CN116012273A - 一种基于局部灰度波动率的图像增强方法和装置 - Google Patents
一种基于局部灰度波动率的图像增强方法和装置 Download PDFInfo
- Publication number
- CN116012273A CN116012273A CN202310312762.4A CN202310312762A CN116012273A CN 116012273 A CN116012273 A CN 116012273A CN 202310312762 A CN202310312762 A CN 202310312762A CN 116012273 A CN116012273 A CN 116012273A
- Authority
- CN
- China
- Prior art keywords
- image
- local
- gray scale
- fluctuation rate
- scale fluctuation
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明一种基于局部灰度波动率的图像增强方法和装置,获取输入图像,计算出输入图像中像素的局部标准图像和局部均值图像,根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像;限制所述局部灰度波动率图像中局部灰度波动率的波动数据,得到权重图像;根据所述权重图像进行加权直方图统计获得加权直方图,根据加权直方图得到灰度映射表,根据灰度映射表对输入图像进行灰度映射得到增强后的输出图像。本发明增强算法的权重图像基于局部灰度波动率的最终权重图像,通过对修正局部灰度波动率图像进行细化的操作,得到的最终权重图像具有保边性质,提升了输出图像的增强效果。
Description
技术领域
本发明涉及图像处理技术领域,更具体的说,特别涉及图像增强方法和装置。
背景技术
直方图均衡化方法是图像对比度增强领域最常用的基本方法之一,该方法通过灰度直方图的均衡化将主要由图像主体所占据的较窄的灰度区间展宽,而将其余部分所占据的较宽的灰度区间压缩,从而提高图像主体的对比度,本质上是一种全局灰度映射方法。直方图均衡化的一个明显的缺点是对增强的程度缺乏控制,容易造成噪声的严重放大或是细节的严重损失。在此基础上,人们提出了平台直方图均衡化及对比度受限的直方图均衡化等改进方法,其核心思想是对灰度频数的上下界进行限制。灰度频率是灰度值变化剧烈程度的指标,表示为图像在空间域上的梯度。频率越高,梯度越大,说明相邻像素差值较大,像素值变化明显;频率越低,梯度越小,说明相邻像素差值较小,像素值基本无变化。从而限制对比度增强程度,此外还有对直方图进行指数变换以平滑直方图、减小均衡化前后直方图的差异从而限制对比度增强的做法。
现有技术的方法全都是全局操作,没有基于图像的局部性质对图像进行自适应增强,容易造成该增强的地方没有获得充分增强,而不该增强的地方却得到了过分增强。对于直方图方法的自适应化,一个很自然的想法就是在以每个像素点为中心的图像块中实施直方图均衡化,但这样计算量将难以承受。
对于直方图方法自适应化的另一种改造是基于图像分层或是图像分割对直方图的灰度频数进行加权的加权直方图均衡化,通过给予图像前景对应的灰度频数更高的权重,给予图像背景对应的灰度频数更低的权重,从而实现让前景获得更高程度的增强,而背景获得更低程度增强的效果。但现有的加权直方图均衡化方法仍存在鲁棒性和可控性较差的缺陷,需要进一步改进。其中,基于图像分层进行直方图加权的方法,若提取高频层的窗口半径较小,则由于提取的高频层具有高度的稀疏性且边缘像素的灰度值与背景像素的灰度值不具有显著的区分性,使得明显受权重调整影响的像素数过少或是权重变化过于激烈。
因此,现有技术存在的问题,有待于进一步改进和发展。
发明内容
(一)发明目的:为解决上述现有技术中存在的问题,本发明的目的是提供一种优化的图像增强方法,以提高图像的增强效果。
(二)技术方案:为了解决上述技术问题,一种基于局部灰度波动率的图像增强方法,其中,包括如下步骤:
步骤一、获取输入图像,计算出输入图像中像素的局部标准图像和局部均值图像,根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像;
步骤二、限制所述局部灰度波动率图像中局部灰度波动率的波动数据,得到权重图像;
步骤三、根据所述权重图像进行加权直方图统计获得加权直方图,根据加权直方图得到灰度映射表,根据灰度映射表对输入图像进行灰度映射得到增强后的输出图像。
所述的一种基于局部灰度波动率的图像增强方法,其中,所述步骤二包括以下步骤:
对所述局部灰度波动率图像的每个数据进行变换得到修正局部灰度波动率图像,对修正局部灰度波动率图像的波动数据进行限幅得到初始权重图像。
所述的一种基于局部灰度波动率的图像增强方法,其中,所述步骤三包括以下步骤:
采用滤波算法对初始权重图像进行细化并限幅得到最终权重图像,利用所述最终权重图像,对输入图像中各像素对应的灰度值出现的频数进行加权,求得第一加权直方图;
对所述第一加权直方图修正,降低第一加权直方图中灰度频数的波动水平,得到修正后的第二加权直方图;
对修正后的第二加权直方图均衡化处理,得到灰度映射表,根据灰度映射表查表对输入图像实施灰度映射,得到输出图像。
所述的一种基于局部灰度波动率的图像增强方法,其中,采用对所述第一加权直方图进行数值限幅,并将超出上限部分重新分配到各灰度级,得到修正后的第二加权直方图。
所述的一种基于局部灰度波动率的图像增强方法,其中,对所述初始权重图像进行细化并限幅得到最终权重图像的计算方法包括以下步骤:
对所述局部灰度波动率图像的每个数据进行变换得到修正局部灰度波动率图像,对修正局部灰度波动率图像的波动数据进行限幅得到第一权重图像;对第一权重图像进行线性变换,并对线性变换后的第一权重图像限幅得到第二权重图像;
对所述第二权重图像进行细化并限幅得到边缘保持的最终权重图像。
所述的一种基于局部灰度波动率的图像增强方法,其中,对所述局部灰度波动率图像的每个数据进行变换得到修正局部灰度波动率图像,包括:
采用对局部灰度波动率图像的每个数据进行开方操作得到修正局部灰度波动率图像。
所述的一种基于局部灰度波动率的图像增强方法,其中,所述滤波算法还包括引导滤波算法、双边滤波算法。
所述的一种基于局部灰度波动率的图像增强方法,其中,所述输入图像包括可见光输入图像、红外输入图像。
一种基于局部灰度波动率的图像增强装置,其中,包括局部灰度波动率图像计算单元,权重图像计算单元和图像增强计算单元,
所述局部灰度波动率图像计算单元,用于获取输入图像,计算出输入图像中像素的局部标准图像和局部均值图像,根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像;
所述权重图像计算单元,用于限制所述局部灰度波动率图像中局部灰度波动率的波动数据,得到权重图像;
所述图像增强计算单元,用于根据所述权重图像进行加权直方图统计获得加权直方图,根据加权直方图得到灰度映射表,根据灰度映射表对输入图像进行灰度映射得到增强后的输出图像。
(三)有益效果:本发明一种基于局部灰度波动率的图像增强方法和装置,增强算法中的权重图像基于局部灰度波动率的最终权重图像,通过对修正局部灰度波动率图像进行细化的操作,得到具有保边性质的最终权重图像,提升了输出图像的增强效果。
附图说明
图1是本发明一种基于局部灰度波动率的图像增强方法的流程图;
图2是本发明输入图像为可见光图像的示例图;
图3是本发明输入图像为可见光图像,使用本发明方法对应的最终权重图像;
图4是本发明输入图像为可见光图像,使用本发明方法对应的输出图像;
图5是本发明输入图像为红外图像的示例图;
图6是本发明输入图像为红外图像,使用本发明方法的输出图像。
图7是本发明一种基于局部灰度波动率的图像增强方法的第二个优选实施例的流程图;
图8使本发明一种基于局部灰度波动率的图像增强装置的结构示意图。
具体实施方式
下面结合优选的实施例对本发明做进一步详细说明,在以下的描述中阐述了更多的细节以便于充分理解本发明,但是,本发明显然能够以多种不同于此描述的其他方式来实施,本领域技术人员可以在不违背本发明内涵的情况下根据实际应用情况作类似推广、演绎,因此不应以此具体实施例的内容限制本发明的保护范围。
附图是本发明的实施例的示意图,需要注意的是,此附图仅作为示例,并非是按照等比例的条件绘制的,并且不应该以此作为对本发明的实际要求保护范围构成限制。
本发明提供的一种基于局部灰度波动率的图像增强方法,利用局部灰度波动率在背景区域较低,在纹理区域较高的性质,生成背景区域灰度波动率取值低、纹理区域灰度波动率取值高的权重图像(包括初始权重图像和最终权重图像),相比于原始直方图均衡化方法,能更好地抑制背景噪声放大,并进一步提高纹理对比度的效果。
本发明一种基于局部灰度波动率的图像增强方法,其第一个优选实施例如图1所示,包括如下步骤:
步骤101、获取输入图像,计算出输入图像中像素的局部标准图像和局部均值图像,根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像;
步骤102、限制所述局部灰度波动率图像中局部灰度波动率的波动数据,得到权重图像;
步骤103、根据所述权重图像进行加权直方图统计获得加权直方图,根据加权直方图得到灰度映射表,根据灰度映射表对输入图像进行灰度映射得到增强后的输出图像。
本发明一种基于局部灰度波动率的图像增强方法,第二个优选实施例如图7所示,包括以下步骤:
步骤201、获取输入图像,所述输入图像包括图像的像素位置和像素数值,计算输入图像中像素的局部标准图像和局部均值图像,根据局部标准图像和局部均值图像求得局部灰度波动率图像,,其中,为一个大于0的小常数,用以避免被除数为0的异常情况。
本发明的局部均值就是以某个像素点为中心的局部方形窗口中的像素值的均值,对于每个像素点来说都会有一个滚动的局部窗口(图像边缘处会对外进行扩充)对应一个局部均值,输入图像的像素对应的局部均值构成局部均值图像。
本发明的局部标准值是以某个像素点为中心的局部方形窗口中像素值的标准差,输入图像的像素的局部标准值构成局部标准图像。
步骤202、对所述局部灰度波动率图像的每个数据进行变换得到修正局部灰度波动率图像,对修正局部灰度波动率图像的波动数据进行限幅得到初始权重图像。
步骤203、采用滤波算法对初始权重图像进行细化并限幅得到最终权重图像,利用所述最终权重图像,对输入图像中各像素对应的灰度值出现的频数进行加权,求得第一加权直方图。
频数(Frequency,又称次数),指变量值中代表某种特征的数出现的次数。
具体的做法为同步遍历最终权重图像与输入图像中的每个像素,根据对的元素值进行更新,其中,和分别为像素点在图像中的行索引与列索引。
步骤204、对第一加权直方图修正,降低第一加权直方图中灰度频数的波动水平,得到修正后的第二加权直方图。
优选地,采用对第一加权直方图进行数值限幅,并将超出上限部分重新分配到各灰度级,得到修正后的第二加权直方图。具体的操作为:首先初始化超出频数上限部分的频数和为0;然后遍历直方图元素索引,依次根据公式、 及限定直方图频数上限与下限并统计超出上限部分的频数和,其中和分别为设定的直方图频数下限与直方图频数上限;最后,再次遍历直方图元素索引,根据公式到修正后的第二直方图。
步骤205、对所述修正后的第二加权直方图做均衡化处理,得到灰度映射表,根据灰度映射表查表对输入图像实施灰度映射,得到输出图像。
优选地,采用基于直方图波形分析的多峰直方图均衡化对修正后的第二加权直方图进行处理得到灰度映射表。
本发明所述输入图像为可见光、红外图像、以及其它谱段的图像,这不做限制。图2是本发明输入图像是可见光输入图像的示例图,所述图3为可见光输入图像的最终权重图像,图4为所述采用本发明实施例,所述可见光图像的输出图像。
本发明一种基于局部灰度波动率的图像增强方法,第三个优选实施例,在所述第二个优选实施例的基础上,对初始权重图像进行细化并限幅得到最终权重图像的计算进行了优化,包括以下步骤:
步骤203-1、本发明的滤波算法包括双边滤波(Bilateral filter)算法、导向滤波(Guided Fliter)算法。
对所述局部灰度波动率图像的每个数据进行变换得到修正局部灰度波动率图像,对修正局部灰度波动率图像的波动数据进行限幅得到第一权重图像。本发明优选地,采用对局部灰度波动率图像的每个数据进行开方操作得到,再由对进行限幅得到第一权重图像,其中为取两者中较小值操作。
步骤203-2、对第一权重图像进行线性变换,并对线性变换后的第一权重图像限幅得到第二权重图像。
本发明优选地,首先根据修正局部灰度波动率图像的均值与设定的最小权重得到线性系数,然后根据 得到取值在的第二权重图像。
步骤203-2、对第二权重图像进行细化并限幅得到边缘保持的最终权重图像。
优选地,采用引导滤波算法,以为引导图像对第二权重图像进行引导滤波初步得到细化权重图像,然后采用公式对细化权重图像进行限幅得到最终权重图像,其中,为中元素的最大值。图3为本发明可见光输入图像的最终权重图像。
本发明所述输入图像可以为红外输入图像,如图5所示;利用本发明算法对红外输入图像增强后的输出图像,如图6所示。可见本发明输出图像中前景部分获得了更高程度的增强,背景噪声抑制较好,尤其是天空区域没有被过分地增强。
本发明公开的一种基于局部灰度波动率的图像增强方法是一种全局处理方法,可以避免图像分块导致的块效应;算法中权重图像基于细化的局部灰度波动率图像而非基于纹理分层得到的纹理图像,算法具有更好的鲁棒性和可控性;算法中平坦的背景区域被分配更低的权重,配合直方图均衡化的自适应直方图分段,能够有效避免背景灰度频数过高导致的背景过度增强问题。
本发明提供的一种于局部灰度波动率的图像增强装置,如图8所示,包括局部灰度波动率图像计算单元,权重图像计算单元和图像增强计算单元,
所述局部灰度波动率图像计算单元,用于获取输入图像,计算出输入图像中像素的局部标准图像和局部均值图像,根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像;
所述权重图像计算单元,用于限制所述局部灰度波动率图像中局部灰度波动率的波动数据,得到权重图像;
所述图像增强计算单元,用于根据所述权重图像进行加权直方图统计获得加权直方图,根据加权直方图得到灰度映射表,根据灰度映射表对输入图像进行灰度映射得到增强后的输出图像。
本发明一种基于局部灰度波动率的图像增强方法和装置,在增强算法中权重图像基于局部灰度波动率的最终权重图像,通过对修正局部灰度波动率图像进行细化的操作,得到的最终权重图像具有保边性质,提升了输出图像的增强效果。
以上内容是对本发明创造的优选的实施例的说明,可以帮助本领域技术人员更充分地理解本发明创造的技术方案。但是,这些实施例仅仅是举例说明,不能认定本发明创造的具体实施方式仅限于这些实施例的说明。对本发明创造所属技术领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干简单推演和变换,都应当视为属于本发明创造的保护范围。
Claims (9)
1.一种基于局部灰度波动率的图像增强方法,其特征在于,包括如下步骤:
步骤一、获取输入图像,计算出输入图像中像素的局部标准图像和局部均值图像,根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像;
步骤二、限制所述局部灰度波动率图像中局部灰度波动率的波动数据,得到权重图像;
步骤三、根据所述权重图像进行加权直方图统计获得加权直方图,根据加权直方图得到灰度映射表,根据灰度映射表对输入图像进行灰度映射得到增强后的输出图像。
2.根据权利要求1所述的一种基于局部灰度波动率的图像增强方法,其特征在于,所述步骤二包括以下步骤:
对所述局部灰度波动率图像的每个数据进行变换得到修正局部灰度波动率图像,对修正局部灰度波动率图像的波动数据进行限幅得到初始权重图像。
3.根据权利要求2所述的一种基于局部灰度波动率的图像增强方法,其特征在于,所述步骤三包括以下步骤:
采用滤波算法对初始权重图像进行细化并限幅得到最终权重图像,利用所述最终权重图像,对输入图像中各像素对应的灰度值出现的频数进行加权,求得第一加权直方图;
对所述第一加权直方图修正,降低第一加权直方图中灰度频数的波动水平,得到修正后的第二加权直方图;
对修正后的第二加权直方图均衡化处理,得到灰度映射表,根据灰度映射表查表对输入图像实施灰度映射,得到输出图像。
4.根据权利要求3所述的一种基于局部灰度波动率的图像增强方法,其特征在于,采用对所述第一加权直方图进行数值限幅,并将超出上限部分重新分配到各灰度级,得到修正后的第二加权直方图。
5.根据权利要求4所述的一种基于局部灰度波动率的图像增强方法,其特征在于,对所述初始权重图像进行细化并限幅得到最终权重图像的计算方法包括以下步骤:
对所述局部灰度波动率图像的每个数据进行变换得到修正局部灰度波动率图像,对修正局部灰度波动率图像的波动数据进行限幅得到第一权重图像;对第一权重图像进行线性变换,并对线性变换后的第一权重图像限幅得到第二权重图像;
对所述第二权重图像进行细化并限幅得到边缘保持的最终权重图像。
6.根据权利要求5所述的一种基于局部灰度波动率的图像增强方法,其特征在于,对所述局部灰度波动率图像的每个数据进行变换得到修正局部灰度波动率图像,包括:
采用对局部灰度波动率图像的每个数据进行开方操作得到修正局部灰度波动率图像。
7.根据权利要求6所述的一种基于局部灰度波动率的图像增强方法,其特征在于,所述滤波算法还包括引导滤波算法、双边滤波算法。
8.根据权利要求6所述的一种基于局部灰度波动率的图像增强方法,其特征在于,所述输入图像包括可见光输入图像、红外输入图像。
9.一种基于局部灰度波动率的图像增强装置,其特征在于,包括局部灰度波动率图像计算单元,权重图像计算单元和图像增强计算单元,
所述局部灰度波动率图像计算单元,用于获取输入图像,计算出输入图像中像素的局部标准图像和局部均值图像,根据所述局部标准图像和局部均值图像计算出输入图像中像素的局部灰度波动率图像;
所述权重图像计算单元,用于限制所述局部灰度波动率图像中局部灰度波动率的波动数据,得到权重图像;
所述图像增强计算单元,用于根据所述权重图像进行加权直方图统计获得加权直方图,根据加权直方图得到灰度映射表,根据灰度映射表对输入图像进行灰度映射得到增强后的输出图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310312762.4A CN116012273B (zh) | 2023-03-28 | 2023-03-28 | 一种基于局部灰度波动率的图像增强方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310312762.4A CN116012273B (zh) | 2023-03-28 | 2023-03-28 | 一种基于局部灰度波动率的图像增强方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116012273A true CN116012273A (zh) | 2023-04-25 |
CN116012273B CN116012273B (zh) | 2023-05-30 |
Family
ID=86019651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310312762.4A Active CN116012273B (zh) | 2023-03-28 | 2023-03-28 | 一种基于局部灰度波动率的图像增强方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116012273B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596428A (zh) * | 2023-05-17 | 2023-08-15 | 河南通航无人机科技有限公司 | 一种基于无人机的乡村物流智能配送系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
CN103871047A (zh) * | 2013-12-31 | 2014-06-18 | 江南大学 | 光照不均匀图像的灰度波动阈值分割方法 |
CN105931201A (zh) * | 2016-04-20 | 2016-09-07 | 北京航空航天大学 | 一种基于小波变换的图像主观视觉效果增强方法 |
CN108764345A (zh) * | 2018-05-30 | 2018-11-06 | 河海大学常州校区 | 一种基于局部与全局聚类的水下大坝裂缝检测方法 |
CN114049283A (zh) * | 2021-11-16 | 2022-02-15 | 上海无线电设备研究所 | 一种自适应的灰度梯度直方图均衡遥感图像增强方法 |
US20220189029A1 (en) * | 2020-12-16 | 2022-06-16 | Qualcomm Incorporated | Semantic refinement of image regions |
-
2023
- 2023-03-28 CN CN202310312762.4A patent/CN116012273B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
CN103871047A (zh) * | 2013-12-31 | 2014-06-18 | 江南大学 | 光照不均匀图像的灰度波动阈值分割方法 |
CN105931201A (zh) * | 2016-04-20 | 2016-09-07 | 北京航空航天大学 | 一种基于小波变换的图像主观视觉效果增强方法 |
CN108764345A (zh) * | 2018-05-30 | 2018-11-06 | 河海大学常州校区 | 一种基于局部与全局聚类的水下大坝裂缝检测方法 |
US20220189029A1 (en) * | 2020-12-16 | 2022-06-16 | Qualcomm Incorporated | Semantic refinement of image regions |
CN114049283A (zh) * | 2021-11-16 | 2022-02-15 | 上海无线电设备研究所 | 一种自适应的灰度梯度直方图均衡遥感图像增强方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596428A (zh) * | 2023-05-17 | 2023-08-15 | 河南通航无人机科技有限公司 | 一种基于无人机的乡村物流智能配送系统 |
CN116596428B (zh) * | 2023-05-17 | 2024-01-26 | 河南通航无人机科技有限公司 | 一种基于无人机的乡村物流智能配送系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116012273B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113313641B (zh) | 一种自适应中值滤波的ct图像去噪方法 | |
CN107730475A (zh) | 图像增强方法及系统 | |
Ma et al. | An effective fusion defogging approach for single sea fog image | |
CN109919859B (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
CN114049283A (zh) | 一种自适应的灰度梯度直方图均衡遥感图像增强方法 | |
CN103440630A (zh) | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 | |
CN107292834B (zh) | 红外图像细节增强方法 | |
CN116012273B (zh) | 一种基于局部灰度波动率的图像增强方法和装置 | |
CN109636745B (zh) | 基于分数阶微分图像增强算法的最佳阶图像增强方法 | |
CN108280836B (zh) | 一种图像处理方法及装置 | |
Ngo et al. | Nonlinear unsharp masking Algorithm | |
CN114066757A (zh) | 基于引导滤波的数字细节增强正则化参数自适应选取方法 | |
Singh et al. | Naturalness balance contrast enhancement using adaptive gamma with cumulative histogram and median filtering | |
CN103971345A (zh) | 一种基于改进双边滤波的图像去噪方法 | |
CN117314766B (zh) | 一种手机钢化玻璃膜表面图像增强方法和系统 | |
CN104240208A (zh) | 非制冷红外焦平面探测器图像细节增强方法 | |
Singh et al. | Image enhancement by adaptive power-law transformations | |
CN113870149A (zh) | 基于平滑结构张量自适应的非局部全变分图像复原方法 | |
CN107292844B (zh) | 全变差正则化变分随机共振自适应暗图像滤波增强方法 | |
CN111292267B (zh) | 一种基于拉普拉斯金字塔的图像主观视觉效果增强方法 | |
CN116029944B (zh) | 一种灰度图像的自适应对比度增强方法和装置 | |
CN104392423A (zh) | 基于实时均衡红外图像细节增强算法 | |
CN112488954A (zh) | 基于图像灰度级的自适应图像增强的方法及装置 | |
Luo et al. | An effective underwater image enhancement method based on CLAHE-HF | |
Xu et al. | A universal impulse noise filter with an impulse detector and nonlocal means |
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 |