CN111724301B - 一种基于直方图统计的自适应拉伸方法及系统 - Google Patents

一种基于直方图统计的自适应拉伸方法及系统 Download PDF

Info

Publication number
CN111724301B
CN111724301B CN202010565289.7A CN202010565289A CN111724301B CN 111724301 B CN111724301 B CN 111724301B CN 202010565289 A CN202010565289 A CN 202010565289A CN 111724301 B CN111724301 B CN 111724301B
Authority
CN
China
Prior art keywords
gray level
histogram
gray
stretching
max
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
CN202010565289.7A
Other languages
English (en)
Other versions
CN111724301A (zh
Inventor
周云
米冠宇
李京辉
吕坚
阙隆成
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 filed Critical University of Electronic Science and Technology of China
Priority to CN202010565289.7A priority Critical patent/CN111724301B/zh
Publication of CN111724301A publication Critical patent/CN111724301A/zh
Application granted granted Critical
Publication of CN111724301B publication Critical patent/CN111724301B/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
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/20—Linear translation of a whole image or part thereof, e.g. panning
    • 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 by the use of histogram techniques
    • 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

Abstract

本发明公开了一种基于直方图统计的自适应拉伸方法及系统，本发明的方法包括：步骤一、读取原始图像的灰度直方图；步骤二、通过对原始图像的灰度直方图进行统计，确定有效灰度范围为[Cmin，Cmax]；步骤三、以(Cmin+Cmax)/2为直方图拉伸的中心坐标，将有效灰度范围进行拉伸并获取拉伸后的灰度值上下界；步骤四、按照步骤二得到的中心坐标点和步骤三获得的灰度值上下界，将原始图像的灰度直方图由中心坐标点向上下界坐标位置进行拉伸，得到原始图像的拉伸灰度直方图。本发明通过对直方图中的统计数据加以处理，滤掉直方图中数据特征特别少的灰度部分，将有效灰度数据在特定的范围进行拉伸，优化了传统直方图拉伸中可能带来的噪声干扰。

Description

一种基于直方图统计的自适应拉伸方法及系统
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于直方图统计的自适应拉伸方法。
背景技术
直方图均衡化广泛应用在图像增强处理中，是以累积计分布函数变换为基础的直方图修正法，用于产生一副灰度级分布具有均匀概率密度的图像，扩展了像素的取值动态范围。许多图像的灰度值是非均匀分布的，其中灰度值集中在一个小区间内的图像是很常见的，直方图均衡化是一种通过重新均匀地分布各灰度值来增强图像对比度的方法。一般来说，直方图修正能提高图像的主观质量。直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。但是有一些固有缺点：它对处理的数据不加选择，它可能会增加背景噪声的对比度并且降低有用信号的对比度；直方图主峰有时会大幅移动，造成画面整体由明变暗或是由暗变明；同时，对拉伸的灰阶范围不加限制，在场景较为单一的情况下会将图像整体对比度拉伸过高。这些缺陷导致传统的直方图均衡算法在不同场景的效果有很大差异，用在视频中往往还会导致视频闪烁。
发明内容
为例解决现有图像增强技术存在的处理效果不佳，且适用性差的技术问题，本发明提供了一种基于直方图统计的自适应拉伸方法。本发明通过对直方图中的统计数据加以处理，滤掉直方图中数据特征特别少的灰度部分，将有效灰度数据在特定的范围进行拉伸，优化了传统直方图拉伸中可能带来的噪声干扰，提高了增强效果。
本发明通过下述技术方案实现：
一种基于直方图统计的自适应拉伸方法，该方法包括以下步骤：
步骤一、读取原始图像的灰度直方图；
步骤二、通过对原始图像的灰度直方图进行统计，确定有效灰度范围为[Cmin，Cmax]，其中，Cmin表示灰度最小值，Cmax表示灰度最大值，(Cmin+Cmax)/2表示有效灰度范围的中心点坐标；
步骤三、以(Cmin+Cmax)/2为直方图拉伸的中心坐标，将有效灰度范围进行拉伸并获取拉伸后的灰度值上下界；
步骤四、按照步骤二得到的中心坐标点和步骤三获得的灰度值上下界，将原始图像的灰度直方图由中心坐标点向上下界坐标位置进行拉伸，得到原始图像的拉伸灰度直方图。
优选的，本发明的步骤二具体包括：
步骤2.1对原始图像的灰度直方图，从灰度为0的坐标点沿灰度坐标轴向正方向开始统计，直到找出第一个统计点个数大于M的灰度值，将该灰度值作为灰度最小值Cmin；M为第一阈值；
步骤2.2对原始图像的灰度直方图，从灰度为255的坐标点沿灰度坐标轴向负方向开始统计，直到找出第一个统计点个数大于N的灰度值，将该灰度值作为灰度最大值Cmax；N为第二阈值。
优选的，本发明的M和N取值范围为0＜M，N＜10000。
优选的，本发明的步骤三具体包括：
步骤3.1，将原始图像的灰度直方图中灰度值在有效灰度范围[Cmin，Cmax]之外的点剔除；
步骤3.2，以中心坐标(Cmin+Cmax)/2作为直方图拉伸的中心坐标，将剔除之后的灰度直方图进行拉伸；得到拉伸后的灰度值下界为[(1+k)Cmin+(1-k)Cmax]/2，上界为[(1+k)Cmax+(1-k)Cmin]/2；其中，k为拉伸系数；
步骤3.3，判断步骤3.2得到的灰度值上下界是否超出[0，255]范围，如果超出则，上界取255，下界取0；否则不做处理。
优选的，本发明的k取值范围为1＜k＜2。
优选的，本发明的方法还包括：
步骤五、将拉伸灰度直方图映射得到拉伸后图像。
另一方面，本发明还提出了一种基于直方图统计的自适应拉伸系统，该系统包括读取模块、统计模块、第一拉伸模块和第二拉伸模块：
其中，所述读取模块用于读取原始图像的灰度直方图；
所述统计模块通过对原始图像的灰度直方图进行统计，确定有效灰度范围为[Cmin，Cmax]，其中，Cmin表示灰度最小值，Cmax表示灰度最大值，(Cmin+Cmax)/2表示有效灰度范围的中心点坐标；
所述第一拉伸模块以(Cmin+Cmax)/2为直方图拉伸的中心坐标，将有效灰度范围进行拉伸并获取拉伸后的灰度值上下界；
所述第二拉伸模块按照步骤二得到的中心坐标点和步骤三获得的灰度值上下界，将原始图像的灰度直方图由中心坐标点向上下界坐标位置进行拉伸，得到原始图像的拉伸灰度直方图。
优选的，本发明的统计模块被配置为执行如下操作：
A、对原始图像的灰度直方图，从灰度为0的坐标点沿灰度坐标轴向正方向开始统计，直到找出第一个统计点个数大于M的灰度值，将该灰度值作为灰度最小值Cmin，M为第一阈值；
B、对原始图像的灰度直方图，从灰度为255的坐标点沿灰度坐标轴向负方向开始统计，直到找出第一个统计点个数大于N的灰度值，将该灰度值作为灰度最大值Cmax；N为第二阈值。
优选的，本发明的第一拉伸模块被配置为执行如下操作：
A1、将原始图像的灰度直方图中灰度值在有效灰度范围[Cmin，Cmax]之外的点剔除；
A2、以中心坐标(Cmin+Cmax)/2作为直方图拉伸的中心坐标，将剔除之后的灰度直方图进行拉伸；得到拉伸后的灰度值下界为[(1+k)Cmin+(1-k)Cmax]/2，上界为[(1+k)Cmax+(1-k)Cmin]/2；其中，k为拉伸系数；
A3、判断步骤A2得到的灰度值上下界是否超出[0，255]范围，如果超出则，上界取255，下界取0；否则不做处理。
优选的，本发明的系统还包括映射模块；
所述映射模块用于将拉伸灰度直方图映射得到拉伸后图像。
本发明具有如下的优点和有益效果：
1、本发明首先通过增强图像的全局对比度，突出图像中的有效信息。使得灰度值可以更好地分布在直方图上，从而增强局部的对比度而不影响整体的对比度。
2、本发明较为均匀的图像经过拉伸后，可以更好的保留原有图像的信息，不会像传统的直方图均衡化，把图像对比度拉伸的严重。
3、本发明可以有效限制直方图主峰移动范围，保留图像整体辐射背景信息。本发明降低了背景噪声的对比度并且增强有用信号的对比度。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的方法流程示意图。
图2为本发明的系统结构框图。
图3为本发明的均匀图像自适应拉伸效果图。其中，(a)为原始图像及其对应的灰度直方图；(b)为原始图像均衡化之后的图像及其对应的灰度直方图；(c)为原始图像采用本发明的自适应拉伸之后的图像及其对应的灰度直方图。
图4为本发明的非均匀图像自适应拉伸效果图。其中，(a)为原始图像及其对应的灰度直方图；(b)为原始图像均衡化之后的图像及其对应的灰度直方图；(c)为原始图像采用本发明的自适应拉伸之后的图像及其对应的灰度直方图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
由于传统的直方图均衡化是在整个[0,255]区域上进行的，把整个直方图拉伸到[0,255]的范围，这样可能会增加背景噪声的对比度并且降低有用信号的对比度，为了改善这一缺点，本实施例提出了一种基于直方图统计的自适应拉伸方法，将对统计出来的图像的灰度分布直方图加入一定的限制。
如图1所示，本实施例的方法包括以下步骤：
1、读取原始图像的灰度直方图；
2、通过对原始图像的灰度直方图进行统计，确定有效灰度范围为[Cmin，Cmax]，其中，Cmin表示灰度最小值，Cmax表示灰度最大值，(Cmin+Cmax)/2表示有效灰度范围的中心点坐标；具体为：
2.1对原始图像的灰度直方图，从灰度为0的坐标点沿灰度坐标轴向正方向开始统计，直到找出第一个统计点个数大于M的灰度值，将该灰度值作为灰度最小值Cmin；M为第一阈值；本实施例的M取值范围为0＜M＜10000。
2.2对原始图像的灰度直方图，从灰度为255的坐标点沿灰度坐标轴向负方向开始统计，直到找出第一个统计点个数大于N的灰度值，将该灰度值作为灰度最大值Cmax；N为第二阈值；本实施例的N取值范围为0＜N＜10000。
3、以(Cmin+Cmax)/2为直方图拉伸的中心坐标，将有效灰度范围进行拉伸并获取拉伸后的灰度值上下界；具体过程如下：
3.1，将原始图像的灰度直方图中灰度值在有效灰度范围[Cmin，Cmax]之外的点剔除；
3.2，以中心坐标(Cmin+Cmax)/2作为直方图拉伸的中心坐标，将剔除之后的灰度直方图进行拉伸；得到拉伸后的灰度值下界为[(1+k)Cmin+(1-k)Cmax]/2，上界为[(1+k)Cmax+(1-k)Cmin]/2；其中，k为拉伸系数，取值为1＜k＜2。
3.3，判断步骤3.2得到的灰度值上下界是否超出[0，255]范围，如果超出则，上界取255，下界取0；否则不做处理。
4、按照步骤二得到的中心坐标点和步骤三获得的灰度值上下界，将原始图像的灰度直方图由中心坐标点向上下界坐标位置进行拉伸，得到原始图像的拉伸灰度直方图。
5、将拉伸灰度直方图映射得到拉伸后的图像。
实施例2
本实施例还提出了一种一种基于直方图统计的自适应拉伸系统。
如图2所示，本实施例的系统包括读取模块、统计模块、第一拉伸模块、第二拉伸模块和映射模块。
其中，读取模块被配置为执行上述实施例1的方法中的步骤1；
统计模块被配置为执行上述实施例1的方法中的步骤2；
第一拉伸模块被配置为执行上述实施例1的方法中的步骤3；
第二拉伸模块被配置为执行上述实施例1的方法中的步骤4；
映射模块被配置为执行上述实施例1的方法中的步骤5。
实施例3
本实施例采用传统均衡技术和上述实施例提出的方法和系统分别对均匀图像(场景单一)进行处理，并获得了如图3所示的处理效果图，由图3可以明显看出，本发明提出的自适应拉伸技术的处理效果更佳，使得处理之后的图像仍然是均匀的可以更好的保留原有图像的信息，但是传统的直方图均衡化会将均匀图像拉伸的对比度过高。本实施例中的拉伸系数k取值为1.5；本实施例的第一阈值M和第二阈值N均取值为2000。
实施例4
本实施例采用传统均衡技术和上述实施例提出的方法和系统分别对常规图像(场景复杂)进行处理，并获得了如图4所示的处理效果图，由图4可以明显看出，本发明提出的自适应拉伸技术的处理效果更佳，在对比度较弱的图像中，能够增强整个图像的全局对比度，尤其在图像中有效信息的对比度比较接近的时候；通过滤除直方图上灰度值特征较弱的点，来实现降低了背景噪声的对比度并且增强有用信号的对比度的目的。本实施例中的拉伸系数k取值为1.5；本实施例的第一阈值M和第二阈值N均取值为2000。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于直方图统计的自适应拉伸方法，其特征在于，该方法包括以下步骤：
步骤一、读取原始图像的灰度直方图；
步骤二、通过对原始图像的灰度直方图进行统计，确定有效灰度范围为[Cmin，Cmax]，其中，Cmin表示灰度最小值，Cmax表示灰度最大值，(Cmin+Cmax)/2表示有效灰度范围的中心点坐标；
步骤三、以(Cmin+Cmax)/2为直方图拉伸的中心坐标，将有效灰度范围进行拉伸并获取拉伸后的灰度值上下界；
步骤四、按照步骤二得到的中心坐标点和步骤三获得的灰度值上下界，将原始图像的灰度直方图由中心坐标点向上下界坐标位置进行拉伸，得到原始图像的拉伸灰度直方图。
2.根据权利要求1所述的一种基于直方图统计的自适应拉伸方法，其特征在于，所述步骤二具体包括：
步骤2.1对原始图像的灰度直方图，从灰度为0的坐标点沿灰度坐标轴向正方向开始统计，直到找出第一个统计点个数大于M的灰度值，将该灰度值作为灰度最小值Cmin；M为第一阈值；
步骤2.2对原始图像的灰度直方图，从灰度为255的坐标点沿灰度坐标轴向负方向开始统计，直到找出第一个统计点个数大于N的灰度值，将该灰度值作为灰度最大值Cmax；N为第二阈值。
3.根据权利要求2所述的一种基于直方图统计的自适应拉伸方法，其特征在于，所述M和N取值范围为0＜M，N＜10000。
4.根据权利要求1所述的一种基于直方图统计的自适应拉伸方法，其特征在于，所述步骤三具体包括：
步骤3.1，将原始图像的灰度直方图中灰度值在有效灰度范围[Cmin，Cmax]之外的点剔除；
步骤3.2，以中心坐标(Cmin+Cmax)/2作为直方图拉伸的中心坐标，将剔除之后的灰度直方图进行拉伸；得到拉伸后的灰度值下界为[(1+k)Cmin+(1-k)Cmax]/2，上界为[(1+k)Cmax+(1-k)Cmin]/2；其中，k为拉伸系数；
步骤3.3，判断步骤3.2得到的灰度值上下界是否超出[0，255]范围，如果超出则，上界取255，下界取0；否则不做处理。
5.根据权利要求4所述的一种基于直方图统计的自适应拉伸方法，其特征在于，所述k的取值范围为1＜k＜2。
6.根据权利要求1-4任一项所述的一种基于直方图统计的自适应拉伸方法，其特征在于，还包括：
步骤五、将拉伸灰度直方图映射得到拉伸后图像。
7.一种基于直方图统计的自适应拉伸系统，其特征在于，该系统包括读取模块、统计模块、第一拉伸模块和第二拉伸模块：
其中，所述读取模块用于读取原始图像的灰度直方图；
所述统计模块通过对原始图像的灰度直方图进行统计，确定有效灰度范围为[Cmin，Cmax]，其中，Cmin表示灰度最小值，Cmax表示灰度最大值，(Cmin+Cmax)/2表示有效灰度范围的中心点坐标；
所述第一拉伸模块以(Cmin+Cmax)/2为直方图拉伸的中心坐标，将有效灰度范围进行拉伸并获取拉伸后的灰度值上下界；
所述第二拉伸模块按照步骤二得到的中心坐标点和步骤三获得的灰度值上下界，将原始图像的灰度直方图由中心坐标点向上下界坐标位置进行拉伸，得到原始图像的拉伸灰度直方图。
8.根据权利要求7所述的一种基于直方图统计的自适应拉伸系统，其特征在于，所述统计模块被配置为执行如下操作：
A、对原始图像的灰度直方图，从灰度为0的坐标点沿灰度坐标轴向正方向开始统计，直到找出第一个统计点个数大于M的灰度值，将该灰度值作为灰度最小值Cmin，M为第一阈值；
B、对原始图像的灰度直方图，从灰度为255的坐标点沿灰度坐标轴向负方向开始统计，直到找出第一个统计点个数大于N的灰度值，将该灰度值作为灰度最大值Cmax；N为第二阈值。
9.根据权利要求7所述的一种基于直方图统计的自适应拉伸系统，其特征在于，所述第一拉伸模块被配置为执行如下操作：
A1、将原始图像的灰度直方图中灰度值在有效灰度范围[Cmin，Cmax]之外的点剔除；
A2、以中心坐标(Cmin+Cmax)/2作为直方图拉伸的中心坐标，将剔除之后的灰度直方图进行拉伸；得到拉伸后的灰度值下界为[(1+k)Cmin+(1-k)Cmax]/2，上界为[(1+k)Cmax+(1-k)Cmin]/2；其中，k为拉伸系数；
A3、判断步骤A2得到的灰度值上下界是否超出[0，255]范围，如果超出则，上界取255，下界取0；否则不做处理。
10.根据权利要求7-9任一项所述的一种基于直方图统计的自适应拉伸系统，其特征在于，还包括映射模块；
所述映射模块用于将拉伸灰度直方图映射得到拉伸后图像。
CN202010565289.7A 2020-06-19 2020-06-19 一种基于直方图统计的自适应拉伸方法及系统 Active CN111724301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010565289.7A CN111724301B (zh) 2020-06-19 2020-06-19 一种基于直方图统计的自适应拉伸方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010565289.7A CN111724301B (zh) 2020-06-19 2020-06-19 一种基于直方图统计的自适应拉伸方法及系统

Publications (2)

Publication Number Publication Date
CN111724301A CN111724301A (zh) 2020-09-29
CN111724301B true CN111724301B (zh) 2023-05-12

Family

ID=72567730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010565289.7A Active CN111724301B (zh) 2020-06-19 2020-06-19 一种基于直方图统计的自适应拉伸方法及系统

Country Status (1)

Country Link
CN (1) CN111724301B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112258433B (zh) * 2020-10-22 2024-03-29 大连理工大学 一种遥感资料中内波特征增强显示的灰度直方图拉伸方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102413283A (zh) * 2011-10-25 2012-04-11 广州飒特红外股份有限公司 红外热图数字信号处理系统及方法
CN103295182A (zh) * 2013-05-14 2013-09-11 无锡华润矽科微电子有限公司 实现对红外图像进行对比度拉伸处理的电路系统及其方法
CN103517049A (zh) * 2013-10-15 2014-01-15 上海交通大学 一种自动白平衡的方法及电路
CN106815814A (zh) * 2016-12-26 2017-06-09 杭州施强教育科技有限公司 一种应用于阅卷系统的图像污染处理方法
WO2017121018A1 (zh) * 2016-01-11 2017-07-20 中兴通讯股份有限公司 二维码图像处理的方法和装置、终端、存储介质
CN107292856A (zh) * 2017-06-12 2017-10-24 北京理工大学 一种红外焦平面探测器图像增强的方法
CN108596853A (zh) * 2018-04-28 2018-09-28 上海海洋大学 基于背景光统计模型和传输地图优化的水下图像增强方法
CN110232660A (zh) * 2019-04-28 2019-09-13 电子科技大学 一种新型红外图像识别预处理灰度拉伸方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102413283A (zh) * 2011-10-25 2012-04-11 广州飒特红外股份有限公司 红外热图数字信号处理系统及方法
CN103295182A (zh) * 2013-05-14 2013-09-11 无锡华润矽科微电子有限公司 实现对红外图像进行对比度拉伸处理的电路系统及其方法
CN103517049A (zh) * 2013-10-15 2014-01-15 上海交通大学 一种自动白平衡的方法及电路
WO2017121018A1 (zh) * 2016-01-11 2017-07-20 中兴通讯股份有限公司 二维码图像处理的方法和装置、终端、存储介质
CN106815814A (zh) * 2016-12-26 2017-06-09 杭州施强教育科技有限公司 一种应用于阅卷系统的图像污染处理方法
CN107292856A (zh) * 2017-06-12 2017-10-24 北京理工大学 一种红外焦平面探测器图像增强的方法
CN108596853A (zh) * 2018-04-28 2018-09-28 上海海洋大学 基于背景光统计模型和传输地图优化的水下图像增强方法
CN110232660A (zh) * 2019-04-28 2019-09-13 电子科技大学 一种新型红外图像识别预处理灰度拉伸方法

Also Published As

Publication number Publication date
CN111724301A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
US8131084B2 (en) Apparatus for improving sharpness of image
CN111105371B (zh) 一种低对比度红外图像的增强方法
CN108133463B (zh) 一种直方图均衡化图像的降噪方法及系统
CN109903294B (zh) 图像处理方法、装置、电子设备及可读存储介质
CN109003233B (zh) 一种基于自适应权重全变分模型的图像去噪方法
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
CN112819721B (zh) 一种图像彩色噪声降噪的方法和系统
CN111340732B (zh) 一种低照度视频图像增强方法及装置
CN116934755B (zh) 基于直方图均衡化的肺结核ct图像增强系统
CN111724301B (zh) 一种基于直方图统计的自适应拉伸方法及系统
CN115660976A (zh) 图像处理方法、装置、设备和计算机可读存储介质
CN116309152A (zh) 一种低照度图像的细节增强方法、系统、设备和存储介质
CN113706393A (zh) 视频增强方法、装置、设备及存储介质
US6323855B1 (en) Sharpening edge features in digital image providing high frequency edge enhancement
CN116843584B (zh) 一种图像数据优化增强方法
CN201726464U (zh) 一种新的视频图像锐化处理装置
CN111641879B (zh) 一种视频水印的添加方法、装置、存储介质及设备
CN101141655A (zh) 影像信号像素点色彩值调整方法
Piao et al. A digital image denoising algorithm based on gaussian filtering and bilateral filtering
CN113393394B (zh) 基于伽马变换的低照度灰度图像增强方法、装置及存储介质
CN114140348A (zh) 一种对比度增强方法、装置及设备
CN106952243A (zh) Uuv近海面红外图像自适应归并直方图拉伸增强方法
CN112348760A (zh) 图像处理方法及系统
CN114519675A (zh) 图像处理方法、装置、电子设备及可读存储介质
CN116205810B (zh) 视频降噪方法、装置和电子设备

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