CN113763270A - 蚊式噪声去除方法及电子设备 - Google Patents
蚊式噪声去除方法及电子设备 Download PDFInfo
- Publication number
- CN113763270A CN113763270A CN202111005576.3A CN202111005576A CN113763270A CN 113763270 A CN113763270 A CN 113763270A CN 202111005576 A CN202111005576 A CN 202111005576A CN 113763270 A CN113763270 A CN 113763270A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- brightness
- target pixel
- neighborhood
- target
- 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
- 241000255925 Diptera Species 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000005314 correlation function Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
本申请涉及图像处理技术领域,提供一种蚊式噪声去除方法及电子设备,用以解决在去除蚊式噪声却没有保护好细节的问题。本申请首先对蚊式噪声区域的概率进行初步确定,然后通过当前区域和周围区域信息的对比进一步来修正蚊式噪声区域概率,来更好的确认此区域是蚊式噪声区域还是细节区域。综上,本申请实施例能够在图像去除噪声时,更为准确地区分蚊式噪声和细节,通过当前区域和周围区域信息的对比进一步来修正蚊式噪声区域概率,得到的概率更为精准,能够缓解蚊式噪声对图像的干扰,也能够更好的保护边缘细节,优化用户的视觉效果。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及蚊式噪声去除方法及电子设备。
背景技术
随着图像处理技术的发展和更新换代,人们对高清图像的要求越来越高,人们更期待看到跟清晰、细节更丰富的图像。
视频图像数据在编解码过程中被压缩,常导致图像在物体边缘附近产生蚊式噪声,让观看者有″脏″的感觉,影响观看视觉效果。蚊式噪声出现在物体和字体边缘,相关技术中,去除蚊式噪声的同时也去除了细节。
发明内容
本申请的目的是提供一种蚊式噪声去除方法、设备以及存储介质,用以解决在去除蚊式噪声却没有保护好细节的问题。
第一方面,本申请提供一种蚊式噪声去除方法,所述方法包括:
确定目标图像中目标像素点属于蚊式噪声区域的初始概率;
获取参考像素点集中各像素点的第一邻域内的第一亮度范围,所述参考像素点集包括:所述目标像素点所在像素行中的第一像素点集,和/或,所述目标像素点所在像素列中的第二像素点集;
基于所述参考像素点集中各像素点的第一邻域内的第一亮度范围,修正所述目标像素点的所述初始概率得到最终概率;
基于所述目标像素点的最终概率和所述目标像素点在所述目标图像中的原始亮度,确定所述目标像素点的输出亮度。
在一些实施例中,所述确定目标图像中目标像素点属于蚊式噪声区域的初始概率,包括:
获取所述目标像素点的第二邻域内的第二亮度范围;以及,
获取所述目标像素点的第三邻域内的第三亮度范围;所述第一邻域和所述第二邻域均小于所述第三邻域;
基于所述第二亮度范围和所述第二亮度范围的第一差值确定作为所述目标像素点的所述初始概率,其中,所述第一差值与所述初始概率具有正相关关系。
在一些实施例中,若所述参考像素点集包括所述第一像素点集和所述第二像素点集,所述基于所述参考像素点集中各像素点的第一邻域内的第一亮度范围,修正所述目标像素点的所述初始概率得到最终概率,包括:
针对所述第一像素点集和所述第二像素点集中的任一像素点集分别执行:获取所述像素点集中的第一亮度范围最大值;若所述第一亮度范围最大值对应的像素点位于所述目标像素点的第一侧,则基于第二差值和第一目标亮度范围确定所述初始概率的第一增益,其中,所述第一增益与所述第二差值具有反比关系,所述第一增益和所述第一目标亮度范围具有正比关系,所述第一目标亮度范围为所述像素点集中位于所述目标像素点的第二侧的像素点中的第一亮度范围最小值,所述第一侧和所述第二侧为相对侧;
获取所述第一像素点集对应的第一增益以及所述第二像素点集对应的第一增益中的增益最小值;
采用所述增益最小值乘以所述初始概率,得到所述目标像素点的最终概率。
在一些实施例中,所述基于所述目标像素点的最终概率和所述目标像素点在所述目标图像中的原始亮度,确定所述目标像素点的输出亮度,包括:
对以所述目标像素点为中心像素块进行噪声滤波,得到所述目标像素点的滤波结果;
基于所述最终概率确定所述原始亮度和所述滤波结果的权重;
对所述原始亮度和所述滤波结果采用加权求和的方式确定所述输出亮度。
在一些实施例中,所述基于所述最终概率确定所述原始亮度和所述滤波结果的权重,包括:
将所述最终概率作为所述滤波结果的权重,将所述最终概率与概率上限的差值作为所述原始亮度的权重。
在一些实施例中,所述对以所述目标像素点为中心的像素块进行噪声滤波,得到所述目标像素点的滤波结果,包括:
基于以下滤波公式确定所述目标像素点的滤波结果:
Y_filter=(∑i∈I∑j∈Jwij×Yij)/(∑i∈I∑j∈Jwij),其中,wij=f1(|Yij-Ycur|)
其中,Y_filter表示所述滤波结果,wij表示所述目标像素点和像素块内其相邻像素点的像素值的差值的绝对值再经过f1()函数处理的结果,wij和输入具有反比关系,I表示像素块内像素点所在行的取值范围,J表示像素块内像素点所在列的取值范围。
在一些实施例中,所述获取所述目标像素点的第二邻域内的第二亮度范围,包括:
获取所述第二邻域内的各个像素点的亮度值,并确定所述第二邻域内各个像素点的亮度的最大值和最小值;
确定所述第二邻域内的亮度的最大值和最小值之间的差值,得到所述第二亮度范围;
获取所述目标像素点的第三邻域内的第三亮度范围,包括:
获取所述第三邻域内的各个像素点的亮度值,并确定所述第三邻域内各个像素点的亮度的最大值和最小值;
确定所述第三邻域内的亮度的最大值和最小值之间的差值,得到所述第三亮度范围。
第二方面,本申请还提供了一种电子设备,包括:
存储器,用于存储处理器的可执行指令;
处理器,用于执行所述可执行指令,以实现如本申请第一方面中提供的任一方法。
第三方面,本申请一实施例还提供了一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如本申请第一方面中提供的任一方法。
第四方面,本申请一实施例提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如本申请第一方面中提供的任一方法。
本申请的实施例提供的技术方案至少带来以下有益效果:
基于上述蚊式噪声去除方法,用户在去除视频图像的蚊式噪声时,可以很准确的区分蚊式噪声和细节,能够缓解蚊式噪声对视觉效果的干扰,也能够在保护细节的基础上去除蚊式噪声,在视觉上达到更清晰的效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本申请各较佳实施例。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的第一邻域、第二邻域以及第三邻域的示意图;
图2为本申请实施例提供的一种蚊式噪声去除方法的流程示意图;
图3为本申请实施例提供的计算最终概率的方法示意图;
图4为本申请实施例提供计算最终输出亮度的方法示意图;
图5为本申请实施例提供的获取目标像素点以及左侧像素点集的方法示意图;
图6为本申请实施例提供的获取目标像素点以及右侧像素点集的方法示意图;
图7为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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。其中,所描述的实施例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做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
并且,在本申请实施例的描述中,除非另有说明,″/″表示或的意思,例如,A/B可以表示A或B;文本中的″和/或″仅仅是一种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这三种情况,另外,在本申请实施例的描述中,″多个″是指两个或多于两个。
以下,术语″第一″、″第二″仅用于描述目的,而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有″第一″、″第二″、的特征可以明示或者隐含地包括一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,″多个″的含义是两个或两个以上。
为了解决用户在去除图像蚊式噪声时并不能很好的区分蚊式噪声和细节的问题,发明人对图像的构成和图像处理的工作原理进行了研究分析。研究分析出,蚊式噪声出现在物体和字体边缘附近,所以对蚊式噪声区域的确定是对蚊式噪声去除的关键。有鉴于此,本申请实施例提供了一种蚊式噪声去除方法、设备及存储介质用以解决在图像噪声去除时同时去除了细节的问题。
下面将结合实施例对本申请提供的蚊式噪声去除方法进行介绍。
本申请的发明构思可概括为:首先对蚊式噪声区域的概率进行初步确定,然后通过当前区域和周围区域信息的对比进一步来修正蚊式噪声区域概率,来更好的确认此区域是蚊式噪声区域还是细节区域。
本申请实施例能够在图像去除噪声时,能够更为准确地区分蚊式噪声和细节,通过当前区域和周围区域信息的对比进一步来修正蚊式噪声区域概率,得到的概率更为精准,能够缓解蚊式噪声对图像的干扰,也能够更好的保护边缘细节,优化用户的视觉效果。
在介绍完本申请实施例的主要发明思想之后,下面对本申请实施例的技术方案能够适用的应用场景做一些简单介绍,需要说明的是,以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时,可以根据实际需要灵活地应用本申请实施例提供的技术方案。
为便于理解本申请实施例提供的蚊式噪声去除方法,先对本申请实施例涉及的一些关键名称进行说明:
第一邻域,第二邻域和第三邻域均为以目标像素点为中心得到的像素块,实施时第一邻域和第二邻域的大小可以相同也可以不同,但第一邻域和第二邻域的大小均小于第三邻域。如图1所示,以第一邻域和第二领域大小相同为例进行说明,如图1所示,第一邻域和第二邻域均为3*3邻域的像素块,第三邻域为5*5大小的像素块。
亮度范围,每个领域内包括多个像素点,每个像素点有其对应的亮度值,亮度范围为同一领域内亮度最大值和亮度最小值的差值。
如图2所示为本申请实施例提供的蚊式噪声去除方法的流程示意图,包括以下内容:
在步骤201中,确定目标图像中目标像素点属于蚊式噪声区域的初始概率;
一种可能的实施例为,先计算邻域内的亮度范围,计算方式如公式(1)所示:
ldr=max_L-min_L (1)
公式(1)中ldr表示亮度范围,max_L表示领域内所有像素点亮度值中的最大值,min_L表示邻域内所有像素点亮度值中的最小值,即亮度范围=邻域内所有像素点中最大的亮度值-邻域内所有像素点的最小值。
例如,假设第三领域大小为5*5,第二领域大小为3*3,邻域内各像素点的亮度值举例如下表1所示,表1中间位置加双下划线的为目标像素点:
表1
则根据公式(1),第三领域的亮度范围ldr_big_blk=83-20=63,第二领域的亮度范围ldr_sm_blk=83-25=58。
基于上述公式计算所得的亮度范围,若目标像素点所在第三邻域内亮度范围较大,说明该点周围有边缘,若目标像素点所在第二邻域内亮度范围较小,说明该点为非边缘点,因此该点在蚊式噪声区域的概率较大。
如果目标像素点所在第三邻域内亮度范围较小,则说明该点不在边缘周围,因此该点在蚊式噪声区域的概率较小;如果目标像素点所在第二邻域内亮度范围较大,则说明目标像素点为边缘或细节,则该点在蚊式噪声区域的概率较小。
但是单纯的使用亮度范围的绝对大小来看是否有边缘,及目标像素点所在区域是否为蚊式噪声区域,效果没有那么好。因为有些边缘的强度没那么大,导致亮度范围没有那么大,同时有些蚊式噪声较大时所在小的邻域内的亮度范围略大。
具体地,例如,下表2为边缘没那么强的情况,加双下划线的为目标像素点,第三领域大小为5*5,第二领域大小为3*3:
表2
则目标像素点所在第三邻域的亮度范围ldr_big_blk=52-14=38,目标像素点所在第二邻域的亮度范围ldr_sm_blk=52-45=7,因为目标像素点所在第三邻域的亮度范围不大,该点所在第二邻域内亮度范围较小,故此不能确定这是边缘的情况,因此为弱边缘。
下表3为蚊式噪声大的情况,加双下划线的为目标像素点,第三领域大小为5*5,第二领域大小为3*3:
表3
则目标像素点所在第三邻域的亮度范围ldr_big_blk=102-24=78,目标像素点所在第二邻域的亮度范围ldr_sm_blk=102-64=38。
表3示出了目标像素点所在第三邻域内亮度范围较大,该点所在第二邻域的亮度范围偏大,不能确定是噪声的情况,因此是强噪声。
综合表2和表3,对于上述的弱边缘和强噪声的情况,如果单纯地使用亮度范围的大小代表边缘和蚊式噪声,对这两种情况不容易区分。
有鉴于此,本申请实施例还提供另一种确定初始概率的方式,可实施为:
步骤A1:获取所述目标像素点的第二邻域内的第二亮度范围。
一种可能的实施方式为,获取所述第二邻域内的各个像素点的亮度值,并确定所述第二邻域内各个像素点的亮度的最大值和最小值;然后确定所述第二邻域内的亮度的最大值和最小值之间的差值,得到所述第二亮度范围。该方式仅采用低级计算方式,计算速度快,易于实施。
步骤A2:获取所述目标像素点的第三邻域内的第三亮度范围。
一种可能的实施为,获取所述第三邻域内的各个像素点的亮度值,并确定所述第三邻域内各个像素点的亮度的最大值和最小值;确定所述第三邻域内的亮度的最大值和最小值之间的差值,得到所述第三亮度范围。
另外需要说明的是,实施时步骤A1和步骤A2的执行顺序不受限。
步骤A3:基于所述第二亮度范围和所述第三亮度范围的第一差值确定作为所述目标像素点的所述初始概率,其中,所述第一差值与所述初始概率具有正相关关系。
为便于理解,对上述如何确定第二亮度范围和第三亮度范围进行举例说明:
例如上表3中:第二亮度范围视为3*3邻域的亮度范围,则ldr_sm_blk=38,第三亮度范围视为5*5邻域的亮度范围,则ldr_big_blk=78,第一差值为ldr_big_blk-ldr_sm_blk=78-38=40,蚊式噪声区域的初始概率为关于第一差值的正相关函数f4(),即初始概率的计算方式如公式(2)所示:
noise_level=f4(ldr_big_blk-ldr_sm_blk) (2)
在公式(2)中,noise_level为蚊式噪声区域的初始概率。函数f4()的输入越大输出越大,是正相关函数,则表示第一差值越大,蚊式噪声区域的初始概率就越大。
为了进一步提高像素点属于蚊式噪声区域的概率的准确性,本申请中采用目标像素点周围的像素点的情况对目标像素点的初始概率进行修正。实施时,本申请实施例中,由目标像素点周围的像素点构建第一像素点集和/或第二像素点集,其中目标像素点所在像素行中的2N个像素点构成第一像素点集,目标像素点所在像素列中的2N个像素点构成第二像素点集,其中N为正整数。且在像素行中,目标像素点左右分别按照与目标像素点的距离由近及远的获取N个像素点构建第一像素点集。同理,在像素列中,分别按照与目标像素点的距离由近及远的获取N个像素点,构建第二像素点集。
由第一像素点集和/或第二像素点集构建的参考像素点集之后,在步骤202中,获取参考像素点集中各像素点的第一邻域内的第一亮度范围。
然后,在步骤203中,基于所述参考像素点集中各像素点的第一邻域内的第一亮度范围,修正所述目标像素点的所述初始概率得到最终概率。
如前文所述,参考像素点集可包括三种情况,一是包括第一像素点集、二是包括第二像素点集、三是包括第一像素点集和第二像素点集,本申请示例性的对以上三种情况下如何对初始概率进行修正进行说明。
1)采用第一像素点集修正初始概率
一种可能的实施例中,所述参考像素点集是所述目标像素点所在像素行中的第一像素点集,例如下表4:
表4
表4中展示出了获取目标像素点所在像素行中的10个像素点的作为第一像素点集。第一像素点集可包括左侧像素点集和右侧像素点集,其中左侧像素点集如图5所示,目标像素点的右侧像素点集如图6所示。在图5中包括一个3*13大小的像素点矩阵,其中矩形方框表示第一领域,第一行中目标像素点的亮度范围可以用ldr_cur表示,第二行中矩形方框即为左侧第一个像素点(-1)的第一领域,其亮度范围可以用Idr_-1表示,依次类推,可以得到左侧5个像素点以及目标像素点。类似的,在图6中包括一个3*13大小的像素点矩阵,其中第一行中矩形方框即为目标像素点0的第一领域,其亮度范围可以用ldr_cur表示,第二行中矩形方框即为目标像素点右侧第一个像素点1的第一领域,其亮度范围可以用ldr_1表示,依次类推,可以得到右侧5个像素点以及目标像素点,这10个像素点和目标像素点共可得到11个亮度范围。表4中,加双下划线的为目标像素点,在目标像素点所在的像素行按照位置由近及远取N个相连的大小为第一邻域的像素块,表中N=5,表中的ldr表示目标像素点所在第一邻域的亮度范围,max_ldr_h表示目标像素点所在像素行+-N个像素块中最大的亮度范围(为每个点所在第一邻域的亮度范围),则最大的亮度范围计算方式如公式(3)所述:
max_ldr_h=max(ldr_-5,ldr_-4,ldr_-3,ldr_-2,ldr_-1,ldr_cur,ldr_1,ldr_2,ldr_3,ldr_4,ldr_5) (3)
即为取表4中11个亮度范围的最大值作为第一亮度范围最大值。
若第一亮度范围最大值对应的像素点位于所述目标像素点的第一侧如左侧,假设是表4中的ldr_-2最大,则采用公式(4)计算一下第一像素点集对应的第一增益:
gain_h=f2(ldr_cur-ldr_min_r)*f3(ldr_min_r) (4)
在公式(4)中,ldr_cur表示目标像素点的第一邻域的亮度范围,ldr_min_r表示目标像素点右侧像素点在第一邻域内的亮度范围最小值,f2是正相关函数,f3是反相关函数,gain_h为第一增益表示。
根据上述公式(4),ldr_cur-ldr_min_r越小,说明目标像素点和周围的像素点比较相似,若目标像素点的初始概率较大时,说明该点和周围像素点类似,是一些和噪声类似的细节。此时ldr_cur-ldr_min_r越小,f2的输出结果会越小,导致gain_h的结果小,以此来修正初始概率。dr_min_r越大,f3的结果越小,ldr_min_r越大则说明此区域的亮度差较大,表示其对应的像素点是细节部分,可降低第一增益,从而修正初始概率。
类似,若第一亮度范围最大值对应的像素点位于所述目标像素点的第一侧如右侧,假设是表4中的ldr_2最大,则采用公式(5)计算一下第一像素点集对应的第一增益:
gain_h=f2(ldr_cur-ldr_min_l)*f3(ldr_min_l) (5)
在公式(5)中,ldr_cur表示目标像素点的第一邻域的亮度范围,ldr_min_l表示目标像素点左侧像素点在第一邻域内的亮度范围最小值,f2是正相关函数,f3是反相关函数,gain_h为第一增益。
根据上述公式(5),ldr_cur-ldr_min_l越小,说明目标像素点和周围的像素点比较相似,若目标像素点的初始概率较大时,说明该点和周围像素点类似,是一些和噪声类似的细节。此时ldr_cur-ldr_min_l越小,f2的输出结果会越小,导致gain_h的结果小,来修正初始概率。ldr_min_l越大,f3的结果越小,ldr_min_l越大则说明此区域的亮度差较大,表示其对应的像素点是细节部分,可降低第一增益,从而修正初始概率。
综上所述,采用第一像素点集对初始概率的修正方式可如公式(6)所示:
Noise_level=noise_level*gain_h (6)
在公式(6)中,noise_level为初始概率,gain_h为基于公式(4)或公式(5)计算的第一增益,Noise_level为修正后得到的最终概率。
2)采用第二像素点集修正初始概率
另一种实施例中,参考像素点集是所述目标像素点所在像素列中的第二像素点集。实施时,获取目标像素点所在像素列中的2N个像素点的作为第二像素点集。此时,max_ldr_v表示当前点所在像素列+-N个像素块的最大的亮度范围(为每个点所在第一邻域的亮度范围),则最大的亮度范围计算方式如公式(7)所述:
max_ldr_v=max(ldr_-5,ldr_-4,ldr_-3,ldr_-2,ldr_-1,ldr_cur,ldr_1,,ldr_2,ldr_3,ldr_4,ldr_5) (7)
同样是取这11个亮度范围的最大值作为第一亮度范围最大值。
若第一亮度范围最大值对应的像素点位于所述目标像素点的第一侧如下侧,则采用公式(8)计算一下第二像素点集对应的第一增益:
gain_v=f2(ldr_cur-ldr_min_t)*f3(ldr_min_t) (8)
在公式(8)中,ldr_cur表示目标像素点的第一邻域的亮度范围,ldr_min_t表示目标像素点上侧像素点在第一邻域内的亮度范围最小值,f2是正相关函数,f3是反相关函数,gain_v为第一增益。
根据上述公式(8),ldr_cur-ldr_min_t越小,说明目标像素点和周围的像素点比较相似,若目标像素点的初始概率较大时,说明该点和周围像素点类似,是一些和噪声类似的细节。此时ldr_cur-ldr_min_t越小,f2的输出结果会越小,导致gain_v的结果小,来修正初始概率。ldr_min_t越大,f3的结果越小,ldr_min_t越大则说明此区域的亮度差较大,表示其对应的像素点是细节部分,可降低第一增益,从而修正初始概率。
类似,若第一亮度范围最大值对应的像素点位于所述目标像素点的第一侧如上侧,则采用公式(9)计算一下第二像素点集对应的第一增益:
gain_v=f2(ldr_cur-ldr_min_b)*f3(ldr_min_b) (9)
在公式(9)中,ldr_cur表示目标像素点的第一邻域的亮度范围,ldr_min_b表示目标像素点下侧像素点在第一邻域内的亮度范围最小值,f2是正相关函数,f3是反相关函数,gain_v为第一增益。
根据上述公式(9),ldr_cur-ldr_min_b越小,说明目标像素点和周围的像素点比较相似,若目标像素点的初始概率较大时,说明该点和周围像素点类似,是一些和噪声类似的细节。此时ldr_cur-ldr_min_b越小,f2的输出结果会越小,导致gain_v的结果小,来修正初始概率。ldr_min_b越大,f3的结果越小,ldr_min_b越大则说明此区域的亮度差较大,表示其对应的像素点是细节部分,可降低第一增益,从而修正初始概率。
综上所述,采用第一像素点集对初始概率的修正方式可如公式(10)所示:
Noise_level=noise_level*gain_v (10)
在公式(10)中,noise_level为初始概率,gain_v为基于公式(8)或公式(9)计算的第一增益,Noise_level为修正后得到的最终概率。
3)采用第一像素点集和第二像素点集修正初始概率
可实施为如图3所示的步骤,包括:
在步骤301中,获取所述参考像素点集中的第一亮度范围最大值。因为参考像素点集包括第一像素点集和第二像素点集,所以第一亮度范围最大值包括基于上述公式(3)得到的第一亮度范围最大值max_ldr_h和上述公式(7)得到的第一亮度范围最大值max_ldr_v。
在步骤302中,若所述第一亮度范围最大值对应的像素点位于所述目标像素点的第一侧,则基于第二差值和第一目标亮度范围确定所述初始概率的第一增益,其中,所述第一增益与所述第二差值具有反比关系,所述第一增益和所述第一目标亮度范围具有正比关系,所述第一目标亮度范围为所述像素点集中位于所述目标像素点的第二侧的像素点中的第一亮度范围最小值,所述第一侧和所述第二侧为相对侧。
步骤302中获取第一像素点集的第一增益和第二像素点集的第一增益的方式与前文叙述的相同,这里不再赘述。
在步骤303中,获取所述第一像素点集对应的第一增益以及所述第二像素点集对应的第一增益中的增益最小值。
基于上述两种情况,第一像素点集对应的第一增益即为上述第一种情况中所述的gain_h,第二像素点集对应的第一增益即为第二种情况中所述的gain_v,gain为增益最小值,则增益最小值的计算方式如公式(11)所述:
gain=min(gain_h,gain_v) (11)
在步骤304中,采用所述公式(11)中的增益最小值乘以所述初始概率,得到所述目标像素点的最终概率。noise_level即为所述初始概率,gain即为所述增益最小值,由此,最终概率Noise_level的计算方式如公式(12)所述:
Noise_level=noise_level*gain (12)
在公式(12)中,noise_level为初始概率,gain为基于公式(11)计算的增益最小值,Noise_level为修正后得到的最终概率。
然后,在步骤204中,基于所述目标像素点的最终概率和所述目标像素点在所述目标图像中的原始亮度,确定所述目标像素点的输出亮度,具体步骤如图4所示:
在步骤401中,对以所述目标像素点为中心像素块进行噪声滤波,得到所述目标像素点的滤波结果。基于以下滤波公式(13)确定所述目标像素点的滤波结果:
Y_filter=(∑i∈I∑j∈Jwij×Yij)/(∑i∈I∑j∈Jwij) (13)
其中,wij=f1(|Yij-Ycur|)
其中,Y_filter表示所述滤波结果,wij表示所述目标像素点和像素块内其相邻像素点的像素值的差值的绝对值再经过f1()函数处理,wij和输入具有反比关系,I表示像素块内像素点所在行的取值范围,J表示像素块内像素点所在列的取值范围。
在步骤402中,基于所述最终概率确定所述原始亮度和所述滤波结果的权重。将所述最终概率作为所述滤波结果的权重,如步骤304中的公式(14)中的Noise_level,将所述最终概率与概率上限的差值作为所述原始亮度的权重,如下述步骤403中的公式(14)中的1-Noise_level。
在步骤403中,对所述原始亮度和所述滤波结果采用加权求和的方式确定所述输出亮度。对滤波结果和输入图像进行加权处理,蚊式噪声区域概率越大,滤波结果的权重越大,蚊式噪声区域概率越小,滤波结果的权重越小。目标像素点最终输出的亮度值为:
Yout=(1-Noise_level)×Ycur+Noise_level×Y_filter (14)
其中,Yout为所处理点的最终输出亮度值,Ycur为所处理点的输入亮度值。对图像的所有像素点都进行上述步骤的处理,所最终输出亮度值的集合即形成处理过后的图像。
上述方法中,使用当前位置的和周围边缘强度的相对关系来确定概率,比单纯使用边缘的强弱及当前区域的噪声情况来确定的准确性更高,可以更好地区分蚊式噪声和边缘细节,既去除了蚊式噪声,又保留了边缘细节,最终使图像的视觉效果更加清晰。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为″电路″、″模块″或″系统″。
在一些可能的实施方式中,根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的蚊式噪声去除方法。例如,处理器可以执行如蚊式噪声去除方法中的步骤。
下面参照图7来描述根据本申请的这种实施方式的电子设备130。图7显示的电子设备130仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示,电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于:上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备130交互的设备通信,和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且,电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备130使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器132,上述指令可由电子设备700的处理器131或者电子设备800的处理器131执行以完成上述蚊式噪声去除方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器131执行时实现如本申请提供的蚊式噪声去除方法的任一方法。
在示例性实施例中,本申请提供的一种蚊式噪声去除方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的蚊式噪声去除方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、电子设备或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于蚊式噪声去除方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、电子设备或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、电子设备或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言-诸如Java、C++等,还包括常规的过程式程序设计语言-诸如″C″语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程图像缩放设备的处理器以产生一个机器,使得通过计算机或其他可编程图像缩放设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的电子设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程图像缩放设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令电子设备的制造品,该指令电子设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程图像缩放设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种蚊式噪声去除方法,其特征在于,所述方法包括:
确定目标图像中目标像素点属于蚊式噪声区域的初始概率;
获取参考像素点集中各像素点的第一邻域内的第一亮度范围,所述参考像素点集包括:所述目标像素点所在像素行中的第一像素点集,和/或,所述目标像素点所在像素列中的第二像素点集;
基于所述参考像素点集中各像素点的第一邻域内的第一亮度范围,修正所述目标像素点的所述初始概率得到最终概率;
基于所述目标像素点的最终概率和所述目标像素点在所述目标图像中的原始亮度,确定所述目标像素点的输出亮度。
2.根据权利要求1所述的方法,其特征在于,所述确定目标图像中目标像素点属于蚊式噪声区域的初始概率,包括:
获取所述目标像素点的第二邻域内的第二亮度范围;以及,
获取所述目标像素点的第三邻域内的第三亮度范围;所述第一邻域和所述第二邻域均小于所述第三邻域;
基于所述第二亮度范围和所述第三亮度范围的第一差值确定作为所述目标像素点的所述初始概率,其中,所述第一差值与所述初始概率具有正相关关系。
3.根据权利要求1或2所述的方法,其特征在于,若所述参考像素点集包括所述第一像素点集和所述第二像素点集,所述基于所述参考像素点集中各像素点的第一邻域内的第一亮度范围,修正所述目标像素点的所述初始概率得到最终概率,包括:
针对所述第一像素点集和所述第二像素点集中的任一像素点集分别执行:获取所述像素点集中的第一亮度范围最大值;若所述第一亮度范围最大值对应的像素点位于所述目标像素点的第一侧,则基于第二差值和第一目标亮度范围确定所述初始概率的第一增益,其中,所述第一增益与所述第二差值具有反比关系,所述第一增益和所述第一目标亮度范围具有正比关系,所述第一目标亮度范围为所述像素点集中位于所述目标像素点的第二侧的像素点中的第一亮度范围最小值,所述第一侧和所述第二侧为相对侧;
获取所述第一像素点集对应的第一增益以及所述第二像素点集对应的第一增益中的增益最小值;
采用所述增益最小值乘以所述初始概率,得到所述目标像素点的最终概率。
4.根据权利要求1或2所述的方法,其特征在于,所述基于所述目标像素点的最终概率和所述目标像素点在所述目标图像中的原始亮度,确定所述目标像素点的输出亮度,包括:
对以所述目标像素点为中心的像素块进行噪声滤波,得到所述目标像素点的滤波结果;
基于所述最终概率确定所述原始亮度和所述滤波结果的权重;
对所述原始亮度和所述滤波结果采用加权求和的方式确定所述输出亮度。
5.根据权利要求4所述的方法,其特征在于,所述基于所述最终概率确定所述原始亮度和所述滤波结果的权重,包括:
将所述最终概率作为所述滤波结果的权重,将所述最终概率与概率上限的差值作为所述原始亮度的权重。
6.根据权利要求4所述的方法,其特征在于,所述对以所述目标像素点为中心的像素块进行噪声滤波,得到所述目标像素点的滤波结果,包括:
基于以下滤波公式确定所述目标像素点的滤波结果:
Y_filter=(∑i∈I∑j∈Jwij×Yij)/(∑i∈I∑j∈Jwij),其中,wij=f1(|Yij-Ycur|)
其中,Y_filter表示所述滤波结果,wij表示所述目标像素点和像素块内其相邻像素点的像素值的差值的绝对值再经过f1()函数处理的结果,wij和输入具有反比关系,I表示像素块内像素点所在行的取值范围,J表示像素块内像素点所在列的取值范围。
7.根据权利要求2所述的方法,其特征在于,所述获取所述目标像素点的第二邻域内的第二亮度范围,包括:
获取所述第二邻域内的各个像素点的亮度值,并确定所述第二邻域内各个像素点的亮度的最大值和最小值;
确定所述第二邻域内的亮度的最大值和最小值之间的差值,得到所述第二亮度范围;
获取所述目标像素点的第三邻域内的第三亮度范围,包括:
获取所述第三邻域内的各个像素点的亮度值,并确定所述第三邻域内各个像素点的亮度的最大值和最小值;
确定所述第三邻域内的亮度的最大值和最小值之间的差值,得到所述第三亮度范围。
8.一种电子设备,其特征在于,包括:
存储器,用于存储处理器的可执行指令;
处理器,用于执行所述可执行指令,以实现如权利要求1-7中任一项所述的蚊式噪声去除方法。
9.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1-7中任一项所述的蚊式噪声去除方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的蚊式噪声去除方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005576.3A CN113763270B (zh) | 2021-08-30 | 2021-08-30 | 蚊式噪声去除方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005576.3A CN113763270B (zh) | 2021-08-30 | 2021-08-30 | 蚊式噪声去除方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113763270A true CN113763270A (zh) | 2021-12-07 |
CN113763270B CN113763270B (zh) | 2024-05-07 |
Family
ID=78791817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111005576.3A Active CN113763270B (zh) | 2021-08-30 | 2021-08-30 | 蚊式噪声去除方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763270B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114360453A (zh) * | 2021-12-09 | 2022-04-15 | 青岛信芯微电子科技股份有限公司 | 一种噪声去除方法、装置、显示设备、芯片及介质 |
CN115908154A (zh) * | 2022-09-20 | 2023-04-04 | 盐城众拓视觉创意有限公司 | 基于图像处理的视频后期颗粒噪声去除方法 |
CN116485884A (zh) * | 2023-06-28 | 2023-07-25 | 四川君安天源精酿啤酒有限公司 | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008093835A (ja) * | 2006-10-06 | 2008-04-24 | Fuji Xerox Co Ltd | プリントヘッドおよび画像形成装置 |
US20090154829A1 (en) * | 2007-12-13 | 2009-06-18 | Samsung Electronics Co., Ltd. | Method and apparatus for edge enhancement considering singular points |
CN101878640A (zh) * | 2007-11-30 | 2010-11-03 | 国立大学法人京都大学 | 图像噪声去除方法及装置 |
CN103488968A (zh) * | 2012-06-14 | 2014-01-01 | 株式会社日立制作所 | 遥感图像的混合像素物质构成精细化分解装置及方法 |
CN106023204A (zh) * | 2016-05-20 | 2016-10-12 | 陕西师范大学 | 一种基于边缘检测算法去除蚊式噪声的方法及系统 |
WO2017036386A1 (zh) * | 2015-09-01 | 2017-03-09 | 深圳市中兴微电子技术有限公司 | 一种视频去噪方法及装置、终端、存储介质 |
CN106846262A (zh) * | 2016-12-23 | 2017-06-13 | 中国科学院自动化研究所 | 去除蚊式噪声的方法及系统 |
JP2018185586A (ja) * | 2017-04-24 | 2018-11-22 | キヤノン株式会社 | 画像処理装置および画像処理方法、撮像装置 |
CN110033430A (zh) * | 2019-02-20 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种行人数量统计方法和装置 |
CN111161301A (zh) * | 2019-12-31 | 2020-05-15 | 上海商汤智能科技有限公司 | 图像分割方法及装置、电子设备和存储介质 |
CN112163110A (zh) * | 2020-09-27 | 2021-01-01 | Oppo(重庆)智能科技有限公司 | 图像分类方法、装置、电子设备和计算机可读存储介质 |
US20210158488A1 (en) * | 2018-04-16 | 2021-05-27 | Shenzhen China Star Optelectronics Technology Co., Ltd | Image edge processing method, electronic device, and computer readable storage medium |
CN113191938A (zh) * | 2021-04-29 | 2021-07-30 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008093835A1 (ja) * | 2007-02-02 | 2008-08-07 | Nikon Corporation | 画像処理方法 |
-
2021
- 2021-08-30 CN CN202111005576.3A patent/CN113763270B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008093835A (ja) * | 2006-10-06 | 2008-04-24 | Fuji Xerox Co Ltd | プリントヘッドおよび画像形成装置 |
CN101878640A (zh) * | 2007-11-30 | 2010-11-03 | 国立大学法人京都大学 | 图像噪声去除方法及装置 |
US20090154829A1 (en) * | 2007-12-13 | 2009-06-18 | Samsung Electronics Co., Ltd. | Method and apparatus for edge enhancement considering singular points |
CN103488968A (zh) * | 2012-06-14 | 2014-01-01 | 株式会社日立制作所 | 遥感图像的混合像素物质构成精细化分解装置及方法 |
WO2017036386A1 (zh) * | 2015-09-01 | 2017-03-09 | 深圳市中兴微电子技术有限公司 | 一种视频去噪方法及装置、终端、存储介质 |
CN106023204A (zh) * | 2016-05-20 | 2016-10-12 | 陕西师范大学 | 一种基于边缘检测算法去除蚊式噪声的方法及系统 |
CN106846262A (zh) * | 2016-12-23 | 2017-06-13 | 中国科学院自动化研究所 | 去除蚊式噪声的方法及系统 |
JP2018185586A (ja) * | 2017-04-24 | 2018-11-22 | キヤノン株式会社 | 画像処理装置および画像処理方法、撮像装置 |
US20210158488A1 (en) * | 2018-04-16 | 2021-05-27 | Shenzhen China Star Optelectronics Technology Co., Ltd | Image edge processing method, electronic device, and computer readable storage medium |
CN110033430A (zh) * | 2019-02-20 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种行人数量统计方法和装置 |
CN111161301A (zh) * | 2019-12-31 | 2020-05-15 | 上海商汤智能科技有限公司 | 图像分割方法及装置、电子设备和存储介质 |
CN112163110A (zh) * | 2020-09-27 | 2021-01-01 | Oppo(重庆)智能科技有限公司 | 图像分类方法、装置、电子设备和计算机可读存储介质 |
CN113191938A (zh) * | 2021-04-29 | 2021-07-30 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114360453A (zh) * | 2021-12-09 | 2022-04-15 | 青岛信芯微电子科技股份有限公司 | 一种噪声去除方法、装置、显示设备、芯片及介质 |
CN115908154A (zh) * | 2022-09-20 | 2023-04-04 | 盐城众拓视觉创意有限公司 | 基于图像处理的视频后期颗粒噪声去除方法 |
CN115908154B (zh) * | 2022-09-20 | 2023-09-29 | 盐城众拓视觉创意有限公司 | 基于图像处理的视频后期颗粒噪声去除方法 |
CN116485884A (zh) * | 2023-06-28 | 2023-07-25 | 四川君安天源精酿啤酒有限公司 | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 |
CN116485884B (zh) * | 2023-06-28 | 2023-09-12 | 四川君安天源精酿啤酒有限公司 | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113763270B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113763270B (zh) | 蚊式噪声去除方法及电子设备 | |
US11113795B2 (en) | Image edge processing method, electronic device, and computer readable storage medium | |
JP6240199B2 (ja) | 画像における対象物の識別方法及び装置 | |
CN110717522A (zh) | 图像分类网络的对抗防御方法及相关装置 | |
JP2015225665A (ja) | 画像ノイズ除去方法及び画像ノイズ除去装置 | |
Gallegos-Funes et al. | Real-time image filtering scheme based on robust estimators in presence of impulsive noise | |
US20140294318A1 (en) | Gray image processing method and apparatus | |
CN109194878B (zh) | 视频图像防抖方法、装置、设备和存储介质 | |
CN113015007B (zh) | 视频插帧方法、装置及电子设备 | |
CN111445424A (zh) | 图像处理和移动终端视频处理方法、装置、设备和介质 | |
CN108765312B (zh) | 一种基于方差信息的图像去噪方法 | |
US20200184606A1 (en) | Processing video frames via convolutional neural network using previous frame statistics | |
CN111327946A (zh) | 视频质量评价和特征字典的训练方法、装置和介质 | |
CN111179159A (zh) | 消除视频中目标影像的方法、装置、电子设备及存储介质 | |
CN113222921A (zh) | 一种图像处理方法及系统 | |
CN107833185B (zh) | 图像去雾方法及装置、存储介质、电子设备 | |
CN116563172B (zh) | 一种vr全球化在线教育互动优化增强方法及装置 | |
CN113657518A (zh) | 训练方法、目标图像检测方法、装置、电子设备以及介质 | |
CN112801882B (zh) | 图像处理方法及装置、存储介质和电子设备 | |
EP3675503B1 (en) | Display apparatus and image processing method thereof | |
CN111369557A (zh) | 图像处理方法、装置、计算设备和存储介质 | |
CN109145918B (zh) | 图像分割标注方法及设备 | |
Wang et al. | Image dehazing based on partitioning reconstruction and entropy-based alternating fast-weighted guided filters | |
CN111833262A (zh) | 图像降噪方法、装置及电子设备 | |
CN111754412A (zh) | 构建数据对的方法、装置及终端设备 |
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 |