CN104794685B - 一种实现图像去噪的方法及装置 - Google Patents
一种实现图像去噪的方法及装置 Download PDFInfo
- Publication number
- CN104794685B CN104794685B CN201410022974.XA CN201410022974A CN104794685B CN 104794685 B CN104794685 B CN 104794685B CN 201410022974 A CN201410022974 A CN 201410022974A CN 104794685 B CN104794685 B CN 104794685B
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- point
- image
- gradient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001914 filtration Methods 0.000 claims abstract description 58
- 230000002146 bilateral effect Effects 0.000 claims abstract description 40
- 238000010606 normalization Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 16
- 230000015654 memory Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000000717 retained effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—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
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- 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
- G06T2207/20076—Probabilistic image processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种实现图像去噪的方法及装置,用于在图像去噪过程中保留边界的清晰度,该方法包括:计算图像每一像素点横坐标方向的梯度值及纵坐标方向的梯度值;利用结构张量根据每一像素点横坐标方向的梯度值及纵坐标方向的梯度值计算每一像素点的切线方向值;判断每一像素点的切线方向值的模值是否小于预设阈值,如果是,则将对应的像素点确定为图像非边界点,如果否,则将对应的像素点确定为图像边界点;对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种实现图像去噪的方法及装置。
背景技术
现实中的数字图像在数字化和传输过程中常受到成像设备或外部环境噪声干扰等影响,为了从图像中获取更准确的信息需要对图像进行去噪处理,减少数字图像中噪声的过程称为图像去噪,图像去噪是图像处理技术领域中一项基本而关键的技术。
在现有技术中,可以采用多种滤波算法实现对图像的去噪,例如高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到,从而完成图像去噪。但是,现有技术对整幅图像利用相同滤波方法进行去噪,在噪声比较大的情况下,如果去噪力度较大,会使图像边界模糊丢失图像细节,而如果去噪力度较小,则有可能不能够完全去除噪声。
发明内容
有鉴于此,本发明的主要目的是提供一种实现图像去噪的方法及装置,以解决现有技术中在图像去噪处理中会使图像边界模糊而丢失图像边界细节的技术问题。
为解决上述问题,本发明提供的技术方案如下:
一种实现图像去噪的方法,所述方法包括:
计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值;
利用结构张量根据所述每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值;
判断所述每一像素点的切线方向值的模值是否小于预设阈值,如果是,则将对应的像素点确定为图像非边界点,如果否,则将对应的像素点确定为图像边界点;
对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
相应的,在计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值之前,所述方法还包括:
对图像进行高斯模糊,所述高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值。
相应的,在利用结构张量根据所述每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值之前,所述方法还包括:
对每一像素点横坐标方向的梯度值组成的图像横坐标方向梯度图以及每一像素点纵坐标方向的梯度值组成的图像纵坐标方向梯度图分别进行高斯模糊,所述高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值,更新每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
相应的,所述对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波,包括:
根据所述每一像素点的切线方向值以及所述每一像素点的切线方向值的模值计算每一像素点的归一化切线方向值;
对当前像素点的横坐标值、纵坐标值分别加上该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线方向相邻的像素点,直到确定由起始像素点开始沿切线方向小于或等于第二滤波半径的全部像素点,所述起始像素点为图像边界点的一个像素点;
对当前像素点的横坐标值、纵坐标值分别减去该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线反方向相邻的像素点,直到确定由起始像素点开始沿切线反方向小于或等于第二滤波半径的全部像素点,所述起始像素点为图像边界点的一个像素点;
对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
相应的,所述计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值,包括:
