CN116934634A - 一种基于像素分类的图像增强方法及装置 - Google Patents
一种基于像素分类的图像增强方法及装置 Download PDFInfo
- Publication number
- CN116934634A CN116934634A CN202311189390.7A CN202311189390A CN116934634A CN 116934634 A CN116934634 A CN 116934634A CN 202311189390 A CN202311189390 A CN 202311189390A CN 116934634 A CN116934634 A CN 116934634A
- Authority
- CN
- China
- Prior art keywords
- target pixel
- edge
- pixel point
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000009877 rendering Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 56
- 230000002146 bilateral effect Effects 0.000 claims description 19
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 239000003623 enhancer Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 abstract description 13
- 238000005728 strengthening Methods 0.000 abstract description 10
- 238000007781 pre-processing Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 125000001475 halogen functional group Chemical group 0.000 description 2
- 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 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Image Processing (AREA)
Abstract
本申请公开了一种基于像素分类的图像增强方法及装置，涉及图像处理技术领域。该方法包括：获取目标图像中目标像素点的第一特征值和第二特征值，第一特征值为与目标像素点对应的特征矩阵的和，第二特征值为与目标像素点对应的N维像素矩阵的和；若通过第一特征值和第二特征值判断出目标像素点不是噪声点且处于图像边缘上，则对目标像素点进行增强处理；根据增强后的目标像素点，渲染出增强后的目标图像。由此，通过对目标图像中的目标像素点进行了分类滤波的预处理，使得参与滤波运算的像素点的数量大大减少，简化了图像增强的运算过程，从而可以实时图像增强。并且，防止了对不在边缘上的目标像素点进行的错误增强，提高了增强后的图像质量。
Description
技术领域
本申请涉及图像处理技术领域，特别涉及一种基于像素分类的图像增强方法及装置。
背景技术
图像增强指的是改善图像的视觉效果，将图像转换成一种更适合人或机器进行分析和处理的方法。图像增强可以有目的地强调图像整体或局部的特征，使之变得更加清晰，从而加强图像判别和识别效果，进而满足特殊应用场景的分析需求。
相关技术中，通常是基于双边滤波器，或，取消锐化蒙版（Unsharpen Mask，USM）锐化增强算法进行图像增强操作。然而，基于双边滤波器进行图像增强对双边滤波器的阶数要求较高，通常需要阶数大于5阶，但是高阶数会导致运算过程非常复杂，很难达成实时的图像增强。并且，基于USM锐化增强算法进行图像增强很容易导致图像画面中出现明显的噪点、光晕等缺陷，使得增强后的图像质量较低。
发明内容
有鉴于此，本申请实施例提供了一种基于像素分类的图像增强方法及装置，能够在执行图像增强时，实时渲染出质量较高的图像。
本申请实施例公开了如下技术方案：
第一方面，本申请提供了一种基于像素分类的图像增强方法，所述方法包括：
获取目标图像中目标像素点的第一特征值和第二特征值，所述第一特征值为与所述目标像素点对应的特征矩阵的和，所述第二特征值为与所述目标像素点对应的N维像素矩阵的和，N为非1的奇数；
若通过所述第一特征值和所述第二特征值，判断出所述目标像素点不是噪声点且处于图像边缘上，则对所述目标像素点进行增强处理；
根据增强后的目标像素点，渲染出增强后的目标图像。
可选的，所述若通过所述第一特征值和所述第二特征值，判断出所述目标像素点不是噪声点且处于图像边缘上，则对所述目标像素点进行增强处理，包括：
根据所述第一特征值和所述第二特征值，判断所述目标像素点是否为噪声点；
若所述目标像素点不是噪声点，则判断所述N维像素矩阵中是否存在边缘；
若所述N维像素矩阵中存在边缘，则判断所述目标像素点是否在所述边缘上；
若所述目标像素点在所述边缘上，则对所述目标像素点进行增强处理。
可选的，所述判断所述目标像素点是否为噪声点的方法具体如下：
若所述第一特征值与所述第二特征值的比值大于第一预设阈值，则所述目标像素点为噪声点；
若所述第一特征值与所述第二特征值的比值小于或等于所述第一预设阈值，则所述目标像素点不是噪声点。
可选的， 所述判断所述N维像素矩阵中是否存在边缘的方法具体如下：
若第一边缘强度大于第二预设阈值，则所述N维像素矩阵中存在边缘，所述第一边缘强度为垂直方向的边缘强度的绝对值与水平方向的边缘强度的绝对值的和，所述垂直方向的边缘强度和所述水平方向的边缘强度均与所述N维像素矩阵相关；
若所述第一边缘强度小于或等于所述第二预设阈值，则所述N维像素矩阵中不存在边缘。
可选的，所述判断所述目标像素点是否在所述边缘上的方法具体如下：
若第二边缘强度大于第三预设阈值，则所述目标像素点在所述边缘上，所述第二边缘强度为判定矩阵和所述N维像素矩阵中的最大值；
若所述第二边缘强度小于或等于第三预设阈值，则所述目标像素点不在所述边缘上。
可选的，特征矩阵为所述N维像素矩阵与所述目标像素点的差值的绝对值。
可选的，所述对所述目标像素点进行增强处理，包括：
基于双边滤波器和/或取消锐化蒙版锐化增强算法，对所述目标像素点进行增强处理。
第二方面，本申请提供了一种基于像素分类的图像处理装置，所述装置包括：获取模块、增强模块、渲染模块；
所述获取模块，用于获取目标图像中目标像素点的第一特征值和第二特征值，所述第一特征值为与所述目标像素点对应的特征矩阵的和，所述第二特征值为与所述目标像素点对应的N维像素矩阵的和，N为非1的奇数；
所述增强模块，用于若通过所述第一特征值和所述第二特征值，判断出所述目标像素点不是噪声点且处于图像边缘上，则对所述目标像素点进行增强处理；
所述渲染模块，用于根据增强后的目标像素点，渲染出增强后的目标图像。
可选的，所述增强模块具体包括：第一判断模块、第二判断模块、第三判断模块和增强子模块；
所述第一判断模块，用于根据所述第一特征值和所述第二特征值，判断所述目标像素点是否为噪声点；
所述第二判断模块，用于若所述目标像素点不是噪声点，则判断所述N维像素矩阵中是否存在边缘；
所述第三判断模块，用于若所述N维像素矩阵中存在边缘，则判断所述目标像素点是否在所述边缘上；
所述增强子模块，用于若所述目标像素点在所述边缘上，则对所述目标像素点进行增强处理。
可选的，所述增强模块具体用于：
基于双边滤波器和/或取消锐化蒙版锐化增强算法，对所述目标像素点进行增强处理。
相较于现有技术，本申请具有以下有益效果：
本申请公开了一种基于像素分类的图像增强方法及装置，该方法包括：获取目标图像中目标像素点的第一特征值和第二特征值，第一特征值为与目标像素点对应的特征矩阵的和，第二特征值为与目标像素点对应的N维像素矩阵的和；若通过第一特征值和第二特征值判断出目标像素点不是噪声点且处于图像边缘上，则对目标像素点进行增强处理；根据增强后的目标像素点，渲染出增强后的目标图像。由此，通过对目标图像中的目标像素点进行了分类滤波的预处理，使得参与滤波运算的像素点的数量大大减少，简化了图像增强的运算过程，从而可以实时图像增强。并且，防止了对不在边缘上的目标像素点进行的错误增强，提高了增强后的图像质量。
附图说明
为更清楚地说明本实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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为一种基于锐化增强算法的图像处理示意图；
图2为本申请实施例提供的一种基于像素分类的图像增强方法的流程图；
图3为本申请实施例提供的一种基于像素分类的图像处理示意图；
图4为本申请实施例提供的一种基于像素分类的图像处理装置的示意图。
具体实施方式
首先，先对本申请涉及到的技术术语进行解释：
双边滤波器（Bilateral Filter，BF）指的是在图像处理中使得图像平滑化的非线性滤波器。和传统的图像平滑化算法不同的是，双边滤波器除了使用像素之间几何上的靠近程度之外，还多考虑了像素之间的光度和/或色彩差异， 使得双边滤波器能够有效的将图像上的噪声去除，同时保存影像上的边缘信息。
取消锐化蒙版（Unsharpen Mask，USM）锐化增强算法是一种图像卷积处理实现锐化常用的算法，该方法指的是对原始图像先做一个高斯模糊，然后用原始图像减去一个系数乘以高斯模糊之后的图像，然后再把值设置到0～255的RGB（Red Green Blue）像素值范围之内。
相关技术中，一方面，可以基于双边滤波器进行图像增强操作。具体的，基于双边滤波器进行图像增强操作的公式可以如下公式（1）所示：
（1）
其中，BF[I]p为双边滤波强度值，Wp为归一化因子，q为第二中心像素位置，S为空间范围，Gσs为空间高斯，p为第一中心像素位置，Gσr为尺度高斯，Ip为第一中心像素位置的像素值，Iq为第二中心像素位置的像素值。
可以理解的是，对于具体的归一化因子Wp的公式可以如下公式（2）所示：
（2）
其中，Wp为归一化因子，q为第二中心像素位置，S为空间范围，Gσs为空间高斯，p为第一中心像素位置，Gσr为尺度高斯，Ip为第一中心像素位置的像素值，Iq为第二中心像素位置的像素值。
然而，基于双边滤波器进行图像增强对双边滤波器的阶数要求较高。阶数越高，图像增强效果越好，副作用也越少。通常阶数大于5阶才有明显效果，阶数大于7阶甚至9阶才能得到较为理想的图像增强结果。但是，高阶数会导致图像增强的运算过程非常复杂，很难达成实时的图像增强。并且，阶数较高的滤波器的硬件资源开销也很大，实现也较为困难。
另一方面，也可以基于USM锐化增强算进行图像增强操作。参见图1，该图为一种基于锐化增强算法的图像处理示意图。基于锐化增强算法的图像处理操作指的是将输入图像x（n，m）输入至线性数据平滑技术滤波器，从而得到矫正信号z（n，m）后，需要将输入图像x（n，m），以及，矫正信号z（n，m）与缩放因子λ的积进行加和，从而得到输出图像Y（n，m）。另外，还可以通过拉普拉斯（Laplace）锐化、卷积核锐化等锐化算法进行图像增强操作。具体的，基于锐化增强算法的图像处理操作的公式可以如下公式（3）所示：
Y（n，m）= x（n，m）+ λz（n，m） （3）
其中，x（n，m）为输入图像，Y（n，m）为输出图像，z（n，m）为矫正信号，λ为缩放因子。
然而，基于USM锐化增强算法等锐化算法进行图像增强，很容易导致增强后的图像画面中出现明显的噪点、光晕（halo）等缺陷，使得增强后的图像质量较低，甚至某些锐化算法还会使得增强后的图像显示结果错误，也就是无法得到图像增强后的结果。
有鉴于此，本申请提供了一种基于像素分类的图像增强方法及装置，获取目标图像中目标像素点的第一特征值和第二特征值，第一特征值为与目标像素点对应的特征矩阵的和，第二特征值为与目标像素点对应的N维像素矩阵的和；若通过第一特征值和第二特征值判断出目标像素点不是噪声点且处于图像边缘上，则对目标像素点进行增强处理；根据增强后的目标像素点，渲染出增强后的目标图像。由此，通过对目标图像中的目标像素点进行了分类滤波的预处理，使得参与滤波运算的像素点的数量大大减少，简化了图像增强的运算过程，从而可以实时图像增强。并且，防止了对不在边缘上的目标像素点进行的错误增强，提高了增强后的图像质量。
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他实施例，都属于本申请保护的范围。
参见图2，该图为本申请实施例提供的一种基于像素分类的图像增强方法的流程图。该方法包括：
S101：获取围绕在目标像素点周围的N维像素矩阵。
首先，需要针对目标图像的目标像素点，获取围绕在目标像素点周围的N维像素矩阵。可以理解的是，为保证目标像素点处于中心，需要设置维度N为非1的奇数。
在一些具体的实现方式中，为便于理解，后续以N=3为实施例展开说明。示例性的，围绕在目标像素点pi,j周围的三维像素矩阵，可以如下公式（4）所示：
（4）
其中，pi,j为位于i行j列的目标像素点，Pi,j为目标像素点周围的三维像素矩阵。
需要说明的是，可以在同一时间分别获取目标图像中所有的像素点周围的N维像素矩阵后，执行S102步骤及后续操作。也可以在获取某一目标像素点并对该目标像素点执行完S102步骤及后续操作之后，再获取下一个目标像素点并对下一个目标像素点执行完S102步骤及后续操作。对此，本申请不做限定。
S102：计算N维像素矩阵的特征值和特征矩阵。
在获取到目标像素点的三维像素矩阵后，即可基于三维像素矩阵计算对应的第一特征值、第二特征值和特征矩阵。其中，第一特征值为，表征特征矩阵的和；第二特征值为/>，表征三维像素矩阵的和。示例性的，上述特征矩阵的公式可以如下公式（5）所示：
（5）
其中，PΔ（i，j）为特征矩阵，Pi,j为目标像素点周围的三维像素矩阵，pi,j为位于i行j列的目标像素点。
S103：根据特征值和特征矩阵，判断目标像素点是否为噪声点。若不是，则执行S104；若是，则不进行后续处理。
在获取到特征值和特征矩阵后，需要首先判断当前的目标像素点是否为噪声点。噪声点是一种当目标图像在摄取或传输时，受到随机信号干扰而产生的现象，表现为图像信息或者像素亮度的随机变化。
示例性的，上述判断目标像素点是否为噪声点的公式可以如下公式（6）所示：
（6）
其中，Pnoise（i，j）为噪声点，ath1为第一预设阈值，为第一特征值，/>为第二特征值。
需要说明的是，上述第一预设阈值ath1是由本领域技术人员自行设定的可配值。示例性的，该第一预设阈值可以为16、20等，对于具体的第一预设阈值，本申请不做限定。
若目标像素点不是噪声点，则需要执行S104步骤及后续操作；若目标像素点是噪声点，那么可以不进行后续处理。
S104：判断目标像素点是否在图像边缘上。若是，则执行S105；若否，则不进行后续处理。
在判断到目标像素点不是噪声点后，需要继续判断该目标像素点是否在图像边缘上。
在一些具体的实现方式中，可以首先判断围绕在目标像素点周围的三维像素矩阵中是否存在边缘。若存在边缘，再对当前的目标像素点是否在边缘上做出判断。
示例性的，上述判断围绕在目标像素点周围的三维像素矩阵中是否存在边缘的公式可以如下公式（7）所示：
（7）
其中，G为第一边缘强度，Gx为水平方向的边缘强度，Gy为垂直方向的边缘强度。
具体的，水平方向的边缘强度Gx的计算公式可以如下公式（8）所示，垂直方向的边缘强度Gy的计算公式可以如下公式（9）所示：
（8）
（9）
其中，Gx为水平方向的边缘强度，Gy为垂直方向的边缘强度，Pi,j为目标像素点周围的三维像素矩阵。
若第一边缘强度G的取值大于第二预设阈值ath2，则说明围绕在目标像素点周围的三维像素矩阵中存在边缘。那么，再对目标像素点是否在边缘上做出判断。若第一边缘强度G的取值小于或等于第二预设阈值ath2，则说明围绕在目标像素点周围的三维像素矩阵中不存在边缘，那么则不进行后续处理。需要说明的是，上述第二预设阈值ath2也是由本领域技术人员自行设定的可配值。示例性的，该第二预设阈值可以为16、20等，对于具体的第二预设阈值，本申请不做限定。
示例性的，上述判断目标像素点是否在图像边缘上的公式可以如下公式（10）所示：
（10）
其中，Gn为目标像素点的边缘强度（即第二边缘强度），On为判定矩阵，Pi,j为目标像素点周围的三维像素矩阵。
若目标像素点的边缘强度Gn的取值大于第三预设阈值ath3，则说明当前的目标像素点在边缘上，那么则执行S105及后续步骤。若目标像素点的边缘强度Gn的取值小于或等于第三预设阈值ath3，则说明当前的目标像素点不在边缘上，那么则不进行后续处理。需要说明的是，上述第三预设阈值ath3也是由本领域技术人员自行设定的可配值。示例性的，该第三预设阈值可以为16、20等，对于具体的第三预设阈值，本申请不做限定。
S105：对不是噪声点且处于图像边缘的目标像素点进行增强处理。
在判断完成所有目标点是否为噪声点以及是否处在图像边缘后，则可以对不是噪声点且处于图像边缘的目标像素点进行增强处理。
在一些具体的实现方式中，可以基于双边滤波器或USM锐化增强算法进行图像增强操作。
可以理解的是，对于现有技术中的双边滤波器进行图像增强来说，由于本申请已经对目标图像中所有的目标像素点进行了分类滤波的预处理，因此参与滤波运算的目标像素点的数量大大减少，可以不再使用阶数较高的双边滤波器。因此，在增强了图像增强效果的同时，简化了图像增强的运算过程，从而可以达成实时的图像增强，也降低了硬件开销。
可以理解的是，对于现有技术中的USM锐化增强算法进行图像增强来说，本申请可以防止对不在边缘上的目标像素点进行错误的增强，因此可以避免增强后的图像画面中出现明显的噪点、光晕等缺陷，提高了增强后的图像质量，得到更清晰的图像增强结果。
S106：根据增强后的所有目标像素点，渲染增强后的目标图像。
在对需要进行增强处理的目标像素点进行增强后，即可根据增强后的所有目标像素点，渲染出增强后的目标图像。
参见图3，该图为本申请实施例提供的一种基于像素分类的图像处理示意图。其中，图3中的A为需要进行图像增强的目标图像，获取图3中的A中某一目标像素点周围的三维像素矩阵后，即可根据该三维像素矩阵获取对应的特征值和特征矩阵，进而判断目标像素点是否为噪声点。在确认目标像素点为噪声点后，需要继续判断围绕在目标像素点周围的三维像素矩阵中是否存在边缘。若不存在边缘，则不进行后续处理。图3中的B即为检测为噪声点但不进行后续处理的像素的图像，也就是检测为噪声点但判断围绕在像素点周围的三维像素矩阵中不存在边缘的像素的图像。若存在边缘，则需要进一步判断目标像素点是否在图像边缘上，图3中的C即为可能存在边缘的像素的图像。若目标像素点确定在图像边缘上，则可执行后续操作。图3中的D即为在边缘上的像素的图像。图3中的E即为增强后的目标图像。
综上所述，本申请公开了一种基于像素分类的图像增强方法，该方法包括：获取围绕在目标像素点周围的N维像素矩阵；计算N维像素矩阵的特征值和特征矩阵；根据特征值和特征矩阵，判断目标像素点是否为噪声点；若不是，则判断目标像素点是否在图像边缘上；若是，则对不是噪声点且处于图像边缘的目标像素点进行增强处理；根据增强后的所有目标像素点，渲染增强后的目标图像。由此，通过对目标图像中的目标像素点进行了分类滤波的预处理，使得参与滤波运算的像素点的数量大大减少，简化了图像增强的运算过程，从而可以实时图像增强。并且，防止了对不在边缘上的目标像素点进行的错误增强，提高了增强后的图像质量。
参见图4，该图为本申请实施例提供的一种基于像素分类的图像增强装置，该基于像素分类的图像增强装置200包括：获取模块201、增强模块202和渲染模块203；
具体的，获取模块201，用于获取目标图像中目标像素点的第一特征值和第二特征值，第一特征值为与目标像素点对应的特征矩阵的和，第二特征值为与目标像素点对应的N维像素矩阵的和，N为非1的奇数；增强模块202，用于若通过第一特征值和第二特征值，判断出目标像素点不是噪声点且处于图像边缘上，则对目标像素点进行增强处理；渲染模块203，用于根据增强后的目标像素点，渲染出增强后的目标图像。
在一些具体的实现方式中，上述增强模块202具体包括：第一判断模块、第二判断模块、第三判断模块和增强子模块；
具体的，第一判断模块，用于根据第一特征值和第二特征值，判断目标像素点是否为噪声点；第二判断模块，用于若目标像素点不是噪声点，则判断N维像素矩阵中是否存在边缘；第三判断模块，用于若N维像素矩阵中存在边缘，则判断目标像素点是否在边缘上；增强子模块，用于若目标像素点在边缘上，则对目标像素点进行增强处理。
在一些具体的实现方式中，上述增强模块202具体用于：基于双边滤波器和/或取消锐化蒙版锐化增强算法，对目标像素点进行增强处理。
综上所述，本申请公开了一种基于像素分类的图像增强装置，该装置包括：获取模块、增强模块和渲染模块。由此，通过对目标图像中的目标像素点进行了分类滤波的预处理，使得参与滤波运算的像素点的数量大大减少，简化了图像增强的运算过程，从而可以实时图像增强。并且，防止了对不在边缘上的目标像素点进行的错误增强，提高了增强后的图像质量。
本申请实施例还提供了对应的生成设备以及计算机存储介质，用于实现本申请实施例提供的方案。
其中，设备包括存储器和处理器，存储器用于存储指令或代码，处理器用于执行指令或代码，以使设备执行本申请的一种增量式图像渲染方法。
计算机存储介质中存储有代码，当代码被运行时，运行代码的设备实现本申请的一种增量式图像渲染方法。
本申请实施例中提到的 “第一”、“第二”（若存在）等名称中的“第一”、“第二”只是用来做名字标识，并不代表顺序上的第一、第二。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器（英文：read-only memory，ROM）/RAM、磁碟、光盘等，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，或者诸如路由器等网络通信设备）执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及可读存储介质实施例仅仅是示意性的，其中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，作为单元提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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种基于像素分类的图像增强方法，其特征在于，所述方法包括：
获取目标图像中目标像素点的第一特征值和第二特征值，所述第一特征值为与所述目标像素点对应的特征矩阵的和，所述第二特征值为与所述目标像素点对应的N维像素矩阵的和，N为非1的奇数；
若通过所述第一特征值和所述第二特征值，判断出所述目标像素点不是噪声点且处于图像边缘上，则对所述目标像素点进行增强处理；
根据增强后的目标像素点，渲染出增强后的目标图像。
2.根据权利要求1所述的方法，其特征在于，所述若通过所述第一特征值和所述第二特征值，判断出所述目标像素点不是噪声点且处于图像边缘上，则对所述目标像素点进行增强处理，包括：
根据所述第一特征值和所述第二特征值，判断所述目标像素点是否为噪声点；
若所述目标像素点不是噪声点，则判断所述N维像素矩阵中是否存在边缘；
若所述N维像素矩阵中存在边缘，则判断所述目标像素点是否在所述边缘上；
若所述目标像素点在所述边缘上，则对所述目标像素点进行增强处理。
3.根据权利要求2所述的方法，其特征在于，所述判断所述目标像素点是否为噪声点的方法具体如下：
若所述第一特征值与所述第二特征值的比值大于第一预设阈值，则所述目标像素点为噪声点；
若所述第一特征值与所述第二特征值的比值小于或等于所述第一预设阈值，则所述目标像素点不是噪声点。
4.根据权利要求2所述的方法，其特征在于， 所述判断所述N维像素矩阵中是否存在边缘的方法具体如下：
若第一边缘强度大于第二预设阈值，则所述N维像素矩阵中存在边缘，所述第一边缘强度为垂直方向的边缘强度的绝对值与水平方向的边缘强度的绝对值的和，所述垂直方向的边缘强度和所述水平方向的边缘强度均与所述N维像素矩阵相关；
若所述第一边缘强度小于或等于所述第二预设阈值，则所述N维像素矩阵中不存在边缘。
5.根据权利要求2所述的方法，其特征在于，所述判断所述目标像素点是否在所述边缘上的方法具体如下：
若第二边缘强度大于第三预设阈值，则所述目标像素点在所述边缘上，所述第二边缘强度为判定矩阵和所述N维像素矩阵中的最大值；
若所述第二边缘强度小于或等于第三预设阈值，则所述目标像素点不在所述边缘上。
6.根据权利要求1所述的方法，其特征在于，所述特征矩阵为所述N维像素矩阵与所述目标像素点的差值的绝对值。
7.根据权利要求1所述的方法，其特征在于，所述对所述目标像素点进行增强处理，包括：
基于双边滤波器和/或取消锐化蒙版锐化增强算法，对所述目标像素点进行增强处理。
8.一种基于像素分类的图像处理装置，其特征在于，所述装置包括：获取模块、增强模块和渲染模块；
所述获取模块，用于获取目标图像中目标像素点的第一特征值和第二特征值，所述第一特征值为与所述目标像素点对应的特征矩阵的和，所述第二特征值为与所述目标像素点对应的N维像素矩阵的和，N为非1的奇数；
所述增强模块，用于若通过所述第一特征值和所述第二特征值，判断出所述目标像素点不是噪声点且处于图像边缘上，则对所述目标像素点进行增强处理；
所述渲染模块，用于根据增强后的目标像素点，渲染出增强后的目标图像。
9.根据权利要求8所述的装置，其特征在于，所述增强模块具体包括：第一判断模块、第二判断模块、第三判断模块和增强子模块；
所述第一判断模块，用于根据所述第一特征值和所述第二特征值，判断所述目标像素点是否为噪声点；
所述第二判断模块，用于若所述目标像素点不是噪声点，则判断所述N维像素矩阵中是否存在边缘；
所述第三判断模块，用于若所述N维像素矩阵中存在边缘，则判断所述目标像素点是否在所述边缘上；
所述增强子模块，用于若所述目标像素点在所述边缘上，则对所述目标像素点进行增强处理。
10.根据权利要求8所述的装置，其特征在于，所述增强模块具体用于：
基于双边滤波器和/或取消锐化蒙版锐化增强算法，对所述目标像素点进行增强处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311189390.7A CN116934634A (zh) | 2023-09-14 | 2023-09-14 | 一种基于像素分类的图像增强方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311189390.7A CN116934634A (zh) | 2023-09-14 | 2023-09-14 | 一种基于像素分类的图像增强方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116934634A true CN116934634A (zh) | 2023-10-24 |
Family
ID=88388146
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311189390.7A Pending CN116934634A (zh) | 2023-09-14 | 2023-09-14 | 一种基于像素分类的图像增强方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116934634A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117315050A (zh) * | 2023-11-28 | 2023-12-29 | 四川省东舜智能科技有限公司 | 一种摄像机标定方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112258421A (zh) * | 2020-11-07 | 2021-01-22 | 中南林业科技大学 | 一种基于prewitt算子的图像增强及降噪的方法与系统 |
| CN115619683A (zh) * | 2022-11-07 | 2023-01-17 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、设备、存储介质和计算机程序产品 |
| CN115908186A (zh) * | 2022-12-01 | 2023-04-04 | 山东省地质矿产勘查开发局第一地质大队（山东省第一地质矿产勘查院） | 一种遥感测绘图像增强方法 |
-
2023
- 2023-09-14 CN CN202311189390.7A patent/CN116934634A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112258421A (zh) * | 2020-11-07 | 2021-01-22 | 中南林业科技大学 | 一种基于prewitt算子的图像增强及降噪的方法与系统 |
| CN115619683A (zh) * | 2022-11-07 | 2023-01-17 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、设备、存储介质和计算机程序产品 |
| CN115908186A (zh) * | 2022-12-01 | 2023-04-04 | 山东省地质矿产勘查开发局第一地质大队（山东省第一地质矿产勘查院） | 一种遥感测绘图像增强方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117315050A (zh) * | 2023-11-28 | 2023-12-29 | 四川省东舜智能科技有限公司 | 一种摄像机标定方法 |
| CN117315050B (zh) * | 2023-11-28 | 2024-02-06 | 四川省东舜智能科技有限公司 | 一种摄像机标定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104156921B (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
| CN111047530B (zh) | 基于多特征融合的水下图像颜色校正和对比度增强方法 | |
| US8090214B2 (en) | Method for automatic detection and correction of halo artifacts in images | |
| CN108038833B (zh) | 一种梯度相关性检测的图像自适应锐化方法和存储介质 | |
| US8965141B2 (en) | Image filtering based on structural information | |
| CN109214996B (zh) | 一种图像处理方法及装置 | |
| CN111210395B (zh) | 基于灰度值映射的Retinex水下图像增强方法 | |
| CN110796615A (zh) | 一种图像去噪方法、装置以及存储介质 | |
| CN116934634A (zh) | 一种基于像素分类的图像增强方法及装置 | |
| CN114820417A (zh) | 图像异常检测方法、装置、终端设备和可读存储介质 | |
| US20090116762A1 (en) | Content-based gaussian noise reduction for still image, video and film | |
| CN111383181B (zh) | 图像增强方法及装置、存储介质、终端 | |
| CN111415304A (zh) | 基于级联深度网络的水下视觉增强方法和装置 | |
| CN112150368A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN116681606A (zh) | 一种水下不均匀光照图像增强方法、系统、设备及介质 | |
| CN113012061A (zh) | 降噪处理方法、装置及电子设备 | |
| CN107424121B (zh) | 一种基于分数阶微分的模糊图像超分辨率重构方法 | |
| Patil et al. | Bilateral filter for image denoising | |
| US11501404B2 (en) | Method and system for data processing | |
| CN117496019A (zh) | 一种驱动静态图像的图像动画处理方法及系统 | |
| Banerjee et al. | Bacterial foraging-fuzzy synergism based image Dehazing | |
| RU2405200C2 (ru) | Способ и устройство быстрого фильтрования шума цифровых изображений | |
| CN110309829B (zh) | 影视资源下架的在线监控方法、装置及可读存储介质 | |
| RU2383924C2 (ru) | Способ адаптивного повышения резкости цифровых фотографий в процессе печати | |
| Martinho et al. | Underwater image enhancement based on fusion of intensity transformation techniques |
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 |