CN113129389B - 判断摩尔纹的方法、抑制摩尔纹的方法与电路*** - Google Patents
判断摩尔纹的方法、抑制摩尔纹的方法与电路*** Download PDFInfo
- Publication number
- CN113129389B CN113129389B CN201911389012.7A CN201911389012A CN113129389B CN 113129389 B CN113129389 B CN 113129389B CN 201911389012 A CN201911389012 A CN 201911389012A CN 113129389 B CN113129389 B CN 113129389B
- Authority
- CN
- China
- Prior art keywords
- moire
- pixels
- pixel
- image
- detection window
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000002401 inhibitory effect Effects 0.000 title claims description 4
- 230000004044 response Effects 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 230000009467 reduction Effects 0.000 claims abstract description 5
- 230000001629 suppression Effects 0.000 claims description 45
- 230000008859 change Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims 1
- 230000000750 progressive effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 5
- YPJMOVVQKBFRNH-UHFFFAOYSA-N 1-(9-ethylcarbazol-3-yl)-n-(pyridin-2-ylmethyl)methanamine Chemical compound C=1C=C2N(CC)C3=CC=CC=C3C2=CC=1CNCC1=CC=CC=N1 YPJMOVVQKBFRNH-UHFFFAOYSA-N 0.000 description 4
- YHOXIEXEPIIKMD-UHFFFAOYSA-N 9a-[(4-chlorophenyl)methyl]-7-hydroxy-4-[4-(2-piperidin-1-ylethoxy)phenyl]-2,9-dihydro-1h-fluoren-3-one Chemical compound C1C2=CC(O)=CC=C2C2=C(C=3C=CC(OCCN4CCCCC4)=CC=3)C(=O)CCC21CC1=CC=C(Cl)C=C1 YHOXIEXEPIIKMD-UHFFFAOYSA-N 0.000 description 4
- 101100464782 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) CMP2 gene Proteins 0.000 description 4
- 101100464779 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) CNA1 gene Proteins 0.000 description 4
- 101000737979 Schizosaccharomyces pombe (strain 972 / ATCC 24843) Charged multivesicular body protein 7 Proteins 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- 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
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Color Television Image Signal Generators (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
一种判断与抑制摩尔纹的方法，以及电路***，在所述方法中，取得图像中多个像素的亮度值，可于一检测窗口中选取用以判断摩尔纹类型的多个关键像素，针对各像素，通过检测窗口计算多个关键像素与分别对应的多个邻近像素的一摩尔纹响应值，以及利用检测窗口比对其中关键像素与邻近像素的亮度值，将比对结果进行统计，用以判断各像素的亮度特性，之后可以根据摩尔纹响应值与统计的结果确认图像中的摩尔纹位置与类型。接着，对判断为摩尔纹的多个像素进行色彩降噪。
Description
技术领域
本发明涉及判断摩尔纹的技术，特别涉及一种侦测出不同方向的摩尔纹、统计摩尔纹特征比较值而判断摩尔纹的方法、以及抑制所判断的摩尔纹的方法与实现所述方法的电路***。
背景技术
在数字图像中常见的成像缺陷中，摩尔纹(Moiré Pattern)就是一种，摩尔纹形成的一般原因是因为图像传感器中的感光组件(如CCD或CMOS)在取得图像数据时，如利用数码相机拍摄照片、数码摄影机拍摄影片或是利用扫描仪取得图像时，处理的图像受到高频干扰，而在图像上出现了彩色和形状不规律的条纹，称为摩尔纹。
另外，当拍摄具有密集纹路的物体(如纺织物、重复性高的线条、显示屏幕等)，若感光组件的像素取样频率与物体上纹路的空间频率接近，会在图像上产生低频的纹理，同时又由于使用拜耳滤色镜(Bayer Filter)，在红绿蓝色可见光的取样率不同，摩尔纹上常伴随着色彩噪声，不符合人眼实际看到的结果。
为了解决摩尔纹现象，在制造相机时，或在镜头上加入一片光学低通滤波器(Low-Pass Filter)，虽然有助于减少摩尔纹的现象，但会损失部分图像细节。另有解决方案是在图像信号处理器(Image Signal Processor，ISP)中进行后处理，可将像素亮度变化较低而色彩变化较高的地方判断为发生摩尔纹的位置，可根据邻近像素做色彩补偿，但因此可能会有饱和度(saturation)降低的问题。
如此，现有技术所揭露的方法未必能准确侦测出摩尔纹，若有误判，则会降低图像的色彩质量，且色彩补偿的机制也可能受限于硬件限制而无法完全消除摩尔纹。
发明内容
说发明公开了一种判断摩尔纹的方法、抑制摩尔纹的方法与实现此方法的电路***，其中目的之一是利用图像处理技术处理数字图像中的摩尔纹(Moiré Pattern)，包括侦测摩尔纹的位置，其目的之一是要能减少发生摩尔纹的位置的色彩噪声，使成像结果更符合人眼视觉感受。
根据判断摩尔纹的方法的实施例，先取得图像中多个像素的亮度信息，例如在一YUV(亮度-色度-浓度)色彩空间中的亮度值，或一RGB(红-绿-蓝)色彩空间中三色通道值的平均值，接着，设有一检测窗口，在此检测窗口中选取用以判断摩尔纹类型的多个关键像素，再逐一对各像素计算在检测窗口中多个关键像素与分别对应的多个邻近像素的一摩尔纹响应值，这可用以判断图像是否具备摩尔纹特征。
之后，再针对各像素，利用检测窗口比对其中多个关键像素与分别对应的多个邻近像素的亮度值，对比对结果进行统计，用以判断各像素的亮度特性，因此，可以根据摩尔纹响应值与统计的结果确认图像中的摩尔纹位置与类型。
优选地，其中，在计算摩尔纹响应值的步骤中，在检测窗口中设有一权重掩码，可以根据所要判断的摩尔纹类型设计此权重掩码，包括赋予多个关键像素较高的权重值，对多个邻近像素赋予较低的权重值，再由多个关键像素与对应的多个邻近像素分别乘以权重值以计算摩尔纹响应值。
进一步地，可对各像素计算得出的摩尔纹响应值比对第一阈值，以得出像素与其邻近像素的亮度变化，再进一步判断图像是否具备摩尔纹特征。并且，可在比对多个关键像素与分别对应的多个邻近像素的亮度信息时，引入第二阈值，以确认各像素的亮度特性。
所述摩尔纹的类型为水平与垂直方向的摩尔纹、主对角线方向的摩尔纹或次对角线方向的摩尔纹。
进一步地，可以针对判断出为摩尔纹的相关像素进行色彩摩尔纹抑制，包括可将判断为摩尔纹的多个像素映射于亮度-色度-浓度色彩空间的一色度-浓度平面，再对色度-浓度平面中一色彩抑制范围内的像素色彩抑制成灰阶，进一步地，色度-浓度平面更区别一色彩抑制渐进范围，色彩抑制渐进范围内的像素色彩与色度-浓度平面的一坐标中心的距离设定一抑制倍率，在此色彩抑制渐进范围内，可根据抑制倍率执行色彩抑制。
根据电路***的实施例，可为一数字图像处理器，其中执行了所述的判断摩尔纹方法，以及抑制摩尔纹的方法。
为能更进一步了解本发明的特征及技术内容，请参考以下有关本发明的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本发明加以限制。
附图说明
图1是示出了实现判断与抑制摩尔纹方法的电路***实施例的功能方块图；
图2是示出了判断与抑制摩尔纹的方法实施例的流程图；
图3是示出了在判断摩尔纹的方法中判断摩尔纹方向的实施例的示意图；
图4A与图4B是分别示出了水平与垂直摩尔纹的示意图；
图5A至图5C是示出了判断水平与垂直方向摩尔纹的方法的示意图；
图6A至图6C是示出了判断主对角线方向摩尔纹的方法的示意图；
图7A至图7C是示出了判断次对角线方向摩尔纹的方法的示意图；
图8是示出了执行抑制摩尔纹的方法的色彩空间的实施例的示意图；以及
图9是示出了抑制摩尔纹的方法的实施例的流程图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不背离本发明的构思下进行各种修改与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸的描绘。以下的实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。
应当可以理解的是，虽然本文中可能会使用到“第一”、“第二”、“第三”等术语来描述各种组件或者信号，但这些组件或者信号不应受这些术语的限制。这些术语主要是用以区分一组件与另一组件，或者一信号与另一信号。另外，本文中所使用的术语“或”，应视实际情况可能包括相关联的列出项目中的任一个或者多个的组合。
根据说明书所公开的判断摩尔纹的方法、抑制摩尔纹的方法与电路***的实施例，在判断摩尔纹方法实施例中，主要是先依据摩尔纹响应值侦测出不同方向的摩尔纹，也就是利用图像中像素的分布特性得出摩尔纹发生的地方，并接着统计摩尔纹特征比较值，确定类型，最后在抑制摩尔纹的方法中对判断为摩尔纹的像素上进行色彩降噪。
摩尔纹的类型大致上可以区分为水平与垂直方向的摩尔纹、主对角线与次对角线方向的摩尔纹等。举例来说，电路***可逐一对图像中的每个像素(或针对取样的像素)通道进行分析，以判断其中像素是否具有水平、垂直或正/次对角线方向的摩尔纹，再进一步执行抑制。在此一提的是，因为摩尔纹的特征是为重复且密集度高的线条，因此可以利用水平、垂直、对角线等亮度特征作为判断摩尔纹的条件。
首先参考图1，其是示出了实现判断与抑制摩尔纹方法的电路***实施例的功能方块图，电路***可为一数字图像处理器(digital image processor)或是以一计算机***实现，电路***的主要电路包括处理器与内存，其中以处理器运行判断与抑制摩尔纹方法，根据功能可以包括以软件或配合硬件实现的色彩空间转换单元102、摩尔纹响应值计算单元103、摩尔纹特征统计单元104、摩尔纹判断单元105以及摩尔纹抑制单元106，以下将描述电路***运行判断摩尔纹的方法以及抑制摩尔纹的方法的流程，可参考图2示出的方法实施例流程，以及各单元功能。
经图1示出的电路***接收原始图像101后(步骤S201，图2)，可以为一原始图像文件(RAW)或是某色彩空间(color space)的像素值，以一色彩空间转换单元102将图像转换为可以执行判断与抑制色彩摩尔纹的一特定色彩空间(步骤S203)，如YUV(亮度-色度-浓度)色彩空间、RGB(红-绿-蓝)色彩空间等，特别是可以取得像素亮度信息的任一色彩空间。其中YUV色彩空间中各像素的Y值表示亮度值，RGB色彩空间可以为各像素经色彩还原后的三色通道值的平均值作为判断亮度的依据。
接着电路***可根据硬件运算能力决定一个检测窗口，逐像素地判断各像素是否为发生摩尔纹的位置，其中方法是可先于检测窗口中选取用以判断摩尔纹类型的多个关键像素，通过检测窗口逐一对各像素演算，得出图像中每个区域(对应检测窗口大小)中关键像素与其邻近像素的分布特性得出摩尔纹的位置。实施例可以电路***中的摩尔纹响应值计算单元103，应用检测窗口中设定的各像素权重值，利用像素的亮度值，逐一计算水平、垂直或对角线方向的摩尔纹响应值(步骤S205)，各方向摩尔纹响应值可以判断出各像素是否属于符合摩尔纹特征的边缘像素(edge pixel)。之后，再以电路***中的摩尔纹特征统计单元104取得各检测窗口中几个用以判断摩尔纹方向的关键像素与邻近像素的摩尔纹特征关系，这可以是比较像素的亮度值，针对相邻像素的摩尔纹特征比较值进行统计(步骤S207)。
接着，通过电路***的摩尔纹判断单元105，根据***设定的阈值可以检验上述步骤得出的摩尔纹响应值与摩尔纹特征比较值，以确定当下像素是否属于摩尔纹的一部分(步骤S209)，再以摩尔纹抑制单元106对断定为摩尔纹一部分的像素进行色彩抑制，其中可抑制摩尔纹范围中的像素色彩为灰阶，或是依照程度不同而设定不同的抑制倍率，再抑制像素的色彩为灰阶(步骤S211)，最后输出结果，也就是输出经过摩尔纹抑制的输出图像107(步骤S213)。
可参考图3所示出的判断摩尔纹的方法中判断摩尔纹方向的实施例示意图。
图3示出图像中一个5x5像素数组的区域，实际实施可依照硬件资源选取适当的像素数组，此实施例以YUV色彩空间中像素的Y值(亮度值)为计算依据。5x5的像素数组中当下执行判断的像素为Y(i,j)，以此为区域原点以标注邻近的像素，例如，当下像素Y(i,j)的水平像素包括：Y(i,j-2)、Y(i,j-1)、Y(i,j)、Y(i,j+1)以及Y(i,j+2)；垂直像素包括：Y(i-2,j)、Y(i-1,j)、Y(i,j)、Y(i+1,j)以及Y(i+2,j)；主对角线(左上右下)像素包括：Y(i-2,j-2)、Y(i-1,j-1)、Y(i,j)、Y(i+1,j+1)以及Y(i+2,j+2)。
图4A是示出了一个具有垂直摩尔纹的像素数组示意图，在一检测窗口中，中央像素为当下像素40，依照垂直摩尔纹的特性可知，垂直摩尔纹的特征是垂直方向像素的亮度值相较于其他方向是比较接近的(可设有阈值来判断接近的程度)，除了垂直方向的像素外，当下像素40与其他邻近像素(左、右、左上、左下、右上、右下)的亮度值差值应该比较大(可设有阈值决定差值大小)，因此这个特征可以用来寻找垂直摩尔纹。
图4B为具有水平摩尔纹的像素数组示意图，中央像素为当下像素40’，同理，在图4B中，水平摩尔纹的特征则是在水平方向的像素亮度值比较接近，而除了水平方向的像素外，当下像素40’与其他邻近像素(上、下、左上、左下、右上、右下)的亮度值差值比较大，因此，也可利用这个特征寻找水平摩尔纹。
实施例一：水平与垂直方向摩尔纹。
综合上述水平与垂直方向摩尔纹的特征，如图5A至5C所示，判断摩尔纹的方法是通过计算当下像素50与邻近斜向(对角线方向)像素(称关键像素)的亮度值(如Y值)差值判断是否具有水平或垂直方向的摩尔纹。图5A以中央像素作为当下像素50，与斜向像素(以箭头表示)之间的亮度值差值作为判断水平或垂直摩尔纹的根据。图5B则是另一表示方式，要求得5x5像素数组中几个关键像素与其斜向像素(如箭头表示)之间亮度值差值，作为判断水平或垂直摩尔纹的依据。图5C示出了一个对检测窗口中的关键像素与其邻近像素设定的权重掩码(mask)示例，根据所要判断的类型设计权重掩码，以及，可于计算摩尔纹响应值时赋予其中关键像素较高权重值，此实施例为4与1，当下像素50可设有最高的权重值4，其余关键像素设为权重值1，来作为演算公式的系数；反之赋予关键像素斜向邻近像素为较低权重值(此实施例为-2)，由此强调出图像的空间分布特性。
参考图3标示的像素以及图5A至5C，公式A表示以检测窗口对图像中每个像素计算检测窗口所对应的特定区域的水平或垂直摩尔纹响应值，公式A示出前半段算式「(4*Y(i,j)+Y(i-2,j)+Y(i,j+2)+Y(i+2,j)+Y(i,j-2))」为计算某图像区域中几个关键像素的亮度值和，特别是可以乘以图5C示出的权重值；公式A的后半段算式「(2*Y(i-1,j-1)+2*Y(i-1,j+1)+2*Y(i+1,j+1)+2*Y(i+1,j-1))」为计算关键像素的斜向邻近像素的亮度值和(可乘以图5C示出的权重值)。公式A的前后算式相减并取绝对值则得出这个像素区域内的亮度值梯度(gradient)，当整个图像的亮度值梯度都计算出来，这个差值(绝对值)越大，越是凸显出图像中的水平或垂直摩尔纹，反之，则表示没有明显的摩尔纹，这个差值表示为水平垂直方向的摩尔纹响应值(Moire_HVEdge)，也就是取得像素的边缘特性，用以判断其中是否具备摩尔纹特征，也是证实当像素的取样频率与纹路的空间频率一致或接近时会产生摩尔纹的现象。
Moire_HVEdge＝|(4*Y(i,j)+Y(i-2,j)+Y(i,j+2)+Y(i+2,j)+Y(i,j-2))-(2*Y(i-1,j-1)+2*Y(i-1,j+1)+2*Y(i+1,j+1)+2*Y(i+1,j-1))|(公式A)
接着，利用检测窗口，逐一对各像素比对所在的像素区域中多个关键像素与分别对应的邻近像素的亮度值大小，并进行统计，用以侦测出边缘而判断为摩尔纹。公式B与公式C表示统计水平或垂直摩尔纹特征比较值。根据图1标示的像素亮度值，若当下像素亮度值Y(i,j)为相对高的亮度值，如公式B所示，其中KHV代表使用者设定的像素值的差，依照实际环境光源而定，作为确认水平与垂直方向上关键像素(Y(i,j)、Y(i-2,j)、Y(i,j+2)、Y(i+2,j)、Y(i,j-2))与其邻近关键像素的亮度值差值大于(亮度值至少大于KHV)可以判断为摩尔纹的阈值。其中，可以仅针对通过摩尔值响应值确认为摩尔纹一部分的像素执行亮度值比对与统计。
公式B：
Moire_HVCMP1＝(Y(i,j)>Y(i-1,j-1)+KHV)
Moire_HVCMP2＝(Y(i,j)>Y(i-1,j+1)+KHV)
Moire_HVCMP3＝(Y(i,j)>Y(i+1,j+1)+KHV)
Moire_HVCMP4＝(Y(i,j)>Y(i+1,j-1)+KHV)
Moire_HVCMP5＝(Y(i-2,j)>Y(i-1,j-1)+KHV)
Moire_HVCMP6＝(Y(i-2,j)>Y(i-1,j+1)+KHV)
Moire_HVCMP7＝(Y(i,j+2)>Y(i-1,j+1)+KHV)
Moire_HVCMP8＝(Y(i,j+2)>Y(i+1,j+1)+KHV)
Moire_HVCMP9＝(Y(i+2,j)>Y(i+1,j+1)+KHV)
Moire_HVCMP10＝(Y(i+2,j)>Y(i+1,j-1)+KHV)
Moire_HVCMP11＝(Y(i,j-2)>Y(i-1,j-1)+KHV)
Moire_HVCMP12＝(Y(i,j-2)>Y(i+1,j-1)+KHV)
若当下像素亮度值Y(i,j)为相对低的亮度值，如公式C所示，同样KHV作为确认水平与垂直方向上关键像素(Y(i,j)、Y(i-2,j)、Y(i,j+2)、Y(i+2,j)、Y(i,j-2))与其邻近像素的亮度值差值大于(用KHV加大亮度差值阈值)可以判断为摩尔纹的阈值。
公式C：
Moire_HV’CMP1＝(Y(i,j)<Y(i-1,j-1)-KHV)
Moire_HV’CMP2＝(Y(i,j)<Y(i-1,j+1)-KHV)
Moire_HV’CMP3＝(Y(i,j)<Y(i+1,j+1)-KHV)
Moire_HV’CMP4＝(Y(i,j)<Y(i+1,j-1)-KHV)
Moire_HV’CMP5＝(Y(i-2,j)<Y(i-1,j-1)-KHV)
Moire_HV’CMP6＝(Y(i-2,j)<Y(i-1,j+1)-KHV)
Moire_HV’CMP7＝(Y(i,j+2)<Y(i-1,j+1)-KHV)
Moire_HV’CMP8＝(Y(i,j+2)<Y(i+1,j+1)-KHV)
Moire_HV’CMP9＝(Y(i+2,j)<Y(i+1,j+1)-KHV)
Moire_HV’CMP10＝(Y(i+2,j)<Y(i+1,j-1)-KHV)
Moire_HV’CMP11＝(Y(i,j-2)<Y(i-1,j-1)-KHV)
Moire_HV’CMP12＝(Y(i,j-2)<Y(i+1,j-1)-KHV)
之后，利用公式B与公式C得出的水平与垂直摩尔纹特征的统计结果进行比对，如公式D，比对当下像素亮度值Y(i,j)为相对高与低的统计结果，以判断出当下像素相对邻近像素为相对亮度高或是低。
公式D：
实施例二：主对角线方向摩尔纹。
针对主对角线方向类型，综合上述对角线方向摩尔纹的特征，如图6A至6C所示，图中同样以5x5像素数组为例，如图6A，中央像素为当下像素60，判断摩尔纹的方法通过计算当下像素60与水平与垂直邻近像素的亮度值(如Y值)差值判断是否具有主对角线方向的摩尔纹，如图中箭头所示，当下像素60与水平与垂直像素之间的亮度值差值作为判断主对角线摩尔纹的根据。图6B同样是另一个表示方式，5x5像素数组中几个关键像素与其水平与垂直邻近像素(如箭头表示)之间亮度值差值作为判断主对角线摩尔纹的依据。图6C示出了一个权重掩码(mask)示例，其中示出了在计算时摩尔纹响应值时赋予关键像素较高权重值，此实施例为4与1，当下像素60可设有最高的权重值4，其余关键像素设为权重值1；反之赋予关键像素水平与垂直方向的像素为较低权重值(此实施例为-2)，由此可以强调出图像的空间分布特性。
参考图3标示的像素以及图6A至6C，公式E为以检测窗口对图像中每个像素计算检测窗口所对应的特定区域的主对角线摩尔纹响应值，同理，公式E示出绝对值内的前半段算式「(4*Y(i,j)+Y(i-1,j+1)+Y(i-2,j+2)+Y(i+1,j-1)+Y(i+2,j-2))」为计算某图像区域中关键几个像素的亮度值和，特别是可以乘以图6C示出的权重值；公式E的后半段算式「(2*Y(i-2,j)+2*Y(i,j+2)+2*Y(i+2,j)+2*Y(i,j-2))」为计算关键像素(如当下像素Y(i,j))水平与垂直方向邻近像素的亮度值和(可乘以图6C示出的权重值)。公式E的前后算式相减并取绝对值则得出这个像素区域内的亮度值梯度，一旦整个图像的亮度值梯度都计算出来，当这个差值(绝对值)越大，越是凸显出图像中的主对角线摩尔纹；反之，则表示没有明显的摩尔纹。这个差值为主对角线方向的摩尔纹响应值(Moire_DIAG_POSEdge)，通过取得像素的边缘特性以判断其中是否具备摩尔纹特征。
公式E：
Moire_DIAG_POSEdge＝
|(4*Y(i,j)+Y(i-1,j+1)+Y(i-2,j+2)+Y(i+1,j-1)+Y(i+2,j-2))-(2*Y(i-2,j)+2*Y(i,j+2)+2*Y(i+2,j)+2*Y(i,j-2))|
同样地，利用检测窗口，逐一对各像素比对所在的像素区域中多个关键像素与分别对应的邻近像素的亮度值大小，并进行统计，目的是侦测出边缘特性而判断为摩尔纹。公式F与公式G表示统计主对角线摩尔纹特征比较值。根据图1标示的像素亮度值，若当下像素亮度值Y(i,j)为相对高的亮度值，如公式F所示，其中KD代表使用者设定的像素值差值，依照实际环境光源而定，作为确认主对角线方向上关键像素(Y(i,j)、Y(i-2,j-1)、Y(i-1,j-2)、Y(i+1,j+2)、Y(i+2,j+1))与其邻近像素的亮度值差值大于(亮度值至少大于KD)可以判断为摩尔纹的阈值。其中，可以仅针对通过摩尔值响应值确认为摩尔纹一部分的像素执行亮度值比对与统计。
公式F：
Moire_DIAG_POS CMP1＝(Y(i,j)>Y(i-2,j)+KD)
Moire_DIAG_POS CMP2＝(Y(i,j)>Y(i,j+2)+KD)
Moire_DIAG_POS CMP3＝(Y(i,j)>Y(i+2,j)+KD)
Moire_DIAG_POS CMP4＝(Y(i,j)>Y(i,j-2)+KD)
Moire_DIAG_POS CMP5＝(Y(i-2,j-1)>Y(i-2,j)+KD)
Moire_DIAG_POS CMP6＝(Y(i-2,j-1)>Y(i-1,j-1)+KD)
Moire_DIAG_POS CMP7＝(Y(i-1,j-2)>Y(i-1,j-1)+KD)
Moire_DIAG_POS CMP8＝(Y(i-1,j-2)>Y(i,j-2)+KD)
Moire_DIAG_POS CMP9＝(Y(i+1,j+2)>Y(i,j+2)+KD)
Moire_DIAG_POS CMP10＝(Y(i+1,j+2)>Y(i+1,j+1)+KD)
Moire_DIAG_POS CMP11＝(Y(i+2,j+1)>Y(i+2,j)+KD)
Moire_DIAG_POS CMP12＝(Y(i+2,j+1)>Y(i+1,j+1)+KD)
若当下像素亮度值Y(i,j)为相对低的亮度值，如公式G所示，同样KD作为确认主对角线方向上关键像素与其邻近像素的亮度值差值大于(用KD加大亮度差值阈值)可以判断为摩尔纹的阈值。
公式G：
Moire_DIAG_POS’CMP1＝(Y(i,j)<Y(i-2,j)-KD)
Moire_DIAG_POS’CMP2＝(Y(i,j)<Y(i,j+2)-KD)
Moire_DIAG_POS’CMP3＝(Y(i,j)<Y(i+2,j)-KD)
Moire_DIAG_POS’CMP4＝(Y(i,j)<Y(i,j-2)-KD)
Moire_DIAG_POS’CMP5＝(Y(i-2,j-1)<Y(i-2,j)-KD)
Moire_DIAG_POS’CMP6＝(Y(i-2,j-1)<Y(i-1,j-1)-KD)
Moire_DIAG_POS’CMP7＝(Y(i-1,j-2)<Y(i-1,j-1)-KD)
Moire_DIAG_POS’CMP8＝(Y(i-1,j-2)<Y(i,j-2)-KD)
Moire_DIAG_POS’CMP9＝(Y(i+1,j+2)<Y(i,j+2)-KD)
Moire_DIAG_POS’CMP10＝(Y(i+1,j+2)<Y(i+1,j+1)-KD)
Moire_DIAG_POS’CMP11＝(Y(i+2,j+1)<Y(i+2,j)-KD)
Moire_DIAG_POS’CMP12＝(Y(i+2,j+1)<Y(i+1,j+1)-KD)
之后，利用公式F与公式G得出的主对角线摩尔纹特征的统计结果进行比对，如公式H，比对当下像素亮度值Y(i,j)为相对高与低的统计结果，目的是判断当下像素为相对亮度高或低的像素。
公式H：
实施例三：次对角线方向摩尔纹。
针对次对角线方向类型，如图7A至7C所示，以5x5像素数组为例，如图7A，中央像素为当下像素70，判断摩尔纹的方法通过计算当下像素70与水平与垂直邻近像素的亮度值(如Y值)差值判断是否具有次对角线方向的摩尔纹，如图中箭头所示。图7B是另一表示方式，5x5像素数组中几个关键像素与其水平与垂直邻近像素(如箭头表示)之间亮度值差值，作为判断次对角线摩尔纹的依据。图7C示出针对判断次对角线摩尔纹提出的权重掩码(mask)示例，其中示出了在计算时摩尔纹响应值时赋予关键像素较高权重值，此实施例为4与1，当下像素70可设有最高的权重值4，其余关键像素设为权重值1；反之赋予关键像素水平与垂直方向的像素为较低权重值(此实施例为-2)，由此可以强调出图像的空间分布特性。
参考图3标示的像素以及图7A至7C，公式I为以检测窗口对图像中每个像素计算检测窗口所对应的特定区域的次对角线摩尔纹响应值，同理，公式I示出绝对值内的前半段算式「(4*Y(i,j)+Y(i-1,j-1)+Y(i-2,j-2)+Y(i+1,j+1)+Y(i+2,j+2))」为计算某图像区域中关键几个像素的亮度值和，特别是可以乘以图7C示出的权重值；公式I的后半段算式「(2*Y(i-2,j)+2*Y(i,j+2)+2*Y(i+2,j)+2*Y(i,j-2))」为计算关键像素(如当下像素Y(i,j))水平与垂直方向邻近像素的亮度值和(可乘以图7C示出的权重值)。公式I的前后算式相减并取绝对值则得出这个像素区域内的亮度值梯度，一旦整个图像的亮度值梯度都计算出来，当这个差值(绝对值)越大，越是凸显出图像中的次对角线摩尔纹；反之，则表示没有明显的摩尔纹。这个差值为次对角线方向的摩尔纹响应值(Moire_DIAG_POSEdge)，通过取得像素的边缘特性以判断其中是否具备摩尔纹特征。
公式I：
Moire_DIAG_NEGEdge＝
|(4*Y(i,j)+Y(i-1,j-1)+Y(i-2,j-2)+Y(i+1,j+1)+Y(i+2,j+2))-(2*Y(i-2,j)+2*Y(i,j+2)+2*Y(i+2,j)+2*Y(i,j-2))|
同样地，利用检测窗口，逐一对各像素比对所在的像素区域中多个关键像素与分别对应的邻近像素的亮度值大小，并进行统计，目的是侦测出边缘特性而判断为摩尔纹。公式J与公式K表示统计次对角线摩尔纹特征比较值。根据图1标示的像素亮度值，若当下像素亮度值Y(i,j)为相对高的亮度值，如公式J所示，其中KD代表使用者设定的像素值差值，依照实际环境光源而定，作为确认次对角线方向上关键像素与其邻近像素的亮度值差值大于可以判断为摩尔纹的阈值。其中，可以仅针对通过摩尔值响应值确认为摩尔纹一部分的像素执行亮度值比对与统计。
公式J：
Moire_DIAG_NEGCMP1＝(Y(i,j)>Y(i-2,j)+KD)
Moire_DIAG_NEGCMP2＝(Y(i,j)>Y(i,j+2)+KD)
Moire_DIAG_NEGCMP3＝(Y(i,j)>Y(i+2,j)+KD)
Moire_DIAG_NEGCMP4＝(Y(i,j)>Y(i,j-2)+KD)
Moire_DIAG_NEGCMP5＝(Y(i-2,j+1)>Y(i-2,j)+KD)
Moire_DIAG_NEGCMP6＝(Y(i-2,j+1)>Y(i-1,j+1)+KD)
Moire_DIAG_NEGCMP7＝(Y(i-1,j+2)>Y(i-1,j+1)+KD)
Moire_DIAG_NEGCMP8＝(Y(i-1,j+2)>Y(i,j+2)+KD)
Moire_DIAG_NEGCMP9＝(Y(i+1,j-2)>Y(i,j-2)+KD)
Moire_DIAG_NEGCMP10＝(Y(i+1,j-2)>Y(i+1,j-1)+KD)
Moire_DIAG_NEGCMP11＝(Y(i+2,j-1)>Y(i+1,j-1)+KD)
Moire_DIAG_NEGCMP12＝(Y(i+2,j-1)>Y(i+2,j)+KD)
若当下像素亮度值Y(i,j)为相对低的亮度值，如公式K所示，同样KD作为确认次对角线方向上关键像素与其邻近像素的亮度值差值大于(用KD加大亮度差值阈值)可以判断为摩尔纹的阈值。
公式K：
Moire_DIAG_NEG’CMP1＝(Y(i,j)<Y(i-2,j)-KD)
Moire_DIAG_NEG’CMP2＝(Y(i,j)<Y(i,j+2)-KD)
Moire_DIAG_NEG’CMP3＝(Y(i,j)<Y(i+2,j)-KD)
Moire_DIAG_NEG’CMP4＝(Y(i,j)<Y(i,j-2)-KD)
Moire_DIAG_NEG’CMP5＝(Y(i-2,j+1)<Y(i-2,j)-KD)
Moire_DIAG_NEG’CMP6＝(Y(i-2,j+1)<Y(i-1,j+1)-KD)
Moire_DIAG_NEG’CMP7＝(Y(i-1,j+2)<Y(i-1,j+1)-KD)
Moire_DIAG_NEG’CMP8＝(Y(i-1,j+2)<Y(i,j+2)-KD)
Moire_DIAG_NEG’CMP9＝(Y(i+1,j-2)<Y(i,j-2)-KD)
Moire_DIAG_NEG’CMP10＝(Y(i+1,j-2)<Y(i+1,j-1)-KD)
Moire_DIAG_NEG’CMP11＝(Y(i+2,j-1)<Y(i+1,j-1)-KD)
Moire_DIAG_NEG’CMP12＝(Y(i+2,j-1)<Y(i+2,j)-KD)
之后，利用公式J与公式K得出的次对角线摩尔纹特征的统计结果进行比对，如公式L，比对当下像素亮度值Y(i,j)为相对高与低的统计结果，目的是判断当下像素为相对亮度高或低的像素。
公式L：
根据上述实施方式，在判断摩尔纹的方法中，先计算出水平垂直、正/次对角线摩尔纹响应值，接着对当下像素与其水平垂直、正/次对角线方向的邻近像素的亮度信息进行比对，对比对结果进行统计，可判断出当下像素相较邻近像素的亮度特性。其中，可以根据***设定的阈值，以摩尔纹响应值与统计结果确定当下像素是否为摩尔纹，包括确定图像中摩尔纹的位置与类型。
根据一个实施例，当摩尔纹响应值大于第一阈值，就可以判断当下像素与其邻近像素有明确的亮度变化，因此可以判断为图像的边缘像素，也就是在此像素附近有如摩尔纹的明暗间隔的特征；反之，若摩尔纹响应值不大于第一阈值，就不能断定当下像素具有摩尔纹的特征。当摩尔纹特征比较值大于第二阈值时，判断出当下像素为相对亮或是相对暗的特性，配合摩尔纹响应值大于第一阈值的判断，则可以确定当下像素为摩尔纹的一部分。
当判断出图像中的摩尔纹后，电路***可在判断为摩尔纹的像素上进行色彩降噪，举例而言，对判断为摩尔纹的像素在YUV色彩空间中进行色彩抑制，如图8所示为YUV色彩空间下在Y＝128时的UV(色度-浓度)平面。将判断为摩尔纹的像素映射在此YUV色彩空间下的色度-浓度平面中，越靠近坐标中心80表示色彩饱和度越低，越接近灰阶，而远离坐标中心80表示色彩饱和度越高，并依据不同象限分别代表不同颜色。
根据摩尔纹像素的色彩U/V值位于色彩空间的坐标位置，可将色度-浓度平面分为两种或三种区域各自进行不同的色彩处理，如图8所示，中央区域表示一个色彩抑制范围801，落于此色彩抑制范围801内的像素色彩都会被抑制成灰阶，之后输出经过抑制色彩摩尔纹的图像。
根据一个实施例，色彩-浓度平面可以具有三个区域，图中虚线框住的区域到色彩抑制范围801之间表示一个色彩抑制渐进范围803，使介于色彩抑制范围801到虚线框之间的色彩抑制渐进范围803之内的像素色彩根据与坐标中心80的距离调整设定一抑制倍率，以根据此抑制倍率进行色彩抑制，如施以不同的灰阶程度。此抑制倍率可以为线性或非线性变化，而在色彩抑制渐进范围803的虚线外之色彩则不受影响，维持原有的U/V值。
根据一个实施例，上述色彩抑制范围801是一个可移动的矩形区域，但仍须确保覆盖坐标中心80位置，并且，在不同场景的应用或依据用户的喜好，可弹性地移动此矩形区域使其覆盖欲抑制之色彩。色彩抑制公式如公式M：
Cout＝(Cin-128)*(1-supp_rate)+128(公式M)
其中，Cin为输入U或V值，Cout为对应输出的U或V值，supp_rate为介于0至1之间的抑制率。在所述色彩抑制渐进范围803内会以距离坐标中心80的距离来计算抑制率，离中心越远，抑制率会逐渐递减，0至1的抑制率的计算方式可用内插(Interpolation)、滤波(Filter)等方法得出，公式M中的数值128为根据此例中YUV色彩空间下U与V值的范围在0至255之间，转换到坐标平面上需要位移128，实际实施可依照实际需求修正，且抑制率的计算并不限于所列举的方法。
根据以上实施例可知，运行于电路***中的判断摩尔纹方法以及抑制摩尔纹方法的流程，先取得接收的图像中各画素在一色彩空间中的亮度信息，可以选定一个侦测范围，根据像素彼此的亮度关系得出空间分布特性，得到像素的边缘特性，进而判断是否有摩尔纹，以及摩尔纹为水平、垂直或是正/次对角线的类型，再对特定类型的摩尔纹的特征比较值进行统计，可以确定像素是否为摩尔纹的部分，之后针对断定为摩尔纹的像素执行色彩摩尔纹抑制。
在电路***中，在摩尔纹判断与抑制的流程可以参考图9，在步骤S901中，电路***接收到图像后，逐一做出对像素处理摩尔纹的判断，根据一个检测窗口得出当下像素与其邻近像素值(特别如亮度值)的关系以得出图像空间分布的特性。根据上述实施例，设定为水平或垂直方向摩尔纹时，选择一个检测窗口内的关键像素，赋予权重值，计算水平与垂直摩尔纹响应值，也就是利用关键像素与其邻近像素之间的亮度差值，经比对第一阈值后，作为判断摩尔纹方向的依据。
在步骤S903中，经逐一处理各像素后，据此判断图像中是否具有水平或垂直方向的摩尔纹，若判断图像具有水平或垂直摩尔纹，则针对判断有摩尔纹位置的像素执行色彩抑制(步骤S907)，完成后输出图像(步骤S909)；反之，流程继续步骤S905，判断图像中是否具有正或次对角线方向的摩尔纹，同样地，若判断图像中具有对角线方向的摩尔纹，则如步骤S907，针对其中摩尔纹位置执行色彩抑制，完成后输出图像(步骤S909)；反之，若图像中也没有得出对角线方向的摩尔纹，表示图像中并没有发觉明确的摩尔纹，则直接输出图像(步骤S909)。如此实现说明书揭露的判断与抑制摩尔纹的方法以及电路***。
以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的申请专利范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均被包含于本发明的申请专利范围内。
【符号说明】
原始图像101
色彩空间转换单元102
摩尔纹响应值计算单元103
摩尔纹特征统计单元104
摩尔纹判断单元105
摩尔纹抑制单元106
输出图像107
当下像素40,40’,50,60,70
坐标中心80
色彩抑制范围801
色彩抑制渐进范围803
步骤S201～S213判断与抑制摩尔纹方法流程
步骤S901～S909判断与抑制摩尔纹方法流程
Claims (9)
1.一种判断摩尔纹的方法，包括：
取得一图像中多个像素的亮度信息；
设有一检测窗口，于所述检测窗口中选取用以判断摩尔纹类型的多个关键像素；
针对各像素，通过所述检测窗口，计算所述多个关键像素与分别对应的多个邻近像素的一摩尔纹响应值，所述摩尔纹响应值用以判断所述图像是否具备摩尔纹特征；
针对各像素，利用所述检测窗口比对其中所述多个关键像素与分别对应的多个邻近像素的亮度信息，对比对结果进行统计，用以判断各像素的亮度特性；以及
根据所述摩尔纹响应值与所述统计的结果，确认所述图像中的摩尔纹位置与类型，
其中，在计算所述摩尔纹响应值的步骤中，在所述检测窗口中设有一权重掩码，由所述多个关键像素与对应的所述多个邻近像素分别乘以权重值以计算所述摩尔纹响应值。
2.根据权利要求1所述的判断摩尔纹的方法，其特征在于，所述多个像素的亮度信息为在一亮度-色度-浓度色彩空间中的亮度值，或一红-绿-蓝色彩空间中三色通道值的平均值。
3.根据权利要求2所述的判断摩尔纹的方法，其特征在于，在取得所述图像时，先对所述图像执行一色彩空间转换，以转换为所述亮度-色度-浓度色彩空间，或所述红-绿-蓝色彩空间。
4.根据权利要求1所述的判断摩尔纹的方法，其特征在于，在计算所述摩尔纹响应值的步骤中，根据所要判断的摩尔纹类型设计所述权重掩码，赋予所述多个关键像素较高的权重值，对所述多个邻近像素赋予较低的权重值。
5.根据权利要求4所述的判断摩尔纹的方法，其特征在于，将各像素计算得出的所述摩尔纹响应值与一第一阈值比对，得出所述像素与其邻近像素的亮度变化，进一步判断所述图像是否具备摩尔纹特征。
6.根据权利要求1所述的判断摩尔纹的方法，其特征在于，在比对所述多个关键像素与分别对应的多个邻近像素的亮度信息时，引入一第二阈值，以确认各像素的亮度特性。
7.根据权利要求1至6中任一项所述的判断摩尔纹的方法，其特征在于，所述摩尔纹的类型为水平与垂直方向的摩尔纹、主对角线方向的摩尔纹或次对角线方向的摩尔纹。
8.一种抑制摩尔纹的方法，包括：
取得一图像，转换所述图像至一亮度-色度-浓度色彩空间，取得当中多个像素的亮度值；
设有一检测窗口，在所述检测窗口中选取用以判断摩尔纹类型的多个关键像素；
针对各像素通过所述检测窗口，计算所述多个关键像素与分别对应的多个邻近像素的一摩尔纹响应值，所述摩尔纹响应值用以判断所述图像是否具备摩尔纹特征；
其中，在计算所述摩尔纹响应值的步骤中，在所述检测窗口中设有一权重掩码，由所述多个关键像素与对应的所述多个邻近像素分别乘以权重值以计算所述摩尔纹响应值；
针对各像素，利用所述检测窗口比对其中所述多个关键像素与分别对应的多个邻近像素的亮度值，对比对结果进行统计，用以判断各像素的亮度特性；
根据所述摩尔纹响应值与所述统计的结果，确认所述图像中的摩尔纹位置与类型；
对判断为摩尔纹的多个像素进行色彩降噪，其中：
将判断为摩尔纹的多个像素映射在所述亮度-色度-浓度色彩空间的一色度-浓度平面；以及
对所述色度-浓度平面中一色彩抑制范围内的像素色彩抑制成灰阶。
9.一种电路***，包括：
一处理器与一内存，其中以所述处理器执行一判断摩尔纹方法，包括：
取得一图像，转换所述图像至一亮度-色度-浓度色彩空间，取得当中多个像素的亮度值；
设有一检测窗口，在所述检测窗口中选取用以判断摩尔纹类型的多个关键像素；
针对各像素通过所述检测窗口，计算所述多个关键像素与分别对应的多个邻近像素的一摩尔纹响应值，所述摩尔纹响应值用以判断所述图像是否具备摩尔纹特征；
其中，在计算所述摩尔纹响应值的步骤中，在所述检测窗口中设有一权重掩码，由所述多个关键像素与对应的所述多个邻近像素分别乘以权重值以计算所述摩尔纹响应值；
针对各像素，利用所述检测窗口比对其中所述多个关键像素与分别对应的多个邻近像素的亮度值，对比对结果进行统计，用以判断各像素的亮度特性；以及
根据所述摩尔纹响应值与所述统计的结果，确认所述图像中的摩尔纹位置与类型，以对判断为摩尔纹的多个像素进行色彩降噪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911389012.7A CN113129389B (zh) | 2019-12-30 | 2019-12-30 | 判断摩尔纹的方法、抑制摩尔纹的方法与电路*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911389012.7A CN113129389B (zh) | 2019-12-30 | 2019-12-30 | 判断摩尔纹的方法、抑制摩尔纹的方法与电路*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113129389A CN113129389A (zh) | 2021-07-16 |
| CN113129389B true CN113129389B (zh) | 2024-07-05 |
Family
ID=76767394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911389012.7A Active CN113129389B (zh) | 2019-12-30 | 2019-12-30 | 判断摩尔纹的方法、抑制摩尔纹的方法与电路*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113129389B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI733286B (zh) * | 2019-12-25 | 2021-07-11 | 瑞昱半導體股份有限公司 | 判斷摩爾紋的方法、抑制摩爾紋的方法與電路系統 |
| CN114862706B (zh) * | 2022-04-25 | 2022-10-14 | 哈尔滨理工大学 | 一种保持图像梯度方向的色阶映射方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103645036A (zh) * | 2013-12-30 | 2014-03-19 | 京东方科技集团股份有限公司 | 摩尔纹测评方法及测评装置 |
| CN108418997A (zh) * | 2018-01-31 | 2018-08-17 | 深圳市商巨视觉技术有限公司 | 去除图像摩尔纹的方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6850651B2 (en) * | 2001-07-02 | 2005-02-01 | Corel Corporation | Moiré correction in images |
| JP2012215425A (ja) * | 2011-03-31 | 2012-11-08 | Sony Corp | 輝度ムラ検出装置、輝度ムラ検出方法及び表示装置 |
| JP6626272B2 (ja) * | 2015-05-26 | 2019-12-25 | ハンファテクウィン株式会社 | 画像処理装置、画像処理方法及び撮像装置 |
| CN108615227B (zh) * | 2018-05-08 | 2021-02-26 | 浙江大华技术股份有限公司 | 一种图像摩尔纹的抑制方法及设备 |
| CN108921823B (zh) * | 2018-06-08 | 2020-12-01 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
| CN108846818B (zh) * | 2018-06-25 | 2021-03-02 | Oppo（重庆）智能科技有限公司 | 去除摩尔纹的方法、装置、终端及计算机可读存储介质 |
| CN109146855B (zh) * | 2018-08-01 | 2021-03-26 | Oppo广东移动通信有限公司 | 一种图像摩尔纹检测方法、终端设备及存储介质 |
-
2019
- 2019-12-30 CN CN201911389012.7A patent/CN113129389B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103645036A (zh) * | 2013-12-30 | 2014-03-19 | 京东方科技集团股份有限公司 | 摩尔纹测评方法及测评装置 |
| CN108418997A (zh) * | 2018-01-31 | 2018-08-17 | 深圳市商巨视觉技术有限公司 | 去除图像摩尔纹的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113129389A (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI430654B (zh) | 用於影像信號處理之時間濾波技術 | |
| RU2537038C2 (ru) | Автоматическая обработка баланса белого с гибким выбором цветового пространства | |
| US9344689B2 (en) | Camera system with multi-spectral filter array and image processing method thereof | |
| KR100843084B1 (ko) | 노이즈 저감 방법 및 장치 | |
| US8922680B2 (en) | Image processing apparatus and control method for image processing apparatus | |
| TWI428025B (zh) | Image processing apparatus and image processing method, image capturing apparatus and computer program product | |
| JP4668185B2 (ja) | 画像処理方法 | |
| KR100735561B1 (ko) | 이미지 센서로부터 발생되는 잡음을 저감하는 방법 및 장치 | |
| KR100809687B1 (ko) | 영상신호에 포함된 잡음을 제거할 수 있는 영상신호처리장치 및 방법 | |
| US20060221214A1 (en) | System and method for bad pixel replacement in image processing | |
| JP2003179882A (ja) | エッジに基づく補間方法 | |
| US8253829B2 (en) | Image processing apparatus, imaging apparatus, and image processing method | |
| TW201742001A (zh) | 影像雜訊估測方法及裝置與影像擷取裝置 | |
| TWI779948B (zh) | 相機模組的鏡頭髒污偵測方法 | |
| CN113129389B (zh) | 判断摩尔纹的方法、抑制摩尔纹的方法与电路*** | |
| TW201526646A (zh) | 影像處理方法與模組 | |
| TWI437872B (zh) | 影像處理系統 | |
| JP2010268426A (ja) | 画像処理装置、画像処理方法およびプログラム | |
| KR101257946B1 (ko) | 영상의 색수차를 제거하는 장치 및 그 방법 | |
| US8077234B2 (en) | Image pickup device and method for processing an interpolated color signal | |
| US8995765B2 (en) | Digital image processing apparatus and method | |
| TWI733286B (zh) | 判斷摩爾紋的方法、抑制摩爾紋的方法與電路系統 | |
| CN111885281A (zh) | 图像处理 | |
| JP2005354585A (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| CN111726596B (zh) | 影像处理方法及其电子装置 |
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 |