CN113256534B - 一种图像增强方法、装置及介质 - Google Patents

一种图像增强方法、装置及介质 Download PDF

Info

Publication number
CN113256534B
CN113256534B CN202110664371.XA CN202110664371A CN113256534B CN 113256534 B CN113256534 B CN 113256534B CN 202110664371 A CN202110664371 A CN 202110664371A CN 113256534 B CN113256534 B CN 113256534B
Authority
CN
China
Prior art keywords
image
information
input image
detail
frequency information
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
Application number
CN202110664371.XA
Other languages
English (en)
Other versions
CN113256534A (zh
Inventor
杨珊
童飞
周宇
李剑新
席晨
余志强
杨海东
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.)
Hunan Xingxin Microelectronics Technology Co ltd
Original Assignee
Hunan Xingxin Microelectronics Technology 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 Hunan Xingxin Microelectronics Technology Co ltd filed Critical Hunan Xingxin Microelectronics Technology Co ltd
Priority to CN202110664371.XA priority Critical patent/CN113256534B/zh
Publication of CN113256534A publication Critical patent/CN113256534A/zh
Application granted granted Critical
Publication of CN113256534B publication Critical patent/CN113256534B/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
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T2207/20024—Filtering details

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种图像增强方法，其包括如下步骤：对输入图像进行低通滤波，获取所述输入图像的亮度信息；对输入图像进行梯度信息提取，获取所述输入图像的梯度信息；对输入图像进行高频信号提取，获取所述输入图像的高频信息；根据所述亮度信息和梯度信息，判断图像的像素点是否是细节像素点；根据所述高频信息与所述细节像素点，获取增强后的图像。本发明根据图像的亮度信息和梯度信息来判断图像的细节，从而可以更好的区分图像是否是细节，减少噪声的干扰，提高图像增强的质量。

Description

一种图像增强方法、装置及介质
技术领域
本发明涉及图像处理领域，具体来说，涉及一种图像增强方法、装置及介质。
背景技术
图像细节增强一般的做法是通过提取图像的高频信息，进行放大后加回到原图像中，从而使得边缘细节得到增强，提高物体的对比度。但在进行图像增强时，增强结果很容易受到噪声的影响，特别是在低照度拍摄环境中，有效信号较弱，图像的信噪比较低，这给图像处理技术带来困难。在信噪比较低时，进行图像增强有以下方面的问题：一是，准确区分平坦区域和细节区域，在低照度情况下，由于噪声较大，增加了区域分类的难度，较高的噪声容易被误判为细节，使得噪声被放大，影响了图像的质量；二是，提取出的高频信号通常会受到噪声的影响，该信号被放大后，会增大图像的噪声颗粒，图像的平坦区域和物体的轮廓会受到一定程度的损伤。
本文提供的背景描述用于总体上呈现本公开的上下文的目的。除非本文另外指示，在该章节中描述的资料不是该申请的权利要求的现有技术并且不要通过包括在该章节内来承认其成为现有技术。
发明内容
针对相关技术中的上述技术问题，本发明提出一种图像增强方法，其包括如下步骤：
对输入图像进行低通滤波，获取所述输入图像的亮度信息；
对输入图像进行梯度信息提取，获取所述输入图像的梯度信息；
对输入图像进行高频信号提取，获取所述输入图像的高频信息；
根据所述亮度信息和梯度信息，判断图像的像素点是否是细节像素点；
根据所述高频信息与所述细节像素点，获取增强后的图像。
具体的，所述根据所述亮度信息和梯度信息，判断所述图像的像素点是否是细节像素点具体为：
根据所述亮度信息配置细节判定阈值；在所述梯度信息大于所述细节判定阈值时，所述图像像素点是细节像素点。
具体的：所述细节判定阈值与所述亮度信息是线性关系。
具体的：对所述高频信息进行降噪处理获取降噪后的高频信息；所述根据所述高频信息与所述细节像素点进获取增强后的图像，具体为：将所述降噪后的高频信息与所述细节像素点进行乘积，获取增强后的图像。
具体的，所述降噪处理为使用软阈值的方法进行平滑。
具体的，根据所述高频信息与所述细节像素点获取增强后的图像具体为：将所述降噪后的高频信息与所述细节像素点进行乘积并叠加到所述输入图像上，以获得增强后的图像。
具体的，根据所述输入图像的邻域信息，以及所述增强后的图像的对所述增强后的图像进行饱和处理。
第二方面，本发明的另一个实施例提供了一种图像增强装置，所述装置包括如下模块：
低频信号提取模块，用于对输入图像进行低通滤波，获取所述输入图像的亮度信息；
梯度信息提取模块，用于对输入图像进行梯度信息提取，获取所述输入图像的梯度信息；
高频信息提取模块，用于对输入图像进行高频信号提取，获取所述输入图像的高频信息；
细节判断模块，用于根据所述亮度信息和梯度信息，判断图像的像素点是否是细节像素点；
平滑模块，用于基于所述高频信息与所述细节像素点，获取增强后的图像。
具体的，所述根据所述亮度信息和梯度信息，判断所述图像的像素点是否是细节像素点具体为：
根据所述亮度信息配置细节判定阈值；在所述梯度信息大于所述细节判定阈值时，所述图像像素点是细节像素点。
具体的：所述细节判定阈值与所述亮度信息是线性关系。
具体的，所述装置还包括降噪处理模块，用于对所述高频信息进行降噪处理获取降噪后的高频信息；
所述平滑模块用于将所述降噪后的高频信息与所述细节像素点进行乘积，获取增强后的图像。
具体的，所述降噪处理模块使用软阈值的方法进行平滑。
具体的，所述平滑模块具体为将所述降噪后的高频信息与所述细节像素点进行乘积并叠加到所述输入图像上，以获得增强后的图像。
具体的，所述装置还包括锐化增强模块，用于根据所述输入图像的邻域信息，以及所述增强后的图像的对所述增强后的图像进行饱和处理。
第三方面，本发明的另一个实施例提供了种非易失性存储器，其上存储有指令，在所述指令被执行时，用于实现如上的方法。
第四方面，本发明的另一个实施例提供了一种电子设备，所述电子设备包括处理器，存储器，所述存储器上存储有指令，在所述指令在被所述处理器执行时，用于实现上述的方法。
第五方面，本发明的另一个实施例提供了一种电子设备，所述电子设备包括上述的装置。
第六方面，本发明的另一个实施例提供了一种图像传感器，所述图像传感器包括处理器，存储器，所述存储器上存储有指令，在所述指令在被所述处理器执行时，用于实现上述的方法。
第七方面，本发明的另一个实施例提供了一种图像传感器，所述图像传感器包括上述的装置。
本发明结合图像的局部亮度信息以及图像的梯度信息来判断当前像素点是否属于细节，具体的可以根据图像的局部亮度信息来配置所述图像的细节判定阈值。即本发明的图像的细节判定阈值是与图像的局部亮度信息相关联的，从而可以更好的区分图像是否是细节，减少噪声的干扰。进一步的，本发明对增强后的图像进行饱和处理，降低画面的黑边和白边现象。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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一些实施例，对于本邻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是本发明实施提供的一种图像增强的方法流程图；
图2是本发明实施提供的高斯滤波器的卷积模板示意图；
图3是本发明实施提供的索伯算子的卷积模板示意图；
图4是本发明实施提供的拉普拉斯滤波器的卷积模板示意图；
图5是本发明实施提供的软阈值函数曲线示意图；
图6是本发明实施例提供的图像增强装置示意图；
图7是本发明实施例提供的图像增强设备示意图。
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，本邻域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
图1是本实施例的图像增强方法示意图，参考图1，本实施例提供了一种图像增强方法，所述方法包括如下步骤：
S0：对输入图像进行低通滤波，获取所述输入图像的亮度信息；
所述输入图像可以是由图像传感器获取的图像或者是由摄像装置获取的图像，例如对于图像传感器其可以获取原始的图像，或是经过图像信号处理器ISP处理后的图像；对于摄像装置获取的图像，其可以经过摄像装置的处理器处理后的图像。
对所述输入图像进行低通滤波，低通滤波可以去除图像的高频部分，保留图像的低频部分，而图像的亮度信息一般均在低频部分。
本实施例使用的低通滤波是均值滤波，均值滤波器的模板的大小是3*3。使用均值滤波模板与输入图像进行卷积运算进行低通滤波。
本领域技术人员知晓，低通滤波还有其他很多方式，本实施例仅仅是以均值滤波为例进行说明，其他的低通滤波也可以实现类似的功能，本实施例不在赘述。
本实施例的输入图像是为YUV格式，YUV是编译真彩true-color颜色空间（colorspace）的种类，Y'UV,，YUV，YCbCr，YPbPr等专有名词都可以称为YUV，彼此有重叠。“Y”表示明亮度（Luminance、Luma），“U”和“V”则是色度与浓度（Chrominance、Chroma）。
如果输入图像不是YUV格式，可以通过颜色空间转换，将其转换到YUV格式下再进行处理。
具体的，本实施例的低通滤波是指对图像的Y通道进行低通滤波。
输入图像可能会有噪声，为了减少噪声的影响，本实施例先对输入图像进行预处理，以减少输入图像的噪声干扰。
提取输入图像的Y通道信息，并对其进行预滤波处理，从而对输入图像的信息进行平滑，预滤波的公式如下：
Figure 490487DEST_PATH_IMAGE001
其中，
Figure 707842DEST_PATH_IMAGE002
是当前像素点的坐标，
Figure 711570DEST_PATH_IMAGE003
是以
Figure 559440DEST_PATH_IMAGE002
为中心的窗口内任一像素点的 坐标，
Figure 281408DEST_PATH_IMAGE004
是滤波前图像的亮度值，
Figure 240137DEST_PATH_IMAGE005
是滤波后图像的亮度值，
Figure 363951DEST_PATH_IMAGE006
是窗口像素
Figure 382722DEST_PATH_IMAGE007
的权重 值，
Figure 326408DEST_PATH_IMAGE008
分别是滤波窗口在竖直和水平方向的半径。
本实施例以半径为2进行说明，即滤波窗口的尺寸为5x5。
本实施例采用高斯滤波进行说明，参考图2，图2是本实施采用的高斯滤波模板。参考图2，图2中的高斯滤波模板加总等于256，归一化处理只需要将卷积结果右移8位即可，避免除法器的使用，可以有效的提升滤波的效率。
此外，其他常用的滤波方法例如双边滤波、非局部均值滤波等可以实现去噪处理的滤波方法均可以应用到本实施例，仅需要其可以实现滤波即可。
细节增强一般只需要对亮度通道进行处理，因此，所述对所述输入图像进行低通滤波，是对输入图像的Y通道信息进行低通滤波。
S2:对输入图像进行梯度信息提取，获取所述输入图像的梯度信息；
本实施例使用索伯算子获取图像的梯度信息，索伯算子分为水平和竖直两个方向，其卷积模板如图3所示，最终的梯度信息是水平和竖直梯度的绝对值之和。梯度信息反映了图像局部的亮度变化剧烈程度，变化越大的区域越有可能成为细节。相同细节在不同亮度区域下，会表现出不同的亮度波动幅度。
具体的，对输入图像进行梯度信息提取是对输入图像的Y通道信息进行梯度信息提取。
S4:对输入图像进行高频信号提取，获取所述输入图像的高频信息；
本实施例采用拉普拉斯滤波器对图像的高频信息进行提取，并为了适应多变的特征，可采用不同的拉普拉斯模板对图像的高频信息进行提取，本实施例以其中一种拉普拉斯算法模板进行说明，本实施例采用拉普拉斯算法模板如图4所示，高频信息的提取公式为：
Figure 88827DEST_PATH_IMAGE009
其中，
Figure 67148DEST_PATH_IMAGE002
是当前像素点的坐标，
Figure 256821DEST_PATH_IMAGE003
是以
Figure 965100DEST_PATH_IMAGE002
为中心的窗口内任一像素点的 坐标，
Figure 265631DEST_PATH_IMAGE005
是预处理之后图像的亮度值，
Figure 98458DEST_PATH_IMAGE010
是提取出的高频信息，
Figure 459032DEST_PATH_IMAGE011
是窗口像素
Figure 377310DEST_PATH_IMAGE007
的权 重值，
Figure 481532DEST_PATH_IMAGE008
分别是滤波窗口在竖直和水平方向的半径，滤波窗口的尺寸为5x5。
所述对输入图像进行高频信号提取对滤波后Y通道进行高频信号的提取。
本实施例使用上述拉普拉斯模板对输入图像进行高频信号提取获取输入图像的高频信息。
高频信号提取后的高频信号会有噪声，本实施例对获取的所述输入图像的高频信息进行降噪处理。
本实施例在步骤S4之后还包括对所述输入图像的高频信息进行降噪处理获得降噪后的高频信息。
具体的，本实施例使用的拉普拉斯模板的中心权重和周围权重的符号相反，当中心点包含噪声时，拉普拉斯响应值会偏离真实值，故在使用拉普拉斯算法提取高频分量后，需要对高频信息进行降噪处理。
常用的降噪处理方式，例如均值滤波、平滑等方式均可以应用到本实施例的降噪处理。
本实施例以软阈值的方式进行平滑进行说明，软阈值处理能够抑制高频信息中的噪声，软阈值的函数曲线如图5所示，计算公式如下：
Figure 434444DEST_PATH_IMAGE012
其中，
Figure 965920DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 371493DEST_PATH_IMAGE010
是软阈值函数输入的高频信息，
Figure 13827DEST_PATH_IMAGE013
是软阈值函数 输出的高频信息，
Figure 821246DEST_PATH_IMAGE014
是软阈值函数所使用的阈值，该值与图像低频信息之间呈现线性关系， 数学表达式如下：
Figure 523623DEST_PATH_IMAGE015
其中，
Figure 416493DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 862518DEST_PATH_IMAGE016
是低频信号提取模块得到的图像低频信息，
Figure 790022DEST_PATH_IMAGE017
和
Figure 663300DEST_PATH_IMAGE018
分别是线性函数的斜率和截距。
具体的，本实施例在步骤S4之后还包括对所述输入图像的高频信息进行软阈值平滑降噪处理获得降噪后的高频信息。
本领域技术人员知晓，本实施例的步骤S0-S4仅是对输入图像进行亮度信息、梯度信息以及高频信息的提取，其执行顺序不限于本实施例的执行顺序。本实施例中的步骤S0、S2、S4的执行顺序可以更改，或者同时并列执行，例如同时执行步骤S0、S2、S4，本实施例仅以S0-S4的顺序进行说明。但其他的执行步骤例如S2、S0、S4；S0、S4、S2等等均可以。
S6：根据所述亮度信息以及梯度信息，判断图像的像素点是否是细节像素点；
为了自适应区分细节和噪声，本实施例获取当点的梯度信息和局部亮度信息，判 断当前点是否属于细节，其中当前点指的是正在判断的图像像素点，细节指的是细节像素 点。如果图像的像素点，例如
Figure 777887DEST_PATH_IMAGE002
像素点属于细节，则称
Figure 27603DEST_PATH_IMAGE002
像素点是细节像素点。
判断图像像素点是否属于细节，常用的方式是判断图像像素点的梯度是否大于一个阈值。当梯度幅值大于阈值时，该像素点被判断成为细节，否则，该像素点被判断成为非细节，判断公式为：
Figure 809614DEST_PATH_IMAGE019
其中，
Figure 853793DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 658938DEST_PATH_IMAGE020
是图像的梯度信息幅值，
Figure 509083DEST_PATH_IMAGE021
是图像的细节判定 阈值。
本实施例结合图像的局部亮度信息以及图像的梯度信息来判断当前像素点是否属于细节，具体的可以根据图像的局部亮度信息来配置所述图像的细节判定阈值。即本实施例的图像的细节判定阈值是与图像的局部亮度信息相关联的，从而可以更好的区分图像是否是细节，减少噪声的干扰。
本实施例根据图像的局部亮度信息来配置所述图像的细节判定阈值的一个具体实现是，图像的细节判定阈值是与局部亮度而变化，呈现出线性关系：
Figure 880021DEST_PATH_IMAGE022
其中，
Figure 95102DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 449860DEST_PATH_IMAGE016
是低频信号提取模块得到的图像低频信息，
Figure 775799DEST_PATH_IMAGE023
和
Figure 735665DEST_PATH_IMAGE024
分别是线性函数的斜率和截距。
S8：根据所述高频信息与所述细节像素点获取增强后的图像。
将高频信息与步骤S6输出的细节像素点的结果进行乘积运算，得到细节区域的高频信息，实现了抑制平坦区域的噪声对于细节增强的影响，将细节区域的高频信息与原始的Y通道信息进行叠加，得到细节增强之后的值：
Figure 918384DEST_PATH_IMAGE025
其中，
Figure 494859DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 624489DEST_PATH_IMAGE004
是原始Y通道信息，
Figure 235599DEST_PATH_IMAGE013
是高频信息，
Figure 792482DEST_PATH_IMAGE026
是细节判断 结果，
Figure 856253DEST_PATH_IMAGE027
是细节增强之后的结果。其中原始Y通道信息是所述输入图像的Y通道信息。
其中对所有像素点处理之后的
Figure 789574DEST_PATH_IMAGE027
构成的图像是增强后的图像。
具体的，在对高频信息进行降噪处理后，所述根据所述高频信息与所述细节像素点获取增强后的图像，具体为将降噪处理后的高频信息与步骤S6输出的细节像素点的结果进行乘积运算，得到细节区域的高频信息，将细节区域的高频信息与原始的Y通道信息进行叠加，得到细节增强之后的值。
本实施例的细节增强方法，对当前点判断是否进行增强时，考虑了当前点的低频信息，通过当前点的梯度和低频信息识别图像细节，每个点的低频信息不同，所以得到的细节判定阈值也是不一样的，从而在一定程度上区分出平坦区域和细节区域，达到减少和消除噪声放大问题。
此外，进一步地结合低频信息和软阈值对提取到的高频信息进行降噪处理，达到自适应的减小对噪声的增强作用。
本实施例在步骤S8之后还包括锐化处理，所述锐化处理是根据所述输入图像的邻域信息，以及所述增强后的图像的对所述增强后的图像进行饱和处理。
本实施例的锐化处理时，获取输入图像Y通道的邻域信息，得到邻域的最大值和最小值。
本实施例采用3x3作为邻域窗口尺寸进行说明：
Figure 255191DEST_PATH_IMAGE028
其中，
Figure 982975DEST_PATH_IMAGE002
是当前像素点的坐标，
Figure 534042DEST_PATH_IMAGE003
是以
Figure 271054DEST_PATH_IMAGE002
为中心的窗口内任一像素点的 坐标，
Figure 591177DEST_PATH_IMAGE004
是输入图像的亮度值，
Figure 489863DEST_PATH_IMAGE029
是局部最小亮度值，
Figure 528226DEST_PATH_IMAGE030
是局部最大亮度值。
根据图像局部亮度的最小值和最大值，对增强后的图像进行饱和处理，得到第二增强图像：
Figure 803349DEST_PATH_IMAGE031
根据输入图像的Y通道的局部最大值和最小值，对得到的细节增强结果进行饱和处理，降低画面的黑边和白边现象。
实施例二
参考图6，图6是本实施例的图像增强装置，所述装置包括如下模块：
低频信号提取模块，用于对输入图像进行低通滤波，获取所述输入图像的亮度信息；
梯度信息提取模块，用于对输入图像进行梯度信息提取，获取所述输入图像的梯度信息；
高频信息提取模块，用于对输入图像进行高频信号提取，获取所述输入图像的高频信息；
细节判断模块，用于根据所述亮度信息和梯度信息，判断图像的像素点是否是细节像素点；
平滑模块，用于基于所述高频信息与所述细节像素点，获取增强后的图像。
低频信号提取模块使用低通滤波器，提取图像的局部亮度信息，输出到细节判断模块和平滑模块。
梯度信息提取模块提取图像的梯度信息，输出到细节判断模块。
高频信号提取模块提取图像的高频信息，输出到平滑模块。
细节判断模块使用梯度信息和局部亮度信息，区分平坦区域和细节区域。
平滑模块获取高频信息和局部亮度信息，控制图像中不同区域的增强程度；
低频信号提取模块，对所述输入图像进行低通滤波，低通滤波可以去除图像的高频部分，保留图像的低频部分，而图像的亮度信息一般均在低频部分。
本实施例使用的低通滤波是均值滤波，均值滤波器的模板的大小是3*3。使用均值滤波模板与输入图像进行卷积运算进行低通滤波。
本领域技术人员知晓，低通滤波还有其他很多方式，本实施例仅仅是以均值滤波为例进行说明，其他的低通滤波也可以实现类似的功能，本实施例不在赘述。
本实施例的输入图像是为YUV格式，YUV是编译真彩true-color颜色空间（colorspace）的种类，Y'UV,，YUV，YCbCr，YPbPr等专有名词都可以称为YUV，彼此有重叠。“Y”表示明亮度（Luminance、Luma），“U”和“V”则是色度与浓度（Chrominance、Chroma）。
如果输入图像不是YUV格式，可以通过颜色空间转换，将其转换到YUV格式下再进行处理。
具体的，本实施例的低通滤波是指对图像的Y通道进行低通滤波。
进一步的，本实施例还包括预处理模块。
输入图像可能会有噪声，为了减少噪声的影响，本实施例的预处理模块，用于对输入图像进行预处理，以减少输入图像的噪声干扰。
提取输入图像的Y通道信息，并对其进行预滤波处理，从而对输入图像的信息进行平滑，预滤波的公式如下：
Figure 977979DEST_PATH_IMAGE001
其中，
Figure 313145DEST_PATH_IMAGE002
是当前像素点的坐标，
Figure 573225DEST_PATH_IMAGE003
是以
Figure 917619DEST_PATH_IMAGE002
为中心的窗口内任一像素点的 坐标，
Figure 884438DEST_PATH_IMAGE004
是滤波前图像的亮度值，
Figure 452823DEST_PATH_IMAGE005
是滤波后图像的亮度值，
Figure 137882DEST_PATH_IMAGE006
是窗口像素
Figure 817125DEST_PATH_IMAGE007
的权重 值，
Figure 904030DEST_PATH_IMAGE008
分别是滤波窗口在竖直和水平方向的半径。
本实施例以半径为2进行说明，即滤波窗口的尺寸为5x5。
本实施例采用高斯滤波进行说明，参考图2，图2是本实施采用的高斯滤波模板。参考图2，图2中的高斯滤波模板加总等于256，归一化处理只需要将卷积结果右移8位即可，避免除法器的使用，可以有效的提升滤波的效率。
此外，其他常用的滤波方法例如双边滤波、非局部均值滤波等可以实现去噪处理的滤波方法均可以应用到本实施例，仅需要其可以实现滤波即可。
细节增强一般只需要对亮度通道进行处理，因此，所述对所述输入图像进行低通滤波，是对输入图像的Y通道信息进行低通滤波。
本实施例的梯度信息提取模块，使用索伯算子获取图像的梯度信息，索伯算子分为水平和竖直两个方向，其卷积模板如图3所示，最终的梯度信息是水平和竖直梯度的绝对值之和。梯度信息反映了图像局部的亮度变化剧烈程度，变化越大的区域越有可能成为细节。相同细节在不同亮度区域下，会表现出不同的亮度波动幅度。
具体的，对输入图像进行梯度信息提取是对输入图像的Y通道信息进行梯度信息提取。
本实施例的高频信号提取模块采用拉普拉斯滤波器对图像的高频信息进行提取，并为了适应多变的特征，可采用不同的拉普拉斯模板对图像的高频信息进行提取，本实施例以其中一种拉普拉斯算法模板进行说明，本实施例采用拉普拉斯算法模板如图4所示，高频信息的提取公式为：
Figure 643315DEST_PATH_IMAGE032
其中，
Figure 815671DEST_PATH_IMAGE002
是当前像素点的坐标，
Figure 298605DEST_PATH_IMAGE003
是以
Figure 240016DEST_PATH_IMAGE002
为中心的窗口内任一像素点的 坐标，
Figure 150203DEST_PATH_IMAGE005
是预处理之后图像的亮度值，
Figure 809855DEST_PATH_IMAGE010
是提取出的高频信息，
Figure 830900DEST_PATH_IMAGE011
是窗口像素
Figure 892397DEST_PATH_IMAGE007
的权 重值，
Figure 707906DEST_PATH_IMAGE008
分别是滤波窗口在竖直和水平方向的半径，滤波窗口的尺寸为5x5。
所述对输入图像进行高频信号提取对滤波后Y通道进行高频信号的提取。
本实施例使用上述拉普拉斯模板对输入图像进行高频信号提取获取输入图像的高频信息。
高频信号提取后的高频信号会有噪声，本实施例对获取的所述输入图像的高频信息进行降噪处理。
进一步的本实施例还包括一降噪处理模块，用于对对所述输入图像的高频信息进行降噪处理获得降噪后的高频信息。
具体的，本实施例使用的拉普拉斯模板的中心权重和周围权重的符号相反，当中心点包含噪声时，拉普拉斯响应值会偏离真实值，故在使用拉普拉斯算法提取高频分量后，需要对高频信息进行降噪处理。
常用的降噪处理方式，例如均值滤波、平滑等方式均可以应用到本实施例的降噪处理。
本实施例以软阈值的方式进行平滑进行说明，软阈值处理能够抑制高频信息中的噪声，软阈值的函数曲线如图5所示，计算公式如下：
Figure 854854DEST_PATH_IMAGE012
其中，
Figure 679590DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 595594DEST_PATH_IMAGE010
是软阈值函数输入的高频信息，
Figure 847584DEST_PATH_IMAGE013
是软阈值函数 输出的高频信息，
Figure 216248DEST_PATH_IMAGE014
是软阈值函数所使用的阈值，该值与图像低频信息之间呈现线性关系， 数学表达式如下：
Figure 579096DEST_PATH_IMAGE015
其中，
Figure 615185DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 38077DEST_PATH_IMAGE016
是低频信号提取模块得到的图像低频信息，
Figure 894037DEST_PATH_IMAGE017
和
Figure 60576DEST_PATH_IMAGE018
分别是线性函数的斜率和截距。
具体的，本实施例的高频信号提取模块提出的高频信息进一步送入所述降噪模块进行处理，所述降噪模块用于对所述输入图像的高频信息进行软阈值平滑降噪处理获得降噪后的高频信息。
本实施例的细节判断模块，为了自适应区分细节和噪声，本实施例获取当点的梯 度信息和局部亮度信息，判断当前点是否属于细节，其中当前点指的是正在判断的图像像 素点，细节指的是细节像素点。如果图像的像素点，例如
Figure 951172DEST_PATH_IMAGE002
像素点属于细节，则称
Figure 544964DEST_PATH_IMAGE002
像素点是细节像素点。
判断图像像素点是否属于细节，常用的方式是判断图像像素点的梯度是否大于一个阈值。当梯度幅值大于阈值时，该像素点被判断成为细节，否则，该像素点被判断成为非细节，判断公式为：
Figure 888221DEST_PATH_IMAGE033
其中，
Figure 592872DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 337974DEST_PATH_IMAGE020
是图像的梯度信息幅值，
Figure 102667DEST_PATH_IMAGE021
是图像的细节判定 阈值。
本实施例结合图像的局部亮度信息以及图像的梯度信息来判断当前像素点是否属于细节，具体的可以根据图像的局部亮度信息来配置所述图像的细节判定阈值。即本实施例的图像的细节判定阈值是与图像的局部亮度信息相关联的，从而可以更好的区分图像是否是细节，减少噪声的干扰。
本实施例根据图像的局部亮度信息来配置所述图像的细节判定阈值的一个具体实现是，图像的细节判定阈值是与局部亮度而变化，呈现出线性关系：
Figure 933220DEST_PATH_IMAGE022
其中，
Figure 441562DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 41171DEST_PATH_IMAGE016
是低频信号提取模块得到的图像低频信息，
Figure 976766DEST_PATH_IMAGE023
和
Figure 294614DEST_PATH_IMAGE024
分别是线性函数的斜率和截距。
本实施例的平滑模块，将高频信息与细节判断模块输出的细节像素点的结果进行乘积运算，得到细节区域的高频信息，实现了抑制平坦区域的噪声对于细节增强的影响，将细节区域的高频信息与原始的Y通道信息进行叠加，得到细节增强之后的值：
Figure 606647DEST_PATH_IMAGE034
其中，
Figure 60762DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 167258DEST_PATH_IMAGE004
是原始Y通道信息，
Figure 972403DEST_PATH_IMAGE013
是高频信息，
Figure 822548DEST_PATH_IMAGE026
是细节判断 结果，
Figure 396748DEST_PATH_IMAGE027
是细节增强之后的结果。原始Y通道信息是所述输入图像Y通道信息。
其中对所有像素点处理之后的
Figure 674146DEST_PATH_IMAGE027
构成的图像是增强后的图像。
具体的，在对高频信息进行降噪处理后，所述根据所述高频信息与所述细节像素点获取增强后的图像，具体为将降噪模块处理后的高频信息与细节判断模块输出的细节像素点的结果进行乘积运算，得到细节区域的高频信息，将细节区域的高频信息与原始的Y通道信息进行叠加，得到细节增强之后的值。
本实施例的细节增强装置，对当前点判断是否进行增强时，考虑了当前点的低频信息，通过当前点的梯度和低频信息识别图像细节，每个点的低频信息不同，所以得到的细节判定阈值也是不一样的，从而在一定程度上区分出平坦区域和细节区域，达到减少和消除噪声放大问题。
此外，进一步地结合低频信息和软阈值对提取到的高频信息进行降噪处理，达到自适应的减小对噪声的增强作用。
进一步的，本实施例还包括锐化增强模块，用于根据所述输入图像的邻域信息，以及所述增强后的图像的对所述增强后的图像进行饱和处理。
本实施例的锐化增强处理模块，对获取输入图像Y通道的邻域信息，得到邻域的最大值和最小值。
本实施例采用3x3作为邻域窗口尺寸进行说明：
Figure 966587DEST_PATH_IMAGE035
其中，
Figure 354843DEST_PATH_IMAGE002
是当前像素点的坐标，
Figure 783550DEST_PATH_IMAGE003
是以
Figure 497429DEST_PATH_IMAGE002
为中心的窗口内任一像素点的 坐标，
Figure 11586DEST_PATH_IMAGE004
是输入图像的亮度值，
Figure 203533DEST_PATH_IMAGE029
是局部最小亮度值，
Figure 752326DEST_PATH_IMAGE030
是局部最大亮度值。
根据图像局部亮度的最小值和最大值，对增强后的图像进行饱和处理，得到第二增强图像：
Figure 371527DEST_PATH_IMAGE031
根据输入图像的Y通道的局部最大值和最小值，对得到的细节增强结果进行饱和处理，降低画面的黑边和白边现象。
本实施例的锐化增强模块根据邻域内的亮度极值，抑制和消除增强产生的黑边和白边效应的影响。
实施例三
参考图7，图7是本实施例的一种图像增强装置的结构示意图。该实施例的图像增强设备20包括处理器21、存储器22以及存储在所述存储器22中并可在所述处理器21上运行的计算机程序。所述处理器21执行所述计算机程序时实现上述图像增强方法实施例中的步骤。或者，所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述图像增强设备20中的执行过程。例如，所述计算机程序可以被分割成实施例二中的各个模块,各模块具体功能请参考上述实施例所述的图像增强装置的工作过程，在此不再赘述。
所述图像增强设备20可包括，但不仅限于，处理器21、存储器22。本邻域技术人员可以理解，所述示意图仅仅是图像增强设备20的示例，并不构成对图像增强设备20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述图像增强设备20还可以包括输入输出设备、网络接入设备、总线等。
所述处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器21是所述图像增强设备20的控制中心，利用各种接口和线路连接整个图像增强设备20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述图像增强设备20的各种功能。所述存储器22可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（SecureDigital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述图像增强设备20集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器21执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本邻域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
实施例四
本实施例提供了一种图像传感器，所述图像传感器包括处理器，存储器，所述存储器上存储有指令，在所述指令在被所述处理器执行时，用于实现实施例一的图像增强方法。
具体的所述图像传感器的结构可参考实施例三中的图像增强设备的结构示意图，本实施例不在赘述。
此外，本实施例还提供了一种图像传感器，所述图像传感器包括如实施例二中的图像增强的装置。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像增强方法，其包括如下步骤：
对输入图像的Y通道进行低通滤波，获取所述输入图像的亮度信息；
对输入图像的Y通道进行梯度信息提取，获取所述输入图像的梯度信息；
对输入图像的Y通道进行高频信号提取，获取所述输入图像的高频信息；
根据局部亮度信息和梯度信息，判断图像的像素点是否是细节像素点；
根据所述局部亮度信息和梯度信息，判断所述图像的像素点是否是细节像素点具体为：根据所述局部亮度信息配置细节判定阈值，其中所述细节判定阈值与所述局部亮度信息是线性关系，其表达式如下：
Figure 681503DEST_PATH_IMAGE001
其中，
Figure 864485DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 600359DEST_PATH_IMAGE003
是对输入图像的Y通道进行低通滤波获取所述输入图 像的亮度信息，
Figure 127156DEST_PATH_IMAGE004
和
Figure 858351DEST_PATH_IMAGE005
分别是线性函数的斜率和截距；在所述梯度信息大于所述细节判定 阈值时，所述图像像素点是细节像素点；
根据所述高频信息与所述细节像素点，获取增强后的图像；根据所述高频信息与所述细节像素点获取增强后的图像，具体为：将所述高频信息与所述细节像素点进行乘积并叠加到所述输入图像的Y通道上，获取增强后的图像，所述将所述高频信息与所述细节像素点进行乘积并叠加到所述输入图像的Y通道上具体为：
Figure 586136DEST_PATH_IMAGE006
其中，
Figure 871624DEST_PATH_IMAGE002
是图像当前点坐标，
Figure 966225DEST_PATH_IMAGE007
是原始Y通道信息，
Figure 958452DEST_PATH_IMAGE008
是高频信息，
Figure 716193DEST_PATH_IMAGE009
是细节判断结果，
Figure 426660DEST_PATH_IMAGE010
是增强后的图像。
2.根据权利要求1所述的方法，其特征在于：对所述高频信息进行降噪处理获取降噪后的高频信息；根据所述高频信息与所述细节像素点获取增强后的图像，具体为：将所述降噪后的高频信息与所述细节像素点进行乘积并叠加到所述输入图像上，获取增强后的图像。
3.根据权利要求2所述的方法，所述降噪处理为使用软阈值的方法进行平滑，具体的所述软阈值的公式如下：
Figure 826417DEST_PATH_IMAGE011
其中，
Figure 673150DEST_PATH_IMAGE012
是图像当前点坐标，
Figure 867371DEST_PATH_IMAGE013
是软阈值函数输入的高频信息，
Figure 799555DEST_PATH_IMAGE014
是软阈值函数输 出的高频信息，
Figure 238889DEST_PATH_IMAGE015
是软阈值函数所使用的阈值，该值与对所述输入图像Y通道进行低通滤 波的低频信息之间呈现线性关系，数学表达式如下：
Figure 205708DEST_PATH_IMAGE016
其中，
Figure 305251DEST_PATH_IMAGE017
是图像当前点坐标，
Figure 990310DEST_PATH_IMAGE018
是对输入图像的Y通道进行低通滤波获取所述输入图 像的低频信息，
Figure 669553DEST_PATH_IMAGE019
和
Figure 615513DEST_PATH_IMAGE020
分别是线性函数的斜率和截距。
4.根据权利要求1所述的方法，根据所述输入图像的邻域信息，以及所述增强后的图像的对所述增强后的图像进行饱和处理，具体的，所述输入图像的邻域信息包括，输入图像的局部最小亮度值以及局部最大亮度值；所述对增强后的图像进行饱和处理，得到第二增强图像：
Figure 761323DEST_PATH_IMAGE021
其中，
Figure 556847DEST_PATH_IMAGE022
是局部最小亮度值，
Figure 446306DEST_PATH_IMAGE023
是局部最大亮度值。
5.一种图像增强装置，所述装置包括如下模块：
低频信号提取模块，用于对输入图像的Y通道进行低通滤波，获取所述输入图像的亮度信息；
梯度信息提取模块，用于对输入图像的Y通道进行梯度信息提取，获取所述输入图像的梯度信息；
高频信息提取模块，用于对输入图像的Y通道进行高频信号提取，获取所述输入图像的高频信息；
细节判断模块，用于根据局部亮度信息和梯度信息，判断图像的像素点是否是细节像素点；
所述细节判断模块，具体为根据所述局部亮度信息配置细节判定阈值，其中所述细节判定阈值与所述局部亮度信息是线性关系，其表达式如下：
Figure 246772DEST_PATH_IMAGE024
其中，
Figure 829063DEST_PATH_IMAGE012
是图像当前点坐标，
Figure 347769DEST_PATH_IMAGE025
是对输入图像的Y通道进行低通滤波获取所述输入图 像的亮度信息，
Figure 40918DEST_PATH_IMAGE026
和
Figure 961470DEST_PATH_IMAGE027
分别是线性函数的斜率和截距；在所述梯度信息大于所述细节判定 阈值时，所述图像像素点是细节像素点；
平滑模块，用于基于所述高频信息与所述细节像素点，获取增强后的图像；根据所述高频信息与所述细节像素点获取增强后的图像，具体为：将所述高频信息与所述细节像素点进行乘积并叠加到所述输入图像的Y通道上，获取增强后的图像，所述将所述高频信息与所述细节像素点进行乘积并叠加到所述输入图像的Y通道上具体为：
Figure 714662DEST_PATH_IMAGE028
其中，
Figure 956550DEST_PATH_IMAGE012
是图像当前点坐标，
Figure 453390DEST_PATH_IMAGE007
是原始Y通道信息，
Figure 228448DEST_PATH_IMAGE008
是高频信息，
Figure 152542DEST_PATH_IMAGE029
是细节判断结果，
Figure 645840DEST_PATH_IMAGE030
是增强后的图像。
6.根据权利要求5所述的装置，其特征在于：所述装置还包括降噪处理模块，用于对所述高频信息进行降噪处理获取降噪后的高频信息；
所述平滑模块用于将所述降噪后的高频信息与所述细节像素点进行乘积并叠加到所述输入图像的Y通道上，获取增强后的图像。
7.根据权利要求6所述的装置，其特征在于所述降噪处理为使用软阈值的方法进行平滑，具体的所述软阈值的公式如下：
Figure 680792DEST_PATH_IMAGE031
其中，
Figure 310357DEST_PATH_IMAGE012
是图像当前点坐标，
Figure 405352DEST_PATH_IMAGE032
是软阈值函数输入的高频信息，
Figure 642340DEST_PATH_IMAGE033
是软阈值函数输 出的高频信息，
Figure 480983DEST_PATH_IMAGE034
是软阈值函数所使用的阈值，该值与对所述输入图像Y通道进行低通滤波 的低频信息之间呈现线性关系，数学表达式如下：
Figure 230633DEST_PATH_IMAGE035
其中，
Figure 496529DEST_PATH_IMAGE012
是图像当前点坐标，
Figure 698840DEST_PATH_IMAGE036
是对输入图像的Y通道进行低通滤波获取所述输入图 像的低频信息，
Figure 75595DEST_PATH_IMAGE037
和
Figure 679752DEST_PATH_IMAGE038
分别是线性函数的斜率和截距。
8.根据权利要求5所述的装置，所述装置还包括锐化增强模块，用于根据所述输入图像的邻域信息，以及所述增强后的图像的对所述增强后的图像进行饱和处理，具体的，所述输入图像的邻域信息包括，输入图像的局部最小亮度值以及局部最大亮度值；所述对增强后的图像进行饱和处理，得到第二增强图像：
Figure 116549DEST_PATH_IMAGE039
其中，
Figure 573201DEST_PATH_IMAGE040
是局部最小亮度值，
Figure 753646DEST_PATH_IMAGE041
是局部最大亮度值。
9.一种非易失性存储器，其上存储有指令，在所述指令被执行时，用于执行权利要求1-4中任一项所述方法。
10.一种电子设备，所述电子设备包括如权利要求5-8中任一项所述的装置。
CN202110664371.XA 2021-06-16 2021-06-16 一种图像增强方法、装置及介质 Active CN113256534B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110664371.XA CN113256534B (zh) 2021-06-16 2021-06-16 一种图像增强方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110664371.XA CN113256534B (zh) 2021-06-16 2021-06-16 一种图像增强方法、装置及介质

Publications (2)

Publication Number Publication Date
CN113256534A CN113256534A (zh) 2021-08-13
CN113256534B true CN113256534B (zh) 2022-01-07

Family

ID=77188135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110664371.XA Active CN113256534B (zh) 2021-06-16 2021-06-16 一种图像增强方法、装置及介质

Country Status (1)

Country Link
CN (1) CN113256534B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018736A (zh) * 2022-07-22 2022-09-06 广州市保伦电子有限公司 一种图像亮度均匀处理方法及处理终端

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819850A (zh) * 2012-08-16 2012-12-12 李勃 基于局部自适应色差阈值的彩色图像边缘检测的方法
CN104662559A (zh) * 2012-05-14 2015-05-27 高斯外科公司 用于估计液体罐中的血液成分的量的系统和方法
CN105763768A (zh) * 2014-12-15 2016-07-13 深圳市中兴微电子技术有限公司 一种图像处理方法、装置和系统
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
CN110189349A (zh) * 2019-06-03 2019-08-30 湖南国科微电子股份有限公司 图像处理方法及装置
CN112581362A (zh) * 2019-09-27 2021-03-30 美敦力公司 用于调整图像细节的图像处理方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101877123A (zh) * 2009-12-03 2010-11-03 北京中星微电子有限公司 一种图像增强方法和装置
US10740903B2 (en) * 2018-07-18 2020-08-11 Adobe Inc. Edge detection using fuzzy gradient information

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104662559A (zh) * 2012-05-14 2015-05-27 高斯外科公司 用于估计液体罐中的血液成分的量的系统和方法
CN102819850A (zh) * 2012-08-16 2012-12-12 李勃 基于局部自适应色差阈值的彩色图像边缘检测的方法
CN105763768A (zh) * 2014-12-15 2016-07-13 深圳市中兴微电子技术有限公司 一种图像处理方法、装置和系统
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
CN110189349A (zh) * 2019-06-03 2019-08-30 湖南国科微电子股份有限公司 图像处理方法及装置
CN112581362A (zh) * 2019-09-27 2021-03-30 美敦力公司 用于调整图像细节的图像处理方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MMX技术在视频压缩中的应用;丁志强，等;《数字通信》;20000301(第3期);1-3 *

Also Published As

Publication number Publication date
CN113256534A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
EP3614334B1 (en) Method for image processing and electronic device
US9747514B2 (en) Noise filtering and image sharpening utilizing common spatial support
Zhang et al. Enhancement and noise reduction of very low light level images
US10559067B2 (en) Removal of shadows from document images while preserving fidelity of image contents
EP2059902B1 (en) Method and apparatus for image enhancement
KR100790980B1 (ko) 영상 신호의 주파수 성분에 따라 후처리를 달리하는 영상신호의 후처리 회로
KR101114698B1 (ko) 이미지 특성에 따라 에지를 강조하기 위한 이미지 생성 장치 및 방법
JP2010525486A (ja) 画像分割及び画像強調
CN109903294B (zh) 图像处理方法、装置、电子设备及可读存储介质
KR101812341B1 (ko) 이미지의 에지 향상 방법
US8237822B2 (en) Image processing method and apparatus for reducing noise in an image
Ghosh et al. Saliency guided image detail enhancement
CN113256534B (zh) 一种图像增强方法、装置及介质
JP2007329927A (ja) ビデオ画質改善システムおよび方法
US6323855B1 (en) Sharpening edge features in digital image providing high frequency edge enhancement
JP2008500757A (ja) 映像信号の鮮鋭度を強調するための方法およびシステム
Kao et al. Mltistage bilateral noise filtering and edge detection for color image enhancement
US9092862B2 (en) Image processing apparatus, image adjusting apparatus, image processing method and computer readable medium
EP3540685B1 (en) Image-processing apparatus to reduce staircase artifacts from an image signal
JP2005101949A (ja) 画像処理装置、画像処理方法、画像処理プログラム、および輪郭強調機能を備えたデジタルカメラ
CN111986095B (zh) 基于边缘提取的图像处理方法及图像处理装置
CN114596210A (zh) 噪声估计方法、装置、终端设备及计算机可读存储介质
CN113674158A (zh) 图像处理方法、装置、设备及存储介质
CN110136073B (zh) 图像锐化处理方法及其系统
CN116523764A (zh) 基于fpga语言的图像边界锐化算法、装置和控制系统

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