CN107578387A - 一种基于hsv颜色空间的同态滤波增强方法 - Google Patents
一种基于hsv颜色空间的同态滤波增强方法 Download PDFInfo
- Publication number
- CN107578387A CN107578387A CN201710803621.7A CN201710803621A CN107578387A CN 107578387 A CN107578387 A CN 107578387A CN 201710803621 A CN201710803621 A CN 201710803621A CN 107578387 A CN107578387 A CN 107578387A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- image
- mtd
- 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- Withdrawn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
Landscapes
- Color Image Communication Systems (AREA)
Abstract
本发明涉及一种基于HSV颜色空间的同态滤波增强方法,该方法是一种基于人眼视觉特性的彩色图像增强处理算法。所述方法首先将输入的彩色图像转换到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同态滤波处理;最后再将处理后的图像从HSV颜色空间转换到RGB颜色空间。本发明采用仅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,不会造成颜色失真,具有较好的视觉效果。
Description
技术领域
本发明涉及计算机视觉领域,尤其是一种基于HSV颜色空间的同态滤波增强方法。
背景技术
人们对外界的信息大部分都是从图像中获取的,据统计可知,人类从图像获取的信息占百分之八十,所以信息传递的主要媒体和方式是图像信息。通常情况下,在图像的转换和传送过程中,往往会由于各种各样的原因降低图像的质量。
彩色图像包含比灰度图像更多的信息层次,在视觉感官和后续图像分析方面都优于灰度图像应用十分广泛但因在不同场景获取的彩色图像整体光照不均或颜色减少所以有必要对其进行增强
借鉴同态滤波在频域中进行的图像对比度增强和压缩图像亮度范围的特殊方法,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。
基于以上存在的问题,我们提出一种基于HSV颜色空间的同态滤波增强方法,即选择HSV(Hue,Saturation,Value)彩色空间模型,采用彩色空间转换,仅对亮度分量进行均衡处理,而不改变色调和饱和度,以求在保持色彩背景不变的情形下,增强图像的某些特殊信息。
发明内容
本发明要解决的技术问题在于:针对消除图像上照明不均的这个特定问题,在保持整体色调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,提出了一种基于HSV颜色空间的同态滤波增强方法。
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滤波增强处理,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.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滤波增强处理;
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
本发明所述步骤2.3)的滤波增强公式如下:
f(x,y)=fi(x,y)×fj(x,y)
其中:fi(x,y)是入射到景物上的光强度,在频域中用低频表示;fj(x,y)是景物反射回来的光强度,在频域中用高频表示。
上式是照射分量和反射分量乘积的形式,无法分别对照射分量和反射分量进行操作,对上式两边取对数,把乘积运算转换为和运算,即:
lnf(x,y)=lnfi(x,y)+lnfj(x,y)
对上式进行傅里叶变换,将运算转换到频域,得:
进行灰度级映射后灰度级直方图统计函数为:
F(u,v)=I(x,y)+R(x,y)
其中:I(x,y),R(x,y)分别是lnfi(x,y)和lnfj(x,y)的傅里叶变换,使用同态滤波传递函数H(u,v)对上式进行处理,将F(u,v)乘上同态滤波函数H(u,v),使图像的低频段被压缩,高频段被扩展。即:
H(u,v)×F(u,v)=H(u,v)×I(u,v)+H(u,v)×R(u,v)
接着对傅里叶求反变换得:
g(x,y)=giln(x,y)+grln(x,y)
最后对上式两边取指数,得到同态滤波后的图像:
上式中表示增强后图像的照射分量,增强后图像的反射分量。
与现有技术相比,本发明具有以下有益效果:
1.保持图像整体色彩不变、同时解决了传统基于直方图均衡对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消除图像上照明不均的问题,增强暗区的图像细节,同时又不损失亮区的图像细节。
附图说明
图1是实施一种基于HSV颜色空间的同态滤波增强方法流程图。
图2是对亮度分量V进行处理流程图。
图3-4是实施一种基于HSV颜色空间的同态滤波增强方法效果对比图。
具体实施方式
现以单幅光照不均的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。
本发明为一种基于HSV颜色空间的同态滤波增强方法,将彩色图像由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,然后进行同态滤波处理,再将处理后的图像转换回RGB颜色空间。具体步骤如下:
第一步:将彩色图像由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
本发明所述步骤2.3)的滤波增强公式如下:
f(x,y)=fi(x,y)×fj(x,y)
其中:fi(x,y)是入射到景物上的光强度,在频域中用低频表示;fj(x,y)是景物反射回来的光强度,在频域中用高频表示。
上式是照射分量和反射分量乘积的形式,无法分别对照射分量和反射分量进行操作,对上式两边取对数,把乘积运算转换为和运算,即:
lnf(x,y)=lnfi(x,y)+lnfj(x,y)
对上式进行傅里叶变换,将运算转换到频域,得:
F(u,v)=I(x,y)+R(x,y)
其中:I(x,y),R(x,y)分别是lnfi(x,y)和lnfj(x,y)的傅里叶变换,使用同态滤波传递函数H(u,v)对上式进行处理,将F(u,v)乘上同态滤波函数H(u,v),使图像的低频段被压缩,高频段被扩展。即:
H(u,v)×F(u,v)=H(u,v)×I(u,v)+H(u,v)×R(u,v)
接着对傅里叶求反变换得:
g(x,y)=giln,(x,y)+grln(x,y)
最后对上式两边取指数,得到同态滤波后的图像:
上式中表示增强后图像的照射分量,增强后图像的反射分量。
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:
以上所述实施例,只为更好的说明本发明,并非来限制本发明实施范围,故凡依本发明申请专利范围所述的特征及原理所做的等效变化或修饰,均应包括于本发明专利申请范围内。
Claims (4)
1.一种基于HSV颜色空间的同态滤波增强方法,其特征是在于:它包括以下步骤:
1)将彩色图像由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滤波增强处理,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所述的一种基于HSV颜色空间的同态滤波增强方法,其特征是,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滤波增强处理。
3.根据权利要求2所述的一种基于HSV颜色空间的同态滤波增强方法,其特征是,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所述的一种基于HSV颜色空间的同态滤波增强方法,其特征是,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;
所述步骤2.3)的滤波增强公式如下:
f(x,y)=fi(x,y)×fj(x,y)
其中:fi(x,y)是入射到景物上的光强度,在频域中用低频表示;
fj(x,y)是景物反射回来的光强度,在频域中用高频表示。
上式是照射分量和反射分量乘积的形式,无法分别对照射分量和反射分量进行操作,对上式两边取对数,把乘积运算转换为和运算,即:
lnf(x,y)=lnfi(x,y)+lnfj(x,y)
对上式进行傅里叶变换,将运算转换到频域,得:
F(u,v)=I(x,y)+R(x,y)
其中:I(x,y),R(x,y)分别是lnfi(x,y)和lnfi(x,y)的傅里叶变换,使用同态滤波传递函数H(u,v)对上式进行处理,将F(u,v)乘上同态滤波函数H(u,v),使图像的低频段被压缩,高频段被扩展,即:
H(u,v)×F(u,v)=H(u,v)×I(u,v)+H(u,v)×R(u,v)
接着对傅里叶求反变换得:
g(x,y)=giln(x,y)+grln(x,y)
最后对上式两边取指数,得到同态滤波后的图像:
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>e</mi>
<mrow>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>&times;</mo>
<msup>
<mi>e</mi>
<mrow>
<msub>
<mi>h</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>=</mo>
<msub>
<mi>i</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>r</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
上式中表示增强后图像的照射分量,
增强后图像的反射分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710803621.7A CN107578387A (zh) | 2017-10-16 | 2017-10-16 | 一种基于hsv颜色空间的同态滤波增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710803621.7A CN107578387A (zh) | 2017-10-16 | 2017-10-16 | 一种基于hsv颜色空间的同态滤波增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107578387A true CN107578387A (zh) | 2018-01-12 |
Family
ID=61031578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710803621.7A Withdrawn CN107578387A (zh) | 2017-10-16 | 2017-10-16 | 一种基于hsv颜色空间的同态滤波增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578387A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537744A (zh) * | 2018-03-14 | 2018-09-14 | 北京师范大学 | 一种彩色图像亮度分量同态滤波去雾方法 |
CN110020999A (zh) * | 2019-04-15 | 2019-07-16 | 中科和光(天津)应用激光技术研究所有限公司 | 一种基于同态滤波的非制冷红外热像自适应映射方法 |
CN110675332A (zh) * | 2019-08-20 | 2020-01-10 | 广东技术师范大学 | 一种金属腐蚀图像质量的增强方法 |
CN110706180A (zh) * | 2019-10-09 | 2020-01-17 | 山东大学 | 一种极暗图像视觉质量提升方法、系统、设备及介质 |
CN111242876A (zh) * | 2020-01-17 | 2020-06-05 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
CN113223099A (zh) * | 2021-06-11 | 2021-08-06 | 苏州大学 | 基于生物视觉模型的RatSLAM环境适应性提升方法和系统 |
CN113808048A (zh) * | 2021-09-23 | 2021-12-17 | 安徽理工大学 | 一种采掘模拟场图像增强系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101132477A (zh) * | 2006-08-23 | 2008-02-27 | 原相科技股份有限公司 | 数字图像处理方法及其装置 |
US20100085447A1 (en) * | 2008-10-07 | 2010-04-08 | Kabushiki Kaisha Toshiba | Noise canceling circuit, noise canceling method, and solid-state imaging device |
CN102156963A (zh) * | 2011-01-20 | 2011-08-17 | 中山大学 | 一种混合噪声图像去噪方法 |
CN103268493A (zh) * | 2013-05-29 | 2013-08-28 | 上海电机学院 | Rgb格式的汽车牌照图像定位方法 |
CN103634537A (zh) * | 2013-09-27 | 2014-03-12 | 中国人民解放军空军工程大学 | 一种高强度脉冲噪声滤除方法 |
CN106355563A (zh) * | 2016-08-31 | 2017-01-25 | 河南工业大学 | 一种图像去雾方法和装置 |
CN106504212A (zh) * | 2016-11-07 | 2017-03-15 | 湖南源信光电科技有限公司 | 一种改进的hsi空间信息低照度彩色图像增强算法 |
CN106569190A (zh) * | 2016-10-10 | 2017-04-19 | 华东电子工程研究所(中国电子科技集团公司第三十八研究所) | 一种高海况下海面目标检测装置及其检测方法 |
CN106846265A (zh) * | 2016-12-29 | 2017-06-13 | 国网山东省电力公司菏泽供电公司 | 一种输电线路红外热像图增强方法 |
CN107038688A (zh) * | 2017-03-01 | 2017-08-11 | 武汉科技大学 | 基于Hessian矩阵的图像噪点检测及去噪方法 |
CN107153816A (zh) * | 2017-04-16 | 2017-09-12 | 五邑大学 | 一种用于鲁棒人脸识别的数据增强方法 |
-
2017
- 2017-10-16 CN CN201710803621.7A patent/CN107578387A/zh not_active Withdrawn
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101132477A (zh) * | 2006-08-23 | 2008-02-27 | 原相科技股份有限公司 | 数字图像处理方法及其装置 |
US20100085447A1 (en) * | 2008-10-07 | 2010-04-08 | Kabushiki Kaisha Toshiba | Noise canceling circuit, noise canceling method, and solid-state imaging device |
CN102156963A (zh) * | 2011-01-20 | 2011-08-17 | 中山大学 | 一种混合噪声图像去噪方法 |
CN103268493A (zh) * | 2013-05-29 | 2013-08-28 | 上海电机学院 | Rgb格式的汽车牌照图像定位方法 |
CN103634537A (zh) * | 2013-09-27 | 2014-03-12 | 中国人民解放军空军工程大学 | 一种高强度脉冲噪声滤除方法 |
CN106355563A (zh) * | 2016-08-31 | 2017-01-25 | 河南工业大学 | 一种图像去雾方法和装置 |
CN106569190A (zh) * | 2016-10-10 | 2017-04-19 | 华东电子工程研究所(中国电子科技集团公司第三十八研究所) | 一种高海况下海面目标检测装置及其检测方法 |
CN106504212A (zh) * | 2016-11-07 | 2017-03-15 | 湖南源信光电科技有限公司 | 一种改进的hsi空间信息低照度彩色图像增强算法 |
CN106846265A (zh) * | 2016-12-29 | 2017-06-13 | 国网山东省电力公司菏泽供电公司 | 一种输电线路红外热像图增强方法 |
CN107038688A (zh) * | 2017-03-01 | 2017-08-11 | 武汉科技大学 | 基于Hessian矩阵的图像噪点检测及去噪方法 |
CN107153816A (zh) * | 2017-04-16 | 2017-09-12 | 五邑大学 | 一种用于鲁棒人脸识别的数据增强方法 |
Non-Patent Citations (1)
Title |
---|
刘培等: ""利用线性预测去除图像椒盐噪声"", 《铁道学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537744A (zh) * | 2018-03-14 | 2018-09-14 | 北京师范大学 | 一种彩色图像亮度分量同态滤波去雾方法 |
CN110020999A (zh) * | 2019-04-15 | 2019-07-16 | 中科和光(天津)应用激光技术研究所有限公司 | 一种基于同态滤波的非制冷红外热像自适应映射方法 |
CN110020999B (zh) * | 2019-04-15 | 2023-03-14 | 中科和光(天津)应用激光技术研究所有限公司 | 一种基于同态滤波的非制冷红外热像自适应映射方法 |
CN110675332A (zh) * | 2019-08-20 | 2020-01-10 | 广东技术师范大学 | 一种金属腐蚀图像质量的增强方法 |
CN110706180A (zh) * | 2019-10-09 | 2020-01-17 | 山东大学 | 一种极暗图像视觉质量提升方法、系统、设备及介质 |
CN110706180B (zh) * | 2019-10-09 | 2022-02-11 | 山东大学 | 一种极暗图像视觉质量提升方法、系统、设备及介质 |
CN111242876A (zh) * | 2020-01-17 | 2020-06-05 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
CN111242876B (zh) * | 2020-01-17 | 2023-10-03 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
CN113223099A (zh) * | 2021-06-11 | 2021-08-06 | 苏州大学 | 基于生物视觉模型的RatSLAM环境适应性提升方法和系统 |
CN113808048A (zh) * | 2021-09-23 | 2021-12-17 | 安徽理工大学 | 一种采掘模拟场图像增强系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578387A (zh) | 一种基于hsv颜色空间的同态滤波增强方法 | |
CN105915909B (zh) | 一种高动态范围图像分层压缩方法 | |
US7853094B2 (en) | Color enhancement technique using skin color detection | |
CN106504212A (zh) | 一种改进的hsi空间信息低照度彩色图像增强算法 | |
CN106897972A (zh) | 一种白平衡与暗原色的自适应直方图水下图像增强方法 | |
CN106997584A (zh) | 一种雾霾天气图像增强方法 | |
CN108053374A (zh) | 一种结合双边滤波与Retinex的水下图像增强方法 | |
CN104268843B (zh) | 基于直方图修正的图像自适应增强方法 | |
EP1742178A2 (en) | Contrast enhancement of images | |
CN110047051A (zh) | 一种非均匀照明彩色图像增强方法 | |
CN106530250A (zh) | 一种基于改进的Retinex低照度彩色图像增强方法 | |
CN106846276A (zh) | 一种图像增强方法及装置 | |
CN109685742A (zh) | 一种暗光环境下的图像增强方法 | |
CN103268598A (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
WO2008136629A1 (en) | Image brightness controlling apparatus and method thereof | |
CN101930596A (zh) | 一种复杂光照下的两步法颜色恒常性方法 | |
CN105243641B (zh) | 一种基于双树复小波变换的低光照图像增强方法 | |
CN106651817A (zh) | 一种基于非抽样Contourlet的图像增强方法 | |
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 | |
CN107481206A (zh) | 显微镜图像背景均衡处理算法 | |
Subramani et al. | Quadrant dynamic clipped histogram equalization with gamma correction for color image enhancement | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN111968065A (zh) | 一种亮度不均匀图像的自适应增强方法 | |
CN110473152A (zh) | 基于改进Retinex算法的图像增强方法 |
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 |
Application publication date: 20180112 |
|
WW01 | Invention patent application withdrawn after publication |