CN116228586A - 基于遍历处理的锐化算法选择系统 - Google Patents
基于遍历处理的锐化算法选择系统 Download PDFInfo
- Publication number
- CN116228586A CN116228586A CN202310240771.7A CN202310240771A CN116228586A CN 116228586 A CN116228586 A CN 116228586A CN 202310240771 A CN202310240771 A CN 202310240771A CN 116228586 A CN116228586 A CN 116228586A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- sharpening
- picture
- image
- random
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 238000003707 image sharpening Methods 0.000 claims abstract description 84
- 230000007246 mechanism Effects 0.000 claims abstract description 47
- 238000013528 artificial neural network Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 16
- 238000012795 verification Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明涉及一种基于遍历处理的锐化算法选择系统，包括：信息存储机构，用于存储各种图像锐化算法的各自关联信息；网络应用器件，用于将待锐化处理画面遍历各种图像锐化算法分别对应的各个前馈神经网络以分别获得各个锐化处理后的画面锐度；算法选择器件，用于将数值最大的画面锐度对应的图像锐化算法作为目标锐化算法选用。本发明的基于遍历处理的锐化算法选择系统运行稳定、操控智能。由于能够在针对各种图像锐化算法分别建立不同的锐化效果验证模型的基础上，将待锐化画面遍历各种图像锐化算法以获得各种锐化效果，进而选择出最佳锐化效果对应的图像锐化算法，从而实现最佳锐化算法的自动化获取。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种基于遍历处理的锐化算法选择系统。
背景技术
在图像处理的细分领域中，图像锐化是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰的重要图像处理模式，图像锐化分为空间域处理和频域处理两类。
图像锐化是为了突出图像内各种目标的边缘、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，因此也被称为边缘增强。图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。另外，在水下图像的增强处理中除了去噪，对比度扩展外，有时候还需要加强图像中景物的边缘和轮廓。而边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观地想到用灰度的差分对边缘和轮廓进行提取。
CN107784641A公开了一种基于HPF的图像锐化算法，其过程如下：(1)对图像进行预处理；(2)对图像进行HPF卷积与处理；(3)确定Conv卷积图像参数TH、G、SHF、MAX。(4)对图像进行叠加。本算法能够充分利用图像灰度信息对经过HPF卷积后的图像进行自适应噪声虑除、边缘增强，将原图与卷积图像进行叠加，进而得到锐化后的图像，且本算法的计算方式采用全整型计算，加快了算法的运算速度，同时也适应了一些只能进行整型运算的平台，提高了算法的通用性，能够使得算法具有较好的可移植性以及较快的运算速度。
CN115668136A公开了一种寄存器映射电路，用于通过从另一寄存器映射状态的快照遍历ROB条目，恢复与被冲刷的指令相关联的寄存器映射状态。该寄存器映射电路包括ROB控制电路、快照电路和寄存器重命名恢复电路(RRRC)。ROB控制电路将ROB条目分配给进入处理器流水线的指令，包括被分配给目标指令的目标ROB条目和被分配给其他指令的其他ROB条目。快照电路捕获重命名映射表中的逻辑寄存器到物理寄存器映射状态的快照，该重命名映射表与可以被冲刷的指令的子集相关联。如果目标指令被冲刷，RRRC将基于被分配给另一指令的ROB条目中的快照来还原与目标指令相对应的重命名映射表寄存器映射状态，并遍历介于中间的ROB条目中的寄存器映射更新。
由此可见，现有技术中，存在各种锐化算法有待图像锐化使用，包括且不限于基于USM滤镜的锐化算法、基于高通滤波的锐化算法、基于空域微分法的锐化算法以及边缘锐化算法，针对每一待锐化图像，如何选择适合其的最佳锐化算法且不需要耗费大量的时间和运算，是当前需要解决的关键问题之一。
发明内容
为了解决相关领域的技术问题，本发明提供了一种基于遍历处理的锐化算法选择系统，能够在针对各种图像锐化算法分别建立不同的锐化效果验证模型的基础上，将待锐化画面遍历各种图像锐化算法以获得各种锐化效果，进而将最佳锐化效果对应的图像锐化算法作为所述待锐化画面的优化锐化算法以执行实际的锐化操作，从而避免陷入冗余、复杂的实际图像锐化处理中。
根据本发明的一方面，提供了一种基于遍历处理的锐化算法选择系统，所述系统包括：
信息存储机构，用于存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示；
内容鉴定机构，用于接收来自远端的数据发送机构发送的待锐化处理画面，获取所述待锐化处理画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值；
锐化分析器件，分别与所述信息存储机构以及所述内容鉴定机构连接，用于针对所述信息存储机构存储的每一种图像锐化算法建立一个对应的前馈神经网络，所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值，所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度；
网络应用器件，与所述锐化分析器件连接，用于将待锐化处理画面遍历所述信息存储机构存储的各种图像锐化算法分别对应的各个前馈神经网络以分别获得各个锐化处理后的画面锐度；
算法选择器件，与所述网络应用器件连接，用于将各个锐化处理后的画面锐度中数值最大的画面锐度对应的图像锐化算法作为目标锐化算法选用；
其中，接收来自远端的数据发送机构发送的待锐化处理画面，获取所述待锐化处理画面的清晰度、对比度以及多个随机像素点分别对应的各个灰度值包括：对所述待锐化处理画面的多个像素点进行预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点；
其中，存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示包括：针对每一种图像锐化算法，其对应的单位图像内容的运算量指的是对具有设定数量的多个像素点的图像内容执行对应的图像锐化算法所需要的运算量。
本发明的基于遍历处理的锐化算法选择系统运行稳定、操控智能。由于能够在针对各种图像锐化算法分别建立不同的锐化效果验证模型的基础上，将待锐化画面遍历各种图像锐化算法以获得各种锐化效果，进而选择出最佳锐化效果对应的图像锐化算法，从而实现最佳锐化算法的自动化获取。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明首要实施方案示出的基于遍历处理的锐化算法选择系统的内部结构示意图。
图2为根据本发明次要实施方案示出的基于遍历处理的锐化算法选择系统的内部结构示意图。
图3为根据本发明再次要实施方案示出的基于遍历处理的锐化算法选择系统的内部结构示意图。
具体实施方式
下面将参照附图对本发明的基于遍历处理的锐化算法选择系统的实施方案进行详细说明。
实施例1
图1为根据本发明首要实施方案示出的基于遍历处理的锐化算法选择系统的内部结构示意图，所述系统包括：
信息存储机构，用于存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示；
内容鉴定机构，用于接收来自远端的数据发送机构发送的待锐化处理画面，获取所述待锐化处理画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值；
锐化分析器件，分别与所述信息存储机构以及所述内容鉴定机构连接，用于针对所述信息存储机构存储的每一种图像锐化算法建立一个对应的前馈神经网络，所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值，所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度；
网络应用器件，与所述锐化分析器件连接，用于将待锐化处理画面遍历所述信息存储机构存储的各种图像锐化算法分别对应的各个前馈神经网络以分别获得各个锐化处理后的画面锐度；
算法选择器件，与所述网络应用器件连接，用于将各个锐化处理后的画面锐度中数值最大的画面锐度对应的图像锐化算法作为目标锐化算法选用；
其中，接收来自远端的数据发送机构发送的待锐化处理画面，获取所述待锐化处理画面的清晰度、对比度以及多个随机像素点分别对应的各个灰度值包括：对所述待锐化处理画面的多个像素点进行预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点；
其中，存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示包括：针对每一种图像锐化算法，其对应的单位图像内容的运算量指的是对具有设定数量的多个像素点的图像内容执行对应的图像锐化算法所需要的运算量。
实施例2
图2为根据本发明次要实施方案示出的基于遍历处理的锐化算法选择系统的内部结构示意图。
与图1不同，图2中的基于遍历处理的锐化算法选择系统还可以包括以下组件：
数据发送机构，与所述内容鉴定机构电性连接，用于向所述内容鉴定机构发送待锐化处理画面。
实施例3
图3为根据本发明再次要实施方案示出的基于遍历处理的锐化算法选择系统的内部结构示意图。
与图1不同，图3中的基于遍历处理的锐化算法选择系统还可以包括以下组件：
同步驱动机构，分别与所述锐化分析器件、所述信息存储机构以及所述内容鉴定机构连接，用于实现所述锐化分析器件、所述信息存储机构以及所述内容鉴定机构的同步控制；
其中，所述同步驱动机构采用矩形波的上升沿实现所述锐化分析器件、所述信息存储机构以及所述内容鉴定机构的同步控制。
接着，继续对本发明的基于遍历处理的锐化算法选择系统的具体结构进行进一步的说明。
在根据本发明的各个实施方案的基于遍历处理的锐化算法选择系统中：
所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值，所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度包括：所述前馈神经网络为完成多次训练后的前馈神经网络；
其中，所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值，所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度包括：所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值分别二进制转换后的数值；
其中，所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值，所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度包括：所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度对应的二进制数值。
在根据本发明的各个实施方案的基于遍历处理的锐化算法选择系统中：
对所述待锐化处理画面的多个像素点进行预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点包括：对所述待锐化处理画面的多个像素点进行在所述待锐化处理画面中先上后下且先左后右的预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点；
其中，对所述待锐化处理画面的多个像素点进行在所述待锐化处理画面中先上后下且先左后右的预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点包括：先上后下的优先权大于先左后右的优先权；
其中，对所述待锐化处理画面的多个像素点进行在所述待锐化处理画面中先上后下且先左后右的预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点包括：以所述待锐化处理画面左上角的像素点作为所述像素点序列中序号为1的像素点。
在根据本发明的各个实施方案的基于遍历处理的锐化算法选择系统中：
存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示包括：各种图像锐化算法包括基于USM滤镜的锐化算法、基于高通滤波的锐化算法、基于空域微分法的锐化算法以及边缘锐化算法；
其中，存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示包括：不同种类的图像锐化算法分别对应的算法编码不同。
另外，在所述基于遍历处理的锐化算法选择系统中，对所述待锐化处理画面的多个像素点进行在所述待锐化处理画面中先上后下且先左后右的预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点包括：以所述待锐化处理画面右下角的像素点作为所述像素点序列中序号为最大序号的像素点。
通过上面的描述可以发现，相对于现有技术，本发明至少具备以下几处有益的技术效果：
首先、针对各种图像锐化算法分别建立不同的锐化效果验证模型，所述模型基于锐化算法数据以及待锐化画面参数智能预判采用所述模型对待锐化画面执行锐化操作后获得的画面的锐化效果，从而为不执行实际锐化处理即可以获取优化锐化效果提供关键模型；
其次、采用待锐化画面遍历各种图像锐化算法以获得各种锐化效果，将最佳锐化效果对应的图像锐化算法作为所述待锐化画面的优化锐化算法以执行实际的锐化操作，从而在保证获取优质画面的同时避免进行过多无效的锐化处理。
虽然本发明已经被描述的相当具体，但是应该认识到，不脱离本发明的精神和范围，本领域的技术人员可以改变其中的元件。相信通过前面的描述将能够理解本发明的系统以及该系统附带的优点，并且很清楚，可以对其中的形式、结构及其组件安排进行各种改变，而不会脱离本发明的范围和精神或者不牺牲本发明的所有实质性优点，并且由于此前描述的形式仅仅是本发明的说明性实施方案，也不会提供另外的实质性改变。权利要求书意在涵盖并包括这些改变。
Claims (10)
1.一种基于遍历处理的锐化算法选择系统，其特征在于，所述系统包括：
信息存储机构，用于存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示；
内容鉴定机构，用于接收来自远端的数据发送机构发送的待锐化处理画面，获取所述待锐化处理画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值；
锐化分析器件，分别与所述信息存储机构以及所述内容鉴定机构连接，用于针对所述信息存储机构存储的每一种图像锐化算法建立一个对应的前馈神经网络，所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值，所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度；
网络应用器件，与所述锐化分析器件连接，用于将待锐化处理画面遍历所述信息存储机构存储的各种图像锐化算法分别对应的各个前馈神经网络以分别获得各个锐化处理后的画面锐度；
算法选择器件，与所述网络应用器件连接，用于将各个锐化处理后的画面锐度中数值最大的画面锐度对应的图像锐化算法作为目标锐化算法选用；
其中，接收来自远端的数据发送机构发送的待锐化处理画面，获取所述待锐化处理画面的清晰度、对比度以及多个随机像素点分别对应的各个灰度值包括：对所述待锐化处理画面的多个像素点进行预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点；
其中，存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示包括：针对每一种图像锐化算法，其对应的单位图像内容的运算量指的是对具有设定数量的多个像素点的图像内容执行对应的图像锐化算法所需要的运算量。
