CN111861927A - 图像场景还原方法及系统 - Google Patents
图像场景还原方法及系统 Download PDFInfo
- Publication number
- CN111861927A CN111861927A CN202010724047.8A CN202010724047A CN111861927A CN 111861927 A CN111861927 A CN 111861927A CN 202010724047 A CN202010724047 A CN 202010724047A CN 111861927 A CN111861927 A CN 111861927A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- value
- module
- green
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000000694 effects Effects 0.000 claims abstract description 15
- 230000002441 reversible effect Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003062 neural network model Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10024—Color 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像场景还原方法及系统，包括：步骤1：提取图像高光部分；步骤2：对图像高光部分与反向高光部分进行分割，得到新的通道值；步骤3：根据新的通道值，对像素值进行融合，得到图像场景还原的结果图。本发明通过高优质算法以及高优参数的调整，使得原本不合理光谱照射的的图片恢复成高优质图片效果，这使得用户在无意间的失误或者不可改变拍摄角度或场景的情况下，依然可以得到自己想要的图片效果。
Description
技术领域
本发明涉及图像处理技术领域，具体地，涉及一种图像场景还原方法及系统。
背景技术
图像分割是计算机视觉领域的热门课题，在物体识别、目标定位与跟踪、图像检索、三维重建、机器人导航与定位等诸多应用中发挥着重要作用。传统的RGB图像分割方法利用颜色空间、纹理、颜色分布直方图等低层次特征将图像划分成各个互不重叠的连通区域，使得同一区域具有高度相似性，而不同的区域具有较大的差异。当图像中相邻的不同物体颜色相似时，或者边缘特征对比度较低时，这些方法难以将其进行区分。
用户在无意间的失误或者不可改变拍摄角度或场景的情况下，无法得到自己想要的图片效果。
专利文献CN109920018A(申请号：201910063673.4)公开了一种黑白照片色彩恢复方法，包括：获取彩色图像，并将所述彩色图像从RGB色彩模式转化为Lab色彩模式；对Lab色彩模式的彩色图像进行图像内物体的定位和前景物体的分割；构建结合全局先验和局部图像特征结构的卷积神经网络模型；利用所述Lab色彩模式的彩色图像以及所述卷积神经网络模型结构，训练卷积神经网络模型；输入需要执行色彩恢复的黑白图像，获取所述黑白图像中的L分量，并将所述L分量输入训练好的卷积神经网络模型中，生成对应的ab分量，最后将L、a、b三个分量结合产生所述黑白图像对应的彩色图像。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种图像场景还原方法及系统。
根据本发明提供的图像场景还原方法，包括：
步骤1：提取图像高光部分；
步骤2：对图像高光部分与反向高光部分进行分割，得到新的像素亮点值；
步骤3：根据新的像素亮点值，对像素值进行融合，得到图像场景还原的结果图。
优选的，所述步骤1包括：
步骤1.1：循环遍历原图像的每个像素点；
步骤1.2：提取各像素点的红R、绿G、蓝B的通道值；
步骤1.3：获取像素亮点值L；
L＝|(R*RC+G*GC+B*BC)|；
其中，RC、GC、BC表示三个通道值的最优搭配系数。
优选的，所述步骤2包括：
分割比例的黄金分割比LC为：0.638；
红、绿、蓝黄金分割比分别为：LCR＝0.638；LCG＝0.567；LCB＝0.672；
根据红、绿、蓝黄金分割比计算出新的红、绿、蓝通道值，公式为：
NR＝|(255-L)*LCR/255|
NG＝|(255-L)*LCG/255|
NB＝|(255-L)*LCB/255|
其中，NR，NG，NB分别表示新的红、绿、蓝通道值，通过修改通道值还原场景的光度效果，得到新的像素亮点值L’。
优选的，根据新的像素亮点值L’，提炼新的像素值，公式为：
PN(x，y)＝(255-L’)*0.75
其中，下标x表示图像点的X坐标，下标y表示图像点的Y坐标。
优选的，所述步骤3包括：
步骤3.1：获取原图像像素值a；
步骤3.2：根据原图像像素值a和新的像素值PN(x，y)，获取最终像素值P(x，y)；
最终像素值计算公式为：
P(x，y)＝|255-(255-a)*(255-PN(x，y))*1.0/255|。
根据本发明提供的图像场景还原系统，包括：
模块M1：提取图像高光部分；
模块M2：对图像高光部分与反向高光部分进行分割，得到新的像素亮点值；
模块M3：根据新的像素亮点值，对像素值进行融合，得到图像场景还原的结果图。
优选的，所述模块M1包括：
模块M1.1：循环遍历原图像的每个像素点；
模块M1.2：提取各像素点的红R、绿G、蓝B的通道值；
模块M1.3：获取像素亮点值L；
L＝|(R*RC+G*GC+B*BC)|；
其中，RC、GC、BC表示三个通道值的最优搭配系数。
优选的，所述模块M2包括：
分割比例的黄金分割比LC为：0.638；
红、绿、蓝黄金分割比分别为：LCR＝0.638；LCG＝0.567；LCB＝0.672；
根据红、绿、蓝黄金分割比计算出新的红、绿、蓝通道值，公式为：
NR＝|(255-L)*LCR/255|
NG＝|(255-L)*LCG/255|
NB＝|(255-L)*LCB/255|
其中，NR，NG，NB分别表示新的红、绿、蓝通道值，通过修改通道值还原场景的光度效果，得到新的像素亮点值L’。
优选的，根据新的像素亮点值L’，提炼新的像素值，公式为：
PN(x，y)＝(255-L)*0.75
其中，下标x表示图像点的X坐标，下标y表示图像点的Y坐标。
优选的，所述模块M3包括：
模块M3.1：获取原图像像素值a；
模块M3.2：根据原图像像素值a和新的像素值PN(x，y)，获取最终像素值P(x，y)；
最终像素值计算公式为：
P(x，y)＝|255-(255-a)*(255-PN(x，y))*1.0/255|。
与现有技术相比，本发明具有如下的有益效果：
1、通过高优质算法以及高优参数的调整，使得原本不合理光谱照射的图片恢复成高优质图片效果，使得用户在无意间的失误或者不可改变拍摄角度或场景的情况下，依然可以得到自己想要的图片效果；
2、通过多通道精确提取反向色差与正向色差使可逆的图像得以恢复，在通过充分调研物体光照原理的前提下，使照片得到另一种光照角度的图像；
3、通过本发明提供的图像场景还原方法，在图像中相邻的不同物体颜色相似时，或者边缘特征对比度较低时，本发明也可以将其进行区分。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明方法流程图；
图2为待处理的原始图；
图3为高光剥离后的图片；
图4为图像场景还原的结果图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1：
如图1，根据本发明提供的图像场景还原方法，包括：
步骤1：提取图像高光部分；
步骤2：对图像高光部分与反向高光部分进行分割，得到新的像素亮点值；
步骤3：根据新的像素亮点值，对像素值进行融合，得到图像场景还原的结果图。
优选的，所述步骤1包括：
步骤1.1：循环遍历原图像的每个像素点；
步骤1.2：提取各像素点的红R、绿G、蓝B的通道值；
步骤1.3：获取像素亮点值L；
L＝|(R*RC+G*GC+B*BC)|；
其中，RC、GC、BC表示三个通道值的最优搭配系数；RC＝0.299；GC＝0.288；BC＝0.144。
优选的，所述步骤2包括：
分割比例的黄金分割比LC为：0.638；
红、绿、蓝黄金分割比分别为：LCR＝0.638；LCG＝0.567；LCB＝0.672；
根据红、绿、蓝黄金分割比计算出新的红、绿、蓝通道值，公式为：
NR＝|(255-L)*LCR/255|
NG＝|(255-L)*LCG/255|
NB＝|(255-L)*LCB/255|
其中，NR，NG，NB分别表示新的红、绿、蓝通道值，红绿蓝为色彩图的基本通道，所有的颜色的组成部分都是用红绿蓝颜色通道组合而成的，图片在不同场景下通道值都有所变化，通过修改通道值来还原多角度场景的光度效果，得到新的像素亮点值L’。
优选的，根据新的像素亮点值L’，提炼新的像素值，是为后续形成最终像素值用的，其本身并不体现在用户的最终观看效果里面。
公式为：
PN(x，y)＝(255-L)*0.75
其中，下标x表示图像点的X坐标，下标y表示图像点的Y坐标。
图片是由像素点组合成的，从左上角(0，0)坐标点开始延伸的；
代表新的像素点(横坐标为X，纵坐标为Y)的像素颜色值。
优选的，所述步骤3包括：
步骤3.1：获取原图像像素值a；
步骤3.2：根据原图像像素值a和新的像素值PN(x，y)，获取最终像素值P(x，y)；
最终像素值计算公式为：
P(x，y)＝|255-(255-a)*(255-PN(x，y))*1.0/255|。
P(x，y)是最终结果值，后续为用户直接看到的效果像素点的值，最终呈现给用户的值。
根据本发明提供的图像场景还原系统，包括：
模块M1：提取图像高光部分；
模块M2：对图像高光部分与反向高光部分进行分割，得到新的像素亮点值；
模块M3：根据新的像素亮点值，对像素值进行融合，得到图像场景还原的结果图。
优选的，所述模块M1包括：
模块M1.1：循环遍历原图像的每个像素点；
模块M1.2：提取各像素点的红R、绿G、蓝B的通道值；
模块M1.3：获取像素亮点值L；
L＝|(R*RC+G*GC+B*BC)|；
其中，RC、GC、BC表示三个通道值的最优搭配系数；RC＝0.299；GC＝0.288；BC＝0.144。
优选的，所述模块M2包括：
分割比例的黄金分割比LC为：0.638；
红、绿、蓝黄金分割比分别为：LCR＝0.638；LCG＝0.567；LCB＝0.672；
根据红、绿、蓝黄金分割比计算出新的红、绿、蓝通道值，公式为：
NR＝|(255-L)*LCR/255|
NG＝|(255-L)*LCG/255|
NB＝|(255-L)*LCB/255|
其中，NR，NG，NB分别表示新的红、绿、蓝通道值，红绿蓝为色彩图的基本通道，所有的颜色的组成部分都是用红绿蓝颜色通道组合而成的，图片在不同场景下通道值都有所变化，通过修改通道值来还原多角度场景的光度效果，得到新的像素亮点值L’。
优选的，根据新的像素亮点值L’，提炼新的像素值，是为后续形成最终像素值用的，其本身并不体现在用户的最终观看效果里面。
公式为：
PN(x，y)＝(255-L)*0.75
其中，下标x表示图像点的X坐标，下标y表示图像点的Y坐标。
图片是由像素点组合成的，从左上角(0，0)坐标点开始延伸的；
代表新的像素点(横坐标为X，纵坐标为Y)的像素颜色值。
优选的，所述模块M3包括：
模块M3.1：获取原图像像素值a；
模块M3.2：根据原图像像素值a和新的像素值PN(x，y)，获取最终像素值P(x，y)；
最终像素值计算公式为：
P(x，y)＝|255-(255-a)*(255-PN(x，y))*1.0/255|。
P(x，y)是最终结果值，后续为用户直接看到的效果像素点的值，最终呈现给用户的值。
实施例2：
如图2-4，为通过本发明的算法对图像进行处理的原始、过程和结果图。
在图2中，这种情况下拍的照片对一般拍摄人员以及普通设备拍摄的情况下,很容易出现主题曝光不足,或者是画面炫光很严重,曝光过度等情况,导致照片昏暗、模糊、细节丢失。
图3通过本发明算法实现的高光剥离后的图片。
图4是通过本发明算法修复了光线和细节后的图片。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种图像场景还原方法，其特征在于，包括：
步骤1：提取图像高光部分；
步骤2：对图像高光部分与反向高光部分进行分割，得到新的像素亮点值；
步骤3：根据新的像素亮点值，对像素值进行融合，得到图像场景还原的结果图。
2.根据权利要求1所述的图像场景还原方法，其特征在于，所述步骤1包括：
步骤1.1：循环遍历原图像的每个像素点；
步骤1.2：提取各像素点的红R、绿G、蓝B的通道值；
步骤1.3：获取像素亮点值L；
L＝|(R*RC+G*GC+B*BC)|；
其中，RC、GC、BC表示三个通道值的最优搭配系数。
3.根据权利要求2所述的图像场景还原方法，其特征在于，所述步骤2包括：
分割比例的黄金分割比LC为：0.638；
红、绿、蓝黄金分割比分别为：LCR＝0.638；LCG＝0.567；LCB＝0.672；
根据红、绿、蓝黄金分割比计算出新的红、绿、蓝通道值，公式为：
NR＝|(255-L)*LCR/255|
NG＝|(255-L)*LCG/255|
NB＝|(255-L)*LCB/255|
其中，NR，NG，NB分别表示新的红、绿、蓝通道值，通过修改通道值还原场景的光度效果，得到新的像素亮点值L’。
4.根据权利要求3所述的图像场景还原方法，其特征在于，根据新的像素亮点值L’，提炼新的像素值，公式为：
PN(x，y)＝(255-L’)*0.75
其中，下标x表示图像点的X坐标，下标y表示图像点的Y坐标。
5.根据权利要求4所述的图像场景还原方法，其特征在于，所述步骤3包括：
步骤3.1：获取原图像像素值a；
步骤3.2：根据原图像像素值a和新的像素值PN(x，y)，获取最终像素值P(x，y)；
最终像素值计算公式为：
P(x，y)＝|255-(255-a)*(255-PN(x，y))*1.0/255|。
6.一种图像场景还原系统，其特征在于，包括：
模块M1：提取图像高光部分；
模块M2：对图像高光部分与反向高光部分进行分割，得到新的像素亮点值；
模块M3：根据新的像素亮点值，对像素值进行融合，得到图像场景还原的结果图。
7.根据权利要求6所述的图像场景还原系统，其特征在于，所述模块M1包括：
模块M1.1：循环遍历原图像的每个像素点；
模块M1.2：提取各像素点的红R、绿G、蓝B的通道值；
模块M1.3：获取像素亮点值L；
L＝|(R*RC+G*GC+B*BC)|；
其中，RC、GC、BC表示三个通道值的最优搭配系数。
8.根据权利要求7所述的图像场景还原系统，其特征在于，所述模块M2包括：
分割比例的黄金分割比LC为：0.638；
红、绿、蓝黄金分割比分别为：LCR＝0.638；LCG＝0.567；LCB＝0.672；
根据红、绿、蓝黄金分割比计算出新的红、绿、蓝通道值，公式为：
NR＝|(255-L)*LCR/255|
NG＝|(255-L)*LCG/255|
NB＝|(255-L)*LCB/255|
其中，NR，NG，NB分别表示新的红、绿、蓝通道值，通过修改通道值还原场景的光度效果，得到新的像素亮点值L’。
9.根据权利要求8所述的图像场景还原系统，其特征在于，根据新的像素亮点值L’，提炼新的像素值，公式为：
PN(x，y)＝(255-L’)*0.75
其中，下标x表示图像点的X坐标，下标y表示图像点的Y坐标。
10.根据权利要求9所述的图像场景还原系统，其特征在于，所述模块M3包括：
模块M3.1：获取原图像像素值a；
模块M3.2：根据原图像像素值a和新的像素值PN(x，y)，获取最终像素值P(x，y)；
最终像素值计算公式为：
P(x，y)＝|255-(255-a)*(255-PN(x，y))*1.0/255|。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010724047.8A CN111861927B (zh) | 2020-07-24 | 2020-07-24 | 图像场景还原方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010724047.8A CN111861927B (zh) | 2020-07-24 | 2020-07-24 | 图像场景还原方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111861927A true CN111861927A (zh) | 2020-10-30 |
| CN111861927B CN111861927B (zh) | 2022-06-28 |
Family
ID=72950088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010724047.8A Active CN111861927B (zh) | 2020-07-24 | 2020-07-24 | 图像场景还原方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861927B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732495A (zh) * | 2015-03-23 | 2015-06-24 | 厦门美图之家科技有限公司 | 一种基于模糊的自动色调的图像处理方法和系统 |
| WO2015154526A1 (zh) * | 2014-07-09 | 2015-10-15 | 中兴通讯股份有限公司 | 视频监控低照度图像色彩还原方法和装置 |
| CN106485720A (zh) * | 2016-11-03 | 2017-03-08 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
| CN110390648A (zh) * | 2019-06-24 | 2019-10-29 | 浙江大学 | 一种基于非饱和与饱和高光区分的图像高光去除方法 |
| CN110827210A (zh) * | 2019-10-10 | 2020-02-21 | 山东大学 | 一种基于颜色曲线分解的水下图像清晰化方法及系统 |
-
2020
- 2020-07-24 CN CN202010724047.8A patent/CN111861927B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015154526A1 (zh) * | 2014-07-09 | 2015-10-15 | 中兴通讯股份有限公司 | 视频监控低照度图像色彩还原方法和装置 |
| CN105321153A (zh) * | 2014-07-09 | 2016-02-10 | 三亚中兴软件有限责任公司 | 视频监控低照度图像色彩还原方法和装置 |
| CN104732495A (zh) * | 2015-03-23 | 2015-06-24 | 厦门美图之家科技有限公司 | 一种基于模糊的自动色调的图像处理方法和系统 |
| CN106485720A (zh) * | 2016-11-03 | 2017-03-08 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
| CN110390648A (zh) * | 2019-06-24 | 2019-10-29 | 浙江大学 | 一种基于非饱和与饱和高光区分的图像高光去除方法 |
| CN110827210A (zh) * | 2019-10-10 | 2020-02-21 | 山东大学 | 一种基于颜色曲线分解的水下图像清晰化方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 何凯 等: "基于SSIM的自适应样本块图像修复算法", 《天津大学学报(自然科学与工程技术版)》 * |
| 何凯 等: "基于改进置信度函数及匹配准则的图像修复算法", 《天津大学学报(自然科学与工程技术版)》 * |
| 俞昭华 等: "LED大屏幕显示补偿技术", 《LED技术》 * |
| 姬莉霞 等: "基于虚拟现实技术的模糊静态图像目标重现方法", 《计算机科学》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111861927B (zh) | 2022-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6909806B2 (en) | Image background replacement method | |
| US8213711B2 (en) | Method and graphical user interface for modifying depth maps | |
| DE102019213184A1 (de) | Verfahren und system zum automatischen weissabgleich auf basis von tiefem lernen | |
| DE102011078662B4 (de) | Erfassen und Erzeugen von Bildern mit hohem Dynamikbereich | |
| Faridul et al. | A Survey of Color Mapping and its Applications. | |
| Zhang et al. | A naturalness preserved fast dehazing algorithm using HSV color space | |
| CN111986129A (zh) | 基于多摄图像融合的hdr图像生成方法、设备及存储介质 | |
| JP6818463B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
| CN108965647B (zh) | 一种前景图像获得方法及装置 | |
| EP3005286B1 (en) | Image refocusing | |
| CN110264413B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN107169973A (zh) | 一种图像的背景去除和合成方法及装置 | |
| CN104318535B (zh) | 图像去雾的方法、装置及移动终端 | |
| CN111626951A (zh) | 一种基于内容感知信息的图像阴影消除方法 | |
| CN116012232A (zh) | 图像处理方法、装置及存储介质、电子设备 | |
| JP5914046B2 (ja) | 画像処理装置および画像処理方法 | |
| CA2674104C (en) | Method and graphical user interface for modifying depth maps | |
| CN111861927B (zh) | 图像场景还原方法及系统 | |
| CN112614149A (zh) | 基于实例分割的语义合成方法 | |
| CN115690130B (zh) | 一种图像处理方法和装置 | |
| AU2016273979A1 (en) | System and method for adjusting perceived depth of an image | |
| CN107295261A (zh) | 图像去雾处理方法、装置、存储介质和移动终端 | |
| KR102389284B1 (ko) | 인공지능 기반 이미지 인페인팅 방법 및 디바이스 | |
| CN114663299A (zh) | 适用于煤矿井下的图像去雾模型的训练方法及其装置 | |
| Pavan Kumar et al. | A refined structure preserving image abstraction framework as a pre-processing technique for desire focusing on prominent structure and artistic stylization |
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 |