An Integrated Neighborhood Dependent Approach for Nonlinear Enhancement of Color Images

本文介绍了一种基于邻域依赖的非线性色彩图像增强方法,包括灰度转换、动态范围压缩、对比度增强和色彩恢复。通过Python实现过程中,探讨了与MATLAB的不同之处,如卷积操作、数据类型转换和归一化,以及解决这些问题的策略。最终结果显示,Python实现的效果与MATLAB相当。
摘要由CSDN通过智能技术生成

一种基于邻域依赖的彩色图像非线性增强方法

参考
论文名称是An Integrated Neighborhood Dependent Approach for Nonlinear Enhancement of Color Images。
论文内容我就不详细叙述了。论文本身的篇幅很短,建议大家去看一下。而且参考链接里面写的也很明白。

论文的大致内容就是通过灰度图,动态范围压缩,高斯滤波结果,得到修复的灰度图。然后根据灰度图进行色彩恢复。
实现过程:
1.获取灰度图
论文里是按照标准公式得到的灰度图,但是和我知道的不太一样。YUV和RGB的转化公式三个系数只有两个系数一样,我很迷惑啊。这里就直接用自带的了。详细的可以看论文里。

clc
clear
I=im2double(imread('2.png'));
I1=rgb2gray(I);

2.进行动态压缩。这个地方参考的链接里面说他没懂,其实我也不懂。但是我查了一下,我的理解就是把亮度图像表现得范围扩大。动态压缩得到的增强后的灰度图 In
作者的说法是这种变换可以大大提高那些暗像素(区域)的亮度,而亮像素(区域)有较低甚至负的增强。公式(1)中的常数可以根据输入图像的整体强度水平进行调整,以便能够精细地调整亮度增强以获得最佳结果。

% 其中的0.24和0.5都是可以调整的常数
In=(I1.^(0.24)+(
  • 4
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值