CN116030054A - 一种饲料加工筛分质量评估方法 - Google Patents
一种饲料加工筛分质量评估方法 Download PDFInfo
- Publication number
- CN116030054A CN116030054A CN202310309627.4A CN202310309627A CN116030054A CN 116030054 A CN116030054 A CN 116030054A CN 202310309627 A CN202310309627 A CN 202310309627A CN 116030054 A CN116030054 A CN 116030054A
- Authority
- CN
- China
- Prior art keywords
- pixel
- super
- segmentation
- initial
- blocks
- 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.)
- Withdrawn
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种饲料加工筛分质量评估方法,该方法基于采样频率采集饲料筛分过程中筛上饲料筛分后的至少两张颗粒图像;对当前颗粒图像进行超像素分割得到初始超像素分割块,分别对每个初始超像素分割块进行阈值分割得到缝隙连通域,根据相邻初始超像素分割块之间的缝隙连通域的面积差异值和灰度值方差分别计算任意两个初始超像素分割块之间的合并必要程度指标,以通过合并得到最终超像素分割块;计算每张颗粒图像中每个最终超像素分割块的面积,得到对应颗粒图像的面积方差,将所有颗粒图像的面积方差相加得到筛分效果指标。本发明提高了图像分割的精度,使得饲料的筛分的质量评估更准确。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种饲料加工筛分质量评估方法。
背景技术
近年来,随着动物的养殖场规模化养殖,对饲料的需求越来越大,质量的要求也越来越高,目前由于缺乏科学有效的饲料筛分质量评估方法,市场上容易出现以次充好的饲料。因此,需要对饲料进行加工筛分的过程中,对筛分过程中的筛上图像和筛下的图像中的杂质进行检测,由于筛上和筛下进行过筛后,筛上和筛下都会存在饲料的原材料,影响拆分质量的评估。
现有技术:在对图像中的杂质与饲料晒分后的质量进行评估时,主要是根据图像中筛上和筛下中的杂质所占的面积以及图像中杂质的数量进行评估,使用超像素分割对图像进行分割,得到筛分的质量,但由于饲料颗粒在筛上或是筛下可能会存在杂质或是饲料颗粒之间的缝隙,使得对饲料的筛分质量进行评估时存在误差,筛分的质量不准确,因此,影响图像中的筛分质量的评估。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种饲料加工筛分质量评估方法,所采用的技术方案具体如下:
本发明一个实施例提供了一种饲料加工筛分质量评估方法,该方法包括以下步骤:
基于采样频率采集饲料筛分过程中筛上饲料筛分后的至少两张颗粒图像,颗粒图像是RGB图像;
对当前颗粒图像进行超像素分割得到初始超像素分割块,分别对每个初始超像素分割块进行阈值分割得到缝隙连通域,计算第个初始超像素分割块和相邻第个初始超像素分割块之间缝隙连通域的面积差异值,以及第个初始超像素分割块和相邻第个初始超像素分割块合并后的灰度值方差,将面积差异值的倒数和灰度值方差之间的乘积作为第个初始超像素分割块和相邻第个初始超像素分割块之间的合并必要程度指标;分别计算任意两个初始超像素分割块之间的合并必要程度指标,根据合并必要程度指标对当前颗粒图像的初始超像素分割块进行合并得到最终超像素分割块;
计算每张颗粒图像中每个最终超像素分割块的面积,得到对应颗粒图像的面积方差,将所有颗粒图像的面积方差相加得到筛分效果指标。
进一步的,所述缝隙连通域的获取方法,包括:
将颗粒图像转化到LAB颜色空间,获取每个像素点的亮度,基于亮度,利用阈值分割法得到缝隙像素点,对所有相邻缝隙像素点进行合并得到缝隙连通域。
进一步的,所述面积差异值是指初始超像素分割块之间对应缝隙连通域的面积的差值绝对值。
进一步的,所述根据合并必要程度指标对当前颗粒图像的初始超像素分割块进行合并得到最终超像素分割块的方法,包括:
设置阈值,将合并必要程度指标大于阈值对应的两个初始超像素分割块进行合并,得到最终超像素分割块,反之,将合并必要程度指标小于或等于阈值对应的两个初始超像素分割块单独作为最终超像素分割块。
本发明具有如下有益效果:
通过对超像素分割后的图像中的分割块内之间的关系,以及不同分割块之间的关系,对分割后的超像素分割块进行合并,通过合并后的饲料的分割块分布的均匀情况来对饲料的筛分效果进行评估,相对于现有技术来说,能够提高传统超像素分割后的分割块的评估精度。
通过对图像中的超像素分割块进行合并,相对于现有技术来说,能够避免图像中颗粒之间产生遮挡和颗粒之间存在缝隙对超像素分割产生的,使分割块更能突出饲料的分割效果。
为了更好的对图像中的颗粒进行筛分评估根据得到饲料在不同时刻的筛分图像,评估图像中颗粒的筛分效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种饲料加工筛分质量评估方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种饲料加工筛分质量评估方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明所针对的应用场景为:
饲料在加工的过程中,需要对粉碎后的饲料进行分筛,主要是通过分筛将饲料分为不同的颗粒的大小,以及通过筛分将饲料中的杂质进行分离,去除饲料中的杂质,使饲料的质量更好,在筛分过程中,通过采集多张图像对饲料的筛分质量进行评估。
下面结合附图具体的说明本发明所提供的一种饲料加工筛分质量评估方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种饲料加工筛分质量评估方法的方法流程图,该方法包括以下步骤:
步骤S001,基于采样频率采集饲料筛分过程中筛上饲料筛分后的至少两张颗粒图像,颗粒图像是RGB图像。
具体的,通过在饲料筛分机器的晒网上方安装工业相机,通过工业相机采集筛分过程中采集至少两张筛上饲料筛分后的颗粒图像,对得到的晒分后的图像中颗粒的分布情况进行评估。需要说明的是,由于饲料筛分机器进行筛分过程中,饲料之间堆积很容易造成表层饲料将底层饲料覆盖,导致最终筛分评价结果不准确。本申请利用工业相机对筛分过程中的筛上饲料筛分后的颗粒图像进行采集,保证筛分过程中所有饲料层的图像都能够获取。例如:饲料筛分周期长度为5min,对应的筛分图像采集周期为30s/帧。
优先的,本发明实施例中采集10张颗粒图像。
步骤S002,对当前颗粒图像进行超像素分割得到初始超像素分割块,分别对每个初始超像素分割块进行阈值分割得到缝隙连通域,计算第a个初始超像素分割块和相邻第a+q个初始超像素分割块之间缝隙连通域的面积差异值,以及第a个初始超像素分割块和相邻第a+q个初始超像素分割块合并后的灰度值方差,将面积差异值的倒数和灰度值方差之间的乘积作为第a个初始超像素分割块和相邻第a+q个初始超像素分割块之间的合并必要程度指标;分别计算任意两个初始超像素分割块之间的合并必要程度指标,根据合并必要程度指标对当前颗粒图像的初始超像素分割块进行合并得到最终超像素分割块。
具体的,饲料通过筛分过后,筛上的图中饲料颗粒之间会存在杂质和缝隙,进行超像素分割时图像中的缝隙会影响超像素分割的结果,导致对饲料筛分的质量进行评估时,影响图像的筛分结果,因此通过筛上图像中的超像素之间的关系以及相邻分割块内之间的相关性,对图像中相关性大的进行合并。
根据工业相机得到筛分后的颗粒图像,对得到的颗粒图像进行超像素分割,得到颗粒图像的初始超像素分割块,超像素分割为现有技术,在此不做过多的累述,通过传统的超像素分割对得到的图像进行处理时主要是根据图像的空间距离和颜色距离对图像中的像素点和种子点进行分配,但受到颗粒之间的缝隙、颗粒大小不均和饲料中杂质的影响,导致分割后的初始超像素分割块内部图像特征差异过大,很容易将缝隙和饲料杂质分到同一个初始超像素分割块中。
通过超像素分割后,初始超像素分割块中的颗粒越小图像中的颗粒之间的分布越密集图像中的缝隙越小,图像中的颗粒越大图像中分割块之间的缝隙越大,根据颗粒图像中初始超像素分割块内的缝隙的分布情况以及初始超像素分割块边缘之间缝隙大小关系重新调整初始超像素分割块的所属区域,对初始超像素分割块进行重新匹配。
得到的颗粒图像中的颗粒的初始超像素分割块中颗粒之间可能存在缝隙,初始超像素分割块内的颗粒之间的缝隙越小,说明饲料中存在较小的颗粒,颗粒越小颗粒之间的缝隙越小,因此,需要计算初始超像素分割块内的颗粒之间的缝隙的分布的大小与邻域初始超像素分割块之间的缝隙的大小以对初始超像素分割块进行调整,重新将初始超像素分割块进行分配。
颗粒图像中的像素点在分割的过程中,会根据颜色的空间距离和实际的空间距离之间的关系将像素点分配到合理的种子点中,分割块之间的缝隙较大时会将颗粒图像中颗粒筛分效果较好的区域分割开,并不能很好的根据颗粒图像中颗粒之间的关系进行分割。
根据两个初始超像素分割块之间的缝隙的大小和分割块内部颗粒之间的缝隙大小的分布之间的关系计算初始超像素分割块之间的关系,将颗粒图像中的初始超像素分割块进行合并。此处合并初始超像素分割块的目的是为了:由于传统超像素分割条件的影响,当饲料颗粒之间存在缝隙时,初始超像素分割块会受到饲料缝隙的影响,导致初始超像素分割块不能完全将饲料颗粒分割出来,然而,正常饲料颗粒之间本身会存在有缝隙,反而,颗粒较小的饲料之间分布紧密,所以,需要根据初始超像素分割块之间的差异变化进行合并,从而,保证正常饲料进行超像素分割的结果不受饲料间缝隙的影响。
RGB颜色空间是常用的空间,是使用最广的一个颜色空间。利用RGB颜色空间来检查缝隙,其主要原理:通过将RGB颜色信息进行亮度和色度的分离,根据亮度和色度的变化来判断缝隙像素点,颗粒图像中的缝隙区域是由于光线在传播的过程中被遮挡产生的,其亮度较非缝隙区域低,亮度的改变,则像素的色度也会发生改变。
颗粒图像进行超像素分割时会将对应RGB空间转化到Lab颜色空间内进行计算,因此通过Lab颜色空间中的亮度L来对饲料之间的缝隙进行分割,初始超像素分割块中缝隙和饲料颗粒亮度之间的差异较大,所以通过简单的阈值分割算法对初始超像素分割块进行分割,即可得到缝隙像素点,对所有相邻的缝隙像素点之间进行合并,得到初始超像素分割块内中的缝隙连通域,获取对应缝隙连通域的面积。
计算第个初始超像素分割块和相邻第个初始超像素分割块之间缝隙连通域的面积差异值:
式中,为第个初始超像素分割块中的缝隙连通域的面积,表示相邻的第个初始超像素分割块中的缝隙连通域的面积;为绝对值符号。
由于初始超像素分割块中缝隙的影响,初始超像素分割块内的颗粒较小时,饲料颗粒之间的初始超像素分割块的缝隙越小,饲料的筛分的效果较差,得到的颗粒图像中的初始超像素分割块内缝隙面积之间的差异,相邻初始超像素分割块之间的缝隙面积差异越大,颗粒图像中的两个初始超像素分割块的越不属于同一种类型,越不需要合并。
根据每个像素点的灰度值计算第个初始超像素分割块和相邻第个初始超像素分割块合并后的灰度值方差:
式中,表示为颗粒图像中第个初始超像素分割块与第个初始超像素分割块合并后的超像素分割块中的第个像素点的灰度值,表示为第个初始超像素分割块与第个初始超像素分割块合并后整体的灰度值均值,为第个初始超像素分割块与第个初始超像素分割块合并后的像素点的总个数,表示第个初始超像素分割块与第个初始超像素分割块合并后的像素点之间的灰度值方差。
根据第个初始超像素分割块和相邻第个初始超像素分割块之间的面积差异值和初始超像素分割块内部的灰度值方差对相对应的两个初始超像素分割块进行合并,计算第个初始超像素分割块和相邻第个初始超像素分割块的像素点需要进行合并的合并必要程度指标:
式中,D表示为相邻分割块中缝隙的面积的差异值,表示为图像中第个分割块与第相邻分割块合并后的像素点之间的方差。图像中分割块内的灰度方差越大,对应相邻的分割块合并后的分割块内的灰度差异也越大。
计算颗粒图像中任意两个初始超像素分割块的合并必要程度指标,对必要程度指标进行归一化处理,排除量纲之间的影响。
需要说明的是,利用颗粒图像中相邻初始超像素分割块内的缝隙面积差异进行必要性评价是为了将颗粒较小的饲料产生的缝隙和正常颗粒大小的饲料产生的缝隙进行区分,尽可能的保留正常颗粒大小的饲料进行初始超像素分割块合并,由于出现颗粒较小的饲料分布密集区域中,相邻初始超像素分割块内的缝隙面积差异同样小,但是初始超像素分割块内的像素点的灰度值方差也会小,反之,正常颗粒大小的饲料之间的缝隙面积差异较小,但由于缝隙的存在造成块内的像素点的灰度值方差会相对较大,所以,利用缝隙面积差异和初始超像素分割块内的像素点的灰度值方差作为合并必要程度指标的度量标准,来对相邻的初始超像素分割块之间进行合并判断。
利用必要程度指标对初始超像素分割块进行评价,设置阈值,将合并必要程度指标大于阈值对应的两个初始超像素分割块进行合并,得到最终超像素分割块,反之,将合并必要程度指标小于或等于阈值对应的两个初始超像素分割块单独作为最终超像素分割块,以排除饲料之间的缝隙对分割块的影响,其中阈值为0.7。
步骤S003,计算每张颗粒图像中每个最终超像素分割块的面积,得到对应颗粒图像的面积方差,将所有颗粒图像的面积方差相加得到筛分效果指标。
具体的,利用步骤S002的方法获取每张颗粒图像中的最终超像素分割块。通过合并后的最终超像素分割块的面积对饲料筛分质量进行评估,基于最终超像素分割块的分割结果,计算第t帧颗粒图像中每个最终超像素分割块的面积,得到对应颗粒图像的面积方差,将所有颗粒图像的面积方差相加得到筛分效果指标W:
式中,表示为第帧颗粒图像中第个最终超像素分割块的面积,表示为第帧颗粒图像中最终超像素分割块的面积均值,表示为第帧颗粒图像中最终超像素分割块的数量。
需要说明的是,多帧颗粒图像中的最终超像素分割块的面积大小的方差越小表示饲料的筛分效果越好。
综上所述,本发明实施例基于采样频率采集饲料筛分过程中筛上饲料筛分后的至少两张颗粒图像;对当前颗粒图像进行超像素分割得到初始超像素分割块,分别对每个初始超像素分割块进行阈值分割得到缝隙连通域,根据相邻初始超像素分割块之间的缝隙连通域的面积差异值和灰度值方差分别计算任意两个初始超像素分割块之间的合并必要程度指标,根据合并必要程度指标对当前颗粒图像的初始超像素分割块进行合并得到最终超像素分割块;计算每张颗粒图像中每个最终超像素分割块的面积,得到对应颗粒图像的面积方差,将所有颗粒图像的面积方差相加得到筛分效果指标。本发明通过对超像素分割后的图像中的分割块内之间的关系,以及不同分割块之间的关系,对分割后的超像素分割块进行合并,通过合并后的饲料的分割块分布的均匀情况来对饲料的筛分效果进行评估,提高了传统超像素分割后的分割块的评估精度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种饲料加工筛分质量评估方法,其特征在于,该方法包括以下步骤:
基于采样频率采集饲料筛分过程中筛上饲料筛分后的至少两张颗粒图像,颗粒图像是RGB图像;
对当前颗粒图像进行超像素分割得到初始超像素分割块,分别对每个初始超像素分割块进行阈值分割得到缝隙连通域,计算第个初始超像素分割块和相邻第个初始超像素分割块之间缝隙连通域的面积差异值,以及第个初始超像素分割块和相邻第个初始超像素分割块合并后的灰度值方差,将面积差异值的倒数和灰度值方差之间的乘积作为第个初始超像素分割块和相邻第个初始超像素分割块之间的合并必要程度指标;分别计算任意两个初始超像素分割块之间的合并必要程度指标,根据合并必要程度指标对当前颗粒图像的初始超像素分割块进行合并得到最终超像素分割块;
计算每张颗粒图像中每个最终超像素分割块的面积,得到对应颗粒图像的面积方差,将所有颗粒图像的面积方差相加得到筛分效果指标。
2.如权利要求1所述的一种饲料加工筛分质量评估方法,其特征在于,所述缝隙连通域的获取方法,包括:
将颗粒图像转化到LAB颜色空间,获取每个像素点的亮度,基于亮度,利用阈值分割法得到缝隙像素点,对所有相邻缝隙像素点进行合并得到缝隙连通域。
3.如权利要求1所述的一种饲料加工筛分质量评估方法,其特征在于,所述面积差异值是指初始超像素分割块之间对应缝隙连通域的面积的差值绝对值。
4.如权利要求1所述的一种饲料加工筛分质量评估方法,其特征在于,所述根据合并必要程度指标对当前颗粒图像的初始超像素分割块进行合并得到最终超像素分割块的方法,包括:
设置阈值,将合并必要程度指标大于阈值对应的两个初始超像素分割块进行合并,得到最终超像素分割块,反之,将合并必要程度指标小于或等于阈值对应的两个初始超像素分割块单独作为最终超像素分割块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310309627.4A CN116030054A (zh) | 2023-03-28 | 2023-03-28 | 一种饲料加工筛分质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310309627.4A CN116030054A (zh) | 2023-03-28 | 2023-03-28 | 一种饲料加工筛分质量评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116030054A true CN116030054A (zh) | 2023-04-28 |
Family
ID=86089589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310309627.4A Withdrawn CN116030054A (zh) | 2023-03-28 | 2023-03-28 | 一种饲料加工筛分质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116030054A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116229438A (zh) * | 2023-05-04 | 2023-06-06 | 山东超越纺织有限公司 | 一种纺纱质量视觉识别系统 |
CN116432909A (zh) * | 2023-06-13 | 2023-07-14 | 广东省农业科学院动物科学研究所 | 一种用于评价水产诱食性效果的试验方法 |
CN116797598A (zh) * | 2023-08-22 | 2023-09-22 | 山东万牧农业科技有限公司郯城分公司 | 基于图像特征的养殖饲料质量精细化检测方法 |
-
2023
- 2023-03-28 CN CN202310309627.4A patent/CN116030054A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116229438A (zh) * | 2023-05-04 | 2023-06-06 | 山东超越纺织有限公司 | 一种纺纱质量视觉识别系统 |
CN116229438B (zh) * | 2023-05-04 | 2023-07-21 | 山东超越纺织有限公司 | 一种纺纱质量视觉识别系统 |
CN116432909A (zh) * | 2023-06-13 | 2023-07-14 | 广东省农业科学院动物科学研究所 | 一种用于评价水产诱食性效果的试验方法 |
CN116432909B (zh) * | 2023-06-13 | 2023-10-20 | 广东省农业科学院动物科学研究所 | 一种用于评价水产诱食性效果的试验方法 |
CN116797598A (zh) * | 2023-08-22 | 2023-09-22 | 山东万牧农业科技有限公司郯城分公司 | 基于图像特征的养殖饲料质量精细化检测方法 |
CN116797598B (zh) * | 2023-08-22 | 2023-11-17 | 山东万牧农业科技有限公司郯城分公司 | 基于图像特征的养殖饲料质量精细化检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116030054A (zh) | 一种饲料加工筛分质量评估方法 | |
US6904169B2 (en) | Method and system for improving color images | |
CN110689587B (zh) | 一种基于颜色校正和细节增强的水下图像增强方法 | |
CN108765336B (zh) | 基于暗亮原色先验与自适应参数优化的图像去雾方法 | |
DE102008051486B4 (de) | Umwandeln von Video- und Bildsignal-Bittiefen | |
WO2011011445A1 (en) | System and method for random noise estimation in a sequence of images | |
CN101742084B (zh) | 对比度增强处理方法与处理装置 | |
CN110148093B (zh) | 一种基于暗通道先验的图像去雾改进方法 | |
CN105282529B (zh) | 一种基于raw空间的数字宽动态方法及装置 | |
WO2019061766A1 (zh) | 一种图像处理方法及装置 | |
CN108198155B (zh) | 一种自适用色调映射方法及系统 | |
CN104021532A (zh) | 一种红外图像的图像细节增强方法 | |
CN115661669B (zh) | 一种基于视频监控的耕地违法占用监测方法及系统 | |
CN110211070B (zh) | 一种基于局部极值的低照度彩色图像增强方法 | |
CN104157003B (zh) | 一种基于正态分布调节的热图像细节增强方法 | |
CN111355936B (zh) | 用于人工智能的采集和处理图像数据的方法及系统 | |
DE102020200310A1 (de) | Verfahren und System zur Dunstreduzierung für die Bildverarbeitung | |
CN110852956A (zh) | 一种高动态范围图像的增强方法 | |
CN117408890A (zh) | 一种视频图像传输质量增强方法及系统 | |
Capra et al. | Dynamic range optimization by local contrast correction and histogram image analysis | |
CN113691739B (zh) | 高动态范围图像的图像处理方法及图像处理装置 | |
CN114998122A (zh) | 一种低照度图像增强方法 | |
CN111476744A (zh) | 一种基于分类及大气成像模型的水下图像增强方法 | |
Lal et al. | Automatic method for contrast enhancement of natural color images | |
US9972086B2 (en) | Method of determining image quality in digital pathology system |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230428 |