CN105654438A - 基于局部直方图均衡的灰度图像拟合增强方法 - Google Patents
基于局部直方图均衡的灰度图像拟合增强方法 Download PDFInfo
- Publication number
- CN105654438A CN105654438A CN201511003247.XA CN201511003247A CN105654438A CN 105654438 A CN105654438 A CN 105654438A CN 201511003247 A CN201511003247 A CN 201511003247A CN 105654438 A CN105654438 A CN 105654438A
- Authority
- CN
- China
- Prior art keywords
- image
- gray scale
- gray
- histogram equalization
- histogram
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 44
- 230000009466 transformation Effects 0.000 claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 5
- 230000006835 compression Effects 0.000 claims abstract description 4
- 238000007906 compression Methods 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 39
- 230000009471 action Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 14
- 230000000903 blocking effect Effects 0.000 description 16
- 230000000007 visual effect Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提出了一种基于局部直方图均衡的灰度图像拟合增强方法,利用本发明,在增强灰度图像对比度和细节信息的同时,消除了块效应和过增强现象。本发明的实现方案是首先对动态范围过宽的灰度图像进行分段线性变换,获得适合的动态范围内的灰度图像,再将图像灰度分布区间分隔成两段乃至多段,调整图像灰度分布各区间的分割点和变换直线的斜率,对任意灰度区间进行扩展或压缩;变换结果采用子块部分重叠直方图均衡化处理,将邻域内的子块变换函数通过加权求和计算得到当前子块的变换函数,使用此变换函数对当前子块进行直方图均衡化处理;最后对直方图均衡后的灰度图进行非线性拟合处理,对子块部分重叠直方图均衡化处理后的灰度图像进行直方图分布修正。
Description
技术领域
本发明涉及一种可应用于各种灰度图像,包括动态范围较高、灰度级位数等于或大于14位的红外图像处理方法。具体涉及一种改进型的直方图增强方法,以实现对分辨率低、对比度低、信噪比低和视觉效果模糊的灰度图像进行视觉效果提升的技术方案。
背景技术
图像获取指的是将物体成像的过程,将模拟图像转换成数字图像的技术,其获取的图像图像质量由于外界场景的气象因素与探测器成像原理的限制,存在对比度低、分辨率低、信噪比低和视觉效果等不足。现有技术针对雾天降质图像对比度低,细节模糊的特点,提出了基于分子块重叠直方图均衡算法OSHE的雾天图像清晰化方法。POSHE是一种常用的图像增强方法。POSHE算法的雾天图像清晰化方法是在输入图像上定义矩形子块,利用该子块图像的直方图信息对子块所有的像素进行均衡化,将子块以一定的步长移动,直至遍历输入图像的所有像素。该方法虽然在对雾天降质图像处理时,可以达到局部细节清晰化和全局对比度增强的效果,但POSHE算法对红外图像进行增强处理时存在过增强等问题。由于该算法存在过增强和块效应问题,不利于目标的识别和跟踪。POSHE方法是在部分重叠子块中作均衡处理,各个子块的灰度分布不同,在子块边缘会产生明显的灰度不连续现象,即方块效应,简称块效应。如果图像中存在大面积的背景区域,小子块POSHE处理会将这些背景区域分成小的子块进均衡,这自然没考虑到该区域的整体灰度分布。
图像增强的首要目标是处理图像,使其比原始图像更适合于特定应用,比如目标识别、跟踪等。基于直方图均衡(HE)的图像增强方法以其简单快速的特点倍受青睐,全局直方图均衡(GHE)根据图像直方图计算灰度变换函数,对整幅图像像素作单一映射,没有考虑图像局部信息,造成部分高频信息丢失。GHE由于过度拉伸图像对比度产生过增强现象,即累加直方图曲线过于陡峭。基于局部直方图均衡(LHE)算法根据图像局部特性计算灰度变换函数,克服GHE难以适应局部度分布的缺陷,对比度增强效果较好,它的最初原型是Tom等人于1982年提出的自适应直方图均衡算法(AHE),过高的时间复杂度限制AHE算法的应用范围;Kim等人于2001年提出的子块部分重叠直方图均衡POSHE算法,具有良好对比度增强效果,较AHE算法计算量明显减少,但是该算法存在明显块效应和局部过增强问题。采用POSHE算法对图像增强处理后,块效应程度、增强效果与子块大小和步长有着密切的关系。然而,针对不同场景图像,要达到同样的增强效果和较弱的块效应,子块大小和步长的取法往往不一样。在块大小一致的情况下,步长越大,块效应越突出;在步一致的情况下,块越小,块效应越突出。大子块、大步长处理只存在轻微的块效应,小子快、小步长则会带来严重的块效应。较小的步长可以有效平滑块效应,但如果步长太小,会大大增加算法时间复杂度,然而块效应抑制效果不再明显提高。
直方图增强技术是最常用的图像增强方式之一。经典直方图均衡化的工作原理是通过对输入图像直方图统计和累积,映射输入图像的灰度值,使输出图像在灰度区间内均匀分布,但该方法存在明显的不足,如会过度增强背景和噪声,降低目标对比度,细节易丢失。自适应直方图均衡化对利用滑动窗口局部区域进行直方图均衡化处理,避免了图像其它区域的影响,但是该方法会产生块效应。对比度受限的自适应直方图均衡通过局部处理的方法,限制局部平坦区域的对比度增强,再通过双线性插值的方法消除边界效应,但该方法时间复杂度过高。子块部分重叠直方图均衡通过子块移动策略来使部分子块重叠并对每个子块进行HE处理,再通过加权求和的方法来消除噪声和增大对比度,该方法在不降低局部细节的条件下,虽然大大减少了计算量,但是该方法存在明显的块效应和过增强问题。传统的灰度图像直方图均衡化算法,均衡处理不能很好的凸显细节,而固定阈值β偏大,又会出现过增强现象,场景中的事物表现的不自然。小子块处理旨在锐化降质图像中模糊的边缘,β应当较大,如果过度限制子块的单个灰度级像素的数目,局部对比度无法充分拉伸,不能充分锐化图像。
对比度限制在每层POSHE处理前,先对其各子块的直方图截取然后均匀分配到各灰度级上,通过限制其直方图高度降低累加直方图曲线的斜率,即降低对比度增强幅度,从而限制噪声放大及局部过增强现象。视频仿真结果对比图图的增强效果,增强前图像近处画面模糊不清,图像远处画面缺乏层次,丢失很多细节。
发明内容
本发明的目的是针对传统的灰度图像直方图均衡化算法和灰度图像增强技术的不足之处,提供一种能够充分抑制块效应、消除过增强现象,基于局部直方图均衡拟合的灰度图像增强方法,以解决用POSHE算法对红外图像进行增强处理时存在的过增强等问题。
本发明的技术解决方案可通过以下步骤实现:一种基于局部直方图均衡的灰度图像拟合增强方法,其特征在于包括如下步骤:采用基于FPGA架构或DSP架构或FPGA+DSP架构的实时处理平台,首先对动态范围过宽的灰度图像(如图像数据宽度≥14位的红外图像),进行分段线性变换获得适合的动态范围内的灰度图像,再将图像灰度分布区间分隔成两段乃至多段,然后对灰度图像进行分段线性变换;在每层POSHE处理前,先对其各子块的直方图截取然后均匀分配到各灰度级上,并调整图像灰度分布各区间的分割点和变换直线的斜率,对任意灰度区间进行扩展或压缩;变换结果采用子块部分重叠直方图均衡化处理,将邻域内的子块变换函数通过加权求和计算得到当前子块的变换函数,使用此变换函数对当前子块进行直方图均衡化处理;最后对直方图均衡后的灰度图进行非线性拟合处理,然后对子块部分重叠直方图均衡化处理后的灰度图像进行直方图分布修正,重新分配图像像素值,实现图像灰度值在多段直方图区间的非线性拉伸,使动态范围内的直方图分布变得更“均匀”的同时,在各个灰度分布区间具有更优的对比度。
本发明具有如下有益效果:
能够充分抑制块效应。本发明利用对灰度图像进行分段线性变换,将图像灰度分布区间分隔成两段乃至多段,分别对其进行线性变换,通过增加灰度区间分割的段数,以及调整各区间的分割点和变换直线的斜率,可以对任意灰度区间进行扩展或压缩,从而使得直方图灰度分布均匀,图像不会过亮或过暗;由于摒弃了对子块大小和步长的过度依赖,在子块大小和步长一定的情况下,能取得较好的增强效果,充分抑制块效应、消除过增强现象。既能保证一定的动态范围压缩,又能保留细节信息和颜色保真,从而获得较为令人满意的增强效果。本发明通过MATLAB仿真对其基于局部直方图均衡的灰度图像拟合增强方法进行了试验验证。结果表明,该方法不仅可以有效缓解过增强问题,消除经POSHE算法处理后产生的块效应现象,而且还可以抑制制冷型红外探测器的"冷反射"图像。
本发明在每层POSHE处理前,先对其各子块的直方图截取然后均匀分配到各灰度级上,通过限制其直方图高度降低累加直方图曲线的斜率,即降低对比度增强幅度,从而限制噪声放大及局部过增强现象。变换结果经子块部分重叠直方图均衡化处理,将邻域内的子块变换函数通过加权求和计算得到当前子块的变换函数,使用此变换函数对当前子块进行直方图均衡化处理,对最后对直方图均衡后的灰度图进行非线性拟合处理,对子块部分重叠直方图均衡化处理后的灰度图像进行直方图分布修正,解决其产生的块效应和过增强问题。不会使得某些灰度级占有过多的像素,在增强灰度图像对比度和细节信息的同时,能够消除块效应和过增强现象。在增强红外图像对比度的同时,能够有效保留红外图像的整体信息,并且具有较好的视觉效果。增强后图像远处细节得到凸显,整体画面非常清晰,具有真实自然的视觉效果。
本发明针对雾天不同退化程度的低照度图像,将对比度限制引入POSHE方法中,结合多层融合处理消除了POSHE方法中存在的块效应和过增强现象,能够有效增强其对比度和局部信息,在亮度、对比度和细节方面都能取得较好的视觉效果,具有自适应好、易于并行实现以及鲁棒性强的优点,因此具有一定的通用性,在视频监控、目标识别和图像制导等实时图像处理领域有较高的工程实用价值。
附图说明
图1是本发明基于局部直方图均衡拟合灰度图像的增强流程图。
图2是本发明三线段分段线性变换灰度范围示意图。
图3是对动态范围大于或等于14位的红外图像进行分段线性变换的示意图。
具体实施方式
本发明的技术解决方案的具体步骤结合附图说明如下:
参阅图1、图2。根据本发明,采用基于FPGA架构或DSP架构或FPGA+DSP架构的实时处理平台,首先对灰度图像进行分段线性变换,将图像灰度分布区间分隔成两段乃至多段,分别对其进行线性变换,通过增加灰度区间分割的段数,以及调整各区间的分割点和变换直线的斜率,可以对任意灰度区间进行扩展或压缩,对图3所示动态范围大于或等于14位的红外图像进行分段线性变换后可得到动态范围为8位的灰度图像。所增强的灰度图像为动态范围为等于或大于14位的红外图像。其具体方法如下:
在对灰度图像进行分段线性变换中,首先,对灰度图像进行全局搜索,找到最大灰度值max和最小灰度值min,一般的16位红外图像并没有完全占满[0,215]的灰度级范围,因此可将红外图像的灰度范围确定为[min,max]。其次,采用三段式分段线性变换,在图2所示[min,max]内选取适当的阈值ft2和ft2(ft1<ft2)。在[0,255]范围内选取两个阈值gt1和gt2,按照如下灰度线性变换公式进行灰度线性变换
