基于圖形處理器的圖像實時去霧方法
【專利摘要】本發明公開了一種基于圖形處理器的圖像實時去霧方法，主要解決現有技術中采用計算機中央處理器CPU處理速度慢，不適合對高分辨率圖像進行實時去霧的缺點。其實現步驟為：1.初始化計算機，并輸入有霧圖像并讀取圖像數據；2.計算輸入霧圖的暗通道圖；3.根據暗通道圖計算大氣光值；4.計算輸入霧圖的初始透射率圖；5.對初始透射率圖進行引導濾波得到最終透射率圖；6.根據最終透射率圖對景物進行復原，輸出清晰無霧圖像。本發明能保證良好的去霧效果，且處理速度快，滿足1080p圖像的實時去霧要求，可用于對高分辨率圖像的實時去霧處理。
【專利說明】
基于圖形處理器的圖像實時去霧方法
技術領域
[0001] 本發明屬于圖像處理技術領域，更進一步設及一種圖像實時去霧方法，可用于室 外目標識別跟蹤、公路視覺監視、衛星遙感監測等領域當中。
【背景技術】
[0002] 霧圖的產生主要是因為大氣中霧、水蒸氣等渾濁媒質的散射影響，使攝像機接收 到的光強嚴重衰減，所獲圖像對比度較低，細節信息不明顯，信息的可辨識度大大降低。因 此，為了保證圖像清晰度和信息的可辨識度，并改正圖像因大氣光而帶來的色移，通常采用 圖像去霧算法對霧圖進行處理。基于暗通道先驗的圖像去霧算法從物理上對圖像進行去 霧，效果明顯且真實自然，所W被廣泛應用在圖像去霧領域當中。
[0003] 但是由于該算法計算復雜度高，處理速度較慢，因此限制了其在實時去霧領域的 應用。近年來，為了解決圖像去霧算法時間效率低的問題，許多基于不同平臺的優化去霧算 法應運而生。然而運些算法都只對分辨率較小的圖像有良好的效果，對高清視頻圖像卻依 然難W做到實時處理。所W，在采用暗通道先驗的去霧算法保證良好的去霧效果基礎上，將 精力放在如何提升算法運算速度上，從而誕生了使用GPU的高性能計算提高暗通道先驗去 霧算法速度的想法。GPU高性能計算是當前一個熱口的研究領域，通過GPU的并行架構與CPU 相結合，有效地減少計算時間、提高運算效率的一種運算方案。
[0004] 四川川大智勝軟件股份有限公司，四川大學的專利申請"一種基于CUDA的圖像實 時去霧方法"（公開號：〔化030498904，申請號:〔肥01310017014.乂，申請日：2013年1月17日） 中公開了一種基于CUDA的圖像實時去霧的方法。該方法主要利用CUDA構建CPU與GPU協同工 作環境;輸入原始有霧圖像，獲取該圖像的暗原色圖像及其大氣光值;根據暗原色先驗獲取 原始有霧圖像的透射率初始值，并利用引導濾波算法得到優化后的透射率;根據大氣散射 模型中的原始有霧圖像、透射率分布和大氣光確定去霧后的復原圖像。該方法充分結合CPU 和GPU各自的優點，構建兩者協同工作的編程模型，并利用暗原色先驗知識與大氣散射模型 估計出大氣光值、透射率分布，最終實現又好又快的實時霧天圖像復原效果。例如對分辨率 為600X400的低分辨視頻圖像，其處理速度可W達到32帖/秒，基本滿足實時去霧要求。該 方法的不足是整個實現方案的并行度不夠，部分過程仍然使用CPU進行串行處理，GPU計算 部分沒有充分挖掘數據的復用性，并且未采用紋理存儲和共享存儲等高速存儲器對數據的 訪問模式進行優化，導致其只能對低分辨視頻圖像進行實時處理，當圖像分辨率稍高一些 時，則不能實現快速處理，比如對分辨率為720 X 576的視頻圖像，其處理速度僅為21帖/秒。 顯然，對于IOSOp運樣的高清視頻圖像難W實現實時處理。

【發明內容】

[0005] 本發明的目的在于針對上述現有技術的不足，提供一種基于圖形處理器GPU的高 清視頻圖像實時去霧方法。W保證良好的去霧效果，提高去霧效率，實現對高清視頻圖像的 實時去霧處理。
[0006] 實現本發明目的的具體思路是:采用暗通道先驗的圖像去霧算法，提出基于圖形 處理器GPU的高性能并行計算方案對算法的各個模塊進行深度優化，在保證去霧效果的基 礎上，最大限度的提高算法處理速度。其技術方案包括如下：
[0007] (1)初始化計算機:將圖形處理器GPU與計算機連接起來，由計算機分配圖形處理 器GPU中的全局存儲器；
[0008] (2)將RGB彩色有霧圖像I輸入到計算機內存中，讀取輸入霧圖I的數據，并將讀取 到的整型數據轉換為浮點型數據存儲在全局存儲器中；
[0009] (3)計算輸入霧圖I的暗通道圖IdaA:
[0010] (3a)通過并行處理方式，求出輸入霧圖I中每個像素點的=通道最小值，生成一幅 灰度圖，并將數據存儲在全局存儲器中；
[0011] (3b)將所得灰度圖像與紋理存儲進行綁定；
[0012] (3c)通過并行處理方式，對綁定到紋理存儲中的圖像進行最小值濾波，即先進行 行向最小值濾波，再對行向濾波后的結果進行列向最小值濾波，得到輸入霧圖I的暗通道圖 Jdatk,并將其存儲在全局存儲器中.
[0013] (4)求取大氣光值：
[0014] (4a)采用合并訪存方式，利用歸約算法計算出輸入霧圖暗通道圖像中亮度最大的 0.1 %的像素點，并將運些點的坐標存儲在全局存儲器中；
[0015] (4b)采用合并訪存方式，利用歸約算法選定(4a)中存儲坐標對應輸入霧圖I中最 亮點的像素值作為大氣光A值；
[0016] (5)通過并行處理方式，計算圖像中每個點的初始透射率:
[0017]
<1>
[0018] 用計算得到的所有F(X)生成初始透射率圖f，并存儲在全局存儲器中，其中，AK表 示任意一個顏色通道的大氣光值，常數《取〇. 95;
[0019] (6)通過并行處理方式，W輸入霧圖I的灰度圖I'為引導圖像，取濾波核尺寸為35 X35,對初始透射率圖!?進行引導濾波，將濾波后輸出的精細化圖像，作為最終透射率圖t存 儲在全局存儲器中；
[0020] (7)通過并行處理方式，根據式<2〉計算輸入霧圖I中每個點經過去霧之后的像素 值 J(X):
[0021] I(x) =J(x)t(x)+A(l-t(x)) <2>
[0022] 其中，I(X)表示輸入霧圖I中任意X點的像素值，t(x)表示最終透射率圖t中任意X 點的透射率值，A代表大氣光值；
[0023] 用計算得到的所有J(X)生成清晰無霧圖像J，并將數據存儲在全局存儲器中；
[0024] (8)采用合并訪問的方式，從圖形處理器GPU內部的全局存儲器中讀取所得清晰無 霧圖像J，輸出到計算機內存中。
[0025] 與現有技術相比，本發明具有W下優點：
[0026] 第一，本發明提出將連接有圖形處理器GPU的計算機作為硬件實現平臺，采用 Tesla-C2075GPU硬件架構，克服了現有技術中并行計算性能不高W及GPU資源利用率不高 的缺點，使得本發明對高分辨率圖像進行去霧處理的效率更高，速度更快；同時由于本發明 采用多線程并行處理的方式，對一幅圖像中多個像素點的計算同時進行，使得圖形處理器 GPU的資源得到了更加有效的利用。
[0027] 第二，本發明引入行列濾波分開進行的思想來實現最小值濾波算法，先對輸入圖 像進行行向濾波，再對行向濾波的結果進行列向濾波，減少了單個像素的比較次數，減少了 計算量，提高了最小值濾波算法的運算速度；同時由于本發明在最小值濾波算法的具體實 現過程中引入紋理存儲的訪問模式，克服了濾波過程中大量的邊界判斷指令對warp流水線 操作的中斷影響，提高了數據訪問速度，進一步提升了算法的運行效率。
[0028] 第=，本發明引入圖像轉置的方法來實現均值濾波算法，同樣引入行列分開的濾 波思想，先對均值濾波的輸入圖像進行轉置，對轉置后的圖像進行基于滑窗制的列向均值 濾波;再對列向濾波后圖像的進行逆轉置W及列向均值濾波，即可得到最終結果;本發明通 過圖像轉置的方式保證了每個線程在同一位置的數據是連續的，因此可W采用合并訪問的 模式來讀取數據，提高了數據訪問速度，克服了算法執行效率不高的缺點。
[0029] 第四，本發明引入滑窗制的均值濾波算法，其包含了數據復用的概念，相較傳統算 法對圖像中每個元素進行濾波時都要進行一遍循環累加的復雜計算，計算量小，運算速度 快。
[0030] 第五，本發明在利用歸約算法計算大氣光值，W及在均值濾波中對圖像進行轉置 時，引入合并訪存的數據訪問模式，提高了數據訪問速度，優化了顯存的性能；克服了現有 技術對存儲器中數據訪問速度慢，效率不高的缺點。
[0031] 第六，本發明引入單線程處理單/單列像素點，多線程并行處理的計算方法，克服 了現有技術中串行處理消耗時間過長、計算量過大的缺點，提高了去霧算法的效率W及圖 形處理器GPU資源的利用率。
【附圖說明】
[0032] 圖1是本發明的實現流程圖。
[0033] 圖2是本發明用于實驗的S組有霧圖像。
[0034] 圖3是本發明對附圖2中S組有霧圖像進行去霧之后的S組結果圖。
【具體實施方式】
[0035] 下面結合附圖1對本發明做進一步描述。
[0036] 步驟1，初始化計算機。
[0037] 將圖形處理器GPU與計算機連接起來，圖形處理器GPU是指Tesla-C2075圖形處理 器GPU硬件架構；
[0038] 計算機為圖形處理器GPU分配共享存儲器，紋理存儲器和全局存儲器S種存儲空 間，用來存放圖形處理器GPU進行并行計算時的數據，運些數據包括輸入霧圖的圖像數據、 輸出清晰圖像的圖像數據W及各個內核函數輸出的中間結果。
[0039] 步驟2,輸入霧圖I并讀取圖像數據。
[0040] 將霧圖I輸入到計算機內存中并讀取其圖像數據，將整型數據轉換為浮點型數據 存儲在全局存儲器中。
[0041] 步驟3,計算輸入霧圖I的暗通道圖idaA。
[0042] 采用單線程對單像素點進行計算，多個線程同時對多個點進行計算的方式，求出 輸入霧圖I中每個像素點的=通道最小值，生成一幅灰度圖Idatk'，并將其存儲在全局存儲 器中；
[0043] 將灰度圖Idatk'與紋理存儲進行綁定，即采用紋理存儲的訪問模式讀取灰度圖 Idatk'中的數據;取濾波核尺寸為l5X15，?行列分開的濾波模式對灰度圖IdaTk'進行最小值 濾波，濾波過程中采用單線程對單像素點進行濾波，多個線程同時對多個點進行濾波的方 式;濾波輸出結果即為暗通道圖Idatk,并將其存儲在全局存儲器中。
[0044] 步驟4,計算大氣光值A。
[0045] 采用合并訪存的方式，即采用共享存儲器的訪問模式對暗通道圖Idatk中的數據進 行訪問，利用歸約算法計算暗通道圖Idatk中亮度最大的0.1%的像素點，并將運些點的對應 坐標存儲在全局存儲器中；
[0046] 采用合并訪存的方式，利用歸約算法選定上述存儲的坐標對應輸入霧圖I中最亮 點的像素值作為大氣光值A;
[0047] 運里之所W使用共享存儲器對暗通道圖Idatk中的點進行訪問，是因為在圖形處理 器GPU架構中，每個線程可使用的寄存器數目是有限的，GPU不能提供足夠的寄存器來存放 數據，所W將常量數據放入共享存儲器中，不但解決了存儲器數目有限的問題，更提高了數 據的訪問速度；
[004引合并訪存的方式是指，在圖形處理器GPU中，同一個half-wa巧中的線程每次訪問 共享存儲器中同一位置上的數據。
[0049]步驟5,采用單線程對單像素點進行計算，多個線程同時對多個點進行計算的方 式，求出輸入霧圖I中每個點的初始透射率/飛A-)。
[0化0]
:<衫：
[0化1]用計算得到的所有^(.^)生成初始透射率圖?^并存儲在全局存儲器中，其中，46表 示任意一個顏色通道的大氣光值，常數《取〇. 95。
[0052]步驟6,計算最終透射率圖t。
[0化3] W輸入霧圖I的灰度圖I'為引導圖像，取濾波核尺寸為35X35,對初始透射率圖/ 進行引導濾波，濾波過程中采用單線程對單像素點進行濾波，多個線程同時對多個點進行 濾波的方式，將濾波輸出的精細化圖像作為最終透射率圖t存儲在全局存儲器中。其中，引 導濾波算法的具體實現步驟如下：
[0054] (6a)分別對引導圖像I'和初始透射率圖？進行均值濾波：
[0055] (6al)采用合并訪存的方式，對引導圖像I '進行轉置，轉置過程中每個線程塊 block執行一個16X16的子數據塊的轉置，每個線程thread執行一個像素點的轉置，多個線 程塊block并行處理，將轉置后的圖像I'T存儲在全局存儲器中；
[0056] (6a2)采用單線程對單列像素點進行濾波，多個線程同時對多個列進行濾波的方 式，對轉置后的圖像I' T進行滑窗制的列向均值濾波：
[0057] (6a2a)取濾波半徑為7,記圖像I'T中第1行第巧揃像素點為（I'T)日,日，W(I'T)日,0為 濾波中屯、，計算第I行到第15行的第I列所有點像素值之和S皿0,0;
[005引（6曰26)^第1行第^'列的像素點（1'了)1^為濾波中屯、，計算第1-7行到第1巧行的第占- 列的所有點的像素值之和Siimi, j:
[0059] S 皿 i,j = s 皿 i,j-i-(rT)ij-i-7+(I，T)i,j" <4>
[0060] 其中，i = 0,l,. . . ,m-l，j = 0,l,. . . ,n-l，m表示圖像I'T的高度，n表示圖像I'T的寬 度； T 別川1 .
[0061] (6a2c)根據上述S皿十算第i行第j列的像素點（I'T)i,北勺濾波輸出為 Zx /十I
[00創 （6a2d似此類推，對圖像I'T中的所有像素點按上述(6a2b)-(6a2c)進行濾波，輸 出最終的濾波結果WeaMiiTS
[0063] (6a3)采用合并訪存的方式，對最終的濾波圖像進行逆轉置，即用每個線程 塊block執行一個16X16的子數據塊的轉置，每個線程thread執行一個像素點的轉置，多個 線程塊block并行轉置多個數據塊，得到逆轉置圖像WWW,/ ;
[0064] (6a4)對逆轉置圖像再次進行列向均值濾波，輸出均值濾波最終結果 mea打I' ；
[00化](6曰5)按照如上述相同的過程對初始透射率圖f進行均值濾波；
[0066] 經過上述(6al)-(6a5)的過程，分別輸出濾波后的結果meanr和《00巧，并將結果 存儲在全局存儲器中；
[0067] (6b)計算引導圖像I'的方差矩陣varr和引導圖像I'與初始透射率圖J的協方差 系數矩陣CWf;:，并根據方差矩陣van'和協方差系數矩陣CWw，計算第一線性相關系數矩陣 a和第二線性相關系數矩陣b:
[006引
<5>
[0069] 其中，修正因子e取1〇-5;
[0070] (6c)分別對第一線性相關系數矩陣a和第二線性相關系數矩陣b進行均值濾波，分 別輸出濾波結果meana和meanb，結合meana和meanb計算最終的透射率圖t:
[0071] t=meana.*I'+meanb。<6〉
[0072] 步驟7,采用單線程對單像素點進行計算，多個線程同時對多個點進行計算的方 式，通過式<7〉求出輸入霧圖I中每個點經過去霧之后的像素值J(X):
[0073] I(x)=J(x)t(x)+A(l-t(x)) <7〉
[0074] 其中，I (X)表示輸入霧圖I中任意X點的像素值，t (X)表示最終透射率圖t中任意X 點的透射率值，A代表大氣光值；
[0075] 用計算得到的所有J(X)生成清晰無霧圖像J，并將數據存儲在全局存儲器中；
[0076] 步驟8,輸出清晰無霧圖像：
[0077] 采用合并訪問的方式，從圖形處理器GPU內部的全局存儲器中讀取出清晰無霧圖 像的數據，輸出到計算機內存中。
[0078] 本發明的效果通過如下實驗進一步描述。
[0079] 本發明的硬件環境是Tesla-C2075圖形處理器GPU硬件架構，中央處理器CPU型號 為 Intel(R)Core(TMH5-2450M, 2.50GHz。
[0080] 實驗I，用本發明方法對如圖2所示的=組有霧圖像進行去霧處理，得到去霧后的 結果，如圖3所示，其中圖3(a)是對第一幅霧圖2(a)的去霧結果，圖3(b)是對第二幅霧圖2 (b)的去霧結果，圖3(c)是對第S幅霧圖2(c)的去霧結果，由圖3可見，本發明的去霧效果良 好，去霧后的圖像清晰自然。
[0081] 實驗2,將本發明進行圖像去霧時所需的處理時間與基于CPU的圖像去霧算法進行 圖像去霧時所需的處理時間進行對比，結果如表1:
[0082] 表1中輸入霧圖的分辨率大小分別是270 X 193，600 X 400，800 X 457，1024 X 768， 1920X1080；
[0083] 表1本發明處理時間與CPU處理時間對比
[0084]
[0085] 從表1可見，本發明對運些圖像進行去霧時均可做到實時處理;采用基于CPU的圖 像去霧算法對圖像進行去霧時，對分辨率大小為270 X 193，600 X 400，800 X 457，1024 X 768，1920 X 1080的圖像，處理時間分別為23.1 Ims，143.47ms，260.52ms，494.34ms， 1329.40ms;而本發明在圖形處理器GPU上對圖像進行去霧時，對分辨率大小為270 X 193， 600 X 400,800 X 457,1024 X 768,1920 X 1080 的圖像，處理時間分別為 2.02ms ,6.22ms, 7.57ms，14.02ms，29.77ms;對比中央處理器CPU與圖形處理器GPU對圖像進行去霧時所需的 處理時間，對于分辨率大小分別為270 X 193，600 X 400，800 X 457，1024 X 768，1920 X 1080 的圖像，GPU相較CPU獲得的加速比分別是11，23，34，35，45。
[0086] 可見，圖像分辨率越大，GPU相較CPU獲得的加速比越高，圖形處理器GPU卓越的計 算能力越能體現出來。
[0087] 綜上，本發明提升了去霧效率，能實現對高清視頻圖像的實時去霧處理。
【主權項】
1. 一種基于圖形處理器的圖像實時去霧方法，包括： (1) 初始化計算機:將圖形處理器GHJ與計算機連接起來，由計算機分配圖形處理器GPU 中的全局存儲器； (2) 將RGB彩色有霧圖像I輸入到計算機內存中，讀取輸入霧圖I的數據，并將讀取到的 整型數據轉換為浮點型數據存儲在全局存儲器中； (3) 計算輸入霧圖I的暗通道圖IdariS (3a)通過并行處理方式，求出輸入霧圖I中每個像素點的三通道最小值，生成一幅灰度 圖，并將數據存儲在全局存儲器中； (3b)將所得灰度圖像與紋理存儲進行綁定； (3c)通過并行處理方式，對綁定到紋理存儲中的圖像進行最小值濾波，即先進行行向 最小值濾波，再對行向濾波后的結果進行列向最小值濾波，得到輸入霧圖I的暗通道圖 Idalrk，并將其存儲在全局存儲器中； (4) 求取大氣光值： (4a)采用合并訪存方式，利用歸約算法計算出輸入霧圖暗通道圖像中亮度最大的 〇. 1 %的像素點，并將這些點的坐標存儲在全局存儲器中； (4b)采用合并訪存方式，利用歸約算法選定(4a)中存儲坐標對應輸入霧圖I中最亮點 的像素值作為大氣光A值； (5) 通過并行處理方式，計算圖像中每個點的初始透射率?0):<1> 用計算得到的所有？(4生成初始透射率圖？，并存儲在全局存儲器中，其中，Ae表示任意 一個顏色通道的大氣光值，常數ω取0.95; (6) 通過并行處理方式，以輸入霧圖I的灰度圖Γ為引導圖像，取濾波核尺寸為35X35， 對初始透射率圖？進行引導濾波，將濾波后輸出的精細化圖像，作為最終透射率圖t存儲在 全局存儲器中； (7) 通過并行處理方式，根據式〈2>計算輸入霧圖I中每個點經過去霧之后的像素值J (X): I(x)=J(x)t(x)+A(l-t(x)) <2> 其中，I(X)表示輸入霧圖I中任意X點的像素值，t(x)表示最終透射率圖t中任意X點的 透射率值，A代表大氣光值； 用計算得到的所有JU)生成清晰無霧圖像J，并將數據存儲在全局存儲器中； (8) 采用合并訪問的方式，從圖形處理器GPU內部的全局存儲器中讀取所得清晰無霧圖 像J，輸出到計算機內存中。2. 根據權利要求1所述的基于圖形處理器的圖像實時去霧方法，其特征在于：步驟 (3a)、步驟(3c)步驟(5)、步驟(6)、步驟(7)中的并行處理方式是指，單線程處理單像素點， 多個線程同時處理多個點。3. 根據權利要求1所述的基于圖形處理器的圖像實時去霧方法，其特征在于:步驟(3b) 中所述的將所得灰度圖像與紋理存儲進行綁定是指，在濾波核尺寸取15X15的最小值濾波 過程中，采用紋理存儲的訪問模式對灰度圖像中的數據進行訪問，以克服最小值濾波中邊 界判斷指令對warp流水線操作的中斷影響，提高數據的訪問速度。4. 根據權利要求1所述的基于圖形處理器的圖像實時去霧方法，其特征在于：步驟 (4a)、步驟(4b)中的合并訪存方式是指，在圖形處理器GPU中，采用共享存儲器的訪問模式 對數據進行處理，同一個half-warp中的線程每次訪問共享存儲器同一位置上的數據。5. 根據權利要求1所述的基于圖形處理器的圖像實時去霧方法，其特征在于:步驟(6) 對初始透射率圖？進行引導濾波，按如下步驟進行： (6a)分別對引導圖像Γ和初始透射率圖？進行均值濾波，分別輸出濾波后的結果meanr 和，計算引導圖像Γ的方差矩陣van，和引導圖像Γ與初始透射率圖f的協方差系數 矩陣: (6b)根據上述方差矩陣van，和協方差系數矩陣，計算第一線性相關系數矩陣&和 第二線性相關系數矩陣b: 一以） <3> b = mean, - a.mccwr 其中，修正因子ε取l〇_5; (6c)分別對第一線性相關系數矩陣a和第二線性相關系數矩陣b進行均值濾波，分別輸 出濾波結果meana和meanb，結合meana和meanb計算最終的透射率圖t: t=mean a ·氺1'+meanb 〇 〈4>〇6. 根據權利要求6所述的基于圖形處理器的圖像實時去霧方法，其特征在于:步驟(6a) 中分別對引導圖像Γ和初始透射率圖Γ進行均值濾波，步驟如下： (6al)采用合并訪存的方式，對引導圖像Γ進行轉置，轉置過程中每個線程塊block執 行一個16 X 16的子數據塊的轉置，每個線程thread執行一個像素點的轉置，多個線程塊 block并行處理，將轉置后的圖像Γτ#儲在全局存儲器中； (6a2)對轉置后的圖像〗'1進行滑窗制的列向均值濾波，即用單線程處理單列像素點，用 多個線程同時對多個列進行濾波，濾波輸出結果》存儲在全局存儲器中； (6a3)采用合并訪存的方式，對圖像進行逆轉置，即用每個線程塊block執行一 個16X16的子數據塊的轉置，每個線程thread執行一個像素點的轉置，多個線程塊block并 行轉置多個數據塊，得到逆轉置圖像; (6a4)對逆轉置圖像..7再次進行列向均值濾波，輸出均值濾波最終結果meanr ; (6a5)按照如上述相同的過程對初始透射率圖f進行均值濾波。7. 根據權利要求7所述的基于圖形處理器的圖像實時去霧方法，其特征在于：步驟 (6a2)中對轉置后的圖像Γ τ進行滑窗制的列向均值濾波，步驟如下： (6a2a)取濾波半徑為7,記圖像Ι'τ中第1行第1列的像素點為（Γτν〇,以（T tVo為濾波 中心，計算第1行到第15行的第1列所有點像素值之和sumo,〇; (6a2b)以第i行第j列的像素點（Γτ)^為濾波中心，計算第i-7行到第i+7行的第j列的 所有點的像素值之和sunn, j: sumi，j = sumi，j-i_(I 'T)i，j-1-7+(1 'T)i，j+7 <5> 其中，i = 0，l,. . .，m-l，j = 0，l,. . .，n-l，m表示圖像Ι'τ的高度，η表示圖像Ι'τ的寬度； sum . (6a2c)根據上述sumw計算第i行第j列的像素點（Tt)W的濾波輸出為 (6a2d)以此類推，對圖像1〃中的所有像素點按上述(6a2b) - (6a2c)進行濾波，輸出最 終的濾波結果。
【文檔編號】G06T5/00GK106023091SQ201610255815
【公開日】2016年10月12日
【申請日】2016年4月22日
【發明人】吳憲云, 王茹, 李云松, 雷杰, 王柯儼, 劉凱
【申請人】西安電子科技大學