CN111968065B - 一种亮度不均匀图像的自适应增强方法 - Google Patents
一种亮度不均匀图像的自适应增强方法 Download PDFInfo
- Publication number
- CN111968065B CN111968065B CN202011144095.6A CN202011144095A CN111968065B CN 111968065 B CN111968065 B CN 111968065B CN 202011144095 A CN202011144095 A CN 202011144095A CN 111968065 B CN111968065 B CN 111968065B
- Authority
- CN
- China
- Prior art keywords
- image
- component
- follows
- enhanced
- illumination
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005286 illumination Methods 0.000 claims abstract description 69
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research 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
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
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
本发明公开了一种亮度不均匀图像的自适应增强方法,包括对原始图像的色彩空间转换后,通过分别增强图像亮度的照度分量和反射分量,并对照度分量进行校正,在空间域中将校正后的照度分量与原照度分量合理合并,实现对照度分量的自适应校正,使其在增大暗像素亮度值的同时不会过度改变量亮像素的亮度值,实现亮度不均匀图像的自适应增强。本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定,而且图像增强后无色彩失真,具有较强的普适性。
Description
技术领域
本发明涉及图像处理领域,具体为一种亮度不均匀图像的自适应增强方法。
背景技术
随着图像采集设备应用的普及,人们对所采集图像质量也有个更高的要求,环境因素是影响图像质量的主要因素之一,光照不均匀的环境可能会导致图像采集设备所采集的图像出现亮度不均匀、色彩失真等问题,这些问题直接影响计算机视觉领域的发展,如造成图像的特征难提取、目标识别不清等问题,因此,提高亮度不均匀图像的质量十分必要。
近年来,对于亮度不均匀图像自适应增强的方法已成为各高校重点研究的方向,其中,直方图均衡化相关的算法是对整幅的增强,这类算法会导致图像中原本不需要增强的区域信息丢失,因此,直方图均衡化相关的算法仅适用于亮度均匀变化的图像。伽马校正相关的算法是通过调整图像中高频和低频像素的比例来增大图像对比度,这类算法自适应能力弱,同时容易造成过增强和欠增强的问题。如刘志成等人采用二维的伽马函数增强光照不均匀的图像,在保持图像色彩和质量上有了很大提升,但对图像中亮度较大的区域效果较差,不具有普适性(刘志成,王殿伟,刘颖,刘学杰.基于二维伽马函数的光照不均匀图像自适应校正算法[J].北京理工大学学报,2016,36(02):191-196+214.)。小波变换的相关算法可以突出图像不同尺度下的细节信息,但无法降低图像噪声的同时不能降低算法的时间复杂度。现有的多尺度Retinex算法在增强图像的同时会产生图像色彩失真和图像质量下降的问题;因此,在自适应增强亮度不均匀图像的技术上,现有算法都存在某一方面的不足,因此提出一种具有较强普适性并且不会损失图像质量的方法很有必要。
发明内容
本发明的目的在于,提供一种亮度不均匀图像的自适应增强方法。本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定,而且图像增强后无色彩失真,具有较强的普适性。
本发明的技术方案:一种亮度不均匀图像的自适应增强方法,具体包括以下步骤:
(1)将原始图像I(x,y)的色彩空间由RGB转换成HSV,得到转换后的图像J(x,y);
(2)使用多尺度滤波算法计算出图像J(x,y)色彩空间V(x,y)分量的照度分量L(x,y),再由照度分量L(x,y)和V(x,y)分量计算出V(x,y)分量的反射分量R(x,y);
(5)对V(x,y)分量的反射分量R(x,y)取反得到负片图像r(x,y),对负片图像进行增强处理,得到增强后的负片图像re(x,y),再对re(x,y)取反得到增强的反射分量Re(x,y);
(6)将增强后的照度分量Le(x,y)和增强的反射分量Re(x,y)合并得出增强的V(x,y)分量,记为Ve(x,y),使用Ve(x,y)替换V(x,y)分量得到图像Se(x,y),将图像Se(x,y)色彩空间由HSV转换至RGB得到增强的图像F(x,y)。
上述的亮度不均匀图像的自适应增强方法,所述步骤(1)的过程具体为:
图像I(x,y)的RGB色彩空间表示为(R(x,y),G(x,y),B(x,y)),其中R(x,y),G(x,y),B(x,y)分别是图像中坐标为(x,y)像素的红、绿和蓝颜色值,其值是介于区间[0,1]之间的实数,记每个像素红绿蓝三种颜色中的最大值为max,最小值为min;
使用max和min将图像I(x,y)色彩空间由RGB转换为HSV,得到图像J(x,y),图像J(x,y)的HSV色彩空间表示为(H(x,y),S(x,y),V(x,y)),其中H(x,y),S(x,y),V(x,y)分别是图像中坐标为(x,y)像素的色调、饱和度和亮度;转换公式如下:
V(x,y)=max;
前述的亮度不均匀图像的自适应增强方法,所述步骤(2)的过程具体为:
使用多尺度滤波算法计算出V(x,y)的照度分量L(x,y),计算如下:
式中,L(n)(x,y)为第n步照度分量,L(n-1)(x,y)是第n-1步照度分量,GF(s(n),ε(n))表示引导滤波,s(n),ε(n)分别表示第n步的尺度因子和平滑因子,符号表示卷积运算,其中L(0)(x,y)等于V(x,y),s(1)取2,ε(1)取0.02,s(n)=s(1)×2n-1,ε(n)=ε(1)×2n-1,照度分量L(x,y)=L(3)(x,y);
计算V(x,y)的反射分量R(x,y),计算如下:
前述的亮度不均匀图像的自适应增强方法,所述步骤(3)过程具体为:
使用OTSU算法进行不断迭代,当所迭代的最大类间方差取得最大值时,此时所计算出来的阈值即为V(x,y)分量的分割阈值T;
将V(x,y)中的像素按亮度值大小划分为暗像素点、中像素点和亮像素点,划分的阈值由分割阈值T确定,计算如下:
u1=mT;
u2=n(1-T)+0.368;
式中,u1为暗像素和中像素的划分阈值,u2为中像素和亮像素的划分阈值,m,n为调节系数,取m=0.7,n=0.2;
使用u1和u2计算出照度分量L(x,y)的Gamma校正因子γ1和γ2,计算如下:
分别将u1和u2代入上式即求得γ1和γ2;
L(γ)(x,y)=Lγ(x,y);
前述的亮度不均匀图像的自适应增强方法,所述步骤(4)的过程具体为:
式中,α,β,τ表示照度分量合并因子,其限制条件为α,β,τ均大于0,且α,β,τ之和等于1。
前述的亮度不均匀图像的自适应增强方法,所述步骤(5)的过程具体为:对反射分量R(x,y)中的值取反得到负片图像r(x,y),计算如下:
r(x,y)=1-R(x,y);
对r(x,y)进行增强处理,得到增强后的负片图像re(x,y),计算如下:
式中,η为调节参数;
对re(x,y)中的值取反得到增强的反射分量Re(x,y),计算如下:
Re(x,y)=1-re(x,y)。
前述的亮度不均匀图像的自适应增强方法,所述步骤(6)的过程具体为:
将增强后的照度分量Le(x,y)和反射分量Re(x,y)合并为Ve(x,y),Ve(x,y)是对V(x,y)的增强,计算如下:
Ve(x,y)=Le(x,y)×Re(x,y);
将图像J(x,y)的HSV色彩空间中的V(x,y)替换为Ve(x,y),得到图像Se(x,y);
将图像Se(x,y)色彩空间由HSV转换为RGB得到增强的图像F(x,y),图像F(x,y)的R(x,y),G(x,y),B(x,y)计算如下:
R(x,y)=(R’(x,y)+M(x,y))×255;
G(x,y)=(G’(x,y)+M(x,y))×255;
B(x,y)=(B’(x,y)+M(x,y))×255;
式中:
C(x,y)=V(x,y)×S(x,y);
M(x,y)=V(x,y)-C(x,y)。
与现有技术相比,本发明对原始图像的色彩空间转换后,仅对图像的亮度进行处理,因此不会改变图像的色调和饱和度,从而不会造成图像的色彩失真;本发明通过分别增强图像亮度的照度分量和反射分量,并对照度分量进行校正,在空间域中将校正后的照度分量与原照度分量合理合并,实现对照度分量的自适应校正,使其在增大暗像素亮度值的同时不会过度改变量亮像素的亮度值,最终实现亮度不均匀图像的自适应增强。因此本发明相对于其他方法在处理亮度不均匀图像时出现色彩失真和亮像素区域过增强的问题,本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定,而且图像增强后无色彩失真,具有较强的普适性。
附图说明
图1为本发明的实施流程图;
图2为V(x,y)分量的照度分量像素扫描线与OTSU计算出的分割阈值。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
实施例1:一种亮度不均匀图像的自适应增强方法,如图1所示,具体包括以下步骤:
(1)将原始图像I(x,y)的色彩空间由RGB转换成HSV,得到转换后的图像J(x,y);
(2)使用多尺度滤波算法计算出图像J(x,y)色彩空间V(x,y)分量的照度分量L(x,y),再由照度分量L(x,y)和V(x,y)分量计算出V(x,y)分量的反射分量R(x,y);
(5)对V(x,y)分量的反射分量R(x,y)取反得到负片图像r(x,y),对负片图像进行增强处理,得到增强后的负片图像re(x,y),再对re(x,y)取反得出得到增强的反射分量Re(x,y);
(6)将增强后的照度分量Le(x,y)和增强的反射分量Re(x,y)合并得出增强的V分量,记为Ve(x,y),使用Ve(x,y)替换V分量得到图像Se(x,y),将图像Se(x,y)色彩空间由HSV转换至RGB得到增强的图像F(x,y)。
实施例2:一种亮度不均匀图像的自适应增强方法,具体包括以下步骤:
(1)将原始图像I(x,y)的色彩空间由RGB转换成HSV,得到转换后的图像J(x,y);
图像I(x,y)的RGB色彩空间表示为(R(x,y),G(x,y),B(x,y)),其中R(x,y),G(x,y),B(x,y)分别是图像中坐标为(x,y)像素的红、绿和蓝颜色值,其值是介于区间[0,1]之间的实数,记每个像素红绿蓝三种颜色中的最大值为max,最小值为min;
使用max和min将图像I(x,y)色彩空间由RGB转换为HSV,得到图像J(x,y),图像J(x,y)的HSV色彩空间表示为(H(x,y),S(x,y),V(x,y)),其中H(x,y),S(x,y),V(x,y)分别是图像中坐标为(x,y)像素的色调、饱和度和亮度;转换公式如下:
V(x,y)=max;
(2)使用多尺度滤波算法计算出图像J(x,y)色彩空间V(x,y)分量的照度分量L(x,y),再由照度分量L(x,y)和V(x,y)分量计算出V(x,y)分量的反射分量R(x,y);
所述步骤(2)的过程具体为:
使用多尺度滤波算法计算出V(x,y)的照度分量L(x,y),计算如下:
式中,L(n)(x,y)为第n步照度分量,L(n-1)(x,y)是第n-1步照度分量,GF(s(n),ε(n))表示引导滤波,s(n),ε(n)分别表示第n步的尺度因子和平滑因子,符号表示卷积运算,其中L(0)(x,y)等于V(x,y),s(1)取2,ε(1)取0.02,s(n)=s(1)×2n-1,ε(n)=ε(1)×2n-1,照度分量L(x,y)=L(3)(x,y);
计算V(x,y)的反射分量R(x,y),计算如下:
所述步骤(3)的过程具体为:
使用OTSU算法计算出V(x,y)的分割阈值T;
V(x,y)分量的尺寸为L×W,分量的灰度级为m,分量上每一个像素点的值V(x,y)∈[0,m-1],灰度值k出现的概率为Pk,则:
设V(x,y)分量的分割阈值为T,由分割阈值T将图像J(x,y)分为目标和背景,像素灰度值大于T的作为目标像素点,小于T的作为背景像素点,其中目标区域内的总像素数占整幅图像的比例是ω1,背景区域内的总像素数占整幅图像的比例是ω2,则:
设目标区域内的像素总数为N1,背景区域内的像素总数为N2,
N1=M×N×ω1(t);
N2=M×N×ω2(t);
分别求得目标区域和背景区域的灰度均值μ1和μ2:
则图像J(x,y)的总平均灰度均值μ为:
最终可得图像J(x,y)的最大类间方差g:
g=ω1×(μ1-μ)2+ω2×(μ2-μ)2;
然后根据最大类间方差g,使用OTSU算法进行不断迭代,当所迭代的最大类间方差取得最大值时,此时所计算出来的阈值即为V(x,y)分量的分割阈值T;
将V(x,y)中的像素按亮度值大小划分为暗像素点、中像素点和亮像素点,亮像素点的亮度值大于中像素点的亮度值,中像素点的亮度值大于暗像素点的亮度值划分的阈值由分割阈值T确定,计算如下:
u1=mT;
u2=n(1-T)+0.368;
式中,u1为暗像素和中像素的划分阈值,u2为中像素和亮像素的划分阈值,m,n为调节系数,取m=0.7,n=0.2;
使用u1和u2计算出照度分量L(x,y)的Gamma校正因子γ1和γ2,计算如下:
分别将u1和u2代入上式即求得γ1和γ2;
L(γ)(x,y)=Lγ(x,y);
(4)使用照度分量融合系数将校正照度分量 和照度分量L(x,y)融合,得到增强的照度分量Le(x,y);合并后的照度分量Le(x,y)及分割阈值T如图2所示;图2中1线为分割阈值,2线为原图,3线为本实施例的滤波扫描线;
所述步骤(4)的过程具体为:
式中,α,β,τ表示照度分量合并因子,其限制条件为α,β,τ均大于0,且α,β,τ之和等于1,本实施例中α,β,τ均为1/3;
(5)对V(x,y)分量的反射分量R(x,y)取反得到负片图像r(x,y),对负片图像进行增强处理,得到增强后的负片图像re(x,y),再对re(x,y)取反得出得到增强的反射分量Re(x,y);
所述步骤(5)的过程具体为:对反射分量R(x,y)中的值取反得到负片图像r(x,y),计算如下:
r(x,y)=1-R(x,y);
对r(x,y)进行增强处理,得到增强后的负片图像re(x,y),计算如下:
式中,η为调节参数;
对re(x,y)中的值取反得到增强的反射分量Re(x,y),计算如下:
Re(x,y)=1-re(x,y)。
(6)将增强后的照度分量Le(x,y)和增强的反射分量Re(x,y)合并得出增强的V(x,y)分量,记为V(x,y),使用Ve(x,y)替换V(x,y)分量得到图像Se(x,y),将图像Se(x,y)色彩空间由HSV转换至RGB得到增强的图像F(x,y)。
所述步骤(6)的过程具体为:将增强后的照度分量Le(x,y)和反射分量Re(x,y)合并为Ve(x,y),Ve(x,y)是对V(x,y)的增强,计算如下:
Ve(x,y)=Le(x,y)×Re(x,y);
将图像J(x,y)的HSV色彩空间中的V(x,y)替换为Ve(x,y),得到图像Se(x,y);
将图像Se(x,y)色彩空间由HSV转换为RGB得到增强的图像F(x,y),图像F(x,y)的R(x,y),G(x,y),B(x,y)计算如下:
R(x,y)=(R’(x,y)+M(x,y))×255;
G(x,y)=(G’(x,y)+M(x,y))×255;
B(x,y)=(B’(x,y)+M(x,y))×255;
式中:
C(x,y)=V(x,y)×S(x,y);
M(x,y)=V(x,y)-C(x,y)。
为了验证本发明对亮度不均匀图像的增强效果,申请人采取了三张亮度不均匀的图片,分别为地板图(Floor)、道路图(Way)和书架图(Shelf),通过本发明对这三张图片进行自适应增强;作为对比,申请人还采用了MSR算法和CLAHE算法对相同的三种图片进行自适应增强,得到如表1所示的增强后图像的质量评价表。
表1
从表1可以体现不同算法处理方法后因为亮度质量不同导致的图像质量问题,评价图像质量的常规参数为结构相似性(SSIM)和峰值信噪比(PSNR),如表所示,本实施例方法对亮度不均匀的图片进行增强后,其结构相似性(SSIM)和峰值信噪比(PSNR)相比MSR算法和CLAHE算法处理的图片有了很大的提升,其中结构相似性(SSIM)在2倍以上,峰值信噪比(PSNR)在4倍以上,这说明本实施例的方法处理后的图像质量非常高,具有非常好的增强效果。
综上所述,本发明对原始图像的色彩空间转换后,仅对图像的亮度进行处理,因此不会改变图像的色调和饱和度,从而不会造成图像的色彩失真;本发明通过分别增强图像亮度的照度分量和反射分量,并对照度分量进行校正,在空间域中将校正后的照度分量与原照度分量合理合并,实现对照度分量的自适应校正,使其在增大暗像素亮度值的同时不会过度改变量亮像素的亮度值,最终实现亮度不均匀图像的自适应增强。因此本发明相对于其他方法在处理亮度不均匀图像时出现色彩失真和亮像素区域过增强的问题,本发明不仅可以提高图像暗区域亮度的同时保持图像亮区域亮度的稳定,而且图像增强后无色彩失真,具有较强的普适性。
Claims (6)
1.一种亮度不均匀图像的自适应增强方法,其特征在于:具体包括以下步骤:
(1)将原始图像I(x,y)的色彩空间由RGB转换成HSV,得到转换后的图像J(x,y);
(2)使用多尺度滤波算法计算出图像J(x,y)色彩空间V(x,y)分量的照度分量L(x,y),再由照度分量L(x,y)和V(x,y)分量计算出V(x,y)分量的反射分量R(x,y);
(5)对V(x,y)分量的反射分量R(x,y)取反得到负片图像r(x,y),对负片图像进行增强处理,得到增强后的负片图像re(x,y),再对re(x,y)取反得到增强的反射分量Re(x,y);
(6)将增强后的照度分量Le(x,y)和增强的反射分量Re(x,y)合并得出增强的V(x,y)分量,记为Ve(x,y),使用Ve(x,y)替换V(x,y)分量得到图像Se(x,y),将图像Se(x,y)色彩空间由HSV转换至RGB得到增强的图像F(x,y);
所述步骤(3)过程具体为:
使用OTSU算法进行不断迭代,当所迭代的最大类间方差取得最大值时,此时所计算出来的阈值即为V(x,y)分量的分割阈值T;
将V(x,y)中的像素按亮度值大小划分为暗像素点、中像素点和亮像素点,划分的阈值由分割阈值T确定,计算如下:
u1=mT;
u2=n(1-T)+0.368;
式中,u1为暗像素和中像素的划分阈值,u2为中像素和亮像素的划分阈值,m,n为调节系数,取m=0.7,n=0.2;
使用u1和u2计算出照度分量L(x,y)的Gamma校正因子γ1和γ2,计算如下:
分别将u1和u2代入上式即求得γ1和γ2;
L(γ)(x,y)=Lγ(x,y);
2.根据权利要求1所述的亮度不均匀图像的自适应增强方法,其特征在于:所述步骤(1)的过程具体为:
图像I(x,y)的RGB色彩空间表示为(R(x,y),G(x,y),B(x,y)),其中R(x,y),G(x,y),B(x,y)分别是图像中坐标为(x,y)像素的红、绿和蓝颜色值,其值是介于区间[0,1]之间的实数,记每个像素红绿蓝三种颜色中的最大值为max,最小值为min;
使用max和min将图像I(x,y)色彩空间由RGB转换为HSV,得到图像J(x,y),图像J(x,y)的HSV色彩空间表示为(H(x,y),S(x,y),V(x,y)),其中H(x,y),S(x,y),V(x,y)分别是图像中坐标为(x,y)像素的色调、饱和度和亮度;转换公式如下:
V(x,y)=max;
6.根据权利要求5所述的亮度不均匀图像的自适应增强方法,其特征在于:所述步骤(6)的过程具体为:
将增强后的照度分量Le(x,y)和增强的反射分量Re(x,y)合并为Ve(x,y),Ve(x,y)是对V(x,y)的增强,计算如下:
Ve(x,y)=Le(x,y)×Re(x,y);
将图像J(x,y)的HSV色彩空间中的V(x,y)替换为Ve(x,y),得到图像Se(x,y);
将图像Se(x,y)色彩空间由HSV转换为RGB得到增强的图像F(x,y),图像F(x,y)的R(x,y),G(x,y),B(x,y)计算如下:
R(x,y)=(R’(x,y)+M(x,y))×255;
G(x,y)=(G’(x,y)+M(x,y))×255;
B(x,y)=(B’(x,y)+M(x,y))×255;
式中:
C(x,y)=V(x,y)×S(x,y);
M(x,y)=V(x,y)-C(x,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011144095.6A CN111968065B (zh) | 2020-10-23 | 2020-10-23 | 一种亮度不均匀图像的自适应增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011144095.6A CN111968065B (zh) | 2020-10-23 | 2020-10-23 | 一种亮度不均匀图像的自适应增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111968065A CN111968065A (zh) | 2020-11-20 |
CN111968065B true CN111968065B (zh) | 2021-04-06 |
Family
ID=73387227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011144095.6A Active CN111968065B (zh) | 2020-10-23 | 2020-10-23 | 一种亮度不均匀图像的自适应增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968065B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801925B (zh) * | 2021-01-12 | 2023-08-18 | 扬州大学 | 基于信息熵最大化消除水波纹影响的水下图像增强方法 |
CN112785532B (zh) * | 2021-01-12 | 2022-11-18 | 安徽大学 | 基于加权直方图分布伽玛校正的奇异值均衡图像增强算法 |
CN113870141A (zh) * | 2021-10-08 | 2021-12-31 | 成都医学院 | 一种彩色眼底图像增强方法 |
CN115526811B (zh) * | 2022-11-28 | 2023-03-24 | 电子科技大学中山学院 | 一种适应于多变光照环境的自适应视觉slam方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303532B (zh) * | 2015-10-21 | 2018-06-01 | 北京工业大学 | 一种小波域Retinex图像去雾方法 |
CN106997584A (zh) * | 2017-04-12 | 2017-08-01 | 哈尔滨理工大学 | 一种雾霾天气图像增强方法 |
CN108053374B (zh) * | 2017-12-05 | 2020-08-04 | 天津大学 | 一种结合双边滤波与Retinex的水下图像增强方法 |
CN109671036B (zh) * | 2018-12-26 | 2023-07-14 | 上海联影医疗科技股份有限公司 | 一种图像校正方法、装置、计算机设备及存储介质 |
CN110264411A (zh) * | 2019-05-13 | 2019-09-20 | 北京中科晶上科技股份有限公司 | 用于图像的光照校正方法 |
CN111861899A (zh) * | 2020-05-20 | 2020-10-30 | 河海大学 | 一种基于光照不均匀的图像增强方法及系统 |
-
2020
- 2020-10-23 CN CN202011144095.6A patent/CN111968065B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111968065A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968065B (zh) | 一种亮度不均匀图像的自适应增强方法 | |
CN104156921B (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
Chiu et al. | Efficient contrast enhancement using adaptive gamma correction and cumulative intensity distribution | |
CN111986120A (zh) | 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法 | |
CN109919859B (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
CN109087254B (zh) | 无人机航拍图像雾霾天空和白色区域自适应处理方法 | |
CN111968041A (zh) | 一种自适应图像增强方法 | |
CN110473152B (zh) | 基于改进Retinex算法的图像增强方法 | |
CN108288258A (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
CN111861896A (zh) | 一种面向uuv的水下图像色彩补偿与恢复方法 | |
CN112435184A (zh) | 一种基于Retinex和四元数的雾霾天图像识别方法 | |
CN113989147A (zh) | 基于直方图均衡和改进反锐化掩模的内窥镜图像增强方法 | |
CN116309559A (zh) | 一种中硼硅玻璃生产瑕疵智能识别方法 | |
CN110580690B (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
CN116188339A (zh) | 一种基于Retinex及图像融合的暗视觉图像增强方法 | |
CN109903275B (zh) | 一种基于自适应多尺度滤波和直方图对比的酒醅发霉区域检测方法 | |
CN113450272B (zh) | 一种基于正弦曲线变化的图像增强方法及其应用 | |
Zhao et al. | An adaptive low-illumination image enhancement algorithm based on weighted least squares optimization | |
CN110675332A (zh) | 一种金属腐蚀图像质量的增强方法 | |
CN112308793A (zh) | 一种新型的非均匀光照图像对比度和细节增强方法 | |
CN112365425A (zh) | 一种低照度图像增强方法和系统 | |
CN112465711A (zh) | 一种针对雾天环境下的降质图像增强方法 | |
CN116452447A (zh) | 一种低照度高清图像处理方法 | |
CN116309146A (zh) | 基于Retinex的边缘保留彩色低照度图像增强方法 | |
CN114897735B (zh) | 局部自适应的水下图像对比度增强方法 |
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 |