CN114764757A - 基于加权高斯减法拟合的土壤图像亮度可控增强方法 - Google Patents

基于加权高斯减法拟合的土壤图像亮度可控增强方法 Download PDF

Info

Publication number
CN114764757A
CN114764757A CN202210264579.7A CN202210264579A CN114764757A CN 114764757 A CN114764757 A CN 114764757A CN 202210264579 A CN202210264579 A CN 202210264579A CN 114764757 A CN114764757 A CN 114764757A
Authority
CN
China
Prior art keywords
image
gaussian
component
soil
fitting
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
CN202210264579.7A
Other languages
English (en)
Inventor
曾绍华
赵秉渝
王帅
刘国一
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.)
Chongqing Agricultural Technology Extension Station (chongqing Potato Detoxification Research Center Chongqing Soil Fertilizer Testing Center)
Institute Of Agricultural Resources And Environment Of Tibet Academy Of Agricultural And Animal Husbandry Sciences
Chongqing Normal University
Original Assignee
Chongqing Agricultural Technology Extension Station (chongqing Potato Detoxification Research Center Chongqing Soil Fertilizer Testing Center)
Institute Of Agricultural Resources And Environment Of Tibet Academy Of Agricultural And Animal Husbandry Sciences
Chongqing Normal 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 Chongqing Agricultural Technology Extension Station (chongqing Potato Detoxification Research Center Chongqing Soil Fertilizer Testing Center), Institute Of Agricultural Resources And Environment Of Tibet Academy Of Agricultural And Animal Husbandry Sciences, Chongqing Normal University filed Critical Chongqing Agricultural Technology Extension Station (chongqing Potato Detoxification Research Center Chongqing Soil Fertilizer Testing Center)
Priority to CN202210264579.7A priority Critical patent/CN114764757A/zh
Publication of CN114764757A publication Critical patent/CN114764757A/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
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明提供的一种基于加权高斯减法拟合的土壤图像亮度可控增强方法，包括以下步骤：S1.采集土壤图像，并计算土壤图像Y分量的灰度级概率密度Porg(y)；S2.基于土壤图像的Y分量灰度级以及灰度级概率密度构建土壤图像Y分量直方图；S3.确定土壤图像Y分量的定义域为[ya,yb]，并基于土壤图像的Y分量直方图进行加权高斯减法拟合，得到土壤图像Y分量的加权高斯减法拟合曲线；S4.基于土壤图像Y分量的加权高斯减法拟合曲线进行亮度可控增强处理，并将增强处理后的土壤图像进行RGB转化得到增强后的RGB土壤图像；能通过亮度可控增强，将不一致的自然光照条件下采集的土壤图像进行调整，使其非常近似于某些特定光照条件采集的真实土壤图像，用于机器视觉土种识别，从而降低不同自然光照条件对土壤图像识别的影响，提高后续土种识别精度。

Description

基于加权高斯减法拟合的土壤图像亮度可控增强方法
技术领域
本发明涉及一种图像处理方法，尤其涉及一种基于加权高斯减法拟合的土壤图像亮度可控增强方法。
背景技术
土壤图像识别用于对土壤进行研究分析，现有技术中，对于土壤图像一般采用机器视觉采集，但是，在对土壤图像采集时，一般处于野外作业，采集图像过程中土壤图像受不一致的自然光照影响，从而获得不同的土壤图像，严重影响后续的土种识别的精度，目前，还没有一种有效的手段对上述问题进行解决。
发明内容
有鉴于此，本发明的目的是提供一种基于加权高斯减法拟合的土壤图像亮度可控增强方法，能通过亮度可控增强，将不一致的自然光照条件下采集的土壤图像进行调整，使其非常近似于某些特定光照条件采集的真实土壤图像，用于机器视觉土种识别，从而降低不同自然光照条件对土壤图像识别的影响，提高后续土种识别精度。
本发明提供的一种基于加权高斯减法拟合的土壤图像亮度可控增强方法，包括以下步骤：
S1.采集土壤图像，并计算土壤图像Y分量的灰度级概率密度Porg(y)：
Porg(y)＝yfre/h·w；
其中，y表示Y分量灰度级y∈[ya,yb]，yfre表示灰度级y的频数，h为图像的高，w为图像的宽；
S2.基于土壤图像的Y分量灰度级以及灰度级概率密度构建土壤图像Y分量直方图；
S3.确定土壤图像Y分量的定义域为[ya,yb]，并基于土壤图像的Y分量直方图进行加权高斯减法拟合，得到土壤图像Y分量的加权高斯减法拟合曲线；
S4.基于土壤图像Y分量的高斯减法拟合曲线进行亮度可控增强处理，并将增强处理后的土壤图像进行RGB转化得到增强后的RGB土壤图像。
进一步，步骤S3中具体包括：
S31.对Y分量直方图中y＝b(t)左侧直方图h(t)(y)进行高斯g(t)(y)逼近：
Figure BDA0003552151100000021
S32.对Y分量直方图中y＝b(t)的右侧区域(b(t),yb]，高斯曲线g(t)(y)尽可能不超过直方图h(t)(y)：
Figure BDA0003552151100000022
s.t.g(t)(y)-h(t)(y)≥0
其中，
Figure BDA0003552151100000023
at是高斯曲线g(t)(y)尖峰的高度；bt为位置参数，是高斯曲线g(t)(y)尖峰中心的坐标；(ct)2为尺度参数，表征高斯曲线g(t)(y)的宽度，t表示第t次高斯拟合；
S33.基于步骤S31和步骤S32建立左局部区域的高斯拟合优化模型对Y分量直方图进行高斯拟合，其中：左局部区域的高斯拟合优化模型为：
Figure BDA0003552151100000031
S34.确定参数at、bt以及c(t)的搜索区间，并基于高斯拟合优化模型在确定的搜索区间内进行离散搜索，当高斯拟合优化模型得到优化解时得到最终的参数at、bt以及c(t)；
S35.确定土壤图像Y分量直方图的加权高斯减法拟合曲线f(y)：
Figure BDA0003552151100000032
其中，具体包括：g(t)(y)表示第t次拟合的高斯曲线，w(t)表示第t次拟合的高斯曲线的权重，N表示左局部区域的高斯拟合次数；
t次拟合的高斯曲线的权重通过如下公式计算：
Figure BDA0003552151100000033
进一步，根据如下方法确定位置参数bt：
计算h(t)(y)在[ya,yb]区域内的均值点
Figure BDA0003552151100000034
Figure BDA0003552151100000035
计算h(t)(y)在
Figure BDA0003552151100000036
区域内的均值点
Figure BDA0003552151100000037
Figure BDA0003552151100000038
令
Figure BDA0003552151100000039
位置参数bt的搜索区间设定为
Figure BDA00035521511000000310
且其搜索步长设定为灰度级步长1。
进一步，通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的尖峰的高度at的搜索区间：
计算h(t)(y)在
Figure BDA0003552151100000041
点的值
Figure BDA0003552151100000042
Figure BDA0003552151100000043
计算h(t)(y)在y＝b(t)点的值
Figure BDA0003552151100000044
Figure BDA0003552151100000045
将at的搜索区间确定为
Figure BDA0003552151100000046
且搜索步长设定为0.001。
进一步，通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的宽度参数c(t)：
在h(t)(y)的
Figure BDA0003552151100000047
区域内，计算95％置信水平的置信下限l1和99％置信水平的置信下限l2，计算
Figure BDA0003552151100000048
Figure BDA0003552151100000049
Figure BDA00035521511000000410
设置参数c(t)的搜索区间为
Figure BDA00035521511000000411
且搜索步长为0.1。
进一步，步骤S4中，具体包括：
对土壤图像Y分量直方图的加权高斯减法拟合曲线f(y)进行归一化处理：
Figure BDA0003552151100000051
计算f*(y)在[ya,yb]区域内的亮度均值μorg：
Figure BDA0003552151100000052
设定土壤图像的目标亮度μtar，并计算亮度差值△μ：
△μ＝μtar-μorg；
将亮度差值△μ引入高斯曲线，计算g(t)*(y)：
Figure BDA0003552151100000053
计算增强图像Y分量的期望概率密度Ptar(y)：
Figure BDA0003552151100000054
计算原始图像Y分量的累积分布Corg(y)：
Figure BDA0003552151100000055
对增强图像Y分量的期望概率密度Ptar(y)归一化处理：
Figure BDA0003552151100000056
计算增强图像Y分量的期望累积分布Ctar(y)：
Figure BDA0003552151100000061
在[ya,yb]区域内，由原始图像Y分量的累积分布Corg(y)和增强图像Y分量的期望累积分布Ctar(y)计算新灰度级y′
Figure BDA0003552151100000062
计算图像Y分量增强比例ratio：
ratio＝new_y/org_y；
其中，new_y为增强图像的Y分量，org_y为原图像的Y分量；
计算增强图像的U、V分量new_u、new_v：
new_u＝ratio·(org_u-128)+128
new_v＝ratio·(org_v-128)+128
其中：将增强图像的亮度分量new_y，色调分量new_u、new_v转换回RGB颜色空间，得到增强RGB图像。
本发明的有益效果：通过本发明，能够实现亮度可控增强，将不一致的自然光照条件下采集的土壤图像进行调整，使其非常近似于某些特定光照条件采集的真实土壤图像，用于机器视觉土种识别，从而降低不同自然光照条件对土壤图像识别的影响，提高后续土种识别精度。
附图说明
下面结合附图和实施例对本发明作进一步描述：
图1为本发明的流程图。
图2为具体实例土壤图像对比图。
图3为土壤图像图。
图4为土壤图像Y分量图。
图5为图4中Y分量直方图。
图6为对图4中的Y分量多次拟合示意图。
具体实施方式
以下进一步对本发明做出详细说明：
本发明提供的一种基于加权高斯减法拟合的土壤图像亮度可控增强方法，包括以下步骤：
S1.采集土壤图像，并计算土壤图像Y分量的灰度级概率密度Porg(y)：
Porg(y)＝yfre/h·w；
其中，y表示Y分量灰度级y∈[ya,yb]，yfre表示灰度级y的频数，h为图像的高，w为图像的宽；
S2.基于土壤图像的Y分量灰度级以及灰度级概率密度构建土壤图像Y分量直方图；该步骤中，对于Y分量直方图的构建采用现有的方法，在此不加以赘述；
S3.确定土壤图像Y分量的定义域为[ya,yb]，该阈值范围表示Y分量的灰度级，并基于土壤图像的Y分量直方图进行加权高斯减法拟合，得到土壤图像Y分量的加权高斯减法拟合曲线；
S4.基于土壤图像Y分量的加权高斯减法拟合曲线进行亮度可控增强处理，并将增强处理后的土壤图像进行RGB转化得到增强后的RGB土壤图像；通过上述方法，
本实施例中，步骤S3中具体包括：
S31.对Y分量直方图中y＝b(t)左侧直方图h(t)(y)进行高斯g(t)(y)逼近：
Figure BDA0003552151100000081
S32.对Y分量直方图中y＝b(t)的右侧区域(b(t),yb]，高斯曲线g(t)(y)尽可能不超过直方图h(t)(y)：
Figure BDA0003552151100000082
s.t.g(t)(y)-h(t)(y)≥0
其中，
Figure BDA0003552151100000083
at是高斯曲线g(t)(y)尖峰的高度；bt为位置参数，是高斯曲线g(t)(y)尖峰中心的坐标；(ct)2为尺度参数，表征高斯曲线g(t)(y)的宽度，t表示第t次高斯拟合；
S33.基于步骤S31和步骤S32建立左局部区域的高斯拟合优化模型对Y分量直方图进行高斯拟合，其中：左局部区域的高斯拟合优化模型为：
Figure BDA0003552151100000084
S34.确定参数at、bt以及c(t)的搜索区间，并基于高斯拟合优化模型在确定的搜索区间内进行离散搜索，当高斯拟合优化模型得到优化解时得到最终的参数at、bt以及c(t)；
由于上述过程中需要多次进行高斯逼近拟合，因此，需要判断拟合终止条件：
计算h(t)(y)在[ya,yb]区域内的拟合剩余差和sum：
Figure BDA0003552151100000091
如果sum≤0.01，则结束左局部区域的高斯拟合；如果sum>0.01，则拟合未完成，对h(t)(y)继续左局部区域的高斯拟合。多次拟合的示意图如图6所示。
S35.确定土壤图像Y分量直方图的加权高斯减法拟合曲线f(y)：
Figure BDA0003552151100000092
其中，包括：g(t)(y)表示第t次拟合的高斯曲线，w(t)表示第t次拟合的高斯曲线的权重，N表示左局部区域的高斯拟合次数；
t次拟合的高斯曲线的权重通过如下公式计算：
Figure BDA0003552151100000093
具体地：根据如下方法确定位置参数bt：
计算h(t)(y)在[ya,yb]区域内的均值点
Figure BDA0003552151100000094
Figure BDA0003552151100000095
计算h(t)(y)在
Figure BDA0003552151100000096
区域内的均值点
Figure BDA0003552151100000097
Figure BDA0003552151100000098
令
Figure BDA0003552151100000099
位置参数bt的搜索区间设定为
Figure BDA00035521511000000910
且其搜索步长设定为灰度级步长1。
通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的尖峰的高度at的搜索区间：
计算h(t)(y)在
Figure BDA0003552151100000101
点的值
Figure BDA0003552151100000102
Figure BDA0003552151100000103
计算h(t)(y)在y＝b(t)点的值
Figure BDA0003552151100000104
Figure BDA0003552151100000105
将at的搜索区间确定为
Figure BDA0003552151100000106
且搜索步长设定为0.001。
通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的宽度参数c(t)：
在h(t)(y)的
Figure BDA0003552151100000107
区域内，计算95％置信水平的置信下限l1和99％置信水平的置信下限l2，计算
Figure BDA0003552151100000108
Figure BDA0003552151100000109
Figure BDA00035521511000001010
设置参数c(t)的搜索区间为
Figure BDA00035521511000001011
且搜索步长为0.1。
本实施例中，步骤S4中，具体包括：
对土壤图像Y分量直方图加权高斯减法拟合曲线f(y)进行归一化处理：
Figure BDA00035521511000001012
计算f*(y)在[ya,yb]区域内的亮度均值μorg：
Figure BDA0003552151100000111
设定土壤图像的目标亮度μtar，并计算亮度差值△μ：
△μ＝μtar-μorg；
将亮度差值△μ引入高斯曲线，计算g(t)*(y)：
Figure BDA0003552151100000112
计算增强图像Y分量的期望概率密度Ptar(y)：
Figure BDA0003552151100000113
计算原始图像Y分量的累积分布Corg(y)：
Figure BDA0003552151100000114
对增强图像Y分量的期望概率密度Ptar(y)归一化处理：
Figure BDA0003552151100000115
计算增强图像Y分量的期望累积分布Ctar(y)：
Figure BDA0003552151100000116
在[ya,yb]区域内，由原始图像Y分量的累积分布Corg(y)和增强图像Y分量的期望累积分布Ctar(y)计算新灰度级y′
Figure BDA0003552151100000121
计算图像Y分量增强比例ratio：
ratio＝new_y/org_y；
其中，new_y为增强图像的Y分量，org_y为原图像的Y分量；
计算增强图像的U、V分量new_u、new_v：
new_u＝ratio·(org_u-128)+128
new_v＝ratio·(org_v-128)+128
其中：将增强图像的亮度分量new_y，色调分量new_u、new_v转换回RGB颜色空间，得到增强RGB图像。
下面以一个具体实例对本发明做出详细说明：
如图2所示：根据图2的图像，采用现有算法得到不同图低亮度到高亮度的精度对比表格如下：
Figure BDA0003552151100000122
d(·)为增强图像(·)分量与目标图像(·)分量对应像素间差的绝对值，D(d(·))为标准差。其中(·)分别表示图像的Y分量、r分量、g分量和b分量。dc表示dr+dg+db，D(dc)表示D(dr)+D(dg)+D(db)；
本发明算法比1-D HS和2-D HS算法图像结果的整体亮度更符合目标图像的亮度，颜色差异、失真更小；因为本发明加权高斯减法算法拟合原始图像的亮度直方图，相比1-DHS和2-D HS算法用一维高斯和二维高斯描述更精准，保留更多原图像的亮度结构信息；同时本发明算法校正了U，V分量颜色，而对比算法1-D HS和2-D HS仅变化了图像LAB颜色空间中的L分量。
在亮度和转换结果恢复的RGB颜色与目标图差异，本发明算法转换图像与目标图像差异最小，精度最高。因此本发明算法将子图低亮度向高亮度转换，能实现亮度可控映射和颜色校正，精度较高，算法是有效的。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种基于加权高斯减法拟合的土壤图像亮度可控增强方法，其特征在于：包括以下步骤：
S1.采集土壤图像，并计算土壤图像Y分量的灰度级概率密度Porg(y)：
Porg(y)＝yfre/h·w；
其中，y表示Y分量灰度级y∈[ya,yb]，yfre表示灰度级y的频数，h为图像的高，w为图像的宽；
S2.基于土壤图像的Y分量灰度级以及灰度级概率密度构建土壤图像Y分量直方图；
S3.确定土壤图像Y分量的定义域为[ya,yb]，并基于土壤图像的Y分量直方图进行加权高斯减法拟合，得到土壤图像Y分量的加权高斯减法拟合曲线；
S4.基于土壤图像Y分量的加权高斯减法拟合曲线进行亮度可控增强处理，并将增强处理后的土壤图像进行RGB转化得到增强后的RGB土壤图像。
2.根据权利要求1所述基于加权高斯减法拟合的土壤图像亮度可控增强方法，其特征在于：步骤S3中具体包括：
S31.对Y分量直方图中y＝b(t)左侧直方图h(t)(y)进行高斯g(t)(y)逼近：
Figure FDA0003552151090000011
S32.对Y分量直方图中y＝b(t)的右侧区域(b(t),yb]，高斯曲线g(t)(y)尽可能不超过直方图h(t)(y)：
Figure FDA0003552151090000012
s.t.g(t)(y)-h(t)(y)≥0
其中，
Figure FDA0003552151090000021
at是高斯曲线g(t)(y)尖峰的高度；bt为位置参数，是高斯曲线g(t)(y)尖峰中心的坐标；(ct)2为尺度参数，表征高斯曲线g(t)(y)的宽度，t表示第t次高斯拟合；
S33.基于步骤S31和步骤S32建立左局部区域的高斯拟合优化模型对Y分量直方图进行高斯拟合，其中：左局部区域的高斯拟合优化模型为：
Figure FDA0003552151090000022
S34.确定参数at、bt以及c(t)的搜索区间，并基于高斯拟合优化模型在确定的搜索区间内进行离散搜索，当高斯拟合优化模型得到优化解时得到最终的参数at、bt以及c(t)；
S35.确定土壤图像Y分量直方图的加权高斯减法拟合曲线f(y)：
Figure FDA0003552151090000023
其中，具体包括：g(t)(y)表示第t次拟合的高斯曲线，w(t)表示第t次拟合的高斯曲线的权重，N表示左局部区域的高斯拟合次数；
t次拟合的高斯曲线的权重通过如下公式计算：
Figure FDA0003552151090000024
3.根据权利要求2所述基于加权高斯减法拟合的土壤图像亮度可控增强方法，其特征在于：根据如下方法确定位置参数bt：
计算h(t)(y)在[ya,yb]区域内的均值点
Figure FDA0003552151090000025
Figure FDA0003552151090000031
计算h(t)(y)在
Figure FDA0003552151090000032
区域内的均值点
Figure FDA0003552151090000033
Figure FDA0003552151090000034
令
Figure FDA0003552151090000035
位置参数bt的搜索区间设定为
Figure FDA0003552151090000036
且其搜索步长设定为灰度级步长1。
4.根据权利要求3所述基于加权高斯减法拟合的土壤图像亮度可控增强方法，其特征在于：通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的尖峰的高度at的搜索区间：
计算h(t)(y)在
Figure FDA0003552151090000037
点的值
Figure FDA0003552151090000038
Figure FDA0003552151090000039
计算h(t)(y)在y＝b(t)点的值
Figure FDA00035521510900000310
Figure FDA00035521510900000311
将at的搜索区间确定为
Figure FDA00035521510900000312
且搜索步长设定为0.001。
5.根据权利要求2所述基于加权高斯减法拟合的土壤图像亮度可控增强方法，其特征在于：通过如下方法确定第t次拟合时的高斯曲线g(t)(y)的标准差参数c(t)：
在h(t)(y)的
Figure FDA00035521510900000313
区域内，计算95％置信水平的置信下限l1和99％置信水平的置信下限l2，计算
Figure FDA0003552151090000041
Figure FDA0003552151090000042
Figure FDA0003552151090000043
设置参数c(t)的搜索区间为
Figure FDA0003552151090000044
且搜索步长为0.1。
6.根据权利要求2所述基于加权高斯减法拟合的土壤图像亮度可控增强方法，其特征在于：步骤S4中，具体包括：
对土壤图像Y分量直方图加权高斯减法拟合曲线f(y)进行归一化处理：
Figure FDA0003552151090000045
计算f*(y)在[ya,yb]区域内的亮度均值μorg：
Figure FDA0003552151090000046
设定土壤图像的目标亮度μtar，并计算亮度差值△μ：
△μ＝μtar-μorg；
将亮度差值△μ引入高斯曲线，计算g(t)*(y)：
Figure FDA0003552151090000047
计算增强图像Y分量的期望概率密度Ptar(y)：
Figure FDA0003552151090000051
计算原始图像Y分量的累积分布Corg(y)：
Figure FDA0003552151090000052
对增强图像Y分量的期望概率密度Ptar(y)归一化处理：
Figure FDA0003552151090000053
计算增强图像Y分量的期望累积分布Ctar(y)：
Figure FDA0003552151090000054
在[ya,yb]区域内，由原始图像Y分量的累积分布Corg(y)和增强图像Y分量的期望累积分布Ctar(y)计算新灰度级y′
Figure FDA0003552151090000055
计算图像Y分量增强比例ratio：
ratio＝new_y/org_y；
其中，new_y为增强图像的Y分量，org_y为原图像的Y分量；
计算增强图像的U、V分量new_u、new_v：
new_u＝ratio·(org_u-128)+128
new_v＝ratio·(org_v-128)+128
其中：将增强图像的亮度分量new_y，色调分量new_u、new_v转换回RGB颜色空间，得到增强RGB图像。
CN202210264579.7A 2022-03-17 2022-03-17 基于加权高斯减法拟合的土壤图像亮度可控增强方法 Pending CN114764757A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210264579.7A CN114764757A (zh) 2022-03-17 2022-03-17 基于加权高斯减法拟合的土壤图像亮度可控增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210264579.7A CN114764757A (zh) 2022-03-17 2022-03-17 基于加权高斯减法拟合的土壤图像亮度可控增强方法

Publications (1)

Publication Number Publication Date
CN114764757A true CN114764757A (zh) 2022-07-19

Family

ID=82364885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210264579.7A Pending CN114764757A (zh) 2022-03-17 2022-03-17 基于加权高斯减法拟合的土壤图像亮度可控增强方法

Country Status (1)

Country Link
CN (1) CN114764757A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117593192A (zh) * 2024-01-18 2024-02-23 大连云间来客科技有限公司 一种妇科宫颈图像增强分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117593192A (zh) * 2024-01-18 2024-02-23 大连云间来客科技有限公司 一种妇科宫颈图像增强分析方法
CN117593192B (zh) * 2024-01-18 2024-03-26 大连云间来客科技有限公司 一种妇科宫颈图像增强分析方法

Similar Documents

Publication Publication Date Title
CN109872285B (zh) 一种基于变分约束的Retinex低照度彩色图像增强方法
EP1209621A2 (en) A method for enhancing a digital image based upon pixel color
CN114118144A (zh) 抗干扰的航空遥感图像阴影精准检测方法
CN110298792B (zh) 低光照图像增强与去噪方法、系统及计算机设备
CN106204617B (zh) 基于残差图像直方图循环移位的自适应图像二值化方法
CN111968065A (zh) 一种亮度不均匀图像的自适应增强方法
CN109671092A (zh) 一种改进的Canny图像分割方法和系统
CN108805139B (zh) 一种基于频域视觉显著性分析的图像相似性计算方法
CN114764757A (zh) 基于加权高斯减法拟合的土壤图像亮度可控增强方法
CN111539920B (zh) 一种白酒酿造过程中糟醅质量的自动检测方法
CN109903275B (zh) 一种基于自适应多尺度滤波和直方图对比的酒醅发霉区域检测方法
CN109934787B (zh) 一种基于高动态范围的图像拼接方法
CN110298796B (zh) 基于改进Retinex与对数图像处理的低照度图像增强方法
CN111783773A (zh) 一种面向角度倾斜电线杆标识牌的矫正方法
TWI383690B (zh) 影像處理的方法
CN108550124B (zh) 一种基于仿生螺线的光照补偿及图像增强方法
CN113344810A (zh) 基于动态数据分布的图像增强方法
CN104915934A (zh) 一种基于视网膜机制的灰度图像增强方法
CN109345544A (zh) 一种24色卡的色差自动分析方法
CN107680068A (zh) 一种考虑图像自然度的数字图像增强方法
CN114387247A (zh) 一种基于frfcm和区域生长法的水下目标检测方法
CN114494471A (zh) 一种图像对比度增强方法及系统
CN113361633A (zh) 一种医疗图像大数据3d残差网络分类方法
CN112085683A (zh) 一种显著性检测中的深度图可信度检测方法
CN112348749B (zh) 一种基于自适应Gamma函数和改进型CLAHE的图像去雾方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 401331 No.37 Middle Road, University Town, Shapingba District, Chongqing

Applicant after: CHONGQING NORMAL University

Applicant after: CHONGQING AGRICULTURAL TECHNOLOGY EXTENSION STATION

Applicant after: INSTITUTE OF AGRICULTURAL RESOURCES AND ENVIRONMENT OF TIBET ACADEMY OF AGRICULTURAL AND ANIMAL HUSBANDRY SCIENCES

Address before: 401331 No.37 Middle Road, University Town, Shapingba District, Chongqing

Applicant before: CHONGQING NORMAL University

Applicant before: CHONGQING AGRICULTURAL TECHNOLOGY EXTENSION STATION (CHONGQING POTATO DETOXIFICATION RESEARCH CENTER, CHONGQING SOIL FERTILIZER TESTING CENTER)

Applicant before: INSTITUTE OF AGRICULTURAL RESOURCES AND ENVIRONMENT OF TIBET ACADEMY OF AGRICULTURAL AND ANIMAL HUSBANDRY SCIENCES