Retinex影像增強演算法的優勢分析
上面我們已經介紹了關於各類影像增強演算法,並重點對Retinex影像增強演算法進行了模擬,這裡我們將通過Retinex演算法和別的影像增強演算法的模擬結果對比,討論Retinex演算法的優勢。
1 空域影像增強演算法的模擬及模擬效能分析
·影像增強模擬效果
空間域影像增強演算法有多種方式,這裡我們重點討論中值濾波演算法。 該演算法模擬結果如下所示:
·灰度直方圖
任意選取一個圖片,通過其灰度直方圖進行增強分析,如圖2所示。
·熵
影像的熵值反映了影像的資訊量,熵越大,資訊量就越大,那麼對應的影像的細節越豐富,下面我們對增強前後的影像計算其熵。
我們計算測試圖片的熵,其計算結果如表2所示:
表2 中值濾波後的影像熵值
增強前的熵 | 增強後的熵 |
10.9280 | 11.6472 |
通過上面的分析,我們發現利用中值濾波後,影像並沒有得到明顯增強,所以我們在時間實現中不考慮採用這種方法的影像增強方法。
2 頻域影像增強演算法的模擬及模擬效能分析
·影像增強模擬效果
頻域影像增強演算法有多種方式,這裡我們重點頻域濾波演算法。 該演算法模擬結果如下所示:
圖4 利用頻域濾波進行影像增強前後對比圖
·灰度直方圖
任意選取一個圖片,通過其灰度直方圖進行增強分析,如圖2所示。
(a)增強前的影像和影像灰度直方圖
(b)增強後的影像和影像灰度直方圖
圖5灰度直方圖
影像的熵值反映了影像的資訊量,熵越大,資訊量就越大,那麼對應的影像的細節越豐富,下面我們對增強前後的影像計算其熵。
我們計算測試圖片的熵,其計算結果如表3所示:
表3 中值濾波後的影像熵值
增強前的熵 | 增強後的熵 |
10.9280 | 12.1093 |
通過上面的分析,通過頻域濾波以後,雖然從其效果較中值濾波有所改善,但是通過計算其熵值仍然比Retinex演算法小,其外頻域增強法需要通過操作FFT和IFFT,在硬體實現上需要大量的資源,所以我們在硬體上使用Retinex進行影像增強演算法的實現。
相關文章
- 關於Retinex影象增強演算法的一些新學習。演算法
- 影像增強演算法總結演算法
- 乾貨滿滿!深入解析增強分析的概念及其優勢
- 影像增強(Image enhancement)
- 呈現立體影像的全息展櫃的優勢分析
- 演算法金 | 深度學習影像增強方法總結演算法深度學習
- 數字影像處理,經典對比度增強演算法演算法
- Perfectly Clear Workbench for Mac(強大的影像清晰度增強工具)Mac
- 乾貨 | 影像資料增強實戰
- MySQL慢日誌功能分析及優化增強MySql優化
- Linux的強大優勢(轉)Linux
- 影像語義分割資料增強——imgaug(二)
- 視訊影像色彩增強的主要方法與落地實踐
- 2021年,增強型資料分析和管理成主流趨勢
- Mac觸控板手勢增強工具:MultitouchMac
- TotalFinder 1.13.1 macOS優秀的Finder增強工具Mac
- 新炬oracle培訓的強大優勢Oracle
- 多卡聚合路由器“快而穩、穩而強”優勢分析路由器
- Win8 Metro(C#)數字影像處理--2.62影像對數增強C#
- Multitouch for Mac(觸控板手勢增強軟體)Mac
- 觸控板手勢增強軟體:Multitouch MacMac
- 增強分析中的智慧問答揭祕
- 顛覆BI的,不是增強分析,而是ChatGPT!ChatGPT
- 功能強大!帶你走近Smartbi增強分析模組
- Mybatis 中如何優雅的增強日誌功能?MyBatis
- 演算法分析的正確姿勢演算法
- matlab影像對比度增強,拉伸和灰度變換Matlab
- transforms模組—PyTorch影像處理與資料增強方法ORMPyTorch
- AR擴增實境的發展趨勢分析
- 多點觸控手勢增強神器:Multitouch for MacMac
- 觸控板手勢增強軟體:Multitouch Mac版Mac
- oracle表空間增長趨勢分析Oracle
- 超好用的觸控板手勢增強軟體:Multitouch Mac版Mac
- 小米盒子3增強版評測 頂級高配強勢迴歸
- 單尺度Retinex(matlab)Matlab
- IO虛擬化的優勢與需求分析
- 多點觸控手勢增強軟體Multitouch for MacMac
- 語音增強和DSP演算法學習演算法