CN111242876B - 低对比度图像增强方法、装置及计算机可读存储介质 - Google Patents

低对比度图像增强方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN111242876B
CN111242876B CN202010051909.5A CN202010051909A CN111242876B CN 111242876 B CN111242876 B CN 111242876B CN 202010051909 A CN202010051909 A CN 202010051909A CN 111242876 B CN111242876 B CN 111242876B
Authority
CN
China
Prior art keywords
image
low
domain
frequency
equalization
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
Application number
CN202010051909.5A
Other languages
English (en)
Other versions
CN111242876A (zh
Inventor
何宁
刘佳敏
张聪聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Union University
Original Assignee
Beijing Union University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Union University filed Critical Beijing Union University
Priority to CN202010051909.5A priority Critical patent/CN111242876B/zh
Publication of CN111242876A publication Critical patent/CN111242876A/zh
Application granted granted Critical
Publication of CN111242876B publication Critical patent/CN111242876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种低对比度图像增强方法、装置及计算机可读存储介质，该方法包括：获取待处理的图像；对所述图像进行均衡化处理；对均衡化处理后得到的图像进行傅里叶变换，在频域中利用改进后的同态滤波函数对图像进行增强；用傅立叶反变换将所述同态滤波后的图像反变换到图像域。本发明提供的低对比度图像增强方法，对图像的处理准确性高，效率高，解决了利用传统同态滤波函数处理图像后出现的图像细节模糊，轮廓不清晰的问题，不仅能满足人的视觉需求，而且对低对比度图像增强的普适性好。

Description

低对比度图像增强方法、装置及计算机可读存储介质
技术领域
本发明涉及图像处理技术领域，尤其是涉及一种低对比度图像增强方法、装置及计算机可读存储介质。
背景技术
目前，直方图均衡算法对图像全局像素进行直方图变换，对像素值分布均匀的图像效果很好，但如果图像包含比图像其他区域更暗或更亮的部分，这些部分的对比度将不会得到有效增强，也可能导致图像中对比度抑制和中小型物体的消失，减少图像信息。自适应直方图均衡(AHE)能有效提高图像对比度。然而，该算法存在图像同一区域噪声过大的问题。
发明内容
本发明的目的在于提供一种低对比度图像增强方法、装置及计算机可读存储介质。
为解决上述技术问题，本发明提供的低对比度图像增强方法，包括：
获取待处理的图像；
对所述图像进行均衡化处理；
对均衡化处理后得到的图像进行傅里叶变换，在频域中利用改进后的同态滤波函数对图像进行增强，得到增强后的图像；
用傅立叶反变换将所述同态滤波后的图像反变换到图像域。
进一步地，所述对所述图像进行均衡化处理，包括：利用对比度约束的自适应直方图均衡方法对所述图像进行均衡化处理。
进一步地，所述改进后的同态滤波函数，为
Hg(i，j)＝a+bH(i，j)。
进一步地，所述对均衡化处理后得到的图像进行傅里叶变换，公式为
G(i，j)＝Hg(i，j)F(x，y)＝Hg(i，j)[I(x，y)+R(x，y)]
＝[a+bH(i，j)][I(x，y)+R(x，y)]
＝aI(x，y)+aR(x，y)+bH(i，j)I(x，y)+bH(i，j)R(x，y)
其中，G表示频域中增强后的图像，x，y与i，j分别表示数域与频域中图像的像素坐标，F表示原图像，Hg表示改进同态滤波a是调整低频分量的系数，b是调整高频分量的系数，I为低频项，R为高频项。
进一步地，所述用傅立叶反变换将所述同态滤波后的图像变换到图像域，公式为：
g(x，y)＝F-1[Gg(i，j)]-i′(x，y)+r′(x，y)
s(x，y)＝eg(x，y)＝i0(x，y)+r0(x，y)。
其中，g(x，y)表示数域中增强后的图像，F-1表示傅立叶反变换，i′，r′分别表示数域中增强后的低频分量与高频分量，s(x，y)表示增强效果图，i0，r0分别表示增强图像的入射分量、反射分量。
根据本申请实施例的另一方面，还提供了一种低对比度图像增强装置，包括：
获取模块，用于获取待处理的图像；
均衡化处理模块，用于对所述图像进行均衡化处理；
滤波模块，用于对均衡化处理后得到的图像进行傅里叶变换，在频域中利用改进后的同态滤波函数对图像进行增强，得到增强后的图像；
反变换模块，用于用傅立叶反变换将所述同态滤波后的图像反变换到图像域。
进一步地，所述均衡化处理模块具体用于利用对比度约束的自适应直方图均衡方法对所述图像进行均衡化处理。
根据本申请实施例的另一方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现上述的低对比度图像增强方法。
根据本申请实施例的另一方面，还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现上述的低对比度图像增强方法。
采用上述技术方案，本发明具有如下有益效果：
本发明提供的低对比度图像增强方法，对图像的处理准确性高，效率高，解决了利用传统同态滤波函数处理图像后出现的图像细节模糊，轮廓不清晰的问题，不仅能满足人的视觉需求，而且对低对比度图像增强的普适性好。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。
图1为本发明实施例提供的低对比度图像增强方法的流程图；
图2为本发明实施例提供的低对比度图像增强装置的结构框图；
图3为本发明实施例中的改进后的同态滤波函数的曲线图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面结合具体的实施方式对本发明做进一步的解释说明。
如图1所示，本实施例提供的低对比度图像增强方法，包括：
步骤1)：获取待处理的图像。
例如，接收输入的待处理的图像。
步骤2)：对所述图像进行均衡化处理。
在某些实施方式中，利用对比度约束的自适应直方图均衡(CLAHE)方法对图像进行均衡化处理。
对比度约束的自适应直方图均衡(CLAHE)方法可以有效地限制噪声放大。
步骤3)：对均衡化处理后得到的图像进行傅里叶变换，在频域中利用改进后的同态滤波函数对图像进行增强，得到增强后的图像。
同态滤波的高斯低通滤波函数为：
改进后的同态滤波函数为：
Hg(i,j)＝a+bH(i,j) (2)
改进后的同态滤波函数的曲线图如图3所示。
对图像进行傅里叶变换得到：
由式(3)可知：
其中，G表示频域中增强后的图像，x，y与i，j分别表示数域与频域中图像的像素坐标，F表示原图像，Hg表示改进同态滤波a是调整低频分量的系数，b是调整高频分量的系数,I为低频项，R为高频项。
利用该函数进行滤波后,不但能在保留低频分量I的同时，还能对高频项R进行增强，从而使图像边缘的轮廓更加清晰，有助于表现出图像中暗处的细节。
步骤4)用傅立叶反变换将同态滤波后的图像反变换到图像域，得到结果如下：
g(x,y)＝F-1[Gg(i,j)]-i′(x,y)+r′(x,y) (4)
其中，F-1傅立叶反变换，i′表示变换后的入射分量，r′表示变换后的反射分量。对g(x,y)进行指数运算得：
s(x,y)＝eg(x,y)＝i0(x,y)+r0(x,y) (5)
对于光照不均匀的图像，同态滤波既可以实现亮度调节，又可以提高对比度，从而提高图像质量。但图像经过同态滤波处理后图像细节出现模糊，轮廓不清晰现象。改进后的同态滤波函数有效解决了传统同态滤波方法所存在的缺陷，解决了利用传统同态滤波函数处理图像后出现的图像细节模糊，轮廓不清晰的问题。
本实施例提供的低对比度图像增强方法，对图像的处理准确性高，效率高，解决了利用传统同态滤波函数处理图像后出现的图像细节模糊，轮廓不清晰的问题，不仅能满足人的视觉需求，而且对低对比度图像增强的普适性好。
本实施例还提供了一种低对比度图像增强装置，包括：
获取模块100，用于获取待处理的图像；
均衡化处理模块200，用于对所述图像进行均衡化处理；
滤波模块300，用于对均衡化处理后得到的图像进行傅里叶变换，在频域中利用改进后的同态滤波函数对图像进行增强，得到增强后的图像；
反变换模块400，用于用傅立叶反变换将所述同态滤波后的图像反变换到图像域。
在某些实施方式中，所述均衡化处理模块具体用于利用对比度约束的自适应直方图均衡方法对所述图像进行均衡化处理。
本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现上述的低对比度图像增强方法。
本实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现上述的低对比度图像增强方法。
需要说明的是：
术语“模块”并非意图受限于特定物理形式。取决于具体应用，模块可以实现为硬件、固件、软件和/或其组合。此外，不同的模块可以共享公共组件或甚至由相同组件实现。不同模块之间可以存在或不存在清楚的界限。
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。本申请所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述实施例仅表达了本申请的实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (7)

1.一种低对比度图像增强方法，其特征在于，包括：
获取待处理的图像；
对所述图像进行均衡化处理；
对均衡化处理后得到的图像进行傅里叶变换，在频域中利用改进后的同态滤波函数对图像进行增强，得到增强后的图像；
所述改进后的同态滤波函数，为
Hg(i，j)＝a+bH(i，j).
所述对均衡化处理后得到的图像进行傅里叶变换，公式为
G(i，j)＝Hg(i，j)F(x，y)＝Hg(i，j)[I(x，y)+R(x，y)]
＝[a+bH(i，j)][I(x，y)+R(x，y)]
＝aI(x，y)+aR(x，y)+bH(i，j)I(x，y)+bH(i，j)R(x，y)；
其中，G表示频域中增强后的图像；x，y与i，j分别表示数域与频域中图像的像素坐标；F表示原图像；Hg表示改进同态滤波；a是调整低频分量的系数；b是调整高频分量的系数；I为低频项，R为高频项；
用傅立叶反变换将所述同态滤波后的图像反变换到图像域。
2.根据权利要求1所述的方法，其特征在于，所述对所述图像进行均衡化处理，包括：利用对比度约束的自适应直方图均衡方法对所述图像进行均衡化处理。
3.根据权利要求1所述的方法，其特征在于，所述用傅立叶反变换将所述同态滤波后的图像反变换到图像域，公式为：
g(x，y)＝F-1[Gg(i，j)]-i′(x，y)+r′(x，y)
s(x，y)＝eg(x，y)＝i0(x，y)+r0(x，y)；
其中，g(x，y)表示数域中增强后的图像，F-1表示傅立叶反变换，i′，r′分别表示数域中增强后的低频分量与高频分量，s(x，y)表示增强效果图，i0，r0分别表示增强图像的入射分量、反射分量。
4.一种低对比度图像增强装置，其特征在于，包括：
获取模块，用于获取待处理的图像；
均衡化处理模块，用于对所述图像进行均衡化处理；
滤波模块，用于对均衡化处理后得到的图像进行傅里叶变换，在频域中利用改进后的同态滤波函数对图像进行增强，得到增强后的图像；
所述改进后的同态滤波函数，为
Hg(i，j)＝a+bH(i，j)；
所述对均衡化处理后得到的图像进行傅里叶变换，公式为
G(i，j)＝Hg(i，j)F(x，y)＝Hg(i，j)[I(x，.y)+R(x，y)]
＝[a+bH(i，j)][I(x，y)+R(x，y)]
＝aI(x，y)+aR(x，y)+bH(i，j)I(x，y)+bH(i，j)R(x，y)
其中，G表示频域中增强后的图像；x，y与i，j分别表示数域与频域中图像的像素坐标；F表示原图像；Hg表示改进同态滤波；a是调整低频分量的系数；b是调整高频分量的系数；I为低频项，R为高频项；
反变换模块，用于用傅立叶反变换将所述同态滤波后的图像反变换到图像域。
5.根据权利要求4所述的装置，其特征在于，所述均衡化处理模块具体用于利用对比度约束的自适应直方图均衡方法对所述图像进行均衡化处理。
6.一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，该程序被处理器执行，以实现如权利要求1-3中任一所述的低对比度图像增强方法。
7.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-3中任一所述的低对比度图像增强方法。
CN202010051909.5A 2020-01-17 2020-01-17 低对比度图像增强方法、装置及计算机可读存储介质 Active CN111242876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010051909.5A CN111242876B (zh) 2020-01-17 2020-01-17 低对比度图像增强方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010051909.5A CN111242876B (zh) 2020-01-17 2020-01-17 低对比度图像增强方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111242876A CN111242876A (zh) 2020-06-05
CN111242876B true CN111242876B (zh) 2023-10-03

Family

ID=70866392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010051909.5A Active CN111242876B (zh) 2020-01-17 2020-01-17 低对比度图像增强方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111242876B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094913B (zh) * 2023-10-17 2024-03-01 深圳市城市交通规划设计研究中心股份有限公司 一种非均匀光照下沥青路面检测图像质量提升方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009153717A2 (en) * 2008-06-20 2009-12-23 Nxp B.V. Digital image restoration
CN102903081A (zh) * 2012-09-07 2013-01-30 西安电子科技大学 基于rgb彩色模型的低光照图像增强方法
CN105956600A (zh) * 2016-04-15 2016-09-21 南京理工大学 复杂背景下基于椭圆拟合和svm的螺栓识别方法
CN106373104A (zh) * 2016-09-07 2017-02-01 河海大学常州校区 岩石钻孔图像的自适应增强方法
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
KR20180049579A (ko) * 2016-11-03 2018-05-11 한국전기연구원 전자소자 방사선 검사장치의 결함 강조 영상 처리 방법
CN109816609A (zh) * 2019-01-31 2019-05-28 领航基因科技（杭州）有限公司 一种基于傅里叶变换的数字pcr图像还原方法及其应用
CN110140150A (zh) * 2016-12-24 2019-08-16 华为技术有限公司 一种图像处理方法、装置以及终端设备
CN110675332A (zh) * 2019-08-20 2020-01-10 广东技术师范大学 一种金属腐蚀图像质量的增强方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009153717A2 (en) * 2008-06-20 2009-12-23 Nxp B.V. Digital image restoration
CN102903081A (zh) * 2012-09-07 2013-01-30 西安电子科技大学 基于rgb彩色模型的低光照图像增强方法
CN105956600A (zh) * 2016-04-15 2016-09-21 南京理工大学 复杂背景下基于椭圆拟合和svm的螺栓识别方法
CN106373104A (zh) * 2016-09-07 2017-02-01 河海大学常州校区 岩石钻孔图像的自适应增强方法
KR20180049579A (ko) * 2016-11-03 2018-05-11 한국전기연구원 전자소자 방사선 검사장치의 결함 강조 영상 처리 방법
CN110140150A (zh) * 2016-12-24 2019-08-16 华为技术有限公司 一种图像处理方法、装置以及终端设备
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
CN109816609A (zh) * 2019-01-31 2019-05-28 领航基因科技（杭州）有限公司 一种基于傅里叶变换的数字pcr图像还原方法及其应用
CN110675332A (zh) * 2019-08-20 2020-01-10 广东技术师范大学 一种金属腐蚀图像质量的增强方法

Also Published As

Publication number Publication date
CN111242876A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
Dabov et al. Image restoration by sparse 3D transform-domain collaborative filtering
JP6735417B2 (ja) 表示パネルの自動光学検出におけるバックグラウンド抑制方法及び検出装置
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
CN111368661B (zh) 一种基于图像处理的手指静脉图像增强方法
CN109389560B (zh) 一种自适应加权滤波图像降噪方法、装置及图像处理设备
WO2014169579A1 (zh) 一种色彩增强方法及装置
CN103854264A (zh) 一种基于改进型阈值函数的小波变换图像去噪方法
CN108961172B (zh) 一种基于Gamma校正的图像对比度增强方法
CN106815821A (zh) 近红外图像的去噪方法和装置
CN103020916A (zh) 一种二维希尔伯特变换和bemd结合的图像去噪方法
CN110246088A (zh) 基于小波变换的图像亮度降噪方法及其图像降噪系统
CN104616259B (zh) 一种噪声强度自适应的非局部均值图像去噪方法
CN111242876B (zh) 低对比度图像增强方法、装置及计算机可读存储介质
KR102106073B1 (ko) 영상 처리 방법 및 영상 처리 장치
CN101655973A (zh) 一种基于人眼视觉特征的图像增强方法
CN104835127A (zh) 一种自适应平滑滤波方法
CN109919922B (zh) 一种基于空间域与形态学相结合的硅硅直接键合的质量检测方法
KR20140109801A (ko) 3d이미지 품질을 향상시키는 방법과 장치
CN111192204A (zh) 一种图像增强方法、系统和计算机可读存储介质
CN110717869B (zh) 一种水下浑浊图像清晰化方法
CN116579953A (zh) 自监督的水面图像增强方法及相关设备
CN115829967A (zh) 一种工业金属表面缺陷图像去噪和增强方法
CN109698892A (zh) 一种视频图像锐化方法和图像处理设备
CN112785520B (zh) Ct图像伪影去除方法
CN110992294B (zh) 一种类纸显示器的图像对比度提升方法

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
GR01 Patent grant
GR01 Patent grant