CN103559692B - 处理图像的方法与装置 - Google Patents
处理图像的方法与装置 Download PDFInfo
- Publication number
- CN103559692B CN103559692B CN201310571492.5A CN201310571492A CN103559692B CN 103559692 B CN103559692 B CN 103559692B CN 201310571492 A CN201310571492 A CN 201310571492A CN 103559692 B CN103559692 B CN 103559692B
- Authority
- CN
- China
- Prior art keywords
- gradient
- absolute value
- vertical
- horizontal
- image
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种处理图像的方法与装置，方法包括：采用第一梯度计算方法获取图像的第一水平梯度和第一垂直梯度；采用第二梯度计算方法获取图像的第二水平梯度和第二垂直梯度；根据预设规则、第一水平梯度、第一垂直梯度、第二水平梯度和第二垂直梯度，获取图像的最终水平梯度和最终垂直梯度。根据本发明的处理图像的方法与装置，通过结合多种梯度算法获取最终水平梯度和最终垂直梯度，采用该最终水平梯度和最终垂直梯度对图像进行归一化处理，能够提高处理后的图像的真实性，较为真实地还原了原始图像。
Description
技术领域
本发明涉及图像处理技术，尤其涉及一种处理图像的方法与装置。
背景技术
现有的处理图像边沿的方法有以下几种：第一种是相邻像素（pixel）差值法，第二种是间隔像素差值法，第三种是将相邻像素差值法和间隔像素差值法的简单叠加。采用第一种方法能够很好的处理黑白图像的高频细节，但是对彩色图像的细节却会产生锯齿类问题；采用第二种方法能够很好的处理彩色图像的细节，但是对黑白图像的高频细节会产生格状类问题；采用第三种方法并没有很好地解决图像的锯齿类问题和格状类问题。
现有技术中，在处理图像时，会随机采取其中一种方式来进行处理，这样也许不能选择到合适的方法来处理图像，从而使得处理后的图像真实度降低。
发明内容
本发明提供一种处理图像的方法与装置，以尽量避免现有技术中处理图像时由于随机选取处理方式造成图像真实度降低的问题。
本发明第一个方面提供一种处理图像的方法，包括：
采用第一梯度计算方法获取图像的第一水平梯度和第一垂直梯度；
采用第二梯度计算方法获取所述图像的第二水平梯度和第二垂直梯度；
根据预设规则、所述第一水平梯度、所述第一垂直梯度、所述第二水平梯度和所述第二垂直梯度，获取所述图像的最终水平梯度和最终垂直梯度。
在第一种可能的实现方式中，根据第一方面，所述根据预设规则、所述第一水平梯度、所述第一垂直梯度、所述第二水平梯度和所述第二垂直梯度，获取所述图像的最终水平梯度和最终垂直梯度，包括：
将所述第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将所述第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积大于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第一水平梯度作为所述最终水平梯度，以及将所述第一垂直梯度作为所述最终垂直梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积小于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第二水平梯度作为所述最终水平梯度，以及将所述第二垂直梯度作为所述最终垂直梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积等于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第一水平梯度和第二水平梯度的平均值作为所述最终水平梯度，以及将所述第一垂直梯度和第二垂直梯度的平均值作为所述最终垂直梯度。
在第二种可能的实现方式中，根据第一方面，所述根据预设规则、所述第一水平梯度、所述第一垂直梯度、所述第二水平梯度和所述第二垂直梯度，获取所述图像的最终水平梯度和最终垂直梯度，包括：
将所述第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将所述第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
根据如下公式获取权重值：
权重值=（第一最大梯度的绝对值×第二最小梯度的绝对值）/（第一最大梯度的绝对值×第二最小梯度的绝对值+第二最大梯度的绝对值×第一最小梯度的绝对值）；
根据权重值和如下公式获取所述图像的最终水平梯度和最终垂直梯度：
所述最终水平梯度=第一水平梯度×权重值+第二水平梯度×（1－权重值）；
所述最终垂直梯度=第一垂直梯度×权重值+第二垂直梯度×（1－权重值）。
在第三种可能的实现方式中，根据第一方面或第一种可能的实现方式或第二种可能的实现方式，其特征在于，在获取所述图像的最终水平梯度和最终垂直梯度之后，还包括：
采用所述最终水平梯度和所述最终垂直梯度对所述图像进行处理。
本发明第二个方面提供一种处理图像的装置，包括：
第一获取单元，用于采用第一梯度计算方法获取图像的第一水平梯度和第一垂直梯度；
第二获取单元，用于采用第二梯度计算方法获取所述图像的第二水平梯度和第二垂直梯度；
第三获取单元，用于根据预设规则、所述第一水平梯度、所述第一垂直梯度、所述第二水平梯度和所述第二垂直梯度，获取所述图像的最终水平梯度和最终垂直梯度。
在第一种可能的实现方式中，根据第二方面，所述第三获取单元具体用于：
将所述第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将所述第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积大于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第一水平梯度作为所述最终水平梯度，以及将所述第一垂直梯度作为所述最终垂直梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积小于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第二水平梯度作为所述最终水平梯度，以及将所述第二垂直梯度作为所述最终垂直梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积等于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第一水平梯度和第二水平梯度的平均值作为所述最终水平梯度，以及将所述第一垂直梯度和第二垂直梯度的平均值作为所述最终垂直梯度。
在第二种可能的实现方式中，根据第二方面，所述第三获取单元具体用于：
将所述第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将所述第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
根据如下公式获取权重值：
权重值=（第一最大梯度的绝对值×第二最小梯度的绝对值）/（第一最大梯度的绝对值×第二最小梯度的绝对值+第二最大梯度的绝对值×第一最小梯度的绝对值）；
根据权重值和如下公式获取所述图像的最终水平梯度和最终垂直梯度：
所述最终水平梯度=第一水平梯度×权重值+第二水平梯度×（1－权重值）；
所述最终垂直梯度=第一垂直梯度×权重值+第二垂直梯度×（1－权重值）。
在第三种可能的实现方式中，根据第二方面或第一种可能的实现方式或第二种可能的实现方式，还包括：
处理单元，用于采用所述最终水平梯度和所述最终垂直梯度对所述图像进行处理。
由上述技术方案可知，本发明提供的处理图像的方法与装置，通过结合多种梯度算法获取最终水平梯度和最终垂直梯度，采用该最终水平梯度和最终垂直梯度对图像进行归一化处理，能够提高处理后的图像的真实性，较为真实地还原了原始图像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1A为根据本发明一实施例的处理图像的方法的流程示意图；
图1B为差值法的示意图；
图2为根据本发明另一实施例的处理图像的方法的流程示意图；
图3为根据本发明又一实施例的处理图像的方法的流程示意图；
图4为根据本发明再一实施例的处理图像的装置的结构示意图；
图5为根据本发明另一实施例的处理图像的装置的结构示意图；
图6为根据本发明又一实施例的处理图像的装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
本实施例提供一种处理图像的方法，用于对图像的边沿进行处理，以提高图像的真实度。本实施例的处理图像的方法的执行主体是处理图像的装置。
如图1A所示，为根据本实施例的处理图像的方法的流程示意图。
步骤101，采用第一梯度计算方法获取图像的第一水平梯度和第一垂直梯度。
第一梯度计算方法可以是相邻像素差值法和间隔像素差值法中的任一种，还可以是将相邻像素差值法和间隔像素差值法简单叠加。具体如何采用第一梯度算法获取图像的第一水平梯度和第一垂直梯度属于现有技术，在此不再赘述。
具体地，如图1B所示，相邻像素差值法为：
水平梯度的绝对值Grad_H=|Z20-Z21|+|Z21-Z22|+|Z22-Z23|+|Z23-Z24|
垂直梯度的绝对值Grad_V=|Z02-Z12|+|Z12-Z22|+|Z22-Z32|+|Z32-Z42|
间隔像素差值法为：
水平梯度的绝对值Grad_H=|Z20-Z22|+|Z21-Z23|+|Z22-Z24|
垂直梯度的绝对值Grad_V=|Z02-Z22|+|Z12-Z32|+|Z22-Z42|
将相邻像素差值法和间隔像素差值法简单叠加的具体方式为：
Grad_H=|Z20-Z21|+|Z21-Z22|+|Z22-Z23|+|Z23-Z24|+|Z20-Z22|+|Z21-Z23|+|Z22-Z24|
Grad_V=|Z02-Z12|+|Z12-Z22|+|Z22-Z32|+|Z32-Z42|+|Z02-Z22|+|Z12-Z32|+|Z22-Z42|
步骤102，采用第二梯度计算方法获取图像的第二水平梯度和第二垂直梯度。
第二梯度算法同样可以是第一梯度计算方法可以是相邻像素差值法和间隔像素差值法中的任一种，还可以是将相邻像素差值法和间隔像素差值法简单叠加。但是该第二梯度计算方法需与第一梯度计算方法不同。例如，当第一梯度计算方法是相邻像素差值法时，第二梯度计算方法可以是间隔像素差值法；当第一梯度计算方法是间隔像素差值法时，第二梯度计算方法可以是相邻像素差值法。
步骤103，根据预设规则、第一水平梯度、第一垂直梯度、第二水平梯度和第二垂直梯度，获取图像的最终水平梯度和最终垂直梯度。
处理图像的装置可以通过结合多种梯度算法获取图像的最终水平梯度和最终垂直梯度，然后采用该最终水平梯度和最终垂直梯度对图像进行处理。
根据本实施例的处理图像的方法，通过结合多种梯度算法获取最终水平梯度和最终垂直梯度，采用该最终水平梯度和最终垂直梯度对图像进行处理，能够提高处理后的图像的真实性，较为真实地还原了原始图像。
实施例二
本实施例基于实施例一提供一种处理图像的方法。
如图2所示，为根据本实施例的处理图像的方法的流程示意图。
步骤201，采用第一梯度算法获取图像的第一水平梯度和第一垂直梯度。
本实施例中，处理图像的装置采用相邻像素差值法获取图像的第一水平梯度和第一垂直梯度。
步骤202，采用第二梯度计算方法获取图像的第二水平梯度和第二垂直梯度。
本实施例中，处理图像的装置采用间隔像素差值法获取图像的第二水平梯度和第二垂直梯度。
步骤203，将第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度T1_MAX，另一个作为第一最小梯度T1_MIN。
步骤204，将第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度T2_MAX，另一个作为第二最小梯度T2_MIN。
步骤205，当|T1_MAX|×|T2_MIN|＞|T1_MIN|×|T2_MAX|时，将第一水平梯度作为最终水平梯度，以及将第一垂直梯度作为最终垂直梯度；当|T1_MAX|×|T2_MIN|＜|T1_MIN|×|T2_MAX|时，将第二水平梯度作为最终水平梯度，以及将第二垂直梯度作为最终垂直梯度；当|T1_MAX|×|T2_MIN|==|T1_MIN|×|T2_MAX|时，将第一水平梯度和第二水平梯度的平均值作为最终水平梯度，以及将第一垂直梯度和第二垂直梯度的平均值作为最终垂直梯度。
步骤206，采用最终水平梯度和最终垂直梯度对图像进行处理。
该处理具体可以是滤波去噪处理，例如采用最终水平梯度和最终垂直梯度可对图像在当前点的水平方向的样本值均值和垂直方向的样本均值进行加权平均，求得当前点的最终加权均值，以使图像更加真实。假设，水平方向的权值为Hweight，竖直方向的权值为Vweight，当前点（Green）的水平方向的样本均值为H_SamplesAverage，当前点（Green）的垂直方向的样本均值为V_SamplesAverage，则：
Hweight=Grad_V*Grad_V
Vweight=Grad_H*Grad_H
滤波去噪处理结果为(H_SamplesAverage*Hweight+V_SamplesAverage*Vweight)/(Hweight+Vweight)
该处理还可以是图像增强处理。具体地，比较最终水平梯度和最终垂直梯度的绝对值，并获取其中绝对值最大的那个方向上的二阶梯度值，再将该二阶梯度值按照预设比例进行缩放之后叠加到图像点的原始值上，以改善图像质量。假设图像点的原始值为Original_C，Hgrad为最终水平梯度，Vgrad为最终垂直梯度，Adjustable_Weight为可手动调节大小的配置参数，Sharpen_Metric为增强度量值，Sharpened_C为增强后的值，则：
如果|Hgrad|>|Vgrad|，令Sharpen_Metric=Grad_H*Adjustable_Weight
否则，令Sharpen_Metric=Vgrad*Adjustable_Weight
Sharpened_C=Original_C+Sharpen_Metric。
当然，还可以将本实施例的最终水平梯度和最终垂直梯度应用到逆马赛克变换（Demosaicing）中。假设，水平方向的权值为Hweight，竖直方向的权值为Vweight，当前点为Green，H_GsubB为水平方向上Green通道样本均值减去Blue通道样本均值所得到的差值，V_GsubB为垂直方向上Green通道样本均值减去Blue通道样本均值所得到的差值，Esti_GsubB为Green通道值减去Blue通道值所得到的差值，H_GsubR为水平方向上Green通道样本均值减去Red通道样本均值所得到的差值，V_GsubR为垂直方向上Green通道样本均值减去Red通道样本均值所得到的差值，Esti_GsubR为Green通道值减去Red通道值所得到的差值，Interpolated_B是插值出的Blue值，Interpolated_R是插值出的Red值，则：
Hweight=Grad_V*Grad_V
Vweight=Grad_H*Grad_H
Esti_GsubB=(H_GsubB*Hweight+V_GsubB*Vweight)/(Hweight+Vweight)
Esti_GsubR=(H_GsubR*Hweight+V_GsubR*Vweight)/(Hweight+Vweight)
Interpolated_B=Original_G-Esti_GsubB
Interpolated_R=Original_G-Esti_GsubR
根据本实施例的处理图像的方法，通过对第一梯度计算方法得到第一水平梯度、第一垂直梯度以及通过第二梯度计算方法得到第二水平梯度、第二垂直梯度，然后根据预设规则判断选择哪种梯度计算方法作为处理该图像的方法，使得所选择的梯度计算方法更适合处理该图像，即能够实现自适应处理图像。
实施例三
本实施例基于实施例一提供一种处理图像的方法。
如图3所示，为根据本实施例的处理图像的方法的流程示意图。
步骤301，采用第一梯度算法获取图像的第一水平梯度和第一垂直梯度。
本实施例中，处理图像的装置采用相邻像素差值法获取图像的第一水平梯度和第一垂直梯度。
步骤302，采用第二梯度计算方法获取图像的第二水平梯度和第二垂直梯度。
本实施例中，处理图像的装置采用间隔像素差值法获取图像的第二水平梯度和第二垂直梯度。
步骤303，将第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度T1_MAX，另一个作为第一最小梯度T1_MIN。
步骤304，将第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度T2_MAX，另一个作为第二最小梯度T2_MIN。
步骤305，根据如下公式获取权重值：
权重值=（第一最大梯度的绝对值×第二最小梯度的绝对值）/（第一最大梯度的绝对值×第二最小梯度的绝对值+第二最大梯度的绝对值×第一最小梯度的绝对值）。
步骤306，根据权重值和如下公式获取图像的最终水平梯度和最终垂直梯度：
最终水平梯度=第一水平梯度×权重值+第二水平梯度×（1－权重值）；
最终垂直梯度=第一垂直梯度×权重值+第二垂直梯度×（1－权重值）。
步骤307，采用最终水平梯度和最终垂直梯度对图像进行处理。
该处理与实施例二中的处理相似，在此不再赘述。
根据本实施例的处理图像的方法，通过对第一梯度计算方法得到第一水平梯度、第一垂直梯度以及通过第二梯度计算方法得到第二水平梯度、第二垂直梯度，然后获取权重值，并根据该权重值获取最终水平梯度和最终垂直梯度并根据该最终水平梯度和最终垂直梯度处理图像，以使得处理后的图像的真实性提高。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
实施例四
本实施例提供一种处理图像的装置，用于执行上述处理图像的方法。
如图4所示，为根据本实施例的处理图像的装置的结构示意图。本实施例的处理图像的装置的结构具体包括第一获取单元401、第二获取单元402和第三获取单元403。
其中，第一获取单元401用于采用第一梯度计算方法获取图像的第一水平梯度和第一垂直梯度；第二获取单元402用于采用第二梯度计算方法获取图像的第二水平梯度和第二垂直梯度；第三获取单元403用于根据预设规则、第一水平梯度、第一垂直梯度、第二水平梯度和第二垂直梯度，获取图像的最终水平梯度和最终垂直梯度。
该处理图像的装置的具体操作方法与实施例一一致，在此不再赘述。
根据本实施例的处理图像的装置，通过结合多种梯度算法获取最终水平梯度和最终垂直梯度，采用该最终水平梯度和最终垂直梯度对图像进行处理，能够提高处理后的图像的真实性，较为真实地还原了原始图像。
可选地，如图5所示，本实施例的处理图像的装置还可以包括处理单元501，该处理单元501具体用于采用最终水平梯度和最终垂直梯度对图像进行处理。
实施例五
本实施例对实施例四的处理图像的装置做进一步补充说明。
可选地，本实施例的处理图像的装置中的第三获取单元403具体用于：
将第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
当第一最大梯度的绝对值与第二最小梯度的绝对值的乘积大于第二最大梯度的绝对值与第二最小梯度的绝对值的乘积时，将第一水平梯度作为最终水平梯度，以及将第一垂直梯度作为最终垂直梯度；
当第一最大梯度的绝对值与第二最小梯度的绝对值的乘积小于第二最大梯度的绝对值与第二最小梯度的绝对值的乘积时，将第二水平梯度作为最终水平梯度，以及将第二垂直梯度作为最终垂直梯度；
当第一最大梯度的绝对值与第二最小梯度的绝对值的乘积等于第二最大梯度的绝对值与第二最小梯度的绝对值的乘积时，将第一水平梯度和第二水平梯度的平均值作为最终水平梯度，以及将第一垂直梯度和第二垂直梯度的平均值作为最终垂直梯度。
或者，可选地，本实施例的处理图像的装置中的第三获取单元403具体用于：
将第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
根据如下公式获取权重值：
权重值=（第一最大梯度的绝对值×第二最小梯度的绝对值）/（第一最大梯度的绝对值×第二最小梯度的绝对值+第二最大梯度的绝对值×第一最小梯度的绝对值）；
根据权重值和如下公式获取图像的最终水平梯度和最终垂直梯度：
最终水平梯度=第一水平梯度×权重值+第二水平梯度×（1－权重值）；
最终垂直梯度=第一垂直梯度×权重值+第二垂直梯度×（1－权重值）。
根据本实施例的处理图像的装置，通过对第一梯度计算方法得到第一水平梯度、第一垂直梯度以及通过第二梯度计算方法得到第二水平梯度、第二垂直梯度，然后根据预设规则判断选择哪种梯度计算方法作为处理该图像的方法或者通过获取的权重值获取最终水平梯度和最终垂直梯度，并根据该最终水平梯度和最终垂直梯度处理图像，使得所选择的梯度计算方法更适合处理该图像，即能够实现自适应处理图像。
实施例六
本实施例提供另一种处理图像的装置，用于执行上述处理图像的方法。
如图6所示，为根据本实施例的处理图像的装置的结构示意图。该处理图像的装置600包括至少一个处理器601、通信总线602、存储器603以及至少一个通信接口604。
其中，通信总线602用于实现上述组件之间的连接并通信，通信接口604用于与网络设备连接并通信。该总线可以是ISA（Industry StandardArchitecture，工业标准体系结构）总线、PCI（Peripheral Component，外部设备互连）总线或EISA（Extended Industry Standard Architecture，扩展工业标准体系结构）总线等。总线可以是一条或多条物理线路，当是多条物理线路时可以分为地址总线、数据总线、控制总线等。
其中，存储器603用于存储可执行程序代码，其中，处理器501通过读取存储器603中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于：
采用第一梯度计算方法获取图像的第一水平梯度和第一垂直梯度；
采用第二梯度计算方法获取图像的第二水平梯度和第二垂直梯度；
根据预设规则、第一水平梯度、第一垂直梯度、第二水平梯度和第二垂直梯度，获取图像的最终水平梯度和最终垂直梯度。
可选地，处理器601通过读取存储器603中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于根据预设规则、第一水平梯度、第一垂直梯度、第二水平梯度和第二垂直梯度，获取图像的最终水平梯度和最终垂直梯度，具体可以是：
将第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
当第一最大梯度的绝对值与第二最小梯度的绝对值的乘积大于第二最大梯度的绝对值与第二最小梯度的绝对值的乘积时，将第一水平梯度作为最终水平梯度，以及将第一垂直梯度作为最终垂直梯度；
当第一最大梯度的绝对值与第二最小梯度的绝对值的乘积小于第二最大梯度的绝对值与第二最小梯度的绝对值的乘积时，将第二水平梯度作为最终水平梯度，以及将第二垂直梯度作为最终垂直梯度；
当第一最大梯度的绝对值与第二最小梯度的绝对值的乘积等于第二最大梯度的绝对值与第二最小梯度的绝对值的乘积时，将第一水平梯度和第二水平梯度的平均值作为最终水平梯度，以及将第一垂直梯度和第二垂直梯度的平均值作为最终垂直梯度。
可选地，处理器601通过读取存储器603中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于根据预设规则、第一水平梯度、第一垂直梯度、第二水平梯度和第二垂直梯度，获取图像的最终水平梯度和最终垂直梯度，具体可以是：
将第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
根据如下公式获取权重值：
权重值=（第一最大梯度的绝对值×第二最小梯度的绝对值）/（第一最大梯度的绝对值×第二最小梯度的绝对值+第二最大梯度的绝对值×第一最小梯度的绝对值）；
根据权重值和如下公式获取图像的最终水平梯度和最终垂直梯度：
最终水平梯度=第一水平梯度×权重值+第二水平梯度×（1－权重值）；
最终垂直梯度=第一垂直梯度×权重值+第二垂直梯度×（1－权重值）。
可选地，处理器601在通过读取存储器603中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于获取图像的最终水平梯度和最终垂直梯度之后，还可以通过读取存储器603中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于：
采用最终水平梯度和最终垂直梯度对图像进行处理。
根据本实施例的处理图像的装置600，通过结合多种梯度算法获取最终水平梯度和最终垂直梯度，采用该最终水平梯度和最终垂直梯度对图像进行处理，能够提高处理后的图像的真实性，较为真实地还原了原始图像。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (4)
1.一种处理图像的方法，其特征在于，包括：
采用第一梯度计算方法获取图像的第一水平梯度和第一垂直梯度；
采用第二梯度计算方法获取所述图像的第二水平梯度和第二垂直梯度；
根据预设规则、所述第一水平梯度、所述第一垂直梯度、所述第二水平梯度和所述第二垂直梯度，获取所述图像的最终水平梯度和最终垂直梯度；
所述第二梯度计算方法需与所述第一梯度计算方法不同；
其中：所述根据预设规则、所述第一水平梯度、所述第一垂直梯度、所述第二水平梯度和所述第二垂直梯度，获取所述图像的最终水平梯度和最终垂直梯度，包括：
将所述第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将所述第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积大于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第一水平梯度作为所述最终水平梯度，以及将所述第一垂直梯度作为所述最终垂直梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积小于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第二水平梯度作为所述最终水平梯度，以及将所述第二垂直梯度作为所述最终垂直梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积等于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第一水平梯度和第二水平梯度的平均值作为所述最终水平梯度，以及将所述第一垂直梯度和第二垂直梯度的平均值作为所述最终垂直梯度；
或者是，所述根据预设规则、所述第一水平梯度、所述第一垂直梯度、所述第二水平梯度和所述第二垂直梯度，获取所述图像的最终水平梯度和最终垂直梯度，包括：
将所述第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将所述第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
根据如下公式获取权重值：
权重值＝(第一最大梯度的绝对值×第二最小梯度的绝对值)/(第一最大梯度的绝对值×第二最小梯度的绝对值+第二最大梯度的绝对值×第一最小梯度的绝对值)；
根据权重值和如下公式获取所述图像的最终水平梯度和最终垂直梯度：
所述最终水平梯度＝第一水平梯度×权重值+第二水平梯度×(1－权重值)；
所述最终垂直梯度＝第一垂直梯度×权重值+第二垂直梯度×(1－权重值)。
2.根据权利要求1所述的处理图像的方法，其特征在于，在获取所述图像的最终水平梯度和最终垂直梯度之后，还包括：
采用所述最终水平梯度和所述最终垂直梯度对所述图像进行处理。
3.一种处理图像的装置，其特征在于，包括：
第一获取单元，用于采用第一梯度计算方法获取图像的第一水平梯度和第一垂直梯度；
第二获取单元，用于采用第二梯度计算方法获取所述图像的第二水平梯度和第二垂直梯度；
第三获取单元，用于根据预设规则、所述第一水平梯度、所述第一垂直梯度、所述第二水平梯度和所述第二垂直梯度，获取所述图像的最终水平梯度和最终垂直梯度；
所述第二梯度计算方法需与所述第一梯度计算方法不同；
其中：所述第三获取单元具体用于：
将所述第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将所述第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积大于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第一水平梯度作为所述最终水平梯度，以及将所述第一垂直梯度作为所述最终垂直梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积小于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第二水平梯度作为所述最终水平梯度，以及将所述第二垂直梯度作为所述最终垂直梯度；
当所述第一最大梯度的绝对值与所述第二最小梯度的绝对值的乘积等于所述第二最大梯度的绝对值与所述第二最小梯度的绝对值的乘积时，将所述第一水平梯度和第二水平梯度的平均值作为所述最终水平梯度，以及将所述第一垂直梯度和第二垂直梯度的平均值作为所述最终垂直梯度；
或者是，所述第三获取单元具体用于：
将所述第一水平梯度和第一垂直梯度中绝对值最大的一个作为第一最大梯度，另一个作为第一最小梯度；
将所述第二水平梯度和第二垂直梯度中绝对值最大的一个作为第二最大梯度，另一个作为第二最小梯度；
根据如下公式获取权重值：
权重值＝(第一最大梯度的绝对值×第二最小梯度的绝对值)/(第一最大梯度的绝对值×第二最小梯度的绝对值+第二最大梯度的绝对值×第一最小梯度的绝对值)；
根据权重值和如下公式获取所述图像的最终水平梯度和最终垂直梯度：
所述最终水平梯度＝第一水平梯度×权重值+第二水平梯度×(1－权重值)；
所述最终垂直梯度＝第一垂直梯度×权重值+第二垂直梯度×(1－权重值)。
4.根据权利要求3所述的处理图像的装置，其特征在于，还包括：
处理单元，用于采用所述最终水平梯度和所述最终垂直梯度对所述图像进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310571492.5A CN103559692B (zh) | 2013-11-13 | 2013-11-13 | 处理图像的方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310571492.5A CN103559692B (zh) | 2013-11-13 | 2013-11-13 | 处理图像的方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103559692A CN103559692A (zh) | 2014-02-05 |
| CN103559692B true CN103559692B (zh) | 2017-01-11 |
Family
ID=50013931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310571492.5A Active CN103559692B (zh) | 2013-11-13 | 2013-11-13 | 处理图像的方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103559692B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298799B (zh) * | 2019-06-25 | 2021-02-23 | 福建工程学院 | 一种pcb图像定位校正方法 |
| CN114419045A (zh) * | 2022-03-30 | 2022-04-29 | 武汉中导光电设备有限公司 | 光刻掩模板缺陷检测方法、装置、设备及可读存储介质 |
| CN114820546A (zh) * | 2022-05-09 | 2022-07-29 | 国网河北省电力有限公司衡水供电分公司 | 电力线图像识别和拼接方法、装置、终端及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6788826B1 (en) * | 1998-11-10 | 2004-09-07 | Agfa-Gevaert | Method for correcting artefacts in a digital image |
| CN101727659A (zh) * | 2008-10-31 | 2010-06-09 | 比亚迪股份有限公司 | 一种图像边缘增强方法及系统 |
| CN102034225A (zh) * | 2010-12-20 | 2011-04-27 | 天津大学 | 一种基于边缘模式的插入图像颜色分量的方法 |
| CN102938843A (zh) * | 2012-11-22 | 2013-02-20 | 华为技术有限公司 | 图像处理方法、装置以及成像设备 |
-
2013
- 2013-11-13 CN CN201310571492.5A patent/CN103559692B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6788826B1 (en) * | 1998-11-10 | 2004-09-07 | Agfa-Gevaert | Method for correcting artefacts in a digital image |
| CN101727659A (zh) * | 2008-10-31 | 2010-06-09 | 比亚迪股份有限公司 | 一种图像边缘增强方法及系统 |
| CN102034225A (zh) * | 2010-12-20 | 2011-04-27 | 天津大学 | 一种基于边缘模式的插入图像颜色分量的方法 |
| CN102938843A (zh) * | 2012-11-22 | 2013-02-20 | 华为技术有限公司 | 图像处理方法、装置以及成像设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103559692A (zh) | 2014-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103942758B (zh) | 基于多尺度融合的暗通道先验图像去雾方法 | |
| CN101902547B (zh) | 图像处理方法以及图像处理装置 | |
| JP6352617B2 (ja) | 映像処理装置及びその方法 | |
| WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
| US9838717B2 (en) | Method and system for filtering image noise out | |
| CN109389560B (zh) | 一种自适应加权滤波图像降噪方法、装置及图像处理设备 | |
| JP5767064B2 (ja) | イメージのエッジ向上方法 | |
| WO2014070273A1 (en) | Recursive conditional means image denoising | |
| CN111179189A (zh) | 基于生成对抗网络gan的图像处理方法、装置以及电子设备、存储介质 | |
| CN103347190A (zh) | 一种边相关的联合彩色去马赛克和放大方法 | |
| JP2014232938A (ja) | 画像処理装置、画像処理方法及びプログラム | |
| CN110070499A (zh) | 图像处理方法、装置和计算机可读存储介质 | |
| CN108447028A (zh) | 基于多尺度融合的水下图像质量改善方法 | |
| CN110858895A (zh) | 一种图像处理方法和装置 | |
| CN103559692B (zh) | 处理图像的方法与装置 | |
| CN105763768A (zh) | 一种图像处理方法、装置和系统 | |
| CN104919490A (zh) | 用于图像处理的结构描述符 | |
| CN113012073A (zh) | 视频质量提升模型的训练方法和装置 | |
| CN102118547A (zh) | 图像加权滤波的方法 | |
| CN103871035B (zh) | 图像去噪方法及装置 | |
| WO2024212750A1 (zh) | 图像信号处理方法、装置、设备及计算机可读存储介质 | |
| CN114429439A (zh) | 一种显示故障检测方法、装置、电子设备和存储介质 | |
| CN110070482A (zh) | 图像处理方法、装置和计算机可读存储介质 | |
| WO2018099303A1 (zh) | 一种图像去噪的方法、装置及计算机存储介质 | |
| CN106488079B (zh) | 一种视频去噪的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | 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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191212 Address after: 314200 2nd floor, No.135 Hongxia Road, Danghu street, Pinghu City, Jiaxing City, Zhejiang Province Patentee after: JIAXING BEST ELECTRONIC TECHNOLOGY CO.,LTD. Address before: 510000 unit 2414-2416, building, No. five, No. 371, Tianhe District, Guangdong, China Patentee before: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd. Effective date of registration: 20191212 Address after: 510000 unit 2414-2416, building, No. five, No. 371, Tianhe District, Guangdong, China Patentee after: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Patentee before: HUAWEI TECHNOLOGIES Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method and device for processing image Effective date of registration: 20221109 Granted publication date: 20170111 Pledgee: Danghu Branch of Zhejiang Pinghu Rural Commercial Bank Co.,Ltd. Pledgor: JIAXING BEST ELECTRONIC TECHNOLOGY CO.,LTD. Registration number: Y2022990000791 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20170111 Pledgee: Danghu Branch of Zhejiang Pinghu Rural Commercial Bank Co.,Ltd. Pledgor: JIAXING BEST ELECTRONIC TECHNOLOGY CO.,LTD. Registration number: Y2022990000791 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Methods and Devices for Image Processing Granted publication date: 20170111 Pledgee: Danghu Branch of Zhejiang Pinghu Rural Commercial Bank Co.,Ltd. Pledgor: JIAXING BEST ELECTRONIC TECHNOLOGY CO.,LTD. Registration number: Y2024980010067 |