CN108846812A - 一种基于灰度级压缩的clhae图像增强方法 - Google Patents
一种基于灰度级压缩的clhae图像增强方法 Download PDFInfo
- Publication number
- CN108846812A CN108846812A CN201810541695.2A CN201810541695A CN108846812A CN 108846812 A CN108846812 A CN 108846812A CN 201810541695 A CN201810541695 A CN 201810541695A CN 108846812 A CN108846812 A CN 108846812A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- pixel
- fritter
- gray
- 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 39
- 230000006835 compression Effects 0.000 title claims abstract description 21
- 238000007906 compression Methods 0.000 title claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 2
- 239000003086 colorant Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241000276489 Merlangius merlangus Species 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于灰度级压缩的CLHAE图像增强方法,包括:将当前RGB颜色空间图像转换为YUV颜色空间图像,并提取出图像亮度Y的每个初始像素值;对图像亮度Y进行均匀且不重叠地分块、灰度级压缩、直方图统计、限制对比度、直方图均衡,得到每个块的灰度级映射表;对图像亮度Y进行双线性插值算法计算,得到图像亮度Y的每个调整后像素值;计算图像亮度Y的每个初始像素值与其调整后像素值之间的颜色换算比例,应用到当前RGB颜色空间图像中,输出新的RGB颜色空间图像。本发明可在保持原图像颜色比例的基础上,提高处理效率,扩展图像的动态范围,增强图像的对比度,从而实现快速且高效的图像增强效果。
Description
技术领域
本发明涉及图像处理技术领域,更具体地,涉及一种颜色保持和灰度级压缩的CLHAE(Contrast Limited Adaptive Histogram Equalization,限制对比度自适应直方图均衡)图像增强方法。
背景技术
随着社会的发展,汽车作为交通工具在生活中越发显得不可或缺,相应的车载产品也不断涌现,其中以车载图像产品最为突出。在实际应用中,车载产品采集的图像往往因为设备、环境亮度、图像压缩方法等等,导致获得的图像的对比度不高,清晰度低,不利于后续的处理。为了改善这些缺陷,需要对这类图像进行图像增强。
传统的图像增强方法分为两类:空域相关法和频域相关法。其中空域相关法一般指对图像像素直接进行处理;常用的方法有直方图均衡化,直方图规定化(匹配),伽马调节等等。这些方法提出得较早,且最为成熟,都是针对全局图像进行图像增强的。对于整幅图像而言,图像的灰度级得到了扩展,但是对于灰度级分布较“均匀”的原始图像,这些方法处理的图像亮度较平滑,图像显得“泛白”,即对比度没有得到提升。因此上述图像增强方法均无法获得清晰满意的图像增强效果。
发明内容
本发明的目的在于克服现有技术存在的上述缺陷,提供一种基于灰度级压缩的CLHAE图像增强方法。
为实现上述目的,本发明的技术方案如下:
一种基于灰度级压缩的CLHAE图像增强方法,包括以下步骤:
步骤S101:将输入的当前RGB颜色空间图像转换为YUV颜色空间图像,并从YUV颜色空间图像中提取出图像亮度Y的每个初始像素值;
步骤S102:对图像亮度Y进行均匀且不重叠地分块;
步骤S103:对图像亮度Y中的每个块进行灰度级压缩;
步骤S104:对图像亮度Y中的每个块进行直方图统计;
步骤S105:对图像亮度Y中的每个块进行限制对比度;
步骤S106:对图像亮度Y中的每个块进行直方图均衡,得到每个块的灰度级映射表;
步骤S107:根据灰度级映射表,对图像亮度Y进行双线性插值算法计算,得到图像亮度Y的每个调整后像素值;
步骤S108:计算图像亮度Y的每个初始像素值与其调整后像素值之间的颜色换算比例;
步骤S109:将颜色换算比例应用到当前RGB颜色空间图像中,输出新的RGB颜色空间图像。
进一步地,步骤S105中,通过设置限制对比度的阈值,对图像亮度Y的每个块进行限制对比度。
进一步地,通过进行限制对比度,得到每个块中超出阈值的总像素数,根据超出阈值的总像素数,得到每个块中每个灰度级的预分配像素数,并分配至每个块中。
进一步地,按照预分配像素数进行分配时,如第一次分配未将超出阈值的总像素数分配完时,则以第一次分配的数据为基础,进行第二次分配。
进一步地,步骤S106中,对完成限制对比度后的每个块的每个灰度级计算得到累进直方图,并根据累进直方图进行直方图均衡。
进一步地,步骤S102中,将图像亮度Y均匀且不重叠地分为四个块。
进一步地,步骤S107中,先通过以过图像亮度Y中每相邻两个块中点的连线为划分线,将图像亮度Y划分为九个小块,并按照各小块所在位置,将各小块分别定义为角区域小块、边区域小块和中心区域小块,然后进行双线性插值算法计算,得到图像亮度Y的每个调整后像素值。
进一步地,针对某角区域小块中的各像素,通过直接查该角区域小块所在的块对应的灰度级映射表,获得该角区域小块中各像素的调整后像素值;针对某边区域小块中的各像素,先查该边区域小块所在的两个块对应的两个灰度级映射表,获得该边区域小块中各像素的对应两个虚拟定点的像素值,然后采用线性插值算法,获得该边区域小块中各像素的调整后像素值;针对中心区域小块中的各像素,先查中心区域小块所在的四个块对应的四个灰度级映射表,获得中心区域小块中各像素的对应四个虚拟定点的像素值,然后采用双线性插值算法,获得中心区域小块中各像素的调整后像素值。
进一步地,所述颜色换算比例是调整后像素值与初始像素值的比值。
从上述技术方案可以看出,本发明通过对当前图像的颜色空间进行转换,针对图像亮度Y进行图像处理,再通过比例换算计算得到新像素的值,可防止伪彩色出现或者图像原R、G、B三个通道颜色比例的改变;同时,通过对图像亮度Y的灰度级进行压缩,对灰度级进行量化统计,可减少存储空间,提高图像处理效率;再次,利用CLAHE算法可实现对图像的增强处理,提高图像的动态范围;因此,本发明实现了在保持原图像颜色比例的基础上,有效地提高了处理效率,并且扩展了图像的动态范围,增强了图像的对比度,从而实现快速且高效的图像增强效果,较之传统的空域图像增强方法有着更好的适应性。
附图说明
图1是本发明的一种基于灰度级压缩的CLHAE图像增强方法流程图;
图2是本发明一较佳实施例中对图像亮度Y分块进行直方图统计的示意图;
图3是本发明一较佳实施例中对图像亮度Y每个块的灰度级进行限制对比度的示意图;
图4是本发明一较佳实施例中对图像亮度Y的像素值进行双线性插值的示意图。
具体实施方式
本发明通过对RGB空间的原始图像进行YUV空间转换,并且对亮度空间Y(Y空间)的灰度级进行压缩,以及使用CLAHE(Contrast Limited Adaptive HistogramEqualization,限制对比度自适应直方图均衡)算法对低对比度图像作图像增强处理,从而实现高效快速的图像增强效果。
下面结合附图,对本发明的具体实施方式作进一步的详细说明。
需要说明的是,下述的具体实施方式,仅为了清楚地解释本发明,因此,应避免以此作为对本发明的限定来加以理解。
在以下本发明的具体实施方式中,请参阅图1,图1是本发明的一种基于灰度级压缩的CLHAE图像增强方法流程图。如图1所示,本发明的一种基于灰度级压缩的CLHAE图像增强方法,包括以下步骤:
步骤S101:将输入的当前RGB颜色空间图像转换为YUV颜色空间图像,并从YUV颜色空间图像中提取出图像亮度Y的每个初始像素值。
首先输入一幅当前图像,其为RGB颜色空间图像,定义其画幅大小为XSize×YSize。由于直接在RGB颜色空间做图像处理,会改变R通道、G通道、B通道三者之间的颜色比例关系,最后输出的图像可能会出现伪彩色。为避免这种情况,因此对当前图像进行RGB颜色空间到YUV颜色空间的转换,并从YUV颜色空间图像中提取出图像亮度Y的每个初始像素值,记为Y_Old,从而得到一幅反映图像亮度Y的灰度图。
在图像亮度Y上做图像处理,具有以下优点:
1)将常规的对R、G、B三个通道做处理,变为对图像亮度Y做处理,使得图像处理的效率得到提高;
2)由于图像亮度Y只代表亮度,不涉及图像颜色,因而更好地保护了R、G、B三个通道之间的颜色比例,从而可防止伪彩色的出现。
步骤S102:对图像亮度Y进行均匀且不重叠地分块。
然后,对上述得到的Y空间的图像进行均匀的而且不重叠的分块,图2示出了这个过程的实现。其中,定义在坐标X方向上的分块数为ClipGrid_X(本实施例中假设块数为2),每个块的宽度为XGridSize;定义在Y方向的分块数为ClipGrid_Y(本实施例中假设块数为2,共计4个块),每个块的高度为YGridSize。
步骤S103:对图像亮度Y中的每个块进行灰度级压缩。
考虑到在实际的车载图像产品中,硬件资源的分配非常重要,所以需要尽量减少对图像亮度Y处理时所占据的硬件空间。
如果记原始图像的位宽为Orig_BitWidth,按照现有的算法,需要统计2Orig_BitWidth-1个灰度级,则在后续的算法步骤中共需要ClipGrid_X*ClipGrid_Y*(2Orig_BitWidth-1)*2大小的空间,需要消耗很大的硬件资源空间,这在硬件实施中是不可取的。
因此,需要对每个块的灰度级进行压缩。记需要压缩的位宽为Comp_BitWidth,记最后得到的最大灰度级级数为Graylevel_Max,则实际灰度级级数为:
Real_Graylevel=[0,Graylevel_Max]
步骤S104:对图像亮度Y中的每个块进行直方图统计。
接着,可以借助CLAHE算法,对当前的低对比度图像进行图像增强处理。
首先,对图像亮度Y的每个块进行直方图统计,图2示出了这个过程的实现。在本实施例中,记每个块的直方图统计结果为:
Hist[i],(i∈[0,Graylevel_Max])
步骤S105:对图像亮度Y中的每个块进行限制对比度。
接着,对已经完成直方图统计的每个块进行限制对比度处理,图3示出了这个过程的实现。在本实施例中,先设置限制对比度的阈值,记限制对比度的阈值为ClipThreshold,对上述统计出的直方图Hist(i)进行限制对比度,得到每个块中超出阈值的总像素数ExcessPixels:
然后,根据求出的ExcessPixels,得到每个块中每个灰度级的预分配像素数ProcPixels:
ProcPixels=ExcessPixels/Graylevel_Max
接下来,需要将预分配像素数进一步分配至每个块中。
本实施例总共需要对直方图Hist(i)进行两次限制对比度处理,即需要对每个块中每个灰度级的像素数进行两次分配。
其中,进行第一次分配(第一次限制对比度)的实施过程的公式如下:
其中,Hist(i)'代表第一次限制对比度时每个块的直方图统计结果(分配结果)。
当按照预分配像素数进行第一次限制对比度(第一次分配)之后,若每个块中超出阈值的总像素数ExcessPixels未分配完,还有剩余时,则以第一次分配的数据为基础,对每个块中每个灰度级的像素数进行第二次限制对比度(第二次分配);将剩余像素点数记为Res_ExcessPixels,具体实施公式如下:
Hist(i)″=Hist(i)'+Res_ExcessPixels/Graylevel_Max
其中,Hist(i)″代表第二次限制对比度时每个块的直方图统计结果(分配结果)。
步骤S106:对图像亮度Y中的每个块进行直方图均衡,得到每个块的灰度级映射表。
接着,对已经完成限制对比度的经过重新分配像素数后的每个块的每个灰度级计算累进直方图CDFn,具体实现过程是这样的:
然后,根据累进直方图对每个块进行直方图均衡,并输出经过直方图均衡后的每个块的灰度级映射表Map,具体实现过程是这样的:
其中,每个块的灰度级映射表分别为:
Mapij(i∈ClipGrid_X,j∈ClipGrid_Y)
步骤S107:根据灰度级映射表,对图像亮度Y进行双线性插值算法计算,得到图像亮度Y的每个调整后像素值。
接下来,对直方图均衡后的图像亮度Y进行双线性插值算法计算,图4示出了这个过程的实现。双线性插值算法的目的在于消除由于分块产生的块效应,本实施例中需要用到由步骤S106得到的当前像素位置周围的四个灰度级映射表,假设分别为:Map11,Map12,Map21,Map22。
图4示出,Y空间的图像原被分为4个不重叠区域(4个块)。可对这4个不重叠区域再取各自中点,以过每相邻两个块中点的连线为划分线,按图示连接划分为9个不重叠的小区域(9个小块),记编号1~9。其中,按照各小块所在位置,将编号1,3,7,9所在小块定义为角区域小块;将编号2,4,6,8所在小块定义为边区域小块;而将编号5定义为中心区域小块,然后再进行双线性插值算法计算。
对图像亮度Y进行双线性插值可分为三个部分实现:
针对角区域小块1,3,7,9中的各像素,可采用各角区域小块所在的块对应的灰度级映射表,直接查表获得各角区域小块中各像素的调整后像素值Y。比如A点,可带入YA到Map11,直接获得YA′。
针对各边区域小块2,4,6,8中的各像素,先查各边区域小块所在的两个块对应的两个灰度级映射表,获得各边区域小块中各像素的对应两个虚拟定点的像素值,然后采用线性插值算法,获得该边区域小块中各像素的调整后像素值。比如B点,查Map11获得点查Map12获得点以 两个点作为B点的2个虚拟定点,然后通过线性插值,获得B点的调整后像素值YB′。其线性插值公式为:
其中,W代表边区域小块2的X向(横向)坐标宽度,x为B点的X向坐标值。
针对中心区域小块中的各像素,先查中心区域小块所在的四个块对应的四个灰度级映射表,获得中心区域小块中各像素的对应四个虚拟定点的像素值,然后采用双线性插值算法,获得中心区域小块中各像素的调整后像素值。比如C点,分别查表Map11,Map12,Map21,Map22,获得以四个点作为C点的4个虚拟定点,通过双线性插值,获得C点的调整后像素值Yc′。其双线性插值公式为:
Yc'=[Map11×(W-x)×(H-y)+Map12×x×(H-y)+Map21×(W-x)×y+Map22×x×y]/W×H
其中,W代表中心区域小块5的X向(横向)坐标宽度,H代表中心区域小块5的Y向(纵向)坐标高度,x为C点的X向坐标值,y为C点的Y向坐标值。
根据上述计算,即可得到图像亮度Y每个像素经过双线性插值之后的新的像素值(调整后像素值)Y_New(例如YA'、YB'、Yc')。
步骤S108:计算图像亮度Y的每个初始像素值与其调整后像素值之间的颜色换算比例。
为了保持原图像(当前图像)的颜色不出现伪彩色,应该保持原图像的R通道、G通道、B通道的颜色比例关系,这里的颜色通道的换算比例(颜色换算比例)K为:
即颜色换算比例K是调整后像素值Y_New与初始像素值Y_Old的比值。
步骤S109:将颜色换算比例应用到当前RGB颜色空间图像中,输出新的RGB颜色空间图像。
根据上面得到的颜色换算比例K,可以得到本实施例的结果图像(新的RGB颜色空间图像)。得到原图像R、G、B三个通道的新像素值的实现过程是:
其中,R、G、B是原图像三个通道的像素值,R'、G'、B'是输出图像(新的RGB颜色空间图像)三个通道的新的像素值。
综上所述,本发明通过对当前图像的颜色空间进行转换,针对图像亮度Y进行图像处理,再通过比例换算计算得到新像素的值,可防止伪彩色出现或者图像原R、G、B三个通道颜色比例的改变;同时,通过对图像亮度Y的灰度级进行压缩,对灰度级进行量化统计,可减少存储空间,提高图像处理效率;再次,利用CLAHE算法可实现对图像的增强处理,提高图像的动态范围;因此,本发明实现了在保持原图像颜色比例的基础上,有效地提高了处理效率,并且扩展了图像的动态范围,增强了图像的对比度,从而实现快速且高效的图像增强效果,较之传统的空域图像增强方法有着更好的适应性。
以上所述的仅为本发明的优选实施例,所述实施例并非用以限制本发明的专利保护范围,因此凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (9)
1.一种基于灰度级压缩的CLHAE图像增强方法,其特征在于,包括以下步骤:
步骤S101:将输入的当前RGB颜色空间图像转换为YUV颜色空间图像,并从YUV颜色空间图像中提取出图像亮度Y的每个初始像素值;
步骤S102:对图像亮度Y进行均匀且不重叠地分块;
步骤S103:对图像亮度Y中的每个块进行灰度级压缩;
步骤S104:对图像亮度Y中的每个块进行直方图统计;
步骤S105:对图像亮度Y中的每个块进行限制对比度;
步骤S106:对图像亮度Y中的每个块进行直方图均衡,得到每个块的灰度级映射表;
步骤S107:根据灰度级映射表,对图像亮度Y进行双线性插值算法计算,得到图像亮度Y的每个调整后像素值;
步骤S108:计算图像亮度Y的每个初始像素值与其调整后像素值之间的颜色换算比例;
步骤S109:将颜色换算比例应用到当前RGB颜色空间图像中,输出新的RGB颜色空间图像。
2.根据权利要求1所述的基于灰度级压缩的CLHAE图像增强方法,其特征在于,步骤S105中,通过设置限制对比度的阈值,对图像亮度Y的每个块进行限制对比度。
3.根据权利要求2所述的基于灰度级压缩的CLHAE图像增强方法,其特征在于,通过进行限制对比度,得到每个块中超出阈值的总像素数,根据超出阈值的总像素数,得到每个块中每个灰度级的预分配像素数,并分配至每个块中。
4.根据权利要求3所述的基于灰度级压缩的CLHAE图像增强方法,其特征在于,按照预分配像素数进行分配时,如第一次分配未将超出阈值的总像素数分配完时,则以第一次分配的数据为基础,进行第二次分配。
5.根据权利要求1所述的基于灰度级压缩的CLHAE图像增强方法,其特征在于,步骤S106中,对完成限制对比度后的每个块的每个灰度级计算得到累进直方图,并根据累进直方图进行直方图均衡。
6.根据权利要求1所述的基于灰度级压缩的CLHAE图像增强方法,其特征在于,步骤S102中,将图像亮度Y均匀且不重叠地分为四个块。
7.根据权利要求6所述的基于灰度级压缩的CLHAE图像增强方法,其特征在于,步骤S107中,先通过以过图像亮度Y中每相邻两个块中点的连线为划分线,将图像亮度Y划分为九个小块,并按照各小块所在位置,将各小块分别定义为角区域小块、边区域小块和中心区域小块,然后进行双线性插值算法计算,得到图像亮度Y的每个调整后像素值。
8.根据权利要求7所述的基于灰度级压缩的CLHAE图像增强方法,其特征在于,针对某角区域小块中的各像素,通过直接查该角区域小块所在的块对应的灰度级映射表,获得该角区域小块中各像素的调整后像素值;针对某边区域小块中的各像素,先查该边区域小块所在的两个块对应的两个灰度级映射表,获得该边区域小块中各像素的对应两个虚拟定点的像素值,然后采用线性插值算法,获得该边区域小块中各像素的调整后像素值;针对中心区域小块中的各像素,先查中心区域小块所在的四个块对应的四个灰度级映射表,获得中心区域小块中各像素的对应四个虚拟定点的像素值,然后采用双线性插值算法,获得中心区域小块中各像素的调整后像素值。
9.根据权利要求1所述的基于灰度级压缩的CLHAE图像增强方法,其特征在于,所述颜色换算比例是调整后像素值与初始像素值的比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810541695.2A CN108846812A (zh) | 2018-05-30 | 2018-05-30 | 一种基于灰度级压缩的clhae图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810541695.2A CN108846812A (zh) | 2018-05-30 | 2018-05-30 | 一种基于灰度级压缩的clhae图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108846812A true CN108846812A (zh) | 2018-11-20 |
Family
ID=64211073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810541695.2A Pending CN108846812A (zh) | 2018-05-30 | 2018-05-30 | 一种基于灰度级压缩的clhae图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846812A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110572626A (zh) * | 2019-09-03 | 2019-12-13 | 云南白药集团健康产品有限公司 | 一种图像处理方法及设备 |
CN110751603A (zh) * | 2019-09-26 | 2020-02-04 | 中国科学院长春光学精密机械与物理研究所 | 一种图像对比度的增强方法、系统及终端设备 |
CN111010497A (zh) * | 2019-12-26 | 2020-04-14 | 苏州羿景睿图信息科技有限公司 | 一种基于fpga的clahe透雾增强并行运算方法 |
CN111415357A (zh) * | 2020-03-19 | 2020-07-14 | 长光卫星技术有限公司 | 一种基于彩色影像的便携式阴影提取方法 |
CN111464773A (zh) * | 2020-04-08 | 2020-07-28 | 湖南泽天智航电子技术有限公司 | 一种多路视频显示方法及系统 |
CN112215767A (zh) * | 2020-09-28 | 2021-01-12 | 电子科技大学 | 一种抗块效应的图像视频增强方法 |
CN112365424A (zh) * | 2020-11-17 | 2021-02-12 | 昆明物理研究所 | 基于局部自适应clahe的红外图像去噪增强方法、装置、系统与计算机可读存储介质 |
CN112365485A (zh) * | 2020-11-19 | 2021-02-12 | 同济大学 | 一种基于Circular LBP和颜色空间转换算法的黑色素瘤识别方法 |
WO2021047383A1 (zh) * | 2019-09-12 | 2021-03-18 | 京东方科技集团股份有限公司 | 用于电子墨水屏的图像处理方法、装置和电子墨水屏 |
US11763762B2 (en) | 2020-01-03 | 2023-09-19 | Boe Technology Group Co., Ltd. | Image processing method, image processing device, and display device |
WO2023236766A1 (zh) * | 2022-06-08 | 2023-12-14 | 中兴通讯股份有限公司 | 一种色彩空间转换方法及电子设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205792A (zh) * | 2015-09-18 | 2015-12-30 | 天津大学 | 一种基于亮度色度分离的水下图像增强方法 |
CN106251300A (zh) * | 2016-07-26 | 2016-12-21 | 华侨大学 | 一种基于Retinex的快速夜间雾天图像复原方法 |
-
2018
- 2018-05-30 CN CN201810541695.2A patent/CN108846812A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205792A (zh) * | 2015-09-18 | 2015-12-30 | 天津大学 | 一种基于亮度色度分离的水下图像增强方法 |
CN106251300A (zh) * | 2016-07-26 | 2016-12-21 | 华侨大学 | 一种基于Retinex的快速夜间雾天图像复原方法 |
Non-Patent Citations (4)
Title |
---|
刘巧玲等: "基于双线性插值的CLAHE算法研究与实现", 《成都大学学报(自然科学版)》 * |
张璞等: "基于CLAHE变换的低对比度图像增强改进算法", 《青岛大学学报(工程技术版)》 * |
李智君等: "低照度环境监控的图像增强算法研究", 《电子测试》 * |
赵静: "彩色图像增强", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110572626A (zh) * | 2019-09-03 | 2019-12-13 | 云南白药集团健康产品有限公司 | 一种图像处理方法及设备 |
CN110572626B (zh) * | 2019-09-03 | 2021-05-28 | 云南白药集团健康产品有限公司 | 一种图像处理方法及设备 |
WO2021047383A1 (zh) * | 2019-09-12 | 2021-03-18 | 京东方科技集团股份有限公司 | 用于电子墨水屏的图像处理方法、装置和电子墨水屏 |
CN110751603A (zh) * | 2019-09-26 | 2020-02-04 | 中国科学院长春光学精密机械与物理研究所 | 一种图像对比度的增强方法、系统及终端设备 |
CN111010497A (zh) * | 2019-12-26 | 2020-04-14 | 苏州羿景睿图信息科技有限公司 | 一种基于fpga的clahe透雾增强并行运算方法 |
US11763762B2 (en) | 2020-01-03 | 2023-09-19 | Boe Technology Group Co., Ltd. | Image processing method, image processing device, and display device |
CN111415357A (zh) * | 2020-03-19 | 2020-07-14 | 长光卫星技术有限公司 | 一种基于彩色影像的便携式阴影提取方法 |
CN111415357B (zh) * | 2020-03-19 | 2023-04-07 | 长光卫星技术股份有限公司 | 一种基于彩色影像的便携式阴影提取方法 |
CN111464773A (zh) * | 2020-04-08 | 2020-07-28 | 湖南泽天智航电子技术有限公司 | 一种多路视频显示方法及系统 |
CN112215767A (zh) * | 2020-09-28 | 2021-01-12 | 电子科技大学 | 一种抗块效应的图像视频增强方法 |
CN112365424A (zh) * | 2020-11-17 | 2021-02-12 | 昆明物理研究所 | 基于局部自适应clahe的红外图像去噪增强方法、装置、系统与计算机可读存储介质 |
CN112365424B (zh) * | 2020-11-17 | 2023-06-06 | 昆明物理研究所 | 基于局部自适应clahe的红外图像去噪增强方法、装置、系统与计算机可读存储介质 |
CN112365485A (zh) * | 2020-11-19 | 2021-02-12 | 同济大学 | 一种基于Circular LBP和颜色空间转换算法的黑色素瘤识别方法 |
CN112365485B (zh) * | 2020-11-19 | 2022-08-16 | 同济大学 | 一种基于Circular LBP和颜色空间转换算法的黑色素瘤识别方法 |
WO2023236766A1 (zh) * | 2022-06-08 | 2023-12-14 | 中兴通讯股份有限公司 | 一种色彩空间转换方法及电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846812A (zh) | 一种基于灰度级压缩的clhae图像增强方法 | |
Chang et al. | Automatic contrast-limited adaptive histogram equalization with dual gamma correction | |
CN110232661B (zh) | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 | |
Radha et al. | Image compression using binary space partitioning trees | |
TWI407777B (zh) | 以影像特徵為基礎之動態對比強化裝置及其方法 | |
CN110599415A (zh) | 基于局部自适应伽马校正的图像对比度增强实现方法 | |
Hanumantharaju et al. | Color image enhancement using multiscale retinex with modified color restoration technique | |
CN103295206B (zh) | 一种基于Retinex的微光图像增强方法和装置 | |
Xu et al. | Colour image enhancement by virtual histogram approach | |
CN106651817A (zh) | 一种基于非抽样Contourlet的图像增强方法 | |
CN111968065A (zh) | 一种亮度不均匀图像的自适应增强方法 | |
KR20060091043A (ko) | 매핑 함수에 기반한 이미지 처리 방법 및 장치 | |
Abdullah-Al-Wadud | A modified histogram equalization for contrast enhancement preserving the small parts in images | |
Yang et al. | Color image contrast enhancement by co-occurrence histogram equalization and dark channel prior | |
Roterman et al. | Color image coding using regional correlation of primary colors | |
Lal et al. | Automatic method for contrast enhancement of natural color images | |
CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及系统 | |
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 | |
US20200151864A1 (en) | Method and device for analyzing image sections for a correspondence calculation | |
Mosny et al. | Cubical gamut mapping colour constancy | |
Jin et al. | 23‐2: An Adaptive Contrast Enhancement of Image Using Multi‐Scale Histogram Representation | |
Unaldi et al. | Image enhancement for improving face detection under non-uniform lighting conditions | |
CN1750084A (zh) | 用滑动窗口增强pdp综合图像质量的方法 | |
Chang et al. | Perceptual contrast enhancement of dark images based on textural coefficients | |
Singh et al. | Performance Evaluation of Spatial Domain Contrast Enhancement Techniques for Underwater Images |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181120 |
|
WD01 | Invention patent application deemed withdrawn after publication |