CN114298916A - 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 - Google Patents
一种基于灰度拉伸和局部增强的X-Ray图像增强方法 Download PDFInfo
- Publication number
- CN114298916A CN114298916A CN202111331399.8A CN202111331399A CN114298916A CN 114298916 A CN114298916 A CN 114298916A CN 202111331399 A CN202111331399 A CN 202111331399A CN 114298916 A CN114298916 A CN 114298916A
- Authority
- CN
- China
- Prior art keywords
- image
- enhancement
- grayscale
- ray
- pixel value
- 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 40
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 10
- 230000009466 transformation Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种基于灰度拉伸和局部增强的X‑Ray图像增强的方法,属于图像处理技术领域。方法针对多位X射线图像,提出了一种改进的灰度变换函数和局部增强方法,通过映射函数改变图像的灰度分布情况,可以同时对高低两个灰度区域实现可控制的的拉伸,避免了对低灰度区域拉伸时高灰度区域失真的现象;同时通过设计的局部增强方法,通过灰度级出现的概率来判断其是否为细节,结合窗口内的方差对图像进行对比度增强,实现了对比度的提高,并避免了有效信息的丢失,从而改善X射线图像的视觉效果,可以很好的突出X射线图像的细节信息。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种基于灰度拉伸和局部增强的X-Ray图像增强方法。
背景技术
X射线成像技术已广泛应用于工业无损检测中,在工业领域具有举足轻重的地位。工业X射线成像系统X-Ray是根据不同材料、不同厚度的物体结构对X射线的吸收能力不同,从而得到工件的成像。采用X-Ray对工件进行成像,可以在不破坏工件结构的情况下,得到工件的形状、尺寸等信息,这是其最主要的优点。但是采用X-Ray采集的图像具有以下缺点:图像为多位灰度图像,所含信息量大,但是有效信息集中在低灰度区域;背景噪声主要为随机噪声和椒盐噪声,这两种噪声的存在不仅会影响图片的视觉效果,还会影响图片上关键信息的读取;X射线图像的对比度较低,整体偏暗,边缘比较模糊,不利于视觉观察。以上使得工业X射线成像中,对图像细节的分析诊断造成了困难。因此,X射线图像增强技术是一个重要的研究方向。
现在的X射线图像增强方法主要是提高图像的对比度,具体手段有灰度拉伸和局部增强。其中,灰度拉伸常用方法有:直方图均衡化、线性变换及非线性变换。传统的灰度拉伸算法灵活性不足,无法针对不同的灰度级实现不同的增强效果。局部增强常用方法为局部直方图均衡化,该方法通过对滑动窗口内的图像进行直方图均衡化来增强图像,但使用该方法易出现失真导致成像效果变差。
因此,如何实现X-Ray图像增强,解决X射线图像低对比度、整体偏暗,使得增强结果具有较好视觉效果且能够突出图像的细节信息,就成为了工业X射线图像增强的研究热点。
发明内容
针对背景技术所存在的问题,本发明的目的在于提供一种基于灰度拉伸和局部增强的16位X-Ray图像增强的方法。本发明方法针对多位X射线图像,提出了一种改进的灰度变换函数和局部增强方法,通过映射函数改变图像的灰度分布情况,通过局部增强改善图像的对比度,从而改善X射线图像的视觉效果,可以很好的突出X射线图像的细节信息。
为实现上述目的,本发明的技术方案如下:
一种基于灰度拉伸和局部增强的X-Ray图像增强的方法,包括以下步骤:
步骤1.对X-Ray采集的图像进行归一化处理;
步骤2.采用映射函数对步骤1归一化处理后的图像进行灰度拉伸;
步骤3.统计步骤2灰度拉伸后图像的像素值,得到该图像中每个灰度级出现的次数,并计算每个灰度级出现的概率PV;
步骤4.采用滑动窗口对步骤2灰度拉伸后的图像进行自适应局部增强,具体过程为:通过点运算及滑动窗口进行局部对比度增强,增强量根据对应灰度级出现的概率和窗口内像素均值、方差所共同决定的。
进一步地,X-Ray采集的图像为n位单通道灰度图像,像素值范围为0到2n-1,n为正整数,优选8、16、32、64。
进一步地,按照以下公式对步骤1对X-Ray采集的图像进行归一化处理,
其中,f(x,y)表示采集图像(x,y)处的原始像素值,min为整张采集图像的像素最小值,max为整张采集图像的像素最大值。
进一步地,在步骤1进行归一化处理前,可以先对X-Ray采集的图像进行中值滤波处理,以去除噪声。
进一步地,步骤2中按照以下映射函数公式进行灰度拉伸,
g(x,y)=1-(1-n(x,y)a)b
其中,g(x,y)表示图像(x,y)处经过灰度拉伸后的像素值,n(x,y)为图像(x,y)处的归一化像素值,a和b为根据实际需要设计的参数,a和b的取值范围均为(0,+∞);a取值越小,对低灰度区域的拉伸越明显,b取值越小,对高灰度区域的拉伸越明显。
进一步地,a的取值范围优选为0.3-0.5,b的取值范围优选为1.1-1.4。
进一步地,步骤4中增强量的具体计算公式为,
其中,z(x,y)表示图像(x,y)处经过局部增强后的像素值,mean为滑动窗口内的平均像素值大小,std为滑动窗口内的方差,P[value]指像素大小为value所对应的灰度级概率;
采用滑动窗口进行局部增强后,对每个位置的像素值进行累加,最后除以该位置累加的次数,即得到最终增强后的像素值。
进一步地,滑动窗口的窗口长宽的大小分别设置为图像长宽的1/5,步长为滑动窗口的1/10。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明采用改进的灰度映射函数对n位X-Ray图像进行灰度拉伸,可以同时对高低两个灰度区域实现可控制的的拉伸,简单快速,并与相关算法进行比较,本方案避免了对低灰度区域拉伸时高灰度区域失真的现象,效果更加符合人的视觉效果。同时,本发明设计的局部增强方法,通过灰度级出现的概率来判断其是否为细节,结合窗口内的方差对图像进行对比度增强,实现了对比度的提高,并避免了有效信息的丢失。
附图说明
图1为本发明中改进的灰度拉伸算法与传统算法的图像增强效果对比图。
图2为本发明进行灰度拉伸和局部增强处理后的效果图。
图3为本发明实施例1所得的最终效果图。
图4为本发明实施例2所得的最终效果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
一种基于灰度拉伸和局部增强的n位X-Ray图像增强的方法,包括以下步骤:
其中,f(x,y)表示采集图像(x,y)处的原始像素值,min为整张采集图像的像素最小值,max为整张采集图像的像素最大值;
步骤2.采用映射函数对步骤1归一化处理后的图像进行灰度拉伸,按照以下映射函数公式进行灰度拉伸,
g(x,y)=1-(1-n(x,y)a)b
其中,g(x,y)表示图像(x,y)处经过灰度拉伸后的像素值,n(x,y)为图像(x,y)处归一化后的像素值,a和b为根据实际需要设计的参数,a和b的取值范围均为(0,+∞);a取值越小,对低灰度区域的拉伸越明显,b取值越小,对高灰度区域的拉伸越明显;
步骤3.统计图像的像素值,得到该图像中每个灰度级出现的次数,并计算每个灰度级出现的概率PV,具体计算过程为:该次数除以图像的总像素数即可得到每个灰度级出现的概率。
步骤4.采用滑动窗口对步骤2灰度拉伸后的图像进行自适应局部增强,具体过程为:
采用滑动窗口进行局部增强,增强量根据对应灰度级出现的概率和窗口内像素均值、方差所共同决定的,增强量的具体计算公式为,
其中,z(x,y)表示图像(x,y)处经过局部增强后的像素值,mean为滑动窗口内的平均像素值大小,std为滑动窗口内的方差,P[value]指像素大小为value所对应的灰度级概率;
然后通过点运算实现图像的对比度增强,采用滑动窗口进行局部增强后,对每个位置的像素值进行累加,最后除以该位置累加的次数,即得到最终增强后的图像每个位置的像素值。
实施例1
一种基于灰度拉伸和局部增强的16位X-Ray图像增强的方法,包括以下步骤:
其中,f(x,y)表示采集图像(x,y)处的原始像素值,n(x,y)为图像(x,y)处归一化后的像素值;
步骤2.采用映射函数对步骤1归一化处理后的图像进行灰度拉伸,按照以下映射函数公式进行灰度拉伸,
g(x,y)=1-(1-n(x,y)0.35)1.1
其中,g(x,y)表示图像(x,y)处经过灰度拉伸后的像素值;
步骤3.统计图像的像素值,得到该图像中每个灰度级出现的次数,并计算每个灰度级出现的概率PV,具体计算过程为:该次数除以图像的总像素数即可得到每个灰度级出现的概率。
步骤4.采用大小为420×420、步长为20的滑动窗口对步骤2灰度拉伸后的图像进行自适应局部增强,局部增强公式为:
其中,z(x,y)表示图像(x,y)处经过局部增强后的像素值,mean为滑动窗口内的平均像素值大小,std为滑动窗口内的方差,P[value]指像素大小为value所对应的灰度级概率;
然后通过点运算实现图像的对比度增强,采用滑动窗口进行局部增强后,对每个位置的像素值进行累加,最后除以该位置累加的次数,即得到最终增强后的图像每个位置的像素值。
本实施例采集的输入图像为图3左图所示,采用本发明发明进行增强处理后的最终效果图如图3右图所示。
实施例2
一种基于灰度拉伸和局部增强的16位X-Ray图像增强的方法,包括以下步骤:
其中,f(x,y)表示采集图像(x,y)处的原始像素值,n(x,y)为图像(x,y)处归一化后的像素值;
步骤2.采用映射函数对步骤1归一化处理后的图像进行灰度拉伸,按照以下映射函数公式进行灰度拉伸,
g(x,y)=1-(1-n(x,y)0.5)1.2
其中,g(x,y)表示图像(x,y)处经过灰度拉伸后的像素值;
步骤3.统计图像的像素值,得到该图像中每个灰度级出现的次数,并计算每个灰度级出现的概率PV,具体计算过程为:该次数除以图像的总像素数即可得到每个灰度级出现的概率。
步骤4.采用大小为500×500、步长为40的滑动窗口对步骤2灰度拉伸后的图像进行自适应局部增强,局部增强公式为:
其中,z(x,y)表示图像(x,y)处经过局部增强后的像素值,mean为滑动窗口内的平均像素值大小,std为滑动窗口内的方差,P[value]指像素大小为value所对应的灰度级概率;
然后通过点运算实现图像的对比度增强,采用滑动窗口进行局部增强后,对每个位置的像素值进行累加,最后除以该位置累加的次数,即得到最终增强后的图像每个位置的像素值。
本实施例采集的输入图像为图4左图所示,采用本发明进行增强处理后的最终效果图如图4右图所示。
图1为本发明中改进的灰度拉伸算法与传统算法的图像增强效果对比图。从图1中可以看出,图1(b)传统的伽马算法在采用较大尺度的拉伸时,低灰度区域仍然无法呈现良好的视觉效果,经实验,采用更大的尺度时,会出现失真的现象;图1(c)传统的直方图均衡化方法虽然可以有效的拉伸图像对比度,但是器件内部的芯片位置出现了失真的现象,造成了关键信息的丢失。图1(d)为本发明改进的灰度拉伸算法在增强图像对比度的同时凸显了图像的细节信息,增强了视觉效果,有利于人眼观察及后续的工业识别。
图2为本发明进行灰度拉伸和局部增强处理后的效果图。其中,(a)为X-Ray采集的原始图像;(b)为本发明中改进的灰度拉伸算法处理后的图像效果图,从图中看出,处理后图像不仅具有大的对比度,而且凸显了图像的细节信息,增强了人眼的视觉效果,有利于人眼观察及后续的工业识别;(c)为本发明图像增强处理后的图像效果图,从图中看出,处理后图像的对比度更大,器件的边缘和细节更加清晰。
图3和图4分别为本发明实施例1和实施例2所得的最终效果图。从图3中可以看出,图像从原来的整体偏暗变为亮度均匀,无关键信息丢失和失真现象产生,器件内部的电极层层次结构更加清晰,边缘更加明显,原来视觉效果为一片黑的内部区域也通过图像增强将其内部结构良好的呈现出来。从图4中可以看出,图像从原来的整体偏暗变为亮度均匀,无关键信息丢失和失真现象产生,器件内部的芯片位置和状态可以清晰观察到,并且将器件内部的气泡细节凸显出来,有利于人眼观察和后期的缺陷识别。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (8)
1.一种基于灰度拉伸和局部增强的X-Ray图像增强的方法,其特征在于,包括以下步骤:
步骤1.对X-Ray采集的图像进行归一化处理;
步骤2.采用映射函数对步骤1归一化处理后的图像进行灰度拉伸;
步骤3.统计步骤2灰度拉伸后图像的像素值,得到该图像中每个灰度级出现的次数,并计算每个灰度级出现的概率PV;
步骤4.采用滑动窗口对步骤2灰度拉伸后的图像进行自适应局部增强,具体过程为:通过点运算及滑动窗口进行局部对比度增强,增强量由对应灰度级出现的概率和窗口内像素均值、方差所共同决定的。
2.如权利要求1所述的X-Ray图像增强的方法,其特征在于,X-Ray采集的图像为n位单通道灰度图像,像素值范围为0到2n-1。
4.如权利要求1所述的X-Ray图像增强的方法,其特征在于,在步骤1进行归一化处理前,先对X-Ray采集的图像进行中值滤波处理,以去除噪声。
5.如权利要求1所述的X-Ray图像增强的方法,其特征在于,步骤2中按照以下映射函数公式进行灰度拉伸,
g(x,y)=1-(1-n(x,y)a)b
其中,g(x,y)表示图像(x,y)处经过灰度拉伸后的像素值,n(x,y)为图像(x,y)处的归一化像素值,a和b为根据实际需要设计的参数,a和b的取值范围均为(0,+∞);a取值越小,对低灰度区域的拉伸越明显,b取值越小,对高灰度区域的拉伸越明显。
6.如权利要求5所述的X-Ray图像增强的方法,其特征在于,a的取值范围优选为0.3-0.5,b的取值范围优选为1.1-1.4。
8.如权利要求7所述的X-Ray图像增强的方法,其特征在于,滑动窗口的窗口长宽的大小分别设置为图像长宽的1/5,步长为滑动窗口的1/10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111331399.8A CN114298916B (zh) | 2021-11-11 | 2021-11-11 | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111331399.8A CN114298916B (zh) | 2021-11-11 | 2021-11-11 | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114298916A true CN114298916A (zh) | 2022-04-08 |
CN114298916B CN114298916B (zh) | 2023-04-18 |
Family
ID=80964341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111331399.8A Active CN114298916B (zh) | 2021-11-11 | 2021-11-11 | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114298916B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677497A (zh) * | 2022-05-18 | 2022-06-28 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
CN115984267A (zh) * | 2023-03-20 | 2023-04-18 | 青岛鼎信通讯科技有限公司 | 一种适用于超声水表的注塑气泡检测方法 |
CN116883279A (zh) * | 2023-07-11 | 2023-10-13 | 北京龙知远科技发展有限公司 | 一种低噪声高实时性的短波红外图像增强方法 |
CN117853386A (zh) * | 2024-03-08 | 2024-04-09 | 陕西省人民医院(陕西省临床医学研究院) | 一种肿瘤图像增强方法 |
CN118501187A (zh) * | 2024-07-16 | 2024-08-16 | 宁波东方电缆股份有限公司 | 一种用于海洋脐带缆绝缘层的质量检测方法与系统 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080144931A1 (en) * | 2006-12-18 | 2008-06-19 | Shengqi Yan | Method and apparatus for local standard deviation based histogram equalization for adaptive contrast enhancement |
CN101231747A (zh) * | 2007-01-22 | 2008-07-30 | 清华大学 | 一种x射线图像边缘和对比度综合增强方法 |
US8009907B1 (en) * | 2006-11-08 | 2011-08-30 | Marvell International Ltd. | Localized, adaptive video contrast enhancement using controlled histogram equalization |
US20120106842A1 (en) * | 2010-10-29 | 2012-05-03 | National Chiao Tung University | Method for image enhancement based on histogram modification and specification |
CN103996168A (zh) * | 2014-01-21 | 2014-08-20 | 公安部第一研究所 | 一种基于区域自适应处理的x射线安全检查图像增强方法 |
CN104123697A (zh) * | 2013-04-23 | 2014-10-29 | 华为技术有限公司 | 一种图像增强方法及设备 |
CN106651818A (zh) * | 2016-11-07 | 2017-05-10 | 湖南源信光电科技有限公司 | 基于改进的直方图均衡化低照度图像增强算法 |
CN106997584A (zh) * | 2017-04-12 | 2017-08-01 | 哈尔滨理工大学 | 一种雾霾天气图像增强方法 |
CN107527333A (zh) * | 2017-07-31 | 2017-12-29 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
CN109447917A (zh) * | 2018-10-31 | 2019-03-08 | 西京学院 | 基于内容和特征及多尺度模型的遥感图像雾霾消除方法 |
CN110031843A (zh) * | 2019-05-09 | 2019-07-19 | 中国科学院自动化研究所 | 基于roi区域的sar图像目标定位方法、系统、装置 |
CN110084760A (zh) * | 2019-04-24 | 2019-08-02 | 郑州轻工业学院 | 一种基于双伽马校正的全局自适应灰度图像增强方法 |
WO2019205751A1 (zh) * | 2018-04-26 | 2019-10-31 | 青岛海信移动通信技术股份有限公司 | 图像增强方法 |
WO2019223069A1 (zh) * | 2018-05-25 | 2019-11-28 | 平安科技(深圳)有限公司 | 基于直方图的虹膜图像增强方法、装置、设备及存储介质 |
US20200034951A1 (en) * | 2018-07-26 | 2020-01-30 | Boe Technology Group Co., Ltd. | Image processing method, image processing device and computer storage medium |
US20200242741A1 (en) * | 2019-01-30 | 2020-07-30 | National Cheng Kung University | Adaptive enhancement method for image contrast based on level of detail |
CN111507912A (zh) * | 2020-04-08 | 2020-08-07 | 深圳市安健科技股份有限公司 | 乳腺图像增强方法、装置及计算机可读存储介质 |
WO2021031459A1 (zh) * | 2019-08-16 | 2021-02-25 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像增强方法、装置和存储介质 |
CN112669239A (zh) * | 2021-01-15 | 2021-04-16 | 华南理工大学 | 一种工业x射线图像对比度增强方法 |
CN113160066A (zh) * | 2021-01-11 | 2021-07-23 | 河海大学 | 一种低照度图像高效增强方法 |
-
2021
- 2021-11-11 CN CN202111331399.8A patent/CN114298916B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8009907B1 (en) * | 2006-11-08 | 2011-08-30 | Marvell International Ltd. | Localized, adaptive video contrast enhancement using controlled histogram equalization |
US20080144931A1 (en) * | 2006-12-18 | 2008-06-19 | Shengqi Yan | Method and apparatus for local standard deviation based histogram equalization for adaptive contrast enhancement |
CN101231747A (zh) * | 2007-01-22 | 2008-07-30 | 清华大学 | 一种x射线图像边缘和对比度综合增强方法 |
US20120106842A1 (en) * | 2010-10-29 | 2012-05-03 | National Chiao Tung University | Method for image enhancement based on histogram modification and specification |
CN104123697A (zh) * | 2013-04-23 | 2014-10-29 | 华为技术有限公司 | 一种图像增强方法及设备 |
CN103996168A (zh) * | 2014-01-21 | 2014-08-20 | 公安部第一研究所 | 一种基于区域自适应处理的x射线安全检查图像增强方法 |
CN106651818A (zh) * | 2016-11-07 | 2017-05-10 | 湖南源信光电科技有限公司 | 基于改进的直方图均衡化低照度图像增强算法 |
CN106997584A (zh) * | 2017-04-12 | 2017-08-01 | 哈尔滨理工大学 | 一种雾霾天气图像增强方法 |
CN107527333A (zh) * | 2017-07-31 | 2017-12-29 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
WO2019205751A1 (zh) * | 2018-04-26 | 2019-10-31 | 青岛海信移动通信技术股份有限公司 | 图像增强方法 |
WO2019223069A1 (zh) * | 2018-05-25 | 2019-11-28 | 平安科技(深圳)有限公司 | 基于直方图的虹膜图像增强方法、装置、设备及存储介质 |
US20200034951A1 (en) * | 2018-07-26 | 2020-01-30 | Boe Technology Group Co., Ltd. | Image processing method, image processing device and computer storage medium |
CN109447917A (zh) * | 2018-10-31 | 2019-03-08 | 西京学院 | 基于内容和特征及多尺度模型的遥感图像雾霾消除方法 |
US20200242741A1 (en) * | 2019-01-30 | 2020-07-30 | National Cheng Kung University | Adaptive enhancement method for image contrast based on level of detail |
CN110084760A (zh) * | 2019-04-24 | 2019-08-02 | 郑州轻工业学院 | 一种基于双伽马校正的全局自适应灰度图像增强方法 |
CN110031843A (zh) * | 2019-05-09 | 2019-07-19 | 中国科学院自动化研究所 | 基于roi区域的sar图像目标定位方法、系统、装置 |
WO2021031459A1 (zh) * | 2019-08-16 | 2021-02-25 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像增强方法、装置和存储介质 |
CN111507912A (zh) * | 2020-04-08 | 2020-08-07 | 深圳市安健科技股份有限公司 | 乳腺图像增强方法、装置及计算机可读存储介质 |
CN113160066A (zh) * | 2021-01-11 | 2021-07-23 | 河海大学 | 一种低照度图像高效增强方法 |
CN112669239A (zh) * | 2021-01-15 | 2021-04-16 | 华南理工大学 | 一种工业x射线图像对比度增强方法 |
Non-Patent Citations (5)
Title |
---|
KE GU等: ""The Analysis of Image Contrast:From Quality Assessment to Automatic Enhancement"" * |
SEUNG PARK等: ""Contrast Enhancement using Sensitivity Model-Based Sigmoid Function"" * |
ZHOU Z等: ""Global brightness and local contrast adaptive Enhancement for low illumination color image"" * |
样先凤等: ""融合伽马变换及分数阶的低照度图像增强算法"" * |
马银平等: ""基于局部均值和标准差的图像增强算法"" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677497A (zh) * | 2022-05-18 | 2022-06-28 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
CN115984267A (zh) * | 2023-03-20 | 2023-04-18 | 青岛鼎信通讯科技有限公司 | 一种适用于超声水表的注塑气泡检测方法 |
CN116883279A (zh) * | 2023-07-11 | 2023-10-13 | 北京龙知远科技发展有限公司 | 一种低噪声高实时性的短波红外图像增强方法 |
CN116883279B (zh) * | 2023-07-11 | 2024-03-12 | 北京龙知远科技发展有限公司 | 一种低噪声高实时性的短波红外图像增强方法 |
CN117853386A (zh) * | 2024-03-08 | 2024-04-09 | 陕西省人民医院(陕西省临床医学研究院) | 一种肿瘤图像增强方法 |
CN117853386B (zh) * | 2024-03-08 | 2024-05-28 | 陕西省人民医院(陕西省临床医学研究院) | 一种肿瘤图像增强方法 |
CN118501187A (zh) * | 2024-07-16 | 2024-08-16 | 宁波东方电缆股份有限公司 | 一种用于海洋脐带缆绝缘层的质量检测方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114298916B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114298916B (zh) | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 | |
CN104036479B (zh) | 一种基于非负矩阵分解的多聚焦图像融合方法 | |
CN115908415B (zh) | 基于边缘的缺陷检测方法、装置、设备及存储介质 | |
CN107505546A (zh) | 一种利用紫外成像仪监测电晕放电的方法 | |
CN101094312A (zh) | 一种保持边缘的自适应图像滤波方法 | |
CN110232670B (zh) | 一种基于高低频分离的图像视觉效果增强的方法 | |
CN103455991A (zh) | 一种多聚焦图像融合方法 | |
CN113837974A (zh) | 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法 | |
CN111611907A (zh) | 一种图像增强的红外目标检测方法 | |
CN110047055A (zh) | 一种红外图像细节增强及去噪方法 | |
Vijayakumar | Selective image enhancement and restoration for skin cancer identification | |
CN113689337B (zh) | 一种基于生成对抗网络的超声图像超分辨率重建方法及系统 | |
CN116703784B (zh) | 一种心脏超声图像视觉增强方法 | |
CN113538257B (zh) | 一种基于双域U-net判别器的生成对抗低剂量CT去噪方法 | |
CN114863498A (zh) | 一种基于AGC和Frangi的手部静脉红外图像的增强与分割方法 | |
CN115526799A (zh) | 基于改进Retinex及加权导向滤波的内窥镜图像增强方法 | |
CN112330613A (zh) | 一种细胞病理数字图像质量的评价方法及系统 | |
CN107610072A (zh) | 一种基于梯度引导滤波的微光视频图像自适应降噪方法 | |
CN115829967A (zh) | 一种工业金属表面缺陷图像去噪和增强方法 | |
CN114994098A (zh) | 一种异物检测的方法及设备 | |
CN105184747A (zh) | 低照度图像对比度的提升方法 | |
CN105139365A (zh) | 一种处理太赫兹或者红外图像的方法 | |
CN112446889A (zh) | 一种基于超声的医学视频读取方法 | |
CN110852977B (zh) | 融合边缘灰度直方图与人眼视觉感知特性的图像增强方法 | |
CN117201956A (zh) | 一种ebcmos成像的自适应非均匀噪声校正方法 |
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 |