CN113313645B - 图像处理方法、图像处理装置、终端及可读存储介质 - Google Patents

图像处理方法、图像处理装置、终端及可读存储介质 Download PDF

Info

Publication number
CN113313645B
CN113313645B CN202110580564.7A CN202110580564A CN113313645B CN 113313645 B CN113313645 B CN 113313645B CN 202110580564 A CN202110580564 A CN 202110580564A CN 113313645 B CN113313645 B CN 113313645B
Authority
CN
China
Prior art keywords
image
feature information
edge
salient
denoising
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
CN202110580564.7A
Other languages
English (en)
Other versions
CN113313645A (zh
Inventor
王舒瑶
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN202110580564.7A priority Critical patent/CN113313645B/zh
Publication of CN113313645A publication Critical patent/CN113313645A/zh
Application granted granted Critical
Publication of CN113313645B publication Critical patent/CN113313645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06T2207/20212—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)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种图像处理方法、图像处理装置、终端及非易失性计算机可读存储介质。图像处理方法包括：对当前图像进行显著区域检测以获取显著区域图像，显著区域图像中包含当前图像的显著区域中的显著特征信息；对当前图像进行边缘检测以获取边缘特征图像，边缘特征图像中包含当前图像的边缘特征信息；融合显著区域图像与边缘特征图像以获取融合图像，融合图像包括当前图像的显著区域中的显著特征信息及边缘特征信息；及根据显著特征信息及边缘特征信息对融合图像执行去噪处理以获取目标图像。本申请中，通过对当前图像进行显著区域检测及边缘检测以得到显著特征信息及边缘特征信息，以执行去噪处理，从而保护目标图像中的细节信息。

Description

图像处理方法、图像处理装置、终端及可读存储介质
技术领域
本申请涉及图像处理技术领域，更具体而言，涉及一种图像处理方法、图像处理装置、终端及非易失性计算机可读存储介质。
背景技术
图像是自然界景物的客观反映，图像采集过程中，由于不同的成像原理，得到的初始图像都含有大量不同性质的噪声，这些噪声的存在影响人们对图像的观察，干扰对图像信息的理解，从而需要对图像进行去噪处理。但在对图像进行去噪处理时，图像去噪强度和图像细节保护程度无法两全的问题，当对图像中的噪声进行去除的同时，图像中的细节信息可能丢失，导致图像存在涂抹感。
发明内容
本申请实施方式提供一种图像处理方法、图像处理装置、终端及非易失性计算机可读存储介质。
本申请实施方式的图像处理方法包括：对当前图像进行显著区域检测以获取显著区域图像，所述显著区域图像中包含所述当前图像的显著区域中的显著特征信息；对所述当前图像进行边缘检测以获取边缘特征图像，所述边缘特征图像中包含所述当前图像的边缘特征信息；融合所述显著区域图像与所述边缘特征图像以获取融合图像，所述融合图像包括所述当前图像的显著区域中的显著特征信息及边缘特征信息；及根据所述显著特征信息及所述边缘特征信息对融合图像执行去噪处理以获取目标图像。
本申请实施方式的图像处理装置包括区域检测模块、边缘检测模块、融合模块及去噪模块。所述区域检测模块用于对当前图像进行显著区域检测以获取显著区域图像，所述显著区域图像中包含所述当前图像的显著区域中的显著特征信息。所述边缘检测模块用于对当前图像进行边缘检测以获取边缘特征图像，所述边缘特征图像中包含所述当前图像的边缘特征信息。所述融合模块用于融合所述显著区域图像与所述边缘特征图像以获取融合图像，所述融合图像包括所述当前图像的显著区域中的显著特征信息及边缘特征信息。所述去噪模块用于根据显著特征信息及边缘特征信息对融合图像执行去噪处理以获取目标图像。
本申请的实施方式的终端包括一个或多个处理器、存储器和一个或多个程序。其中，所述一个或多个程序被存储在所述存储器中，并且被一个或多个所述处理器执行，所述程序包括用于执行本申请实施方式所述的图像处理方法的指令。所述图像处理方法包括：对当前图像进行显著区域检测以获取显著区域图像，所述显著区域图像中包含所述当前图像的显著区域中的显著特征信息；对所述当前图像进行边缘检测以获取边缘特征图像，所述边缘特征图像中包含所述当前图像的边缘特征信息；融合所述显著区域图像与所述边缘特征图像以获取融合图像，所述融合图像包括所述当前图像的显著区域中的显著特征信息及边缘特征信息；及根据显著特征信息及边缘特征信息对融合图像执行去噪处理以获取目标图像。
本申请的实施方式的非易失性计算机可读存储介质包含有计算机程序，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行如下图像处理方法：对当前图像进行显著区域检测以获取显著区域图像，所述显著区域图像中包含所述当前图像的显著区域中的显著特征信息；对所述当前图像进行边缘检测以获取边缘特征图像，所述边缘特征图像中包含所述当前图像的边缘特征信息；融合所述显著区域图像与所述边缘特征图像以获取融合图像，所述融合图像包括所述当前图像的显著区域中的显著特征信息及边缘特征信息；及根据显著特征信息及边缘特征信息对融合图像执行去噪处理以获取目标图像。
本申请的图像处理方法、图像处理装置、终端及非易失性计算机可读存储介质中，通过对当前图像进行显著区域检测及边缘检测以得到显著区域图像及边缘特征图像，其中，显著区域图像包含当前图像的显著区域中的显著特征信息，边缘特征图像中包含当前图像的边缘特征信息，以对显著区域图像及边缘特征图像进行融合以得到包括显著特征信息和边缘特征信息的融合图像，并根据显著特征信息及边缘特征信息对融合图像执行去噪处理获取目标图像，由此，能够防止去噪过程中融合图像中的细节信息的丢失，从而保护目标图像中的细节信息，避免目标图像存在涂抹感。
本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的图像处理方法的流程示意图；
图2是本申请某些实施方式的图像处理方法的原理示意图；
图3是本申请某些实施方式的图像处理装置的结构示意图；
图4是本申请某些实施方式的终端的结构示意图；
图5是本申请某些实施方式的图像处理方法的流程示意图；
图6是本申请某些实施方式的初始直方图；
图7是本申请某些实施方式的修正直方图；
图8是本申请某些实施方式的图像处理方法计算像素点到像素阵列的中心的距离的原理示意图；
图9至图12是本申请某些实施方式的图像处理方法的流程示意图；
图13是申请某些实施方式的图像处理方法的原理示意图；
图14至图16是本申请某些实施方式的图像处理方法的流程示意图；
图17是本申请某些实施方式的非易失性计算机可读存储介质与处理器的连接示意图。
具体实施方式
下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
请参阅图1及图2，本申请实施方式提供一种图像处理方法，该图像处理方法包括：
01：对当前图像Img1进行显著区域检测以获取显著区域图像Img2，显著区域图像Img2中包含当前图像Img1的显著区域中的显著特征信息；
03：对当前图像Img1进行边缘检测以获取边缘特征图像Img3，边缘特征图像Img3中包含当前图像Img1的边缘特征信息；
05：融合显著区域图像Img2与边缘特征图像Img3以获取融合图像Img4，融合图像Img4包括当前图像Img1的显著区域中的显著特征信息及边缘特征信息；及
07：根据显著特征信息及边缘特征信息对融合图像Img4执行去噪处理以获取目标图像Img5。
请结合图3，本申请实施方式提供一种图像处理装置10。图像处理装置10包括区域检测模块11、边缘检测模块13、融合模块15及去噪模块17。本申请实施方式的图像处理方法可应用于图像处理装置10中，其中，区域检测模块11用于执行01中的方法，边缘检测模块13用于执行03中的方法，融合模块15用于执行05中的方法，去噪模块17用于执行07中的方法。即，区域检测模块11用于对当前图像Img1进行显著区域检测以获取显著区域图像Img2，显著区域图像Img2中包含当前图像Img1的显著区域中的显著特征信息；边缘检测模块13用于对当前图像Img1进行边缘检测以获取边缘特征图像Img3，边缘特征图像Img3中包含当前图像Img1的边缘特征信息；融合模块15用于融合显著区域图像Img2与边缘特征图像Img3以获取融合图像Img4，融合图像Img4包括当前图像Img1的显著区域中的显著特征信息及边缘特征信息；去噪模块17用于根据显著特征信息及边缘特征信息对融合图像Img4执行去噪处理以获取目标图像Img5。
请结合图4，本申请实施方式还提供一种终端100。终端100包括一个或多个处理器20、存储器30、和一个或多个程序，其中一个或多个程序被存储在存储器30中，并且被一个或多个处理器20执行，程序包括用于执行本申请实施方式的输出图像方法的指令。即，处理器20执行程序时，处理器20可以实现步骤01、步骤03、步骤05及步骤07中的方法。即，一个或多个处理器20用于：对当前图像Img1进行显著区域检测以获取显著区域图像Img2，显著区域图像Img2中包含当前图像Img1的显著区域中的显著特征信息；对当前图像Img1进行边缘检测以获取边缘特征图像Img3，边缘特征图像Img3中包含当前图像Img1的边缘特征信息；融合显著区域图像Img2与边缘特征图像Img3以获取融合图像Img4，融合图像Img4包括当前图像Img1的显著区域中的显著特征信息及边缘特征信息；及根据显著特征信息及边缘特征信息对融合图像Img4执行去噪处理以获取目标图像Img5。
具体地，请参阅图4，终端100可以是手机、智能手表、相机、平板电脑、笔记本电脑、电脑等设备。图像处理装置10可以是集成在终端100中的功能模块的集成。本申请仅以终端100是手机为例进行说明，终端100是其他类型的终端时的情形与手机类似，不详细展开说明。
图像是自然界景物的客观反映，图像采集过程中，由于不同的成像原理，得到的初始图像都含有大量不同性质的噪声，这些噪声的存在影响人们对图像的观察，干扰对图像信息的理解，从而需要对图像进行去噪处理。但在对图像进行去噪处理时，图像去噪强度和图像细节保护程度无法两全的问题，当对图像中的噪声进行去除的同时，图像中的细节信息可能丢失，导致图像存在涂抹感。
请参阅图1至图4，本申请实施方式的图像处理方法中，通过对当前图像Img1进行显著区域检测及边缘检测以得到显著区域图像Img2及边缘特征图像Img3，其中，显著区域图像Img2包含当前图像的显著区域中的显著特征信息，边缘特征图像Img3中包含当前图像的边缘特征信息，以对显著区域图像Img2及边缘特征图像Img3进行融合以得到包括显著特征信息和边缘特征信息的融合图像Img4，并根据显著特征信息及边缘特征信息对融合图像Img4执行去噪处理获取目标图像Img5，由此，能够防止去噪过程中融合图像Img4中的细节信息的丢失，从而保护目标图像Img5中的细节信息，避免目标图像Img5存在涂抹感。
更具体地，请参阅图1、图2及图4，在步骤01之前，一个或多个处理器20还可用于获取当前图像Img1，其中，当前图像Img1可以是终端100中的摄像头对现实场景中实时获取的一张待去噪图像，此时，获取当前图像Img1是由摄像头执行的，然后再由处理器20从摄像头处读取。当前图像Img1也可以是存储在终端100中的相册(或存储器30)中的一张图像，此时，获取当前图像Img1是由处理器20执行的，例如直接从存储器30或相册中读取。可以理解，获取当前图像Img1的途径还可以是其他的方式，在此不一一列举。
步骤01中的显著区域是指当前图像Img1中引人注目的区域或比较重要的区域，例如，假设当前图像Img1中包含一个停留在树枝上的小鸟，人们眼睛首先注意到的是树枝上的小鸟及鸟巢，而不是树枝、小鸟、鸟巢的背景信息，即，树枝、小鸟、鸟巢在当前图像Img1中所处的区域即为显著区域，除了显著区域以外的其他区域为当前图像Img1的非显著区域。进一步地，本申请中，区域检测模块11或一个或多个处理器20通过显著区域检测定位当前图像Img1中的显著区域，从而获取显著区域图像Img2，显著区域图像Img2为灰度图像，图像信息仅包括亮度信息。显著区域图像Img2包括显著区域中的显著特征信息及非显著区域的图像信息，显著区域图像Img2中的显著区域对应当前图像Img1中的显著区域，例如，树枝、小鸟、鸟巢；而显著区域图像Img2中非显著区域对应当前图像Img1中的非显著区域，例如除了树枝、小鸟、鸟巢的其他区域(包括背景所在区域)。在显著区域图像Img2中，显著区域中间区域的亮度较强，而显著区域与背景的边缘部分区域、及非显著区域部分的亮度较弱。
步骤03中的边缘特征信息为当前图像Img1中包含的所有物体的边缘对应的图像信息，呈现在边缘特征图像中为纹理。而图像中的细节信息往往包含在图像中物体的边缘处。同样地，边缘检测模块13或一个或多个处理器20通过边缘检测获取当前图像Img1中的边缘特征信息，从而得到边缘特征图像Img3，边缘特征图像Img3也为灰度图像，图像信息仅包括亮度信息。边缘特征图像Img3中包括当前图像Img1中所有区域(包括显著区域与非显著区域)的边缘特征信息。本申请的图像处理方法通过边缘检测来得到边缘特征图像Img3中的纹理，以区分当前图像Img1中的噪声与细节，以便于根据显著特征信息及边缘特征信息进行去噪处理时，能够去除噪声的同时，保留当前图像Img1中的细节信息。
步骤05中，在分别通过显著区域检测及边缘检测得到显著区域图像Img2和边缘特征图像Img3后，融合模块15或一个或多个处理器20对显著区域图像Img2中的显著特征信息和边缘特征图像Img3的边缘特征信息进行融合，以完善显著区域对应的特征信息，其中，完善后的特征信息既包含了显著区域图像Img2中显著区域对应的显著特征信息，又包括了边缘特征图像Img3中所有区域中物体的边缘特征信息，使得后续去噪处理时能够保留图像细节。
步骤07中，去噪模块17或一个或多个处理器20根据显著特征信息及边缘特征信息对融合图像Img4中进行去噪处理，能够防止去噪过程中融合图像Img4中的细节信息丢失，从而使得目标图像Img5中的细节信息能够较好地保留下来，防止对融合图像Img4中的显著区域去噪过度而使该区域产生明显的涂抹感。
请参阅图2及图5，在某些实施方式中，01：对当前图像Img1进行显著区域检测以获取显著区域图像Img2，可包括：
011：统计当前图像Img1的初始直方图，初始直方图用于统计当前图像Img1的亮度通道信息和色度通道信息；
013：对初始直方图执行修正处理以获取修正直方图；
015：获取当前图像Img1中每个像素点与当前图像Img1中心的距离，以获取每个像素点的位置信息；
017：根据修正直方图对当前图像Img1的每个亮度级别的像素点的原始数量进行重映射，以获取每个亮度级别的亮度调整参数；
019：根据亮度调整参数对当前图像Img1中每个对应的亮度级别内的像素点的亮度进行调整；及
021：融合位置信息与调整后的当前图像Img1，以获取显著区域图像Img2。
请结合图3，区域检测模块11还用于执行011、013、015、017、019及021中的方法。即，区域检测模块11还用于：统计当前图像Img1的初始直方图，初始直方图用于统计当前图像Img1的亮度通道信息和色度通道信息；对初始直方图执行修正处理以获取修正直方图；获取当前图像Img1中每个像素点与当前图像Img1中心的距离，以获取每个像素点的位置信息；根据修正直方图对当前图像的每个亮度级别的像素点的原始数量进行重映射，以获取每个亮度级别的亮度调整参数；根据亮度调整参数对当前图像Img1中每个对应的亮度级别内的像素点的亮度进行调整；及融合位置信息与调整后的当前图像Img1，以获取显著区域图像Img2。
请结合图4，一个或多个处理器20还用于执行011、013、015、017、019及021中的方法。即，一个或多个处理器20还用于：统计当前图像Img1的初始直方图，初始直方图用于统计当前图像Img1的亮度通道信息和色度通道信息；对初始直方图执行修正处理以获取修正直方图；获取当前图像Img1中每个像素点与当前图像中心的距离，以获取每个像素点的位置信息；根据修正直方图对当前图像的每个亮度级别的像素点的原始数量进行重映射，以获取每个亮度级别的亮度调整参数；根据亮度调整参数对当前图像Img1中每个对应的亮度级别内的像素点的亮度进行调整；及融合位置信息与调整后的当前图像Img1，以获取显著区域图像Img2。
步骤011中，在一个例子中，区域检测模块11或一个或多个处理器20对当前图像Img1的亮度通道信息和色度通道信息进行统计处理，以得到当前图像Img1关于亮度通道信息和色度通道信息的初始直方图，如图6所示，该初始直方图包括横坐标和纵坐标。其中，根据当前图像Img1中的亮度通道信息和色度通道信息对应的灰度级别将横坐标分为多个组数，沿着横坐标原点至横坐标的正方向的方向上，每个组数对应一个灰度级别。例如，将初始直方图的横坐标分为256个组数，依次为0、1、2、3、4、5、6……253、254、255，每个组数对应一个亮度级别，其中，该亮度级别表示当前图像Img1像素点的灰度级别。初始直方图中的纵坐标表示对应组数的频数值，具体地，在0-255个灰度级别中，初始直方图中的纵坐标表示为在任意一个灰度级别中像素点的数量。纵坐标最小值为0，最大值的取值与当前图像Img1中所有像素点的数量相关，如当前图像Img1中所有像素点的数量为1万，则纵坐标最大值可为1万，也可小于1万的数值。
在一个例子中，如图5所示，通过初始直方图可以看出：在当前图像Img1中，在灰度级别0的像素点包括900个，在灰度级别1的像素点包括300个，在灰度级别2的像素点包括100个，在灰度级别3的像素点包括500个……在灰度级别255的像素点包括800个。具体的初始直方图每个灰度级别(组数)对应的像素点的数量(即纵坐标)与当前图像Img1中的亮度通道信息和色度通道信息相关。
请一并参阅图6及图7，步骤013中，在获取得到当前图像Img1的初始直方图后，对初始直方图进行修正处理以获取修正直方图。通过修正初始直方图的方式对当前图像Img1中的亮度进行重新调整，以使当前图像Img1中的显著区域的亮度相较于非显著区域的亮度更亮，突出当前图像Img1中的显著区域。具体地，修正直方图的横坐标与初始直方图的横坐标一致，修正直方图的纵坐标则表示为与亮度相关的参数值，以用于调整当前图像Img1中的像素点的亮度。
步骤015中，获取当前图像Img1中每个像素点与当前图像Img1中心的距离，从而获取每个像素点的位置信息。其中，在一个例子中，步骤011和步骤015可以同时进行，即，在获取当前图像Img1的亮度通道信息和色度通道信息进行统计时，也可获取当前图像Img1中每个像素点的位置信息。在另一个例子中，步骤011和步骤015也可以分时进行，例如，先执行步骤011，再执行步骤015；或者，先执行步骤015，再执行步骤011。
具体地，在某些实施方式中，获取当前图像Img1中每个像素点与当前图像Img1中心的距离可以是：直接计算每个当前图像Img1中的每个像素点到当前图像Img1中心点的欧式距离。例如，请参阅图8，假设当前图像Img1的像素阵列为5×5的阵列，当前图像Img1中心的位置为(2，2)，假设每个像素点为1×1的尺寸，若以每个像素点的中心作为基准，则像素点(0，0)距离当前图像Img1中心的距离为即/>像素点(0，2)距离当前图像Img1中心的距离为2。其他像素点依此类推，直至计算完当前图像Img1中所有像素点到当前图像Img1中心的距离。通过上述计算，可以知道当前图像Img1中每个像素点的位置信息，从而可以得知靠近当前图像Img1中心的像素点集合和远离当前图像Img1中心的像素点集合。
步骤017中，根据修正直方图对当前图像Img1中每个对应亮度级别内的像素点的数量进行重映射，从而得到每个亮度级别的亮度调整参数。即，区域检测模块11或一个或多个处理器20利用修正直方图依次对每个亮度级别内的所有像素点的亮度进行重映射，以得到每个亮度级别对应的亮度调整参数。请结合图6及图7，例如，在初始直方图中，亮度级别0(即灰度级别0)对应的像素点包括900个，在进行重映射时，区域检测模块11或一个或多个处理器20在修正直方图中找到亮度级别0，然后获取修正直方图中亮度级别0对应的纵坐标，即，亮度级别0的亮度调整参数，此时，区域检测模块11或一个或多个处理器20可将初始直方图中亮度级别0对应的900个像素点与正直方图中亮度级别0对应的亮度调整参数进行匹配以得到一个映射关系，并将该亮度级别的映射关系保存至存储器30中，在后续对这900个像素点的亮度进行调整时可直接从存储器30中读取某一亮度级别内的所有像素点对应的亮度调整参数。依此类推，直到将初始直方图中所有亮度级别内的像素点都映射到修正直方图中对应亮度级别的亮度调整参数。
步骤019中，在一个实施例中，根据亮度调整参数对当前图像Img1中每个对应亮度级别内的像素点的亮度进行调整时，区域检测模块11或一个或多个处理器20在初始直方图中找到需要调整的亮度级别，然后再从存储器30中读取步骤017中存储的亮度级别的映射关系，可快速得到需要调整的亮度级别对应的亮度调整参数，最后根据该亮度调整参数对需要调整的亮度级别内的像素点的亮度进行调整。直至将所有需要调整的亮度级别内的像素点的亮度调整至对应的亮度调整参数。
在另一个实施例中，当区域检测模块11或一个或多个处理器20没有存储亮度级别与亮度调整参数的映射关系，根据亮度调整参数对当前图像Img1中每个对应亮度级别内的像素点的亮度进行调整时，区域检测模块11或一个或多个处理器20首先找到修正直方图中亮度级别0，然后区域检测模块11或一个或多个处理器20将初始直方图中亮度级别0中的900个像素点的亮度调整为修正直方图中亮度级别0对应的纵坐标的取值(即，修正直方图中亮度级别0对应的亮度调整参数)，如，修正直方图中亮度级别0处对应的亮度调整参数为36，则将初始直方图中亮度级别0中的900个像素点的亮度调整为36；修正直方图中亮度级别2处对应的亮度调整参数为45，则将初始直方图中亮度级别2中的100个像素点的亮度调整为45。依此类推，直至将初始直方图中所有亮度级别内的像素点都调整至修正直方图中对应亮度级别的亮度调整参数。
步骤021中，在步骤019对当前图像Img1中每个亮度级别内的像素点的亮度均调整完成后，区域检测模块11或一个或多个处理器20将步骤015中获取的每个像素点的位置信息融合到调整亮度后的当前图像Img1中，以获取融合有位置信息的显著区域图像Img2。
请参阅图9，在某些实施方式中，初始直方图包括多个级别，每个级别对应一个亮度通道信息和一个色度通道信息，013：对初始直方图执行修正处理以获取修正直方图，可包括：
0131：根据初始直方图中的每个亮度级别和亮度级别对应的频数获取修正直方图。
请结合图3，区域检测模块11还用于执行0131中的方法。即，区域检测模块11还用于根据初始直方图中的每个亮度级别和亮度级别对应的频数获取修正直方图。
请结合图4，一个或多个处理器20还用于执行0131中的方法。即，一个或多个处理器20还用于根据初始直方图中的每个亮度级别和亮度级别对应的频数获取修正直方图。
在一个实施例中，步骤013中对初始直方图执行修正处理可以通过步骤0131中的方法实现。具体地，区域检测模块11或一个或多个处理器20根据初始直方图中的每个亮度级别和该亮度级别对应的频数获取修正直方图。修正直方图中的纵坐标与初始直方图中横坐标的亮度级别、该亮度级别对应的频数(初始直方图的纵坐标)相关。
请参阅图6及图7，在某些实施方式中，初始直方图包括横坐标和纵坐标，横坐标表示亮度级别n，n取值[0，255]，纵坐标表示每个亮度级别具有的像素点数量，请结合图10，0131：根据初始直方图中的每个亮度级别和亮度级别对应的频数获取修正直方图，可包括：
01311：计算亮度级别i与其余所有亮度级别的级别差异值δni-nj，j为其余亮度级别的级别数，i与j均取值[0，255]；
01313：计算亮度级别i的频数Ki与其余所有亮度级别对应的频数Kj的频数差异值δki-kj，级别差异值δni-nj与频数差异值δki-kj对应；
01315：根据级别差异值δni-nj与对应的频数差异值δki-kj计算亮度级别i的中间和值Εi；及
01317：根据亮度级别i的中间和值Εi及所有中间和值的累加值修正初始直方图中亮度级别i的纵坐标，以获取修正直方图。
请结合图3，区域检测模块11还用于执行01311、01313、01315及01317中的方法。即，区域检测模块11还用于：计算亮度级别i与其余所有亮度级别的级别差异值δni-nj，j为其余亮度级别的级别数，i与j均取值[0，255]；计算亮度级别i的频数Ki与其余所有亮度级别对应的频数Kj的频数差异值δki-kj，级别差异值δni-nj与频数差异值δki-kj对应；根据级别差异值δni-nj与对应的频数差异值δki-kj计算亮度级别i的中间和值Εi；及根据亮度级别i的中间和值Εi及所有中间和值的累加值修正初始直方图中亮度级别i的纵坐标，以获取修正直方图。
请结合图4，一个或多个处理器20还用于执行01311、01313、01315及01317中的方法。即，一个或多个处理器20还用于：计算亮度级别i与其余所有亮度级别的级别差异值δni-nj，j为其余亮度级别的级别数，i与j均取值[0，255]；计算亮度级别i的频数Ki与其余所有亮度级别对应的频数Kj的频数差异值δki-kj，级别差异值δni-nj与频数差异值δki-kj对应；根据级别差异值δni-nj与对应的频数差异值δki-kj计算亮度级别i的中间和值Εi；及根据亮度级别i的中间和值Εi及所有中间和值的累加值修正初始直方图中亮度级别i的纵坐标，以获取修正直方图。
具体地，步骤0131中根据初始直方图中的每个亮度级别和亮度级别对应的频数获取修正直方图可通过步骤01311、01313、01315及01317实现。
其中，级别差异值δni-nj为亮度级别i与亮度级别j的绝对值，i，j均取值[0，255]。如，亮度级别0与亮度级别1的级别差异值δn0-n1为|0-1|＝1，亮度级别0与亮度级别3的级别差异值δn0-n3为|0-3|＝3。频数差异值δki-kj为亮度级别i对应的频数Ki与亮度级别j对应的频数Kj的绝对值，i，j均取值[0，255]。如，亮度级别0与亮度级别1的频数差异值δk0-k1为|900-300|＝600，亮度级别0与亮度级别3的频数差异值δk0-k3为|900-500|＝400。
在一个实施例中，修正直方图的横坐标与初始直方图的横坐标一致，均表示亮度级别，修正直方图的纵坐标与初始直方图中的级别差异值δni-nj、频数差异值δki-kj相关。在计算修正直方图亮度级别i对应的纵坐标时，需要初始直方图中亮度级别i与其余255个亮度级别之间的级别差异值δni-nj和频数差异值δki-kj，并将得到的所有级别差异值δni-nj和频数差异值δki-kj相乘并累加得到亮度级别i的中间和值Ei。即，
例如，在计算修正直方图亮度级别0对应的纵坐标时，利用上述公式计算得到E0＝δn0-n1×δk0-k1+δn0-n2×δk0-k2+δn0-n3×δk0-k3+……+δn0-n255×δk0-k255。依此类推，直到计算完所有亮度级别i的中间和值E1、E2、E3、E4、E5、……E255。然后区域检测模块11或一个或多个处理器20对每个亮度级别i的中间和值进行进行归一化处理，以得到修正直方图像对应亮度级别的纵坐标。
具体地，对亮度级别i的中间和值Ei进行归一化处理，可以是将每个亮度级别i的中间和值Ei除以所有中间和值的累加值以作为修正直方图像对应亮度级别i的纵坐标。如，修正直方图像亮度级别0的纵坐标为：修正直方图像亮度级别1的纵坐标为：/>或者，将每个亮度级别i的中间和值Ei除以最大中间和值Emax和最小中间和值Emin的差值，即作为修正直方图像对应亮度级别i的纵坐标。
请一并参阅图2、图11及图13，在某些实施方式中，03：对当前图像Img1进行边缘检测以获取边缘特征图像Img3，可包括：
031：利用边缘算子对当前图像Img1进行滤波处理，以获取初始边缘图I0；
033：根据预设的曲线模型，对初始边缘图I0中的所有像素点进行映射，以获取映射边缘图I1，曲线模型包括预设的多个输入转折点的像素值P入和预设的多个输出转折点的像素值P出，每个输入转折点的像素值P入对应一个输出转折点的像素值P出；及
035：对映射边缘图I1执行腐蚀处理和/或平滑处理以获取边缘特征图像Img3。
请结合图3，边缘检测模块13还用于执行031、033及035中的方法。即，边缘检测模块13还用于：利用边缘算子对当前图像Img1进行滤波处理，以获取初始边缘图I0；根据预设的曲线模型，对初始边缘图I0中的所有像素点进行映射，以获取映射边缘图I1，曲线模型包括预设的多个输入转折点的像素值P入和预设的多个输出转折点的像素值P出，每个输入转折点的像素值P入对应一个输出转折点的像素值P出；及对映射边缘图I1执行腐蚀处理和/或平滑处理以获取边缘特征图像Img3。
请结合图4，一个或多个处理器20还用于执行031、033及035中的方法。即，一个或多个处理器20还用于：利用边缘算子对当前图像Img1进行滤波处理，以获取初始边缘图I0；根据预设的曲线模型，对初始边缘图I0中的所有像素点进行映射，以获取映射边缘图I1，曲线模型包括预设的多个输入转折点的像素值P入和预设的多个输出转折点的像素值P出，每个输入转折点的像素值P入对应一个输出转折点的像素值P出；及对映射边缘图I1执行腐蚀处理和/或平滑处理以获取边缘特征图像Img3。
步骤031中，边缘检测模块13或一个或多个处理器20通过边缘算子对当前图像Img1进行滤波处理，以得到当前图像Img1的初始边缘图I0。具体地，边缘算子可包括sobel算子、roberts算子、prewitt算子、canny算子、laplacian算子等常见的边缘算子对当前图像Img1进行边缘检测。例如，采用sobel算子对当前图像Img1进行边缘检测是主要是通过局部差分计算检测边缘线条，由此获取初始边缘图I0。
步骤033中的预设的曲线模型可以是根据当前图像Img1的图像信息设计得到的Curve曲线形态，在本申请的实施例中，曲线模型包括五个输入转折点和五个输出转折点。边缘检测模块13或一个或多个处理器20利用预设的曲线模型对初始边缘图I0中的所有像素点进行映射，以得到映射边缘图I1。具体地，边缘检测模块13或一个或多个处理器20遍历初始边缘图I0中的像素点，根据曲线模型的输入转折点的像素值P入映射到与输入转折点的像素值P入对应的输出转折点的像素值P出。
步骤035中，边缘检测模块13或一个或多个处理器20得到映射边缘图I1后，对映射边缘图I1进行腐蚀处理和/或平滑处理，以获取边缘特征图像Img3。其中，边缘检测模块13或一个或多个处理器20可以对映射边缘图I1进行腐蚀处理，以减小映射边缘图I1中的细小点状噪声被检测为细节的可能，以准确区分映射边缘图I1中的噪声与细节；或者，边缘检测模块13或一个或多个处理器20可通过一个低通滤波器对映射边缘图I1进行平滑处理，以使得边缘特征图像Img3中的边缘特征信息更加平滑；或者，边缘检测模块13或一个或多个处理器20可以对映射边缘图I1进行腐蚀处理和平滑处理，腐蚀处理能够减小映射边缘图I1中的细小点状噪声被检测为细节的可能，平滑处理能够使腐蚀处理后的映射边缘图I1的边缘特征更加平滑，由此，保证边缘特征图像Img3中的边缘特征信息更加平滑。
请参阅图12及图13，在某些实施方式中，033：根据预设的曲线模型，对初始边缘图中的所有像素点进行映射，以获取映射边缘图I1，可包括：
0331：获取初始边缘图I0中的每个像素点的原始像素值P原；
0333：确定原始像素值P原在多个输入转折点的像素值P入中的取值区间；及
0335：根据与取值区间对应的输入转折点的像素值P入和与取值区间对应的输出转折点的像素值P出获取与每个像素点的映射像素值P映，以形成映射边缘图I1。
请结合图3，边缘检测模块13还用于执行0331、0333及0335中的方法。即，边缘检测模块13还用于：获取初始边缘图I0中的每个像素点的原始像素值P原；确定原始像素值P原在多个输入转折点的像素值P入中的取值区间；及根据与取值区间对应的输入转折点的像素值P入和与取值区间对应的输出转折点的像素值P出获取与每个像素点的映射像素值P映，以形成映射边缘图I1。
请结合图4，一个或多个处理器20还用于执行0331、0333及0335中的方法。即，一个或多个处理器20还用于：获取初始边缘图I0中的每个像素点的原始像素值P原；确定原始像素值P原在多个输入转折点的像素值P入中的取值区间；及根据与取值区间对应的输入转折点的像素值P入和与取值区间对应的输出转折点的像素值P出获取与每个像素点的映射像素值P映，以形成映射边缘图I1。
步骤033中获取映射边缘图可通过步骤0331、0333及0335中的方法实现。
具体地，边缘检测模块13或一个或多个处理器20获取初始边缘图I0中每个像素点的原始像素值P原，并将曲线模型的多个输入转折点的像素值P入划分为多个取值区间，最后根据与该取值区间对应中输入转折点的像素值P入和与取值区间对应的输出转折点的像素值P出获取与每个像素点的映射像素值P映，以形成映射边缘图I1。
例如，请结合图13，曲线模型的五个输入转折点的像素值P入为(thd0，thd1，thd2，thd3，thd4)，对应的五个输出转折点的像素值P出为(wgt0，wgt1，wgt2，wgt3，wgt4)，thd0对应wgt0、thd1对应wgt1、thd2对应wgt2、thd3对应wgt3、thd4对应wgt4。具体的映射过程为：
若P原<thd0，P映＝wgt0；
若P原>thd0且P原<＝thd1，P映＝wgt0+(P原-thd0)*(wgt1-wgt0)/(thd1-thd0)；
若P原>thd1且P原<＝thd2，P映＝wgt1+(P原-thd1)*(wgt2-wgt1)/(thd2-thd1)；
若P原>thd2且P原<＝thd3，P映＝wgt2+(P原-thd2)*(wgt3-wgt2)/(thd3-thd2)；
若P原>thd3且P原<＝thd4，P映＝wgt3+(P原-thd3)*(wgt4-wgt3)/(thd4-thd3)；
若P原>thd4，P映＝wgt4。
利用上述的映射过程遍历初始边缘图I0中的每个像素点的原始像素值P原以得到每个像素点的映射像素值P映，最终形成映射边缘图I1。
请参阅图2及图14，在某些实施方式中，07：根据显著特征信息及边缘特征信息对融合图像Img4执行去噪处理以获取目标图像Img5，可包括：
071：根据显著特征信息及边缘特征信息确定去噪强度；及
073：根据去噪强度对融合图像Img4执行去噪处理以获取目标图像Img5。
请结合图3，去噪模块17还用于执行071及073中的方法。即，边缘检测模块13还用于：根据显著特征信息及边缘特征信息确定去噪强度；及根据去噪强度对融合图像Img4执行去噪处理以获取目标图像Img5。
请结合图4，一个或多个处理器20还用于执行071及073中的方法。即，一个或多个处理器20还用于：根据显著特征信息及边缘特征信息确定去噪强度；及根据去噪强度对融合图像Img4执行去噪处理以获取目标图像Img5。
具体地，去噪模块17或一个或多个处理器20根据融合图像Img4中的显著特征信息及边缘特征信息确定去噪强度，其中，显著特征信息及边缘特征信息中均包括亮度，去噪强度与显著特征信息的亮度值呈负相关，最后根据去噪强度对融合图像Img4执行去噪处理，以获取去除噪声并保留细节信息的目标图像Img5。例如，显著特征信息的亮度越强，得到的去噪强度越弱，从而使得显著区域内去除噪声的同时，对该区域进行较强细节保护，避免在去噪强度较强时产生明显的涂抹感。另外，对于非显著区域中的像素点，这些像素点的显著特征信息较弱或者没有，认为这些像素点的显著特征信息的亮度值较弱，因此，去噪模块17或一个或多个处理器20对非显著区域采用较强的去噪强度进行去噪处理，使得目标图像Img5中的噪声均能够去除，并保护显著区域中的细节信息。
请参阅图2及图15，在某些实施方式中，07：根据显著特征信息及边缘特征信息对融合图像Img4执行去噪处理以获取目标图像Img5，还可包括：
075：根据每个像素点的显著特征信息和/或边缘特征信息对预设的去噪强度进行调整以获取每个像素点的实际去噪强度；及
076：根据实际去噪强度对融合图像Img4中每个像素点执行去噪处理以获取目标图像Img5。
请结合图3，去噪模块17还用于执行075及076中的方法。即，边缘检测模块13还用于：根据每个像素点的显著特征信息和/或边缘特征信息对预设的去噪强度进行调整以获取每个像素点的实际去噪强度；及根据实际去噪强度对融合图像Img4中每个像素点执行去噪处理以获取目标图像Img5。
请结合图4，一个或多个处理器20还用于执行075及076中的方法。即，一个或多个处理器20还用于：根据每个像素点的显著特征信息和/或边缘特征信息对预设的去噪强度进行调整以获取每个像素点的实际去噪强度；及根据实际去噪强度对融合图像Img4中每个像素点执行去噪处理以获取目标图像Img5。
具体地，去噪模块17或一个或多个处理器20中根据当前图像Img1设置一个预设的去噪强度，在获取得到融合图像Img4后，根据融合图像Img4中每个像素点的显著特征信息中的亮度值和/或边缘特征信息的亮度值对预设的去噪强度进行调整以获取每个像素点的实际去噪强度。当对显著区域进行去噪处理时，对显著区域中的每个像素点采用对应像素点的实际去噪强度进行去噪处理，保证显著区域中的噪声最大程度去除，并保护显著区域中的细节信息，防止显著区域存在涂抹感。当对非显著区域进行去噪处理时，由于非显著区域中的显著特征信息的亮度值和/或边缘特征信息的亮度值较弱，非显著区域中的像素点对应的实际去噪强度较强，由此，保证非显著区域中的噪声最大程度去除，并保护非显著区域中的细节信息，防止非显著区域存在涂抹感。最后得到的目标图像Img5中既去除了噪声，也保护了当前图像Img1中的细节信息。
请参阅图2及图16，在某些实施方式中，07：根据显著特征信息及边缘特征信息对融合图像Img4执行去噪处理以获取目标图像Img5，还可包括：
078：根据显著特征信息、与显著特征信息相关的预设的第一权重、边缘特征信息、及与边缘特征信息相关的预设的第二权重确定去噪强度；及
079：根据去噪强度对融合图像Img4执行去噪处理以获取目标图像Img5。
请结合图3，去噪模块17还用于执行078及079中的方法。即，边缘检测模块13还用于：根据显著特征信息、与显著特征信息相关的预设的第一权重、边缘特征信息、及与边缘特征信息相关的预设的第二权重确定去噪强度；及根据去噪强度对融合图像Img4执行去噪处理以获取目标图像Img5。
请结合图4，一个或多个处理器20还用于执行078及079中的方法。即，一个或多个处理器20还用于：根据显著特征信息、与显著特征信息相关的预设的第一权重、边缘特征信息、及与边缘特征信息相关的预设的第二权重确定去噪强度；及根据去噪强度对融合图像Img4执行去噪处理以获取目标图像Img5。
具体地，去噪模块17或一个或多个处理器20根据融合图像Img4中的显著特征信息预设一个第一权重，根据融合图像Img4中的边缘特征信息预设一个第二权重，其中，第一权重与显著特征信息中像素点的亮度值相关，第二权重与边缘特征信息中像素点的亮度值相关。例如，由于显著特征信息的亮度值和边缘特征信息的亮度值可能不一致，通过第一权重和第二权重使得显著特征信息的亮度值和边缘特征信息的亮度值确定一个相较平衡的去噪强度，使得显著区域中的噪声能够最大程度地去除，并保留显著区域中的细节信息。非显著区域的去噪强度确定与071、073，075、076的去定方式一致，在此不再赘述。
本申请实施方式还提供一种包含计算机程序201的非易失性计算机可读存储介质200。当计算机程序201被一个或多个处理器20执行时，使得处理器20执行01、03、05、07、011、013、015、017、019、021、0131、01311、01313、01315、01317、031、033、035、0331、0333、0335、071、073、075、076、078及079中的图像处理方法。
例如，当计算机程序201被一个或多个处理器20执行时，使得处理器20执行以下方法：
01：对当前图像Img1进行显著区域检测以获取显著区域图像Img2，显著区域图像Img2中包含当前图像Img1的显著区域中的显著特征信息；
03：对当前图像Img1进行边缘检测以获取边缘特征图像Img3，边缘特征图像Img3中包含当前图像Img1的边缘特征信息；
05：融合显著区域图像Img2与边缘特征图像Img3以获取融合图像Img4，融合图像Img4包括当前图像Img1的显著区域中的显著特征信息及边缘特征信息；及
07：根据显著特征信息及边缘特征信息对融合图像Img4执行去噪处理以获取目标图像Img5。
又例如，当计算机程序201被一个或多个处理器20执行时，使得处理器20执行以下方法：
011：统计当前图像Img1的初始直方图，初始直方图用于统计当前图像Img1的亮度通道信息和色度通道信息；
013：对初始直方图执行修正处理以获取修正直方图；
015：获取当前图像Img1中每个像素点与当前图像中心的距离，以获取每个像素点的位置信息；
017：根据修正直方图对当前图像的每个亮度级别的像素点的原始数量进行重映射，以获取每个亮度级别的亮度调整参数；
019：根据亮度调整参数对当前图像中每个对应的亮度级别内的像素点的亮度进行调整；
021：融合位置信息与调整后的当前图像Img1，以获取显著区域图像Img2；
在本说明书的描述中，参考术语“某些实施方式”、“一个例子中”、“示例地”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。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方式或示例。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方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他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，并且本申请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，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。

Claims (9)

1.一种图像处理方法，其特征在于，包括：
对当前图像进行显著区域检测以获取显著区域图像，所述显著区域图像中包含所述当前图像的显著区域中的显著特征信息；
对所述当前图像进行边缘检测以获取边缘特征图像，所述边缘特征图像中包含所述当前图像的边缘特征信息；
融合所述显著区域图像与所述边缘特征图像以获取融合图像，所述融合图像包括所述当前图像的显著区域中的显著特征信息及边缘特征信息；及
根据所述显著特征信息及所述边缘特征信息对所述融合图像执行去噪处理以获取目标图像，
所述根据所述显著特征信息及所述边缘特征信息对所述融合图像执行去噪处理以获取目标图像，包括：
根据所述显著特征信息及所述边缘特征信息确定去噪强度；及
根据所述去噪强度对所述融合图像执行去噪处理以获取所述目标图像；
或，
所述根据所述显著特征信息及所述边缘特征信息对所述融合图像执行去噪处理以获取目标图像，包括：
根据所述融合图像中每个像素点的显著特征信息和/或边缘特征信息对预设的去噪强度进行调整以获取所述融合图像中每个像素点的实际去噪强度；及
根据所述实际去噪强度对所述融合图像中每个像素点执行去噪处理以获取目标图像；
或，
所述根据所述显著特征信息及所述边缘特征信息对所述融合图像执行去噪处理以获取目标图像，包括：
根据所述显著特征信息、与所述显著特征信息相关的预设的第一权重、所述边缘特征信息、及与所述边缘特征信息相关的预设的第二权重确定去噪强度；及
根据所述去噪强度对所述融合图像执行去噪处理以获取目标图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述对当前图像进行显著区域检测以获取显著区域图像，包括：
统计所述当前图像的初始直方图，所述初始直方图用于统计所述当前图像的亮度通道信息和色度通道信息；
对所述初始直方图执行修正处理以获取修正直方图；
获取所述当前图像中每个像素点与所述当前图像中心的距离，以获取每个所述像素点的位置信息；
根据所述修正直方图对所述当前图像的每个亮度级别的像素点的原始数量进行重映射，以获取每个亮度级别的亮度调整参数；
根据所述亮度调整参数对所述当前图像中每个对应的所述亮度级别内的像素点的亮度进行调整；及
融合所述位置信息与调整后的所述当前图像，以获取显著区域图像。
3.根据权利要求2所述的图像处理方法，其特征在于，所述初始直方图包括多个亮度级别，每个所述亮度级别对应一个亮度通道信息和一个色度通道信息，所述对所述初始直方图执行修正处理以获取修正直方图，包括：
根据所述初始直方图中的每个所述亮度级别和所述亮度级别对应的频数获取修正直方图。
4.根据权利要求3所述的图像处理方法，其特征在于，所述初始直方图包括横坐标和纵坐标，所述横坐标表示亮度级别n，n取值[0，255]，所述纵坐标表示每个所述亮度级别具有的像素点数量，所述根据所述初始直方图中的每个所述亮度级别和所述亮度级别对应的频数获取修正直方图，包括：
计算亮度级别i与其余所有亮度级别的级别差异值δni-nj，j为其余亮度级别的级别数，i与j均取值[0，255]；
计算亮度级别i的频数Ki与其余所有亮度级别对应的频数Kj的频数差异值δki-kj，所述级别差异值δni-nj与所述频数差异值δki-kj对应；
根据所述亮度级别差异值δni-nj与对应的所述频数差异值δki-kj计算亮度级别i的中间和值Εi；及
根据亮度级别i的中间和值Εi及所有中间和值的累加值修正所述初始直方图中亮度级别i的纵坐标，以获取所述修正直方图。
5.根据权利要求1所述的图像处理方法，其特征在于，所述对当前图像进行边缘检测以获取边缘特征图像，包括：
利用边缘算子对所述当前图像进行滤波处理，以获取初始边缘图；
根据预设的曲线模型，对所述初始边缘图中的所有像素点进行映射，以获取映射边缘图，所述曲线模型包括预设的多个输入转折点的像素值P入和预设的多个输出转折点的像素值P出，每个所述输入转折点的像素值P入对应一个所述输出转折点的像素值P出；及
对所述映射边缘图执行腐蚀处理和/或平滑处理以获取所述边缘特征图像。
6.根据权利要求5所述的图像处理方法，其特征在于，所述根据预设的曲线模型，对所述初始边缘图中的所有像素点进行映射，以获取映射边缘图，包括：
获取所述初始边缘图中的每个像素点的原始像素值P原；
确定所述原始像素值P原在多个所述输入转折点的像素值P入中的取值区间；及
根据与所述取值区间对应的所述输入转折点的像素值P入和与所述取值区间对应的所述输出转折点的像素值P出获取与每个像素点的映射像素值P映，以形成所述映射边缘图。
7.一种图像处理装置，其特征在于，包括：
区域检测模块，用于对当前图像进行显著区域检测以获取显著区域图像，所述显著区域图像中包含所述当前图像的显著区域中的显著特征信息；
边缘检测模块，用于对当前图像进行边缘检测以获取边缘特征图像，所述边缘特征图像中包含所述当前图像的边缘特征信息；
融合模块，用于融合所述显著区域图像与所述边缘特征图像以获取融合图像，所述融合图像包括所述当前图像的显著区域中的显著特征信息及边缘特征信息；及
去噪模块，用于根据所述显著特征信息及所述边缘特征信息对所述融合图像执行去噪处理以获取目标图像，
所述去噪模块还用于：根据所述显著特征信息及所述边缘特征信息确定去噪强度；及根据所述去噪强度对所述融合图像执行去噪处理以获取所述目标图像；或
所述去噪模块还用于：根据所述融合图像中每个像素点的显著特征信息和/或边缘特征信息对预设的去噪强度进行调整以获取所述融合图像中每个像素点的实际去噪强度；及根据所述实际去噪强度对所述融合图像中每个像素点执行去噪处理以获取目标图像；或
所述去噪模块还用于：根据所述显著特征信息、与所述显著特征信息相关的预设的第一权重、所述边缘特征信息、及与所述边缘特征信息相关的预设的第二权重确定去噪强度；及根据所述去噪强度对所述融合图像执行去噪处理以获取目标图像。
8.一种终端，其特征在于，包括：
一个或多个处理器、存储器；和
一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被一个或多个所述处理器执行，所述程序包括用于执行权利要求1至6任意一项所述的图像处理方法的指令。
9.一种存储有计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，实现权利要求1至6任意一项所述的图像处理方法。
CN202110580564.7A 2021-05-26 2021-05-26 图像处理方法、图像处理装置、终端及可读存储介质 Active CN113313645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110580564.7A CN113313645B (zh) 2021-05-26 2021-05-26 图像处理方法、图像处理装置、终端及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110580564.7A CN113313645B (zh) 2021-05-26 2021-05-26 图像处理方法、图像处理装置、终端及可读存储介质

Publications (2)

Publication Number Publication Date
CN113313645A CN113313645A (zh) 2021-08-27
CN113313645B true CN113313645B (zh) 2024-05-03

Family

ID=77375235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110580564.7A Active CN113313645B (zh) 2021-05-26 2021-05-26 图像处理方法、图像处理装置、终端及可读存储介质

Country Status (1)

Country Link
CN (1) CN113313645B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113674303A (zh) * 2021-08-31 2021-11-19 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质
CN114187213A (zh) * 2021-12-14 2022-03-15 成都微光集电科技有限公司 图像融合方法及其装置、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622587A (zh) * 2012-03-08 2012-08-01 哈尔滨工程大学 基于多尺度二阶微分结构模型及改进分水岭算法的手背静脉识别方法
CN108230260A (zh) * 2017-12-06 2018-06-29 天津津航计算技术研究所 一种新型红外图像与微光图像的融合方法
CN109816617A (zh) * 2018-12-06 2019-05-28 重庆邮电大学 基于导向滤波和图论显著性的多模态医学图像融合方法
CN110766639A (zh) * 2019-10-30 2020-02-07 北京迈格威科技有限公司 图像增强方法、装置、移动设备及计算机可读存储介质
CN111311528A (zh) * 2020-01-22 2020-06-19 广州虎牙科技有限公司 图像融合优化方法、装置、设备和介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622587A (zh) * 2012-03-08 2012-08-01 哈尔滨工程大学 基于多尺度二阶微分结构模型及改进分水岭算法的手背静脉识别方法
CN108230260A (zh) * 2017-12-06 2018-06-29 天津津航计算技术研究所 一种新型红外图像与微光图像的融合方法
CN109816617A (zh) * 2018-12-06 2019-05-28 重庆邮电大学 基于导向滤波和图论显著性的多模态医学图像融合方法
CN110766639A (zh) * 2019-10-30 2020-02-07 北京迈格威科技有限公司 图像增强方法、装置、移动设备及计算机可读存储介质
CN111311528A (zh) * 2020-01-22 2020-06-19 广州虎牙科技有限公司 图像融合优化方法、装置、设备和介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SAR图像NSCT域显著图去噪变化检测;慕彩红 等;《西安电子科技大学学报》;19-25 *

Also Published As

Publication number Publication date
CN113313645A (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
CN111402135B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN107977940B (zh) 背景虚化处理方法、装置及设备
Galdran et al. Automatic red-channel underwater image restoration
CN109712102B (zh) 一种图像融合方法、装置及图像采集设备
CN109191395B (zh) 图像对比度增强方法、装置、设备及存储介质
JP6159298B2 (ja) 複数スケールの規格化された相互相関を用いた、ｈｄｒ画像処理におけるゴーストアーティファクトの検出および除去方法
KR101340518B1 (ko) 영상의 색수차 보정 방법 및 장치
CN113313645B (zh) 图像处理方法、图像处理装置、终端及可读存储介质
CN110796600B (zh) 一种图像超分重建方法、图像超分重建装置及电子设备
CN109903294B (zh) 图像处理方法、装置、电子设备及可读存储介质
EP3798975A1 (en) Method and apparatus for detecting subject, electronic device, and computer readable storage medium
CN109190617B (zh) 一种图像的矩形检测方法、装置及存储介质
CN109214996B (zh) 一种图像处理方法及装置
CN110428389B (zh) 基于msr理论和曝光融合的微光图像增强方法
CN110855876B (zh) 一种图像处理方法、终端及计算机存储介质
Peng et al. Single image restoration using scene ambient light differential
CN113658197B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN109492587B (zh) 图像处理方法及装置
US9466007B2 (en) Method and device for image processing
CN114445314A (zh) 一种图像融合方法、装置、电子设备及存储介质
CN113793257A (zh) 图像处理方法及装置、电子设备、计算机可读存储介质
CN113674303A (zh) 图像处理方法、装置、电子设备及存储介质
CN110493579B (zh) 一种彩色透雾方法、装置、摄像机及图像处理系统
CN113298829B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN112634298B (zh) 图像处理方法及装置、存储介质、终端

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