CN111210393B - 一种基于边缘提取的彩色图像增强方法、系统及存储介质 - Google Patents
一种基于边缘提取的彩色图像增强方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111210393B CN111210393B CN202010006175.9A CN202010006175A CN111210393B CN 111210393 B CN111210393 B CN 111210393B CN 202010006175 A CN202010006175 A CN 202010006175A CN 111210393 B CN111210393 B CN 111210393B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- channel
- sharpening
- color
- 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 55
- 238000000605 extraction Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 230000002708 enhancing effect Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000001629 suppression Effects 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005008 domestic process Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G06T5/73—
-
- G06T5/70—
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
Abstract
本发明公开了一种基于边缘提取的彩色图像增强方法、系统及存储介质,方法包括:获取的彩色图像的Y通道图像;通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取,获取边缘图像;对所述边缘图像进行边缘锐化,并通过改良的图像增强方法,增强图像边缘锐化图的边缘信息,将图像边缘锐化图转为RGB图像,输出所述RGB图像和图像边缘锐化图。本发明提供的一种抗噪声的基于边缘提取的彩色图像增强方法,对噪声敏感的Laplace检测算子进行了改进和优化,由于改进后的Laplace检测算子本身抑制噪声的能力得到了增强,结合改良的图像增强方法,使该方法拥有了较强的针对图像噪声的抗噪声能力。本发明可广泛应用于计算机图像处理领域。
Description
技术领域
本发明涉及计算机图像处理领域,尤其涉及一种基于边缘提取的彩色图像增强方法、系统及存储介质。
背景技术
近几年,随着彩色图像及视频图像处理技术的发展与广泛应用,彩色图像增强成为了一个重要的发展领域。作为彩色图像增强处理的一种,边缘增强主要是用来处理彩色图像边缘模糊不清的问题。
在彩色图像边缘增强技术中,颜色信息的保持是需要考虑的重要因素,从而有利于视觉上的识别。如今为保持彩色图像的颜色信息,将RGB空间转为YUV空间,是国内常用的一个方法。在提取边缘图像时,具有较强的适应性和精度较高的经典检测算子是8邻域的Laplace检测算子:先将RGB图像转化为YUV图像,并提取Y通道上原始图像,然后用8邻域的Laplace检测算子提取边缘信息,再用图像锐化算法进一步提高检测精度,最后用图像增强算法进行增强,并转化到RGB空间。但是该方法由于Laplace检测算子的各向同性的特点,在面对图像中存在的噪声时,容易受到噪声的影响和干扰。为了提高图像边缘检测的质量和图像增强技术在公共安全监控、食品安全、军事目标搜索与寻找等领域的应用,需要提高边缘提取的图像增强方法的抗噪声能力。
发明内容
为了解决上述技术问题,本发明的目的是提供一种抗噪声的基于边缘提取的彩色图像增强方法、系统及存储介质。
一种基于边缘提取的彩色图像增强方法,包括以下步骤:
获取的彩色图像的RGB图像,将所述RGB图像转换为YUV图像,获取YUV图像的Y通道图像;
通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取,获取边缘图像;
对所述边缘图像进行边缘锐化,得到图像边缘锐化图;
通过改良的图像增强方法,增强图像边缘锐化图的边缘信息;
将增强后的图像边缘图的Y通道图像转为RGB图像,输出所述RGB图像和图像边缘锐化图。
进一步,所述通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取,获取边缘图像这一步骤,包括以下改良Laplace检测算子的步骤:
将Laplace检测算子所有方向梯度乘以n;
将所述乘以n后的Laplace检测算子水平和垂直方向乘以k。
进一步,所述通过改良的图像增强方法,增强图像边缘锐化图的边缘信息这一步骤,包括以下步骤:
获取Y通道图像亮度值;
通过所述Y通道图像亮度值和所述图像边缘锐化图,使用预设参数获取增强的Y通道图像的亮度值;
根据所述增强的Y通道图像的亮度值大小,通过预设的参数,对超过预设最大亮度值的亮度值进行降低亮度处理,对低于预设最小亮度值的亮度值进行提升亮度处理。
进一步,所述对所述边缘图像进行边缘锐化,得到图像边缘锐化图这一步骤,根据Y通道数据的值,采用函数表达式对所述边缘图像进行边缘锐化,所述函数表达式为:
其中x为Y通道数据,m为放大系数,x1是边缘与噪声阈值,x2是强边缘阈值。
进一步,所述获取的彩色图像的RGB图像,将所述RGB图像转换为YUV图像,获取YUV图像的Y通道图像这一步骤,将RGB图像转换为YUV图像的公式为:
进一步,本方法采用峰值信噪比、清晰度、对比度和亮度作为图像质量的衡量指标。
进一步,所述峰值信噪比和清晰度的计算公式为:
其中,PSNR表示峰值信噪比,sharpness表示清晰度,MAXI为图像像素点颜色的最大数值,MSE为损失函数,Yi为使用Laplacian梯度函数提取Y通道图像边缘信息的亮度值。
本发明还提出了一种基于边缘提取的彩色图像增强系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如上所述的一种基于边缘提取的彩色图像增强方法。
本发明还提出了一种基于边缘提取的彩色图像增强系统,包括:
图像获取模块,用于获取的彩色图像的RGB图像,将所述RGB图像转换为YUV图像,获取YUV图像的Y通道图像;
边缘图像获取模块,用于通过改良的8邻域Laplace检测算子对所述Y通道图像进行边缘图像提取,获取边缘图像;
图像边缘锐化模块,用于对所述边缘图像进行边缘锐化,得到图像边缘锐化图;
边缘图像增强模块,用于通过图像增强方法,增强图像边缘锐化图的边缘信息;
图像结果输出模块,用于将增强后的图像边缘图的Y通道图像转为RGB图像,输出所述RGB图像和图像边缘锐化图。
本发明还提出了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行如上所述的一种基于边缘提取的彩色图像增强方法。
上述本发明的实施例中的一个或多个技术方案具有如下优点:本发明提供的一种抗噪声的基于边缘提取的彩色图像增强方法,通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取,同时还通过改良的图像增强方法,增强图像边缘锐化图的边缘信息,增强了抑制噪声的能力,提高了对图像噪声的抗噪声能力,以及提高了图像的清晰度。
附图说明
图1是本发明一种基于边缘提取的彩色图像增强方法的流程图;
图2是本发明一种基于边缘提取的彩色图像增强方法确定参数具体数值的流程图;
图3是本发明一种基于边缘提取的彩色图像增强系统的结构示意图。
具体实施方式
下面结合附图,对本发明的技术方案进行详细描述。
参考图1,一种基于边缘提取的彩色图像增强方法,包括以下步骤:
S1:获取的彩色图像的RGB图像,将所述RGB图像转换为YUV图像,获取YUV图像的Y通道图像;
S2:通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取,获取边缘图像;
S3:对所述边缘图像进行边缘锐化,得到图像边缘锐化图;
S4:通过改良的图像增强方法,增强图像边缘锐化图的边缘信息;
S5:将增强后的图像边缘图的Y通道图像转为RGB图像,输出所述RGB图像和图像边缘锐化图。
在步骤S1中,获取的彩色图像的RGB图像,是使用sensor采集RGB彩色图像并将其传输到电路中,读取该彩色图像预备后续步骤使用。
将所述RGB图像转换为YUV图像,是将读取到的RGB图像采用如下的转换公式转换为YUV图像,该转换方法会保留图像的颜色信息:
将RGB图像转换为YUV图像后,直接提取转换后的YUV图像上的Y通道图像,即可完成步骤S1。
在步骤S2中,通过改良的8邻域Laplace检测算子对所述Y通道图像进行边缘图像提取.其中原先未改良的8邻域的Laplace检测算子如下:
其中对8邻域Laplace检测算子的改良过程如下:
先将8邻域Laplace检测算子的所有方向梯度乘以n,再将改变后的Laplace检测算子的水平和垂直方向乘以k,其中k和n都是用于改良的参数,通过训练获取确定的值。改良后的Laplace检测算子如下:
根据上述的Laplace检测算子,Y通道图像特征图坐标为(m,n)的一个值,其3×3邻域部分可以表示为图2,此时需要获取的边缘图像EM可表示为:
在步骤S3中,对所述边缘图像进行边缘锐,是根据Y通道数据的值,采用函数表达式对所述边缘图像进行边缘锐化,而采用的函数表达式如下:
其中x为Y通道数据,m为放大系数,x1是边缘与噪声阈值,x2是强边缘阈值。
在步骤S4中,通过改良的图像增强方法,增强图像边缘锐化图的边缘信息,在获取Y通道图像亮度值之后,使用如下公式,增强Y通道图像的亮度值:
Y′=Y+EM/c
其中,Y′为增强后的Y通道图像的亮度值,Y为增强前的Y通道图像亮度值,c为预设的参数。
同时,为了防止过度锐化,本步骤还设置了Y的最大亮度值Ymax和最小亮度值Ymin,并根据增强的Y通道图像的亮度值,即Y′的大小,对Y′作了进一步处理。当Y′的值大于最大亮度值时,采用如下的公式对Y′进行处理:
Y′=Y+(Ymax-Y)/c
当Y′的值小于最小于亮度值时,采用如下的公式对Y′进行处理:
Y′=Y-(Y-Ymin)/c
在步骤S5中,将增强后的图像边缘图的Y通道图像转为RGB图像,最终输出的图像包括此前在步骤S3中获得的图像边缘锐化图和Y通道图像转换的RGB图像。
参考图2,为了提高8邻域算子的抗噪声能力和提高最终获得的RGB增强图像的清晰度,在上述公式中包括的n、k、m和c四个参数需要被确定出具体的数值,确定数值的具体方案如下:
S601:设置m=1,c=2,使用8邻域Laplace检测算子,对获得的图像质量结果进行分析。此时一般默认n=1,k=1。
S602:确定c与k,m,n之间的关系,对参数c以及k,m,n进行调整,研究参数变化对图像质量结果的影响。
S603:通过预设的指标判断参数对生成的图像质量进行判断,满足图像质量要求则继续进行后续步骤,不满足则回到步骤S602。
S604:将满足图像质量要求的参数,作为该参数最终的确定数值。
其中,衡量图像质量的指标为峰值信噪比(PSNR)、清晰度(sharpness)、对比度(contrast)和亮度(brightness)。其中关键指标PSNR的计算公式如下:
当PSNR值在30~40dB范围时,说明图像质量是满足要求的,在20-30dB范围时,说明图像质量较差,还不能满足要求。
其中,MAXI为图像像素点颜色的最大数值,MSE表示损失函数,损失函数的计算公式如下:
其中,I(i,j)表示的是标准图像像素点的颜色值,k(i,j)则表示目标图像即需要被处理的图像像素点的颜色值。
计算对比度(contrast)的方法为求图像的平均值,计算亮度(brightness)的方法为求图像的方差,具体公式如下:
constrast=mean(Y)
brightness=var(Y)
其中,mean()表示求平均值的函数,var()表示求方差的函数。
清晰度(sharpness)的计算方法为,先用Laplacian梯度函数提取图像所有方向的梯度,然后计算梯度的平均值,计算公式如下:
清晰度(sharpness)的计算公式中,Yi为使用Laplacian梯度函数提取Y通道图像边缘信息的亮度值。
在本发明的其中一个实施例中,采用默认设置n=1,k=1,m=1和c=2。在经过具体数值方法的确认后,获得n=1,k=6,m=2和c=n*k*m=12的最终参数结果。
实施采用如上所述的图像增强实施方法,其中增强前图像的PSNR和sharpness结果如表1所示:
表1
图像质量指标 | PSNR | sharpness |
增强前 | 361.202 | 6.946 |
其中,使用改进之前的方法,即使用原Laplace检测算子和原图像增强方法,增强后的图像PSNR和sharpness结果如表2所示:
表2
图像质量指标 | PSNR | sharpness |
增强后 | 33.687 | 8.768 |
而采用本方案的实施方法,采用改良的Laplace检测算子和改良的图像增强方法,参数值为n=1,k=6,m=2和c=n*k*m=12,增强后的图像PSNR和sharpness结果如表3所示:
表3
图像质量指标 | PSNR | sharpness |
增强后 | 30.312 | 10.308 |
参考图3,为了实现如上所述的一种基于边缘提取的彩色图像增强方法,本发明还提出了一种基于边缘提取的彩色图像增强系统,包括:
图像获取模块,用于获取的彩色图像的RGB图像,将所述RGB图像转换为YUV图像,获取YUV图像的Y通道图像;
边缘图像获取模块,用于通过改良的8邻域Laplace检测算子对所述Y通道图像进行边缘图像提取,获取边缘图像;
图像边缘锐化模块,用于对所述边缘图像进行边缘锐化,得到图像边缘锐化图;
边缘图像增强模块,用于通过改良的图像增强方法,增强图像边缘锐化图的边缘信息;
图像结果输出模块,用于将增强后的图像边缘图的Y通道图像转为RGB图像,输出所述RGB图像和图像边缘锐化图。
为了实现如上所述的一种基于边缘提取的彩色图像增强方法,本发明还提出了一种基于边缘提取的彩色图像增强系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如上所述的一种基于边缘提取的彩色图像增强方法。
本发明还提出了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行如上所述的一种基于边缘提取的彩色图像增强方法。
综上所述,相较于现有技术,本发明具有以下优点:
(1)本发明对Laplace检测算子本身进行了改进,引入参数k和n对该算子进行改进,使该检测算子具有了较强的噪声抑制能力。并且使用该改良后的Laplace检测算子对图像进行边缘提取。在保持原图像颜色的同时,提高了图像的清晰度,对图像清晰度的提升效果明显优于原Laplace检测算子。
(2)本发明对增强边缘锐化图信息的图像增强方法进行了改良,引入了参数c对原图像增强方法进行改进,调节图像的锐化程度,在提升图像清晰度的同时,防止图像过度锐化。
(3)本发明采用迭代的方法对影响方法效果的具体参数n、k、m和c进行处理,并获得确定的参数数值,从而取得更优化的图像增强结果。
对于上述方法实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (5)
1.一种基于边缘提取的彩色图像增强方法,其特征在于,包括以下步骤:
获取的彩色图像的RGB图像,将所述RGB图像转换为YUV图像,获取YUV图像的Y通道图像;
通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取,获取边缘图像;
对所述边缘图像进行边缘锐化,得到图像边缘锐化图;
通过改良的图像增强方法,增强图像边缘锐化图的边缘信息;
将增强后的图像边缘图的Y通道图像转为RGB图像,输出所述RGB图像和图像边缘锐化图;
所述对所述边缘图像进行边缘锐化,得到图像边缘锐化图这一步骤,根据Y通道数据的值,采用函数表达式对所述边缘图像进行边缘锐化,所述函数表达式为:
其中,EM()代表对所述边缘图像进行边缘锐化的函数;x为Y通道数据,m为放大系数,x1是边缘与噪声阈值,x2是强边缘阈值;
所述获取的彩色图像的RGB图像,将所述RGB图像转换为YUV图像,获取YUV图像的Y通道图像这一步骤,将RGB图像转换为YUV图像的公式为:
采用峰值信噪比、清晰度、对比度和亮度作为图像质量的衡量指标;
所述峰值信噪比和清晰度的计算公式为:
其中,PSNR表示峰值信噪比,sharpness表示清晰度,MAXI为图像像素点颜色的最大数值,MSE为损失函数,Yi为使用Laplacian梯度函数提取Y通道图像边缘信息的亮度值。
2.根据权利要求1所述的一种基于边缘提取的彩色图像增强方法,其特征在于:所述通过改良的Laplace检测算子对所述Y通道图像进行边缘图像提取,获取边缘图像这一步骤,包括以下改良Laplace检测算子的步骤:
将Laplace检测算子所有方向梯度乘以n;
将所述乘以n后的Laplace检测算子水平和垂直方向乘以k;
其中,k和n都是用于改良Laplace检测算子的预设参数。
3.根据权利要求1所述的一种基于边缘提取的彩色图像增强方法,其特征在于:所述通过改良的图像增强方法,增强图像边缘锐化图的边缘信息这一步骤,包括以下步骤:
获取Y通道图像亮度值;
通过所述Y通道图像亮度值和所述图像边缘锐化图,使用预设参数获取增强的Y通道图像的亮度值;
根据所述增强的Y通道图像的亮度值大小,通过预设的参数,对超过预设最大亮度值的亮度值进行降低亮度处理,对低于预设最小亮度值的亮度值进行提升亮度处理。
4.一种基于边缘提取的彩色图像增强系统,其特征在于:包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-3中任一项所述的一种基于边缘提取的彩色图像增强方法。
5.一种存储介质,其中存储有处理器可执行的指令,其特征在于,所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-3中任一项所述的一种基于边缘提取的彩色图像增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010006175.9A CN111210393B (zh) | 2020-01-03 | 2020-01-03 | 一种基于边缘提取的彩色图像增强方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010006175.9A CN111210393B (zh) | 2020-01-03 | 2020-01-03 | 一种基于边缘提取的彩色图像增强方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111210393A CN111210393A (zh) | 2020-05-29 |
CN111210393B true CN111210393B (zh) | 2023-05-09 |
Family
ID=70787787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010006175.9A Active CN111210393B (zh) | 2020-01-03 | 2020-01-03 | 一种基于边缘提取的彩色图像增强方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111210393B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488945B (zh) * | 2020-12-04 | 2024-04-26 | 珠海普生医疗科技有限公司 | 一种基于局部收敛的内窥镜图像增强方法 |
CN112991850A (zh) * | 2021-03-05 | 2021-06-18 | 江苏电子信息职业学院 | 一种双向选择式英语辅助教学系统 |
CN112913436A (zh) * | 2021-03-30 | 2021-06-08 | 西京学院 | 水肥一体化节水灌溉控制系统、方法、介质、设备及终端 |
CN113298939A (zh) * | 2021-04-08 | 2021-08-24 | 湖南科技大学 | 露天矿山边坡岩体结构面抗剪强度分级确定系统及方法 |
CN113273963A (zh) * | 2021-05-07 | 2021-08-20 | 中国人民解放军西部战区总医院 | 一种用于肝胆胰患者术后伤口止血系统及方法 |
CN113450281A (zh) * | 2021-07-09 | 2021-09-28 | 浙江省农业科学院 | 一种基于光电技术的黄瓜果型识别系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225209A (zh) * | 2015-10-29 | 2016-01-06 | Tcl集团股份有限公司 | 一种非均匀插值图像的锐化实现方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070223834A1 (en) * | 2006-03-23 | 2007-09-27 | Samsung Electronics Co., Ltd. | Method for small detail restoration in digital images |
EP3343501A1 (en) * | 2016-12-28 | 2018-07-04 | Karl-Franzens-Universität Graz | Method and device for image processing |
-
2020
- 2020-01-03 CN CN202010006175.9A patent/CN111210393B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225209A (zh) * | 2015-10-29 | 2016-01-06 | Tcl集团股份有限公司 | 一种非均匀插值图像的锐化实现方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111210393A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111210393B (zh) | 一种基于边缘提取的彩色图像增强方法、系统及存储介质 | |
EP3614333B1 (en) | Image processing method, storage medium, and electronic apparatus | |
CN104156921B (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
WO2020038124A1 (zh) | 图像对比度增强方法、装置、设备及存储介质 | |
WO2008073854A1 (en) | Robust feature extraction for color and grayscale images | |
CN109447912B (zh) | 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 | |
CN110796626B (zh) | 图像锐化方法及装置 | |
CN108389215B (zh) | 一种边缘检测方法、装置、计算机存储介质及终端 | |
Su et al. | Low light image enhancement based on two-step noise suppression | |
CN107292834B (zh) | 红外图像细节增强方法 | |
CN111105371A (zh) | 一种低对比度红外图像的增强方法 | |
CN112116542B (zh) | 图像对比度增强方法、装置、电子设备和存储介质 | |
Ngo et al. | Nonlinear unsharp masking Algorithm | |
CN115660976A (zh) | 图像处理方法、装置、设备和计算机可读存储介质 | |
CN116310420A (zh) | 一种基于邻域差值的图像相似度度量方法及装置 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN109903275B (zh) | 一种基于自适应多尺度滤波和直方图对比的酒醅发霉区域检测方法 | |
CN109035228B (zh) | 一种非等厚构件的x射线图像处理方法 | |
CN113592750B (zh) | 一种基于梯度直方图的红外增强方法 | |
EP4091130A1 (en) | Variable clipping level calculation method for clahe algorithm | |
CN113344810A (zh) | 基于动态数据分布的图像增强方法 | |
CN108805883B (zh) | 一种图像分割方法、图像分割装置及电子设备 | |
CN116343051A (zh) | 一种基于遥感影像的地质环境监测方法及系统 | |
CN112085683B (zh) | 一种显著性检测中的深度图可信度检测方法 | |
Peng et al. | Detail enhancement for infrared images based on propagated image filter |
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 |