CN107895350B - 一种基于自适应双伽玛变换的hdr图像生成方法 - Google Patents
一种基于自适应双伽玛变换的hdr图像生成方法 Download PDFInfo
- Publication number
- CN107895350B CN107895350B CN201711019861.4A CN201711019861A CN107895350B CN 107895350 B CN107895350 B CN 107895350B CN 201711019861 A CN201711019861 A CN 201711019861A CN 107895350 B CN107895350 B CN 107895350B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- gamma
- values
- brightness
- 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.)
- Expired - Fee Related
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 230000004927 fusion Effects 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 238000013507 mapping Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20208—High dynamic range [HDR] image processing
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于自适应双伽玛变换的HDR图像生成方法,步骤1、基于图像统计特性双伽玛变换值的获取,计算输入的LDR原始图像双伽玛变换值;步骤2、对输入图像进行伽玛变换;步骤3、将两幅生成的图像进行曝光融合。与现有技术相比,本发明提出了一个简化的由输入LDR图像转化为具有HDR效果的图像算法,实现过程简单,复杂度低;并且摆脱了对人为调试参数的依赖,可以自适应的针对不同输入图像进行计算得出相应的变换参数,使这一过程更为智能化。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种高动态范围(HDR)图像生成方法。
背景技术
高动态范围(HDR)图像是近年来在数字图像领域的一项重大突破,相比于低动态范围(LDR)图像,它能呈现更接近人眼所能捕捉的动态范围,且细节更为丰富。随着HDR显示器终端设备的产生及渐渐普及,对高动态范围图像及视频内容的需求也随之大量增加。而获取HDR内容的一种有效的方法就是利用现有内容资源,将LDR内容资源转化为HDR内容资源。
为了直接实现将单一曝光的低动态范围图像内容转换为具有高动态范围效果的图像,很多研究人员采用了反色调映射算子的方法,该方法采用线性或非线性函数对图像的动态范围进行扩展,而伽玛变换就是其中的一种采用非线性函数进行扩展的方法。在此基础上,Masia等人提出了一种基于图像内容与先前实验数据自动计算伽玛值的方法,避免了许多反色调映射算子在高亮区域所产生的问题。
Wang等人则提出了一种基于区域增强生成伪曝光图像,并将其融合生成高动态范围图像的方法(PMET)。该方法提出了一种基于曝光的S曲线,根据不同的输入曝光参数便可通过此曲线对原图像变换,从而生成多幅具有不同曝光效果的伪曝光图像,而区域增强特性使得生成的伪曝光图像展示了原图像中不同区域的细节信息。随后通过融合算法将这些在多幅伪曝光图像中呈现的细节信息融合到同一幅图像中。这种方法确实可以通过单一曝光LDR图像生成具有HDR效果的图像,然而其缺点是对于不同的图像,需要人为地去调整一组曝光参数,才能使融合后的图像具有理想的效果。
发明内容
基于上述现有技术,本发明提出一种基于自适应的双伽玛变换来生成高动态范围图像的方法,通过对图像内容的分析将图像分成偏亮的“明区”与偏暗的“暗区”,针对两个区域自适应地计算生成伽玛变换值;则经过不同伽玛值变换的两幅图像分别包含了原图像中“明区”与“暗区”的细节信息;再将两幅具有不同细节信息的图像融合起来即可生成具有HDR效果的图像。
本发明提出的一种基于自适应双伽玛变换的HDR图像生成方法,该方法包括以下步骤:
步骤1、基于图像统计特性双伽玛变换值的获取,计算输入的LDR原始图像双伽玛变换值,该计算过程又包括以下3个小步骤:
(1)对图像进行分区:在一幅图像中,任意亮度值i出现的次数占图像总像素数的比例为亮度i的概率,这里的i为任意一幅图像Y通道的亮度值,根据图像的统计学特性进行分区,计算公式如下:
Ni表示亮度为i的像素个数,N为图像总的像素数,以i为上限的累积概率为
其中,pm为亮度值为m的像素出现的概率,将累积概率为0.5的亮度值Lmiddle作为划分区域的阈值点,亮度大于此值为“明区”中的像素点,小于此值的为“暗区”中的像素点;
(2)分别计算“明区”与“暗区”的亮度倾向指数:
亮度划分后,在每一区域内根据以下计算公式得出明区与暗区的亮度倾向指数kd、kb:
其中,logLmax和logLmin分别表示原图像的亮度最大值与最小值的对数,log Ldavg、log Lbavg分别表示暗区和明区像素亮度对数值的平均值,其计算公式如公式(5)、(6)所示,L(x,y)为图像在(x,y)处的像素亮度值,Ωd、Ωb分别表示暗区和明区,nd、nb为暗区与明区的像素个数,δ是为了避免因L(x,y)为零时对数值趋于负无穷而设的小数,
(3)由所得亮度倾向指数kb计算伽玛变换参数:
假设变换所需的伽玛值与图像的色调值相关,并成线性关系,即:
γ=a×k+b (7)
其中,k为(2)中得到的亮度倾向指数,a、b为线性变换系数;
步骤2、对输入图像进行伽玛变换:
分别在R、G、B三个通道进行两次伽玛变换,得两幅变换后的图像I1、I2,变换公式如下:
γ1、γ2分别为步骤1中所得伽玛变换值,R、G、B分别为原图像三个通道的色度值,表示对原图像R通道做参数为γ1的伽马变换,表示对原图像R通道做参数为γ2的伽马变换,得到的R1、G1、B1为I1的三个通道色度值,R2、G2、B2为I2的三个通道色度值;
步骤3、将两幅生成的图像进行曝光融合:
对两幅以不同伽玛值变换后的图像以对比度、饱和度和适度曝光量为三个测度因子生成权重图,进行多分辨率金字塔融合,生成具有HDR效果的图像;融合的具体公式如下:
三个测度因子的计算公式为:
对比度,具体计算公式如下:
C=|h*I| (16)
其中,C表示对比度,I为待求对比度的图像,h为拉普拉斯滤波器;
饱和度,饱和度通过计算三个色度通道的标准差获得,具体计算公式如下:
其中,S表示饱和度,IR、IG、IB分别为R、G、B三个色彩通道的像素值,μ为其三者的均值;
适度曝光量,通过高斯曲线来估计,具体计算公式为:
E=ER×EG×EB (20)
其中,E为图像总体的适度曝光量,ER、EG、EB分别为每一通道的适度曝光量,这里我们规定σ=0.2;
wC=wS=wE=1 (25)
其中,Cij,k、Sij,k、Eij,k分别为在第k幅图像中(i,j)位置处像素点的对比度、饱和度和适度曝光量;对三个测度因子相乘得到最终的权重值wC、wS、wE,表示三个测度因子在生成权重图中的“影响”大小。
与现有技术相比,本发明的基于自适应的双伽玛变换来生成高动态范围图像的方法,提出了一个简化的由输入LDR图像转化为具有HDR效果的图像算法,实现过程简单,复杂度低;并且摆脱了对人为调试参数的依赖,该算法可以自适应的针对不同输入图像进行计算得出相应的变换参数,使这一过程更为智能化。
附图说明
图1为本发明的基于自适应双伽玛变换的HDR图像生成方法整体流程示意图;
图2为原始输入图像;
图3为原始图像经γ1=1的伽玛变换后图像;
图4为原始图像经γ2=2.5035的伽玛变换后图像;
图5为将图3与图4融合后的具有HDR效果的图像;
图6为三组图像变换前后的对比图,其中(a)为位于左边一列的原图;(b)为位于中间一列的Wang等人提出的PMET算法生成的HDR图像;(c)为位于右边一列的本专利方法生成的HDR图像。
具体实施方式
下面将结合附图对本发明的实施方式作进一步的详细描述。
步骤1、基于图像统计特性双伽玛变换值的获取,计算输入的LDR原始图像双伽玛变换值,该计算过程包括以下3个小步骤:
(1)对图像进行分区:根据图像的统计学特性进行分区,在一幅图像中,任意亮度值i出现的次数占图像总像素数的比例为亮度i的概率,因为通常情况下Y通道的值更好地反映了像素点的亮度,这里的i为任意一幅图像Y通道的亮度值,计算公式如下:
Ni表示亮度为i的像素个数,N为图像总的像素数。以i为上限的累积概率为
其中,pm为亮度值为m的像素出现的概率,将累积概率为0.5的亮度值Lmiddle作为划分区域的阈值点,亮度大于此值为“明区”中的像素点,小于此值的为“暗区”中的像素点;
(2)分别计算“明区”与“暗区”的亮度倾向指数:
亮度划分后,在每一区域内根据以下计算公式得出明区与暗区的亮度倾向指数kd、kb:
其中,logLmax和logLmin分别表示原图像的亮度最大值与最小值的对数,logLdavg、logLbavg分别表示暗区和明区像素亮度对数值的平均值,其计算公式如公式(5)、(6)所示,L(x,y)为图像在(x,y)处的像素亮度值,Ωd、Ωb分别表示暗区和明区,nd、nb为暗区与明区的像素个数,δ是为了避免因L(x,y)为零时对数值趋于负无穷而设的小数。
(3)由所得亮度倾向指数kb计算伽玛变换参数:
假设变换所需的伽玛值与图像的色调值相关,并成线性关系,即:
γ=a×k+b (7)
其中,k为(2)中得到的亮度倾向指数,a、b为线性变换系数,并在之前的初步研究中,找到a与b的最优值为a=10.44,b=-6.282。
步骤2、对输入图像进行伽玛变换:
分别在R、G、B三个通道进行两次伽玛变换,得两幅变换后的图像I1、I2,变换公式如下:
γ1、γ2分别为步骤1中所得伽玛变换值,R、G、B分别为原图像三个通道的色度值,表示对原图像R通道做参数为γ1的伽马变换,表示对原图像R通道做参数为γ2的伽马变换,得到的R1、G1、B1为I1的三个通道色度值,R2、G2、B2为I2的三个通道色度值;
步骤3、将两幅生成的图像进行曝光融合:
步骤2中得到的两幅伽玛变换生成的图像分别针对原图像中过曝光与欠曝光部分进行了调整,使得这两部分得以更加清晰地呈现。然而目前这两部分分别呈现在不同的图像中,需要将其融合到一幅图像中使其同时包含两部分的细节信息。具体的融合方法采用经典的曝光融合算法,对两幅以不同伽玛值变换后的图像以对比度、饱和度和适度曝光量为三个测度因子生成权重图,进行多分辨率金字塔融合,生成具有HDR效果的图像;融合的具体公式如下:
三个测度因子的计算公式如下:
(1)对比度
C=|h*I| (16)
其中,C表示对比度,I为待求对比度的图像,h为拉普拉斯滤波器。
(2)饱和度
饱和度通过计算三个色度通道的标准差获得,具体计算公式如下:
其中,S表示饱和度,IR、IG、IB分别为R、G、B三个色彩通道的像素值,μ为其三者的均值。
(3)适度曝光量
适度曝光量通过高斯曲线来估计,具体计算公式为:
E=ER×EG×EB (20)
其中,E为图像总体的适度曝光量,ER、EG、EB分别为每一通道的适度曝光量,这里我们规定σ=0.2。
wC=wS=wE=1 (25)
其中,Cij,k、Sij,k、Eij,k分别为在第k幅图像中(i,j)位置处像素点的对比度、饱和度和适度曝光量。通过对三个测度因子相乘得到最终的权重值。wC、wS、wE用来表示三个测度因子在生成权重图中的“影响”大小。
本发明实施例描述如下:
(1)先对原始输入图像进行LDR到HDR的转换。首先对图像进行统计分析,计算得出针对明区与暗区所需的伽玛变换的伽玛值。首先根据公式(3)与公式(4)计算得出两区域的亮度倾向指数:
再由前期实验得到的伽玛值与亮度倾向指数的线性关系公式:
γ=a×k+b
计算相应伽玛变换值;其中a=10.44,b=-6.282,得出伽玛值分别为γ1=-0.49472,γ2=2.5035,由于γ1值为负数,重新将其设为默认值1。
(2)根据上步所得伽玛值对原输入图像进行伽玛变换,采用公式(6)至(11):
所得变换后的两幅图像I1、I2如图3、图4所示。
(3)采用曝光融合算法对经伽玛变换的两幅图像进行融合。以不同伽玛值变换后的图像以对比度、饱和度和适度曝光量为三个测度因子生成权重图,进行多分辨率金字塔融合,生成具有HDR效果的图像;融合的具体公式如下:
其中Cij,k、Sij,k、Eij,k分别为在第k幅图像中(i,j)位置处像素点的对比度、饱和度和适度曝光量。通过对三个测度因子相乘得到最终的权重值。wC、wS、wE用来表示三个测度因子在生成权重图中的“影响”大小。融合后生成的具有HDR效果的图像如图5所示。
Claims (1)
1.一种基于自适应双伽玛变换的HDR图像生成方法,其特征在于,该方法包括以下步骤:
步骤(1)、基于图像统计特性双伽玛变换值的获取,计算输入的LDR原始图像双伽玛变换值,该计算过程又包括以下3个小步骤:
(1)对图像进行分区:在一幅图像中,任意亮度值i出现的次数占图像总像素数的比例为亮度i的概率,这里的i为任意一幅图像Y通道的亮度值,根据图像的统计学特性进行分区,计算公式如下:
Ni表示亮度为i的像素个数,N为图像总的像素数,以i为上限的累积概率为
其中,pm为亮度值为m的像素出现的概率,将累积概率为0.5的亮度值Lmiddle作为划分区域的阈值点,亮度大于此值为“明区”中的像素点,小于此值的为“暗区”中的像素点;
(2)分别计算“明区”与“暗区”的亮度倾向指数:
亮度划分后,在每一区域内根据以下计算公式得出明区与暗区的亮度倾向指数kd、kb:
其中,log Lmax和log Lmin分别表示原图像的亮度最大值与最小值的对数,log Ldavg、logLbavg分别表示暗区和明区像素亮度对数值的平均值,其计算公式如公式(5)、(6)所示,L(x,y)为图像在(x,y)处的像素亮度值,Ωd、Ωb分别表示暗区和明区,nd、nb为暗区与明区的像素个数,δ是为了避免因L(x,y)为零时对数值趋于负无穷而设的小数;
(3)由所得亮度倾向指数kb计算伽玛变换参数:
假设变换所需的伽玛值与图像的色调值相关,并成线性关系,即:
γ=a×k+b (7)
其中,k为(2)中得到的亮度倾向指数,a、b为线性变换系数;
步骤(2)、对输入图像进行伽玛变换:
分别在R、G、B三个通道进行两次伽玛变换,得两幅变换后的图像I1、I2,变换公式如下:
γ1、γ2分别为步骤1中所得伽玛变换值,R、G、B分别为原图像三个通道的色度值,表示对原图像R通道做参数为γ1的伽马变换,表示对原图像R通道做参数为γ2的伽马变换,得到的R1、G1、B1为I1的三个通道色度值,R2、G2、B2为I2的三个通道色度值;
步骤(3)、将两幅生成的图像进行曝光融合:
对两幅以不同伽玛值变换后的图像以对比度、饱和度和适度曝光量为三个测度因子生成权重图,进行多分辨率金字塔融合,生成具有HDR效果的图像;融合的具体公式如下:
三个测度因子的计算公式为:
对比度,具体计算公式如下:
C=|h*I| (16)
其中,C表示对比度,I为待求对比度的图像,h为拉普拉斯滤波器;
饱和度,饱和度通过计算三个色度通道的标准差获得,具体计算公式如下:
其中,S表示饱和度,IR、IG、IB分别为R、G、B三个色彩通道的像素值,μ为其三者的均值;
适度曝光量,通过高斯曲线来估计,具体计算公式为:
E=ER×EG×EB (20)
其中,E为图像总体的适度曝光量,ER、EG、EB分别为每一通道的适度曝光量,这里我们规定σ=0.2;
wC=wS=wE=1 (25)
其中,Cij,k、Sij,k、Eij,k分别为在第k幅图像中(i,j)位置处像素点的对比度、饱和度和适度曝光量;对三个测度因子相乘得到最终的权重值wC、wS、wE,表示三个测度因子在生成权重图中的“影响”大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711019861.4A CN107895350B (zh) | 2017-10-27 | 2017-10-27 | 一种基于自适应双伽玛变换的hdr图像生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711019861.4A CN107895350B (zh) | 2017-10-27 | 2017-10-27 | 一种基于自适应双伽玛变换的hdr图像生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107895350A CN107895350A (zh) | 2018-04-10 |
CN107895350B true CN107895350B (zh) | 2020-01-03 |
Family
ID=61802505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711019861.4A Expired - Fee Related CN107895350B (zh) | 2017-10-27 | 2017-10-27 | 一种基于自适应双伽玛变换的hdr图像生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107895350B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685727B (zh) * | 2018-11-28 | 2020-12-08 | 深圳市华星光电半导体显示技术有限公司 | 图像处理方法 |
CN110135247B (zh) * | 2019-04-03 | 2021-09-24 | 深兰科技(上海)有限公司 | 一种路面分割中的数据增强方法、装置、设备及介质 |
CN110400269B (zh) * | 2019-07-04 | 2021-08-06 | 汕头大学 | 一种快速的hdr图像色调映射方法 |
CN110572585B (zh) * | 2019-08-26 | 2021-03-23 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111429387A (zh) * | 2020-03-12 | 2020-07-17 | 上海扩博智能技术有限公司 | 图像亮度调整方法、系统、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077759A (zh) * | 2014-02-28 | 2014-10-01 | 西安电子科技大学 | 一种基于色觉感知及全局质量因子的多曝光度图像融合方法 |
CN105869112A (zh) * | 2016-04-20 | 2016-08-17 | 西安理工大学 | 一种边缘保持最小化的高动态范围图像色调映射方法 |
CN106960414A (zh) * | 2016-12-12 | 2017-07-18 | 天津大学 | 一种多视角ldr图像生成高分辨率hdr图像的方法 |
CN107045715A (zh) * | 2017-02-22 | 2017-08-15 | 西南科技大学 | 一种单幅低动态范围图像生成高动态范围图像的方法 |
-
2017
- 2017-10-27 CN CN201711019861.4A patent/CN107895350B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077759A (zh) * | 2014-02-28 | 2014-10-01 | 西安电子科技大学 | 一种基于色觉感知及全局质量因子的多曝光度图像融合方法 |
CN105869112A (zh) * | 2016-04-20 | 2016-08-17 | 西安理工大学 | 一种边缘保持最小化的高动态范围图像色调映射方法 |
CN106960414A (zh) * | 2016-12-12 | 2017-07-18 | 天津大学 | 一种多视角ldr图像生成高分辨率hdr图像的方法 |
CN107045715A (zh) * | 2017-02-22 | 2017-08-15 | 西南科技大学 | 一种单幅低动态范围图像生成高动态范围图像的方法 |
Non-Patent Citations (8)
Title |
---|
Evaluation of Reverse Tone Mapping Through Varying Exposure Conditions;Belen Masia等;《ACM Transactions on Graphics》;20091231;第28卷(第5期);第1-8页 * |
HDR VIDEO TONE MAPPING BASED ON GAMMA BLENDING;Takao JINNO等;《Proceedings of 2010 IEEE 17th International Conference on Image Processing》;20100929;第2521-2524页 * |
High Dynamic Range Imaging and Low Dynamic Range Expansion for Generating HDR Content;Francesco Banterle等;《COMPUTER GRAPHICS forum》;20091231;第28卷(第8期);第2343–2367页 * |
Hue that is invariant to brightness and gamma;Graham Finlayson等;《12th British Machine Vision Conference》;20011231;第1-10页 * |
Tone Mapping For High Dynamic Range Displays;Laurence Meylan等;《Proceedings of SPIE》;20070131;第1-12页 * |
高动态范围图像及反色调映射算子;霍永青等;《系统工程与电 子技术》;20120430;第34卷(第4期);第820-826页 * |
高动态范围图像编码及光照技术研究;罗斌玲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20161015(第10期);I138-459 * |
高动态范围图像色调映射方法的研究与实现;蒲雅蕾;《万方数据》;20170815;论文第1-4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN107895350A (zh) | 2018-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107895350B (zh) | 一种基于自适应双伽玛变换的hdr图像生成方法 | |
CN105915909B (zh) | 一种高动态范围图像分层压缩方法 | |
CN107680056B (zh) | 一种图像处理方法及装置 | |
CN105809643B (zh) | 一种基于自适应块通道拉伸的图像增强方法 | |
CN110428379B (zh) | 一种图像灰度增强方法及系统 | |
CN109785240B (zh) | 一种低照度图像增强方法、装置及图像处理设备 | |
CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
CN103886565B (zh) | 基于目的性优化及直方图均衡化的夜间彩色图像增强方法 | |
CN103034986A (zh) | 一种基于曝光融合的夜视图像增强方法 | |
CN110728633A (zh) | 多曝光度高动态范围反色调映射模型构建方法及装置 | |
CN103714520A (zh) | 基于fpga实现数字视频图像增强系统及其方法 | |
KR20160102524A (ko) | 이미지의 역 톤 매핑을 위한 방법 | |
CN101981911A (zh) | 图像处理方法和装置 | |
CN103295206B (zh) | 一种基于Retinex的微光图像增强方法和装置 | |
CN107993189B (zh) | 一种基于局部分块的图像色调动态调节方法和装置 | |
CN111105359B (zh) | 一种高动态范围图像的色调映射方法 | |
CN110930341A (zh) | 一种基于图像融合的低光照图像增强方法 | |
CN110599418B (zh) | 一种变换域融合的全局色调映射方法 | |
CN111480177A (zh) | 改进的逆色调映射方法和对应装置 | |
KR101113483B1 (ko) | 컬러 영상의 가시성 향상 장치 및 방법 | |
CN115661008A (zh) | 一种图像增强处理方法、装置、设备及介质 | |
CN110807735A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN106709888B (zh) | 一种基于人眼视觉模型的高动态范围图像产生方法 | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
CN107358592B (zh) | 一种迭代式全局自适应图像增强方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200103 Termination date: 20201027 |