WO2020113824A1 - 图像处理方法 - Google Patents

图像处理方法 Download PDF

Info

Publication number
WO2020113824A1
WO2020113824A1 PCT/CN2019/075506 CN2019075506W WO2020113824A1 WO 2020113824 A1 WO2020113824 A1 WO 2020113824A1 CN 2019075506 W CN2019075506 W CN 2019075506W WO 2020113824 A1 WO2020113824 A1 WO 2020113824A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
gradient
value
pixel
bilateral filter
Prior art date
Application number
PCT/CN2019/075506
Other languages
English (en)
French (fr)
Inventor
邓宇帆
Original Assignee
深圳市华星光电半导体显示技术有限公司
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 深圳市华星光电半导体显示技术有限公司 filed Critical 深圳市华星光电半导体显示技术有限公司
Publication of WO2020113824A1 publication Critical patent/WO2020113824A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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; 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
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Definitions

  • the present invention relates to the field of display technology, and in particular, to an image processing method.
  • the noise in the image is in different areas, and the human eye has different degrees of sensitivity.
  • the human eye is more sensitive to noise, and once noise appears, it is more obvious, so the intensity of the noise reduction process should be increased to Increase the intensity of smoothing, and the edge area and texture area in the image contain more details, which has a masking effect on the noise, and it is difficult for the human eye to detect the noise present in this area.
  • the object of the present invention is to provide an image processing method, which can reduce the noise of the image while retaining Image texture, edge details.
  • the present invention provides an image processing method, including the following steps:
  • Step S1 providing an original image
  • Step S2 Provide a first bilateral filter and a second bilateral filter, respectively perform noise reduction processing on the original image using the first bilateral filter and the second bilateral filter, to generate a first noise-reduced image and a second A second noise reduction image, the smoothness of the first noise reduction image is greater than the smoothness of the second noise reduction image, and the image detail of the second noise reduction image is more than the image detail of the first noise reduction image;
  • Step S3 Perform a gradient operation on the original image, and divide the original image into a gentle region and a non-gentle region other than the gentle region according to the gradient operation result;
  • Step S4 Stitch the area corresponding to the gentle area of the original image in the first noise reduction image and the area corresponding to the non-smooth area of the original image in the second noise reduction image to form a processed image.
  • the spatial variance of the first bilateral filter is smaller than the spatial variance of the second bilateral filter.
  • the spatial variance of the first bilateral filter is 1, and the spatial variance of the second bilateral filter is 2.
  • the range variance of the first bilateral filter is greater than the range variance of the second bilateral filter.
  • the range variance of the first bilateral filter is 0.1, and the range variance of the second bilateral filter is 0.05
  • the original image includes a plurality of pixels arranged in an array, each pixel having a brightness value.
  • the specific process of performing gradient operation on the original image is: using a preset gradient calculation formula to obtain the original gradient values of multiple pixels of the original image, and taking the absolute value of the multiple original gradient values Value processing to obtain a gradient distribution map, where the gradient distribution map includes processing gradient values of multiple pixels.
  • the preset gradient calculation formula is:
  • grads(ij) lum(i-l,j)+lum(i+l,j)+lum(i,j-l)+lum(i,j+l)-41um(i,j);
  • grads(ij) is the original gradient value of the pixel in the i-th row and j-th column in the original image
  • lum(i-lj) is the brightness value of the pixel in the i-th row and j-th column in the original image
  • lum(i+ 1 ,j) is the luminance value of the pixel in row i+1 row j column of the original image
  • lum(ij-l) is the luminance value of the pixel in row i row j-1 column of the original image
  • lum( i,j+l) is the luminance value of the pixel in row i and column j+1 in the original image
  • lum(i,j) is the image in row i and column j in the original image
  • the brightness values of the primes, i and j are both positive integers.
  • step S3 the specific process of dividing the original image into a flat area and a non-flat area according to the gradient calculation result is:
  • [0022] determine the magnitude relationship between the processing gradient values of a plurality of pixels and the preset first gradient threshold and the second gradient threshold, when the processing gradient value of a pixel is greater than or equal to the first gradient threshold and less than or equal to the second gradient threshold, Use 1 as the first determination value of the pixel, otherwise use 0 as the first determination value of the pixel, perform average filtering on the first determination values of multiple pixels to obtain the average filtering result of multiple pixels, and determine the multiple average filtering results
  • the preset first reference value is set as the second judgment value of the pixel, otherwise the preset second reference The value is set as the second determination value of the pixel, so as to obtain a first amplitude distribution map including the second determination value of a plurality of pixels; the first gradient threshold is smaller than the second gradient threshold;
  • the maximum value filtering process is performed on the processing gradient values of multiple pixels to obtain the maximum value filtering result of multiple pixels, and the size relationship between the multiple maximum value filtering results and the second gradient threshold is determined, when the maximum value filtering result of one pixel
  • the preset third reference value is set as the third determination value of the pixel, otherwise, the preset fourth reference value is set as the third determination value of the pixel, thereby obtaining The second amplitude distribution diagram of the third judgment value
  • the first reference value is 1, the second reference value is 0, the third reference value is 1, the fourth reference value is 0; the first gradient threshold is 10, the The second gradient threshold is 80, and the volatility threshold is
  • the present invention also provides an image processing method, including the following steps:
  • Step S1 providing an original image
  • Step S2 providing a first bilateral filter and a second bilateral filter, respectively performing noise reduction processing on the original image using the first bilateral filter and the second bilateral filter, to generate a first noise-reduced image and a second A second noise reduction image, the smoothness of the first noise reduction image is greater than the smoothness of the second noise reduction image, and the image detail of the second noise reduction image is more than the image detail of the first noise reduction image;
  • Step S3 Perform a gradient operation on the original image, and divide the original image into Flat areas and non-flat areas other than flat areas;
  • Step S4 Stitch the area corresponding to the gentle area of the original image in the first noise reduction image and the area corresponding to the non-smooth area of the original image in the second noise reduction image to form a processed image;
  • the spatial variance of the first bilateral filter is smaller than the spatial variance of the second bilateral filter
  • the range variance of the first bilateral filter is greater than the range variance of the second bilateral filter.
  • the image processing method of the present invention uses different first bilateral filters and second bilateral filters to perform noise reduction processing on the original image to generate a first noise reduction image and a second noise reduction image ,
  • the smoothness of the first noise-reduced image is greater than that of the second noise-reduced image
  • the second noise-reduced image retains more image details than the first noise-reduced image
  • the result of the operation divides the original image into a flat area and a non-flat area other than the flat area.
  • the area corresponding to the flat area of the original image in the first noise-reduced image and the non-flat area of the original image in the second noise-reduced image are spliced to form a processed image, which can effectively reduce the noise of the original image while preserving the texture and edge details of the image, and improving the image quality.
  • FIG. 1 is a flowchart of an image processing method of the present invention
  • FIG. 2 is a schematic diagram of step S1 of the image processing method of the present invention.
  • FIGS. 3 and 4 are schematic diagrams of step S2 of the image processing method of the present invention.
  • FIG. 5 is a schematic diagram of step S3 of the image processing method of the present invention.
  • step S4 of the image processing method of the present invention is a schematic diagram of step S4 of the image processing method of the present invention.
  • the present invention provides an image processing method, including the following steps:
  • Step S1 please refer to FIG. 2 to provide an original image 10.
  • the original image 10 includes a plurality of pixels arranged in an array, each pixel having a brightness value.
  • Step S2 providing a first bilateral filter and a second bilateral filter, respectively using the first bilateral filter and the second bilateral filter to perform noise reduction processing on the original image 10, resulting in Figure 3
  • the first noise reduction image 20 and the second noise reduction image 30 shown in FIG. 4 the smoothness of the first noise reduction image 20 is greater than the smoothness of the second noise reduction image 30, the The image details are more than those of the first noise reduction image 20.
  • the spatial variance of the first bilateral filter is smaller than the spatial variance of the second bilateral filter, the value variance of the first bilateral filter is greater than the value variance of the second bilateral filter, Therefore, the smoothness of the first noise reduction image 20 is greater than the smoothness of the second noise reduction image 30, and the image detail of the second noise reduction image 30 is more than the image detail of the first noise reduction image 20.
  • the spatial variance of the first bilateral filter is 1, the spatial variance of the second bilateral filter is 2, the spatial variance of the first bilateral filter
  • the range variance is 0.1, and the range variance of the second bilateral filter is 0.05.
  • Step S3. Referring to FIG. 5, perform a gradient operation on the original image 10, and divide the original image 10 into a flat area 11 and a non-flat area 12 other than the flat area 11 according to the gradient calculation result.
  • the specific process of performing gradient operation on the original image 10 is: using a preset gradient calculation formula to obtain the original gradient values of multiple pixels of the original image 10, for multiple original
  • the gradient values are processed by taking absolute values to obtain a gradient distribution map, where the gradient distribution map includes processing gradient values of multiple pixels.
  • the preset gradient calculation formula is:
  • gradspj [0052] where grads(i,j) is the original gradient value of the pixel in the i-th row and j-th column in the original image, and lum(il,j) is the brightness of the pixel in the i-th row and j-th column in the original image Value, lum(i+lj) is the brightness value of the pixel in the i+1th row and jth column in the original image, lum(i,jl) is the brightness value of the pixel in the ith row, j-1th column in the original image, lum(ij+l) is the brightness value of the pixel in row i, column j+1 of the original image, lum(y) is the brightness value of the pixel in row i, column j of the original image, i and j are both positive Integer.
  • step S3 the specific process of dividing the original image 10 into the gentle region 11 and the non-smooth region 12 according to the gradient calculation result is:
  • [0054] determine the magnitude relationship between the processing gradient values of multiple pixels and the preset first gradient threshold and the second gradient threshold, when the processing gradient value of a pixel is greater than or equal to the first gradient threshold and less than or equal to the second gradient threshold, Use 1 as the first judgment value of the pixel, otherwise use 0 as the first judgment value of the pixel, perform average filtering on the first judgment values of multiple pixels to obtain the average filtering result of multiple pixels, and determine the multiple average filtering results
  • the preset first reference value is set as the second judgment value of the pixel, otherwise the preset second reference The value is set as the second determination value of the pixel, thereby obtaining a first amplitude distribution map including the second determination values of a plurality of pixels.
  • the first gradient threshold is smaller than the second gradient threshold.
  • the maximum value filtering process is performed on the processing gradient values of multiple pixels to obtain the maximum value filtering result of multiple pixels, and the magnitude relationship between the multiple maximum value filtering results and the second gradient threshold is determined, when the maximum value filtering result of one pixel
  • the preset third reference value is set as the third determination value of the pixel
  • the preset fourth reference value is set as the third determination value of the pixel, thereby obtaining The second amplitude distribution diagram of the third judgment value.
  • the first reference value is 1, the second reference value is 0, the third reference value is 1, and the fourth reference value 0.
  • the first gradient threshold is 10, the second gradient threshold is 80, and the fluctuation rate threshold is 0.6.
  • Step S4 referring to FIG. 6, the area 21 corresponding to the gentle area 11 of the original image 10 in the first noise reduction image 20 and the non-smooth area 12 of the original image 10 corresponding to the second noise reduction image 30
  • the area 32 is stitched to form the processed image 40.
  • the image processing method of the present invention uses different first bilateral filters and second bilateral filters to perform noise reduction processing on the original image 10 to generate a first noise reduction image 20 and a second noise reduction Image 30, by setting the spatial and spatial variances of the first bilateral filter and the second bilateral filter, the smoothness of the first noise reduction image 20 is greater than the smoothness of the second noise reduction image 30, the second The noise reduction image 30 has more image details than the first noise reduction image 20, and then performs a gradient operation on the original image 10, and divides the original image 10 into a flat area 11 and a non-flat area other than the flat area 11 according to the gradient calculation result 12.
  • the areas corresponding to the gentle area 11 of the original image 10 in the first noise reduction image 20 and the areas corresponding to the non-smooth area 12 of the original image 10 in the second noise reduction image 30 are stitched to form a processed image 40, While performing effective noise reduction on the original image 10, the texture and edge details of the image are preserved, the quality of the image is improved, and the processing is simple and the processing speed is fast.
  • the image processing method of the present invention uses different first bilateral filters and second bilateral filters to perform noise reduction processing on the original image to generate a first noise reduction image and a second noise reduction image,
  • the smoothness of the first noise-reduced image is greater than the smoothness of the second noise-reduced image.
  • the image detail of the second noise-reduced image is more than the image detail of the first noise-reduced image, and then the gradient operation is performed on the original image.
  • the original image is divided into a flat area and a non-flat area other than the flat area, and the area corresponding to the flat area of the original image in the first noise reduction image and the area corresponding to the non-flat area of the original image in the second noise reduction image are stitched together.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明提供一种图像处理方法。本发明的图像处理方法分别利用不同的第一双边滤波器及第二双边滤波器对原始图像进行降噪处理，产生第一降噪图像及第二降噪图像，第一降噪图像的平滑度大于第二降噪图像的平滑度，第二降噪图像的图像细节多于第一降噪图像的图像细节，而后对原始图像进行梯度运算，依据梯度运算结果将原始图像划分为平缓区及平缓区以外的非平缓区，将第一降噪图像中与原始图像的平缓区对应的区域和第二降噪图像中与原始图像的非平缓区对应的区域进行拼接形成处理图像，能够在对原始图像进行有效的降噪的同时保留图像的纹理、边缘的细节，提升图像的品质。

Description

图像处理方法 技术领域
[0001] 本发明涉及显示技术领域， 尤其涉及一种图像处理方法。
背景技术
[0002] 随着人们生活水平的提高， 对电子产品的画面显示效果追求越来越高。 5见有技 术中为了提高画面的显示效果， 通常会在画面显示时进行图像处理， 以改善显 示效果。
[0003] 图像的数据在处理和传输的过程中， 会受到显示装置及外部环境的噪声影响， 噪声大小是衡量图像质量的一个非常重要的因素， 所以在不影响系统整体性能 的情况下快速滤除噪声是提高图像质量的重要方法。 5见有的图像降噪技术多采 用双边滤波器对图像进行处理， 双边滤波器的值域方差与空域方差决定了降噪 处理后的图像的平滑效果。
[0004] 图像中的噪声处于不同的区域， 人眼感受度不同， 对于图像中相对平缓的区域 ， 人眼对噪声比较敏感， 一旦出现噪声则较为明显， 因此应该加大降噪处理的 力度以加大平滑的力度， 而图像中的边缘区域及纹理区域由于包含较多细节， 对噪声具有掩盖作用， 人眼不易察觉出现在该区域的噪声， 为保证边缘区域及 纹理区域的图像细节， 应该减少降噪处理的力度以降低平滑的力度。
[0005] 为此， 5见有技术提出了一种自适应双边滤波图像去噪的方法， 该方法中， 针对 图像中的每一个像素， 计算该像素的梯度方向相关性和梯度值大小， 设定该像 素的双边滤波的值域滤波函数的灰度值方差。 此方法中， 仅仅考虑了像素的梯 度值大小， 适用于对图像的边缘区进行降噪处理， 但并不适用于对梯度较小但 细节较多的图像的纹理区的降噪处理， 同时此方法需要针对每个像素分别设计 滤波器， 运算复杂且缓慢。
发明概述
技术问题
[0006] 本发明的目的在于提供一种图像处理方法， 能够在降低图像的噪声的同时保留 图像的纹理、 边缘的细节。
问题的解决方案
技术解决方案
[0007] 为实现上述目的， 本发明提供一种图像处理方法， 包括如下步骤：
[0008] 步骤 S1、 提供原始图像；
[0009] 步骤 S2、 提供第一双边滤波器及第二双边滤波器， 分别利用第一双边滤波器及 第二双边滤波器对所述原始图像进行降噪处理， 产生第一降噪图像及第二降噪 图像， 所述第一降噪图像的平滑度大于第二降噪图像的平滑度， 第二降噪图像 的图像细节多于第一降噪图像的图像细节；
[0010] 步骤 S3、 对所述原始图像进行梯度运算， 依据梯度运算结果将原始图像划分为 平缓区及平缓区以外的非平缓区；
[0011] 步骤 S4、 将第一降噪图像中与原始图像的平缓区对应的区域和第二降噪图像中 与原始图像的非平缓区对应的区域进行拼接形成处理图像。
[0012] 所述第一双边滤波器的空域方差比第二双边滤波器的空域方差小。
[0013] 所述第一双边滤波器的空域方差为 1， 所述第二双边滤波器的空域方差为 2。
[0014] 所述第一双边滤波器的值域方差比第二双边滤波器的值域方差大。
[0015] 所述第一双边滤波器的值域方差为 0.1， 所述第二双边滤波器的值域方差为 0.05
[0016] 所述原始图像包括呈阵列式排布的多个像素， 每一像素具有一亮度值。
[0017] 所述步骤 S3中， 对所述原始图像进行梯度运算的具体过程为： 利用预设的梯度 计算公式获取原始图像的多个像素的原始梯度值， 对多个原始梯度值进行取绝 对值处理， 得到梯度分布图， 所述梯度分布图包括多个像素的处理梯度值。
[0018] 所述预设的梯度计算公式为：
[0019] grads(ij) = lum(i-l,j)+lum(i+l,j)+lum(i,j-l)+lum(i,j+l)-41um(i,j)；
[0020] 其中， grads(ij)为原始图像中第 i行第 j列的像素的原始梯度值， lum(i-lj)为原始 图像中第 i- 1行第 j列的像素的亮度值， lum(i+ 1 ,j)为原始图像中第 i+ 1行第 j列的像 素的亮度值， lum(ij-l)为原始图像中第 i行第 j-1列的像素的亮度值， lum(i,j+l)为 原始图像中第 i行第 j+ 1列的像素的亮度值， lum(i,j)为原始图像中第 i行第 j列的像 素的亮度值， i、 j均为正整数。
[0021] 所述步骤 S3中， 依据梯度运算结果将原始图像划分为平缓区及非平缓区的具体 过程为：
[0022] 判断多个像素的处理梯度值与预设的第一梯度阈值及第二梯度阈值的大小关系 ， 当一像素的处理梯度值大于等于第一梯度阈值且小于等于第二梯度阈值时， 将 1作为该像素的第一判定值， 否则将 0作为该像素的第一判定值， 对多个像素 的第一判定值进行均值滤波得到多个像素的均值滤波结果， 判断多个均值滤波 结果与预设的波动率阈值的大小关系， 当一像素的均值滤波结果大于波动率阈 值时， 将预设的第一参考值设为该像素的第二判定值， 否则将预设的第二参考 值设为该像素的第二判定值， 从而得到包括多个像素的第二判定值的第一幅值 分布图； 所述第一梯度阈值小于第二梯度阈值；
[0023] 对多个像素的处理梯度值进行最大值滤波处理得到多个像素的最大值滤波结果 ， 判断多个最大值滤波结果与第二梯度阈值的大小关系， 当一像素的最大值滤 波结果大于第二梯度阈值时， 将预设第三参考值设为该像素的第三判定值， 否 则将预设的第四参考值设为该像素的第三判定值， 从而得到包括多个像素的第 三判定值的第二幅值分布图；
[0024] 将原始图像中第二判定值为第二参考值且第三判定值为第四参考值的像素所在 区域设为平缓区， 将原始图像中除平缓区以外的区域设为非平缓区。
[0025] 所述第一参考值为 1， 所述第二参考值为 0, 所述第三参考值为 1， 所述第四参 考值为 0; 所述第一梯度阈值为 10, 所述第二梯度阈值为 80, 所述波动率阈值为
0.6。
[0026] 本发明还提供一种图像处理方法， 包括如下步骤：
[0027] 步骤 S1、 提供原始图像；
[0028] 步骤 S2、 提供第一双边滤波器及第二双边滤波器， 分别利用第一双边滤波器及 第二双边滤波器对所述原始图像进行降噪处理， 产生第一降噪图像及第二降噪 图像， 所述第一降噪图像的平滑度大于第二降噪图像的平滑度， 第二降噪图像 的图像细节多于第一降噪图像的图像细节；
[0029] 步骤 S3、 对所述原始图像进行梯度运算， 依据梯度运算结果将原始图像划分为 平缓区及平缓区以外的非平缓区；
[0030] 步骤 S4、 将第一降噪图像中与原始图像的平缓区对应的区域和第二降噪图像中 与原始图像的非平缓区对应的区域进行拼接形成处理图像；
[0031] 所述第一双边滤波器的空域方差比第二双边滤波器的空域方差小；
[0032] 所述第一双边滤波器的值域方差比第二双边滤波器的值域方差大。
发明的有益效果
有益效果
[0033] 本发明的有益效果： 本发明的图像处理方法分别利用不同的第一双边滤波器及 第二双边滤波器对原始图像进行降噪处理， 产生第一降噪图像及第二降噪图像 ， 第一降噪图像的平滑度大于第二降噪图像的平滑度， 第二降噪图像保留的图 像细节多于第一降噪图像保留的图像细节， 而后对原始图像进行梯度运算， 依 据梯度运算结果将原始图像划分为平缓区及平缓区以外的非平缓区， 将第一降 噪图像中与原始图像的平缓区对应的区域和第二降噪图像中与原始图像的非平 缓区对应的区域进行拼接形成处理图像， 能够在对原始图像进行有效的降噪的 同时保留图像的纹理、 边缘的细节， 提升图像的品质。
对附图的简要说明
附图说明
[0034] 为了能更进一步了解本发明的特征以及技术内容， 请参阅以下有关本发明的详 细说明与附图， 然而附图仅提供参考与说明用， 并非用来对本发明加以限制。
[0035] 附图中，
[0036] 图 1为本发明的图像处理方法的流程图；
[0037] 图 2为本发明的图像处理方法的步骤 S1的示意图；
[0038] 图 3及图 4为本发明的图像处理方法的步骤 S2的示意图；
[0039] 图 5为本发明的图像处理方法的步骤 S3的示意图；
[0040] 图 6为本发明的图像处理方法的步骤 S4的示意图。
发明实施例
本发明的实施方式 [0041] 为更进一步阐述本发明所采取的技术手段及其效果， 以下结合本发明的优选实 施例及其附图进行详细描述。
[0042] 请参阅图 1， 本发明提供一种图像处理方法， 包括如下步骤：
[0043] 步骤 S1、 请参阅图 2， 提供原始图像 10。
[0044] 具体地， 所述原始图像 10包括呈阵列式排布的多个像素， 每一像素具有一亮度 值。
[0045] 步骤 S2、 提供第一双边滤波器及第二双边滤波器， 分别利用第一双边滤波器及 第二双边滤波器对所述原始图 10像进行降噪处理， 产生如图 3所示的第一降噪图 像 20及如图 4所示的第二降噪图像 30， 所述第一降噪图像 20的平滑度大于第二降 噪图像 30的平滑度， 第二降噪图像 30的图像细节多于第一降噪图像 20的图像细 节。
[0046] 具体地， 所述第一双边滤波器的空域方差比第二双边滤波器的空域方差小， 所 述第一双边滤波器的值域方差比第二双边滤波器的值域方差大， 从而使得第一 降噪图像 20的平滑度大于第二降噪图像 30的平滑度， 第二降噪图像 30的图像细 节多于第一降噪图像 20的图像细节。
[0047] 具体地， 在本发明的一优选实施例中， 所述第一双边滤波器的空域方差为 1， 所述第二双边滤波器的空域方差为 2, 所述第一双边滤波器的值域方差为 0.1， 所 述第二双边滤波器的值域方差为 0.05。
[0048] 步骤 S3、 请参阅图 5， 对所述原始图像 10进行梯度运算， 依据梯度运算结果将 原始图像 10划分为平缓区 11及平缓区 11以外的非平缓区 12。
