CN110852956A - 一种高动态范围图像的增强方法 - Google Patents
一种高动态范围图像的增强方法 Download PDFInfo
- Publication number
- CN110852956A CN110852956A CN201910658404.2A CN201910658404A CN110852956A CN 110852956 A CN110852956 A CN 110852956A CN 201910658404 A CN201910658404 A CN 201910658404A CN 110852956 A CN110852956 A CN 110852956A
- Authority
- CN
- China
- Prior art keywords
- hdr
- pixel
- new
- image
- original 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000012546 transfer Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 abstract description 10
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000013507 mapping Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了一种高动态范围图像的增强方法，属于图像处理技术领域。本发明对HDR原始图像运用引导图像滤波方法将HDR原始图像分为两层，得到细节层和基础层，对基础层进行增量计算，并以此为基础来进行伽马计算，计算基础层的新的伽马调整曲线，将基础层的新的伽马曲线和调整后的细节层进行计算，得到新的HDR灰度级，通过新的HDR灰度级和原始图像灰度级的叠加计算，形成新的灰度级传递系数，基于此对HDR原始图像进行增强。本发明能有效提升HDR图像的细节信息，大大的改善了观察者的视觉效果。
Description
技术领域
本发明属于图像处理技术领域，具体涉及一种高动态范围图像的增强方法。
背景技术
现代高品质CCD或CMOS相机能够具有非常宽的动态范围来产生图像。但是，即使在智能手机上的摄像机的像素数可达到一百万量级的像素数，对于在可见光谱下工作的任何CCD或CMOS相机而言，仍必须配备一个高度制造的光学透镜。因此，有时强日光会造成图像过度曝光，从而使得图像缺乏细节。为了解决这个问题，目前开发了许多先进的算法，其中一些已经在真实照片的设备中得到应用。例如，iPhone在它们的产品中加入了“HDR”功能。“HDR”(高动态范围)功能可以处理过度曝光的图片，并得到隐藏在强日光背后的信息。所得到HDR图像即为高动态范围图像。
在可见光范围内捕获的图片的处理，动态范围压缩(DRC)常常是讨好人眼的有效方法。这种方法已被广泛地研究，若干可视化技术已在各种文献中被提出。人们常常认为存储在HDR图像中的信息是对应于在真实世界中的可观察到的亮度或光泽，因此HDR图像有时被认为是“相关的现场。”这个概念被提出来区分于“相关的设备”或“相关的输出”的传统的数字图像。在此期间，所述数字图像的传统的图像处理通常聚焦于人的视觉系统来编码的。这种类型的编码通常被称为“伽马校正”。由于其简单性和实时系统的便利性，传统的伽玛校广泛的运用与对比度增强。但作为用于HDR图像，它只能处理图像的一部分。
现代HDR图像处理算法是Paul Debevec在1997年提出。他通过对同一场景采取不同的曝光策略进行捕获图像，并最终形成一个HDR图像。在此之后，许多研究者参与获取，压缩和HDR图像的显示的研究，使这一技术在日常生活中日渐重要。如今，处理HDR图像的研究一直集中在某些主要领域，如去噪、色调映射、显示等。但是如何能结合现有的图像处理技术，对HDR图像进行增强，仍有待研究。
发明内容
本发明目的是：为了有效提升HDR图像的细节信息，大大的提升观察者的视觉效果，提出了一种HDR图像的增强方法。
具体地说，本发明是采用以下技术方案实现的，包括如下步骤：
基于引导图像滤波将图像分层的步骤：运用引导图像滤波方法将HDR原始图像分为两层，得到细节层和基础层；
得到伽马调整曲线的步骤：对基础层进行增量计算，并以此为基础来进行伽马计算，计算基础层的新的伽马调整曲线；
得到新的HDR灰度级的步骤：将基础层的新的伽马曲线和调整后的细节层进行计算，得到新的HDR灰度级；
增强原始图像的步骤：通过新的HDR灰度级和原始图像灰度级的叠加计算，形成新的灰度级传递系数，基于此对HDR原始图像进行增强。
进一步而言，所述基于引导图像滤波将图像分层的步骤中，基于计算结果运用引导图像滤波方法将HDR原始图像分为两层的具体过程如下：
按公式(1)进行运算得到细节层：
式中，Igif(i,j)表示经过引导图像滤波对HDR原始图像计算后分离出的细节层图像每个像素(i,j)的灰度值，Iin(i,j)为像素(i,j)在HDR原始图像中的灰度值，wi,j是以像素(i,j)为中心像素的滤波窗口，(i′,j′)∈wi,j表示属于wi,j的像素，WG(i′,j′)是像素(i′,j′)核心权值函数，由公式(2)确定：
其中，w是滤波窗口中像素的个数，μi,j和σi,j为wi,j中各像素的均值与方差，Iin(i′,j′)为像素(i′,j′)在HDR原始图像中的灰度值，(i″,j″)∈wi,j表示属于wi,j的不同于像素(i′,j′)的像素，Iin(i″,j″)为像素(i″,j″)在HDR原始图像中的灰度值，ε为预设的设定参数，决定提取细节的能力；
在得到细节层的值的基础上，用HDR原始图像的灰度值减去细节层的值，其结果即为基础层。
进一步而言，所述得到伽马调整曲线的步骤，具体过程如下：
按公式(3)对基础层进行增量计算：
Δd＝max(IB(i,j))-min(IB(i,j)) (3)
其中，Δd为增量值，它表示基础层中各像素的灰度值最大值与最小值之间的差值，IB(i,j)代表基础层中像素(i,j)的灰度值，max(IB(i,j))代表基础层中各像素的灰度值最大值，min(IB(i,j)代表基础层中各像素的灰度值最小值；
按公式(4)以增量计算为基础进行伽马计算：
其中，γg为每一增量Δd对应下的灰度值，Ccontrast是基于增量值Δd与人眼观测范围给出的预设的调整参数，log(Ccontrast)表示以预设的底对Ccontrast进行的对数计算；
最后将γg运用到基础层中，形成基础层的新的伽马调整曲线为γg·IB(i,j)。
进一步而言，所述得到新的HDR灰度级的步骤，具体按以下公式进行：
I′(i,j)＝10^[γg·IB(i,j)+G·ID(i,j)] (5)
其中，I′(i,j)为像素(i,j)新的HDR灰度级，ID(i,j)为细节层中像素(i,j)的灰度值，G表示预设的控制细节层细节波动的增益系数。
进一步而言，所述增强原始图像的步骤中，新的灰度级传递系数按以下公式计算：
其中，S为新的灰度级传递系数。
进一步而言，所述增强原始图像的步骤中，对HDR原始图像进行增强为，将新的灰度级传递系数按以下公式运用于色彩调节，从而对HDR原始图像进行增强：
I′color(i,j,x)＝S·Iin(i,j,x) (7)
式中，x表示彩色图像中的RGB三信道中一个信道，Iin(i,j,x)代表HDR原始图像的x信道中像素(i,j)的彩色值，I′color(i,j,x)代表经过色彩调节后的图像的x信道中像素(i,j)的彩色值。
本发明的有益效果如下：本发明的HDR图像增强方法首先运用引导图像滤波方法将图像分离成两层，对基础层进行运算后与调整后的细节层进行叠加运算，并通过改变最终的色彩调节完成对HDR图像的细节增强。本发明能有效提升HDR图像的细节信息，大大的改善了观察者的视觉效果。
附图说明
图1是本发明的基本流程原理图。
图2是在不同ε下所提取的细节层图像。
图3是在不同ε下所提取的基础层图像。
图4是在不同Ccontrast下基础层处理结果及能量展宽图。
图5是本发明处理结果及与传统MATLAB色调映射处理结果对比图。
具体实施方式
下面参照附图并结合实例对本发明作进一步详细描述。
实施例1：
本发明的一个实施例，对HDR图像进行增强，其基本流程如图1所示。
首先，对HDR原始图像运用引导图像滤波方法(gif方法)将HDR原始图像分为两层，得到细节层和基础层。具体而言，先按公式(1)进行运算得到细节层：
式中，Igif(i,j)表示经过引导图像滤波对HDR原始图像计算后分离出的细节层图像每个像素(i,j)的灰度值，Iin(i,j)为像素(i,j)在HDR原始图像中的灰度值，wi,j是以像素(i,j)为中心像素的滤波窗口，(i′,j′)∈wi,j表示属于wi,j的像素，WG(i′,j′)是像素(i′,j′)核心权值函数，由公式(2)确定：
其中，w是滤波窗口中像素的个数，在gif方法中滤波窗口为一个N×N的可变范围，通常是3X3、5X5等等，如在3X3时，那么w就是9个像素。μi,j和σi,j为wi,j中各像素的均值与方差，Iin(i′,j′)为像素(i′,j′)在HDR原始图像中的灰度值，(i″,j″)∈wi,j表示属于wi,j的不同于像素(i′,j′)的像素，Iin(i″,j″)为像素(i″,j″)在HDR原始图像中的灰度值，ε为预设的设定参数，决定提取细节的能力。
上述过程的原理是，通过gif方法输出端的图像，如果像素处在高方差区域的中心，那么它将得到保留，如果像素处于平滑区，那么它将平滑为周围像素点的值。而参数ε为区分平滑区与高方差区的标准，它的大小决定了细节提取能力。
在得到细节层的值的基础上，用HDR原始图像的灰度值减去细节层的值，其结果即为基础层。
图2、图3分别给出了提取细节层图像以及基础层图像的示例。其中，图2、图3的(a)为HDR原始图像，(b)、(c)、(d)分别为不同ε下所提取的细节层图像以及基础层图像。
得到细节层和基础层后，可对基础层进行增量计算，并以此为基础来进行伽马计算，计算基础层的新的伽马调整曲线。具体而言，先按公式(3)对基础层进行增量计算：
Δd＝max(IB(i,j))-min(IB(i,j)) (3)
其中，Δd为增量值，它表示基础层中各像素的灰度值最大值与最小值之间的差值，IB(i,j)代表基础层中像素(i,j)的灰度值，max(IB(i,j))代表基础层中各像素的灰度值最大值，min(IB(i,j)代表基础层中各像素的灰度值最小值；
再按公式(4)以增量计算为基础进行伽马计算：
其中，γg为每一增量Δd对应下的灰度值，可以对图像的显示效果进行非线性灰度均衡，Ccontrast是预设的调整参数，基于增量值Δd与人眼观测范围而给出，log(Ccontrast)表示以预设的底对Ccontrast进行的对数计算。这里的预设的底根据不同的图像灰度值域范围有不同的取值，因为指数计算过程中底大一点表现到log计算上最终的结果变化都很剧烈，所以在实际计算过程中这个参数是可调的，通常可在5-2000范围内调整，初始值可为5。
最后将γg运用到基础层中，形成基础层的新的伽马调整曲线为γg·IB(i,j)。
图4给出了不同Ccontrast下基础层处理结果及能量展宽图。其中，图4中的C即为Ccontrast，图4中的(a)、(b)、(c)、(d)分别为不同参数下的处理情况。
接着，将基础层的新的伽马曲线和调整后的细节层进行计算，得到新的HDR灰度级，具体按以下公式进行：
I′(i,j)＝10∧[γg·IB(i,j)+G·ID(i,j)] (5)
其中，I′(i,j)为像素(i,j)新的HDR灰度级，ID(i,j)为细节层中像素(i,j)的灰度值，G表示预设的控制细节层细节波动的增益系数。
最后通过新的HDR灰度级和原始图像灰度级的叠加计算，形成新的灰度级传递系数，基于此对HDR原始图像进行增强。其中，新的灰度级传递系数按以下公式计算：
其中，S为新的灰度级传递系数。
将新的灰度级传递系数按以下公式运用于色彩调节，从而对HDR原始图像进行增强：
I′color(i,j,x)＝S·Iin(i,j,x) (7)
式中，x表示彩色图像中的RGB三信道中一个信道，Iin(i,j,x)代表HDR原始图像的x信道中像素(i,j)的彩色值，I′color(i,j,x)代表经过色彩调节后的图像的x信道中像素(i,j)的彩色值。
图5给出了本发明处理结果及与传统MATLAB色调映射处理结果对比图，其中(a)为HDR原始图像，(b)为传统MATLAB色调映射处理结果，(c)为本发明处理结果。显然，本发明方法完成了图像细节增强，所处理的图像与传统算法相比具有更好的颜色饱和度和色彩对比度，更加适合观察者的视觉观察
虽然本发明已以较佳实施例公开如上，但实施例并不是用来限定本发明的。在不脱离本发明之精神和范围内，所做的任何等效变化或润饰，同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。
Claims (6)
1.一种高动态范围图像的增强方法，其特征在于，包括如下步骤：
基于引导图像滤波将图像分层的步骤：运用引导图像滤波方法将HDR原始图像分为两层，得到细节层和基础层；
得到伽马调整曲线的步骤：对基础层进行增量计算，并以此为基础来进行伽马计算，计算基础层的新的伽马调整曲线；
得到新的HDR灰度级的步骤：将基础层的新的伽马曲线和调整后的细节层进行计算，得到新的HDR灰度级；
增强原始图像的步骤：通过新的HDR灰度级和原始图像灰度级的叠加计算，形成新的灰度级传递系数，基于此对HDR原始图像进行增强。
2.根据权利要求1所述的高动态范围图像的增强方法，其特征在于，所述基于引导图像滤波将图像分层的步骤的具体过程如下：
按公式(1)进行运算得到细节层：
式中，Igif(i,j)表示经过引导图像滤波对HDR原始图像计算后分离出的细节层图像每个像素(i,j)的灰度值，Iin(i,j)为像素(i,j)在HDR原始图像中的灰度值，wi,j是以像素(i,j)为中心像素的滤波窗口，(i′,j′)∈wi,j表示属于wi,j的像素，WG(i′,j′)是像素(i′,j′)核心权值函数，由公式(2)确定：
其中，w是滤波窗口中像素的个数，μi,j和σi,j为wi,j中各像素的均值与方差，Iin(i′,j′)为像素(i′,j′)在HDR原始图像中的灰度值，(i″,j″)∈wi,j表示属于wi,j的不同于像素(i′,j′)的像素，Iin(i″,j″)为像素(i″,j″)在HDR原始图像中的灰度值，ε为预设的设定参数，决定提取细节的能力；
在得到细节层的值的基础上，用HDR原始图像的灰度值减去细节层的值，其结果即为基础层。
3.根据权利要求2所述的高动态范围图像的增强方法，其特征在于，所述得到伽马调整曲线的步骤，具体过程如下：
按公式(3)对基础层进行增量计算：
Δd＝max(IB(i,j))-min(IB(i,j)) (3)
其中，Δd为增量值，它表示基础层中各像素的灰度值最大值与最小值之间的差值，IB(i,j)代表基础层中像素(i,j)的灰度值，max(IB(i,j))代表基础层中各像素的灰度值最大值，min(IB(i,j)代表基础层中各像素的灰度值最小值；
按公式(4)以增量计算为基础进行伽马计算：
其中，γg为每一增量Δd对应下的灰度值，Ccontrast是基于增量值Δd与人眼观测范围给出的预设的调整参数，log(Ccontrast)表示以预设的底对Ccontrast进行的对数计算；
最后将γg运用到基础层中，形成基础层的新的伽马调整曲线为γg·IB(i,j)。
4.根据权利要求3所述的高动态范围图像的增强方法，其特征在于，所述得到新的HDR灰度级的步骤，具体按以下公式进行：
I′(i,j)＝10^[γg·IB(i,j)+G·ID(i,j)] (5)
其中，I′(i,j)为像素(i,j)新的HDR灰度级，ID(i,j)为细节层中像素(i,j)的灰度值，G表示预设的控制细节层细节波动的增益系数。
5.根据权利要求4所述的高动态范围图像的增强方法，其特征在于，所述增强原始图像的步骤中，新的灰度级传递系数按以下公式计算：
其中，S为新的灰度级传递系数。
6.根据权利要求5所述的高动态范围图像的增强方法，其特征在于，所述增强原始图像的步骤中，对HDR原始图像进行增强为，将新的灰度级传递系数按以下公式运用于色彩调节，从而对HDR原始图像进行增强：
I′color(i,j,x)＝S·Iin(i,j,x) (7)
式中，x表示彩色图像中的RGB三信道中一个信道，Iin(i,j,x)代表HDR原始图像的x信道中像素(i,j)的彩色值，I′color(i,j,x)代表经过色彩调节后的图像的x信道中像素(i,j)的彩色值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910658404.2A CN110852956A (zh) | 2019-07-22 | 2019-07-22 | 一种高动态范围图像的增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910658404.2A CN110852956A (zh) | 2019-07-22 | 2019-07-22 | 一种高动态范围图像的增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110852956A true CN110852956A (zh) | 2020-02-28 |
Family
ID=69595293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910658404.2A Pending CN110852956A (zh) | 2019-07-22 | 2019-07-22 | 一种高动态范围图像的增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110852956A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113112429A (zh) * | 2021-04-27 | 2021-07-13 | 大连海事大学 | 一种用于复杂光照条件下有雾图像的通用增强框架 |
| CN113191986A (zh) * | 2021-05-28 | 2021-07-30 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
| CN113327208A (zh) * | 2021-06-17 | 2021-08-31 | 烟台艾睿光电科技有限公司 | 高动态范围图像色调映射方法、装置、电子设备及介质 |
| WO2021226769A1 (zh) * | 2020-05-09 | 2021-11-18 | 华为技术有限公司 | 一种图像处理方法及装置 |
| CN114423119A (zh) * | 2021-12-29 | 2022-04-29 | 山东云海国创云计算装备产业创新中心有限公司 | 一种渐变调光方法及系统 |
| CN115170818A (zh) * | 2022-07-27 | 2022-10-11 | 北京拙河科技有限公司 | 一种动态帧画面特征提取方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107481202A (zh) * | 2017-08-14 | 2017-12-15 | 深圳市华星光电半导体显示技术有限公司 | 一种图像动态范围增强的方法 |
| CN107045715B (zh) * | 2017-02-22 | 2019-06-07 | 西南科技大学 | 一种单幅低动态范围图像生成高动态范围图像的方法 |
-
2019
- 2019-07-22 CN CN201910658404.2A patent/CN110852956A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107045715B (zh) * | 2017-02-22 | 2019-06-07 | 西南科技大学 | 一种单幅低动态范围图像生成高动态范围图像的方法 |
| CN107481202A (zh) * | 2017-08-14 | 2017-12-15 | 深圳市华星光电半导体显示技术有限公司 | 一种图像动态范围增强的方法 |
Non-Patent Citations (3)
| Title |
|---|
| NING LIU 等: "A novel high dynamic range image enhancement algorithm based on guided image filter", 《OPTIK》 * |
| XU HONGLIE 等: "High dynamic range image enhancement technology based on guided image filter", 《红外与激光工程》 * |
| 席志红 赵蓝飞: "高动态范围图像增强算法", 《计算机应用与软件》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021226769A1 (zh) * | 2020-05-09 | 2021-11-18 | 华为技术有限公司 | 一种图像处理方法及装置 |
| CN113112429A (zh) * | 2021-04-27 | 2021-07-13 | 大连海事大学 | 一种用于复杂光照条件下有雾图像的通用增强框架 |
| CN113112429B (zh) * | 2021-04-27 | 2024-04-16 | 大连海事大学 | 一种用于复杂光照条件下有雾图像的通用增强框架 |
| CN113191986A (zh) * | 2021-05-28 | 2021-07-30 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
| CN113191986B (zh) * | 2021-05-28 | 2022-09-30 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
| CN113327208A (zh) * | 2021-06-17 | 2021-08-31 | 烟台艾睿光电科技有限公司 | 高动态范围图像色调映射方法、装置、电子设备及介质 |
| CN113327208B (zh) * | 2021-06-17 | 2022-10-04 | 烟台艾睿光电科技有限公司 | 高动态范围图像色调映射方法、装置、电子设备及介质 |
| CN114423119A (zh) * | 2021-12-29 | 2022-04-29 | 山东云海国创云计算装备产业创新中心有限公司 | 一种渐变调光方法及系统 |
| CN114423119B (zh) * | 2021-12-29 | 2023-08-08 | 山东云海国创云计算装备产业创新中心有限公司 | 一种渐变调光方法及系统 |
| CN115170818A (zh) * | 2022-07-27 | 2022-10-11 | 北京拙河科技有限公司 | 一种动态帧画面特征提取方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110852956A (zh) | 一种高动态范围图像的增强方法 | |
| US11127122B2 (en) | Image enhancement method and system | |
| Raman et al. | Bilateral Filter Based Compositing for Variable Exposure Photography. | |
| EP2852152B1 (en) | Image processing method, apparatus and shooting terminal | |
| CN104240194B (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
| US10672112B2 (en) | Method and system for real-time noise removal and image enhancement of high-dynamic range images | |
| US8503778B2 (en) | Enhancing photograph visual quality using texture and contrast data from near infra-red images | |
| Gao et al. | A fast image dehazing algorithm based on negative correction | |
| CN107909562B (zh) | 一种基于像素级的快速图像融合算法 | |
| CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
| CN110428389B (zh) | 基于msr理论和曝光融合的微光图像增强方法 | |
| CN104157003B (zh) | 一种基于正态分布调节的热图像细节增强方法 | |
| CN107993189B (zh) | 一种基于局部分块的图像色调动态调节方法和装置 | |
| CN110047060B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| Kao | High dynamic range imaging by fusing multiple raw images and tone reproduction | |
| WO2020107995A1 (zh) | 成像方法和装置、电子设备、计算机可读存储介质 | |
| CN110599418A (zh) | 一种变换域融合的全局色调映射方法 | |
| CN110175967B (zh) | 图像去雾处理方法、系统、计算机设备和存储介质 | |
| Han et al. | Automatic illumination and color compensation using mean shift and sigma filter | |
| CN107424134B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
| CN110992287B (zh) | 一种非均匀光照视频的清晰化方法 | |
| Liu et al. | A novel high dynamic range image enhancement algorithm based on guided image filter | |
| CN109859138B (zh) | 一种基于人眼视觉特性的红外图像增强方法 | |
| Yang et al. | Improved retinex image enhancement algorithm based on bilateral filtering | |
| CN107317968B (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200228 |
|
| WD01 | Invention patent application deemed withdrawn after publication |