基于直方图均衡化的彩色图像增强

现实生活中经常遇到所照图片清晰度不好,亮度不够,能辨率低,这样就需要将图像进行处理以得到清晰度和亮度更好的图像。文章首先介绍彩色图像和图像增强的定义与方法,以及彩色图像转换为灰度图像的方法,然后对直方图均衡化作出解释,最后通过实验先将彩色图像转换为HSI图像,并对HSI图像中的I分量的灰度图像进行直方图均衡化的处理,再将经过处理后的HSI图像还原成彩色图像,即可得到增强的彩色图像效果图。实现了通过直方图均衡化的处理得到彩色图像的增强。     

基于PCNN和最大灰度熵图像分量的彩色图像分割

为提高彩色图像的分割效果,提出了一种最大灰度熵图像分量和脉冲耦合神经网络(PCNN)相结合的彩色图像分割方法.将彩色图像转换到符合人眼视觉特征的色调饱和度亮度(HSV)颜色空间中,选取灰度熵值最大的分量图像,用PCNN增强以增大感兴趣区域对比度,对增强后的分量图像运用PCNN进行循环分割,当二维Renyi熵值不再大于前一次的值时,终止PCNN的循环分割,获得最佳分割结果.运用多种评价指标对所分割的结果进行评价,评价结果表明:提出的算法能够有效实现对彩色图像的分割,尤其在图像细节方面,比传统的彩色图像分割方法表述得更为清晰.     

彩色图像SUSAN边缘检测方法

传统的彩色图像边缘检测方法主要是基于灰度图像的,先将彩色图像转化为灰度图像,然后用灰度图像边缘检测方法检测边缘。这些方法利用彩色图像的亮度信息进行边缘检测,没有考虑其色度信息。因此部分边缘不能被检测出来。提出了一种基于CIELAB空间的SUSAN彩色图像边缘检测方法。该方法首先将彩色图像从RGB空间转换到CIELAB空间,然后用基于色差的SUSAN算子检测边缘。实验结果表明：此方法能有效地检测出彩色图像的边缘。在保留图像边缘方面,性能优于基于灰度图像的边缘检测方法。     

一种广义直方图及其在彩色图像增强中的应用

提出了一种广义直方图的构造方法并将其用于彩色图像均衡化增强。针对传统直方图均衡化方法实现彩色图像增强并不具有普适性的不足,将传统灰度图像直方图定义进行修改并得到一种广义灰度图像直方图,将其用于彩色图像在HSV空间实现均衡化增强。实验结果表明,所建议的广义直方图均衡化彩色图像增强方法是有效的,且比传统直方图均衡化方法能取得更好的增强效果。     

彩色图像边缘检测算法

本文分析了常用的梯度算法,提出了针对灰度图像和彩色图像的改进思路,并编程实现这些算法。在RGB空间上实现的彩色图像边缘增强算法,可直接用于二值图像和灰度图像。改进后的算法简单易行,能有效地增强图像的边缘,具有较好的实用价值。     

基于二次分割的彩色图像目标自动计数算法

首先把彩色图像转换至HSV彩色空间,利用图像的色相属性进行初次分割,得到初步分割结果,再将初步分割结果图像转换为灰度图像,利用该灰度图像的灰度信息进行二次分割.接下来将二次分割得到的图像转换成二值图像,再对二值图像进行腐蚀,膨胀及孔洞填充操作,分离粘连计数目标,得到适合用于计数的二值图像.最后标记二值图像的连通域,得到计数目标的个数.仿真实验结果表明,基于二次分割的彩色图像目标自动计数算法达到了精确计数的目的.     

一种自适应非线性彩色图像增强技术

在图像处理和模式识别中,经常会遇到图像有过亮或过暗的区域.不仅会使图像的视觉效果不佳.而且会造成图像特征的丢失.提出一种新的自适应非线性彩色图像增强算法.新算法包括五个步骤:将彩色图像转换为灰度图像;利用非线性函数对图像增强;利用高斯核函数与图像进行卷积得到图像的邻域信息;根据邻域信息对图像进行自适应增强;图像色彩还原.最后,利用了基于SNoW的人脸定位器对算法的效果进行了验证.实验表明这种图像增强技术能够提高人脸定位器的准确率.     