2.如权利要求1所述的基于遍历处理的锐化算法选择系统，其特征在于，所述系统还包括：
数据发送机构，与所述内容鉴定机构电性连接，用于向所述内容鉴定机构发送待锐化处理画面。
3.如权利要求1所述的基于遍历处理的锐化算法选择系统，其特征在于，所述系统还包括：
同步驱动机构，分别与所述锐化分析器件、所述信息存储机构以及所述内容鉴定机构连接，用于实现所述锐化分析器件、所述信息存储机构以及所述内容鉴定机构的同步控制；
其中，所述同步驱动机构采用矩形波的上升沿实现所述锐化分析器件、所述信息存储机构以及所述内容鉴定机构的同步控制。
4.如权利要求1-3任一所述的基于遍历处理的锐化算法选择系统，其特征在于：
所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值，所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度包括：所述前馈神经网络为完成多次训练后的前馈神经网络。
5.如权利要求4所述的基于遍历处理的锐化算法选择系统，其特征在于：
所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值，所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度包括：所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值分别二进制转换后的数值。
6.如权利要求5所述的基于遍历处理的锐化算法选择系统，其特征在于：
所述前馈神经网络的各项输入内容为对应图像锐化算法的算法编码、单位图像内容的运算量以及输入画面的清晰度、对比度、解析度以及多个随机像素点分别对应的各个灰度值，所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度包括：所述前馈神经网络的单项输出内容为输入画面采用对应图像锐化算法进行锐化处理后的画面锐度对应的二进制数值。
7.如权利要求1-3任一所述的基于遍历处理的锐化算法选择系统，其特征在于：
对所述待锐化处理画面的多个像素点进行预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点包括：对所述待锐化处理画面的多个像素点进行在所述待锐化处理画面中先上后下且先左后右的预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点。
8.如权利要求7所述的基于遍历处理的锐化算法选择系统，其特征在于：
对所述待锐化处理画面的多个像素点进行在所述待锐化处理画面中先上后下且先左后右的预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点包括：先上后下的优先权大于先左后右的优先权。
9.如权利要求8所述的基于遍历处理的锐化算法选择系统，其特征在于：
对所述待锐化处理画面的多个像素点进行在所述待锐化处理画面中先上后下且先左后右的预设顺序的排序以获得对应的像素点序列，在所述像素点序列对应的序号范围内基于随机函数获取固定比例的多个随机序号，将获取的多个随机序号分别对应多个像素点作为所述多个随机像素点包括：以所述待锐化处理画面左上角的像素点作为所述像素点序列中序号为1的像素点。
10.如权利要求1-3任一所述的基于遍历处理的锐化算法选择系统，其特征在于：
存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示包括：各种图像锐化算法包括基于USM滤镜的锐化算法、基于高通滤波的锐化算法、基于空域微分法的锐化算法以及边缘锐化算法；
其中，存储各种图像锐化算法分别对应的各个算法编码以及存储各种图像锐化算法分别对应的各个单位图像内容的运算量，每一个算法编码采用二进制编码数值进行表示包括：不同种类的图像锐化算法分别对应的算法编码不同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310240771.7A CN116228586B (zh) | 2023-03-14 | 2023-03-14 | 基于遍历处理的锐化算法选择系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310240771.7A CN116228586B (zh) | 2023-03-14 | 2023-03-14 | 基于遍历处理的锐化算法选择系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116228586A true CN116228586A (zh) | 2023-06-06 |
| CN116228586B CN116228586B (zh) | 2023-09-08 |
Family
ID=86582312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310240771.7A Active CN116228586B (zh) | 2023-03-14 | 2023-03-14 | 基于遍历处理的锐化算法选择系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116228586B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003317095A (ja) * | 2002-02-25 | 2003-11-07 | Noritsu Koki Co Ltd | 画像鮮鋭化処理方法、画像鮮鋭化処理プログラム、画像鮮鋭化処理プログラムを記録した記録媒体、ならびに画像出力装置 |
| US20160350645A1 (en) * | 2015-05-29 | 2016-12-01 | Samsung Electronics Co., Ltd. | Data-optimized neural network traversal |
| CN113313661A (zh) * | 2021-05-26 | 2021-08-27 | Oppo广东移动通信有限公司 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
| CN113744145A (zh) * | 2021-08-20 | 2021-12-03 | 武汉瓯越网视有限公司 | 提升图像清晰度的方法、存储介质、电子设备及系统 |
| CN114627030A (zh) * | 2022-05-13 | 2022-06-14 | 深圳深知未来智能有限公司 | 一种自适应的图像锐化方法及系统 |
| CN114648460A (zh) * | 2022-03-28 | 2022-06-21 | 杭州微帧信息科技有限公司 | 一种抑制黑白边的图像锐化方法 |
| WO2022161145A1 (zh) * | 2021-02-01 | 2022-08-04 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
| US20220301115A1 (en) * | 2020-05-13 | 2022-09-22 | Hangzhou Glority Software Limited | Image processing method and system, and computer readable storage medium |
| CN115330637A (zh) * | 2022-08-30 | 2022-11-11 | 集睿致远(厦门)科技有限公司 | 一种图像锐化方法、装置、计算设备及存储介质 |
-
2023
- 2023-03-14 CN CN202310240771.7A patent/CN116228586B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003317095A (ja) * | 2002-02-25 | 2003-11-07 | Noritsu Koki Co Ltd | 画像鮮鋭化処理方法、画像鮮鋭化処理プログラム、画像鮮鋭化処理プログラムを記録した記録媒体、ならびに画像出力装置 |
| US20160350645A1 (en) * | 2015-05-29 | 2016-12-01 | Samsung Electronics Co., Ltd. | Data-optimized neural network traversal |
| US20220301115A1 (en) * | 2020-05-13 | 2022-09-22 | Hangzhou Glority Software Limited | Image processing method and system, and computer readable storage medium |
| WO2022161145A1 (zh) * | 2021-02-01 | 2022-08-04 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
| CN113313661A (zh) * | 2021-05-26 | 2021-08-27 | Oppo广东移动通信有限公司 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
| CN113744145A (zh) * | 2021-08-20 | 2021-12-03 | 武汉瓯越网视有限公司 | 提升图像清晰度的方法、存储介质、电子设备及系统 |
| CN114648460A (zh) * | 2022-03-28 | 2022-06-21 | 杭州微帧信息科技有限公司 | 一种抑制黑白边的图像锐化方法 |
| CN114627030A (zh) * | 2022-05-13 | 2022-06-14 | 深圳深知未来智能有限公司 | 一种自适应的图像锐化方法及系统 |
| CN115330637A (zh) * | 2022-08-30 | 2022-11-11 | 集睿致远(厦门)科技有限公司 | 一种图像锐化方法、装置、计算设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| LEMESHEWSKY, GP: ""Neural network-based sharpening of Landsat thermal band images"", 《VISUAL INFORMATION PROCESSING VII》 * |
| 张巍;贺星;霍颖翔;滕少华;滕毅;李日贵;: ""基于并行运算的双层图像锐化方法"", 《计算机应用》, no. 08 * |
| 张晓彪;冯晓毅;彭进业;黄东;刘丽丽;: ""基于DR图像处理技术的肺部异常检测概述"", 《中国体视学与图像分析》, no. 02 * |
| 秦绪佳;单扬洋;肖佳吉;郑红波;张美玉;: ""基于压缩感知和SVR的自学习单幅图像超分辨率重建"", 《计算机科学》, no. 2 * |
| 魏威等: ""基于特征融合级联网络的交通标识牌检测算法"", 《计算机软件与应用》, vol. 39, no. 04 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116228586B (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021093432A1 (en) | System, device and method for video frame interpolation using structured neural network | |
| CN108229290B (zh) | 视频物体分割方法和装置、电子设备、存储介质 | |
| US10817984B2 (en) | Image preprocessing method and device for JPEG compressed file | |
| CN111507909A (zh) | 一种有雾图像清晰化的方法、装置及存储介质 | |
| CN113221925B (zh) | 一种基于多尺度图像的目标检测方法及装置 | |
| CN103632362A (zh) | 图像匹配处理方法、装置及系统 | |
| CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
| CN116228586B (zh) | 基于遍历处理的锐化算法选择系统 | |
| CN110348442A (zh) | 一种基于支持向量机的船载雷达图像海上油膜识别方法 | |
| CN112017113B (zh) | 图像处理方法及装置、模型训练方法及装置、设备及介质 | |
| Liu et al. | Learning multiscale pipeline gated fusion for underwater image enhancement | |
| CN115393868B (zh) | 文本检测方法、装置、电子设备和存储介质 | |
| CN116309158A (zh) | 网络模型的训练方法、三维重建方法、装置、设备和介质 | |
| Xiu et al. | Double discriminative face super-resolution network with facial landmark heatmaps | |
| JP2020095526A (ja) | 画像処理装置、方法、及びプログラム | |
| CN113160082B (zh) | 一种基于参考图像的晕影校正方法、系统、装置及介质 | |
| CN113284081A (zh) | 深度图超分辨率优化方法、装置、处理设备及存储介质 | |
| CN113379611B (zh) | 图像处理模型的生成方法、处理方法、存储介质及终端 | |
| CN115188000A (zh) | 基于ocr的文本识别方法、装置、存储介质及电子设备 | |
| CN113744141B (zh) | 图像的增强方法、装置和自动驾驶的控制方法、装置 | |
| CN107886485A (zh) | 基于Logistic隶属度函数的图像模糊增强方法及系统 | |
| CN113379610B (zh) | 图像处理模型的训练方法、图像处理方法、介质及终端 | |
| CN118135389B (zh) | 一种基于有效感受野调控的水下声学目标识别方法 | |
| CN109685723A (zh) | 一种多媒体数据信息处理方法 | |
| CN117197249B (zh) | 目标位置确定方法、装置、电子设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230814 Address after: 518100 Old No. 2 and No. 3, Anle 2nd Team, Xinghua 1st Road, Anle Community, Xin'an Street, Bao'an District, Shenzhen City, Guangdong Province Pengxingsheng Business Center 403 Applicant after: Shenzhen Hexi Technology Co.,Ltd. Address before: No. 20 Kaihua Road, Huayuan Industrial Zone, Binhai New Area, Tianjin, 300000 Applicant before: Zhu Guixiang |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240514 Address after: 907, No. 210, Tianwan Road, Tianliao Community, Yutang Street, Guangming District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Zongzheng Intellectual Property Service Co.,Ltd. Country or region after: China Address before: 518100 Old No. 2 and No. 3, Anle 2nd Team, Xinghua 1st Road, Anle Community, Xin'an Street, Bao'an District, Shenzhen City, Guangdong Province Pengxingsheng Business Center 403 Patentee before: Shenzhen Hexi Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |