CN109325922B - 一种图像自适应增强方法、装置及图像处理设备 - Google Patents

一种图像自适应增强方法、装置及图像处理设备 Download PDF

Info

Publication number
CN109325922B
CN109325922B CN201811064070.8A CN201811064070A CN109325922B CN 109325922 B CN109325922 B CN 109325922B CN 201811064070 A CN201811064070 A CN 201811064070A CN 109325922 B CN109325922 B CN 109325922B
Authority
CN
China
Prior art keywords
image
brightness
contrast
local
input
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
Application number
CN201811064070.8A
Other languages
English (en)
Other versions
CN109325922A (zh
Inventor
邹咪
刘俊秀
严卫健
胡煦辉
石岭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Arkmicro Technologies Inc
Original Assignee
Arkmicro Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Arkmicro Technologies Inc filed Critical Arkmicro Technologies Inc
Priority to CN201811064070.8A priority Critical patent/CN109325922B/zh
Publication of CN109325922A publication Critical patent/CN109325922A/zh
Application granted granted Critical
Publication of CN109325922B publication Critical patent/CN109325922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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)
  • Image Processing (AREA)

Abstract

本发明适用于图像、视频处理领域，提供了一种图像自适应增强方法、装置及图像处理设备。所述方法包括：提取输入的图像的亮度分量；根据图像的亮度分量统计图像的局部亮度特征和局部灰度对比度特征；根据图像的局部亮度特征和局部灰度对比度特征生成全局对比度增强因子和亮度映射曲线；根据图像的局部方差信息及全局对比度增强因子调整图像的对比度；根据亮度映射曲线对增强对比度后的图像进行亮度调整，对低照度区域进行亮度的拉伸；输出图像。本发明能够获得自然、清晰的图像结果，尤其能明显改善图像低照度区域的视觉效果，并保持高照度区域的自然度，可广泛应用于图像、视频处理的相关领域中。

Description

一种图像自适应增强方法、装置及图像处理设备
技术领域
本发明属于图像、视频处理领域，尤其涉及一种图像自适应增强方法、装置及图像处理设备。
背景技术
摄像机、监控系统等获得的视频图像成为人们获得信息的重要来源，能否获得高质量的视频图像对于人们快速准确地分析图像中蕴含的有用信息具有重要的意义。然而，在图像采集过程中，受到天气、光线、仪器设备等多种因素的影响，造成图像整体光照不均、亮度不足及细节损失等问题。这不仅影响了图像的视觉效果，也大大降低了后续对其进行处理和分析的可靠性。
对比度增强可以提高图像整体或局部的对比度，以改善视觉效果，其应用范围广泛，如改善光照不均匀图像的视觉效果，增强对比度较差的医学图像以利于诊断，提取图像中人眼不易见的细节信息等。常见的对比度增强方法可分为全局处理和区域自适应处理方法两类。梯度拉伸，直方图均衡化，伽马校正等是最基本的全局对比度增强方法，但由于没有考虑图像局部的特性，所以使用范围较窄，对场景变化适应性差。
发明内容
本发明的目的在于提供一种图像自适应增强方法、装置、计算机可读存储介质及图像处理设备，旨在解决现有技术采用全局对比度增强方法，由于没有考虑图像局部的特性，所以使用范围较窄，对场景变化适应性差的问题。
第一方面，本发明提供了一种图像自适应增强方法，所述方法包括：
提取输入的图像的亮度分量；
根据图像的亮度分量统计图像的局部亮度特征和局部灰度对比度特征；
根据图像的局部亮度特征和局部灰度对比度特征生成全局对比度增强因子和亮度映射曲线；
根据图像的局部方差信息及全局对比度增强因子调整图像的对比度；
根据亮度映射曲线对增强对比度后的图像进行亮度调整，对低照度区域进行亮度的拉伸；
输出图像。
第二方面，本发明提供了一种图像自适应增强装置，所述装置包括：
提取模块，用于提取输入的图像的亮度分量；
统计模块，用于根据图像的亮度分量统计图像的局部亮度特征和局部灰度对比度特征；
生成模块，用于根据图像的局部亮度特征和局部灰度对比度特征生成全局对比度增强因子和亮度映射曲线；
对比度调整模块，用于根据图像的局部方差信息及全局对比度增强因子调整图像的对比度；
亮度调整模块，用于根据亮度映射曲线对增强对比度后的图像进行亮度调整，对低照度区域进行亮度的拉伸；
输出模块，用于输出图像。
第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的图像自适应增强方法的步骤。
第四方面，本发明提供了一种图像处理设备，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现如上述的图像自适应增强方法的步骤。
在本发明中，由于通过统计图像的局部亮度特征和局部灰度对比度特征；根据图像的局部亮度特征和局部灰度对比度特征生成全局对比度增强因子和亮度映射曲线；根据图像的局部方差信息及全局对比度增强因子调整图像的对比度；根据亮度映射曲线对增强对比度后的图像进行亮度调整，对低照度区域进行亮度的拉伸。从而自适应的提高图像细节的对比度、低照度区域的亮度，提高低照度区域的细节可视度。能够获得自然、清晰的图像结果，尤其能明显改善图像低照度区域的视觉效果，并保持高照度区域的自然度，可广泛应用于图像、视频处理的相关领域中。
附图说明
图1是本发明实施例一提供的图像自适应增强方法的流程图。
图2是本发明实施例一中，一个待处理的图像。
图3是描述图2的亮度和灰度对比度的散点图。
图4是参数不同的四条亮度映射曲线示意图。
图5是本发明实施例一中，S104的流程图。
图6是图2经过自适应对比度增强之后的输出图像。
图7是描述图6的亮度和灰度对比度的散点图。
图8是本发明实施例二提供的图像自适应增强装置的功能模块框图。
图9是本发明实施例四提供的图像处理设备的具体结构框图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
请参阅图1，本发明实施例一提供的图像自适应增强方法包括以下步骤：需注意的是，若有实质上相同的结果，本发明的图像自适应增强方法并不以图1所示的流程顺序为限。
S101、提取输入的图像的亮度分量。
在本发明实施例一中，输入的图像可以是灰度图像或彩色图像。
若输入的图像为灰度图像，则S101具体可以为：在输入的灰度图像上提取图像的亮度分量。
若输入的图像为YCbCr彩色图像，则S101具体可以为：提取输入的YCbCr彩色图像中的亮度分量Y。
若输入和图像为RGB彩色图像，则S101具体可以为：按公式
Figure BDA0001797857740000041
执行RGB输入像素到YCbCr颜色空间变换的处理，其中，Im_R,Im_G,Im_B为彩色图像的R,G,B三个颜色通道的像素值，T11、T12、T13、T21、T22、T23、T31、T32和T33表示颜色空间变换矩阵的系数，S1、S2和S3为偏置，Y、Cb和Cr分别表示得到的输入像素的亮度分量和色度分量。
S102、根据图像的亮度分量统计图像的局部亮度特征和局部灰度对比度特征。
在本发明实施例一中，S102具体可以包括以下步骤：
用一个大小为n*n(n是大于或等于2的自然数，例如5*5)的每次移动n个像素点的窗口遍历图像，计算每个窗口中的像素最大值与像素最小值；
根据公式
Figure BDA0001797857740000042
将每个窗口中的像素最大值与像素最小值转化为窗口的局部亮度值和局部灰度对比度值，其中max是像素最大值，min是像素最小值，meanL是局部亮度值，contrastR是局部灰度对比度值。其中，若最后几行或几列构不成n*n的窗口，可不参与统计。
S103、根据图像的局部亮度特征和局部灰度对比度特征生成全局对比度增强因子和亮度映射曲线。
在本发明实施例一中，S103具体可以包括以下步骤：
针对所有窗口对应的局部亮度值和局部灰度对比度值，以局部亮度值为横坐标，局部灰度对比度值为纵坐标绘制成一幅散点图，用散点图来描述图像的灰度对比度和亮度；如图2所示为一幅图像，图3所示为相应的描述其亮度和灰度对比度的散点图；
根据亮度和灰度对比度将散点图中的散点划分为多个区域，例如划分为四个区域，高对比度中亮度区A；低对比度低亮度区B，中对比度中亮度区C；低对比度高亮度区D；其中，图像的整体亮度越暗，对比度越低，落在低亮度地对比度区域的点就越多，图像可视度越差；
统计落在各个区域的散点总数，统计方法具体可以如公式
Figure BDA0001797857740000051
所示，其中numA是指高对比度中亮度区A的散点总数，numB是指低对比度低亮度区B的散点总数，numC是指中对比度中亮度区C的散点总数，numD是指低对比度高亮度区D的散点总数；
根据各个区域的散点总数生成全局对比度增强因子和亮度映射曲线。
其中，通过公式
Figure BDA0001797857740000052
计算全局对比度增强因子cg，反映低对比度区域的散点主要落在B区和D区，因此，当落在B区和D区的越多，说明图像整体对比度越低，此时全局对比度增强因子应越大才能有效的提升图像的对比度。
通过公式
Figure BDA0001797857740000061
计算亮度映射曲线的最大映射截止值kmax，其中
Figure BDA0001797857740000062
表示向上取整。最大映射截止值能够较好的保护高亮度区域的像素。
Figure BDA0001797857740000063
通过公式
Figure BDA0001797857740000064
计算曲线变化率b，其中取b1＞b2＞b3＞b4,例如，取b1＝256,b2＝128,b3＝64,b4＝32。
根据公式
Figure BDA0001797857740000065
可知，当图像的整体亮度越高时，kmax越小，这意味着需要进行亮度调整的亮度区间小。根据公式
Figure BDA0001797857740000066
Figure BDA0001797857740000067
可知，当图像整体偏暗时，b值越大，亮度拉伸的幅度越大。
其中，在本发明实施例一中，选取以2为底的对数函数为基本的亮度映射曲线。如图4所示，是四组不同的亮度映射曲线参数(b,kmax)对应的亮度映射曲线。通过公式
Figure BDA0001797857740000068
得到亮度映射曲线函数，其中x为输入像素，y为输出像素。
S104、根据图像的局部方差信息及全局对比度增强因子调整图像的对比度。
请参阅图5，在本发明实施例一中，S104具体可以包括以下步骤：
S1041、计算以(i,j)为中心的n*n(n是大于或等于3的奇数数，例如5*5)窗口内均值。
其中，对于任意一点Y(i,j)，通过公式
Figure BDA0001797857740000071
计算以(i,j)为中心的n*n窗口内均值Ym(i,j)，其中，i＝1,...,M,j＝1,...,N，Y(i,j)表示亮度分量中任意一个亮度值，该点的对比度输出值为Yc(i,j)。对于不能构成n*n窗口的情形，以其中心像素值进行填充缺失区域。
S1042、计算以(i,j)为中心的n*n窗口内方差。
其中，对于任意一点Y(i,j)，通过公式
Figure BDA0001797857740000072
计算以(i,j)为中心的n*n窗口内方差Ys(i,j)。
S1043、根据n*n窗口内方差和全局对比度增强因子计算(i,j)处的对比度增强因子Cg。具体包括以下步骤：
通过公式Maxg＝cg+kg，根据全局对比度增强因子cg确定最大增强强度Maxg，其中kg为常数，本发明实施例了中通常取kg＝0.5，亦可根据情况调整；
通过公式
Figure BDA0001797857740000073
计算对比度增强因子Cg，其中，D为常数。
S1044、根据对比度增强因子Cg输出(i,j)处的增强结果。
具体为通过公式
Figure BDA0001797857740000081
输出(i,j)处的增强结果Yc(i,j)，其中，当|Y(i,j)-Ym(i,j)|≤Noisemax，对输入像素不进行增强处理，从而可以避免噪声被增强，通常取Noisemax＝10，亦可根据具体场景取其他值。并对增强结果根据公式Yc(i,j)＝min(max(Yc(i,j),0),255)进行限制。
S105、根据亮度映射曲线对增强对比度后的图像进行亮度调整，对低照度区域进行亮度的拉伸。
当输入像素Yc(i,j)≥kmax，不调整其亮度，当Yc(i,j)＜kmax时，将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值，从而来扩展图像中的暗像素的值。如公式
Figure BDA0001797857740000082
所示。
如图6所示，是图2经过处理之后的结果。从中可以看到，图像经过处理之后，整体亮度得到了提升，尤其是暗区域人眼不易见的细节信息得到了增强。如图7所示，为图6的灰度对比度及局部亮度特征统计图。同样，相比于图3，其中低亮度低对比度区域的点明显减少。
S106：输出图像。
若输入图像为灰度图像或者YcbCr彩色图像，则直接输出图像，若输入图像为RGB彩色图像，则将输出图像转换到RGB空间。
实施例二：
请参阅图8，本发明实施例二提供的图像自适应增强装置包括：
提取模块11，用于提取输入的图像的亮度分量；
统计模块12，用于根据图像的亮度分量统计图像的局部亮度特征和局部灰度对比度特征；
生成模块13，用于根据图像的局部亮度特征和局部灰度对比度特征生成全局对比度增强因子和亮度映射曲线；
对比度调整模块14，用于根据图像的局部方差信息及全局对比度增强因子调整图像的对比度；
亮度调整模块15，用于根据亮度映射曲线对增强对比度后的图像进行亮度调整，对低照度区域进行亮度的拉伸；
输出模块16，用于输出图像。
本发明实施例二提供的图像自适应增强装置及本发明实施例一提供的图像自适应增强方法属于同一构思，其具体实现过程详见说明书全文，此处不再赘述。
实施例三：
本发明实施例三提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例一提供的图像自适应增强方法的步骤。
实施例四：
图9示出了本发明实施例四提供的图像处理设备的具体结构框图，一种图像处理设备100包括：一个或多个处理器101、存储器102、以及一个或多个计算机程序，其中所述处理器101和所述存储器102通过总线连接，所述一个或多个计算机程序被存储在所述存储器102中，并且被配置成由所述一个或多个处理器101执行，所述处理器101执行所述计算机程序时实现如本发明实施例一提供的图像自适应增强方法的步骤。
在本发明中，由于通过统计图像的局部亮度特征和局部灰度对比度特征；根据图像的局部亮度特征和局部灰度对比度特征生成全局对比度增强因子和亮度映射曲线；根据图像的局部方差信息及全局对比度增强因子调整图像的对比度；根据亮度映射曲线对增强对比度后的图像进行亮度调整，对低照度区域进行亮度的拉伸。从而自适应的提高图像细节的对比度、低照度区域的亮度，提高低照度区域的细节可视度。能够获得自然、清晰的图像结果，尤其能明显改善低照度图像的视觉效果，并保持高照度区域的自然度，可广泛应用于图像、视频处理的相关领域中。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，RandomAccess Memory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种图像自适应增强方法，其特征在于，所述方法包括：
提取输入的图像的亮度分量；
根据图像的亮度分量统计图像的局部亮度特征和局部灰度对比度特征；
根据图像的局部亮度特征和局部灰度对比度特征生成全局对比度增强因子和亮度映射曲线；
根据图像的局部方差信息及全局对比度增强因子调整图像的对比度；
根据亮度映射曲线对增强对比度后的图像进行亮度调整，对低照度区域进行亮度的拉伸；
输出图像；
所述根据图像的局部亮度特征和局部灰度对比度特征生成全局对比度增强因子和亮度映射曲线具体包括：
针对所有窗口对应的局部亮度值和局部灰度对比度值，以局部亮度值为横坐标，局部灰度对比度值为纵坐标绘制成一幅散点图，用散点图来描述图像的灰度对比度和亮度；
根据亮度和灰度对比度将散点图中的散点划分为多个区域；
统计落在各个区域的散点总数；
根据各个区域的散点总数生成全局对比度增强因子和亮度映射曲线；
所述根据图像的局部方差信息及全局对比度增强因子调整图像的对比度具体包括：
计算以(i,j)为中心的n*n窗口内均值，n是大于或等于3的奇数；
计算以(i,j)为中心的n*n窗口内方差；
根据n*n窗口内方差和全局对比度增强因子计算(i,j)处的对比度增强因子Cg；
根据对比度增强因子Cg输出(i,j)处的增强结果；
所述根据亮度和灰度对比度将散点图中的散点划分为多个区域具体为：
根据亮度和灰度对比度将散点图中的散点划分为高对比度中亮度区A、低对比度低亮度区B、中对比度中亮度区C和低对比度高亮度区D；
所述根据各个区域的散点总数生成全局对比度增强因子具体为：
通过公式
Figure FDA0003424449870000021
计算全局对比度增强因子cg；其中numA是指高对比度中亮度区A的散点总数，numB是指低对比度低亮度区B的散点总数，numC是指中对比度中亮度区C的散点总数，numD是指低对比度高亮度区D的散点总数；
所述根据n*n窗口内方差和全局对比度增强因子计算(i,j)处的对比度增强因子Cg具体包括：
通过公式Maxg＝cg+kg，根据全局对比度增强因子cg确定最大增强强度Maxg，其中kg为常数；
通过公式
Figure FDA0003424449870000022
计算对比度增强因子Cg，其中，D为常数，Ys(i,j)为以(i,j)为中心的n*n窗口内方差。
2.如权利要求1所述的方法，其特征在于，所述输入的图像是灰度图像或彩色图像；
若输入的图像为灰度图像，则所述提取输入的图像的亮度分量具体为：在输入的灰度图像上提取图像的亮度分量；
若输入的图像为YCbCr彩色图像，则所述提取输入的图像的亮度分量具体为：提取输入的YCbCr彩色图像中的亮度分量Y；
若输入和图像为RGB彩色图像，则所述提取输入的图像的亮度分量具体为：按公式
Figure FDA0003424449870000023
执行RGB输入像素到YCbCr颜色空间变换的处理，其中，Im_R,Im_G,Im_B为彩色图像的R,G,B三个颜色通道的像素值，T11、T12、T13、T21、T22、T23、T31、T32和T33表示颜色空间变换矩阵的系数，S1、S2和S3为偏置，Y、Cb和Cr分别表示得到的输入像素的亮度分量和色度分量。
3.如权利要求1所述的方法，其特征在于，所述根据图像的亮度分量统计图像的局部亮度特征和局部灰度对比度特征具体包括：
用一个大小为n*n的每次移动n个像素点的窗口遍历图像，计算每个窗口中的像素最大值与像素最小值，n是大于或等于2的自然数；
根据公式
Figure FDA0003424449870000031
将每个窗口中的像素最大值与像素最小值转化为窗口的局部亮度值和局部灰度对比度值，其中max是像素最大值，min是像素最小值，meanL是局部亮度值，contrastR是局部灰度对比度值。
4.如权利要求1所述的方法，其特征在于，所述根据各个区域的散点总数生成亮度映射曲线具体包括：
通过公式
Figure FDA0003424449870000032
计算亮度映射曲线的最大映射截止值kmax，其中
Figure FDA0003424449870000033
表示向上取整；
通过公式
Figure FDA0003424449870000034
计算曲线变化率b，其中取b1＞b2＞b3＞b4；
通过公式
Figure FDA0003424449870000041
得到亮度映射曲线函数，其中x为输入像素，y为输出像素。
5.如权利要求1所述的方法，其特征在于，所述计算以(i,j)为中心的n*n窗口内均值具体为：
对于任意一点Y(i,j)，通过公式
Figure FDA0003424449870000042
计算以(i,j)为中心的n*n窗口内均值Ym(i,j)，其中，i＝1,...,M,j＝1,...,N，Y(i,j)表示亮度分量中任意一个亮度值，该点的对比度输出值为Yc(i,j)；
所述计算以(i,j)为中心的n*n窗口内方差具体为：
对于任意一点Y(i,j)，通过公式
Figure FDA0003424449870000043
计算以(i,j)为中心的n*n窗口内方差Ys(i,j)；
所述根据对比度增强因子Cg输出(i,j)处的增强结果具体为：
通过公式
Figure FDA0003424449870000044
输出(i,j)处的增强结果Yc(i,j)，其中，当|Y(i,j)-Ym(i,j)|≤Noisemax，对输入像素不进行增强处理，并对增强结果根据公式Yc(i,j)＝min(max(Yc(i,j),0),255)进行限制。
6.如权利要求5所述的方法，其特征在于，所述根据亮度映射曲线对增强对比度后的图像进行亮度调整，对低照度区域进行亮度的拉伸具体为：
当输入像素Yc(i,j)≥kmax，不调整其亮度，当Yc(i,j)＜kmax时，将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值，从而来扩展图像中的暗像素的值，如公式
Figure FDA0003424449870000051
所示。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像自适应增强方法的步骤。
8.一种图像处理设备，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的图像自适应增强方法的步骤。
CN201811064070.8A 2018-09-12 2018-09-12 一种图像自适应增强方法、装置及图像处理设备 Active CN109325922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811064070.8A CN109325922B (zh) 2018-09-12 2018-09-12 一种图像自适应增强方法、装置及图像处理设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811064070.8A CN109325922B (zh) 2018-09-12 2018-09-12 一种图像自适应增强方法、装置及图像处理设备

Publications (2)

Publication Number Publication Date
CN109325922A CN109325922A (zh) 2019-02-12
CN109325922B true CN109325922B (zh) 2022-03-11

Family

ID=65265674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811064070.8A Active CN109325922B (zh) 2018-09-12 2018-09-12 一种图像自适应增强方法、装置及图像处理设备

Country Status (1)

Country Link
CN (1) CN109325922B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110211535B (zh) * 2019-05-28 2020-08-18 易诚高科（大连）科技有限公司 一种针对OLED屏DeMURA的多通道融合方法
CN110473158A (zh) * 2019-08-14 2019-11-19 上海世茂物联网科技有限公司 一种车牌图像亮度的处理方法、装置及设备
CN110766621B (zh) * 2019-10-09 2022-03-25 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN111145104B (zh) * 2019-12-02 2023-04-18 福建天泉教育科技有限公司 一种还原图片亮度和对比度的方法及终端
CN113012051A (zh) * 2019-12-20 2021-06-22 江西晶润光学有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN112700456A (zh) * 2020-12-29 2021-04-23 深圳创维－Rgb电子有限公司 图像区域对比度优化方法、装置、设备及存储介质
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
CN113724145B (zh) * 2021-07-13 2024-04-26 西姆高新技术（江苏）有限公司 X光图像处理方法及装置
CN114565537B (zh) * 2021-11-12 2022-09-27 国科天成科技股份有限公司 一种基于局部信息熵的红外成像装置
CN114827484B (zh) * 2022-04-22 2023-10-20 咪咕视讯科技有限公司 视频画质增强方法、装置、设备及存储介质
CN115526811B (zh) * 2022-11-28 2023-03-24 电子科技大学中山学院 一种适应于多变光照环境的自适应视觉slam方法
CN116245771B (zh) * 2023-03-22 2024-04-02 新光维医疗科技(苏州)股份有限公司 一种基于图像二次增强的内窥镜图像亮度自动增强方法及系统
CN117710275B (zh) * 2024-02-06 2024-04-30 江苏无右微创医疗科技有限公司 一种图像低亮区域改善方法及系统
CN118469886B (zh) * 2024-07-12 2024-09-24 昇显微电子(苏州)股份有限公司 一种基于图像亮度信息自适应调整图像对比度的方法
CN118570112A (zh) * 2024-07-30 2024-08-30 浙江芯劢微电子股份有限公司 一种基于分块的对比度增强方法和系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101951523A (zh) * 2010-09-21 2011-01-19 北京工业大学 一种自适应彩色图像处理方法及系统
CN102014243A (zh) * 2010-12-27 2011-04-13 杭州华三通信技术有限公司 一种图像增强方法和装置
CN104112264A (zh) * 2014-07-15 2014-10-22 东南大学 一种基于局部方差图像增强的优化方法
CN104715453A (zh) * 2013-12-12 2015-06-17 苏州长风航空电子有限公司 一种分区域处理的图像增强方法及电路
US9349170B1 (en) * 2014-09-04 2016-05-24 The United States Of America As Represented By The Secretary Of The Navy Single image contrast enhancement method using the adaptive wiener filter
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
CN107274365A (zh) * 2017-06-15 2017-10-20 中国矿业大学(北京) 一种基于反锐化掩模和nsct算法的矿井图像增强方法
CN107730475A (zh) * 2017-11-13 2018-02-23 苏州科达科技股份有限公司 图像增强方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7362915B2 (en) * 2002-02-22 2008-04-22 Agfa Healthcare, Nv Method for enhancing the contrast of an image
US7602447B2 (en) * 2006-01-26 2009-10-13 Vestel Elecktronik Sanayi Ve Method and apparatus for adjusting the contrast of an image
JP5991486B2 (ja) * 2010-08-04 2016-09-14 日本電気株式会社 画像処理方法、画像処理装置及び画像処理プログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101951523A (zh) * 2010-09-21 2011-01-19 北京工业大学 一种自适应彩色图像处理方法及系统
CN102014243A (zh) * 2010-12-27 2011-04-13 杭州华三通信技术有限公司 一种图像增强方法和装置
CN104715453A (zh) * 2013-12-12 2015-06-17 苏州长风航空电子有限公司 一种分区域处理的图像增强方法及电路
CN104112264A (zh) * 2014-07-15 2014-10-22 东南大学 一种基于局部方差图像增强的优化方法
US9349170B1 (en) * 2014-09-04 2016-05-24 The United States Of America As Represented By The Secretary Of The Navy Single image contrast enhancement method using the adaptive wiener filter
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
CN107274365A (zh) * 2017-06-15 2017-10-20 中国矿业大学(北京) 一种基于反锐化掩模和nsct算法的矿井图像增强方法
CN107730475A (zh) * 2017-11-13 2018-02-23 苏州科达科技股份有限公司 图像增强方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A combined effect of local and global method for contrast image enhancement;Sampada S Pathak 等;《ICETECH》;20151224;第1-5页 *
Review of Different Local and Global Contrast Enhancement Techniques for a Digital Image;Shefali Gupta 等;《International Journal of Computer Applications》;20140831;第100卷(第18期);第18-23页 *
一种基于局部方差的雾天图像增强方法;詹翔 等;《计算机应用》;20070228;第27卷(第2期);第510-512页 *
低照度图像去噪与增强算法研究;徐庆;《中国优秀硕士学位论文全文数据库信息科技辑》;20180315;第2018年卷(第3期);I138-1956 *

Also Published As

Publication number Publication date
CN109325922A (zh) 2019-02-12

Similar Documents

Publication Publication Date Title
CN109325922B (zh) 一种图像自适应增强方法、装置及图像处理设备
CN107680056B (zh) 一种图像处理方法及装置
US9202263B2 (en) System and method for spatio video image enhancement
WO2018133609A1 (zh) 从低动态图像生成高动态图像的方法
KR102144577B1 (ko) 최적의 감마보정 기반 저조도 영상 보정방법
US20120189206A1 (en) Image dynamic range compression system, method and program
CN110944176B (zh) 图像帧降噪方法和计算机存储介质
CN108280836B (zh) 一种图像处理方法及装置
CN110298796B (zh) 基于改进Retinex与对数图像处理的低照度图像增强方法
CN107358578B (zh) 一种阴阳脸处理方法和装置
WO2008102296A2 (en) Method for enhancing the depth sensation of an image
CN106709888B (zh) 一种基于人眼视觉模型的高动态范围图像产生方法
CN114998122A (zh) 一种低照度图像增强方法
CN109859138B (zh) 一种基于人眼视觉特性的红外图像增强方法
CN113438386B (zh) 一种应用于视频处理的动静判定方法及装置
Hai et al. Image enhancement based on contrast limited adaptive histogram equalization for 3D images of stereoscopic endoscopy
US20170069068A1 (en) Wide dynamic range imaging method
Liu et al. Infrared image detail enhancement based on local adaptive gamma correction
US11640654B2 (en) Image processing method and apparatus
CN110136085B (zh) 一种图像的降噪方法及装置
CN111836103B (zh) 基于数据分析的防遮挡处理系统
JP2007234034A (ja) 画像処理装置及び画像処理方法
CN113379631A (zh) 一种图像去雾的方法及装置
Tian et al. Local histogram modification based contrast enhancement
JP2010277607A (ja) 画像処理装置及び画像処理方法

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