CN116883255B - 一种高精度光场图像的边界修正方法及装置 - Google Patents
一种高精度光场图像的边界修正方法及装置 Download PDFInfo
- Publication number
- CN116883255B CN116883255B CN202310577489.8A CN202310577489A CN116883255B CN 116883255 B CN116883255 B CN 116883255B CN 202310577489 A CN202310577489 A CN 202310577489A CN 116883255 B CN116883255 B CN 116883255B
- Authority
- CN
- China
- Prior art keywords
- image data
- boundary
- original image
- correction
- marking
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 44
- 230000009467 reduction Effects 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000004927 fusion Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 9
- 238000012935 Averaging Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000003550 marker Substances 0.000 description 6
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000004973 liquid crystal related substance 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
- 230000002093 peripheral 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
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- 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
- G06T2207/10052—Images from lightfield camera
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种高精度光场图像的边界修正方法及装置。其中,该方法包括:采集原始图像数据;将所述原始图像数据进行降噪处理,得到优化图像数据;通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据;根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果。本发明解决了现有技术中,由于其图像数据的边界像素受到近摄镜头的影响,容易出现视觉畸变和像素不精确的问题,因此对于需要精确边界像素信息的图像处理任务,需要采用一些方法进行边界修正和精细处理的技术问题。
Description
技术领域
本发明涉及高精度图像处理领域,具体而言,涉及一种高精度光场图像的边界修正方法及装置。
背景技术
随着智能化科技的不断发展,人们的生活、工作、学习之中越来越多地用到了智能化设备,使用智能化科技手段,提高了人们生活的质量,增加了人们学习和工作的效率。
目前,通常使用光场相机可以同时获取场景的深度和角度信息,并根据获取到的信息来进行进一步的图像分析操作,但是在现有技术中,由于其图像数据的边界像素受到近摄镜头的影响,容易出现视觉畸变和像素不精确的问题,因此对于需要精确边界像素信息的图像处理任务,需要采用一些方法进行边界修正和精细处理
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种高精度光场图像的边界修正方法及装置,以至少解决现有技术中,由于其图像数据的边界像素受到近摄镜头的影响,容易出现视觉畸变和像素不精确的问题,因此对于需要精确边界像素信息的图像处理任务,需要采用一些方法进行边界修正和精细处理的技术问题。
根据本发明实施例的一个方面,提供了一种高精度光场图像的边界修正方法,包括:采集原始图像数据;将所述原始图像数据进行降噪处理,得到优化图像数据;通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据;根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果。
可选的,所述通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据包括:获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据。
可选的,所述边界标记数据包括若干二值点,其中,所述二值点包括:边缘点、正常点。
可选的,所述根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果包括:根据所述边界标记数据,对属于边界范围的像素值进行插值计算,得到计算结果;根据所述计算结果对所述原始图像数据进行像素更新,得到待修正像素值;根据所述待修正像素值和所述原始图像数据确定修正区域,并对所述修正区域进行修正操作,生成所述操作结果;将所处操作结果融合至所述原始图像数据中的相应所述修正区域位置。
根据本发明实施例的另一方面,还提供了一种高精度光场图像的边界修正装置,包括:采集模块,用于采集原始图像数据;降噪模块,用于将所述原始图像数据进行降噪处理,得到优化图像数据;标记模块,用于通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据;修正模块,用于根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果。
可选的,所述标记模块包括:获取单元,用于获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;标记单元,用于根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据。
可选的,所述边界标记数据包括若干二值点,其中,所述二值点包括:边缘点、正常点。
可选的,所述修正模块包括:计算单元,用于根据所述边界标记数据,对属于边界范围的像素值进行插值计算,得到计算结果;更新单元,用于根据所述计算结果对所述原始图像数据进行像素更新,得到待修正像素值;修正单元,用于根据所述待修正像素值和所述原始图像数据确定修正区域,并对所述修正区域进行修正操作,生成所述操作结果;融合单元,用于将所处操作结果融合至所述原始图像数据中的相应所述修正区域位置。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种高精度光场图像的边界修正方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种高精度光场图像的边界修正方法。
在本发明实施例中,采用采集原始图像数据;将所述原始图像数据进行降噪处理,得到优化图像数据;通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据;根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果的方式,解决了现有技术中,由于其图像数据的边界像素受到近摄镜头的影响,容易出现视觉畸变和像素不精确的问题,因此对于需要精确边界像素信息的图像处理任务,需要采用一些方法进行边界修正和精细处理的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种高精度光场图像的边界修正方法的流程图;
图2是根据本发明实施例的一种高精度光场图像的边界修正装置的结构框图;
图3是根据本发明实施例的用于执行根据本发明的方法的终端设备的框图;
图4是根据本发明实施例的用于保持或者携带实现根据本发明的方法的程序代码的存储单元。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种高精度光场图像的边界修正方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图1是根据本发明实施例的一种高精度光场图像的边界修正方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,采集原始图像数据。
具体的,本发明实施例为了解决现有技术中,由于其图像数据的边界像素受到近摄镜头的影响,容易出现视觉畸变和像素不精确的问题,因此对于需要精确边界像素信息的图像处理任务,需要采用一些方法进行边界修正和精细处理的技术问题,首先需要通过光场相机或者部署在应用场景的阵列相机来采集原始图像数据,并将原始图像数据进行存储和传输。
步骤S104,将所述原始图像数据进行降噪处理,得到优化图像数据。
具体的,为了将原始图像数据进行优化,使得后续进行图像处理的时候更加精确,效率更高,需要对原始图像数据进行降噪处理,通过寻找原始图像数据中的噪点,利用降噪算法对原始图像数据进行降噪处理,从而得到优化图像数据。例如,采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与邻域半径成正比。
步骤S106,通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据。
可选的,所述通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据包括:获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据。
具体的,为了快速定位优化图像数据中的边界数据,需要利用算法对优化图像数据中的边界进行识别和标记,例如获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据,其中,Canny算法包括,降噪,任何边缘检测算法都不可能在未经处理的原始数据上很好地处理,所以第一步是对原始数据与高斯平滑模板作卷积,得到的图像与原始图像相比有些轻微的模糊。这样,单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。寻找梯度,图像中的边缘可能会指向不同的方向,所以Canny算法使用4个mask检测水平、垂直以及对角线方向的边缘。原始图像与每个mask所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮度梯度图以及亮度梯度的方向。跟踪边缘,较高的亮度梯度比较有可能是边缘,但是没有一个确切的值来限定多大的亮度梯度是边缘多大又不是,所以Canny使用了滞后阈值,滞后阈值需要两个阈值——高阈值与低阈值。假设图像中的重要边缘都是连续的曲线,这样我们就可以跟踪给定曲线中模糊的部分,并且避免将没有组成曲线的噪声像素当成边缘。所以本发明实施例可以从一个较大的阈值开始,标识出我们比较确信的真实边缘,使用前面导出的方向信息,并从这些真正的边缘开始在图像中跟踪整个的边缘。在跟踪的时候,本发明实施例可以使用一个较小的阈值,这样就可以跟踪曲线的模糊部分直到回到起点,一旦这个过程完成,就得到了一个二值图像,每点表示是否是一个边缘点。
可选的,所述边界标记数据包括若干二值点,其中,所述二值点包括:边缘点、正常点。
步骤S108,根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果。
可选的,所述根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果包括:根据所述边界标记数据,对属于边界范围的像素值进行插值计算,得到计算结果;根据所述计算结果对所述原始图像数据进行像素更新,得到待修正像素值;根据所述待修正像素值和所述原始图像数据确定修正区域,并对所述修正区域进行修正操作,生成所述操作结果;将所处操作结果融合至所述原始图像数据中的相应所述修正区域位置。
需要说明的是,本发明实施例可以使用的插值的计算方式有很多,如像素插值算法、双线性插值算法、双三次插值算法和分形算法的四种。其中,像素插值算法是最简单的一种插值算法,这种方式是当图片放大时,缺少的像素通过直接使用与之最接近的原有像素的颜色生成,也就是说照搬旁边的像素。当图片扩大时,要增加X点处的像素,由于X点与A、B这两个有效像素中的B点最接近,因此X点会直接照搬B点的像素,从而使到X点生成的效果与B点一样。虽然这种算法简单,因此处理的速度很快,但结果通常会产生明显可见的锯齿,效果往往不佳。而双线性插值算法,是指输出的图像的每个像素都是原图中四个像素运算的结果,由于它是从原图四个像素中运算的,因此这种算法很大程度上消除了锯齿现象,而且效果也比较好。双三次插值算法是双线性插值算法的改良算法,它输出图像的每个像素都是原图16个像素运算的结果,由于效果好,运算速度也不慢,因而这种插值方式是一种很常见的算法,广泛用在图像编辑软件、打印机驱动和数码相机上。分形算法具有无限的细节和自相似的特点,它可以使到图形无论如何放大,看起来都与原图形很相似,因此得到的图像效果,跟其他算法相比更清晰、更锋利,但在计算上也相对照其他算法要庞杂很多。
通过上述实施例,解决了现有技术中,由于其图像数据的边界像素受到近摄镜头的影响,容易出现视觉畸变和像素不精确的问题,因此对于需要精确边界像素信息的图像处理任务,需要采用一些方法进行边界修正和精细处理的技术问题。
实施例二
图2是根据本发明实施例的一种高精度光场图像的边界修正装置的结构框图,如图2所示,该装置包括:
采集模块20,用于采集原始图像数据。
具体的,本发明实施例为了解决现有技术中,由于其图像数据的边界像素受到近摄镜头的影响,容易出现视觉畸变和像素不精确的问题,因此对于需要精确边界像素信息的图像处理任务,需要采用一些方法进行边界修正和精细处理的技术问题,首先需要通过光场相机或者部署在应用场景的阵列相机来采集原始图像数据,并将原始图像数据进行存储和传输。
降噪模块22,用于将所述原始图像数据进行降噪处理,得到优化图像数据。
具体的,为了将原始图像数据进行优化,使得后续进行图像处理的时候更加精确,效率更高,需要对原始图像数据进行降噪处理,通过寻找原始图像数据中的噪点,利用降噪算法对原始图像数据进行降噪处理,从而得到优化图像数据。例如,采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与邻域半径成正比。
标记模块24,用于通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据。
可选的,所述标记模块包括:获取单元,用于获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;标记单元,用于根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据。
具体的,为了快速定位优化图像数据中的边界数据,需要利用算法对优化图像数据中的边界进行识别和标记,例如获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据,其中,Canny算法包括,降噪,任何边缘检测算法都不可能在未经处理的原始数据上很好地处理,所以第一步是对原始数据与高斯平滑模板作卷积,得到的图像与原始图像相比有些轻微的模糊。这样,单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。寻找梯度,图像中的边缘可能会指向不同的方向,所以Canny算法使用4个mask检测水平、垂直以及对角线方向的边缘。原始图像与每个mask所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮度梯度图以及亮度梯度的方向。跟踪边缘,较高的亮度梯度比较有可能是边缘,但是没有一个确切的值来限定多大的亮度梯度是边缘多大又不是,所以Canny使用了滞后阈值,滞后阈值需要两个阈值——高阈值与低阈值。假设图像中的重要边缘都是连续的曲线,这样我们就可以跟踪给定曲线中模糊的部分,并且避免将没有组成曲线的噪声像素当成边缘。所以本发明实施例可以从一个较大的阈值开始,标识出我们比较确信的真实边缘,使用前面导出的方向信息,并从这些真正的边缘开始在图像中跟踪整个的边缘。在跟踪的时候,本发明实施例可以使用一个较小的阈值,这样就可以跟踪曲线的模糊部分直到回到起点,一旦这个过程完成,就得到了一个二值图像,每点表示是否是一个边缘点。
可选的,所述边界标记数据包括若干二值点,其中,所述二值点包括:边缘点、正常点。
修正模块26,用于根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果。
可选的,所述修正模块包括:计算单元,用于根据所述边界标记数据,对属于边界范围的像素值进行插值计算,得到计算结果;更新单元,用于根据所述计算结果对所述原始图像数据进行像素更新,得到待修正像素值;修正单元,用于根据所述待修正像素值和所述原始图像数据确定修正区域,并对所述修正区域进行修正操作,生成所述操作结果;融合单元,用于将所处操作结果融合至所述原始图像数据中的相应所述修正区域位置。
需要说明的是,本发明实施例可以使用的插值的计算方式有很多,如像素插值算法、双线性插值算法、双三次插值算法和分形算法的四种。其中,像素插值算法是最简单的一种插值算法,这种方式是当图片放大时,缺少的像素通过直接使用与之最接近的原有像素的颜色生成,也就是说照搬旁边的像素。当图片扩大时,要增加X点处的像素,由于X点与A、B这两个有效像素中的B点最接近,因此X点会直接照搬B点的像素,从而使到X点生成的效果与B点一样。虽然这种算法简单,因此处理的速度很快,但结果通常会产生明显可见的锯齿,效果往往不佳。而双线性插值算法,是指输出的图像的每个像素都是原图中四个像素运算的结果,由于它是从原图四个像素中运算的,因此这种算法很大程度上消除了锯齿现象,而且效果也比较好。双三次插值算法是双线性插值算法的改良算法,它输出图像的每个像素都是原图16个像素运算的结果,由于效果好,运算速度也不慢,因而这种插值方式是一种很常见的算法,广泛用在图像编辑软件、打印机驱动和数码相机上。分形算法具有无限的细节和自相似的特点,它可以使到图形无论如何放大,看起来都与原图形很相似,因此得到的图像效果,跟其他算法相比更清晰、更锋利,但在计算上也相对照其他算法要庞杂很多。
通过上述实施例,解决了现有技术中,由于其图像数据的边界像素受到近摄镜头的影响,容易出现视觉畸变和像素不精确的问题,因此对于需要精确边界像素信息的图像处理任务,需要采用一些方法进行边界修正和精细处理的技术问题。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种高精度光场图像的边界修正方法。
具体的,上述方法包括:采集原始图像数据;将所述原始图像数据进行降噪处理,得到优化图像数据;通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据;根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果。可选的,所述通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据包括:获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据。可选的,所述边界标记数据包括若干二值点,其中,所述二值点包括:边缘点、正常点。可选的,所述根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果包括:根据所述边界标记数据,对属于边界范围的像素值进行插值计算,得到计算结果;根据所述计算结果对所述原始图像数据进行像素更新,得到待修正像素值;根据所述待修正像素值和所述原始图像数据确定修正区域,并对所述修正区域进行修正操作,生成所述操作结果;将所处操作结果融合至所述原始图像数据中的相应所述修正区域位置。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种高精度光场图像的边界修正方法。
具体的,上述方法包括:采集原始图像数据;将所述原始图像数据进行降噪处理,得到优化图像数据;通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据;根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果。可选的,所述通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据包括:获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据。可选的,所述边界标记数据包括若干二值点,其中,所述二值点包括:边缘点、正常点。可选的,所述根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果包括:根据所述边界标记数据,对属于边界范围的像素值进行插值计算,得到计算结果;根据所述计算结果对所述原始图像数据进行像素更新,得到待修正像素值;根据所述待修正像素值和所述原始图像数据确定修正区域,并对所述修正区域进行修正操作,生成所述操作结果;将所处操作结果融合至所述原始图像数据中的相应所述修正区域位置。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,图3为本申请一实施例提供的终端设备的硬件结构示意图。如图3所示,该终端设备可以包括输入设备30、处理器31、输出设备32、存储器33和至少一个通信总线34。通信总线34用于实现元件之间的通信连接。存储器33可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,存储器33中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
可选的,上述处理器31例如可以为中央处理器(Central Processing Unit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该处理器31通过有线或无线连接耦合到上述输入设备30和输出设备32。
可选的,上述输入设备30可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件***接口(例如USB接口、串口等);可选的,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);可选的,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;可选的,上述收发信机可以是具有通信功能的射频收发芯片、基带处理芯片以及收发天线等。麦克风等音频输入设备可以接收语音数据。输出设备32可以包括显示器、音响等输出设备。
在本实施例中,该终端设备的处理器包括用于执行各设备中数据处理装置各模块的功能,具体功能和技术效果参照上述实施例即可,此处不再赘述。
图4为本申请另一实施例提供的终端设备的硬件结构示意图。图4是对图3在实现过程中的一个具体的实施例。如图4所示,本实施例的终端设备包括处理器41以及存储器42。
处理器41执行存储器42所存放的计算机程序代码,实现上述实施例中的方法。
存储器42被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,例如消息,图片,视频等。存储器42可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,处理器41设置在处理组件40中。该终端设备还可以包括:通信组件43,电源组件44,多媒体组件45,音频组件46,输入/输出接口47和/或传感器组件48。终端设备具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件40通常控制终端设备的整体操作。处理组件40可以包括一个或多个处理器41来执行指令,以完成上述方法的全部或部分步骤。此外,处理组件40可以包括一个或多个模块,便于处理组件40和其他组件之间的交互。例如,处理组件40可以包括多媒体模块,以方便多媒体组件45和处理组件40之间的交互。
电源组件44为终端设备的各种组件提供电力。电源组件44可以包括电源管理***,一个或多个电源,及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件45包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
音频组件46被配置为输出和/或输入音频信号。例如,音频组件46包括一个麦克风(MIC),当终端设备处于操作模式,如语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器42或经由通信组件43发送。在一些实施例中,音频组件46还包括一个扬声器,用于输出音频信号。
输入/输出接口47为处理组件40和***接口模块之间提供接口,上述***接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件48包括一个或多个传感器,用于为终端设备提供各个方面的状态评估。例如,传感器组件48可以检测到终端设备的打开/关闭状态,组件的相对定位,用户与终端设备接触的存在或不存在。传感器组件48可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在,包括检测用户与终端设备间的距离。在一些实施例中,该传感器组件48还可以包括摄像头等。
通信组件43被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个实施例中,该终端设备中可以包括SIM卡插槽,该SIM卡插槽用于***SIM卡,使得终端设备可以登录GPRS网络,通过互联网与服务端建立通信。
由上可知,在图4实施例中所涉及的通信组件43、音频组件46以及输入/输出接口47、传感器组件48均可以作为图3实施例中的输入设备的实现方式。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明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。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种高精度光场图像的边界修正方法,其特征在于,包括:
采集原始图像数据;
将所述原始图像数据进行降噪处理,得到优化图像数据;
通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据;
根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果;
所述通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据包括:
获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;
根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据;
所述边界标记数据包括若干二值点,其中,所述二值点包括:边缘点、正常点;
所述根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果包括:
根据所述边界标记数据,对属于边界范围的像素值进行插值计算,得到计算结果;
根据所述计算结果对所述原始图像数据进行像素更新,得到待修正像素值;
根据所述待修正像素值和所述原始图像数据确定修正区域,并对所述修正区域进行修正操作,生成所述操作结果;
将所处操作结果融合至所述原始图像数据中的相应所述修正区域位置。
2.一种高精度光场图像的边界修正装置,其特征在于,包括:
采集模块,用于采集原始图像数据;
降噪模块,用于将所述原始图像数据进行降噪处理,得到优化图像数据;
标记模块,用于通过Canny算法将所述优化图像数据的边界进行标记,得到边界标记数据;
修正模块,用于根据所述边界标记数据对所述原始图像数据进行修正操作,并将操作结果与所述原始图像数据进行融合,得到修正结果;
所述标记模块包括:
获取单元,用于获取Canny算法的三维梯度参数,其中,所述三维梯度参数包括:水平参数、垂直参数、对角线参数;
标记单元,用于根据预设滞后阈值和所述三维梯度参数,对所述优化图像数据进行标记,得到所述边界标记数据;
所述边界标记数据包括若干二值点,其中,所述二值点包括:边缘点、正常点;
所述修正模块包括:
计算单元,用于根据所述边界标记数据,对属于边界范围的像素值进行插值计算,得到计算结果;
更新单元,用于根据所述计算结果对所述原始图像数据进行像素更新,得到待修正像素值;
修正单元,用于根据所述待修正像素值和所述原始图像数据确定修正区域,并对所述修正区域进行修正操作,生成所述操作结果;
融合单元,用于将所处操作结果融合至所述原始图像数据中的相应所述修正区域位置。
3.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行权利要求1所述的方法。
4.一种电子装置,其特征在于,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310577489.8A CN116883255B (zh) | 2023-05-22 | 2023-05-22 | 一种高精度光场图像的边界修正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310577489.8A CN116883255B (zh) | 2023-05-22 | 2023-05-22 | 一种高精度光场图像的边界修正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883255A CN116883255A (zh) | 2023-10-13 |
CN116883255B true CN116883255B (zh) | 2024-05-24 |
Family
ID=88266794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310577489.8A Active CN116883255B (zh) | 2023-05-22 | 2023-05-22 | 一种高精度光场图像的边界修正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883255B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136752A (zh) * | 2013-02-05 | 2013-06-05 | 浙江大学 | 基于边缘提取的图像放大方法 |
CN111179289A (zh) * | 2019-12-31 | 2020-05-19 | 重庆邮电大学 | 一种适用于网页长图宽图的图像分割方法 |
CN111489383A (zh) * | 2020-04-10 | 2020-08-04 | 山东师范大学 | 基于深度边缘点与彩色图像的深度图像上采样方法及*** |
CN115526903A (zh) * | 2022-11-01 | 2022-12-27 | 南京宁麒智能计算芯片研究院有限公司 | 一种基于Canny算法的图像上采样的硬件计算***及方法 |
CN115631122A (zh) * | 2022-11-07 | 2023-01-20 | 北京拙河科技有限公司 | 一种用于边缘图像算法的图像优化方法及装置 |
CN115731254A (zh) * | 2021-08-25 | 2023-03-03 | 威海北洋电气集团股份有限公司 | 基于亚像素的图像求尺寸的方法 |
CN115984126A (zh) * | 2022-12-05 | 2023-04-18 | 北京拙河科技有限公司 | 一种基于输入指令的光图像修正方法及装置 |
-
2023
- 2023-05-22 CN CN202310577489.8A patent/CN116883255B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136752A (zh) * | 2013-02-05 | 2013-06-05 | 浙江大学 | 基于边缘提取的图像放大方法 |
CN111179289A (zh) * | 2019-12-31 | 2020-05-19 | 重庆邮电大学 | 一种适用于网页长图宽图的图像分割方法 |
CN111489383A (zh) * | 2020-04-10 | 2020-08-04 | 山东师范大学 | 基于深度边缘点与彩色图像的深度图像上采样方法及*** |
CN115731254A (zh) * | 2021-08-25 | 2023-03-03 | 威海北洋电气集团股份有限公司 | 基于亚像素的图像求尺寸的方法 |
CN115526903A (zh) * | 2022-11-01 | 2022-12-27 | 南京宁麒智能计算芯片研究院有限公司 | 一种基于Canny算法的图像上采样的硬件计算***及方法 |
CN115631122A (zh) * | 2022-11-07 | 2023-01-20 | 北京拙河科技有限公司 | 一种用于边缘图像算法的图像优化方法及装置 |
CN115984126A (zh) * | 2022-12-05 | 2023-04-18 | 北京拙河科技有限公司 | 一种基于输入指令的光图像修正方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116883255A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102126300B1 (ko) | 올-인-포커스 이미지를 생성하기 위한 방법 및 장치 | |
CN108230333B (zh) | 图像处理方法、装置、计算机程序、存储介质和电子设备 | |
CN109840881B (zh) | 一种3d特效图像生成方法、装置及设备 | |
CN109040596B (zh) | 一种调整摄像头的方法、移动终端及存储介质 | |
US20190122377A1 (en) | 3d modeling method based on point cloud data | |
CN110622207B (zh) | 用于交叉渐变图像数据的***与方法 | |
CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
EP3822757A1 (en) | Method and apparatus for setting background of ui control | |
CN111968052B (zh) | 图像处理方法、图像处理装置及存储介质 | |
CN113706421B (zh) | 一种图像处理方法及装置、电子设备和存储介质 | |
CN110765799A (zh) | 客户端扫码识别方法、装置、设备及存储介质 | |
CN111311481A (zh) | 背景虚化方法、装置、终端设备及存储介质 | |
CN116883255B (zh) | 一种高精度光场图像的边界修正方法及装置 | |
FR2984668A3 (fr) | Procede de traitement de sequence video sur les terminaux mobiles en temps reel | |
CN115293985B (zh) | 一种用于图像优化的超分降噪方法及装置 | |
CN108810407B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN111754435A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN116664413B (zh) | 一种基于阿贝尔收敛算子的图像体积雾消除方法及装置 | |
CN113327290B (zh) | 双目模组标定方法、装置、存储介质及电子设备 | |
CN116630643A (zh) | 一种基于图像物体边界识别的像素拆分方法及装置 | |
CN116228593B (zh) | 一种基于分级抗锯齿的图像完善方法及装置 | |
CN116579965B (zh) | 一种多图像融合方法及装置 | |
CN116757983B (zh) | 一种主辅图像融合方法及装置 | |
CN116468883B (zh) | 一种高精度图像数据体积雾识别方法及装置 | |
CN116485912B (zh) | 一种光场相机多模组协调方法及装置 |
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 |