CN107481206A - 显微镜图像背景均衡处理算法 - Google Patents
显微镜图像背景均衡处理算法 Download PDFInfo
- Publication number
- CN107481206A CN107481206A CN201710747991.3A CN201710747991A CN107481206A CN 107481206 A CN107481206 A CN 107481206A CN 201710747991 A CN201710747991 A CN 201710747991A CN 107481206 A CN107481206 A CN 107481206A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- msup
- mtr
- 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.)
- Withdrawn
Links
- 238000013507 mapping Methods 0.000 claims abstract description 23
- 230000002708 enhancing effect Effects 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 239000006002 Pepper Substances 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000000386 microscopy Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明针对显微图像背景均衡处理,是一种基于人眼视觉特性的图像背景增强处理算法。所述方法首先将输入的显微镜图像转换到HSV颜色空间;然后对亮度分量V进行噪声判断后做线性映射变换;接着对变换后的图像做均衡处理;最后再将显微图像从HSV颜色空间转换到RGB颜色空间。本发明采用对亮度分量进行增强处理,不改变图像的色调、饱和度;整体提高了彩色图像的亮度,具有较好的视觉效果;实现了显微图像背景均衡处理。
Description
技术领域
本发明涉及计算机视觉领域,特指显微镜背景均衡处理算法。
背景技术
当前,显微镜作为常用仪器,已经被社会各界运用到企业生产、科学研究、各类检测及专业教学等方面,特别是在生物医学领域的应用。
由于显微镜采光不均匀,经常会产生低照度图像,这样的图像首先给人带来视觉上的不舒适,同时也不利于后续的图像处理工作。为了改善这类图像的视觉效果,需要对其进行增强处理。
借鉴直方图均衡化在灰度图像中的应用,并考虑到彩色图像的多分量属性可以对RGB彩色图像每个分量分别进行直方图均衡化处理,但此做法很可能产生不正确彩色在增强图像信息的同时存在失真。
发明内容
本发明要解决的技术问题在于:针对低照度显微镜彩色图像增强这个特定问题,在保持图像背景一致的情况下为了提高图像的对比度和局部细节的清晰度,获得较好的视觉效果,提出了显微镜背景均衡处理算法。
为了解决上述技术问题,本发明是通过以下技术方案来实现的:
1)将彩色显微镜图像由RGB颜色空间转换到HSV颜色空间;
2)保持HSV颜色空间色调分量H和饱和度分量S不变,色调V向量进行噪声判断是否需要线性映射,然后对映射后的图像作亮度增强处理,实现对图像进行增强;
3)将图像由HSV颜色空间转换到RGB颜色空间,最终得到增强后的彩色图像。
本发明所述步骤2)具体包括以下步骤:
2.1)对图像的亮度分量V进行椒盐噪声判断;
2.2)若是则不进行均衡处理;否则进行均衡处理;
2.3)对上述变换后的图像进行亮度增强处理;
本发明所述步骤2.1)的椒盐噪声判断公式如下:
minu∈Z|f(x,y)-Mu|>T;
其中:f(x,y):原始图像灰度值;T:判定噪声阈值;Z:邻域Mu的取值区间。
本发明所述步骤2.2)的线性映射公式如下:
其中:f(x,y):原始图像灰度值;Imax:原始图像中最亮值;Imin:原始图像中最暗灰度值;f(z):调整后的灰度值;
直方图的映射表示为:
his[z′]=his[z];
通过以上公式完成了将灰度分布集中的灰度级进行整个输出灰度级的直方图映射。
要完成对映射后的直方图灰度级进行统计,假设直方图的阈值为零,也就是说这时只对没有像素分布的灰度级进行压缩。
定义:
进行灰度级映射后灰度级直方图统计函数为:
将映射后灰度级坐等间距排列,其产生的新的灰度级表达式为:
通过上式,可以得出重新排列的灰度级输出序列,但是存在非整数的情况,这在实际的灰度级排列中是不存在的,所以还必须对Tk进行判定和取整,首先找到Tk在z′中的具体位置,假如有z′i<Tk<z′i+1,具体计算为:
最后进行对应的直方图映射,找到T′k在z′中对应的具体位置,然后用该位置所对应的直方图来表示T′灰度级的直方图,具体表达式为:
通过上式的处理,可以将没有像素分布的灰度级进行完全压缩,对有效灰度级进行无损均衡。
本发明所述步骤2.3)的亮度公式如下:
F′(x,y)=f(x,y)+L-m(x,y);
其中:F′(x,y)为增强后的像素值;f(x,y)为映射后的像素值;L为亮度阈值;m(x,y)为亮度V分量均值;
与现有技术相比,本发明具有以下有益效果:
1.保持图像背景不变、同时解决了传统基于直方图均衡对显微镜彩色图像处理后出现的过增强问题。
2.本发明对参数依赖较少,能在保留原图颜色背景的同时也具有一定的增强能力。
附图说明
图1是实施显微镜背景均衡算法流程图。
图2是对亮度分量V进行处理流程。
图3是实施显微镜背景均衡算法图像效果对比。
图4是实施显微镜背景均衡算法图像效果对比。
具体实施方式
现以单幅显微镜低照度彩色图片为例,结合附图对本发明做进一步详细说明。
基于直方图均衡化算法对图像增强容易造成颜色失真、过增强等问题。为了有效地改善显微彩色图像的视觉效果,本发明在灰度冗余原理上对亮度分量V的增强进行了改进。
如图1-4,本发明为一种显微镜图像背景均衡处理算法,将彩色显微图像由RGB颜色空间转换到HSV颜色空间,然后仅对亮度分量V进行改进的灰度均衡处理增强,再将增强后的图像转换回RGB颜色空间。具体步骤如下:
第一步:将彩色显微镜图像由RGB颜色空间转换到HSV颜色空间;
HSV和RGB是色彩空间的不同表示方法,RGB颜色模型是一种面向设备的颜色空间,RGB的数值与色彩的三属性并没有直接的联系;HSV用颜色的3个基本属性—色调(Hue)、饱和度(Saturation)和明度(Value)来表示色彩,是面向视觉感知的颜色模型。由于HSV能较好地反映人对色彩的感知和鉴别,所以非常适合图像处理。
由以下公式从RGB空间的色彩转换至HSV空间:
其中,其中Tmax为R,G,B中最大值,Tmin为最小值。
第二步:保持色相H分量和饱和度分量S不变,对亮度分量V进行噪声判断,如下:
minu∈Z|f(x,y)-Mu|>T;
其中:f(x,y):原始图像灰度值;T:判定噪声阈值;Z:邻域Mu的取值区间。
判断结果是噪声则不处理,不是噪声则进行均衡处理,公式如下:
其中:f(x,y):原始图像灰度值;Imax:原始图像中最亮值;Imin:原始图像中最暗灰度值;f(z):调整后的灰度值
直方图的映射表示为:
his[z′]=his[z]
通过以上公式完成了将灰度分布集中的灰度级进行整个输出灰度级的直方图映射。
要完成对映射后的直方图灰度级进行统计,假设直方图的阈值为零,也就是说这时只对没有像素分布的灰度级进行压缩。
定义:
进行灰度级映射后灰度级直方图统计函数为:
将映射后灰度级坐等间距排列,其产生的新的灰度级表达式为:
通过上式,可以得出重新排列的灰度级输出序列,但是存在非整数的情况,这在实际的灰度级排列中是不存在的,所以还必须对Tk进行判定和取整,首先找到Tk在z’中的具体位置,假如有z′i<Tk<z′i+1,具体计算为:
最后进行对应的直方图映射,找到T′k在z′中对应的具体位置,然后用该位置所对应的直方图来表示T′灰度级的直方图,具体表达式为:
通过上式的处理,可以将没有像素分布的灰度级进行完全压缩,对有效灰度级进行无损均衡。
本发明所述步骤2.3)的亮度公式如下:
F′(x,y)=f(x,y)+L-m(x,y);
其中:F′(x,y)为增强后的像素值;f(x,y)为映射后的像素值;L为亮度阈值;m(x,y)为亮度V分量均值;
第三步:将图像由HSV颜色空间转换回RGB空间,最终得到增强后的彩色图像。
利用以下式使HSV颜色空间转回RGB空间:
Claims (5)
1.一种显微镜背景均衡处理算法,其特征是在于,包括以下步骤:
1)将彩色显微镜图像由RGB颜色空间转换到HSV颜色空间;
2)保持HSV颜色空间色调分量H和饱和度分量S不变,色调V向量进行噪声判断是否需要线性映射,然后对映射后的图像作亮度增强处理,实现对图像进行增强;
3)将图像由HSV颜色空间转换到RGB颜色空间,最终得到增强后的彩色图像。
2.根据权利要求1所述的显微镜图像背景均衡处理算法,其特征在于,所述步骤2)具体包括以下步骤:
2.1)对图像的亮度分量V进行椒盐噪声判断;
2.2)若是则不进行灰度冗余处理;否则进行灰度冗余处理;
2.3)对上述变换后的图像进行亮度增强处理。
3.根据权利要求2所述的显微镜图像背景均衡处理算法,其特征在于,所述步骤2.1)的椒盐噪声判断公式如下:
minu∈Z|f(x,y)-Mu|>T
其中:
f(x,y):原始图像灰度值;
T:判定噪声阈值;
Z:邻域Mu的取值区间。
4.根据权利要求2所述的显微镜图像背景均衡处理算法,其特征在于,所述步骤2.2)的线性映射公式如下:
<mrow>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>I</mi>
<mi>min</mi>
</msub>
<mo>)</mo>
<mo>*</mo>
<mn>255</mn>
<mo>/</mo>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>I</mi>
<mi>min</mi>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>255</mn>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>I</mi>
<mi>min</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>I</mi>
<mi>min</mi>
</msub>
<mo><</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo><</mo>
<msub>
<mi>I</mi>
<mi>max</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>I</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中:
f(x,y):原始图像灰度值;
Imax:原始图像中最亮值;
Imin:原始图像中最暗灰度值;
f(z):调整后的灰度值;
直方图的映射表示为:
his[z′]=his[z]
通过以上公式完成了将灰度分布集中的灰度级进行整个输出灰度级的直方图映射;
要完成对映射后的直方图灰度级进行统计,假设直方图的阈值为零,也就是说这时只对没有像素分布的灰度级进行压缩;
定义:
进行灰度级映射后灰度级直方图统计函数为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>L</mi>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
</msubsup>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>0</mn>
<mo>,</mo>
<mn>255</mn>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
将映射后灰度级坐等间距排列,其产生的新的灰度级表达式为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mi>j</mi>
<mo>&times;</mo>
<mfrac>
<mn>255</mn>
<msub>
<mi>L</mi>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
</msub>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>........</mn>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
通过上式,可以得出重新排列的灰度级输出序列,但是存在非整数的情况,这在实际的灰度级排列中是不存在的,所以还必须对Tk进行判定和取整,首先找到Tk在z′中的具体位置,假如有z′i<Tk<z′i+1,具体计算为:
<mrow>
<msub>
<msup>
<mi>T</mi>
<mo>&prime;</mo>
</msup>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mo><</mo>
<mfrac>
<mrow>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
最后进行对应的直方图映射,找到T′k在z′中对应的具体位置,然后用该位置所对应的直方图来表示T′灰度级的直方图,具体表达式为:
<mrow>
<mi>h</mi>
<mi>i</mi>
<mi>s</mi>
<mi>t</mi>
<mo>&lsqb;</mo>
<msub>
<msup>
<mi>T</mi>
<mo>&prime;</mo>
</msup>
<mi>k</mi>
</msub>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>h</mi>
<mi>i</mi>
<mi>s</mi>
<mo>&lsqb;</mo>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>h</mi>
<mi>i</mi>
<mi>s</mi>
<mo>&lsqb;</mo>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mfrac>
<mrow>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mo><</mo>
<mfrac>
<mrow>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<msup>
<mi>z</mi>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
</mtd>
</mtr>
</mtable>
</mfenced>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
通过以上处理,可以将没有像素分布的灰度级进行完全压缩,对有效灰度级进行无损均衡。
5.根据权利要求2所述的显微镜图像背景均衡处理算法,其特征在于,所述步骤2.3)的亮度公式如下:
F′(x,y)=f(x,y)+L-m(x,y)
其中:
F′(x,y)为增强后的像素值;
f(x,y)为映射后的像素值;
L为亮度阈值;
m(x,y)为亮度V分量均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710747991.3A CN107481206A (zh) | 2017-08-28 | 2017-08-28 | 显微镜图像背景均衡处理算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710747991.3A CN107481206A (zh) | 2017-08-28 | 2017-08-28 | 显微镜图像背景均衡处理算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107481206A true CN107481206A (zh) | 2017-12-15 |
Family
ID=60603741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710747991.3A Withdrawn CN107481206A (zh) | 2017-08-28 | 2017-08-28 | 显微镜图像背景均衡处理算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107481206A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544467A (zh) * | 2018-10-23 | 2019-03-29 | 江苏理工学院 | 一种基于lab模型下增强彩色图像对比度的方法 |
CN109658341A (zh) * | 2018-10-26 | 2019-04-19 | 深圳市华星光电技术有限公司 | 增强图像对比度的方法及其装置 |
CN111223110A (zh) * | 2020-01-06 | 2020-06-02 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
CN111612705A (zh) * | 2020-04-24 | 2020-09-01 | 南京邮电大学 | 一种增强ocr性能的背景图像消除方法 |
CN112102187A (zh) * | 2020-09-10 | 2020-12-18 | 深圳市爱协生科技有限公司 | 一种对彩色图像进行对比度增强的方法 |
CN114359150A (zh) * | 2021-12-03 | 2022-04-15 | 深圳市宏电技术股份有限公司 | 一种基于边缘检测和直方图阈值设定的工服检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1750044A (zh) * | 2005-08-22 | 2006-03-22 | 上海广电(集团)有限公司中央研究院 | 截断直方图均衡方法 |
CN102202163A (zh) * | 2011-05-13 | 2011-09-28 | 成都西图科技有限公司 | 一种监控视频的自适应增强方法及其装置 |
-
2017
- 2017-08-28 CN CN201710747991.3A patent/CN107481206A/zh not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1750044A (zh) * | 2005-08-22 | 2006-03-22 | 上海广电(集团)有限公司中央研究院 | 截断直方图均衡方法 |
CN102202163A (zh) * | 2011-05-13 | 2011-09-28 | 成都西图科技有限公司 | 一种监控视频的自适应增强方法及其装置 |
Non-Patent Citations (4)
Title |
---|
刘培: ""利用线性预测去除图像椒盐噪声"", 《铁道学报》 * |
李怀琼 等,: ""基于灰度冗余的红外图像实时均衡技术"", 《激光与红外》 * |
田小平 等,: ""基于同态滤波的彩色图像增强"", 《西安邮电大学学报》 * |
胡艳华 等,: "直方图分类耦合模糊逻辑的图像增强算法", 《计算机工程与设计》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544467A (zh) * | 2018-10-23 | 2019-03-29 | 江苏理工学院 | 一种基于lab模型下增强彩色图像对比度的方法 |
CN109544467B (zh) * | 2018-10-23 | 2023-09-22 | 江苏理工学院 | 一种基于lab模型下增强彩色图像对比度的方法 |
CN109658341A (zh) * | 2018-10-26 | 2019-04-19 | 深圳市华星光电技术有限公司 | 增强图像对比度的方法及其装置 |
CN111223110A (zh) * | 2020-01-06 | 2020-06-02 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
CN111223110B (zh) * | 2020-01-06 | 2023-07-18 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
CN111612705A (zh) * | 2020-04-24 | 2020-09-01 | 南京邮电大学 | 一种增强ocr性能的背景图像消除方法 |
CN111612705B (zh) * | 2020-04-24 | 2022-08-23 | 南京邮电大学 | 一种增强ocr性能的背景图像消除方法 |
CN112102187A (zh) * | 2020-09-10 | 2020-12-18 | 深圳市爱协生科技有限公司 | 一种对彩色图像进行对比度增强的方法 |
CN114359150A (zh) * | 2021-12-03 | 2022-04-15 | 深圳市宏电技术股份有限公司 | 一种基于边缘检测和直方图阈值设定的工服检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107481206A (zh) | 显微镜图像背景均衡处理算法 | |
CN103914699B (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN104182947B (zh) | 一种低照度图像增强方法和系统 | |
CN101360250B (zh) | 沉浸产生方法和系统及因素控制、内容分析及参数预测法 | |
CN105009580B (zh) | 高动态范围视频的显示管理 | |
CN104981861B (zh) | 信号转换装置和方法 | |
CN106504212A (zh) | 一种改进的hsi空间信息低照度彩色图像增强算法 | |
CN110377860B (zh) | 一种页面颜色调整方法、装置及电子设备 | |
CN106530250A (zh) | 一种基于改进的Retinex低照度彩色图像增强方法 | |
CN102223547B (zh) | 图像色彩增强装置和方法 | |
CN104166967B (zh) | 提升视频图像清晰度的方法 | |
JP3141245B2 (ja) | 画像の表示方法 | |
CN109447910A (zh) | 一种基于模糊理论的低照度彩色图像增强方法 | |
CN103593830A (zh) | 一种低照度视频图像增强方法 | |
CN101425179A (zh) | 一种人脸图像重光照的方法及装置 | |
CN108257099A (zh) | 一种基于视觉对比度分辨率的自适应红外图像增强方法 | |
CN105761292B (zh) | 一种基于颜色转移和修正的图像着色方法 | |
CN109408008A (zh) | 影像辨识系统及其信息显示方法 | |
CN103632351A (zh) | 一种基于亮度基准漂移的全天候交通图像增强方法 | |
CN101383912B (zh) | 电视摄像色彩智能化自动调节方法 | |
CN106971380A (zh) | 一种对比度增强和视觉显著度优化方法在高尔夫球场图中的应用 | |
US5828819A (en) | Apparatus and method for automatically creating a picture in a style having painting-like coloring using an image processing | |
CN102542526B (zh) | 一种图像去色方法 | |
CN109035175A (zh) | 基于色彩纠正与脉冲耦合神经网络的人脸图像增强方法 | |
CN105631826A (zh) | 一种彩色图像饱和度增强方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171215 |