RU2448367C1 - Способ повышения визуальной информативности цифровых полутоновых изображений - Google Patents

Способ повышения визуальной информативности цифровых полутоновых изображений Download PDF

Info

Publication number
RU2448367C1
RU2448367C1 RU2011113884/08A RU2011113884A RU2448367C1 RU 2448367 C1 RU2448367 C1 RU 2448367C1 RU 2011113884/08 A RU2011113884/08 A RU 2011113884/08A RU 2011113884 A RU2011113884 A RU 2011113884A RU 2448367 C1 RU2448367 C1 RU 2448367C1
Authority
RU
Russia
Prior art keywords
contrast
component
level
decomposition
matrix
Prior art date
Application number
RU2011113884/08A
Other languages
English (en)
Inventor
Елена Игоревна Травина (RU)
Елена Игоревна Травина
Original Assignee
Закрытое акционерное общество "МНИТИ" ЗАО "МНИТИ"
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 Закрытое акционерное общество "МНИТИ" ЗАО "МНИТИ" filed Critical Закрытое акционерное общество "МНИТИ" ЗАО "МНИТИ"
Priority to RU2011113884/08A priority Critical patent/RU2448367C1/ru
Application granted granted Critical
Publication of RU2448367C1 publication Critical patent/RU2448367C1/ru

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

Изобретение относится к средствам обработки цифровых изображений. Техническим результатом является повышение качества визуализации цифровых изображений. В способе осуществляют параллельную обработку составляющей каждого уровня разложения; определяют параметры яркостно-контрастного преобразования путем формирования функции коррекции уровней яркости и функции коррекции контраста, формирования матрицы коэффициентов коррекции контраста третьего уровня разложения с использованием функции коррекции контраста, реконструкции семейства матриц масштабированных коэффициентов коррекции контраста для пространственного согласования на каждом уровне коэффициентов коррекции со значениями детализирующей составляющей. 8 ил.

Description

Изобретение относится к области обработки телевизионных изображений, в частности к способам улучшения качества изображений.
Известен способ получения изображения повышенного качества [1], включающий 3-уровневую декомпозицию исходного цифрового изображения вейвлетом Хаара путем быстрого дискретного двумерного стационарного вейвлет-преобразования с получением аппроксимирующей составляющей и семейства детализирующих составляющих, устранение шумовой микроструктуры при помощи адаптивного порога на каждом уровне разложения, вычисление корректирующих функций яркости и контраста, преобразование аппроксимирующей составляющей корректирующей функцией яркости, преобразование детализирующих составляющих всех уровней разложения корректирующей функцией контраста, реконструкцию результирующего изображения путем обратного быстрого дискретного стационарного вейвлет-преобразования, применяемого к преобразованным составляющим, согласование яркостного диапазона результирующего изображения с параметрами видеосистемы. Указанный способ выбран за прототип.
К недостаткам известного способа относится уменьшение различимости в результирующем изображении малоразмерных или слабоконтрастных деталей. Устранение шумовой микроструктуры путем жесткого порогового ограничения значений детализирующих составляющих может приводить к артефактам в результирующем изображении. Преобразование детализирующих составляющих корректирующей функцией контраста может приводить к асимметричным ореолам в результирующем изображении. Кроме того, повышение резкости изображения не всегда является эффективным, поскольку при этом не учитывается распределение локальных контрастов обрабатываемого изображения.
Техническим результатом является получение изображения повышенной визуальной насыщенности.
Технический результат достигается тем, что в способе повышения визуальной информативности цифровых полутоновых изображений осуществляют 3-уровневую декомпозицию исходного цифрового изображения вейвлетом Хаара путем быстрого дискретного стационарного вейвлет-преобразования с получением аппроксимирующей составляющей и семейства детализирующих составляющих, устранение шумовой микроструктуры при помощи адаптивного порога на каждом уровне разложения, вычисление корректирующих функций яркости и контраста, преобразование аппроксимирующей составляющей функцией коррекции яркости, преобразование детализирующих составляющих всех уровней разложения функцией коррекции контраста, реконструкцию результирующего изображения путем обратного быстрого дискретного двумерного стационарного вейвлет-преобразования, применяемого к преобразованным составляющим, согласование яркостного диапазона результирующего изображения с параметрами видеосистемы, согласно изобретению осуществляют параллельную обработку составляющей каждого уровня разложения; определяют параметры яркостно-контрастного преобразования с использованием значений аппроксимирующей составляющей путем формирования функции коррекции уровней яркости и функции коррекции контраста, аргументом которых является значение аппроксимирующей составляющей, формирования матрицы коэффициентов коррекции контраста третьего уровня разложения с использованием функции коррекции контраста, реконструкции семейства матриц масштабированных коэффициентов коррекции контраста для пространственного согласования на каждом уровне коэффициентов коррекции со значениями детализирующей составляющей, при этом обработку детализирующих составляющих всех уровней разложения осуществляют путем формирования матрицы локального контраста и функции сглаживания шумовой микроструктуры, аргументом которой является значение локального контраста; затем выполняют параллельную обработку составляющих каждого уровня разложения, заключающуюся в том, что поэлементно преобразуют значения аппроксимирующей составляющей третьего уровня разложения функцией коррекции уровней яркости, поэлементно преобразуют масштабированную матрицу коэффициентов коррекции контраста функцией сглаживания шумовой микроструктуры; затем осуществляют реконструкцию результирующего изображения при помощи обратного быстрого дискретного стационарного двумерного вейвлет-преобразования, применяемого к преобразованной аппроксимирующей составляющей и детализирующим составляющим, преобразуют каждую реконструированную детализирующую составляющую путем поэлементного умножения значений каждой матрицы реконструированной детализирующей составляющей на значения матрицы преобразованных коэффициентов коррекции контраста, формируют яркостно-контрастную характеристику с использованием значений аппроксимирующей и преобразованной детализирующей составляющих уровня изображения, вычисляют коэффициент повышения резкости с использованием яркостно-контрастной характеристики и умножают на него каждый элемент матрицы преобразованной детализирующей составляющей.
На фиг.1 представлена схема коррекции яркостно-контрастных характеристик изображения,
где ImgSrc - исходное изображение;
сА - матрица коэффициентов аппроксимации - аппроксимирующая составляющая изображения;
LC - матрица локального контраста;
(cH, cV, cD) - детализирующая составляющая изображения:
сН - матрица горизонтальных детализирующих коэффициентов;
cV - матрица вертикальных детализирующих коэффициентов;
cD - матрица диагональных детализирующих коэффициентов;
LUTa - функция коррекции уровней яркости;
LUTd - функция коррекции контраста;
LUTn - функция сглаживания шумовой микроструктуры;
М - матрица коэффициентов яркостной коррекции контраста;
М' - матрица преобразованных коэффициентов коррекции контраста;
сА'- преобразованная аппроксимирующая составляющая;
ImgRes - результирующее изображение;
нижние индексы:
0…3 - уровни декомпозиции изображения (0-й уровень соответствует уровню изображения).
На фиг.2 представлена схема трех уровней декомпозиции исходного изображения, где ImgSrc - исходное изображение;
сН - матрица горизонтальных детализирующих коэффициентов;
cV - матрица вертикальных детализирующих коэффициентов;
cD - матрица диагональных детализирующих коэффициентов;
свертка следующими операторами декомпозиции:
Fa - аппроксимирующим;
Fh - детализирующим горизонтальным;
Fv - детализирующим вертикальным;
Fd - детализирующим диагональным;
нижние индексы:
1…3 - уровни декомпозиции изображения.
На фиг.3 представлен пример функций коррекции уровней яркости (LUTa) и контраста (LUTd), полученных при обработке реального изображения,
Где Amax - наибольшее допустимое значение коэффициентов аппроксимации на третьем уровне разложения, зависящее от количества уровней квантования исходного изображения и способа реализации декомпозиции;
amin - максимальное значение коэффициентов аппроксимации обрабатываемого изображения на третьем уровне разложения;
amax - минимальное значение коэффициентов аппроксимации обрабатываемого изображения на третьем уровне разложения.
На фиг.4 представлена схема формирования семейства матриц масштабированных коэффициентов коррекции контраста,
где М - матрица коэффициентов яркостной коррекции контраста;
свертка следующими операторами реконструкции:
Fa~ - аппроксимирующим;
Fh~ - детализирующим горизонтальным;
Fv~ - детализирующим вертикальным;
Fd~ - детализирующим диагональным;
нижние индексы:
0…3 - уровни представления изображения (0-й уровень соответствует уровню изображения).
На фиг.5 представлена схема реконструкция результирующего изображения с преобразованием контраста, сглаживания шумовой микроструктуры и повышением резкости на уровне 0 (сА0),
где ImgRes - результирующее изображение;
сН - матрица горизонтальных детализирующих коэффициентов;
cV - матрица вертикальных детализирующих коэффициентов;
cD - матрица диагональных детализирующих коэффициентов;
W - матрица восстановленной детализирующей составляющей;
W' - матрица восстановленной детализирующей составляющей с преобразованием контраста и сглаживанием шумовой микроструктуры;
W" - матрица восстановленной детализирующей составляющей с преобразованием контраста, сглаживанием шумовой микроструктуры и повышением резкости;
М' - матрица преобразованных коэффициентов коррекции контраста;
свертка следующими операторами реконструкции:
Fa~ - аппроксимирующим;
Fh~ - детализирующим горизонтальным;
Fv~ - детализирующим вертикальным;
Fd~ - детализирующим диагональным;
нижние индексы:
0…3 - уровни представления изображения (0-й уровень соответствует уровню изображения).
На фиг.6 представлены функция яркостно-контрастной зависимости Ω(а) реконструируемого изображения и яркостное распределение допустимых значений контраста Ωдоп(а) для нулевого уровня разложения при использовании в качестве базисной функции вейвлета Хаара.
На фиг.7 представлено исходное изображение.
На фиг.8 представлено результирующее изображение, обработанное описанным способом.
Способ реализуется путем выполнения (фиг.1):
- декомпозиции исходного изображения на составляющие;
- формирования табличных функций яркостно-контрастной коррекции и сглаживания шумовой микроструктуры;
- коррекции уровней яркости;
- реконструкции изображения, совмещенной с коррекцией контраста, сглаживания шумовой микроструктуры и повышением резкости;
- согласования яркостного диапазона реконструированного изображения с параметрами видеосистемы.
Для декомпозиции и реконструкции используется дискретное двумерное стационарное вейвлет-преобразование с базисом Хаара. Стационарное вейвлет-преобразование обеспечивает эффективное шумоподавление и является гарантией того, что изменение вейвлет-коэффициентов не приведет к артефактам блочности в восстановленном изображении. Низкочастотная (аппроксимирующая) составляющая изображения отражает яркостные свойства исходного изображения. Высокочастотная (детализирующая) составляющая состоит из трех компонент, характеризующих локальные контрасты в горизонтальном, вертикальном и диагональном направлениях. Тогда повышение визуальной насыщенности изображения представляет собой согласованное преобразование яркостных (аппроксимирующей составляющей последнего уровня разложения) и контрастных характеристик (детализирующих составляющих всех уровней).
Декомпозиция аппроксимирующей составляющей уровня (n-1) (cAn-1) на составляющие уровня n cAn, (cH cV cD)n производится сверткой операторами декомпозиции n-го уровня (Таблица 1). Уровень n=0 соответствует уровню изображения. Схема трех уровней декомпозиции приведена на фиг.2.
Таблица 1.
Операторы декомпозиции
1-й уровень
(n=1)		 2-й уровень
(n=2)		 3-й уровень
(n=3)
Figure 00000001
Figure 00000002
Figure 00000003
Figure 00000004
Figure 00000005
Figure 00000006
Figure 00000007
Figure 00000008
Figure 00000009
Figure 00000010
Figure 00000011
Figure 00000012
Обозначения: Fa - аппроксимирующий оператор декомпозиции;
  Fh - детализирующий горизонтальный оператор декомпозиции;
  Fv - детализирующий вертикальный оператор декомпозиции;
  Fd - детализирующий диагональный оператор декомпозиции;
  Нижние индексы: 1…3 - уровни декомпозиции изображения.
Реконструкция изображения производится в обратном порядке, начиная с уровня n=3. Реконструкция коэффициентов аппроксимации уровня n (cAn) по составляющим (n+1)-го уровня cAn+1, (cH, cV cD)n+1 производится сверткой операторами реконструкции n-го уровня (Таблица 2).
Таблица 2.
Операторы реконструкции
3-й уровень
(n=3)		 2-й уровень
(n=2)		 1-й уровень
(n=1)
Figure 00000013
Figure 00000014
Figure 00000015
Figure 00000016
Figure 00000017
Figure 00000018
Figure 00000019
Figure 00000020
Figure 00000021
Figure 00000022
Figure 00000023
Figure 00000024
Обозначения: Fa~ - аппроксимирующий оператор реконструкции;
  Fh~ - детализирующий горизонтальный оператор реконструкции;
  Fv~ - детализирующий вертикальный оператор реконструкции;
  Fd~ - детализирующий диагональный оператор реконструкции;
  нижние индексы: 1…3 - уровни декомпозиции изображения.
Определение параметров яркостно-контрастного преобразования и сглаживания шумовой микроструктуры выполняют параллельно.
Яркостно-контрастное преобразование выполняют при помощи табличных функций коррекции яркости и контраста согласно прототипу, формируемых путем преобразования гистограммы значений аппроксимирующей составляющей с учетом особенностей зрительного восприятия следующим образом:
1) вычисляют нормированную гистограмму
Figure 00000025
значений коэффициентов аппроксимации:
Figure 00000026
Figure 00000027
;
Figure 00000028
;
где m - количество элементов со значением а;
amin, amax - минимальное и максимальное значения округленных коэффициентов аппроксимации;
s - общее число элементов матрицы сА3;
i - номер строки; j - номер столбца.
Нормирование позволяет перейти от количественного распределения уровней яркости h(a) к яркостно-контрастному распределению
Figure 00000025
, каждый отсчет которого определяет значение контраста между соседними отсчетами яркости.
2) согласно изобретению формируют функцию F(a), характеризующую зрительное восприятие возрастающих и убывающих уровней яркостей, основываясь на формуле Вышецкого [3]:
Figure 00000029
функцию F(a) нормируют
Figure 00000030
3) строят порождающую функцию Н(а) путем нелинейного преобразования нормированной гистограммы
Figure 00000025
, учитывая нелинейное зрительное восприятие равноконтрастного ряда. Согласно изобретению значения порождающей функции вычисляются для ненулевых значений нормированной гистограммы
Figure 00000025
следующим образом:
Figure 00000031
4) вычисляют табличную функцию коррекции уровней яркости LUTa аппроксимирующей составляющей согласно изобретению
Figure 00000032
где Amax3 - максимальное значение коэффициентов аппроксимации третьего уровня разложения, зависящее от разрядности исходного изображения и варианта реализации вейвлет-декомпозиции;
amin, amax - минимальное и максимальное значения округленных коэффициентов аппроксимации;
s - общее число элементов матрицы сА3.
5) вычисляют табличную функцию коррекции контраста LUTd третьего уровня разложения, применение которой согласно изобретению позволяет сохранить мелкомасштабную детальность и обеспечить согласованное преобразование яркости и контраста:
Figure 00000033
Figure 00000034
;
Figure 00000035
;
На фиг.3 представлен пример функций коррекции уровней яркости (LUTa) и контраста (LUTd), полученные при обработке реального изображения.
6) формируют матрицу коэффициентов преобразования локальных контрастов 3-го уровня (M3):
Figure 00000036
7) для пространственного согласования на каждом уровне коэффициентов коррекции со значениями детализирующей составляющей формируют семейство матриц масштабированных коэффициентов коррекции контраста (M2, M1, M0) путем свертки матрицы М3 аппроксимирующими операторами реконструкции (фиг.4).
Одновременно с (1-7) на каждом уровне разложения n выполняют следующие действия:
8) вычисляют пространственное распределение абсолютного значения локального контраста в виде матрицы LCn, каждый элемент которой вычисляют по формуле
Figure 00000037
где сН - матрица горизонтальных детализирующих коэффициентов;
cV - матрица вертикальных детализирующих коэффициентов;
cD - матрица диагональных детализирующих коэффициентов;
i - номер строки; j - номер столбца;
n=1…3 - номер уровня декомпозиции.
9) вычисляют пороговое значение шумовой микроструктуры согласно прототипу:
- вычисляют гистограмму h значений элементов матрицы LCn:
Figure 00000038
где m - число элементов со значением е.
- по гистограмме h вычисляется и нормируется интегральная гистограмма q:
Figure 00000039
где emax - максимального значение элемента матрицы LCn;
s - общее число элементов матрицы LCn.
- строят характеристическую функцию R(e):
Figure 00000040
- определяют значение абсолютного значения локального контраста eT, при котором значение характеристической функции R(e) минимально;
- вычисляют пороговое значение Т шумовой структуры локального контраста:
Figure 00000041
где Kмикр≈0.05…0.25 - коэффициент микроструктуры.
10) формируют табличную функцию сглаживания шумовой микроструктуры (LUTnn):
Figure 00000042
Figure 00000043
;
Figure 00000044
;
где Emax n - максимальное значение локального контраста на уровне разложения n, зависящее от разрядности исходного изображения и варианта реализации вейвлет-декомпозиции.
После формирования реконструированных матриц коэффициентов преобразования контраста (M2, M1, M0) и табличных функций сглаживания шумовой микроструктуры (LUTn3, LUTn2, LUTn1) одновременно выполняют:
- яркостную коррекцию аппроксимирующей составляющей:
Figure 00000045
- на каждом уровне разложения n поэлементно преобразуют матрицу коэффициентов коррекции контраста Mn функцией сглаживания шумовой микроструктуры LUTnn:
Figure 00000046
где М' - матрица преобразованных коэффициентов локального контраста.
Затем выполняют реконструкцию изображения, совмещенную с коррекцией контраста, сглаживания шумовой микроструктуры и повышением резкости, применяемую к преобразованной аппроксимирующей составляющей и детализирующим составляющим (фиг.5). Каждый уровень реконструкции состоит из
- свертки матрицы коэффициентов аппроксимации и матриц детализирующих горизонтальных, вертикальных и диагональных коэффициентов операторами реконструкции;
- получения матрицы восстановленной детализирующей составляющей путем поэлементного суммирования матриц детализирующих горизонтальных, вертикальных и диагональных коэффициентов, обработанных операторами реконструкции;
- преобразования матрицы восстановленной детализирующей составляющей матрицей преобразованных коэффициентов коррекции контраста;
- повышения мелкомасштабной детальности изображения с использованием восстановленных составляющих нулевого уровня;
- поэлементного суммирования матриц восстановленной аппроксимирующей составляющей с преобразованной матрицей восстановленной детализирующей составляющей.
На каждом уровне n выполняют преобразование восстановленной детализирующей составляющей W путем поэлементного умножения значений восстановленной детализирующей составляющей W на значения матрицы преобразованных коэффициентов коррекции контраста М':
Figure 00000047
где W - матрица восстановленной детализирующей составляющей после преобразования контраста и сглаживания шумовой микроструктуры.
Повышение мелкомасштабной детальности изображения осуществляют путем дополнительного поэлементного умножения значений восстановленной и преобразованной составляющей
Figure 00000048
на коэффициент повышения резкости, который вычисляют следующим образом:
- формируют яркостно-контрастную характеристику Ω путем поэлементного сканирования матрицы сА0 и
Figure 00000048
:
Figure 00000049
Figure 00000050
Figure 00000051
- определяют зависимость возможных значений коэффициентов дополнительного контрастирования от яркости K(а):
Figure 00000052
Figure 00000053
где Amax0 - наибольшее допустимое значение коэффициентов аппроксимации нулевого уровня разложения, зависящее от количества уровней квантования исходного изображения и способа реализации;
Ωдоп(а) - зависимость допустимых значений контраста от яркости для нулевого уровня разложения при использовании в качестве базисной функции вейвлета Хаара, определяемая следующим образом:
Figure 00000054
На фиг.6 представлены яркостно-контрастная характеристика Ω(а) реконструируемого изображения и яркостное распределение допустимых значений контраста Ωдоп(а) для нулевого уровня разложения при использовании в качестве базисной функции вейвлета Хаара.
- для ненулевых значений K(а) вычисляют среднее значение коэффициента дополнительного контрастирования
Figure 00000055
с последующим уточнением:
Figure 00000056
где N - количество ненулевых отсчетов K(а); нижний индекс - номер итерации.
Итеративно уточняют среднее значение коэффициента дополнительного контрастирования, на каждой итерации i изменяя значения K(а):
Figure 00000057
определяют значение коэффициента повышения резкости Kr при выполнении условия
Figure 00000058
где δ - значение допуска межитерационного изменения среднего значения коэффициента дополнительного контрастирования (δ≈0.1…0.001).
Далее выполняют поэлементное умножение значений восстановленной и преобразованной составляющей
Figure 00000059
на коэффициент повышения резкости, результатом которого является матрица восстановленной детализирующей составляющей с преобразованием контраста, сглаживанием шумовой микроструктуры и повышением резкости
Figure 00000060
и суммирования элементов матриц восстановленной аппроксимирующей составляющей (сА0) с преобразованной матрицей восстановленной детализирующей составляющей
Figure 00000060
. Результатом суммирования является матрица сА0, представляющая собой восстановленное результирующее изображение.
Затем согласуют яркостной диапазон реконструированного изображения сА0 с параметрами видеосистемы следующим образом:
- если разрядность видеосистемы r совпадает с разрядностью исходного изображения:
Figure 00000061
- иначе:
Figure 00000062
где ImgResmax, ImgResmin - максимальное и минимальное значения яркости результирующего изображения.
На фиг.7 представлено исходное изображение, а на фиг.8 представлено результирующее изображение, обработанное описанным способом.
Источники информации
1. Патент RU 2342701 «Способ комплексирования цифровых многоспектральных полутоновых изображений», МПК G06K 9/40, G06T 5/40, приоритет 15.08.2007, дата публикации 27.12.2008.
2. Дьяконов В.П. Вейвлеты. От теории к практике. - М.: СОЛОН-Р, 2002. - 448 с.
3. Шашлов Б.А. Теория фотографических процессов. -М.: Книга, 1981. - 319 с.

Claims (1)

  1. Способ повышения визуальной информативности цифровых полутоновых изображений, включающий 3-уровневую декомпозицию исходного цифрового изображения вейвлетом Хаара путем быстрого дискретного стационарного вейвлет-преобразования с получением аппроксимирующей составляющей и семейства детализирующих составляющих, устранение шумовой микроструктуры при помощи адаптивного порога на каждом уровне разложения, вычисление корректирующих функций яркости и контраста, преобразование аппроксимирующей составляющей функцией коррекции яркости, преобразование детализирующих составляющих всех уровней разложения функцией коррекции контраста, реконструкцию результирующего изображения путем обратного быстрого дискретного двумерного стационарного вейвлет-преобразования, применяемого к преобразованным составляющим, согласование яркостного диапазона результирующего изображения с параметрами видеосистемы, отличающийся тем, что осуществляют параллельную обработку составляющей каждого уровня разложения; определяют параметры яркостно-контрастного преобразования с использованием значений аппроксимирующей составляющей путем формирования функции коррекции уровней яркости и функции коррекции контраста, аргументом которых является значение аппроксимирующей составляющей, формирования матрицы коэффициентов коррекции контраста третьего уровня разложения с использованием функции коррекции контраста, реконструкции семейства матриц масштабированных коэффициентов коррекции контраста для пространственного согласования на каждом уровне коэффициентов коррекции со значениями детализирующей составляющей, при этом обработка детализирующих составляющих всех уровней разложения осуществляют путем формирования матрицы локального контраста и функции сглаживания шумовой микроструктуры, аргументом которой является значение локального контраста; затем выполняют параллельную обработку составляющих каждого уровня разложения, заключающуюся в том, что поэлементно преобразуют значения аппроксимирующей составляющей третьего уровня разложения функцией коррекции уровней яркости, поэлементно преобразуют масштабированную матрицу коэффициентов коррекции контраста функцией сглаживания шумовой микроструктуры; затем осуществляют реконструкцию результирующего изображения при помощи обратного быстрого дискретного стационарного двумерного вейвлет-преобразования, применяемого к преобразованной аппроксимирующей составляющей и детализирующим составляющим, преобразуют каждую реконструированную детализирующую составляющую путем поэлементного умножения значений каждой матрицы реконструированной детализирующей составляющей на значения матрицы преобразованных коэффициентов коррекции контраста, формируют яркостно-контрастную характеристику с использованием значений аппроксимирующей и преобразованной детализирующей составляющих уровня изображения, вычисляют коэффициент повышения резкости с использованием яркостно-контрастной характеристики и умножают на него каждый элемент матрицы преобразованной детализирующей составляющей.
RU2011113884/08A 2011-04-11 2011-04-11 Способ повышения визуальной информативности цифровых полутоновых изображений RU2448367C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2011113884/08A RU2448367C1 (ru) 2011-04-11 2011-04-11 Способ повышения визуальной информативности цифровых полутоновых изображений

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2011113884/08A RU2448367C1 (ru) 2011-04-11 2011-04-11 Способ повышения визуальной информативности цифровых полутоновых изображений

Publications (1)

Publication Number Publication Date
RU2448367C1 true RU2448367C1 (ru) 2012-04-20

Family

ID=46032719

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2011113884/08A RU2448367C1 (ru) 2011-04-11 2011-04-11 Способ повышения визуальной информативности цифровых полутоновых изображений

Country Status (1)

Country Link
RU (1) RU2448367C1 (ru)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2540778C1 (ru) * 2013-10-31 2015-02-10 Закрытое Акционерное Общество "Научно-Технический Центр Элинс" Способ комплексирования цифровых полутоновых изображений
RU2586585C1 (ru) * 2015-04-07 2016-06-10 Закрытое акционерное общество "МНИТИ" (сокращенно ЗАО "МНИТИ") Способ повышения визуальной информативности цифровых изображений
RU2684585C1 (ru) * 2017-12-18 2019-04-09 Публичное акционерное общество "Ростовский оптико-механический завод" Способ комплексирования полутоновых телевизионных и тепловизионных изображений
US10380447B1 (en) * 2014-11-26 2019-08-13 Google Llc Providing regions of interest in an image
RU2791668C2 (ru) * 2013-05-07 2023-03-13 Долби Лэборетериз Лайсенсинг Корпорейшн Способ формирования многополутоновых изображений и проецирование с двойной модуляцией
US11765326B2 (en) 2013-05-07 2023-09-19 Dolby Laboratories Licensing Corporation Multi-half-tone imaging and dual modulation projection/dual modulation laser projection

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2148858C1 (ru) * 1998-07-10 2000-05-10 Военная академия бронетанковых войск Способ автоматической сегментации полутонового изображения по форме яркостной гистограммы
RU2174710C1 (ru) * 2000-03-20 2001-10-10 Общевойсковая Академия Вооруженных Сил Российской Федерации Способ автоматического улучшения полутонового изображения
EP1347414A1 (en) * 2002-02-22 2003-09-24 Agfa-Gevaert Method for enhancing the contrast of an image.
RU2343538C1 (ru) * 2007-10-31 2009-01-10 Закрытое Акционерное Общество "Импульс" Способ коррекции цифровых рентгеновских изображений
RU2358319C2 (ru) * 2003-08-29 2009-06-10 Самсунг Электроникс Ко., Лтд. Способ и устройство для фотореалистического трехмерного моделирования лица на основе изображения

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2148858C1 (ru) * 1998-07-10 2000-05-10 Военная академия бронетанковых войск Способ автоматической сегментации полутонового изображения по форме яркостной гистограммы
RU2174710C1 (ru) * 2000-03-20 2001-10-10 Общевойсковая Академия Вооруженных Сил Российской Федерации Способ автоматического улучшения полутонового изображения
EP1347414A1 (en) * 2002-02-22 2003-09-24 Agfa-Gevaert Method for enhancing the contrast of an image.
RU2358319C2 (ru) * 2003-08-29 2009-06-10 Самсунг Электроникс Ко., Лтд. Способ и устройство для фотореалистического трехмерного моделирования лица на основе изображения
RU2343538C1 (ru) * 2007-10-31 2009-01-10 Закрытое Акционерное Общество "Импульс" Способ коррекции цифровых рентгеновских изображений

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2791668C2 (ru) * 2013-05-07 2023-03-13 Долби Лэборетериз Лайсенсинг Корпорейшн Способ формирования многополутоновых изображений и проецирование с двойной модуляцией
US11765326B2 (en) 2013-05-07 2023-09-19 Dolby Laboratories Licensing Corporation Multi-half-tone imaging and dual modulation projection/dual modulation laser projection
RU2540778C1 (ru) * 2013-10-31 2015-02-10 Закрытое Акционерное Общество "Научно-Технический Центр Элинс" Способ комплексирования цифровых полутоновых изображений
US10380447B1 (en) * 2014-11-26 2019-08-13 Google Llc Providing regions of interest in an image
RU2586585C1 (ru) * 2015-04-07 2016-06-10 Закрытое акционерное общество "МНИТИ" (сокращенно ЗАО "МНИТИ") Способ повышения визуальной информативности цифровых изображений
RU2684585C1 (ru) * 2017-12-18 2019-04-09 Публичное акционерное общество "Ростовский оптико-механический завод" Способ комплексирования полутоновых телевизионных и тепловизионных изображений

Similar Documents

Publication Publication Date Title
CN105096280B (zh) 处理图像噪声的方法及装置
Vishwakarma et al. Color image enhancement techniques: a critical review
Gupta et al. Review of different local and global contrast enhancement techniques for a digital image
Suganya et al. Survey on image enhancement techniques
CN111583123A (zh) 一种基于小波变换的融合高低频信息的图像增强算法
KR20160102524A (ko) 이미지의 역 톤 매핑을 위한 방법
Cho et al. Fast image enhancement in compressed wavelet domain
RU2448367C1 (ru) Способ повышения визуальной информативности цифровых полутоновых изображений
Kaur et al. Image de-noising using wavelet transform and various filters
Hossain et al. Medical image enhancement based on nonlinear technique and logarithmic transform coefficient histogram matching
RU2342701C1 (ru) Способ комплексирования цифровых многоспектральных полутоновых изображений
US9111339B1 (en) System and method for reducing noise from an image
Singh et al. Satellite image enhancement using beta wavelet based gamma corrected adaptive knee transformation
Bagawade Ramdas et al. Wavelet transform techniques for image resolution enhancement: a study
CN110322404A (zh) 一种图像增强方法及系统
Ferzo et al. Image denoising in wavelet domain based on thresholding with applying wiener filter
Khaire et al. Resolution Enhancement of images with interpolation and DWT–SWT Wavelet domain components
Unni Satellite Image Enhancement Using 2D Level DWT
Ramiz et al. Hybrid technique for image enhancement
Pyo et al. Noise reduction in high-ISO images using 3-D collaborative filtering and structure extraction from residual blocks
Pai et al. Medical color image enhancement using wavelet transform and contrast stretching technique
Adhikari et al. Image enhancement using successive mean quantization transform and homomorphic filtering
Kawasaki et al. A multiscale retinex based on wavelet transformation
Sumathi et al. Image enhancement based on discrete wavelet transform
Ha et al. Remote sensing image enhancement based on singular value decomposition

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20160412