CN114998122A - 一种低照度图像增强方法 - Google Patents
一种低照度图像增强方法 Download PDFInfo
- Publication number
- CN114998122A CN114998122A CN202210545190.XA CN202210545190A CN114998122A CN 114998122 A CN114998122 A CN 114998122A CN 202210545190 A CN202210545190 A CN 202210545190A CN 114998122 A CN114998122 A CN 114998122A
- Authority
- CN
- China
- Prior art keywords
- image
- low
- contrast
- channel
- histogram
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005286 illumination Methods 0.000 title claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 9
- 230000005540 biological transmission Effects 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000003321 amplification Effects 0.000 abstract description 2
- 238000003199 nucleic acid amplification method Methods 0.000 abstract description 2
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000037353 metabolic pathway Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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 using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本申请属于电力传输技术领域,特别是涉及一种低照度图像增强方法。图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。但是拍摄的图像由于光照无法调节而使得图像的细节比较模糊,不能从图像中获得有效信息。本申请提供了一种低照度图像增强方法,所述方法包括对低照度图像进行亮度通道和色度通道分离,采用对比度自适应直方图均衡化对所述亮度通道进行对比度增强得到亮度增强通道,将所述亮度增强通道与所述色度通道进行结合转换得到增强图像。能够提升低照度拍摄条件下的图像的对比度,在增强细节的同时,抑制噪声放大,并进行实时处理。
Description
技术领域
本申请属于电力传输技术领域,特别是涉及一种低照度图像增强方法。
背景技术
架空输电系统是电网的重要组成部分。随着智能电网的建设和发展,搭载多光谱视觉传感器的无人机被广泛应用于架空传输系统的运维。近年来,基于无人机图像的架空输电系统绝缘子、杆塔、导线、防震锤等的识别与缺陷检测已成为研究热点。
图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术的一般包括图像压缩,增强和复原,匹配、描述和识别。
图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。但是拍摄的图像由于光照无法调节而使得图像的细节比较模糊,不能从图像中获得有效信息。
发明内容
1.要解决的技术问题
基于图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。但是拍摄的图像由于光照无法调节而使得图像的细节比较模糊,不能从图像中获得有效信息的问题,本申请提供了一种低照度图像增强方法。
2.技术方案
为了达到上述的目的,本申请提供了一种低照度图像增强方法,所述方法包括对低照度图像进行亮度通道和色度通道分离,采用对比度自适应直方图均衡化对所述亮度通道进行对比度增强得到亮度增强通道,将所述亮度增强通道与所述色度通道进行结合转换得到增强图像。
本申请提供的另一种实施方式为:所述对低照度图像进行亮度通道和色度通道分离包括将所述低照度图像从RGB色彩空间转换为YCbCr色彩空间。
本申请提供的另一种实施方式为:所述进行对比度增强包括对所述亮度通道中的每个像素,根据所述像素的领域像素建立直方图;根据所述直方图得到与所述直方图对应的累积分布函数,根据所述累积分布函数通过转换函数进行所述直方图均衡化。
本申请提供的另一种实施方式为:所述低照度图像包括平滑区域,所述对比度自适应直方图均衡化对所述平滑区域的对比度进行限制。
本申请提供的另一种实施方式为:所述限制包括将所述直方图中大于预设阈值的像素标记为截断像素,对所述截断像素进行截断,将被截断部分像素均匀分配到被截断的所述直方图所有bin中,根据重新分布的所述直方图进行均衡化,同时采用伽马校正提升暗部细节。
本申请提供的另一种实施方式为:对于像素值i,经过伽马矫正后的数值为256*((i+ 0.5)/256)γ-0.5,其中γ为伽马校正参数。
本申请提供的另一种实施方式为:还包括采用局部对比度对所述增强图像进行对比度度量,局部对比度数值越大则对比度越高。
本申请提供的另一种实施方式为:所述采用局部对比度对所述增强图像进行对比度度量包括计算所述亮度通道的每个图像块局部方差,将所有所述图像块局部方差进行平均得到对比度数值。
本申请还提供一种终端设备,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,所述处理器执行所述计算机程序时实现所述的方法。
本申请还体用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,所述计算机程序被处理器执行时实现所述的方法。
3.有益效果
与现有技术相比,本申请提供的一种低照度图像增强方法的有益效果在于:
本申请提供的低照度图像增强方法,为一种基于限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,简称CLAHE)的电力传输系统低照度图像增强方法。
本申请提供的低照度图像增强方法,能够提升低照度拍摄条件下的图像的对比度,在增强细节的同时,抑制噪声放大,并进行实时处理。
本申请提供的低照度图像增强方法,使架空输电系统中的绝缘子、杆塔、导线、防震锤等能通过图像进行识别,为远程缺陷检测提供支持。
附图说明
图1是本申请的实施例中低照度图像示意图;
图2是本申请的实施例中增强图像示意图;
图3是本申请的低照度图像直方图与增强图像直方图对比示意图;
图4是本申请的终端设备结构示意图。
具体实施方式
在下文中,将参考附图对本申请的具体实施例进行详细地描述,依照这些详细的描述,所述领域技术人员能够清楚地理解本申请,并能够实施本申请。在不违背本申请原理的情况下,各个不同的实施例中的特征可以进行组合以获得新的实施方式,或者替代某些实施例中的某些特征,获得其它优选的实施方式。
参见图1~4,本申请提供一种低照度图像增强方法,所述方法包括对低照度图像进行亮度通道和色度通道分离,采用对比度自适应直方图均衡化对所述亮度通道进行对比度增强得到亮度增强通道,将所述亮度增强通道与所述色度通道进行结合转换到RGB色彩空间得到增强图像。
进一步地,所述对低照度图像进行亮度通道和色度通道分离包括将所述低照度图像从 RGB色彩空间转换为YCbCr色彩空间;从而分离亮度通道和色度通道。
为了避免图像色度的变化,本申请首先将输入图像从RGB空间转化为YCbCr空间,从而仅针对亮度通道进行增强而避免色度通道的改变。
具体地,假设输入图由RGB三个通道组成,分别为R(x,y),G(x,y),B(x,y),其中(x,y)为像素索引。对应的亮度通道Y(x,y)和色度通道Cb(x,y)和Cr(x,y)通过如下方式计算,
Y=0.299*R+0.587*G+0.114*B,
Cb=0.564*(B-Y)+128,
Cr=0.713*(R-Y)+128。
进一步地,所述进行对比度增强包括对所述亮度通道中的每个像素,根据所述像素的领域像素建立直方图;根据所述直方图得到与所述直方图对应的累积分布函数,根据所述累积分布函数通过转换函数进行所述直方图均衡化。
具体的,对亮度通道Y(x,y)中的每个像素(x,y),基于其邻域像素建立直方图,
其中nx,y(i)为像素(x,y)邻域中像素值为i的像素个数,n为邻域的总像素个数,本申请的方法中n设置为64,对应8*8邻域。对应的累积分布函数为,
基于该累计分布函数,通过如下转化函数进行直方图均衡化,
fx,y(i)=255×cx,y(i),
进一步地,所述低照度图像包括平滑区域,所述对比度自适应直方图均衡化对所述平滑区域的对比度进行限制。
进一步地,所述限制包括将所述直方图中大于预设阈值的像素标记为截断像素,对所述截断像素进行截断,将被截断部分像素均匀分配到被截断的所述直方图所有bin中,根据重新分布的所述直方图进行均衡化,同时采用伽马校正提升暗部细节。
进一步地,对于像素值i,经过伽马矫正后的数值为256*((i+0.5)/256)γ-0.5,其中γ为伽马校正参数。
为了避免平滑区域中对比度过度增强,造成噪声放大并影响后续检测精度,本申请的方法基于CLAHE对平滑区域的对比度方法进行限制。具体而言,在预设的阈值φ=2下,对直方图进行截断。接着,截断部分被均匀分配到被截断后的直方图中。基于重新分布后的直方图进行均衡化,并利用伽马矫正进一步提升暗部细节,参数设置为γ=0.7。
这里预设的阈值,是CLAHE算法采用的默认设置。
进一步地,还包括采用局部对比度对所述增强图像进行对比度度量,局部对比度数值越大则对比度越高。
进一步地,所述采用局部对比度对所述增强图像进行对比度度量包括计算所述亮度通道的每个图像块局部方差,将所有所述图像块局部方差进行平均得到对比度数值。
如图4所示,本申请还提供一种终端设备,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,所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
该实施例的终端设备包括:至少一个处理器(图4中仅示出一个)处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现下述任意各个代谢路径预测方法实施例中的步骤。
所述终端设备可以是台式计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,仅仅是终端设备的举例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器在一些实施例中可以是所述终端设备的内部存储单元,例如终端设备的硬盘或内存。所述存储器在另一些实施例中也可以是所述终端设备的外部存储设备,例如所述终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,MC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。
进一步地,所述存储器还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了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,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现可实现上述各个方法实施例中的步骤。所述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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/ 终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM, Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,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。
所述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。
实施例
如图1和2所示,以低照度无人机图像为输入(图1中左图),由于逆光,采集图像对比度低,细节不清晰。采用输入:低照度图像R,G,B通道,直方图截断参数φ=2,CLAHE 邻域大小n=64,伽马矫正参数γ=0.7;步骤1:将R,G,B转换为Y,Cb,Cr;步骤2:基于CLAHE对Y通道进行对比度增强;步骤3:对CLAHE结果进行伽马矫正,得到步骤4:将Cb,Cr转化为输出:对比度增强结果图通道。经过增强后,可明显观察到细节清晰度的增强,并且几乎没有噪声的方法。
图1为低照度输入图片,图2为经过增强的结果图。为清楚显示,对矩形中的图像块进行了放大。图3显示的是图1和图2对比图对应的直方图对比,可以看到低对比度输入的数值主要集中在数值范围的上限和下限,而经过本申请的方法增强后,直方图被均衡化,因此能够恢复出细节结构。
利用局部对比度(local contrast measure,简称LCM)进行对比度度量。LCM对亮度通道的每个图像块bl计算局部方差,
其中k=30为图像块大小,为图像块像素平均值。对于整张图Y的LCM(Y),通过将所有图像块LCM(bl)进行平均得到。LCM数值越大代表对比度越高,下表为输入和输出的LCM对比,可以看到,本申请的方法大大提升了结果对比度,从0.0570到0.0745,提升高达30%。
表格1.输入输出图LCM对比
本领域普通技术人员可以意识到,结合本申请中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
Claims (10)
1.一种低照度图像增强方法,其特征在于:所述方法包括对低照度图像进行亮度通道和色度通道分离,采用对比度自适应直方图均衡化对所述亮度通道进行对比度增强得到亮度增强通道,将所述亮度增强通道与所述色度通道进行结合转换得到增强图像。
2.如权利要求1所述的低照度图像增强方法,其特征在于:所述对低照度图像进行亮度通道和色度通道分离包括将所述低照度图像从RGB色彩空间转换为YCbCr色彩空间。
3.如权利要求1所述的低照度图像增强方法,其特征在于:所述进行对比度增强包括对所述亮度通道中的每个像素,根据所述像素的领域像素建立直方图;根据所述直方图得到与所述直方图对应的累积分布函数,根据所述累积分布函数通过转换函数进行所述直方图均衡化。
4.如权利要求3所述的低照度图像增强方法,其特征在于:所述低照度图像包括平滑区域,所述对比度自适应直方图均衡化对所述平滑区域的对比度进行限制。
5.如权利要求4所述的低照度图像增强方法,其特征在于:所述限制包括将所述直方图中大于预设阈值的像素标记为截断像素,对所述截断像素进行截断,将被截断部分像素均匀分配到被截断的所述直方图所有bin中,根据重新分布的所述直方图进行均衡化,同时采用伽马校正提升暗部细节。
6.如权利要求5所述的低照度图像增强方法,其特征在于:对于像素值i,经过伽马矫正后的数值为256*((i+0.5)/256)γ-0.5,其中γ为伽马校正参数。
7.如权利要求1~6中任一项所述的低照度图像增强方法,其特征在于:还包括采用局部对比度对所述增强图像进行对比度度量,局部对比度数值越大则对比度越高。
8.如权利要求7所述的低照度图像增强方法,其特征在于:所述采用局部对比度对所述增强图像进行对比度度量包括计算所述亮度通道的每个图像块局部方差,将所有所述图像块局部方差进行平均得到对比度数值。
9.一种终端设备,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:所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。
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:所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210545190.XA CN114998122A (zh) | 2022-05-19 | 2022-05-19 | 一种低照度图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210545190.XA CN114998122A (zh) | 2022-05-19 | 2022-05-19 | 一种低照度图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114998122A true CN114998122A (zh) | 2022-09-02 |
Family
ID=83026631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210545190.XA Pending CN114998122A (zh) | 2022-05-19 | 2022-05-19 | 一种低照度图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998122A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116205908A (zh) * | 2023-04-27 | 2023-06-02 | 阳谷新太平洋电缆有限公司 | 基于卷积神经网络的电缆同轴度视觉检测的方法 |
CN117218043A (zh) * | 2023-11-09 | 2023-12-12 | 深圳市锐能安防科技有限公司 | 基于监控图像质量的摄像头调控方法 |
-
2022
- 2022-05-19 CN CN202210545190.XA patent/CN114998122A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116205908A (zh) * | 2023-04-27 | 2023-06-02 | 阳谷新太平洋电缆有限公司 | 基于卷积神经网络的电缆同轴度视觉检测的方法 |
CN117218043A (zh) * | 2023-11-09 | 2023-12-12 | 深圳市锐能安防科技有限公司 | 基于监控图像质量的摄像头调控方法 |
CN117218043B (zh) * | 2023-11-09 | 2024-02-02 | 深圳市锐能安防科技有限公司 | 基于监控图像质量的摄像头调控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107680056B (zh) | 一种图像处理方法及装置 | |
CN111292269B (zh) | 图像色调映射方法、计算机装置及计算机可读存储介质 | |
JP7508135B2 (ja) | 画像処理方法、画像処理装置、電子機器、及びコンピュータプログラム | |
CN111163268B (zh) | 一种图像处理方法、装置以及计算机存储介质 | |
CN111161188B (zh) | 降低图像色彩噪声的方法、计算机装置及可读存储介质 | |
CN114998122A (zh) | 一种低照度图像增强方法 | |
CN111885312B (zh) | Hdr图像的成像方法、系统、电子设备及存储介质 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN110944176B (zh) | 图像帧降噪方法和计算机存储介质 | |
CN113168669B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN115496668A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
EP4014479B1 (en) | Adaptive image data linearization for hdr image sensors | |
CN111226256A (zh) | 用于图像动态范围调整的系统和方法 | |
CN113935911A (zh) | 高动态范围视频图像处理方法、计算机装置及计算机可读存储介质 | |
CN110807735A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN114374793A (zh) | 曝光控制方法、装置、设备及存储介质 | |
US11640654B2 (en) | Image processing method and apparatus | |
CN111539975B (zh) | 一种运动目标的检测方法、装置、设备及存储介质 | |
CN107358592B (zh) | 一种迭代式全局自适应图像增强方法 | |
TWM458747U (zh) | 影像處理模組 | |
CN114467298A (zh) | 一种图像信号转换处理方法、装置及终端设备 | |
CN111970501A (zh) | 纯色场景ae色彩处理方法、装置、电子设备及存储介质 | |
CN114390266B (zh) | 一种图像白平衡处理方法、设备及计算机可读存储介质 | |
CN111242087B (zh) | 物体识别方法及装置 | |
TWI556643B (zh) | Image adjustment method |
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 |