WO2016114684A1 - Способ повышения резкости цифрового изображения - Google Patents

Способ повышения резкости цифрового изображения Download PDF

Info

Publication number
WO2016114684A1
WO2016114684A1 PCT/RU2015/000012 RU2015000012W WO2016114684A1 WO 2016114684 A1 WO2016114684 A1 WO 2016114684A1 RU 2015000012 W RU2015000012 W RU 2015000012W WO 2016114684 A1 WO2016114684 A1 WO 2016114684A1
Authority
WO
WIPO (PCT)
Prior art keywords
intensity
image
pixel
derivative
values
Prior art date
Application number
PCT/RU2015/000012
Other languages
English (en)
French (fr)
Inventor
Виталий Вениаминович БЕЗЗУБИК
Николай Романович БЕЛАШЕНКОВ
Владимир Николаевич ВАСИЛЬЕВ
Original Assignee
федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики" (Университет ИТМО)
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики" (Университет ИТМО) filed Critical федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики" (Университет ИТМО)
Priority to RU2017126842A priority Critical patent/RU2680754C2/ru
Priority to PCT/RU2015/000012 priority patent/WO2016114684A1/ru
Publication of WO2016114684A1 publication Critical patent/WO2016114684A1/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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

Definitions

  • the invention relates to the field of digital image processing and can be used in display systems for photo and video data to improve image quality by increasing their sharpness.
  • the perception of a digital image is largely determined by its two most important characteristics - contrast and sharpness.
  • the sharpness of the image depends on many external factors, such as atmospheric turbulence, aberration of the imaging optical system, the nature and speed of the image of the object relative to the receiver during exposure, defocusing, etc.
  • the sharpness of the image is characterized by the width of the so-called “blurring” of the boundaries of the image.
  • the sharpness may not be the same across the image field. This is especially pronounced in cases where some objects are motionless on the recorded digital frame, while others, for example, move, or when different objects are at different distances from the imaging optical system in excess of its depth of field.
  • digital image distortion which manifests itself in blurring the boundaries of the displayed objects, is the result of convolution of a certain “ideal” image, which could be obtained under ideal recording conditions with an ideal optical system with an infinitely large depth of field and sensitivity of a matrix photodetector that allows extremely small exposure of the frame, and of the operator, whose core determines the nature of convolution by one, several or all possible distorting facts am.
  • the most commonly used digital blur core in practice Imaging is characterized by a Gaussian function.
  • the first is to modify the profile of the distribution of pixel brightness within the area immediately adjacent to the boundary of the imaged object (in the so-called transit zone), while maintaining its width. This leads to an increase in the share of high-frequency components in the signal spectrum and an apparent increase in the information content of the image.
  • the application of this approach improves the visual perception of the processed image, however, the degree of improvement leaves much to be desired, since only the illusion of sharpening is created, mainly due to the appearance of inverted regions of brightness on opposite sides of the boundaries of brightness differences in the images (“halo” effect).
  • the most common method that implements the approach described above is the unsharp masking method, which consists in the fact that the original image is subjected to additional blurring by averaging the brightness values of image elements (pixels) within the vicinity of a certain size. Next, the operation of subtracting the obtained image from the original is performed, and the result is added to the original image.
  • This simple method is the most common in the technology of digital image processing, however, a number of its significant drawbacks, such as the lack of requirements for the conversion parameters, can lead to undesirable results in the form of modification of local contrasts and the appearance of artifacts.
  • Another approach is the restoration of “blurry” images, which consists in searching for the function of the brightness distribution profile closest to the brightness profile of the undistorted image.
  • the implementation of this method allows reducing the width of the transit zone.
  • this means performing the reverse convolution (deconvolution) operation, which requires knowledge of the blurring core.
  • a priori information about the characteristics of this core significantly simplifies the image restoration procedure thanks to a well-developed mathematical apparatus that allows performing the deconvolution procedure quite efficiently, albeit at the cost of laborious calculations.
  • blind deconvolution In cases where a priori information about the blurring core is completely absent, the task of high-quality image restoration (“blind” deconvolution) becomes much more complicated, since in this case the result depends heavily on the initial conditions of the long iterative prediction-correction process when searching for an unknown kernel.
  • the overall complexity of computing is also growing rapidly. However, there is no guarantee that the iterative image recovery process converges to the true value of the brightness distribution of the undistorted image.
  • the mathematical complexity and algorithmic complexity of the direct, and even more so “blind” methods of deconvolution at the current stage of technology development makes it impossible to use them when processing streaming video.
  • a known method of adaptively sharpening digital images (RF Patent ⁇ ⁇ _2383924, G06K9 / 36, published March 10, 2010), which consists in assessing the degree of sharpness of a digital photograph; reduce the length of the transition on the brightness differences in the image brightness channel, using parameters that depend on the degree of sharpness; increase local contrast in the image brightness channel using parameters that depend on the degree of sharpness; modify the color channels of the image in order to prevent distortion of the color tone and saturation, and the degree of sharpness of the digital photo is estimated based on the attributes calculated from the array of integrals of the logarithm of the histograms of the border images, which are obtained as a result of high-frequency filtering of a digital photo with convolution kernels of various sizes.
  • a known method of improving digital images (RF Patent N ° 2298226, G06T5 / 00, published April 27, 2007), which consists in performing noise filtering, correcting global contrast, extracting the brightness component from the color image as the maximum from R, G,
  • the parameters of local correction of dark and light tones are determined, bilateral filtering of the image brightness is performed, the dark and light tones in the brightness channel are corrected, while the dark tones of the image are corrected by adding brightness to the channel and the product of the difference in the image of parts in dark tones and brightness, the inversion of the result of bilateral filtering raised to a power that determines the width of the tone range and the gain of dark tones, and the image of parts in dark tones is a function of the ratio of the brightness of the original image and the filtered image, correction of light tones of the image is carried out by subtracting from the brightness channel the product of the difference in brightness and the image of the details in bright colors, the result of bilateral filtering the brightness raised to a degree that determines the width of the tone range
  • a known method of sharpening digital images (US Patent 7809208, G06K9 / 40, published 05.10.2010), which is a modification of the method of unsharp masking and consisting in the fact that for each pixel located on the edge of the image object to increase its sharpness, determine the intensity value; inside the set size of the area around the specified pixel, pixels with maximum and minimum intensity are detected; perform sharpening an image.
  • the intensity value is determined in such a way that if this value is greater than the maximum intensity value determined for pixels inside the set size of the region around the specified pixel before sharpening is performed or if this value is less than the minimum intensity value, defined for pixels inside the set size of the area around the specified pixel before performing sharpening operations, then the value the intensity of the pixel located on the edge of the image object is taken to be the maximum or minimum value of the intensity determined for pixels within the set size of the region around the specified pixel before the sharpening operation, respectively, and otherwise, the intensity value of the pixel located on the edge of the image object after increasing its sharpness does not change.
  • a known method for sharpening digital images (US Patent N ° 8687912, G06K9 / 40, published 01.04.2014) is a modification of the method described in US patent N ° 7809208 above, characterized in that the determination of the value of the pixel intensity located near the edges of the image object, after the sharpening operation, for example, by the method of unsharp masking, is performed by comparing with the minimum and maximum values of the pixel intensity inside the set size of the area around the specified about the pixel before sharpening using a two-level control function, the first of which refers to pixels located within the region characterized as the edge of the image object, and the second to the remaining pixels adjacent to the specified area, and the intensity of the pixels belonging to the first group may exceed the maximum or less than the minimum of the values of the intensity of the pixels located within the region of the edge of the image object and determined prior to the operation of sharpening the image.
  • the closest in technical essence and adopted for the prototype is the sharpening method of digital images (US Patent N ° 7813582, G06K9 / 40, publ. 12.10.2010), which consists in registering a digital image, the intensity gradient values are calculated for its pixels , determine the signs of the second derivative of the intensity, determine the displacement vectors, the direction of which is given by the direction of the gradient and the sign of the second derivative of the intensity for a given pixel.
  • the lengths of the displacement vectors are determined in proportion to the absolute values of the intensity gradient, and then normalized by sequentially ranking and calculating the values of the corresponding percentiles so that the maximum length of all the values of the lengths of the displacement vectors does not exceed the predetermined value, which is chosen equal, for example, to the size of one pixel.
  • Increase image sharpness is produced by replacing the intensity value of each of these pixels with the intensity value of a pixel lying at the end of its corresponding displacement vector.
  • Intensity gradients are calculated by convolution of the image with a discrete differentiating operator.
  • the value of the maximum length of the displacement vectors in the prototype is not limited, however, in its practical application, the choice of the maximum length should be limited from above for reasons of the possibility of influencing the result of neighboring image objects and from below for reasons of process efficiency.
  • the main disadvantage of the prototype is the low productivity caused by the complexity of the computational algorithm. This is an obstacle to its hardware implementation and application in solving problems of processing large-volume video data in real time.
  • the claimed invention is aimed at achieving a technical result, which consists in increasing the productivity of the method by simplifying and reducing the number of computational operations.
  • the specified technical result is achieved by the fact that in the claimed method for the pixels of a digital image, the intensity gradient values are calculated, the signs of the second derivative of the intensity are determined, the displacement vectors are determined, the length of which is equal to the size of the image pixel, and the direction is given by the direction of the gradient and the sign of the second intensity derivative for this pixel, sharpening the image is done by changing the value of the pixel intensity so that with a negative sign of the second one to the intensities of this pixel are added, and if the second derivative is positive, the absolute value of the intensity gradient calculated at the end of the displacement vector for the given pixel is subtracted from the intensity of this pixel.
  • additional displacement vectors whose lengths are multiples of the size of the image pixel can be determined, the direction is specified by the direction of the gradient and the sign of the second derivative of the intensity for a given pixel, and sharpening the image is done by changing the pixel intensity in such a way that, if negative the sign of the second derivative is added to the intensity of the given pixel, and with a positive sign of the second derivative, it is subtracted from the intensity of the given pixel melting sum of the absolute values of the intensity gradients calculated at the ends of additional displacement vectors for a given pixel.
  • the values of the intensity gradient can be determined by performing the operation of convolution of the image with a normalized discrete differential operator of size 3x3, the sum of the absolute values of the components of which is equal to 1.
  • the absolute value of the intensity gradient at its end can be calculated by interpolating the absolute values of the intensity gradient for the nearest pixels.
  • FIG. 1.2 shows the interface between two areas in the image, arbitrarily oriented relative to the x and y directions, coinciding with the directions of rows and columns of image pixels, respectively, as well as displacement vectors whose length is equal to the size of one image pixel, and the directions are specified by the direction of the intensity gradient images and signs of the second derivative of the image intensity calculated for pixels to which the beginning of the displacement vectors correspond, and in FIG. 1, this boundary is shown sharp, and in FIG. 2 - blurry.
  • FIG. 3.4 shows the intensity profiles I s ⁇ i, j) and I B (i, j), as well as the results of calculating the projections of the intensity gradients G s (i, j) and G B (i, j) along the x direction for images, shown in FIG. 1,2, respectively.
  • Intensity profiles are illustrated by rows of pixels indicating the signs of the second derivatives of intensity D s (i, j) and D B (i, j). From FIG. Figure 3 shows that the sharp boundary does not have a transit zone, i.e. the pixel intensity values take only one of two values relating to either the dark or light region of the image, while the blurred border in FIG.
  • FIG. Figures 5-8 show normalized differential operators that can be used to calculate image intensity gradients.
  • the normalization of operators is that the sum of the absolute values of the components of each of them is 1.
  • FIG. 5 normalized differential operators are presented, with the help of which the projections of intensity gradients onto directions coinciding with the directions of rows and columns of image pixels can be calculated.
  • FIG. Figure 6 shows the normalized differential operators with which the projections of intensity gradients onto directions coinciding with the directions of the diagonals of image pixels oriented with respect to the directions of rows and columns at angles of 45 and 135 angular degrees can be calculated.
  • FIG. 7.8 presents the normalized differential operators of Prewitt and Sobel, respectively.
  • Figures 9 and 10 show the results of calculating the profile of the difference in intensities of the images blurred I B (i, j) and sharp I s (i, j) the boundaries of the object without taking into account (Fig. 9) and taking into account (Fig. 10) the sign of the second derivative of the blurred image.
  • FIG. 11 12 illustrates a method for generating an image recovery function when implementing the inventive method according to claim 1 and claim 2, respectively.
  • FIG. 13 shows graphs of changes in the image sharpening efficiency indicator of the claimed according to claim 1 (solid line) and according to claim 2 (dashed line) of the claims according to the method depending on the degree of blurring of the boundaries of the displayed objects.
  • the abscissa shows the values of the parameter of the Gaussian function selected as the blurring core.
  • the interface between the polygons is a sharp step without a transit zone, i.e. there are no pixels in the image whose intensity would differ from the intensity of pixels in polygons.
  • I L and I D for 15 000012
  • the interface between the polygons has a transit zone, within which the pixels have an intensity different from the intensity of the pixels at the polygons (Fig. 4).
  • the intensity gradients for the distorted image are non-zero for all pixels within the transit zone.
  • boundary pixels are considered to be those for which the absolute values of the intensity gradients take maximum values.
  • the values of the gradient of the image intensity are determined by performing the operation of convolution of the image (i.e., an array of intensity values) with discrete differential operators, which are usually used square operators of size 3x3 (Fig. 5-8). Such operators include, for example, the Prewitt and Sobel operators. It is important that the differential operator used is normalized so that the sum of the absolute values of the operator components is 1. In this case, the calculated intensity gradient values can be correctly correlated with the intensity values of the corresponding image pixels and used by the inventive method to change their intensity values , reducing the width of the transit zones and sharpening the image.
  • a way to sharpen a digital image should provide PT / RU2015 / 000012
  • sharpening a blurred image consists in determining the values of decreasing or increasing the values of the pixel intensity within the transit zone and the subsequent change of these values by the specified values.
  • the set of these quantities will be denoted by R (i, j) and called the image recovery function.
  • R (i, j) the image recovery function.
  • JQ is the intensity of pixels lying on opposite sides of the border. This circumstance is a direct consequence of the definition of the derivative, which, in fact, is the gradient. But from the obvious fact, an important observation follows: for any pixel located in the transit zone of the blurry border of the distorted image, the necessary
  • the magnitude of the change in the intensity value of a given pixel can be calculated as the sum of the absolute values of the gradients for its neighboring pixels located along the direction of the gradient from the side opposite to the border.
  • those pixels whose absolute values of the gradients are necessary for Q determining the values of the recovery function are found using displacement vectors.
  • displacement vectors are determined on the basis of gradient vectors, their lengths are equal to or a multiple of the pixel size of the image, the directions coincide with the directions of the gradients at negative values of the second derivative of the intensity and
  • the beginning of the displacement vectors is positioned in the center of the pixel with coordinates (/, /), for which the value of the restoration function R (, /) is sought.
  • the length of the displacement vector will be minimal, equal to the size of the image pixel and the same for all pixels.
  • the value of the recovery function R (i, j) in this case will be equal to the absolute value of the intensity gradient calculated at the end of the displacement vector.
  • the value of the desired gradient can be calculated by interpolation.
  • a digital image is obtained from the output of a matrix (pixel) digital photodetector, which, for example, can be used as a web camera.
  • this data is sent to the input of the computing device, in which the digital image is presented as an array of data, the values of the elements of which correspond to the intensity values of the image pixels, and the elements themselves are characterized by two coordinates that indicate the numbers of columns and rows and determine the position of the pixel in the image.
  • the data array thus obtained is a display of the original digital image, the sharpness of which must be increased.
  • an array of values of the image intensity gradient G B (g, j) is calculated using the convolution operation with normalized discrete differentiating filters.
  • the array of signs of the second derivative of the image intensity D B (i, j) is determined by calculating the values themselves for this purpose, for example, by applying the convolution of the array of values of the image intensity gradient G B (i, j) with the discrete differentiating filters presented on FIG. 5-8.
  • an array of displacement vectors is determined for the image pixels in such a way that these displacement vectors have the same length, the value of which is, for example, the size of the image pixel, and the directions are parallel to the directions of the gradients calculated for the pixels (/, /), and these directions coincide if the sign of the second derivative of the image intensity D B (i, j) for a given pixel is negative and, conversely, the directions are opposite if the sign of the second derivative of the image intensity D B (i, j) for a given pixel is positive.
  • Image sharpening is done by changing the value U2015 / 000012
  • the image restoration function R (i, j) in various implementations of the method can be defined differently, but in any case it includes the value of the image intensity gradient calculated for a pixel located near the end of the corresponding displacement vector.
  • the procedure for sharpening color images should provide for separate image processing by the claimed method for each of the color channels. This will provide an additional advantage of the proposed method over analogues and prototype, especially in cases where the distortion caused by chromatic aberrations of the imaging optical systems appears on the images.
  • the value of the function of restoring the intensity of a pixel with coordinates can be found from the relation:
  • G x (i, j), G y - the values of the projections of the intensity gradients of the original image on the perpendicular directions x and y,
  • D (i, j) is the value of the second derivative of the intensity of the original image
  • N is the number of additional displacement vectors
  • the proposed method is significantly simpler than the prototype, because its implementation requires less computational operations. This confirms the achievement of the claimed technical result.
  • the comparative simplicity of the algorithm and the reduction in the computational operations necessary for its implementation opens up the possibility of practical implementation of the proposed method while sharpening images in streaming video using modern graphics processors.
  • the proposed method provides high efficiency sharpening digital images, which is illustrated by the results of numerical experiments.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Nonlinear Science (AREA)
  • Image Processing (AREA)

Abstract

Изобретение относится к области обработки цифровых изображений и может быть использовано в системах видеонаблюдения для повышения качества изображений путем повышения их резкости. Способ повышения резкости цифрового изображения состоит в том, что для пикселей цифрового изображения вычисляют значения градиента интенсивности, определяют знаки второй производной интенсивности, определяют векторы смещения, длина которых равна размеру пикселя изображения, а направление задано направлением градиента и знаком второй производной интенсивности для данного пикселя, повышение резкости изображения производят путем изменения значения интенсивности пикселя таким образом, что при отрицательном знаке второй производной к интенсивности данного пикселя добавляют, а при положительном знаке второй производной из интенсивности данного пикселя вычитают абсолютное значение градиента интенсивности, вычисленное на конце вектора смещения для данного пикселя.

Description

СПОСОБ ПОВЫШЕНИЯ РЕЗКОСТИ ЦИФРОВОГО ИЗОБРАЖЕНИЯ
Область техники
Изобретение относится к области обработки цифровых изображений и может быть использовано в системах отображения фото- и видеоданных для повышения качества изображений путем повышения их резкости.
Предшествующий уровень техники
Как известно, восприятие цифрового изображения во многом определяется двумя его важнейшими характеристиками - контрастом и резкостью. Резкость изображения зависит от многих внешних факторов, таких как турбулентность атмосферы, аберрации изображающей оптической системы, характер и скорость перемещения изображаемого объекта относительно приемника во время экспозиции, дефокусировка и др. Количественно резкость изображения характеризуется шириной областей так называемого «размытия» границ изображаемых объектов. В общем случае резкость может быть не одинаковой по полю изображения. Особенно ярко это проявляется в тех случаях, когда на регистрируемом цифровом кадре некоторые объекты неподвижны, а другие, например, перемещаются, или когда разные объекты находятся на различных расстояниях от изображающей оптической системы, превышающих её глубину резкости.
С математической точки зрения искажения цифровых изображений, проявляющиеся в размытии границ изображаемых объектов, предстают результатом конволюции (свертки) некоего «идеального» изображения, которое могло бы быть получено при идеальных условиях регистрации идеальной оптической системой с бесконечно большой глубиной резкости и чувствительностью матричного фотоприемника, допускающего предельно малую экспозицию кадра, и оператора, ядро которого определяет характер свертки по одному, нескольким или всем возможным искажающим факторам. Наиболее часто используемое на практике ядро размытия цифровых изображений характеризуется функцией Гаусса.
Для улучшения качества цифровых изображений применяют различные методы повышения резкости.
Существуют два основных подхода к решению задачи повышения резкости цифровых изображений, подвергшихся воздействию ядра размытия. Первый заключается в модификации профиля распределения яркости пикселей в пределах области, непосредственно прилегающей к границе изображаемого объекта (в так называемой транзитной зоне), при сохранении ее ширины. Это приводит к повышению доли высокочастотных компонент в спектре сигнала и кажущемуся повышению информационной наполненности изображения. Применение данного подхода улучшает зрительное восприятие подвергшегося обработке изображения, однако степень улучшения оставляет желать большего, так как создается лишь иллюзия повышения резкости, главным образом, за счет появления инвертированных областей яркости на противоположных сторонах границ перепадов яркости на изображениях (эффект «гало»).
Наиболее распространенным методом, реализующим описанный выше подход, является метод нерезкого маскирования (unsharp masking), состоящий в том, что исходное изображение подвергают дополнительному размытию путем усреднения значений яркости элементов изображения (пикселей) в пределах окрестностей определенного размера. Далее производят операцию вычитания полученного изображения из исходного, а результат складывают с исходным изображением. Этот простой способ является наиболее распространенным в технике обработки цифровых изображений, однако ряд его существенных недостатков, таких как отсутствие требований к параметрам преобразования, может приводить к нежелательным результатам в виде модификации локальных контрастов и появлению артефактов. Применение метода нерезкого маскирования обычно не приводит к появлению артефактов в тех случаях, когда величина дополнительного размытия исходного изображения не превышает (а лучше, если много меньше) величины исходного искажения. При этом, однако, эффективность восстановления резкости также не велика (как правило, улучшение резкости без появления артефактов составляет не более 20%).
Другой подход - это восстановление «размытых» изображений, состоящее в поиске функции профиля распределения яркости, наиболее близкой к профилю яркости неискаженного изображения. Реализация данного метода позволяет добиться уменьшения ширины транзитной зоны. Математически это означает выполнение операции обратной свертки (деконволюции), для осуществления которой необходимо знание ядра размытия. В некоторых случаях априорная информация о характеристиках этого ядра (даже приблизительная) существенно упрощает процедуру восстановления изображения благодаря хорошо разработанному математическому аппарату, позволяющему выполнять процедуру деконволюции достаточно эффективно, хотя и ценой трудоемких вычислений. В случаях, когда априорная информация об ядре размытия полностью отсутствует, задача качественного восстановления изображения («слепая» деконволюция) становится намного сложнее, так как в этом случае результат сильно зависит от начальных условий длительного итерационного процесса предсказания-коррекции при поиске неизвестного ядра. Также стремительно возрастает общая трудоемкость вычислений. При этом нет никаких гарантий того, что итерационный процесс восстановления изображения сойдется к истинному значению распределения яркости неискаженного изображения. Математическая сложность и алгоритмическая трудоемкость прямых, а тем более «слепых» методов деконволюции на современном этапе развития технологий делает невозможным их использование при обработке потокового видео.
Известен способ адаптивного повышения резкости цифровых изображений (Патент РФ ·Νί_2383924, G06K9/36, опубл. 10.03.2010), состоящий в том, что оценивают степень резкости цифровой фотографии; уменьшают длину перехода на перепадах яркости в канале яркости изображения, используя параметры, которые зависят от степени резкости; увеличивают локальный контраст в канале яркости изображения, используя параметры, которые зависят от степени резкости; модифицируют цветовые каналы изображения с целью предотвращения искажений цветового тона и насыщенности, причем степень резкости цифровой фотографии оценивают на основании признаков, вычисляемых из массива интегралов логарифма гистограмм изображений границ, которые получают в результате высокочастотной фильтрации цифровой фотографии с ядрами свертки различного размера.
Известен способ улучшения цифровых изображений (Патент РФ N°2298226, G06T5/00, опубл. 27.04.2007), состоящий в том, что выполняют фильтрацию шумов, осуществляют коррекцию глобального контраста, извлекают из цветного изображения яркостную компоненту как максимальную из R, G, В составляющих, определяют параметры локальной коррекции темных и светлых тонов, выполняют билатеральную фильтрацию яркости изображения, корректируют темные и светлые тона в канале яркости, при этом коррекцию темных тонов изображения осуществляют за счет добавления к каналу яркости произведения разности изображения деталей в темных тонах и яркости, инверсии результата билатеральной фильтрации, возведенной в степень, которая определяет ширину тонового диапазона, и коэффициента усиления темных тонов, а изображение деталей в темных тонах является функцией отношения яркости исходного изображения и фильтрованного изображения, при этом коррекцию светлых тонов изображения осуществляют за счет вычитания из канала яркости произведения разности яркости и изображения деталей в светлых тонах, результата билатеральной фильтрации яркости, возведенного в степень, которая определяет ширину тонового диапазона, и коэффициента ослабления светлых тонов, а изображение деталей в светлых тонах является функцией отношения фильтрованного изображения и яркости исходного изображения, конвертируют результат коррекции в изображение в цветовую систему RGB.
Известен метод повышения резкости цифровых изображений (Патент США 7809208, G06K9/40, опубл. 05.10.2010), представляющий собой модификацию метода нерезкого маскирования и состоящий в том, что для каждого пикселя, расположенного на краю объекта изображения до повышения его резкости, определяют значение интенсивности; внутри установленного размера области вокруг указанного пикселя выявляют пиксели с максимальной и минимальной интенсивностью; выполняют операцию повышения резкости изображения. Далее для каждого пикселя, расположенного на краю объекта изображения, определяют значение интенсивности таким образом, что если это значение больше максимального значения интенсивности, определенного для пикселей внутри установленного размера области вокруг указанного пикселя до выполнения операции повышения резкости или если это значение меньше минимального значения интенсивности, определенного для пикселей внутри установленного размера области вокруг указанного пикселя до выполнения операции повышения резкости, тогда значение интенсивности пикселя, расположенного на краю объекта изображения, принимают равным максимальному или минимальному значению интенсивности, определенному для пикселей внутри установленного размера области вокруг указанного пикселя до выполнения операции повышения резкости, соответственно, а в ином случае значение интенсивности пикселя, расположенного на краю объекта изображения, после повышения его резкости не изменяют.
Известен метод повышения резкости цифровых изображений (Патент США N°8687912, G06K9/40, опубл. 01.04.2014) представляющий собой модификацию метода, описанного в вышеприведенном патенте США N°7809208, отличающийся от него тем, что определение значения интенсивности пикселя, расположенного вблизи края объекта изображения, после выполнения операции повышения резкости, например, методом нерезкого маскирования производят путем сравнения с минимальным и максимальным значениями интенсивности пикселей внутри установленного размера области вокруг указанного пикселя до выполнения операции повышения резкости, используя двухуровневую функцию управления, первый из уровней которой относится к пикселям, расположенным в пределах области, характеризуемой как край объекта изображения, а второй - к остальным пикселям, примыкающим к указанной области, причем интенсивность пикселей, принадлежащих к первой группе может превышать максимальное или быть меньше минимального из значений интенсивности пикселей, расположенных в пределах области края объекта изображения и определенных до выполнения операции повышения резкости изображения.
Известен способ улучшения цифровых изображений (Патент РФ JN°2367015, G06K9/40, опубл. 10.09.2009), включающий анализ параметров изображения с последующим извлечением яркостной компоненты, построение корректирующего фильтра и корректировку изображения, причем построение корректирующего фильтра производят по усредненному профилю проекции с построением набора локальных проекций яркости изображения в направлении, определяемом градиентом на отобранных участках, корректировку изображения осуществляют, отбирая пиксели изображения в локальной области, примыкающей к граням, исключая при этом пиксели, находящиеся непосредственно на гранях, и корректируют отобранные участки при помощи построенного корректирующего фильтра с регулировкой весовых коэффициентов фильтра по локальным значениям амплитуды градиента.
Наиболее близким по технической сущности и принятым за прототип, является метод повышения резкости цифровых изображений (Патент США N°7813582, G06K9/40, опубл. 12.10.2010), состоящий в том, что регистрируют цифровое изображение, для его пикселей вычисляют значения градиента интенсивности, определяют знаки второй производной интенсивности, определяют векторы смещения, направление которых задано направлением градиента и знаком второй производной интенсивности для данного пикселя. Длины векторов смещения определяют пропорционально абсолютным значениям градиента интенсивности, а затем нормализуют путем последовательного ранжирования и вычисления значений соответствующих персентилей таким образом, чтобы максимальное значение длины из всех значений длин векторов смещения не превышало наперед заданного значения, которое выбирают равным, например, размеру одного пикселя. Повышение резкости изображения производят путем замены значения интенсивности каждого из указанных пикселей значением интенсивности пикселя, лежащего на конце соответствующего ему вектора смещения. Градиенты интенсивности вычисляют путем свертки изображения с дискретным дифференцирующим оператором. Значение максимальной длины векторов смещения в прототипе, вообще говоря, не ограничено, однако, при его практическом применении выбор максимальной длины должен быть ограничен сверху по соображениям возможности влияния на результат соседних объектов изображения и снизу по соображениям эффективности процесса.
Неоспоримое преимущество прототипа перед большинством способов повышения резкости, основанных на модификациях метода нерезкого маскирования, состоит в том, что при его реализации появление артефактов на границах объектов изображения практически исключено.
Основным недостатком прототипа является низкая производительность, вызванная сложностью вычислительного алгоритма. Это является препятствием для его аппаратной реализации и применения при решении задач обработки видеоданных большого объема в режиме реального времени.
Сущность изобретения
Заявляемое изобретение направлено на достижение технического результата, который состоит в повышении производительности метода за счет упрощения и уменьшения количества вычислительных операций.
Указанный технический результат достигается тем, что в заявляемом способе для пикселей цифрового изображения вычисляют значения градиента интенсивности, определяют знаки второй производной интенсивности, определяют векторы смещения, длина которых равна размеру пикселя изображения, а направление задано направлением градиента и знаком второй производной интенсивности для данного пикселя, повышение резкости изображения производят путем изменения значения интенсивности пикселя таким образом, что при отрицательном знаке второй производной к интенсивности данного пикселя добавляют, а при положительном знаке второй производной из интенсивности данного пикселя вычитают абсолютное значение градиента интенсивности, вычисленное на конце вектора смещения для данного пикселя.
Кроме того, для пикселей цифрового изображения могут быть определены дополнительные векторы смещения, длины которых кратны размеру пикселя изображения, направление задано направлением градиента и знаком второй производной интенсивности для данного пикселя, а повышение резкости изображения производят путем изменения значения интенсивности пикселя таким образом, что при отрицательном знаке второй производной к интенсивности данного пикселя добавляют, а при положительном знаке второй производной из интенсивности данного пикселя вычитают сумму абсолютных значений градиентов интенсивности, вычисленных на концах дополнительных векторов смещения для данного пикселя.
Кроме того, значения градиента интенсивности могут быть определены путем выполнения операции свертки изображения с нормированным дискретным дифференциальным оператором размером 3x3, сумма абсолютных значений компонент которого равна 1.
В тех случаях, когда конец какого-либо вектора смещения в результате определения не совпадает с центром какого-либо пикселя, то абсолютное значение градиента интенсивности на его конце может быть рассчитано методом интерполяции абсолютных значений градиента интенсивности для ближайших пикселей. Краткое описание фигур чертежей
На фиг. 1,2 показана граница раздела двух областей на изображении, произвольно ориентированная относительно направлений х и у, совпадающих с направлениями строк и столбцов пикселей изображения, соответственно, а также векторы смещения, длина которых равна размеру одного пикселя изображения, а направления заданы направлением градиента интенсивности изображения и знаками второй производной интенсивности изображения, рассчитанными для пикселей, которым соответствуют начала векторов смещения, причем на фиг. 1 эта граница показана резкой, а на фиг. 2 - размытой.
На фиг. 3,4 представлены профили интенсивности Is{i, j) и IB(i,j), а также результаты расчета проекций градиентов интенсивности Gs(i,j) и GB(i, j) вдоль направления х для изображений, показанных на фиг. 1,2, соответственно. Профили интенсивности проиллюстрированы строками пикселей с указанием знаков вторых производных интенсивности Ds(i, j) и DB(i,j). Из фиг. 3 видно, что резкая граница не имеет транзитной зоны, т.е. значения интенсивности пикселей принимают только одно из двух значений, относящихся либо к темной, либо к светлой области изображения, тогда как размытая граница на фиг. 4 имеет транзитную зону, содержащую восемь пикселей с координатами г = х - 3 ; i - x-2 = х - 1 ; i = x ; г' = х + 1 ; i = x + 2 ; = х + 3 ; / = х + 4 , интенсивности которых принимают промежуточные значения, не относящиеся ни к темной, ни к светлой области изображения.
На фиг. 5-8 представлены нормированные дифференциальные операторы, с помощью которых могут быть рассчитаны градиенты интенсивности изображения. Нормировка операторов заключается в том, что сумма абсолютных значений компонент каждого из них равна 1. На фиг. 5 представлены нормированные дифференциальные операторы, с помощью которых могут быть рассчитаны проекции градиентов интенсивности на направления, совпадающие с направлениями строк и столбцов пикселей изображения. На фиг. 6 представлены нормированные дифференциальные операторы, с помощью которых могут быть рассчитаны проекции градиентов интенсивности на направления, совпадающие с направлениями диагоналей пикселей изображения, ориентированных по отношению к направлениям строк и столбцов под углами равными 45 и 135 угловым градусам. На фиг. 7,8 представлены нормированные дифференциальные операторы Превитта и Собеля, соответственно. На фиг. 9,10 приведены результаты вычисления профиля разности интенсивностей изображений размытой IB{i,j) и резкой Is(i, j) границ объекта без учета (фиг. 9) и с учетом (фиг. 10) знака второй производной размытого изображения.
На фиг. 11,12 проиллюстрирован способ формирования функции восстановления изображения при реализации заявляемого способа по п.1 и п.2 формулы изобретения, соответственно.
На фиг. 13 показаны графики изменения показателя эффективности повышения резкости изображений заявляемым по п.1 (сплошная линия) и по п.2 (штриховая линия) формулы изобретения способом в зависимости от степени размытия границ изображаемых объектов. По оси абсцисс отложены значения параметра функции Гаусса, выбранной в качестве ядра размытия.
Раскрытие изобретения
Для того, чтобы раскрыть заявляемое изобретение рассмотрим цифровое изображение, состоящее из Р столбцов и Q строк пикселей, характеризуемых координатами и соответствующими интенсивностями где i будем считать номером столбца, a j - номером строки. Определим далее признаки, отличающие изображение, границы объектов на котором имеют резкий ступенчатый профиль, характерный для идеального случая, когда ширина транзитной зоны равна нулю, от размытого изображения, полученного в результате, например, дефокусировки или проявления иных искажающих факторов. Без ограничения общности рассмотрим пример модельного изображения, представляющего собой одномерную границу раздела двух областей с однородными распределениями интенсивности (так называемыми «полигонами») в двух состояниях - идеальном (фиг. 1) и искаженном (фиг. 2).
В идеальном состоянии изображения граница раздела между полигонами представляет собой резкую ступеньку без транзитной зоны, т.е. на изображении отсутствуют пиксели, интенсивность которых отличалась бы от интенсивности пикселей на полигонах. Для ясности обозначим эти значения как IL и ID для 15 000012
11
светлого и темного полигонов, соответственно. Если вычислить значения градиентов интенсивности для такого изображения, то можно заметить, что они будут равны нулю для всех пикселей кроме тех, которые непосредственно примыкают к границе раздела между полигонами (фиг. 3).
Для искаженного изображения (подвергнутого, например, дефокусировке) граница раздела между полигонами имеет транзитную зону, в пределах которой пиксели имеют интенсивность отличную от интенсивности пикселей на полигонах (фиг. 4). Значения градиентов интенсивности для искаженного изображения отличны от нуля для всех пикселей, находящихся в пределах транзитной зоны. При этом пограничными пикселями принято считать те, для которых абсолютные значения градиентов интенсивности принимают максимальные значения.
Если для рассмотренных выше изображений дополнительно вычислить вторые производные интенсивности и определить знаки их ненулевых значений, то можно заметить, что они будут положительными или отрицательными для пикселей, принадлежащих темным или светлым полигонам, соответственно (фиг. 3,4).
На практике значения градиента интенсивности изображения определяют путем выполнения операции свертки изображения (т.е. массива значений интенсивности) с дискретными дифференциальными операторами, в качестве которых принято использовать квадратные операторы размера 3x3 (фиг. 5-8). К числу таких операторов относят, например, операторы Превитта и Собеля. При этом важно, чтобы применяемый дифференциальный оператор был нормирован таким образом, чтобы сумма абсолютных значений компонент оператора была равна 1. В этом случае вычисляемые значения градиента интенсивности могут быть корректным образом соотнесены со значениями интенсивности соответствующих пикселей изображения и использованы заявляемым способом для изменения значений их интенсивности, сокращения ширины транзитных зон и повышения резкости изображения.
Способ повышения резкости цифрового изображения должен обеспечить P T/RU2015/000012
12
восстановление размытого изображения до состояния идеального или, по крайней мере, уменьшить степень размытия границы, т.е. уменьшить ширину транзитной зоны. Очевидно, что этого можно добиться следующим образом: уменьшить интенсивность пикселей, расположенных в той части транзитной зоны, в которой принадлежавшие темному полигону на резком изображении пиксели в результате конволюции изображения с искажающим ядром увеличили свою интенсивность, и, наоборот, увеличить интенсивность тех пикселей в транзитной зоне, которые на резком изображении принадлежали светлому полигону и уменьшили свою интенсивность в результате искажения. Выбор того или иного варианта изменения интенсивности определен знаком ее второй производной: уменьшать интенсивность следует при ее положительном значении, а увеличивать - при отрицательном.
В предлагаемом изобретении повышение резкости размытого изображения заключается в определении величин уменьшения или увеличения значений интенсивности пикселей в пределах транзитной зоны и последующего изменения указанных значений на указанные величины. Набор этих величин будем обозначать R(i,j) и называть функцией восстановления изображения. Для разных пикселей в пределах транзитной зоны величина уменьшения или увеличения интенсивности разная и зависит от ширины транзитной зоны, положения пикселя внутри транзитной зоны по отношению к границе и величины перепада интенсивности AILD = IL - ID между полигонами. От того насколько корректно определены значения R(i,j) в значительной степени зависит результат восстановления резкости цифрового изображения и возможность появления нежелательных артефактов в виде «гало».
Для оценки результата повышения резкости цифрового изображения введем ряд определений: идеальное изображение с резкими границами Is (i,j), исходное изображение с размытыми границами IB (i, j) и восстановленное изображение IR которое может быть найдено из соотношения:
( У) = fc j) - sgn[ 5 (i, j)]R(i, j) . При условии отсутствия артефактов эффективность способа повышения резкости цифрового изображения η может быть охарактеризована следующим образом: п = 1 - Σ Σ i . J)- is b J)) 2 1 I fc - *s ( J)] 2 ·
QP j=M=\
Если рассмотреть произвольный профиль интенсивности вблизи границы объекта на изображении и соответствующий ему профиль градиента интенсивности, то можно заметить, что значение интеграла градиента вдоль перпендикулярного границе направления будет равно разности значений
JQ интенсивности пикселей, лежащих по разные стороны от границы. Это обстоятельство является прямым следствием определения производной, которой градиент, собственно говоря, и является. Но из очевидного факта следует важное наблюдение: для любого пикселя, расположенного в транзитной зоне размытой границы искаженного изображения, необходимая
^ для уменьшения ширины транзитной зоны величина изменения значения интенсивности данного пикселя может быть рассчитана как сумма абсолютных значений градиентов для соседних с ним пикселей, расположенных вдоль направления градиента с противоположной от границы стороны. В заявляемом изобретении те пиксели, чьи абсолютные значения градиентов необходимы для Q определения значений функции восстановления, находят с помощью векторов смещения. Так же как и в прототипе векторы смещения определяют на основе векторов градиентов, их длины принимают значения равные или кратные размеру пикселя изображения, направления совпадают с направлениями градиентов при отрицательных значениях второй производной интенсивности и
2^ противоположны градиентам при положительных значениях этой величины.
Начало векторов смещения позиционируют в центре пикселя с координатами (/, /), для которого ищут значение функции восстановления R ( , /) .
Вычислим разницу Al(i,j) = IB {i, j)- Is ( j) (Фиг- 9) и домножим результат на функцию знака второй производной интенсивности исходного изображения 30 (фиг. 10). Сравнивая распределения значений величин Al(i, j)sgn[DB(i, j)] и \ GB(i, , а также принимая во внимание приведенное выше наблюдение, можно сделать вывод, что значение функции восстановления должно быть равно сумме абсолютных значений градиентов интенсивности пикселей, расположенных вдоль направления градиента с противоположной от границы стороны.
Формально для повышения резкости изображения при расчете функции восстановления интенсивности пикселя с координатами достаточно принять во внимание значение градиента лишь для ближайшего соседнего с ним пикселя (фиг. 1 1). В этом случае длина вектора смещения будет минимальна, равна размеру пикселя изображения и одинакова для всех пикселей. Значение функции восстановления R(i, j) при этом будет равно абсолютному значению градиента интенсивности, вычисленному на конце вектора смещения.
Если ставить задачу достижения большей эффективности заявляемого способа, то при вычислении соответствующего значения функции восстановления R{i, j) необходимо дополнительно учитывать абсолютные значения градиентов интенсивности одного или нескольких пикселей, расположенных вдоль направления градиента с противоположной от границы стороны, расстояния до которых равны длинам соответствующих дополнительных векторов смещения (фиг. 12). Значение функции восстановления при этом будет увеличено на сумму N абсолютных значений градиентов интенсивности, вычисленных на концах дополнительных векторов смещения. Длины этих дополнительных векторов кратны размеру пикселя изображения, т.е. равны двум, трем и т.д. размерам пикселя. На фиг. 13 показаны результаты численного расчета эффективности заявляемого способа по п.1 ( N = 0 ) и п.2 (для N = 1) формулы изобретения при различных значениях параметра функции Гаусса, выбранной в качестве ядра размытия.
В тех случаях, когда положение конца вектора смещения не может быть соотнесено с определенным пикселем, значение искомого градиента можно рассчитать методом интерполяции. P T/RU2015/000012
15
Лучший вариант осуществления изобретения
Заявляемый способ может быть осуществлен следующим образом. Цифровое изображение получают с выхода матричного (пиксельного) цифрового фотоприемного устройства, в качестве которого может быть использована, например, веб-камера. Далее эти данные направляют на вход вычислительного устройства, в котором цифровое изображение представляют в виде массива данных, значения элементов которого соотносят со значениями интенсивности пикселей изображения, а сами элементы характеризуют двумя координатами которые обозначают номера столбцов и строк и определяют положение пикселя на изображении. Полученный таким образом массив данных является отображением исходного цифрового изображения, резкость которого необходимо повысить. Далее вычисляют массив значений градиента интенсивности изображения GB (г, j) , применяя операцию свертки с нормированными дискретными дифференцирующими фильтрами. В качестве указанных фильтров выбирают, например, нормированный фильтр Превитта, представленный на фиг. 7. Далее определяют массив знаков второй производной интенсивности изображения DB (i, j), вычисляя для этой цели сами значения, например, путем применения операции свертки массива значений градиента интенсивности изображения GB (i, j) с дискретными дифференцирующими фильтрами, представленными на фиг. 5-8. Далее для пикселей изображения определяют массив векторов смещения таким образом, что эти векторы смещения имеют одинаковую длину, величина которой равна, например, размеру пикселя изображения, а направления параллельны направлениям градиентов, вычисленных для пикселей (/,/), причем эти направления совпадают, если знак второй производной интенсивности изображения DB (i, j) для данного пикселя отрицателен и, наоборот, направления противоположны, если знак второй производной интенсивности изображения DB (i, j) для данного пикселя положителен. Повышение резкости изображения производят путем изменения значения U2015/000012
16
интенсивности пикселя с координатами таким образом, что при отрицательном знаке второй производной DB (i,j) к интенсивности данного пикселя добавляют, а при положительном знаке второй производной DB (г, j) из интенсивности данного пикселя вычитают значение функции восстановления изображения для данного пикселя. Функцию восстановления изображения R(i,j) в различных вариантах реализации способа можно определять по разному, но в любых случаях она включает значение градиента интенсивности изображения, рассчитанного для пикселя, расположенного вблизи конца соответствующего вектора смещения. Процедура повышения резкости цветных изображений должна предусматривать раздельную обработку изображения заявляемым способом по каждому из цветовых каналов. Это обеспечит дополнительное преимущество предлагаемого способа перед аналогами и прототипом, особенно в тех случаях, когда на изображениях проявляются искажения, вызванные хроматическими аберрациями изображающих оптических систем. В лучшем варианте осуществления изобретения значение функции восстановления интенсивности пикселя с координатами может быть най ено из соотношения:
Figure imgf000018_0001
где
Gx (i,j), Gy - значения проекций градиентов интенсивности исходного изображения на перпендикулярные направления х и у ,
D(i,j) - значение второй производной интенсивности исходного изображения
N - число дополнительных векторов смещения,
а массив значений интенсивности восстановленного изображения с повышенной резкостью IR рассчитывают по формуле: (ί, j) = (/, j) - sgn[£> (/, j)]R(i, j) - В примере наилучшей реализации способа число дополнительных векторов смещения выбирают равным 2. Это значение N обеспечивает высокую эффективность и производительность заявляемого способа одновременно.
Предлагаемый способ существенно проще, чем прототип, т.к. его реализация требует меньше вычислительных операций Это подтверждает достижение заявленного технического результата. Сравнительная простота алгоритма и сокращение необходимых для его реализации вычислительных операций открывает возможность практической реализации заявляемого способа при повышении резкости изображений в потоковом видео с помощью современных графических процессоров. Кроме того, предлагаемый способ обеспечивает высокую эффективность повышения резкости цифровых изображений, что иллюстрируется результатами численных экспериментов.

Claims

ФОРМУЛА ИЗОБРЕТЕНИЯ
1. Способ повышения резкости цифрового изображения, состоящий в том, что для пикселей цифрового изображения вычисляют значения градиента интенсивности, определяют знаки второй производной интенсивности, определяют векторы смещения, длина которых равна размеру пикселя изображения, а направление задано направлением градиента и знаком второй производной интенсивности для данного пикселя, отличающийся тем, что повышение резкости изображения производят путем изменения значения интенсивности пикселя таким образом, что при отрицательном знаке второй производной к интенсивности данного пикселя добавляют, а при положительном знаке второй производной из интенсивности данного пикселя вычитают абсолютное значение градиента интенсивности, вычисленное на конце вектора смещения для данного пикселя.
2. Способ повышения резкости цифрового изображения по п.1, отличающийся тем, что для пикселей цифрового изображения определяют дополнительные векторы смещения, длины которых кратны размеру пикселя изображения, направление задано направлением градиента и знаком второй производной интенсивности для данного пикселя, а повышение резкости изображения производят путем дополнительного изменения значения интенсивности пикселя таким образом, что при отрицательном знаке второй производной к интенсивности данного пикселя добавляют, а при положительном знаке второй производной из интенсивности данного пикселя вычитают сумму абсолютных значений градиентов интенсивности, вычисленных на концах дополнительных векторов смещения для данного пикселя.
3. Способ повышения резкости цифрового изображения по п.1, отличающийся тем, что значения градиента интенсивности определяют путем выполнения операции свертки изображения с нормированным дискретным дифференциальным оператором размером 3x3, причем нормируют оператор путем деления значений каждой его компоненты на сумму абсолютных значений всех компонент оператора.
PCT/RU2015/000012 2015-01-16 2015-01-16 Способ повышения резкости цифрового изображения WO2016114684A1 (ru)

Priority Applications (2)

Application Number Priority Date Filing Date Title
RU2017126842A RU2680754C2 (ru) 2015-01-16 2015-01-16 Способ повышения резкости цифрового изображения
PCT/RU2015/000012 WO2016114684A1 (ru) 2015-01-16 2015-01-16 Способ повышения резкости цифрового изображения

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/RU2015/000012 WO2016114684A1 (ru) 2015-01-16 2015-01-16 Способ повышения резкости цифрового изображения

Publications (1)

Publication Number Publication Date
WO2016114684A1 true WO2016114684A1 (ru) 2016-07-21

Family

ID=56406117

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2015/000012 WO2016114684A1 (ru) 2015-01-16 2015-01-16 Способ повышения резкости цифрового изображения

Country Status (2)

Country Link
RU (1) RU2680754C2 (ru)
WO (1) WO2016114684A1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763380A (zh) * 2021-09-29 2021-12-07 江苏信息职业技术学院 基于矢量梯度的无参考图像清晰度评价方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3641268A (en) * 1969-07-24 1972-02-08 Us Navy Real-time image contrast and edge sharpness enhancing apparatus
US20040024315A1 (en) * 2002-08-02 2004-02-05 Vikram Chalana Image enhancement and segmentation of structures in 3D ultrasound images for volume measurements
US7103234B2 (en) * 2001-03-30 2006-09-05 Nec Laboratories America, Inc. Method for blind cross-spectral image registration
RU2400815C2 (ru) * 2006-10-09 2010-09-27 Самсунг Электроникс Ко., Лтд. Способ повышения качества цифрового фотоизображения
US7813582B1 (en) * 2006-09-25 2010-10-12 Google Inc. Method and apparatus for enhancing object boundary precision in an image

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6600517B1 (en) * 2000-03-07 2003-07-29 Koninklijke Philips Electronics N.V. System and method for improving the sharpness of a video image
JP4139430B1 (ja) * 2007-04-27 2008-08-27 シャープ株式会社 画像処理装置及び方法、画像表示装置及び方法
US8903191B2 (en) * 2008-12-30 2014-12-02 Intel Corporation Method and apparatus for noise reduction in video

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3641268A (en) * 1969-07-24 1972-02-08 Us Navy Real-time image contrast and edge sharpness enhancing apparatus
US7103234B2 (en) * 2001-03-30 2006-09-05 Nec Laboratories America, Inc. Method for blind cross-spectral image registration
US20040024315A1 (en) * 2002-08-02 2004-02-05 Vikram Chalana Image enhancement and segmentation of structures in 3D ultrasound images for volume measurements
US7813582B1 (en) * 2006-09-25 2010-10-12 Google Inc. Method and apparatus for enhancing object boundary precision in an image
RU2400815C2 (ru) * 2006-10-09 2010-09-27 Самсунг Электроникс Ко., Лтд. Способ повышения качества цифрового фотоизображения

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Filtering and Enhancing Images", COMPUTER VISION, March 2000 (2000-03-01), Retrieved from the Internet <URL:http://courses.cs.washington.edu/courses/cse576/book/ch5.pdf> *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763380A (zh) * 2021-09-29 2021-12-07 江苏信息职业技术学院 基于矢量梯度的无参考图像清晰度评价方法

Also Published As

Publication number Publication date
RU2017126842A3 (ru) 2019-02-18
RU2017126842A (ru) 2019-02-18
RU2680754C2 (ru) 2019-02-26

Similar Documents

Publication Publication Date Title
Bai et al. Underwater image enhancement based on global and local equalization of histogram and dual-image multi-scale fusion
US8068163B2 (en) Optical imaging systems and methods utilizing nonlinear and/or spatially varying image processing
US7995855B2 (en) Image processing method and apparatus
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
US9142009B2 (en) Patch-based, locally content-adaptive image and video sharpening
JP4460839B2 (ja) デジタル画像鮮鋭化装置
US8717456B2 (en) Optical imaging systems and methods utilizing nonlinear and/or spatially varying image processing
JP4456819B2 (ja) デジタル画像鮮鋭化装置
US20110285871A1 (en) Image processing apparatus, image processing method, and computer-readable medium
US10628924B2 (en) Method and device for deblurring out-of-focus blurred images
US9202267B1 (en) System and method to enhance and process a digital image
CN101980521B (zh) 一种图像锐化方法以及相关装置
JP6587317B2 (ja) ガイデットフィルタベースのディテール強調
CN111739041B (zh) 图像边框的裁剪方法、装置及设备
Zhu et al. Restoration for weakly blurred and strongly noisy images
Javaran et al. Non-blind image deconvolution using a regularization based on re-blurring process
WO2006132633A1 (en) Content-based gaussian noise reduction for still image, video and film
US20060034512A1 (en) Adaptive image improvement
Lee et al. Motion deblurring using edge map with blurred/noisy image pairs
RU2680754C2 (ru) Способ повышения резкости цифрового изображения
CN108573478B (zh) 中值滤波方法及装置
Safonov et al. Adaptive sharpening of photos
CN115965552A (zh) 用于低信噪比图像序列的频空时域联合去噪与恢复系统
RU2383924C2 (ru) Способ адаптивного повышения резкости цифровых фотографий в процессе печати
Jasper et al. Natural image enhancement using a biogeography based optimization enhanced with blended migration operator

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15878168

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2017126842

Country of ref document: RU

122 Ep: pct application non-entry in european phase

Ref document number: 15878168

Country of ref document: EP

Kind code of ref document: A1