CN113242417A - 标准差加权的色偏数字图像校正方法 - Google Patents

标准差加权的色偏数字图像校正方法 Download PDF

Info

Publication number
CN113242417A
CN113242417A CN202110506411.8A CN202110506411A CN113242417A CN 113242417 A CN113242417 A CN 113242417A CN 202110506411 A CN202110506411 A CN 202110506411A CN 113242417 A CN113242417 A CN 113242417A
Authority
CN
China
Prior art keywords
superpixel
image
blocks
channels
green
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
Application number
CN202110506411.8A
Other languages
English (en)
Other versions
CN113242417B (zh
Inventor
吴俊峰
寇昆湖
沈如松
王超
鹿珂珂
苏艳琴
李冰睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naval Aeronautical University
Original Assignee
Naval Aeronautical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Naval Aeronautical University filed Critical Naval Aeronautical University
Priority to CN202110506411.8A priority Critical patent/CN113242417B/zh
Publication of CN113242417A publication Critical patent/CN113242417A/zh
Application granted granted Critical
Publication of CN113242417B publication Critical patent/CN113242417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/643—Hue control means, e.g. flesh tone control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
    • 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)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Color Image Communication Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种标准差加权的色偏数字图像校正方法，步骤包括：（1）根据色偏数字图像红、绿、蓝三个通道的像素平均值计算红、绿、蓝三个通道的校正系数；（2）对色偏图像进行超像素分割，得到若干超像素块，根据各超像素块的红、绿、蓝三个通道的像素平均值和标准差、以及超像素块间的颜色一致性计算三个通道各自的校正系数权值；（3）根据三个通道的校正系数和校正系数权值计算出三个通道各自的加权校正系数；（4）利用加权校正系数校正色偏图像，得到校正后图像。本发明解决了现有方法不适用于大面积单一颜色图像的问题以及校正后图像整体偏亮的问题，同时还具有计算效率高等优点。

Description

标准差加权的色偏数字图像校正方法
技术领域
本发明涉及一种校正存在色偏问题的数字图像的方法。
背景技术
随着信息化时代的不断发展，数字图像作为人类获取、表达和传递信息的重要手段，已经广泛应用于各行各业。但是图像传感器采集的数字图像极易受到光照、感光元件等因素的影响而出现色偏问题。通常，色偏数字图像表现为图像R、G、B三通道中一个或几个通道的像素平均值明显偏高，严重影响数字图像的视觉效果。因此，色偏数字图像校正成为数字图像处理领域亟待解决的问题之一。
针对色偏数字图像校正问题，国内外学者提出了一系列较为有效的方法，如完美反射算法和灰度世界算法。
完美反射算法认为白色是反射率最高的颜色，因此该算法定义数字图像中最亮点为参考白点，然后进行自动白平衡调整，从而实现色偏校正。但完美反射算法存在校正后图像整体偏亮的问题。
灰度世界算法是基于灰度世界假设，认为一幅彩色图像的R、G、B三通道像素平均值趋于相等。灰度世界利用各通道像素平均值计算通道校正系数，从而实现颜色校正。但灰度世界算法不适用于大面积单一颜色的图像。
综上所述，现在色偏数字图像校正方法均存在一定问题，急需一种更加有效的色偏数字图像校正方法。
发明内容
本发明提出了一种标准差加权的色偏数字图像校正方法，其目的是：(1)解决现有方法不适用于大面积单一颜色图像的问题；(2)解决校正后图像整体偏亮的问题。
本发明技术方案如下：
一种标准差加权的色偏数字图像校正方法，步骤为：
(1)根据色偏数字图像红、绿、蓝三个通道的像素平均值
Figure BDA0003058557170000021
Figure BDA0003058557170000022
计算红、绿、蓝三个通道的校正系数kR、kG、kB；
(2)对色偏图像进行超像素分割，得到若干超像素块，根据各超像素块的红、绿、蓝三个通道的像素平均值和标准差、以及超像素块间的颜色一致性计算三个通道各自的校正系数权值wR、wG、wB；
(3)根据三个通道的校正系数kR、kG、kB和校正系数权值wR、wG、wB计算出三个通道各自的加权校正系数KR、KG、KB；
(4)利用加权校正系数校正色偏图像，得到校正后图像。
作为本方法的进一步改进：步骤(1)中计算红、绿、蓝三个通道的像素平均值
Figure BDA0003058557170000023
的方法为：
Figure BDA0003058557170000024
Figure BDA0003058557170000025
Figure BDA0003058557170000026
式中，R(i,j)、G(i,j)、B(i,j)分别表示色偏图像中红、绿、蓝三个通道在图像位置(i,j)的像素值，M和N分别表示色偏图像的行数和列数。
作为本方法的进一步改进：步骤(1)中计算红、绿、蓝三个通道的校正系数kR、kG、kB的方法为：
Figure BDA0003058557170000031
Figure BDA0003058557170000032
Figure BDA0003058557170000033
作为本方法的进一步改进：步骤(2)中，色偏图像经过超像素分割后得到n个超像素块：sp1,…,spi,…,spn，i为超像素块的编号；
则计算各超像素块的红、绿、蓝三个通道的像素平均值的方法为：
Figure BDA0003058557170000034
Figure BDA0003058557170000035
Figure BDA0003058557170000036
式中，
Figure BDA0003058557170000037
分别表示超像素块spi的红、绿、蓝三个通道的像素平均值，ni为超像素块spi中所包含的像素数，
Figure BDA0003058557170000038
Figure BDA0003058557170000039
分别为超像素块spi中所包含的第k个像素的红、绿、蓝三个通道的像素值。
作为本方法的进一步改进：步骤(2)中计算各超像素块的红、绿、蓝三个通道的标准差的方法为：
Figure BDA0003058557170000041
Figure BDA0003058557170000042
Figure BDA0003058557170000043
其中，
Figure BDA0003058557170000044
分别表示超像素块spi的红、绿、蓝三个通道的标准差。
作为本方法的进一步改进：步骤(2)中，色偏图像经过超像素分割后得到若干个超像素块；各超像素块与其它超像素块之间的颜色一致性用0-1变量sgn表示，其赋值原则为：将具有直接或间接的相邻关系且颜色符合一致性判断标准的超像素块各自归为一组，每一组选择其中一个超像素块将其sgn赋值为1，其它超像素块的sgn值均为0。
作为本方法的进一步改进：步骤(2)中，色偏图像经过超像素分割后得到n个超像素块：sp1,…,spi,…,spn，i为超像素块的编号；根据超像素块之间的相邻关系，得到各超像素块所对应的连接集合：aM1,…,aMi,…,aMn，其中，aMi表示与超像素块spi所对应的连接集合，该连接集合记录了与超像素块spi相邻的超像素块的编号；超像素块spi对应的sgn记为
Figure BDA0003058557170000045
计算
Figure BDA0003058557170000046
的方法为：
为所有
Figure BDA0003058557170000047
赋初始值1；然后从sp1开始遍历所有超像素块，对于当前的超像素块spi：取其对应的连接集合aMi所指向的所有相邻的超像素块spj、按j从小到大的顺序进行遍历，j∈aMi，对于当前的j，如果j≥i+1且
Figure BDA0003058557170000051
则判断是否同时满足以下三个条件：
Figure BDA0003058557170000052
Figure BDA0003058557170000053
Figure BDA0003058557170000054
满足则
Figure BDA0003058557170000055
作为本方法的进一步改进：所述校正系数权值wR、wG、wB的计算方式为：
先计算：
Figure BDA0003058557170000056
Figure BDA0003058557170000057
Figure BDA0003058557170000058
Figure BDA0003058557170000059
式中，n为超像素块的个数，i为超像素块的编号，
Figure BDA00030585571700000510
为0-1变量，用于表示超像素块spi与其它超像素块之间的颜色一致性，为1表示不具有颜色一致性，否则为具有颜色一致性；
Figure BDA00030585571700000511
Figure BDA00030585571700000512
分别表示超像素块spi的红、绿、蓝三个通道的标准差；
然后计算校正系数权值：
Figure BDA0003058557170000061
Figure BDA0003058557170000062
Figure BDA0003058557170000063
作为本方法的进一步改进：步骤(3)中计算三个通道各自的加权校正系数KR、KG、KB的方法为：
Figure BDA0003058557170000064
Figure BDA0003058557170000065
Figure BDA0003058557170000066
作为本方法的进一步改进：步骤(4)中利用加权校正系数校正色偏图像的方法为：
R'(i,j)＝R(i,j)×KR
G'(i,j)＝G(i,j)×KG
B'(i,j)＝B(i,j)×KB
式中，R'(i,j)、G'(i,j)、B'(i,j)分别表示校正后图像的红、绿、蓝三个通道在图像位置(i,j)的像素值，R(i,j)、G(i,j)、B(i,j)分别表示色偏图像中红、绿、蓝三个通道在图像位置(i,j)的像素值。
相对于现有技术，本发明具有以下有益效果：(1)在计算校正系数权值时，先进行超像素分割，从而将颜色相近、纹理相近且属于同一物体的图像像素划分到同一图像块中，在此基础上计算的标准差更能反映像素块的三个通道的像素值的波动情况；(2)利用颜色一致性选择出具有颜色代表性的超像素块，并以这些超像素块的标准差对校正系数进行加权，从而降低了大面积单一颜色对校正系数的影响，使得本方法在应对大面积单一颜色色偏数字图像依然有较好的色偏校正效果；(3)颜色一致性的判断计算过程中，考虑到了所有相邻的超像素块，相关性的考虑更加完备，同时还进一步在遍历过程中引入
Figure BDA0003058557170000072
的值以及相邻超像素块编号的判断，从而避免了相邻超像素块之间的重复计算，也省去了对计算结果无影响的计算过程，提高了计算效率：(4)本方法中加权校正系数KR、KG、KB均不大于1，可确保对色偏数字图像的R、G、B三个通道只进行削弱，而不进行加强，从而避免了校正后图像整体偏亮的问题。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图详细说明本发明的技术方案：
如图1，一种标准差加权的色偏数字图像校正方法，通过计算机装置实现以下步骤：
(1)根据色偏数字图像红、绿、蓝三个通道的像素平均值
Figure BDA0003058557170000071
Figure BDA0003058557170000081
计算红、绿、蓝三个通道的校正系数kR、kG、kB。
具体方法为：
Figure BDA0003058557170000082
Figure BDA0003058557170000083
Figure BDA0003058557170000084
式中，R(i,j)、G(i,j)、B(i,j)分别表示色偏图像中红、绿、蓝三个通道在图像位置(i,j)的像素值，M和N分别表示色偏图像的行数和列数。
校正系数kR、kG、kB的方法为：
Figure BDA0003058557170000085
Figure BDA0003058557170000086
Figure BDA0003058557170000087
(2)对色偏图像进行超像素分割，得到若干超像素块，根据各超像素块的红、绿、蓝三个通道的像素平均值和标准差、以及超像素块间的颜色一致性计算三个通道各自的校正系数权值wR、wG、wB。
具体步骤为：
