CN107346546A - 一种图像处理方法及装置 - Google Patents

一种图像处理方法及装置 Download PDF

Info

Publication number
CN107346546A
CN107346546A CN201710581853.2A CN201710581853A CN107346546A CN 107346546 A CN107346546 A CN 107346546A CN 201710581853 A CN201710581853 A CN 201710581853A CN 107346546 A CN107346546 A CN 107346546A
Authority
CN
China
Prior art keywords
image
interest
region
value
coordinate
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
CN201710581853.2A
Other languages
English (en)
Other versions
CN107346546B (zh
Inventor
王闾威
李正龙
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201710581853.2A priority Critical patent/CN107346546B/zh
Publication of CN107346546A publication Critical patent/CN107346546A/zh
Application granted granted Critical
Publication of CN107346546B publication Critical patent/CN107346546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像处理方法，包括：获得第一图像，第一图像由关注区域和关注区域周围的背景区域构成；对第一图像进行处理获得二值化图像；将与二值化图像对应的像素矩阵分别在横向方向上和纵向方向上进行投影变换获得每行和每列的变换值；根据变换值确定像素矩阵中与关注区域对应的部分在纵向方向上和横向方向上的边界坐标；根据边界坐标将第一图像切割为第三图像。本发明同时提供了一种图像处理装置。通过本发明的技术方案，能够通过少量计算和处理步骤快速进行图像裁切，获得其中关注区域占据整个画面且不失真的图像。

Description

一种图像处理方法及装置
技术领域
本发明涉及信息处理领域，特别涉及一种图像处理方法及装置。
背景技术
图像处理(image processing)一般指数字图像处理，又称影像处理。图像处理技术为使用计算机对数字图像进行分析和处理，以达到所需结果的技术。一幅数字图像是用摄像机、扫描仪等设备采集得到的一个二维数组，该数组的元素称为像素，其值称为像素值、色度值或灰度值。
在对图像进行分析时，有时需要去除图像中的背景区域，以突出图像中的关注区域。
发明内容
为此，本发明提供了一种图像处理方法及装置，实现了通过少量计算和处理步骤获得关注区域的边界坐标，快速进行图像裁切。
本发明实施例提供的图像处理方法包括：获得第一图像，第一图像由关注区域和关注区域周围的背景区域构成；对第一图像进行处理获得二值化图像；将与二值化图像对应的像素矩阵分别在横向方向上和纵向方向上进行投影变换获得每行和每列的变换值；根据变换值确定像素矩阵中与关注区域对应的部分在纵向方向上和横向方向上的边界坐标；根据边界坐标将第一图像切割为第三图像。
作为优选，根据变换值确定像素矩阵中与关注区域对应的部分在纵向方向上和横向方向上的边界坐标，包括：基于预定的边界点阈值，将变换值中不小于边界点阈值的变换值对应的坐标确定为边界坐标。
作为优选，对第一图像进行处理，获得二值化图像包括：将第一图像处理为灰度图像，对灰度图像进行二值化变换得到二值化图像。
作为优选，将第一图像处理为灰度图像后还包括：对灰度图像进行灰度均衡处理。
作为优选，对第一图像进行处理，获得二值化图像包括：提取第一图像中的预定单基色像素，得到单基色图像作为二值化图像。
作为优选，对第一图像进行处理，获得二值化图像包括：提取第一图像中的至少两种预定单基色像素，得到至少两个单基色图像作为二值化图像，其中，分别对至少两个单基色图像对应的至少两个像素矩阵进行投影变换获得至少两组变换值，根据至少两组变换值确定至少两组边界坐标，根据至少两组边界坐标确定最终边界坐标以将第一图像切割为第三图像。
作为优选，该方法还包括：对第三图像进行亮度自适应增强处理得到第四图像。
本发明实施例提供的图像处理装置包括存储有指令的存储器和处理器，处理器配置为执行指令以：获得第一图像，第一图像由关注区域和关注区域周围的背景区域构成；对第一图像进行处理获得二值化图像；将与二值化图像对应的像素矩阵分别在横向方向上和纵向方向上进行投影变换获得每行和每列的变换值；根据变换值确定像素矩阵中与关注区域对应的部分在纵向方向上和横向方向上的边界坐标；根据边界坐标将第一图像切割为第三图像。
作为优选，处理器进一步配置为执行指令以：在确定边界坐标时，基于预定的边界点阈值，将变换值中不小于边界点阈值的变换值对应的坐标确定为边界坐标。
作为优选，处理器进一步配置为执行指令以：对第三图像进行亮度自适应增强处理得到第四图像。
本发明实施例的技术方案使用投影变换查找图像中关注区域的四边界，实现了通过少量计算和处理步骤获得边界坐标，快速进行图像裁切，能够获得其中关注区域占据整个画面且不失真的图像。
附图说明
图1为本发明一个实施例的图像处理方法的示意性流程图；
图2-图4为图1所示实施例中一些处理步骤得到的示意性数字图像。
图5为本发明另一个实施例的图像处理方法的示意性流程图；
具体实施方式
下面参照附图对本发明的实施例进行详细说明。
图1为本发明一个实施例的图像处理方法的示意性流程图，图2-图4为图1所示实施例中一些处理步骤得到的示意性数字图像。
如图1所示，本发明实施例的图像处理方法包括如下步骤：
S101、获得第一图像，第一图像由关注区域和关注区域周围的背景区域构成；
第一图像可以是任何包括关注区域和背景区域的并且需要裁切背景部分的数字图像，例如用户拍摄的风景图像或人物图像，从网络或存储设备获取的各类图像等，其中关注区域例如为图像中的某个建筑物、某个人物、某个物品的图像区域，背景区域例如为除了该关注区域之外的图像区域。
或者，第一图像例如可以为医学影像，例如眼科视网膜影像、内科影像、牙科影像等，关注区域例如为视网膜图像中的视网膜图像区域，背景区域例如为除了视网膜图像区域之外的黑色背景部分。
第一图像中关注区域例如可以由背景区域环绕，也可以是关注区域的左侧、右侧、上侧和下侧中的至少一侧不存在背景区域。
S102、对第一图像进行处理获得二值化图像；
例如，当第一图像为彩色的视网膜图像时，可以先将第一图像处理为单通道灰度图像，如图2所示，其中示例性地示出关注区域仅左右两侧存在背景区域。然后，使用二值化方法，按照灰度图像的灰度特性，对例如图2所示的灰度图像进行二值化变换，得到仅以黑色像素和白色像素来反映第一图像中各区域特征的黑白二值化图像，如图3所示，其中，黑色像素的像素值为0，白色像素的像素值为255。二值化方法例如可以采用OTSU方法。
当第一图像为灰度图像时，可按照灰度图像的灰度特性，直接对第一图像进行二值化处理得到二值化图像。
二值化处理对于包含由于曝光过多而包含光晕的图像以及过暗的图像都有较好的处理效果。
S103、将与二值化图像对应的像素矩阵分别在横向方向上和纵向方向上进行投影变换获得每行和每列的变换值；
由于二值化图像仅由两种颜色的像素构成，例如黑色像素和白色像素，因此，与二值化图像对应的像素矩阵由两种像素值构成，例如0和255。在横向和纵向上对二值化像素矩阵进行RADON投影变换可得到每行像素和每列像素的投影变换值。
为了便于描述，本发明实施例中假设上述二值化矩阵是大小为100x100的矩阵。例如，当二值化图像第1行至第10行像素均为黑色像素时，二值化像素矩阵的第1行至第10行每个像素值均为0，将第1行像素值在横向方向上进行向纵轴投影的RADON变换时，可将第1行每个像素值进行叠加，得到第1行像素值在纵轴上的投影变换值为0，以同样的方式计算得到第2行至第10行在纵轴上的投影变换值也为0。又例如，当二值化图像第11行像素中包括5个白色像素且其他像素均为黑色像素时，二值化矩阵中第11行像素值中包括5个255像素值且其他像素值为0，将第11行像素值在横向方向上进行向纵轴投影的RADON变换时，可将第11行每个像素值进行叠加，得到第11行像素值在纵轴上的投影变换值为1275。并假设上述二值化矩阵中第11行至第100行像素值中每行像素值均包括三个以上的255像素值。
对二值化矩阵每列像素值在纵向方向上进行投影变换也采用对每行像素同样的RADON变换方法，得到每列像素值在横轴上的投影变换值，例如第1-10列和90-100列每列像素值在横轴上的投影变换值均为0，第11列至第89列像素值在横轴上的投影变换值分别为1020-15300中不同的数值。
S104、根据所述变换值确定所述像素矩阵中与所述关注区域对应的部分在纵向方向上和横向方向上的边界坐标；
基于S103中设定的情形，在得到100x100的二值化矩阵每行像素值在纵轴上的投影变换值和每列像素值在横轴上的投影变换值后，可根据每行和每列像素值的投影变换值确定代表关注区域的白色像素在二值化图像中的边界行和边界列，例如关注区域对应的白色像素的边界行为地11-100行，边界列为第11-89列，由此可以确定关注区域对应的像素在纵向方向上的边界横坐标为11和89，在横向方向上的边界纵坐标为11和100。
以上以关注区域的三侧存在背景区域为例进行了说明，本领域技术人员应当理解本发明不限于该具体情况，而是根据关注区域与背景区域的分布关系，均可利用上述RADON变换方式对二值化矩阵的每行每列像素值进行投影得到变换值，例如对于一幅二值化图像中包括两个以上关注区域的，则对其二值化矩阵进行RADON变化可能会得到多于两个边界纵坐标或多于两个边界横坐标。
S105、根据所述边界坐标将所述第一图像切割为第三图像。
例如，对于确定关注区域对应的像素在纵向方向上的边界横坐标为11和89，在横向方向上的边界纵坐标为11和100的例子，可根据所确定的边界坐标，对原始的第一图像进行图像切割处理，例如去除第一图像的第1-10行像素以及第1-10列和第90-100列像素，得到切割处理后的第三图像，例如图4所示图像。
又例如，对于一幅二值化图像中包括两个以上关注区域的情况，可根据需要确定是按照距离二值化图像的每边最近的边界坐标将原第一图像切割为一幅第三图像，还是按照每个关注区域的边界纵坐标和边界横坐标将原第一图像切割为多幅第三图像，使得每幅第三图像中都只有一个占据整个画面的关注区域。
本发明实施例通过使用RADON变换方法计算图像中关注区域的四个边界的边界坐标，实现了通过少量计算和处理步骤获得边界坐标，快速进行图像裁切，能够获得其中关注区域占据整个画面且不失真的图像。
在本发明一个实施例中，S104中根据所述变换值确定所述像素矩阵中与所述关注区域对应的部分在纵向方向上和横向方向上的边界坐标例如可以实施为，基于预定的边界点阈值，将变换值中不小于边界点阈值的变换值对应的坐标确定为边界坐标。例如，边界点阈值可以设定为1020，当对二值化矩阵的每行和每列像素进行RADON变换时，可将变换值小于1020的行或列判定为属于背景区域的像素，并将变换值为1020以上的行或列判定为属于关注区域的像素并据此计算边界横左边和边界纵坐标。通过本发明实施例，能够在一定程度上克服图像噪声对图像的干扰，得到边界较为准确的裁切图像。
在本发明一个实施例中，在S102中将第一图像处理为灰度图像之后，还可以对灰度图像进行灰度均衡处理，以降低噪声的干扰。例如对于包括高亮度相机光斑或高亮度视盘的眼底照片，可使用CLAHE算法限制局部对比度增强的幅度，从而限制噪声放大的特性。
以上实施例以将第一图像处理为单通道灰度图像并进行二值化处理得到只具有黑白两色的二值化图像为例对本发明进行了说明，但本发明并不限于将第一图像先处理为灰度图像的方式，以下进行详细说明。
在本发明一个实施例中，S102中对第一图像进行处理获得二值化图像例如可以通过提取第一图像中的预定单基色像素，得到单基色图像作为二值化图像。例如，对于视网膜图像而言，一般背景区域为黑色，并且其关注区域即视网膜区域中红色和黄色的比例较大，可提取视网膜图像中每个像素中的红色像素成分或黄色像素成分，得到黑色背景的红色单基色图像或者黄色单基色图像作为二值化图像。对于红色单基色而言，二值化图像中仅包括红色像素值为0的黑色像素和红色像素值为255的红色像素。对于黄色单基色而言，二值化图像中仅包括黄色像素值为0的黑色像素和黄色像素值为255的黄色像素。此外，也可以在得到红色单基色图像或黄色单基色图像后，将图像转换为黑白色二值化图像。随后对二值化图像进行RADON变换处理的方式参见前述。
在本发明一个实施例中，除了从第一图像中提取单个预定单基色图像直接或间接作为二值化图像之外，还可以提取第一图像中的至少两种预定单基色像素，得到至少两个单基色图像作为二值化图像，例如，可以从第一图像中先后提取每个像素中的红色和黄色像素成分，得到黑色背景的红色单基色图像和黄色单基色图像两者作为二值化图像，然后分别对两个单基色的二值化图像对应的两个像素矩阵进行上述RADON变换分别获得一组变换值，根据两组变换值确定各像素矩阵中对应关注区域的两组边界坐标，再根据两组边界坐标确定最终边界坐标。例如，对于关注区域左右两侧存在背景区域的第一图像，对其红色二值化图像确定边界横坐标为11和88，对其黄色二值化图像确定边界横坐标为13和90，则确定最终边界横坐标为11和90，并据此对第一图像进行切割处理。对于关注区域四侧存在背景区域或者第一图像中存在两个以上关注区域的最终边界坐标的计算方法以此类推。
图2为本发明另一个实施例的图像处理方法的示意性流程图。
如图2所示，本发明实施例以眼科眼底照片为第一图像对本发明进行示例性说明。本发明实施例包括对眼底照片进行单通道变换得到灰度图像(S201)，对灰度图像进行灰度均衡处理(S202)以降低噪声的干扰，对经过灰度均衡处理的图像进行二值化变换(S203)得到二值化图像，对二值化图像进行上述RADON变换得到二值化矩阵中每行和每列像素值的变换值，根据变换值确定第一图像中眼球部分的边界坐标(S204)，利用计算获得的眼球边界坐标对原始眼底照片进行去除黑边的图像处理(S205)后，对去黑边的眼底照片进行亮度自适应增强处理(S206)，得到处理完成的输出图像。其中，通过使用亮度自适应增强处理，可将亮度较差的眼底照片转换成更好曝光和细节效果的图像，例如可对输入图像的亮度信息进行分析处理，进而获得该图片对应的S型Gamma曲线，例如这条曲线对输入图像进行处理，自适应的增强图像亮度。
本发明实施例的图像处理装置包括存储有指令的存储器和处理器，存储器例如可以为ROM、RAM、CACHE、光盘、闪存或硬盘等存储装置，处理器例如可以为CPU、微处理器等。处理器可以配置为执行存储器所存储的指令以执行如下动作：
获得第一图像，第一图像由关注区域和关注区域周围的背景区域构成；
对第一图像进行处理获得二值化图像；
将与二值化图像对应的像素矩阵分别在横向方向上和纵向方向上进行投影变换获得每行和每列的变换值；
根据变换值确定像素矩阵中与关注区域对应的部分在纵向方向上和横向方向上的边界坐标；
根据边界坐标将所述第一图像切割为第三图像。
在本发明一个实施例中，处理器可进一步配置为执行所存储的指令以在确定所述边界坐标时，基于预定的边界点阈值，将变换值中不小于边界点阈值的变换值对应的坐标确定为边界坐标。
在本发明另一个实施例中，处理器可进一步配置为执行所存储的指令以对第三图像进行亮度自适应增强处理得到第四图像。
本发明实施例的图像处理装置对上述动作的具体执行过程可参见前述实施例的图像处理方法。
以上对本发明的多个实施例进行了说明，但本发明不限于上述具体的实施例，本领域技术人员在不脱离本发明精神的情况下能够对上述实施例进行多种修改和变型，这些修改和变型也应落入本发明所要求保护的范围之内。

Claims (10)

1.一种图像处理方法，包括：
获得第一图像，第一图像由关注区域和关注区域周围的背景区域构成；
对第一图像进行处理获得二值化图像；
将与二值化图像对应的像素矩阵分别在横向方向上和纵向方向上进行投影变换获得每行和每列的变换值；
根据所述变换值确定所述像素矩阵中与所述关注区域对应的部分在纵向方向上和横向方向上的边界坐标；
根据所述边界坐标将所述第一图像切割为第三图像。
2.如权利要求1所述的方法，其中，根据所述变换值确定所述像素矩阵中与所述关注区域对应的部分在纵向方向上和横向方向上的边界坐标，包括：
基于预定的边界点阈值，将所述变换值中不小于所述边界点阈值的变换值对应的坐标确定为所述边界坐标。
3.如权利要求1所述的方法，其中，对第一图像进行处理，获得二值化图像包括：
将第一图像处理为灰度图像，对灰度图像进行二值化变换得到所述二值化图像。
4.如权利要求3所述的方法，其中，将第一图像处理为灰度图像后还包括：
对灰度图像进行灰度均衡处理。
5.如权利要求1所述的方法，其中，对第一图像进行处理，获得二值化图像包括：
提取第一图像中的预定单基色像素，得到单基色图像作为所述二值化图像。
6.如权利要求1所述的方法，其中，对第一图像进行处理，获得二值化图像包括：
提取第一图像中的至少两种预定单基色像素，得到至少两个单基色图像作为所述二值化图像，
其中，分别对所述至少两个单基色图像对应的至少两个像素矩阵进行所述投影变换获得至少两组所述变换值，根据所述至少两组变换值确定至少两组所述边界坐标，根据所述至少两组边界坐标确定最终边界坐标以将所述第一图像切割为所述第三图像。
7.如权利要求1-6中任一项所述的方法，其中，该方法还包括：
对所述第三图像进行亮度自适应增强处理得到第四图像。
8.一种图像处理装置，包括存储有指令的存储器和处理器，所述处理器配置为执行所述指令以：
获得第一图像，第一图像由关注区域和关注区域周围的背景区域构成；
对第一图像进行处理获得二值化图像；
将与二值化图像对应的像素矩阵分别在横向方向上和纵向方向上进行投影变换获得每行和每列的变换值；
根据所述变换值确定所述像素矩阵中与所述关注区域对应的部分在纵向方向上和横向方向上的边界坐标；
根据所述边界坐标将所述第一图像切割为第三图像。
9.如权利要求8所述的装置，其中，所述处理器进一步配置为执行所述指令以：
在确定所述边界坐标时，基于预定的边界点阈值，将所述变换值中不小于所述边界点阈值的变换值对应的坐标确定为所述边界坐标。
10.如权利要求8所述的装置，其中，所述处理器进一步配置为执行所述指令以：
对所述第三图像进行亮度自适应增强处理得到第四图像。
CN201710581853.2A 2017-07-17 2017-07-17 一种图像处理方法及装置 Active CN107346546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710581853.2A CN107346546B (zh) 2017-07-17 2017-07-17 一种图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710581853.2A CN107346546B (zh) 2017-07-17 2017-07-17 一种图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN107346546A true CN107346546A (zh) 2017-11-14
CN107346546B CN107346546B (zh) 2021-05-04

Family

ID=60258176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710581853.2A Active CN107346546B (zh) 2017-07-17 2017-07-17 一种图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN107346546B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108782797A (zh) * 2018-06-15 2018-11-13 广东工业大学 臂式炒茶机翻炒茶叶的控制方法和臂式炒茶机
CN109034153A (zh) * 2018-07-20 2018-12-18 泰康保险集团股份有限公司 一种应用于图像旋转的图像保真的方法及装置
CN109118566A (zh) * 2018-09-13 2019-01-01 网易（杭州）网络有限公司 贴图的压缩方法、装置、存储介质和电子装置
CN110287791A (zh) * 2019-05-23 2019-09-27 罗普特科技集团股份有限公司 一种用于人脸图片的筛选方法和系统
CN111128347A (zh) * 2019-12-10 2020-05-08 青岛海信医疗设备股份有限公司 医学影像显示方法和通信终端
CN112102333A (zh) * 2020-09-02 2020-12-18 合肥工业大学 面向b超dicom影像的超声区域分割方法和系统
CN113825281A (zh) * 2021-09-13 2021-12-21 萤火虫（深圳）灯光科技有限公司 灯光控制方法、灯光控制器、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011022805A (ja) * 2009-07-16 2011-02-03 Nippon Signal Co Ltd:The 画像処理装置
CN103440481A (zh) * 2013-08-30 2013-12-11 山东师范大学 一种针对非理想虹膜图像的边界定位方法
EP2852153A1 (en) * 2012-05-16 2015-03-25 Vatech Co., Ltd Method and apparatus for providing panorama image data
CN105427287A (zh) * 2015-11-06 2016-03-23 中国电子科技集团公司第二十八研究所 一种基于投影变换的连通域标记方法
CN106599892A (zh) * 2016-12-14 2017-04-26 四川长虹电器股份有限公司 基于深度学习的电视台标识别系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011022805A (ja) * 2009-07-16 2011-02-03 Nippon Signal Co Ltd:The 画像処理装置
EP2852153A1 (en) * 2012-05-16 2015-03-25 Vatech Co., Ltd Method and apparatus for providing panorama image data
CN103440481A (zh) * 2013-08-30 2013-12-11 山东师范大学 一种针对非理想虹膜图像的边界定位方法
CN105427287A (zh) * 2015-11-06 2016-03-23 中国电子科技集团公司第二十八研究所 一种基于投影变换的连通域标记方法
CN106599892A (zh) * 2016-12-14 2017-04-26 四川长虹电器股份有限公司 基于深度学习的电视台标识别系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JALIL JALILI ET AL.: "FORMING PROJECTION IMAGES FROM EACH LAYER OF RETINA USING DIFFUSION MAP BASED OCT SEGMENTATION", 《2012 11TH INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE, SIGNAL PROCESSING AND THEIR APPLICATIONS (ISSPA)》 *
刘莉: "车辆正面特征识别方法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
张南等: "基于概率主成分分析的车牌提取方法", 《武汉理工大学学报 信息与管理工程版》 *
谷会芬: "基于支持向量机的交通标志识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
鲁宇: "人眼虹膜图像采集跟瞄系统设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108782797A (zh) * 2018-06-15 2018-11-13 广东工业大学 臂式炒茶机翻炒茶叶的控制方法和臂式炒茶机
CN109034153A (zh) * 2018-07-20 2018-12-18 泰康保险集团股份有限公司 一种应用于图像旋转的图像保真的方法及装置
CN109034153B (zh) * 2018-07-20 2022-04-26 泰康保险集团股份有限公司 一种应用于图像旋转的图像保真的方法及装置
CN109118566A (zh) * 2018-09-13 2019-01-01 网易（杭州）网络有限公司 贴图的压缩方法、装置、存储介质和电子装置
CN110287791A (zh) * 2019-05-23 2019-09-27 罗普特科技集团股份有限公司 一种用于人脸图片的筛选方法和系统
CN110287791B (zh) * 2019-05-23 2022-02-22 罗普特科技集团股份有限公司 一种用于人脸图片的筛选方法和系统
CN111128347A (zh) * 2019-12-10 2020-05-08 青岛海信医疗设备股份有限公司 医学影像显示方法和通信终端
CN112102333A (zh) * 2020-09-02 2020-12-18 合肥工业大学 面向b超dicom影像的超声区域分割方法和系统
CN112102333B (zh) * 2020-09-02 2022-11-04 合肥工业大学 面向b超dicom影像的超声区域分割方法和系统
CN113825281A (zh) * 2021-09-13 2021-12-21 萤火虫（深圳）灯光科技有限公司 灯光控制方法、灯光控制器、设备及存储介质

Also Published As

Publication number Publication date
CN107346546B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN107346546A (zh) 一种图像处理方法及装置
JP5031877B2 (ja) 画像処理装置及び画像処理方法
Zheng et al. Segmentation of green vegetation of crop canopy images based on mean shift and fisher linear discriminant
CN109997351B (zh) 用于生成高动态范围图像的方法和装置
JPH03206572A (ja) 階調変換自動化装置
EP2551796A2 (en) Image processing device identifying attribute of region included in image
JP3621304B2 (ja) 画像の輝度補正方法
JP6035246B2 (ja) デジタル画像中のぼけを検出および定量化する方法
JP2002257679A (ja) 輝度情報取得方法、画質評価方法、表示装置の輝度情報取得装置および表示装置の画質評価装置
CN110335221B (zh) 一种基于无监督学习的多曝光图像融合方法
US9549128B2 (en) Method and system for processing an image featuring multiple scales
JP2013101615A (ja) 色ヒストグラムに基づき画像領域を記述する方法およびシステム
Tech et al. Methods of image acquisition and software development for leaf area measurements in pastures
CN101976436A (zh) 一种基于差分图修正的像素级多聚焦图像融合方法
CN108961206A (zh) 一种去雾效果的无参考客观评价方法
JP4230730B2 (ja) 画像処理システム及び画像処理方法
CN113052923A (zh) 色调映射方法、装置、电子设备和存储介质
CN108564633B (zh) 灰度图像压缩方法、装置及计算机设备
CN111160063B (zh) 一种物联网ipc二维码配网图像增强方法及系统
CN104778432B (zh) 图像识别方法
CN110390339B (zh) 一种图像校正方法、装置及存储介质
KR20120042988A (ko) 화상 처리 방법, 화상 처리 장치 및 프로그램
CN111862071A (zh) 一种基于ct图像测量腰1椎体ct值的方法
CN109934342A (zh) 神经网络模型训练方法、深度图像修复方法及系统
Somasekar et al. Contrast-enhanced microscopic imaging of malaria parasites

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant