NO338098B1 - Image Smoothing - Google Patents
Image Smoothing Download PDFInfo
- Publication number
- NO338098B1 NO338098B1 NO20131443A NO20131443A NO338098B1 NO 338098 B1 NO338098 B1 NO 338098B1 NO 20131443 A NO20131443 A NO 20131443A NO 20131443 A NO20131443 A NO 20131443A NO 338098 B1 NO338098 B1 NO 338098B1
- Authority
- NO
- Norway
- Prior art keywords
- image
- brightness
- accordance
- point
- pixels
- Prior art date
Links
- 238000003706 image smoothing Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001795 light effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G06T2207/10004—Still image; Photographic image
Description
TEKNISK OMRÅDE TECHNICAL AREA
Den foreliggende oppfinnelsen vedrører det tekniske området for bildebehandling. Nærmere bestemt vedrører oppfinnelsen en fremgangsmåte for bildeforsterkning eller bildeutjevning av et bilde omfattende en matrise av pixler, der lysstyrken for hver pixel er registrert i en bildesensor. The present invention relates to the technical area of image processing. More specifically, the invention relates to a method for image enhancement or image smoothing of an image comprising a matrix of pixels, where the brightness of each pixel is recorded in an image sensor.
Fremgangsmåten kan implementeres som et dataprogram, eller en algoritme, som utjevner lysstyrken i bilder tatt med kunstig lys, f.eks LED lyspanel, slik at hele bildet får samme lysstyrke etter bearbeiding. The procedure can be implemented as a computer program, or an algorithm, which equalizes the brightness in images taken with artificial light, e.g. LED light panel, so that the entire image has the same brightness after processing.
BAKGRUNN BACKGROUND
Standard bildebehandlingsprogramvare har gode løsninger for å justere lysstyrke og farger i bildet. Ingen av dem har likevel muligheter for automatisk justering av lysstyrken i et helt bilde til samme nivå, uavhengig av hva verdiene var tidligere i bildet. Standard image processing software has good solutions for adjusting brightness and colors in the image. However, none of them have options for automatically adjusting the brightness in an entire image to the same level, regardless of what the values were previously in the image.
Ved søkning i kjent litteratur finnes en rekke filterteknikker og utjevningsteknikker. De fleste benytter manuelle metoder hvor bruker aktivt redigerer de deler av bildet som er for lyst eller mørkt og justerer fargen i disse områdene. When searching the known literature, a number of filter techniques and smoothing techniques are found. Most use manual methods where the user actively edits the parts of the image that are too light or dark and adjusts the color in these areas.
Filtreringsteknikker i bildebehandling opererer gjerne med å behandle pixel for pixel og redigere denne ved å kalkulere gjennomsnittet av de omkringliggende pixlene basert på flere ulike formler. Filtering techniques in image processing often operate by processing pixel by pixel and editing this by calculating the average of the surrounding pixels based on several different formulas.
Ingen av de kjente teknikkene benytter, så langt søkeren vet, geometriske funksjoner for å balansere lysverdiene over hele bildet til samme nivå. None of the known techniques use, as far as the viewer knows, geometric functions to balance the light values over the entire image to the same level.
EP-2 226 762 Al vedrører en fremgangsmåte for behandling av IR-bilder, herunder utjevning/utlikning av bildene, der bildene omfatter pixler med et respektivt intensitetsnivå. Fremgangsmåten omfatter å inndele bildet i første regioner, å gruppere for å danne grupper av første regioner, der hver gruppe omfatter et respektivt flertall av tilstøtende første regioner, å beregne, for hver gruppe av første regioner, et histogram av intensitetsnivåer for pikslene i de første regionene i gruppen, å beregne, for hver gruppe av første regioner, en korresponderende kumulativ funksjon av det korresponderende histogram, å assosiere med hver første region de kumulative funksjoner beregnet for gruppene som omfatter den første region, å beregne, for hver første region, en korresponderende første utlikningsfunksjon på grunnlag av de kumulative funksjoner assosiert med den første regionen, å inndele bildet i andre regioner på en slik måte at hver andre region omfatter korresponderende områder av ulike korresponderende tilstøtende regioner, og å utlikne i hver andre region intensitetsnivået for de korresponderende pixler på grunnlag av de første utlikningsfunksj onene beregnet for de korresponderende første regionene. EP-2 226 762 Al relates to a method for processing IR images, including smoothing/equalizing the images, where the images comprise pixels with a respective intensity level. The method comprises dividing the image into first regions, grouping to form groups of first regions, each group comprising a respective plurality of adjacent first regions, calculating, for each group of first regions, a histogram of intensity levels for the pixels in the first the regions in the group, calculating, for each group of first regions, a corresponding cumulative function of the corresponding histogram, associating with each first region the cumulative functions calculated for the groups comprising the first region, calculating, for each first region, a corresponding first equalization function on the basis of the cumulative functions associated with the first region, dividing the image into second regions in such a way that each second region includes corresponding areas of various corresponding adjacent regions, and equalizing in each second region the intensity level of the corresponding pixels on the basis of the first equalization functions calculated for the corresponding first regions.
SAMMENFATNING SUMMARY
Oppfinnelsen er angitt i det etterfølgende, selvstendige patentkrav 1. The invention is stated in the subsequent, independent patent claim 1.
Fordelaktige utførelsesformer er angitt i de uselvstendige krav. Advantageous embodiments are indicated in the independent claims.
KORT BESKRIVELSE AV TEGNINGENE BRIEF DESCRIPTION OF THE DRAWINGS
Oppfinnelsen skal beskrives i nærmere detalj med henvisning til tegningene, der: The invention shall be described in more detail with reference to the drawings, where:
Figur 1 er en graf som viser fargeutjevning i et bilde før og etter utjevning. Figure 1 is a graph showing color equalization in an image before and after equalization.
Figur 2 illustrerer et eksempel på originalbilde og korresponderende utjevnet bilde. Figur 3 illustrerer et annet eksempel på originalbilde og korresponderende utjevnet bilde. Figure 2 illustrates an example of the original image and the corresponding smoothed image. Figure 3 illustrates another example of the original image and the corresponding smoothed image.
Figur 4 illustrerer et større område med flere bilder utjevnet og satt sammen. Figure 4 illustrates a larger area with several images smoothed and stitched together.
Figur 5 er en skjematisk prinsippskisse for utleggelse av punkter. Figure 5 is a schematic diagram of the layout of points.
DETALJERT BESKRIVELSE DETAILED DESCRIPTION
Anvendelsesområde Area of application
Ideen til oppfinnelsen kom ved oppdrag for et selskap som driver med kartlegging av havbunnen. Bildene blir tatt med en sterk LED lyskaster. Bildene har et svært godt opplyst område sentralt i bildet og svakere utover til sidene. The idea for the invention came from an assignment for a company that carries out mapping of the seabed. The pictures are taken with a strong LED spotlight. The images have a very well-lit area in the center of the image and weaker towards the sides.
Originalbildene er vanskelige å tolke visuelt og nesten umulig å analysere maskinelt. Øynene må kontinuerlig tilpasse seg mørkere og mørkere områder utover i bildet. Dette er tungt for øynene og etter hvert hjernen som skal tolke bildene. The original images are difficult to interpret visually and almost impossible to analyze by machine. The eyes must continuously adapt to darker and darker areas further out in the image. This is heavy on the eyes and eventually the brain that has to interpret the images.
Ved klassifikasjon og analyser av bilder tolker programmene utseende, lysstyrke og fargesammensetning. Samme type objekt vil ha forskjellig lysstyrke avhengig av hvor de er i bildet. Automatisk klassifikasjon er ikke mulig med originalbildene uten å justere for forskjellig lysstyrke. When classifying and analyzing images, the programs interpret appearance, brightness and color composition. The same type of object will have different brightness depending on where they are in the image. Automatic classification is not possible with the original images without adjusting for different brightness.
Ved automatisk mosaikkering (sammensetting av flere bilder til ett sammenhengende) ser man etter mønstre, lysstyrke og farger i bildet. Siden dette varierer over bildet, klarer ikke programmene å vite hvordan bildene skal settes sammen With automatic mosaicing (combining several images into one continuous one), you look for patterns, brightness and colors in the image. Since this varies over the image, the programs are unable to know how the images should be put together
Vi testet maskinell behandling av ubehandlete bilder i en rekke verdensledende bildebehandlingsprogram: We tested machine processing of raw images in a number of world-leading image processing programs:
• eCognition Developer fra Trimble for klassifikasjon - ikke mulig. • eCognition Developer from Trimble for classification - not possible.
