CN104574326B - 对图像进行直方图均衡处理的方法和装置 - Google Patents
对图像进行直方图均衡处理的方法和装置 Download PDFInfo
- Publication number
- CN104574326B CN104574326B CN201310480297.1A CN201310480297A CN104574326B CN 104574326 B CN104574326 B CN 104574326B CN 201310480297 A CN201310480297 A CN 201310480297A CN 104574326 B CN104574326 B CN 104574326B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- histogram
- statistics
- gray level
- 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
Links
Landscapes
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明实施例提供了一种对图像进行直方图均衡处理的方法和装置。该方法主要包括:计算图像中的各像素点与中心像素点之间的距离;根据图像中的各像素点与中心像素点之间的距离,计算图像中的各像素点的直方图统计权重;基于图像中的各像素点的直方图统计权重,对图像分别进行各个灰度级的加权灰度直方图统计;根据图像的各个灰度级的加权灰度直方图统计结果,对图像进行直方图均衡处理。本发明实施例通过利用图像中的像素点的空间分布位置,对各像素点采用不同的统计权重,可以使处理后的图像突出人们的视觉关心区域(即图像的中心区域),实现对图像的不同区域进行差异化的对比度增强处理,有效地增强了图像中的人们的视觉关心区域的对比度。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种对图像进行直方图均衡处理的方法和装置。
背景技术
直方图均衡是一种常用的图像增强方法,而直方图统计是直方图均衡的一个重要步骤,直方图统计的过程主要包括:按照输入图像灰度,将整幅图像上具有同一灰度值的像素点数逐一累加,累加后得到的直方图统计结果为输入图像的灰度分布状况,客观反应了输入图像的对比度状况。直方图均衡依据上述直方图统计结果,计算出每一个有效灰度值的像素点数占总像素点数的比重,再对输入图像进行灰度区间映射,实现图像整体对比度的提高。
目前,现有的直方图均衡方案针对的是整幅图像,提高图像整体的对比度,然而对于比如红外或微光夜视仪等实时图像获取处理系统,人眼视觉最关心的细节区域一般在整幅图像的中心位置,上述现有的直方图均衡方案无法实现对图像的不同区域进行差异化的对比度增强处理。
发明内容
本发明的实施例提供了一种对图像进行直方图均衡处理的方法和装置,以实现有效地增强图像中的人们的视觉关心区域的对比度。
本发明提供了如下方案:
一种对图像进行直方图均衡处理的方法,包括:
计算图像中的各像素点与中心像素点之间的距离;
根据所述图像中的各像素点与中心像素点之间的距离,计算所述图像中的各像素点的直方图统计权重;
基于所述图像中的各像素点的直方图统计权重,对所述图像分别进行各个灰度级的加权灰度直方图统计;
根据所述图像的各个灰度级的加权灰度直方图统计结果,对所述图像进行直方图均衡处理。
一种对图像进行直方图均衡处理的装置,包括:
距离计算模块,用于计算图像中的各像素点与中心像素点之间的距离;
权重计算模块,用于根据所述距离计算模块得到的图像中的各像素点与中心像素点之间的距离,计算所述图像中的各像素点的直方图统计权重;
加权灰度直方图统计处理模块,用于基于所述权重计算模块得到的图像中的各像素点的直方图统计权重,对所述图像分别进行各个灰度级的加权灰度直方图统计;
直方图均衡处理模块,用于根据所述加权灰度直方图统计处理模块得到的图像的各个灰度级的加权灰度直方图统计结果,对所述图像进行直方图均衡处理。
本发明实施例通过利用图像中的像素点的空间分布位置,对各像素点采用不同的统计权重,可以使处理后的图像突出人们的视觉关心区域(即图像的中心区域),实现对图像的不同区域进行差异化的对比度增强处理,有效地增强了图像中的人们的视觉关心区域的对比度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种对图像进行直方图均衡处理的方法的处理流程图;
图2为本发明实施例一提供的一种图像中的中心像素点和其它像素点的直方图统计权重空间分布状态示意图;
图3为本发明实施例一提供的一种对图像进行直方图均衡处理的装置300的具体实现结构图,图中,距离计算模块310,权重计算模块320,加权灰度直方图统计处理模块330和直方图均衡处理模块340。
具体实施方式
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
实施例一
本发明实施例提出了一种直方图加权均衡的方法,使增强后的图像符合人眼观察的这一视觉习惯。
该实施例提供了一种对图像进行直方图均衡处理的方法的处理流程如图1所示,包括如下的处理步骤:
步骤S110、计算图像中的各像素点与中心像素点之间的距离。
