CN111340721B - 一种像素的修正方法、装置、设备及可读存储介质 - Google Patents

一种像素的修正方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN111340721B
CN111340721B CN202010100340.7A CN202010100340A CN111340721B CN 111340721 B CN111340721 B CN 111340721B CN 202010100340 A CN202010100340 A CN 202010100340A CN 111340721 B CN111340721 B CN 111340721B
Authority
CN
China
Prior art keywords
pixel
corrected
value
correction
gaussian
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
CN202010100340.7A
Other languages
English (en)
Other versions
CN111340721A (zh
Inventor
王栋
李宏伟
汪洋
郭鹏飞
张蕾
俞果
张磊
许天兴
王俊生
潘晓婷
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.)
Guowang Xiongan Finance Technology Group Co ltd
State Grid Blockchain Technology Beijing Co ltd
State Grid Digital Technology Holdings Co ltd
Original Assignee
Guowang Xiongan Finance Technology Group Co ltd
State Grid Blockchain Technology Beijing Co ltd
State Grid E Commerce 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 Guowang Xiongan Finance Technology Group Co ltd, State Grid Blockchain Technology Beijing Co ltd, State Grid E Commerce Co Ltd filed Critical Guowang Xiongan Finance Technology Group Co ltd
Priority to CN202010100340.7A priority Critical patent/CN111340721B/zh
Publication of CN111340721A publication Critical patent/CN111340721A/zh
Application granted granted Critical
Publication of CN111340721B publication Critical patent/CN111340721B/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
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/10024—Color image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种像素修正方法，对于每一待修正像素集合，依据最大过渡值以及累积分布向量确定每一待修正像素的修正值，由于，最大过渡值表征每一待修正像素应该在基准值的基础上修正的修正范围，累积分布向量中的累积分布概率表征了待修正像素集合中每一待修正像素的修正程度，所以该修正值可以保证待修正像素集合中的像素过渡自然。进一步，本申请获取修正值的修正比例，同时依据修正值和原始值对像素进行修正，从而消除图像中的边缘，使像素过渡自然。

Description

一种像素的修正方法、装置、设备及可读存储介质
技术领域
本申请涉及图像处理领域，更具体地说，涉及一种像素的修正方法、装置、设备及可读存储介质。
背景技术
在现实应用中，图像中往往存在较为明显的边缘。例如，在摄影过程中光影变化会造成的拍摄的图像中存在明显的明暗交界。
又例如，图像拼接是平时工作生活娱乐中经常使用的一项技术，拼接后的图像在电商展示、社交分享、广告设计、游戏等领域应用广泛。但是，由于不同子图片整体颜色风格或明暗程度不同，会导致拼接后的图片中相邻子图片的边缘呈现明显的色差，而人眼的机制会将这种连续的色差看成宽度为0的“线”或“边框”，从而使整幅拼接的图像包含了各种子图像的边缘，影响图像整体视觉效果。
发明内容
有鉴于此，本申请提供了一种像素的修正方法、装置、设备及可读存储介质，修正图像中的像素，以达到消除图像中的边缘的目的。如下：
一种像素的修正方法，包括：
获取待修正像素集合的原始值，所述待修正像素集合包括边缘像素点和目标像素点，所述目标像素点为，位于所述边缘像素点两侧且与所述边缘像素点位于同一行的像素点；
获取所述待修正像素集合的高斯参数，所述高斯参数包括所述待修正像素集合中的待修正像素的像素均值和像素标准差；
依据所述高斯参数，获取所述待修正像素集合的累积分布向量，所述累积分布向量由待修正像素集合中每一所述待修正像素的累积分布概率组成，任一待修正像素的累积分布概率为排序在该待修正像素之前的所有待修正像素的高斯分布概率之和；
依据最大过渡值以及所述累积分布向量，计算所述待修正像素集合中每一待修正像素的修正值；所述最大过渡值为第一基准值与第二基准值的差值，所述第一基准值依据所述边缘像素点的原始值和位于所述边缘像素点的第一侧的所述目标像素点的原始值确定，所述第二基准值依据位于所述边缘像素点的第二侧的所述目标像素点的原始值确定；
基于所述待修正像素集合中每一待修正像素的所述原始值以及所述修正值，修正所述待修正像素集合中每一待修正像素。
可选地，最大过渡值的计算方法包括：
获取所述边缘像素点和所述第一侧的所述目标像素点的像素均值，作为所述第一基准值，并计算所述第二侧的所述目标像素点的像素均值，作为所述第二基准值；
计算所述第一基准值和所述第二基准值的差值，得到所述最大过渡值。
可选地，依据最大过渡值以及所述累积分布向量，计算所述待修正像素集合中每一待修正像素的修正值，包括：
计算所述待修正像素的累积分布概率与所述最大过渡值的乘积，得到所述待修正像素的过渡值；
将所述待修正像素的过渡值与所述第一基准值或第二基准值相加，得到所述待修正像素的修正值。
可选地，基于所述待修正像素集合中每一待修正像素的所述原始值以及所述修正值，修正所述待修正像素集合中每一待修正像素，包括：
依据所述高斯参数，获取所述待修正像素的高斯分布向量，所述高斯分布向量由所述待修正像素的高斯分布概率组成；
对于任一所述待修正像素，取所述高斯分布向量中所述待修正像素的高斯分布概率作为所述待修正像素的修正比例；
以所述修正比例为所述修正值的权值，将所述修正值和所述原始值加权求和，得到所述待修正像素修正后的像素值。
一种像素的修正装置，包括：
原始值获取单元，用于获取待修正像素集合的原始值，所述待修正像素集合包括边缘像素点和目标像素点，所述目标像素点为，位于所述边缘像素点两侧且与所述边缘像素点位于同一行的像素点；
高斯参数获取单元，用于获取所述待修正像素集合的高斯参数，所述高斯参数包括所述待修正像素集合中的待修正像素的像素均值和像素标准差；
累积分布向量获取单元，用于依据所述高斯参数，获取所述待修正像素集合的累积分布向量，所述累积分布向量由待修正像素集合中每一待修正像素的累积分布概率组成，任一待修正像素的累积分布概率为排序在该待修正像素之前的所有待修正像素的高斯分布概率之和；
修正值计算单元，用于依据最大过渡值以及所述累积分布向量，计算所述待修正像素集合中每一待修正像素的修正值；所述最大过渡值为第一基准值与第二基准值的差值，所述第一基准值依据所述边缘像素点的原始值和位于所述边缘像素点的第一侧的所述目标像素点的原始值确定，所述第二基准值依据位于所述边缘像素点的第二侧的所述目标像素点的原始值确定；
像素修正单元，用于基于所述待修正像素集合中每一待修正像素的所述原始值以及所述修正值，修正所述待修正像素集合中每一待修正像素。
可选地，本装置还包括：最大过渡值计算单元；所述最大过渡值计算单元用于计算所述最大过渡值，包括：
所述最大过渡值计算单元具体用于：
获取所述边缘像素点和所述第一侧的所述目标像素点的像素均值，作为所述第一基准值，并计算所述第二侧的所述目标像素点的像素均值，作为所述第二基准值；
计算所述第一基准值和所述第二基准值的差值，得到所述最大过渡值。
可选地，修正值计算单元用于依据最大过渡值以及所述累积分布向量，计算所述待修正像素集合中每一待修正像素的修正值，包括：所述修正值计算单元具体用于：
计算所述待修正像素的累积分布概率与所述最大过渡值的乘积，得到所述待修正像素的过渡值；
将所述待修正像素的过渡值与所述第一基准值或第二基准值相加，得到所述待修正像素的修正值。
可选地，像素修正单元用于基于所述待修正像素集合中每一待修正像素的所述原始值以及所述修正值，修正所述待修正像素集合中每一待修正像素，包括：所述像素修正单元具体用于：
依据所述高斯参数，获取所述待修正像素的高斯分布向量，所述高斯分布向量由所述待修正像素的高斯分布概率组成；
对于任一所述待修正像素，取所述高斯分布向量中所述待修正像素的高斯分布概率作为所述待修正像素的修正比例；
以所述修正比例为所述修正值的权值，将所述修正值和所述原始值加权求和，得到所述待修正像素修正后的像素值。
一种像素的修正设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如上所述的像素的修正方法的各个步骤。
一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如上所述的像素的修正方法的各个步骤。
从上述的技术方案可以看出，本申请提供的像素的修正方法、装置、设备及可读存储介质，对于每一待修正像素集合，依据最大过渡值以及累积分布向量确定每一待修正像素的修正值，由于，最大过渡值表征每一待修正像素应该在基准值的基础上修正的修正范围，累积分布向量中的累积分布概率表征了待修正像素集合中每一待修正像素的修正程度，所以该修正值可以保证待修正像素集合中的像素过渡自然。进一步，本申请获取修正值的修正比例，同时依据修正值和原始值对像素进行修正，从而消除图像中的边缘，使像素过渡自然。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为示例了一张拼接图像的示意图；
图2为本申请实施例提供的一种像素的修正方法的流程示意图；
图3为本申请实施例提供的一种灰度差矩阵投影示意图；
图4a为本申请实施例提供的归一化后的高斯分布曲线；
图4b为本申请实施例提供的归一化后的累积分布曲线；
图5实例了一种修正后的图像示意图；
图6为本申请实施例提供的一种像素的修正装置的结构示意图；
图7为本申请实施例提供的一种像素的修正设备的结构示意图。
具体实施方式
本申请公开的像素修正方法适用于需要修正像素，以消除图像中的边缘的场景。图像中边缘产生的原因可以包括：光线明暗差异过大导致的图像边缘、或者拼接图像中的子图像拼接线两侧的像素色差过大导致的边缘。
例如，图1为一张拼接图像的示意图，该拼接图像(记为P)由四张子图像(即图1所标识的p1、p2、p3以及p4)拼接得到，可以看出，由于p1、p2、p3以及p4的拼接线两侧的像素色差大，所以相邻两个子图像之间产生边缘，如图1所示的垂直方向的边缘L1，和水平方向的边缘L2。如图1所示，拼接图像P的边缘为直线，在可选的其他场景下，该色差分界线可能为不规则的折线或曲线。并且边缘可能连续，也可能不连续。
在现有技术下，想要达到消除图像中的边缘，达到像素平滑过渡的目的，可以使用图像处理软件(例如Photoshop)修正边缘两侧的像素，但是研究人员发现，利用图像处理软件修正像素一次只能处理一张图像，而且，边缘两侧的像素的过渡效果不自然。
需要说明的是，数字图像数据可以用像素矩阵来表示，可以采用矩阵理论和矩阵算法对数字图像进行分析和处理。由于数字图像可以表示为像素矩阵的形式，所以在计算机数字图像处理程序中，通常用数组来存放图像数据，其中，像素矩阵中的每一元素对应于图像中的一个像素。对于彩色图像，图像中的每一像素包括三个色彩通道，即红色R、绿色G、以及蓝色B通道。所以，彩色图像的像素矩阵中每一元素包含了RGB三种颜色的像素值。对于灰度图像，每个数组的元素包含了一个像素的像素值即灰度值。当修正像素时，可以分别对每一通道的像素值进行修正。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图2为本申请实施例公开的一种像素的修正方法的流程示例图，如图2所示，本方法具体可以包括以下步骤：
S201、获取待修正像素的原始值。
具体地，待修正像素包括边缘像素点和目标像素点，其中目标像素点为位于边缘像素点两侧且与该边缘像素点位于同一行的像素点。每一待修正像素的原始值包括该待修正像素任一色彩通道的像素值。
以图1为例，假设L1为边缘，且长度为L，即沿L1方向包括L个边缘像素点。则，可以获取L个待修正像素集合，每一组待修正像素为一个待修正像素集合，其中包括一个边缘像素点和其预设个数的目标像素点，预设个数可以根据边缘像素点两侧的差异的程度进行设置。可选地，任意一个边缘像素点两侧选取的目标像素点的个数可以相同，也可以不同，本实施例不做限定。
S202、获取待修正像素集合的高斯参数。
具体地，待修正像素集合由任一边缘像素点及其目标像素点组成，任一待修正像素集合的高斯参数包括该待修正像素集合中的待修正像素的像素均值和像素标准差。
由于在实际应用中，待修正像素可以包括多个待修正像素集合，由多个待修正像素集合可以组成一个待修正像素矩阵。例如待修正像素矩阵M包括L行，2w列，每一行对应于一个待修正像素集合的原始值。则本方法可以使用算法，计算每一待修正像素集合的高斯参数。本申请实施例对此不做限定。
S203、依据高斯参数，获取待修正像素集合的累积分布向量。
具体地，该累积分布向量由待修正像素集合中每一待修正像素的累积分布概率组成。每一待修正像素的累积分布概率可以依据待修正像素集合中各个待修正像素的高斯分布概率计算得到。例如，任一待修正像素的累积分布概率为排序在该待修正像素之前的所有待修正像素的高斯分布概率之和。其中，对于任意一个待修正像素，其高斯分布概率由该待修正像素集合的高斯参数确定。
需要说明的是，本实施例进一步将累积分布向量进行归一化，得到归一化后的各个待修正像素的累积分布概率。
S204、依据最大过渡值以及所述累积分布向量，计算所述待修正像素的修正值。
可选地，像素的最大过渡值可以为待修正像素集合中边缘像素点以及位于边缘像素点第一侧的目标像素点的基准值(即第一基准值)，与第二侧的目标像素点的基准值(即第二基准值)之间的差值。其中，基准值可以为像素原始值的均值或中位值，例如，第一基准值为边缘像素点以及位于边缘像素点第一侧的目标像素点的均值。第二基准值为位于边缘像素点的第二侧的目标像素点的像素均值或中位值。
可以理解的是，由于基准值表征平均水平，所以最大过渡值即为每一待修正像素应该在基准值的基础上修正的最大值。累积分布向量中的累积分布概率表征了该待修正像素集合中的像素的修正程度。所以，本实施例依据最大过渡值以及每一待修正像素的累积分布概率，可以得到该待修正像素的修正值。
S205、基于修正值以及原始值，修正每一待修正像素。
可以理解的是，需要在待修正图像原有的像素基础上修正待修正像素，目的是使边缘两侧的像素过渡自然，所以，修正过程中针对每一待修正像素，需要同时参考该待修正像素的修正值以及原始值。所以，本实施例首先确定修正值的修正比例，修正比例可以为修正值对于修正后的像素值所占的权重。
可选地，修正比例可以为预设的固定比例值，则确定修正后的所述待修正像素的像素值的方法为：
对于任一待修正像素，以预设比例值为修正值的权值，将修正值和原始值加权求和，得到待修正像素修正后的像素值。
可选地，修正比例可以为高斯分布向量中该待修正像素的高斯分布概率，则确定修正后的所述待修正像素的像素值的方法为：
以修正比例为修正值的权值，将修正值和所述原始值加权求和，得到待修正像素修正后的像素值。
基于上述技术方案，本申请实施例提供了一种像素修正方法，对于每一待修正像素集合，依据最大过渡值以及累积分布向量确定每一待修正像素的修正值，由于，最大过渡值表征每一待修正像素应该在基准值的基础上修正的修正范围，累积分布向量中的累积分布概率表征了待修正像素集合中每一待修正像素的修正程度，所以该修正值可以保证待修正像素集合中的像素过渡自然。进一步，本申请获取修正值的修正比例，同时依据修正值和原始值对像素进行修正，从而消除图像中的边缘，使像素过渡自然。
进一步，每一待修正像素修正比例可以预设为该待修正像素的高斯分布概率，由此，保证距离边缘较近的待修正像素修正比例较大，距离边缘较远的待修正像素修正比例较小，进一步保证了像素过渡自然。
从上述流程可以看出，任意一组待修正像素的修正过程都一样，即，本实施例对于任意一组待修正像素执行上述像素的修正方法的步骤，如下：
获取待修正像素的原始值，待修正像素包括边缘像素点和目标像素点，目标像素点为，位于边缘像素点两侧且与边缘像素点位于同一行的像素点。
获取待修正像素的高斯参数，高斯参数包括待修正像素的像素均值和像素标准差。
依据高斯参数，获取待修正像素的累积分布向量，累积分布向量由每一待修正像素的累积分布概率组成。
依据最大过渡值以及累积分布向量，计算待修正像素的修正值；最大过渡值为第一基准值与第二基准值的差值，第一基准值依据边缘像素点以及位于边缘像素点的第一侧的目标像素点的原始值确定，第二基准值依据位于边缘像素的第二侧的目标像素点的原始值确定。
基于待修正像素的原始值以及修正值，修正待修正像素。
本申请实施例以上述图1所示的拼接图像为例，介绍可选的一种获取待修正像素的原始值的具体实现方式，包括：
首先，对待修正图像进行边缘检测，得到边缘的坐标。
具体地，将待修正图像转化为灰度图像，并获取该灰度图像的像素矩阵，可以理解的是，灰度图像的像素矩阵中的元素与灰度图像中的像素一一对应，每个元素的值，为对应的像素的灰度值。
在水平方向计算相邻的行之间的灰度差的绝对值，得到水平方向的灰度差矩阵，并对水平方向的灰度差矩阵进行垂直方向的投影，取投影的最高点的水平坐标，即可得到待修正图像的垂直边缘(L1)的水平坐标x。
在垂直方向计算相邻的列之间的灰度差的绝对值，得到垂直方向的灰度差矩阵。并对垂直方向的灰度差矩阵进行水平方向的投影，取投影的最高点的垂直坐标，即可得到待修正图像的边缘(L2)的垂直坐标y。
图3为水平方向的灰度差矩阵投影示意图，如图3所示，投影的最高点o的水平坐标即为垂直边缘L1的水平坐标x。
进一步，针对边缘上的任一边缘像素点(x，y1)，分别取边缘像素点两侧预设个数的像素点，组成待修正像素集合V。例如，待修正像素集合V包括2w个像素，记V＝{v1，...，vw，vw+1，...，v2w}，其中，vw为边缘像素点(x，y1)，则位于vw第一侧的任一点vi1(1≤i1≤w)的坐标为(x-i1+1,y1)，位于vw第一侧的任一点vi2(w＜i2≤2w，y1)。
可选地，图1所示的垂直边缘L1方向包括L个像素，所以可以获取L个待修正像素集合，每一待修正像素集合包括2w个像素，该2w个像素依照待修正图像中像素的位置依序排列。本步骤获取待修正像素的原始值，即获取上述每一待修正像素集合中各个像素的修正之前的像素值，其中，原始值可以包括修正之前的R通道的像素值，G通道的像素值，或B通道的像素值。基于此，每一通道可以得到一个大小L*2w的待修正像素矩阵，以R通道的待修正像素矩阵M为例，M中的任意元素为该位置上的像素的R通道原始值。可以理解的是，M为待修正图像的R通道的像素矩阵的子矩阵。
本实施例中，以上述获取的待修正像素集合V为例，对本申请实施例提供的像素的修正方法的一种可选的实现方式进行说明。以彩色图像中的R通道为例，待修正像素集合V＝{v1，...，vw，vw+1，...，v2w}中的任一待修正像素vi(1≤i≤2w)的R通道原始值为Ri，该待修正像素集合V的原始值数列为R＝{R1，...，Rw，Rw+1，...，R2w}，则高斯参数包括：
像素均值Iu：
Figure GDA0002826409320000101
以及像素标准差Is：
Figure GDA0002826409320000102
进一步，依据Iu和Is可以确定该待修正像素集合的累积分布向量，累积分布向量Q包括2w个元素，Q＝{q1,...,qw,qw+1,...,q2w}，其中，qi表示第i个像素对应的累积分布概率。
可选地，可以依据高斯分布向量G，确定累积分布向量Q。将待修正像素集合中的2w个像素值为看作离散型随机变量，则使其服从一个数学期望为像素均值Iu、标准差为像素标准差Is的正态分布。
高斯函数公式f(x)如下述公式。
Figure GDA0002826409320000103
由于本申请实施例中的原始值为离散型数据，则取高斯分布曲线上每一原始值对应的函数值，可以组成高斯分布向量G＝{g1,...,gw,gw+1,...,g2w}，定义gi(i＝1,2，...，2w)为任一像素vi对应的高斯分布概率，则：
Figure GDA0002826409320000104
可选地，由于待修正像素集合中的像素的原始值为离散数据，所以，令任一像素vi对应的累积分布概率为排序在vi之前的像素的高斯分布概率之和。即：
qi＝g1+g2+...+gi
基于此，得到待修正像素集合中的所有原始值的累积分布概率，并依序组成累积分布向量Q＝{q1,...,qw,qw+1,...,q2w}。
进一步，对高斯分布向量G＝{g1,...,gw,gw+1,...,g2w}以及累积分布向量Q＝{q1,...,qw,qw+1,...,q2w}，进行归一化，将高斯分布概率值和累积分布概率值落在[0，1]上。
可选地，归一化的方法可以为：
g’i＝(gi-min(G))/(max(G)-min(G))
q’i＝(qi-min(Q))/(max(Q)-min(Q))
其中，g’i为归一化后的像素vi高斯分布概率，则，待修正像素集合V的高斯分布向量为G’＝{g’1,...,g’w,g’w+1,...,g’2w}，q’i为归一化后的像素vi累积分布概率，则，待修正像素集合V的累积分布向量为
Figure GDA0002826409320000111
min()表示取最小值，和max()表示取最大值。
图4a示出了归一化后的高斯分布曲线，图4b示出了归一化后的累积分布曲线，需要说明的是，高斯分布曲线以及累积分布曲线为向量连续化后的曲线图。
进一步，记最大过渡值为D，则：D＝I2-I1，其中，I1取像素点{v1，v2，...，vw}的像素均值(即第一基准值)，I2取像素点{vw+1，vw+2，...，v2w}的像素均值(即第二基准值)，以R通道像素值为例：
Figure GDA0002826409320000112
Figure GDA0002826409320000113
进一步，本实施例依据最大过渡值以及累积分布向量，计算待修正像素的过渡值，计算方法可以为将任一像素的累积分布概率与最大过渡值相乘，得到该像素的过渡值。例如：
ΔRi＝D*qi
其中，ΔRi为像素vi的过渡值，D为最大过渡值，qi为vi的累积分布概率。
进一步，上述过渡值为每一像素应该在第一基准值的基础上修正的值，所以，修正值可以依据该过渡值与第一基准值确定。
则，像素vi的修正值可以依据下述公式得到：
R’i＝I1+ΔRi
基于此，得到待修正像素集合V的修正值数列，即R’＝{R’1，...，R’w，R’w+1，...，R’2w}。
进一步，取任一待修正像素的高斯分布概率为该待修正像素的修正比例，则确定修正后的待修正像素的像素值的方法为：
首先，依据高斯参数，确定每一待修正像素集合的高斯分布向量，高斯分布向量由待修正像素集合中每一像素的高斯分布概率组成。
然后，对于任一待修正像素，取高斯分布向量中待修正像素的高斯分布概率作为待修正像素修正值的修正比例，由图4a可以看出，越靠近色差分界线的像素的修正比例越高，越远离色差分界线的像素的修正比例越低，进一步保证了过渡自然。
进一步，以修正比例为修正值的权值，将修正值和原始值加权求和，得到待修正像素修正后的像素值。则，任一像素vi的修正后的像素值Fi的计算可以参照公式如下：
Fi＝g’i*R’i+(1-g’i)*Ri
其中，R’i为像素vi的修正值，g’i为像素vi的修正比例，Ri为像素vi的原始值。
基于此，得到待修正像素集合V的修正后的像素值数列F＝{F1，...，Fw，Fw+1，...，F2w}，按照该修正后的像素值修正V中的像素即可。图5为修正前后色差分界线两侧的图像示意图，如图5所示，经过像素修正后的图像像素过渡自然，没有明显的边缘。
本申请实施例还提供了一种像素的修正装置，下面对本申请实施例提供的像素的修正装置进行描述，下文描述的像素的修正装置与上文描述的像素的修正方法可相互对应参照。
请参阅图6，示出了本申请实施例提供的一种像素的修正装置的结构示意图，如图6所示，该装置可以包括：
一种像素的修正装置，包括：
原始值获取单元601，用于获取待修正像素的原始值，所述待修正像素包括边缘像素点和目标像素点，所述目标像素点为，位于所述边缘像素点两侧且与所述边缘像素点位于同一行的像素点；
高斯参数获取单元602，用于获取所述待修正像素的高斯参数，所述高斯参数包括所述待修正像素的像素均值和像素标准差；
累积分布向量获取单元603，用于依据所述高斯参数，获取所述待修正像素的累积分布向量，所述累积分布向量由每一所述待修正像素的累积分布概率组成；
修正值计算单元604，用于依据最大过渡值以及所述累积分布向量，计算所述待修正像素的修正值；所述最大过渡值为第一基准值与第二基准值的差值，所述第一基准值依据所述边缘像素点的原始值和位于所述边缘像素点的第一侧的所述目标像素点的原始值确定，所述第二基准值依据位于所述边缘像素点的第二侧的所述目标像素点的原始值确定；
像素修正单元605，用于基于所述待修正像素的所述原始值以及所述修正值，修正所述待修正像素。
可选地，本装置还包括：最大过渡值计算单元；所述最大过渡值计算单元用于计算所述最大过渡值，包括：
所述最大过渡值计算单元具体用于：
获取所述边缘像素点和所述第一侧的所述目标像素点的像素均值，作为所述第一基准值，并计算所述第二侧的所述目标像素点的像素均值，作为所述第二基准值；
计算所述第一基准值和所述第二基准值的差值，得到所述最大过渡值。
可选地，修正值计算单元用于依据最大过渡值以及所述累积分布向量，计算所述待修正像素的修正值，包括：所述修正值计算单元具体用于：
计算所述待修正像素的累积分布概率与所述最大过渡值的乘积，得到所述待修正像素的过渡值；
将所述待修正像素的过渡值与所述第一基准值或第二基准值相加，得到所述待修正像素的修正值。
可选地，像素修正单元用于基于每一所述待修正像素的所述原始值以及所述修正值，修正所述待修正像素，包括：所述像素修正单元具体用于：
依据所述高斯参数，获取所述待修正像素的高斯分布向量，所述高斯分布向量由所述待修正像素的高斯分布概率组成；
对于任一所述待修正像素，取所述高斯分布向量中所述待修正像素的高斯分布概率作为所述待修正像素的修正比例；
以所述修正比例为所述修正值的权值，将所述修正值和所述原始值加权求和，得到所述待修正像素修正后的像素值。
本申请实施例还提供了一种像素的修正设备，请参阅图7，示出了该像素的修正设备的结构示意图，该设备可以包括：至少一个处理器701，至少一个通信接口702，至少一个存储器703和至少一个通信总线704；
在本申请实施例中，处理器701、通信接口702、存储器703、通信总线704的数量为至少一个，且处理器701、通信接口702、存储器703通过通信总线704完成相互间的通信；
处理器701可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器703可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
获取待修正像素的原始值，所述待修正像素包括边缘像素点和目标像素点，所述目标像素点为，位于所述边缘像素点两侧且与所述边缘像素点位于同一行的像素点；
获取所述待修正像素的高斯参数，所述高斯参数包括所述待修正像素的像素均值和像素标准差；
依据所述高斯参数，获取所述待修正像素的累积分布向量，所述累积分布向量由每一所述待修正像素的累积分布概率组成；
依据最大过渡值以及所述累积分布向量，计算所述待修正像素的修正值；所述最大过渡值为第一基准值与第二基准值的差值，所述第一基准值依据所述边缘像素点的原始值和位于所述边缘像素点的第一侧的所述目标像素点的原始值确定，所述第二基准值依据位于所述边缘像素点的第二侧的所述目标像素点的原始值确定；
基于所述待修正像素的所述原始值以及所述修正值，修正所述待修正像素。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
获取待修正像素的原始值，所述待修正像素包括边缘像素点和目标像素点，所述目标像素点为，位于所述边缘像素点两侧且与所述边缘像素点位于同一行的像素点；
获取所述待修正像素的高斯参数，所述高斯参数包括所述待修正像素的像素均值和像素标准差；
依据所述高斯参数，获取所述待修正像素的累积分布向量，所述累积分布向量由每一所述待修正像素的累积分布概率组成；
依据最大过渡值以及所述累积分布向量，计算所述待修正像素的修正值；所述最大过渡值为第一基准值与第二基准值的差值，所述第一基准值依据所述边缘像素点的原始值和位于所述边缘像素点的第一侧的所述目标像素点的原始值确定，所述第二基准值依据位于所述边缘像素点的第二侧的所述目标像素点的原始值确定；
基于所述待修正像素的所述原始值以及所述修正值，修正所述待修正像素。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
最后，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。
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申请。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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请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)

1.一种像素的修正方法，其特征在于，包括：
获取待修正像素集合的原始值，所述待修正像素集合包括边缘像素点和目标像素点，所述目标像素点为，位于所述边缘像素点两侧且与所述边缘像素点位于同一行的像素点；
获取所述待修正像素集合的高斯参数，所述高斯参数包括所述待修正像素集合中的待修正像素的像素均值和像素标准差；
依据所述高斯参数，获取所述待修正像素集合的累积分布向量，所述累积分布向量由待修正像素集合中每一待修正像素的累积分布概率组成，任一待修正像素的累积分布概率为排序在该待修正像素之前的所有待修正像素的高斯分布概率之和；
依据最大过渡值以及所述累积分布向量，计算所述待修正像素集合中每一待修正像素的修正值；所述最大过渡值为第一基准值与第二基准值的差值，所述第一基准值依据所述边缘像素点的原始值和位于所述边缘像素点的第一侧的所述目标像素点的原始值确定，所述第二基准值依据位于所述边缘像素点的第二侧的所述目标像素点的原始值确定；
基于所述待修正像素集合中每一待修正像素的所述原始值以及所述修正值，修正所述待修正像素集合中每一待修正像素。
2.根据权利要求1所述的像素的修正方法，其特征在于，所述最大过渡值的计算方法包括：
获取所述边缘像素点和所述第一侧的所述目标像素点的像素均值，作为所述第一基准值，并计算所述第二侧的所述目标像素点的像素均值，作为所述第二基准值；
计算所述第一基准值和所述第二基准值的差值，得到所述最大过渡值。
3.根据权利要求1所述的像素的修正方法，其特征在于，所述依据最大过渡值以及所述累积分布向量，计算所述待修正像素集合中每一待修正像素的修正值，包括：
计算所述待修正像素的累积分布概率与所述最大过渡值的乘积，得到所述待修正像素的过渡值；
将所述待修正像素的过渡值与所述第一基准值或所述第二基准值相加，得到所述待修正像素的修正值。
4.根据权利要求1所述的像素的修正方法，其特征在于，所述基于所述待修正像素集合中每一待修正像素的所述原始值以及所述修正值，修正所述待修正像素集合中每一待修正像素，包括：
依据所述高斯参数，获取所述待修正像素的高斯分布向量，所述高斯分布向量由所述待修正像素的高斯分布概率组成；
对于任一所述待修正像素，取所述高斯分布向量中所述待修正像素的高斯分布概率作为所述待修正像素的修正比例；
以所述修正比例为所述修正值的权值，将所述修正值和所述原始值加权求和，得到所述待修正像素修正后的像素值。
5.一种像素的修正装置，其特征在于，包括：
原始值获取单元，用于获取待修正像素集合的原始值，所述待修正像素集合包括边缘像素点和目标像素点，所述目标像素点为，位于所述边缘像素点两侧且与所述边缘像素点位于同一行的像素点；
高斯参数获取单元，用于获取所述待修正像素集合的高斯参数，所述高斯参数包括所述待修正像素集合中的待修正像素的像素均值和像素标准差；
累积分布向量获取单元，用于依据所述高斯参数，获取所述待修正像素集合的累积分布向量，所述累积分布向量由待修正像素集合中每一待修正像素的累积分布概率组成，任一待修正像素的累积分布概率为排序在该待修正像素之前的所有待修正像素的高斯分布概率之和；
修正值计算单元，用于依据最大过渡值以及所述累积分布向量，计算所述待修正像素集合每一待修正像素的修正值；所述最大过渡值为第一基准值与第二基准值的差值，所述第一基准值依据所述边缘像素点的原始值和位于所述边缘像素点的第一侧的所述目标像素点的原始值确定，所述第二基准值依据位于所述边缘像素点的第二侧的所述目标像素点的原始值确定；
像素修正单元，用于基于所述待修正像素集合中每一待修正像素的所述原始值以及所述修正值，修正所述待修正像素集合中每一待修正像素。
6.根据权利要求5所述的装置，其特征在于，还包括：最大过渡值计算单元；所述最大过渡值计算单元用于计算所述最大过渡值，包括：
所述最大过渡值计算单元具体用于：
获取所述边缘像素点和所述第一侧的所述目标像素点的像素均值，作为所述第一基准值，并计算所述第二侧的所述目标像素点的像素均值，作为所述第二基准值；
计算所述第一基准值和所述第二基准值的差值，得到所述最大过渡值。
7.根据权利要求5所述的装置，其特征在于，所述修正值计算单元，用于依据最大过渡值以及所述累积分布向量，计算所述待修正像素集合中每一待修正像素的修正值，包括：所述修正值计算单元具体用于：
计算所述待修正像素的累积分布概率与所述最大过渡值的乘积，得到所述待修正像素的过渡值；
将所述待修正像素的过渡值与所述第一基准值或第二基准值相加，得到所述待修正像素的修正值。
8.根据权利要求5所述的装置，其特征在于，所述像素修正单元，用于基于所述待修正像素集合中每一待修正像素的所述原始值以及所述修正值，修正所述待修正像素集合中每一待修正像素，包括：所述像素修正单元具体用于：
依据所述高斯参数，获取所述待修正像素的高斯分布向量，所述高斯分布向量由所述待修正像素的高斯分布概率组成；
对于任一所述待修正像素，取所述高斯分布向量中所述待修正像素的高斯分布概率作为所述待修正像素的修正比例；
以所述修正比例为所述修正值的权值，将所述修正值和所述原始值加权求和，得到所述待修正像素修正后的像素值。
9.一种像素的修正设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1～4中任一项所述的像素的修正方法的各个步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1～4中任一项所述的像素的修正方法的各个步骤。
CN202010100340.7A 2020-02-18 2020-02-18 一种像素的修正方法、装置、设备及可读存储介质 Active CN111340721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010100340.7A CN111340721B (zh) 2020-02-18 2020-02-18 一种像素的修正方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010100340.7A CN111340721B (zh) 2020-02-18 2020-02-18 一种像素的修正方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111340721A CN111340721A (zh) 2020-06-26
CN111340721B true CN111340721B (zh) 2021-02-12

Family

ID=71185475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010100340.7A Active CN111340721B (zh) 2020-02-18 2020-02-18 一种像素的修正方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111340721B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256557B (zh) * 2021-04-07 2022-02-15 北京联世科技有限公司 一种基于舌象临症图像的中医舌态鉴别的方法及装置
CN113256743B (zh) * 2021-06-16 2022-09-02 图兮数字科技(北京)有限公司 一种图像处理方法、装置、电子设备以及可读存储介质
CN117372431B (zh) * 2023-12-07 2024-02-20 青岛天仁微纳科技有限责任公司 一种纳米压印模具的图像检测方法
CN117764762B (zh) * 2024-02-22 2024-05-10 山西余得水农牧有限公司 用于提高玉米种植中氮肥利用率的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1622638A (zh) * 2004-12-27 2005-06-01 北京中星微电子有限公司 一种视频监控***中的图像亮度修正方法
CN1820496A (zh) * 2003-10-31 2006-08-16 三菱电机株式会社 图像修正方法和摄像装置
CN101663894A (zh) * 2006-11-10 2010-03-03 爱立信股份有限公司 减少图像解压缩***中的块伪像
CN101902547A (zh) * 2008-12-31 2010-12-01 株式会社摩如富 图像处理方法以及图像处理装置
CN102104728A (zh) * 2009-12-17 2011-06-22 三洋电机株式会社 图像处理装置以及摄像装置
CN102194241A (zh) * 2011-04-28 2011-09-21 西安交通大学 基于互联网的艺术拼图***设计方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7015961B2 (en) * 2002-08-16 2006-03-21 Ramakrishna Kakarala Digital image system and method for combining demosaicing and bad pixel correction
CN100403786C (zh) * 2005-04-30 2008-07-16 广东威创视讯科技股份有限公司 大屏幕上拼接显示的图像边缘融合方法
CN101211459A (zh) * 2007-12-21 2008-07-02 上海广电集成电路有限公司 一种针对边界点进行处理的直方图均衡方法
CN102081284A (zh) * 2010-12-08 2011-06-01 苏州创捷传媒展览有限公司 一种用于多个投影图像拼接的边缘融合方法
CN102289786B (zh) * 2011-09-01 2013-08-21 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
CN103942754B (zh) * 2013-01-18 2017-07-04 深圳市腾讯计算机***有限公司 全景图像补全方法及装置
KR101929560B1 (ko) * 2013-01-29 2019-03-14 삼성전자주식회사 이미지 에지 검출 방법 및 장치
US9224362B2 (en) * 2013-03-14 2015-12-29 Microsoft Technology Licensing, Llc Monochromatic edge geometry reconstruction through achromatic guidance
CN103279939B (zh) * 2013-04-27 2016-01-20 北京工业大学 一种图像拼接处理***
WO2016178326A1 (ja) * 2015-05-07 2016-11-10 オリンパス株式会社 画像処理装置、撮像装置、画像処理方法及び画像処理装置の画像処理プログラムを記憶した記憶媒体
EP3139342A1 (en) * 2015-09-02 2017-03-08 Thomson Licensing Methods, systems and apparatus for over-exposure correction
CN105321151B (zh) * 2015-10-27 2019-09-10 Tcl集团股份有限公司 一种全景图拼接亮度均衡方法及***
CN105279735B (zh) * 2015-11-20 2018-08-21 沈阳东软医疗***有限公司 一种图像拼接的融合方法、装置及设备
CN106920217B (zh) * 2015-12-25 2020-06-02 展讯通信（上海）有限公司 图像矫正的方法及装置
CN107424179A (zh) * 2017-04-18 2017-12-01 微鲸科技有限公司 一种图像均衡方法及装置
CN108022219B (zh) * 2017-11-30 2020-06-26 湖南灵想科技股份有限公司 一种二维图像灰度修正方法
CN110533609B (zh) * 2019-08-16 2022-05-27 域鑫科技（惠州）有限公司 适用于内窥镜的图像增强方法、装置和存储介质
CN110706168A (zh) * 2019-09-25 2020-01-17 中国图片社有限责任公司 图像明暗调节方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1820496A (zh) * 2003-10-31 2006-08-16 三菱电机株式会社 图像修正方法和摄像装置
CN1622638A (zh) * 2004-12-27 2005-06-01 北京中星微电子有限公司 一种视频监控***中的图像亮度修正方法
CN101663894A (zh) * 2006-11-10 2010-03-03 爱立信股份有限公司 减少图像解压缩***中的块伪像
CN101902547A (zh) * 2008-12-31 2010-12-01 株式会社摩如富 图像处理方法以及图像处理装置
CN102104728A (zh) * 2009-12-17 2011-06-22 三洋电机株式会社 图像处理装置以及摄像装置
CN102194241A (zh) * 2011-04-28 2011-09-21 西安交通大学 基于互联网的艺术拼图***设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Probabilistic Approach for Color Correction in Image Mosaicking Applications;Miguel Oliveira et al;《 IEEE Transactions on Image Processing 》;20150228;第24卷(第2期);第508-523页 *
一种多路视频的360度实时拼接技术;黄樟钦等;《西安电子科技大学学报》;20191211;第1-8页及第31页 *

Also Published As

Publication number Publication date
CN111340721A (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
CN111340721B (zh) 一种像素的修正方法、装置、设备及可读存储介质
CN109754377B (zh) 一种多曝光图像融合方法
CN110084236B (zh) 一种图像的矫正方法及装置
Xu et al. Generalized equalization model for image enhancement
US8073277B2 (en) Apparatus and methods for image restoration
CN107644409B (zh) 图像增强方法、显示装置及计算机可读存储介质
US8433153B2 (en) Image correction apparatus and image correction method
CN112351195B (zh) 图像处理方法、装置和电子***
JP2017151908A (ja) 画像補正装置、画像補正方法及び画像補正用コンピュータプログラム
US20160253788A1 (en) Device for removing noise on image using cross-kernel type median filter and method therefor
CN111882555A (zh) 基于深度学习的网衣检测方法、装置、设备及存储介质
KR20130035914A (ko) 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 방법
CN108921869B (zh) 一种图像二值化方法及装置
US20120170861A1 (en) Image processing apparatus, image processing method and image processing program
CN111160063B (zh) 一种物联网ipc二维码配网图像增强方法及***
CN116934634A (zh) 一种基于像素分类的图像增强方法及装置
US8693777B2 (en) Apparatus and method for estimating edge areas of digital image
JP5327766B2 (ja) デジタル画像における記憶色の修正
Park et al. ULBPNet: Low-light image enhancement using U-shaped lightening back-projection
US20210374916A1 (en) Storage medium storing program, image processing apparatus, and training method of machine learning model
US11625886B2 (en) Storage medium storing program, training method of machine learning model, and image generating apparatus
CN115147389A (zh) 图像处理方法、设备以及计算机可读存储介质
CN114723632A (zh) 一种基于纹理信息的零件异常曝光图像修正方法及装置
CN114820363A (zh) 图像处理方法和装置
Zhang et al. Learning a single convolutional layer model for low light image enhancement

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 100032 room 8018, 8 / F, building 7, Guangyi street, Xicheng District, Beijing

Patentee after: State Grid Digital Technology Holdings Co.,Ltd.

Patentee after: Guowang Xiongan Finance Technology Group Co.,Ltd.

Patentee after: State Grid blockchain Technology (Beijing) Co.,Ltd.

Address before: 100053 8th floor, Xianglong business building, 311 guanganmennei street, Xicheng District, Beijing

Patentee before: STATE GRID ELECTRONIC COMMERCE Co.,Ltd.

Patentee before: Guowang Xiongan Finance Technology Group Co.,Ltd.

Patentee before: State Grid blockchain Technology (Beijing) Co.,Ltd.