CN113191990A - 一种图像处理方法、装置、电子设备及介质 - Google Patents
一种图像处理方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113191990A CN113191990A CN202110590447.9A CN202110590447A CN113191990A CN 113191990 A CN113191990 A CN 113191990A CN 202110590447 A CN202110590447 A CN 202110590447A CN 113191990 A CN113191990 A CN 113191990A
- Authority
- CN
- China
- Prior art keywords
- histogram
- image
- detail
- platform
- cumulative
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 230000001186 cumulative effect Effects 0.000 claims abstract description 120
- 238000013507 mapping Methods 0.000 claims abstract description 51
- 238000001914 filtration Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本申请实施例公开了一种图像处理方法、装置、电子设备及介质。该方法包括:根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图以及细节直方图;根据第一参考阈值与细节累积直方图的统计值的关系,以及第二参考阈值与细节累积直方图的统计值的关系,确定第一平台阈值和第二平台阈值;根据第一平台阈值、第二平台阈值以及初始直方图,确定双平台直方图;根据双平台累积直方图确定灰度映射关系,并基于灰度映射关系对待处理图像进行处理得到目标图像。上述方案能够在确定双平台阈值时考虑到图像的细节,从而使确定的双平台阈值能够适用于对不同场景下的图像进行处理,提高图像处理方法的场景适应性。
Description
技术领域
本申请实施例涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、电子设备及介质。
背景技术
图像处理是用计算机对图像进行分析,以达到所需结果的技术。图像处理包括图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述和图像分类等。
图像增强技术常用于图像的预处理和提高图像的显示质量,在数字图像处理***中有着广泛的应用,图像增强通常在空域或者频域进行处理,在空域中最为常用的方法是线性拉伸算法,直方图均衡处理、指数变换处理等。其中直方图均衡法因其算法简单、适应性强的特点得到广泛的应用。
目前的直方图均衡算法没有对图像背景和目标进行区分导致部分场景经过增强后背景和噪声占据过多的灰度范围,反而使目标细节等信息占据较少的灰度范围导致最终的图像效果不佳。改进的直方图均衡化算法虽然在一定程度上可以缓解背景过度拉伸、图像细节损失等问题,但是针对不同场景,现有的改进直方图均衡算法难以自适应地确定增强参数,使图像增强的效果受限。
发明内容
本申请实施例提供一种图像处理方法、装置、电子设备及介质,以提高对不同场景下图像的处理效果。
在一个实施例中,本申请实施例提供了一种图像处理方法,该方法包括:
根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图;
根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值;其中,所述第一参考阈值和所述第二参考阈值根据所述细节累积直方图的最大统计值确定,所述细节累积直方图为所述细节直方图的累积直方图;
根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图;
根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像;其中,所述双平台累积直方图为所述双平台直方图的累积直方图。
在另一个实施例中,本申请实施例还提供了一种图像处理装置,该装置包括:
细节直方图确定模块,用于根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图,所述细节累积直方图为所述细节直方图的累积直方图;
阈值确定模块,用于根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值;其中,所述第一参考阈值和所述第二参考阈值根据所述细节累积直方图的最大统计值确定;
双平台直方图确定模块,用于根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图;
处理模块,用于根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像;其中,所述双平台累积直方图为所述双平台直方图的累积直方图。
在又一个实施例中,本申请实施例还提供了一种电子设备,包括:一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本申请实施例任一项所述的图像处理方法。
在一个实施例中,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例中任一项所述的图像处理方法。
本申请实施例中,根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图,从而统计待处理图像的高频分量,确定待处理图像的细节部分,根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值,从而使第一平台阈值和第二平台阈值的确定过程中考虑到了细节部分,以适用于当前场景下的待处理图像,根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图;根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像,从而提高对待处理图像的处理效果。
附图说明
图1为本申请一种实施例提供的图像处理方法的流程图;
图2为本申请另一实施例提供的图像处理方法的流程图;
图3为本申请又一实施例提供的图像处理方法的流程图;
图4为本申请一种实施例提供的图像处理装置的结构示意图;
图5为本申请一种实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
图1为本申请一种实施例提供的图像处理方法的流程图。本申请实施例提供的图像处理方法可适用于对图像进行处理的情况。典型的,本申请实施例适用于基于双平台直方图对待处理图像进行增强的情况。该方法具体可以由图像处理装置执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在能够实现图像处理方法的电子设备中,电子设备可以为智能图像采集器的处理器、独立于图像采集器之外的本地处理器或者云端处理器等。参见图1,本申请实施例的方法具体包括:
S110、根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图。
其中,待处理图像可以为图像采集器采集的图像,也可以是从本地或互联网获取的图像,待处理图像的格式和位宽不做具体限定,可以是任何格式和位宽的待处理图像,都可以采用本申请实施例中的方法进行处理。对高通滤波算法不做限定,例如可以为非锐化掩膜滤波、Sobel算子滤波、DOG算子滤波、LOG算子滤波、Laplacian算子滤波等。本申请实施例对滤波核的大小也不作限定,例如可以为3*3、或5*5、或7*7等,滤波核的形式可以为在采用滤波核对待处理图像进行处理前,先根据滤波核的大小,对待处理图像进行扩边处理,以使边缘的像素点能够位于滤波核的中心进行卷积处理。
初始直方图为根据待处理图像的高通滤波图像和待处理图像直接确定的,初始直方图的横坐标值可以为待处理图像中的灰度级,初始直方图的纵坐标值可以为灰度级对应像素点在高通滤波图像中的细节数据的累加值。进一步对初始直方图进行处理,得到细节直方图。对初始直方图进行处理,例如可以为,对初始直方图中的部分数据进行滤除、对初始直方图中数据的顺序进行调整等,可以根据实际的需求进行处理。
S120、根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值;其中,所述第一参考阈值和所述第二参考阈值根据所述细节累积直方图的最大统计值确定。其中,所述细节累积直方图为所述细节直方图的累积直方图;
其中,细节累积直方图的统计值可以为对细节直方图的细节数据的和进行累加得到的统计值。第一参考阈值和第二参考阈值可以根据细节累积直方图的最大统计值确定,例如,可以根据如下公式计算第一参考阈值和第二参考阈值:
histSumUp=histSum*t
histSumDown=histSum*(1-t)
其中,histSumDown可以为第一参考阈值,histSumUp可以为第二参考阈值,histSum可以为细节累积直方图的最大统计值,0<t<1,t可以根据实际情况进行选取,例如可以选为0.85。在不同的场景中,t可以取不同的值。
细节累积直方图计算公式为:
accSortHist(g)=accSortHist(g-1)+sortHist(g)
其中,accSortHist(g)为细节累积直方图,sortHist(g)为细节直方图,g为灰度级。
示例性的,以第一参考阈值和第二参考阈值作为参考,在细节累积直方图的统计值中确定第一平台阈值和第二平台阈值。例如,可以将细节累积直方图的统计值中,与第一参考阈值最接近且大于第一参考阈值的统计值作为第一平台阈值,将与第二参考阈值最接近且大于第二参考阈值的统计值作为第二平台阈值,或者将细节累积直方图中,与第一参考阈值最接近且小于第一参考阈值的统计值作为第一平台阈值,将与第二参考阈值最接近且小于第二参考阈值的统计值作为第二平台阈值,或者,将细节累积直方图的统计值中,与第一参考阈值最接近且大于第一参考阈值的统计值作为第一平台阈值,将与第二参考阈值最接近且小于第二参考阈值的统计值作为第二平台阈值,或者将细节累积直方图中,与第一参考阈值最接近且小于第一参考阈值的统计值作为第一平台阈值,将与第二参考阈值最接近且大于第二参考阈值的统计值作为第二平台阈值。
上述方案的有益效果在于,由于细节累积直方图中包括待处理图像的细节信息,根据细节累积直方图确定第一平台阈值和第二平台阈值,从而使第一平台阈值和第二平台阈值适用于对当前场景下待处理图像的处理,提高图像处理效果。
S130、根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图。
示例性的,根据第一平台阈值与初始直方图的统计值之间的关系,以及第二平台阈值与初始直方图的统计值之间的关系,构造双平台直方图。具体的,例如,如果第一平台阈值小于第二平台阈值,判断初始直方图的统计值与第一平台阈值、第二平台阈值的关系。如果初始直方图的统计值小于第一平台阈值,则将第一平台阈值替换初始直方图的统计值,如果初始直方图的统计值大于第二平台阈值,则将第二平台阈值替换初始直方图的统计值,如果初始直方图的统计值大于或等于第一平台阈值,小于或等于第二平台阈值,则保留初始直方图的统计值,从而形成双平台直方图。
S140、根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像。其中,所述双平台累积直方图为所述双平台直方图的累积直方图。
示例性的,根据双平台累积直方图确定灰度映射关系,从而确定每一灰度级所对应的数值,再根据待处理图像中各像素点的灰度级,确定该像素点对应的数值,赋予该像素点,得到目标图像。
其中,灰度映射关系可以根据实际情况确定,例如根据双平台累积直方图中各灰度级对应的统计值、最大灰度级对应的统计值以及灰度映射范围值,确定灰度映射关系。
本申请实施例中,根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图,从而统计待处理图像的高频分量,确定待处理图像的细节部分,根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值,从而使第一平台阈值和第二平台阈值的确定过程中考虑到了细节部分,以适用于当前场景下的待处理图像,根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图;根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像,从而提高对待处理图像的处理效果。
图2为本申请另一实施例提供的图像处理方法的流程图。本申请实施例为对上述实施例的进一步优化,将S110细化为S210-S240。未在本申请实施例中详细描述的细节详见上述实施例。参见图2,本申请实施例提供的图像处理方法可以包括:
S210、遍历所述待处理图像的像素点,将具有同一灰度级的所述待处理图像的像素点作为目标像素点。
示例性的,从待处理图像的左上角第一个像素点开始进行遍历,确定各像素点的灰度级。将具有同一个像素级的像素点作为目标像素点。对于目标像素点不为零的灰度级,每一个灰度级对应一组目标像素点,一组像素点的数量为至少一个。
S220、根据高通滤波图像中所述目标像素点对应的细节数据的和,以及对应的灰度级,确定所述初始直方图。
示例性的,针对每一个灰度级,确定对应的目标像素点在高通滤波图像中所对应的细节数据,将每一个灰度级对应的一组目标像素点在高通滤波图像中所对应的细节数据的和,作为该灰度级对应的细节数据统计值,将灰度级作为横坐标值,灰度级对应的细节数据统计值作为纵坐标值,确定初始直方图。在本申请实施例中,待处理图像的灰度级为从0开始的,如果希望直方图中的灰度级从1开始,则可以将每一个灰度级均加一,对应的细节数据统计值不变,从而使横坐标值从1开始。
其中,细节数据可以为imgHpss(i,j)α,imgHpss(i,j)为高通滤波图像中像素点(i,j)对应的值,α为细节程度,可以根据实际情况进行选取,如果希望强调细节,增加细节的影响,则可以将α设置为较大的值,如果不希望强调细节,减少细节的影响,则可以将将α设置为较小的值,α≥0。
S230、去除所述初始直方图中纵坐标值为零的项,并对所述初始直方图的横坐标值进行压缩,得到过滤直方图。
在本申请实施例中,根据高通滤波图像中所述目标像素点对应的细节数据的和,以及对应的灰度级,确定所述初始直方图,默认情况是将目标像素点的细节数据的和作为纵坐标,对应的灰度级作为横坐标,进而执行S230-S240中对横坐标和纵坐标的操作。示例性的,如果初始直方图中纵坐标值为零,则说明该灰度级对应的像素点范围并不包括细节信息,则可以将该灰度级对应的纵坐标值去除,以简化初始直方图。将纵坐标值去除,并将对应的横坐标值去除,因此横坐标值减少,为了使横坐标值等间隔分布,可以压缩横坐标值,使其仍为等间隔的点。例如,初始直方图的横坐标值为1-256共256个值,间隔为1,如果去掉10个纵坐标值为零的项,对应的横坐标值也去除,横坐标值剩余246个值,则压缩横坐标值到1-246,从而使横坐标值等间隔分布。由压缩后的横坐标值与去除纵坐标值为零的项后剩余的纵坐标值构成过滤直方图,横坐标值与纵坐标值按照顺序一一对应。
示例性的,根据高通滤波图像中所述目标像素点对应的细节数据的和,以及对应的灰度级,确定所述初始直方图,实际情况也可以是将目标像素点对应的细节数据的和作为横坐标,将对应的灰度级作为纵坐标,则在后续执行S230-S240的操作时,将针对纵坐标的操作修改为针对横坐标的操作,将针对横坐标的操作修改为针对纵坐标的操作,也就是“去除所述初始直方图中横坐标值为零的项,并对所述初始直方图的纵坐标值进行压缩,得到过滤直方图。将所述过滤直方图的横坐标值按照大小顺序进行排列,得到细节直方图”。
S240、将所述过滤直方图的纵坐标值按照大小顺序进行排列,得到细节直方图。
示例性的,对于过滤直方图,横坐标值不变,将纵坐标值按照大小顺序排列,得到细节直方图。排序后的细节直方图能够更加直观地展示纵坐标值的变化情况,便于后续直观快速地根据细节直方图确定第一平台阈值和第二平台阈值。
S250、根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值;其中,所述第一参考阈值和所述第二参考阈值根据所述细节累积直方图的最大统计值确定。
S260、根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图。
S270、根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像。
本申请实施例中,通过根据高通滤波图像中所述目标像素点对应的细节数据的和,以及对应的灰度级,确定所述初始直方图,去除所述初始直方图中纵坐标值为零的项,并对所述初始直方图的横坐标值进行压缩,得到过滤直方图,将所述过滤直方图的纵坐标值按照大小顺序进行排列,得到细节直方图,从而实现对待处理图像中的高频细节信息进行统计,以便于后续根据细节信息确定双平台阈值,提高图像处理方法的场景适用性。
图3为本申请又一实施例提供的图像处理方法的流程图。本申请实施例为对上述实施例的进一步优化,将S120细化为S320,将S140细化为S350-S370.需要说明的时,对S120的细化和S140的细化可以不同时进行,互不影响依赖,可以只对一个步骤进行细化,也可以对S120和S140都细化,在本申请实施例中详细描述的细节详见上述实施例。参见图3,本申请实施例提供的图像处理方法可以包括:
S310、根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图。
S320、将大于所述第一参考阈值,且与所述第一参考阈值的差值最小的细节累积直方图的统计值,作为第一平台阈值;以及,将大于所述第二参考阈值,且与所述第二参考阈值的差值最小的细节累积直方图的统计值,作为第二平台阈值。
示例性的,在细节累积直方图中,如果存在细节累积直方图的统计值大于第一参考阈值,且与第一参考阈值的差值最小,则将细节累积直方图的该统计值作为第一平台阈值,如果存在细节累积直方图的统计值大于第二参考阈值,且与第二参考阈值的差值最小,则将该统计值作为第二平台阈值。
S330、确定在细节累积直方图中所述第一平台阈值对应的第一灰度级,以及所述第二平台阈值对应的第二灰度级。
示例性的,记录在细节累积直方图中第一平台阈值对应的第一灰度级,以及第二平台阈值对应的第二灰度级。如果第一平台阈值小于第二平台阈值,则第一灰度级小于第二灰度级。
S340、根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图。
在本申请实施例中,所述第一平台阈值小于所述第二平台阈值;相应地,根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图,包括:若所述初始直方图的统计值小于所述第一平台阈值,则将所述第一平台阈值替换所述初始直方图的统计值;若所述初始直方图的统计值大于所述第二平台阈值,则将所述第二平台阈值替换所述初始直方图的统计值;若所述初始直方图的统计值大于或等于所述第一平台阈值,且小于或等于所述第二平台阈值,则保留所述初始直方图的统计值。
示例性的,若t>0.5,则第一参考阈值小于第二参考阈值,第一平台阈值小于第二平台阈值,进而第一灰度级小于第二灰度级。再根据第一平台阈值、第二平台阈值以及初始直方图,确定双平台直方图,示例性的,可以根据如下公式确定双平台直方图:
其中,DPHist(g)为双平台直方图的统计值,Hist(g)为初始直方图的统计值,TDown为第一平台阈值,TUp为第二平台阈值,g为灰度级。
S350、根据各灰度级对应双平台累积直方图的统计值,与最大灰度级对应的所述双平台累积直方图的统计值,确定统计值比例。
示例性的,根据双平台累积直方图确定双平台累积直方图,可以根据如下公式确定:
accDPHist(g)=accDPHist(g-1)+DPHist(g)
其中,accDPHist(g)为双平台累积直方图的统计值,DPHist(g)为双平台直方图的统计值。
示例性的,可以根据如下公式确定统计值比例:
其中,P为统计值比例,accDPHist(g)为双平台累积直方图的统计值,accDPHist(m)为最大灰度级对应的双平台累积直方图的统计值,m为双平台累积直方图中的最大灰度级。
S360、根据所述统计值比例与灰度映射范围值的乘积,确定所述灰度映射关系。
示例性的,灰度映射关系可以表示为:
HistB(g)=P*R
其中,HistB(g)为灰度映射关系,R为灰度映射范围值,P为统计值比例。
在本申请实施例中,所述灰度映射范围值的确定过程包括:根据目标图像的预设位宽,确定目标图像的最大灰度级;若所述第一灰度级与所述第二灰度级之差的绝对值小于或等于所述最大灰度级,则所述灰度映射范围值为所述第一灰度级与所述第二灰度级之差的绝对值;若所述第一灰度级与所述第二灰度级之差的绝对值大于所述最大灰度级,则所述灰度映射范围值为最大灰度级。
示例性的,根据如下公式确定灰度映射范围值:
其中,R为灰度映射范围值,rangeDown为第一灰度级,rangeUp为第二灰度级,n为根据目标图像的预设位宽确定的最大灰度级。
S370、基于所述灰度映射关系对所述待处理图像进行处理得到目标图像。示例性的,基于如下公式对待处理图像进行处理:
imgOut(i,j)=HistB(imgIn(i,j)+1)
其中,imgOut(i,j)为目标图像,HistB(imgIn(i,j)+1)为灰度映射关系,imgIn(i,j)为待处理图像的像素点(i,j)对应的灰度级,由于本申请实施例中直方图的灰度级为从1开始统计的,因此,在待处理图像的灰度级基础上加一,从而与直方图中的灰度级对应。
本申请实施例中,通过基于待处理图像的细节信息,确定第一平台阈值和第二平台阈值,进而确定双平台直方图,对待处理图像进行处理,从而提高了对不同场景下待处理图像的处理效果,本申请实施例的图像处理方法对于不同场景下的图像处理具有较好的场景适应性。
图4为本申请一种实施例提供的图像处理装置的结构示意图。该装置可适用于对图像进行处理的情况。典型的,本申请实施例适用于基于双平台直方图对待处理图像进行增强的情况。该装置可以由软件和/或硬件的方式实现,该装置可以集成在电子设备中。参见图4,该装置具体包括:
细节直方图确定模块410,用于根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图;
阈值确定模块420,用于根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值;其中,所述第一参考阈值和所述第二参考阈值根据所述细节累积直方图的最大统计值确定,所述细节累积直方图为所述细节直方图的累积直方图;
双平台直方图确定模块430,用于根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图;
处理模块440,用于根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像;其中,所述双平台累积直方图为所述双平台直方图的累积直方图。
在本申请实施例中,细节直方图确定模块410,包括:
目标像素点确定单元,用于遍历所述待处理图像的像素点,将具有同一灰度级的所述待处理图像的像素点作为目标像素点;
初始直方图确定单元,用于根据高通滤波图像中所述目标像素点对应的细节数据的和,以及对应的灰度级,确定所述初始直方图。
在本申请实施例中,细节直方图确定模块410,包括:
过滤直方图确定单元,用于去除所述初始直方图中纵坐标值为零的项,并对所述初始直方图的横坐标值进行压缩,得到过滤直方图;
排序单元,用于将所述过滤直方图的纵坐标值按照大小顺序进行排列,得到细节直方图。
在本申请实施例中,阈值确定模块420,包括:
第一平台阈值确定单元,用于将大于所述第一参考阈值,且与所述第一参考阈值的差值最小的细节累积直方图的统计值,作为第一平台阈值;以及,
第二平台阈值确定单元,用于将大于所述第二参考阈值,且与所述第二参考阈值的差值最小的细节累积直方图的统计值,作为第二平台阈值;
相应地,所述装置还包括:
灰度级确定单元,用于确定在细节累积直方图中所述第一平台阈值对应的第一灰度级,以及所述第二平台阈值对应的第二灰度级。
在本申请实施例中,所述第一平台阈值小于所述第二平台阈值;
相应地,双平台直方图确定模块430,包括:
第一比较单元,用于若所述初始直方图的统计值小于所述第一平台阈值,则将所述第一平台阈值替换所述初始直方图的统计值;
第二比较单元,用于若所述初始直方图的统计值大于所述第二平台阈值,则将所述第二平台阈值替换所述初始直方图的统计值;
第三比较单元,用于若所述初始直方图的统计值大于或等于所述第一平台阈值,且小于或等于所述第二平台阈值,则保留所述初始直方图的统计值。
在本申请实施例中,处理模块440,包括:
统计比例值确定单元,用于根据各灰度级对应双平台累积直方图的统计值,与最大灰度级对应的所述双平台累积直方图的统计值,确定统计值比例;
灰度映射关系确定单元,用于根据所述统计值比例与灰度映射范围值的乘积,确定所述灰度映射关系。
在本申请实施例中,所述装置还包括:
最大灰度级确定模块,用于根据目标图像的预设位宽,确定目标图像的最大灰度级;
第一范围值确定模块,用于若所述第一灰度级与所述第二灰度级之差的绝对值小于或等于所述最大灰度级,则所述灰度映射范围值为所述第一灰度级与所述第二灰度级之差的绝对值;
第二范围值确定模块,用于若所述第一灰度级与所述第二灰度级之差的绝对值大于所述最大灰度级,则所述灰度映射范围值为最大灰度级。
本申请实施例所提供的图像处理装置可执行本申请任意实施例所提供的图像处理方法,具备执行方法相应的功能模块和有益效果。
图5为本申请一种实施例提供的电子设备的结构示意图。图5示出了适于用来实现本申请实施例的示例性电子设备512的框图。图5显示的电子设备512仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,电子设备512可以包括:一个或多个处理器516;存储器528,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器516执行,使得所述一个或多个处理器516实现本申请实施例所提供的图像处理方法,包括:
根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图;
根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值;其中,所述第一参考阈值和所述第二参考阈值根据所述细节累积直方图的最大统计值确定,所述细节累积直方图为所述细节直方图的累积直方图;
根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图;
根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像;其中,所述双平台累积直方图为所述双平台直方图的累积直方图。
电子设备512的组件可以包括但不限于:一个或者多个处理器或者处理器516,存储器528,连接不同设备组件(包括存储器528和处理器516)的总线518。
总线518表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,处理型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
电子设备512典型地包括多种计算机设备可读存储介质。这些存储介质可以是任何能够被电子设备512访问的可用存储介质,包括易失性和非易失性存储介质,可移动的和不可移动的存储介质。
存储器528可以包括易失性存储器形式的计算机设备可读存储介质,例如随机存取存储器(RAM)530和/或高速缓存存储器532。电子设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机设备存储介质。仅作为举例,存储***534可以用于读写不可移动的、非易失性磁存储介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光存储介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据存储介质接口与总线518相连。存储器528可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540,可以存储在例如存储器528中,这样的程序模块542包括但不限于操作设备、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本申请所描述的实施例中的功能和/或方法。
电子设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信,还可与一个或者多个使得用户能与该电子设备512交互的设备通信,和/或与使得该电子设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且,电子设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器520通过总线518与电子设备512的其它模块通信。应当明白,尽管图5中未示出,可以结合电子设备512使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID设备、磁带驱动器以及数据备份存储设备等。
处理器516通过运行存储在存储器528中的多个程序中其他程序的至少一个,从而执行各种功能应用以及数据处理,例如实现本申请实施例所提供的一种图像处理方法。
本申请一种实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行图像处理方法,包括:
根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图;
根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值;其中,所述第一参考阈值和所述第二参考阈值根据所述细节累积直方图的最大统计值确定,所述细节累积直方图为所述细节直方图的累积直方图;
根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图;
根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像;其中,所述双平台累积直方图为所述双平台直方图的累积直方图。
本申请实施例的计算机存储介质,可以采用一个或多个计算机可读的存储介质的任意组合。计算机可读存储介质可以是计算机可读信号存储介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的设备、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形存储介质,该程序可以被指令执行设备、装置或者器件使用或者与其结合使用。
计算机可读的信号存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号存储介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行设备、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的存储介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图;
根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值;其中,所述第一参考阈值和所述第二参考阈值根据所述细节累积直方图的最大统计值确定,所述细节累积直方图为所述细节直方图的累积直方图;
根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图;
根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像;其中,所述双平台累积直方图为所述双平台直方图的累积直方图。
2.根据权利要求1所述的方法,其特征在于,根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,包括:
遍历所述待处理图像的像素点,将具有同一灰度级的所述待处理图像的像素点作为目标像素点;
根据高通滤波图像中所述目标像素点对应的细节数据的和,以及对应的灰度级,确定所述初始直方图。
3.根据权利要求2所述的方法,其特征在于,根据所述初始直方图确定所述待处理图像的细节直方图,包括:
去除所述初始直方图中纵坐标值为零的项,并对所述初始直方图的横坐标值进行压缩,得到过滤直方图;
将所述过滤直方图的纵坐标值按照大小顺序进行排列,得到细节直方图。
4.根据权利要求1-3中任一项所述的方法,其特征在于,根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值,包括:
将大于所述第一参考阈值,且与所述第一参考阈值的差值最小的细节累积直方图的统计值,作为第一平台阈值;以及,
将大于所述第二参考阈值,且与所述第二参考阈值的差值最小的细节累积直方图的统计值,作为第二平台阈值;
相应地,所述方法还包括:
确定在细节累积直方图中所述第一平台阈值对应的第一灰度级,以及所述第二平台阈值对应的第二灰度级。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述第一平台阈值小于所述第二平台阈值;
相应地,根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图,包括:
若所述初始直方图的统计值小于所述第一平台阈值,则将所述第一平台阈值替换所述初始直方图的统计值;
若所述初始直方图的统计值大于所述第二平台阈值,则将所述第二平台阈值替换所述初始直方图的统计值;
若所述初始直方图的统计值大于或等于所述第一平台阈值,且小于或等于所述第二平台阈值,则保留所述初始直方图的统计值。
6.根据权利要求4所述的方法,其特征在于,根据所述双平台累积直方图确定灰度映射关系,包括:
根据各灰度级对应双平台累积直方图的统计值,与最大灰度级对应的所述双平台累积直方图的统计值,确定统计值比例;
根据所述统计值比例与灰度映射范围值的乘积,确定所述灰度映射关系。
7.根据权利要求6所述的方法,其特征在于,所述灰度映射范围值的确定过程包括:
根据目标图像的预设位宽,确定目标图像的最大灰度级;
若所述第一灰度级与所述第二灰度级之差的绝对值小于或等于所述最大灰度级,则所述灰度映射范围值为所述第一灰度级与所述第二灰度级之差的绝对值;
若所述第一灰度级与所述第二灰度级之差的绝对值大于所述最大灰度级,则所述灰度映射范围值为最大灰度级。
8.一种图像处理装置,其特征在于,所述装置包括:
细节直方图确定模块,用于根据待处理图像的高通滤波图像以及所述待处理图像确定初始直方图,并根据所述初始直方图确定所述待处理图像的细节直方图;
阈值确定模块,用于根据第一参考阈值与所述细节累积直方图的统计值的关系,以及第二参考阈值与所述细节累积直方图的统计值的关系,从所述细节累积直方图的统计值中确定第一平台阈值和第二平台阈值;其中,所述第一参考阈值和所述第二参考阈值根据所述细节累积直方图的最大统计值确定,所述细节累积直方图为所述细节直方图的累积直方图;
双平台直方图确定模块,用于根据所述第一平台阈值、所述第二平台阈值以及所述初始直方图,确定双平台直方图;
处理模块,用于根据所述双平台累积直方图确定灰度映射关系,并基于所述灰度映射关系对所述待处理图像进行处理得到目标图像;其中,所述双平台累积直方图为所述双平台直方图的累积直方图。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的图像处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110590447.9A CN113191990B (zh) | 2021-05-28 | 2021-05-28 | 一种图像处理方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110590447.9A CN113191990B (zh) | 2021-05-28 | 2021-05-28 | 一种图像处理方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113191990A true CN113191990A (zh) | 2021-07-30 |
CN113191990B CN113191990B (zh) | 2023-05-23 |
Family
ID=76985936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110590447.9A Active CN113191990B (zh) | 2021-05-28 | 2021-05-28 | 一种图像处理方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191990B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660997A (zh) * | 2022-11-08 | 2023-01-31 | 杭州微影软件有限公司 | 一种图像数据处理方法、装置及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456224A (zh) * | 2010-10-19 | 2012-05-16 | 高森 | 基于fpga实时数字图像增强方法 |
CN102521813A (zh) * | 2011-11-21 | 2012-06-27 | 华中科技大学 | 基于双平台直方图的红外图像自适应增强方法 |
CN103353349A (zh) * | 2013-06-18 | 2013-10-16 | 南京理工大学 | 红外测温仪自适应三平台直方图均衡***及其方法 |
CN103778900A (zh) * | 2012-10-23 | 2014-05-07 | 浙江大华技术股份有限公司 | 一种图像处理方法及*** |
CN106097286A (zh) * | 2016-06-21 | 2016-11-09 | 浙江大华技术股份有限公司 | 一种图像处理的方法及装置 |
CN107292856A (zh) * | 2017-06-12 | 2017-10-24 | 北京理工大学 | 一种红外焦平面探测器图像增强的方法 |
US20180349724A1 (en) * | 2017-05-31 | 2018-12-06 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for image processing |
CN109377464A (zh) * | 2018-10-08 | 2019-02-22 | 嘉应学院 | 一种红外图像的双平台直方图均衡化方法及其应用*** |
US20190392311A1 (en) * | 2018-06-21 | 2019-12-26 | Deep Force Ltd. | Method for quantizing a histogram of an image, method for training a neural network and neural network training system |
CN111784609A (zh) * | 2020-07-02 | 2020-10-16 | 烟台艾睿光电科技有限公司 | 图像动态范围压缩方法、装置及计算机可读存储介质 |
US20200380651A1 (en) * | 2019-05-28 | 2020-12-03 | Seek Thermal, Inc. | Adaptive gain adjustment for histogram equalization in an imaging system |
CN112348763A (zh) * | 2020-11-09 | 2021-02-09 | 西安宇视信息科技有限公司 | 图像增强方法、装置、电子设备及介质 |
-
2021
- 2021-05-28 CN CN202110590447.9A patent/CN113191990B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456224A (zh) * | 2010-10-19 | 2012-05-16 | 高森 | 基于fpga实时数字图像增强方法 |
CN102521813A (zh) * | 2011-11-21 | 2012-06-27 | 华中科技大学 | 基于双平台直方图的红外图像自适应增强方法 |
CN103778900A (zh) * | 2012-10-23 | 2014-05-07 | 浙江大华技术股份有限公司 | 一种图像处理方法及*** |
CN103353349A (zh) * | 2013-06-18 | 2013-10-16 | 南京理工大学 | 红外测温仪自适应三平台直方图均衡***及其方法 |
CN106097286A (zh) * | 2016-06-21 | 2016-11-09 | 浙江大华技术股份有限公司 | 一种图像处理的方法及装置 |
US20180349724A1 (en) * | 2017-05-31 | 2018-12-06 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for image processing |
CN107292856A (zh) * | 2017-06-12 | 2017-10-24 | 北京理工大学 | 一种红外焦平面探测器图像增强的方法 |
US20190392311A1 (en) * | 2018-06-21 | 2019-12-26 | Deep Force Ltd. | Method for quantizing a histogram of an image, method for training a neural network and neural network training system |
CN109377464A (zh) * | 2018-10-08 | 2019-02-22 | 嘉应学院 | 一种红外图像的双平台直方图均衡化方法及其应用*** |
US20200380651A1 (en) * | 2019-05-28 | 2020-12-03 | Seek Thermal, Inc. | Adaptive gain adjustment for histogram equalization in an imaging system |
CN111784609A (zh) * | 2020-07-02 | 2020-10-16 | 烟台艾睿光电科技有限公司 | 图像动态范围压缩方法、装置及计算机可读存储介质 |
CN112348763A (zh) * | 2020-11-09 | 2021-02-09 | 西安宇视信息科技有限公司 | 图像增强方法、装置、电子设备及介质 |
Non-Patent Citations (2)
Title |
---|
宋岩峰,等: "基于双平台直方图的红外图像增强算法", 红外与激光工程 * |
毛义伟,等: "基于改进型平台直方图的红外均衡化算法", 光学与光电技术 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660997A (zh) * | 2022-11-08 | 2023-01-31 | 杭州微影软件有限公司 | 一种图像数据处理方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113191990B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876733B (zh) | 一种图像增强方法、装置、设备和存储介质 | |
CN109146816B (zh) | 一种图像滤波方法、装置、电子设备和存储介质 | |
CN111950723A (zh) | 神经网络模型训练方法、图像处理方法、装置及终端设备 | |
CN114169381A (zh) | 图像标注方法、装置、终端设备及存储介质 | |
Singh et al. | Contrast enhancement and brightness preservation using global-local image enhancement techniques | |
US10964028B2 (en) | Electronic device and method for segmenting image | |
CN110796624B (zh) | 一种图像生成方法、装置及电子设备 | |
CN111861938B (zh) | 图像去噪方法、装置、电子设备及可读存储介质 | |
CN112348763A (zh) | 图像增强方法、装置、电子设备及介质 | |
WO2022000861A1 (zh) | 图像篡改区域的定位方法、装置及存储介质 | |
CN115293993B (zh) | 一种滤除椒盐噪声的采样方法及*** | |
CN111383178A (zh) | 一种图像增强方法、装置及终端设备 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN113344801A (zh) | 一种应用于燃气计量设施环境下的图像增强方法、***、终端及存储介质 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN113191990B (zh) | 一种图像处理方法、装置、电子设备及介质 | |
CN109800215B (zh) | 一种对标处理的方法、装置、计算机存储介质及终端 | |
CN114943649A (zh) | 图像去模糊方法、装置及计算机可读存储介质 | |
CN110751156A (zh) | 用于表格线大块干扰去除方法、***、设备及介质 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN116403200A (zh) | 基于硬件加速的车牌实时识别*** | |
CN113762027B (zh) | 一种异常行为的识别方法、装置、设备及存储介质 | |
CN113163101B (zh) | 图像曝光调整方法、装置、设备和介质 | |
CN110264488B (zh) | 一种二值图像边缘提取装置 | |
CN113628192A (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |