CN116342434B - 一种图像处理方法、装置、设备及存储介质 - Google Patents
一种图像处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116342434B CN116342434B CN202310617735.8A CN202310617735A CN116342434B CN 116342434 B CN116342434 B CN 116342434B CN 202310617735 A CN202310617735 A CN 202310617735A CN 116342434 B CN116342434 B CN 116342434B
- Authority
- CN
- China
- Prior art keywords
- image
- channel
- multichannel
- virtual channel
- images
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000004927 fusion Effects 0.000 claims abstract description 49
- 238000001914 filtration Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种图像处理方法、装置、设备及存储介质,涉及计算机技术领域。方法主要包括:获取多通道图像;对多通道图像的分辨率进行调整,得到调整后多通道图像;对调整后多通道图像进行第一去噪处理,得到去噪后多通道图像;对去噪后多通道图像进行像素融合,得到虚拟通道图像;对虚拟通道图像的分辨率进行还原,得到还原后虚拟通道图像;对还原后虚拟通道图像进行第二去噪处理,得到图像处理结果。本公开可以实现对多通道图像的处理,并提高多通道图像处理的准确率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像处理方法、装置、设备及存储介质。
背景技术
图像处理是计算机视觉中不可缺少的技术,现有的图像处理算法大多只能针对单一通道的图像,若计算机视觉任务涉及多通道图像,只能单独对每一通道图像进行处理,不仅处理效率低,而且在每一通道图像均具有缺陷的情况下,最终得到的多个图像处理结果也不够精确,无法保证计算机视觉任务结果的精确性;另外,现有的图像处理算法大多只能对图像进行单一处理,例如,直方图均衡化算法只能对图像进行对比度增强处理,而无法对图像进行去噪处理。
发明内容
本公开提供了一种图像处理方法、装置、设备及存储介质,以至少解决现有技术中存在的以上技术问题。
根据本公开的第一方面,提供了一种图像处理方法,该方法包括:获取多通道图像;对所述多通道图像的分辨率进行调整,得到调整后多通道图像;对所述调整后多通道图像进行第一去噪处理,得到去噪后多通道图像;对所述去噪后多通道图像进行像素融合,得到虚拟通道图像;对所述虚拟通道图像的分辨率进行还原,得到还原后虚拟通道图像;对所述还原后虚拟通道图像进行第二去噪处理,得到图像处理结果。
根据本公开的第二方面,提供了一种图像处理装置,该装置包括:获取模块,用于获取多通道图像;分辨率调整模块,用于对所述多通道图像的分辨率进行调整,得到调整后多通道图像;第一去噪模块,用于对所述调整后多通道图像进行第一去噪处理,得到去噪后多通道图像;像素融合模块,用于对所述去噪后多通道图像进行像素融合,得到虚拟通道图像;分辨率还原模块,用于对所述虚拟通道图像的分辨率进行还原,得到还原后虚拟通道图像;第二去噪模块,用于对所述还原后虚拟通道图像进行第二去噪处理,得到图像处理结果。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开所述的方法。
本公开的一种图像处理方法、装置、设备及存储介质,对多通道图像进行分辨率调整和第一去噪处理后,对去噪后多通道图像进行像素融合,将多个通道图像融合为虚拟通道图像,并对虚拟通道图像进行分辨率还原和第二去噪处理,从而得到图像处理结果。由此,可以实现对多通道图像的处理,且对多通道图像进行分辨率调整可以提高图像处理效率或图像处理准确率;对多通道图像进行去噪处理可以高效去除多通道图像的噪声,提高图像处理的准确率;对多通道图像进行像素融合可以显著增强多通道图像,得到的虚拟通道图像融合了多个通道图像的特征,不仅能够提高图像处理的准确率,还能够提高利用图像处理结果进行的计算机视觉任务的结果准确率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过参考附图阅读下文的详细描述,本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本公开第一实施例一种图像处理方法的流程示意图;
图2示出了本公开第五实施例一种图像处理方法的第一场景示意图;
图3示出了本公开第五实施例一种图像处理方法的第二场景示意图;
图4示出了本公开第八实施例一种图像处理装置的结构示意图;
图5示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
为使本公开的目的、特征、优点能够更加的明显和易懂,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而非全部实施例。基于本公开中的实施例,本领域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,都属于本公开保护的范围。
图1示出了本公开第一实施例一种图像处理方法的流程示意图,如图1所示,一种图像处理方法主要包括:
步骤S101,获取多通道图像。
在本实施例中,多通道图像为线阵相机或面阵相机在不同光照条件下拍摄的同一场景的图像,可以利用C++编程语言的标准模板库(STL,Standard Template Library)中的vector数据类型进行多通道图像的读入,其中,vector数据类型为STL中定义的动态数组,vector数据类型中可以存放若干个相同类型的对象。具体地,可以将多通道图像以OpenCV中的Mat矩阵类图像数据格式存入vector数据类型中,即vector<Mat>srcImages,其中,OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉库。
步骤S102,对多通道图像的分辨率进行调整,得到调整后多通道图像。
在本实施例中,可以根据实际图像处理场景对多通道图像的分辨率进行调整,例如,若追求更精确的图像处理结果,则提高多通道图像的分辨率;若追求更快的图像处理速度,则降低多通道图像的分辨率。具体地,可以采用超分辨率重建算法提高多通道图像的分辨率;采用下采样的方法降低多通道图像的分辨率。
步骤S103,对调整后多通道图像进行第一去噪处理,得到去噪后多通道图像。
在本实施例中,可以采用基于滤波器的方法、基于模型的方法和基于深度学习的方法等对调整后多通道图像进行第一去噪处理,其中,基于滤波器的方法包括中值滤波和维纳滤波等;基于模型的方法包括稀疏模型、梯度模型和马尔可夫随机场(MRF,MarkovRandom Field)模型等;基于深度学习的方法包括卷积神经网络(CNN,ConvolutionalNeural Networks)等。
步骤S104,对去噪后多通道图像进行像素融合,得到虚拟通道图像。
在本实施例中,去噪后多通道图像中包括多张通道图像,像素融合即对多张通道图像进行像素级别的融合,将多张通道图像的像素特征融合至一张图像中,从而得到虚拟通道图像。具体地,可以采用加权平均、选取最大值和差值融合等方式对去噪后多通道图像进行像素融合,其中,加权平均即对多张通道图像对应位置像素点的灰度值进行加权平均,将加权平均结果作为虚拟通道图像对应位置像素点的灰度值;选取最大值即选取多张通道图像对应位置像素点的灰度值中的最大灰度值,将最大灰度值作为虚拟通道图像对应位置像素点的灰度值;差值融合即对多张通道图像对应位置像素点的灰度值进行差值运算,并将差值运算结果作为虚拟通道图像对应位置像素点的灰度值。
步骤S105,对虚拟通道图像的分辨率进行还原,得到还原后虚拟通道图像。
在本实施例中,由于步骤S102中对多通道图像的分辨率进行了调整,因此得到虚拟通道图像后,需要将虚拟通道图像的分辨率还原至调整之前。具体地,若步骤S102中提高了多通道图像的分辨率,则步骤S105中降低虚拟通道图像的分辨率;若步骤S102中降低了多通道图像的分辨率,则步骤S105中提高虚拟通道图像的分辨率。
步骤S106,对还原后虚拟通道图像进行第二去噪处理,得到图像处理结果。
在本实施例中,还需要对还原后虚拟通道图像进行第二去噪处理,具体地,第二去噪处理的方法与步骤S103中第一去噪处理的方法类似,此处不再赘述。
在本公开第一实施例中,针对多通道图像进行多种处理,对多通道图像进行分辨率调整可以提高图像处理效率或图像处理准确率;对多通道图像进行去噪处理可以高效去除多通道图像的噪声,提高图像处理的准确率;对多通道图像进行像素融合可以显著增强多通道图像,得到的虚拟通道图像融合了多个通道图像的特征,不仅能够提高图像处理的准确率,还能够提高利用图像处理结果进行的计算机视觉任务的结果准确率。
在本公开第二实施例中,步骤S101获取多通道图像,包括:
获取初始图像;判断初始图像是否满足预设条件,得到第一判断结果;第一判断结果为是,对初始图像进行灰度化,得到多通道图像。
在本实施例中,判断初始图像是否满足预设条件包括:判断初始图像的通道数是否大于1,得到第二判断结果;判断初始图像每个通道对应的图像是否可读取,得到第三判断结果;判断初始图像每个通道对应的图像尺寸是否相同,得到第四判断结果;第二判断结果、第三判断结果和第四判断结果均为是,则确定初始图像满足预设条件。具体地,若第二判断结果为是,则证明初始图像为多通道图像;若第三判断结果为是,则证明初始图像的每个通道中均不存在空图像数据;若第四判断结果为是,则证明初始图像每个通道对应的图像尺寸均相同,后续可对其进行像素融合,在第二判断结果、第三判断结果和第四判断结果均为是的情况下,确定初始图像满足预设条件,即第一判断结果为是,并对初始图像进行灰度化,从而得到多通道图像,其中,灰度化的方法可以为分量法、最大值法和平均值法等,本公开不对灰度化的方法进行限定。
在一可实施方式中,在第四判断结果不为是的情况下,可以根据近邻算法、双插值算法和金字塔算法等将初始图像中每个通道对应的图像尺寸调整至相同。
在本公开第二实施例中,首先对初始图像进行可用性判断,即若初始图像的通道数大于1、每个通道对应的图像可读取且每个通道对应的图像尺寸相同,则初始图像可用,可以对初始图像进行灰度化,从而得到准确、可用的多通道图像。
在本公开第三实施例中,步骤S102中的对多通道图像的分辨率进行调整,包括:
确定多通道图像的分辨率调整方向;分辨率调整方向为正方向,则对多通道图像进行上采样,得到调整后多通道图像;分辨率调整方向为负方向,则对多通道图像进行下采样,得到调整后多通道图像。
在本实施例中,可以根据实际图像处理场景确定多通道图像的分辨率调整方向,分辨率调整方向包括正方向和负方向,其中,正方向为分辨率由低至高的方向,负方向为分辨率由高至低的方向,若分辨率调整方向为正方向,则对多通道图像进行上采样,得到调整后多通道图像;若分辨率调整方向为负方向,则对多通道图像进行下采样,得到调整后多通道图像。
在一可实施方式中,对多通道图像进行上采样可以采用最近邻算法、双线性插值算法和转置卷积等;对多通道图像进行下采样可以采用步幅(stride)大于1的池化层(pooling)和步幅大于1的卷积层(Convolution)等。
在本公开第三实施例中,对多通道图像进行上采样可以提高图像处理的准确率,对多通道图像进行下采样可以提高图像处理速率。
在本公开第四实施例中,步骤S103中的对调整后多通道图像进行第一去噪处理,包括:对调整后多通道图像进行第一滤波处理,得到去噪后多通道图像。
在本实施例中,可以采用如下方式进行第一滤波处理:将滤波器的参数配置为第一参数,得到第一配置后滤波器;根据第一配置后滤波器,对调整后多通道图像进行第一滤波处理,得到去噪后多通道图像。具体地,滤波器为可选择参数的滤波器,其可选择参数包括但不限于:图像滤波方法、滤波核尺寸和其他滤波器参数等,可以根据实际图像处理场景,将滤波器的参数配置为第一参数,并根据第一配置后滤波器,对调整后多通道图像进行第一滤波处理。
在本公开第四实施例中,对调整后多通道图像进行第一滤波处理,可以消除其中混入的噪声,从而得到准确的多通道图像。
在本公开第五实施例中,步骤S104中的对去噪后多通道图像进行像素融合,包括:
去噪后多通道图像的通道数为2,则计算去噪后多通道图像的两个通道图像对应位置的像素点间的灰度差值,将灰度差值确定为虚拟通道图像对应位置的虚拟灰度值;去噪后多通道图像的通道数大于2,则根据去噪后多通道图像的多个通道图像内像素点的灰度值,对去噪后多通道图像进行像素融合,得到虚拟通道图像。
在本实施例中,若去噪后多通道图像的通道数为2,则可以根据如下公式(一)计算虚拟通道图像的虚拟灰度值:
公式(一)
其中,为第一通道图像中第一像素点的灰度值,/>为第二通道图像中与第一像素点位置对应的第二像素点的灰度值,/>为虚拟通道图像中与第一像素点和第二像素点位置对应的像素点的虚拟灰度值。如图2中多通道图像的通道数为2,其每个通道对应一张图像,即第一通道图像和第二通道图像,对第一通道图像和第二通道图像进行像素融合之后,可以得到如图3所示的虚拟通道图像。
在本实施例中,若去噪后多通道图像的通道数大于2,则从去噪后多通道图像的多个通道图像中选取两个指定通道图像,根据公式(一)计算两个指定通道图像对应位置的像素点间的灰度差值,将灰度差值确定为虚拟通道图像对应位置的虚拟灰度值。具体地,从去噪后多通道图像的多个通道图像中选取两个指定通道图像时,可以根据多个通道图像的输入顺序,将前两个通道图像确定为两个指定通道图像;或,将多个通道图像中的任意两个通道图像确定为两个指定通道图像,其中,可以更换多个通道图像的输入顺序,从而得到不同的虚拟通道图像;或,多次选取指定通道图像,每次的指定通道图像均不同,从而得到不同的虚拟通道图像。
在本实施例中,若去噪后多通道图像的通道数大于2,则根据选取的两个指定通道图像得到虚拟通道图像之后,还可以对虚拟通道图像与其他通道图像进行像素融合,得到新的虚拟通道图像,其他通道图像为多个通道图像中未进行像素融合的通道图像;重复对新的虚拟通道图像与其他通道图像进行像素融合,直到多个通道图像均已进行像素融合。举例来说,若多个通道图像为通道图像1、通道图像2和通道图像3,选取的两个指定通道图像为通道图像1和通道图像2,根据公式(一)对通道图像1和通道图像2进行像素融合得到虚拟通道图像后,将虚拟通道图像与还未进行像素融合的通道图像3进行像素融合,得到新的虚拟通道图像,此时,多个通道图像均已进行像素融合,则可以将该新的虚拟通道图像作为最终得到的虚拟通道图像。
在本实施例中,若去噪后多通道图像的通道数大于2,则可以计算多个通道图像两两之间对应位置的像素点间的灰度差值;将灰度差值的平均值确定为虚拟通道图像对应位置的虚拟灰度值。举例来说,若多个通道图像为通道图像1、通道图像2和通道图像3,由于多个通道图像的尺寸相同,因此,对于任意坐标,计算通道图像1中该坐标对应的像素点与通道图像2中该坐标对应的像素点的灰度差值1,计算通道图像2中该坐标对应的像素点与通道图像3中该坐标对应的像素点的灰度差值2,计算通道图像1中该坐标对应的像素点与通道图像3中该坐标对应的像素点的灰度差值3,将灰度差值1、灰度差值2和灰度差值3的平均值作为虚拟通道图像中该坐标处像素点的虚拟灰度值。
在本公开第五实施例中,对多通道图像进行像素融合可以显著增强多通道图像,得到的虚拟通道图像融合了多个通道图像的特征,不仅能够提高图像处理的准确率,还能够提高利用图像处理结果进行的计算机视觉任务的结果准确率。
在本公开第六实施例中,步骤S105中对虚拟通道图像的分辨率进行还原,包括:
分辨率调整方向为正方向,则对虚拟通道图像进行下采样,得到还原后虚拟通道图像;分辨率调整方向为负方向,则对虚拟通道图像进行上采样,得到还原后虚拟通道图像。
在本实施例中,需要将虚拟通道图像的分辨率还原至对多通道图像的分辨率进行调整之前,因此,若分辨率调整方向为正方向,即之前对多通道图像的分辨率进行调整时采样上采样的方式,则对虚拟通道图像的分辨率进行还原时需要采样下采样的方式;若分辨率调整方向为负方向,即之前对多通道图像的分辨率进行调整时采样下采样的方式,则对虚拟通道图像的分辨率进行还原时需要采样上采样的方式。具体地,对虚拟通道图像的分辨率进行还原可以保证虚拟通道图像与原始输入的多通道图像的分辨率相同,即还原后虚拟通道图像可以更准确地反映原始输入的多通道图像的特征,进一步保证图像处理结果的精确性。
在本公开第七实施例中,步骤S106对还原后虚拟通道图像进行第二去噪处理,得到图像处理结果,包括:对还原后虚拟通道图像进行第二滤波处理,得到图像处理结果。
在本实施例中,可以采用如下方式进行第二滤波处理:将滤波器的参数配置为第二参数,得到第二配置后滤波器;根据第二配置后滤波器,对还原后虚拟通道图像进行第二滤波处理,得到图像处理结果。具体地,滤波器为可选择参数的滤波器,其可选择参数包括但不限于:图像滤波方法、滤波核尺寸和其他滤波器参数等,可以根据实际图像处理场景,将滤波器的参数配置为第二参数,并根据第二配置后滤波器,对还原后虚拟通道图像进行第二滤波处理,其中,第二参数与第一参数可以相同也可以不同。
在一可实施方式中,在得到图像处理结果后,还可以对图像处理结果进行直方图均衡化,增强图像处理结果的对比度。
在本公开第七实施例中,对还原后虚拟通道图像进行第二滤波处理,可以进一步消除其中混入的噪声,从而得到准确的图像处理结果。
图4示出了本公开第八实施例一种图像处理装置的结构示意图,如图4所示,一种图像处理装置主要包括:
获取模块10,用于获取多通道图像;分辨率调整模块11,用于对多通道图像的分辨率进行调整,得到调整后多通道图像;第一去噪模块12,用于对调整后多通道图像进行第一去噪处理,得到去噪后多通道图像;像素融合模块13,用于对去噪后多通道图像进行像素融合,得到虚拟通道图像;分辨率还原模块14,用于对虚拟通道图像的分辨率进行还原,得到还原后虚拟通道图像;第二去噪模块15,用于对还原后虚拟通道图像进行第二去噪处理,得到图像处理结果。
在一可实施方式中,获取模块10包括:获取子模块,用于获取初始图像;判断子模块,用于判断初始图像是否满足预设条件,得到第一判断结果;灰度化子模块,用于第一判断结果为是,对初始图像进行灰度化,得到多通道图像。
在一可实施方式中,判断子模块还用于:判断初始图像的通道数是否大于1,得到第二判断结果;判断初始图像每个通道对应的图像是否可读取,得到第三判断结果;判断初始图像每个通道对应的图像尺寸是否相同,得到第四判断结果;第二判断结果、第三判断结果和第四判断结果均为是,则确定初始图像满足预设条件。
在一可实施方式中,分辨率调整模块11还用于:确定多通道图像的分辨率调整方向;分辨率调整方向为正方向,则对多通道图像进行上采样,得到调整后多通道图像;分辨率调整方向为负方向,则对多通道图像进行下采样,得到调整后多通道图像。
在一可实施方式中,第一去噪模块12还用于:对调整后多通道图像进行第一滤波处理,得到去噪后多通道图像。
在一可实施方式中,第一去噪模块12还用于:将滤波器的参数配置为第一参数,得到第一配置后滤波器;根据第一配置后滤波器,对调整后多通道图像进行第一滤波处理,得到去噪后多通道图像。
在一可实施方式中,像素融合模块13还用于:去噪后多通道图像的通道数为2,则计算去噪后多通道图像的两个通道图像对应位置的像素点间的灰度差值,将灰度差值确定为虚拟通道图像对应位置的虚拟灰度值;去噪后多通道图像的通道数大于2,则根据去噪后多通道图像的多个通道图像内像素点的灰度值,对去噪后多通道图像进行像素融合,得到虚拟通道图像。
在一可实施方式中,像素融合模块13还用于:从多个通道图像中选取两个指定通道图像;计算两个指定通道图像对应位置的像素点间的灰度差值,将灰度差值确定为虚拟通道图像对应位置的虚拟灰度值。
在一可实施方式中,像素融合模块13还用于:根据多个通道图像的输入顺序,将前两个通道图像确定为两个指定通道图像;或,将多个通道图像中的任意两个通道图像确定为两个指定通道图像。
在一可实施方式中,像素融合模块13还用于:对虚拟通道图像与其他通道图像进行像素融合,得到新的虚拟通道图像,其他通道图像为多个通道图像中未进行像素融合的通道图像;重复对新的虚拟通道图像与其他通道图像进行像素融合,直到多个通道图像均已进行像素融合。
在一可实施方式中,像素融合模块13还用于:计算多个通道图像两两之间对应位置的像素点间的灰度差值;将灰度差值的平均值确定为虚拟通道图像对应位置的虚拟灰度值。
在一可实施方式中,分辨率还原模块14还用于:分辨率调整方向为正方向,则对虚拟通道图像进行下采样,得到还原后虚拟通道图像;分辨率调整方向为负方向,则对虚拟通道图像进行上采样,得到还原后虚拟通道图像。
在一可实施方式中,第二去噪模块15还用于:对还原后虚拟通道图像进行第二滤波处理,得到图像处理结果。
在一可实施方式中,第二去噪模块15还用于:将滤波器的参数配置为第二参数,得到第二配置后滤波器;根据第二配置后滤波器,对还原后虚拟通道图像进行第二滤波处理,得到图像处理结果。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
图5示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如一种图像处理方法。例如,在一些实施例中,一种图像处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的一种图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种图像处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
此外,术语“第一”、“第二”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”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (15)
1.一种图像处理方法,其特征在于,所述方法包括:
获取多通道图像;
对所述多通道图像的分辨率进行调整,得到调整后多通道图像;
对所述调整后多通道图像进行第一去噪处理,得到去噪后多通道图像;
对所述去噪后多通道图像进行像素融合,得到虚拟通道图像;
对所述虚拟通道图像的分辨率进行还原,得到还原后虚拟通道图像;
对所述还原后虚拟通道图像进行第二去噪处理,得到图像处理结果;
其中,所述对所述去噪后多通道图像进行像素融合,包括:
所述去噪后多通道图像的通道数为2,则计算所述去噪后多通道图像的两个通道图像对应位置的像素点间的灰度差值,将所述灰度差值确定为所述虚拟通道图像对应位置的虚拟灰度值;
所述去噪后多通道图像的通道数大于2,则根据所述去噪后多通道图像的多个通道图像内像素点的灰度值,对所述去噪后多通道图像进行像素融合,得到虚拟通道图像;
其中,所述根据所述去噪后多通道图像的多个通道图像内像素点的灰度值,对所述去噪后多通道图像进行像素融合,包括:
从所述多个通道图像中选取两个指定通道图像;
计算所述两个指定通道图像对应位置的像素点间的灰度差值,将所述灰度差值确定为所述虚拟通道图像对应位置的虚拟灰度值;
其中,所述从所述多个通道图像中选取两个指定通道图像,包括:
根据所述多个通道图像的输入顺序,将前两个通道图像确定为所述两个指定通道图像;或,
将所述多个通道图像中的任意两个通道图像确定为所述两个指定通道图像;
其中,在计算所述两个指定通道图像对应位置的像素点间的灰度差值,将所述灰度差值确定为所述虚拟通道图像对应位置的虚拟灰度值后,还包括:
对所述虚拟通道图像与其他通道图像进行像素融合,得到新的虚拟通道图像,所述其他通道图像为所述多个通道图像中未进行像素融合的通道图像;
重复对新的虚拟通道图像与其他通道图像进行像素融合,直到所述多个通道图像均已进行像素融合;
其中,所述根据所述去噪后多通道图像的多个通道图像内像素点的灰度值,对所述去噪后多通道图像进行像素融合,包括:
计算所述多个通道图像两两之间对应位置的像素点间的灰度差值;
将所述灰度差值的平均值确定为所述虚拟通道图像对应位置的虚拟灰度值。
2.根据权利要求1所述的方法,其特征在于,所述获取多通道图像,包括:
获取初始图像;
判断所述初始图像是否满足预设条件,得到第一判断结果;
所述第一判断结果为是,对所述初始图像进行灰度化,得到所述多通道图像。
3.根据权利要求2所述的方法,其特征在于,所述判断所述初始图像是否满足预设条件,包括:
判断所述初始图像的通道数是否大于1,得到第二判断结果;
判断所述初始图像每个通道对应的图像是否可读取,得到第三判断结果;
判断所述初始图像每个通道对应的图像尺寸是否相同,得到第四判断结果;
所述第二判断结果、第三判断结果和第四判断结果均为是,则确定所述初始图像满足预设条件。
4.根据权利要求1所述的方法,其特征在于,所述对所述多通道图像的分辨率进行调整,包括:
确定所述多通道图像的分辨率调整方向;
所述分辨率调整方向为正方向,则对所述多通道图像进行上采样,得到调整后多通道图像;
所述分辨率调整方向为负方向,则对所述多通道图像进行下采样,得到调整后多通道图像。
5.根据权利要求1所述的方法,其特征在于,所述对所述调整后多通道图像进行第一去噪处理,包括:
对所述调整后多通道图像进行第一滤波处理,得到去噪后多通道图像。
6.根据权利要求5所述的方法,其特征在于,所述对所述调整后多通道图像进行第一滤波处理,包括:
将滤波器的参数配置为第一参数,得到第一配置后滤波器;
根据所述第一配置后滤波器,对所述调整后多通道图像进行第一滤波处理,得到去噪后多通道图像。
7.根据权利要求4所述的方法,其特征在于,所述对所述虚拟通道图像的分辨率进行还原,包括:
所述分辨率调整方向为正方向,则对所述虚拟通道图像进行下采样,得到还原后虚拟通道图像;
所述分辨率调整方向为负方向,则对所述虚拟通道图像进行上采样,得到还原后虚拟通道图像。
8.根据权利要求1所述的方法,其特征在于,所述对所述还原后虚拟通道图像进行第二去噪处理,得到图像处理结果,包括:
对所述还原后虚拟通道图像进行第二滤波处理,得到图像处理结果。
9.根据权利要求8所述的方法,其特征在于,所述对所述还原后虚拟通道图像进行第二滤波处理,包括:
将滤波器的参数配置为第二参数,得到第二配置后滤波器;
根据所述第二配置后滤波器,对所述还原后虚拟通道图像进行第二滤波处理,得到图像处理结果。
10.一种图像处理装置,其特征在于,所述装置用于执行根据权利要求1-9中任一项所述的方法,所述装置包括:
获取模块,用于获取多通道图像;
分辨率调整模块,用于对所述多通道图像的分辨率进行调整,得到调整后多通道图像;
第一去噪模块,用于对所述调整后多通道图像进行第一去噪处理,得到去噪后多通道图像;
像素融合模块,用于对所述去噪后多通道图像进行像素融合,得到虚拟通道图像;
分辨率还原模块,用于对所述虚拟通道图像的分辨率进行还原,得到还原后虚拟通道图像;
第二去噪模块,用于对所述还原后虚拟通道图像进行第二去噪处理,得到图像处理结果。
11.根据权利要求10所述的装置,其特征在于,所述获取模块包括:
获取子模块,用于获取初始图像;
判断子模块,用于判断所述初始图像是否满足预设条件,得到第一判断结果;
灰度化子模块,用于所述第一判断结果为是,对所述初始图像进行灰度化,得到所述多通道图像。
12.根据权利要求11所述的装置,其特征在于,所述判断子模块还用于:
判断所述初始图像的通道数是否大于1,得到第二判断结果;
判断所述初始图像每个通道对应的图像是否可读取,得到第三判断结果;
判断所述初始图像每个通道对应的图像尺寸是否相同,得到第四判断结果;
所述第二判断结果、第三判断结果和第四判断结果均为是,则确定所述初始图像满足预设条件。
13.根据权利要求10所述的装置,其特征在于,所述分辨率调整模块还用于:
确定所述多通道图像的分辨率调整方向;
所述分辨率调整方向为正方向,则对所述多通道图像进行上采样,得到调整后多通道图像;
所述分辨率调整方向为负方向,则对所述多通道图像进行下采样,得到调整后多通道图像。
14.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行根据权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310617735.8A CN116342434B (zh) | 2023-05-29 | 2023-05-29 | 一种图像处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310617735.8A CN116342434B (zh) | 2023-05-29 | 2023-05-29 | 一种图像处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116342434A CN116342434A (zh) | 2023-06-27 |
CN116342434B true CN116342434B (zh) | 2023-08-18 |
Family
ID=86876285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310617735.8A Active CN116342434B (zh) | 2023-05-29 | 2023-05-29 | 一种图像处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342434B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108694705A (zh) * | 2018-07-05 | 2018-10-23 | 浙江大学 | 一种多帧图像配准与融合去噪的方法 |
CN110009590A (zh) * | 2019-04-12 | 2019-07-12 | 北京理工大学 | 一种基于卷积神经网络的高质量彩色图像去马赛克方法 |
CN110213458A (zh) * | 2019-05-31 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法、装置及存储介质 |
CN110381331A (zh) * | 2019-07-23 | 2019-10-25 | 深圳市道通智能航空技术有限公司 | 一种图像处理方法、装置、航拍设备及存储介质 |
CN114360449A (zh) * | 2022-01-14 | 2022-04-15 | 苇创微电子(上海)有限公司 | 一种显示器Mura校准的多像素融合压缩及解压缩方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9497429B2 (en) * | 2013-03-15 | 2016-11-15 | Pelican Imaging Corporation | Extended color processing on pelican array cameras |
-
2023
- 2023-05-29 CN CN202310617735.8A patent/CN116342434B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108694705A (zh) * | 2018-07-05 | 2018-10-23 | 浙江大学 | 一种多帧图像配准与融合去噪的方法 |
CN110009590A (zh) * | 2019-04-12 | 2019-07-12 | 北京理工大学 | 一种基于卷积神经网络的高质量彩色图像去马赛克方法 |
CN110213458A (zh) * | 2019-05-31 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法、装置及存储介质 |
CN110381331A (zh) * | 2019-07-23 | 2019-10-25 | 深圳市道通智能航空技术有限公司 | 一种图像处理方法、装置、航拍设备及存储介质 |
CN114360449A (zh) * | 2022-01-14 | 2022-04-15 | 苇创微电子(上海)有限公司 | 一种显示器Mura校准的多像素融合压缩及解压缩方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116342434A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766632A (zh) | 基于通道注意力机制和特征金字塔的图像去噪方法 | |
CN112967381B (zh) | 三维重建方法、设备和介质 | |
CN110544214A (zh) | 一种图像修复方法、装置及电子设备 | |
CN112602088B (zh) | 提高弱光图像的质量的方法、***和计算机可读介质 | |
WO2020186765A1 (zh) | 视频处理方法、装置以及计算机存储介质 | |
JP2023531350A (ja) | サンプル画像を増分する方法、画像検出モデルの訓練方法及び画像検出方法 | |
CN113570608B (zh) | 目标分割的方法、装置及电子设备 | |
CN113327193A (zh) | 图像处理方法、装置、电子设备和介质 | |
CN114913325B (zh) | 语义分割方法、装置及计算机程序产品 | |
CN114202648B (zh) | 文本图像矫正方法、训练方法、装置、电子设备以及介质 | |
CN116071279A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN110310293B (zh) | 人体图像分割方法及设备 | |
CN111757100A (zh) | 相机运动变化量的确定方法、装置、电子设备和介质 | |
CN110717864A (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
CN113920313A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113658196A (zh) | 红外图像中船舶的检测方法、装置、电子设备和介质 | |
CN113888635A (zh) | 视觉定位方法、相关装置及计算机程序产品 | |
CN116342434B (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN113361536B (zh) | 图像语义分割模型训练、图像语义分割方法及相关装置 | |
CN116862762A (zh) | 一种视频超分方法、装置、设备及存储介质 | |
CN114757843A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113658277B (zh) | 立体匹配方法、模型训练方法、相关装置及电子设备 | |
WO2020124355A1 (zh) | 图像处理方法、图像处理装置和无人机 | |
CN113052771B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN112215774B (zh) | 模型训练和图像去雾方法、装置、设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |