CN111652819B - 一种基于matlab的电子纸显示屏图像滤波去噪方法 - Google Patents

一种基于matlab的电子纸显示屏图像滤波去噪方法 Download PDF

Info

Publication number
CN111652819B
CN111652819B CN202010477077.3A CN202010477077A CN111652819B CN 111652819 B CN111652819 B CN 111652819B CN 202010477077 A CN202010477077 A CN 202010477077A CN 111652819 B CN111652819 B CN 111652819B
Authority
CN
China
Prior art keywords
image
filtering
denoising
original image
algorithm
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
CN202010477077.3A
Other languages
English (en)
Other versions
CN111652819A (zh
Inventor
高玉梅
水玲玲
易子川
迟锋
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.)
Shenzhen Guohua Optoelectronics Co Ltd
Original Assignee
University of Electronic Science and Technology of China Zhongshan Institute
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 University of Electronic Science and Technology of China Zhongshan Institute filed Critical University of Electronic Science and Technology of China Zhongshan Institute
Priority to CN202010477077.3A priority Critical patent/CN111652819B/zh
Publication of CN111652819A publication Critical patent/CN111652819A/zh
Application granted granted Critical
Publication of CN111652819B publication Critical patent/CN111652819B/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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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]
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

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

Abstract

本发明公开了一种基于MATLAB的电子纸显示屏图像滤波去噪方法，先采集原始图像,原始图像先经过灰度转换，灰度转换完成后使用同态滤波算法去噪,然后使用Kuwahara算法进行滤波，最后使用NLmeans算法进一步去噪，对多阶灰度图像，直接采用添加了傅里叶平移的同态滤波器进行去噪，去除噪声49%,对单一灰度图像，设计采用同态滤波算法进行初次滤波，去除14%的噪声，而后使用Kuwahara算法进行滤波，使用此算法可滤除大部分噪声，但边缘部位的噪声却会增大,于是在此基础上使用NLmeans算法去噪，此时噪声进一步降低，图像的方差减小，亮度范围得到压缩，边缘上噪声消失。

Description

一种基于MATLAB的电子纸显示屏图像滤波去噪方法
技术领域
本发明涉及一种图像滤波去噪方法，特别是一种基于MATLAB的电子纸显示屏图像滤波去噪方法。
背景技术
目前，何文耀等学者研究出了使用Gabor滤波器来对拍摄电子纸得到的含噪声图像进行滤波去噪，在单一灰阶图像、彩色图像中对光噪声的去除除率分别达到39.9％和39.7％，杨颖等人提出了使用高斯频域低通滤波和图像差分的方法用于解决字符图像中的光干扰问题，该方法虽然解决了字符图像中的亮度不均匀问题，但并不能很好的滤除电子纸图像中的光噪声。
发明内容
为了克服现有技术的不足，本发明提供一种滤波效果好的基于MATLAB的电子纸显示屏图像滤波去噪方法。
本发明解决其技术问题所采用的技术方案是：
一种基于MATLAB的电子纸显示屏图像滤波去噪方法，先采集原始图像,原始图像先经过灰度转换，灰度转换完成后使用同态滤波算法去噪,然后使用Kuwahara算法进行滤波，最后使用NLmeans算法进一步去噪。
本方法包括以下步骤
步骤S1：采集原始图像，原始图像进行灰度转换；
步骤S2：判断原始图像为单一灰度图像还是多阶灰度图像，如果原始图像为多阶灰度图像，那么执行步骤S3后去噪完成，如果原始图像为单一灰度图像，那么执行步骤S3、步骤S4 和步骤S5后去噪完成；
步骤S3：多阶灰度图像采用添加了傅里叶平移的同态滤波器对原始图像进行去噪，多阶灰度图像去噪完成,单一灰度图像采用同态滤波算法，然后继续执行步骤S4；
步骤S4：使用Kuwahara算法进行滤波，然后继续执行步骤S5；
步骤S5：使用NLmeans算法去噪，单一灰度图像去噪完成。
步骤S3包括以下子步骤：
步骤1：对原始图像取对数,得到函数1；
步骤2：函数1进行傅里叶变换得到函数2；
步骤3：函数2与设计好的滤波函数H相乘进行滤波,并得到函数3；
步骤4：函数3进行反傅里叶变换,得到函数4；
步骤5：函数4进行指数变换去除取对数,得到函数5。
步骤S4包括以下子步骤：
步骤1：求原始图像的维数；
步骤2：将滤波窗口分为四个小窗口；
步骤3：计算小窗口的方差与均值；
步骤4：求最小的方差值；
步骤5：将方差的最小值部位赋值给图像。
步骤S5包括以下子步骤：
步骤1：获取插值图像；
步骤2：通过插值图像求得像素点平方差矩阵；
步骤3：通过平方差矩阵可以计算出像素点的权值；
步骤4：获取原始图像的噪声点；
步骤5：得到去噪图像矩阵；
步骤6：重构图像。
本发明的有益效果是：对多阶灰度图像，直接采用添加了傅里叶平移的同态滤波器进行去噪，去除了49％的噪声,对单一灰度图像，设计采用同态滤波算法进行初次滤波，去除14％的噪声，而后使用Kuwahara算法进行滤波，使用此算法可滤除大部分噪声，但边缘部位的噪声却会增大,于是在此基础上使用NLmeans算法去噪，此时噪声进一步降低，图像的方差减小，亮度范围得到压缩，边缘上噪声消失。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是多阶灰度图像的原始图像；
图2是多阶灰度图像同态滤波后的图像；
图3是多阶灰度图像的原始图像的三维图；
图4是多阶灰度图像经过同态滤波后图像的三维图；
图5是单一灰度图像的原始图像；
图6是单一灰度图像经过同态滤波器进行去噪后的图像；
图7是单一灰度图像的原始图像的三维图；
图8是单一灰度图像经过同态滤波后图像的三维图；
图9是多阶灰度图像采用傅里叶平移的同态滤波器对原始图像进行同态滤波后的图像；
图10是多阶灰度图像采用傅里叶平移的同态滤波器对原始图像进行同态滤波后图像的三维图；
图11是单一灰度图像经过同态滤波算法滤波后再使用Kuwahara算法进行滤波后的图像；
图12是单一灰度图像经过同态滤波算法滤波后再使用Kuwahara算法进行滤波后图像的三维图；
图13是直接采用Kuwahara算法进行滤波后的图像
图14是直接采用Kuwahara算法进行滤波后图像的三维图；
图15是单一灰度图像经过步骤S1至步骤S5处理后的图像；
图16是单一灰度图像经过步骤S1至步骤S5处理后图像的三维图；
图17是单一灰度图像直接执行步骤5后的图像；
图18是单一灰度图像直接步骤5后图像的三维图；
图19是单一灰度图像经过同态滤波算法滤波后直接执行步骤5后的图像；
图20是单一灰度图像经过同态滤波算法滤波后直接执行步骤5后图像的三维图；
附图21是本发明的步骤流程图。
具体实施方式
三维图中的Z轴代表像素点的像素值，X轴代表像素点的横坐标，Y轴代表像素点的纵坐标。
参照图1至图21，一种基于MATLAB的电子纸显示屏图像滤波去噪方法，先采集原始图像,原始图像先经过灰度转换，灰度转换完成后使用同态滤波算法去噪(即采用同态滤波器去噪),然后使用Kuwahara算法进行滤波(或去噪)，最后使用NLmeans算法进一步去噪，对多阶灰度图像，直接采用添加了傅里叶平移的同态滤波器进行去噪，去除了49％的噪声,对单一灰度图像，设计采用同态滤波算法进行初次滤波，去除14％的噪声，而后使用Kuwahara算法进行滤波(或去噪)，使用此算法可滤除大部分噪声，但边缘部位的噪声却会增大,于是在此基础上使用NLmeans算法去噪，此时噪声进一步降低，图像的方差减小，亮度范围得到压缩，边缘上噪声消失。
本方法包括以下步骤
步骤S1：采集原始图像，原始图像进行灰度转换，原始图像含噪声；
步骤S2：判断原始图像为单一灰度图像还是多阶灰度图像，如果原始图像为多阶灰度图像，那么执行步骤S3后去噪完成，如果原始图像为单一灰度图像，那么执行步骤S3、步骤S4 和步骤S5后去噪完成；
步骤S3：多阶灰度图像采用添加了傅里叶平移的同态滤波器对原始图像进行去噪，多阶灰度图像去噪完成,单一灰度图像采用同态滤波算法，然后继续执行步骤S4；
步骤S4：使用Kuwahara算法进行滤波，然后继续执行步骤S5；
步骤S5：使用NLmeans算法去噪，单一灰度图像去噪完成。
步骤S3包括以下子步骤：
步骤1：对原始图像取对数,得到函数1；
步骤2：函数1进行傅里叶变换得到函数2；
步骤3：函数2与设计好的滤波函数H相乘进行滤波,并得到函数3，滤波函数H为自定义的函数；
步骤4：函数3进行反傅里叶变换,得到函数4；
步骤5：函数4进行指数变换去除取对数,得到函数5。
步骤S4包括以下子步骤：
步骤1：求原始图像的维数；
步骤2：将滤波窗口分为四个小窗口；
步骤3：计算小窗口的方差与均值；
步骤4：求最小的方差值；
步骤5：将方差的最小值部位赋值给图像。
步骤S5包括以下子步骤：
步骤1：获取插值图像；
步骤2：通过插值图像求得像素点平方差矩阵；
步骤3：通过平方差矩阵可以计算出像素点的权值；
步骤4：获取原始图像的噪声点；
步骤5：得到去噪图像矩阵；
步骤6：重构图像。
以下为同态滤波器程序：
以下为Kuwahara算法程序：
NLmeans算法公式如下：
其中，表示窗口移动步长不等于零，表示遍历带噪声图像中的所有像素点。式子中 Ga是标准差为a的Gaussian核，是归一化因子，h是滤波参数。该式子表明像素点去噪后的值为所有与相似高斯邻域的像素点灰度值的平均。
以下为NLmeans算法程序：
参照图1和图2，进行同态滤波后的图像中的光照分布要比原始图像的光照分布均匀，同态滤波后图像中亮度范围要比原始图像中的亮度范围小，与原始图像相比，同态滤波后的图像更符合人眼视觉所观测到的图像。因此同态滤波器对于拍摄电子纸显示屏得到的含噪图像具有一定的去噪效果。
参考图3和图4，原始图像中的像素值最高为227，最低为8，方差为5322，而进行同态滤波器滤波后图像中的像素值最高为173，最低为7，方差为3058，根据像素值的变化范围与方差的对比，可以发现，对图像进行同态滤波后，图像中的亮度方位得到了一定的压缩。根据图像的方差进行对比，同态滤波器对原始图像的噪声去除率达到了42％，根据图像亮度范围进行对比，得到图像噪声去除率达到了24％。
参照图5和图6，通过观察原始图像与同态滤波后图像的光照分布情况，可以发现，进行同态滤波后的图像中的光照分布要比原始图像的光照分布较均匀，同态滤波后图像中亮度范围要比原始图像中的亮度范围小，并且同态滤波后的图像与人眼观察到的也存在区别，整体要比原始图像暗，因此，用同态滤波器对单一灰度图像进行滤波去噪，会导致新的噪声，滤波后的图像相比人眼视觉所观测到的要暗。
参照图7和图8，在图7中，原始图像中的像素值最高为164，最低为114，方差为 80，而进行同态滤波器滤波后图像中的像素值最高为127，最低为90，方差为44。根据像素值的变化范围与方差的对比，可以发现，对图像进行同态滤波后，图像中的亮度范围得到了一定的压缩。根据图像的方差进行对比，得到同态滤波对图像的噪声去除率达到了45％，根据图像亮度范围进行对比，得到图像噪声去除率达到了26％。但原始图像中像素值最低为 114，而滤波后图像中的像素值最低为90，而在进行图像去噪时，应该把滤波后图像的像素值保证在原始图像的亮度范围之间。因此，使用同态滤波器对单一灰度图像进行滤波去噪，在压缩了图像亮度范围，去除了一定噪声的时候，同时也产生了新的噪声。
在同态滤波器程序中增加傅里叶平移，此时低频分量看为亮度的调整，高频分量为边缘细节的调整，符合同态滤波的原理,当处理单一灰度图像时，根据图像效果，降低单一灰度图像的低频分量以调整图像的亮度，增大单一灰度图像的高频分量以调整图像的细节。
参考图1和图9，通过观察原始图像与滤波后图像的光照分布情况，可以发现，进行同态滤波后的图像中的光照分布要比原始图像的光照分布较均匀。滤波后图像中亮度范围要比原始图像中的亮度范围小，与原始图像相比，滤波后的图像更符合人眼视觉所观测到的图像。比起未添加傅里叶平移时，此时的滤波后图像光照分别要更为均匀，且参数调整上也更符合同态滤波器原理。
参考图3和图10，在图3中，原始图像中的像素值最高为227，最低为8，方差为5322，经过添加了傅里叶平移的同态滤波器滤波后图像中的像素值最高为163，最低为7，方差为2709。根据像素值的变化范围与方差的对比，可以发现，对图像进行同态滤波后，图像中的亮度范围得到了一定的压缩，与未添加傅里叶平移相比，图像的亮度范围压缩程度也更大，根据图像的方差进行对比，得到同态滤波对图像的噪声去除率达到了49％，根据图像亮度范围进行对比，得到图像噪声去除率达到了29％。
当单一灰度图像进行傅里叶变换后先进行平移，然后在进行卷积，最后在反平移回来，当对单一灰度图像进行处理时可根据图像效果，降低单一灰度图像的低频分量以调整单一灰度图像的亮度，增大单一灰度图像的高频分量以调整单一灰度图像的细节，符合同态滤波器原理。
参考图5和图11,通过观察原始图像与滤波后图像的光照分布情况，可以发现，进行同态滤波后的图像中的光照分布要比原始图像的光照分布均匀，滤波后图像中亮度范围要比原始图像中的亮度范围小，但图像中左边与上边边缘部分的噪声未被去除，从图11中可以观察到两条黑线，要去除这些噪声。
参照图7和图12，原始图像中的像素值最高为164，最低为114，方差为80，而添加了Kuwahara算法滤波后的图像像素值最高，为154，最低，为0，方差为0.0045，当去除了边缘部分噪声增强的部位，可观察到图像像素值最高为120，最低为150，对图像的亮度范围进行了一定的压缩，通过方差进行比较可知噪声去除率达到了99％，而通过亮度范围比较可得噪声去除率达到了60％，从图12中也可看出，滤波后的图12较为平整，因此 Kuwahara算法对于去除图像中的光干扰具有很不错的效果。
参考图7和图13，通过观察原始图像与滤波后图像的光照分布情况，可以发现，进行同态滤波后的图像中的光照分布要比原始图像的光照分布较均匀，但与在同态滤波器去噪的基础上在进行滤波的效果相比，光照分布不够均匀。滤波后图像中亮度范围要比原始图像中的亮度范围小，比添加了同态滤波的亮度范围大，图像中左边与上边边缘部分的噪声未被去除。
参考图5和图14，原始图像中的像素值最高为164，最低为114，方差为80，而添加了Kuwahara算法滤波后的图像像素值最高为164，最低为0，方差为0.005，当去除了边缘部分噪声增强的部位，可观察到图像最高为120，最低为164，对图像的亮度范围进行了一定的压缩，通过方差进行比较得知噪声去除率达到了99％，而通过亮度范围比较可得噪声去除率达到了12％，由图14也可看出，与先进行了同态滤波的图像比较，直接进行Kuwahara 算法滤波的图14平面倾斜度较高，所以由此可以得出，同态滤波器与Kuwahara算法滤波器叠加,对原始图像的滤波效果最佳。
参照图5和图15，通过观察原始图像与滤波后图像的光照分布情况，可以发现，进行同态滤波后的图像中的光照分布要比原始图像的光照分布均匀，滤波后图像中亮度范围要比原始图像中的亮度范围小，且图像中原本在Kuwahara算法滤波后增加的的左边与上边边缘部分的噪声都被去除了，因此可知，使用同态滤波器和Kuwahara算法与NLmeans算法叠加进行去噪处理对单一灰度的含噪图像具有很好的效果。
参照图7和图16，原始图像中的像素值最高为164，最低为114，方差为80，而添加了同态滤波器和Kuwahara算法滤波后的图像像素值最高为148，最低为143，方差为 4.5553e-05，对图像的亮度范围进行了一定的压缩，通过方差进行比较可得噪声去除率99％以上，而通过亮度范围比较也可得知，噪声去除率达到了90％。从三维图中也可看出，整体上滤波后的图16较为平整，在细节上，图16主要呈现阶梯型，图像的噪声去除效果在此时已达到较为完美的程度。
参照图5和图17，通过观察原始图像与滤波后图像的光照分布情况，可以发现，进行同态滤波后的图像中的光照分布要比原始图像的光照分布较均匀，与在同态滤波器与Kuwahara算法去噪的基础上在进行滤波的效果相比，光照分布的均匀度相差不大。滤波后图像中整体亮度要比原始图像中的整体亮度稍低，没有增加额外的噪声。
参照图7和图18，原始图像中的像素值最高为164，最低为114，方差为80，而添加了Kuwahara算法滤波后的图像像素值最高为142，最低为138，方差为2.3301e-05，对图像的亮度范围进行了一定的压缩，通过方差进行比较可得知，噪声去除率达到了99％以上，而通过亮度范围比较也可获得知，噪声去除率达到了92％，从图18中也可看出，整体上滤波后的图18较为平整，在细节上，图18主要呈现阶梯型，图像的噪声去除效果到此时以达到较为完美的程度，与增加了同态滤波器与Kuwahara算法的去噪方法相比，同态滤波器加 NLmeans算法得到的去噪图像的像素值低5，但光照范围缩小了1。
参照图5和图19，通过观察原始图像与滤波后图像的光照分布情况，可以发现，进行同态滤波后的图像中的光照分布要比原始图像的光照分布较均匀，与在同态滤波器与Kuwahara算法去噪的基础上在进行滤波的效果相比，光照分布的均匀度相差不大。滤波后图像中整体亮度要比原始图像中的整体亮度稍低，没有增加额外的噪声。
参照图7和图20，通过观察原始图像与滤波后图像的光照分布情况，可以发现，进行同态滤波后的图像中的光照分布要比原始图像的光照分布较均匀，与在同态滤波器与Kuwahara算法去噪的基础上在进行滤波的效果相比，光照分布的均匀度相差不大。滤波后图像中整体亮度要比原始图像中的整体亮度稍低，没有增加额外的噪声。
以上的实施方式不能限定本发明创造的保护范围，专业技术领域的人员在不脱离本发明创造整体构思的情况下，所做的均等修饰与变化，均仍属于本发明创造涵盖的范围之内。

Claims (1)

1.一种基于MATLAB的电子纸显示屏图像滤波去噪方法，其特征在于先采集原始图像,原始图像先经过灰度转换，灰度转换完成后使用同态滤波算法去噪, 然后使用Kuwahara算法进行滤波，最后使用NLmeans算法进一步去噪；
包括以下步骤：
步骤S1：采集原始图像，原始图像进行灰度转换；
步骤S2：判断原始图像为单一灰度图像还是多阶灰度图像，如果原始图像为多阶灰度图像，那么执行步骤S3后去噪完成，如果原始图像为单一灰度图像，那么执行步骤S3、步骤S4和步骤S5后去噪完成；
步骤S3：多阶灰度图像采用添加了傅里叶平移的同态滤波器对原始图像进行去噪，多阶灰度图像去噪完成, 单一灰度图像采用同态滤波算法，然后继续执行步骤S4；
步骤S4：使用Kuwahara算法进行滤波，然后继续执行步骤S5；
步骤S5：使用NLmeans算法去噪，单一灰度图像去噪完成；
步骤S3包括以下子步骤：
对原始图像取对数,进行傅里叶变换，与设计好的滤波函数H相乘进行滤波,进行反傅里叶变换,进行指数变换去除取对数,得到去噪函数；
步骤S4包括以下子步骤：
步骤1：求原始图像的维数；
步骤2：将滤波窗口分为四个小窗口；
步骤3：计算小窗口的方差与均值；
步骤4：求最小的方差值；
步骤5：将方差的最小值部位赋值给图像；
步骤S5包括以下子步骤：
步骤1：获取插值图像；
步骤2：通过插值图像求得像素点平方差矩阵；
步骤3：通过平方差矩阵计算出像素点的权值；
步骤4：获取原始图像的噪声点；
步骤5：得到去噪图像矩阵；
步骤6：重构图像。
CN202010477077.3A 2020-05-29 2020-05-29 一种基于matlab的电子纸显示屏图像滤波去噪方法 Active CN111652819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010477077.3A CN111652819B (zh) 2020-05-29 2020-05-29 一种基于matlab的电子纸显示屏图像滤波去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010477077.3A CN111652819B (zh) 2020-05-29 2020-05-29 一种基于matlab的电子纸显示屏图像滤波去噪方法

Publications (2)

Publication Number Publication Date
CN111652819A CN111652819A (zh) 2020-09-11
CN111652819B true CN111652819B (zh) 2023-05-16

Family

ID=72348379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010477077.3A Active CN111652819B (zh) 2020-05-29 2020-05-29 一种基于matlab的电子纸显示屏图像滤波去噪方法

Country Status (1)

Country Link
CN (1) CN111652819B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109801231A (zh) * 2018-12-25 2019-05-24 电子科技大学中山学院 一种电泳电子纸检测设备的图像处理方法
CN110992294A (zh) * 2019-12-16 2020-04-10 电子科技大学中山学院 一种类纸显示器的图像对比度提升方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109801231A (zh) * 2018-12-25 2019-05-24 电子科技大学中山学院 一种电泳电子纸检测设备的图像处理方法
CN110992294A (zh) * 2019-12-16 2020-04-10 电子科技大学中山学院 一种类纸显示器的图像对比度提升方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Li Wang 等.Improvement of video playback performance of electrophoretic displays by optimized waveforms with shortened refresh time.《Displays》.2017,第95-100页. *
何文耀 等.基于Gabor 滤波器的电泳电子纸图像滤波系统设计.《华南师范大学学报(自然科学版)》.2019,第14-18页. *

Also Published As

Publication number Publication date
CN111652819A (zh) 2020-09-11

Similar Documents

Publication Publication Date Title
CN103020916B (zh) 一种二维希尔伯特变换和bemd结合的图像去噪方法
CN112561804A (zh) 基于多尺度细节增强的低光照水下图像增强方法
TWI393073B (zh) 影像雜訊濾除方法
CN108961172B (zh) 一种基于Gamma校正的图像对比度增强方法
Rahman et al. Gaussian noise reduction in digital images using a modified fuzzy filter
CN104036457B (zh) 一种图像降噪方法
CN112750090A (zh) 一种改进小波阈值的水下图像降噪方法及系统
KR20140109801A (ko) 3d이미지 품질을 향상시키는 방법과 장치
CN116912115A (zh) 一种水下图像自适应增强方法、系统、设备及存储介质
CN111652819B (zh) 一种基于matlab的电子纸显示屏图像滤波去噪方法
CN109064413A (zh) 图像对比度增强方法及采用其的图像采集医疗设备
CN111242876B (zh) 低对比度图像增强方法、装置及计算机可读存储介质
CN110717869B (zh) 一种水下浑浊图像清晰化方法
CN110175959B (zh) 一种台风云图增强方法
CN115829967A (zh) 一种工业金属表面缺陷图像去噪和增强方法
CN116071259A (zh) 一种基于二次引导滤波的红外图像增强方法
Chen et al. Texture-preserving image deblurring
Ahmed Image enhancement and noise removal by using new spatial filters
CN115965552A (zh) 用于低信噪比图像序列的频空时域联合去噪与恢复系统
Chang et al. An image enhancement algorithm based on Gaussian weighted bilateral filtering and retinex theory
Dasgupta Comparative analysis of non-blind deblurring methods for noisy blurred images
CN110992294B (zh) 一种类纸显示器的图像对比度提升方法
Ramadan Optimum image filters for various types of noise
Sun et al. Adaptive bilateral filter considering local characteristics
CN108665419B (zh) 一种图像去噪的方法及装置

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
TR01 Transfer of patent right

Effective date of registration: 20231121

Address after: 518000 b715, Yinxing technology building, 1301 Guanlan community sightseeing Road, Guanlan street, Longhua District, Shenzhen City, Guangdong Province

Patentee after: SHENZHEN GUOHUA OPTOELECTRONICS Co.,Ltd.

Address before: 528400, Xueyuan Road, 1, Shiqi District, Guangdong, Zhongshan

Patentee before: University OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA, ZHONGSHAN INSTITUTE

TR01 Transfer of patent right