Efficient color image contrast enhancement using Range Limited Bi-Histogram Equalization with Adaptive Gamma Correction

直方图均衡化 自适应直方图均衡化 伽马校正 人工智能 计算机视觉 计算机科学 直方图 直方图匹配 均衡(音频) 亮度 颜色归一化 对比度(视觉) 图像直方图 颜色直方图 航程(航空) 图像(数学) 彩色图像 图像处理 算法 工程类 光学 物理 解码方法 航空航天工程
作者
Chhaya Gautam,Neeraj Tiwari
标识
DOI:10.1109/iic.2015.7150733
摘要

Good quality digital image is the basic need for various applications of present digital world like face recognitions, computer vision applications, satellite imaging and various security porpoises. Due to improper lance positions or insufficient light or unfavorable environment condition or some other causes many time captured images has bad contrast issues. It is necessary to improve contrast of the image for better performances in all image and video applications. This paper proposes an efficient method for improving bad contrast effects in colored images. This method uses hybridization of Range Limited Bi-Histogram Equalization and Adaptive Gamma Correction methods. Histogram Equalization is most popular method to enhancement of low contrast image, Bi-Histogram equalization method improved the results of basic Histogram Equalization contrast enhancement but Histogram Equalization method does not performs the brightness improvement in enhanced image. In other hand gamma correction method improves the brightness of dimmed image. The proposed hybridized method Range Limited Bi-Histogram Equalization with Adaptive Gamma Correction is implemented in low contrast color images and efficiently enhanced contrast better than using Range Limited Bi-Histogram Equalization and Adaptive Gamma Correction separately.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
Michael-布莱恩特完成签到,获得积分10
2秒前
搜集达人应助海棠之秋采纳,获得10
2秒前
3秒前
senli2018发布了新的文献求助10
3秒前
4秒前
xwlXWL发布了新的文献求助10
5秒前
Orange应助wanghh采纳,获得10
6秒前
负责的皮卡丘完成签到,获得积分10
7秒前
bgt发布了新的文献求助10
7秒前
9秒前
NexusExplorer应助风味土豆片采纳,获得10
10秒前
我是老大应助senli2018采纳,获得10
10秒前
科研通AI6.4应助香蕉幻桃采纳,获得10
13秒前
科研通AI6.1应助Fjj采纳,获得10
13秒前
15秒前
bingbing发布了新的文献求助10
16秒前
jia完成签到,获得积分10
17秒前
斯文败类应助窦慕卉采纳,获得10
18秒前
19秒前
19秒前
19秒前
大气代珊完成签到,获得积分10
22秒前
22秒前
22秒前
铺贴破损发布了新的文献求助10
23秒前
许艺议完成签到 ,获得积分10
23秒前
23秒前
胖达完成签到,获得积分10
23秒前
bingbing完成签到,获得积分10
23秒前
24秒前
牧青发布了新的文献求助10
24秒前
尊敬的初曼完成签到,获得积分10
25秒前
舒适映寒完成签到,获得积分10
25秒前
27秒前
海棠之秋发布了新的文献求助10
27秒前
熹禾予福发布了新的文献求助10
27秒前
舒适映寒发布了新的文献求助10
28秒前
窦慕卉发布了新的文献求助10
30秒前
31秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
PowerCascade: A Synthetic Dataset for Cascading Failure Analysis in Power Systems 2000
Picture this! Including first nations fiction picture books in school library collections 1000
Signals, Systems, and Signal Processing 610
Unlocking Chemical Thinking: Reimagining Chemistry Teaching and Learning 555
Photodetectors: From Ultraviolet to Infrared 500
信任代码:AI 时代的传播重构 450
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6357689
求助须知:如何正确求助?哪些是违规求助? 8172194
关于积分的说明 17207436
捐赠科研通 5413217
什么是DOI,文献DOI怎么找? 2864954
邀请新用户注册赠送积分活动 1842489
关于科研通互助平台的介绍 1690566