CN110276727A - 一种面向色觉障碍的彩色图像颜色增强方法 - Google Patents
一种面向色觉障碍的彩色图像颜色增强方法 Download PDFInfo
- Publication number
- CN110276727A CN110276727A CN201910421406.XA CN201910421406A CN110276727A CN 110276727 A CN110276727 A CN 110276727A CN 201910421406 A CN201910421406 A CN 201910421406A CN 110276727 A CN110276727 A CN 110276727A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- correction
- saturation degree
- mean value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 206010008795 Chromatopsia Diseases 0.000 title claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 52
- 230000000007 visual effect Effects 0.000 claims abstract description 20
- 239000003086 colorant Substances 0.000 claims abstract description 15
- 230000002708 enhancing effect Effects 0.000 claims abstract description 12
- 239000000729 antidote Substances 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 201000007254 color blindness Diseases 0.000 description 8
- 230000004438 eyesight Effects 0.000 description 8
- 201000000763 red color blindness Diseases 0.000 description 8
- 201000000757 red-green color blindness Diseases 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 208000036693 Color-vision disease Diseases 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 210000002763 pyramidal cell Anatomy 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000004456 color vision Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 208000031861 Tritanopia Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 201000010018 blue color blindness Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001415 gene therapy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
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
本发明公开了一种面向色觉障碍的彩色图像颜色增强方法。本发明步骤如下:步骤(1)为彩色图像进行初步颜色矫正,保证图像在色觉障碍观察者的色相上不会混淆;步骤(2)计算矫正后图像的饱和度均值;步骤(3)根据图像饱和度均值,进行图像颜色增强。本发明将已有颜色矫正方法在对比度不高难以发挥作用的情况下,进行图像颜色增强以达到对各种不同颜色矫正方法鲁棒性及普适性的提升,提高颜色矫正后的图像质量及视觉感受。
Description
技术领域
本发明涉及一种面向色觉障碍的彩色图像颜色增强方法。属于计算机视觉、图像处理和颜色矫正等技术领域。
背景技术
色觉障碍是一种因大脑皮层中某类型锥体细胞缺少或损伤导致患者不能分辨自然光谱中特定波段可见光的疾病,不可根治,按照缺失锥体细胞的类型可将其分为绿色盲(Deuteranopia)、红色盲(Protanopia)、蓝色盲(Tritanopia)和全色盲(Grayscale)。就红色盲与绿色盲而言,男性全球占比7%,女性占比0.5%。英国针对色觉障碍成立的公益组织Color Blind Awareness的数据报告显示,目前全球有4.5%的人口是色盲。中国目前有超6000万的色觉障碍人群,而在现有的医疗水平下,还未有一种解决方案可以根治色觉障碍问题,而这一问题在医学领域无法实现基因治疗这一重大突破之前必然将长期影响着色觉障碍人群。而颜色矫正是一种辅助色觉障碍辨别颜色的手段,在数字图像中进行图像处理,对改善色觉障碍的视觉体验有着至关重要的帮助和意义。根据眼科医学以及计算机视觉等学科研究的持续深入与发展,依托解剖学对人眼存在三类锥体细胞的发现,进一步证实了颜色理论对于人眼视觉成因的假设,推动了颜色科学在人眼视觉中的发展。通过了对大量色觉障碍者的颜色匹配实验以及计算机视觉技术,法国国家科学研究院的研究依照现有锥体细胞在颜色视觉理论中的作用方式证明并在LMS颜色空间中实现了对色觉障碍者的障碍视角模拟。建立在以上理论发展以及视角模拟的根基之上,此后的不少研究颜色矫正进行了更深入的探究。
然而,现在商业主流的颜色矫正方法仍停留在通过避开色觉障碍容易混淆的颜色区域,将部分其易混淆的颜色用其他颜色替代替换,从而达到颜色矫正的效果。而学术前沿研究已有了一些卓有成效的辅助色障者辨别图像颜色的矫正方法,例如将彩色图像转换为灰度图像、建立颜色映射、基于图像几何变换映射、基于图像分割局部矫正等。然而学术理论界现有的颜色矫正方法均是在满足假设图像饱和度正常、不同色相间的RGB数值有明显差异条件下进行颜色矫正,鲁棒性较差。到目前为止,没有一种方法可以在饱和度不足的图像上均表现出良好的矫正效果。在进行图像颜色矫正时,若图像饱和度较低时,矫正的图像效果就会收到影响,从而不利于色觉障碍者的视觉体验。
发明内容
本发明主要提出一种面向色觉障碍的图像颜色增强方法。对于待进行颜色矫正的图像,通过现有的颜色矫正方法对图像进行初步的颜色矫正,保证处理图像在色相以及亮度上存在差异。之后通过将初步颜色矫正的图像进行饱和度增强,从而提高颜色矫正的视觉差异及体验,以达到对各种不同图像颜色矫正的效果提升。
本发明所解决其实际应用问题采用的技术方案是针对各种已有面向色觉障碍颜色矫正方法的后处理方法,处理过程是在HSV颜色空间,具体步骤如下:
步骤(1)利用现有的彩色图像颜色矫正方法为不同的图像进行初步的颜色矫正;
步骤(2)计算彩色图像整体的H饱和度均值,并选择参数k及k0;
步骤(3)利用对视觉效果较好图像的饱和度均值情况的先验知识对步骤(1)所得的初步矫正图像进行线性饱和度增强,所得图像即为最终颜色矫正图像。
步骤(1)中对于待进行颜色矫正的图像,首先通过建立颜色映射、LMS道尔顿化、基于图像几何变换映射、基于图像分割局部矫正等彩色图像颜色矫正方法对图像进行初步的颜色矫正。
步骤(2)中计算图像每个像素的饱和度值,并求均值。
其中r,g,b为第i行第j列个像素的rgb值。
计算图像的整体饱和度均值的公式如下
其中,m,n分别为一幅给定图像长和宽的像素数,Sij为图像上第i行第j列个像素的饱和度值。
步骤(3)中对于步骤(2)的方法所得的饱和度均值,选择k及k0图像饱和度均值情况,对步骤(1)所得的初步矫正图像进行饱和度增强,从而得到颜色矫正视觉效果较好的图像,公式如下
S′ij=kSij+k0
即得颜色增强后的颜色矫正图像。
本发明提供的技术方案的有益效果为:
在完成对待颜色矫正的彩色图像进行初步颜色矫正后,计算所得图像的饱和度均值并根据均值进行分段饱和度增强,最终所得矫正图像在色觉障碍者眼中不同颜色间差异明显,视觉效果提升。在原图饱和度较低的情况下可使图像得到更有效的颜色矫正,从而扩大了现有彩色图像颜色矫正算法的普适性及鲁棒性。
附图说明
图1为正常三色视角实施例原图与红色盲模拟视角下的实施例原图;
图2为图1中红色盲易混淆颜色的原颜色与红色盲眼中的该颜色;
图3为LMS道尔顿化颜色矫正后的实施例结果图与红色盲模拟视角下的实施例结果图;
图4为图3中红色盲易混淆颜色通过LMS道尔顿化方法初步矫正后的颜色与红色盲眼中该方法初步矫正的颜色
图5为正常三色视角下针对LMS道尔顿化颜色矫正的本发明实施例结果图与红色盲视角下的本发明实施例结果图;
图6为图5中红色盲易混淆颜色进行最终矫正后的颜色与红色盲眼中该最终矫正的颜色
图7为针对红绿色盲颜色矫正后的实施例结果图与红色盲模拟视角下的实施例结果图;
图8为图7中红色盲易混淆颜色利用红绿色盲颜色矫正方法初步矫正后的颜色与红色盲眼中该初步矫正后的颜色
图9为正常三色视角下针对红绿色盲颜色矫正的本发明实施例结果图与红色盲视角下的本发明实施例结果图;
图10为图9中红色盲易混淆颜色进行最终矫正后的颜色与红色盲眼中该最终矫正的颜色。
具体实施方式
本发明的技术方案可采用计算机软件技术自动进行流程。为了更好地理解本发明的技术方案,下面结合附图和实施例对本发明做进一步的详细说明。本发明的实施例是绿色盲难以辨清颜色的图像。参照图1,本发明实施例的流程包括如下步骤:
步骤(1)进行初步的颜色矫正;
步骤(2)计算图像饱和度的均值;
步骤(3)根据图像饱和度均值大小进行饱和度增强。
步骤(1)中以LMS道尔顿化颜色矫正方法和一种针对红绿色盲的颜色矫正方法方法为例,进行初步的颜色矫正。
LMS道尔顿化颜色矫正
对于一幅待矫正的图像,首先将其变换到LMS颜色空间,公式如下:
通过矩阵相乘,得到LMS颜色空间下的图像,根据色觉障碍类型,选择相应的颜色矫正矩阵,公式如下:
对于红色盲而言
则原图像的残差图像(Error Picture)即为
将残差图像中红色盲所看不见的L通道20%的量分散到M和S通道中,如下所示
将该分散了L通道值的残差图像转换回RGB颜色空间
与原图像相加,如下所示
即得到LMS道尔顿化初步矫正的图像。
针对红绿色盲的RGB颜色矫正
对于一幅待矫正的图像,提高偏绿像素的蓝分量值并降低偏红像素的蓝分量值,公式如下
BCorrect=B+K(G-R)
其中,RGB分别为原像素的RGB三通道的值,K为自定义常量,一般采用0.4。
即得到针对红绿色盲RGB空间初步矫正的图像。
步骤(2)中对(1)所得初步图像的求饱和度(S通道)均值,公式如下
步骤(3)中根据图片视觉效果及其饱和度均值的关系,按照如下的对应关系进行分段饱和度增强
S′ij=kSij+k0
其中此处k及k0可按照下述方法估算
即可得到最终颜色矫正图像。
以下是本发明技术方案可行性证明:
色差是目前应用广泛的颜色相似性的计算方法,L*a*b*色差是目前较主流且最易于计算的色差计算方式,定义为:
其中ΔL*,Δa*,Δb*分别为两种颜色在Lab空间中三通道的差值。
色差越小,说明两种颜色间的相似性越高,此处以绿色盲视角为例,计算示例图像颜色矫正后绿色盲视角下容易混淆的红绿两种颜色的色差为
实例图中易混淆颜色的L*a*b*色差
原图像 | LMS道尔顿化 | 本方法增强后色差 | |
三色正常视角 | 27.4947 | 88.0771 | 142.2905 |
红色盲视角 | 1.2207 | 64.1135 | 116.6115 |
原图像 | 红绿色盲颜色矫正 | 本方法增强后色差 | |
三色正常视角 | 27.4947 | 29.9232 | 75.0537 |
红色盲视角 | 1.2207 | 14.2475 | 45.1600 |
从实验所得色差以及视觉体验可见,本发明提到的颜色矫正方法均较好的提升了矫正后颜色的辨识度,说明本发明方法能有效提高颜色矫正的鲁棒性。
以上内容是结合最佳实施方案对本发明所做的进一步详细说明,不能认定本发明的具体实施只限于这些说明。本领域的技术人员应该理解,在不脱离由所附权利要求书限定的情况下,可以在细节上进行各种修改,都应当视为属于本发明的保护范围。
Claims (1)
1.一种面向色觉障碍的彩色图像颜色增强方法,其特征在于包括如下步骤:
步骤(1)利用现有的彩色图像颜色矫正方法为不同的图像进行初步的颜色矫正;
步骤(2)计算彩色图像整体的H饱和度均值,并选择参数k及k0;
步骤(3)利用对视觉效果较好图像的饱和度均值情况的先验知识对步骤(1)所得的初步矫正图像进行线性饱和度增强,所得图像即为最终颜色矫正图像;
步骤(1)中对于待进行颜色矫正的图像,首先通过建立颜色映射、LMS道尔顿化、基于图像几何变换映射、基于图像分割局部矫正等彩色图像颜色矫正方法对图像进行初步的颜色矫正;
步骤(2)中计算图像每个像素的饱和度值,并求均值;
其中r,g,b为第i行第j列个像素的rgb值;
计算图像的整体饱和度均值的公式如下
其中,m,n分别为一幅给定图像长和宽的像素数,Sij为图像上第i行第j列个像素的饱和度值;
步骤(3)中对于步骤(2)的方法所得的饱和度均值,选择k及k0图像饱和度均值情况,对步骤(1)所得的初步矫正图像进行饱和度增强,从而得到颜色矫正视觉效果较好的图像,公式如下
S′ij=kSij+k0
即得颜色增强后的颜色矫正图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910421406.XA CN110276727B (zh) | 2019-05-21 | 2019-05-21 | 一种面向色觉障碍的彩色图像颜色增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910421406.XA CN110276727B (zh) | 2019-05-21 | 2019-05-21 | 一种面向色觉障碍的彩色图像颜色增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110276727A true CN110276727A (zh) | 2019-09-24 |
CN110276727B CN110276727B (zh) | 2020-06-05 |
Family
ID=67959928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910421406.XA Expired - Fee Related CN110276727B (zh) | 2019-05-21 | 2019-05-21 | 一种面向色觉障碍的彩色图像颜色增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276727B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992255A (zh) * | 2019-12-13 | 2020-04-10 | 努比亚技术有限公司 | 一种图像色彩转换方法、设备及计算机可读存储介质 |
CN111105383A (zh) * | 2019-11-12 | 2020-05-05 | 杭州电子科技大学 | 一种面向三色视觉的图像融合颜色增强方法 |
CN111612702A (zh) * | 2020-04-07 | 2020-09-01 | 杭州电子科技大学 | 一种颜色迁移的中性色矫正后处理方法 |
CN111915508A (zh) * | 2020-06-30 | 2020-11-10 | 杭州电子科技大学 | 一种面向色觉障碍的图像纹理细节增强方法 |
CN112017174A (zh) * | 2020-09-03 | 2020-12-01 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN115345788A (zh) * | 2022-07-22 | 2022-11-15 | 内蒙古工业大学 | 提高色觉异常者视觉下图像颜色对比度的方法与装置 |
CN116309161A (zh) * | 2023-03-17 | 2023-06-23 | 内蒙古工业大学 | 一种改善色觉缺陷者感知图像颜色对比度的方法与装置 |
CN112017174B (zh) * | 2020-09-03 | 2024-05-31 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020114513A1 (en) * | 2001-02-20 | 2002-08-22 | Nec Corporation | Color image processing device and color image processing method |
CN1477598A (zh) * | 2002-07-20 | 2004-02-25 | ���ǵ�����ʽ���� | 自适应增强彩色图像中色彩的方法和设备 |
CN101742339A (zh) * | 2010-01-14 | 2010-06-16 | 中山大学 | 一种彩色图像增强的方法 |
CN104658512A (zh) * | 2015-03-04 | 2015-05-27 | 京东方科技集团股份有限公司 | 一种显示方法以及显示系统 |
CN104978945A (zh) * | 2014-04-14 | 2015-10-14 | 深圳Tcl新技术有限公司 | 图像饱和度增强的方法及其装置 |
CN105069756A (zh) * | 2015-08-10 | 2015-11-18 | 深圳市华星光电技术有限公司 | 图像增强方法 |
CN106855997A (zh) * | 2016-11-30 | 2017-06-16 | 努比亚技术有限公司 | 图片的处理方法及装置 |
CN106897981A (zh) * | 2017-04-12 | 2017-06-27 | 湖南源信光电科技股份有限公司 | 一种基于引导滤波的低照度图像增强方法 |
CN107578383A (zh) * | 2017-08-29 | 2018-01-12 | 北京华易明新科技有限公司 | 一种低照度图像增强处理方法 |
US20180025682A1 (en) * | 2016-07-20 | 2018-01-25 | Samsung Electronics Co., Ltd. | Display apparatus and method for image processing |
-
2019
- 2019-05-21 CN CN201910421406.XA patent/CN110276727B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020114513A1 (en) * | 2001-02-20 | 2002-08-22 | Nec Corporation | Color image processing device and color image processing method |
CN1477598A (zh) * | 2002-07-20 | 2004-02-25 | ���ǵ�����ʽ���� | 自适应增强彩色图像中色彩的方法和设备 |
CN101742339A (zh) * | 2010-01-14 | 2010-06-16 | 中山大学 | 一种彩色图像增强的方法 |
CN104978945A (zh) * | 2014-04-14 | 2015-10-14 | 深圳Tcl新技术有限公司 | 图像饱和度增强的方法及其装置 |
CN104658512A (zh) * | 2015-03-04 | 2015-05-27 | 京东方科技集团股份有限公司 | 一种显示方法以及显示系统 |
CN105069756A (zh) * | 2015-08-10 | 2015-11-18 | 深圳市华星光电技术有限公司 | 图像增强方法 |
US20180025682A1 (en) * | 2016-07-20 | 2018-01-25 | Samsung Electronics Co., Ltd. | Display apparatus and method for image processing |
CN106855997A (zh) * | 2016-11-30 | 2017-06-16 | 努比亚技术有限公司 | 图片的处理方法及装置 |
CN106897981A (zh) * | 2017-04-12 | 2017-06-27 | 湖南源信光电科技股份有限公司 | 一种基于引导滤波的低照度图像增强方法 |
CN107578383A (zh) * | 2017-08-29 | 2018-01-12 | 北京华易明新科技有限公司 | 一种低照度图像增强处理方法 |
Non-Patent Citations (2)
Title |
---|
HENGJUN YU ET AL.: "Saturation improvement in hue-preserving color image enhancement without gamut problem", 《ICT EXPRESS》 * |
邵帅 等: "HSI色彩空间下的低照度遥感图像增强", 《光学精密工程》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105383B (zh) * | 2019-11-12 | 2023-04-21 | 杭州电子科技大学 | 一种面向三色视觉的图像融合颜色增强方法 |
CN111105383A (zh) * | 2019-11-12 | 2020-05-05 | 杭州电子科技大学 | 一种面向三色视觉的图像融合颜色增强方法 |
CN110992255B (zh) * | 2019-12-13 | 2024-01-12 | 努比亚技术有限公司 | 一种图像色彩转换方法、设备及计算机可读存储介质 |
CN110992255A (zh) * | 2019-12-13 | 2020-04-10 | 努比亚技术有限公司 | 一种图像色彩转换方法、设备及计算机可读存储介质 |
CN111612702A (zh) * | 2020-04-07 | 2020-09-01 | 杭州电子科技大学 | 一种颜色迁移的中性色矫正后处理方法 |
CN111915508A (zh) * | 2020-06-30 | 2020-11-10 | 杭州电子科技大学 | 一种面向色觉障碍的图像纹理细节增强方法 |
CN111915508B (zh) * | 2020-06-30 | 2023-12-19 | 杭州电子科技大学 | 一种面向色觉障碍的图像纹理细节增强方法 |
CN112017174A (zh) * | 2020-09-03 | 2020-12-01 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN112017174B (zh) * | 2020-09-03 | 2024-05-31 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN115345788A (zh) * | 2022-07-22 | 2022-11-15 | 内蒙古工业大学 | 提高色觉异常者视觉下图像颜色对比度的方法与装置 |
CN115345788B (zh) * | 2022-07-22 | 2024-02-20 | 内蒙古工业大学 | 提高色觉异常者视觉下图像颜色对比度的方法与装置 |
CN116309161A (zh) * | 2023-03-17 | 2023-06-23 | 内蒙古工业大学 | 一种改善色觉缺陷者感知图像颜色对比度的方法与装置 |
CN116309161B (zh) * | 2023-03-17 | 2024-03-19 | 内蒙古工业大学 | 一种改善色觉缺陷者感知图像颜色对比度的方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110276727B (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276727A (zh) | 一种面向色觉障碍的彩色图像颜色增强方法 | |
Zhou et al. | Color retinal image enhancement based on luminosity and contrast adjustment | |
US8965089B2 (en) | Method of analyzing a medical image | |
CN105391996B (zh) | 图像处理装置以及图像处理方法 | |
WO2020151307A1 (zh) | 病灶自动识别方法、装置及计算机可读存储介质 | |
US20200211235A1 (en) | Method of modifying a retina fundus image for a deep learning model | |
Zhang et al. | Skin color enhancement based on favorite skin color in HSV color space | |
Barata et al. | Improving dermoscopy image analysis using color constancy | |
CN106296620B (zh) | 一种基于直方图平移的色彩还原方法 | |
CN108846311A (zh) | 基于深度学习的检测面部皮肤片状缺陷的方法及装置 | |
CN104392420B (zh) | 一种快速优化肤色的方法 | |
Wu et al. | AAR-RT–a system for auto-contouring organs at risk on CT images for radiation therapy planning: principles, design, and large-scale evaluation on head-and-neck and thoracic cancer cases | |
CN106127709A (zh) | 一种低照度彩色眼底图像判断方法与增强方法 | |
CN103854261A (zh) | 色偏图像的校正方法 | |
CN104021566A (zh) | 基于GrabCut算法的舌诊图像自动分割方法 | |
CN111915508B (zh) | 一种面向色觉障碍的图像纹理细节增强方法 | |
Morel et al. | Fast implementation of color constancy algorithms | |
CN104392425B (zh) | 一种基于人脸的自动调整对比度的图像增强方法 | |
CN103955900B (zh) | 基于生物视觉机理的图像去雾方法 | |
Lee et al. | Combining analysis of multi-parametric MR images into a convolutional neural network: Precise target delineation for vestibular schwannoma treatment planning | |
Rasmussen et al. | A simple single-cycle interactive strategy to improve deep learning-based segmentation of organs-at-risk in head-and-neck cancer | |
Dupuis-Roy et al. | Time course of the use of chromatic and achromatic facial information for sex categorization | |
Chen et al. | Color feature extraction of Hainan Li brocade image based on RGB and HSV | |
CN105976342A (zh) | 一种自适应的灰度图像伪彩色处理方法 | |
Azemin et al. | Fibrovascular redness grading using Gaussian process regression with radial basis function kernel |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200605 |