• Inpho orthophoto og mosaikk fra Trimble - ikke mulig. • Inpho orthophoto and mosaic from Trimble - not possible.
• PCI Geomatica Orthoengine - ikke mulig. • PCI Geomatica Orthoengine - not possible.
• Agisoft UAV automatisk bildekonnektering - ikke mulig. • Agisoft UAV automatic image connection - not possible.
• MENCI UAV automatisk bildekonnektering - ikke mulig. • MENCI UAV automatic image connection - not possible.
Ingen av programmene håndterte bildene tatt med kunstig lys. Selv om de har funksjoner for fargeutjevning og lysutjevning, klarte de ikke å håndtere disse bildene. None of the programs handled the photos taken with artificial light. Although they have color equalization and light equalization features, they couldn't handle these images.
Vi laget en prototype for bildeutjevning som justerte for lysforskjellene i bildet. Data som ble prosessert i prototypen viste at alle de nevnte programmene etterpå kunne håndtere data. Denne prototypen er i samsvar med oppfinnelsen utviklet videre slik at den kan brukes for automatisk håndtering av store mengder bilde data. We created a prototype for image smoothing that adjusted for the light differences in the image. Data processed in the prototype showed that all the aforementioned programs could subsequently handle data. In accordance with the invention, this prototype has been further developed so that it can be used for automatic handling of large amounts of image data.
Bilder til kartlegging er sjelden tatt med kunstig lys. Alle kjente system arbeider med data fra flybårne eller satellitt sensorer. For disse sensorene er det naturlig sollys som gjelder. Bildesystemene kan justere for forskjellig lyspåvirkning i bildet. Likevel er det ingen som kan jevne ut lysstyrken i bilder tatt med kunstig lys. Eksisterende programsystem bruker standard funksjoner for utjevning over områder, men ikke en utjevning basert på geometrisk fordeling over hele bildet. Photos for mapping are rarely taken with artificial light. All known systems work with data from airborne or satellite sensors. For these sensors, natural sunlight applies. The image systems can adjust for different light effects in the image. Still, no one can even out the brightness in photos taken with artificial light. The existing software system uses standard functions for smoothing over areas, but not a smoothing based on geometric distribution over the entire image.
Bilder er en matrise hvor lysstyrken i hver pixel er registrert i sensoren. For fargebilder har man en pixelverdi for hver farge. I en fargeskjerm vises fargene ved å kombinere fargerne Rødt Grønt Blått - RGB. Images are a matrix where the brightness of each pixel is recorded in the sensor. For color images, you have a pixel value for each color. In a color screen, the colors are displayed by combining the colors Red Green Blue - RGB.
Bildeforsterkning/bildeutjevningsprogrammet legger et punktnett over bildet. Standardverdi er 20<*>20 punkt, men vil være avhengig av bildets størrelse. I hvert punkt beregnes den gjennomsnittlige lysstyrken for pixlene rundt punktet. Normalt vil punktet/ruten midt i bildet eller punktet som ligger nærmest det kunstige lyset, ha størst gjennomsnitt verdi. Den høyeste gjennomsnittsverdien brukes for å beregne en faktor for alle de andre punktene. Denne faktoren brukes for å justere pixlene til balansert verdi. ;Ved omklassifisering av pixlene i bildet, blir verdien i hvert pixel justert opp basert på de 4 omkringliggende punktene. Dette gir en forsterkning av bildene som tar hensyn til geometrisk plassering, til opprinnelig pixelverdi og til den vektete faktoren for de 4 punktene. Er det mørke partier slik som skygge, vil de fortsatt fremstå som mørke partier etter justering, men ikke mørkere enn de som ligger i den lyse delen av det opprinnelige bildet. ;Metoden er helautomatisk og finner selv frem til de verdiene som skal justeres. Bruker kan styre hvor mange justeringspunkt som skal legges på bildet og hvor mange pixler rundt hvert justeringspunkt som skal brukes for gjennomsnittsverdi for punktet. På store bilder med mange pixler kan man bruke flere pixler rundt hvert punkt og flere punkt for å lage et bedre gjennomsnitt. ;I et bilde vil det alltid være områder som er svært lyssterke eller helt mørke. Programmet fjerner en andel av de lyssterkeste data som unntas beregningene. Dette gjøres for at de lyssterke områdene ikke skal ødelegge for gjennomsnittbehandlingen i et område. Hvis de lyssterkeste områdene ikke blir unntatt, vil de nærmeste områdene rundt objektet blir for mørke etter utjevningen. ;Hva som er lyssterkt kan variere fra bildeserie til bildeserie. Derfor er verdien for hva som er lyssterkt brukerstyrt. ;Figur 1 er en graf som viser fargeutjevning i et bilde før og etter utjevning. Kurvene viser lysstyrken verdi tvers over bildet før og etter utjevning med programmet. En tilsvarende endring i lysstyrken vil også gjelde nedenfra og opp på bildet. ;De viktigste målene med denne teknikken er: ;Få samme lysstyrke over hele bildet slik at øyet kan tolke bildet ;Gi objekter av samme type samme lys verdi eller fargeverdi over hele bildet Gjøre bildet homogent slik at det kan lages mosaikk av flere bilder automatisk ;Gjøre maskinell klassifikasjon av bildet mulig ;Teknikken kan også brukes for å gi jevn farge til bilder hvor lysinnstråling gir forskjellig verdi ;Objekter som tidligere var skjult i mørke deler av bilder trer tydelig frem Programmet muliggjør maskinell oppdatering av flere hundre tusen bilder uten manuell redigering. Dette er testet. ;Hvilke midler som er nødvendig for å oppnå dette. ;Ved å beregne den gjennomsnittlige lysmengden i ulike deler av bildet, finner man det nivået som hele bildet kan/skal ligge på. Ved å beregne dette for 20<*>20 punkter eller mer, og så interpolere mellom punktene, blir hele bildet løftet til samme nivå. Det er denne utjevningen distribuert geometrisk som fjerner forskjellene i lysverdi over bildet. The image enhancement/image smoothing program places a dot grid over the image. Default value is 20<*>20 points, but will depend on the size of the image. In each point, the average brightness of the pixels around the point is calculated. Normally, the point/square in the middle of the image or the point closest to the artificial light will have the largest average value. The highest average value is used to calculate a factor for all the other points. This factor is used to adjust the pixels to the balanced value. ;When reclassifying the pixels in the image, the value in each pixel is adjusted up based on the 4 surrounding points. This provides an enhancement of the images that takes into account geometric location, the original pixel value and the weighted factor for the 4 points. If there are dark areas such as shadows, they will still appear as dark areas after adjustment, but not darker than those in the bright part of the original image. ;The method is fully automatic and finds the values to be adjusted by itself. The user can control how many adjustment points are to be placed on the image and how many pixels around each adjustment point are to be used for the average value for the point. On large images with many pixels, you can use more pixels around each point and more points to create a better average. ;In an image there will always be areas that are very bright or completely dark. The program removes a proportion of the brightest data that is excluded from the calculations. This is done so that the bright areas do not spoil the average treatment in an area. If the brightest areas are not excluded, the closest areas around the object will be too dark after smoothing. ;What is bright can vary from image series to image series. Therefore, the value for what is bright is user controlled. ;Figure 1 is a graph showing color equalization in an image before and after equalization. The curves show the brightness value across the image before and after equalization with the program. A corresponding change in brightness will also apply from the bottom up of the image. ;The most important goals of this technique are: ;Get the same brightness over the entire image so that the eye can interpret the image;Give objects of the same type the same light value or color value over the entire image Make the image homogeneous so that a mosaic of several images can be created automatically; Make machine classification of the image possible; The technique can also be used to give even color to images where light radiation gives different value; Objects that were previously hidden in dark parts of images stand out clearly The program enables machine updating of several hundred thousand images without manual editing. This has been tested. ;Which means are necessary to achieve this. ;By calculating the average amount of light in different parts of the image, you find the level at which the entire image can/should lie. By calculating this for 20<*>20 points or more, and then interpolating between the points, the entire image is lifted to the same level. It is this leveling, distributed geometrically, that removes the differences in light value across the image.
Hvordan utnytte programmet industrielt: How to exploit the program industrially:
Programmet er i en eksempelimplementering skrevet i Microsoft Visual Studio C++. Dette gjør programmet raskt å kjøre og enkelt å distribuere. Programmet kan distribueres både som exe fil og som DLL - Dynamic link library. The program is in a sample implementation written in Microsoft Visual Studio C++. This makes the program quick to run and easy to deploy. The program can be distributed both as an exe file and as a DLL - Dynamic link library.
Løsningen er eksempelvis tenkt solgt som modul til eksisterende programvare eller som selvstendig program. For example, the solution is intended to be sold as a module for existing software or as an independent program.
Figur 2 illustrerer et eksempel på originalbilde og korresponderende utjevnet bilde. Figure 2 illustrates an example of the original image and the corresponding smoothed image.
På det utjevnete bildet til høyre i figur 2 ser man tydelig groper og steiner selv helt ut i sidekanten på bildet. I den øverste del av bildet har ikke lyset nådd ned til havbunnen, slik at kun vannpartikler vises. Figur 3 illustrerer et annet eksempel på originalbilde og korresponderende utjevnet bilde. Det fremgår tydelig fra figur 3 at detaljene kommer mer frem i det utjevnete bilde. Figur 4 illustrerer et større område med flere bilder utjevnet og satt sammen. Det ferdige bildet er også utjevnet for å fjerne forskjellene mellom de sammensatte bildene. In the smoothed image on the right in Figure 2, you can clearly see pits and stones even at the very edge of the image. In the upper part of the image, the light has not reached the seabed, so that only water particles are shown. Figure 3 illustrates another example of the original image and the corresponding smoothed image. It is clear from Figure 3 that the details come out more in the smoothed image. Figure 4 illustrates a larger area with several images smoothed and stitched together. The finished image is also smoothed to remove the differences between the composite images.
Figur 5 er en skjematisk prinsippskisse for utleggelse av punkter. Figure 5 is a schematic diagram of the layout of points.
På bildet legges et nett med punkt jevnt fordelt over bildet, slik figur 5 illustrerer. For hvert punkt beregnes gjennomsnittverdi for lysforhold = n basert på p antall pixler rundt hvert punkt. Når alle punkt har fått beregnet gjennomsnittsverdi, blir den største gjennomsnittsverdien satt som N. For alle andre punkt beregnes en faktor k som settes lik N/n. Ved bildeutjevning av bildet, brukes k for å heve pixlene opp til riktig nivå. For hver pixel interpoleres verdien k for de 4 omkringliggende punkt for å beregne verdien t. Verdien t multipliseres med pixelens lysverdi og gir pixelens utjevnete verdi. Jo flere punkt som legges over bildet, desto jevnere blir utjevningen. A grid with points evenly distributed over the image is placed on the image, as Figure 5 illustrates. For each point, the average value for lighting conditions = n is calculated based on the p number of pixels around each point. When all points have been averaged, the largest average value is set as N. For all other points, a factor k is calculated and set equal to N/n. When smoothing the image, k is used to raise the pixels to the correct level. For each pixel, the value k for the 4 surrounding points is interpolated to calculate the value t. The value t is multiplied by the pixel's light value and gives the pixel's equalized value. The more points that are superimposed on the image, the smoother the smoothing will be.
Prinsippet er å beregne den gjennomsnittlige lysstyrken i ulike deler av bildet og bruke det til å få opp lysverdien til samme nivå som det mest lyssterke. The principle is to calculate the average brightness in different parts of the image and use it to bring the light value up to the same level as the brightest part.
Antall punkt og antall pixler p kan styres av bruker. Ulike bilder vil kreve ulike verdier for å gi et godt resultat. The number of points and the number of pixels p can be controlled by the user. Different images will require different values to give a good result.
Normalt utelukkes 5% av de høyeste medianverdiene og 1% av de laveste medianverdiene fra beregningene. Dette gjøres for å unngå at spesielt opplyste områder skal påvirke gjennomsnittet rundt punktet. Normally, 5% of the highest median values and 1% of the lowest median values are excluded from the calculations. This is done to avoid particularly illuminated areas affecting the average around the point.
Når verdien k er beregnet for alle punkt, kontrolleres det at verdiene er jevne over bildet og ikke har ekstreme verdier opp eller ned. Det vil kunne gi for lyse eller mørke områder hvis et punkt har spesielt mange lyse objekter som unntas beregning. When the value k is calculated for all points, it is checked that the values are even across the image and do not have extreme values up or down. It could result in too bright or dark areas if a point has particularly many bright objects that are excluded from calculation.
Ytterligere aspekter ved oppfinnelsen. Further Aspects of the Invention.
Oppfinnelsen kan benevnes som bildeforsterkning/bildeutjevning. På engelsk er benevnelsen image enhancement/image equalization. The invention can be referred to as image enhancement/image smoothing. In English, the name is image enhancement/image equalization.
I henhold til et mulig aspekt ved oppfinnelsen, utføres en geometrisk analyse av lysstyrken i bildet med justering av pixelverdiene i hele bildet slik at alle deler av bildet blir like lyssterkt. Den geometriske analysen skjer ved at et punktnett blir lagt over bildet og gjennomsnittverdiene for et grid rundt hvert punkt blir beregnet. Gjennomsnittverdiene for hvert punkt brukes for å oppgradere pixlene rundt punktet slik at gjennomsnittet blir likt med det som er mest lyssterkt. Det spiller ingen rolle hvor bildet er mest lyssterkt. Den geometriske beregningen skjer ved at lysstyrken for hvert pixel beregnes ved en lineær utjevning mellom verdiene for de 4 punkt som omgir pixelen. According to a possible aspect of the invention, a geometric analysis of the brightness in the image is performed with adjustment of the pixel values in the entire image so that all parts of the image are equally bright. The geometric analysis takes place by placing a grid of points over the image and the average values for a grid around each point are calculated. The average values for each point are used to upgrade the pixels around the point so that the average is equal to the brightest. It doesn't matter where the image is brightest. The geometric calculation takes place by the brightness for each pixel being calculated by a linear equalization between the values for the 4 points that surround the pixel.
I henhold til et ytterligere mulig aspekt ved oppfinnelsen, utføres en automatisk utjevning av lysstyrken i bildet slik at hele bildet visuelt fremstår som med jevn lysstyrke. Utjevningen skjer slik at objekter som kaster skygge, vil være like lyssterke og kaste samme skyggen uansett hvor de er i bildet. According to a further possible aspect of the invention, an automatic equalization of the brightness in the image is carried out so that the entire image visually appears as having uniform brightness. The equalization takes place so that objects that cast shadows will be equally bright and cast the same shadow wherever they are in the image.
I henhold til et ytterligere mulig aspekt ved oppfinnelsen, utføres en automatisk utjevning av lysstyrken i bildet, slik at dataprogram kan gjøre automatisk bildematching/bildegjenkjenning mellom overlappende bilder. For å kunne matche bilder, må de samme objektene fremstå relativt likt i begge de overlappende bildene. Når bildene har objekt som matcher, kan de automatisk kobles sammen i mosaikk, brukes til å lage terrengmodell og bestemme geometrisk korrekt posisjon. According to a further possible aspect of the invention, an automatic equalization of the brightness in the image is carried out, so that the computer program can perform automatic image matching/image recognition between overlapping images. In order to match images, the same objects must appear relatively similar in both overlapping images. When the images have objects that match, they can be automatically linked together in a mosaic, used to create a terrain model and determine the geometrically correct position.
I henhold til et ytterligere mulig aspekt ved oppfinnelsen, utføres automatisk utjevning av lysstyrken i bildet slik at bildene kan brukes til automatisk klassifikasjon av objekt i bildet. Automatisk klassifikasjon innebærer at man skal kunne bruke samme regelsett for klassifikasjon uansett hvor i bildet objektet ligger. According to a further possible aspect of the invention, automatic leveling of the brightness in the image is carried out so that the images can be used for automatic classification of objects in the image. Automatic classification means that you must be able to use the same set of rules for classification regardless of where in the image the object is located.
I henhold til et ytterligere mulig aspekt ved oppfinnelsen, utføres en utjevning av bilder som er ujevne i lysstyrke fordi bildene har fått forskjellig belysning i forskjellige deler av bildene. According to a further possible aspect of the invention, an equalization is performed of images that are uneven in brightness because the images have received different illumination in different parts of the images.
Oppfinnelsen er i det ovenstående beskrevet uten begrensning, som eksempler, med henvisning til tegningene. Oppfinnelsens rekkevidde fremgår av de etterfølgende patentkrav. In the above, the invention is described without limitation, as examples, with reference to the drawings. The scope of the invention appears from the subsequent patent claims.
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NO20131443A NO338098B1 (en) | 2013-10-31 | 2013-10-31 | Image Smoothing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NO20131443A NO338098B1 (en) | 2013-10-31 | 2013-10-31 | Image Smoothing |
Publications (2)
Publication Number | Publication Date |
---|---|
NO20131443A1 NO20131443A1 (en) | 2015-05-01 |
NO338098B1 true NO338098B1 (en) | 2016-08-01 |
Family
ID=53191295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
NO20131443A NO338098B1 (en) | 2013-10-31 | 2013-10-31 | Image Smoothing |
Country Status (1)
Country | Link |
---|---|
NO (1) | NO338098B1 (en) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6757442B1 (en) * | 2000-11-22 | 2004-06-29 | Ge Medical Systems Global Technology Company, Llc | Image enhancement method with simultaneous noise reduction, non-uniformity equalization, and contrast enhancement |
US20050035206A1 (en) * | 2003-08-11 | 2005-02-17 | Olivier Attia | Group average filter algorithm for digital image processing |
EP2226762A1 (en) * | 2009-03-03 | 2010-09-08 | SELEX Galileo S.p.A. | Equalization and processing of IR images |
-
2013
- 2013-10-31 NO NO20131443A patent/NO338098B1/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6757442B1 (en) * | 2000-11-22 | 2004-06-29 | Ge Medical Systems Global Technology Company, Llc | Image enhancement method with simultaneous noise reduction, non-uniformity equalization, and contrast enhancement |
US20050035206A1 (en) * | 2003-08-11 | 2005-02-17 | Olivier Attia | Group average filter algorithm for digital image processing |
EP2226762A1 (en) * | 2009-03-03 | 2010-09-08 | SELEX Galileo S.p.A. | Equalization and processing of IR images |
Also Published As
Publication number | Publication date |
---|---|
NO20131443A1 (en) | 2015-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9852499B2 (en) | Automatic selection of optimum algorithms for high dynamic range image processing based on scene classification | |
US8976173B2 (en) | Bi-illuminant dichromatic reflection model for image manipulation | |
US7995058B2 (en) | Method and system for identifying illumination fields in an image | |
AU2014270403B2 (en) | Method, system and computer program product for improving the quality of an image | |
Li et al. | A multi-scale fusion scheme based on haze-relevant features for single image dehazing | |
US8787666B2 (en) | Color analytics for a digital image | |
US8483480B2 (en) | Method and system for factoring an illumination image | |
WO2007089624A2 (en) | Bi-illuminant dichromatic reflection model for image manipulation | |
US8385655B2 (en) | Method and system for generating intrinsic images using single reflectance technique | |
JP5914688B2 (en) | Color analysis for digital images | |
US20130114911A1 (en) | Post processing for improved generation of intrinsic images | |
CN109147005A (en) | It is a kind of for the adaptive colouring method of infrared image, system, storage medium, terminal | |
CN105590307A (en) | Transparency-based matting method and apparatus | |
CN112070692A (en) | Single backlight image enhancement method based on virtual exposure | |
US9754155B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
US8428352B1 (en) | Post processing for improved generation of intrinsic images | |
Guo et al. | Improving visibility and fidelity of underwater images using an adaptive restoration algorithm | |
NO338098B1 (en) | Image Smoothing | |
EP2776979B1 (en) | Post processing for improved generation of intrinsic images | |
Hargaš et al. | Adjusting and conditioning of high speed videosequences for diagnostic purposes in medicine | |
Guo et al. | Restoration of underwater vision using a two-phase regularization mechanism | |
Choudhury et al. | Perceptually motivated automatic color contrast enhancement based on color constancy estimation | |
Wang et al. | A Model for Underwater Image Restoration Based on Color Information | |
Gui | Aspects regarding the use of image processing for tangible Cultural Heritage conservation-restoration | |
Restrepo et al. | HSV-Domain enhancement of high contrast images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
CREP | Change of representative |
Representative=s name: ONSAGERS AS, POSTBOKS 1813 VIKA, 0123 OSLO, NORGE |