CN112862717B - 一种图像的去噪模糊化方法、系统及介质 - Google Patents
一种图像的去噪模糊化方法、系统及介质 Download PDFInfo
- Publication number
- CN112862717B CN112862717B CN202110181345.1A CN202110181345A CN112862717B CN 112862717 B CN112862717 B CN 112862717B CN 202110181345 A CN202110181345 A CN 202110181345A CN 112862717 B CN112862717 B CN 112862717B
- Authority
- CN
- China
- Prior art keywords
- denoising
- array
- blurring
- pixels
- matrix
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 46
- 238000006243 chemical reaction Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 39
- 230000009471 action Effects 0.000 claims description 12
- 238000003491 array Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 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
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009466 transformation 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像的去噪模糊化方法,包括以下步骤:获取拜耳阵列图像,提取所述拜耳阵列图像的拜耳阵列像素;设定色彩判断条件、去噪模糊化矩阵和数组转化模式;基于所述色彩判断条件、所述去噪模糊化矩阵和所述数组转化模式计算所述拜耳阵列像素所对应的去噪模糊化像素;将所述去噪模糊化像素转换为与所述拜耳阵列图像对应的去噪模糊化图像;本发明能够对拜耳阵列像素在不转换为其他像素的情况下,根据本去噪模糊化方法对拜耳阵列像素进行去噪模糊化处理,提高了实时串流图像处理的效率,节省了处理设备的很多存储空间。
Description
技术领域
本发明涉及图像串流处理技术领域,特别是涉及一种图像的去噪模糊化方法、系统及介质。
背景技术
随着网络越来越普及,很多任务及会议都通过远程视频的方式实现,而在进行视频时,实时串流图像处理技术是很关键的,其在于实时对图像进行过滤、去噪或者背景模糊化;
现有的去噪及背景模糊化的处理方法是通过高斯滤波器对图像进行高斯曲线计算,达到图像去噪和背景模糊化的效果;这种方法在实施时,需要将得到的拜耳阵列像素转换为RGB像素才能进行计算和处理,这将会导致串流处理图像的时间变长,以及占用了处理设备很多的存储空间。
发明内容
本发明主要解决的是拜耳阵列像素图像在进行去噪以及背景模糊化时,导致串流处理图像的时间变长,以及占用了处理设备很多存储空间的问题。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种图像的去噪模糊化方法,包括以下步骤:
获取拜耳阵列图像,提取所述拜耳阵列图像的拜耳阵列像素;
设定色彩判断条件、去噪模糊化矩阵和数组转化模式;
基于所述色彩判断条件、所述去噪模糊化矩阵和所述数组转化模式计算所述拜耳阵列像素所对应的去噪模糊化像素;
将所述去噪模糊化像素转换为与所述拜耳阵列图像对应的去噪模糊化图像。
进一步,所述基于所述色彩判断条件、所述去噪模糊化矩阵和所述数组转化模式计算所述拜耳阵列像素所对应的去噪模糊化像素的步骤进一步包括:
基于所述去噪模糊化矩阵和所述数组转化模式对所述去噪模糊化像素执行第一计算动作,得到第一像素数组和第一去噪模糊化公式;
基于所述第一像素数组和所述色彩判断条件执行第二计算动作,得到第一色彩值;
基于所述第一像素数组、所述第一色彩值和所述第一去噪模糊化公式执行第三计算动作,得到所述去噪模糊化像素。
进一步,所述第一计算动作包括:
基于所述数组转化模式将所述拜耳阵列像素转化为若干所述第一像素数组;
基于所述去噪模糊化矩阵对所述第一像素数组进行卷积计算得到所述第一去噪模糊化公式。
进一步,所述第二计算动作包括:
确定所述第一像素数组中的基准数组;
确定所述第一像素数组中所述基准数组所对应的第二像素数组;
根据所述色彩判断条件判断所述基准数组的第一色彩;
根据所述第二像素数组计算所述基准数组的与所述第一色彩对应的若干第一色彩值。
进一步,所述第三计算动作包括:
将所述第一色彩值代入所述第一去噪模糊化公式,得到第二去噪模糊化公式;
将所述第一像素数组代入所述第二去噪模糊化公式,得到所述去噪模糊化像素。
进一步,所述基于所述去噪模糊化矩阵对所述第一像素数组进行卷积计算得到所述第一去噪模糊化公式的步骤进一步包括:
获取所述去噪模糊化矩阵的去噪因子;
确定所述去噪因子在所述去噪模糊化矩阵中的排布规律;
根据所述排布规律将所述去噪因子与所述第一像素数组进行所述卷积计算,得到所述第一去噪模糊化公式。
进一步,所述基准数组包括第一向量和第二向量;
所述色彩判断条件为:判断所述第一向量和所述第二向量的奇偶性,根据所述奇偶性判断所述第一色彩。
本发明还提供一种图像的去噪模糊化系统,包括:
所述摄影模组用于获取拜耳阵列图像,并将所述拜耳阵列图像发送至所述存储模组;
所述初始化模组用于设定色彩判断条件、去噪模糊化矩阵和数组转化模式;
所述存储模组用于提取所述拜耳阵列图像的拜耳阵列像素,并将所述拜耳阵列像素发送至所述计算模组;
所述计算模组用于根据所述色彩判断条件、所述去噪模糊化矩阵和所述数组转化模式计算所述拜耳阵列像素所对应的去噪模糊化像素,并将所述去噪模糊化像素转换为与所述拜耳阵列图像对应的去噪模糊化图像。
进一步,还包括显示模组;所述显示模组用于输出所述去噪模糊化图像。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质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所述图像的去噪模糊化方法的步骤。
本发明的有益效果是:
1、本发明所述的图像的去噪模糊化方法,可以实现对拜耳阵列像素在不转换为其他像素的情况下,根据本去噪模糊化方法对拜耳阵列像素进行去噪模糊化处理,提高了实时串流图像处理的效率,节省了处理设备的很多存储空间。
2、本发明所述的图像的去噪模糊化系统,可以通过摄影模组、存储模组、初始化模组、计算模组和显示模组的相互配合,进而实现对拜耳阵列像素在不转换为其他像素的情况下,根据本去噪模糊化方法对拜耳阵列像素进行去噪模糊化处理,提高了实时串流图像处理的效率,节省了处理设备的很多存储空间。
3、本发明所述的计算机可读存储介质,可以实现引导摄影模组、存储模组、初始化模组、计算模组和显示模组进行相互配合,进而实现对拜耳阵列像素在不转换为其他像素的情况下,根据本去噪模糊化方法对拜耳阵列像素进行去噪模糊化处理,提高了实时串流图像处理的效率,节省了处理设备的很多存储空间,并有效的增加了所述图像的去噪模糊化方法的可操作性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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是本发明实施例1所述的图像的去噪模糊化方法的流程图;
图2是本发明实施例1所述的去噪模糊化矩阵的效果示意图;
图3是本发明实施例1所述的拜耳阵列像素的效果示意图;
图4是本发明实施例2所述的图像的去噪模糊化系统的架构图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
在本发明的描述中,需要说明的是,本发明所描述的实施例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。
在本发明的描述中,需要说明的是,RGB(Red Green Blue)是一种像素格式,DDR(Double Data Rate)是一种存储设备的类型。
在本发明的描述中,需要说明的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“去噪模糊化”“去噪模糊化矩阵”“数组转化模式”“去噪模糊化架构”应做广义理解。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
本实施例提供一种图像的去噪模糊化方法,如图1~图3所示,包括以下步骤:
S100、获取拜耳阵列图像,将所述拜耳阵列图像转换为拜耳阵列像素;
步骤S100具体为:提取所述拜耳阵列图像中的像素因子,构成所述拜耳阵列像素;
S200、设定色彩判断条件、去噪模糊化矩阵和数组转化模式;
步骤S200具体为:数组转化模式为:设定拜耳阵列像素的中心像素点的数组为:(i,j);设定其单位长度为1,则其周围除本身颜色外的像素的数组为:(i-1,j-1),(i-1,j),(i-1,j+1),(i,j-1),(i,j),(i,j+1),(i+1,j-1),(i+1,j),(i+1,j+1);
去噪模糊化矩阵为:分析所述拜耳阵列像素得到的相关矩阵,矩阵的规格可以根据需求设定,可以设置为3*3,也可以设置为5*5,其中矩阵的规格越大,得到的去噪模糊化图像效果越好;
若所述基准数组包括第一向量位和第二向量位;第一向量为i,第二向量为j,则所述色彩判断规则为:分别判断所述第一向量和所述第二向量的奇偶性;根据所述奇偶性确认所述第一像素数组的第一色彩;当i为偶数,j为偶数时,判断所述第一色彩为红色;当i为奇数,j为偶数时,判断所述第一色彩为绿色;当i为偶数,j为奇数时,判断所述第一色彩为绿色;当i为奇数,j为奇数时,判断所述第一色彩为蓝色。
S300、基于所述色彩判断条件、所述去噪模糊化矩阵和所述数组转化模式获取所述拜耳阵列像素的去噪模糊化像素;
步骤S300具体为:
S301、将所述拜耳阵列像素按照数组转化模式转化为若干第一像素数组;基于所述去噪模糊化矩阵对所述第一像素数组进行卷积计算得到第一去噪模糊化公式;
S302、获取去噪模糊化矩阵的去噪因子;该去噪因子为a、b、c;确认去噪因子的排布规律,根据所述排布规律中将所述去噪因子与排布规律中其对应位置的所述第一像素数组进行卷积计算得到所述第一去噪模糊化公式:
{[c(i-1,j-1)RGB+b(i,j-1)RGB+c(i+1,j-1)RGB]+[b(i-1,j)RGB+a(i,j)RGB+b(i+1,j)RGB]+[c(i-1,j+1)RGB+b(i,j+1)RGB+c(i+1,j+1)RGB]}/(a+4b+4c);
S303、确认所述第一像素数组中的基准数组;选取所述第一像素数组所对应基准数组的第二像素数组;该第二像素数组为对所述基准数组产生影响的第一像素数组;
例如:设定基准数组为(i,j);得到的第二像素数组为:(i-1,j-1),(i+1,j-1),(i-1,j+1),(i+1,j+1),(i,j-1)(i-1,j),(i+1,j),(i,j+1)。
S304、根据所述色彩判断条件判断所述基准数组的第一色彩;
S305、根据所述第二像素数组计算其对应的所述第一像素数组的与所述第一色彩对应的第一色彩值;
S306、将所述第一色彩值代入所述第一去噪模糊化公式,得到与所述第一色彩对应的第二去噪模糊化公式;
例如:若第一色彩为红色,则:
第一像素数组(i-1,j-1)的第一色彩值=(i-1,j-1);
第一像素数组(i,j-1)的第一色彩值=[(i-1,j-1)+(i+1,j-1)]/2;
第一像素数组(i+1,j-1)的第一色彩值=(i+1,j-1);
第一像素数组(i-1,j)的第一色彩值=[(i-1,j-1)+(i-1,j+1)]/2;
第一像素数组(i,j)的第一色彩值=[(i-1,j-1)+(i+1,j-1)+(i-1,j+1)+(i+1,j+1)]/4;
第一像素数组(i+1,j)的第一色彩值=[(i+1,j-1)+(i+1,j+1)]/2;
第一像素数组(i-1,j+1)的第一色彩值=(i-1,j+1);
第一像素数组(i,j+1)的第一色彩值=[(i-1,j+1)+(i+1,j+1)]/2;
第一像素数组(i+1,j+1)的第一色彩值=(i+1,j+1);
将所述若干第一色彩值代入所述第一去噪模糊化公式后,得到第二去噪模糊化公式:
{[c(i-1,j-1)+b[(i-1,j-1)+(i+1,j-1)]/2+c(i+1,j-1)]+[b[(i-1,j-1)+(i-1,j+1)]/2+a[(i-1,j-1)+(i+1,j-1)+(i-1,j+1)+(i+1,j+1)]/4+b[(i+1,j-1)+(i+1,j+1)]/2]+[c(i-1,j+1)+b[(i-1,j+1)+(i+1,j+1)]/2+c(i+1,j+1)]}/(a+4b+4c);
同理,得到第一色彩为蓝色或绿色时的第二去噪模糊化公式,整理后有:第一色彩为红色时,第二去噪模糊化公式为:
第一色彩为绿色时,第二去噪模糊化公式为:
第一色彩为蓝色时,第二去噪模糊化公式为:
S400、根据所述去噪模糊化像素获取所述拜耳阵列图像的去噪模糊化图像;
步骤S400具体为:将所述第一像素数组均代入所述第二去噪模糊化公式,得到所述拜耳阵列像素的去噪模糊化像素;根据所述噪模糊化像素得到所述去噪模糊化图像。
实施例2
本实施例提供一种图像的去噪模糊化系统,如图4所示,包括:
本实施例应用于串流图像处理系统中,所述串流图像处理系统中设有摄影模组、处理模组和显示模组;处理模组包括:存储模组、初始化模组和计算模组;
初始化模组用于设定色彩判断条件、去噪模糊化矩阵和数组转化模式;
摄影模组用于获取拜耳阵列图像,并将所述拜耳阵列图像发送至所述存储模组;
存储模组用于存储所述拜耳阵列图像,并将所述拜耳阵列图像转换为拜耳阵列像素;存储模组可以通过DDR存储设备。
计算模组用于根据所述色彩判断条件、所述去噪模糊化矩阵和所述数组转化模式获取所述拜耳阵列像素的去噪模糊化像素,根据所述去噪模糊化像素获取所述拜耳阵列图像的去噪模糊化图像;
显示模组用于输出所述去噪模糊化图像。
计算模组操作时具体为:
计算模组将所述拜耳阵列像素按照数组转化模式转化为若干第一像素数组;基于所述去噪模糊化矩阵对所述第一像素数组进行卷积计算得到第一去噪模糊化公式;
例如:数组转化模式为:计算模组设定拜耳阵列像素的中心像素点的数组为:(i,j);计算模组设定其单位长度为1,则其周围除本身颜色外的像素的数组为:(i-1,j-1),(i-1,j),(i-1,j+1),(i,j-1),(i,j),(i,j+1),(i+1,j-1),(i+1,j),(i+1,j+1);计算模组获取去噪模糊化矩阵的去噪因子;该去噪因子为a、b、c;计算模组确认去噪因子的排布规律,计算模组根据所述排布规律将所述去噪因子与所述第一像素数组进行卷积计算得到所述第一去噪模糊化公式:
{[c(i-1,j-1)RGB+b(i,j-1)RGB+c(i+1,j-1)RGB]+[b(i-1,j)RGB+a(i,j)RGB+b(i+1,j)RGB]+[c(i-1,j+1)RGB+b(i,j+1)RGB+c(i+1,j+1)RGB]}/(a+4b+4c);
计算模组确认所述第一像素数组中的基准数组;获取所述第一像素数组中基准数组所对应的第二像素数组;
例如:计算模组设定基准数组为(i,j);则第二像素数组为:(i-1,j-1),(i+1,j-1),(i-1,j+1),(i+1,j+1),(i,j-1)(i-1,j),(i+1,j),(i,j+1);
计算模组根据所述色彩判断规则判断所述基准数组的第一色彩;
例如:所述基准数组包括第一向量位和第二向量位;第一向量为i,第二向量为为j,所述色彩判断规则为:分别判断所述第一向量位和所述第二向量位的奇偶性;根据所述奇偶性确认所述第一像素数组的第一色彩;当i为偶数,j为奇数时,判断所述第一色彩为红色;当i为奇数,j为偶数时,判断所述第一色彩为绿色;当i为偶数,j为奇数时,判断所述第一色彩为绿色;当i为奇数,j为奇数时,判断所述第一色彩为蓝色。
计算模组根据所述第二像素数组计算其对应的所述第一像素数组的与所述第一色彩对应的第一色彩值;
计算模组将所述第一色彩值代入所述第一去噪模糊化公式,得到与所述第一色彩对应的第二去噪模糊化公式;
例如:若第一色彩为红色,则:
第一像素数组(i-1,j-1)的第一色彩值=(i-1,j-1);第一像素数组(i,j-1)的第一色彩值=[(i-1,j-1)+(i+1,j-1)]/2;第一像素数组(i+1,j-1)的第一色彩值=(i+1,j-1);第一像素数组(i-1,j)的第一色彩值=[(i-1,j-1)+(i-1,j+1)]/2;第一像素数组(i,j)的第一色彩值=[(i-1,j-1)+(i+1,j-1)+(i-1,j+1)+(i+1,j+1)]/4;第一像素数组(i+1,j)的第一色彩值=[(i+1,j-1)+(i+1,j+1)]/2;第一像素数组(i-1,j+1)的第一色彩值=(i-1,j+1);第一像素数组(i,j+1)的第一色彩值=[(i-1,j+1)+(i+1,j+1)]/2;第一像素数组(i+1,j+1)的第一色彩值=(i+1,j+1);
将所述若干第一色彩值代入所述第一去噪模糊化公式后,得到第二去噪模糊化公式:
{[c(i-1,j-1)+b[(i-1,j-1)+(i+1,j-1)]/2+c(i+1,j-1)]+[b[(i-1,j-1)+(i-1,j+1)]/2+a[(i-1,j-1)+(i+1,j-1)+(i-1,j+1)+(i+1,j+1)]/4+b[(i+1,j-1)+(i+1,j+1)]/2]+[c(i-1,j+1)+b[(i-1,j+1)+(i+1,j+1)]/2+c(i+1,j+1)]}/(a+4b+4c);
同理,得到第一色彩为蓝色或绿色时的第二去噪模糊化公式,整理后有:
第一色彩为红色时,第二去噪模糊化公式为:
第一色彩为绿色时,第二去噪模糊化公式为:
第一色彩为蓝色时,第二去噪模糊化公式为:
计算模组将所述第一像素数组均代入所述第二去噪模糊化公式,得到所述拜耳阵列像素的去噪模糊化像素;计算模组将所述噪模糊化像素转化为所述去噪模糊化图像。
基于与前述实施例中一种图像的去噪模糊化方法同样的发明构思,本说明书实施例还提供一种计算机可读存储介质,所述计算机可读存储介质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所述图像的去噪模糊化方法的步骤。
区别于现有技术,采用本申请一种图像的去噪模糊化方法、系统及介质可以对拜耳阵列像素在不转换为其他像素的情况下,直接将拜耳阵列像素先暂存在存储模组中,并根据本去噪模糊化方法对拜耳阵列像素进行去噪模糊化处理,大大提高了实时串流图像处理的效率,并节省了处理设备的很多存储空间,弥补了现有技术的不足。
上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的实施例,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 (8)
1.一种图像的去噪模糊化方法,其特征在于,包括以下步骤:
获取拜耳阵列图像,提取所述拜耳阵列图像的拜耳阵列像素;
设定色彩判断条件、去噪模糊化矩阵和数组转化模式;
基于所述色彩判断条件、所述去噪模糊化矩阵和所述数组转化模式计算所述拜耳阵列像素所对应的去噪模糊化像素;
将所述去噪模糊化像素转换为与所述拜耳阵列图像对应的去噪模糊化图像;
所述基于所述色彩判断条件、所述去噪模糊化矩阵和所述数组转化模式计算所述拜耳阵列像素所对应的去噪模糊化像素的步骤进一步包括:基于所述去噪模糊化矩阵和所述数组转化模式对所述拜耳阵列像素执行第一计算动作,得到第一像素数组和第一去噪模糊化公式;基于所述第一像素数组和所述色彩判断条件执行第二计算动作,得到第一色彩值;基于所述第一像素数组、所述第一色彩值和所述第一去噪模糊化公式执行第三计算动作,得到所述去噪模糊化像素;
所述第一计算动作包括:基于所述数组转化模式将所述拜耳阵列像素转化为若干所述第一像素数组;基于所述去噪模糊化矩阵对所述第一像素数组进行卷积计算得到所述第一去噪模糊化公式;
所述去噪模糊化矩阵包括:3阶方阵,所述3阶方阵中设有矩阵因子a、矩阵因子b和矩阵因子c,所述矩阵因子a、所述矩阵因子b和所述矩阵因子c在所述3阶方阵中的排列规律与所述拜耳阵列像素中像素点的排列规律相匹配;
所述数组转化模式为:设定所述拜耳阵列像素中的中心像素点的数组为(i,j),设定所述拜耳阵列像素中的相邻像素点的数组之间的单位长度为1。
2.根据权利要求1中所述的图像的去噪模糊化方法,其特征在于:所述第二计算动作包括:
确定所述第一像素数组中的基准数组;
确定所述第一像素数组中所述基准数组所对应的第二像素数组;
根据所述色彩判断条件判断所述基准数组的第一色彩;
根据所述第二像素数组计算所述基准数组的与所述第一色彩对应的若干第一色彩值。
3.根据权利要求1中所述的图像的去噪模糊化方法,其特征在于:所述第三计算动作包括:
将所述第一色彩值代入所述第一去噪模糊化公式,得到第二去噪模糊化公式;
将所述第一像素数组代入所述第二去噪模糊化公式,得到所述去噪模糊化像素。
4.根据权利要求1中所述的图像的去噪模糊化方法,其特征在于:所述基于所述去噪模糊化矩阵对所述第一像素数组进行卷积计算得到所述第一去噪模糊化公式的步骤进一步包括:
获取所述去噪模糊化矩阵的去噪因子;
确定所述去噪因子在所述去噪模糊化矩阵中的排布规律;
根据所述排布规律将所述去噪因子与所述第一像素数组进行所述卷积计算,得到所述第一去噪模糊化公式。
5.根据权利要求2中所述的图像的去噪模糊化方法,其特征在于:所述基准数组包括第一向量和第二向量;
所述色彩判断条件为:判断所述第一向量和所述第二向量的奇偶性,根据所述奇偶性判断所述第一色彩。
6.基于权利要求1~5中任一项所述的图像的去噪模糊化方法的图像的去噪模糊化系统,其特征在于,包括:摄影模组、初始化模组、存储模组和计算模组;
所述摄影模组用于获取拜耳阵列图像,并将所述拜耳阵列图像发送至所述存储模组;
所述初始化模组用于设定色彩判断条件、去噪模糊化矩阵和数组转化模式;
所述存储模组用于提取所述拜耳阵列图像的拜耳阵列像素,并将所述拜耳阵列像素发送至所述计算模组;
所述计算模组用于根据所述色彩判断条件、所述去噪模糊化矩阵和所述数组转化模式计算所述拜耳阵列像素所对应的去噪模糊化像素,并将所述去噪模糊化像素转换为与所述拜耳阵列图像对应的去噪模糊化图像。
7.根据权利要求6中所述的图像的去噪模糊化系统,其特征在于,还包括显示模组;所述显示模组用于输出所述去噪模糊化图像。
8.一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权利要求1~5中任一项所述图像的去噪模糊化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110181345.1A CN112862717B (zh) | 2021-02-10 | 2021-02-10 | 一种图像的去噪模糊化方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110181345.1A CN112862717B (zh) | 2021-02-10 | 2021-02-10 | 一种图像的去噪模糊化方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112862717A CN112862717A (zh) | 2021-05-28 |
CN112862717B true CN112862717B (zh) | 2022-09-20 |
Family
ID=75989571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110181345.1A Active CN112862717B (zh) | 2021-02-10 | 2021-02-10 | 一种图像的去噪模糊化方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862717B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658358A (zh) * | 2018-12-25 | 2019-04-19 | 辽宁工程技术大学 | 一种基于多导向滤波的快速bayer彩色重建方法 |
CN111401453A (zh) * | 2020-03-18 | 2020-07-10 | 西安电子科技大学 | 一种马赛克图像分类识别方法及系统 |
CN111741211A (zh) * | 2019-03-25 | 2020-10-02 | 华为技术有限公司 | 图像显示方法和设备 |
CN111784603A (zh) * | 2020-06-29 | 2020-10-16 | 珠海全志科技股份有限公司 | 一种raw域图像去噪方法、计算机装置及计算机可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116873B (zh) * | 2013-03-20 | 2015-11-04 | 中国科学院深圳先进技术研究院 | 图像降噪方法 |
CN104376540B (zh) * | 2014-12-01 | 2017-02-22 | 北京思比科微电子技术股份有限公司 | 一种Bayer图像的去噪方法 |
CN111402146B (zh) * | 2020-02-21 | 2022-05-10 | 华为技术有限公司 | 图像处理方法以及图像处理装置 |
CN111192226B (zh) * | 2020-04-15 | 2020-07-31 | 苏宁云计算有限公司 | 一种图像融合去噪方法及装置、系统 |
CN111784605B (zh) * | 2020-06-30 | 2024-01-26 | 珠海全志科技股份有限公司 | 一种基于区域指导的图像降噪方法、计算机装置及计算机可读存储介质 |
-
2021
- 2021-02-10 CN CN202110181345.1A patent/CN112862717B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658358A (zh) * | 2018-12-25 | 2019-04-19 | 辽宁工程技术大学 | 一种基于多导向滤波的快速bayer彩色重建方法 |
CN111741211A (zh) * | 2019-03-25 | 2020-10-02 | 华为技术有限公司 | 图像显示方法和设备 |
CN111401453A (zh) * | 2020-03-18 | 2020-07-10 | 西安电子科技大学 | 一种马赛克图像分类识别方法及系统 |
CN111784603A (zh) * | 2020-06-29 | 2020-10-16 | 珠海全志科技股份有限公司 | 一种raw域图像去噪方法、计算机装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112862717A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109889800B (zh) | 图像增强方法和装置、电子设备、存储介质 | |
CN111402146B (zh) | 图像处理方法以及图像处理装置 | |
CN111784603B (zh) | 一种raw域图像去噪方法、计算机装置及计算机可读存储介质 | |
CN111127336A (zh) | 一种基于自适应选择模块的图像信号处理方法 | |
CN110263699B (zh) | 视频图像处理方法、装置、设备及存储介质 | |
CN109993712A (zh) | 图像处理模型的训练方法、图像处理方法及相关设备 | |
JP7362297B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
KR101389562B1 (ko) | 이미지 처리 장치 및 방법 | |
CN107169927A (zh) | 一种图像处理系统、方法及显示装置 | |
CN110211057B (zh) | 一种基于全卷积网络的图像处理方法、装置和计算机设备 | |
CN111369450A (zh) | 去除摩尔纹的方法与装置 | |
CN113168669A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
JP4241774B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN117333398A (zh) | 一种基于自监督的多尺度图像去噪方法及装置 | |
Park et al. | Color filter array demosaicking using densely connected residual network | |
CN114998122A (zh) | 一种低照度图像增强方法 | |
CN112862717B (zh) | 一种图像的去噪模糊化方法、系统及介质 | |
CN104853059B (zh) | 超分辨率图像处理方法及其装置 | |
Saito et al. | Demosaicing approach based on extended color total-variation regularization | |
CN111242087B (zh) | 物体识别方法及装置 | |
CN115760638A (zh) | 一种基于深度学习的端到端去模糊超分辨率的方法 | |
US20060028562A1 (en) | Fast area-selected filtering for pixel-noise and analog artifacts reduction | |
CN108810320B (zh) | 图像质量提升方法和装置 | |
CN114429439A (zh) | 一种显示故障检测方法、装置、电子设备和存储介质 | |
JP3318248B2 (ja) | 画質改善装置及び記録媒体 |
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 |