本发明实施例首先需要计算图像中的各像素点与中心像素点之间的距离。以长度为L、宽度为H的图像为例,则上述图像的中心像素点O的坐标为(L/2,H/2)。设图像中的某个像素点m的坐标为(x,y),则上述某个像素点M和中心像素点O之间的距离为:
公式1
上述图像的四个角点的坐标分别为:(L,0),(0,H),(0,0),(L,H),上述四个角点与中心像素点O之间的距离相等,都为:
公式2
显然,上述四个角点与中心像素点之间的距离大于上述图像中其它像素点与中心像素点之间的距离。
本领域技术人员应能理解上述各像素点与中心像素点之间的距离的计算方法仅为举例,其他现有的或今后可能出现的各像素点与中心像素点之间的距离的计算方法如可适用于本发明实施例,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
步骤S120、根据图像中的各像素点与中心像素点之间的距离,计算图像中的各像素点的直方图统计权重。
在本发明实施例,设上述中心像素点的直方图统计权重最大,为Wmax,Wmax>1。Wmax是一个试验调整的经验值,体现了该均衡方法需要突出显示目标范围的最大程度。Wmax根据不同的系统差异较大,在针对红外热成像系统时,Wmax可以设置为7,该值大于1,表示将中心像素点区域的对比度放大。
然后,根据图像中的其它像素点与中心像素点之间的距离来计算其它像素点的直方图统计权重。
以上述坐标为(x,y)的某个像素点m为例,该像素点m的直方图统计权重W(m)的计算公式如下:
公式3
根据上述公式3,该实施例提供的一种上述图像中的中心像素点和其它像素点的直方图统计权重空间分布状态如图2所示,其它像素点与中心像素点之间的距离越远,其它像素点的直方图统计权重越低;反之,距离中心像素点之间的距离越近,其它像素点的直方图统计权重越高。
本领域技术人员应能理解上述像素点的直方图统计权重的计算方法仅为举例,其他现有的或今后可能出现的像素点的直方图统计权重的计算方法如可适用于本发明实施例,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
步骤S130、基于图像中的各像素点的直方图统计权重,对图像进行加权灰度直方图统计。
灰度直方图统计过程是一个累加的过程,灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素点的数量,反映了图像中某种灰度出现的频率。本发明实施例提出的加权灰度直方图统计不单是统计具有某种灰度级的像素点的数量,而是将具有某种灰度级的各个像素点的直方图统计权重进行叠加,得到某种灰度级的加权像素点数。
比如,对于灰度级z,按照设定的顺序依次遍历上述图像中的所有像素点,依次统计获取所有具有灰度级z的像素点,并在统计过程中,按照T(z,n)=T(z,n-1)+W(xn,yn),逐步迭代计算灰度级z的加权像素点数T(z,n)。上述T(z,n)的计算过程如下:
T(z,0)=0
统计出的具有灰度级z的第一个像素点为(x1,y1),该第一个像素点的直方图统计权重为W(x1,y1),则T(z,1)=T(z,0)+W(x1,y1)=W(x1,y1);
统计出的具有灰度级Z的第二个像素点为(x2,y2),该第二个像素点的直方图统计权重为W(x2,y2),则T(z,2)=T(z,1)+W(x2,y2)=W(x1,y1)+W(x2,y2);
依此类推…
统计出的具有灰度级z的第n-1个像素点为(xn-1,yn-1),该第n-1个像素点的直方图统计权重为W(xn-1,yn-1),则T(z,n-1)=T(z,0)+W(x1,y1)=W(x1,y1);
统计出的具有灰度级z的第n个像素点为(xn,yn),该第n个像素点的直方图统计权重为W(xn,yn),则:
T(z,n)=T(z,n-1)+W(xn,yn)=W(x1,y1)+W(x2,y2)+…+W(xn-1,yn-1)+W(xn,yn); 公式4
上述第n个像素点为具有灰度级z的最后一个像素点,因此,上述T(z,n)就是灰度级Z的加权像素点数,T(z,n)=T(z)。
将所有灰度级的加权像素点数进行累加得到:
公式5
各个灰度级对应的加权统计概率的计算公式如下:
P(z)=T(z)/T 公式6
上述公式6中的P(z)为灰度级Z对应的加权统计概率。
本领域技术人员应能理解上述某种灰度级的加权像素点的数量的计算方法仅为举例,其他现有的或今后可能出现的某种灰度级的加权像素点的数量的计算方法如可适用于本发明实施例,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
步骤S140,根据各个灰度级对应的加权统计概率,对图像进行直方图均衡处理。
通常,人们的视觉关心区域为图像的中心区域,即人眼即对图像细节的关心程度跟像素点离图像的中心位置的距离成反比状态。
设上述图像的均衡目标灰度分布为kbit,上述图像为灰度图像为例,则依据直方图均衡的映射过程,均衡处理后坐标为(x,y)的像素点m的图像像素的灰度值为:
S(x,y)=P(z)*2k 公式7
由此完成上述图像的加权直方图均衡的过程。
实施例二
该实施例提供了一种对图像进行直方图均衡处理的装置300,其具体实现结构如图3所示,具体可以包括如下的模块:
距离计算模块310,用于计算图像中的各像素点与中心像素点之间的距离;
权重计算模块320,用于根据所述距离计算模块得到的图像中的各像素点与中心像素点之间的距离,计算所述图像中的各像素点的直方图统计权重;
加权灰度直方图统计处理模块330,用于基于所述权重计算模块得到的图像中的各像素点的直方图统计权重,对所述图像分别进行各个灰度级的加权灰度直方图统计;
直方图均衡处理模块340,用于根据所述加权灰度直方图统计处理模块得到的图像的各个灰度级的加权灰度直方图统计结果,对所述图像进行直方图均衡处理。
进一步地,所述的距离计算模块310,具体用于设所述图像的长度为L、宽度为H,所述图像的中心像素点O的坐标为(L/2,H/2),所述图像中的某个像素点m的坐标为(x,y),则计算所述某个像素点m和中心像素点O之间的距离D(x,y)的公式如下:
进一步地,所述的加权灰度直方图统计处理模块320,具体用于设所述图像的中心像素点的直方图统计权重最大,为Wmax,计算所述像素点m的直方图统计权重的公式如下:
进一步地,所述的加权灰度直方图统计处理模块330,具体用于对于灰度级z,按照T(z,n)=T(z,n-1)+W(xn,yn),逐步迭代计算灰度级Z的加权像素点数T(z),所述T(z,n)的计算过程如下:
T(z,0)=0
统计出的具有灰度级z的第一个像素点为(x1,y1),该第一个像素点的直方图统计权重为W(x1,y1),则T(z,1)=T(z,0)+W(x1,y1)=W(x1,y1);
统计出的具有灰度级z的第二个像素点为(x2,y2),该第二个像素点的直方图统计权重为W(x2,y2),则T(z,2)=T(z,1)+W(x2,y2)=W(x1,y1)+W(x2,y2);
依此类推…
统计出的具有灰度级z的第n个像素点为(xn,yn),该第n个像素点的直方图统计权重为W(xn,yn),则:
T(z,n)=T(z,n-1)+W(xn,yn)=W(x1,y1)+W(x2,y2)+…+W(xn-1,yn-1)+W(xn,yn);
所述第n个像素点为具有灰度级z的最后一个像素点,T(z,n)=T(z);
将所有灰度级的加权像素点数进行累加得到:
各个灰度级对应的加权统计概率的计算公式如下:
P(z)=T(z)/T
所述P(z)为灰度级z对应的加权统计概率。
进一步地,所述的直方图均衡处理模块340,具体用于设所述图像的均衡目标灰度分布为kbit,所述图像为灰度图像,则依据直方图均衡的映射过程,均衡处理后坐标为(x,y)的像素点m的图像像素的灰度值为:S(x,y)=P(z)*2k。
用本发明实施例的装置对图像进行直方图均衡处理的具体过程与前述方法实施例类似,此处不再赘述。
综上所述,本发明实施例通过利用图像中的像素点的空间分布位置,对各像素点采用不同的统计权重,可以使处理后的图像突出人们的视觉关心区域(即图像的中心区域),而对非视觉关心区域图像的细节进行弱化,但是并不影响非视觉关心区域图案的分辨。
采用本发明实施例提供的方法和装置处理后的图像更加符合人眼的观察习惯,实现对图像的不同区域进行差异化的对比度增强处理,有效地增强了图像中的人们的视觉关心区域的对比度,更加适合实时图像处理系统。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种对图像进行直方图均衡处理的方法,其特征在于,包括:
计算图像中的各像素点与中心像素点之间的距离;
根据所述图像中的各像素点与中心像素点之间的距离,计算所述图像中的各像素点的直方图统计权重;
基于所述图像中的各像素点的直方图统计权重,对所述图像分别进行各个灰度级的加权灰度直方图统计;
根据所述图像的各个灰度级的加权灰度直方图统计结果,对所述图像进行直方图均衡处理,
所述的基于所述图像中的各像素点的直方图统计权重,对所述图像分别进行各个灰度级的加权灰度直方图统计,包括:
对于灰度级z,按照T(z,n)=T(z,n-1)+W(xn,yn),逐步迭代计算灰度级z的加权像素点数T(z),其中W(xn,yn)为灰度级z的第n个像素点的直方图统计权重,所述第n个像素点为具有灰度级Z的最后一个像素点,T(z,n)=T(z),其中T(z,n-1)为灰度级z的第n-1个像素点的加权像素点数;
将所有灰度级的加权像素点数进行累加得到:
各个灰度级对应的加权统计概率的计算公式如下:
P(z)=T(z)/T
所述P(z)为灰度级z对应的加权统计概率。
2.根据权利要求1所述的对图像进行直方图均衡处理的方法,其特征在于,所述的计算图像中的各像素点与中心像素点之间的距离,包括:
设所述图像的长度为L、宽度为H,所述图像的中心像素点O的坐标为(L/2,H/2),所述图像中的某个像素点m的坐标为(x,y),则所述某个像素点m和中心像素点O之间的距离D(x,y)的计算公式如下:
。
3.根据权利要求2所述的对图像进行直方图均衡处理的方法,其特征在于,所述的根据所述图像中的各像素点与中心像素点之间的距离,计算所述图像中的各像素点的直方图统计权重,包括:
设所述图像的中心像素点的直方图统计权重最大,为Wmax,所述图像的四个角点与中心像素点O之间的距离为Dmax,
所述像素点m的直方图统计权重W(x,y)的计算公式如下:
。
4.根据权利要求3所述的对图像进行直方图均衡处理的方法,其特征在于,所述T(z,n)的计算过程如下:
T(z,0)=0;
统计出的具有灰度级Z的第一个像素点为(x1,y1),该第一个像素点的 直方图统计权重为W(x1,y1),则T(z,1)=T(z,0)+W(x1,y1)=W(x1,y1);
统计出的具有灰度级Z的第二个像素点为(x2,y2),该第二个像素点的直方图统计权重为W(x2,y2),则T(z,2)=T(z,1)+W(x2,y2)=W(x1,y1)+W(x2,y2);
依此类推...
统计出的具有灰度级Z的第n个像素点为(xn,yn),该第n个像素点的直方图统计权重为W(xn,yn),则:
T(z,n)=T(z,n-1)+W(xn,yn)=W(x1,y1)+W(x2,y2)+...+W(xn-1,yn-1)+W(xn,yn)。
5.根据权利要求4所述的对图像进行直方图均衡处理的方法,其特征在于,所述的根据所述图像的各个灰度级的加权灰度直方图统计结果,对所述图像进行直方图均衡处理,包括:
设所述图像的均衡目标灰度分布为k bit,所述图像为灰度图像,则依据直方图均衡的映射过程,均衡处理后坐标为(x,y)的像素点m的图像像素的灰度值为:S(x,y)=P(z)*2k。
6.一种对图像进行直方图均衡处理的装置,其特征在于,包括:
距离计算模块,用于计算图像中的各像素点与中心像素点之间的距离;
权重计算模块,用于根据所述距离计算模块得到的图像中的各像素点与 中心像素点之间的距离,计算所述图像中的各像素点的直方图统计权重;
加权灰度直方图统计处理模块,用于基于所述权重计算模块得到的图像中的各像素点的直方图统计权重,对所述图像分别进行各个灰度级的加权灰度直方图统计;
直方图均衡处理模块,用于根据所述加权灰度直方图统计处理模块得到的图像的各个灰度级的加权灰度直方图统计结果,对所述图像进行直方图均衡处理,
所述的加权灰度直方图统计处理模块,具体用于对于灰度级z,按照T(z,n)=T(z,n-1)+W(xn,yn),逐步迭代计算灰度级Z的加权像素点数T(z),其中W(xn,yn)为灰度级z的第n个像素点的直方图统计权重,所述第n个像素点为具有灰度级Z的最后一个像素点,T(z,n)=T(z);
将所有灰度级的加权像素点数进行累加得到:
各个灰度级对应的加权统计概率的计算公式如下:
P(z)=T(z)/T
所述P(z)为灰度级z对应的加权统计概率。
7.根据权利要求6所述的对图像进行直方图均衡处理的装置,其特征在于:
所述的距离计算模块,具体用于设所述图像的长度为L、宽度为H,所述 图像的中心像素点O的坐标为(L/2,H/2),所述图像中的某个像素点m的坐标为(x,y),则计算所述某个像素点m和中心像素点O之间的距离D(x,y)的公式如下:
8.根据权利要求7所述的对图像进行直方图均衡处理的装置,其特征在于:
所述的加权灰度直方图统计处理模块,具体用于设所述图像的中心像素点的直方图统计权重最大,为Wmax,所述图像的四个角点与中心像素点O之间的距离为Dmax,计算所述像素点m的直方图统计权重的公式如下:
。
9.根据权利要求8所述的对图像进行直方图均衡处理的装置,其特征在于:
所述T(z,n)的计算过程如下:
T(z,0)=0
统计出的具有灰度级Z的第一个像素点为(x1,y1),该第一个像素点的直方图统计权重为W(x1,y1),则T(z,1)=T(z,0)+W(x1,y1)=W(x1,y1);
统计出的具有灰度级Z的第二个像素点为(x2,y2),该第二个像素点的 直方图统计权重为W(x2,y2),则T(z,2)=T(z,1)+W(x2,y2)=W(x1,y1)+W(x2,y2);
依此类推...
统计出的具有灰度级z的第n个像素点为(xn,yn),该第n个像素点的直方图统计权重为W(xn,yn),则:
T(z,n)=T(z,n-1)+W(xn,yn)=W(x1,y1)+W(x2,y2)+...+W(xn-1,yn-1)+W(xn,yn)。
10.根据权利要求9所述的对图像进行直方图均衡处理的装置,其特征在于:
所述的直方图均衡处理模块,具体用于设所述图像的均衡目标灰度分布为k bit,所述图像为灰度图像,则依据直方图均衡的映射过程,均衡处理后坐标为(x,y)的像素点m的图像像素的灰度值为:S(x,y)=P(z)*2k。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310480297.1A CN104574326B (zh) | 2013-10-15 | 2013-10-15 | 对图像进行直方图均衡处理的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310480297.1A CN104574326B (zh) | 2013-10-15 | 2013-10-15 | 对图像进行直方图均衡处理的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574326A CN104574326A (zh) | 2015-04-29 |
CN104574326B true CN104574326B (zh) | 2017-07-18 |
Family
ID=53090307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310480297.1A Active CN104574326B (zh) | 2013-10-15 | 2013-10-15 | 对图像进行直方图均衡处理的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574326B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184754B (zh) * | 2015-09-25 | 2018-03-06 | 深圳市华星光电技术有限公司 | 图像对比度增强方法 |
CN106251360A (zh) * | 2016-08-23 | 2016-12-21 | 湖南文理学院 | 基于算术‑几何散度的灰度图像阈值分割方法 |
CN106339992A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 对比度增强方法及装置 |
CN106504205A (zh) * | 2016-10-20 | 2017-03-15 | 凌云光技术集团有限责任公司 | 一种图像去雾方法及终端 |
CN108460730B (zh) * | 2017-02-17 | 2020-06-26 | 京东方科技集团股份有限公司 | 一种图像处理方法及其装置 |
CN109658364A (zh) * | 2018-11-29 | 2019-04-19 | 深圳市华星光电半导体显示技术有限公司 | 图像处理方法 |
CN114677391B (zh) * | 2022-05-26 | 2022-08-26 | 青岛大学附属医院 | 一种脊椎图像分割方法 |
CN115082481B (zh) * | 2022-08-23 | 2022-11-15 | 聊城市誉林工业设计有限公司 | 一种用于齿轮的图像增强方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100841429B1 (ko) * | 2006-11-30 | 2008-06-25 | 삼성전기주식회사 | 화이트 밸런스 자동 조정장치 및 그 방법 |
CN101286231A (zh) * | 2008-06-04 | 2008-10-15 | 四川虹微技术有限公司 | 一种均匀分布图像亮度的对比度增强方法 |
CN101937562A (zh) * | 2010-08-27 | 2011-01-05 | 天津大学 | 灰度级信息量直方图构造方法 |
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 |
CN102881021A (zh) * | 2012-10-25 | 2013-01-16 | 上海交通大学 | 基于概率分布和连续最大流的主动脉瓣超声图像分割方法 |
-
2013
- 2013-10-15 CN CN201310480297.1A patent/CN104574326B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100841429B1 (ko) * | 2006-11-30 | 2008-06-25 | 삼성전기주식회사 | 화이트 밸런스 자동 조정장치 및 그 방법 |
CN101286231A (zh) * | 2008-06-04 | 2008-10-15 | 四川虹微技术有限公司 | 一种均匀分布图像亮度的对比度增强方法 |
CN101937562A (zh) * | 2010-08-27 | 2011-01-05 | 天津大学 | 灰度级信息量直方图构造方法 |
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 |
CN102881021A (zh) * | 2012-10-25 | 2013-01-16 | 上海交通大学 | 基于概率分布和连续最大流的主动脉瓣超声图像分割方法 |
Non-Patent Citations (1)
Title |
---|
反距离加权插值自适应图像直方图均衡化算法;赵晓捷 等;《中国体视学与图像分析》;20101231;第15卷(第1期);第1.1节,第1.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN104574326A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574326B (zh) | 对图像进行直方图均衡处理的方法和装置 | |
CN109858461B (zh) | 一种密集人群计数的方法、装置、设备以及存储介质 | |
Paramanandham et al. | Infrared and visible image fusion using discrete cosine transform and swarm intelligence for surveillance applications | |
Wang et al. | A Filippov system describing media effects on the spread of infectious diseases | |
EP3674852A2 (en) | Method and apparatus with gaze estimation | |
CN113379042B (zh) | 保护数据隐私的业务预测模型训练方法及装置 | |
CN111819568A (zh) | 人脸旋转图像的生成方法及装置 | |
JP2013524355A5 (zh) | ||
CN108776775A (zh) | 一种基于权重融合深度及骨骼特征的老年人室内跌倒检测方法 | |
CN110969637A (zh) | 一种基于生成对抗网络的多威胁目标重建及态势感知方法 | |
WO2021180241A1 (zh) | 注视点生成方法、系统及设备 | |
CN110728349A (zh) | 一种混合蝙蝠算法的优化方法以及多层感知器的优化方法 | |
Okosun et al. | Analysis of recruitment and industrial human resources management for optimal productivity in the presence of the HIV/AIDS epidemic | |
CN115496204B (zh) | 一种跨域异质场景下的面向联邦学习的评测方法及装置 | |
Ullah et al. | Dynamic analysis of mean-field and fractional-order epidemic vaccination strategies by evolutionary game approach | |
US20160125297A1 (en) | System and method for solving spatiotemporal-based problems | |
CN101232572A (zh) | 一种数字图像降噪方法和装置 | |
Okosun et al. | On a drug-resistant malaria model with susceptible individuals without access to basic amenities | |
Kim et al. | A novel MobileNet with selective depth multiplier to compromise complexity and accuracy | |
Ji et al. | Development of a seat selection algorithm to match industrial seats with specific forestry vibration exposures | |
Sooknanan et al. | Criminals treated as predators to be harvested: a two prey one predator model with group defense, prey migration and switching | |
Nema et al. | A hybrid cooperative search algorithm for constrained optimization | |
CN108765304A (zh) | 基于自适应梯度增益控制的高动态红外图像增强方法 | |
Lee et al. | Statistics of lateral geniculate nucleus (LGN) activity determine the segregation of ON/OFF subfields for simple cells in visual cortex | |
González et al. | A gravitational search algorithm for optimization of modular neural networks in pattern recognition |
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 | ||
CP03 | Change of name, title or address |
Address after: 214135 -6, Linghu Avenue, Wuxi Taihu international science and Technology Park, Wuxi, Jiangsu, China, 180 Patentee after: China Resources micro integrated circuit (Wuxi) Co., Ltd Address before: No.180-22, Linghu Avenue, Taihu International Science and Technology Park, Wuxi, Jiangsu 214135 Patentee before: WUXI CHINA RESOURCES SEMICO Co.,Ltd. |
|
CP03 | Change of name, title or address |