CN103839230A - 一种脑成像灰度图像的染色方法 - Google Patents
一种脑成像灰度图像的染色方法 Download PDFInfo
- Publication number
- CN103839230A CN103839230A CN201210491173.9A CN201210491173A CN103839230A CN 103839230 A CN103839230 A CN 103839230A CN 201210491173 A CN201210491173 A CN 201210491173A CN 103839230 A CN103839230 A CN 103839230A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- image
- delta
- gray level
- level image
- 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.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提出一种脑成像灰度图像的染色方法,将一幅待着色的灰度图像作为目标图像,用一幅彩色的实体图像作为源图像,为了使图像着色后得到的结果图像不会失真,该方法首先对颜色空间进行转换,使用了三个通道相关性最小的Lαβ空间,它的作用是改变其中任何一个通道,都不会对其他两个通道有影响。然后按行扫描目标图像每一像素,在源图像中搜索亮度最佳匹配像素进行自动取色,实现灰度图像着色。该方法在保持灰度图像原有信息的条件下能够成功地着色增强其真实感和视觉效果。
Description
技术领域
本发明涉及灰度图像的染色方法,特别是一种脑成像灰度图像的染色方法。
背景技术
由于人眼对彩色的变化远比对灰度的变化敏感,因此黑白图像染色是图像处理中最常要解决的问题之一。在医学上对灰度图像,如MRI、X光和CT等着色,有利于充分显示这些图像的特征,及时发现病症。当前,对这些医疗图像进行伪彩色处理是一种非常有效的图像增强技术。灰度图像的等密度伪彩色编码实质上是建立图像的灰度级与颜色的一种影射关系,因此可以做到自动染色。但是伪彩色只是通过色阶把在灰度图像中不易分辨的一些细节在伪彩色图像中显现出来,它无法反映黑白图像的真实颜色。一方面,伪彩色没有唯一的编码方式,同一张图像的伪彩色图很可能根据医生的不同而改变。另一方面,由于伪彩色技术只适用于256级以下的灰度图像。对高于256级灰度的高分辨率图像来说,只能先将灰度级压缩影射为256级灰度,然后再进行编码,但压缩影射相当于降低了处理图像的灰度分辨率。
Tomihisa等人打破了必须由用户提供颜色信息的传统方法,提出通过两幅图像之间进行颜色传递为灰度图像着色的可行思路。将一幅待着色的灰度图像作为目标图像,用一幅彩色图像作为源图像,并自动从源图像取色,然后将其赋到目标图像上。汲业和刘洪波等人在该方法的基础上,使用泰勒公式对图像进行分析,通过对比源图像与目标图像纹理特征的相似程度,减少了用户的交互步骤,提高了图像的染色效果。
本发明提出一种基于亮度最佳匹配的脑成像灰度图像着色方法。该方法保持图像原有的信息不变,而增加了源图像的颜色和真实感。为了使图像着色后得到的结果图像不会失真,该方法首先对颜色空间进行转换,使用了三个通道相关性最小的Lαβ空间,它的作用是改变其中任何一个通道,都不会对其他两个通道有影响,然后进行匹配、取色和赋色,实现灰度图像着色。该方法在保持灰度图像原有信息的条件下能够成功地着色增强其真实感和视觉效果。
发明内容
为更好的满足用户的要求,本发明提出一种脑成像灰度图像的染色方法,在保持灰度图像原有信息的条件下能够成功地着色增强其真实感和视觉效果。
为了实现上述目的,本发明的技术方案如下:一种脑成像灰度图像的染色方法,包括以下步骤:
A、颜色空间变换
假定源图像和灰度图像均为或均被转换为RGB图像。在搜索最佳匹配、取色、赋色之前,需要将它们转换成Lαβ图像。因为Lαβ是LMS锥形空间的一种变换,所以RGB到Lαβ空间变换需要先转换到LMS空间,再通过自然对数消除变换过程中产生的空间变形,最后线性变换为Lαβ空间,其具体方法如下:
A1:由RGB变换到LMS空间:
A2:通过自然对数消除A1变换过程中产生的空间变形:
L1=ln(L)
M1=ln(M)
S1=ln(S)
A3:由工整的LMS空间变换到Lαβ。
对于一幅图像的亮度信息,使用二维矩阵表示为:
其中n和m为图象像素的行列数,Li,j是像素点的亮度值。α和β通道的信息也可用相同的方法表示。
B、最佳匹配
在比较源图像和灰度图像的亮度之前,首先调整源图像的亮度直方图,使得源图像的亮度直方图和灰度图像的亮度直方图近似。使用Reinhard等人利用Lαβ颜色空间在两幅彩色图像之间进行颜色传递的方法。
灰度图像只包含亮度信息,所以在图像的匹配过程中,只有亮度信息可以利用。设源图像颜色信息为L(s)、α(s)和β(s),分辨率为m×n;灰度图像亮度信息为L(d)。对于每一个灰度图像的像素点(i,j),设它与源图像所有像素点亮度值的差为ΔL,即ΔLi,j=|Li,j(d)-Lk,p(s)|
因此,ΔL使用矩阵表示为:
当ΔLk,p=min{ΔL1,1,ΔL1,2......ΔLm,n}时,则可以借用源图像中像素点(k,p)α和β通道的颜色信息,为灰度图像像素点(i,j)染色。
最后将结果图像从Lαβ逆变换到RGB颜色空间,即可得到最终的结果图像。
与现有技术相比,本发明具有以下有益效果:
1、本发明使用Lαβ空间,它的三个通道相关性最小的,改变其中任何一个通道,都不会对其他两个通道有影响;
2、本发明提出的方法在保持脑图像原有信息的条件下能够成功地根据脑图像本身的信息着色增强视觉效果和真实感。
附图说明
本发明共有附图1张,其中:
图1是本发明中灰度图像染色的流程图;
具体实施方式
如图1所示首先对颜色空间进行转换,使用了三个通道相关性最小的Lαβ空间,它的作用是改变其中任何一个通道,都不会对其他两个通道有影响,然后进行匹配、取色和赋色,实现灰度图像着色。具体流程图如图1所示。
A、颜色空间变换
假定源图像和灰度图像均为或均被转换为RGB图像。在搜索最佳匹配、取色、赋色之前,需要将它们转换成Lαβ图像。因为Lαβ是LMS锥形空间的一种变换,所以RGB到Lαβ空间变换需要先转换到LMS空间,再通过自然对数消除变换过程中产生的空间变形,最后线性变换为Lαβ空间,其具体方法如下:
A1:由RGB变换到LMS空间:
A2:通过自然对数消除A1变换过程中产生的空间变形:
L1=ln(L)
M1=ln(M)
S1=ln(S)
A3:由工整的LMS空间变换到Lαβ。
对于一幅图像的亮度信息,使用二维矩阵表示为:
其中n和m为图象像素的行列数,Li,j是像素点的亮度值。α和β通道的信息也可用相同的方法表示。
B、最佳匹配
在比较源图像和灰度图像的亮度之前,首先调整源图像的亮度直方图,使得源图像的亮度直方图和灰度图像的亮度直方图近似。使用Reinhard等人利用Lαβ颜色空间在两幅彩色图像之间进行颜色传递的方法。
灰度图像只包含亮度信息,所以在图像的匹配过程中,只有亮度信息可以利用。设源图像颜色信息为L(s)、α(s)和β(s),分辨率为m×n;灰度图像亮度信息为L(d)。对于每一个灰度图像的像素点(i,j),设它与源图像所有像素点亮度值的差为ΔL,即ΔLi,j=|Li,j(d)-Lk,p(s)|
因此,ΔL使用矩阵表示为:
当ΔLk,p=min{ΔL1,1,ΔL1,2......ΔLm,n}时,则可以借用源图像中像素点(k,p)α和β通道的颜色信息,为灰度图像像素点(i,j)染色。
最后将结果图像从Lαβ逆变换到RGB颜色空间,即可得到最终的结果图像。
Claims (1)
1.一种脑成像灰度图像的染色方法,其特征在于:包括以下步骤:
A、颜色空间变换
假定源图像和灰度图像均为或均被转换为RGB图像;在搜索最佳匹配、取色、赋色之前,需要将它们转换成Lαβ图像;因为Lαβ是LMS锥形空间的一种变换,所以RGB到Lαβ空间变换需要先转换到LMS空间,再通过自然对数消除变换过程中产生的空间变形,最后线性变换为Lαβ空间,其具体方法如下:
A1:由RGB变换到LMS空间:
A2:通过自然对数消除A1变换过程中产生的空间变形:
L1=ln(L)
M1=ln(M)
S1=ln(S)
A3:由工整的LMS空间变换到Lαβ;
对于一幅图像的亮度信息,使用二维矩阵表示为:
其中n和m为图象像素的行列数,Li,j是像素点的亮度值;α和β通道的信息也可用相同的方法表示;
B、最佳匹配
在比较源图像和灰度图像的亮度之前,首先调整源图像的亮度直方图,使得源图像的亮度直方图和灰度图像的亮度直方图近似;使用Reinhard等人利用Lαβ颜色空间在两幅彩色图像之间进行颜色传递的方法;
灰度图像只包含亮度信息,所以在图像的匹配过程中,只有亮度信息可以利用;设源图像颜色信息为L(s)、α(s)和β(s),分辨率为m×n;灰度图像亮度信息为L(d);对于每一个灰度图像的像素点(i,j),设它与源图像所有像素点亮度值的差为ΔL,即ΔLi,j=|Li,j(d)-Lk,p(s)|
因此,ΔL使用矩阵表示为:
当ΔLk,p=min{ΔL1,1,ΔL1,2......ΔLm,n}时,则可以借用源图像中像素点(k,p)α和β通道的颜色信息,为灰度图像像素点(i,j)染色;
最后将结果图像从Lαβ逆变换到RGB颜色空间,即可得到最终的结果图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210491173.9A CN103839230A (zh) | 2012-11-27 | 2012-11-27 | 一种脑成像灰度图像的染色方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210491173.9A CN103839230A (zh) | 2012-11-27 | 2012-11-27 | 一种脑成像灰度图像的染色方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103839230A true CN103839230A (zh) | 2014-06-04 |
Family
ID=50802700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210491173.9A Pending CN103839230A (zh) | 2012-11-27 | 2012-11-27 | 一种脑成像灰度图像的染色方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103839230A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652046A (zh) * | 2016-12-26 | 2017-05-10 | 网易(杭州)网络有限公司 | 模型染色方法及装置 |
CN107563971A (zh) * | 2017-08-12 | 2018-01-09 | 四川精视科技有限公司 | 一种真彩高清夜视成像方法 |
CN112907485A (zh) * | 2021-03-18 | 2021-06-04 | 国家海洋信息中心 | 一种基于lαβ空间色彩映射的遥感影像批量调色方法 |
CN113344928A (zh) * | 2021-08-06 | 2021-09-03 | 深圳市瑞图生物技术有限公司 | 模型的训练及使用方法、装置、检测仪、存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281642A (zh) * | 2008-05-12 | 2008-10-08 | 西安理工大学 | 基于自适应聚类颜色传递的雾天图像清晰化方法 |
CN102214364A (zh) * | 2011-04-27 | 2011-10-12 | 天津大学 | 结合直方图回归和纹理分析的灰度图像自动着色方法 |
CN102419867A (zh) * | 2011-12-31 | 2012-04-18 | 大连海事大学 | 一种图像的润色方法 |
-
2012
- 2012-11-27 CN CN201210491173.9A patent/CN103839230A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281642A (zh) * | 2008-05-12 | 2008-10-08 | 西安理工大学 | 基于自适应聚类颜色传递的雾天图像清晰化方法 |
CN102214364A (zh) * | 2011-04-27 | 2011-10-12 | 天津大学 | 结合直方图回归和纹理分析的灰度图像自动着色方法 |
CN102419867A (zh) * | 2011-12-31 | 2012-04-18 | 大连海事大学 | 一种图像的润色方法 |
Non-Patent Citations (1)
Title |
---|
汲业 等: "一种脑成像灰度图像的染色算法", 《2010 3RD INTERNATIONAL CONFERENCE ON POWER ELECTRONICS AND INTELLIGENT TRANSPORTATION SYSTEM》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652046A (zh) * | 2016-12-26 | 2017-05-10 | 网易(杭州)网络有限公司 | 模型染色方法及装置 |
CN106652046B (zh) * | 2016-12-26 | 2021-04-23 | 网易(杭州)网络有限公司 | 模型染色方法及装置 |
CN107563971A (zh) * | 2017-08-12 | 2018-01-09 | 四川精视科技有限公司 | 一种真彩高清夜视成像方法 |
CN112907485A (zh) * | 2021-03-18 | 2021-06-04 | 国家海洋信息中心 | 一种基于lαβ空间色彩映射的遥感影像批量调色方法 |
CN113344928A (zh) * | 2021-08-06 | 2021-09-03 | 深圳市瑞图生物技术有限公司 | 模型的训练及使用方法、装置、检测仪、存储介质 |
CN113344928B (zh) * | 2021-08-06 | 2021-12-07 | 深圳市瑞图生物技术有限公司 | 模型的训练及使用方法、装置、检测仪、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709902B (zh) | 基于自注意力机制的红外和可见光图像融合方法 | |
CN101853492B (zh) | 一种夜视微光图像与红外图像融合方法 | |
CN102547063B (zh) | 基于颜色对比度增强的自然感彩色融合方法 | |
CN102436640A (zh) | 一种基于HIS空间的多尺度Retinex模型的雾天图像清晰化方法 | |
CN105793891A (zh) | 用于确定高分辨率输出图像的方法和设备 | |
CN104463804B (zh) | 一种基于直觉模糊集的图像增强方法 | |
CN106530250A (zh) | 一种基于改进的Retinex低照度彩色图像增强方法 | |
CN106056559A (zh) | 基于暗通道先验的非均匀光场水下目标探测图像增强方法 | |
CN101441763A (zh) | 基于颜色传递的多色调图像统一调整方法 | |
CN103839230A (zh) | 一种脑成像灰度图像的染色方法 | |
CN102779351A (zh) | 基于局部线性模型优化的交互式灰度图像彩色化方法 | |
CN110675462A (zh) | 一种基于卷积神经网络的灰度图像彩色化方法 | |
CN102903081A (zh) | 基于rgb彩色模型的低光照图像增强方法 | |
CN103489161A (zh) | 一种灰度图像彩色化方法及装置 | |
CN111882489A (zh) | 用于水下图像同时增强的超分辨率图形恢复方法 | |
CN101667299B (zh) | 一种数字图像染色方法 | |
CN104361574A (zh) | 一种基于稀疏表示的无参考彩色图像质量评价方法 | |
CN105225238A (zh) | 一种基于均值滤波的图像预处理的灰度空间划分方法 | |
CN110111347A (zh) | 图像标志提取方法、装置及存储介质 | |
CN102542526B (zh) | 一种图像去色方法 | |
CN107392877A (zh) | 一种单极化合成孔径雷达图像伪彩化方法 | |
Cai et al. | Perception preserving decolorization | |
CN102945546B (zh) | 一种高光谱图像稀疏表示的可视化方法 | |
CN102419867A (zh) | 一种图像的润色方法 | |
CN103714336A (zh) | 基于八元数和回声状态网络的织物图像边缘检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140604 |