CN105069453B - 一种图像校正方法及装置 - Google Patents
一种图像校正方法及装置 Download PDFInfo
- Publication number
- CN105069453B CN105069453B CN201510494177.6A CN201510494177A CN105069453B CN 105069453 B CN105069453 B CN 105069453B CN 201510494177 A CN201510494177 A CN 201510494177A CN 105069453 B CN105069453 B CN 105069453B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- information
- described image
- boundary
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012937 correction Methods 0.000 claims description 11
- 238000003702 image correction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 239000003814 drug Substances 0.000 claims description 2
- 238000011088 calibration curve Methods 0.000 abstract description 7
- 230000011218 segmentation Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 9
- 230000001788 irregular Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明实施例涉及图像显示技术领域,尤其涉及一种图像校正方法及装置,用以对图像进行校正,提高图像显示的准确度。本发明实施例中,获取图像中的所有边界信息,图像的边界信息将图像分割为至少一个区域,获取图像每个区域的图像属性信息,图像属性信息为灰阶图像区域或彩色图像区域,针对图像中的每个区域,若该区域为灰阶图像区域,则使用DICOM进行校正,若该区域为彩色图像区域,则使用GAMMA进行校正。如此,避免了针对包括多个图像属性信息不同的区域均采用单一校正曲线进行校正的问题,提高每个区域显示的准确度。又由于所有边界信息将该图像进行区域分割,从而提高了对该图像进行区域划分的准确度。
Description
技术领域
本发明实施例涉及图像显示技术领域,尤其涉及一种图像校正方法及装置。
背景技术
医疗显示器可显示彩色图像和灰阶图像。彩色图像由多个彩色像素点组成,灰阶图像由多个灰阶像素点组成。而图像中的某一像素点是灰阶像素点还是彩色像素点,通常通过判断该像素点的红蓝绿RGB三个分量的值来确定,当该像素点的R=G=B时,则该像素点为灰阶像素点,反之,则该像素点为彩色像素点。医疗显示器在显示灰阶图像时,需要进行医学数字图像和通信标准(Digital Imaging and Communications in Medicine,简称DICOM)校正,在显示彩色图像时,需要进行伽马(GAMMA)校正。
具体实施中,医生往往需要通过医疗显示器查看病人的各种资料,包括彩色图像和灰阶图像,以便于进行诊断。如此,则需为医生配置多台显示器,用于分别显示灰阶图像和彩色图像,且每个显示器针对不同的待显示图像分别调用不同的校正曲线进行校正。
为了观察资料方便,且减少显示器的数量,工作站通常使用一台显示器,此时,医生需要在一台显示器上同时彩色图像和灰阶图像,也就是说,该台显示器需要在一幅画面中同时显示灰阶图像和彩色图像。现有技术中,对一副同时包括灰阶图像和彩色图像的图像,采用单一的GAMMA校正。如此,则会使该图像中包括的灰阶图像失真,显示不准确,从而造成医生诊断失误。
发明内容
本发明实施例提供一种图像校正方法及装置,用以对图像进行校正,提高图像显示的准确度。
本发明实施例提供一种图像校正方法,包括以下步骤:
获取图像中的所有边界信息;其中,所述图像的边界信息将所述图像分割为至少一个区域;
获取所述图像每个区域的图像属性信息;其中,所述图像属性信息为灰阶图像区域或彩色图像区域;
针对所述图像中的每个区域,若该区域为灰阶图像区域,则使用DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正。
本发明实施例提供一种图像校正装置,包括:
第一获取单元,用于获取图像中的所有边界信息;其中,所述图像的边界信息将所述图像分割为至少一个区域;
第二获取单元,用于获取所述图像每个区域的图像属性信息;其中,所述图像属性信息为灰阶图像区域或彩色图像区域;
校正单元,用于针对所述图像中的每个区域,若该区域为灰阶图像区域,则使用DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正。
本发明实施例中,获取图像中的所有边界信息;其中,图像的边界信息将图像分割为至少一个区域;获取图像每个区域的图像属性信息;其中,图像属性信息为灰阶图像区域或彩色图像区域;针对图像中的每个区域,若该区域为灰阶图像区域,则使用DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正。由于针对一幅图像中多个区域,根据每个区域的图像属性信息进行分别校正,因此避免了针对包括多个图像属性信息不同的区域均采用单一校正曲线进行校正所造成的显示不准确的问题,从而提高了该图像中每个区域显示的准确度,进而提高了该图像整体进行显示的准确度。另一方面,由于获取图像中的所有边界信息,且由所有边界信息将该图像进行区域分割,从而提高了对该图像进行区域划分的准确度,进而提高了该图像整体进行显示的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一幅图像示意图;
图2为本发明实施例提供的一种图像校正方法示意图;
图2a为本发明实施例中对图1进行处理之后的各个区域示意图;
图2b为图1的一种可能的图像的示意图;
图2c为针对图2b的图像使用像素点检测所得的结果示意图;
图2d为图2b的边界信息示意图;
图2e为对图2b进行处理之后的图像示意图;
图3为本发明实施例提供一种图像校正装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了更清晰论述本发明实施例所提供的方法的有益效果,现介绍一种现有技术对图像进行校正的方法。
现有技术中针对一幅图像进行像素点检测,根据图像的每个像素点的红(Red,简称R)、绿(Green,简称G)、蓝(Blue,简称B)信息,确定出该像素点是灰阶像素点还是彩色像素点,之后,将一幅图像中的灰阶像素点组成的灰阶图像区域使用DICOM校正,将彩色像素点组成的彩色图像区域使用GAMMA校正。
具体实施中,一幅图像中包括很多图案,每个图案均有边界信息,而图像中的各处边界容易受到该图像的其它图案或其它图案的边界的影响,进而会导致图形中的各处边界的像素点容易判断错误的现象。比如,一幅图像包括灰阶图像区域和彩色图像区域,该灰阶图像区域的边界受到相邻彩色图像区域的影响,灰阶图像区域边界的灰阶像素点不满足R=G=B这一条件,因而将该灰阶图像区域边界处的灰阶像素点错误判定为彩色像素点,进而,对灰阶图像边界处的被错判的彩色像素点所组成的区域使用GAMMA校正,从而使该错判的区域显示不准确,进而影响医生诊断。
图1示例性示出了一幅图像,该图像中包含四个灰阶图像区域,分别为图像左下角不规则的云块区域101、由一个椭圆区域102被边界线107分割所得到的第一不规则区域104和第二不规则区域105,以及图像左上角的星形区域103,除了该四个灰阶区域之外,该图像其它部分均为彩色图像区域100。现有技术中若单纯针对图1的图像使用像素点检测,则图1的四个灰阶区域的边界处的像素点受到彩色区域的影响,被错判为彩色像素点的概率较高。
基于上述内容,本发明实施例提供一种图像校正方法,如图2所示,包括以下步骤:
步骤201,获取图像中的所有边界信息;其中,图像的边界信息将图像分割为至少一个区域;
步骤202,获取图像每个区域的图像属性信息;其中,图像属性信息为灰阶图像区域或彩色图像区域;
步骤203,针对图像中的每个区域,若该区域为灰阶图像区域,则使用DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正。
具体实施中,显示器接收到的一幅待显示的图像,优选地,预先对该图像进行预处理,即对该图像进行平滑处理,以便滤除该图像中的一些细节和噪声的干扰,进而可获取该图像的更准确的边界信息。
上述步骤201中,显示器针对接收到的一幅待显示的图像,获取图像中的所有边界信息。本发明实施例中的图像中可包括多个图案,每个图案的边界均属于该图像的边界信息。本发明实施例中该图像的边界信息包括该图像的四条边界、该图像中所有图案的边界信息,以及该图像中的各种用于标识或者其它目的的线条、文字等信息。获取该图像的边界信息的方式有多种,可使用现有技术中的算法获取图像中的所有边界信息。获取的该图像的边界信息自动对该图像进行分割,该图像的所有边界信息所组成的任一个封闭区域均为该图像的一个区域。
本发明实施例中的图像属性信息为灰阶图像区域或是彩色图像区域时,针对每个区域内的每个像素点,获取该像素点的RGB三个分量的值,当该像素点的R=G=B时,则判定该像素点为灰阶像素点,当RGB三个分量的值不满足R=G=B的条件时,也就是说RGB三个分量中存在两个分量的值不相同时,则判断该像素点为彩色像素点。
本发明实施例中提供一种优选地确定所述图像的每个区域的图像属性信息的方式为:获取每个区域内的每个像素点的RGB信息,并判断每个区域内的每个像素点是灰阶像素点还是彩色像素点。进一步,针对所述图像的每个区域,若该区域中彩色像素点的数量大于灰阶像素点的数量,则该区域的图像属性信息为彩色图像区域;若该区域中彩色像素点的数量不大于灰阶像素点的数量,则该区域的图像属性信息为灰阶图像区域。
本发明实施例中提供一种优选地确定所述图像的图像属性信息的方式为:获取整个图像的所有像素点中每个像素点的RGB信息,并判断整个图像中的每个像素点是灰阶像素点还是彩色像素点。若所述图像中所有灰阶像素点的数量大于所有彩色像素点的数量,则所述图像的图像属性信息为灰阶图像区域;若所述图像中所有灰阶像素点的数量不大于所有彩色像素点的数量,则所述图像的图像属性信息为彩色图像区域。
为了减少计算量,本发明实施例提供一种优选的实施方式:获取所述图像每个区域的图像属性,根据每个区域的边界信息和图像属性信息,对所述图像进行拼接处理;其中,所述拼接处理具体为:将图像属性信息相同且共享同一段边界线的区域拼接为一个的区域。
举例来说,确定出图像中各个区域的属性信息,将图像属性信息均为灰阶图像区域,且共享同一段边界线的区域,即相邻区域进行拼接。将图像属性信息均为彩色图像区域,且共享同一段边界线的区域,即相邻区域进行拼接。
上述优先方案中,将相邻的且图像属性信息相同的区域合并,一方面,减少了区域数量,降低了计算的复杂度和计算量,从而提高了计算速度。另一方面,去除了相邻的且两个图像属性信息相同的区域之间共享的边界线,具体实施中,此类边界线可能是标识、文字等信息,可见,通过该优选方案有效去除了此类信息,进而更加准确的判断出某个区域内的图像属性信息。
为了进一步减小计算量,本发明实施例还提供另一种优选的实施方式,所述获取所述图像每个区域的图像属性信息之前,确定所述图像的图像属性信息;其中,所述图像属性信息为灰阶图像区域或彩色图像区域;获取所述图像每个区域的图像属性,根据每个区域的边界信息和图像属性信息,对所述图像进行拼接处理;其中,所述拼接处理具体为:将与所述图像的图像属性信息不同,且共享同一段边界线的区域拼接为一个的区域。
举例来说,该整个图像的图像属性信息为:该图像为彩色图像区域时,说明该图像中所有灰阶像素点的数量不大于所有彩色像素点的数量,也就是说,在一幅彩色像素点为主的图像中,灰阶像素点总体数量较小,此时,仅图像属性信息为灰阶像素区域,且共享同一段边界线的区域进行拼接,由于将数量较少的灰阶像素区域进行拼接,因此减少了拼接处理中的处理复杂度,降低了拼接处理的计算量。
为了进一步减小计算量,本发明实施例提供另一种优选的实施方式:针对拼接处理之后的所述图像中的每个区域,执行:
根据该区域的边界信息,确定该区域的面积;若该区域的面积大于阈值,且该区域的图像属性信息与所述图像的图像属性信息不同,则对该区域进行标记;若所述图像为灰阶图像区域,则对标记区域的图像采用GAMMA进行校正,对未标记区域的图像采用DICOM进行校正;若所述图像为彩色图像区域,则对标记区域的图像采用DICOM进行校正,对未标记区域的图像采用GAMMA进行校正。
举例来说,图像的图像属性信息为彩色图像区域,则说明该图像中彩色像素点数量较多,此时仅将区域的面积大于阈值,且图像属性信息为灰阶图像区域的区域进行标记;面积小于阈值,且图像属性信息为灰阶图像区域的区域不进行标记,此时,可看到,进行标记的区域为灰阶图像区域,不进行标记的除了彩色图像区域之外,还有面积较小的灰阶图像区域,具体实施中,面积小于阈值的区域可能是标识、文字等信息,而并不是真正需要观察的资料信息,因此,通过该优选实施方式,可将该类与图像属性信息不同的,且面积不大于阈值的区域信息筛选掉,提高了区域分割的准确度。
优选地,对区域进行上述操作之后,结合初始接收到的图像,对于进行标记的区域进行区域填充和去噪处理,以便保证该图像中边界处的像素点判断准确。
若进行标记的区域的图像属性信息为灰阶像素点,则进行标记的区域使用DICOM校正,所有未进行标记的区域使用GAMMA校正;或者若进行标记的区域的图像属性信息为彩色像素点,则进行标记的区域使用GAMMA校正,所有未进行标记的区域使用DICOM校正。
本发明实施例中进行标记的区域为灰阶图像区域,不进行标记的除了彩色图像区域之外,不进行标记的还包括面积较小的灰阶图像区域,因此,进行标记的所有区域的图像属性信息为灰阶像素点,则进行标记的区域使用DICOM校正;针对未进行标记的区域,需要判断未进行标记的所有区域中,图像属性为彩色图像区域的所有区域的面积与图像属性为灰阶图像区域的所有区域的面积的大小,若未进行标记的所有区域中图像属性为彩色图像区域的所有区域的面积较大,则将所有未进行标记的区域的图像属性判断为彩色图像区域,并使用GAMMA校正。
另一种实现方式中,可针对未进行标记的彩色图像区域,可进一步判定彩色图像区域中每个区域的颜色、亮度或者形状信息,并针对每个彩色图像区域,使用该彩色图像区域对应的校正曲线进行校正。比如,将彩色图像区域中的红色图像区域使用GAMMA 2.2进行校正。
本发明实施例中,DICOM校正可以包含但不限于DICOM200、DICOM400、DICOM500;GAMMA校正可以包含但不限于GAMMA1.8、GAMMA 2.0,GAMMA 2.2、GAMMA 2.4。
通过上述方法可看出,本发明实施例中,由于针对一幅图像中多个区域,根据每个区域的图像属性信息进行分别校正,因此避免了针对包括多个图像属性信息不同的区域均采用单一校正曲线进行校正所造成的显示不准确的问题,从而提高了该图像中每个区域显示的准确度,进而提高了该图像整体进行显示的准确度。另一方面,由于获取图像中的所有边界信息,且由所有边界信息将该图像进行区域分割,从而提高了对该图像进行区域划分的准确度,进而提高了该图像整体进行显示的准确度。
下面结合图1所示的图像对上述内容进行介绍:
本发明实施例中先对图1的图像进行预处理,即平滑处理,以便滤除一些细节和噪声的干扰,剩下较为明显的轮廓。之后,使用现有技术的算法获取图像的边界信息。获取每个区域的图像属性信息。即判断出四个灰阶图像区域和彩色图像区域100。可见,整个图像中彩色图像区域100的面积较大,因此,该图像的图像属性信息为彩色图像区域。
为了减少计算量,同为灰阶图像区域,且将共享同一段边界线107的第一不规则区域104和第二不规则区域105拼接为一个区域,得到椭圆区域102。进一步,对所有灰阶图像区域的面积进行判断,由于星形区域103面积不大于阈值,因此不对星形区域103进行标记,最终进行标记的区域为云块区域101和椭圆区域102,其余区域均为未进行标记的区域。如图2a所示,图2a示例性示出了对图1进行处理之后的各个区域示意图。
结合图1的图像,对图2a所示的图像中进行标记的云块区域101和椭圆区域102进行区域填充和去噪处理,以便保证图像中边界处的像素判断准确。针对标记的图像区域,即云块区域101和椭圆区域102两个灰阶图像区域,调用DICOM曲线校正;针对未进行标记的图像区域,即彩色区域,调用GAMMA曲线校正,从而实现彩色图像区域和灰阶图像区域均能按照各自标准来准确显示。
为了更加清晰的反映上述实施例的具体实施效果,下面结合图2b、图2c、图2d、图2e进行介绍:
图2b示例性示出了图1的一种可能的图像,如图2b所示,该图像中包含四个灰阶区域,分别为云块区域101、由一个椭圆区域102被边界线107分割所得到的第一不规则区域104和第二不规则区域105,以及图像左上角的星形区域103,除了该四个灰阶区域之外,该图像其它部分均为彩色图像区域100。图2b示出了彩色图像区域100可能出现的情况。
图2c为针对图2b的图像使用像素点检测所得的结果示意图,如图2c所示,通过判断像素点是否为灰阶像素点这一原则对图2b中的图像进行判断之后,图2b中的四个灰阶区域的边界处判断的误差较大,被错判为彩色像素点的概率较高。而且,椭圆区域102因为被边界线107分割,因此椭圆区域102在图2中被识别为两个区域,分别为第一不规则区域104和第二不规则区域105。
针对图2b所示的图像,本发明实施例中使用现有技术的算法获取图像的边界信息,图2d示例性示出了图2b的边界信息。从图2d可看出,获取的该图像的边界信息能够准确的反映出该图像中各个图案的边界。对图2b中所示的图像进行一系列处理之后,得到如图2e所示的图像。图2e示例性示出了对图2b进行处理之后的图像示意图。图2e中包括进行标记的云块区域101和椭圆区域102,以及其它未进行标记的区域。
从上述内容可以看出:本发明实施例中,获取图像中的所有边界信息;其中,图像的边界信息将图像分割为至少一个区域;获取图像每个区域的图像属性信息;其中,图像属性信息为灰阶图像区域或彩色图像区域;针对图像中的每个区域,若该区域为灰阶图像区域,则使用DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正。由于针对一幅图像中多个区域,根据每个区域的图像属性信息进行分别校正,因此避免了针对包括多个图像属性信息不同的区域均采用单一校正曲线进行校正所造成的显示不准确的问题,从而提高了该图像中每个区域显示的准确度,进而提高了该图像整体进行显示的准确度。另一方面,由于获取图像中的所有边界信息,且由所有边界信息将该图像进行区域分割,从而提高了对该图像进行区域划分的准确度,进而提高了该图像整体进行显示的准确度。
图3示例性示出了本发明实施例提供一种图像校正装置的结构示意图。
基于相同构思,本发明实施例提供一种图像校正装置,如图3所示,用于执行上述流程,包括第一获取单元301、第二获取单元302、校正单元303:
第一获取单元,用于获取图像中的所有边界信息;其中,图像的边界信息将图像分割为至少一个区域;
第二获取单元,用于获取图像每个区域的图像属性信息;其中,图像属性信息为灰阶图像区域或彩色图像区域;
校正单元,用于针对图像中的每个区域,若该区域为灰阶图像区域,则使用DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正。
优选地,第二获取单元,具体用于:
获取图像每个区域的图像属性,根据每个区域的边界信息和图像属性信息,对图像进行拼接处理;其中,拼接处理具体为:将图像属性信息相同且共享同一段边界线的区域拼接为一个的区域。
优选地,第二获取单元,还用于:
确定图像的图像属性信息;其中,图像属性信息为灰阶图像区域或彩色图像区域;
获取图像每个区域的图像属性,根据每个区域的边界信息和图像属性信息,对图像进行拼接处理;其中,拼接处理具体为:将与图像的图像属性信息不同,且共享同一段边界线的区域拼接为一个的区域。
优选地,校正单元,具体用于:
针对拼接处理之后的图像中的每个区域,执行:
根据该区域的边界信息,确定该区域的面积;
若该区域的面积大于阈值,且该区域的图像属性信息与图像的图像属性信息不同,则对该区域进行标记;
若图像为灰阶图像区域,则对标记区域的图像采用GAMMA进行校正,对未标记区域的图像采用DICOM进行校正;若图像为彩色图像区域,则对标记区域的图像采用DICOM进行校正,对未标记区域的图像采用GAMMA进行校正;
优选地,确定图像的图像属性信息的方式为:
若图像中所有灰阶像素点的数量大于所有彩色像素点的数量,则图像的图像属性信息为灰阶图像区域;若图像中所有灰阶像素点的数量不大于所有彩色像素点的数量,则图像的图像属性信息为彩色图像区域;
确定图像的每个区域的图像属性信息的方式为:
针对图像的每个区域,若该区域中彩色像素点的数量大于灰阶像素点的数量,则该区域的图像属性信息为彩色图像区域;若该区域中彩色像素点的数量不大于灰阶像素点的数量,则该区域的图像属性信息为灰阶图像区域。
从上述内容可以看出:本发明实施例中,获取图像中的所有边界信息;其中,图像的边界信息将图像分割为至少一个区域;获取图像每个区域的图像属性信息;其中,图像属性信息为灰阶图像区域或彩色图像区域;针对图像中的每个区域,若该区域为灰阶图像区域,则使用DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正。由于针对一幅图像中多个区域,根据每个区域的图像属性信息进行分别校正,因此避免了针对包括多个图像属性信息不同的区域均采用单一校正曲线进行校正所造成的显示不准确的问题,从而提高了该图像中每个区域显示的准确度,进而提高了该图像整体进行显示的准确度。另一方面,由于获取图像中的所有边界信息,且由所有边界信息将该图像进行区域分割,从而提高了对该图像进行区域划分的准确度,进而提高了该图像整体进行显示的准确度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种图像校正方法,其特征在于,包括以下步骤:
获取图像中的所有边界信息;其中,所述图像的边界信息将所述图像分割为至少一个区域;其中,所述图像包括至少一个图案,所述图像中的所有边界信息包括所述图像的四条边界,以及所述至少一个图案中每个图案的边界;
获取所述图像每个区域的图像属性信息;其中,所述图像属性信息为灰阶图像区域或彩色图像区域;其中,确定所述图像的每个区域的图像属性信息的方式为:针对所述图像的每个区域,若该区域中彩色像素点的数量大于灰阶像素点的数量,则该区域的图像属性信息为彩色图像区域;若该区域中彩色像素点的数量不大于灰阶像素点的数量,则该区域的图像属性信息为灰阶图像区域;
针对所述图像中的每个区域,若该区域为灰阶图像区域,则使用医学数字图像和通信标准DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正。
2.如权利要求1所述的方法,其特征在于,所述获取所述图像每个区域的图像属性信息,具体包括:
获取所述图像每个区域的图像属性,根据每个区域的边界信息和图像属性信息,对所述图像进行拼接处理;其中,所述拼接处理具体为:将图像属性信息相同且共享同一段边界线的区域拼接为一个的区域。
3.如权利要求1所述的方法,其特征在于,所述获取所述图像每个区域的图像属性信息之前,还包括:
确定所述图像的图像属性信息;其中,所述图像属性信息为灰阶图像区域或彩色图像区域;
所述获取所述图像每个区域的图像属性信息,具体包括:
获取所述图像每个区域的图像属性,根据每个区域的边界信息和图像属性信息,对所述图像进行拼接处理;其中,所述拼接处理具体为:将与所述图像的图像属性信息不同,且共享同一段边界线的区域拼接为一个的区域。
4.如权利要求3所述的方法,其特征在于,所述针对所述图像中的每个区域,若该区域为灰阶图像区域,则使用DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正,具体包括:
针对拼接处理之后的所述图像中的每个区域,执行:
根据该区域的边界信息,确定该区域的面积;
若该区域的面积大于阈值,且该区域的图像属性信息与所述图像的图像属性信息不同,则对该区域进行标记;
若所述图像为灰阶图像区域,则对标记区域的图像采用GAMMA进行校正,对未标记区域的图像采用DICOM进行校正;若所述图像为彩色图像区域,则对标记区域的图像采用DICOM进行校正,对未标记区域的图像采用GAMMA进行校正。
5.如权利要求3所述的方法,其特征在于,确定所述图像的图像属性信息的方式为:
若所述图像中所有灰阶像素点的数量大于所有彩色像素点的数量,则所述图像的图像属性信息为灰阶图像区域;若所述图像中所有灰阶像素点的数量不大于所有彩色像素点的数量,则所述图像的图像属性信息为彩色图像区域。
6.一种图像校正装置,其特征在于,包括:
第一获取单元,用于获取图像中的所有边界信息;其中,所述图像的边界信息将所述图像分割为至少一个区域;其中,所述图像包括至少一个图案,所述图像中的所有边界信息包括所述图像的四条边界,以及所述至少一个图案中每个图案的边界;
第二获取单元,用于获取所述图像每个区域的图像属性信息;其中,所述图像属性信息为灰阶图像区域或彩色图像区域;其中,确定所述图像的每个区域的图像属性信息的方式为:针对所述图像的每个区域,若该区域中彩色像素点的数量大于灰阶像素点的数量,则该区域的图像属性信息为彩色图像区域;若该区域中彩色像素点的数量不大于灰阶像素点的数量,则该区域的图像属性信息为灰阶图像区域;
校正单元,用于针对所述图像中的每个区域,若该区域为灰阶图像区域,则使用医学数字图像和通信标准DICOM进行校正;若该区域为彩色图像区域,则使用GAMMA进行校正。
7.如权利要求6所述的装置,其特征在于,所述第二获取单元,具体用于:
获取所述图像每个区域的图像属性,根据每个区域的边界信息和图像属性信息,对所述图像进行拼接处理;其中,所述拼接处理具体为:将图像属性信息相同且共享同一段边界线的区域拼接为一个的区域。
8.如权利要求6所述的装置,其特征在于,所述第二获取单元,还用于:
确定所述图像的图像属性信息;其中,所述图像属性信息为灰阶图像区域或彩色图像区域;
获取所述图像每个区域的图像属性,根据每个区域的边界信息和图像属性信息,对所述图像进行拼接处理;其中,所述拼接处理具体为:将与所述图像的图像属性信息不同,且共享同一段边界线的区域拼接为一个的区域。
9.如权利要求8所述的装置,其特征在于,所述校正单元,具体用于:
针对拼接处理之后的所述图像中的每个区域,执行:
根据该区域的边界信息,确定该区域的面积;
若该区域的面积大于阈值,且该区域的图像属性信息与所述图像的图像属性信息不同,则对该区域进行标记;
若所述图像为灰阶图像区域,则对标记区域的图像采用GAMMA进行校正,对未标记区域的图像采用DICOM进行校正;若所述图像为彩色图像区域,则对标记区域的图像采用DICOM进行校正,对未标记区域的图像采用GAMMA进行校正。
10.如权利要求8所述的装置,其特征在于,确定所述图像的图像属性信息的方式为:
若所述图像中所有灰阶像素点的数量大于所有彩色像素点的数量,则所述图像的图像属性信息为灰阶图像区域;若所述图像中所有灰阶像素点的数量不大于所有彩色像素点的数量,则所述图像的图像属性信息为彩色图像区域。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510494177.6A CN105069453B (zh) | 2015-08-12 | 2015-08-12 | 一种图像校正方法及装置 |
PCT/CN2016/074385 WO2017024787A1 (zh) | 2015-08-12 | 2016-02-23 | 一种图像校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510494177.6A CN105069453B (zh) | 2015-08-12 | 2015-08-12 | 一种图像校正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105069453A CN105069453A (zh) | 2015-11-18 |
CN105069453B true CN105069453B (zh) | 2019-03-05 |
Family
ID=54498814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510494177.6A Active CN105069453B (zh) | 2015-08-12 | 2015-08-12 | 一种图像校正方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105069453B (zh) |
WO (1) | WO2017024787A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069453B (zh) * | 2015-08-12 | 2019-03-05 | 青岛海信电器股份有限公司 | 一种图像校正方法及装置 |
CN107292825B (zh) * | 2016-03-30 | 2020-07-24 | 海信视像科技股份有限公司 | 一种图像校正的方法及装置 |
CN106683058A (zh) * | 2016-12-26 | 2017-05-17 | 上海联影医疗科技有限公司 | 医学图像的校正方法及其装置 |
CN108055475A (zh) * | 2017-11-17 | 2018-05-18 | 广州视源电子科技股份有限公司 | 视频信号处理方法、装置及可读存储介质 |
CN108520547B (zh) * | 2018-04-26 | 2022-09-02 | 海信视像科技股份有限公司 | 图像处理方法、装置、设备及存储介质 |
CN110827734A (zh) * | 2018-08-07 | 2020-02-21 | 钰纬科技开发股份有限公司 | 显示器的自动Gamma曲线设置方法 |
CN109064990A (zh) * | 2018-09-19 | 2018-12-21 | 苏州佳世达电通有限公司 | 一种显示装置及其影像调整方法 |
CN111428812B (zh) * | 2020-04-14 | 2024-03-08 | 东软医疗系统股份有限公司 | 医学图像数据的构造方法及装置 |
CN114697464A (zh) * | 2020-12-29 | 2022-07-01 | 深圳市汉森软件有限公司 | 图像分区处理方法、装置、设备及存储介质 |
CN113099191B (zh) * | 2021-03-22 | 2023-04-07 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
CN113270169B (zh) * | 2021-05-26 | 2023-03-14 | 青岛海信医疗设备股份有限公司 | 一种图像显示方法、装置、处理设备及介质 |
CN114359055B (zh) * | 2022-03-21 | 2022-05-31 | 湖南大学 | 一种多相机拍摄屏体的图像拼接方法及相关装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024262A (zh) * | 2011-09-20 | 2013-04-03 | 三星电子株式会社 | 显示设备和方法 |
CN103139574A (zh) * | 2011-11-30 | 2013-06-05 | 佳能株式会社 | 图像处理装置及其控制方法 |
CN103268759A (zh) * | 2008-09-16 | 2013-08-28 | 夏普株式会社 | 数据处理装置、液晶显示装置、电视接收机以及数据处理方法 |
CN103402041A (zh) * | 2009-08-25 | 2013-11-20 | 佳能株式会社 | 图像处理设备和图像处理方法 |
CN104484659A (zh) * | 2014-12-30 | 2015-04-01 | 南京巨鲨显示科技有限公司 | 一种对医学彩色和灰阶图像自动识别及校准的方法 |
CN104702929A (zh) * | 2013-12-09 | 2015-06-10 | Cjcgv株式会社 | 修正图像交叠区的失真的方法、记录介质和执行装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7835500B2 (en) * | 2005-11-16 | 2010-11-16 | Accuray Incorporated | Multi-phase registration of 2-D X-ray images to 3-D volume studies |
US8896619B2 (en) * | 2011-03-09 | 2014-11-25 | Mckesson Financial Holdings | Apparatus, method and computer-readable storage medium for compensating for image-quality discrepancies |
JP5962083B2 (ja) * | 2012-03-14 | 2016-08-03 | オムロン株式会社 | 領域抽出結果の表示方法及び画像処理装置 |
CN102629466B (zh) * | 2012-04-11 | 2014-04-16 | 南京巨鲨显示科技有限公司 | 一种显示器彩色灰阶图像自适应校正方法 |
CN103400400B (zh) * | 2013-08-07 | 2017-03-01 | 南京巨鲨显示科技有限公司 | 一种基于区域的图像校正方法 |
CN105069453B (zh) * | 2015-08-12 | 2019-03-05 | 青岛海信电器股份有限公司 | 一种图像校正方法及装置 |
-
2015
- 2015-08-12 CN CN201510494177.6A patent/CN105069453B/zh active Active
-
2016
- 2016-02-23 WO PCT/CN2016/074385 patent/WO2017024787A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268759A (zh) * | 2008-09-16 | 2013-08-28 | 夏普株式会社 | 数据处理装置、液晶显示装置、电视接收机以及数据处理方法 |
CN103402041A (zh) * | 2009-08-25 | 2013-11-20 | 佳能株式会社 | 图像处理设备和图像处理方法 |
CN103024262A (zh) * | 2011-09-20 | 2013-04-03 | 三星电子株式会社 | 显示设备和方法 |
CN103139574A (zh) * | 2011-11-30 | 2013-06-05 | 佳能株式会社 | 图像处理装置及其控制方法 |
CN104702929A (zh) * | 2013-12-09 | 2015-06-10 | Cjcgv株式会社 | 修正图像交叠区的失真的方法、记录介质和执行装置 |
CN104484659A (zh) * | 2014-12-30 | 2015-04-01 | 南京巨鲨显示科技有限公司 | 一种对医学彩色和灰阶图像自动识别及校准的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105069453A (zh) | 2015-11-18 |
WO2017024787A1 (zh) | 2017-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069453B (zh) | 一种图像校正方法及装置 | |
WO2020182036A1 (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN108877736A (zh) | 消除屏体亮度不均的补偿方法及装置 | |
US8310499B2 (en) | Balancing luminance disparity in a display by multiple projectors | |
US8929647B2 (en) | Image processing apparatus and control method therefor | |
US8873821B2 (en) | Scoring and adjusting pixels based on neighborhood relationships for revealing data in images | |
CN104052979B (zh) | 用于图像处理的装置和技术 | |
CN109640066B (zh) | 高精度稠密深度图像的生成方法和装置 | |
CN110008806A (zh) | 存储介质、学习处理方法、学习装置及物体识别装置 | |
EP3534331A1 (en) | Circuit device and electronic apparatus | |
CN107451976B (zh) | 一种图像处理方法及装置 | |
CN110400299A (zh) | 一种肺部胸腔积液检出的方法及装置 | |
US20210319580A1 (en) | Method, apparatus and electronic device for stereo matching | |
US11169872B2 (en) | Circuit device, electronic apparatus, and error detection method | |
US10620417B2 (en) | Method for generating a reflection-reduced contrast image and corresponding device | |
CN113304971B (zh) | 3d动态引导点胶补偿方法、装置、设备及其存储介质 | |
CN108875474A (zh) | 评估人脸识别算法的方法、装置及计算机存储介质 | |
US20150178586A1 (en) | Target line detection device and method | |
US8885937B2 (en) | Exposure measuring method and apparatus based on composition for automatic image correction | |
US20210158513A1 (en) | Information processing device, information processing method, and computer program | |
CN108830184A (zh) | 黑眼圈识别方法及装置 | |
CN116883336A (zh) | 图像处理方法、装置、计算机设备及介质 | |
KR20170026860A (ko) | 치아 교정 계획을 위한 이미지 처리 방법, 이를 위한 장치 및 기록 매체 | |
CN107742316B (zh) | 图像拼接点获取方法及获取装置 | |
US20220309832A1 (en) | Method for detecting opening and closing of eye, device for detecting opening and closing of eye, and non-transitory computer-readable recording medium recording program for detecting opening and closing of eye |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Patentee after: Hisense Visual Technology Co., Ltd. Address before: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Patentee before: QINGDAO HISENSE ELECTRONICS Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |