CN101102399A - 带有去噪功能的实时数字图像处理增强方法 - Google Patents
带有去噪功能的实时数字图像处理增强方法 Download PDFInfo
- Publication number
- CN101102399A CN101102399A CNA2007100442172A CN200710044217A CN101102399A CN 101102399 A CN101102399 A CN 101102399A CN A2007100442172 A CNA2007100442172 A CN A2007100442172A CN 200710044217 A CN200710044217 A CN 200710044217A CN 101102399 A CN101102399 A CN 101102399A
- Authority
- CN
- China
- Prior art keywords
- image
- input picture
- light image
- reflected
- real time
- 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
Links
Images
Landscapes
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明是一种数字图像技术领域的全自动带有去噪功能的实时数字图像处理增强方法。首先读入一张数字图像,将每个像素的颜色和灰度值保存到分配的内存区域中,其次将输入图像分解为光照图像和反射图像两部分,接下来对两个部分分别处理,最后再将处理后的光照图像和反射图像合并为输出图像输出到输出设备上。本发明有效改善了图像质量,还可增加更多图像的有效特征。本发明在不同光照条件下获得的图像在数码相机的动态范围(通常为0-255)内根据局部图像的信息自动调整到可见度最佳的亮度范围。
Description
技术领域
本发明涉及的是一种数字图像技术领域的图像处理方法,具体地说,是一种带有去噪功能的实时数字图像处理增强方法。
背景技术
随着数码相机的普及,数字图像在生产和生活中占有了越来越重要的地位。特别是在生产自动化中,数字图像在目标识别和目标跟踪等方面起到了重要作用。然而由于成像技术本身的缺陷,影响了数字图像的质量,使数字图像的应用受到了限制。
现实生活中的亮度动态范围非常大,主要受环境光照的影响,阳光直射下和阴影中的亮度往往相差几个数量级。相比之下数码相机的动态范围则小得多,最长用的8位图像深度只能表示256个亮度阶数。在不同光照条件下,人类的视觉系统可以通过调整瞳孔大小以及视网膜与大脑皮层的处理消除光照的影响,以正确识别物体。而照相机不具备这种自我调节的功能,因此在光照条件不佳的情况下(过暗或过亮),感兴趣的物体在图像上难以识别,图像的质量也就下降了很多。
针对这个问题一般的处理方法往往是灰度均衡化或者伽马校正,然而这两种处理方法都是一种全局的处理方法,而忽视了局部的信息,因此用上述方法增强图像后虽然光照得到了改善,局部图像的细节却可能丢失。相比之下,本发明基于Retinex模型,通过将图像分解为光照图像和反射图像将光照的影响从原图中剥离,在改善输出图像中光照效果的同时较好地保护了原图中局部的图像细节。
经对现有技术的文献检索发现,Ron.Kimmel,Michael Elad等在《International Journal of Computer Vision》(计算机视觉国际期刊,2003年第52期第1卷第7~23页)上发表的“A Variational Framework for Retinex”(Retinex的一种变分架构),该文中提出一种基于Retinex模型的图像增强方法,具体的说,首先读取一张输入图像,然后将输入图像分解为光照图像和反射图像。这个图像分解的方法是通过以下方式完成的:根据Retinex模型,任何图像可以分解为光照图像和反射图像的乘积,图像分解的核心为光照图像的估计,即对环境光照的预测。环境光照的预测基于Retinex变分模型中提到的3个约束:光照图像在空间域平滑、光照图像的像素值大于输入图像的像素值、以及光照图像和输入图像足够接近,对环境光照成分加以估算,得到一幅很平滑的图像作为光照图像的预测,然后由输入图像与光照图像、反射图像的关系推得反射图像。将图像分解为光照图像和反射图像以后,对输入图像的光照成分进行单独处理,通过伽马校正改善原图中光照不佳区域的可见度,提高图像质量。
上述方法的不足在于:虽然以上方法可以改善输入图像的光照效果,但是在图像细节内容得到了增强的同时输入图像中的噪声也被增强了,因此对含原本包含较多噪声的输入图像,输出图像的质量有可能比输入图像还要差。不能解决在增强图像细节的同时,避免噪声对输出图像质量的影响。
发明内容
本发明的目的在于克服现有技术中对于环境光照条件对数字图像的影响的技术存在不足,提供一种带有去噪功能的实时数字图像处理增强方法,使在不同光照条件下获得的图像在数码相机的动态范围(通常为0-255)内根据局部图像的信息自动调整到可见度最佳的亮度范围,可以应用于提高数码相机的成像质量以及基于数字图像的工业自动化的图像预处理阶段。
本发明是通过以下技术方案实现的,本发明首先读入一张数字图像,将每个像素的颜色和灰度值保存到分配的内存区域中,其次将输入图像分解为光照图像和反射图像两部分,接下来分别对光照图像处理和对反射图像处理,最后再将处理后的光照图像和反射图像合并为输出图像输出到输出设备上。
所述的将输入图像保存到分配的内存区域中,是指:申请一块和图像尺寸大小相当的内存区域,将输入图像的每个像素值按顺序存入内存区域对应的内存单元中。如果输入图像是彩色图像,则彩色图像将分为R、G、B三个通道分别保存。
所述的将输入图像分解为光照图像和反射图像,是指:根据Retinex模型,任何图像可以分解为光照图像和反射图像的乘积,图像分解的核心为光照图像的估计,即对环境光照的预测。环境光照的预测基于Retinex变分模型中提到的3个约束:光照图像在空间域平滑、光照图像的像素值大于输入图像的像素值、以及光照图像和输入图像足够接近,对环境光照成分加以简化,应用多解析度技术,即在每个解析度层应用高斯平滑得到图像的低频信息,应用拉普拉斯锐化得到图像的高频信息,通过不断地去除图像中的高频信息,保留低频信息,得到一幅很平滑的图像作为光照图像的预测,然后由输入图像与光照图像、反射图像的关系推得反射图像。
所述的对光照图像的处理,是指:对初始的光照图像进行伽马校正,以伽马曲线作为映射曲线,拉升输入图像中过暗区域和过量区域的对比度,提高这两部分光照不佳区域的光照效果和可见度。
所述的对反射图像的处理,是指:从光照图像中识别出输入图像的过暗区域,对输入图像的反射图像相应的区域进行局部双边滤波处理。所述的局部双边滤波处理,是指:由于反射图像包含的是原图中的高频信息,同时输入图像的过暗区域信息和噪声的可见度都较低,图像的噪声在经过图像分解后大部分集中到了反射图像中对应输入图像中过暗的区域,从光照图像中识别输入图像的过暗区域,应用双边滤波器对与过暗区域相对应的反射图像区域进行去噪处理。
所以原图经过分解后大部分噪声都集中到了反射图像中。一般的去噪方法如均值滤波、中值滤波和高斯滤波都会使原图变得模糊,一些重要的信息如物体边缘和特征点有可能会丢失。同时这些方法都是全图的滤波,本发明相比它们要节省更多的处理时间,达到实时处理的要求。实验分析可以确定输出图像的绝大部分噪声对应于输入图像的过暗区域,通过在反射图像上对这些区域进行滤波,而非整个图像,不仅可以有效去除大部分的噪声,还可以节省大量的处理时间,以满足实时处理的要求。需要滤波的区域,即输入图像的黑暗区域,可以由光照图像上的信息动态地确定。同时根据光照图像上识别出的过暗区域在反射图像中做双边滤波去噪,边缘信息可以得到完整的保留,同时边缘两侧的噪声由高斯滤波去除。
所述的从光照图像中找到输入图像中的过暗区域,是指:根据实验选取一个效果最佳的阈值,针对光照图像的像素灰度做二值化处理,灰度小于阈值的标1, 灰度大于阈值的标0,这样标1的区域即是需要做去噪处理的过暗区域。
所述的双边滤波,是指:一种分别在图像空间域和图像灰度域进行去噪处理的技术,它能在保护图像边缘信息不受损害的基础上消除图像中的噪声,达到改善图像质量的目的。当遇到物体边缘时,受值域滤波的影响,边缘两侧的像素值不会相互影响,而是分别在自己的一侧做空间域的高斯滤波。
所述的光照图像和反射图像合并为输出图像,是指:根据任何图像可以分解为光照图像和反射图像的乘积,将分别处理后的新的光照图像和反射图像对应像素的像素值相乘得到输出图像。输出图像和输入图像的格式一致,可以输出到一般的输出设备如数字照片打印机以及计算机显示器等等。
本发明首先输入一幅数字图像,将每个像素的颜色和灰度值保存到分配的内存区域中;其次根据Retinex模型将输入图像分解为两个部分:光照图像和反射图像;接下来对两个部分分别处理,光照图像经过伽马校正改善光照效果,反射图像根据从光照图像上获取的去噪区域进行局部双边滤波,以去除噪声;最后再将处理后的光照图像和反射图像合并为一幅输出图像输出到输出设备上。
本发明不仅能够改善在光照不佳的环境下拍摄图像的质量,调整输入图像中的光照效果,提高输入图像内容的可见度,而且能够满足实时处理的要求。与一般的全局图像增强方法如伽马校正和灰度均衡化方法相比,能够更好地保留局部的图像细节,增加图像中有效的特征点个数,使其在日常生活和生产中都有广泛的应用前景。并且本发明在基于Retinex模型的图像增强系统的基础上加入了对反射图像噪声集中区域的去噪操作,在不影响系统实时性的条件下大大改善了Retinex算法在图像增强过程中造成噪声量提高的问题。
附图说明
图1本发明实施例的处理流程图
图2本发明应用实例示意图
具体实施方式
下面对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式,但本发明的保护范围不限于下述的实施例。
本实施例首先读取输入图像;之后,将输入图像分解为两个部分:光照图像和反射图像;然后,对光照图像做伽马校正,并从校正前的光照图像中提取过暗区域,对反射图像的相应区域已用双边滤波器做去噪处理;最后,将处理后的光照图像和反射图像相乘合并为输出图像,输出该图像。整个过程是实时的并且是自适应的,不需要用户设定任何参数。
如图1所示,本实施例首先用户启动实时图像增强系统,点击文件选择按钮选择打开待增强的图像,点击增强按钮开始对输入图像进行增强。
接下来,图像增强程序根据Retinex模型对输入图像进行分解,将输入图像分解为光照图像和反射图像。程序对光照图像进行伽马校正得到处理后的光照图像。程序根据实验选取阈值对光照图像进行二值化,灰度大于阈值的像素标0,即为输入图像亮的区域,不需要进行滤波,而灰度小于阈值的像素标1,即为输入图像的过暗区域,需要对之进行去噪处理。
对于反射图像处理时,逐个选取反射图像中的像素,对照之前由光照图像获取的二值图像,如果对应位置的像素在二值图像中为0,则不作处理;如果对应位置的像素在二值图像中为1,则对该像素进行双边滤波。然后判断是否反射图像中的每个像素都已经遍历过,如果没有,则继续选择下一个像素。
当反射图像的每一个像素都遍历过之后,经过处理的光照图像和反射图像最后重新相乘合并为输出图像,显示在程序窗口中。
如图2所示,本实施例输入图像根据Retinex模型被分解为光照图像和反射图像。在做去噪处理前,由于过暗区域的图像噪声被增强了,反射图像上对应过暗区域的地方信噪比很低。从光照图像中识别出这些过暗区域作为去噪区域,在反射图像上做局部的双边滤波去噪处理,在保留边缘的条件下使高噪声的区域得到了平滑。然后将经过伽马校正的光照图像和去噪处理后的反射图像合并为输出图像。输出图像与输入图像相比,光照效果得到了明显改善,图像细节的对比对得到显著提高,同时噪声得到有效抑制。以上处理是在实时条件下完成的。
Claims (10)
1、一种带有去噪功能的实时数字图像处理增强方法,其特征在于,首先读入一张数字图像,将每个像素的颜色和灰度值保存到分配的内存区域中,其次将输入图像分解为光照图像和反射图像两部分,接下来分别对光照图像处理和反射图像处理,最后再将处理后的光照图像和反射图像合并为输出图像输出到输出设备上。
2、根据权利要求1所述的带有去噪功能的实时数字图像处理增强方法,其特征是,所述的将输入图像保存到分配的内存区域中,是指:申请一块和图像尺寸大小相当的内存区域,将输入图像的每个像素值按顺序存入内存区域对应的内存单元中,如果输入图像是彩色图像,则彩色图像将分为R、G、B三个通道分别保存。
3、根据权利要求1所述的带有去噪功能的实时数字图像处理增强方法,其特征是,所述的将输入图像分解为光照图像和反射图像,是指:根据Retinex模型,图像分解为光照图像和反射图像的乘积,对光照图像的估计是基于Retinex变分模型的,应用多解析度技术,在相应解析度层,保留图像的高斯模糊结果,去除图像的拉普拉斯锐化结果,经过若干次迭代,得到一幅非常平滑的图像,作为输入图像的光照图像的估计,反射图像由输入图像除以光照图像获得。
4、根据权利要求1所述的带有去噪功能的实时数字图像处理增强方法,其特征是,所述的对光照图像的处理,是指:光照不佳的输入图像中光照图像的灰度分布集中在图像动态范围的某一小部分,对光照图像的处理是通过伽马校正拉升处于动态范围低端和高端的像素的对比度,从而使这一部分的细节能够显现出来。
5、根据权利要求1或者4所述的实时数字图像处理增强方法,其特征是,所述的伽马校正是采用非线性映射曲线,拉升过亮和过暗区域的灰度动态范围,提高过亮和过暗区域内图像内容的可见度。
6、根据权利要求1所述的带有去噪功能的实时数字图像处理增强方法,其特征是,所述的对反射图像的处理,是指:从光照图像中识别出输入图像的过暗区域,对输入图像的反射图像相应的区域进行局部双边滤波处理。
7、根据权利要求6所述的带有去噪功能的实时数字图像处理增强方法,其特征是,所述的局部双边滤波处理,是指:由于反射图像包含的是原图中的高频信息,同时输入图像的过暗区域信息和噪声的可见度都较低,图像的噪声在经过图像分解后大部分集中到了反射图像中对应输入图像中过暗的区域,从光照图像中识别输入图像的过暗区域,应用双边滤波器对与过暗区域相对应的反射图像区域进行去噪处理。
8、根据权利要求6或者7所述的带有去噪功能的实时数字图像处理增强方法,其特征是,所述双边滤波,是一种分别在图像空间域和图像灰度域进行去噪处理的技术,当遇到物体边缘时,受值域滤波的影响,边缘两侧的像素值不会相互影响,而是分别在自己的一侧做空间域的高斯滤波。
9、根据权利要求7所述的全自动的实时数字图像处理增强系统,其特征是,从光照图像识别输入图像的过暗区域,是指:根据实验选取一个效果最佳的阈值,针对光照图像的像素灰度做二值化处理,灰度小于阈值的标1,灰度大于阈值的标0,这样标1的区域即是需要做去噪处理的过暗区域。
10、根据权利要求1所述的带有去噪功能的实时数字图像处理增强方法,其特征是,所述的光照图像和反射图像合并为输出图像,是指:任何图像能分解为光照图像和反射图像的乘积,将分别处理后的新的光照图像和反射图像对应像素的像素值相乘得到输出图像。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007100442172A CN100562067C (zh) | 2007-07-26 | 2007-07-26 | 带有去噪功能的实时数字图像处理增强方法 |
JP2010517255A JP4986250B2 (ja) | 2007-07-26 | 2008-07-28 | ノイズ除去機能付きのデジタル画像処理増強システム及び方法 |
PCT/CN2008/001382 WO2009012659A1 (en) | 2007-07-26 | 2008-07-28 | Digital image processing and enhancing system and method with function of removing noise |
EP08783573.2A EP2187620B1 (en) | 2007-07-26 | 2008-07-28 | Digital image processing and enhancing system and method with function of removing noise |
US12/670,625 US8411979B2 (en) | 2007-07-26 | 2008-07-28 | Digital image processing and enhancing system and method with function of removing noise |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007100442172A CN100562067C (zh) | 2007-07-26 | 2007-07-26 | 带有去噪功能的实时数字图像处理增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101102399A true CN101102399A (zh) | 2008-01-09 |
CN100562067C CN100562067C (zh) | 2009-11-18 |
Family
ID=39036470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2007100442172A Expired - Fee Related CN100562067C (zh) | 2007-07-26 | 2007-07-26 | 带有去噪功能的实时数字图像处理增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100562067C (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009012659A1 (en) * | 2007-07-26 | 2009-01-29 | Omron Corporation | Digital image processing and enhancing system and method with function of removing noise |
CN101783872A (zh) * | 2009-01-20 | 2010-07-21 | 三星电子株式会社 | 获得高分辨率图像的设备和方法 |
CN101626454B (zh) * | 2009-04-10 | 2011-01-05 | 黄宝华 | 一种增强视频可视性的方法 |
CN102110289A (zh) * | 2011-03-29 | 2011-06-29 | 东南大学 | 基于变分框架的彩色图像对比度增强方法 |
CN102521800A (zh) * | 2011-11-23 | 2012-06-27 | 重庆工业职业技术学院 | 一种针对多模图像的去噪及锐化方法 |
CN102609904A (zh) * | 2012-01-11 | 2012-07-25 | 云南电力试验研究院(集团)有限公司电力研究院 | 双变量非局部平均滤波x射线图像消噪方法 |
CN103177424A (zh) * | 2012-12-07 | 2013-06-26 | 西安电子科技大学 | 一种低照度图像的增强和去噪方法 |
CN103246894A (zh) * | 2013-04-23 | 2013-08-14 | 南京信息工程大学 | 一种解决光照不敏感问题的地基云图识别方法 |
CN103903229A (zh) * | 2014-03-13 | 2014-07-02 | 中安消技术有限公司 | 一种夜晚图像增强方法和装置 |
CN104221051A (zh) * | 2012-03-30 | 2014-12-17 | Eizo株式会社 | 图像显示装置或其方法 |
CN104410786A (zh) * | 2010-05-11 | 2015-03-11 | 佳能株式会社 | 图像处理设备和图像处理设备的控制方法 |
CN104657947A (zh) * | 2015-02-06 | 2015-05-27 | 哈尔滨工业大学深圳研究生院 | 针对碱基图像的一种降噪方法 |
WO2015103770A1 (zh) * | 2014-01-10 | 2015-07-16 | 富士通株式会社 | 图像处理装置、电子设备及方法 |
CN104882097A (zh) * | 2015-06-08 | 2015-09-02 | 西安电子科技大学 | 基于环境光的图像显示方法及系统 |
CN104899859A (zh) * | 2014-03-04 | 2015-09-09 | Sap欧洲公司 | 自动选择用于地震分析的滤波器参数 |
CN105118041A (zh) * | 2015-09-23 | 2015-12-02 | 成都融创智谷科技有限公司 | 一种基于光照分离模型的数字图像去雾方法 |
CN105354805A (zh) * | 2015-10-26 | 2016-02-24 | 京东方科技集团股份有限公司 | 深度图像的去噪方法和去噪设备 |
CN105491301A (zh) * | 2015-12-03 | 2016-04-13 | 浙江大华技术股份有限公司 | 一种成像控制方法及装置 |
CN105654464A (zh) * | 2014-11-28 | 2016-06-08 | 佳能株式会社 | 图像处理装置及图像处理方法 |
WO2016206087A1 (zh) * | 2015-06-26 | 2016-12-29 | 北京大学深圳研究生院 | 一种低照度图像处理方法和装置 |
CN106530262A (zh) * | 2015-09-15 | 2017-03-22 | 株式会社理光 | 图像合成方法及设备 |
CN109919869A (zh) * | 2019-02-28 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 一种图像增强方法、装置及存储介质 |
CN110175963A (zh) * | 2019-05-28 | 2019-08-27 | 山东大学 | 一种适用于水下图像及大气暗图像的两用图像增强方法及装置 |
CN111445675A (zh) * | 2019-10-22 | 2020-07-24 | 泰州市赛得机电设备有限公司 | 基于信号大数据检测的现场显示平台 |
CN111460138A (zh) * | 2020-03-02 | 2020-07-28 | 广州高新工程顾问有限公司 | 一种基于bim的数字化工程监理方法与系统 |
CN111918095A (zh) * | 2020-08-05 | 2020-11-10 | 广州市百果园信息技术有限公司 | 一种暗光增强方法、装置、移动终端和存储介质 |
CN113222853A (zh) * | 2021-05-26 | 2021-08-06 | 武汉博宇光电系统有限责任公司 | 一种基于噪声估计的渐进式红外图像降噪方法 |
CN114240807A (zh) * | 2022-02-28 | 2022-03-25 | 山东慧丰花生食品股份有限公司 | 一种基于机器视觉的花生黄曲霉素检测方法及系统 |
CN114429426A (zh) * | 2021-12-20 | 2022-05-03 | 哈尔滨理工大学 | 一种基于Retinex模型的低照度图像质量改善方法 |
-
2007
- 2007-07-26 CN CNB2007100442172A patent/CN100562067C/zh not_active Expired - Fee Related
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009012659A1 (en) * | 2007-07-26 | 2009-01-29 | Omron Corporation | Digital image processing and enhancing system and method with function of removing noise |
US8411979B2 (en) | 2007-07-26 | 2013-04-02 | Omron Corporation | Digital image processing and enhancing system and method with function of removing noise |
CN101783872B (zh) * | 2009-01-20 | 2014-02-26 | 三星电子株式会社 | 获得高分辨率图像的设备和方法 |
CN101783872A (zh) * | 2009-01-20 | 2010-07-21 | 三星电子株式会社 | 获得高分辨率图像的设备和方法 |
CN101626454B (zh) * | 2009-04-10 | 2011-01-05 | 黄宝华 | 一种增强视频可视性的方法 |
CN104410786B (zh) * | 2010-05-11 | 2018-04-17 | 佳能株式会社 | 图像处理设备和图像处理设备的控制方法 |
CN104410786A (zh) * | 2010-05-11 | 2015-03-11 | 佳能株式会社 | 图像处理设备和图像处理设备的控制方法 |
CN102110289A (zh) * | 2011-03-29 | 2011-06-29 | 东南大学 | 基于变分框架的彩色图像对比度增强方法 |
CN102110289B (zh) * | 2011-03-29 | 2012-09-19 | 东南大学 | 基于变分框架的彩色图像对比度增强方法 |
CN102521800A (zh) * | 2011-11-23 | 2012-06-27 | 重庆工业职业技术学院 | 一种针对多模图像的去噪及锐化方法 |
CN102609904A (zh) * | 2012-01-11 | 2012-07-25 | 云南电力试验研究院(集团)有限公司电力研究院 | 双变量非局部平均滤波x射线图像消噪方法 |
CN104221051A (zh) * | 2012-03-30 | 2014-12-17 | Eizo株式会社 | 图像显示装置或其方法 |
CN104221051B (zh) * | 2012-03-30 | 2018-07-13 | Eizo株式会社 | 图像显示装置或其方法 |
CN103177424A (zh) * | 2012-12-07 | 2013-06-26 | 西安电子科技大学 | 一种低照度图像的增强和去噪方法 |
CN103246894A (zh) * | 2013-04-23 | 2013-08-14 | 南京信息工程大学 | 一种解决光照不敏感问题的地基云图识别方法 |
CN103246894B (zh) * | 2013-04-23 | 2016-01-13 | 南京信息工程大学 | 一种解决光照不敏感问题的地基云图识别方法 |
WO2015103770A1 (zh) * | 2014-01-10 | 2015-07-16 | 富士通株式会社 | 图像处理装置、电子设备及方法 |
GB2535127A (en) * | 2014-01-10 | 2016-08-10 | Fujitsu Ltd | Image processing apparatus, electronic device and method |
US10019645B2 (en) | 2014-01-10 | 2018-07-10 | Fujitsu Limited | Image processing apparatus and method, and electronic equipment |
CN104899859A (zh) * | 2014-03-04 | 2015-09-09 | Sap欧洲公司 | 自动选择用于地震分析的滤波器参数 |
CN104899859B (zh) * | 2014-03-04 | 2019-10-11 | Sap欧洲公司 | 自动选择滤波器参数的系统、方法及存储介质 |
CN103903229A (zh) * | 2014-03-13 | 2014-07-02 | 中安消技术有限公司 | 一种夜晚图像增强方法和装置 |
US10059002B2 (en) | 2014-11-28 | 2018-08-28 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and non-transitory computer-readable medium |
CN105654464A (zh) * | 2014-11-28 | 2016-06-08 | 佳能株式会社 | 图像处理装置及图像处理方法 |
CN105654464B (zh) * | 2014-11-28 | 2019-04-12 | 佳能株式会社 | 图像处理装置及图像处理方法 |
CN104657947B (zh) * | 2015-02-06 | 2017-08-22 | 哈尔滨工业大学深圳研究生院 | 针对碱基图像的一种降噪方法 |
CN104657947A (zh) * | 2015-02-06 | 2015-05-27 | 哈尔滨工业大学深圳研究生院 | 针对碱基图像的一种降噪方法 |
CN104882097A (zh) * | 2015-06-08 | 2015-09-02 | 西安电子科技大学 | 基于环境光的图像显示方法及系统 |
CN104882097B (zh) * | 2015-06-08 | 2017-11-21 | 西安电子科技大学 | 基于环境光的图像显示方法及系统 |
WO2016206087A1 (zh) * | 2015-06-26 | 2016-12-29 | 北京大学深圳研究生院 | 一种低照度图像处理方法和装置 |
CN106530262A (zh) * | 2015-09-15 | 2017-03-22 | 株式会社理光 | 图像合成方法及设备 |
CN105118041B (zh) * | 2015-09-23 | 2019-06-07 | 上海本趣网络科技有限公司 | 一种基于光照分离模型的数字图像去雾方法 |
CN105118041A (zh) * | 2015-09-23 | 2015-12-02 | 成都融创智谷科技有限公司 | 一种基于光照分离模型的数字图像去雾方法 |
CN105354805B (zh) * | 2015-10-26 | 2020-03-06 | 京东方科技集团股份有限公司 | 深度图像的去噪方法和去噪设备 |
CN105354805A (zh) * | 2015-10-26 | 2016-02-24 | 京东方科技集团股份有限公司 | 深度图像的去噪方法和去噪设备 |
CN105491301B (zh) * | 2015-12-03 | 2018-09-28 | 浙江大华技术股份有限公司 | 一种成像控制方法及装置 |
CN105491301A (zh) * | 2015-12-03 | 2016-04-13 | 浙江大华技术股份有限公司 | 一种成像控制方法及装置 |
CN109919869B (zh) * | 2019-02-28 | 2021-06-04 | 腾讯科技(深圳)有限公司 | 一种图像增强方法、装置及存储介质 |
CN109919869A (zh) * | 2019-02-28 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 一种图像增强方法、装置及存储介质 |
CN110175963A (zh) * | 2019-05-28 | 2019-08-27 | 山东大学 | 一种适用于水下图像及大气暗图像的两用图像增强方法及装置 |
CN110175963B (zh) * | 2019-05-28 | 2021-02-09 | 山东大学 | 一种适用于水下图像及大气暗图像的两用图像增强方法及装置 |
CN111445675A (zh) * | 2019-10-22 | 2020-07-24 | 泰州市赛得机电设备有限公司 | 基于信号大数据检测的现场显示平台 |
CN111460138A (zh) * | 2020-03-02 | 2020-07-28 | 广州高新工程顾问有限公司 | 一种基于bim的数字化工程监理方法与系统 |
CN111918095A (zh) * | 2020-08-05 | 2020-11-10 | 广州市百果园信息技术有限公司 | 一种暗光增强方法、装置、移动终端和存储介质 |
CN113222853A (zh) * | 2021-05-26 | 2021-08-06 | 武汉博宇光电系统有限责任公司 | 一种基于噪声估计的渐进式红外图像降噪方法 |
CN114429426A (zh) * | 2021-12-20 | 2022-05-03 | 哈尔滨理工大学 | 一种基于Retinex模型的低照度图像质量改善方法 |
CN114240807A (zh) * | 2022-02-28 | 2022-03-25 | 山东慧丰花生食品股份有限公司 | 一种基于机器视觉的花生黄曲霉素检测方法及系统 |
CN114240807B (zh) * | 2022-02-28 | 2022-05-17 | 山东慧丰花生食品股份有限公司 | 一种基于机器视觉的花生黄曲霉素检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN100562067C (zh) | 2009-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100562067C (zh) | 带有去噪功能的实时数字图像处理增强方法 | |
CN101102398B (zh) | 全自动的实时数字图像处理增强系统 | |
JP4986250B2 (ja) | ノイズ除去機能付きのデジタル画像処理増強システム及び方法 | |
Ghani et al. | Enhancement of low quality underwater image through integrated global and local contrast correction | |
Zhou et al. | Underwater image enhancement method via multi-feature prior fusion | |
CN110008969B (zh) | 图像显著性区域的检测方法和装置 | |
Tsai | Adaptive local power-law transformation for color image enhancement | |
CN102096909B (zh) | 基于对数图像处理模型的改进的反锐化掩模图像增强方法 | |
CN111223110B (zh) | 一种显微图像增强方法、装置及计算机设备 | |
Yan et al. | Nighttime defogging using high-low frequency decomposition and grayscale-color networks | |
CN112614062A (zh) | 菌落计数方法、装置及计算机存储介质 | |
Tao et al. | Retinex-based image enhancement framework by using region covariance filter | |
CN107798670A (zh) | 一种利用图像引导滤波器的暗原色先验图像去雾方法 | |
CN115587945A (zh) | 高动态红外图像细节增强方法、系统及计算机存储介质 | |
CN107993198A (zh) | 优化对比度增强的图像去雾方法及系统 | |
Kim | Image enhancement using patch-based principal energy analysis | |
Kumar et al. | A generic post-processing framework for image dehazing | |
CN112132848B (zh) | 一种基于图像图层分割抽取的预处理方法 | |
Valliammal et al. | A hybrid method for enhancement of plant leaf recognition | |
CN114429426B (zh) | 一种基于Retinex模型的低照度图像质量改善方法 | |
CN116228553A (zh) | 一种可同时增强高照度和低照度区域清晰度的图像增强方法 | |
Shao et al. | An adaptive image contrast enhancement algorithm based on retinex | |
CN108205798A (zh) | 鲁棒的显微镜图像光照补偿方法 | |
Dolly et al. | Various methods of enhancement in colored images: a review | |
Albakri et al. | Rapid contrast enhancement algorithm for natural contrast-distorted color images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091118 Termination date: 20170726 |
|
CF01 | Termination of patent right due to non-payment of annual fee |