CN107945128B - 一种基于Retinex的彩色图像增强方法 - Google Patents
一种基于Retinex的彩色图像增强方法 Download PDFInfo
- Publication number
- CN107945128B CN107945128B CN201711207694.6A CN201711207694A CN107945128B CN 107945128 B CN107945128 B CN 107945128B CN 201711207694 A CN201711207694 A CN 201711207694A CN 107945128 B CN107945128 B CN 107945128B
- Authority
- CN
- China
- Prior art keywords
- image
- channel
- source
- channel image
- dyeing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004043 dyeing Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000010186 staining Methods 0.000 claims description 17
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 230000002194 synthesizing effect Effects 0.000 abstract 1
- 210000004204 blood vessel Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000001525 retina Anatomy 0.000 description 4
- 230000002207 retinal effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 125000001475 halogen functional group Chemical group 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010827 pathological analysis Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004256 retinal image Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于Retinex的彩色图像增强方法，包括：计算源图像灰度值，得到第一灰度图像；对第一灰度图像做多尺度Retinex处理和像素修正，得到第二灰度图像；根据第一灰度图像和第二灰度图像计算出染色因子；根据染色因子分别对源R通道、源G通道和源B通道的图像染色，得到第二R通道、第二G通道和第二B通道的图像；对所述源R通道图像进行染色处理，得到第三R通道图像；将第三R通道、第二G通道和第二B通道的图像合成，获得增强的彩色图像。本发明提供的技术方案能够改善图像亮度和对比度，避免图像失真，消除了对比度明显区域容易产生光晕的问题，并能增强图像边缘信息，突出图像细节。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于Retinex的彩色图像增强方法。
背景技术
眼底图像的质量对于疾病的检测以及获得可靠的诊断结果具有至关重要的作用。但视网膜眼底图像受成像设备、成像环境的影响，所获图像质量效果差，图像亮度和对比度很低，这些因素使得直接通过拍摄的眼底图像进行病理分析有一定困难，且诊断容易产生偏差，因此需要提高此类眼底图像的亮度和对比度，增强细节部分，便于分析。因此，在临床上，眼底图像的增强对于心血管疾病的诊断以及治疗评价具有重要的意义。
目前常用的视网膜图像增强方法有直方图均衡化、对比度受限自适应直方图均衡化、数学形态学方法以及Hessian矩阵增强等方法。直方图均衡化是应用比较多的方法，但是由于增强后的灰度级减少，图像的细节会消失。为了弥补此问题，又提出了对比度受限自适应直方图均衡化算法，但是这种方法对于灰度级比较集中的图像增强效果不明显。数学形态学滤波可以很好地提取图像亮暗区域以及细节部分，但主要针对灰度图像来进行提取。基于Hessian矩阵的滤波方法，对实现视网膜图像的全局增强是不合适的。眼底图像增强方法一般是增强血管信息以使其更有利于下一步血管的提取，而很少能够实现对视网膜图像中的血管、视盘和病灶等有用信息进行有保留的增强；另一方面，已有的眼底图像增强方法大部分是将彩色图像转化为对灰度图形进行增强的，因此，很难实现图像视觉效果保真。在具体的增强方法中，我们需要多方面的考虑，不仅需要突出图像的某些细节部分，还要对图像的动态范围和色彩信息等有所考虑。
基于人类视觉系统的Retinex图像增强算法有着传统增强算法不可比拟的颜色恒常效果，增强后的图像局部对比度显著提高，能够有效地提高图像暗区域内的细节部分且色彩信息可得到很好的恢复，对提高医生的临床准确性有很大帮助。最早的单尺度Retinex(Single Scale Retinex,SSR)算法，虽可提高图像的对比度，但不能兼顾动态范围压缩及色调恢复，且会出现光晕现象。为了克服SSR算法的缺点，Rahman等提出了多尺度Retinex(Multi-Scale Retinex,MSR)算法，但是MSR色彩失真较大，随后又提出了带色彩恢复的多尺度Retinex(Multi-Scale Retinex with Color Restoration,MSRCR)算法，实现了对MSR处理结果的色彩补偿。但是MSRCR在计算过程中需要进行大量的卷积运算，会降低算法运算效率，并且经过处理后的图像会超出显示器的显示范围，常规的处理方法容易引起彩色图像的失真。因此，对处理视网膜眼底彩色图像增强鲜见报道，主要原因是眼底图像的结构明暗对比度明显，动态范围比较大，采用MSRCR方法处理后发现光晕现象明显，无法观察到视神经盘，并且细节部分丢失严重，图像颜色总体泛白化。
发明内容
本发明旨在提供一种基于Retinex的彩色图像增强方法，能够改善彩色图像的亮度和对比度，避免彩色图像的失真，消除了对比度明显区域容易产生光晕的问题，并能增强图像边缘信息，突出图像细节。
为达到上述目的，本发明采用的技术方案如下：
一种基于Retinex的彩色图像增强方法，包括：
获取源RGB图像，并获取所述源RGB图像中的源R通道图像、源G通道图像和源B通道图像；计算所述源RGB图像的灰度值，得到第一灰度图像；对所述第一灰度图像做多尺度Retinex处理，得到第一反射图像；对所述第一反射图像进行图像像素修正，得到第二灰度图像；根据所述第二灰度图像和所述第一灰度图像计算出第一染色因子；根据所述第一染色因子分别对所述源G通道图像和源B通道图像进行染色处理，得到第二G通道图像和第二B通道图像；对所述源R通道图像进行染色处理，得到第三R通道图像；将所述第三R通道图像、第二G通道图像和第二B通道图像进行图像合成，获得所述源RGB图像增强后的彩色图像。
优选地，所述对所述源R通道图像进行染色处理，得到第三R通道图像的方法包括：
对所述源R通道图像做多尺度Retinex处理后，再进行图像像素修正，得到第二R通道图像；根据所述第二R通道图像和所述源R通道图像计算出第二染色因子；取所述第一染色因子和第二染色因子中的较大值，根据所述较大值对所述源R通道图像进行染色处理，得到第三R通道图像。
优选地，所述对所述第一反射图像进行图像像素修正，得到第二灰度图像的方法为：
其中，RMSR(x,y)为所述第一反射图像，
和
为所述第一反射图像直方图两端的截取百分比，M为所述第一反射图像的像素数，R′MSR(x,y)为第二灰度图像。
优选地，所述第一染色因子为所述第二灰度图像与所述第一灰度图像的比值；所述第二染色因子为所述第二R通道图像与所述源R通道图像的比值。
优选地，所述根据所述第一染色因子分别对所述源G通道图像和源B通道图像进行染色处理，得到第二G通道图像和第二B通道图像的方法为：
I′G(x,y)＝IG(x,y)×factor1
I′B(x,y)＝IB(x,y)×factor1
其中，factor1为第一染色因子，IG(x,y)为源G通道图像，IB(x,y)为源B通道图像，I′G(x,y)为第二G通道图像，I′B(x,y)为第二B通道图像。
本发明实施例提供的基于Retinex的彩色图像增强方法，通过对源RGB图像的第一灰度图像进行多尺度Retinex处理后，再进行图像像素的修正，根据修正后的第二灰度图像和第一灰度图像可获取第一染色因子，根据第一染色因子对源RGB图像的G、B两个通道图像分别进行染色，再对源RGB图像的R通道图像进行染色，将处理后的三个通道合成最终增强后的彩色图像。尤其对图像像素进行修正时，剪切了直方图两端的小概率值，使得更大范围的灰度级用于表示图像的细节，因此提高了图像对比度。本发明提供的技术方案，能够改善彩色图像的亮度和对比度，避免彩色图像的失真，消除了对比度明显区域容易产生光晕的问题，并能增强图像边缘信息，突出图像细节。
附图说明
图1为本发明实施例的方法流程图；
图2为本发明实施例中的原始眼底彩色图像；
图3为采用现有的MSRCR算法对图2进行处理后的图像；
图4为采用本发明的方法对图2进行处理后的图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。
步骤101，获取源RGB图像，并获取所述源RGB图像中的源R通道图像、源G通道图像和源B通道图像；
本实施例中，将获取的源RGB图像先转换为double型，再分别提取源R通道图像信息、源G通道图像信息和源B通道图像信息，并分别记为R(x,y)、G(x,y)、B(x,y)。
步骤102，计算所述源RGB图像的灰度值，得到第一灰度图像I(x,y)；
本实施例中，根据以下公式计算源RGB图像的灰度值，该公式也是在HSI(Hue，Saturation，Intensity)色彩空间提取亮度的方法：
I(x,y)＝(R(x,y)+G(x,y)+B(x,y))/3
式中的R(x,y)、G(x,y)、B(x,y)即为步骤101中的R(x,y)、G(x,y)、B(x,y)。
步骤103，对所述第一灰度图像I(x,y)做多尺度Retinex处理，得到第一反射图像RMSR(x,y)：
式中，N为尺度数目,RMRS(x,y)表示多尺度的输出结果,即第一反射图像，Wn为对应的每一个尺度的权值，G(x,y,c)表示高斯环绕函数，c为高斯函数的标准偏差，在本实施例中分别选择小尺度、中尺度、大尺度的高斯环绕函数。根据参数表设定三个尺度参数，这里我们取15,80,250三个尺度。K为归一化因子，使高斯环绕函数满足：
∫∫G(x,y,c)dxdy＝1
步骤104，对所述第一反射图像RMSR(x,y)进行图像像素修正，得到第二灰度图像；
由于上述处理为对数域的输出，可能会出现负值，也有可能会超出显示器的显示范围，因此必须要进行适当的修正将像素压缩到显示器可以显示的范围[0,255]内。关于这个映射的算法(增强补偿算法)，具有重要的意义，它的好坏直接决定了最后输出的图像质量。本实施例主要采用SCB(Simplest Color Balance)进行增益补偿，公式描述如下所示：
其中，RMSR(x,y)为所述第一反射图像，
和
为所述第一反射图像直方图两端的截取百分比，M为所述第一反射图像的像素数，R′MSR(x,y)为第二灰度图像。
本实施例中我们把S1，S2都设置为1，使图像中的R、G、B每个通道上的值通过本步骤的公式变换映射到[0,255]之间，因此，剪切了第一反射图像的直方图中两端小概率值，使得更大范围的灰度级用于表示图像的细节，因此提高了图像对比度。
步骤105，根据所述第一灰度图像和所述第二灰度图像计算出第一染色因子factor1；
本实施例中，所述第一染色因子为所述第二灰度图像与所述第一灰度图像的比值，即
步骤106，根据所述第一染色因子factor1分别对所述源G通道图像和源B通道图像进行染色处理，得到第二G通道图像和第二B通道图像，具体方法为：
I′G(x,y)＝IG(x,y)×factor1
I′B(x,y)＝IB(x,y)×factor1
其中，factor1为第一染色因子，IG(x,y)为源G通道图像，IB(x,y)为源B通道图像，I′G(x,y)为第二G通道图像，I′B(x,y)为第二B通道图像。
步骤107，对所述源R通道图像进行染色处理，得到第三R通道图像；
由于R通道的亮度信息最多，经过亮度调整后(即染色处理后)信息可能存在丢失情况，若直接用第一染色因子对源R通道图像进行染色，得到的图像可能颜色偏红，因此需要对源R通道图像进行另外的染色处理，具体方法包括：
(1)对所述源R通道图像做多尺度Retinex处理后，再进行图像像素修正，得到第二R通道图像；
其中，对源R通道图像做多尺度Retinex处理的公式为：
式中，IR(x,y)为源R通道图像，其它参数意义与公式(1)中相同。
再根据步骤104中的公式(2)进行SCB(Simplest Color Balance)的增益补偿(gain/offset)处理，即图像像素修正：
式中，
为对源R通道图像做多尺度Retinex处理后的图像，称为第二反射图像；S′1/100和S′2/100为所述第二反射图像直方图两端的截取百分比，M′为所述第二反射图像的像素数，
为第二R通道图像。
(2)根据所述第二R通道图像
和所述源R通道图像IR(x,y)计算出第二染色因子factor2；
(3)取所述第一染色因子factor1和第二染色因子factor2中的较大值，根据所述较大值对所述源R通道图像IR(x,y)进行染色处理，得到第三R通道图像I″R(x,y)。
步骤108，将所述第三R通道图像I″R(x,y)、第二G通道图像I′G(x,y)和第二B通道图像I′B(x,y)进行图像合成，获得所述源RGB图像增强后的彩色图像。
本发明实施例提供的基于Retinex的彩色图像增强方法，通过对源RGB图像的第一灰度图像进行多尺度Retinex处理后，再进行图像像素的修正，根据修正后的第二灰度图像和第一灰度图像可获取第一染色因子，根据第一染色因子对源RGB图像的G、B两个通道图像分别进行染色，再对源RGB图像的R通道图像进行染色，将处理后的三个通道合成最终增强后的彩色图像。尤其在对图像像素进行修正时，剪切了直方图两端的小概率值，使得更大范围的灰度级用于表示图像的细节，因此提高了图像对比度。本发明提供的方法可称为CP-MSR(Color preserve based on MSR)，经过实验结果表明，该方法处理的视网膜眼底图像血管对比度提升、色彩保护较好以及图像细节清晰，避免了颜色失真，解决了明暗交替明显区域的光晕现象,因此，对临床上进行病理分析以及治疗评价有重要的意义。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种基于图像增强算法Retinex的彩色图像增强方法，其特征在于，包括：
获取源RGB图像，并获取所述源RGB图像中的源R通道图像、源G通道图像和源B通道图像；
计算所述源RGB图像的灰度值，得到第一灰度图像；对所述第一灰度图像做多尺度Retinex处理，得到第一反射图像；对所述第一反射图像进行图像像素修正，得到第二灰度图像；所述对所述第一反射图像进行图像像素修正，得到第二灰度图像的方法为：
其中，RMSR(x,y)为所述第一反射图像，
和
为所述第一反射图像直方图两端的截取百分比，M为所述第一反射图像的像素数，R'MSR(x,y)为第二灰度图像；
根据所述第二灰度图像和所述第一灰度图像计算出第一染色因子；所述第一染色因子为所述第二灰度图像与所述第一灰度图像的比值；
根据所述第一染色因子分别对所述源G通道图像和源B通道图像进行染色处理，得到第二G通道图像和第二B通道图像；所述根据所述第一染色因子分别对所述源G通道图像和源B通道图像进行染色处理，得到第二G通道图像和第二B通道图像的方法为：
I'G(x,y)＝IG(x,y)×factor1；
I'B(x,y)＝IB(x,y)×factor1；
其中，factor1为第一染色因子，IG(x,y)为源G通道图像，IB(x,y)为源B通道图像，I'G(x,y)为第二G通道图像，I'B(x,y)为第二B通道图像；
对所述源R通道图像进行染色处理，得到第三R通道图像；得到第三R通道图像的方法包括：
对所述源R通道图像做多尺度Retinex处理后，再进行图像像素修正，得到第二R通道图像；
根据所述第二R通道图像和所述源R通道图像计算出第二染色因子；所述第二染色因子为所述第二R通道图像与所述源R通道图像的比值；
取所述第一染色因子和第二染色因子中的较大值，根据所述较大值对所述源R通道图像进行染色处理，得到第三R通道图像；
将所述第三R通道图像、第二G通道图像和第二B通道图像进行图像合成，获得所述源RGB图像增强后的彩色图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711207694.6A CN107945128B (zh) | 2017-11-27 | 2017-11-27 | 一种基于Retinex的彩色图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711207694.6A CN107945128B (zh) | 2017-11-27 | 2017-11-27 | 一种基于Retinex的彩色图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107945128A CN107945128A (zh) | 2018-04-20 |
| CN107945128B true CN107945128B (zh) | 2021-01-12 |
Family
ID=61949082
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711207694.6A Active CN107945128B (zh) | 2017-11-27 | 2017-11-27 | 一种基于Retinex的彩色图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107945128B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110996173B (zh) * | 2019-12-18 | 2021-11-05 | 腾讯科技（深圳）有限公司 | 一种图像数据处理方法、装置及存储介质 |
| CN113297912A (zh) * | 2021-04-26 | 2021-08-24 | 云南电网有限责任公司信息中心 | 一种配网现场作业人员图像识别的图像预处理方法 |
| CN113947553B (zh) * | 2021-12-20 | 2022-03-18 | 山东信通电子股份有限公司 | 一种图像亮度增强方法及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104618700A (zh) * | 2015-01-29 | 2015-05-13 | 电子科技大学 | 一种彩色高动态范围图像增强显示的方法 |
| CN106780375A (zh) * | 2016-12-02 | 2017-05-31 | 南京邮电大学 | 一种低照度环境下的图像增强方法 |
| RU2622095C1 (ru) * | 2016-02-05 | 2017-06-09 | Акционерное общество "Государственный Рязанский приборный завод" | Способ улучшения цифровых цветных изображений |
| CN107330871A (zh) * | 2017-06-29 | 2017-11-07 | 西安工程大学 | 恶劣气象条件下运行绝缘子自动识别的图像增强方法 |
-
2017
- 2017-11-27 CN CN201711207694.6A patent/CN107945128B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104618700A (zh) * | 2015-01-29 | 2015-05-13 | 电子科技大学 | 一种彩色高动态范围图像增强显示的方法 |
| RU2622095C1 (ru) * | 2016-02-05 | 2017-06-09 | Акционерное общество "Государственный Рязанский приборный завод" | Способ улучшения цифровых цветных изображений |
| CN106780375A (zh) * | 2016-12-02 | 2017-05-31 | 南京邮电大学 | 一种低照度环境下的图像增强方法 |
| CN107330871A (zh) * | 2017-06-29 | 2017-11-07 | 西安工程大学 | 恶劣气象条件下运行绝缘子自动识别的图像增强方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于Retinex理论的图像增强算法研究;陈雾;《中国优秀硕士学位论文全文数据库》;20060601;全文 * |
| 基于Retinex的低能见度彩色图像增强算法研究;刘心韵;《中国优秀硕士学位论文全文数据库》;20140601;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107945128A (zh) | 2018-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mitra et al. | Enhancement and restoration of non-uniform illuminated fundus image of retina obtained through thin layer of cataract | |
| CN106683080B (zh) | 一种视网膜眼底图像预处理方法 | |
| CN100568279C (zh) | 一种基于Retinex理论的快速彩色图像增强方法 | |
| Joshi et al. | Colour retinal image enhancement based on domain knowledge | |
| US8428324B2 (en) | Method and apparatus for processing digital mammographic images with parallel multi-scale decomposition and recombining in an optimized multi-scale reconstruction | |
| CN107945128B (zh) | 一种基于Retinex的彩色图像增强方法 | |
| CN106558031B (zh) | 一种基于成像模型的彩色眼底图的图像增强方法 | |
| CN106127709A (zh) | 一种低照度彩色眼底图像判断方法与增强方法 | |
| CN113139929B (zh) | 包含信息筛选与融合修复的胃肠道内窥镜图像预处理方法 | |
| CN114331896A (zh) | 一种基于图像分解和光谱变换的图像增强方法、系统 | |
| CN112598607B (zh) | 基于改进加权clahe的内窥镜图像血管增强算法 | |
| Wan Mustapa et al. | Conversion of the retinal image using gray world technique | |
| CN114972067A (zh) | 一种x光小牙片图像增强方法 | |
| Meylan et al. | Color image enhancement using a Retinex-based adaptive filter | |
| Kumar et al. | Spatial mutual information based detail preserving magnetic resonance image enhancement | |
| CN111429362A (zh) | 一种内窥镜荧光图像的血管增强方法 | |
| CN112465711A (zh) | 一种针对雾天环境下的降质图像增强方法 | |
| JPH1091758A (ja) | 異常陰影候補の検出方法および装置 | |
| CN117635471A (zh) | 一种面向无线胶囊内窥镜的低照度图像增强方法 | |
| CN117575924A (zh) | 一种统一模型的可见光与近红外荧光图像融合方法 | |
| Somasekar et al. | Contrast-enhanced microscopic imaging of malaria parasites | |
| CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
| CN115861147A (zh) | 一种内窥镜暗区域增强方法、装置、电子设备及存储介质 | |
| David | Low illumination image enhancement algorithm using iterative recursive filter and visual gamma transformation function | |
| CN117455780B (zh) | 内镜暗场图像的增强方法、装置、电子设备及存储介质 |
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 |