Gamma校正

摘要： 针对当前流行的图像去雾算法存在去雾过度造成图像颜色失真,或者去雾不足等问题,提出了一种自适应gamma校正估计的图像去雾算法。首先根据图像亮度,利用不同的gamma校正函数拟合不同场景深度下有雾图像与无雾图像之间的关系,自适应估算出无雾图像最小通道,并通过引导滤波算法进行修正,保持局部区域内线性的关系,进而根据大气散射模型得到初始透射率,然后通过高斯相对性进行优化;另外,通过增加搜索领域,将有雾图像的蓝色通道上半部分作为输入对四叉树算法进行改进,得到场景最深处所对应的有雾图像像素值作为大气光值;最后通过gamma校正函数对复原图像的亮度进行增强。实验结果表明复原图像的对比度、平均梯度分别平均提高了40.66%,20.98%,并具有较高的信息熵。上述算法去雾显著,复原图像具有较高的清晰度。

摘要： 图像增强是一种通过特定的算法和手段在原始图像上按照需求变换或者增加一些信息的方法。对于感兴趣特征进行选择性的突出,对于影响图像效果的特征进行抑制或者掩盖,让图像和人的视觉相应特征更加匹配。图像图像有不同的技术路线,根据图像在处理过程中所处的空间不同,主要有基于频域的图像增强算法和基于空域的图像增强算法两大类。图像增强算法是图像处理技术中极为重要的组成部分,对于提高图像质量具有显著的作用。目前对图像增强技术的研究在不断推进,新方法不断涌现。例如相关研究者根据模糊映射理论在图像增强方法中进行创新,提出了新的方法包括模糊松弛、模糊类等解决图像增强方法中存在的如何选择映射函数的问题,并且交互式的图像增强技术的发展和应用,实现了主观控制图像增强效果,同时直方图均衡图像增强算法也有新进展,效果较为突出的就有结合多层直方图的亮度保持均衡算法和动态分层的算法。

摘要： 研究支持向量机的舰船图像识别与分类技术,有效提取图像特征,提升舰船图像识别与分类效果。通过图像灰度化处理彩色舰船图像,获取灰度舰船图像;利用Gamma校正处理灰度舰船图像亮度,获取亮度适中的灰度舰船图像;利用方向梯度直方图特征提取方法,提取灰度舰船图像特征;通过局部线性嵌入算法降维处理图像特征,缩减图像识别与分类计算量;在支持向量机内输入降维后图像特征,输出舰船图像识别与分类结果。实验结果表明:该技术可有效灰度化与Gamma校正处理原始舰船图像,降低光照变化与局部阴影对特征提取的影响;该技术可有效提取船舶图像特征;在舰船图像模糊程度不同时,该技术均可精准识别与分类舰船图像,最高识别与分类误差仅有0.04。

摘要： 针对芯片封装基板上镀铜管脚变色缺陷检测存在的人工目视检测效率低、误检率高、传统视觉检测系统装置复杂以及检测方法性能低等问题,提出了一种新的特征提取方法。该方法将芯片封装基板图像从RGB(红-绿-蓝)颜色空间转换至HSV(色调-饱和度-明度)颜色空间,在HSV颜色阈值法预处理阶段引入Gamma校正,再进行平滑去噪和形态学处理。研究测试了不同色彩空间模型对变色镀铜管脚的检测能力,结果表明,Gamma校正HSV颜色模型的检测精度达到98.11%,高于普通HSV颜色模型(95.46%)和RGB颜色模型(10.10%)的检测精度,为机器视觉在变色镀铜管脚快速检测的应用提供了依据。

摘要： 目前,对病理性近视的诊断大多采用人工诊断的方法,不仅需要资深的眼科医生,而且耗时耗力,为了提高诊断效率和精度,预防因漏诊、误诊、诊疗延误所造成的不可逆性视力障碍,提出一种基于深度学习技术的病理性近视自动诊断方法,在一定程度上可以辅助医生进行相应的诊疗。该方法通过图像分割对数据进行预处理,得到噪声干扰小、目标区域突出的局部眼底图像,使用数据增强方法对数据进行扩充,使用SRM-SE-DenseNet模型进行图像识别进而得出诊断结果。实验结果表明SRM-SE-DenseNet模型具有最高的识别准确率80.03%,灵敏度和特异性分别为69.54%、88.55%,证明了该方法在超广角眼底图像上对病理性近视进行自动诊断的可行性以及适用性。

摘要： 为解决机器视觉在多车道线检测时出现车道线漏识别、误识别、分类难和准确率低等问题,提出一种检测多车道线和快速分类的方法。首先获取原始图像的感兴趣区域并使用Gamma校正增强多车道线特征信息;然后使用多相位Gabor滤波器叠加滤波图像提取车道线纹特征,获得其边缘梯度;接着基于改进带多参数Hough变换提取出直线线段,基于累加角度值的直方图和双截距约束法实现多车道线快速分类;最后只需提取出线段上少量关键点,通过最小二乘法拟合出完整的车道线,生成动态有效的检测区域,减小后续检测时间。实验结果表明:该设计算法在Tusimple数据集与实际拍摄拥挤、夜间环境的道路中进行验证,识别准确率分别为95.4%,96.22%和95.22%,高于其他常用方法;该算法充分利用车道线多个特征信息,不易受检测环境变化带来的影响。

摘要： 针对水下图像对比度低及细节模糊的问题,提出一种基于图像融合的自适应水下图像增强方法,实现不同类型水下图像的增强效果.基于颜色校正方法对水下图像进行颜色均衡化预处理;对亮度分量L进行Gamma校正,获得对比度提升的亮度图像;对两个亮度分量进行三层小波分解,提出对分解所得的低频分量及高频分量分别采用线性融合和自适应融合策略进行融合.多尺度融合保证了增强图像细节的丰富性,自适应融合策略体现了融合过程的可控性.实验结果表明,增强的水下图像呈现出高对比度和清晰的细节.

摘要： 为了去除雨天图像上附着的雨滴并恢复图像的清晰度,提出一种基于深度学习思想结合图像增强技术融合残差及通道注意力机制来实现的单幅图像去雨方法.首先,利用导向滤波将有雨图像分解为平滑基本层和高频细节层;其次,提出自适应Gamma校正算法增强平滑基本层以提高对比度;然后,构建融合残差块和通道注意力机制的深度神经网络实现高频细节层去雨;最后,将去雨后的高频细节层与增强后的平滑基本层融合实现单幅图像去雨功能.实验结果表明:与具有代表性的单幅图像去雨方法相比,所提方法效果较好并可保留更多的图像细节信息.

摘要： 针对现有图像增强算法容易造成颜色失真、局部信息变少和对比度降低的问题,研究了一种基于灰度调节和改进的Gamma校正直方图重构的图像增强算法.首先,在对数域下利用图像当前值、平均值和最大值的关系,乘以比例调节系数得到图像的灰度调节系数,在实数域下对图像进行自适应灰度调节,得到预增强图像;然后,使用单通道直方图所有峰值的均值作为裁剪峰值,采用Gamma函数为累积分布函数的校正函数,对图像单通道直方图进行直方图重构,得到增强的单通道图像;最后,利用预增强图像三通道灰度值比例关系获得剩余两个通道的灰度值,合并三通道得到增强图像.实验表明,研究的方法能够有效改善图像视觉质量,细节清晰,对比度好.

摘要： 提出了一种基于视觉注意机制的分层阈值化红外小目标检测算法.在采用形态学处理和Gamma校正对图像进行预处理的基础上,通过分层阈值化和连通域分析提取感兴趣区域(ROI),利用高斯滤波提高ROI的信杂比并确定候选目标,最后通过移动式管道滤波剔除伪目标,实现运动小目标的准确定位.实验表明该算法能有效地检测出小目标,且对于低信噪比的图片具有良好的适应性.

摘要： 提出了一种基于视觉注意机制的分层阈值化红外小目标检测算法.在采用形态学处理和Gamma校正对图像进行预处理的基础上,通过分层阈值化和连通域分析提取感兴趣区域(ROI),利用高斯滤波提高ROI的信杂比并确定候选目标,最后通过移动式管道滤波剔除伪目标,实现运动小目标的准确定位.实验表明该算法能有效地检测出小目标,且对于低信噪比的图片具有良好的适应性.

摘要： 提出了一种基于视觉注意机制的分层阈值化红外小目标检测算法.在采用形态学处理和Gamma校正对图像进行预处理的基础上,通过分层阈值化和连通域分析提取感兴趣区域(ROI),利用高斯滤波提高ROI的信杂比并确定候选目标,最后通过移动式管道滤波剔除伪目标,实现运动小目标的准确定位.实验表明该算法能有效地检测出小目标,且对于低信噪比的图片具有良好的适应性.

摘要： 提出了一种基于视觉注意机制的分层阈值化红外小目标检测算法.在采用形态学处理和Gamma校正对图像进行预处理的基础上,通过分层阈值化和连通域分析提取感兴趣区域(ROI),利用高斯滤波提高ROI的信杂比并确定候选目标,最后通过移动式管道滤波剔除伪目标,实现运动小目标的准确定位.实验表明该算法能有效地检测出小目标,且对于低信噪比的图片具有良好的适应性.

摘要： 提出了一种基于视觉注意机制的分层阈值化红外小目标检测算法.在采用形态学处理和Gamma校正对图像进行预处理的基础上,通过分层阈值化和连通域分析提取感兴趣区域(ROI),利用高斯滤波提高ROI的信杂比并确定候选目标,最后通过移动式管道滤波剔除伪目标,实现运动小目标的准确定位.实验表明该算法能有效地检测出小目标,且对于低信噪比的图片具有良好的适应性.

摘要： 提出了一种基于视觉注意机制的分层阈值化红外小目标检测算法.在采用形态学处理和Gamma校正对图像进行预处理的基础上,通过分层阈值化和连通域分析提取感兴趣区域(ROI),利用高斯滤波提高ROI的信杂比并确定候选目标,最后通过移动式管道滤波剔除伪目标,实现运动小目标的准确定位.实验表明该算法能有效地检测出小目标,且对于低信噪比的图片具有良好的适应性.

摘要： 在光照补偿过程中,基于灰度映射关系的传统补偿方法存在着缺陷,导致补偿后的图像层次过渡不自然,缺乏立体感.本文利用图像光照分量变化缓慢的特点,从图像中分离出光照分量与反射分量,只对光照分量进行Gamma校正来实现光照补偿.实验结果表明该方法有较好的补偿效果.

摘要： 在光照补偿过程中,基于灰度映射关系的传统补偿方法存在着缺陷,导致补偿后的图像层次过渡不自然,缺乏立体感.本文利用图像光照分量变化缓慢的特点,从图像中分离出光照分量与反射分量,只对光照分量进行Gamma校正来实现光照补偿.实验结果表明该方法有较好的补偿效果.

摘要： 在光照补偿过程中,基于灰度映射关系的传统补偿方法存在着缺陷,导致补偿后的图像层次过渡不自然,缺乏立体感.本文利用图像光照分量变化缓慢的特点,从图像中分离出光照分量与反射分量,只对光照分量进行Gamma校正来实现光照补偿.实验结果表明该方法有较好的补偿效果.

摘要： 在光照补偿过程中,基于灰度映射关系的传统补偿方法存在着缺陷,导致补偿后的图像层次过渡不自然,缺乏立体感.本文利用图像光照分量变化缓慢的特点,从图像中分离出光照分量与反射分量,只对光照分量进行Gamma校正来实现光照补偿.实验结果表明该方法有较好的补偿效果.

摘要： 本发明提供一种Gamma校正系统及Gamma校正方法，Gamma校正方法包括：获取R子像素、G子像素、B子像素的色坐标和亮度值；根据R子像素、G子像素、B子像素的色坐标和亮度值计算R子像素、G子像素、B子像素的目标亮度值；根据R子像素、G子像素、B子像素中每一个子像素的目标亮度值计算所述子像素在每一个灰阶下的亮度值；判断R子像素、G子像素、B子像素中每一个子像素在每一个灰阶下的亮度值与所述子像素的目标亮度值之差是否小于所述子像素对应的阈值；若所述子像素在每一个灰阶下的亮度值与所述子像素的目标亮度值之差小于所述子像素对应的阈值，则存储所述子像素的灰阶值与对应的亮度值。本发明提出的Gamma校正方法节省了存储资源，大大缩短了矫正时间，提升校正效率。

摘要： 一种Gamma对应表的建立方法以及依据该Gamma对应表执行Gamma校正的方法。首先，选取2M+1个主取样像素数据，将Gamma曲线分为2M个主Gamma线段。接着，连结相邻的主取样像素资料以形成2M段主取样直线。接着，分别计算第n主取样直线与第n主Gamma线段之最大差值，并依据该最大差值，在第n主Gamma线段中选取2Rn-1个次取样像素资料。之后，储存所有主取样像素资料及次取样像素资料之Gamma对应关系。在执行Gamma校正时，首先，依据像素资料之前M位，选取第a主取样像素资料。接着，依据像素资料的前M+1至M+Ra位，选取第b次取样像素资料及第b+1次取样像素资料。最后，依据第b次取样像素资料及第b+1次取样像素资料，以内插法得该像素资料之Gamma对应关系。

摘要： 本发明提供一种Gamma校正系统及其校正方法，通过选取n个灰阶值，对每一个子像素计算n个灰阶值对应的n个第一亮度值，再以n个灰阶值为横坐标、对应的n个第一亮度值为纵坐标形成n个拟合点，对n个拟合点进行拟合获得每一个子像素的拟合曲线；最后将n个第二亮度值与所述子像素对应的n个第一亮度值的总偏差小于阈值的拟合曲线作为所述子像素的拟合曲线并存储至存储器中，根据该拟合曲线便可以获得每一个子像素给定灰阶值所对应的亮度，不需要对灰阶值进行存储，节省了硬件资源，而且整个校正过程只需要对n个拟合点进行拟合，大大缩短了校正时间。

摘要： 本发明提供一种Gamma校正系统及Gamma校正方法，Gamma校正方法包括：获取R子像素、G子像素、B子像素的色坐标和亮度值；根据R子像素、G子像素、B子像素的色坐标和亮度值计算R子像素、G子像素、B子像素的目标亮度值；根据R子像素、G子像素、B子像素中每一个子像素的目标亮度值计算所述子像素在每一个灰阶下的亮度值；判断R子像素、G子像素、B子像素中每一个子像素在每一个灰阶下的亮度值与所述子像素的目标亮度值之差是否小于所述子像素对应的阈值；若所述子像素在每一个灰阶下的亮度值与所述子像素的目标亮度值之差小于所述子像素对应的阈值，则存储所述子像素的灰阶值与对应的亮度值。本发明提出的Gamma校正方法节省了存储资源，大大缩短了矫正时间，提升校正效率。

摘要： 本发明提供一种Gamma校正方法、Gamma校正装置及电视。本发明的Gamma校正方法包括：分别对图像信号中的视频层信号和图形层信号进行Gamma校正；将经过Gamma校正后的所述视频层信号和经过Gamma校正后的所述图形层信号混合为统一信号，以使显示屏根据所述统一信号进行显示。本发明能够实现较好的菜单显示效果。

摘要： 一种Gamma对应表的建立方法以及依据该Gamma对应表执行Gamma校正的方法。首先，选取2M+1个主取样像素数据，将Gamma曲线分为2M个主Gamma线段。接着，连结相邻的主取样像素资料以形成2M段主取样直线。接着，分别计算第n主取样直线与第n主Gamma线段之最大差值，并依据该最大差值，在第n主Gamma线段中选取2Rn－1个次取样像素资料。之后，储存所有主取样像素资料及次取样像素资料之Gamma对应关系。在执行Gamma校正时，首先，依据像素资料之前M位，选取第a主取样像素资料。接着，依据像素资料的前M+1至M+Ra位，选取第b次取样像素资料及第b+1次取样像素资料。最后，依据第b次取样像素资料及第b+1次取样像素资料，以内插法得该像素资料之Gamma对应关系。

摘要： 本发明提供了一种Gamma校正方法、校正装置和相关设备，包括：确定各个单色子像素画面在相应灰阶下的亮度值是否满足预设的Gamma校正要求，若至少一个单色子像素画面不满足要求，调整各个单色子像素的初始化电压，和/或，调整显示设备的目标Gamma曲线的第一线段的函数关系，和/或，调整显示设备的目标Gamma曲线的第二线段的各个灰阶下的单色子像素的电压值，并根据显示设备的白色画面的亮度值以及初始的目标Gamma曲线或调节后的目标Gamma曲线对显示设备进行Gamma校正，从而可以在使得显示设备的Gamma曲线满足需求的同时，兼顾单色子像素画面的Gamma校正要求，提高显示设备的显示效果。

摘要： 本发明提供了一种Gamma校正方法、校正装置和相关设备，其中校正方法包括：在第一刷新率下，将显示设备的目标灰阶画面的亮度值调整至目标亮度值，获得目标灰阶画面对应的目标灰阶电压校正值；将显示设备的刷新率调整为第二刷新率，在目标灰阶电压校正值下，获得显示设备的目标灰阶画面的匹配亮度值；其中第二刷新率大于第一刷新率；在第二刷新率下，基于匹配亮度值以及目标Gamma曲线，得到其他灰阶画面对应的其他灰阶电压校正值；将目标灰阶电压校正值和其他灰阶电压校正值，作为第一刷新率下的各个灰阶电压校正值，对显示设备进行Gamma校正，以避免因显示设备亮度不稳定而导致的Gamma校正结果不准确的问题。

摘要： 本申请涉及一种Gamma校正装置及具有多个校正装置的设备，Gamma校正装置包括：抓取轨道，抓取机械手，校正工位和出入料平台。将若干校正工位沿抓取轨道排布，能够沿抓取轨道运动的抓取机械手通过移动将具有液晶面板的治具抓起到所需的校正工位上进行Gamma校正，Gamma校正完毕的液晶面板再由抓取机械手抓走，本发明的Gamma校正装置可以实现多校正工位同时进行Gamma校正，具有效率高节省空间的优点。

摘要： 本实用新型涉及一种AMOLED显示屏的Gamma校正机构及一体化校正设备，机构包括数据采集单元、放屏自动压接治具、治具驱动模组以及信号发生部件；放屏自动压接治具承接AMOLED显示屏，放屏自动压接治具上设置有压接在AMOLED显示屏FPC端的连接器，通过连接器压接使AMOLED显示屏与信号发生部件导通，治具驱动模组带动放屏自动压接治具移动到数据采集单元下方，数据采集单元与治具驱动模组配合完成对AMOLED显示屏上多点的数据采集，信号发生部件根据采集的数据生成补偿数据，并烧录进显示屏的I C中；一体化设备包括上料单元、Gamma校正机构、下料单元和搬运单元。本实用新型实现对AMOLED显示屏的Gamma校正，并且实现Gamma校正机构与其上下流工艺段的流水线对接，实现全自动化生产，提高产能。