CN102567956B - 一种图像边缘清晰化的方法和系统 - Google Patents

一种图像边缘清晰化的方法和系统 Download PDF

Info

Publication number
CN102567956B
CN102567956B CN201010616574.3A CN201010616574A CN102567956B CN 102567956 B CN102567956 B CN 102567956B CN 201010616574 A CN201010616574 A CN 201010616574A CN 102567956 B CN102567956 B CN 102567956B
Authority
CN
China
Prior art keywords
filter
wave filter
gradient
image
passage
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
Application number
CN201010616574.3A
Other languages
English (en)
Other versions
CN102567956A (zh
Inventor
王建华
张宏志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Founder International Co Ltd
Founder International Beijing Co Ltd
Original Assignee
Founder International Co Ltd
Founder International Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Founder International Co Ltd, Founder International Beijing Co Ltd filed Critical Founder International Co Ltd
Priority to CN201010616574.3A priority Critical patent/CN102567956B/zh
Publication of CN102567956A publication Critical patent/CN102567956A/zh
Application granted granted Critical
Publication of CN102567956B publication Critical patent/CN102567956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明提供了一种图像边缘清晰化的方法和系统,用以解决现有技术中图像边缘清晰化的方法存在影响图像质量以及容易产生色差的问题。该方法包括:构造三边滤波器,所述滤波器由几何空间滤波器、色彩空间滤波器以及梯度滤波器构成;将原图像输入到所述三边滤波器中得到边缘清晰化的输出图像。采用本发明的技术方案,有助于获得较佳的图像质量,并抑制色差的产生。

Description

一种图像边缘清晰化的方法和系统
技术领域
本发明涉及一种图像边缘清晰化的方法和系统。
背景技术
图像边缘清晰化是一种常见的图像处理技术,其中最普遍使用的方法就是图像锐化,通常采用高斯锐化的方式来实现。高斯锐化是高斯模糊的反过程,即将原始图像与高斯模糊之后的图像对比得到一幅边缘细节图像,然后将其与原始图像叠加后,突出了图像边缘信息。上述过程可以简化成一个高斯模板来实现。即:
-1,-4, -7, -4, -1
-4,-16,-26,-16,-4
-7,-26,505,-26,-7
-4,-16,-26,-16,-4
-1,-4, -7, -4, -1
经过上述模板滤波之后的图像在一定程度上突出了边缘信息,使得图像变得更加清晰。
高斯锐化的方法虽然在一定程度上突出了边缘信息,使得图像变得更加清晰,但与此同时,图像的噪声也相应的被扩大,影响了图像的质量。同时,现有的锐化方法大多用于灰度图像处理,如果将其分别用在彩色图像不同通道的处理过程中则容易产生色差。
现有技术中的图像边缘清晰化的方法存在影响图像质量以及容易产生色差的问题,对于该问题,目前尚未提出有效解决方案。
发明内容
本发明的主要目的是提供一种图像边缘清晰化的方法和系统,以解决现有技术中图像边缘清晰化的方法存在影响图像质量以及容易产生色差的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种图像边缘清晰化的方法。
本发明的图像边缘清晰化的方法包括:构造三边滤波器,所述三边滤波器中包括几何空间滤波器、色彩空间滤波器以及梯度滤波器;将原图像输入到所述三边滤波器中进行滤波处理,得到边缘清晰化的输出图像。
进一步地,所述几何空间滤波器是指计算扫描点与其周围设定邻域内的每个像素点的几何距离构成的滤波器。
进一步地,所述几何距离为欧几里得距离或者汉明距离。
进一步地,所述色彩空间滤波器是指计算图像各个通道扫描点与其周围设定邻域内的每个像素点颜色差构成的滤波器。
进一步地,所述各个通道颜色差构成滤波器方法,包含各个通道颜色差合成后构成滤波器或者各个通道颜色差分别构成了滤波器再合成。
进一步地,所述各个通道颜色差合成构成滤波器或者各个通道颜色差滤波器合成为的色彩空间滤波器,是指通过关系运算合成,所述关系运算包括自定义加权求和、求积。
进一步地,所述梯度滤波器是指计算图像各个通道梯度,并利用各个通道梯度合成为图像梯度幅值构成的滤波器。
进一步地,所述各个通道梯度合成的方法包括各个通道梯度幅值的最大值作为彩色图像的梯度幅值、各个通道加权求和作为彩色图像的梯度幅值或者各通道按照一定融合运算合成作为彩色图像的梯度幅值。
进一步地,所述计算图像梯度的方法包含sobel算子、laplace算子、prewitt算子或者roberts算子。
进一步地,所述方法还包含:对所述几何空间滤波器、色彩空间滤波器或者梯度滤波器进行归一化处理。
进一步地,所述构造三边滤波器是指将几何空间滤波器、色彩空间滤波器以及梯度滤波器通过关系运算合成为的三边滤波器,其中所述关系运算包括自定义加权求和、求积。
进一步地,所述几何空间滤波器、色彩空间滤波器以及梯度滤波器可以采用任意一种核函数。
进一步地,所述核函数为高斯核函数、多项式核函数或者指数核函数。
根据本发明的另一方面,提供了一种图像边缘清晰化的系统。
本发明的图像边缘清晰化的系统包括:构造模块,用于构造三边滤波器,所述滤波器中包括几何空间滤波器、色彩空间滤波器以及梯度滤波器;处理模块,用于将原图像输入到所述三边滤波器中进行滤波处理,得到边缘清晰化的输出图像。
进一步地,所述构造模块还用于在各个通道颜色差合成后构成滤波器或者各个通道颜色差分别构成了滤波器再合成。
进一步地,所述构造模块还用于计算图像各个通道梯度,并利用各个通道梯度合成为图像梯度幅值构成的滤波器。
进一步地,所述构造模块还用于将各个通道梯度幅值的最大值作为彩色图像的梯度幅值、各个通道加权求和作为彩色图像的梯度幅值或者各通道按照一定融合运算合成作为彩色图像的梯度幅值。
进一步地,所述方法还包括归一化模块,用于对所述几何空间滤波器、色彩空间滤波器或者梯度滤波器进行归一化处理。
进一步地,所述构造模块还用于将几何空间滤波器、色彩空间滤波器以及梯度滤波器通过关系运算合成为的三边滤波器,其中所述关系运算包括自定义加权求和、求积。
根据本发明实施例的技术方案,能够实现以下有益效果:适应性,即本方案既能够对灰度图像,也能够对彩色图像进行处理;针对性,即本方案能够在边缘信息增强的同时,抑制非边缘处的噪声,同时能够减小边缘区域的尺度范围;灵活性,即本方案能够通过控制窗口大小和最大允许的颜色差大小来调节清晰化的强度;准确性,即对于彩色图像的处理,本方案能够较好的抑制色差。
附图说明
说明书附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的图像边缘清晰化的方法的主要步骤流程图;
图2是根据本发明实施例的图像边缘清晰化的方法的一种具体步骤的流程图;
图3是根据本发明实施例的图像边缘清晰化的系统的主要模块示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1是根据本发明实施例的图像边缘清晰化的方法的主要步骤流程图,如图1所示,该方法主要包括如下步骤:
步骤S11:构造三边滤波器;
步骤S13:将原图像输入到三边滤波器中得到边缘清晰化的输出图像。
以下对上述步骤作进一步说明。
步骤S11中的滤波器可以由几何空间滤波器、色彩空间滤波器以及梯度滤波器构成。其中几何空间滤波器是指计算扫描点与其周围设定邻域内的每个像素点的几何距离构成的滤波器。这里的几何距离为欧几里得距离或者汉明距离。
步骤S11中的色彩空间滤波器是指计算图像各个通道扫描点与其周围设定邻域内的每个像素点颜色差构成的滤波器。各个通道颜色差构成滤波器方法,包含各个通道颜色差合成后构成滤波器或者各个通道颜色差分别构成了滤波器再合成。各个通道颜色差合成构成滤波器或者各个通道颜色差滤波器合成为的色彩空间滤波器,是指通过关系运算合成,该关系运算包括自定义加权求和、求积。
步骤S11中的梯度滤波器是指计算图像各个通道梯度,并利用各个通道梯度合成为图像梯度幅值构成的滤波器。各个通道梯度合成的方法包括各个通道梯度幅值的最大值作为彩色图像的梯度幅值、各个通道加权求和作为彩色图像的梯度幅值或者各通道按照一定融合合成作为彩色图像的梯度幅值。计算图像梯度的方法包含sobel算子、laplace算子、prewitt算子或者roberts算子。
在本实施例中,还可以对步骤S11中的滤波器由几何空间滤波器、色彩空间滤波器或者梯度滤波器进行归一化处理。
步骤S11中,构造三边滤波器是指将几何空间滤波器、色彩空间滤波器以及梯度滤波器通过关系运算合成为的三边滤波器,其中所述关系运算包括自定义加权求和、求积。并且步骤S11中的几何空间滤波器、色彩空间滤波器以及梯度滤波器可以采用任意一种核函数。该核函数为高斯核函数、多项式核函数或者指数核函数。
图2是根据本发明实施例的图像边缘清晰化的方法的一种具体步骤的流程图。
首先输入原始图像,图像可以是灰度图也可以是任何色彩空间的彩色图像。然后遍历原始图像并扫描图像上每一个像素点。接下来建立一个三边滤波器,对扫描的点以及扫描点周围一定邻域内的点进行滤波,三边滤波器包括三部分构成:
1)计算扫描点与其周围一定邻域内的每个点的几何距离构成一个几何空间滤波器;2)计算图像各个通道扫描点与其周围一定邻域内的每个点颜色差构成一个色彩空间滤波器;3)计算图像各个通道梯度,并利用各个通道梯度合成为图像梯度幅值构成一个梯度滤波器。
最后将三个滤波器通过一定的关系运算合成为一个三边滤波器(trilateral filter),将原始图像输入到滤波器中得到输出图像。这里提及的三个滤波器合成三边滤波器的方法,包含但不仅限于任意加权求和、求积的方法。
上述1)、2)和3)中,提及的滤波器可以采用任意一种核函数,包含但不限于高斯核函数、多项式核函数、指数核函数;提及的滤波器处理可包含归一化处理。
上述1)中提及的几何距离可以采用任意一种距离计算方法,包含但不限于欧几里得距离、汉明距离。上述2)中提及的各个通道颜色差构成滤波器方法,包含但不仅限于各个通道颜色差合成后构成滤波器的方法、各个通道颜色差分别构成了滤波器再合成的方法;上述提及的各个通道颜色差合成的方法,包含但不仅限于任意加权求和、指数运算后求和的方法;上述提及的滤波器合成的方法,包含但不仅限于任意加权求和、求积的方法。
上述3)中,提及的计算图像梯度的方法包含任意一种梯度计算方法,包含但不仅限于sobel算子、laplace算子、prewitt算子、roberts算子;提及的梯度计算如果是彩色图像,则包含各个通道梯度融合的方法,包含但不仅限于各个通道梯度幅值的最大值作为彩色图像的梯度幅值、各个通道加权求和作为彩色图像的梯度幅值。
以下再举一个具体计算图像滤波后其中的点的像素值的例子。
设点fi(x,y)为图像通道为i(i∈N)坐标为(x,y)点的像素值,hi(x,y)为图像滤波后该点的像素值,其计算公式为:hi(x,y)=k-1 ∫∫fi(x,y)G(d(ξ,ζ))G(c(ξ,ζ))G(e(ξ,ζ))dξdζ。
其中:(ξ,ζ)为设定邻域内点的坐标,ξ和ζ的积分范围是所述设定邻域。
k=∫∫G(d(ξ,ζ))G(c(ξ,ζ))G(e(ξ,ζ))dξdζ为归一化系数,函数G(x)为高斯核函数,
为点(ξ,ζ)到点(x,y)的几何距离。
为点(ξ,ζ)到点(x,y)各个通道颜色差的合成。
为点(ξ,ζ)的在通道i(i∈N)的梯度值,e(ξ,ζ)为各个通道ei(ξ,ζ)按照关系运算的合成。
在本实施例中,对于不同通道计算得到的边缘图像进行融合,得到梯度模值图,融合的方法可采用取各个通道最大值融合的方法。在建立基于梯度幅值图、颜色差和几何距离的trilateral滤波器时,相关的公式可以采用如下形式:
基于梯度幅值图的高斯滤波器公式为:
其中:e(ξ,ζ)为融合后边缘的幅值图,ke=∫∫Ge(e(ξ,ζ))dξdζ为归一化系数。
基于颜色高斯滤波器公式为:
其中:kc(x,y)=∫∫Gc(f(ξ,ζ)-f(x,y))dξdζ,为归一化系数。
基于几何距离的高斯滤波器公式为:
h d ( x , y ) = k d - 1 ( x , y ) ∫ ∫ f ( x , y ) G d ( ( ξ - x ) 2 + ( ζ - y ) 2 ) dξdζ
其中:为归一化系数。
本实施例的方案的目标是使边缘信息得到加强;为了在彩色图像滤波的过程避免色差的产生,构建基于多通道颜色信息的多维的高斯滤波器,通过滤波操作不仅能够保留原有边缘信息,而且能够缩小边界尺度范围,使边缘清晰化而不产生色差。
图3是根据本发明实施例的图像边缘清晰化的系统的主要模块示意图。如图3所示,图像边缘清晰化的系统30主要包括构造模块和处理模块。构造模块,用于构造三边滤波器,所述滤波器由几何空间滤波器、色彩空间滤波器以及梯度滤波器构成;处理模块,用于将原图像输入到所述三边滤波器中得到边缘清晰化的输出图像。
构造模块还可用于在各个通道颜色差合成后构成滤波器或者各个通道颜色差分别构成了滤波器再合成。构造模块还可用于计算图像各个通道梯度,并利用各个通道梯度合成为图像梯度幅值构成的滤波器。构造模块还可用于将各个通道梯度幅值的最大值作为彩色图像的梯度幅值、各个通道加权求和作为彩色图像的梯度幅值或者各通道按照一定融合运算合成作为彩色图像的梯度幅值。
图3中的系统还可以包括归一化模块(图中未示出),用于对几何空间滤波器、色彩空间滤波器或者梯度滤波器进行归一化处理。构造模块还可用于将几何空间滤波器、色彩空间滤波器以及梯度滤波器通过关系运算合成为的三边滤波器,其中所述关系运算包括自定义加权求和、求积。
根据本发明实施例的技术方案,能够实现以下有益效果:
适应性,即本方案既能够对灰度图像,也能够对彩色图像进行处理;
针对性,即本方案能够在边缘信息增强的同时,抑制非边缘处的噪声,同时能够减小边缘区域的尺度范围;
灵活性,即本方案能够通过控制窗口大小和最大允许的颜色差大小来调节清晰化的强度;
准确性,即对于彩色图像的处理,本方案能够较好的抑制色差。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (11)

1.一种图像边缘清晰化的方法,其特征在于,包括:
构造三边滤波器,所述三边滤波器中包括几何空间滤波器、色彩空间滤波器以及梯度滤波器;
将原图像输入到所述三边滤波器中进行滤波处理,得到边缘清晰化的输出图像;
其中,所述几何空间滤波器是指用于计算扫描点与其周围设定邻域内的每个像素点的几何距离的滤波器;
其中,所述色彩空间滤波器是指用于计算图像各个通道扫描点与其周围设定邻域内的每个像素点颜色差的滤波器;
其中,所述梯度滤波器是指用于计算图像各个通道梯度,并利用各个通道梯度合成为图像梯度幅值的滤波器;
其中,所述三边滤波器是各个通道颜色差合成后构成的滤波器,或者是根据各个通道颜色差分别构成中间滤波器再对该中间滤波器进行合成而构成的滤波器;
其中,所述各个通道梯度合成包括将各个通道梯度幅值的最大值作为彩色图像的梯度幅值、将各个通道加权求和作为彩色图像的梯度幅值或者对各通道按照融合运算得出彩色图像的梯度幅值。
2.根据权利要求1所述的方法,其特征在于,所述几何距离为欧几里得距离或者汉明距离。
3.根据权利要求1所述的方法,其特征在于,所述合成是指通过关系运算合成,所述关系运算包括自定义加权求和、和/或求积。
4.根据权利要求1所述的方法,其特征在于,所述计算图像梯度的方法包含sobel算子、laplace算子、prewitt算子或者roberts算子。
5.根据权利要求1所述的方法,其特征在于,还包含:对所述几何空间滤波器、色彩空间滤波器或者梯度滤波器进行归一化处理。
6.根据权利要求1所述的方法,其特征在于,所述构造三边滤波器是指将几何空间滤波器、色彩空间滤波器以及梯度滤波器通过关系运算合成为的三边滤波器,其中所述关系运算包括自定义加权求和、和/或求积。
7.根据权利要求1所述的方法,其特征在于,所述几何空间滤波器、色彩空间滤波器以及梯度滤波器为核函数。
8.根据权利要求7所述的方法,其特征在于,所述核函数为高斯核函数、多项式核函数或者指数核函数。
9.一种图像边缘清晰化的系统,其特征在于,包括:
构造模块,用于构造三边滤波器,所述滤波器中包括几何空间滤波器、色彩空间滤波器以及梯度滤波器;
处理模块,用于将原图像输入到所述三边滤波器中进行滤波处理,得到边缘清晰化的输出图像;
其中,所述几何空间滤波器是指用于计算扫描点与其周围设定邻域内的每个像素点的几何距离的滤波器;
其中,所述色彩空间滤波器是指用于计算图像各个通道扫描点与其周围设定邻域内的每个像素点颜色差的滤波器;
其中,所述梯度滤波器是指用于计算图像各个通道梯度,并利用各个通道梯度合成为图像梯度幅值的滤波器;
其中,所述构造模块还用于在各个通道颜色差合成后构成滤波器或者各个通道颜色差分别构成了滤波器再合成;
其中,所述构造模块还用于将各个通道梯度幅值的最大值作为彩色图像的梯度幅值、各个通道加权求和作为彩色图像的梯度幅值或者各通道按照一定融合运算合成作为彩色图像的梯度幅值。
10.根据权利要求9所述的系统,其特征在于,还包括归一化模块,用于对所述几何空间滤波器、色彩空间滤波器或者梯度滤波器进行归一化处理。
11.根据权利要求9所述的系统,其特征在于,所述构造模块还用于将几何空间滤波器、色彩空间滤波器以及梯度滤波器通过关系运算合成为的三边滤波器,其中所述关系运算包括自定义加权求和、和/或求积。
CN201010616574.3A 2010-12-30 2010-12-30 一种图像边缘清晰化的方法和系统 Active CN102567956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010616574.3A CN102567956B (zh) 2010-12-30 2010-12-30 一种图像边缘清晰化的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010616574.3A CN102567956B (zh) 2010-12-30 2010-12-30 一种图像边缘清晰化的方法和系统

Publications (2)

Publication Number Publication Date
CN102567956A CN102567956A (zh) 2012-07-11
CN102567956B true CN102567956B (zh) 2014-11-05

Family

ID=46413310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010616574.3A Active CN102567956B (zh) 2010-12-30 2010-12-30 一种图像边缘清晰化的方法和系统

Country Status (1)

Country Link
CN (1) CN102567956B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489159B (zh) * 2013-09-02 2016-05-04 电子科技大学 基于三边结构导向滤波的三维地震数据图像降噪方法
CN106780420B (zh) * 2016-12-08 2019-05-24 无锡赛默斐视科技有限公司 基于图像引导滤波器的彩色图像融合算法
CN108399610A (zh) * 2018-03-20 2018-08-14 上海应用技术大学 一种融合rgb图像信息的深度图像增强方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101567964A (zh) * 2009-05-15 2009-10-28 南通大学 一种低码率视频应用中的预处理降噪去块效应方法
CN101706954A (zh) * 2009-11-13 2010-05-12 北京中星微电子有限公司 图像增强方法和装置以及图像低频分量计算方法和装置
CN101908207A (zh) * 2010-07-26 2010-12-08 北京理工大学 一种基于亮度分层的快速三边滤波器色调映射方法
CN101930599A (zh) * 2010-08-24 2010-12-29 黄伟萍 一种医学图像增强方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101567964A (zh) * 2009-05-15 2009-10-28 南通大学 一种低码率视频应用中的预处理降噪去块效应方法
CN101706954A (zh) * 2009-11-13 2010-05-12 北京中星微电子有限公司 图像增强方法和装置以及图像低频分量计算方法和装置
CN101908207A (zh) * 2010-07-26 2010-12-08 北京理工大学 一种基于亮度分层的快速三边滤波器色调映射方法
CN101930599A (zh) * 2010-08-24 2010-12-29 黄伟萍 一种医学图像增强方法及系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
fast trilateral filtering;Tobi Vaudrey et al;《Computer analysis of images and patterns lecture notes in computer science》;Springer-Verlag Berlin Heidelberg;20090904;第5702卷;第2部分Definition of Trilateral Filter及第4部分Experimental Results of Filter *
Tobi Vaudrey et al.fast trilateral filtering.《Computer analysis of images and patterns lecture notes in computer science》.Springer-Verlag Berlin Heidelberg,2009,第5702卷第2部分Definition of Trilateral Filter及第4部分Experimental Results of Filter. *
Trilateral filtering for biomedical images;Wong, W.C.K. et al;《IEEE International Symposium on Biomedical Imaging: Nano to Macro,2004》;20040418;第1卷;第820-823页 *
Wong, W.C.K. et al.Trilateral filtering for biomedical images.《IEEE International Symposium on Biomedical Imaging: Nano to Macro,2004》.2004,第1卷第820-823页. *
杨军 等.点模型的多边滤波器降噪算法.《中国图象图形学报》.2007,第12卷(第3期),第1-7页. *
点模型的多边滤波器降噪算法;杨军 等;《中国图象图形学报》;20070331;第12卷(第3期);第1-7页 *

Also Published As

Publication number Publication date
CN102567956A (zh) 2012-07-11

Similar Documents

Publication Publication Date Title
Hu et al. An overview of underwater vision enhancement: From traditional methods to recent deep learning
Park et al. High quality depth map upsampling for 3D-TOF cameras
Xu et al. Multi-exposure image fusion techniques: A comprehensive review
CN100353378C (zh) 从图像中减少噪声的图像处理设备
CN102436671B (zh) 一种基于深度值非线性变换的虚拟视点绘制方法
CN1919144A (zh) 超声图像增强与斑点抑制方法
CN104933679A (zh) 一种放大图像的方法及其对应系统
Li et al. A unified framework for street-view panorama stitching
Bhairannawar Efficient medical image enhancement technique using transform HSV space and adaptive histogram equalization
Ngo et al. Single-image visibility restoration: A machine learning approach and its 4K-capable hardware accelerator
CN106780383B (zh) Tof相机的深度图像增强方法
CN102567956B (zh) 一种图像边缘清晰化的方法和系统
CN111105452A (zh) 基于双目视觉的高低分辨率融合立体匹配方法
CN107516302A (zh) 一种基于OpenCV的混合图像增强的方法
CN103093418A (zh) 一种改进的数字图像缩放方法
Chen et al. A fusion-based defogging algorithm
CN103035019B (zh) 图像处理方法及装置
CN103247025B (zh) 基于圆形自适应模板的图像加权均值滤波方法
CN104240259A (zh) 基于轮廓分割的高拍仪凭证智能裁边校正系统及方法
Nnolim Adaptive multi-scale entropy fusion de-hazing based on fractional order
CN105427265A (zh) 一种彩色图像对比度增强方法及系统
CN113763300A (zh) 一种联合深度上下文与卷积条件随机场的多聚焦图像融合方法
Huang et al. Fast hole filling for view synthesis in free viewpoint video
Lu et al. An image enhancement method for side-scan sonar images based on multi-stage repairing image fusion
Yu et al. An unsupervised weight map generative network for pixel-level combination of image denoisers

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