CN114494262B - 一种图像对比度的评估方法和装置 - Google Patents

一种图像对比度的评估方法和装置 Download PDF

Info

Publication number
CN114494262B
CN114494262B CN202210407132.0A CN202210407132A CN114494262B CN 114494262 B CN114494262 B CN 114494262B CN 202210407132 A CN202210407132 A CN 202210407132A CN 114494262 B CN114494262 B CN 114494262B
Authority
CN
China
Prior art keywords
region
image
gray
value
contrast
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.)
Active
Application number
CN202210407132.0A
Other languages
English (en)
Other versions
CN114494262A (zh
Inventor
刘才钰
李雪峰
吴清泉
杨军红
刘浩
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.)
Guangdong Guangdong Hong Kong Macao Dawan District Hard Science And Technology Innovation Research Institute
Original Assignee
Guangdong Guangdong Hong Kong Macao Dawan District Hard Science And Technology Innovation Research Institute
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 Guangdong Guangdong Hong Kong Macao Dawan District Hard Science And Technology Innovation Research Institute filed Critical Guangdong Guangdong Hong Kong Macao Dawan District Hard Science And Technology Innovation Research Institute
Priority to CN202210407132.0A priority Critical patent/CN114494262B/zh
Publication of CN114494262A publication Critical patent/CN114494262A/zh
Application granted granted Critical
Publication of CN114494262B publication Critical patent/CN114494262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种图像对比度的评估方法和装置，所述方法包括：将待评估图像转换为灰度图像，并计算灰度平均值；将灰度值等于灰度平均值的像素点作为边界点，把灰度图像划分为若干区域；以区域内灰度值最大的像素点到区域内各像素点的最大D8距离作为各区域的区域半径，结合各区域的变化值，计算每个区域的局部对比度；根据各区域的局部对比度，获得待评估图像的全局对比度，进而获得评估结果。相对于现有技术，通过将图像划分为若干区域，并计算各区域的局部对比度，获得图像的局部信息进行全局评估，获取图像对比度的同时兼顾了图像的全局信息和图像各部分的局部信息，提高评估的精细度并保持图像各局部信息的完整性。

Description

一种图像对比度的评估方法和装置
技术领域
本发明涉及图像处理领域，尤其涉及一种图像对比度的评估方法和装置。
背景技术
图像处理领域中，对图像质量的评估一直是广受人们关注的重要问题。图像质量的评价可分为主观图像质量评价方法和客观图像质量评价方法，区别在于，前者有人参与，对图像进行人为的主观评分，但是这种方法耗时长，方法复杂繁琐难以进行实时、随时的评估。后者则通过计算机算法，进行全参考图像质量评价、半参考图像质量评价或无参考图像质量评价。现有的图像对比度计算方法主要根据相邻像素间的灰度差，结合预设的灰度差下的像素分布概率，进行图像的对比度评估，但是这种方法计算复杂，并且只关注到整幅图像而缺乏对局部信息的获取，导致评估不够精细。
发明内容
本发明提供了一种图像对比度的评估方法和装置，兼顾图像的局部信息和全局信息，提高评估的精细度。
为了解决上述技术问题，本发明实施例提供了一种图像对比度的评估方法，包括：
将待评估图像转换为灰度图像，并计算所述灰度图像的灰度平均值；
遍历所述灰度图像中每个像素点，以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域；
根据每个区域内各像素点的灰度值，以区域内峰点到区域内各像素点的最大D8距离作为各区域的区域半径，结合各区域的变化值，计算获得各区域的局部对比度；其中，峰点为区域内灰度值最大的像素点；
根据各区域的局部对比度，获得所述待评估图像的全局对比度，进而获得评估结果；
所述根据各区域的局部对比度，获得所述待评估图像的全局对比度，具体为：
根据各区域的局部对比度，结合各区域的权重系数，加权计算得到所述待评估图像的全局对比度；其中，所述权重系数为区域半径和区域半径均值的比值。
作为优选方案，所述以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域，具体为：
将灰度值等于所述灰度平均值的像素点作为边界点，分别将每个边界点与最近的边界点相连；获得的若干连线作为区域边界，将所述灰度图像划分为若干个区域；其中，当所述若干连线无法构成封闭图形时，将所述若干连线两端的边界点相连。
作为优选方案，所述计算获得各区域的局部对比度，具体为：
将所述各区域对应的变化值分别除以所述各区域的区域半径，得到所述各区域的局部对比度。
作为优选方案，所述变化值为区域内灰度值最大值和灰度值最小值的差值。
相应的，本发明实施例还提供了一种图像对比度的评估装置，包括转换模块、划分模块、计算模块和评估模块；其中，
所述转换模块用于将待评估图像转换为灰度图像，并计算所述灰度图像的灰度平均值；
所述划分模块用于遍历所述灰度图像中每个像素点，以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域；
所述计算模块用于根据每个区域内各像素点的灰度值，以区域内峰点到区域内各像素点的最大D8距离作为各区域的区域半径，结合各区域的变化值，计算获得各区域的局部对比度；其中，峰点为区域内灰度值最大的像素点；
所述评估模块用于根据各区域的局部对比度，获得所述待评估图像的全局对比度，进而获得评估结果；
所述评估模块根据各区域的局部对比度，获得所述待评估图像的全局对比度，具体为：
所述评估模块根据各区域的局部对比度，结合各区域的权重系数，加权计算得到所述待评估图像的全局对比度；其中，所述权重系数为区域半径和区域半径均值的比值。
作为优选方案，所述划分模块以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域，具体为：
所述划分模块将灰度值等于所述灰度平均值的像素点作为边界点，分别将每个边界点与最近的边界点相连；获得的若干连线作为区域边界，将所述灰度图像划分为若干个区域；其中，当所述若干连线无法构成封闭图形时，将所述若干连线两端的边界点相连。
作为优选方案，所述计算模块计算获得各区域的局部对比度，具体为：
所述计算模块将所述各区域对应的变化值分别除以所述各区域的区域半径，得到所述各区域的局部对比度。
作为优选方案，所述变化值为区域内灰度值最大值和灰度值最小值的差值。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种图像对比度的评估方法和装置，所述方法包括：将待评估图像转换为灰度图像，并计算灰度平均值；将灰度值等于所述灰度平均值的像素点作为边界点，把灰度图像划分为若干区域；以区域内灰度值最大的像素点到区域内各像素点的最大D8距离作为各区域的区域半径，结合各区域的变化值，计算每个区域的局部对比度；根据各区域的局部对比度，获得待评估图像的全局对比度，进而获得评估结果。相对于现有技术，通过将图像划分为若干区域，并各自计算各区域的局部对比度，获得图像的局部信息进行全局评估，获取图像对比度的同时既兼顾了图像的全局信息又兼顾了图像各部分的局部信息，提高评估的精细度并保持图像各局部信息的完整性，同时，采用D8距离的度量计算简洁方便，符合人眼对于图像的观测。
进一步的，将灰度值等于所述灰度平均值的像素点作为边界点进行连线作为边界，从而将灰度图像划分为若干区域，将整个图像的评估进一步细化，蕴含更多的局部信息，获得更丰富的图像信息和像素信息。
进一步的，将区域内灰度值最大值和灰度值最小值的差值作为变化值，考虑了各区域中像素点的灰度值的跨度区间，评估结果更准确、更接近各区域的对比度实际情况。
附图说明
图1：为本发明提供的一种图像对比度的评估方法的一种实施例的流程示意图。
图2：为本发明提供的一种图像对比度的评估方法的D8距离的原理示意图。
图3：为本发明提供的一种图像对比度的评估装置的一种实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一:
请参照图1，图1为本发明实施例提供的一种图像对比度的评估方法，包括步骤S1至S4，其中，
步骤S1，将待评估图像转换为灰度图像，并计算所述灰度图像的灰度平均值。
在本实施例中，现有技术通常采用以下方式计算图像对比度：
Figure DEST_PATH_IMAGE001
；
其中，C为图像的对比度，
Figure 139089DEST_PATH_IMAGE002
为相邻像素间的灰度差，
Figure 409664DEST_PATH_IMAGE003
即相邻像素间的灰度差为δ的像素分布概率。但是这种方法往往只关注到了整幅图像而缺乏局部的信息。当图像的某些局部蕴含一些特殊的信息时，通过这种方法进行评估容易损失这些特殊信息；并且，这种方法只针对全局而忽略了局部会导致计算不够精细，在消耗同样的计算资源的情况下，得到的计算对比度的评估效果不够精确。
在本实施例中，由于待评估图像通常为彩色图像，因此本实施例需要先获取一幅RGB彩色图像，并通过RGB三通道融合将RGB彩色图像转换为灰度图像。进而根据所述灰度图像中各像素点的灰度值，计算出各像素点的灰度平均值。
步骤S2，遍历所述灰度图像中每个像素点，以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域。
在本实施例中，所述以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域，具体为：将灰度值等于所述灰度平均值的像素点作为边界点，分别将每个边界点与最近的边界点相连；获得的若干连线作为区域边界，将所述灰度图像划分为若干个区域；其中，当所述若干连线无法构成封闭图形时，将所述若干连线两端的边界点相连。
另外，所述灰度图像的边缘在本实施例中也视为区域的边界。作为本实施例的一种举例，当灰度图像只有三个像素点符合灰度值等于所述灰度平均值的条件且三个点均不在图像边缘，即只有三个边界点，此时三个边界点分别、依次与最近的边界点相连，得到一个三角形，此时该图像就分成了第一区域和第二区域，其中，所述第一区域为该三角形，第二区域为三角形之外，图像边缘之内的部分。此时灰度图像就被划分为两个区域。
步骤S3，根据每个区域内各像素点的灰度值，以区域内峰点到区域内各像素点的最大D8距离作为各区域的区域半径，结合各区域的变化值，计算获得各区域的局部对比度；其中，峰点为区域内灰度值最大的像素点。
在本实施例中，确定每个区域内的峰点和谷点。其中，峰点为区域内灰度值最大的像素点，谷点为区域内灰度值最小的像素点。根据所述峰点对应的灰度值和谷点对应的灰度值，计算变化值，变化值即为该区域内灰度值最大值和灰度值最小值的差值。
若区域中存在多个峰点，选取峰点中间位置的峰点作为参考点，具体地：作为本实施例的一种举例，获取所有峰点横纵坐标，分别计算横坐标的均值和纵坐标均值，确定横坐标均值和纵坐标均值的位置处，选取与该位置最近的峰点作为参考点；作为另一种举例，也可以直接选择横坐标均值和纵坐标均值的位置作为参考点。
进一步地，计算该区域中每一像素点与参考点之间的D8距离，具体为：
参照图2，图2为本发明实施例提供的一种图像对比度的评估方法的D8距离的原理示意图。D8距离又被称作棋盘距离，即距离为r的像素形成以P为中心的正方形，点P与点Q的D8距离为：
D8（P，Q）=max（∣xp-xq∣,∣yp-yq∣）；
其中，中心点P的坐标为（xp,yp），Q的坐标为（xq,yq）。相对于采用欧式距离等其他的计算方法，计算方法更简洁且更符合人眼对于图像的观测。
以区域内峰点到区域内各像素点的最大D8距离作为各区域的区域半径，将所述各区域对应的变化值分别除以所述各区域的区域半径，可得到各区域的局部对比度。
步骤S4，根据各区域的局部对比度，获得所述待评估图像的全局对比度，进而获得评估结果。
在本实施例中，根据各区域的局部对比度，结合各区域的权重系数，加权计算得到所述待评估图像的全局对比度；其中，所述权重系数为区域半径和区域半径均值的比值。计算得到的全局对比度既兼顾了全局信息又考虑到了待评估图像的局部信息（对图像进行了区域的划分，考虑了各区域携带的信息），并且在全局对比度的计算中加入了与各局部对比度一一对应的权重系数，计算结果更加均衡，且贴近图像实际的对比度情况。
相应的，参照图3，本发明实施例还提供了一种图像对比度的评估装置，包括转换模块101、划分模块102、计算模块103和评估模块104；其中，
所述转换模块101用于将待评估图像转换为灰度图像，并计算所述灰度图像的灰度平均值；
所述划分模块102用于遍历所述灰度图像中每个像素点，以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域；
所述计算模块103用于根据每个区域内各像素点的灰度值，以区域内峰点到区域内各像素点的最大D8距离作为各区域的区域半径，结合各区域的变化值，计算获得各区域的局部对比度；其中，峰点为区域内灰度值最大的像素点；
所述评估模块104用于根据各区域的局部对比度，获得所述待评估图像的全局对比度，进而获得评估结果。
在本实施例中，所述划分模块102以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域，具体为：
所述划分模块102将灰度值等于所述灰度平均值的像素点作为边界点，分别将每个边界点与最近的边界点相连；获得的若干连线作为区域边界，将所述灰度图像划分为若干个区域；其中，当所述若干连线无法构成封闭图形时，将所述若干连线两端的边界点相连。
在本实施例中，所述计算模块103计算获得各区域的局部对比度，具体为：
所述计算模块103将所述各区域对应的变化值分别除以所述各区域的区域半径，得到所述各区域的局部对比度。
在本实施例中，所述变化值为区域内灰度值最大值和灰度值最小值的差值。
在本实施例中，所述评估模块104根据各区域的局部对比度，获得所述待评估图像的全局对比度，具体为：
所述评估模块104根据各区域的局部对比度，结合各区域的权重系数，加权计算得到所述待评估图像的全局对比度；其中，所述权重系数为区域半径和区域半径均值的比值。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种图像对比度的评估方法和装置，所述方法包括：将待评估图像转换为灰度图像，并计算灰度平均值；将灰度值等于所述灰度平均值的像素点作为边界点，把灰度图像划分为若干区域；以区域内灰度值最大的像素点到区域内各像素点的最大D8距离作为各区域的区域半径，结合各区域的变化值，计算每个区域的局部对比度；根据各区域的局部对比度，获得待评估图像的全局对比度，进而获得评估结果。相对于现有技术，通过将图像划分为若干区域，并各自计算各区域的局部对比度，获得图像的局部信息进行全局评估，获取图像对比度的同时既兼顾了图像的全局信息又兼顾了图像各部分的局部信息，提高评估的精细度并保持图像各局部信息的完整性，同时，采用D8距离的度量计算简洁方便，符合人眼对于图像的观测。
进一步的，将灰度值等于所述灰度平均值的像素点作为边界点进行连线作为边界，从而将灰度图像划分为若干区域，将整个图像的评估进一步细化，蕴含更多的局部信息，获得更丰富的图像信息和像素信息。
进一步的，将区域内灰度值最大值和灰度值最小值的差值作为变化值，考虑了各区域中像素点的灰度值的跨度区间，评估结果更准确、更接近各区域的对比度实际情况。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种图像对比度的评估方法，其特征在于，包括：
将待评估图像转换为灰度图像，并计算所述灰度图像的灰度平均值；
遍历所述灰度图像中每个像素点，以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域；
根据每个区域内各像素点的灰度值，以区域内峰点到区域内各像素点的最大D8距离作为各区域的区域半径，结合各区域的变化值，计算获得各区域的局部对比度；其中，峰点为区域内灰度值最大的像素点；
根据各区域的局部对比度，获得所述待评估图像的全局对比度，进而获得评估结果；
所述根据各区域的局部对比度，获得所述待评估图像的全局对比度，具体为：
根据各区域的局部对比度，结合各区域的权重系数，加权计算得到所述待评估图像的全局对比度；其中，所述权重系数为区域半径和区域半径均值的比值。
2.如权利要求1所述的一种图像对比度的评估方法，其特征在于，所述以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域，具体为：
将灰度值等于所述灰度平均值的像素点作为边界点，分别将每个边界点与最近的边界点相连；获得的若干连线作为区域边界，将所述灰度图像划分为若干个区域；其中，当所述若干连线无法构成封闭图形时，将所述若干连线两端的边界点相连。
3.如权利要求1所述的一种图像对比度的评估方法，其特征在于，所述计算获得各区域的局部对比度，具体为：
将所述各区域对应的变化值分别除以所述各区域的区域半径，得到所述各区域的局部对比度。
4.如权利要求3所述的一种图像对比度的评估方法，其特征在于，所述变化值为区域内灰度值最大值和灰度值最小值的差值。
5.一种图像对比度的评估装置，其特征在于，包括转换模块、划分模块、计算模块和评估模块；其中，
所述转换模块用于将待评估图像转换为灰度图像，并计算所述灰度图像的灰度平均值；
所述划分模块用于遍历所述灰度图像中每个像素点，以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域；
所述计算模块用于根据每个区域内各像素点的灰度值，以区域内峰点到区域内各像素点的最大D8距离作为各区域的区域半径，结合各区域的变化值，计算获得各区域的局部对比度；其中，峰点为区域内灰度值最大的像素点；
所述评估模块用于根据各区域的局部对比度，获得所述待评估图像的全局对比度，进而获得评估结果；
所述评估模块根据各区域的局部对比度，获得所述待评估图像的全局对比度，具体为：
所述评估模块根据各区域的局部对比度，结合各区域的权重系数，加权计算得到所述待评估图像的全局对比度；其中，所述权重系数为区域半径和区域半径均值的比值。
6.如权利要求5所述的一种图像对比度的评估装置，其特征在于，所述划分模块以灰度值等于所述灰度平均值的像素点作为边界点，将所述灰度图像划分为若干个区域，具体为：
所述划分模块将灰度值等于所述灰度平均值的像素点作为边界点，分别将每个边界点与最近的边界点相连；获得的若干连线作为区域边界，将所述灰度图像划分为若干个区域；其中，当所述若干连线无法构成封闭图形时，将所述若干连线两端的边界点相连。
7.如权利要求5所述的一种图像对比度的评估装置，其特征在于，所述计算模块计算获得各区域的局部对比度，具体为：
所述计算模块将所述各区域对应的变化值分别除以所述各区域的区域半径，得到所述各区域的局部对比度。
8.如权利要求7所述的一种图像对比度的评估装置，其特征在于，所述变化值为区域内灰度值最大值和灰度值最小值的差值。
CN202210407132.0A 2022-04-19 2022-04-19 一种图像对比度的评估方法和装置 Active CN114494262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210407132.0A CN114494262B (zh) 2022-04-19 2022-04-19 一种图像对比度的评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210407132.0A CN114494262B (zh) 2022-04-19 2022-04-19 一种图像对比度的评估方法和装置

Publications (2)

Publication Number Publication Date
CN114494262A CN114494262A (zh) 2022-05-13
CN114494262B true CN114494262B (zh) 2022-07-26

Family

ID=81489427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210407132.0A Active CN114494262B (zh) 2022-04-19 2022-04-19 一种图像对比度的评估方法和装置

Country Status (1)

Country Link
CN (1) CN114494262B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114882042B (zh) * 2022-07-12 2022-09-06 江苏布罗信息技术有限公司 一种基于图像质量评估的物联网传输方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480662A (zh) * 2017-10-11 2017-12-15 青岛华晶生物技术有限公司 一种霉菌图像识别方法及其装置
CN112863451A (zh) * 2021-01-18 2021-05-28 海信视像科技股份有限公司 显示设备和背光控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3061614B1 (ja) * 1999-03-11 2000-07-10 工業技術院長 カラ―画像画質改善方法及び装置
US6983083B2 (en) * 2001-02-13 2006-01-03 Eastman Kodak Company Image specific perceived overall contrast prediction
CN104182962A (zh) * 2013-05-28 2014-12-03 腾讯科技（深圳）有限公司 评价图片清晰度的方法及装置
CN103996040A (zh) * 2014-05-13 2014-08-20 西北工业大学 融合局部-全局对比度的自底向上的视觉显著性生成方法
WO2017054775A1 (en) * 2015-09-30 2017-04-06 Shanghai United Imaging Healthcare Co., Ltd. System and method for determining a breast region in a medical image
CN105303531B (zh) * 2015-10-15 2018-01-26 深圳市华星光电技术有限公司 一种对比度调整方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480662A (zh) * 2017-10-11 2017-12-15 青岛华晶生物技术有限公司 一种霉菌图像识别方法及其装置
CN112863451A (zh) * 2021-01-18 2021-05-28 海信视像科技股份有限公司 显示设备和背光控制方法

Also Published As

Publication number Publication date
CN114494262A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN114972329B (zh) 基于图像处理的表面缺陷检测仪的图像增强方法及系统
CN109741356B (zh) 一种亚像素边缘检测方法及系统
CN116205823B (zh) 一种基于空域滤波的超声影像去噪方法
CN116703910B (zh) 一种混凝土预制底板质量智能检测方法
CN112613343B (zh) 一种基于改进YOLOv4的河道废弃物监测方法
CN109064418A (zh) 一种基于非局部均值的非均匀噪声图像去噪方法
WO2019071734A1 (zh) 一种图像局部对比度增强的方法
CN110675340A (zh) 一种基于改进的非局部先验的单幅图像去雾方法及介质
CN111598869B (zh) 一种对显示屏幕的Mura进行检测的方法、设备及存储介质
CN114494262B (zh) 一种图像对比度的评估方法和装置
CN107506795A (zh) 一种面向图像匹配的局部灰度直方图特征描述子建立方法和图像匹配方法
CN116228780A (zh) 基于计算机视觉的硅片缺陷检测方法及系统
CN115797607A (zh) 一种增强vr真实效果的图像优化处理方法
CN115641767A (zh) 无人艇感知实验平台装置
CN109859157B (zh) 基于视觉注意特征的全参考图像质量评价方法
CN113674231B (zh) 基于图像增强的轧制过程中氧化铁皮检测方法与系统
CN113298763B (zh) 一种基于显著性窗口策略的图像质量评估方法
CN109978859B (zh) 一种基于可见失真池化的图像显示适应质量评估方法
JP2012231301A (ja) 係数学習装置および方法、画像処理装置および方法、プログラム、並びに記録媒体
JP2008053875A (ja) 画像処理装置および方法、プログラム、並びにプログラム格納媒体
CN115294556B (zh) 基于改进YOLOv5的密闭振动筛上异常流态流体检测方法
CN116740579A (zh) 一种国土空间规划数据智能采集方法
CN115984360B (zh) 一种基于图像处理的计算干滩长度的方法及系统
CN114742749B (zh) 基于图像处理的pvc薄膜质量检测方法
CN109658357A (zh) 一种面向遥感卫星图像的去噪方法

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