CN115100081A - Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 - Google Patents
Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115100081A CN115100081A CN202211016101.9A CN202211016101A CN115100081A CN 115100081 A CN115100081 A CN 115100081A CN 202211016101 A CN202211016101 A CN 202211016101A CN 115100081 A CN115100081 A CN 115100081A
- Authority
- CN
- China
- Prior art keywords
- image
- pass
- pixel
- low
- gray
- 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
- 238000001914 filtration Methods 0.000 claims abstract description 82
- 230000004927 fusion Effects 0.000 claims abstract description 54
- 230000002708 enhancing effect Effects 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 238000000265 homogenisation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002187 spin decoupling employing ultra-broadband-inversion sequences generated via simulated annealing Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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 using local operators
-
- 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 using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种LCD显示屏灰阶图像增强方法,包括:识别LCD显示屏的展示画面内每个像素的色彩三分量;将每个像素的色彩三分量映射为三维分量灰度值;记录每个像素对应的三维分量灰度值的灰度分量比例,并确定每个像素对应的三维分量灰度值的均值为均化灰度,得到均化灰度图;对均化灰度图进行多维低通滤波,得到均化灰度图的低通图像;对均化灰度图进行多维高通滤波,得到均化灰度图的高通图像;将低通图像与高通图像进行分块特征融合,得到融合图像;将融合图像中每个像素按照灰度分量比例进行色彩还原,得到展示画面的增强图像。本发明还提出一种LCD显示屏灰阶图像增强装置、设备及介质。本发明可以提高图像增强的效果。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种LCD显示屏灰阶图像增强方法、装置、电子设备及计算机可读存储介质。
背景技术
随着电子科技的发展,越来越多的人使用电子产品进行视频通话、看电影、浏览千里之外的风景等,拥有一个质量较高的显示画面,会极大程度的提升用户在实用产品时的体验。
现有技术中往往采用质量更高端的硬件屏幕来提升显示画面的质量,但对于大多数电子产品来说,屏幕是固定的,难以让用户自行更换;现有方法中还可通过对画面进行对比度拉升、色阶细化调整等操作实现图像增强,但当图像中包含的信息较多,且图像内容过大时,会造成增强效率低下、精确度不足等缺点,最终对图像进行增强的效果不够显著。
发明内容
本发明提供一种LCD显示屏灰阶图像增强方法、装置及计算机可读存储介质,其主要目的在于解决进行图像增强时的效果较差的问题。
为实现上述目的,本发明提供的一种LCD显示屏灰阶图像增强方法,包括:
获取LCD显示屏的展示画面,识别所述展示画面内每个像素的色彩三分量;
将每个像素的所述色彩三分量映射至预设灰度区间,得到每个像素点的三维分量灰度值;
记录每个像素对应的三维分量灰度值的灰度分量比例,并确定每个像素对应的所述三维分量灰度值的均值为均化灰度,得到均化灰度图;
对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像;
对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像;
将所述低通图像与所述高通图像进行分块特征融合,得到融合图像;
将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像。
可选地,所述记录每个像素对应的三维分量灰度值的灰度分量比例,包括:
以所述展示画面的中心像素点为原点构建像素坐标系;
根据所述像素坐标系确定所述展示画面内每个像素的像素坐标;
逐个从所述展示画面内选取其中一个像素为目标像素,将所述目标像素对应的三维分量灰度值作为所述目标像素的像素坐标的下标进行记录。
可选地,所述将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像,包括:
识别所述融合图像内每个像素的灰阶数值;
将所述融合图像映射至所述像素坐标系内,得到所述融合图像中每个像素在所述像素坐标系内对应的像素坐标;
根据所述像素坐标查询所述融合图像中每个像素的灰度分量比例;
按照所述比例将所述融合图像中每个像素的灰阶数值拆分为三维分量灰度值,并按照所述三维分量灰度值对所述融合图像进行显示,得到所述展示画面的增强图像。
可选地,所述对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像,包括:
利用如下第一低通滤波函数对所述均化灰度图进行低通滤波,得到第一低通图像:
利用如下第二低通滤波函数对所述均化灰度图进行低通滤波,得到第二低通图像:
将所述第一低通图像与所述第二低通图像内对应位置像素的像素值相加取均值,得到低通中间图像;
对所述低通中间图像进行傅里叶变换,得到所述均化灰度图的低通图像。
可选地,所述对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像,包括:
利用如下第一高通滤波函数对所述均化灰度图进行高通滤波,得到第一高通图像:
利用如下第二高通滤波函数对所述均化灰度图进行高通滤波,得到第二高通图像:
将所述第一高通图像与所述第二高通图像内对应位置像素的像素值相加取均值,得到高通中间图像;
对所述高通中间图像进行傅里叶变换,得到所述均化灰度图的高通图像。
可选地,所述将所述低通图像与所述高通图像进行分块特征融合,得到融合图像,包括:
按照预设的尺寸比例分别将所述低通图像划分为多个低通图像块,以及按照与所述低通图像相同的尺寸比例将所述高通图像划分为多个高通图像块;
逐个选取其中一个低通图像块为目标低通图像块,以及选取与所述目标低通图像块对应的高通图像块为目标高通图像块;
对所述目标低通图像块与所述目标高通图像块进行特征融合,得到融合图像块,并将所有融合图像块拼接为所述融合图像。
可选地,所述对所述目标低通图像块与所述目标高通图像块进行特征融合,得到融合图像块,包括:
利用预设的第一特征通道识别所述目标低通图像块的第一区域特征,以及利用预设的第二特征通道识别所述目标高通图像块的第二区域特征,其中,所述第一区域特征与所述第二区域特征不相同,所述第一区域特征与所述第二区域特征属于角点特征、斑点特征、边缘特征、直线特征、纹理特征其中的两种不同特征;
利用预设的特征金字塔网络将所述第一区域特征与所述第二区域进行特征融合,得到融合图像块。
为了解决上述问题,本发明还提供一种LCD显示屏灰阶图像增强装置,所述装置包括:
像素处理模块,用于获取LCD显示屏的展示画面,识别所述展示画面内每个像素的色彩三分量,将每个像素的所述色彩三分量映射至预设灰度区间,得到每个像素点的三维分量灰度值;
灰度均化模块,用于记录每个像素对应的三维分量灰度值的灰度分量比例,并确定每个像素对应的所述三维分量灰度值的均值为均化灰度,得到均化灰度图;
图像滤波模块,用于对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像,对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像;
特征融合模块,用于将所述低通图像与所述高通图像进行分块特征融合,得到融合图像;
色彩还原模块,用于将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的LCD显示屏灰阶图像增强方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的LCD显示屏灰阶图像增强方法。
本发明实施例通过识别展示画面内每个像素的色彩三分量,以及记录每个像素对应的三维分量灰度值的灰度分量比例,可实现对展示画面的降维处理,以提升对展示画面进行图像增强的效率;同时,利用多维低通滤波和多维高通滤波分别对图像进行处理,以获取图像中不包含噪音的信息以及处于噪音内的细节信息,并结合生成的低通图像和高通图像进行分块特征融合,得到融合图像,实现了在对图像进行增强时,保留了图像内更多的信息,提升了图像增强的精确度;进一步地,利用预先记录的灰度分量比例对融合图像进行色彩还原,实现了对展示画面进行像素粒度的精确还原,提升了图像增强的精确度。因此本发明提出的LCD显示屏灰阶图像增强方法、装置、电子设备及计算机可读存储介质,可以解决进行图像增强时的效果较差的问题。
附图说明
图1为本发明一实施例提供的LCD显示屏灰阶图像增强方法的流程示意图;
图2为本发明一实施例提供的记录每个像素对应的三维分量灰度值的灰度分量比例的流程示意图;
图3为本发明一实施例提供的将低通图像与高通图像进行分块特征融合的流程示意图;
图4为本发明一实施例提供的LCD显示屏灰阶图像增强装置的功能模块图;
图5为本发明一实施例提供的实现所述LCD显示屏灰阶图像增强方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种LCD显示屏灰阶图像增强方法。所述LCD显示屏灰阶图像增强方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述LCD显示屏灰阶图像增强方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的LCD显示屏灰阶图像增强方法的流程示意图。在本实施例中,所述LCD显示屏灰阶图像增强方法包括:
S1、获取LCD显示屏的展示画面,识别所述展示画面内每个像素的色彩三分量。
本发明实施例中,所述LCD显示屏可以为任何具有液晶显示功能的电子屏幕。例如,电脑液晶显示屏、平板液晶显示屏等。
详细地,可实时对所述LCD显示屏内的画面进行监控,以获取该LCD显示屏的展示画面。
本发明其中一个实际应用场景中,由于LCD屏幕在对所述监控画面进行展示时,是在每个像素点内将三原色(红、绿、蓝)按照不同的灰阶进行组合,以显示出多种绚丽的色彩,但由于所述展示画面内像素众多,且所述展示画面内每个像素均由三原色的分量组合而成,因此,为了是实现对所述展示画面的精确分析,可识别所述展示画面内每个像素的色彩三分量。
本发明实施例中,可利用预设的图像处理软件对所述展示画面内每个像素的色彩哦三分量进行识别,其中,所述图像处理软件包括但不限于MATLAB、OpenCV等。
S2、将每个像素的所述色彩三分量映射至预设灰度区间,得到每个像素点的三维分量灰度值。
本发明实施例中,为了实现对所述展示画面中每个色彩三分量的统一化运算,可将每个像素的所述色彩三分量映射至预设灰度区间,得到每个像素点的三维分量灰度值。
详细地,所述预设灰度区间为预先对0-255的灰阶划分得到的多个不同灰阶区间,优选地,所述预设灰度区间为256个,可利用预设的映射函数将将每个像素的所述色彩三分量映射至预设灰度区间,其中,所述映射函数包括但不限于高斯函数、map函数。
本发明实施例中,将所述色彩三分量映射至预设灰度区间,可是实现对不同色彩分量的统一化,以减少由于色彩信息过多导致后续分析计算占用大量计算资源,从而提升对LCD屏幕内的展示画面进行图像增强的效率。
S3、记录每个像素对应的三维分量灰度值的灰度分量比例,并确定每个像素对应的所述三维分量灰度值的均值为均化灰度,得到均化灰度图。
本发明其中一个实际应用场景中,对LCD屏幕内的展示画面进行图像增强,最终需要将转换至所述预设灰度区间的图像再还原为彩色,但由于彩色的像素点是由不同灰阶的色彩三分量组合而成,因此,为了实现后续对转换至所述预设灰度区间内的展示画面进行还原,可记录每个像素对应的三维分量灰度值的灰度分量比例。
本发明实施例中,参图2所示,所述记录每个像素对应的三维分量灰度值的灰度分量比例,包括:
S21、以所述展示画面的中心像素点为原点构建像素坐标系;
S22、根据所述像素坐标系确定所述展示画面内每个像素的像素坐标;
S23、逐个从所述展示画面内选取其中一个像素为目标像素,将所述目标像素对应的三维分量灰度值作为所述目标像素的像素坐标的下标进行记录。
详细地,通过坐标系的方式对所述展示画面内每个像素点的三维分量灰度值进行记录,可实现利用精确的坐标位置对所述展示画面内众多像素点的三维分量灰度值的精确记录,进而提升后续还原出的增强图像的精确度,
本发明实施例中,可确定每个像素对应的所述三维分量灰度值的均值为均化灰度,进而将所述展示画面内每个像素的像素值利用该均化灰度进行替代,得到均化灰度图,实现对展示画面维度的降低,以提升进行图像增强的效率。
S4、对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像。
本发明其中一个实际应用场景中,由于图片在传输与展示过程中,噪声主要集中在高频部分,因此,为了去除图像中的噪声,增强图像的质量,可采用滤波器对图像进行低通滤波,来抑制图像中的高频成分,捕获图像内的低频成分,实现对图像质量的增强。
详细地,由于单一的滤波会造成图像中某些特定的特征被滤除,因此,本发明实施例可采用多维滤波,以综合考量图像中原本所包含的特征,避免特征的大量丢失。
本发明实施例中,所述对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像,包括:
利用如下第一低通滤波函数对所述均化灰度图进行低通滤波,得到第一低通图像:
利用如下第二低通滤波函数对所述均化灰度图进行低通滤波,得到第二低通图像:
将所述第一低通图像与所述第二低通图像内对应位置像素的像素值相加取均值,得到低通中间图像;
对所述低通中间图像进行傅里叶变换,得到所述均化灰度图的低通图像。
本发明实施例中,分别利用不同的低通滤波该函数对所述均化灰度图像进行低通滤波,并均值融合的方式将所述第一低通图像与所述第二低通图像内对应位置像素的像素值相加取均值,得到低通中间图像,再通过傅里叶变换实现对该低通中间图像频域的转换,得到所述均化灰度图的低通图像;有利于在生成的低通图像内保留更多所述展示画面中原本包含的特征,进而有利于提升最终进行图像增强的精确度。
S5、对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像。
本发明其中一个实际应用场景中,图像在传输与展示的过程中,图像内的高频部分虽包含着图像的噪音,但与此同时,图像中的细节部分也与其频率的高频分量相对应,即图像内的细节部分也包含在图像内的高频部分。
因此,为了实现对所述展示画面的高效果增强,可对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像,以获取该均化灰度图内的图像细节,进而在后续进行图像增强时结合更多特征,提升图像增强的效果。
本发明实施例中,所述对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像,包括:
利用如下第一高通滤波函数对所述均化灰度图进行高通滤波,得到第一高通图像:
利用如下第二高通滤波函数对所述均化灰度图进行高通滤波,得到第二高通图像:
将所述第一高通图像与所述第二高通图像内对应位置像素的像素值相加取均值,得到高通中间图像;
对所述高通中间图像进行傅里叶变换,得到所述均化灰度图的高通图像。
本发明实施例中,分别利用不同的高通滤波该函数对所述均化灰度图像进行高通滤波,并均值融合的方式将所述第一高通图像与所述第二高通图像内对应位置像素的像素值相加取均值,得到高通中间图像,再通过傅里叶变换实现对该高通中间图像频域的转换,得到所述均化灰度图的高通图像;有利于在生成的高通图像内保留更多所述展示画面中原本包含的细节,进而有利于提升最终进行图像增强的效果。
S6、将所述低通图像与所述高通图像进行分块特征融合,得到融合图像。
本发明实施例中,为了结合所述低通图像内包含的无噪声信息,以及所述高通图像内包含的细节信息,可将所述低通图像与所述高通图像进行特征融合,得到特征图像。
详细地,由于所述低通图像与所述高通图像内内包含的信息均较多,若直接对两张图像进行融合,会占用较多计算资源,导致融合效率低下,因此,本发明实施例可将所述低通图像与所述高通图像划分为对应的图像块,并将对应的图像块进行融合,以最终生成所述低通图像与所述高通图像的融合图像。
本发明实施例中,参图3所示,所述将所述低通图像与所述高通图像进行分块特征融合,得到融合图像,包括:
S31、按照预设的尺寸比例分别将所述低通图像划分为多个低通图像块,以及按照与所述低通图像相同的尺寸比例将所述高通图像划分为多个高通图像块;
S32、逐个选取其中一个低通图像块为目标低通图像块,以及选取与所述目标低通图像块对应的高通图像块为目标高通图像块;
S33、对所述目标低通图像块与所述目标高通图像块进行特征融合,得到融合图像块,并将所有融合图像块拼接为所述融合图像。
详细地,可按照既定的尺寸比例分别将所述低通图像与所述高通图像划分为多个图像块,并逐个对不同图像块进行特征融合,进而融合得到的融合图像块拼接为所述融合图像,可避免直接对低通图像与高通图像的直接融合,提升融合效率。
较佳地,所述所述将所述低通图像与所述高通图像进行分块特征融合时,不同图像块的特征融合可同步并发进行,以进一步提升融合效率。
进一步地,所述对所述目标低通图像块与所述目标高通图像块进行特征融合,得到融合图像块,包括:
利用预设的第一特征通道识别所述目标低通图像块的第一区域特征,以及利用预设的第二特征通道识别所述目标高通图像块的第二区域特征,其中,所述第一区域特征与所述第二区域特征不相同,所述第一区域特征与所述第二区域特征属于角点特征、斑点特征、边缘特征、直线特征、纹理特征其中的两种不同特征;
利用预设的特征金字塔网络将所述第一区域特征与所述第二区域进行特征融合,得到融合图像块。
详细地,所述第一特征通道与所述第二特征通道为预先利用特征检测算子构建的特征通道,可实现对图像块内不同类型特征的提取。
例如,当需要从图像块内提取的特征为角点特征时,可利用角点检测算子(如Harris算子、SUSAN算子、CSS算子、features from accelerated segment test算子等)构建特征通道;当需要从图像块内提取的特征为斑点特征时,可利用斑点检测算子(如DoG算子、Multi-Scale Harris算子、SIFT算子、SURF算子等)构建特征通道。
进一步地,本发明实施例中,可将不同特征通道的特征分别映射至预设的特征金字塔网络的不同层次中,进而逐层将映射至特征金字塔网络中的第一区域特征与第二区域特征进行自顶向下的融合,得到所述融合图像块。
S7、将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像。
本发明实施例中,生成所述述融合图像后,该融合图像内每个像素依旧是以统一灰阶数值表示的图像,没有色彩信息,因此,需要将所述融合图像进行色彩还原。
本发明实施例中,所述将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像,包括:
识别所述融合图像内每个像素的灰阶数值;
将所述融合图像映射至所述像素坐标系内,得到所述融合图像中每个像素在所述像素坐标系内对应的像素坐标;
根据所述像素坐标查询所述融合图像中每个像素的灰度分量比例;
按照所述比例将所述融合图像中每个像素的灰阶数值拆分为三维分量灰度值,并按照所述三维分量灰度值对所述融合图像进行显示,得到所述展示画面的增强图像。
详细地,可根据所述像素坐标从S3中记录的展示画面中每个像素的像素坐标,以及每个像素坐标的下标记录的三维分量灰度值内查询所述融合图像中每个像素的灰度分量比例。
本发明实施例中,通过将融合图像中每个像素按照灰度分量比例进行色彩还原,可实现对最初的展示画面中色彩比例的最大保留,有利于提升对所述展示画面进行图像增强的精确度。
本发明实施例通过识别展示画面内每个像素的色彩三分量,以及记录每个像素对应的三维分量灰度值的灰度分量比例,可实现对展示画面的降维处理,以提升对展示画面进行图像增强的效率;同时,利用多维低通滤波和多维高通滤波分别对图像进行处理,以获取图像中不包含噪音的信息以及处于噪音内的细节信息,并结合生成的低通图像和高通图像进行分块特征融合,得到融合图像,实现了在对图像进行增强时,保留了图像内更多的信息,提升了图像增强的精确度;进一步地,利用预先记录的灰度分量比例对融合图像进行色彩还原,实现了对展示画面进行像素粒度的精确还原,提升了图像增强的精确度。因此本发明提出的LCD显示屏灰阶图像增强方法,可以解决进行图像增强时的效果较差的问题。
如图4所示,是本发明一实施例提供的LCD显示屏灰阶图像增强装置的功能模块图。
本发明所述LCD显示屏灰阶图像增强装置100可以安装于电子设备中。根据实现的功能,所述LCD显示屏灰阶图像增强装置100可以包括像素处理模块101、灰度均化模块102、图像滤波模块103、特征融合模块104及色彩还原模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述像素处理模块101,用于获取LCD显示屏的展示画面,识别所述展示画面内每个像素的色彩三分量,将每个像素的所述色彩三分量映射至预设灰度区间,得到每个像素点的三维分量灰度值;
所述灰度均化模块102,用于记录每个像素对应的三维分量灰度值的灰度分量比例,并确定每个像素对应的所述三维分量灰度值的均值为均化灰度,得到均化灰度图;
所述图像滤波模块103,用于对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像,对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像;
所述特征融合模块104,用于将所述低通图像与所述高通图像进行分块特征融合,得到融合图像;
所述色彩还原模块105,用于将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像。
详细地,本发明实施例中所述LCD显示屏灰阶图像增强装置100中所述的各模块在使用时采用与上述图1至图3中所述的LCD显示屏灰阶图像增强方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现LCD显示屏灰阶图像增强方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如LCD显示屏灰阶图像增强程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行LCD显示屏灰阶图像增强程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如LCD显示屏灰阶图像增强程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图中示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的LCD显示屏灰阶图像增强程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取LCD显示屏的展示画面,识别所述展示画面内每个像素的色彩三分量;
将每个像素的所述色彩三分量映射至预设灰度区间,得到每个像素点的三维分量灰度值;
记录每个像素对应的三维分量灰度值的灰度分量比例,并确定每个像素对应的所述三维分量灰度值的均值为均化灰度,得到均化灰度图;
对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像;
对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像;
将所述低通图像与所述高通图像进行分块特征融合,得到融合图像;
将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取LCD显示屏的展示画面,识别所述展示画面内每个像素的色彩三分量;
将每个像素的所述色彩三分量映射至预设灰度区间,得到每个像素点的三维分量灰度值;
记录每个像素对应的三维分量灰度值的灰度分量比例,并确定每个像素对应的所述三维分量灰度值的均值为均化灰度,得到均化灰度图;
对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像;
对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像;
将所述低通图像与所述高通图像进行分块特征融合,得到融合图像;
将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,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等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种LCD显示屏灰阶图像增强方法,其特征在于,所述方法包括:
获取LCD显示屏的展示画面,识别所述展示画面内每个像素的色彩三分量;
将每个像素的所述色彩三分量映射至预设灰度区间,得到每个像素点的三维分量灰度值;
记录每个像素对应的三维分量灰度值的灰度分量比例,并确定每个像素对应的所述三维分量灰度值的均值为均化灰度,得到均化灰度图;
对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像;
对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像;
将所述低通图像与所述高通图像进行分块特征融合,得到融合图像;
将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像。
2.如权利要求1所述的LCD显示屏灰阶图像增强方法,其特征在于,所述记录每个像素对应的三维分量灰度值的灰度分量比例,包括:
以所述展示画面的中心像素点为原点构建像素坐标系;
根据所述像素坐标系确定所述展示画面内每个像素的像素坐标;
逐个从所述展示画面内选取其中一个像素为目标像素,将所述目标像素对应的三维分量灰度值作为所述目标像素的像素坐标的下标进行记录。
3.如权利要求2所述的LCD显示屏灰阶图像增强方法,其特征在于,所述将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像,包括:
识别所述融合图像内每个像素的灰阶数值;
将所述融合图像映射至所述像素坐标系内,得到所述融合图像中每个像素在所述像素坐标系内对应的像素坐标;
根据所述像素坐标查询所述融合图像中每个像素的灰度分量比例;
按照所述比例将所述融合图像中每个像素的灰阶数值拆分为三维分量灰度值,并按照所述三维分量灰度值对所述融合图像进行显示,得到所述展示画面的增强图像。
4.如权利要求1所述的LCD显示屏灰阶图像增强方法,其特征在于,所述对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像,包括:
利用如下第一低通滤波函数对所述均化灰度图进行低通滤波,得到第一低通图像:
利用如下第二低通滤波函数对所述均化灰度图进行低通滤波,得到第二低通图像:
将所述第一低通图像与所述第二低通图像内对应位置像素的像素值相加取均值,得到低通中间图像;
对所述低通中间图像进行傅里叶变换,得到所述均化灰度图的低通图像。
5.如权利要求1所述的LCD显示屏灰阶图像增强方法,其特征在于,所述对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像,包括:
利用如下第一高通滤波函数对所述均化灰度图进行高通滤波,得到第一高通图像:
利用如下第二高通滤波函数对所述均化灰度图进行高通滤波,得到第二高通图像:
将所述第一高通图像与所述第二高通图像内对应位置像素的像素值相加取均值,得到高通中间图像;
对所述高通中间图像进行傅里叶变换,得到所述均化灰度图的高通图像。
6.如权利要求1至5中任一项所述的LCD显示屏灰阶图像增强方法,其特征在于,所述将所述低通图像与所述高通图像进行分块特征融合,得到融合图像,包括:
按照预设的尺寸比例分别将所述低通图像划分为多个低通图像块,以及按照与所述低通图像相同的尺寸比例将所述高通图像划分为多个高通图像块;
逐个选取其中一个低通图像块为目标低通图像块,以及选取与所述目标低通图像块对应的高通图像块为目标高通图像块;
对所述目标低通图像块与所述目标高通图像块进行特征融合,得到融合图像块,并将所有融合图像块拼接为所述融合图像。
7.如权利要求6所述的LCD显示屏灰阶图像增强方法,其特征在于,所述对所述目标低通图像块与所述目标高通图像块进行特征融合,得到融合图像块,包括:
利用预设的第一特征通道识别所述目标低通图像块的第一区域特征,以及利用预设的第二特征通道识别所述目标高通图像块的第二区域特征,其中,所述第一区域特征与所述第二区域特征不相同,所述第一区域特征与所述第二区域特征属于角点特征、斑点特征、边缘特征、直线特征、纹理特征其中的两种不同特征;
利用预设的特征金字塔网络将所述第一区域特征与所述第二区域进行特征融合,得到融合图像块。
8.一种LCD显示屏灰阶图像增强装置,其特征在于,所述装置包括:
像素处理模块,用于获取LCD显示屏的展示画面,识别所述展示画面内每个像素的色彩三分量,将每个像素的所述色彩三分量映射至预设灰度区间,得到每个像素点的三维分量灰度值;
灰度均化模块,用于记录每个像素对应的三维分量灰度值的灰度分量比例,并确定每个像素对应的所述三维分量灰度值的均值为均化灰度,得到均化灰度图;
图像滤波模块,用于对所述均化灰度图进行多维低通滤波,得到所述均化灰度图的低通图像,对所述均化灰度图进行多维高通滤波,得到所述均化灰度图的高通图像;
特征融合模块,用于将所述低通图像与所述高通图像进行分块特征融合,得到融合图像;
色彩还原模块,用于将所述融合图像中每个像素按照所述灰度分量比例进行色彩还原,得到所述展示画面的增强图像。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的LCD显示屏灰阶图像增强方法。
10.一种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7中任意一项所述的LCD显示屏灰阶图像增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211016101.9A CN115100081B (zh) | 2022-08-24 | 2022-08-24 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211016101.9A CN115100081B (zh) | 2022-08-24 | 2022-08-24 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100081A true CN115100081A (zh) | 2022-09-23 |
CN115100081B CN115100081B (zh) | 2022-11-15 |
Family
ID=83300855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211016101.9A Active CN115100081B (zh) | 2022-08-24 | 2022-08-24 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100081B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1732475A (zh) * | 2002-11-06 | 2006-02-08 | 数码影像公司 | 用于多维图像增强的系统和方法 |
CN101833754A (zh) * | 2010-04-15 | 2010-09-15 | 青岛海信网络科技股份有限公司 | 图像增强方法及系统 |
US20160012323A1 (en) * | 2014-07-11 | 2016-01-14 | Océ-Technologies B.V. | Method for printing a grayscale raster image |
CN107103596A (zh) * | 2017-04-27 | 2017-08-29 | 湖南源信光电科技股份有限公司 | 一种基于yuv空间的彩色夜视图像融合方法 |
CN108549874A (zh) * | 2018-04-19 | 2018-09-18 | 广州广电运通金融电子股份有限公司 | 一种目标检测方法、设备及计算机可读存储介质 |
US20190333192A1 (en) * | 2017-01-05 | 2019-10-31 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for enhancing edges in images |
CN110533609A (zh) * | 2019-08-16 | 2019-12-03 | 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 |
CN111461143A (zh) * | 2020-03-31 | 2020-07-28 | 珠海格力电器股份有限公司 | 一种图片翻拍识别方法和装置及电子设备 |
CN111652816A (zh) * | 2020-05-28 | 2020-09-11 | 展讯通信(上海)有限公司 | 图像处理方法及相关设备 |
CN111861957A (zh) * | 2020-07-02 | 2020-10-30 | Tcl华星光电技术有限公司 | 图像融合方法及装置 |
CN111968119A (zh) * | 2020-10-21 | 2020-11-20 | 季华实验室 | 基于半导体缺陷检测的图像处理方法、装置、设备及介质 |
CN112528914A (zh) * | 2020-12-19 | 2021-03-19 | 东南数字经济发展研究院 | 一种细节信息逐步融入的卫星影像全色增强方法 |
CN112734650A (zh) * | 2019-10-14 | 2021-04-30 | 武汉科技大学 | 一种基于虚拟多曝光融合的不均匀光照图像增强方法 |
CN112819731A (zh) * | 2021-03-19 | 2021-05-18 | 广东众聚人工智能科技有限公司 | 灰度图像增强方法、装置、计算机设备及存储介质 |
CN214467569U (zh) * | 2021-02-28 | 2021-10-22 | 深圳佳弟子科技有限公司 | 一种透明度可调节的液晶显示屏 |
CN114202491A (zh) * | 2021-12-08 | 2022-03-18 | 深圳市研润科技有限公司 | 一种增强光学图像的方法及系统 |
CN114418914A (zh) * | 2022-01-18 | 2022-04-29 | 上海闻泰信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114529490A (zh) * | 2022-04-24 | 2022-05-24 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
CN114782260A (zh) * | 2022-03-21 | 2022-07-22 | 浙江大华技术股份有限公司 | 图像增强方法、电子设备及计算机可读存储介质 |
CN114882125A (zh) * | 2021-02-05 | 2022-08-09 | 武汉Tcl集团工业研究院有限公司 | 图像数据的灰度化方法、装置、终端设备及可读存储介质 |
CN114897753A (zh) * | 2022-05-13 | 2022-08-12 | 安徽工程大学 | 一种低照度图像增强方法 |
-
2022
- 2022-08-24 CN CN202211016101.9A patent/CN115100081B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1732475A (zh) * | 2002-11-06 | 2006-02-08 | 数码影像公司 | 用于多维图像增强的系统和方法 |
CN101833754A (zh) * | 2010-04-15 | 2010-09-15 | 青岛海信网络科技股份有限公司 | 图像增强方法及系统 |
US20160012323A1 (en) * | 2014-07-11 | 2016-01-14 | Océ-Technologies B.V. | Method for printing a grayscale raster image |
US20190333192A1 (en) * | 2017-01-05 | 2019-10-31 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for enhancing edges in images |
CN107103596A (zh) * | 2017-04-27 | 2017-08-29 | 湖南源信光电科技股份有限公司 | 一种基于yuv空间的彩色夜视图像融合方法 |
CN108549874A (zh) * | 2018-04-19 | 2018-09-18 | 广州广电运通金融电子股份有限公司 | 一种目标检测方法、设备及计算机可读存储介质 |
CN110533609A (zh) * | 2019-08-16 | 2019-12-03 | 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 |
CN112734650A (zh) * | 2019-10-14 | 2021-04-30 | 武汉科技大学 | 一种基于虚拟多曝光融合的不均匀光照图像增强方法 |
CN111461143A (zh) * | 2020-03-31 | 2020-07-28 | 珠海格力电器股份有限公司 | 一种图片翻拍识别方法和装置及电子设备 |
CN111652816A (zh) * | 2020-05-28 | 2020-09-11 | 展讯通信(上海)有限公司 | 图像处理方法及相关设备 |
CN111861957A (zh) * | 2020-07-02 | 2020-10-30 | Tcl华星光电技术有限公司 | 图像融合方法及装置 |
CN111968119A (zh) * | 2020-10-21 | 2020-11-20 | 季华实验室 | 基于半导体缺陷检测的图像处理方法、装置、设备及介质 |
CN112528914A (zh) * | 2020-12-19 | 2021-03-19 | 东南数字经济发展研究院 | 一种细节信息逐步融入的卫星影像全色增强方法 |
CN114882125A (zh) * | 2021-02-05 | 2022-08-09 | 武汉Tcl集团工业研究院有限公司 | 图像数据的灰度化方法、装置、终端设备及可读存储介质 |
CN214467569U (zh) * | 2021-02-28 | 2021-10-22 | 深圳佳弟子科技有限公司 | 一种透明度可调节的液晶显示屏 |
CN112819731A (zh) * | 2021-03-19 | 2021-05-18 | 广东众聚人工智能科技有限公司 | 灰度图像增强方法、装置、计算机设备及存储介质 |
CN114202491A (zh) * | 2021-12-08 | 2022-03-18 | 深圳市研润科技有限公司 | 一种增强光学图像的方法及系统 |
CN114418914A (zh) * | 2022-01-18 | 2022-04-29 | 上海闻泰信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114782260A (zh) * | 2022-03-21 | 2022-07-22 | 浙江大华技术股份有限公司 | 图像增强方法、电子设备及计算机可读存储介质 |
CN114529490A (zh) * | 2022-04-24 | 2022-05-24 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
CN114897753A (zh) * | 2022-05-13 | 2022-08-12 | 安徽工程大学 | 一种低照度图像增强方法 |
Non-Patent Citations (4)
Title |
---|
HONGLEISHEN等: "Multi-frequency data fusion via joint weighted deconvolution for resolution enhancement", 《JOURNAL OF APPLIED GEOPHYSICS》 * |
XIANGJIN ZENG等: "Fusion Research of Visible and Infrared Images Based on IHS Transform and Regional Variance Wavelet Transform", 《2018 10TH INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS (IHMSC)》 * |
罗高鹏: "基于多尺度变换的红外与可见光图像融合算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
陈丹: "基于小波变换与低通滤波的多源图像融合方法", 《赤峰学院学报(自然科学版) 》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115100081B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596908B (zh) | Led显示屏检测方法、装置及终端 | |
CN111652845A (zh) | 异常细胞自动标注方法、装置、电子设备及存储介质 | |
WO2019041842A1 (zh) | 一种图像处理方法及装置、存储介质和计算机设备 | |
CN112991377A (zh) | 一种基于opencv和shader融合技术的抠像算法 | |
CN112507923A (zh) | 证件翻拍检测方法、装置、电子设备及介质 | |
CN113705461A (zh) | 人脸清晰度检测方法、装置、设备及存储介质 | |
CN103440674A (zh) | 一种数字图像蜡笔特效的快速生成方法 | |
CN110838154A (zh) | 一种图片处理方法及装置 | |
CN112528909A (zh) | 活体检测方法、装置、电子设备及计算机可读存储介质 | |
CN115311167B (zh) | 基于多色光线的色域控制方法、装置、设备及存储介质 | |
CN114723636A (zh) | 基于多特征融合的模型生成方法、装置、设备及存储介质 | |
CN111932595A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN117041484A (zh) | 基于物联网的人流密集区域监控方法及系统 | |
CN117455762A (zh) | 基于全景行车记录仪的记录画面分辨率提升方法及系统 | |
CN113887439A (zh) | 基于图像识别的自动预警方法、装置、设备及存储介质 | |
CN117455895A (zh) | 一种用于实现线夹的制备装置及制备方法 | |
CN115100081B (zh) | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 | |
CN112700456A (zh) | 图像区域对比度优化方法、装置、设备及存储介质 | |
CN114913518B (zh) | 基于图像处理的车牌识别方法、装置、设备及介质 | |
CN114782405A (zh) | 基于图像识别及机器视觉的桥梁裂纹检测方法及装置 | |
CN115049572A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN115205596A (zh) | 图像分类方法、装置、设备及存储介质 | |
CN113255456A (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
CN111145100B (zh) | 动态影像生成方法及系统、计算机装置、及可读存储介质 | |
CN113095284A (zh) | 人脸选取方法、装置、设备及计算机可读存储介质 |
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 |