CN113362321A - 一种基于蒙特卡洛算法的石原测试板生成方法及系统 - Google Patents
一种基于蒙特卡洛算法的石原测试板生成方法及系统 Download PDFInfo
- Publication number
- CN113362321A CN113362321A CN202110777622.5A CN202110777622A CN113362321A CN 113362321 A CN113362321 A CN 113362321A CN 202110777622 A CN202110777622 A CN 202110777622A CN 113362321 A CN113362321 A CN 113362321A
- Authority
- CN
- China
- Prior art keywords
- circle
- content
- color
- effective
- radius
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 73
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 48
- 239000004575 stone Substances 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 29
- 208000006992 Color Vision Defects Diseases 0.000 claims abstract description 36
- 239000003086 colorant Substances 0.000 claims abstract description 34
- 201000007254 color blindness Diseases 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 239000011435 rock Substances 0.000 abstract description 5
- 208000036693 Color-vision disease Diseases 0.000 description 18
- 230000004456 color vision Effects 0.000 description 9
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 8
- 201000004569 Blindness Diseases 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 229910003460 diamond Inorganic materials 0.000 description 3
- 239000010432 diamond Substances 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 206010010356 Congenital anomaly Diseases 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000000049 pigment Substances 0.000 description 2
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 201000000761 achromatopsia Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005191 phase separation Methods 0.000 description 1
- 230000002165 photosensitisation Effects 0.000 description 1
- 239000003504 photosensitizing agent Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于蒙特卡洛算法的石原测试板生成方法及系统。该方法包括:选取内容图案的轮廓坐标点,得到多条内容图边界;生成一个半径为设置值的大圆,所述内容图案在所述大圆内;在所述大圆内随机填充满足多组约束条件的小圆;所述小圆的半径是所述大圆的半径按照比例缩小的;判断各小圆是否穿过各所述内容图边界;若是,则移除;若否,则保留,得到多个有效圆;通过穿越数算法确定各所述有效圆的所属区域;依据CIE94色差公式基于色盲混淆线进行颜色的选取,并对各所述有效圆的所属区域进行填色,生成石原测试板。通过上述方法,本发明能够快速有效地复现石原测试板效果。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种基于蒙特卡洛算法的石原测试板生成方法及系统。
背景技术
大多数人普遍具有色觉感知能力,可以感知物体表面的反射光的频率。人的色觉基于三种光敏色素,在三个维度中分别代表一种颜色。人的眼球中包含三种视锥细胞,每种视锥细胞对不同波长的光具有独特的光谱敏感性,即指视锥细胞被不同波长的光刺激,人的视觉系统通过比较不同视锥细胞的相对刺激来感知色彩,颜色刺激由每个波长包含的功率确定。正常的三色性是因为视网膜包含三类视锥色素神经细胞,即L,M和S锥细胞,特定波长范围的光在不同程度上刺激这些受体类型中的一种。每个视锥细胞都对很长的波长范围有响应,并不仅对应于图中每条线的“峰值”附近的波长。
色觉缺陷(color vision deficiency,CVD)是一种常见的遗传病。许多地方都对色盲患者所能从事的职业设置了一些限制,如驾驶执照、工程、医学和其他相关领域的许多职业都对色彩感知能力具有相应的要求。尽管区分不同颜色能力的强弱不会明显影响到人们的学习和认知,但是在与颜色相关的行业色盲患者仍然面临诸多障碍。这种疾病无法通过医学手术或其他治疗方法进行治愈,患有色觉缺陷的人在全世界占比不低,有时会被我们的社会忽视,并且在生活的多方面会受到限制。色觉缺陷主要由先天自然遗传因素和后天获得性因素两个原因导致:先天性自然遗传因素有三种类型的色觉缺陷:单色性,二色性,和异常三色性;后天获得性因素由疾病或化学药物导致。
与色盲检测相关的研究工作和参考文献目前很少,尤其是涉及到与计算机交叉的领域多为医学、生物等方向,而在国内基本属于空白领域,国外目前涉及到色盲检测相关工作的研究方向主要集中在图像重填色算法(Recoloring algorithm)和色觉缺陷模拟(color blindness simulation)等,因此,色盲检测相关的研究工作具有重要的研究价值。
现如今最常使用的色觉缺陷的诊断和分类方法大约有二十多种,研究表明石原测试板是用于快速识别检测先天性色觉缺陷的最有效的方法,是全球最著名和使用频率最高的测试方法。但是目前传统的石原测试板均为人工绘制,耗时耗力,且来源单一。
发明内容
本发明的目的是提供一种基于蒙特卡洛算法的石原测试板生成方法及系统,快速有效地复现石原测试板效果。
为实现上述目的,本发明提供了如下方案:
一种基于蒙特卡洛算法的石原测试板生成方法,包括:
选取内容图案的轮廓坐标点,得到多条内容图边界;
生成一个半径为设置值的大圆,所述内容图案在所述大圆内;
在所述大圆内随机填充满足多组约束条件的小圆;所述小圆的半径是所述大圆的半径按照比例缩小的;
判断各小圆是否穿过各所述内容图边界;
若是,则移除;
若否,则保留,得到多个有效圆;
通过穿越数算法确定各所述有效圆的所属区域;
依据CIE94色差公式基于色盲混淆线进行颜色的选取,并对各所述有效圆的所属区域进行填色,生成石原测试板。
可选地,基于笛卡尔坐标系对输入图像的轮廓坐标点进行选取。
可选地,所述多组约束条件如下:
可选地,所述通过穿越数算法确定各所述有效圆的所属区域,具体包括:
根据所述内容图边界划分前景区域和背景区域;
通过穿越数算法确定前景区域和背景区域中的有效圆。
可选地,所述色差公式如下:
本发明还提供了一种基于蒙特卡洛算法的石原测试板生成系统,包括:
边界确定模块,用于选取内容图案的轮廓坐标点,得到多条内容图边界;
大圆生成模块,用于生成一个半径为设置值的大圆,所述内容图案在所述大圆内;
填充模块,用于在所述大圆内随机填充满足多组约束条件的小圆;所述小圆的半径是所述大圆的半径按照比例缩小的;
判断模块,用于判断各小圆是否穿过各所述内容图边界;
移除模块,用于当小圆穿过各所述内容图边界时进行移除;
保留模块,用于当小圆没有穿过各所述内容图边界时进行保留,得到多个有效圆;
有效圆所属区域确定模块,用于通过穿越数算法确定各所述有效圆的所属区域;
颜色选取及填充模块,用于依据CIE94色差公式基于色盲混淆线进行颜色的选取,并对各所述有效圆的所属区域进行填色,生成石原测试板。
可选地,基于笛卡尔坐标系对输入图像的轮廓坐标点进行选取。
可选地,所述多组约束条件如下:
可选地,所述有效圆所属区域确定模块具体包括:
划分单元,用于根据所述内容图边界划分前景区域和背景区域;
确定单元,用于通过穿越数算法确定前景区域和背景区域中的有效圆。
可选地,所述色差公式如下:
根据本发明提供的具体实施例,本发明公开了以下技术效果:
(1)通过多组坐标定义多条边界描述图案内容,不仅可以随机生成符合条件的石原测试板,还丰富了内容多样性,可以随机生成任何形状;
(2)设计的约束条件能够很好地复现出石原板内容,与人工对比具有更多优点;
(3)利用不同种类的色觉缺陷对应的混淆线作为颜色选取的基础,可以将石原测试板的颜色范围加大,还能进一步评估色觉缺陷程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例基于蒙特卡洛算法的石原测试板生成方法的流程图;
图2为线圆测试图;
图3为内容图案测试图;
图4为石原测试板示例图;(a)为原始测试板,(b)为采用原始测试板的生成的‘菱形’,(d)为未完成填色的石原测设板,(c)(e)(f)分别为其他的生成测试板示例;
图5为红色盲石原测试板的示例;其中:(a)为红色盲石原测试版;(b)为对应的红色盲色觉缺陷模拟
图6为绿色盲石原测试板的示例;其中:(c)为绿色盲石原测试版;(d)为对应的绿色盲色觉缺陷模拟
图7为蓝色盲石原测试板的示例;其中:(e)为蓝色盲石原测试版;(f)为对应的蓝色盲色觉缺陷模拟
图8为三种色觉混淆线在CIE1931色度图的位置示例;其中:(a)为红色盲混淆线;(b)为绿色盲混淆线;(c)为蓝色盲混淆线。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于蒙特卡洛算法的石原测试板生成方法及系统,快速有效地复现石原测试板效果。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的一种基于蒙特卡洛算法的石原测试板生成方法包括以下步骤:
步骤101:选取内容图案的轮廓坐标点,得到多条内容图边界。
在RGB颜色空间中的输入图像的边界基于笛卡尔坐标系进行坐标选取,即内容图的边界轮廓通过坐标点模拟,目标任务是将内容图案的边界轮廓缩小为直线,对其进行简化。这种简化只需要提取认为是属于顶点的一类端点,提取轮廓线中每条单独直线的起点和终点,并将其作为数组存储在单独的文件中。对于输入的图片,以图片中心点作为坐标系原点,只需依次顺时针(或逆时针)对内容图案的边界提取坐标点作为数组输入,定义内容图为集合P,即
P={(x,y)}。
步骤102:生成一个半径为设置值的大圆,所述内容图案在所述大圆内。
步骤103:在所述大圆内随机填充满足多组约束条件的小圆;所述小圆的半径是所述大圆的半径按照比例缩小的。
生成一个半径为设置值的大圆,随机填充按照大圆半径比例缩小的大小各异的小圆,并测试它们是否满足设置的约束条件。这种蒙特卡洛方法基于创建有效圆cn的数组,并对下一个随机填充圆cn+1进行测试。对于由第一步获得的集合P定义的内容图案的边界划分的前景和背景区域,填充大量不违反设置的约束条件随机圆。从不大于外围大圆半径的5%的较大圆形和不小于3%的较小圆形开始填充,尽可能多地填充较大的圆圈,剩下的间隙随后由随机放置的较小圆形填充,填充过程中生成的有效圆数组为
F={(cn,rc)}
cn为有效圆,rc为有效圆的半径。
步骤104:判断各小圆是否穿过各所述内容图边界。若是,则移除。若否,则保留,得到多个有效圆。
测试有效圆数组F中大小各异的圆形是否穿过了由P定义的内容图案的边界,该图案由一组闭合的直线定义,然后必须针对每一个新放置的圆测试是否穿过图案的每条边界。需要求解直线和圆的交点,该问题对二次方程求解即可产生三个可能的情况,相离、相切和相交(0、1或2个交点)。因此,找到交点的数量和位置只需列方程进行求解,可以定义为两个或更少的交点的非矩阵形式,并且可以定义线的长度。
如图2所示,每个有效圆的圆心和半径分别定义为xc和R,内容图边界的两个端点定义为x0和x1,向量沿着与圆相交的长度定义为l,向量通过这两个向量可以求解线圆的交点问题。向量可以定义为当半径R和相交时与形成一个三角形。可以看出,对于出现的三角形可利用余弦定律,如下式
可以通过求解上式一元二次方程,即可获得(0、1或2个交点)三种情况,保留与直线有0和1个交点的有效圆。为了达到与石原测试板类似的效果,还需要对填充的圆形设置约束条件,即
式中l为阈值,l选取的过小会导致填充的圆穿过其他的定义内容图案的直线;第二和第三式为线段的两个端点与圆心的距离,当不被满足时线段会与圆相交产生一个或两个交点;第四式为填充的圆与圆的间隙,其中ε为间隙参数。xc1和xc2为随机填充的相邻圆与圆的圆心,R1和R2为其半径。
这些约束条件同时对有效填充圆进行约束作用,必须对P定义的内容图案的每一条边界进行测试,当填充的圆不满足上述任任意限制条件时,即将其移除,最终输出每个有效圆的圆心坐标及其半径的集合θ,即