利用索贝尔Soble算子计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
一种实现图像去噪的装置,所述装置包括:
第一计算单元,用于计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值;
第二计算单元,用于利用结构张量根据所述每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值;
判断单元,用于判断所述每一像素点的切线方向值的模值是否小于预设阈值,如果是,则将对应的像素点确定为图像非边界点,如果否,则将对应的像素点确定为图像边界点;
第一滤波单元,用于对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
相应的,所述装置还包括:
第二滤波单元,用于对图像进行高斯模糊,所述高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值。
相应的,所述装置还包括:
第三滤波单元,用于对每一像素点横坐标方向的梯度值组成的图像横坐标方向梯度图以及每一像素点纵坐标方向的梯度值组成的图像纵坐标方向梯度图分别进行高斯模糊,所述高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值,更新每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
相应的,所述第一滤波单元包括:
计算子单元,用于根据所述每一像素点的切线方向值以及所述每一像素点的切线方向值的模值计算每一像素点的归一化切线方向值;
查找子单元,用于对当前像素点的横坐标值、纵坐标值分别加上该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线方向相邻的像素点,直到确定由起始像素点开始沿切线方向小于或等于第二滤波半径的全部像素点,所述起始像素点为图像边界点的一个像素点;对当前像素点的横坐标值、纵坐标值分别减去该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线反方向相邻的像素点,直到确定由起始像素点开始沿切线反方向小于或等于第二滤波半径的全部像素点,所述起始像素点为图像边界点的一个像素点;
滤波子单元,用于对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
相应的,所述第一计算单元具体用于:
利用索贝尔Soble算子计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
由此可见,本发明具有如下有益效果:
本发明实施例通过对计算每一像素点的切线方向值,由每一像素点的切线方向值的模值大小对图像的边界点与非边界点进行划分,对由图像非边界点取样该像素点及周围小于或等于第一滤波半径的像素点进行滤波,采样点更多,结果会更平滑,从而使噪点去除得比较干净,对于图像边界点只取样该像素点沿切线方向和切线反方向的像素点进行滤波,在去除噪点的同时可以有效保留边界的清晰度。
附图说明
图1为本发明实施例中实现图像去噪的方法实施例一的流程图;
图2为本发明实施例中实现图像去噪的方法实施例二的流程图;
图3为本发明实施例中实现图像去噪的装置实施例一的示意图;
图4为本发明实施例中实现图像去噪的装置实施例二的示意图;
图5为本发明实施例中一种终端的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明实施例作进一步详细的说明。
本发明实施例中实现图像去噪的方法及装置,是针对现有技术中对整幅图像利用相同滤波方法进行去噪,在噪声比较大的情况下,如果去噪力度较大,会使图像边界模糊丢失图像细节,而如果去噪力度较小,则有可能不能够完全去除噪声的技术问题,提出对图像的边界点与非边界点进行划分,图像的边界点与非边界点进行不同方法的滤波,从而使非边界点的噪点去除得比较干净,在去除噪点的同时又可以有效保留边界的清晰度。
本发明实施例将从实现图像滤波的装置的角度进行描述,该实现图像滤波的装置具体可以集成在客户端中,该客户端可以装载在终端中,该终端具体可以为智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面3)播放器、膝上型便携计算机和台式计算机等等。
参见图1所示,本发明实施例中实现图像去噪的方法实施例一可以包括以下步骤:
步骤101:计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
数字图像相当于由离散的像素点组成,也即数字图像可以看做是二维离散函数,图像的梯度相当于二维离散函数的求导。图像边缘一般都是通过对图像进行梯度运算来实现的。
图像梯度的定义公式为:G(x,y)=dx(i,j)+dy(i,j),其中,dx(i,j)=I(i+1,j)-I(i,j),dy(i,j)=I(i,j+1)-I(i,j),I为图像像素的值,(i,j)为像素点的坐标。这样,每一像素点横坐标方向的梯度值则为dx(i,j),可以记为dx,每一像素点纵坐标方向的梯度值则为dy(i,j),可以记为dy。
在本发明的一些实施例中,计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值的具体实现可以为:
利用索贝尔Soble算子计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
在实际应用中,可以利用Soble算子计算图像梯度值,进行图像边缘提取,Soble算子是一种离散性差分算子,可以利用快速卷积函数,计算简单有效。
步骤102:利用结构张量根据每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值。
在获得每一像素点横坐标方向的梯度值dx,每一像素点纵坐标方向的梯度值dy的基础上,可以利用结构张量计算每一像素点的切线方向值。
具体的,结构张量矩阵为:
特征值为:
则,切线x方向的值为:flowx=λ/2-I1;
切线y方向的值为:flowy=-I2。
由于切线方向值是一个矢量值,那么切线x方向(横坐标)的值和切线y方向(纵坐标)的值可以共同组成像素点的切线方向值。
那么,切线方向值的模值则为:
步骤103:判断每一像素点的切线方向值的模值是否小于预设阈值,如果是,进入步骤104,如果否,进入步骤105。
步骤104:将对应的像素点确定为图像非边界点。
步骤105:将对应的像素点确定为图像边界点。
每一像素点的切线方向值的模值可以用于判断该像素点是否处于边界区域,当切线方向值的模值小于预设阈值时,则可以认为该像素点处于非边界区域,因此,图像上的各个像素点可以被划分为处于边界区域即为图像边界点或者处于非边界区域即为图像非边界点。由于图像边界点需要保留更好的清晰度,在本发明实施例中对于图像边界点与图像非边界点需要采用不同的滤波方式进行图像的去噪。
步骤106:对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波。
步骤107:对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
由此可见,像素点被分为两类分别进行双边滤波:
第一方面,对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波。
确定为图像非边界点的像素点,进行双边滤波的采样点为该像素点以及以该像素点为中心周围小于或等于第一滤波半径的像素点,例如,第一滤波半径为3,那么以该像素点为中心周围一共7*7=49个像素点为采样点进行双边滤波。
双边滤波(Bilateral filter)是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的,具有简单、非迭代、局部的特点。
双边滤波的公式为:是一个归一加权
平均函数,Wp是一个标准量,其中,参数σd和σr是衡量图像I
的滤除量,是一个空间函数,用来减少远距离像素影响,是一个范围函数,用来减少
灰度值不同于Ip的像素q的影响。一般情况下,双边滤波器的空间近邻函数和灰度相似
度函数可以取为参数为欧几里得距离的高斯函数,具体可以为:
其中,d(p,q)和δ(I(p),I(q))分别为图像两像素点的欧几里得距离和像素的灰度差,σd和σr是基于高斯函数的标准差,决定了双边滤波器的性能,在实际应用中可以感觉图像噪声大小进行选择。
第二方面,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
在本发明的一些实施例中,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波的具体实现可以包括:
根据每一像素点的切线方向值以及每一像素点的切线方向值的模值计算每一像素点的归一化切线方向值;
对当前像素点的横坐标值、纵坐标值分别加上该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线方向相邻的像素点,直到确定由起始像素点开始沿切线方向小于或等于第二滤波半径的全部像素点,起始像素点为图像边界点的一个像素点;
对当前像素点的横坐标值、纵坐标值分别减去该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线反方向相邻的像素点,直到确定由起始像素点开始沿切线反方向小于或等于第二滤波半径的全部像素点,起始像素点为图像边界点的一个像素点;
对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
也就是说,基于本实施例中步骤102,可以得到切线方向值的模值则为:则归一化切线方向值的横坐标值为:flowx'=flowx/v,归一化切线方向值的纵坐标值为:flowy'=flowy/v。
假定当前像素点的位置是(x,y),则第一步找到的相邻的两个像素点的位置就是(x+flowx’,y+flowy’)和(x-flowx’,y-flowy’),这两个像素点分布为当前像素点沿切线方向和切线反方向相邻的像素点,分别记做P1和P2。假定P1和P2对应的,归一化切线方向值分别为(flowx1’,flowy1’)和(flowx2’,flowy2’),那么接下来找到的两个点的位置分别为(x+flowx’+flowx1’,y+flowy’+flowy1’)和(x-flowx’-flowx2’,y-flowy’-flowy2’),以此类推按照预设的第二滤波半径查找下去,可以获得图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点。
如果第二滤波半径为r,最后可以找到r*2个点。所以针对图像边界点,一般第二滤波半径要大于第一滤波半径,以保证采样点的数量。例如,可以去第二滤波半径为5,则图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点共11个像素点为采样点进行双边滤波。双边滤波的方式与非边界点采用的方式相同,区别在于采样点的确定过程以及数量不同。
这样,本发明实施例通过对计算每一像素点的切线方向值,由每一像素点的切线方向值的模值大小对图像的边界点与非边界点进行划分,对由图像非边界点取样该像素点及周围小于或等于第一滤波半径的像素点进行滤波,采样点更多,结果会更平滑,从而使噪点去除得比较干净,对于图像边界点只取样该像素点沿切线方向和切线反方向的像素点进行滤波,在去除噪点的同时可以有效保留边界的清晰度。
在本发明的一些实施例中,在计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值之前,本发明实施例实现图像滤波的方法还可以包括:
对图像进行高斯模糊,高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值。
在本发明的一些实施例中,在利用结构张量根据每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值之前,本发明实施例实现图像滤波的方法还可以包括:
对每一像素点横坐标方向的梯度值组成的图像横坐标方向梯度图以及每一像素点纵坐标方向的梯度值组成的图像纵坐标方向梯度图分别进行高斯模糊,高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值,更新每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
参见图2所示,本发明实施例中实现图像去噪的方法实施例二可以包括以下步骤:
步骤201:对图像进行高斯模糊,高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值。
对图像进行高斯模糊预先轻微去除噪点,使图像去噪效果更好。高斯模糊即对指定像素和其周围像素进行加权平均来得到最终结果,使用高斯分布作为滤波器,所谓模糊可以理解成每一个像素都取周边像素的平均值,如果使用简单平均,显然不是很合理,因为图像都是连续的,越靠近的点关系越密切,越远离的点关系越疏远。因此,加权平均更合理,距离越近的点权重越大,距离越远的点权重越小。
高斯函数公式为,其中r是模糊半径r2=u2+v2,σ是正态分布的标准偏差,模糊半径越小或者σ值越小,模糊程度就越小。公式中u和v分别代表此像素点距离中心点在x和y方向上的距离。在半径确定的情况下可以调节σ的大小来调节模糊程度。
为每个采样像素点应用高斯函数计算出它的权重之后,乘上此像素的颜色值,得到此像素为目标像素颜色的贡献值,最后将所有采样点的贡献值加起来就可以得到被模糊后目标像素的颜色。
在本实施例中,高斯模糊中的正态分布的标准偏差σ需要小于或等于预设偏差阈值,以实现轻微去除噪点,而不对边界点造成影响。
步骤202:计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
步骤203:对每一像素点横坐标方向的梯度值组成的图像横坐标方向梯度图以及每一像素点纵坐标方向的梯度值组成的图像纵坐标方向梯度图分别进行高斯模糊,高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值,更新每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
分别对x方向的梯度图和y方向上的梯度图进行高斯模糊,可以轻微去除边界噪点,处理后的横坐标方向的梯度值以及纵坐标方向的梯度值分别记为dx和dy,将处理后的梯度值作为每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值进行后续处理,以使图像去噪效果更好。
步骤204:利用结构张量根据每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值。
步骤205:判断每一像素点的切线方向值的模值是否小于预设阈值,如果是,进入步骤206,如果否,进入步骤207。
步骤206:将对应的像素点确定为图像非边界点。
步骤207:将对应的像素点确定为图像边界点。
步骤208:对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波。
步骤209:对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
在本实施例中,预先对图像以及梯度图像进行轻微高斯模糊,去除轻微噪点,使图像去噪效果更好,同时,也能够实现在去除噪点的同时可以有效保留边界的清晰度。
参见图3所示,本发明实施例还提供一种实现图像去噪的装置,该装置可以包括:
第一计算单元301,用于计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
在本发明的一些实施例中,第一计算单元可以具体用于:
利用索贝尔Soble算子计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
第二计算单元302,用于利用结构张量根据每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值。
判断单元303,用于判断每一像素点的切线方向值的模值是否小于预设阈值,如果是,则将对应的像素点确定为图像非边界点,如果否,则将对应的像素点确定为图像边界点。
第一滤波单元304,用于对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
在本发明的一些实施例中,第一滤波单元可以包括:
计算子单元,用于根据每一像素点的切线方向值以及每一像素点的切线方向值的模值计算每一像素点的归一化切线方向值。
查找子单元,用于对当前像素点的横坐标值、纵坐标值分别加上该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线方向相邻的像素点,直到确定由起始像素点开始沿切线方向小于或等于第二滤波半径的全部像素点,起始像素点为图像边界点的一个像素点;对当前像素点的横坐标值、纵坐标值分别减去该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线反方向相邻的像素点,直到确定由起始像素点开始沿切线反方向小于或等于第二滤波半径的全部像素点,起始像素点为图像边界点的一个像素点。
滤波子单元,用于对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
在本发明的一些实施例中,第一滤波单元的滤波子单元还可以用于对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波。
参见图4所示,在本发明的一些实施例中,本发明实施例中实现图像去噪的装置还可以包括:
第二滤波单元305,用于对图像进行高斯模糊,高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值。
在本发明的一些实施例中,本发明实施例中实现图像去噪的装置还可以包括:
第三滤波单元306,用于对每一像素点横坐标方向的梯度值组成的图像横坐标方向梯度图以及每一像素点纵坐标方向的梯度值组成的图像纵坐标方向梯度图分别进行高斯模糊,高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值,更新每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
这样,本发明实施例通过对计算每一像素点的切线方向值,由每一像素点的切线方向值的模值大小对图像的边界点与非边界点进行划分,对由图像非边界点取样该像素点及周围小于或等于第一滤波半径的像素点进行滤波,采样点更多,结果会更平滑,从而使噪点去除得比较干净,对于图像边界点只取样该像素点沿切线方向和切线反方向的像素点进行滤波,在去除噪点的同时可以有效保留边界的清晰度。
相应的,本发明实施例还提供一种终端,参见图5所示,可以包括:
处理器501、存储器502、输入装置503和输出装置504。浏览器服务器中的处理器501的数量可以一个或多个,图5中以一个处理器为例。在本发明的一些实施例中,处理器501、存储器502、输入装置503和输出装置504可通过总线或其它方式连接,其中,图5中以通过总线连接为例。
存储器502可用于存储软件程序以及模块,处理器501通过运行存储在存储器502的软件程序以及模块,从而执行浏览器服务器的各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。输入装置503可用于接收输入的数字或字符信息,以及产生与浏览器服务器的用户设置以及功能控制有关的键信号输入。
具体在本实施例中,处理器501会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中,并由处理器501来运行存储在存储器502中的应用程序,从而实现各种功能:
计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值;
利用结构张量根据每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值;
判断每一像素点的切线方向值的模值是否小于预设阈值,如果是,则将对应的像素点确定为图像非边界点,如果否,则将对应的像素点确定为图像边界点;
对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
相应的,在计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值之前,还包括:
对图像进行高斯模糊,高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值。
相应的,在利用结构张量根据每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值之前,还包括:
对每一像素点横坐标方向的梯度值组成的图像横坐标方向梯度图以及每一像素点纵坐标方向的梯度值组成的图像纵坐标方向梯度图分别进行高斯模糊,高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值,更新每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
相应的,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波,包括:
根据每一像素点的切线方向值以及每一像素点的切线方向值的模值计算每一像素点的归一化切线方向值;
对当前像素点的横坐标值、纵坐标值分别加上该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线方向相邻的像素点,直到确定由起始像素点开始沿切线方向小于或等于第二滤波半径的全部像素点,起始像素点为图像边界点的一个像素点;
对当前像素点的横坐标值、纵坐标值分别减去该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线反方向相邻的像素点,直到确定由起始像素点开始沿切线反方向小于或等于第二滤波半径的全部像素点,起始像素点为图像边界点的一个像素点;
对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
相应的,计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值,包括:
利用索贝尔Soble算子计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
这样,本发明实施例通过对计算每一像素点的切线方向值,由每一像素点的切线方向值的模值大小对图像的边界点与非边界点进行划分,对由图像非边界点取样该像素点及周围小于或等于第一滤波半径的像素点进行滤波,采样点更多,结果会更平滑,从而使噪点去除得比较干净,对于图像边界点只取样该像素点沿切线方向和切线反方向的像素点进行滤波,在去除噪点的同时可以有效保留边界的清晰度。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***或装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种实现图像去噪的方法,其特征在于,所述方法包括:
计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值;
利用结构张量根据所述每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值;
判断所述每一像素点的切线方向值的模值是否小于预设阈值,如果是,则将对应的像素点确定为图像非边界点,如果否,则将对应的像素点确定为图像边界点;
对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
2.根据权利要求1所述的方法,其特征在于,在计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值之前,所述方法还包括:
对图像进行高斯模糊,所述高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值。
3.根据权利要求1所述的方法,其特征在于,在利用结构张量根据所述每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值之前,所述方法还包括:
对每一像素点横坐标方向的梯度值组成的图像横坐标方向梯度图以及每一像素点纵坐标方向的梯度值组成的图像纵坐标方向梯度图分别进行高斯模糊,所述高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值,更新每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
4.根据权利要求1所述的方法,其特征在于,所述对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波,包括:
根据所述每一像素点的切线方向值以及所述每一像素点的切线方向值的模值计算每一像素点的归一化切线方向值;
对当前像素点的横坐标值、纵坐标值分别加上该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线方向相邻的像素点,直到确定由起始像素点开始沿切线方向小于或等于第二滤波半径的全部像素点,所述起始像素点为图像边界点的一个像素点;
对当前像素点的横坐标值、纵坐标值分别减去该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线反方向相邻的像素点,直到确定由起始像素点开始沿切线反方向小于或等于第二滤波半径的全部像素点,所述起始像素点为图像边界点的一个像素点;
对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
5.根据权利要求1所述的方法,其特征在于,所述计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值,包括:
利用索贝尔Soble算子计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
6.一种实现图像去噪的装置,其特征在于,所述装置包括:
第一计算单元,用于计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值;
第二计算单元,用于利用结构张量根据所述每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值;
判断单元,用于判断所述每一像素点的切线方向值的模值是否小于预设阈值,如果是,则将对应的像素点确定为图像非边界点,如果否,则将对应的像素点确定为图像边界点;
第一滤波单元,用于对确定为图像非边界点的像素点以及该像素点周围小于或等于第一滤波半径的像素点进行双边滤波,对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二滤波单元,用于在所述第一计算单元计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值之前,对图像进行高斯模糊,所述高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第三滤波单元,用于在所述第二计算单元利用结构张量根据所述每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值计算每一像素点的切线方向值之前,对每一像素点横坐标方向的梯度值组成的图像横坐标方向梯度图以及每一像素点纵坐标方向的梯度值组成的图像纵坐标方向梯度图分别进行高斯模糊,所述高斯模糊中的正态分布的标准偏差小于或等于预设偏差阈值,更新每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
9.根据权利要求6所述的装置,其特征在于,所述第一滤波单元包括:
计算子单元,用于根据所述每一像素点的切线方向值以及所述每一像素点的切线方向值的模值计算每一像素点的归一化切线方向值;
查找子单元,用于对当前像素点的横坐标值、纵坐标值分别加上该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线方向相邻的像素点,直到确定由起始像素点开始沿切线方向小于或等于第二滤波半径的全部像素点,所述起始像素点为图像边界点的一个像素点;对当前像素点的横坐标值、纵坐标值分别减去该像素点的归一化切线方向值的横坐标值、纵坐标值,获得的坐标值所对应的像素点为当前像素点沿切线反方向相邻的像素点,直到确定由起始像素点开始沿切线反方向小于或等于第二滤波半径的全部像素点,所述起始像素点为图像边界点的一个像素点;
滤波子单元,用于对确定为图像边界点的像素点以及该像素点沿切线方向和切线反方向小于或等于第二滤波半径的像素点进行双边滤波。
10.根据权利要求6所述的装置,其特征在于,所述第一计算单元具体用于:
利用索贝尔Soble算子计算图像每一像素点横坐标方向的梯度值以及纵坐标方向的梯度值。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410022974.XA CN104794685B (zh) | 2014-01-17 | 2014-01-17 | 一种实现图像去噪的方法及装置 |
US15/100,593 US9489722B2 (en) | 2014-01-17 | 2015-01-15 | Method and apparatus for implementing image denoising |
PCT/CN2015/070807 WO2015106700A1 (en) | 2014-01-17 | 2015-01-15 | Method and apparatus for implementing image denoising |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410022974.XA CN104794685B (zh) | 2014-01-17 | 2014-01-17 | 一种实现图像去噪的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104794685A CN104794685A (zh) | 2015-07-22 |
CN104794685B true CN104794685B (zh) | 2019-04-26 |
Family
ID=53542418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410022974.XA Active CN104794685B (zh) | 2014-01-17 | 2014-01-17 | 一种实现图像去噪的方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9489722B2 (zh) |
CN (1) | CN104794685B (zh) |
WO (1) | WO2015106700A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715445B (zh) * | 2013-12-13 | 2018-04-06 | 腾讯科技(深圳)有限公司 | 图像处理方法和*** |
CN106469436B (zh) * | 2015-08-17 | 2019-11-08 | 比亚迪股份有限公司 | 图像去噪***及图像去噪方法 |
CN105787902B (zh) * | 2016-03-22 | 2018-11-27 | 天津大学 | 利用分块排序检测噪声的图像降噪方法 |
CN107818547B (zh) * | 2016-09-14 | 2018-12-25 | 北京航空航天大学 | 一种面向微光图像序列中椒盐和高斯混合噪声的去除方法 |
CN106709883B (zh) * | 2016-12-20 | 2019-10-18 | 华南理工大学 | 基于联合双边滤波和尖锐特征骨架提取的点云去噪方法 |
US11593918B1 (en) | 2017-05-16 | 2023-02-28 | Apple Inc. | Gradient-based noise reduction |
US10887622B2 (en) | 2017-07-05 | 2021-01-05 | Qualcomm Incorporated | Division-free bilateral filter |
CN108564539B (zh) * | 2018-01-04 | 2021-04-16 | 网宿科技股份有限公司 | 一种显示图像的方法和装置 |
CN108765332B (zh) * | 2018-05-23 | 2022-05-06 | 成都信息工程大学 | 一种椭圆搜索窗口和参数自适应的非局部均值去噪方法 |
CN111080534B (zh) * | 2019-10-31 | 2023-09-15 | 北京迈格威科技有限公司 | 图像滤波方法、装置及电子设备 |
CN110866860B (zh) * | 2019-11-01 | 2023-12-26 | 上海菲戈恩微电子科技有限公司 | 生物特征识别用的cis芯片的图像处理方法 |
CN112085752B (zh) * | 2020-08-20 | 2024-01-30 | 浙江华睿科技股份有限公司 | 一种图像的处理方法、装置、设备及介质 |
CN112541417B (zh) * | 2020-12-03 | 2022-09-16 | 山东众阳健康科技集团有限公司 | 一种文字检测中使用的高效解码方法 |
CN113222853B (zh) * | 2021-05-26 | 2022-07-12 | 武汉博宇光电***有限责任公司 | 一种基于噪声估计的渐进式红外图像降噪方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727580A (zh) * | 2008-10-29 | 2010-06-09 | 株式会社东芝 | 图像处理装置、电子介质和图像处理方法 |
CN102651069A (zh) * | 2012-03-31 | 2012-08-29 | 重庆大学 | 基于轮廓的局部不变区域的检测方法 |
CN102800063A (zh) * | 2012-07-12 | 2012-11-28 | 中国科学院软件研究所 | 基于各向异性滤波的图像增强与抽象化方法 |
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 |
CN103177421A (zh) * | 2011-12-26 | 2013-06-26 | 深圳市蓝韵实业有限公司 | 超声医学图像的降噪处理方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999003547A1 (en) | 1997-07-14 | 1999-01-28 | Sullivan Brendon Michael O | Improvements in yo-yos |
US6229578B1 (en) * | 1997-12-08 | 2001-05-08 | Intel Corporation | Edge-detection based noise removal algorithm |
GC0000235A (en) * | 2000-08-09 | 2006-03-29 | Shell Int Research | Processing an image |
US7146059B1 (en) * | 2003-03-05 | 2006-12-05 | Massachusetts Institute Of Technology | Method of performing fast bilateral filtering and using the same for the display of high-dynamic-range images |
US7359562B2 (en) * | 2003-03-19 | 2008-04-15 | Mitsubishi Electric Research Laboratories, Inc. | Enhancing low quality videos of illuminated scenes |
US7352911B2 (en) * | 2003-07-31 | 2008-04-01 | Hewlett-Packard Development Company, L.P. | Method for bilateral filtering of digital images |
JP4661238B2 (ja) * | 2005-01-31 | 2011-03-30 | コニカミノルタホールディングス株式会社 | 画像処理方法および画像処理装置ならびに画像処理プログラム |
US7889949B2 (en) * | 2007-04-30 | 2011-02-15 | Microsoft Corporation | Joint bilateral upsampling |
US7835586B2 (en) * | 2007-08-01 | 2010-11-16 | Mitsubishi Electric Research Laboratories, Inc. | Method for filtering images with bilateral filters |
EP2238742B1 (en) * | 2007-12-25 | 2014-05-14 | Medic Vision - Brain Technologies Ltd. | Noise reduction of images |
US8559746B2 (en) * | 2008-09-04 | 2013-10-15 | Silicon Image, Inc. | System, method, and apparatus for smoothing of edges in images to remove irregularities |
WO2010036250A1 (en) * | 2008-09-24 | 2010-04-01 | Nikon Corporation | Method and device for image noise compensation with image enhancement |
KR101525251B1 (ko) * | 2008-12-29 | 2015-06-03 | 주식회사 동부하이텍 | 노이즈 필터 |
US8260076B1 (en) * | 2009-03-31 | 2012-09-04 | Hewlett-Packard Development Company, L.P. | Constant time filtering |
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 |
US8761507B1 (en) * | 2012-08-02 | 2014-06-24 | Google Inc. | Bilateral filter optimization |
-
2014
- 2014-01-17 CN CN201410022974.XA patent/CN104794685B/zh active Active
-
2015
- 2015-01-15 US US15/100,593 patent/US9489722B2/en active Active
- 2015-01-15 WO PCT/CN2015/070807 patent/WO2015106700A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727580A (zh) * | 2008-10-29 | 2010-06-09 | 株式会社东芝 | 图像处理装置、电子介质和图像处理方法 |
CN103177421A (zh) * | 2011-12-26 | 2013-06-26 | 深圳市蓝韵实业有限公司 | 超声医学图像的降噪处理方法 |
CN102651069A (zh) * | 2012-03-31 | 2012-08-29 | 重庆大学 | 基于轮廓的局部不变区域的检测方法 |
CN102800063A (zh) * | 2012-07-12 | 2012-11-28 | 中国科学院软件研究所 | 基于各向异性滤波的图像增强与抽象化方法 |
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 |
Non-Patent Citations (2)
Title |
---|
"图像扩散去噪模型的分析与改进";傅绪加等;《中国国象图形学报》;20120831;第17卷(第8期);第936-937页 |
"基于边缘检测的改进型图像混合滤波的研究与实现";侯仕杰;《中国优秀硕士学位论文全文数据库 信息科技》;20081015;摘要、论文第26、33-41页 |
Also Published As
Publication number | Publication date |
---|---|
US20160300328A1 (en) | 2016-10-13 |
WO2015106700A1 (en) | 2015-07-23 |
CN104794685A (zh) | 2015-07-22 |
US9489722B2 (en) | 2016-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794685B (zh) | 一种实现图像去噪的方法及装置 | |
Huang et al. | An efficient visibility enhancement algorithm for road scenes captured by intelligent transportation systems | |
Wang et al. | Dehazing for images with large sky region | |
US20170365046A1 (en) | Algorithm and device for image processing | |
Ju et al. | Single image dehazing via an improved atmospheric scattering model | |
US9076205B2 (en) | Edge direction and curve based image de-blurring | |
US9483835B2 (en) | Depth value restoration method and system | |
CN104217416B (zh) | 灰度图像处理方法及其装置 | |
US9692939B2 (en) | Device, system, and method of blind deblurring and blind super-resolution utilizing internal patch recurrence | |
US10198801B2 (en) | Image enhancement using self-examples and external examples | |
JP6507846B2 (ja) | 画像ノイズ除去方法及び画像ノイズ除去装置 | |
Zhang et al. | An adaptive bilateral filter based framework for image denoising | |
Yu et al. | Real‐time single image dehazing using block‐to‐pixel interpolation and adaptive dark channel prior | |
US9053540B2 (en) | Stereo matching by census transform and support weight cost aggregation | |
CN109753971B (zh) | 扭曲文字行的矫正方法及装置、字符识别方法及装置 | |
US8897588B2 (en) | Data-driven edge-based image de-blurring | |
CN109447117A (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
CN112381727A (zh) | 一种图像去噪方法、装置、计算机设备和存储介质 | |
CN116091322A (zh) | 超分辨率图像重建方法和计算机设备 | |
Liu et al. | Two‐stage image smoothing based on edge‐patch histogram equalisation and patch decomposition | |
CN111652821B (zh) | 基于梯度信息的微光视频图像降噪处理方法、装置和设备 | |
Song et al. | Scale‐adaptive Structure‐preserving Texture Filtering | |
Cao et al. | Single image motion deblurring with reduced ringing effects using variational Bayesian estimation | |
CN107423739B (zh) | 图像特征提取方法及装置 | |
Thai et al. | Semi‐guided bilateral filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |