CN117274114A - 一种显示图像质量增强方法 - Google Patents

一种显示图像质量增强方法 Download PDF

Info

Publication number
CN117274114A
CN117274114A CN202311548940.XA CN202311548940A CN117274114A CN 117274114 A CN117274114 A CN 117274114A CN 202311548940 A CN202311548940 A CN 202311548940A CN 117274114 A CN117274114 A CN 117274114A
Authority
CN
China
Prior art keywords
image
gray
enhanced
image block
pixel
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Withdrawn
Application number
CN202311548940.XA
Other languages
English (en)
Inventor
孙海峰
赵瑞贤
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.)
Kefeng Hangzhi Electrical Technology Tianjin Co ltd
Original Assignee
Kefeng Hangzhi Electrical Technology Tianjin Co ltd
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 Kefeng Hangzhi Electrical Technology Tianjin Co ltd filed Critical Kefeng Hangzhi Electrical Technology Tianjin Co ltd
Priority to CN202311548940.XA priority Critical patent/CN117274114A/zh
Publication of CN117274114A publication Critical patent/CN117274114A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域，具体涉及一种显示图像质量增强方法，包括：获取待增强灰度图像；获取待增强灰度图像的若干个图像块；根据待增强灰度图像的每个图像块的异常可能性和邻域近似性，获取每个图像块中每个像素点的异常程度；根据每个图像块中每个像素点的异常程度，获取增强后的图像。本发明提高了图像细节的清晰度和缩放后的图像质量。

Description

一种显示图像质量增强方法
技术领域
本发明涉及图像增强处理技术领域，具体涉及一种显示图像质量增强方法。
背景技术
图像质量增强可以增强图像的细节和清晰度，使图像更加锐利和清晰。通过增强图像质量，人们能够更好地观察和欣赏图像，提高视觉体验。这对于艺术、摄影、电影等领域是非常重要的。低质量的图像可能会导致信息的失真、模糊或不明确，容易引起误解和误导。通过图像质量增强，可以减少这些问题，确保图像传达的信息准确和清晰。图像质量增强可以提高图像处理和分析的准确性；因此，图像质量增强对许多领域和应用都具有重要的价值。
而在图像缩放过程中，通过现有的双线性插值法解决图像放大造成细节的模糊的问题时，不能完全保持图像细节的清晰度且会产生锯齿噪声，导致通过其增强后的放大图像质量不佳。
发明内容
为了解决上述问题，本发明提供一种显示图像质量增强方法，所述方法包括：
获取待增强灰度图像；
获取待增强灰度图像的若干个图像块；根据每个图像块中所有像素点的灰度方差、梯度幅值均值和梯度幅值方差，获取每个图像块的变化程度；
根据每个图像块的变化程度，获取每个图像块的异常可能性；根据每个图像块的异常可能性，获取每个图像块的邻域近似性；获取每个图像块中每个像素点的每个异常变化因子；根据每个图像块中每个像素点的每个异常变化因子和每个图像块的邻域近似性，获取每个图像块中每个像素点的异常程度；
根据每个图像块中每个像素点的异常程度，获取增强后的图像。
优选的，所述获取待增强灰度图像的若干个图像块，包括的具体方法为：
使用预设大小的滑窗在待增强灰度图像上进行步长为/>的滑窗操作，得到若干个窗口，将每个窗口作为一个图像块，进而得到待增强灰度图像的若干个图像块。
优选的，所述根据每个图像块中所有像素点的灰度方差、梯度幅值均值和梯度幅值方差，获取每个图像块的变化程度的具体公式为：
式中，表示待增强灰度图像的第/>个图像块的变化程度；/>表示待增强灰度图像的第/>个图像块所有像素点的灰度方差；/>表示待增强灰度图像的第/>个图像块所有像素点的梯度幅值均值；/>表示待增强灰度图像的第/>个图像块所有像素点的梯度幅值方差。
优选的，所述根据每个图像块的变化程度，获取每个图像块的异常可能性，包括的具体方法为：
获取第个像素点的第一像素点和第/>个像素点的第二像素点，则待增强灰度图像的第/>个图像块的异常可能性的计算表达式为：
式中，表示待增强灰度图像的第/>个图像块的异常可能性；/>表示待增强灰度图像的第/>个图像块的变化程度；/>表示待增强灰度图像的第/>个图像块中所有像素点的总数量；表示待增强灰度图像的第/>个图像块中第/>个像素点的第一像素点的灰度值；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的灰度值；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的第二像素点的灰度值；/>表示取绝对值。
优选的，所述获取第个像素点的第一像素点和第/>个像素点的第二像素点的具体方法为：
将在第个像素点的梯度方向上的与第/>个像素点相邻的两个像素点，分别作为第/>个像素点的第一像素点和第/>个像素点的第二像素点。
优选的，所述根据每个图像块的异常可能性，获取每个图像块的邻域近似性，包括的具体方法为：
获取第个图像块的最大梯度像素点，将第/>个图像块视为一个像素点，获取第/>个图像块八邻域内所有图像块，则待增强灰度图像的第/>个图像块的邻域近似性的计算方法为：
式中，表示待增强灰度图像的第/>个图像块的邻域近似性；/>表示待增强灰度图像的第/>个图像块八邻域内所有图像块数量；/>表示待增强灰度图像的第/>个图像块与第/>个图像块八邻域内第/>个图像块的最大梯度像素点之间的距离，/>表示第/>个图像块八邻域内的第/>个图像块；/>表示待增强灰度图像的第/>个图像块的异常可能性；/>表示待增强灰度图像的第/>个图像块的异常可能性。
优选的，所述获取每个图像块中每个像素点的每个异常变化因子，包括的具体方法为：
在第个图像块八邻域中，获取在第/>个像素点的梯度方向上的所有像素点，对于第个像素点的梯度方向上的第/>个像素点，将第/>个像素点和第/>个像素点的灰度值的差值绝对值，记为第/>个像素点的第/>个第一差值，将所述第一差值与第/>个像素点所属图像块的异常可能性的乘积，记为第/>个像素点的第/>个异常变化因子。
优选的，所述根据每个图像块中每个像素点的每个异常变化因子和每个图像块的邻域近似性，获取每个图像块中每个像素点的异常程度的具体公式为：
式中，表示待增强灰度图像的第/>个图像块中第/>个像素点的异常程度；/>表示待增强灰度图像的第/>个图像块的邻域近似性；/>表示在第/>个图像块八邻域中在第/>个像素点的梯度方向上的所有像素点总数量；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的第/>个异常变化因子；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的所有异常变化因子均值；/>表示取绝对值；/>表示线性归一化函数。
优选的，所述根据每个图像块中每个像素点的异常程度，获取增强后的图像，包括的具体方法为：
对于待增强灰度图像中第个像素点，将第/>个像素点对应在待增强灰度图像中的像素点，记为待更新像素点；将待更新像素点所属图像块，记为第一图像块，将第一图像块八邻域内所有图像块中最小异常程度的像素点，记为最小像素点；根据最小像素点的异常程度和灰度值获得第/>个像素点的新灰度值；进而获取待增强灰度图像中所有像素点的新灰度值；以此完成对待增强灰度图像中所有像素点灰度值的更新，获得更新后的缩放灰度图像；将更新后的缩放灰度图像作为增强后的图像。
优选的，所述第个像素点的新灰度值为最小像素点的异常程度和灰度值乘积。
本发明的技术方案的有益效果是：根据待增强灰度图像的每个图像块的异常可能性和邻域近似性，获取每个图像块中每个像素点的异常程度，进而获取增强后的图像；解决了在图像缩放过程中，现有的双线性插值会造成细节模糊和产生锯齿噪声的问题；进而提高了图像细节的清晰度和缩放后的图像质量。
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，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地介绍，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他的附图。
图1为本发明一种显示图像质量增强方法的步骤流程图。
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显示图像质量增强方法，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。
下面结合附图具体的说明本发明所提供的一种显示图像质量增强方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种显示图像质量增强方法的步骤流程图，该方法包括以下步骤：
步骤S001：获取待增强灰度图像。
在查看小区监控视频图像时，需要对监控视频图像进行放大操作，分析监控视频图像中的细小事物，将放大后的监控视频图像记为待增强图像。
需要说明的是，由于在监控视频图像放大过程中，现有的双线性插值会造成细节的模糊，不能完全保持图像细节的清晰度且会产生锯齿噪声，导致放大的图像质量不佳，则需要对放大图像进行图像质量增强。
具体的，为了实现本实施例提出的一种显示图像质量增强方法，首先需要采集待增强灰度图像，具体过程为：
通过小区保安监控室采集监控视频图像，对采集到的监控视频图像使用双线性插值法将图像放大，获得待增强图像；对待增强图像进行中值滤波去噪和灰度化操作得到待增强灰度图像。其中，中值滤波、双线性插值法和灰度化操作为现有技术，此处不做过多赘述；本实施例以获取的待增强灰度图像大小为800×800进行叙述。
至此，通过上述方法得到待增强灰度图像。
步骤S002：获取待增强灰度图像的若干个图像块，获取每个图像块的变化程度。
1.获取待增强灰度图像的若干个图像块。
需要说明的是，传统的方法可能会导致图像中的细节粗糙过高或过低，同时，容易导致图像中的细节信息丢失，因此，本实施例通过对图像进行分块处理，对目标块进行单独的分析调整，这样可以尽可能地保留图像中的细节信息，不仅可以降低图像中的锯齿噪声，而且可以突出图像中的细节信息，解决了后续的图像处理遇到的大部分问题，可以快速获取到清晰完整的图像信息。
预设一个参数，其中本实施例以/>为例进行叙述，本实施例不进行具体限定，其中/>根据具体实施情况而定。
具体的，使用预设大小的滑窗在待增强灰度图像上进行步长为/>的滑窗操作，得到若干个窗口，将每个窗口作为一个图像块，进而得到待增强灰度图像的若干个图像块。
至此，获得待增强灰度图像的若干个图像块。
2.获取待增强灰度图像的每个图像块的变化程度。
需要说明的是，在图像缩放后，受边缘锯齿噪声影响的分块的梯度均值较大，因为边缘噪声存在渐变趋势，所以受边缘锯齿噪声影响的分块的灰度方差与梯度方差较大，也即图像块的灰度方差值越大，则图像块受边缘锯齿噪声的影响越大；图像块的梯度幅值均值值越大，则图像块受边缘锯齿噪声的影响越大；图像块的梯度幅值方差值越大，则图像块受边缘锯齿噪声的影响越大。
具体的，对于待增强灰度图像的第个图像块，根据第/>个图像块所有像素点的灰度方差、梯度幅值均值和梯度幅值方差，获取第/>个图像块的变化程度的计算表达式为：
式中，表示待增强灰度图像的第/>个图像块的变化程度；/>表示待增强灰度图像的第/>个图像块所有像素点的灰度方差；/>表示待增强灰度图像的第/>个图像块所有像素点的梯度幅值均值；/>表示待增强灰度图像的第/>个图像块所有像素点的梯度幅值方差。
至此，通过上述方法得到待增强灰度图像的每个图像块的变化程度。
步骤S003：根据待增强灰度图像的每个图像块的异常可能性和邻域近似性，获取每个图像块中每个像素点的异常程度。
需要说明的是，仅通过每个图像块的变化程度不足以判断图像块内像素点受锯齿噪声的影响程度，因此需要对每个图像块内的变化节奏性与区域的关联性进行分析，得到每个图像块的异常可能性。
1.获取待增强灰度图像的每个图像块的异常可能性。
需要说明的是，当图像块存在变化时，可能是因为受到边缘锯齿噪声影响而使得图像块内像素点存在渐变趋势，但也可能是因为图像块的位置，其图像的本身就存在渐变的特征区域，而并非受到边缘锯齿噪声影响才导致的，因此需要分析两种渐变情况的差异。当图像块内像素点是因受到边缘锯齿噪声影响而产生渐变变化时，渐变的幅度在靠近纯色时区域时较为微弱，即渐变相邻像素点变化节奏较慢，在靠近强边缘时渐变的幅度加大，即渐变相邻像素点变化节奏较快。当图像块内的像素点未受到边缘锯齿噪声影响，而是因为图像中本身存在的变色区域而发生的渐变变化，这种情况产生的渐变变化的规律性较强，变化节奏存在统一的变化趋势。
因此，对各图像块内的像素点的渐变变化方向与变化程度进行分析，获取图像块内各像素点的梯度方向，计算图像块中每个像素点与梯度方向相邻像素点的灰度差值，通过图像块内像素点差值体现图像块内像素点的变化节奏。
具体的，对于待增强灰度图像的第个图像块中第/>个像素点，将在第/>个像素点的梯度方向上与第/>个像素点相邻的两个像素点，分别作为第/>个像素点的第一像素点和第/>个像素点的第二像素点；则待增强灰度图像的第/>个图像块的异常可能性的计算表达式为：
式中，表示待增强灰度图像的第/>个图像块的异常可能性；/>表示待增强灰度图像的第/>个图像块的变化程度；/>表示待增强灰度图像的第/>个图像块中所有像素点的总数量；表示待增强灰度图像的第/>个图像块中第/>个像素点的第一像素点的灰度值；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的灰度值；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的第二像素点的灰度值；/>表示取绝对值。
至此，获得待增强灰度图像的每个图像块的异常可能性。
2.获取待增强灰度图像的每个图像块中每个像素点的异常程度。
需要说明的是，通过上述步骤得到了各图像块的异常可能性，但上述步骤是对图像块内的变化进行分析的，所以仅通过异常可能性进行异常判断不具有整体性，可能存在误差，因为图像中存在渐变区域是存在区域整体统一的渐变相关性，而因为受到边缘锯齿噪声影响的图像块则不具有区域整体统一的渐变相关性，因此通过图像块与邻域的渐变相关性进行分析，跟据异常可能性的渐变相关性得到图像块中每个像素点异常程度。
当图像块因为受到边缘锯齿噪声影响导致出现的渐变变化时，这种情况的图像块周围可能会存在纯色图像块，或是因为当时受到边缘锯齿噪声影响而造成的渐变的变化节奏不统一不规律的现象，靠近纯色区域的图像块的渐变程度较小。而靠近颜色边缘线的图像块的渐变程度较大，而因为在图像本身的渐变区域而存在渐变的图像块，他在渐变整体区域的渐变过程中，与它的周围邻域的渐变的节奏较为统一。
具体的，对于待增强灰度图像的第个图像块，将第/>个图像块中梯度幅值最大的像素点作为最大梯度像素点，将第/>个图像块视为一个像素点，获取第/>个图像块八邻域内所有图像块，则待增强灰度图像的第/>个图像块的邻域近似性的计算方法为：
式中，表示待增强灰度图像的第/>个图像块的邻域近似性；/>表示待增强灰度图像的第/>个图像块八邻域内所有图像块数量；/>表示待增强灰度图像的第/>个图像块与第/>个图像块八邻域内第/>个图像块的最大梯度像素点之间的距离，/>表示第/>个图像块八邻域内的第/>个图像块；/>表示待增强灰度图像的第/>个图像块的异常可能性；/>表示待增强灰度图像的第/>个图像块的异常可能性。
进一步，对于待增强灰度图像的第个图像块中第/>个像素点，在第/>个图像块八邻域中，获取在第/>个像素点的梯度方向上的所有像素点，对于第/>个像素点的梯度方向上的第个像素点，将第/>个像素点和第/>个像素点的灰度值的差值绝对值，记为第/>个像素点的第/>个第一差值，将所述第一差值与第/>个像素点所属图像块的异常可能性的乘积，记为第/>个像素点的第/>个异常变化因子；则待增强灰度图像的第/>个图像块中第/>个像素点的异常程度的计算方法为：
式中，表示待增强灰度图像的第/>个图像块中第/>个像素点的异常程度；/>表示待增强灰度图像的第/>个图像块的邻域近似性；/>表示在第/>个图像块八邻域中在第/>个像素点的梯度方向上的所有像素点总数量；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的第/>个异常变化因子；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的所有异常变化因子均值；/>表示取绝对值；/>表示线性归一化函数。
至此，通过上述方法得到待增强灰度图像的每个图像块中每个像素点的异常程度。
步骤S004：根据每个图像块中每个像素点的异常程度，获取增强后的图像。
具体的，获取增强后的图像的具体方法为：
对于待增强灰度图像中第个像素点，将第/>个像素点对应在待增强灰度图像中的像素点，记为待更新像素点；将待更新像素点所属图像块，记为第一图像块，将第一图像块八邻域内所有图像块中最小异常程度的像素点，记为最小像素点；将最小像素点的异常程度和灰度值的乘积，作为第/>个像素点的新灰度值；进而获取待增强灰度图像中所有像素点的新灰度值；以此完成对待增强灰度图像中所有像素点灰度值的更新，获得更新后的缩放灰度图像；将更新后的缩放灰度图像作为增强后的图像。
至此，本实施例完成。
以上所述仅为本发明的较佳实施例而已，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 (10)

1.一种显示图像质量增强方法，其特征在于，该方法包括以下步骤：
获取待增强灰度图像；
获取待增强灰度图像的若干个图像块；根据每个图像块中所有像素点的灰度方差、梯度幅值均值和梯度幅值方差，获取每个图像块的变化程度；
根据每个图像块的变化程度，获取每个图像块的异常可能性；根据每个图像块的异常可能性，获取每个图像块的邻域近似性；获取每个图像块中每个像素点的每个异常变化因子；根据每个图像块中每个像素点的每个异常变化因子和每个图像块的邻域近似性，获取每个图像块中每个像素点的异常程度；
根据每个图像块中每个像素点的异常程度，获取增强后的图像。
2.根据权利要求1所述一种显示图像质量增强方法，其特征在于，所述获取待增强灰度图像的若干个图像块，包括的具体方法为：
使用预设大小的滑窗在待增强灰度图像上进行步长为/>的滑窗操作，得到若干个窗口，将每个窗口作为一个图像块，进而得到待增强灰度图像的若干个图像块。
3.根据权利要求1所述一种显示图像质量增强方法，其特征在于，所述根据每个图像块中所有像素点的灰度方差、梯度幅值均值和梯度幅值方差，获取每个图像块的变化程度的具体公式为：
式中，表示待增强灰度图像的第/>个图像块的变化程度；/>表示待增强灰度图像的第/>个图像块所有像素点的灰度方差；/>表示待增强灰度图像的第/>个图像块所有像素点的梯度幅值均值；/>表示待增强灰度图像的第/>个图像块所有像素点的梯度幅值方差。
4.根据权利要求1所述一种显示图像质量增强方法，其特征在于，所述根据每个图像块的变化程度，获取每个图像块的异常可能性，包括的具体方法为：
获取第个像素点的第一像素点和第/>个像素点的第二像素点，则待增强灰度图像的第/>个图像块的异常可能性的计算表达式为：
式中，表示待增强灰度图像的第/>个图像块的异常可能性；/>表示待增强灰度图像的第个图像块的变化程度；/>表示待增强灰度图像的第/>个图像块中所有像素点的总数量；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的第一像素点的灰度值；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的灰度值；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的第二像素点的灰度值；/>表示取绝对值。
5.根据权利要求4所述一种显示图像质量增强方法，其特征在于，所述获取第个像素点的第一像素点和第/>个像素点的第二像素点的具体方法为：
将在第个像素点的梯度方向上的与第/>个像素点相邻的两个像素点，分别作为第/>个像素点的第一像素点和第/>个像素点的第二像素点。
6.根据权利要求1所述一种显示图像质量增强方法，其特征在于，所述根据每个图像块的异常可能性，获取每个图像块的邻域近似性，包括的具体方法为：
获取第个图像块的最大梯度像素点，将第/>个图像块视为一个像素点，获取第/>个图像块八邻域内所有图像块，则待增强灰度图像的第/>个图像块的邻域近似性的计算方法为：
式中，表示待增强灰度图像的第/>个图像块的邻域近似性；/>表示待增强灰度图像的第个图像块八邻域内所有图像块数量；/>表示待增强灰度图像的第/>个图像块与第/>个图像块八邻域内第/>个图像块的最大梯度像素点之间的距离，/>表示第/>个图像块八邻域内的第/>个图像块；/>表示待增强灰度图像的第/>个图像块的异常可能性；/>表示待增强灰度图像的第/>个图像块的异常可能性。
7.根据权利要求1所述一种显示图像质量增强方法，其特征在于，所述获取每个图像块中每个像素点的每个异常变化因子，包括的具体方法为：
在第个图像块八邻域中，获取在第/>个像素点的梯度方向上的所有像素点，对于第/>个像素点的梯度方向上的第/>个像素点，将第/>个像素点和第/>个像素点的灰度值的差值绝对值，记为第/>个像素点的第/>个第一差值，将所述第一差值与第/>个像素点所属图像块的异常可能性的乘积，记为第/>个像素点的第/>个异常变化因子。
8.根据权利要求1所述一种显示图像质量增强方法，其特征在于，所述根据每个图像块中每个像素点的每个异常变化因子和每个图像块的邻域近似性，获取每个图像块中每个像素点的异常程度的具体公式为：
式中，表示待增强灰度图像的第/>个图像块中第/>个像素点的异常程度；/>表示待增强灰度图像的第/>个图像块的邻域近似性；/>表示在第/>个图像块八邻域中在第/>个像素点的梯度方向上的所有像素点总数量；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的第/>个异常变化因子；/>表示待增强灰度图像的第/>个图像块中第/>个像素点的所有异常变化因子均值；/>表示取绝对值；/>表示线性归一化函数。
9.根据权利要求1所述一种显示图像质量增强方法，其特征在于，所述根据每个图像块中每个像素点的异常程度，获取增强后的图像，包括的具体方法为：
对于待增强灰度图像中第个像素点，将第/>个像素点对应在待增强灰度图像中的像素点，记为待更新像素点；将待更新像素点所属图像块，记为第一图像块，将第一图像块八邻域内所有图像块中最小异常程度的像素点，记为最小像素点；根据最小像素点的异常程度和灰度值获得第/>个像素点的新灰度值；进而获取待增强灰度图像中所有像素点的新灰度值；以此完成对待增强灰度图像中所有像素点灰度值的更新，获得更新后的缩放灰度图像；将更新后的缩放灰度图像作为增强后的图像。
10.根据权利要求9所述一种显示图像质量增强方法，其特征在于，所述第个像素点的新灰度值为最小像素点的异常程度和灰度值乘积。
CN202311548940.XA 2023-11-21 2023-11-21 一种显示图像质量增强方法 Withdrawn CN117274114A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311548940.XA CN117274114A (zh) 2023-11-21 2023-11-21 一种显示图像质量增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311548940.XA CN117274114A (zh) 2023-11-21 2023-11-21 一种显示图像质量增强方法

Publications (1)

Publication Number Publication Date
CN117274114A true CN117274114A (zh) 2023-12-22

Family

ID=89219966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311548940.XA Withdrawn CN117274114A (zh) 2023-11-21 2023-11-21 一种显示图像质量增强方法

Country Status (1)

Country Link
CN (1) CN117274114A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117876286A (zh) * 2024-03-13 2024-04-12 哈船通航(三亚)技术服务合伙企业(有限合伙) 一种水下机器人用智能船舶清洗系统
CN118396999A (zh) * 2024-06-26 2024-07-26 陕西润泽博泽科技有限公司 一种基于图像处理的油封质量检测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117876286A (zh) * 2024-03-13 2024-04-12 哈船通航(三亚)技术服务合伙企业(有限合伙) 一种水下机器人用智能船舶清洗系统
CN117876286B (zh) * 2024-03-13 2024-05-17 哈船通航(三亚)技术服务合伙企业(有限合伙) 一种水下机器人用智能船舶清洗系统
CN118396999A (zh) * 2024-06-26 2024-07-26 陕西润泽博泽科技有限公司 一种基于图像处理的油封质量检测方法

Similar Documents

Publication Publication Date Title
CN116309570B (zh) 一种钛合金棒材质量检测方法及系统
CN117132510B (zh) 一种基于图像处理的监控图像增强方法及系统
CN116993731B (zh) 基于图像的盾构机刀头缺陷检测方法
US11995808B2 (en) Method for X-ray dental image enhancement
CN116188462A (zh) 一种基于视觉鉴定的贵金属质量检测方法及系统
CN110047055B (zh) 一种红外图像细节增强及去噪方法
CN117764864B (zh) 基于图像去噪的核磁共振肿瘤视觉检测方法
CN115984148B (zh) 一种高通量基因测序数据的去噪增强方法
CN117274114A (zh) 一种显示图像质量增强方法
CN116863253B (zh) 基于大数据分析的运维风险预警方法
CN109447912B (zh) 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法
CN110189266A (zh) 一种自适应的快速图像增强方法
CN117994154B (zh) 一种基于传感器的图像智能去噪方法
CN114298916A (zh) 一种基于灰度拉伸和局部增强的X-Ray图像增强方法
CN117541582A (zh) 一种高频变频器igbt绝缘质量检测方法
CN117036205B (zh) 基于图像增强的注塑件生产质量检测方法
CN117314940B (zh) 基于人工智能的激光切割零件轮廓快速分割方法
CN117542488B (zh) 一种用于脑肿瘤ct数据的智能处理方法
CN117541605B (zh) 一种钢结构锈蚀图像区域快速分割方法
CN117408905B (zh) 基于多模态特征提取的医学图像融合方法
CN115170561A (zh) 一种基于视觉处理的激光切割工件的圆度检测方法及系统
CN117115717B (zh) 互联网网络数据解析方法及系统
CN116228599B (zh) 基于遥感影像增强的矿产资源动态监测方法
CN118014887B (zh) 一种基于物联网的智能折叠房屋远程监控方法
CN118470024B (zh) 基于图像特征的食品异物快速检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20231222

WW01 Invention patent application withdrawn after publication