井下可变光照条件下的图像预处理方法

介绍了2种基于直方图的图像预处理算法和Gamma校正算法,通过实例比较,证实直方图规定化的总体效果优于直方图均衡化;提出了一种只对图像光照分量进行处理的方法,该方法增强了图像的对比度,且相对于基于全图的图像预处理方法来说保留了更多的细节信息;分别对图像的光照分量进行直方图规定化和Gamma校正处理,处理结果表明,对图像的光照分量层进行直方图规定化处理得到的效果最佳。     

井下可变光照条件下的图像预处理方法

介绍了2种基于直方图的图像预处理算法和Gamma校正算法,通过实例比较,证实直方图规定化的总体效果优于直方图均衡化;提出了一种只对图像光照分量进行处理的方法,该方法增强了图像的对比度,且相对于基于全图的图像预处理方法来说保留了更多的细节信息;分别对图像的光照分量进行直方图规定化和Gamma校正处理,处理结果表明,对图像的光照分量层进行直方图规定化处理得到的效果最佳。     

基于等价二元子图分割的直方图均衡化的彩色图像处理

直方图均衡化进行图像增强处理是最简单且有效的方法,能得到对比度和清晰度更好的结果图像,但当原始图像过暗或过亮,此方法得到的效果就会使图像的某些细节消失或产生一些噪声,使图像过度地被增强。提出了一种等价二元子图分割的直方图均衡化的彩色图像处理算法,可以得到比直方图均衡化处理更好的结果图像。     

基于共生矩阵的彩色图像增强算法

针对传统的直方图均衡化会使图像过分增强,产生不自然的现象,提出一种利用二维共生矩阵的彩色图像增强算法。首先,利用相邻3×3像素之间的相关性来构造共生矩阵;然后,对彩色图像中的亮度分量进行共生直方图均衡;最后,将增强后的图像进行暗原色处理得到比较理想的图像。从所提增强算法与其他3种典型的增强算法的比较可看出:所提算法不仅考虑了图像的全局与局部信息,而且降低了直方图峰值和光环效应,提高了图像对比度,有较好的增强效果。     

基于CLAHE与同态滤波的细胞图像增强新方法

针对角膜内皮细胞图像由于非均匀光照造成的明暗不均问题,提出一种基于限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)与同态滤波进行组合的角膜内皮细胞图像增强新方法。CLAHE方法提高了图像的局部对比度,不损伤图像细节,同时避免图像噪声随图像对比度增大而放大。同态滤波方法增强图像暗部细节,提升图像的分辨率。实验结果表明本文方法对角膜内皮细胞图像的分辨率和对比度增强有显著的效果。     

煤矿监控图像增强算法的分析与实现

针对煤矿井下粉尘多、光照差的恶劣环境使得矿井监控图像偏暗、对比度低、视觉效果差的特点,提出了一种基于小波变换和模糊理论的图像增强算法。该算法选择小波变换为工具分解图像,应用新的模糊隶属度和增强算子对高频信息进行模糊处理,利用直方图均衡化对低频信息进行处理,最后对图像进行重构。处理结果较好地增强了图像细节信息,从整体上改善了图像效果。     

暗通道先验的大坝水下裂缝图像增强算法

目的 大坝水下裂缝图像存在非均匀亮度、低信噪比、低对比度等复杂情况,导致裂缝特征提取极为困难,本文提出一种改进暗通道先验的大坝水下裂缝图像自适应增强算法。方法 首先对非均匀光照图像进行全局匀光处理和噪声抑制处理,在保护纹理信息的同时消除亮度分布不均的问题;其次改进暗通道先验理论,结合导向滤波方法,精确估算去噪恢复图像;然后对去噪恢复图像进行基于概率分布理论3σ原则的自适应分段线性增强;最后对增强图像从均值、方差、峰值信噪比、对比度和信息熵等方面进行整体定量评价。结果 选取了2幅典型的水下光照不均匀大坝裂缝图像作为研究对象,采用本文提出的方法进行图像增强处理。将本文算法的增强效果与直方图均衡化、同态滤波、多尺度视网膜增强算法（MSR）以及带色彩恢复的多尺度视网膜增强算法（MSRCR）的增强效果进行对比分析。为了测试本文方法的鲁棒性,对原图像增加椒盐噪声信号和高斯噪声信号,评估本文算法对包含确定分布噪声的抗干扰能力。本文方法相比以上其它方法,具有最好的增强效果,对2幅原始图像对应增强图像的峰值信噪比（PSNR）分别为42.77和41.49。结论 仿真实验结果表明,本文方法能有效抑制水下图像噪声干扰,增强大坝水下裂缝图像的清晰度。本文方法对不同光照条件下大坝水下裂缝图像增强有很强的自适应性,对水下裂缝图像增强处理有效可行。     

基于模糊聚类分割的累积直方图均衡化算法

通过比较几种图像直方图均衡化的应用范围,提出一种基于模糊聚类分割的累计直方图均衡化的方法。实验结果表明:与传统直方图均衡化算法相比,使用该方法处理后的图像不仅使灰度值分布更加均匀,增强了整体对比度,而且保留了原图像更多的细节信息,很好地达到了图像增强的目的。     

一种改进图像增强化方法

依据直方图均衡化算法实现的基本原理,分析得出经传统直方图均衡化处理后由于传统直方图均衡化算法的自身弊端造成的图像灰度级丢失,致使处理后的图像细节信息的大量损失进而使得处理后的图像边缘模糊。对此本文给出了一种改进的图像增强方法。即先提取原图像中的高频细节,可以在空间域中提取,或者在频域中提取。最后再将预先提取好的细节成分与原图像的直方图均衡化处理后的结果进行叠加。通过实验验证,与传统的直方图均衡化算法相比,本文算法处理后的目标图像可以增强了整体对比度,更可以很大程度的保留了原图像的细节信息。     

基于CLAHE的塑料薄膜图像增强算法研究

图像增强算法作为图像预处理的一个重要环节,其主要目的是实现消除图像随机噪声,改善图像质量。传统的直方图均衡化增强方法实质以减少图像灰度级来换取对比度的加大,造成图像细节部分信息的丢失,影响了识别效果。运用对比度自适应直方图均衡化(CLAHE)算法实现薄膜图像灰度增强,并通过对处理后的图像质量进行客观评价,证明了该算法相对于传统直方图均衡化算法具有明显优势。