CN111915508A - 一种面向色觉障碍的图像纹理细节增强方法 - Google Patents
一种面向色觉障碍的图像纹理细节增强方法 Download PDFInfo
- Publication number
- CN111915508A CN111915508A CN202010618719.7A CN202010618719A CN111915508A CN 111915508 A CN111915508 A CN 111915508A CN 202010618719 A CN202010618719 A CN 202010618719A CN 111915508 A CN111915508 A CN 111915508A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- channel
- lms
- details
- 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 33
- 206010008795 Chromatopsia Diseases 0.000 title claims description 7
- 238000012937 correction Methods 0.000 claims abstract description 18
- 208000036693 Color-vision disease Diseases 0.000 claims abstract description 16
- 230000004888 barrier function Effects 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 201000004569 Blindness Diseases 0.000 claims description 11
- 208000006992 Color Vision Defects Diseases 0.000 claims description 11
- 201000007254 color blindness Diseases 0.000 claims description 11
- 201000000761 achromatopsia Diseases 0.000 claims description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000012805 post-processing Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000016776 visual perception Effects 0.000 abstract description 2
- 210000004027 cell Anatomy 0.000 description 13
- 239000003086 colorant Substances 0.000 description 7
- 230000004456 color vision Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 210000002763 pyramidal cell Anatomy 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 206010010356 Congenital anomaly Diseases 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 208000014526 Conduction disease Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001339 gustatory effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 210000000239 visual pathway Anatomy 0.000 description 1
- 230000004400 visual pathway 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
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
-
- 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
- G06T2207/20024—Filtering details
Abstract
本发明公开了一种面向色觉障碍的图像纹理细节增强方法。本发明步骤如下：步骤(1)转换图像颜色空间到LMS色彩空间；步骤(2)针对特定类型的色觉障碍患者，分别在LMS空间中提取出L、M、S通道的细节；步骤(3)将步骤(2)中提取出的细节增加到步骤(1)处理后的图像对应的其他两个该类型色障碍者能觉察到的色彩通道上，所得图像即为最终增强图像；步骤(4)将LMS颜色空间转换回RGB颜色空间，进行显示或存储。本发明提到的纹理细节增强方法均较好的提升了色觉障碍患者在视角下图像细节纹理的丰富程度，又因为提取的是图像本身的部分纹理细节，从而在保证图像的真实性基础上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图像纹理细节增强方法。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
人类对于外界信息的感知主要由五部分构成：视觉、听觉、嗅觉、味觉以及触觉。其中，视觉信息是信息熵最高的信息，而颜色信息是视觉信息中的重要组成部分。人类视网膜上有两种细胞分别是视杆细胞和视锥细胞，其中视杆细胞对光的强度敏感，感知明暗；而视锥细胞有三种且分别对红、绿、蓝三种颜色的光敏感，感知色彩。因为这三种视锥细胞分别对长、中、短光谱敏感，所以这三种视锥细胞通常被表示为长(L)，中(M)，短(S)锥细胞。当视觉细胞接受到外界光源的刺激时，就会把信号传递给大脑，大脑根据不同细胞的刺激情况分析出看到物体的信息。每一种感光视锥细胞主要对一种原色光产生兴奋，而对其余两种原色光产生程度不等的反应。因此如果某一种视锥细胞缺乏或出现异常，则会产生对此种颜色的感知障碍，表现为色盲或色弱(辨色力弱)。根据异常的视锥细胞的种类可将异常三色视觉者分为红色觉异常(protanomaly),绿色觉异常(deuteranomaly),蓝色觉异常(tritanomaly)，分别对应L锥细胞异常，M锥细胞异常以及S锥细胞异常。色盲多为先天性遗传所致，少数为视路系统传导障碍所致，目前对于这种病症还没有比较好的治疗方式。据统计，世界范围内大约有8％的男性和0.5％的女性是色盲患者。保存图像颜色信息的通道称为颜色通道。每个图像都有一个或多个颜色通道，图像中默认的颜色通道数取决于其颜色模式，即一个图像的颜色模式将决定其颜色通道的数量。每个颜色通道都存放着图像中颜色元素的信息。所有颜色通道中的颜色叠加混合组成图像中像素的颜色和其他信息。在默认情况下，位图模式、灰度、双色调和索引颜色图像只有一个通道。RGB图像有3个通道，分别为红色(R)、绿色(G)、蓝色(B)。同理LMS图像有也3个通道，分别对应三种视锥细胞接收的信息。在LMS颜色空间中红色觉异常(protanomaly)、绿色觉异常(deuteranomaly)、蓝色觉异常(tritanomaly)患者分别无法正常接收L通道、M通道、S通道的信息。
虽然色盲患者大都能感知到颜色，但是他们对关键颜色的分辨存在障碍，常见的是分不清红色与绿色，他们会把红色、绿色、黄色等色彩组合混淆。有先天性色觉障碍者，往往不知其有辨色力异常，多为他人觉察或体检时发现。凡从事交通运输、美术、化学、医药等工作人员必须有正常的色觉，因此，色觉检查就成为服兵役、就业、入学前体检时的常规项目。虽然这种病不致命，但大多数情况下色盲带给患者更多的是生活和工作学习上的不便，于是为他们提供帮助便显得尤为重要。
目前很多的科学研究已经关注到色觉障碍患者这个群体的需求。有很多的学术研究致力于通过改变图像的色彩来达到让颜色校正的目的，且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增强方法，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、基于图像分割局部增强等多种方法。但是由于锥体细胞的异常，色觉障碍患者在无法接受正常色彩的同时，对图像纹理的感知也产生不利影响。比如一位先天缺失M锥体细胞的患者则无法感应到原本应该M锥体细胞接收的色彩的纹理细节。因此，本发明聚焦于对色觉障碍患者无法觉察到的纹理信息进行颜色增强，以此补偿因色觉障碍而丢失的色彩纹理信息，使色障碍者能明显地观察到图像纹理等细节上的信息。
发明内容
本发明主要提出一种面向色觉障碍的图像纹理增强方法。根据色盲患者的类型将原图像在LMS空间中的L、M、S三者中的某一通道进行细节提取并加在增强后图像的剩余两个通道上：对于红色盲提取原图像L通道的细节，并将细节添加到色彩增强图像的M、S通道上；绿色盲提取M通道的细节并将细节添加到色彩增强图像的L、S通道上；蓝色盲提取原图像S通道的细节并将提取的S通道的细节分配到增强后L、M通道上。通过以上操作达到对各种不同色盲类型的图像进行纹理增强的效果。
本发明所解决其实际应用问题采用的技术方案可单独用于增强纹理细节信息，也可与各种已有面向色觉障碍颜色增强方法相结合作为一种图像后处理方法，处理过程均是在LMS颜色空间，具体步骤如下：
步骤(1)将RGB图像转换到LMS空间；
步骤(2)针对特定类型的色觉障碍患者，分别在LMS空间中提取出L、M、S通道的细节；
步骤(3)将步骤(2)中提取出的细节，增加到步骤(1)处理后的图像对应的其他两个该类型色障碍者能觉察到的色彩通道上，所得图像即为最终增强图像。
步骤(4)将最终增强图像从LMS颜色空间转换回RGB颜色空间，进行显示或存储。
进一步的，步骤(1)中对于待增强的图像，首先通过转换矩阵将其色彩空间转换到LMS空间。
进一步的，步骤(2)中提取图像细节的方法为
I″d＝Id-I′d (2)
其中，Id为原图像中该类型色觉障碍者无法感知的色彩通道，N为均值滤波器卷积核的半径，n为卷积核所包括的位置的集合，I′d为图像平滑层信息，I″d为取出的通道减去平滑层图像信息后得到的该通道的细节。
进一步的，步骤(3)将步骤(2)中提取出的细节增加到步骤(1)处理后的图像对应的其他两个该类型色障碍者能感知到的色彩通道上，所得图像即为纹理增强图像，公式如下
I′c1＝Ic1+k×I″d (3)
I′c2＝Ic2+k×I″d (4)
其中，Ic1,Ic2为LMS颜色空间中未进行提取细节计算的另外两个该类型色障碍者能感知的色彩通道，I′c1,I′c2为加上步骤(2)提取出的细节后进行纹理补偿的单颜色通道图；k为常数。
进一步的，步骤(4)中将LMS颜色空间转换回RGB颜色空间，进行显示或存储。
变换所得的RGB图像，即为最终增强结果。
本发明提供的技术方案的有益效果为：
可作为单独的纹理增强方法根据不同色觉障碍患者的类型将其异常视锥细胞对应的通道的细节纹理提取出来加在其可正常接收的两个通道上，使色盲患者感受到更加丰富的图像细节。也可作为一种图像的后处理方法，在完成对颜色增强的彩色图像进行初步颜色增强后，根据不同色觉障碍患者的类型将其异常视锥细胞对应的通道的细节纹理提取出来加在其可正常接收的两个通道上。这样做的好处是使色觉障碍患者接收到其原本无法正常接收的通道细节，从而扩大了现有彩色图像颜色增强算法的普适性及鲁棒性。
本发明提到的纹理细节增强方法均较好的提升了色觉障碍患者在视角下图像细节纹理的丰富程度，又因为提取的是图像本身的部分纹理细节，从而在保证图像的真实性基础上提高颜色矫正后的图像质量及视觉感受。
附图说明
图1为正常三色视角下的实施例原图；
图2为绿色盲模拟视角下的实施例原图；
图3为纹理补偿后的图1；
图4为绿色盲模拟视角下的图3；
图5为图1进行色彩矫正后的图；
图6为图5在绿色盲模拟视角下的图；
图7为图3进行纹理补偿后的图；
图8为图7在绿色盲模拟视角下的图；
具体实施方式
本发明所解决其实际应用问题采用的技术方案可单独用于增强纹理细节信息，也可与各种已有面向色觉障碍颜色增强方法相结合作为一种图像后处理方法且均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，下面分两种情况以针对绿色盲为例，结合附图和实施例对本发明做进一步的详细说明。
1、单独用于增强纹理信息
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)将原图像进行色彩空间变换从RGB到LMS；
步骤(2)根据色觉障碍患者的类型提取原图像中该类色觉障碍患者无法正常感知的通道的细节；
步骤(3)将提取出的细节加到剩余两个通道上；
步骤(4)将图像从LMS颜色空间转换回RGB颜色空间，进行显示或存储。
步骤(1)对于一幅待进行纹理补偿的图像，首先将其变换到LMS颜色空间，公式如下：
即得到LMS空间的图像。
步骤(2)中以M视锥细胞异常的绿色盲患者为例，用均值滤波器(3*3)提取LMS颜色空间中M通道上纹理细节。
I″d＝Id＝I′d
其中，Id为原图像转换颜色空间到LMS空间之后的M通道，f为均值滤波器，I″d为M通道减去经过均值滤波后的平滑图像I′d后得到的该通道的细节。
步骤(3)将提取出的细节加到经过颜色校正之后的其他两个通道即可得到最终的校正图像。
I′c1＝Ic1+k×I″d
I′c2＝Ic2+k×I″d
其中，L,S为原图像的L,S通道图像，I″d为步骤(2)中取出来的M通道的图像纹理信息，k为常数，此处取0.5，I′c1,I′c2分别为进行M通道纹理信息补偿后的L,S通道图像，I′c1，Id，I′c2即为最终针对绿色盲的纹理补偿图像的LMS三通道值。
步骤(4)LMS反变换回RGB进行存储与显示
最后得到的R′G′B′即为纹理补偿后的图像。
2、作为一种图像后处理方法
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)将原图像进行色彩空间变换从RGB到LMS；
步骤(2)用LMS道尔顿颜色矫正方法对图像进行颜色矫正；
步骤(3)根据色觉障碍患者的类型提取原图像中该类色觉障碍患者无法正常感知的通道的细节；
步骤(4)将提取出的细节加到剩余两个通道上；
步骤(5)将LMS颜色空间转换回RGB颜色空间，进行显示或存储。
步骤(1)对于一幅待进行纹理补偿的图像，首先将其变换到LMS颜色空间，公式如下：
即得到LMS空间的图像。
步骤(2)颜色矫正算法，根据色觉障碍类型，选择相应的颜色矫正矩阵，公式如下：
对于绿色盲而言
则原图像的残差图像(Error Picture)即为
将残差图像中绿色盲所看不见的M通道20％的量分散到L和S通道中，如下所示
将该分散了M通道值的残差图像转换回RGB颜色空间：
再与原图像相加，如下所示：
即得到LMS道尔顿化颜色矫正的图像。
步骤(3)中以M视锥细胞异常的绿色盲患者为例，用均值滤波器(3*3)提取LMS颜色空间中M通道上纹理细节。
I″d＝Id-I′d
其中，Id为原图像转换颜色空间到LMS空间之后的M通道，为均值滤波器，I″d为M通道减去经过均值滤波后的平滑图像d′d后得到的该通道的细节。
步骤(4)将提取出的细节加到经过颜色校正之后的其他两个通道即可得到最终的校正图像。
I′c1＝Ic1+k×I″d
I″c2＝Ic2+k×I″d
其中L,S为原图像的L,S通道图像，I″d为步骤(2)中取出来的M通道的图像纹理信息，k为常数，此处取0.5，I′c1,I′c2分别为进行M通道纹理信息补偿后的L,S通道图像，I′c1，Id，I′c2即为最终针对绿色盲的纹理补偿图像的LMS三通道值。
步骤(5)LMS反变换回RGB进行存储与显示
最后得到的R′G′B′即为纹理补偿与颜色校正之后的图像。
实验结果综述：
从实验所得结果和模拟的色觉障碍患者的色觉体验可见，本发明提到的纹理细节增强方法均较好的提升了色觉障碍患者在视角下图像细节纹理的丰富程度，又因为提取的是图像本身的部分纹理细节，从而保证了图像的真实性。
Claims (3)
1.一种面向色觉障碍的图像纹理细节增强方法，其特征在于根据色盲患者的类型将原图像在LMS空间中的L、M、S三者中的某一通道进行细节提取并加在增强后图像的剩余两个通道上：对于红色盲提取原图像L通道的细节，并将细节添加到色彩增强图像的M、S通道上；绿色盲提取M通道的细节并将细节添加到色彩增强图像的L、S通道上；蓝色盲提取原图像S通道的细节并将提取的S通道的细节分配到增强后L、M通道上。
2.根据权利要求1所述的一种面向色觉障碍的图像纹理细节增强方法，其特征在于具体步骤如下：
步骤(1)将RGB图像转换到LMS空间；
步骤(2)针对特定类型的色觉障碍患者，分别在LMS空间中提取出L、M、S通道的细节；
步骤(3)将步骤(2)中提取出的细节，增加到步骤(1)处理后的图像对应的其他两个该类型色障碍者能觉察到的色彩通道上，所得图像即为最终增强图像；
步骤(4)将最终增强图像从LMS颜色空间转换回RGB颜色空间，进行显示或存储；
进一步的，步骤(1)中对于待增强的图像，首先通过转换矩阵将其色彩空间转换到LMS空间；
进一步的，步骤(2)中提取图像细节的方法为
I″d＝Id-I′d (2)
其中，Id为原图像中该类型色觉障碍者无法感知的色彩通道，N为均值滤波器卷积核的半径，n为卷积核所包括的位置的集合，I′d为图像平滑层信息，I″d为取出的通道减去平滑层图像信息后得到的该通道的细节；
进一步的，步骤(3)将步骤(2)中提取出的细节增加到步骤(1)处理后的图像对应的其他两个该类型色障碍者能感知到的色彩通道上，所得图像即为纹理增强图像，公式如下
I′c1＝Ic1+k×I″d (3)
I′c2＝Ic2+k×I″d (4)
其中，Ic1,Ic2为LMS颜色空间中未进行提取细节计算的另外两个该类型色障碍者能感知的色彩通道，I′c1,I′c2为加上步骤(2)提取出的细节后进行纹理补偿的单颜色通道图；k为常数；
进一步的，步骤(4)中将LMS颜色空间转换回RGB颜色空间，进行显示或存储；
变换所得的RGB图像，即为最终增强结果。
3.根据权利要求1或2所述的一种面向色觉障碍的图像纹理细节增强方法，其特征在于该方法可单独用于增强纹理细节信息，也可与各种已有面向色觉障碍颜色增强方法相结合作为一种图像后处理方法，处理过程均是在LMS颜色空间，具体流程包括如下步骤：
步骤(1)将原图像进行色彩空间变换从RGB到LMS；
步骤(2)用LMS道尔顿颜色矫正方法对图像进行颜色矫正；
步骤(3)根据色觉障碍患者的类型提取原图像中该类色觉障碍患者无法正常感知的通道的细节；
步骤(4)将提取出的细节加到剩余两个通道上；
步骤(5)将LMS颜色空间转换回RGB颜色空间，进行显示或存储；
步骤(1)对于一幅待进行纹理补偿的图像，首先将其变换到LMS颜色空间，公式如下：
即得到LMS空间的图像；
步骤(2)颜色矫正算法，根据色觉障碍类型，选择相应的颜色矫正矩阵，公式如下：
对于绿色盲而言
则原图像的残差图像(Error Picture)即为
将残差图像中绿色盲所看不见的M通道20％的量分散到L和S通道中，如下所示
将该分散了M通道值的残差图像转换回RGB颜色空间：
再与原图像相加，如下所示：
即得到LMS道尔顿化颜色矫正的图像；
步骤(3)中以M视锥细胞异常的绿色盲患者为例，用均值滤波器(3*3)提取LMS颜色空间中M通道上纹理细节；
I″d＝Id-I′d
其中，Id为原图像转换颜色空间到LMS空间之后的M通道，为均值滤波器，I″d为M通道减去经过均值滤波后的平滑图像I′d后得到的该通道的细节；
步骤(4)将提取出的细节加到经过颜色校正之后的其他两个通道即可得到最终的校正图像；
I′c1＝Ic1+k×I″d
I′c2＝Ic2+k×I″d
其中L,S为原图像的L,S通道图像，I″d为步骤(2)中取出来的M通道的图像纹理信息，k为常数，此处取0.5，I′c1,I′c2分别为进行M通道纹理信息补偿后的L,S通道图像，I′c1，Id，I′c2即为最终针对绿色盲的纹理补偿图像的LMS三通道值；
步骤(5)LMS反变换回RGB进行存储与显示
最后得到的R′G′N′即为纹理补偿与颜色校正之后的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010618719.7A CN111915508B (zh) | 2020-06-30 | 2020-06-30 | 一种面向色觉障碍的图像纹理细节增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010618719.7A CN111915508B (zh) | 2020-06-30 | 2020-06-30 | 一种面向色觉障碍的图像纹理细节增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111915508A true CN111915508A (zh) | 2020-11-10 |
| CN111915508B CN111915508B (zh) | 2023-12-19 |
Family
ID=73227104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010618719.7A Active CN111915508B (zh) | 2020-06-30 | 2020-06-30 | 一种面向色觉障碍的图像纹理细节增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915508B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112957003A (zh) * | 2021-02-01 | 2021-06-15 | 深圳创维－Rgb电子有限公司 | 色觉障碍检测方法、装置、设备及计算机可读存储介质 |
| CN113794869A (zh) * | 2021-09-08 | 2021-12-14 | 深圳创维－Rgb电子有限公司 | 一种图像处理方法、终端及计算机存储介质 |
| CN114331916A (zh) * | 2022-03-07 | 2022-04-12 | 荣耀终端有限公司 | 图像处理方法及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102419867A (zh) * | 2011-12-31 | 2012-04-18 | 大连海事大学 | 一种图像的润色方法 |
| 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 |
| 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 |
-
2020
- 2020-06-30 CN CN202010618719.7A patent/CN111915508B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102419867A (zh) * | 2011-12-31 | 2012-04-18 | 大连海事大学 | 一种图像的润色方法 |
| 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 |
| 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 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112957003A (zh) * | 2021-02-01 | 2021-06-15 | 深圳创维－Rgb电子有限公司 | 色觉障碍检测方法、装置、设备及计算机可读存储介质 |
| CN113794869A (zh) * | 2021-09-08 | 2021-12-14 | 深圳创维－Rgb电子有限公司 | 一种图像处理方法、终端及计算机存储介质 |
| CN114331916A (zh) * | 2022-03-07 | 2022-04-12 | 荣耀终端有限公司 | 图像处理方法及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111915508B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Color retinal image enhancement based on luminosity and contrast adjustment | |
| CN111915508A (zh) | 一种面向色觉障碍的图像纹理细节增强方法 | |
| CN105654436B (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
| WO2020151307A1 (zh) | 病灶自动识别方法、装置及计算机可读存储介质 | |
| US11323676B2 (en) | Image white balance processing system and method | |
| CN110276727B (zh) | 一种面向色觉障碍的彩色图像颜色增强方法 | |
| Zhang et al. | Skin color enhancement based on favorite skin color in HSV color space | |
| CN107451969A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| Isa | Pixel distribution shifting color correction for digital color images | |
| CN104103043B (zh) | 空间域色域映射方法 | |
| US10620417B2 (en) | Method for generating a reflection-reduced contrast image and corresponding device | |
| CN106535740A (zh) | 分级角膜荧光素染色 | |
| CN110473152A (zh) | 基于改进Retinex算法的图像增强方法 | |
| CN113436284A (zh) | 一种图像处理方法、装置、计算机设备和存储介质 | |
| CN102567969B (zh) | 一种彩色图像边缘检测方法 | |
| CN103139591B (zh) | 一种基于图形处理器的3d视频颜色自动校正方法 | |
| CN111667446B (zh) | 图像处理方法 | |
| TWI364213B (zh) | ||
| CN111105383B (zh) | 一种面向三色视觉的图像融合颜色增强方法 | |
| Qian et al. | Effective contrast enhancement method for color night vision | |
| Li et al. | Applying daytime colors to night-time imagery with an efficient color transfer method | |
| CN109102473B (zh) | 一种改善彩色数字图像质量的方法 | |
| CN110298812A (zh) | 一种图像融合处理的方法及装置 | |
| CN106993186B (zh) | 一种立体图像显著性检测方法 | |
| Shrestha | Simulating colour vision deficiency from a spectral image |
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 |