图像处理
文章平均质量分 92
yfor
图像处理
展开
-
[论文阅读] 空间熵图像增强算法(Spatial Entropybased Contrast Enhancement in DCT)
从里面看到效果还不错,如下所示,因而详细看了下。首先在网上找到了这篇文章及代码,如下:文章:Spatial Entropy-Based Global and Local Image Contrast Enhancement,。这2篇博客介绍说明的差不多,说的都很详细,但个人觉得没有把这篇算法的本质说清楚,下面说说我对这个算法的理解。原创 2024-02-20 08:50:29 · 1309 阅读 · 0 评论 -
图像处理中的DCT变换
其基本原理就是增强高频信息(与去噪相反),最简单的方法就是对高频信息乘以一个大于1的数。图像去噪是利用噪声在DCT图像中的分布特性(噪声一般为高频信息,DCT变换后频谱的右下角),基本的方法就是去除DCT变换后图像的右下角信息,类似图像压缩。图像压缩是利用人眼对低频信息比较敏感和对高频信息比较不敏感的原理,对DCT变换后的图像,去除部分高频信息,让人眼察觉不到改变,从而实现压缩。目前DCT变换广泛应用于图像处理中,主要是由于其频谱特性决定的,如下图所示,低频主要集中于左上角,高频集中于右下角。原创 2024-01-05 10:22:29 · 2273 阅读 · 1 评论 -
G-channel 实现低光图像增强
原始图像中本来很亮的像素值gh,取反之后变为1-gh,变得很小,处理后会乘以一个很小的小数,使得很亮的像素值gh降低的很多;而原本很暗的像素值gl,取反之后1-gl,变得很大,处理后会乘以一个很大的小数,使得很暗的像素值gl降低的很少。为了简化说明,这里让B=A,同样以G通道进行说明:g2=1-(1-g)×(1-g),这里。从第一步的分析可知,(1-g)可以使图像中亮的像素值降低的更多,然后取反,这样会使得图像中亮的像素增加的更多,暗的像素值增加的很少,图像整体亮度提升。为了方便分析,这里对代码做了调整(原创 2023-08-04 20:01:14 · 318 阅读 · 0 评论 -
[论文阅读] 颜色迁移-Illuminant Aware Gamut-Based
本文目的是提出一种新的颜色迁移算法, 可以感知光源变化的全色域颜色迁移方法原创 2022-12-10 09:36:14 · 909 阅读 · 2 评论 -
[论文阅读] 颜色迁移-梯度保护颜色迁移
人类的视觉系统对局部强度差异比强度本身更敏感, 因而, 保持颜色梯度是场景保真度的必要条件, 因而作者认为: 一个好的颜色迁移算法需要保持颜色梯度.颜色梯度从字面意思理解就是要保持颜色和梯度, 颜色迁移就是要保持源图像中的细节(梯度)和目标图像中的颜色.原创 2022-12-10 09:10:23 · 936 阅读 · 0 评论 -
[论文阅读] 颜色迁移-直方图渐进式颜色迁移
本文算法核心还是直方图匹配, 但本文的新颖性主要体现在不同尺度的直方图渐进式局部重塑原创 2022-12-04 21:12:50 · 833 阅读 · 4 评论 -
[论文阅读] 颜色迁移-颜色空间的选择
文中给出的结论是:1. CIELAB(E) 颜色空间的颜色相关性最低, 主观颜色迁移成功率最高;2. RGB 和 XYZ 颜色空间的颜色相关性很高, 颜色迁移结果不好;3. 具有亮度-颜色的颜色空间, 如 Yxy, Yuv, Yu’v’, HSV, 主观颜色迁移结果不好, 主要原因是迁移之后产生的新的颜色值超出了色域范围, 导致出现伪影;原创 2022-12-04 21:10:35 · 480 阅读 · 1 评论 -
[论文阅读] 颜色迁移-Automated Colour Grading
本文算法分为2个大步骤, 首先使用IDT(Iterative Distribution Transfer)方法得到初步的结果, 这个结果里面可能会将噪声放大了, 因而第二大步是进行后处理, 减少伪影, 保留原图的梯度.原创 2022-12-04 21:07:05 · 531 阅读 · 1 评论 -
[论文阅读] 颜色迁移-Linear Monge-Kantorovitch(MKL)
本文将颜色迁移变成数据分布的转换问题, 因而本文需要解决2个方面的问题, 如何描述图像颜色分布, 二是如何对数据分布进行变换.对于数据分布, 本文使用均值和协方差来对数据分布进行描述, 对于分布变换, 本文使用线性变换进行处理.数据的均值和协方差比较简单, 因而本文的重点在于寻找变换方法. 本文使用的线性变换原创 2022-12-03 20:51:24 · 778 阅读 · 0 评论 -
[论文阅读] 颜色迁移-Correlated Color Space
本文算法比较简单, 其原理是把原始图像本身的空间分布进行归一化, 然后通过旋转平移缩放等变换, 变换到目标图像的空间分布原创 2022-12-03 20:42:20 · 722 阅读 · 1 评论 -
[论文阅读] 颜色迁移-N维pdf迁移
本文将图像看作是随机变量的一组样本, 图像之间的颜色迁移可以看作是样本之间分布的迁移. 因而本文的方法就是寻找样本分布之间的迁移方法原创 2022-11-26 18:38:08 · 793 阅读 · 0 评论 -
[论文阅读] 颜色迁移-EM概率分割的局部颜色迁移
基于局部的图像颜色迁移方法原创 2022-11-16 09:07:17 · 288 阅读 · 1 评论 -
HC(Histogram-based Contrast) 基于直方图对比度的显著性
HC(Histogram-based Contrast) 基于直方图对比度的显著性来源于: 2011, Global contrast based salient region detection, ChengSaliencyCVPR2011.pdf (mmcheng.net)详见作者主页: Global contrast based salient region detection – 程明明个人主页 (mmcheng.net)显著性定义图像中像素的显著性值可以它和图像中其它像素的对比度来定义,原创 2021-10-13 22:52:29 · 968 阅读 · 0 评论 -
关于 CLAHE 的理解及实现
CLAHECLAHE 是一种非常有效的直方图均衡算法, 目前网上已经有很多文章进行了说明, 这里说一下自己的理解.CLAHE是怎么来的直方图均衡是一种简单快速的图像增强方法, 其原理和实现过程以及改进可以查看这里: 一文搞懂直方图均衡_yfor1008-CSDN博客目前存在一些问题:直方图均衡是全局的, 对图像局部区域存在过亮或者过暗时, 效果不是很好;直方图均衡会增强背景噪声, 如下图所示为 CLAHE 中的示例:为了解决上述2个问题, 就有2方面的解决方法: 一是解决全局性问题, 二原创 2021-09-21 08:37:08 · 7450 阅读 · 0 评论 -
一文搞懂直方图均衡
直方图均衡定义根据维基百科上的定义, 直方图均衡(Histogram Equalization)是图像处理领域中利用直方图对对比度进行调整的方法.顾名思义, 直方图均衡是将直方图的分布(概率密度)调整为均匀分布.为什么要做直方图均衡根据信息论, 信息的熵越大, 包含的信息也就越多, 熵的计算公式如下:H=−∑i=0np(xi)log2(p(xi))(1)H=-\sum_{i=0}^{n}p(x_i)log_2(p(x_i)) \tag{1}H=−i=0∑np(xi)log2(p(xi原创 2021-09-12 16:11:18 · 10748 阅读 · 3 评论 -
你知道直方图都能干啥?
你知道直方图都能干啥?简单总结如下, 详见后文:直方图定义维基百科上给出的定义是:在统计学中,直方图(Histogram)是一种对数据分布情况的图形表示, 是一种二维, 它的两个坐标分别是统计样本和该样本对应的某个属性的度量, 以长条图(bar)的形式具体表现. 因为直方图的长度及宽度很适合用来表现数量上的变化, 所以较容易解读差异小的数值.百度上给出的定义是:直方图又称质量分布图, 是一种统计报告图, 由一系列高度不等的纵向条纹或线段表示数据分布的情况. 一般用横轴表示数据类型, 纵轴原创 2021-09-04 22:01:30 · 2366 阅读 · 0 评论