CN107590791B - 图像增强方法以及图像处理装置 - Google Patents

图像增强方法以及图像处理装置 Download PDF

Info

Publication number
CN107590791B
CN107590791B CN201710870155.4A CN201710870155A CN107590791B CN 107590791 B CN107590791 B CN 107590791B CN 201710870155 A CN201710870155 A CN 201710870155A CN 107590791 B CN107590791 B CN 107590791B
Authority
CN
China
Prior art keywords
image
original rgb
value
component
pixel
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
Application number
CN201710870155.4A
Other languages
English (en)
Other versions
CN107590791A (zh
Inventor
赖庆鸿
许神贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Priority to CN201710870155.4A priority Critical patent/CN107590791B/zh
Priority to PCT/CN2017/112449 priority patent/WO2019056549A1/zh
Publication of CN107590791A publication Critical patent/CN107590791A/zh
Application granted granted Critical
Publication of CN107590791B publication Critical patent/CN107590791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/741—Circuitry for compensating brightness variation in the scene by increasing the dynamic range of the image compared to the dynamic range of the electronic image sensors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/85—Camera processing pipelines; Components thereof for processing colour signals for matrixing
    • 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
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10144—Varying exposure
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像增强方法以及图像处理装置，图像增强方法包括：获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；将各原始RGB图像转换到HSI空间，以获得亮度分量图像、饱和度分量图像以及色调分量图像；将各亮度分量图像进行加权融合，以获得融合后的亮度分量图像；将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像。通过上述方式，只计算亮度分量并进行加权融合，简化了计算过程与运算量，降低高动态对比图像的制作计算复杂度。

Description

图像增强方法以及图像处理装置
技术领域
本发明涉及图像显示领域，特别是涉及一种图像增强方法以及图像处理装置。
背景技术
为解决相机可拍摄图像亮度与真实景象的差异，一般采用不同曝光时间长度来控制相机所撷取到的图像资讯。在较长的曝光时间中，高亮度区域一般容易呈现过度曝光的现象，而低亮度区域则可以取得较为清晰的图像细节；反之，在较短的曝光时间中，高亮度区域能取得较清晰的图像细节，而低亮度区域则易于呈现曝光不足的现象。因此，一般采用高曝光时间图像中的低亮区域及低曝光时间的高亮度区域进行图像融合，以制作高动态对比图像。
但现有的图像融合计算复杂，数据繁多，并且需要融合的分量也很多，导致高动态对比图像的制作计算复杂度较高。
发明内容
本发明主要解决的技术问题是提供一种图像增强方法以及图像处理装置，能够有效改善高动态对比图像的制作计算复杂度较高的问题。
为解决上述技术问题，本发明采用的第一个技术方案是：提供一种图像增强方法，包括：获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；将各原始RGB图像转换到HSI空间，以获得分别与各原始RGB图像对应的亮度分量图像以及与至少一原始RGB图像对应的饱和度分量图像以及色调分量图像；将各亮度分量图像进行加权融合，以获得融合后的亮度分量图像；将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像。
为解决上述技术问题，本发明采用的另一个技术方案是：提供一种图像处理装置包括存储器及处理器，其中处理器通过运行所述存储器上存储的程序执行如上述技术方案所述的图像增强方法。
本发明的有益效果是：区别于现有技术，本实施方式中饱和度分量图像和色调分量图像可以不做运算，只需在最后进行转换即可，只计算亮度分量并对亮度分量图像进行加权融合，从而简化了计算过程与运算量，降低高动态对比图像的制作计算复杂度。
附图说明
图1是本发明的一实施方式的图像增强方法的流程示意图；
图2是本发明的另一实施方式的图像增强方法的流程示意图；
图3是图2中的步骤S24的子流程图；
图4是图3中各像素与相邻像素的结构示意图；
图5是本发明的一实施方式的图像处理装置的结构示意图。
具体实施方式
如图1所示，图1是本发明的一实施方式的图像增强方法的流程示意图。在本实施方式中，图像增强方法包括：
在步骤S11中，获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像。由于曝光时间不同，因此每个原始RGB图像的亮度均不同。
在步骤S12中，将各原始RGB图像转换到HSI空间，以获得分别与各原始RGB图像对应的亮度分量图像以及与至少一原始RGB图像对应的饱和度分量图像以及色调分量图像。一般来说，在不同曝光时间下针对同一场景采集的原始RGB图像，之间的亮度不同，因此在转换到HIS空间后可以获得与原始RGB图像数量相同的亮度分量图像。而由于是针对同一场景进行采集，因此饱和度分量图像以及色调分量图像只有一个。
在步骤S13中，将各亮度分量图像进行加权融合，以获得融合后的亮度分量图像。
在步骤S14中，将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像。
通过上述方式，在进行图像增强时，只计算亮度分量并对亮度分量图像进行加权融合，从而简化了计算过程与运算量，降低高动态对比图像的制作计算复杂度。
另外，在优选实施例中，将各原始RGB图像转换到HSI空间的步骤包括：
通过以下公式获得色调分量图像、饱和度分量图像以及亮度分量图像：
Figure GDA0002458540500000031
Figure GDA0002458540500000032
Figure GDA0002458540500000033
其中，
Figure GDA0002458540500000034
Ri(x，y)、Gi(x，y)和Bi(x，y)分别为至少两个原始RGB图像中的第i，个原始RGB图像在x和y坐标位置处的像素的R分量值、G分量值以及B分量值，Hi(x，y)、Si(x，y)和Ii(x，y)分别为第i个原始RGB图像所对应的色调分量图像、饱和度分量图像以及亮度分量图像在x和y坐标位置处的像素的色调分量值、饱和度分量值以及亮度分量值。
上式并非唯一的色调分量图像、饱和度分量图像以及亮度分量图像的唯一公式，本领域技术人员可以采用上述公式进行计算，也可采用其他公知的相关公式进行计算，此处仅提供一优选实施方式。
如图2所示，图2是本发明的另一实施方式的图像增强方法的流程示意图。在本实施方式中，图像增强方法包括：
在步骤S21中，获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像。
在步骤S22中，将各原始RGB图像转换到HSI空间，以获得分别与各原始RGB图像对应的亮度分量图像以及与至少一原始RGB图像对应的饱和度分量图像以及色调分量图像。一般来说，在不同曝光时间下针对同一场景采集的原始RGB图像，之间的亮度不同，因此在转换到HIS空间后可以获得与原始RGB图像数量相同的亮度分量图像。而由于是针对同一场景进行采集，因此饱和度分量图像以及色调分量图像只有一个。
在步骤S23中，从至少两个原始RGB图像选择第一原始RGB图像。
在步骤S24中，将第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合。
在步骤S25中，获得融合后的亮度分量图像。
在步骤S26中，将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像。
请进一步参阅图3，图3是图2中的步骤S24的子流程图。在本实施方式中，步骤S24：将第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合包括子步骤：
在步骤S241中，计算第一原始RGB图像和其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据第一亮度差值的绝对平均值计算第一权重值，其中绝对平均值越大第一权重值越。
在优选实施方式中，计算第一原始RGB图像和其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据第一亮度差值的绝对平均值计算第一权重的步骤包括：
通过以下公式计算第一权重值：
Figure GDA0002458540500000041
Figure GDA0002458540500000051
其中，Ii(x,y)、d1 i(x,y)和
Figure GDA0002458540500000052
为第一原始RGB图像和其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值、绝对平均值以及第一权重值，zj为相邻像素中的第j个相邻像素的亮度分量值，k为相邻像素的数量，n为第一原始RGB图像和其余原始RGB图像的数量。
在步骤S242中，计算其余原始RGB图像与第一原始RGB图像的对应像素之间的第二亮度差值，并根据第二亮度差值计算第二权重，其中第二亮度差值越大第二权重值越大。
在优选实施方式中，计算其余原始RGB图像与第一原始RGB图像的对应像素之间的第二亮度差值，并根据第二亮度差值计算第二权重的步骤包括：
通过以下公式计算第二权重值：
d2 i(x,y)＝Ii(x,y)-I1(x,y)；
Figure GDA0002458540500000053
其中，Ii(x,y)、d2 i(x,y)和
Figure GDA0002458540500000054
为第一原始RGB图像和其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值、第二亮度差值以及第二权重值，I1(x,y)为第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值。
在步骤S243中，根据第一权重值和第二权重值将第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合。
在优选实施方式中，根据第一权重值和第二权重值将第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合的步骤包括：
通过以下公式进行加权融合：
Figure GDA0002458540500000061
其中，IF(x,y)为融合后的亮度分量图像在x，y坐标位置处的像素的亮度分量值，I1(x,y)为所述第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值，
Figure GDA0002458540500000062
为第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的第一权重值，m为图像位深。
若通过上述优选实施方式来进行图像融合，则将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间的步骤包括：
若色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于0度到120度之间，则
Figure GDA0002458540500000063
Bo(x，y)＝C1(x，y)，Ro(x，y)＝C2(x，y)且Go(x，y)＝C3(x，y)；
若色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于120度到240度之间，则
Figure GDA0002458540500000064
Ro(x，y)＝C1(x，y)，Go(x，y)＝C2(x，y)且Bo(x，y)＝C3(x，y)
若色调分量图像的在x，y坐标位置处的像素的色调分量值H(x，y)介于240度到360度之间，则
Figure GDA0002458540500000065
Go(x，y)＝C1(x，y)，Bo(x，y)＝C2(x，y)且Ro(x，y)＝C3(x，y)；
其中，C1(x，y)＝IF(x,y)×(1-S(x,y))；
Figure GDA0002458540500000066
C3(x，y)＝3×IF(x,y)-(C1(x，y)+C2(x，y))；
Ro(x，y)、Go(x，y)和Bo(x，y)分别为增强RGB图像在x，y坐标位置处的像素的R分量值、G分量值和B分量值，S(x,y)为饱和度分量图像在x，y坐标位置处的像素的饱和度分量值。
请进一步参阅图4，图4是图3中各像素与相邻像素的结构示意图。
由图可见，相邻像素为沿行方向和列方向与第一原始RGB图像和其余原始RGB图像中的各像素相邻设置的四个相邻像素，或者与第一原始RGB图像和其余原始RGB图像中的各像素相邻设置的八个相邻像素。
本实施方式中饱和度分量图像和色调分量图像可以不做运算，只需在最后进行转换即可，只计算亮度分量并对亮度分量图像进行加权融合，从而简化了计算过程与运算量，降低高动态对比图像的制作计算复杂度。
请参阅图5，图5是本发明的一实施方式的图像处理装置的结构示意图。图像处理装置30包括存储器32及处理器31。其中处理器31通过运行存储器32上存储的程序执行如上述实施方式中的图像增强方法。
本发明的有益效果是：区别于现有技术，本实施方式中饱和度分量图像和色调分量图像可以不做运算，只需在最后进行转换即可，只计算亮度分量并对亮度分量图像进行加权融合，从而简化了计算过程与运算量，降低高动态对比图像的制作计算复杂度。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种图像增强方法，其特征在于，所述图像增强方法包括：
获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；
将各所述原始RGB图像转换到HSI空间，以获得分别与各所述原始RGB图像对应的亮度分量图像以及与至少一所述原始RGB图像对应的饱和度分量图像以及色调分量图像；
将各所述亮度分量图像进行加权融合，以获得融合后的亮度分量图像；其中，从所述至少两个原始RGB图像选择第一原始RGB图像；计算所述第一原始RGB图像和其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据所述第一亮度差值的绝对平均值计算第一权重值；计算所述其余原始RGB图像与所述第一原始RGB图像的对应像素之间的第二亮度差值，并根据所述第二亮度差值计算第二权重值；根据所述第一权重值和所述第二权重值将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合，计算公式如下：
Figure FDA0002458540490000011
其中，IF(x,y)为融合后的亮度分量图像在x，y坐标位置处的像素的亮度分量值，I1(x,y)为所述第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值，
Figure FDA0002458540490000012
为所述第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的第一权重值，m为图像位深，d2 i(x,y)、
Figure FDA0002458540490000013
和
Figure FDA0002458540490000014
为所述第一原始RGB图像和所述其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的第二亮度差值、第一权重值以及第二权重值；
将所述融合后的亮度分量图像、所述色调分量图像以及所述饱和度分量图像转换到RGB空间，以获得增强RGB图像。
2.根据权利要求1所述的图像增强方法，其特征在于，所述将各所述原始RGB图像转换到HSI空间的步骤包括：
通过以下公式获得所述色调分量图像、饱和度分量图像以及亮度分量图像：
Figure FDA0002458540490000021
Figure FDA0002458540490000022
Figure FDA0002458540490000023
其中，
Figure FDA0002458540490000024
，
Ri(x，y)、Gi(x，y)和Bi(x，y)分别为所述至少两个原始RGB图像中的
第i个原始RGB图像在x和y坐标位置处的像素的R分量值、G分量值以及B分量值，Hi(x，y)、Si(x，y)和Ii(x，y)分别为所述第i个原始RGB图像所对应的色调分量图像、饱和度分量图像以及亮度分量图像在x和y坐标位置处的像素的色调分量值、饱和度分量值以及亮度分量值。
3.根据权利要求1所述的图像增强方法，其特征在于，所述计算所述第一原始RGB图像和其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据所述第一亮度差值的绝对平均值计算第一权重值的步骤包括：
通过以下公式计算所述第一权重值：
Figure FDA0002458540490000025
Figure FDA0002458540490000026
其中，Ii(x,y)、d1 i(x,y)和
Figure FDA0002458540490000027
为所述第一原始RGB图像和所述其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值、绝对平均值以及第一权重值，zj为相邻像素中的第j个相邻像素的亮度分量值，k为相邻像素的数量，n为所述第一原始RGB图像和所述其余原始RGB图像的数量。
4.根据权利要求3所述的图像增强方法，其特征在于，所述相邻像素为沿行方向和列方向与所述第一原始RGB图像和所述其余原始RGB图像中的各像素相邻设置的四个相邻像素，或者与所述第一原始RGB图像和所述其余原始RGB图像中的各像素相邻设置的八个相邻像素。
5.根据权利要求3所述的图像增强方法，其特征在于，所述计算所述其余原始RGB图像与所述第一原始RGB图像的对应像素之间的第二亮度差值，并根据所述第二亮度差值计算第二权重值的步骤包括：
通过以下公式计算所述第二权重值：
d2 i(x,y)＝Ii(x,y)-I1(x,y)；
Figure FDA0002458540490000031
其中，Ii(x,y)、d2 i(x,y)和
Figure FDA0002458540490000032
为所述第一原始RGB图像和所述其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值、第二亮度差值以及第二权重值，I1(x,y)为所述第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值。
6.根据权利要求5所述的图像增强方法，其特征在于，所述将所述融合后的亮度分量图像、所述色调分量图像以及所述饱和度分量图像转换到RGB空间的步骤包括：
若所述色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于0度到120度之间，则
Figure FDA0002458540490000033
Bo(x，y)＝C1(x，y)，Ro(x，y)＝C2(x，y)且Go(x，y)＝C3(x，y)；
若所述色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于120度到240度之间，则
Figure FDA0002458540490000041
Ro(x，y)＝C1(x，y)，Go(x，y)＝C2(x，y)且Bo(x，y)＝C3(x，y)
若所述色调分量图像的在x，y坐标位置处的像素的色调分量值H(x，y)介于240度到360度之间，则
Figure FDA0002458540490000042
Go(x，y)＝C1(x，y)，Bo(x，y)＝C2(x，y)且Ro(x，y)＝C3(x，y)；
其中，C1(x，y)＝IF(x,y)×(1-S(x,y))；
Figure FDA0002458540490000043
C3(x，y)＝3×IF(x,y)-(C1(x，y)+C2(x，y))；
Ro(x，y)、Go(x，y)和Bo(x，y)分别为所述增强RGB图像在x，y坐标位置处的像素的R分量值、G分量值和B分量值，S(x,y)为所述饱和度分量图像在x，y坐标位置处的像素的饱和度分量值。
7.一种图像处理装置，其特征在于，所述图像处理装置包括存储器及处理器，其中所述处理器通过运行所述存储器上存储的程序执行如权利要求1-6任意一项所述的图像增强方法。
CN201710870155.4A 2017-09-22 2017-09-22 图像增强方法以及图像处理装置 Active CN107590791B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710870155.4A CN107590791B (zh) 2017-09-22 2017-09-22 图像增强方法以及图像处理装置
PCT/CN2017/112449 WO2019056549A1 (zh) 2017-09-22 2017-11-23 图像增强方法以及图像处理装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710870155.4A CN107590791B (zh) 2017-09-22 2017-09-22 图像增强方法以及图像处理装置

Publications (2)

Publication Number Publication Date
CN107590791A CN107590791A (zh) 2018-01-16
CN107590791B true CN107590791B (zh) 2020-07-03

Family

ID=61047734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710870155.4A Active CN107590791B (zh) 2017-09-22 2017-09-22 图像增强方法以及图像处理装置

Country Status (2)

Country Link
CN (1) CN107590791B (zh)
WO (1) WO2019056549A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108711160B (zh) * 2018-05-18 2022-06-14 西南石油大学 一种基于hsi增强性模型的目标分割方法
CN108805834A (zh) * 2018-05-28 2018-11-13 电子科技大学 一种内窥镜自动调光的图像处理算法
CN109102484B (zh) * 2018-08-03 2021-08-10 北京字节跳动网络技术有限公司 用于处理图像的方法和装置
CN109636767A (zh) * 2018-11-30 2019-04-16 深圳市华星光电半导体显示技术有限公司 多曝光图像融合方法
CN109605430B (zh) * 2018-12-06 2020-12-29 南通品御鲜食品有限公司 干净刀片更换平台
CN110689489B (zh) * 2019-09-06 2023-12-19 西安交通大学 一种改进IHSI空间中的非均匀光照图像自适应gamma增强方法
CN111429366B (zh) * 2020-03-03 2022-05-17 浙江大学 基于亮度转换函数的单帧弱光图像增强方法
CN113132639B (zh) * 2021-04-22 2023-02-03 亮风台（上海）信息科技有限公司 一种图像处理方法、装置、电子设备及存储介质
CN114708175B (zh) * 2022-03-22 2024-05-31 智冠华高科技(大连)有限公司 一种用于双通道图像传感器的图像融合方法
CN116824586B (zh) * 2023-08-31 2023-12-01 山东黑猿生物科技有限公司 图像处理方法及应用该方法的黑蒜生产质量在线检测系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101110122A (zh) * 2007-08-31 2008-01-23 北京工业大学 基于特征的大幅面文化遗产图像拼接方法
CN106097279A (zh) * 2016-06-24 2016-11-09 电子科技大学 一种高动态图像增强方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8611654B2 (en) * 2010-01-05 2013-12-17 Adobe Systems Incorporated Color saturation-modulated blending of exposure-bracketed images
CN102779330B (zh) * 2012-06-13 2014-08-06 京东方科技集团股份有限公司 图像增强方法、图像增强装置和显示装置
US9626760B2 (en) * 2014-10-30 2017-04-18 PathPartner Technology Consulting Pvt. Ltd. System and method to align and merge differently exposed digital images to create a HDR (High Dynamic Range) image
WO2016078094A1 (en) * 2014-11-21 2016-05-26 SZ DJI Technology Co., Ltd. System and method of fast adaptive blending for high dynamic range imaging

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101110122A (zh) * 2007-08-31 2008-01-23 北京工业大学 基于特征的大幅面文化遗产图像拼接方法
CN106097279A (zh) * 2016-06-24 2016-11-09 电子科技大学 一种高动态图像增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高动态范围图像的合成技术研究;赵瑞丹;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130415(第04期);论文第29，34-39,41-43,50-52页 *

Also Published As

Publication number Publication date
CN107590791A (zh) 2018-01-16
WO2019056549A1 (zh) 2019-03-28

Similar Documents

Publication Publication Date Title
CN107590791B (zh) 图像增强方法以及图像处理装置
US9344638B2 (en) Constant bracket high dynamic range (cHDR) operations
US20220036523A1 (en) Image processor
CN110378845B (zh) 一种基于卷积神经网络的极端条件下的图像修复方法
CN102970549B (zh) 图像处理方法及装置
US8902328B2 (en) Method of selecting a subset from an image set for generating high dynamic range image
CN105141841B (zh) 摄像设备及其方法
KR102022812B1 (ko) 이미지 콘트라스트 보강방법
CN109785240B (zh) 一种低照度图像增强方法、装置及图像处理设备
WO2022000397A1 (zh) 低照度图像增强方法、装置及计算机设备
US7706676B2 (en) Automatic exposure control method
WO2021139635A1 (zh) 超级夜景图像的生成方法、装置、电子设备及存储介质
Wang et al. Low-light image enhancement based on virtual exposure
Feng et al. Low-light image enhancement algorithm based on an atmospheric physical model
CN115883755A (zh) 一种多类型场景下多曝光图像融合方法
CN112991236B (zh) 一种基于模板的图像增强方法及装置
CN114862698A (zh) 一种基于通道引导的真实过曝光图像校正方法与装置
Tan et al. High dynamic range imaging for dynamic scenes with large-scale motions and severe saturation
US11640654B2 (en) Image processing method and apparatus
KR100999811B1 (ko) 균등확률분할 히스토그램 평활화를 이용한 영상 화질 개선 방법
WO2016194234A1 (ja) 画像処理装置、撮像装置、顕微鏡システム、画像処理方法、及び画像処理プログラム
KR101437898B1 (ko) 단일 영상을 이용한 hdr 영상 생성 장치 및 방법
JP6543067B2 (ja) 投影システム、プロジェクター装置、撮像装置、および、プログラム
CN109360176A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN112950510B (zh) 一种大场景拼接图像色差校正方法

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
GR01 Patent grant
GR01 Patent grant