CN109919882B - 基于眼底彩照图像的图像优化方法及相关设备 - Google Patents
基于眼底彩照图像的图像优化方法及相关设备 Download PDFInfo
- Publication number
- CN109919882B CN109919882B CN201910046451.1A CN201910046451A CN109919882B CN 109919882 B CN109919882 B CN 109919882B CN 201910046451 A CN201910046451 A CN 201910046451A CN 109919882 B CN109919882 B CN 109919882B
- Authority
- CN
- China
- Prior art keywords
- image
- channel image
- channel
- rgb
- brightness
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本申请涉及人工智能领域,本申请公开了一种基于眼底彩照图像的图像优化方法及相关设备,所述方法包括:获取待优化眼底彩照图像,对所述眼底彩照图像进行RGB三通道分离,对分离后的通道图像进行优化处理,并对优化处理的通道图像进行融合,生成优化眼底彩照图像。本申请通过对眼底图像进行三通道分离,并对分离后的通道分别进行优化,再对优化后的三通道图像进行融合,生成优化眼底图像,可使得眼底图像得到增强,更加符合人眼视觉习惯,避免图像失真。
Description
技术领域
本申请涉及人工智能领域,特别涉及一种基于眼底彩照图像的图像优化方法及相关设备。
背景技术
眼底图像包含血管、视盘、黄斑区域等多种生理结构,随着年龄的增长,极易发生病变。由于不同病人眼底病变程度的不同,生病种类的不同,人种的不同,以及获取眼底图像相机的型号,品牌的不同,所生成的眼底图像风格很难统一,不利于人工智能算法进行学习。
目前市面上的眼底图像优化方法,例如CLAHE等算法,都是对眼底图像特定区域进行增强,以进行血管和病灶的分割。但是这些优化方法都会使眼底图像失真严重,色调不统一,不利于人工智能算法进行学习。尽管目前,可以通过Photo Shop等图像软件,根据AREDS等研究方法,对图像进行优化调整,但耗费人力和时间,效率低下。
发明内容
本申请的目的在于针对现有技术的不足,提供一种基于眼底彩照图像的图像优化方法及相关设备,通过对眼底图像进行三通道分离,并对分离后的通道分别进行优化,再对优化后的三通道图像进行融合,生成优化眼底图像,可使得眼底图像得到增强,更加符合人眼视觉习惯,避免图像失真。
为达到上述目的,本申请的技术方案提供一种基于眼底彩照图像的图像优化方法及相关设备。
本申请公开了一种基于眼底彩照图像的图像优化方法,包括以下步骤:
获取待优化眼底彩照图像,对所述眼底彩照图像进行RGB三通道分离,获得第一RGB三通道图像,并根据所述第一RGB三通道图像中的每个通道图像获得每个通道图像的灰度直方图;
将每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换,获得第二RGB三通道图像;
调整所述第二RGB三通道图像中每个通道图像的极值点,调整所述第二RGB三通道图像中每个通道图像的亮度,获得第三RGB三通道图像;
对所述第三RGB三通道图像中的三个通道图像进行融合,生成优化眼底彩照图像。
较佳地,所述根据所述第一RGB三通道图像中的每个通道图像获得每个通道图像的灰度直方图,包括:
对所述第一RGB三通道图像中的每个通道图像分别统计灰度值分布;
根据所述每个通道图像的灰度值分布分别生成所属每个通道图像的灰度直方图。
较佳地,所述将每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换,包括:
将每个通道图像的灰度直方图中的非极值点区域根据公式:
进行亮度空间变换,其中x为变换之后的像素值,XO为变换之前对应坐标点的像素值,POL为变换之前图像中灰度极小值,PDL为目标图像的极小值,CO为变换之前图像的对比度,CD为目标图像的对比度。
较佳地,所述调整所述第二RGB三通道图像中每个通道图像的极值点,包括:
预先存储所述第二RGB三通道图像的每个通道图像中未进行亮度空间变换的极值点;
查询所述第二RGB三通道图像的每个通道图像中进行亮度空间变换区域的极值点,并将所述第二RGB三通道图像的每个通道图像中进行亮度空间变换区域的极值点数值分配给与所述第二RGB三通道图像的通道图像对应的未进行亮度空间变换的极值点。
较佳地,所述调整所述第二RGB三通道图像中每个通道图像的亮度,包括:
预设所述第二RGB三通道图像中每个通道图像的目标整体平均亮度;
计算所述第二RGB三通道图像中每个通道图像的当前整体平均亮度,根据所述每个通道图像的目标整体平均亮度及当前整体平均亮度调整每个通道图像的亮度。
较佳地,所述计算所述第二RGB三通道图像中每个通道图像的当前整体平均亮度,包括:
根据所述第二RGB三通道图像中每个通道图像的灰度直方图获取每个通道图像的像素个数,并统计每个通道的总像素值;
根据所述每个通道的总像素值及像素个数计算获得每个通道图像的当前整体平均亮度。
较佳地,所述根据所述每个通道图像的目标整体平均亮度及当前整体平均亮度调整每个通道图像的亮度,包括:
根据所述每个通道图像的目标整体平均亮度及当前整体平均亮度获取每个通道图像的整体平均亮度差;
根据所述每个通道图像的像素个数及整体平均亮度差获取每个通道图像中每个像素的整体平均亮度差;
根据所述每个通道图像中每个像素的整体平均亮度差调整每个像素的像素值。
本申请还公开了一种基于眼底彩照图像的图像优化装置,所述装置包括:
第一通道图像生成模块:设置为获取待优化眼底彩照图像,对所述眼底彩照图像进行RGB三通道分离,获得第一RGB三通道图像,并根据所述第一RGB三通道图像中的每个通道图像获得每个通道图像的灰度直方图;
第二通道图像生成模块:设置为将每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换,获得第二RGB三通道图像;
第三通道图像生成模块:设置为调整所述第二RGB三通道图像中每个通道图像的极值点,调整所述第二RGB三通道图像中每个通道图像的亮度,获得第三RGB三通道图像;
通道图像融合模块:设置为对所述第三RGB三通道图像中的三个通道图像进行融合,生成优化眼底彩照图像。
本申请还公开了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被一个或多个所述处理器执行时,使得一个或多个所述处理器执行上述所述图像优化方法的步骤。
本申请还公开了一种存储介质,所述存储介质可被处理器读写,所述存储介质存储有计算机指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述图像优化方法的步骤。
本申请的有益效果是:本申请通过对眼底图像进行三通道分离,并对分离后的通道分别进行优化,再对优化后的三通道图像进行融合,生成优化眼底图像,可使得眼底图像得到增强,更加符合人眼视觉习惯,避免图像失真。
附图说明
图1为本申请实施例的一种基于眼底彩照图像的图像优化方法的流程示意图;
图2为本申请实施例的一种基于眼底彩照图像的图像优化方法的流程示意图;
图3为本申请实施例的一种基于眼底彩照图像的图像优化方法的流程示意图;
图4为本申请实施例的一种基于眼底彩照图像的图像优化方法的流程示意图;
图5为本申请实施例的一种基于眼底彩照图像的图像优化方法的流程示意图;
图6为本申请实施例的一种基于眼底彩照图像的图像优化方法的流程示意图;
图7为本申请实施例的一种基于眼底彩照图像的图像优化装置结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本申请实施例的一种基于眼底彩照图像的图像优化方法流程如图1所示,本实施例包括以下步骤:
步骤s101,获取待优化眼底彩照图像,对所述眼底彩照图像进行RGB三通道分离,获得第一RGB三通道图像,并根据所述第一RGB三通道图像中的每个通道图像获得每个通道图像的灰度直方图;
具体的,所述眼底彩照图像指的是病人新拍摄的眼底图像,即医院临床眼底彩照检查结果图,所述眼底彩照图像一般可通过医院获得,,也可通过访问医院电子系统的数据库自动获取。
具体的,所述对所述眼底彩照图像进行RGB三通道分离包括将眼底彩照图像分离成红(R)、绿(G)及蓝(B)三个通道;由于眼底彩照图像在生成及存储的时候都是以RGB三通道存储的,因此通过通道分离,可以将R、G、B三个通道的图像都提取出来;此外,通常2D图像在存储时存储的是三维信息,包括宽度高度和通道数,因此通过通道分离,可获得每个通道的宽度和高度;当完成RGB三通道分离之后,就可获得红(R)、绿(G)及蓝(B)三个通道的图像,即第一RGB三通道图像。
具体的,所述灰度直方图是关于灰度级分布的函数,是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素,按照灰度值的大小,统计其出现的频率。灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素的个数,反映了图像中某种灰度出现的频率。当获得第一RGB三通道图像后,可对第一RGB三通道图像中的R、G、B三个通道的灰度级分布分别进行统计,并生成每个通道的灰度直方图。
步骤s102,将每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换,获得第二RGB三通道图像;
具体的,当对所述第一RGB三通道图像的每个通道图像进行亮度空间变换时,只对非极值点区域进行变换,所述非极值点区域指的是去掉像素值最小的那部分和最大的那部分点的区域,也可理解为正态分布中,位于中间的大部分像素点,所述极值点区域包括极大值和极小值,当对每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换之后,会获得新的R、G、B三个通道图像,即第二RGB三通道图像。
步骤s103,调整所述第二RGB三通道图像中每个通道图像的极值点,调整所述第二RGB三通道图像中每个通道图像的亮度,获得第三RGB三通道图像;
具体的,可通过调整每个通道图像的极值点来减小所述极值点带来的影响,在对所述第一RGB三通道图像中每个通道图像进行亮度空间变换之前,可预先存储所述第一RGB三通道图像中每个通道图像的极值点,当进行亮度空间变换之后,所述极值点的坐标位置和像素值不会发生变化,但是在所述第二RGB三通道图像中每个通道图像中,非极值点区域的像素值已经发生变化,因此可将所述第二RGB三通道图像中每个通道图像中非极值点区域的极值点像素值替换亮度空间变换之前的所述第一RGB三通道图像中每个通道图像的极值点。
具体的,调整所述第二RGB三通道图像中每个通道图像的极值点之后,还可对所述第二RGB三通道图像中每个通道图像的亮度进行调整,所述每个通道图像的亮度的调整可通过预先设置目标整体平均亮度,然后计算当前每个通道图像的整体平均亮度,根据所述每个通道图像的目标整体平均亮度和当前整体平均亮度进行亮度调整,获得新的R、G、B三个通道图像,即第三RGB三通道图像。
步骤s104,对所述第三RGB三通道图像中的三个通道图像进行融合,生成优化眼底彩照图像。
具体的,所述通道图像融合是通道图像分离的逆过程,在通道图像分离时,只需将通道的宽度和高度输出,而在通道图像融合时,只需将所有通道的宽度和高度同时输出,因此只要将R、G、B三通道的图像同时显示,即可实现通道图像融合;当对第三RGB三通道图像中的R、G、B三个通道的图像进行融合之后,就可生成优化眼底彩照图像。
本实施例中,通过对眼底图像进行三通道分离,并对分离后的通道分别进行优化,再对优化后的三通道图像进行融合,生成优化眼底图像,可使得眼底图像得到增强,更加符合人眼视觉习惯,避免图像失真。
图2为本申请实施例的一种基于眼底彩照图像的图像优化方法流程示意图,如图所示,所述步骤s101,根据所述第一RGB三通道图像中的每个通道图像获得每个通道图像的灰度直方图,包括:
步骤s201,对所述第一RGB三通道图像中的每个通道图像分别统计灰度值分布;
具体的,当获取第一RGB三通道图像中的每个通道图像后,可计算R、G、B每一通道图像的图像像素在0-255灰度值区间的分布情况。
步骤s202,根据所述每个通道图像的灰度值分布分别生成所属每个通道图像的灰度直方图。
具体的,可根据R、G、B每一通道图像的图像像素在0-255灰度值区间的分布情况生成每个通道图像的灰度直方图,其中,横坐标是0-255的像素值,纵坐标是对应像素值的像素的个数。
本实施例中,通过生成灰度直方图,可以更加直观了解灰度值的分布情况,有利于对图像进行后续优化处理。
在一个实施例中,所述步骤s102,将每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换,包括:
将每个通道图像的灰度直方图中的非极值点区域根据公式:
进行亮度空间变换,其中x为变换之后的像素值,XO为变换之前对应坐标点的像素值,POL为变换之前图像中灰度极小值,PDL为目标图像的极小值,CO为变换之前图像的对比度,CD为目标图像的对比度。
具体的,可通过所述亮度空间变换改变图像对比度,所述图像对比度指的是,在一幅图像中,各种不同颜色最亮处和最暗处之间的差别,差别越大对比度越高,这个跟分辨率没有多少关系,只跟最暗和最亮有关系,对比度越高,一个图像给人的感觉就越刺眼,更加鲜亮,突出;越低则给人感觉变化不明显,反差就越小,因此对比度在给定的图像中,与图像中颜色亮度的变化有关;而对比度在灰度直方图中,就是指灰度直方图的分布范围,即“宽度”,通过改变原有图像的灰度分布就能改变图像的对比度。
具体的,可将所述灰度直方图中中间区域的像素进行亮度空间变换,所述中间区域指的是去掉像素值最小的那部分和最大的那部分点的区域,也可理解为正态分布中,位于中间的大部分像素点。
具体的,在进行亮度空间变换过程中,需满足以下公式:
其中,x为变换之后的像素值,XO为变换之前对应坐标点的像素值,POL为变换之前图像中灰度极小值,PDL为目标图像的极小值,CO为变换之前图像的对比度,CD为目标图像的对比度。
本实施例中,通过对通道图像进行亮度空间变换,可改变图像对比度,对图像进行优化。
图3为本申请实施例的一种基于眼底彩照图像的图像优化方法流程示意图,如图所示,所述步骤s103,调整所述第二RGB三通道图像中每个通道图像的极值点,包括:
步骤s301,预先存储所述第二RGB三通道图像的每个通道图像中未进行亮度空间变换的极值点;
具体的,当在步骤s102中对所述第一RGB三通道图像的每个通道图像进行亮度空间变换时,只对非极值点区域进行变换,因此当进行亮度空间变换后,这些极值点区域没有经过任何处理,且这些极值点区域的坐标位置和数值在所述第二RGB三通道图像的每个通道图像中不会有任何改变,会对图像的优化形成很大的干扰,因此可以在亮度空间变换前预先存储这些极值点的位置坐标,所述极值点的位置坐标包括每个通道图像的极值点位置坐标,所述极值点包括极大值和极小值。
步骤s302,查询所述第二RGB三通道图像的每个通道图像中进行亮度空间变换区域的极值点,并将所述第二RGB三通道图像的每个通道图像中进行亮度空间变换区域的极值点数值分配给与所述第二RGB三通道图像的通道图像对应的未进行亮度空间变换的极值点。
具体的,当对每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换之后,所述非极值点区域会生成新的非极值点区域,而所述新的非极值点区域中也会有极值点,这时可以在所述第二RGB三通道图像的每个通道图像中查询未经过亮度空间变换的极值点区域,当查询到这些极值点区域后,可将所述第二RGB三通道图像的每个通道图像中进行亮度空间变换区域的极值点数值分配给与所述第二RGB三通道图像的通道图像对应的未进行亮度空间变换的极值点。
本实施例中,通过调整每个通道图像的极值点,可以减小极值点对图像优化的影响,提高优化效率。
图4为本申请实施例的一种基于眼底彩照图像的图像优化方法流程示意图,如图所示,所述步骤s103,调整所述第二RGB三通道图像中每个通道图像的亮度,包括:
步骤s401,预设所述第二RGB三通道图像中每个通道图像的目标整体平均亮度;
具体的,在调整所述第二RGB三通道图像中每个通道图像的整体平均亮度之前,可预先设定每个通道图像的目标整体平均亮度;所述的目标整体平均亮度是符合人眼视觉习惯的亮度;所述预设的目标整体平均亮度也为经验值,即通过实验所得。
步骤s402,计算所述第二RGB三通道图像中每个通道图像的当前整体平均亮度,根据所述每个通道图像的目标整体平均亮度及当前整体平均亮度调整每个通道图像的亮度。
具体的,所述图像亮度指的是一幅图像给人的一种直观感受,如果是灰度图像,则跟灰度值有关,灰度值越高则图像越亮。当每个通道的图像经过变换之后,将变换后的通道图像中所有像素的值相加然后除以图像像素的个数,即可得到整体平均亮度,并将所述计算后得到的整体平均亮度调整到与目标整体平均亮度相等。
本实施例中,通过调整每个通道图像的整体平均亮度,可对眼底彩照图像进行优化。
图5为本申请实施例的一种基于眼底彩照图像的图像优化方法流程示意图,如图所示,所述步骤s402,计算所述第二RGB三通道图像中每个通道图像的当前整体平均亮度,包括:
步骤s501,根据所述第二RGB三通道图像中每个通道图像的灰度直方图获取每个通道图像的像素个数,并统计每个通道的总像素值;
具体的,由于灰度直方图中,横坐标是像素值,纵坐标对应的是所属像素值的个数,因此可通过每个通道图像的灰度直方图,很容易获得每个通道图像的像素个数和总的像素值。
步骤s502,根据所述每个通道的总像素值及像素个数计算获得每个通道图像的当前整体平均亮度。
具体的,当获取到每个通道的总像素值及像素个数之后,将每个通道图像的中像素值然后除以图像像素的个数,即可得到每个通道图像的当前整体平均亮度。
本实施例中,通过获取当前整体平均亮度,有利于对整体平均亮度进行调整,进一步对眼底彩照图像进行优化。
图6为本申请实施例的一种基于眼底彩照图像的图像优化方法流程示意图,如图所示,所述步骤s402,根据所述每个通道图像的目标整体平均亮度及当前整体平均亮度调整每个通道图像的亮度,包括:
步骤s601,根据所述每个通道图像的目标整体平均亮度及当前整体平均亮度获取每个通道图像的整体平均亮度差;
具体的,当获取到每个通道图像的目标整体平均亮度及当前整体平均亮度之后,将每个通道图像的目标整体平均亮度与当前整体平均亮度进行相减,即可获得每个通道图像的整体平均亮度差。
步骤s602,根据所述每个通道图像的像素个数及整体平均亮度差获取每个通道图像中每个像素的整体平均亮度差;
具体的,当获取到每个通道图像的整体平均亮度差之后,将所述每个通道图像的整体平均亮度差除以每个通道图像的像素个数,即可获得每个通道图像中每个像素的整体平均亮度差。
步骤s603,根据所述每个通道图像中每个像素的整体平均亮度差调整每个像素的像素值。
具体的,当获取到每个通道图像中每个像素的整体平均亮度差之后,在每个通道图像中的每个像素对应的像素值上加上所述每个像素的整体平均亮度差。
本实施例中,通过调整每个像素的像素值,可调整每个通道图像的亮度,对整个图像进行优化。
本申请实施例的一种基于眼底彩照图像的图像优化装置结构如图7所示,包括:
第一通道图像生成模块701、第二通道图像生成模块702、第三通道图像生成模块703及通道图像融合模块704;其中,第一通道图像生成模块701与第二通道图像生成模块702相连,第二通道图像生成模块702与第三通道图像生成模块703相连,第三通道图像生成模块703与通道图像融合模块704相连;第一通道图像生成模块701设置为获取待优化眼底彩照图像,对所述眼底彩照图像进行RGB三通道分离,获得第一RGB三通道图像,并根据所述第一RGB三通道图像中的每个通道图像获得每个通道图像的灰度直方图;第二通道图像生成模块702设置为将每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换,获得第二RGB三通道图像;第三通道图像生成模块703设置为调整所述第二RGB三通道图像中每个通道图像的极值点,调整所述第二RGB三通道图像中每个通道图像的亮度,获得第三RGB三通道图像;通道图像融合模块704设置为对所述第三RGB三通道图像中的三个通道图像进行融合,生成优化眼底彩照图像。
本申请实施例还公开了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被一个或多个所述处理器执行时,使得一个或多个所述处理器执行上述各实施例中所述图像优化方法中的步骤。
本申请实施例还公开了一种存储介质,所述存储介质可被处理器读写,所述存储器存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述各实施例中所述图像优化方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于眼底彩照图像的图像优化方法,其特征在于,包括以下步骤:
获取待优化眼底彩照图像,对所述眼底彩照图像进行RGB三通道分离,获得第一RGB三通道图像,并根据所述第一RGB三通道图像中的每个通道图像获得每个通道图像的灰度直方图;
将每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换,获得第二RGB三通道图像;
调整所述第二RGB三通道图像中每个通道图像的极值点,调整所述第二RGB三通道图像中每个通道图像的亮度,获得第三RGB三通道图像;
对所述第三RGB三通道图像中的三个通道图像进行融合,生成优化眼底彩照图像;
所述将每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换,包括:
将每个通道图像的灰度直方图中的非极值点区域根据公式:
进行亮度空间变换,其中/>为变换之后的像素值,/>为变换之前对应坐标点的像素值,/>为变换之前图像中灰度极小值,/>为目标图像的极小值,/>为变换之前图像的对比度,/>为目标图像的对比度。
2.如权利要求1所述的基于眼底彩照图像的图像优化方法,其特征在于,所述根据所述第一RGB三通道图像中的每个通道图像获得每个通道图像的灰度直方图,包括:
对所述第一RGB三通道图像中的每个通道图像分别统计灰度值分布;
根据所述每个通道图像的灰度值分布分别生成所属每个通道图像的灰度直方图。
3.如权利要求1所述的基于眼底彩照图像的图像优化方法,其特征在于,所述调整所述第二RGB三通道图像中每个通道图像的极值点,包括:
预先存储所述第二RGB三通道图像的每个通道图像中未进行亮度空间变换的极值点;
查询所述第二RGB三通道图像的每个通道图像中进行亮度空间变换区域的极值点,并将所述第二RGB三通道图像的每个通道图像中进行亮度空间变换区域的极值点数值分配给与所述第二RGB三通道图像的通道图像对应的未进行亮度空间变换的极值点。
4.如权利要求1所述的基于眼底彩照图像的图像优化方法,其特征在于,所述调整所述第二RGB三通道图像中每个通道图像的亮度,包括:
预设所述第二RGB三通道图像中每个通道图像的目标整体平均亮度;
计算所述第二RGB三通道图像中每个通道图像的当前整体平均亮度,根据所述每个通道图像的目标整体平均亮度及当前整体平均亮度调整每个通道图像的亮度。
5.如权利要求4所述的基于眼底彩照图像的图像优化方法,其特征在于,所述计算所述第二RGB三通道图像中每个通道图像的当前整体平均亮度,包括:
根据所述第二RGB三通道图像中每个通道图像的灰度直方图获取每个通道图像的像素个数,并统计每个通道的总像素值;
根据所述每个通道的总像素值及像素个数计算获得每个通道图像的当前整体平均亮度。
6.如权利要求5所述的基于眼底彩照图像的图像优化方法,其特征在于,所述根据所述每个通道图像的目标整体平均亮度及当前整体平均亮度调整每个通道图像的亮度,包括:
根据所述每个通道图像的目标整体平均亮度及当前整体平均亮度获取每个通道图像的整体平均亮度差;
根据所述每个通道图像的像素个数及整体平均亮度差获取每个通道图像中每个像素的整体平均亮度差;
根据所述每个通道图像中每个像素的整体平均亮度差调整每个像素的像素值。
7.一种基于眼底彩照图像的图像优化装置,其特征在于,所述装置包括:
第一通道图像生成模块:设置为获取待优化眼底彩照图像,对所述眼底彩照图像进行RGB三通道分离,获得第一RGB三通道图像,并根据所述第一RGB三通道图像中的每个通道图像获得每个通道图像的灰度直方图;
第二通道图像生成模块:设置为将每个通道图像的灰度直方图中的非极值点区域进行亮度空间变换,获得第二RGB三通道图像;
第三通道图像生成模块:设置为调整所述第二RGB三通道图像中每个通道图像的极值点,调整所述第二RGB三通道图像中每个通道图像的亮度,获得第三RGB三通道图像;
通道图像融合模块:设置为对所述第三RGB三通道图像中的三个通道图像进行融合,生成优化眼底彩照图像;
所述第二通道图像生成模块,具体设置为将每个通道图像的灰度直方图中的非极值点区域根据公式:
进行亮度空间变换,其中/>为变换之后的像素值,/>为变换之前对应坐标点的像素值,/>为变换之前图像中灰度极小值,/>为目标图像的极小值,/>为变换之前图像的对比度,/>为目标图像的对比度。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被一个或多个所述处理器执行时,使得一个或多个所述处理器执行如权利要求1至6中任一项所述图像优化方法的步骤。
9.一种存储介质,其特征在于,所述存储介质可被处理器读写,所述存储介质存储有计算机指令,所述计算机指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至6中任一项所述图像优化方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910046451.1A CN109919882B (zh) | 2019-01-18 | 2019-01-18 | 基于眼底彩照图像的图像优化方法及相关设备 |
PCT/CN2019/089751 WO2020147245A1 (zh) | 2019-01-18 | 2019-06-03 | 基于眼底彩照图像的图像优化方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910046451.1A CN109919882B (zh) | 2019-01-18 | 2019-01-18 | 基于眼底彩照图像的图像优化方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109919882A CN109919882A (zh) | 2019-06-21 |
CN109919882B true CN109919882B (zh) | 2023-07-21 |
Family
ID=66960357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910046451.1A Active CN109919882B (zh) | 2019-01-18 | 2019-01-18 | 基于眼底彩照图像的图像优化方法及相关设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109919882B (zh) |
WO (1) | WO2020147245A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344809B (zh) * | 2021-05-27 | 2022-09-09 | 同济大学 | 一种超声图像增强方法、系统和设备 |
CN117876242A (zh) * | 2024-03-11 | 2024-04-12 | 深圳大学 | 眼底图像增强方法、装置、设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101873429A (zh) * | 2010-04-16 | 2010-10-27 | 杭州海康威视软件有限公司 | 图像对比度的处理方法及装置 |
CN103455994A (zh) * | 2012-05-28 | 2013-12-18 | 佳能株式会社 | 图像模糊度的确定方法和设备 |
CN106558031A (zh) * | 2016-12-02 | 2017-04-05 | 北京理工大学 | 一种基于成像模型的彩色眼底图的图像增强方法 |
CN107292835A (zh) * | 2017-05-31 | 2017-10-24 | 瑞达昇科技(大连)有限公司 | 一种眼底图像视网膜血管自动矢量化的方法及装置 |
CN109166095A (zh) * | 2018-07-11 | 2019-01-08 | 广东技术师范学院 | 一种基于生成对抗机制的眼底影像杯盘分割方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7664302B2 (en) * | 2003-07-18 | 2010-02-16 | Hologic, Inc. | Simultaneous grayscale and geometric registration of images |
US7386186B2 (en) * | 2004-08-27 | 2008-06-10 | Micron Technology, Inc. | Apparatus and method for processing images |
JP2014083147A (ja) * | 2012-10-22 | 2014-05-12 | Canon Inc | 眼科システム及びその制御方法、画像処理装置、並びに、プログラム |
-
2019
- 2019-01-18 CN CN201910046451.1A patent/CN109919882B/zh active Active
- 2019-06-03 WO PCT/CN2019/089751 patent/WO2020147245A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101873429A (zh) * | 2010-04-16 | 2010-10-27 | 杭州海康威视软件有限公司 | 图像对比度的处理方法及装置 |
CN103455994A (zh) * | 2012-05-28 | 2013-12-18 | 佳能株式会社 | 图像模糊度的确定方法和设备 |
CN106558031A (zh) * | 2016-12-02 | 2017-04-05 | 北京理工大学 | 一种基于成像模型的彩色眼底图的图像增强方法 |
CN107292835A (zh) * | 2017-05-31 | 2017-10-24 | 瑞达昇科技(大连)有限公司 | 一种眼底图像视网膜血管自动矢量化的方法及装置 |
CN109166095A (zh) * | 2018-07-11 | 2019-01-08 | 广东技术师范学院 | 一种基于生成对抗机制的眼底影像杯盘分割方法 |
Non-Patent Citations (1)
Title |
---|
一种改进的伪彩色图像融合方法;张文峦 等;探测与控制学报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2020147245A1 (zh) | 2020-07-23 |
CN109919882A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110505459B (zh) | 适用于内窥镜的图像颜色校正方法、装置和存储介质 | |
US9723285B2 (en) | Multi-area white-balance control device, multi-area white-balance control method, multi-area white-balance control program, computer in which multi-area white-balance control program is recorded, multi-area white-balance image-processing device, multi-area white-balance image-processing method, multi-area white-balance image-processing program, computer in which multi-area white-balance image-processing program is recorded, and image-capture apparatus | |
JP3959909B2 (ja) | ホワイトバランス調整方法及び調整装置 | |
JP2002158893A (ja) | 画像補正装置、画像補正方法および記録媒体 | |
KR20200014842A (ko) | 이미지 조명 방법, 장치, 전자 기기 및 저장 매체 | |
WO2015141050A1 (ja) | マルチエリアホワイトバランス制御装置、マルチエリアホワイトバランス制御方法、マルチエリアホワイトバランス制御プログラム、マルチエリアホワイトバランス制御プログラムを記録したコンピュータ、マルチエリアホワイトバランス画像処理装置、マルチエリアホワイトバランス画像処理方法、マルチエリアホワイトバランス画像処理プログラム、マルチエリアホワイトバランス画像処理プログラムを記録したコンピュータ及びマルチエリアホワイトバランス画像処理装置を備えた撮像装置 | |
CN109919882B (zh) | 基于眼底彩照图像的图像优化方法及相关设备 | |
CN112669758A (zh) | 显示屏校正方法、装置、系统和计算机可读存储介质 | |
JP2002271808A (ja) | 画像中の赤目を補正するプログラム、記録媒体および赤目補正方法 | |
CN111583127B (zh) | 人脸肤色校正方法、装置、计算机设备和可读存储介质 | |
CN109427041B (zh) | 一种图像白平衡方法及系统、存储介质及终端设备 | |
CN106600524A (zh) | 一种图像处理方法及终端 | |
CN111163301B (zh) | 色彩调整方法、装置及计算机可读存储介质 | |
CN111127367A (zh) | 人脸图像处理的方法、装置及系统 | |
CN110782400A (zh) | 一种自适应的光照均匀实现方法和装置 | |
JP3510040B2 (ja) | 画像処理方法 | |
CN112967669A (zh) | 一种提高led显示屏灰度一致性的校正方法 | |
JP4095494B2 (ja) | 眼科画像処理装置及び処理方法 | |
JP6196882B2 (ja) | マルチエリアホワイトバランス制御装置、マルチエリアホワイトバランス制御方法、マルチエリアホワイトバランス制御プログラム、マルチエリアホワイトバランス制御プログラムを記録したコンピュータ、マルチエリアホワイトバランス画像処理装置、マルチエリアホワイトバランス画像処理方法、マルチエリアホワイトバランス画像処理プログラム、マルチエリアホワイトバランス画像処理プログラムを記録したコンピュータ及びマルチエリアホワイトバランス画像処理装置を備えた撮像装置 | |
CN111640068A (zh) | 一种图像曝光度的无监督自动化校正方法 | |
TWI438718B (zh) | 適應性反雙曲線影像處理方法及其系統 | |
TWI416433B (zh) | 紅眼影像偵測方法及其相關裝置 | |
CN110086997B (zh) | 人脸图像曝光亮度补偿方法及装置 | |
CN109919881B (zh) | 基于豹纹状眼底图像的去豹纹方法及相关设备 | |
CN107154015B (zh) | 一种基于分区域映射的色盲矫正方法 |
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 |