WO2019200657A1 - 图像边缘处理方法、电子装置及计算机可读存储介质 - Google Patents

图像边缘处理方法、电子装置及计算机可读存储介质 Download PDF

Info

Publication number
WO2019200657A1
WO2019200657A1 PCT/CN2018/088014 CN2018088014W WO2019200657A1 WO 2019200657 A1 WO2019200657 A1 WO 2019200657A1 CN 2018088014 W CN2018088014 W CN 2018088014W WO 2019200657 A1 WO2019200657 A1 WO 2019200657A1
Authority
WO
WIPO (PCT)
Prior art keywords
pixel
image
luminance component
value
processing method
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.)
Ceased
Application number
PCT/CN2018/088014
Other languages
English (en)
French (fr)
Inventor
朱江
赵斌
张裕桦
吴宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TCL China Star Optoelectronics Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics Technology Co Ltd
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 Shenzhen China Star Optoelectronics Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Technology Co Ltd
Priority to US16/080,629 priority Critical patent/US11113795B2/en
Publication of WO2019200657A1 publication Critical patent/WO2019200657A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G06T5/75—Unsharp masking
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 present invention relates to the field of image processing technologies, and in particular, to an image edge processing method, an electronic device, and a computer readable storage medium.
  • the size of display screens for electronic devices such as flat-panel TVs continues to increase, and the requirements for display quality are becoming higher and higher.
  • the quality may be degraded and blurring may occur.
  • the edge of the image is enhanced to make the picture quality clear and sharp, and the visual experience is good, providing images with higher definition for subsequent processing.
  • the existing technology enhances the image edge while also enhancing the noise of the image, and the fine texture of the image is also excessively enhanced, and the image becomes unnatural.
  • the main object of the present invention is to provide an image edge processing method, an electronic device and a computer readable storage medium, aiming at solving the problem of how to deal with noise and detail while enhancing the edge of the image.
  • the present invention provides an image edge processing method, the method comprising the steps of:
  • the enhanced image is output.
  • the method further includes the steps of:
  • the pixel When the pixel is a noise point, the pixel is subjected to Gaussian filtering for noise reduction.
  • the method further includes the step of: performing a bit increase on the luminance component, thereby calculating an edge of each pixel in the image according to the enhanced luminance component. Probability value mp;
  • bit number enhancement on the luminance component, converting the number of bits of the luminance component from 8 bits to 10 bits or 12 bits;
  • the number of bits of the enhanced luminance component data is converted from 10 bits or 12 bits to 8 bits.
  • the calculation formula of the edge probability value mp is:
  • F1
  • F2
  • y(j, i) represents the luminance component of the pixel in the jth row and the i th column
  • mp(j, i) represents the edge probability value of the pixel (j, i).
  • the noise detection includes the following steps:
  • the number of adjacent pixels related to the target pixel is counted, and if the number is 0 or 1, the target pixel is determined to be a noise point.
  • the step of enhancing an edge of the image according to the ⁇ , w, and luminance components includes:
  • the sharpening template is a Laplacian operator or a Sobel operator.
  • the present invention also provides an electronic device, the electronic device comprising: a memory, a processor, and an image edge processing program stored on the memory and operable on the processor, The steps of the image edge processing method as described above are implemented when the image edge processing program is executed by the processor.
  • the present invention further provides a computer readable storage medium having an image edge processing program stored thereon, and the image edge processing program is executed by a processor to implement the above The steps of the image edge processing method.
  • the image edge processing method, the electronic device and the computer readable storage medium provided by the invention can perform edge detection and noise detection on an image, calculate an enhancement coefficient after performing edge detection, and determine a pixel of a noise point after performing noise detection.
  • the Gaussian filtering process is performed, and it is determined that the pixels of the non-noise point are further enhanced.
  • the outline of the output image is enhanced, the image becomes clear, and the quality of the image is improved.
  • FIG. 1 is a block diagram of an electronic device according to a first embodiment of the present invention.
  • FIG. 2 is a flowchart of an image edge processing method according to a second embodiment of the present invention.
  • FIG. 3 is a flowchart of an image edge processing method according to a third embodiment of the present invention.
  • FIG. 4 is a schematic diagram of a target pixel and its adjacent pixels in the present invention.
  • Figure 5 is a schematic diagram of a calculation curve of an enhancement coefficient in the present invention.
  • Figure 6 is a schematic diagram of a logarithmic function curve in the present invention.
  • Figure 7 is a schematic illustration of the process of unsharp masking in the present invention.
  • a first embodiment of the present invention provides an electronic device 2.
  • the electronic device 2 has an image display and image processing function, and may be a flat panel television, a smart TV, a tablet computer, a mobile phone, or the like.
  • the electronic device 2 includes a memory 20, a processor 22, and an image edge processing program 28.
  • the memory 20 includes at least one type of readable storage medium for storing an operating system and various types of application software installed in the electronic device 2, such as program code of the image edge processing program 28. Further, the memory 20 can also be used to temporarily store various types of data that have been output or are to be output.
  • the processor 22 may be a Central Processing Unit (CPU), controller, microcontroller, microprocessor, or other data processing chip in some embodiments.
  • the processor 22 is typically used to control the overall operation of the electronic device 2.
  • the processor 22 is configured to run program code or process data stored in the memory 20, such as running the image edge processing program 28 and the like.
  • the processed data w is obtained by performing logarithmic processing on the pixel.
  • FIG. 2 does not constitute a limitation on the electronic device 2, and the electronic device 2 may further include other necessary components (such as a screen, etc.), or combine some components, or Different parts are arranged.
  • a second embodiment of the present invention provides an image edge processing method for use in the electronic device 2.
  • the order of execution of the steps in the flowchart shown in FIG. 2 may be changed according to different requirements, and some steps may be omitted.
  • the method includes the following steps:
  • each pixel in an image may include a luminance component, a chrominance component, and the like.
  • edge enhancement of an image the input image is first acquired, and then the luminance component of the image is extracted.
  • the color space that the image can take is YUV, HSL or HSV, and the like.
  • edge detection and noise detection are separately performed on the luminance component of each pixel.
  • an edge probability value mp is output, and the size of the mp can measure the probability that the pixel is at the edge.
  • the edge detection refers to calculating an edge probability value mp of the target pixel according to a luminance component corresponding to each pixel (referred to as a target pixel) and its neighboring pixels (8 pixels around).
  • a target pixel a luminance component corresponding to each pixel
  • FIG. 4 it is a schematic diagram of a target pixel and its neighboring pixels.
  • the pixel (j, i) is the target pixel
  • the other pixels are adjacent pixels of the pixel (j, i).
  • This step requires traversing each of the target pixels in the image to calculate the corresponding edge probability value mp.
  • the target pixel ends from the second row of the image to the penultimate row, ending with each row starting from the second pixel to the second to last pixel. Calculated as follows:
  • F1
  • F2
  • y(j, i) represents the luminance component of the pixel in the jth row and the i th column
  • mp(j, i) represents the edge probability value of the pixel (j, i). The larger the edge probability value mp, the greater the probability that the pixel is in the edge region.
  • the enhancement coefficient ⁇ is output after the weight calculation.
  • the enhancement coefficient ⁇ corresponding to each edge probability value mp can be found in the enhancement coefficient calculation function curve.
  • FIG. 5 a schematic diagram of a function curve is calculated for the enhancement coefficient.
  • the horizontal axis represents the edge probability value mp
  • the vertical axis represents the enhancement coefficient ⁇ .
  • step S106 Perform noise detection according to the brightness component, and determine whether each pixel in the image is a noise point. When the pixel is a noise point, step S108 is performed. When the pixel is a non-noise point, step S110 is performed.
  • the process of noise detection includes:
  • the target pixel is considered to be a noise point. If it is a noise point, noise reduction is required, otherwise it needs to be enhanced.
  • Gaussian filtering is performed to achieve the effect of noise reduction.
  • the corresponding luminance component is subjected to logarithmic processing and then output w.
  • Figure 6 it is a schematic diagram of a logarithmic function curve.
  • the horizontal axis represents the luminance component y
  • the vertical axis represents the processed data w.
  • the logarithmic processing mainly considers that a human character's visual characteristics include a logarithmic link. After the logarithmic processing, the details of the dark area of the image can be sharpened to improve the detail enhancement effect of the dark area of the image. .
  • this step is referred to as an unsharp mask process.
  • FIG. 7 it is a schematic diagram of an anti-sharp mask process.
  • the unsharp masking process includes: performing high-pass filtering on the data w obtained by the logarithmic processing by using a sharpening template for each pixel, and outputting an E value.
  • the sharpening template may be a Laplacian operator or a Sobel operator or the like. Multiplying the E value by the enhancement coefficient ⁇ to obtain an enhancement value, and adding the enhancement value to the luminance component (the input signal in FIG. 7) to obtain enhanced luminance component data (in FIG. 7 output signal).
  • the enhanced luminance component data is synthesized with data such as corresponding chrominance components, that is, inversely transformed into RGB data output by the corresponding color space.
  • the image edge processing method proposed in this embodiment can perform edge detection and noise detection on the image, and after performing edge detection, perform enhancement coefficient calculation, and after performing noise detection, determine that the pixel of the noise point performs Gaussian filtering processing.
  • the pixels judged to be non-noise points are further enhanced.
  • the outline of the output image is enhanced, the image becomes clear, and the quality of the image is improved.
  • a third embodiment of the present invention provides an image edge processing method.
  • the steps of the image edge processing method are similar to those of the second embodiment, except that the method further includes steps S202 and S216.
  • the method includes the following steps:
  • each pixel in an image may include a luminance component, a chrominance component, and the like.
  • edge enhancement of an image the input image is first acquired, and then the luminance component of the image is extracted.
  • the color space that the image can take is YUV, HSL or HSV, and the like.
  • the number of bits of the luminance component is changed from 8 bits to 10 bits or 12 bits or higher.
  • edge detection and noise detection are separately performed on the luminance component after each pixel is boosted.
  • an edge probability value mp is output, and the size of the mp can measure the probability that the pixel is at the edge.
  • the edge detection refers to calculating an edge probability value mp of the target pixel according to a luminance component corresponding to each pixel (referred to as a target pixel) and its neighboring pixels (8 pixels around).
  • a target pixel a luminance component corresponding to each pixel
  • FIG. 4 it is a schematic diagram of a target pixel and its neighboring pixels. This step requires traversing each of the target pixels in the image to calculate the corresponding edge probability value mp.
  • the target pixel ends from the second line of the image to the second to last line, corresponding to each line ending from the second pixel to the second to last pixel. Calculated as follows:
  • F1
  • F2
  • y(j, i) represents the luminance component of the pixel in the jth row and the i th column
  • mp(j, i) represents the edge probability value of the pixel (j, i). The larger the edge probability value mp, the greater the probability that the pixel is in the edge region.
  • the enhancement coefficient ⁇ is output after the weight calculation.
  • the enhancement coefficient ⁇ corresponding to each edge probability value mp can be found in the enhancement coefficient calculation function curve.
  • FIG. 5 a schematic diagram of a function curve is calculated for the enhancement coefficient.
  • the horizontal axis represents the edge probability value mp
  • the vertical axis represents the enhancement coefficient ⁇ .
  • step S208 Perform noise detection according to the brightness component, and determine whether each pixel in the image is a noise point. When the pixel is a noise point, step S210 is performed. When the pixel is a non-noise point, step S212 is performed.
  • the process of noise detection includes:
  • the target pixel is considered to be a noise point. If it is a noise point, noise reduction is required, otherwise it needs to be enhanced.
  • Gaussian filtering is performed to achieve the effect of noise reduction.
  • the corresponding luminance component is subjected to logarithmic processing and then output w.
  • Figure 6 it is a schematic diagram of a logarithmic function curve.
  • the horizontal axis represents the luminance component y
  • the vertical axis represents the processed data w.
  • the logarithmic processing mainly considers that a human character's visual characteristics include a logarithmic link. After the logarithmic processing, the details of the dark area of the image can be sharpened to improve the detail enhancement effect of the dark area of the image. .
  • this step is referred to as an unsharp mask process.
  • FIG. 7 it is a schematic diagram of an anti-sharp mask process.
  • the unsharp masking process includes: performing high-pass filtering on the data w obtained by the logarithmic processing by using a sharpening template for each pixel, and outputting an E value.
  • the sharpening template may be a Laplacian operator or a Sobel operator or the like. Multiplying the E value by the enhancement coefficient ⁇ to obtain an enhancement value, and adding the enhancement value to the luminance component (the input signal in FIG. 7) to obtain enhanced luminance component data (in FIG. 7 output signal).
  • the dithering is changed from a high bit (10 bit or 12 bit) to a low bit (8 bit).
  • the converted luminance component data and the corresponding chrominance component and the like are synthesized, that is, inversely transformed into RGB data output by the corresponding color space.
  • the image edge processing method proposed in this embodiment firstly converts the luminance component into a high bit for calculation, and then restores the luminance component from a high bit to a low bit through the dither display, thereby improving the operation precision and making the image processing effect better.
  • the present invention also provides another embodiment, that is, a computer readable storage medium storing an image edge processing program, the image edge processing program being executable by at least one processor, The at least one processor is caused to perform the steps of the image edge processing method as described above.
  • the foregoing embodiment method can be implemented by means of software plus a necessary general hardware platform, and of course, can also be through hardware, but in many cases, the former is better.
  • Implementation Based on such understanding, the technical solution of the present invention, which is essential or contributes to the prior art, may be embodied in the form of a software product stored in a storage medium (such as ROM/RAM, disk,
  • the optical disc includes a number of instructions for causing a terminal (which may be a cell phone, a computer, a server, an air conditioner, or a network device, etc.) to perform the methods described in various embodiments of the present invention.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Picture Signal Circuits (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明公开了一种图像边缘处理方法，该方法包括：从输入的图像中提取亮度分量；根据所述亮度分量计算所述图像中每个像素的边缘概率值mp；根据所述边缘概率值mp计算每个像素的增强系数λ；根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点；当所述像素为非噪声点时，对所述像素进行对数处理后得到w；根据所述λ、w及亮度分量对所述图像的边缘进行增强；根据增强后的亮度分量数据进行亮度分量合成后，输出增强后的图像。本发明实施例还公开了一种电子装置和计算机可读存储介质。由此，能够加强图像的轮廓，使图像变得清晰，提高图像的品质。

Description

图像边缘处理方法、电子装置及计算机可读存储介质 技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像边缘处理方法、电子装置及计算机可读存储介质。
背景技术
随着技术的发展和市场需求的变化，平板电视等电子装置显示屏的尺寸不断增大，人们对显示的画质的要求也越来越高。但是，图像经转换或传输后，质量可能下降，会出现模糊现象。而图像的边缘增强，使画质清晰锐利，视觉感受良好，为后续的处理提供具有更高清晰度的图像。现有的技术在增强图像边缘的同时也会将图像的噪声加强，图像的细小纹理亦被过分增强，图像变得不自然。
发明内容
本发明的主要目的在于提出一种图像边缘处理方法、电子装置及计算机可读存储介质，旨在解决如何在增强图像边缘的同时兼顾对噪声和细节的处理的问题。
为实现上述目的，本发明提供的一种图像边缘处理方法，该方法包括步骤：
从输入的图像中提取亮度分量；
根据所述亮度分量计算所述图像中每个像素的边缘概率值mp；
根据所述边缘概率值mp计算每个像素的增强系数λ；
根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点；
当所述像素为非噪声点时，对所述像素进行对数处理后得到w；
根据所述λ、w及亮度分量对所述图像的边缘进行增强，得到增强后的亮度分量数据；及
根据所述增强后的亮度分量数据进行亮度分量合成后，输出增强后的图像。
可选地，所述方法还包括步骤：
当所述像素为噪声点时，对所述像素经过高斯滤波以进行降噪。
可选地，所述方法在从输入的图像中提取亮度分量的步骤之后还包括步骤：对所述亮度分量进行位数提升，从而根据提升后的亮度分量计算所述图像中每个像素的边缘概率值mp；
在得到增强后的亮度分量数据之后还包括步骤：通过抖动显示将增强后的亮度分量数据转变成低位，从而根据转变后的亮度分量数据进行亮度分量合成。
可选地，在对所述亮度分量进行位数提升的步骤中，将所述亮度分量的位数从8bit转变成10bit或者12bit；
在将增强后的亮度分量数据转变成低位的步骤中，将所述增强后的亮度分量数据的位数从10bit或者12bit转变成8bit。
可选地，所述边缘概率值mp的计算公式为：
f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
mp(j,i)＝max(f1f2f3f4)；
其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i)的边缘概率值。
可选地，所述噪声检测包括步骤：
分别计算目标像素与其相邻像素的亮度差的绝对值；
将计算出的每个绝对值与预设的阈值进行比较，若所述绝对值比所述阈值小，则判断对应的所述相邻像素与所述目标像素相关，否则为不相关；
统计与所述目标像素相关的相邻像素的个数，若所述个数为0或者1，则判断所述目标像素为噪声点。
可选地，根据所述λ、w及亮度分量对所述图像的边缘进行增强的步骤包括：
针对每一个像素，采取锐化模板对所述w进行高通滤波，输出E值；
将E值与所述增强系数λ相乘，得到增强值；
将所述增强值与所述亮度分量相加，得到所述增强后的亮度分量数据。
可选地，所述锐化模板为Laplacian算子或者Sobel算子。
此外，为实现上述目的，本发明还提出一种电子装置，所述电子装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像边缘处理程序，所述图像边缘处理程序被所述处理器执行时实现如上述的图像边缘处理方法的步骤。
进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有图像边缘处理程序，所述图像边缘处理程序被处理器执行时实现如上述的图像边缘处理方法的步骤。
本发明提出的图像边缘处理方法、电子装置及计算机可读存储介质，能够对图像进行边缘检测和噪声检测，在进行边缘检测后，计算增强系数，在进行噪声检测后，判断为噪声点的像素进行高斯滤波处理，判断为非噪声点的像素再进行增强。使得输出图像的轮廓得到加强，图像变得清晰，提高图像的品质。
附图说明
图1为本发明第一实施例提出的一种电子装置的架构图；
图2为本发明第二实施例提出的一种图像边缘处理方法的流程图；
图3为本发明第三实施例提出的一种图像边缘处理方法的流程图；
图4为本发明中目标像素及其相邻像素的示意图；
图5为本发明中增强系数计算函数曲线的示意图；
图6为本发明中对数函数曲线的示意图；
图7为本发明中反锐化掩模过程的示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一
参阅图1所示，本发明第一实施例提出一种电子装置2。所述电子装置2具有图像显示和图像处理功能，可以是平板电视、智能电视、平板电脑、手机等。所述电子装置2包括存储器20、处理器22和图像边缘处理程序28。
其中，所述存储器20至少包括一种类型的可读存储介质，用于存储安装于所述电子装置2的操作系统和各类应用软件，例如图像边缘处理程序28的程序代码等。此外，所述存储器20还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通 常用于控制所述电子装置2的总体操作。本实施例中，所述处理器22用于运行所述存储器20中存储的程序代码或者处理数据，例如运行所述图像边缘处理程序28等。
所述图像边缘处理程序28被所述处理器22执行时，实现如下步骤：
(1)从输入的图像中提取亮度分量。
(2)对所述亮度分量进行位数提升。
(3)根据提升后的亮度分量计算所述图像中每个像素的边缘概率值mp。
(4)根据所述边缘概率值mp计算每个像素的增强系数λ。
(5)根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点。
(6)当所述像素为噪声点时，对所述像素经过高斯滤波以进行降噪。
(7)当所述像素为非噪声点时，对所述像素进行对数处理后得到处理后数据w。
(8)根据所述λ、w及亮度分量对所述图像的边缘进行增强，得到增强后的亮度分量数据。
(9)将增强后的亮度分量数据转变成低位。
(10)进行亮度分量合成后输出增强后的图像。
上述步骤的详细说明请参阅下述第二实施例和第三实施例，在此不再赘述。
本领域技术人员可以理解，图2中示出的结构并不构成对所述电子装置2的限定，所述电子装置2还可以包括其他必要部件(例如屏幕等)，或者组合某些部件，或者不同的部件布置。
实施例二
参阅图2所示，本发明第二实施例提出一种图像边缘处理方法，应用于所 述电子装置2中。在本实施例中，根据不同的需求，图2所示的流程图中的步骤的执行顺序可以改变，某些步骤可以省略。该方法包括以下步骤：
S100，从输入的图像中提取亮度分量。
具体地，一般情况下，一个图像中的每个像素可能包括亮度分量、色度分量等。当需要对图像进行边缘增强时，首先获取输入的图像，然后提取所述图像的亮度分量。所述图像可以采取的颜色空间是YUV、HSL或者HSV等。
S102，根据所提取的亮度分量计算所述图像中每个像素的边缘概率值mp。
具体地，当从所述图像中提取出亮度分量之后，需要对每个像素的亮度分量再分别进行边缘检测和噪声检测。经过所述边缘检测后，将输出一个边缘概率值mp，mp的大小可以衡量该像素处于边缘的概率。
在本实施例中，所述边缘检测是指根据每个像素(称为目标像素)及其相邻像素(周围的8个像素)对应的亮度分量，计算所述目标像素的边缘概率值mp。如图4所示，为目标像素及其相邻像素的示意图。其中，像素(j,i)为所述目标像素，其他像素为像素(j,i)的相邻像素。此步骤需要遍历所述图像中的每个目标像素，分别计算对应的所述边缘概率值mp。为了便于计算，所述目标像素从所述图像的第二行开始至倒数第二行结束，对应每行从第二个像素开始至倒数第二个像素结束。计算公式如下：
f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
mp(j,i)＝max(f1f2f3f4)；
其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i) 的边缘概率值。所述边缘概率值mp越大，表示该像素处在边缘区域的可能性越大。
S104，根据所述边缘概率值mp计算每个像素的增强系数λ。
具体地，针对所述图像中每个像素的边缘概率值mp，经过权值计算后输出增强系数λ。在本实施例中，可以在增强系数计算函数曲线中查找每个边缘概率值mp对应的增强系数λ。如图5所示，为增强系数计算函数曲线的示意图。图5中横轴表示所述边缘概率值mp，竖轴表示所述增强系数λ。当边缘概率值mp较小时，即该像素处于弱边缘区，对应的增强系数λ较小，以对细小纹理进行保护；当边缘概率值mp较大时，对应的增强系数λ亦较小，以防止增强后的数据溢出。当计算出所述图像中每个像素的边缘概率值mp后，从图5中查找出每个边缘概率值mp对应的增强系数λ。
S106，根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点。当所述像素为噪声点时，执行步骤S108。当所述像素为非噪声点时，执行步骤S110。
具体地，所述噪声检测的过程包括：
(1)分别计算所述目标像素与其相邻像素的亮度差的绝对值。计算公式如下：
f1＝|y(j,i)–y(j,i-1)|；
f2＝|y(j,i)–y(j,i+1)|；
f3＝|y(j,i)–y(j-1,i-1)|；
f4＝|y(j,i)–y(j-1,i)|；
f5＝|y(j,i)–y(j-1,i+1)|；
f6＝|y(j,i)–y(j+1,i-1)|；
f7＝|y(j,i)–y(j+1,i)|；
f8＝|y(j,i)–y(j+1,i+1)|；
其中y表示对应像素的亮度分量。
(2)将计算出的每个绝对值与预设的阈值进行比较，若该绝对值比所述阈值小，则认为对应的所述相邻像素与所述目标像素相关，否则为不相关。
(3)统计与所述目标像素相关的相邻像素的个数，若该个数为0或者1，则认为所述目标像素为噪声点。若为噪声点，则需要进行降噪，反之则需要增强。
S108，对所述像素进行高斯滤波。
具体地，对于所述图像中判断为噪声点的像素，进行高斯滤波，以达到降噪的效果。
S110，对所述像素进行对数处理后得到处理后数据w。
具体地，对于所述图像中判断为非噪声点的像素，则将对应的亮度分量经过对数处理后输出w。如图6所示，为对数函数曲线的示意图。图6中横轴表示所述亮度分量y，竖轴表示所述处理后数据w。所述对数处理主要是考虑到人的视觉特性中包含一个对数环节，经过所述对数处理后，可以对图像暗区的细节进行比较好的锐化，改善图像暗区的细节增强效果。
S112，根据所述λ、w及亮度分量对所述图像的边缘进行增强。
具体地，该步骤称为反锐化掩模过程。如图7所示，为反锐化掩模过程的示意图。所述反锐化掩模过程包括：针对每一个像素，采取锐化模板对所述对数处理后得到的数据w进行高通滤波，输出E值。所述锐化模板可以为Laplacian算子或者Sobel算子等。将E值与所述增强系数λ相乘，得到增强值，将所述增强值与所述亮度分量(图7中的输入信号)相加，就得到增强后的亮度分量数据(图7中的输出信号)。
S114，进行亮度分量合成后输出增强后的图像。
具体地，将增强后的亮度分量数据与对应的色度分量等数据进行合成，即通过对应的颜色空间反变换成RGB数据输出。
本实施例所提出的图像边缘处理方法，可以对图像进行边缘检测和噪声检测，在进行边缘检测后，进行增强系数的计算，在进行噪声检测后，判断为噪声点的像素进行高斯滤波处理，判断为非噪声点的像素再进行增强。使得输出图像的轮廓得到加强，图像变得清晰，提高图像的品质。
实施例三
参阅图3所示，本发明第三实施例提出一种图像边缘处理方法。在第三实施例中，所述图像边缘处理方法的步骤与第二实施例相类似，区别在于该方法还包括步骤S202和S216。
该方法包括以下步骤：
S200，从输入的图像中提取亮度分量。
具体地，一般情况下，一个图像中的每个像素可能包括亮度分量、色度分量等。当需要对图像进行边缘增强时，首先获取输入的图像，然后提取所述图像的亮度分量。所述图像可以采取的颜色空间是YUV、HSL或者HSV等。
S202，对所述亮度分量进行位数提升。
具体地，将所述亮度分量的位数从8bit转变成10bit或者12bit或者更高。
S204，根据提升后的亮度分量计算所述图像中每个像素的边缘概率值mp。
具体地，当对所述亮度分量进行位数提升后，需要对每个像素提升后的亮度分量再分别进行边缘检测和噪声检测。经过所述边缘检测后，将输出一个边缘概率值mp，mp的大小可以衡量该像素处于边缘的概率。
在本实施例中，所述边缘检测是指根据每个像素(称为目标像素)及其相邻像素(周围的8个像素)对应的亮度分量，计算所述目标像素的边缘概率值mp。如图4所示，为目标像素及其相邻像素的示意图。此步骤需要遍历所述图像中的每个目标像素，分别计算对应的所述边缘概率值mp。为了便于计算，所述目标像素从所述图像的第二行开始至倒数第二行结束，对应每行从第二个像 素开始至倒数第二个像素结束。计算公式如下：
f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
mp(j,i)＝max(f1f2f3f4)；
其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i)的边缘概率值。所述边缘概率值mp越大，表示该像素处在边缘区域的可能性越大。
S206，根据所述边缘概率值mp计算每个像素的增强系数λ。
具体地，针对所述图像中每个像素的边缘概率值mp，经过权值计算后输出增强系数λ。在本实施例中，可以在增强系数计算函数曲线中查找每个边缘概率值mp对应的增强系数λ。如图5所示，为增强系数计算函数曲线的示意图。图5中横轴表示所述边缘概率值mp，竖轴表示所述增强系数λ。当边缘概率值mp较小时，即该像素处于弱边缘区，对应的增强系数λ较小，以对细小纹理进行保护；当边缘概率值mp较大时，对应的增强系数λ亦较小，以防止增强后的数据溢出。当计算出所述图像中每个像素的边缘概率值mp后，从图5中查找出每个边缘概率值mp对应的增强系数λ。
S208，根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点。当所述像素为噪声点时，执行步骤S210。当所述像素为非噪声点时，执行步骤S212。
具体地，所述噪声检测的过程包括：
(1)分别计算所述目标像素与其相邻像素的亮度差的绝对值。计算公式 如下：
f1＝|y(j,i)–y(j,i-1)|；
f2＝|y(j,i)–y(j,i+1)|；
f3＝|y(j,i)–y(j-1,i-1)|；
f4＝|y(j,i)–y(j-1,i)|；
f5＝|y(j,i)–y(j-1,i+1)|；
f6＝|y(j,i)–y(j+1,i-1)|；
f7＝|y(j,i)–y(j+1,i)|；
f8＝|y(j,i)–y(j+1,i+1)|；
其中y表示对应像素的亮度分量。
(2)将计算出的每个绝对值与预设的阈值进行比较，若该绝对值比所述阈值小，则认为对应的所述相邻像素与所述目标像素相关，否则为不相关。
(3)统计与所述目标像素相关的相邻像素的个数，若该个数为0或者1，则认为所述目标像素为噪声点。若为噪声点，则需要进行降噪，反之则需要增强。
S210，对所述像素进行高斯滤波。
具体地，对于所述图像中判断为噪声点的像素，进行高斯滤波，以达到降噪的效果。
S212，对所述像素进行对数处理后得到处理后数据w。
具体地，对于所述图像中判断为非噪声点的像素，则将对应的亮度分量经过对数处理后输出w。如图6所示，为对数函数曲线的示意图。图6中横轴表示所述亮度分量y，竖轴表示所述处理后数据w。所述对数处理主要是考虑到人的视觉特性中包含一个对数环节，经过所述对数处理后，可以对图像暗区的细节进行比较好的锐化，改善图像暗区的细节增强效果。
S214，根据所述λ、w及亮度分量对所述图像的边缘进行增强。
具体地，该步骤称为反锐化掩模过程。如图7所示，为反锐化掩模过程的示意图。所述反锐化掩模过程包括：针对每一个像素，采取锐化模板对所述对数处理后得到的数据w进行高通滤波，输出E值。所述锐化模板可以为Laplacian算子或者Sobel算子等。将E值与所述增强系数λ相乘，得到增强值，将所述增强值与所述亮度分量(图7中的输入信号)相加，就得到增强后的亮度分量数据(图7中的输出信号)。
S216，将增强后的亮度分量数据转变成低位。
具体地，对于增强后的亮度分量数据，经过抖动显示(Dithering)，从高位(10bit或者12bit)转变成低位(8bit)。
S218，进行亮度分量合成后输出增强后的图像。
具体地，将转变后的亮度分量数据与对应的色度分量等数据进行合成，即通过对应的颜色空间反变换成RGB数据输出。
本实施例所提出的图像边缘处理方法，首先将亮度分量转变成高位进行计算，然后再通过抖动显示将亮度分量从高位还原为低位，提高了运算精度，使得图像处理效果更佳。
实施例四
本发明还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有图像边缘处理程序，所述图像边缘处理程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的图像边缘处理方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这 种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (18)

  1. 一种图像边缘处理方法，其中，该方法包括步骤：
    从输入的图像中提取亮度分量；
    根据所述亮度分量计算所述图像中每个像素的边缘概率值mp；
    根据所述边缘概率值mp计算每个像素的增强系数λ；
    根据所述亮度分量进行噪声检测，判断所述图像中的每个像素是否为噪声点；
    当所述像素为非噪声点时，对所述像素进行对数处理后得到w；
    根据所述λ、w及亮度分量对所述图像的边缘进行增强，得到增强后的亮度分量数据；及
    根据所述增强后的亮度分量数据进行亮度分量合成后，输出增强后的图像。
  2. 根据权利要求1所述的图像边缘处理方法，其中，所述方法还包括步骤：
    当所述像素为噪声点时，对所述像素经过高斯滤波以进行降噪。
  3. 根据权利要求2所述的图像边缘处理方法，其中，所述方法在从输入的图像中提取亮度分量的步骤之后还包括步骤：对所述亮度分量进行位数提升，从而根据提升后的亮度分量计算所述图像中每个像素的边缘概率值mp；
    在得到增强后的亮度分量数据之后还包括步骤：通过抖动显示将增强后的亮度分量数据转变成低位，从而根据转变后的亮度分量数据进行亮度分量合成。
  4. 根据权利要求3所述的图像边缘处理方法，其中，在对所述亮度分量进行位数提升的步骤中，将所述亮度分量的位数从8bit转变成10bit或者12bit；
    在将增强后的亮度分量数据转变成低位的步骤中，将所述增强后的亮度分量数据的位数从10bit或者12bit转变成8bit。
  5. 根据权利要求1所述的图像边缘处理方法，其中，所述边缘概率值mp的计算公式为：
    f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
    f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
    f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
    f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
    mp(j,i)＝max(f1f2f3f4)；
    其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i)的边缘概率值。
  6. 根据权利要求2所述的图像边缘处理方法，其中，所述边缘概率值mp的计算公式为：
    f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
    f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
    f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
    f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
    mp(j,i)＝max(f1f2f3f4)；
    其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i)的边缘概率值。
  7. 根据权利要求3所述的图像边缘处理方法，其中，所述边缘概率值mp的计算公式为：
    f1＝|y(j-1,i-1)+2*y(j-1,i)+y(j-1,i+1)-y(j+1,i-1)-2*y(j+1,i)-y(j+1,i+1)|；
    f2＝|y(j-1,i+1)+2*y(j,i+1)+y(j+1,i+1)-y(j-1,i-1)-2*y(j,i-1)-y(j+1,i-1)|；
    f3＝|y(j,i-1)+2*y(j-1,i-1)+y(j-1,i)-y(j+1,i)-2*y(j+1,i+1)-y(j,i+1)|；
    f4＝|y(j-1,i)+2*y(j-1,i+1)+y(j,i+1)-y(j,i-1)-2*y(j+1,i-1)-y(j+1,i)|；
    mp(j,i)＝max(f1f2f3f4)；
    其中，y(j,i)表示在第j行、第i列的像素的亮度分量，mp(j,i)表示像素(j,i)的边缘概率值。
  8. 根据权利要求1所述的图像边缘处理方法，其中，所述噪声检测包括步骤：
    分别计算目标像素与其相邻像素的亮度差的绝对值；
    将计算出的每个绝对值与预设的阈值进行比较，若所述绝对值比所述阈值小，则判断对应的所述相邻像素与所述目标像素相关，否则为不相关；
    统计与所述目标像素相关的相邻像素的个数，若所述个数为0或者1，则判断所述目标像素为噪声点。
  9. 根据权利要求2所述的图像边缘处理方法，其中，所述噪声检测包括步骤：
    分别计算目标像素与其相邻像素的亮度差的绝对值；
    将计算出的每个绝对值与预设的阈值进行比较，若所述绝对值比所述阈值小，则判断对应的所述相邻像素与所述目标像素相关，否则为不相关；
    统计与所述目标像素相关的相邻像素的个数，若所述个数为0或者1，则判断所述目标像素为噪声点。
  10. 根据权利要求3所述的图像边缘处理方法，其中，所述噪声检测包括步骤：
    分别计算目标像素与其相邻像素的亮度差的绝对值；
    将计算出的每个绝对值与预设的阈值进行比较，若所述绝对值比所述阈值小，则判断对应的所述相邻像素与所述目标像素相关，否则为不相关；
    统计与所述目标像素相关的相邻像素的个数，若所述个数为0或者1，则判断所述目标像素为噪声点。
  11. 根据权利要求1所述的图像边缘处理方法，其中，根据所述λ、w及亮度分量对所述图像的边缘进行增强的步骤包括：
    针对每一个像素，采取锐化模板对所述w进行高通滤波，输出E值；
    将E值与所述增强系数λ相乘，得到增强值；
    将所述增强值与所述亮度分量相加，得到所述增强后的亮度分量数据。
  12. 根据权利要求2所述的图像边缘处理方法，其中，根据所述λ、w及亮度分量对所述图像的边缘进行增强的步骤包括：
    针对每一个像素，采取锐化模板对所述w进行高通滤波，输出E值；
    将E值与所述增强系数λ相乘，得到增强值；
    将所述增强值与所述亮度分量相加，得到所述增强后的亮度分量数据。
  13. 根据权利要求3所述的图像边缘处理方法，其中，根据所述λ、w及亮度分量对所述图像的边缘进行增强的步骤包括：
    针对每一个像素，采取锐化模板对所述w进行高通滤波，输出E值；
    将E值与所述增强系数λ相乘，得到增强值；
    将所述增强值与所述亮度分量相加，得到所述增强后的亮度分量数据。
  14. 根据权利要求11所述的图像边缘处理方法，其中，所述锐化模板为Laplacian算子或者Sobel算子。
  15. 根据权利要求12所述的图像边缘处理方法，其中，所述锐化模板为Laplacian算子或者Sobel算子。
  16. 根据权利要求13所述的图像边缘处理方法，其中，所述锐化模板为Laplacian算子或者Sobel算子。
  17. 一种电子装置，其中，所述电子装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像边缘处理程序，所述图像边缘处理程序被所述处理器执行时实现如权利要求1所述的图像边缘处理方法步骤。
  18. 一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有图像边缘处理程序，所述图像边缘处理程序被处理器执行时实现如权利要求1所述的图像边缘处理方法的步骤。
PCT/CN2018/088014 2018-04-16 2018-05-23 图像边缘处理方法、电子装置及计算机可读存储介质 Ceased WO2019200657A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/080,629 US11113795B2 (en) 2018-04-16 2018-05-23 Image edge processing method, electronic device, and computer readable storage medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810336646.5 2018-04-16
CN201810336646.5A CN108550158B (zh) 2018-04-16 2018-04-16 图像边缘处理方法、电子装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
WO2019200657A1 true WO2019200657A1 (zh) 2019-10-24

Family

ID=63514886

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/088014 Ceased WO2019200657A1 (zh) 2018-04-16 2018-05-23 图像边缘处理方法、电子装置及计算机可读存储介质

Country Status (3)

Country Link
US (1) US11113795B2 (zh)
CN (1) CN108550158B (zh)
WO (1) WO2019200657A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992264A (zh) * 2019-11-28 2020-04-10 北京金山云网络技术有限公司 一种图像处理方法、处理装置、电子设备及存储介质
CN113139921A (zh) * 2021-05-12 2021-07-20 北京京东方光电科技有限公司 图像处理方法、显示装置、电子设备及存储介质
CN114612320A (zh) * 2022-03-04 2022-06-10 业成科技（成都）有限公司 图像亮度优化方法、装置、计算机设备和存储介质
CN116883270A (zh) * 2023-07-04 2023-10-13 广州医科大学附属第四医院(广州市增城区人民医院) 一种碎石手术软镜清晰化成像系统
CN117876592A (zh) * 2024-01-10 2024-04-12 武汉理工大学 声呐图像优化方法、系统、设备及存储介质
CN118822892A (zh) * 2024-07-31 2024-10-22 广州工程技术职业学院 图像边缘降噪保边方法、装置、设备及存储介质
CN119295589A (zh) * 2024-10-17 2025-01-10 中国人民解放军61741部队 红外云图纹理增强显示方法、装置及设备

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509161B (zh) * 2018-12-20 2021-03-16 深圳市华星光电半导体显示技术有限公司 图像增强装置及图像增强方法
CN110189349B (zh) * 2019-06-03 2022-03-25 湖南国科微电子股份有限公司 图像处理方法及装置
CN112583997B (zh) * 2019-09-30 2024-04-12 瑞昱半导体股份有限公司 图像处理电路与方法
CN114697621B (zh) * 2020-12-14 2024-06-18 安霸国际有限合伙企业 使用反指数函数优化的边缘保留噪声降低算法
CN112669227B (zh) * 2020-12-16 2023-10-17 Tcl华星光电技术有限公司 图标边缘处理方法、装置和计算机可读存储介质
CN113763270B (zh) * 2021-08-30 2024-05-07 青岛信芯微电子科技股份有限公司 蚊式噪声去除方法及电子设备
CN114782279A (zh) * 2022-04-29 2022-07-22 北京奕斯伟计算技术有限公司 图像处理方法、装置、电子设备及可读存储介质
CN115035125B (zh) * 2022-05-10 2025-04-04 瑞芯微电子股份有限公司 图像处理方法、存储介质及电子设备
CN115619683B (zh) * 2022-11-07 2023-07-11 腾讯科技（深圳）有限公司 图像处理方法、装置、设备、存储介质和计算机程序产品
CN115861321B (zh) * 2023-02-28 2023-09-05 深圳市玄羽科技有限公司 应用于工业互联网的生产环境检测方法及系统
CN116977228B (zh) * 2023-09-25 2024-02-09 广东匠芯创科技有限公司 图像降噪方法、电子设备及存储介质
CN117061710B (zh) * 2023-10-11 2024-02-27 深圳市蓝鲸智联科技股份有限公司 一种远程查看车内情况的系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR940010474B1 (ko) * 1992-02-25 1994-10-22 삼성전자 주식회사 화질 개선 방법
CN1741068A (zh) * 2005-09-22 2006-03-01 上海广电（集团）有限公司中央研究院 一种基于边界的直方图均衡方法
CN101119448A (zh) * 2006-07-31 2008-02-06 株式会社理光 图像处理装置和方法,成像装置以及计算机程序产品
CN102014243A (zh) * 2010-12-27 2011-04-13 杭州华三通信技术有限公司 一种图像增强方法和装置
CN105243651A (zh) * 2015-11-19 2016-01-13 中国人民解放军国防科学技术大学 基于近似方差和暗色块像素统计信息的图像边缘增强方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5638138A (en) * 1994-06-09 1997-06-10 Hickman; Charles B. Method for electronic image dynamic range and contrast modification
US5961461A (en) * 1997-11-07 1999-10-05 General Electric Company Method and apparatus for adaptive B-mode image enhancement
US6611627B1 (en) * 2000-04-24 2003-08-26 Eastman Kodak Company Digital image processing method for edge shaping
KR100343744B1 (ko) * 2000-09-30 2002-07-20 엘지전자주식회사 영상신호의 콘트라스트 향상 장치
US7388621B2 (en) * 2004-11-30 2008-06-17 Mediatek Inc. Systems and methods for image processing providing noise reduction and edge enhancement
US7352410B2 (en) * 2005-05-31 2008-04-01 Kolorific, Inc. Method and system for automatic brightness and contrast adjustment of a video source
JP2007201541A (ja) * 2006-01-23 2007-08-09 Ricoh Co Ltd 画像処理装置、撮像装置、画像処理方法、および画像処理プログラム
JP5009004B2 (ja) * 2006-07-31 2012-08-22 株式会社リコー 画像処理装置、撮像装置、画像処理方法、および画像処理プログラム
JP4998287B2 (ja) * 2008-01-25 2012-08-15 ソニー株式会社 画像処理装置および方法、並びにプログラム
JP4727720B2 (ja) * 2008-12-31 2011-07-20 株式会社モルフォ 画像処理方法および画像処理装置
RU2582475C2 (ru) * 2011-03-15 2016-04-27 Конинклейке Филипс Н.В. Основанное на правдоподобии шумоподавление области проекции спектральных данных
CN103325118A (zh) * 2013-06-26 2013-09-25 中国石油大学(北京) 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置
CN103778609A (zh) * 2014-01-22 2014-05-07 南京航空航天大学 基于像素连续性判断的二值化图像和灰度图像的高效去噪声法
US9779491B2 (en) * 2014-08-15 2017-10-03 Nikon Corporation Algorithm and device for image processing
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
LU92673B1 (en) * 2015-03-05 2016-09-06 Iee Int Electronics & Eng Sa Method and system for real-time noise removal and image enhancement of high-dynamic range images
CN104732227B (zh) * 2015-03-23 2017-12-26 中山大学 一种基于清晰度和亮度评估的车牌快速定位方法
EP3944615A1 (en) * 2015-09-02 2022-01-26 Faurecia Irystec Inc. System and method for real-time tone-mapping
CN105354835A (zh) * 2015-10-16 2016-02-24 浙江工业大学 结合相位一致性、梯度幅值和结构显著性的医学图像质量评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR940010474B1 (ko) * 1992-02-25 1994-10-22 삼성전자 주식회사 화질 개선 방법
CN1741068A (zh) * 2005-09-22 2006-03-01 上海广电（集团）有限公司中央研究院 一种基于边界的直方图均衡方法
CN101119448A (zh) * 2006-07-31 2008-02-06 株式会社理光 图像处理装置和方法,成像装置以及计算机程序产品
CN102014243A (zh) * 2010-12-27 2011-04-13 杭州华三通信技术有限公司 一种图像增强方法和装置
CN105243651A (zh) * 2015-11-19 2016-01-13 中国人民解放军国防科学技术大学 基于近似方差和暗色块像素统计信息的图像边缘增强方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992264A (zh) * 2019-11-28 2020-04-10 北京金山云网络技术有限公司 一种图像处理方法、处理装置、电子设备及存储介质
CN110992264B (zh) * 2019-11-28 2023-09-01 北京金山云网络技术有限公司 一种图像处理方法、处理装置、电子设备及存储介质
CN113139921A (zh) * 2021-05-12 2021-07-20 北京京东方光电科技有限公司 图像处理方法、显示装置、电子设备及存储介质
CN113139921B (zh) * 2021-05-12 2024-03-15 北京京东方光电科技有限公司 图像处理方法、显示装置、电子设备及存储介质
CN114612320A (zh) * 2022-03-04 2022-06-10 业成科技（成都）有限公司 图像亮度优化方法、装置、计算机设备和存储介质
CN114612320B (zh) * 2022-03-04 2023-09-29 业成科技（成都）有限公司 图像亮度优化方法、装置、计算机设备和存储介质
CN116883270A (zh) * 2023-07-04 2023-10-13 广州医科大学附属第四医院(广州市增城区人民医院) 一种碎石手术软镜清晰化成像系统
CN116883270B (zh) * 2023-07-04 2024-03-22 广州医科大学附属第四医院(广州市增城区人民医院) 一种碎石手术软镜清晰化成像系统
CN117876592A (zh) * 2024-01-10 2024-04-12 武汉理工大学 声呐图像优化方法、系统、设备及存储介质
CN118822892A (zh) * 2024-07-31 2024-10-22 广州工程技术职业学院 图像边缘降噪保边方法、装置、设备及存储介质
CN119295589A (zh) * 2024-10-17 2025-01-10 中国人民解放军61741部队 红外云图纹理增强显示方法、装置及设备

Also Published As

Publication number Publication date
CN108550158B (zh) 2021-12-17
US11113795B2 (en) 2021-09-07
CN108550158A (zh) 2018-09-18
US20210158488A1 (en) 2021-05-27

Similar Documents

Publication Publication Date Title
WO2019200657A1 (zh) 图像边缘处理方法、电子装置及计算机可读存储介质
CN103854259B (zh) 图像处理设备以及处理图像的方法
CN109791695B (zh) 基于图像块的运动向量确定所述块的方差
US10475188B2 (en) Image processing device and image enhancing method
KR102567860B1 (ko) 개선된 역 톤 매핑 방법 및 대응하는 디바이스
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
US10609303B2 (en) Method and apparatus for rapid improvement of smog/low-light-level image using mapping table
CN104346774B (zh) 用于图像增强的方法和装置
JP6677172B2 (ja) 画像処理装置、画像処理方法およびプログラム
US9025903B2 (en) Image processing device and image processing method
JP2017138647A (ja) 画像処理装置、画像処理方法、映像撮影装置、映像記録再生装置、プログラム及び記録媒体
CN107644409B (zh) 图像增强方法、显示装置及计算机可读存储介质
CN114418879A (zh) 图像处理方法、装置、电子设备及存储介质
US10438323B2 (en) Image brightness correction and noise suppression method, device, and recording medium for storing image processing program
CN113344801A (zh) 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质
WO2019200658A1 (zh) 图像平滑处理方法、电子装置及计算机可读存储介质
US11580620B2 (en) Image processing apparatus, image processing method, and non-transitory computer-readable medium
CN117994147A (zh) 一种基于深度神经网络的低照度图像对比度增强方法
CN110175967B (zh) 图像去雾处理方法、系统、计算机设备和存储介质
US20230274398A1 (en) Image processing apparatus for reducing influence of fine particle in an image, control method of same, and non-transitory computer-readable storage medium
US12493939B2 (en) Method and a device for reducing a dynamic range of an image
US20240249398A1 (en) Image processing apparatus, image processing method, and non-transitory computer-readable storage medium
CN116485645B (zh) 图像拼接方法、装置、设备及存储介质
CN105654456B (zh) 信息处理方法及电子设备
CN113837951B (zh) 图像亮度提高方法、装置、数据处理设备及存储介质

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: 18915430

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18915430

Country of ref document: EP

Kind code of ref document: A1