PCB光电图像融合增强研究

doi:10.3778/j.issn.1002-8331.2009.31.008

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (31): 25-26.DOI: 10.3778/j.issn.1002-8331.2009.31.008

PCB光电图像融合增强研究

乔闹生，叶玉堂，黄永林

1.电子科技大学光电信息学院，成都 610054
2.湖南文理学院物理与电子科学学院，湖南常德 415000

收稿日期:2009-07-27 修回日期:2009-09-09 出版日期:2009-11-01 发布日期:2009-11-01
通讯作者: 乔闹生

Study of fusion enhancement of PCB photoelectricity image

QIAO Nao-sheng，YE Yu-tang，HUANG Yong-lin

1.School of Optoelectronic Information，University of Electronic Science and Technology of China，Chengdu 610054，China
2.School of Physics and Electronics，Hunan University of Arts and Science，Changde，Hunan 415000，China

Received:2009-07-27 Revised:2009-09-09 Online:2009-11-01 Published:2009-11-01
Contact: QIAO Nao-sheng

摘要/Abstract

摘要： 分析了去灰度冗余的线性灰度变换与基于傅里叶变换的巴特沃斯高通滤波图像增强的基本原理，讨论了它们在图像增强中的实现方法，指出了各自的优点。为了使整体偏暗的印刷电路板（PCB）光电图像更好地增强，提出了结合两者优点的加权平均图像融合增强新方法。对由CCD获取的PCB光电图像进行了实际的图像增强实验，实验结果证明了基本原理分析的正确性。

关键词: 图像增强, 图像融合, 线性灰度变换, 灰度冗余, 巴特沃斯高通滤波, 印刷电络板光电图像

Abstract: The basic principle of image enhancement of linearity gray transform based on removing redundance gray and Butterworth high-pass filter based on the Fourier transform is analyzed，and their realization methods in image enhancement are discussed，their respective advantages are indicated.In order to enhance the Printed Circuit Board（PCB） photoelectricity images with dark color in whole，a novel method of image enhancement of merging both advantages is proposed.The actual image enhancement experiment is executed by PCB photoelectricity image acquired by CCD，the results of the experiment verifies the correctness of the analysis of the basic principle.

Key words: image enhancement, image fusion, linearity gray transform, gray redundance, Butterworth high-pass filter, Printed Circuit Board（PCB） photoelectricity image

中图分类号:

TP391.41

乔闹生，叶玉堂，黄永林. PCB光电图像融合增强研究[J]. 计算机工程与应用, 2009, 45(31): 25-26.

QIAO Nao-sheng，YE Yu-tang，HUANG Yong-lin. Study of fusion enhancement of PCB photoelectricity image[J]. Computer Engineering and Applications, 2009, 45(31): 25-26.

[1]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[2]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[3]	王长城，周冬明，刘琰煜，谢诗冬. 无监督深度学习模型的多聚焦图像融合算法[J]. 计算机工程与应用, 2021, 57(21): 209-215.
[4]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[5]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[6]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[7]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[8]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[9]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[10]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[11]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[12]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[13]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[14]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[15]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.

PCB光电图像融合增强研究

Study of fusion enhancement of PCB photoelectricity image

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics