CN112446839B - 图像增强方法、装置、电子设备及计算机可读存储介质 - Google Patents
图像增强方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112446839B CN112446839B CN202011374000.XA CN202011374000A CN112446839B CN 112446839 B CN112446839 B CN 112446839B CN 202011374000 A CN202011374000 A CN 202011374000A CN 112446839 B CN112446839 B CN 112446839B
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- color space
- image set
- original
- 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 34
- 238000006243 chemical reaction Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000004043 dyeing Methods 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 19
- 239000003086 colorant Substances 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000010186 staining Methods 0.000 description 4
- 238000005728 strengthening Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术，揭露了一种图像增强方法，包括：获取原始图像，对所述原始图像进行色彩空间转换，得到初始图像；利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集；对所述标准图像集进行细节加强处理，得到待处理图像集；对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量；根据所述数值参量对所述初始图像进行参数更新，得到更新图像；对所述更新图像进行色彩空间转回，得到增强图像。此外，本发明还涉及区块链技术，所述原始图像可存储于区块链的节点。本发明还提出一种图像增强装置、电子设备以及计算机可读存储介质。本发明可以解决对图像进行图像增强的精确度不高的问题。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像增强方法、装置、电子设备及计算机可读存储介质。
背景技术
随着计算机视觉的发展，越来越多的场合对图像进行分析处理以实现从图像中获取需要的信息。例如，在医疗领域，人们通过图像处理模型对医疗图像进行观测、分析，从医疗图像中检测出病灶的信息。但输入至图像处理模型中的图像中往往存在着模糊的情况，导致图像处理模型无法准确地从图像中获取准确的信息，因此需要对图像进行图像增强。
目前对图像进行图像增强的方法多为利用神经网络对图像进行特征提取，对提取到的特征进行标注等操作以实现图像增强。但由于图像本身的模糊导致神经网络提取到的特征并不准确，进而造成利用提取到的特征进行标注等操作来实现图像增强的精确度不高，因此，如何提高对图像进行图像增强的精确度成为了亟待解决的问题。
发明内容
本发明提供一种图像增强方法、装置及计算机可读存储介质，其主要目的在于解决对图像进行图像增强的精确度不高的问题。
为实现上述目的，本发明提供的一种图像增强方法，包括：
获取原始图像，对所述原始图像进行色彩空间转换，得到初始图像；
利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集；
对所述标准图像集进行细节加强处理，得到待处理图像集；
对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量；
根据所述数值参量对所述初始图像进行参数更新，得到更新图像；
对所述更新图像进行色彩空间转回，得到增强图像。
可选地，所述对所述原始图像进行色彩空间转换，得到初始图像，包括：
获取原始图像的原始色彩空间参数；
根据所述原始色彩空间参数遍历并获取所述原始图像中各像素点的颜色三分量；
根据绝对色彩空间的绝对色彩参数对所述颜色三分量进行中间值转化，得到中间值三分量；
将所述中间值三分量进行归一化处理，得到归一化三分量；
根据目标色彩空间的目标色彩参数对所述归一化三分量进行数值校正，得到所述原始图像中各像素点校正三分量；
将所述校正三分量输入至所述目标色彩空间，得到初始图像。
可选地，所述利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集，包括：
获取一种或者多种颜色参数；
遍历并获取所述初始图像中各像素点的像素值；
分别根据所述一种或者多种颜色参数对所述像素值进行线性调整，得到标准图像集。
可选地，所述对所述标准图像集进行细节加强处理，得到待处理图像集，包括：
遍历并获取所述标准图像集的像素点；
利用预设的像素滤波器对所述像素点进行像素滤波处理，得到滤波图像集；
对所述滤波图像集进行局部纹理加深，得到待处理图像集。
可选地，所述对所述滤波图像集进行局部纹理加深，得到待处理图像集，包括：
利用n×n的图像窗口在所述滤波图像集中依次执行区域选择，得到多个图像区域；
根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元；
根据所述二进制码元对所述中心像素进行像素增强，得到待处理图像集。
可选地，所述根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元，包括：
利用如下算法计算所述图像区域的中心像素的二进制码元
其中，P0为所述图像区域的中心像素，Pe为所述中心像素的邻域像素的均值，n为所述邻域像素的个数，s(P0-Pe)为量化运算。
可选地，所述对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量包括：
计算所述待处理图像集中各待处理图像的亮度均值和亮度方差；
计算所述待处理图像集中各待处理图像的红色通道均值和红色通道方差；
计算所述待处理图像集中各待处理图像的蓝色通道均值和蓝色通道方差。
为了解决上述问题，本发明还提供一种图像增强装置，所述装置包括：
空间转换模块，用于获取原始图像，对所述原始图像进行色彩空间转换，得到初始图像；
图像染色模块，用于利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集；
细节加强处理模块，用于对所述标准图像集进行细节加强处理，得到待处理图像集；
参量提取模块，用于对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量；
参数更新模块，用于根据所述数值参量对所述初始图像进行参数更新，得到更新图像；
空间转回模块，用于对所述更新图像进行色彩空间转回，得到增强图像。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的图像增强方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的图像增强方法。
本发明实施例通过对获取的原始图像进行图像转换，实现了将原始图像从原始色彩空间转换至目标色彩空间，利用目标色彩空间可更好的显示图像细节特征，有利于后续精准地对图像细节进行增强；利用不同染色方式对所述初始图像进行染色，对染色后的图像进行细节加强处理得到待处理图像集，可实现在不同颜色下突出初始图像中的图像细节，突出了图像中的细节特征，有利于提高对图像进行图像增强的精确度；对待处理图像集进行参量提取，利用参量提取结果对初始图像进行更新，并将更新后的图像转换回原始色彩空间，实现了将待处理图像中的细节特征数值化，并根据参量提取结果精确的对初始图像中的图像细节进行更新。因此本发明提出的图像增强方法、装置、电子设备及计算机可读存储介质，可以解决对图像进行图像增强的精确度不高的问题。
附图说明
图1为本发明一实施例提供的图像增强方法的流程示意图；
图2为本发明一实施例提供的图像增强装置的功能模块图；
图3为本发明一实施例提供的实现所述图像增强方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种图像增强方法。所述图像增强方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述图像增强方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的图像增强方法的流程示意图。在本实施例中，所述图像增强方法包括：
S1、获取原始图像，对所述原始图像进行色彩空间转换，得到初始图像。
本发明实施例中，所述原始图像可以为任何彩色图像，且由于计算机等具有图像显示功能的显示设备的限制，所述原始图像一般为RGB色彩空间的图像或为CMYK色彩空间的图像。
本发明实施了可利用具有数据抓取功能的python语句从预先构建的区块链节点中获取所述原始图像，利用区块链节点对数据的高吞天性，可提高获取原始图像的效率。
详细地，所述对所述原始图像进行色彩空间转换，得到初始图像，包括：
获取原始图像的原始色彩空间参数；
根据所述原始色彩空间参数遍历并获取所述原始图像中各像素点的颜色三分量；
根据绝对色彩空间的绝对色彩参数对所述颜色三分量进行中间值转化，得到中间值三分量；
将所述中间值三分量进行归一化处理，得到归一化三分量；
根据目标色彩空间的目标色彩参数对所述归一化三分量进行数值校正，得到所述原始图像中各像素点校正三分量；
将所述校正三分量输入至所述目标色彩空间，得到初始图像。
本发明实施例可利用具有数据抓取功能的python语句从不同颜色空间的底层数据中获取所述原始色彩空间参数、所述绝对色彩参数和所述目标色彩参数。
详细地，所述原始色彩空间参数是所述原始图像所在的色彩空间中定义颜色范围的特定参数，所述原始色彩空间包括但不限于RGB色彩空间、CMYK色彩空间，原始色彩空间中显示的色彩范围会随着显示设备的变动而变动；所述绝对色彩参数是绝对色彩空间定义颜色范围的特定参数，所述绝对色彩空间包括但不限于sRGB色彩空间、Adobe RGB色彩空间，绝对色彩空间是显示的色彩范围不会随着显示设备的变动而变动。
所述目标色彩空间包括LAB色彩空间，所述目标色彩参数是目标色彩空间中定义颜色范围的特定参数，目标色彩空间中显示的颜色范围不会随显示设备的变动而变动，且由于目标色彩空间中显示的颜色范围适用于人类视觉，更有利于显示图像细节特征。
由于所述原始图像所在的原始色彩空间中显示的色彩范围会随着显示设备的变动而变动，但标色彩空间中显示的颜色范围不会随显示设备的变动而变动，因此，所述原始图像无法直接从原始色彩空间转化至所述目标色彩空间，需要先将原始色彩空间中的原始图像转化至绝对色彩空间中，通过绝对色彩空间将所述原始图像转化至所述目标色彩空间。
例如，原始图像的原始色彩空间为RGB色彩空间，目标色彩空间为LAB色彩空间，在将原始图像从RGB色彩空间转换至LAB色彩空间时，需要先将原始图像从RGB色彩空间转换至sRGB色彩空间(即绝对色彩空间)，再通过sRGB色彩空间将原始图像转换至LAB色彩空间。
本发明实施例遍历所述原始图像，获取所述原始图像中各像素点的颜色三分量，并利用线性变换函数根据绝对色彩参数对所述颜色三分量进行中间值转化，得到中间值三分量，其中，所述线性变换函数如下：
y＝α*R+β*G+γ*B
z＝δ*R+ε*G+θ*B
其中，x、y、z为所述中间值三分量；R、G、B为原始图像中任一像素点的颜色三分量，C、∪、α、β、γ、δ、ε、θ为预设转化系数。
详细地，所述中间值三分量x、y、z分别用于表示绝对色彩空间中图像的任一像素点的颜色三分量。
本发明实施例通过上述步骤将原始图像的色彩空间由原始色彩空间转化为绝对色彩空间。
进一步地，所述将所述中间值三分量进行归一化处理得到归一化三分量，包括：
利用如下归一化算法将所述中间值三分量进行归一化处理：
Fx＝ρ*x
Fy＝σ*y
Fz＝τ*z
其中，Fx、Fy、Fz为所述归一化三分量，x、y、z为所述中间值三分量，ρ、σ、τ为预设的归一化系数。
详细地，所述归一化系数ρ、σ、τ一般取值为
本发明实施例中，所述根据所述目标色彩参数对所述归一化三分量进行数值校正得到所述原始图像中各像素点校正三分量，包括：
利用如下数值校正算法对所述归一化三分量进行数值校正：
a＝ω*(Fx-Fy)
其中，L、a、b为所述原始图像中各像素点校正三分量，Fx、Fy、Fz为所述归一化三分量，ω、/>为预设的校正参数，c为预设常数系数。
本发明实施例中对所述原始图像进行色彩空间转换，实现了将原始图像从原始色彩空间转换至目标色彩空间，利用目标色彩空间可更好的显示图像细节特征，有利于后续精准地对图像细节进行增强。
S2、利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集。
本发明实施例中，所述利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集，包括：
获取一种或者多种颜色参数；
遍历并获取所述初始图像中各像素点的像素值；
分别根据所述一种或者多种颜色参数对所述像素值进行线性调整，得到标准图像集。
本发明实施例利用具有数据抓取功能的python语句从预先构建的数据库中获取一种或者多种颜色参数。
详细地，所述颜色参数是用于唯一标识不同色彩的参数，所述颜色参数为动态浮点数值，可根据目标像素的像素值将目标像素转化至预设的颜色范围内。
例如，红色的颜色参数为r，红色的颜色范围为(qp)，存在目标像素的像素值为k，且k不在(qp)范围内，则利用颜色参数r对目标像素的像素值进行线性调整，使得所述目标像素的像素值落入(qp)范围内。
本发明实施例中，分别利用多种颜色参数对初始图像中各像素点的像素值进行线性调整，得到多种不同颜色的图像，并汇集为标准图像集。
本发明实施例利用不同染色方式对初始图像进行染色，可实现在不同颜色下突出初始图像中的图像细节，有利于提高后续对图像中细节进行图像增强的精确度。
S3、对所述标准图像集进行细节加强处理，得到待处理图像集。
本发明实施例中，所述对所述标准图像集进行细节加强处理，得到待处理图像集，包括：
遍历并获取所述标准图像集的像素点；
利用预设的像素滤波器对所述像素点进行像素滤波处理，得到滤波图像集；
对所述滤波图像集进行局部纹理加深，得到待处理图像集。
本发明实施例中，所述像素滤波器包括但不限于最大值滤波器、最小值滤波器和中值滤波器，利用所述像素滤波器将所述标准图像集中的像素点进行像素滤波处理，可实现对所述标准图像集中噪声像素点的过滤。
进一步地，所述对所述滤波图像集进行局部纹理加深，得到待处理图像集，包括：
利用n×n的图像窗口在所述滤波图像集中依次执行区域选择，得到多个图像区域；
根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元；
根据所述二进制码元对所述中心像素进行像素增强，得到待处理图像集。
可选地，所述根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元，包括：
利用如下算法计算所述图像区域的中心像素的二进制码元
其中，P0为所述图像区域的中心像素，Pe为所述中心像素的邻域像素的均值，n为所述邻域像素的个数，s(P0-Pe)为量化运算。
本发明实施例对标准图像集进行细节加强处理，将标准图像集中噪声像素点进行过滤，并对图像细节进行局部纹理加深，突出了图像中的细节特征，有利于提高对图像进行图像增强的精确度。
S4、对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量。
本发明实施例中，所述数值参量包括待处理图像集中各待处理图像的亮度均值、亮度方差、红色通道均值、红色通道方差、蓝色通道均值和蓝色通道方差。
本发明实施例中，所述对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量包括：
计算所述待处理图像集中各待处理图像的亮度均值和亮度方差；
计算所述待处理图像集中各待处理图像的红色通道均值和红色通道方差；
计算所述待处理图像集中各待处理图像的蓝色通道均值和蓝色通道方差。
详细地，所述分别计算所述待处理图像集中各待处理图像的亮度均值和亮度方差，包括：
利用如下公式分别计算所述待处理图像集中各待处理图像的亮度均值和亮度方差：
其中，LAvg为所述亮度均值，LVar为所述亮度方差，U为所述所述待处理图像集中第U张待处理图像包含的像素数量，Sv为所述第U张待处理图像中第v个像素点的亮度分量。
具体地，分别计算待处理图像集中各待处理图像的红色通道均值、红色通道方差、蓝色通道均值和蓝色通道方差的步骤，与计算待处理图像集中各待处理图像的亮度均值和亮度方差的步骤一致，在此不做赘述。
S5、根据所述数值参量对所述初始图像进行参数更新，得到更新图像。
本发明实施例中，所述根据所述数值参量对所述初始图像进行参数更新，得到更新图像，包括：
利用数值公式对所述数值参量进行计算，得到所述初始图像的更新参数；
利用所述更新参数对所述初始图像中的像素点进行赋值，得到更新图像。
详细地，所述更新参数包括亮度更新参数，红色更新参数和蓝色更新参数。
例如，利用如下数值公式计算得到所述初始图像的亮度更新参数：
其中，Ik为所述初始图像中第k个像素的亮度更新参数，σtarget为所述数值参量中的亮度方差，σsource为所述初始图像中的亮度方差，Zk为所述初始图像中第k个像素的像素值，mean(source)为所述初始图像中的亮度均值，mean(target)为所述数值参量中的亮度均值。
具体地，计算所述红色更新参数和所述蓝色更新参数的步骤与计算所述亮度更新参数的步骤一致，在此不做赘述。
当计算完成得到初始图像中每个像素点的更新参数后，利用所述更新参数对初始图像中每个像素点的三分量进行赋值，即可得到更新图像。
S6、对所述更新图像进行色彩空间转回，得到增强图像。
本发明实施例中，所述对所述更新图像进行色彩空间转回，包括：将所述更新图像的色彩空间由所述目标色彩空间转换至原始图像的原始色彩空间。
所述对所述更新图像进行色彩空间转回的步骤与S1中对所述原始图像进行色彩空间转换的步骤一致，在此不做赘述。
将更新图像的色彩空间转换至原始图像的色彩空间后，得到增强图像。
本发明实施例通过对获取的原始图像进行图像转换，实现了将原始图像从原始色彩空间转换至目标色彩空间，利用目标色彩空间可更好的显示图像细节特征，有利于后续精准地对图像细节进行增强；利用不同染色方式对所述初始图像进行染色，对染色后的图像进行细节加强处理得到待处理图像集，可实现在不同颜色下突出初始图像中的图像细节，突出了图像中的细节特征，有利于提高对图像进行图像增强的精确度；对待处理图像集进行参量提取，利用参量提取结果对初始图像进行更新，并将更新后的图像转换回原始色彩空间，实现了将待处理图像中的细节特征数值化，并根据参量提取结果精确的对初始图像中的图像细节进行更新。因此本发明提出的图像增强方法，可以解决对图像进行图像增强的精确度不高的问题。
如图2所示，是本发明一实施例提供的图像增强装置的功能模块图。
本发明所述图像增强装置100可以安装于电子设备中。根据实现的功能，所述图像增强装置100可以包括空间转换模块101、图像染色模块102、细节加强处理模块103、参量提取模块104、参数更新模块105和空间转回模块106。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述空间转换模块101，用于获取原始图像，对所述原始图像进行色彩空间转换，得到初始图像；本发明实施例中，所述原始图像可以为任何彩色图像，且由于计算机等具有图像显示功能的显示设备的限制，所述原始图像一般为RGB色彩空间的图像或为CMYK色彩空间的图像。
本发明实施了可利用具有数据抓取功能的python语句从预先构建的区块链节点中获取所述原始图像，利用区块链节点对数据的高吞天性，可提高获取原始图像的效率。
详细地，所述空间转换模块101具体用于：
获取原始图像；
获取原始图像的原始色彩空间参数；
根据所述原始色彩空间参数遍历并获取所述原始图像中各像素点的颜色三分量；
根据绝对色彩空间的绝对色彩参数对所述颜色三分量进行中间值转化，得到中间值三分量；
将所述中间值三分量进行归一化处理，得到归一化三分量；
根据目标色彩空间的目标色彩参数对所述归一化三分量进行数值校正，得到所述原始图像中各像素点校正三分量；
将所述校正三分量输入至所述目标色彩空间，得到初始图像。
本发明实施例可利用具有数据抓取功能的python语句从不同颜色空间的底层数据中获取所述原始色彩空间参数、所述绝对色彩参数和所述目标色彩参数。
详细地，所述原始色彩空间参数是所述原始图像所在的色彩空间中定义颜色范围的特定参数，所述原始色彩空间包括但不限于RGB色彩空间、CMYK色彩空间，原始色彩空间中显示的色彩范围会随着显示设备的变动而变动；所述绝对色彩参数是绝对色彩空间定义颜色范围的特定参数，所述绝对色彩空间包括但不限于sRGB色彩空间、Adobe RGB色彩空间，绝对色彩空间是显示的色彩范围不会随着显示设备的变动而变动。
所述目标色彩空间包括LAB色彩空间，所述目标色彩参数是目标色彩空间中定义颜色范围的特定参数，目标色彩空间中显示的颜色范围不会随显示设备的变动而变动，且由于目标色彩空间中显示的颜色范围适用于人类视觉，更有利于显示图像细节特征。
由于所述原始图像所在的原始色彩空间中显示的色彩范围会随着显示设备的变动而变动，但标色彩空间中显示的颜色范围不会随显示设备的变动而变动，因此，所述原始图像无法直接从原始色彩空间转化至所述目标色彩空间，需要先将原始色彩空间中的原始图像转化至绝对色彩空间中，通过绝对色彩空间将所述原始图像转化至所述目标色彩空间。
例如，原始图像的原始色彩空间为RGB色彩空间，目标色彩空间为LAB色彩空间，在将原始图像从RGB色彩空间转换至LAB色彩空间时，需要先将原始图像从RGB色彩空间转换至sRGB色彩空间(即绝对色彩空间)，再通过sRGB色彩空间将原始图像转换至LAB色彩空间。
本发明实施例遍历所述原始图像，获取所述原始图像中各像素点的颜色三分量，并利用线性变换函数根据绝对色彩参数对所述颜色三分量进行中间值转化，得到中间值三分量，其中，所述线性变换函数如下：
y＝α*R+β*G+γ*B
z＝δ*R+ε*G+θ*B
其中，x、y、z为所述中间值三分量；R、G、B为原始图像中任一像素点的颜色三分量，C、∪、α、β、γ、δ、ε、θ为预设转化系数。
详细地，所述中间值三分量x、y、z分别用于表示绝对色彩空间中图像的任一像素点的颜色三分量。
本发明实施例通过上述步骤将原始图像的色彩空间由原始色彩空间转化为绝对色彩空间。
进一步地，所述将所述中间值三分量进行归一化处理得到归一化三分量，包括：
利用如下归一化算法将所述中间值三分量进行归一化处理：
Fx＝ρ*x
Fy＝σ*y
Fz＝τ*z
其中，Fx、Fy、Fz为所述归一化三分量，x、y、z为所述中间值三分量，ρ、σ、τ为预设的归一化系数。
详细地，所述归一化系数ρ、σ、τ一般取值为
本发明实施例中，所述根据所述目标色彩参数对所述归一化三分量进行数值校正得到所述原始图像中各像素点校正三分量，包括：
利用如下数值校正算法对所述归一化三分量进行数值校正：
a＝ω*(Fx-Fy)
其中，L、a、b为所述原始图像中各像素点校正三分量，Fx、Fy、Fz为所述归一化三分量，ω、/>为预设的校正参数，c为预设常数系数。
本发明实施例中对所述原始图像进行色彩空间转换，实现了将原始图像从原始色彩空间转换至目标色彩空间，利用目标色彩空间可更好的显示图像细节特征，有利于后续精准地对图像细节进行增强。
所述图像染色模块102，用于利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集。
本发明实施例中，所述图像染色模块102具体用于：
获取一种或者多种颜色参数；
遍历并获取所述初始图像中各像素点的像素值；
分别根据所述一种或者多种颜色参数对所述像素值进行线性调整，得到标准图像集。
本发明实施例利用具有数据抓取功能的python语句从预先构建的数据库中获取一种或者多种颜色参数。
详细地，所述颜色参数是用于唯一标识不同色彩的参数，所述颜色参数为动态浮点数值，可根据目标像素的像素值将目标像素转化至预设的颜色范围内。
例如，红色的颜色参数为r，红色的颜色范围为(qp)，存在目标像素的像素值为k，且k不在(qp)范围内，则利用颜色参数r对目标像素的像素值进行线性调整，使得所述目标像素的像素值落入(qp)范围内。
本发明实施例中，分别利用多种颜色参数对初始图像中各像素点的像素值进行线性调整，得到多种不同颜色的图像，并汇集为标准图像集。
本发明实施例利用不同染色方式对初始图像进行染色，可实现在不同颜色下突出初始图像中的图像细节，有利于提高后续对图像中细节进行图像增强的精确度。
所述细节加强处理模块103，用于对所述标准图像集进行细节加强处理，得到待处理图像集。
本发明实施例中，所述细节加强处理模块103具体用于：
遍历并获取所述标准图像集的像素点；
利用预设的像素滤波器对所述像素点进行像素滤波处理，得到滤波图像集；
对所述滤波图像集进行局部纹理加深，得到待处理图像集。
本发明实施例中，所述像素滤波器包括但不限于最大值滤波器、最小值滤波器和中值滤波器，利用所述像素滤波器将所述标准图像集中的像素点进行像素滤波处理，可实现对所述标准图像集中噪声像素点的过滤。
进一步地，所述对所述滤波图像集进行局部纹理加深，得到待处理图像集，包括：
利用n×n的图像窗口在所述滤波图像集中依次执行区域选择，得到多个图像区域；
根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元；
根据所述二进制码元对所述中心像素进行像素增强，得到待处理图像集。
可选地，所述根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元，包括：
利用如下算法计算所述图像区域的中心像素的二进制码元/>
其中，P0为所述图像区域的中心像素，Pe为所述中心像素的邻域像素的均值，n为所述邻域像素的个数，s(P0-Pe)为量化运算。
本发明实施例对标准图像集进行细节加强处理，将标准图像集中噪声像素点进行过滤，并对图像细节进行局部纹理加深，突出了图像中的细节特征，有利于提高对图像进行图像增强的精确度。
所述参量提取模块104，用于对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量。
本发明实施例中，所述数值参量包括待处理图像集中各待处理图像的亮度均值、亮度方差、红色通道均值、红色通道方差、蓝色通道均值和蓝色通道方差。
本发明实施例中，所述参量提取模块104具体用于：
计算所述待处理图像集中各待处理图像的亮度均值和亮度方差；
计算所述待处理图像集中各待处理图像的红色通道均值和红色通道方差；
计算所述待处理图像集中各待处理图像的蓝色通道均值和蓝色通道方差。
详细地，所述分别计算所述待处理图像集中各待处理图像的亮度均值和亮度方差，包括：
利用如下公式分别计算所述待处理图像集中各待处理图像的亮度均值和亮度方差：
其中，LAvg为所述亮度均值，LVar为所述亮度方差，U为所述所述待处理图像集中第U张待处理图像包含的像素数量，Sv为所述第U张待处理图像中第v个像素点的亮度分量。
具体地，分别计算待处理图像集中各待处理图像的红色通道均值、红色通道方差、蓝色通道均值和蓝色通道方差的步骤，与计算待处理图像集中各待处理图像的亮度均值和亮度方差的步骤一致，在此不做赘述。
所述参数更新模块105，用于根据所述数值参量对所述初始图像进行参数更新，得到更新图像。
本发明实施例中，所述参数更新模块105具体用于：
利用数值公式对所述数值参量进行计算，得到所述初始图像的更新参数；
利用所述更新参数对所述初始图像中的像素点进行赋值，得到更新图像。
详细地，所述更新参数包括亮度更新参数，红色更新参数和蓝色更新参数。
例如，利用如下数值公式计算得到所述初始图像的亮度更新参数：
其中，Ik为所述初始图像中第k个像素的亮度更新参数，σtarget为所述数值参量中的亮度方差，σsouree为所述初始图像中的亮度方差，Zk为所述初始图像中第k个像素的像素值，mean(source)为所述初始图像中的亮度均值，mean(target)为所述数值参量中的亮度均值。
具体地，计算所述红色更新参数和所述蓝色更新参数的步骤与计算所述亮度更新参数的步骤一致，在此不做赘述。
当计算完成得到初始图像中每个像素点的更新参数后，利用所述更新参数对初始图像中每个像素点的三分量进行赋值，即可得到更新图像。
所述空间转回模块106，用于对所述更新图像进行色彩空间转回，得到增强图像。
本发明实施例中，所述对所述更新图像进行色彩空间转回，包括：将所述更新图像的色彩空间由所述目标色彩空间转换至原始图像的原始色彩空间。
所述对所述更新图像进行色彩空间转回的步骤与所述空间转换模块101对所述原始图像进行色彩空间转换的步骤一致，在此不做赘述。
将更新图像的色彩空间转换至原始图像的色彩空间后，得到增强图像。
本发明实施例通过对获取的原始图像进行图像转换，实现了将原始图像从原始色彩空间转换至目标色彩空间，利用目标色彩空间可更好的显示图像细节特征，有利于后续精准地对图像细节进行增强；利用不同染色方式对所述初始图像进行染色，对染色后的图像进行细节加强处理得到待处理图像集，可实现在不同颜色下突出初始图像中的图像细节，突出了图像中的细节特征，有利于提高对图像进行图像增强的精确度；对待处理图像集进行参量提取，利用参量提取结果对初始图像进行更新，并将更新后的图像转换回原始色彩空间，实现了将待处理图像中的细节特征数值化，并根据参量提取结果精确的对初始图像中的图像细节进行更新。因此本发明提出的图像增强装置，可以解决对图像进行图像增强的精确度不高的问题。
如图3所示，是本发明一实施例提供的实现图像增强方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如图像增强程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如图像增强程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如图像增强程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的图像增强程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
获取原始图像，对所述原始图像进行色彩空间转换，得到初始图像；
利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集；
对所述标准图像集进行细节加强处理，得到待处理图像集；
对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量；
根据所述数值参量对所述初始图像进行参数更新，得到更新图像；
对所述更新图像进行色彩空间转回，得到增强图像。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取原始图像，对所述原始图像进行色彩空间转换，得到初始图像；
利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集；
对所述标准图像集进行细节加强处理，得到待处理图像集；
对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量；
根据所述数值参量对所述初始图像进行参数更新，得到更新图像；
对所述更新图像进行色彩空间转回，得到增强图像。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种图像增强方法，其特征在于，所述方法包括：
获取原始图像，对所述原始图像进行色彩空间转换，得到初始图像；
利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集；
对所述标准图像集进行细节加强处理，得到待处理图像集；
对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量；
根据所述数值参量对所述初始图像进行参数更新，得到更新图像；
对所述更新图像进行色彩空间转回，得到增强图像；
其中，所述利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集，包括：获取一种或者多种颜色参数；遍历并获取所述初始图像中各像素点的像素值；分别根据所述一种或者多种颜色参数对所述像素值进行线性调整，得到标准图像集；
所述对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量包括：计算所述待处理图像集中各待处理图像的亮度均值和亮度方差；计算所述待处理图像集中各待处理图像的红色通道均值和红色通道方差；计算所述待处理图像集中各待处理图像的蓝色通道均值和蓝色通道方差。
2.如权利要求1所述的图像增强方法，其特征在于，所述对所述原始图像进行色彩空间转换，得到初始图像，包括：
获取原始图像的原始色彩空间参数；
根据所述原始色彩空间参数遍历并获取所述原始图像中各像素点的颜色三分量；
根据绝对色彩空间的绝对色彩参数对所述颜色三分量进行中间值转化，得到中间值三分量；
将所述中间值三分量进行归一化处理，得到归一化三分量；
根据目标色彩空间的目标色彩参数对所述归一化三分量进行数值校正，得到所述原始图像中各像素点校正三分量；
将所述校正三分量输入至所述目标色彩空间，得到初始图像。
3.如权利要求1所述的图像增强方法，其特征在于，所述对所述标准图像集进行细节加强处理，得到待处理图像集，包括：
遍历并获取所述标准图像集的像素点；
利用预设的像素滤波器对所述像素点进行像素滤波处理，得到滤波图像集；
对所述滤波图像集进行局部纹理加深，得到待处理图像集。
4.如权利要求3所述的图像增强方法，其特征在于，所述对所述滤波图像集进行局部纹理加深，得到待处理图像集，包括：
利用n×n的图像窗口在所述滤波图像集中依次执行区域选择，得到多个图像区域；
根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，利用预设算法计算每个所述图像区域的中心像素的二进制码元；
根据所述二进制码元对所述中心像素进行像素增强，得到待处理图像集。
5.一种图像增强装置，用于实现如权利要求1至4中任意一项所述的图像增强方法，其特征在于，所述装置包括：
空间转换模块，用于获取原始图像，对所述原始图像进行色彩空间转换，得到初始图像；
图像染色模块，用于利用预设的一种或者多种染色方式对所述初始图像进行染色，得到标准图像集；
细节加强处理模块，用于对所述标准图像集进行细节加强处理，得到待处理图像集；
参量提取模块，用于对所述待处理图像集进行参量提取，得到所述待处理图像集中各待处理图像的数值参量；
参数更新模块，用于根据所述数值参量对所述初始图像进行参数更新，得到更新图像；
空间转回模块，用于对所述更新图像进行色彩空间转回，得到增强图像。
6.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至4中任意一项所述的图像增强方法。
7.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任意一项所述的图像增强方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011374000.XA CN112446839B (zh) | 2020-11-30 | 2020-11-30 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
| PCT/CN2021/096528 WO2022110712A1 (zh) | 2020-11-30 | 2021-05-27 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011374000.XA CN112446839B (zh) | 2020-11-30 | 2020-11-30 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112446839A CN112446839A (zh) | 2021-03-05 |
| CN112446839B true CN112446839B (zh) | 2023-11-07 |
Family
ID=74738273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011374000.XA Active CN112446839B (zh) | 2020-11-30 | 2020-11-30 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112446839B (zh) |
| WO (1) | WO2022110712A1 (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446839B (zh) * | 2020-11-30 | 2023-11-07 | 平安科技（深圳）有限公司 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
| CN113744167B (zh) * | 2021-09-02 | 2024-04-30 | 厦门美图之家科技有限公司 | 一种图像数据转换方法及装置 |
| CN113923474B (zh) * | 2021-09-29 | 2023-06-23 | 北京百度网讯科技有限公司 | 视频帧处理方法、装置、电子设备以及存储介质 |
| CN113901898B (zh) * | 2021-09-29 | 2024-06-04 | 平安银行股份有限公司 | 人脸识别场景下图像稳定采样方法、装置、设备及介质 |
| CN113870454A (zh) * | 2021-09-29 | 2021-12-31 | 平安银行股份有限公司 | 基于人脸识别的考勤方法、装置、电子设备及存储介质 |
| CN115423716B (zh) * | 2022-09-05 | 2024-04-26 | 深圳市新弘途科技有限公司 | 基于多维滤波的图像增强方法、装置、设备及存储介质 |
| CN115423724B (zh) * | 2022-11-03 | 2023-03-21 | 中国石油大学(华东) | 强化学习参数优化的水下图像增强方法、装置及介质 |
| CN115937145B (zh) * | 2022-12-09 | 2024-03-19 | 深圳市禾葡兰信息科技有限公司 | 基于大数据分析的肌肤健康可视化方法、装置及设备 |
| CN115861321B (zh) * | 2023-02-28 | 2023-09-05 | 深圳市玄羽科技有限公司 | 应用于工业互联网的生产环境检测方法及系统 |
| CN117495742B (zh) * | 2023-08-01 | 2024-05-31 | 西交利物浦大学 | 图像的染色转移方法、装置、设备及介质 |
| CN117152182B (zh) * | 2023-10-31 | 2024-02-20 | 深圳市巨龙创视科技有限公司 | 一种超低照度网络相机图像处理方法、装置及电子设备 |
| CN117315053B (zh) * | 2023-11-28 | 2024-03-22 | 国网山东省电力公司淄博供电公司 | 一种老旧设备拍摄图像视觉效果改进方法 |
| CN117853346B (zh) * | 2024-03-08 | 2024-05-14 | 杭州湘亭科技有限公司 | 基于洗消机器人的放射源三维辐射图像智能增强方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009129037A (ja) * | 2007-11-21 | 2009-06-11 | Nippon Telegr & Teleph Corp <Ntt> | デザイン配色変換方法、デザイン配色変換装置およびデザイン配色変換プログラム |
| CN107424134A (zh) * | 2017-07-27 | 2017-12-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| CN108648143A (zh) * | 2018-04-17 | 2018-10-12 | 中国科学院光电技术研究所 | 一种利用序列图像的图像分辨率增强方法 |
| CN111310862A (zh) * | 2020-03-27 | 2020-06-19 | 西安电子科技大学 | 复杂环境下基于图像增强的深度神经网络车牌定位方法 |
| CN111970432A (zh) * | 2019-05-20 | 2020-11-20 | 华为技术有限公司 | 一种图像处理方法及图像处理装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101493892B (zh) * | 2009-02-27 | 2012-03-28 | 中国农业大学 | 图像特征提取方法及装置 |
| JP5975213B2 (ja) * | 2012-10-02 | 2016-08-23 | 富士ゼロックス株式会社 | 画像処理装置及び画像処理プログラム |
| US9661885B2 (en) * | 2015-10-22 | 2017-05-30 | Gerber Technology Llc | Color management for fabrication systems |
| US9979942B2 (en) * | 2016-06-30 | 2018-05-22 | Apple Inc. | Per pixel color correction filtering |
| CN112446839B (zh) * | 2020-11-30 | 2023-11-07 | 平安科技（深圳）有限公司 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
-
2020
- 2020-11-30 CN CN202011374000.XA patent/CN112446839B/zh active Active
-
2021
- 2021-05-27 WO PCT/CN2021/096528 patent/WO2022110712A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009129037A (ja) * | 2007-11-21 | 2009-06-11 | Nippon Telegr & Teleph Corp <Ntt> | デザイン配色変換方法、デザイン配色変換装置およびデザイン配色変換プログラム |
| CN107424134A (zh) * | 2017-07-27 | 2017-12-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| CN108648143A (zh) * | 2018-04-17 | 2018-10-12 | 中国科学院光电技术研究所 | 一种利用序列图像的图像分辨率增强方法 |
| CN111970432A (zh) * | 2019-05-20 | 2020-11-20 | 华为技术有限公司 | 一种图像处理方法及图像处理装置 |
| CN111310862A (zh) * | 2020-03-27 | 2020-06-19 | 西安电子科技大学 | 复杂环境下基于图像增强的深度神经网络车牌定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于三边滤波的HSV色彩空间Retinex图像增强算法;秦绪佳 等;小型微型计算机系统;第37卷(第01期);第168-172页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112446839A (zh) | 2021-03-05 |
| WO2022110712A1 (zh) | 2022-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112446839B (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
| CN111652845A (zh) | 异常细胞自动标注方法、装置、电子设备及存储介质 | |
| CN111932482A (zh) | 图像中目标物的检测方法、装置、电子设备及存储介质 | |
| CN111862096B (zh) | 图像分割方法、装置、电子设备及存储介质 | |
| CN112465060A (zh) | 图像中目标物检测方法、装置、电子设备及可读存储介质 | |
| CN113283446A (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
| CN111932562B (zh) | 基于ct序列的图像识别方法、装置、电子设备及介质 | |
| CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
| CN113705462B (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
| CN113012068B (zh) | 图像去噪方法、装置、电子设备及计算机可读存储介质 | |
| CN111476760B (zh) | 医学图像的生成方法、装置、电子设备及介质 | |
| CN111696084A (zh) | 细胞图像分割方法、装置、电子设备及可读存储介质 | |
| CN111639704A (zh) | 目标识别方法、装置及计算机可读存储介质 | |
| CN113792672B (zh) | 公共场所健康码获取方法、装置、设备及介质 | |
| CN112991217A (zh) | 一种医学图像采集方法、装置及设备 | |
| CN111681738A (zh) | 基于病理切片扫描和分析一体化方法、装置、设备及介质 | |
| CN111932595A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
| CN113610934B (zh) | 图像亮度调整方法、装置、设备及存储介质 | |
| CN115908175A (zh) | 低照度图像多级增强方法、装置、电子设备以及存储介质 | |
| CN117405570B (zh) | 一种油液颗粒度计数器自动检测方法与系统 | |
| CN111611882A (zh) | 基于步态的进度提示方法、装置及计算机可读存储介质 | |
| CN116822205B (zh) | 一种多维环网柜故障快速预警方法 | |
| CN115423716B (zh) | 基于多维滤波的图像增强方法、装置、设备及存储介质 | |
| CN113658302B (zh) | 一种三维动画数据处理方法及装置 | |
| CN113298159B (zh) | 目标检测方法、装置、电子设备及存储介质 |
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 |