CN117710275B - 一种图像低亮区域改善方法及系统 - Google Patents
一种图像低亮区域改善方法及系统 Download PDFInfo
- Publication number
- CN117710275B CN117710275B CN202410168962.1A CN202410168962A CN117710275B CN 117710275 B CN117710275 B CN 117710275B CN 202410168962 A CN202410168962 A CN 202410168962A CN 117710275 B CN117710275 B CN 117710275B
- Authority
- CN
- China
- Prior art keywords
- image
- enhancement
- gray
- adaptive
- gray level
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000006872 improvement Effects 0.000 title claims abstract description 13
- 230000003044 adaptive effect Effects 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 19
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 3
- 230000001105 regulatory effect Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,尤其涉及一种图像低亮区域改善方法及系统,本发明通过将原始图像转成灰度图,并对灰度图进行自适应亮度增强,之后进行自适应局部对比度增强,再对局部对比度增强后的灰度图进行图像信息恢复,得到低亮区域改善图像。实现彩色图像和灰度图像的低亮区域改善,使得图像中低亮区域的信息能被看清,同时尽量不调整图像中高亮区域,使得图像画面观感更好。本发明设计的自适应对比度参数,不会产生正常图像的过增强,也不会让低亮图像产生欠增强,能够处在一个均衡的水平,使得画面效果较佳。本发明通过使用了强截断值,整体画面不会出现奇怪的过增强区域,减少画面颜色的偏移。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像低亮区域改善方法及系统。
背景技术
低亮图像由于能见度低,不利于人类观测和计算机视觉算法。虽然许多图像增强技术已经被提出来解决这一问题,但现有的方法不可避免地会引入对比度和颜色的欠增强和过增强。通常将低亮图像增强的方法分为四种:(1)基于直方图统计的方法;(2)基于Retinex理论的方法;(3)基于去雾的一些方法;(4)非线性函数映射的方法。
基于直方图统计的方法能够有效提升图像的对比度。但当图像中有暗区有亮区,整体分布均匀时,该方法就较难提升暗部区域。另外该方法可能会使得画面看上去有些失真。
基于Retinex理论的方法能够有效提升细节,但是对本身就有高对比度的区域容易产生光晕。另外该增强方式有可能会导致画面整体泛白,画面寡淡且看上很不自然。
基于去雾的一些方法能够有效的提升画面感受,但是容易产生过度的对比度增强而导致颜色的失真,难达到自然画面的程度。
非线性函数映射的方法是比较早的一类方法,他们主要使用幂律函数和对数函数等方式提升暗部区域,但该方法一般都是全局调整,很容易导致画面整体偏白,整体的对比度降低,导致画面的观感变差。
发明内容
有鉴于此,本发明的目的在于提出一种图像低亮区域改善方法及系统,以解决现有算法无法提供明暗和对比度自然、损失细节少的图像的问题。
基于上述目的,本发明提供了一种图像低亮区域改善方法,包括以下步骤:
S1、将原始图像转成灰度图,并对灰度图进行自适应亮度增强;
S2、对自适应亮度增强后的灰度图进行自适应局部对比度增强;
S3、对局部对比度增强后的灰度图进行图像信息恢复,得到低亮区域改善图像;
步骤S1具体包括以下子步骤:
S11、将原始图像转成第一灰度图像,将第一灰度图像的像素值进行取整操作,并约束到0到255区间范围内,再将图像规范化到0到1的区间内得到第二灰度图像;
S12、基于第一灰度图像的直方图信息得到自适应亮度调节参数,通过自适应值对第二灰度图像进行自适应亮度增强;
步骤S2中,自适应局部对比度增强的公式为:
;
其中,L2表示局部对比度增强后的灰度图,L1表示自适应亮度增强后的灰度图,P表示对比度增益系数,由以下公式得到:
;
其中为导向滤波的结果,Q表示自适应对比度增益系数,自适应对比度增益系数Q的计算公式为:
;
其中Q_REF表示参考对比度增益系数,S表示第一灰度图像的累计直方图达到15%时的灰度值,std表示整幅图像的标准差。
优选地,步骤S11中,将原始图像转成第一灰度图像的公式为:
;
其中,I表示第一灰度图像,R、G、B分别表示原始图像的红、绿、蓝三个颜色通道的亮度值。
优选地,对第二灰度图像进行自适应亮度增强采用以下公式:
;
其中,L1表示自适应亮度增强后的灰度图,表示第二灰度图像,/>为可调节参数,/>为自适应亮度调节参数,由以下公式得到:
;
其中,S表示第一灰度图像的累计直方图达到15%时的灰度值。
优选地,导向滤波的结果通过使用三组对应的参数得到,每组参数均包括窗口半径和去噪程度参数,将三个导向滤波的结果分别代入自适应局部对比度增强的公式中,得到三个尺度的局部对比度增强后的灰度图。
优选地,三组参数中三个不同窗口半径由以下公式计算得到:
;
其中R表示参考半径,H和W分别表示自适应亮度增强后的灰度图的高和宽,O1为可调系数,、/>、/>分别为对应的小、中、大导向滤波窗口半径;
三组参数中三个不同去噪程度参数由以下公式计算得到:
;
其中E为参考去噪参数,O2为可调系数,、/>、/>分别为对应的小、中、大滤波去噪程度的参数。
优选地,步骤S3具体包括:
通过调整三个尺度的局部对比度增强后的灰度图的贡献参数,计算得到增强因子,通过增强因子结合原始图像进行彩色恢复,得到低亮区域改善图像。
优选地,本方法还包括对增强因子进行优化,优化的公式为:
;
其中为增强因子,/>为优化的增强因子,/>为设置的强截断值,/>为对应的原图的RGB三通道的像素值,/>表示像素点R、G、B值中的最大值,/>表示像素点R、G、B值中的最小值,/>表示对应像素点的饱和度,表示对应像素点的参考增强因子。
本发明还提供一种用于执行上述的图像低亮区域改善方法的图像低亮区域改善系统,包括:
亮度增强模块,用于将原始图像转成灰度图,并对灰度图进行自适应亮度增强;
对比度增强模块,用于对自适应亮度增强后的灰度图进行自适应局部对比度增强;
图像信息恢复模块,用于对局部对比度增强后的灰度图进行图像信息恢复,得到低亮区域改善图像。
本发明的有益效果:
1、实现彩色图像和灰度图像的低亮区域改善,使得图像中低亮区域的信息能被看清,同时尽量不调整图像中高亮区域,使得图像画面观感更好。
2、设计的自适应对比度参数,不会产生正常图像的过增强,也不会让低亮图像产生欠增强,能够处在一个均衡的水平,使得画面效果较佳。
3、本发明通过使用了强截断值,整体画面不会出现奇怪的过增强区域,减少画面颜色的偏移。
附图说明
为了更清楚地说明本发明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,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为本发明实施例的图像低亮区域改善方法流程示意图;
图2为本发明实施例的暗处提亮结果对比图;
图3为本发明实施例的高斯滤波与导向滤波效果对比图;
图4为本发明实施例的不同参数的效果对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如图1所示,本说明书实施例提供一种图像低亮区域改善方法,包括以下步骤:
S1、将原始图像转成灰度图,并对灰度图进行自适应亮度增强。
具体包括:
S11、通过公式(1)将三通道彩色图像I_RGB转成第一灰度图像I,将第一灰度图像I的像素值进行取整操作,并约束到0-255区间范围内,再使用公式(2)将图像规范化到0-1的区间内得到第二灰度图像I_Norm;
(1),
(2),
S12、对第一灰度图像I进行直方图统计,得到直方图信息H。
对第二灰度图像I_Norm进行自适应亮度增强,具体使用公式(3),该函数的变化趋势由自适应亮度调节参数x决定,x的值越大,表明暗处需要增强的程度越猛烈,x的值越小,当其等于1时,表明增强后的结果L1与灰度图I_Norm相同;
(3),
其中L1表示自适应亮度增强后的灰度图,w1的参数是可调节参数,w1越大表明对暗处增强越猛烈,综合各方面考虑默认可选参数0.2,能达到较好的效果。
其中参数x是一个根据直方图信息H得到的自适应值,具体可以通过公式(4)计算得到。公式(4)中的S表示第一灰度图像的累计直方图达到15%时的灰度值,也就是说如果第一灰度图像中85%的像素值都大于150,则x取值为1;如果15%或者更多的像素值都小于50,则x取值为0.25;其他情况则根据公式(4)中计算所得。
(4),
S2、对自适应亮度增强后的灰度图进行自适应局部对比度增强。
自适应亮度增强后的灰度图L1会因为低亮区域的放大,导致画面对比度下降,因此为了维持画面的对比度,本实施例中使用自适应局部对比度增强的方式,该方法是当某一个像素点经过滤波操作后,如果滤波后的结果大于原来的像素值,说明该像素点比周围的像素值小,需要减小原像素值,如果滤波后的结果小于原来的像素值,说明该像素点比周围的像素值大,则要增大原像素值。这样通过局部信息增大和减小像素值就能增强局部的对比度。该方法具体由公式(5)和(6)计算所得。
(5),
其中,L2表示局部对比度增强后的灰度图,L1表示自适应亮度增强后的灰度图,P表示对比度增益系数;
(6),
其中为导向滤波的结果,Q表示自适应对比度增益系数,自适应对比度增益系数Q的计算公式为:
(7),
(8),
其中Q_REF表示参考对比度增益系数,S表示第一灰度图像的累计直方图达到15%时的灰度值,std表示整幅图像的标准差。
对比度低是由于低亮区域被提亮后得到的像素值与原本的中性灰的像素值接近,导致局部画面使用的色阶值变少,画面的对比度降低,画面自然度下降。因此当画面整体低亮区域较多时,应该增加对比度,公式(7)就表现了这种趋势。
另外对比度低还有一种情况,那就是画面整体的对比度较低,这种对比度低不是由于提亮导致的,而是它本身就低。因此从画面整理的标准差角度出发,设计了一种根据不同标准差使用不同增益系数的方式,具体的见公式(8)。
本实施例选用导向滤波作为滤波方式,有较强的保边能力,同时运算速度也很快。
为了能让当前像素点能收集到足够多周围的信息,使得对比度增强能更为有效,本发明使用了3个不同窗口半径和去噪程度的参数。使用3个不同窗口半径是为了获取不同尺寸的图像信息。使用不同的去噪程度是为了既能够在小窗口时保护边缘,又能在大窗口获取周边亮度信息。
三个不同窗口半径由以下公式计算得到:
;
其中R表示参考半径,该半径是整数值,当该值小于5时,则让其置为5。H和W分别表示自适应亮度增强后的灰度图的高和宽,O1为可调系数,本实施例设置的默认值为60。、、/>分别为对应的小、中、大导向滤波窗口半径;
三组参数中三个不同去噪程度参数由以下公式计算得到:
;
其中E为参考去噪参数,该值为整数值,当该值小于10时则置为10。O2为可调系数,本实施例设置的默认值为50。、/>、/>分别为对应的小、中、大滤波去噪程度的参数。
经过上述参数的导向滤波处理后,得到三个导向结果图,分别为Lguid1,Lguid2,Lguid3。将这三个值分别代入公式(6)中即可得到三个尺度的局部对比度增强后的灰度图,称之为,/>,/>。
S3、对局部对比度增强后的灰度图进行图像信息恢复,得到低亮区域改善图像。
具体包括:
S31、提亮后的彩色图像信息恢复
(9),
(10),
根据公式(9)和公式(10)即可恢复彩色图像T_RGB。其中m1,m2,m3是3个可调参数,控制不同尺度信息对最终图像的贡献,在本实施例中,默认m1,m2,m3的值为0.3,0.3,0.4。
S32、增强因子的优化
考虑到彩色图像恢复图像会产生过增强而导致伪彩信息,需要对其中使用的增强因子进行一定的优化;具体优化公式详见(11-15);
(11),
(12),
(13),
(14),
(15),
最终将替换公式(10)中的factor即可得到最终的彩色图像。其中为设置的强截断值,本实施例中默认为4。公式(14)是为了保证颜色没有偏移。其中参数/>为对应的原图的RGB三通道的像素值。
上式中为增强因子,/>为优化的增强因子,/>为设置的强截断值,/>为对应的原图的RGB三通道的像素值,/>表示像素点R、G、B值中的最大值,/>表示像素点R、G、B值中的最小值,/>表示对应像素点的饱和度,表示对应像素点的参考增强因子。
通过本方法得到的改善图像如图2所示,从图2的结果可以看出,第一幅图像为高亮图像,增强就很少,画面效果也很好;第二幅图像中同时存在低亮和高亮区域,可以看到增了低亮部分,同时高亮没有过曝,整体画面的对比度上升,画面效果较佳。说明本方法可以对不同光照的图像都处理的较好,适应性较强。
如图3展示了不同滤波方式带来的不同效果,左侧图像使用了高斯滤波,右侧图像使用了导向滤波。左侧图像在大楼处明显产生了光晕,而右侧的没有,表明本发明选用的导向滤波能够很好地抑制光晕。同时本发明设计的自适应图像尺寸的窗口半径和去噪参数能够适应各种情况,能在不同尺寸的图像都能取得较好的结果。
图4主要揭示了限制参数对于结果的影响。左上角图为原图,右上角是对放大系数不做限制的结果,左下角对放大系数做了限制但颜色有偏移,右下角是对放大系数做了限制且颜色未偏移。可以看出在使用了强截断值后,整体画面不会出现奇怪的过增强区域。在强截断的基础上再使用限制颜色偏移的方法后,参考图4中红色方框,可以看出颜色依旧保持的橘黄色并未转变到黄色,说明保持了颜色恒常性,未发生偏移。说明本发明中截断的方式是非常有效且计算成本也相对较低的一种方式,具有一定的先进性。
本说明书实施例还提供一种用于执行上述的图像低亮区域改善方法的图像低亮区域改善系统,包括:
亮度增强模块,用于将原始图像转成灰度图,并对灰度图进行自适应亮度增强;
对比度增强模块,用于对自适应亮度增强后的灰度图进行自适应局部对比度增强;
图像信息恢复模块,用于对局部对比度增强后的灰度图进行图像信息恢复,得到低亮区域改善图像。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
本发明旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、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)
1.一种图像低亮区域改善方法,其特征在于,所述方法包括以下步骤:
S1、将原始图像转成灰度图,并对灰度图进行自适应亮度增强;
S2、对自适应亮度增强后的灰度图进行自适应局部对比度增强;
S3、对局部对比度增强后的灰度图进行图像信息恢复,得到低亮区域改善图像;
步骤S1具体包括以下子步骤:
S11、将原始图像转成第一灰度图像,将第一灰度图像的像素值进行取整操作,并约束到0到255区间范围内,再将图像规范化到0到1的区间内得到第二灰度图像;
S12、基于第一灰度图像的直方图信息得到自适应亮度调节参数,通过自适应值对第二灰度图像进行自适应亮度增强;
步骤S2中,自适应局部对比度增强的公式为:
L2=L1 P;
其中,L2表示局部对比度增强后的灰度图,L1表示自适应亮度增强后的灰度图,P表示对比度增益系数,由以下公式得到:
其中Lguid为导向滤波的结果,Q表示自适应对比度增益系数,自适应对比度增益系数Q的计算公式为:
Q=max(3.65-0.214×std,Q_REF);
其中Q_REF表示参考对比度增益系数,S表示第一灰度图像的累计直方图达到15%时的灰度值,std表示整幅图像的标准差;
导向滤波的结果通过使用三组对应的参数得到,分别为Lguid1,Lguid2,Lguid3,每组参数均包括窗口半径和去噪程度参数,将三个导向滤波的结果分别代入自适应局部对比度增强的公式中,得到三个尺度的局部对比度增强后的灰度图,分别为L2 1,L2 2,L2 3;
三组参数中三个不同窗口半径由以下公式计算得到:
R=min(H,W)/O1
R_S=R
R_M=R×4
RL=R×16;
其中R表示参考半径,H和W分别表示自适应亮度增强后的灰度图的高和宽,O1为可调系数,R_S、R_M、RL分别为对应的小、中、大导向滤波窗口半径;
三组参数中三个不同去噪程度参数由以下公式计算得到:
E=min(H,W)/O2
E_S=E
E_M=E×4
EL=E×16;
其中E为参考去噪参数,O2为可调系数,E_S、E_M、EL分别为对应的小、中、大滤波去噪程度的参数;
步骤S3具体包括:
S31、通过调整三个尺度的局部对比度增强后的灰度图的贡献参数,计算得到增强因子,通过增强因子结合原始图像进行彩色恢复,得到低亮区域改善图像,具体包括通过以下公式恢复彩色图像T_RGB:
factor=m1×L2 1+m2×L2 2+m3×L2 3
T_RGB=I_RGB×factor
其中factor为增强因子,I_RGB为三通道彩色图像,m1,m2,m3是3个可调参数,控制不同尺度信息对最终图像的贡献;
S32、对增强因子进行优化,优化的公式为:
max_value=max(IR,IG,IB)
min_value=min(IR,IG,IB)
new_factor=min(min(factor,ref_factor),max_factor)
其中new_factor为优化的增强因子,max_factor为设置的强截断值,IR,IG,IB为对应的原图的RGB三通道的像素值,max_value表示像素点R、G、B值中的最大值,min_value表示像素点R、G、B值中的最小值,sat表示对应像素点的饱和度,ref_factor表示对应像素点的参考增强因子。
2.根据权利要求1所述的图像低亮区域改善方法,其特征在于,步骤S11中,将原始图像转成第一灰度图像的公式为:
其中,I表示第一灰度图像,R、G、B分别表示原始图像的红、绿、蓝三个颜色通道的亮度值。
3.根据权利要求1所述的图像低亮区域改善方法,其特征在于,对第二灰度图像进行自适应亮度增强采用以下公式:
其中,L1表示自适应亮度增强后的灰度图,I_Norm表示第二灰度图像,w1为可调节参数,x为自适应亮度调节参数,由以下公式得到:
其中,S表示第一灰度图像的累计直方图达到15%时的灰度值。
4.一种用于执行如权利要求1-3中任意一项所述的图像低亮区域改善方法的图像低亮区域改善系统,其特征在于,包括:
亮度增强模块,用于将原始图像转成灰度图,并对灰度图进行自适应亮度增强;
对比度增强模块,用于对自适应亮度增强后的灰度图进行自适应局部对比度增强;
图像信息恢复模块,用于对局部对比度增强后的灰度图进行图像信息恢复,得到低亮区域改善图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410168962.1A CN117710275B (zh) | 2024-02-06 | 2024-02-06 | 一种图像低亮区域改善方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410168962.1A CN117710275B (zh) | 2024-02-06 | 2024-02-06 | 一种图像低亮区域改善方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117710275A CN117710275A (zh) | 2024-03-15 |
CN117710275B true CN117710275B (zh) | 2024-04-30 |
Family
ID=90162928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410168962.1A Active CN117710275B (zh) | 2024-02-06 | 2024-02-06 | 一种图像低亮区域改善方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117710275B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056559A (zh) * | 2016-06-30 | 2016-10-26 | 河海大学常州校区 | 基于暗通道先验的非均匀光场水下目标探测图像增强方法 |
CN108416741A (zh) * | 2018-01-23 | 2018-08-17 | 浙江工商大学 | 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 |
CN109325922A (zh) * | 2018-09-12 | 2019-02-12 | 深圳开阳电子股份有限公司 | 一种图像自适应增强方法、装置及图像处理设备 |
CN109949247A (zh) * | 2019-03-26 | 2019-06-28 | 常州工学院 | 一种基于yiq空间光学成像模型的梯度域自适应增益水下图像增强方法 |
CN116309152A (zh) * | 2023-03-15 | 2023-06-23 | 电子科技大学 | 一种低照度图像的细节增强方法、系统、设备和存储介质 |
CN117115033A (zh) * | 2023-09-01 | 2023-11-24 | 东北电力大学 | 基于强光抑制的电力作业现场弱光图像增强方法 |
-
2024
- 2024-02-06 CN CN202410168962.1A patent/CN117710275B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056559A (zh) * | 2016-06-30 | 2016-10-26 | 河海大学常州校区 | 基于暗通道先验的非均匀光场水下目标探测图像增强方法 |
CN108416741A (zh) * | 2018-01-23 | 2018-08-17 | 浙江工商大学 | 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 |
CN109325922A (zh) * | 2018-09-12 | 2019-02-12 | 深圳开阳电子股份有限公司 | 一种图像自适应增强方法、装置及图像处理设备 |
CN109949247A (zh) * | 2019-03-26 | 2019-06-28 | 常州工学院 | 一种基于yiq空间光学成像模型的梯度域自适应增益水下图像增强方法 |
CN116309152A (zh) * | 2023-03-15 | 2023-06-23 | 电子科技大学 | 一种低照度图像的细节增强方法、系统、设备和存储介质 |
CN117115033A (zh) * | 2023-09-01 | 2023-11-24 | 东北电力大学 | 基于强光抑制的电力作业现场弱光图像增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117710275A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148095B (zh) | 一种水下图像增强方法及增强装置 | |
Moroney | Local color correction using non-linear masking | |
Lee et al. | A space-variant luminance map based color image enhancement | |
Nithyananda et al. | Review on histogram equalization based image enhancement techniques | |
KR101621614B1 (ko) | 디지털 이미지 향상 방법 및 장치와, 이를 이용한 영상 처리 장치 | |
US20040042676A1 (en) | Method and apparatus for illumination compensation of digital images | |
US20210374925A1 (en) | Image Enhancement System and Method | |
CN104346776A (zh) | 基于Retinex理论的非线性图像增强方法及其系统 | |
CN114331873B (zh) | 一种基于区域划分的非均匀光照彩色图像校正方法 | |
CN112116536A (zh) | 一种低光照图像增强方法及系统 | |
CN111476732B (zh) | 一种图像融合及去噪的方法及系统 | |
Kim et al. | Single image haze removal using hazy particle maps | |
Dar et al. | An enhanced adaptive histogram equalization based local contrast preserving technique for HDR images | |
CN105763747A (zh) | 一种获得高质量且实时的美颜的移动终端 | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
CN116029944B (zh) | 一种灰度图像的自适应对比度增强方法和装置 | |
CN110580690B (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 | |
CN117710275B (zh) | 一种图像低亮区域改善方法及系统 | |
Asari et al. | Nonlinear enhancement of extremely high contrast images for visibility improvement | |
CN111028184B (zh) | 一种图像增强方法及系统 | |
CN113256533B (zh) | 基于msrcr的自适应低照度图像增强方法及系统 | |
CN109167892B (zh) | 一种视频图像细节增强方法与系统 | |
CN113496531B (zh) | 一种红外图像动态范围压缩方法和系统 | |
JP2011022779A (ja) | 画像補正装置、画像補正方法及びプログラム |
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 |