CN103065334B - 一种基于hsv颜色空间的偏色检测、校正方法及装置 - Google Patents
一种基于hsv颜色空间的偏色检测、校正方法及装置 Download PDFInfo
- Publication number
- CN103065334B CN103065334B CN201310038277.9A CN201310038277A CN103065334B CN 103065334 B CN103065334 B CN 103065334B CN 201310038277 A CN201310038277 A CN 201310038277A CN 103065334 B CN103065334 B CN 103065334B
- Authority
- CN
- China
- Prior art keywords
- value
- channel
- color
- color cast
- image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 39
- 239000013598 vector Substances 0.000 claims abstract description 34
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 6
- 230000007812 deficiency Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 241000519995 Stachys sylvatica Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种图像偏色的检测、校正方法及装置,涉及数字图像处理技术领域。该方法包括:输入RGB颜色空间的待检测图像;计算HSV颜色空间中的S通道;统计S通道的直方图向量h;对直方图向量h进行量化和滤波;根据量化和滤波之后的直方图向量hˊ判定图像是否偏色;若判定图像偏色,则分别统计RGB通道对最大、最小值矩阵的贡献率,并依此判定偏色通道;在RGB颜色空间中,调整偏色通道的值,重新计算S通道的值并判断是否偏色,反复执行,直到不再偏色为止;若判定图像不偏色,则程序结束。本发明能有效地检测和校正多种类型的偏色图像,克服了传统方法的不足,对不同场景均有很好的适应性,算法效率高。
Description
技术领域
本发明属于图像处理技术领域,特别涉及颜色空间转换、直方图统计、中值滤波等算法在偏色检测及校正中的使用。
背景技术
颜色是图像的重要特征之一,也是图像处理与分析的重要依据。从物理意义上说,物体被人眼观测到的颜色不仅仅是由其反射特性所决定的,同时也取决于射向物体的光线颜色。人类的视觉***具有颜色恒常性,能够在一定程度上消除光照条件等因素对颜色的影响,正确地感知物体的颜色。但成像设备却不具有这种“调节”功能,其采集的图像往往与物体表面的真实颜色之间存在一定程度的误差,即偏色。这种偏色的现象是由外部光源的不同色温决定的,偏色的程度与外部光源的色温变化有直接关系。
自动白平衡算法就是对图像进行偏色检测及校正的算法,其目的就是尽量减少由于外部光源所造成的颜色差异,补偿因外设非理想特性而产生的偏色现象,在不同的色温条件下均能还原出被摄目标本来的颜色,保持不同设备、不同观测环境下的颜色恒常性,使得处理后的图片尽可能地符合人类视觉的习惯。
随着互联网及多媒体等技术的日益普及,彩色图像的应用范围不断扩大,偏色的检测及校正也就越来越重要,准确有效地偏色检测及校正将为后续的数字图像处理、模式识别或图像检索等提供有效参考。
在目前的偏色检测及校正技术中,经典的算法主要有:灰度世界算法(GrayWorld)、完美反射算法(PerfectReflector)、模糊神经网络算法(FuzzyNeuralNetwork)、基于边缘检测的白平衡算法,以及基于上述几种算法的改进算法等。灰色世界算法基于Von-Kries系数理论的灰色世界假设,该假设认为:对于一副有足够色彩变化的图像,R、G、B三色分量的统计平均值应趋于相同的灰色值。完美反射法的优点是计算非常简便,图像中存在高亮度区域时还原效果很好。但是白点的检测往往缺乏通用性,当图像中不存在镜面或者图像亮度较低的情况下表现不佳。然而,目前的经典算法均存在一定的不足,比如:对颜色单调的图像、或是图像包含大面积色块时,灰色世界算法往往存在校正失效问题,有时会出现过度校正;当图像中不存在镜面或者图像亮度较低的情况下,完美反射算法往往表现不佳;当图像出现大范围有色纹理时,基于边缘的白平衡算法常常失效;而对于模糊神经网络算法来说,需要大量学习先验知识,并且存在着逻辑单元消耗多,功耗高等难题。而本发明所提供的算法能有效检测不同类型的偏色图像,算法复杂度低,可以有效克服经典算法的校正失效问题,适用于多种不同场景。
发明内容
本发明的实施例提供一种基于HSV颜色空间的偏色检测及校正方法,该算法能有效检测及校正不同类型的偏色图像,算法复杂度低,适用于多种不同场景。
本发明采用如下技术方案:
1.输入待检测图像(一般为RGB颜色空间);
2.计算HSV颜色空间中的S通道;
3.统计S通道的直方图向量h;
4.对直方图向量h进行量化和滤波;
5.根据量化和滤波之后的直方图向量h’判定图像是否偏色;
6.若判定图像偏色,则分别统计RGB通道对最大、最小值矩阵的贡献率,并依此判定偏色通道;
7.在RGB颜色空间中,调整偏色通道的值,返回第2步;
8.若判定图像不偏色,则检测结束。
一种图像偏色的检测及校正装置包括:
计算单元,用于计算HSV颜色空间中的S通道的值,并统计S通道的直方图向量h;
预处理单元,对直方图向量进行量化和滤波;
判断单元,判断图像是否偏色,不偏色,判断结束;
确定单元,用于判断偏色通道;
校正单元,用于校正偏色图像,并返回计算单元。
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,下面描述的附图仅仅是本发明的一些实施例的部分附图,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1提供的偏色检测、校正方法流程图。
图2为本发明与传统方法的效果对比图:图2(a)缺少高亮区域的色块测试图;图2(b)本发明算法结果图;图2(c)灰度世界算法结果图;图2(d)完美反射算法结果图。
【特别说明】:由于所提交的图2为黑白图,无法显示出本发明更好的对比效果,因此在其他证明文件中提交了彩色图2。
图3为本发明实施例2提供的偏色检测及校正装置的结构图。
图4为本发明实施例2提供的计算单元11的结构图。
图5为本发明实施例2提供的预处理单元12的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
本发明实施例1提供一种基于HSV颜色空间的偏色检测及校正方法,如图1所示,该方法包括:
101、输入RGB颜色空间的待检测图像
颜色空间(ColorSpace),又称为颜色坐标***,是一种抽象表示和描述颜色的方法。RGB颜色空间是最常用的颜色模型之一,数字成像设备输出的图像往往也是RGB格式。
102、计算HSV颜色空间中的S通道
目前的偏色检测算法往往先将RGB颜色空间转换为HSV颜色空间,然后提取S通道用于偏色检测,而H通道和V通道并不参与后续处理过程。本发明采用了直接计算S通道的方法,大大减少了计算量,降低了算法的时间和空间开销。由RGB颜色空间计算HSV颜色空间中的S通道的公式如下:
1)统计最大、最小值矩阵;最大值矩阵和最小值矩阵分别记为MX和MN;MX由每个像素点在RGB三个通道的最大值组成,即:MX=max(R,G,B);MN由每个像素点在RGB三个通道的最小值组成,即:MN=min(R,G,B)
MX=max(R,G,B),MN=min(R,G,B)公式1;
2)计算S通道的值
103、统计S通道的直方图向量h
获取图像的直方图是本领域技术人员所熟知的技术,在此不再赘述。
104、对直方图向量h进行量化和滤波
对直方图向量的量化和滤波可以看成数据的预处理步骤。
1)量化:对直方图向量进行量化,保留小数点之后的4位,第5位按照4舍5入;
2)采用改进的一维中值滤波:
其中,median[]表示中值滤波函数。
105、根据量化和滤波之后的直方图向量h’判定图像是否偏色
若直方图向量中的前N个元素满足下列条件之一,则认定该图像偏色,否则认定不偏色(根据对多种类型图像的统计,N取值为15~25较好):
1)前N个元素的值均为零或者非常接近零;
设定阈值TV,用以量化接近零的程度。若前N个元素的平均值小于此阈值,则认为前N个元素的值非常接近零。
2)前N个元素的值表现出振荡现象,即:多次出现局部的最大最小值;
设定阈值TN(为3~5),用以量化出现局部最大最小值的次数。若计算得出的次数大于此阈值,则认为前N个元素表现出振荡现象。
设f(i)i=1,2,...,N表示直方图向量中的前N个元素,令:
g(i)=f(i+1)-f(i)i=1,2,...,N-1公式4
采用函数统计g(i)中的符号变化即可得到f(i)序列中出现局部最大最小值的次数。
sgn[g(i)*g(i+1)]i=1,2,...,N-1公式5
106、若判定图像偏色,则分别统计RGB通道对最大、最小值矩阵的贡献率,并依此判定偏色通道
此处,RGB通道对最大、最小值矩阵的贡献率是指在统计最大、最小值矩阵时,某一通道提供最大值或最小值的像素个数除以该通道所有像素个数的比率。以R通道为例,对最大、最小值矩阵的贡献率由下式计算:
其中,count()为计数函数,用于统计矩阵中符合条件的像素点个数。
将RGB通道的最大值贡献率CMX分别减去对应的最小值贡献率CMN,得到三个差值,其中最小值所对应的通道即为偏色通道。
107、在RGB颜色空间中,调整偏色通道的值,返回第(2)步。
将偏色通道的数值乘以纠正系数k,(k取值为1.02~1.05),得到新的图像,重复第2步。
108、若判定图像不偏色,则判断结束。
图2为本发明与传统方法(灰度世界算法和完美反射算法)的效果对比图。图2(a)是一幅缺少高亮点的色块测试图像,可以看到有偏黄的现象;图2(b)是采用本文算法的校正结果,从图中可以看出,调整后的色块很纯正,符合人眼的视觉效果;图2(c)是采用灰度世界算法的校正结果,图像有些偏蓝,显示出算法的白平衡校正不足,其原因是:测试图像中包含大面积色块,RGB三个通道的平均值并不符合灰度世界算法的前提假设;图2(d)是采用完美反射算法的校正结果,基本符合人眼的视觉效果,但也有偏黄的现象(过度校正),其原因是:图像中没有明显的高亮区域,使得标准白色的认定产生了偏差。从多幅实际偏色图像的实验结果来看,本文算法改进了自动白平衡调整,对不同类型的偏色图像都有较好的校正效果,显示了算法的广泛适用性。
实施例2:
本发明实施例2提供一种基于HSV颜色空间的偏色检测及校正装置,如图3所示,该方法包括:计算单元11,预处理单元12,判断单元13,确定单元14,校正单元15。
其中,
计算单元11,用于计算HSV颜色空间中的S通道的值,并统计S通道的直方图向量h;
预处理单元12,用于对直方图向量进行量化和滤波;
判断单元13,用于判断图像是否偏色;
确定单元14,用于判断偏色通道;
校正单元15,用于校正图像的偏色通道,并返回计算单元。
进一步地,如图4所示,所述计算单元11包括:计算模块111,统计模块112;如图4所示,所述预处理单元12包括:量化模块121,滤波模块122。
上述图4所示的计算单元11在实现计算S通道和统计其直方图时,具体过程可参见实施例1中102、103所示的方法。
上述图5所示的预处理单元12在实现量化和滤波时,具体过程可参见实施例1中104所示的方法。
本发明实施例主要应用于对图像进行偏色检测的处理中,本发明实施例提供的技术方案不会受到场景或者先验知识的局限,具有普遍的适应性,同时提高了偏色检测的准确率和可靠性。
Claims (10)
1.一种基于HSV颜色空间的偏色检测及校正方法,其步骤如下:
(1)输入待检测图像;
(2)计算HSV颜色空间中的S通道的值;其方法是:
1)统计S通道的最大值矩阵和最小值矩阵,分别记为MX和MN;MX由每个像素点在RGB三个通道的最大值组成,即:MX=max(R,G,B),MN由每个像素点在RGB三个通道的最小值组成,即:MN=min(R,G,B);
2)计算S通道的值,采用下述公式,得到S通道的值:
(3)统计S通道的直方图向量h;
(4)对直方图向量h进行量化和滤波;
(5)根据量化和滤波之后的直方图向量h’判定图像是否偏色;
(6)若判定图像偏色,则分别统计RGB通道对最大、最小值矩阵的贡献率,并依此判定偏色通道;确定偏色通道方法是将RGB各通道的最大值贡献率CMX分别减去对应的最小值贡献率CMN,得到三个差值,其中最小值所对应的通道即为偏色通道,最大、最小值矩阵的贡献率是指在统计最大、最小值矩阵时,某一通道提供最大值或最小值的像素个数除以该通道所有像素个数的比率;
(7)在RGB颜色空间中,调整偏色通道的值,返回第(2)步;
(8)若判定图像不偏色,则检测结束。
2.根据权利要求1所述的一种基于HSV颜色空间的偏色检测及校正方法,其特征在于:步骤(4)对直方图向量h进行量化,所采用的方法是对量化后所得值的小数点之后的4位保留,第5位按照4舍5入取值。
3.根据权利要求1所述的一种基于HSV颜色空间的偏色检测及校正方法,其特征在于:步骤(4)对直方图向量h进行滤波,所采用的方法是选用改进的一维中值滤波公式进行滤波,其改进的一维中值滤波公式为:
其中,median[]是中值滤波函数。
4.根据权利要求1所述的一种基于HSV颜色空间的偏色检测及校正方法,其特征在于:步骤(5)判断直方图向量h’是否偏色的方法是取直方图向量h’中的前N个元素进行判断,N的取值范围是15~25之间的正整数。
5.根据权利要求1所述的一种基于HSV颜色空间的偏色检测及校正方法,其特征在于:步骤(5)判断直方图向量h’是否偏色的方法是取直方图向量h’的前N个元素的平均值与阈值TV比较,若平均值小于阈值TV则认为偏色,阈值TV的取值范围是0.0002~0.0005。
6.根据权利要求1所述的一种基于HSV颜色空间的偏色检测及校正方法,其特征在于:步骤(5)判断直方图向量h’是否偏色的方法是取直方图向量h’前N个元素的值,若计算得出的局部最大最小值的次数大于阈值TN,则认为偏色,阈值TN的取值为3~5之间的正整数。
7.根据权利要求6所述的一种基于HSV颜色空间的偏色检测及校正方法,其特征在于:所述的局部最大最小值的统计方法为采用g(i)=h(i+1)-h(i)和sgn[g(i)*g(i+1)]i=1,2,…,N-1公式统计。
8.根据权利要求1所述的一种基于HSV颜色空间的偏色检测及校正方法,其特征在于:步骤(7)调整偏色通道值的方法是将偏色通道的数值乘以纠正系数k,k取值范围1.02~1.05。
9.一种图像偏色的检测及校正装置,其特征在于包括:
(1)计算单元,用于计算HSV颜色空间中的S通道的值,并统计S通道的直方图向量h,
所述的计算单元,包括:
(a)计算模块,计算HSV颜色空间中的S通道的值,采用公式S通道的最大值矩阵和最小值矩阵,分别记为:MX和MN,其中最大值矩阵MX由每个像素点在RGB三个通道的最大值组成,即:MX=max(R,G,B),最小值矩阵MN由每个像素点在RGB三个通道的最小值组成,即:MN=min(R,G,B),
(b)统计模块,统计S通道的直方向量h;
(2)预处理单元,对直方图向量进行量化和滤波;
(3)判断单元,判断图像是否偏色,若直方图向量中的前N个元素的平均值小于预设阈值TV或直方图向量中的前N个元素出现局部最大最小值的次数大于阈值TN,则认定所输入图像偏色,否则认定不偏色,判断结束,N的取值范围是15~25之间的正整数,阈值TV的取值范围是0.0002~0.0005;阈值TN的取值范围是3~5之间的正整数;
(4)确定单元,用于判断偏色通道,将RGB各通道的最大值贡献率CMX分别减去对应的最小值贡献率CMN,得到三个差值,其中最小值所对应的通道即为偏色通道;
(5)校正单元,用于校正偏色图像,将偏色通道的数值乘以纠正系数k,k取值为1.02~1.05,并返回计算单元。
10.根据权利要求9所述的一种图像偏色的检测及校正装置,其特征在于预处理单元,包括:
(a)量化模块,对直方图向量进行量化所采用的方法是对量化后所得值的小数点之后的4位保留,第5位按照4舍5入取值;
(b)滤波模块,对直方图向量进行滤波,采用改进的一维中值滤波公式进行滤波,公式为:
其中,median[]是中值滤波函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310038277.9A CN103065334B (zh) | 2013-01-31 | 2013-01-31 | 一种基于hsv颜色空间的偏色检测、校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310038277.9A CN103065334B (zh) | 2013-01-31 | 2013-01-31 | 一种基于hsv颜色空间的偏色检测、校正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103065334A CN103065334A (zh) | 2013-04-24 |
CN103065334B true CN103065334B (zh) | 2015-12-09 |
Family
ID=48107951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310038277.9A Active CN103065334B (zh) | 2013-01-31 | 2013-01-31 | 一种基于hsv颜色空间的偏色检测、校正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103065334B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500457B (zh) * | 2013-10-23 | 2016-06-22 | 武汉东智科技有限公司 | 一种视频图像偏色检测的方法 |
CN103702111B (zh) * | 2013-12-24 | 2016-01-27 | 北京佳讯飞鸿电气股份有限公司 | 一种检测摄像头视频偏色的方法 |
CN104050645B (zh) * | 2014-06-23 | 2017-01-11 | 小米科技有限责任公司 | 图像处理方法及装置 |
CN107209927B (zh) * | 2014-09-19 | 2020-07-03 | 巴尔科股份有限公司 | 利用减少的视觉假象提高对比度的方法 |
CN105957111B (zh) * | 2016-04-27 | 2018-09-18 | 深圳积木易搭科技技术有限公司 | 序列遥感影像的色调一致性校正方法及*** |
CN107341767B (zh) * | 2016-04-29 | 2020-07-03 | 杭州海康威视数字技术股份有限公司 | 一种图像校正方法及装置 |
CN106162161A (zh) * | 2016-07-05 | 2016-11-23 | 青岛海信电器股份有限公司 | 一种图像检测方法及显示装置 |
CN107644437B (zh) * | 2016-07-21 | 2021-01-26 | 宁波舜宇光电信息有限公司 | 基于分块的偏色检测***及其方法 |
CN106296751A (zh) * | 2016-08-16 | 2017-01-04 | 中国石油化工股份有限公司 | 一种基于视觉体验的色彩处理方法 |
CN108242061B (zh) * | 2018-02-11 | 2022-04-08 | 南京亿猫信息技术有限公司 | 一种基于Sobel算子的超市购物车手部识别方法 |
CN109815875B (zh) * | 2019-01-17 | 2023-04-07 | 柳州康云互联科技有限公司 | 一种用于互联网检测中色彩变换的*** |
CN111898449B (zh) * | 2020-06-30 | 2023-04-18 | 北京大学 | 一种基于监控视频的行人属性识别方法和*** |
CN112668426B (zh) * | 2020-12-19 | 2021-11-16 | 中国民用航空飞行学院 | 一种基于三种色彩模式的火灾图像偏色度量化方法 |
CN112667187A (zh) * | 2020-12-23 | 2021-04-16 | 深圳市尊正数字视频有限公司 | 一种监视器的调色方法、***、智能终端及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1489832A1 (de) * | 2003-06-18 | 2004-12-22 | Agfa-Gevaert AG | Verfahren zum automatischen Korrigieren von Hautfarben in digitalen Bilddaten |
EP2051210A1 (en) * | 2007-10-17 | 2009-04-22 | Qualcomm Incorporated | Effective red eye removal in digital images without face detection |
CN102005046A (zh) * | 2010-11-10 | 2011-04-06 | 新太科技股份有限公司 | 一种通过颜色饱和度检测技术检测图像偏色的新方法 |
CN102169585A (zh) * | 2011-03-31 | 2011-08-31 | 汉王科技股份有限公司 | 图像偏色的检测方法及装置 |
-
2013
- 2013-01-31 CN CN201310038277.9A patent/CN103065334B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1489832A1 (de) * | 2003-06-18 | 2004-12-22 | Agfa-Gevaert AG | Verfahren zum automatischen Korrigieren von Hautfarben in digitalen Bilddaten |
EP2051210A1 (en) * | 2007-10-17 | 2009-04-22 | Qualcomm Incorporated | Effective red eye removal in digital images without face detection |
CN102005046A (zh) * | 2010-11-10 | 2011-04-06 | 新太科技股份有限公司 | 一种通过颜色饱和度检测技术检测图像偏色的新方法 |
CN102169585A (zh) * | 2011-03-31 | 2011-08-31 | 汉王科技股份有限公司 | 图像偏色的检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
利用色彩直方图特征进行偏色图象的自动检测和校正;郑建铧 等;《中国图象图形学报》;20030930;第8卷(第9期);2.2部分 * |
Also Published As
Publication number | Publication date |
---|---|
CN103065334A (zh) | 2013-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103065334B (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
CN107451969B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
US8811733B2 (en) | Method of chromatic classification of pixels and method of adaptive enhancement of a color image | |
US8472717B2 (en) | Foreground image separation method | |
KR101944208B1 (ko) | 색 보정을 위한 장치 및 방법 | |
CN109785240B (zh) | 一种低照度图像增强方法、装置及图像处理设备 | |
US20060203311A1 (en) | Automatic white balance method adaptive to digital color images | |
CN111223068A (zh) | 基于Retinex的自适应非均匀低照度图像增强的方法 | |
JP2000171304A (ja) | カラ―照明色温度の検出方法及び該装置 | |
Nnolim | An adaptive RGB colour enhancement formulation for logarithmic image processing-based algorithms | |
KR20070047557A (ko) | 이미지 센서로부터 발생되는 잡음을 저감하는 방법 및 장치 | |
WO2009091152A2 (en) | Color recovery method and system | |
CN114037622A (zh) | 一种基于成像模型和强化学习的水下图像增强方法 | |
CN110175967B (zh) | 图像去雾处理方法、***、计算机设备和存储介质 | |
Ao et al. | Adaptive stretching method for underwater image color correction | |
Gijsenij et al. | Color constancy by local averaging | |
US20210125318A1 (en) | Image processing method and apparatus | |
CN107424134B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
Hussain et al. | Max-RGB based colour constancy using the sub-blocks of the image | |
CN110648297A (zh) | 图像去雾方法、***、电子设备和存储介质 | |
JP2003209856A (ja) | ホワイトバランス補正方法 | |
CN114549386A (zh) | 一种基于自适应光照一致性的多曝光图像融合方法 | |
CN105631812B (zh) | 一种对显示图像进行色彩增强的控制方法及控制装置 | |
CN112699760A (zh) | 一种脸部目标区域检测方法、装置和设备 | |
KR101005625B1 (ko) | 카메라 색상 특성 곡선을 이용한 영상 밝기 변화에 따른 색 보정 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |