TWI511559B - 影像處理方法 - Google Patents
影像處理方法 Download PDFInfo
- Publication number
- TWI511559B TWI511559B TW102104959A TW102104959A TWI511559B TW I511559 B TWI511559 B TW I511559B TW 102104959 A TW102104959 A TW 102104959A TW 102104959 A TW102104959 A TW 102104959A TW I511559 B TWI511559 B TW I511559B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- noise
- luminance
- generate
- brightness
- Prior art date
Links
- 238000003672 processing method Methods 0.000 title claims description 24
- 238000012545 processing Methods 0.000 claims description 63
- 238000001914 filtration Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 18
- 230000001629 suppression Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000000926 separation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000009877 rendering 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/58—Edge or detail enhancement; Noise or error suppression, e.g. colour misregistration correction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Description
本發明是有關於一種影像處理技術，且特別是有關於一種重現影像自然感(natural appearance reproduction)的影像處理方法。
在數位相機之應用中，感光元件或電子訊號的雜訊濾除是很重要的一環，對於高感光度(High ISO)的數位影像來說尤其重要。在數位影像雜訊濾除的過程中，往往會將物體本身的細節紋理以及漸層光影變化等也一併濾除，使得數位影像中的細節紋理呈現塊狀分布，失去自然風貌。
為了維持數位影像的自然感，一般針對影像雜訊濾除的後處理，主要是利用影像的銳利度(sharpness)強化演算法，以強化影像中的物體邊緣，達到銳化之效果。對於雜訊濾除後導致失去自然風貌的副作用，一般常見的處理方式是調整雜訊濾除演算法中的參數以減輕此效應，或是在雜訊濾除時偵測影像之平滑區(smoothing area)、紋理區(texture area)及銳利邊緣(sharpness edge)，以分別給予不同的雜訊濾除參數。
針對雜訊濾除後的過度模糊影像，雖然可以使用銳利度強化演算法來將物體邊緣或紋理區進行銳化，使得影像細節感增加。但在雜訊濾除演算法中，根據影像平滑區、紋理區及銳利邊緣的不同，分別給予不同的雜訊濾除參數的作法會造成影像中各個區域的差異性變大，因為不同區域之雜訊濾除參數往往會有一定程度的差異。如此一來，視覺上會感覺更加不自然。而如果調整雜訊濾除參數以減弱各個區域的差異性，又會形成雜訊無法濾除乾淨之問題。因此，針對雜訊濾除後的影像如何呈現影像自然風貌實為待解決的課題。
本發明提供一種影像處理方法，針對雜訊濾除後的影像進行後處理，藉以保留較多影像細節資訊並且重現影像自然感。
本發明的一種影像處理方法，包括下列步驟。擷取貝爾圖(Bayer pattern)色彩排列的來源影像。對來源影像執行第一階影像處理以產生第一亮度彩度格式影像。並對來源影像執行第二階影像處理以產生第二亮度彩度格式影像。然後，對第一亮度彩度格式影像執行雜訊濾除(denoise)處理後產生雜訊抑制影像。先對雜訊抑制影像中的亮度(luminance)影像與第二亮度彩度格式影像中的亮度影像進行權重處理後，合併第二亮度彩度格式影像中的彩度(chrominance)影像以產生處理後影像。其中雜訊抑制影像的雜訊降噪程度高於第二亮度彩度格式影像的雜訊降噪程
度。
在本發明的一實施例中，上述的執行第一階影像處理的步驟包括先對來源影像執行貝爾雜訊濾除(Bayer denoise)處理後，再執行顏色差補(color interpolation)處理及色彩重建(color reproduction)處理，以產生第一亮度彩度格式影像。
在本發明的一實施例中，上述的執行第二階影像處理的步驟包括直接對來源影像執行顏色差補處理及色彩重建處理，以產生第二亮度彩度格式影像。
在本發明的一實施例中，上述在對來源影像執行第二階影像處理以產生第二亮度彩度格式影像的步驟之後，更包括對第二亮度彩度格式影像進行轉換，以分離出亮度影像與彩度影像。接著，針對亮度影像產生對應的雜訊圖(noise map)。並且，將亮度影像、雜訊圖以及彩度影像進行混合(blend)，以產生具不同特性雜訊的輸出影像。
在本發明的一實施例中，上述的雜訊圖的影像尺寸相同於亮度影像的影像尺寸。
在本發明的一實施例中，上述的雜訊圖包括多數個正號或負號的數值，每一數值分別對應至亮度影像中的每一像素。
在本發明的一實施例中，其中針對亮度影像產生對應的雜訊圖的步驟包括：對亮度影像中的每一像素決定各自的雜訊數值範圍(noise range)以及各自的雜訊偏移量(noise offset)，據以產生單點雜訊圖(single pixel noise map)；對亮度影像中的每一
像素決定各自的模糊遮罩(blur mask)，以產生影像遮罩指示圖；以及依據影像遮罩指示圖將對應的單點雜訊圖進行模糊化處理，以產生上述的雜訊圖。
在本發明的一實施例中，其中先分別對亮度影像中的各個像素決定各個雜訊數值範圍以及各個雜訊偏移量，據以產生上述的單點雜訊圖的步驟包括：依據亮度影像的區塊特性及亮度數值決定雜訊數值範圍；在雜訊數值範圍內亂數產生雜訊數值；依據亮度影像的亮度數值進行查表，以獲得雜訊偏移量；以及分別將各個像素的各個雜訊數值加上各個雜訊偏移量，以獲得上述的單點雜訊圖。
在本發明的一實施例中，其中對亮度影像中的各個像素決定各個模糊遮罩，以產生上述的影像遮罩指示圖的步驟包括：依據亮度影像的區塊特性及各個像素的亮度數值，分別自一模糊遮罩資料庫中選取對應的模糊遮罩集合；以及針對各個像素分別自各個模糊遮罩集合中亂數選取一模糊遮罩，以形成上述的影像遮罩指示圖。
在本發明的一實施例中，上述的模糊遮罩資料庫中儲存多數個具不同尺寸以及不同樣式的模糊遮罩。
基於上述，本發明所提供的影像處理方法可輸出包含影像細節資訊且達到濾除雜訊效果的處理後影像，且此方法可避免一般雜訊濾除後所產生的塊狀效應並且消除影像不連續感，以使處理後影像具自然風貌。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
100、300‧‧‧影像處理裝置
110‧‧‧影像擷取模組
120‧‧‧第一雜訊濾除模組
130‧‧‧色彩重建模組
140‧‧‧第二雜訊濾除模組
150、330‧‧‧合併模組
200、400‧‧‧方法流程
310‧‧‧影像分離模組
320‧‧‧雜訊產生模組
510‧‧‧單點雜訊決定單元
512‧‧‧亂數產生器
514‧‧‧混合器
520‧‧‧模糊遮罩決定單元
530‧‧‧模糊處理單元
Img1~Img10‧‧‧影像
S210~S250‧‧‧影像處理方法的各步驟
S410~S440‧‧‧影像處理方法的各步驟
圖1是依照本發明第一範例實施例所繪示的影像處理裝置的方塊圖。
圖2是依照本發明第一範例實施例所繪示的影像處理方法的流程圖。
圖3是依照本發明第二範例實施例所繪示的影像處理裝置的方塊圖。
圖4是依照本發明第二範例實施例所繪示的影像處理方法的流程圖。
圖5是依照本發明第二範例實施例所繪示的雜訊產生模組的一種詳細實施方式。
圖6是依照本發明第二範例實施例所繪示的針對亮度影像產生對應的雜訊圖的一種詳細實施方式。
在本範例實施例中，為了避免雜訊濾除後的影像有不自然感，藉由將來源影像分離成兩個不同影像處理流程進而產生出
兩張結果影像，其中一張影像包含較多雜訊及影像細節資訊，另一張影像則較為模糊，最後將兩張結果影像作加權總合，以產生具有雜訊濾除效果並且包含較多影像細節資訊的處理後影像。
圖1是依照本發明第一範例實施例所繪示的影像處理裝置的方塊圖。影像處理裝置100例如是數位相機、單眼相機、數位攝影機或是其他具有影像處理功能的智慧型手機、平板電腦、筆記型電腦、桌上型電腦等電子裝置，不限於上述。
請參照圖1，影像處理裝置100包括影像擷取模組110、第一雜訊濾除模組120、色彩重建模組130、第二雜訊濾除模組140以及合併模組150。其中，影像擷取模組110包括鏡頭、感光元件等構件，用以擷取影像。色彩重建模組130、第一與第二雜訊濾除模組120、140以及合併模組150可為硬體及/或軟體所實現的功能模塊。其中硬體可包括中央處理器、晶片組、微處理器等具有影像運算處理功能的硬體設備或上述硬體設備的組合，而軟體則可以是作業系統、驅動程式等。
圖2是依照本發明第一範例實施例所繪示的影像處理方法的流程圖。請參照圖2，本範例實施例的方法200適用於影像處理裝置100，以下即搭配影像處理裝置100中的各模組說明本範例實施例的詳細步驟：首先，在步驟S210中，影像擷取模組110用以擷取貝爾圖(Bayer pattern)色彩排列的來源影像Img1。
接著於步驟S220，對來源影像Img1執行第一階影像處
理以產生第一亮度彩度格式影像(即YCbCr格式影像，以下簡稱為第一YCbCr影像Img2)。其中，步驟S120更可分為子步驟S222及S224。也就是說，第一階影像處理的步驟包括先利用第一雜訊濾除模組120來對來源影像Img1執行貝爾雜訊濾除處理(步驟S122)。之後，色彩重建模組130再執行顏色差補處理及色彩重建處理，以產生第一YCbCr影像Img2。
詳細而言，由於貝爾圖色彩排列的來源影像Img1中的每一像素只有紅色通道(R channel)、綠色通道(G channel)或藍色通道(B channel)的其中一種顏色，並非一般顯示用之RGB格式影像或YCbCr格式影像。因此，色彩重建模組130會做顏色差補處理以產生一般顯示用之三原色影像。更進一步，為了顏色正確呈現，色彩重建模組130還會進行黑色補償(black offset)、RGB增益(RGB gain)調整、色彩校正(Color correction)、伽瑪校正(Gamma correction)等色彩重建處理。之後，色彩重建模組130轉換並輸出第一YCbCr影像Img2。
接著於步驟S230，第二雜訊濾除模組140更對第一YCbCr影像Img2進行雜訊濾除，產生出較為模糊的雜訊抑制影像Img3。此雜訊抑制影像Img3中的物體細節或紋理通常隨著雜訊濾除處理而消失，人眼通常會感覺不自然。
另一方面，如步驟S240所述，色彩重建模組130再對來源影像Img1執行第二階影像處理以產生第二YCbCr影像Img4。執行第二階影像處理的步驟包括由色彩重建模組130直接對來源
影像Img1執行顏色差補處理及色彩重建處理，以產生細節較為清晰的第二YCbCr影像Img4。其中，色彩重建模組130進行部份處理(例如進行色彩校正)會使雜訊分布發生變化，產生不自然之雜訊感(例如某些顏色飽和區域之雜訊較高)。因此，色彩重建模組130會調整色彩校正的對應參數，相較於第一階影像處理來說，校正強度減弱許多，以使第二YCbCr影像Img4的影像亮度雜訊保持自然之感覺。換句話說，雜訊抑制影像Img3的雜訊降噪程度高於第二YCbCr影像Img4的雜訊降噪程度。
於步驟S250，合併模組150先將較模糊的雜訊抑制影像Img3中的亮度(luminance)影像與含有較多雜訊及細節的第二YCbCr影像Img4中的亮度影像進行權重處理(亦即，加權和(weighting sum)運算)。最後，合併模組150再合併第二YCbCr影像中的彩度(chrominance)影像以產生包含較多物體細節資訊的處理後影像Img5。須說明的是，由於此權重處理也會將雜訊一併混合至輸出的處裡後影像Img5中，這些雜訊可以減輕一些雜訊濾除後呈區塊狀的不自然感，使影像更加自然。
由於人眼對明暗雜訊之感受程度不同，因此合併模組150在最後進行加權和運算時，會參考雜訊抑制影像Img3之亮度值來決定權重，以產生出人眼感受較佳之處理後影像Img5。舉例來說，對於雜訊抑制影像Img3中亮度值為100的像素，合併模組150混合雜訊抑制影像Img3與第二YCbCr影像Img4的權重例如設定為80：20；由於人眼對暗部雜訊往往會較為敏感，因此對雜訊抑制影
像Img3中亮度值為10的像素，合併模組150混合雜訊抑制影像Img3與第二YCbCr影像Img4的權重例如設定為90：10。在一實施例中，針對不同亮度值所設定的權重例如可由本領域具通常知識者預先做設定並儲存為表格形式，以使合併模組150能至記憶體單元(未繪示於圖1)中快速查詢對應的權重設定值。
在本範例實施例中，由於第一階影像處理流程與第二階影像處理流程中有許多相同或類似的處理步驟，因此可以採用相同硬體(例如是色彩重建模組130)但多次運算的方式，以減少硬體設計上的成本。本範例實施例不僅可以讓雜訊濾除後的影像保留影像細節資訊，還可消除影像的畫質不連續感，提升處理後影像的自然感與影像品質。
在本範例實施例中，為了避免雜訊濾除後造成影像的不自然感，更可藉由在影像中隨機產生出許多雜訊點，並將這些具不同特性的雜訊點混和到雜訊濾除後的影像中，以達到自然感重現之技術。
圖3是依照本發明第二範例實施例所繪示的影像處理裝置的方塊圖。影像處理裝置300例如是數位相機、單眼相機、數位攝影機或是其他具有影像處理功能的智慧型手機、平板電腦、筆記型電腦、桌上型電腦等電子裝置，不限於上述。
請參照圖3，影像處理裝置300包括影像分離模組310、雜訊產生模組320以及合併模組330。影像分離模組310用以將所
接收的輸入影像分為亮度影像與彩度影像。雜訊產生模組320用以產生雜訊圖(noise map)。合併模組330將亮度影像、雜訊圖以及彩度影像進行混合(blend)，以產生具不同特性雜訊的輸出影像。上述各模組可為硬體及/或軟體所實現的功能模塊。其中硬體可包括中央處理器、晶片組、微處理器等具有影像運算處理功能的硬體設備或上述硬體設備的組合，而軟體則可以是作業系統、驅動程式等。
圖4是依照本發明第二範例實施例所繪示的影像處理方法的流程圖。請參照圖4，本範例實施例的方法400適用於影像處理裝置300，以下即搭配影像處理裝置300中的各模組說明本範例實施例的詳細步驟：步驟S410，影像分離模組310接收一輸入影像Img6。其中，此輸入影像Img6例如是第一範例實施例中的第二YCbCr影像Img4。接下來，於步驟S420，影像分離模組310將此輸入影像Img6進行轉換，分離出亮度影像(即，Y通道影像)Img7以及彩度影像(即，CbCr通道影像)Img8。其中，亮度影像Img7分別傳送至雜訊產生模組320以及合併模組330；彩度影像Img8則直接傳送至合併模組330。
於步驟S430，雜訊產生模組320針對亮度影像Img7產生對應的雜訊圖Img9。其中，雜訊圖Img9的影像尺寸(size)相同於亮度影像Img7的影像尺寸。雜訊圖Img9為包括多數個正號或負號的數值，其中每一數值分別對應至亮度影像Img7中的每一
像素。
最後，於步驟S440，合併模組330將亮度影像Img7、雜訊圖Img9以及彩度影像Img8進行混合，以產生具不同特性雜訊的輸出影像Img10。詳細地說，合併模組330先將亮度影像Img7中的每一像素的亮度值分別與雜訊圖Img9中相對應的雜訊數值相加，以產生包含雜訊點的亮度影像。接著，合併模組330再將包含雜訊點的亮度影像與彩度影像Img8進行混合，以產生具自然感的輸出影像Img10。其中，此輸出影像Img10例如可作為第一範例實施例中輸入合併模組150的影像。
須說明的是，在亮度影像Img7中加入雜訊點等同於抵銷雜訊濾除的功能，因此這些雜訊點並非可任意隨機產生，必須符合使用者的自然觀點。也就是說必須參考人眼視覺的喜好，本實施例是根據影像亮度的不同而加入不同尺寸、不同強度以及不同趨勢的雜訊點，讓使用者有更好的視覺感受。以下將以圖5與圖6來詳細說明本範例實施例的雜訊產生模組320如何針對亮度影像Img7來產生對應的雜訊圖Img9。
圖5是依照本發明第二範例實施例所繪示的雜訊產生模組320的一種詳細實施方式。請參照圖5，雜訊產生模組320包括單點雜訊決定單元510、模糊遮罩(blur mask)決定單元520以及模糊處理單元530。其中，單點雜訊決定單元510還包括亂數產生器512以及混合器(mixer)514。
圖6是依照本發明第二範例實施例所繪示的針對亮度影
像產生對應的雜訊圖的一種詳細實施方式。以下請同時配合參照圖5與圖6。
首先，於步驟S610，雜訊產生模組320接收一亮度影像Img7。亮度影像Img7分別傳送至單點雜訊決定單元510以及模糊遮罩決定單元520進行處理。
於步驟S620，單點雜訊決定單元510先對亮度影像中的每一像素決定各自的雜訊數值範圍(noise range)以及各自的雜訊偏移量(noise offset)，據以產生單點雜訊圖(single pixel noise map)。詳細地說，單點雜訊決定單元510先依據亮度影像Img7的區塊特性及每一像素的亮度數值來決定雜訊數值範圍(-THrange
，THrange
)，其中THrange
為大於0的正數。接著，由亂數產生器512亂數產生一雜訊數值，其中此雜訊數值落在雜訊數值範圍(-THrange
，THrange
)之間。接下來，混合器514再將此雜訊數值加上對應的一雜訊偏移量，用以控制雜訊平均強度。亮度影像Img7中的每一像素都經過上述處理後，就可以獲得單點雜訊圖(single pixel noise map)。其中，雜訊偏移量可由本領域具通常知識者以表格的形式做預先的設定，依據亮度影像Img7的亮度數值進行查表，便可獲得雜訊偏移量。雜訊偏移量的功用還包括增強影像對比度，以使影像亮部更亮、暗部更暗。
另一方面，於步驟S630，模糊遮罩決定單元520對亮度影像中的每一像素決定各自的模糊遮罩(blur mask)，以產生影像遮罩指示圖。詳細地說，由於單點雜訊圖中每一雜訊的數值變化
與自然雜訊之外觀分布會有所不同，自然雜訊可能會群聚形成圓形或是其他形狀之分布。因此，還需要對單點雜訊圖使用影像遮罩以產生出不同風格的雜訊，所謂的影像遮罩即為模糊遮罩。
由於影像中雜訊風格隨著亮度略有不同，且相同亮度也會有多種雜訊風格。因此，模糊遮罩決定單元520可先依據亮度影像的區塊特性及各個像素的亮度數值，自一模糊遮罩資料庫中選取對應的模糊遮罩集合。模糊遮罩資料庫中儲存多數個具不同尺寸以及不同樣式的模糊遮罩。舉例來說，模糊遮罩可為標準的N*N遮罩，N為大於0的正整數。模糊遮罩資料庫中會給予每一模糊遮罩一個編號，假設模糊遮罩資料庫中有10組模糊遮罩，則分別編號為1~10。
舉例來說，表1是依照第二範例實施例所繪示的一種亮度與模糊遮罩集合表。請參照下表1，對應於亮度數值為0例如可以使用編號為1、2或5的模糊遮罩；對應於亮度數值為1例如可以使用編號為2、3或4的模糊遮罩；依次類推。
模糊遮罩決定單元520再依據亮度值進行查表，以從對
應的模糊遮罩集合中亂數選擇對應此像素的一個模糊遮罩，並記錄其編號。對於每一個像素都記錄其對應的模糊遮罩編號之後，即產生本範例實施例的影像遮罩指示圖。
回到圖6，於步驟S640，模糊處理單元530依據影像遮罩指示圖將對應的單點雜訊圖進行模糊化處理，便可產生具不同特性的雜訊圖Img9。
綜上所述，本發明採用雙影像處理路徑的方式，第一階影像處理為產生雜訊濾除後的模糊影像，第二階影像處理為保留影像細節資訊及/或具不同特性雜訊的清晰影像。藉由考慮影像亮暗程度來將兩張影像做加權混合，以輸出包含影像細節資訊且達到濾除雜訊效果的處理後影像。此外，本發明採用的影像處理方法可避免一般雜訊濾除後所產生的塊狀效應並且消除影像不連續感，以使處理後影像具自然風貌。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
200‧‧‧方法流程
S210~S250‧‧‧影像處理方法的各步驟
Claims (10)
- 一種影像處理方法，包括：接收一來源影像；對該來源影像執行一第一階影像處理以產生一第一亮度彩度格式影像；對該來源影像執行一第二階影像處理以產生一第二亮度彩度格式影像；對該第一亮度彩度格式影像執行一雜訊抑制處理後產生一雜訊抑制影像；以及先對該雜訊抑制影像中的亮度影像與該第二亮度彩度格式影像中的亮度影像進行權重處理後，合併該第二亮度彩度格式影像中的彩度影像以產生一處理後影像，其中該雜訊抑制影像的雜訊降噪程度(degree of noise reduction)高於該第二亮度彩度格式影像的雜訊降噪程度。
- 如申請專利範圍第1項所述的影像處理方法，其中執行該第一階影像處理的步驟包括：對該來源影像執行一貝爾雜訊濾除處理後，再執行一顏色差補處理及一色彩重建處理，以產生該第一亮度彩度格式影像。
- 如申請專利範圍第2項所述的影像處理方法，其中執行該第二階影像處理的步驟包括：直接對該來源影像執行該顏色差補處理及該色彩重建處理，以產生該第二亮度彩度格式影像。
- 如申請專利範圍第1項所述的影像處理方法，其中在對該來源影像執行該第二階影像處理以產生該第二亮度彩度格式影像的步驟之後，更包括：對該第二亮度彩度格式影像進行轉換，以分離出一亮度影像與一彩度影像；針對該亮度影像產生對應的一雜訊圖；以及將該亮度影像、雜訊圖與該彩度影像進行混合，以產生具不同特性雜訊的一輸出影像。
- 如申請專利範圍第4項所述的影像處理方法，其中該雜訊圖的影像尺寸相同於該亮度影像的影像尺寸。
- 如申請專利範圍第4項所述的影像處理方法，其中該雜訊圖包括多數個正號或負號的數值，每一數值分別對應至該亮度影像中的每一像素。
- 如申請專利範圍第4項所述的影像處理方法，其中針對該亮度影像產生對應的該雜訊圖的步驟包括：對該亮度影像中的每一像素決定各自的一雜訊數值範圍以及各自的一雜訊偏移量，據以產生一單點雜訊圖；對該亮度影像中的每一像素決定各自的一模糊遮罩，以產生一影像遮罩指示圖；以及依據該影像遮罩指示圖將對應的該單點雜訊圖進行模糊化處理，以產生該雜訊圖。
- 如申請專利範圍第7項所述的影像處理方法，其中先分別 對該亮度影像中的各該像素決定各該雜訊數值範圍以及各該雜訊偏移量，據以產生該單點雜訊圖的步驟包括：依據該亮度影像的一區塊特性及一亮度數值決定該雜訊數值範圍；在該雜訊數值範圍內亂數產生一雜訊數值；依據該亮度影像的該亮度數值進行查表，以獲得該雜訊偏移量；以及分別將各該像素的各該雜訊數值加上各該雜訊偏移量，以獲得該單點雜訊圖。
- 如申請專利範圍第7項所述的影像處理方法，其中對該亮度影像中的各該像素決定各該模糊遮罩，以產生該影像遮罩指示圖的步驟包括：依據該亮度影像的一區塊特性及各該像素的一亮度數值，分別自一模糊遮罩資料庫中選取對應的一模糊遮罩集合；以及針對各該像素分別自各該模糊遮罩集合中亂數選取一模糊遮罩，以形成該影像遮罩指示圖。
- 如申請專利範圍第9項所述的影像處理方法，其中該模糊遮罩資料庫中儲存多數個具不同尺寸以及不同樣式的模糊遮罩。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW102104959A TWI511559B (zh) | 2013-02-07 | 2013-02-07 | 影像處理方法 |
| US13/905,146 US8891867B2 (en) | 2013-02-07 | 2013-05-30 | Image processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW102104959A TWI511559B (zh) | 2013-02-07 | 2013-02-07 | 影像處理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201433168A TW201433168A (zh) | 2014-08-16 |
| TWI511559B true TWI511559B (zh) | 2015-12-01 |
Family
ID=51259270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW102104959A TWI511559B (zh) | 2013-02-07 | 2013-02-07 | 影像處理方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US8891867B2 (zh) |
| TW (1) | TWI511559B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8446481B1 (en) | 2012-09-11 | 2013-05-21 | Google Inc. | Interleaved capture for high dynamic range image acquisition and synthesis |
| US9087391B2 (en) | 2012-12-13 | 2015-07-21 | Google Inc. | Determining an image capture payload burst structure |
| US8866927B2 (en) | 2012-12-13 | 2014-10-21 | Google Inc. | Determining an image capture payload burst structure based on a metering image capture sweep |
| US8866928B2 (en) | 2012-12-18 | 2014-10-21 | Google Inc. | Determining exposure times using split paxels |
| US9247152B2 (en) | 2012-12-20 | 2016-01-26 | Google Inc. | Determining image alignment failure |
| US8995784B2 (en) | 2013-01-17 | 2015-03-31 | Google Inc. | Structure descriptors for image processing |
| US9686537B2 (en) | 2013-02-05 | 2017-06-20 | Google Inc. | Noise models for image processing |
| US9117134B1 (en) | 2013-03-19 | 2015-08-25 | Google Inc. | Image merging with blending |
| US9066017B2 (en) | 2013-03-25 | 2015-06-23 | Google Inc. | Viewfinder display based on metering images |
| US9077913B2 (en) | 2013-05-24 | 2015-07-07 | Google Inc. | Simulating high dynamic range imaging with virtual long-exposure images |
| US9131201B1 (en) | 2013-05-24 | 2015-09-08 | Google Inc. | Color correcting virtual long exposures with true long exposures |
| US9615012B2 (en) | 2013-09-30 | 2017-04-04 | Google Inc. | Using a second camera to adjust settings of first camera |
| CN105976405A (zh) * | 2016-05-06 | 2016-09-28 | 深圳Tcl新技术有限公司 | Rgb图像处理方法及系统 |
| US10674045B2 (en) * | 2017-05-31 | 2020-06-02 | Google Llc | Mutual noise estimation for videos |
| US11189017B1 (en) | 2018-09-11 | 2021-11-30 | Apple Inc. | Generalized fusion techniques based on minimizing variance and asymmetric distance measures |
| US11094039B1 (en) * | 2018-09-11 | 2021-08-17 | Apple Inc. | Fusion-adaptive noise reduction |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7006881B1 (en) * | 1991-12-23 | 2006-02-28 | Steven Hoffberg | Media recording device with remote graphic user interface |
| US7124041B1 (en) * | 2004-09-27 | 2006-10-17 | Siemens Energy & Automotive, Inc. | Systems, methods, and devices for detecting circuit faults |
| US7426312B2 (en) * | 2005-07-05 | 2008-09-16 | Xerox Corporation | Contrast enhancement of images |
| US7650319B2 (en) * | 1991-12-23 | 2010-01-19 | Hoffberg Mark Hoffberg | Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore |
| US20110182510A1 (en) * | 2010-01-28 | 2011-07-28 | Wei Hong | Methods and Systems for Image Noise Filtering |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ITVI20110243A1 (it) * | 2011-09-09 | 2013-03-10 | Stmicroelectronics Grenoble 2 | Riduzione di rumore croma di una immagine |
| US8559745B2 (en) * | 2011-09-22 | 2013-10-15 | Himax Imaging Limited | Image signal processor and method for image enhancement |
-
2013
- 2013-02-07 TW TW102104959A patent/TWI511559B/zh active
- 2013-05-30 US US13/905,146 patent/US8891867B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7006881B1 (en) * | 1991-12-23 | 2006-02-28 | Steven Hoffberg | Media recording device with remote graphic user interface |
| US7650319B2 (en) * | 1991-12-23 | 2010-01-19 | Hoffberg Mark Hoffberg | Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore |
| US7124041B1 (en) * | 2004-09-27 | 2006-10-17 | Siemens Energy & Automotive, Inc. | Systems, methods, and devices for detecting circuit faults |
| US7426312B2 (en) * | 2005-07-05 | 2008-09-16 | Xerox Corporation | Contrast enhancement of images |
| US20110182510A1 (en) * | 2010-01-28 | 2011-07-28 | Wei Hong | Methods and Systems for Image Noise Filtering |
Also Published As
| Publication number | Publication date |
|---|---|
| US8891867B2 (en) | 2014-11-18 |
| TW201433168A (zh) | 2014-08-16 |
| US20140219578A1 (en) | 2014-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI511559B (zh) | 影像處理方法 | |
| US9852499B2 (en) | Automatic selection of optimum algorithms for high dynamic range image processing based on scene classification | |
| US10459318B2 (en) | Image display apparatus method and storage medium for modifying display luminance | |
| US8965120B2 (en) | Image processing apparatus and method of controlling the same | |
| JP5105209B2 (ja) | 画像処理装置および方法、プログラム、並びに記録媒体 | |
| CN112330531B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| US6262778B1 (en) | Image processing system | |
| TWI519151B (zh) | 影像處理方法以及影像處理裝置 | |
| JP5121294B2 (ja) | 画像処理方法、画像処理装置、プログラム、記録媒体および集積回路 | |
| KR20070111389A (ko) | 화상 보정 회로, 화상 보정 방법, 및 화상 디스플레이 | |
| EP1139284B1 (en) | Method and apparatus for performing local color correction | |
| JP6617705B2 (ja) | 画像補正装置及び映像コンテンツ再生装置 | |
| US20180025476A1 (en) | Apparatus and method for processing image, and storage medium | |
| US10249031B2 (en) | Image processing apparatus, image processing method, program, and non-transitory computer-readable storage medium | |
| CN107358578B (zh) | 一种阴阳脸处理方法和装置 | |
| JP7296745B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| JP2007336531A (ja) | 画像補正回路、画像補正方法および画像表示装置 | |
| CN113507572A (zh) | 视频画面的显示方法、装置、终端及存储介质 | |
| JP4752912B2 (ja) | 画像の質感を補正する画像処理装置、画像処理プログラム、画像処理方法、および電子カメラ | |
| JP2009010636A (ja) | 適応ヒストグラム等化方法及び適応ヒストグラム等化装置 | |
| JP2008219289A (ja) | 映像補正装置、映像表示装置、撮像装置および映像補正プログラム | |
| EP4090006A2 (en) | Image signal processing based on virtual superimposition | |
| CN103986922B (zh) | 图像处理方法 | |
| TWI697873B (zh) | 一種圖像飽和度調整方法和裝置 | |
| Yun et al. | A contrast enhancement method for HDR image using a modified image formation model |