CN113112435A - 一种小波域正反图像融合的可变对比度增强方法及装置 - Google Patents
一种小波域正反图像融合的可变对比度增强方法及装置 Download PDFInfo
- Publication number
- CN113112435A CN113112435A CN202010325745.0A CN202010325745A CN113112435A CN 113112435 A CN113112435 A CN 113112435A CN 202010325745 A CN202010325745 A CN 202010325745A CN 113112435 A CN113112435 A CN 113112435A
- Authority
- CN
- China
- Prior art keywords
- image
- wavelet coefficient
- wavelet
- frequency
- adjustable parameter
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012360 testing method 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种小波域正反图像融合的可变对比度增强方法及装置,其中方法包括:获取直方图计算公式,计算输入图像I的直方图h(i)、概率p(i)和累积概率cdfp(i),其中,直方图计算公式包括:其中,i为小波系数级,h为各小波系数级的频数,x0为图像小波系数上限,k为图像小波系数变量;获取小波系数转换函数,设置可调参数P1,计算输入图像I每个小波系数对应的新小波系数值,其中,小波系数转换函数为:f(i)=x0+(xL‑1‑x0)×[P1×p(i)+cdfp(i‑1)],其中,f(i)为i小波系数变换后的新小波系数数值,P1为第一可调参数,且P1的取值范围[0,1];根据每个小波系数对应的新小波系数值输出新的增强图像imageout。
Description
技术领域
本发明涉及图像对比度增强技术领域,尤其涉及一种小波域正反图像融合的可变对比度增强方法及装置。
背景技术
现有的基于直方图技术的图像处理方法比较多,其中最经典的是全局直方图均衡化处理方法,它是数字图像增强的常用方法之一。其算法实现相对简单,但是对于一幅增强处理图像的对比度和信息量大小固定,不能进行选择性调节。如何能够发明一种对比度与信息量可以调节选择的直方图增强技术成为亟待解决的问题。
发明内容
本发明旨在提供一种克服上述问题之一或者至少部分地解决上述任一问题的小波域正反图像融合的可变对比度增强方法及装置。
为达到上述目的,本发明的技术方案具体是这样实现的:
本发明一方面提供了一种小波域正反图像融合的可变对比度增强方法,包括:
用db系列小波基db1小波对输入图像I进行一层小波分解,得到低频子图ca,第一高频子图ch、第二高频子图cv和第三高频子图cd;
对低频子图ca取整,得到取整后的低频子图ca1,并计算取整后的低频子图ca1的最大值Mca;
在[0,Mca]确定取整后的低频子图ca1的每个小波系数出现的频次,得到小波直方图h,长度Mca;
获取小波系数转换函数,设置可调参数P1,计算取整后的低频子图ca1每个小波系数对应的新小波系数,其中,小波系数转换函数为:
f(i)=x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)],其中,f(i)为i小波系数变换后的新小波系数,P1为第一可调参数,且P1的取值范围[0,1];
将新低频子图ca2与第一高频子图ch、第二高频子图cv和第三高频子图cd作小波重构,得到重构图像I1;
其中,小波系数转换函数通过如下方式获得:设置第一可调参数和第二可调参数;利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到小波系数转换函数。
其中,利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到小波系数转换函数包括:
本发明另一方面提供了一种小波域正反图像融合的可变对比度增强装置,包括:
分解模块,用于用db系列小波基db1小波对输入图像I进行一层小波分解,得到低频子图ca,第一高频子图ch、第二高频子图cv和第三高频子图cd;
第一计算模块,用于对低频子图ca取整,得到取整后的低频子图ca1,并计算取整后的低频子图ca1的最大值Mca;
确定模块,用于在[0,Mca]确定取整后的低频子图ca1的每个小波系数出现的频次,得到小波直方图h,长度Mca;
第二计算模块,用于获取小波直方图计算公式计算取整后的低频子图ca1的每个小波系数出现的概率,其中,i为小波系数,i=0,1,2…Mca,h为各小波系数的频数,设置新低频子图ca2与低频子图ca相同,数值设置为零矩阵;
第三计算模块,
获取小波系数转换函数,设置可调参数P1,计算取整后的低频子图ca1每个小波系数对应的新小波系数,其中,小波系数转换函数为:
f(i)=x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)],其中,f(i)为i小波系数变换后的新小波系数,P1为第一可调参数,且P1的取值范围[0,1];
重构模块,用于将新低频子图ca2与第一高频子图ch、第二高频子图cv和第三高频子图cd作小波重构,得到重构图像I1;
其中,装置还包括:获取模块,获取模块通过如下方式获取小波系数转换函数:获取模块,用于设置第一可调参数和第二可调参数;利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到小波系数转换函数。
其中,获取模块通过如下方式利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到小波系数转换函数:
由此可见,本发明实施例提供的小波域正反图像融合的可变对比度增强方法及装置,仅通过调整一个可调参数的大小自由选择适合的对比度与信息量,从而根据技术人员的需要进行选择以输出新的增强图像,方案简单有效,能够减少灰度合并,且对比度与信息熵可以调,比经典直方图均衡增强更具有灵活性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,下面描述中的附图仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他附图。
图1为本发明实施例提供的小波域正反图像融合的可变对比度增强方法的流程图;
图2为本发明实施例提供的小波域正反图像融合的可变对比度增强装置的结构示意图;
图3为本发明实施例提供的对比度与信息熵变化曲线;
图4为本发明实施例提供的低对比度图像—爱因斯坦示意图;
图5为本发明实施例提供的低亮度图像—风景示意图;
图6为本发明实施例提供的正常亮度图像示意图;
图7为本发明实施例提供的高亮度图像—梅花示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的小波域正反图像融合的可变对比度增强方法的流程图,结合图1,本发明实施例提供的小波域正反图像融合的可变对比度增强方法,包括:
S1,用db系列小波基db1小波对输入图像I进行一层小波分解,得到低频子图ca,第一高频子图ch、第二高频子图cv和第三高频子图cd。
具体地,用db系列小波基中的db1小波对输入图像I进行一层小波分解,得到低频子图ca,三个高频子图ch、cv、cd。
S2,对低频子图ca取整,得到取整后的低频子图ca1,并计算取整后的低频子图ca1的最大值Mca。
具体地,对低频子图ca四舍五入法取整,取整后新子图为ca1,并计算ca1最大值为Mca。
S3,在[0,Mca]确定取整后的低频子图ca1的每个小波系数出现的频次,得到小波直方图h,长度Mca。
具体地,在[0,Mca]统计ca1的每个小波系数出现的频次(即小波直方图),小波直方图为h,长度为Mca。
S4,获取小波直方图计算公式计算取整后的低频子图ca1的每个小波系数出现的概率,其中,i为小波系数,i=0,1,2…Mca,h为各小波系数的频数,设置新低频子图ca2与低频子图ca相同,数值设置为零矩阵。
S5,获取小波系数转换函数,设置可调参数P1,计算取整后的低频子图ca1每个小波系数对应的新小波系数,其中,小波系数转换函数为:
f(i)=x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)],其中,f(i)为i小波系数变换后的新小波系数,P1为第一可调参数,且P1的取值范围[0,1]。
作为本发明实施例的一个可选实施方式,小波系数转换函数通过如下方式获得:设置第一可调参数和第二可调参数;利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到所述小波系数转换函数。
具体地,根据现有已有的经典直方图均衡的处理公式:
可以得到直方图均衡增强的图像M1,之后基于经典直方图均衡的处理公式可以得到直方图均衡增强的图像的反转图M2,得到直方图均衡增强的图像的反转图像的公式为:本发明中,基于直方图均衡增强的图像和直方图均衡增强的图像的反转图像融合输出新的增强图像imageout。其中,融合输出新的增强图像imageout时,imageout=P1×M1+P2×M2,此时可以设置两个可调参数,第一可调参数和第二可调参数。作为本发明实施例的一个可选实施方式,利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到所述小波系数转换函数包括:
其中,L为小波系数级数,P2为第二可调参数,P2的取值范围[0,1],且P1+P2=1。
基于此种方式推导后,即可以将原有公式简化为只有第一可调参数P1的公式,f(i)=x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)]。简化了计算。
S6,将新低频子图ca2与第一高频子图ch、第二高频子图cv和第三高频子图cd作小波重构,得到重构图像I1。
具体地,将新低频子图ca2与ch、cv、cd作小波重构,重构图像为I1。
由此可见,利用小波域正反图像融合的可变对比度增强方法,仅通过调整一个可调参数的大小自由选择适合的对比度与信息量,从而根据技术人员的需要进行选择以输出新的增强图像,方案简单有效,能够减少灰度合并,且对比度与信息熵可以调,比经典直方图均衡增强更具有灵活性。
图2示出了本发明实施例提供的小波域正反图像融合的可变对比度增强装置的结构示意图,本发明实施例提供的小波域正反图像融合的可变对比度增强装置应用于上述方法,以下仅小波域正反图像融合的可变对比度增强装置的结构进行概括说明,其他未尽事宜,请参照小波域正反图像融合的可变对比度增强方法中的相关说明,参见图2,本发明实施例提供的小波域正反图像融合的可变对比度增强装置,包括:
分解模块,用于用db系列小波基db1小波对输入图像I进行一层小波分解,得到低频子图ca,第一高频子图ch、第二高频子图cv和第三高频子图cd;
第一计算模块,用于对低频子图ca取整,得到取整后的低频子图ca1,并计算取整后的低频子图ca1的最大值Mca;
确定模块,用于在[0,Mca]确定取整后的低频子图ca1的每个小波系数出现的频次,得到小波直方图h,长度Mca;
第二计算模块,用于获取小波直方图计算公式计算取整后的低频子图ca1的每个小波系数出现的概率,其中,i为小波系数,i=0,1,2…Mca,h为各小波系数的频数,设置新低频子图ca2与低频子图ca相同,数值设置为零矩阵;
第三计算模块,
获取小波系数转换函数,设置可调参数P1,计算取整后的低频子图ca1每个小波系数对应的新小波系数,其中,小波系数转换函数为:
f(i)=x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)],其中,f(i)为i小波系数变换后的新小波系数,P1为第一可调参数,且P1的取值范围[0,1];
重构模块,用于将新低频子图ca2与第一高频子图ch、第二高频子图cv和第三高频子图cd作小波重构,得到重构图像I1;
作为本发明实施例的一个可选实施方式,装置还包括:获取模块,获取模块通过如下方式获取小波系数转换函数:获取模块,用于设置第一可调参数和第二可调参数;利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到小波系数转换函数。
作为本发明实施例的一个可选实施方式,获取模块通过如下方式利用第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到小波系数转换函数:
其中,L为小波系数级数,P2为第二可调参数,P2的取值范围[0,1],且P1+P2=1。
由此可见,利用小波域正反图像融合的可变对比度增强装置,仅通过调整一个可调参数的大小自由选择适合的对比度与信息量,从而根据技术人员的需要进行选择以输出新的增强图像,方案简单有效,能够减少灰度合并,且对比度与信息熵可以调,比经典直方图均衡增强更具有灵活性。
以下,通过一个具体实例来对本发明实施例提供的小波域正反图像融合的可变对比度增强方法进行进一步说明:
在发明实施过程中,对比度与信息熵变化曲线为20幅测试图像的对比度与信息熵(细节信息量)平均数值随P1在[0,1]之间的变化曲线图,如图3所示。其它效果增强图像为取P1=0.1,如图4、5、6、7所示。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (6)
1.一种小波域正反图像融合的可变对比度增强方法,其特征在于,包括:
用db系列小波基db1小波对输入图像I进行一层小波分解,得到低频子图ca,第一高频子图ch、第二高频子图cv和第三高频子图cd;
对所述低频子图ca取整,得到取整后的低频子图ca1,并计算所述取整后的低频子图ca1的最大值Mca;
在[0,Mca]确定所述取整后的低频子图ca1的每个小波系数出现的频次,得到小波直方图h,长度Mca;
获取小波直方图计算公式计算所述取整后的低频子图ca1的每个小波系数出现的概率,其中,i为小波系数,i=0,1,2···Mca,h为各小波系数的频数,设置新低频子图ca2与所述低频子图ca相同,数值设置为零矩阵;
获取小波系数转换函数,设置可调参数P1,计算所述取整后的低频子图ca1每个小波系数对应的新小波系数,其中,所述小波系数转换函数为:
f(i)=x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)],其中,f(i)为i小波系数变换后的新小波系数,P1为第一可调参数,且所述P1的取值范围[0,1];
将所述新低频子图ca2与所述第一高频子图ch、所述第二高频子图cv和所述第三高频子图cd作小波重构,得到重构图像I1;
2.根据权利要求1所述的方法,其特征在于,所述小波系数转换函数通过如下方式获得:
设置所述第一可调参数和第二可调参数;
利用所述第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到所述小波系数转换函数。
4.一种小波域正反图像融合的可变对比度增强装置,其特征在于,包括:
分解模块,用于用db系列小波基db1小波对输入图像I进行一层小波分解,得到低频子图ca,第一高频子图ch、第二高频子图cv和第三高频子图cd;
第一计算模块,用于对所述低频子图ca取整,得到取整后的低频子图ca1,并计算所述取整后的低频子图ca1的最大值Mca;
确定模块,用于在[0,Mca]确定所述取整后的低频子图ca1的每个小波系数出现的频次,得到小波直方图h,长度Mca;
第二计算模块,用于获取小波直方图计算公式计算所述取整后的低频子图ca1的每个小波系数出现的概率,其中,i为小波系数,i=0,1,2···Mca,h为各小波系数的频数,设置新低频子图ca2与所述低频子图ca相同,数值设置为零矩阵;
第三计算模块,
获取小波系数转换函数,设置可调参数P1,计算所述取整后的低频子图ca1每个小波系数对应的新小波系数,其中,所述小波系数转换函数为:
f(i)=x0+(xL-1-x0)×[P1×p(i)+cdfp(i-1)],其中,f(i)为i小波系数变换后的新小波系数,P1为第一可调参数,且所述P1的取值范围[0,1];
重构模块,用于将所述新低频子图ca2与所述第一高频子图ch、所述第二高频子图cv和所述第三高频子图cd作小波重构,得到重构图像I1;
5.根据权利要求4所述的装置,其特征在于,还包括:获取模块,所述获取模块通过如下方式获取小波系数转换函数:
所述获取模块,用于设置所述第一可调参数和第二可调参数;利用所述第一可调参数、第二可调参数、直方图均衡增强的图像和直方图均衡增强的图像的反转图像进行推导,得到所述小波系数转换函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010325745.0A CN113112435B (zh) | 2020-04-23 | 2020-04-23 | 一种小波域正反图像融合的可变对比度增强方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010325745.0A CN113112435B (zh) | 2020-04-23 | 2020-04-23 | 一种小波域正反图像融合的可变对比度增强方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112435A true CN113112435A (zh) | 2021-07-13 |
CN113112435B CN113112435B (zh) | 2023-09-22 |
Family
ID=76708914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010325745.0A Active CN113112435B (zh) | 2020-04-23 | 2020-04-23 | 一种小波域正反图像融合的可变对比度增强方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112435B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115166120A (zh) * | 2022-06-23 | 2022-10-11 | 中国科学院苏州生物医学工程技术研究所 | 一种谱峰识别方法、设备、介质及产品 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1741068A (zh) * | 2005-09-22 | 2006-03-01 | 上海广电(集团)有限公司中央研究院 | 一种基于边界的直方图均衡方法 |
CN101897173A (zh) * | 2008-01-17 | 2010-11-24 | 高通股份有限公司 | 用于对比度增强的基于直方图建模的算法 |
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
CN105184759A (zh) * | 2015-09-22 | 2015-12-23 | 中国科学院西安光学精密机械研究所 | 一种基于直方图紧致性变换的图像自适应增强方法 |
CN105303532A (zh) * | 2015-10-21 | 2016-02-03 | 北京工业大学 | 一种小波域Retinex图像去雾方法 |
CN105550998A (zh) * | 2015-12-09 | 2016-05-04 | 江苏理工学院 | 基于二代小波整数变换的图像增强方法及图像增强系统 |
WO2017132858A1 (en) * | 2016-02-03 | 2017-08-10 | Chongqing University Of Posts And Telecommunications | Methods, systems, and media for image processing |
CN108269246A (zh) * | 2018-01-30 | 2018-07-10 | 江苏理工学院 | 一种低频小波系数插值的图像均衡增强方法 |
CN108876741A (zh) * | 2018-06-22 | 2018-11-23 | 中国矿业大学(北京) | 一种复杂光照条件下的图像增强方法 |
CN109447910A (zh) * | 2018-10-09 | 2019-03-08 | 湖南源信光电科技股份有限公司 | 一种基于模糊理论的低照度彩色图像增强方法 |
CN109584190A (zh) * | 2018-10-23 | 2019-04-05 | 江苏理工学院 | 一种基于小波变换低频直方图受限的对比度图像增强方法 |
-
2020
- 2020-04-23 CN CN202010325745.0A patent/CN113112435B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1741068A (zh) * | 2005-09-22 | 2006-03-01 | 上海广电(集团)有限公司中央研究院 | 一种基于边界的直方图均衡方法 |
CN101897173A (zh) * | 2008-01-17 | 2010-11-24 | 高通股份有限公司 | 用于对比度增强的基于直方图建模的算法 |
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
CN105184759A (zh) * | 2015-09-22 | 2015-12-23 | 中国科学院西安光学精密机械研究所 | 一种基于直方图紧致性变换的图像自适应增强方法 |
CN105303532A (zh) * | 2015-10-21 | 2016-02-03 | 北京工业大学 | 一种小波域Retinex图像去雾方法 |
CN105550998A (zh) * | 2015-12-09 | 2016-05-04 | 江苏理工学院 | 基于二代小波整数变换的图像增强方法及图像增强系统 |
WO2017132858A1 (en) * | 2016-02-03 | 2017-08-10 | Chongqing University Of Posts And Telecommunications | Methods, systems, and media for image processing |
CN108269246A (zh) * | 2018-01-30 | 2018-07-10 | 江苏理工学院 | 一种低频小波系数插值的图像均衡增强方法 |
CN108876741A (zh) * | 2018-06-22 | 2018-11-23 | 中国矿业大学(北京) | 一种复杂光照条件下的图像增强方法 |
CN109447910A (zh) * | 2018-10-09 | 2019-03-08 | 湖南源信光电科技股份有限公司 | 一种基于模糊理论的低照度彩色图像增强方法 |
CN109584190A (zh) * | 2018-10-23 | 2019-04-05 | 江苏理工学院 | 一种基于小波变换低频直方图受限的对比度图像增强方法 |
Non-Patent Citations (2)
Title |
---|
HAIFENG WANG: "Image Enhancement Algorithm Using Brightness Preserving Multiple-interval histogram equalization", 《PROCEEDING OF THE 2ND INTERNATIONAL CONFERENCE ON GREEN COMMUNICATIONS AND NETWORKS 2012》, vol. 02, pages 647 - 654 * |
章怡: "人眼视觉拟合函数的小波系数插值图像增强", 《太赫兹科学与电子信息学报》, vol. 17, no. 06, pages 1071 - 1077 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115166120A (zh) * | 2022-06-23 | 2022-10-11 | 中国科学院苏州生物医学工程技术研究所 | 一种谱峰识别方法、设备、介质及产品 |
Also Published As
Publication number | Publication date |
---|---|
CN113112435B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Contrast enhancement based on layered difference representation | |
CN101706953B (zh) | 基于直方图均衡的图像增强方法和装置 | |
US11087439B2 (en) | Hybrid framework-based image bit-depth expansion method and device | |
CN103402042B (zh) | 基于分块式误差扩散的半色调图像生成方法 | |
CN111161360B (zh) | 基于Retinex理论的端到端网络的图像去雾方法 | |
US20190005630A1 (en) | High Dynamic Range Image Processing Method and Apparatus | |
CN114677304A (zh) | 一种基于知识蒸馏和深度神经网络的图像去模糊算法 | |
CN104077746A (zh) | 灰度图像处理方法及其装置 | |
CN114862694A (zh) | 一种保证图像质量的高动态范围图像重建方法及装置 | |
CN106340278B (zh) | 一种显示面板的驱动方法及装置 | |
CN113112435A (zh) | 一种小波域正反图像融合的可变对比度增强方法及装置 | |
CN116030052A (zh) | 电脑显示板层压工序蚀刻质量检测方法 | |
JP2011101233A5 (zh) | ||
CN111986079A (zh) | 基于生成对抗网络路面裂缝图像超分辨率重建方法及装置 | |
Gunawan et al. | A review on high dynamic range (HDR) image quality assessment | |
CN109584190A (zh) | 一种基于小波变换低频直方图受限的对比度图像增强方法 | |
CN101511020A (zh) | 一种基于稀疏分解的图像压缩方法 | |
CN110009082B (zh) | 三维码的优化方法、介质、计算机设备及装置 | |
CN111563864B (zh) | 基于直方图的正反图像融合的可变对比度增强方法及装置 | |
CN109284769B (zh) | 一种基于量化参数的水下图像自适应分类方法 | |
TW201812697A (zh) | 使用二階區域二元圖的分群方法及疊代影像測試系統 | |
JP7262032B2 (ja) | 画像処理装置 | |
CN104915937A (zh) | 基于频域矩阵分解的快速单透镜计算成像方法 | |
CN113112437A (zh) | 一种小波域亮度保持的图像细节增强方法及装置 | |
CN113112436A (zh) | 小波域双边累积概率分割亮度保持的图像增强方法及装置 |
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 |