CN109118442B - 一种基于Sobel算子滤波的图像增强方法 - Google Patents
一种基于Sobel算子滤波的图像增强方法 Download PDFInfo
- Publication number
- CN109118442B CN109118442B CN201810802538.2A CN201810802538A CN109118442B CN 109118442 B CN109118442 B CN 109118442B CN 201810802538 A CN201810802538 A CN 201810802538A CN 109118442 B CN109118442 B CN 109118442B
- Authority
- CN
- China
- Prior art keywords
- image
- filtering
- sobel operator
- gray
- enhanced
- 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 47
- 238000001914 filtration Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 11
- 238000013441 quality evaluation Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007781 pre-processing 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于Sobel算子滤波的图像增强方法，主要分为4个步骤，步骤1，先对图像进行预处理，步骤2，针对预处理之后的图像，得到一个突出原始图像边沿的图像，步骤3，得到一个初步的增强图像，步骤4是将步骤2和步骤3得到的结果进行处理得到最终的增强图像。本发明通过多步优化，一定程度上的提高了图像的质量，使其更加的清晰；并将平滑与锐化相结合，在增强图像清晰度的同时，有效的克服了失真、噪声等负面影响。此外，本发明引入三种客观分析图像质量的参数与主观评价相结合，有效的弥补了图像质量评价方法单一的不足。
Description
技术领域
本发明涉及图像处理技术领域，适用于图像可视度差、图像噪音干扰强、图像对比度薄弱等场景，可用于医学成像、工业检测和航空航天等领域。
背景技术
在科学技术不断发展的今天，图像是一种非常重要的信息来源，如在医疗、航空航天等领域，工作人员只能通过图像对相关问题进行分析，根据一些实验和估算，人类对信息的获取有将近85％来依靠视觉系统，因此对原始图像进行相应的增强处理使其变得更加清晰、更加方便分析显得非常的重要。
图像增强是一种常用的数字图像处理技术，目的是为了提高图像目标区域的质量，改善其视觉效果。在60年代初期，相关技术的突破使得图像增强技术可以在计算机上实现。经历了70年代的普及发展后，如今，图像增强技术已经慢慢涉及到了各个领域，发展十分的迅速。图像增强的方法有许多，直接灰度变换、直方图修正、平滑滤波、锐化滤波、低通滤波和高通滤波等这些方法都可以对图像进行相应的增强处理；通过这些方法处理后的图像虽然都有一定的增强效果，但是同时可能会产生一些不好的影响。例如在利用平滑消除图像噪音的同时，会是图像变得模糊；利用锐化增强图像边沿的同时，可能使图像平滑区域的信息丢失。为了解决这一问题，不少研究人员便尝试将多种单一的图像增强方式进行组合，从而得到更加优化的图像增强方法，在增强图像的同时，将负面影响降到最低，取得了有效的进展。为了使图像能够更加清晰、直观的呈现在观察者面前，寻找更加优化、完善的图像增强方法是必不可少的。
同时，在评价图像的增强效果的时候，大多都是通过观察者眼睛进行的主观判断或者客观评价标准比较单一，这种方法比较容易受到很多客观因素的影响，使得评价的说服力不够；因此，引入多组参数的客观质量评价方法，对于人们准确的分析图像、解决问题有着十分重要的意义。
发明内容
本发明旨在针对上述提出的一些不足之处，提出了一种基于Sobel算子滤波的图像增强方法；此方法可以使图像变得清晰可观，同时引入了三种客观评价图像质量的参数来与主观评价相结合，使图像的质量评价更加的全面，准确。
本发明的技术方案为一种基于Sobel算子滤波的图像增强方法，步骤如下：
步骤1，对原始图像进行数据归一化，如果原始图像为彩色图像，则转换成灰度图像，并以归一化和灰度化处理后的图像作为后续步骤的输入图像；
步骤2，获得突出原始图像边缘的图像，包括如下子步骤；
步骤2a，利用理想高通滤波器处理输入图像；
步骤2b，将步骤2a得到的图像与输入图像相加，得到简单的增强图像；
步骤2c，对步骤2b中得到的图像用Sobel算子进行锐化；
步骤3，获得初步的增强图像，包括如下子步骤，
步骤3a，使用均值滤波器对输入图像进行平滑滤波，减少图像噪声；
步骤3b，对步骤3a得到的图像使用拉普拉斯算子处理；
步骤3c，将步骤3b得到的图像与输入图像相加得到初步锐化图像；
步骤4，将步骤2与步骤3得到的图像点乘，得到感兴趣部位的图像，
Z(i,j)＝S(i,j).*L(i,j) (3-1)
其中S(i，j)，L(i，j)分别为步骤2和步骤3得到的图像；
最终再将点乘后的图像Z(i，j)加到输入图像上，得到最终的增强图像R(i，j)。
进一步的，步骤2a中利用理想高通滤波器处理输入图像的具体流程如下，
首先对输入图像计算傅里叶变换：
k＝0,1,…,X-1
b＝0,1,…,Y-1
其中X,Y为输入图像横向和纵向上的总像素数，f(i，j)为输入图像在点(i，j)处的灰度值；
然后进行高通滤波：
滤波器传递函数满足：
d0为截止频率到原点的距离，d(k,b)为点(k,b)到原点的距离，
G(k,b)＝F(k,b)×H(k,b) (1-4)
最后将G(k,b)进行傅里叶逆变换，得到高通滤波得到的图像：
i＝0,1,…,X-1
j＝0,1,…,Y-1
g(i，j)即为滤波后的图像。
进一步的，步骤2c中的Sobel算子为，
利用Sobel算子对图像进行锐化后，对于点(i，j)有：
Si＝h(i-1,j-1)-h(i-1,j+1)+2h(i,j-1)-2h(i,j+1)+h(i+1,j-1)-h(i+1,j+1)(1-6)
Sj＝h(i-1,j-1)+2h(i-1,j)+h(i-1,j+1)-h(i+1,j-1)-2h(i+1,j)-h(i+1,j+1)(1-7)
其中，h(i,j)为步骤2b获得的简单的增强图像，Si和Sj分别为图像在水平、垂直方向的梯度，则点(i,j)的灰度值为：
进一步的，步骤3a中均值滤波过程表示为，
其中，p(i，j)为滤波后的灰度值，q(a,b)是大小为(2m+1)×(2n+1)的滤波器模板，f(i,j)为输入图像的灰度值。
进一步的，步骤3b中的拉普拉斯算子为，
则利用拉普拉斯算子处理后，对于点(i，j)有：
L(i,j)＝p(i-1,j)+p(i,j-1)-4p(i,j)+p(i,j+1)+p(i+1,j) (2-2)
其中，L(i，j)为处理后的图像，p(i,j)为均值滤波后的图像；
进一步的，本发明还包括步骤5，图像质量参数计算，具体包括如下子步骤，
步骤5a，计算最终的增强图像的灰度均值评价图像的明暗程度；
其中X×Y为图像总像素数，灰度均值大的图像整体明亮；
步骤5b，计算最终的增强图像的峰值信噪比(PSNR)评价图像的失真情况；
其中R(i，j)和f(i，j)分别为输出和输入图像在点(i，j)处的灰度值，MSE为均方误差，255为最大灰度级，PANR越大说明图像失真越小；
步骤5c，计算最终的增强图像熵值测量图像的质量，
其中P(i)表示灰度值为i的像素占像素总数的比例，熵越大，反应的纹理信息越丰富。
本发明与传统的图像增强及图像质量评价方法相比，具有以下优点：
1.本发明通过多步优化，一定程度上的提高了图像的质量，使其更加的清晰；
2.本发明通过将平滑与锐化相结合，在增强图像清晰度的同时，有效的克服了失真、噪声等负面影响；
3.本发明引入三种客观分析图像质量的参数与主观评价相结合，有效的弥补了图像质量评价方法单一的不足。
实验结果图以及各参数的比较表明，本方法可以获得比传统方法更好的增强图像。
附图说明
图1为本发明图像增强方法流程图；
图2为本发明中傅里叶变换的理想高通滤波过程图；
图3为本发明中理想高通滤波器传递函数的一个剖面示意图；
图4为本发明中利用Sobel算子处理图像的效果图；
图5为本发明的实验结果图。
具体实施方式
如图1所示，可将本发明中的图像增强方法分为4个步骤，步骤1，先对图像进行预处理，步骤2，针对预处理之后的图像，得到一个突出原图边沿的图像，步骤3，得到一个初步的增强图像，步骤4是将步骤2和步骤3得到的结果进行处理得到最终的增强图像；步骤5则是计算本发明中引入的各个参数，下面对每个步骤做详细说明。
步骤1，对原始图像进行数据归一化，如果原始图像为彩色图像，则转换成灰度图像，并以归一化和灰度化处理后的图像作为后续步骤的输入图像；
步骤2，获得突出原始图像边缘的图像，包括如下子步骤；
步骤2a，利用理想高通滤波器处理输入图像，如图2过程图所示；
首先对输入图像计算傅里叶变换：
k＝0,1,…,X-1
b＝0,1,…,Y-1
其中X,Y为输入图像横向和纵向上的总像素数，f(i，j)为输入图像在点(i，j)处的灰度值；
然后进行高通滤波：
滤波器传递函数如图3所示，满足：
d0为截止频率到原点的距离，d(k,b)为点(k,b)到原点的距离，
G(k,b)＝F(k,b)×H(k,b) (1-4)
最后将G(k,b)进行傅里叶逆变换便可得到高通滤波得到的图像：
i＝0,1,…,X-1
j＝0,1,…,Y-1
g(i，j)即为滤波后的图像；
步骤2b，将步骤2a得到的图像与输入图像相加，得到简单的增强图像h(i,j)；
步骤2c，对步骤2b中得到的图像用Sobel算子进行锐化；
Sobel算子为：
则对于点(i，j)有：
Si＝h(i-1,j-1)-h(i-1,j+1)+2h(i,j-1)-2h(i,j+1)+h(i+1,j-1)-h(i+1,j+1)(1-6)
Sj＝h(i-1,j-1)+2h(i-1,j)+h(i-1,j+1)-h(i+1,j-1)-2h(i+1,j)-h(i+1,j+1)(1-7)
其中，Si和Sj分别为图像在水平、垂直方向的梯度，则点(i,j)的灰度值为：
通常近似为|S(i,j)|＝|Si|+|Sj|来方便计算，其效果如图4所示。
步骤3，获得初步的增强图像，包括如下子步骤，
步骤3a，使用均值滤波器对输入图像进行平滑滤波，减少图像噪声；
滤波过程可以表示为：
其中，p(i，j)为滤波后的灰度值，q(a,b)是大小为(2m+1)×(2n+1)的滤波器模板，f(i,j)为输入图像。本实施例采用的3×3均值模板如下：
步骤3b，对步骤3a得到的图像使用拉普拉斯算子处理；
拉普拉斯算子为：
则对于点(i，j)有：
L(i,j)＝p(i-1,j)+p(i,j-1)-4p(i,j)+p(i,j+1)+p(i+1,j) (2-2)
其中，L(i，j)为处理后的图像，p(i,j)为均值滤波后的图像；
步骤3c，将步骤3b得到的图像与输入图像相加得到初步锐化图像。
步骤4，将步骤2与步骤3得到的图像点乘，可以得到我们感兴趣部位的图像；
Z(i,j)＝S(i,j).*L(i,j) (3-1)
其中S(i，j)，L(i，j)分别为步骤1和步骤2得到的图像；
再将点乘后的图像Z(i，j)加到输入图像上，得到最终的增强图像R(i，j)。
步骤5，图像质量参数计算，包括如下子步骤，
步骤5a，灰度均值是通过将所有像素的灰度值相加然后除以像素总数得到的，是一种十分有效的计算灰度图像浓度的方法；灰度均值大的图像整体明亮，相比灰度均值小的比较暗的图像易于辨识。
其中X×Y为图像总像素数；
步骤5b，峰值信噪比(PSNR)是客观衡量图像质量的指标之一。
其中R(i，j)和f(i，j)分别为输出和输入图像在点(i，j)处的灰度值，MSE为均方误差，255为最大灰度级。PANR越大说明图像失真越小；
步骤5c，通过计算图像熵值也可以测量图像的质量。
其中P(i)表示灰度值为i的像素占像素总数的比例。熵越大，反应的纹理信息越丰富。
本实验效果可以通过以下实验来实现：
1.实验条件
可在Windows10系统上使用Matlab2018进行实验。
2.实验内容
分别选取三张图像作为原始输入图像，经过本发明中提到的各个步骤之后得到增强图像，并计算出三大质量评价参数；同时引入同态滤波方法增强原始图像并计算相关参数与本发明进行对比。
3.实验结果
实验结果图如图5所示，本发明得到的增强图像的参数如表1所示，与同态滤波得到的增强图像的参数相比如表2所示。
表1本发明增强图像质量参数
表2与同态滤波增强图像参数比较
4.结果分析
从图像质量以及各参数比较可以看出，本文提出的一种基于Sobel算子滤波的图像增强算法对原图像有了明显的增强效果，更加突出了目标区域的细节。对于多张低对比度的图像，其峰值信噪比、熵、灰度均值以及图像的视觉效果都是衡量一幅图像质量的重要指标。从主观来看，可以明显的观察到本实验得出的图像相比原图有了十分明显的改善，更加的清晰。客观上来看，使用同态滤波方法得到的增强图像具有非常不错的效果，从实验得出的数据可以看到，通过本方法得到的增强图像的峰值信噪比(PSNR)比同态滤波更高，说明增强的图像失真更小，质量更高；得到的增强图像的熵值(entropy)比同态滤波得到的更大，图像质量更好；同时，增强图像的灰度均值(mean)比原图有些许的提升，使得图像更加的明亮、客观。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种基于Sobel算子滤波的图像增强方法，其特征在于，包括如下步骤：
步骤1，对原始图像进行数据归一化，如果原始图像为彩色图像，则转换成灰度图像，并以归一化和灰度化处理后的图像作为后续步骤的输入图像；
步骤2，获得突出原始图像边缘的图像，包括如下子步骤；
步骤2a，利用理想高通滤波器处理输入图像；
步骤2b，将步骤2a得到的图像与输入图像相加，得到简单的增强图像；
步骤2c，对步骤2b中得到的图像用Sobel算子进行锐化；
步骤3，获得初步的增强图像，包括如下子步骤，
步骤3a，使用均值滤波器对输入图像进行平滑滤波，减少图像噪声；
步骤3b，对步骤3a得到的图像使用拉普拉斯算子处理；
步骤3c，将步骤3b得到的图像与输入图像相加得到初步锐化图像；
步骤4，将步骤2与步骤3得到的图像点乘，得到感兴趣部位的图像，
Z(i,j)＝S(i,j).*L(i,j) (3-1)
其中S(i，j)，L(i，j)分别为步骤2和步骤3得到的图像；
最终再将点乘后的图像Z(i，j)加到输入图像上，得到最终的增强图像R(i，j)。
2.如权利要求1所述的一种基于Sobel算子滤波的图像增强方法，其特征在于：步骤2a中利用理想高通滤波器处理输入图像的具体流程如下，
首先对输入图像计算傅里叶变换：
其中X,Y为输入图像横向和纵向上的总像素数，f(i，j)为输入图像在点(i，j)处的灰度值；
然后进行高通滤波：
滤波器传递函数满足：
d0为截止频率到原点的距离，d(k,b)为点(k,b)到原点的距离，
G(k,b)＝F(k,b)×H(k,b) (1-4)
最后将G(k,b)进行傅里叶逆变换，得到高通滤波得到的图像：
g(i，j)即为滤波后的图像。
3.如权利要求1所述的一种基于Sobel算子滤波的图像增强方法，其特征在于：步骤2c中的Sobel算子为，
利用Sobel算子对图像进行锐化后，对于点(i，j)有：
其中，h(i,j)为步骤2b获得的简单的增强图像，Si和Sj分别为图像在水平、垂直方向的梯度，则点(i,j)的灰度值为：
4.如权利要求1所述的一种基于Sobel算子滤波的图像增强方法，其特征在于：步骤3a中均值滤波过程表示为，
其中，p(i，j)为滤波后的灰度值，q(a,b)是大小为(2m+1)×(2n+1)的滤波器模板，f(i,j)为输入图像的灰度值。
5.如权利要求1所述的一种基于Sobel算子滤波的图像增强方法，其特征在于：步骤3b中的拉普拉斯算子为，
则利用拉普拉斯算子处理后，对于点(i，j)有：
L(i,j)＝p(i-1,j)+p(i,j-1)-4p(i,j)+p(i,j+1)+p(i+1,j) (2-2)
其中，L(i，j)为处理后的图像，p(i,j)为均值滤波后的图像；
6.如权利要求1所述的一种基于Sobel算子滤波的图像增强方法，其特征在于：还包括步骤4，图像质量参数计算，具体包括如下子步骤，
步骤4a，计算最终的增强图像的灰度均值评价图像的明暗程度；
其中X×Y为图像总像素数，灰度均值大的图像整体明亮；
步骤4b，计算最终的增强图像的峰值信噪比PSNR评价图像的失真情况；
其中R(i，j)和f(i，j)分别为最终的增强图像和输入图像在点(i，j)处的灰度值，MSE为均方误差，255为最大灰度级，PANR越大说明图像失真越小；
步骤4c，计算最终的增强图像熵值测量图像的质量，
其中P(i)表示灰度值为i的像素占像素总数的比例，熵越大，反应的纹理信息越丰富。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810802538.2A CN109118442B (zh) | 2018-07-20 | 2018-07-20 | 一种基于Sobel算子滤波的图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810802538.2A CN109118442B (zh) | 2018-07-20 | 2018-07-20 | 一种基于Sobel算子滤波的图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109118442A CN109118442A (zh) | 2019-01-01 |
| CN109118442B true CN109118442B (zh) | 2021-08-03 |
Family
ID=64863071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810802538.2A Active CN109118442B (zh) | 2018-07-20 | 2018-07-20 | 一种基于Sobel算子滤波的图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109118442B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110428475B (zh) | 2019-06-21 | 2021-02-05 | 腾讯科技（深圳）有限公司 | 一种医学图像的分类方法、模型训练方法和服务器 |
| CN110471523A (zh) * | 2019-07-30 | 2019-11-19 | 中信戴卡股份有限公司 | 一种旋转成像设备及节能显示方法、电子设备及存储介质 |
| CN110896499B (zh) * | 2019-10-12 | 2020-10-02 | 南京杰游信息技术有限公司 | 移动终端播放位置定位系统及方法 |
| CN112116544B (zh) * | 2020-10-08 | 2022-04-22 | 东南数字经济发展研究院 | 一种抵抗图像平滑滤波的预处理方法 |
| CN116152123B (zh) * | 2023-04-21 | 2023-09-19 | 荣耀终端有限公司 | 图像处理方法、电子设备及可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1809837A (zh) * | 2003-07-04 | 2006-07-26 | 独立行政法人科学技术振兴机构 | 图像处理装置、图像处理方法和程序及记录介质 |
| CN102222326A (zh) * | 2011-06-28 | 2011-10-19 | 青岛海信信芯科技有限公司 | 一种基于单张低分辨率的图像去模糊方法及装置 |
| CN104517269A (zh) * | 2014-12-25 | 2015-04-15 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像条纹处理方法及系统 |
| CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
| CN106875353A (zh) * | 2017-01-20 | 2017-06-20 | 飞依诺科技(苏州)有限公司 | 超声图像的处理方法及处理系统 |
| CN107516302A (zh) * | 2017-08-31 | 2017-12-26 | 北京无线电计量测试研究所 | 一种基于OpenCV的混合图像增强的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6000659B2 (ja) * | 2012-06-01 | 2016-10-05 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
-
2018
- 2018-07-20 CN CN201810802538.2A patent/CN109118442B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1809837A (zh) * | 2003-07-04 | 2006-07-26 | 独立行政法人科学技术振兴机构 | 图像处理装置、图像处理方法和程序及记录介质 |
| CN102222326A (zh) * | 2011-06-28 | 2011-10-19 | 青岛海信信芯科技有限公司 | 一种基于单张低分辨率的图像去模糊方法及装置 |
| CN104517269A (zh) * | 2014-12-25 | 2015-04-15 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像条纹处理方法及系统 |
| CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
| CN106875353A (zh) * | 2017-01-20 | 2017-06-20 | 飞依诺科技(苏州)有限公司 | 超声图像的处理方法及处理系统 |
| CN107516302A (zh) * | 2017-08-31 | 2017-12-26 | 北京无线电计量测试研究所 | 一种基于OpenCV的混合图像增强的方法 |
Non-Patent Citations (2)
| Title |
|---|
| "Edge Detection Algorithm of Image Fusion Based on Improved Sobel Operator";Yi Zhang 等;《2017 IEEE 3rd Information Technology and Mechatronics》;20171231;第457-461页 * |
| "基于改进 Sobel 算法的实时图像边缘检测系统设计";张棋等;《仪表技术与传感器》;20180228(第2期);第101-104、108页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109118442A (zh) | 2019-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109118442B (zh) | 一种基于Sobel算子滤波的图像增强方法 | |
| Feichtenhofer et al. | A perceptual image sharpness metric based on local edge gradient analysis | |
| US20060084869A1 (en) | Method and apparatus for enhancing image quality of a two-dimensional ultrasound image | |
| Wang et al. | Fusion-based underwater image enhancement by wavelet decomposition | |
| CN108898132B (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
| CN104574293A (zh) | 基于有界运算的多尺度Retinex图像清晰化算法 | |
| CN108932699B (zh) | 基于变换域的三维匹配调和滤波图像去噪方法 | |
| CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
| CN107784639B (zh) | 一种无人机遥感图像改进多边滤波去噪方法 | |
| CN109118434A (zh) | 一种图像预处理方法 | |
| CN114332081B (zh) | 基于图像处理的纺织品表面异常判定方法 | |
| CN112541869A (zh) | 一种基于matlab实现的Retinex图像去雾方法 | |
| CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
| Jin et al. | Perceptual Gradient Similarity Deviation for Full Reference Image Quality Assessment. | |
| CN108681684B (zh) | 一种二维条码图像无参考质量评价方法及其装置、系统 | |
| Zeng et al. | High dynamic range infrared image compression and denoising | |
| Wang et al. | A background correction method for particle image under non-uniform illumination conditions | |
| CN103700066B (zh) | 一种便携式夜视装备视频图像处理方法 | |
| CN113838023B (zh) | 一种色差图像质量评价方法 | |
| CN114693543B (zh) | 图像降噪方法及装置、图像处理芯片、图像采集设备 | |
| Ma et al. | Solid waste surface feature enhancement method based on gamma correction and wavelet transform | |
| Chandana et al. | An optimal image dehazing technique using dark channel prior | |
| Jmal et al. | New color image illumination enhancement technique based on homomorphic filtering | |
| Kumari et al. | Image fusion techniques based on pyramid decomposition | |
| Choudhary et al. | A novel approach for edge detection for blurry images by using digital image processing |
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 |