摘 要：受到圖像拍攝環(huán)境以及硬件設(shè)備等因素的限制，產(chǎn)品包裝外觀圖像通常包含一定的噪聲，而進(jìn)行圖像增強(qiáng)時(shí)，通常會(huì)因?yàn)V波程度較低而導(dǎo)致增強(qiáng)效果不佳。對(duì)此，提出基于激光數(shù)字的產(chǎn)品包裝外觀圖像增強(qiáng)技術(shù)。使用LiDAR3D掃描設(shè)備對(duì)產(chǎn)品包裝外觀進(jìn)行掃描，并結(jié)合激光光束的發(fā)射距離以及光束方向向量，構(gòu)建出完整的激光點(diǎn)云數(shù)據(jù)集。通過(guò)計(jì)算點(diǎn)云數(shù)據(jù)的全局統(tǒng)計(jì)量，對(duì)距離閾值進(jìn)行設(shè)定，識(shí)別出離群點(diǎn)，從而實(shí)現(xiàn)圖像深度濾波處理。將讀取的產(chǎn)品包裝圖像分離出RGB三個(gè)顏色通道，并結(jié)合布局調(diào)整因子以及不同通道下的像素平均值，對(duì)全局色彩增益系數(shù)進(jìn)行計(jì)算，并將其應(yīng)用到每個(gè)顏色通道，實(shí)現(xiàn)色彩偏差的有效校正。結(jié)合圖像梯度對(duì)權(quán)重函數(shù)進(jìn)行定義，并將其作為細(xì)節(jié)圖像中不同分解尺度貢獻(xiàn)度的衡量指標(biāo)，實(shí)現(xiàn)多尺度銳化增強(qiáng)處理。在實(shí)驗(yàn)中，對(duì)提出的方法進(jìn)行了增強(qiáng)效果的檢驗(yàn)。最終的測(cè)試結(jié)果表明，采用提出的方法對(duì)產(chǎn)品包裝外觀圖像進(jìn)行增強(qiáng)后，圖像的峰值信噪比更高，具備較為理想的增強(qiáng)效果。

關(guān)鍵詞：激光數(shù)字；產(chǎn)品包裝；圖像增強(qiáng)；峰值信噪比；色彩通道

中圖分類號(hào)：TP391.4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1673-260X（2024）11-0012-05

在激烈的市場(chǎng)競(jìng)爭(zhēng)中，產(chǎn)品包裝的重要性不言而喻。精美的包裝不僅能夠樹立和提升品牌形象，還能顯著增強(qiáng)產(chǎn)品的附加值和市場(chǎng)競(jìng)爭(zhēng)力。然而，傳統(tǒng)的產(chǎn)品包裝外觀圖像常因拍攝條件限制、材料質(zhì)地差異以及印刷工藝限制等因素，導(dǎo)致圖像質(zhì)量參差不齊，難以充分展現(xiàn)產(chǎn)品的獨(dú)特魅力和價(jià)值。因此，如何對(duì)產(chǎn)品包裝外觀圖像進(jìn)行有效增強(qiáng)處理，以提升其整體質(zhì)量，成為當(dāng)前研究領(lǐng)域的熱點(diǎn)話題。激光數(shù)字技術(shù)，以其高精度、高效率的特點(diǎn)，在圖像處理領(lǐng)域嶄露頭角，并得到了廣泛應(yīng)用。激光數(shù)字技術(shù)采用獨(dú)特的激光掃描方式，能夠捕捉物體表面的細(xì)微紋理和高分辨率圖像數(shù)據(jù)。通過(guò)先進(jìn)的數(shù)字化處理手段，該技術(shù)可以精準(zhǔn)控制圖像的每一個(gè)細(xì)節(jié)和色彩表現(xiàn)，使圖像質(zhì)量得到顯著提升。將激光數(shù)字技術(shù)應(yīng)用于產(chǎn)品包裝外觀圖像的增強(qiáng)處理中，不僅可以顯著提升圖像的整體質(zhì)量，更能實(shí)現(xiàn)對(duì)圖像細(xì)節(jié)的精準(zhǔn)控制和優(yōu)化。這將為產(chǎn)品包裝設(shè)計(jì)師提供更多的創(chuàng)新空間和技術(shù)支持，有助于打造出更具吸引力和競(jìng)爭(zhēng)力的產(chǎn)品包裝。激光數(shù)字技術(shù)在產(chǎn)品包裝外觀圖像增強(qiáng)處理中的應(yīng)用具有廣闊的前景和巨大的潛力。未來(lái)，隨著技術(shù)的不斷進(jìn)步和優(yōu)化，相信這一領(lǐng)域?qū)?huì)有更多突破和創(chuàng)新。

近年來(lái)，國(guó)內(nèi)外學(xué)者在圖像增強(qiáng)技術(shù)方面進(jìn)行了大量的研究，取得了豐碩的成果。例如，陳晨等通過(guò)Curvelet變換和細(xì)節(jié)增強(qiáng)網(wǎng)絡(luò)模型增強(qiáng)高頻分量，采用基于照度圖估計(jì)的微光圖像增強(qiáng)方法強(qiáng)化低頻分量，從而改善低亮度激光圖像的亮度及內(nèi)部細(xì)節(jié)信息[1]。然而，由于激光圖像的特殊性，該方法在處理高噪聲或復(fù)雜背景的圖像時(shí)，可能會(huì)導(dǎo)致圖像細(xì)節(jié)丟失或增強(qiáng)質(zhì)量不高。丁超群等通過(guò)曲波變換將圖像分解為不同尺度和方向的子帶，然后針對(duì)每個(gè)子帶進(jìn)行對(duì)比度增強(qiáng)處理[2]。但曲波變換在處理具有大量細(xì)節(jié)的圖像時(shí)可能會(huì)引入一些偽影，影響圖像的整體質(zhì)量。此外，對(duì)于光照不均勻的圖像，該方法可能無(wú)法完全消除光照對(duì)圖像質(zhì)量的影響。Sun K等提出了一種新穎的水下圖像增強(qiáng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)通過(guò)三重注意力和多尺度金字塔結(jié)構(gòu)捕捉圖像的重要像素級(jí)特征，提高水下圖像的清晰度和可見性，并在多個(gè)數(shù)據(jù)集上驗(yàn)證了其優(yōu)于現(xiàn)有方法的效果[3]。雖然該網(wǎng)絡(luò)在水下圖像增強(qiáng)任務(wù)上表現(xiàn)優(yōu)秀，但其復(fù)雜結(jié)構(gòu)可能導(dǎo)致較高的計(jì)算成本和較長(zhǎng)的推理時(shí)間。張航等首先通過(guò)語(yǔ)義分割將圖像劃分為不同的區(qū)域，然后在HSV色彩空間中對(duì)每個(gè)區(qū)域進(jìn)行獨(dú)立的增強(qiáng)處理[4]。但由于語(yǔ)義分割的準(zhǔn)確性過(guò)于依賴色彩空間表示效果，導(dǎo)致該方法在處理具有復(fù)雜紋理和色彩變化的圖像時(shí)，可能會(huì)存在增強(qiáng)效果不理想或顏色失真的問(wèn)題。為了解決上述問(wèn)題，提高產(chǎn)品包裝外觀圖像質(zhì)量，本文將研究基于激光數(shù)字的產(chǎn)品包裝外觀圖像增強(qiáng)技術(shù)。采用LiDAR3D掃描技術(shù)構(gòu)建產(chǎn)品包裝外觀的激光點(diǎn)云數(shù)據(jù)集，通過(guò)深度濾波、全局色彩增益校正及多尺度銳化增強(qiáng)處理，實(shí)現(xiàn)了對(duì)受噪聲影響的產(chǎn)品包裝外觀圖像的有效增強(qiáng)，并經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證了其理想的增強(qiáng)效果。

1 產(chǎn)品包裝外觀圖像增強(qiáng)技術(shù)研究

1.1 產(chǎn)品包裝外觀圖像點(diǎn)云數(shù)據(jù)離群點(diǎn)剔除

為對(duì)產(chǎn)品包裝外觀圖像進(jìn)行增強(qiáng)處理，本文首先結(jié)合激光數(shù)字技術(shù)對(duì)產(chǎn)品包裝外觀圖像進(jìn)行掃描，從而獲取激光點(diǎn)云數(shù)據(jù)，并對(duì)其進(jìn)行離群點(diǎn)剔除，從而實(shí)現(xiàn)數(shù)據(jù)濾波平滑處理。

首先采用LiDAR3D掃描設(shè)備對(duì)產(chǎn)品包裝外觀進(jìn)行掃描，通過(guò)發(fā)射激光光束，并對(duì)光束到包裝表面的反射時(shí)間進(jìn)行記錄，從而計(jì)算出掃描儀到產(chǎn)品包裝表面之間的距離[5]。假設(shè)LiDAR3D掃描設(shè)備激光光束的發(fā)射時(shí)間以及返回接收時(shí)間分別為t1和t2，則掃描點(diǎn)位到產(chǎn)品包裝表面之間的距離d表達(dá)式如式（1）所示。

d=（1）

式（1）中，c代表光速。結(jié)合掃描儀在全局坐標(biāo)系中的位置、姿態(tài)和激光光束的角度，可以計(jì)算出每個(gè)被激光束擊中的點(diǎn)在三維空間中的坐標(biāo)[6]。假設(shè)LiDAR3D掃描設(shè)備在掃描儀坐標(biāo)系中的姿態(tài)為？籽={？覬，？茲}，其中？覬和？茲分別代表水平角以及俯仰角，則由此可以得到掃描設(shè)備發(fā)射的激光光束方向向量表達(dá)式如式（2）所示。

ds=（2）

針對(duì)上述的激光光束方向向量，可以結(jié)合旋轉(zhuǎn)矩陣，將其所在的坐標(biāo)系轉(zhuǎn)換為全局坐標(biāo)系，具體轉(zhuǎn)換表達(dá)式如式（3）所示。

dg=R·dsR=（3）

式（3）中，R代表旋轉(zhuǎn)矩陣，dg代表全局坐標(biāo)系下的激光光束方向向量。結(jié)合上文中求解得到的掃描儀到產(chǎn)品包裝表面的距離，可以得到激光光束目標(biāo)點(diǎn)在全局坐標(biāo)系下的坐標(biāo)P（X，Y，Z），其具體表達(dá)式如式（4）所示。

P=O+d·ds==d·R·（4）

式（4）中，O代表LiDAR3D掃描設(shè)備在全局坐標(biāo)系中的坐標(biāo)位置，為便于分析，本文將的坐標(biāo)設(shè)為原點(diǎn)，即O（0，0，0）。通過(guò)上述步驟即可完成對(duì)于產(chǎn)品包裝外觀圖像的掃描，從而獲得完整的激光點(diǎn)云數(shù)據(jù)。考慮到采集環(huán)境以及采集設(shè)備與激光點(diǎn)云數(shù)據(jù)質(zhì)量的影響，在完成圖像掃描后，本文通過(guò)結(jié)合統(tǒng)計(jì)濾波器，對(duì)數(shù)據(jù)中較為明顯的離群點(diǎn)進(jìn)行剔除處理，從而實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)平滑濾波[7]。假設(shè)點(diǎn)云數(shù)據(jù)中存在隨機(jī)點(diǎn)p（x，y，z），與該點(diǎn)距離最近的k個(gè)數(shù)據(jù)點(diǎn)p1，p2，…，pk之間的平均距離為davg，i，那么davg，i的均值？滋以及方差？滓滿足式（5）。

？滋=？滓=（5）

式（5）中，N代表davg，i集合中的元素個(gè)數(shù)。通過(guò)結(jié)合上述計(jì)算結(jié)果，對(duì)距離閾值進(jìn)行設(shè)定，其距離閾值表達(dá)式為dmax=？滋+？琢·？滓。對(duì)于產(chǎn)品包裝外觀圖像激光點(diǎn)云集合中的每個(gè)數(shù)據(jù)點(diǎn)，如果該點(diǎn)與k個(gè)最鄰近點(diǎn)之間的平均距離davg，i高于設(shè)定的距離篩選閾值，則將該點(diǎn)視為離群點(diǎn)，對(duì)其進(jìn)行剔除處理。剔除所有離群點(diǎn)后，即可輸出濾波后的點(diǎn)云數(shù)據(jù)[8]。

通過(guò)上述步驟即可完成對(duì)于產(chǎn)品包裝外觀圖像點(diǎn)云數(shù)據(jù)離群點(diǎn)剔除處理。使用LiDAR3D掃描設(shè)備對(duì)產(chǎn)品包裝外觀進(jìn)行掃描，并結(jié)合激光光束的發(fā)射距離以及光束方向向量，構(gòu)建出完整的激光點(diǎn)云數(shù)據(jù)集。然后通過(guò)計(jì)算點(diǎn)云數(shù)據(jù)的全局統(tǒng)計(jì)量，對(duì)距離閾值進(jìn)行設(shè)定，從而識(shí)別出離群點(diǎn)。

1.2 產(chǎn)品包裝外觀圖像色彩補(bǔ)償處理

點(diǎn)云數(shù)據(jù)作為一種三維坐標(biāo)系統(tǒng)中向量的集合，確實(shí)能夠精確地捕獲產(chǎn)品的三維形狀和結(jié)構(gòu)。然而點(diǎn)云數(shù)據(jù)通常不包含顏色信息，這是其局限性之一。相對(duì)而言，產(chǎn)品包裝外觀圖像則能夠?yàn)槲覀兲峁┴S富的顏色信息，使得產(chǎn)品的外觀更加生動(dòng)和真實(shí)。由于拍攝條件（如照明、相機(jī)參數(shù)等）的差異，原始圖像中的顏色可能會(huì)出現(xiàn)偏差，這并不完全反映實(shí)際產(chǎn)品的顏色[9]。通過(guò)對(duì)原始圖像進(jìn)行色彩補(bǔ)償處理，我們可以校正圖像中的色彩偏差，使圖像中的顏色更接近實(shí)際產(chǎn)品的顏色。在完成產(chǎn)品包裝圖像的點(diǎn)云數(shù)據(jù)提取后，結(jié)合色彩補(bǔ)償處理對(duì)原始圖像的色彩偏差進(jìn)行校正是一個(gè)很有意義的嘗試。這樣的處理不僅可以提升圖像的質(zhì)量，使產(chǎn)品包裝的外觀更加逼真，還有助于增強(qiáng)消費(fèi)者對(duì)產(chǎn)品的認(rèn)知和信任[10]。因此，在實(shí)際應(yīng)用中，我們需要根據(jù)具體情況選擇合適的色彩補(bǔ)償算法和參數(shù)，以達(dá)到最佳的校正效果。

將讀取的產(chǎn)品包裝圖像分離出RGB三個(gè)顏色通道，對(duì)于每個(gè)顏色通道，通過(guò)計(jì)算該通道下所有像素的平均值，從而得到色彩增益系數(shù)。假設(shè)Ri、Gi、Bi分別代表三個(gè)色彩通道中每個(gè)像素的具體值，則像素平均值Rave、Gave、Bave計(jì)算公式如式（6）所示。

Rave=Gave=Bave=（6）

式（6）中，N代表色彩通道中的像素總數(shù)。然后引入局部調(diào)整因子，對(duì)色彩增益系數(shù)進(jìn)行計(jì)算，具體公式如式（7）所示。

kglobal=（7）

式（7）中，？琢i代表局部調(diào)整因子，？滓local代表以（x，y）像素為中心的局部區(qū)域標(biāo)準(zhǔn)差，？滓global代表整個(gè)產(chǎn)品包裝外觀圖像的標(biāo)準(zhǔn)差[11]。將計(jì)算得到的增益系數(shù)應(yīng)用到原始圖像的每個(gè)顏色通道上，以調(diào)整通道的色彩分布情況，本文以紅色通道為例，該通道下的色彩補(bǔ)償表達(dá)式如式（8）所示。

Rcomp，i=Ri·kglobal（8）

式（8）中，Rcomp，i代表補(bǔ)償后的色彩通道像素值。

通過(guò)上述步驟即可完成對(duì)于產(chǎn)品包裝外觀圖像的色彩補(bǔ)償處理。將讀取的產(chǎn)品包裝圖像分離出RGB三個(gè)顏色通道，并結(jié)合布局調(diào)整因子以及不同通道下的像素平均值，對(duì)全局色彩增益系數(shù)進(jìn)行計(jì)算，并將其應(yīng)用到每個(gè)顏色通道，實(shí)現(xiàn)色彩偏差的有效校正。

1.3 產(chǎn)品包裝外觀圖像多尺度細(xì)節(jié)銳化處理

考慮到在實(shí)際應(yīng)用中，產(chǎn)品包裝圖像可能需要在不同的觀察條件下展示，如不同的屏幕尺寸、分辨率和亮度等，而色彩補(bǔ)償雖然能夠調(diào)整圖像的整體色彩，使其更接近真實(shí)或期望的視覺效果，但并不能直接增強(qiáng)圖像的局部細(xì)節(jié)和邊緣清晰度[12]。因此在完成圖像色彩補(bǔ)償處理后，為了使產(chǎn)品包裝外觀圖像的視覺質(zhì)量更高，本文選擇對(duì)其進(jìn)行多尺度細(xì)節(jié)銳化處理。

在每個(gè)尺度上，計(jì)算原始圖像與相應(yīng)尺度低通濾波后的圖像之間的差異，從而提取出該尺度的細(xì)節(jié)信息。這些差異圖像包含了圖像的邊緣和細(xì)節(jié)信息。對(duì)于第i個(gè)分解尺度，其細(xì)節(jié)提取的公式如式（9）。

Di=I-Iilowpass（9）

式（9）中，I代表色彩補(bǔ)償后的產(chǎn)品包裝外觀圖像，Iilowpass代表第i個(gè)尺度上通過(guò)低通濾波器得到的圖像，Di代表該尺度上的細(xì)節(jié)圖像。對(duì)每個(gè)尺度上的細(xì)節(jié)圖像進(jìn)行增強(qiáng)，以突出邊緣和細(xì)節(jié)。為了防止圖像出現(xiàn)區(qū)域過(guò)度銳化的情況，本文選擇使用一個(gè)權(quán)重函數(shù)來(lái)控制不同尺度上細(xì)節(jié)圖像的貢獻(xiàn)[13]。對(duì)于每個(gè)像素，其銳化后的像素值計(jì)算公式如式（10）所示。

S（x，y）=I（x，y）+ws（x，y）·ks·Ds（x，y）（10）

式（10）中，I（x，y）代表原始圖像像素值，N代表分解尺度數(shù)量，ks代表第s個(gè)分解尺度上的銳化增益系數(shù)，Ds（x，y）代表第s個(gè)尺度上的細(xì)節(jié)圖像像素值，ws（x，y）代表權(quán)重函數(shù)值。權(quán)重函數(shù)可以根據(jù)圖像的局部特性來(lái)調(diào)整不同尺度上細(xì)節(jié)圖像的貢獻(xiàn)[14]。對(duì)此，本文選擇結(jié)合圖像梯度的幅度或局部對(duì)比度來(lái)定義權(quán)重函數(shù)，其具體函數(shù)表達(dá)式如式（11）所示。

ws（x，y）=（11）

式（11）中，Gx（x，y）代表第s個(gè)尺度上包裝外觀圖像梯度幅度函數(shù)[15]。通過(guò)上述對(duì)權(quán)重函數(shù)進(jìn)行定義，可以保證當(dāng)某個(gè)像素在較小尺度上具有較高的梯度幅度時(shí)，它在銳化過(guò)程中將獲得更大的貢獻(xiàn)。最后，將銳化后的圖像進(jìn)行整合，從而完成圖像增強(qiáng)處理。

通過(guò)上述步驟即可完成對(duì)產(chǎn)品包裝外觀圖像的多尺度細(xì)節(jié)銳化處理。通過(guò)結(jié)合圖像梯度對(duì)權(quán)重函數(shù)進(jìn)行定義，并將其作為細(xì)節(jié)圖像中不同分解尺度貢獻(xiàn)度的衡量指標(biāo)，實(shí)現(xiàn)多尺度銳化增強(qiáng)處理。將本節(jié)內(nèi)容與上述提到的離群點(diǎn)剔除以及色彩補(bǔ)償?shù)认嚓P(guān)內(nèi)容進(jìn)行結(jié)合，至此，基于激光數(shù)字的產(chǎn)品包裝外觀圖像增強(qiáng)技術(shù)設(shè)計(jì)完成。

2 實(shí)驗(yàn)論證

為了證明本文提出的基于激光數(shù)字的產(chǎn)品包裝外觀圖像增強(qiáng)技術(shù)在實(shí)際增強(qiáng)效果方面優(yōu)于常規(guī)的產(chǎn)品包裝外觀圖像增強(qiáng)技術(shù)，在完成算法方面的設(shè)計(jì)后，通過(guò)構(gòu)建實(shí)驗(yàn)對(duì)比環(huán)節(jié)，對(duì)本文方法的實(shí)際增強(qiáng)效果進(jìn)行檢驗(yàn)。

2.1 實(shí)驗(yàn)說(shuō)明

為驗(yàn)證本文提出的基于激光數(shù)字的產(chǎn)品包裝外觀圖像增強(qiáng)技術(shù)方面的優(yōu)越性，本次實(shí)驗(yàn)選取了兩組常規(guī)的產(chǎn)品包裝外觀圖像增強(qiáng)技術(shù)作為對(duì)比對(duì)象，分別為曲波變換方法[2]和三重注意力和多尺度金字塔結(jié)構(gòu)方法[3]。通過(guò)構(gòu)建實(shí)驗(yàn)平臺(tái)，采用三種增強(qiáng)方法對(duì)同一組產(chǎn)品外包裝圖像數(shù)據(jù)集進(jìn)行增強(qiáng)處理，對(duì)比不同方法的實(shí)際增強(qiáng)效果。

2.2 實(shí)驗(yàn)對(duì)象

本次實(shí)驗(yàn)所選取的產(chǎn)品外包裝圖像數(shù)據(jù)集來(lái)源于多個(gè)真實(shí)世界場(chǎng)景下的產(chǎn)品包裝圖像。為了確保數(shù)據(jù)的多樣性和真實(shí)性，本次實(shí)驗(yàn)通過(guò)編寫定制的爬蟲腳本，從各大在線購(gòu)物商城抓取商品詳情頁(yè)中的產(chǎn)品外包裝圖像。這些圖像通常展示了產(chǎn)品的真實(shí)外觀，且具有較高的分辨率和清晰度。此外，本文還從專業(yè)的數(shù)據(jù)提供商處購(gòu)買了部分包含產(chǎn)品外包裝圖像的數(shù)據(jù)集。這些數(shù)據(jù)集經(jīng)過(guò)嚴(yán)格的質(zhì)量控制，具有較高的準(zhǔn)確性和可信度。本次實(shí)驗(yàn)所選取的數(shù)據(jù)集共包含15 000張產(chǎn)品外包裝圖像，覆蓋了80個(gè)不同的產(chǎn)品類別。大部分圖像的分辨率在800像素×800像素至2 000像素×2 000像素之間，確保了圖像的清晰度和細(xì)節(jié)表現(xiàn)。所有圖像均保存為JPEG格式，以保持較高的圖像質(zhì)量和較小的文件體積。每張圖像均配有詳細(xì)的標(biāo)簽信息，包括產(chǎn)品類別、品牌、顏色、材質(zhì)等。

在對(duì)上述實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行處理時(shí)，本文移除了任何模糊、損壞或無(wú)關(guān)的圖像，確保數(shù)據(jù)集中僅包含清晰、完整且與產(chǎn)品包裝相關(guān)的圖像。同時(shí)對(duì)原始圖像進(jìn)行縮放、翻轉(zhuǎn)、旋轉(zhuǎn)、裁剪等操作，以生成更多的訓(xùn)練樣本。在采用本文方法對(duì)圖像進(jìn)行增強(qiáng)時(shí)，需要采用激光掃描設(shè)備對(duì)包裝圖像進(jìn)行掃描，從而獲取點(diǎn)云數(shù)據(jù)。剔除數(shù)據(jù)中的離群點(diǎn)，設(shè)定距離閾值dmax為0.08，從而實(shí)現(xiàn)圖像去噪濾波處理，離群點(diǎn)剔除效果如圖1所示。

通過(guò)圖1可以看出，本文在完成包裝圖像的掃描后，通過(guò)點(diǎn)云數(shù)據(jù)離群點(diǎn)剔除操作，清晰了包裝圖像的邊界，從而優(yōu)化了圖像質(zhì)量增強(qiáng)效果。分別采用三種方法對(duì)圖像數(shù)據(jù)集進(jìn)行增強(qiáng)處理，并對(duì)比增強(qiáng)后的圖像質(zhì)量，從而實(shí)現(xiàn)增強(qiáng)效果的有效對(duì)比。

2.3 增強(qiáng)效果對(duì)比

采用本文方法進(jìn)行圖像增強(qiáng)后，所得到的圖像增強(qiáng)結(jié)果如圖2所示。

通過(guò)上述實(shí)驗(yàn)結(jié)果可以看出，本文方法可以有效校正原始圖像中的色彩偏差，并結(jié)合多尺度銳化手段對(duì)原始圖像進(jìn)行細(xì)節(jié)上的銳化增強(qiáng)處理。為了提高實(shí)驗(yàn)結(jié)果的對(duì)比性，本次實(shí)驗(yàn)以不同圖像增強(qiáng)結(jié)果下的圖像峰值信息噪比作為衡量指標(biāo)，對(duì)方法的實(shí)際增強(qiáng)效果進(jìn)行比較。在針對(duì)相同圖像進(jìn)行增強(qiáng)后，圖像的峰值信噪比越高，代表圖像失真程度越低，同時(shí)也能夠證明方法的增強(qiáng)效果越好，具體實(shí)驗(yàn)結(jié)果如表1所示。

通過(guò)上述實(shí)驗(yàn)結(jié)果可以看出，在針對(duì)相同的產(chǎn)品包裝圖像進(jìn)行增強(qiáng)處理時(shí)，不同方法的實(shí)際增強(qiáng)效果也有所不同。通過(guò)數(shù)值上的對(duì)比可以明顯看出，在本文增強(qiáng)方法下，產(chǎn)品包裝外觀圖像的峰值信噪比明顯更高，說(shuō)明圖像質(zhì)量更好，由此可以證明本文方法的實(shí)際增強(qiáng)效果要優(yōu)于兩種常規(guī)方法。

3 結(jié)束語(yǔ)

本研究通過(guò)激光數(shù)字技術(shù)的精準(zhǔn)掃描和數(shù)字化處理，能夠以更高的分辨率和更豐富的色彩信息來(lái)捕捉產(chǎn)品包裝的每一個(gè)細(xì)節(jié)。這不僅有助于企業(yè)更全面地理解產(chǎn)品包裝的視覺特征，還能為后續(xù)的圖像增強(qiáng)處理提供更為精準(zhǔn)的數(shù)據(jù)支持。通過(guò)結(jié)合先進(jìn)的圖像處理算法和深度學(xué)習(xí)技術(shù)，能夠?qū)D像進(jìn)行針對(duì)性的優(yōu)化處理，從而顯著提升產(chǎn)品包裝外觀圖像的質(zhì)量，使其更加生動(dòng)、精美，更能夠吸引消費(fèi)者的目光。

參考文獻(xiàn)：

〔1〕陳晨，孫琳.基于視覺傳達(dá)的低亮度激光圖像細(xì)節(jié)信息增強(qiáng)方法[J].激光雜志，2024，45（04）：135-140.

〔2〕丁超群.基于曲波變換的弱光照包裝圖像對(duì)比度設(shè)計(jì)增強(qiáng)方法[J].激光雜志，2024，45（04）：223-227.

〔3〕Sun K， Tian Y. Incorporating Triple Attention and Multi-scale Pyramid Network for Underwater Image Enhancement[J]. The international arab journal of information technology， 2023， 20（03）：387-397.

〔4〕張航，顏佳.語(yǔ)義分割和HSV色彩空間引導(dǎo)的低光照?qǐng)D像增強(qiáng)[J].中國(guó)圖象圖形學(xué)報(bào)，2024，29（04）：966-977.

〔5〕陳輝，牛麗麗，付輝，等.基于多尺度殘差和注意力機(jī)制的圖像去霧算法[J].蘭州理工大學(xué)學(xué)報(bào)，2024， 50（02）：69-76.

〔6〕王奎，黃福珍.基于殘差融合的改進(jìn)Retinex圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用與軟件，2024，41（04）：205-211+218.

〔7〕付煒平，趙智龍，孟榮，等.改進(jìn)聯(lián)合雙邊上采樣濾波的Kinect深度圖像增強(qiáng)算法研究[J].制造業(yè)自動(dòng)化，2024，46（02）：47-53.

〔8〕安芷楠，魏赟.結(jié)合灰度世界和Retinex的低照度圖像增強(qiáng)算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2024， 45（02）：477-482.

〔9〕胡乘其，王書朋，王瑜婧.基于魯棒性主成分分析的低照度圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用與軟件，2024，41（02）：244-249.

〔10〕梁燕華，田訓(xùn)鵬，蘆君珂.一種單參數(shù)同態(tài)濾波的煤礦井下圖像增強(qiáng)算法研究[J].礦業(yè)研究與開發(fā)，2024，44（02）：194-199.

〔11〕張亞邦，李佳悅，王滿利.基于HSV空間的煤礦井下低光照?qǐng)D像增強(qiáng)方法[J].紅外技術(shù)，2024，46（01）：74-83.

〔12〕陳清江，王炫鈞，邵菲.基于多尺度殘差注意力網(wǎng)絡(luò)的水下圖像增強(qiáng)[J].應(yīng)用光學(xué)，2024，45（01）：89-98.

〔13〕顧文娟，丁燦，魏金，等.基于雙邊濾波MSR與AutoMSRCR融合的低光照?qǐng)D像增強(qiáng)[J].光學(xué)精密工程，2023，31（24）：3606-3617.

〔14〕游達(dá)章，陶加濤，張業(yè)鵬，等.基于灰度變換及改進(jìn)Retinex的低照度圖像增強(qiáng)[J].紅外技術(shù)，2023，45（02）：161-170.

〔15〕趙康林，何敬民.基于視覺傳達(dá)技術(shù)的包裝設(shè)計(jì)圖像增強(qiáng)方法[J].現(xiàn)代電子技術(shù)，2021，44（13）：46-49.

收稿日期：2024-07-17

基金項(xiàng)目：2024年安徽省高等學(xué)?？茖W(xué)研究項(xiàng)目“地域文化在文創(chuàng)產(chǎn)品設(shè)計(jì)中的傳承與創(chuàng)新機(jī)制研究——以徽州文化為例”（2024AH052292）；2023年校級(jí)質(zhì)量工程“產(chǎn)品藝術(shù)設(shè)計(jì)服務(wù)十大新興產(chǎn)業(yè)特色專業(yè)”（2023xtszy02）