一種基于暗通道先驗(yàn)的夜間交通卡口圖像增強(qiáng)方法
【專利摘要】本發(fā)明提供一種基于暗通道先驗(yàn)的夜間交通卡口圖像增強(qiáng)方法，包括以下步驟：輸入夜間卡口圖像，將夜間圖像暗通道進(jìn)行反轉(zhuǎn)，得到反轉(zhuǎn)的夜間卡口圖像；利用反轉(zhuǎn)卡口圖像，獲得暗通道圖像；計(jì)算大氣散射模型中的全球大氣光；根據(jù)全球大氣光，得到透射率圖像；用導(dǎo)向?yàn)V波精細(xì)透射率圖像；對(duì)全球大氣光和精細(xì)后的透射率圖像，基于大氣散射模型，得到增強(qiáng)后的夜間卡口圖像的反轉(zhuǎn)圖像；將反轉(zhuǎn)圖像再次反轉(zhuǎn)，得到最終增強(qiáng)的夜間卡口圖像。
【專利說明】
一種基于暗通道先驗(yàn)的夜間交通卡口圖像増強(qiáng)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種圖像分析技術(shù)，特別是一種基于暗通道先驗(yàn)的夜間交通卡口圖像 增強(qiáng)方法。
【背景技術(shù)】
[0002] 由于夜間自然光線較弱，攝像機(jī)采集到的交通卡口圖像可視性較差，圖像質(zhì)量退 化，尤其是車窗區(qū)域的信息丟失嚴(yán)重。因此有效、便捷的豐富、突出夜間圖像的前車窗細(xì)節(jié) 信息，可滿足智能交通系統(tǒng)的某些特殊需求。
[0003] 圖像增強(qiáng)技術(shù)是針對(duì)特定場(chǎng)景，利用一種或多種方法，有針對(duì)性的強(qiáng)化圖像局部 或整體區(qū)域，使得原本不清晰的目標(biāo)區(qū)域變得清晰，抑制非目標(biāo)區(qū)域的圖像，同時(shí)加大目標(biāo) 區(qū)域中不同物體間的差異性，使最終的圖像符合人眼觀察效果。夜間交通卡口圖像是指由 卡口攝像機(jī)在夜間光照強(qiáng)度低，環(huán)境光微弱的情況下所拍攝的圖像，該類圖像常具有如下 特點(diǎn):灰度范圍窄，灰度變化較小且相鄰像素間具有較高的空間關(guān)聯(lián)性，故圖像中細(xì)節(jié)信息 不明顯，對(duì)比度差，信噪比低。針對(duì)夜間圖像的特點(diǎn)，學(xué)者們提出許多增強(qiáng)算法，通常可分為 傳統(tǒng)的圖像增強(qiáng)方法、基于物理模型的方法和基于Retinex模型的圖像增強(qiáng)方法。傳統(tǒng)的圖 像增強(qiáng)方法可分為灰度變化法和直方圖均衡化法，這兩種方法在處理灰度圖像上具有較好 的效果，然而對(duì)于彩色圖像，若直接將其三個(gè)通道分別處理后再合成彩色圖像，則將導(dǎo)致顏 色失真?；赗etinex模型的圖像增強(qiáng)算法目前有了較多的變型，但其核心仍是通過某種機(jī) 制實(shí)現(xiàn)當(dāng)前點(diǎn)與鄰域中其他點(diǎn)的比較，估計(jì)出光照模型，從而對(duì)反射率圖像分解，達(dá)到增強(qiáng) 的目的，然而該增強(qiáng)方法很難兼顧增強(qiáng)邊緣和消除"光暈偽影"的問題。
[0004] 基于物理模型的圖像增強(qiáng)方法是指利用已有的大氣散射模型，實(shí)現(xiàn)對(duì)降質(zhì)圖像物 理實(shí)現(xiàn)過程的建模，并試圖針對(duì)性的對(duì)引起圖像降質(zhì)的因素進(jìn)行恰當(dāng)?shù)难a(bǔ)償，以求恢復(fù)降 質(zhì)圖像的原始面貌。此類方法本質(zhì)是利用大氣散射模型或其變形，根據(jù)假設(shè)條件反求場(chǎng)景 的透射率和全球大氣光，達(dá)到增強(qiáng)圖像的目的。最初提出的基于物理模型的方法中，被較多 關(guān)注的是基于多幅圖像的增強(qiáng)方法，比如利用同一場(chǎng)景在不同光照或不同偏振下的多幅圖 像來實(shí)現(xiàn)圖像的增強(qiáng)。然而此類方法需要特定的采集硬件和嚴(yán)格的采集條件，故而普適性 較差。目前，基于單幅圖像的暗通道先驗(yàn)算法因思想簡(jiǎn)單，效果顯著成為研究的熱點(diǎn)，但該 方法所依賴的暗通道先驗(yàn)理論有限制條件，對(duì)不符合限制條件的圖像則增強(qiáng)效果有限。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于暗通道先驗(yàn)的夜間交通卡口圖像增強(qiáng)方法，本發(fā) 明基于暗通道先驗(yàn)的去霧算法應(yīng)用于夜間交通卡口圖像的增強(qiáng)，并根據(jù)夜間交通圖像的特 點(diǎn)，針對(duì)性的對(duì)物理模型中參數(shù)的獲取方式進(jìn)行了改進(jìn)。該方法包括以下步驟：
[0006] 步驟1，輸入夜間卡口圖像，將夜間圖像暗通道進(jìn)行反轉(zhuǎn)，得到反轉(zhuǎn)的夜間卡口圖 像；
[0007] 步驟2,利用反轉(zhuǎn)卡口圖像，獲得暗通道圖像；
[0008]步驟3，計(jì)算大氣散射模型中的全球大氣光；
[0009 ]步驟4，根據(jù)全球大氣光，得到透射率圖像；
[0010] 步驟5,用導(dǎo)向?yàn)V波精細(xì)透射率圖像；
[0011] 步驟6,對(duì)全球大氣光和精細(xì)后的透射率圖像，基于大氣散射模型，得到增強(qiáng)后的 夜間卡口圖像的反轉(zhuǎn)圖像；
[0012] 步驟7,將反轉(zhuǎn)圖像再次反轉(zhuǎn)，得到最終增強(qiáng)的夜間卡口圖像。
[0013] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：（1)本發(fā)明對(duì)夜間卡口圖像進(jìn)行增強(qiáng)，可 有效提升夜間圖像的細(xì)節(jié)信息，為其他部位的檢測(cè)，例如車型識(shí)別、安全帶檢測(cè)、違規(guī)駕駛 情況等的檢測(cè)提供幫助；（2)本發(fā)明根據(jù)夜間卡口圖像的反轉(zhuǎn)圖像與含霧圖像在亮度分布 趨勢(shì)上相似的關(guān)聯(lián)性，利用大氣散射模型和暗通道先驗(yàn)的理論，將基于暗通道先驗(yàn)的去霧 算法應(yīng)用到夜間卡口圖像增強(qiáng)上，并針對(duì)夜間卡口圖像的特點(diǎn)，針對(duì)性的改進(jìn)了全球大氣 光的獲取方式，同時(shí)對(duì)透射率圖像的下采樣，提升了計(jì)算速度；（3)本發(fā)明對(duì)夜間卡口圖像 的增強(qiáng)具有較好的效果，尤其是車窗區(qū)域細(xì)節(jié)信息的增強(qiáng)。
[0014] 下面結(jié)合說明書附圖對(duì)本發(fā)明做進(jìn)一步描述。
【附圖說明】
[0015] 圖1是基于暗通道先驗(yàn)的夜間交通卡口圖像增強(qiáng)方法流程圖。
[0016] 圖2是夜間卡口圖像增強(qiáng)過程各個(gè)階段的效果圖，其中圖(a)為原圖，圖（b)為反轉(zhuǎn) 圖像圖，圖（c)為暗通道圖像，圖（d)為透射率圖像，圖（e)為精細(xì)透射率圖像，圖（f)為增強(qiáng) 圖像，圖（g)為反轉(zhuǎn)后的增強(qiáng)圖像。
[0017] 圖3是不同的方法獲得的全球大氣光值示意圖。
[0018] 圖4是增強(qiáng)前后的對(duì)比圖，其中圖（a)為大型車增強(qiáng)前后對(duì)比圖，圖（b)為小型車增 強(qiáng)前后對(duì)比圖。
[0019] 圖5是不同增強(qiáng)算法間的對(duì)比圖，其中圖（a)(b)(c)(d)(e)為卡車示意圖，（a)為原 圖，圖(b) (c) (d) (e)分別為ACE效果圖、CLAHE效果圖、暗通道先驗(yàn)的效果圖、本發(fā)明效果圖； 其中圖(A)(B)(C)(D)(E)為轎車示意圖，圖(A)(B)(C)(D)(E)分別為ACE效果圖、CLAHE效果 圖、暗通道先驗(yàn)的效果圖、本發(fā)明效果圖。
【具體實(shí)施方式】
[0020] 本方法的理論基礎(chǔ)為:將夜間交通卡口圖像按R、G、B通道取反后得到的反轉(zhuǎn)圖像， 其亮度直方圖與白天有霧圖像的亮度直方圖分布趨勢(shì)相似?；谶@一理論，本發(fā)明將基于 暗通道先驗(yàn)的去霧算法應(yīng)用于夜間交通卡口圖像的增強(qiáng)，并根據(jù)夜間交通圖像的特點(diǎn)，針 對(duì)性的對(duì)物理模型中參數(shù)的獲取方式進(jìn)行了改進(jìn)。
[0021] 結(jié)合圖1，本發(fā)明包括以下步驟：
[0022] 步驟1，輸入夜間卡口圖像，將夜間圖像暗通道進(jìn)行反轉(zhuǎn)，得到反轉(zhuǎn)的夜間卡口圖 像；
[0023] 步驟2,利用反轉(zhuǎn)卡口圖像，獲得暗通道圖像；
[0024] 步驟3，計(jì)算大氣散射模型中的一個(gè)參數(shù)，即全球大氣光；
[0025] 步驟4,根據(jù)步驟3獲得的參數(shù)，得到透射率圖像；
[0026] 步驟5，用導(dǎo)向?yàn)V波來精細(xì)步驟4獲得的透射率圖像；
[0027] 步驟6,根據(jù)步驟3和步驟5獲得的參數(shù)，利用大氣散射模型，得到增強(qiáng)后的夜間卡 口圖像的反轉(zhuǎn)圖像；
[0028] 步驟7,將反轉(zhuǎn)圖像再次反轉(zhuǎn)，得到最終增強(qiáng)的夜間卡口圖像；
[0029] 上述方法中，所述的步驟1包括以下具體步驟：
[0030] 步驟1 ? 1，輸入原始的夜間卡口圖像I;
[0031] 步驟1.2,用公式（1.1)分別對(duì)輸入的原始圖像的R、G、B通道進(jìn)行操作，得到反轉(zhuǎn)的 夜間卡口圖像Iirw;
[0032] Il(x)^255-r(x) (\.\)
[0033] 其中，c代表的是R、G、B通道。
[0034]上述方法中，所述的步驟2包括以下具體步驟：
[0035]步驟2.1，將步驟1中所得的圖像Iinv變成double類型，并對(duì)該矩陣點(diǎn)除255,得到圖 像 I invd ;
[0036] 步驟2.2，創(chuàng)建一個(gè)新的全零矩陣，用以存儲(chǔ)暗通道圖像Idark，其為二值圖像，大小 與I invd相同，僅一個(gè)通道；
[0037] 步驟2.3,用公式(1.2)對(duì)圖像Iinvd進(jìn)行操作，將結(jié)果存儲(chǔ)在暗通道圖像Idark中；
[0038] min^/rmin (/； 、1，2)
[0039] 其中，表示圖像Iirwd中RGB通道中的一個(gè)通道，Q (x，y)是以（x，y)為中心，邊長(zhǎng) 為9的正方形區(qū)域。
[0040] 上述方法中，所述的步驟3包括以下具體步驟：
[0041 ]步驟3.1，計(jì)算Idark的大小，行數(shù)用h表示，列數(shù)用W表示；
[0042] 步驟3.2,截取Idark的一部分，存儲(chǔ)為圖像Isec，Isec的行從h-50到h，列為W;
[0043] 步驟3.3,計(jì)算圖像的最大值，確定最大值在圖像Isec中的位置，將這些位置記 錄在變量L0C中；
[0044]步驟3.4,在圖像Iinvd中找到步驟33)中獲得的像素點(diǎn)的位置，按公式（1.3)的方式 獲取這些像素點(diǎn)中RGB三個(gè)通道的最大值作為全球大氣光值，記為變量A;
[0045] ^ (/：>))) U.3)
[0046] 其中，c表示RGB通道中的一個(gè)通道，x屬于L0C，表示L0C在圖像I invd中對(duì)應(yīng)像素點(diǎn) 的位置；
[0047] 上述方法中，所述的步驟4包括以下具體步驟：
[0048] 步驟4.1，將圖像Iinvd縮小為原來的一半，即行為1/2#1，列為1/2*W，記為Iirwdh;
[0049] 步驟4.2，用公式(1.4)對(duì)111"(111進(jìn)行操作，得到透射率圖像1'(3;
(1.4)
[0051]其中，co是一個(gè)常數(shù)，表征去霧效果的強(qiáng)弱，值越大，理論去霧效果越強(qiáng)。
[0052]上述方法中，所述的步驟5包括以下具體步驟：
[0053]步驟5.1，將步驟2.1所得的圖像Iinvd灰度化，并縮小為原來的一半，記為GI;
[0054]步驟5.2,令GI為導(dǎo)向圖像，Tc是濾波輸入圖像，設(shè)定局部窗口的半徑為r，正則化 參數(shù)為eps，使用導(dǎo)向?yàn)V波函數(shù)進(jìn)行濾波，得到精細(xì)的透射率圖像T;
[0055]步驟5.3，用雙線性差值的方法，將步驟52)所得的透射率圖像T放大兩倍，得到TD; [0056]步驟5.4,設(shè)定一個(gè)最小閾值to,使得TD中低于to的值全部置換為to,最終得到的矩 陣即為透射率圖像TI;
[0057]上述方法中，所述的步驟5.2包括以下具體步驟：
[0058]步驟5.2.1，用半徑為r的全1正方形模板th對(duì)導(dǎo)向圖像GI，濾波輸入圖像Tc做均值 濾波，分別記為meam，meanp;
[0059] 步驟5.2.2，將GI分別與GI、Tc做點(diǎn)乘運(yùn)算，得到變量corn，corrIp;
[0060] 步驟5 ? 2 ? 3，根據(jù)步驟5 ? 2 ? 1和5 ? 2 ? 2得到的變量，按公式（1 ? 5)獲取變量van，C〇VIp var. = coir, - mean, * mean,
[0061 ] ^ C 1.5) com lp corrlp - mean! .f meanp
[0062] 步驟5.2.4,按公式（1.6)得到矩陣a，b;
li 6)
[0064] 步驟5 ? 2 ? 5，用步驟5 ? 2 ? 1的模板th對(duì)矩陣a，b做均值濾波，得到meana，meanb;
[0065] 步驟5.2.6，將GI和步驟5.2.5中的參數(shù)代入公式（1.7)，得到精細(xì)后的透射率圖像 T；
[0066] T=meana*GI+meanb (1.7)
[0067] 上述方法中，所述的步驟6包括以下具體步驟：
[0068] 步驟6.1，將步驟3和步驟5的參數(shù)A和T代入公式(1.8)，得到增強(qiáng)后的圖像J;
(1.8)
[0070]上述方法中，所述的步驟7包括以下具體步驟：
[0071]步驟7.1，將矩陣J乘以255，轉(zhuǎn)化為整形矩陣J1;
[0072] 步驟7.2,對(duì)J1再利用公式(1.1)進(jìn)行反轉(zhuǎn)，得到最終增強(qiáng)后的圖像EH.
[0073] 為驗(yàn)證本發(fā)明的有效性，從主觀和客觀給出了對(duì)比效果。圖3是隨機(jī)選取8幅圖像， 對(duì)比了原有方法計(jì)算得到的全球大氣光值和本發(fā)明中全球大氣光的值。由圖3可知，本發(fā)明 獲得的值對(duì)于該類夜間圖像更具有針對(duì)性，而原有的基于暗通道的去霧算法獲得的值缺乏 針對(duì)性。
[0074] 圖4是從主觀方面對(duì)比增強(qiáng)前后的夜間卡口圖像。圖4(a)給出了大型車增強(qiáng)前后 的對(duì)比圖，左側(cè)是增強(qiáng)前的圖像，右側(cè)是增強(qiáng)后的圖像，圖4(b)給出了小型車的增強(qiáng)前后對(duì) 比圖。
[0075] 圖5給出了兩組本發(fā)明與相關(guān)的圖像增強(qiáng)方法的對(duì)比效果圖。圖（b)到（e)所使用 的方法分別是自動(dòng)顏色均衡化(Automatic Color Equalization，ACE)、限制對(duì)比度直方圖 均衡化（Contrast Limited Adaptive histogram equalization，CLAHE)，暗通道先驗(yàn)去霧 算法和本發(fā)明對(duì)夜間交通圖像增強(qiáng)的效果。從圖像上來看，ACE方法車牌區(qū)域的增強(qiáng)效果最 好，然而車窗內(nèi)細(xì)節(jié)不清晰，第一組中安全帶灰暗不清，第二組中粘貼標(biāo)志粘連，臉部細(xì)節(jié) 模糊;CLAHE方法對(duì)整體的亮度提升具有一定的效果，然而第一組中燈光極為微弱的情況 下，車牌模糊，第二組中對(duì)車牌區(qū)域增強(qiáng)過度且車窗區(qū)域內(nèi)顏色過暗，衣服的顏色過于模 糊;基于暗通道先驗(yàn)的方法雖然亮度提升有限且存在噪聲，但車窗區(qū)域比前兩種方法已有 一定的提升，立體感增強(qiáng)，安全帶以及人臉細(xì)節(jié)較為突出；而本章的方法在亮度和對(duì)比度方 面有了較大的提升，圖像較為平滑，細(xì)節(jié)突出，能清楚看清司機(jī)的安全帶以及乘客衣服的顏 色，同時(shí)本章的方法在圖像的立體效果方面，更加具有層次性，符合視覺觀察效果。
[0076] 表1和2給出了這兩組實(shí)驗(yàn)的客觀評(píng)價(jià)，從表格可以看出，本發(fā)明對(duì)圖像的對(duì)比度 (Contrast)和信息熵（Information Entropy)較其他方法有了提升。
[0077] 主觀和客觀兩個(gè)方面都有力的表明：針對(duì)夜間交通卡口圖像，本發(fā)明較其他夜間 增強(qiáng)方法而言，具有較好的效果，尤其是車窗區(qū)域的細(xì)節(jié)。
[0078] 表1不同方法的對(duì)比（第一組）
[0081]表2不同方法的對(duì)比（第二組）
【主權(quán)項(xiàng)】
1. 一種基于暗通道先驗(yàn)的夜間交通卡口圖像增強(qiáng)方法，其特征在于，包括以下步驟： 步驟1，輸入夜間卡口圖像，將夜間圖像暗通道進(jìn)行反轉(zhuǎn)，得到反轉(zhuǎn)的夜間卡口圖像； 步驟2，利用反轉(zhuǎn)卡口圖像，獲得暗通道圖像； 步驟3，計(jì)算大氣散射模型中的全球大氣光； 步驟4，根據(jù)全球大氣光，得到透射率圖像； 步驟5，用導(dǎo)向?yàn)V波精細(xì)透射率圖像； 步驟6,對(duì)全球大氣光和精細(xì)后的透射率圖像，基于大氣散射模型，得到增強(qiáng)后的夜間 卡口圖像的反轉(zhuǎn)圖像； 步驟7,將反轉(zhuǎn)圖像再次反轉(zhuǎn)，得到最終增強(qiáng)的夜間卡口圖像。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟1的具體過程為： 步驟1.1，輸入原始的夜間卡口圖像I; 步驟1.2,用公式（1.1)分別對(duì)輸入的原始圖像的R、G、B通道進(jìn)行操作，得到反轉(zhuǎn)的夜間 卡口圖像Iirw C U) = 255-/Xy) UD 其中，c代表R、G、B通道。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟2的具體過程為： 步驟2.1，將夜間卡口圖像Iinv變成double類型，并對(duì)該矩陣點(diǎn)除255,得到圖像Iinvd; 步驟2.2，創(chuàng)建一個(gè)新的全零矩陣，用以存儲(chǔ)暗通道圖像Idark，其為二值圖像，大小與 Iirwd相同； 步驟2.3，用公式(1.2)對(duì)圖像Iinvd進(jìn)行操作，將結(jié)果存儲(chǔ)在暗通道圖像Idark中其中，C,.,表示圖像I_d中R、G、B通道中的一個(gè)通道，Ω(χ，3〇是以（x，y)為中心邊長(zhǎng)為9 的正方形區(qū)域。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟3的具體過程為： 步驟3.1，計(jì)算暗通道圖像Idark的大小，行數(shù)用h表示，列數(shù)用w表示； 步驟3.2，截取Idark的一部分，存儲(chǔ)為圖像的行從h-50到h，列為w; 步驟3.3,計(jì)算圖像Isec的最大值，確定最大值在圖像Ise沖的位置，將這些位置記錄在 變量LOC中； 步驟3.4，在圖像I invd中找到步驟3.3中獲得的像素點(diǎn)的位置，按公式（1.3)的方式獲取 這些像素點(diǎn)中RGB三個(gè)通道的最大值作為全球大氣光值，記為變量A其中，c表示R、G、B通道中的一個(gè)通道，X屬于LOC，表示LOC在圖像I invd中對(duì)應(yīng)像素點(diǎn)的位 置。5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟4的具體過程為： 步驟4.1，將圖像Iirwd縮小為原來的一半，記為Iinvdh; 步驟4.2，用公式(1.4)對(duì)Iinvdh進(jìn)行操作，得到透射率圖像Tc;其中，ω是一個(gè)常數(shù)，表征去霧效果的強(qiáng)弱，值越大，去霧效果越強(qiáng)。6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟5的具體過程為： 步驟5.1，將步驟2.1所得的圖像Iirwd灰度化，并縮小為原來的一半，記為GI; 步驟5.2,令GI為導(dǎo)向圖像，透射率圖像Tc為濾波輸入圖像，設(shè)定局部窗口的半徑為r = 100，正則化參數(shù)eps = O. OOOl，使用導(dǎo)向?yàn)V波函數(shù)進(jìn)行濾波，得到精細(xì)的透射率圖像T; 步驟5.3，用雙線性差值的方法，將步驟5.2所得的透射率圖像T放大兩倍，得到TD; 步驟5.4，設(shè)定一個(gè)最小閾值to = 0.01，使得TD中低于to的值全部置換為to，最終得到的 矩陣即為透射率圖像TI。7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述的步驟5.2包括以下具體步驟： 步驟5.2.1，用半徑為r= 100的全1正方形模板th對(duì)導(dǎo)向圖像GI和濾波輸入圖像Tc做 均值濾波，分別記為meam、meanp; 步驟5.2.2，將GI分別與GI、Tc做點(diǎn)乘運(yùn)算，得到變量com，corrIp; 步驟5.2.3，根據(jù)步驟5.2.1和5.2.2得到的變量，按公式(1.5)獲取變量van，C〇VIp vm, = Corrl -Inean1 ^ Oiean1 cov ；/) =Corrlp - mean, ^ meanp 步驟5.2.4,按公式(1.6)得到矩陣a，b;b=meanP-a 5^meam 步驟5.2.5，用半徑為r = 100的全1正方形模板th對(duì)矩陣a，b做均值濾波，得到meana， meanb； 步驟5.2.6，將GI和meana，meanb代入公式(1.7)，得到精細(xì)后的透射率圖像T; T=meana*G I +meanb (1.7)。8. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述步驟6的具體過程包括： 將全球大氣光值變量A和精細(xì)后的透射率圖像T代A，得到增強(qiáng)后 的圖像J。9. 根據(jù)權(quán)利要求8所述的方法，其特征在于，所述步驟7的具體過程為： 步驟7.1，將矩陣J乘以255,轉(zhuǎn)化為整形矩陣Jl; 步驟7.2,對(duì)Jl再利用公式(1.1)進(jìn)行反轉(zhuǎn)，得到最終增強(qiáng)后的圖像EH。
【文檔編號(hào)】G06T5/00GK105931193SQ201610204120
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月1日
【發(fā)明人】曹國(guó), 曲寶珠, 尚巖峰, 孫權(quán)森
【申請(qǐng)人】南京理工大學(xué)