其中:原始图像的动态范围为[min,max],某一点像素的灰度值为f,[min,max]内选取适当的阈值ft2和ft2(ft1<ft2)。
变换后图像的动态范围为[0,255],在[0,255]范围内选取两个阈值gt1和gt2(gt1<gt2),g为灰度值f经过变换后得到的灰度值。
对变换结果进行子块部分重叠直方图均衡化处理,通过将邻域内的子块直方图变换函数通过加权求和计算得到当前子块的直方图变换函数,使用此变换函数对当前子块进行直方图均衡化处理。当采用POSHE算法时,其具体方法如下:
子块部分重叠直方图均衡化处理技术采用POSHE算法或基于POSHE算法的改进算法。将灰度图像分为四个子块,步长为子块的一半,整个目标区域e被分成了9块,分别用a、b、c、d、e、f、g、h、i来标记,移动四次的子块用1、2、3、4来标记。分别对四个子块进行均衡化处理,以此类推,最后对子块重叠的区域进行加权处理。目标区域e是四个子块的重叠部分,分别进行了四次直方图均衡化运算,其它区域的直方图都会对目标区域e的运算有不同的权值贡献。
设各个子块的直方图变换函数分别为T1(rk)、T2(rk)、T3(rk)、T4(rk),则目标区域e某点的POSHE算法变换输出公式为
其中,是目标区域e内灰度值为k的像素经过POSHE处理后的灰度值;是目标区域e内的灰度值为k的像素。
最后对直方图均衡后的灰度图进行非线性拟合处理,对子块部分重叠直方图均衡化处理后的灰度图像进行直方图分布修正,以解决其产生的块效应和过增强问题。拟合处理技术采用多尺度Retinex算法或基于Retinex算法的改进算法。当采用多尺度Retinex算法时,其具体方法如下:
多尺度Retinex算法是对单尺度Retinex算法的概括,具有单尺度retinex算法低、中、高三个尺度的特点,该算法可用多尺度Retinex算法公式 进行描述,其中,i=1,2…N,k是尺度因子σ的总个数,N是图像颜色通道的个数,N=1,表示灰度图像,N=3表示彩色图像,wj是和Fj相关的权值,满足Σwj=1,Ri(x,y)是第i个颜色通道的输出结果,Ii(x,y)是第i个颜色通道的输入,*是卷积运算,F(x,y)是高斯函数,通常,多尺度Retinex取低、中、高三个尺度,即k=3,w1=w2=w3=1/3。其高斯函数公式其中,σ是尺度因子,它的大小决定了卷积核的作用范围。σ较小时,高斯模板较小,则高斯函数相对陡峭,多尺度Retinex的动态压缩能力就越强;σ较大时,高斯模板较大,则高斯函数相对平缓,多尺度Retinex颜色保真能力就越好。
Claims (10)
1.一种基于局部直方图均衡的灰度图像拟合增强方法,其特征在于包括如下步骤:采用基于FPGA架构或DSP架构或FPGA+DSP架构的实时处理平台,首先对动态范围过宽,图像数据宽度≥14位的红外图像的灰度图像,进行分段线性变换获得适合的动态范围内的灰度图像,再将图像灰度分布区间分隔成两段乃至多段,然后对灰度图像进行分段线性变换;在每层POSHE处理前,先对其各子块的直方图截取然后均匀分配到各灰度级上,并调整图像灰度分布各区间的分割点和变换直线的斜率,对任意灰度区间进行扩展或压缩;变换结果采用子块部分重叠直方图均衡化处理,将邻域内的子块变换函数通过加权求和计算得到当前子块的直方图变换函数,用此直方图变换函数对当前子块进行直方图均衡化处理;最后采用多尺度Retinex算法或基于Retinex算法的改进算法,对直方图均衡后的灰度图进行非线性拟合处理,然后对子块部分重叠直方图均衡化处理后的灰度图像进行直方图分布修正,重新分配图像像素值,实现图像灰度值在多段直方图区间的非线性拉伸,使动态范围内的直方图分布变得更均匀。
2.根据权利要求1所述的基于局部直方图均衡的灰度图像拟合增强方法,其特征在于,子块部分重叠直方图均衡化处理技术采用POSHE算法或基于POSHE算法。
3.根据权利要求1所述的基于局部直方图均衡的灰度图像拟合增强方法,其特征在于,在对灰度图像进行分段线性变换中,首先,对灰度图像进行全局搜索,找到最大灰度值max和最小灰度值min,将红外图像的灰度范围确定为[min,max]。
4.根据权利要求1所述的基于局部直方图均衡的灰度图像拟合增强方法,其特征在于,图像灰度直方图采用三段式分段线性变换,在[min,max]内选取适当的阈值ft2和ft2,其中,ft1<ft2。
5.根据权利要求1所述的基于局部直方图均衡的灰度图像拟合增强方法,其特征在于,在[0,255]范围内选取两个阈值gt1和gt2,按照如下灰度线性变换公式进行灰度线性变换,
式中:[min,max]为原始图像的动态范围,f为原始图像某一点的像素灰度值。
6.根据权利要求5所述的基于局部直方图均衡的灰度图像拟合增强方法,其特征在于,变换后图像的动态范围为[0,255],在[0,255]范围内选取两个阈值gt1和gt2,g为灰度值f经过变换后得到的灰度值,gt1<gt2。
7.根据权利要求1所述的基于局部直方图均衡的灰度图像拟合增强方法,其特征在于,子块部分重叠直方图均衡化处理技术采用基于POSHE算法,将灰度图像分为四个子块,步长为子块的一半,整个图像灰度分布区域被分成了9块,分别用a、b、c、d、e、f、g、h、i来标记,移动四次的子块用1、2、3、4来标记,目标区域e是四个子块的重叠部分,分别进行了四次直方图均衡化运算,然后分别对四个子块进行均衡化处理,以此类推,最后对子块重叠的区域进行加权处理。
8.根据权利要求1所述的基于局部直方图均衡的灰度图像拟合增强方法,其特征在于,设各个子块的直方图变换函数分别为T1(rk)、T2(rk)、T3(rk)、T4(rk),则目标区域e某点的POSHE算法变换输出公式为
其中,是目标区域e内灰度值为k的像素经过POSHE处理后的灰度值;是目标区域e内的灰度值为k的像素。
9.根据权利要求1所述的基于局部直方图均衡的灰度图像拟合增强方法,其特征在于,当采用多尺度Retinex算法时,该算法的描述公式为多尺度Retinex算法公式
其中,i=1,2…N,k是尺度因子σ的总个数,wj是和Fj相关的权值,满足Σwj=1,Ri(x,y)是第i个颜色通道的输出结果,Ii(x,y)是第i个颜色通道的输入,*是卷积运算,Fj(x,y)是高斯函数,k=3,w1=w2=w3=1/3。
10.根据权利要求9所述的基于局部直方图均衡的灰度图像拟合增强方法,其特征在于,高斯函数公式为
其中,σ是尺度因子,它的大小决定了卷积核的作用范围。σ较小时,高斯模板较小,则高斯函数相对陡峭,多尺度Retinex的动态压缩能力就越强;σ较大时,高斯模板较大,则高斯函数相对平缓,多尺度Retinex颜色保真能力就越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511003247.XA CN105654438A (zh) | 2015-12-27 | 2015-12-27 | 基于局部直方图均衡的灰度图像拟合增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511003247.XA CN105654438A (zh) | 2015-12-27 | 2015-12-27 | 基于局部直方图均衡的灰度图像拟合增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105654438A true CN105654438A (zh) | 2016-06-08 |
Family
ID=56478242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511003247.XA Pending CN105654438A (zh) | 2015-12-27 | 2015-12-27 | 基于局部直方图均衡的灰度图像拟合增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105654438A (zh) |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106101486A (zh) * | 2016-06-16 | 2016-11-09 | 恒业智能信息技术(深圳)有限公司 | 视频图像处理方法及系统 |
CN106092178A (zh) * | 2016-08-26 | 2016-11-09 | 中煤科工集团重庆研究院有限公司 | 提高测量精度的数据修正方法 |
CN106339994A (zh) * | 2016-08-29 | 2017-01-18 | 合肥康胜达智能科技有限公司 | 一种图像增强方法 |
CN107644207A (zh) * | 2016-06-27 | 2018-01-30 | 广东欧珀移动通信有限公司 | 一种指纹图像处理方法及相关产品 |
WO2018045789A1 (zh) * | 2016-09-12 | 2018-03-15 | 京东方科技集团股份有限公司 | 图像灰度值调整方法和装置 |
CN108073884A (zh) * | 2016-11-17 | 2018-05-25 | 浙江工商大学 | 一种用于车道线检测的图像预处理方法 |
CN108133463A (zh) * | 2017-12-14 | 2018-06-08 | 中国北方车辆研究所 | 一种直方图均衡化图像的降噪方法及系统 |
CN108805829A (zh) * | 2018-05-25 | 2018-11-13 | 浙江科澜信息技术有限公司 | 影像数据处理方法、装置、设备及计算机可读存储介质 |
CN109102471A (zh) * | 2018-07-20 | 2018-12-28 | 遵义师范学院 | 一种基于直方图修正的低功耗图像显示驱动方法 |
CN109191395A (zh) * | 2018-08-21 | 2019-01-11 | 深圳创维-Rgb电子有限公司 | 图像对比度增强方法、装置、设备及存储介质 |
CN109447675A (zh) * | 2018-09-07 | 2019-03-08 | 上海晶赞融宣科技有限公司 | 线上广告流量分布的校正方法及装置、可读存储介质 |
CN109544474A (zh) * | 2018-11-16 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种基于相位拉伸变换的指纹图像增强方法 |
CN109559284A (zh) * | 2018-10-23 | 2019-04-02 | 江苏理工学院 | 一种基于直方图受限的图像对比度增强方法 |
CN109961409A (zh) * | 2019-02-26 | 2019-07-02 | 平安科技(深圳)有限公司 | 一种线性增强图像对比度的方法及装置 |
CN110132823A (zh) * | 2019-05-15 | 2019-08-16 | 林伟阳 | 一种基于模板匹配与查找轮廓的细胞计数方法 |
CN110838091A (zh) * | 2019-10-25 | 2020-02-25 | 北京中电慧视科技有限公司 | 完全自适应的红外图像对比度增强方法及系统 |
CN110910841A (zh) * | 2019-12-16 | 2020-03-24 | 电子科技大学中山学院 | 一种电泳电子纸鬼影减弱系统和减弱方法 |
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 |
CN111445394A (zh) * | 2019-12-10 | 2020-07-24 | 西南技术物理研究所 | 空对地观测的可见光图像自适应增强方法 |
CN111583162A (zh) * | 2020-05-07 | 2020-08-25 | 上海富瀚微电子股份有限公司 | 基于直方图均衡的图像增强方法 |
CN111768355A (zh) * | 2020-06-05 | 2020-10-13 | 西安瑞日电子发展有限公司 | 一种针对制冷型红外传感器图像增强的方法 |
CN111951194A (zh) * | 2020-08-26 | 2020-11-17 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN112116542A (zh) * | 2020-09-24 | 2020-12-22 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN112365424A (zh) * | 2020-11-17 | 2021-02-12 | 昆明物理研究所 | 基于局部自适应clahe的红外图像去噪增强方法、装置、系统与计算机可读存储介质 |
CN112734673A (zh) * | 2021-01-13 | 2021-04-30 | 山东大学 | 一种基于多表达式融合的低照度图像增强方法及系统 |
CN113160097A (zh) * | 2021-03-26 | 2021-07-23 | 中国航空无线电电子研究所 | 一种基于直方图变换的红外图像量化方法 |
CN113256522A (zh) * | 2021-05-21 | 2021-08-13 | 上海国茂数字技术有限公司 | 低照度图像增强的方法、装置及可读存储介质 |
CN113506305A (zh) * | 2021-06-09 | 2021-10-15 | 西交利物浦大学 | 三维点云数据的图像增强方法、语义分割方法及装置 |
CN113689366A (zh) * | 2021-08-30 | 2021-11-23 | 武汉格物优信科技有限公司 | 一种温宽动态调节方法和装置 |
US11210765B2 (en) | 2017-08-28 | 2021-12-28 | Beijing Boe Display Technology Co., Ltd. | Image processing method and device, storage medium and computer device |
CN113902641A (zh) * | 2021-10-12 | 2022-01-07 | 西安交通大学 | 一种基于红外图像的数据中心热区判别方法及系统 |
CN114494256A (zh) * | 2022-04-14 | 2022-05-13 | 武汉金龙电线电缆有限公司 | 基于图像处理的电线生产缺陷检测方法 |
CN114581345A (zh) * | 2022-05-07 | 2022-06-03 | 广州骏天科技有限公司 | 一种基于自适应线性灰度化的图像增强方法及系统 |
CN115049566A (zh) * | 2022-08-15 | 2022-09-13 | 聊城扬帆田一机械有限公司 | 一种平板夯激振模式智能调节系统 |
CN115660994A (zh) * | 2022-10-31 | 2023-01-31 | 哈尔滨理工大学 | 一种基于区域最小二乘估计的图像增强方法 |
CN115908428A (zh) * | 2023-03-03 | 2023-04-04 | 山东大学齐鲁医院 | 一种用于调节并指牵开器的图像处理方法及系统 |
CN116071271A (zh) * | 2023-03-07 | 2023-05-05 | 深圳市熠华智能科技有限公司 | 一种用于平板电脑的图像捕获的分析方法 |
CN116563172A (zh) * | 2023-07-11 | 2023-08-08 | 天津智教云科技有限公司 | 一种vr全球化在线教育互动优化增强方法及装置 |
CN117237243A (zh) * | 2023-11-16 | 2023-12-15 | 大连壹致科技有限公司 | 一种心血管造影图像局部自适应增强方法 |
CN117522870A (zh) * | 2024-01-04 | 2024-02-06 | 陕西凯迈航空航天机电设备有限公司 | 基于机器视觉的航空发动机零部件的缺陷智能检测方法 |
CN117911304A (zh) * | 2024-03-19 | 2024-04-19 | 长春理工大学 | 一种基于计算关注区域权重的分段灰度变换方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6108457A (en) * | 1998-04-27 | 2000-08-22 | The United States Of America As Represented By The Secretary Of The Navy | Background equalization for laser line scan data |
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
CN104268845A (zh) * | 2014-10-31 | 2015-01-07 | 北京津同利华科技有限公司 | 极值温差短波红外图像的自适应双局部增强方法 |
US9165210B1 (en) * | 2014-05-27 | 2015-10-20 | Qualcomm Incorporated | Systems and methods for localized contrast enhancement |
-
2015
- 2015-12-27 CN CN201511003247.XA patent/CN105654438A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6108457A (en) * | 1998-04-27 | 2000-08-22 | The United States Of America As Represented By The Secretary Of The Navy | Background equalization for laser line scan data |
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
US9165210B1 (en) * | 2014-05-27 | 2015-10-20 | Qualcomm Incorporated | Systems and methods for localized contrast enhancement |
CN104268845A (zh) * | 2014-10-31 | 2015-01-07 | 北京津同利华科技有限公司 | 极值温差短波红外图像的自适应双局部增强方法 |
Non-Patent Citations (1)
Title |
---|
黄自力 等: "用于红外增强处理的改进型POSHE算法", 《红外》 * |
Cited By (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106101486A (zh) * | 2016-06-16 | 2016-11-09 | 恒业智能信息技术(深圳)有限公司 | 视频图像处理方法及系统 |
CN107644207A (zh) * | 2016-06-27 | 2018-01-30 | 广东欧珀移动通信有限公司 | 一种指纹图像处理方法及相关产品 |
CN106092178B (zh) * | 2016-08-26 | 2018-09-04 | 中煤科工集团重庆研究院有限公司 | 提高测量精度的数据修正方法 |
CN106092178A (zh) * | 2016-08-26 | 2016-11-09 | 中煤科工集团重庆研究院有限公司 | 提高测量精度的数据修正方法 |
CN106339994B (zh) * | 2016-08-29 | 2019-05-21 | 合肥康胜达智能科技有限公司 | 一种图像增强方法 |
CN106339994A (zh) * | 2016-08-29 | 2017-01-18 | 合肥康胜达智能科技有限公司 | 一种图像增强方法 |
US10467737B2 (en) | 2016-09-12 | 2019-11-05 | Boe Technology Group Co., Ltd. | Method and device for adjusting grayscale values of image |
WO2018045789A1 (zh) * | 2016-09-12 | 2018-03-15 | 京东方科技集团股份有限公司 | 图像灰度值调整方法和装置 |
CN108073884A (zh) * | 2016-11-17 | 2018-05-25 | 浙江工商大学 | 一种用于车道线检测的图像预处理方法 |
US11210765B2 (en) | 2017-08-28 | 2021-12-28 | Beijing Boe Display Technology Co., Ltd. | Image processing method and device, storage medium and computer device |
CN108133463A (zh) * | 2017-12-14 | 2018-06-08 | 中国北方车辆研究所 | 一种直方图均衡化图像的降噪方法及系统 |
CN108133463B (zh) * | 2017-12-14 | 2023-09-29 | 中国北方车辆研究所 | 一种直方图均衡化图像的降噪方法及系统 |
CN108805829A (zh) * | 2018-05-25 | 2018-11-13 | 浙江科澜信息技术有限公司 | 影像数据处理方法、装置、设备及计算机可读存储介质 |
CN108805829B (zh) * | 2018-05-25 | 2021-01-01 | 浙江科澜信息技术有限公司 | 影像数据处理方法、装置、设备及计算机可读存储介质 |
CN109102471A (zh) * | 2018-07-20 | 2018-12-28 | 遵义师范学院 | 一种基于直方图修正的低功耗图像显示驱动方法 |
CN109191395A (zh) * | 2018-08-21 | 2019-01-11 | 深圳创维-Rgb电子有限公司 | 图像对比度增强方法、装置、设备及存储介质 |
CN109191395B (zh) * | 2018-08-21 | 2021-03-09 | 深圳创维-Rgb电子有限公司 | 图像对比度增强方法、装置、设备及存储介质 |
CN109447675A (zh) * | 2018-09-07 | 2019-03-08 | 上海晶赞融宣科技有限公司 | 线上广告流量分布的校正方法及装置、可读存储介质 |
CN109447675B (zh) * | 2018-09-07 | 2023-09-26 | 上海晶赞融宣科技有限公司 | 线上广告流量分布的校正方法及装置、可读存储介质 |
CN109559284B (zh) * | 2018-10-23 | 2023-09-22 | 江苏理工学院 | 一种基于直方图受限的图像对比度增强方法 |
CN109559284A (zh) * | 2018-10-23 | 2019-04-02 | 江苏理工学院 | 一种基于直方图受限的图像对比度增强方法 |
CN109544474A (zh) * | 2018-11-16 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种基于相位拉伸变换的指纹图像增强方法 |
CN109961409A (zh) * | 2019-02-26 | 2019-07-02 | 平安科技(深圳)有限公司 | 一种线性增强图像对比度的方法及装置 |
CN109961409B (zh) * | 2019-02-26 | 2024-02-27 | 平安科技(深圳)有限公司 | 一种线性增强图像对比度的方法及装置 |
CN110132823A (zh) * | 2019-05-15 | 2019-08-16 | 林伟阳 | 一种基于模板匹配与查找轮廓的细胞计数方法 |
CN110838091A (zh) * | 2019-10-25 | 2020-02-25 | 北京中电慧视科技有限公司 | 完全自适应的红外图像对比度增强方法及系统 |
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 |
CN111445394A (zh) * | 2019-12-10 | 2020-07-24 | 西南技术物理研究所 | 空对地观测的可见光图像自适应增强方法 |
CN111445394B (zh) * | 2019-12-10 | 2023-06-20 | 西南技术物理研究所 | 空对地观测的可见光图像自适应增强方法 |
CN110910841A (zh) * | 2019-12-16 | 2020-03-24 | 电子科技大学中山学院 | 一种电泳电子纸鬼影减弱系统和减弱方法 |
CN111583162A (zh) * | 2020-05-07 | 2020-08-25 | 上海富瀚微电子股份有限公司 | 基于直方图均衡的图像增强方法 |
CN111583162B (zh) * | 2020-05-07 | 2023-09-01 | 上海富瀚微电子股份有限公司 | 基于直方图均衡的图像增强方法 |
CN111768355A (zh) * | 2020-06-05 | 2020-10-13 | 西安瑞日电子发展有限公司 | 一种针对制冷型红外传感器图像增强的方法 |
CN111951194A (zh) * | 2020-08-26 | 2020-11-17 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN111951194B (zh) * | 2020-08-26 | 2024-02-02 | 重庆紫光华山智安科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN112116542B (zh) * | 2020-09-24 | 2024-03-08 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN112116542A (zh) * | 2020-09-24 | 2020-12-22 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
CN112365424B (zh) * | 2020-11-17 | 2023-06-06 | 昆明物理研究所 | 基于局部自适应clahe的红外图像去噪增强方法、装置、系统与计算机可读存储介质 |
CN112365424A (zh) * | 2020-11-17 | 2021-02-12 | 昆明物理研究所 | 基于局部自适应clahe的红外图像去噪增强方法、装置、系统与计算机可读存储介质 |
CN112734673A (zh) * | 2021-01-13 | 2021-04-30 | 山东大学 | 一种基于多表达式融合的低照度图像增强方法及系统 |
CN112734673B (zh) * | 2021-01-13 | 2022-06-21 | 山东大学 | 一种基于多表达式融合的低照度图像增强方法及系统 |
CN113160097B (zh) * | 2021-03-26 | 2023-12-22 | 中国航空无线电电子研究所 | 一种基于直方图变换的红外图像量化方法 |
CN113160097A (zh) * | 2021-03-26 | 2021-07-23 | 中国航空无线电电子研究所 | 一种基于直方图变换的红外图像量化方法 |
CN113256522A (zh) * | 2021-05-21 | 2021-08-13 | 上海国茂数字技术有限公司 | 低照度图像增强的方法、装置及可读存储介质 |
CN113506305A (zh) * | 2021-06-09 | 2021-10-15 | 西交利物浦大学 | 三维点云数据的图像增强方法、语义分割方法及装置 |
CN113506305B (zh) * | 2021-06-09 | 2023-10-24 | 西交利物浦大学 | 三维点云数据的图像增强方法、语义分割方法及装置 |
CN113689366B (zh) * | 2021-08-30 | 2024-07-16 | 武汉格物优信科技有限公司 | 一种温宽动态调节方法和装置 |
CN113689366A (zh) * | 2021-08-30 | 2021-11-23 | 武汉格物优信科技有限公司 | 一种温宽动态调节方法和装置 |
CN113902641B (zh) * | 2021-10-12 | 2023-09-12 | 西安交通大学 | 一种基于红外图像的数据中心热区判别方法及系统 |
CN113902641A (zh) * | 2021-10-12 | 2022-01-07 | 西安交通大学 | 一种基于红外图像的数据中心热区判别方法及系统 |
CN114494256B (zh) * | 2022-04-14 | 2022-06-14 | 武汉金龙电线电缆有限公司 | 基于图像处理的电线生产缺陷检测方法 |
CN114494256A (zh) * | 2022-04-14 | 2022-05-13 | 武汉金龙电线电缆有限公司 | 基于图像处理的电线生产缺陷检测方法 |
CN114581345A (zh) * | 2022-05-07 | 2022-06-03 | 广州骏天科技有限公司 | 一种基于自适应线性灰度化的图像增强方法及系统 |
CN115049566A (zh) * | 2022-08-15 | 2022-09-13 | 聊城扬帆田一机械有限公司 | 一种平板夯激振模式智能调节系统 |
CN115660994A (zh) * | 2022-10-31 | 2023-01-31 | 哈尔滨理工大学 | 一种基于区域最小二乘估计的图像增强方法 |
CN115908428A (zh) * | 2023-03-03 | 2023-04-04 | 山东大学齐鲁医院 | 一种用于调节并指牵开器的图像处理方法及系统 |
CN116071271A (zh) * | 2023-03-07 | 2023-05-05 | 深圳市熠华智能科技有限公司 | 一种用于平板电脑的图像捕获的分析方法 |
CN116563172B (zh) * | 2023-07-11 | 2023-09-08 | 天津智教云科技有限公司 | 一种vr全球化在线教育互动优化增强方法及装置 |
CN116563172A (zh) * | 2023-07-11 | 2023-08-08 | 天津智教云科技有限公司 | 一种vr全球化在线教育互动优化增强方法及装置 |
CN117237243A (zh) * | 2023-11-16 | 2023-12-15 | 大连壹致科技有限公司 | 一种心血管造影图像局部自适应增强方法 |
CN117237243B (zh) * | 2023-11-16 | 2024-01-26 | 大连壹致科技有限公司 | 一种心血管造影图像局部自适应增强方法 |
CN117522870A (zh) * | 2024-01-04 | 2024-02-06 | 陕西凯迈航空航天机电设备有限公司 | 基于机器视觉的航空发动机零部件的缺陷智能检测方法 |
CN117522870B (zh) * | 2024-01-04 | 2024-03-19 | 陕西凯迈航空航天机电设备有限公司 | 基于机器视觉的航空发动机零部件的缺陷智能检测方法 |
CN117911304A (zh) * | 2024-03-19 | 2024-04-19 | 长春理工大学 | 一种基于计算关注区域权重的分段灰度变换方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105654438A (zh) | 基于局部直方图均衡的灰度图像拟合增强方法 | |
CN110175964B (zh) | 一种基于拉普拉斯金字塔的Retinex图像增强方法 | |
Lee et al. | Contrast enhancement based on layered difference representation of 2D histograms | |
CN106127688B (zh) | 一种超分辨率图像重建方法及其系统 | |
Bhandari et al. | Improved knee transfer function and gamma correction based method for contrast and brightness enhancement of satellite image | |
CN107481210B (zh) | 基于细节的局部选择性映射的红外图像增强方法 | |
CN103679652A (zh) | 一种大幅提高成像质量的图像复原系统 | |
Yan et al. | Method to Enhance Degraded Image in Dust Environment. | |
Ramadan | Efficient restoration method for images corrupted with impulse noise | |
Gupta et al. | Linearly quantile separated weighted dynamic histogram equalization for contrast enhancement | |
CN102208101A (zh) | 一种红外图像的自适应线性变换增强方法 | |
CN104463814A (zh) | 基于局部纹理方向性的图像增强方法 | |
CN104715453A (zh) | 一种分区域处理的图像增强方法及电路 | |
CN107392879A (zh) | 一种基于参考帧的低照度监控图像增强方法 | |
CN101754032A (zh) | 保持颜色的去雾方法 | |
Yang et al. | Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform | |
CN104616259B (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
CN111340692A (zh) | 一种红外图像动态范围压缩以及对比度增强算法 | |
CN105279742B (zh) | 一种快速的基于分块噪声能量估计的图像去噪方法 | |
CN111292267B (zh) | 一种基于拉普拉斯金字塔的图像主观视觉效果增强方法 | |
CN103793889A (zh) | 基于字典学习和ppb算法的sar图像去斑方法 | |
CN110853050B (zh) | 一种sar图像河流分割方法、装置及介质 | |
Cho et al. | Enhancement technique of image contrast using new histogram transformation | |
Kadhum | Equalize the histogram equalization for Image enhancement | |
CN115456912A (zh) | 一种基于多尺度wls滤波融合的色调映射方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160608 |