CN111445419A - 一种基于数学形态学的医学内窥镜图像增强方法 - Google Patents
一种基于数学形态学的医学内窥镜图像增强方法 Download PDFInfo
- Publication number
- CN111445419A CN111445419A CN202010274535.3A CN202010274535A CN111445419A CN 111445419 A CN111445419 A CN 111445419A CN 202010274535 A CN202010274535 A CN 202010274535A CN 111445419 A CN111445419 A CN 111445419A
- Authority
- CN
- China
- Prior art keywords
- image
- color space
- brightness
- medical endoscope
- method based
- 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 26
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 230000000877 morphologic effect Effects 0.000 claims abstract description 25
- 230000010339 dilation Effects 0.000 claims description 8
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 230000003628 erosive effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000002324 minimally invasive surgery 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
- 210000000056 organ Anatomy 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
- 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
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- 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
- G06T2207/10068—Endoscopic 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
- G06T2207/20036—Morphological image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明是一种基于数学形态学的医学内窥镜图像增强方法,基于HSI和形态学滤波实现医学内窥镜图像增强,其具体步骤如下:步骤1,读取原始图像,并将该图像的色彩空间转换成HIS色彩空间;步骤2,保持图像的色调H和饱和度S不变,对亮度I进行形态学滤波来实现亮度细节增强;步骤3,将处理后的图像像素值从HIS颜色空间转换回RGB颜色空间。该方法能够对彩色医学内窥镜图像的亮度分量进行适当增强,对比原始图像和增强后的效果,轮廓和细节更为突出,图像清晰、颜色鲜明,且基本避免了引入过多的图像噪声。
Description
技术领域
本发明涉及图像处理算法技术领域,具体的说是一种基于数学形态学的医学内窥镜图像增强方法。
背景技术
在微创手术中,医生需要根据内窥镜图像进行诊断,内窥镜图像的质量在医学诊断中的作用至关重要。但是,医学内窥镜影像系统所采集彩色图像,在获取过程中不可避免地会产生降质和退化,为了改善图像的显示效果、抑制噪声、突出图像中的有用细节,需要对其进行增强处理,使之更适合医生观察和做出诊断。
医学内窥镜图像对于噪声相当敏感,传统的图像增强算法往往在增强图像边缘以及细节信息的同时,也不可避免地放大了图像中的噪声。因此,引入形态学的滤波方法来实现内窥镜图像增强是一个理想的方法。形态学滤波方法是基于数学形态学的非线性滤波方法,主要应用于图像处理领域,其基本思想是利用结构元素对图像进行“探测”,保留与结构元素相符合的结构,去掉不符合的结构(如噪声、毛刺等),达到增强更多图像细节的同时有效地降低噪声。
同时,为了区别人体中结构相似、颜色相近的组织和器官,医学内窥镜对成像的色彩还原的质量要求也非常高。目前,基于形态学的彩色图像增强主要采用来源于经典形态学的增强方法,其原理是将RGB彩色图像分解成是由红、绿、蓝三个单通量的单色图像,然后利用经典的灰度形态学分别处理这三幅单色图像,最后再将处理结果还原为RGB彩色图像。如文献《基于多尺度top-hat变换的自适应彩色图像增强[J]》,安静,张贵仓,刘燕妮.计算机工程与科学,2017,39(07):1317-1321.中在RGB空间提出一种基于数学形态学top-hat算法,以各分量标准差权重比例为调控因子的彩色图像增强方法,该方法在显著的提高彩色图像对比度的同时,也有着明显地不足,即没有考虑彩色图像R、G、B三个通道的相关性,把三个颜色通道的图像当做没有联系的独立图像分别处理会导致增强后的图像存在严重的色彩失真。
发明内容
本发明要解决的技术问题是提供一种基于数学形态学的医学内窥镜图像增强方法,该种方法为一种在HSI颜色空间中基于形态学的彩色内窥镜图像增强方法,能够保证增强后的彩色图像具有更明显的纹理细节,减少增强后的彩色图像的颜色失真,同时大大减少由图像增强引起的噪声信息。
为解决上述技术问题,本发明采用的技术方案为:
一种基于数学形态学的医学内窥镜图像增强方法,其特征在于:基于HSI和形态学滤波实现医学内窥镜图像增强,其具体步骤如下:
步骤1,读取原始图像,并将该图像的色彩空间转换成HIS色彩空间;
步骤2,保持图像的色调H和饱和度S不变,对亮度I进行形态学滤波来实现亮度细节增强;
步骤3,将处理后的图像像素值从HIS颜色空间转换回RGB颜色空间。
所述的步骤1中对于原始图片中任一像素的RGB值,对应的H、S、I分量可以使用以下公式得到:
式中,H表示像素点的色调值;S表示像素点的饱和度值;I表示像素点的亮度值;R、G、B分别表示像素点的红、绿、蓝颜色分量;R、G、B∈[0,1];S、I∈[0,1];H∈[0°,360°]。
所述的步骤2中对亮度I进行形态学滤波来实现亮度细节增强的具体步骤如下:
设f(x,y)是灰度图像,b(u,v)是形态学滤波所需的结构元素,则b(u,v)对f(x,y)的腐蚀和膨胀定义分别如下:
b(u,v)对f(x,y)的开运算和闭运算定义分别如下:
根据需求定义形态学滤波操作如下:
其中,D表示经过滤波得到图像细节信息,I为输入的图像的亮度图;b1、b2分别表示不同尺度的结构元素;
将亮度图I与亮度细节图D叠加,得到新的亮度细节增强图像。
所述的用于表示不同尺度的结构元素b1、b2具体表示方式如下:
b1、b2分别使用了3×3和5×5的圆形结构,用于检测到图像中不同方向上的结构细节信息并提取图像中的细节。
所述的步骤3中图像像素值从HIS颜色空间转换回RGB颜色空间的具体方式如下:
图像像素值从HIS颜色空间转换回RGB颜色空间的转换公式为:
当0°≤H≤120°时:
当120°≤H≤240°时:
H=H-120°
当240°≤H≤360°时:
H=H-240°
该种基于数学形态学的医学内窥镜图像增强方法能够产生的有益效果为:根据人对颜色的心理感受,选择了适合进行图像处理的颜色空间。基于形态学滤波理论,对彩色医学内窥镜图像的亮度分量进行适当增强,对比原始图像和增强后的效果,轮廓和细节更为突出,图像清晰、颜色鲜明,且基本避免了引入过多的图像噪声。
附图说明
图1为本发明一种基于数学形态学的医学内窥镜图像增强方法的流程示意图。
图2为本发明一种基于数学形态学的医学内窥镜图像增强方法的输入原图示例。
图3为本发明一种基于数学形态学的医学内窥镜图像增强方法的输出图示例。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述。
如图1所示,一种基于数学形态学的医学内窥镜图像增强方法,其特征在于:基于HSI和形态学滤波实现医学内窥镜图像增强,其具体步骤如下:
步骤1,读取原始图像,并将该图像的色彩空间转换成HIS色彩空间;
利用内窥镜的摄像模组采集彩色图像数据,如图2所示,然后,读取待处理的彩色图像数据,并将其对应到RGB色彩空间,即将彩色图像的像素用该色彩空间的矢量表示,而每个彩色矢量均有红、绿、蓝分别对应R、G、B三种色彩分量表示。最后,将图像从RGB色彩空间转换成HIS色彩空间。RGB色彩空间是在三基色理论基础上得到的混合色彩空间,它使用不同数量的R、G、B三种基色相加产生不同的颜色。HIS色彩空间是一种直观的颜色模型,它根据人眼的视觉特性,用色调H、饱和度S、亮度I来描述色彩。将原始图像从RGB色彩空间转换到符合人眼视觉特性的HIS色彩空间进行处理,可以避免传统方法在RGB色彩空间中分别对三个颜色通道进行滤波而导致的颜色失真问题,使增强后的图像更加符合人眼视觉特性。RGB以及HIS是同一光学物理量的不同表示方式,因此它们之间可以相互转换。对于原图片中的任意的一对RGB值,对应的H、S、I分量可以使用以下公式得到:
式中,H表示像素点的色调值;S表示像素点的饱和度值;I表示像素点的亮度值;R、G、B分别表示像素点的红、绿、蓝颜色分量。R、G、B∈[0,1];S、I∈[0,1];H∈[0°,360°]。
步骤2,保持图像的色调H和饱和度S不变,对亮度I进行形态学滤波来实现亮度细节增强;
形态学基本操作包括腐蚀、膨胀、开运算和闭运算。设f(x,y)是一幅灰度图像,b(u,v)是形态学滤波所需的结构元素,则b(u,v)对f(x,y)的腐蚀和膨胀定义分别如下:
b(u,v)对f(x,y)的开运算和闭运算定义分别如下:
选择多尺度的结构元素来形态学滤波,根据上述四种形态学操作的不同组合来实现对亮度图I的细节信息提取,然后将提取到的细节信息与原亮度图相叠加,实现亮度图的结构增强。
利用数学形态学腐蚀和开运算组成的滤波器可以抑制图像中的峰值噪声,而利用数学形态学膨胀和闭运算可以抑制图像中的低谷噪声。由此,可以将上述两种滤波器结合起来,得到一种抗噪型数学形态学滤波器,定义使用的形态学滤波操作如下:
它表示由数学形态学膨胀腐蚀和开运算闭运算混合运算组成的改进型抗噪数学形态学滤波器,可以同时抑制图像中的峰值和低谷噪声。其中,D表示经过滤波得到图像细节信息,I为输入的图像的亮度图;其中的膨胀、腐蚀、开、闭运算已由前述公式定义;b1、b2分别表示不同尺度的结构元素,如下所示:
b1、b2分别使用了3×3和5×5的圆形结构,可以检测到图像中不同方向上的结构细节信息,最大程度的提取图像中的细节。
然后,将亮度图I与亮度细节图D叠加,这样就得到了新的亮度细节增强图像。
步骤3,将处理后的图像像素值从HIS颜色空间转换回RGB颜色空间。
图像像素值从HIS颜色空间转换回RGB颜色空间的转换公式为:
当0°≤H≤120°时:
当120°≤H≤240°时:
H=H-120°
当240°≤H≤360°时:
H=H-240°
最终输出得到如图3所示的处理后图片,与图2所示的原图相比,对彩色医学内窥镜图像的亮度分量进行适当增强,对比原始图像和增强后的效果,轮廓和细节更为突出,图像清晰、颜色鲜明,且基本避免了引入过多的图像噪声。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (5)
1.一种基于数学形态学的医学内窥镜图像增强方法,其特征在于:基于HSI和形态学滤波实现医学内窥镜图像增强,其具体步骤如下:
步骤1,读取原始图像,并将该图像的色彩空间转换成HIS色彩空间;
步骤2,保持图像的色调H和饱和度S不变,对亮度I进行形态学滤波来实现亮度细节增强;
步骤3,将处理后的图像像素值从HIS颜色空间转换回RGB颜色空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274535.3A CN111445419A (zh) | 2020-04-09 | 2020-04-09 | 一种基于数学形态学的医学内窥镜图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274535.3A CN111445419A (zh) | 2020-04-09 | 2020-04-09 | 一种基于数学形态学的医学内窥镜图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111445419A true CN111445419A (zh) | 2020-07-24 |
Family
ID=71651805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010274535.3A Pending CN111445419A (zh) | 2020-04-09 | 2020-04-09 | 一种基于数学形态学的医学内窥镜图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445419A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112788300A (zh) * | 2021-01-20 | 2021-05-11 | 肖志宏 | 一种新型关节腔内窥镜及其控制方法 |
CN113298737A (zh) * | 2021-07-09 | 2021-08-24 | 青岛海泰新光科技股份有限公司 | 一种内窥镜图像增强算法 |
CN113301319A (zh) * | 2021-04-27 | 2021-08-24 | 大连东软信息学院 | 一种在fpga上实现的图像色彩增强方法及设备 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008108118A (ja) * | 2006-10-26 | 2008-05-08 | Honda Motor Co Ltd | 画像処理装置 |
US20080144946A1 (en) * | 2006-12-19 | 2008-06-19 | Stmicroelectronics S.R.L. | Method of chromatic classification of pixels and method of adaptive enhancement of a color image |
CN101408941A (zh) * | 2008-10-20 | 2009-04-15 | 中国科学院遥感应用研究所 | 遥感图像多尺度分割及分割结果的层次结构表示方法 |
CN102231206A (zh) * | 2011-07-14 | 2011-11-02 | 浙江理工大学 | 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 |
CN102800051A (zh) * | 2012-03-28 | 2012-11-28 | 中南大学 | 基于分数阶微分的自适应浮选泡沫图像增强方法 |
CN105931217A (zh) * | 2016-04-05 | 2016-09-07 | 李红伟 | 一种基于图像处理技术的机场道面fod异物检测方法 |
CN106056565A (zh) * | 2016-05-31 | 2016-10-26 | 北京航空航天大学 | 一种基于多尺度形态学双边滤波分解和对比度压缩的mri与pet图像融合方法 |
CN106157263A (zh) * | 2016-07-01 | 2016-11-23 | 哈尔滨工业大学 | 一种嵌入式手背静脉图像增强装置及增强方法 |
CN106504212A (zh) * | 2016-11-07 | 2017-03-15 | 湖南源信光电科技有限公司 | 一种改进的hsi空间信息低照度彩色图像增强算法 |
CN107392904A (zh) * | 2017-07-28 | 2017-11-24 | 陆杰 | 一种基于数学形态学的医学图像的分割算法 |
CN107945177A (zh) * | 2017-12-15 | 2018-04-20 | 日照职业技术学院 | 一种用于机器人视觉系统检测判断物料的方法 |
CN108182374A (zh) * | 2016-12-08 | 2018-06-19 | 广州映博智能科技有限公司 | 一种针对果实串的采摘点识别方法 |
CN109685742A (zh) * | 2018-12-29 | 2019-04-26 | 哈尔滨理工大学 | 一种暗光环境下的图像增强方法 |
CN110111350A (zh) * | 2019-04-24 | 2019-08-09 | 桂林航天工业学院 | 一种焊接熔池边缘检测方法、装置及存储介质 |
CN110796626A (zh) * | 2019-11-13 | 2020-02-14 | 中国电子科技集团公司信息科学研究院 | 图像锐化方法及装置 |
CN110910317A (zh) * | 2019-08-19 | 2020-03-24 | 北京理工大学 | 一种舌象图像增强方法 |
-
2020
- 2020-04-09 CN CN202010274535.3A patent/CN111445419A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008108118A (ja) * | 2006-10-26 | 2008-05-08 | Honda Motor Co Ltd | 画像処理装置 |
US20080144946A1 (en) * | 2006-12-19 | 2008-06-19 | Stmicroelectronics S.R.L. | Method of chromatic classification of pixels and method of adaptive enhancement of a color image |
CN101408941A (zh) * | 2008-10-20 | 2009-04-15 | 中国科学院遥感应用研究所 | 遥感图像多尺度分割及分割结果的层次结构表示方法 |
CN102231206A (zh) * | 2011-07-14 | 2011-11-02 | 浙江理工大学 | 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法 |
CN102800051A (zh) * | 2012-03-28 | 2012-11-28 | 中南大学 | 基于分数阶微分的自适应浮选泡沫图像增强方法 |
CN105931217A (zh) * | 2016-04-05 | 2016-09-07 | 李红伟 | 一种基于图像处理技术的机场道面fod异物检测方法 |
CN106056565A (zh) * | 2016-05-31 | 2016-10-26 | 北京航空航天大学 | 一种基于多尺度形态学双边滤波分解和对比度压缩的mri与pet图像融合方法 |
CN106157263A (zh) * | 2016-07-01 | 2016-11-23 | 哈尔滨工业大学 | 一种嵌入式手背静脉图像增强装置及增强方法 |
CN106504212A (zh) * | 2016-11-07 | 2017-03-15 | 湖南源信光电科技有限公司 | 一种改进的hsi空间信息低照度彩色图像增强算法 |
CN108182374A (zh) * | 2016-12-08 | 2018-06-19 | 广州映博智能科技有限公司 | 一种针对果实串的采摘点识别方法 |
CN107392904A (zh) * | 2017-07-28 | 2017-11-24 | 陆杰 | 一种基于数学形态学的医学图像的分割算法 |
CN107945177A (zh) * | 2017-12-15 | 2018-04-20 | 日照职业技术学院 | 一种用于机器人视觉系统检测判断物料的方法 |
CN109685742A (zh) * | 2018-12-29 | 2019-04-26 | 哈尔滨理工大学 | 一种暗光环境下的图像增强方法 |
CN110111350A (zh) * | 2019-04-24 | 2019-08-09 | 桂林航天工业学院 | 一种焊接熔池边缘检测方法、装置及存储介质 |
CN110910317A (zh) * | 2019-08-19 | 2020-03-24 | 北京理工大学 | 一种舌象图像增强方法 |
CN110796626A (zh) * | 2019-11-13 | 2020-02-14 | 中国电子科技集团公司信息科学研究院 | 图像锐化方法及装置 |
Non-Patent Citations (6)
Title |
---|
HUI XU ET AL: "Edge detection of color image using mathematical morphology in HSV color space", 《PROCEEDINGS OF 2012 2ND INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND NETWORK TECHNOLOGY》 * |
党士许等: "基于改进亚像素边缘提取的一种异性纤维检测方法", 《计算机与数字工程》 * |
李智等: "基于小波变换和形态学的医学图像边缘检测", 《信息技术》 * |
王小鹏等: "形态学边缘检测和区域生长相结合的遥感图像水体分割", 《测绘科学技术学报》 * |
莫德举等: "《数字图像处理》", 31 January 2010 * |
郭宝龙,孙伟主编: "《数字图像处理系统工程导论》", 31 July 2012 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112788300A (zh) * | 2021-01-20 | 2021-05-11 | 肖志宏 | 一种新型关节腔内窥镜及其控制方法 |
CN113301319A (zh) * | 2021-04-27 | 2021-08-24 | 大连东软信息学院 | 一种在fpga上实现的图像色彩增强方法及设备 |
CN113298737A (zh) * | 2021-07-09 | 2021-08-24 | 青岛海泰新光科技股份有限公司 | 一种内窥镜图像增强算法 |
CN113298737B (zh) * | 2021-07-09 | 2022-08-30 | 青岛海泰新光科技股份有限公司 | 一种内窥镜图像增强算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445419A (zh) | 一种基于数学形态学的医学内窥镜图像增强方法 | |
KR101007101B1 (ko) | 적응형 톤 매핑 장치 및 방법, 그리고 이를 이용한 영상 처리 시스템 | |
JP2011216083A (ja) | デジタル画像を処理する方法、デジタル入力画像を拡大する方法およびデジタル入力画像を平滑化する方法 | |
CN107451963B (zh) | 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统 | |
CN105931206B (zh) | 一种颜色恒常的彩色图像清晰度增强方法 | |
CN107862672B (zh) | 图像去雾的方法及装置 | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN113298737B (zh) | 一种内窥镜图像增强算法 | |
CN112233024B (zh) | 基于差异特征色彩映射的中长波双波段红外图像融合方法 | |
JP2020145553A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN112734679A (zh) | 一种医学手术视频图像的融合去雾方法 | |
CN111815548B (zh) | 一种中长波双波段红外图像融合方法 | |
KR20090117617A (ko) | 화상 처리 장치, 방법, 및 프로그램 | |
CN116468627A (zh) | 一种基于二次加权快速导向滤波的内窥镜图像增强方法 | |
CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
CN115797276A (zh) | 用于内窥镜的病灶图像处理方法、装置、电子设备及介质 | |
CN112581390B (zh) | 一种图像色彩增强方法、装置、设备及可读存储介质 | |
KR100930483B1 (ko) | 영상포맷 변환 장치 | |
Sun et al. | Luminance based MSR for color image enhancement | |
WO2012099013A1 (ja) | 画像補正装置、画像補正表示装置、画像補正方法、プログラム、及び、記録媒体 | |
CN107833256A (zh) | 用于数字图像的伪着色的方法以及装置 | |
CN109600596B (zh) | 一种非线性无色恒常的白平衡方法 | |
Jiao et al. | An image enhancement approach using retinex and YIQ | |
CN108198156B (zh) | 一种作物叶片图像的增强方法和装置 | |
Ghimire et al. | Nonlinear transfer function-based image detail preserving dynamic range compression for color image enhancement |
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 |