CN116801047B - 基于权重归一化的机顶盒图像处理模块及方法 - Google Patents
基于权重归一化的机顶盒图像处理模块及方法 Download PDFInfo
- Publication number
- CN116801047B CN116801047B CN202311038655.3A CN202311038655A CN116801047B CN 116801047 B CN116801047 B CN 116801047B CN 202311038655 A CN202311038655 A CN 202311038655A CN 116801047 B CN116801047 B CN 116801047B
- Authority
- CN
- China
- Prior art keywords
- image
- weight
- module
- top box
- image processing
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 160
- 238000010606 normalization Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims description 39
- 238000003672 processing method Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 230000003044 adaptive effect Effects 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000003708 edge detection Methods 0.000 claims description 24
- 230000009467 reduction Effects 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000010191 image analysis Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 238000005286 illumination Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种基于权重归一化的机顶盒图像处理模块及方法,旨在通过精细的区域权重分配、自适应调整和有针对性的图像处理操作,优化机顶盒图像质量,提升用户观看体验。该图像处理模块包括权重分配单元、图像标记单元、图像处理单元和自适应调整单元。权重分配单元基于预设的权重归一化策略为图像不同区域分配权重。图像标记单元通过分水岭算法分割并标记出不同区域的物体轮廓。图像处理单元根据权重分配优化各区域的图像质量。自适应调整单元根据实时场景检测信息,动态调整每区域权重以适应不同图像处理需求。本发明通过权重分配、区域优化和自适应调整,能够在机顶盒图像处理中提供更出色的效果,为用户带来更优质的图像观看体验。
Description
技术领域
本发明涉及图像通信技术领域,特别涉及一种基于权重归一化的机顶盒图像处理模块及方法。
背景技术
随着数字媒体技术的不断发展,机顶盒作为一种用于接收、解码和传输电视信号的关键设备,在家庭娱乐领域扮演着重要角色。然而,随着高清、超高清和三维图像等技术的广泛应用,机顶盒在图像处理方面面临着一些挑战。当前机顶盒所面临的一些背景技术问题包括图像质量下降、传输带宽受限、资源利用不足等。
在传统的图像处理方法中,常常会将整个图像视为一个整体进行处理。这种方法虽然简单,但在图像的不同区域存在差异性时,难以实现对图像的精细控制。特别是在高动态范围(HDR)图像或复杂场景中,图像的不同区域可能具有不同的亮度、对比度、颜色饱和度等特点。传统方法可能无法准确捕捉和处理这些差异,导致图像质量下降或者某些细节丢失。
此外,机顶盒的资源限制也是一个挑战。在图像处理过程中,可能需要耗费大量的计算资源和存储空间。然而,传输和处理大量图像数据可能会导致卡顿、延迟等问题,影响用户体验。因此,如何在有限的资源条件下,实现高质量的图像处理和传输,成为了机顶盒领域亟待解决的问题。
综上所述,机顶盒在图像处理方面存在图像处理精细度不足、资源利用不足等问题。需要一种新的图像处理方法,能够针对图像的不同区域进行精细化处理,并能够在有限资源条件下实现高效的图像处理和传输。
发明内容
为解决上述技术问题,本发明提供一种基于权重归一化的机顶盒图像处理模块及方法,以优化机顶盒在图像传输和显示方面的性能。本发明通过采用权重归一化技术,在图像处理过程中对不同区域的图像赋予不同的权重,从而实现图像质量的提升和资源的有效利用。同时,本发明还提供了相应的机顶盒图像处理方法,可应用于电视信号接收、图像解码和显示等领域。
本发明提供了一种基于权重归一化的机顶盒图像处理模块,该模块主要包括以下组成部分:
1.权重分配单元:该单元根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像划分出的不同区域分配权重,并确保每个区域的权重值的权重总和等于1。在确定权重归一化策略时,考虑了图像部分的重要性、特点和对整体图像质量的影响。
其中,所述权重分配单元包括:
权重归一化策略确定模块:根据图像处理阈值明确权重归一化的目标,确定权重归一化策略。
图像分析模块:分析输入的机顶盒图像,使用边缘检测分割技术将图像分割成由边界构成的区域,划分出的每个区域独立地接受不同的权重分配。
权重计算模块:根据权重归一化策略确定模块确定的权重归一化策略,对图像分析模块划分出的不同区域进行权重计算,基于区域的面积、边缘强度、对比度和亮度等特征进行权重分配。
2.图像标记单元:该单元通过分水岭算法对输入的机顶盒图像中物体的轮廓形状进行分割,分割并标记出每个区域中不同物体的轮廓。
其中,所述图像标记单元包括:
图像预处理模块:对输入的机顶盒图像进行预处理,得到预处理后的图像。
边缘检测模块:在预处理后的图像中检测边缘,识别物体的轮廓。
分水岭算法模块:将图像分割成不同的区域,并标记出每个区域的轮廓。
区域标签模块:为每个区域分配唯一的标签或ID,标记出每个区域的边界和位置。
区域轮廓绘制模块:根据标记的区域绘制物体的轮廓。
3.图像处理单元:该单元根据权重分配单元分配的每个区域的权重值,对每个区域中不同物体的轮廓进行图像质量优化操作,得到经过优化的图像用于显示。
其中,所述图像处理单元包括:
区域划分模块:接收来自权重分配单元的权重值,将图像分割为不同的区域,每个区域对应不同物体或特征。
降噪模块:对每个区域应用降噪算法,减少噪点和干扰,提高图像清晰度。
增强模块:对图像中的不同区域进行增强,增加细节和对比度。
对比度调整模块:根据权重值调整图像区域的对比度。
色彩校正模块:对每个区域进行色彩校正和调整,确保色彩准确性。
结果合并模块:合并各个区域的图像,生成最终的优化图像。
输出显示模块:输出优化后的图像,并显示在机顶盒的屏幕上。
4.自适应调整单元:根据实时传输和显示的机顶盒图像的场景检测信息,动态调整每个区域的权重,以适应不同场景下的图像处理需求。
其中,所述自适应调整单元包括:
场景检测模块:实时监测传输和显示的机顶盒图像,以检测当前图像的场景特征。例如,是否存在运动物体、亮度变化、背景变化等。
特征提取模块:基于场景检测模块的输出,提取与当前场景特征相关的信息。例如,如果检测到运动物体,提取其位置、大小、运动方向等特征。
权重调整模块:利用场景检测和特征提取模块的输出,动态调整每个区域的权重。例如,在检测到运动物体的情况下,可能增加与该物体相关的区域的权重,以强调物体细节。
权重更新模块:基于权重调整模块的计算结果,实际更新每个区域的权重值,以反映当前场景下的优先级和需求。
应用控制模块:管理权重的更新频率和幅度,确保权重调整的稳定性和平滑性。
反馈收集模块:收集用户对图像质量和处理效果的反馈,用于进一步调整权重调整策略,以更好地满足用户的需求。
作为本发明的进一步方案,所述权重计算模块对不同区域进行权重计算时,基于每个区域的面积、边缘强度、对比度以及亮度进行权重分配;其中,所述面积、边缘强度、对比度以及亮度分别采用A、E、C和L表示,则:面积(A)、边缘强度(E)、对比度(C)和亮度(L)的特征分别归一化到0到1的范围。
作为本发明的进一步方案,计算每个区域权重值(W)的公式为:
W=(Wa*Normalized_Area)+(We*Normalized_Edge)+(Wc*Normalized_Contrast)+(Wl*Normalized_Brightness)
其中,Normalized_Area、Normalized_Edge、Normalized_Contrast和Normalized_Brightness分别为归一化后的面积、边缘强度、对比度和亮度值;Wa为面积权重、We为边缘强度权重、Wc为对比度权重、Wl为亮度权重,权重系数的总和为1,即:Wa+We+Wc+Wl=1。
作为本发明的进一步方案,所述机顶盒图像处理模块还包括:
图像解码单元:用于解码输入的图像信号。图像解码可以采用硬件解码或软件解码的方式,以便对图像进行处理。
输出接口:用于将经过处理的图像输出到显示设备,以供用户观看。
自适应处理控制模块:在图像处理过程中,根据图像内容的变化和处理需求,调整图像处理的优先级和顺序,以保证图像质量和用户体验。
模块升级接口:作为进一步的改进,本发明的图像处理模块可以独立存在,并通过升级或更换模块的方式来提升图像处理能力,以适应不同的处理要求和技术发展。
综上所述,本发明的基于权重归一化的机顶盒图像处理模块结合了权重分配、图像分割、图像处理和自适应调整等多个关键技术,能够根据预设的策略对机顶盒图像进行优化处理,提高图像质量和用户体验。
本发明还提供了一种基于权重归一化的机顶盒图像处理方法,包括以下步骤:
a.根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像划分出的不同区域分配权重,并确定每个区域的权重值,使权重总和等于1,其中所述权重归一化策略考虑图像部分的重要性、特点和对整体图像质量的影响;
b.将输入的机顶盒图像通过分水岭算法对图像中物体的轮廓形状进行分割,分割并标记出每个区域中不同物体的轮廓;
c.根据权重分配单元分配的每个区域的权重值,对每个区域中不同物体的轮廓进行图像质量优化操作,得到图像质量优化的机顶盒图像,其中图像质量优化操作包括降噪、增强以及对比度调整;
d.根据实时传输和显示的机顶盒图像的场景检测信息,动态调整每个区域的权重,以适应不同场景下的图像处理需求。
作为本发明的进一步方案,根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像划分出的不同区域分配权重,分配权重包括以下步骤:
a1.根据机顶盒图像处理阈值明确权重归一化的目标,确定权重归一化策略;
a2.分析输入的机顶盒图像,使用边缘检测分割技术将图像分割成由边界构成的区域,划分出的每个区域独立地接受不同的权重分配;
a3.基于预设的权重归一化策略对图像分析模块划分出的不同区域进行权重计算,其中权重计算基于每个区域的面积、边缘强度、对比度以及亮度进行权重分配,其中面积、边缘强度、对比度和亮度的特征归一化到0到1的范围;
a4.计算每个区域的权重值(W)的公式为:
W=(Wa*Normalized_Area)+(We*Normalized_Edge)+(Wc*Normalized_Contrast)+(Wl*Normalized_Brightness),其中,Normalized_Area、Normalized_Edge、Normalized_Contrast和Normalized_Brightness分别为归一化后的面积、边缘强度、对比度和亮度值;Wa、We、Wc、Wl为面积权重、边缘强度权重、对比度权重和亮度权重,权重系数的总和为1。
作为本发明的进一步方案,步骤(b)中进行图像标记包括以下步骤:
图像预处理:对输入的机顶盒图像进行预处理,得到预处理后的图像;
边缘检测:在预处理后的图像中检测边缘,识别出物体的轮廓;
分水岭算法分割:使用分水岭算法将图像分割成不同的区域,并标记出每个区域的轮廓;
区域标签分:为每个区域分配唯一的标签或ID,标记出每个区域的边界和位置;
区域轮廓绘制:根据标记的区域绘制出物体的轮廓。
作为本发明的进一步方案,步骤(c)中图像处理包括以下步骤:
c1.区域划分与权重应用:接收来自权重分配单元的权重值,并根据权重值将图像分割为不同的区域,每个区域对应着不同的物体及特征;
c2.高斯滤波降噪:通过高斯滤波算法降低图像中的噪点,得到高清晰度的图像;
c3.区域增强:对图像中的不同区域进行增强,以提升细节和对比度;
c4.区域对比度调整:根据权重值来调整图像区域的对比度;
c5.色彩校正和调整:对每个区域进行色彩校正和调整;
c6.结果合并:将各个区域的图像进行合并,得到一幅完整的图像;
c7.图像输出和显示:将最终优化后的图像输出并显示在机顶盒的屏幕上。
作为本发明的进一步方案,步骤(d)中自适应调整包括以下步骤:
d1.场景特征检测:实时监测传输和显示的机顶盒图像,以检测当前图像的场景特征;
d2.特征信息提取:根据检测到的场景特征,提取当前图像的特征信息;
d3.动态权重调整:基于场景检测和特征提取的信息,动态调整每个区域的权重,以适应当前场景下的图像处理需求;
d4.权重实际更新:根据权重调整的计算结果,实际更新每个区域的权重值,以反映当前场景下的优先级;
d5.更新控制:管理权重的更新频率和幅度;
d6.用户反馈收集:收集用户对图像质量和处理效果的反馈。
作为本发明的进一步方案,所述基于权重归一化的机顶盒图像处理方法还包括图像解码步骤,用于解码输入的图像信号,其中,图像解码可采用硬件解码或软件解码的方式,以对图像信号进行解码。
作为本发明的进一步方案,所述基于权重归一化的机顶盒图像处理方法还包括输出接口步骤,用于将经过处理的图像输出到显示设备。
作为本发明的进一步方案,所述基于权重归一化的机顶盒图像处理方法在图像处理过程中,根据图像内容的变化和处理需求,调整图像处理的优先级和顺序。
作为本发明的进一步方案,所述的基于权重归一化的机顶盒图像处理方法可以通过在机顶盒中添加独立的硬件或软件模块来实现,从而提升图像处理能力。
与现有技术相比,本发明的基于权重归一化的机顶盒图像处理模块及方法具有以下有益效果:
1.图像质量优化:通过权重分配单元的策略,针对图像的不同区域进行权重分配,使得在图像处理单元中针对每个区域进行不同的图像质量优化操作,如降噪、增强和对比度调整。这样可以针对每个区域的特点和需求进行有针对性的处理,从而提升图像的整体质量和清晰度。
2.细节突出和平衡:通过权重的分配,可以突出图像中的关键区域或细节,同时保持背景的平衡。这有助于在显示中突出重要信息,同时不使其他部分失真或不清晰。
3.适应不同场景:自适应调整单元根据实时传输和显示的图像场景检测信息,动态调整每个区域的权重。这使得处理方法能够在不同的场景下自动适应,从而在不同的图像环境中实现更好的表现。
4.节省处理资源:通过为不同区域分配权重,只对需要处理的区域进行特定操作,减少了不必要的计算和处理,从而节省了处理资源和能耗。
5.用户满意度提升:通过自适应调整和场景检测,方法能够实时地对图像进行优化,以满足用户不同场景和需求下的图像处理期望,从而提升用户的观看体验和满意度。
6.灵活性和可升级性:方法作为一个独立的模块存在于机顶盒中,可以通过升级或更换模块的方式实现对图像处理能力的提升,保持了系统的灵活性和可升级性。
综上所述,这种基于权重归一化的机顶盒图像处理方法通过精细的权重分配、自适应调整和有针对性的图像处理操作,能够有效地提升图像质量、适应不同场景,并为用户带来更好的观看体验。同时,方法还具有资源节省、灵活性和可升级性等优势,使得机顶盒图像处理更加智能和高效。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明所提供一种基于权重归一化的机顶盒图像处理模块的结构示意图。
图2为本发明所提供一种基于权重归一化的机顶盒图像处理方法的流程图。
图3为本发明所提供一种基于权重归一化的机顶盒图像处理方法中分配权重的流程图。
图4为本发明所提供一种基于权重归一化的机顶盒图像处理方法中图像标记的流程图。
图5为本发明所提供一种基于权重归一化的机顶盒图像处理方法中图像处理的流程图。
图6为本发明所提供一种基于权重归一化的机顶盒图像处理方法中自适应调整的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
为机顶盒在图像处理方面存在图像处理精细度不足、资源利用不足的问题。本发明实施例提供了一种基于权重归一化的机顶盒图像处理模块,如图1所示,该机顶盒图像处理模块包括:权重分配单元11、图像标记单元12、图像处理单元13和自适应调整单元14;其中,
所述权重分配单元11:用于根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像划分出的不同区域分配权重,并确定每个区域的权重值的权重总和等于1;其中,所述权重归一化策略确定时需考虑图像部分的重要性、特点和对整体图像质量的影响。
所述图像标记单元12:用于将输入的机顶盒图像通过分水岭算法对所述机顶盒图像中物体的轮廓形状进行分割,分割并标记出每个区域中不同物体的轮廓。
所述图像处理单元13:用于根据所述权重分配单元11分配的每个区域的权重值,对每个区域中不同物体的轮廓进行图像质量优化操作,得到图像质量优化的机顶盒图像用以显示,其中,所述图像质量优化操作包括但不限于对机顶盒图像进行降噪、增强以及对比度调整。
所述自适应调整单元14:用于根据实时传输和显示的机顶盒图像的场景检测信息,动态调整每个区域的权重,以适应不同场景下的图像处理需求。
相较于传统的机顶盒存在的图像处理往往是固定的,无法适应不同场景下的图像处理需求,导致图像质量和显示效果的不理想的问题,本发明提供的基于权重归一化的机顶盒图像处理模块旨在解决这一问题。本发明中基于权重归一化的机顶盒图像处理模块通过设置的权重分配单元11,可以根据权重归一化策略确定模块确定的权重归一化策略,将机顶盒图像划分成不同区域并为其分配权重。这些权重根据图像部分的重要性和特点进行调整,以确保整体图像质量的提升。每个区域的权重总和为1,从而实现精细的图像分割和加权处理。通过设置的图像标记单元12可以采用分水岭算法对机顶盒图像中的物体轮廓进行分割和标记。这使得每个区域中的不同物体的边界得以清晰标记,为后续的图像处理步骤提供了基础。还可以通过设置的图像处理单元13利用权重分配单元11确定的权重值,对每个区域中不同物体的轮廓进行图像质量优化操作。降噪、增强和对比度调整等操作有针对性地应用于每个区域,从而提升图像的细节和视觉效果。本发明的机顶盒图像处理模块还设置自适应调整单元14,根据实时传输和显示的机顶盒图像的场景检测信息,动态调整每个区域的权重。这使得机顶盒能够根据不同场景下的需求,在图像处理方面进行灵活的适应,从而提高图像质量和显示效果。
在本发明的机顶盒图像处理模块有利于图像处理精细度提升,通过权重分配和区域划分,针对不同图像部分进行个性化的处理,从而提升了图像处理的精细度和效果;也有利于资源利用充分,根据图像部分的特点和重要性分配权重,将资源重点用于关键区域,避免了资源的浪费,提高了机顶盒的图像处理效率;本发明的机顶盒图像处理模块还可以适应不同场景,自适应调整单元14能够根据实时场景检测信息动态调整权重,使图像处理能够适应不同场景下的需求,提供更好的显示效果;本发明还可以使图像质量优化,图像处理单元13的操作包括降噪、增强和对比度调整等,使得输出图像质量得到明显的提升,用户能够享受更清晰、更细腻的图像。
综上所述,本发明提供的基于权重归一化的机顶盒图像处理模块能够解决传统机顶盒图像处理不足的问题,通过精细的图像分割、个性化的处理和自适应的权重调整,提高了图像质量和显示效果,使用户获得更优质的观看体验。
在本实施例中,所述权重分配单元11包括权重归一化策略确定模块1101、图像分析模块1102以及权重计算模块1103;
所述权重归一化策略确定模块1101:用于根据机顶盒图像处理阈值明确权重归一化的目标,根据所述权重归一化的目标确定权重归一化策略;在本实施例中,该权重归一化策略确定模块1101根据机顶盒图像的特性和处理需求,明确权重归一化的目标。例如,对于一个电影场景,可能需要突出显示人物的面部,同时保留背景细节。这个模块将根据这样的目标确定权重归一化策略。
所述图像分析模块1102:用于分析输入的机顶盒图像,使用边缘检测分割技术将机顶盒图像分割成由边界构成的区域,划分出的每个区域独立地接受不同的权重分配;该图像分析模块1102负责对输入的机顶盒图像进行分析,使用边缘检测等分割技术将图像分割成由边界构成的区域。每个区域都被独立地接受不同的权重分配。
所述权重计算模块1103,用于根据权重归一化策略确定模块确定的权重归一化策略对所述图像分析模块1102划分出的不同区域进行权重计算,根据权重归一化策略确定模块确定的权重归一化策略,该模块对图像分析模块1102划分出的不同区域进行权重计算。这里采用了面积、边缘强度、对比度和亮度作为权重计算的依据。
其中,权重计算过程为:
所述权重计算模块1103对的不同区域进行权重计算时,基于每个区域的面积、边缘强度、对比度以及亮度进行权重分配;其中,所述面积、边缘强度、对比度以及亮度分别采用A、E、C和L表示,则:面积(A)、边缘强度(E)、对比度(C)和亮度(L)的特征分别归一化到0到1的范围。
在本实施例中,计算每个区域权重值(W)的公式为:
W=(Wa*Normalized_Area)+(We*Normalized_Edge)+(Wc*Normalized_Contrast)+(Wl*Normalized_Brightness)
其中,Normalized_Area、Normalized_Edge、Normalized_Contrast和Normalized_Brightness分别为归一化后的面积、边缘强度、对比度和亮度值;Wa为面积权重、We为边缘强度权重、Wc为对比度权重、Wl为亮度权重,权重系数的总和为1,即:Wa+We+Wc+Wl=1。
在本实施例中,假设区域的面积、边缘强度、对比度和亮度分别用归一化后的值表示,分别为 Normalized_Area (A)、Normalized_Edge (E)、Normalized_Contrast (C) 和Normalized_Brightness (L)。那么,每个区域的权重值(W)可以按以下公式计算:
W = (Wa * A) + (We * E) + (Wc * C) + (Wl * L)
其中,Wa、We、Wc 和 Wl 是面积权重、边缘强度权重、对比度权重和亮度权重,它们的总和为1,即:Wa + We + Wc + Wl = 1。
示例性的,假设有一张机顶盒显示的自然风景图像。图像中有一片湖泊,周围是山脉和树木。本发明可以应用上述机顶盒图像处理模块来优化显示效果,过程如下:
(1)权重归一化策略:本发明的目标是突出湖泊的清晰度和自然色彩,同时保留周围山脉和树木的细节。根据这个目标,本发明设置适当的权重归一化策略。
(2)图像分析:图像分析模块1102将识别出湖泊、山脉和树木等不同区域。
(3)权重计算:本发明根据湖泊的面积、边缘强度、树木的对比度和山脉的亮度来计算不同区域的权重。
(4)图像处理:使用计算得到的权重,对湖泊进行色彩校正、增强,对山脉进行轻微的对比度调整,而对树木则进行轻微的亮度调整。
通过这些处理,本发明可以获得一张更加生动、清晰的自然风景图像,突出了湖泊的美丽,同时保留了周围景物的细节。这展示了基于权重归一化的机顶盒图像处理模块在实际图像优化中的应用效果。
在本实施例中,所述图像标记单元12包括图像预处理模块1201、边缘检测模块1202、分水岭算法模块1203、区域标签模块1204以及区域轮廓绘制模块1205;
所述图像预处理模块1201用于对输入的机顶盒图像进行预处理,得到预处理后的图像;该模块对输入的机顶盒图像进行预处理,以便后续的边缘检测和分割操作。预处理可能包括调整图像的大小、色彩空间转换等,以确保图像的一致性和处理性。
所述边缘检测模块1202用于在预处理后的图像中检测边缘,在图像中识别出物体的轮廓;在预处理后的图像上,边缘检测模块1202通过Canny边缘检测算法来识别图像中的边缘,确定物体的轮廓,为后续的分水岭算法提供必要的信息。
所述分水岭算法模块1203用于将图像分割成不同的区域,并标记出每个区域的轮廓;采用分水岭算法可以将图像视为一个地形图,然后通过模拟在地形上下雨,使得水流流向不同的汇聚区域,从而将图像分割成不同的区域。在图像处理中,将图像分割成不同的物体区域,每个区域都有自己的边界。
所述区域标签模块1204用于为每个区域分配唯一的标签或ID,标记出每个区域的边界和位置;为了在处理后的图像中标记出不同的区域,区域标签模块1204对每个区域分配唯一的标签或ID,将每个区域区分开来,并为每个区域定义边界和位置。
所述区域轮廓绘制模块1205用于根据标记的区域绘制出物体的轮廓,区域轮廓绘制模块1205根据标记的区域信息,绘制出物体的轮廓。使处理后的图像更加可视化,显示出每个区域的物体边界。
示例性的,假设有一张机顶盒显示的街道景象图像。本发明将应用图像标记单元12中的不同模块来处理这个图像,包括以下步骤:
首先,图像预处理:图像预处理模块1201可能会将图像调整为适当的大小和颜色空间,确保图像的一致性。
其次,边缘检测:边缘检测模块1202将识别出图像中的街道、建筑物、天空等区域的边缘。
然后,分水岭算法:分水岭算法模块1203将根据边缘信息,将图像分割成街道、建筑物和天空等不同的区域。
然后,区域标签:区域标签模块1204为每个分割出的区域分配唯一的标签,例如"街道"、"建筑物"和"天空"。
最后,区域轮廓绘制:区域轮廓绘制模块1205根据标签信息,绘制出街道、建筑物和天空等区域的轮廓,使得图像更加明确。
通过上述图像预处理模块1201、边缘检测模块1202、分水岭算法模块1203、区域标签模块1204以及区域轮廓绘制模块1205的协同作用,本发明可以将原始图像分割并标记出不同的区域,从而更好地理解图像的内容,并为后续的图像处理操作提供基础。
在本实施例中,所述图像处理单元13包括区域划分模块1301、降噪模块1302、增强模块1303、对比度调整模块1304、色彩校正模块1305、结果合并模块1306以及输出显示模块1307;
所述区域划分模块1301负责接收来自权重分配单元11的权重值,并根据所述权重值将图像分割为不同的区域,每个区域对应着不同的物体及特征;
所述降噪模块1302用于通过高斯滤波算法降低图像中的噪点,得到高清晰度的图像,其中降噪程度根据权重值进行调整;
所述增强模块1303负责对图像中的不同区域进行增强,其中增强程度取决于相应区域的权重值;例如,对暗部区域进行增强可以使细节更加清晰可见,对亮部区域进行增强可以避免细节丢失。
所述对比度调整模块1304用于根据权重值来调整图像区域的对比度;这有助于突出区域之间的差异,使图像更富有层次感。
所述色彩校正模块1305用于对每个区域进行色彩校正和调整,其中校正程度根据权重值进行个性化设置;有助于保持图像中不同区域的色彩一致性,使其更加自然和真实。
所述结果合并模块1306用于将各个区域的图像进行合并,得到一幅完整的最终图像,其中权重值用于指导每个区域的图像处理强度,间接影响到区域图像合并后的完整图像表达;
所述输出显示模块1307用于将最终优化后的图像输出并显示在机顶盒的屏幕上。
在本实施例中,所述自适应调整单元14用于根据实时传输和显示的机顶盒图像的场景检测信息,动态调整每个区域的权重;所述自适应调整单元14包括:
场景检测模块1401:负责实时监测传输和显示的机顶盒图像,以检测当前图像的场景特征;通过分析图像中的内容、颜色、亮度等信息,检测当前图像的场景特征。例如,如果图像中有高亮度区域,可能是由于太阳照射,这可以被检测为一个阳光明媚的场景。
特征提取模块1402:根据检测到的场景特征,提取当前图像的特征信息,当前图像的特征信息可以包括光照强度、颜色分布、物体边缘等,这些特征可以用来描述图像的内容和场景;
权重调整模块1403:基于场景检测和特征提取的信息,动态调整每个区域的权重,以适应当前场景下的图像处理需求;例如,在阳光明媚的场景中,太阳区域可能被赋予更高的权重,以突出太阳的亮度和细节。
权重更新模块1404:根据权重调整模块1403的计算结果,负责实际更新每个区域的权重值,以反映当前场景下的优先级;通过权重的变化反映当前图像处理需求的优先级。
应用控制模块1405:用于管理权重的更新频率和幅度;
反馈收集模块1406:负责收集用户对图像质量和处理效果的反馈。
本发明中通过自适应调整单元14,机顶盒图像处理模块能够根据实时图像场景信息,动态地调整图像处理策略,从而提升图像质量,满足用户需求,并优化资源的利用。这种方法能够适应不同的图像场景,为机顶盒图像处理带来了更高的精确性和效率。
在本实施例中,所述机顶盒图像处理模块还包括图像解码单元15,用于解码输入的图像信号;所述图像解码单元15采用硬件解码或软件解码的方式,对图像信号进行解码,例如JPEG、PNG等,图像解码单元15能够将这些编码的图像转换为可处理的图像数据。
在本实施例中,所述机顶盒图像处理模块还包括输出接口16,用于将经过处理的图像输出到显示设备,以供用户观看。经过图像处理单元13处理后,图像质量得到提升,输出接口16将优化后的图像传输给显示设备,用户能够获得更高质量的图像体验。
在本实施例中,所述机顶盒图像处理模块在图像处理过程中,根据图像内容的变化和处理需求,调整图像处理的优先级和顺序,例如,在一个具有复杂背景和多个感兴趣物体的图像中,模块可以根据用户需求调整对特定区域的处理优先级,以确保关键细节的最佳呈现。
在本实施例中,所述的基于权重归一化的机顶盒图像处理模块,其在机顶盒中作为一个独立的硬件或软件模块存在,可通过升级或更换模块的方式实现对图像处理能力的提升。
本发明中的图像解码单元15以及输出接口16能够为机顶盒图像处理模块提供了更广泛的应用场景和更高的适应性,以满足用户的多样化需求,并保证图像处理能力的持续提升。
如图2所示,本发明实施例提供了一种基于权重归一化的机顶盒图像处理方法,所述机顶盒图像处理方法基于上述的机顶盒图像处理模块执行机顶盒图像的传输和显示,该机顶盒图像处理方法包括以下步骤:
步骤S10.根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像划分出的不同区域分配权重,并确定每个区域的权重值,使权重总和等于1,其中所述权重归一化策略考虑图像部分的重要性、特点和对整体图像质量的影响;
步骤S20.将输入的机顶盒图像通过分水岭算法对图像中物体的轮廓形状进行分割,分割并标记出每个区域中不同物体的轮廓;
步骤S30.根据权重分配单元11分配的每个区域的权重值,对每个区域中不同物体的轮廓进行图像质量优化操作,得到图像质量优化的机顶盒图像,其中图像质量优化操作包括降噪、增强以及对比度调整;
步骤S40.根据实时传输和显示的机顶盒图像的场景检测信息,动态调整每个区域的权重,以适应不同场景下的图像处理需求。
本发明的机顶盒图像处理方法通过权重分配、图像标记、图像质量优化和自适应调整等步骤,能够实现根据不同场景下的图像处理需求,提供优化后的图像效果,从而提升用户的观看体验。
在本实施例中,如图3所示,根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像划分出的不同区域分配权重,分配权重包括以下步骤:
步骤S101.确定权重归一化策略:
在图像处理阈值确定的情况下,明确权重归一化的目标。这可能涉及考虑图像处理的特定目标,如强调某些区域或特征。
步骤S102.区域分割:
对输入的机顶盒图像进行分析,利用边缘检测等技术将图像分割成由边界构成的多个区域,确保划分出的每个区域可以独立地接受不同的权重分配。
步骤S103.权重计算:
基于预设的权重归一化策略,对图像分析模块1102划分出的每个不同区域进行权重计算。权重的计算是基于每个区域的特征,包括区域的面积、边缘强度、对比度以及亮度。这些特征会被归一化到0到1的范围,以确保它们具有相同的尺度。
步骤S104.计算权重值:
根据权重计算模块1103的结果,使用以下公式计算每个区域的权重值(W):
W=(Wa*Normalized_Area)+(We*Normalized_Edge)+(Wc*Normalized_Contrast)+(Wl*Normalized_Brightness),其中,Normalized_Area、Normalized_Edge、Normalized_Contrast和Normalized_Brightness分别为归一化后的面积、边缘强度、对比度和亮度值;Wa、We、Wc、Wl为面积权重、边缘强度权重、对比度权重和亮度权重,权重系数的总和为1。
综上所述,在本实施例中,权重分配单元11能够根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像中划分出的各个区域分配权重,以实现对不同区域的重要性和特征的精确处理,从而提升图像处理的精细度和效果。
在本实施例中,如图4所示,步骤S20中进行图像标记包括以下步骤:
步骤S201.图像预处理:
首先,对输入的机顶盒图像进行预处理,以便为后续的图像标记准备清晰的图像。预处理可能包括去噪、平滑、亮度和对比度调整等,确保图像的质量和清晰度。
步骤S202.边缘检测:
在预处理后的图像中,利用边缘检测技术识别出图像中的边缘。边缘检测有助于确定图像中物体的轮廓,并为后续的分割和标记提供依据。
步骤S203.分水岭算法分割:
使用分水岭算法对边缘检测后的图像进行分割,将图像分割成不同的区域。分水岭算法基于图像中的梯度信息,将图像分割成物体之间的不同区域,每个区域被视为一个“水池”。
步骤S204.区域标签分配:
为每个分割后的区域分配唯一的标签或ID,以标记出每个区域的边界和位置。这些标签或ID可以用于后续处理中区分不同的区域。
步骤S205.区域轮廓绘制:
根据分割和标签的结果,对每个区域绘制出物体的轮廓。这可以通过在每个区域的边界上绘制线条或描绘出物体的形状来实现。
综上所述,在本实施例中,步骤S20中的图像标记过程通过一系列步骤,对输入的机顶盒图像进行预处理、边缘检测、分水岭分割、区域标签分配和区域轮廓绘制,以便在后续的图像处理中精确识别和处理不同的区域和物体。
在本实施例中,如图5所示,步骤S30中图像处理包括以下步骤:
步骤S301.区域划分与权重应用:
在接收来自权重分配单元11的权重值后,根据这些权重值将图像分割成不同的区域,每个区域对应着不同的物体或特征。这些权重值指导着每个区域的处理强度,从而使得不同区域可以得到不同的图像处理操作。
步骤S302.高斯滤波降噪:
使用高斯滤波算法降低图像中的噪点,从而得到高清晰度的图像。高斯滤波是一种常见的图像降噪方法,通过对每个像素周围的像素进行加权平均来平滑图像,从而减少噪声的影响。
步骤S303.区域增强:
对图像中的不同区域进行增强操作,以突出细节和提高对比度。区域增强可能包括局部对比度增强、直方图均衡化等技术,从而使得不同区域中的物体更加清晰可见。
步骤S304.区域对比度调整:
根据权重值来调整图像区域的对比度。对比度调整可以根据不同区域的权重值来加强或减弱图像的对比度,从而使不同区域的物体更加鲜明或柔和。
步骤S305.色彩校正和调整:
对每个区域进行色彩校正和调整,以确保图像中的颜色保真和整体协调。色彩校正可以根据每个区域的特性来调整颜色平衡、饱和度等参数。
步骤S306.结果合并:
将经过处理的各个区域的图像进行合并,得到一幅完整的图像。合并后的图像将反映出每个区域经过优化处理后的效果。
步骤S307.图像输出和显示:
将最终优化后的图像输出,并在机顶盒的屏幕上显示出来,供用户观看。这样,经过一系列图像处理步骤后的图像将以更高的质量和更好的呈现效果呈现给用户。
综上所述,步骤S30中的图像处理过程在本实施例中包括对不同区域的降噪、增强、对比度调整、色彩校正等操作,最终合并处理结果并显示在机顶盒的屏幕上。
在本实施例中,如图6所示,步骤S40中自适应调整包括以下步骤:
步骤S401.场景特征检测:
通过实时监测传输和显示的机顶盒图像,检测当前图像的场景特征。这包括分析图像中的内容、颜色、亮度等信息,以识别当前图像所处的场景环境。例如,可以检测是否有高亮度区域、暗部区域或特定颜色的物体等。
步骤S402.特征信息提取:
根据检测到的场景特征,提取当前图像的特征信息。这些特征信息可能包括光照强度、颜色分布、物体边缘等,这些特征能够描述图像的内容和场景特性。
步骤S403.动态权重调整:
基于场景检测和特征提取的信息,动态调整每个区域的权重,以适应当前场景下的图像处理需求。例如,对于阳光明媚的场景,太阳区域可能被赋予更高的权重,以保留太阳的亮度和细节。
步骤S404.权重实际更新:
根据权重调整的计算结果,实际更新每个区域的权重值,以反映当前场景下的优先级。这些更新的权重值将在后续的图像处理阶段中影响不同区域的处理强度。
步骤S405.更新控制:
管理权重的更新频率和幅度,以确保权重的调整不会过于频繁或剧烈。这样可以避免图像处理过程中的突变,从而保持用户观感的稳定性。
步骤S406.用户反馈收集:
收集用户对图像质量和处理效果的反馈。用户的反馈可以作为参考,帮助进一步优化自适应调整算法,以适应不同用户和场景的需求。
综上所述,步骤S40中的自适应调整过程在本实施例中通过监测场景特征、提取特征信息、动态调整权重以及管理权重更新等方式,实现了根据实时情况调整图像处理的需求,从而优化图像处理效果。
在本实施例中,所述基于权重归一化的机顶盒图像处理方法还包括图像解码步骤,用于解码输入的图像信号,其中,图像解码可采用硬件解码或软件解码的方式,以对图像信号进行解码。
在本实施例中,所述基于权重归一化的机顶盒图像处理方法还包括输出接口16步骤,用于将经过处理的图像输出到显示设备。
在本实施例中,所述基于权重归一化的机顶盒图像处理方法在图像处理过程中,根据图像内容的变化和处理需求,调整图像处理的优先级和顺序。
在本实施例中,所述的基于权重归一化的机顶盒图像处理方法可以通过在机顶盒中添加独立的硬件或软件模块来实现,从而提升图像处理能力。
本发明的基于权重归一化的机顶盒图像处理方法通过权重归一化、图像标记、图像处理优化和自适应调整等阶段,实现了对机顶盒图像的智能处理,以适应不同的场景和需求,从而提高图像质量和用户体验。此方法可以作为独立的硬件或软件模块嵌入机顶盒中,实现对图像处理能力的提升。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于权重归一化的机顶盒图像处理模块,其特征在于,包括:权重分配单元、图像标记单元、图像处理单元和自适应调整单元;其中,
所述权重分配单元:用于根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像划分出的不同区域分配权重,并确定每个区域的权重值的权重总和等于1;
所述图像标记单元:用于将输入的机顶盒图像通过分水岭算法对所述机顶盒图像中物体的轮廓形状进行分割,分割并标记出每个区域中不同物体的轮廓;
所述图像处理单元:用于根据所述权重分配单元分配的每个区域的权重值,对每个区域中不同物体的轮廓进行图像质量优化操作,得到图像质量优化的机顶盒图像用以显示;
所述自适应调整单元:用于根据实时传输和显示的机顶盒图像的场景检测信息,动态调整每个区域的权重,以适应不同场景下的图像处理需求;
其中:所述权重分配单元包括:
权重归一化策略确定模块:用于根据机顶盒图像的特性和处理需求,明确权重归一化的目标,根据所述权重归一化的目标确定权重归一化策略;
图像分析模块:用于分析输入的机顶盒图像,使用边缘检测分割技术将机顶盒图像分割成由边界构成的区域,划分出的每个区域独立地接受不同的权重分配;
权重计算模块,用于根据权重归一化策略确定模块确定的权重归一化策略对所述图像分析模块划分出的不同区域进行权重计算。
2.如权利要求1所述的机顶盒图像处理模块,其特征在于,所述权重计算模块对不同区域进行权重计算时,基于每个区域的面积、边缘强度、对比度以及亮度进行权重分配;其中,所述面积、边缘强度、对比度以及亮度分别采用A、E、C和L表示,则:面积(A)、边缘强度(E)、对比度(C)和亮度(L)的特征分别归一化到0到1的范围;
计算每个区域权重值(W)的公式为:
W=(Wa*Normalized_Area)+(We*Normalized_Edge)+(Wc*Normalized_Contrast)+(Wl*Normalized_Brightness)
其中,Normalized_Area、Normalized_Edge、Normalized_Contrast和Normalized_Brightness分别为归一化后的面积、边缘强度、对比度和亮度值;Wa为面积权重、We为边缘强度权重、Wc为对比度权重、Wl为亮度权重,权重系数的总和为1,即:Wa+We+Wc+Wl=1。
3.如权利要求1所述的机顶盒图像处理模块,其特征在于,所述图像标记单元包括图像预处理模块、边缘检测模块、分水岭算法模块、区域标签模块以及区域轮廓绘制模块;
所述图像预处理模块用于对输入的机顶盒图像进行预处理,得到预处理后的图像;
所述边缘检测模块用于在预处理后的图像中检测边缘,在图像中识别出物体的轮廓;
所述分水岭算法模块用于将图像分割成不同的区域,并标记出每个区域的轮廓;
所述区域标签模块用于为每个区域分配唯一的标签或ID,标记出每个区域的边界和位置;
所述区域轮廓绘制模块用于根据标记的区域绘制出物体的轮廓。
4.如权利要求3所述的机顶盒图像处理模块,其特征在于,所述图像处理单元包括区域划分模块、降噪模块、增强模块、对比度调整模块、色彩校正模块、结果合并模块以及输出显示模块;
所述区域划分模块负责接收来自权重分配单元的权重值,并根据所述权重值将图像分割为不同的区域,每个区域对应着不同的物体及特征;
所述降噪模块用于通过高斯滤波算法降低图像中的噪点,得到高清晰度的图像,其中降噪程度根据权重值进行调整;
所述增强模块负责对图像中的不同区域进行增强,其中增强程度取决于相应区域的权重值;
所述对比度调整模块用于根据权重值来调整图像区域的对比度;
所述色彩校正模块用于对每个区域进行色彩校正和调整,其中校正程度根据权重值进行个性化设置;
所述结果合并模块用于将各个区域的图像进行合并,得到一幅完整的最终图像;
所述输出显示模块用于将最终优化后的图像输出并显示在机顶盒的屏幕上。
5.如权利要求4所述的机顶盒图像处理模块,其特征在于,所述自适应调整单元用于根据实时传输和显示的机顶盒图像的场景检测信息,动态调整每个区域的权重;所述自适应调整单元包括:
场景检测模块:负责实时监测传输和显示的机顶盒图像,以检测当前图像的场景特征;
特征提取模块:根据检测到的场景特征,提取当前图像的特征信息;
权重调整模块:基于场景检测和特征提取的信息,动态调整每个区域的权重,以适应当前场景下的图像处理需求;
权重更新模块:根据权重调整模块的计算结果,负责实际更新每个区域的权重值,以反映当前场景下的优先级;
应用控制模块:用于管理权重的更新频率和幅度;
反馈收集模块:负责收集用户对图像质量和处理效果的反馈。
6.如权利要求1所述的机顶盒图像处理模块,其特征在于,所述机顶盒图像处理模块还包括图像解码单元,用于解码输入的图像信号;所述图像解码单元采用硬件解码或软件解码的方式,对图像信号进行解码。
7.如权利要求6所述的机顶盒图像处理模块,其特征在于,所述机顶盒图像处理模块还包括输出接口,用于将经过处理的图像输出到显示设备。
8.一种基于权重归一化的机顶盒图像处理方法,基于如权利要求1-7任一项所述的机顶盒图像处理模块执行机顶盒图像的传输和显示,其特征在于,该机顶盒图像处理方法包括以下步骤:
a.根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像划分出的不同区域分配权重,并确定每个区域的权重值,使权重总和等于1;
b.将输入的机顶盒图像通过分水岭算法对图像中物体的轮廓形状进行分割,分割并标记出每个区域中不同物体的轮廓;
c.根据权重分配单元分配的每个区域的权重值,对每个区域中不同物体的轮廓进行图像质量优化操作,得到图像质量优化的机顶盒图像,其中图像质量优化操作包括降噪、增强以及对比度调整;
d.根据实时传输和显示的机顶盒图像的场景检测信息,动态调整每个区域的权重,以适应不同场景下的图像处理需求。
9.如权利要求8所述的机顶盒图像处理方法,其特征在于,根据权重归一化策略确定模块确定的权重归一化策略,为机顶盒图像划分出的不同区域分配权重,分配权重包括以下步骤:
根据机顶盒图像的特性和处理需求,明确权重归一化的目标,确定权重归一化策略;
分析输入的机顶盒图像,使用边缘检测分割技术将图像分割成由边界构成的区域,划分出的每个区域独立地接受不同的权重分配;
基于根据权重归一化策略确定模块确定的权重归一化策略对图像分析模块划分出的不同区域进行权重计算,其中权重计算基于每个区域的面积、边缘强度、对比度以及亮度进行权重分配,其中面积、边缘强度、对比度和亮度的特征归一化到0到1的范围;
计算每个区域的权重值(W)的公式为:
W=(Wa*Normalized_Area)+(We*Normalized_Edge)+(Wc*Normalized_Contrast)+(Wl*Normalized_Brightness);
其中,Normalized_Area、Normalized_Edge、Normalized_Contrast和Normalized_Brightness分别为归一化后的面积、边缘强度、对比度和亮度值;Wa、We、Wc、Wl为面积权重、边缘强度权重、对比度权重和亮度权重,权重系数的总和为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311038655.3A CN116801047B (zh) | 2023-08-17 | 2023-08-17 | 基于权重归一化的机顶盒图像处理模块及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311038655.3A CN116801047B (zh) | 2023-08-17 | 2023-08-17 | 基于权重归一化的机顶盒图像处理模块及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116801047A CN116801047A (zh) | 2023-09-22 |
CN116801047B true CN116801047B (zh) | 2024-02-13 |
Family
ID=88046784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311038655.3A Active CN116801047B (zh) | 2023-08-17 | 2023-08-17 | 基于权重归一化的机顶盒图像处理模块及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116801047B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103417228A (zh) * | 2012-05-18 | 2013-12-04 | 北京国药恒瑞美联信息技术有限公司 | 一种图像自动调节方法及系统 |
CN106303697A (zh) * | 2016-08-22 | 2017-01-04 | 青岛海信宽带多媒体技术有限公司 | 一种p帧处理方法及设备 |
CN107895355A (zh) * | 2017-11-30 | 2018-04-10 | 天津天地基业科技有限公司 | 一种移动侦测和图像对比度自适应增强系统及其方法 |
CN111028190A (zh) * | 2019-12-09 | 2020-04-17 | 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 |
CN114627034A (zh) * | 2020-12-08 | 2022-06-14 | 华为技术有限公司 | 一种图像增强方法、图像增强模型的训练方法及相关设备 |
CN115082334A (zh) * | 2022-05-30 | 2022-09-20 | 西安理工大学 | 结合逆光区域分割与自适应曝光校正的图像增强方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11704771B2 (en) * | 2017-12-01 | 2023-07-18 | Huawei Technologies Co., Ltd. | Training super-resolution convolutional neural network model using a high-definition training image, a low-definition training image, and a mask image |
-
2023
- 2023-08-17 CN CN202311038655.3A patent/CN116801047B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103417228A (zh) * | 2012-05-18 | 2013-12-04 | 北京国药恒瑞美联信息技术有限公司 | 一种图像自动调节方法及系统 |
CN106303697A (zh) * | 2016-08-22 | 2017-01-04 | 青岛海信宽带多媒体技术有限公司 | 一种p帧处理方法及设备 |
CN107895355A (zh) * | 2017-11-30 | 2018-04-10 | 天津天地基业科技有限公司 | 一种移动侦测和图像对比度自适应增强系统及其方法 |
CN111028190A (zh) * | 2019-12-09 | 2020-04-17 | 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 |
CN114627034A (zh) * | 2020-12-08 | 2022-06-14 | 华为技术有限公司 | 一种图像增强方法、图像增强模型的训练方法及相关设备 |
CN115082334A (zh) * | 2022-05-30 | 2022-09-20 | 西安理工大学 | 结合逆光区域分割与自适应曝光校正的图像增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116801047A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109525901B (zh) | 视频处理方法、装置、电子设备及计算机可读介质 | |
CN108876743B (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
WO2019154035A1 (zh) | 一种在视频中植入广告的方法及计算机设备 | |
Fu et al. | A fusion-based enhancing approach for single sandstorm image | |
Kwok et al. | Simultaneous image color correction and enhancement using particle swarm optimization | |
CN101777180A (zh) | 基于背景建模和能量最小化的复杂背景实时替换方法 | |
CN107705254B (zh) | 一种基于街景图的城市环境评估方法 | |
Zhao et al. | Single image fog removal based on local extrema | |
CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
CN109361949A (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
CN103440117A (zh) | 视频图像处理的方法及系统 | |
Qian et al. | Video background replacement without a blue screen | |
CN113784171B (zh) | 视频数据处理方法、装置、计算机系统及可读存储介质 | |
CN109919859A (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
CN116485785A (zh) | 一种太阳能电池片的表面缺陷检测方法 | |
Wang et al. | An efficient method for image dehazing | |
CN115456905A (zh) | 一种基于明暗区域分割的单幅图像去雾方法 | |
CN111192213A (zh) | 图像去雾自适应参数的计算方法、图像去雾方法及系统 | |
CN105913391B (zh) | 一种基于形状可变形态学重构的去雾方法 | |
CN113538304B (zh) | 图像增强模型的训练方法及装置、图像增强方法及装置 | |
CN116801047B (zh) | 基于权重归一化的机顶盒图像处理模块及方法 | |
Mandal et al. | Real-time fast low-light vision enhancement for driver during driving at night | |
Hong et al. | Single image dehazing based on pixel-wise transmission estimation with estimated radiance patches | |
Tiant et al. | GPU-accelerated local tone-mapping for high dynamic range images | |
CN113627342B (zh) | 视频深度特征提取优化的方法、系统、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 |