CN117057995A - 图像处理方法、装置、芯片、电子设备及存储介质 - Google Patents
图像处理方法、装置、芯片、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117057995A CN117057995A CN202311070845.3A CN202311070845A CN117057995A CN 117057995 A CN117057995 A CN 117057995A CN 202311070845 A CN202311070845 A CN 202311070845A CN 117057995 A CN117057995 A CN 117057995A
- Authority
- CN
- China
- Prior art keywords
- gradient
- pixel
- abs
- gradients
- window
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims description 41
- 238000012937 correction Methods 0.000 claims description 24
- 230000008859 change Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000010606 normalization Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- IESVDEZGAHUQJU-ZLBXKVHBSA-N 1-hexadecanoyl-2-(4Z,7Z,10Z,13Z,16Z,19Z-docosahexaenoyl)-sn-glycero-3-phosphocholine Chemical compound CCCCCCCCCCCCCCCC(=O)OC[C@H](COP([O-])(=O)OCC[N+](C)(C)C)OC(=O)CC\C=C/C\C=C/C\C=C/C\C=C/C\C=C/C\C=C/CC IESVDEZGAHUQJU-ZLBXKVHBSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开提供一种图像处理方法、装置、芯片、电子设备及存储介质,方法包括:基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度;确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向。本公开提供的方案,能够提高插值方向的准确度。
Description
技术领域
本公开涉及图像处理领域,尤其涉及一种图像处理方法、装置、芯片、电子设备及存储介质。
背景技术
在将拜耳(Bayer)图像转化为质量较高的RGB图像时,通过对检测到的边缘像素插值,能够复现边缘纹理信息,在此过程中,插值方向的确定直接影响边缘纹理信息的复现效果。相关技术中,可以根据当前像素周围同通道像素的像素值确大当前像素的纹理方向,即插值方向,并沿确定的纹理方向对当前像素进行插值。然而,利用单通道信息确定的插值方向准确度较低。
发明内容
本公开提供一种图像处理方法、装置、芯片、电子设备及存储介质,以解决相关技术中的问题,提高插值方向的准确度。
本公开的第一方面实施例提出了一种图像处理方法,该方法包括:
基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度;
确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向。
上述方案中,所述确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向,包括:
确定所述多个第一梯度中最大梯度与最小梯度的比例是否大于预设阈值;
在所述比例大于预设阈值的情况下,确定所述多个第一梯度中最小梯度所对应的梯度方向为中心像素的纹理方向。
上述方案中,所述基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度,包括:
确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第二梯度,得到多个第二梯度;所述同通道像素位于所述中心像素的第一梯度方向;
确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第三梯度,得到多个第三梯度;所述同通道像素不位于所述中心像素第一梯度方向;
对所述第二梯度和所述第三梯度进行加权,得到所述第一梯度方向的第一梯度;所述第二梯度的权重大于所述第三梯度的权重。
上述方案中,所述第一窗口中的像素排列模式为四元拜耳(Quad Bayer)模式;所述对所述第二梯度和所述第三梯度进行加权,得到所述第一梯度方向的第一梯度,包括:
基于所述中心像素与所述第一梯度方向上相邻的同通道像素的像素差,得到第四梯度;
对所述第二梯度、第三梯度和第四梯度进行加权,得到所述第一梯度方向的第一梯度;所述第二梯度与所述第四梯度权重相同。
上述方案中,所述第一梯度方向包括水平方向、垂直方向、第一对角线方向、第二对角线方向中之一。
上述方案中,所述方法还包括:
对Bayer图像的待处理窗口进行白平衡校正,得到所述第一窗口。
上述方案中,所述对Bayer图像的待处理窗口进行白平衡校正,得到所述第一窗口,包括:
对Bayer图像待处理窗口中的第一像素进行白平衡校正,得到所述第一窗口;所述第一像素包括所述第一窗口中与所述中心像素通道不同的像素。
上述方案中,所述方法还包括:
基于所述纹理方向,对所述中心像素进行插值。
本公开的第二方面实施例提出了一种图像处理装置,该装置包括:
第一处理单元,用于基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度;
第二处理单元,用于确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向。
上述方案中,所述第二处理单元,具体用于:
确定所述多个第一梯度中最大梯度与最小梯度的比例是否大于预设阈值;
在所述比例大于预设阈值的情况下,确定所述多个第一梯度中最小梯度所对应的梯度方向为中心像素的纹理方向。
上述方案中,所述第一处理单元,具体用于:
确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第二梯度,得到多个第二梯度;所述同通道像素位于所述中心像素的第一梯度方向;
确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第三梯度,得到多个第三梯度;所述同通道像素不位于所述中心像素第一梯度方向;
对所述第二梯度和所述第三梯度进行加权,得到所述第一梯度方向的第一梯度,得到不同梯度方向的多个第一梯度;所述第二梯度的权重大于所述第三梯度的权重。
上述方案中,所述第一窗口中的像素排列模式为Quad Bayer模式;所述第一处理单元,具体用于:
基于所述中心像素与所述第一梯度方向上相邻的同通道像素的像素差,得到第四梯度;
对所述第二梯度、第三梯度和第四梯度进行加权,得到所述第一梯度方向的第一梯度;所述第二梯度与所述第四梯度权重相同。
上述方案中,所述第一梯度方向包括水平方向、垂直方向、第一对角线方向、第二对角线方向中之一。
上述方案中,所述装置还包括第三处理单元,用于对Bayer图像的待处理窗口进行白平衡校正,得到所述第一窗口。
上述方案中,所述第三处理单元,具体用于:
对Bayer图像待处理窗口中的第一像素进行白平衡校正,得到所述第一窗口;所述第一像素包括所述第一窗口中与所述中心像素通道不同的像素。
上述方案中,所述第二处理单元,还可以用于:
基于所述纹理方向,对所述中心像素进行插值。
本公开的第三方面实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开第一方面实施例中描述的方法。
本公开的第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开第一方面实施例中描述的方法。
本公开的第五方面实施例提出了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行本公开第一方面实施例中描述的方法。
本公开的第六方面实施例提出了一种芯片,该芯片包括一个或多个接口电路和一个或多个处理器;接口电路用于从电子设备的存储器接收信号,并向处理器发送信号,信号包括存储器中存储的计算机指令,当处理器执行计算机指令时,使得电子设备执行本公开第一方面实施例中描述的方法。
综上,本公开实施例提出的图像处理方法、装置、芯片、电子设备及存储介质,基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度;确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向。本公开实施例提出的技术方案,利用多个通道的梯度确定中心像素在不同梯度方向的梯度,从而将梯度最小的方向作为纹理方向,由于在计算梯度的过程中引入多通道的像素变化,能够基于中心像素周围所有像素的变化情况计算梯度,因此,能够提高梯度计算结果的准确性,并对数据波动和噪声具有较高鲁棒性,从而提高所得纹理方向的准确性;进一步地,由于提高了纹理方向的准确性,因此,能够为中心像素插值提供更为准确的方向指导,从而提高重建纹理信息的准确性。
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,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1为本公开实施例提供的一种应用场景示意图;
图2为本公开实施例提供的一种图像处理方法的流程示意图;
图3a为正常拜耳(NormalBayer)模式的窗口示意图;
图3b为Quad Bayer模式的窗口示意图;
图4a为采用相关技术的纹理信息重现方法生成的边缘纹理示意图;
图4b为采用本公开应用示例的纹理信息重现方法生成的边缘纹理示意图;
图4c为采用相关技术的纹理信息重现方法生成的非边缘纹理示意图;
图4d是采用本公开应用示例的纹理信息重现方法生成的非边缘纹理示意图;
图5为本公开实施例提供的一种图像处理方法的流程示意图;
图6为本公开实施例提供的一种图像处理装置的结构示意图;
图7为本公开实施例提供的电子设备的结构示意图;
图8为本公开实施例提供的芯片的结构示意图。
具体实施方式
下面详细描述本公开的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
随着科技产品性能的日益提升,用户对手机、相机、电视、投影等显示设备的显示画质要求也不断提高。在图像传感器(比如,接触式图像传感器(Contact Image Sensor,CIS))采集到图像数据后,可以利用图像信号处理(Image Signal Processing,ISP)管线(Pipeline)对采集到的Bayer数据进行一系列转换,以生成质量较高的RGB图像;在ISPPipeline前期处理任务中,可以通过插值方式对属于边缘纹理的像素进行校正,以复现图像纹理信息,比如,在ISP Pipeline的相位检测像素校正(Phase DetectionPixelCorrection,PDPC)和坏点校正(Bad Pixel Correction,BPC)任务中,需要对相位检测(PD)点和坏点进行校正;在此过程中,可以根据周围同通道像素的梯度确定边缘像素的纹理方向,并沿纹理方向对边缘像素进行插值,而能否准确判断出边缘纹理方向,直接关系到插值结果的准确性,从而影响纹理信息复现效果。然而,单通道梯度的变化无法全面描述周围像素的变化特征,尤其是在数据波动较大的区域,单通道梯度的变化与全局梯度的变化之间可能存在较大偏差,因此,仅依靠单通道梯度变化来指导纹理方向判断,会导致纹理方向判断结果准确性较低。
为了解决上述问题,相关技术中,也可以将中心像素所在行和列方向上一阶导绝对值和二阶导绝对值之和进行对比,并沿绝对值之和较小的方向进行三通道插值重建;然而,中心像素所在行或列的梯度变化,依然不能完整表达中心像素周围数据的变化特征,导致纹理方向不够准确。
为了解决相关技术中存在的问题,本公开提出一种图像处理方法、装置、芯片、电子设备及存储介质,利用多个通道的梯度确定中心像素在不同梯度方向的梯度,从而将梯度最小的方向作为纹理方向,由于在计算梯度的过程中引入多通道的像素变化,能够基于中心像素周围所有像素的变化情况计算梯度,因此,能够提高梯度计算结果的准确性,并对数据波动和噪声具有较高鲁棒性,从而提高所得纹理方向的准确性;进一步地,由于提高了纹理方向的准确性,因此,能够为中心像素插值提供更为准确的方向指导,从而提高重建纹理信息的准确性。
在介绍本公开的详细方案之前,先对本公开方案所应用的场景进行描述。图1为一个实施例中图像处理方法的应用场景图。如图1所示,该应用场景中包括电子设备104,电子设备104中可安装摄像头模组,还可以安装若干个应用程序。应用程序可发起获取图像的图像采集指令,由摄像头模组采集图像102。其中,摄像头模组可以包括前置摄像头模组和/或后置摄像头模组。最后将目标图像发送给目标应用程序。其中,电子设备104可为智能手机、平板电脑、个人数字助理、穿戴式设备等。
在一些可选实施例中,上述电子设备还可以是车载设备或车联网设备,例如智能汽车等,在本公开中仅以智能手机为例,但并不代表其限制本公开的范围。
电子设备上可以安装摄像头,并通过安装的摄像头获取图像。摄像头可以根据获取的图像的不同分为激光摄像头、可见光摄像头等类型,激光摄像头可以获取激光照射到物体上所形成的图像,可见光图像可以获取可见光照射到物体上所形成的图像。电子设备上可以安装若干个摄像头,且安装的位置不做限定。例如,可以在电子设备的正面面板上安装一个摄像头,在背面面板上安装两个摄像头,摄像头还可以以内嵌的方式安装于电子设备的内部,然后通过旋转或滑动的方式打开摄像头。具体地,电子设备上可安装前置摄像头和后置摄像头,前置摄像头和后置摄像头可以从不同的视角获取图像,一般前置摄像头可以从电子设备的正面视角获取图像,后置摄像头可以从电子设备的背面视角获取图像。
应当理解的是,本公开中,前置摄像头或后置摄像头仅作为示例用于区分不同摄像头的拍摄角度,而非限制多个摄像头的功能,本公开中的多个摄像头可以同时为后置摄像头或同时为前置摄像头,在本公开中不予限制。
电子设备中可安装若干个应用程序,应用程序是指电子设备中针对某种应用目的所撰写的软体,电子设备可以通过应用程序实现对用户的需求服务。当应用程序需要采集图像的时候,会发起图像采集指令,电子设备会根据图像采集指令调用摄像头模组,采集图像。图像采集指令是指用于触发图像采集操作的指令。
电子设备中还设置有处理器,处理器中的图像处理模组可以对摄像头模组采集到的图像进行校正处理,例如,执行本公开提供的图像处理方法。
图2为本公开实施例提供的一种图像处理方法。如图2所示,该方法可以包括:
步骤201:基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度。
实际应用时,所述第一窗口可以是Bayer图像中以待处理像素为中心像素的窗口;其中,所述Bayer图像的排列模式可以是正常拜耳(NormalBayer)模式,即以单个像素为像素单元进行排列,如图3a所示,此时,所述中心像素为单个R像素、G像素或B像素;所述Bayer图像的排列模式也可以是Quad Bayer模式,即将四个同色(即同通道)像素排列在一起,形成一个大的像素单元,如图3b所示,此时,所述中心像素为四个同色像素。
在一些实施例中,在计算每个梯度方向的梯度时,可以先计算每个通道在该梯度方向的梯度,得到每个通道的梯度,再对每个通道的梯度进行加权求和,得到该梯度方向梯度;而在每个通道在一个梯度方向的梯度,可以包括所述第一窗口内该通道的所有相邻像素之间的梯度;由于引入了周围所有通道的梯度,且考虑到所述第一窗口内所有像素的数据变化情况,因此,所得第一梯度能够更为准确地反应周围像素的数据变化情况,从而提高所述第一梯度的准确度。
步骤202:确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向。
在一些实施例中,可以先确定所述中心像素在不同梯度方向的梯度差异度,具体地,所述中心像素在不同梯度方向的梯度最大值和最小值的差异度,根据确定梯度差异度确定该中心像素是否为边缘像素,并在确定所述中心像素为边缘像素的情况下,确定该中心像素的纹理方向;其中,所述边缘像素为数据波动较大位置的像素,比如,图像边缘纹理、PD点、坏点等。
综上,本公开实施例提供的方法,利用多个通道的梯度确定中心像素在不同梯度方向的梯度,从而将梯度最小的方向作为纹理方向,由于在计算梯度的过程中引入多通道的像素变化,能够基于中心像素周围所有像素的变化情况计算梯度,因此,能够提高梯度计算结果的准确性,并对数据波动和噪声具有较高鲁棒性,从而提高所得纹理方向的准确性;进一步地,由于提高了纹理方向的准确性,因此,能够为中心像素插值提供更为准确的方向指导,从而提高重建纹理信息的准确性。
基于图2所示的实施例,图5进一步示出本公开提出的一种图像处理方法的流程图。如图5所示,该方法包括:
步骤501:对Bayer图像的待处理窗口进行白平衡校正,得到第一窗口。
在一些实施例中,可以对所述待处理窗口中与中心像素不同通道的像素进行白平衡校正,实现各个通道像素的白平衡。
基于此,在一些实施例中,所述对Bayer图像的待处理窗口进行白平衡校正,得到第一窗口,可以包括:
对Bayer图像待处理窗口中的第一像素进行白平衡校正,得到所述第一窗口;所述第一像素包括所述第一窗口中与所述中心像素通道不同的像素。
示例性地,如图3a所示,中心像素为G像素,对窗口中的R像素和B像素进行校正;如图3b所示,中心像素为四个G像素组成的像素单元,对窗口中的R像素和B像素进行校正。
在一些实施例中,可以将所述第一像素的Bayer数据与预设的白平衡系数相乘,并将乘积截断到位宽数值范围内,得到所述第一像素的校正后的Bayer数据;其中,不同通道的白平衡系数可以相同,也可以不同。
示例性地,白平衡校正规则表示为:
R=clip(r*wb_R,0,maxValue);
B=clip(b*wb_B,0,maxValue);
G=g;
其中,wb_R和wb_B分别为bayerR和bayerB的白平衡系数。
实际应用时,所述待处理窗口和所述第一窗口可以是Bayer图像中以待处理像素为中心像素的窗口;其中,所述Bayer图像的排列模式可以是NormalBayer模式,即以单个像素为像素单元进行排列,如图3a所示,此时,所述中心像素为单个R像素、G像素或B像素;所述Bayer图像的排列模式也可以是Quad Bayer模式,即将四个同色(即同通道)像素排列在一起,形成一个大的像素单元,如图3b所示,此时,所述中心像素为四个同色像素。
实际应用时,所述第一窗口的大小可以根据实际应用需求和应用场景确定,本公开不作限定;比如,对于NormalBayer模式的Bayer图像,窗口大小可以设置为5×5,对于Quad Bayer模式的Bayer图像,窗口大小可以设置为8×8。
步骤502:确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第二梯度,得到多个第二梯度;所述同通道像素位于所述中心像素的第一梯度方向。
实时应用时,针对所述第一窗口中每个通道的像素,可以计算每一组相邻像素之间的梯度;对于跨中心像素的相邻像素,即沿梯度方向排列的像素排中,所述中心像素所在的像素排中两个同通道且相邻的像素,可以计算每一组相邻像素之间的第二梯度,得到多个第二梯度。
示例性地,如图3a所示,中心像素为G33,R32和R34为水平方向上跨中心像素的相邻像素;如图3b所示,中心像素为G44、G45、G54和G55,G41和G48为水平方向上跨中心像素的相邻像素。
步骤503:确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第三梯度,得到多个第三梯度;所述同通道像素不位于所述中心像素第一梯度方向。
实际应用时,对于未跨中心像素的相邻像素,即沿梯度方向排列的像素排中,不存在所述中心像素的像素排中两个同通道且相邻的像素,可以计算每一组相邻像素之间的第三梯度,得到多个第三梯度。
示例性地,如图3a所示,中心像素为G33,G11和G13为水平方向上跨中心像素的相邻像素;如图3b所示,中心像素为G44、G45、G54和G55,G11和G14为水平方向上未跨中心像素的相邻像素。
需要说明的是,步骤503可以在步骤502之前执行,也可以在步骤502之后执行,还可以与步骤502同时执行,本公开实施例不作限定。
在一些实施例中,所述第一梯度方向可以是水平方向、垂直方向、对角方向或反对角方向;其中,对角方向也可以称为45度方向,表示沿窗口左下角到右上角的梯度方向;反对角方向也可以称为135度方向,表示沿窗口左上角到右下角的梯度方向。
步骤504:对所述第二梯度和所述第三梯度进行加权,得到所述第一梯度方向的第一梯度;所述第二梯度的权重大于所述第三梯度的权重。
在一些实施例中,每个梯度方向对应一个第一梯度,所述多个第一梯度包括每个梯度方向的第一梯度,具体地,包括水平方向、垂直方向、对角方向和反对角方向的第一梯度可以相同;所述多个第一梯度,也可以称为混合梯度。
在一些实施例中,水平方向和垂直方向上,第二梯度的权重可以相同,均为第一权重;对角方向和反对角方向,第二梯度的权重可以相同,均为第二权重。
在一些实施例中,所述第一权重和所述第二权重可以大于或等于1。
在一些实施例中,所述第一权重可以为2,所述第二权重可以为1。
实际应用时,中心像素所在沿第一梯度方向排列的像素排的梯度值,是表征该中心像素所在位置数据波动情况的主要指标,因此,通过将所述第二梯度的权重设置为大于所述第三梯度的权重,能够表达所述第二梯度的主要指导作用,从而提高所述第一梯度的准确性。
实际应用时,可以对所述第一窗口中与中心像素同色的像素进行归一化,以确定第一权重和第二权重。
示例性地,如图3a所示的窗口,假设归一化系数为a,则对G像素进行归一化可得:
12+2*wh=(6+2*w45)*a;
wh=w45*a;
其中,wh为水平方向梯度的权重,w45为45度方向梯度的权重。
实际应用时,在不同梯度方向的第一梯度计算过程中,参与计算的与中心像素同通道的像素数量不同,因此,计算得到的第一梯度的数值表示空间不同,因此,为了保证不同梯度方向的第一梯度处于相同的数值表示空间,进而保证后续处理结果的准确性,在确定每个梯度方向的第一梯度后,可以利用预设的归一化系数对不同梯度方向的第一梯度进行归一化。
示例性地,如图3a所示的窗口,假设归一化系数为a,则不同梯度方向梯度的归一化过程可以表示为:
grad_H=grad_H;
grad_V=grad_V;
grad_45=grad_45*a;
grad_135=grad_135*a;
其中,grad_H表示水平方向梯度,grad_V表示垂直方向梯度,grad_45表示45度方向梯度,grad_135表示135度方向梯度。
实际应用时,对于Quad Bayer模式的Bayer图像,中心像素包括PD点和正常的像素点,中心像素与周围同通道像素的差异不大,因此,中心像素的Bayer数据也能对确定梯度提供一定的指导信息,提高梯度计算结果的准确性。
基于此,在一些实施例中,所述第一窗口中的像素排列模式为Quad Bayer模式,所述对所述第二梯度和所述第三梯度进行加权,得到所述第一梯度方向的第一梯度,可以包括:
基于所述中心像素与所述第一梯度方向上相邻的同通道像素的像素差,得到第四梯度;
对所述第二梯度、第三梯度和第四梯度进行加权,得到所述第一梯度方向的第一梯度;所述第二梯度与所述第四梯度权重相同。
在一些实施例中,可以计算以四个同色像素构成的中心像素中每个像素与相邻像素的像素差,得到第四梯度。
步骤505:确定所述多个第一梯度中最大梯度与最小梯度的比例是否大于预设阈值。
实际应用时,所述多个第一梯度中最大梯度与最小梯度的比例大于预设阈值,表示所述中心像素所在位置的数据波动较大,该中心像素为边缘像素,此时,可以执行步骤506确定该中心像素的纹理方向,以对该中心像素插值;当所述多个第一梯度中最大梯度与最小梯度的比例不大于预设阈值,表示所述中心像素所在位置的数据波动不大,该中心像素不是边缘像素,此时,可以将下一个像素作为中心像素,并执行步骤501。
步骤506:在所述比例大于预设阈值的情况下,确定所述多个第一梯度中最小梯度所对应的梯度方向为中心像素的纹理方向。
实际应用时,在所述比例大于预设阈值的情况下,所述中心像素为边缘纹理,而纹理方向沿最小梯度方向,此时,可以确定该中心像素的纹理方向,复现纹理沿着最小梯度方向进行插值。
在一些实施例中,还可以基于所述纹理方向,对所述中心像素进行插值。
综上,本公开实施例提供的方法,利用多个通道的梯度确定中心像素在不同梯度方向的梯度,从而将梯度最小的方向作为纹理方向,由于在计算梯度的过程中引入多通道的像素变化,能够基于中心像素周围所有像素的变化情况计算梯度,因此,能够提高梯度计算结果的准确性,并对数据波动和噪声具有较高鲁棒性,从而提高所得纹理方向的准确性;进一步地,由于提高了纹理方向的准确性,因此,能够为中心像素插值提供更为准确的方向指导,从而提高重建纹理信息的准确性。
下面结合具体应用实施例对本公开的技术方案作进一步详细介绍。
本公开应用示例提供一种纹理信息重现方法。该方法包括:
步骤1.1:对原始窗口bayer数据进行白平衡校正;
如图3a所示,中心像素为G,选取5×5窗口,白平衡校正算法为原始R和B的bayer数据分别乘以相应白平衡系数,并截断到位宽数值范围内。
步骤1.2:计算水平方向梯度grad_H,垂直方向梯度grad_V,对角方向梯度grad_45,反对角方向梯度grad_135。
具体计算公式表示为:
grad_H=abs(G11-G13)/2+abs(G13-G15)/2+abs(G22-G24)/2+wh*abs(G31-G35)/4+
abs(G42-G44)/2+abs(G51-G53)/2+abs(G53-G55)/2+abs(R12-R14)/2+wh*abs(R32-R34)/2+abs(R52-R54)/2+abs(B21-B23)/2+abs(B23-B25)/2+abs(B41-B43)/2+abs(B43-B45)/2;
grad_V=abs(G11-G31)/2+abs(G31-G51)/2+abs(G22-G42)/2+wv*abs(G13-G53)/4+
abs(G24-G44)/2+abs(G15-G35)/2+abs(G35-G55)/2+abs(R12-R32)/2+abs(R32-R52)/2+abs(R14-R34)/2+abs(R34-R54)/2+abs(B21-B41)/2+wv*abs(B23-B43)/2+abs(B25-B45)/2;
grad_45=abs(G31-G13)/2+w45*abs(G51-G15)/4+w45*abs(G42-G24)/2+abs(G53-G35)/2+abs(R32-R14)/2+abs(R52-R34)/2+abs(B41-B23)/2+abs(B43-B25)/2;
grad_135=abs(G13-G35)/2+w135*abs(G11-G55)/4+w135*abs(G22-G44)/2+abs(G31-G53)/2+abs(R12-R34)/2+abs(R32-R54)/2+abs(B23-B45)/2+abs(B21-B43)/2。
其中,wh、wv、w45和w135分别是水平方向、垂直方向、对角方向和反对角方向跨中心像素同通道梯度权重,abs为取绝对值函数;
其中,wh=wv,w45=w135,假设归一化系数为a,进行归一化可得:
12+2*wh=(6+2*w45)*a;
wh=w45*a;
本公开应用示例中,wh=wv=2,w45=1,a=2。
步骤1.2:对grad_H,grad_V,grad_45和grad_135进行归一化;
具体地,归一化过程可以表示为:
grad_H=grad_H;
grad_V=grad_V;
grad_45=grad_45*a;
grad_135=grad_135*a。
步骤1.3:计算混合梯度最小值grad_min和混合梯度最大值grad_max,即grad_H,grad_V,grad_45和grad_135中的最大值和最小值,设置阈值为threshold,当grad_max>(threshold*grad_min)时,中心像素为边缘纹理。
步骤1.4:纹理方向沿最小梯度方向,复现纹理沿着最小混合梯度方向进行插值。
本公开应用示例还提供另一种纹理信息重现方法。该方法包括:
步骤2.1:对原始窗口bayer数据进行白平衡校正;
如图3b所示,以中心像素所在quad位置为中心选取8×8窗口,由于纹理是逐渐变化,因此中心像素所在quad像素纹理方向一致;中心为四个G像素,白平衡校正算法为原始R和B的bayer数据分别乘以相应白平衡系数,并截断到位宽数值范围内。
步骤1.2:计算水平方向梯度grad_H,垂直方向梯度grad_V,对角方向梯度grad_45,反对角方向梯度grad_135。
具体计算公式表示为:
grad_H=abs(G11-G14)/3+abs(G14-G15)+abs(G15-G18)/3+abs(G22-G23)+abs(G23-G26)/3+abs(G26-G27)+abs(G32-G33)+abs(G33-G36)/3+abs(G36-G37)+wh*abs(G41-G48)/7+wh*abs(G51-G58)/7+abs(G62-G63)+abs(G63-G66)/3+abs(G66-G67)+abs(G72-G73)+abs(G73-G76)/3+abs(G76-G77)+abs(G81-G84)/3+abs(G84-G85)+abs(G85-G88)/3+abs(R12-R13)+abs(R13-R16)/3+abs(R16-R17)+abs(R42-R43)+wh*abs(R43-R46)/3+abs(R46-R47)+abs(R52-R53)+wh*abs(R53-R56)/3+abs(R56-R57)+abs(R82-R83)+abs(R83-R86)/3+abs(R86-R87)+abs(B21-B24)/3+abs(B24-B25)+abs(B25-B28)/3+abs(B31-B34)/3+abs(B34-B35)+abs(B35-B38)/3+abs(B61-B64)/3+abs(B64-B65)+abs(B65-B68)/3+abs(B71-B74)/3+abs(B74-B75)+abs(B75-B78)/3;
grad_V=abs(G11-G41)/3+abs(G41-G51)+abs(G51-G81)/3+abs(G22-G32)+abs(G32-G62)/3+abs(G62-G72)+abs(G23-G33)+abs(G33-G63)/3+abs(G63-G73)+wv*abs(G14-G84)/7+wv*abs(G15-G85)/7+abs(G26-G36)+abs(G36-G66)/3+abs(G66-G76)+abs(G27-G37)+abs(G37-G67)/3+abs(G67-G77)+abs(G18-G48)/3+abs(G48-G58)+abs(G58-G88)/3+
abs(R12-R42)/3+abs(R42-R52)+abs(R52-R82)/3+abs(R13-R43)/3+abs(R43-R53)+abs(R53-R83)/3+abs(R16-R46)/3+abs(R46-R56)+abs(R56-R86)/3+abs(R17-R47)/3+abs(R47-R57)+abs(R57-R87)/3+abs(B21-B31)+abs(B31-B61)/3+abs(B61-B71)+abs(B24-B34)+wv*abs(B34-B64)/3+abs(B64-B74)+abs(B25-B35)+wv*abs(B35-B65)/3+abs(B65-B75)+abs(B28-B38)+abs(B38-B68)/3+abs(B68-B78);
grad_45=abs(G41-G14)/3+abs(G32-G23)+abs(G51-G15)/4+w45*abs(G62-G26)/4+w45*abs(G81-G18)/7+abs(G72-G63)+w45*abs(G63-G36)/3+abs(G36-G27)+w45*abs(G73-G37)/4+abs(G84-G48)/4+abs(G85-G58)/3+abs(G76-G67)+abs(R52-R43)+abs(R43-R16)/3+w45*abs(G53-R17)/4+w45*abs(R82-R46)/4+abs(R83-R56)/3+abs(R56-R47)+abs(B61-B34)/3+abs(B34-B25)+w45*abs(B71-B35)/4+w45*abs(B64-B28)/4+abs(B74-B65)+abs(B65-B38)/3;
grad_135=abs(G15-G48)/3+abs(G26-G37)+abs(G14-G58)/4+w135*abs(G23-G67)/4+w135*abs(G11-G88)/7+abs(G22-G33)+w135*abs(G33-G66)/3+abs(G66-G77)+w135*abs(G32-G76)/4+abs(G41-G85)/4+abs(G51-G84)/3+abs(G62-G73)+abs(R13-R46)/3+abs(G46-G57)+w135*abs(R12-R56)/4+w135*abs(R43-G87)/4+abs(R42-R53)+abs(R53-R86)/3+abs(B24-B35)+abs(B35-B68)/3+w135*abs(G34-G78)/4+w135*(B21-B65)/4+abs(B31-B64)/3+abs(B64-B75);
其中,wh、wv、w45和w135分别是水平方向、垂直方向、对角方向和反对角方向跨中心像素同通道梯度权重,abs为取绝对值函数;wh=wv,w45=w135,假设归一化系数为a,进行归一化可得:
12+2*wh=(5+2*w45)*a;
wh=w45*a;
本公开应用示例中,wh=wv=2,w45=1,a=2。
这里,也可以加入中心quad的PD数据进行grad_H,grad_V,grad_45和grad_135计算过程中,对于grad_H,可以原有计算公式的基础上,加上G41和G44、G45和G48、G51和G54、G55和G58的梯度,且所在的梯度的权重为wh。
步骤1.2:对grad_H,grad_V,grad_45和grad_135进行归一化;
具体地,归一化过程可以表示为:
grad_H=grad_H;
grad_V=grad_V;
grad_45=grad_45*a;
grad_135=grad_135*a。
步骤1.3:计算混合梯度最小值grad_min和混合梯度最大值grad_max,即grad_H,grad_V,grad_45和grad_135中的最大值和最小值,设置阈值为threshold,当grad_max>(threshold*grad_min)时,中心像素为边缘纹理。
步骤1.4:纹理方向沿最小梯度方向,复现纹理沿着最小混合梯度方向进行插值。
图4a和图4c示出了利用相关技术中纹理重现方法生成的纹理图像,图4b和图4d则示出利用本公开应用示例纹理重现方法生成的纹理图像;通过图4a与图4c中方框位置的对比,以及图4b和图4d中方框位置的对比可以看出,利用本公开应用示例的方法重建的边缘纹理,在斜线45°方向有较好的数据波动鲁棒性,在平坦区表现也较好,对噪声具有较好的鲁棒性,提高边缘纹理方向判断结果,提高边缘纹理方向检测准确性,为下一步方向插值做好铺垫。
本公开应用示例具有以下优点:
(1)可以有效提高边缘纹理方向检测准确性,对数据波动和噪声具有较好的鲁棒性,为下一步方向插值奠定基础,从而重建出比较正确的边缘纹理信息,提高重建图像质量;
(2)适用于Normal Bayer、Quad Bayer等Bayer模式,适用范围广。
为了实现上述图像处理方法,本公开实施例还提供了一种图像处理装置。如图6所示,该图像处理装置600包括:
第一处理单元601,用于基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度;
第二处理单元602,用于确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向。
在一些实施例中,所述第二处理单元602,具体用于:
确定所述多个第一梯度中最大梯度与最小梯度的比例是否大于预设阈值;
在所述比例大于预设阈值的情况下,确定所述多个第一梯度中最小梯度所对应的梯度方向为中心像素的纹理方向。
在一些实施例中,所述第一处理单元601,具体用于:
确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第二梯度,得到多个第二梯度;所述同通道像素位于所述中心像素的第一梯度方向;
确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第三梯度,得到多个第三梯度;所述同通道像素不位于所述中心像素第一梯度方向;
对所述第二梯度和所述第三梯度进行加权,得到所述第一梯度方向的第一梯度,得到不同梯度方向的多个第一梯度;所述第二梯度的权重大于所述第三梯度的权重。
在一些实施例中,所述第一窗口中的像素排列模式为Quad Bayer模式;所述第一处理单元601,具体用于:
基于所述中心像素与所述第一梯度方向上相邻的同通道像素的像素差,得到第四梯度;
对所述第二梯度、第三梯度和第四梯度进行加权,得到所述第一梯度方向的第一梯度;所述第二梯度与所述第四梯度权重相同。
在一些实施例中,所述第一梯度方向包括水平方向、垂直方向、第一对角线方向、第二对角线方向中之一。
在一些实施例中,所述装置还包括第三处理单元,用于对Bayer图像的待处理窗口进行白平衡校正,得到所述第一窗口。
在一些实施例中,所述第三处理单元,具体用于:
对Bayer图像待处理窗口中的第一像素进行白平衡校正,得到所述第一窗口;所述第一像素包括所述第一窗口中与所述中心像素通道不同的像素。
在一些实施例中,所述第二处理单元602,还可以用于:
基于所述纹理方向,对所述中心像素进行插值。
由于本公开实施例提供的装置与上述几种实施例提供的方法相对应,因此方法的实施方式也适用于本实施例提供的装置,在本实施例中不再详细描述。
上述本申请提供的实施例中,对本申请实施例提供的方法及装置进行了介绍。为了实现上述本申请实施例提供的方法中的各功能,电子设备可以包括硬件结构、软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能可以以硬件结构、软件模块、或者硬件结构加软件模块的方式来执行。
图7是根据一示例性实施例示出的一种用于实现上述图像处理方法的电子设备600的框图。例如,电子设备700可以是移动电话,计算机,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图7,电子设备700可以包括以下一个或多个组件:处理组件702,存储器704,电源组件706,多媒体组件708,音频组件710,输入/输出(I/O)的接口712,传感器组件714,以及通信组件716。
处理组件702通常控制电子设备700的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件702可以包括一个或多个模块,便于处理组件702和其他组件之间的交互。例如,处理组件702可以包括多媒体模块,以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在电子设备700的操作。这些数据的示例包括用于在电子设备700上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件706为电子设备700的各种组件提供电力。电源组件706可以包括电源管理系统,一个或多个电源,及其他与为电子设备700生成、管理和分配电力相关联的组件。
多媒体组件708包括在电子设备700和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件708包括一个前置摄像头和/或后置摄像头。当电子设备700处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件710被配置为输出和/或输入音频信号。例如,音频组件710包括一个麦克风(MIC),当电子设备700处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中,音频组件710还包括一个扬声器,用于输出音频信号。
I/O接口712为处理组件702和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件714包括一个或多个传感器,用于为电子设备700提供各个方面的状态评估。例如,传感器组件714可以检测到电子设备700的打开/关闭状态,组件的相对定位,例如组件为电子设备700的显示器和小键盘,传感器组件714还可以检测电子设备700或电子设备700一个组件的位置改变,用户与电子设备700接触的存在或不存在,电子设备700方位或加速/减速和电子设备700的温度变化。传感器组件714可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件714还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件716被配置为便于电子设备700和其他设备之间有线或无线方式的通信。电子设备700可以接入基于通信标准的无线网络,如WiFi,2G或3G,4G LTE、5G NR(NewRadio)或它们的组合。在一个示例性实施例中,通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件716还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器704,上述指令可由电子设备700的处理器720执行以完成上述方法。例如,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。
本公开的实施例还提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开上述实施例中描述的图像处理方法。
本公开的实施例还提出一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行本公开上述实施例中描述的图像处理方法。
本公开的实施例还提出了一种芯片,可参见图8所示的芯片的结构示意图。图8所示的芯片包括处理器801和接口电路802。其中,处理器801的数量可以是一个或多个,接口电路802的数量可以是一个或多个。
可选的,芯片还包括存储器803,存储器803用于存储必要的计算机程序和数据;接口电路802用于从存储器803接收信号,并向处理器801发送信号,信号包括存储器803中存储的计算机指令,当处理器801执行计算机指令时,使得电子设备执行本公开上述实施例中描述的图像处理方法。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(控制方法),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明的各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块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,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。
尽管上面已经示出和描述了本发明的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施实施进行变化、修改、替换和变型。
Claims (12)
1.一种图像处理方法,其特征在于,所述方法包括:
基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度;
确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向。
2.根据权利要求1所述的方法,其特征在于,所述确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向,包括:
确定所述多个第一梯度中最大梯度与最小梯度的比例是否大于预设阈值;
在所述比例大于预设阈值的情况下,确定所述多个第一梯度中最小梯度所对应的梯度方向为中心像素的纹理方向。
3.根据权利要求2所述的方法,其特征在于,所述基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度,包括:
确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第二梯度,得到多个第二梯度;所述同通道像素位于所述中心像素的第一梯度方向;
确定所述第一窗口中在第一梯度方向相邻的同通道像素之间的第三梯度,得到多个第三梯度;所述同通道像素不位于所述中心像素第一梯度方向;
对所述第二梯度和所述第三梯度进行加权,得到所述第一梯度方向的第一梯度;所述第二梯度的权重大于所述第三梯度的权重。
4.根据权利要求3所述的方法,其特征在于,所述第一窗口中的像素排列模式为四元拜耳Quad Bayer模式;所述对所述第二梯度和所述第三梯度进行加权,得到所述第一梯度方向的第一梯度,包括:
基于所述中心像素与所述第一梯度方向上相邻的同通道像素的像素差,得到第四梯度;
对所述第二梯度、第三梯度和第四梯度进行加权,得到所述第一梯度方向的第一梯度;所述第二梯度与所述第四梯度权重相同。
5.根据权利要求3所述的方法,其特征在于,所述第一梯度方向包括水平方向、垂直方向、第一对角线方向、第二对角线方向中之一。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
对拜耳Bayer图像的待处理窗口进行白平衡校正,得到所述第一窗口。
7.根据权利要求6所述的方法,其特征在于,所述对Bayer图像的待处理窗口进行白平衡校正,得到所述第一窗口,包括:
对Bayer图像待处理窗口中的第一像素进行白平衡校正,得到所述第一窗口;所述第一像素包括所述第一窗口中与所述中心像素通道不同的像素。
8.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
基于所述纹理方向,对所述中心像素进行插值。
9.一种图像处理装置,其特征在于,所述装置包括:
第一处理单元,用于基于第一窗口中不同通道在每个梯度方向的梯度,确定每个梯度方向的第一梯度,得到多个第一梯度;
第二处理单元,用于确定所述多个第一梯度中最小梯度对应的梯度方向为中心像素的纹理方向。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1至8中任一项所述的方法。
12.一种芯片,其特征在于,包括一个或多个接口电路和一个或多个处理器;所述接口电路用于从电子设备的存储器接收信号,并向所述处理器发送所述信号,所述信号包括存储器中存储的计算机指令,当所述处理器执行所述计算机指令时,使得所述电子设备执行权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070845.3A CN117057995A (zh) | 2023-08-23 | 2023-08-23 | 图像处理方法、装置、芯片、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070845.3A CN117057995A (zh) | 2023-08-23 | 2023-08-23 | 图像处理方法、装置、芯片、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117057995A true CN117057995A (zh) | 2023-11-14 |
Family
ID=88662398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311070845.3A Pending CN117057995A (zh) | 2023-08-23 | 2023-08-23 | 图像处理方法、装置、芯片、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057995A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452573A (zh) * | 2007-12-04 | 2009-06-10 | 比亚迪股份有限公司 | 一种图像边缘增强方法 |
CN101770646A (zh) * | 2010-02-25 | 2010-07-07 | 昆山锐芯微电子有限公司 | 基于Bayer RGB图像的边缘检测方法 |
CN102630019A (zh) * | 2012-03-27 | 2012-08-08 | 上海算芯微电子有限公司 | 去马赛克的方法和装置 |
CN104463891A (zh) * | 2014-12-22 | 2015-03-25 | 西安电子科技大学 | 一种基于最小中值梯度滤波的坏点检测及校正方法 |
US20170053379A1 (en) * | 2015-08-19 | 2017-02-23 | Via Alliance Semiconductor Co., Ltd. | Demosaicing methods and apparatuses using the same |
US20170061585A1 (en) * | 2015-05-15 | 2017-03-02 | SZ DJI Technology Co., Ltd. | System and method for supporting image denoising based on neighborhood block dimensionality reduction |
CN109285123A (zh) * | 2017-07-20 | 2019-01-29 | 展讯通信(上海)有限公司 | 图像平滑方法及装置、计算机可读存储介质、终端 |
CN111539892A (zh) * | 2020-04-27 | 2020-08-14 | 展讯通信(上海)有限公司 | Bayer图像的处理方法、系统、电子设备和存储介质 |
CN115526774A (zh) * | 2021-06-25 | 2022-12-27 | 北京小米移动软件有限公司 | 图像插值方法、装置、存储介质及电子设备 |
CN116506746A (zh) * | 2022-01-20 | 2023-07-28 | 深圳市汇顶科技股份有限公司 | 一种图像坏点处理方法、电子设备及存储介质 |
-
2023
- 2023-08-23 CN CN202311070845.3A patent/CN117057995A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452573A (zh) * | 2007-12-04 | 2009-06-10 | 比亚迪股份有限公司 | 一种图像边缘增强方法 |
CN101770646A (zh) * | 2010-02-25 | 2010-07-07 | 昆山锐芯微电子有限公司 | 基于Bayer RGB图像的边缘检测方法 |
CN102630019A (zh) * | 2012-03-27 | 2012-08-08 | 上海算芯微电子有限公司 | 去马赛克的方法和装置 |
CN104463891A (zh) * | 2014-12-22 | 2015-03-25 | 西安电子科技大学 | 一种基于最小中值梯度滤波的坏点检测及校正方法 |
US20170061585A1 (en) * | 2015-05-15 | 2017-03-02 | SZ DJI Technology Co., Ltd. | System and method for supporting image denoising based on neighborhood block dimensionality reduction |
US20170053379A1 (en) * | 2015-08-19 | 2017-02-23 | Via Alliance Semiconductor Co., Ltd. | Demosaicing methods and apparatuses using the same |
CN109285123A (zh) * | 2017-07-20 | 2019-01-29 | 展讯通信(上海)有限公司 | 图像平滑方法及装置、计算机可读存储介质、终端 |
CN111539892A (zh) * | 2020-04-27 | 2020-08-14 | 展讯通信(上海)有限公司 | Bayer图像的处理方法、系统、电子设备和存储介质 |
CN115526774A (zh) * | 2021-06-25 | 2022-12-27 | 北京小米移动软件有限公司 | 图像插值方法、装置、存储介质及电子设备 |
CN116506746A (zh) * | 2022-01-20 | 2023-07-28 | 深圳市汇顶科技股份有限公司 | 一种图像坏点处理方法、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
JIAJI WU 等: "Bayer demosacicking with polynomial interpolation", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》, vol. 25, no. 11, 30 August 2016 (2016-08-30), pages 5369 - 5382, XP011623912, DOI: 10.1109/TIP.2016.2604489 * |
魏凌云 等: "Bayer阵列图像去马赛克算法综述", 《中国图象图形学报》, vol. 27, no. 09, 14 May 2022 (2022-05-14), pages 2683 - 2696 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210326587A1 (en) | Human face and hand association detecting method and a device, and storage medium | |
CN107395898B (zh) | 一种拍摄方法及移动终端 | |
CN109859144B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
KR101755412B1 (ko) | 동영상 파일의 식별자를 처리하는 방법, 장치, 프로그램 및 기록매체 | |
CN106657780B (zh) | 图像预览方法和装置 | |
US11410342B2 (en) | Method for adding special effect to video, electronic device and storage medium | |
KR20190017303A (ko) | 이동 단말기 | |
CN111338743B (zh) | 一种界面处理方法、装置及存储介质 | |
US20210321071A1 (en) | Method and apparatus for synthesizing omni-directional parallax view, and storage medium | |
CN111583142A (zh) | 图像降噪方法及装置、电子设备和存储介质 | |
CN105678296A (zh) | 确定字符倾斜角度的方法及装置 | |
CN107730443B (zh) | 图像处理方法、装置及用户设备 | |
CN115526774A (zh) | 图像插值方法、装置、存储介质及电子设备 | |
CN111050211B (zh) | 视频处理方法、装置及存储介质 | |
CN115205164B (zh) | 图像处理模型的训练方法、视频处理方法、装置及设备 | |
CN116188343A (zh) | 一种图像融合方法、装置、电子设备、芯片及介质 | |
CN111311588A (zh) | 重定位方法及装置、电子设备和存储介质 | |
CN117057995A (zh) | 图像处理方法、装置、芯片、电子设备及存储介质 | |
CN115953339A (zh) | 图像融合处理方法、装置、设备、存储介质及芯片 | |
CN115601316A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN111583144A (zh) | 图像降噪方法及装置、电子设备和存储介质 | |
CN116385260B (zh) | 图像处理方法、装置、芯片、电子设备及介质 | |
CN110876013B (zh) | 确定图像分辨率的方法及装置、电子设备及存储介质 | |
CN110876015B (zh) | 确定图像分辨率的方法及装置、电子设备及存储介质 | |
CN112258498B (zh) | 图像故障的检测方法及装置、存储介质和电子设备 |
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 |