CN111105383A - 一种面向三色视觉的图像融合颜色增强方法 - Google Patents
一种面向三色视觉的图像融合颜色增强方法 Download PDFInfo
- Publication number
- CN111105383A CN111105383A CN201911097920.9A CN201911097920A CN111105383A CN 111105383 A CN111105383 A CN 111105383A CN 201911097920 A CN201911097920 A CN 201911097920A CN 111105383 A CN111105383 A CN 111105383A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- confusion
- enhanced
- vision
- 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
- 230000004438 eyesight Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 title claims abstract description 28
- 201000004569 Blindness Diseases 0.000 claims description 19
- 210000002763 pyramidal cell Anatomy 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 208000036693 Color-vision disease Diseases 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000004456 color vision Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 13
- 230000001131 transforming effect Effects 0.000 abstract 1
- 210000004027 cell Anatomy 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- 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 using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
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三色视觉的图像融合颜色增强方法。本发明步骤如下:(1)为对待进行图像融合的两幅图像,将两幅图像转换至Lu′v′颜色空间,并将(u′,v′)转换为极坐标(R,θ);(2)分别利用原图像的R和增强二色图像的θ和得到融合图像的(R,θ);(3)将(R,θ)反转换为(u′,v′),再通过给定方法转换得到L′,从而得到融合图像L′;(4)再变换到sRGB颜色空间将融合后的增强图像进行显示。本发明将已有颜色增强方法在三色视觉不友好的情况下,利用二色增强图像和三色原始图像进行图像融合以实现颜色增强,在基本不改变二色视角下的图像外观的前提下,改善三色视觉的图像视觉体验。
Description
技术领域
本发明涉及一种面向三色视觉的图像融合颜色增强方法。属于计算机视觉、数字图像处理和图像增强等技术领域。
背景技术
人类对颜色的感知始于三种含有具不同光谱敏感度的色素的视网膜细胞,称为视锥细胞,共有3种对不同的光谱敏感的视锥细胞,分别对长波(L锥体细胞)、中波(M锥体细胞)、短波(S锥体细胞)敏感,造就了人类的三色视觉。
而所谓的颜色视觉障碍,主要是因为先天遗传导致的一种或多种视锥细胞的缺失(或损伤),也有极少数是因为后天的损伤。其中,占据绝大多数的颜色视觉障碍为二色视觉和异常三色视觉,即因为缺少一种视锥细胞或有一种视锥细胞损伤所导致的颜色视觉障碍。
为了二色视觉者能够数码产品显示屏上能够有较好的视觉体验,并使不同颜色对二色视觉者而言具备可辨识度,不少专家和学者展开了一系列的研究。1997年,HansBrettel等人在Computerized simulation of color appearance for dichromats一文中,根据一个视觉实验结论,通过线性代数的转换得到从三色视觉到二色视觉的视觉模拟矩阵,给出了具体的从三色视角模拟二色视角的转换计算方法。1999年,Viénot等人在Digital Video Colourmaps for Checking the Legibility of Displays byDichromats一文中,给出了其具体的在LMS色彩空间中的转换矩阵。此后有不少的面向二色视觉者的颜色增强方法提出,这些方法中不乏存在一些对三色视觉者不友好的增强方法,即对于三色视觉而言其视觉体验与二色视觉相同(增强后的图像对于红色盲、绿色盲则只能看到黄、蓝色调,对于蓝色盲只能看到蓝、红色调),虽然这类增强方法能够便利二色视觉者的视觉体验,但是对于三色视觉者而言无疑是不友好且丢失大量图像颜色信息的。
发明内容
本发明主要提出一种面向三色视觉的图像融合颜色增强方法。对于待进行图像融合的两幅图像,通过将两幅图像分别转换至Lu′v′颜色空间,并从(u′,v′)转换为极坐标(R,θ),分别利用原图像的R和增强二色图像的θ和得到融合图像的(R,θ),将(R,θ)反转换为(u′,v′),再通过给定方法转换得到L′,从而得到融合图像L′,再变换到sRGB颜色空间将融合后的增强图像进行显示,从而在基本不改变二色视角的图像外观的情况下,重建出图像的三色信息。
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对三色不友好的面向二色视觉的颜色增强方法的后处理方法,处理过程是在Lu′v′颜色空间,具体步骤如下:
步骤(1)将图像从sRGB颜色空间转换到Lu′v′颜色空间,并将(u′,v′)转换为极坐标(R,θ),其中从sRGB颜色空间到XYZ颜色空间的转换计算如下:
XYZ颜色空间到Lu′v′颜色空间的转换计算如下:
(u′,v′)转换为极坐标(R,θ)的方法如下:
其中,若为缺少L锥体细胞导致的二色视觉(红色盲),(u′con,v′con)=(0.678,0.501);若为缺少M锥体细胞的二色视觉(绿色盲)则(u′con,v′con)=(-1.217,0.782),若为缺少S锥体细胞的二色视觉(蓝色盲),则(u′con,v′con)=(0.257,0.0)。
步骤(2)利用三色原图像的Rorigin和增强二色图像的θenhanced,作为融合图像的(Rconfusion,θconfusion)信息;
步骤(3)将融合图像的(Rconfusion,θconfusion)极坐标进行反转换得到(u′confusion,v′confusion),并结合增强二色图像的Lenhanced,通过所给方法计算得到融合图像的Lconfusion信息。
将融合图像的(Rconfusion,θconfusion)极坐标进行反转换得到(u′confusion,v′confusion)的计算方法如下:
其中,若为缺少L锥体细胞导致的二色视觉(红色盲),(u′con,v′con)=(0.678,0.501);若为缺少M锥体细胞的二色视觉(绿色盲)则(u′con,v′con)=(-1.217,0.782),若为缺少S锥体细胞的二色视觉(蓝色盲),则(u′con,v′con)=(0.257,0.0)。
融合图像的Lconfusion通过如下方法计算得到:
对于面向缺少L锥体细胞或缺少M锥体细胞的二色视觉(红色盲和绿色盲)进行二色增强的图像,Lconfusion的计算方法如下:
Lconfusion=(u′confusion-u′enhanced)×β+Lenhanced
对于面向缺少S锥体细胞的二色视觉(蓝色盲)进行二色增强图像,Lconfusion的计算方法如下:
Lconfusion=(v′confusion-v′enhanced)×β+Lenhanced
其中,β为算法的超参数,其具体取值应视待融合图像中的二色增强图像所面向的二色视觉类型而定。
步骤(4)将融合图像的(Lconfusion,u′confusion,v′)转换回XYZ颜色空间,再转换回sRGB进行显示,即得到图像融合增强图像。
从Lu′v′颜色空间转换到XYZ颜色空间的计算方法如下:
将XYZ颜色空间转换到RGB颜色空间,转换方法如下所示:
其中,C=R,G,B。
即可得到图像融合的颜色增强图像。
本发明提供的技术方案的有益效果为:
在对两幅待融合图像(一幅为三色的原始图像,另一幅为进行二色增强的增强图像)在u′v′空间中转换为R和θ,分别利用原始图像的R和二色增强图像的θ进行图像融合颜色增强后,所得融合图像与二色增强图像相比,对于二色视觉来说其视觉体验基本没有变化,但对于三色视觉而言,其色彩丰富度和视觉体验有较大提升,从而达到融合图像即对三色视觉友好,又对二色视觉有着较好的颜色辨识度,可作为现有二色增强方法的后处理方法(三色图像的重建)。
附图说明
图1为正常三色视角实施例原图(待融合图像的原始三色图像);
图2为红色盲模拟视角下的实施例图(待融合图像的原始三色图像);
图3为正常三色视角实施例原图(待融合图像的二色增强图像);
图4为红色盲模拟视角下的实施例图(待融合图像的二色增强图像);
图5为正常三色视角下图像融合所得的实施例增强图像;
图6为红色盲模拟视角下图像融合所得的实施例增强图像;
图7为原始三色图像和面向绿色盲的二色增强图像,通过本方法进行图像融合增强的正常三色视角下的图像;
图8为原始三色图像和面向蓝色盲的二色增强图像,通过本方法进行图像融合增强的正常三色视角下的图像;
图9为本发明流程图。
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。本发明的实施例是红色盲难以辨清颜色的现实图像和针对红色盲进行二色增强后的增强图像,分别参照图1,图3和9所示,本发明实施例的流程包括如下步骤:
步骤(1)将图像从sRGB颜色空间转换到Lu′v′颜色空间,并将(u′,v′)转换为极坐标(R,θ);
步骤(2)利用三色原图像的Roringin和增强二色图像的θenhanced,作为融合图像的(Rconfusion,θconfusion)信息;
步骤(3)将融合图像的(Rconfusion,θconfusion)极坐标进行反转换得到(u′confusion,v′confusion),结合增强二色图像的Lenhanced,通过所给方法计算得到融合图像的Lconfusion信息。
步骤(4)将融合图像的(Lconfusion,u′confusion,v′confusion)转换回XYZ颜色空间,再转换回sRGB进行显示,即得到图像融合增强图像。
步骤(1)中,将图像从sRGB颜色空间转换到Lu′v′颜色空间的方法分为sRGB颜色空间转换到XYZ颜色空间和XYZ颜色空间到Lu′v′颜色空间两步,sRGB颜色空间转换到XYZ颜色空间的转换方法如下:
XYZ颜色空间到Lu′v′颜色空间的转换如下:
将(u′,v′)转换为极坐标(R,θ)表述的方法如下:
其中,由于实施例图的二色增强图进行过面向缺少L锥体细胞导致的二色视觉(红色盲)的二色增强,故(u′con,v′con)=(0.678,0.501)。
步骤(2)中,利用三色原图像(待融合实施例原图,附图1)的Rorigin和增强二色图像(待融合实施例原图,附图3)的θenhanced,作为融合图像的(Rconfusion,θconfusion)信息,图像融合的数学表达如下:
步骤(3)中,将融合图像的(Rconfusion,θconfusion)极坐标进行反转换得到(u′confusion,v′confusion),结合增强二色图像的Lenhanced,通过所给方法计算得到融合图像的Lconfusion信息。
将融合图像的(Rconfusion,θconfusion)极坐标进行反转换得到(u′confusion,v′confusion)的计算方法如下:
其中,(u′con,v′con)=(0.678,0.501)。
融合图像的Lconfusion通过如下方法计算得到:
对于面向缺少L锥体细胞或缺少M锥体细胞的二色视觉(红色盲和绿色盲)进行二色增强的图像,Lconfusion的计算方法如下:
Lconfusion=(u′confusion-u′enhanced)×β+Lenhanced
对于面向缺少S锥体细胞的二色视觉(蓝色盲)进行二色增强图像,Lconfusion的计算方法如下:
Lconfusion=(v′confusion-v′enhanced)×β+Lenhanced
其中,β为算法的超参数,其具体取值应视待融合图像中的二色增强图像所面向的二色视觉类型而定,此处面向缺少L锥体细胞的二色视觉β=51.76。
步骤(4)中,将融合图像的(Lconfusion,u′confusion,v′confusion)转换回XYZ颜色空间,再转换回sRGB进行图像显示。
从Lu′v′颜色空间转换回XYZ颜色空间的转换方法如下:
将XYZ颜色空间转换到RGB颜色空间,转换方法如下:
其中,C=R,G,B。
即得到图像融合后的增强图像,如附图5;
以下是本发明技术方案可行性证明:
均方误差、峰值信噪比是图像质量评价中主流的图像程度成都评价指标,对于本发明的实施例结果,我们对二色视角下的二色增强图片和二色视角下的三色增强图片进行均方误差和峰值信噪比的计算,定量本方法对其视觉感受的影响大小。对于三色视觉,计算融合前后三色原始图像和融合图像的色彩丰度,对图像原始颜色信息、二色增强图像颜色信息和本方法融合增强图像的颜色信息进行定量评估并比较。
均方误差(MSE,Mean Squared Error)
均方误差法首先计算原始图像和失真图像差值的均方值,然后通过均方值的大小来确定失真图像的失真程度,其值越小,说明两幅图像越相仿,失真程度越小。MSE的计算方法如下:
峰值信噪比(PSNR,Peak Signal to Noise Ratio)
在图像处理中,要对图像进行客观的评价,常常需要计算PSNR。PSNR是衡量图像失真或是噪声水平的客观标准。两幅对比图像之间PSNR值越大,则说明两幅图像越相似。普遍基准为30dB,30dB以下的图像劣化较为明显。PSNR的计算方法如下:
色彩丰度(CCI,Color Colorfulness Index)。
色彩丰度是一种常用的用以描述图像颜色丰富程度和颜色鲜艳程度的评价指标。其计算方法如下:
CCI=S+σ
其中,S为图像的饱和度平均值,σ为饱和度标准差。
二色视角下实例图融合增强前后的MSE与PSNR
二色视角下 | 融合前后图像(二色增强图像与融合所得图像) |
MSE | 3.166116856437330 |
PSNR | 43.917922848710795 |
三色视角下实例图融合增强前后CCI变化
三色视角下 | 原图像 | 二色增强图像 | 融合后图像 |
CCI | 0.615370394 | 0.518425176 | 0.615747116 |
从实验所得均方误差、峰值信噪比以及主观视觉评判可见,本发明提到的图像融合颜色增强方法在基本不影响二色视觉视觉体验的前提下,较好的提高了图像的色彩丰富程度,说明本发明方法能有效改善三色视觉者对于经过二色增强后图像的视觉体验,达到了一幅图像既对三色视觉友好,又对二色视觉友好的作用。
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 (3)
1.一种面向三色视觉的图像融合颜色增强方法,其特征在于包括如下步骤:
步骤(1)为对待进行图像融合的两幅图像,将两幅图像转换至Lu′v′颜色空间,并将(u′,v′)转换为极坐标(R,θ);
步骤(2)分别利用原图像的R和增强二色图像的θ和得到融合图像的(R,θ);
步骤(3)将(R,θ)反转换为(u′,v′),再通过给定方法转换得到L′,从而得到融合图像L′;
步骤(4)转换到sRGB颜色空间将融合后的增强图像进行显示。
3.根据权利要求1所述的一种面向色觉障碍的颜色增强方法,其特征在于:
步骤(3)中,将融合图像(u′confusion,v′confusion),结合增强二色图像的Lenhanced,通过所给方法计算得到融合图像的Lconfusion信息;
融合图像的Lconfusion通过如下方法计算得到:
对于面向缺少L锥体细胞或缺少M锥体细胞的二色视觉(红色盲和绿色盲)进行二色增强的图像,Lconfusion的计算方法如下:
Lconfusion=(u′confusion-u′enhanced)×β+Lenhanced
对于面向缺少S锥体细胞的二色视觉(蓝色盲)进行二色增强图像,Lconfusion的计算方法如下:
Lconfusion=(v′confusion-v′enhanced)×β+Lenhanced
其中,β为算法的超参数,其具体取值应视待融合图像中的二色增强图像所面向的二色视觉类型而定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911097920.9A CN111105383B (zh) | 2019-11-12 | 2019-11-12 | 一种面向三色视觉的图像融合颜色增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911097920.9A CN111105383B (zh) | 2019-11-12 | 2019-11-12 | 一种面向三色视觉的图像融合颜色增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111105383A true CN111105383A (zh) | 2020-05-05 |
CN111105383B CN111105383B (zh) | 2023-04-21 |
Family
ID=70420705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911097920.9A Active CN111105383B (zh) | 2019-11-12 | 2019-11-12 | 一种面向三色视觉的图像融合颜色增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111105383B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160104453A1 (en) * | 2014-10-14 | 2016-04-14 | Digital Vision Enhancement Inc | Image transforming vision enhancement device |
CN106448525A (zh) * | 2016-12-23 | 2017-02-22 | 南京巨鲨显示科技有限公司 | 医用显示器色彩均匀性测量系统及其测量方法 |
CN110211077A (zh) * | 2019-05-13 | 2019-09-06 | 杭州电子科技大学上虞科学与工程研究院有限公司 | 一种基于高阶奇异值分解的多曝光图像融合方法 |
CN110276727A (zh) * | 2019-05-21 | 2019-09-24 | 杭州电子科技大学 | 一种面向色觉障碍的彩色图像颜色增强方法 |
-
2019
- 2019-11-12 CN CN201911097920.9A patent/CN111105383B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160104453A1 (en) * | 2014-10-14 | 2016-04-14 | Digital Vision Enhancement Inc | Image transforming vision enhancement device |
CN106448525A (zh) * | 2016-12-23 | 2017-02-22 | 南京巨鲨显示科技有限公司 | 医用显示器色彩均匀性测量系统及其测量方法 |
CN110211077A (zh) * | 2019-05-13 | 2019-09-06 | 杭州电子科技大学上虞科学与工程研究院有限公司 | 一种基于高阶奇异值分解的多曝光图像融合方法 |
CN110276727A (zh) * | 2019-05-21 | 2019-09-24 | 杭州电子科技大学 | 一种面向色觉障碍的彩色图像颜色增强方法 |
Non-Patent Citations (4)
Title |
---|
BO LIU等: "Efficient image and video re-coloring for colorblindness" * |
XUMING SHEN等: "Color enhancement algorithm based on Daltonization and image fusion for improving the color visibility to color vision deficiencies and normal trichromats" * |
李倩等: "基于亮像素统计的颜色恒常性算法" * |
王义峰: "色彩管理若干关键技术研究" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111105383B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103402117B (zh) | 基于Lab色度空间的视频图像偏色检测方法 | |
CN109191390A (zh) | 一种基于不同颜色空间多算法融合的图像增强算法 | |
CN104537634B (zh) | 动态图像中去除雨滴影响的方法和系统 | |
CN106897972A (zh) | 一种白平衡与暗原色的自适应直方图水下图像增强方法 | |
CN105741322B (zh) | 一种基于视频特征层融合的视场区域分割方法 | |
CN105046646B (zh) | 一种高光谱图像的色彩可视化的方法 | |
CN106504230B (zh) | 基于相位一致性的全参考彩色屏幕图像质量评估方法 | |
CN104200470A (zh) | 一种蓝屏抠图方法 | |
CN107895357B (zh) | 一种基于fpga的实时水面浓雾场景图像增强方法 | |
CN103593830A (zh) | 一种低照度视频图像增强方法 | |
CN102436640A (zh) | 一种基于HIS空间的多尺度Retinex模型的雾天图像清晰化方法 | |
CN105869112B (zh) | 一种边缘保持最小化的高动态范围图像色调映射方法 | |
CN104360829B (zh) | 调节屏幕色温的方法和装置 | |
CN104021527B (zh) | 一种图像中雨雪的去除方法 | |
CN102722868A (zh) | 一种高动态范围图像色调映射方法 | |
CN101908330A (zh) | 一种低动态范围显示设备再现高动态范围图像的方法 | |
CN110473152B (zh) | 基于改进Retinex算法的图像增强方法 | |
CN113132696B (zh) | 图像色调映射方法、装置、电子设备和存储介质 | |
US8036456B2 (en) | Masking a visual defect | |
CN109218716A (zh) | 基于色彩统计和信息熵无参考色调映射图像质量评价方法 | |
CN104217407A (zh) | 非制冷红外焦平面探测器伪彩变换方法 | |
CN111915508A (zh) | 一种面向色觉障碍的图像纹理细节增强方法 | |
CN111105383A (zh) | 一种面向三色视觉的图像融合颜色增强方法 | |
CN101389045A (zh) | 一种图像质量的评测方法及装置 | |
Shen et al. | Color enhancement algorithm based on Daltonization and image fusion for improving the color visibility to color vision deficiencies and normal trichromats |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Shen Xuming Inventor after: Feng Jianhua Inventor after: Zhang Xiandou Inventor after: Wang Yong Inventor before: Shen Xuming Inventor before: Feng Jianhua Inventor before: Zhang Xiandou |
|
GR01 | Patent grant | ||
GR01 | Patent grant |