CN104504722A - 一种利用灰色点校正图像颜色的方法 - Google Patents
一种利用灰色点校正图像颜色的方法 Download PDFInfo
- Publication number
- CN104504722A CN104504722A CN201510011290.4A CN201510011290A CN104504722A CN 104504722 A CN104504722 A CN 104504722A CN 201510011290 A CN201510011290 A CN 201510011290A CN 104504722 A CN104504722 A CN 104504722A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- color
- grey
- channel
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明属于计算机视觉和图像处理技术领域，特别涉及彩色图像的颜色校正方法。本发明首先将图像分为红，绿，蓝三个分量，并对每个通道进行对数变换。然后计算每一个对数通道图像的局部对比度，再计算每个像素点在三个通道中对比度值的相对标准差除以该位置像素点在原始R、G、B通道下的平均灰度值，得到灰色度量系数分布图。最后将灰色度量系数分布图的所有像素按照灰色度量系数从小到大进行排序，提取总像素点前50％的像素点作为灰色点，估计出图像的光源，最后用此光源进行图像的颜色校正。本发明具有：参数少，计算简单，速度快，效果好，能够进行实时处理等特点，非常适合于内置在照相机预处理的前端来对图像进行颜色校正。
Description
技术领域
本发明属于计算机视觉和图像处理技术领域，特别涉及彩色图像的颜色校正方法。
背景技术
自然图像中，彩色图像提供了比灰度图像更为丰富的信息。然而，由于成像技术的限制，由机器设备(如照相机等)获取的图像颜色往往与真实环境颜色存在偏差。例如，同一个白色物体在红光的照射下会呈现出偏红的颜色，而在蓝光的照射下则呈现出偏蓝的颜色。获取的图像颜色存在偏差往往会干扰各种基于颜色信息的图像处理任务。因此，在计算机视觉应用中，对采集到的图像进行颜色校正对于后续的场景处理(如目标检测、识别等)具有重要意义。
著名的颜色校正算法包括灰度世界算法和白板算法。其中，灰度世界算法假设正常光照下的彩色图像在红色、绿色、蓝色(即R、G、B)三个颜色通道下像素灰度值的平均值相等；而白板算法假设三个颜色通道下像素的最大灰度值相等。这两个方法计算简单，但效果较差。近年来，比较典型的图像颜色校正方法有Van De Weijer等2007年提出的方法，参见文献：J.Van De Weijer,T.Gevers,and A.Gijsenij.Edge-based color constancy.Image Processing,IEEE Transactions on,2007,16(9):2207–2214.该方法假设正常光照下的彩色图像在R、G、B三个颜色通道下的边缘响应强度之和相等，从而通过分别计算R、G、B三个颜色通道下的梯度响应之和作为对各个颜色通道光源信息的估计，并以此校正图像颜色。但是，在实际自然情况下，很多图像并不满足在三个颜色通道下的边缘响应强度之和相等这一基本假设，因此，该方法主要缺点是效果较差。另外一类基于统计学习的图像颜色校正算法能够获得较好的效果，但这类方法主要的缺点是计算复杂，灵活性差，不适合应用于实时颜色校正。
发明内容
针对上述存在问题和不足，本发明提供了一种利用灰色点校正图像颜色的方法。具体包括如下步骤：
步骤一、提取对数颜色通道图像：将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道，并对每个通道的图像做对数变换，得到三个对数颜色通道图像；
步骤二、计算各个对数颜色通道图像的局部对比度：在步骤一得到的红色，绿色和蓝色对数颜色通道图像中，分别计算图像的局部标准差作为图像的局部对比度，得到对比度图像；即对于每一个对数通道图像的每一个像素点，分别计算其3×3～51×51邻域范围内像素点值的标准差作为该像素位置处的对比度；
步骤三、计算灰色度量系数分布图：在三个对数颜色通道的对比度图像中，计算每一组位于同一位置的像素点值的相对标准差，再除以该位置像素点在原始R、G、B通道下的平均灰度值，得到每个像素位置处的灰色度量系数，依次计算图像中的各个像素位置处的灰色度量系数，得到灰色度量系数分布图；
步骤四、提取灰色点并计算光源：将灰色度量系数分布图的所有像素按照步骤三中计算得到的灰色度量系数从小到大进行排序，提取总像素点前50％的像素点作为灰色点；再分别计算各个原始R、G、B通道图像中灰色点对应像素的像素值之和作为各通道的光源信息；
