CN109544467B - 一种基于lab模型下增强彩色图像对比度的方法 - Google Patents
一种基于lab模型下增强彩色图像对比度的方法 Download PDFInfo
- Publication number
- CN109544467B CN109544467B CN201811239504.3A CN201811239504A CN109544467B CN 109544467 B CN109544467 B CN 109544467B CN 201811239504 A CN201811239504 A CN 201811239504A CN 109544467 B CN109544467 B CN 109544467B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- color
- array
- lab
- 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 36
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 30
- 238000003491 array Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 210000004204 blood vessel Anatomy 0.000 description 3
- 241000282575 Gorilla Species 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282577 Pan troglodytes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—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
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于LAB模型下增强彩色图像对比度的方法,属于图像处理技术领域,包括如下步骤:将RGB图像I转换至LAB空间,计算亮度通道图像L的直方图H(i),计算p≥p0对应的h0,记录H(i)的灰度值,依次找出其灰度值在图像L上的位置坐标,计算LAB模式下颜色通道图像A和B的直方图,将LAB模式下的新的亮度通道和图像、颜色通道输出图像。本发明对于动态范围比较小的低对比度图像,利用本方法增强的图像效果特别明显,而且对雾天图像具有一定去雾效果,由于对比度、颜色饱和度参数可调,本方法可用于图像处理软件及视频显示终端设备,用于改善图像可视范围,提高视觉效果。
Description
技术领域
本发明涉及一种增强彩色图像对比度的方法,特别是涉及一种基于LAB模型下增强彩色图像对比度的方法,属于图像处理技术领域。
背景技术
图像增强是图像预处理的基本技术之一,主要为增加图像的对比度,改善图像视觉效果,一幅图像当其直方图处于低灰度端且动态范围比较小的时候,提高对比度的方法通常采用对数函数处理;若其直方图处于高灰度端且动态范围比较小的时候,一般采用反对数函数处理;对于对比度动态范围小的图像,不论其灰度直方图是处于高灰度端还是低灰度端,增强算法都要能很好提高图像的清晰度与对比度;基于此,需要提出一种自动调节图像清晰度与对比度的方法,以牺牲一小部分灰度级换取较大图像清晰度与对比度。
发明内容
本发明的主要目的是为了提供一种基于LAB模型下增强彩色图像对比度的方法,针对一些彩色图像动态范围小、对比度差、视觉效果不佳的问题。
本发明的目的可以通过采用如下技术方案达到:
一种基于LAB模型下增强彩色图像对比度的方法,包括如下步骤:
步骤1:将RGB图像I转换至LAB空间;
步骤2:计算亮度通道图像L的直方图H(i);
步骤3:计算p≥p0对应的h0;
步骤4:用数组nw记录H(i)>h0的灰度值,数组长度为n;
步骤5:从nw(1)-nw(n)依次找出灰度值在图像L上的位置坐标idx,并在输出图像imageout1对应位置写入数值imageout 1(idx)=d*x+a,用数组TW记录从nw(1)-nw(n)的对应数值imageout 1(idx),x依次取1-n,imageout 1(idx)为输出图像imageout1对应位置新灰度值;
步骤6:用数组nw1记录H(i)≤h0的灰度值,寻找在亮度通道图像L中灰度值的位置坐标,找出最接近的数值,找出变化后的数值;
步骤7:计算LAB模式下颜色通道图像A的直方图H1(i);
步骤8:用数组nw2记录H1(i)>0的灰度值,依次取出灰度数值,找出其在颜色通道中的位置坐标;
步骤9:计算LAB模式下颜色通道图像B的直方图H2(i);
步骤10:用数组nw3记录H 2(i)>0的灰度值,数组长度为n3,依次取出灰度数值,找出其在颜色通道B中的位置坐标;
步骤11:将LAB模式下的新的亮度通道图像imageout1、颜色通道imageout2、颜色通道imageout3,转换至RGB模式,输出图像为imageout。
进一步的,步骤1中,将RGB图像I转换至LAB空间,其中:L为亮度通道,A、B为颜色通道,其大小范围都在[0 255]。
进一步的,步骤2中,计算亮度通道图像L的直方图H(i),i为灰度值,H(i)为每个灰度值i对应统计数,设置亮度通道输出图像imageout1与亮度通道图像L尺寸大小一样,且为全零。
进一步的,利用公式计算p≥p0对应的h0:
p0一般取值0.9000-1.0000;
M、N为图像L行数与列数。
进一步的,步骤4中,用数组nw记录H(i)>h0的灰度值,数组长度为n;
设置拉伸范围[a b],拉伸间隔d=(b-a)/n,0≤a<b≤255;
a值大小控制图像低灰度的亮度,b值大小可以控制图像灰度高的亮度。
进一步的,步骤6中,用数组nw1记录H(i)≤h0的灰度值,数组长度为n1;
依次从数组nw1(1)-nw1(n1)取出灰度数值nw 1(j),寻找在亮度通道图像L中灰度值为nw 1(j)的位置坐标idx 1;
同时将nw 1(j)与数组nw中数值进行比较,找出与nw 1(j)最接近的数值nw(T)(即MIN{|nw 1(j)-nw(x)|}取最小值时对应的nw(T)),并记下nw(T)的位置坐标idy;
根据idy坐标位置信息,找出nw 1(j)变化后的数值为TW(idy),即输出图像imageout 1(idx 1)=TW(idy),nw 1(j)中j依次取1-n1,x依次取1-n。
进一步的,步骤7中,计算LAB模式下颜色通道图像A的直方图H1(i),i为灰度值,H1(i)为每个灰度值i对应统计数,设置颜色通道输出图像imageout2与颜色通道图像A尺寸大小一样,且为全零。
进一步的,步骤8中,用数组nw2记录H 1(i)>0的灰度值,数组长度为n2,依次从数组nw2(1)-nw2(n2)取出灰度数值nw 2(j1),找出nw 2(j1)数值在颜色通道A中的位置坐标idx 2,颜色通道输出图像imageout2值如下:
其中:nw 2(j1)中j1依次取1-n2;
d1可在[0 10]之间任意取值,调节颜色饱和度。
进一步的,步骤9中,计算LAB模式下颜色通道图像B的直方图H2(i),i为灰度值,H2(i)为每个灰度值i对应统计数,设置颜色通道输出图像imageout3与颜色通道图像B尺寸大小一样,且为全零。
进一步的,步骤10中,用数组nw3记录H 2(i)>0的灰度值,数组长度为n3,依次从数组nw3(1)-nw3(n3)取出灰度数值nw 3(j2),找出nw 3(j2)数值在颜色通道B中的位置坐标idx 3,颜色通道输出图像imageout3值如下:
其中:nw 3(j2)中j2依次取1-n3,d1可在[0 10]之间任意取值,调节颜色饱和度。
本发明的有益技术效果:本发明提供的基于LAB模型下增强彩色图像对比度的方法,对于动态范围比较小的低对比度图像,如低照度的红外图像、遥感图像、医学图像或雾天图像,利用本方法增强的图像效果特别明显,而且对雾天图像具有一定去雾效果,由于对比度、颜色饱和度参数可调,本方法可用于图像处理软件及视频显示终端设备,如电视机、机顶盒,用于改善图像可视范围,提高视觉效果。
附图说明
图1为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的流程图;
图2为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的猩猩脸增强前照片;
图3为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的猩猩脸增强后照片;
图4为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的眼底血管医学图像增强前照片;
图5为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的眼底血管医学图像增强后照片;
图6为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的雾天图像增强前照片;
图7为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的雾天图像增强后照片;
图8为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的遥感图像增强前照片;
图9为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的遥感图像增强后照片;
图10为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的红外图像增强前照片;
图11为按照本发明的基于LAB模型下增强彩色图像对比度的方法的一优选实施例的红外图像增强后照片。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案,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。
如图1所示,本实施例提供的基于LAB模型下增强彩色图像对比度的方法,包括如下步骤:
步骤1:将RGB图像I转换至LAB空间;
步骤2:计算亮度通道图像L的直方图H(i);
步骤3:计算p≥p0对应的h0;
步骤4:用数组nw记录H(i)>h0的灰度值,数组长度为n;
步骤5:从nw(1)-nw(n)依次找出灰度值在图像L上的位置坐标idx,并在输出图像imageout1对应位置写入数值imageout 1(idx)=d*x+a,用数组TW记录从nw(1)-nw(n)的对应数值imageout 1(idx),x依次取1-n,imageout 1(idx)为输出图像imageout1对应位置新灰度值;
步骤6:用数组nw1记录H(i)≤h0的灰度值,寻找在亮度通道图像L中灰度值的位置坐标,找出最接近的数值,找出变化后的数值;
步骤7:计算LAB模式下颜色通道图像A的直方图H1(i);
步骤8:用数组nw2记录H 1(i)>0的灰度值,依次取出灰度数值,找出其在颜色通道中的位置坐标;
步骤9:计算LAB模式下颜色通道图像B的直方图H2(i);
步骤10:用数组nw3记录H 2(i)>0的灰度值,数组长度为n3,依次取出灰度数值,找出其在颜色通道B中的位置坐标;
步骤11:将LAB模式下的新的亮度通道图像imageout1、颜色通道imageout2、颜色通道imageout3,转换至RGB模式,输出图像为imageout。
在本实施例中,本实施例提供的基于LAB模型下增强彩色图像对比度的方法,具体包括如下步骤:
步骤1:将RGB图像I转换至LAB空间,其中L为亮度通道、A,B为颜色通道,大小范围都在[0 255];
步骤2:计算亮度通道图像L的直方图H(i),i为灰度值、H(i)为每个灰度值i对应统计数,设置亮度通道输出图像imageout1与亮度通道图像L尺寸大小一样,且为全零;
步骤3:利用公式
计算p≥p0对应的h0,p0一般取值0.9000-1.0000,p0值越大,输出图像对比度越小;反之,p0值越小,输出图像对比度越大;M、N为图像L行数与列数;
步骤4:用数组nw记录H(i)>h0的灰度值,数组长度为n;设置拉伸范围[a b],拉伸间隔d=(b-a)/n,0≤a<b≤255,a,b值之差越大,输出图像对比度越大,反之则小,a值大小控制图像低灰度的亮度,b值大小可以控制图像灰度高的亮度;
步骤5:从nw(1)-nw(n)依次找出灰度值在图像L上的位置坐标idx,并在输出图像imageout1对应位置写入数值imageout 1(idx)=d*x+a,用数组TW记录从nw(1)-nw(n)的对应数值imageout 1(idx),x依次取1-n,imageout 1(idx)为输出图像imageout1对应位置新灰度值;
步骤6:用数组nw1记录H(i)≤h0的灰度值,数组长度为n1,依次从数组nw1(1)-nw1(n1)取出灰度数值nw 1(j),寻找在亮度通道图像L中灰度值为nw 1(j)的位置坐标idx 1,同时将nw 1(j)与数组nw中数值进行比较,找出与nw 1(j)最接近的数值nw(T)(即MIN{|nw1(j)-nw(x)|}取最小值时对应的nw(T)),并记下nw(T)的位置坐标idy;根据idy坐标位置信息,找出nw 1(j)变化后的数值为TW(idy),即输出图像imageout 1(idx 1)=TW(idy),nw1(j)中j依次取1-n1,x依次取1-n;
步骤7:计算LAB模式下颜色通道图像A的直方图H1(i),i为灰度值,H1(i)为每个灰度值i对应统计数,设置颜色通道输出图像imageout2与颜色通道图像A尺寸大小一样,且为全零;
步骤8:用数组nw2记录H 1(i)>0的灰度值,数组长度为n2,依次从数组nw2(1)-nw2(n2)取出灰度数值nw 2(j1),找出nw 2(j1)数值在颜色通道A中的位置坐标idx 2,颜色通道输出图像imageout2值如下:
其中:nw 2(j1)中j1依次取1-n2,d1可在[0 10]之间任意取值,调节颜色饱和度,d1越小,图像颜色饱和度越小,反之,则越大;
步骤9:计算LAB模式下颜色通道图像B的直方图H2(i),i为灰度值、H2(i)为每个灰度值i对应统计数,设置颜色通道输出图像imageout3与颜色通道图像B尺寸大小一样,且为全零;
步骤10:用数组nw3记录H 2(i)>0的灰度值,数组长度为n3,依次从数组nw3(1)-nw3(n3)取出灰度数值nw 3(j2),找出nw 3(j2)数值在颜色通道B中的位置坐标idx 3,颜色通道输出图像imageout3值如下:
其中:nw 3(j2)中j2依次取1-n3,d1可在[0 10]之间任意取值,调节颜色饱和度,d1越小,图像颜色饱和度越小,反之,则越大。
步骤11:将LAB模式下的新的亮度通道图像imageout1、颜色通道imageout2、颜色通道imageout3,转换至RGB模式,输出图像为imageout。
在本实施例中,本实施例提供的基于LAB模型下增强彩色图像对比度的方法,图2和图3为猩猩脸增强前后对比照片,a=0,b=255,d1=5,p0=0.97;图4和图5为眼底血管医学图像增强前后照片,a=0,b=255,d1=5,p0=0.97;图6和图7为雾天图像增强前后照片,a=0,b=255,d1=5,p0=0.97;图8和图9为遥感图像增强前后照片,a=0,b=255,d1=5,p0=0.97;图10和图11为红外图像增强前后照片,a=0,b=255,d1=8,p0=0.90。
综上所述,在本实施例中,本实施例提供的基于LAB模型下增强彩色图像对比度的方法,对于动态范围比较小的低对比度图像,如低照度的红外图像、遥感图像、医学图像或雾天图像,利用本方法增强的图像效果特别明显,而且对雾天图像具有一定去雾效果,由于对比度、颜色饱和度参数可调,本方法可用于图像处理软件及视频显示终端设备,如电视机、机顶盒,用于改善图像可视范围,提高视觉效果。
以上所述,仅为本发明进一步的实施例,但本发明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所公开的范围内,根据本发明的技术方案及其构思加以等同替换或改变,都属于本发明的保护范围。
Claims (9)
1.一种基于LAB模型下增强彩色图像对比度的方法,其特征在于,包括如下步骤:
步骤1:将RGB图像转换至LAB空间;
步骤2:计算亮度通道图像L的直方图H(i);
步骤3:计算对应的/>,利用公式计算/>对应的/>;
(1)/>一般取值0.9000-1.0000,/>值越大,输出图像对比度越小;反之,/>值越小,输出图像对比度越大;M、N为图像L行数与列数;
步骤4:用数组nw记录的灰度值,数组长度为n;
步骤5:从nw(1)-nw(n)依次找出灰度值在图像L上的位置坐标,并在输出图像imageout1对应位置写入数值/>,用数组TW记录从nw(1)-nw(n)的对应数值/>,x依次取1-n,/>为输出图像imageout1对应位置新灰度值;
步骤6:用数组nw1记录的灰度值,寻找在亮度通道图像L中灰度值的位置坐标,找出最接近的数值,找出变化后的数值;
步骤7:计算LAB模式下颜色通道图像A的直方图H1(i);
步骤8:用数组nw2记录的灰度值,依次取出灰度数值,找出其在颜色通道A中的位置坐标;
步骤9:计算LAB模式下颜色通道图像B的直方图H2(i);
步骤10:用数组nw3记录的灰度值,数组长度为n3,依次取出灰度数值,找出其在颜色通道B中的位置坐标;
步骤11:将LAB模式下的新的亮度通道输出图像imageout1、颜色通道A输出图像imageout2、颜色通道B输出图像imageout3,转换至RGB模式,输出图像为imageout。
2.如权利要求1所述的一种基于LAB模型下增强彩色图像对比度的方法,其特征在于,步骤1中,将RGB图像转换至LAB空间,其中:L为亮度通道,A、B为颜色通道,其大小范围都在[0 255]。
3.如权利要求1所述的一种基于LAB模型下增强彩色图像对比度的方法,其特征在于,步骤2中,计算亮度通道图像L的直方图H(i),i为灰度值,H(i)为每个灰度值i对应统计数,设置亮度通道输出图像imageout1与亮度通道图像L尺寸大小一样,且为全零。
4.如权利要求1所述的一种基于LAB模型下增强彩色图像对比度的方法,其特征在于,步骤4中,用数组nw记录的灰度值,数组长度为n;
设置拉伸范围[a b],拉伸间隔,/>;a值大小控制图像低灰度的亮度,b值大小可以控制图像灰度高的亮度。
5.如权利要求1所述的一种基于LAB模型下增强彩色图像对比度的方法,其特征在于,步骤6中,用数组nw1记录的灰度值,数组长度为n1;
依次从数组nw1(1)-nw1(n1)取出灰度数值,寻找在亮度通道图像L中灰度值为的位置坐标/>;
同时将与数组nw中数值进行比较,找出与/>最接近的数值nw(T)(即取最小值时对应的nw(T)),并记下nw(T)的位置坐标/>;
根据坐标位置信息,找出/>变化后的数值为/>,即输出图像,/>中j依次取1-n1,x依次取1-n。
6.如权利要求1所述的一种基于LAB模型下增强彩色图像对比度的方法,其特征在于,步骤7中,计算LAB模式下颜色通道图像A的直方图H1(i),i为灰度值,H1(i)为每个灰度值i对应统计数,设置颜色通道输出图像imageout2与颜色通道图像A尺寸大小一样,且为全零。
7.如权利要求1所述的一种基于LAB模型下增强彩色图像对比度的方法,其特征在于,步骤8中,用数组nw2记录的灰度值,数组长度为n2,依次从数组nw2(1)-nw2(n2)取出灰度数值/>,找出/>数值在颜色通道A中的位置坐标/>,颜色通道A输出图像imageout2值如下:/>(2)其中:中/>依次取1-n2;
可在[0 10]之间任意取值,调节颜色饱和度。
8.如权利要求1所述的一种基于LAB模型下增强彩色图像对比度的方法,其特征在于,步骤9中,计算LAB模式下颜色通道图像B的直方图H2(i),i为灰度值,H2(i)为每个灰度值i对应统计数,设置颜色通道输出图像imageout3与颜色通道图像B尺寸大小一样,且为全零。
9.如权利要求1所述的一种基于LAB模型下增强彩色图像对比度的方法,其特征在于,步骤10中,用数组nw3记录的灰度值,数组长度为n3,依次从数组nw3(1)-nw3(n3)取出灰度数值/>,找出/>数值在颜色通道B中的位置坐标/>,颜色通道B输出图像imageout3值如下:/>(3)其中:中/>依次取1-n3,/>可在[0 10]之间任意取值,调节颜色饱和度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811239504.3A CN109544467B (zh) | 2018-10-23 | 2018-10-23 | 一种基于lab模型下增强彩色图像对比度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811239504.3A CN109544467B (zh) | 2018-10-23 | 2018-10-23 | 一种基于lab模型下增强彩色图像对比度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544467A CN109544467A (zh) | 2019-03-29 |
CN109544467B true CN109544467B (zh) | 2023-09-22 |
Family
ID=65844608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811239504.3A Active CN109544467B (zh) | 2018-10-23 | 2018-10-23 | 一种基于lab模型下增强彩色图像对比度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544467B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476736B (zh) * | 2020-04-14 | 2023-09-22 | 中国人民解放军陆军特种作战学院 | 一种图像去雾方法、终端及系统 |
CN111563863B (zh) * | 2020-04-22 | 2023-06-23 | 江苏理工学院 | 一种直方图受限的图像增强方法及装置 |
CN113177949B (zh) * | 2021-04-16 | 2023-09-01 | 中南大学 | 一种大尺寸岩石颗粒特征识别方法及装置 |
CN117392009B (zh) * | 2023-12-06 | 2024-03-19 | 国网山东省电力公司淄博供电公司 | 图像自动透雾处理方法、系统、终端及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481206A (zh) * | 2017-08-28 | 2017-12-15 | 湖南友哲科技有限公司 | 显微镜图像背景均衡处理算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101328741B1 (ko) * | 2012-01-03 | 2013-11-11 | 중앙대학교 산학협력단 | 색상 채널을 이용한 영상 개선 장치 및 방법 |
-
2018
- 2018-10-23 CN CN201811239504.3A patent/CN109544467B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481206A (zh) * | 2017-08-28 | 2017-12-15 | 湖南友哲科技有限公司 | 显微镜图像背景均衡处理算法 |
Also Published As
Publication number | Publication date |
---|---|
CN109544467A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544467B (zh) | 一种基于lab模型下增强彩色图像对比度的方法 | |
CN105957030B (zh) | 一种应用于红外热像仪图像细节增强和噪声抑制方法 | |
CN110400275B (zh) | 一种基于全卷积神经网络和特征金字塔的颜色校正方法 | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
CN110675328A (zh) | 基于条件生成对抗网络的低照度图像增强方法及装置 | |
WO2012149772A1 (zh) | 一种渐变动画的生成方法和装置 | |
CN105046663A (zh) | 一种模拟人类视觉感知的自适应低照度图像增强方法 | |
JP2003152990A5 (zh) | ||
WO2019011154A1 (zh) | 白平衡处理方法和装置 | |
CN107657619A (zh) | 一种低照度林火图像分割方法 | |
CN114022732B (zh) | 一种基于raw图像的极暗光物体检测方法 | |
WO2019000793A1 (zh) | 直播中打码方法及装置、电子设备及存储介质 | |
WO2023005818A1 (zh) | 噪声图像生成方法、装置、电子设备及存储介质 | |
WO2022135574A1 (zh) | 肤色检测方法、装置、移动终端和存储介质 | |
CN111080754B (zh) | 一种头部肢体特征点连线的人物动画制作方法及装置 | |
KR20240063943A (ko) | 톤 매핑 방법, 디바이스 및 시스템 | |
CN113052783A (zh) | 一种基于人脸关键点的人脸图像融合方法 | |
CN113824945A (zh) | 一种基于深度学习的快速自动白平衡和颜色矫正方法 | |
Cui et al. | Film effect optimization by deep learning and virtual reality technology in new media environment | |
CN112991236A (zh) | 一种基于模板的图像增强方法及装置 | |
CN113129300A (zh) | 一种降低误检率的排水管道缺陷检测方法、装置、设备及介质 | |
CN111147924B (zh) | 一种视频增强处理方法及系统 | |
CN112907470A (zh) | 基于Lab色域变换、分类及白平衡的水下图像恢复方法 | |
CN105303515B (zh) | 一种针对密闭实验箱中特殊光照条件下的色偏校正方法 | |
CN109559284B (zh) | 一种基于直方图受限的图像对比度增强方法 |
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 |