CN115205156A - 无失真的中值滤波边界填充方法及装置、电子设备、存储介质 - Google Patents
无失真的中值滤波边界填充方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN115205156A CN115205156A CN202210903358.XA CN202210903358A CN115205156A CN 115205156 A CN115205156 A CN 115205156A CN 202210903358 A CN202210903358 A CN 202210903358A CN 115205156 A CN115205156 A CN 115205156A
- Authority
- CN
- China
- Prior art keywords
- pixel points
- preset
- filtering window
- filling
- median filtering
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000015654 memory Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 150000003839 salts Chemical class 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种无失真的中值滤波边界填充方法及装置、电子设备、存储介质,无失真的中值滤波边界填充方法包括:获取预设像素点的预设维度图像;选择指定大小的中值滤波窗口,滑过预设维度图像,中值滤波窗口内的像素点为奇数个;当滤波窗口滑至预设维度图像的边界处,选取中值滤波窗口与预设维度图像中重合的像素点作为有效像素点,未重合的像素点作为无效像素点,并标记出无效像素点的个数;向有效像素点序列中填充预设像素点,替换掉无效像素点,得到相应的目标滤波窗口,其中,预设像素点的个数为无效像素点的个数;对经过边界填充之后的目标滤波窗口进行中值滤波处理。本申请的方法使图像处理结果不失真。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种无失真的中值滤波边界填充方法及装置、电子设备、存储介质。
背景技术
中值滤波是图像处理中广泛用到的一种空间滤波方法。它可以有效的去除椒盐噪声。所谓中值就是找一个图像像素序列中排在中间的值,本质上是一个排队问题。对于图像的中值滤波一般选取一个K×K(k取3,5,7这样的奇数)的窗口,这个窗口内的像素数目为奇数,所以从排队的角度,总可以找到一个唯一的中值。
在滤波过程中,K×K的窗口经过图像的边界时,往往滤波窗口会有一部分伸出图像边界外。为了保证中值滤波之后,图像尺寸边界不变,一般在边界处会填充一些像素。像素的填充实际上是一种像素的预测,这种像素预测往往采用局部性原理,对像素进行简单的重复或者取均值。但是对于中值滤波来说,这种像素预测是不够准确的,可能引起中值偏离实际图像的中值较多,导致图像处理结果失真。
发明内容
本申请的目的是提供一种无失真的中值滤波边界填充方法,用于对边界的图像进行滤波处理,使图像处理结果不失真。
本申请实施例第一方面提供一种无失真的中值滤波边界填充方法,包括:
获取预设像素点的预设维度图像;
选择指定大小的中值滤波窗口,滑过所述预设维度图像,所述中值滤波窗口内的像素点为奇数个;
当所述中值滤波窗口滑至所述预设维度图像的边界处,选取所述中值滤波窗口与所述预设维度图像中重合的像素点作为有效像素点,未重合的像素点作为无效像素点,并标记出无效像素点的个数;
向所述有效像素点序列中填充预设像素点,替换掉所述无效像素点,得到相应的目标滤波窗口,其中,所述预设像素点的个数为所述无效像素点的个数;
对经过边界填充之后的所述目标滤波窗口进行中值滤波处理。
于一实施例中,所述向所述有效像素点序列中填充预设像素点,包括:
选取预设字节数对应的像素点最大值和像素点最小值,向所述有效像素点序列中进行填充,所述像素点最大值和所述像素点最小值的个数之和为所述无效像素点的个数。
于一实施例中,所述选取预设字节数对应的像素点最大值和像素点最小值,向所述有效像素点序列中进行填充,包括:
若所述有效像素点的个数为偶数;
向所述有效像素点序列中填充预设数量个所述像素点最小值,以及预设数量加1个所述像素点最大值,得到相应的目标滤波窗口。
于一实施例中,所述选取预设字节数对应的像素点最大值和像素点最小值,向所述有效像素点序列中进行填充,包括:
若所述有效像素点的个数为偶数;
向所述有效像素点序列中填充预设数量加1个所述像素点最小值,以及预设数量个所述像素点最大值,得到相应的目标滤波窗口。
于一实施例中,所述向所述有效像素点序列中填充预设像素点,包括:
若所述有效像素点的个数为偶数;
选取所有所述有效像素点组成的序列中的最小值和最大值;
向所述有效像素点序列中填充预设数量个所述最小值,以及预设数量加1个所述最大值,得到相应的目标滤波窗口。
于一实施例中,所述向所述有效像素点序列中填充预设像素点,包括:
若所述有效像素点的个数为偶数;
选取所有所述有效像素点组成的序列中的最小值和最大值;
向所述有效像素点序列中填充预设数量加1个所述最小值,以及预设数量个所述最大值,得到相应的目标滤波窗口。
于一实施例中,所述选取预设字节数对应的像素点最大值和像素点最小值,向所述有效像素点序列中进行填充,包括:
若所述有效像素点的个数为奇数;
向所述有效像素点序列中填充相等预设数量个所述像素点最小值和所述像素点最大值,得到相应的目标滤波窗口,其中,预设数量为偶数个。
本申请实施例第二方面提供一种图像边界处理装置,包括:
获取模块,用于获取预设像素点的预设维度图像;
滤波窗口模块,用于选择指定大小的中值滤波窗口,滑过所述预设维度图像,所述中值滤波窗口内的像素点为奇数个;
像素点识别模块,用于当所述中值滤波窗口滑至所述预设维度图像的边界处,选取所述中值滤波窗口与所述预设维度图像中重合的像素点作为有效像素点,未重合的像素点作为无效像素点,并标记出无效像素点的个数;
目标滤波窗口生成模块,用于向所述有效像素点序列中填充预设像素点,替换掉所述无效像素点,得到相应的目标滤波窗口,其中,所述预设像素点的个数为所述无效像素点的个数;
中值滤波模块,用于对经过边界填充之后的所述目标滤波窗口进行中值滤波处理。
本申请实施例第三方面提供一种电子设备,所述电子设备包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行本申请第一方面任意一项实施例所述的方法。
本申请实施例第四方面提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序可由处理器执行以完成上述方法。
本申请与现有技术相比的有益效果是:本申请提供一种主要应用于二维图像(但不限于二维图像)中值边界滤波的边界处理方法。本申请的图像边界滤波方法用于对边界的图像进行滤波处理,使图像处理结果不失真。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请一实施例提供的电子设备的结构示意图;
图2为本申请一实施例提供的无失真的中值滤波边界填充方法的流程示意图;
图3为本申请一实施例提供的中值滤波窗口的结构示意图;
图4为本申请一实施例提供的无失真的中值滤波边界填充装置的结构示意图。
具体实施方式
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描述。
相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波在二维图像中的应用方法是用某种结构的二维滑动模板,例如中值滤波加速器,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的为二维数据序列。
中值滤波会选取数字图像或数字序列中像素点及其周围临近像素点(一共有奇数个像素点)的像素值,将这些像素值排序,然后将位于中间位置的像素值作为当前像素点的像素值,让周围的像素值接近真实值,从而消除孤立的噪声点。
请参照图1,其为本申请一实施例提供的电子设备100的结构示意图。该电子设备100包括:一个或多个处理器120、一个或多个存储处理器120可执行指令的存储器104。其中,所述处理器120被配置为执行本申请下述实施例提供的无失真的中值滤波边界填充方法。
所述处理器120可以是网关,也可以为智能终端,或者是包含中央处理单元(CPU)、图像处理单元(GPU)或者定制的专用于中值滤波处理的加速器模块,可以对所述电子设备100中的其它组件的数据进行处理,还可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储器104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器120可以运行所述程序指令,以实现下文所述的无失真的中值滤波边界填充方法。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
在一实施例中,图1所示电子设备100还可以包括输入装置106、输出装置108以及数据采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备100也可以具有其他组件和结构。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。所述数据采集装置110可以采集对象的图像,并且将所采集的图像存储在所述存储器104中以供其它组件使用。示例性地,该数据采集装置110可以为摄像头。
在一实施例中,用于实现本申请实施例的无失真的中值滤波边界填充方法的示例电子设备100中的各器件可以集成设置,也可以分散设置,诸如将处理器120、存储器104、输入装置106和输出装置108集成设置于一体,而将数据采集装置110分离设置。
在一实施例中,用于实现本申请实施例的无失真的中值滤波边界填充方法的示例电子设备100可以是计算机。
请参照图2,其为本申请一实施例提供的无失真的中值滤波边界填充方法的流程示意图,基于中值滤波法的原理,通过计算机控制一种窗口和维度的中值滤波所需要的硬件电路,以执行无失真的中值滤波边界填充方法,具体包括步骤S210-步骤S250:
步骤S210:获取预设像素点的预设维度图像。
预设维度图像可以包括二维图像、三维图像等多维图像。本步骤中,可通过数据采集装置110采集一幅原始二维图像,原始二维图像的像素点可根据需要预先设置,例如采集100×100个像素点的原始二维图像。
步骤S220:选择指定大小的中值滤波窗口,滑过预设维度图像,中值滤波窗口内的像素点为奇数个。
本步骤中,中值滤波窗口即为中值滤波加速器,指定大小为中值滤波窗口的宽度,宽度>1,且中值滤波窗口内含有的像素点的个数为奇数。例如,选择一个3×3的中值滤波窗口,将3×3中值滤波窗口按照100×100的原始二维图像的长度和宽度方向进行滑动。
步骤S230:当中值滤波窗口滑至原始图像的边界处,选取中值滤波窗口与预设维度图像中重合的像素点作为有效像素点,未重合的像素点作为无效像素点,并标记出无效像素点的个数。
请参照图3,本步骤中,当一个3×3中值滤波窗口滑过100×100的原始二维图像,为了保持滤波后图像的尺寸不变,理论上要再填充K-1=2列/行的数据。这样一个3×3中值滤波窗口滑过这个102×102的二维图像,就能在中值滤波窗口不跳出图像边界的情况下,保持输出二维图像仍然为100×100不变。
根据前述中值滤波的原理,在100×100的原始二维图像边界范围内,当3×3中值滤波窗口每向右沿原始二维图像长度方向滑过一列,都可以计算出每一次滑动时,3×3中值滤波窗口与原始二维图像全部重合的那部分像素点中的中值。但是当3×3中值滤波窗口滑到图像的右边和下边界时,中值滤波窗口中会有一部分像素点与原始二维图像的像素点重合,此时,采用已有的硬件电路条件(即3×3滤波窗口)已经无法满足在边界处,部分重合的中值滤波窗口的中值滤波,这将导致边界处的滤波结果失真。此时,需要填充一部分像素点到重合的像素点中,从而使中值滤波窗口仍然为3×3,这样就可以采用已有的硬件电路条件来处理二维图像边界的滤波问题。
本步骤中,将中值滤波窗口与二维图像中重合的像素点作为有效像素点,未重合的像素点作为无效像素点,标记出无效像素点的个数。无效像素点的个数与有效像素点的个数之和为中值滤波窗口中像素点的个数,本实施例中,由于中值滤波窗口为3×3,可知无效像素点的个数与有效像素点的个数之和为9。
步骤S240:向有效像素点序列中填充预设像素点,替换掉无效像素点,得到相应的目标滤波窗口,其中,预设像素点的个数为无效像素点的个数。
如步骤S230所述,3×3中值滤波窗口滑到100×100原始二维图像边界处,使中值滤波窗口与原始二维图像中重合的有效像素点个数<9,则需要向有效像素点中填充一部分像素点,这一部分像素点称为预设像素点。如前所述,无效像素点的个数与有效像素点的个数之和为9,因此,预设像素点的个数即为无效像素点的个数。通过填充的预设像素点个数与有效像素点个数之和保持为9,从而使所形成的新的中值滤波窗口仍为3×3。将由新像素点组成的中值滤波窗口称为目标滤波窗口。
于一实施例中,向有效像素点序列中填充预设像素点,包括:
选取预设字节数对应的像素点最大值和像素点最小值,向有效像素点序列中进行填充,像素点最大值和像素点最小值的个数之和为无效像素点的个数。
例如,3×3中值滤波窗口内的所有像素点所组成的序列是3bit的无符号整数,则对应的最大值为7,最小值为0。在向有效像素点序列填充预设像素点时,可以填充0和7,填充0和7的个数之和即为无效像素点的个数。当然,也可以取4bit的无符号整数,则对应的最小值为0,最大值为15;或者取8bit的无符号整数,对应的最小值为0,最大值为255。本实施例中,包括但不限于取3bit的无符号整数。
步骤S250:对目标滤波窗口进行中值滤波处理。
本步骤中,当填充预设像素点之后,所得到的目标滤波窗口仍然为3×3,因而在原始二维图像的边界处,仍然可以使用3×3中值滤波窗口来计算边界处的像素点中值,即完成目标滤波窗口的中值滤波处理。采用的中值滤波法原理在此不再赘述。
本申请中,在步骤S230中,3×3中值滤波窗口划过100×100原始二维图像,在原始图像边界处会出现如下2种情况:(1)中值滤波窗口外的像素点为偶数个点的情况(即无效像素点为偶数个),如图3中的(b)所示;以及(2)中值滤波窗口外的像素点为奇数个点的情况(即有效像素点为奇数个),如图3中的(a)、(c)所示。
对于第(1)种情况,参照图3中的(b),当有效像素点的个数为奇数时,向有效像素点序列中填充相等预设数量个像素点最小值和像素点最大值,得到相应的目标滤波窗口,其中,预设数量为偶数个。
本实施例中,由于3×3中值滤波窗口内像素点总个数为奇数个,中值滤波窗口外有偶数个无效像素点时,意味着中值滤波窗口内有奇数个有效像素点。所以可以对有效像素点,填充一半的像素点最大值(例如7),一半的像素点最小值(例如0)。填充的像素点最大值和像素点最小值的个数相等,且两者之和保持为偶数个。
对于中值这种排队理论来说,可以证明:如果一个序列经过中值排队选中的结果为A;那么在这个序列中加入相等数量的最大值和最小值,形成的新的队列,排队出来的结果仍然是A。
举例说明,假设有效像素点组成的序列为1,2,3,4,5;其中,1,2,3,4,5代表像素点的值,3为这个序列的中值。当插入偶数个像素点最小值0和像素点最大值7,无论是0,1,2,3,4,5,7,或者是0,0,1,2,3,4,5,7,7,只要对称插入的最大值和最小值,并不能改变中值排列,新的像素点组成的序列的滤波中值仍然为3。
对于第(2)种情况,参照图3中的(a)和(c),当有效像素点的个数为偶数时,不论怎么填充,不可能让填充的像素点最大值和像素点最小值数目相等。向有效像素点序列中填充预设像素点包括4种方式,分别为I、II、III、IV:
(I)向有效像素点序列中填充预设数量个像素点最小值,以及预设数量加1个像素点最大值,得到相应的目标滤波窗口。
假定窗口外的像素点为(2×n+1)个,向有效像素点序列中填充n个像素点最小值,以及n+1个像素点最大值,得到相应的目标滤波窗口。
举例说明,参照图3中的(a),假设有效像素点组成的序列是1,2,3,4;其中,1,2,3,4代表像素点的值,该序列中没有最优中值,但可以认为2或3为该序列的中值候选者。当向有效像素点序列中填充1个像素点最小值0,以及2个像素点最大值7,即插入3个像素点元素,得到的目标滤波窗口内像素点形成的序列为0,1,2,3,4,7,7,那么采用(I)方法结合中值滤波法原理,计算目标滤波窗口的滤波中值为3。
(II)向有效像素点序列中填充预设数量加1个像素点最小值,以及预设数量个像素点最大值,得到相应的目标滤波窗口。
假定窗口外的像素点为(2×n+1)个,向有效像素点序列中填充n+1个像素点最小值,以及n个像素点最大值,得到相应的目标滤波窗口。
举例说明,参照图3中的(a),假设有效像素点组成的序列是1,2,3,4;其中,1,2,3,4代表像素点的值,该序列中没有最优中值,但可以认为2或3为该序列的中值候选者。当向有效像素点序列中填充2个像素点最小值0,以及1个像素点最大值7,即插入3个像素点元素,得到的目标滤波窗口内像素点形成的序列为0,0,1,2,3,4,7,那么采用(II)方法结合中值滤波法原理,计算目标滤波窗口的滤波中值为2。
(III)选取所有有效像素点组成的序列中的最小值和最大值;向有效像素点序列中填充预设数量个最小值,以及预设数量加1个最大值,得到相应的目标滤波窗口。
举例说明,假设有效像素点组成的序列是1,2,3,4;其中,1,2,3,4代表像素点的值,该序列中没有最优中值,但可以认为2或3为该序列的中值候选者。该序列中的最小值为1,最大值为4。假设假定窗口外的像素点为(2×n+1)个,向有效像素点序列中填充n个最小值,以及n+1个最大值,得到相应的目标滤波窗口。例如,向有效像素点序列中填充1个最小值1,以及2个最大值4,即插入3个像素点元素,得到的目标滤波窗口内像素点形成的序列为1,1,2,3,4,4,4,那么采用(III)方法结合中值滤波法原理,计算目标滤波窗口的滤波中值为3。
(IV)选取所有有效像素点组成的序列中的最小值和最大值;向有效像素点序列中填充预设数量加1个最小值,以及预设数量个最大值,得到相应的目标滤波窗口。
举例说明,假设有效像素点组成的序列是1,2,3,4;其中,1,2,3,4代表像素点的值,该序列中没有最优中值,但可以认为2或3为该序列的中值候选者。该序列中的最小值为1,最大值为4。假设假定窗口外的像素点为(2×n+1)个,向有效像素点序列中填充n+1个最小值,以及n个最大值,得到相应的目标滤波窗口。例如,向有效像素点序列中填充2个最小值1,以及1个最大值4,即插入3个像素点元素,得到的目标滤波窗口内像素点形成的序列为1,1,1,2,3,4,4,那么采用(IV)方法结合中值滤波法原理,计算目标滤波窗口的滤波中值为2。
可以看出,上述(I)、(II)、(III)、(IV)4种填充方法,只是让可能的中值确定化,并没有产生错误的中值。其中,如果填充的最大值比最小值多一个,那么目标滤波窗口的中值就往大的方向偏,如果填充的最小值比最大值多一个,目标滤波窗口的中值往小的方向偏。
针对第(2)这种情况下,存在一种特殊的情况,即有效像素点的个数虽然为偶数,但是有效像素点组成的序列中有偶数个元素的像素点值相同。举例说明,假设,有效像素点组成序列是1,2,2,4,其最优滤波中值为2,分别按照上述(I)、(II)、(III)、(IV)提供的4种填充方法进行填充,如下:
采用(I)这种方式填充,向有效像素点序列中填充1个像素点最小值0,以及2个像素点最大值7,即插入3个像素点元素,得到的目标滤波窗口内像素点形成的序列为0,1,2,2,4,7,7,那么采用(I)方法结合中值滤波法原理,计算目标滤波窗口的滤波中值为2。
采用(II)这种方式填充,向有效像素点序列中填充2个像素点最小值0,以及1个像素点最大值7,即插入3个像素点元素,得到的目标滤波窗口内像素点形成的序列为0,0,1,2,2,4,7,那么采用(II)方法结合中值滤波法原理,计算目标滤波窗口的滤波中值为2。
采用(III)这种方式填充,向有效像素点序列中填充1个最小值1,以及2个最大值4,即插入3个像素点元素,得到的目标滤波窗口内像素点形成的序列为1,1,2,2,4,4,4,那么采用(III)方法结合中值滤波法原理,计算目标滤波窗口的滤波中值为2。
采用(IV)这种方式填充,向有效像素点序列中填充2个最小值1,以及1个最大值4,即插入3个像素点元素,得到的目标滤波窗口内像素点形成的序列为1,1,1,2,2,4,4,那么采用(IV)方法结合中值滤波法原理,计算目标滤波窗口的滤波中值为2。
所以,针对这种特殊情况,采用上述(I)、(II)、(III)、(IV)这4种填充方法,得到的目标滤波窗口,由此计算的图像边界的中值不发生变化,即均不改变中值的最优结果。
但从硬件实现来说,(I)、(II)两种方式最优化,可以很轻松的处理边界问题,从而使得中值滤波在边界处不失真,优于现有opencv给出的四种边界填充方式。选择(I)、(II)两种填充方式,现有的硬件能够轻松的解决多个不同滤波核元素的合并问题。
本申请的中值滤波边界填充方法用于对边界的多维图像进行滤波处理,使图像处理结果不失真。
请参照图4,其为本申请一实施例提供的一种无失真的中值滤波边界填充装置,包括:获取模块501、滤波窗口模块502、像素点识别模块503、目标滤波窗口生成模块504、中值滤波模块505。
获取模块501,用于获取预设像素点的预设维度图像;
滤波窗口模块502,用于选择指定大小的中值滤波窗口,滑过预设维度图像,中值滤波窗口内的像素点为奇数个;
像素点识别模块503,用于当中值滤波窗口滑至预设维度图像的边界处,选取中值滤波窗口与预设维度图像中重合的像素点作为有效像素点,未重合的像素点作为无效像素点,并标记出无效像素点的个数;
目标滤波窗口生成模块504,用于向有效像素点序列中填充预设像素点,替换掉无效像素点,得到相应的目标滤波窗口,其中,预设像素点的个数为无效像素点的个数;
中值滤波模块505,用于对经过边界填充之后的目标滤波窗口进行中值滤波处理。
上述装置中各个模块的功能和作用的实现过程具体详见上述无失真的中值滤波边界填充方法中对应步骤的实现过程,在此不再赘述。
在本申请所提供的几个实施例中,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种无失真的中值滤波边界填充方法,其特征在于,包括:
获取预设像素点的预设维度图像;
选择指定大小的中值滤波窗口,滑过所述预设维度图像,所述中值滤波窗口内的像素点为奇数个;
当所述中值滤波窗口滑至所述预设维度图像的边界处,选取所述中值滤波窗口与所述预设维度图像中重合的像素点作为有效像素点,未重合的像素点作为无效像素点,并标记出无效像素点的个数;
向所述有效像素点序列中填充预设像素点,替换掉所述无效像素点,得到相应的目标滤波窗口,其中,所述预设像素点的个数为所述无效像素点的个数;
对经过边界填充之后的所述目标滤波窗口进行中值滤波处理。
2.根据权利要求1所述的方法,其特征在于,所述向所述有效像素点序列中填充预设像素点,包括:
选取预设字节数对应的像素点最大值和像素点最小值,向所述有效像素点序列中进行填充,所述像素点最大值和所述像素点最小值的个数之和为所述无效像素点的个数。
3.根据权利要求2所述的方法,其特征在于,所述选取预设字节数对应的像素点最大值和像素点最小值,向所述有效像素点序列中进行填充,包括:
若所述有效像素点的个数为偶数;
向所述有效像素点序列中填充预设数量个所述像素点最小值,以及预设数量加1个所述像素点最大值,得到相应的目标滤波窗口。
4.根据权利要求2所述的方法,其特征在于,所述选取预设字节数对应的像素点最大值和像素点最小值,向所述有效像素点序列中进行填充,包括:
若所述有效像素点的个数为偶数;
向所述有效像素点序列中填充预设数量加1个所述像素点最小值,以及预设数量个所述像素点最大值,得到相应的目标滤波窗口。
5.根据权利要求1所述的方法,其特征在于,所述向所述有效像素点序列中填充预设像素点,包括:
若所述有效像素点的个数为偶数;
选取所有所述有效像素点组成的序列中的最小值和最大值;
向所述有效像素点序列中填充预设数量个所述最小值,以及预设数量加1个所述最大值,得到相应的目标滤波窗口。
6.根据权利要求1所述的方法,其特征在于,所述向所述有效像素点序列中填充预设像素点,包括:
若所述有效像素点的个数为偶数;
选取所有所述有效像素点组成的序列中的最小值和最大值;
向所述有效像素点序列中填充预设数量加1个所述最小值,以及预设数量个所述最大值,得到相应的目标滤波窗口。
7.根据权利要求2所述的方法,其特征在于,所述选取预设字节数对应的像素点最大值和像素点最小值,向所述有效像素点序列中进行填充,包括:
若所述有效像素点的个数为奇数;
向所述有效像素点序列中填充相等预设数量个所述像素点最小值和所述像素点最大值,得到相应的目标滤波窗口,其中,预设数量为偶数个。
8.一种无失真的中值滤波边界填充装置,其特征在于,包括:
获取模块,用于获取预设像素点的预设维度图像;
滤波窗口模块,用于选择指定大小的中值滤波窗口,滑过所述预设维度图像,所述中值滤波窗口内的像素点为奇数个;
像素点识别模块,用于当所述中值滤波窗口滑至所述预设维度图像的边界处,选取所述中值滤波窗口与所述预设维度图像中重合的像素点作为有效像素点,未重合的像素点作为无效像素点,并标记出无效像素点的个数;
目标滤波窗口生成模块,用于向所述有效像素点序列中填充预设像素点,替换掉所述无效像素点,得到相应的目标滤波窗口,其中,所述预设像素点的个数为所述无效像素点的个数;
中值滤波模块,用于对经过边界填充之后的所述目标滤波窗口进行中值滤波处理。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序可由处理器执行以完成权利要求1-7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210903358.XA CN115205156B (zh) | 2022-07-27 | 2022-07-27 | 无失真的中值滤波边界填充方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210903358.XA CN115205156B (zh) | 2022-07-27 | 2022-07-27 | 无失真的中值滤波边界填充方法及装置、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115205156A true CN115205156A (zh) | 2022-10-18 |
CN115205156B CN115205156B (zh) | 2023-06-30 |
Family
ID=83584590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210903358.XA Active CN115205156B (zh) | 2022-07-27 | 2022-07-27 | 无失真的中值滤波边界填充方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205156B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020186890A1 (en) * | 2001-05-03 | 2002-12-12 | Ming-Chieh Lee | Dynamic filtering for lossy compression |
CN102497523A (zh) * | 2011-12-05 | 2012-06-13 | 四川虹微技术有限公司 | 中值滤波去隔行的方法 |
CN109035173A (zh) * | 2018-08-15 | 2018-12-18 | 深圳大学 | 一种图像滤波方法、存储介质以及终端设备 |
CN110264405A (zh) * | 2019-06-17 | 2019-09-20 | 深圳飞马机器人科技有限公司 | 基于插值算法的图像处理方法、装置、服务器和存储介质 |
CN111275696A (zh) * | 2020-02-10 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 一种医学图像处理的方法、图像处理的方法及装置 |
CN111325694A (zh) * | 2020-02-25 | 2020-06-23 | 深圳市景阳科技股份有限公司 | 图像噪声去除方法及装置 |
CN111415310A (zh) * | 2020-03-26 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
CN111986124A (zh) * | 2020-09-07 | 2020-11-24 | 北京凌云光技术集团有限责任公司 | 一种深度图像缺失像素的填充方法及装置 |
CN114202466A (zh) * | 2020-09-18 | 2022-03-18 | 北京金山云网络技术有限公司 | 图像降噪方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-27 CN CN202210903358.XA patent/CN115205156B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020186890A1 (en) * | 2001-05-03 | 2002-12-12 | Ming-Chieh Lee | Dynamic filtering for lossy compression |
CN102497523A (zh) * | 2011-12-05 | 2012-06-13 | 四川虹微技术有限公司 | 中值滤波去隔行的方法 |
CN109035173A (zh) * | 2018-08-15 | 2018-12-18 | 深圳大学 | 一种图像滤波方法、存储介质以及终端设备 |
CN110264405A (zh) * | 2019-06-17 | 2019-09-20 | 深圳飞马机器人科技有限公司 | 基于插值算法的图像处理方法、装置、服务器和存储介质 |
CN111275696A (zh) * | 2020-02-10 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 一种医学图像处理的方法、图像处理的方法及装置 |
CN111325694A (zh) * | 2020-02-25 | 2020-06-23 | 深圳市景阳科技股份有限公司 | 图像噪声去除方法及装置 |
CN111415310A (zh) * | 2020-03-26 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
CN111986124A (zh) * | 2020-09-07 | 2020-11-24 | 北京凌云光技术集团有限责任公司 | 一种深度图像缺失像素的填充方法及装置 |
CN114202466A (zh) * | 2020-09-18 | 2022-03-18 | 北京金山云网络技术有限公司 | 图像降噪方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
ANQI HUANG ET AL: "A methodology to reconstruct LAI time series data based on generative adversarial network and improved Savitzky-Golay filter", vol. 105, pages 1 - 13 * |
王梦园: "面向飞腾平台图像滤波算法的实现与优化", vol. 2022, no. 5, pages 2 * |
Also Published As
Publication number | Publication date |
---|---|
CN115205156B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961303B (zh) | 一种图像处理方法、装置、电子设备和计算机可读介质 | |
CN110324664B (zh) | 一种基于神经网络的视频补帧方法及其模型的训练方法 | |
CN111275626B (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
CN108492287B (zh) | 一种视频抖动检测方法、终端设备及存储介质 | |
CN109064428B (zh) | 一种图像去噪处理方法、终端设备及计算机可读存储介质 | |
KR101429371B1 (ko) | 장면 내에서의 정확한 피사체 거리 및 상대적인 피사체 거리를 추정하는 알고리즘 | |
US9361704B2 (en) | Image processing device, image processing method, image device, electronic equipment, and program | |
EP3200091A1 (en) | Apparatus and method for handling bulleted lists | |
CN112584232A (zh) | 视频插帧方法、装置及服务器 | |
CN109785264B (zh) | 图像增强方法、装置及电子设备 | |
CN109286758B (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN109671061A (zh) | 一种图像分析方法、装置、计算设备及存储介质 | |
CN110991310B (zh) | 人像检测方法、装置、电子设备及计算机可读介质 | |
CN114024944B (zh) | 媒体内容植入方法、装置、电子设备及存储介质 | |
CN115759148B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN114494775A (zh) | 视频切分方法、装置、设备及存储介质 | |
CN111145202B (zh) | 模型生成方法、图像处理方法、装置、设备及存储介质 | |
CN110310242A (zh) | 一种图像去模糊方法及装置、存储介质 | |
CN115205156B (zh) | 无失真的中值滤波边界填充方法及装置、电子设备、存储介质 | |
CN113570494B (zh) | 一种加密数字水印添加方法及系统、设备和存储介质 | |
CN105635596B (zh) | 用于控制相机的曝光的系统及其方法 | |
CN112907645B (zh) | 视差图获取方法、装置、训练方法、电子设备和介质 | |
CN111405266B (zh) | 双目图像快速处理方法、装置及对应的存储介质 | |
JP7427398B2 (ja) | 画像処理装置、画像処理方法、画像処理システム及びプログラム | |
CN114861904A (zh) | 图像训练数据的生成方法、装置、终端设备及存储介质 |
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 |