步骤五、色偏图像颜色校正：将原始图像三个颜色通道的图像分别除以步骤四计算得到的各个颜色通道下的光源信息，实现图像的颜色校正。
所述步骤三在得到灰色度量系数分布图后还利用平滑滤波器对灰色度量系数分布图进行滤波处理。
本发明通过，首先将图像分为红，绿，蓝三个分量，并对每个通道进行对数变换。然后计算每一个对数通道图像的局部对比度，再计算每个像素点在三个通道中对比度值的相对标准差除以该位置像素点在原始R、G、B通道下的平均灰度值，得到灰色度量系数分布图。最后将灰色度量系数分布图的所有像素按照灰色度量系数从小到大进行排序，提取总像素点前50％的像素点作为灰色点，估计出图像的光源，最后用此光源进行图像的颜色校正。
本发明的有益效果：参数少，计算简单，速度快，效果好，能够进行实时处理等特点，非常适合于内置在照相机预处理的前端来对图像进行颜色校正。
附图说明
图1是本发明一种利用灰色点校正图像颜色的方法的流程示意图。
图2是实施例一中采用本发明方法对一幅色偏图像进行颜色校正后得到的色偏校正图和标准无色偏图的对比图组。
图3是实施例二中采用本发明方法对一幅色偏图像进行颜色校正后得到的色偏校正图和标准无色偏图的对比图组。
图4是实施例三中采用本发明方法对一幅色偏图像进行颜色校正后得到的色偏校正图和标准无色偏图的对比图组。
具体实施方式
实施例1
下面结合附图和具体的实施例对本发明做进一步的阐述。
从目前国际公认的用于验证图像颜色校正的图像库网站上下载plastic-1_solux-3500+3202图像及其对应的标准光源和标准无色偏图，图像大小为468×637×3，为48位tif格式图像，标准无色偏图是由图像库提供的此图像经真实光源校正后得到的。具体计算方法的流程如图1所示，具体过程如下：
步骤一、将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道图像，并对每个通道图像做对数变换，得到三个对数颜色通道图像；像素点(200,200)在红、绿、蓝通道灰度值分别为3502、4592、10672，对每个通道图像做对数变换后，像素点(200,200)在红、绿、蓝通道中的灰度值分别为8.1611、8.4321、9.2754；
步骤二、对于每一个对数通道图像的每一个像素点，分别计算其3×3邻域内像素值的标准差作为该像素位置处的对比度；像素点(200,200)在红色对数通道中，像素点(200,200)的3×3邻域像素值分别为：7.8407、7.8156、8.0475、7.9230、8.1611、7.5143、7.9780、8.3000、7.5491；再计算得到这九个值的标准差为：0.2596，将该值作为红色对数通道下像素点(200,200)的对比度值；同样计算得到绿色和蓝色对数通道下像素点(200,200)的对比度值分别为：0.1442和0.1188；
步骤三、从步骤二中计算得到像素点(200,200)在红色、绿色和蓝色对数颜色通道的对比度分别为：0.2596、0.1442、0.1188；计算得到三个值得相对标准差为：0.4308；原始R，G，B通道下像素点(200,200)的灰度值分别为：3502、4592、10672，计算其平均值为：6255.3333，所以像素点(200,200)的灰色度量系数为0.4308除以6255.3，即0.00006886；最后，使用邻域大小为7×7的均值滤波器对灰色度量系数进行滤波处理；
步骤四、将图像所有像素按灰色度量系数值从小到大进行排序，提取总像素点前0.01％的像素点，一共29个像素点作为灰色点，再分别计算三个原始R、G、B通道图像中，这29个像素点位置处像素值之和分别为：300251、461804、996461，作为对三个通道的光源信息；
步骤五、将原始图像三个颜色通道的图像分别除以步骤四计算得到的各个颜色通道下的光源信息，实现色偏图像的校正；像素点(200,200)在原始红、绿、蓝通道灰度值分别为3502、4592、10672，分别除以三个通道的光源信息：300251、461804、996461，得到校正后像素点(200,200)在三个通下的像素值分别为：0.0117、0.0099、0.0107。
测试结果如图2所示，其中：2a.原始色偏图像，2b.由本发明彩色图像颜色校正方法计算得到的无色偏图像，2c.由图像库所提供的真实光源计算得到的标准无色偏图像。从图中可以清楚看出，采用本发明方法对色偏图像进行颜色校正处理能够得到和标准无色偏图像相当的效果，其计算简单，灵活。
实施例2
下面结合附图和具体的实施例对本发明做进一步的阐述。
从目前国际公认的用于验证图像颜色校正的图像库网站上下载plastic-1_solux-3500+3202图像及其对应的标准光源和标准无色偏图，图像大小为468×637×3，为48位tif格式图像，标准无色偏图是由图像库提供的此图像经真实光源校正后得到的。具体计算方法的流程如图1所示，具体过程如下：
步骤一、将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道图像，并对每个通道图像做对数变换，得到三个对数颜色通道图像；像素点(250,250)在红、绿、蓝通道灰度值分别为：4962、10600、29240，对每个通道图像做对数变换后，像素点(250,250)在红、绿、蓝通道中的灰度值分别为8.5096、92686、10.2833；
步骤二、对于每一个对数通道图像的每一个像素点，分别计算像素27×27邻域内像素值的标准差作为该像素位置处的对比度；像素点(250,250)在红色对数通道中，像素点(250,250)的27×27邻域像素值分别为：7.8288、7.9230、......、9.1224；再计算得到这729个值的标准差为：1.7060，将该值作为红色对数通道下像素点(250,250)的对比度值；同样计算得到绿色和蓝色对数通道下像素点(250,250)的对比度值分别为：0.4134和0.6678；
步骤三、从步骤二中计算得到像素点(250,250)在红色、绿色和蓝色对数颜色通道的对比度分别为：1.7060、0.4134、0.6678；计算得到三个值得相对标准差为：0.7370；原始R，G，B通道下像素点(250,250)的灰度值分别为：4962、10600、29240，计算其平均值为：14934.3333，所以像素点(250,250)的灰色度量系数为0.7370除以14934.3333，即0.00004935；最后，使用邻域大小为7×7的均值滤波器对灰色度量系数进行滤波处理；
步骤四、将图像所有像素按灰色度量系数值从小到大进行排序，提取总像素点前25％的像素点，一共74529个像素点作为灰色点，再分别计算三个原始R、G、B通道图像中，这74529个像素点位置处像素值之和分别为：572968487、836877691、1734196025，作为对三个通道的光源信息；
步骤五、将原始图像三个颜色通道的图像分别除以步骤四计算得到的各个颜色通道下的光源信息，实现色偏图像的校正；像素点(250,250)在原始红、绿、蓝通道灰度值分别为4962、10600、29240，分别除以三个通道的光源信息：572968487、836877691、1734196025，得到校正后像素点(250,250)在三个通下的像素值分别为：0.000008660、0.00001267、0.00001686。
测试结果如图3所示，其中：3a.原始色偏图像，3b.由本发明彩色图像颜色校正方法计算得到的无色偏图像，3c.由图像库所提供的真实光源计算得到的标准无色偏图像。
实施例3
下面结合附图和具体的实施例对本发明做进一步的阐述。
从目前国际公认的用于验证图像颜色校正的图像库网站上下载plastic-1_solux-3500+3202图像及其对应的标准光源和标准无色偏图，图像大小为468×637×3，为48位tif格式图像，标准无色偏图是由图像库提供的此图像经真实光源校正后得到的。具体计算方法的流程如图1所示，具体过程如下：
步骤一、将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道图像，并对每个通道图像做对数变换，得到三个对数颜色通道图像；像素点(300,300)在红、绿、蓝通道灰度值分别为：7032、5022、3674，对每个通道图像做对数变换后，像素点(300,300)在红、绿、蓝通道中的灰度值分别为8.8582、8.5216、8.2090；
步骤二、对于每一个对数通道图像的每一个像素点，分别计算像素51×51邻域内像素值的标准差作为该像素位置处的对比度；像素点(300,300)在红色对数通道中，像素点(300,300)的51×51邻域像素值分别为：9.0762、8.6824、......、8.0681；再计算得到这2601个值的标准差为：10.4048，将该值作为红色对数通道下像素点(300,300)的对比度值；同样计算得到绿色和蓝色对数通道下像素点(300,300)的对比度值分别为：3.0180和6.8731；
步骤三、从步骤二中计算得到像素点(300,300)在红色、绿色和蓝色对数颜色通道的对比度分别为：10.4048、3.0180、6.8731；计算得到三个值得相对标准差为：0.5461；原始R，G，B通道下像素点(300,300)的灰度值分别为：7032、5022、3674，计算其平均值为：5242.6666，所以像素点(300,300)的灰色度量系数为0.5461除以5242.6666，即0.00001042；最后，使用邻域大小为7×7的均值滤波器对灰色度量系数进行滤波处理；
步骤四、将图像所有像素按灰色度量系数值从小到大进行排序，提取总像素点前50％的像素点，一共149058个像素点作为灰色点，再分别计算三个原始R、G、B通道图像中，这149058个像素点位置处像素值之和分别为：938198966、1312519422、2603827942，作为对三个通道的光源信息；
步骤五、将原始图像三个颜色通道的图像分别除以步骤四计算得到的各个颜色通道下的光源信息，实现色偏图像的校正；像素点(300,300)在原始红、绿、蓝通道灰度值分别为7032、5022、3674，分别除以三个通道的光源信息：938198966、1312519422、2603827942，得到校正后像素点(300,300)在三个通下的像素值分别为：0.000007495、0.000003826、0.000001411。
测试结果如图4所示，其中：4a.原始色偏图像，4b.由本发明彩色图像颜色校正方法计算得到的无色偏图像，4c.由图像库所提供的真实光源计算得到的标准无色偏图像。
Claims (2)
1.一种利用灰色点校正图像颜色的方法，具体包括如下步骤：
步骤一、提取对数颜色通道图像：将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道，并对每个通道的图像做对数变换，得到三个对数颜色通道图像；
步骤二、计算各个对数颜色通道图像的局部对比度：在步骤一得到的红色，绿色和蓝色对数颜色通道图像中，分别计算图像的局部标准差作为图像的局部对比度，得到对比度图像；即对于每一个对数通道图像的每一个像素点，分别计算其3×3～51×51邻域范围内像素点值的标准差作为该像素位置处的对比度；
步骤三、计算灰色度量系数分布图：在三个对数颜色通道的对比度图像中，计算每一组位于同一位置的像素点值的相对标准差，再除以该位置像素点在原始R、G、B通道下的平均灰度值，得到每个像素位置处的灰色度量系数，依次计算图像中的各个像素位置处的灰色度量系数，得到灰色度量系数分布图；
步骤四、提取灰色点并计算光源：将灰色度量系数分布图的所有像素按照步骤三中计算得到的灰色度量系数从小到大进行排序，提取总像素点前50％的像素点作为灰色点；再分别计算各个原始R、G、B通道图像中灰色点对应像素的像素值之和作为各通道的光源信息；
步骤五、色偏图像颜色校正：将原始图像三个颜色通道的图像分别除以步骤四计算得到的各个颜色通道下的光源信息，实现图像的颜色校正。
2.如权利要求1所述利用灰色点校正图像颜色的方法，其特征在于：所述步骤三在得到灰色度量系数分布图后还利用平滑滤波器对灰色度量系数分布图进行滤波处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510011290.4A CN104504722B (zh) | 2015-01-09 | 2015-01-09 | 一种利用灰色点校正图像颜色的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510011290.4A CN104504722B (zh) | 2015-01-09 | 2015-01-09 | 一种利用灰色点校正图像颜色的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104504722A true CN104504722A (zh) | 2015-04-08 |
| CN104504722B CN104504722B (zh) | 2017-05-10 |
Family
ID=52946116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510011290.4A Active CN104504722B (zh) | 2015-01-09 | 2015-01-09 | 一种利用灰色点校正图像颜色的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104504722B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909617A (zh) * | 2017-11-13 | 2018-04-13 | 四川大学 | 一种基于非线性对比度加权的光源颜色估计方法 |
| CN108388905A (zh) * | 2018-03-21 | 2018-08-10 | 合肥工业大学 | 一种基于卷积神经网络和邻域上下文的光源估计方法 |
| CN108537852A (zh) * | 2018-04-17 | 2018-09-14 | 四川大学 | 一种基于图像局部对比度的自适应颜色恒常性方法 |
| CN108982539A (zh) * | 2018-07-13 | 2018-12-11 | 浙江大学 | 一种pcb双面三防漆涂覆质量检测***及方法 |
| CN111787299A (zh) * | 2019-10-18 | 2020-10-16 | 西安宇视信息科技有限公司 | 特殊光源的确定方法、装置、介质及电子设备 |
| CN112365425A (zh) * | 2020-11-24 | 2021-02-12 | 中国人民解放军陆军炮兵防空兵学院 | 一种低照度图像增强方法和*** |
| CN115205163A (zh) * | 2022-09-15 | 2022-10-18 | 深圳前海量子云码科技有限公司 | 一种标识图像的处理方法、装置、设备及存储介质 |
| CN115578473A (zh) * | 2022-12-09 | 2023-01-06 | 浙江至格科技有限公司 | 一种衍射光波导输出图像校正方法及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3972192B2 (ja) * | 2002-06-26 | 2007-09-05 | セイコーエプソン株式会社 | 画像処理装置および画像処理方法 |
| US20100026851A1 (en) * | 2008-08-01 | 2010-02-04 | Sanyo Electric Co., Ltd. | Image processing apparatus |
| CN101754032A (zh) * | 2008-12-12 | 2010-06-23 | 汉王科技股份有限公司 | 保持颜色的去雾方法 |
| CN103295194A (zh) * | 2013-05-15 | 2013-09-11 | 中山大学 | 亮度可控与细节保持的色调映射方法 |
-
2015
- 2015-01-09 CN CN201510011290.4A patent/CN104504722B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3972192B2 (ja) * | 2002-06-26 | 2007-09-05 | セイコーエプソン株式会社 | 画像処理装置および画像処理方法 |
| US20100026851A1 (en) * | 2008-08-01 | 2010-02-04 | Sanyo Electric Co., Ltd. | Image processing apparatus |
| CN101754032A (zh) * | 2008-12-12 | 2010-06-23 | 汉王科技股份有限公司 | 保持颜色的去雾方法 |
| CN103295194A (zh) * | 2013-05-15 | 2013-09-11 | 中山大学 | 亮度可控与细节保持的色调映射方法 |
Non-Patent Citations (4)
| Title |
|---|
| ARJAN GIJSENIJ 等: "Color Constancy using Natural Image Statistics", 《COMPUTER VISION AND PATTERN RECOGNITION，2007. CVPR"07. IEEE CONFERENCE ON》 * |
| SHAOBING GAO 等: "Efficient Color Constancy with Local Surface Reflectance Statistics", 《SPRINGER INTERNATIONAL PUBLISHING SWITZERLAND 2014》 * |
| 唐鉴波 等: "基于曝光融合的单幅图像去雾算法", 《计算机应用》 * |
| 曹永妹 等: "基于三边滤波的Retinex图像去雾算法", 《现代电子技术》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909617A (zh) * | 2017-11-13 | 2018-04-13 | 四川大学 | 一种基于非线性对比度加权的光源颜色估计方法 |
| CN107909617B (zh) * | 2017-11-13 | 2020-03-17 | 四川大学 | 一种基于非线性对比度加权的光源颜色估计方法 |
| CN108388905A (zh) * | 2018-03-21 | 2018-08-10 | 合肥工业大学 | 一种基于卷积神经网络和邻域上下文的光源估计方法 |
| CN108388905B (zh) * | 2018-03-21 | 2019-07-19 | 合肥工业大学 | 一种基于卷积神经网络和邻域上下文的光源估计方法 |
| CN108537852B (zh) * | 2018-04-17 | 2020-07-07 | 四川大学 | 一种基于图像局部对比度的自适应颜色恒常性方法 |
| CN108537852A (zh) * | 2018-04-17 | 2018-09-14 | 四川大学 | 一种基于图像局部对比度的自适应颜色恒常性方法 |
| CN108982539A (zh) * | 2018-07-13 | 2018-12-11 | 浙江大学 | 一种pcb双面三防漆涂覆质量检测***及方法 |
| CN111787299A (zh) * | 2019-10-18 | 2020-10-16 | 西安宇视信息科技有限公司 | 特殊光源的确定方法、装置、介质及电子设备 |
| CN111787299B (zh) * | 2019-10-18 | 2022-06-14 | 西安宇视信息科技有限公司 | 特殊光源的确定方法、装置、介质及电子设备 |
| CN112365425A (zh) * | 2020-11-24 | 2021-02-12 | 中国人民解放军陆军炮兵防空兵学院 | 一种低照度图像增强方法和*** |
| CN115205163A (zh) * | 2022-09-15 | 2022-10-18 | 深圳前海量子云码科技有限公司 | 一种标识图像的处理方法、装置、设备及存储介质 |
| CN115578473A (zh) * | 2022-12-09 | 2023-01-06 | 浙江至格科技有限公司 | 一种衍射光波导输出图像校正方法及*** |
| CN115578473B (zh) * | 2022-12-09 | 2023-04-18 | 浙江至格科技有限公司 | 一种衍射光波导输出图像校正方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104504722B (zh) | 2017-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
| CN107909556B (zh) | 基于卷积神经网络的视频图像去雨方法 | |
| CN108010024B (zh) | 一种盲参考色调映射图像质量评价方法 | |
| CN102867295B (zh) | 一种彩色图像颜色校正方法 | |
| CN108550159B (zh) | 一种基于图像三色分割的烟气浓度标识方法 | |
| CN108898132B (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
| CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
| Luan et al. | Fast single image dehazing based on a regression model | |
| JP2015520467A5 (zh) | ||
| CN110110131B (zh) | 一种基于深度学习与双目立体视觉的飞机线缆支架识别与参数获取方法 | |
| CN103455790A (zh) | 一种基于肤色模型的皮肤识别方法 | |
| Salamati et al. | Removing shadows from images using color and near-infrared | |
| CN107767379A (zh) | Pcb板标注印刷质量检测方法 | |
| CN105424709A (zh) | 一种基于图像标记的水果表面缺陷检测方法 | |
| CN105574533B (zh) | 一种图像特征提取方法和装置 | |
| CN103974053A (zh) | 一种基于灰点提取的自动白平衡矫正方法 | |
| Feng et al. | A separating method of adjacent apples based on machine vision and chain code information | |
| CN103020921A (zh) | 基于局部统计信息的单幅图像去雾方法 | |
| CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
| CN104021527A (zh) | 一种图像中雨雪的去除方法 | |
| CN108305232A (zh) | 一种单帧高动态范围图像生成方法 | |
| CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
| CN107146258B (zh) | 一种图像显著区域检测方法 | |
| CN111738984B (zh) | 基于分水岭和种子填充的皮肤图像斑点评估方法及*** | |
| CN111985436A (zh) | 一种基于lsd的车间地标线识别拟合方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |