使用同态分解和小波变换增强真彩图像

在RGB空间中分别对真彩图像的三个通道进行增强能够很好地压缩图像动态范围,但往往会产生色彩偏离。因此,先将真彩图像由RGB空间变换到HSV空间,进行色度、饱和度和亮度分离;然后基于入射-反射模型,对亮度通道进行同态分解和小波变换的图像增强;再根据人类视觉系统光谱感觉特性,调整色饱和度分量的色彩纯度。实验证实,增强后的真彩图像色彩基本无偏差,图像动态范围压缩良好,能够很好地适应人类视觉。该方法对真彩图像的增强优于带色彩恢复的多尺度Retinex方法（msrcr）。     

一种基于色彩保持的低照度图像增强算法

保持色彩不变是彩色图像增强的一个重要问题.针对低照度图像,提出一种快速保持色彩增强方法,采用抛物线函数进行亮度增强,获得亮度增益后,对RGB值进行同比增强,在增强亮度的同时,保持色彩不变.实验表明,本算法运算速度快且增强效果良好.     

PCNN模型在彩色图像增强中的应用

应用灰度图像增强方法对真彩图像进行增强,往往都会产生色彩偏离,影响增强结果和视觉效果。因此基于人眼视觉系统对亮度变化比较敏感,提出在HSV色彩空间,应用PCNN模型进行增强的方法。将真彩图像由RGB空间变换到HSV空间,保持色度H和饱和度S不变,结合入射反射模型,利用脉冲耦合神经网络（PCNN）,对亮度V通道进行增强处理。将HSV空间得到的增强图像变换到RGB空间。实验证实,对一些对比度低、细节不明显的图像应用此方法进行增强,色彩基本无偏差,细节部分明晰,动态范围压缩较好,视觉效果得到了较大的改善。     

结合背景光融合及水下暗通道先验和色彩平衡的#br# 水下图像增强

水下环境、光线衰减和拍摄方式造成水下图像具有不同色调、对比度和模糊度.基于图像成像模型的水下图像复原方法通常基于暗通道先验或最大像素先验,容易受到水下复杂环境的干扰而输出低质量的复原图像,因此文中提出基于背景光融合及水下暗通道先验和色彩平衡的水下图像增强方法.首先,提出多候选背景光融合方法,估计正确的背景光.然后,基于高质量水下图像统计得出水下暗通道先验,计算更准确的RGB分量传输地图.将复原图像从RGB颜色模型转换到CIE-Lab颜色模型,对L亮度分量和a、b色彩分量分别进行归一化拉伸和优化调整,进一步提高复原后水下图像的亮度和对比度.多种定性和定量分析说明文中方法增强的图像在对比度、亮度和颜色上的显示效果优于大部分现有的水下图像增强方法复原的图像.     

Photoshop色彩模式完全手册

在Photoshop中,了解模式的概念是很重要的,因为色彩模式决定显示和打印电子图像的色彩模型(简单说色彩模型是用于表现颜色的一种数学算法),即一副电子图像用什么样的方式在计算机中显示或打印输出。常见的色彩模式包括位图模式、灰度模式、双色调模式、HSB(表示色相、饱和度、亮度)模式、RGB(表示红、绿、蓝)模式、CMYK(表示青、洋红、黄、     

HSI空间亮度信息的多尺度Retinex图像增强研究

彩色图像增强可以提高图像的亮度,增强图像的对比度和细节,同时使得图像颜色更加逼真自然,并且较少失真,在遥感、医学、刑侦、电视与多媒体等许多方面具有良好的应用前景和重要的理论研究意义。提出基于HSI空间亮度信息的多尺度Retinex图像增强算法（HSI_MSR）,算法通过对HSI颜色空间模型的分析,通过增强HSI模型中I分量,将HSI模型转换到RGB模型,得到增强后的彩色图像。通过仿真实验可知HSI_MSR算法可以较好地提高图像的视觉特性,亮度适合人眼观察,细节较为丰富,使得图像颜色更加逼真自然。     

色彩相似性度量的研究与应用

针对定制设计中用户自定义色彩与厂家标准色库的匹配及相似性判断问题,基于RGB,Lab,HLC三种色彩空间,建立色彩相似性度量模型。深入研究了色彩空间与色彩相似性的关系,基于VC++ 开发了色彩相似性判断工具,实现了用户自定义色彩与标准色库的匹配。实验证明,该工具检索出的色彩与原色彩在视觉上相似。     

基于模糊理论的低照度彩色图像增强算法

低照度彩色图像存在整体亮度低、对比度差、颜色偏暗和信噪比低等特点,传统图像增强算法对其增强效果非常有限。提出了一种基于模糊理论的低照度彩色图像增强算法,将三原色(red,green,blue,RGB)图像转换成色相饱和度(HSV)图像,以保证增强处理不引起图像的色彩失真。对亮度图像进行非线性变化,实现动态范围展宽;采用修正后的隶属度函数将图像映射到模糊平面,实现对比度增强。实验结果表明:该算法显著地提高了图像整体亮度和对比度,改善了低照度彩色图像的视觉效果。     

基于小波变换的真彩图像降噪与增强

适用于带噪声彩色图像增强的方法少,而应用灰度图像的增强方法,不仅增强噪声,而且会产生色彩偏离。基于此,提出在HSV色彩空间上的降噪与增强方法。根据人眼视觉系统对亮度的变换敏感性大于色度和饱和度的变换敏感性,以及图像噪声只对亮度和饱和度产生影响,将真彩图像由RGB空间变换到HSV空间,保持色度通道不变,对亮度通道进行小波变换,直接对J尺度下的低频信息进行动态范围的压缩,对各尺度下的高频信息进行基于贝叶斯估计阈值的降噪处理。对饱和度通道,利用得到的降噪公式进行降噪处理,将图像变换到RGB 空间。仿真实验证实,增强后的真彩图像包含噪声少,色彩基本无偏差,图像动态范围压缩良好。     

色彩模式在图像处理中的应用探析

该文介绍了Photoshop图像处理中的三种色彩模式(HSB模式、RGB模式、CMYK模式),简要探讨了三种模式在Photoshop图像处理中的应用,对于印前设计中的溢色问题进行了阐述,为后续的平面设计和印前设计奠定良好的基础。     

基于融合策略的改进Retinex低照度图像增强算法

针对Retinex算法处理低照度彩色图像出现色彩失真,边缘保持性差等问题,提出一种基于融合策略的改进Retinex低照度图像增强算法;该算法首先在YIQ颜色空间提取亮度分量Y,对其进行MSR算法增强;然后采用高斯-拉普拉斯算子对彩色图像的RGB三个分量进行边缘检测,将其叠加合成后转换成灰度图;最后使用小波变换将两幅图像融合得到新的亮度分量,将其与I、Q分量融合后转回RGB颜色空间,从而获得色彩保真度高、细节清晰的图像;实验结果表明,该方法有效提高了图像边缘细节信息,避免了色彩失真,具有很好的视觉效果。     

基于多尺度top-hat变换的自适应彩色图像增强

针对传统彩色图像增强过程中的过度增强及空间变化所引起的信息丢失现象,在RGB空间提出一种基于数学形态学top-hat算法,以各分量标准差权重比例为调控因子的彩色图像增强方法。首先,提取R、G、B通道多尺度下的亮、暗细节特征,然后利用控制因子对有应用价值的细节特征进行增强,最后组合三个分量,得到增强的目标图像。实验结果表明,该方法能有效增强图像对比度,避免过度增强,且能很好地保持亮度,视觉效果良好。     

基于衰减补偿与直方图拉伸的水下图像增强算法

水下物理环境复杂多变,导致获取的水下图像颜色失真、对比度低且细节模糊,影响了水下场景探测的准确性。结合衰减补偿和直方图拉伸技术,提出水下图像增强算法ACHS。根据不同颜色通道的衰减特性,设计基于衰减补偿的颜色校正方法解决水下图像颜色失真问题。将需要颜色校正的水下图像从RGB颜色模型转换到LAB颜色模型,使用引导滤波将亮度通道L分解为基础层和细节层,同时提出基于K-means聚类的双直方图增强算法用于增强基础层的对比度,通过Gamma校正突显细节层的纹理结构。在此基础上,累加亮度通道L的基础层和细节层,并将其从LAB颜色模型转换到RGB颜色模型以获取最终的增强图像。实验结果表明,与GDCP、REBE、WaterNet等算法相比,经该算法增强的水下图像可视度较高,并且具有自然的颜色和清晰的细节。     

基于HIS空间的彩色图象分割

提出了一种基于HIS空间的彩色图象自动分割算法．在这个算法中，彩色图象首先被转化到HIS颜色空间．图像分解成彩色通道(H和S分量)和亮度通道(1分量)．我们对彩色通道采用基于J-图象的自动分割算法进行分割．对亮度通道采用水线阈值算法进行分割，然后将分割后的结果进行组合．得到最终分割结果．试验表明，这种方法计算快速简单．是一种高效的自动算法。     

基于空间培养的植物图像处理方法

光照环境偏暗偏红,光照不均匀等会影响彩色图像的视觉效果。在比较几种现有的处理方法的基础上,提出了一种新的方法,该方法首先减小RGB彩色图像中偏红部分的红色分量值,然后转换到HSV色彩模型中,对亮度分量进行直方图均衡和Retinex 算法处理,最后转换回RGB颜色空间并进行Garmma校正。实验表明：该方法不仅能够减弱红色光源对图像质量的影响而且能够提高图像的亮度,同时也能较好地保留图像的细节。     

基于改进DCP算法的水下机器人视觉增强

对水下机器人的视觉增强问题进行了研究,提出了基于改进暗通道优先（IDCP）的图像增强算法对单目视觉图像进行预处理．首先对水下图像的色偏与雾化等现象进行退化建模,然后通过计算亮暗通道的视差来获取图像的景深信息,以精确估计水体的背景颜色,同时计算得到相应的透射图．在此基础上,采取自适应比例因子选择策略对透射图进行后处理以得到具有更高对比度的图像恢复效果．此外,进一步采用颜色校正方法以去除残余色偏,并提高图像的整体亮度．针对水下多场景的实验结果表明,与常规方法相比,本文的IDCP方法能够在纠正色偏的前提下实现具有更高清晰度和亮度的视觉增强效果．     

基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。