CN104463816A - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN104463816A CN104463816A CN201410719453.XA CN201410719453A CN104463816A CN 104463816 A CN104463816 A CN 104463816A CN 201410719453 A CN201410719453 A CN 201410719453A CN 104463816 A CN104463816 A CN 104463816A
- Authority
- CN
- China
- Prior art keywords
- image
- mist
- subimage block
- value
- cutting
- 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.)
- Pending
Links
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像处理方法及装置,方法包括:对待测图像进行雾情判断,在判断为浓雾天采集的图像时,将待测图像划分为若干个子图像块,针对每个子图像块采用限制对比度自适应直方图均衡化CHAHE算法进行直方图裁剪,其中每个子图像块裁剪的阈值为其中:Tc,x表示以x为中心、大小为M×N的子图像块Ω(x)的裁剪阈值,Tc,max为最大裁剪阈值,为子图像块Ω(x)中各个像素点对应的大气透射率的平均值。本申请考虑到不同子图像块中各个像素点的大气透射率不同的问题,针对不同子图像块设置不同的裁剪阀值,使得各个子图像块的去雾效果均达到理想状态,最终组合后的图像也实现了很好的去雾效果。
Description
技术领域
本申请涉及图像处理技术领域,更具体地说,涉及一种图像处理方法及装置。
背景技术
图像处理技术应用于现代生活的各个领域,其中比较常见的是应用于车牌识别系统中。车牌识别过程可以分为车辆图像获取、图像预处理、车牌定位、字符分割和字符识别五个部分。在实施使用过程中,由于经常会遇到雾霾天气,从而导致获取到的车辆图像质量差,给后续的车牌定位、识别带来极大的障碍,甚至导致识别系统完全失效。
现有的图像去雾方法通常选用暗通道先验去雾算法,该算法对雾化程度不严重的图像恢复效果颜色自然,但是应用于浓雾天气下景深较远的车辆图像时,存在易受车灯位置的干扰,难以准确估计大气光强等问题,恢复效果并不理想。
另外,现有技术还存在一种直方图均衡化HE方法,其将原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布,通过对图像进行非线性拉伸,重新分配图像像素值,使得一定灰度范围内的像素数量大致相同,增强了图像整体对比度。但是,由于雾天环境下拍摄到的图像中,景物对比度降低的程度与物体距离成像设备的距离呈非线性递增的关系,不同景深位置的物体退化程度不同,而HE算法没有考虑图像的局部特征,只是对整幅图像进行统一拉伸,使得雾化图像中景深较远的景物难以得到有效的增强。针对这种问题,现有技术提出了自适应直方图均衡化AHE算法,对图像分块,每个像素通过所在的图像块的直方图进行均衡化。但是,对于相对平坦的区域,AHE算法存在直方图过度拉伸导致图像噪声放大的问题,为此现有技术又提出了一种限制对比度自适应直方图均衡化CLAHE方法,通过裁剪直方图来控制直方图高度,达到抑制对比度过度增强的目的。对比度增强的幅度可以用变换函数的斜率表示:
其中T为变换函数,r为像素灰度值,S为变换函数斜率,cf(r)表示图像f中灰度值在[0,r]范围内出现的概率。通过对上述公式进行变换得到S=pf(r),其中pf(r)表示图像f中灰度值为r的像素出现的概率。通过该式可知,对比度增强的幅度正比于原直方图的高度,因此通过裁剪直方图限制直方图的高度,即可达到限制直方图均衡化后对比度增强幅度的目的。参见图1,裁剪时首先在阈值Tc处对灰度概率直方图进行裁剪,然后把裁剪下的像素均匀分布到各个灰度等级上,以保证这种方法的关键点是如何确定裁剪阈值Tc,只有合理的确定阈值Tc才能够达到最终目的。现有方式一般是依靠技术人员的经验来确定一个数值,然后对每个子图像块均按照同一阈值进行裁剪。这样确定的阈值没有考虑到雾化图像对比度下降的程度与该处的大气透射率的关系,而不同子图像块中各像素点的大气透射率不同,采用同样的裁剪阈值会造成子图像块对比度拉伸过大或过小的问题。
发明内容
有鉴于此,本申请提供了一种图像处理方法及装置,用于解决现有的暗通道先验去雾算法对浓雾天气的图像恢复效果不好,而CLAHE算法对划分后的每个子图像块设定统一裁剪阀值,造成子图像块对比度拉伸过大或过小的问题。
为了实现上述目的,现提出的方案如下:
一种图像处理方法,包括:
获取待测图像;
判断所述待测图像中是否为浓雾;
若是,将所述待测图像划分为若干个子图像块,针对每个子图像块采用限制对比度自适应直方图均衡化CHAHE算法进行直方图裁剪,其中每个子图像块裁剪的阈值为:
Tc,x表示以x为中心、大小为M×N的子图像块Ω(x)的裁剪阈值,Tc,max为最大裁剪阈值,为子图像块Ω(x)中各个像素点对应的大气透射率的平均值;
将裁剪后的各个子图像块组合为一幅图像。
优选地,所述判断所述待测图像中是否为浓雾,包括:
将所述待测图像划分为M×N个不重叠的子图像块;
分别计算每个所述子图像块中r、g、b三个通道上的方差,并确定最大方差为Vk:Vk=max(vk,c)k=1,2,...,M×N,c∈(r,g,b);
确定图像雾化程度rc:
设置T=T1,判断rc是否大于第一预设雾化值,其中T1为第一预设T值,若是,则确定为浓雾,否则,确定为非浓雾。
优选地,在判断所述待测图像中不是浓雾时,还包括:
判断所述待测图像中是否为薄雾;
若是,则利用暗通道先验去雾算法对所述待测图像进行去雾处理。
优选地,所述判断所述待测图像中是否为薄雾,包括:
设置T=T2,判断rc是否大于第二预设雾化值,其中T2为第二预设T值,若是,则确定为薄雾,否则确定为没有雾。
优选地,所述T1为20,所述第一预设雾化值为0.8,所述T2为55,所述第二预设雾化值为0.9。
一种图像处理装置,包括:
图像获取单元,用于获取待测图像;
第一判断单元,用于判断所述待测图像中是否为浓雾;
第一处理单元,用于在所述第一判断单元的判断结果为是时,将所述待测图像划分为若干个子图像块,针对每个子图像块采用限制对比度自适应直方图均衡化CHAHE算法进行直方图裁剪,其中每个子图像块裁剪的阈值为
Tc,x表示以x为中心、大小为M×N的子图像块Ω(x)的裁剪阈值,Tc,max为最大裁剪阈值,为子图像块Ω(x)中各个像素点对应的大气透射率的平均值;
图像组合单元,用于将裁剪后的各个子图像块组合为一幅图像。
优选地,所述第一判断单元包括:
图像划分单元,用于将所述待测图像划分为M×N个不重叠的子图像块;
计算单元,用于分别计算每个所述子图像块中r、g、b三个通道上的方差,并确定最大方差为Vk:Vk=max(vk,c)k=1,2,...,M×N,c∈(r,g,b);
雾化程度确定单元,用于确定图像雾化程度rc:
浓雾判断单元,用于设置T=T1,判断rc是否大于第一预设雾化值,其中T1为第一预设T值,若是,则确定为浓雾,否则,确定为非浓雾。
优选地,还包括:
第二判断单元,用于在所述第一判断单元判断为非浓雾时,判断所述待测图像中是否为薄雾;
第二处理单元,用于在所述第二判断单元的判断结果为薄雾时,利用暗通道先验去雾算法对所述待测图像进行去雾处理。
优选地,所述第二判断单元包括:
薄雾判断单元,用于设置T=T2,判断rc是否大于第二预设雾化值,其中T2为第二预设T值,若是,则确定为薄雾,否则确定为没有雾。
优选地,所述T1为20,所述第一预设雾化值为0.8,所述T2为55,所述第二预设雾化值为0.9。
从上述的技术方案可以看出,本申请实施例提供的图像处理方法,通过对待测图像进行雾情判断,在判断为浓雾天采集的图像时,将待测图像划分为若干个子图像块,针对每个子图像块采用限制对比度自适应直方图均衡化CHAHE算法进行直方图裁剪,其中每个子图像块裁剪的阈值为其中:Tc,x表示以x为中心、大小为M×N的子图像块Ω(x)的裁剪阈值,Tc,max为最大裁剪阈值,为子图像块Ω(x)中各个像素点对应的大气透射率的平均值。本申请考虑到不同子图像块中各个像素点的大气透射率不同的问题,在透射率高、雾化程度低的子图像块区域中,对比度的拉伸不需要很高,而在透射率低、雾化程度高的子图像块区域中,进行大尺度的对比度的拉伸,使得各个子图像块的去雾效果均达到理想状态,最终组合后的图像也实现了很好的去雾效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为CLAHE算法裁剪直方图过程示意图;
图2为本申请实施例公开的一种图像处理方法流程图;
图3为本申请实施例公开的另一种图像处理方法流程图;
图4为本申请实施例公开的一种图像处理装置结构示意图;
图5为本申请实施例公开的另一种图像处理装置结构示意图;
图6为本申请实施例公开的第一判断单元的结构示意图;
图7为本申请实施例公开的第二判断单元的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图2,图2为本申请实施例公开的一种图像处理方法流程图。
如图2所示,该方法包括:
步骤200、获取待测图像;
步骤210、判断所述待测图像中是否为浓雾,若是,执行步骤220;
具体地,待测图像有可能是在不同的天气状况下拍摄到的,我们将天气分为无雾、薄雾和浓雾三种情况。按照预先设定的判断条件,对待测图像进行雾情判断,确定待测图像是否为在浓雾天气拍摄所得。根据雾情来选取特定的去雾处理算法。
步骤220、采用改进CLAHE算法进行去雾处理;
具体地,本申请改进了传统的CLAHE算法。本申请的算法与传统的CLAHE算法的区别在于,本申请对划分后的若干个子图像块进行直方图裁剪时,每一子图像块的裁剪阈值不完全相同。针对以x为中心、大小为M×N的子图像块来说,其裁剪阈值Tc,x用下式表示:
其中,Tc,max为最大裁剪阈值,该值可以通过多次试验来选取合适值。t为子图像块Ω(x)中各个像素点对应的大气透射率的平均值。
步骤230、将裁剪后的各个子图像块组合为一幅图像。
雾化图像对比度下降的程度与该处的大气透射率成正比。在一幅雾化图像中,景深近的区域透射率高,雾化程度低,对比度相对较高,并不需要很大的对比度拉伸,相反,在景深远的区域,透射率低,图像雾化严重,图像对比度低,场景内物体难以分辨,需要更大程度的对比度拉伸,因此,本申请对场景近的位置进行小尺度的对比度增强,避免对比度拉伸过大导致噪声放大、细节过度增强;而对场景远的区域进行大尺度的对比度增强。
本申请考虑到不同子图像块中各个像素点的大气透射率不同的问题,在透射率高、雾化程度低的子图像块区域中,对比度的拉伸不需要很高,而在透射率低、雾化程度高的子图像块区域中,进行大尺度的对比度的拉伸,使得各个子图像块的去雾效果均达到理想状态,最终组合后的图像也实现了很好的去雾效果。
参见图3,图3为本申请实施例公开的另一种图像处理方法流程图。结合图2和图3可知,该方法还可以包括:
在上述步骤210的判断结果为待测图像中不是浓雾时,执行步骤300;
步骤300、判断所述待测图像中是否为薄雾,若是,则执行步骤310;
步骤310、利用暗通道先验去雾算法对所述待测图像进行去雾处理。
本实施例中,在判断为非浓雾时,进一步判断是否为薄雾,在判断为薄雾时,选用暗通道先验去雾算法进行去雾处理。更好的展现了暗通道先验去雾算法对薄雾状态下拍摄的图像进行复原的能力,而避免了在浓雾条件下,使用暗通道先验算法所造成的复原不理想的问题。
接下来,我们介绍一下本申请对于浓雾及薄雾的判断过程。
本申请采用下述方式来进行雾情的判定:
首先,将待测图像划分为M×N个不重叠的子图像块。子图像块用k来表示。
然后,分别计算每个所述子图像块k中r、g、b三个通道上的方差,并确定最大方差为Vk:Vk=max(vk,c)k=1,2,...,M×N,c∈(r,g,b);
接着,确定图像雾化程度rc:
最后,利用T值及rc值进行浓雾和薄雾的判断。
我们另T=T1,判断rc是否大于第一预设雾化值,其中T1为第一预设T值,若是,则确定为浓雾,否则,确定为非浓雾。
在确定为非浓雾时,另T=T2,判断rc是否大于第二预设雾化值,其中T2为第二预设T值,若是,则确定为薄雾,否则确定为没有雾。
这里,T1、T2、第一预设雾化值和第二预设雾化值均为多次实验测量所得的数据。通过多次实验测量,选取最佳的值。
本申请的发明人经过实验确定了上述各个参量的一组比较理想的值,分别为T1为20,第一预设雾化值为0.8,T2为55,第二预设雾化值为0.9。也即:
第1步:令T=20,若rc>0.8,则判断为浓雾;
第2步:若不为浓雾,则令T=55,若rc>0.9,则判断为薄雾;
第3步:否则,判断为非雾化图像。
当然,上述所列举的几个具体实例仅仅是一种较优的方式,本申请并非限定上述四个参量的具体取值。
经过上述雾情判断过程,确定了浓雾、薄雾或无雾,然后按照上述实施例分别选取对应的去雾方法。当然,对于无雾的图像,直接输出原图像即可,无需进行其他去雾处理。
下面对本申请实施例提供的图像处理装置进行描述,下文描述的图像处理装置与上文描述的图像处理方法可相互对应参照。
参见图4,图4为本申请实施例公开的一种图像处理装置结构示意图。
如图4所示,该图像处理装置包括:
图像获取单元41,用于获取待测图像;
第一判断单元42,用于判断所述待测图像中是否为浓雾;
第一处理单元43,用于在所述第一判断单元42的判断结果为是时,将所述待测图像划分为若干个子图像块,针对每个子图像块采用限制对比度自适应直方图均衡化CHAHE算法进行直方图裁剪,其中每个子图像块裁剪的阈值为其中:Tc,x表示以x为中心、大小为M×N的子图像块Ω(x)的裁剪阈值,Tc,max为最大裁剪阈值,为子图像块Ω(x)中各个像素点对应的大气透射率的平均值;
图像组合单元44,用于将裁剪后的各个子图像块组合为一幅图像。
可选的,图5示例了本申请实施例公开的另一种图像处理装置结构示意图。结合图4和图5可知,该装置还可以包括:
第二判断单元51,用于在所述第一判断单元42判断为非浓雾时,判断所述待测图像中是否为薄雾;
第二处理单元52,用于在所述第二判断单元51的判断结果为薄雾时,利用暗通道先验去雾算法对所述待测图像进行去雾处理。
可选的,图6示例了本申请实施例公开的第一判断单元的一种可选结构,如图6所示,第一判断单元42包括:
图像划分单元421,用于将所述待测图像划分为M×N个不重叠的子图像块;
计算单元422,用于分别计算每个所述子图像块中r、g、b三个通道上的方差,并确定最大方差为Vk:Vk=max(vk,c)k=1,2,...,M×N,c∈(r,g,b);
雾化程度确定单元423,用于确定图像雾化程度rc:
浓雾判断单元424,用于设置T=T1,判断rc是否大于第一预设雾化值,其中T1为第一预设T值,若是,则确定为浓雾,否则,确定为非浓雾。
可选的,图7示例了本申请实施例公开的第二判断单元的一种可选结构,如图7所示,第二判断单元51包括:
薄雾判断单元511,用于设置T=T2,判断rc是否大于第二预设雾化值,其中T2为第二预设T值,若是,则确定为薄雾,否则确定为没有雾。
可选的,我们可以设置T1为20,第一预设雾化值为0.8,T2为55,第二预设雾化值为0.9。
本申请考虑到不同子图像块中各个像素点的大气透射率不同的问题,在透射率高、雾化程度低的子图像块区域中,对比度的拉伸不需要很高,而在透射率低、雾化程度高的子图像块区域中,进行大尺度的对比度的拉伸,使得各个子图像块的去雾效果均达到理想状态,最终组合后的图像也实现了很好的去雾效果。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
获取待测图像;
判断所述待测图像中是否为浓雾;
若是,将所述待测图像划分为若干个子图像块,针对每个子图像块采用限制对比度自适应直方图均衡化CHAHE算法进行直方图裁剪,其中每个子图像块裁剪的阈值为:
其中,Tc,x表示以x为中心、大小为M×N的子图像块Ω(x)的裁剪阈值,Tc,max为最大裁剪阈值,为子图像块Ω(x)中各个像素点对应的大气透射率的平均值;
将裁剪后的各个子图像块组合为一幅图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述判断所述待测图像中是否为浓雾,包括:
将所述待测图像划分为M×N个不重叠的子图像块;
分别计算每个所述子图像块中r、g、b三个通道上的方差,并确定最大方差为Vk:Vk=max(vk,c)k=1,2,...,M×N,c∈(r,g,b);
确定图像雾化程度rc:
设置T=T1,判断rc是否大于第一预设雾化值,其中T1为第一预设T值,若是,则确定为浓雾,否则,确定为非浓雾。
3.根据权利要求2所述的图像处理方法,其特征在于,在判断所述待测图像中不是浓雾时,还包括:
判断所述待测图像中是否为薄雾;
若是,则利用暗通道先验去雾算法对所述待测图像进行去雾处理。
4.根据权利要求3所述的图像处理方法,其特征在于,所述判断所述待测图像中是否为薄雾,包括:
设置T=T2,判断rc是否大于第二预设雾化值,其中T2为第二预设T值,若是,则确定为薄雾,否则确定为没有雾。
5.根据权利要求4所述的图像处理方法,其特征在于,所述T1为20,所述第一预设雾化值为0.8,所述T2为55,所述第二预设雾化值为0.9。
6.一种图像处理装置,其特征在于,包括:
图像获取单元,用于获取待测图像;
第一判断单元,用于判断所述待测图像中是否为浓雾;
第一处理单元,用于在所述第一判断单元的判断结果为是时,将所述待测图像划分为若干个子图像块,针对每个子图像块采用限制对比度自适应直方图均衡化CHAHE算法进行直方图裁剪,其中每个子图像块裁剪的阈值为
其中:Tc,x表示以x为中心、大小为M×N的子图像块Ω(x)的裁剪阈值,Tc,max为最大裁剪阈值,为子图像块Ω(x)中各个像素点对应的大气透射率的平均值;
图像组合单元,用于将裁剪后的各个子图像块组合为一幅图像。
7.根据权利要求6所述的图像处理装置,其特征在于,所述第一判断单元包括:
图像划分单元,用于将所述待测图像划分为M×N个不重叠的子图像块;
计算单元,用于分别计算每个所述子图像块中r、g、b三个通道上的方差,并确定最大方差为Vk:Vk=max(vk,c)k=1,2,...,M×N,c∈(r,g,b);
雾化程度确定单元,用于确定图像雾化程度rc:
浓雾判断单元,用于设置T=T1,判断rc是否大于第一预设雾化值,其中T1为第一预设T值,若是,则确定为浓雾,否则,确定为非浓雾。
8.根据权利要求7所述的图像处理装置,其特征在于,还包括:
第二判断单元,用于在所述第一判断单元判断为非浓雾时,判断所述待测图像中是否为薄雾;
第二处理单元,用于在所述第二判断单元的判断结果为薄雾时,利用暗通道先验去雾算法对所述待测图像进行去雾处理。
9.根据权利要求8所述的图像处理装置,其特征在于,所述第二判断单元包括:
薄雾判断单元,用于设置T=T2,判断rc是否大于第二预设雾化值,其中T2为第二预设T值,若是,则确定为薄雾,否则确定为没有雾。
10.根据权利要求9所述的图像处理装置,其特征在于,所述T1为20,所述第一预设雾化值为0.8,所述T2为55,所述第二预设雾化值为0.9。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410719453.XA CN104463816A (zh) | 2014-12-02 | 2014-12-02 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410719453.XA CN104463816A (zh) | 2014-12-02 | 2014-12-02 | 一种图像处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104463816A true CN104463816A (zh) | 2015-03-25 |
Family
ID=52909804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410719453.XA Pending CN104463816A (zh) | 2014-12-02 | 2014-12-02 | 一种图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463816A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225210A (zh) * | 2015-10-14 | 2016-01-06 | 南京第五十五所技术开发有限公司 | 一种基于暗通道的自适应直方图增强去雾方法 |
CN106997583A (zh) * | 2017-03-10 | 2017-08-01 | 江苏帝集团有限公司 | 一种水下机器人自适应图像增强和特征提取方法 |
KR20170131813A (ko) * | 2016-05-19 | 2017-11-30 | 삼성에스디에스 주식회사 | 영상 처리 장치 및 방법 |
CN107424198A (zh) * | 2017-07-27 | 2017-12-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN107481202A (zh) * | 2017-08-14 | 2017-12-15 | 深圳市华星光电半导体显示技术有限公司 | 一种图像动态范围增强的方法 |
CN107644403A (zh) * | 2017-08-23 | 2018-01-30 | 天津大学 | 恶劣环境条件下图像的非一致颜色校正方法 |
CN108309708A (zh) * | 2018-01-23 | 2018-07-24 | 李思霈 | 盲人拐杖 |
CN108765316A (zh) * | 2018-05-07 | 2018-11-06 | 珠海全志科技股份有限公司 | 雾气浓度自适应判断方法 |
CN108805826A (zh) * | 2018-05-07 | 2018-11-13 | 珠海全志科技股份有限公司 | 改善去雾效果的方法 |
CN111028185A (zh) * | 2019-12-06 | 2020-04-17 | Oppo广东移动通信有限公司 | 一种直方图均衡化方法、装置、设备及存储介质 |
CN111062897A (zh) * | 2019-12-06 | 2020-04-24 | Oppo广东移动通信有限公司 | 图像均衡方法、终端及存储介质 |
CN111127341A (zh) * | 2019-12-05 | 2020-05-08 | Oppo广东移动通信有限公司 | 图像处理方法和装置、及存储介质 |
CN111145130A (zh) * | 2019-12-06 | 2020-05-12 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
CN114092361A (zh) * | 2022-01-20 | 2022-02-25 | 浙江芯昇电子技术有限公司 | 一种优化clahe的图像局部对比度增强方法 |
CN115631117A (zh) * | 2022-12-21 | 2023-01-20 | 中科慧远视觉技术(北京)有限公司 | 缺陷检测用的图像增强方法、装置、检测系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859432A (zh) * | 2010-05-17 | 2010-10-13 | 重庆师范大学 | 档案图像增强的构造方法 |
CN102306384A (zh) * | 2011-08-26 | 2012-01-04 | 华南理工大学 | 一种基于单幅图像的颜色恒常性处理方法 |
CN103714520A (zh) * | 2013-12-26 | 2014-04-09 | 深圳英飞拓科技股份有限公司 | 基于fpga实现数字视频图像增强系统及其方法 |
KR20140048449A (ko) * | 2012-10-15 | 2014-04-24 | 가천대학교 산학협력단 | 의료영상에서의 간 영역 검출방법 |
-
2014
- 2014-12-02 CN CN201410719453.XA patent/CN104463816A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859432A (zh) * | 2010-05-17 | 2010-10-13 | 重庆师范大学 | 档案图像增强的构造方法 |
CN102306384A (zh) * | 2011-08-26 | 2012-01-04 | 华南理工大学 | 一种基于单幅图像的颜色恒常性处理方法 |
KR20140048449A (ko) * | 2012-10-15 | 2014-04-24 | 가천대학교 산학협력단 | 의료영상에서의 간 영역 검출방법 |
CN103714520A (zh) * | 2013-12-26 | 2014-04-09 | 深圳英飞拓科技股份有限公司 | 基于fpga实现数字视频图像增强系统及其方法 |
Non-Patent Citations (1)
Title |
---|
兰希: ""恶劣条件下车牌识别关键技术研究"", 《万方数据学位计算机技术》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225210A (zh) * | 2015-10-14 | 2016-01-06 | 南京第五十五所技术开发有限公司 | 一种基于暗通道的自适应直方图增强去雾方法 |
CN105225210B (zh) * | 2015-10-14 | 2018-03-02 | 南京第五十五所技术开发有限公司 | 一种基于暗通道的自适应直方图增强去雾方法 |
KR20170131813A (ko) * | 2016-05-19 | 2017-11-30 | 삼성에스디에스 주식회사 | 영상 처리 장치 및 방법 |
KR102482225B1 (ko) | 2016-05-19 | 2022-12-28 | 삼성에스디에스 주식회사 | 영상 처리 장치 및 방법 |
CN106997583A (zh) * | 2017-03-10 | 2017-08-01 | 江苏帝集团有限公司 | 一种水下机器人自适应图像增强和特征提取方法 |
CN107424198B (zh) * | 2017-07-27 | 2020-03-27 | Oppo广东移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN107424198A (zh) * | 2017-07-27 | 2017-12-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN107481202A (zh) * | 2017-08-14 | 2017-12-15 | 深圳市华星光电半导体显示技术有限公司 | 一种图像动态范围增强的方法 |
CN107644403A (zh) * | 2017-08-23 | 2018-01-30 | 天津大学 | 恶劣环境条件下图像的非一致颜色校正方法 |
CN108309708A (zh) * | 2018-01-23 | 2018-07-24 | 李思霈 | 盲人拐杖 |
CN108765316B (zh) * | 2018-05-07 | 2021-11-16 | 珠海全志科技股份有限公司 | 雾气浓度自适应判断方法 |
CN108765316A (zh) * | 2018-05-07 | 2018-11-06 | 珠海全志科技股份有限公司 | 雾气浓度自适应判断方法 |
CN108805826A (zh) * | 2018-05-07 | 2018-11-13 | 珠海全志科技股份有限公司 | 改善去雾效果的方法 |
CN111127341A (zh) * | 2019-12-05 | 2020-05-08 | Oppo广东移动通信有限公司 | 图像处理方法和装置、及存储介质 |
CN111062897A (zh) * | 2019-12-06 | 2020-04-24 | Oppo广东移动通信有限公司 | 图像均衡方法、终端及存储介质 |
CN111145130A (zh) * | 2019-12-06 | 2020-05-12 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
CN111028185A (zh) * | 2019-12-06 | 2020-04-17 | Oppo广东移动通信有限公司 | 一种直方图均衡化方法、装置、设备及存储介质 |
CN111028185B (zh) * | 2019-12-06 | 2023-01-24 | Oppo广东移动通信有限公司 | 一种直方图均衡化方法、装置、设备及存储介质 |
CN111145130B (zh) * | 2019-12-06 | 2023-05-30 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、存储介质 |
CN111062897B (zh) * | 2019-12-06 | 2023-09-29 | Oppo广东移动通信有限公司 | 图像均衡方法、终端及存储介质 |
CN114092361A (zh) * | 2022-01-20 | 2022-02-25 | 浙江芯昇电子技术有限公司 | 一种优化clahe的图像局部对比度增强方法 |
CN115631117A (zh) * | 2022-12-21 | 2023-01-20 | 中科慧远视觉技术(北京)有限公司 | 缺陷检测用的图像增强方法、装置、检测系统及存储介质 |
CN115631117B (zh) * | 2022-12-21 | 2023-02-28 | 中科慧远视觉技术(北京)有限公司 | 缺陷检测用的图像增强方法、装置、检测系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104463816A (zh) | 一种图像处理方法及装置 | |
TWI514323B (zh) | 基於混合暗通道先驗的影像除霧方法及其系統 | |
CN103218778B (zh) | 一种图像和视频的处理方法及装置 | |
Huang et al. | Visibility restoration of single hazy images captured in real-world weather conditions | |
CN105374013B (zh) | 基于双暗通道先验的图像能见度修复方法及图像处理装置 | |
US8417053B2 (en) | Cleaning method for foggy images | |
CN103345733B (zh) | 基于改进暗通道先验的快速低照度图像增强方法 | |
US8319854B2 (en) | Shadow removal in an image captured by a vehicle based camera using a non-linear illumination-invariant kernel | |
CN102768760B (zh) | 一种基于图像纹理的图像快速去雾方法 | |
CN101452575B (zh) | 一种基于神经网络的图像自适应增强方法 | |
US8111943B2 (en) | Smart image enhancement process | |
CN104063853B (zh) | 一种基于暗通道技术的提高交通视频图像清晰度方法 | |
US7970178B2 (en) | Visibility range estimation method and system | |
CN103955905A (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
US9641767B2 (en) | Display apparatus and method using high dynamic range function for vehicle | |
CN104050637A (zh) | 基于两次引导滤波的快速图像去雾方法 | |
CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
CN107301624A (zh) | 基于区域划分及浓雾预处理的卷积神经网络去雾算法 | |
CN103020914A (zh) | 基于空间连续性原理的快速图像去雾方法 | |
CN104272347A (zh) | 去除包含在静止图像中的雾的图像处理装置及其方法 | |
CN104504703A (zh) | 一种基于片式元器件smt焊点彩色图像分割方法 | |
CN104331863A (zh) | 一种图像滤波去噪方法 | |
CN103020921A (zh) | 基于局部统计信息的单幅图像去雾方法 | |
Wongsaree et al. | Distance detection technique using enhancing inverse perspective mapping | |
CN103778605A (zh) | 一种雾天图像增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150325 |
|
RJ01 | Rejection of invention patent application after publication |