(2.1)将色偏图像经过超像素分割后得到n个超像素块：sp1,…,spi,…,spn，i为超像素块的编号。超像素分割的方法可参考Radhakrishna Achanta在论文《SLICSuperpixels Compared to State-of-the-art Superpixel Methods》中提出的方法。
(2.2)计算各超像素块的红、绿、蓝三个通道的像素平均值：
Figure BDA0003058557170000091
Figure BDA0003058557170000092
Figure BDA0003058557170000093
式中，
Figure BDA0003058557170000094
分别表示超像素块spi的红、绿、蓝三个通道的像素平均值，ni为超像素块spi中所包含的像素数，
Figure BDA0003058557170000095
Figure BDA0003058557170000096
分别为超像素块spi中所包含的第k个像素的红、绿、蓝三个通道的像素值。
(2.3)计算各超像素块的红、绿、蓝三个通道的标准差的方法为：
Figure BDA0003058557170000097
Figure BDA0003058557170000098
Figure BDA0003058557170000099
其中，
Figure BDA00030585571700000910
分别表示超像素块spi的红、绿、蓝三个通道的标准差。
(2.4)计算超像素块间的颜色一致性，具体步骤为：
将超像素块spi与其它超像素块之间的颜色一致性用0-1变量sgn表示，其赋值原则为：将具有直接或间接的相邻关系且颜色符合一致性判断标准的超像素块各自归为一组，无法归组的自成一组，每一组选择其中一个超像素块将其sgn赋值为1，其它超像素块的sgn值为0。
颜色一致性的具体判断方式为：
根据超像素块之间的相邻关系，得到各超像素块所对应的连接集合：aM1,…,aMi,…,aMn，其中，aMi表示与超像素块spi所对应的连接集合，该连接集合记录了与超像素块spi相邻的超像素块的编号。
通过遍历方式计算
Figure BDA0003058557170000101
(即超像素块spi对应的sgn)：先为所有
Figure BDA0003058557170000102
赋初始值1；然后从sp1开始遍历所有超像素块：对于当前的超像素块spi：取其对应的连接集合aMi所指向的所有相邻的超像素块spj、按j从小到大的顺序进行遍历，j∈aMi，对于当前的j，如果j≥i+1且
Figure BDA0003058557170000103
则判断是否同时满足以下三个条件(即颜色的一致性判断标准)：
Figure BDA0003058557170000104
Figure BDA0003058557170000105
Figure BDA0003058557170000106
满足则
Figure BDA0003058557170000107
否则保持为1。
式中，abs(*)表示对*取绝对值；thres为阈值，优选为20；
Figure BDA0003058557170000108
Figure BDA0003058557170000109
分别表示超像素块spi的红、绿、蓝三个通道的像素平均值，
Figure BDA00030585571700001010
分别表示超像素块spj的红、绿、蓝三个通道的像素平均值。
(2.5)计算三个通道各自的校正系数权值wR、wG、wB：
先计算：
Figure BDA0003058557170000111
Figure BDA0003058557170000112
Figure BDA0003058557170000113
Figure BDA0003058557170000114
式中，n为超像素块的个数，i为超像素块的编号，
Figure BDA0003058557170000115
为0-1变量，
Figure BDA0003058557170000116
分别表示超像素块spi的红、绿、蓝三个通道的标准差；
然后计算校正系数权值：
Figure BDA0003058557170000117
Figure BDA0003058557170000118
Figure BDA0003058557170000119
(3)根据三个通道的校正系数kR、kG、kB和校正系数权值wR、wG、wB计算出三个通道各自的加权校正系数KR、KG、KB：
Figure BDA0003058557170000121
Figure BDA0003058557170000122
Figure BDA0003058557170000123
(4)利用加权校正系数校正色偏图像，得到校正后图像：
R'(i,j)＝R(i,j)×KR
G'(i,j)＝G(i,j)×KG
B'(i,j)＝B(i,j)×KB
式中，R'(i,j)、G'(i,j)、B'(i,j)分别表示校正后图像的红、绿、蓝三个通道在图像位置(i,j)的像素值，R(i,j)、G(i,j)、B(i,j)分别表示色偏图像中红、绿、蓝三个通道在图像位置(i,j)的像素值。
本实施例可对数码相机、手机摄像头等数字成像设备获取的色偏数字图像进行准确色偏校正，获得更加符合人眼视觉感受的数字图像，具有广阔的应用价值和市场前景。

Claims (10)

1.一种标准差加权的色偏数字图像校正方法，其特征在于步骤为：
(1)根据色偏数字图像红、绿、蓝三个通道的像素平均值R、G、B计算红、绿、蓝三个通道的校正系数kR、kG、kB；
(2)对色偏图像进行超像素分割，得到若干超像素块，根据各超像素块的红、绿、蓝三个通道的像素平均值和标准差、以及超像素块间的颜色一致性计算三个通道各自的校正系数权值wR、wG、wB；
(3)根据三个通道的校正系数kR、kG、kB和校正系数权值wR、wG、wB计算出三个通道各自的加权校正系数KR、KG、KB；
(4)利用加权校正系数校正色偏图像，得到校正后图像。
2.如权利要求1所述的标准差加权的色偏数字图像校正方法，其特征在于：步骤(1)中计算红、绿、蓝三个通道的像素平均值
Figure FDA0003058557160000011
的方法为：
Figure FDA0003058557160000012
Figure FDA0003058557160000013
Figure FDA0003058557160000014
式中，R(i,j)、G(i,j)、B(i,j)分别表示色偏图像中红、绿、蓝三个通道在图像位置(i,j)的像素值，M和N分别表示色偏图像的行数和列数。
3.如权利要求1所述的标准差加权的色偏数字图像校正方法，其特征在于：步骤(1)中计算红、绿、蓝三个通道的校正系数kR、kG、kB的方法为：
Figure FDA0003058557160000021
4.如权利要求1所述的标准差加权的色偏数字图像校正方法，其特征在于：步骤(2)中，色偏图像经过超像素分割后得到n个超像素块：sp1,…,spi,…,spn，i为超像素块的编号；
则计算各超像素块的红、绿、蓝三个通道的像素平均值的方法为：
Figure FDA0003058557160000022
Figure FDA0003058557160000023
Figure FDA0003058557160000024
式中，
Figure FDA0003058557160000025
分别表示超像素块spi的红、绿、蓝三个通道的像素平均值，ni为超像素块spi中所包含的像素数，
Figure FDA0003058557160000026
分别为超像素块spi中所包含的第k个像素的红、绿、蓝三个通道的像素值。
5.如权利要求4所述的标准差加权的色偏数字图像校正方法，其特征在于：步骤(2)中计算各超像素块的红、绿、蓝三个通道的标准差的方法为：
Figure FDA0003058557160000031
Figure FDA0003058557160000032
Figure FDA0003058557160000033
其中，
Figure FDA0003058557160000034
分别表示超像素块spi的红、绿、蓝三个通道的标准差。
6.如权利要求1所述的标准差加权的色偏数字图像校正方法，其特征在于：步骤(2)中，色偏图像经过超像素分割后得到若干个超像素块；各超像素块与其它超像素块之间的颜色一致性用0-1变量sgn表示，其赋值原则为：将具有直接或间接的相邻关系且颜色符合一致性判断标准的超像素块各自归为一组，每一组选择其中一个超像素块将其sgn赋值为1，其它超像素块的sgn值均为0。
7.如权利要求6所述的标准差加权的色偏数字图像校正方法，其特征在于：步骤(2)中，色偏图像经过超像素分割后得到n个超像素块：sp1,…,spi,…,spn，i为超像素块的编号；根据超像素块之间的相邻关系，得到各超像素块所对应的连接集合：aM1,…,aMi,…,aMn，其中，aMi表示与超像素块spi所对应的连接集合，该连接集合记录了与超像素块spi相邻的超像素块的编号；超像素块spi对应的sgn记为
Figure FDA0003058557160000035
计算
Figure FDA0003058557160000036
的方法为：
为所有
Figure FDA0003058557160000037
赋初始值1；然后从sp1开始遍历所有超像素块，对于当前的超像素块spi：取其对应的连接集合aMi所指向的所有相邻的超像素块spj、按j从小到大的顺序进行遍历，j∈aMi，对于当前的j，如果j≥i+1且
Figure FDA0003058557160000041
则判断是否同时满足以下三个条件：
Figure FDA0003058557160000042
满足则
Figure FDA0003058557160000043
8.如权利要求1所述的标准差加权的色偏数字图像校正方法，其特征在于所述校正系数权值wR、wG、wB的计算方式为：
先计算：
Figure FDA0003058557160000044
Figure FDA0003058557160000045
Figure FDA0003058557160000046
Figure FDA0003058557160000047
式中，n为超像素块的个数，i为超像素块的编号，
Figure FDA0003058557160000048
为0-1变量，用于表示超像素块spi与其它超像素块之间的颜色一致性，为1表示不具有颜色一致性，否则为具有颜色一致性；
Figure FDA0003058557160000049
Figure FDA00030585571600000410
分别表示超像素块spi的红、绿、蓝三个通道的标准差；
然后计算校正系数权值：
Figure FDA0003058557160000051
9.如权利要求1所述的标准差加权的色偏数字图像校正方法，其特征在于步骤(3)中计算三个通道各自的加权校正系数KR、KG、KB的方法为：
Figure FDA0003058557160000052
10.如权利要求1至9任一所述的标准差加权的色偏数字图像校正方法，其特征在于步骤(4)中利用加权校正系数校正色偏图像的方法为：
R'(i,j)＝R(i,j)×KR
G'(i,j)＝G(i,j)×KG
B'(i,j)＝B(i,j)×KB
式中，R'(i,j)、G'(i,j)、B'(i,j)分别表示校正后图像的红、绿、蓝三个通道在图像位置(i,j)的像素值，R(i,j)、G(i,j)、B(i,j)分别表示色偏图像中红、绿、蓝三个通道在图像位置(i,j)的像素值。
CN202110506411.8A 2021-05-10 2021-05-10 标准差加权的色偏数字图像校正方法 Active CN113242417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110506411.8A CN113242417B (zh) 2021-05-10 2021-05-10 标准差加权的色偏数字图像校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110506411.8A CN113242417B (zh) 2021-05-10 2021-05-10 标准差加权的色偏数字图像校正方法

Publications (2)

Publication Number Publication Date
CN113242417A true CN113242417A (zh) 2021-08-10
CN113242417B CN113242417B (zh) 2022-09-13

Family

ID=77133170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110506411.8A Active CN113242417B (zh) 2021-05-10 2021-05-10 标准差加权的色偏数字图像校正方法

Country Status (1)

Country Link
CN (1) CN113242417B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115049658A (zh) * 2022-08-15 2022-09-13 合肥的卢深视科技有限公司 Rgb-d相机质量检测方法、电子设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050063583A1 (en) * 2003-09-24 2005-03-24 Lim Suk Hwan Digital picture image color conversion
JP2008227976A (ja) * 2007-03-13 2008-09-25 Noritsu Koki Co Ltd 画像処理装置及び画像処理方法
CN102867295A (zh) * 2012-08-06 2013-01-09 电子科技大学 一种彩色图像颜色校正方法
CN103839079A (zh) * 2014-03-18 2014-06-04 浙江师范大学 一种基于分类学习的相似图像彩色化算法
CN104036467A (zh) * 2014-06-18 2014-09-10 北京航空航天大学 一种基于通道增益系数加权的图像色偏校正方法
CN104361589A (zh) * 2014-11-12 2015-02-18 河海大学 一种基于尺度间映射的高分辨率遥感影像分割方法
CN106373131A (zh) * 2016-08-25 2017-02-01 上海交通大学 基于边缘的图像显著性区域检测方法
CN108462866A (zh) * 2018-03-26 2018-08-28 福州大学 一种基于匹配和优化的3d立体图像颜色校正方法
CN109559316A (zh) * 2018-10-09 2019-04-02 浙江工业大学 一种改进的基于超像素的图论分割方法
CN112164004A (zh) * 2020-09-14 2021-01-01 武汉大学 一种联合优化全局和局部颜色一致性的色彩校正方法
CN112766286A (zh) * 2021-02-05 2021-05-07 清华大学 一种基于sar图像全局-局部特征的舰船目标检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050063583A1 (en) * 2003-09-24 2005-03-24 Lim Suk Hwan Digital picture image color conversion
JP2008227976A (ja) * 2007-03-13 2008-09-25 Noritsu Koki Co Ltd 画像処理装置及び画像処理方法
CN102867295A (zh) * 2012-08-06 2013-01-09 电子科技大学 一种彩色图像颜色校正方法
CN103839079A (zh) * 2014-03-18 2014-06-04 浙江师范大学 一种基于分类学习的相似图像彩色化算法
CN104036467A (zh) * 2014-06-18 2014-09-10 北京航空航天大学 一种基于通道增益系数加权的图像色偏校正方法
CN104361589A (zh) * 2014-11-12 2015-02-18 河海大学 一种基于尺度间映射的高分辨率遥感影像分割方法
CN106373131A (zh) * 2016-08-25 2017-02-01 上海交通大学 基于边缘的图像显著性区域检测方法
CN108462866A (zh) * 2018-03-26 2018-08-28 福州大学 一种基于匹配和优化的3d立体图像颜色校正方法
CN109559316A (zh) * 2018-10-09 2019-04-02 浙江工业大学 一种改进的基于超像素的图论分割方法
CN112164004A (zh) * 2020-09-14 2021-01-01 武汉大学 一种联合优化全局和局部颜色一致性的色彩校正方法
CN112766286A (zh) * 2021-02-05 2021-05-07 清华大学 一种基于sar图像全局-局部特征的舰船目标检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
徐晓昭等: "基于图像分析的偏色检测及颜色校正方法", 《测控技术》 *
徐晓昭等: "改进灰度世界颜色校正算法", 《光子学报》 *
王向阳等: "基于视觉权值的分块颜色直方图图像检索算法", 《自动化学报》 *
程奥运等: "基于超像素显著性的视频偏色检测方法", 《计算机工程》 *
饶倩等: "超像素及其应用综述", 《电脑与信息技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115049658A (zh) * 2022-08-15 2022-09-13 合肥的卢深视科技有限公司 Rgb-d相机质量检测方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN113242417B (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN102693532B (zh) 图像阴影和高光的自动局部调整
CN110706172B (zh) 基于自适应混沌粒子群优化的低照度彩色图像增强方法
CN108022223B (zh) 一种基于对数映射函数分块处理融合的色调映射方法
CN107909553B (zh) 一种图像处理方法及设备
CN110599415A (zh) 基于局部自适应伽马校正的图像对比度增强实现方法
CN103778900B (zh) 一种图像处理方法及系统
CN106504212A (zh) 一种改进的hsi空间信息低照度彩色图像增强算法
CN103353982A (zh) 一种基于直方图均衡化的色调映射方法
CN110473152B (zh) 基于改进Retinex算法的图像增强方法
CN105184757B (zh) 基于颜色空间特点的食物图像色彩增强方法
CN107133920B (zh) 一种基于视觉特征的马赛克拼图的自动生成方法
CN113824945B (zh) 一种基于深度学习的快速自动白平衡和颜色矫正方法
CN110570384A (zh) 一种对场景图像进行光照均衡处理的方法、装置、计算机设备以及计算机存储介质
CN110009574A (zh) 一种亮度、色彩自适应与细节丰富的低动态范围图像逆向生成高动态范围图像的方法
CN113242417B (zh) 标准差加权的色偏数字图像校正方法
CN107133936B (zh) 数字半色调方法
CN115205160A (zh) 基于局部场景感知的无参考低照度图像增强方法
CN114862722B (zh) 一种图像亮度增强实现方法及处理终端
CN110580690B (zh) 一种识别峰值变换非线性曲线的图像增强方法
CN115861119A (zh) 一种基于深度卷积神经网络的岩渣图像偏色校正方法
CN108564633B (zh) 灰度图像压缩方法、装置及计算机设备
CN112492286B (zh) 一种自动白平衡校正方法、装置及计算机存储介质
CN112907470A (zh) 基于Lab色域变换、分类及白平衡的水下图像恢复方法
CN117408915A (zh) 颜色校正和Retinex的多尺度融合水下图像增强方法及设备
CN105208362B (zh) 基于灰度平衡原理的图像色偏自动校正方法

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