一种改进的彩色图像快速去色算法

提出一种新的融合色彩变化信息的快速彩色图像去色算法.针对彩色图像像素多、维数低、颜色分量非线性关联的特点,提出基于核方法的快速降维,利用核函数来表征灰度分量和颜色分量之间的非线性关系,得到反映色彩变化信息的灰度增强值;采用基于分位数统计的方法对核函数的参数进行估计,对降维后的灰度增强值进行修正,保证最终得到的灰度图像符合人眼的视觉特性.实验结果表明,用该算法得到的灰度图像很好地融合了原彩色图像中灰度分量和颜色分量的对比度信息,且算法的执行效率高.     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上,对其进行改进。充分利用了彩色图像的颜色信息,将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子,同时采用滤波来抑制噪声以及非极大值抑制来细化边缘,算法简单易于实现。实验结果表明,算法能有效地提取出彩色图像的边缘信息。     

基于对比度增强的彩色图像边缘检测算法

在分析彩色图像边缘的灰度化和漏检问题的基础上,设计了分解基于分量相关的颜色模型的彩色图像得到的颜色分量进行颜色对比度增强的算法。提出了以该算法为基础的彩色图像边缘检测的改进方法,即对增强后的各分量应用梯度算子检测其分量边缘,最后合成为彩色图像边缘。实验结果表明,文中提出的改进方法,能够检测出图像的彩色边缘,具有检测出的图像边缘细节较完整的优点;又由于该方法是基于像素点处理的检测方法,故不必进行颜色模型的转换,具有方法简单、算法复杂度低的优点。     

改进的自动颜色均衡化图像对比度增强

提出了一种改进的自动颜色均衡化方法,用于灰度和彩色图像对比度的增强。通过考虑图像中颜色或灰度的空间分布,首先对图像进行了局部自适应滤波,其中使用了改进的相对亮度表观函数。而后对图像进行动态范围调整以得到最终结果。在对彩色图像处理时,通过将图像从RGB空间转至HSV空间,仅对亮度通道进行滤波以保持颜色不失真。实验结果表明,方法可有效增强图像的对比度,且不会引入明显噪声。     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上，对其进行改进。充分利用了彩色图像的颜色信息，将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子．同时采用滤波来抑制噪声以及非极大值抑制来细化边缘，算法简单易于实现。实验结果表明，算法能有效地提取出彩色图像的边缘信息。     

彩色图像多尺度融合灰度化算法

为了使彩色图像灰度化后能够保留更多的原始特征,提出了一种新的基于多尺度图像融合的灰度化算法。将彩色图像分解为R、G、B三个通道图像,采用基于高斯-拉普拉斯金字塔的多尺度图像融合模型进行灰度化,并引入梯度域导向图像滤波（Gradient Domain Guided Image Filter,GGIF）来消除多尺度融合可能产生的伪影。将灰度化问题转换为保持三个通道单色图像特征的多尺度融合问题。实验结果表明,与其他灰度化算法相比,所提算法对边缘信息敏感,并能够在较亮或较暗区域检测出更多的图像细节特征。     

基于高斯混合模型的色彩转换

在将彩色图像转变为黑白图像的应用中,传统的彩色一灰度转换方法无法有效地传递色彩差异反映的视觉信息,其时间开销太大或者需要人工交互,因此目前并没有得到实际推广应用.为了解决这些问题,提出一种基于多元高斯混合模型(GMM)的彩色一灰度转换算法.该算法从人眼对彩色图像的感知机制出发,把对彩色图像中的视觉信息提取过程视为多维数据的分类问题,首先通过重采样抽取训练数据点集,然后引入GMM对彩色图像中的像素分布进行建模,通过一个改进的Gibbs采样彩色图像建模算法取得模型参数,并实现高斯混合元数目的自动确定;最终实现彩色一灰度转换操作.实验证明,该算法能够较快地完成彩色一灰度的自动转换.并有效地保留了彩色图像中由色彩传递的视觉信息.     

场论与自适应彩色图像边缘检测

传统彩色图像灰度化边缘检测方法大都将彩色像素的R、G、B三分量分别乘以固定系数,从而将彩色图像转换为灰度图像,然后利用处理灰度图像的系列检测方法进行后续处理.仅从数学上分析,彩色图像可认为是彩色像素矢量平面,灰度化处理步骤实际上可理解为固定投影方向彩色像素矢量场通量的求解,根据通量场上的通量密度分布信息则可进行边缘提取.提出基于彩色图像矢量平面自适应投影矢量的检测算法,根据不同图像本身的像素值分布,寻找使得通量场中梯度场的散度在图像平面上积分达到最大的投影方向,并根据该自适应的投影方向对原始图像进行灰度化处理.该方法旨在追求获取最为全面的彩色图像边缘成分,而不偏向局部细节信息的强化或者弱化.实验表明,彩色图像RGB三分量之间存在较强的相关性和互补特性,而采用该算法,利用任意两种彩色分量就能够达到同时使用三种彩色分量的边缘检测效果.通过自然图像的实际测试,能够证明算法的合理性,以及相对于传统灰度化方法的优越性.     

基于图像分割和加权Fisher判据的彩色IC图像降维

在处理彩色集成电路(IC)图像的过程中,为了降低计算的复杂度,经常需要将彩色图像转换成灰度图像后再进行处理。本文将数据降维中优化判据的思想引入彩色图像到灰度图像的转换中。为了求得最优降维方向,必须寻找一个判据来衡量各个降维方向上形成的灰度图像的质量。文中采用加权的Fisher判据来衡量图像的质量。在将图像分割成区域后,判据中的类间距离反映了区域之间的对比度,类内距离反映了区域内部之间的均匀性,权重反映了区域之间的相邻关系。这样将图像降维分成四步,先挑选样本图像,然后用混合高斯模型进行分割,再优化带权重的Fisher判据得到最优降维方向,最后利用最优降维方向将彩色图像转换成灰度图像。在对彩色IC样本图像进行降维的实验中,该方法能得到比其他方法质量更好的灰度图像。     

基于RGB颜色空间的彩色图像分割方法

传统的图像阈值分割算法是将彩色图像转换为灰度图像再进行分割。通过分析RGB颜色空间的特点,本文提出基于RGB颜色空间的阈值分割算法,采用新的判定准则,在颜色空间中以立方体取代原来的四面体,直接对彩色图像进行分割。分析和实验证明,改进的判断准则能够克服由于灰度转换造成颜色信息丢失而引起的误判,在保证原有阈值分割算法快速、简单的前提下,能够对彩色图像进行更为准确的分割。算法适用于目标颜色为黑色的情况,并可以推广到目标颜色为其它颜色的情况。     

竞争选择多彩色图像自适应颜色迁移算法

提出一种基于相似性竞争选择的多彩色图像自适应颜色混合迁移算法。首先将彩色图像的颜色空间转换为l?琢?茁空间,然后利用亮度图像信息熵检索选择与灰度图像内容最匹配的多幅彩色图像作为彩色参照图像;然后利用相似性竞争选择进行局部和整体相结合的自适应采样分析,采用像素点对应原则,选择参考图像中最佳颜色信息迁移到灰度图像中,合成一幅崭新的彩色图像。该方法将自动图像检索技术与颜色迁移相结合,达到充分利用多幅彩色图像中彩色信息的目的。最后给出实验结果表明,该算法相对于经典算法具有更好的颜色迁移效果和更加广泛的适用范围。     

基于模糊域的彩色图像增强

本文提出了一种新的基干模糊域的彩色图像增强方法。先把图像从RGB模型转换为HSV模型,引入了一个新的对比度增强算子——模糊对比度,采用高斯分布函数,在模糊域对V分量进行图像增强,然后再将图像转换回RGB模型。实验证明该方法对干彩色图像的增强能达到令人满意的效果。     

基于扩展的SURF描述符的彩色图像配准技术*

目前大多数图像配准算法都需要先将彩色图像转换为灰度图像再进行图像配准,色彩信息的丢失可能引起图像的误匹配。本文在SURF算法的基础上,提出了构建颜色描述向量扩展SURF描述符,形成ESURF描述符,再进行图像配准的方法。该算法能够充分利用彩色图像的色彩信息,相比大多数算法基于灰度图像的配准方法有更高的鲁棒性,同时继承了SURF算法良好的性能。描述符性能测试和图像配准测试证明：ESURF算法比灰度图像SURF算法在图像尺度变化、旋转、模糊、视角变化、特别是光照变化方面有更高的鲁棒性。