CN114494098A - 一种锂电池x射线图像增强方法、装置以及存储介质 - Google Patents

一种锂电池x射线图像增强方法、装置以及存储介质 Download PDF

Info

Publication number
CN114494098A
CN114494098A CN202210338505.3A CN202210338505A CN114494098A CN 114494098 A CN114494098 A CN 114494098A CN 202210338505 A CN202210338505 A CN 202210338505A CN 114494098 A CN114494098 A CN 114494098A
Authority
CN
China
Prior art keywords
ray
image
lithium battery
adjustment
pixel values
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.)
Pending
Application number
CN202210338505.3A
Other languages
English (en)
Inventor
陈灯
钱玉洋
魏巍
张彦铎
吴云韬
卢涛
周华兵
刘玮
段功豪
于宝成
鞠剑平
唐剑隐
徐文霞
彭丽
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.)
Wuhan Yinxing Technology Co ltd
Wuhan Institute of Technology
Original Assignee
Wuhan Yinxing Technology Co ltd
Wuhan Institute of Technology
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 Wuhan Yinxing Technology Co ltd, Wuhan Institute of Technology filed Critical Wuhan Yinxing Technology Co ltd
Priority to CN202210338505.3A priority Critical patent/CN114494098A/zh
Publication of CN114494098A publication Critical patent/CN114494098A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/70—
    • G06T5/92—
    • G06T5/94—
    • 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
    • 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
    • G06T2207/20028—Bilateral filtering
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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

Abstract

本发明提供一种锂电池X射线图像增强方法、装置以及存储介质，属于图像处理技术领域，方法包括：通过X光机对待测锂电池进行图像采集得到锂电池X射线图像；对锂电池X射线图像的图像反射分量分析得到X射线反射图像；根据梯度因子对X射线反射图像的加权融合计算得到X射线融合图像；对X射线融合图像的对比度调整得到X射线调整图像。本发明有利于减弱光照伪影现象，避免了X射线图像这类低照度图像的亮度过度增强以及增强不足的问题，能够较好的提高锂电池X射线图像的对比度和清晰度，具有良好的图像增强效果，增强后的锂电池图像，电极得到增强，而噪声得到抑制，可显著提高锂电池电极缺陷检测的精度。

Description

一种锂电池X射线图像增强方法、装置以及存储介质
技术领域
本发明主要涉及图像处理技术领域，具体涉及一种锂电池X射线图像增强方法、装置以及存储介质。
背景技术
当前，锂电池已经是人们生活中必不可少的一部分，其拥有着工作电压高、能量密度高、可循环次数多、环保性高的等优点，广泛用于手机、平板和电脑等各种电子产品。因此，锂电池的安全性也就变得尤为重要，不合格的锂电池流入市场，将会严重影响用户的人身安全。为了对锂电池质量进行检测，当前采用的一般方法为通过X-ray射线对锂电池内部电极进行穿透成像，再采用图像处理技术识别锂电池图像中的电极并测量电极之间的平齐度，从而判定锂电池是否合格。
锂电池主要由正极片、负极片、隔膜这三部分组成，以正极片、隔膜、负极片、隔膜的顺序叠在一起，卷绕成为一个柱形的电池芯体。因此锂电池层级较多，极片之间重叠交错，同时受X射线穿透能力以及环境因素，导致得到的锂电池X-ray图像整体偏暗，图像电极轮廓模糊不清、对比度及清晰度低。此外，受X射线穿透能力的限制，位置较深的电极会十分模糊，难以进行有效识别。不仅如此，受卷绕锂电池包装材料和托盘的影响，采集的锂电池X射线图像存在大量干扰噪声。再则，锂电池电极之间的距离为毫米级，在大量噪声干扰的情况下，针对模糊不清的电极进行精确识别和毫米级测量是一项巨大的挑战，严重制约了锂电池电极缺陷检测的准确性。
目前，对X-ray图像的增强算法，多是Retinex及其改进算法为基础。多尺度Retinex算法可以有效地改善图像的清晰度，增强图像，但容易产生光晕和伪影，同时对X射线类图像，其亮度、对比度以及图像边缘增强不足。
为了解决上述问题，一些改进方法为：采用多尺度的Retinex算法、多尺度Retinex和双边滤波相融合的图像增强算法、结合直方图均衡的增强算法，但这些算法仍不能满足低光照的场景图像，同时会出现过度曝光、对比度提升不足的问题，仍然未能满足使图像清晰的需求。
另一方面，已有通用的图像增强方法没有考虑锂电池X射线图像的特点，以及锂电池电极的几何特性，容易导致对锂电池图像中电极进行增强的同时，也增强了噪声干扰信息。然而，对锂电池电极进行精确识别和测量要求增强电极信息并且抑制噪声信息。为此，需要根据锂电池X射线图像的特点设计专用的图像增强方法。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种锂电池X射线图像增强方法、装置以及存储介质。
本发明解决上述技术问题的技术方案如下：一种锂电池X射线图像增强方法，包括如下步骤：
通过X光机对待测锂电池进行图像采集，得到锂电池X射线图像；
对所述锂电池X射线图像进行图像反射分量分析，得到X射线反射图像；
导入梯度因子，根据所述梯度因子对所述X射线反射图像进行加权融合计算，得到X射线融合图像；
对所述X射线融合图像进行对比度调整，得到X射线调整图像；
对所述X射线调整图像进行去噪处理，得到X射线增强图像。
本发明解决上述技术问题的另一技术方案如下：一种锂电池X射线图像增强装置，包括：
图像采集模块，用于通过X光机对待测锂电池进行图像采集，得到锂电池X射线图像；
反射分量分析模块，用于对所述锂电池X射线图像进行图像反射分量分析，得到X射线反射图像；
加权融合计算模块，用于导入梯度因子，根据所述梯度因子对所述X射线反射图像进行加权融合计算，得到X射线融合图像；
对比度调整模块，用于对所述X射线融合图像进行对比度调整，得到X射线调整图像；
增强图像获得模块，用于对所述X射线调整图像进行去噪处理，得到X射线增强图像。
本发明解决上述技术问题的另一技术方案如下：一种锂电池X射线图像增强装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的锂电池X射线图像增强方法。
本发明解决上述技术问题的另一技术方案如下：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的锂电池X射线图像增强方法。
本发明的有益效果是：通过X光机对待测锂电池的图像采集得到锂电池X射线图像，对锂电池X射线图像的图像反射分量分析得到X射线反射图像，根据梯度因子对X射线反射图像的加权融合计算得到X射线融合图像，对X射线融合图像的对比度调整得到X射线调整图像，对X射线调整图像的去噪处理得到X射线增强图像，有利于减弱光照伪影现象，避免了X射线图像这类低照度图像的亮度过度增强以及增强不足的问题，能够较好的提高锂电池X射线图像的对比度和清晰度，具有良好的图像增强效果，同时考虑了电极在几何上为纵向直线的特性，能够让电极信息得到增强而水平噪声信息得到抑制，从而显著提升电极识别的准确性，为锂电池电极缺陷精确检测奠定了基础。
附图说明
图1为本发明实施例提供的一种锂电池X射线图像增强方法的流程示意图；
图2为本发明实施例提供的锂电池X射线图像；
图3为本发明实施例提供的X射线反射图像；
图4为本发明实施例提供的纵向梯度梯度图像；
图5为本发明实施例提供的X射线融合图像；
图6为本发明实施例提供的X射线调整图像；
图7为本发明实施例提供的X射线增强图像；
图8为本发明实施例提供的一种锂电池X射线图像增强装置的模块框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
图1为本发明实施例提供的一种锂电池X射线图像增强方法的流程示意图。
如图1、2、3和7所示，一种锂电池X射线图像增强方法，包括如下步骤：
通过X光机对待测锂电池进行图像采集，得到锂电池X射线图像；
对所述锂电池X射线图像进行图像反射分量分析，得到X射线反射图像；
导入梯度因子，根据所述梯度因子对所述X射线反射图像进行加权融合计算，得到X射线融合图像；
对所述X射线融合图像进行对比度调整，得到X射线调整图像；
对所述X射线调整图像进行去噪处理，得到X射线增强图像。
应理解地，本发明克服了现有多尺度Retinex算法无法满足的对比度和图像边缘增强、减弱会出现的光晕伪影现象，避免出现图像的过度曝光、对比度增强不足或过度增强。
应理解地，使用双边滤波器对所述X射线调整图像进行去噪处理，得到X射线增强图像。
应理解地，如图2和3所示，相对于所述锂电池X射线图像，所述X射线反射图像更加清晰，整体亮度合适，图像阴极线较为清楚，但阴极线边缘轮廓细节信息不明显，整体对比度不高。应理解地，如图2、3和7所示，所述X射线调整图像在增强对比度的同时，也放大了噪声，故再次使用双边滤波进行图像去噪处理，所述X射线增强图像的噪声明显平滑减少了，但图像整体亮度、像清晰度、对比度良好，阴极线轮廓增强效果显著。相对于所述锂电池X射线图像，所述X射线增强图像的增强效果显著，特别是图像阴极线边缘轮廓细节信息增强明显。
上述实施例中，通过X光机对待测锂电池的图像采集得到锂电池X射线图像，对锂电池X射线图像的图像反射分量分析得到X射线反射图像，根据梯度因子对X射线反射图像的加权融合计算得到X射线融合图像，对X射线融合图像的对比度调整得到X射线调整图像，对X射线调整图像的去噪处理得到X射线增强图像，有利于减弱光照伪影现象，避免了X射线图像这类低照度图像的亮度过度增强以及增强不足的问题，能够较好的提高锂电池X射线图像的对比度和清晰度，具有良好的图像增强效果，同时考虑了电极在几何上为纵向直线的特性，能够让电极信息得到增强而水平噪声信息得到抑制，从而显著提升电极识别的准确性，为锂电池电极缺陷精确检测奠定了基础。
可选地，作为本发明的一个实施例，所述对所述锂电池X射线图像进行图像反射分量分析，得到X射线反射图像的过程包括：
按照多个预设尺度对所述锂电池X射线图像进行照度估计，得到与各个所述预设尺度对应的X射线模糊图像；
分别对各个所述X射线模糊图像以及所述锂电池X射线图像进行亮度调节，得到与各个所述X射线模糊图像对应的第一X射线调节图像以及与所述锂电池X射线图像对应的第二X射线调节图像；
对所有的所述第一X射线调节图像以及所述第二X射线调节图像进行图像反射分量的计算，得到X射线反射图像。
优选地，所述预设尺度可以为15或60或150。
应理解地，在多尺度Retinex算法基础上，采用双边滤波函数代替高斯滤波，在输入图像（即所述锂电池X射线图像）的基础上进行照度估计，使用平均对数亮度值的自适应全局映射函数代替log函数，进行自适应调节低照度图像亮度。
上述实施例中，按照多个预设尺度对锂电池X射线图像的照度估计得到X射线模糊图像，分别对各个X射线模糊图像以及锂电池X射线图像的亮度调节得到第一X射线调节图像以及第二X射线调节图像，对所有的第一X射线调节图像以及第二X射线调节图像的图像反射分量的计算得到X射线反射图像，有利于减弱多尺度Retinex算法产生的光照伪影现象，避免出现图像的过度曝光、对比度增强不足或过度增强的问题。
可选地，作为本发明的一个实施例，所述锂电池X射线图像包括多个X射线图像像素值，所述按照多个预设尺度对所述锂电池X射线图像进行照度估计，得到与各个所述预设尺度对应的X射线模糊图像的过程包括：
通过第一式和多个所述预设尺度分别对各个所述X射线图像像素值进行模糊图像的计算，得到与各个所述预设尺度对应的多个X射线模糊图像像素值，且每个所述X射线模糊图像像素值均与所述X射线图像像素值一一对应，所述第一式为：
Figure 686215DEST_PATH_IMAGE001
，
其中，
Figure 134513DEST_PATH_IMAGE002
，
其中，
Figure 570043DEST_PATH_IMAGE003
，
Figure 699673DEST_PATH_IMAGE004
，
其中，
Figure 310783DEST_PATH_IMAGE005
为锂电池X射线图像点
Figure 539770DEST_PATH_IMAGE006
的X射线模糊图像像素值，
Figure 541224DEST_PATH_IMAGE007
为以锂电 池X射线图像点
Figure 536862DEST_PATH_IMAGE006
处的X射线模糊图像像素值为中心点，在
Figure 940161DEST_PATH_IMAGE008
范围内邻域像素值的集 合，
Figure 589317DEST_PATH_IMAGE009
为加权系数，
Figure 140384DEST_PATH_IMAGE010
为锂电池X射线图像点
Figure 611817DEST_PATH_IMAGE006
的X射线图像像素值，
Figure 807306DEST_PATH_IMAGE011
为邻域像素值对应的图像点
Figure 971571DEST_PATH_IMAGE012
与锂电池X射线图像点
Figure 9934DEST_PATH_IMAGE006
的欧式距离，
Figure 940850DEST_PATH_IMAGE013
为图像点
Figure 318742DEST_PATH_IMAGE012
处的邻域像素值与锂电池X射线图像点
Figure 450646DEST_PATH_IMAGE006
的X射线图像像素值 之差的绝对值，
其中，
Figure 913988DEST_PATH_IMAGE014
，
其中，
Figure 664907DEST_PATH_IMAGE015
为滤波器邻域长宽参数，
Figure 694043DEST_PATH_IMAGE016
为距离标准差，
Figure 200110DEST_PATH_IMAGE017
为灰度标准差，
Figure 72120DEST_PATH_IMAGE016
和
Figure 689046DEST_PATH_IMAGE017
均等于预设尺度；
根据与各个所述预设尺度对应的多个X射线模糊图像像素值得到与各个所述预设尺度对应的X射线模糊图像。
应理解地，在多尺度Retinex算法中，采用双边滤波函数代替高斯滤波，在输入图像（即所述锂电池X射线图像）的基础上进行照度估计。
具体地，双边滤波对输入图像处理后的像素值（即所述X射线模糊图像像素值）为：
Figure 838268DEST_PATH_IMAGE018
，
式中:
Figure 187341DEST_PATH_IMAGE019
是输入的锂电池X射线图像点
Figure 359696DEST_PATH_IMAGE006
处的像素值，
Figure 577051DEST_PATH_IMAGE020
是以
Figure 705413DEST_PATH_IMAGE021
处像素 （即所述X射线模糊图像像素值）为中心点的
Figure 553283DEST_PATH_IMAGE022
大小的领域的像素集合,其加权系数
Figure 275251DEST_PATH_IMAGE023
由两部分权重因子乘积组成，对该领域内的每一个像素
Figure 233980DEST_PATH_IMAGE024
（即所述X射线图像像素值）：
Figure 967581DEST_PATH_IMAGE025
，
其中：
Figure 986353DEST_PATH_IMAGE026
，
Figure 930038DEST_PATH_IMAGE027
，
Figure 891127DEST_PATH_IMAGE028
指的是当前点
Figure 807130DEST_PATH_IMAGE029
与中心点
Figure 793541DEST_PATH_IMAGE030
的欧式距离，像素距离越远，权重越 小。
Figure 427785DEST_PATH_IMAGE031
指的是当前点
Figure 665999DEST_PATH_IMAGE032
处像素值与中心点
Figure 498826DEST_PATH_IMAGE030
处像素值的差的绝对值，当像 素差异较大，权重值则较小。由于
Figure 593821DEST_PATH_IMAGE033
函数的作用，降低图像边缘的高值像素和低值像 素在进行照度估计时的相互影响，进而减弱光晕伪影现象。
Figure 902311DEST_PATH_IMAGE034
是基于高斯函数的距离标准 差，
Figure 6533DEST_PATH_IMAGE035
是基于高斯函数的灰度标准差。
双边滤波器的滤波效果受三个参数的控制:滤波器邻域长宽参数
Figure 693867DEST_PATH_IMAGE036
越大能够提 供更强的平滑效果，但太大则会导致图像模糊;距离标准差
Figure 897446DEST_PATH_IMAGE034
和灰度标准差
Figure 162074DEST_PATH_IMAGE037
,分别控制 两个权重因子的衰减程度，取值太大(趋于无限)，双边滤波则退化为均值滤波，取值太小则 会削弱平滑效果。由需要在三种不同的尺度（即所述预设尺度）上进行照度估计，简单起见， 令
Figure 522517DEST_PATH_IMAGE038
分别为15，60，150，
Figure 674144DEST_PATH_IMAGE039
由
Figure 173258DEST_PATH_IMAGE034
来计算不同尺度（即所述预设尺度）下对应的值，计算 公式为：
Figure 925183DEST_PATH_IMAGE040
。
上述实施例中，通过第一式和多个预设尺度分别对各个X射线图像像素值的模糊图像计算得到X射线模糊图像，降低了图像边缘的高值像素和低值像素在进行照度估计时的相互影响，进而减弱了光晕伪影现象。
可选地，作为本发明的一个实施例，所述分别对各个所述X射线模糊图像以及所述锂电池X射线图像进行亮度调节，得到与各个所述X射线模糊图像对应的第一X射线调节图像以及与所述锂电池X射线图像对应的第二X射线调节图像的过程包括：
通过第二式分别对各个所述X射线模糊图像像素值进行第一X射线调节图像的计算，得到与各个所述X射线模糊图像对应的多个第一X射线调节图像像素值，并根据与各个所述X射线模糊图像对应的多个第一X射线调节图像像素值得到与各个所述X射线模糊图像对应的第一X射线调节图像，所述第二式为：
Figure 433524DEST_PATH_IMAGE041
，
其中，
Figure 33133DEST_PATH_IMAGE042
，
其中，
Figure 578515DEST_PATH_IMAGE043
为第一X射线调节图像像素值，
Figure 958681DEST_PATH_IMAGE044
为锂电池X射线图 像点
Figure 942817DEST_PATH_IMAGE006
的X射线模糊图像像素值，
Figure 849462DEST_PATH_IMAGE045
为预设图像像素的最大值，
Figure 893642DEST_PATH_IMAGE046
为X射线模糊图像的 平均对数亮度值，
Figure 495524DEST_PATH_IMAGE047
为X射线模糊图像的X射线模糊图像像素值总数，
Figure 221035DEST_PATH_IMAGE048
为常数；
通过第三式分别对各个所述X射线图像像素值进行第二X射线调节图像的计算，得到与各个所述X射线图像像素值对应的第二X射线调节图像像素值，并根据所有的所述第一X射线调节图像像素值得到第二X射线调节图像，所述第三式为：
Figure 795236DEST_PATH_IMAGE049
，
其中，
Figure 72633DEST_PATH_IMAGE050
，
其中，
Figure 99495DEST_PATH_IMAGE051
为第二X射线调节图像像素值，
Figure 612385DEST_PATH_IMAGE052
为锂电池X射线图像点
Figure 103409DEST_PATH_IMAGE006
的X射线图像像素值，
Figure 489391DEST_PATH_IMAGE053
为预设图像像素的最大值，
Figure 206811DEST_PATH_IMAGE054
为锂电池X射线图像的平均 对数亮度值，
Figure 336441DEST_PATH_IMAGE055
为锂电池X射线图像的X射线图像像素值总数，
Figure 681972DEST_PATH_IMAGE056
为常数。
应理解地，所述
Figure 504434DEST_PATH_IMAGE057
为每一张X射线模糊图像的X射线模糊图像像素值的总个数，所 述
Figure 692839DEST_PATH_IMAGE055
为锂电池X射线图像里面的X射线图像像素值的总个数。
应理解地，采用基于平均对数亮度值的自适应全局映射函数，进行自适应调节低照度图像亮度。
具体地，自适应全局映射函数如下所示:
Figure 626160DEST_PATH_IMAGE058
，
其中：
Figure 560618DEST_PATH_IMAGE059
是自适应输出的结果（即所述第一X射线调节图像像素值或者所 述第二X射线调节图像像素值）,
Figure 491665DEST_PATH_IMAGE060
表示输入图像的像素值（即所述X射线模糊图像像 素值或者所述X射线图像像素值）,
Figure 980415DEST_PATH_IMAGE061
表示输入图像像素的最大值，一般为255，
Figure 514165DEST_PATH_IMAGE062
为输 入图像的平均对数亮度值（即所述X射线模糊图像的平均对数亮度值或者所述锂电池X射线 图像的平均对数亮度值），如下式所示:
Figure 771971DEST_PATH_IMAGE063
，
上式中：
Figure 123186DEST_PATH_IMAGE064
代表的是像素总数（即所述X射线模糊图像的X射线模糊图像像素值总 数或者所述锂电池X射线图像的X射线图像像素值总数）;
Figure 833654DEST_PATH_IMAGE065
的数值往往较小,其存在的目的 是有效避免在单纯黑色像素情况下log计算的时候数值出现溢出的现象。
上述实施例中，通过第二式分别对各个X射线模糊图像像素值的第一X射线调节图像计算得到第一X射线调节图像，通过第三式分别对各个X射线图像像素值的第二X射线调节图像计算得到第二X射线调节图像，有效避免了在单纯黑色像素情况下log计算的时候数值出现溢出的现象，有利于减弱多尺度Retinex算法产生的光照伪影现象，避免出现图像的过度曝光、对比度增强不足或过度增强的问题。
可选地，作为本发明的一个实施例，所述对所有的所述第一X射线调节图像以及所述第二X射线调节图像进行图像反射分量的计算，得到X射线反射图像的过程包括：
通过第四式分别对各个所述第一X射线调节图像像素值以及与所述第一X射线调节图像像素值对应的第二X射线调节图像像素值进行图像反射分量的计算，得到与各个所述第一X射线调节图像像素值对应的X射线反射图像像素值，并根据所有的所述X射线反射图像像素值得到X射线反射图像，所述第四式为：
Figure 171094DEST_PATH_IMAGE066
，
其中，
Figure 548986DEST_PATH_IMAGE067
为X射线反射图像像素值，
Figure 556256DEST_PATH_IMAGE068
为第
Figure 816336DEST_PATH_IMAGE069
个预设尺度的第一 X射线调节图像像素值，
Figure 629571DEST_PATH_IMAGE070
为第二X射线调节图像像素值，
Figure 48920DEST_PATH_IMAGE071
为预设尺度的个 数，
Figure 289409DEST_PATH_IMAGE072
为第
Figure 302364DEST_PATH_IMAGE073
个预设尺度的权重，且
Figure 919290DEST_PATH_IMAGE074
。
应理解地，使用输入图像的自适应亮度映射值（即所述第二X射线调节图像像素值）分别减去三个不同尺度的照度估计图像的自适应亮度映射值（即所述第一X射线调节图像像素值），所得在进行加和，得到输入图像的反射分量（即所述X射线反射图像像素值）。
应理解地，使用双边滤波在15、60、150这三种尺度（即所述预设尺度）上，跟输入图像进行卷积，得到三种照度估计图像，再计算输入图像和照度估计图像的最大值和平均对数亮度值，根据最大值和对数平均值，分别计算输入图像和照度估计图像的自适应亮度映射值，最后用输入图像的自适应亮度映射值分别减去三个不同尺度的照度估计图像的自适应亮度映射值，所得在进行加和，得到输入图像的反射分量（即所述X射线反射图像像素值）。
具体地，改进的多尺度Retinex算法计算公式如下所示：
Figure 943878DEST_PATH_IMAGE075
，
式中:
Figure 417585DEST_PATH_IMAGE076
为尺度数目（即所述预设尺度的个数）;
Figure 589940DEST_PATH_IMAGE077
表示第
Figure 931928DEST_PATH_IMAGE073
个尺度（即所述预设 尺度）所对应的权重，且
Figure 138919DEST_PATH_IMAGE078
。一般
Figure 783527DEST_PATH_IMAGE079
，即取小，中，大三个尺度（即所述预设尺度） 的高斯滤波进行照度估计；
Figure 443178DEST_PATH_IMAGE080
是自适应全局映射函数。
上述实施例中，通过第四式分别对各个第一X射线调节图像像素值以及第二X射线调节图像像素值的图像反射分量计算得到X射线反射图像，有利于减弱多尺度Retinex算法产生的光照伪影现象，避免出现图像的过度曝光、对比度增强不足或过度增强的问题。
可选地，作为本发明的一个实施例，如图1、2、4和5所示，所述根据所述梯度因子对所述X射线反射图像进行加权融合计算，得到X射线融合图像的过程包括：
通过第五式和所述梯度因子分别对各个所述X射线反射图像像素值进行加权融合计算，得到与各个所述X射线反射图像像素值对应的X射线反射图像像素值，根据多个所述X射线反射图像像素值得到X射线融合图像，所述第五式为；
Figure 339590DEST_PATH_IMAGE081
，
其中，
Figure 197825DEST_PATH_IMAGE082
，
其中，
Figure 216596DEST_PATH_IMAGE083
为X射线融合图像，
Figure 550494DEST_PATH_IMAGE084
为X射线反射图像像素值的权重，
Figure 47335DEST_PATH_IMAGE085
为 X射线反射图像像素值，
Figure 25655DEST_PATH_IMAGE086
为纵向梯度，
Figure 215328DEST_PATH_IMAGE087
为纵向梯度的权重。
优选地，所述梯度因子可以为
Figure 787255DEST_PATH_IMAGE088
。具体地，如图4所示，使用sobel算子与 反射分量图像（即所述X射线反射图像像素值）卷积，得到反射图像的纵向梯度梯度图像（即 所述纵向梯度），梯度因子为
Figure 87786DEST_PATH_IMAGE089
，将得到的纵向梯度（即所述纵向梯度）跟反射分 量（即所述X射线反射图像像素值）加权融合，增强图像细节。具体计算公式如下：
Figure 920613DEST_PATH_IMAGE090
，
Figure 281187DEST_PATH_IMAGE091
，
其中，
Figure 324098DEST_PATH_IMAGE092
表示反射分量点
Figure 225058DEST_PATH_IMAGE093
处像素（即所述第五式中的
Figure 115654DEST_PATH_IMAGE094
，表示所述X 射线反射图像像素值），
Figure 584813DEST_PATH_IMAGE095
分别代表纵向梯度，
Figure 928069DEST_PATH_IMAGE096
是分别为
Figure 898299DEST_PATH_IMAGE097
和
Figure 643401DEST_PATH_IMAGE095
权重，取不同的权 重，其融合效果也是不同。根据实验效果，
Figure 532729DEST_PATH_IMAGE098
这组参数进行图像融合，能较好增强 图像边缘，同时不会过度放大噪声。
应理解地，如图2、3和5所示，使用纵向梯度梯度图像与反射分量图像进行加权融合，相对于锂电池X射线图像，X射线融合图像的图像阴极线轮廓细节信息有明显增强，但图像对比度和亮度偏低。
上述实施例中，通过第五式和梯度因子分别对各个X射线反射图像像素值的加权融合计算得到X射线融合图像，能够较好的增强图像边缘，同时不会过度放大噪声，能够满足使图像清晰的需求，考虑了电极在几何上为纵向直线的特性，通过提取纵向梯度信息，可使电极信息得到增强而水平噪声信息得到抑制，从而显著提升电极识别的准确性，为锂电池电极缺陷精确检测奠定了基础。
可选地，作为本发明的一个实施例，如图1、4和6所示，所述对所述X射线融合图像进行对比度调整，得到X射线调整图像的过程包括：
利用自适应直方图均衡化算法对所述X射线融合图像进行对比度调整，得到X射线调整图像。
应理解地，如图4和6所示，对梯度融合图像（即所述X射线融合图像）使用CLAHE算法进行对比度调整，相对于所述X射线反射图像，所述X射线调整图像的图像对比度有明显提高，阴极线轮廓明显增强，图像整体亮度适中，没有出现对比度过度增强。具体地，使用对比度受限的自适应直方图均衡化算法(CLAHE)，该算法由HE算法演变而来，由于HE算法是对图像的直方图进行整体性拉伸，对图像局部增强效果作用不大，比较适合像素值分配均匀的低照度图像。因此在该算法基础上，自适应直方图均衡化算法(AHE)被提出，AHE算法是通过计算图像的局部区域直方图，能够较好的增强图像亮度和对比度，但是在计算过程中会出现放大噪声的问题。而对比度限制自适应直方图均衡化(CLAHE)算法主要是解决自适应直方图均衡化算法的噪声问题。CIAHE算法主要内容是进行限制对比度对图像的直方图进行再一次分配处理，并且同时通过对每一个小块做直方图均衡化，最后将通过双线性插值方法将这些小块重新连接起来，进而达到消除块状效应的效果。因此，在增强图像对比度的同时，尽可能的不放大噪声，故采用CLAHE对融合图像进行对比度调整，得到对比度增强图像。
应理解地，使用对比度受限的自适应直方图均衡化算法在
Figure 160019DEST_PATH_IMAGE099
的网格基础上，对 融合图像（即所述X射线融合图像）进行对比度调整，得到对比度增强图像（即所述X射线调 整图像）。
具体地，具体处理步骤如下：
S1：对锂电池X-ray图像（即所述X射线融合图像），随机分为大小相同、连续不重叠的64个子块。
S2：对每个子块直方图进行裁剪得到多个像素。
S3：分配像素点。将上一步裁剪掉的像素平均分配到每个子块灰度级（像素）上，得到新的图像。
S4：将对比度受限后每个子块的灰度直方图进行均衡化处理。
S5：双线性插值进行灰度值重构,在水平和垂直方向上分别进行双线性插值运算，重构图像像素值和消除块效应。
具体地，首先将锂电池X-ray图像（即所述X射线融合图像），分为大小相同、连续不重叠的64个子块；对每个子块直方图进行裁剪，裁剪剪幅值为：
Figure 340465DEST_PATH_IMAGE100
，
其中，
Figure 143336DEST_PATH_IMAGE101
是截断系数，
Figure 16614DEST_PATH_IMAGE102
是子块直方图的总像素个数，
Figure 396780DEST_PATH_IMAGE103
是子块直方图的个数。
将上一步裁剪掉的像素平均分配到每个子块灰度级上；然后对对比度受限后每个子块的灰度直方图进行均衡化处理；最后使用双线性插值进行灰度值重构,在水平和垂直方向上分别进行双线性插值运算，重构图像像素值和消除块效应，得到对比度增强图像（即所述X射线调整图像）。
上述实施例中，利用自适应直方图均衡化算法对X射线融合图像的对比度调整得到X射线调整图像，能够在增强图像对比度的同时，尽可能的不放大噪声，有利于减弱光照伪影现象，避免了X射线图像这类低照度图像的亮度过度增强以及增强不足的问题，能够较好的提高锂电池X射线图像的对比度和清晰度，具有良好的图像增强效果。
可选地，作为本发明的另一个实施例，本发明提供一种基于改进多尺度Retinex的锂电池X射线图像增强算法，在现有的多尺度Retinex算法基础上使用双边滤波和平均对数亮度值进行改进，以减弱Retinex算法的光晕伪影现象和自适应的调节图像亮度，结合sobel算子和CLAHE算法增强图像细节以及对比度，达到增强图像边缘，并保持较好的图像效果的目的，该方法多适用于低照度X射线照度环境，同时，本发明克服了现有多尺度Retinex算法无法满足的对比度和图像边缘增强、减弱会出现的光晕伪影现象，避免出现图像的过度曝光、对比度增强不足或过度增强。
可选地，作为本发明的另一个实施例，本发明中的改进多尺度Retinex算法，使用双边滤波进行照度估计，有利于减弱多尺度Retinex算法产生的光照伪影现象；使用基于平均对数亮度值的自适应全局映射函数，避免了对X射线图像这类低照度图像，亮度过度增强和增强不足的问题，最后结合sobel算子和CLAHE算法，能够较好的提高锂电池X射线图像对比度、清晰度，具有良好的图像增强效果。
可选地，作为本发明的另一个实施例，本方法在现有的多尺度Retinex算法基础上使用双边滤波和平均对数亮度值进行改进，以减弱Retinex算法的光晕伪影现象和自适应的调节图像亮度，结合sobel算子和CLAHE算法增强图像细节以及对比度，达到增强图像边缘，并保持较好的图像效果的目的，该方法多适用于低照度X射线照度环境。
图8为本发明实施例提供的一种锂电池X射线图像增强装置的模块框图。
可选地，作为本发明的另一个实施例，如图8所示，一种锂电池X射线图像增强装置，包括：
图像采集模块，用于通过X光机对待测锂电池进行图像采集，得到锂电池X射线图像；
反射分量分析模块，用于对所述锂电池X射线图像进行图像反射分量分析，得到X射线反射图像；
加权融合计算模块，用于导入梯度因子，根据所述梯度因子对所述X射线反射图像进行加权融合计算，得到X射线融合图像；
对比度调整模块，用于对所述X射线融合图像进行对比度调整，得到X射线调整图像；
增强图像获得模块，用于对所述X射线调整图像进行去噪处理，得到X射线增强图像。
可选地，本发明的另一个实施例提供一种锂电池X射线图像增强装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的锂电池X射线图像增强方法。该装置可为计算机等装置。
可选地，本发明的另一个实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的锂电池X射线图像增强方法。
需要说明的是，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。而且，术语“包括”、 “包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，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，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。
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发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元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，也可以是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，也可以采用软件功能单元的形式实现。
集成的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取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种锂电池X射线图像增强方法，其特征在于，包括如下步骤：
通过X光机对待测锂电池进行图像采集，得到锂电池X射线图像；
对所述锂电池X射线图像进行图像反射分量分析，得到X射线反射图像；
导入梯度因子，根据所述梯度因子对所述X射线反射图像进行加权融合计算，得到X射线融合图像；
对所述X射线融合图像进行对比度调整，得到X射线调整图像；
对所述X射线调整图像进行去噪处理，得到X射线增强图像。
2.根据权利要求1所述的锂电池X射线图像增强方法，其特征在于，所述对所述锂电池X射线图像进行图像反射分量分析，得到X射线反射图像的过程包括：
按照多个预设尺度对所述锂电池X射线图像进行照度估计，得到与各个所述预设尺度对应的X射线模糊图像；
分别对各个所述X射线模糊图像以及所述锂电池X射线图像进行亮度调节，得到与各个所述X射线模糊图像对应的第一X射线调节图像以及与所述锂电池X射线图像对应的第二X射线调节图像；
对所有的所述第一X射线调节图像以及所述第二X射线调节图像进行图像反射分量的计算，得到X射线反射图像。
3.根据权利要求2所述的锂电池X射线图像增强方法，其特征在于，所述锂电池X射线图像包括多个X射线图像像素值，所述按照多个预设尺度对所述锂电池X射线图像进行照度估计，得到与各个所述预设尺度对应的X射线模糊图像的过程包括：
通过第一式和多个所述预设尺度分别对各个所述X射线图像像素值进行模糊图像的计算，得到与各个所述预设尺度对应的多个X射线模糊图像像素值，且每个所述X射线模糊图像像素值均与所述X射线图像像素值一一对应，所述第一式为：
Figure 563442DEST_PATH_IMAGE001
，
其中，
Figure 345453DEST_PATH_IMAGE002
，
其中，
Figure 61736DEST_PATH_IMAGE003
，
Figure 866881DEST_PATH_IMAGE004
，
其中，
Figure 451446DEST_PATH_IMAGE005
为锂电池X射线图像点
Figure 212598DEST_PATH_IMAGE006
的X射线模糊图像像素值，
Figure 427678DEST_PATH_IMAGE007
为以锂电池X 射线图像点
Figure 516857DEST_PATH_IMAGE006
处的X射线模糊图像像素值为中心点，在
Figure 108376DEST_PATH_IMAGE008
范围内邻域像素值的集合，
Figure 474766DEST_PATH_IMAGE009
为加权系数，
Figure 860748DEST_PATH_IMAGE010
为锂电池X射线图像点
Figure 702802DEST_PATH_IMAGE006
的X射线图像像素值，
Figure 753803DEST_PATH_IMAGE011
为邻 域像素值对应的图像点
Figure 37017DEST_PATH_IMAGE012
与锂电池X射线图像点
Figure 921797DEST_PATH_IMAGE006
的欧式距离，
Figure 923251DEST_PATH_IMAGE013
为图像点
Figure 528676DEST_PATH_IMAGE012
处的邻域像素值与锂电池X射线图像点
Figure 931975DEST_PATH_IMAGE006
的X射线图像像素值之差的绝对值，
其中，
Figure 987656DEST_PATH_IMAGE014
，
其中，
Figure 210827DEST_PATH_IMAGE015
为滤波器邻域长宽参数，
Figure 134789DEST_PATH_IMAGE016
为距离标准差，
Figure 392595DEST_PATH_IMAGE017
为灰度标准差，
Figure 88019DEST_PATH_IMAGE016
和
Figure 1748DEST_PATH_IMAGE017
均等于 预设尺度；
根据与各个所述预设尺度对应的多个X射线模糊图像像素值得到与各个所述预设尺度对应的X射线模糊图像。
4.根据权利要求3所述的锂电池X射线图像增强方法，其特征在于，所述分别对各个所述X射线模糊图像以及所述锂电池X射线图像进行亮度调节，得到与各个所述X射线模糊图像对应的第一X射线调节图像以及与所述锂电池X射线图像对应的第二X射线调节图像的过程包括：
通过第二式分别对各个所述X射线模糊图像像素值进行第一X射线调节图像的计算，得到与各个所述X射线模糊图像对应的多个第一X射线调节图像像素值，并根据与各个所述X射线模糊图像对应的多个第一X射线调节图像像素值得到与各个所述X射线模糊图像对应的第一X射线调节图像，所述第二式为：
Figure 276872DEST_PATH_IMAGE018
，
其中，
Figure 451501DEST_PATH_IMAGE019
，
其中，
Figure 786667DEST_PATH_IMAGE020
为第一X射线调节图像像素值，
Figure 171381DEST_PATH_IMAGE021
为锂电池X射线图像点
Figure 250196DEST_PATH_IMAGE006
的X射线模糊图像像素值，
Figure 544911DEST_PATH_IMAGE022
为预设图像像素的最大值，
Figure 457503DEST_PATH_IMAGE023
为X射线模糊图像的平均 对数亮度值，
Figure 408142DEST_PATH_IMAGE024
为X射线模糊图像的X射线模糊图像像素值总数，
Figure 87385DEST_PATH_IMAGE025
为常数；
通过第三式分别对各个所述X射线图像像素值进行第二X射线调节图像的计算，得到与各个所述X射线图像像素值对应的第二X射线调节图像像素值，并根据所有的所述第一X射线调节图像像素值得到第二X射线调节图像，所述第三式为：
Figure 174289DEST_PATH_IMAGE026
，
其中，
Figure 772630DEST_PATH_IMAGE027
，
其中，
Figure 944985DEST_PATH_IMAGE028
为第二X射线调节图像像素值，
Figure 427919DEST_PATH_IMAGE029
为锂电池X射线图像点
Figure 369330DEST_PATH_IMAGE006
的X射线图像像素值，
Figure 154884DEST_PATH_IMAGE030
为预设图像像素的最大值，
Figure 814535DEST_PATH_IMAGE031
为锂电池X射线图像的平均对数 亮度值，
Figure 835581DEST_PATH_IMAGE032
为锂电池X射线图像的X射线图像像素值总数，
Figure 818449DEST_PATH_IMAGE033
为常数。
5.根据权利要求4所述的锂电池X射线图像增强方法，其特征在于，所述对所有的所述第一X射线调节图像以及所述第二X射线调节图像进行图像反射分量的计算，得到X射线反射图像的过程包括：
通过第四式分别对各个所述第一X射线调节图像像素值以及与所述第一X射线调节图像像素值对应的第二X射线调节图像像素值进行图像反射分量的计算，得到与各个所述第一X射线调节图像像素值对应的X射线反射图像像素值，并根据所有的所述X射线反射图像像素值得到X射线反射图像，所述第四式为：
Figure 837221DEST_PATH_IMAGE034
，
其中，
Figure 780906DEST_PATH_IMAGE035
为X射线反射图像像素值，
Figure 543326DEST_PATH_IMAGE036
为第
Figure 397012DEST_PATH_IMAGE037
个预设尺度的第一X射 线调节图像像素值，
Figure 586685DEST_PATH_IMAGE038
为第二X射线调节图像像素值，
Figure 283246DEST_PATH_IMAGE039
为预设尺度的个数，
Figure 583777DEST_PATH_IMAGE040
为第
Figure 541238DEST_PATH_IMAGE037
个预设尺度的权重，且
Figure 698549DEST_PATH_IMAGE041
。
6.根据权利要求5所述的锂电池X射线图像增强方法，其特征在于，所述根据所述梯度因子对所述X射线反射图像进行加权融合计算，得到X射线融合图像的过程包括：
通过第五式和所述梯度因子分别对各个所述X射线反射图像像素值进行加权融合计算，得到与各个所述X射线反射图像像素值对应的X射线反射图像像素值，根据多个所述X射线反射图像像素值得到X射线融合图像，所述第五式为；
Figure 554510DEST_PATH_IMAGE042
，
其中，
Figure 596415DEST_PATH_IMAGE043
，
其中，
Figure 487011DEST_PATH_IMAGE044
为X射线融合图像，
Figure 80803DEST_PATH_IMAGE045
为X射线反射图像像素值的权重，
Figure 424060DEST_PATH_IMAGE046
为X射线反射 图像像素值，
Figure 253345DEST_PATH_IMAGE047
为纵向梯度，
Figure 998447DEST_PATH_IMAGE048
为纵向梯度的权重。
7.根据权利要求1所述的锂电池X射线图像增强方法，其特征在于，所述对所述X射线融合图像进行对比度调整，得到X射线调整图像的过程包括：
利用自适应直方图均衡化算法对所述X射线融合图像进行对比度调整，得到X射线调整图像。
8.一种锂电池X射线图像增强装置，其特征在于，包括：
图像采集模块，用于通过X光机对待测锂电池进行图像采集，得到锂电池X射线图像；
反射分量分析模块，用于对所述锂电池X射线图像进行图像反射分量分析，得到X射线反射图像；
加权融合计算模块，用于导入梯度因子，根据所述梯度因子对所述X射线反射图像进行加权融合计算，得到X射线融合图像；
对比度调整模块，用于对所述X射线融合图像进行对比度调整，得到X射线调整图像；
增强图像获得模块，用于对所述X射线调整图像进行去噪处理，得到X射线增强图像。
9.一种锂电池X射线图像增强系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，当所述处理器执行所述计算机程序时，实现如权利要求1至7任一项所述的锂电池X射线图像增强方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1至7任一项所述的锂电池X射线图像增强方法。
CN202210338505.3A 2022-04-01 2022-04-01 一种锂电池x射线图像增强方法、装置以及存储介质 Pending CN114494098A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210338505.3A CN114494098A (zh) 2022-04-01 2022-04-01 一种锂电池x射线图像增强方法、装置以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210338505.3A CN114494098A (zh) 2022-04-01 2022-04-01 一种锂电池x射线图像增强方法、装置以及存储介质

Publications (1)

Publication Number Publication Date
CN114494098A true CN114494098A (zh) 2022-05-13

Family

ID=81488527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210338505.3A Pending CN114494098A (zh) 2022-04-01 2022-04-01 一种锂电池x射线图像增强方法、装置以及存储介质

Country Status (1)

Country Link
CN (1) CN114494098A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035113A (zh) * 2022-08-11 2022-09-09 深圳市通泰详特种电线电缆有限公司 基于x射线的手机数据线生产缺陷无损检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1877637A (zh) * 2006-06-20 2006-12-13 长春工业大学 一种基于微机的医学图像模板匹配方法
CN102231206A (zh) * 2011-07-14 2011-11-02 浙江理工大学 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法
CN104318524A (zh) * 2014-10-15 2015-01-28 烟台艾睿光电科技有限公司 一种基于YCbCr色彩空间的图像增强方法、装置及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1877637A (zh) * 2006-06-20 2006-12-13 长春工业大学 一种基于微机的医学图像模板匹配方法
CN102231206A (zh) * 2011-07-14 2011-11-02 浙江理工大学 适用于汽车辅助驾驶系统的彩色夜视图像亮度增强方法
CN104318524A (zh) * 2014-10-15 2015-01-28 烟台艾睿光电科技有限公司 一种基于YCbCr色彩空间的图像增强方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵爱玲等: "基于Retinex和同态滤波的X射线电池图像增强算法", 《测试技术学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035113A (zh) * 2022-08-11 2022-09-09 深圳市通泰详特种电线电缆有限公司 基于x射线的手机数据线生产缺陷无损检测方法

Similar Documents

Publication Publication Date Title
Wang et al. A fusion-based method for single backlit image enhancement
Dai et al. Retinal fundus image enhancement using the normalized convolution and noise removing
CN111986120A (zh) 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法
Kanwal et al. Region based adaptive contrast enhancement of medical X-ray images
CN109003233A (zh) 一种基于自适应权重全变分模型的图像去噪方法
Wang et al. Low-light image joint enhancement optimization algorithm based on frame accumulation and multi-scale Retinex
Zhou et al. A multifeature fusion method for the color distortion and low contrast of underwater images
CN107316291A (zh) 乳腺图像处理方法及乳腺成像设备
CN116664457B (zh) 一种用于增强去噪的图像处理方法
CN114494098A (zh) 一种锂电池x射线图像增强方法、装置以及存储介质
Saadia et al. Incorporating fractional calculus in echo-cardiographic image denoising
CN111311562B (zh) 虚焦图像的模糊度检测方法及装置
CN111161177B (zh) 图像自适应降噪方法和装置
Jindal et al. Bio-medical image enhancement based on spatial domain technique
Xiong et al. An adaptive bilateral filtering algorithm and its application in edge detection
Malik et al. Contrast enhancement and smoothing of CT images for diagnosis
CN114881883A (zh) 一种红外图像多维降噪方法、存储介质及装置
CN115272184A (zh) 基于优化工业图像质量的缺陷识别方法
Kumar et al. Image enhancement and performance evaluation using various filters for IRS-P6 Satellite Liss IV remotely sensed data
Sun et al. Adaptive bilateral filter considering local characteristics
CN108288267B (zh) 一种基于暗通道的扫描电镜图像清晰度无参考评价方法
Verma et al. Comparative analysis in medical imaging
Fan et al. Underwater image enhancement algorithm combining color correction and multi-scale fusion
Chang et al. Rician noise removal in MR images using an adaptive trilateral filter
Yang et al. An adaptive edge enhancement method based on histogram matching for ultrasound images

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220513

RJ01 Rejection of invention patent application after publication