CN104318542A - 图像增强处理算法 - Google Patents
图像增强处理算法 Download PDFInfo
- Publication number
- CN104318542A CN104318542A CN201410667458.2A CN201410667458A CN104318542A CN 104318542 A CN104318542 A CN 104318542A CN 201410667458 A CN201410667458 A CN 201410667458A CN 104318542 A CN104318542 A CN 104318542A
- Authority
- CN
- China
- Prior art keywords
- image
- layer
- divided
- several
- brightness value
- 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
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像增强处理算法,包括如下步骤:将图像的像素根据亮度值分成若干个图层,每一层图像的边界都是由闭合曲线构成;将亮度最低的图层以及亮度最大的图层,先进行直方图均衡化处理,然后再去除噪点;对于其它的图层,先去除噪点,然后再进行直方图均衡化处理;将处理后的若干个所述图层合并为一幅增强图像。本发明将图像的像素根据亮度值分成若干个图层,并在保持连通性不变的每层内实施噪点分类去除,采用不同算法分别对原图各部分进行处理,将结果进行几何叠加后,得到最终图像,解决了对于照度不均匀的灰度图像进行直方图均衡时,会出暗部噪声过多,亮部细节丢失等问题。
Description
技术领域
本发明涉及图像处理技术,具体涉及一种图像增强处理算法。
背景技术
图像增强是数字图像处理的基本技术,是指按特定的需要增强一幅图像中的某些信息,兼顾削弱或去除某些不需要信息的处理方法。通过数字图像处理改善图像质量,可以使得处理后的图像在特定场合下比原始图像更适用。因此,这类处理是为了某种应用目的而去的。图像增强技术主要包括直方图修改处理,图像平滑处理,图像锐化处理及彩色处理技术等。
传统图像增强处理的算法比较简单,运算速度也快,但其增强效果有限,处理结果不能提高图像的信噪比,只是在主观上使得有些特征容易辨认。当图像受噪声污染时,传统增强算法就容易失效。
夜间拍照,特别是夜间行车时对前方来车的图像,由于对面车灯影响,其特点是背景暗部份和目标亮部分的对比度大,暗处的噪点多,亮处的细节容易丢失。与之对应地,其应用的主要目的不是分辨颜色,而是细分层次,保证轮廓,去除噪点,这样就可以较好地提高图像的可视度,更加易于辨识车牌车灯等关键信息。
对于夜摄图像,在用传统的图像增强算法之前必须要进行对图像的去噪处理,这样要分两步走,若先增强后去噪,则原有的图像噪声在增强过程中将被大大增强,使去噪处理难以奏效;若先去噪,后增强,则图像对比度弱的区域中边缘难以得到保护,从而在后续的增强中,原有的弱边缘不能得到有效增强。总之难以两全。特别是人眼视觉系统的响应是非线性的,传统的线性处理算法已经不尽人意。
数字图像的噪声分为两类:椒盐噪声和高斯噪声。前者的量化数值分布在比较固定的几个数值范围,相对独立,对空间周边信息少有污染,表现为逐个单一的亮点或暗点;后者的量化数值范围大,和空间周边点的数值有一定相关性,会相互影响污染,体现为一个一个的模糊区域。
直方图均衡化就是把一已知灰度概率分布的图像,经过一种变换,使之变成一幅具有均匀灰度概率分布的新图像。算法的数学表达式如下:
其中,L为原始图像的灰度级数,nj为灰度级为j的像素个数,n为总像素个数。
直方图均衡化对图像的增强效果较好,算法简单,执行效率高,是一种常用的图像增强算法,但是该算法在光照不均匀、暗部信息丰富的灰度图像进行增强时存在以下问题:
1)高照度区域细节丢失;
2)暗部噪点较多,类型各异。
发明内容
为克服现有技术所存在的缺陷,现提供一种图像增强处理算法,以解决对于照度不均匀的灰度图像进行直方图均衡时,会出暗部噪声过多,亮部细节丢失等问题。
为实现上述目的,一种图像增强处理算法,包括如下步骤:
将图像的像素根据亮度值分成若干个图层,每一图层中的图像的边界都是由闭合曲线构成;
对于亮度最低的图层以及亮度最大的图层,先进行直方图均衡化处理,再去除噪点;
对于其它的图层,先去除噪点,再进行直方图均衡化处理;
将处理过后的若干个所述图层合并为一幅增强图像。
本发明图像增强处理算法的进一步改进在于,将图像的像素根据亮度值分成若干个图层之前,进一步包括以下步骤:
自定义线性矩阵色域空间,在所述线性矩阵色域空间中包括黑/蓝/黄/白四种色域;
将图像经过所述线性矩阵色域空间处理,获得[蓝,白]图像以及[黄,黑]图像。
本发明图像增强处理算法的进一步改进在于,将图像的像素根据亮度值分成若干个图层具体包括:
将所述[蓝,白]图像分成若干个图层;以及
将所述[黄,黑]图像分成若干个图层;
将处理过后的若干个所述图层合并为一幅增强图像具体包括:
将处理过后的由所述[蓝,白]图像分成的若干个图层合并为一幅增强[蓝,白]图像;以及
将处理过后的由所述[黄,黑]图像分成的若干个图层合并为一幅增强[黄,黑]图像。
本发明图像增强处理算法的进一步改进在于,将图像的像素根据亮度值分成若干个图层,每一图层中的图像的边界都是由闭合曲线构成具体包括:
假设图像I的每个像素的亮度值i=I(x,y),将其以一组阈值i1,i2,i3分为I0图层、I1图层、I2图层和I3图层;
对于所述I0图层,其中每个像素的亮度值i满足:0≤i<i1;
对于所述I1图层,其中每个像素的亮度值i满足:i1≤i<i2;
对于所述I2图层,其中每个像素的亮度值i满足:i2≤i<i3;
对于所述I3图层,其中每个像素的亮度值i满足:i3≤i≤255。
本发明图像增强处理算法的进一步改进在于,将处理过后的若干个所述图层合并为一幅增强图像具体包括:
把所述的I0图层、I1图层、I2图层、I3图层按照公式I=I0×j0+I1×j1+I2×j2+I3×j3合并为一幅增强图像,j0、j1、j2、j3为非线性系数或线性系数;
其中,j=a×s+b,s=crγ,a、b为系数且当j为j0、j1、j2、j3时各不相同,s为指数校准函数,c、r和γ均为正常数,I是叠加以后的图像结果,I0、I1、I2、I3是每一个单独的图层。
本发明图像增强处理算法的进一步改进在于,将亮度最低的图层以及亮度最大的图层,先进行直方图均衡化处理,然后再去除噪点具体包括:进行直方图均衡化处理后,使用带通滤波器来去除噪点;
对于其它的图层,先去除噪点具体包括:使用中值滤波或者高斯滤波去除噪点。
本发明的有益效果在于,利用直方图均衡化算法执行效率高、对低对比度图像增强效果好的特点,结合噪点分类可以平衡光照不均匀图像的亮度的特性,将图像的像素根据亮度值分成若干个图层,并在保持连通性不变的每层内实施噪点分类去除,采用不同算法分别对原图各部分进行处理,将结果进行几何叠加后,得到最终图像,降低了图像的全局亮度差异,增强了图像对比度,增强了图像的暗部细节,基本保留了图像的亮部细节,同时有效地抑制了噪声,提升了人体视觉的可视度。
附图说明
图1为本发明图像增强处理算法的流程示意图;
图2为本发明图像增强处理算法中指数校准函数曲线;
图3为图2中c=1时,不同γ值的变换曲线;
图4为本发明图像增强处理算法中自定义线性矩阵色域空间的示意图。
具体实施方式
为利于对本发明的结构的了解,以下结合附图及实施例进行说明。
参照图1,图1为本发明图像增强处理算法的流程示意图。如图1所示,本发明提供了一种图像增强处理算法,包括如下步骤:
S1,将图像的像素根据亮度值分成若干个图层,每一图层中的图像的边界都是由闭合曲线构成;
S2,对于亮度最低的图层以及亮度最大的图层,先进行直方图均衡化处理,再去除噪点;
S3,对于其它的图层,先去除噪点,再进行直方图均衡化处理;
S4,将处理过后的若干个图层合并为一幅增强图像。
具体来讲,在S1中,将图像的像素根据亮度值分成若干个图层,每一图层中的图像的边界都是由闭合曲线构成具体包括:假设图像I的每个像素的亮度值i=I(x,y),将图像I以一组阈值i1,i2,i3分为I0图层、I1图层、I2图层和I3图层;
对于所述I0图层,其中每个像素的亮度值i满足:0≤i<i1;
对于所述I1图层,其中每个像素的亮度值i满足:i1≤i<i2;
对于所述I2图层,其中每个像素的亮度值i满足:i2≤i<i3;
对于所述I3图层,其中每个像素的亮度值i满足:i3≤i≤255。
显然I=I0+I1+I2+I3相当于4层胶片叠加,每一层图像的边界都是由闭合曲线构成。所以可以对于每一层图像单独做噪声去除,其过程显然是非线性的。当然,在实际运用中,也可以将图像分为三层或者五层等其它层数,最大亮度值也可以是其它数值例如2的10次方。
很显然,由椒盐噪声的特点可知,噪声的量化值总是分布在几个特定的值上,可以通过直方图统计得出。特别地,在S2中,对于亮度最低的I0图层,图像的本底值较小,所以对比度较小,必须先增强,然后再去噪点;对于亮度最大的I3图层,图像的本底值较大,相对对比度较小,也必须先增强,然后再去噪点;
而在S3中,对于中间亮度的I1图层和I2图层,考虑到椒盐噪声的特点,建议是先去噪点,后作直方图增强。
对于每一图层单独做校准后,执行步骤S4。在S4中,将处理过后的若干个所述图层合并为一幅增强图像具体包括:把所述的I0图层、I1图层、I2图层、I3图层按照公式I=I0×j0+I1×j1+I2×j2+I3×j3合并为一幅增强图像,j0、j1、j2、j3为非线性系数或线性系数;其中,j=a×s+b,s=crγ,a、b为系数且当j为j0、j1、j2、j3时各不相同,s为指数校准函数,c、r和γ都为正常数。特别地,在s=crγ中,当c取1,γ取不同值Γ时,可以得到一簇变换曲线,如图2和图3所示,图2为本发明图像增强处理算法中指数校准函数曲线,图3为图2中c=1时,不同γ值的变换曲线。从图2和图3中可以看出:
当γ<1时,幂次变换将窄带输入暗值映射到宽带输出值,将宽带输入亮值映射到窄带输出值;
当γ>1时,幂次变换将宽带输入暗值映射到窄带输出值,将窄带输入亮值映射到宽带输出值;
当γ=1时,即为正比线性变换。
对于夜晚有灯光不均匀照明的图片,阴暗部分有需要的大量细节,但是明亮部分很容易过曝;本申请采用分四层以后,对于阴暗部分层的γ值小于1,可以提高暗处视觉效果。同时,对于明亮部分层,使用的校准值γ值大于1,也使得明亮部分内部的对比度有所增强。
考虑到椒盐噪声相对独立的特点,对于中间亮度的I1图层和I2图层,本申请使用中值滤波(邻域梯度校准)或者高斯滤波的方法来去除噪声像素点;对于高斯噪声,即亮度最低的I0图层和亮度最大的I3图层,本申请结合摄像头特点,使用带通(带阻)滤波器来去除噪点。
考虑到汽车牌照是蓝底白字或黄底黑字,如图4所示,本申请不再使用yuv或者rgb色域空间,而是自定义线性矩阵色域空间kbyw(blacK/Blue/Yellow/White),在所述线性矩阵色域空间kbyw中包括黑/蓝/黄/白四种色域,将图像经过所述线性矩阵色域空间kbyw,获得[蓝,白]图像以及[黄,黑]图像。这样虽然对面孔等颜色有所失真,但是对汽车牌照车灯形状等敏感信息更容易突出。
因此,较佳地在S1之前,即将图像的像素根据亮度值分成若干个图层之前,先将图像经过所述色域空间kbyw处理。经过所述色域空间kbyw处理后,会得到两张图像,一张是[Blue,White]图像,即[蓝,白]图像,另一张是[Yellow,Black]图像,即[黄,黑]图像。然后执行步骤S1,此时,将图像的像素根据亮度值分成若干个图层具体包括:将所述[蓝,白]图像分成若干个图层;以及将所述[黄,黑]图像分成若干个图层。接着将由所述[蓝,白]图像分成的若干个图层以及由所述[黄,黑]图像分成的若干个图层分别经过步骤S2和步骤S3处理。对于由所述[蓝,白]图像分成的若干个图层中,亮度最低的图层以及亮度最大的图层,先进行直方图均衡化处理,再去除噪点;对于由所述[蓝,白]图像分成的若干个图层中其它的图层,先去除噪点,再进行直方图均衡化处理;接着,执行步骤S4,将处理过后的由所述[蓝,白]图像分成的若干个图层合并为一幅增强[蓝,白]图像。对于由所述[黄,黑]图像分成的若干个图层中,亮度最低的图层以及亮度最大的图层,先进行直方图均衡化处理,再去除噪点;对于由所述[黄,黑]图像分成的若干个图层中其它的图层,先去除噪点,再进行直方图均衡化处理;接着,执行步骤S4,将处理过后的由所述[黄,黑]图像分成的若干个图层合并为一幅增强[黄,黑]图像。
本发明的有益效果在于:
利用直方图均衡化算法执行效率高、对低对比度图像增强效果好的特点,结合噪点分类可以平衡光照不均匀图像的亮度的特性,将图像的像素根据亮度值分成若干个图层,并在保持连通性不变的每层内实施噪点分类去除,采用不同算法分别对原图各部分进行处理,将结果进行几何叠加后,得到最终图像,降低了图像的全局亮度差异,增强了图像对比度,增强了图像的暗部细节,基本保留了图像的亮部细节,同时有效地抑制了噪声,提升了人体视觉的可视度。
以上结合附图实施例对本发明进行了详细说明,本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而,实施例中的某些细节不应构成对本发明的限定,本发明将以所附权利要求书界定的范围作为保护范围。
Claims (6)
1.一种图像增强处理算法,其特征在于,包括如下步骤:
将图像的像素根据亮度值分成若干个图层,每一图层中的图像的边界都是由闭合曲线构成;
对于亮度最低的图层以及亮度最大的图层,先进行直方图均衡化处理,再去除噪点;
对于其它的图层,先去除噪点,再进行直方图均衡化处理;
将处理过后的若干个所述图层合并为一幅增强图像。
2.根据权利要求1所述的图像增强处理算法,其特征在于,将图像的像素根据亮度值分成若干个图层之前,进一步包括以下步骤:
自定义线性矩阵色域空间,在所述线性矩阵色域空间中包括黑/蓝/黄/白四种色域;
将图像经过所述线性矩阵色域空间处理,获得[蓝,白]图像以及[黄,黑]图像。
3.根据权利要求2所述的图像增强处理算法,其特征在于,
将图像的像素根据亮度值分成若干个图层具体包括:
将所述[蓝,白]图像分成若干个图层;以及
将所述[黄,黑]图像分成若干个图层;
将处理过后的若干个所述图层合并为一幅增强图像具体包括:
将处理过后的由所述[蓝,白]图像分成的若干个图层合并为一幅增强[蓝,白]图像;以及
将处理过后的由所述[黄,黑]图像分成的若干个图层合并为一幅增强[黄,黑]图像。
4.根据权利要求1所述的图像增强处理算法,其特征在于,
将图像的像素根据亮度值分成若干个图层,每一图层中的图像的边界都是由闭合曲线构成具体包括:
假设图像I的每个像素的亮度值i=I(x,y),将其以一组阈值i1、i2、i3分为I0图层、I1图层、I2图层和I3图层;
对于所述I0图层,其中每个像素的亮度值i满足:0≤i<i1;
对于所述I1图层,其中每个像素的亮度值i满足:i1≤i<i2;
对于所述I2图层,其中每个像素的亮度值i满足:i2≤i<i3;
对于所述I3图层,其中每个像素的亮度值i满足:i3≤i≤255。
5.根据权利要求4所述的图像增强处理算法,其特征在于,
将处理过后的若干个所述图层合并为一幅增强图像具体包括:
把所述的I0图层、I1图层、I2图层、I3图层按照公式I=I0×j0+I1×j1+I2×j2+I3×j3合并为一幅增强图像,j0、j1、j2、j3为非线性系数或线性系数;
其中,j=a×s+b,s=crγ,a、b为系数且当j为j0、j1、j2、j3时各不相同,s为指数校准函数,c、r和γ均为正常数,I是叠加以后的图像结果,I0、I1、I2、I3是每一个单独的图层。
6.根据权利要求1所述的图像增强处理算法,其特征在于,
将亮度最低的图层以及亮度最大的图层,先进行直方图均衡化处理,然后再去除噪点具体包括:进行直方图均衡化处理后,使用带通滤波器来去除噪点;
对于其它的图层,先去除噪点具体包括:使用中值滤波或者高斯滤波去除噪点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410667458.2A CN104318542B (zh) | 2014-11-20 | 2014-11-20 | 图像增强处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410667458.2A CN104318542B (zh) | 2014-11-20 | 2014-11-20 | 图像增强处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318542A true CN104318542A (zh) | 2015-01-28 |
CN104318542B CN104318542B (zh) | 2017-11-14 |
Family
ID=52373768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410667458.2A Active CN104318542B (zh) | 2014-11-20 | 2014-11-20 | 图像增强处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318542B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105072350A (zh) * | 2015-06-30 | 2015-11-18 | 华为技术有限公司 | 一种拍照方法及装置 |
CN107766798A (zh) * | 2017-09-28 | 2018-03-06 | 辽宁工程技术大学 | 一种基于云计算存储和深度学习的遥感图像目标检测方法 |
CN107798662A (zh) * | 2017-10-18 | 2018-03-13 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN108174183A (zh) * | 2018-01-11 | 2018-06-15 | 鲁东大学 | 一种基于物联网的vr影像数据控制系统 |
CN108305226A (zh) * | 2018-01-19 | 2018-07-20 | 河南城建学院 | 一种无人机航摄立体成像设置的处理方法 |
CN108364245A (zh) * | 2018-02-21 | 2018-08-03 | 韩明泽 | 一种考场防作弊管理系统 |
CN109682821A (zh) * | 2018-12-04 | 2019-04-26 | 西南大学 | 一种基于多尺度高斯函数的柑橘表面缺陷检测方法 |
CN109691980A (zh) * | 2019-01-07 | 2019-04-30 | 哈尔滨理工大学 | 一种糖尿病视网膜图像病变检测方法 |
CN109886975A (zh) * | 2019-02-19 | 2019-06-14 | 武汉大学 | 一种基于生成对抗网络的图像优化处理去雨滴方法和系统 |
CN109975258A (zh) * | 2019-03-25 | 2019-07-05 | 武汉理工大学 | 一种信号增强的微流控检测系统 |
CN110267029A (zh) * | 2019-07-22 | 2019-09-20 | 广州铭维软件有限公司 | 一种基于ar眼镜的远程全息人物显示技术 |
CN110662004A (zh) * | 2019-10-29 | 2020-01-07 | 怀化市联翰信息科技有限公司 | 一种基于gps的车辆视频监控系统及方法 |
CN112132848A (zh) * | 2020-09-01 | 2020-12-25 | 成都运达科技股份有限公司 | 一种基于图像图层分割抽取的预处理方法 |
CN112168347A (zh) * | 2020-11-10 | 2021-01-05 | 哈尔滨理工大学 | 一种骨折复位的计算机辅助设计方法 |
CN112730257A (zh) * | 2021-01-26 | 2021-04-30 | 江苏盟星智能科技有限公司 | 一种avi产品光学检测系统及方法 |
CN116934755A (zh) * | 2023-09-18 | 2023-10-24 | 中国人民解放军总医院第八医学中心 | 基于直方图均衡化的肺结核ct图像增强系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090294667A1 (en) * | 2005-11-30 | 2009-12-03 | Iscon Video Imaging, Inc. | Methods and systems for detecting concealed objects |
-
2014
- 2014-11-20 CN CN201410667458.2A patent/CN104318542B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090294667A1 (en) * | 2005-11-30 | 2009-12-03 | Iscon Video Imaging, Inc. | Methods and systems for detecting concealed objects |
Non-Patent Citations (1)
Title |
---|
夏建明等: "一种基于保持图形轮廓连通性的非线性处理图像增强算法", 《信息与电脑》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10326946B2 (en) | 2015-06-30 | 2019-06-18 | Huawei Technologies Co., Ltd. | Photographing method and apparatus |
US10897579B2 (en) | 2015-06-30 | 2021-01-19 | Huawei Technologies Co., Ltd. | Photographing method and apparatus |
CN105072350A (zh) * | 2015-06-30 | 2015-11-18 | 华为技术有限公司 | 一种拍照方法及装置 |
CN107766798A (zh) * | 2017-09-28 | 2018-03-06 | 辽宁工程技术大学 | 一种基于云计算存储和深度学习的遥感图像目标检测方法 |
CN107798662A (zh) * | 2017-10-18 | 2018-03-13 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN107798662B (zh) * | 2017-10-18 | 2020-04-07 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN108174183A (zh) * | 2018-01-11 | 2018-06-15 | 鲁东大学 | 一种基于物联网的vr影像数据控制系统 |
CN108305226A (zh) * | 2018-01-19 | 2018-07-20 | 河南城建学院 | 一种无人机航摄立体成像设置的处理方法 |
CN108364245A (zh) * | 2018-02-21 | 2018-08-03 | 韩明泽 | 一种考场防作弊管理系统 |
CN109682821A (zh) * | 2018-12-04 | 2019-04-26 | 西南大学 | 一种基于多尺度高斯函数的柑橘表面缺陷检测方法 |
CN109682821B (zh) * | 2018-12-04 | 2022-01-11 | 西南大学 | 一种基于多尺度高斯函数的柑橘表面缺陷检测方法 |
CN109691980A (zh) * | 2019-01-07 | 2019-04-30 | 哈尔滨理工大学 | 一种糖尿病视网膜图像病变检测方法 |
CN109886975A (zh) * | 2019-02-19 | 2019-06-14 | 武汉大学 | 一种基于生成对抗网络的图像优化处理去雨滴方法和系统 |
CN109975258A (zh) * | 2019-03-25 | 2019-07-05 | 武汉理工大学 | 一种信号增强的微流控检测系统 |
CN110267029A (zh) * | 2019-07-22 | 2019-09-20 | 广州铭维软件有限公司 | 一种基于ar眼镜的远程全息人物显示技术 |
CN110662004A (zh) * | 2019-10-29 | 2020-01-07 | 怀化市联翰信息科技有限公司 | 一种基于gps的车辆视频监控系统及方法 |
CN112132848A (zh) * | 2020-09-01 | 2020-12-25 | 成都运达科技股份有限公司 | 一种基于图像图层分割抽取的预处理方法 |
CN112168347A (zh) * | 2020-11-10 | 2021-01-05 | 哈尔滨理工大学 | 一种骨折复位的计算机辅助设计方法 |
CN112730257A (zh) * | 2021-01-26 | 2021-04-30 | 江苏盟星智能科技有限公司 | 一种avi产品光学检测系统及方法 |
CN116934755A (zh) * | 2023-09-18 | 2023-10-24 | 中国人民解放军总医院第八医学中心 | 基于直方图均衡化的肺结核ct图像增强系统 |
CN116934755B (zh) * | 2023-09-18 | 2023-12-01 | 中国人民解放军总医院第八医学中心 | 基于直方图均衡化的肺结核ct图像增强系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104318542B (zh) | 2017-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318542A (zh) | 图像增强处理算法 | |
CN110232661B (zh) | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
CN105761227B (zh) | 基于暗通道先验与白平衡的水下图像增强方法 | |
CN102779330B (zh) | 图像增强方法、图像增强装置和显示装置 | |
CN104537634B (zh) | 动态图像中去除雨滴影响的方法和系统 | |
CN109191390A (zh) | 一种基于不同颜色空间多算法融合的图像增强算法 | |
CN104346776B (zh) | 基于Retinex理论的非线性图像增强方法及其系统 | |
CN107358585B (zh) | 基于分数阶微分及暗原色先验的雾天图像增强方法 | |
CN103455979B (zh) | 一种低照度视频图像增强方法 | |
CN110443807A (zh) | 一种基于亮度均衡的光照不均匀图像阈值分割方法 | |
CN105243641B (zh) | 一种基于双树复小波变换的低光照图像增强方法 | |
CN106886985A (zh) | 一种减小色偏的自适应低照度图像增强方法 | |
CN106530250A (zh) | 一种基于改进的Retinex低照度彩色图像增强方法 | |
CN104268843A (zh) | 基于直方图修饰的图像自适应增强方法 | |
KR101621614B1 (ko) | 디지털 이미지 향상 방법 및 장치와, 이를 이용한 영상 처리 장치 | |
CN103177424A (zh) | 一种低照度图像的增强和去噪方法 | |
CN106997584A (zh) | 一种雾霾天气图像增强方法 | |
CN105069756A (zh) | 图像增强方法 | |
CN109272461A (zh) | 基于中值滤波和全局直方图的红外图像增强方法 | |
CN104599256A (zh) | 基于单幅图像的去除图像雨线的方法和系统 | |
US11257187B2 (en) | Image processing method, image processing device and computer storage medium | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN108288258A (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
CN106485674A (zh) | 一种基于融合技术的弱光图像增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211117 Address after: 100193 room 118, 1f, building B 18, yard 8, Dongbeiwang West Road, Haidian District, Beijing Patentee after: Beijing Huali Zhifei Technology Co.,Ltd. Address before: 201702 room 133, Zone C, floor 1, building 1, No. 1362, Huqingping highway, Qingpu District, Shanghai Patentee before: SHANGHAI HWACHIP SEMICONDUCTOR CO.,LTD. |
|
TR01 | Transfer of patent right |