CN111223064B - 图像成批自动化增强与存档方法、装置、设备和存储介质 - Google Patents

图像成批自动化增强与存档方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111223064B
CN111223064B CN202010032530.XA CN202010032530A CN111223064B CN 111223064 B CN111223064 B CN 111223064B CN 202010032530 A CN202010032530 A CN 202010032530A CN 111223064 B CN111223064 B CN 111223064B
Authority
CN
China
Prior art keywords
image
images
enhanced
blurred
original
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
Application number
CN202010032530.XA
Other languages
English (en)
Other versions
CN111223064A (zh
Inventor
龙超
李子丰
林满华
徐美奕
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.)
Guangdong Medical University
Original Assignee
Guangdong Medical University
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 Guangdong Medical University filed Critical Guangdong Medical University
Priority to CN202010032530.XA priority Critical patent/CN111223064B/zh
Publication of CN111223064A publication Critical patent/CN111223064A/zh
Application granted granted Critical
Publication of CN111223064B publication Critical patent/CN111223064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/73—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/14—Details of searching files based on file metadata
    • G06F16/148—File search processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
    • G06F16/164—File meta data generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/172—Caching, prefetching or hoarding of files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Image Processing (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及图像成批自动化增强与存档方法、装置、设备和存储介质，该方法在原图库的文件夹内,以成批地，循环的方式自动化地读取原图像，并且进行增强和保存，其在新图库成批保存的图像,包括原图像和增强后的两种图像，其图像生成对应的文件名，即原图文件名和预设规则的命名进行串连性地组合，以达到按原图文件名分类，每一类区分原图和增强后的两种效果图，其优点是降低人工操作的依赖程度，提高成批处理图像的自动化效率；无论是医疗上或者是刑侦上的图像分析者，都可以从生成的图像中，进行快速对比分析，从而得出医疗诊断结论或者得出刑侦判断结论。本软件在医疗上或者是刑侦上，起着提高效率和增强判断科学性的辅助作用。

Description

图像成批自动化增强与存档方法、装置、设备和存储介质
技术领域
本发明涉及图像增强技术领域，更具体地说，涉及图像成批自动化增强与存档方法、装置、设备和存储介质。
背景技术
目前社会在医疗和刑侦上，面对要处理的模糊图像比较多，但是处理的方式，比较普遍的是人工操作修复软件，其主要做法是一张模糊图像接着一张模糊图像进行人工操作修复，这样需要消耗人力资源较多，并且图像修复的效率不高，影响医疗诊断和刑侦办理的高效性。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种图像成批自动化增强与存档方法、装置、设备和存储介质。
本发明解决其技术问题所采用的技术方案是：构造一种图像成批自动化增强与存档方法，包括步骤：
在第一指定位置预存储的成批模糊图像，形成原图库，把原图库中的图像全部放入结构体数组，统计结构体数组中全部模糊图像的数量，并对每一张模糊图像进行排序，以及使模糊图像文件名和排序一一对应；
成批地、以循环的方式自动化地逐一读取原图库中的模糊图像，依次输入拉普拉斯线性空间滤波器进行图像增强；
对增强图像按照预设规则进行命名，并将增强图像与其对应的模糊图像，成批地、以循环的方式自动化地存储于第二指定位置，使其可以按原图文件名分类，每一类又可以区分原图和增强后的两种效果图，得到修复图库；其中，所述修复图库按照Windows操作系统的工具进行针对性查找，包括原图文件名的类别和新图生成的时间查找，同时实现用Windows操作系统的图标工具，进行按类别对比分析，或者是成批对比分析，实现成批自动化存档。
其中，拉普拉斯线性空间滤波器的表述公式如公式(1)和公式(2)所示。
Figure BDA0002364862480000021
定义式：
Figure BDA0002364862480000022
由该定义式进一步得出，对于离散数字图像，二阶导数近似如下表示:
Figure BDA0002364862480000023
Figure BDA0002364862480000024
基于上述近似的方法，得出下面公式(2):
Figure BDA0002364862480000025
其中，g(x,y)为修复后的图像，f(x,y)为模糊图像，
Figure BDA0002364862480000026
为拉普拉斯算子对图像f的作用，c是常数(这里取值为-1)。
其中，拉普拉斯算子
Figure BDA0002364862480000027
对图像f的作用，相当于如公式(3)所示矩阵T1与f相乘；
Figure BDA0002364862480000028
的表达式进一步扩展，加入对角线方向后对拉普拉斯算子重新定义，得到相当于如公式(4)所示矩阵T2与f相乘；
T1＝[0,1,0；1,-4,1；0,1,0] (3)
T2＝[1,1,1；1,-8,1；1,1,1] (4)
其中，在按照预设规则对增强图像进行命名的步骤中，命名格式为A.B－C.D；其中，A为增强图像对应的模糊图像的名称，B为增强图像对应的模糊图像的图片格式，－C为拉普拉斯算子作用的矩阵中心，D为增强图像的图片格式。
其中，增强图像对应的模糊图像的图片格式设定为jpg格式，增强图像的图片格式设定为bmp格式，则针对的模糊图像名称为A，经过拉普拉斯线性空间滤波器进行图像增强后，得到的增强图像的名称分别为A.jpg－4.bmp和A.jpg－8.bmp；其中，A.jpg－4.bmp表示经过公式(3)所示的拉普拉斯算子处理后得到的图像，A.jpg－8.bmp表示经过公式(4)所示的拉普拉斯算子处理后得到的图像。
其中，将原图库中每一张模糊图像，通过循环处理，达到成批地增强，并把每一张模糊图像及其对应的增强图像，也通过循环处理,成批地存储于增强图库中的同一文件夹中，以自动化形式，进行图像存档，以便进行对比分析。
其中，存储原图库及增强图库的第一指定位置和第二指定位置均可任意指定，在增强图库未进行指定的情况下，将增强图库的存储位置默认指定为原图库所在目录的上一级目录下。
本发明解决其技术问题所采用的技术方案是：构造一种图像成批自动化增强与存档的装置，包括：
图像准备模块，用于在第一指定位置预存储的成批模糊图像，形成原图库，把原图库中的图像全部放入结构体数组，统计结构体数组中全部模糊图像的数量，并对每一张模糊图像进行排序，以及使模糊图像文件名和排序一一对应；
图像处理模块，用于成批地、以循环的方式自动化地逐一读取原图库中的模糊图像，依次输入拉普拉斯线性空间滤波器进行图像增强；
图像存储模块，用于对增强图像按照预设规则进行命名，并将增强图像与其对应的模糊图像，成批地、以循环的方式自动化地存储于第二指定位置，使其可以按原图文件名分类，每一类又可以区分原图和增强后的两种效果图，得到修复图库。
本发明解决其技术问题所采用的技术方案是：构造一种计算机设备，包括输入输出单元、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所述处理器执行时，使得所述处理器执行如前述技术方案所述的图像成批自动化增强与存档的方法中的步骤。
一种存储有计算机可读指令的存储介质，其特征在于，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如前述技术方案所述的图像成批自动化增强与存档的方法中的步骤。
实施本发明的图像成批自动化增强与存档的方法，具有以下有益效果：在医疗上或者是刑侦上，实现对模糊图像成批、自动化和修复性增强并进行规则性存档，本发明的方法在同一文件夹自动生成新的图像，其图像生成对应的新文件名，即原图文件名和预设规则的命名进行串连性地组合，以达到按原图文件名分类，每一类区分原图和增强后的两种效果图，其优点是降低人工操作的依赖程度，减少人力资源，极大地提高成批处理图像的自动化效率；无论是医疗上或者是刑侦上的图像分析者，都可以从生成的图像中，通过相同类别的原图像和增强过的两种图像，进行快速对比分析，找出图像清楚反应事物的特点，避开模糊图像的干扰，从而很方便和科学地得出医疗诊断结论或者得出刑侦判断结论。本软件在医疗上或者是刑侦上，起着提高效率和增强判断科学性的辅助作用。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明提供的一种图像成批自动化增强与存档方法的流程示意图；
图2是本发明提供的一种图像成批自动化增强与存档方法的逻辑示意图；
图3是本发明提供的一种图像成批自动化增强与存档方法的结果比对图；
图4是本发明提供的一种图像成批自动化增强与存档装置的结构示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
如图1所示，本发明提供了一种图像成批自动化增强与存档方法，包括步骤：
S110：在第一指定位置预存储的成批模糊图像，形成原图库，把原图库中的图像全部放入结构体数组，统计结构体数组中全部模糊图像的数量，并对每一张模糊图像进行排序，以及使模糊图像文件名和排序一一对应。
S120：成批地、以循环的方式自动化地逐一读取原图库中的模糊图像，依次输入拉普拉斯线性空间滤波器进行图像增强。
S130：对增强图像按照预设规则进行命名，并将增强图像与其对应的模糊图像，成批地、以循环的方式自动化地存储于第二指定位置，使其可以按原图文件名分类，每一类又可以区分原图和增强后的两种效果图，得到修复图库。
其中，所述修复图库按照Windows操作系统的工具进行针对性查找，包括原图文件名和新图生成的时间查找，同时实现用Windows操作系统的图标工具，进行按类别对比分析，或者是成批对比分析，实现成批自动化存档。
其中，拉普拉斯线性空间滤波器的表述公式如公式(1)和公式(2)所示。
Figure BDA0002364862480000051
定义式：
Figure BDA0002364862480000052
由该定义式进一步得出，对于离散数字图像，二阶导数近似如下表示:
Figure BDA0002364862480000053
Figure BDA0002364862480000054
基于上述近似的方法，得出下面公式(2):
Figure BDA0002364862480000055
其中，g(x,y)为修复后的图像，f(x,y)为模糊图像，
Figure BDA0002364862480000056
为拉普拉斯算子对图像f的作用，c是常数(这里取值为-1)。
其中，拉普拉斯算子
Figure BDA0002364862480000057
对图像f的作用，相当于如公式(3)所示矩阵T1与f相乘；
Figure BDA0002364862480000058
的表达式进一步扩展，加入对角线方向后对拉普拉斯算子重新定义，得到相当于如公式(4)所示矩阵T2与f相乘；
T1＝[0,1,0；1,-4,1；0,1,0] (3)
T2＝[1,1,1；1,-8,1；1,1,1] (4)
其中，在按照预设规则对增强图像进行命名的步骤中，命名格式为A.B－C.D；其中，A为增强图像对应的模糊图像的名称，B为增强图像对应的模糊图像的图片格式，－C为拉普拉斯算子作用的矩阵中心，D为增强图像的图片格式。
其中，增强图像对应的模糊图像的图片格式设定为jpg格式，增强图像的图片格式设定为bmp格式，则针对的模糊图像名称为A，经过拉普拉斯线性空间滤波器进行图像增强后，得到的增强图像的名称分别为A.jpg－4.bmp和A.jpg－8.bmp；其中，A.jpg－4.bmp表示经过公式(3)所示的拉普拉斯算子处理后得到的图像，A.jpg－8.bmp表示经过公式(4)所示的拉普拉斯算子处理后得到的图像。
其中，将每一模糊图像及其两种对应的增强图像存储于增强图库中的同一文件夹中，以便进行对比。
其中，存储原图库及增强图库的第一指定位置和第二指定位置均可任意指定，在增强图库未进行指定的情况下，将增强图库的存储位置默认指定为原图库所在目录的上一级目录下。
在图1示出的本发明的实施例中，设计了应用程序对应实现本发明所述图像成批自动化增强与存档方法，该应用程序是基于MATLAB软件开发实现的。该应用程序的界面示意如图2所示。该应用程序安装于pc端，在pc桌面点击图标启动后，提示进行模糊图像选定。在图像选定时，用户根据提示，从存储模糊图像的原图库中将全部的模糊图像选定，应用程序自动将选定的模糊图像导入MATLAB软件中，调用软件的imfilter(f,h)函数，imfilter函数相当于公式(1)：
Figure BDA0002364862480000061
中的/>
Figure BDA0002364862480000062
其中该函数里面的一个参数f＝f(x,y)，另一个参数h表示前述线性空间滤波器分析中的矩阵公式(3)：T1＝[0,1,0；1,-4,1；0,1,0]，或者矩阵公式(4)：T2＝[1,1,1；1,-8,1；1,1,1]，即两种增强方案，然后逐一对模糊图像进行处理。由前述可知，模糊图像经过拉普拉斯算子的两种方法计算后，实现了图像增强，得到两种相对应的增强后的图像，然后依序对全部的模糊图像进行成批，以循环方式自动化地增强处理。
同时在编程构建应用程序的过程中，通过程序语言指定了用于存放模糊图像的原图库的存储位置及用以存放增强后图像的修复图库，实现了修复图库，修复图库里面的图像成批生成所对应的文件名，可以按原图文件名分类，每一类又可以区分原图和区分两种增强效果的图像，实现了模糊图像修复过程的成批自动化处理与存档。
从整体上看，其自动化主要体现在两方面：第一，从程序的逻辑角度来看，是以循环的方式处理图像；第二，从图像处理过程的角度来看，该循环的方式是避免了人工化操作的繁琐过程。
在本发明中，对拉普拉斯算子进行拓展，然后使用算子的两种方法分别对模糊图像进行修复，得到同一模糊图像对应的两种不同的增强图像，之后将两种不同的增强图像及其对应的模糊图像存储于修复图库的同一文件夹中。
在具体实施过程中，用户首先把模糊图像放到用户准备的文件夹，然后通过软件的“原图库路径设置”，在弹出的信息对话框，选择该准备的模糊图像的文件夹，接着通过“新图库路径设置”，在弹出的信息对话框，选择指定新图库的文件夹，最后通过“模糊图像增强”按钮执行完相应的程序后，用户就可以在指定的新文件夹里找到所需要的新图像，该新图像的具体区分，是以详细不同的文件名来判断，文件名的含义：前面的数字表示原图像的文件名，中间的“jpg”表示原图像的文件格式；中间的“.jpg”表示生成和原图像一样的图像，即图像没有被增强；中间的“.jpg－4”表示生成矩阵[0,1,0；1,－4,1；0,1,0]所对应增强后的图像；中间的“.jpg－8”表示生成矩阵[1,1,1；1,－8,1；1,1,1]所对应增强后的图像；最后面的“bmp”表示生成图像后的文件格式。在本发明中，将原图库及修复图库的存储位置按照用户意愿进行修改，在满足用户需求的同时，也节省了在图像处理完成后对图像进行转存的过程。
从测试结果生成的新图库中，如图3所示的两行图表示两类图，是其他图像的代表。使用在Windows操作系统的工具：按超大图标(也就是图像的缩微图)显示和按文件的名称排序(或者按修改日期排序)，就可以得到图3的显示与排序方法，这两类图像有着明显的优点：第一，两类增强后的图像都比原图像清晰，尤其轮廓加强后可以明显地观察到毛发的细节；第二，同一类图的三幅图像，从左到右分别是原图，拉普拉斯算矩阵中心－4对应的增强图和拉普拉斯算矩阵中心－8对应的增强图，它们的轮廓在细节上有明显的梯度性变化，越靠右其图像轮廓细节就越明显，这样可以通过对比分析，很快找到图像的特点，并且通过原图，很快落实分析的可靠性。第三，从图像的文件名来看，所生成的图像已经具有标志性的文件归类存档，符合原先的设计要求。
此外，本发明还提供了一种图像成批自动化增强与存档装置，包括：
图像准备模块110，在第一指定位置预存储的成批模糊图像，形成原图库，把原图库中的图像全部放入结构体数组，统计结构体数组中全部模糊图像的数量，并对每一模糊图像进行排序以及和原图文件名一一对应；
图像处理模块120，用于成批地、以循环的方式自动化地逐一读取原图库中的模糊图像，依次输入拉普拉斯线性空间滤波器进行图像增强；
图像存储模块130，用于对增强图像按照预设规则进行命名，并将增强图像与其对应的模糊图像，成批地、以循环的方式自动化地存储于第二指定位置，使其可以按原图文件名分类，每一类又可以区分原图和增强后的两种效果图，得到修复图库。
其结构示意图如图4所示。
进一步，本发明还提供了一种计算机设备，包括输入输出单元、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所述处理器执行时，使得所述处理器执行如前述技术方案所述的图像成批自动化增强与存档方法中的步骤。
进一步，本发明还提供了一种存储有计算机可读指令的存储介质，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如前述技术方案所述的图像成批自动化增强与存档方法中的步骤。
实施本发明的模糊图像自动化成批修复方法，具有以下有益效果：在医疗上或者是刑侦上，实现对模糊图像成批、自动化和修复性地增强原来模糊图像以及存档，本发明的方法在同一文件夹自动生成新的图像，其图像生成对应的新文件名，即原图文件名和预设规则的命名进行串连性地组合，以达到按原图文件名分类，每一类区分原图和增强后的两种效果图，其优点是降低人工操作的依赖程度，减少人力资源，极大地提高成批处理图像的自动化效率；无论是医疗上或者是刑侦上的图像分析者，都可以从生成的图像中，通过相同类别的原图像和增强过的两种图像，进行快速对比分析，找出图像清楚反应事物的特点，避开模糊图像的干扰，从而很方便和科学地得出医疗诊断结论或者得出刑侦判断结论。本软件在医疗上或者是刑侦上，起着提高效率和增强判断科学性的辅助作用。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种图像成批自动化增强与存档方法，其特征在于，包括步骤：
在第一指定位置预存储的成批模糊图像，形成原图库，把原图库中的图像全部放入结构体数组，统计结构体数组中全部模糊图像的数量，并对每一张模糊图像进行排序，以及使模糊图像文件名和排序一一对应；
成批地、以循环的方式自动化地逐一读取原图库中的模糊图像，依次输入拉普拉斯线性空间滤波器进行图像增强；
对增强图像按照预设规则进行命名，并将增强图像与其对应的模糊图像，成批地、以循环的方式自动化地存储于第二指定位置，使其按原图文件名分类，每一类又区分原图和增强后的两种效果图，得到修复图库；其中，所述修复图库按照Windows操作系统的工具进行针对性查找，包括原图文件名和新图生成的时间查找，同时实现用Windows操作系统的图标工具，进行按类别对比分析，或者是成批对比分析，实现成批自动化存档；
拉普拉斯线性空间滤波器的表述公式如公式(1)和公式(2)所示：
Figure FDA0004129917580000011
Figure FDA0004129917580000012
其中，g(x,y)为修复后的图像，f(x,y)为模糊图像，
Figure FDA0004129917580000013
为拉普拉斯算子对图像f的作用，c是常数，c取值为-1；
拉普拉斯算子
Figure FDA0004129917580000015
对图像f的作用，相当于如公式(3)所示矩阵T1与f相乘；/>
Figure FDA0004129917580000014
的表达式进一步扩展，加入对角线方向后对拉普拉斯算子重新定义，得到相当于如公式(4)所示矩阵T2与f相乘；
T1＝[0,1,0；1,-4,1；0,1,0] (3)
T2＝[1,1,1；1,-8,1；1,1,1] (4)。
2.根据权利要求1所述的图像成批自动化增强与存档方法，其特征在于，在按照预设规则对增强图像进行命名的步骤中，命名格式为A.B－C.D；其中，A为增强图像对应的模糊图像的名称，B为增强图像对应的模糊图像的图片格式，－C为拉普拉斯算子作用的矩阵中心，D为增强图像的图片格式。
3.根据权利要求2所述的图像成批自动化增强与存档方法，其特征在于，增强图像对应的模糊图像的图片格式设定为jpg格式，增强图像的图片格式设定为bmp格式，则针对的模糊图像名称为A，经过拉普拉斯线性空间滤波器进行图像增强后，得到的增强图像的名称分别为A.jpg－4.bmp和A.jpg－8.bmp；其中，A.jpg－4.bmp表示经过公式(3)所示的拉普拉斯算子处理后得到的图像，A.jpg－8.bmp表示经过公式(4)所示的拉普拉斯算子处理后得到的图像。
4.根据权利要求1所述的图像成批自动化增强与存档方法，其特征在于，将原图库中每一张模糊图像，通过循环处理，达到成批地增强，并把每一张模糊图像及其对应的增强图像，也通过循环处理，成批地存储于增强图库中的同一文件夹内，以自动化形式，进行图像存档，以便进行对比分析。
5.根据权利要求4所述的图像成批自动化增强与存档方法，其特征在于，存储原图库及增强图库的第一指定位置和第二指定位置均可任意指定，在增强图库未进行指定的情况下，将增强图库的存储位置默认指定为原图库所在目录的上一级目录下。
6.一种图像成批自动化增强与存档的装置，其特征在于，包括：
图像准备模块，用于在第一指定位置预存储的成批模糊图像，形成原图库，把原图库中的图像全部放入结构体数组，统计结构体数组中全部模糊图像的数量，并对每一张模糊图像进行排序，以及使模糊图像文件名和排序一一对应；
图像处理模块，用于成批地、以循环的方式自动化地逐一读取原图库中的模糊图像，依次输入拉普拉斯线性空间滤波器进行图像增强；
图像存储模块，用于对增强图像按照预设规则进行命名，并将增强图像与其对应的模糊图像，成批地、以循环的方式自动化地存储于第二指定位置，使其按原图文件名分类，每一类又区分原图和增强后的两种效果图，得到修复图库；
拉普拉斯线性空间滤波器的表述公式如公式(1)和公式(2)所示：
Figure FDA0004129917580000031
Figure FDA0004129917580000032
其中，g(x,y)为修复后的图像，f(x,y)为模糊图像，
Figure FDA0004129917580000033
为拉普拉斯算子对图像f的作用，c是常数，c取值为-1；
拉普拉斯算子
Figure FDA0004129917580000034
对图像f的作用，相当于如公式(3)所示矩阵T1与f相乘；/>
Figure FDA0004129917580000035
的表达式进一步扩展，加入对角线方向后对拉普拉斯算子重新定义，得到相当于如公式(4)所示矩阵T2与f相乘；
T1＝[0,1,0；1,-4,1；0,1,0] (3)
T2＝[1,1,1；1,-8,1；1,1,1] (4)。
7.一种计算机设备，其特征在于，包括输入输出单元、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所述处理器执行时，使得所述处理器执行如权利要求1至5中的任一所述的图像成批自动化增强与存档方法中的步骤。
8.一种存储有计算机可读指令的存储介质，其特征在于，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如权利要求1至5中的任一所述的图像成批自动化增强与存档方法中的步骤。
CN202010032530.XA 2020-01-13 2020-01-13 图像成批自动化增强与存档方法、装置、设备和存储介质 Active CN111223064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010032530.XA CN111223064B (zh) 2020-01-13 2020-01-13 图像成批自动化增强与存档方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010032530.XA CN111223064B (zh) 2020-01-13 2020-01-13 图像成批自动化增强与存档方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN111223064A CN111223064A (zh) 2020-06-02
CN111223064B true CN111223064B (zh) 2023-05-23

Family

ID=70831149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010032530.XA Active CN111223064B (zh) 2020-01-13 2020-01-13 图像成批自动化增强与存档方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111223064B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113808711A (zh) * 2021-08-12 2021-12-17 武汉联影医疗科技有限公司 Dicom文件处理方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110112A (zh) * 2009-12-28 2011-06-29 新奥特（北京）视频技术有限公司 一种图像序列批处理的方法和装置
CN103593823A (zh) * 2012-08-13 2014-02-19 西安元朔科技有限公司 粮虫图像增强技术
CN108268826A (zh) * 2016-12-30 2018-07-10 广东精点数据科技股份有限公司 一种基于模糊集合论的图像增强技术与遥感图像分类方法
CN109447910A (zh) * 2018-10-09 2019-03-08 湖南源信光电科技股份有限公司 一种基于模糊理论的低照度彩色图像增强方法
CN110188639A (zh) * 2019-05-20 2019-08-30 深圳供电局有限公司 人脸图像处理方法及其系统、计算机设备、可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110112A (zh) * 2009-12-28 2011-06-29 新奥特（北京）视频技术有限公司 一种图像序列批处理的方法和装置
CN103593823A (zh) * 2012-08-13 2014-02-19 西安元朔科技有限公司 粮虫图像增强技术
CN108268826A (zh) * 2016-12-30 2018-07-10 广东精点数据科技股份有限公司 一种基于模糊集合论的图像增强技术与遥感图像分类方法
CN109447910A (zh) * 2018-10-09 2019-03-08 湖南源信光电科技股份有限公司 一种基于模糊理论的低照度彩色图像增强方法
CN110188639A (zh) * 2019-05-20 2019-08-30 深圳供电局有限公司 人脸图像处理方法及其系统、计算机设备、可读存储介质

Also Published As

Publication number Publication date
CN111223064A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
Pretorius et al. Visualization of parameter space for image analysis
CN110472082B (zh) 数据处理方法、装置、存储介质及电子设备
Chen et al. Vis30k: A collection of figures and tables from ieee visualization conference publications
US9678628B2 (en) Method for generating control-code by a control-code-diagram
CA2649449A1 (en) Method, apparatus and computer-readabele medium to provide customized classification of documents in a file management system
Cocks et al. A guide to analysis and reconstruction of serial block face scanning electron microscopy data
CN112035708A (zh) 知识图谱的展示方法、装置、计算机装置和可读存储介质
CN111223064B (zh) 图像成批自动化增强与存档方法、装置、设备和存储介质
TWI292540B (en) Semiconductor test data analysis system, method for displaying therein, and method for analyzing semiconductor test data implemented therein
CN106339496A (zh) 用于对照片进行清理的方法和装置
CN100346315C (zh) 基于脚本的三维建模软件自动测试方法
JP2010262531A (ja) 画像情報処理装置、画像情報処理方法及びプログラム
CN115829925A (zh) 外观缺陷检测方法、装置、计算机设备及存储介质
CN115510361A (zh) 一种基于可视化配置的数据图表页面生成方法及相关设备
CN115098368A (zh) 一种识别脑图用例的智能验证方法和装置
CN112579846A (zh) 用户行为轨迹的可视化方法及系统
CN112084357A (zh) 一种相册生成系统及方法
US20230143489A1 (en) Data analysis apparatus and data analysis method
CN111459387A (zh) 一种框选拖拽式图片分类的交互方法
JP4336813B2 (ja) 画像記述システムおよび方法
CN115237524B (zh) 一种用于液态金属反应堆子通道分析程序的交互式用户界面系统
GB2445240A (en) Reconstructing a purged data object using a hierarchical data structure
JPH0635987A (ja) 回路図作成装置および回路図作成方法
CN111325003B (zh) 文件处理方法、装置、设备及存储介质
WO2021084769A1 (ja) 可視化データへの付箋の付与及び復元

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