CN112819733A - 一种定向双边图像滤波方法及装置 - Google Patents

一种定向双边图像滤波方法及装置 Download PDF

Info

Publication number
CN112819733A
CN112819733A CN202110128895.7A CN202110128895A CN112819733A CN 112819733 A CN112819733 A CN 112819733A CN 202110128895 A CN202110128895 A CN 202110128895A CN 112819733 A CN112819733 A CN 112819733A
Authority
CN
China
Prior art keywords
image
coefficient
space
spatial
bilateral
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
CN202110128895.7A
Other languages
English (en)
Other versions
CN112819733B (zh
Inventor
郑帆捷
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.)
Chengdu Goke Microelectronics Co ltd
Original Assignee
Chengdu Goke Microelectronics 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 Chengdu Goke Microelectronics Co ltd filed Critical Chengdu Goke Microelectronics Co ltd
Priority to CN202110128895.7A priority Critical patent/CN112819733B/zh
Publication of CN112819733A publication Critical patent/CN112819733A/zh
Application granted granted Critical
Publication of CN112819733B publication Critical patent/CN112819733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T2207/20—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

本申请公开了一种定向双边图像滤波方法及装置，该方法包括：利用梯度算子卷积运算得出待滤波图像中各像素的权重影像；针对不同设定角度的椭圆方向空间核，根据得出的权重影像确定平均空间系数；采用确定的平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像。本申请在传统双边滤波器函数基础上，增加权重影像参数以及多重空间核，在确定平均空间系数之后得到最佳空间核计算结果，输出影像能够保护影像边缘特征，在本质上改善了双边滤波的输出像素品质。

Description

一种定向双边图像滤波方法及装置
技术领域
本发明涉及图像处理技术领域，特别是涉及一种定向双边图像滤波方法及装置。
背景技术
图像的数据在处理和传输的过程中，会受到显示装置及外部环境的噪声影响，噪声大小是衡量图像质量的一个非常重要的因素，因此，在不影响系数整体性能的情况下需要利用图像滤波技术来提高图像质量。滤波的基本原理是将图像中的每个像素点与其邻域内的像素点的亮度值作邻域运算，即进行局部加权平均卷积运算。双边滤波由于具备边缘保留效果被广泛应用。
但是，双边滤波本质上是一种邻域像素值加权平均的滤波处理，必然会使图像特征模糊。而现有的双边滤波方法都是着重于改善双边滤波器的时间复杂度以及增加不同区域的滤波平滑调整弹性。在边缘保护上，仍缺少一种技术能本质上改善双边滤波的输出像素品质。
发明内容
有鉴于此，本发明的目的在于提供一种定向双边图像滤波方法及装置，可以保护影像边缘特征，改善双边滤波的输出像素品质。其具体方案如下：
一种定向双边图像滤波方法，包括：
利用梯度算子卷积运算得出待滤波图像中各像素的权重影像；
针对不同设定角度的椭圆方向空间核，根据得出的所述权重影像确定平均空间系数；
采用确定的所述平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像。
优选地，在本发明实施例提供的上述定向双边图像滤波方法中，根据得出的所述权重影像确定平均空间系数，具体包括：
根据得出的所述权重影像，计算出各空间核对应的独立空间系数；
根据所述独立空间系数和空间核总数量，计算出平均空间系数。
优选地，在本发明实施例提供的上述定向双边图像滤波方法中，采用第一公式计算出各空间核对应的独立空间系数；所述第一公式为：
Figure BDA0002924465740000021
其中，p为当前像素，q为邻域像素，K为所述权重影像，fs为空间核，Ω为滑动视窗，γ为独立空间系数，n＝0,1,...,N，N为空间核总数量。
优选地，在本发明实施例提供的上述定向双边图像滤波方法中，采用第二公式计算出平均空间系数；所述第二公式为：
Figure BDA0002924465740000022
其中，α为平均空间系数。
优选地，在本发明实施例提供的上述定向双边图像滤波方法中，采用确定的所述平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像，具体包括：
基于所述待滤波图像的输入影像、范围核和空间核，计算出范围系数；
采用确定的所述平均空间系数和所述范围系数对所述待滤波图像进行双边滤波，计算出输出影像。
优选地，在本发明实施例提供的上述定向双边图像滤波方法中，采用第三公式计算出范围系数；所述第三公式为：
Figure BDA0002924465740000023
其中，I为输入影像，fr为范围核，β为范围系数。
优选地，在本发明实施例提供的上述定向双边图像滤波方法中，采用第四公式计算出当前像素的输出影像；所述第四公式为：
Figure BDA0002924465740000024
其中，J为输出影像。
本发明实施例还提供了一种定向双边图像滤波装置，包括：
权重影像计算模块，用于利用梯度算子卷积运算得出待滤波图像中各像素的权重影像；
空间系数确定模块，用于针对不同设定角度的椭圆方向空间核，根据得出的所述权重影像确定平均空间系数；
输出影像获取模块，用于采用确定的所述平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像。
优选地，在本发明实施例提供的上述定向双边图像滤波装置中，所述空间系数确定模块，具体用于根据得出的所述权重影像，计算出各空间核对应的独立空间系数；根据所述独立空间系数和空间核总数量，计算出平均空间系数。
优选地，在本发明实施例提供的上述定向双边图像滤波装置中，所述输出影像获取模块，具体用于基于所述待滤波图像的输入影像、范围核和空间核，计算出范围系数；采用确定的所述平均空间系数和所述范围系数对所述待滤波图像进行双边滤波，计算出输出影像。
从上述技术方案可以看出，本发明所提供的一种定向双边图像滤波方法，包括：利用梯度算子卷积运算得出待滤波图像中各像素的权重影像；针对不同设定角度的椭圆方向空间核，根据得出的权重影像确定平均空间系数；采用确定的平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像。
本发明在传统双边滤波器函数基础上，增加权重影像参数以及多重空间核，在确定平均空间系数之后得到最佳空间核计算结果，输出影像能够保护影像边缘特征，在本质上改善了双边滤波的输出像素品质。此外，本发明还针对定向双边图像滤波方法提供了相应的装置，进一步使得上述方法更具有实用性，该装置具有相应的优点。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的定向双边图像滤波方法的流程图；
图2为本发明实施例提供的图像化的16个空间核的示意图；
图3为本发明实施例提供的原始影像图；
图4为本发明实施例提供的杂讯影像图；
图5为经传统双边图像滤波后的输出影像图；
图6为本发明实施例提供的经定向双边图像滤波后的输出影像图；
图7为本发明实施例提供的定向双边图像滤波装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。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。
本发明提供一种定向双边图像滤波方法，如图1所示，包括以下步骤：
S101、利用梯度算子卷积运算得出待滤波图像中各像素的权重影像；
具体地，权重影像使用Sobel gradient convolution计算出来，具体可以采用下列公式进行计算：
K＝((I*Gx)2+(I*Gy)2)1/2
其中，K为权重影像，I为输入影像，Gx为水平卷积核，Gy为垂直卷积核。实施方式包含但不限于Sobel卷积，Laplacian卷积等可作为定向系数预测的梯度运算子；
S102、针对不同设定角度的椭圆方向空间核，根据得出的权重影像确定平均空间系数；
如图2所示，空间核总数量为16，滑动窗口为9×9，透过设定不同角度的椭圆方向空间核，并使用权重影像K可计算平均空间系数；
S103、采用确定的平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像。
在本发明实施例提供的上述定向双边图像滤波方法中，在传统双边滤波器函数基础上，增加权重影像参数以及多重空间核，在确定平均空间系数之后得到最佳空间核计算结果，输出影像能够保护影像边缘特征，在本质上改善了双边滤波的输出像素品质。
进一步地，在具体实施时，在本发明实施例提供的上述定向双边图像滤波方法中，步骤S102根据得出的权重影像确定平均空间系数，具体可以包括：首先，根据得出的权重影像，计算出各空间核对应的独立空间系数；然后，根据独立空间系数和空间核总数量，计算出平均空间系数。
在具体实施时，在本发明实施例提供的上述定向双边图像滤波方法中，采用第一公式计算出各空间核对应的独立空间系数；第一公式为：
Figure BDA0002924465740000051
其中，p为当前像素，q为邻域像素，K为权重影像，Kq为邻域像素q的权重影像，fs为空间核，Ω为滑动视窗，γ为独立空间系数，n＝0,1,...,N，N为空间核总数量。
在具体实施时，在本发明实施例提供的上述定向双边图像滤波方法中，采用第二公式计算出平均空间系数；第二公式为：
Figure BDA0002924465740000052
其中，α为平均空间系数。
进一步地，在具体实施时，在本发明实施例提供的上述定向双边图像滤波方法中，步骤S103采用确定的平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像，具体可以包括：首先，基于待滤波图像的输入影像、范围核和空间核，计算出范围系数；然后，采用确定的平均空间系数和范围系数对待滤波图像进行双边滤波，计算出输出影像。
在具体实施时，在本发明实施例提供的上述定向双边图像滤波方法中，采用第三公式计算出范围系数；第三公式为：
Figure BDA0002924465740000053
其中，I为输入影像，fr为范围核，β为范围系数。
在具体实施时，在本发明实施例提供的上述定向双边图像滤波方法中，采用第四公式计算出当前像素的输出影像；第四公式为：
Figure BDA0002924465740000054
其中，J为输出影像。
为了证明本发明在输出影像品质上的优点，将使用图3的六张测试影像资料库的灰阶影像，以及结合高斯杂讯模型产生杂讯影像并显示于图4。图5与图6分别为传统双边滤波器以及本发明的定向双边滤波器输出结果，每张影像下方数字为峰值讯噪比。从图5和图6中可看出本发明的输出影像更能够保护影像边缘特征，并且能得到更高的峰值讯噪比品质估测结果。
基于同一发明构思，本发明实施例还提供了一种定向双边图像滤波装置，由于该装置解决问题的原理与前述一种定向双边图像滤波方法相似，因此该装置的实施可以参见定向双边图像滤波方法的实施，重复之处不再赘述。
在具体实施时，本发明实施例提供的定向双边图像滤波装置，如图7所示，具体包括：
权重影像计算模块11，用于利用梯度算子卷积运算得出待滤波图像中各像素的权重影像；
空间系数确定模块12，用于针对不同设定角度的椭圆方向空间核，根据得出的权重影像确定平均空间系数；
输出影像获取模块13，用于采用确定的平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像。
在本发明实施例提供的上述定向双边图像滤波装置中，可以通过上述三个模块的相互作用，增加权重影像参数以及多重空间核，在确定平均空间系数之后得到最佳空间核计算结果，输出影像能够保护影像边缘特征，进而在本质上改善了双边滤波的输出像素品质。
在具体实施时，在本发明实施例提供的上述定向双边图像滤波装置中，空间系数确定模块12，具体用于根据得出的权重影像，计算出各空间核对应的独立空间系数；根据独立空间系数和空间核总数量，计算出平均空间系数。
在具体实施时，在本发明实施例提供的上述定向双边图像滤波装置中，输出影像获取模块13，具体用于基于待滤波图像的输入影像、范围核和空间核，计算出范围系数；采用确定的平均空间系数和范围系数对待滤波图像进行双边滤波，计算出输出影像。
关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本发明实施例提供的一种定向双边图像滤波方法，包括：利用梯度算子卷积运算得出待滤波图像中各像素的权重影像；针对不同设定角度的椭圆方向空间核，根据得出的权重影像确定平均空间系数；采用确定的平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像。本发明在传统双边滤波器函数基础上，增加权重影像参数以及多重空间核，在确定平均空间系数之后得到最佳空间核计算结果，输出影像能够保护影像边缘特征，在本质上改善了双边滤波的输出像素品质。此外，本发明还针对定向双边图像滤波方法提供了相应的装置，进一步使得上述方法更具有实用性，该装置具有相应的优点。
最后，还需要说明的是，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。
以上对本发明所提供的定向双边图像滤波方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种定向双边图像滤波方法，其特征在于，包括：
利用梯度算子卷积运算得出待滤波图像中各像素的权重影像；
针对不同设定角度的椭圆方向空间核，根据得出的所述权重影像确定平均空间系数；
采用确定的所述平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像。
2.根据权利要求1所述的定向双边图像滤波方法，其特征在于，根据得出的所述权重影像确定平均空间系数，具体包括：
根据得出的所述权重影像，计算出各空间核对应的独立空间系数；
根据所述独立空间系数和空间核总数量，计算出平均空间系数。
3.根据权利要求2所述的定向双边图像滤波方法，其特征在于，采用第一公式计算出各空间核对应的独立空间系数；所述第一公式为：
Figure FDA0002924465730000011
其中，p为当前像素，q为邻域像素，K为所述权重影像，fs为空间核，Ω为滑动视窗，γ为独立空间系数，n＝0,1,…,N，N为空间核总数量。
4.根据权利要求3所述的定向双边图像滤波方法，其特征在于，采用第二公式计算出平均空间系数；所述第二公式为：
Figure FDA0002924465730000012
其中，α为平均空间系数。
5.根据权利要求4所述的定向双边图像滤波方法，其特征在于，采用确定的所述平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像，具体包括：
基于所述待滤波图像的输入影像、范围核和空间核，计算出范围系数；
采用确定的所述平均空间系数和所述范围系数对所述待滤波图像进行双边滤波，计算出输出影像。
6.根据权利要求5所述的定向双边图像滤波方法，其特征在于，采用第三公式计算出范围系数；所述第三公式为：
Figure FDA0002924465730000013
其中，I为输入影像，fr为范围核，β为范围系数。
7.根据权利要求6所述的定向双边图像滤波方法，其特征在于，采用第四公式计算出当前像素的输出影像；所述第四公式为：
Figure FDA0002924465730000021
其中，J为输出影像。
8.一种定向双边图像滤波装置，其特征在于，包括：
权重影像计算模块，用于利用梯度算子卷积运算得出待滤波图像中各像素的权重影像；
空间系数确定模块，用于针对不同设定角度的椭圆方向空间核，根据得出的所述权重影像确定平均空间系数；
输出影像获取模块，用于采用确定的所述平均空间系数得到最佳空间核计算结果，以获取双边滤波后的输出影像。
9.根据权利要求8所述的定向双边图像滤波装置，其特征在于，所述空间系数确定模块，具体用于根据得出的所述权重影像，计算出各空间核对应的独立空间系数；根据所述独立空间系数和空间核总数量，计算出平均空间系数。
10.根据权利要求9所述的定向双边图像滤波装置，其特征在于，所述输出影像获取模块，具体用于基于所述待滤波图像的输入影像、范围核和空间核，计算出范围系数；采用确定的所述平均空间系数和所述范围系数对所述待滤波图像进行双边滤波，计算出输出影像。
CN202110128895.7A 2021-01-29 2021-01-29 一种定向双边图像滤波方法及装置 Active CN112819733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110128895.7A CN112819733B (zh) 2021-01-29 2021-01-29 一种定向双边图像滤波方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110128895.7A CN112819733B (zh) 2021-01-29 2021-01-29 一种定向双边图像滤波方法及装置

Publications (2)

Publication Number Publication Date
CN112819733A true CN112819733A (zh) 2021-05-18
CN112819733B CN112819733B (zh) 2024-04-16

Family

ID=75860317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110128895.7A Active CN112819733B (zh) 2021-01-29 2021-01-29 一种定向双边图像滤波方法及装置

Country Status (1)

Country Link
CN (1) CN112819733B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914862A (zh) * 2014-03-10 2014-07-09 上海大学 基于边缘正切流的模拟铅笔素描画方法
CN104778672A (zh) * 2015-04-22 2015-07-15 中国人民解放军国防科学技术大学 一种混合双边图像滤波方法
KR20150141259A (ko) * 2014-06-09 2015-12-18 전자부품연구원 이미지 센서 노이즈 모델 기반 필터링 방법 및 이를 적용한 영상 시스템
US20170195591A1 (en) * 2016-01-05 2017-07-06 Nvidia Corporation Pre-processing for video noise reduction
CN107146211A (zh) * 2017-06-08 2017-09-08 山东师范大学 基于线扩散函数和双边滤波的视网膜血管图像降噪方法
US20180033127A1 (en) * 2016-07-29 2018-02-01 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and computer readable storage medium
US20190163950A1 (en) * 2017-11-30 2019-05-30 Metal Industries Research & Development Centre Large scale cell image analysis method and system
CN109903254A (zh) * 2019-03-04 2019-06-18 中国科学院长春光学精密机械与物理研究所 基于泊松核改进的双边滤波方法
CN110246099A (zh) * 2019-06-10 2019-09-17 浙江传媒学院 一种保持结构边缘的图像去纹理方法
CN110796616A (zh) * 2019-10-23 2020-02-14 武汉工程大学 基于分数阶微分算子的l0范数约束和自适应加权梯度的湍流退化图像恢复方法
US20200342579A1 (en) * 2019-04-24 2020-10-29 Apple Inc. Biasing a noise filter to preserve image texture

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914862A (zh) * 2014-03-10 2014-07-09 上海大学 基于边缘正切流的模拟铅笔素描画方法
KR20150141259A (ko) * 2014-06-09 2015-12-18 전자부품연구원 이미지 센서 노이즈 모델 기반 필터링 방법 및 이를 적용한 영상 시스템
CN104778672A (zh) * 2015-04-22 2015-07-15 中国人民解放军国防科学技术大学 一种混合双边图像滤波方法
US20170195591A1 (en) * 2016-01-05 2017-07-06 Nvidia Corporation Pre-processing for video noise reduction
US20180033127A1 (en) * 2016-07-29 2018-02-01 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and computer readable storage medium
CN107146211A (zh) * 2017-06-08 2017-09-08 山东师范大学 基于线扩散函数和双边滤波的视网膜血管图像降噪方法
US20190163950A1 (en) * 2017-11-30 2019-05-30 Metal Industries Research & Development Centre Large scale cell image analysis method and system
CN109903254A (zh) * 2019-03-04 2019-06-18 中国科学院长春光学精密机械与物理研究所 基于泊松核改进的双边滤波方法
US20200342579A1 (en) * 2019-04-24 2020-10-29 Apple Inc. Biasing a noise filter to preserve image texture
CN110246099A (zh) * 2019-06-10 2019-09-17 浙江传媒学院 一种保持结构边缘的图像去纹理方法
CN110796616A (zh) * 2019-10-23 2020-02-14 武汉工程大学 基于分数阶微分算子的l0范数约束和自适应加权梯度的湍流退化图像恢复方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FEIHONG LIU等: "Multi-Kernel Filtering for Nonstationary Noise: An Extension of Bilateral Filtering Using Image Context", 《COMPUTER VISION AND PATTERN RECOGNITION》, pages 1 - 12 *
余博等: "可控核函数的双边滤波算法", 《吉林大学学报（工学版）》, vol. 42, no. 6, pages 1553 - 1557 *
谢岱伟: "红外图像细节增强算法研究及其FPGA实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2, pages 138 - 3356 *

Also Published As

Publication number Publication date
CN112819733B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
US10339643B2 (en) Algorithm and device for image processing
JP4534594B2 (ja) 画像処理装置、画像処理方法、画像処理方法のプログラム及び画像処理方法のプログラムを記録した記録媒体
US9142009B2 (en) Patch-based, locally content-adaptive image and video sharpening
US9443286B2 (en) Gray image processing method and apparatus based on wavelet transformation
US20060291741A1 (en) Image processing apparatus, image processing method, program, and recording medium therefor
US10628924B2 (en) Method and device for deblurring out-of-focus blurred images
US20140126808A1 (en) Recursive conditional means image denoising
CN103116875A (zh) 自适应双边滤波图像去噪方法
US20110069902A1 (en) Image denoising method
CN114742727B (zh) 一种基于图像平滑的噪声处理方法及系统
TR201810171T4 (tr) Bir girdi görüntüsündeki halka şeklinde artefaktları en aza indirmek için yöntem ve aparat.
US20200118250A1 (en) Image processing apparatus, image processing method, and non-transitory computer-readable storage medium
Kishorebabu et al. An adaptive decision based interpolation scheme for the removal of high density salt and pepper noise in images
Prasath et al. Regularization parameter selection in image restoration with inverse gradient: Single scale or multiscale?
Afraites et al. A weighted parameter identification PDE-constrained optimization for inverse image denoising problem
US20150317808A1 (en) Method for Graph Based Processing of Signals
JP5105286B2 (ja) 画像復元装置、画像復元方法及び画像復元プログラム
CN114202476A (zh) 一种红外图像增强方法、装置、设备及计算机可读介质
US20140363090A1 (en) Methods for Performing Fast Detail-Preserving Image Filtering
CN111275625A (zh) 一种图像去模糊方法、装置及电子设备
CN112819733B (zh) 一种定向双边图像滤波方法及装置
Pan et al. Fractional directional derivative and identification of blur parameters of motion-blurred image
Sun et al. Adaptive bilateral filter considering local characteristics
CN114255179A (zh) 地震图像噪声压制方法、装置及电子设备
JP3893948B2 (ja) 画像処理装置

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