CN113744162A - 工业产品图像增强方法、装置、电子设备及存储介质 - Google Patents
工业产品图像增强方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113744162A CN113744162A CN202111294870.0A CN202111294870A CN113744162A CN 113744162 A CN113744162 A CN 113744162A CN 202111294870 A CN202111294870 A CN 202111294870A CN 113744162 A CN113744162 A CN 113744162A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- value
- industrial product
- terahertz
- 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
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 102
- 238000011084 recovery Methods 0.000 claims abstract description 52
- 230000002708 enhancing effect Effects 0.000 claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002349 favourable effect Effects 0.000 abstract description 9
- 230000000052 comparative effect Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000003365 glass fiber Substances 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G06T5/73—
-
- 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
- G06T2207/10116—X-ray image
Abstract
本申请属于图像处理技术领域,公开了一种工业产品图像增强方法、装置、电子设备及存储介质,通过获取待处理的太赫兹图像;对所述待处理的太赫兹图像进行恢复亮度处理;基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像;从而不仅可以恢复图像场景亮度,消除雾霾,而且可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种工业产品图像增强方法、装置、电子设备及存储介质。
背景技术
现有技术中利用太赫兹图像对工业制品进行产品质量检测时,常使用MSR(multiscale retinex,多尺度视网皮层理论)方法对图像进行增强处理,但增强后的太赫兹图像比较模糊不清,难以得到足够清晰的图像细节特征,不利于进行工业产品细节特征的检测。
发明内容
本申请的目的在于提供一种工业产品图像增强方法、装置、电子设备及存储介质,可得到细节特征清晰的太赫兹图像,有利于更准确地检测产品质量。
第一方面,本申请提供了一种工业产品图像增强方法,用于对工业产品的太赫兹图像进行增强处理;包括以下步骤:
A1.获取待处理的太赫兹图像;
A2.对所述待处理的太赫兹图像进行恢复亮度处理;
A3.基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像。
该工业产品图像增强方法,先对太赫兹图像进行恢复亮度处理,再基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,不仅可以恢复图像场景亮度,消除雾霾,而且可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
优选地,步骤A2包括:
提取所述待处理的太赫兹图像的各像素点的参考像素值,得到参考像素值集合;所述参考像素值是所述像素点的R、G、B三通道像素值中的最小值;
提取所述参考像素值集合中的最大的参考像素值作为大气光值;
根据以下公式计算各所述像素点的传输系数:
根据以下公式计算恢复亮度处理后的各所述像素点的像素值:
通过上述方式进行恢复亮度处理,可有效地恢复图像场景亮度,消除雾霾。
优选地,步骤A3包括:
根据以下公式计算各像素点的输出分量:
其中,x、y为所述像素点的像素坐标,为(x,y)像素点的输出分量,为恢复亮度处理后的(x,y)像素点的像素值,为第n个尺度的高斯函数,N为尺度数,为第n个尺度的标准差,为第n个尺度的权重系数,为增益因子,为调节系数;
根据以下公式计算增强处理后的各所述像素点的像素值:
通过上述方式的增强处理,可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
第二方面,本申请提供了一种工业产品图像增强装置,用于对工业产品的太赫兹图像进行增强处理;包括:
第一获取模块,用于获取待处理的太赫兹图像;
恢复亮度处理模块,用于对所述待处理的太赫兹图像进行恢复亮度处理;
增强处理模块,用于基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像。
该工业产品图像增强装置,先对太赫兹图像进行恢复亮度处理,再基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,不仅可以恢复图像场景亮度,消除雾霾,而且可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
优选地,所述恢复亮度处理模块用于在对所述待处理的太赫兹图像进行恢复亮度处理的时候,执行:
提取所述待处理的太赫兹图像的各像素点的参考像素值,得到参考像素值集合;所述参考像素值是所述像素点的R、G、B三通道像素值中的最小值;
提取所述参考像素值集合中的最大的参考像素值作为大气光值;
根据以下公式计算各所述像素点的传输系数:
根据以下公式计算恢复亮度处理后的各所述像素点的像素值:
通过上述方式进行恢复亮度处理,可有效地恢复图像场景亮度,消除雾霾。
优选地,所述增强处理模块用于在基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像的时候,执行:
根据以下公式计算各像素点的输出分量:
其中,x、y为所述像素点的像素坐标,为(x,y)像素点的输出分量,为恢复亮度处理后的(x,y)像素点的像素值,为第n个尺度的高斯函数,N为尺度数,为第n个尺度的标准差,为第n个尺度的权重系数,为增益因子,为调节系数;
根据以下公式计算增强处理后的各所述像素点的像素值:
通过上述方式的增强处理,可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
第三方面,本申请提供了一种电子设备,包括处理器和存储器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时,运行如前文所述工业产品图像增强方法中的步骤。
第四方面,本申请提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如前文所述工业产品图像增强方法中的步骤。
有益效果:
本申请提供的工业产品图像增强方法、装置、电子设备及存储介质,通过获取待处理的太赫兹图像;对所述待处理的太赫兹图像进行恢复亮度处理;基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像;从而不仅可以恢复图像场景亮度,消除雾霾,而且可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请了解。
附图说明
图1为本申请实施例提供的工业产品图像增强方法的一种流程图。
图2为本申请实施例提供的工业产品图像增强装置的结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
图4为对比试验一的第一组对比图像。
图5为对比试验一的第二组对比图像。
图6为对比试验二的对比图像。
图7为对比试验三的对比图像。
图8为对比试验四的对比图像。
具体实施方式
下面将结合本申请实施例中附图,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本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域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,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种工业产品图像增强方法,用于对工业产品的太赫兹图像进行增强处理;包括以下步骤:
A1.获取待处理的太赫兹图像;
A2.对待处理的太赫兹图像进行恢复亮度处理;
A3.基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像。
该工业产品图像增强方法,先对太赫兹图像进行恢复亮度处理,再基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,不仅可以恢复图像场景亮度,消除雾霾,而且可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
其中,待处理的太赫兹图像是用THz-TDS系统(太赫兹时域光谱系统)采集的工业产品(可以但不限于是芯片、PCB板、金属书签等)的图像。在本实施例中,采用逐点光栅扫描方式生成太赫兹图像,扫描步长为0.25mm,扫描速度为50mm/s,扫描时的有效频率范围为0.3 THz到0.8 THz。
优选地,步骤A2包括:
A201.提取待处理的太赫兹图像的各像素点的参考像素值,得到参考像素值集合;参考像素值是像素点的R、G、B三通道像素值中的最小值;
A202.提取参考像素值集合中的最大的参考像素值作为大气光值;
A203.根据以下公式计算各像素点的传输系数:
A204.根据以下公式计算恢复亮度处理后的各像素点的像素值:
其中,步骤A201中,假设一个像素点的R、G、B三通道像素值分别为a1、a2、a3且a1<a2<a3,则该像素点的参考像素值为a1。
通过上述方式进行恢复亮度处理,可有效地恢复图像场景亮度,消除雾霾。
优选地,步骤A3包括:
A301.根据以下公式计算各像素点的输出分量:
其中,x、y为像素点的像素坐标,为(x,y)像素点的输出分量,为恢复亮度处理后的(x,y)像素点的像素值,为第n个尺度的高斯函数,N为尺度数,为第n个尺度的标准差,为第n个尺度的权重系数(取值一般为0.1-1之间),为增益因子(取值一般为,其中M为太赫兹图像的像素点数),为调节系数(取值一般为0.1-2之间);
A302.根据以下公式计算增强处理后的各像素点的像素值:
通过上述方式的增强处理,可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
其中,尺度数N可根据实际需要选择,例如N=3,对于不同的尺度,对应的高斯函数中的标准差不同,一般地,(为标准差)为小尺度,为中尺度,为大尺度,对于N=3的情况,优选在小尺度、中尺度和大尺度范围内各取一个标准差值,以得到对应的高斯函数,从而使增强处理过程中的像素点的输出分量包含了小尺度、中尺度和大尺度的分量,增强处理效果更佳。
以下,通过四组对比试验的试验数据对比采用本申请的方法得到的增强图像和采用现有技术得到的增强图像对图像细节的显示效果。其中,采用Advanced Photonics公司生产的T-Gauge 5000(一种THz-TDS系统)获取工业产品的太赫兹图像,该THz-TDS系统的焦距为75mm,透镜直径为38mm,用逐点光栅扫描方式生成太赫兹图像,扫描步长为0.25mm,扫描速度为50mm/s,扫描时的有效频率范围为0.3 THz到0.8 THz。通过标准差(standarddeviation, SD)、熵(EN)、空间频率(SF)、均方误差(MSE)和峰值信噪比(PSNR)五个评价指标对图像进行评价。其中,标准差(standard deviation, SD))主要用来衡量图像的整体对比度,SD越大对比对越高;熵(EN)主要用于衡量图像中随机变量的期望值,即EN反映了灰度图像的混沌程度,EN越大,噪点越多,图像质量越差;空间频率(SF)是反映图像灰度突变强度的指标,对于图像来说,图像的边缘部分就是突变部分,变异越快,边缘越尖锐,特征更加明显立体,图像质量越好;均方误差(MSE)表示原始图像与增强图像之间的期望误差,MSE越大则图像显现的特征越多;峰值信噪比(PSNR)描述了增强方法下原始图像与增强图像之间的均方误差(MSE)关系, PSNR越大,图像质量越好。
对比试验一
在对比试验一中,工业产品为芯片,通过THz-TDS系统获取的原始太赫兹图像如图4中的(a)所示,图4中的(b)、(c)、(d)、(e)分别是采用对比度限制自适应直方图均衡化(CLAHE)方法、灰度变换(GLT)方法、MSR方法和本申请的工业产品图像增强方法对该原始太赫兹图像进行增强处理后得到的增强图像。
从图4中可以看到,原始太赫兹图像比较模糊,图像对比度较低;图4的(b)和(d)中,图像的增强效果比较接近,但比(e)略差;图4的(c)具有良好的图像对比度,但图像较暗;图4的(e)相对原始太赫兹图像提高了图像的对比度,且芯片引脚清晰、灰度图像白平衡合理,得到的增强图像质量较好。其中,各图像的评价指标对比如下表所示:
从上表可以看到,采用GLT方法的图像EN较大,但其PSNR较低,对比原始太赫兹图像,对比度较低。
进一步地,图5的(a)为该芯片的X射线图像,图5中的(b)为采用本申请的工业产品图像增强方法对该原始太赫兹图像进行增强处理后得到的增强图像,结果表明,芯片引脚针的尺寸与X射线图像的尺寸高度一致。例如,标尺X1和T1的值分别为49.68 mm和50.18mm,误差范围为1%。标尺X2和T2的值分别为3.92 mm和4.35 mm,误差范围为10%。标尺X3为3.3 mm,标尺T3为3.48 mm,误差范围为5%。标尺X4、T4值分别为13.66 mm、14.9 mm,误差范围为8%。该结果表明,使用本申请的工业产品图像增强方法得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
对比试验二
在对比试验二中,工业产品为PCB板,通过THz-TDS系统获取的原始太赫兹图像如图6中的(a)所示,图6中的(b)、(c)、(d)、(e)分别是采用对比度限制自适应直方图均衡化(CLAHE)方法、灰度变换(GLT)方法、MSR方法和本申请的工业产品图像增强方法对该原始太赫兹图像进行增强处理后得到的增强图像。
从图6中可以看到,原始太赫兹图像比较模糊,图像对比度较低,细线的边界不清晰;图6的(b)和(d)中,图像的增强效果比较接近,但比(e)差;图6的(c)具有较好的对比度和较低的噪声,但整个图像过度饱和,最细的线条接近消失;图6的(e)具有较高的对比度和信噪比,且细线边界清晰、白平衡合理,亮度和饱和度控制得较好。其中,各图像的评价指标对比如下表所示:
从上表可以看到,采用GLT方法得到的增强图像的EN小于采用CLAHE方法和MSR方法得到的增强图像的EN。MSR增强后的图像的SF值最高,显示出大量的噪声和失真,相应的,其所代表的PSNR最低。通过对比原始太赫兹图像和增强图像,本申请的工业产品图像增强方法在图像对比度、白平衡和信噪比方面表现出良好的平衡能力。
对比试验三
在对比试验三中,工业产品为花朵状的镀铜铁书签,通过THz-TDS系统获取的原始太赫兹图像如图7中的(a)所示,图7中的(b)、(c)、(d)、(e)分别是采用对比度限制自适应直方图均衡化(CLAHE)方法、灰度变换(GLT)方法、MSR方法和本申请的工业产品图像增强方法对该原始太赫兹图像进行增强处理后得到的增强图像。
从图7中可以看到,原始太赫兹图像比较模糊,图像对比度较低;图7的(b)和(d)中,图像的增强效果比较接近,但比(e)差;图7的(c)具有较好的对比度和较低的噪声,但整个图像过度饱和,雄蕊和花瓣的纹理几乎看不见;图7的(e)具有较高的对比度和信噪比,且雄蕊边缘清晰、花瓣纹理清晰、白平衡合理,亮度和饱和度控制得较好。其中,各图像的评价指标对比如下表所示:
从上表可以看到,采用GLT方法得到的增强图像的EN小于采用CLAHE方法和MSR方法得到的增强图像的EN。MSR增强后的图像的SF值最高,显示出大量的噪声和失真,使其PSNR较低。通过对比原始太赫兹图像和增强图像,本申请的工业产品图像增强方法在图像对比度、白平衡和信噪比方面表现出良好的平衡能力。
对比试验四
在对比试验四中,工业产品为蝴蝶状的镀铜铁书签,通过THz-TDS系统获取的原始太赫兹图像如图8中的(a)所示,图8中的(b)、(c)、(d)、(e)分别是采用对比度限制自适应直方图均衡化(CLAHE)方法、灰度变换(GLT)方法、MSR方法和本申请的工业产品图像增强方法对该原始太赫兹图像进行增强处理后得到的增强图像。
从图8中可以看到,原始太赫兹图像比较模糊,图像对比度和饱和度较低;图8的(c)的对比度和饱和度较低;图8的(b)、(d)和(e)的对比度接近。其中,各图像的评价指标对比如下表所示:
从上表可以看到,采用本申请的工业产品图像增强方法得到的增强图像的EN与采用CLAHE方法和MSR方法得到的增强图像的EN接近;采用本申请的工业产品图像增强方法得到的增强图像的SF值略小于MSR方法得到的增强图像的SF值;且采用本申请的工业产品图像增强方法得到的增强图像的PSNR最大。可见,本申请的工业产品图像增强方法能够较好地平衡图像对比度、白平衡和信噪比。
由上可知,该工业产品图像增强方法,通过获取待处理的太赫兹图像;对待处理的太赫兹图像进行恢复亮度处理;基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像;从而不仅可以恢复图像场景亮度,消除雾霾,而且可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
请参考图2,本申请提供了一种工业产品图像增强装置,用于对工业产品的太赫兹图像进行增强处理;包括:
第一获取模块1,用于获取待处理的太赫兹图像;
恢复亮度处理模块2,用于对待处理的太赫兹图像进行恢复亮度处理;
增强处理模块3,用于基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像。
该工业产品图像增强装置,先对太赫兹图像进行恢复亮度处理,再基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,不仅可以恢复图像场景亮度,消除雾霾,而且可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
其中,待处理的太赫兹图像是用THz-TDS系统(太赫兹时域光谱系统)采集的工业产品(可以但不限于是芯片、PCB板、金属书签等)的图像。在本实施例中,采用逐点光栅扫描方式生成太赫兹图像,扫描步长为0.25mm,扫描速度为50mm/s,扫描时的有效频率范围为0.3 THz到0.8 THz。
优选地,恢复亮度处理模块2用于在对待处理的太赫兹图像进行恢复亮度处理的时候,执行:
提取待处理的太赫兹图像的各像素点的参考像素值,得到参考像素值集合;参考像素值是像素点的R、G、B三通道像素值中的最小值;
提取参考像素值集合中的最大的参考像素值作为大气光值;
根据以下公式计算各像素点的传输系数:
根据以下公式计算恢复亮度处理后的各像素点的像素值:
其中,假设一个像素点的R、G、B三通道像素值分别为a1、a2、a3且a1<a2<a3,则该像素点的参考像素值为a1。
通过上述方式进行恢复亮度处理,可有效地恢复图像场景亮度,消除雾霾。
优选地,增强处理模块3用于在基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像的时候,执行:
根据以下公式计算各像素点的输出分量:
其中,x、y为像素点的像素坐标,为(x,y)像素点的输出分量,为恢复亮度处理后的(x,y)像素点的像素值,为第n个尺度的高斯函数,N为尺度数,为第n个尺度的标准差, 为第n个尺度的权重系数(取值一般为0.1-1之间),为增益因子(取值一般为,其中M为太赫兹图像的像素点数),为调节系数(取值一般为0.1-2之间);
根据以下公式计算增强处理后的各像素点的像素值:
通过上述方式的增强处理,可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
其中,尺度数N可根据实际需要选择,例如N=3,对于不同的尺度,对应的高斯函数中的标准差不同,一般地,(为标准差)为小尺度,为中尺度,为大尺度,对于N=3的情况,优选在小尺度、中尺度和大尺度范围内各取一个标准差值,以得到对应的高斯函数,从而使增强处理过程中的像素点的输出分量包含了小尺度、中尺度和大尺度的分量,增强处理效果更佳。
由上可知,该工业产品图像增强装置,通过获取待处理的太赫兹图像;对待处理的太赫兹图像进行恢复亮度处理;基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像;从而不仅可以恢复图像场景亮度,消除雾霾,而且可以较好地平衡图像的灰度动态范围和边缘增强,得到的增强图像的细节特征清晰,有利于更准确地检测产品质量。
请参照图3,图3为本申请实施例提供的一种电子设备的结构示意图,该电子设备包括:处理器301和存储器302,处理器301和存储器302通过通信总线303和/或其他形式的连接机构(未标出)互连并相互通讯,存储器302存储有处理器301可执行的计算机程序,当电子设备运行时,处理器301执行该计算机程序,以执行上述实施例的任一可选的实现方式中的工业产品图像增强方法,以实现以下功能:获取待处理的太赫兹图像;对待处理的太赫兹图像进行恢复亮度处理;基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像。
本申请实施例提供一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的工业产品图像增强方法,以实现以下功能:获取待处理的太赫兹图像;对待处理的太赫兹图像进行恢复亮度处理;基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像像。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory, 简称SRAM),电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory, 简称PROM),只读存储器(Read-Only Memory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种工业产品图像增强方法,用于对工业产品的太赫兹图像进行增强处理;其特征在于,包括以下步骤:
A1.获取待处理的太赫兹图像;
A2.对所述待处理的太赫兹图像进行恢复亮度处理;
A3.基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像。
2.根据权利要求1所述的工业产品图像增强方法,其特征在于,步骤A2包括:
提取所述待处理的太赫兹图像的各像素点的参考像素值,得到参考像素值集合;所述参考像素值是所述像素点的R、G、B三通道像素值中的最小值;
提取所述参考像素值集合中的最大的参考像素值作为大气光值;
根据以下公式计算各所述像素点的传输系数:
根据以下公式计算恢复亮度处理后的各所述像素点的像素值:
5.一种工业产品图像增强装置,用于对工业产品的太赫兹图像进行增强处理;其特征在于,包括:
第一获取模块,用于获取待处理的太赫兹图像;
恢复亮度处理模块,用于对所述待处理的太赫兹图像进行恢复亮度处理;
增强处理模块,用于基于优化MSR算法对恢复亮度处理后的太赫兹图像进行增强处理,得到增强图像。
6.根据权利要求5所述的工业产品图像增强装置,其特征在于,所述恢复亮度处理模块用于在对所述待处理的太赫兹图像进行恢复亮度处理的时候,执行:
提取所述待处理的太赫兹图像的各像素点的参考像素值,得到参考像素值集合;所述参考像素值是所述像素点的R、G、B三通道像素值中的最小值;
提取所述参考像素值集合中的最大的参考像素值作为大气光值;
根据以下公式计算各所述像素点的传输系数:
根据以下公式计算恢复亮度处理后的各所述像素点的像素值:
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时,运行如权利要求1-4任一项所述工业产品图像增强方法中的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-4任一项所述工业产品图像增强方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294870.0A CN113744162B (zh) | 2021-11-03 | 2021-11-03 | 工业产品图像增强方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294870.0A CN113744162B (zh) | 2021-11-03 | 2021-11-03 | 工业产品图像增强方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113744162A true CN113744162A (zh) | 2021-12-03 |
CN113744162B CN113744162B (zh) | 2022-02-08 |
Family
ID=78727214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111294870.0A Active CN113744162B (zh) | 2021-11-03 | 2021-11-03 | 工业产品图像增强方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113744162B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6885482B1 (en) * | 1999-08-27 | 2005-04-26 | Sharp Kabushiki Kaisha | Image processing method and image processing apparatus |
CN104517269A (zh) * | 2014-12-25 | 2015-04-15 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像条纹处理方法及系统 |
CN108564543A (zh) * | 2018-04-11 | 2018-09-21 | 长春理工大学 | 一种基于电磁理论的水下图像色彩补偿方法 |
CN111861937A (zh) * | 2020-07-29 | 2020-10-30 | 西安建筑科技大学 | 一种基于msr改进的图像增强方法及系统 |
-
2021
- 2021-11-03 CN CN202111294870.0A patent/CN113744162B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6885482B1 (en) * | 1999-08-27 | 2005-04-26 | Sharp Kabushiki Kaisha | Image processing method and image processing apparatus |
CN104517269A (zh) * | 2014-12-25 | 2015-04-15 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像条纹处理方法及系统 |
CN108564543A (zh) * | 2018-04-11 | 2018-09-21 | 长春理工大学 | 一种基于电磁理论的水下图像色彩补偿方法 |
CN111861937A (zh) * | 2020-07-29 | 2020-10-30 | 西安建筑科技大学 | 一种基于msr改进的图像增强方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113744162B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galdran et al. | On the duality between retinex and image dehazing | |
CN103854259B (zh) | 图像处理设备以及处理图像的方法 | |
Peng et al. | Image haze removal using airlight white correction, local light filter, and aerial perspective prior | |
CN108090886B (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
CN104299196A (zh) | 一种图像处理装置及方法、显示设备 | |
CN110717865B (zh) | 图片检测方法及装置 | |
CN111179189A (zh) | 基于生成对抗网络gan的图像处理方法、装置以及电子设备、存储介质 | |
CN110717922A (zh) | 一种图像清晰度评价方法及装置 | |
Wu et al. | A weighting mean-separated sub-histogram equalization for contrast enhancement | |
JPWO2008093835A1 (ja) | 画像処理方法 | |
CN112014349A (zh) | 太赫兹时域光谱成像复原方法、装置、存储介质及终端 | |
Wang et al. | A new method estimating linear gaussian filter kernel by image PRNU noise | |
CN113744162B (zh) | 工业产品图像增强方法、装置、电子设备及存储介质 | |
CN114140481A (zh) | 一种基于红外图像的边缘检测方法、装置 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
US20220374947A1 (en) | Artificial intelligence-based system and method for grading collectible trading cards | |
Fry et al. | Validation of modulation transfer functions and noise power spectra from natural scenes | |
CN113744163B (zh) | 集成电路图像增强方法、装置、电子设备及存储介质 | |
Lv et al. | Low‐light image haze removal with light segmentation and nonlinear image depth estimation | |
Ngo et al. | Image detail enhancement via constant-time unsharp masking | |
Nnolim | Sky detection and log illumination refinement for PDE-based hazy image contrast enhancement | |
Mutaqin et al. | Increase dehazing process using fast guided filter on the dark channel prior | |
Rosli et al. | Some technique for an Image of defect in inspection process based on image processing | |
Lal et al. | Enhancement of hyperspectral real world images using hybrid domain approach | |
Rakhshanfar et al. | No-reference image quality assessment for removal of processed and unprocessed noise |
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 |