【技术实现步骤摘要】
Forward Mpeg，FFMPEG)中的gradfun插件去除带状伪影，还有采用深度学习模型去除带状伪影。
[0010]其中采用环路滤波去除带状伪影时的效果不明显，采用gradfun插件去除带状伪影时的效果不明显且会导致图像边缘模糊，采用深度学习模型去除带状伪影时的计算复杂度较高，从而导致去除带状伪影时的速度较慢。
[0011]因此，如何在去除带状伪影时避免图像边缘模糊，并提高去除图像带状伪影时的速度就成为亟待解决的问题。
技术实现思路
[0012]本专利技术提供了一种图像带状伪影去除方法、装置、设备和介质，用以解决现有技术中如何在去除带状伪影时避免图像边缘模糊，并提高去除图像带状伪影时的速度的问题。
[0013]本专利技术提供了一种图像带状伪影去除方法，所述方法包括：
[0014]对待处理图像进行滤波操作，确定所述待处理图像去除带状伪影后的滤波图像，根据所述滤波图像与所述待处理图像中每个对应位置像素点的像素值的差值，确定所述滤波图像与所述待处理图像的差异矩阵和差异绝对值矩阵；
[0015]针对所述差异绝对...
【技术保护点】
【技术特征摘要】
1.一种图像带状伪影去除方法，其特征在于，所述方法包括：对待处理图像进行滤波操作，确定所述待处理图像去除带状伪影后的滤波图像，根据所述滤波图像与所述待处理图像中每个对应位置像素点的像素值的差值，确定所述滤波图像与所述待处理图像的差异矩阵和差异绝对值矩阵；针对所述差异绝对值矩阵中的每个元素点，根据该元素点的元素值、第一预设阈值和第二预设阈值，确定所述元素值与所述第一预设阈值和所述第二预设阈值的目标大小关系，其中所述第二预设阈值大于所述第一预设阈值；根据每个元素点的元素值对应的所述目标大小关系、以及预先保存的每种大小关系对应的像素值的取值函数，确定边缘纹理保留后的目标图像中每个元素点对应位置的目标像素点的目标像素值，得到边缘纹理保留后的所述目标图像。2.根据权利要求1所述的方法，其特征在于，所述大小关系包括所述元素值不大于所述第一预设阈值、所述元素值大于所述第一预设阈值且小于所述第二预设阈值和所述元素值不小于所述第二预设阈值，所述根据每个元素点的元素值对应的所述目标大小关系、以及预先保存的每种大小关系对应的像素值的取值函数，确定边缘纹理保留后的目标图像中每个元素点对应位置的目标像素点的目标像素值包括：针对每个元素点的元素值对应的所述目标大小关系，若所述目标大小关系分别为该元素点的元素值不大于所述第一预设阈值或不小于所述第二预设阈值，分别确定所述滤波图像或所述待处理图像中该元素点对应位置的像素点的像素值，将所述像素值确定为所述目标图像中该元素点对应位置的目标像素点的目标像素值；若所述目标大小关系还为该元素点的元素值大于所述第一预设阈值且小于所述第二预设阈值，确定所述第二预设阈值和该元素点的元素值的第一差值，所述第二预设阈值和所述第一预设阈值的第二差值，并确定所述第一差值与所述第二差值对应的比例值，确定所述差异矩阵中该元素点对应位置的元素值与所述比例值的乘积值，并确定所述乘积值与所述待处理图像中该元素点对应位置的像素点的像素值的和值，将所述和值确定为所述目标图像中该元素点对应位置的目标像素点的目标像素值。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：检测确定所述待处理图像对应的带状伪影边缘图像和非平坦区域图像；对所述带状伪影边缘图像和所述非平坦区域图像进行保边滤波操作，确定带状伪影区域权重矩阵和非平坦区域权重矩阵，并根据预先保存的融合公式，确定融合权重矩阵；确定所述融合权重矩阵与所述待处理图像中每个像素点的像素值组成的第一矩阵的第一乘积矩阵；根据第一预设数值与所述融合权重矩阵中每个元素点的元素值的差值确定的第一差值矩阵和所述目标图像中每个像素点的像素值组成的第二矩阵，确定所述第一差值矩阵与所述第二矩阵的第二乘积矩阵；确定所述第一乘积矩阵与所述第二乘积矩阵的和值矩阵，根据所述和值矩阵中每个元素点的元素值，对所述目标图像进行更新。4.根据权利要求3所述的方法，其特征在于，所述根据预先保存的融合公式，确定出融合权重矩阵包括：根据第一预设数值与所述带状伪影区域权重矩阵中每个元素点的元素值的差值，确定
第二差值矩阵；将所述第二差值矩阵与所述非平坦区域权重矩阵的乘...
【专利技术属性】
技术研发人员：李昆明，宋秉一，
申请(专利权)人：百果园技术新加坡有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。