CN108737686A - 基于图像系数变更的边缘增强误差扩散数字半色调方法 - Google Patents
基于图像系数变更的边缘增强误差扩散数字半色调方法 Download PDFInfo
- Publication number
- CN108737686A CN108737686A CN201810595607.7A CN201810595607A CN108737686A CN 108737686 A CN108737686 A CN 108737686A CN 201810595607 A CN201810595607 A CN 201810595607A CN 108737686 A CN108737686 A CN 108737686A
- Authority
- CN
- China
- Prior art keywords
- edge
- pixel
- image
- error
- diffusion
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 13
- 238000009792 diffusion process Methods 0.000 claims abstract description 89
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 17
- 230000016776 visual perception Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PLXMOAALOJOTIY-FPTXNFDTSA-N Aesculin Natural products OC[C@@H]1[C@@H](O)[C@H](O)[C@@H](O)[C@H](O)[C@H]1Oc2cc3C=CC(=O)Oc3cc2O PLXMOAALOJOTIY-FPTXNFDTSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/405—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
- H04N1/4092—Edge or detail enhancement
Abstract
本发明公开基于图像系数变更的边缘增强误差扩散数字半色调方法,包括将连续调图像转成多灰度图像N(i,j);canny方法提取N(i,j)的像素c(i,j)边缘信息,判断c(i,j)周边是否有边缘像素,若无则按S‑F方法的误差滤波器扩散系数h(i,j)扩散,若有则将h(i,j)变更后扩散;计算变更后扩散系数h d (i,j);将周边无边缘像素的c(i,j)用h(i,j)进行半色调化;将周边有边缘像素的c(i,j)用h d (i,j)替换h(i,j)后半色调化。本发明能够有效减少S‑F方法得到的半色调图像中的“蠕虫”效应,且半色调后图像的边缘和细节较为清晰,具有较好的视觉感知效应。
Description
技术领域
本发明属于图像处理技术领域,具体涉及能够有效减少S-F误差扩散方法半色调图像中的“蠕虫”效应,且半色调后图像的边缘和细节较为清晰,具有较好的视觉感知效应的基于图像系数变更的边缘增强误差扩散数字半色调方法。
背景技术
数字半色调技术就是在类似日常生活中所见的激光打印机及激光制版机等二值或多色二值设备上,模拟人眼的视觉低通特性来仿造原多灰度图像的阶调变化,将原连续调图像转化为合适人眼观察的二值半色调图像的技术。数字半色调技术不仅影响着激光雕刻及激光打印图像的输出质量,而且与数据信息隐藏和数字水印技术也是密切相关的,同时与医学影像、图像的压缩存储与传输等领域也密不可分。
目前,一般将数字半色调技术分为“误差扩散法”、“抖动法”以及“迭代优化法”三大类。国内外的广大研究学者近年来对半色调方法的改进都将重心放在了误差扩散方法和迭代优化方法身上。就数字半色调方法总体研究状况而言,基于迭代优化的数字半色调方法虽然在生成的半色调图像的质量上是最好的,但是效率太低,运行成本较高,难以满足生产的实际性需求。而误差扩散方法是通过对灰度图像中的某一像素处理,然后将得到的量化误差按照一定的权重系数传递给该像素邻域的未经处理的像素来进行误差扩散的。误差扩散方法法得到的二值图像的效果有了大幅度的提升,且效率高,运行成本低,但是生成的半色调图像质量有两点问题还没有完全克服,即:“生成的半色调图像中的平滑渐变区中的非期望性纹理还没有完全消除”,以及“在图像的边缘部分容易出现模糊、不连续等现象特别是对于具有复杂边缘的图像法而言”。
经典的误差扩散方法当属Floyd-Steinberg误差扩散方法(FLOYED R W,STEINBERG L.An adaptive algorithm for spatial grey scale.Society forInformation Display,1976,17(2):75-77)(以下简称F-S误差扩散方法),它的误差滤波核具有四个误差扩散权重系数,分别是h 10 =7/16、h 11 =1/16、h 01 =5/16、h- 10 =3/16。然而,由于其水平和垂直两个方向上的扩散系数永远最大,并且在扩散过程中,每个方向的扩散系数没有变化,是恒定的,这样就导致了积累误差,从而会引发轮廓失真。此外,传统误差扩散方法还存在诸如:在半色调图像的暗调及高光区域会存在滞后的现象,这都是与误差扩散过程中的处理方向密切相关的,除此之外还存在“伪轮廓”等现象。
针对上述问题,Shiau-Fan(JENG-NAN SHIAU,FAN Z.Set of easilyimplementable coefficients in error diffusion with reduced wormartifacts.Proceedings of SPIE-The International Society for OpticalEngineering ,1996,2658:222-225)认为,经典误差过滤器的加权系数的支撑脚具有非对称性的特点,蠕虫效应则是这种支撑脚作用的结果,与水平线夹角分别为0°和135°。因此提出了将F-S误差扩散方法中的误差过滤器加权系数的135°支撑脚沿顺时针旋转45°,与水平线重合而呈现对称性(以下简称S-F误差扩散方法)。从而使得S-F误差扩散方法的误差返回范围更大,能在更宽的角度范围内起作用,起到降低方向性效应的作用,能够有效地降低蠕虫效应。但是S-F误差扩散方法没有很好地考虑图像的边缘细节特性,使得所生成的半色调图像在边缘和细节部分不够清晰。
发明内容
本发明的目的在于提供能够有效减少S-F误差扩散方法半色调图像中的“蠕虫”效应,且半色调后图像的边缘和细节较为清晰,具有较好的视觉感知效应的基于图像系数变更的边缘增强误差扩散数字半色调方法。
本发明目的是这样实现的,包括图像转换、修改值计算、边缘判断、半色调输出、量化误差扩散步骤,具体包括:
A、图像转换:将连续调图像的像素转换成多灰度图像N(i, j)的像素c(i, j);
B、边缘检测:通过canny边缘检测方法对多灰度图像N(i, j)的像素c(i, j)边缘信息进行提取,然后对提取的边缘像素进行连通性分析,消除较短且不连续的边缘部分所带来的噪声干扰;
C、周边边缘检测:判断当前待处理的像素c(i, j)的右方、左下方以及正下方的相邻像素中是否有边缘像素,若没有边缘像素则按照S-F误差扩散方法的误差滤波器之扩散系数h (i, j)进行误差扩散,若有则将S-F误差扩散方法的误差滤波器之扩散系数h(i, j)进行变更后再进行扩散;
D、扩散系数变更:计算优化后误差滤波器的扩散系数h d (i, j);
F、半色调化:将C步骤中周围没有边缘像素的待处理像素c(i, j),采用S-F误差扩散方法的误差滤波器之扩散系数h(i, j)进行光栅扫描方式的半色调化,输出对应的半色调图像的像素二进制值b(i, j);将C步骤中周围有边缘像素的待处理像素c(i, j),采用D步骤变更后的扩散系数h d (i, j)替换S-F误差扩散方法的误差滤波器之扩散系数h(i, j),然后以扩散系数变更后的S-F滤波器进行光栅扫描方式的半色调化,输出对应的半色调图像的像素二进制值b(i, j)。
本发明以S-F误差扩散方法的新加权误差传递为基础,充分考虑图像的边缘细节特性,通过更改误差滤波器的加权系数,较好地克服了“蠕虫”效应;同时在S-F误差扩散方法的基础上,采用canny边缘检测方法(算子)来提取图像的边缘信息,然后采用S-F误差扩散方法的误差滤波器对原多灰度图像进行光栅扫描方式的半色调化。若当前待处理像素周围没有边缘像素,则按照S-F误差扩散方法的误差滤波器进行;若有边缘像素,则通过变更S-F误差扩散方法的误差滤波器之误差滤波系数,将量化误差仅传递到边缘像素上,从而使得半色调后的图像在边缘细节区域得到保持。实验结果的定性分析表明,本发明得到的图像视觉效果良好,非期望性纹理较少且边缘细节较为清晰;而客观质量评价参数表明,本发明相较F-S误差扩散方法及S-F误差扩散方法,PSNR值、WSNR值及UQI值分别提升了2.9~3.3dB,2.5~3.2dB以及0.02~0.03。
附图说明
图1为本发明流程示意图;
图2为实验例中ship原图像;
图3为实验例中ship经F-S误差扩散方法生成的半色调图像;
图4为实验例中ship经S-F误差扩散方法生成的半色调图像;
图5为实验例中ship经本发明生成的半色调图像;
图6为实验例中build原图像;
图7为实验例中build经F-S误差扩散方法生成的半色调图像;
图8为实验例中build经S-F误差扩散方法生成的半色调图像;
图9为实验例中build经本发明生成的半色调图像;
图10为实验例中trees原图像;
图11为实验例中trees经F-S误差扩散方法生成的半色调图像;
图12为实验例中trees经S-F误差扩散方法生成的半色调图像;
图13为实验例中trees经本发明生成的半色调图像。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明,但不以任何方式对本发明加以限制,依据本发明的教导所作的任何变更或替换,均属于本发明的保护范围。
本发明包括图像转换、修改值计算、边缘判断、半色调输出、量化误差扩散步骤,具体包括:
A、图像转换:将连续调图像的像素转换成多灰度图像N(i, j)的像素c(i, j);
B、边缘检测:通过canny边缘检测方法对多灰度图像N(i, j)的像素c(i, j)边缘信息进行提取,然后对提取的边缘像素进行连通性分析,消除较短且不连续的边缘部分所带来的噪声干扰;
C、周边边缘检测:判断当前待处理的像素c(i, j)的右方、左下方以及正下方的相邻像素中是否有边缘像素,若没有边缘像素则按照S-F误差扩散方法的误差滤波器之扩散系数h (i, j)进行误差扩散,若有则将S-F误差扩散方法的误差滤波器之扩散系数h(i, j)进行变更后再进行扩散;
D、扩散系数变更:计算优化后误差滤波器的扩散系数h d (i, j);
F、半色调化:将C步骤中周围没有边缘像素的待处理像素c(i, j),采用S-F误差扩散方法的误差滤波器之扩散系数h(i, j)进行光栅扫描方式的半色调化,输出对应的半色调图像的像素二进制值b(i, j);将C步骤中周围有边缘像素的待处理像素c(i, j),采用D步骤变更后的扩散系数h d (i, j)替换S-F误差扩散方法的误差滤波器之扩散系数h(i, j),然后以扩散系数变更后的S-F滤波器进行光栅扫描方式的半色调化,输出对应的半色调图像的像素二进制值b(i, j)。
所述B步骤中若c(i, j)为边缘点,则c(i, j)=1;若c(i, j)为非边缘点,则,其中,。
所述B步骤包括如下分步骤:
B1、平滑处理:对A步骤的多灰度图像N(i, j)用高斯滤波器进行平滑处理;
B2、计算梯度的幅值及方向:由一阶偏导的有限差分来计算像素c(i, j)的梯度幅值及方向;
B3、细化边缘:对B2得到的梯度幅值进行非极大值抑制并获得的全局梯度,同时对梯度幅值进行非局部极大值点置零以获取细化的精确边缘;
B4、连接边缘:使用两个阈值T 1 和T 2 来获取两个边缘图像N 1 (i, j)与N 2 (i, j),在N 2 (i, j)中将边缘连接使其成为轮廓,当达到轮廓端点时,就在N 1 (i, j)的8个相邻像素寻找可以连接到轮廓上的边缘,不断地在N 1 (i, j)中收集边缘,直到将N 2 (i, j)连接起来为止,其中T 1 <T 2 。
所述B1分步骤中用高斯滤波器平滑处理按下式计算:
,
,
其中:H(i, j)为高斯函数,G(i, j)为边缘的均方根,σ为标准差。
所述B2分步骤中像素c(i, j)的梯度幅值及方向通过一阶差分卷积模板来计算:
,,
,,
得到:
幅值:,
方向:。
所述C步骤中若,则c(i, j)的周围无边缘像素;若,则c(i, j)的周围有边缘像素。
所述D步骤中扩散系数h d (i, j)按下式计算:
,
,
其中:。
所述,所述c(i, j)范围为:
。
实验例:
1、实验条件
为了验证本发明的有效性,实验采用配置为2.56GHz CPU、4G内存、64位的win7笔记本电脑,所用到的软件是Matlab2014a,基于以上平台实现了本发明的效果验证。
2、本发明实验过程
2.1 将连续调图像的像素转换成多灰度图像N(i, j)的像素c(i, j)。
2.2 通过canny边缘检测方法(算子)对多灰度图像N(i, j)的像素c(i, j)边缘信息进行提取,然后对提取的边缘像素进行连通性分析,消除较短且不连续的边缘部分所带来的噪声干扰;若c(i, j)为边缘点,则c(i, j)=1;若c(i, j)为非边缘点,则c(i, j)=0,其中(i, j)∈N,N= ;
2.2.1 对多灰度图像N(i, j)用高斯滤波器按下式进行平滑处理:
,
,
其中:H(i, j)为高斯函数,G(i, j)为边缘的均方根,σ为标准差;
2.2.2 像素c(i, j)的梯度幅值及方向通过一阶差分卷积模板来计算:
, ,
,,
得到:
幅值:,
方向:。
2.2.3 对上述像素c(i, j)的梯度幅值进行非极大值抑制并获得的全局梯度,同时对梯度幅值进行非局部极大值点置零以获取到细化的精确边缘;
2.2.4 使用两个阈值T 1 和T 2 (T 1 <T 2 )来获取两个边缘图像N 1 (i, j)与N 2 (i, j),在N 2 (i, j)中将边缘连接使其成为轮廓,当达到轮廓端点时,就在N 1 (i, j)的8个相邻像素寻找可以连接到轮廓上的边缘,不断地在N 1 (i, j)中收集边缘,直到将N 2 (i, j)连接起来为止。
2.3 判断当前待处理的像素c(i, j)的右方、左下方以及正下方的相邻像素中是否有边缘像素,若没有边缘像素()则按照S-F误差扩散方法的误差滤波器之扩散系数h(i, j)进行误差扩散,若有()则将S-F误差扩散方法的误差滤波器之扩散系数h(i, j)进行变更后再进行扩散。
2.4 按下式计算优化后误差滤波器的扩散系数h d (i, j):
,
,
其中:,
,
c(i, j)范围为:。
2.5 将周围没有边缘像素的待处理像素c(i, j)采用S-F误差扩散方法的误差滤波器之扩散系数h(i, j)进行光栅扫描方式的半色调化,输出对应的半色调图像的像素二进制值b(i, j);将周围有边缘像素的待处理像素c(i, j),采用扩散系数h d (i, j)替换S-F误差扩散方法的误差滤波器之扩散系数h(i, j),然后以扩散系数变更后的滤波器进行光栅扫描方式的半色调化,输出对应的半色调图像的像素二进制值b(i, j)。
3、定性分析
为了说明本发明的实际效果,实验过程中采用了256×256像素的灰度图像ship、build、trees分别进行实验。实验对比了三种方法:经典的F-S误差扩散方法及改进的S-F误差扩散方法和本发明。shipt图像的实验的效果分别如图2~5,build图像的实验的效果分别如图6~9,trees图像的实验的效果分别如图10~13。从图2~13可看出,本发明相比另外两种方法而言,本发明总体上得到的半色调图像视觉效果较好,图像中的“蠕虫”效应最不明显且图像的边缘细节最清晰。
4、定量分析
对数字半色调方法的好坏进行评价,仅凭眼睛去观察后主观评分是不太具有说服力的,因为每个人的观察结果会有偏差甚至是大的误差,因此很有必要利用客观的图像质量评价方法来对输出图像进行评价。在图像的质量评价指标方面选择了PSNR(峰值信噪比)、WSNR(权值信噪比)及UQI(通用质量评价参数),其结果如表1所示。
表1 不同图像分别采用三种方法的客观数据对比
从表1的实验数据分析可知,本发明从PSNR值、WSNR值以及UQI值相对用作对比的另外两种方法而言都是最大的,本发明在这三个值中相对于另外两种方法分别提升2.9~3.3dB,2.5~3.2dB以及0.02~0.03。
因此,从定量和定性的分析结果可得出结论:本发明所输出的半色调图像质量总体上来说要优于另外两种方法输出的图像质量。
Claims (8)
1.基于图像系数变更的边缘增强误差扩散数字半色调方法,其特征在于包括图像转换、修改值计算、边缘判断、半色调输出、量化误差扩散步骤,具体包括:
A、图像转换:将连续调图像的像素转换成多灰度图像N(i, j)的像素c(i, j);
B、边缘检测:通过canny边缘检测方法对多灰度图像N(i, j)的像素c(i, j)边缘信息进行提取,然后对提取的边缘像素进行连通性分析,消除较短且不连续的边缘部分所带来的噪声干扰;
C、周边边缘检测:判断当前待处理的像素c(i, j)的右方、左下方以及正下方的相邻像素中是否有边缘像素,若没有边缘像素则按照S-F误差扩散方法的误差滤波器之扩散系数h (i, j)进行误差扩散,若有则将S-F误差扩散方法的误差滤波器之扩散系数h(i, j)进行变更后再进行扩散;
D、扩散系数变更:计算优化后误差滤波器的扩散系数h d (i, j);
F、半色调化:将C步骤中周围没有边缘像素的待处理像素c(i, j),采用S-F误差扩散方法的误差滤波器之扩散系数h(i, j)进行光栅扫描方式的半色调化,输出对应的半色调图像的像素二进制值b(i, j);将C步骤中周围有边缘像素的待处理像素c(i, j),采用D步骤变更后的扩散系数h d (i, j)替换S-F误差扩散方法的误差滤波器之扩散系数h(i, j),然后以扩散系数变更后的S-F滤波器进行光栅扫描方式的半色调化,输出对应的半色调图像的像素二进制值b(i, j)。
2.根据权利要求1所述基于图像系数变更的边缘增强误差扩散数字半色调方法,其特征在于所述B步骤中若c(i, j)为边缘点,则c(i, j)=1;若c(i, j)为非边缘点,则c(i, j)=0,其中(i, j)∈N,N=。
3.根据权利要求2所述基于图像系数变更的边缘增强误差扩散数字半色调方法,其特征在于所述B步骤包括如下分步骤:
B1、平滑处理:对A步骤的多灰度图像N(i, j)用高斯滤波器进行平滑处理;
B2、计算梯度的幅值及方向:由一阶偏导的有限差分来计算像素c(i, j)的梯度幅值及方向;
B3、细化边缘:对B2得到的梯度幅值进行非极大值抑制并获得的全局梯度,同时对梯度幅值进行非局部极大值点置零以获取细化的精确边缘;
B4、连接边缘:使用两个阈值T 1 和T 2 来获取两个边缘图像N 1 (i, j)与N 2 (i, j),在N 2 (i, j)中将边缘连接使其成为轮廓,当达到轮廓端点时,就在N 1 (i, j)的8个相邻像素寻找可以连接到轮廓上的边缘,不断地在N 1 (i, j)中收集边缘,直到将N 2 (i, j)连接起来为止,其中T 1 <T 2 。
4.根据权利要求3所述基于图像系数变更的边缘增强误差扩散数字半色调方法,其特征在于所述B1分步骤中用高斯滤波器平滑处理按下式计算:
,
G(i, j)=c(i, j)*H(i, j),
其中:H(i, j)为高斯函数,G(i, j)为边缘的均方根,σ为标准差。
5.根据权利要求4所述基于图像系数变更的边缘增强误差扩散数字半色调方法,其特征在于所述B2分步骤中像素c(i, j)的梯度幅值及方向通过一阶差分卷积模板来计算:
,,
, ,
得到:
幅值:,
方向:。
6.根据权利要求2至5任意一项所述基于图像系数变更的边缘增强误差扩散数字半色调方法,其特征在于所述C步骤中若,则c(i, j)的周围无边缘像素;若,则c(i, j)的周围有边缘像素。
7.根据权利要求6所述基于图像系数变更的边缘增强误差扩散数字半色调方法,其特征在于所述D步骤中扩散系数h d (i, j)按下式计算:
,
,
其中:。
8.根据权利要求7所述基于图像系数变更的边缘增强误差扩散数字半色调方法,其特征在于所述,所述c(i, j)范围为:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810595607.7A CN108737686A (zh) | 2018-06-11 | 2018-06-11 | 基于图像系数变更的边缘增强误差扩散数字半色调方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810595607.7A CN108737686A (zh) | 2018-06-11 | 2018-06-11 | 基于图像系数变更的边缘增强误差扩散数字半色调方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108737686A true CN108737686A (zh) | 2018-11-02 |
Family
ID=63932862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810595607.7A Pending CN108737686A (zh) | 2018-06-11 | 2018-06-11 | 基于图像系数变更的边缘增强误差扩散数字半色调方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108737686A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986275A (zh) * | 2020-07-31 | 2020-11-24 | 西安理工大学 | 一种多模态半色调图像的逆半色调化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1713689A (zh) * | 2004-06-23 | 2005-12-28 | 夏普株式会社 | 图像处理方法、图像处理装置、图像形成装置 |
CN101739669A (zh) * | 2010-01-04 | 2010-06-16 | 清华大学 | 图像去噪方法及系统 |
CN101877122A (zh) * | 2009-11-12 | 2010-11-03 | 中国科学院遥感应用研究所 | 扩散程度可控的各向异性扩散图像去噪增强方法 |
CN102519974A (zh) * | 2011-12-15 | 2012-06-27 | 国网电力科学研究院 | 基于图像智能识别的复合绝缘子龟裂检测方法 |
CN106506901A (zh) * | 2016-09-18 | 2017-03-15 | 昆明理工大学 | 一种显著性视觉注意模型的混合式数字图像半色调方法 |
-
2018
- 2018-06-11 CN CN201810595607.7A patent/CN108737686A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1713689A (zh) * | 2004-06-23 | 2005-12-28 | 夏普株式会社 | 图像处理方法、图像处理装置、图像形成装置 |
CN101877122A (zh) * | 2009-11-12 | 2010-11-03 | 中国科学院遥感应用研究所 | 扩散程度可控的各向异性扩散图像去噪增强方法 |
CN101739669A (zh) * | 2010-01-04 | 2010-06-16 | 清华大学 | 图像去噪方法及系统 |
CN102519974A (zh) * | 2011-12-15 | 2012-06-27 | 国网电力科学研究院 | 基于图像智能识别的复合绝缘子龟裂检测方法 |
CN106506901A (zh) * | 2016-09-18 | 2017-03-15 | 昆明理工大学 | 一种显著性视觉注意模型的混合式数字图像半色调方法 |
Non-Patent Citations (2)
Title |
---|
吴启科等: "基于系数优化的图像边缘增强误差扩散方法", 《价值工程》 * |
黄德斌: "规则物体亚像素边缘检测算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986275A (zh) * | 2020-07-31 | 2020-11-24 | 西安理工大学 | 一种多模态半色调图像的逆半色调化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | A space-variant luminance map based color image enhancement | |
EP1408448B1 (en) | Image processing method, image processing apparatus, image processing program and image recording apparatus | |
JP2006050494A (ja) | 画像撮影装置 | |
CN100452826C (zh) | 图像处理方法、图像处理装置、和图像形成装置 | |
CN110390646B (zh) | 一种细节保持图像去噪方法 | |
KR20160104960A (ko) | 크로스 커널 구조의 중간값 필터를 이용한 영상 잡음 제거장치 및 방법 | |
CN116188339A (zh) | 一种基于Retinex及图像融合的暗视觉图像增强方法 | |
CN108737686A (zh) | 基于图像系数变更的边缘增强误差扩散数字半色调方法 | |
CN110675332A (zh) | 一种金属腐蚀图像质量的增强方法 | |
CN108810314A (zh) | 基于多灰度图像边缘增强的无序误差扩散数字半色调方法 | |
JP3999406B2 (ja) | 拡散率の適応化を用いた誤差拡散方法及び装置 | |
Ponomarenko et al. | Sharpness metric for no-reference image visual quality assessment | |
Chung et al. | A gradient-based adaptive error diffusion method with edge enhancement | |
CN115293989A (zh) | 一种综合MsRcR和自动色阶的图像增强方法 | |
JP2000357226A (ja) | 濃淡画像の2値化方法および濃淡画像の2値化プログラムを記録した記録媒体 | |
CN108921886B (zh) | 一种纹理信息融合多尺度结构化森林数字图像半色调方法 | |
Li et al. | A fast image dehazing algorithm for highway tunnel based on artificial multi-exposure image fusion | |
CN111105378A (zh) | 一种图像清晰度处理方法 | |
Yu | Colour demosaicking method using adaptive cubic convolution interpolation with sequential averaging | |
Li et al. | An electrical equipment image enhancement approach based on Zero-DCE model for power IoTs edge service | |
Kim et al. | Removing false contour artifact for bit-depth expansion | |
Nousheen et al. | Novel Fog-Removing Method For The Traffic Monitoring Image | |
Dhandapani et al. | Underwater image enhancement using color constancy via homomorphic filtering and depth estimation | |
CN116894793A (zh) | 一种用于增强图像质量的方法及装置 | |
Jusoh et al. | Color Image Enhancement using Contrast Stretching on a Mobile Device |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181102 |
|
RJ01 | Rejection of invention patent application after publication |