CN110324617A - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN110324617A CN110324617A CN201910409789.9A CN201910409789A CN110324617A CN 110324617 A CN110324617 A CN 110324617A CN 201910409789 A CN201910409789 A CN 201910409789A CN 110324617 A CN110324617 A CN 110324617A
- Authority
- CN
- China
- Prior art keywords
- picture frame
- macro block
- frame
- pixel
- obtains
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/124—Quantisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本公开提供一种图像处理方法及装置,涉及图像处理技术领域,能够有效滤除量化噪声,降低量化噪声对图像的影响。具体技术方案为:获取第一图像帧;对第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧,第二图像帧包括多个第二宏块,第二宏块与第一宏块对应;按照预设扫描顺序对第二图像帧中相邻两个第二宏块进行边缘平滑滤波,得到第三图像帧。本发明用于量化噪声的滤除。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及图像处理方法及装置。
背景技术
在视频编解码传输中,帧间预测是一种重要且有效的手段,通过将当前帧与参考帧图像进行残差运算,分析残差图中的非零区域,即变化区域内容,然后将之分类编码。在帧间预测的编码方式中,基础在于当前帧与参考帧间的残差运算,理想的残差图能清晰反映出当前帧和参考帧之间的变化区域与非变化区域,从而使在后续编码传输中只处理当前帧的变化区域进而达到降低码率的作用。但是,在现有的视频压缩传输领域中,很多源图像获取过程中有一个A/D转换的过程,而A/D转换存在一个量化过程,即将信号的连续值(模拟信号)通过抽样方式近似为有限多个离散值(数字信号)。量化处理会在一定程度上产生量化噪声,由于编解码中残差是通过检测当前帧与参考帧之间变化区域,以至于只要是残差值非零区域都会被认为是需编码区域,从而导致编码帧码流增大,因此,如何去除量化噪声是问题关键。
发明内容
本公开实施例提供一种图像处理方法及装置,能够有效滤除量化噪声,降低量化噪声对图像的影响。所述技术方案如下:
根据本公开实施例的第一方面,提供一种图像处理方法,该方法包括:
获取第一图像帧,第一图像帧中包括多个第一宏块;
对第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧,第二图像帧包括多个第二宏块,第二宏块与第一宏块对应;
按照预设扫描顺序对第二图像帧中相邻两个第二宏块进行边缘平滑滤波,得到第三图像帧。
通过对图像帧进行灰度均值滤波和边缘平滑滤波,能够有效滤除量化噪声,降低量化噪声对图像的影响。
在一个实施例中,对第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧包括:
按照预设区域生长算法对每个第一宏块进行区域生长,得到每个第一宏块对应的K个生长区域,K≥1;
计算每个第一宏块对应的K个生长区域的每个生长区域中所有像素的灰度平均值;
将每个第一宏块的每个生长区域的灰度平均值确定为每个生长区域中每个像素的灰度值,得到第二图像帧。
在一个实施例中,按照预设扫描顺序对第二图像帧中相邻两个第二宏块进行边缘平滑滤波,得到第三图像帧包括:
按照预设扫描顺序获取相邻两个第二宏块的相交边缘区域;
对相交边缘区域进行高斯滤波,得到第三图像帧。
在一个实施例中,该方法还包括:
获取第三图像帧与参考图像帧的残差信息,残差信息用于指示第三图像帧与参考图像帧对应位置像素的灰度值之差的绝对值;
根据残差信息和预设阈值,计算得到掩膜信息;
根据掩膜信息重建第三图像帧。
在一个实施例中,该方法还包括:
在第三图像帧的帧序号满足预设条件时,将第三图像帧确定为参考图像帧。
根据本公开实施例的第二方面,提供一种图像处理装置,包括:
第一获取模块,用于获取第一图像帧,第一图像帧中包括多个第一宏块;
第一滤波模块,用于对第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧,第二图像帧包括多个第二宏块,第二宏块与第一宏块对应;
第二滤波模块,用于按照预设扫描顺序对第二图像帧中相邻两个第二宏块进行边缘平滑滤波,得到第三图像帧。
在一个实施例中,第一滤波模块包括:
区域生长子模块,用于按照预设区域生长算法对每个第一宏块进行区域生长,得到每个第一宏块对应的K个生长区域,K≥1;
计算子模块,用于计算每个第一宏块对应的K个生长区域的每个生长区域中所有像素的灰度平均值;
确定子模块,用于将每个第一宏块的每个生长区域的灰度平均值确定为每个生长区域中每个像素的灰度值,得到第二图像帧。
在一个实施例中,第二滤波模块包括:
获取子模块,用于按照预设扫描顺序获取相邻两个第二宏块的相交边缘区域;
滤波子模块,用于对相交边缘区域进行高斯滤波,得到第三图像帧。
在一个实施例中,图像处理装置还包括:
第二获取模块,用于获取第三图像帧与参考图像帧的残差信息,残差信息用于指示第三图像帧与参考图像帧对应位置像素的灰度值之差的绝对值;
计算模块,用于根据残差信息和预设阈值,计算得到掩膜信息;
重建模块,用于根据掩膜信息重建第三图像帧。
在一个实施例中,图像处理装置还包括:确定模块,用于在第三图像帧的帧序号满足预设条件时,将第三图像帧确定为参考图像帧。
根据本公开实施例的第三方面,提供一种图像处理设备,图像处理设备包括处理器和存储器,存储器中存储有至少一条计算机指令,指令由处理器加载并执行以实现第一方面以及第一方面的任一实施例所描述的图像处理方法中所执行的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,存储介质中存储有至少一条计算机指令,指令由处理器加载并执行以实现第一方面以及第一方面的任一实施例所描述的图像处理方法中所执行的步骤。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本公开实施例提供的一种图像处理方法的流程图;
图2是本公开实施例提供的一种图像处理方法的流程图;
图3是本公开实施例提供的一种图像处理方法的流程图;
图4是本公开实施例提供的一种区域生长算法的示意图;
图5(a)是本公开实施例提供的一种宏块中每个像素原始灰度的示意图;
图5(b)是本公开实施例提供的一种宏块区域生长灰度分类的示意图;
图5(c)是本公开实施例提供的一种对宏块中不同灰度分类标记的示意图;
图5(d)是本公开实施例提供的一种灰度均值替换原始灰度的示意图;
图6是本公开实施例提供的一种提取纵向相邻宏块的示意图;
图7是本公开实施例提供的一种提取横向相邻宏块的示意图;
图8是本公开实施例提供的一种图像处理装置的结构图;
图9是本公开实施例提供的一种图像处理装置的结构图;
图10是本公开实施例提供的一种图像处理装置的结构图;
图11是本公开实施例提供的一种图像处理装置的结构图;
图12是本公开实施例提供的一种图像处理装置的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开实施例提供一种图像处理方法,如图1所示,该图像处理方法包括以下步骤:
101、获取第一图像帧。
第一图像帧包括多个第一宏块,帧是影像动画中最小单元的单幅影像画面,一帧就是一副静止的画面。在本公开实施例中,可以将第一图像帧按照YUV分量分解成若干高m宽n大小的宏块,每个宏块中有m×n个像素点,当然,m与n可以相同,也可以不同,一般情况下,每个宏块的大小可以为16*16、8*8或者4*4。
102、对第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧。
第二图像帧包括多个第二宏块,第二宏块与第一宏块对应。对于如何对第一宏块进行灰度均值滤波,步骤102具体包括:
1021、按照预设区域生长算法对每个第一宏块进行区域生长,得到每个第一宏块对应的K个生长区域。
在本公开实施例中,预设区域生长算法是按照像素值进行分类,将具有相似性质的像素集合起来构成区域。具体的是对每个需要分割的区域找一个种子像素作为生长的起点,然后将种子像素周围邻域中与种子像素具有相同或相似性质的像素合并到种子像素所在的区域中,将这些新像素作为新的种子像素继续进行合并,直至没有满足条件的像素为止,这样,一个区域就生长结束。其中,K≥1。下面列举两种不同的区域生长算法进行示例性说明。
在第一个示例中,以待加入像素与种子像素的灰度值差的绝对值小于或等于第一预设阈值时,该像素点加入到种子像素所在的区域为例进行说明。具体的,循环遍历第一宏块中未进行区域分割的种子像素,以该种子像素为中心,计算8邻域像素的像素值是否与种子像素的灰度值差的绝对值是否小于第一预设阈值,在某一像素满足条件时,将该像素加入到该区域中,将该像素作为种子像素,依次类推,找到所有满足该条件的其他像素,则该区域生长结束。
在第二个示例中,以待加入像素点的灰度值和已分割区域的所有像素点的平均灰度值的差的绝对值小于或等于第二预设阈值时,该待加入像素点加入到已分割区域为例进行说明。具体的,循环遍历宏块中为未进行区域分割的像素点,即待加入像素点,计算该待加入像素点的灰度值与已分割区域的所有像素点的平均灰度值的差的绝对值,在该待加入像素点的灰度值满足条件时,将该像素加入到该区域中,依次类推,找到所有满足该条件的其他像素,则该区域生长结束。
需要说明的是,每个第一宏块对应各自的K个生长区域,每个第一宏块的K个生长区域的个数可以相同,也可以不同,具体根据每个第一宏块的像素值进行生长得到。示例性的,第一图像帧包括4个第一宏块,分别用A、B、C、D分别表示,通过区域生长算法,这四个宏块A、B、C、D所对应的生成区域分别为2、3、4、2。
1022、计算每个第一宏块对应的K个生长区域的每个生长区域中所有像素的灰度平均值。
在获取到每个第一宏块的K个生长区域后,计算每个第一宏块中的每个生长区域中所有像素的灰度平均值。
1023、将每个第一宏块的每个生长区域的灰度平均值确定为每个生长区域中每个像素的灰度值。得到第二图像帧。
在本公开实施例中,用每个生长区域中所有像素的灰度平均值替换对应生长区域中每个像素的灰度值,得到与第一宏块对应的第二宏块,进而得到第二图像帧。
103、按照预设扫描顺序对第二图像帧中相邻两个第二宏块进行边缘平滑滤波,得到第三图像帧。
由于相邻宏块之间存在差异,因此,通过灰度均值滤波后的图像会伴随有宏块边缘不连续的现象,因此,为了消除宏块边缘不连续的现象,步骤103具体包括:按照预设扫描顺序获取相邻两个第二宏块的相交边缘区域,对相交边缘区域进行高斯滤波,得到第三图像帧。示例性的,按照先纵向后横向的顺序对第二图像帧进行扫描,提取相邻宏块相交的边缘区域,如4*4区域,对相交的边缘区域进行高斯滤波,将高斯滤波后的边缘区域替换原边缘区域,重复上述步骤,直至对所有的相邻第二宏块进行滤波,得到第三图像帧。
进一步的,为了有效减小编解码中单帧的传输码率,需要对第三图像帧进行掩膜处理,参考图2所示,该方法还包括:
104、获取第三图像帧与参考图像帧的残差信息。
其中,残差信息用于指示第三图像帧与参考图像帧对应位置像素的灰度值之差的绝对值。
105、根据残差信息和预设阈值,计算得到掩膜信息。
通过将残差信息与预设阈值进行比较,在一像素点的残差信息大于预设阈值时,可将该像素点的掩膜信息设置为1,在一像素点的残差信息小于或等于预设阈值时,可将该像素点的掩膜信息设置为0。
106、根据掩膜信息重建第三图像帧。
在像素点的掩膜信息为1时,重建后该像素点的灰度值等于重建之前该像素点的灰度值,在像素点的掩膜信息为0时,重建后该像素点的灰度值等于参考图像帧中对应位置像素的灰度值。
本公开实施例提供的图像处理方法,获取第一图像帧,对第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧,按照预设扫描顺序对第二图像帧中相邻两个第二宏块进行边缘平滑滤波,得到第三图像帧。通过对图像帧进行灰度均值滤波和边缘平滑滤波,能够有效滤除量化噪声,降低量化噪声对图像的影响。
基于上述图1对应的实施例提供的图像处理方法,本公开另一实施例提供一种图像处理方法,参考图3所示,本公开实施例提供的图像处理方法包括:
获取第i帧图像,判断第i帧图像是否为第一帧;在第i帧图像为第一帧时,对第i帧图像进行单帧图像滤波和块效应滤波,并将第i帧图像设置为参考帧;在第i帧图像不是第一帧时,对第i帧图像进行单帧图像滤波、块效应滤波和阈值分割当前帧重建。
进而,判断第i帧图像是否为最后一帧;在第i帧图像不是最后一帧时,对第i帧图像的帧序号进行取余运算,得到余数值,本公开以对10取余为例;判断余数值是否为0;在余数值不为0时,令i=i+1,并继续执行上述步骤;在余数值为0时,将第i帧确定为下一循环的参考帧,并令i=i+1,并继续执行上述步骤。
下面对单帧图像滤波、块效应滤波和阈值分割当前帧重建分别进行描述。
一、单帧图像滤波
将每帧图像的Y、U、V分量分成n个8*8的像素宏块,然后单独对每个宏块进行处理。在本公开实施例中,对每个宏块基于区域生长均值滤波,具体的,对于单个8*8宏块,首先根据传统区域生长算法对宏块按像素值进行分类,即将灰度值在一定范围内的像素归为一类;然后分别计算每类像素的均值,再用每类像素的均值替换对应类别中每个像素的像素值。具体步骤包括:
(1)循环遍历扫描宏块中的每个像素,找到未标记类别的像素(x,y),并将其标识为第k类,计算该类像素灰度均值Mean,其中,该类像素灰度均值Mean采用下述公式(1)进行计算,公式(1)包括:
其中,Mean表示第k类中所有像素的灰度均值,表示已标识的第k类中所有像素的像素值总和,size(k)表示已标识第k类像素中所有像素的个数。
(2)参考图4所示,计算未标识像素(x,y)周边八邻域与像素灰度均值Mean的差值dist。
dist(x-1,y-1)=|pixel(x-1,y-1)-Mean|
dist(x-1,y)=|pixel(x-1,y)-Mean|
dist(x-1,y+1)=|pixel(x-1,y+1)-Mean|
dist(x,y-1)=|pixel(x,y-1)-Mean|
......
dist(x+1,y+1)=|pixel(x+1,y-=+1)-Mean|
(3)将八个dist差值与设定的第一阈值T1进行比较,在本公开实施例中,以T1=10为例进行说明,将其中dist<T1的像素归为同一类,同时将其作为接下来的区域生长开始坐标,重复(1)~(3)步骤,直至找到宏块中所有相似的第k类像素。
(4)设定类别号为k+1,重复1~3步骤,找出宏块中所有的第k+1类像素。
(5)循环遍历整个宏块的像素,直至宏块中再无未标示的像素。
(6)计算8*8宏块中各类像素的灰度均值Meank,然后用Meank分别替换对应类中的灰度值。
参考图5(a)~图5(d)所示,以16*16的宏块为例,图5(a)表示宏块中每个像素的原始灰度;图5(b)表示区域生长灰度分类,该16*16的宏块共分为5个生长区域,这5个生长区域分别用单斜线、双斜线、白色、灰色、黑色进行标识;图5(c)表示灰度类标记,分别用1、2、3、4、5进行标识,与图5(b)所描述的5个生长区域一一对应;图5(d)表示灰度均值替换。
二、块效应滤波
上一步骤中通过将图像分成8*8宏块,再分别对每个宏块按类进行灰度均值滤波,由于相邻宏快之间存在差异,因此均值滤波处理后的图像会伴有宏块边缘不连续现象,即“块效应”,块效应在灰度多变区域尤为明显,因此,为改善图像视觉效果,在第二步骤中,本方案提出了一种相邻宏块边缘平滑算法,用来去除图像中的块效应。步骤如下:
(1)参考图6所示,按纵向提取相邻宏块相交的4*4边缘区域f(4×4),如图6中双斜线所示部分。
(2)对提取的4*4区域进行高斯滤波,其中高斯核函数公式如下:
其中,σ为标准差,取值用于调整图像平滑程度,σ越大图像则越平滑,在本公开实施例中,取σ=0.38;计算出核函数后将之与4*4区域进行卷积计算,得到平滑后的边缘图像;
F(4×4)=conv(f4×4,G)
(3)将平滑处理后的边缘图替换原图位置。
(4)纵向平滑处理完后,参考图7所示,再按横向提取边缘4*4子区域,重复步骤(2)~(3),平滑边缘图像,去除块效应。
三、阈值分割当前帧重建
当前帧图像经按灰度类别均值滤波和去块效应后,量化噪声对图像的影响已改善很多,但若对图像进行编解码处理,需计算当前帧与参考帧图像间的残差,因此,为尽量减少单帧传输码率,还需对当前帧进行掩模重建,掩模窗口由残差图阈值分割后获得。具体包括以下步骤:
(1)计算当前帧与参考帧对应位置像素灰度值差的绝对值,得到残差图RES(x,y),
RES(x,y)=|Ref(x,y)-Cur(x,y)|
其中,(x,y)表示像素点的坐标,Ref(x,y)表示参考帧中(x,y)点的灰度值,Cur(x,y)表示当前帧中(x,y)点的灰度值,RES(x,y)表示当前帧与参考帧对应位置(x,y)点的像素灰度值差的绝对值。
(2)设定阈值T2=4,对残差图进行阈值分割,对应位置灰度值大于T2为1,小于T2为0,得到掩模窗口Wid(x,y);
(3)根据掩模窗口重建当前帧图像;
其中,Cur'(x,y)表示重建后当前帧图像(x,y)点的灰度值,Cur(x,y)表示未重建前当前帧图像(x,y)点的灰度值,Wid(x,y)表示掩模窗口中(x,y)点的值。
本公开实施例提供的图像处理方法,通过寻找局部相似灰度值的像素点,分类计算均值,然后根据块状滤波消除图像块效应,消除量化噪声的影响,最后通过阈值分割重建的方法减小传输码率,计算简单,可很好的应用到视频编解码压缩***中。
基于上述图1和图3对应的实施例中所描述的图像处理方法,下述为本公开装置实施例,可以用于执行本公开方法实施例。
本公开实施例提供一种图像处理装置,如图8所示,该图像处理装置80包括:第一获取模块801、第一滤波模块802和第二滤波模块803;
第一获取模块801,用于获取第一图像帧,第一图像帧中包括多个第一宏块;
第一滤波模块802,用于对第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧,第二图像帧包括多个第二宏块,第二宏块与第一宏块对应;
第二滤波模块803,用于按照预设扫描顺序对第二图像帧中相邻两个第二宏块进行边缘平滑滤波,得到第三图像帧。
在一个实施例中,如图9所示,第一滤波模块802包括:区域生长子模块8021、计算子模块8022和确定子模块8023;
区域生长子模块8021,用于按照预设区域生长算法对每个第一宏块进行区域生长,得到每个第一宏块对应的K个生长区域,K≥1;
计算子模块8022,用于计算每个第一宏块对应的K个生长区域的每个生长区域中所有像素的灰度平均值;
确定子模块8023,用于将每个第一宏块的每个生长区域的灰度平均值确定为每个生长区域中每个像素的灰度值,得到第二图像帧。
在一个实施例中,如图10所示,第二滤波模块803包括:获取子模块8031和滤波子模块8032;
获取子模块8031,用于按照预设扫描顺序获取相邻两个第二宏块的相交边缘区域;
滤波子模块8032,用于对相交边缘区域进行高斯滤波,得到第三图像帧。
在一个实施例中,如图11所示,该图像处理装置80还包括:第二获取模块804、计算模块805和重建模块806;
第二获取模块804,用于获取第三图像帧与参考图像帧的残差信息,残差信息用于指示第三图像帧与参考图像帧对应位置像素的灰度值之差的绝对值;
计算模块805,用于根据残差信息和预设阈值,计算得到掩膜信息;
重建模块806,用于根据掩膜信息重建第三图像帧。
在一个实施例中,如图12所示,该图像处理装置80还包括:确定模块807;
确定模块807,用于在第三图像帧的帧序号满足预设条件时,将第三图像帧确定为参考图像帧。
本公开实施例提供的图像处理方法,获取第一图像帧,对第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧,按照预设扫描顺序对第二图像帧中相邻两个第二宏块进行边缘平滑滤波,得到第三图像帧。通过对图像帧进行灰度均值滤波和边缘平滑滤波,能够有效滤除量化噪声,降低量化噪声对图像的影响。
基于上述图1~图7对应的实施例中所描述的图像处理方法,本公开实施例还提供一种计算机可读存储介质,例如,非临时性计算机可读存储介质可以是只读存储器(英文:Read Only Memory,ROM)、随机存取存储器(英文:Random Access Memory,RAM)、CD-ROM、磁带、软盘和光数据存储装置等。该存储介质上存储有计算机指令,用于执行上述图1~图7对应的实施例中所描述的图像处理方法,此处不再赘述。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
获取第一图像帧,所述第一图像帧中包括多个第一宏块;
对所述第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧,所述第二图像帧包括多个第二宏块,所述第二宏块与所述第一宏块对应;
按照预设扫描顺序对所述第二图像帧中相邻两个所述第二宏块进行边缘平滑滤波,得到第三图像帧。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧包括:
按照预设区域生长算法对所述每个第一宏块进行区域生长,得到所述每个第一宏块对应的K个生长区域,K≥1;
计算所述每个第一宏块对应的K个生长区域的每个生长区域中所有像素的灰度平均值;
将所述每个第一宏块的每个生长区域的灰度平均值确定为所述每个生长区域中每个像素的灰度值,得到所述第二图像帧。
3.根据权利要求1所述的方法,其特征在于,所述按照预设扫描顺序对所述第二图像帧中相邻两个所述第二宏块进行边缘平滑滤波,得到第三图像帧包括:
按照所述预设扫描顺序获取相邻两个所述第二宏块的相交边缘区域;
对所述相交边缘区域进行高斯滤波,得到所述第三图像帧。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述第三图像帧与参考图像帧的残差信息,所述残差信息用于指示所述第三图像帧与所述参考图像帧对应位置像素的灰度值之差的绝对值;
根据所述残差信息和预设阈值,计算得到掩膜信息;
根据所述掩膜信息重建所述第三图像帧。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述第三图像帧的帧序号满足预设条件时,将所述第三图像帧确定为参考图像帧。
6.一种图像处理装置,其特征在于,包括:
第一获取模块,用于获取第一图像帧,所述第一图像帧中包括多个第一宏块;
第一滤波模块,用于对所述第一图像帧中的每个第一宏块进行灰度均值滤波,得到第二图像帧,所述第二图像帧包括多个第二宏块,所述第二宏块与所述第一宏块对应;
第二滤波模块,用于按照预设扫描顺序对所述第二图像帧中相邻两个所述第二宏块进行边缘平滑滤波,得到第三图像帧。
7.根据权利要求6所述的装置,其特征在于,所述第一滤波模块包括:
区域生长子模块,用于按照预设区域生长算法对所述每个第一宏块进行区域生长,得到所述每个第一宏块对应的K个生长区域,K≥1;
计算子模块,用于计算所述每个第一宏块对应的K个生长区域的每个生长区域中所有像素的灰度平均值;
确定子模块,用于将所述每个第一宏块的每个生长区域的灰度平均值确定为所述每个生长区域中每个像素的灰度值,得到所述第二图像帧。
8.根据权利要求6所述的装置,其特征在于,所述第二滤波模块包括:
获取子模块,用于按照所述预设扫描顺序获取相邻两个所述第二宏块的相交边缘区域;
滤波子模块,用于对所述相交边缘区域进行高斯滤波,得到所述第三图像帧。
9.根据权利要求6所述的装置,其特征在于,所述图像处理装置还包括:
第二获取模块,用于获取所述第三图像帧与参考图像帧的残差信息,所述残差信息用于指示所述第三图像帧与所述参考图像帧对应位置像素的灰度值之差的绝对值;
计算模块,用于根据所述残差信息和预设阈值,计算得到掩膜信息;
重建模块,用于根据所述掩膜信息重建所述第三图像帧。
10.根据权利要求6所述的装置,其特征在于,所述图像处理装置还包括:
确定模块,用于在所述第三图像帧的帧序号满足预设条件时,将所述第三图像帧确定为参考图像帧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409789.9A CN110324617B (zh) | 2019-05-16 | 2019-05-16 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409789.9A CN110324617B (zh) | 2019-05-16 | 2019-05-16 | 图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110324617A true CN110324617A (zh) | 2019-10-11 |
CN110324617B CN110324617B (zh) | 2022-01-11 |
Family
ID=68113167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910409789.9A Active CN110324617B (zh) | 2019-05-16 | 2019-05-16 | 图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110324617B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110838123A (zh) * | 2019-11-06 | 2020-02-25 | 南京止善智能科技研究院有限公司 | 一种室内设计效果图像光照高亮区域的分割方法 |
CN110956219A (zh) * | 2019-12-09 | 2020-04-03 | 北京迈格威科技有限公司 | 视频数据的处理方法、装置和电子*** |
CN112073722A (zh) * | 2020-07-23 | 2020-12-11 | 西安万像电子科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112651310A (zh) * | 2020-12-14 | 2021-04-13 | 北京影谱科技股份有限公司 | 一种视频人物唇形检测生成的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130223747A1 (en) * | 2012-02-29 | 2013-08-29 | Chroma Ate Inc. | Method for detecting a surface pattern of a solar cell |
CN104463819A (zh) * | 2013-09-20 | 2015-03-25 | 汤姆逊许可公司 | 图像滤波方法和装置 |
CN104778669A (zh) * | 2015-04-16 | 2015-07-15 | 北京邮电大学 | 快速图像去噪方法及装置 |
CN107368792A (zh) * | 2017-06-29 | 2017-11-21 | 广州智慧城市发展研究院 | 一种基于滤波器以及主干边缘的指静脉识别方法及*** |
US20190050960A1 (en) * | 2017-08-11 | 2019-02-14 | Intermap Technologies Inc. | Method and apparatus for enhancing 3d model resolution |
-
2019
- 2019-05-16 CN CN201910409789.9A patent/CN110324617B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130223747A1 (en) * | 2012-02-29 | 2013-08-29 | Chroma Ate Inc. | Method for detecting a surface pattern of a solar cell |
CN104463819A (zh) * | 2013-09-20 | 2015-03-25 | 汤姆逊许可公司 | 图像滤波方法和装置 |
CN104778669A (zh) * | 2015-04-16 | 2015-07-15 | 北京邮电大学 | 快速图像去噪方法及装置 |
CN107368792A (zh) * | 2017-06-29 | 2017-11-21 | 广州智慧城市发展研究院 | 一种基于滤波器以及主干边缘的指静脉识别方法及*** |
US20190050960A1 (en) * | 2017-08-11 | 2019-02-14 | Intermap Technologies Inc. | Method and apparatus for enhancing 3d model resolution |
Non-Patent Citations (2)
Title |
---|
JUE SHEN; FREDRIK JONSSON; JIAN CHEN: "Phase noise improvement and noise modeling of type-I ADPLL with non-linear quantization effects", 《2014 NORCHIP》 * |
王倩: "单像素成像中模数转换器的量化噪声分析", 《现代商贸工业》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110838123A (zh) * | 2019-11-06 | 2020-02-25 | 南京止善智能科技研究院有限公司 | 一种室内设计效果图像光照高亮区域的分割方法 |
CN110838123B (zh) * | 2019-11-06 | 2022-02-11 | 南京止善智能科技研究院有限公司 | 一种室内设计效果图像光照高亮区域的分割方法 |
CN110956219A (zh) * | 2019-12-09 | 2020-04-03 | 北京迈格威科技有限公司 | 视频数据的处理方法、装置和电子*** |
CN110956219B (zh) * | 2019-12-09 | 2023-11-14 | 爱芯元智半导体(宁波)有限公司 | 视频数据的处理方法、装置和电子*** |
CN112073722A (zh) * | 2020-07-23 | 2020-12-11 | 西安万像电子科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112073722B (zh) * | 2020-07-23 | 2024-05-17 | 西安万像电子科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112651310A (zh) * | 2020-12-14 | 2021-04-13 | 北京影谱科技股份有限公司 | 一种视频人物唇形检测生成的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110324617B (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110324617A (zh) | 图像处理方法及装置 | |
CN103404137B (zh) | 有效的样本自适应补偿的方法和装置 | |
KR100437187B1 (ko) | 화상 부호화장치, 화상 복호화장치, 화상 부호화방법,화상 복호화방법 및 매체 | |
JP5270573B2 (ja) | ブロックアーチファクトを検出する方法及び装置 | |
US7634150B2 (en) | Removing ringing and blocking artifacts from JPEG compressed document images | |
JP5391290B2 (ja) | テクスチャレベルに基づく量子化調整 | |
CN105741224B (zh) | 基于pvo和自适应块分割的可逆水印算法 | |
KR101112139B1 (ko) | 부호화된 영상의 확대비 및 노이즈 강도 추정장치 및 방법 | |
JP2006507775A (ja) | 基準なしで圧縮ビデオシーケンスの品質を測定する方法及び装置 | |
KR20020075918A (ko) | 비주얼 어텐션 시스템 | |
CN109995964B (zh) | 图像数据处理方法及装置 | |
JP2011091510A (ja) | 画像処理装置およびその制御方法 | |
CN104992419A (zh) | 基于jnd因子的超像素高斯滤波预处理方法 | |
US20060104535A1 (en) | Method and apparatus for removing false edges from a segmented image | |
CN111931671A (zh) | 一种用于煤矿井下逆光环境中光照补偿的人脸识别方法 | |
CN1322333A (zh) | 滤波设备和方法 | |
US9414067B2 (en) | Methods and systems for detection of block based video dropouts | |
US7940996B2 (en) | Image noise detection | |
Do et al. | A new adaptive image post-treatment for deblocking and deringing based on total variation method | |
JP2005318614A (ja) | 入力画像中のアーチファクトを低減する方法 | |
JP2009095004A (ja) | 画像シーケンス中の画素をフィルタリングする方法 | |
Xiong et al. | Image coding with parameter-assistant inpainting | |
Tolstaya et al. | Removal of blocking and ringing artifacts in JPEG-coded images | |
Safonov et al. | Removal of JPEG Artefacts | |
Khryashchev et al. | A novel smart bilateral filter for ringing artifacts removal in JPEG2000 images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |