![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
文章平均质量分 67
CV小白进阶路
勤学如春起之苗,不见其增,日有所长。
展开
-
射线图像对比度增强
Contrast Enhancement of Medical Radiography Images Using Edge Preserving Filters(2018会议文章)这是一篇医学射线图像增强的文章,这篇文章的思路如下:1.文章分析了HE、AHE、CLAHE算法在对比度增强上了效果2.然后分析了边缘保持滤波器guide filter3.通过导向滤波将原图分成基层跟细节层4.通过压缩基层增强细节层,增强细节层得到最总输出的图像。5.然后对比了使用最小二乘滤波的效果,最后得出了结原创 2020-12-13 20:24:06 · 353 阅读 · 0 评论 -
线性非锐化掩膜unsharpened mask(matlab)
clc;clear;data=imread('DR_ck_0001.tiff');img = double(data);eps=0.04;log_img = log_trans(img);img_basic = gradient_guidedfilter(log_img, log_img, eps); img_detail = log_img-img_basic;tmp = log(2 + (img_basic./max(img_basic(:))).^0.2345*8);img_basi原创 2020-12-03 10:41:47 · 1010 阅读 · 0 评论 -
单尺度Retinex多尺度Retinex(matlab)
clc;clear;I=imread('DR_ck_0001.tiff'); % Ir=I(:,:,1);%提取红色分量% Ig=I(:,:,2);%提取绿色分量% Ib=I(:,:,3);%提取蓝色分量% I1=SSR(Ir); %自定义单尺度Retinex处理函数% I2=SSR(Ig);% I3=SSR(Ib);% In=cat(3,I1,I2,I3); %cat用于构造多维数组In = SSR(I);t = exp(-10);enhanced = log(原创 2020-12-02 22:34:05 · 3920 阅读 · 2 评论 -
自适应gamma(matlab)
clc;clear;data = imread('DR_ck_0001.tiff');img = double(data);maxx= max(max(img));minn = min(min(img));threshold = graythresh(data);threshold1 = threshold*65535;[m,n]=size(img);lum = sort(reshape(img,[],1));m1=round(sum(lum)/(m*n));bw = imbinariz原创 2020-12-02 22:32:43 · 1680 阅读 · 1 评论 -
python实现guided filter
import numpy as npimport cv2import matplotlib.pyplot as pltdef boxfilter(img, r): (rows, cols) = img.shape imDst = np.zeros_like(img) imCum = np.cumsum(img, 0) imDst[0 : r+1, :] = imCum[r : 2*r+1, :] imDst[r+1 : rows-r, :] = imCum[2原创 2020-12-02 22:30:58 · 2368 阅读 · 0 评论 -
Tone Mapped HDR Images Contrast Enhancement Using Piecewise Linear Perceptual Transformation
分享一篇19年(EUSIPCO)的会议文章。这篇文章是做HDR色调映射和对比度增强的文章,作者提出了一个分段线性感知变换的概念(Piecewise Linear Perceptual Transformation),后面我会通过对文章的解读,然后对这个概念进行解释。解释一下作者设计的算法的流程:1.作者先对输入图片的亮度进行了log变换,定义成了IHDR(这里我想说明一下,如果对于那些像素分布集中于高亮且对比度比较差,背景单一的HDR图像来说log变换不适用,高亮区域被压缩的太严重)2.对IHDR设原创 2020-11-16 11:37:13 · 255 阅读 · 1 评论 -
Tone-Mapping Using Perceptual-Quantizer and Image Histogram
分享一篇在谷歌学术上看到的2020年的一篇色调映射与直方图结合的文章。这篇文章之前17年在TIE上又一篇类似的文章。**《A tone-mapping technique based on histogram using a sensitivity model of the human visual system》**这两篇文章有异曲同工之处(17年的这篇文章代码以及开源),下面就来说说2020的这篇文章。这篇文章引入了一个感知量化(PQ)的概念,文章中作者说PQ跟HVS的工作原理类似,并且比HVS效果原创 2020-11-15 22:02:56 · 550 阅读 · 4 评论 -
Adaptive gamma correction(自适应gamma)
最近一直在研究色调映射算法(TM),对比较传统的gamma校正也做了一些研究,看了几篇结合直方图信息的自适应gamma的文章,觉得比较有趣分享给大家。第一篇《Efficient Contrast Enhancement Using AdaptiveGamma Correction and Cumulative IntensityDistribution》,这是08年的一篇会议文章,这篇文章在13年发表在了TIP上,之后得到了很多人的改进。介绍一下这篇文章的思路,作者根据分布函数设计了一个自适应的gam原创 2020-11-15 15:52:09 · 3948 阅读 · 1 评论 -
BILATERAL HISTOGRAM EQUALIZATION FOR X-RAY IMAGE TONE MAPPING(python)复现
算法的大致思想:a—>b 从原图中将图像深度值分组,根据分组的大小提取出细节特征b—>c 根据权重进行融合c—>d 将融合后的图片进行高斯滤波d—>原创 2020-11-15 15:13:19 · 1999 阅读 · 7 评论 -
直方图均衡化(通俗易懂)
关于直方图均衡化一直想写一篇文章来简单的介绍这个原理。对于给定的一张图像来说,所有像素点的分布可能在某个阈值内非常密集或者稀疏,为了更好的突出图像的对比度信息,我们尝试将像素的分布变得统一,换句话说就是让在同一像素阈值区间内像素点的个数尽量相同。直方图均衡化的理论基础关于概率的分布函数。简单的讲对于连续型随机变量,分布函数等于等于随机变量在某一区间上对概率密度函数的积分。分布函数可以简单理解为累计发生的概率。对于离散型随机变量来说,分布函数就是每个离散点发生概率的累加。在介绍了概率基础之后就来说明一下原创 2020-10-13 22:14:39 · 2703 阅读 · 1 评论 -
Python实现联合双边滤波(joint/cross bilateral filter )
import numpy as npimport mathimport cv2import scipy.signalfrom scipy.interpolate import interpnfrom itertools import chaindef fastbilateralFilter(data, edge, sigmaSpatial, sigmaRange, samplingSpatial, sampingRange): Data1 = list(chain.from_iterab原创 2020-08-05 07:39:37 · 1370 阅读 · 0 评论 -
DR-TM NET射线图像增强网络
最近看到了一篇用深度学习做射线图像增强的文章,这也是我目前看到的唯一的一篇,分享给大家。文章名称是《Detail Restoration and Tone Mapping Networks for X-Ray Security Inspection》作者设计了两个网络来做高动态图像增强,分别是DRnet(细节恢复网络)和TMnet(色调映射网络)。DRnet这部分采用全监督的方式,作者将输入的图片分成基础层跟细节层,对细节层利用全监督进行增强,然后将增强后的细节层于基础层相加,输入到TMnet。TMne原创 2020-11-15 10:31:25 · 632 阅读 · 0 评论 -
Improving histogram-based image contrast enhancement using gray-level information histogram
这篇文章的全名是《Improving histogram-based image contrast enhancement using gray-levelinformationhistogram with application to X-ray images》这也是一篇改进直方图均衡化方法的文章。作者先做了假设并实验证明了梯度高的地方包含着更多的细节信息,梯度低的地方包含着大量的背景信息。根据这个假设作者设计了如下的算法:1.先利用梯度算子计算了图像的梯度,对计算得到的梯度进行排序。2.将梯原创 2020-10-27 22:32:14 · 400 阅读 · 0 评论