CN1989525A - 自适应滤波器和用于图像处理的设备、方法与*** - Google Patents

自适应滤波器和用于图像处理的设备、方法与*** Download PDF

Info

Publication number
CN1989525A
CN1989525A CNA2005800252196A CN200580025219A CN1989525A CN 1989525 A CN1989525 A CN 1989525A CN A2005800252196 A CNA2005800252196 A CN A2005800252196A CN 200580025219 A CN200580025219 A CN 200580025219A CN 1989525 A CN1989525 A CN 1989525A
Authority
CN
China
Prior art keywords
value
distance
interval
equipment
calculates
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.)
Granted
Application number
CNA2005800252196A
Other languages
English (en)
Other versions
CN1989525B (zh
Inventor
塞波·洪
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.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
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 Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN1989525A publication Critical patent/CN1989525A/zh
Application granted granted Critical
Publication of CN1989525B publication Critical patent/CN1989525B/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
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
    • 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
    • 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
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

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

Abstract

根据一个实施例的自适应滤波器包括一N×N二维卷积，其中N是一大于1的奇整数。一图像的像素是通过在所述图像上移动N×N个内核来滤波的。在每一像素位置处，所述内核系数是由N×N区域内的图像像素确定的，使得所述内核系数可从一个像素位置改变到下一个像素位置。可构建这一种滤波器以使用一查找表来近似一浮点运算。

Description

自适应滤波器和用于图像处理的设备、方法与***
相关申请案的交叉参考
本专利申请案主张2004年6月28日申请的标题为“An Edge Preserving and FlexibleAdaptive Noise Filter for Imaging Applications”的临时申请案第60/583,779号的优先权，所述临时申请案让渡给本申请案的受让人且因而以引用的方式清楚地并入本文中。
技术领域
本发明涉及信号处理，且明确地说涉及数字图像处理。
背景技术
噪声过滤是数字图像处理中的一个很重要的操作。举例来说，由例如CCD(电荷耦合装置)或CMOS(互补金属氧化物半导体)装置的图像传感器产生的信号中的像素可被若干类型的噪声破坏，例如复位(或kTC)噪声、光子射出噪声、暗电流和热噪声。此噪声的特性可能涉及若干因素，例如特定制造工艺、传感器或其它电路(例如放大器)中的局部变化，和环境条件(例如，温度、照明等级)。噪声可包括可定性的分量，例如(但不限于)相乘噪声，和/或随机分量。
在图像信号的处理期间，噪声可能被放大，且最终图像的视觉质量可能降低。噪声问题在特定情形中可能尤其严重，例如使用具有较小像素面积的紧凑传感器模块的移动成像应用(例如，蜂窝式电话、个人数字助理(PDA)或可佩戴的装置(例如手表))。而且，这些问题可能需要计算量较少的解决方案。
噪声问题还可能出现在利用非可见辐射的成像应用中。举例来说，高频或脉冲噪声也可表现为通常使用微波辐射产生的合成孔径雷达(SAR)图像中的斑点。
发明内容
根据一个实施例，一种处理包括主题像素的图像的方法包含：针对所述主题像素的一邻域中的复数个邻近像素中的每一者，计算所述邻近像素与所述主题像素之间的距离。所述方法还包含：针对所述计算出的距离的每一者且从复数个区间中选择一包括所述计算出的距离的区间；和针对所述复数个邻近像素的每一者，基于相应的选定区间来获得一值权重。所述方法包括：基于所述邻近像素的值来计算所述主题像素的一值，所述计算包括用所述相应的值权重来对所述复数个邻近像素的每一者的值进行加权。
根据另一实施例，一种用于处理包括主题像素的图像的设备包含一距离计算器，其经配置以针对所述主题像素的一邻域中的复数个邻近像素中的每一者来计算所述邻近像素与所述主题像素之间的距离。所述设备包括：一区间选择器，其经配置以针对所述计算出的距离的每一者且从复数个区间中选择一包括所述计算出的距离的区间；和一值权重计算器，其经配置以针对所述复数个邻近像素的每一者而基于相应的选定区间来计算一值权重。所述设备还包括一像素值计算器，其经配置以基于所述邻近像素的值，通过用相应的值权重来对所述复数个邻近像素的每一者的值进行加权来计算所述主题像素的一值。本文中揭示其它实施例和包括且/或能够执行这些实施例的装置与***。
附图说明
图1展示根据一实施例的方法100的图。
图2展示若干像素邻域的实例。
图3展示任务T120的实施方案T122的图。
图4展示被划分为若干区间的范围的实例。
图5展示加权函数f的实例。
图6a到6d展示可在任务T130的实施方案中执行的数个系列的比较。
图7展示被划分为具有不同宽度的若干区间的范围的实例。
图8a和8b展示基值表的实例。
图9展示f(D)的线性插值的实例。
图10a和10b展示表F、S和P的实例。
图11展示任务T120的实施方案T124的图。
图12a和12b展示可在执行相乘除法时使用的表的实例。
图13展示信号处理设备200的图。
图14展示包括设备205的***的图。
图15展示方法100的应用的图。
图16展示具有Bayer滤波器的传感器的一部分的图。
具体实施方式
噪声降低的一个传统方法是执行低通滤波。尽管这一方法在去除高频噪声方面可能有效，但其也趋于引起图像模糊和表现出散焦(out-of-focus)的结果。另一种方法是执行自适应滤波。自适应滤波可用于通过避免在边缘边界(edge boundary)上应用平滑法来保存边缘。这种滤波可产生看上去锐利的图像，因为在平滑噪声时边缘保持锐利。然而，当前现有的自适应滤波计算量太大而不能在实时或近实时成像应用中实践。
本文描述的原理可应用于基于邻近像素的值来修改主题像素的值的方法。这种方法可包括与邻近像素到主题像素的距离成非线性反比来对邻近像素的值进行加权。这种方法也可扩展以通过使用新的自适应滤波技术对输入图像进行自适应滤波(例如，与自适应掩码进行卷积)来获得图像。输入图像可基于CCD或CMOS传感器输出的图像来表示未经压缩的像素数据。
实施例包括用于在保存边缘的同时执行噪声降低的有效且易于实施的方法和滤波器。可用简单的方式使用查找表来实施这些实施例。这些实施例也可向滤波器设计者提供灵活性，因为可在不限于特定的加权函数的情况下实施这些实施例。基于(例如)噪声特性，这种实施例可经重新配置以使用不同的加权函数，(例如)以便在噪声降低与边缘保存性能之间进行平衡。
根据一个实施例的自适应滤波器包括N×N二维卷积，其中N为大于1的奇整数。通过在图像上移动N×N个内核来过滤图像的像素。在每一像素位置处，由N×N区域内的图像像素确定内核系数，使得内核系数可从一个像素位置改变到下一像素位置。
可将图像中的像素的值表示为I(x，y)，其中x和y分别指示像素在水平和垂直方向上的位置。N×N内核的系数可由以下形式的等式来确定：
w(i，j)＝f(|I(x+i，y+i)-I(x，y)|)，    (A)
其中 - N - 1 2 ≤ i , j ≤ N - 1 2 .
用于确定内核中系数的加权函数f可为单调的且递减的。对函数f的输入包括从零到无穷大的非负数(或某一正数w)。当输入为零时，函数f的输出为非负数f_max，且当输入为无穷大(或w)时，函数f的输出为非负数f_min＜f_max，即：f(0)＝f_max，f(∞)(或f(w))＝f_min。可选择f_min和f_max的值，使得二者之间的范围提供足够数目的离散阶跃以允许如所期望而加权像素值差。
从表达式(A)中可了解，在内核的中心处(该处i＝i＝0)，加权最大，因为w(0，0)＝f(0)＝f_max，且当像素差较大时，加权较小。以此方式，内核基于N×N区域中的像素而为自适应的。当内核系数已确定时，计算其总和以进行归一化(例如在卷积之后执行)。
通常，加权函数f是可能需要耗时的浮点计算的复合函数，例如高斯函数、指数函数或多项式函数。可应用本文揭示的原理来提供对这种浮点计算的良好近似，同时大大降低计算复杂性。
本文揭示的方法与设备的实施方案可包括：查找表F1，其为函数f的L个子采样值的阵列；查找表P1，其为L个像素值差的阵列，在所述像素值差处估计函数f以获得表F1中的相应条目；和查找表S1，其为L-1个条目的阵列，所述条目每一者均指示连接F1[i]与F1[i+1](i＝{0，1，...L-2})的线的斜率。这些查找表可存储在本地存储器和/或外部存储器中，并作为一个大表或作为多个表。
如果用d表示像素值差的绝对值，那么可通过首先确定d所属的表P1中的区间来计算f(d)。如果确定d处于区间k内，那么f(d)可计算为f(d)＝F1[k]+S1[k]×(d-P1[k])。通过如上文所述应用查找表，可大大简化并容易且有效地以定点(例如，整数)计算方式实施f(d)的计算。而且，通过载入不同的表F1和S1(并在需要时载入P1)来容易地改变加权函数f。通过这种方式，可实现滤波器设计灵活性。
归一化运算可为通过乘法和移位运算而近似的整数除法。可将乘数存储为查找表，其大小可视特定应用中归一化因数的范围而定。只要f_min、f_max和内核大小不改变，那么即使加权函数f改变，所述方法或设备也可使用同一乘数表。
实施例包括一种可用于提供易于实施的边缘保存自适应滤波器的方法，所述自适应滤波器适合于二维成像应用中的噪声降低。这种方法可实施为高度灵活的，因为使用者可在需要时应用其自身的加权函数。这种方法可用硬件配置来实施，和/或实施于供DSP(数字信号处理)单元或CPU(中央处理单元)执行的软件中。举例来说，根据实施例的滤波器可实施于与DSP单元或CPU分离的硬件中。
实施例包括用于通过使用查找表来近似浮点运算对噪声进行自适应过滤的方法和设备，其中至少一个查找表含有至少一个单调递减函数的子采样值，且至少一个查找表含有像素值差。
图1展示根据一实施例的方法100的图。任务T200将一权重分配给像素q。任务T300针对主题像素C的邻域中的期望的像素集合Q中的每一者而重复任务T200，从而将权重分配给Q中像素的每一者。可实施方法100使得集合Q包括主题像素C，或可实施方法100使得集合Q不包括C。基于Q中像素的值和所分配的权重，任务T400计算主题像素C的新值。
权重分配任务T200包括子任务T110和T120。任务T110计算像素q与主题像素C之间的距离D。任务T120基于计算出的距离D而将权重f(D)分配给像素q。
图2展示可在本文所述方法和设备的实施方案中使用的邻域的若干实例，其中用大圆点指示主题像素并用小圆点指示邻近像素。如图所示，在图2的顶行中的左边，可使用八个连接的邻域。或者，如图所示，在右边，可使用四个连接的邻域。
也可为邻域选择其它像素集合，其某些实例在图2的第二行中展示。可(例如)从以主题像素为中心的5×5或7×7掩码中选择邻域，如图2的第三行中所示。也可能选定的邻域Q可包括在与主题像素不同的另一图像(例如，对应于一不同时刻)中的像素。
像素的值可为0到255范围内的八位无符号整数。本文描述的原理也可应用于具有八位以上(例如，十、十二、十四)的RGB空间中的颜色值的像素。然而，这些原理的应用不限于这些像素值，且在其它情况下(包括其它RGB情况)，像素值可为具有较少(例如，四)或较多(例如，九、十二、十四、十六、十七、三十二)位的带符号整数或非整数(定点或浮点)值。某些像素也可能具有不同的形式(例如，Q中像素的值在形式上不同于像素C的值)，且任务T400可计算具有与像素C和/或Q中像素的值不同形式的值。
对于具有在包括亮度或强度分量(例如，HSV、YIQ、YUV、YCrCb、YDrDb、YPrPb)的多分量空间中的颜色值的像素，可仅对亮度或强度分量执行本文所述的方法。或者，可对像素值的更多分量(例如，全部分量)执行这种方法。也可应用方法和/或设备使得在单独的通道中处理像素颜色值的不同分量，其中对所述通道之一(或一个以上通道中的每一者)单独应用所述方法和/或设备。可能以不同的分辨率采样一图像的不同分量(使得(例如)表示不同Y样本的两个像素可表示相同Cr样本)。
任务T110计算邻近像素q与主题像素C之间的距离D。举例来说，任务T110可计算光度测量的或辐射测量的距离(强度值之间的距离)。在其它实施方案中，任务T110可计算地理距离(空间值之间的距离)和/或时间距离(时间值之间的距离，其可对应于相同或不同的空间采样点)。
对于一维像素值(每一者表示(例如)亮度、色度或颜色分量的强度)，可测量两个像素之间的距离作为像素值之间的差(或差的幅值)。对于多维像素值(每一者表示(例如)在二维(x，y)图像平面中的位置)，可测量两个像素之间的距离作为每一维中像素值之间的差的幅值总和(Manhattan距离，例如|x1-x2|+|y1-y2|)，或作为所述幅值的最大值(棋盘距离，例如max{|x1-x2|，|y1-y2|})，或作为所述幅值的几何平均数(Euclidean距离，例如|x1-x2|2+|y1-y2|2)1/2)。可使用的其它距离度量的实例包括平方Euclidean距离、Chebyshev距离(例如max{|xi-yi|})和倒角距离。
如上所述，可基于两个值之间的差来计算距离。在某些应用中，可改为用距离的更近似的计算来满足要求。举例来说，可基于两个无符号二进制整数值的最高有效位的位置之间的差来近似所述两个值之间的距离。
任务T120基于计算出的距离D将权重f(D)分配给邻近像素q。可能需要函数f表达像素值权重与像素距离之间的非线性反比关系。反比关系意味着较远像素的值被以较低程度加权，且可根据不太远的像素与较远像素的值之间的期望的区别来选择非线性。在图像滤波器中应用非线性反比关系的一个潜在优点是保存了经滤波的图像中的边缘，但本文揭示的实施例不限于具有此优点的方法和设备。
权重-距离关系f可具有高斯、指数和/或多项式表达式的形式。指数关系的一个实例是f(x)＝exp[-(x/k)2]，其中x表示距离且k表示过程参数。在k＝2σ的情况下(其中σ表示标准偏差)，此等式也表达高斯关系。多项式关系的一个实例是f(x)＝(1+(x/k)2)-1。然而，这些特定关系只是实例，且将了解，可使用表达值权重与距离之间的单调递减关系的任何变量或其它函数。从下文论述中将了解，函数f无需由代数表达式容易地定性，且可用近似方式实施所述函数，且实际上可改为通过选择若干拐点(例如，结点)来定义所述函数。
图3展示包括任务T130、T140和T150的任务T120的实施方案T122的图。任务T130选择包括计算出的距离D的区间k。任务T140检索与区间k相关联的基值F[k]，且任务T150计算基于F[k]的像素q的值权重f(D)。
任务T110从表示范围R的部分的K个区间的集合中选择区间k。范围R可为任务T110中计算出的距离D的可能或预期值的范围(或所述范围的选定部分)。在任务T110计算距离D作为两个无符号8位整数之间的差的幅值的情况下，(例如)范围R可为0到255的范围。
图4展示一个实例，其中将预期距离值的范围划分为十三个相等的、相邻的且不重叠的区间。在其它实施方案中，集合K可包括不等的、不相邻的且/或重叠的区间。在典型的实施方案中，可能需要K中区间的数目为八、或十、或十六、或二十，但如特定应用所需，集合K可能具有较少(例如，四)或较多(甚至一百或一百以上)区间。
K中的各个区间可由P个值的集合来定性。举例来说，P中的值可为K中区间的端点。值的集合{31，63，95，127，159，191，223}和{32，64，96，128，160，192，224}是端点集合的两个实例，其可用于将范围(0-255)划分为八个相等区间(例如参见图5，其中f(x)＝exp[-(x/128)2])。在这两个实例中，假定外区间(0和255)的端点，但在其它情况下可能需要明确地阐明那些点。
区间选择任务T130可包括将计算出的距离D与P中的值中的一者或一者以上进行比较。可能需要(例如，为了效率)在P中的点排列成适当的递增或递减次序的情况下执行这个操作。图6a展示可在P的n个值排列成递增幅值的次序的情况下执行的一系列比较的实例，且图6b展示应用于P＝{31，63，95，127，159，191，223}的情况的这一系列的实例。
应注意，从图6b左边开始进行经过所述系列时，操作可能在结果为错误的第一比较处终止。举例来说，如果比较(D＞31？)的结果为错误的，那么就知道D在区间(0-31)中。在此情况下，第一错误结果的位置(或错误结果的全部不存在)指示D所在的区间k。或者，方法或设备可从右边开始进行经过这个系列，在此情况下操作可能在结果为正确的第一比较处终止。在这种情况下，第一正确结果的位置(或正确结果的全部不存在)指示D所在的区间k。
图6c展示替代的一系列比较的实例，且图6d展示应用于P＝{32，64，96，128，160，192，224}的情况的这一系列的实例。在此情况下，当从左边开始进行经过所述系列时，操作可能在结果为错误的第一比较处终止。
在任务T130的某些实施方案中可能需要并行地执行这一系列的比较。在经配置以执行(例如)单指令、多数据(SIMD)指令的处理结构中，可能在一个指令周期中执行整个集合的比较。可配置并行比较操作，使得所得的位掩码指示D所在的区间k。
K中的区间可相等或不等，使得P中的点可在范围R中相等地或不等地间隔开。举例来说，可能合意的是，与R的|df/dD|较小的区域相比，P中相邻点在R的|df/dD|(对于D∈R)较大的区域中更靠近在一起。这种分布可具有的优点在于支持平滑函数f的较好近似，或支持具有相对较少区间的平滑函数f的可接受的近似，但本文揭示的实施例不限于平滑函数f或限于具有这些优点中任一优点的方法或设备。
图7展示一实例，其中将图4所示的预期距离值的范围划分为七个区间，其中某些区间大于其它区间。将了解，可选择P中的点以促进函数f在每一区间内的精确插值(例如，分段线性插值)。
在其它实施方案中，P中的值可包括对K中区间定性的其它点(例如，区间的中点)，且区间选择任务T130可包括计算D与这些值中的每一者之间的距离。在此情况下，任务T130可选择对应于P中的最接近D的点(例如，min{|D-p|}p∈P)的区间k。
任务T140检索与区间k相关联的基值F[k]。图8a展示用k(k从1到8)编索引的查找表F的一个实例110，任务T140可从所述查找表中检索F[k]。在此实例中，表110存储如图5所示的函数f的值F[k]，其中每一F[k]为f在相应区间k的最低端点处的值。视需要在其它实施方案中，每一F[k]可为f在相应区间k的最高端点处或其它某一点(例如中点)处的值。
可能需要获得F[k]的定点(例如整数)值而不是浮点值。举例来说，图8b展示另一查找表120，其对应于图5所示的函数f和区间，但仅存储整数值。表120的值是表110的值的近似，且每一者是通过将表110的相应值乘以128并对结果四舍五入而获得的。使用这些定点值可允许比浮点运算计算量更少(尽管可能较不精确)的算术运算。在此情况下，当利用F[k]作为因数的计算完成时，通过对结果执行七位右移位来去除因数128。
任务T150基于基值F[k]计算值权重f(D)。在某些应用中，采用F[k]作为f(D)的值可能满足要求。在其它实施方案中，任务T150通过根据(a)F[k]被估计的值与(b)距离D之间的距离来计算对F[k]的校正从而计算f(D)。举例来说，可沿着连接区间k的端点的线来从F[k]对f(D)进行插值。
可实施任务T150来计算f(D)的线性插值值作为项F[k]和(L x G)的函数，其中L表示连接区间k的端点的线的斜率，且G表示(a)F[k]被估计的值与(b)距离D之间的距离。当在区间k的较小端点处估计F[k]的情况下，例如，任务T150可根据例如f(D)＝F[k]+(L×(D-p))的表达式来计算f(D)，其中p为F[k]被估计的点。图9展示这种插值的图。当在区间k的较大端点处估计F[k]的情况下，任务T150可根据例如f(D)＝F[k]-(L×(p-D))的表达式来计算f(D)。
检索任务T140也可从查找表中检索对应于区间k的L和p的值。图10a展示用于图5所示函数f的三个查找表(全部用k编索引)的实例：基值表F、斜率值表S和估计点表P。对于在K中每一区间(如图10a中)的较小端点处估计F[k]的情况，任务T150可根据例如f(D)＝F[k]+(S[k]×(D-P[k]))的表达式来计算f(D)。对于在K中每一区间的较大端点处估计F[k]的情况，任务T150可根据例如f(D)＝F[k]-(S[k]×(D-P[k]))的表达式来计算f(D)。
图11展示包括任务T130、T142和T152的任务T120的实施方案T124的图。任务T140的实施方案T142检索与区间k相关联的基值F[k]、斜率值S[k]和距离值P[k]。任务T150的实施方案T152计算基于F[k]、S[k]和P[k]的针对像素q的值权重f(D)。
可实施表F、S和P中的一个或一个以上表来允许以期望的方式计算f(D)。举例来说，图10b展示另一组查找表，其对应于图10a所示的组，但仅存储定点值。具体来说，在此实例中，用128(27)乘以F[k]的值并用4096(212)乘以S[k]的值。在此情况下，可将f(D)计算为f(D)＝(F[k]+((S[k]×(D-P[k]))>>5)>>7，其中>>为按位右移位运算符。
可将表F、S和P实施为单独的表，其每一者独立于其它表而被存取。或者，可共同实施这些表中的一个或一个以上表，使得仅需要一次表存取即可检索值F[k]、S[k]和P[k]中的一个以上值。在某些实施方案中，例如，一次检索多个值并将其在本地分离可能比执行多次存储器存取代价更小。在任何情况下，根据实施例的方法或设备可通过(例如)配置任务T140以从不同组的查找表(每一组对应于不同的加权函数f)中检索值来从一个像素到下一个像素(和/或从一个图像到下一个图像)应用不同的加权函数。或者，可通过将表F和S的内容改变(例如载入新的表F和S)成适于期望的新加权函数的值来应用不同的加权函数。
在其它实施例中，从F[k]对f(D)进行的插值可基于非线性函数(例如多项式、样条(spline))。在这种情况下，可实施任务T150来基于距离D、基值F[k]、距离值P[k]和插值参数(从表S中检索到的S[k]为此参数的一个实例)计算值权重f(D)。
在进一步的实施例中，任务T150可根据对区间k的端点处(且可能在其它点处)函数f的估计计算斜率或其它插值参数。举例来说，可将32位范围的区间上的线的斜率容易地计算为[((f在较大端点处的值)-(f在较小端点处的值))>>5]。
在进一步的实施方案中，在运行时间计算基值F[k]。在这些情况下，可选择区间k的端点，使得在这些点处容易计算f(k)。
任务T400计算主题像素C的新值C′。在某些实施方案中，C′可仅基于Q中像素的加权重。举例来说，可将C′计算为Q中像素的加权重的归一化总和：
C ′ = Σ q ∈ Q w q q Σ q ∈ Q w q , - - - ( 1 )
其中wq表示在任务T200中针对像素q计算的值权重f(D)。在某些实施例中可能需要将加权重的总和实施为值权重wq的向量与像素值q的相应向量的点乘积。
利用值权重f(D)计算主题像素的新的值也可包括一个或一个以上分类或统计运算。举例来说，可能需要仅使用Q中像素的值的子集来计算C′。在这种方法的八个邻近像素集合Q的一个实例中，在计算C′时仅使用具有最高权重的四个像素的值。在这些情况下，可将C′计算为Q的选定子集V中像素的加权重的归一化总和：
C ′ = Σ q ∈ V w q q Σ q ∈ V w q . - - - ( 2 )
在其它实施方案中，C′也可基于主题像素C的单独加权重(例如，对于CQ的情况)。举例来说，可将C′计算为：
C ′ = aC + ( 1 - a ) Σ q ∈ Q w q q Σ q ∈ Q w q , - - - ( 3 )
其中a为权重值，其对于所述应用可能为常数，或可基于(例如)正被滤波的图像的特性(例如，图像或邻域的标准偏差等)来选择。
在计算出C′之前可修改值f(D)(例如，如任务T150所计算)。举例来说，值f(D)本身可根据空间图案(例如，Sobel边缘检测掩码)来加权。在进一步实施例中，使用从一个以上加权函数导出的值权重计算C′。举例来说，可根据以下形式的表达式计算C′：
C ′ = ( b Σ q ∈ V 1 w 1 q q Σ q ∈ V 1 w 1 q + ( 1 - b ) Σ q ∈ V 2 w 2 q q Σ q ∈ V 2 w 2 q ) , - - - ( 4 )
其中值权重w1是使用函数f和距离测量值(例如，光度测量的距离)来(例如由任务T200)计算的，值权重w2是使用不同的函数f和/或距离测量值(例如，地理距离)来(例如由任务T200)计算的，且b是权重值，其对于所述应用可能为常数，或可基于(例如)正被滤波的图像的特性(例如，图像或邻域的标准偏差等)来选择。集合V1和V2可为Q的相同或不同子集，且这些集合中的一者或两者可能等于Q。
如表达式(1)-(4)中所示，可通过将加权重的每一总和除以值权重的总和来执行归一化。或者，可对每一值权重个别地执行归一化。只要集合Q的子集V正被使用，那么可能需要在选定子集V之后执行归一化。
除法运算可能是计算量较大的。因此，可能需要简化归一化过程中使用的除法运算。在一个这种简化中，使用相乘除法(例如，包含乘法和/或二进制移位运算)来实施除法运算。举例来说，可使用乘以85(≈256/3)的乘法接着是8(log2256)的右移位来近似除以3的除法。任务T400可包括通过检索和应用这些值来执行归一化运算。图12a和12b展示乘数和右移位的表的实例，任务T400的这种实施方案可使用所述乘数和右移位来以两个不同分解形式执行除以至多达4.0的值的除法。
从本文的描述将了解，实施例可实施为具有在特定应用中可能需要或有利的方面。举例来说，可实施方法或设备以使得即使在运行时间期间仍可在任何时间(例如通过载入新的查找表F和S)来改变加权函数f。可实施实施例以使得可通过将函数记录在小的查找表中来(例如，通过分段线性插值)应用任何期望的加权函数。可实施方法或设备，其通过较小的一组简单运算-表查找、两个整数加法、一个整数乘法和按位移位-而不考虑加权函数的复杂性，来确定每一邻近像素的值权重。方法或设备可实施为具有这些方面中的一个或一个以上或者甚至全部。然而同样将了解，这些方面并不是限制或要求，且本文揭示的实施例并不限于具有这些方面中任何方面的方法或设备。
图13展示根据实施例的信号处理设备200的方框图。距离计算器210(例如，通过执行如本文所述的任务T110的实施方案)计算主题像素C与邻近像素q之间的距离D。区间选择器220选择包括距离D的区间。基于选定的区间，值权重计算器220(例如，通过执行如本文所述的任务T120的实施方案)将权重f(D)分配给邻近像素q。计算器210、选择器220和计算器230针对本文所述的集合Q中的每一像素执行这些运算。像素值计算器240基于由值权重计算器230产生的权重f(D)中的一个或一个以上权重(例如，通过执行如本文所述的任务T400的实施方案)来计算主题像素C的新的值。
在一个实施方案中，设备200包括执行从存储装置(例如存储器)获得的机器可读代码的一个或一个以上处理器或其它的逻辑元件阵列。举例来说，单个处理器可根据此代码(例如，指令集合)而配置为在不同时间具有距离计算器210、区间选择器220、值权重计算器230和像素值计算器230中的一者或一者以上的结构。这种处理器可为微处理器或其它数字信号处理单元，且可为独立的或嵌入式装置。这种处理器也可制造成专用集成电路(ASIC)或专用标准产品(ASSP)，或编程到现场可编程门阵列(FPGA)或类似装置中。在包括设备200的装置或***的情形中，这种处理器也可用于执行其它指令集合以(例如)用于与设备200的操作并非直接相关的活动。
可用专用的逻辑元件阵列(例如，ASIC、ASSP、FPGA等)或这种阵列的专用部分来执行方法100。图14展示在这种阵列中构建的包括设备205的***的图。设备205接收并过滤来自图像传感器310的图像信号，并将经过滤的图像存储在外部存储器330(例如，半导体或磁性随机存取存储器)中。设备205也可与外部DSP单元或其它处理器320通信。举例来说，外部处理器320可将表F、S和/或P载入存储元件240中(例如，以改变设备205所应用的函数f)，或促使这些表被载入，可对设备205处理的图像执行预处理或后处理，且可控制或以另外方式配置设备205。
设备205包括设备200和用于查找表(例如，表F、S、P和/或用以支持如本文所揭示的相乘除法的表)的本地存储元件240的实施方案。存储元件240(例如，诸如静态或动态随机存取存储器的半导体或磁性存储器单元阵列)可与设备200驻留在同一芯片上，或与设备200驻留在一个或一个以上不同的芯片上。存储元件240也可与设备200驻留在同一封装(例如，球栅阵列(BGA)、薄型紧缩小外形塑料封装(TSSOP)等)中。设备205的其它实施方案可包括处于传感器310与设备200之间的缓冲器(例如，使得Q中像素的值可用于计算C′)。设备205可包括容纳组件的便携式外壳(例如，对于蜂窝式电话或相机来说为金属和/或塑料)，且也可包括便携式电源(例如电池、燃料电池)或电荷存储装置(例如超级电容器)。
本文描述的原理的潜在应用包括通过针对图像中的某些、许多或大体上全部的像素执行方法100的实施方案(例如，对于在空间图像边界处的像素进行适当修改)来处理图像。
在如图15图示的一个这种应用中，通过(例如，使用设备200)将方法100的实施方案应用于图像I1的至少一部分中的每一像素来获得经过滤的图像I2，使得I2中的每一像素是基于I1中相应像素的邻域。可能针对图像I1中的不同主题像素和/或从一个图像到下一个图像(例如，过滤视频序列时)使用不同的加权函数f(和/或不同大小或配置的邻域Q)，来重复地应用这种方法(例如)作为卷积掩码(convolution mask)。
实施例包括经配置以执行本文所揭示的一个或一个以上方法的设备、包括这种设备的装置，和包括这种设备或装置的***。举例来说，这些实施例包括相机(静止画面和/或视频)、便携式通信装置(例如蜂窝式电话)、PDA、无线相机和可佩戴相机。这种装置或***可包括传感器(例如CMOS或CCD图像传感器)，其经配置以将图像信号提供到这种设备，所述设备经配置以过滤所述信号并将经过滤的图像提供到存储元件(例如，半导体或磁性存储器)和/或显示器(例如，液晶或其它平板显示器，或阴极射线管显示器)。
设备200可接收使用Bayer滤波器捕获的图像。图16展示这种滤波器的一个实例，其可能用于从单色传感器导出若干分量图像(例如R、G、B)。在捕获之后，使用去镶嵌(de-mosaicing)操作来处理经Bayer滤波的图像以获得分量图像。方法100或设备200的实施方案可应用于原始的传感器信号(例如，适当选择集合Q，诸如将Q限于与主题像素具有相同颜色滤波器的像素)和/或应用于去镶嵌之后的分量图像信号中的一者或一者以上。
提供所述实施例的以上演示以使任何所属领域的技术人员均能够制造或使用本文主张的结构和方法。对这些实施例的各种修改是可能的，且本文提出的一般原理也可应用于其它实施例。举例来说，这些原理可应用于使用非可见辐射(例如微波频率的辐射)获得的图像信号(例如，合成孔径雷达(SAR)图像)。
可将实施例部分地或整体地构建为硬连线电路，构建为制造成专用集成电路的电路配置，或构建为载入非易失性存储器中的固件程序或作为机器可读代码而载出或载入数据存储媒介的软件程序，所述代码为可由例如微处理器或其它数字信号处理单元的逻辑元件阵列执行的指令。本发明的实施例还包括含有描述本文所揭示的方法的一个或一个以上机器可执行指令的集合(例如，序列)的计算机程序，和其中存储有这些指令集合的数据存储媒介(例如，诸如ROM或RAM的半导体或磁性存储器、磁盘或光盘)。因此，希望本发明不限于上文展示的实施例，而是希望其符合与本文中以任何方式揭示的原理和新颖特征一致的最广的范围。

Claims (28)

1.一种用于处理一包括一主题像素的图像的设备，所述设备包含：
一距离计算器，其经配置以针对所述主题像素的一邻域中的复数个邻近像素中的每一者来计算所述邻近像素与所述主题像素之间的一距离；
一区间选择器，其经配置以针对所述计算出的距离的每一者且从复数个区间中选择一包括所述计算出的距离的区间；
一值权重计算器，其经配置以针对所述复数个邻近像素的每一者基于所述相应的选定区间来计算一值权重；和
一像素值计算器，其经配置以基于所述邻近像素的值，通过用所述相应的值权重来对所述复数个邻近像素的每一者的值进行加权来计算所述主题像素的一值。
2.根据权利要求1所述的用于处理一图像的设备，其中所述值权重计算器经配置以基于所述相应的计算出的距离，根据值权重与距离之间的一单调递减的非线性关系来计算一值权重。
3.根据权利要求1所述的用于处理一图像的设备，其中所述距离计算器经配置以计算所述邻近像素与所述主题像素之间的所述距离作为所述邻近像素的一强度值与所述主题像素的一强度值之间的一差。
4.根据权利要求1所述的用于处理一图像的设备，其中所述区间选择器经配置以通过将所述计算出的距离与复数个所述区间中的每一者的一端点进行比较来选择包括所述计算出的距离的所述区间。
5.根据权利要求1所述的用于处理一图像的设备，其中所述区间选择器经配置以通过将所述计算出的距离与复数个所述区间中的每一者的一端点并行地进行比较来选择包括所述计算出的距离的所述区间。
6.根据权利要求1所述的用于处理一图像的设备，其中所述值权重计算器经配置以基于所述相应的选定区间、通过读取与所述区间相关联的一基值并基于所述相应的计算出的距离计算对所述基值的一校正来计算一值权重。
7.根据权利要求6所述的用于处理一图像的设备，所述设备包含一存储元件，所述存储元件经配置以存储一第一条目集合，所述第一条目集合的特征在于值权重对距离的一第一单调递减非线性依赖性，
其中所述值权重计算器经配置以从所述第一集合中读取所述基值，且
其中所述存储元件经配置以代替所述第一集合而存储一第二条目集合，所述第二条目集合的特征在于权重与距离之间的一第二单调递减非线性关系，所述第二集合不同于所述第一集合，且所述第二关系不同于所述第一关系；且
其中，在处理所述图像之后，所述设备经配置以处理一包括一主题像素的第二图像，且所述值权重计算器经配置以从所述第二集合中读取一基值。
8.根据权利要求6所述的用于处理一图像的设备，其中所述值权重计算器经配置以基于所述相应的选定的区间、通过读取与所述区间相关联的一插值参数并基于所述插值参数计算对所述基值的所述校正来计算一值权重。
9.根据权利要求1所述的用于处理一图像的设备，所述设备包含一图像传感器，其经配置以捕获所述图像。
10.根据权利要求1所述的用于处理一图像的设备，所述设备包含一存储元件，所述存储元件经配置以存储复数个值集合，每一集合与所述复数个区间中的一相应区间相关联，且包括一插值参数、一距离值、和在所述相应距离值下值权重与距离之间的一单调递减非线性关系的一值，
其中所述值权重计算器经配置以基于与所述相应的选定区间相关联的所述值集合来计算所述值权重。
11.根据权利要求10所述的用于处理一图像的设备，其中所述距离计算器、所述区间选择器、所述值权重计算器和所述像素值计算器中的至少一者与所述存储元件制造在同一封装中。
12.根据权利要求10所述的用于处理一图像的设备，所述设备包含：
一图像传感器，其经配置以捕获所述图像；和
一外壳，其经配置以容纳所述图像传感器、所述存储元件和一便携式电源。
13.根据权利要求10所述的用于处理一图像的设备，其中所述距离计算器、所述区间选择器、所述值权重计算器和所述像素值计算器中的至少一者建构为一专用的逻辑元件阵列。
14.根据权利要求10所述的用于处理一图像的设备，所述设备包含一处理器，
其中所述距离计算器、所述区间选择器、所述值权重计算器和所述像素值计算器中的至少一者包含可由所述处理器执行的一组指令。
15.一种用于处理一包括一主题像素的图像的设备，所述设备包含：
用于针对所述主题像素的一邻域中的复数个邻近像素中的每一者来计算所述邻近像素与所述主题像素之间的一距离的装置；
用于针对所述计算出的距离的每一者且从复数个区间中选择一包括所述计算出的距离的区间的装置；
用于针对所述复数个邻近像素的每一者而基于所述相应的选定区间来获得一值权重的装置；和
用于基于所述邻近像素的值来计算所述主题像素的一值的装置，所述计算一值包含用所述相应的值权重来对所述复数个邻近像素的每一者的值进行加权。
16.根据权利要求15所述的用于处理一图像的设备，所述设备包含：
用于存储复数个值集合的装置，每一集合与所述复数个区间中的一相应区间相关联，且包括一插值参数、一距离值、和在所述相应距离值下值权重与距离之间的一单调递减非线性关系的一值；
一图像传感器，其经配置以捕获所述图像；和
一外壳，其经配置以容纳所述图像传感器、所述用于存储的装置和一便携式电源，
其中所述用于获得一权重值的装置经配置以基于与所述相应的选定区间相关联的所述值集合来计算所述值权重。
17.一种处理一包括一主题像素的图像的方法，所述方法包含：
(a)针对所述主题像素的一邻域中的复数个邻近像素中的每一者，计算所述邻近像素与所述主题像素之间的一距离；
(b)针对所述计算出的距离的每一者且从复数个区间中选择一包括所述计算出的距离的区间；
(c)针对所述复数个邻近像素的每一者，基于所述相应的选定区间来获得一值权重；和
(d)基于所述邻近像素的值来计算所述主题像素的一值，所述计算一值包含用所述相应的值权重来对所述复数个邻近像素的每一者的值进行加权。
18.根据权利要求17所述的处理一图像的方法，其中所述获得一值权重包含基于所述相应的计算出的距离、根据值权重与距离之间的一单调递减非线性关系来计算一值权重。
19.根据权利要求17所述的处理一图像的方法，其中所述计算一距离包括计算所述邻近像素的一强度值与所述主题像素的一强度值之间的一差。
20.根据权利要求17所述的处理一图像的方法，其中所述选择一包括所述计算出的距离的区间包含将所述计算出的距离与复数个所述区间中的每一者的一端点进行比较。
21.根据权利要求17所述的处理一图像的方法，其中所述基于所述相应的选定区间来获得一值权重包括读取与所述区间相关联的一基值和基于所述相应的计算出的距离计算对所述基值的一校正。
22.根据权利要求21所述的处理一图像的方法，所述方法包含：
载入一第一条目集合，所述第一条目集合的特征在于值权重对距离的一第一单调递减非线性依赖性，其中所述读取一基值包含从所述第一集合中进行读取；
载入一第二条目集合，所述第二条目集合的特征在于权重与距离之间的一第二单调递减非线性关系，所述第二集合不同于所述第一集合，且所述第二关系不同于所述第一关系；和
对一包括一主题像素的第二图像执行动作(a)、(b)、(c)和(d)，其中对所述第二图像执行的所述动作(c)包括从编索引的集合中读取与所述区间相关联的一基值和基于所述相应的计算出的距离计算对所述基值的一校正。
23.根据权利要求21所述的处理一图像的方法，其中所述计算对所述基值的一校正包括读取与所述区间相关联的一插值参数。
24.根据权利要求23所述的处理一图像的方法，其中所述计算对所述基值的一校正包括读取与所述区间相关联的一距离和基于(a)所述插值参数和(b)所述计算出的距离与所述读取距离之间的一差来计算对所述基值的一校正。
25.根据权利要求23所述的处理一图像的方法，其中所述获得一值权重包含基于所述相应的计算出的距离、根据值权重与距离之间的一单调递减非线性关系来计算一值权重，
其中所述插值参数表示对所述区间上的所述单调递减非线性关系进行近似的一线的一斜率。
26.一种数据存储媒介，其具有描述根据权利要求25所述的方法的机器可读指令。
27.根据权利要求17所述的处理一图像的方法，所述方法包含对所述复数个邻近像素的所述经加权值的一总和进行归一化，所述归一化包括：
读取与所述复数个值权重的一总和相关联的一值；
将所述复数个邻近像素的所述经加权值的一总和乘以所述读取值以获得一中间值；和
向右移位所述中间值。
28.一种数据存储媒介，其具有描述根据权利要求17所述的方法的机器可读指令。
CN2005800252196A 2004-06-28 2005-06-27 自适应滤波器和用于图像处理的设备、方法 Active CN1989525B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US58377904P 2004-06-28 2004-06-28
US60/583,779 2004-06-28
US11/043,276 2005-01-25
US11/043,276 US7319797B2 (en) 2004-06-28 2005-01-25 Adaptive filters and apparatus, methods, and systems for image processing
PCT/US2005/022838 WO2006028559A1 (en) 2004-06-28 2005-06-27 Adaptive filters and apparatus, methods, and systems for image processing

Publications (2)

Publication Number Publication Date
CN1989525A true CN1989525A (zh) 2007-06-27
CN1989525B CN1989525B (zh) 2010-05-05

Family

ID=35508284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2005800252196A Active CN1989525B (zh) 2004-06-28 2005-06-27 自适应滤波器和用于图像处理的设备、方法

Country Status (4)

Country Link
US (1) US7319797B2 (zh)
CN (1) CN1989525B (zh)
MX (1) MX2007000274A (zh)
WO (1) WO2006028559A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102324088A (zh) * 2009-01-23 2012-01-18 华为技术有限公司 确定图像插值过程中的滤波器系数的方法及装置
CN101909141B (zh) * 2009-06-03 2012-06-27 晨星软件研发(深圳)有限公司 电视影像调整方法与装置
US8300152B2 (en) 2009-06-02 2012-10-30 Mstar Semiconductor, Inc. TV image adjusting method and apparatus thereof
CN103020914A (zh) * 2012-12-18 2013-04-03 华侨大学 基于空间连续性原理的快速图像去雾方法
CN103907109A (zh) * 2011-06-27 2014-07-02 耶路撒冷希伯来大学伊萨姆研究发展有限公司 为图像处理目的用滤波器应用卷积的快速数值逼近
TWI451753B (zh) * 2009-06-04 2014-09-01 Genesys Logic Inc 影像雜訊消除模組、影像訊號處理裝置及影像雜訊消除方法
CN104380340A (zh) * 2012-03-20 2015-02-25 保罗－里德－史密斯－吉塔尔斯股份合作有限公司 基于邻域关系对像素进行评分和调整以揭示图像中的数据
CN105389290A (zh) * 2014-08-27 2016-03-09 想象技术有限公司 有效插值
US9697443B2 (en) 2014-12-11 2017-07-04 Intel Corporation Model compression in binary coded image based object detection
CN107305484A (zh) * 2016-04-19 2017-10-31 北京中科寒武纪科技有限公司 一种非线性函数运算装置及方法
CN109615597A (zh) * 2018-12-07 2019-04-12 哈尔滨工程大学 一种基于中心仿射滤波的图像斑点噪声抑制方法

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7738015B2 (en) 1997-10-09 2010-06-15 Fotonation Vision Limited Red-eye filter method and apparatus
TWI336595B (en) * 2005-05-19 2011-01-21 Mstar Semiconductor Inc Noise reduction method
US7406675B2 (en) * 2005-12-16 2008-07-29 Lsi Corporation Method and system for improving aerial image simulation speeds
CN101867832B (zh) * 2005-12-29 2011-09-07 安泰科技有限公司 阈值确定装置和阈值确定方法
CN101443810B (zh) * 2006-05-09 2013-01-16 皇家飞利浦电子股份有限公司 向上尺度变换
IES20070229A2 (en) 2006-06-05 2007-10-03 Fotonation Vision Ltd Image acquisition method and apparatus
JP2008018047A (ja) * 2006-07-13 2008-01-31 Fujifilm Corp 欠陥領域補正装置および方法並びにプログラム、放射線検出装置
JP4284628B2 (ja) * 2006-12-15 2009-06-24 ソニー株式会社 撮像装置、画像処理装置、画像処理方法、画像処理方法のプログラム及び画像処理方法のプログラムを記録した記録媒体
US7903900B2 (en) * 2007-03-30 2011-03-08 Hong Kong Applied Science And Technology Research Institute Co., Ltd. Low complexity color de-noising filter
KR101303660B1 (ko) * 2007-10-01 2013-09-04 삼성전자주식회사 잡음제거를 고려한 선명도 향상 방법 및 장치 그리고 잡음가중치 계산 방법 및 장치
FR2925200A1 (fr) * 2007-12-13 2009-06-19 Thomson Licensing Sas Procede de conversion de format d'image video et dispositif correspondant
DE102008005071B4 (de) * 2008-01-18 2013-11-14 Siemens Aktiengesellschaft Verfahren zur zeitlichen Registrierung von Bildseriendatensätzen
US8285069B2 (en) * 2010-03-30 2012-10-09 Chunghwa Picture Tubes, Ltd. Image processing device and method thereof
TWI399971B (zh) * 2010-07-28 2013-06-21 Vatics Inc 降低數位影像雜訊的方法及其電子裝置
JP6253331B2 (ja) * 2012-10-25 2017-12-27 キヤノン株式会社 画像処理装置及び画像処理方法
US20160379087A1 (en) * 2013-12-12 2016-12-29 Metaio Gmbh Method for determining a similarity value between a first image and a second image
CN106575364A (zh) * 2014-04-11 2017-04-19 英特尔公司 使用定向滤波的目标检测
JP6390173B2 (ja) * 2014-06-02 2018-09-19 日本電気株式会社 情報処理装置、情報処理システム、画像処理方法、及び、プログラム
US10902560B2 (en) 2016-03-31 2021-01-26 Sony Depthsensing Solutions Sa/Nv Or relating to filters
CN109792541A (zh) * 2016-10-05 2019-05-21 瑞典爱立信有限公司 用于视频译码的去振铃滤波器
US20180131710A1 (en) * 2016-11-07 2018-05-10 Microsoft Technology Licensing, Llc Network telephony anomaly detection images
US11397261B2 (en) * 2017-10-30 2022-07-26 Nec Corporation Image processing apparatus, image processing method, image processing program, and image processing system
US10546044B2 (en) * 2018-05-15 2020-01-28 Apple Inc. Low precision convolution operations
CN109741267B (zh) * 2018-12-05 2023-04-25 西安电子科技大学 基于三边滤波和神经网络的红外图像非均匀性校正方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5611000A (en) * 1994-02-22 1997-03-11 Digital Equipment Corporation Spline-based image registration
US5450216A (en) * 1994-08-12 1995-09-12 International Business Machines Corporation Color image gamut-mapping system with chroma enhancement at human-insensitive spatial frequencies
US5594856A (en) * 1994-08-25 1997-01-14 Girard; Michael Computer user interface for step-driven character animation
US5594854A (en) 1995-03-24 1997-01-14 3Dlabs Inc. Ltd. Graphics subsystem with coarse subpixel correction
AU717344B2 (en) * 1995-11-27 2000-03-23 Sun Microsystems, Inc. Texture mapping method and apparatus
CN1165434A (zh) * 1996-05-15 1997-11-19 联华电子股份有限公司 数字滤波器组结构及其实施方法
US6088016A (en) * 1996-12-30 2000-07-11 S3 Incorporated Dithering method and apparatus using ramp probability logic
US6847737B1 (en) * 1998-03-13 2005-01-25 University Of Houston System Methods for performing DAF data filtering and padding
JP2000308021A (ja) * 1999-04-20 2000-11-02 Niigata Seimitsu Kk 画像処理回路
US6809740B1 (en) * 2000-07-26 2004-10-26 Lexmark International, Inc. Dithered quantization using neighborhood mask array to approximate interpolate
GC0000235A (en) * 2000-08-09 2006-03-29 Shell Int Research Processing an image
JP4641704B2 (ja) 2000-09-12 2011-03-02 パナソニック株式会社 ノイズ低減化方法、ノイズ低減化装置、記録媒体、及びプログラム
KR100405150B1 (ko) * 2001-06-29 2003-11-10 주식회사 성진씨앤씨 시공간 적응적 잡음 제거/고화질 복원 방법 및 이를응용한 고화질 영상 입력 장치
US7271840B2 (en) * 2001-10-31 2007-09-18 Intel Corporation Method for determining entropy of a pixel of a real time streaming digital video image signal, and applications thereof
KR100594073B1 (ko) * 2002-09-17 2006-07-03 삼성전자주식회사 내장형 시스템의 디지털 영상 스케일링방법
CN1244885C (zh) * 2003-08-21 2006-03-08 上海交通大学 基于局部统计特性和彩色空间变换的遥感影像融合方法
EP1605403A1 (en) * 2004-06-08 2005-12-14 STMicroelectronics S.r.l. Filtering of noisy images

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102324088A (zh) * 2009-01-23 2012-01-18 华为技术有限公司 确定图像插值过程中的滤波器系数的方法及装置
CN102324088B (zh) * 2009-01-23 2013-10-09 华为技术有限公司 确定图像插值过程中的滤波器系数的方法及装置
US8300152B2 (en) 2009-06-02 2012-10-30 Mstar Semiconductor, Inc. TV image adjusting method and apparatus thereof
CN101909141B (zh) * 2009-06-03 2012-06-27 晨星软件研发(深圳)有限公司 电视影像调整方法与装置
TWI451753B (zh) * 2009-06-04 2014-09-01 Genesys Logic Inc 影像雜訊消除模組、影像訊號處理裝置及影像雜訊消除方法
US9361663B2 (en) 2011-06-27 2016-06-07 Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. Applying rapid numerical approximation of convolutions with filters for image processing purposes
CN103907109B9 (zh) * 2011-06-27 2017-02-22 耶路撒冷希伯来大学伊萨姆研究发展有限公司 为图像处理目的用滤波器应用卷积的快速数值逼近
CN103907109A (zh) * 2011-06-27 2014-07-02 耶路撒冷希伯来大学伊萨姆研究发展有限公司 为图像处理目的用滤波器应用卷积的快速数值逼近
CN103907109B (zh) * 2011-06-27 2016-11-16 耶路撒冷希伯来大学伊萨姆研究发展有限公司 为图像处理目的用滤波器应用卷积的快速数值逼近
CN104380340A (zh) * 2012-03-20 2015-02-25 保罗－里德－史密斯－吉塔尔斯股份合作有限公司 基于邻域关系对像素进行评分和调整以揭示图像中的数据
CN103020914B (zh) * 2012-12-18 2016-01-20 华侨大学 基于空间连续性原理的快速图像去雾方法
CN103020914A (zh) * 2012-12-18 2013-04-03 华侨大学 基于空间连续性原理的快速图像去雾方法
CN105389290A (zh) * 2014-08-27 2016-03-09 想象技术有限公司 有效插值
CN105389290B (zh) * 2014-08-27 2021-06-04 想象技术有限公司 有效插值
US11314845B2 (en) 2014-08-27 2022-04-26 Imagination Technologies Limited Interpolating a sample position value by interpolating surrounding interpolated positions
US9697443B2 (en) 2014-12-11 2017-07-04 Intel Corporation Model compression in binary coded image based object detection
CN107305484A (zh) * 2016-04-19 2017-10-31 北京中科寒武纪科技有限公司 一种非线性函数运算装置及方法
CN107305484B (zh) * 2016-04-19 2021-11-05 中科寒武纪科技股份有限公司 一种非线性函数运算装置及方法
CN109615597A (zh) * 2018-12-07 2019-04-12 哈尔滨工程大学 一种基于中心仿射滤波的图像斑点噪声抑制方法
CN109615597B (zh) * 2018-12-07 2022-04-05 哈尔滨工程大学 一种基于中心仿射滤波的图像斑点噪声抑制方法

Also Published As

Publication number Publication date
MX2007000274A (es) 2007-04-02
CN1989525B (zh) 2010-05-05
US7319797B2 (en) 2008-01-15
US20060245660A1 (en) 2006-11-02
WO2006028559A1 (en) 2006-03-16

Similar Documents

Publication Publication Date Title
CN1989525B (zh) 自适应滤波器和用于图像处理的设备、方法
Perreault et al. Median filtering in constant time
US20090262223A1 (en) Apparatus and method for improving image quality of image sensor
US9454810B2 (en) Correcting chrominance values based onTone-mapped luminance values
US9076218B2 (en) Method and image processing device for image dynamic range compression with local contrast enhancement
US7010163B1 (en) Method and apparatus for processing image data
US20170278224A1 (en) Method and system for denoising and demosaicing artifact suppression in digital images
US20120093431A1 (en) Image Sharpening Via Gradient Environment Detection
US20140247979A1 (en) Method and device for generating high dynamic range images
CN103561206A (zh) 调整将核应用于信号的效果在信号上取得预期效果的技术
US20090310015A1 (en) Transformation of a video image from a high dynamic range image to a low dynamic range image
CN104052979B (zh) 用于图像处理的装置和技术
CN105408936A (zh) 校正图像伪像的***和方法
JP2016504882A (ja) カラーフィルタを有するセンサを用いて、改善されたカラー画像を作成するための方法およびデバイス
US7813583B2 (en) Apparatus and method for reducing noise of image sensor
EP3093757B1 (en) Multi-dimensional sliding window operation for a vector processor
CN101505367B (zh) 自适应图像增强方法
US11399160B2 (en) Image sensor down-up sampling using a compressed guide
US8737758B2 (en) Apparatus and method of reducing noise
CN114723044A (zh) 用于存内计算芯片的误差补偿方法、装置、芯片、设备
CN112752009B (zh) 图像处理方法、模块、可读存储介质和图像传感器
US20180096488A1 (en) Method of texture synthesis and image processing apparatus using the same
US8280181B2 (en) Efficient filtering of image data
US8666172B2 (en) Providing multiple symmetrical filters
CN116631319B (zh) 屏幕显示补偿方法、智能终端及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1101440

Country of ref document: HK

C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1101440

Country of ref document: HK