CN109146826A - 一种图像增强方法及装置 - Google Patents
一种图像增强方法及装置 Download PDFInfo
- Publication number
- CN109146826A CN109146826A CN201810674402.8A CN201810674402A CN109146826A CN 109146826 A CN109146826 A CN 109146826A CN 201810674402 A CN201810674402 A CN 201810674402A CN 109146826 A CN109146826 A CN 109146826A
- Authority
- CN
- China
- Prior art keywords
- histogram
- image
- channel
- color space
- pixel
- 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 63
- 238000013507 mapping Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000005520 cutting process Methods 0.000 claims abstract description 12
- 230000002708 enhancing effect Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 238000005315 distribution function Methods 0.000 claims description 23
- 238000010606 normalization Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007323 disproportionation reaction Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/22—Cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像增强方法及装置,所述方法先将图像由RGB色彩空间转换到HSV色彩空间,在亮度V通道上进行直方图统计操作,并对统计得到的直方图进行限制裁剪,防止过度增强;根据限制裁剪后的直方图计算灰度值映射函数,对图像亮度V通道的像素点进行灰度值映射;将处理后的亮度V通道与原始色度H通道和饱和度S通道数据转换到RGB色彩空间,得到增强后的图像。直方图统计操作中,将目标像素点与邻域中的其他8个像素点依次进行求差,并将这些差的绝对值相加后与阈值比较,如果大于阈值则将此像素点作为有效像素点进行直方图统计,否则作为无效像素点。解决了传统直方图均衡化处理之后图像出现的一些非理想视觉效应和视觉缺陷。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种图像增强方法及装置。
背景技术
近些年来,随着数字图像处理技术的不断发展,人们对于图像质量的要求也越来越高,然而由于图像获取的环境和设备等因素,会导致获取到的图像质量不佳。图像增强作为数字图像处理技术中非常重要的一个环节,能够提高图像的对比度,改善图像的清晰度,使得图像能够有更好的视觉效果。
图像增强领域有多种方法,它们具有不同的优点,直方图均衡、滤波、Retinex增强等是常用的方法,其中直方图均衡化计算复杂度较低,方便硬件实现,并且占用资源较少,实时性较好。
然而传统直方图均衡化会导致很多非理想的效应,往往无法直接应用,需要对其加以改进。
发明内容
本发明的目的是针对现有技术的不足,提供了一种图像增强方法,解决了传统直方图均衡化处理之后图像出现的一些非理想视觉效应和视觉缺陷。
本发明的另一目的在于提供一种图像增强装置。
本发明的目的可以通过如下技术方案实现:
一种图像增强方法,所述方法包括以下步骤:
提取图像RGB三个通道的数据将其转换到HSV色彩空间,并提取图像亮度V通道的数据;
在所述亮度V通道上进行直方图统计操作,并对统计得到的直方图进行限制裁剪,防止过度增强;
根据限制裁剪后的直方图计算灰度值映射函数,根据所述灰度值映射函数对图像亮度V通道的像素点进行灰度值映射;
将处理后的亮度V通道数据与原始色度H通道和饱和度S通道数据转换到RGB色彩空间,得到增强后的图像。
进一步地,提取图像RGB三个通道的数据将其转换到HSV色彩空间的公式如下:
V=max(R,G,B)
其中,max表示某像素点R通道、G通道和B通道中的最大值,min表示某像素点R通道、G通道和B通道中的最小值。
进一步地,所述直方图统计操作的具体过程如下:选取目标像素点V(i,j),将目标像素点作为中心点,取其3*3邻域,将目标像素点与邻域中的其他8个像素点依次进行求差,并将这些差的绝对值进行相加,如果求得的值大于所设定的阈值,则将此像素点作为有效的像素点来进行直方图统计,否则将此像素点作为无效的像素点,具体公式如下:
V(i,j)-V(i-1,j-1)|+|V(i,j)-V(i-1,j)|+V(i,j)-V(i-1,j+1)|+V(i,j)-V(i,j-1)|+
|V(i,j)-V(i,j+1)|+|V(i,j)-V(i+1,j-1)|+|V(i,j)-V(i+1,j)|+|V(i,j)-V(i+1,j+1)|>Threshold
其中,Threshold表示设定的阈值,当上式成立时,将当前目标像素点作为有效像素点计入到直方图统计,否则视为无效像素点。
进一步地,所述对统计得到的直方图进行限制裁剪的阈值为归一化直方图分布函数的最大值与均匀分布直方图函数的加权,具体公式如下:
clip=αPmax+(1-α)u
其中,clip表示对统计得到的直方图进行限制裁剪的阈值,Pmax表示由统计得到的整个图像有效像素点个数计算得到的归一化直方图分布函数Ps(k)的最大值,u表示均匀分布直方图函数,α表示对应的权重,所述权重能够根据具体的应用场景来进行确定。
进一步地,根据所述阈值clip对统计得到的直方图进行限制裁剪,公式如下:
其中,Ps(k)表示归一化直方图分布函数,将大于阈值clip的部分进行累加并且重分配到小于阈值clip的部分,得到最终的直方图分布函数P(k)。
进一步地,所述灰度值映射函数的表达式如下:
其中,V表示亮度V通道上的灰度值,P(k)表示最终的直方图分布函数,[]表示取整符号,f(V)表示灰度值V的映射值,2n表示图像的灰阶数。
进一步地,将处理后的亮度V通道数据与原始色度H通道和饱和度S通道数据转换到RGB色彩空间,转换方法具体如下:
hi=H>>7
f=H&0x7f
p=(V*(1024-S)+(1<<9))>>10
q=(V*(1024-(S*f>>7))+(1<<9))>>10
t=(V*(1024-(S*(0x80-f)>>7))+(1<<9))>>10
本发明的另一目的可以通过如下技术方案实现:
一种实现上述图像增强方法的图像增强装置,所述装置包括:
第一色彩空间转换单元,用于将原始图像从RGB色彩空间转换到HSV色彩空间,并提取所述原始图像亮度V通道的数据用于直方图统计单元处理;
直方图统计单元,用于对原始图像亮度V通道进行直方图统计;
直方图限制裁剪单元,用于对直方图统计单元得到的直方图分布函数进行限制裁剪;
像素映射单元,用于对原始图像亮度V通道中的所有像素点根据限制裁剪后的直方图计算得到的灰度值映射函数进行映射,得到新的像素值;
第二色彩空间转换单元,用于将处理后的亮度V通道数据与原始色度H通道和饱和度S通道数据转换到RGB色彩空间,得到增强后的图像。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明提供的图像增强方法,在对图像进行增强处理时,采用全新的直方图统计方法,避免了图像中出现大片平滑区域所带来的直方图尖峰,经过这种方法处理之后,图像分块、亮度不均等非自然视觉效应和视觉缺陷可以得到有效的抑制,能够有效的改善传统直方图均衡所导致的不理想效应,并且能够调整直方图均衡的幅度,针对不同的场景可以设置不同的参数,可以有效保证图像的增强效果。
2、本发明提供的图像增强方法,在对图像进行增强处理时,仅仅使用了基于直方图的有关方法,没有涉及到复杂的计算过程,因此可以很好的应用到硬件系统以及对实时性要求相对较高的应用场景。
附图说明
图1为本发明实施例1提供的一种图像增强方法的流程图。
图2为本发明实施例1提供的一种直方图统计方法。
图3(a)为本发明实施例1中原始方法统计得到的直方图和阈值设置为5的新方法统计得到的直方图对比图;图3(b)为本发明实施例1中原始方法统计得到的直方图和阈值设置为10的新方法统计得到的直方图对比图。
图4为本发明实施例1中两种不同直方图均衡化方法像素映射关系对比图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1:
现有技术中,在图像增强的过程中,容易出现分块效应,并且现有的算法计算复杂度过高,不适合于硬件以及实时性较高的场合进行实现。
为了解决上述问题,本实施例提供了一种图像增强方法,图1是本实施例提供的图像增强方法的流程示意图。
在步骤101中,采用一种新的方法将图像数据从RGB色彩空间转换到HSV色彩空间。
在原始的RGB转HSV的方法中,H分量用度数来进行衡量,H值最大为360度,最小为0度;S分量被量化到[0,1],在利用硬件实现时,由于硬件系统为2进制,这种方法不利于硬件来进行表示和计算。因此,在传统的方法上进行改进,采用一种新的方法将RGB分量转换为HSV分量。
原始的方法中,在计算H分量时,以60度作为基本单位,为了方便硬件进行计算,将60度变成128来进行计算,从而可以方便地进行二进制的运算,具体的公式如下:
V=max(R,G,B)
其中,max表示某像素点R通道、G通道和B通道中的最大值,min表示某像素点R通道、G通道和B通道中的最小值。对于S分量来说,它的取值范围为[0,1],为了方便运算,将其进行10bit量化,即乘以1024,从而方便硬件运算。V分量的计算与原始的方法保持一致,即R、G、B三个分量中的最大值。
在经过步骤101的处理之后,图像已经从RGB色彩空间转换至HSV色彩空间,为了方便图像处理,仅仅需要在V通道上进行处理即可,使得运算量大幅度减少。
在步骤102中,采用一种新的方法在所述亮度V通道上进行直方图统计操作。传统的直方图定义如下:
h(rk)=nk
其中,rk是[0,255]间隔内的第k级灰度,nk为图像中出现rk这种灰度的像素数。
由于一些图像中会出现大片的平滑区域,会导致在进行直方图统计时出现很大的尖峰,从而经过直方图均衡之后图像就出现明显的分块和亮度不均等效应,导致视觉效果不佳。因此,需要解决部分图像出现的直方图尖峰的问题。
图2示出了一种新的直方图统计方法,对于当前像素点V(i,j),计算当前像素点与其相邻的8个像素点的差的绝对值之和,如下式所示,如果结果大于所设定的阈值,则将当前像素点作为有效的点来进行直方图统计,如果结果小于所设定的阈值,则将当前像素点作为无效像素点,不进行直方图统计。具体的表达式为:
|V(i,j)-V(i-1,j-1)|+|V(i,j)-V(i-1,j)|+|V(i,j)-V(i-1,j+1)|+|V(i,j)-V(i,j-1)|+
|V(i,j)-V(i,j+1)|+|V(i,j)-V(i+1,j-1)|+|V(i,j)-V(i+1,j)|+|V(i,j)-V(i+1,j+1)|>Threshold
其中,Threshold表示设定的阈值,当上式成立时,将当前目标像素点作为有效像素点计入到直方图统计,否则视为无效像素点。
统计整个图像中的有效像素点的个数count,计算各个灰度级的有效像素点个数tk,则图像的归一化直方图分布函数为
图3(a)示出了原始方法统计得到的直方图和所述阈值设置为5的新方法统计得到的直方图,经过改进之后得到的直方图尖峰有了明显的减小。
图3(b)示出了原始方法统计得到的直方图和所述阈值设置为10的新方法统计得到的直方图,通过图3(a)和图3(b)的对比,阈值设置的越大,所得到的直方图尖峰就越小,因此,可以通过修改阈值来控制直方图尖峰的大小。
在步骤103中,对统计得到的直方图分布函数进行进一步的处理,即进行限制裁剪操作,这是为了防止图像被过度的增强,从而导致图像出现不自然的视觉效果,通过对直方图的裁剪,不仅可以避免不自然的视觉效果,而且还可以调节增强的幅度,对于不同场景的应用,可以设置不同的参数,从而达到良好的效果。
直方图均衡算法实质上是一种灰度变换的算法,即s=T(r),r是变换之前的灰度值,s是变换之后的灰度值,T(r)是变换函数,如果将累积直方图分布函数作为变换函数,得到的输出图像中所有的灰度级频率相等,这就是直方图均衡的原理,将像素由较小的区域分布到较广的区域,这就会导致很多像素值缺失,尤其是对于亮场景或者暗场景的图像。而如果将均匀分布直方图函数u作为变换函数,得到的输出图像等于输入图像。因此,将归一化直方图分布函数的最大值与均匀分布直方图函数按照一定比例进行加权,用公式可以表示为:
clip=αPmax+(1-α)u
其中,clip表示对统计得到的直方图进行限制裁剪的阈值,Pmax表示由统计得到的整个图像有效像素点个数计算得到的归一化直方图分布函数Ps(k)的最大值,u表示均匀分布直方图函数,α表示对应的权重。对于任意的灰度值u=1/256,0≤α≤1,α的值能够根据具体的应用场景来进行调整,如果需要尽可能的保留图像的细节部分,则需要将α设置的接近于0,如果处理的是低照度图像,需要大幅度的增强图像,那么则需将α设置的接近于1。
进一步地,对直方图分布函数进行限制对比度的处理,如果直方图分布函数的值大于所设定的clip值,则将其设置为clip值,否则,维持原来的值不变,如下边式所示:
其中,Ps(k)表示归一化直方图分布函数,将大于阈值clip的部分进行累加并且重分配到小于阈值clip的部分,得到最终的直方图分布函数P(k)。
在步骤104中,开始进行灰度值映射。
基于直方图统计的方法在根本上也是灰度映射的方法,下式是灰度映射的公式,在完成上述的处理之后,便可以得到一个最终的直方图分布函数,即为P(k),灰度值的映射关系如下式所示:
其中,V表示亮度V通道上的灰度值,P(k)表示最终的直方图分布函数,[]表示取整符号,f(V)表示灰度值V的映射值,2n表示图像的灰阶数。
图4示出了两种不同的直方图均衡化的像素映射关系,其中虚线表示的是原始的直方图均衡化方法的映射关系,实线所表示的是改进之后的直方图均衡方法的映射关系。所选取的测试图像有大片的平滑区域,若采用传统的直方图映射方法,在[0,254]区间内的所有像素值均映射到[0,130]区间,而像素值为255的点映射到255,这就会导致图像出现很明显的分块效应。而采用新的方法处理之后,像素值为[0,150]的像素点被映射到[0,200],[150,255]的像素点被映射到[200,255],图像得到了有效增强,且不会导致非理想效应的发生。
在步骤105中,将数据从HSV色彩空间转换至RGB色彩空间,由于步骤101中采用新的方法,因此,在步骤105中也要与之相对应,转换的公式如下:
hi=H>>7
f=H&0x7f
p=(V*(1024-S)+(1<<9))>>10
q=(V*(1024-(S*f>>7))+(1<<9))>>10
t=(V*(1024-(S*(0x80-f)>>7))+(1<<9))>>10
通过采用新的色彩空间转换方法,原本复杂的运算可以通过硬件来进行实现,大大的降低了运算复杂度。
将图像数据转换完成之后,便可以得到增强之后的图像。
实施例2:
本实施例提供了一种实现上述图像增强方法的图像增强装置,所述装置包括:
第一色彩空间转换单元,用于将原始图像从RGB色彩空间转换到HSV色彩空间,并提取所述原始图像亮度V通道的数据用于直方图统计单元处理;
直方图统计单元,用于对原始图像亮度V通道进行直方图统计;
直方图限制裁剪单元,用于对直方图统计单元得到的直方图分布函数进行限制裁剪;
像素映射单元,用于对原始图像亮度V通道中的所有像素点根据限制裁剪后的直方图计算得到的灰度值映射函数进行映射,得到新的像素值;
第二色彩空间转换单元,用于将处理后的亮度V通道数据与原始色度H通道和饱和度S通道数据转换到RGB色彩空间,得到增强后的图像。
以上所述,仅为本发明专利较佳的实施例,但本发明专利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专利所公开的范围内,根据本发明专利的技术方案及其发明专利构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (8)
1.一种图像增强方法,其特征在于,所述方法包括以下步骤:
提取图像RGB三个通道的数据将其转换到HSV色彩空间,并提取图像亮度V通道的数据;
在所述亮度V通道上进行直方图统计操作,并对统计得到的直方图进行限制裁剪,防止过度增强;
根据限制裁剪后的直方图计算灰度值映射函数,根据所述灰度值映射函数对图像亮度V通道的像素点进行灰度值映射;
将处理后的亮度V通道数据与原始色度H通道和饱和度S通道数据转换到RGB色彩空间,得到增强后的图像。
2.根据权利要求1所述的图像增强方法,其特征在于,提取图像RGB三个通道的数据将其转换到HSV色彩空间的公式如下:
V=max(R,G,B)
其中,max表示某像素点R通道、G通道和B通道中的最大值,min表示某像素点R通道、G通道和B通道中的最小值。
3.根据权利要求1所述的图像增强方法,其特征在于,所述直方图统计操作的具体过程如下:选取目标像素点V(i,j),将目标像素点作为中心点,取其3*3邻域,将目标像素点与邻域中的其他8个像素点依次进行求差,并将这些差的绝对值进行相加,如果求得的值大于所设定的阈值,则将此像素点作为有效的像素点来进行直方图统计,否则将此像素点作为无效的像素点,具体公式如下:
|V(i,j)-V(i-1,j-1)|+|V(i,j)-V(i-1,j)|+|V(i,j)-V(i-1,j+1)|+|V(i,j)-V(i,j-1)|+
|V(i,j)-V(i,j+1)|+|V(i,j)-V(i+1,j-1)|+|V(i,j)-V(i+1,j)|+|V(i,j)-V(i+1,j+1)|>Threshold
其中,Threshold表示设定的阈值,当上式成立时,将当前目标像素点作为有效像素点计入到直方图统计,否则视为无效像素点。
4.根据权利要求3所述的图像增强方法,其特征在于,所述对统计得到的直方图进行限制裁剪的阈值为归一化直方图分布函数的最大值与均匀分布直方图函数的加权,具体公式如下:
clip=αPmax+(1-α)u
其中,clip表示对统计得到的直方图进行限制裁剪的阈值,Pmax表示由统计得到的整个图像有效像素点个数计算得到的归一化直方图分布函数Ps(k)的最大值,u表示均匀分布直方图函数,α表示对应的权重,所述权重能够根据具体的应用场景来进行确定。
5.根据权利要求4所述的图像增强方法,其特征在于,根据所述阈值clip对统计得到的直方图进行限制裁剪,公式如下:
其中,Ps(k)表示归一化直方图分布函数,将大于阈值clip的部分进行累加并且重分配到小于阈值clip的部分,得到最终的直方图分布函数P(k)。
6.根据权利要求5所述的图像增强方法,其特征在于,所述灰度值映射函数的表达式如下:
其中,V表示亮度V通道上的灰度值,P(k)表示最终的直方图分布函数,[]表示取整符号,f(V)表示灰度值V的映射值,2n表示图像的灰阶数。
7.根据权利要求1所述的图像增强方法,其特征在于,将处理后的亮度V通道数据与原始色度H通道和饱和度S通道数据转换到RGB色彩空间,转换方法具体如下:
hi=H>>7
f=H&0x7f
p=(V*(1024-S)+(1<<9))>>10
q=(V*(1024-(S*f>>7))+(1<<9))>>10
t=(V*(1024-(S*(0x80-f)>>7))+(1<<9))>>10
8.一种图像增强装置,其特征在于,所述装置包括:
第一色彩空间转换单元,用于将原始图像从RGB色彩空间转换到HSV色彩空间,并提取所述原始图像亮度V通道的数据用于直方图统计单元处理;
直方图统计单元,用于对原始图像亮度V通道进行直方图统计;
直方图限制裁剪单元,用于对直方图统计单元得到的直方图分布函数进行限制裁剪;
像素映射单元,用于对原始图像亮度V通道中的所有像素点根据限制裁剪后的直方图计算得到的灰度值映射函数进行映射,得到新的像素值;
第二色彩空间转换单元,用于将处理后的亮度V通道数据与原始色度H通道和饱和度S通道数据转换到RGB色彩空间,得到增强后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810674402.8A CN109146826A (zh) | 2018-06-27 | 2018-06-27 | 一种图像增强方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810674402.8A CN109146826A (zh) | 2018-06-27 | 2018-06-27 | 一种图像增强方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109146826A true CN109146826A (zh) | 2019-01-04 |
Family
ID=64802323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810674402.8A Pending CN109146826A (zh) | 2018-06-27 | 2018-06-27 | 一种图像增强方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146826A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801244A (zh) * | 2019-02-19 | 2019-05-24 | 广州视源电子科技股份有限公司 | 图像增强方法、装置、计算机设备和存储介质 |
CN110310274A (zh) * | 2019-07-02 | 2019-10-08 | 河北农业大学 | 一种植物花朵数量检测方法 |
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 |
CN111626967A (zh) * | 2019-02-28 | 2020-09-04 | 富华科精密工业(深圳)有限公司 | 图像增强方法、装置、计算机装置及可读存储介质 |
CN111701118A (zh) * | 2020-06-24 | 2020-09-25 | 郭中华 | 一种玻尿酸注射用血管显影装置 |
CN112102187A (zh) * | 2020-09-10 | 2020-12-18 | 深圳市爱协生科技有限公司 | 一种对彩色图像进行对比度增强的方法 |
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 |
CN112508809A (zh) * | 2020-11-27 | 2021-03-16 | 湖南傲英创视信息科技有限公司 | 低照度图像/视频增强方法及系统 |
CN112837249A (zh) * | 2020-12-31 | 2021-05-25 | 泉州装备制造研究所 | 一种焊接机器人低对比度图像增强方法 |
CN112862709A (zh) * | 2021-01-27 | 2021-05-28 | 昂纳工业技术(深圳)有限公司 | 图像特征增强方法、装置及可读存储介质 |
CN113077404A (zh) * | 2021-05-27 | 2021-07-06 | 杭州微帧信息科技有限公司 | 一种图像对比度提升的方法 |
CN113111931A (zh) * | 2021-04-02 | 2021-07-13 | 同济大学 | 一种基于光强变换和聚类的量筒读数方法 |
CN114140348A (zh) * | 2021-11-16 | 2022-03-04 | 深圳市联洲国际技术有限公司 | 一种对比度增强方法、装置及设备 |
CN114998186A (zh) * | 2022-03-31 | 2022-09-02 | 南通恒立机械设备有限公司 | 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 |
CN116721039A (zh) * | 2023-08-08 | 2023-09-08 | 中科海拓(无锡)科技有限公司 | 一种应用于自动化光学缺陷检测中的图像预处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1857976B1 (en) * | 2006-05-17 | 2013-03-20 | Xerox Corporation | Histogram adjustment for high dynamic range image mapping |
CN103093203A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种人体再识别方法以及人体再识别系统 |
CN104112258A (zh) * | 2014-06-19 | 2014-10-22 | 中国科学院深圳先进技术研究院 | 实现rgb彩色图像处理的方法和系统 |
CN106485199A (zh) * | 2016-09-05 | 2017-03-08 | 华为技术有限公司 | 一种车身颜色识别的方法及装置 |
CN107067385A (zh) * | 2017-01-23 | 2017-08-18 | 上海兴芯微电子科技有限公司 | 一种图像增强方法及装置 |
CN107767353A (zh) * | 2017-12-04 | 2018-03-06 | 河南工业大学 | 一种基于清晰度评价的自适应图像去雾方法 |
-
2018
- 2018-06-27 CN CN201810674402.8A patent/CN109146826A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1857976B1 (en) * | 2006-05-17 | 2013-03-20 | Xerox Corporation | Histogram adjustment for high dynamic range image mapping |
CN103093203A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种人体再识别方法以及人体再识别系统 |
CN104112258A (zh) * | 2014-06-19 | 2014-10-22 | 中国科学院深圳先进技术研究院 | 实现rgb彩色图像处理的方法和系统 |
CN106485199A (zh) * | 2016-09-05 | 2017-03-08 | 华为技术有限公司 | 一种车身颜色识别的方法及装置 |
CN107067385A (zh) * | 2017-01-23 | 2017-08-18 | 上海兴芯微电子科技有限公司 | 一种图像增强方法及装置 |
CN107767353A (zh) * | 2017-12-04 | 2018-03-06 | 河南工业大学 | 一种基于清晰度评价的自适应图像去雾方法 |
Non-Patent Citations (2)
Title |
---|
吴成茂等: ""灰度级加权的直方图模糊熵阈值分割法"", 《西安邮电大学学报》 * |
越琳等: ""直方图分割耦合裁剪控制均衡化的图像增强算法"", 《计算机工程与设计》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801244A (zh) * | 2019-02-19 | 2019-05-24 | 广州视源电子科技股份有限公司 | 图像增强方法、装置、计算机设备和存储介质 |
CN111626967A (zh) * | 2019-02-28 | 2020-09-04 | 富华科精密工业(深圳)有限公司 | 图像增强方法、装置、计算机装置及可读存储介质 |
CN110310274B (zh) * | 2019-07-02 | 2021-12-17 | 河北农业大学 | 一种植物花朵数量检测方法 |
CN110310274A (zh) * | 2019-07-02 | 2019-10-08 | 河北农业大学 | 一种植物花朵数量检测方法 |
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 |
CN111701118A (zh) * | 2020-06-24 | 2020-09-25 | 郭中华 | 一种玻尿酸注射用血管显影装置 |
CN112102187A (zh) * | 2020-09-10 | 2020-12-18 | 深圳市爱协生科技有限公司 | 一种对彩色图像进行对比度增强的方法 |
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 |
CN112508809B (zh) * | 2020-11-27 | 2023-04-21 | 湖南傲英创视信息科技有限公司 | 低照度图像/视频增强方法及系统 |
CN112508809A (zh) * | 2020-11-27 | 2021-03-16 | 湖南傲英创视信息科技有限公司 | 低照度图像/视频增强方法及系统 |
CN112837249A (zh) * | 2020-12-31 | 2021-05-25 | 泉州装备制造研究所 | 一种焊接机器人低对比度图像增强方法 |
CN112862709A (zh) * | 2021-01-27 | 2021-05-28 | 昂纳工业技术(深圳)有限公司 | 图像特征增强方法、装置及可读存储介质 |
CN112862709B (zh) * | 2021-01-27 | 2024-05-03 | 昂视智能(深圳)有限公司 | 图像特征增强方法、装置及可读存储介质 |
CN113111931A (zh) * | 2021-04-02 | 2021-07-13 | 同济大学 | 一种基于光强变换和聚类的量筒读数方法 |
CN113077404A (zh) * | 2021-05-27 | 2021-07-06 | 杭州微帧信息科技有限公司 | 一种图像对比度提升的方法 |
CN114140348A (zh) * | 2021-11-16 | 2022-03-04 | 深圳市联洲国际技术有限公司 | 一种对比度增强方法、装置及设备 |
CN114998186A (zh) * | 2022-03-31 | 2022-09-02 | 南通恒立机械设备有限公司 | 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 |
CN114998186B (zh) * | 2022-03-31 | 2023-11-28 | 南通恒立机械设备有限公司 | 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 |
CN116721039A (zh) * | 2023-08-08 | 2023-09-08 | 中科海拓(无锡)科技有限公司 | 一种应用于自动化光学缺陷检测中的图像预处理方法 |
CN116721039B (zh) * | 2023-08-08 | 2023-11-03 | 中科海拓(无锡)科技有限公司 | 一种应用于自动化光学缺陷检测中的图像预处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146826A (zh) | 一种图像增强方法及装置 | |
CN108122213B (zh) | 一种基于YCrCb的低对比度图像增强方法 | |
CN107680056B (zh) | 一种图像处理方法及装置 | |
CN109325922B (zh) | 一种图像自适应增强方法、装置及图像处理设备 | |
US8406559B2 (en) | Method and system for enhancing image sharpness based on local features of image | |
US20120170843A1 (en) | Methods for performing local tone mapping | |
CN111105371B (zh) | 一种低对比度红外图像的增强方法 | |
CN103295206B (zh) | 一种基于Retinex的微光图像增强方法和装置 | |
CN107895350B (zh) | 一种基于自适应双伽玛变换的hdr图像生成方法 | |
CN111709898B (zh) | 基于优化clahe的红外图像增强方法与系统 | |
CN109118442B (zh) | 一种基于Sobel算子滤波的图像增强方法 | |
Liu et al. | Low-light video image enhancement based on multiscale retinex-like algorithm | |
CN107424124B (zh) | 一种图像增强方法及装置 | |
JP2013008346A (ja) | イメージのエッジ向上方法 | |
CN112634384A (zh) | 一种高动态范围图像压缩的方法及装置 | |
CN112819721A (zh) | 一种图像彩色噪声降噪的方法和系统 | |
CN110766636B (zh) | 一种用于ai芯片的智能图像处理方法 | |
CN201726464U (zh) | 一种新的视频图像锐化处理装置 | |
CN115661008A (zh) | 一种图像增强处理方法、装置、设备及介质 | |
CN106846234B (zh) | 一种基于fpga的图像视频增强方法、系统及设备 | |
CN112488968B (zh) | 一种分程度直方图均衡融合的图像增强方法 | |
CN114037641A (zh) | 一种低照度图像增强方法、装置、设备及介质 | |
CN105184758A (zh) | 一种图像去雾增强的方法 | |
CN110545414B (zh) | 一种图像锐化方法 | |
Yang et al. | Improved retinex image enhancement algorithm based on bilateral filtering |
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: 20190104 |
|
RJ01 | Rejection of invention patent application after publication |