CN109801244A - 图像增强方法、装置、计算机设备和存储介质 - Google Patents
图像增强方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109801244A CN109801244A CN201910123812.8A CN201910123812A CN109801244A CN 109801244 A CN109801244 A CN 109801244A CN 201910123812 A CN201910123812 A CN 201910123812A CN 109801244 A CN109801244 A CN 109801244A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- enhancing
- value
- 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 46
- 230000002708 enhancing effect Effects 0.000 claims abstract description 173
- 238000013507 mapping Methods 0.000 claims abstract description 110
- 238000005286 illumination Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 52
- 230000001186 cumulative effect Effects 0.000 claims description 31
- 238000005315 distribution function Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 21
- 239000004744 fabric Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003014 reinforcing effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004380 ashing Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种图像增强方法、装置、计算机设备和存储介质,获取与原始图像相对应的光照图像,然后根据原始图像和光照图像计算增强图像,根据该增强图像的灰度分布确定灰度映射关系,利用该灰度映射关系对该增强图像的对比度进行增强,由于根据原始图像和相应的光照图像计算得到的增强图像能够有效地反映出图像中被拍摄物体的反射分量,通过该增强图像能够准确地恢复图像中的纹理,而且基于该增强图像的灰度分布所确定的灰度映射关系,能够有效地提高增强图像的对比度,提高了对图像进行增强的效果。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像增强方法、图像增强 装置、计算机设备和计算机可读存储介质。
背景技术
通过图像处理技术可以对图像进行分析和计算,使得处理后的图像能够满 足相应的需求。然而,通过如摄像头等图像采集设备拍摄得到的图像往往会出 现亮度低、对比度低等情况,需要对采集的图像进行图像增强处理。
传统技术通常采用直方图均衡的方法对图像进行增强处理,该方法能够使 得处理后的图像的灰度值分布均匀,然而这种技术容易使增强后的图像产生一 些不自然的纹理,而且增强后图像对比度偏低,对图像进行增强的效果差。
发明内容
基于此,有必要针对传统技术对图像进行增强的效果差的技术问题,提供 一种图像增强方法、图像增强装置、计算机设备和计算机可读存储介质。
一种图像增强方法,包括步骤:
获取与原始图像相对应的光照图像;
根据所述原始图像和光照图像计算增强图像;
根据所述增强图像的灰度分布确定灰度映射关系;
利用所述灰度映射关系增强所述增强图像的对比度。
一种图像增强装置,包括:
获取模块,用于获取与原始图像相对应的光照图像;
计算模块,用于根据所述原始图像和光照图像计算增强图像;
确定模块,用于根据所述增强图像的灰度分布确定灰度映射关系;
增强模块,用于利用所述灰度映射关系增强所述增强图像的对比度。
一种计算机设备,包括处理器和存储器,所述存储器存储有计算机程序, 所述处理器执行所述计算机程序时实现如下步骤:
获取与原始图像相对应的光照图像;根据所述原始图像和光照图像计算增 强图像;根据所述增强图像的灰度分布确定灰度映射关系;利用所述灰度映射 关系增强所述增强图像的对比度。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处 理器执行时实现如下步骤:
获取与原始图像相对应的光照图像;根据所述原始图像和光照图像计算增 强图像;根据所述增强图像的灰度分布确定灰度映射关系;利用所述灰度映射 关系增强所述增强图像的对比度。
上述图像增强方法、装置、计算机设备和存储介质,获取与原始图像相对 应的光照图像,然后根据原始图像和光照图像计算增强图像,根据该增强图像 的灰度分布确定灰度映射关系,利用该灰度映射关系对该增强图像的对比度进 行增强,由于根据原始图像和相应的光照图像计算得到的增强图像能够有效地 反映出图像中被拍摄物体的反射分量,通过该增强图像能够准确地恢复图像中 的纹理,而且基于该增强图像的灰度分布所确定的灰度映射关系,能够有效地 提高增强图像的对比度,提高了对图像进行增强的效果。
附图说明
图1为一个实施例中图像增强方法的应用场景图;
图2为一个实施例中直方图均衡的图像增强效果示意图;
图3为一个实施例中图像增强方法的流程示意图;
图4为一个实施例中图像拍摄原理的示意图;
图5为一个实施例中多种图像的示意图;
图6为一个实施例中校正前后的图像示意图;
图7为一个实施例中去噪前后的图像示意图;
图8为一个实施例中灰度映射函数的曲线示意图;
图9为一个实施例中图像增强的效果对比图;
图10为一个实施例中图像增强装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,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。
需要说明的是,本发明实施例所涉及的术语“第一\第二”仅仅是是区别类 似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二”在允许的 情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在 适当情况下可以互换,以使这里描述的本发明的实施例能够以除了在这里图示 或描述的那些以外的顺序实施。
本发明提供的图像增强方法,可以应用于如图1所示的应用场景中,图1 为一个实施例中图像增强方法的应用场景图,其中,可以通过摄像头200等图 像采集设备对目标区域300中的物体进行拍摄,摄像头200可以将拍摄的图像 传输给具有图像处理能力的终端100,终端100可以用于对采集的图像进行图像 增强。其中,终端100可以包括但不限于是个人计算机、笔记本电脑和平板电 脑等设备。
具体的,摄像头200在拍摄目标区域300中的物体A和物体B时,可能会 由于目标区域300的光线较暗等原因导致拍摄的图像出现亮度较低、对比度较 低的情况,所以在摄像头200拍摄目标区域300中物体A和物体B的图像后, 可以将该图像传输至终端100,该终端100可以对该图像进行图像增强处理,使 得增强后的图像能够达到亮度提高、对比度提高等效果。
本发明的发明人在传统技术实施过程中发现,通过如直方图均衡的方法对 图像进行增强时容易使得增强后的图像出现不自然的纹理而且存在图像的对比 度较低的情况,如图2所示,图2为一个实施例中直方图均衡的图像增强效果 示意图,图像201和图像203均对应于原始图像,而图像202是对图像201进 行直方图均衡后得到的图像,图像204是对图像203进行直方图均衡后得到的 图像,可见,通过直方图均衡的方法对图像201和图像203进行图像增强处理 后,图像202和图像204中都出现不自然的纹理以及图像的对比度仍然偏低, 图像增强的效果较差。
本发明实施例提供的图像增强方法,能够在终端100中对摄像头200拍摄 的图像进行图像增强处理,终端100可以获取摄像头200拍摄的原始图像,获 取与该原始图像相对应的光照图像,然后根据原始图像和光照图像计算增强图 像,于根据原始图像和相应的光照图像计算得到的增强图像能够有效地反映出 图像中被拍摄物体的反射分量,通过该增强图像能够准确地恢复图像中的纹理, 然后基于该增强图像的灰度分布所确定的灰度映射关系,能够有效地提高增强 图像的对比度,提高对图像进行增强的效果。
在一个实施例中,提供了一种图像增强方法,参考图3,图3为一个实施例 中图像增强方法的流程示意图,该方法可以应用于图1所示的终端100中对图 像进行增强处理,该图像增强方法可以包括以下步骤:
步骤S101,获取与原始图像相对应的光照图像。
本步骤中,原始图像是指待增强的图像,该原始图像可以是如图1所示的 摄像头200拍摄目标区域300的物体A和物体B得到的图像,该摄像头200可 以将该原始图像传输给终端100,终端100接收该原始图像。终端100在得到该 原始图像后,可以获取与该原始图像相对应的光照图像,该光照图像是指携带 了环境光分量的图像,环境光分量是指在拍摄该原始图像的环境中光的照射分 量。
具体的,在图像领域的Retinex理论中,光源发出的光经过物体表面,该 物体根据反射率进行反射,到达观察者位置得到物体图像。参考图4,图4为一 个实施例中图像拍摄原理的示意图,在摄像头403拍摄物体402时,环境光源 401发出光照射物体402,物体402对该环境光源401发出光进行反射,摄像头 403则采集物体402反射的光,从而采集物体402的图像。如图5所示,图5为 一个实施例中多种图像的示意图,图像501对应于摄像头403拍摄得到的原始 图像,而图像502则对应于光照图像,由于不同的原始图像通常是在不同的光照环境下拍摄的,所以本步骤可以在得到原始图像后,获取与该原始图像相对 应的光照图像。
步骤S102,根据原始图像和光照图像计算增强图像。
本步骤主要是终端100可以根据原始图像和与该原始图像相对应的光照图 像计算出增强图像。根据Retinex理论可以得到原始图像I、光照图像L和增强 图像R的关系为I=RL,也就是说被拍摄物体的成像灰度值不是由物体的反射 光的强度决定的,而是由物体对光线的反射能力决定的,即物体对光线的反射 能力表现了图像的内在属性,即根据原始图像I与光照图像L的比值可以得到 携带图像细节信息的增强图像R。
如图5所示,图像501对应于原始图像I,图像502对应于光照图像L,根 据原始图像I和光照图像L的比值可以计算出如图像503所示的增强图像 R。该增强图像R携带了目标物体的反射分量,所以该增强图像R能够准确地还 原出被拍摄物体的细节信息,从原始图像中恢复出更多的物体原有的信息。
步骤S103,根据增强图像的灰度分布确定灰度映射关系。
其中,增强图像具有多个像素点,各个像素点具有灰度值,灰度分布是指 像素点的灰度值的分布情况,增强图像的灰度分布是指该增强图像中各个像素 点的灰度值的分布情况,如灰度值为1的像素点的数量等等,根据增强图像的 灰度分布可以设置一定的灰度映射关系,灰度映射关系是指将像素点的灰度值 从一个值映射为另外一个值的关系,例如将像素点A的灰度值原来是1,该灰度 映射关系可以用于将像素点A的灰度值从1映射为0,以调整各像素点的灰度值, 而基于增强图像的灰度分布来确定灰度映射关系,能够准确地结合增强图像的 灰度分布反映出来的增强图像的灰度特征来设置合适的灰度映射关系,有利于 进一步用于调节该增强图像的对比度。
步骤S104,利用灰度映射关系增强该增强图像的对比度。
本步骤主要是通过灰度映射关系来调节增强图像的各像素点的灰度值,以 实现对该增强图像的对比度进行调节的效果,例如可以通过灰度映射关系对该 增强图像的各像素点的灰度值进行线性或非线性调节,使得增强图像的对比度 得到提高。
上述图像增强方法,获取与原始图像相对应的光照图像,然后根据原始图 像和光照图像计算增强图像,根据该增强图像的灰度分布确定灰度映射关系, 利用该灰度映射关系对该增强图像的对比度进行增强,由于根据原始图像和相 应的光照图像计算得到的增强图像能够有效地反映出图像中被拍摄物体的反射 分量,通过该增强图像能够准确地恢复图像中的纹理,而且基于该增强图像的 灰度分布所确定的灰度映射关系,能够有效地提高增强图像的对比度,提高了 对图像进行增强的效果。
在一个实施例中,获取与原始图像相对应的光照图像的步骤可以包括:
步骤S201,获取原始图像的各个像素点的灰度值和归一化灰度值。
本步骤可以获取原始图像I的各个像素点的灰度值,以及各个像素点的归一 化灰度值,归一化灰度值是指对各个像素点的灰度值进行归一化后得到的灰度 值。
步骤S202,确定各个像素点的相邻像素点的灰度值。
其中,相邻像素点是指与某个像素点相邻的像素点,对于每个像素点来说, 与其相邻的像素点的数量为4个,即原始图像I中的每个像素点都与4个像素点 相邻,本步骤可以获取原始图像I中的各个像素点的相邻像素点的灰度值。
步骤S203,将原始图像的各个像素点的灰度值、归一化灰度值以及相邻像 素点的灰度值输入预设的代价函数;
本步骤主要是将原始图像I中的各个像素点的灰度值、归一化灰度值及其相 邻像素点的灰度值输入到预先设定的代价函数,通过该代价函数可以对光照图 像L的各个像素点的灰度值进行估计,代价函数的具体形式可以包括多种,例如 可以通过加权最小二乘公式来构建代价函数。
步骤S204,对代价函数进行最小化处理得到光照图像。
本步骤主要是对该代价函数进行最小化处理,从而计算出光照图像L的各个 像素点的灰度值得到光照图像L。
具体的,可以通过如下方式得到光照图像L:
对于原始图像I和该原始图像的归一化图像N=||I||,通过最小化如下加权 最小二乘公式获得光照图像L:
其中,J(L)表示与光照图像L的灰度值相关的函数,该函数一般称为代价 函数,p表示像素点,Lp是指光照图像L上像素点p的灰度值,Np是指归一化 图像N上像素点p的灰度值,表示像素点p的四个相邻像素点,q表示像素 点p的相邻像素点,Lq为相邻像素点的灰度值,λ为第一控制参数,wp,q(I)表 示权重函数,该权重函数可以定义如下:
其中,Ip表示原始图像I上像素点p的灰度值,Iq表示原始图像I上相邻像 素点q的灰度值,σ为第二控制参数,该第二控制参数σ为高斯函数的尺度参数, 用于表示模糊的延伸距离,可以设置为10。该权重函数wp,q(I)的作用是,对于 图像中灰度梯度值高的像素点(如物体边缘),可以给予一个较大的权重,使得 最小化J(L)后获得的光照图像L中,物体边缘能够得到保留而其余纹理得到平 滑。
J(L)中的第一控制参数λ的取值范围则可以根据具体需求来进行确定,当 第一控制参数λ的取值越大,得到的光照图像L就会变得越模糊,在希望保留原 始图像I中物体的边缘并消除图像中的细节纹理时,如果第一控制参数λ太大, 会使得边缘都被模糊掉,因此该第一控制参数λ的取值并非越大越好,而是需要 根据实际需求来确定。上述代价函数J(L)包括两个部分,即(Lp-Np)2和 两部分,其中,(Lp-Np)2会使得得到的光照图像L 趋向于与归一化后的原始图像一致,使得光照图像L与原始图像相差不会太大, 而则可以用于消除光照图像L中的细节纹理,但又可 以保持物体的边缘纹理,从而得到效果更好的光照图像L。
为了最小化代价函数J(L),可以将J(L)的导数设为0,然后可以通过求解 如下线性方程组来获得光照图像L:
L=(Θ+λA)-1N
其中,Θ为单位矩阵,A表示一个大小为S×S的二维矩阵(S=W×H, W表示原始图像的宽度,H表示原始图像的长度):
其中,m∈S,n∈S,A(m,n)表示矩阵A的第m行第n列的元素,表 示第n列的左、右两个相邻列号n-1、n+1,所以当n=m时, 需要说明的是,这里为了光照图像L和 归一化图像N的计算方便,将光照图像L和归一化图像N由大小为W×H的二 维矩阵分别变换成了S×1的一维向量,即将光照图像L和归一化图像N每一列 的尾与下一列的头连起来,形成要给长度为S的一维列向量。
通过本实施例的上述方案,能够获取与原始图像相对应的光照图像,而且 在通过对代价函数进行最小化处理的过程中,还可以调节相应的参数以适应不 同的图像需求,使得光照图像的边缘纹理得到保留而消除光照图像L中的其他细 节纹理,得到效果更好的光照图像L。
在一个实施例中,根据原始图像和光照图像计算增强图像的步骤可以包括:
对光照图像进行Gamma校正;根据原始图像与校正后的光照图像的比值获 取增强图像。
本实施例主要是在计算增强图像R之前,可以先对光照图像L进行Gamma校 正,然后可以基于原始图像I与校正后的光照图像L的比值计算增强图像R。
具体的,在获得光照图像L后,可以根据原始图像I与光照图像L的比值获 得增强图像R,为了调整增强图像R的亮度,可以对光照图像L进行Gamma校正, Gamma校正后的光照图像为Lγ,其中,γ为校正系数,该校正系数γ可以设置在 0.5到0.7之间,然后根据原始图像I与校正后的光照图像Lγ的比值可以得到增 强图像R,使得增强图像R具有较好的亮度调节效果,具体校正效果可以参考6, 图6为一个实施例中校正前后的图像示意图,图像601对应于校正之前的光照 图像L,图像602对应于校正系数γ为0.7情况下对图像601进行校正得到的图 像,图像603对应于原始图像I与光照图像L的比值计算得到的增强图像R,而 图像604则对应于原始图像I与校正后的光照图像为Lγ的比值计算得到的增强 图像R,可见看出,图像604具有比图像603更好的亮度调节效果,使得图像的 亮度不会过亮,图像增强的效果也更好。
在对原始图像I进行增强的同时,原始图像I的噪音也相应地得到增强,所 以得到的增强图像R中会有比较明显的噪音,因此,可以对该增强图像R进行一 次去噪处理,可以通过双边滤波对增强图像R进行去噪处理,去噪效果可以参考 图7,图7为一个实施例中去噪前后的图像示意图,图像701对应于去噪前的增 强图像R,图像702对应于去噪后的增强图像R,可见,在对增强图像进行去噪 处理后,能够得到增强效果更好的图像,而由于双边滤波具有能够保持图像的 边缘信息的优势,所以通过双边滤波对增强图像R进行去噪具有比其他去噪方式 更好的效果。
在一个实施例中,根据增强图像的灰度分布确定灰度映射关系的步骤可以 包括:
根据增强图像的灰度分布构建灰度分布的累积分布函数;根据累积分布函 数设置第一灰度阈值和第二灰度阈值;第一灰度阈值小于第二灰度阈值;根据 第一灰度阈值和第二灰度阈值确定灰度映射关系。
本实施例主要是基于增强图像R的灰度分布构建该增强图像的累积分布函 数,然后根据该累积分布函数设置第一灰度阈值和第二灰度阈值,最后根据第 一灰度阈值和第二灰度阈值确定灰度映射关系。
具体的,根据增强图像R的灰度分布可以获取与各灰度值对应的像素点的数 量,从而可以计算各灰度值在增强图像R出现的概率,根据各灰度值在增强图像 R出现的概率可以构建出增强图像的灰度分布的累积分布函数,该累积分布函数 是关于像素点的灰度值的函数,可以用于表示对于增强图像R中像素点的灰度值 来说,所有小于等于设定灰度值的像素点的灰度值出现的概率和。
例如,通过增强图像R的灰度分布可以获取增强图像R中灰度值为k的像素 点的数量nk,将像素点的总数量表示为W×H,其中,W可以表示图像在宽度 方向上的像素点数量,H可以表示图像在高度方向上的像素点数量,而W×H除 了可以用于表示增强图像R中像素点的总数量,还可以用于表示为增强图像R的 大小,而根据灰度值为k的像素点的数量nk和像素点的总数量W×H可以构建 出增强图像R的灰度分布的概率密度函数pdf(k):
而根据该概率密度函数pdf(k)可以确定各灰度值在增强图像R出现的概率, 然后根据概率密度函数pdf(k)可以构建出增强图像R的灰度分布的累积分布函 数cdf(l):
其中,l表示灰度值,pdf(k)表示灰度值为k的概率密度函数,累积分布函 数cdf(l)可以用于表示增强图像R中像素点的灰度值小于等于灰度值l的概率 和。
在得到累积分布函数cdf(l)之后,可以根据该累积分布函数cdf(l)设置第 一灰度阈值和第二灰度阈值,例如可以基于累积分布函数cdf(l)明确小于等于 各灰度值的概率和来设定第一灰度阈值和第二灰度阈值,即将与某概率和相对 应的灰度值设为第一灰度阈值或第二灰度阈值,从而可以设置灰度值的调节范 围,进而构建出灰度映射关系,将灰度值的调节进行分段处理,精准调节增强 图像R中像素点的灰度值。
在一个实施例中,进一步的,根据累积分布函数设置第一灰度阈值和第二 灰度阈值的步骤可以包括:
根据累积分布函数确定增强图像的各灰度值的分布概率值;将分布概率值 为第一概率值的灰度值设为第一灰度阈值,将分布概率值为第二概率值的灰度 值设为第二灰度阈值。
本实施例主要是根据累积分布函数确定各灰度值的分布概率值,从而依据 该分布概率值来设置第一灰度阈值和第二灰度阈值。其中,根据累积分布函数 可以确定增强图像R中像素点的灰度值小于等于某设定灰度值l的概率和,该设 定灰度值l的概率和可以对应于该灰度值l的分布概率值,即增强图像R中小于 等于该设定灰度值l的各像素点灰度值的分布概率和,根据分布概率值可以准确 地知道增强图像R中灰度值的分布情况,即哪些灰度值分布比较密集,哪些灰度 值分布比较稀疏,从而可以基于该分布概率值设置灰度阈值,以实现对灰度值 进行分段调节处理。
具体的,可以将第一概率值表示为tlow,将第二概率值表示为thigh,其中, 第一概率值tlow小于第二概率值thigh,第一概率值tlow和第二概率值thigh都是0到 1之间的概率值,对于累积分布函数cdf(l),可以设置第一灰度阈值llow为满足 cdf(llow)≈tlow的灰度值,即对于累积分布函数约等于给定的第一概率值tlow时 对应的灰度值l设置为第一灰度阈值llow,同样的,可以设置第二灰度阈值lhigh为 满足cdf(lhigh)≈thigh的灰度值,一般来说,可将第一概率值tlow设置为0.01,将 第二概率值thigh设置为0.99,也就是说,可以将累积分布函数约等于0.01时对 应的灰度值l设置为第一灰度阈值llow,将累积分布函数约等于0.99时对应的灰 度值l设置为第二灰度阈值lhigh,从而可以将增强图像R的灰度值按照第一灰度 阈值和第二灰度阈值进行分段,便于后续对增强图像R的灰度值进行分段调节。
在一个实施例中,灰度映射关系可以是:将增强图像中灰度值小于第一灰 度阈值的像素点的灰度值设为第一灰度常数,将增强图像中灰度值大于第二灰 度阈值的像素点的灰度值设为第二灰度常数,以及将增强图像中灰度值大于或 等于第一灰度阈值且小于或等于第二灰度阈值的像素点的灰度值进行线性映射; 第一灰度常数小于第二灰度常数,线性映射根据第一灰度常数和第二灰度常数 确定。
其中,可以在设置第一灰度阈值llow和第二灰度阈值thigh以后设置相应的灰 度映射关系,而根据对图像的需求不同,设置的灰度映射关系可以是多种,本 实施例采取的灰度映射关系是:将增强图像R中灰度值l小于第一灰度阈值llow的像素点灰度值映射为第一灰度常数,将增强图像R中灰度值l大于第二灰度阈 值lhigh的像素点灰度值映射为第二灰度常数,该第一灰度常数小于第二灰度常数, 也就是说,如果第一灰度阈值llow为10,第一灰度常数为0,则增强图像R中灰 度值l小于10的像素点灰度值均映射为0,同样的,如果第二灰度阈值lhigh为240, 第二灰度常数为255,则增强图像R中灰度值l大于240的像素点灰度值均映射 为255。对于增强图像中灰度值大于或等于第一灰度阈值且小于或等于第二灰度 阈值的像素点的灰度值,则进行线性映射,该线性映射可以根据第一灰度常数 和第二灰度常数来确定,例如利用第一灰度常数和第二灰度常数构建线性映射 方程,使得基于该线性映射方程处理后的增强图像能够比处理前的增强图像达 到更高的对比度。
在一个实施例中,利用灰度映射关系增强该增强图像的对比度的步骤可以 包括:
根据灰度映射关系构建灰度映射函数;利用灰度映射函数将增强图像的像 素点的灰度值进行映射,得到灰度映射后的增强图像。
本实施例可以根据映射关系构建相应的灰度映射函数,即将映射关系通过 函数进行表示,然后利用灰度映射函数来将增强图像R的像素点的灰度值进行映 射,从而得到灰度映射后的增强图像。其中,灰度映射函数可以是:
其中,R′(p)表示灰度映射后的增强图像的像素点p的灰度值,R(p)表示 增强图像的像素点p的灰度值,llow表示第一灰度阈值,lhigh表示第二灰度阈值, M表示第一灰度常数,N表示第二灰度常数。根据灰度映射后的增强图像的像 素点p的灰度值R′(p)可以得到灰度映射后的增强图像R′。
本实施例的灰度映射的具体原理可以参考图8,图8为一个实施例中灰度映 射函数的曲线示意图,箭头801所指示的曲线对应于上述灰度映射函数,该灰 度映射函数将横坐标所示的增强图像R的像素点的原灰度值映射为纵坐标所示 的增强后灰度值,通过对增强图像R的所有像素点的原灰度值映射可以得到对比 度增强后的增强图像,为了直观地体现出通过该灰度映射函数进行对比度增强 的效果,可以以箭头802所指示的直线作为参考,该直线用于将原灰度值映射 为同一灰度值,对应于没有对增强图像R进行对比度增强处理的情况,可以看出, 该灰度映射函数对应的曲线在llow和lhigh之间具有比箭头802所指示的直线更大 的斜率,即从增强图像R的整体上看,实现了对增强图像R的灰度值进行了调节, 使得调节后的增强图像R具有更高的对比度。
本发明实施例提供的图像增强方法,能够准确地恢复图像中的纹理,也能 够有效地提高增强图像的对比度,提高了对图像进行增强的效果,该图像增强 方法的增强效果可以参考图9,图9为一个实施例中图像增强的效果对比图,其 中,图像901和图像904分别对应两张原始图像,图像902和图像905是传统 技术提供的直方图均衡化方法分别对图像901和图像904进行图像增强后得到 的两张图像,图像903和图像906是本发明实施例提供的图像增强方法分别对 图像901和图像904进行图像增强后得到的两张图像,从图像增强的效果上看, 本发明实施例提供的图像增强方法增强效果更好,图像噪声较少,对比度更高,而且增强后图像更加自然,并且算法也相对简单,能够做到对图像的实时处理, 能够快速得到增强效果更好的增强图像。
在一个实施例中,提供了一种图像增强装置,参考图10,图10为一个实施 例中图像增强装置的结构框图,该图像增强装置可以包括:
获取模块101,用于获取与原始图像相对应的光照图像;
计算模块102,用于根据原始图像和光照图像计算增强图像;
确定模块103,用于根据增强图像的灰度分布确定灰度映射关系;
增强模块104,用于利用灰度映射关系增强该增强图像的对比度。
在一个实施例中,获取模块101进一步用于:
获取原始图像的各个像素点的灰度值和归一化灰度值;确定各个像素点的 相邻像素点的灰度值;将原始图像的各个像素点的灰度值、归一化灰度值以及 相邻像素点的灰度值输入预设的代价函数;对代价函数进行最小化处理得到光 照图像。
在一个实施例中,计算模块102进一步用于:
对光照图像进行Gamma校正;根据原始图像与校正后的光照图像的比值获 取增强图像。
在一个实施例中,确定模块103可以包括:
构建单元,用于根据增强图像的灰度分布构建灰度分布的累积分布函数;
设置单元,用于根据累积分布函数设置第一灰度阈值和第二灰度阈值;第 一灰度阈值小于第二灰度阈值;
确定单元,用于根据第一灰度阈值和第二灰度阈值确定灰度映射关系。
在一个实施例中,设置单元进一步用于:
根据累积分布函数确定增强图像的各灰度值的分布概率值;将分布概率值 为第一概率值的灰度值设为第一灰度阈值,将分布概率值为第二概率值的灰度 值设为第二灰度阈值。
在一个实施例中,灰度映射关系可以是:将增强图像中灰度值小于第一灰 度阈值的像素点的灰度值设为第一灰度常数,将增强图像中灰度值大于第二灰 度阈值的像素点的灰度值设为第二灰度常数,以及将增强图像中灰度值大于或 等于第一灰度阈值且小于或等于第二灰度阈值的像素点的灰度值进行线性映射; 第一灰度常数小于第二灰度常数,线性映射根据第一灰度常数和第二灰度常数 确定。
在一个实施例中,增强模块104进一步用于:
根据灰度映射关系构建灰度映射函数;利用灰度映射函数将增强图像的像 素点的灰度值进行映射,得到灰度映射后的增强图像;灰度映射函数为:
其中,R′(p)表示灰度映射后的增强图像的像素点p的灰度值,R(p)表示 增强图像的像素点p的灰度值,llow表示第一灰度阈值,lhigh表示第二灰度阈值, M表示第一灰度常数,N表示第二灰度常数。
本发明的图像增强装置与本发明的图像增强方法一一对应,关于图像增强 装置的具体限定可以参见上文中对于图像增强方法的限定,在上述图像增强方 法的实施例阐述的技术特征及其有益效果均适用于图像增强装置的实施例中, 在此不再赘述。上述图像增强装置中的各个模块可全部或部分通过软件、硬件 及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处 理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调 用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其 内部结构图可以如图11所示,图11为一个实施例中计算机设备的内部结构图。 该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和 输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机 设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有 操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算 机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络 连接通信。该计算机程序被处理器执行时以实现一种图像增强方法。该计算机 设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装 置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨 迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本发明方案相关 的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备的限定, 具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件, 或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括处理器和存储器,所述存 储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取与原始图像相对应的光照图像;根据原始图像和光照图像计算增强图 像;根据增强图像的灰度分布确定灰度映射关系;利用灰度映射关系增强该增 强图像的对比度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取原始图像的各个像素点的灰度值和归一化灰度值;确定各个像素点的 相邻像素点的灰度值;将原始图像的各个像素点的灰度值、归一化灰度值以及 相邻像素点的灰度值输入预设的代价函数;对代价函数进行最小化处理得到光 照图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对光照图像进行Gamma校正;根据原始图像与校正后的光照图像的比值获 取增强图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据增强图像的灰度分布构建灰度分布的累积分布函数;根据累积分布函 数设置第一灰度阈值和第二灰度阈值;第一灰度阈值小于第二灰度阈值;根据 第一灰度阈值和第二灰度阈值确定灰度映射关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据累积分布函数确定增强图像的各灰度值的分布概率值;将分布概率值 为第一概率值的灰度值设为第一灰度阈值,将分布概率值为第二概率值的灰度 值设为第二灰度阈值。
在一个实施例中,灰度映射关系可以是:将增强图像中灰度值小于第一灰 度阈值的像素点的灰度值设为第一灰度常数,将增强图像中灰度值大于第二灰 度阈值的像素点的灰度值设为第二灰度常数,以及将增强图像中灰度值大于或 等于第一灰度阈值且小于或等于第二灰度阈值的像素点的灰度值进行线性映射; 第一灰度常数小于第二灰度常数,线性映射根据第一灰度常数和第二灰度常数 确定。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据灰度映射关系构建灰度映射函数;利用灰度映射函数将增强图像的像 素点的灰度值进行映射,得到灰度映射后的增强图像;灰度映射函数为:
其中,R′(p)表示灰度映射后的增强图像的像素点p的灰度值,R(p)表示 增强图像的像素点p的灰度值,llow表示第一灰度阈值,lhigh表示第二灰度阈值, M表示第一灰度常数,N表示第二灰度常数。
上述计算机设备,通过所述处理器上运行的计算机程序,通过增强图像能 够准确地恢复图像中的纹理,而且基于该增强图像的灰度分布所确定的灰度映 射关系,能够有效地提高增强图像的对比度,提高了对图像进行增强的效果。
本领域普通技术人员可以理解实现如上任一项实施例所述的图像增强方法 中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述 的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在 执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施 例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易 失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM (PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易 失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明 而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同 步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步 链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、 直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
据此,在一个实施例中提供了一种计算机可读存储介质,其上存储有计算 机程序,计算机程序被处理器执行时实现以下步骤:
获取与原始图像相对应的光照图像;根据原始图像和光照图像计算增强图 像;根据增强图像的灰度分布确定灰度映射关系;利用灰度映射关系增强该增 强图像的对比度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取原始图像的各个像素点的灰度值和归一化灰度值;确定各个像素点的 相邻像素点的灰度值;将原始图像的各个像素点的灰度值、归一化灰度值以及 相邻像素点的灰度值输入预设的代价函数;对代价函数进行最小化处理得到光 照图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对光照图像进行Gamma校正;根据原始图像与校正后的光照图像的比值获 取增强图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据增强图像的灰度分布构建灰度分布的累积分布函数;根据累积分布函 数设置第一灰度阈值和第二灰度阈值;第一灰度阈值小于第二灰度阈值;根据 第一灰度阈值和第二灰度阈值确定灰度映射关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据累积分布函数确定增强图像的各灰度值的分布概率值;将分布概率值 为第一概率值的灰度值设为第一灰度阈值,将分布概率值为第二概率值的灰度 值设为第二灰度阈值。
在一个实施例中,灰度映射关系可以是:将增强图像中灰度值小于第一灰 度阈值的像素点的灰度值设为第一灰度常数,将增强图像中灰度值大于第二灰 度阈值的像素点的灰度值设为第二灰度常数,以及将增强图像中灰度值大于或 等于第一灰度阈值且小于或等于第二灰度阈值的像素点的灰度值进行线性映射; 第一灰度常数小于第二灰度常数,线性映射根据第一灰度常数和第二灰度常数 确定。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据灰度映射关系构建灰度映射函数;利用灰度映射函数将增强图像的像 素点的灰度值进行映射,得到灰度映射后的增强图像;灰度映射函数为:
其中,R′(p)表示灰度映射后的增强图像的像素点p的灰度值,R(p)表示 增强图像的像素点p的灰度值,llow表示第一灰度阈值,lhigh表示第二灰度阈值, M表示第一灰度常数,N表示第二灰度常数。
上述计算机可读存储介质,通过其存储的计算机程序,通过增强图像能够 准确地恢复图像中的纹理,而且基于该增强图像的灰度分布所确定的灰度映射 关系,能够有效地提高增强图像的对比度,提高了对图像进行增强的效果。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述 实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特 征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细, 但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的 普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改 进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权 利要求为准。
Claims (10)
1.一种图像增强方法,其特征在于,包括步骤:
获取与原始图像相对应的光照图像;
根据所述原始图像和光照图像计算增强图像;
根据所述增强图像的灰度分布确定灰度映射关系;
利用所述灰度映射关系增强所述增强图像的对比度。
2.根据权利要求1所述的图像增强方法,其特征在于,所述根据所述增强图像的灰度分布确定灰度映射关系的步骤包括:
根据所述增强图像的灰度分布构建所述灰度分布的累积分布函数;
根据所述累积分布函数设置第一灰度阈值和第二灰度阈值;所述第一灰度阈值小于第二灰度阈值;
根据所述第一灰度阈值和第二灰度阈值确定所述灰度映射关系。
3.根据权利要求2所述的图像增强方法,其特征在于,所述根据所述累积分布函数设置第一灰度阈值和第二灰度阈值的步骤包括:
根据所述累积分布函数确定所述增强图像的各灰度值的分布概率值;
将所述分布概率值为第一概率值的灰度值设为所述第一灰度阈值,将所述分布概率值为第二概率值的灰度值设为所述第二灰度阈值。
4.根据权利要求2所述的图像增强方法,其特征在于,所述灰度映射关系为:将所述增强图像中灰度值小于所述第一灰度阈值的像素点的灰度值设为第一灰度常数,将所述增强图像中灰度值大于所述第二灰度阈值的像素点的灰度值设为第二灰度常数,以及将所述增强图像中灰度值大于或等于第一灰度阈值且小于或等于所述第二灰度阈值的像素点的灰度值进行线性映射;所述第一灰度常数小于所述第二灰度常数,所述线性映射根据所述第一灰度常数和第二灰度常数确定。
5.根据权利要求4所述的图像增强方法,其特征在于,所述利用所述灰度映射关系增强所述增强图像的对比度的步骤包括:
根据所述灰度映射关系构建灰度映射函数;
利用所述灰度映射函数将所述增强图像的像素点的灰度值进行映射,得到灰度映射后的增强图像;所述灰度映射函数为:
其中,R′(p)表示所述灰度映射后的增强图像的像素点p的灰度值,R(p)表示所述增强图像的像素点p的灰度值,llow表示所述第一灰度阈值,lhigh表示所述第二灰度阈值,M表示所述第一灰度常数,N表示所述第二灰度常数。
6.根据权利要求1所述的图像增强方法,其特征在于,所述获取与原始图像相对应的光照图像的步骤包括:
获取所述原始图像的各个像素点的灰度值和归一化灰度值;
确定各个所述像素点的相邻像素点的灰度值;
将所述原始图像的各个像素点的灰度值、归一化灰度值以及相邻像素点的灰度值输入预设的代价函数;
对所述代价函数进行最小化处理得到所述光照图像。
7.根据权利要求1所述的图像增强方法,其特征在于,所述根据所述原始图像和光照图像计算增强图像的步骤包括:
对所述光照图像进行Gamma校正;
根据所述原始图像与校正后的所述光照图像的比值获取所述增强图像。
8.一种图像增强装置,其特征在于,包括:
获取模块,用于获取与原始图像相对应的光照图像;
计算模块,用于根据所述原始图像和光照图像计算增强图像;
确定模块,用于根据所述增强图像的灰度分布确定灰度映射关系;
增强模块,用于利用所述灰度映射关系增强所述增强图像的对比度。
9.一种计算机设备,包括处理器和存储器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的图像增强方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的图像增强方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910123812.8A CN109801244A (zh) | 2019-02-19 | 2019-02-19 | 图像增强方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910123812.8A CN109801244A (zh) | 2019-02-19 | 2019-02-19 | 图像增强方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109801244A true CN109801244A (zh) | 2019-05-24 |
Family
ID=66561090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910123812.8A Pending CN109801244A (zh) | 2019-02-19 | 2019-02-19 | 图像增强方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109801244A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111199525A (zh) * | 2019-12-30 | 2020-05-26 | 深圳蓝韵医学影像有限公司 | 一种图像直方图均衡增强方法及系统 |
CN112508885A (zh) * | 2020-11-24 | 2021-03-16 | 新拓三维技术(深圳)有限公司 | 一种弯管的三维中轴线检测方法及系统 |
CN112598595A (zh) * | 2020-12-25 | 2021-04-02 | 北京环境特性研究所 | 一种基于gamma校正的高动态数字图像显示增强方法及系统 |
CN113379649A (zh) * | 2021-07-09 | 2021-09-10 | 浙江大学 | 一种图像增强方法、装置、设备及存储介质 |
CN117314801A (zh) * | 2023-09-27 | 2023-12-29 | 南京邮电大学 | 基于人工智能的模糊图像优化增强方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325098A (zh) * | 2013-07-02 | 2013-09-25 | 南京理工大学 | 基于多尺度处理的高动态红外图像增强方法 |
CN104063848A (zh) * | 2014-06-19 | 2014-09-24 | 中安消技术有限公司 | 一种低照度图像增强方法和装置 |
CN104346776A (zh) * | 2013-08-02 | 2015-02-11 | 杭州海康威视数字技术股份有限公司 | 基于Retinex理论的非线性图像增强方法及其系统 |
CN108319966A (zh) * | 2017-10-13 | 2018-07-24 | 西安科技大学 | 一种变电站复杂背景红外图像中设备的识别分类方法 |
CN109146826A (zh) * | 2018-06-27 | 2019-01-04 | 华南理工大学 | 一种图像增强方法及装置 |
-
2019
- 2019-02-19 CN CN201910123812.8A patent/CN109801244A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325098A (zh) * | 2013-07-02 | 2013-09-25 | 南京理工大学 | 基于多尺度处理的高动态红外图像增强方法 |
CN104346776A (zh) * | 2013-08-02 | 2015-02-11 | 杭州海康威视数字技术股份有限公司 | 基于Retinex理论的非线性图像增强方法及其系统 |
CN104063848A (zh) * | 2014-06-19 | 2014-09-24 | 中安消技术有限公司 | 一种低照度图像增强方法和装置 |
CN108319966A (zh) * | 2017-10-13 | 2018-07-24 | 西安科技大学 | 一种变电站复杂背景红外图像中设备的识别分类方法 |
CN109146826A (zh) * | 2018-06-27 | 2019-01-04 | 华南理工大学 | 一种图像增强方法及装置 |
Non-Patent Citations (2)
Title |
---|
徐德琴等: "指纹图像多尺度分类字典稀疏增强", 《中国图象图形学报》 * |
赵宏宇等: "基于WLS的Retinex单幅夜间彩色图像增强方法", 《北京工业大学学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111199525A (zh) * | 2019-12-30 | 2020-05-26 | 深圳蓝韵医学影像有限公司 | 一种图像直方图均衡增强方法及系统 |
CN111199525B (zh) * | 2019-12-30 | 2024-04-02 | 深圳蓝影医学科技股份有限公司 | 一种图像直方图均衡增强方法及系统 |
CN112508885A (zh) * | 2020-11-24 | 2021-03-16 | 新拓三维技术(深圳)有限公司 | 一种弯管的三维中轴线检测方法及系统 |
CN112508885B (zh) * | 2020-11-24 | 2022-10-11 | 新拓三维技术(深圳)有限公司 | 一种弯管的三维中轴线检测方法及系统 |
CN112598595A (zh) * | 2020-12-25 | 2021-04-02 | 北京环境特性研究所 | 一种基于gamma校正的高动态数字图像显示增强方法及系统 |
CN113379649A (zh) * | 2021-07-09 | 2021-09-10 | 浙江大学 | 一种图像增强方法、装置、设备及存储介质 |
CN117314801A (zh) * | 2023-09-27 | 2023-12-29 | 南京邮电大学 | 基于人工智能的模糊图像优化增强方法 |
CN117314801B (zh) * | 2023-09-27 | 2024-05-31 | 南京邮电大学 | 基于人工智能的模糊图像优化增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109801244A (zh) | 图像增强方法、装置、计算机设备和存储介质 | |
Zhang et al. | High-quality exposure correction of underexposed photos | |
Liu et al. | Robust color guided depth map restoration | |
Wang et al. | Biologically inspired image enhancement based on Retinex | |
Jinno et al. | Multiple exposure fusion for high dynamic range image acquisition | |
KR101330361B1 (ko) | 입력 이미지 내의 비네팅을 보정하는 컴퓨터 구현 프로세스 | |
CN111583161A (zh) | 模糊图像的增强方法、计算机设备和存储介质 | |
Wang et al. | Low-light image enhancement based on virtual exposure | |
Gu et al. | Blur removal via blurred-noisy image pair | |
Iwasokun et al. | Image enhancement methods: a review | |
Tan et al. | High dynamic range imaging for dynamic scenes with large-scale motions and severe saturation | |
CN109447942B (zh) | 图像模糊度确定方法、装置、计算机设备及存储介质 | |
CN114092562A (zh) | 噪声模型标定方法、图像去噪方法、装置、设备和介质 | |
CN109872344A (zh) | 图像特征点的跟踪方法、匹配方法和坐标获取方法、装置 | |
Tuptewar et al. | Robust exemplar based image and video inpainting for object removal and region filling | |
Tallon et al. | Space-variant blur deconvolution and denoising in the dual exposure problem | |
Khan et al. | A ghostfree contrast enhancement method for multiview images without depth information | |
Liu et al. | A novel high dynamic range image enhancement algorithm based on guided image filter | |
Chen et al. | Low‐light image enhancement based on exponential Retinex variational model | |
CN115937395A (zh) | 电气设备模型渲染方法、装置、计算机设备和存储介质 | |
Gao et al. | Automated parameter tuning for tone mapping using visual saliency | |
Khan et al. | A high dynamic range imaging method for short exposure multiview images | |
CN115272428A (zh) | 图像对齐方法、装置、计算机设备和存储介质 | |
Van Vo et al. | High dynamic range video synthesis using superpixel-based illuminance-invariant motion estimation | |
CN111598806B (zh) | 图像滤波方法和装置、电子设备及存储介质 |
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: 20190524 |
|
RJ01 | Rejection of invention patent application after publication |