CN108470329A - 一种图像处理方法及*** - Google Patents

一种图像处理方法及*** Download PDF

Info

Publication number
CN108470329A
CN108470329A CN201810143881.0A CN201810143881A CN108470329A CN 108470329 A CN108470329 A CN 108470329A CN 201810143881 A CN201810143881 A CN 201810143881A CN 108470329 A CN108470329 A CN 108470329A
Authority
CN
China
Prior art keywords
value
image
histogram
brightness
histogram equalization
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
Application number
CN201810143881.0A
Other languages
English (en)
Inventor
金羽锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Priority to CN201810143881.0A priority Critical patent/CN108470329A/zh
Publication of CN108470329A publication Critical patent/CN108470329A/zh
Priority to PCT/CN2018/103920 priority patent/WO2019153731A1/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提出了一种图像处理方法及***，本发明通过对目标图像进行分区处理时，增加了对目标图像以及分区图像亮度的最大值以及最小值的侦测，为后续直方图均衡化提供参考值，对目标图像中黑画面不够黑或者亮区过亮进行处理，减少了局部以及场景失真。

Description

一种图像处理方法及***
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像处理方法及***。
背景技术
随着显示器的发展，图像质量越来越被消费者所看重，因此各种可以提升显示效果的图像算法得到了广泛的应用。而在图像的生成、传输和变换过程中，由于多种因素的影响，总会造成图像质量的下降，因此产生了图像处理技术。
早期的改变图像质量的方法主要是改善图像的明暗清晰程度，也即是改善图像的对比度，通过修整给定图像的灰度来实现，但有些现有技术改善图像的同时，也同时会降低图像图像的局部区域和全局的关联性。
现有技术中，一般采用CLAHE(Contrast Limited Adaptive HistogramEqualization，CLAHE)算法对图像进行修正。CLAHE算法是在传统的数字图像处理算法AHE(Adaptive Histogram Equalization，自适应直方图均衡化)中的改进。AHE算法虽然克服了全局直方图均衡化难以适应局部灰度分布的缺陷，但其均衡化后块效应明显，因此，限制对比度的自适应性直方图均衡化算法应运而生。
CLAHE算法是一种限制了对比度过度提高的自适应直方图均衡算法，与普通的AHE算法比较，该算法对于每个子块进行直方图均衡的同时都使用对比度限幅，导致其复杂度相当大，处理时间长、效率低；CLAHE算法采用递归的过程并通过增强局部区域的对比度，从而增强图像局部细节的可视性。CLAHE算法的关键是在计算转化函数之前通过剪裁直方图限制对比度的放大。CLAHE算法的一个参数用来限制预定义的值：首先将图像分为若干个子块，依次分别计算每个子块的直方图，通过限制对比度对每个直方图进行重新分配。但现有的CLAHE算法仍会导致图像局部区域增强过度，出现黑画面不够黑以及局部失真等问题。
发明内容
本发明提供一种图像处理方法及***，以改善现有CLAHE算法所引起目标图像局部失真的问题。
为解决上述问题，本发明提供的技术方案如下：
本发明提出了一种图像处理方法，其中，所述图像处理方法包括：
步骤S10、输入目标图像，将所述目标图像进行分区处理，获得分区图像；
步骤S20、获取所述目标图像的最大亮度Max、最小亮度Min以及所述分区图像的最大亮度值SubMax、最小亮度值SubMin；
步骤S30、对所述分区图像进行直方图累积，根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，对所述直方图累积的图像进行直方图均衡化处理，获得所述分区图像所对应的LUT查找表；
步骤S40、利用所述显示查找表(Look Up Table，LUT查找表)获得所述目标图像中每个像素点的相邻分区的对应值，对所述相邻分区的对应值进行计算，获得相应所述像素点的亮度的终值；
步骤S50、集合所有像素的所述亮度的终值组合成新图像；
步骤S60、利用修正函数对所述新图像进行修正，并输出最终图像。
根据本发明优选实施例，所述步骤S30包括：
步骤S31、对所述分区图像进行直方图累积；
步骤S32、根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，获得直方图均衡化的最大值和最小值；
步骤S33、利用对比限制算法对所述直方图累积的图像进行直方图均衡化处理；
步骤S34、获得所述分区图像所对应的LUT查找表。
根据本发明优选实施例，所述直方图均衡化的最大值为255-a*(255-SubMax)，所述直方图均衡化的最小值为b*(SubMin)，其中，0≤a≤1，0≤b≤1。
根据本发明优选实施例，所述步骤S40包括：
步骤S41、利用所述LUT查找表获得所述目标图像中每个像素点周围四个分区的对应值；
步骤S42、利用双线性插值对所述四个分区对应值进行计算；
步骤S43、获得相应所述像素点的亮度的终值。
根据本发明优选实施例，所述修正函数为一次线性函数，对所述新图像的最大亮度值和最小亮度值进行修正。
本发明还提出了一种图像处理***，其中，所述图像处理***包括：分区模块、扫描模块、前置处理模块、计算模块、集合模块以及修正模块；
所述分区模块，用于输入目标图像，将所述目标图像进行分区处理，获得分区图像；
所述扫描模块，用于获取所述目标图像的最大亮度Max、最小亮度Min以及所述分区图像的最大亮度值SubMax、最小亮度值SubMin；
所述前置处理模块，用于对所述分区图像进行直方图累积，根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，对所述直方图累积的图像进行直方图均衡化处理，获得所述分区图像所对应的LUT查找表；
所述计算模块，用于利用所述LUT查找表获得所述目标图像中每个像素点的相邻分区的对应值，对所述相邻分区的对应值进行计算，获得相应所述像素点的亮度的终值；
所述集合模块，用于集合所有像素的所述亮度的终值组合成新图像；
所述修正模块，用于利用修正函数对所述新图像进行修正，并输出最终图像。
根据本发明优选实施例，所述前置处理模块包括：直方图累计单元、直方图均衡化前置处理单元、直方图均衡化单元以及获取查找表单元；
所述直方图累计单元，用于对所述分区图像进行直方图累积；
所述直方图均衡化前置处理单元，用于根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，获得直方图均衡化的最大值和最小值；
所述直方图均衡化单元，用于利用对比限制算法对所述直方图累积的图像进行直方图均衡化处理；
所述获取查找表单元，用于获得所述分区图像所对应的LUT查找表。
根据本发明优选实施例，所述直方图均衡化的最大值为255-a*(255-SubMax)，所述直方图均衡化的最小值为b*(SubMin)，其中，0≤a≤1，0≤b≤1。
根据本发明优选实施例，所述计算模块包括：查找单元、双线性插值单元以及输出单元；
所述查找单元，用于利用所述LUT查找表获得所述目标图像中每个像素点周围四个分区的对应值；
所述双线性插值单元，用于利用双线性插值对所述四个分区对应值进行计算；
所述输出单元，获得相应所述像素点的亮度的终值。
根据本发明优选实施例，所述修正函数为一次线性函数，对所述新图像的最大亮度值和最小亮度值进行修正。
本发明的有益效果为：本发明通过对目标图像进行分区处理时，增加了对目标图像以及分区图像亮度的最大值以及最小值的侦测，为后续直方图均衡化提供参考值，对目标图像中黑画面不够黑或者亮区过亮进行处理，减少了局部以及场景失真。
附图说明
为了更清楚地说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介绍，显而易见地，下面描述中的附图仅仅是发明的一些实施例，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为本发明优选实施例一种图像处理方法的流程示意图；
图2为本发明优选实施例一种图像处理方法的目标图像分区处理的示意图；
图3为本发明优选实施例一种图像处理***的结构示意图；
图4为本发明优选实施例一种图像处理***的结构示意图。
具体实施方式
以下各实施例的说明是参考附加的图示，用以例示本发明可用以实施的特定实施例。本发明所提到的方向用语，例如[上]、[下]、[前]、[后]、[左]、[右]、[内]、[外]、[侧面]等，仅是参考附加图式的方向。因此，使用的方向用语是用以说明及理解本发明，而非用以限制本发明。在图中，结构相似的单元是用以相同标号表示。
图1所示为优选实施例一种图像处理方法的流程示意图，其中，所述图像处理方法包括：
步骤S 10、输入目标图像，将所述目标图像进行分区处理，获得分区图像；
首先，输入目标图像，将所述目标图像分成若干个等大小的分区图像；其中，分区是指对目标图像进行横向和纵向的划分。分区不能分的太多，会影响运算速度；分区亦不可以分的太少，会使运算结果不够精确；例如，可以把目标图像分成4*4或3*3个分区图像，如图2所示，将目标图像分成9个大小相等的分区图像。
步骤S20、获取所述目标图像的最大亮度Max、最小亮度Min以及所述分区图像的最大亮度值SubMax、最小亮度值SubMin；
对所述目标进行分区处理前，首先扫描所述目标图像，获取所述图像的最大亮度Max、最小亮度Min；当所述目标图像被分区成若干相等的分区图像后，利用相关软件获取每一所述分区图像的最大亮度值SubMax、最小亮度值SubMin；
优选的，当所述目标图像为黑白图像时，所扫描的数据为所述目标图像的最大灰阶和最小灰阶；当所述目标图像为彩色时，对三种颜色分开处理会导致严重的偏色，故一般可以将其进行颜色空间转换(如RGB转为HSV)，然后仅对亮度分量处理，再反变换回RGB颜色空间。
步骤S30、对所述分区图像进行直方图累积，根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，对所述直方图累积的图像进行直方图均衡化处理，获得所述分区图像所对应的LUT查找表；
首先，对所述分区图像进行直方图累积，以黑白图像为例，所述直方图累积是指将图像组成成分在灰度级的累计下，进行概率分布，每一个概率值代表小于等于此灰度值的概率；
其次，根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，获得直方图均衡化的最大值和最小值；所述直方图均衡化的最大值为255-a*(255-SubMax)，所述直方图均衡化的最小值为b*(SubMin)，其中，0≤a≤1，0≤b≤1，以此最大值和最小值作为后续对比限制算法的限制值；
再次，利用对比限制算法对所述直方图累积的图像进行直方图均衡化处理，并获得所述分区图像所对应的LUT查找表；
以黑白图像为例，所述直方图均衡化处理是指，把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同，也即是，把给定图像的直方图分布改变成“均匀”分布直方图分布。例如，设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g；
LUT本质上是一个RAM(Random Access Memory，随机存取存储器)。它把数据事先写入RAM后，每当输入一个信号就等于输入一个地址进行查表，找出地址对应的内容，然后输出。因此，LUT查找表是一张像素灰阶值的映射表，它将实际采样到的像素灰阶值经过一定的变换如阈值、反转、二值化、对比度调整、线性变换等，变成另外一个与之相对应的灰阶值。
步骤S40、利用所述LUT查找表获得所述目标图像中每个像素点的相邻分区的对应值，对所述相邻分区的对应值进行计算，获得相应所述像素点的亮度的终值；
首先，利用所述LUT查找表获得所述目标图像中每个像素点周围四个分区的对应值；如图2所示，以像素点G为例，查找像素点G的四个相邻分区1、2、4、5所对应的空心原点的LUT值；
其次，利用双线性插值对所述四个分区的对应值进行计算，获得相应所述像素点的亮度的终值；
所示双线性插值，又称为双线性内插。在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值，双线性插值为现有技术，此处不在详细叙述。
步骤S50、集合所有像素的所述亮度的终值组合成新图像；
步骤S60、利用修正函数对所述新图像进行修正，并输出最终图像；
集合所有像素的所述亮度的终值组合成新图像，由于CLAHE算法的原因，新图像亮度的Max必定小于目标图像的Max，新图像亮度的Min必定大于目标图像的Min，可能导致组合成的新图像局部位置亮度不够亮或者黑色区域不够黑，导致局部图像的失真；因此，后续步骤中，需要利用修正函数对新图像进行修正，所述修正函数为一次线性函数，对所述新图像的最大亮度值和最小亮度值进行修正，该一次线性函数为f(x)＝mx+n，将新图像映射至目标图像的区间﹝Min，Max﹞，并输出最终图像。
本发明提出了一种图像处理方法，首先输入目标图像，将所述目标图像进行分区处理，获得分区图像；其次，获取所述目标图像的最大亮度Max、最小亮度Min以及所述分区图像的最大亮度值SubMax、最小亮度值SubMin；对所述分区图像进行直方图累积，根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，对所述直方图累积的图像进行直方图均衡化处理，获得所述分区图像所对应的LUT查找表；再次，利用所述LUT查找表获得所述目标图像中每个像素点的相邻分区的对应值，对所述相邻分区的对应值进行计算，获得相应所述像素点的亮度的终值；最后，集合所有像素的所述亮度的终值组合成新图像，并利用修正函数对所述新图像进行修正，并输出最终图像。本发明通过对目标图像进行分区处理时，增加了对目标图像以及分区图像亮度的最大值以及最小值的侦测，为后续直方图均衡化提供参考值，对目标图像中黑画面不够黑或者亮区过亮进行处理，减少了局部以及场景失真。
图3所示为本发明优选实施例一种图像处理***的结构示意图，其中，所述图像处理***30包括：分区模块301、扫描模块302、前置处理模块303、计算模块304、集合模块305以及修正模块306；
所述分区模块301，用于输入目标图像，将所述目标图像进行分区处理，获得分区图像；
所述扫描模块302，用于获取所述目标图像的最大亮度Max、最小亮度Min以及所述分区图像的最大亮度值SubMax、最小亮度值SubMin；
所述前置处理模块303，用于对所述分区图像进行直方图累积，根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，对所述直方图累积的图像进行直方图均衡化处理，获得所述分区图像所对应的LUT查找表，
其中，所述直方图均衡化的最大值为255-a*(255-SubMax)，所述直方图均衡化的最小值为b*(SubMin)，其中，0≤a≤1，0≤b≤1；
所述计算模块304，用于利用所述LUT查找表获得所述目标图像中每个像素点的相邻分区的对应值，对所述相邻分区的对应值进行计算，获得相应所述像素点的亮度的终值；
所述集合模块305，用于集合所有像素的所述亮度的终值组合成新图像；
所述修正模块306，用于利用修正函数对所述新图像进行修正，并输出最终图像，其中，所述修正函数为一次线性函数，对所述新图像的最大亮度值和最小亮度值进行修正，所述修正函数为f(x)＝mx+n。
如图4所示，所述前置处理模块303包括：直方图累计单元3031、直方图均衡化前置处理单元3032、直方图均衡化单元3033以及获取查找表单元3034；
所述直方图累计单元3031，用于对所述分区图像进行直方图累积；
所述直方图均衡化前置处理单元3032，用于根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，获得直方图均衡化的最大值和最小值；
所述直方图均衡化单元3033，用于利用对比限制算法对所述直方图累积的图像进行直方图均衡化处理；
所述获取查找表单元3034，用于获得所述分区图像所对应的LUT查找表。
如图4所示，所述计算模块304包括：查找单元3041、双线性插值单元3042以及输出单元3043；
所述查找单元3041，用于利用所述LUT查找表获得所述目标图像中每个像素点周围四个分区的对应值；
所述双线性插值单元3042，用于利用双线性插值对所述四个分区的对应值进行计算；
所述输出单元3043，获得相应所述像素点的亮度的终值。
本发明提出了一种图像处理***的结构示意图，其中，所述图像处理***包括：分区模块、扫描模块、前置处理模块、计算模块、集合模块以及修正模块。本发明通过对目标图像进行分区处理时，增加了对目标图像以及分区图像亮度的最大值以及最小值的侦测，为后续直方图均衡化提供参考值，对目标图像中黑画面不够黑或者亮区过亮进行处理，减少了局部以及场景失真。
需要说明的是，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，如存储在终端的存储器中，并被该终端内的至少一个处理器执行，在执行过程中可包括如基于虚拟位置的显示方法的实施例的流程。其中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
以上对本发明实施例提供的一种图像处理方法及***进行了详细介绍，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种图像处理方法，其特征在于，包括：
步骤S10、输入目标图像，将所述目标图像进行分区处理，获得分区图像；
步骤S20、获取所述目标图像的最大亮度值Max、最小亮度值Min以及所述分区图像的最大亮度值SubMax、最小亮度值SubMin；
步骤S30、对所述分区图像进行直方图累积，根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，对所述直方图累积的图像进行直方图均衡化处理，获得所述分区图像所对应的显示查找表；
步骤S40、利用所述显示查找表获得所述目标图像中每个像素点的相邻分区的对应值，对所述相邻分区的对应值进行计算，获得相应所述像素点的亮度的终值；
步骤S50、集合所有像素的所述亮度的终值组合成新图像；
步骤S60、利用修正函数对所述新图像进行修正，并输出最终图像。
2.根据权利要求1所述图像处理方法，其特征在于，所述步骤S30包括：
步骤S31、对所述分区图像进行直方图累积；
步骤S32、根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，获得直方图均衡化的最大值和最小值；
步骤S33、利用对比限制算法对所述直方图累积的图像进行直方图均衡化处理；
步骤S34、获得所述分区图像所对应的显示查找表。
3.根据权利要求2所述图像处理方法，其特征在于，所述直方图均衡化的最大值为255-a*(255-SubMax)，所述直方图均衡化的最小值为b*(SubMin)，其中，0≤a≤1，0≤b≤1。
4.根据权利要求1所述图像处理方法，其特征在于，所述步骤S40包括：
步骤S41、利用所述显示查找表获得所述目标图像中每个像素点周围四个分区的对应值；
步骤S42、利用双线性插值对所述四个分区对应值进行计算；
步骤S43、获得相应所述像素点的亮度的终值。
5.根据权利要求1所述图像处理方法，其特征在于，所述修正函数为一次线性函数，用于对所述新图像的最大亮度值和最小亮度值进行修正。
6.一种图像处理***，其特征在于，所述图像处理***包括：分区模块、扫描模块、前置处理模块、计算模块、集合模块以及修正模块；
所述分区模块用于输入目标图像，将所述目标图像进行分区处理，获得分区图像；
所述扫描模块用于获取所述目标图像的最大亮度Max、最小亮度Min以及所述分区图像的最大亮度值SubMax、最小亮度值SubMin；
所述前置处理模块用于对所述分区图像进行直方图累积，根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，对所述直方图累积的图像进行直方图均衡化处理，获得所述分区图像所对应的显示查找表；
所述计算模块用于利用所述显示查找表获得所述目标图像中每个像素点的相邻分区的对应值，对所述相邻分区的对应值进行计算，获得相应所述像素点的亮度的终值；
所述集合模块用于集合所有像素的所述亮度的终值组合成新图像；
所述修正模块用于利用修正函数对所述新图像进行修正，并输出最终图像。
7.根据权利要求6所述图像处理***，其特征在于，所述前置处理模块包括：直方图累计单元、直方图均衡化前置处理单元、直方图均衡化单元以及获取查找表单元；
所述直方图累计单元用于对所述分区图像进行直方图累积；
所述直方图均衡化前置处理单元用于根据得到的所述分区图像的最大亮度值SubMax和最小亮度值SubMin，获得直方图均衡化的最大值和最小值；
所述直方图均衡化单元用于利用对比限制算法对所述直方图累积的图像进行直方图均衡化处理；
所述获取查找表单元用于获得所述分区图像所对应的显示查找表。
8.根据权利要求7所述图像处理***，其特征在于，所述直方图均衡化的最大值为255-a*(255-SubMax)，所述直方图均衡化的最小值为b*(SubMin)，其中，0≤a≤1，0≤b≤1。
9.根据权利要求6所述图像处理***，其特征在于，所述计算模块包括：查找单元、双线性插值单元以及输出单元；
所述查找单元用于利用所述显示查找表获得所述目标图像中每个像素点周围四个分区的对应值；
所述双线性插值单元用于利用双线性插值对所述四个分区对应值进行计算；
所述输出单元获得相应所述像素点的亮度的终值。
10.根据权利要求6所述图像处理***，其特征在于，所述修正函数为一次线性函数，用于对所述新图像的最大亮度值和最小亮度值进行修正。
CN201810143881.0A 2018-02-12 2018-02-12 一种图像处理方法及*** Pending CN108470329A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810143881.0A CN108470329A (zh) 2018-02-12 2018-02-12 一种图像处理方法及***
PCT/CN2018/103920 WO2019153731A1 (zh) 2018-02-12 2018-09-04 图像处理方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810143881.0A CN108470329A (zh) 2018-02-12 2018-02-12 一种图像处理方法及***

Publications (1)

Publication Number Publication Date
CN108470329A true CN108470329A (zh) 2018-08-31

Family

ID=63266510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810143881.0A Pending CN108470329A (zh) 2018-02-12 2018-02-12 一种图像处理方法及***

Country Status (2)

Country Link
CN (1) CN108470329A (zh)
WO (1) WO2019153731A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109636759A (zh) * 2018-12-18 2019-04-16 深圳市华星光电半导体显示技术有限公司 图像处理方法
CN109658333A (zh) * 2018-11-14 2019-04-19 深圳市华星光电半导体显示技术有限公司 图像放大插值的方法、图像放大插值装置以及显示装置
WO2019153731A1 (zh) * 2018-02-12 2019-08-15 深圳市华星光电半导体显示技术有限公司 图像处理方法及***
CN110472472A (zh) * 2019-05-30 2019-11-19 北京市遥感信息研究所 基于sar遥感图像的机场检测方法与装置
CN110704264A (zh) * 2019-09-30 2020-01-17 歌尔股份有限公司 黑场亮度的对照表生成方法、装置、投影仪及存储介质
CN111626967A (zh) * 2019-02-28 2020-09-04 富华科精密工业（深圳）有限公司 图像增强方法、装置、计算机装置及可读存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114049490B (zh) * 2021-11-05 2024-06-25 河南鑫安利安全科技股份有限公司 一种智能化职业卫生预警方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440635A (zh) * 2013-09-17 2013-12-11 厦门美图网科技有限公司 一种基于学习的对比度受限自适应直方图均衡方法
WO2015085130A2 (en) * 2013-12-07 2015-06-11 Razzor Technologies Inc. Adaptive contrast in image processing and display
CN106651819A (zh) * 2016-12-15 2017-05-10 深圳市华星光电技术有限公司 一种图像处理方法及装置
CN107481202A (zh) * 2017-08-14 2017-12-15 深圳市华星光电半导体显示技术有限公司 一种图像动态范围增强的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7840066B1 (en) * 2005-11-15 2010-11-23 University Of Tennessee Research Foundation Method of enhancing a digital image by gray-level grouping
CN101510305B (zh) * 2008-12-15 2010-12-22 四川虹微技术有限公司 一种改进的自适应直方图均衡方法
CN104156921B (zh) * 2014-08-08 2017-02-22 大连理工大学 一种低照度或亮度不均图像的自适应图像增强方法
CN108470329A (zh) * 2018-02-12 2018-08-31 深圳市华星光电半导体显示技术有限公司 一种图像处理方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440635A (zh) * 2013-09-17 2013-12-11 厦门美图网科技有限公司 一种基于学习的对比度受限自适应直方图均衡方法
WO2015085130A2 (en) * 2013-12-07 2015-06-11 Razzor Technologies Inc. Adaptive contrast in image processing and display
CN106651819A (zh) * 2016-12-15 2017-05-10 深圳市华星光电技术有限公司 一种图像处理方法及装置
CN107481202A (zh) * 2017-08-14 2017-12-15 深圳市华星光电半导体显示技术有限公司 一种图像动态范围增强的方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019153731A1 (zh) * 2018-02-12 2019-08-15 深圳市华星光电半导体显示技术有限公司 图像处理方法及***
CN109658333A (zh) * 2018-11-14 2019-04-19 深圳市华星光电半导体显示技术有限公司 图像放大插值的方法、图像放大插值装置以及显示装置
CN109636759A (zh) * 2018-12-18 2019-04-16 深圳市华星光电半导体显示技术有限公司 图像处理方法
CN111626967A (zh) * 2019-02-28 2020-09-04 富华科精密工业（深圳）有限公司 图像增强方法、装置、计算机装置及可读存储介质
CN110472472A (zh) * 2019-05-30 2019-11-19 北京市遥感信息研究所 基于sar遥感图像的机场检测方法与装置
CN110704264A (zh) * 2019-09-30 2020-01-17 歌尔股份有限公司 黑场亮度的对照表生成方法、装置、投影仪及存储介质
CN110704264B (zh) * 2019-09-30 2024-02-09 歌尔光学科技有限公司 黑场亮度的对照表生成方法、装置、投影仪及存储介质

Also Published As

Publication number Publication date
WO2019153731A1 (zh) 2019-08-15

Similar Documents

Publication Publication Date Title
CN108470329A (zh) 一种图像处理方法及***
KR101749229B1 (ko) 화상 표시 방법 및 화상 표시 장치
WO2018133609A1 (zh) 从低动态图像生成高动态图像的方法
JP2956213B2 (ja) 画像処理装置
KR100843817B1 (ko) 계조 보정 장치, 휴대 단말 기기, 촬상 장치, 휴대 전화 및 계조 보정 방법
CN102496152A (zh) 一种基于直方图的自适应图像对比度增强方法
CN107862672B (zh) 图像去雾的方法及装置
CN101123679A (zh) 图像处理装置、图像处理方法和计算机产品
US8467604B2 (en) Color enhancement
JP4011073B2 (ja) 階調補正装置
WO2023005115A1 (zh) 图像处理方法、图像处理装置、电子设备和可读存储介质
KR20010075557A (ko) 비디오 신호 향상 방법 및 장치
US8036459B2 (en) Image processing apparatus
JP5558240B2 (ja) 画像処理装置
CN112508783A (zh) 基于方向插值的图像处理方法、计算机装置及计算机可读存储介质
US20230117976A1 (en) Methods and systems for improving a quality of digital images
CN108921869B (zh) 一种图像二值化方法及装置
CN107025641A (zh) 基于对比度分析的图像融合方法
CN102265305B (zh) 图像处理装置、方法以及图像显示装置
CN105023250A (zh) 一种基于fpga的实时图像自适应增强***及方法
US9530223B2 (en) Image correction method and image correction device
CN106651819A (zh) 一种图像处理方法及装置
WO2023284528A1 (zh) 一种图像增强方法、装置、计算机设备和存储介质
US8774553B1 (en) Advanced adaptive contrast enhancement
JP4308280B2 (ja) 階調補正装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180831