砥砺的前行|基于labview的机器视觉图像处理（七）——图像双边处理自适应亮度

文章目录

• 一、参考文章
• 二、双边带处理
• • 2.1 熵
  • 2.2 边界
  • 2.3 标准差
• 三、算法改进

一、参考文章

Global and Adaptive Contrast Enhancement
for Low Illumination Gray Images

二、双边带处理

这里面的ganmma值被文章定死定为2.5了，对于Ga和Gb就是对于暗部和亮部进行双边处理的，G就是最终处理的效果。
而阿尔法那个值是文章下面给出了

也就是这里的fitness，由熵、边界和标准差进行处理，而权重都是取1/3的（可以调整，我们准备用模糊算法进行计算出三个权重也就是lameda的值）

2.1 熵

2.2 边界

T就是总共的像素点个数，edge就是边界，n就是边界数量（解释，边缘处理就是看数值突变的，如果亮度很暗，那么边界的条数会响应减少）

2.3 标准差

标准差的公式我就不多说了，网上有很多
在我们实际试验的过程中发现，亮度的处理其实对于标准差的影响最为显著，所以我们决定将标准差的权重相对调大，如6 2 2

三、算法改进

在对于fitness中对于lameda的判定过于主观，因此我们决定选用模糊算法时间区间预测，从而获取最好的效果
如

熵    小 中 大
边界  小 中 大
标准差 小 中 大 

不同的图像会有不同的小中大，进行分类出小中大，而一定定位好区域，可以经过查表给出相应较优的三个权重（这个所查的表，一定是事先经过大量的数据处理后，得到的较优结果）