CN117575974B - 一种图像画质增强方法、系统、电子设备和存储介质 - Google Patents
一种图像画质增强方法、系统、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117575974B CN117575974B CN202410053076.4A CN202410053076A CN117575974B CN 117575974 B CN117575974 B CN 117575974B CN 202410053076 A CN202410053076 A CN 202410053076A CN 117575974 B CN117575974 B CN 117575974B
- Authority
- CN
- China
- Prior art keywords
- gradient
- image
- value
- pixel
- component
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013507 mapping Methods 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 17
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 230000002787 reinforcement Effects 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 2
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 102000020897 Formins Human genes 0.000 description 1
- 108091022623 Formins Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种图像画质增强方法、系统、电子设备和存储介质,涉及图像处理技术领域,包括如下步骤:计算图像的Y分量的第一像素斜角,不同方向上的梯度值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度;求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益;采用正、负增益对第一像素梯度做增益后求梯度差,将梯度差融合Y分量得到边界梯度增强的第一输出图像;融合第一输出图像输出边界幅度加强的第二输出图像;将第二输出图像与图像的U、V分量融合输出画质增强的图像。本发明提出的方法对图像边界对比度信息的判断更加准确,使图像增强更完善。
Description
技术领域
本发明属于图像数据处理技术领域,尤其涉及一种图像画质增强方法、电子设备和存储介质。
背景技术
现有画质增强算法,多没有考虑到物体的本质,没有抓住图像的自身信息去处理图像,如没有考虑到图像干扰噪声的影响,直接采用常规的识别滤波器去识别,会梯度计算过程导致方向判断出错,方向识别不准确等问题,导致最后图像锐化的方向出现异常,在斜边、字体等图像处理中则易增强错误,导致出现错误横断线。
发明内容
本发明针对至少一个现有技术中的缺点,提供了一种图像画质增强方法。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
一种图像画质增强方法,包括如下步骤:
计算图像的Y分量的第一像素斜角,计算图像的Y分量的不同方向上的梯度值,遍历第一像素斜角值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度;
对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益;采用正、负增益对第一像素梯度做增益后求梯度差,将梯度差融合Y分量得到边界梯度增强的第一输出图像;
根据当前点与周围点的大小对Y分量做边界幅度加强的增益,融合第一输出图像输出边界幅度加强的第二输出图像;将第二输出图像与图像的U、V分量融合输出画质增强的图像。
一种优选方案是,所述对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益的方法,还包括:
采用矩阵滤波对Y分量求解若干组边界加强的滤波值,对若干组滤波值进行融合后得到边界加强的梯度映射参量,取梯度映射参量计算的正、负数作为正、负增益。
一种优选方案是,所述根据当前点与周围点的大小对Y分量做边界幅度加强的增益的方法,包括:
遍历Y分量全图,以图像当前点向周围取框,计算当前框中的最大值、最小值和中间值;
若最大值、最小值和中间值相等,则不增益;
若当前点小于等于中间值,则做增益减小;
若当前点大于中间值,则做增益加强。
一种优选方案是,在求得第二输出图像之后,还包括步骤:
根据所述最大值、最小值和中间值和第一增益求解第二增益,根据第二增益计算第三输出图像;将第三输出图像与图像的U、V分量融合输出画质增强的图像。
一种优选方案是,所述计算图像的Y分量的第一像素斜角的方法,包括:
将图像的Y分量通过矩阵进行0°、90°、45°和135°方向的滤波,得到四组第一方向输出值;根据四组第一方向输出值计算像素倾斜角,得到第一像素斜角。
一种优选方案是,计算图像的Y分量的不同方向上的梯度值的方法,包括:
将图像的Y分量通过矩阵进行0°、22°、45°、67°、90°、112°、135°和157°方向的滤波,得到不同方向上的梯度值。
一种优选方案是,所述遍历第一像素斜角值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度的方法,包括:
比较当前点a的第一像素斜角值范围:
若-0.2≤a<0.2,则当前点的值是0°方向的梯度值;
若0.2≤a<0.589,则当前点的值是22°方向的梯度值;
若0.589≤a<0.982,则当前点的值是45°方向的梯度值;
若0.982≤a<1.374,则当前点的值是67°方向的梯度值;
若a≥1.374或a<-1.374,则当前点的值是90°方向的梯度值;
若-1.374<a≤-0.982,则当前点的值是112°方向的梯度值;
若-0.982<a≤-0.589,则当前点的值是135°方向的梯度值;
若-0.589≤a≤-0.2,则当前点的值是157°方向的梯度值;
根据所有遍历点对应输出第一像素梯度。
本发明还提出一种图像画质增强系统,包括以下结构:
第一梯度增强单元,用于计算图像的Y分量的第一像素斜角,计算图像的Y分量的不同方向上的梯度值,遍历第一像素斜角值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度;
第二梯度增强单元,用于对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益;采用正、负增益对第一像素梯度做增益后求梯度差,将梯度差融合Y分量得到边界梯度增强的第一输出图像;
幅度增强单元,用于根据当前点与周围点的大小对Y分量做边界幅度加强的增益,融合第一输出图像输出边界幅度加强的第二输出图像;
融合单元,用于将第二输出图像与图像的U、V分量融合输出画质增强的图像。
本发明还提出一种计算机存储介质,其存储有计算机程序,所述计算机程序被处理器调用实现所述图像画质增强方法。
本发明还提出一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现所述图像画质增强方法。
有益效果:同时对边界梯度、边界幅度进行加强,让图像增强效果更加完善,本方法对于图像边界信息判断更加准确。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是实施例1图像画质增强方法流程图;
图2是实施例2图像画质增强方法流程图;
图3是边界梯度加强的方法流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例1
一种图像画质增强方法,如图1所示,主要步骤为:对输入图像进行边界梯度加强,边界幅度加强。具体包括如下步骤:
步骤10,计算图像的Y分量的第一像素斜角o,计算图像的Y分量的不同方向上的梯度值,遍历第一像素斜角值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度out1;
对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益;采用正、负增益对第一像素梯度做增益后求梯度差,将梯度差融合Y分量得到边界梯度增强的第一输出图像yout1;
步骤20,根据当前点与周围点的大小对Y分量做边界幅度加强的增益,融合第一输出图像输出边界幅度加强的第二输出图像yout2;
步骤30,将第二输出图像与图像的U、V分量融合输出画质增强的图像。
输入yuv格式的图像,或输入其他格式图像,经转化称为yuv格式的图像,提取Y分量,并作加强处理。
(一)边界梯度加强,如图3
其中,计算图像的Y分量的第一像素斜角的方法,包括:将图像的Y分量通过矩阵进行0°、90°、45°和135°方向的滤波,得到四组第一方向输出值;根据四组第一方向输出值计算像素倾斜角,得到第一像素斜角。
本实施例中,公开其中一种矩阵用于进行0°、90°、45°和135°方向的滤波,如:
,/>,
,/>,
将Y分量分别与F0、F90、F45、F135矩阵进行滤波,滤波后的图像分别为o0,o45,o135,o90,计算中间量o1与o2,根据中间量o1与o2,以及o0和o90计算倾斜角。
o1=(o45-o135)*2,
o2=(o45+o135)*2,
计算像素水平倾角和垂直倾角大小wt与wh;
wt=o0+o1,
wh=o90+o2,
根据公式o=arctan(wh./wt),计算像素倾斜角,即第一像素斜角。其中,“./”为矩阵除法。
其中,计算图像的Y分量的不同方向上的梯度值的方法,包括:
将图像的Y分量通过矩阵进行0°、22°、45°、67°、90°、112°、135°和157°方向的滤波,得到不同方向上的梯度值。
本实施例中,公开其中一种矩阵用于进行0°、22°、45°、67°、90°、112°、135°和157°方向的滤波,如:
,/>,/>,
,/>,/>,
,/>,
将Y分量分别跟d0,d22,d45,d67,d90,d112,d135,d157矩阵进行滤波,滤波后的图像分别为f0,f22,f45,f67,f90,f112,f135,f157,其中,上述公开的F0,F90,F135,F45矩阵滤波器形态具有滤除噪声作用。则对于d0,d22,d45,d67,d90,d112,d135,d157可以有选择地携带滤波功能,以上公开的为不携带滤除噪声作用的滤波矩阵。
进一步公开一种优选方案是,所述遍历第一像素斜角值o,根据第一像素斜角值o的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度out1的方法,包括:
比较当前点a的第一像素斜角范围:
若-0.2≤a<0.2,则当前点的值是0°方向的梯度值,即该点的值就为f0对应点的值;
若0.2≤a<0.589,则当前点的值是22°方向的梯度值,该点的值就为f22对应点的值;
若0.589≤a<0.982,则当前点的值是45°方向的梯度值,该点的值就为f45对应点的值;
若0.982≤a<1.374,则当前点的值是67°方向的梯度值,该点的值就为f67对应点的值;
若a≥1.374或a<-1.374,则当前点的值是90°方向的梯度值,该点的值就为f90对应点的值;
若-1.374<a≤-0.982,则当前点的值是112°方向的梯度值,该点的值就为f112对应点的值;
若-0.982<a≤-0.589,则当前点的值是135°方向的梯度值,该点的值就为f135对应点的值;
若-0.589≤a≤-0.2,则当前点的值是157°方向的梯度值,该点的值就为f157对应点的值;
根据所有遍历点对应输出矩阵为第一像素梯度out1。
进一步公开一种优选方案是,所述对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益的方法,还包括:
采用矩阵滤波对Y分量求解若干组边界加强的滤波值,对若干组滤波值进行融合后得到边界加强的梯度映射参量,取梯度映射参量计算的正、负数作为正、负增益。
本实施例中,公开其中一种边界加强的矩阵参量a1,a2,a3对Y分量进滤波:
经过a1,a2,a3对Y分量进滤波后得到结果f1,f2和f3,然后采用权重系数对f1,f2和f3进行融合处理,计算得到a4,a4计算公式如下:
a4=(0.9*f3+1.1*f2+1.1*f1)/100。
需要说明的是本方案中的矩阵参量、权重系数等具体的参数可以根据本领域工作人员的经验进行调整和修改。
将a4取正负数,分别为f2p,f2n,是融合了滤波后的结果f3,f2和f1,以及正负数的矩阵形态,计算公式如下:
f2p=a4.*(a4>0),
f2n=a4.*(a4<0),其中,“.*”为矩阵乘法。
然后,根据f2p和f2n计算增益youp和youn,公式如下:
youtp=max(out1,0).*(256-max((min((abc(f2n)/2+100),200)),32))/(256),
youtn=max(out1,0).*(256-max((min((abc(f2p)/2+100),200)),32))/(256),
out2=youtp+youtn,
yout1=out2/8+Y,
将out2加起来,youtp为正数增益,youtn为负数增益,out2为梯度差,yout1即经过边界梯度增强的第一输出图像。此处的Y即Y分量。
边界幅度加强
一种优选方案是,所述根据当前点与周围点的大小对Y分量做边界幅度加强的增益的方法,包括:
遍历Y分量全图,以图像当前点向周围取框,计算当前框中的最大值、最小值和中间值;
若最大值、最小值和中间值相等,则不增益;
若当前点小于等于中间值,则做增益减小;
若当前点大于中间值,则做增益加强。
具体的,公开一种详细的计算过程,以图像第一行第一个列为例,以图像从当前点向周围取长为31,宽为21的框(框的大小不固定),若取框超出图像边界则进行插值计算,yin是中心点,也可以理解为图像当前遍历的点。
计算当前框中的最大值、最小值和中间值,为了使数据更具有趋向性,在计算最大值、最小值和中间值时,采用取平均值的方法计算:
在当前框中取出第一小和第二小的数记为min1,min2,取出第一大和第二大的数记为max1,max2;
min=(min1+min2)/2,
max=(max1+max2)/2,
middle=(max+min)/2,
min为计算的最小平均数,max为计算的最大平均数,middle是中间值平均数。其中,如果取第一大至第n大的数,以及第一小至第n小的数计算min、max和middle同样是一种可行的方案,n的取值需要可以根据经验制定。又有一种方式是取第一大为max,取第一小为min,再计算middle,也是一种可行的方案。
记yf1是计算的对应的增益,则yf1的计算方式如下:
,
如果最大值、最小值与中间值相同,增益为0,即不增益;如果yin≤middle,则理解为当前点小于中间值,需要对图像进行减小处理,具体公式就是;如果yin>middle,则理解为当前点大于中间值,需要对图像进行增强处理,具体公式即为图像增强。经过以上的边界幅度加强处理后,输出第二输出图像yout2,
yout2=yout1+yf1*yin/1024,
最后,将第二输出图像与图像的U、V分量融合输出画质增强的图像。
实施例2
一种图像画质增强方法,如图2所示,主要步骤为:对输入图像进行边界梯度加强,边界幅度加强,边界对比度加强,输出图像。具体包括如下步骤:
步骤10,计算图像的Y分量的第一像素斜角,计算图像的Y分量的不同方向上的梯度值,遍历第一像素斜角值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度;
对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益;采用正、负增益对第一像素梯度做增益后求梯度差,将梯度差融合Y分量得到边界梯度增强的第一输出图像;
步骤20,根据当前点与周围点的大小对Y分量做边界幅度加强的增益,融合第一输出图像输出边界幅度加强的第二输出图像;
步骤30,根据所述最大值、最小值和中间值和第一增益求解第二增益,根据第二增益计算第三输出图像;
步骤40,将第三输出图像与图像的U、V分量融合输出画质增强的图像。
根据实施例1中计算出的最大值、最小值、中间值,中间点yin,计算对比度加强的增益,yf2:
。
yout3经过对比度加强的增益yf2处理后的输出结果,即第三输出图像。
最后将yout3,和U分量,V分量融合,结合成新的输出形成最后的画质增强的图像。
本实施例中的图像增强处理同时对图像边界梯度增强,周围点幅度增强和对比度增强,整个图像增强更完善,对图像边界对比度信息的判断更加准确。
实施例3
本发明还提出一种图像画质增强系统,包括以下结构:
第一梯度增强单元,用于计算图像的Y分量的第一像素斜角,计算图像的Y分量的不同方向上的梯度值,遍历第一像素斜角值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度;
第二梯度增强单元,用于对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益;采用正、负增益对第一像素梯度做增益后求梯度差,将梯度差融合Y分量得到边界梯度增强的第一输出图像;
幅度增强单元,用于根据当前点与周围点的大小对Y分量做边界幅度加强的增益,融合第一输出图像输出边界幅度加强的第二输出图像;
融合单元,用于将第二输出图像与图像的U、V分量融合输出画质增强的图像。
优选的,还有对比度增强单元,用于根据所述最大值、最小值和中间值和第一增益求解第二增益,根据第二增益计算第三输出图像;则此时的融合单元,用于将第三输出图像与图像的U、V分量融合输出画质增强的图像。
具体每一个单元所执行的功能,参考实施例1和实施例2。
本发明还公开一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现所述图像画质增强方法。电子设备还包括图像输入接口,用于接收需要处理的图像,图像输出接口,用于经过处理的画质增强的图像。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。
所述单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本发明各个实施例所述图像画质增强方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,需要说明的是,本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种图像画质增强方法,其特征在于,包括如下步骤:
计算图像的Y分量的第一像素斜角,计算图像的Y分量的不同方向上的梯度值,遍历第一像素斜角值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度;
对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益;采用正、负增益对第一像素梯度做增益后求梯度差,将梯度差融合Y分量得到边界梯度增强的第一输出图像;
根据当前点与周围点的大小对Y分量做边界幅度加强的增益,融合第一输出图像输出边界幅度加强的第二输出图像;将第二输出图像与图像的U、V分量融合输出画质增强的图像;
其中,计算图像的Y分量的不同方向上的梯度值的方法,包括:
将图像的Y分量通过矩阵进行0°、22°、45°、67°、90°、112°、135°和157°方向的滤波,得到不同方向上的梯度值;
其中,所述计算图像的Y分量的第一像素斜角的方法,包括:
将图像的Y分量通过矩阵进行0°、90°、45°和135°方向的滤波,得到四组第一方向输出值;根据四组第一方向输出值计算像素倾斜角,得到第一像素斜角。
2.根据权利要求1所述的图像画质增强方法,其特征在于,所述对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益的方法,还包括:
采用矩阵滤波对Y分量求解若干组边界加强的滤波值,对若干组滤波值进行融合后得到边界加强的梯度映射参量,取梯度映射参量计算的正、负数作为正、负增益。
3.根据权利要求1所述的图像画质增强方法,其特征在于,所述根据当前点与周围点的大小对Y分量做边界幅度加强的增益的方法,包括:
遍历Y分量全图,以图像当前点向周围取框,计算当前框中的最大值、最小值和中间值;
若最大值、最小值和中间值相等,则不增益;
若当前点小于等于中间值,则做增益减小;
若当前点大于中间值,则做增益加强。
4.根据权利要求3所述的图像画质增强方法,其特征在于,在求得第二输出图像之后,还包括步骤:
根据所述最大值、最小值和中间值和第一增益求解第二增益,根据第二增益计算第三输出图像;将第三输出图像与图像的U、V分量融合输出画质增强的图像。
5.根据权利要求1所述的图像画质增强方法,其特征在于,所述遍历第一像素斜角值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度的方法,包括:
比较当前点a的第一像素斜角值范围:
若-0.2≤a<0.2,则当前点的值是0°方向的梯度值;
若0.2≤a<0.589,则当前点的值是22°方向的梯度值;
若0.589≤a<0.982,则当前点的值是45°方向的梯度值;
若0.982≤a<1.374,则当前点的值是67°方向的梯度值;
若a≥1.374或a<-1.374,则当前点的值是90°方向的梯度值;
若-1.374<a≤-0.982,则当前点的值是112°方向的梯度值;
若-0.982<a≤-0.589,则当前点的值是135°方向的梯度值;
若-0.589≤a≤-0.2,则当前点的值是157°方向的梯度值;
根据所有遍历点对应输出第一像素梯度。
6.一种图像画质增强系统,其特征在于,包括以下结构:
第一梯度增强单元,用于计算图像的Y分量的第一像素斜角,计算图像的Y分量的不同方向上的梯度值,遍历第一像素斜角值,根据第一像素斜角值的范围选择当前像素的梯度值,输出像素各个方向的第一像素梯度;
其中,所述计算图像的Y分量的第一像素斜角的方法,包括:
将图像的Y分量通过矩阵进行0°、90°、45°和135°方向的滤波,得到四组第一方向输出值;根据四组第一方向输出值计算像素倾斜角,得到第一像素斜角;
其中,其中,计算图像的Y分量的不同方向上的梯度值的方法,包括:
将图像的Y分量通过矩阵进行0°、22°、45°、67°、90°、112°、135°和157°方向的滤波,得到不同方向上的梯度值;
第二梯度增强单元,用于对Y分量求解边界加强的梯度映射参量,根据边界加强的梯度映射参量计算正、负增益;采用正、负增益对第一像素梯度做增益后求梯度差,将梯度差融合Y分量得到边界梯度增强的第一输出图像;
幅度增强单元,用于根据当前点与周围点的大小对Y分量做边界幅度加强的增益,融合第一输出图像输出边界幅度加强的第二输出图像;
融合单元,用于将第二输出图像与图像的U、V分量融合输出画质增强的图像。
7.一种计算机存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器调用实现权利要求1-5任一所述的图像画质增强方法。
8.一种电子设备,其特征在于,包括存储器和处理器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如权利要求1-5中任一项所述的图像画质增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410053076.4A CN117575974B (zh) | 2024-01-15 | 2024-01-15 | 一种图像画质增强方法、系统、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410053076.4A CN117575974B (zh) | 2024-01-15 | 2024-01-15 | 一种图像画质增强方法、系统、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117575974A CN117575974A (zh) | 2024-02-20 |
CN117575974B true CN117575974B (zh) | 2024-04-09 |
Family
ID=89884828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410053076.4A Active CN117575974B (zh) | 2024-01-15 | 2024-01-15 | 一种图像画质增强方法、系统、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117575974B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102214357A (zh) * | 2011-06-22 | 2011-10-12 | 王洪剑 | 一种图像增强方法及系统 |
WO2014056766A1 (en) * | 2012-10-12 | 2014-04-17 | Sony Corporation | Image enhancement apparatus and method |
CN104318518A (zh) * | 2014-09-26 | 2015-01-28 | 北京航空航天大学 | 基于surf匹配和边缘检测的凸集投影图像重构方法 |
CN109801233A (zh) * | 2018-12-27 | 2019-05-24 | 中国科学院西安光学精密机械研究所 | 一种适用于真彩色遥感图像的增强方法 |
CN109949247A (zh) * | 2019-03-26 | 2019-06-28 | 常州工学院 | 一种基于yiq空间光学成像模型的梯度域自适应增益水下图像增强方法 |
CN112164086A (zh) * | 2020-10-12 | 2021-01-01 | 华雁智能科技(集团)股份有限公司 | 一种精细化的图像边缘信息确定方法、系统及电子设备 |
CN114820401A (zh) * | 2022-04-19 | 2022-07-29 | 桂林电子科技大学 | 直方图变换与边缘信息融合的海上逆光红外图像增强方法 |
CN115965537A (zh) * | 2021-10-11 | 2023-04-14 | 深圳开阳电子股份有限公司 | 一种视频图像降噪方法、装置及计算机存储介质 |
CN117196999A (zh) * | 2023-11-06 | 2023-12-08 | 浙江芯劢微电子股份有限公司 | 一种自适应视频流图像边缘增强方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG115542A1 (en) * | 2003-05-21 | 2005-10-28 | St Microelectronics Asia | Adaptive coring for video peaking |
JP2007140684A (ja) * | 2005-11-15 | 2007-06-07 | Toshiba Corp | 画像処理装置、方法、プログラム |
US8687894B2 (en) * | 2010-10-15 | 2014-04-01 | DigitalOptics Corporation Europe Limited | Continuous edge and detail mapping using a weighted monotony measurement |
JP2016111489A (ja) * | 2014-12-05 | 2016-06-20 | 三星ディスプレイ株式會社Samsung Display Co.,Ltd. | 画像処理装置、画像処理方法、及びプログラム |
-
2024
- 2024-01-15 CN CN202410053076.4A patent/CN117575974B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102214357A (zh) * | 2011-06-22 | 2011-10-12 | 王洪剑 | 一种图像增强方法及系统 |
WO2014056766A1 (en) * | 2012-10-12 | 2014-04-17 | Sony Corporation | Image enhancement apparatus and method |
CN104318518A (zh) * | 2014-09-26 | 2015-01-28 | 北京航空航天大学 | 基于surf匹配和边缘检测的凸集投影图像重构方法 |
CN109801233A (zh) * | 2018-12-27 | 2019-05-24 | 中国科学院西安光学精密机械研究所 | 一种适用于真彩色遥感图像的增强方法 |
CN109949247A (zh) * | 2019-03-26 | 2019-06-28 | 常州工学院 | 一种基于yiq空间光学成像模型的梯度域自适应增益水下图像增强方法 |
CN112164086A (zh) * | 2020-10-12 | 2021-01-01 | 华雁智能科技(集团)股份有限公司 | 一种精细化的图像边缘信息确定方法、系统及电子设备 |
CN115965537A (zh) * | 2021-10-11 | 2023-04-14 | 深圳开阳电子股份有限公司 | 一种视频图像降噪方法、装置及计算机存储介质 |
CN114820401A (zh) * | 2022-04-19 | 2022-07-29 | 桂林电子科技大学 | 直方图变换与边缘信息融合的海上逆光红外图像增强方法 |
CN117196999A (zh) * | 2023-11-06 | 2023-12-08 | 浙江芯劢微电子股份有限公司 | 一种自适应视频流图像边缘增强方法和系统 |
Non-Patent Citations (3)
Title |
---|
基于融合技术的单幅红外图像增强方法;袁小燕;张照锋;张登银;顾振飞;孔令民;单祝鹏;;电子器件;20180820(04);162-171 * |
孔岩 ; 管庶安 ; 江峰 ; 孙莉红 ; .基于二阶梯度的图像增强算法研究.计算机与数字工程.2011,(04),143-147. * |
袁基炜 ; 国辉 ; .H.264编码器参考帧内存优化方法.电视技术.2007,(08),17-19. * |
Also Published As
Publication number | Publication date |
---|---|
CN117575974A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275626B (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
CN111882504B (zh) | 图像中颜色噪声的处理方法、系统、电子设备和存储介质 | |
CN107784637B (zh) | 一种红外图像增强的方法 | |
CN111242863B (zh) | 基于图像处理器实现的消除镜头横向色差的方法及介质 | |
US20130094753A1 (en) | Filtering image data | |
CN106910170A (zh) | 一种图像椒盐噪声的去除方法 | |
JP2010226260A (ja) | 画像出力装置、輪郭強調装置及び輪郭強調方法 | |
CN110874827A (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
CN117575974B (zh) | 一种图像画质增强方法、系统、电子设备和存储介质 | |
CN108280836B (zh) | 一种图像处理方法及装置 | |
US20180047133A1 (en) | Image processing apparatus, image processing method, and storage medium | |
EP0946047B1 (en) | Method for low complexity, low memory inverse dithering | |
KR101101434B1 (ko) | 이미지 선명도 향상 장치 | |
JPWO2007083621A1 (ja) | 画像処理装置 | |
JP4104475B2 (ja) | 輪郭補正装置 | |
TWI712989B (zh) | 影像處理方法及影像處理裝置 | |
CN109285123B (zh) | 图像平滑方法及装置、计算机可读存储介质、终端 | |
US9917972B2 (en) | Image processor, image-processing method and program | |
CN116051425B (zh) | 一种红外图像处理方法、装置、电子设备及存储介质 | |
EP4161087A2 (en) | Method and apparatus for automatic exposure | |
CN112184583B (zh) | 一种图像降噪方法及装置 | |
CN117710250B (zh) | 一种消除纤维镜成像蜂窝状结构的方法 | |
JP5760495B2 (ja) | 画像鮮明化装置、画像出力装置、画像鮮明化プログラム、画像処理装置及び画像処理プログラム | |
CN114331844A (zh) | 图像处理方法、装置、服务器及存储介质 | |
WO2023191755A1 (en) | Es-hybrid method in daytime/thermal images |
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 |