[0049] 具体地， 所述步骤 S3中， 对所述原始图像 10进行梯度运算的具体过程为： 利用 预设的梯度计算公式获取原始图像 10的多个像素的原始梯度值， 对多个原始梯 度值进行取绝对值处理， 得到梯度分布图， 所述梯度分布图包括多个像素的处 理梯度值。
[0050] 进一步地， 所述预设的梯度计算公式为：
[0051] gradspj)
Figure imgf000007_0001
[0052] 其中， grads(i,j)为原始图像中第 i行第 j列的像素的原始梯度值， lum(i-l,j)为原 始图像中第 i-1行第 j列的像素的亮度值， lum(i+lj)为原始图像中第 i+1行第 j列的 像素的亮度值， lum(i,j-l)为原始图像中第 i行第 j-1列的像素的亮度值， lum(ij+l) 为原始图像中第 i行第 j+1列的像素的亮度值， lum(y )为原始图像中第 i行第 j列的 像素的亮度值， i、 j均为正整数。
[0053] 具体地， 所述步骤 S3中， 依据梯度运算结果将原始图像 10划分为平缓区 11及非 平缓区 12的具体过程为：
[0054] 判断多个像素的处理梯度值与预设的第一梯度阈值及第二梯度阈值的大小关系 ， 当一像素的处理梯度值大于等于第一梯度阈值且小于等于第二梯度阈值时， 将 1作为该像素的第一判定值， 否则将 0作为该像素的第一判定值， 对多个像素 的第一判定值进行均值滤波得到多个像素的均值滤波结果， 判断多个均值滤波 结果与预设的波动率阈值的大小关系， 当一像素的均值滤波结果大于波动率阈 值时， 将预设的第一参考值设为该像素的第二判定值， 否则将预设的第二参考 值设为该像素的第二判定值， 从而得到包括多个像素的第二判定值的第一幅值 分布图。 所述第一梯度阈值小于第二梯度阈值。
[0055] 对多个像素的处理梯度值进行最大值滤波处理得到多个像素的最大值滤波结果 ， 判断多个最大值滤波结果与第二梯度阈值的大小关系， 当一像素的最大值滤 波结果大于第二梯度阈值时， 将预设第三参考值设为该像素的第三判定值， 否 则将预设的第四参考值设为该像素的第三判定值， 从而得到包括多个像素的第 三判定值的第二幅值分布图。
[0056] 将原始图像 10中第二判定值为第二参考值且第三判定值为第四参考值的像素所 在区域设为平缓区 11， 将原始图像中除平缓区 11以外的区域设为非平缓区 12。
[0057] 具体地， 在本发明的一优选实施例中， 所述第一参考值为 1， 所述第二参考值 为 0, 所述第三参考值为 1， 所述第四参考值为 0。 所述第一梯度阈值为 10, 所述 第二梯度阈值为 80, 所述波动率阈值为 0.6。
[0058] 步骤 S4、 请参阅图 6， 将第一降噪图像 20中与原始图像 10的平缓区 11对应的区 域 21和第二降噪图像 30中与原始图像 10的非平缓区 12对应的区域 32进行拼接形 成处理图像 40。 [0059] 需要说明的是， 本发明的图像处理方法分别利用不同的第一双边滤波器及第二 双边滤波器对原始图像 10进行降噪处理， 产生第一降噪图像 20及第二降噪图像 3 0， 通过对第一双边滤波器及第二双边滤波器的空域方差及值域方差进行设置， 使得第一降噪图像 20的平滑度大于第二降噪图像 30的平滑度， 第二降噪图像 30 的图像细节多于第一降噪图像 20的图像细节， 而后对原始图像 10进行梯度运算 ， 依据梯度运算结果将原始图像 10划分为平缓区 11及平缓区 11以外的非平缓区 1 2， 将第一降噪图像 20中与原始图像 10的平缓区 11对应的区域和第二降噪图像 30 中与原始图像 10的非平缓区 12对应的区域进行拼接形成处理图像 40, 能够在对 原始图像 10进行有效的降噪的同时保留图像的纹理、 边缘的细节， 提升图像的 品质， 且处理简便， 处理速度快。
[0060] 综上所述， 本发明的图像处理方法分别利用不同的第一双边滤波器及第二双边 滤波器对原始图像进行降噪处理， 产生第一降噪图像及第二降噪图像， 第一降 噪图像的平滑度大于第二降噪图像的平滑度， 第二降噪图像的图像细节多于第 一降噪图像的图像细节， 而后对原始图像进行梯度运算， 依据梯度运算结果将 原始图像划分为平缓区及平缓区以外的非平缓区， 将第一降噪图像中与原始图 像的平缓区对应的区域和第二降噪图像中与原始图像的非平缓区对应的区域进 行拼接形成处理图像， 能够在对原始图像进行有效的降噪的同时保留图像的纹 理、 边缘的细节， 提升图像的品质。
[0061] 以上所述， 对于本领域的普通技术人员来说， 可以根据本发明的技术方案和技 术构思作出其他各种相应的改变和变形， 而所有这些改变和变形都应属于本发 明权利要求的保护范围。

Claims

权利要求书
[权利要求 1] 一种图像处理方法， 包括如下步骤：
步骤 si、 提供原始图像；
步骤 S2、 提供第一双边滤波器及第二双边滤波器， 分别利用第一双边 滤波器及第二双边滤波器对所述原始图像进行降噪处理， 产生第一降 噪图像及第二降噪图像， 所述第一降噪图像的平滑度大于第二降噪图 像的平滑度， 第二降噪图像的图像细节多于第一降噪图像的图像细节 步骤 S3、 对所述原始图像进行梯度运算， 依据梯度运算结果将原始图 像划分为平缓区及平缓区以外的非平缓区；
步骤 S4、 将第一降噪图像中与原始图像的平缓区对应的区域和第二降 噪图像中与原始图像的非平缓区对应的区域进行拼接形成处理图像。
[权利要求 2] 如权利要求 1所述的图像处理方法， 其中， 所述第一双边滤波器的空 域方差比第二双边滤波器的空域方差小。
[权利要求 3] 如权利要求 2所述的图像处理方法， 其中， 所述第一双边滤波器的空 域方差为 1， 所述第二双边滤波器的空域方差为 2。
[权利要求 4] 如权利要求 1所述的图像处理方法， 其中， 所述第一双边滤波器的值 域方差比第二双边滤波器的值域方差大。
[权利要求 5] 如权利要求 4所述的图像处理方法， 其中， 所述第一双边滤波器的值 域方差为 0.1， 所述第二双边滤波器的值域方差为 0.05。
[权利要求 6] 如权利要求 1所述的图像处理方法， 其中， 所述原始图像包括呈阵列 式排布的多个像素， 每一像素具有一亮度值。
[权利要求 7] 如权利要求 6所述的图像处理方法， 其中， 所述步骤 S3中， 对所述原 始图像进行梯度运算的具体过程为： 利用预设的梯度计算公式获取原 始图像的多个像素的原始梯度值， 对多个原始梯度值进行取绝对值处 理， 得到梯度分布图， 所述梯度分布图包括多个像素的处理梯度值， 所述多个像素的处理梯度值通过对多个像素的原始梯度值进行取绝对 值处理得到。
[权利要求 8] 如权利要求 7所述的图像处理方法， 其中， 所述预设的梯度计算公式 为：
grads(ij) = lum(i-l,j)+lum(i+l,j)+lum(i,j-l)+lum(i,j+l)-41um(i,j)； 其中， grads(ij)为原始图像中第 i行第 j列的像素的原始梯度值， lum(i- l,j)为原始图像中第 i-1行第 j列的像素的亮度值， lum(i+l,j)为原始图像 中第 i+1行第 j列的像素的亮度值， lum(i,j- 1)为原始图像中第 i行第 j- 1列 的像素的亮度值， lum(i,j+ 1 )为原始图像中第 i行第 j+ 1列的像素的亮度 值， lum(i,j)为原始图像中第 i行第 j列的像素的亮度值， i、 j均为正整 数。
[权利要求 9] 如权利要求 7所述的图像处理方法， 其中， 所述步骤 S3中， 依据梯度 运算结果将原始图像划分为平缓区及非平缓区的具体过程为： 判断多个像素的处理梯度值与预设的第一梯度阈值及第二梯度阈值的 大小关系， 当一像素的处理梯度值大于等于第一梯度阈值且小于等于 第二梯度阈值时， 将 1作为该像素的第一判定值， 否则将 0作为该像素 的第一判定值， 对多个像素的第一判定值进行均值滤波得到多个像素 的均值滤波结果， 判断多个均值滤波结果与预设的波动率阈值的大小 关系， 当一像素的均值滤波结果大于波动率阈值时， 将预设的第一参 考值设为该像素的第二判定值， 否则将预设的第二参考值设为该像素 的第二判定值， 从而得到包括多个像素的第二判定值的第一幅值分布 图； 所述第一梯度阈值小于第二梯度阈值；
对多个像素的处理梯度值进行最大值滤波处理得到多个像素的最大值 滤波结果， 判断多个最大值滤波结果与第二梯度阈值的大小关系， 当 一像素的最大值滤波结果大于第二梯度阈值时， 将预设第三参考值设 为该像素的第三判定值， 否则将预设的第四参考值设为该像素的第三 判定值， 从而得到包括多个像素的第三判定值的第二幅值分布图； 将原始图像中第二判定值为第二参考值且第三判定值为第四参考值的 像素所在区域设为平缓区， 将原始图像中除平缓区以外的区域设为非 平缓区。
[权利要求 10] 如权利要求 9所述的图像处理方法， 其中， 所述第一参考值为 1， 所述 第二参考值为 0, 所述第三参考值为 1， 所述第四参考值为 0; 所述第 一梯度阈值为 10, 所述第二梯度阈值为 80, 所述波动率阈值为 0.6。
[权利要求 11] 一种图像处理方法， 包括如下步骤：
步骤 S1、 提供原始图像；
步骤 S2、 提供第一双边滤波器及第二双边滤波器， 分别利用第一双 边滤波器及第二双边滤波器对所述原始图像进行降噪处理， 产生第一 降噪图像及第二降噪图像， 所述第一降噪图像的平滑度大于第二降噪 图像的平滑度， 第二降噪图像的图像细节多于第一降噪图像的图像细 节；
步骤 S3、 对所述原始图像进行梯度运算， 依据梯度运算结果将原始图 像划分为平缓区及平缓区以外的非平缓区；
步骤 S4、 将第一降噪图像中与原始图像的平缓区对应的区域和第二降 噪图像中与原始图像的非平缓区对应的区域进行拼接形成处理图像； 其中， 所述第一双边滤波器的空域方差比第二双边滤波器的空域方差 小；
其中， 所述第一双边滤波器的值域方差比第二双边滤波器的值域方差 大。
[权利要求 12] 如权利要求 11所述的图像处理方法， 其中， 所述第一双边滤波器的空 域方差为 1， 所述第二双边滤波器的空域方差为 2。
[权利要求 13] 如权利要求 11所述的图像处理方法， 其中， 所述第一双边滤波器的值 域方差为 0.1， 所述第二双边滤波器的值域方差为 0.05。
[权利要求 14] 如权利要求 11所述的图像处理方法， 其中， 所述原始图像包括呈阵列 式排布的多个像素， 每一像素具有一亮度值。
[权利要求 15] 如权利要求 14所述的图像处理方法， 其中， 所述步骤 S3中， 对所述原 始图像进行梯度运算的具体过程为： 利用预设的梯度计算公式获取 原始图像的多个像素的原始梯度值， 对多个原始梯度值进行取绝对值 处理， 得到梯度分布图， 所述梯度分布图包括多个像素的处理梯度值 所述多个像素的处理梯度值通过对多个像素的原始梯度值进行取绝 对值处理得到。
PCT/CN2019/075506 2018-12-04 2019-02-20 图像处理方法 WO2020113824A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811475444.5 2018-12-04
CN201811475444.5A CN109636749B (zh) 2018-12-04 2018-12-04 图像处理方法

Publications (1)

Publication Number Publication Date
WO2020113824A1 true WO2020113824A1 (zh) 2020-06-11

Family

ID=66071072

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/075506 WO2020113824A1 (zh) 2018-12-04 2019-02-20 图像处理方法

Country Status (2)

Country Link
CN (1) CN109636749B (zh)
WO (1) WO2020113824A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114331899A (zh) * 2021-12-31 2022-04-12 上海宇思微电子有限公司 一种图像降噪方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111986095B (zh) * 2019-05-22 2024-03-19 上海哔哩哔哩科技有限公司 基于边缘提取的图像处理方法及图像处理装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110128282A1 (en) * 2009-12-01 2011-06-02 Industrial Technology Research Institute Method for Generating the Depth of a Stereo Image
CN102938824A (zh) * 2012-06-05 2013-02-20 李英明 一种基于改进的自适应双边滤波的视频去噪方法
CN103116875A (zh) * 2013-02-05 2013-05-22 浙江大学 自适应双边滤波图像去噪方法
US9305338B1 (en) * 2013-12-13 2016-04-05 Pixelworks, Inc. Image detail enhancement and edge sharpening without overshooting
CN107911576A (zh) * 2017-11-01 2018-04-13 北京小米移动软件有限公司 图像处理方法、装置和存储介质
CN108205804A (zh) * 2016-12-16 2018-06-26 阿里巴巴集团控股有限公司 图像处理方法、装置及电子设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599170B (zh) * 2009-06-26 2011-09-14 东方网力科技股份有限公司 图像噪声评价方法、图像噪声评价装置
CN101860655B (zh) * 2010-07-02 2012-04-25 上海交通大学 基于双边滤波器的黑白图像彩色化方法
CN102724542B (zh) * 2012-06-19 2014-05-14 浙江捷尚视觉科技有限公司 运动矢量法检测云台摄像机工作状态的方法
CN104899853B (zh) * 2014-03-04 2019-12-06 腾讯科技（深圳）有限公司 图像区域的划分方法及装置
CN105512605B (zh) * 2015-11-23 2018-12-25 小米科技有限责任公司 人脸图像处理方法及装置
CN105550994B (zh) * 2016-01-26 2018-08-21 河海大学 一种基于卫星影像的无人机影像快速概略拼接方法
KR101924278B1 (ko) * 2017-02-16 2019-02-22 목포대학교산학협력단 드론을 활용한 갯벌 지역에서의 갯골 정보 추출 장치 및 방법
CN108122211A (zh) * 2017-12-19 2018-06-05 中山大学花都产业科技研究院 一种基于箱式滤波器的局部边缘保持色调映射算法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110128282A1 (en) * 2009-12-01 2011-06-02 Industrial Technology Research Institute Method for Generating the Depth of a Stereo Image
CN102938824A (zh) * 2012-06-05 2013-02-20 李英明 一种基于改进的自适应双边滤波的视频去噪方法
CN103116875A (zh) * 2013-02-05 2013-05-22 浙江大学 自适应双边滤波图像去噪方法
US9305338B1 (en) * 2013-12-13 2016-04-05 Pixelworks, Inc. Image detail enhancement and edge sharpening without overshooting
CN108205804A (zh) * 2016-12-16 2018-06-26 阿里巴巴集团控股有限公司 图像处理方法、装置及电子设备
CN107911576A (zh) * 2017-11-01 2018-04-13 北京小米移动软件有限公司 图像处理方法、装置和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114331899A (zh) * 2021-12-31 2022-04-12 上海宇思微电子有限公司 一种图像降噪方法及装置

Also Published As

Publication number Publication date
CN109636749A (zh) 2019-04-16
CN109636749B (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
CN105654436B (zh) 一种基于前景背景分离的背光图像增强去噪方法
CN105046658B (zh) 一种低照度图像处理方法和装置
Gao et al. A fast image dehazing algorithm based on negative correction
WO2023123927A1 (zh) 图像增强方法、装置、设备和存储介质
CN106846276B (zh) 一种图像增强方法及装置
CN108090886B (zh) 一种高动态范围红外图像的显示与细节增强方法
WO2014169579A1 (zh) 一种色彩增强方法及装置
CN111986120A (zh) 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法
WO2021114564A1 (zh) 一种低对比度红外图像的增强方法
CN109919859B (zh) 一种户外场景图像去雾增强方法、计算设备及其存储介质
JP6369150B2 (ja) アンチエイリアシングエッジを回復するフィルタリング方法及びフィルタリング装置
US9401009B2 (en) Method and apparatus for enhancing quality of 3D image
KR102195047B1 (ko) 3d이미지 품질을 향상시키는 방법과 장치
CN114092355A (zh) 自适应红外图像对比度增强方法及装置
Mu et al. Low and non-uniform illumination color image enhancement using weighted guided image filtering
WO2020113824A1 (zh) 图像处理方法
WO2019047409A1 (zh) 图像处理方法、系统、可读存储介质及移动摄像设备
Gu et al. A novel Retinex image enhancement approach via brightness channel prior and change of detail prior
Anjana et al. Color image enhancement using edge based histogram equalization
Han et al. Automatic illumination and color compensation using mean shift and sigma filter
CN110706180B (zh) 一种极暗图像视觉质量提升方法、系统、设备及介质
CN116563166A (zh) 一种图像增强方法、装置、存储介质和设备
CN108573478B (zh) 中值滤波方法及装置
Luo et al. An effective underwater image enhancement method based on CLAHE-HF

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: 19893016

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: 19893016

Country of ref document: EP

Kind code of ref document: A1