CN110827220B - 一种基于图像边缘分析的抗锯齿方法 - Google Patents

一种基于图像边缘分析的抗锯齿方法 Download PDF

Info

Publication number
CN110827220B
CN110827220B CN201911062061.XA CN201911062061A CN110827220B CN 110827220 B CN110827220 B CN 110827220B CN 201911062061 A CN201911062061 A CN 201911062061A CN 110827220 B CN110827220 B CN 110827220B
Authority
CN
China
Prior art keywords
edge
pixels
pixel
points
processing
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
Application number
CN201911062061.XA
Other languages
English (en)
Other versions
CN110827220A (zh
Inventor
陈梅丽
徐烂烂
谢亚光
孙彦龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Arcvideo Technology Co ltd
Original Assignee
Hangzhou Arcvideo Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Arcvideo Technology Co ltd filed Critical Hangzhou Arcvideo Technology Co ltd
Priority to CN201911062061.XA priority Critical patent/CN110827220B/zh
Publication of CN110827220A publication Critical patent/CN110827220A/zh
Application granted granted Critical
Publication of CN110827220B publication Critical patent/CN110827220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Generation (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像边缘分析的抗锯齿方法。它具体包括如下步骤：(1)提取输入图像高频分量，并在高频分量进行带有方向性的边缘检测；(2)根据边缘方向将边缘像素分为8类，并进行数值标志；(3)调用边缘像素的方向纠错模块对步骤(2)中得到的边缘方向进行纠错处理，得到最终的边缘像素平面；(4)在步骤(3)中得到的边缘像素平面上调用文字笔画检测模块进行文字横竖笔画检测，将文字横竖笔画排除在步骤(5)的处理过程之外；(5)调用混叠模块进行边缘像素混叠处理。本发明的有益效果是：提取高频部分进行处理以提高处理的效率和质量，可作用于视频的前/后处理过程，保持文字的横/竖笔画的清晰度。

Description

一种基于图像边缘分析的抗锯齿方法
技术领域
本发明涉及数字视频处理相关技术领域，尤其是指一种基于图像边缘分析的抗锯齿方法。
背景技术
在视频转码领域，由于视频源来源的多样化，存在为数不少的视频源由于各种原因带有锯齿瑕疵，为了得到更好的视频主观质量，改善用户体验，需要对这类视频进行消除锯齿的处理。
目前视频抗锯齿技术如超采样抗锯齿(SSAA)，多采样抗锯齿(MSAA)，快速近似抗锯齿(FXAA)等，大多数是被应用在图像渲染阶段，这些技术集成在显卡等硬件设备中，并不适合于软件视频转码过程。MLAA是一种形态学抗锯齿技术，虽然它作用在图像渲染之前，类似于图像后处理，但是由于MLAA只将边缘像素简单得分为了垂直与水平方向，导致该算法无法适用各种各样的视频源，尤其是针对一些经过多次转码的带有噪声和信息损失的视频源会产生错误。
发明内容
本发明是为了克服现有技术中存在上述的不足，提供了一种提高处理质量的基于图像边缘分析的抗锯齿方法。
为了实现上述目的，本发明采用以下技术方案：
一种基于图像边缘分析的抗锯齿方法，具体包括如下步骤：
(1)提取输入图像高频分量，并在高频分量进行带有方向性的边缘检测；
(2)根据边缘方向将边缘像素分为8类，并进行数值标志；
(3)调用边缘像素的方向纠错模块对步骤(2)中得到的边缘方向进行纠错处理，得到最终的边缘像素平面；
(4)在步骤(3)中得到的边缘像素平面上调用文字笔画检测模块进行文字横竖笔画检测，将文字横竖笔画排除在步骤(5)的处理过程之外；
(5)调用混叠模块进行边缘像素混叠处理。
众所周知，人眼对于灰度变化剧烈的强边缘具有更高的敏感性，当锯齿出现在这些地方的更能影响人眼的主观感受。这些区域在频域上体现为频率变化剧烈的部分，通俗讲即图像高频部分。因此本发明将首先对图像进行低通滤波，提取高频部分进行处理以提高处理的效率和质量，本发明可作用于视频的前/后处理过程。对于图像而言还存在一种既是强边缘但是又不需要进行处理的情况，即图像上文字部分的横/竖笔画。为了保持文字的横/竖笔画的清晰度，需要将这部分内容排除在抗锯齿混叠算法之外。
作为优选，在步骤(2)中，8类边缘像素分别是H、RH、RC、RV、V、LV、LC、LH，以及一类非边缘像素None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、1、3、2、4、6、7、5、8。
作为优选，在步骤(3)中，边缘像素的方向纠错模块进行纠错处理的具体方法如下：
(31)找出需要修正的像素点，称之为孤立点，对于孤立点的判断标准为：一个像素或者连续多个像素周围没有与之相同方向的像素；
(32)选择距离孤立点步长为1的相邻像素为参考像素点，统计参考像素点的方向分布情况，选择概率最大的方向为孤立点的新方向；
(33)如果步骤(32)无法得出新方向，增加步长为2的相邻像素为参考像素点，重新统计参考像素点方向分布情况，选择出现概率最大的方向为孤立点新方向；
(34)如果步骤(33)仍然无法确认新方向，则不对该孤立点进行修正。
作为优选，在步骤(4)中，文字笔画检测模块进行文字横竖笔画检测的具体方法如下：
(41)在得到的边缘像素平面上，将8类边缘像素进行进一步归纳后缩减为4类边缘像素类边缘像素，并进行数值标志，得到新的边缘像素平面；
(42)在获得新的边缘像素平面上，进行文字横竖笔画的识别，先确定构成横竖笔画的角点，然后两个角点连线即为边。
作为优选，在步骤(41)中，归纳方法为将RH、H、LH统一为H，将RV、V、LV统一为V，RC、LC保留不变，故4类边缘像素分别是H、RC、V、LC，以及一类非边缘像素None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、3、4、7、8。
作为优选，在步骤(42)中，构成横竖笔画角点的类型有四种，通过分析选择候选角点，候选角点方向与候选角点相连的边的方向来确定构成笔画的真实角点。
作为优选，在步骤(42)中，具体算法如下：
(421)选择以下两种像素为候选角点：方向为RC、LC的边缘点，H方向和V方向边缘交叉的像素点；
(422)在候选角点中选取具备以下条件的角点：同时具备H、V两条边，角点与H、V两边必须符合四种角点类型；
(423)根据角点与边的位置关系，确定角点类型；
(424)确定的两个角点相连的像素组成文字横竖笔画。
作为优选，在步骤(5)中，混叠模块进行边缘像素混叠处理的具体方法如下：
(51)对步骤(3)中获得的边缘方向进行进一步归纳：相邻的RH、H合并为RH，相邻的LH、H合并为LH，相邻的RV、V合并为RV，相邻的LV、V合并为LV，将方向相同的像素连成边缘线，以边缘线为一个整体进行像素混叠，假设边缘线像素个数为L；
(52)对于每个待处理的像素进行如下计算：
Xref＝U1*(1+ai)+C1+C2+D1*(1-ai)
Xnew＝((Xref-Xi)*w0+Xi*w1)/(w0+w1)
其中：对于边缘上方的像素，ai＝-i/(L+1)；对于边缘下方的像素：ai＝i/(L+1)；i的取值为1、2、...、L；w0，w1为可调节系数，取值可在2～6中选取；Xi为待处理像素值，C1、C2、D1、U1为相对Xi位置的像素值，Xref为计算出来的Xi的参考值，Xnew为计算出来的新的像素值。
本发明的有益效果是：提取高频部分进行处理以提高处理的效率和质量，可作用于视频的前/后处理过程，保持文字的横/竖笔画的清晰度。
附图说明
图1是本发明的算法流程图；
图2是本发明中8类边缘像素的示意图；
图3是本发明中纠错处理的方法流程图；
图4是本发明中孤立点的示意图；
图5是本发明中步长为1的参考像素示意图；
图6是本发明中步长为2的参考像素示意图；
图7是本发明中步骤(41)中4类边缘像素的示意图；
图8是本发明中步骤(42)中横笔画的四种角点类型示意图；
图9是本发明中步骤(421)中所提到H方向和V方向边缘交叉的像素点示意图；
图10是本发明中步骤(422)中所提到角点与H、V两边的位置关系示意图；
图11是本发明中边缘像素混叠的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所述的实施例中，一种基于图像边缘分析的抗锯齿方法，具体包括如下步骤：
(1)提取输入图像高频分量，并在高频分量进行带有方向性的边缘检测；
(2)根据边缘方向将边缘像素分为8类，并进行数值标志，具体如表1所示；其中：如图2所示，8类边缘像素分别是H、RH、RC、RV、V、LV、LC、LH，以及一类非边缘像素None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、1、3、2、4、6、7、5、8；
表1
H RH RC RV V LV LC LH None
0 1 3 2 4 6 7 5 8
(3)调用边缘像素的方向纠错模块对步骤(2)中得到的边缘方向进行纠错处理，得到最终的边缘像素平面；
边缘像素的方向纠错模块用于减少由于各种噪声和压缩损失对边缘检测结果的干扰，如图3所示，边缘像素的方向纠错模块进行纠错处理的具体方法如下：
(31)找出需要修正的像素点，称之为孤立点，对于孤立点的判断标准为：一个像素或者连续多个像素周围没有与之相同方向的像素，如图4所示；
(32)选择距离孤立点步长为1的相邻像素为参考像素点，统计参考像素点的方向分布情况，选择概率最大的方向为孤立点的新方向，如图5所示；
(33)如果步骤(32)无法得出新方向，增加步长为2的相邻像素为参考像素点，重新统计参考像素点方向分布情况，选择出现概率最大的方向为孤立点新方向，如图6所示；
(34)如果步骤(33)仍然无法确认新方向，则不对该孤立点进行修正；
(4)在步骤(3)中得到的边缘像素平面上调用文字笔画检测模块进行文字横竖笔画检测，将文字横竖笔画排除在步骤(5)的处理过程之外；
文字笔画检测模块进行文字横竖笔画检测的具体方法如下：
(41)在得到的边缘像素平面上，将8类边缘像素进行进一步归纳后缩减为4类边缘像素类边缘像素，并进行数值标志，具体如表2所示，得到新的边缘像素平面；其中：如图7所示，归纳方法为将RH、H、LH统一为H，将RV、V、LV统一为V，RC、LC保留不变，故4类边缘像素分别是H、RC、V、LC，以及一类非边缘像素None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、3、4、7、8；
表2
H RC V LC None
0 3 4 7 8
(42)在获得新的边缘像素平面上，进行文字横竖笔画的识别，先确定构成横竖笔画的角点，然后两个角点连线即为边；其中：构成横竖笔画角点的类型有四种，定义为type0～3，简称T0、T1、T2、T3，如图8所示，以横笔画为例说明四种角点类型，通过分析选择候选角点，候选角点方向与候选角点相连的边的方向来确定构成笔画的真实角点；
具体算法如下：
(421)选择以下两种像素为候选角点：方向为RC、LC的边缘点，H方向和V方向边缘交叉的像素点，共有四种情况，如图9所示中的灰色像素点；
(422)在候选角点中选取具备以下条件的角点：同时具备H、V两条边，角点与H、V两边必须符合四种角点类型，具体为：符合如图10所示位置关系；
(423)根据角点与边的位置关系，确定角点类型；
(424)确定的两个角点相连的像素组成文字横竖笔画；
(5)调用混叠模块进行边缘像素混叠处理；
混叠模块进行边缘像素混叠处理的具体方法如下：
(51)对步骤(3)中获得的边缘方向进行进一步归纳：相邻的RH、H合并为RH，相邻的LH、H合并为LH，相邻的RV、V合并为RV，相邻的LV、V合并为LV，将方向相同的像素连成边缘线，以边缘线为一个整体进行像素混叠，假设边缘线像素个数为L；以RH方向为例，如图11所示，斜线划过的区域为需要处理的像素；
(52)对于每个待处理的像素进行如下计算：
Xref＝U1*(1+ai)+C1+C2+D1*(1-ai) (1)
Xnew＝((Xref-Xi)*w0+Xi*w1)/(w0+w1) (2)
其中：对于边缘上方的像素，ai＝-i/(L+1)；对于边缘下方的像素：ai＝i/(L+1)；i的取值为1、2、...、L，如图11所示；w0，w1为可调节系数，取值可在2～6中选取；Xi为待处理像素值，C1、C2、D1、U1为相对Xi位置的像素值，Xref为计算出来的Xi的参考值，Xnew为计算出来的新的像素值，如图11所示。对于LH、RV、LV方向的像素处理，只需要根据对应方向将图11进行旋转，然后按公式(1)(2)进行计算即可。
众所周知，人眼对于灰度变化剧烈的强边缘具有更高的敏感性，当锯齿出现在这些地方的更能影响人眼的主观感受。这些区域在频域上体现为频率变化剧烈的部分，通俗讲即图像高频部分。因此本发明将首先对图像进行低通滤波，提取高频部分进行处理以提高处理的效率和质量，本发明可作用于视频的前/后处理过程。对于图像而言还存在一种既是强边缘但是又不需要进行处理的情况，即图像上文字部分的横/竖笔画。为了保持文字的横/竖笔画的清晰度，需要将这部分内容排除在抗锯齿混叠算法之外。

Claims (5)

1.一种基于图像边缘分析的抗锯齿方法，其特征是，具体包括如下步骤：
（1）提取输入图像高频分量，并在高频分量进行带有方向性的边缘检测；
（2）根据边缘方向将边缘像素分为8类，并进行数值标志；8类边缘像素分别是H、RH、RC、RV、V、LV、LC、LH，以及一类非边缘像素None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、1、3、2、4、6、7、5、8；
（3）调用边缘像素的方向纠错模块对步骤（2）中得到的边缘方向进行纠错处理，得到最终的边缘像素平面；边缘像素的方向纠错模块进行纠错处理的具体方法如下：
（31）找出需要修正的像素点，称之为孤立点，对于孤立点的判断标准为：一个像素或者连续多个像素周围没有与之相同方向的像素；
（32）选择距离孤立点步长为1的相邻像素为参考像素点，统计参考像素点的方向分布情况，选择概率最大的方向为孤立点的新方向；
（33）如果步骤（32）无法得出新方向，增加步长为2的相邻像素为参考像素点，重新统计参考像素点方向分布情况，选择出现概率最大的方向为孤立点新方向；
（34）如果步骤（33）仍然无法确认新方向，则不对该孤立点进行修正；
（4）在步骤（3）中得到的边缘像素平面上调用文字笔画检测模块进行文字横竖笔画检测，将文字横竖笔画排除在步骤（5）的处理过程之外；
（5）调用混叠模块进行边缘像素混叠处理；混叠模块进行边缘像素混叠处理的具体方法如下：
（51）对步骤（3）中获得的边缘方向进行进一步归纳：相邻的RH、H合并为RH，相邻的LH、H合并为LH，相邻的RV、V合并为RV，相邻的LV、V合并为LV，将方向相同的像素连成边缘线，以边缘线为一个整体进行像素混叠，假设边缘线像素个数为L；
（52）对于每个待处理的像素进行如下计算：
Xref = U1*(1+ai) + C1 + C2 + D1 * (1-ai)
Xnew = ((Xref - Xi) * w0 + Xi * w1) / (w0 + w1)
其中：对于边缘上方的像素，ai= -i / (L+1)；对于边缘下方的像素：ai= i / (L +1)；i的取值为1、2、...、L；w0，w1为可调节系数，取值可在2～6中选取；Xi为待处理像素值，C1、C2、D1、U1为相对Xi位置的像素值，Xref为计算出来的Xi的参考值，Xnew为计算出来的新的像素值。
2.根据权利要求1所述的一种基于图像边缘分析的抗锯齿方法，其特征是，在步骤（4）中，文字笔画检测模块进行文字横竖笔画检测的具体方法如下：
（41）在得到的边缘像素平面上，将8类边缘像素进行进一步归纳后缩减为4类边缘像素类边缘像素，并进行数值标志，得到新的边缘像素平面；
（42）在获得新的边缘像素平面上，进行文字横竖笔画的识别，先确定构成横竖笔画的角点，然后两个角点连线即为边。
3.根据权利要求2所述的一种基于图像边缘分析的抗锯齿方法，其特征是，在步骤（41）中，归纳方法为将RH、H、LH统一为H，将RV、V、LV统一为V，RC、LC保留不变，故4类边缘像素分别是H、RC、V、LC，以及一类非边缘像素None，每类边缘像素以及非边缘像素用一个数值标志依次对应为：0、3、4、7、8。
4.根据权利要求2所述的一种基于图像边缘分析的抗锯齿方法，其特征是，在步骤（42）中，构成横竖笔画角点的类型有四种，通过分析选择候选角点，候选角点方向与候选角点相连的边的方向来确定构成笔画的真实角点。
5.根据权利要求4所述的一种基于图像边缘分析的抗锯齿方法，其特征是，在步骤（42）中，具体算法如下：
（421）选择以下两种像素为候选角点：方向为RC、LC的边缘点，H方向和V方向边缘交叉的像素点；
（422）在候选角点中选取具备以下条件的角点：同时具备H、V两条边，角点与H、V两边必须符合四种角点类型；
（423）根据角点与边的位置关系，确定角点类型；
（424）确定的两个角点相连的像素组成文字横竖笔画。
CN201911062061.XA 2019-11-01 2019-11-01 一种基于图像边缘分析的抗锯齿方法 Active CN110827220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911062061.XA CN110827220B (zh) 2019-11-01 2019-11-01 一种基于图像边缘分析的抗锯齿方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911062061.XA CN110827220B (zh) 2019-11-01 2019-11-01 一种基于图像边缘分析的抗锯齿方法

Publications (2)

Publication Number Publication Date
CN110827220A CN110827220A (zh) 2020-02-21
CN110827220B true CN110827220B (zh) 2023-05-30

Family

ID=69552058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911062061.XA Active CN110827220B (zh) 2019-11-01 2019-11-01 一种基于图像边缘分析的抗锯齿方法

Country Status (1)

Country Link
CN (1) CN110827220B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007285933A (ja) * 2006-04-18 2007-11-01 Mitsubishi Materials Corp エッジ真直度測定方法およびプログラム
KR20110125117A (ko) * 2010-05-12 2011-11-18 전남대학교산학협력단 주사선 보간 장치 및 방법
CN102289786A (zh) * 2011-09-01 2011-12-21 青岛海信信芯科技有限公司 图像缩放的边缘抗锯齿方法及设备
CN103996170A (zh) * 2014-04-28 2014-08-20 深圳市华星光电技术有限公司 一种具有超高解析度的图像边缘锯齿消除方法
CN105205488A (zh) * 2015-07-13 2015-12-30 西北工业大学 基于Harris角点和笔画宽度的文字区域检测方法
CN106326901A (zh) * 2016-08-30 2017-01-11 南京鑫和汇通电子科技有限公司 基于边缘点自相似性的水渍图像识别及teds***

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4973542B2 (ja) * 2008-02-26 2012-07-11 富士通株式会社 画素補間装置及び画素補間方法
JP5609903B2 (ja) * 2012-02-21 2014-10-22 コニカミノルタ株式会社 画像処理装置及び画像処理方法
EP3161787B1 (en) * 2014-06-30 2018-06-13 Ventana Medical Systems, Inc. Detecting edges of a nucleus using image analysis
US10410326B2 (en) * 2015-04-16 2019-09-10 Institute Of Automation Chinese Academy Of Sciences Image anti-aliasing system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007285933A (ja) * 2006-04-18 2007-11-01 Mitsubishi Materials Corp エッジ真直度測定方法およびプログラム
KR20110125117A (ko) * 2010-05-12 2011-11-18 전남대학교산학협력단 주사선 보간 장치 및 방법
CN102289786A (zh) * 2011-09-01 2011-12-21 青岛海信信芯科技有限公司 图像缩放的边缘抗锯齿方法及设备
CN103996170A (zh) * 2014-04-28 2014-08-20 深圳市华星光电技术有限公司 一种具有超高解析度的图像边缘锯齿消除方法
WO2015165132A1 (zh) * 2014-04-28 2015-11-05 深圳市华星光电技术有限公司 一种具有超高解析度的图像边缘锯齿消除方法
CN105205488A (zh) * 2015-07-13 2015-12-30 西北工业大学 基于Harris角点和笔画宽度的文字区域检测方法
CN106326901A (zh) * 2016-08-30 2017-01-11 南京鑫和汇通电子科技有限公司 基于边缘点自相似性的水渍图像识别及teds***

Also Published As

Publication number Publication date
CN110827220A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
Kim et al. An advanced contrast enhancement using partially overlapped sub-block histogram equalization
US8965123B2 (en) System and method for processing image for identifying alphanumeric characters present in a series
WO2017088462A1 (zh) 图像处理方法和装置
US10325338B2 (en) Information embedding device, information detecting device, information embedding method, and information detecting method
CN113781406B (zh) 电子元器件的划痕检测方法、装置及计算机设备
US8559716B2 (en) Methods for suppressing structured noise in a digital image
CN105894474A (zh) 一种非线性图像增强方法及边缘检测方法
CN111489389A (zh) 一种光斑中心检测方法
CN114792310A (zh) 一种LCD屏幕中边缘模糊的Mura缺陷检测方法
CN114998356A (zh) 一种基于图像处理的车桥缺陷检测方法
CN110827220B (zh) 一种基于图像边缘分析的抗锯齿方法
Peng et al. Efficient image resolution enhancement using edge-directed unsharp masking sharpening for real-time ASIC applications
CN109034070B (zh) 一种置换混叠图像盲分离方法及装置
CN112396582B (zh) 一种基于Mask RCNN的均压环歪斜检测方法
CN110310223B (zh) 一种紫外光与可见光图像的融合方法
CN116110071B (zh) 一种基于深度学习的图像格式管道和仪表图管线识别方法
CN110647866B (zh) 一种检测文字笔画的方法
CN116912338A (zh) 一种用于纺织品的像素图片矢量化方法
CN116402771A (zh) 缺陷检测方法、装置和模型训练方法、装置
CN110930358A (zh) 一种基于自适应算法的太阳能面板图像处理方法
CN111080560B (zh) 一种图像的处理与识别方法
CN111145193A (zh) 一种自适应全局阈值二值化方法
WO2017088478A1 (zh) 数字分离方法及装置
Hu et al. Text enhancement in projected imagery
US11037331B1 (en) Method for de-contouring an image

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