CN103971340A - 一种高位宽数字图像动态范围压缩和细节增强方法 - Google Patents
一种高位宽数字图像动态范围压缩和细节增强方法 Download PDFInfo
- Publication number
- CN103971340A CN103971340A CN201410204520.4A CN201410204520A CN103971340A CN 103971340 A CN103971340 A CN 103971340A CN 201410204520 A CN201410204520 A CN 201410204520A CN 103971340 A CN103971340 A CN 103971340A
- Authority
- CN
- China
- Prior art keywords
- image
- bit width
- width digital
- digital picture
- detail
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000006835 compression Effects 0.000 title claims abstract description 28
- 238000007906 compression Methods 0.000 title claims abstract description 28
- 230000009466 transformation Effects 0.000 claims abstract description 38
- 230000002708 enhancing effect Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 12
- 230000001131 transforming effect Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 241001212149 Cathetus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明一种高位宽数字图像动态范围压缩和细节增强方法,包括步骤S1:获取滤除像素坏点的图像;步骤S2:对滤除像素坏点的图像进行分解,得到基图和细节图;步骤S3:将细节图增强后与基图相融合;步骤S4:根据高位宽数字图像的平均值和均方差得到自适应变换函数的变换参数,并指导自适应变换函数对融合后图像进行变换,实现对高位宽数字图像的自适应变换处理,得到动态范围压缩和细节增强后的图像。该方法通过对多种不同场景特征的高位宽数字图像测试,证明该方法在保持图像层次结构的基础上,提高图像对比度、增强图像细节、动态范围压缩,更适合人眼观察或机器进行分析处理。用于红外图像与其他高位宽数字图像在PC机上面的增强与再现。
Description
技术领域
本发明涉及一种高位宽数字图像动态范围压缩和细节增强方法,属于数字图像预处理及红外成像领域。该方法实现对原高位宽数字图像有效地增强与再显示,显示的图像达到良好的视觉效果,改进后扩展了现有算法的适用范围,增强了视觉效果、提高了图像对比度、增强了图像细节、压缩了动态范围、加快了计算速度,易于实时处理。可以广泛应用了各种红外以及高位宽数字图像探测***中。
背景技术
目前在PC机上面能显示的数字图像动态范围较低,一般灰度图像为8位,彩色为24位和32位。但是这类图像并不能完全记录场景中的真实亮度,它们只是表征了视觉编码过、有限的阶调关系。最终所记录的场景效果与具体的获取设备和显示媒介有关。
高位宽数字图像主要是指高于8bit的数字图像,一般有10bit、12bit、14bit、16bit的图像。例如:红外图像和可见光高位宽数字图像。此类图像可以记录所有视觉可以观察到的场景,它将被期望代替传统的8位的低动态范围成像技术,在数字图像技术中也得到广泛应用。但是它从获取、显示到输出的整个场景的传递流程面临着与低动态范围图像的场景传递流程不一样的境况。特别是在传递过程中,其动态范围和亮度程度的差异,给保持原有场景带来了巨大的挑战,也给其应用带来一系列问题。
在应用中主要存在两个显著问题:
1):动态范围压缩,即如何做到将高位的图像信息压缩到低位上,并且不丢失场景信息。
2):图像细节增强,尽可能的保留原始图像中对比度较大的部分, 而增强对比度较小的细节部分。
目前科研工作者在图像动态范围压缩和增强方面做了大量的研究,常见的高位宽数字图像细节增强方法主要有:Unsharp Masking、Global Histogram Equalization、Adaptive Histogram Equalization、Contrast Limited Adaptive Histogram Equalization、Partially Overlapped Sub-block Histogram Equalization、Retinex系列算法等。但是此类算法在增强原对比度差异较小的同时也增强了原对比度较大的细节部分,有过增强的现象出现;参数调节标准不够明确,难以实现自适应地调整;在很多图像处理算法上都有存在梯度反转现象;并且计算复杂度较高,难以达到工程实时处理的要求。
发明内容
(一)要解决的技术问题:
为了克服现有技术的不足,本发明的目的是提供一种可以快速、实时自适应的对高位宽数字图像进行细节增强、动态范围压缩的方法。
(二)技术方案
为实现所述的目的,本发明提供一种高位宽数字图像动态范围压缩和细节增强方法的技术方案包含以下步骤:
步骤S1:首先对整个高位宽数字图像按像素值排序,然后滤掉位于一范围内的最高和最低的像素区域的像素值,找到最有效的最小像素值与最大像素值,并做归一化处理,得到滤除像素坏点的图像;
步骤S2:利用指导滤波器对滤除像素坏点的图像进行分解,得到基图和细节图;
步骤S3:将细节图增强后与基图相融合,得到融合后图像;
步骤S4:根据高位宽数字图像的平均值和均方差得到自适应变换函数的变换参数,再通过该变换参数指导自适应变换函数对融合后图像进行变换,实现对高位宽数字图像的自适应变换处理,得到动态范围压缩和细节增强后的图像。
(三)有益效果
本发明的方法通过对多种不同场景特征的高位宽数字图像测试,证 明该方法在保持图像层次结构的基础上,提高了图像对比度、增强了图像细节、动态范围压缩,更适合人眼观察或机器进行分析处理。用于红外图像与其他高位宽数字图像在PC机上面的增强与再现。
(1)、本发明在算法上计算量小,算法整体时间复杂度为O(N),易于硬件实现。可以在DSP或者FPGA平台上实现实时处理图片。
(2)、本发明在边缘梯度反转性质方面优于现有红外图像处理算法,无边缘梯度反转现象产生。
(3)、本发明边缘保持特性较好,在边缘信息或者强纹理信息处,保留了原始对比度,无过增强现象产生。
(4)、本发明通过图像自身特性,自适应地调节参数,可以在一个较为完备地变换函数组里面找到一条最适合原始图像的变换函数,可以同时增强处理整体大尺度偏亮、偏暗图像中的微小目标,也可以同时增强处理既有亮背景又有暗背景中的微细目标。
附图说明
图1是本发明方法的整体框架结构图;
图2(a)和图2(b)分别是变换函数变换曲线图组;
图3(a)、图3(b)为本发明方法应用在高分辨率高位宽数字图像实例1;
图4(a)为图3(a)的原始高位宽数字图像的第960列灰度图;
图4(b)为图3(a)的第960列灰度图;
图4(c)为图3(b)的第960列灰度图;
图5(a)为图3(a)的原始高位宽数字图像的第720行灰度图;
图5(b)为图3(a)的第720行灰度图;
图5(c)为图3(b)的第720行灰度图;
图6(a)、图6(b)为本发明方法应用在可见光高位数字图像实例2;
图7(a)、图7(b)为本发明方法应用在红外图像实例3;
图8(a)、图8(b)为本发明方法应用可见灰度图像实例4;
图9(a)、图9(b)为本发明方法应用可见彩色图像实例5;
图10(a)、图10(b)为本发明方法应用在可见彩色图像实例6。
具体实施方式
下面结合附图对本发明的实施例作详细说明。本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于以下的实施例。
本实施例的算法流程如图1所示,分为:坏点滤除、分解原始图片为基图与细节图、图像融合、自适应变换函数处理图片四个部分。具体实施过程如下:
步骤一、原始高位宽数字图像坏点滤除:
一般高位宽数字图像设备自身像素点存在一定的坏点,这些坏点将影响之后计算高位宽数字图像的均方差和平均值。这将严重影响最终指导变换函数和指导滤波器选取参数的正确型。所以,首先假设整幅图像每2500个像素点就有一个坏点,并且对整个高位宽数字图像按像素值排序,然后滤除掉位于一定范围内的最高和最低的像素区域的像素值,找到最有效的最小像素值与最大像素值,并做归一化处理,得到滤除像素坏点的图像;
步骤二、利用指导滤波器对滤除坏点的图像进行分解,得到基图和细节图:
所述指导滤波器定义是通过对指导图像I进行局部线性滤波变换,得到输出图像Q在第i个像素的像素值Qi并表示为:
Qi=ak×Ii+bk (1)
其中,ak、bk为指导滤波器线性系数,Ii为指导图像I在第i个像素的像素值;k和i分别表示像素索引序号;任意i∈ωk是以像素k为中心、以常系数r为半径的正方形窗口;k、i=1,2,3...;
获得指导滤波器线性系数的步骤包括:
其中,|w|是窗口内的像素个数;μk和σk 2表示指导图像I在正方形 窗口ωk中的均值和方差;P为输入高位宽数字图像;为高位宽数字图像在正方形窗口ωk内的平均值;Pi为指导图像I在第i个像素的像素值;ε为以均方差为变量的一个函数值,此函数ε的值决定了指导滤波器的滤波程度。
当指导图像I与输入高位宽数字图像P相等时,公式2改为:
其中,
SUM为输入高位宽数字图像总的像素个数;为输入高位宽数字图像的平均值。
所述基图获取过程如下:
QBASE=a×P+b (6)
其中,QBASE为输入高位宽数字图像P经过指导滤波器之后的图像,即为基图;a表示ak在正方形窗口ωk中的均值;b表示bk在正方形窗口ωk中的均值。
所述细节图获取过程如下:
QDETAIL=P-QBASE (7)
其中,P为输入高位宽数字图像;QBASE为基图。
步骤三、将细节图部分增强后与基图部分相融合,得到融合后图像;
所述细节图增强过程如下:
Q’DETAIL=QDETAIL×K1 (8)
X=QBASE+Q’DETAIL (9)
其中,Q’DETAIL为细节增强后图像;QDETAIL为细节图;K1值为细节增强系数;X为细节增强后图像Q’DETAIL与基图QBASE融合后图像。根据处理的图片,细节增强系数的取值为K1∈[3,9],所述图片为红外图片、可见光高位宽图片、8位灰度图片以及24位彩色图片时,K1取值均为5。
步骤四、根据高位宽数字图像的平均值和均方差得到自适应变换函数的变换参数,再通过该变换参数指导自适应变换函数对融合后图像进 行变换,实现对高位宽数字图像的自适应变换处理,得到动态范围压缩和细节增强后的图像y:
利用自适应变换函数定义动态范围压缩和细节增强的输出图像y表示为:
y=(Xn-X2+X)z (10)
z=c×m3+d×m2+e×m+f (11)
其中,X为细节增强后图像与基图融合后图像;z为自适应变换函数的指数系数;n为自适应变换函数系数的值,其取值范围为[2,8]中的任一实数;c、d、e、f为常数系数,并由测试库拟合曲线得到;m参数由图像的均值和均方差决定表达式为:
m=0.7*MEAN+0.3×MSR (12)
其中,MEAN表示原始高位宽数字图像的均值,MSR表示原始高位宽数字图像的方差。
图2(a)为n取值为3,z取值从0.2到3不等变换;图2(b)为n取值为5,z取值从0.2到3不等变换(图2(a)、图2(b)中直线为参考曲线,表示对图像不做任何映射变换;图中弯曲线即为变换函数曲线)。
事先在测试库里面,将c、d、e、f的值确定好代入公式11,再将均值、均方差代入公式12,将m值代入公式11,可以推导出整个变换函数的变换指数z,将z与步骤三的结果同时代入公式10,得到输出图像y。整个发明算法运算完成。
本实施例通过图3(a)、图3(b)为本发明算法应用在高分辨率高位宽数字图像实例1,其中原图像为一幅分辨率为1440×1920的高位宽(12位)数字图像的处理来说明本发明高位宽数字图像动态范围压缩与细节增强的应用。由于高位宽数字图像在PC机上不能直接显示,图3(a)为原高位宽数字图像直接取高8位显示后的图像,图3(b)为原高位宽数字图像经过本发明算法处理后的图像。图3(b)增强了原始图像中的细节信息、提高了图像的对比度和实现了图像的动态范围压缩。比取高8位处理后的图像图3(a)效果好很多。例如:图3(b)中路灯中的细节和背景中房屋的细节都非常的突出了,还有整个图像中事物的边缘轮廓都有一定范围的增强。
本实施例将分别对图3(a)的原始高位宽数字图像、直接取高8位显示的图像图3(a)、本发明处理后图像图3(b),三幅图像的同一行、一列分两组从灰度值变化的角度分别作对比。
首先是同一行的对比:图3(a)的原始高位宽数字图像的灰度梯度有3936级,图4(a)为图3(a)的原始高位宽数字图像的第960列,横坐标为第1行到第1440行,纵坐标为对应的灰度值。该列图像包含了丰富的边缘信息及细节信息,整列图像的灰度变换从230到3020,跨度为2790级。图4(b)为图3(a)的第960列,图4(c)为图3(b)的第960列。通过图4(a)、图4(b)、图4(c)对比可以看出:图4(c)在增强原有图4(a)数据的梯度的同时,增强了图像的细节信息和实现了图像的动态范围的压缩。
其次是同一列的对比:图5(a)为图3(a)的原始高位宽数字图像的第720行,此行的灰度变换从246到4095,跨度为3849级,图5(a)横坐标为第1列到第1920列,纵坐标为对应的灰度值。图5(b)为图3(a)的第720行,图5(c)为图3(b)的第720行。通过图5(a)、图5(b)、图5(c)对比可以看出:图5(c)也同样增强了原始数据5(a)的对比度、细节信息和实现了图像的动态范围的压缩。
为了说明此算法的适应型,图6(a)、图6(b)为本发明算法应用在可见光高位宽数字图像实例2,图6(a)的原始图为高位宽数字图像,分辨率为1440×1920×1×12比特,整个图像的灰度梯度从225到3737,跨越了3512级。图6(a)为取高8位显示,图6(b)为本发明处理结果。
图7(a)、图7(b)为本发明算法应用在红外图像实例3,图7(a)为映射到8位上显示的图片,映射方法为:B=((A-MIN)/(MAX-MIN))*255,其中:A为输入红外图像;B为输出图片;MIN为图像的最小值;MAX为图像的最大值。如果直接取高8位,输出图片将没有信息。图7(b)为本发明所得的输出图片。
图8(a)、图8(b)为本发明算法应用可见灰度图像(8位)实例4,图8(a)为可见灰度图像,图8(b)为本发明所得的输出图片,图像分辨率为540×466×1×8比特,整个图像的灰度梯度从0到254,跨越了255级。图8(b)中右上角暗背景中的细节信息得到了增强。
图9(a)、图9(b)为本发明算法应用可见彩色图像(24位)实例5, 图9(a)为原始图片,图9(b)为本发明所得的输出图片,图像分辨率为640×449×3×8比特,整个图像的灰度梯度从0到255,跨越了256级。图9(b)相比于图9(a)更清晰,有去雾的效果。
图10(a)、图10(b)为本发明算法应用在可见彩色图像(24位)实例6,图10(a)为原始可见彩色图像,图10(b)为本发明所得的输出图像,图像分辨率为394×525×3×8比特,整个图像的灰度梯度从17到245,跨越了228级。可以清晰的看到在图10(a)中非常模糊的小房子在图10(b)中变得比较明显。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内。
Claims (10)
1.一种高位宽数字图像动态范围压缩和细节增强方法,其特征在于,包括以下步骤:
步骤S1:首先对整个高位宽数字图像按像素值排序,然后滤掉位于一范围内的最高和最低的像素区域的像素值,找到最有效的最小像素值与最大像素值,并做归一化处理,得到滤除像素坏点的图像;
步骤S2:利用指导滤波器对滤除像素坏点的图像进行分解,得到基图和细节图;
步骤S3:将细节图增强后与基图相融合,得到融合后图像;
步骤S4:根据高位宽数字图像的平均值和均方差得到自适应变换函数的变换参数,再通过该变换参数指导自适应变换函数对融合后图像进行变换,实现对高位宽数字图像的自适应变换处理,得到动态范围压缩和细节增强后的图像。
2.如权利要求1所述的对高位宽数字图像动态范围压缩和细节增强方法,其特征在于,所述指导滤波器模型是通过对指导图像I进行局部线性滤波变换,得到输出图像Q在第i个像素的像素值Qi并表示为:
Qi=ak×Ii+bk (1)
其中,ak、bk为指导滤波器线性系数,Ii为指导图像I在第i个像素的像素值;k和i分别表示像素索引序号;任意i∈ωk是以像素k为中心、以常系数r为半径的正方形窗口。
3.如权利要求2所述的对高位宽数字图像动态范围压缩和细节增强方法,其特征在于,所述指导滤波器线性系数表示如下:
其中,|w|是窗口内的像素个数;μk和σk 2表示指导图像I在正方形窗口ωk中的均值和方差;P为输入高位宽数字图像;为高位宽数字图 像在正方形窗口ωk内的平均值;Ii为指导图像I在第i个像素的像素值;ε为以均方差变量的一个函数的值,此函数的值ε决定了指导滤波器的滤波程度。
4.如权利要求3所述的对高位宽数字图像动态范围压缩和细节增强方法,其特征在于,当指导图像I与输入高位宽数字图像P相等时,指导滤波器系数表示为:
其中,
SUM为输入高位宽数字图像总的像素个数;为输入高位宽数字图像的平均值。
5.如权利要求1所述的对高位宽数字图像动态范围压缩和细节增强方法,其特征在于,所述基图QBASE获取过程如下:
QBASE=a×P+b (6)
其中,QBASE为输入高位宽数字图像P经过指导滤波器之后的图像,即为基图;a表示ak在正方形窗口ωk中的均值;b表示bk在正方形窗口ωk中的均值。
6.如权利要求1所述的对高位宽数字图像动态范围压缩和细节增强方法,其特征在于,所述细节图QDETAIL获取过程如下:
QDETAIL=P-QBASE (7)
其中,P为输入高位宽数字图像;QBASE为基图。
7.如权利要求1所述的对高位宽数字图像动态范围压缩和细节增强方法,其特征在于,所述细节图增强过程如下:
Q’DETAIL=QDETAIL×K1 (8)
X=QBASE+Q’DETAIL(9)
其中,Q’DETAIL为细节增强后图像;QDETAIL为细节图;K1值为细节增强系数;X为细节增强后图像Q’DETAIL与基图QBASE融合后图像。
8.如权利要求1所述的对高位宽数字图像动态范围压缩和细节增强方法,其特征在于,利用自适应变换函数定义动态范围压缩和细节增 强的输出图像y为:
y=(Xn-X2+X)z (10)
Z c×m3+d×m2+e×m+f (11)
其中,X为细节增强后图像与基图融合后图像;z为自适应变换函数的指数系数;n为自适应变换函数系数的值,其取值范围为[2,8];c、d、e、f为常数系数,并由测试库拟合曲线得到;m参数由图像的均值和均方差决定表达式为:
m=0.7×MEAN+0.3×MSR (12)
其中,MEAN表示原始高位宽数字图像的均值,MSR表示原始高位宽数字图像的方差。
9.如权利要求7所述的对高位宽数字图像动态范围压缩和细节增强方法,其特征在于,根据处理的图片,细节增强系数的取值为K1∈[3,9],所述图片为红外图片、可见光高位宽图片、8位灰度图片以及24位彩色图片。
10.如权利要求8所述的对高位宽数字图像动态范围压缩和细节增强方法,其特征在于,所述自适应变换函数系数的值为n∈[2,8]中的任一实数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410204520.4A CN103971340A (zh) | 2014-05-15 | 2014-05-15 | 一种高位宽数字图像动态范围压缩和细节增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410204520.4A CN103971340A (zh) | 2014-05-15 | 2014-05-15 | 一种高位宽数字图像动态范围压缩和细节增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103971340A true CN103971340A (zh) | 2014-08-06 |
Family
ID=51240789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410204520.4A Pending CN103971340A (zh) | 2014-05-15 | 2014-05-15 | 一种高位宽数字图像动态范围压缩和细节增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103971340A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105827965A (zh) * | 2016-03-25 | 2016-08-03 | 维沃移动通信有限公司 | 一种基于移动终端的图像处理方法及移动终端 |
CN106157252A (zh) * | 2015-04-16 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和图像处理装置 |
WO2017185445A1 (zh) * | 2016-04-26 | 2017-11-02 | 成都市晶林科技有限公司 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
CN107369146A (zh) * | 2017-06-28 | 2017-11-21 | 深圳源广安智能科技有限公司 | 一种高性能红外图像处理*** |
WO2019028700A1 (zh) * | 2017-08-09 | 2019-02-14 | 深圳市大疆创新科技有限公司 | 图像处理方法、设备及计算机可读存储介质 |
CN110070508A (zh) * | 2019-04-23 | 2019-07-30 | 西安交通大学 | 一种基于门限值和线性映射的反锐化增强方法 |
CN110494892A (zh) * | 2017-05-31 | 2019-11-22 | 三星电子株式会社 | 用于处理多通道特征图图像的方法和装置 |
CN110945861A (zh) * | 2017-07-07 | 2020-03-31 | 株式会社半导体能源研究所 | 显示***及显示***的工作方法 |
CN111401477A (zh) * | 2020-04-17 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN112019774A (zh) * | 2020-08-10 | 2020-12-01 | 中国科学院光电技术研究所 | 一种红外高位宽数字图像的高质量显示方法 |
CN112180178A (zh) * | 2020-09-28 | 2021-01-05 | 上海航天测控通信研究所 | 一种具有自适应抗干扰的辐射计可见度函数提取***及方法 |
CN112786075A (zh) * | 2019-11-11 | 2021-05-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声电影文件的存储方法、超声诊断设备及可读存储介质 |
US11908110B2 (en) | 2018-07-24 | 2024-02-20 | Koninklijke Philips N.V. | Ultrasound imaging system with improved dynamic range control |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440630A (zh) * | 2013-09-02 | 2013-12-11 | 南京理工大学 | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 |
CN103745446A (zh) * | 2014-01-27 | 2014-04-23 | 广东威创视讯科技股份有限公司 | 图像引导滤波方法和*** |
-
2014
- 2014-05-15 CN CN201410204520.4A patent/CN103971340A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440630A (zh) * | 2013-09-02 | 2013-12-11 | 南京理工大学 | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 |
CN103745446A (zh) * | 2014-01-27 | 2014-04-23 | 广东威创视讯科技股份有限公司 | 图像引导滤波方法和*** |
Non-Patent Citations (2)
Title |
---|
BO XU ET AL.: "A Detail Enhancement and Dynamic Range Adjustment Algorithm for High Dynamic Range Images", 《7TH INTERNATIONAL SYMPOSIUM ON ADVANCED OPTICAL MANUFACTURING AND TESTING TECHNOLOGIES:ADVANCED OPTICAL MANUFACTURING TECHNOLOGIES》 * |
KAIMING HE ET AL.: "Guided Image Filtering", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157252A (zh) * | 2015-04-16 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和图像处理装置 |
CN106157252B (zh) * | 2015-04-16 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和图像处理装置 |
CN105827965A (zh) * | 2016-03-25 | 2016-08-03 | 维沃移动通信有限公司 | 一种基于移动终端的图像处理方法及移动终端 |
WO2017185445A1 (zh) * | 2016-04-26 | 2017-11-02 | 成都市晶林科技有限公司 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
CN110494892A (zh) * | 2017-05-31 | 2019-11-22 | 三星电子株式会社 | 用于处理多通道特征图图像的方法和装置 |
CN110494892B (zh) * | 2017-05-31 | 2023-10-03 | 三星电子株式会社 | 用于处理多通道特征图图像的方法和装置 |
CN107369146A (zh) * | 2017-06-28 | 2017-11-21 | 深圳源广安智能科技有限公司 | 一种高性能红外图像处理*** |
CN110945861B (zh) * | 2017-07-07 | 2022-11-29 | 株式会社半导体能源研究所 | 显示***及显示***的工作方法 |
CN110945861A (zh) * | 2017-07-07 | 2020-03-31 | 株式会社半导体能源研究所 | 显示***及显示***的工作方法 |
US11676547B2 (en) | 2017-07-07 | 2023-06-13 | Semiconductor Energy Laboratory Co., Ltd. | Display system and operation method of the display system |
WO2019028700A1 (zh) * | 2017-08-09 | 2019-02-14 | 深圳市大疆创新科技有限公司 | 图像处理方法、设备及计算机可读存储介质 |
US11908110B2 (en) | 2018-07-24 | 2024-02-20 | Koninklijke Philips N.V. | Ultrasound imaging system with improved dynamic range control |
CN110070508A (zh) * | 2019-04-23 | 2019-07-30 | 西安交通大学 | 一种基于门限值和线性映射的反锐化增强方法 |
CN112786075A (zh) * | 2019-11-11 | 2021-05-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声电影文件的存储方法、超声诊断设备及可读存储介质 |
CN111401477B (zh) * | 2020-04-17 | 2023-11-14 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN111401477A (zh) * | 2020-04-17 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN112019774B (zh) * | 2020-08-10 | 2021-08-13 | 中国科学院光电技术研究所 | 一种红外高位宽数字图像的高质量显示方法 |
CN112019774A (zh) * | 2020-08-10 | 2020-12-01 | 中国科学院光电技术研究所 | 一种红外高位宽数字图像的高质量显示方法 |
CN112180178B (zh) * | 2020-09-28 | 2022-07-05 | 上海航天测控通信研究所 | 一种具有自适应抗干扰的辐射计可见度函数提取***及方法 |
CN112180178A (zh) * | 2020-09-28 | 2021-01-05 | 上海航天测控通信研究所 | 一种具有自适应抗干扰的辐射计可见度函数提取***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103971340A (zh) | 一种高位宽数字图像动态范围压缩和细节增强方法 | |
Wang et al. | Dehazing for images with large sky region | |
Gao et al. | Naturalness preserved nonuniform illumination estimation for image enhancement based on retinex | |
CN105118067A (zh) | 一种基于高斯平滑滤波的图像分割方法 | |
Luan et al. | Fast single image dehazing based on a regression model | |
CN107527329A (zh) | 一种基于暗通道先验和马尔可夫随机场的图像去雾方法 | |
Shi et al. | Low-light image enhancement algorithm based on retinex and generative adversarial network | |
CN105825472A (zh) | 一种快速的基于多尺度高斯滤波器的色调映射***及方法 | |
CN109255758A (zh) | 基于全1*1卷积神经网络的图像增强方法 | |
Meng et al. | From night to day: GANs based low quality image enhancement | |
Yan et al. | Method to Enhance Degraded Image in Dust Environment. | |
CN104574328A (zh) | 一种基于直方图分割的彩色图像增强方法 | |
CN103325120A (zh) | 一种快速自适应支持权值双目视觉立体匹配方法 | |
CN105427257A (zh) | 图像增强方法及装置 | |
CN113066025B (zh) | 一种基于增量学习与特征、注意力传递的图像去雾方法 | |
CN105225238A (zh) | 一种基于均值滤波的图像预处理的灰度空间划分方法 | |
CN103729862A (zh) | 基于码本背景模型的自适应阈值运动目标检测方法 | |
CN104182771A (zh) | 基于带丢包自动编码技术的时间序列数据图形化分析方法 | |
CN105044128A (zh) | 基于光照背景差影法的水果表面缺陷检测方法 | |
Feng et al. | Low-light image enhancement algorithm based on an atmospheric physical model | |
CN105427255A (zh) | 一种基于grhp的无人机红外图像细节增强方法 | |
CN104299193A (zh) | 一种基于高频和中频信息的图像超分辨率重建方法 | |
CN104732495A (zh) | 一种基于模糊的自动色调的图像处理方法和*** | |
Li et al. | Automatic modulation recognition based on a new deep K-SVD denoising algorithm | |
CN104978720A (zh) | 一种视频图像雨滴去除方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140806 |
|
WD01 | Invention patent application deemed withdrawn after publication |