CN110211070A - 一种基于局部极值的低照度彩色图像增强方法 - Google Patents
一种基于局部极值的低照度彩色图像增强方法 Download PDFInfo
- Publication number
- CN110211070A CN110211070A CN201910486062.0A CN201910486062A CN110211070A CN 110211070 A CN110211070 A CN 110211070A CN 201910486062 A CN201910486062 A CN 201910486062A CN 110211070 A CN110211070 A CN 110211070A
- Authority
- CN
- China
- Prior art keywords
- image
- gray level
- local extremum
- filter
- level image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000011084 recovery Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000003014 reinforcing effect Effects 0.000 abstract description 7
- 238000005286 illumination Methods 0.000 description 15
- 230000002708 enhancing effect Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002845 discoloration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于局部极值的低照度彩色图像增强方法,涉及彩色图像增强方法领域;其包括步骤1:将原始彩色图像由RGB空间转换到YUV空间,提取YUV空间的强度通道Y作为灰度图像I;步骤2:利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波,将滤波结果作为图像的照度分量L;步骤3:根据照度分量L从灰度图像I中分离出反射分量R;步骤4:对照度分量L进行伽马变换,再将其和反射分量R进行重构,得到增强后的图像;本发明利用核逐渐增大的局部极值滤波器对灰度图像进行迭代滤波,解决现有方法导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题,提高增强后的图像颜色保真度、暗区细节的清晰度和细节信息丰富度。
Description
技术领域
本发明涉及彩色图像增强方法领域,尤其是一种基于局部极值的低照度彩色图像增强方法。
背景技术
随着计算机视觉、数字图像处理技术的快速发展,成像系统与监控设备每天都需要拍摄大量的图像信息。然而,在室内、夜间等光照不均匀的条件下,拍摄到的图像质量会严重恶化,具体有以下两方面:一是图像呈现大量暗区,暗区内容模糊不清,细节大量丢失;二是在人工光源下,图像会出现部分高亮区,使得图像整体亮度不均,质量严重下降。图像增强技术就是按照特定的需求处理图像,突出图像中的某些信息,同时删除或削弱某些不需要的信息,使得其在的特定应用上比原图更加适用。
为了突出低照度图像中的某些特定信息,学者们提出了众多的图像增强算法。早期低照度彩色图像增强方法的典型代表就是直方图均衡化。通过调整原始图像的直方图,使增强后图像的直方图分布均匀,就可以有效地再现暗区细节。这种方法的优点是计算速度快、容易实现,但是容易导致图像出现过增强现象,针对这些缺点,后来人们又提出了自适应直方图均衡化、局部直方图均衡化、阈值直方图均衡化等方法。Retinex理论是一种基于人类视觉系统的图像增强方法,是目前图像增强领域中一个重要的分支。该理论将图像分解为入射分量和反射分量,通过单独对入射分量或者反射分量进行操作,从而达到图像增强的效果。随着Retinex理论的提出,大量研究对该理论进行了各种各样的扩展,其中最具有代表性的是单尺度Retinex算法、多尺度Retinex算法和带色彩恢复因子的多尺度Retinex算法。基于Retinex理论的图像增强算法可以取得较好的增强效果,但是由于将原始图像分解为入射分量和反射分量,若分解不合理,可能会导致增强后的结果出现光晕和梯度反转等现象,严重影响人眼观感和计算机视觉处理结果。
因此,亟需一种彩色图像增强方法可以克服以上问题。
发明内容
本发明的目的在于:本发明提供了一种基于局部极值的低照度彩色图像增强方法,解决现有方法对照度图像估计不准确导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题。
本发明采用的技术方案如下:
一种基于局部极值的低照度彩色图像增强方法,包括如下步骤:
步骤1:将原始彩色图像由RGB空间转换到YUV空间,提取YUV空间的强度通道Y作为灰度图像I;
步骤2:利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波,将滤波结果作为图像的照度分量L;
步骤3:根据照度分量L从灰度图像I中分离出反射分量R;
步骤4:对照度分量L进行伽马变换,再将其和反射分量R进行重构,得到增强后的图像。
优选地,所述步骤2包括如下步骤:
步骤2.1:构建核为3的局部极值滤波器;
步骤2.2:利用局部极值滤波器对灰度图像进行滤波,求得所有满足条件的极大值和极小值点;
步骤2.3:利用上述极大值点和极小值点进行插值,恢复图像;
步骤2.4:将由极大值点和极小值点恢复出的图像进行相加、取平均值,得到第一次滤波的结果s1;
步骤2.5:将s1作为新的灰度图像,局部极值滤波器的核设置为7,重复步骤2.2-2.4,得到第二次的滤波结果s2;
步骤2.6:将s2作为新的灰度图像,取局部极值滤波器的核设置为11,重复步骤2.2-2.4,得到第三次的滤波结果s3;将s3作为照度分量L。
优选地,所述步骤2.2中求得所有满足条件的极大值和极小值点的细节如下:
1)在以像素p为中心的k*k的邻域中,如果最多有k-1个元素大于p,则p点标记为极大值;
2)在以像素p为中心的k*k的邻域中,如果最多有k-1个元素小于p,则p点标记为极小值;
其中,k*k表示滤波器的大小。
优选地,所述步骤2.3包括如下步骤:
步骤2.3.1:构建最优化函数:
其中,用r和s来表示两个相邻的像素,I表示灰度图像,E表示由极值点恢复得出的灰度图像,I(r)和I(s)表示原灰度图像在r和s处的灰度值,E(r)和E(s)表示由极值点恢复得出的灰度图像在r和s处的灰度值,是原灰度图像在像素r附近的局部方差,wrs是由像素点r周围的局部方差计算得出的权重;
步骤2.3.2:最小化J(E)获取插值恢复出的图像。
优选地,所述步骤3分离采用如下公式:
优选地,所述步骤4包括如下步骤:
步骤4.1:对照度分量L进行伽马变换,再将其和反射分量R进行重构得到重构图像I′:
步骤4.2:最后将重构图像I′结合原始彩色图像S和灰度图像I返回到RGB空间,得到增强图像S':
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1.本发明通过使用局部极值滤波器,有效地滤掉图像中的纹理信息,保持其局部平滑性,同时完整地保留了图像的边界,避免增强后的图像出现光晕现象,并且亮度和对比度均有明显的提升;
2.本发明将滤波器输出结果作为图像照度用于图像增强,使得估计出的照度图像更接近于真实场景中光照的分布情况,有效地提升了增强结果的亮度,并且使增强后的图像的明暗关系与原始图像基本保持一致;
3.本发明重构时,照度处理使用伽马变换,拉伸了对比度,有效改变图像的直方图分布,使像素分布更均匀,更加利于提高增强效果;
4.本发明利用局部极值滤波器时逐渐增大滤波器的核对图像进行迭代滤波,比起直接使用较大核的滤波器,可以滤掉图像中最微小的纹理信息,从而使图像显示出更多的细节信息。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明的流程图;
图2为一幅低质彩色原始图像;
图3为由图1计算出的Y通道灰度图像;
图4为本发明由图3计算出的照度图像;
图5为本发明由图3和图4计算出的反射图像;
图6为本发明由图4和图5得到的增强后的图像;
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,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
说明:为符号专利法规定,将图片色彩进行去色处理,去色后的效果依然明显;若需要,后期可提供彩色图片。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
实施例1
现有方法存在对照度图像估计不准确,导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题;因此本申请提出一种低照度彩色图像增强方法克服以上问题,细节如下:
一种基于局部极值的低照度彩色图像增强方法,包括如下步骤:
步骤1:将原始彩色图像由RGB空间转换到YUV空间,提取YUV空间的强度通道Y作为灰度图像I;
步骤2:利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波,将滤波结果作为图像的照度分量L;
步骤3:根据照度分量L从灰度图像I中分离出反射分量R;
步骤4:对照度分量L进行伽马变换,再将其和反射分量R进行重构,得到增强后的图像。
本发明利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波,将滤波结果作为图像的照度分量克服上述现有方法存在的问题,使用有效地滤掉图像中的纹理信息,保持其局部平滑性,同时完整地保留了图像的边界的局部极值滤波器,避免现有方法容易导致高亮度区域细节丢失、低亮度区域对比度增强不够的问题,局部极值滤波器的核逐渐增大,可以滤掉图像中最微小的纹理信息,从而使图像显示出更多的细节信息;将局部极值滤波器的输出结果从滤波平滑领域应用至图像增强领域,将滤波器输出结果作为图像照度,考虑如何进行照度处理、图像转换和如何优化图像细节等问题,提升增强效果。
实施例2
基于实施例1,细化本方法中考虑如何进行照度处理、图像转换和如何优化图像细节等问题,细节如下:
如图2-6所示,步骤1包括如下步骤:
步骤1.1:获取原始彩色图像S∈Rm×n,m×n表示原始彩色图像S的长和宽;
步骤1.2:将原始彩色图像由RGB空间转换到YUV空间,提取强度通道Y作为灰度图像I。
步骤2包括如下步骤:
步骤2.1:构建核为3的局部极值滤波器;
步骤2.2:利用局部极值滤波器灰度图像I进行滤波,求得所有满足条件的极大值和极小值点;
步骤2.2中求得所有满足条件的极大值和极小值点的细节如下:
1)在以像素p为中心的k*k的邻域中,如果最多有k-1个元素大于p,则p点标记为极大值;
2)在以像素p为中心的k*k的邻域中,如果最多有k-1个元素小于p,则p点标记为极小值;
其中,k*k表示滤波器的大小。
步骤2.3:利用上述极大值点和极小值点进行插值,恢复图像;
步骤2.3包括如下步骤:
步骤2.3.1:构建最优化函数:
其中,用r和s来表示两个相邻的像素,I表示灰度图像,E表示由极值点恢复得出的灰度图像,I(r)和I(s)表示原灰度图像在r和s处的灰度值,E(r)和E(s)表示由极值点恢复得出的灰度图像在r和s处的灰度值,是原灰度图像在像素r附近的局部方差,wrs是由像素点r周围的局部方差计算得出的权重;
步骤2.3.2:最小化J(E)获取插值恢复出的图像。
步骤2.4:将由极大值点和极小值点恢复出的图像进行相加、取平均值,得到第一次滤波的结果s1;
步骤2.5:将s1作为输入灰度图像I,局部极值滤波器的核设置为7,重复步骤2.2-2.4,得到第二次的滤波结果s2;
步骤2.6:将s2作为输入灰度图像I,取局部极值滤波器的核设置为11,重复步骤2.2-2.4,得到第三次的滤波结果s3;将s3作为照度分量L。
步骤3:根据照度分量L从灰度图像I中分离出反射分量R;
步骤3分离采用如下公式:
步骤4:对照度分量L进行伽马变换,再将其和反射分量R进行重构,得到增强后的图像。
步骤4包括如下步骤:
步骤4.1:对照度分量L进行伽马变换,再将其和反射分量R进行重构得到重构图像I′:
步骤4.2:最后将重构图像I′结合原始彩色图像S和灰度图像I返回到RGB空间,得到增强图像S';
将滤波器输出结果作为图像照度用于图像增强,使得估计出的照度图像更接近于真实场景中光照的分布情况,有效地提升了增强结果的亮度,并且使增强后的图像的明暗关系与原始图像基本保持一致;
重构时,照度处理使用伽马变换,拉伸了对比度,有效改变图像的直方图分布,使像素分布更均匀,更加利于提高增强效果;
图像增强处理对象为灰度图像,将图像从RGB空间转换到YUV空间,利于快速获取灰度图像;
通过使用局部极值滤波器,有效地滤掉图像中的纹理信息,保持其局部平滑性,同时完整地保留了图像的边界,避免增强后的图像出现光晕现象,并且亮度和对比度均有明显的提升;逐渐增大滤波器的核对图像进行迭代滤波,比起直接使用较大核的滤波器,可以滤掉图像中最微小的纹理信息,从而使图像显示出更多的细节信息。
综上,本发明解决现有方法对照度图像估计不准确导致增强图像的高亮度区域细节丢失、低亮度区域对比度增强不够的问题,如图2和图6所示,本方法增强后的图像,门上的框架、栏杆上的木质纹路、窗户上的倒影等,对比度都有非常明显的提升,图像的整体亮度有所上升,同时,其明暗关系并没有改变;增强后的图像相比原图像有更高的颜色保真度,无论是暗区细节的清晰度,还是图像信息的丰富程度,都有显著地提升。
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 (6)
1.一种基于局部极值的低照度彩色图像增强方法,其特征在于:包括如下步骤:
步骤1:将原始彩色图像由RGB空间转换到YUV空间,提取YUV空间的强度通道Y作为灰度图像I;
步骤2:利用核逐渐增大的局部极值滤波器对灰度图像I进行迭代滤波,将滤波结果作为图像的照度分量L;
步骤3:根据照度分量L从灰度图像I中分离出反射分量R;
步骤4:对照度分量L进行伽马变换,再将其和反射分量R进行重构,得到增强后的图像。
2.根据权利要求1所述的一种基于局部极值的低照度彩色图像增强方法,其特征在于:所述步骤2包括如下步骤:
步骤2.1:构建核为3的局部极值滤波器;
步骤2.2:利用局部极值滤波器对灰度图像进行滤波,求得所有满足条件的极大值和极小值点;
步骤2.3:利用上述极大值点和极小值点进行插值,恢复图像;
步骤2.4:将由极大值点和极小值点恢复出的图像进行相加、取平均值,得到第一次滤波的结果s1;
步骤2.5:将s1作为新的灰度图像,局部极值滤波器的核设置为7,重复步骤2.2-2.4,得到第二次的滤波结果s2;
步骤2.6:将s2作为新的灰度图像,取局部极值滤波器的核设置为11,重复步骤2.2-2.4,得到第三次的滤波结果s3;将s3作为照度分量L。
3.根据权利要求2所述的一种基于局部极值的低照度彩色图像增强方法,其特征在于:所述步骤2.2中求得所有满足条件的极大值和极小值点的细节如下:
1)在以像素p为中心的k*k的邻域中,如果最多有k-1个元素大于p,则p点标记为极大值;
2)在以像素p为中心的k*k的邻域中,如果最多有k-1个元素小于p,则p点标记为极小值;
其中,k*k表示滤波器的大小。
4.根据权利要求2所述的一种基于局部极值的低照度彩色图像增强方法,其特征在于:所述步骤2.3包括如下步骤:
步骤2.3.1:构建最优化函数:
其中,用r和s来表示两个相邻的像素,I表示灰度图像,E表示由极值点恢复得出的灰度图像,I(r)和I(s)表示原灰度图像在r和s处的灰度值,E(r)和E(s)表示由极值点恢复得出的灰度图像在r和s处的灰度值,是原灰度图像在像素r附近的局部方差,wrs是由像素点r周围的局部方差计算得出的权重;
步骤2.3.2:最小化J(E)获取插值恢复出的图像。
5.根据权利要求1所述的一种基于局部极值的低照度彩色图像增强方法,其特征在于:所述步骤3分离采用如下公式:
6.根据权利要求1所述的一种基于局部极值的低照度彩色图像增强方法,其特征在于:所述步骤4包括如下步骤:
步骤4.1:对照度分量L进行伽马变换,再将其和反射分量R进行重构得到重构图像I′:
步骤4.2:最后将重构图像I′结合原始彩色图像S和灰度图像I返回到RGB空间,得到增强图像S':
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910486062.0A CN110211070B (zh) | 2019-06-05 | 2019-06-05 | 一种基于局部极值的低照度彩色图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910486062.0A CN110211070B (zh) | 2019-06-05 | 2019-06-05 | 一种基于局部极值的低照度彩色图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211070A true CN110211070A (zh) | 2019-09-06 |
CN110211070B CN110211070B (zh) | 2023-04-14 |
Family
ID=67791053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910486062.0A Active CN110211070B (zh) | 2019-06-05 | 2019-06-05 | 一种基于局部极值的低照度彩色图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211070B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899197A (zh) * | 2020-08-05 | 2020-11-06 | 广州市百果园信息技术有限公司 | 一种图像增亮去噪方法、装置、移动终端和存储介质 |
CN112104847A (zh) * | 2020-09-17 | 2020-12-18 | 北京理工大学 | 一种基于残差和高频替换的sony-rgbw阵列彩色重构方法 |
CN112150392A (zh) * | 2020-09-30 | 2020-12-29 | 普联技术有限公司 | 一种低照度图像的修复方法及装置 |
CN114897753A (zh) * | 2022-05-13 | 2022-08-12 | 安徽工程大学 | 一种低照度图像增强方法 |
CN115239601A (zh) * | 2022-09-15 | 2022-10-25 | 广东欧谱曼迪科技有限公司 | 一种图像细节增强方法、装置、电子设备及存储介质 |
CN117455780A (zh) * | 2023-12-26 | 2024-01-26 | 广东欧谱曼迪科技股份有限公司 | 内镜暗场图像的增强方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020012118A1 (en) * | 1993-06-17 | 2002-01-31 | Worster Bruce W. | Method for characterizing defects on semiconductor wafers |
US6611613B1 (en) * | 1999-12-07 | 2003-08-26 | Samsung Electronics Co., Ltd. | Apparatus and method for detecting speaking person's eyes and face |
CN101226050A (zh) * | 2008-01-08 | 2008-07-23 | 西安理工大学 | 基于数字信号处理器的双相机直拉单晶直径测量方法 |
US20090267876A1 (en) * | 2008-04-28 | 2009-10-29 | Kerofsky Louis J | Methods and Systems for Image Compensation for Ambient Conditions |
US20130322746A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Systems and methods for ycc image processing |
US20150296193A1 (en) * | 2012-05-31 | 2015-10-15 | Apple Inc. | Systems and methods for rgb image processing |
CN105225205A (zh) * | 2014-06-27 | 2016-01-06 | 展讯通信(上海)有限公司 | 图像增强方法、装置及系统 |
CN106157264A (zh) * | 2016-06-30 | 2016-11-23 | 北京大学 | 基于经验模式分解的大幅面图像不均匀光照校正方法 |
CN107527332A (zh) * | 2017-10-12 | 2017-12-29 | 长春理工大学 | 基于改进Retinex的低照度图像色彩保持增强方法 |
-
2019
- 2019-06-05 CN CN201910486062.0A patent/CN110211070B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020012118A1 (en) * | 1993-06-17 | 2002-01-31 | Worster Bruce W. | Method for characterizing defects on semiconductor wafers |
US6611613B1 (en) * | 1999-12-07 | 2003-08-26 | Samsung Electronics Co., Ltd. | Apparatus and method for detecting speaking person's eyes and face |
CN101226050A (zh) * | 2008-01-08 | 2008-07-23 | 西安理工大学 | 基于数字信号处理器的双相机直拉单晶直径测量方法 |
US20090267876A1 (en) * | 2008-04-28 | 2009-10-29 | Kerofsky Louis J | Methods and Systems for Image Compensation for Ambient Conditions |
US20130322746A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Systems and methods for ycc image processing |
US20150296193A1 (en) * | 2012-05-31 | 2015-10-15 | Apple Inc. | Systems and methods for rgb image processing |
CN105225205A (zh) * | 2014-06-27 | 2016-01-06 | 展讯通信(上海)有限公司 | 图像增强方法、装置及系统 |
CN106157264A (zh) * | 2016-06-30 | 2016-11-23 | 北京大学 | 基于经验模式分解的大幅面图像不均匀光照校正方法 |
CN107527332A (zh) * | 2017-10-12 | 2017-12-29 | 长春理工大学 | 基于改进Retinex的低照度图像色彩保持增强方法 |
Non-Patent Citations (5)
Title |
---|
KUO-YANG TU: "Analysis of camera"s images influenced by light variation", 《 SICE ANNUAL CONFERENCE 2007》 * |
T MOU等: "Spatial covariance characteristics in a collection of 3-D PET scanners used in clinical imaging trials", 《 2014 IEEE NUCLEAR SCIENCE SYMPOSIUM AND MEDICAL IMAGING CONFERENCE (NSS/MIC)》 * |
冯清枝: "一种基于累积分布的低照度彩色图像增强算法", 《光电技术应用》 * |
王萍等: "多级分解的Retinex低照度图像增强算法", 《计算机应用研究》 * |
顾剑柳: "应用于ATM监控的视频图像处理方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899197A (zh) * | 2020-08-05 | 2020-11-06 | 广州市百果园信息技术有限公司 | 一种图像增亮去噪方法、装置、移动终端和存储介质 |
CN111899197B (zh) * | 2020-08-05 | 2024-04-30 | 广州市百果园信息技术有限公司 | 一种图像增亮去噪方法、装置、移动终端和存储介质 |
CN112104847A (zh) * | 2020-09-17 | 2020-12-18 | 北京理工大学 | 一种基于残差和高频替换的sony-rgbw阵列彩色重构方法 |
CN112104847B (zh) * | 2020-09-17 | 2021-07-23 | 北京理工大学 | 一种基于残差和高频替换的sony-rgbw阵列彩色重构方法 |
CN112150392A (zh) * | 2020-09-30 | 2020-12-29 | 普联技术有限公司 | 一种低照度图像的修复方法及装置 |
CN112150392B (zh) * | 2020-09-30 | 2024-03-19 | 普联技术有限公司 | 一种低照度图像的修复方法及装置 |
CN114897753A (zh) * | 2022-05-13 | 2022-08-12 | 安徽工程大学 | 一种低照度图像增强方法 |
CN115239601A (zh) * | 2022-09-15 | 2022-10-25 | 广东欧谱曼迪科技有限公司 | 一种图像细节增强方法、装置、电子设备及存储介质 |
CN115239601B (zh) * | 2022-09-15 | 2023-01-03 | 广东欧谱曼迪科技有限公司 | 一种图像细节增强方法、装置、电子设备及存储介质 |
CN117455780A (zh) * | 2023-12-26 | 2024-01-26 | 广东欧谱曼迪科技股份有限公司 | 内镜暗场图像的增强方法、装置、电子设备及存储介质 |
CN117455780B (zh) * | 2023-12-26 | 2024-04-09 | 广东欧谱曼迪科技股份有限公司 | 内镜暗场图像的增强方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110211070B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110211070A (zh) | 一种基于局部极值的低照度彩色图像增强方法 | |
Tao et al. | Low-light image enhancement using CNN and bright channel prior | |
Lee et al. | Adaptive multiscale retinex for image contrast enhancement | |
CN107292830B (zh) | 低照度图像增强及评价方法 | |
CN111476732B (zh) | 一种图像融合及去噪的方法及系统 | |
CN112435184B (zh) | 一种基于Retinex和四元数的雾霾天图像识别方法 | |
CN107316278A (zh) | 一种水下图像清晰化处理方法 | |
CN104778674B (zh) | 一种基于时间序列的顺逆光交通图像自适应增强方法 | |
CN106550227B (zh) | 一种图像饱和度调整方法及装置 | |
Liba et al. | Sky optimization: Semantically aware image processing of skies in low-light photography | |
CN110111280B (zh) | 一种多尺度梯度域引导滤波的低照度图像增强方法 | |
Wei et al. | An image fusion dehazing algorithm based on dark channel prior and retinex | |
CN112927160B (zh) | 一种基于深度Retinex的单张低光图像增强方法 | |
CN112308793A (zh) | 一种新型的非均匀光照图像对比度和细节增强方法 | |
WO2023110880A1 (en) | Image processing methods and systems for low-light image enhancement using machine learning models | |
CN113643202B (zh) | 一种基于噪声注意力图指导的微光图像增强方法 | |
Ge et al. | A hybrid DCT-CLAHE approach for brightness enhancement of uneven-illumination underwater images | |
Tang et al. | Sky-preserved image dehazing and enhancement for outdoor scenes | |
Hsieh et al. | A modified DCP based dehazing algorithm | |
Ma et al. | Image restoration and enhancement in monitoring systems | |
Kannan et al. | Contrast enhancement of sports images using modified sigmoid mapping function | |
Khade et al. | Efficient single image haze removal using CLAHE and Dark Channel Prior for Internet of Multimedia Things | |
Akila et al. | Survey on illumination condition of video/image under heterogeneous environments for enhancement | |
Hsu et al. | Retinex image enhancement based on exposure fusion | |
US20230186612A1 (en) | Image processing methods and systems for generating a training dataset for low-light image enhancement using machine learning models |
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 |