CN102360493A - 基于色貌模型的灰度与伪彩图像的融合显示方法 - Google Patents

基于色貌模型的灰度与伪彩图像的融合显示方法 Download PDF

Info

Publication number
CN102360493A
CN102360493A CN2011103038312A CN201110303831A CN102360493A CN 102360493 A CN102360493 A CN 102360493A CN 2011103038312 A CN2011103038312 A CN 2011103038312A CN 201110303831 A CN201110303831 A CN 201110303831A CN 102360493 A CN102360493 A CN 102360493A
Authority
CN
China
Prior art keywords
lightness
color
look looks
look
model
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.)
Granted
Application number
CN2011103038312A
Other languages
English (en)
Other versions
CN102360493B (zh
Inventor
汪源源
李添捷
郑永平
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.)
Fudan University
Original Assignee
Fudan University
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 Fudan University filed Critical Fudan University
Priority to CN201110303831.2A priority Critical patent/CN102360493B/zh
Publication of CN102360493A publication Critical patent/CN102360493A/zh
Application granted granted Critical
Publication of CN102360493B publication Critical patent/CN102360493B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明属于图像处理技术领域，具体为基于色貌模型的灰度与伪彩图像的融合显示方法。本发明根据观察条件，调整色貌模的参数设置，使融合显示技术适于不同的照明条件；结合色貌属性，运用色貌模型，生成均一明度的彩虹色阶用作特定模态图像的伪彩显示；分别采用与亮暗相关的明度，以及与颜色相关的色调和饱和度表示源图。本发明能够在不改变源图像解读模式的基础上，保留伪彩信息，清晰反映灰度图像的特征和细节。

Description

基于色貌模型的灰度与伪彩图像的融合显示方法
技术领域
本发明属于图像处理技术领域，具体为基于色貌模型的灰度与伪彩图像的融合显示方法。
背景技术
多模态成像技术在科学研究和临床诊断中具有重要价值。图像融合显示的初衷是通过多模态数据的整合，用单幅图像更完整地描述目标组织，方便观察者的理解和运用。这就要求该项技术在最大限度保留源图像信息的同时，保持源图像的理解模式。
常用的灰度与伪彩图像的融合显示方法，包括透明度技术[1-3]、空间交错法[1-3]、时间交错法[4]、色彩空间编码法[1-3, 5, 6]、频率编码法[7, 8]。这些方法或削弱了源图像的色彩感和细节清晰度，或在融合结果中引入了伪像，造成观察者对生物组织特征理解上的困难。在灰度调制的B型超声与伪彩图像的融合显示中，其技术难点更在于超声斑点特征的保留：既要表现出与源灰度图像类似的细节特性，又不能影响伪彩信息的表达。
根据上述要求，本发明运用色貌模型，用相互独立的图像明暗和颜色属性分别表示源灰度图像和伪彩图像，为两者的融合显示提供一种新的有效方法，尤其适合灰度调制的B型超声图与伪彩图的融合。
发明内容
本发明的目的是提出一种能够不改变源图像解读模式，并保留伪彩信息，清晰反映灰度图像特征和细节的灰度图像与伪彩图像的融合显示方法。
本发明提出的灰度图像与伪彩图像的融合显示方法，具体步骤为：
1、根据观察条件调整色貌模型环境参数的设置，建立数字图像的色貌模型表示，其中，所选的色貌模型包含可调的观察条件，并利用色彩空间的转换关系，建立数字图像的sRGB表示与色貌模型间的联系；本发明所选色貌模型包括但不限于国际发光照明委员会(CIE)的CAM02色貌模型；
2、运用色貌模型反变换，根据彩色空间sRGB中色彩点在色貌模型空间中的分布，设定色貌属性，由色貌属性生成均一明度的彩虹色阶，实现明度不含信息的伪彩显示；
3、通过色貌模型分离源图像的亮暗与颜色属性，调整源灰度图灰阶，表示为融合图像的明度；将均一明度的伪彩图表示为融合图像的色调和饱和度；合并色貌属性，反变换得到融合结果。
本发明方法所涉及的公式，根据国际发光照明委员会(CIE)的CAM02色貌模型推导得到。
下面就本发明方法的各个步骤涉及的相关技术细节作进一步的具体描述。
1.根据观察条件，得到数字图像的色貌模型表示，并利用色彩空间的转换关系，建立数字图像的sRGB表示与色貌模型间的联系
根据CIE委员会的定义，色貌模型应至少能预测色调、彩度和明度这三种相对色貌属性，且至少包含一种色适应变换[9]，如CIE CAM02色貌模型，能实现色调H、饱和度s和明度J等多个色貌属性的预测，且包含多种色适应变换。图1给出了数字图像sRGB空间与CAM02色貌模型的转换关系。由于特定色彩的色貌属性需结合观察条件，从其XYZ空间表示转换得到，因此通常需要先将数字图像的sRGB空间表示转换到XYZ空间，具体公式可参考文献[10]。
文献[9]给出了特定色彩XYZ空间表示转换为CAM02色貌模型属性的过程，其中与观察条件相关的环境参数设置由表1给出。
表1   CAM02色貌模型的环境参数设置
环境参数 设置要求
白色物体的相对三刺激值X w Y w Z w 照明光源决定
自适应亮度L A (cd/m2) 白色物体绝对亮度的20%
白色物体的相对亮度Y w 常取100
背景的相对亮度Y b 常取20
环境的相对亮度L R 暗/昏暗/平均/中间值
在环境参数的基础上，可计算CAM02色貌模型的参数。首先结合表2，由L R确定指数非线性参数c，插值得到彩色感应系数N c和最大自适应度F。
表2  CAM02色貌模型的输入参数[9] 
观察条件 c Nc F
平均 0.69 1.0 1.0
昏暗 0.59 0.9 0.9
暗 0.525 0.8 0.8
继而由式(1)~(4)依次计算自适应度D，亮度水平自适应系数F L，明度自适应系数N bb，色彩自适应系数N cb和非线性指数基数z ：
其中 
Figure 761031DEST_PATH_IMAGE002
，
Figure 857163DEST_PATH_IMAGE003
 。
为最终实现融合显示，需假定色貌属性中色调H、饱和度s、明度J已知，推导CAM02色貌模型与XYZ空间的转换关系。以下为推导过程。
由于假定色调H已知，结合表3，由式(5)计算色相角h，并调整到0~360的范围。
Figure 240871DEST_PATH_IMAGE004
                                            (5)
表3 色相正交与色相角的转换[9] 
  红 黄 绿 蓝 红
i 1 2 3 4 5
hi 20.14 90.00 164.25 237.53 380.14
ei 0.8 0.7 1.0 1.2 1.0
Hi 0 100 200 300 400
记
Figure 371638DEST_PATH_IMAGE005
，结合对立色分量a、b的定义，得到关于非线性后适应的三刺激R a ’、G a ’和B a ’的方程：
Figure 465756DEST_PATH_IMAGE007
                                         (6)
由于假定明度J已知，记
Figure 49184DEST_PATH_IMAGE009
，根据明度的定义，得到关于R a ’、G a ’和B a ’的另一方程：
Figure 236583DEST_PATH_IMAGE011
                                                                (7)
由于假定饱和度s已知，由视彩度M、彩度C和饱和度s的定义，得到中间参数t的表达式(8)。视明度Q可由明度J计算得到，s也假定可知，故等式右侧为一常值，记为γ。
                                                                             (8)
进一步，结合t的定义式(9)，得到关于R a ’、G a ’和B a ’的第三个方程式(10)，
Figure 469298DEST_PATH_IMAGE013
                                                                   (9)
Figure 540023DEST_PATH_IMAGE014
 (10)
其中对立色分量a、b可用R a ’、G a ’和B a ’表示，离心率
Figure 531112DEST_PATH_IMAGE015
，记
Figure 370892DEST_PATH_IMAGE016
。
为方便计算，将式(6)、(7)和(10)的系数分别令为(ε 11, ε 12, ε 13)、(ε 21, ε 22, ε 23, ε 20)和(ε 31, ε 32, ε 33, ε 34, ε 35, ε 36)，如下式(11)~(13)：
 
Figure 789235DEST_PATH_IMAGE017
                           (11a)
Figure 81677DEST_PATH_IMAGE018
                       (11b)
Figure 876457DEST_PATH_IMAGE019
              (11c)
Figure 570744DEST_PATH_IMAGE020
                                (12a)
Figure 159988DEST_PATH_IMAGE021
                                  (12b)
                                (12c)
Figure 538197DEST_PATH_IMAGE023
       (12d)
Figure 86990DEST_PATH_IMAGE024
     (13a)
Figure 112715DEST_PATH_IMAGE025
   (13b)
Figure 379748DEST_PATH_IMAGE026
    (13c)
Figure 250752DEST_PATH_IMAGE027
                                                                          (13d)
                                                                       (13e)
Figure 116257DEST_PATH_IMAGE029
                                                                              (13f)
联立式(6)和(7)，解得：
Figure 605007DEST_PATH_IMAGE030
                                              (14)
Figure 545281DEST_PATH_IMAGE031
                                            (15)
将式(14)和(15)的系数分别令为(η 1 , η 2)和(η 3, η 4)，如下所示：
Figure 68666DEST_PATH_IMAGE032
    (16a)
Figure 170615DEST_PATH_IMAGE033
  (16b)
Figure 349923DEST_PATH_IMAGE034
 (16c)
    (16d)
将G a ’和R a ’代入式(10)，整理得到R a ’的方程：
Figure 206201DEST_PATH_IMAGE036
(17)
令式(17)二元一次方程式的系数为(θ 1 , θ 2 , θ 3)：
Figure 806946DEST_PATH_IMAGE037
从而解得R a ’ ：                 
Figure 207972DEST_PATH_IMAGE038
                                     (19)
至此，可由已知的J、H和s计算R a ’、G a ’和B a ’，再根据公式(20)~(23)，最终逆得到XYZ空间的三刺激值X、Y和Z：
Figure 552366DEST_PATH_IMAGE039
                          (20)
Figure 982167DEST_PATH_IMAGE040
                      (21)
其中
Figure 488234DEST_PATH_IMAGE041
，
Figure 642135DEST_PATH_IMAGE042
 ；
Figure 524641DEST_PATH_IMAGE043
                                  (22)
Figure 814808DEST_PATH_IMAGE044
                                    (23)
其中，。
2. 生成均一明度彩虹色阶
均一明度彩虹色阶可用于伪彩显示特定模态图像，此时图像信息仅通过与颜色相关的色貌属性传达。由于数字设备表达色彩的有限，因此需要通过sRGB空间色彩点在CAM02色貌模型中的分布，来确定色貌属性的取值范围。
其具体步骤为：枚举24位真彩色中所有色彩的sRGB表示，共16777216色；转换色彩到XYZ空间；运用CAM02模型得到色彩色貌属性中的色调H、饱和度s和明度J；选取s值45~50的色彩点，以色调及饱和度为坐标轴绘制散点图。
图2所示，为饱和度介于45至50之间的sRGB空间色彩点，若选取0~300的色调范围，可保证人眼对于色调从红到蓝的所有色彩，当其明度值介于6至70之间某处时，实际感到得明暗程度相当。基于此可生成均一明度的彩虹色阶，其饱和度47.5，色调范围0~300涵盖了红橙黄绿蓝不同颜色，明度在6~70之间2/3处为48.7。实际应用中可通过提高饱和度值，获得较高的色彩识别度，但也会缩小允许的明度变化范围，这在实际的融合显示过程中需要折中考虑。
类似的描点分析的方法还可用于研究sRGB色彩点在HSI和HSV色彩空间和其它色貌模型中的分布问题，从而基于不同色彩空间和色貌模型得到不同的彩虹色阶。
3. 灰度图像与伪彩图像的融合显示
图像采用明度均一的彩虹伪彩显示时，其明度不含信息，若用来表示灰度图像，可在保留源伪彩图信息的前提下实现融合显示。为保证融合图像中色彩的明度变化与源灰度图的明度变化一致，其理解不受颜色信息干扰，可根据sRGB空间色彩点在CAM02色貌模型中的分布，确定融合图像明度属性的取值范围，并线性映射灰度图的明度属性到该范围。
对于前述的均一明度彩虹色阶，可将源灰度图像的明度线性映射到6至70之间，用作融合结果的明度。因此融合显示的具体过程可以描述为：转换均一明度的伪彩图像，得到色调与饱和度属性；转换灰度图像得到明度属性，然后调整灰阶；最终的融合结果根据CAM02色貌模型，由伪彩图像的色调、饱和度属性及灰度图像的明度属性生成。
附图说明
图1 数字图像sRGB空间与CAM02色貌模型的转换。
图2 色彩空间sRGB的色彩点在CAM02色貌模型中的分布。
图3 仿真应变图像的伪彩显示。其中，(a)灰阶 ，(b)HSI空间的彩虹色阶， (c)HSV空间的彩虹色阶， (d)CAM02色貌模型的彩虹色阶。
图4 超声仿真图与融合显示效果图。其中，(a)超声仿真图像， (b)透明度技术， (c)空间交错法， (d)频率编码法， (e)基于HSI的色彩空间编码法， (f)基于HSV的色彩空间编码法， (g)基于CAM02色貌模型的融合显示技术。
具体实施方式
对本发明提出的融合显示方法进行仿真测试。
首先比较由色彩空间HSI、HSV和色貌模型CAM02确定的彩虹色阶。实验采用COMSOL4.0仿真了深度50 mm处一半径5 mm球形硬块的轴向应变图像，组织密度为103 kg/m3，泊松比为0.495，正常组织杨氏模量50 kPa，硬块为100 kPa。彩色空间HSI确定的彩虹色阶饱和度0.45，色调范围0至2/3，亮度0.38；彩色空间HSV确定的彩虹色阶饱和度0.45，色调范围0~2/3，亮度0.72；色貌模型CAM02确定的彩虹色阶饱和度47.5，色调范围0~300，亮度48.7。
图3显示了应变图像的四种伪彩显示结果。由于CAM02模型中引入了多种色适应变换，对应的彩色色阶伪彩显示结果亮度均一，不存在颜色差异造成的伪像，例如图3(b)中下方的浅绿色边界，图3(c)中硬块外围的黄色边界和下方得湖绿色边界。因此，均一明度彩虹伪彩显示时，组织应变大小仅与颜色有关，即小应变偏蓝，大应变偏红。
对基于CAM02色貌模型的融合显示技术与透明度技术[1-3]、空间交错法[1-3]、基于HSI和HSV的色彩空间编码法[1-3, 5, 6]，以及频率编码法[7, 8]进行比较。实验采用Field II[11]仿真了深度50 mm处一半径5 mm球形硬块的超声图像，超声波中心频率为10 MHz，硬块区域含20,000个散射子，正常组织与其散射子密度比为100:1；轴向应变图像的仿真和设置，以及伪彩色阶的生成与前述彩虹色阶生成实验一致。
图4显示了不同方法的融合显示效果。除了两种彩空间编码法分别采用HSI和HSV色彩空间确定彩虹色阶外，其它方法均采由色貌模型CAM02得到的均一明度彩虹色阶。实验结果表明：图4(g)所示本发明提出的融合技术保持了源伪彩图的解读模式：蓝色表示小应变，红色表示大应变；也保持了源灰度图的解读模式：颜色越暗回波信号越弱；并且具有与源伪彩图类似的色彩感和与源灰度图类似的细节清晰度。相比之下，图4(b)的透明度技术和图4(c)的空间交错法在融合时，色彩感和细节信息都有不同程度的削弱，图4(d)的频率编码法损失了源灰度图像的低频信息，因而无法判定硬块是否低回声，图4(e)(f)的色彩空间编码法则将应变图伪彩显示中的伪像一起带到了融合结果中，例如图4(f)在理解上可能造成硬块被强反射包膜包裹的误判。
综上所述，本发明非常适合灰度图像与伪彩图像的融合显示，尤其适于灰度调制的B型超声图像与其它模态伪彩图像的融合。
参考文献
[1] Baum KG, Helguera M, Krol A. Fusion viewer: A new tool for fusion and visualization of multimodal medical data sets. Journal of Digital Imaging, 2008, 21(S1): 59-68.
[2] Rojas G, Raff U, Quintana J, Huete I, Hutchinson M. Image fusion in neuroradiology: Three clinical examples including mri of parkinson disease. Computerized Medical Imaging and Graphics, 2007, 31(1): 17-27.
[3] Rehm K, Strother SC, Anderson JR, Schaper KA, Rottenberg DA. Display of merged multimodality brain images using interleaved pixels with independent color scales. Journal of Nuclear Medicine, 1994, 35(11): 1815-1821.
[4] Lee JS, Kim B, Chee Y, Kwark C, Lee MC, Park KS. Fusion of coregistered cross-modality images using a temporally alternating display method. Medical and Biological Engineering and Computing, 2000, 38(2): 127-132.
[5] Alfano B, Brunetti A, Ciarmiello A, Salvatore M. Simultaneous display of multiple mr parameters with quantitative magnetic color imaging. Journal of Computer Assisted Tomography, 1992, 16(4): 634-640.
[6] Ney D, Fishman E, Dickens L. Interactive multidimensional display of magnetic resonance imaging data. Journal of Digital Imaging, 1990, 3(4): 254-260.
[7] Boussion N, Hatt M, Lamare F, Rest C, Visvikis D. Contrast enhancement in emission tomography by way of synergistic pet/ct image combination. Computer Methods and Programs In Biomedicine, 2008, 90(3): 191-201.
[8] Quarantelli M, Alfano B, Larobina M, Tedeschi E, Brunetti A, Covelli EM, Ciarmiello A, Mainolfi C, Salvatore M. Frequency encoding for simultaneous display of multimodality images. Journal of Nuclear Medicine, 1999, 40(3): 442-447.
[9] Fairchild MD. Color appearance models(2nd. Edition). Wiley, 2005.
[10] Hoffmann G. Cielab color space. 2003, www.fho-emden.de/~hoffmann/cielab03022003.pdf.
[11] Jensen JA. Field: A program for simulating ultrasound systems. In 10th Nordic-Baltic Conference on Biomedical Imaging, vol.4, sup. 1, part 1, pp.351-353. 1996.。

Claims (4)

1.基于色貌模型的灰度与伪彩图像的融合显示方法，其特征在于具体步骤为： 
（1）根据观察条件调整色貌模型环境参数的设置，建立数字图像的色貌模型表示，其中，所选的色貌模型包含可调的观察条件，并利用色彩空间的转换关系，建立数字图像的sRGB表示与色貌模型间的联系；
（2）运用色貌模型反变换，根据色彩空间sRGB中色彩点在色貌模型空间中的分布，设定色貌属性，由色貌属性生成均一明度的彩虹色阶，实现明度不含信息的伪彩显示；
（3）通过色貌模型分离源图像的亮暗与颜色属性，调整源灰度图灰阶，表示为融合图像的明度；将均一明度的伪彩图表示为融合图像的色调和饱和度；合并色貌属性，反变换得到融合结果。
2.根据权利要求1所述的基于色貌模型的灰度与伪彩图像的融合显示方法，其特征在于步骤（1）中，色貌模型采用国际发光照明委员会的CAM02色貌模型，该色貌模型能预测色调H、饱和度s和明度J这三种相对色貌属性，且包含多种色适应变换；色貌属性可结合观察条件，从其XYZ空间表示转换得到，其中与观察条件相关的环境参数设置由表1给出：
表1   CAM02色貌模型的环境参数设置
环境参数 设置要求 白色物体的相对三刺激值X w Y w Z w 照明光源决定 自适应亮度L A ，cd/m2 白色物体绝对亮度的20% 白色物体的相对亮度Y w 取100 背景的相对亮度Y b 取20 环境的相对亮度L R 暗/昏暗/平均/中间值
在环境参数的基础上，计算CAM02色貌模型的参数：首先结合下表2，由L R确定指数非线性参数c，插值得到彩色感应系数N c和最大自适应度F：
表2  CAM02色貌模型的输入参数 
观察条件 c Nc F 平均 0.69 1.0 1.0 昏暗 0.59 0.9 0.9 暗 0.525 0.8 0.8
 然后由式(1)~(4)依次计算自适应度D，亮度水平自适应系数F L，明度自适应系数N bb，色彩自适应系数N cb和非线性指数基数z ：
Figure 431552DEST_PATH_IMAGE001
其中
Figure 384464DEST_PATH_IMAGE002
，
Figure 243836DEST_PATH_IMAGE003
  ；
假定色貌属性中色调H、饱和度s、明度J已知，CAM02色貌模型与XYZ空间的转换关系由下述过程获得：
（1）由于假定色调H已知，结合下表3，由式(5)计算色相角h，并调整到0~360的范围：
Figure 914989DEST_PATH_IMAGE004
                                      (5)
表3 色相正交与色相角的转换
  红 黄 绿 蓝 红 i 1 2 3 4 5 hi 20.14 90.00 164.25 237.53 380.14 ei 0.8 0.7 1.0 1.2 1.0 Hi 0 100 200 300 400
记
Figure 88481DEST_PATH_IMAGE005
，结合对立色分量a、b的定义，得到关于非线性后适应的三刺激R a ’、G a ’和B a ’的方程：
 
Figure 725261DEST_PATH_IMAGE006
               (6)
（1）由于假定明度J已知，记
Figure 755534DEST_PATH_IMAGE007
，根据明度的定义，得到关于R a ’、G a ’和B a ’的另一方程：
 
Figure 913983DEST_PATH_IMAGE008
                                (7)
（3）由于假定饱和度s已知，由视彩度M、彩度C和饱和度s的定义，得到中间参数t的表达式(8)；视明度Q由明度J计算得到，故等式右侧为一常值，记为γ；
                                                                                     (8)
结合t的定义式(9)，得到关于R a ’、G a ’和B a ’的第三个方程式(10)，
Figure 116873DEST_PATH_IMAGE010
                                                                            (9)
Figure 318047DEST_PATH_IMAGE011
(10)
其中对立色分量a、b用R a ’、G a ’和B a ’表示，离心率
Figure 963792DEST_PATH_IMAGE013
，记
Figure 213508DEST_PATH_IMAGE015
 ；
将式(6)、(7)和(10)的系数分别令为(ε 11, ε 12, ε 13)、(ε 21, ε 22, ε 23, ε 20)和(ε 31, ε 32, ε 33, ε 34, ε 35, ε 36)，如下式(11)~(13)：
                           (11a)
Figure 134639DEST_PATH_IMAGE018
                     (11b)
Figure 267680DEST_PATH_IMAGE019
            (11c)
Figure 383404DEST_PATH_IMAGE020
                             (12a)
Figure 223184DEST_PATH_IMAGE021
                                (12b)
Figure 285203DEST_PATH_IMAGE023
                               (12c)
Figure 639961DEST_PATH_IMAGE024
     (12d)
Figure 559376DEST_PATH_IMAGE025
   (13a)
                                                                                   (13b)
Figure 967540DEST_PATH_IMAGE027
                                                                      (13c)
Figure 576639DEST_PATH_IMAGE028
                                                                          (13d)
Figure 971848DEST_PATH_IMAGE029
                                                                       (13e)
Figure 582958DEST_PATH_IMAGE030
                                                                              (13f)
联立式(6)和(7)，解得：
Figure 733316DEST_PATH_IMAGE032
                                               (14)
Figure 62666DEST_PATH_IMAGE034
                                          (15)
将式(14)和(15)的系数分别令为(η 1 , η 2)和(η 3, η 4)，如下式：
Figure 825348DEST_PATH_IMAGE035
    (16a)
Figure 228648DEST_PATH_IMAGE036
  (16b)
Figure 549908DEST_PATH_IMAGE037
 (16c)
Figure 366554DEST_PATH_IMAGE038
    (16d)
将G a ’和R a ’代入式(10)，整理得到R a ’的方程：
Figure 103566DEST_PATH_IMAGE039
 (17)
令式(17)二元一次方程式的系数为(θ 1 , θ 2 , θ 3)’：
Figure 689268DEST_PATH_IMAGE040
从而解得R a ’：                         
Figure 682894DEST_PATH_IMAGE041
                                    (19)
至此，由已知的J、H和s计算R a ’、G a ’和B a ’，再根据公式(20)~(23)，最终逆得到XYZ空间的三刺激值X、Y和Z：
Figure 721257DEST_PATH_IMAGE042
                          (20)
Figure 261960DEST_PATH_IMAGE043
                      (21)
其中
Figure 967748DEST_PATH_IMAGE044
，
Figure 365231DEST_PATH_IMAGE045
 ；
Figure 94153DEST_PATH_IMAGE046
                                  (22)
Figure 730890DEST_PATH_IMAGE047
                                    (23)
其中，
Figure 291184DEST_PATH_IMAGE048
 。
3.根据权利要求2所述的基于色貌模型的灰度与伪彩图像的融合显示方法，其特征在于步骤（2）中，所述根据色彩空间sRGB中色彩点在色貌模型空间中的分布，设定色貌属性，由色貌属性生成均一明度的彩虹色阶的步骤为：
根据饱和度介于45至50之间的sRGB空间色彩点，选取0~300的色调范围，其明度值介于6至70之间某一点，由此生成均一明度的彩虹色阶。
4.根据权利要求3所述的基于色貌模型的灰度与伪彩图像的融合显示方法，其特征在于步骤（3）中，对于所述的均一明度彩虹色阶，将源灰度图像的明度线性映射到6至70之间，用作融合结果的明度；其融合显示的具体过程为：转换均一明度的伪彩图像，得到色调与饱和度属性；转换灰度图像得到明度属性，然后调整灰阶；最终的融合结果根据CAM02色貌模型，由伪彩图像的色调、饱和度属性及灰度图像的明度属性生成。
CN201110303831.2A 2011-10-10 2011-10-10 基于色貌模型的灰度与伪彩图像的融合显示方法 Expired - Fee Related CN102360493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110303831.2A CN102360493B (zh) 2011-10-10 2011-10-10 基于色貌模型的灰度与伪彩图像的融合显示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110303831.2A CN102360493B (zh) 2011-10-10 2011-10-10 基于色貌模型的灰度与伪彩图像的融合显示方法

Publications (2)

Publication Number Publication Date
CN102360493A true CN102360493A (zh) 2012-02-22
CN102360493B CN102360493B (zh) 2014-06-11

Family

ID=45585818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110303831.2A Expired - Fee Related CN102360493B (zh) 2011-10-10 2011-10-10 基于色貌模型的灰度与伪彩图像的融合显示方法

Country Status (1)

Country Link
CN (1) CN102360493B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106669A (zh) * 2013-01-02 2013-05-15 北京工业大学 中医舌图像环境适应性颜色复现方法
CN106650701A (zh) * 2017-01-05 2017-05-10 华南理工大学 基于双目视觉的室内阴影环境下障碍物检测方法及装置
CN108765502A (zh) * 2018-04-25 2018-11-06 上海健康医学院 一种复杂环境下的色貌获取方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101714251A (zh) * 2009-12-22 2010-05-26 上海电力学院 一种红外与可见光伪彩色图像融合及增强方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101714251A (zh) * 2009-12-22 2010-05-26 上海电力学院 一种红外与可见光伪彩色图像融合及增强方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KARL G.BAUM ET AL.: "Fusion Viewer : A New Tool for Fusion and Visualization of Multimondal Medical Data Sets", 《JOURNAL OF DIGITAL IMAGING》, vol. 21, 31 December 2008 (2008-12-31), pages 59 - 68 *
马慧彬等: "一种基于SVM的CT与SPECT图像融合算法", 《电脑与信息技术》, vol. 16, no. 6, 31 December 2008 (2008-12-31) *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106669A (zh) * 2013-01-02 2013-05-15 北京工业大学 中医舌图像环境适应性颜色复现方法
CN103106669B (zh) * 2013-01-02 2015-10-28 北京工业大学 中医舌图像环境适应性颜色复现方法
CN106650701A (zh) * 2017-01-05 2017-05-10 华南理工大学 基于双目视觉的室内阴影环境下障碍物检测方法及装置
CN106650701B (zh) * 2017-01-05 2020-01-14 华南理工大学 基于双目视觉的室内阴影环境下障碍物检测方法及装置
CN108765502A (zh) * 2018-04-25 2018-11-06 上海健康医学院 一种复杂环境下的色貌获取方法

Also Published As

Publication number Publication date
CN102360493B (zh) 2014-06-11

Similar Documents

Publication Publication Date Title
Smith et al. Apparent greyscale: A simple and fast conversion to perceptually accurate images and video
Rizzi et al. From retinex to automatic color equalization: issues in developing a new algorithm for unsupervised color equalization
CN104361593B (zh) 一种基于hvs和四元数的彩色图像质量评价方法
KR101345362B1 (ko) 깊이가 가중된 컬러화를 이용한 볼륨 렌더링 방법 및 장치
Zhong et al. Image fusion and super-resolution with convolutional neural network
JP2019139247A (ja) 反射を低減したコントラスト画像を生成するための方法およびこれに関連する装置
WO2017043191A1 (ja) 肌の光沢評価装置、光沢評価方法および光沢評価プログラム
Baum et al. Fusion viewer: a new tool for fusion and visualization of multimodal medical data sets
CN102360493B (zh) 基于色貌模型的灰度与伪彩图像的融合显示方法
Song et al. A neural field model for color perception unifying assimilation and contrast
Wang et al. Endoscopic image luminance enhancement based on the inverse square law for illuminance and retinex
CN102419867A (zh) 一种图像的润色方法
Gu et al. Color medical image enhancement based on adaptive equalization of intensity numbers matrix histogram
Guang-rong Rice color inspection based on image processing technique
Wang Colorizing grayscale CT images of human lung using deep learning
Vladusich Gamut relativity: a new computational approach to brightness and lightness perception
Silverstein et al. Automatic perceptual color map generation for realistic volume visualization
Maeder The image importance approach to human vision based image quality characterization
US9721328B2 (en) Method to enhance contrast with reduced visual artifacts
Cao et al. Comparison of grayscale image colorization methods in different color spaces
Hu et al. General regression neural network utilized for color transformation between images on RGB color space
CN106097288A (zh) 用于生成物体结构的衬度图像的方法及其相关的装置
Bonanomi et al. From printed color to image appearance: tool for advertising assessment
Li et al. Enhancement of infrared image based on the retinex theory
Hua Human computer interactions for converting color images to gray

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140611

Termination date: 20171010