CN105023241A - 一种移动终端快速图像插值方法 - Google Patents
一种移动终端快速图像插值方法 Download PDFInfo
- Publication number
- CN105023241A CN105023241A CN201510460897.0A CN201510460897A CN105023241A CN 105023241 A CN105023241 A CN 105023241A CN 201510460897 A CN201510460897 A CN 201510460897A CN 105023241 A CN105023241 A CN 105023241A
- Authority
- CN
- China
- Prior art keywords
- edge
- interpolation
- image
- algorithm
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 claims abstract description 28
- 229910052754 neon Inorganic materials 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000004304 visual acuity Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013316 zoning Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000003708 edge detection Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 18
- 238000012360 testing method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000003321 amplification Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000003199 nucleic acid amplification method Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种移动终端快速图像插值方法,首先对低分辨率原始图像进行边缘检测,得到边缘信息,再根据低分辨率图像边缘信息以及人类视觉***计算出边缘的强度,根据强度对边缘进行扩展,然后根据扩展后的边缘将图像分为边缘区域和非边缘区域,对边缘区域采用保真度较高的插值算法进行处理并保存边缘信息;对非边缘区域采用速度较快的双三次插值算法进行处理,然后根据已有边缘信息,对插值图像的边缘进行进一步锐化处理,降低边缘部分模糊程度,提示图像的视觉质量,最后将插值算法与NEON并行技术结合,得到并行优化处理的高分辨率图像。该技术应用在移动视频监控***当中的结果表明它能够使手机多媒体应用可以流畅地插值出高分辨率图像进行播放。
Description
技术领域
本发明涉及图像插值技术和移动终端并行计算领域,尤其是指一种适用于移动终端的利用NEON技术进行并行处理优化的快速图像插值方法。
背景技术
图像插值是数字图像处理中一种常用的图像处理技术。图像插值就是由原始的低分辨率图像,经过图像数据的再生,产生出高分辨率的目标图像的过程。在插值过程中,由于只有原始低分辨率图像中的采样点上信号是已知的,而非采样点上信号不是已知的,因而不可避免的会出现伪像。如块状伪像(BlockingArtifacts)、环状伪像(Ring Artifacts)、锯齿伪像(Jaggies)等现象,尤其是在边缘区域更为明显。因为这些伪像的实质是边缘细节信息(高频区域)的丢失。如何尽量减少插值过程中这类伪像的产生,是值得研究的课题。
目前,如果按照插值方法来进行分类,图像插值算法可以分为两大类:线性插值和非线性插值。线性插值算法是将高分辨率目标图像中待插值像素坐标映射到低分辨率原始图像,根据待插值像素周围离散的原始图像已知像素值,通过插值函数(即线性插值核函数)进行插值,从而计算出高分辨率目标图像上插值点的像素值。线性插值算法,通常是对已知的像素值进行加权平均,或者说是图像上离散的采样值和插值函数之间进行二维卷积操作来得出插值点的像素值。
本发明是针对一种适用于移动终端的图像插值快速方法,因此插值算法的时间复杂度对本发明来说是一个十分重要的指标。常用的传统插值算法有:最近邻插值算法(Nearest Neighbor)、双线性插值算法(Bilinear)、双三次插值算法(Bicubic)、理想Sinc函数插值算法(Sinc)、B样条插值算法(B-Spline)、Lanczos插值算法(Lanczos)。本发明将对这些算法进行分析,并对比它们的算法复杂度。测试图像包括Shapes(384×192)、Lena(512×512)、Wheel(320×180),如附图1、2、3所示。
为了测试各种插值算法对高清图像处理的时间消耗,我们对Shapes图像进行插值放大实验,选取不同插值算法,分别对480×270的原始低分辨率图像进行4倍插值放大,得到1920×1080的插值图像。记录算法消耗的时间并制表进行比较。为了避免测算上的误差,我们分别对每种算法进行3组实验,每组包含10000次连续的插值放大操作,统计每组实验消耗的时间,并计算平均消耗时间及平均处理速度。
附图4反映了各种不同的常规插值算法的运行时间对比情况。我们可以发现,随着插值算法的核函数越来越复杂,插值算法的时间复杂度也越来越高,插值过程所消耗的时间也将增大。以Lanczos系列算法为例,随着窗口大小的增大,Lanczos算法所消耗的时间也急剧上升。
在移动终端上,多媒体应用例如移动视频监控、移动视频点播等应用对于插值算法的执行时间非常敏感。一方面,如果插值算法效率不高,插值消耗时间过长,即使画面清晰质量较好,也会由于过于卡顿给使用者带来不好的用户体验。另一方面,低效率的插值算法将给续航能力低的移动终端设备带来更多的能源消耗,造成其续航能力降低,设备发热增加。因此,移动终端上的插值算法研究,除了要考虑其主客观质量以外,还必须将其运行时间放在重要位置进行考量。根据各算法处理Shapes图像的数据,综合考虑常规传统图像插值算法的插值质量(以峰值信噪比(PSNR)值为例)以及时间消耗,将这两个因素作为两个维度,绘制得到附图5。
从附图5中可以看出,不同算法有着不同的插值客观质量以及不同的消耗时间。图中消耗时间单位为秒每万次。从图中数据分析,总体上插值质量越好的算法消耗的时间越多。最近邻插值算法时间消耗非常低,但其客观质量也很差。Sinc插值算法时间消耗很高,但质量并没有明显提升。综合各种传统的常规图像插值算法来看,双三次插值算法(Bicubic)在性能与代价之间具有较好的平衡。更复杂的传统插值算法(例如B样条插值算法)消耗了更多时间,但质量提升并不明显。
实验表明,最近邻插值算法、双线性插值算法、双三次插值算法这三种插值算法复杂度较低,比较适合用于移动终端进行实时图像放大操作。本发明提出的新方法试图在提高插值质量,尤其是人眼最敏感的边缘区域插值质量的同时保持算法的高效性。
目前大部分的移动终端都是采用传统的插值算法进行图像放大。但是传统的图像插值算法,没有充分利用图像的先验信息,对图像所有部分都进行相同的插值核函数处理,并且只使用了插值点周围的像素进行计算,缺乏足够的信息,导致插值后的图像边缘出现模糊、锯齿等现象。
通过分析以上众多的插值算法,可以发现有些算法计算复杂度低,但插值质量差;有些算法的插值质量好,但是计算代价却是移动终端无法承受的。适用于移动终端的插值算法应该具备以下特点:
第一,算法复杂度低。由于嵌入式设备计算能力相对较低,多媒体应用实时性要求高,同时受限于电池续航能力,这就要求嵌入式移动终端上的插值算法应该具有尽可能低的复杂度。
第二,放大倍数高。目前来说,网络带宽是限制移动多媒体应用发展的一个重要瓶颈因素。为了节省网络带宽,移动设备上的应用程序收发的通常是低分辨率图像,如QCIF(352*288)。而如今常见的手机屏幕分辨率已经达到WVGA(960*640)或更高。在显示图像时,势必要对低分辨率图像进行插值放大以适应屏幕实际分辨率。这就导致移动设备需要放大较高倍数的图像,这必然导致放大后的目标图像与源图像相比较为模糊。这就对放大算法的质量提出了更高的要求,如边缘质量。
第三,放大比例任意可变。与传统游戏中固定比例放大不同,移动设备型号各异,屏幕分辨率千差万别。移动应用需要适配不同屏幕分辨率,就必须支持进行放大比例任意可变的图像放大。
在保证较低的计算复杂度的情况下,尽可能地提升手机图像插值质量,是本发明的重点,迄今为止未见有在移动终端利用NEON技术对插值算法进行并行优化的文献报导,本发明具有其原创性。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种移动终端快速图像插值方法,在保证较低的计算复杂度的情况下,尽可能地提升手机图像插值质量,得到高分辨率图像。
为实现上述目的,本发明所提供的技术方案为:一种移动终端快速图像插值方法,包括以下步骤:
1)对低分辨率原始图像进行边缘检测,得到边缘信息;
2)根据低分辨率图像边缘信息以及人类视觉***计算出边缘的强度,根据强度对边缘进行扩展;
3)根据扩展后的边缘将图像分为边缘区域和非边缘区域,对边缘区域采用B样条插值算法或SAI插值算法进行处理并保存边缘信息,对非边缘区域采用双三次插值算法进行处理;
4)根据已有边缘信息,对插值图像的边缘进行进一步锐化处理,降低边缘部分模糊程度,提示图像的视觉质量;
5)将插值算法与NEON并行技术结合,以得到并行优化处理的高分辨率图像。
在步骤2)中,首先根据低分辨率图像进行边缘强度分析,在边缘强度信息中,除了记录边缘在图像中的位置以外,还根据人类视觉***对边缘强度进行了分析,根据边缘强度的强弱对其进行扩展操作。
在步骤3)中,将目标图像中的像素映射到原始图像上,根据边缘强度信息将图像划分区域,对于非边缘的平坦区域,采用双三次插值算法进行插值处理,对于边缘区域采用B样条插值算法或SAI插值算法以保护边缘信息,合并各区域的插值结果,得到高分辨率插值图像后,再对其边缘做进一步的边缘增强处理,达到算法执行时间效率和算法插值质量上的平衡。
在步骤5)中,对计算复杂度高且算法可以并行化的模块进行内联汇编优化,对其他模块或函数采用自动向量化利用编译器进行优化,采用内联汇编将卷积运算、色融运算、向量运算这些运算采用NEON汇编指令优化,从而使这一部分代码可以通过SIMD架构得到并行处理,提升算法执行效率。
本发明与现有技术相比,具有如下优点与有益效果:
本发明是一种在较低的时间复杂度下,结合NEON技术进行并行处理优化的手机图像插值技术,是一个由原始的低分辨率图像,经过图像数据的再生,产生出高分辨率的目标图像的过程,能够尽可能地提升手机图像插值质量,得到高分辨率图像。经实践证明,该技术应用在移动视频监控***当中的结果表明它能够使手机多媒体应用可以流畅地插值出高分辨率图像进行播放,具有算法复杂度低、放大倍数高、放大比例任意可变等特点。
附图说明
图1为选用的测试图像之一。
图2为选用的测试图像之二。
图3为选用的测试图像之三。
图4为Shapes测试图像用不同插值算法处理10000次所消耗的时间对比图。
图5为插值客观质量与消耗时间综合比较图。
图6为本发明所述移动终端快速图像插值方法的流程图。
图7为基于LR图像的边缘保护算法处理流程图。
图8为基于HR图像的边缘保护算法处理流程图。
图9为手机上对Wheel插值10000次耗时比较图。
图10为手机上对Wheel插值10000次综合比较图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
近年来提出了很多基于边缘信息的图像插值算法。这类边缘保护算法主要分为两类:基于原始LR图像边缘的算法和基于插值后HR图像边缘的算法。
基于原始低分辨率图像(LR图像)的边缘保护算法首先检测原始低分辨率图像的边缘,根据边缘信息将图像分为边缘区域与非边缘区域两大类。对于非边缘区域采用传统插值算法,对于边缘区域采用特殊的插值算法,以达到保护边缘细节的目的。其优点是插值速度快。具体流程图如附图7所示。
基于插值后高分辨率图像(HR图像)的边缘保护算法首先采用传统插值算法对原始低分辨率图像进行插值放大,然后检测插值所得到的高分辨率图像的边缘,对边缘区域像素做特殊处理(如锐化、去除模糊等),以达到增强边缘细节的目的。其优点是放大质量更好,但速度较慢。这是因为高分辨率插值图像的像素数量比低分辨率图像多好几倍,因此对高分辨率图像做边缘分析要比对低分辨率图像做边缘分析多消耗好几倍的时间。此外,在得到高分辨率图像边缘信息后,还需要花费大量时间对高分辨率图像的边缘做去除模糊等特殊处理,这也将花费更多的时间。这种方法的流程图如附图8所示。
本发明结合上述两种基于边缘保护的插值算法的优点,提出了一种适用于移动终端的新的快速图像插值方法。该插值方法是一种基于边缘分析的插值算法,首先根据低分辨率图像进行边缘强度分析,在边缘强度信息中,除了记录边缘在图像中的位置以外,还根据人类视觉***(HVS)对边缘强度进行了分析,根据边缘强度的强弱对其进行扩展操作。然后将目标图像中的像素映射到原始图像上,根据边缘强度信息将图像划分区域。对于非边缘的平坦区域,采用双三次插值算法进行插值处理,对于边缘区域采用质量更好的插值算法以保护边缘信息(例如SAI插值或B样条插值)。合并各区域的插值结果,得到高分辨率插值图像后,再对其边缘做进一步的边缘增强处理,达到算法执行时间效率和算法插值质量上的平衡。使手机多媒体应用可以流畅地插值出高分辨率图像进行播放。
如图6所示,本发明方法分为如下几步:
第一步:对低分辨率原始图像进行边缘检测,得到边缘信息。
第二步:根据低分辨率图像边缘信息以及人类视觉***计算出边缘的强度,根据强度对边缘进行扩展。
第三步:根据扩展后的边缘将图像分为边缘区域和非边缘区域,对边缘区域采用保真度较高的插值算法进行处理(例如B样条插值算法或SAI插值算法)并保存边缘信息;对非边缘区域采用速度较快的双三次插值算法进行处理。
第四步:根据已有边缘信息,对插值图像的边缘进行进一步锐化处理,降低边缘部分模糊程度,提示图像的视觉质量。
第五步:将插值算法与NEON并行技术结合,以得到并行优化处理的高分辨率图像。
利用ARM NEON通用单指令多数据流(Single Instruction Multiple Data)引擎,可以高效的处理多媒体格式的数据。这对用户体验的提升有很大帮助。
NEON技术主要用于对多媒体程序提供强大且灵活的加速功能。这是基于ARM处理器的128位单指令多数据流架构扩展来实现的。
具体来说,NEON提供一套独特的指令集,其特点是单指令多数据流指令集。顾名思义,这种单指令多数据流指令集可以提供一个指令周期对多个数据进行操作的能力。
开发NEON指令集程序时,使用的是ARM平台下的汇编指令。以安卓手机为例,采用NDK(Native Development Kit)和安卓软件开发工具包JNI(JavaNative Interface)技术,可以将使用C/C++语言编写的算法打包成可执行库.so文件,并通过安卓软件开发工具包用JAVA语言加载并调用此库文件。这样做的好处是C/C++语言比JAVA语言更适合做一些底层运算操作,对于图像插值等数据处理的CPU密集型程序,采用C/C++语言编写能获得更好的执行效率。
此外,NEON汇编指令集可以与C/C++程序混编。也就是说可以在C/C++代码里嵌入更为高效的NEON并行指令来达到优化程序执行效率的目的。从软件工程角度来说,比起直接在算法里生硬地嵌入汇编指令来说,更为优雅且灵活的方法是将常用的算法功能用NEON汇编指令实现,并且包装成一个可以用C/C++直接调用的函数。
本发明采用内联汇编将常用的算法操作如卷积运算、色融运算、向量运算等采用NEON汇编指令优化。从而使这一部分代码可以通过SIMD架构得到并行处理,提升算法执行效率。同时,由于优化版本的NEON函数保留了C/C++的封装格式,使C/C++语言可以像调用一个普通C/C++函数一样调用NEON函数。通过函数指针,可以动态选择要调用C/C++版普通函数还是NEON版并行函数,方便进行对照测试。
本发明采用NEON对所提出算法进行优化。考虑到直接执行汇编代码优化效果较好,为了尽量挖掘NEON优化效果,本发明对计算复杂度较高且算法可以并行化的模块进行内联汇编优化,对其他模块或函数采用自动向量化利用编译器进行优化。考虑到NEON汇编代码可以与内联优化中的C/C++封装函数相互转换,并且后者具有清晰简洁的特点,对算法的优化以内联函数的形式进行呈现。
实时移动视频广泛应用在视频监控、视频电话和手机电视等领域。为了测试本发明的服务控制技术的应用效果,我们将这一技术应用到某移动视频监控***当中。该***主要包括四部分:一是负责实时视频采集的前端摄像头设备;二是负责提供认证和管理等功能的应用服务器,三是负责提供实时视频编码和传输的移动流媒体服务器;四是通过移动网络观看实时监控视频的移动终端设备。
移动视频监控***实现手机设备终端通过网络观看不同地方的摄像机图像,使得视频监控不受区域和无线网络模式限制,只要是有手机网络的地方就能随时随地实现实时的视频监控。在此***中,本发明主要用于移动终端设备对视频解码时图像显示的快速处理,为用户提供流畅、高清晰的移动视频服务。
本发明通过在移动终端平台上,对图像进行960×540高清放大来对算法运行时间进行对比。同时,在新插值算法的基础上,采用NEON技术对其进行并行处理优化,并比较其算法执行效率。实验以Wheel(480×270)作为原始输入图像,放大两倍,输出960×540的插值图像。记录算法消耗的时间并制表进行比较。为了避免测算上的误差,我们分别对每种算法进行3组实验,每组包含10000次连续的插值放大操作,统计每组实验消耗的时间,并计算平均消耗时间及平均处理速度,具体比较图见附图9、10。
表1 Wheel图像在手机上插值10000次耗时对比
通过上表可以看出,在移动终端环境中新插值算法消耗时间大约是双三次插值插值算法的2倍到3倍,其插值960×540可以达到12帧每秒,可以满足移动终端上图像快速插值的要求。对于支持NEON技术的ARM架构,还可以通过其NEON版本对算法做并行加速。采用NEON技术加速后的新插值(Neon_New)算法,可以达到与双三次插值算法媲美的运行速度,其插值960×540可以达到29帧每秒。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (4)
1.一种移动终端快速图像插值方法,其特征在于,包括以下步骤:
1)对低分辨率原始图像进行边缘检测,得到边缘信息;
2)根据低分辨率图像边缘信息以及人类视觉***计算出边缘的强度,根据强度对边缘进行扩展;
3)根据扩展后的边缘将图像分为边缘区域和非边缘区域,对边缘区域采用B样条插值算法或SAI插值算法进行处理并保存边缘信息,对非边缘区域采用双三次插值算法进行处理;
4)根据已有边缘信息,对插值图像的边缘进行进一步锐化处理,降低边缘部分模糊程度,提示图像的视觉质量;
5)将插值算法与NEON并行技术结合,得到并行优化处理的高分辨率图像。
2.根据权利要求1所述的一种移动终端快速图像插值方法,其特征在于:在步骤2)中,首先根据低分辨率图像进行边缘强度分析,在边缘强度信息中,除了记录边缘在图像中的位置以外,还根据人类视觉***对边缘强度进行了分析,根据边缘强度的强弱对其进行扩展操作。
3.根据权利要求1所述的一种移动终端快速图像插值方法,其特征在于:在步骤3)中,将目标图像中的像素映射到原始图像上,根据边缘强度信息将图像划分区域,对于非边缘的平坦区域,采用双三次插值算法进行插值处理,对于边缘区域采用B样条插值算法或SAI插值算法以保护边缘信息,合并各区域的插值结果,得到高分辨率插值图像后,再对其边缘做进一步的边缘增强处理,达到算法执行时间效率和算法插值质量上的平衡。
4.根据权利要求1所述的一种移动终端快速图像插值方法,其特征在于:在步骤5)中,对计算复杂度高且算法可以并行化的模块进行内联汇编优化,对其他模块或函数采用自动向量化利用编译器进行优化,采用内联汇编将卷积运算、色融运算、向量运算这些运算采用NEON汇编指令优化,从而使这一部分代码可以通过SIMD架构得到并行处理,提升算法执行效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510460897.0A CN105023241A (zh) | 2015-07-29 | 2015-07-29 | 一种移动终端快速图像插值方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510460897.0A CN105023241A (zh) | 2015-07-29 | 2015-07-29 | 一种移动终端快速图像插值方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105023241A true CN105023241A (zh) | 2015-11-04 |
Family
ID=54413186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510460897.0A Pending CN105023241A (zh) | 2015-07-29 | 2015-07-29 | 一种移动终端快速图像插值方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105023241A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204441A (zh) * | 2016-06-27 | 2016-12-07 | Tcl集团股份有限公司 | 一种图像局部放大的方法及装置 |
CN106878623A (zh) * | 2017-04-20 | 2017-06-20 | 努比亚技术有限公司 | 拍照方法、移动终端及计算机可读存储介质 |
CN107172364A (zh) * | 2017-04-28 | 2017-09-15 | 努比亚技术有限公司 | 一种图像曝光补偿方法、装置和计算机可读存储介质 |
CN107273175A (zh) * | 2016-04-06 | 2017-10-20 | 龙芯中科技术有限公司 | 程序优化方法及装置 |
CN107329889A (zh) * | 2017-06-05 | 2017-11-07 | 芯海科技(深圳)股份有限公司 | 一种c编译器自动化测试的方法 |
CN109145845A (zh) * | 2018-08-30 | 2019-01-04 | 浦巧南 | 住宅权限电子分辨方法 |
CN109615066A (zh) * | 2019-01-30 | 2019-04-12 | 新疆爱华盈通信息技术有限公司 | 一种针对neon优化的卷积神经网络的裁剪方法 |
CN111047129A (zh) * | 2019-04-29 | 2020-04-21 | 泰州悦诚科技信息咨询中心 | 自适应数据修正平台 |
CN115278305A (zh) * | 2022-05-12 | 2022-11-01 | 浙江大华技术股份有限公司 | 视频处理方法、视频处理***和存储介质 |
CN115578258A (zh) * | 2022-09-29 | 2023-01-06 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100142842A1 (en) * | 2008-12-04 | 2010-06-10 | Harris Corporation | Image processing device for determining cut lines and related methods |
CN102281439A (zh) * | 2011-06-16 | 2011-12-14 | 杭州米加科技有限公司 | 流媒体视频图像预处理方法 |
CN102622723A (zh) * | 2011-05-25 | 2012-08-01 | 上海大学 | 基于cuda及边缘检测的图像插值 |
CN104504696A (zh) * | 2014-12-16 | 2015-04-08 | 江南大学 | 图像显著区域检测的嵌入式并行优化方法 |
-
2015
- 2015-07-29 CN CN201510460897.0A patent/CN105023241A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100142842A1 (en) * | 2008-12-04 | 2010-06-10 | Harris Corporation | Image processing device for determining cut lines and related methods |
CN102622723A (zh) * | 2011-05-25 | 2012-08-01 | 上海大学 | 基于cuda及边缘检测的图像插值 |
CN102281439A (zh) * | 2011-06-16 | 2011-12-14 | 杭州米加科技有限公司 | 流媒体视频图像预处理方法 |
CN104504696A (zh) * | 2014-12-16 | 2015-04-08 | 江南大学 | 图像显著区域检测的嵌入式并行优化方法 |
Non-Patent Citations (5)
Title |
---|
WEI ZHE等: "Edge-contrast-guided image interpolation using directional variation field diffusion", 《PROCEEDINGS OF 2010 17TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
ZHANG XINGMING等: "Optimizing H.264 Decoding with Assembly Language on ARM Platform", 《COMPUTER SCIENCE & SERVICE SYSTEM,2012 INTERNATIONAL CONFERENCE》 * |
ZHE WEI等: "Contrast-Guided Image Interpolation", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
罗骁: "移动终端快速图像处理技术的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈新泽: "基于NEON引擎的JM解码器并行优化实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273175A (zh) * | 2016-04-06 | 2017-10-20 | 龙芯中科技术有限公司 | 程序优化方法及装置 |
CN106204441A (zh) * | 2016-06-27 | 2016-12-07 | Tcl集团股份有限公司 | 一种图像局部放大的方法及装置 |
CN106878623A (zh) * | 2017-04-20 | 2017-06-20 | 努比亚技术有限公司 | 拍照方法、移动终端及计算机可读存储介质 |
CN107172364A (zh) * | 2017-04-28 | 2017-09-15 | 努比亚技术有限公司 | 一种图像曝光补偿方法、装置和计算机可读存储介质 |
CN107329889A (zh) * | 2017-06-05 | 2017-11-07 | 芯海科技(深圳)股份有限公司 | 一种c编译器自动化测试的方法 |
CN109145845A (zh) * | 2018-08-30 | 2019-01-04 | 浦巧南 | 住宅权限电子分辨方法 |
CN109615066A (zh) * | 2019-01-30 | 2019-04-12 | 新疆爱华盈通信息技术有限公司 | 一种针对neon优化的卷积神经网络的裁剪方法 |
CN111047129A (zh) * | 2019-04-29 | 2020-04-21 | 泰州悦诚科技信息咨询中心 | 自适应数据修正平台 |
CN115278305A (zh) * | 2022-05-12 | 2022-11-01 | 浙江大华技术股份有限公司 | 视频处理方法、视频处理***和存储介质 |
CN115278305B (zh) * | 2022-05-12 | 2024-05-07 | 浙江大华技术股份有限公司 | 视频处理方法、视频处理***和存储介质 |
CN115578258A (zh) * | 2022-09-29 | 2023-01-06 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105023241A (zh) | 一种移动终端快速图像插值方法 | |
CN110136066B (zh) | 面向视频的超分辨率方法、装置、设备和存储介质 | |
CN110996170B (zh) | 视频文件播放方法及相关设备 | |
CN110428382B (zh) | 一种用于移动终端的高效视频增强方法、装置和存储介质 | |
CN113034358B (zh) | 一种超分辨率图像处理方法以及相关装置 | |
US9615040B2 (en) | Determining a maximum inscribed size of a rectangle | |
CN111652830A (zh) | 图像处理方法及装置、计算机可读介质及终端设备 | |
KR101214675B1 (ko) | 휴대용 단말의 영상 처리 방법 및 장치 | |
CN110765799A (zh) | 客户端扫码识别方法、装置、设备及存储介质 | |
US9811892B1 (en) | Separating sub-band image data for processing and merging with unprocessed image data | |
CN112991170B (zh) | 图像超分辨率重建的方法、装置、终端及存储介质 | |
US9928577B2 (en) | Image correction apparatus and image correction method | |
CN107920252B (zh) | 一种全景视频数据处理方法、装置及*** | |
CN113190195A (zh) | 一种大幅遥感影像可视化方法及*** | |
CN109996085B (zh) | 模型训练方法、图像处理方法、装置及电子设备 | |
US20230060988A1 (en) | Image processing device and method | |
CN110580274B (zh) | 一种gis数据渲染方法 | |
CN111784607A (zh) | 图像色调映射方法、装置、终端设备及存储介质 | |
WO2024130715A1 (zh) | 视频处理方法、视频处理装置和可读存储介质 | |
CN114866706B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113096011B (zh) | 图像处理方法、装置及电子设备 | |
CN114675922B (zh) | 显示数据处理方法、装置、存储介质与电子设备 | |
JP7197210B2 (ja) | 画像補正システム、画像補正方法、及びプログラム | |
CN103167280A (zh) | 一种基于vt协议的图像转换方法及装置 | |
CN109471912A (zh) | 一种二维gis栅格数据的极值区域划分和极值提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151104 |