CN110675332A - 一种金属腐蚀图像质量的增强方法 - Google Patents
一种金属腐蚀图像质量的增强方法 Download PDFInfo
- Publication number
- CN110675332A CN110675332A CN201910769784.7A CN201910769784A CN110675332A CN 110675332 A CN110675332 A CN 110675332A CN 201910769784 A CN201910769784 A CN 201910769784A CN 110675332 A CN110675332 A CN 110675332A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness component
- component diagram
- processing
- metal corrosion
- 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
- 238000005260 corrosion Methods 0.000 title claims abstract description 65
- 230000007797 corrosion Effects 0.000 title claims abstract description 65
- 239000002184 metal Substances 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 13
- 238000010586 diagram Methods 0.000 claims abstract description 91
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 230000003044 adaptive effect Effects 0.000 claims abstract description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000001131 transforming effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 125000001475 halogen functional group Chemical group 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种金属腐蚀图像质量的增强方法，包括：将采集到的RGB金属腐蚀图像从RGB颜色空间转换至HSI颜色空间，得到HSI金属腐蚀图像；通过HSI颜色模型将HSI金属腐蚀图像拆分成H色调分量图、S饱和度分量图以及I亮度分量图；对I亮度分量图依次进行直方图均衡化处理、小波自适应调节处理、同态滤波处理，得到处理后的I亮度分量图；将处理后的I亮度分量图与H色调分量图和S饱和度分量图进行重新组合，得到质量增强后的HSI金属腐蚀图像；将质量增强后的HSI金属腐蚀图像从HSI颜色空间转换至RGB颜色空间，得到质量增强后的RGB金属腐蚀图像。通过本发明，能够避免光晕伪像现象和色彩失真现象，提升图像质量增强效果。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种金属腐蚀图像质量的增强方法。
背景技术
在腐蚀无损检测的远程视觉检测(Remote Vision Inspection，RVI)中，主要是使用视觉设备来获取腐蚀信息。对于金属外部腐蚀，可以采用摄像机或CCD相机获取腐蚀图像，设备内部腐蚀图像的获取主要有管窥镜、自动爬行器等设备，但是管窥镜、自动爬行器等设备采集到的内部腐蚀图像一般亮度不够，且腐蚀区域辨识度不够。目前，用于提高该场景的金属腐蚀图像质量的图像增强算法主要有直接针对像素灰度处理的增强算法、基于色感一致性模型的单尺度Retinex及多尺度Retinex(MSR)增强算法、同态滤波增强算法、基于暗通道先验理论的去雾增强算法等，实践证明，这些图像增强算法对像素值的直接处理可改善图像亮度动态范围，但是容易丢失细节信息或色彩失真，图像质量增强效果不够显著。
发明内容
本发明提供一种金属腐蚀图像质量的增强方法，能够避免光晕伪像现象和色彩失真现象，提升图像质量增强效果。
根据本发明的一个方面，提供了一种金属腐蚀图像质量的增强方法，包括以下步骤：
将采集到的RGB金属腐蚀图像从RGB颜色空间转换至HSI颜色空间，得到HSI金属腐蚀图像；
通过HSI颜色模型将所述HSI金属腐蚀图像拆分成H色调分量图、S饱和度分量图以及I亮度分量图；
对所述I亮度分量图进行直方图均衡化处理，得到一次处理后的所述I亮度分量图；
对一次处理后的所述I亮度分量图进行小波自适应调节处理，得到二次处理后的所述I亮度分量图；
对二次处理后的所述I亮度分量图进行同态滤波处理，得到处理后的所述I亮度分量图；
将处理后的所述I亮度分量图与所述H色调分量图和S饱和度分量图进行重新组合，得到质量增强后的HSI金属腐蚀图像；
将所述质量增强后的HSI金属腐蚀图像从HSI颜色空间转换至RGB颜色空间，得到质量增强后的RGB金属腐蚀图像。
优选地，将采集到的RGB金属腐蚀图像从RGB颜色空间转换至HSI颜色空间，得到HSI金属腐蚀图像之前，该方法还包括以下步骤：对采集到的RGB金属腐蚀图像的尺寸进行预处理。
优选地，RGB颜色空间转换至HSI颜色空间的转换公式为
式中
优选地，HSI颜色空间转换至RGB颜色空间的转换公式为
优选地，对所述I亮度分量图进行直方图均衡化处理，得到一次处理后的所述I亮度分量图，包括以下步骤：
统计所述I亮度分量图各灰度级的像素数目ni，i＝0,1,…,L-1，L为灰度总级；
计算所述I亮度分量图各灰度级的概率密度pi，pi(ri)＝ni/n，n为总像素数目；
计算累积分布函数sk，k＝0，1，...，L-1；
计算所述I亮度分量图的输出灰度级gk，gk＝INT[(gmax-gmin)sk(rk)+gmin+0.5]/(L-1)，k＝0，1，...，L-1；式中INT[]是取整算符；
通过所述I亮度分量图的原灰度级fk与所述I亮度分量图的输出灰度级gk的映射关系，对所述I亮度分量图的原灰度级fk进行修改，得到一次处理后的所述I亮度分量图。
优选地，对一次处理后的所述I亮度分量图进行小波自适应调节处理，得到二次处理后的所述I亮度分量图，包括以下步骤：
对一次处理后的所述I亮度分量图进行二维离散小波分解，得到分解后图像组；
对所述分解后图像组进行非线性滤波操作，得到滤波后图像组；
计算所述滤波后图像组的权重因子；
根据所述权重因子，对所述分解后图像组进行重新组合，得到二次处理后的所述I亮度分量图。
优选地，对二次处理后的所述I亮度分量图进行同态滤波处理，得到处理后的所述I亮度分量图，包括以下步骤：
对二次处理后的所述I亮度分量图进行对数运算，将其入射光分量和反射光分量进行分离；
通过傅里叶算法将二次处理后的所述I亮度分量图从时域变换至频域；
通过同态滤波函数H(u,v)对变换至频域的二次处理后的所述I亮度分量图进行滤波处理；
通过傅里叶逆变换算法将滤波后的二次处理后的所述I亮度分量图从频域变换至时域；
对变换至时域的二次处理后的所述I亮度分量图进行指数运算，得到增强后的I亮度分量图；
将增强后的I亮度分量图中增强的块效应进行消除，得到处理后的所述I亮度分量图。
与现有技术相比较，本发明的有益效果如下：
通过本发明，通过多种算法有效组合对金属腐蚀图像进行质量增强处理，能够避免光晕伪像现象和色彩失真现象，并且不再局限于处理满足暗通道原理的图像，这就极大的扩展了本发明的适用性；此外，本发明融合多种算法使得金属腐蚀图像的处理具有较高的质量提升效果，成功避免了增强后的图像细节淹没在黑色背景中的现象的发生。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。附图中：
图1是根据本发明实施例的一种金属腐蚀图像质量的增强方法的流程图；
图2是根据本发明实施例的另一种金属腐蚀图像质量的增强方法的流程图。
具体实施方式
下面将结合本发明附图，对本发明技术方案进行描述，但所描述的实施例仅仅是本发明一部分实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
本发明实施例提供了一种金属腐蚀图像质量的增强方法，图1是根据本发明实施例的一种金属腐蚀图像质量的增强方法的流程图，如图1所示，包括以下步骤：
步骤S101：将采集到的RGB金属腐蚀图像从RGB颜色空间转换至HSI颜色空间，得到HSI金属腐蚀图像；
步骤S102：通过HSI颜色模型将HSI金属腐蚀图像拆分成H色调分量图、S饱和度分量图以及I亮度分量图；
步骤S103：对I亮度分量图进行直方图均衡化处理，得到一次处理后的I亮度分量图；
步骤S104：对一次处理后的I亮度分量图进行小波自适应调节处理，得到二次处理后的I亮度分量图；
步骤S105：对二次处理后的I亮度分量图进行同态滤波处理，得到处理后的I亮度分量图；
步骤S106：将处理后的I亮度分量图与H色调分量图和S饱和度分量图进行重新组合，得到质量增强后的HSI金属腐蚀图像；
步骤S107：将质量增强后的HSI金属腐蚀图像从HSI颜色空间转换至RGB颜色空间，得到质量增强后的RGB金属腐蚀图像。
在实施过程中，在步骤S101之前，还需要对采集到的RGB金属腐蚀图像的尺寸进行预处理。
在步骤S101中，RGB颜色空间转换至HSI颜色空间的转换公式为式中
在步骤S107中，HSI颜色空间转换至RGB颜色空间的转换公式为
在步骤S103中，直方图均衡化(Histogram Equalization)又称直方图平坦化，本质上是对图像进行非线性拉伸，对图像象元值进行重新分配，使象元值在一定灰度范围内的数量大致相同，增强峰顶部分的对比度，同时降低两侧谷底部分的对比度，增强后的图像的直方图相对平坦。换言之，直方均衡的基本思路是各灰度级出现相同的频数，由此各灰度级概率均匀分布，使处理后的图像的直方图为平直的，图像就会变的清晰。
具体的直方图均衡化处理过程为：统计I亮度分量图各灰度级的像素数目ni，i＝0,1,…,L-1，L为灰度总级；计算I亮度分量图各灰度级的概率密度pi，pi(ri)＝ni/n，n为总像素数目；计算累积分布函数sk，
k＝0，1，...，L-1；计算I亮度分量图的输出灰度级gk，gk＝INT[(gmax-gmin)sk(rk)+gmin+0.5]/(L-1)，k＝0，1，...，L-1；式中INT[]是取整算符；通过I亮度分量图的原灰度级fk与I亮度分量图的输出灰度级gk的映射关系，对I亮度分量图的原灰度级fk进行修改，得到一次处理后的I亮度分量图。
在步骤S104中，由于直方图均衡化是一种全局性的增强，而对于腐蚀图像存在尺度不同，与背景对比不同的腐蚀细节，这样就会使得一部分细节得不到差异化的增强。小波变换由于在时域(空域)和频域都具有良好的局部性能，可对信号进行多分辨率分析，具有很好的多尺度分析特性，正好满足所需，所以本发明采用小波自适应调节的目的是对上一步直方图均衡化带来的增强进行一定的差异化补充，同时也对图像背景对比度大小不一进行一定程度的修正。
小波自适应调节处理过程具体为：对一次处理后的I亮度分量图进行二维离散小波分解，得到分解后图像组；对分解后图像组进行非线性滤波操作，得到滤波后图像组；计算滤波后图像组的权重因子；根据权重因子，对分解后图像组进行重新组合，得到二次处理后的I亮度分量图。
在步骤S105中，由于采集到的图像会受到光照不均匀的影响，使得一些图像会出现局部亮度不够的情况，而这将会导致前面增强后的细节淹没在暗的背景中。因此采用同态滤波调节来改善这一情况，具体的，采用照明反射模型，可以将二次处理后的I亮度分量图由两个特征量来表征：入射到观察场景的光源总量和场景中物体反射光的总量。由于入射光较均匀，随着空间位置变化较小，主要反映在低频带；而对于反射光，由于物体的性质和结构特点不同，而反射强弱很不同的光，随着空间位置变化较剧烈，主要反映在高频带。显然为了减少光照不均匀的影响，就要减少入射部分，增加反射部分。
同态滤波处理的过程为：对二次处理后的I亮度分量图进行对数运算，将其入射光分量和反射光分量进行分离；通过傅里叶算法将二次处理后的I亮度分量图从时域变换至频域；通过同态滤波函数H(u,v)对变换至频域的二次处理后的I亮度分量图进行滤波处理；通过傅里叶逆变换算法将滤波后的二次处理后的I亮度分量图从频域变换至时域；对变换至时域的二次处理后的I亮度分量图进行指数运算，得到增强后的I亮度分量图；将增强后的I亮度分量图中增强的块效应进行消除，得到处理后的I亮度分量图。
通过上述步骤，能够避免光晕伪像现象和色彩失真现象，提升图像质量增强效果。
为了使本发明的技术方案和实现方法更加清楚，下面将结合优选的实施例对其实现过程进行详细描述。
实施例一
本实施例提供另一种金属腐蚀图像质量的增强方法，如图2所示，图2是本发明实施例一的另一种金属腐蚀图像质量的增强方法的流程图，包括以下步骤：
步骤S201：对采集到的RGB金属腐蚀图像的尺寸进行预处理；
本发明实施例中，由于算法在运行过程中可能会因为图像尺寸问题出现错误，因此在对图像进行处理之前就需要将采集到的RGB金属腐蚀图像的尺寸调整成方便处理的尺寸，这样在后面的处理过程中就不会出现错误，使得处理结果更加准确有效；
步骤S202：将采集到的RGB金属腐蚀图像从RGB颜色空间转换至HSI颜色空间，得到HSI金属腐蚀图像；
本发明实施例中，RGB模型用R、G、B三参数描述颜色特性，其中R代表红色分量，G代表绿色分量，B代表蓝色分量；HSI颜色模型用H、S、I三参数描述颜色特性，其中H为色调，S指饱和度，I表示强度或亮度；HSI颜色模型反映了人感知颜色的基本属性，与人感知颜色的结果相对应；在HSI颜色模型中，色彩仅与H分量和S分量有关，而且HSI模型相比RGB模型来说，各个分量相关度小，利用这个特性，可以对彩色图像增强取得较好效果；
RGB颜色空间转换至HSI颜色空间的转换公式为
式中
步骤S203：通过HSI颜色模型将HSI金属腐蚀图像拆分成H色调分量图、S饱和度分量图以及I亮度分量图；
步骤S204：统计I亮度分量图各灰度级的像素数目ni，i＝0,1,…,L-1，L为灰度总级；
步骤S205：计算I亮度分量图各灰度级的概率密度pi，pi(ri)＝ni/n，n为总像素数目；
步骤S206：计算累积分布函数sk，k＝0，1，...，L-1；
步骤S207：计算I亮度分量图的输出灰度级gk，
gk＝INT[(gmax-gmin)sk(rk)+gmin+0.5]/(L-1)，k＝0，1，...，L-1；式中INT[]是取整算符；
步骤S208：通过I亮度分量图的原灰度级fk与I亮度分量图的输出灰度级gk的映射关系，对I亮度分量图的原灰度级fk进行修改，得到一次处理后的I亮度分量图；
步骤S209：对一次处理后的I亮度分量图进行二维离散小波分解，得到分解后图像组；
作为一种可选的实施方式，二维离散小波对一次处理后的I亮度分量图采用的是Mallat的快速分解算法进行分解。小波分解级数不能太大，否则不仅运算量增加，而且光照分布特性不能充分被低频的小波系数反映，导致光照的不均匀性不能有效消除。但分解级数太小则过多细节信息包含在低频分量中，导致图像的细节损失。因此为了在不对上一步增强产生冲突和算法计算量适中的前提下，对细节增强程度寻求最大。本发明将图像进行2级分解，可满足上述要求。
Mallat分解的相关表达式如公式为：
图像函数f∈Vj，{Vj，j∈Z}是腐蚀图像上的一个多分辨率分析，等式右边第一项是低频带图像，第二项是不同频带的子图像，
和φ(x，y)分别为二维小波函数和尺度函数，Dj-1为低频系数，Sn,j为高频系数。
步骤S210：对分解后图像组进行非线性滤波操作，得到滤波后图像组；
作为一种可选的实施方式，对分解后图像组进行非线性滤波操作，目的是对图像背景对比度大小不一进行一定程度修正，也是为下一计算部分做前导准备。具体方式是对分解后图像组的每个像素点的亮度进行再设置，设置的值为每个像素点的邻域内的最大值与最小值之差除以整体图像最大值与最小值之差。
滤波公式为g(xj，yj)＝(max(xj)-min(xj))/(gmax-gmin)，gmax和gmin分别为图像最大值和最小值，max(xj)和min(xj)为滤波中心点Q的3×3邻域最大值和最小值。
步骤S211：计算滤波后图像组的权重因子；
本发明实施例中，计算滤波后图像组的权重因子Kj之前，需要先计算j级别的全局对比度Kglobalj，计算式为公式Kglobalj＝k0·gsumj/num(gj)，gsumj为滤波输出图像的像素和，k0为Kglobalj的调节系数，一般取1.0左右。再计算j级的全局对比度权重因子Kj，计算公式为Kj＝0.5×log(1+(1/Kglobalj))；
步骤S212：根据权重因子，对分解后图像组进行重新组合，得到二次处理后的I亮度分量图；
本发明实施例中，对分解后图像组进行重新组合是根据全局对比度权重因子Kj和L0亮度系数进行的，具体的计算公式为
步骤S213：对二次处理后的I亮度分量图进行对数运算，将其入射光分量和反射光分量进行分离；
步骤S214：通过傅里叶算法将二次处理后的I亮度分量图从时域变换至频域；
步骤S215：通过同态滤波函数H(u，v)对变换至频域的二次处理后的I亮度分量图进行滤波处理；
步骤S216：通过傅里叶逆变换算法将滤波后的二次处理后的I亮度分量图从频域变换至时域；
步骤S217：对变换至时域的二次处理后的I亮度分量图进行指数运算，得到增强后的I亮度分量图；
步骤S218：将增强后的I亮度分量图中增强的块效应进行消除，得到处理后的I亮度分量图；
步骤S219：将处理后的I亮度分量图与H色调分量图和S饱和度分量图进行重新组合，得到质量增强后的HSI金属腐蚀图像；
步骤S220：将质量增强后的HSI金属腐蚀图像从HSI颜色空间转换至RGB颜色空间，得到质量增强后的RGB金属腐蚀图像。
综合上述，通过上述实施例，通过多种算法有效组合对金属腐蚀图像进行质量增强处理，能够避免光晕伪像现象和色彩失真现象，并且不再局限于处理满足暗通道原理的图像，这就极大的扩展了本发明的适用性；此外，本发明融合多种算法使得金属腐蚀图像的处理具有较高的质量提升效果，成功避免了增强后的图像细节淹没在黑色背景中的现象的发生。通过本发明来提升金属腐蚀图像质量对于腐蚀形貌的检测与识别工作来说意义十分重大。
Claims (7)
1.一种金属腐蚀图像质量的增强方法，其特征在于，包括以下步骤：
将采集到的RGB金属腐蚀图像从RGB颜色空间转换至HSI颜色空间，得到HSI金属腐蚀图像；
通过HSI颜色模型将所述HSI金属腐蚀图像拆分成H色调分量图、S饱和度分量图以及I亮度分量图；
对所述I亮度分量图进行直方图均衡化处理，得到一次处理后的所述I亮度分量图；
对一次处理后的所述I亮度分量图进行小波自适应调节处理，得到二次处理后的所述I亮度分量图；
对二次处理后的所述I亮度分量图进行同态滤波处理，得到处理后的所述I亮度分量图；
将处理后的所述I亮度分量图与所述H色调分量图和S饱和度分量图进行重新组合，得到质量增强后的HSI金属腐蚀图像；
将所述质量增强后的HSI金属腐蚀图像从HSI颜色空间转换至RGB颜色空间，得到质量增强后的RGB金属腐蚀图像。
2.根据权利要求1所述的方法，其特征在于，将采集到的RGB金属腐蚀图像从RGB颜色空间转换至HSI颜色空间，得到HSI金属腐蚀图像之前，还包括以下步骤：
对采集到的RGB金属腐蚀图像的尺寸进行预处理。
3.根据权利要求1所述的方法，其特征在于，RGB颜色空间转换至HSI颜色空间的转换公式为
式中
4.根据权利要求1所述的方法，其特征在于，HSI颜色空间转换至RGB颜色空间的转换公式为
5.根据权利要求1所述的方法，其特征在于，对所述I亮度分量图进行直方图均衡化处理，得到一次处理后的所述I亮度分量图，包括以下步骤：
统计所述I亮度分量图各灰度级的像素数目ni，i＝0,1,…,L-1，L为灰度总级；
计算所述I亮度分量图各灰度级的概率密度pi，pi(ri)＝ni/n，n为总像素数目；
计算累积分布函数sk，
计算所述I亮度分量图的输出灰度级gk，gk＝INT[(gmax-gmin)sk(rk)+gmin+0.5]/(L-1)，k＝0，1，...，L-1；式中INT[]是取整算符；
通过所述I亮度分量图的原灰度级fk与所述I亮度分量图的输出灰度级gk的映射关系，对所述I亮度分量图的原灰度级fk进行修改，得到一次处理后的所述I亮度分量图。
6.根据权利要求1所述的方法，其特征在于，对一次处理后的所述I亮度分量图进行小波自适应调节处理，得到二次处理后的所述I亮度分量图，包括以下步骤：
对一次处理后的所述I亮度分量图进行二维离散小波分解，得到分解后图像组；
对所述分解后图像组进行非线性滤波操作，得到滤波后图像组；
计算所述滤波后图像组的权重因子；
根据所述权重因子，对所述分解后图像组进行重新组合，得到二次处理后的所述I亮度分量图。
7.根据权利要求1所述的方法，其特征在于，对二次处理后的所述I亮度分量图进行同态滤波处理，得到处理后的所述I亮度分量图，包括以下步骤：
对二次处理后的所述I亮度分量图进行对数运算，将其入射光分量和反射光分量进行分离；
通过傅里叶算法将二次处理后的所述I亮度分量图从时域变换至频域；
通过同态滤波函数H(u,v)对变换至频域的二次处理后的所述I亮度分量图进行滤波处理；
通过傅里叶逆变换算法将滤波后的二次处理后的所述I亮度分量图从频域变换至时域；
对变换至时域的二次处理后的所述I亮度分量图进行指数运算，得到增强后的I亮度分量图；
将增强后的I亮度分量图中增强的块效应进行消除，得到处理后的所述I亮度分量图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910769784.7A CN110675332A (zh) | 2019-08-20 | 2019-08-20 | 一种金属腐蚀图像质量的增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910769784.7A CN110675332A (zh) | 2019-08-20 | 2019-08-20 | 一种金属腐蚀图像质量的增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110675332A true CN110675332A (zh) | 2020-01-10 |
Family
ID=69075634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910769784.7A Pending CN110675332A (zh) | 2019-08-20 | 2019-08-20 | 一种金属腐蚀图像质量的增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110675332A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242876A (zh) * | 2020-01-17 | 2020-06-05 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
| CN112907653A (zh) * | 2021-01-28 | 2021-06-04 | 浙江大华技术股份有限公司 | 一种图像处理方法、摄像装置及存储介质 |
| CN113850744A (zh) * | 2021-08-26 | 2021-12-28 | 辽宁工程技术大学 | 基于自适应Retinex和小波融合的图像增强算法 |
| CN117830184A (zh) * | 2024-03-06 | 2024-04-05 | 陕西长空齿轮有限责任公司 | 一种金相图像增强方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700072A (zh) * | 2013-12-17 | 2014-04-02 | 北京工业大学 | 一种基于自适应小波阈值和双边滤波器的图像去噪方法 |
| CN107578387A (zh) * | 2017-10-16 | 2018-01-12 | 湖南友哲科技有限公司 | 一种基于hsv颜色空间的同态滤波增强方法 |
| CN107833189A (zh) * | 2017-10-30 | 2018-03-23 | 常州工学院 | 对比受限自适应直方图均衡的水下目标探测图像增强方法 |
| CN109003238A (zh) * | 2018-06-26 | 2018-12-14 | 西京学院 | 一种基于模型与直方图及灰度增强的图像雾霾去除方法 |
| CN109447917A (zh) * | 2018-10-31 | 2019-03-08 | 西京学院 | 基于内容和特征及多尺度模型的遥感图像雾霾消除方法 |
| CN109801233A (zh) * | 2018-12-27 | 2019-05-24 | 中国科学院西安光学精密机械研究所 | 一种适用于真彩色遥感图像的增强方法 |
-
2019
- 2019-08-20 CN CN201910769784.7A patent/CN110675332A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700072A (zh) * | 2013-12-17 | 2014-04-02 | 北京工业大学 | 一种基于自适应小波阈值和双边滤波器的图像去噪方法 |
| CN107578387A (zh) * | 2017-10-16 | 2018-01-12 | 湖南友哲科技有限公司 | 一种基于hsv颜色空间的同态滤波增强方法 |
| CN107833189A (zh) * | 2017-10-30 | 2018-03-23 | 常州工学院 | 对比受限自适应直方图均衡的水下目标探测图像增强方法 |
| CN109003238A (zh) * | 2018-06-26 | 2018-12-14 | 西京学院 | 一种基于模型与直方图及灰度增强的图像雾霾去除方法 |
| CN109447917A (zh) * | 2018-10-31 | 2019-03-08 | 西京学院 | 基于内容和特征及多尺度模型的遥感图像雾霾消除方法 |
| CN109801233A (zh) * | 2018-12-27 | 2019-05-24 | 中国科学院西安光学精密机械研究所 | 一种适用于真彩色遥感图像的增强方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘国华: "《HALCON数字图像处理》", 30 June 2018 * |
| 陈志雄: ""图像增强技术原理及在安防领域的应用"", 《科技资讯》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242876A (zh) * | 2020-01-17 | 2020-06-05 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
| CN111242876B (zh) * | 2020-01-17 | 2023-10-03 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
| CN112907653A (zh) * | 2021-01-28 | 2021-06-04 | 浙江大华技术股份有限公司 | 一种图像处理方法、摄像装置及存储介质 |
| CN112907653B (zh) * | 2021-01-28 | 2024-04-19 | 浙江大华技术股份有限公司 | 一种图像处理方法、摄像装置及存储介质 |
| CN113850744A (zh) * | 2021-08-26 | 2021-12-28 | 辽宁工程技术大学 | 基于自适应Retinex和小波融合的图像增强算法 |
| CN117830184A (zh) * | 2024-03-06 | 2024-04-05 | 陕西长空齿轮有限责任公司 | 一种金相图像增强方法及系统 |
| CN117830184B (zh) * | 2024-03-06 | 2024-05-31 | 陕西长空齿轮有限责任公司 | 一种金相图像增强方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11127122B2 (en) | Image enhancement method and system | |
| CN110675332A (zh) | 一种金属腐蚀图像质量的增强方法 | |
| CN106846282B (zh) | 一种采用自适应校正的低照度图像增强方法 | |
| US9135681B2 (en) | Image chroma noise reduction | |
| CN111986120A (zh) | 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法 | |
| CN110232670B (zh) | 一种基于高低频分离的图像视觉效果增强的方法 | |
| CN111968065B (zh) | 一种亮度不均匀图像的自适应增强方法 | |
| CN108133462B (zh) | 一种基于梯度场区域分割的单幅图像的复原方法 | |
| CN104318529A (zh) | 处理在恶劣环境中所拍摄低照度图像的方法 | |
| CN112435184B (zh) | 一种基于Retinex和四元数的雾霾天图像识别方法 | |
| Priyanka et al. | Low-light image enhancement by principal component analysis | |
| CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及系统 | |
| CN109859138B (zh) | 一种基于人眼视觉特性的红外图像增强方法 | |
| CN114627009A (zh) | 一种基于亮度校正和融合通道先验的图像增强方法及系统 | |
| CN110136085B (zh) | 一种图像的降噪方法及装置 | |
| Asari et al. | Nonlinear enhancement of extremely high contrast images for visibility improvement | |
| CN115829967A (zh) | 一种工业金属表面缺陷图像去噪和增强方法 | |
| CN111260588A (zh) | 一种高清数字cmos成像组件图像增强方法 | |
| CN113160066A (zh) | 一种低照度图像高效增强方法 | |
| Erkanli et al. | Enhancement technique for uniformly and non-uniformly illuminated dark images | |
| Liu et al. | Low-light image enhancement based on Retinex theory for beam-splitting prism system | |
| CN113379631B (zh) | 一种图像去雾的方法及装置 | |
| CN113112429B (zh) | 一种用于复杂光照条件下有雾图像的通用增强框架 | |
| Pardhi et al. | Contrast Enhancement Using Adaptive Threshold Based Dynamic Range Adjustment In Luv Colour Space | |
| CN110706165B (zh) | 一种基于EME与Mask的水下图像匀光算法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |
|
| RJ01 | Rejection of invention patent application after publication |