CN106101588B - 全景图像渐晕现象的补偿方法 - Google Patents
全景图像渐晕现象的补偿方法 Download PDFInfo
- Publication number
- CN106101588B CN106101588B CN201610537756.9A CN201610537756A CN106101588B CN 106101588 B CN106101588 B CN 106101588B CN 201610537756 A CN201610537756 A CN 201610537756A CN 106101588 B CN106101588 B CN 106101588B
- Authority
- CN
- China
- Prior art keywords
- image
- panoramic picture
- circle
- parameter
- picture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 241000251468 Actinopterygii Species 0.000 claims description 22
- 238000003384 imaging method Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011521 glass Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000020280 flat white Nutrition 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/70—SSIS architectures; Circuits associated therewith
- H04N25/76—Addressed sensors, e.g. MOS or CMOS sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/70—SSIS architectures; Circuits associated therewith
- H04N25/71—Charge-coupled device [CCD] sensors; Charge-transfer registers specially adapted for CCD sensors
- H04N25/75—Circuitry for providing, modifying or processing image signals from the pixel array
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种全景图像渐晕现象的补偿方法。包括:获取全景图像,获取全景图像的外轮廓,并获取外轮廓的圆心和半径,对获取的全景图像圆周区域,进行迭代估计,获得最小图像熵对应的估计参数,根据迭代估计得到的参数修正现有图像,得到最终补偿后的全景图像;并具体公开了迭代估计、获得最小图像熵、参数修正等方法。本发明不需要为了获得补偿参数而搭建特殊的场景,通过本发明方法采用一种自主化补偿方法,自主地对补偿参数进行优化,通过初始阶段对特定区域估计出对应的补偿系数,对后续获取的图像依次通过补偿系数进行修正,可以快速准确得到较好的图像修复效果。
Description
技术领域
本发明属于计算机图像处理领域,尤其属于图像渐晕现象处理技术,特别涉及一种全景图像渐晕现象的补偿方法。
背景技术
对于光学成像***,由于光阑的存在,到达像面的光束逐渐变得狭窄,使得成像的边缘处亮度降低,这种现象叫做渐晕现象,亮度降低的区域称为暗边或暗角。渐晕现象使得图片的亮度失真,对于后续图像分割、图像拼接等其他图像处理的效果会受到影响。
全景图像采集常常采用鱼眼镜头获得,对于鱼眼镜头,镜头的视角比普通的镜头视角更广,渐晕现象更加明显,边缘处亮度衰减更厉害,渐晕复原也更加的必要。
渐晕复原的关键问题时对补偿强度的估计,目前工程上对于补偿参数的估计方法普遍是利用特定的均匀光照的场景获取,例如搭建一面亮度均匀的白墙,用镜头拍摄白墙,得到图像边缘处像素点的亮度相对于中心区域亮度的衰减值,用这个值作为暗边补偿的依据。但对于鱼眼镜头,视角大于180度,无法搭建出使镜头中所有位置都是均匀白色区域的场景,或者说搭建这样一个场景成本会很高。所以这种方式对于鱼眼镜头的渐晕复原在很大程度上有限制,无法应用在实际工程中。
发明内容
本发明根据现有技术的不足公开了一种全景图像渐晕现象的补偿方法。为了解决全景相机暗边问题,获得无缝、均匀的全景画面,本发明采用一种自主化的方法估计镜头亮度的补偿系数。
本发明通过以下技术方案实现:
全景图像渐晕现象的补偿方法,其特征在于包括以下步骤:
S1、获取全景图像;
S2、获取全景图像的外轮廓,并获取外轮廓的圆心和半径;
S3、对获取的全景图像圆周区域,进行迭代估计,获得最小图像熵对应的估计参数;
S4、根据迭代估计得到的参数修正现有图像,得到最终补偿后的全景图像。
所述步骤S3、S4包括以下步骤:
1)定义图像熵的衡量公式采用:
pk为统计概率,nk为统计的灰度直方图,H为图像熵;
2)图像亮度的补偿函数为:
ga,b,c(r)=1+ar2+br4+cr6
xc,yc为图像中心点坐标,补偿函数需满足的条件在0<r<1的区间上,是单调递增的;所以需满足的约束条件为:
a,b,c应在集合C1∩C2∩C3∩C4∩C5中;
3)图像的转化前后的关系为:
Lnew(x,y)=Lold(x,y)ga,b,c(r)
其中,Lold(x,y)为原图像对应坐标位置的像素值,Lnew(x,y)为补偿后图像对应坐标位置的像素值;
4)设置步长δ=2.0,缩放因子k=0.5,补偿系数a,b,c初始值设置为0;
5)固定b,c,搜索a的局部最优值,迭代公式:
an+1=an+δ
将新的a,b,c代入步骤2)的约束,若满足约束,则代入步骤1)中求当前函数的图像熵,若不满足约束则继续;
6)将步骤5)进行6次,选出最小的图像熵对应参数作为当前最优值;
7)参数b和c的迭代公式:
bn+1=bn-δ
cn+1=cn+δ
其中bn、cn为第n次迭代后的相应补偿系数,同理按照步骤(5)和步骤(6)进行迭代,求出参数的局部最优值;
8)当继续迭代无法得到更小的图像熵时,使用更小的δ继续迭代;
δn+1=δn×k
其中δn为第n次迭代后的相应步长系数;
9)一直重复步骤5)、6)、7),直到δ迭代到我们设置的最小阈值1/125,此时得到的参数a,b,c的值为最终最优解;
10)将最优参数值代入步骤2)中的补偿函数对原图像进行补偿。
所述全景图像采用鱼眼镜头获得,包括单鱼眼镜头,双鱼眼镜头等。
所述步骤S2获取全景图像的外轮廓,并获取外轮廓的圆心和半径是对获取的全景图像画面区域提取外轮廓,并对该轮廓进行霍夫圆形拟合检测,获取拟合圆的圆心和半径。
在全景图像通过双鱼眼镜头获得时,将全景图像在双鱼眼镜头形成交叉边界处直接切分,形成两幅全景图像;每幅全景图像采用叠加搜索的方式,首先用特定颜色可透光的塑料盖遮住双鱼眼镜头,以获取此时成像为单一颜色画面的RGB图像;对图像RGB图像进行HSV颜色空间变换,并取出颜色H通道进行阈值化,提取最大有效成像区域的轮廓,并通过纵向位置确定图像圆周的半径和圆形纵向位置;在图像圆周的圆心横向移动检测掩模,进而确定圆心的准确位置。
本发明不需要为了获得补偿参数而搭建特殊的场景,通过本发明方法采用一种自主化的方法,自主地对补偿参数进行优化;通过初始阶段对特定区域估计出对应的补偿系数,对后续获取的图像依次通过补偿系数进行修正,可以快速准确得到较好的图像修复效果。
附图说明
图1是鱼眼镜头全景成像的渐晕示意图;
图2是补偿函数曲线;图中,纵坐标表示补偿系数,横坐标表示以鱼眼图像半径为单位的补偿点与鱼眼图像中心的距离;
图3是本发明补偿方法流程图;
图4是双鱼眼镜头全景成像拆分示意图;
图5是鱼眼圆心查找方法示意图,图中,A表示掩模,B表示轮廓外接矩形。
具体实施方式
下面通过实施例对本发明进行具体的描述,本实施例只用于对本发明进行进一步的说明,但不能理解为对本发明保护范围的限制,本领域的技术人员根据上述本发明的内容作出的一些非本质的改进和调整也属于本发明保护的范围。
结合图1至图5。
全景图像渐晕现象的补偿方法,包括以下步骤:
S1、获取全景图像;
S2、获取全景图像的外轮廓,并获取外轮廓的圆心和半径;
S3、对获取的全景图像圆周区域,进行迭代估计,获得最小图像熵对应的估计参数;
S4、根据迭代估计得到的参数修正现有图像,得到最终补偿后的全景图像。
步骤S3、S4中对获取到的图像进行如下定义计算:
1)定义图像熵的衡量公式采用:
pk为统计概率,nk为统计的灰度直方图,H为图像熵;
2)图像亮度的补偿函数为:
ga,b,c(r)=1+ar2+br4+cr6
xc,yc为图像中心点坐标,补偿函数需满足的条件在0<r<1的区间上,是单调递增的;所以需满足的约束条件为:
a,b,c应在集合C1∩C2∩C3∩C4∩C5中;
3)图像的转化前后的关系为:
Lnew(x,y)=Lold(x,y)ga,b,c(r)
其中,Lold(x,y)为原图像对应坐标位置的像素值,Lnew(x,y)为补偿后图像对应坐标位置的像素值;
4)设置步长δ=2.0,缩放因子k=0.5,补偿系数a,b,c初始值设置为0;
5)固定b,c,搜索a的局部最优值,迭代公式:
an+1=an+δ
将新的a,b,c代入步骤2)的约束,若满足约束,则代入步骤1)中求当前函数的图像熵,若不满足约束则继续;
6)将步骤5)进行6次,选出最小的图像熵对应参数作为当前最优值;
7)参数b和c的迭代公式:
bn+1=bn-δ
cn+1=cn+δ
其中bn、cn为第n次迭代后的相应补偿系数,同理按照步骤(5)和步骤(6)进行迭代,求出参数的局部最优值;
8)当继续迭代无法得到更小的图像熵时,使用更小的δ继续迭代;
δn+1=δn×k
其中δn为第n次迭代后的相应步长系数;
9)一直重复步骤5)、6)、7),直到δ迭代到我们设置的最小阈值1/125,此时得到的参数a,b,c的值为最终最优解;
10)将最优参数值代入步骤2)中的补偿函数对原图像进行补偿。
针对单鱼眼镜头
首先通过带有鱼眼镜头的相机在光照均匀的环境下拍摄鱼眼图像,对于采集得到的图像,首先得获取鱼眼画面区域位置,确定圆心位置。
1.对于圆周鱼眼画面图像,首先对图像进行图像像素值阈值化处理,对鱼眼画面周围的干扰区域进行图像形态学操作,过滤得到只有鱼眼画面的区域。
2.对于获取的鱼眼画面区域提取外轮廓,并对该轮廓进行霍夫圆形拟合检测,获取拟合圆的圆心和半径。
3.对于获取的鱼眼圆周区域,进行迭代估计,获得最小图像熵对应的估计参数。
4.根据迭代估计得到的参数修正现有图像,得到最终补偿后的图像。
针对双鱼眼镜头
本例以专利申请201510600504.1公开的双鱼眼镜头为例,由于采用双鱼眼采集方案,在对鱼眼镜头做渐晕补偿时,需要对两个镜头采集到的图像独自进行处理。
1.对于双鱼眼画面,由于存在两个独立鱼眼画面,并且两个鱼眼画面成像并不完整,所以首先根据成像装置特点,在成像装置形成的边界处直接切分,形成两个鱼眼画面,并且按照此切分生成两组补偿参数。对于双鱼眼单CMOS结构,在成像上由于棱镜的存在会自然形成CMOS上的界限,并且该界限由于成像结构固定可以精确已知,在数字图像形成后采用数字图像处理中提取ROI区域的形式指定图像中分界线位置来进行图像的切分
2.鱼眼图像中心位置确定。由于切分后的图像在各个画面中成像不为完整的圆周鱼眼,故而通过圆形检测拟合的方式存在较大的误差。这里我们采用叠加搜索的方式,首先用特定颜色可透光的塑料盖遮住双鱼眼镜头,以获取此时的成像为单一颜色画面的RGB图像;对图像RGB图像进行HSV颜色空间变换,并取出颜色H通道进行阈值化,提取最大有效成像区域的轮廓,并通过纵向位置确定鱼眼圆周的半径和圆形纵向位置;在鱼眼圆周的圆心横向移动检测掩模,进而确定圆心得准确位置。具体实现步骤为:1)确定圆心纵坐标y和半径R;2)在图像坐标y方向设置半径为R的圆形掩模M,初始横坐标为0;3)滑动掩模直到掩模与图像有效区域重叠度最大,并确定此时横坐标x,则圆心坐标为(x,y)。
3.在光照均匀的环境下用易瞳双鱼眼全景摄像机拍摄鱼眼图像,获取原始相机成像画面,对于获取的鱼眼圆周区域,进行迭代估计,获得最小图像熵对应的估计参数。
根据迭代估计得到的参数修正现有两个切分的图像,并进行合成一个得到最终补偿后的图像。
Claims (4)
1.全景图像渐晕现象的补偿方法,其特征在于包括以下步骤:
S1、获取全景图像;
S2、获取全景图像的外轮廓,并获取外轮廓的圆心和半径;
S3、对获取的全景图像圆周区域,进行迭代估计,获得最小图像熵对应的估计参数;
S4、根据迭代估计得到的参数修正现有图像,得到最终补偿后的全景图像;
所述步骤S3、S4具体包括以下步骤:
1)定义图像熵的衡量公式采用:
pk为统计概率,nk为统计的灰度直方图,H为图像熵;
2)图像亮度的补偿函数为:
ga,b,c(r)=1+ar2+br4+cr6
xc,yc为图像中心点坐标,补偿函数需满足的条件在0<r<1的区间上,是单调递增的;所以需满足的约束条件为:
a,b,c应在集合C1∩C2∩C3∩C4∩C5中;
3)图像的转化前后的关系为:
Lnew(x,y)=Lold(x,y)ga,b,c(r)
其中,Lold(x,y)为原图像对应坐标位置的像素值,Lnew(x,y)为补偿后图像对应坐标位置的像素值;
4)设置步长δ=2.0,缩放因子k=0.5,补偿系数a,b,c初始值设置为0;
5)固定b,c,搜索a的局部最优值,迭代公式:
an+1=an+δ
将新的a,b,c代入步骤2)的约束,若满足约束,则代入步骤1)中求当前函数的图像熵,若不满足约束则继续;
6)将步骤5)进行6次,选出最小的图像熵对应参数作为当前最优值;
7)参数b和c的迭代公式:
bn+1=bn-δ
cn+1=cn+δ
其中bn、cn为第n次迭代后的相应补偿系数,同理按照步骤(5)和步骤(6)进行迭代,求出参数的局部最优值;
8)当继续迭代无法得到更小的图像熵时,使用更小的δ继续迭代;
δn+1=δn×k
其中δn为第n次迭代后的相应步长系数;
9)一直重复步骤5)、6)、7),直到δ迭代到我们设置的最小阈值1/125,此时得到的参数a,b,c的值为最终最优解;
10)将最优参数值代入步骤2)中的补偿函数对原图像进行补偿。
2.根据权利要求1所述的全景图像渐晕现象的补偿方法,其特征在于:所述全景图像采用鱼眼镜头获得。
3.根据权利要求2所述的全景图像渐晕现象的补偿方法,其特征在于:所述步骤S2获取全景图像的外轮廓,并获取外轮廓的圆心和半径是对获取的全景图像画面区域提取外轮廓,并对该轮廓进行霍夫圆形拟合检测,获取拟合圆的圆心和半径。
4.根据权利要求2所述的全景图像渐晕现象的补偿方法,其特征在于:所述全景图像通过双鱼眼镜头获得,将全景图像在双鱼眼镜头形成交叉边界处直接切分,形成两幅全景图像;每幅全景图像采用叠加搜索的方式,首先用特定颜色可透光的塑料盖遮住双鱼眼镜头,以获取此时成像为单一颜色画面的RGB图像;对图像RGB图像进行HSV颜色空间变换,并取出颜色H通道进行阈值化,提取最大有效成像区域的轮廓,并通过纵向位置确定图像圆周的半径和圆形纵向位置;在图像圆周的圆心横向移动检测掩模,进而确定圆心的准确位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610537756.9A CN106101588B (zh) | 2016-07-08 | 2016-07-08 | 全景图像渐晕现象的补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610537756.9A CN106101588B (zh) | 2016-07-08 | 2016-07-08 | 全景图像渐晕现象的补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106101588A CN106101588A (zh) | 2016-11-09 |
CN106101588B true CN106101588B (zh) | 2019-05-14 |
Family
ID=57212599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610537756.9A Active CN106101588B (zh) | 2016-07-08 | 2016-07-08 | 全景图像渐晕现象的补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106101588B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10142568B2 (en) * | 2017-02-13 | 2018-11-27 | Semiconductor Components Industries, Llc | Methods and apparatus for vignette and out-of-focus correction |
CN107172323B (zh) * | 2017-05-27 | 2020-01-07 | 昆山中科盖德微视光电有限公司 | 大视场摄像头的图像去暗角方法及装置 |
CN107231525A (zh) * | 2017-05-31 | 2017-10-03 | 深圳可思美科技有限公司 | 图像暗角自适应补偿方法和装置 |
CN110111284B (zh) * | 2019-05-14 | 2020-11-20 | 四川大学 | 一种渐晕图像校正的方法、装置、电子设备和存储介质 |
CN112070682B (zh) * | 2019-06-10 | 2024-06-07 | 杭州海康慧影科技有限公司 | 图像亮度补偿的方法和装置 |
CN113393389B (zh) * | 2021-06-02 | 2022-05-31 | 武汉博宇光电***有限责任公司 | 一种无人工晕影的图像增强方法 |
CN114167663B (zh) * | 2021-12-02 | 2023-04-11 | 浙江大学 | 一种包含渐晕去除算法的编码光圈光学成像*** |
CN116523774B (zh) * | 2023-04-14 | 2024-02-02 | 北京天睿空间科技股份有限公司 | 一种适于视频图像的暗影修正方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009512303A (ja) * | 2005-10-13 | 2009-03-19 | ノキア コーポレイション | デジタル画像のビグネッティングを除去する方法および装置 |
CN101814181A (zh) * | 2010-03-17 | 2010-08-25 | 天津理工大学 | 一种鱼眼图像复原的展开方法 |
CN101873436A (zh) * | 2009-04-27 | 2010-10-27 | 倚强科技股份有限公司 | 使用多线内插的镜头亮度补偿方法 |
CN102905077A (zh) * | 2012-10-09 | 2013-01-30 | 深圳市掌网立体时代视讯技术有限公司 | 一种图像暗角亮度调节方法及装置 |
WO2014156748A1 (ja) * | 2013-03-26 | 2014-10-02 | 株式会社インタニヤ | パノラマ撮影用雲台及び、それを用いた撮影システム |
CN104778664A (zh) * | 2015-04-10 | 2015-07-15 | 信利光电股份有限公司 | 一种图像亮度校正的方法 |
-
2016
- 2016-07-08 CN CN201610537756.9A patent/CN106101588B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009512303A (ja) * | 2005-10-13 | 2009-03-19 | ノキア コーポレイション | デジタル画像のビグネッティングを除去する方法および装置 |
CN101873436A (zh) * | 2009-04-27 | 2010-10-27 | 倚强科技股份有限公司 | 使用多线内插的镜头亮度补偿方法 |
CN101814181A (zh) * | 2010-03-17 | 2010-08-25 | 天津理工大学 | 一种鱼眼图像复原的展开方法 |
CN102905077A (zh) * | 2012-10-09 | 2013-01-30 | 深圳市掌网立体时代视讯技术有限公司 | 一种图像暗角亮度调节方法及装置 |
WO2014156748A1 (ja) * | 2013-03-26 | 2014-10-02 | 株式会社インタニヤ | パノラマ撮影用雲台及び、それを用いた撮影システム |
CN104778664A (zh) * | 2015-04-10 | 2015-07-15 | 信利光电股份有限公司 | 一种图像亮度校正的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106101588A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106101588B (zh) | 全景图像渐晕现象的补偿方法 | |
CN108600725B (zh) | 一种基于rgb-ir图像数据的白平衡校正装置及方法 | |
KR102363030B1 (ko) | 광학 시스템 수차들의 디지털 보정 | |
JP7077395B2 (ja) | 多重化高ダイナミックレンジ画像 | |
CN107687819B (zh) | 一种快速高精度的光条中心亚像素提取方法 | |
CN106570838B (zh) | 一种图像亮度优化方法及装置 | |
CN105631831B (zh) | 一种雾霾条件下视频图像增强方法 | |
KR101941801B1 (ko) | Led 디스플레이에 이용되는 영상 처리 방법 및 장치 | |
CN110163807B (zh) | 一种基于期望亮通道的低照度图像增强方法 | |
CN110619652B (zh) | 一种基于光流映射重复区域检测的图像配准鬼影消除方法 | |
KR20090078583A (ko) | 저조도 영상 처리 방법 및 시스템 | |
CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
CN108133462B (zh) | 一种基于梯度场区域分割的单幅图像的复原方法 | |
CN109191429B (zh) | 一种基于机器视觉的3d打印喷嘴检测方法 | |
CN110087051B (zh) | 基于hsv色彩空间的彩色图眩光去除方法及*** | |
Pandian et al. | Object Identification from Dark/Blurred Image using WBWM and Gaussian Pyramid Techniques | |
US11640654B2 (en) | Image processing method and apparatus | |
CN108320275A (zh) | 一种检测相机模组暗斑的方法 | |
CN107451971A (zh) | 基于暗通道和高斯组合先验的低照度盲卷积图像复原法 | |
CN109862332B (zh) | 用于检测并减小彩色边纹效应的方法、装置和*** | |
WO2015154526A1 (zh) | 视频监控低照度图像色彩还原方法和装置 | |
CN112907474B (zh) | 一种基于背景光优化与伽马变换的水下图像增强方法 | |
CN115829851A (zh) | 便携式眼底相机图像缺陷消除方法、***及存储介质 | |
CN110086997B (zh) | 人脸图像曝光亮度补偿方法及装置 | |
WO2020196536A1 (ja) | 撮影システムおよび画像処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |