CN113744294A - 图像处理方法及相关装置 - Google Patents
图像处理方法及相关装置 Download PDFInfo
- Publication number
- CN113744294A CN113744294A CN202110916296.1A CN202110916296A CN113744294A CN 113744294 A CN113744294 A CN 113744294A CN 202110916296 A CN202110916296 A CN 202110916296A CN 113744294 A CN113744294 A CN 113744294A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- edge
- enhanced
- pixel point
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000005070 sampling Methods 0.000 claims abstract description 30
- 238000003708 edge detection Methods 0.000 claims abstract description 27
- 230000002708 enhancing effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000009466 transformation Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 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
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- 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
- 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
- G06T2207/20172—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
本申请提供一种图像处理方法及相关装置，方法包括：获取待处理图像；对所述待处理图像进行边缘检测处理，得到所述待处理图像的图像边缘；根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像；对所述增强图像进行降采样，得到所述待处理图像的目标图像。本申请实施例通过边缘检测和边缘增强处理以提高图像降采样处理后的图像质量。
Description
技术领域
本申请属于图像处理技术领域，具体涉及一种图像处理方法及相关装置。
背景技术
目前，图像的降采样过程会对图像中特定频段的信息有较大的衰减，例如YUV444->420格式的转换中U/V数据采样点数变为了原来的1/4等。这会导致人眼感官上的不舒适。
发明内容
本申请提出一种图像处理方法及相关装置，以期通过边缘检测和边缘增强处理以提高图像降采样处理后的图像质量。
第一方面，本申请提供一种图像处理方法，包括：
获取待处理图像；
对所述待处理图像进行边缘检测处理，得到所述待处理图像的图像边缘；
根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像；
对所述增强图像进行降采样，得到所述待处理图像的目标图像。
可以看出，本申请实施例中，图像处理芯片首先获取待处理图像；其次，对待处理图像进行边缘检测处理，得到待处理图像的图像边缘；再次，根据图像边缘对待处理图像进行边缘增强处理，得到待处理图像的增强图像；最后，对增强图像进行降采样，得到待处理图像的目标图像。可见，由于待处理图像通过边缘检测和边缘增强后，图像的边缘频谱信息得以增强，如此一定程度上可以补偿降降采样过程中的信息衰减，提高图像降采样处理后的图像质量。
第二方面，本申请提供一种图像处理装置，包括：
获取单元，用于获取待处理图像；
边缘检测单元，用于对所述待处理图像进行边缘检测处理，得到所述待处理图像的图像边缘；
边缘增强单元，用于根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像；
降采样单元，用于对所述增强图像进行降采样，得到所述待处理图像的目标图像。
第三方面，本申请实施例提供一种图像处理芯片，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如第一方面任一项所述的方法中的步骤的指令。
第四方面，本申请实施例提供一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如第一方面任一项所述的方法。
第五方面，本申请提供一种计算机程序，其中，所述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序可以为一个软件安装包。
附图说明
图1是本申请实施例提供的一种的组成示例图；
图2a是本申请实施例提供的一种图像处理方法的流程示意图；
图2b是本申请实施例提供的一种YUV444->420降采样示意图；
图2c是本申请实施例提供的一种支持本申请图像处理方法的功能模块示例框图；
图3是本申请实施例提供的一种图像处理装置的功能单元组成框图；
图4是本申请实施例提供的一种图像处理装置的功能模块组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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作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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请中的“至少一个”指的是一个或多个，多个指的是两个或两个以上。本申请中和/或，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A、B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一(项)个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a、b或c中的至少一项(个)，可以表示：a，b，c，a和b，a和c，b和c，或a、b和c，其中a、b、c中的每一个本身可以是元素，也可以是包含一个或多个元素的集合。
需要指出的是，本申请实施例中涉及的等于可以与大于连用，适用于大于时所采用的技术方案，也可以与小于连用，适用于与小于时所采用的技术方案，需要说明的是，当等于与大于连用时，不与小于连用；当等于与小于连用时，不与大于连用。本申请实施例中“的(of)”，“相应的(corresponding，relevant)”和“对应的(corresponding)”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。
首先，对本申请实施例中涉及的部分名词进行解释，以便于本领域技术人员理解。
1、图像边缘。本申请实施例所描述的图像边缘是图像最基本的特征，边缘在图像分析中起着重要的用。所谓边缘是指图像局部特征的不连续性。灰度或结构信息的突变称为边缘，例如：灰度级的突变、颜色的突变、纹理结的突变。边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。不同图像灰度不同，边界处一般会有明显的边缘，利用此特征可以分割图像。边缘和物体间的边界并不等同，边缘指的是图像中像素的值有突变的地方，而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界，也有可能边界的地方并无边缘，因为现实世界中的物体是三维的，而图像只具有二维信息，从三维到二维的投影成像不可避免的会丢失一部分信息。
2、边缘检测。本申请实施例所描述的边缘检测又称为图像边缘检测和分析，可定义为应用一系列方法获取、校正、增强、变换、检测或压缩可视图像的技术。其目的是提高信息的相对质量，以便提取有用信息。图像边缘检测中的变换属于图像输入-图像输出模式，图像边缘检测是一种超越具体应用的过程，任何为解决某一特殊问题而开发的图像边缘检测新技术或新方法，几乎肯定都能找到其他完全不同的应用领域。图像边缘检测的主要研究内容包括：(1)图像获得和抽样(2)图像分割(3)边界查索(4)图像增强和复原(5)图像分类(识别)(6)图像变换。
3、图像增强。本申请实施例所描述的图像增强用于改进图像的质量。不同的增强技术可以用于不同的目的，这取决于应用的类型。如果打算直接观察图像，可以增强对比度。如果是为了进一步对图像作数字处理，可以选择分割(一种突出各图像成分之间的边界和线状结构的运算)。该技术可以是整体的或局部的，也可以在某个频域或者空间域中进行。图像增强的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。
4、边缘增强。本申请实施例所描述的边缘增强是指补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，分为空域处理和频域处理两类。图像锐化是为了突出图像上地物的边缘、轮廓，或某些线性目标要素的特征。这种滤波方法提高了地物边缘与周围像元之间的反差，因此也被称为图像锐化(image sharpening)。
5、图像平滑。本申请实施例所描述的图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法，目的是使图像亮度平缓渐变，减小突变梯度，改善图像质量。图像平滑的方法包括：插值方法，线性平滑方法，卷积法等等。这样的处理方法根据图像噪声的不同进行平滑。
本申请提出一种图像处理方法及相关装置，下面进行详细说明。
请参阅图1，图1是本申请实施例提供的一种图像处理芯片100的示意图。所述图像处理芯片100包括应用处理器120、存储器130、通信模块140、以及一个或多个程序131，所述应用处理器120通过内部通信总线与所述存储器130、所述通信模块140均通信连接。
具体实现中，所述一个或多个程序131被存储在上述存储器130中，且被配置由上述应用处理器120执行，所述一个或多个程序131包括用于执行本申请实施例中电子设备所执行的部分或全部步骤的指令。
其中，所述通信模块140包括移动产业处理器接口(Mobile Industry ProcessorInterface，MIPI)等。
其中，应用处理器120例如可以是图像信号处理器ISP(Image SignalProcessor)，中央处理器(Central Processing Unit，CPU)，通用处理器，数字信号处理器(Digital Signal Processor，DSP)，专用集成电路(Application-Specific IntegratedCircuit，ASIC)，现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，单元和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。
所述存储器130可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random access memory，RAM)可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double datarate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。
需要注意的是，上述图像处理芯片100的结构示意图仅为示例，具体包含的器件可以更多或更少，此处不做唯一限定。
此外，上述图像处理芯片100可以应用于移动终端(如智能手机)、物联网IoT设备、车载终端设备等各类电子设备中。
请参阅图2a，图2a是本申请实施例提供的一种图像处理方法的流程示意图，应用于图像处理芯片100或者设置有该图像处理芯片100任意电子设备，如图所示，本图像处理方法包括以下步骤。
步骤201，获取待处理图像。
其中，所述待处理图像可以是电子设备采集的本地图像，也可以是其他设备如服务器发送的图像等，此处不做唯一限定。
步骤202，对所述待处理图像进行边缘检测处理，得到所述待处理图像的图像边缘。
可以理解的是，边缘检测处理的算法可以是多种多样的，此处不做唯一限定。
举例来说，电子设备对所述待处理图像进行边缘检测处理，得到所述待处理图像的图像边缘，包括：计算待处理图像的梯度值；根据梯度值预设梯度值判断每个像素点是否属于边缘，得到待处理图像的图像边缘。采用的算法公式例如可以是：
其中，Et为提取的图像边缘，Xt为原始的帧图像，H×W为图像大小，n为卷积时滑动窗口的大小，一般取n＝3，Gx和Gy分别代表用于在水平方向和垂直方向上检测梯度的滤波器，TS为设定的阈值，一般取TS＝100。
步骤203，根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像。
可以理解的是，边缘增强处理的实现方式可以是多种多样的，此处不做唯一限定。
具体实现中，设备可以直接对RGB数据直接降采样，也可以是在YUV空间上进行例如YUV444->YUV420格式的降采样等，此处不做唯一限定。
在一些实施例中，所述根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像，包括：将所述待处理图像由红绿蓝RGB空间转换到明亮度、色彩及饱和度YUV空间，得到所述待处理图像的YUV空间图像；针对所述YUV空间图像中与所述图像边缘对应的像素点进行图像信息增强，得到所述待处理图像的增强图像。
可见，本示例中，针对在YUV空间上进行例如YUV444->YUV420格式的降采样的需求，设备可以在边缘增强过程中提前将待处理图像进行空间变换，提高数据处理一致性。
在一些实施例中，所述针对所述YUV空间图像中与所述图像边缘对应的像素点进行图像信息增强，得到所述待处理图像的增强图像，包括：针对所述YUV空间图像中与所述图像边缘对应的像素点进行颜色信息的增强，得到所述待处理图像的增强图像。
其中，所述颜色信息包括色彩及饱和度即UV空间的像素值。
可见，本示例中，由于降采样过程会将图像的颜色信息过度衰减，为减缓衰减程度，提前对颜色信息进行信息增强，从而衰减后的图像的颜色信息依然可以保持在较高的数值水平，提高图像质量，满足人眼的观看体验。
在一些实施例中，所述针对所述YUV空间图像中与所述图像边缘对应的像素点进行颜色信息的增强，得到所述待处理图像的增强图像，包括：针对所述YUV空间图像中与所述图像边缘对应的每个像素点进行计算，得到所述YUV空间图像的边缘增强系数；分别以所述每个像素点为中心，利用滑动窗口计算相应的低频成分，再分别结合边缘增强系数，得到所述待处理图像的增强图像。
可见，本示例中，设备能够计算YUV空间图像的边缘增强系数，再根据边缘增强系数利用滑动窗口计算每个像素点相应的低频成分，得到待处理图像的增强图像。
在一些实施例中，所述针对所述YUV空间图像中与所述图像边缘对应的每个像素点进行计算，得到所述YUV空间图像的边缘增强系数，包括：
采用如下计算公式计算所述边缘增强系数：
其中，Ent为边缘增强系数，Et为提取的图像边缘，σ为标准差，ε为微小的扰动项，mean(·)表示取平均值，norm(·)表示归一化。
可见，本示例中，通过公式对每个像素点的边缘增强系数进行精准的计算，提高准确度。
在一些实施例中，所述分别以所述每个像素点为中心，利用滑动窗口计算相应的低频成分，再分别结合边缘增强系数，得到所述待处理图像的增强图像，包括：
采用如下计算公式确定所述增强图像：
其中，
代表增强后的图像，Ent为提取的图像边缘像素点的边缘增强系数，Xt代表原始的帧图像，n为滑动窗口大小，一般取n＝3，norm(·)表示归一化。
可见，本示例中，设备能够针对每个像素点计算增强后像素值，提高准确度和全面性。
在一些实施例中，所述针对所述YUV空间图像中与所述图像边缘对应的像素点进行颜色信息的增强，得到所述待处理图像的增强图像，包括：针对所述YUV空间图像中与所述图像边缘对应的每个像素点，结合每个像素点周围的多个相邻像素点，计算UV空间的平均像数值，并根据平均数值对每个像素点的UV空间的像数值进行增强，得到所述待处理图像的增强图像。
可见，本示例中，设备能够综合每个边缘变速点的周围相邻像素点的颜色信息，对每个像素点的颜色信息进行增强，使得边缘像素点的灰度或结构信息的突变更为明显，从而提高信息量以降低因降采样所造成的衰减的影响。
在一些实施例中，所述根据平均像数值对每个像素点的UV空间的像数值进行增强，得到所述待处理图像的增强图像，包括：针对每个像素点执行如下操作：根据所述平均像数值计算当前处理的像素点的周围的多个相邻像素点的UV空间的像素值的均方差；根据所述均方差和所述当前处理的像素点的UV空间的原始像素值确定当前处理的像素点的增强像素值。
其中，所述多个相邻像素点为四个相邻像素点或者八个相邻像素点。
具体实现中，将均方差计算结果加到当前处理的像素点的UV空间的原始像素值上求和作为当前处理的像素点的增强像素值。
可见，本示例中，通过均方差与像素点的UV空间的原始像素值求和，精确计算每个边缘像素点的增强像素值。
步骤204，对所述增强图像进行降采样，得到所述待处理图像的目标图像。
其中，所述降采样的具体实现方式可以是多种多样的，此处不做唯一限定。
例如，如图2b所示首先将图像从RGB空间转换到YUV空间，然后将U/V数据各进行水平和垂直的1/2降采样，即YUV444->420的降采样过程，具体采用线性滤波器进行降采样，得到所述待处理图像的目标图像。
可以看出，本申请实施例中，图像处理芯片首先获取待处理图像；其次，对待处理图像进行边缘检测处理，得到待处理图像的图像边缘；再次，根据图像边缘对待处理图像进行边缘增强处理，得到待处理图像的增强图像；最后，对增强图像进行降采样，得到待处理图像的目标图像。可见，由于待处理图像通过边缘检测和边缘增强后，图像的边缘频谱信息得以增强，如此一定程度上可以补偿降降采样过程中的信息衰减，提高图像降采样处理后的图像质量。
下面结合具体应用示例对本申请的图像处理方法进行说明，如图2c所示，本申请实施例提供的另一种图像处理方法包括如下步骤：
步骤2c01，将待处理图像的数据分别输入边缘检测模块和空间变换模块(图示为RGB->YUV)。
步骤2c02，边缘检测模块对待处理图像处理得到待处理图像的图像边缘，并将图像边缘输入UV边缘增强模块。
步骤2c03，空间变换模块将待处理图像由RGB空间变换到YUV空间，并将YUV空间的图像数据输入UV边缘增强模块。
步骤2c04，UV边缘增强模块根据图像边缘和YUV空间的图像数据对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像，并将增强图像输入降采样模块(图示为YUV444->YUV420)。
步骤2c05，降采样模块执行YUV444->420的降采样过程，输出目标图像。
可见，本示例中，设备通过边缘检测和边缘增强处理，能够提高图像执行YUV444->420降采样处理后的图像质量。
本申请实施例提供一种图像处理装置，该图像处理装置可以为图像处理芯片。具体的，图像处理装置用于执行以上图像处理方法中图像处理芯片所执行的步骤。本申请实施例提供的图像处理装置可以包括相应步骤所对应的模块。
本申请实施例可以根据上述方法示例对图像处理装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下，图3示出上述实施例中所涉及的图像处理装置的一种可能的结构示意图。如图3所示，图像处理装置3应用于图像处理芯片；所述装置包括：
获取单元30，用于待处理图像；
边缘检测单元31，用于对所述待处理图像进行边缘检测处理，得到所述待处理图像的图像边缘；
边缘增强单元32，用于根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像；
降采样单元33，用于对所述增强图像进行降采样，得到所述待处理图像的目标图像。
在一个可能的示例中，在所述根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像方面，所述边缘增强单元32具体用于：将所述待处理图像由红绿蓝RGB空间转换到明亮度、色彩及饱和度YUV空间，得到所述待处理图像的YUV空间图像；以及针对所述YUV空间图像中与所述图像边缘对应的像素点进行图像信息增强，得到所述待处理图像的增强图像。
在一个可能的示例中，在所述针对所述YUV空间图像中与所述图像边缘对应的像素点进行图像信息增强，得到所述待处理图像的增强图像方面，所述边缘增强单元32具体用于：针对所述YUV空间图像中与所述图像边缘对应的像素点进行颜色信息的增强，得到所述待处理图像的增强图像。
在一个可能的示例中，在所述针对所述YUV空间图像中与所述图像边缘对应的像素点进行颜色信息的增强，得到所述待处理图像的增强图像方面，所述边缘增强单元32具体用于：针对所述YUV空间图像中与所述图像边缘对应的每个像素点进行计算，得到所述YUV空间图像的边缘增强系数；以及分别以所述每个像素点为中心，利用滑动窗口计算相应的低频成分，再分别结合边缘增强系数，得到所述待处理图像的增强图像。
在一个可能的示例中，在所述针对所述YUV空间图像中与所述图像边缘对应的每个像素点进行计算，得到所述YUV空间图像的边缘增强系数方面，所述边缘增强单元32具体用于：采用如下计算公式计算所述边缘增强系数：
其中，Ent为边缘增强系数，Et为提取的图像边缘，σ为标准差，ε为微小的扰动项，mean(·)表示取平均值，norm(·)表示归一化。
在一个可能的示例中，在所述分别以所述每个像素点为中心，利用滑动窗口计算相应的低频成分，再分别结合边缘增强系数，得到所述待处理图像的增强图像方面，所述边缘增强单元32具体用于：采用如下计算公式确定所述增强图像：
其中，
代表增强后的图像，Ent为提取的图像边缘，Xt代表原始的帧图像，n为滑动窗口大小，一般取n＝3，norm(·)表示归一化。
在一个可能的示例中，在所述针对所述YUV空间图像中与所述图像边缘对应的像素点进行颜色信息的增强，得到所述待处理图像的增强图像方面，所述边缘增强单元32具体用于：针对所述YUV空间图像中与所述图像边缘对应的每个像素点，结合每个像素点周围的多个相邻像素点，计算UV空间的平均像数值，并根据平均数值对每个像素点的UV空间的像数值进行增强，得到所述待处理图像的增强图像。
在一个可能的示例中，在所述根据平均像数值对每个像素点的UV空间的像数值进行增强，得到所述待处理图像的增强图像方面，所述边缘增强单元32具体用于：针对每个像素点执行如下操作：根据所述平均像数值计算当前处理的像素点的周围的多个相邻像素点的UV空间的像素值的均方差；以及根据所述均方差和所述当前处理的像素点的UV空间的原始像素值确定当前处理的像素点的增强像素值。
在采用集成的单元的情况下，本申请实施例提供的另一种图像处理装置的结构示意图如图4所示。在图4中，图像处理装置4包括：处理模块40和通信模块41。处理模块40用于对设备控制装置的动作进行控制管理，例如，获取单元30、边缘检测单元31、边缘增强单元32、降采样单元33所执行的步骤，和/或用于执行本文所描述的技术的其它过程。通信模块41用于支持设备控制装置与其他设备之间的交互。如图4所示，图像处理装置还可以包括存储模块42，存储模块42用于存储图像处理装置的程序代码和数据。
其中，处理模块40可以是处理器或控制器，例如可以是中央处理器(CentralProcessing Unit，CPU)，通用处理器，数字信号处理器(Digital Signal Processor，DSP)，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。通信模块41可以是收发器、RF电路或通信接口等。存储模块42可以是存储器。
其中，上述方法实施例涉及的各场景的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。上述图像处理装置3和图像处理装置4均可执行上述图2a所示的图像处理方法中图像处理芯片所执行的步骤。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和系统，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的；例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，可轻易想到变化或替换，均可作各种更动与修改，包含上述不同功能、实施步骤的组合，包含软件和硬件的实施方式，均在本发明的保护范围。
Claims (11)
1.一种图像处理方法，其特征在于，包括：
获取待处理图像；
对所述待处理图像进行边缘检测处理，得到所述待处理图像的图像边缘；
根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像；
对所述增强图像进行降采样，得到所述待处理图像的目标图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像，包括：
将所述待处理图像由红绿蓝RGB空间转换到明亮度、色彩及饱和度YUV空间，得到所述待处理图像的YUV空间图像；
针对所述YUV空间图像中与所述图像边缘对应的像素点进行图像信息增强，得到所述待处理图像的增强图像。
3.根据权利要求2所述的方法，其特征在于，所述针对所述YUV空间图像中与所述图像边缘对应的像素点进行图像信息增强，得到所述待处理图像的增强图像，包括：
针对所述YUV空间图像中与所述图像边缘对应的像素点进行颜色信息的增强，得到所述待处理图像的增强图像。
4.根据权利要求3所述的方法，其特征在于，所述针对所述YUV空间图像中与所述图像边缘对应的像素点进行颜色信息的增强，得到所述待处理图像的增强图像，包括：
针对所述YUV空间图像中与所述图像边缘对应的每个像素点进行计算，得到所述YUV空间图像的边缘增强系数；
分别以所述每个像素点为中心，利用滑动窗口计算相应的低频成分，再分别结合边缘增强系数，得到所述待处理图像的增强图像。
5.根据权利要求4所述的方法，其特征在于，所述针对所述YUV空间图像中与所述图像边缘对应的每个像素点进行计算，得到所述YUV空间图像的边缘增强系数，包括：
采用如下计算公式计算所述边缘增强系数：
其中，Ent为边缘增强系数，Et为提取的图像边缘，σ为标准差，ε为微小的扰动项，mean(·)表示取平均值，norm(·)表示归一化。
6.根据权利要求5所述的方法，其特征在于，所述分别以所述每个像素点为中心，利用滑动窗口计算相应的低频成分，再分别结合边缘增强系数，得到所述待处理图像的增强图像，包括：
采用如下计算公式确定所述增强图像：
其中，
代表增强后的图像，Ent为提取的图像边缘，Xt代表原始的帧图像，n为滑动窗口大小，一般取n＝3，norm(·)表示归一化。
7.根据权利要求3所述的方法，其特征在于，所述针对所述YUV空间图像中与所述图像边缘对应的像素点进行颜色信息的增强，得到所述待处理图像的增强图像，包括：
针对所述YUV空间图像中与所述图像边缘对应的每个像素点，结合每个像素点周围的多个相邻像素点，计算UV空间的平均像数值，并根据平均数值对每个像素点的UV空间的像数值进行增强，得到所述待处理图像的增强图像。
8.根据权利要求7所述的方法，其特征在于，所述根据平均像数值对每个像素点的UV空间的像数值进行增强，得到所述待处理图像的增强图像，包括：
针对每个像素点执行如下操作：
根据所述平均像数值计算当前处理的像素点的周围的多个相邻像素点的UV空间的像素值的均方差；
根据所述均方差和所述当前处理的像素点的UV空间的原始像素值确定当前处理的像素点的增强像素值。
9.一种图像处理装置，其特征在于，包括：
获取单元，用于获取待处理图像；
边缘检测单元，用于对所述待处理图像进行边缘检测处理，得到所述待处理图像的图像边缘；
边缘增强单元，用于根据所述图像边缘对所述待处理图像进行边缘增强处理，得到所述待处理图像的增强图像；
降采样单元，用于对所述增强图像进行降采样，得到所述待处理图像的目标图像。
10.一种图像处理芯片，其特征在于，包括处理器、存储器，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-8任一项所述的方法中的步骤的指令。
11.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-8任一项所述的方法中的步骤的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110916296.1A CN113744294B (zh) | 2021-08-09 | 2021-08-09 | 图像处理方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110916296.1A CN113744294B (zh) | 2021-08-09 | 2021-08-09 | 图像处理方法及相关装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113744294A true CN113744294A (zh) | 2021-12-03 |
| CN113744294B CN113744294B (zh) | 2023-12-19 |
Family
ID=78730625
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110916296.1A Active CN113744294B (zh) | 2021-08-09 | 2021-08-09 | 图像处理方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113744294B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116095262A (zh) * | 2023-04-11 | 2023-05-09 | 北京仁光科技有限公司 | 用于处理视频信号源的移动处理设备、处理方法及系统 |
| CN116152123A (zh) * | 2023-04-21 | 2023-05-23 | 荣耀终端有限公司 | 图像处理方法、电子设备及可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101742339A (zh) * | 2010-01-14 | 2010-06-16 | 中山大学 | 一种彩色图像增强的方法 |
| CN106504281A (zh) * | 2016-12-02 | 2017-03-15 | 中国电子科技集团公司第四十四研究所 | 应用于cmos图像传感器的图像画质增强和滤波方法 |
| CN109146814A (zh) * | 2018-08-20 | 2019-01-04 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN111383178A (zh) * | 2018-12-29 | 2020-07-07 | Tcl集团股份有限公司 | 一种图像增强方法、装置及终端设备 |
| CN112419167A (zh) * | 2020-09-28 | 2021-02-26 | 重庆港宇高科技开发有限公司 | 图像增强方法、装置及存储介质 |
| CN112637604A (zh) * | 2020-12-15 | 2021-04-09 | 深圳大学 | 低时延视频压缩方法及装置 |
| CN112634162A (zh) * | 2020-12-28 | 2021-04-09 | 汪桂衡 | 一种基于智慧交通的人工智能图像处理方法及系统 |
-
2021
- 2021-08-09 CN CN202110916296.1A patent/CN113744294B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101742339A (zh) * | 2010-01-14 | 2010-06-16 | 中山大学 | 一种彩色图像增强的方法 |
| CN106504281A (zh) * | 2016-12-02 | 2017-03-15 | 中国电子科技集团公司第四十四研究所 | 应用于cmos图像传感器的图像画质增强和滤波方法 |
| CN109146814A (zh) * | 2018-08-20 | 2019-01-04 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN111383178A (zh) * | 2018-12-29 | 2020-07-07 | Tcl集团股份有限公司 | 一种图像增强方法、装置及终端设备 |
| CN112419167A (zh) * | 2020-09-28 | 2021-02-26 | 重庆港宇高科技开发有限公司 | 图像增强方法、装置及存储介质 |
| CN112637604A (zh) * | 2020-12-15 | 2021-04-09 | 深圳大学 | 低时延视频压缩方法及装置 |
| CN112634162A (zh) * | 2020-12-28 | 2021-04-09 | 汪桂衡 | 一种基于智慧交通的人工智能图像处理方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116095262A (zh) * | 2023-04-11 | 2023-05-09 | 北京仁光科技有限公司 | 用于处理视频信号源的移动处理设备、处理方法及系统 |
| CN116095262B (zh) * | 2023-04-11 | 2023-08-22 | 北京仁光科技有限公司 | 用于处理视频信号源的移动处理设备、处理方法及系统 |
| CN116152123A (zh) * | 2023-04-21 | 2023-05-23 | 荣耀终端有限公司 | 图像处理方法、电子设备及可读存储介质 |
| CN116152123B (zh) * | 2023-04-21 | 2023-09-19 | 荣耀终端有限公司 | 图像处理方法、电子设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113744294B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108694705B (zh) | 一种多帧图像配准与融合去噪的方法 | |
| US20170365046A1 (en) | Algorithm and device for image processing | |
| CN104021532B (zh) | 一种红外图像的图像细节增强方法 | |
| CN109214996B (zh) | 一种图像处理方法及装置 | |
| CN110852997B (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
| CN109064504B (zh) | 图像处理方法、装置和计算机存储介质 | |
| CN110874827B (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
| CN113744294B (zh) | 图像处理方法及相关装置 | |
| CN110717922A (zh) | 一种图像清晰度评价方法及装置 | |
| CN111784603A (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 | |
| WO2017100971A1 (zh) | 一种失焦模糊图像的去模糊方法和装置 | |
| CN109584198B (zh) | 一种人脸图像质量评价方法、装置及计算机可读存储介质 | |
| CN112150371B (zh) | 图像降噪方法、装置、设备及存储介质 | |
| CN111784605A (zh) | 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 | |
| WO2022016326A1 (zh) | 图像处理方法、电子设备和计算机可读介质 | |
| US20150350576A1 (en) | Raw Camera Noise Reduction Using Alignment Mapping | |
| CN111353955A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| CN111383178A (zh) | 一种图像增强方法、装置及终端设备 | |
| CN112508816A (zh) | 一种红外图像锐化方法、锐化处理系统及终端设备 | |
| CN115471413A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
| CN113438386B (zh) | 一种应用于视频处理的动静判定方法及装置 | |
| CN116263942A (zh) | 一种调整图像对比度的方法、存储介质及计算机程序产品 | |
| WO2017128646A1 (zh) | 一种图像处理的方法及装置 | |
| CN116993609A (zh) | 一种图像降噪方法、装置、设备及介质 | |
| CN111986095A (zh) | 基于边缘提取的图像处理方法及图像处理装置 |
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 |