CN111612716B - 一种图像增强的方法 - Google Patents

一种图像增强的方法 Download PDF

Info

Publication number
CN111612716B
CN111612716B CN202010430973.4A CN202010430973A CN111612716B CN 111612716 B CN111612716 B CN 111612716B CN 202010430973 A CN202010430973 A CN 202010430973A CN 111612716 B CN111612716 B CN 111612716B
Authority
CN
China
Prior art keywords
image
value
pixel value
window
enhancement
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
CN202010430973.4A
Other languages
English (en)
Other versions
CN111612716A (zh
Inventor
赵良军
董林鹭
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.)
Sichuan University of Science and Engineering
Original Assignee
Sichuan University of Science and Engineering
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 Sichuan University of Science and Engineering filed Critical Sichuan University of Science and Engineering
Priority to CN202010430973.4A priority Critical patent/CN111612716B/zh
Publication of CN111612716A publication Critical patent/CN111612716A/zh
Application granted granted Critical
Publication of CN111612716B publication Critical patent/CN111612716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement

Landscapes

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

Abstract

本发明公开了一种图像增强的方法，首先通过实验探究实际物体中表面颜色在不同光照强度照射下通过图像采集传感器得到的数字成像后像素值的变化规律，获得一个初步的图像增强公式并用该公式对待增强图进行增强处理的到增强图1，再对待增强图进行直方图均衡化处理得到增强图2，最后将待增强图与其对应的增强图1、增强图2三幅图像进行加权融合，得到最终的增强效果图。相对于传统的增强算法，本发明得到的图像具有更自然的光照分布和保留了大量原图的纹理细节。

Description

一种图像增强的方法
技术领域
本发明涉及图像处理领域，特别涉及一种图像增强的方法。
背景技术
可见光传感器获得的图像常受到光照和遮挡的影响，使得无法获取图像中目标的信息。一般的，在进行图像处理的时候都会将图像中的每一个像素值统一减小一个设定的值，这样就可以使得图片变得更亮，但是在实际的处理中，不同像素的物体在可见光传感器中展现的图像像素会发生不同的变化，同时不同像素对光照强度的变化也有不同的规律，这样如果只是单一的将图像中的每一个像素值进行减小，就会使得图片产生失真的效果，从而使得图像处理的效果非常的不好。
发明内容
本发明的目的是克服上述现有技术中存在的问题，提供一种图像增强的方法，以解决上述背景技术中提出的问题。
为此，本发明提供一种图像增强的方法，具体如下：
对要处理的图像使用尺寸为n×n的平滑窗口进行遍历处理，在遍历的过程中，分别判断当前的平滑窗口中是否存在像素值满足
Wn×n[f(i+k,j+k)]≠Wn×n[fmean(i,j)] k∈{…-1,1…} (1)
其中，在公式(1)中，i为像素值的横坐标，j为像素值的横坐标，Wn×n为平滑窗口的位置，fmean(i,j)为平滑窗口的中心位置处的像素值，k为非零的整数；
若存在，将所述平滑窗口的中心位置处的像素值分别与所述平滑窗口内所有像素值比较，当所述平滑窗口内超过半数的像素值均与所述平滑窗口的中心位置处的像素值相等，则输出所述平滑窗口的中心位置处的像素值作为正常值输出，反之所述平滑窗口的中心位置处的像素值则作为噪声像素值Z(i,j)，并对噪声像素值Z(i,j)进行平滑处理后输出；
若不存在，则扩大所述平滑窗口中n的值，直至所述平滑窗口的尺寸与所述要处理的图像尺寸一致，并重复上述过程，其中n的值的取值范围为3≤n≤min{N,M}，M和N为所述要处理的图像尺寸的长和宽。
进一步，所述平滑窗口的中心位置处的像素值则作为噪声像素值Z(i,j)的过程中，包括：
首先将所述平滑窗口的中心位置处的像素值标记为可疑噪声像素值Z*(i,j)，建立噪声判断值PN(i,j)，并将噪声判断值PN(i,j)与阀值K进行对比，当PN(i,j)>K时，判定可疑噪声像素值Z*(i,j)为噪声像素值Z(i,j)，反之判定可疑噪声像素值Z*(i,j)为原图像像素值；
所述噪声判断值PN(i,j)的表达式为：
PN(i,j)＝|255/2-Wn×n[f(i+k,j+k)]| k∈{…-1,1…} (2)
上述公式(2)中，k为非零的整数，PN(i,j)为所述平滑窗口内第N个像素的值与255/2的差值的绝对值，将P1,P2…PN的值分别由大到小进行排序，其中，P1,P2…PN的值中的最小值记为Pmin(i,j)，P1,P2…PN的值中的最大值记为Pmax(i,j)，
所述阀值K的表达式为：
Figure BDA0002500571830000031
其中，在公式(3)中，fmean(i,j)为所述平滑窗口中心位置处的像素的值。
更进一步，对噪声像素值Z*(i,j)进行平滑处理的时候，包括：
令该噪声像素值Z(i,j)的值为fl(i,j)，则
fl(i,j)＝Wn×n[fmean(i,j)]·w (4)
其中，在公式(4)中，w为权值，
Figure BDA0002500571830000032
上述的公式(5)中，fmed(i,j)为所述平滑窗口内所有像素的值的中值，c为所述平滑窗口内各个像素的值与所述平滑窗口各个像素值的均值之差后平方的均值，k为整数，即
Figure BDA0002500571830000033
输出fl(i,j)为噪声像素值Z(i,j)的值。
进一步，若将所述扩大所述平滑窗口中n的值至最大的时候仍然不存在像素值满足公式(1)的，则判定该平滑窗口内无噪声像素值Z(i,j)输出，原像素值f(i,j)如下：
Figure BDA0002500571830000041
其中，k为非零的整数，
所述平滑窗口中n的值至最大即所述平滑窗口的尺寸与所述要处理的图像尺寸一致。
本发明提供的一种图像增强的方法，具有如下有益效果：
1、本发明使用平滑窗口遍历原图像的各个位置，通过分别对每一个平滑窗口的中心位置的像素进行处理，相对于传统的增强算法，本发明得到的图像具有更自然的光照分布；
2、本发明使用平滑窗口遍历原图像的各个位置，通过分别对每一个平滑窗口的中心位置的像素进行处理，在保留原图纹理细节成次上比传统的图像增强方法更突出，使得原路的纹理细节可以得到充分的保留；
3、本发明提供的图像增强方法克服了传统的图像增强方法在光照增强时依赖阈值设定的缺陷，从而本发明的通用性更高。
附图说明
图1为光照不足情况下的可见光图像；
图2为画图软件中理想像素灰度图及其直方图；
图3为像素值为0实际不同光照强度下拍摄下的图像及其直方图；
图3(a)为像素值为0实际光照强度为1的情况下拍摄的图像及其直方图；
图3(b)为像素值为0实际光照强度为2的情况下拍摄的图像及其直方图；
图3(c)为像素值为0实际光照强度为3的情况下拍摄的图像及其直方图；
图3(d)为像素值为0实际光照强度为4的情况下拍摄的图像及其直方图；
图4为可见光图像不同方法滤波图像及其对应的直方图；
图4(a)为光照强度1的可见光原图；
图4(b)为图4(a)的中值滤波平滑图；
图4(c)为图4(a)使用本发明提供的方法对可见光平滑后的图；
图4(d)为图4(a)对应的直方图；
图4(e)为图4(b)对应的直方图；
图4(f)为图4(c)对应的直方图；
图5为可见光图像像素区域及其对应直方图像素值区域；
图5(a)为光照强度1的可见光图像像素区域图；
图5(b)为图5(a)各个图像像素区域所对应直方图像素值区域图；
图6为不同像素值在实际光照中变化值折线图；
图7为不同光照强度下像素变化幅值图及其趋势线；
图7(a)为光照1变化到光照5像素值变化幅度值图；
图7(b)为光照2变化到光照5像素值变化幅度值图；
图7(c)为光照3变化到光照5像素值变化幅度值图；
图7(d)为光照4变化到光照5像素值变化幅度值图；
图8为图1通过增强后的图像；
图9为本发明的方法流程示意图。
具体实施方式
下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
可见光传感器获得的图像常受到光照和遮挡的影响，使得无法获取图像中目标的信息，部分光照强度不足的图像如图1所示。为了解决因光照不足产生的影响，我们对可见光图像进行增强处理，目的是使图像的光照变得更均匀提升图像中阴暗处的纹理细节。经过研究发现，不同像素的物体在可见光传感器中展现的图像像素会发生不同的变化，同时不同像素对光照强度的变化也有不同的规律。
如图9所示，提供了本发明的基本思路：
第一步：先通过实验确定出增强图1的公式应用，公式对原图像素进行改变得到增强图1(其中包含了为了减少误差对实验图像的预处理)；
第二步：对原图采用传统的直方图均衡化增强获得增强图2；
第三步：将前两步获得的两幅增强图与原图权值融合得到最终的增强图为最终结果输出。
即是，首先通过实验探究实际物体中表面颜色在不同光照强度照射下通过图像采集传感器得到的数字成像后像素值的变化规律，获得一个初步的图像增强公式并用该公式对待增强图进行增强处理的到增强图1，再对待增强图进行直方图均衡化处理得到增强图2，最后将待增强图与其对应的增强图1、增强图2三幅图像进行加权融合，得到最终的增强效果图。
具体的，本发明通过下述的描述进行逐一的实现。
首先利用画图工具画出像素为0，25，50，75，100，125，150，175，200，225不同像素值的灰度图像及其对应的直方图如图2所示。
使得像素值为0打印在A4纸上后，利用可见光传感器拍摄下的图像在四种不同光照强度下的图像及其对应的直方图，如图3所示。
观察图3表示像素值为0的图像在四种不同光照强度下拍摄的实际图像，可以看出图像中主要由四部分组成，再观察个图像对应的直方图的客观评价，直方图像素值区间同样主要由四部分区域组成。由于曝光度不均匀和噪声的影响导致直方图没有按照预想的像素值集中分布在图上，因此我们对图像进行平滑处理，目的是使像素值尽可能的集中到各自区域中。
具体的，本发明提供的一种图像增强的方法，具体如下：
对要处理的图像使用尺寸为n×n的平滑窗口进行遍历处理，在遍历的过程中，分别判断当前的平滑窗口中是否存在像素值满足
Wn×n[f(i+k,j+k)]≠Wn×n[fmean(i,j)] k∈{…-1,1…} (1)
其中，在公式(1)中，i为像素值的横坐标，j为像素值的横坐标，Wn×n为平滑窗口的位置，fmean(i,j)为平滑窗口的中心位置处的像素值，k为非零的整数；
若存在，将所述平滑窗口的中心位置处的像素值分别与所述平滑窗口内所有像素值比较，当所述平滑窗口内超过半数的像素值均与所述平滑窗口的中心位置处的像素值相等，则输出所述平滑窗口的中心位置处的像素值作为正常值输出，反之所述平滑窗口的中心位置处的像素值则作为噪声像素值Z(i,j)，并对噪声像素值Z(i,j)进行平滑处理后输出；
若不存在，则扩大所述平滑窗口中n的值，直至所述平滑窗口的尺寸与所述要处理的图像尺寸一致，并重复上述过程，其中n的值的取值范围为3≤n≤min{N,M}，M和N为所述要处理的图像尺寸的长和宽。
进一步，所述平滑窗口的中心位置处的像素值则作为噪声像素值Z(i,j)的过程中，包括：
首先将所述平滑窗口的中心位置处的像素值标记为可疑噪声像素值Z*(i,j)，建立噪声判断值PN(i,j)，并将噪声判断值PN(i,j)与阀值K进行对比，当PN(i,j)>K时，判定可疑噪声像素值Z*(i,j)为噪声像素值Z(i,j)，反之判定可疑噪声像素值Z*(i,j)为原图像像素值；
所述噪声判断值PN(i,j)的表达式为：
PN(i,j)＝|255/2-Wn×n[f(i+k,j+k)]| k∈{…-1,1…} (2)
上述公式(2)中，k为非零的整数，PN(i,j)为所述平滑窗口内第N个像素的值与255/2的差值的绝对值，将P1,P2…PN的值分别由大到小进行排序，其中，P1,P2…PN的值中的最小值记为Pmin(i,j)，P1,P2…PN的值中的最大值记为Pmax(i,j)，
所述阀值K的表达式为：
Figure BDA0002500571830000091
其中，在公式(3)中，fmean(i,j)为所述平滑窗口中心位置处的像素的值。
对此，我们提供一个具体的数据为例，作为对上述的解释说明，例如平滑窗口为3x3像素的窗口，且其中的每一个像素值f(i,j)分别为：20、20、20、20、255、20、20、20、20共9个像素值，使用矩阵表示为
Figure BDA0002500571830000092
由此，明显可以看出来，这9个像素值中255为噪声像素值Z(i,j)，由公式(2)求得PN(i,j)的绝对值有：107.5、107.5、107.5、107.5、127.5、107.5、107.5、107.5、107.5共9位数，使用矩阵表示为
Figure BDA0002500571830000093
其中最大值为127.5，最小值为107.5，代入公式(3)求得阀值K的值为58.75.主观上可知原平滑窗口中像素值为255是噪声，该像素点处的PN(i,j)值为127.5>K处值58.75，因此判断出该点为噪声。同理，平滑窗口内没有噪声的时候，即中心处值不是噪声像素且像素值均20，使用矩阵表示为
Figure BDA0002500571830000101
则PN(i,j)值为107.5，重新计算出K值为112.5，K>PN(i,j).这样判断不是噪声像素，比直接用阈值判断的鲁棒性更好。因为结合了周围像素点的信息尽可能的防止在高像素区域时，像素点被误判为噪声。
更进一步，对噪声像素值Z*(i,j)进行平滑处理的时候，包括：
令该噪声像素值Z(i,j)的值为fl(i,j)，则
fl(i,j)＝Wn×n[fmean(i,j)]·w (4)
其中，在公式(4)中，w为权值，
Figure BDA0002500571830000102
上述的公式(5)中，fmed(i,j)为所述平滑窗口内所有像素的值的中值，c为所述平滑窗口内各个像素的值与所述平滑窗口各个像素值的均值之差后平方的均值，k为整数，即
Figure BDA0002500571830000103
输出fl(i,j)为噪声像素值Z(i,j)的值。
进一步，若将所述扩大所述平滑窗口中n的值至最大的时候仍然不存在像素值满足公式(1)的，则判定该平滑窗口内无噪声像素值Z(i,j)输出，原像素值f(i,j)如下：
Figure BDA0002500571830000111
其中，k为非零的整数，
所述平滑窗口中n的值至最大即所述平滑窗口的尺寸与所述要处理的图像尺寸一致。
结果如图4所示，其中，图4(a)表示可见光原图对应的直方图如图4(b)所示，为了验证我们算法的平滑效果，利用窗口大小为9x9的中值滤波算法对可见光原图作滤波处理，如图4(b)所示对应的直方图如图4(e)所示，对比图4(d)与图4(e)可以观察到中值滤波平滑效果与原图相比像素集中的效果没有改善。我们的算法平滑效果图像如图4(c)所示对应的做法直方图如图4(f)所示，对比可见光原图的直方图4(d)与图4(c)，我们提出的平滑效果明显好于中值滤波算法和可见光原图。中值滤波算法是常用的图像处理算法。
观察图4(f)，虽然平滑后对不同区域像素值的聚类有所改善，但始终没能达到只包含四种像素值的理想状态，可能的原因：第一是打印机将理想像素值打印在A4上时出现不均匀的现象，第二是在拍摄时光源分布不均造成某些区域的光照强度高于其他区域，第三是拍摄时摄像头与A4纸表面不平行，造成某些区域反光程度过大。
综上所述，我们在探究不同像素值在实际环境中对光照强度的敏感程度时采用粗略的像素值区间的方法探究不同像素在光照变化下的变化规律。
确定实际中不同像素值对光照强度变化时数值的变化规律，如图5(a)所示，我们设计的实验中可见光图像分为4个区域，其中区域1和区域2为同一像素值的图像在同一光源下正常光照和阴影光照中的成像，区域3和区域4为同一像素值的图像在同一光源下正常光照和阴影光照中的成像。各个区域图像对应的直方图如图5(b)所示，不同像素值对应的光照变化情况如表1所示，这样的图像每个像素值有4组如图3所示。
表1为不同像素值在实际光照中变化值，光照强度的单位为勒克斯(Lux或者Lx)，像素值的单位是PPI(pixels per inch)。
表1不同像素值在实际光照中变化值
Figure BDA0002500571830000121
将表1中实验像素值在不同光照强度下的变化像素值区间取中值，绘制成折线图如图6所示。
为了探究实际像素在光照强度变化时，传感器拍摄的图像与实际的变化规律。对我们设计的实验数据表1和图6中分析出以下结论：
(a)物体本身色彩像素经过光照反射到传感器上成像的像素会随着光照强度的变化而发生变化。
(b)物体本身像素值不同，在不同光照强度下成像后像素值可能大于原物体像素值，也可能小于原物体像素值.
(c)像素值不同在光照作用下，成像后超过物体原像素值需要的光照强度不同。如物体像素为0时，阴影区光照强度1下，成像的像素值就超过了物体原像素值，而物体像素值为255时，在正常区光照强度8下，成像的像素值也没有超过物体原像素值。
(d)物体原像素在光照下成像后的像素值，在同一光照强度下不同像素值变化幅度不同，变化幅度与物体原像素值大小成正比。
(e)同一物体原像素值成像后的像素值，在不同光照强度下变化幅度不一样，并且光照强度较弱和光照强度太强提像素升幅度较小，强度居于强与弱之间的光照，使成像像素值变化幅度最大。如物体像素值为50时，在阴影区中光照强度1提升到光照强度6是像素值提升9左右，而光照强度2提升到光照强度3时提升像素幅度为1。在正常区中光照强度5提升到光照强度6是提升像素幅度为47，光照强度6提升到光照强度7是提升像素幅度为10。光照强度7提升到光照强度8是像素提升幅度为3。
为了完成图像增强过程，为了探究有弱光变到强光后像素值的变化规律，将光照1到4弱光区的像素值变为强光区5的像素幅值绘制成折线图，其中实线为两种光照强度下像素的变化曲线，虚线为曲线的变化趋势线，如图7所示。
根据四个图像的变化幅度曲线的趋势线的变化均值将像素值变化幅值定义为函数：
fw(i,j)＝64.8ln(f(i,j))-115 (8)
在公式(8)中，f(i,j)表示原图中像素值，fw(x,y)表示原像素值在光照增强后的新像素值。
分析图6和公式(8)，像素为0～10和160～225变化函数未能模拟出，因此仅用幅度变化函数对原图进行增强无法满足实际变化要求，于是在求出图像像素分布变化函数是非常有必要的。
令原像素值f(i,j)为变量x，由原像素值f(i,j)分布变化后得到像素值fd(i,j)，令fd(i,j)为变量y，分布变化函数关系满足y＝T(x)。
T(x)求解过程如下：
Figure BDA0002500571830000141
公式(9)中，T-1(y)是T(x)的反函数。对公式(9)两边y同时求导，得到，
Figure BDA0002500571830000142
公式(10)中，
Figure BDA0002500571830000143
其中nk表示像素占所有像素的比例，M、N分别表示图像的行与列，
Figure BDA0002500571830000144
L表示灰度级个数。
将f(x)、f(y)的结果代入公式(10)中，得到：
Figure BDA0002500571830000145
整理得：
Figure BDA0002500571830000151
同时对两边x积分，得到增强纹理的关系式：
Figure BDA0002500571830000152
求得分布变化函数表达式满足：
fd(i,j)＝T(f(i,j)) (14)
我们根据获得的像素值在不同变化的幅度函数、分布变化函数和原图像素值提出一种图像增强算法表达式满足：
fs(i,j)＝w1fw(i,j)+w2f(i,j)+w3fd(i,j) (15)
公式(15)中，w1,w2,w3均表示权重，满足w1+w2+w3＝1，我们这里采用的是w1＝0.25；w2＝0.25；w3＝0.5，将在实验部分讨论参数对增强图像质量的影响。
图1通过增强后图像对比结果如图8所示。
以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (4)

1.一种图像增强的方法，其特征在于，包括以下步骤：
第一步：先通过实验确定出第一增强图的公式应用，实验过程中采用平滑技术减少确定公式的误差，公式对原图像素进行改变得到第一增强图；所述公式为：
fw(i,j)＝64.8ln(f(i,j))-115
式中，f(i,j)表示原图中像素值，fw(i,j)表示原像素值在光照增强后的新像素值；
第二步：对原图采用传统的直方图均衡化增强获得第二增强图；
第三步：根据一种新的图像增强算法将前两步获得的两幅增强图与原图权值融合得到最终的增强图为最终结果输出；所述图像增强算法计算公式为：
fs(i,j)＝w1fw(i,j)+w2f(i,j)+w3fd(i,j)
式中，fd(i,j)为f(i,j)分布变化后得到的像素值，w1,w2,w3均表示权重，满足w1+w2+w3＝1；
所述平滑技术包括以下步骤：
对要处理的图像使用尺寸为n×n的平滑窗口进行遍历处理，在遍历的过程中，分别判断当前的平滑窗口中是否存在像素值满足
Wn×n[f(i+k,j+k)]≠Wn×n[fmean(i,j)] k∈{…-1,1…} (1)
其中，在公式(1)中，i为像素值的横坐标，j为像素值的纵坐标，Wn×n为平滑窗口的位置，fmean(i,j)为平滑窗口的中心位置处的像素值，k为非零的整数；
若存在，将所述平滑窗口的中心位置处的像素值分别与所述平滑窗口内所有像素值比较，当所述平滑窗口内超过半数的像素值均与所述平滑窗口的中心位置处的像素值相等，则输出所述平滑窗口的中心位置处的像素值作为正常值输出，反之所述平滑窗口的中心位置处的像素值则作为噪声像素值Z(i,j)，并对噪声像素值Z(i,j)进行平滑处理后输出；
若不存在，则扩大所述平滑窗口中n的值，直至所述平滑窗口的尺寸与所述要处理的图像尺寸一致，并重复上述过程，其中n的值的取值范围为3≤n≤min{N,M}，M和N为所述要处理的图像尺寸的长和宽。
2.如权利要求1所述的一种图像增强的方法，其特征在于，所述平滑窗口的中心位置处的像素值则作为噪声像素值Z(i,j)的过程中，包括：
首先将所述平滑窗口的中心位置处的像素值标记为可疑噪声像素值Z*(i,j)，建立噪声判断值PN(i,j)，并将噪声判断值PN(i,j)与阈 值K进行对比，当PN(i,j)>K时，判定可疑噪声像素值Z*(i,j)为噪声像素值Z(i,j)，反之判定可疑噪声像素值Z*(i,j)为原图像像素值；
所述噪声判断值PN(i,j)的表达式为：
PN(i,j)＝|255/2-Wn×n[f(i+k,j+k)]| k∈{…-1,1…} (2)
上述公式(2)中，k为非零的整数，PN(i,j)为所述平滑窗口内第N个像素的值与255/2的差值的绝对值，将P1,P2…PN的值分别由大到小进行排序，其中，P1,P2…PN的值中的最小值记为Pmin(i,j)，P1,P2…PN的值中的最大值记为Pmax(i,j)，
所述阈 值K的表达式为：
Figure FDA0003625430050000031
其中，在公式(3)中，fmean(i,j)为所述平滑窗口中心位置处的像素的值。
3.如权利要求2所述的一种图像增强的方法，其特征在于，对噪声像素值Z*(i,j)进行平滑处理的时候，包括：
令该噪声像素值Z(i,j)的值为fl(i,j)，则
fl(i,j)＝Wn×n[fmean(i,j)]·w (4)
其中，在公式(4)中，w为权值，
Figure FDA0003625430050000032
上述的公式(5)中，fmed(i,j)为所述平滑窗口内所有像素的值的中值，c为所述平滑窗口内各个像素的值与所述平滑窗口各个像素值的均值之差后平方的均值，k为整数，即
Figure FDA0003625430050000033
输出fl(i,j)为噪声像素值Z(i,j)的值。
4.如权利要求1所述的一种图像增强的方法，其特征在于，若将所述扩大所述平滑窗口中n的值至最大的时候仍然不存在像素值满足公式(1)的，则判定该平滑窗口内无噪声像素值Z(i,j)输出，原像素值f(i,j)如下：
Figure FDA0003625430050000041
其中，k为非零的整数，
所述平滑窗口中n的值至最大即所述平滑窗口的尺寸与所述要处理的图像尺寸一致。
CN202010430973.4A 2020-05-20 2020-05-20 一种图像增强的方法 Active CN111612716B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010430973.4A CN111612716B (zh) 2020-05-20 2020-05-20 一种图像增强的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010430973.4A CN111612716B (zh) 2020-05-20 2020-05-20 一种图像增强的方法

Publications (2)

Publication Number Publication Date
CN111612716A CN111612716A (zh) 2020-09-01
CN111612716B true CN111612716B (zh) 2022-09-02

Family

ID=72202006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010430973.4A Active CN111612716B (zh) 2020-05-20 2020-05-20 一种图像增强的方法

Country Status (1)

Country Link
CN (1) CN111612716B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111273A (zh) * 2019-04-25 2019-08-09 四川轻化工大学 一种图像的修复方法
CN111507913A (zh) * 2020-04-08 2020-08-07 四川轻化工大学 一种基于纹理特征的图像融合算法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111273A (zh) * 2019-04-25 2019-08-09 四川轻化工大学 一种图像的修复方法
CN111507913A (zh) * 2020-04-08 2020-08-07 四川轻化工大学 一种基于纹理特征的图像融合算法

Also Published As

Publication number Publication date
CN111612716A (zh) 2020-09-01

Similar Documents

Publication Publication Date Title
Wang et al. Adaptive image enhancement method for correcting low-illumination images
CN111583157A (zh) 图像处理方法、系统及计算机可读存储介质
CN106971153B (zh) 一种人脸图像光照补偿方法
CN111968065B (zh) 一种亮度不均匀图像的自适应增强方法
CN114118144A (zh) 抗干扰的航空遥感图像阴影精准检测方法
JP2003196653A (ja) イメージコンテンツに基づいて画像の特性を改善するための方法及びシステム
CN109377450A (zh) 一种边缘保护的去噪方法
CN115272303B (zh) 基于高斯模糊的纺织物缺陷程度评估方法、装置及系统
CN117274113B (zh) 基于图像增强的碎硅片清洗效果视觉检测方法
CN115809966A (zh) 一种低照度图像的增强方法和系统
CN116993616A (zh) 一种单幅低照度场景图像增强方法及增强系统
CN111127350A (zh) 一种图像增强方法
CN111612716B (zh) 一种图像增强的方法
CN117830134A (zh) 基于混合滤波分解和图像融合的红外图像增强方法及系统
Xi et al. Enhancement of unmanned aerial vehicle image with shadow removal based on optimized retinex algorithm
CN114359083B (zh) 一种面向干扰环境的高动态热红外图像自适应预处理方法
Yang et al. Improved retinex image enhancement algorithm based on bilateral filtering
Lakshmanan et al. Automatic contrast enhancement for low contrast images: A comparison of recent histogram based techniques
Zheng et al. An illumination adaptive underwater image enhancement method
Ventzas et al. Digital restoration by denoising and binarization of historical manuscripts images
CN107292854B (zh) 基于局部奇异性量化分析的灰度图像增强方法
Wei et al. MULTISCALE RETINEX COLOR RESTORATION WITH ADAPTIVE GAMMA CORRECTION FOR FOGGY IMAGE ENHANCEMENT
Singhai et al. Image enhancement for low-light and hazy conditions using retinex theory and wavelet transform fusion
Berehulyak et al. Segmentation of Partially Shadowed Rust Images
Mishra et al. Adaptive Gamma Correction with Unsharp Masking and Gaussian filter for Image Contrast 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
GR01 Patent grant
GR01 Patent grant