CN113989137A - 一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法 - Google Patents

一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法 Download PDF

Info

Publication number
CN113989137A
CN113989137A CN202111225523.2A CN202111225523A CN113989137A CN 113989137 A CN113989137 A CN 113989137A CN 202111225523 A CN202111225523 A CN 202111225523A CN 113989137 A CN113989137 A CN 113989137A
Authority
CN
China
Prior art keywords
image
channel
pixel
facial skin
mask
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
Application number
CN202111225523.2A
Other languages
English (en)
Other versions
CN113989137B (zh
Inventor
刘盼
高红蕊
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.)
Wuhan Boshi Electronic Co ltd
Original Assignee
Wuhan Boshi Electronic Co ltd
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 Wuhan Boshi Electronic Co ltd filed Critical Wuhan Boshi Electronic Co ltd
Priority to CN202111225523.2A priority Critical patent/CN113989137B/zh
Publication of CN113989137A publication Critical patent/CN113989137A/zh
Application granted granted Critical
Publication of CN113989137B publication Critical patent/CN113989137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • 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
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/20172—Image enhancement details
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

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

本发明公开了一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法包括以下步骤，步骤一，在PL光下获取脸部肌肤图像，并利用曲线函数增强图像；步骤二，利用自动对比度对图像进行增强；步骤三，图像色彩空间变换得到mask图像；步骤四，利用增强型CLAHE算法对mask图像去雾增强；步骤五，对mask图像进行RGB颜色合成并进行再次增强；步骤六，再次利用增强型CLAHE算法对RGB图像去雾增强；步骤七，获得棕区光谱的图像。本方法针对现有的肌肤图像处理算法计算量大、运行耗时、识别率不高的问题，简化了图像处理技术，通过本方法对肌肤图片进行处理，获得炎症棕区光谱图像，更为直观、精准的显示图像上的炎症情况。

Description

一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法
技术领域
本发明涉及图像处理技术领域，尤其涉及一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法。
背景技术
部肌肤色素沉着识别技术以独有的处理方式，对客户脸部肌肤进行全面检查，显现那些用肉眼看的到的及难以辨别的肌肤炎症问题。针对肌肤图像的处理技术的发展，将会对肌肤图像的识别具有重要意义。现有技术的肌肤炎症图像处理算法普遍存在计算量大、运行耗时、识别率不高的问题。
发明内容
为了解决上述技术所存在的不足之处，本发明提供了一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法。
为了解决以上技术问题，本发明采用的技术方案是：一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：包括以下步骤，
步骤一，在PL光下获取脸部肌肤图像，并利用曲线函数增强图像；
步骤二，利用自动对比度对图像进行增强；
步骤三，图像色彩空间变换得到mask图像；
步骤四，利用增强型CLAHE算法对mask图像去雾增强；
步骤五，对mask图像进行RGB颜色合成并进行再次增强
步骤六，再次利用增强型CLAHE算法对RGB图像去雾增强；
步骤七，获得棕区光谱的图像。
进一步地，步骤一中获取脸部肌肤图像为脸部肌肤PL图像，采用的曲线函数为贝塞尔三次样条插值曲线函数。
进一步地，步骤二把步骤一增强后的图像分别做LAB通道分离、HSV通道分离。
进一步地，步骤二拷贝一份步骤一中增强后的图像，并记作Mat1，把Mat1图像的RGB色彩空间转换成LAB色彩空间形成LAB图像，图像LAB转换为32位浮点数，并把值转换成0-1闭区间小数，提取LAB图像的B通道图像，并记作MatB，对MatB利用自动对比度对图像进行加强；把Mat1图像的RGB色彩空间转换成HSV色彩空间形成HSV图像，HSV图像转换为32位浮点数，并把值转换成0-1闭区间小数；提取HSV图像的V通道图像，并记作MatV；新建一张空白图像，并记作Mat，与步骤一中获取脸部肌肤图像大小相同；把Mat分割成HSV通道；
Figure BDA0003313780330000021
把Mat的H、S、V通道像素值同时扩大255倍，并转化为8bit无符号类型数据，最终把HSV图像转换为RGB图像，作为棕色增强的图像。
进一步地，对图像MatB利用自动对比度对图像进行加强，具体步骤为：①把MatB图像像素值转换为32位浮点型数据；
②把MatB图像的所有像素值，从小到大依次排列，求出调和后的最小值min、最大值max；
③当自动对比度参数percent＝0.0时，像素的最小值、最大值为本图像像素的最小值、最大值；
④当自动对比度参数0.0＜percent≤1.0时，
⑤min＝sort_result.at＜float＞(0,(int)row×col×percent)；
⑥max＝sort_result.at＜float＞(0,(int)row×col×(1.0-percent))；
其中，row是图像MatB的行数、col是图像MatB的列数；因为数字都是0到1，所以，所有数字都是浮点型的，即：float；图像MatB所有像素值的集合记作：sort_result,一共有row乘以col个，是一行，row乘以col列个元素；sort_result中，最小值就是min，sort_result中，最大值就是max；
⑦对图像的每一个像素进行循环：
⑧如果此像素值小于min，调和后的像素值为零；
⑨如果此像素值大于max，调和后的像素值为1；
⑩其余，对图像的每一个像素值，调和后的像素值为：
Figure BDA0003313780330000031
进一步地，步骤三中，mask图像的变换过程有：把图像在RGB模式下，分割成R通道、G通道、B通道图像；在LAB模式下，分割成G通道、a通道、b通道图像；根据公式得到特征mask图像，mask图像的数字变现方式为：
Figure BDA0003313780330000041
其中，b为b通道图像下对应的像素值，G为G通道图像下对应的像素值，B为B通道图像下对应的像素值。
进一步地，mask图像的像素点用gray表示，其mask特征放大的数学公式为：
gray＝-0.00009685×gray3+0.03784×gray2-2.673×gray+48.12
其中，如果gray值小于零，gray＝0；如果gray值大于255，gray＝255；如果gray值大于0且小于255，gray值不变，把所有gray值重新赋值给mask所对应的像素值。
进一步地，步骤四利用增强型CLAHE算法对mask图像去雾增强方式输入原图进行图像分块；计算子图像块的CDF，映射函数；逐像素根据插值原则，进行插值运算；输出处理结果图；其中，CLAHE算法的增强系数为：颜色平衡参数为：50；局部系数参数为：100；
裁剪千分比参数为：8；
图像HSV转换为32位浮点数，并把值转换成0-1闭区间小数；
新建一张空白图像MatHSV，与步骤一中获取脸部肌肤图像大小相同。
进一步地，步骤五把图像分割成H通道、S通道、V通道；对mask所有像素点进行循环；把H通道扩大180倍，并转化为8bit无符号类型；把S通道扩大255倍，并转化为8bit无符号类型；把V通道扩大255倍，并转化为8bit无符号类型；把图像的HSV模式转化为RGB模式下的图像。
本发明公开了提供了一种脸部肌肤图像色素沉着提取并形成棕区光谱的处理算法，用来解决现有算法计算量大、运行耗时、识别率不高的问题。
附图说明
图1为本发明的流程示意图。
图2为本发明具体实施的详细流程示意图。
图3为本发明实施例所采集的脸部肌肤PL图像。
图4为本发明实施例所获得的包含棕区光谱的图像。
具体实施方式
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所示的脸部肌肤图像色素沉着提取并形成棕区光谱的方法，包括以下步骤，
步骤一，在PL光下利用皮肤拍摄云镜或思图图像设备实现拍摄获取脸部肌肤图像并利用贝塞尔三次样条插值曲线函数增强图像；其中，贝塞尔三次样条插值曲线函数的输入输出参数为[55,27,140,146]；
步骤二，利用自动对比度对图像进行增强；图像分别做LAB通道分离、HSV通道分离；具体的，步骤二拷贝一份步骤一中增强后的图像，并记作Mat1，把Mat1图像的RGB色彩空间转换成LAB色彩空间形成LAB图像，图像LAB转换为32位浮点数，并把值转换成0-1闭区间小数，提取LAB图像的B通道图像，并记作MatB，对MatB利用自动对比度对图像进行加强；把Mat1图像的RGB色彩空间转换成HSV色彩空间形成HSV图像，HSV图像转换为32位浮点数，并把值转换成0-1闭区间小数；提取HSV图像的V通道图像，并记作MatV；新建一张空白图像，并记作Mat，与步骤一中获取脸部肌肤图像大小相同；把Mat分割成HSV通道；
Figure BDA0003313780330000061
把Mat的H、S、V通道像素值同时扩大255倍，并转化为8bit无符号类型数据，最终把HSV图像转换为RGB图像，作为棕色增强的图像。
对图像MatB利用自动对比度对图像进行加强，具体步骤为：
①把MatB图像像素值转换为32位浮点型数据；
②把MatB图像的所有像素值，从小到大依次排列，求出调和后的最小值min、最大值max；
③当自动对比度参数percent＝0.0时，像素的最小值、最大值为本图像像素的最小值、最大值；
④当自动对比度参数0.0＜percent≤1.0时，
⑤min＝sort_result.at＜float＞(0,(int)row×col×percent)；
⑥max＝sort_result.at＜float＞(0,(int)row×col×(1.0-percent))；
其中，row是图像MatB的行数、col是图像MatB的列数；因为数字都是0到1，所以，所有数字都是浮点型的，即：float；图像MatB所有像素值的集合记作：sort_result,一共有row乘以col个，是一行，row乘以col列个元素；sort_result中，最小值就是min，sort_result中，最大值就是max；
⑦对图像的每一个像素进行循环：循环的是对图像的每个像素点，重新赋值，这样的结果，图像比原来的图像更清晰，对比度更好；
⑧如果此像素值小于min，调和后的像素值为零；
⑨如果此像素值大于max，调和后的像素值为1；
⑩对MatB图像的所有像素循环，对每一行，从第一行到最后一行row行的每个元素；对每一列，从第一列到最后一列的col列的每个元素；当此点的像素值小于min时，此点MatB的像素值记为min；当此点的像素值大于max时，此点MatB的像素值记为1；对于其它像素点的计算是：
Figure BDA0003313780330000071
步骤三，针对棕色增强的图像，色彩空间变换得到mask图像；步骤三中，mask图像的变换过程有：把图像在RGB模式下，分割成R通道、G通道、B通道图像；在LAB模式下，分割成G通道、a通道、b通道图像；根据公式得到特征mask图像，mask图像的数字变现方式为：
Figure BDA0003313780330000072
其中，b为b通道图像下对应的像素值，G为G通道图像下对应的像素值，B为B通道图像下对应的像素值。
进一步地，mask图像的像素点用gray表示，其mask特征放大的数学公式为：
gray＝-0.00009685×gray3+0.03784×gray2-2.673×gray+48.12
其中，如果gray值小于零，gray＝0；如果gray值大于255，gray＝255；如果gray值大于0且小于255，gray值不变，把所有gray值重新赋值给mask所对应的像素值。
步骤四，步骤四利用增强型CLAHE算法对mask图像去雾增强方式输入原图进行图像分块；计算子图像块的CDF，映射函数；逐像素根据插值原则，进行插值运算；输出处理结果图；其中，CLAHE算法的增强系数为：颜色平衡参数为：50；局部系数参数为：100；裁剪千分比参数为：8；
图像HSV转换为32位浮点数，并把值转换成0-1闭区间小数；新建一张空白图像MatHSV，与原图像大小相同；步骤五的结果，描绘到空白图像上。
步骤五，对mask图像进行RGB颜色合成。
把图像分割成H通道、S通道、V通道；
对mask所有像素点进行循环；
本要求内需要的参数为；
float cs0＝0.00；
float cs1＝15.00；
float cs2＝115.00；
float cs3＝190.00；
float cs4＝255.00；
float a0＝0.00；
float a1＝10.00/180.00；
float a2＝14.00/180.00；
float a3＝10.00/180.00；
float a4＝0.00；
float b0＝0；
float b1＝0.01；
float b2＝0.5；
float b3＝0.99；
float b4＝1；
float c0＝1.00；
float c1＝240.00/255.00；
float c2＝125.00/255.00；
float c3＝100.00/255.00；
float c4＝96.00/255.00；
如果mask的像素小于cs1时；
Figure BDA0003313780330000091
Figure BDA0003313780330000092
Figure BDA0003313780330000093
如果mask的像素大于等于cs1，并且小于cs2时；
Figure BDA0003313780330000101
Figure BDA0003313780330000102
Figure BDA0003313780330000103
如果mask的像素大于等于cs2，并且小于cs3时；
Figure BDA0003313780330000104
Figure BDA0003313780330000105
Figure BDA0003313780330000106
如果mask的像素大于等于cs3，并且小于cs4时；
Figure BDA0003313780330000107
Figure BDA0003313780330000108
Figure BDA0003313780330000109
把H通道扩大180倍，并转化为8bit无符号类型；
把S通道扩大255倍，并转化为8bit无符号类型；
把V通道扩大255倍，并转化为8bit无符号类型；
把图像的HSV模式转化为RGB模式下的图像；
float cs0＝0.00；
float cs1＝15.00；
float cs2＝115.00；
float cs3＝190.00；
float cs4＝255.00；
float a0＝0.00；
float a1＝10.00/180.00；
float a2＝14.00/180.00；
float a3＝10.00/180.00；
float a4＝0.00；
float b0＝0；
float b1＝0.01；
float b2＝0.5；
float b3＝0.99；
float b4＝1；
float c0＝1.00；
float c1＝240.00/255.00；
float c2＝125.00/255.00；
float c3＝100.00/255.00；
float c4＝96.00/255.00；
以上，cs0到cs4是把0-255区间分成四部分；a0到a4是把0-14-0分成四部分，然后每项除以180，因为180是H的最大值；b0到b4是把0-1分成4部分，c0到c4是所需要的节点参数，是0-1范围内的数。
步骤六，再次利用增强型CLAHE算法对RGB图像去雾增强；
步骤七，获得棕区光谱的图像。
【实施例】
利用思图肌肤图像拍摄设备采集脸部肌肤PL图像，采集到的PL图像如图3所示，所拍摄的照片虽十分清晰，但难以直接且直观的展现出脸部炎症情况；利用本发明所公开的脸部肌肤图像炎症提取并形成棕区光谱的方法对图3进行处理，最终得到如图4所示的包含炎症棕区光谱的图像，图4的原始图像为泛红的图片(图中未呈现出来)，通过图4可以直观、清晰、精准的查看到肌肤图像上的炎症情况。
上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。

Claims (9)

1.一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：包括以下步骤，
步骤一，在PL光下获取脸部肌肤图像，并利用曲线函数增强图像；
步骤二，利用自动对比度对图像进行增强；
步骤三，图像色彩空间变换得到mask图像；
步骤四，利用增强型CLAHE算法对mask图像去雾增强；
步骤五，对mask图像进行RGB颜色合成并进行再次增强
步骤六，再次利用增强型CLAHE算法对RGB图像去雾增强；
步骤七，获得棕区光谱的图像。
2.根据权利要求1所述的脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：所述步骤一中获取脸部肌肤图像为脸部肌肤PL图像，采用的曲线函数为贝塞尔三次样条插值曲线函数。
3.根据权利要求2所述的脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：所述步骤二把步骤一增强后的图像分别做LAB通道分离、HSV通道分离。
4.根据权利要求1所述的脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：所述步骤二拷贝一份步骤一中增强后的图像，并记作Mat1，把Mat1图像的RGB色彩空间转换成LAB色彩空间形成LAB图像，图像LAB转换为32位浮点数，并把值转换成0-1闭区间小数，提取LAB图像的B通道图像，并记作MatB，对MatB利用自动对比度对图像进行加强；把Mat1图像的RGB色彩空间转换成HSV色彩空间形成HSV图像，HSV图像转换为32位浮点数，并把值转换成0-1闭区间小数；提取HSV图像的V通道图像，并记作MatV；新建一张空白图像，并记作Mat，与步骤一中获取脸部肌肤图像大小相同；把Mat分割成HSV通道；
Figure FDA0003313780320000021
把Mat的H、S、V通道像素值同时扩大255倍，并转化为8bit无符号类型数据，最终把HSV图像转换为RGB图像，作为棕色增强的图像。
5.根据权利要求4所述的脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：所述对图像MatB利用自动对比度对图像进行加强，具体步骤为：①把MatB图像像素值转换为32位浮点型数据；
②把MatB图像的所有像素值，从小到大依次排列，求出调和后的最小值min、最大值max；
③当自动对比度参数percent＝0.0时，像素的最小值、最大值为本图像像素的最小值、最大值；
④当自动对比度参数0.0＜percent≤1.0时，
⑤min＝sort_result.at＜float＞(0,(int)row×col×percent)；
⑥max＝sort_result.at＜float＞(0,(int)row×col×(1.0-percent))；
其中，row是图像MatB的行数、col是图像MatB的列数；因为数字都是0到1，所以，所有数字都是浮点型的，即：float；图像MatB所有像素值的集合记作：sort_result,一共有row乘以col个，是一行，row乘以col列个元素；sort_result中，最小值就是min，sort_result中，最大值就是max；
⑦对图像的每一个像素进行循环：
⑧如果此像素值小于min，调和后的像素值为零；
⑨如果此像素值大于max，调和后的像素值为1；
⑩其余，对图像的每一个像素值，调和后的像素值为：
Figure FDA0003313780320000031
6.根据权利要求1所述的脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：所述步骤三中，mask图像的变换过程有：把图像在RGB模式下，分割成R通道、G通道、B通道图像；在LAB模式下，分割成G通道、a通道、b通道图像；根据公式得到特征mask图像，mask图像的数字变现方式为：
Figure FDA0003313780320000032
其中，b为b通道图像下对应的像素值，G为G通道图像下对应的像素值，B为B通道图像下对应的像素值。
7.根据权利要求6所述的脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：所述mask图像的像素点用gray表示，其mask特征放大的数学公式为：
gray＝-0.00009685×gray3+0.03784×gray2-2.673×gray+48.12
其中，如果gray值小于零，gray＝0；如果gray值大于255，gray＝255；如果gray值大于0且小于255，gray值不变，把所有gray值重新赋值给mask所对应的像素值。
8.根据权利要求1所述的脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：步骤四利用增强型CLAHE算法对mask图像去雾增强方式输入原图进行图像分块；计算子图像块的CDF，映射函数；逐像素根据插值原则，进行插值运算；输出处理结果图；其中，CLAHE算法的增强系数为：颜色平衡参数为：50；局部系数参数为：100；
裁剪千分比参数为：8；
图像HSV转换为32位浮点数，并把值转换成0-1闭区间小数；
新建一张空白图像MatHSV，与步骤一中获取脸部肌肤图像大小相同。
9.根据权利要求8所述的脸部肌肤图像色素沉着提取并形成棕区光谱的方法，其特征在于：步骤五把图像分割成H通道、S通道、V通道；对mask所有像素点进行循环；把H通道扩大180倍，并转化为8bit无符号类型；把S通道扩大255倍，并转化为8bit无符号类型；把V通道扩大255倍，并转化为8bit无符号类型；把图像的HSV模式转化为RGB模式下的图像。
CN202111225523.2A 2021-10-21 2021-10-21 一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法 Active CN113989137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111225523.2A CN113989137B (zh) 2021-10-21 2021-10-21 一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111225523.2A CN113989137B (zh) 2021-10-21 2021-10-21 一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法

Publications (2)

Publication Number Publication Date
CN113989137A true CN113989137A (zh) 2022-01-28
CN113989137B CN113989137B (zh) 2024-07-26

Family

ID=79739844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111225523.2A Active CN113989137B (zh) 2021-10-21 2021-10-21 一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法

Country Status (1)

Country Link
CN (1) CN113989137B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173259A (zh) * 2023-08-31 2023-12-05 深圳伯德睿捷健康科技有限公司 人脸皮肤色素沉着分析方法、系统及计算机可读存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140026747A (ko) * 2012-08-23 2014-03-06 중앙대학교 산학협력단 Ｈｓｖ 색상 공간에서 영상의 안개 제거 장치 및 방법, 그리고 그 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체
CN105825485A (zh) * 2016-03-30 2016-08-03 努比亚技术有限公司 一种图像处理系统和方法
US20160335750A1 (en) * 2013-12-07 2016-11-17 Razzor Technologies Inc. Adaptive contrast in image processing and display
CN106846276A (zh) * 2017-02-06 2017-06-13 上海兴芯微电子科技有限公司 一种图像增强方法及装置
CN109658343A (zh) * 2018-11-05 2019-04-19 天津大学 结合颜色转换和自适应曝光的水下图像增强方法
CN110047051A (zh) * 2019-04-24 2019-07-23 郑州轻工业学院 一种非均匀照明彩色图像增强方法
CN110136084A (zh) * 2019-05-16 2019-08-16 哈尔滨工业大学（深圳） 基于离散小波变换的自动clahe图像增强方法、装置、系统及存储介质
CN110599426A (zh) * 2019-09-19 2019-12-20 南京工程学院 一种优化clahe的水下图像增强方法
WO2020147245A1 (zh) * 2019-01-18 2020-07-23 平安科技（深圳）有限公司 基于眼底彩照图像的图像优化方法及相关设备
CN112348749A (zh) * 2020-10-21 2021-02-09 淮阴工学院 一种基于自适应Gamma函数和改进型CLAHE的图像去雾方法
CN112348754A (zh) * 2020-10-30 2021-02-09 南京邮电大学 一种低照度彩色图像增强方法及装置
CN112598607A (zh) * 2021-01-06 2021-04-02 安徽大学 基于改进加权clahe的内窥镜图像血管增强算法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140026747A (ko) * 2012-08-23 2014-03-06 중앙대학교 산학협력단 Ｈｓｖ 색상 공간에서 영상의 안개 제거 장치 및 방법, 그리고 그 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체
US20160335750A1 (en) * 2013-12-07 2016-11-17 Razzor Technologies Inc. Adaptive contrast in image processing and display
CN105825485A (zh) * 2016-03-30 2016-08-03 努比亚技术有限公司 一种图像处理系统和方法
WO2017166886A1 (zh) * 2016-03-30 2017-10-05 努比亚技术有限公司 一种图像处理系统和方法
CN106846276A (zh) * 2017-02-06 2017-06-13 上海兴芯微电子科技有限公司 一种图像增强方法及装置
CN109658343A (zh) * 2018-11-05 2019-04-19 天津大学 结合颜色转换和自适应曝光的水下图像增强方法
WO2020147245A1 (zh) * 2019-01-18 2020-07-23 平安科技（深圳）有限公司 基于眼底彩照图像的图像优化方法及相关设备
CN110047051A (zh) * 2019-04-24 2019-07-23 郑州轻工业学院 一种非均匀照明彩色图像增强方法
CN110136084A (zh) * 2019-05-16 2019-08-16 哈尔滨工业大学（深圳） 基于离散小波变换的自动clahe图像增强方法、装置、系统及存储介质
CN110599426A (zh) * 2019-09-19 2019-12-20 南京工程学院 一种优化clahe的水下图像增强方法
CN112348749A (zh) * 2020-10-21 2021-02-09 淮阴工学院 一种基于自适应Gamma函数和改进型CLAHE的图像去雾方法
CN112348754A (zh) * 2020-10-30 2021-02-09 南京邮电大学 一种低照度彩色图像增强方法及装置
CN112598607A (zh) * 2021-01-06 2021-04-02 安徽大学 基于改进加权clahe的内窥镜图像血管增强算法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MUNISH KUMAR，ET AL: "Fusion of RGB and HSV colour space for foggy image quality enhancement", MULTIMEDIA TOOLS AND APPLICATIONS, vol. 78, 29 August 2018 (2018-08-29), pages 9791 *
张璞等: "基于CLAHE变换的低对比度图像增强改进算法", 青岛大学学报（工程技术版）, vol. 26, no. 4, 15 December 2011 (2011-12-15), pages 57 - 60 *
曹绪民等: "基于亮度对比度增强与饱和度补偿的快速图像去雾算法", 计算机辅助设计与图形学学报, no. 10, 15 October 2018 (2018-10-15), pages 1925 - 1934 *
王秋云等: "基于Lab色彩空间改进的多尺度Retinex图像增强算法", 中国刑警学院学报, no. 01, 20 February 2020 (2020-02-20), pages 123 - 128 *
魏德志，梁光明: "基于改进的CLAHE 显微细胞图像增强算法", 计算机技术与发展, vol. 28, no. 10, 28 May 2018 (2018-05-28), pages 111 - 114 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173259A (zh) * 2023-08-31 2023-12-05 深圳伯德睿捷健康科技有限公司 人脸皮肤色素沉着分析方法、系统及计算机可读存储介质

Also Published As

Publication number Publication date
CN113989137B (zh) 2024-07-26

Similar Documents

Publication Publication Date Title
CN109147005B (zh) 一种用于红外图像的自适应染色方法、系统、存储介质、终端
Li et al. Example-based image colorization using locality consistent sparse representation
CN107122826A (zh) 用于卷积神经网络的处理方法和系统、和存储介质
CN106023151B (zh) 一种开放环境下中医舌象目标检测方法
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
CN106898026A (zh) 一种图片的主色调提取方法和装置
CN107657619A (zh) 一种低照度林火图像分割方法
CN107204034A (zh) 一种图像处理方法及终端
WO2020038312A1 (zh) 多通道舌体边缘检测装置、方法及存储介质
CN114511567B (zh) 舌体与舌苔图像识别分离方法
CN103996179B (zh) 一种基于单尺度Retinex的快速实时图像增强方法
CN109816629B (zh) 一种基于k-means聚类的苔质分离方法和装置
CN111563866A (zh) 一种多源遥感图像融合方法
CN113989137A (zh) 一种脸部肌肤图像色素沉着提取并形成棕区光谱的方法
CN109615599B (zh) 基于分类选优的双边滤波算法及高光谱图像空谱特征提取方法
CN111340773A (zh) 一种视网膜图像血管分割方法
CN113538422B (zh) 一种基于染色强度矩阵的病理图像自动分类方法
CN112184696B (zh) 一种细胞核和细胞器计数及其面积计算方法与系统
Yu et al. Decolorization algorithm based on contrast pyramid transform fusion
CN113077405A (zh) 二分割分块的颜色传递及其质量评价体系
CN116597029B (zh) 一种针对色盲的图像重着色方法
CN112950453A (zh) 图像处理方法和图像处理装置
Al-Ameen Expeditious contrast enhancement for grayscale images using a new swift algorithm
CN107424134A (zh) 图像处理方法、装置、计算机可读存储介质和计算机设备
CN113989138B (zh) 一种脸部肌肤图像炎症提取并形成红区光谱的方法

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