CN103679656A - 一种图像自动锐化方法 - Google Patents
一种图像自动锐化方法 Download PDFInfo
- Publication number
- CN103679656A CN103679656A CN201310652446.8A CN201310652446A CN103679656A CN 103679656 A CN103679656 A CN 103679656A CN 201310652446 A CN201310652446 A CN 201310652446A CN 103679656 A CN103679656 A CN 103679656A
- Authority
- CN
- China
- Prior art keywords
- pixel
- sharpening
- edge
- image
- images
- 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.)
- Granted
Links
Images
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种图像自动锐化方法,其通过对原始图像进行灰度化处理及边缘检测,并进行边缘强度的直方图统计进而计算出灰度图像的模糊概率,从而根据所述模糊概率设置原始图像的锐化度,最后根据该锐化度并结合高斯模糊图像对原始图像进行自动锐化处理,使得锐化量不依赖于显示条件和用户的视觉***,不仅可以实现自动锐化,而且提高了图像的锐化处理质量。
Description
技术领域
本发明涉及一种图像增强方法,特别是一种图像自动锐化方法。
背景技术
在拍摄了数字图像之后,经常要对其进行锐化以减少或消除模糊、增强图像焦点或模拟更好的分辨率。可通过去卷积方法或者通过利用钝化掩模滤波器(unsharp mask fi lter)来执行锐化以增加图像内边缘的对比度。钝化掩模滤波器通过定义的阈值识别与周围像素不同的像素,并且通过指定的锐化量增加对比度。用户可以确定并设置锐化量,这使得锐化量依赖于显示条件和用户的视觉***。换而言之,尽管锐化量是钝化掩模滤波器中的一个主要参数,但是通常根据主观判断而非客观判断来设置锐化量。因此,如何通过客观判断来设置锐化量成为我们消除图像模糊的重点。
发明内容
本发明为解决上述问题,提供了一种图像自动锐化方法,其通过客观判断方法来设置锐化量,是一种基于图像模糊度而进行自动锐化的图像增强方法。
为实现上述目的,本发明采用的技术方案为:
一种图像自动锐化方法,其特征在于,包括以下步骤:
10.接收原始图像;
20.对原始图像进行灰度化处理,得到灰度图像;
30.对灰度图像进行边缘检测,并进行边缘强度的直方图统计;
40.根据所述直方图统计的结果计算出灰度图像的模糊概率;
50.对原始图像进行高斯模糊处理,得到高斯模糊图像;
60.根据所述模糊概率设置原始图像的锐化度,并根据该锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理。
作为一种较佳实施例:所述步骤30进一步包括:
31.对灰度图像进行强边缘与弱边缘检测,并得到强边缘结果和弱边缘结果;
32.对灰度图像进行分块,并对各个块及其所对应的强边缘结果和弱边缘结果进行统计,得到边缘强度的直方图统计。
作为一种较佳实施例:所述步骤32进一步包括以下步骤:
步骤321.对灰度图像进行分块;
步骤322.对每块的强边缘结果进行分析,判断是否属于边缘块;如果是,则执行步骤323.;
步骤323.计算边缘块里的每个像素点的梯度;
步骤324.根据每个像素点的梯度计算该像素点所对应的梯度方向;
步骤325.根据每块对应的弱边缘结果与步骤324中所述的梯度方向寻找每个像素点的边缘连续性强度;
步骤326.计算每块的对比度差,并对每块的边缘连续性强度进行直方图统计。
作为一种较佳实施例:所述步骤321中对灰度图像进行分块,其每块的大小为16~128个像素。
作为一种较佳实施例:所述步骤322中判断是否属于边缘块,是根据判断强边缘结果属于边缘的像素点个数是否大于块像素点总数的预定百分比,且该预定百分比的范围是0.1%~2%。
作为一种较佳实施例:所述步骤323中,像素点的梯度计算公式为:
grad=(next-prev)/2,
其中,grad为当前像素点的梯度值;next为当前像素点的后一个像素点的值;prev为当前像素点的前一个像素点的值。
作为一种较佳实施例:所述步骤324中,像素点所对应的梯度方向的计算,是根据像素点的梯度的X方向和Y方向的梯度值,进行反正切得到的角度。
作为一种较佳实施例:所述步骤325中,像素点的边缘连续性强度的计算是利用梯度方向上的像素点是否在弱边缘结果里属于边缘,以此得到每个像素点是边缘的连续性的强度。
作为一种较佳实施例:所述步骤326中,对比度差的计算方法,是计算每块里的像素值的最大值与最小值,两者相减得到差值,再得到最终的对比度差;其中,
差值范围在0-51之间时,其对比度差为5;
差值范围在52-256之间时,其对比度差为3。
作为一种较佳实施例:所述步骤326中,直方图统计公式为:
其中,index为直方图的序号值,范围为0~100;continue为边缘连续性强度值,block为对比度差值。
作为一种较佳实施例:所述步骤20中,对原始图像进行灰度化处理的计算公式为以下公式的其中一个:
Gray=0.299*Red+0.587*Green+0.114*Blue:
或者
Gray=(Red*306+Green*601+Blue*117+512)/1024;
其中,Gray为得到的灰度图像上对应像素点的颜色值,Red、Green、Blue分别为原始图像上红、绿、蓝三个通道对应像素点的颜色值。
作为一种较佳实施例:所述步骤40中,所述灰度图像的模糊概率的计算公式为:
其中,score为模糊的概率,范围为0.0~1.0,1.0表示模糊的概率最高,0.0表示模糊的概率最低;hist为直方图统计后得到的数组;nCount为进行直方图统计的总数。
作为一种较佳实施例:所述步骤50中的高斯模糊处理是用正态分布计算图像中每个像素的变换,其中,
在N维空间的正态分布方程为:
在二维空间的正态分布方程为:
其中r是模糊半径(r2=u2+v2),σ是正态分布的标准偏差,u是原像素点在x轴上的位置偏移值,v是原像素点在y轴上的位置偏移值。
作为一种较佳实施例:所述步骤60中,根据所述模糊概率设置原始图像的锐化度,其中设置锐化度的公式为:
depth=max((blur-0.4)/k,0.0);
其中,depth为该图像的锐化度;blur为原始图像的模糊概率;k为一个固定值,范围从2到10。
作为一种较佳实施例:所述步骤60中,根据所述锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理,其计算公式为:
resultColor=min(max((depth+1)*color-depth*gaussColor,0),255);
其中,depth为设置的锐化度,resultColor为锐化后的各像素点的颜色值;color为原始图像各像素点的颜色值;gaussColor为原始图像高斯模糊后各个像素点的颜色值。
本发明的有益效果是:
(1).通过对原始图像进行灰度化处理及边缘检测,并进行边缘强度的直方图统计进而计算出灰度图像的模糊概率,从而根据所述模糊概率设置原始图像的锐化度,最后根据该锐化度并结合高斯模糊图像对原始图像进行自动锐化处理,使得锐化量不依赖于显示条件和用户的视觉***,不仅可以实现自动锐化,而且提高了图像的锐化处理质量;
(2).对灰度图像进行分块,并对各个块及其所对应的强边缘结果和弱边缘结果进行统计,得到边缘强度的直方图统计,使得计算出的模糊概率更精确,从而使得锐化量更合理。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明图像自动锐化方法的流程简图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图及实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明的一种图像自动锐化方法,包括以下步骤:
10.接收原始图像;
20.对原始图像进行灰度化处理,得到灰度图像;
30.对灰度图像进行边缘检测,并进行边缘强度的直方图统计;
40.根据所述直方图统计的结果计算出灰度图像的模糊概率,也就是原始图像的模糊概率;
50.对原始图像进行高斯模糊处理,得到高斯模糊图像;
60.根据所述模糊概率设置原始图像的锐化度,并根据该锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理。
本实施例中,所述步骤30进一步包括:
31.对灰度图像进行强边缘与弱边缘检测,并得到强边缘结果和弱边缘结果;
32.对灰度图像进行分块,并对各个块及其所对应的强边缘结果和弱边缘结果进行统计,得到边缘强度的直方图统计。
具体来说,强边缘检测的方法可以是Canny边缘检测算法或阈值边缘检测算法,弱边缘检测的方法有是Sobel边缘检测算法或Prewitt边缘检测算法。上述边缘检测方法为现有检测方法,在此不累述。
本实施例中,所述步骤32进一步包括以下步骤:
步骤321.对灰度图像进行分块;
步骤322.对每块的强边缘结果进行分析,判断是否属于边缘块;如果是,则执行步骤323.;
步骤323.计算边缘块里的每个像素点的梯度;
步骤324.根据每个像素点的梯度计算该像素点所对应的梯度方向;
步骤325.根据每块对应的弱边缘结果与步骤324中所述的梯度方向寻找每个像素点的边缘连续性强度;
步骤326.计算每块的对比度差,并对每块的边缘连续性强度进行直方图统计。
本实施例中,所述步骤321中对灰度图像进行分块,其每块的大小为16~128个像素;优选为64个像素。
本实施例中,所述步骤322中判断是否属于边缘块,是根据判断强边缘结果属于边缘的像素点个数是否大于块像素点总数的预定百分比,且该预定百分比的范围是0.1%~2%。
本实施例中,所述步骤323中,像素点的梯度计算公式为:
grad=(next-prev)/2,
其中,grad为当前像素点的梯度值;next为当前像素点的后一个像素点的值;prev为当前像素点的前一个像素点的值。
本实施例中,所述步骤324中,像素点所对应的梯度方向的计算,是根据像素点的梯度的X方向和Y方向的梯度值,进行反正切得到的角度。
本实施例中,所述步骤325中,像素点的边缘连续性强度的计算是利用梯度方向上的像素点是否在弱边缘结果里属于边缘,以此得到每个像素点是边缘的连续性的强度。
本实施例中,所述步骤326中,对比度差的计算方法,是计算每块里的像素值的最大值与最小值,两者相减得到差值,再得到最终的对比度差;其中,
差值范围在0-51之间时,其对比度差为5;
差值范围在52-256之间时,其对比度差为3。
本实施例中,所述步骤326中,直方图统计公式为:
其中,index为直方图的序号值,范围为0~100;continue为边缘连续性强度值,block为对比度差值。
本实施例中,所述步骤20中,对原始图像进行灰度化处理的计算公式为以下公式的其中一个:
Gray=0.299*Red+0.587*Green+0.114*Blue;
或者
Gray=(Red*306+Green*601+Blue*117+512)/1024;
其中,Gray为得到的灰度图像上对应像素点的颜色值,Red、Green、Blue分别为原始图像上红、绿、蓝三个通道对应像素点的颜色值。
本实施例中,所述步骤40中,所述灰度图像的模糊概率的计算公式为:
其中,score为模糊的概率,范围为0.0~1.0,1.0表示模糊的概率最高,0.0表示模糊的概率最低;hist为直方图统计后得到的数组;nCount为进行直方图统计的总数。
本实施例中,所述步骤50中的高斯模糊处理是用正态分布计算图像中每个像素的变换,其中,
在N维空间的正态分布方程为:
在二维空间的正态分布方程为:
其中r是模糊半径(r2=u2+v2),σ是正态分布的标准偏差,u是原像素点在x轴上的位置偏移值,v是原像素点在y轴上的位置偏移值。
本实施例中,所述步骤60中,根据所述模糊概率设置原始图像的锐化度,其中设置锐化度的公式为:
depth=max((blur-0.4)/k,0.0);
其中,depth为该图像的锐化度;blur为原始图像的模糊概率;k为一个固定值,范围从2到10,其中k的最优值为6。
本实施例中,所述步骤60中,根据所述锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理,其计算公式为:
resultColor=min(max((depth+1)*color-depth*gaussColor,0),255);
其中,depth为设置的锐化度,resultColor为锐化后的各像素点的颜色值;color为原始图像各像素点的颜色值;gaussColor为原始图像高斯模糊后各个像素点的颜色值。
上述说明示出并描述了本发明的优选实施例,如前,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (15)
1.一种图像自动锐化方法,其特征在于,包括以下步骤:
10.接收原始图像;
20.对原始图像进行灰度化处理,得到灰度图像;
30.对灰度图像进行边缘检测,并进行边缘强度的直方图统计;
40.根据所述直方图统计的结果计算出灰度图像的模糊概率;
50.对原始图像进行高斯模糊处理,得到高斯模糊图像;
60.根据所述模糊概率设置原始图像的锐化度,并根据该锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理。
2.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤30进一步包括:
31.对灰度图像进行强边缘与弱边缘检测,并得到强边缘结果和弱边缘结果;
32.对灰度图像进行分块,并对各个块及其所对应的强边缘结果和弱边缘结果进行统计,得到边缘强度的直方图统计。
3.根据权利要求2所述的一种图像自动锐化方法,其特征在于:所述步骤32进一步包括以下步骤:
步骤321.对灰度图像进行分块;
步骤322.对每块的强边缘结果进行分析,判断是否属于边缘块;如果是,则执行步骤323.;
步骤323.计算边缘块里的每个像素点的梯度;
步骤324.根据每个像素点的梯度计算该像素点所对应的梯度方向;
步骤325.根据每块对应的弱边缘结果与步骤324中所述的梯度方向寻找每个像素点的边缘连续性强度;
步骤326.计算每块的对比度差,并对每块的边缘连续性强度进行直方图统计。
4.根据权利要求3所述的一种图像自动锐化方法,其特征在于:所述步骤321中对灰度图像进行分块,其每块的大小为16~128个像素。
5.根据权利要求3所述的一种图像自动锐化方法,其特征在于:所述步骤322中判断是否属于边缘块,是根据判断强边缘结果属于边缘的像素点个数是否大于块像素点总数的预定百分比,且该预定百分比的范围是0.1%~2%。
6.根据权利要求3所述的一种图像自动锐化方法,其特征在于:所述步骤323中,像素点的梯度计算公式为:
grad=(next-prev)/2,
其中,grad为当前像素点的梯度值;next为当前像素点的后一个像素点的值;prev为当前像素点的前一个像素点的值。
7.根据权利要求3所述的一种图像自动锐化方法,其特征在于:所述步骤324中,像素点所对应的梯度方向的计算,是根据像素点的梯度的X方向和Y方向的梯度值,进行反正切得到的角度。
8.根据权利要求3所述的一种图像自动锐化方法,其特征在于:所述步骤325中,像素点的边缘连续性强度的计算是利用梯度方向上的像素点是否在弱边缘结果里属于边缘,以此得到每个像素点是边缘的连续性的强度。
9.根据权利要求3所述的一种图像自动锐化方法,其特征在于:所述步骤326中,对比度差的计算方法,是计算每块里的像素值的最大值与最小值,两者相减得到差值,再得到最终的对比度差;其中,
差值范围在0-51之间时,其对比度差为5;
差值范围在52-256之间时,其对比度差为3。
10.根据权利要求3所述的一种图像自动锐化方法,其特征在于:所述步骤326中,直方图统计公式为:
其中,index为直方图的序号值,范围为0~100;continue为边缘连续性强度值,block为对比度差值。
11.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤20中,对原始图像进行灰度化处理的计算公式为以下公式的其中一个:
Gray=0.299*Red+0.587*Green+0.114*Blue:
或者
Gray=(Red*306+Green*601+Blue*117+512)/1024;
其中,Gray为得到的灰度图像上对应像素点的颜色值,Red、Green、Blue分别为原始图像上红、绿、蓝三个通道对应像素点的颜色值。
12.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤40中,所述灰度图像的模糊概率的计算公式为:
其中,score为模糊的概率,范围为0.0~1.0,1.0表示模糊的概率最高,0.0表示模糊的概率最低;hist为直方图统计后得到的数组;nCount为进行直方图统计的总数。
13.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤50中的高斯模糊处理是用正态分布计算图像中每个像素的变换,其中,
在N维空间的正态分布方程为:
在二维空间的正态分布方程为:
其中r是模糊半径(r2=u2+v2),σ是正态分布的标准偏差,u是原像素点在x轴上的位置偏移值,v是原像素点在y轴上的位置偏移值。
14.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤60中,根据所述模糊概率设置原始图像的锐化度,其中设置锐化度的公式为:
depth=max((blur-0.4)/k,0.0);
其中,depth为该图像的锐化度;blur为原始图像的模糊概率;k为一个固定值,范围从2到10。
15.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤60中,根据所述锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理,其计算公式为:
resultColor=min(max((depth+1)*color-depth*gaussColor,0),255);
其中,depth为设置的锐化度,resultColor为锐化后的各像素点的颜色值;color为原始图像各像素点的颜色值;gaussColor为原始图像高斯模糊后各个像素点的颜色值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310652446.8A CN103679656B (zh) | 2013-10-21 | 2013-12-05 | 一种图像自动锐化方法 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310494804.7A CN103489167A (zh) | 2013-10-21 | 2013-10-21 | 一种图像自动锐化方法 |
CN2013104948047 | 2013-10-21 | ||
CN201310494804.7 | 2013-10-21 | ||
CN201310652446.8A CN103679656B (zh) | 2013-10-21 | 2013-12-05 | 一种图像自动锐化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103679656A true CN103679656A (zh) | 2014-03-26 |
CN103679656B CN103679656B (zh) | 2016-08-31 |
Family
ID=49829366
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310494804.7A Pending CN103489167A (zh) | 2013-10-21 | 2013-10-21 | 一种图像自动锐化方法 |
CN201310652446.8A Active CN103679656B (zh) | 2013-10-21 | 2013-12-05 | 一种图像自动锐化方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310494804.7A Pending CN103489167A (zh) | 2013-10-21 | 2013-10-21 | 一种图像自动锐化方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN103489167A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709430A (zh) * | 2016-11-30 | 2017-05-24 | 努比亚技术有限公司 | 移动终端及基于移动终端的指纹信息图像处理方法 |
CN107481203A (zh) * | 2017-08-14 | 2017-12-15 | 厦门美图之家科技有限公司 | 一种图像导向滤波方法及计算设备 |
CN110111261A (zh) * | 2019-03-28 | 2019-08-09 | 福州瑞芯微电子股份有限公司 | 图像的自适应平衡处理方法、电子设备和计算机可读存储介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894459A (zh) * | 2015-12-10 | 2016-08-24 | 乐视云计算有限公司 | 基于梯度值及梯度方向的图像锐化方法及装置 |
CN106991662A (zh) * | 2017-04-05 | 2017-07-28 | 上海矽奥微电子有限公司 | 基于水平方向像素的图像锐化方法 |
CN108024103A (zh) * | 2017-12-01 | 2018-05-11 | 重庆贝奥新视野医疗设备有限公司 | 图像锐化方法以及装置 |
CN109934785B (zh) * | 2019-03-12 | 2021-03-12 | 湖南国科微电子股份有限公司 | 图像锐化方法及装置 |
CN110192744A (zh) * | 2019-04-24 | 2019-09-03 | 张金秋 | 婴儿护理装置 |
CN112918956A (zh) * | 2021-02-20 | 2021-06-08 | 陆伟凤 | 一种基于图像识别技术的垃圾分类*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020176113A1 (en) * | 2000-09-21 | 2002-11-28 | Edgar Albert D. | Dynamic image correction and imaging systems |
CN1980321A (zh) * | 2005-12-09 | 2007-06-13 | 逐点半导体(上海)有限公司 | 一种图像增强处理***和处理方法 |
US20070147698A1 (en) * | 2005-12-22 | 2007-06-28 | Reid Russell M | Image sharpening using diffusion |
CN101794380A (zh) * | 2010-02-11 | 2010-08-04 | 上海点佰趣信息科技有限公司 | 指纹图像增强方法 |
CN103079038A (zh) * | 2013-01-07 | 2013-05-01 | 华为终端有限公司 | 图像锐化处理方法、装置和拍摄终端 |
-
2013
- 2013-10-21 CN CN201310494804.7A patent/CN103489167A/zh active Pending
- 2013-12-05 CN CN201310652446.8A patent/CN103679656B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020176113A1 (en) * | 2000-09-21 | 2002-11-28 | Edgar Albert D. | Dynamic image correction and imaging systems |
CN1980321A (zh) * | 2005-12-09 | 2007-06-13 | 逐点半导体(上海)有限公司 | 一种图像增强处理***和处理方法 |
US20070147698A1 (en) * | 2005-12-22 | 2007-06-28 | Reid Russell M | Image sharpening using diffusion |
CN101794380A (zh) * | 2010-02-11 | 2010-08-04 | 上海点佰趣信息科技有限公司 | 指纹图像增强方法 |
CN103079038A (zh) * | 2013-01-07 | 2013-05-01 | 华为终端有限公司 | 图像锐化处理方法、装置和拍摄终端 |
Non-Patent Citations (2)
Title |
---|
YUN-CHUNG CHUNG ET AL.: "A Non-Parametric Blur Measure Based on Edge Analysis for Image Processing Applications", 《IEEE CONFERENCE ON CYBERNETICS AND INTELLIGENT SYSTEMS》 * |
张聪: "工业射线图像锐化增强算法研究", 《中国优秀硕士论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709430A (zh) * | 2016-11-30 | 2017-05-24 | 努比亚技术有限公司 | 移动终端及基于移动终端的指纹信息图像处理方法 |
CN107481203A (zh) * | 2017-08-14 | 2017-12-15 | 厦门美图之家科技有限公司 | 一种图像导向滤波方法及计算设备 |
CN107481203B (zh) * | 2017-08-14 | 2020-05-15 | 厦门美图之家科技有限公司 | 一种图像导向滤波方法及计算设备 |
CN110111261A (zh) * | 2019-03-28 | 2019-08-09 | 福州瑞芯微电子股份有限公司 | 图像的自适应平衡处理方法、电子设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103679656B (zh) | 2016-08-31 |
CN103489167A (zh) | 2014-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103679656A (zh) | 一种图像自动锐化方法 | |
CN110246108B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN103413311B (zh) | 一种基于边缘的模糊检测方法 | |
JP4871144B2 (ja) | 画像処理装置、方法、プログラム | |
CN103116875B (zh) | 自适应双边滤波图像去噪方法 | |
CN105913396A (zh) | 一种噪声估计的图像边缘保持混合去噪方法 | |
CN110796626B (zh) | 图像锐化方法及装置 | |
CN107742291B (zh) | 一种光伏玻璃的缺陷检测方法及装置 | |
CN102855617B (zh) | 自适应图像处理方法及*** | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN108038833B (zh) | 一种梯度相关性检测的图像自适应锐化方法和存储介质 | |
CN103606132A (zh) | 基于空域和时域联合滤波的多帧数字图像去噪方法 | |
CN101996406A (zh) | 无参考结构清晰度图像质量评价方法 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
CN103295225B (zh) | 弱光照条件下的列车转向架边缘检测方法 | |
CN110335246B (zh) | 一种证照图片清晰度评价方法 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
CN109215000A (zh) | 一种焊缝图像处理方法及*** | |
CN102938057A (zh) | 一种车辆阴影消除方法及装置 | |
CN103617600A (zh) | 一种基于边缘检测的图像自动锐化方法 | |
CN114127784A (zh) | 用于生成相机流的掩模的方法、计算机程序产品和计算机可读介质 | |
CN108133488A (zh) | 一种红外图像前景检测方法及设备 | |
CN109064439B (zh) | 基于分区的单侧入光式导光板暗影缺陷提取方法 | |
CN105894474A (zh) | 一种非线性图像增强方法及边缘检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |