CN112348761B - 设备外观图像亮度调节方法及装置 - Google Patents
设备外观图像亮度调节方法及装置 Download PDFInfo
- Publication number
- CN112348761B CN112348761B CN202011369171.3A CN202011369171A CN112348761B CN 112348761 B CN112348761 B CN 112348761B CN 202011369171 A CN202011369171 A CN 202011369171A CN 112348761 B CN112348761 B CN 112348761B
- Authority
- CN
- China
- Prior art keywords
- appearance image
- equipment
- brightness adjustment
- appearance
- image
- 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
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 52
- 230000003044 adaptive effect Effects 0.000 claims abstract description 38
- 238000004064 recycling Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种设备外观图像亮度调节方法及装置,在获取到设备外观图像后,将设备外观图像的原始像素值代入自适应亮度调节算法,最后将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。基于此,避免使用经验阈值进行图像亮度调节的繁琐过程和局限性。通过自适应亮度调节算法调节亮度后的外观图像可以更加层次分明的表现出设备外观存在的问题,以便于为设备回收估价提供更为准确地参考性,提高设备回收的成功率。
Description
技术领域
本发明涉及电子产品技术领域,特别是涉及一种设备外观图像亮度调节方法及装置。
背景技术
随着电子产品技术的发展,各种智能设备层出不穷,例如智能手机、笔记本电脑和平板电脑等。目前,伴随着经济和技术的高速发展,智能设备的普及和更新换代速度也越来越快。以智能手机为例,5G时代的到来,加速了智能手机的换代。在智能设备进行迭代的过程中,有效回收是智能设备剩余价值的有效利用手段之一,可减少对环境的化学污染以及减少浪费。
在智能设备的回收过程中,设备估价作为设备回收、以旧换新的重要中间环节,其估价的准确性和合理性间接影响着人们设备回收、以旧换新的成功率。其中,设备外观作为评估设备外部故障和新旧程度的重要信息来源,设备外观亮度值影响设备外观图像的呈现效果,进而直接影响设备外部故障的检测结果,进而间接影响设备的最终回收估价。因此,在设备回收中对设备外观图像进行评估这一环节,调节设备外观图像亮度具有重要的意义。
传统的设备外观图像亮度调节方式,通常通过对不同设备外观图像分别采用不同的经验阈值或者经验阈值组合进行亮度调节,以实现对设备外观图像的亮度调节。然而,获取经验阈值的方式比较繁琐,且获取到的经验阈值仅适用于对应的设备外观图像,具有一定局限性,适用范围有限。由此可见,传统的设备外观图像亮度调节方式还存在上述缺陷。
发明内容
基于此,有必要针对传统的设备外观图像亮度调节方式还存在的缺陷,提供一种设备外观图像亮度调节方法及装置。
一种设备外观图像亮度调节方法,包括步骤:
获取设备外观图像;
将设备外观图像的原始像素值代入自适应亮度调节算法;
将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。
上述的设备外观图像亮度调节方法,在获取到设备外观图像后,将设备外观图像的原始像素值代入自适应亮度调节算法,最后将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。基于此,避免使用经验阈值进行图像亮度调节的繁琐过程和局限性。通过自适应亮度调节算法调节亮度后的外观图像可以更加层次分明的表现出设备外观存在的问题,以便于为设备回收估价提供更为准确地参考性,提高设备回收的成功率。
在其中一个实施例中,自适应亮度调节算法如下式:
Y(i,j)=β(i,j)*X1(i,j)+α(i,j)*X2(i,j)
其中,X1(i,j)+X2(i,j)=255,X1(i,j)∈[0,255],X2(i,j)∈[0,255],i,j表示设备外观图像中的像素坐标即第i行第j列的像素点位置,Y(i,j)表示第i行第j列像素点经自适应亮度调节后的最终像素值且Y(i,j)∈[0,255],α,β为自适应亮度调节因子。
在其中一个实施例中,自适应亮度调节因子满足下式:
其中,α(i,j)+β(i,j)=1且α(i,j)∈(0,1),β(i,j)∈(0,1)。
在其中一个实施例中,自适应亮度调节算法包括密度峰值聚类算法。
在其中一个实施例中,获取设备外观图像的过程,包括步骤:
在设定亮度环境下获取设备外观图像。
在其中一个实施例中,设定亮度环境的照度为100至1000lx。
在其中一个实施例中,还包括步骤:
对自适应亮度调节算法的处理结果进行滤波处理,将滤波处理结果作为用于回收外观评估的设备外观图像。
一种设备外观图像亮度调节装置,包括:
图像获取模块,用于获取设备外观图像;
亮度调节模块,用于将设备外观图像的原始像素值代入自适应亮度调节算法;
图像输出模块,用于将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。
上述的设备外观图像亮度调节装置,在获取到设备外观图像后,将设备外观图像的原始像素值代入自适应亮度调节算法,最后将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。基于此,避免使用经验阈值进行图像亮度调节的繁琐过程和局限性。通过自适应亮度调节算法调节亮度后的外观图像可以更加层次分明的表现出设备外观存在的问题,以便于为设备回收估价提供更为准确地参考性,提高设备回收的成功率。
一种计算机存储介质,其上存储有计算机指令,计算机指令被处理器执行时实现上述任一实施例的屏幕透图检测方法。
上述的计算机存储介质,在获取到智能设备屏幕显示的原始图片后,通过分类算法对原始图片进行分类处理,获得多个分类准确率和图片权重,并根据分类准确率获得用于表征智能设备屏幕透图检测结果的目标权重。基于此,在回收智能设备时可通过对智能设备屏幕显示的图片进行实时检测,检测设备屏幕是否透图来指导回收,有利于指导回收的同时降低回收工作量以及提高检测准确率。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述任一实施例的屏幕透图检测方法。
上述的计算机设备,在获取到设备外观图像后,将设备外观图像的原始像素值代入自适应亮度调节算法,最后将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。基于此,避免使用经验阈值进行图像亮度调节的繁琐过程和局限性。通过自适应亮度调节算法调节亮度后的外观图像可以更加层次分明的表现出设备外观存在的问题,以便于为设备回收估价提供更为准确地参考性,提高设备回收的成功率。
附图说明
图1为一实施方式的设备外观图像亮度调节方法流程图;
图2为另一实施方式的设备外观图像亮度调节方法流程图;
图3为一具体应用例的像素值曲线图;
图4为一实施方式的设备外观图像亮度调节装置模块结构图;
图5为一具体应用例的屏幕透图检测方法流程图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果,以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明,以下所描述的实施例仅用于解释本发明,并不用于限定本发明。
本发明实施例提供了一种设备外观图像亮度调节方法。
图1为一实施方式的设备外观图像亮度调节方法流程图,如图1所示,一实施方式的设备外观图像亮度调节方法包括步骤S100至步骤S102:
S100,获取设备外观图像;
其中,设备即待回收的智能设备,包括智能手机、笔记本电脑和平板电脑等。通过摄像设备拍摄设备外观图像,获得设备外观图像。
在其中一个实施例中,图2为另一实施方式的设备外观图像亮度调节方法流程图,如图2所示,步骤S100中获取设备外观图像的过程,包括步骤S200:
S200,在设定亮度环境下获取设备外观图像。
其中,通过在设定亮度环境下获取设备外观图像,即在设定亮度环境下拍摄设备,获取设备外观图像。基于此,使设备外观图像的亮度值处于合理范围内,降低后续自适应亮度调节算法的计算量或亮度值超出自适应亮度调节算法的处理范围。
在其中一个实施例中,设定亮度环境的照度为100至1000lx(勒克斯)。作为一个较优的实施方式,设定亮度环境的照度为550lx。
S101,将设备外观图像的原始像素值代入自适应亮度调节算法;
S102,将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。
其中,通过自适应亮度调节算法,调整设备外观图像的原始像素值,消除拍摄环境和设备自身为设备外观图像引入的干扰,使处理后的设备外观图像能更为直观地反映在回收中需要注意的外观问题。
在其中一个实施例中,自适应亮度调节算法包括密度峰值聚类算法(clusteringby fast search and find of density peaks,DPC)。通过密度峰值聚类算法,求取原始像素值的聚类中心,并根据聚类中心对各像素点的像素值进行密度排列,得出设备外观图像的聚类特征,为回收外观评估提供参考。
在其中一个实施例中,自适应亮度调节算法如下式:
Y(i,j)=β(i,j)*X1(i,j)+α(i,j)*X2(i,j)
其中,X1(i,j)+X2(i,j)=255,X1(i,j)∈[0,255],X2(i,j)∈[0,255],i,j表示设备外观图像中的像素坐标即第i行第j列的像素点位置,Y(i,j)表示第i行第j列像素点经自适应亮度调节后的最终像素值且Y(i,j)∈[0,255],α,β为自适应亮度调节因子。
在其中一个实施例中,原始像素值还可以用于调整自适应亮度调节因子α,β,如下式:
其中,α(i,j)+β(i,j)=1且α(i,j)∈(0,1),β(i,j)∈(0,1)。
为了更直观地解释本实施例自适应亮度调节算法的调节效果,以下以一具体应用例子进行解释。图3为一具体应用例的像素值曲线图,如图3所示,X1对应的像素值为原始像素值,Y为对应像素点的像素值进行自适应亮度调节后的输出像素值。从图3可以看出,当X1的像素值较小时,即对应的图像较暗时,经过自适应亮度调节处理后,Y的像素值会逐渐增大,提升对应的图像亮度。当X1的像素值大于127后,即对应的图像开始变亮时,经过自适应亮度调节处理后,Y的像素值会逐渐减小,降低对应的图像亮度。
在其中一个实施例中,图4为又一实施方式的设备外观图像亮度调节方法流程图,如图4所示,又一实施方式的设备外观图像亮度调节方法还包括步骤S300:
S300,对自适应亮度调节算法的处理结果进行滤波处理,将滤波处理结果作为用于回收外观评估的设备外观图像。
其中,滤波处理包括均值滤波、引导滤波或最大值最小值滤波。基于此,通过滤波处理对自适应亮度调节算法处理后的设备外观图像进行噪声抑制,以提高设备回收的参考性。
在其中一个实施例中,如图4所示,又一实施方式的设备外观图像亮度调节方法还包括步骤S400:
S400,存储用于回收外观评估的设备外观图像。
其中,存储用于回收外观评估的设备外观图像,以便后续进行设备外观的回收检测。
上述任一实施例的设备外观图像亮度调节方法,在获取到设备外观图像后,将设备外观图像的原始像素值代入自适应亮度调节算法,最后将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。基于此,避免使用经验阈值进行图像亮度调节的繁琐过程和局限性。通过自适应亮度调节算法调节亮度后的外观图像可以更加层次分明的表现出设备外观存在的问题,以便于为设备回收估价提供更为准确地参考性,提高设备回收的成功率。
本发明实施例还提供了一种设备外观图像亮度调节装置。
图5为一实施方式的设备外观图像亮度调节装置模块结构图,如图5所示,一实施方式的设备外观图像亮度调节装置包括模块100、模块101和模块102:
图像获取模块100,用于获取设备外观图像;
亮度调节模块101,用于将设备外观图像的原始像素值代入自适应亮度调节算法;
图像输出模块102,用于将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。
上述的设备外观图像亮度调节装置,在获取到设备外观图像后,将设备外观图像的原始像素值代入自适应亮度调节算法,最后将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。基于此,避免使用经验阈值进行图像亮度调节的繁琐过程和局限性。通过自适应亮度调节算法调节亮度后的外观图像可以更加层次分明的表现出设备外观存在的问题,以便于为设备回收估价提供更为准确地参考性,提高设备回收的成功率。
本发明实施例还提供了一种计算机存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述任一实施例的设备外观图像亮度调节方法。
本领域的技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、随机存取存储器(RAM,Random Access Memory)、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是,在一个实施例中还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行程序时实现如上述各实施例中的任意一种设备外观图像亮度调节方法。
上述计算机设备,在获取到设备外观图像后,将设备外观图像的原始像素值代入自适应亮度调节算法,最后将自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。基于此,避免使用经验阈值进行图像亮度调节的繁琐过程和局限性。通过自适应亮度调节算法调节亮度后的外观图像可以更加层次分明的表现出设备外观存在的问题,以便于为设备回收估价提供更为准确地参考性,提高设备回收的成功率。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于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,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种设备外观图像亮度调节方法,其特征在于,包括步骤:
获取设备外观图像;
将所述设备外观图像的原始像素值代入自适应亮度调节算法;
所述自适应亮度调节算法如下式:
Y(i,j)=β(i,j)*X1(i,j)+α(i,j)*X2(i,j)
其中,X1(i,j)+X2(i,j)=255,X1(i,j)∈[0,255],X2(i,j)∈[0,255],i,j表示设备外观图像中的像素坐标即第i行第j列的像素点位置,Y(i,j)表示第i行第j列像素点经自适应亮度调节后的最终像素值且Y(i,j)∈[0,255],α,β为自适应亮度调节因子;
所述自适应亮度调节因子满足下式:
其中,α(i,j)+β(i,j)=1且α(i,j)∈(0,1),β(i,j)∈(0,1);
将所述自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。
2.根据权利要求1所述的设备外观图像亮度调节方法,其特征在于,所述自适应亮度调节算法包括密度峰值聚类算法。
3.根据权利要求1或2所述的设备外观图像亮度调节方法,其特征在于,获取设备外观图像的过程,包括步骤:
在设定亮度环境下获取设备外观图像。
4.根据权利要求3所述的设备外观图像亮度调节方法,其特征在于,所述设定亮度环境的照度为100至1000lx。
5.根据权利要求1或2所述的设备外观图像亮度调节方法,其特征在于,还包括步骤:
对所述自适应亮度调节算法的处理结果进行滤波处理,将滤波处理结果作为用于回收外观评估的设备外观图像。
6.一种设备外观图像亮度调节装置,其特征在于,包括:
图像获取模块,用于获取设备外观图像;
亮度调节模块,用于将所述设备外观图像的原始像素值代入自适应亮度调节算法;
所述自适应亮度调节算法如下式:
Y(i,j)=β(i,j)*X1(i,j)+α(i,j)*X2(i,j)
其中,X1(i,j)+X2(i,j)=255,X1(i,j)∈[0,255],X2(i,j)∈[0,255],i,j表示设备外观图像中的像素坐标即第i行第j列的像素点位置,Y(i,j)表示第i行第j列像素点经自适应亮度调节后的最终像素值且Y(i,j)∈[0,255],α,β为自适应亮度调节因子;
所述自适应亮度调节因子满足下式:
其中,α(i,j)+β(i,j)=1且α(i,j)∈(0,1),β(i,j)∈(0,1);
图像输出模块,用于将所述自适应亮度调节算法的处理结果作为用于回收外观评估的设备外观图像。
7.一种计算机存储介质,其上存储有计算机指令,其特征在于,所述计算机指令被处理器执行时实现如权利要求1至5任意一项所述的设备外观图像亮度调节方法。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行程序时实现如权利要求1至5任意一项所述的设备外观图像亮度调节方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011369171.3A CN112348761B (zh) | 2020-11-30 | 2020-11-30 | 设备外观图像亮度调节方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011369171.3A CN112348761B (zh) | 2020-11-30 | 2020-11-30 | 设备外观图像亮度调节方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348761A CN112348761A (zh) | 2021-02-09 |
CN112348761B true CN112348761B (zh) | 2024-04-26 |
Family
ID=74365079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011369171.3A Active CN112348761B (zh) | 2020-11-30 | 2020-11-30 | 设备外观图像亮度调节方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348761B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022040667A1 (en) | 2020-08-17 | 2022-02-24 | Ecoatm, Llc | Evaluating an electronic device using a wireless charger |
US11922467B2 (en) | 2020-08-17 | 2024-03-05 | ecoATM, Inc. | Evaluating an electronic device using optical character recognition |
CN113034529A (zh) * | 2021-04-02 | 2021-06-25 | 广州绿怡信息科技有限公司 | 基于迷你手机检测机的设备图像提取方法及装置 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04254746A (ja) * | 1991-02-05 | 1992-09-10 | Nippondenso Co Ltd | 明度検査装置 |
JPH1019801A (ja) * | 1996-06-28 | 1998-01-23 | Kobe Steel Ltd | 表面欠陥探傷装置 |
TW201011691A (en) * | 2008-09-05 | 2010-03-16 | Primax Electronics Ltd | Method for adjusting brightness of images |
CN102679905A (zh) * | 2012-01-10 | 2012-09-19 | 天津大学 | 像素级自适应数字光学亮度衰减方法及衰减装置 |
CN102707340A (zh) * | 2012-06-06 | 2012-10-03 | 南京大学 | 一种基于视频图像的降雨量测量方法 |
CN102737610A (zh) * | 2011-03-31 | 2012-10-17 | 青岛海信电器股份有限公司 | 一种光源亮度调整方法、装置及显示设备 |
KR20130060110A (ko) * | 2011-11-29 | 2013-06-07 | 연세대학교 산학협력단 | 이미지 톤 매핑 장치 및 방법 |
CN104182998A (zh) * | 2014-08-14 | 2014-12-03 | 深圳市云宙多媒体技术有限公司 | 一种自适应图像亮度渲染方法与装置 |
CN109064426A (zh) * | 2018-07-26 | 2018-12-21 | 电子科技大学 | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 |
CN109191394A (zh) * | 2018-08-17 | 2019-01-11 | 京东方科技集团股份有限公司 | 一种图像增强的方法、装置、可读存储介质和计算机设备 |
CN109325448A (zh) * | 2018-09-21 | 2019-02-12 | 广州广电卓识智能科技有限公司 | 人脸识别方法、装置和计算机设备 |
CN109389560A (zh) * | 2018-09-27 | 2019-02-26 | 深圳开阳电子股份有限公司 | 一种自适应加权滤波图像降噪方法、装置及图像处理设备 |
CN109785275A (zh) * | 2018-12-27 | 2019-05-21 | 珠海亿智电子科技有限公司 | 一种图像的色调映射方法及设备 |
CN109948562A (zh) * | 2019-03-25 | 2019-06-28 | 浙江啄云智能科技有限公司 | 一种基于x射线图像的安检系统深度学习样本生成方法 |
CN110706161A (zh) * | 2019-08-22 | 2020-01-17 | 稿定(厦门)科技有限公司 | 图像的亮度调整方法、介质、设备及装置 |
CN110766639A (zh) * | 2019-10-30 | 2020-02-07 | 北京迈格威科技有限公司 | 图像增强方法、装置、移动设备及计算机可读存储介质 |
CN110827306A (zh) * | 2019-10-18 | 2020-02-21 | 重庆师范大学 | 基于自适应密度峰值聚类的紫色土图像分割提取方法 |
CN111598001A (zh) * | 2020-05-18 | 2020-08-28 | 哈尔滨理工大学 | 一种基于图像处理的苹果树病虫害的识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107680056B (zh) * | 2017-09-27 | 2020-03-10 | 深圳市华星光电半导体显示技术有限公司 | 一种图像处理方法及装置 |
-
2020
- 2020-11-30 CN CN202011369171.3A patent/CN112348761B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04254746A (ja) * | 1991-02-05 | 1992-09-10 | Nippondenso Co Ltd | 明度検査装置 |
JPH1019801A (ja) * | 1996-06-28 | 1998-01-23 | Kobe Steel Ltd | 表面欠陥探傷装置 |
TW201011691A (en) * | 2008-09-05 | 2010-03-16 | Primax Electronics Ltd | Method for adjusting brightness of images |
CN102737610A (zh) * | 2011-03-31 | 2012-10-17 | 青岛海信电器股份有限公司 | 一种光源亮度调整方法、装置及显示设备 |
KR20130060110A (ko) * | 2011-11-29 | 2013-06-07 | 연세대학교 산학협력단 | 이미지 톤 매핑 장치 및 방법 |
CN102679905A (zh) * | 2012-01-10 | 2012-09-19 | 天津大学 | 像素级自适应数字光学亮度衰减方法及衰减装置 |
CN102707340A (zh) * | 2012-06-06 | 2012-10-03 | 南京大学 | 一种基于视频图像的降雨量测量方法 |
CN104182998A (zh) * | 2014-08-14 | 2014-12-03 | 深圳市云宙多媒体技术有限公司 | 一种自适应图像亮度渲染方法与装置 |
CN109064426A (zh) * | 2018-07-26 | 2018-12-21 | 电子科技大学 | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 |
CN109191394A (zh) * | 2018-08-17 | 2019-01-11 | 京东方科技集团股份有限公司 | 一种图像增强的方法、装置、可读存储介质和计算机设备 |
CN109325448A (zh) * | 2018-09-21 | 2019-02-12 | 广州广电卓识智能科技有限公司 | 人脸识别方法、装置和计算机设备 |
CN109389560A (zh) * | 2018-09-27 | 2019-02-26 | 深圳开阳电子股份有限公司 | 一种自适应加权滤波图像降噪方法、装置及图像处理设备 |
CN109785275A (zh) * | 2018-12-27 | 2019-05-21 | 珠海亿智电子科技有限公司 | 一种图像的色调映射方法及设备 |
CN109948562A (zh) * | 2019-03-25 | 2019-06-28 | 浙江啄云智能科技有限公司 | 一种基于x射线图像的安检系统深度学习样本生成方法 |
CN110706161A (zh) * | 2019-08-22 | 2020-01-17 | 稿定(厦门)科技有限公司 | 图像的亮度调整方法、介质、设备及装置 |
CN110827306A (zh) * | 2019-10-18 | 2020-02-21 | 重庆师范大学 | 基于自适应密度峰值聚类的紫色土图像分割提取方法 |
CN110766639A (zh) * | 2019-10-30 | 2020-02-07 | 北京迈格威科技有限公司 | 图像增强方法、装置、移动设备及计算机可读存储介质 |
CN111598001A (zh) * | 2020-05-18 | 2020-08-28 | 哈尔滨理工大学 | 一种基于图像处理的苹果树病虫害的识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112348761A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348761B (zh) | 设备外观图像亮度调节方法及装置 | |
CN110378235B (zh) | 一种模糊人脸图像识别方法、装置及终端设备 | |
CN110766679A (zh) | 镜头脏污检测方法、装置及终端设备 | |
CN110909663B (zh) | 一种人体关键点识别方法、装置及电子设备 | |
CN109409210B (zh) | 一种基于ssd框架的人脸检测方法及系统 | |
EP3910507A1 (en) | Method and apparatus for waking up screen | |
CN112634170A (zh) | 一种模糊图像修正的方法、装置、计算机设备及存储介质 | |
CN107786780A (zh) | 视频图像降噪方法、装置及计算机可读存储介质 | |
CN112308797A (zh) | 角点检测方法、装置、电子设备及可读存储介质 | |
CN114266946A (zh) | 遮挡条件下的特征识别方法、装置、计算机设备及介质 | |
CN111340025A (zh) | 字符识别方法、装置、计算机设备和计算机可读存储介质 | |
CN111145151A (zh) | 一种运动区域确定方法及电子设备 | |
CN110880018A (zh) | 一种基于新型损失函数的卷积神经网络目标分类方法 | |
CN112511890A (zh) | 视频图像处理方法、装置及电子设备 | |
CN114255493A (zh) | 图像检测方法、人脸检测方法及装置、设备及存储介质 | |
CN116051801A (zh) | 基于光照场景进行hdr光照增强的方法及装置 | |
US10558882B2 (en) | Performing distance-based feature suppression | |
CN115719314A (zh) | 一种去拖影方法、去拖影装置及电子设备 | |
CN113807407B (zh) | 目标检测模型训练方法、模型性能检测方法及装置 | |
CN113573137B (zh) | 视频画布边界检测方法、系统、终端设备及存储介质 | |
CN115439386A (zh) | 图像融合方法、装置、电子设备和存储介质 | |
CN113038055A (zh) | 图像处理方法、装置及电子设备 | |
CN117671473B (zh) | 基于注意力和多尺度特征融合的水下目标检测模型及方法 | |
CN113034530B (zh) | 手机摆放检测方法及装置 | |
CN116112803A (zh) | 回收检测补光控制方法及装置 |
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 |