CN112184588A - 一种针对故障检测的图像增强系统及方法 - Google Patents
一种针对故障检测的图像增强系统及方法 Download PDFInfo
- Publication number
- CN112184588A CN112184588A CN202011051153.0A CN202011051153A CN112184588A CN 112184588 A CN112184588 A CN 112184588A CN 202011051153 A CN202011051153 A CN 202011051153A CN 112184588 A CN112184588 A CN 112184588A
- Authority
- CN
- China
- Prior art keywords
- image
- images
- channel
- fusion
- color space
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 51
- 238000000926 separation method Methods 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 4
- 238000007499 fusion processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012827 research and development 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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- 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
一种针对故障检测的图像增强系统及方法,涉及图像处理领域。本发明是为了解决现有的图像增强方法复杂、图像增强效果差的问题。对检测部件图像进行色彩空间转换,获得转换后图像;将转换后图像和检测部件图像进行通道分离,获得多个单通道图像;将任意三个单通道图像进行融合,得到一幅融合图像,直到完成所有融合情况,获得融合后的所有融合图像。它用于增强检测部件图像。
Description
技术领域
本发明涉及图像增强技术。属于图像处理领域。
背景技术
对于故障检测而言,一个纹理清晰的图像会让检测达到事半功倍的效果。然而在实际过程中为了扩大拍摄图像范围,不可避免的会损失图像的清晰度。而采用图像增强方法,提高图像清晰度则是经常使用的方法。
目前业内比较常见的图像增强的方法主要有线性滤波,非线性滤波等。主要常用的如直方图均衡化等。但是该类方法往往需要人工设置超参数,超参数的选择会极大的影响图像增强效果,增加了研发难度,并且也不能很好的解决图像增强问题。还有一些特定问题,通过先验知识达到图像增强,但其并不具有普适性。
发明内容
本发明是为了解决现有的图像增强方法复杂、图像增强效果差的问题。现提供一种针对故障检测的图像增强系统及方法。
一种针对故障检测的图像增强方法,所述方法包括:
步骤1、对检测部件图像进行色彩空间转换,获得转换后图像;
步骤2、将转换后图像和检测部件图像进行通道分离,获得多个单通道图像;
步骤3、将任意三个单通道图像进行融合,得到一幅融合图像,直到完成所有融合情况,获得融合后的所有融合图像。
优选地,所述检测部件图像为RGB图像。
优选地,转换后图像包括YCrCb色彩空间图像和HSV色彩空间图像。
优选地,步骤2中,获得多个单通道图像的具体过程为:
步骤21、选择检测部件图像及其对应的转换后图像;
步骤22、确定选择的检测部件图像及其对应的转换后图像的保存路径;
步骤23、将保存后的检测部件图像及其对应的转换后图像进行通道分离,获得多个单通道图像,并将多个单通道图像保存在所述路径中;
步骤3中,获得所有融合图像的具体过程为:
将任意三个单通道图像进行融合,完成所有融合情况,获得融合后的所有融合图像并保存,显示保存后的每个融合图像的通道图像组成优选地,所述方法还包括步骤4:
步骤4、从融合后的所有融合图像中选出纹理清晰的图像作为增强后图像。
一种针对故障检测的图像增强系统,所述系统包括:
色彩空间转换单元,用于对检测部件图像进行色彩空间转换,获得转换后图像;
色彩空间通道分离单元,用于将转换后图像和检测部件图像进行通道分离,获得多个单通道图像;
图像融合单元,用于将任意三个单通道图像进行融合,得到一幅融合图像,直到完成所有融合情况,获得融合后的所有融合图像。
优选地,所述检测部件图像为RGB图像。
优选地,所述转换后图像包括YCrCb色彩空间图像和HSV色彩空间图像。
优选地,色彩空间通道分离单元包括输入单元、图像路径保存单元和通道分离单元,输入单元,用于选择检测部件图像及其对应的转换后图像
图像路径保存单元,用于确定选择的检测部件图像及其对应的转换后图像的保存路径;
通道分离单元,用于将保存后的检测部件图像及其对应的转换后图像进行通道分离,获得多个单通道图像,并将多个单通道图像保存在所述路径中;
图像融合单元包括图像融合部件,
图像融合部件,用于将任意三个单通道图像进行融合,完成所有融合情况,获得融合后的所有融合图像并保存,显示保存后的每个融合图像的通道图像组成。
优选地,所述系统还包括选择单元,
选择单元,用于从融合后的所有融合图像中选出纹理清晰的图像作为增强后图像。
本发明的有益效果为:
本申请利用固定设备搭载照相机或者摄像机,对要检测的部件进行拍摄,得到二维图像。通过先验知识,确立待增强图像所在的范围,得到RGB图像,将RGB图像转换成其他多种色彩空间图像,将多种色彩空间图像和RGB图像进行通道分离,得到多个单通道图像;将任意三个单通道图像融合成一幅图像,直到完成所有融合情况,获得融合后的多幅融合图像;从融合后的多幅融合图像中识别出纹理清晰图像。本申请的图像增强方法相比现有通过设置超参数的直方图均衡化方法,不需要设置超参数,操作简单,得到的图像更清晰,并且检测效率高。
附图说明
图1为一种针对故障检测的图像增强方法的流程图;
图2为一种针对故障检测的图像增强系统的原理示意图;
图3为用于进行图像增强的可视化界面;
图4为采用直方图均衡化方法进行图像增强,设置超参数不精确时获得的图像;
图5为使用本实施例提供的图像增强方法获得的融合图像的效果图;
图6为采用直方图均衡化方法进行图像增强,设置超参数精确时获得的图像;
具体实施方式
下面将结合本发明实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是发明一部分实时例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要特别说明的是,在不冲突的情况下,本申请的实施例之间可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明。
实施例1:
本发明提供的一种针对故障检测的图像增强方法,用于获得清晰图像,如图1所示,所述方法包括:
步骤1、对检测部件图像进行色彩空间转换,获得转换后图像;
步骤2、将转换后图像和检测部件图像进行通道分离,获得多个单通道图像;
步骤3、将任意三个单通道图像进行融合,得到一幅融合图像,直到完成所有融合情况,获得融合后的所有融合图像。
具体地,利用固定设备搭载照相机或者摄像机,对要检测的部件进行拍摄,得到二维图像。通过先验知识,从二维图像中截取待增强范围的图像,得到检测部件图像。
每一个色彩空间图像都有三个单通道图像,3个色彩空间则总有九个通道。随机挑选三个单通道图像融合成一幅图像,直至遍历完所有的融合可能性。(融合后的图像,可能包含单个色彩空间图像的一个单通道图像,两个通道图像或者三个通道图像)。
本发明的一种较优实施例中,检测部件图像为RGB图像。
具体地,一幅RGB图像是一个彩色像素数组,其中每个彩色像素是一个三值组,这三个值分别对应一个特定空间位置处该RGB图像的红、绿和蓝分量。
RGB是代表红、绿、蓝三个通道的颜色。
本发明的一种较优实施例中,转换后图像包括YCrCb色彩空间图像和HSV色彩空间图像。
具体地,将图像由RGB色彩空间图像转换为YCrCb色彩空间图像以及HSV色彩空间图像。
将YCrCb色彩空间图像分离成Y通道图像、Cr通道图像和C通道图像,
HSV色彩空间图像分离成H通道图像、S通道图像和V通道图像,
RGB图像分离成R通道图像、G通道图像和B通道图像。每个单通道图像均是灰度图像。
具体地,RGB是代表红、绿、蓝三个通道的颜色。
YCrCb即YUV,其中,Y表示明亮度,也就是灰阶值,U和V表示的是色度,作用是描述影响色彩及饱和度,用于指定像素的颜色。色度定义了颜色的两个方面,分别为色调域饱和度,分别用Cr和Cb表示。
HSV是为了更好的数字化处理颜色而提出来的。H是色调,S是饱和度,V是明度。
本发明的一种较优实施例中,如图3所示,步骤2中,获得多个单通道图像的具体过程为:
步骤21、选择检测部件图像及其对应的转换后图像;
步骤22、确定选择的检测部件图像及其对应的转换后图像的保存路径;
步骤23、将保存后的检测部件图像及其对应的转换后图像进行通道分离,获得多个单通道图像,并将多个单通道图像保存在所述路径中;
步骤3中,获得所有融合图像的具体过程为:
将任意三个单通道图像进行融合,完成所有融合情况,获得融合后的所有融合图像并保存,显示保存后的每个融合图像的通道图像组成。
具体地,由于每张传入图像的通道数不固定,传入的图像张数也不确定。在算法内部首先明确传入图像的数量以及每张图像的通道数。采用通道分离算法,分离图像的各个通道,并创建遍历容器存储保存。在保存路径中挑选出纹理清晰的融合图像,查看融合过程。为后续处理,提供参考。
通过简单的鼠标点击按键,即可完成跨空间图像融合。可视化界面如图3所示:点击输入图像,选中想要融合的三张图像(RGB图像,HSV图像,YCrCb图像)。点击保存路径,自定义选择想要保存的位置。在显示融合过程的编辑框中,会给出每一个保存结果所对应的融合过程。比如图像结果A,是由R通道图像,H通道图像,Y通道图像所融合得到。
实施例2:
本发明提供的一种针对故障检测的图像增强系统,用于获得清晰图像,如图2所示,所述系统包括:
色彩空间转换单元,用于对检测部件图像进行色彩空间转换,获得转换后图像;
色彩空间通道分离单元,用于将转换后图像和检测部件图像进行通道分离,获得多个单通道图像;
图像融合单元,用于将任意三个单通道图像进行融合,得到一幅融合图像,直到完成所有融合情况,获得融合后的所有融合图像。
本发明的一种较优实施例中,所述检测部件图像为RGB图像。
本发明的一种较优实施例中,所述转换后图像包括YCrCb色彩空间图像和HSV色彩空间图像。
本发明的一种较优实施例中,色彩空间通道分离单元包括输入单元、图像路径保存单元和通道分离单元,
输入单元,用于选择检测部件图像及其对应的转换后图像
输入单元,用于选择检测部件图像及其对应的转换后图像
图像路径保存单元,用于确定选择的检测部件图像及其对应的转换后图像的保存路径;
通道分离单元,用于将保存后的检测部件图像及其对应的转换后图像进行通道分离,获得多个单通道图像,并将多个单通道图像保存在所述路径中;
图像融合单元包括图像融合部件,
图像融合部件,用于将任意三个单通道图像进行融合,完成所有融合情况,获得融合后的所有融合图像并保存,显示保存后的每个融合图像的通道图像组成。
本发明的一种较优实施例中,所述系统还包括选择单元,
选择单元,用于从融合后的所有融合图像中选出纹理清晰的图像作为增强后图像。
实验对比:
将本申请采用融合算法与传统的直方图均衡化方法进行对比,进行了两组实验。A组是直方图均衡化参数选择不精确,与融合图像效果进行对比。B组是直方图均衡化参数选择精确,与融合图像效果进行对比。
A组:直方图均衡化与融合图像效果对比,如图4和5所示。
可以发现,不精确的超参数选择对直方图均衡化的增强效果影响较大。融合图像效果优于直方图均衡化。
B组:直方图均衡化与融合图像效果对比,如图5和6所示。
通过大量的实验优化,挑选了合适的超参数,直方图均衡化效果明显提升,但是并不优于融合图像所取得的增强效果。
Claims (10)
1.一种针对故障检测的图像增强方法,其特征在于,所述方法包括:
步骤1、对检测部件图像进行色彩空间转换,获得转换后图像;
步骤2、将转换后图像和检测部件图像进行通道分离,获得多个单通道图像;
步骤3、将任意三个单通道图像进行融合,得到一幅融合图像,直到完成所有融合情况,获得融合后的所有融合图像。
2.根据权利要求1所述一种针对故障检测的图像增强方法,其特征在于,所述检测部件图像为RGB图像。
3.根据权利要求2所述一种针对故障检测的图像增强方法,其特征在于,所述转换后图像包括YCrCb色彩空间图像和HSV色彩空间图像。
4.根据权利要求1所述一种针对故障检测的图像增强方法,其特征在于,步骤2中,获得多个单通道图像的具体过程为:
步骤21、选择检测部件图像及其对应的转换后图像;
步骤22、确定选择的检测部件图像及其对应的转换后图像的保存路径;
步骤23、将保存后的检测部件图像及其对应的转换后图像进行通道分离,获得多个单通道图像,并将多个单通道图像保存在所述路径中;
步骤3中,获得所有融合图像的具体过程为:
将任意三个单通道图像进行融合,完成所有融合情况,获得融合后的所有融合图像并保存,显示保存后的每个融合图像的通道图像组成。
5.根据权利要求1所述一种针对故障检测的图像增强方法,其特征在于,所述方法还包括步骤4:
步骤4、从融合后的所有融合图像中选出纹理清晰的图像作为增强后图像。
6.一种针对故障检测的图像增强系统,其特征在于,所述系统包括:
色彩空间转换单元,用于对检测部件图像进行色彩空间转换,获得转换后图像;
色彩空间通道分离单元,用于将转换后图像和检测部件图像进行通道分离,获得多个单通道图像;
图像融合单元,用于将任意三个单通道图像进行融合,得到一幅融合图像,直到完成所有融合情况,获得融合后的所有融合图像。
7.根据权利要求6所述一种针对故障检测的图像增强系统,其特征在于,所述检测部件图像为RGB图像。
8.根据权利要求7所述一种针对故障检测的图像增强系统,其特征在于,所述转换后图像包括YCrCb色彩空间图像和HSV色彩空间图像。
9.根据权利要求6所述一种针对故障检测的图像增强系统,其特征在于,色彩空间通道分离单元包括输入单元、图像路径保存单元和通道分离单元,
输入单元,用于选择检测部件图像及其对应的转换后图像
图像路径保存单元,用于确定选择的检测部件图像及其对应的转换后图像的保存路径;
通道分离单元,用于将保存后的检测部件图像及其对应的转换后图像进行通道分离,获得多个单通道图像,并将多个单通道图像保存在所述路径中;
图像融合单元包括图像融合部件,
图像融合部件,用于将任意三个单通道图像进行融合,完成所有融合情况,获得融合后的所有融合图像并保存,显示保存后的每个融合图像的通道图像组成。
10.根据权利要求6所述一种针对故障检测的图像增强系统,其特征在于,所述系统还包括选择单元,
选择单元,用于从融合后的所有融合图像中选出纹理清晰的图像作为增强后图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011051153.0A CN112184588A (zh) | 2020-09-29 | 2020-09-29 | 一种针对故障检测的图像增强系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011051153.0A CN112184588A (zh) | 2020-09-29 | 2020-09-29 | 一种针对故障检测的图像增强系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112184588A true CN112184588A (zh) | 2021-01-05 |
Family
ID=73946967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011051153.0A Pending CN112184588A (zh) | 2020-09-29 | 2020-09-29 | 一种针对故障检测的图像增强系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184588A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344809A (zh) * | 2021-05-27 | 2021-09-03 | 同济大学 | 一种超声图像增强方法、系统和设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
CN106558048A (zh) * | 2016-11-28 | 2017-04-05 | 湖南挚新科技发展有限公司 | 螺钉阵列异位故障检测方法与系统 |
CN106650669A (zh) * | 2016-12-27 | 2017-05-10 | 重庆邮电大学 | 一种鉴别仿冒照片欺骗的人脸识别方法 |
CN107103596A (zh) * | 2017-04-27 | 2017-08-29 | 湖南源信光电科技股份有限公司 | 一种基于yuv空间的彩色夜视图像融合方法 |
CN107527332A (zh) * | 2017-10-12 | 2017-12-29 | 长春理工大学 | 基于改进Retinex的低照度图像色彩保持增强方法 |
CN107907803A (zh) * | 2017-11-23 | 2018-04-13 | 南京杰迈视讯科技有限公司 | 一种便携式的增强现实紫外成像系统 |
CN109035249A (zh) * | 2018-09-10 | 2018-12-18 | 东北大学 | 一种基于图像处理的管道故障并行全局阈值检测方法 |
CN109342891A (zh) * | 2018-08-15 | 2019-02-15 | 国网瑞盈电力科技(北京)有限公司 | 一种基于红外紫外可见光图像融合的故障检测方法和装置 |
CN109740572A (zh) * | 2019-01-23 | 2019-05-10 | 浙江理工大学 | 一种基于局部彩色纹理特征的人脸活体检测方法 |
CN111079631A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车钩提杆脱落故障识别方法及系统 |
-
2020
- 2020-09-29 CN CN202011051153.0A patent/CN112184588A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
CN106558048A (zh) * | 2016-11-28 | 2017-04-05 | 湖南挚新科技发展有限公司 | 螺钉阵列异位故障检测方法与系统 |
CN106650669A (zh) * | 2016-12-27 | 2017-05-10 | 重庆邮电大学 | 一种鉴别仿冒照片欺骗的人脸识别方法 |
CN107103596A (zh) * | 2017-04-27 | 2017-08-29 | 湖南源信光电科技股份有限公司 | 一种基于yuv空间的彩色夜视图像融合方法 |
CN107527332A (zh) * | 2017-10-12 | 2017-12-29 | 长春理工大学 | 基于改进Retinex的低照度图像色彩保持增强方法 |
CN107907803A (zh) * | 2017-11-23 | 2018-04-13 | 南京杰迈视讯科技有限公司 | 一种便携式的增强现实紫外成像系统 |
CN109342891A (zh) * | 2018-08-15 | 2019-02-15 | 国网瑞盈电力科技(北京)有限公司 | 一种基于红外紫外可见光图像融合的故障检测方法和装置 |
CN109035249A (zh) * | 2018-09-10 | 2018-12-18 | 东北大学 | 一种基于图像处理的管道故障并行全局阈值检测方法 |
CN109740572A (zh) * | 2019-01-23 | 2019-05-10 | 浙江理工大学 | 一种基于局部彩色纹理特征的人脸活体检测方法 |
CN111079631A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车钩提杆脱落故障识别方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344809A (zh) * | 2021-05-27 | 2021-09-03 | 同济大学 | 一种超声图像增强方法、系统和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8724894B1 (en) | Colorization of digital imagery | |
EP1580982A2 (en) | Image data processing in color spaces | |
US8553978B2 (en) | System and method for providing multi resolution purple fringing detection and correction | |
CN112887693B (zh) | 图像紫边消除方法、设备及存储介质 | |
WO2017008377A1 (zh) | 一种图像处理方法及终端 | |
US8526719B2 (en) | Method of converting color image into grayscale image and recording medium storing program for performing the same | |
CN110852953B (zh) | 图像插值方法及装置、存储介质、图像信号处理器、终端 | |
CN105430357B (zh) | 图像传感器的去马赛克方法及装置 | |
WO2023005115A1 (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
US8346019B2 (en) | Image generation method and apparatus, program therefor, and storage medium which stores the program | |
CN112184588A (zh) | 一种针对故障检测的图像增强系统及方法 | |
CN113052765B (zh) | 基于最优栅格密度模型的全景图像拼接方法 | |
CN106408617B (zh) | 一种基于yuv颜色空间的交互式单幅图像材质获取系统和方法 | |
CN103259960B (zh) | 数据的插值方法及装置、图像输出方法及装置 | |
CN108053452B (zh) | 一种基于混合模型的数字图像色彩提取方法 | |
WO2015154526A1 (zh) | 视频监控低照度图像色彩还原方法和装置 | |
US10083516B2 (en) | Method for segmenting a color image and digital microscope | |
WO2021008187A1 (zh) | 显示界面切换功能的检测方法及系统 | |
JP5018095B2 (ja) | 画像表現方法、画像表現装置、および画像表現プログラム | |
Raju et al. | Comparative study of Structural Similarity Index (SSIM) by using different edge detection approaches on live video frames for different color models | |
CN114511469B (zh) | 一种图像智能降噪先验检测方法 | |
CN114581344B (zh) | 一种视频图像紫边校正方法 | |
CN113538607B (zh) | 基于人工图像y分量不变性的yuv图像转换方法及系统 | |
US20240087128A1 (en) | Adaptive auto white balancing | |
KR102315200B1 (ko) | 자동 화이트 밸런스를 위한 영상 처리 장치 및 그 처리 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210105 |