θ={(x,y),rc}
其中(xn,yn)为有效圆坐标,rc为有效圆的半径。
完成此步骤后返回步骤103依次迭代,区间为外围大圆半径的[3%,5%],[2%,3%],[1%,2%],[0%,1%],从大区间到小区间依次填充,完成后进入下一步。
步骤105:通过穿越数算法确定各所述有效圆的所属区域。根据所述内容图边界划分前景区域和背景区域;通过穿越数算法确定前景区域和背景区域中的有效圆。
将得到有效圆的集合后,就需要确定圆所属区域以进行内容图案的划分。该问题被称为“多边形中的点”95EE题,在计算几何中“多边形中的点”(point in polygon,PIP)问题为判断平面中的给定点是位于多边形的内部,外部还是边界。查找任一点在简单多边形内部还是外部的一种简单方法如图3所示,测试从该点开始并沿任意固定方向传播的射线与多边形边缘相交的次数,如果该点在多边形的外部,则射线将与其边缘相交点数为偶数;如果该点在多边形的内部,则它将与边缘相交点数为奇数。这种算法也被称为穿越数算法或奇偶规则算法。
对于集合中的每个有效圆,将存储一组布尔值来描述该圆是否在特定图形内容里,即定义数组I描述,如下
其中p为定义内容图案的坐标点集。
通过相应的逻辑语句可以确定前景内容图案和背景的各部分的有效圆集,通过填充圆所在的位置来设置颜色。
步骤106:依据CIE94色差公式基于色盲混淆线进行颜色的选取,并对各所述有效圆的所属区域进行填色,生成石原测试板。
对于每种二色性缺陷,在CIE 1931颜色空间中都有一组相交线,被称作混淆线,线条方向上的所有颜色对于色觉缺陷者来说都难以区分,所有混淆线会聚在一个称为共点的点,对于三种不同类型的色觉不足,存在三种不同的共点。表1出了Stiles和Wyszecki以及Pokorny和Smith提出的不同坐标。图8说明了CIE 1931颜色空间内的混淆轴。
表1
选用国际照明委员会于1995年提出的色差公式,两种颜色之间的色差可以计算为:
ΔL*为亮度差,
在标准照明条件下KL=KC=KH=1,KL、KC、KH为相关工艺的系数,通常分为纺织品和工艺品两类。
因为使用Lab颜色空间,a1、a2、b1、b2分别为两种颜色的分量。
颜色差异的标准如下:(Mokrzycki,Tatol et al.2011)
0<ΔE<1观察者无法注意到颜色之间的差异
1<ΔE<2经验丰富的观察者能够注意到颜色之间的差异
2<ΔE<3.5经验不足的观察者能够注意到颜色之间的差异
3.5<ΔE<5颜色之间的显着差异
5<ΔE观察者看到两种完全不同的颜色
根据色差公式,在混淆线中选取颜色的方法步骤如下:
1)依据混淆线选择色觉缺陷类别:红色盲、绿色盲和蓝色盲;
2)选择生成的两组作为内容与背景的颜色数量(通常为两到三种颜色);
3)在CIELab颜色空间中,基于设备颜色范围内随机选择与所选色觉缺陷相对应的混淆轴上的点,该点A(a,b)表示内容的颜色,再以A点为中心,JND定义的距离(4<ΔE<5.5)的线段上选择剩余的颜色;
4)在JND定义的距离(5<ΔE)(基于点A)以外中随机选择另一点B(c,d)表示背景的颜色,在以B点为中心,JND定义的距离(4<ΔE<5.5)的线段上选择剩余的颜色;
5)保存选择的颜色,并从步骤103开始重复场景,直到生成足够数量的颜色数量。
在完成颜色选取后,依据三种不同类别分别将所得到的内容图案和背景颜色的RGB值输入作为数组,依据步骤105得到的数组I定义的前景内容图案和背景通过逻辑定义后,绘图时分别随机调用两组或三组颜色数组中的值作为颜色属性进行随机填充,并得到结果图。
本发明通过不断随机生成符合条件限制的圆形组成石原测试板的内容,不仅丰富了内容多样性,还为色盲的检测增添便利,让检测过程更加丰富多样。该算法不仅保存了图案的自然性和细节性,而且还具有内容的拓展性,可以在低成本或便携式设备上实现。
具体实施例:
如图4所示为上述算法生成石原测试板的示例图。图4(a)所示为原始测试板,图4(b)所示为采用原始测试板所生成的‘菱形’,图4(d)所示为未完成填色的石原测设板,中心为一个菱形,在未填色之前无法将其与背景区分开。图4(c)(e)(f)分别为其他的生成测试板示例。
如图5所示为上述算法生成红色盲测试板的示例图。图5(a)所示为3张红色盲测试板,在每张图像中有一个字母‘S’的显著目标,三张石原测试板的内容图案的颜色与背景图案均不同。图5(b)所示为使用计算模型来模拟色觉缺陷患者的颜色感知,,视力正常的人可以很容易地识别出图案内容中的字母‘S’,色觉患者由于缺少辨别对应颜色的锥细胞,无法从相应的测试图(图5(a))中看到相应的内容,大部分图像内容都丢失了,验证了实验生成图像的有效性。
如图6所示为上述算法生成绿色盲测试板的示例图。图6(c)所示为3张红色盲测试板,在每张图像中有一个图案‘飞机’的显著目标,三张石原测试板的内容图案的颜色与背景图案均不同。图6(d)所示为使用计算模型来模拟色觉缺陷患者的颜色感知,,视力正常的人可以很容易地识别出图案内容中的图案‘飞机’,色觉患者由于缺少辨别对应颜色的锥细胞,无法从相应的测试图(图6(c))中看到相应的内容,大部分图像内容都丢失了,验证了实验生成图像的有效性。
如图7所示为上述算法生成红色盲测试板的示例图。图7(e)所示为3张红色盲测试板,在每张图像中有一个图案‘天鹅’的显著目标,三张石原测试板的内容图案的颜色与背景图案均不同。图7(f)所示为使用计算模型来模拟色觉缺陷患者的颜色感知,,视力正常的人可以很容易地识别出图案内容中的图案‘天鹅’,色觉患者由于缺少辨别对应颜色的锥细胞,无法从相应的测试图(图7(e))中看到相应的内容,大部分图像内容都丢失了,验证了实验生成图像的有效性。
本发明公开的石原测试板生成算法,对输入图像的内容的边界进行坐标点选取,并储存为数组。以大圆半径一定比例范围的小圆在大圆盘中进行圆形的填充。通过求解线圆交点问题解决填充圆越过边界和定义内容图案的边界轮廓的问题。通过求解多边形中的点(point inpolygon,PIP)问题求解填充的圆在内容图案内部还是外部。通过CIE94色差公式寻找最小可觉差(just noticeable difference,JND)依据混淆线进行颜色选择并填充。该算法不仅保存了图案的自然性和细节性,而且还具有内容的拓展性,可以在低成本或便携式设备上实现。本方法直接自动生成石原测试板,明显优于传统的手绘方法。
本发明还提供了一种基于蒙特卡洛算法的石原测试板生成系统,包括:
边界确定模块,用于选取内容图案的轮廓坐标点,得到多条内容图边界;
大圆生成模块,用于生成一个半径为设置值的大圆,所述内容图案在所述大圆内;
填充模块,用于在所述大圆内随机填充满足多组约束条件的小圆;所述小圆的半径是所述大圆的半径按照比例缩小的;
判断模块,用于判断各小圆是否穿过各所述内容图边界;
移除模块,用于当小圆穿过各所述内容图边界时进行移除;
保留模块,用于当小圆没有穿过各所述内容图边界时进行保留,得到多个有效圆;
有效圆所属区域确定模块,用于通过穿越数算法确定各所述有效圆的所属区域;
颜色选取及填充模块,用于依据CIE94色差公式基于色盲混淆线进行颜色的选取,并对各所述有效圆的所属区域进行填色,生成石原测试板。
所述有效圆所属区域确定模块具体包括:
划分单元,用于根据所述内容图边界划分前景区域和背景区域;
确定单元,用于通过穿越数算法确定前景区域和背景区域中的有效圆。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于蒙特卡洛算法的石原测试板生成方法,其特征在于,包括:
选取内容图案的轮廓坐标点,得到多条内容图边界;
生成一个半径为设置值的大圆,所述内容图案在所述大圆内;
在所述大圆内随机填充满足多组约束条件的小圆;所述小圆的半径是所述大圆的半径按照比例缩小的;
判断各小圆是否穿过各所述内容图边界;
若是,则移除;
若否,则保留,得到多个有效圆;
通过穿越数算法确定各所述有效圆的所属区域;
依据CIE94色差公式基于色盲混淆线进行颜色的选取,并对各所述有效圆的所属区域进行填色,生成石原测试板。
2.根据权利要求1所述的基于蒙特卡洛算法的石原测试板生成方法,其特征在于,基于笛卡尔坐标系对输入图像的轮廓坐标点进行选取。
4.根据权利要求1所述的基于蒙特卡洛算法的石原测试板生成方法,其特征在于,所述通过穿越数算法确定各所述有效圆的所属区域,具体包括:
根据所述内容图边界划分前景区域和背景区域;
通过穿越数算法确定前景区域和背景区域中的有效圆。
6.一种基于蒙特卡洛算法的石原测试板生成系统,其特征在于,包括:
边界确定模块,用于选取内容图案的轮廓坐标点,得到多条内容图边界;
大圆生成模块,用于生成一个半径为设置值的大圆,所述内容图案在所述大圆内;
填充模块,用于在所述大圆内随机填充满足多组约束条件的小圆;所述小圆的半径是所述大圆的半径按照比例缩小的;
判断模块,用于判断各小圆是否穿过各所述内容图边界;
移除模块,用于当小圆穿过各所述内容图边界时进行移除;
保留模块,用于当小圆没有穿过各所述内容图边界时进行保留,得到多个有效圆;
有效圆所属区域确定模块,用于通过穿越数算法确定各所述有效圆的所属区域;
颜色选取及填充模块,用于依据CIE94色差公式基于色盲混淆线进行颜色的选取,并对各所述有效圆的所属区域进行填色,生成石原测试板。
7.根据权利要求6所述的基于蒙特卡洛算法的石原测试板生成系统,其特征在于,基于笛卡尔坐标系对输入图像的轮廓坐标点进行选取。
9.根据权利要求1所述的基于蒙特卡洛算法的石原测试板生成方法,其特征在于,所述有效圆所属区域确定模块具体包括:
划分单元,用于根据所述内容图边界划分前景区域和背景区域;
确定单元,用于通过穿越数算法确定前景区域和背景区域中的有效圆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110777622.5A CN113362321B (zh) | 2021-07-09 | 2021-07-09 | 一种基于蒙特卡洛算法的石原测试板生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110777622.5A CN113362321B (zh) | 2021-07-09 | 2021-07-09 | 一种基于蒙特卡洛算法的石原测试板生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362321A true CN113362321A (zh) | 2021-09-07 |
CN113362321B CN113362321B (zh) | 2024-03-08 |
Family
ID=77538685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110777622.5A Active CN113362321B (zh) | 2021-07-09 | 2021-07-09 | 一种基于蒙特卡洛算法的石原测试板生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362321B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140019059A1 (en) * | 2012-07-13 | 2014-01-16 | Medical Care Corporation | Mapping Cognitive to Functional Ability |
CN107689052A (zh) * | 2017-07-11 | 2018-02-13 | 西安电子科技大学 | 基于多模型融合和结构化深度特征的视觉目标跟踪方法 |
CN111429547A (zh) * | 2020-04-27 | 2020-07-17 | 中国人民解放军空军工程大学 | 一种基于假同色搜索的异常色觉测试图合成方法 |
-
2021
- 2021-07-09 CN CN202110777622.5A patent/CN113362321B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140019059A1 (en) * | 2012-07-13 | 2014-01-16 | Medical Care Corporation | Mapping Cognitive to Functional Ability |
CN107689052A (zh) * | 2017-07-11 | 2018-02-13 | 西安电子科技大学 | 基于多模型融合和结构化深度特征的视觉目标跟踪方法 |
CN111429547A (zh) * | 2020-04-27 | 2020-07-17 | 中国人民解放军空军工程大学 | 一种基于假同色搜索的异常色觉测试图合成方法 |
Non-Patent Citations (1)
Title |
---|
张银娟;褚孟洋;沈超;王兵;胡文东;刘喜文;: "FM100孟塞尔色觉测试系统的设计与应用", 医疗卫生装备, no. 03 * |
Also Published As
Publication number | Publication date |
---|---|
CN113362321B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rogowitz et al. | How not to lie with visualization | |
Bestelmeyer et al. | Sex-contingent face aftereffects depend on perceptual category rather than structural encoding | |
Flatla et al. | " So that's what you see" building understanding with personalized simulations of colour vision deficiency | |
Ma et al. | Effects of lighting CCT and illuminance on visual perception and task performance in immersive virtual environments | |
Cooper et al. | Fractal analysis of street vistas: a potential tool for assessing levels of visual variety in everyday street scenes | |
US9480925B2 (en) | Image construction game | |
Brainard et al. | The perception of colour and material in naturalistic tasks | |
Ennis et al. | Geometrical structure of perceptual color space: Mental representations and adaptation invariance | |
CN111429547B (zh) | 一种基于假同色搜索的异常色觉测试图合成方法 | |
US6362823B1 (en) | Intellectual structure for single-point visual representation of n-dimensional points using broken-line parallel coordinates | |
Wu et al. | The composition of visual texture design on surface for color vision deficiency (CVD) | |
Stark et al. | Systemizing colour for conceptual modeling | |
US11094093B2 (en) | Color processing program, color processing method, color sense inspection system, output system, color vision correction image processing system, and color vision simulation image processing system | |
CN113362321A (zh) | 一种基于蒙特卡洛算法的石原测试板生成方法及系统 | |
O’Donell et al. | Colour information improves relative visual performance | |
Kuehni | Color spaces and color order systems: a primer | |
Harding et al. | Learning to use illumination gradients as an unambiguous cue to three dimensional shape | |
Soranzo | Simultaneous color contrast | |
Suwannatat et al. | Interactive visualization of retinal astrocyte images | |
JP5762276B2 (ja) | 多彩模様塗膜の膜厚変動による色差の予測方法 | |
JP4544578B2 (ja) | コンピュータを用いた欠陥検査方法及び欠陥検査装置 | |
KR20060066079A (ko) | 착색 콘택트 렌즈의 디자인 방법 | |
Żyszkowska | Visual features of cartographic representation in map perception | |
MATSUDA et al. | Gathering and Repetition of the Elements in an Image Affect the Perception of Order and Disorder | |
JP6393063B2 (ja) | 加齢毛穴の鑑別方法及び化粧料の評価方法 |
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 |