CN101937328B - 图像优化曲线的生成方法与装置 - Google Patents

图像优化曲线的生成方法与装置 Download PDF

Info

Publication number
CN101937328B
CN101937328B CN200910108518.6A CN200910108518A CN101937328B CN 101937328 B CN101937328 B CN 101937328B CN 200910108518 A CN200910108518 A CN 200910108518A CN 101937328 B CN101937328 B CN 101937328B
Authority
CN
China
Prior art keywords
image
curve
reference mark
benchmark
slope
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN200910108518.6A
Other languages
English (en)
Other versions
CN101937328A (zh
Inventor
孙文武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Mindray Bio Medical Electronics Co Ltd
Original Assignee
Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Mindray Bio Medical Electronics Co Ltd filed Critical Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority to CN200910108518.6A priority Critical patent/CN101937328B/zh
Priority to US12/822,988 priority patent/US8204332B2/en
Publication of CN101937328A publication Critical patent/CN101937328A/zh
Application granted granted Critical
Publication of CN101937328B publication Critical patent/CN101937328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • G06T5/94Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10116X-ray image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种生成自适应图像优化曲线的方法与装置、以及包括该装置的图像处理系统。所述方法主要包括确定步骤,根据不同组织部位和不同方位的图像,按照实际要求确定基准控制点的横坐标和纵坐标以及过该基准控制点的曲线的基准斜率;计算步骤,计算图像中感兴趣区域内像素的平均值,作为当前图像特征值;构造步骤,利用基准控制点坐标和基准斜率,构造S形基准优化曲线方程;以及生成步骤,将新控制点的坐标和过新控制点的曲线的斜率带入S形基准优化曲线方程,计算出其中的参数以得到自适应图像优化曲线。按照本发明生成的优化曲线,不但可以自适应图像的不同特征,而且生成方法简单,计算量小。

Description

图像优化曲线的生成方法与装置
技术领域
本发明涉及一种图像处理方法与装置,尤其是涉及一种图像优化曲线的生成方法与装置。
背景技术
数字X射线影像设备所获得的原始图像数据具有很宽的动态变化范围。现在标准的X射线影像设备通常具有捕获14比特数据变化范围的能力,全部显示这些数据范围所对应的组织信息,将会使得组织之间的对比度很低,给临床应用带来困难。
而另一方面,在实际诊断中,感兴趣组织区域所对应的数据范围仅占全部数据变化范围的一部分。为了提高感兴趣区域内组织间的对比度,通过调节图像显示的窗宽窗位,在满足特定组织区域具有一定对比度的同时,又会使得其它组织区域变得不可见,从而降低了所能同时显示的组织信息的丰富性。为此,在提供可供医生诊断的图像之前,必须对图像进行一系列的后处理,其中一个重要的环节就是建立对图像进行变化的优化曲线,该曲线可影响图像的全局显示效果。经过优化曲线变换后的图像,能够提高特定组织区域的对比度,同时也能显示其它区域内的信息。
为了建立优化曲线,需要对当前图像进行分析,提取该图像的一些特征值。目前已有的X射线影像设备中的图像分析过程复杂,分析结果的准确性将影响图像的显示效果。例如,按照一种现有技术,通过分析图像感兴趣区域的范围及图像的活动直方图,从而确定该图像的四个特征点,之后再运用模型法,生成该图像的优化曲线。在另一种现有技术中,通过给出一个S形曲线的通用表达式,从而生成一组具有不同对比度的曲线。但该曲线生成方法并不能自适应当前图像特征。因此,寻求一种简单而有效的图像优化曲线的生成方法是十分必要。
发明内容
本发明的目的是为了克服现有技术存在的缺陷,提供一种图像优化曲线的生成方法与装置。为了实现这一目的,本发明所采取的技术方案如下。
按照本发明实施例的第一方面,提供一种生成自适应图像优化曲线的方法,主要包括:确定步骤,根据不同组织部位和不同方位的图像,按照实际要求确定基准控制点的横坐标和纵坐标以及过该基准控制点的曲线的基准斜率;计算步骤,计算图像中感兴趣区域内像素的平均值,作为当前图像特征值;构造步骤,利用基准控制点坐标和基准斜率,构造S形基准优化曲线方程;以及生成步骤,将新控制点的坐标和过新控制点的曲线的斜率带入S形基准优化曲线方程,计算出其中的参数以得到自适应图像优化曲线;其中新控制点的横坐标为所述图像特征值乘以大于零的系数,新控制点的纵坐标为基准控制点的纵坐标,以及过新控制点的曲线的斜率为基准斜率乘以基准控制点的横坐标值与所述图像特征值的比值。
按照本发明实施例的第二方面,提供一种生成自适应图像优化曲线的装置,主要包括:确定模块,根据不同组织部位和不同方位的图像,按照实际要求确定基准控制点的横坐标和纵坐标以及过该基准控制点的曲线的基准斜率;计算模块,计算图像中感兴趣区域内像素的平均值,作为当前图像特征值;构造模块,利用基准控制点坐标和基准斜率,构造S形基准优化曲线方程;以及生成模块,将新控制点的坐标和过新控制点的曲线的斜率带入S形基准优化曲线方程,计算出其中的参数以得到自适应图像优化曲线;其中新控制点的横坐标为所述图像特征值乘以大于零的系数,新控制点的纵坐标为基准控制点的纵坐标,以及过新控制点的曲线的斜率为基准斜率乘以基准控制点的横坐标值与所述图像特征值的比值。
按照本发明实施例的第三方面,提供一种图像处理系统,主要包括:按照本发明实施例第二方面的生成自适应图像优化曲线的装置,以及优化曲线应用装置,利用所述优化曲线对图像实施变换。
按照本发明生成的优化曲线,不但可以自适应图像的不同特征,而且生成方法简单,计算量小。
下面将结合附图并通过具体的实施例对本发明进行进一步说明。
附图说明
图1是按照本发明实施例的生成自适应图像优化曲线的方法的流程图;
图2是按照发明本实施例的基准优化曲线和自适应当前图像的优优化曲线示意图;
图3是按照发明本实施例的优化曲线尾端形状改变后的形状示意图;
图4是按照本实施例的生成自适应图像优化曲线的装置的结构框图;
图5是包括按照本发明实施例的图像分析及优化曲线生成装置的X线影像设备的图像后处理系统;
图6是另一种包括按照本发明实施例的图像分析及优化曲线生成装置的X线影像设备的图像后处理系统;
图7是采用多频处理方法对图像进行增强、降噪与均衡的框图。
具体实施方式
如图1所示,是按照本实施例的生成自适应图像优化曲线的方法的流程图,主要包括确定步骤100、计算步骤102、构造步骤104和生成步骤106,另外,还可选地包括调整步骤108。其中在确定步骤100中,根据不同组织部位和不同方位的图像,按照实际要求确定基准控制点的横坐标和纵坐标以及过该基准控制点的曲线的基准斜率;其中横坐标可以取值为大量相同部位体位图像中感兴趣区域内的平均像素值;其中该纵坐标的取值依赖于基准优化曲线输出的最大值Imax及最小值Imin,通常取值为
Figure G2009101085186D00041
Figure G2009101085186D00042
其中基准斜率的通常取值范围为0~2.0之间(但并不局限于此范围),常用的取值为1.0或1.5。在计算步骤102中,计算图像中感兴趣区域内像素的平均值,作为当前图像特征值。在构造步骤104中,利用基准控制点坐标和基准斜率,构造S形基准优化曲线方程。在生成步骤106中,将新控制点的坐标和过新控制点的曲线的斜率带入S形基准优化曲线方程,计算出其中的参数以得到自适应图像优化曲线。在调整步骤108中,调整优化曲线两端的形状,以改变图像动态范围两端的对比度。下面对按照本实施例的方法中的步骤进行具体说明。
首先需要对图像中感兴趣区域进行分割,提取感兴趣区域的特征。依所照射的组织部位不同,感兴趣区域可以为肺叶等特定的区域,也可以为所照射部位的整个组织区域。感兴趣区域的特征的定义及计算,依优化曲线的生成方法不同也各异。本实施例将感兴趣区域内像素值位于一定范围内的部分像素点的平均像素值,作为感兴趣区域的特征值。经过上述图像分割及分析之后,利用所计算出的特征值,再进一步生成适合当前图像的优化曲线。为了方便起见,在生成当前图像的优化曲线之前,针对具有相同照射部位及方位的一类图像,本实施例事先构造出一个基准优化曲线。此基准优化曲线的形状取决于曲线所经过的基准控制点的位置,及曲线在此位置上的基准斜率,该曲线的通用函数描述为:
f=f(x0,y0,g)    (1)
其中x0、y0分别为基准控制点的横坐标与纵坐标,g为过基准控制点位置处的曲线基准斜率。
构造经过基准控制点及在此位置上的斜率为基准斜率的曲线的方法很多,常用的是构造S形曲线。S形曲线具有中间一段斜率大而两端斜率小的特点。将图像感兴趣区域所对应的那些像素值应用S形曲线中斜率大的那一段函数进行变换,而将图像不感兴趣区域所对应的那些像素值应用S形曲线中斜率小的那一段函数进行变换,从而可以达到提高感兴趣区域内的组织对比度,同时抑制不感兴趣区域内的组织对比度的目的。构造S形曲线的一种方法如下:
I out = I min + I max - I min 1 + c β · ( I 0 - I ) - - - ( 2 )
其中I为曲线的自变量,对应图像的输入像素值,Iout对应图像的输出像素值,Imax和Imin分别为Iout所能取的最大及最小值,β和I0为两个依赖于当前控制点位置坐标及斜率的参数,c为任意大于1的实数,例如取10(需要注意的是:c的任何取值都可转化成c为10的情况,不同之处在于相应的β不同)。给定基准控制点的位置坐标(Ib,Iout b)及基准斜率gb,公式(2)中对应该基准控制点的参数β及I0的计算方法为:
α = I max - I min I out b - I min - 1 , - - - ( 3 )
那么
β = g b · ( 1 + α ) 2 ( I max - I min ) · α · In ( c ) , - - - ( 4 )
I 0 = I b + log c α β . - - - ( 5 )
该基准优化曲线的示意图如图2中曲线A所示。
构造S形曲线的另一种方法为:
I out = I min + I max - I min 1 + r · e - t · I - - - ( 6 )
其中r和t为依赖于当前控制点位置及过该点曲线斜率的两个参数,Imax、Imin和Iout及I的含义与公式2中相同。给定基准控制点的位置坐标(Ib,Iout b)及基准斜率gb,通过联立如下二元方程组,
I out b = I out ( I b ) g b = I out ′ ( I ) | I = I b - - - ( 7 )
不难求解出公式6中对应该基准控制点的参数r和t的值。
公式(2)及(6)都是通过指数函数构造出S形函数,实际上通过三角函数也可以构造如下的S形曲线:
I out = I min + I max - I min 2 { 1 + 1 sin ( p π 2 ) sin [ pπ ( I I max - q ) ] } - - - ( 8 )
其中p和q为依赖于当前控制点位置及过该点曲线斜率的两个参数,p和q的变化范围为0到1之间,Imax、Imin和Iout及I的含义与公式6中相同。类似于求解公式6中的参数r和t的方法,可求解参数p和q的值。对于不同组织部位及方位的图像,其所对应的构造基准优化曲线的基准控制点的坐标(Ib,Iout b)及基准斜率gb也有所不同,这是根据该部位图像的实际要求(例如对比度,亮度等要求),而做相应的调整。
为了进一步生成自适应当前图像的优化曲线,本实施例通过改变基准控制点的位置以及经过该点处的基准优化曲线的斜率,来生成新控制点的坐标和经过该点的自适应曲线的斜率,并且利用上述生成当前基准优化曲线的方法而生成当前的自适应优化曲线。也就是说,如果采用公式2生成基准优化曲线,那么将计算出的自适应曲线的新控制点的位置及斜率值重新代入公式2,计算出新的参数β和I0,从而得到自适应优化曲线。显然,如果采用公式6或8生成基准优化曲线,可通过类似计算得到自适应优化曲线。
其中新控制点的横坐标为当前图像特征值T乘以大于零的系数k,k为大于零的一个系数,比如取值为0.5,该系数的取值应该使得新控制点的横坐标值位于感兴趣区域数据的变化范围内;新控制点的纵坐标为基准控制点的纵坐标。于是,新控制点的位置坐标为:
(k*T,Iout b)。
过新控制点的自适应优化曲线的斜率为基准斜率gb乘以基准控制点的横坐标Ib与图像特征值T的比值,令 γ = I b T , 则过新控制点的自适应优化曲线的斜率为:γ*gb
通过这种方法,当前图像感兴趣区域所对应的那些像素值,就可利用当前自适应曲线中斜率大的那一段函数进行变换,从而提高感兴趣区域内的组织对比度。自适应优化曲线的示意图如图2中曲线B所示。
此外,通过改变优化曲线两端的形状,可以改变图像中动态范围两端区域内的组织对比度。对于公式2所示的实施例,给定参数斜率值ge,那么从优化曲线尾端上斜率为ge的那点开始的修改后的曲线尾端的一种表达式如下:
Iout=Iout(Ie)+(I-Ie)·ge,I≥Ie
其中Ie为该点的横坐标。Ie的计算方法为:
p = 2 - ( I max - I min ) · β · Ina g e ,
q = - p - p 2 - 4 2 ,
I e = I 0 - log a ( q ) β .
该曲线示意图如图3所示曲线C,曲线C是对曲线B的尾端形状进行了修改,其中ge为0.05。
如图4所示,是按照本实施例的生成自适应图像优化曲线的装置500的结构框图,主要包括确定模块400、计算模块402、构造模块404和生成模块406,另外,还可选地包括调整模块408。其中确定模块400根据不同组织部位和不同方位的图像,按照实际要求确定基准控制点的横坐标和纵坐标以及过该基准控制点的曲线的基准斜率;计算模块402计算图像中感兴趣区域内像素的平均值,作为当前图像特征值;构造模块404利用基准控制点坐标和基准斜率,构造S形基准优化曲线方程;生成模块406将新控制点的坐标和过新控制点的曲线的斜率带入S形基准优化曲线方程,计算出其中的参数以得到自适应图像优化曲线;以及调整模块408调整优化曲线两端的形状,以改变图像动态范围两端的对比度。
按照本发明实施例的生成自适应图像优化曲线的方法和装置,可以通过硬件、软件、固件、或者其组合实现在医疗影像设备、数码摄像产品、工业及科学仪器图像处理系统中,以便对图像进行变换。下面以X线影像设备的图像处理系统为例,对按照本实施例的方法和装置的应用进行说明。
图5所示的X线影像设备的图像后处理系统包括图像分析及优化曲线生成装置500、优化曲线应用装置504、以及图像显示装置506。其中,图像分析及优化曲线生成装置500根据当前图像的特性,构造适合当前图像的优化曲线,而显示装置506则对经过优化曲线应用装置504实施变换后的图像,进行显示补偿,然后再输出到打印机或显示器,显示补偿的作用是使得显示效果能反映图像所表达的真实内容。
图6是另一种包括图像分析及优化曲线生成装置500的X线影像设备的图像后处理系统,在图5所示系统的基础上,增加了图像增强、降噪与均衡装置502。此装置502用于增强图像的局部细节,并抑制因细节增强而放大了的噪声,同时压缩图像的动态范围及平衡细节之间的对比度,使得更多的组织信息能同时显示。
如图7所示,目前的图像增强、降噪、均衡通常是采用多频处理方法。多尺度分解单元700将输入图像分解成一系列具有不同尺寸信息的细节层次图,以及基本不再蕴含任何细节信息的本底图。增强单元702对分解后的各层次细节进行不同程度的增强,以及由此而放大了的噪声则由降噪单元706进行抑制。均衡单元704通过压缩本底图的动态范围,以及平衡各层次细节间的对比度,以丰富同时显示的信息。而最后的图像重建单元708组合上述经过增强、降噪、均衡处理后的细节层次图及本底图。其中本实施例中的图像特征值,也可以在图像多尺度分解过程中提取。在该过程中,图像特征值可能计算为感兴趣区域内消除了噪声影响的全部或部分像素点的像素值平均。
以上通过具体的实施例对本发明进行了说明,但本发明并不限于这些具体的实施例。本领域技术人员应该明白,还可以对本发明做各种修改、等同替换、变化等等,例如将上述实施例中的一个步骤或模块分为两个或更多个步骤或模块来实现,或者相反,将上述实施例中的两个或更多个步骤或模块的功能放在一个步骤或模块中来实现。但是,这些变换只要未背离本发明的精神,都应在本发明的保护范围之内。另外,本申请说明书和权利要求书所使用的一些术语以及采用的符号并不是限制,仅仅是为了便于描述。

Claims (13)

1.一种生成自适应图像优化曲线的方法,其特征在于,包括:
确定步骤,根据不同组织部位和不同方位的图像,按照实际要求确定基准控制点的横坐标和纵坐标以及过该基准控制点的曲线的基准斜率;
计算步骤,计算图像中感兴趣区域内像素的平均值,作为当前图像特征值;
构造步骤,利用基准控制点坐标和基准斜率,构造S形基准优化曲线方程;以及
生成步骤,将新控制点的坐标和过新控制点的曲线的斜率带入S形基准优化曲线方程,计算出其中的参数以得到自适应图像优化曲线;
其中新控制点的横坐标为所述图像特征值乘以大于零的系数,新控制点的纵坐标为基准控制点的纵坐标,以及过新控制点的曲线的斜率为基准控制点的横坐标值与所述图像特征值的比值乘以基准斜率。
2.如权利要求1所述的方法,其特征在于,还包括:
调整步骤,用于调整优化曲线两端的形状,以改变图像动态范围两端的对比度。
3.如权利要求1或2所述的方法,其特征在于,在图像多尺度分解过程中提取所述图像特征值,其中将感兴趣区域内消除了噪声影响的全部或部分像素点的平均像素值作为所述图像特征值。
4.如权利要求1或2所述的方法,其特征在于,所述实际要求包括对亮度和对比度的要求。
5.如权利要求1或2所述的方法,其特征在于,所述S形基准优化曲线方程为:
I out = I min + I max - I min 1 + c β · ( I 0 - I ) ;
其中I为曲线的自变量,对应图像的输入像素值,Iout对应图像的输出像素值,Imax和Imin分别为Iout所能取的最大及最小值,β和I0为两个依赖于当前控制点位置坐标及斜率的参数,c为任意大于1的实数。
6.如权利要求1或2所述的方法,其特征在于,所述S形基准优化曲线方程为:
I out = I min + I max - I min 1 + r · e - t · I ;
其中I为曲线的自变量,对应图像的输入像素值,Iout对应图像的输出像素值,Imax和Imin分别为Iout所能取的最大及最小值,r和t为两个依赖于当前控制点位置坐标及斜率的参数。
7.如权利要求1或2所述的方法,其特征在于,所述S形基准优化曲线方程为:
I out = I min + I max - I min 2 { 1 + 1 sin ( p π 2 ) sin [ pπ ( I I max - q ) ] } ;
其中I为曲线的自变量,对应图像的输入像素值,Iout对应图像的输出像素值,Imax和Imin分别为Iout所能取的最大及最小值,p和q为依赖于当前控制点位置及斜率的两个参数,p和q的变化范围为0到1之间。
8.一种生成自适应图像优化曲线的装置,其特征在于,包括:
确定模块,根据不同组织部位和不同方位的图像,按照实际要求确定基准控制点的横坐标和纵坐标以及过该基准控制点的曲线的基准斜率;
计算模块,计算图像中感兴趣区域内像素的平均值,作为当前图像特征值;
构造模块,利用基准控制点坐标和基准斜率,构造S形基准优化曲线方程;以及
生成模块,将新控制点的坐标和过新控制点的曲线的斜率带入S形基准优化曲线方程,计算出其中的参数以得到自适应图像优化曲线;
其中新控制点的横坐标为所述图像特征值乘以大于零的系数,新控制点的纵坐标为基准控制点的纵坐标,以及过新控制点的曲线的斜率为基准控制点的横坐标值与所述图像特征值的比值乘以基准斜率。
9.如权利要求8所述的装置,其特征在于,还包括:
调整模块,用于调整优化曲线两端的形状,以改变图像动态范围两端的对比度。
10.如权利要求8或9所述的装置,其特征在于,所述实际要求包括对亮度和对比度的要求。
11.一种图像处理系统,其特征在于,包括:
权利要求8至10中任一项所述的生成自适应图像优化曲线的装置,用于根据当前图像的特性,生成适合当前图像的优化曲线;以及
优化曲线应用装置,利用所述优化曲线对图像实施变换。
12.如权利要求11所述的系统,其特征在于,还包括:
显示装置,用于对经过变换后的图像进行显示补偿,然后输出到打印机或显示器。
13.如权利要求11或12所述的系统,其特征在于,还包括:
图像增强、降噪与均衡装置,用于对图像实施变换前增强图像的局部细节并抑制因细节增强而放大了的噪声,同时压缩图像的动态范围以及平衡细节之间的对比度。
CN200910108518.6A 2009-07-01 2009-07-01 图像优化曲线的生成方法与装置 Active CN101937328B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN200910108518.6A CN101937328B (zh) 2009-07-01 2009-07-01 图像优化曲线的生成方法与装置
US12/822,988 US8204332B2 (en) 2009-07-01 2010-06-24 Method and device for tone scale curve generation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200910108518.6A CN101937328B (zh) 2009-07-01 2009-07-01 图像优化曲线的生成方法与装置

Publications (2)

Publication Number Publication Date
CN101937328A CN101937328A (zh) 2011-01-05
CN101937328B true CN101937328B (zh) 2014-01-15

Family

ID=43390679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200910108518.6A Active CN101937328B (zh) 2009-07-01 2009-07-01 图像优化曲线的生成方法与装置

Country Status (2)

Country Link
US (1) US8204332B2 (zh)
CN (1) CN101937328B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010140281A1 (ja) * 2009-06-04 2010-12-09 シャープ株式会社 信号処理装置、信号処理装置の制御方法、制御プログラム、および該制御プログラムを記録したコンピュータ読み取り可能な記録媒体
JP5291804B2 (ja) 2009-11-17 2013-09-18 シャープ株式会社 符号化装置、符号化装置の制御方法、伝送システム、および制御プログラムを記録したコンピュータ読み取り可能な記録媒体
US8824825B2 (en) 2009-11-17 2014-09-02 Sharp Kabushiki Kaisha Decoding device with nonlinear process section, control method for the decoding device, transmission system, and computer-readable recording medium having a control program recorded thereon
KR101486776B1 (ko) * 2010-07-29 2015-01-29 삼성전자주식회사 영상 처리 방법 및 장치와 이를 채용한 의료영상시스템
JP7330744B2 (ja) * 2019-04-24 2023-08-22 キヤノンメディカルシステムズ株式会社 医用情報処理装置、オーダリングシステム及びプログラム
CN110263417B (zh) * 2019-06-17 2023-11-17 中国科学院微电子研究所 一种时序特性获取方法、装置及电子设备
CN111130681B (zh) * 2019-12-10 2021-10-08 中国信息通信研究院 一种噪声传递特性确定方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1162363A (zh) * 1994-10-26 1997-10-15 伊美申公司 通过空间直方图分析实现对比度增强
CN101231747A (zh) * 2007-01-22 2008-07-30 清华大学 一种x射线图像边缘和对比度综合增强方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0422220B1 (en) 1989-03-28 1996-07-03 Yokogawa Medical Systems, Ltd Image processing apparatus
US5541028A (en) 1995-02-02 1996-07-30 Eastman Kodak Company Constructing tone scale curves
US6100904A (en) 1997-06-25 2000-08-08 Adobe Systems Incorporated Curvature smoothing
US6791716B1 (en) * 2000-02-18 2004-09-14 Eastmas Kodak Company Color image reproduction of scenes with preferential color mapping
US7113649B2 (en) * 2002-06-24 2006-09-26 Eastman Kodak Company Enhancing the tonal characteristics of digital images
US7372597B2 (en) * 2004-07-27 2008-05-13 Eastman Kodak Company Tonescales for geographically localized digital rendition of people

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1162363A (zh) * 1994-10-26 1997-10-15 伊美申公司 通过空间直方图分析实现对比度增强
CN101231747A (zh) * 2007-01-22 2008-07-30 清华大学 一种x射线图像边缘和对比度综合增强方法

Also Published As

Publication number Publication date
US8204332B2 (en) 2012-06-19
CN101937328A (zh) 2011-01-05
US20110002524A1 (en) 2011-01-06

Similar Documents

Publication Publication Date Title
CN101937328B (zh) 图像优化曲线的生成方法与装置
Dupont Power calculations for matched case-control studies
CN107203989A (zh) 基于全卷积神经网络的端对端胸部ct图像分割方法
CN105447837B (zh) 基于自适应云模型的多模态脑部图像融合方法
CN109816742A (zh) 基于全连接卷积神经网络的锥束ct几何伪影去除方法
CN107040775B (zh) 一种基于局部特征的色调映射图像质量客观评价方法
Ye et al. A gray scale correction method for side-scan sonar images based on retinex
CN104732520A (zh) 一种胸部数字影像的心胸比测量算法及系统
CN107977949A (zh) 一种基于投影字典对学习的医学图像融合质量改善的方法
US8582846B2 (en) Method and system for validating image registration
CN103281537A (zh) 一种图像动态范围压缩方法及装置
CN115631183A (zh) 基于双路解码器实现针对x光片图像的分类识别的方法、系统、装置、处理器及存储介质
CN109916933B (zh) 基于卷积神经网络的x射线计算机断层成像能谱估计方法
Kim et al. Signal-processing framework for ultrasound compressed sensing data: envelope detection and spectral analysis
Gomi et al. Evaluation of a generative adversarial network to improve image quality and reduce radiation-dose during digital breast tomosynthesis
Horonjeff An examination of dose uncertainty and dose distribution effects on community noise attitudinal survey outcomes
Izzetti et al. Reliability of OMERACT scoring system in ultra-high frequency ultrasonography of minor salivary glands: Inter-rater agreement study
Sultan et al. Can Artificial Intelligence Aid Diagnosis by Teleguided Point-of-Care Ultrasound? A Pilot Study for Evaluating a Novel Computer Algorithm for COVID-19 Diagnosis Using Lung Ultrasound
Völgyes et al. A weighted histogram-based tone mapping algorithm for CT images
CN105590332A (zh) 一种应用于ct成像的快速代数重建方法
CN104657987A (zh) 基于pet/ct图像质量客观算法的评价方法及系统
CN105049835A (zh) 感知立体图像质量的客观评价方法
CN107220495A (zh) 一种基于医学影像增强的健康信息分析系统
Feng et al. Dynamic cosine method for normalizing incidence angle effect on c-band radar backscattering coefficient for maize canopies based on NDVI
Zeng et al. SPECT region of interest reconstruction with truncated transmission and emission data

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20110105

Assignee: Shenzhen Mindray Animal Medical Technology Co.,Ltd.

Assignor: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd.

Contract record no.: X2022440020009

Denomination of invention: Method and device for generating image optimization curve

Granted publication date: 20140115

License type: Common License

Record date: 20220804