘像素点的灰度值,s(x,y)表示该边缘像素点对应的目标梯度,γ1表示第一预设系数,γ2表示第二预设系数。
例如,γ1可以为1/24,γ2可以为1/12,但并不限于此。
S104:根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。
在得到待处理图像帧中各像素点处理后的灰度值后,电子设备可以将各像素点UV通道的参数和处理后的灰度值,转换为RGB格式,进而,得到处理后的待处理图像帧。
可见,基于本申请实施例的图像处理方法,针对待处理图像帧中的非边缘像素点和边缘像素点,分别采取不同的方式进行处理,相对于现有技术中,根据同一方式对待处理图像帧中的所有像素点进行处理,可以提高处理后的图像帧的图像质量。
另外,本申请的图像处理方法,只针对Y通道的参数进行处理,而Y通道的图像参数(即灰度值)与图像的色彩并不存在关系,因此,处理后的待处理图像帧并不会产生色差。
参见图6,图6为本申请实施例提供的一种图像处理方法示例的流程图,该方法可以包括以下步骤:
S601:获取待处理图像帧。
S602:针对待处理图像帧中的每一像素点,计算该像素点对应的灰度值在多个预设方向的梯度。
S603:从该像素点对应的灰度值在多个预设方向的梯度中,确定出数值最大的目标梯度,并将该像素点对应的目标梯度所属的方向,确定为目标方向。
S604:根据待处理图像帧中各像素点对应的目标梯度的分布直方图,确定下限梯度。
其中,待处理图像帧中对应的目标梯度小于和等于下限梯度的像素点所占的比例为5%。
S605:基于第一预设公式和下限梯度,得到第一梯度阈值。
其中,第一预设公式为:
Y1=min(max(X1,0),64)
X1表示下限梯度,Y1表示第一梯度阈值。
S606:如果该像素点对应的目标梯度小于第一梯度阈值,确定该像素点为非边缘像素点;如果该像素点对应的目标梯度不小于第一梯度阈值,确定该像素点为边缘像素点。
S607:基于预设图像平滑算法,对待处理图像帧中的非边缘像素点的灰度值进行处理。
S608:针对对待处理图像帧中的每一边缘像素点,计算该边缘像素点对应的目标方向的第一参考灰度值和第二参考灰度值。
S609:基于第二预设公式、第一参考灰度值和第二参考灰度值,得到第一灰度阈值、第二灰度阈值和第三灰度阈值。
其中,第二预设公式为:
S1表示第一参考灰度值,S2表示第二参考灰度值,T1表示第一灰度阈值,T2表示第二灰度阈值,T3表示第三灰度阈值。
S6010:根据该边缘像素点对应的目标梯度、第一灰度阈值、第二灰度阈值和第三灰度阈值,确定该边缘像素点的边缘类型。
S6011:如果该边缘像素点的边缘类型为第一边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值;如果该边缘像素点的边缘类型为第二边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值;如果该边缘像素点的边缘类型为第三边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值;如果该边缘像素点的边缘类型为第四边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值。
其中,第二预设系数大于第一预设系数。
S6012:根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。
与图1的方法实施例相对应,参见图7,图7为本申请实施例提供的一种图像处理装置的结构图,该装置可以包括:
确定模块701,用于通过预设边缘检测算法对待处理图像帧进行处理,确定出待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点;
平滑模块702,用于基于预设图像平滑算法,对非边缘像素点的灰度值进行处理;
增强模块703,用于基于预设图像增强算法,对边缘像素点的灰度值进行处理;
处理模块704,用于根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。
可选的,确定模块701,具体用于针对待处理图像帧中的每一像素点,计算该像素点对应的灰度值在多个预设方向的梯度;
从该像素点对应的灰度值在多个预设方向的梯度中,确定出数值最大的目标梯度;
根据待处理图像帧中各像素点对应的目标梯度的分布情况,确定梯度阈值;
根据梯度阈值和各像素点对应的目标梯度的大小关系,确定待处理图像帧中的边缘像素点和非边缘像素点。
可选的,确定模块701,具体用于根据待处理图像帧中各像素点对应的目标梯度的分布直方图,确定下限梯度,其中,待处理图像帧中对应的目标梯度小于和等于下限梯度的像素点所占的比例为第一预设比值;
基于第一预设公式和下限梯度,得到梯度阈值,其中,第一预设公式为:
Y=min(max(X,0),Z)
X表示下限梯度,Y表示梯度阈值,Z表示预设数值。
可选的,确定模块701,具体用于针对待处理图像帧中的每一像素点,判断该像素点对应的目标梯度是否小于梯度阈值;
如果该像素点对应的目标梯度小于梯度阈值,确定该像素点为非边缘像素点;
如果该像素点对应的目标梯度不小于梯度阈值,确定该像素点为边缘像素点。
可选的,确定模块701,还用于针对待处理图像帧中的每一像素点,将该像素点对应的目标梯度所属的方向,确定为目标方向;
增强模块703,具体用于针对每一边缘像素点,计算该边缘像素点对应的目标方向的参考灰度值;
根据该边缘像素点对应的目标梯度,以及对应的目标方向的参考灰度值,确定该边缘像素点的边缘类型;
根据该边缘像素点的边缘类型对应的图像增强算法,对该边缘像素点的灰度值进行处理。
可选的,该边缘像素点对应的目标方向的参考灰度值包括第一参考灰度值和第二参考灰度值;
增强模块703,具体用于基于第二预设公式、第一参考灰度值和第二参考灰度值,得到第一灰度阈值、第二灰度阈值和第三灰度阈值,其中,第二预设公式为:
S1表示第一参考灰度值,S2表示第二参考灰度值,T1表示第一灰度阈值,T2表示第二灰度阈值,T3表示第三灰度阈值;
如果该边缘像素点对应的目标梯度小于第一灰度阈值,确定该边缘像素点的边缘类型为第一边缘类型;
如果该边缘像素点对应的目标梯度不小于第一灰度阈值,且不大于第二灰度阈值,确定该边缘像素点的边缘类型为第二边缘类型;
如果该边缘像素点对应的目标梯度大于第二灰度阈值,且不大于第三灰度阈值,确定该边缘像素点的边缘类型为第三边缘类型;
如果该边缘像素点对应的目标梯度大于第三灰度阈值,确定该边缘像素点的边缘类型为第四边缘类型。
可选的,增强模块703,具体用于如果该边缘像素点的边缘类型为第一边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为第二边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值,其中,第二预设系数大于第一预设系数;
如果该边缘像素点的边缘类型为第三边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为第四边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值。
由以上可见,基于本申请实施例的图像处理装置,通过预设边缘检测算法对待处理图像帧进行处理,确定出待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点,基于预设图像平滑算法,对非边缘像素点的灰度值进行处理,基于预设图像增强算法,对边缘像素点的灰度值进行处理,根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。基于上述处理,可以提高处理后的图像帧的图像质量。
本申请实施例还提供了一种电子设备,如图8所示,包括存储器801和处理器802;
存储器801,用于存放计算机程序;
处理器802,用于执行存储器801上所存放的程序时,实现本申请实施例提供的图像处理方法。
具体的,上述图像处理方法,包括:
通过预设边缘检测算法对待处理图像帧进行处理,确定出待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点;
基于预设图像平滑算法,对非边缘像素点的灰度值进行处理;
基于预设图像增强算法,对边缘像素点的灰度值进行处理;
根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。
需要说明的是,上述图像处理方法的其他实现方式与前述方法实施例部分相同,这里不再赘述。
上述电子设备可以具备有实现上述电子设备与其他设备之间通信的通信接口。
上述的处理器,通信接口,存储器通过通信总线完成相互间的通信,此处提到的通信总线可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(Non-Volatile Memory,简称NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行本申请实施例提供的图像处理方法。
具体的,上述图像处理方法,包括:
通过预设边缘检测算法对待处理图像帧进行处理,确定出待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点;
基于预设图像平滑算法,对非边缘像素点的灰度值进行处理;
基于预设图像增强算法,对边缘像素点的灰度值进行处理;
根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。
需要说明的是,上述图像处理方法的其他实现方式与前述方法实施例部分相同,这里不再赘述。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行本申请实施例提供的图像处理方法。
具体的,上述图像处理方法,包括:
通过预设边缘检测算法对待处理图像帧进行处理,确定出待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点;
基于预设图像平滑算法,对非边缘像素点的灰度值进行处理;
基于预设图像增强算法,对边缘像素点的灰度值进行处理;
根据待处理图像帧中像素点处理后的灰度值,得到处理后的待处理图像帧。
需要说明的是,上述图像处理方法的其他实现方式与前述方法实施例部分相同,这里不再赘述。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质、计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (16)
1.一种图像处理方法,其特征在于,所述方法包括:
通过预设边缘检测算法对待处理图像帧进行处理,确定出所述待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点;
基于预设图像平滑算法,对所述非边缘像素点的灰度值进行处理;
基于预设图像增强算法,对所述边缘像素点的灰度值进行处理;
根据所述待处理图像帧中像素点处理后的灰度值,得到处理后的所述待处理图像帧。
2.根据权利要求1所述的方法,其特征在于,所述通过预设边缘检测算法对待处理图像帧进行处理,确定出所述待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点,包括:
针对待处理图像帧中的每一像素点,计算该像素点对应的灰度值在多个预设方向的梯度;
从该像素点对应的灰度值在多个预设方向的梯度中,确定出数值最大的目标梯度;
根据所述待处理图像帧中各像素点对应的目标梯度的分布情况,确定梯度阈值;
根据所述梯度阈值和所述各像素点对应的目标梯度的大小关系,确定所述待处理图像帧中的边缘像素点和非边缘像素点。
3.根据权利要求2所述的方法,其特征在于,所述根据所述待处理图像帧中各像素点对应的目标梯度的分布情况,确定梯度阈值,包括:
根据所述待处理图像帧中各像素点对应的目标梯度的分布直方图,确定下限梯度,其中,所述待处理图像帧中对应的目标梯度小于和等于所述下限梯度的像素点所占的比例为第一预设比值;
基于第一预设公式和所述下限梯度,得到梯度阈值,其中,所述第一预设公式为:
Y1=min(max(X1,0),Z1)
X1表示所述下限梯度,Y1表示所述梯度阈值,Z1表示预设数值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述梯度阈值和所述各像素点对应的目标梯度的大小关系,确定所述待处理图像帧中的边缘像素点和非边缘像素,包括:
针对所述待处理图像帧中的每一像素点,判断该像素点对应的目标梯度是否小于所述梯度阈值;
如果该像素点对应的目标梯度小于所述梯度阈值,确定该像素点为非边缘像素点;
如果该像素点对应的目标梯度不小于所述梯度阈值,确定该像素点为边缘像素点。
5.根据权利要求2所述的方法,其特征在于,在所述基于预设图像增强算法,对所述边缘像素点的灰度值进行处理之前,所述方法还包括:
针对所述待处理图像帧中的每一像素点,将该像素点对应的目标梯度所属的方向,确定为目标方向;
所述基于预设图像增强算法,对所述边缘像素点的灰度值进行处理,包括:
针对每一边缘像素点,计算该边缘像素点对应的目标方向的参考灰度值;
根据该边缘像素点对应的目标梯度,以及对应的目标方向的参考灰度值,确定该边缘像素点的边缘类型;
根据该边缘像素点的边缘类型对应的图像增强算法,对该边缘像素点的灰度值进行处理。
6.根据权利要求5所述的方法,其特征在于,该边缘像素点对应的目标方向的参考灰度值包括第一参考灰度值和第二参考灰度值;
所述根据该边缘像素点对应的目标梯度,以及对应的目标方向的参考灰度值,确定该边缘像素点的边缘类型,包括:
基于第二预设公式、所述第一参考灰度值和所述第二参考灰度值,得到第一灰度阈值、第二灰度阈值和第三灰度阈值,其中,所述第二预设公式为:
S1表示第一参考灰度值,S2表示第二参考灰度值,T1表示第一灰度阈值,T2表示第二灰度阈值,T3表示第三灰度阈值;
如果该边缘像素点对应的目标梯度小于所述第一灰度阈值,确定该边缘像素点的边缘类型为第一边缘类型;
如果该边缘像素点对应的目标梯度不小于所述第一灰度阈值,且不大于所述第二灰度阈值,确定该边缘像素点的边缘类型为第二边缘类型;
如果该边缘像素点对应的目标梯度大于所述第二灰度阈值,且不大于所述第三灰度阈值,确定该边缘像素点的边缘类型为第三边缘类型;
如果该边缘像素点对应的目标梯度大于所述第三灰度阈值,确定该边缘像素点的边缘类型为第四边缘类型。
7.根据权利要求6所述的方法,其特征在于,所述根据该边缘像素点的边缘类型对应的图像增强算法,对该边缘像素点的灰度值进行处理,包括:
如果该边缘像素点的边缘类型为所述第一边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为所述第二边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值,其中,所述第二预设系数大于所述第一预设系数;
如果该边缘像素点的边缘类型为所述第三边缘类型,计算所述第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为所述第四边缘类型,计算所述第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值。
8.一种图像处理装置,其特征在于,所述装置包括:
确定模块,用于通过预设边缘检测算法对待处理图像帧进行处理,确定出所述待处理图像帧中属于边缘区域的边缘像素点,以及属于非边缘区域的非边缘像素点;
平滑模块,用于基于预设图像平滑算法,对所述非边缘像素点的灰度值进行处理;
增强模块,用于基于预设图像增强算法,对所述边缘像素点的灰度值进行处理;
处理模块,用于根据所述待处理图像帧中像素点处理后的灰度值,得到处理后的所述待处理图像帧。
9.根据权利要求8所述的装置,其特征在于,所述确定模块,具体用于针对待处理图像帧中的每一像素点,计算该像素点对应的灰度值在多个预设方向的梯度;
从该像素点对应的灰度值在多个预设方向的梯度中,确定出数值最大的目标梯度;
根据所述待处理图像帧中各像素点对应的目标梯度的分布情况,确定梯度阈值;
根据所述梯度阈值和所述各像素点对应的目标梯度的大小关系,确定所述待处理图像帧中的边缘像素点和非边缘像素点。
10.根据权利要求9所述的装置,其特征在于,所述确定模块,具体用于根据所述待处理图像帧中各像素点对应的目标梯度的分布直方图,确定下限梯度,其中,所述待处理图像帧中对应的目标梯度小于和等于所述下限梯度的像素点所占的比例为第一预设比值;
基于第一预设公式和所述下限梯度,得到梯度阈值,其中,所述第一预设公式为:
Y1=min(max(X1,0),Z1)
X1表示所述下限梯度,Y1表示所述梯度阈值,Z1表示预设数值。
11.根据权利要求10所述的装置,其特征在于,所述确定模块,具体用于针对所述待处理图像帧中的每一像素点,判断该像素点对应的目标梯度是否小于所述梯度阈值;
如果该像素点对应的目标梯度小于所述梯度阈值,确定该像素点为非边缘像素点;
如果该像素点对应的目标梯度不小于所述梯度阈值,确定该像素点为边缘像素点。
12.根据权利要求9所述的装置,其特征在于,所述确定模块,还用于针对所述待处理图像帧中的每一像素点,将该像素点对应的目标梯度所属的方向,确定为目标方向;
所述增强模块,具体用于针对每一边缘像素点,计算该边缘像素点对应的目标方向的参考灰度值;
根据该边缘像素点对应的目标梯度,以及对应的目标方向的参考灰度值,确定该边缘像素点的边缘类型;
根据该边缘像素点的边缘类型对应的图像增强算法,对该边缘像素点的灰度值进行处理。
13.根据权利要求12所述的装置,其特征在于,该边缘像素点对应的目标方向的参考灰度值包括第一参考灰度值和第二参考灰度值;
所述增强模块,具体用于基于第二预设公式、所述第一参考灰度值和所述第二参考灰度值,得到第一灰度阈值、第二灰度阈值和第三灰度阈值,其中,所述第二预设公式为:
S1表示第一参考灰度值,S2表示第二参考灰度值,T1表示第一灰度阈值,T2表示第二灰度阈值,T3表示第三灰度阈值;
如果该边缘像素点对应的目标梯度小于所述第一灰度阈值,确定该边缘像素点的边缘类型为第一边缘类型;
如果该边缘像素点对应的目标梯度不小于所述第一灰度阈值,且不大于所述第二灰度阈值,确定该边缘像素点的边缘类型为第二边缘类型;
如果该边缘像素点对应的目标梯度大于所述第二灰度阈值,且不大于所述第三灰度阈值,确定该边缘像素点的边缘类型为第三边缘类型;
如果该边缘像素点对应的目标梯度大于所述第三灰度阈值,确定该边缘像素点的边缘类型为第四边缘类型。
14.根据权利要求13所述的装置,其特征在于,所述增强模块,具体用于如果该边缘像素点的边缘类型为所述第一边缘类型,计算第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为所述第二边缘类型,计算第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的差值,作为处理后该边缘像素点的灰度值,其中,所述第二预设系数大于所述第一预设系数;
如果该边缘像素点的边缘类型为所述第三边缘类型,计算所述第二预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值;
如果该边缘像素点的边缘类型为所述第四边缘类型,计算所述第一预设系数与该边缘像素点对应的目标梯度的乘积,并将该边缘像素点的灰度值与计算的乘积的和值,作为处理后该边缘像素点的灰度值。
15.一种电子设备,其特征在于,包括存储器和处理器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568721.5A CN112150368A (zh) | 2019-06-27 | 2019-06-27 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568721.5A CN112150368A (zh) | 2019-06-27 | 2019-06-27 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112150368A true CN112150368A (zh) | 2020-12-29 |
Family
ID=73868726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910568721.5A Pending CN112150368A (zh) | 2019-06-27 | 2019-06-27 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150368A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012185A (zh) * | 2021-03-26 | 2021-06-22 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN116416251A (zh) * | 2023-06-12 | 2023-07-11 | 梁山水泊胶带股份有限公司 | 基于图像处理的整芯阻燃输送带质量检测方法及相关装置 |
CN116740106A (zh) * | 2023-05-24 | 2023-09-12 | 钛玛科(北京)工业科技有限公司 | 极片涂布的边缘检测方法及装置 |
CN116883270A (zh) * | 2023-07-04 | 2023-10-13 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种碎石手术软镜清晰化成像系统 |
CN117788300A (zh) * | 2024-02-23 | 2024-03-29 | 中国医学科学院北京协和医院 | 一种输尿管镜碎石用影像增强的优化方法 |
-
2019
- 2019-06-27 CN CN201910568721.5A patent/CN112150368A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012185A (zh) * | 2021-03-26 | 2021-06-22 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113012185B (zh) * | 2021-03-26 | 2023-08-29 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN116740106A (zh) * | 2023-05-24 | 2023-09-12 | 钛玛科(北京)工业科技有限公司 | 极片涂布的边缘检测方法及装置 |
CN116416251A (zh) * | 2023-06-12 | 2023-07-11 | 梁山水泊胶带股份有限公司 | 基于图像处理的整芯阻燃输送带质量检测方法及相关装置 |
CN116416251B (zh) * | 2023-06-12 | 2023-08-25 | 梁山水泊胶带股份有限公司 | 基于图像处理的整芯阻燃输送带质量检测方法及相关装置 |
CN116883270A (zh) * | 2023-07-04 | 2023-10-13 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种碎石手术软镜清晰化成像系统 |
CN116883270B (zh) * | 2023-07-04 | 2024-03-22 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种碎石手术软镜清晰化成像系统 |
CN117788300A (zh) * | 2024-02-23 | 2024-03-29 | 中国医学科学院北京协和医院 | 一种输尿管镜碎石用影像增强的优化方法 |
CN117788300B (zh) * | 2024-02-23 | 2024-05-10 | 中国医学科学院北京协和医院 | 一种输尿管镜碎石用影像增强的优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112150368A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
JP5144202B2 (ja) | 画像処理装置およびプログラム | |
CN108038833B (zh) | 一种梯度相关性检测的图像自适应锐化方法和存储介质 | |
WO2020052270A1 (zh) | 一种视频审核的方法、装置和设备 | |
CN109903294B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
US9275438B2 (en) | Bilateral denoising for digital camera images | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
US7327504B2 (en) | Method of detecting clipped image pixels | |
WO2017185772A1 (zh) | 一种视频图像增强的方法、装置和计算机存储介质 | |
CN110223244B (zh) | 一种图像处理的方法、装置、电子设备和存储介质 | |
WO2022121893A1 (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
US11551336B2 (en) | Chrominance and luminance enhancing systems and methods | |
WO2019210707A1 (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
CN111161177A (zh) | 图像自适应降噪方法和装置 | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
CN113888509A (zh) | 一种图像清晰度的评价方法、装置、设备及存储介质 | |
CN113011433B (zh) | 一种滤波参数调整方法及装置 | |
KR102337835B1 (ko) | 지향성 스케일링 시스템들 및 방법들 | |
CN116934634A (zh) | 一种基于像素分类的图像增强方法及装置 | |
US9569857B2 (en) | Conversion of digital images into digital line drawings | |
KR102525546B1 (ko) | 영상 처리 방법 및 이를 수행하는 영상 처리 장치 | |
US10719916B2 (en) | Statistical noise estimation systems and methods | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
RU2364937C1 (ru) | Способ и устройство фильтрования шума видеосигналов | |
CN110633065B (zh) | 一种图像调整方法及装置、计算机可读存储介质 |
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 |