CN104700376B - 基于伽马校正和平滑滤波的图像直方图均衡化增强方法 - Google Patents
基于伽马校正和平滑滤波的图像直方图均衡化增强方法 Download PDFInfo
- Publication number
- CN104700376B CN104700376B CN201410685191.XA CN201410685191A CN104700376B CN 104700376 B CN104700376 B CN 104700376B CN 201410685191 A CN201410685191 A CN 201410685191A CN 104700376 B CN104700376 B CN 104700376B
- Authority
- CN
- China
- Prior art keywords
- histogram
- image
- gamma correction
- smothing filtering
- window function
- 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
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于伽马校正和平滑滤波的图像直方图均衡化增强方法,首先对原直方图进行伽马校正,抑制原直方图中峰值过高的问题;其次对伽马矫正后的直方图进行滑动窗口平滑滤波,消除直方图中的突变;最后在上述修正直方图基础上应用传统直方图增强的方法得到目标增强的图像。本发明的优点是:均衡增强:对图像各部分都能有效均衡增强,能有效避免过度增强而产生“洗白”效果;有效保留图像特征:本发明能高效增强图像并保持图像细节信息和平均亮度,避免亮度饱和、亮度大幅度改变和细节丢失。实验证明本发明方法能高质量增强图像。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种基于伽马校正和平滑滤波的图像直方图均衡化增强方法。
背景技术
图像对比度增强是视觉感知和机器视觉中的一项重要技术,广泛应用于医学图像处理,视频监视系统及卫星图像处理等系统中。对比度增强的目标是提高图像对比度,提供直观,清晰,适合于分析的图像。直方图均衡化是一种快速、有效、经典的基于直方图处理的图像对比度增强方法之一。它以原始直方图作为输入,利用原直方图的累积分布函数生成映射函数,将原始比较窄的灰度级范围映射到一个更宽的灰度级范围,以增大图像灰度级的动态范围,达到增强图像的目的。虽然直方图均衡化具有快速、高效和易于实现等优点,却也存在细节易丢失、大幅度亮度变迁、亮度饱和和层次感差等明显的缺陷。
针对这些缺陷,已经有许多文献提出了一些不同解决方案。如Huang等人提出了基于自适应伽马矫正与加权重分布的直方图增强方法(参见文献:S.C.Huang,F.C.Cheng,andY.S.Chiu,“Efficient contrast enhancement using adaptive gamma correction withweighting distribution.”IEEE Trans.Image Process.,Vol.22,no.3,pp.1032-1041,Mar.2013.)。该方法利用自适应伽马矫正来增强图像低亮度部分并抑制图像高亮部分对比度的明显降低;利用加权重分布来修正原直方图,避免应用传统直方图均衡化时的缺点。该方法虽然能有效避免传统直方图均衡化的缺陷,却存在灰度级动态范围利用不充分,增强效果不明显等问题。
通过对上述直方图均衡化方法的分析发现:它们在不同程度上存在亮度过度改变和亮度饱和、细节丢失、层次感和适应性差等影响图像视觉效果的问题。需要开发一种能有效增强图像,并且能保持图像细节、平均亮度和图像所承载的自然景象的方法。
发明内容
本发明所要解决的是现有直方图均衡化方法在不同程度上存在亮度过度改变和亮度饱和、细节丢失、层次感和适应性差等影响图像视觉效果的问题,提供一种基于伽马校正和平滑滤波的图像直方图均衡化增强方法,其能有效增强图像,并且能保持图像细节、平均亮度和图像所承载的自然景象的方法。
为解决上述问题,本发明是通过以下技术方案实现的:
基于伽马校正和平滑滤波的图像直方图均衡化增强方法,包括如下步骤:
步骤1,读取需要增强的数字图像,得到该图像的矩阵表达式{f(i,j)},其中f(i,j)表示图像{f(i,j)}中任一个像素点,i,j分别为像素点f(i,j)对应的横坐标与纵坐标;
步骤2,计算图像{f(i,j)}的直方图h(k),其中h(k)代表灰度值为k的像素在图像中出现的频率;
步骤3,设定伽马校正系数γ,并对直方图h(k)进行伽马校正,得到一次修正直方图h1(k),其中h1(k)=[h(k)]γ;
步骤4,依次提取一次修正直方图h1(k)中的非零项,构成二次修正直方图h2(k);
步骤5,构造平滑滤波窗口函数w;
步骤6,使用平滑滤波窗口函数w对二次修正直方图h2(k)进行滑动滤波,得到三次修正直方图h3(k);
步骤7,根据一次修正直方图h1(k)中的各零项的位置,在三次修正直方图h3(k)中插入零项,构成四次修正直方图h4(k);
步骤8,对四次修正直方图h4(k)进行直方图均衡化处理。
所述步骤1中,采用opencv或matlab编程工具读取需要增强的数字图像。
上述步骤3中,伽马校正系数γ的取值范围为(0,1]。
上述步骤3中,所述伽马校正系数γ=0.5。
上述步骤5中,平滑滤波窗口函数w的构造方法具体为:
步骤5.1,设定窗口函数w的大小为N,其中N为除数字1以外的正奇数;
步骤5.2,设定窗口函数w的各个元素值;
步骤5.3,对步骤5.2设定的窗口函数w进行归一化处理,由此构造出平滑滤波窗口函数w0。
上述步骤8中,直方图均衡化处理处理的方法是利用公式计算映射函数,即
式中,T(k)为灰度值k经本方法后的映射值,K为图像的灰阶,即图像的灰度级范围为[0,K-1],对典型的8-bit图像来说,K值为256,C(k)为修正后的累积分布函数,其计算式为:
这里p(k)为修正后的概率密度函数,k=0,1,...,K-1,K为图像的灰阶。
与现有技术相比,本发明针对曝光不足或者曝光过度的数字图像直方图进行均衡化增强,具有以下优点:
1)均衡增强:对图像各部分都能有效均衡增强,能有效避免过度增强而产生“洗白”效果;
2)有效保留图像特征:能高效增强图像并保持图像细节信息和平均亮度,避免亮度饱和、亮度大幅度改变和细节丢失。
附图说明
图1-1~图1-4依次为原图、基于自适应伽马矫正与加权重分布的直方图增强方法、传统直方图均衡化方法和本发明方法所对应的效果图。
图2-1~图2-4依次为原图、基于自适应伽马矫正与加权重分布的直方图增强方法、传统直方图均衡化方法和本发明方法所对应的直方图。
图3-1~图3-4依次为原图、基于自适应伽马矫正与加权重分布的直方图增强方法、传统直方图均衡化方法和本发明方法所对应的效果图。
图4-1~图4-4依次为原图、基于自适应伽马矫正与加权重分布的直方图增强方法、传统直方图均衡化方法和本发明方法所对应的直方图。
具体实施方式
一种基于伽马校正和平滑滤波的图像直方图均衡化增强方法,包括如下步骤:
步骤1,读取需要增强的数字图像,得到该图像的矩阵表达式{f(i,j)},其中f(i,j)表示图像{f(i,j)}中任一个像素点,i,j分别为像素点f(i,j)对应的横坐标与纵坐标。在本发明中,可以采用opencv或matlab编程工具读取需要增强的数字图像。
步骤2,计算图像{f(i,j)}的直方图h(k),其中h(k)代表灰度值为k的像素在图像中出现的频率。
步骤3,设定伽马校正系数γ,并对直方图h(k)进行伽马校正,得到一次修正直方图h1(k),其中h1(k)=[h(k)]γ。在本发明中,伽马校正系数γ的取值范围为(0,1]。在本发明优选实施例中,所述伽马校正系数γ=0.5。
步骤4,依次提取一次修正直方图h1(k)中的非零项,构成二次修正直方图h2(k)。为了便于后续步骤7中三次修正直方图的复原,即后续需要使用窗口函数进行平滑时,只对非零项进行平滑,原来的零项保持不变,因此在编程实现上来说,此处需要记录所提取的是一次修正直方图h1(k)中哪些位置上的非零项和舍弃了哪些位置上的零项,即还需要记录二次修正直方图h2(k)中各项与灰度级k的对应关系
步骤5,构造平滑滤波窗口函数w。即
步骤5.1,设定窗口函数w的大小为N,其中N为除数字1以外的正奇数。
步骤5.2,设定窗口函数w的各个元素值。在本发明优选实施例中,所述各个元素值的值均设为“1”,即w={1,1,...,1,...,1,1}。
步骤5.3,对步骤5.2设定的窗口函数w进行归一化处理,由此构造出平滑滤波窗口函数w0。此处采用归一化处理公式即w0=w/∑w对设定的窗口函数的w进行归一化处理,其中公式的左边w0表示归一化后的窗口函数,公式的右边表示w各项都除以w的和。
步骤6,使用平滑滤波窗口函数w对二次修正直方图h2(k)进行滑动滤波,得到三次修正直方图h3(k)。
步骤7,根据一次修正直方图h1(k)中的各零项的位置,在三次修正直方图h3(k)中插入零项,构成四次修正直方图h4(k)。
步骤8,对四次修正直方图h4(k)进行直方图进行直方图均衡化处理。
直方图均衡化处理处理的方法是利用公式计算映射函数,即
式中,T(k)为灰度值k经本方法后的映射值,K为图像的灰阶,即图像的灰度级范围为[0,K-1],对典型的8-bit图像来说,K值为256,C(k)为修正后的累积分布函数,其计算式为:
这里p(k)为修正后的概率密度函数,k=0,1,...,K-1,K为图像的灰阶。
为进一步说明本发明的内容,下面结合具体实施例和附图,对本发明的内容和实施方式作详细阐述。其中实施例1为整体偏亮的图像实例,实施例2为图像整体偏暗的实例。
实施例1:
本实施例以Matlab为实验研究工具来说明具体实施步骤。实验对象取[0,255]灰度范围内的山体灰度图像(见图1-1)。经Matlab计算该图像有32.15%的像素点集中在255这个单一灰度上,其余像素点分布在大约是[50,255)的区间中,从图可见,实验对象整体偏亮。该图像增强的具体实施步骤如下:
步骤1,利用图像读取函数imread读入待增强的图像,即图1-1,读入图像的语句为:img=imread(‘图1-1.GIFf’),得到目标图像的内存变量img,img(i,j)为图像任一像素点所对应的内存表示,i,j为像素点内存表示img(i,j)的下标。
步骤2,利用matlab直方图统计函数imhist计算图像的直方图imgHist,其语句为:imgHist=imhist(img),得到图像直方图的内存表达imgHist。由于图像灰度级范围为[0,255],所以变量imgHist含有256个元素,每个元素值imgHist(k)代表对应灰度值k-1在图像中出现的频率。
步骤3,设定伽马校正系数gamma=0.5,对直方图imgHist进行伽马校正,得到一次修正直方图imgHist1。
步骤4,依次提取一次修正直方图imgHist1中各非零项,构成新的直方图即二次修正直方图imgHist2,其中二次修正直方图imgHist2中的元素个数N,N≤256。
步骤5,构造平滑滤波窗口w=[1/5,1/5,1/5,1/5,1/5],并利用该平滑滤波窗口w对二次修正直方图imgHist2进行滑动滤波,得到新的直方图即三次修正直方图imgHist3。
步骤6,根据一次修正直方图imgHist1中各零项的位置,在三次修正直方图imgHist3中插入零项,构成最终直方图imgHist4。
步骤7,在最终直方图imghist4的基础上,应用传统直方图均衡化的方法,对其进行均衡化处理,该处理的映射方法为:tk=round((256-1)×cdf(k)),这里round为matlab工具提供的四舍五入取整函数。即原图中灰度值为k的像素,经本发明方法处理后灰度值为tk。
将基于自适应伽马矫正与加权重分布的直方图增强方法、传统直方图均衡化方法和本发明方法针对图1-1图像的处理结果进行比较,其实验结果如图1-2~图1-4所示。图1-1~图1-4依次为原图、基于自适应伽马矫正与加权重分布的直方图增强方法、传统直方图均衡化方法和本发明方法所对应的直方图。从图1-2和图1-3可以看到,传统直方图均衡化方法和基于自适应伽马矫正与加权重分布的直方图增强方法虽然有效增强了图像下半部山体图像,但是对于山顶部分却丢失了部分细节信息,并且在左右两侧的山腰,由于过度增强而引入了两片灰色区域,而这两个区域在原图(图1-1)中是没有的。与之形成对比的是,在图1-4中,本发明方法不仅有效增强图像下半部分的山体,而且保留了山顶岩石、草木的纹理细节,也未曾改变左右两侧山腰部分图像。从图2-2,图2-3与图2-4的直方图与图2-1的对比中,可以看到本发明方法有效利用了[0,255]灰度级动态范围来增强图。
实施例2:
本实施例取[0,255]灰度范围内的夫妻灰度图像(见图3-1。该图像素点主要部分集中在[0,100]的暗区间内,但是整体上却分布在[0,255]完整的灰度级范围内,且原始对比度很低。
将基于自适应伽马矫正与加权重分布的直方图增强方法、传统直方图均衡化方法和本发明方法针对图3-1图像的处理结果进行比较,其实验结果如图3-2~图3-4所示。图4-1~图4-4依次为原图、基于自适应伽马矫正与加权重分布的直方图增强方法、传统直方图均衡化方法和本发明方法所对应的直方图。从视觉效果来看,三种方法对原始图像都有增强,但是也存在显著区别。从图3-2与图3-1的对比及图4-2和图4-1的对比可以看出,由于原始图像本身分布在[0,255]的整个灰度级动态范围,基于自适应伽马矫正与加权重分布的直方图增强方法增强效果不明显,房间内男士的西服细节依旧不可见,而且其直方图也未显著均衡。从图3-3与图3-1的对比及图4-3和图4-1的对比可以看出,传统直方图均衡化方法虽然明显增强了图像,却过度增强了原始图像,墙壁和地毯都明显出现了“洗白”效果。从图3-4与图3-1的对比及图4-4和图4-1的对比可以看出,本发明方法则有效避免了上述问题,从男士的西服细节到房间内其他物体都得到了明显增强,也没有明显的“洗白”效果,这一点从图4-4的直方图也可以说明:图4-4分布比图4-1更均衡且保留了图4-1的形状特征。
Claims (6)
1.基于伽马校正和平滑滤波的图像直方图均衡化增强方法,其特征是包括如下步骤:
步骤1,读取需要增强的数字图像,得到该图像的矩阵表达式{f(i,j)},其中f(i,j)表示图像{f(i,j)}中任一个像素点,i,j分别为像素点f(i,j)对应的横坐标与纵坐标;
步骤2,计算图像{f(i,j)}的直方图h(k),其中h(k)代表灰度值为k的像素在图像中出现的频率;
步骤3,设定伽马校正系数γ,并对直方图h(k)进行伽马校正,得到一次修正直方图h1(k),其中h1(k)=[h(k)]γ;
步骤4,依次提取一次修正直方图h1(k)中的非零项,构成二次修正直方图h2(k);
步骤5,构造平滑滤波窗口函数w;
步骤6,使用平滑滤波窗口函数w对二次修正直方图h2(k)进行滑动滤波,得到三次修正直方图h3(k);
步骤7,根据一次修正直方图h1(k)中的各零项的位置,在三次修正直方图h3(k)中插入零项,构成四次修正直方图h4(k);
步骤8,对四次修正直方图h4(k)进行直方图均衡化处理。
2.根据权利要求1所述基于伽马校正和平滑滤波的图像直方图均衡化增强方法,所述步骤1中,采用opencv或matlab编程工具读取需要增强的数字图像。
3.根据权利要求1所述基于伽马校正和平滑滤波的图像直方图均衡化增强方法,其特征是,所述步骤3中,伽马校正系数γ的取值范围为(0,1]。
4.根据权利要求3所述基于伽马校正和平滑滤波的图像直方图均衡化增强方法,其特征是,所述步骤3中,所述伽马校正系数γ=0.5。
5.根据权利要求1所述基于伽马校正和平滑滤波的图像直方图均衡化增强方法,其特征是,所述步骤5中,平滑滤波窗口函数w的构造方法具体为:
步骤5.1,设定窗口函数w的大小为N,其中N为除数字1以外的正奇数;
步骤5.2,设定窗口函数w的各个元素值;
步骤5.3,对步骤5.2设定的窗口函数w进行归一化处理,由此构造出平滑滤波窗口函数w0。
6.根据权利要求1所述基于伽马校正和平滑滤波的图像直方图均衡化增强方法,其特征是,所述步骤8中,直方图均衡化处理处理的方法是利用公式计算映射函数,即
式中,T(k)为灰度值k经本方法后的映射值,K为图像的灰阶,即图像的灰度级范围为[0,K-1],对典型的8-bit图像来说,K值为256,C(k)为修正后的累积分布函数,其计算式为:
这里p(k)为修正后的概率密度函数,k=0,1,...,K-1,K为图像的灰阶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410685191.XA CN104700376B (zh) | 2014-11-25 | 2014-11-25 | 基于伽马校正和平滑滤波的图像直方图均衡化增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410685191.XA CN104700376B (zh) | 2014-11-25 | 2014-11-25 | 基于伽马校正和平滑滤波的图像直方图均衡化增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104700376A CN104700376A (zh) | 2015-06-10 |
CN104700376B true CN104700376B (zh) | 2017-06-06 |
Family
ID=53347464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410685191.XA Active CN104700376B (zh) | 2014-11-25 | 2014-11-25 | 基于伽马校正和平滑滤波的图像直方图均衡化增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104700376B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139345B (zh) * | 2015-06-25 | 2018-07-24 | 武汉烽火众智数字技术有限责任公司 | 一种优质非标准Gamma曲线的自动搜索方法 |
CN106557729B (zh) * | 2015-09-30 | 2021-12-21 | 日本电气株式会社 | 用于处理人脸图像的设备和方法 |
CN105427256B (zh) * | 2015-11-18 | 2018-06-26 | 浙江大华技术股份有限公司 | 一种红外图像增强方法及装置 |
CN107404600B (zh) * | 2016-05-19 | 2021-08-17 | 三星Sds株式会社 | 图像处理装置及方法 |
CN106228523A (zh) * | 2016-07-28 | 2016-12-14 | 新疆大学 | 一种提高含噪数字全息图再现质量的方法 |
CN106530237B (zh) * | 2016-09-19 | 2019-06-07 | 中山大学 | 一种图像增强方法 |
CN107424179A (zh) * | 2017-04-18 | 2017-12-01 | 微鲸科技有限公司 | 一种图像均衡方法及装置 |
TWI664606B (zh) * | 2018-08-15 | 2019-07-01 | 瑞昱半導體股份有限公司 | 利用動態視窗平滑濾波器的訊號濾波方法與系統 |
CN109493291A (zh) * | 2018-10-29 | 2019-03-19 | 南京邮电大学 | 一种自适应伽马校正的彩色图像对比度增强方法 |
CN110288546B (zh) * | 2019-06-27 | 2022-11-01 | 华侨大学 | 一种采用双向伽马变换的低照度图像增强方法 |
CN110766621B (zh) * | 2019-10-09 | 2022-03-25 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
KR102185901B1 (ko) * | 2019-10-25 | 2020-12-04 | (주)동방데이타테크놀러지 | DICT(Dynamic Image Correction Technology)에 GSP(Gray Scale Pixel)가 적용된 4 Way 듀얼스캐닝 제어 전광판 |
CN111161163B (zh) * | 2019-12-05 | 2023-03-07 | 华侨大学 | 一种直方图双重伽马校正的红外图像对比度增强方法 |
CN111080563B (zh) * | 2019-12-13 | 2023-03-14 | 华侨大学 | 一种基于遍历寻优的直方图均衡方法 |
CN112561806A (zh) * | 2020-11-13 | 2021-03-26 | 连云港杰瑞自动化有限公司 | 一种微电阻率扫描测井仪图像增强方法及系统 |
CN114565535B (zh) * | 2022-03-02 | 2022-09-13 | 北京锐影医疗技术有限公司 | 一种基于自适应梯度gamma校正的图像增强方法及装置 |
CN115797234B (zh) * | 2023-01-29 | 2023-09-12 | 南京邮电大学 | 一种增强低对比度二维码图像识别效果的方法 |
CN116777795B (zh) * | 2023-08-21 | 2023-10-27 | 江苏游隼微电子有限公司 | 一种适用于车载影像的亮度映射方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101179650A (zh) * | 2007-11-23 | 2008-05-14 | 西安交通大学 | 一种视频图像对比度增强方法及装置 |
CN101527038A (zh) * | 2009-04-02 | 2009-09-09 | 四川虹微技术有限公司 | 一种改进的基于直方图的图像对比度增强方法 |
-
2014
- 2014-11-25 CN CN201410685191.XA patent/CN104700376B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101179650A (zh) * | 2007-11-23 | 2008-05-14 | 西安交通大学 | 一种视频图像对比度增强方法及装置 |
CN101527038A (zh) * | 2009-04-02 | 2009-09-09 | 四川虹微技术有限公司 | 一种改进的基于直方图的图像对比度增强方法 |
Non-Patent Citations (1)
Title |
---|
Efficient Contrast Enhancement Using Adaptive Gamma Correction With Weighting Distribution;Shih-Chia Huang et al;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20130331;第22卷(第3期);第1032-1041页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104700376A (zh) | 2015-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104700376B (zh) | 基于伽马校正和平滑滤波的图像直方图均衡化增强方法 | |
Park et al. | A contrast enhancement method using dynamic range separate histogram equalization | |
CN103606137B (zh) | 保持背景和细节信息的直方图均衡化方法 | |
Lal et al. | Efficient algorithm for contrast enhancement of natural images. | |
CN105046658B (zh) | 一种低照度图像处理方法和装置 | |
CN106169181B (zh) | 一种图像处理方法及系统 | |
CN110599415A (zh) | 基于局部自适应伽马校正的图像对比度增强实现方法 | |
CN106683080B (zh) | 一种视网膜眼底图像预处理方法 | |
CN105957030A (zh) | 一种应用于红外热像仪图像细节增强和噪声抑制方法 | |
CN104268843A (zh) | 基于直方图修饰的图像自适应增强方法 | |
WO2017049703A1 (zh) | 图像对比度增强方法 | |
CN107492075B (zh) | 一种基于细节增强的单张ldr图像曝光校正的方法 | |
CN103295191A (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
CN108022223A (zh) | 一种基于对数映射函数分块处理融合的色调映射方法 | |
CN106599878A (zh) | 一种基于深度学习的人脸重建矫正方法及装置 | |
CN109636745B (zh) | 基于分数阶微分图像增强算法的最佳阶图像增强方法 | |
CN109919859A (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
Arriaga-Garcia et al. | Adaptive sigmoid function bihistogram equalization for image contrast enhancement | |
CN110807742A (zh) | 一种基于一体式网络的微光图像增强方法 | |
CN115205160A (zh) | 基于局部场景感知的无参考低照度图像增强方法 | |
CN115578284A (zh) | 一种多场景图像增强方法及系统 | |
CN103295205A (zh) | 一种基于Retinex的微光图像快速增强方法和装置 | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
Anjana et al. | Color image enhancement using edge based histogram equalization | |
CN106033600B (zh) | 基于函数曲线变换的动态对比度增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |