CN112446837A - 图像滤波方法、电子设备及存储介质 - Google Patents
图像滤波方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112446837A CN112446837A CN202011248409.7A CN202011248409A CN112446837A CN 112446837 A CN112446837 A CN 112446837A CN 202011248409 A CN202011248409 A CN 202011248409A CN 112446837 A CN112446837 A CN 112446837A
- Authority
- CN
- China
- Prior art keywords
- pixel
- weight
- pixel point
- filtering
- value
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 21
- 238000009499 grossing Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 241001290610 Abildgaardia Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像滤波方法、电子设备及存储介质。该方法包括:获取目标图像中各像素点的边缘信息;分别将目标图像中的至少一个像素点作为第一像素点,基于第一像素点的预设范围内第二像素点的边缘信息,获取第一像素点的滤波权重;基于第一像素点的滤波权重对第一像素点的原始像素值进行滤波处理,得到第一像素点的滤波像素值。通过上述方式,能够降低目标图像边缘锯齿问题发生的概率。
Description
技术领域
本申请涉及图像处理领域,特别是涉及一种图像滤波方法、电子设备及存储介质。
背景技术
随着智能科技的发展,图像被应用于各种各样的领域。例如,生物医学、军事、交通安防和机器视觉等领域。图像的质量直接影响其在这些领域应用的有效性。
但是在对图像进行获取、处理和传输的过程中,很容易受到噪声的干扰,从而影响图像的质量。一般而言,图像的边缘存在很多有用的信息,而如果图像的边缘受到噪声的影响,会引起图像边缘锯齿问题发生,损伤视觉效果以及影响后续对图像的应用。因此图像边缘锯齿是亟待解决的问题。
发明内容
本申请提供一种图像滤波方法、电子设备及存储介质,能够解决现有技术中的图像边缘锯齿问题。
为解决上述技术问题,本申请采用的一个技术方案是:获取目标图像中各像素点的边缘信息;分别将目标图像中的至少一个像素点作为第一像素点,基于第一像素点的预设范围内第二像素点的边缘信息,获取第一像素点的滤波权重;基于第一像素点的滤波权重对第一像素点的原始像素值进行滤波处理,得到第一像素点的滤波像素值。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种电子设备,该电子设备包括处理器、与处理器连接的存储器,其中,存储器存储有程序指令;处理器用于执行存储器存储的程序指令以实现上述方法。
为解决上述技术问题,本申请采用的又一个技术方案是:提供一种存储介质,存储有程序指令,该程序指令被执行时能够实现上述方法。
通过上述方式,本申请基于第一像素点的预设范围内第二像素点的边缘信息获取第一像素点的滤波权重,基于第一像素点的滤波权重对第一像素点的原始像素值进行滤波处理,得到第一像素点的滤波像素值。因此,本申请是利用第一像素点所在预设范围内的第二像素点的边缘信息来对第一像素点进行滤波,也即使用了边缘信息来指导目标图像进行边缘滤波,能够降低目标图像边缘锯齿问题发生的概率。
附图说明
图1是本申请图像滤波方法第一实施例的流程示意图;
图2是图1中S13的具体流程示意图;
图3是图2中S131的具体流程示意图;
图4是本申请图像滤波方法第二实施例的流程示意图;
图5是图4中S24的具体流程示意图;
图6是图5中S241的具体流程示意图;
图7是本申请像素点的经平滑处理的边缘信息的分区一示意图;
图8是本申请像素点的经平滑处理的边缘信息的分区另一示意图;
图9是本申请电子设备一实施例的结构示意图;
图10是本申请存储介质一实施例的结构示意图。
具体实施方式
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,所描述的实施例仅是本申请的一部分实施例,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。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,在不冲突的情况下,本文所描述的实施例可以与其它实施例相结合。
图1是本申请图像滤波方法第一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图1所示的流程顺序为限。如图1所示,本实施例可以包括:
S11:获取目标图像中各像素点的边缘信息。
目标图像可以通过具有摄像功能的器件获取得到。具有摄像功能的器件可以为摄像头,也可以为包含摄像头的设备。
本申请提供的方法主要针对目标图像的亮度通道,当然,也适用于目标图像的其他通道。如果目标图像为多通道图像,可以通过转化矩阵,将其转化为单通道进行处理,当然,也可对每个通道分开处理。
像素点的边缘信息获取方式可以有多种,本申请主要以索贝尔(sobel)算法和方差法来对获取像素点的边缘信息进行说明。
所谓sobel算法,即利用Sobel卷积因子对目标图像作卷积处理,将卷积处理结果作为目标图像的边缘信息。目标图像的边缘信息包括目标图像中各像素点的边缘信息。
所谓方差法,即获取各像素点所在第一预设范围内的所有像素点的原始像素值的方差,作为对应的边缘信息。
S12:分别将目标图像中的至少一个像素点作为第一像素点,基于第一像素点的预设范围内第二像素点的边缘信息,获取第一像素点的滤波权重。
S12中的预设范围可以与前面提及的第一预设范围相同,也可以不同。
可选地,第一像素点的滤波权重可以包括第一像素点的预设范围内所有第二像素点的参考权重,且第二像素点包括第一像素点。
在其他实施方式中,第一像素点的滤波权重也可以仅包括第一像素点的预设范围内部分第二像素点的参考权重。在此情况下第一像素点的预设范围内的第二像素点也包括第一像素点本身。
其中,将第一像素点的预设范围内所有第二像素点的参考权重作为第一像素点的滤波权重的方式,能够使得后续基于第一像素点的滤波权重对第一像素点进行滤波处理得到的滤波结果更有效。下面以将第一像素点的预设范围内所有第二像素点的参考权重作为第一像素点的滤波权重的情况进行说明。
在一具体实施方式中,可以将各第二像素点的边缘信息分别作为各第二像素点的参考权重。在此方式下,对于每一个第二像素点而言,第二像素点的参考权重等于第二像素点的边缘信息,也即:
WeightA=EdgeA。
其中,WeightA为第二像素点A的参考权重,EdgeA为第二像素点A的边缘信息。
在另一具体实施方式中,可以基于第一像素点的边缘信息分别与各第二像素点的边缘信息间的距离,对应得到各第二像素点的参考权重,其中,滤波权重与距离负相关。在此方式下,第二像素点的参考权重可以通过下式获取得到:
其中,WeightA为第二像素点A的参考权重,EdgeA为第二像素点A的边缘信息,EdgeR为第一像素点R的边缘信息,σ为预先设定的常量。
相较于将各第二像素点的边缘信息分别作为各第二像素点的参考权重,基于第一像素点的边缘信息分别与各第二像素点的边缘信息间的距离,对应得到各第二像素点的参考权重的方式对目标图像的滤波处理效果更好。
S13:基于第一像素点的滤波权重对第一像素点的原始像素值进行滤波处理,得到第一像素点的滤波像素值。
在一具体实施方式中,可以基于第一像素点的滤波权重对第二像素点的原始像素值进行加权平均,得到第一像素点的滤波像素值。参阅图2,在此方式下,S13可以包括以下子步骤:
S131:可以基于第一像素点的滤波权重中包含的第二像素点的参考权重,对所有第二像素点的原始像素值进行加权平均,得到加权平均值。
其中,可以通过下式得到加权平均值:
其中,I′R为加权平均值,IA为第二像素点A的原始像素值,Ω为第一像素点所在的预设范围。
下面结合图3,以步骤的形式对上述获取加权平均值的过程进行说明:
S1311:分别获取各第二像素点的原始像素值与对应的参考权重的乘积,作为各第二像素点的加权像素值。
即加权像素值为IA×WeightA。
S1312:获取各第二像素点的加权像素值之间的第一和,以及获取各第二像素点的参考权重之间的第二和。
S1313:获取第一和与第二和之间的商,作为加权平均值。
S132:将加权平均值作为第一像素点的滤波像素值。
通过本实施例的实施,本申请基于第一像素点的预设范围内第二像素点的边缘信息获取第一像素点的滤波权重,基于第一像素点的滤波权重对第一像素点的原始像素值进行滤波处理,得到第一像素点的滤波像素值。因此,本申请是利用第一像素点所在预设范围内的第二像素点的边缘信息来对第一像素点进行滤波,也即使用了边缘信息来指导目标图像进行边缘滤波,能够降低目标图像边缘锯齿问题发生的概率。
在通过上述实施例提供的方法对目标图像进行滤波处理之后,还可以基于滤波处理结果对目标图像进行进一步的处理,以保留目标图像中非边缘区的纹理信息。具体可以如下:
图4是本申请图像滤波方法第二实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图4所示的流程顺序为限。如图4所示,本实施例还可以包括:
S21:获取目标图像中各像素点的边缘信息。
S22:分别将目标图像中的至少一个像素点作为第一像素点,基于第一像素点的预设范围内第二像素点的边缘信息,获取第一像素点的滤波权重。
S23:基于第一像素点的滤波权重对第一像素点的原始像素值进行滤波处理,得到第一像素点的滤波像素值。
本实施例中S21-S23的详细描述请参考前面的实施例,在此不再重复。
S24:对目标图像中各像素点的原始像素值和滤波像素值进行融合,得到各像素点的融合像素值。
由于通过上述方式对目标图像中各像素点进行滤波处理来抑制边缘锯齿的同时,可能会损失目标图像中的非边缘区的纹理信息,因此可以在对目标图像中各像素点进行滤波处理,得到各像素点的滤波像素值之后,对目标图像中各像素点的原始像素值和滤波像素值进行融合,以保留目标图像中非边缘区的纹理信息。
参阅图5,S24可以包括以下子步骤:
S241:获取各像素点的原始像素值的权重和滤波像素值的权重。
其中,各像素点的原始像素值的权重和滤波像素值的权重之和为预设数值。该预设数值可以为1,也可以为其他数值。
可以基于各像素点的边缘信息大小,获取各像素点的原始像素值的权重和滤波像素值的权重。
由于获取到的各像素点的边缘信息可能不平滑,故如果直接基于各像素点的边缘信息大小,获取各像素点的原始像素值的权重和滤波像素值的权重,可能会影响融合处理的效果。因此可以先对各像素点的边缘信息进行平滑处理,再基于经平滑处理后得到的各像素点的边缘信息大小,获取各像素点的原始像素值的权重和滤波像素值的权重。参阅图6,在此方式下,S241可以包括以下子步骤:
S2411:对像素点的边缘信息进行平滑处理。
平滑处理的方式可以为均值滤波、中值滤波、高斯滤波或者边缘滤波等等。例如,选择平滑处理的方式为3*3的高斯滤波。
S2422:利用经平滑处理的边缘信息所属范围,确定像素点的滤波像素值的权重。
可以将目标图像划分为多个区域,每个区域对应一边缘信息范围,每个区域的像素点的经平滑处理的边缘信息属于对应的边缘信息范围。每个边缘信息范围具有对应的权重获取方式。
在一具体实施方式中,可以将边缘信息划分为第一范围、第二范围和第三范围。其中第一范围的上限值小于或等于第二范围的下限值,第二范围的上限值小于或等于第三范围的下限值。
若边缘信息属于第一范围,则滤波像素值的权重为第一权重;若边缘信息属于第二范围,则滤波像素值的权重为第二权重;若边缘信息属于第三范围,则滤波像素值的权重为第三权重。
其中,第一范围可以视为非边缘区,第二范围可以视为非边缘和边缘过度区,第三范围可以视为边缘区。因此,可以设置第一权重小于第二权重,第二权重小于第三权重,以实现在抑制边缘区锯齿的同时保留非边缘区的纹理信息。
可选地,第二权重是基于第一权重、第三权重和经平滑处理的边缘信息获取到的。
结合图7进行举例说明,图7中横轴为像素点的经平滑处理的边缘信息(SEdge),纵轴为权重(Bal)。将边缘信息划分为非边缘区(SEdge≤Thr0)、非边缘和边缘过度区(Thr0<SEdge≤Thr1)和边缘区(else)。在此基础上,可以通过下式确定各像素点的滤波像素值的权重:
其中,BalMin为非边缘区的各像素点的滤波像素值的权重,BalMax为边缘区的各像素点的滤波像素值的权重,非边缘和边缘过度区的权重可以基于非边缘区的权重BalMin、边缘区域的权重BalMax和经平滑处理的边缘信息SEdge获取得到。第一范围的上限值Thr0和第二范围的上限值Thr1为用户配置参数。
当然,在其他实施方式中,还可以将目标图像划分为更多的区域,例如上述非边缘区、非边缘和边缘过度区、边缘区作进一步的划分,以提高融合处理的效果。例如,如图8所示,可以分别将非边缘区、非边缘和边缘过度区、边缘区进一步划分为浅度区、中度区、深度区等等。
S242:对于每个像素点,按照原始像素值和滤波像素值的权重,对原始像素值和滤波像素值进行加权融合,得到像素点的融合像素值。
可以通过下式获取像素点的融合像素值:
IEdgeFilter=I′×Bal+I×(1.0-Bal)。
其中,IEdgeRFilter为融合像素值,I′为目标图像的滤波像素值,I为目标图像的原始像素值。
通过本实施例的实施,本申请在对目标图像的像素点的原始像素值进行滤波处理得到滤波像素值之后,进一步对像素点的原始像素值和滤波像素值进行融合处理,能够在抑制目标图像边缘区锯齿的同时保留非边缘区的纹理信息。
图9是本申请电子设备一实施例的结构示意图。如图9所示,该电子设备包括处理器31、与处理器耦接的存储器32。
其中,存储器32存储有用于实现上述任一实施例的方法的程序指令;处理器31用于执行存储器32存储的程序指令以实现上述方法实施例的步骤。其中,处理器31还可以称为CPU(Central Processing Unit,中央处理单元)。处理器31可能是一种集成电路芯片,具有信号的处理能力。处理器31还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
图10是本申请存储介质一实施例的结构示意图。如图10所示,本申请实施例的计算机可读存储介质40存储有程序指令41,该程序指令41被执行时实现本申请上述实施例提供的方法。其中,该程序指令41可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质40中,以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的计算机可读存储介质40包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (11)
1.一种图像滤波方法,其特征在于,包括:
获取目标图像中各像素点的边缘信息;
分别将所述目标图像中的至少一个像素点作为第一像素点,基于所述第一像素点的预设范围内第二像素点的边缘信息,获取所述第一像素点的滤波权重;
基于所述第一像素点的滤波权重对所述第一像素点的原始像素值进行滤波处理,得到所述第一像素点的滤波像素值。
2.根据权利要求1所述的方法,其特征在于,所述第一像素点的滤波权重包括所述第一像素点的预设范围内所有所述第二像素点的参考权重,且所述第二像素点包括所述第一像素点;所述基于所述第一像素点的预设范围内第二像素点的边缘像素值,获取所述第一像素点的滤波权重,包括:
将各所述第二像素点的边缘信息分别作为各所述第二像素点的参考权重;或,
基于所述第一像素点的边缘信息分别与各所述第二像素点的边缘信息间的距离,对应得到各所述第二像素点的参考权重,其中,所述滤波权重与所述距离负相关。
3.根据权利要求1所述的方法,其特征在于,所述第一像素点的滤波权重包括所述第一像素点的预设范围内所有所述第二像素点的参考权重,且所述第二像素点包括所述第一像素点;所述基于所述第一像素点的滤波权重对所述第一像素点的原始像素值进行滤波处理,得到所述第一像素点的滤波像素值,包括:
基于所述第一像素点的滤波权重中包含的所述第二像素点的参考权重,对所有所述第二像素点的原始像素值进行加权平均,得到加权平均值;
将所述加权平均值作为所述第一像素点的滤波像素值。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第一像素点的滤波权重中包含的所述第二像素点的参考权重,对所有所述第二像素点的原始像素值进行加权平均,得到加权平均值,包括:
分别获取各所述第二像素点的原始像素值与对应的所述参考权重的乘积,作为各所述第二像素点的加权像素值;
获取各所述第二像素点的加权像素值之间的第一和,以及获取各所述第二像素点的参考权重之间的第二和;
获取所述第一和与所述第二和之间的商,作为所述加权平均值。
5.根据权利要求1所述的方法,其特征在于,在所述基于所述第一像素点的滤波权重对所述第一像素点的原始像素值进行滤波处理,得到所述第一像素点的滤波像素值之后,包括:
对所述目标图像中各所述像素点的原始像素值和滤波像素值进行融合,得到各所述像素点的融合像素值。
6.根据权利要求5所述的方法,其特征在于,所述对所述目标图像中各所述像素点的原始像素值和滤波像素值进行融合,包括:
获取各所述像素点的所述原始像素值的权重和所述滤波像素值的权重,其中,各所述像素点的所述原始像素值的权重和所述滤波像素值的权重之和为预设数值;
对于每个所述像素点,按照所述原始像素值和所述滤波像素值的权重,对所述原始像素值和所述滤波像素值进行加权融合,得到所述像素点的融合像素值。
7.根据权利要求6所述的方法,其特征在于,获取所述滤波像素值的权重,包括:
对所述像素点的边缘信息进行平滑处理;
利用经平滑处理的所述边缘信息所属范围,确定所述像素点的滤波像素值的权重。
8.根据权利要求7所述的方法,其特征在于,所述利用经平滑处理的所述边缘信息所属范围,确定所述像素点的滤波像素值的权重,包括:
若所述边缘信息属于第一范围,则所述滤波像素值的权重为第一权重;若所述边缘信息属于第二范围,则所述滤波像素值的权重为第二权重;若所述边缘信息属于第三范围,则所述滤波像素值的权重为第三权重;
所述第一范围的上限值小于或等于所述第二范围的下限值,所述第二范围的上限值小于或等于所述第三范围的下限值。
9.根据权利要求8所述的方法,其特征在于,所述第一权重小于所述第二权重,所述第二权重小于所述第三权重;
和/或,所述第二权重是基于所述第一权重、所述第三权重和所述经平滑处理的边缘信息获取到的。
10.一种电子设备,其特征在于,包括处理器、与所述处理器连接的存储器,其中,
所述存储器存储有程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以实现权利要求1-9中任一项所述的方法。
11.一种存储介质,其特征在于,所述存储介质存储程序指令,所述程序指令被执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011248409.7A CN112446837A (zh) | 2020-11-10 | 2020-11-10 | 图像滤波方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011248409.7A CN112446837A (zh) | 2020-11-10 | 2020-11-10 | 图像滤波方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112446837A true CN112446837A (zh) | 2021-03-05 |
Family
ID=74736889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011248409.7A Pending CN112446837A (zh) | 2020-11-10 | 2020-11-10 | 图像滤波方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446837A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363632A (zh) * | 2021-12-10 | 2022-04-15 | 浙江大华技术股份有限公司 | 帧内预测方法、编解码方法、编解码器、***、电子设备和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110051003A1 (en) * | 2007-08-27 | 2011-03-03 | Powerlayer Microsystems Holding Inc. | Video image motion processing method introducing global feature classification and implementation device thereof |
JP2012133492A (ja) * | 2010-12-20 | 2012-07-12 | Nikon Corp | 画像処理装置およびプログラム |
CN102665086A (zh) * | 2012-04-26 | 2012-09-12 | 清华大学深圳研究生院 | 利用基于区域的局部立体匹配获取视差的方法 |
CN103139577A (zh) * | 2011-11-23 | 2013-06-05 | 华为技术有限公司 | 一种深度图像滤波方法、获取深度图像滤波阈值的方法和装置 |
CN106157257A (zh) * | 2015-04-23 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 图像滤波的方法和装置 |
WO2017101489A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股(北京)有限公司 | 图像滤波方法及装置 |
US20180040104A1 (en) * | 2016-08-04 | 2018-02-08 | Intel Corporation | Restoring Color and Infrared Images from Mosaic Data |
CN108765312A (zh) * | 2018-04-27 | 2018-11-06 | 西安科技大学 | 一种基于方差信息的图像去噪方法 |
CN108830798A (zh) * | 2018-04-23 | 2018-11-16 | 西安电子科技大学 | 一种基于传播滤波器改进的图像去噪方法 |
CN109978876A (zh) * | 2019-04-03 | 2019-07-05 | 北京环境特性研究所 | 一种基于快速双边滤波的烟雾识别方法和装置 |
CN110910326A (zh) * | 2019-11-22 | 2020-03-24 | 上海商汤智能科技有限公司 | 图像处理方法及装置、处理器、电子设备及存储介质 |
CN111415310A (zh) * | 2020-03-26 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
-
2020
- 2020-11-10 CN CN202011248409.7A patent/CN112446837A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110051003A1 (en) * | 2007-08-27 | 2011-03-03 | Powerlayer Microsystems Holding Inc. | Video image motion processing method introducing global feature classification and implementation device thereof |
JP2012133492A (ja) * | 2010-12-20 | 2012-07-12 | Nikon Corp | 画像処理装置およびプログラム |
CN103139577A (zh) * | 2011-11-23 | 2013-06-05 | 华为技术有限公司 | 一种深度图像滤波方法、获取深度图像滤波阈值的方法和装置 |
CN102665086A (zh) * | 2012-04-26 | 2012-09-12 | 清华大学深圳研究生院 | 利用基于区域的局部立体匹配获取视差的方法 |
CN106157257A (zh) * | 2015-04-23 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 图像滤波的方法和装置 |
WO2017101489A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股(北京)有限公司 | 图像滤波方法及装置 |
US20180040104A1 (en) * | 2016-08-04 | 2018-02-08 | Intel Corporation | Restoring Color and Infrared Images from Mosaic Data |
CN108830798A (zh) * | 2018-04-23 | 2018-11-16 | 西安电子科技大学 | 一种基于传播滤波器改进的图像去噪方法 |
CN108765312A (zh) * | 2018-04-27 | 2018-11-06 | 西安科技大学 | 一种基于方差信息的图像去噪方法 |
CN109978876A (zh) * | 2019-04-03 | 2019-07-05 | 北京环境特性研究所 | 一种基于快速双边滤波的烟雾识别方法和装置 |
CN110910326A (zh) * | 2019-11-22 | 2020-03-24 | 上海商汤智能科技有限公司 | 图像处理方法及装置、处理器、电子设备及存储介质 |
CN111415310A (zh) * | 2020-03-26 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363632A (zh) * | 2021-12-10 | 2022-04-15 | 浙江大华技术股份有限公司 | 帧内预测方法、编解码方法、编解码器、***、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378846B (zh) | 一种处理图像磨皮的方法、装置、介质和电子设备 | |
CN107423699B (zh) | 活体检测方法及相关产品 | |
CN111402170B (zh) | 图像增强方法、装置、终端及计算机可读存储介质 | |
CN111726521B (zh) | 终端的拍照方法、拍照装置和终端 | |
CN103973977A (zh) | 一种预览界面的虚化处理方法、装置及电子设备 | |
CN110177210B (zh) | 拍照方法及相关装置 | |
CN111861938B (zh) | 图像去噪方法、装置、电子设备及可读存储介质 | |
CN111127303A (zh) | 背景虚化方法、装置、终端设备及计算机可读存储介质 | |
CN111161299B (zh) | 影像分割方法、存储介质及电子装置 | |
CN111582005A (zh) | 图像处理方法、装置、计算机可读介质及电子设备 | |
CN105120154A (zh) | 一种图像处理方法及终端 | |
CN111311481A (zh) | 背景虚化方法、装置、终端设备及存储介质 | |
CN110689565B (zh) | 一种深度图确定的方法、装置及电子设备 | |
CN111105370B (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
CN113658065B (zh) | 图像降噪方法及装置、计算机可读介质和电子设备 | |
CN111161136A (zh) | 图像虚化方法、图像虚化装置、设备及存储装置 | |
CN112446837A (zh) | 图像滤波方法、电子设备及存储介质 | |
CN113313645B (zh) | 图像处理方法、图像处理装置、终端及可读存储介质 | |
WO2016113805A1 (en) | Image processing method, image processing apparatus, image pickup apparatus, program, and storage medium | |
CN115761827A (zh) | 一种化妆进度检测方法、装置、设备及存储介质 | |
CN112419161B (zh) | 图像处理方法及装置、存储介质及电子设备 | |
CN107945202B (zh) | 基于自适应阈值的图像分割方法、装置及计算设备 | |
US20150117757A1 (en) | Method for processing at least one disparity map, corresponding electronic device and computer program product | |
CN112950515B (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN109949253B (zh) | 一种预测框的过滤方法、电子设备及存储介质 |
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 |