CN114449714A - 基于视觉识别的光色调整方法、装置及电子设备 - Google Patents

基于视觉识别的光色调整方法、装置及电子设备 Download PDF

Info

Publication number
CN114449714A
CN114449714A CN202111625992.3A CN202111625992A CN114449714A CN 114449714 A CN114449714 A CN 114449714A CN 202111625992 A CN202111625992 A CN 202111625992A CN 114449714 A CN114449714 A CN 114449714A
Authority
CN
China
Prior art keywords
image
sub
value
color
determining
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
CN202111625992.3A
Other languages
English (en)
Other versions
CN114449714B (zh
Inventor
彭永鹤
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.)
New Ruipeng Pet Healthcare Group Co Ltd
Original Assignee
New Ruipeng Pet Healthcare Group 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 New Ruipeng Pet Healthcare Group Co Ltd filed Critical New Ruipeng Pet Healthcare Group Co Ltd
Priority to CN202111625992.3A priority Critical patent/CN114449714B/zh
Publication of CN114449714A publication Critical patent/CN114449714A/zh
Application granted granted Critical
Publication of CN114449714B publication Critical patent/CN114449714B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
    • 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
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种基于视觉识别的光色调整方法、装置及电子设备，其中，方法包括：根据待检查宠物的病历信息确定待检查宠物的候选检查区域和检查对象；获取包含候选检查区域的第一图像，确定检查对象在第一图像中的分布信息；根据分布信息在候选检查区域中确定目标检查区域，获取包含目标检查区域的第二图像；根据分布信息对第二图像进行分割处理，得到第一子图像和第二子图像，其中，第一子图像为检查对象在第二图像中对应的区域的图像，第二子图像为第二图像中除去第一子图像后剩下的区域的图像；计算第一子图像的第一平均色值，并计算第二子图像的第二平均色值；根据第一平均色值和第二平均色值确定光色信息，并根据光色信息调整检查灯的光色。

Description

基于视觉识别的光色调整方法、装置及电子设备
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于视觉识别的光色调整方法、装置及电子设备。
背景技术
随着人们生活水平的提高，饲养宠物的家庭越来越多，有些家庭已经把宠物视为家庭的一份子。而由于生活原因，宠物主人在工作外出或携带宠物游玩时时，通常无法及时照看宠物，从而导致宠物磕碰受伤或生病。目前，对于磕碰受伤或生病的宠物，宠物医院通常采用检查灯具照射相应的部位进行检查，以判断宠物病情。但是，现有的检查灯具通常为冷白光或模拟日光，在面对毛色多且杂的各类宠物时，其照明效果往往不能很好的凸显出宠物身上的伤病情况。
发明内容
为了解决现有技术中存在的上述问题，本申请实施方式提供了一种基于视觉识别的光色调整方法、装置及电子设备，可以根据宠物被检查区域的毛色及肤色调整检查灯具的光色，从而更好的凸显出宠物身上的伤病情况。
第一方面，本申请的实施方式提供了一种基于视觉识别的光色调整方法，包括：
根据待检查宠物的病历信息确定待检查宠物的候选检查区域和检查对象，其中，候选检查区域为包括检查对象的最大区域，检查对象由病历信息决定；
获取包含候选检查区域的第一图像，并确定检查对象在第一图像中的分布信息；
根据分布信息在候选检查区域中确定目标检查区域，并获取包含目标检查区域的第二图像；
根据分布信息对第二图像进行分割处理，得到第一子图像和第二子图像，其中，第一子图像为检查对象在第二图像中对应的区域的图像，第二子图像为第二图像中除去第一子图像后剩下的区域的图像；
计算第一子图像的第一平均色值，并计算第二子图像的第二平均色值；
根据第一平均色值和第二平均色值确定光色信息，并根据光色信息调整检查灯的光色。
第二方面，本申请的实施方式提供了一种基于视觉识别的光色调整装置，包括：
区域确定模块，用于根据待检查宠物的病历信息确定待检查宠物的候选检查区域和检查对象，其中，候选检查区域为包括检查对象的最大区域，检查对象由病历信息决定，获取包含候选检查区域的第一图像，并确定检查对象在第一图像中的分布信息，并根据分布信息在候选检查区域中确定目标检查区域，并获取包含目标检查区域的第二图像；
色彩计算模块，用于根据分布信息对第二图像进行分割处理，得到第一子图像和第二子图像，其中，第一子图像为检查对象在第二图像中对应的区域的图像，第二子图像为第二图像中除去第一子图像后剩下的区域的图像，计算第一子图像的第一平均色值，并计算第二子图像的第二平均色值；
光色调整模块，用于根据第一平均色值和第二平均色值确定光色信息，并根据光色信息调整检查灯的光色。
第三方面，本申请实施方式提供一种电子设备，包括：处理器，处理器与存储器相连，存储器用于存储计算机程序，处理器用于执行存储器中存储的计算机程序，以使得电子设备执行如第一方面的方法。
第四方面，本申请实施方式提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序使得计算机执行如第一方面的方法。
第五方面，本申请实施方式提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机可操作来使计算机执行如第一方面的方法。
实施本申请实施方式，具有如下有益效果：
在本申请实施方式中，通过待检查宠物的病历信息确定待检查宠物的候选检查区域和检查对象(即病症对象)，继而获取包含该候选检查区域的第一图像进行识别，确定检查对象在第一图像中的分布信息。基于此，可以根据该分布信息确定需要进行检查的目标检查区域，继而进一步获取包含该目标检查区域的第二图像。然后，再根据该分布信息对第二图像进行分割，得到病症区域(即第一子图像)和正常区域(即第二子图像)，继而计算病症区域的第一平均色值，和正常区域的第二平均色值。最后，根据第一平均色值和第二平均色值确定光色信息，并根据光色信息调整检查灯的光色。由此，时检查灯的光色在接近正常区域的肤色的同时，向病症区域的补色靠近，从而使目标检查区域在该光色的照射下，正常区域的肤色在临近色系的作用下被淡化，而病症区域却在补色色系的作用下更加显眼。继而减轻肤色或毛色对视觉的干扰，将皮肤上的伤病情况，例如：伤痕、藓、斑等凸显出来，提升检查效率。
附图说明
为了更清楚地说明本申请实施方式中的技术方案，下面将对实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施方式提供的一种基于视觉识别的光色调整装置的硬件结构示意图；
图2为本申请实施方式提供的一种基于视觉识别的光色调整方法的流程示意图；
图3为本申请实施方式提供的一种计算第一子图像的第一平均色值的方法的流程示意图；
图4为本申请实施方式提供的一种第一平均色值A和第二平均色值B在色相环中的位置的示意图；
图5为本申请实施方式提供的一种基于视觉识别的光色调整装置的功能模块组成框图；
图6为本申请实施方式提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施方式”意味着，结合实施方式描述的特定特征、结果或特性可以包含在本申请的至少一个实施方式中。在说明书中的各个位置出现该短语并不一定均是指相同的实施方式，也不是与其它实施方式互斥的独立的或备选的实施方式。本领域技术人员显式地和隐式地理解的是，本文所描述的实施方式可以与其它实施方式相结合。
首先，参阅图1，图1为本申请实施方式提供的一种基于视觉识别的光色调整装置的硬件结构示意图。该基于视觉识别的光色调整装置100包括至少一个处理器101，通信线路102，存储器103以及至少一个通信接口104。
在本实施方式中，处理器101，可以是一个通用中央处理器(central processingunit，CPU)，微处理器，特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路102，可以包括一通路，在上述组件之间传送信息。
通信接口104，可以是任何收发器一类的装置(如天线等)，用于与其他设备或通信网络通信，例如以太网，RAN，无线局域网(wireless local area networks，WLAN)等。
存储器103，可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
在本实施方式中，存储器103可以独立存在，通过通信线路102与处理器101相连接。存储器103也可以和处理器101集成在一起。本申请实施方式提供的存储器103通常可以具有非易失性。其中，存储器103用于存储执行本申请方案的计算机执行指令，并由处理器101来控制执行。处理器101用于执行存储器103中存储的计算机执行指令，从而实现本申请下述实施方式中提供的方法。
在可选的实施方式中，计算机执行指令也可以称之为应用程序代码，本申请对此不作具体限定。
在可选的实施方式中，处理器101可以包括一个或多个CPU，例如图1中的CPU0和CPU1。
在可选的实施方式中，该基于视觉识别的光色调整装置100可以包括多个处理器，例如图1中的处理器101和处理器107。这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在可选的实施方式中，若基于视觉识别的光色调整装置100为服务器，例如，可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。则基于视觉识别的光色调整装置100还可以包括输出设备105和输入设备106。输出设备105和处理器101通信，可以以多种方式来显示信息。例如，输出设备105可以是液晶显示器(liquid crystal display，LCD)，发光二级管(light emitting diode，LED)显示设备，阴极射线管(cathode ray tube，CRT)显示设备，或投影仪(projector)等。输入设备106和处理器101通信，可以以多种方式接收用户的输入。例如，输入设备106可以是鼠标、键盘、触摸屏设备或传感设备等。
上述的基于视觉识别的光色调整装置100可以是一个通用设备或者是一个专用设备。本申请实施方式不限定基于视觉识别的光色调整装置100的类型。
其次，需要说明的是，本申请所公开的实施方式可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
以下，将对本申请所公开的基于视觉识别的光色调整方法进行说明：
参阅图2，图2为本申请实施方式提供的一种基于视觉识别的光色调整方法的流程示意图。该基于视觉识别的光色调整方法包括以下步骤：
201：根据待检查宠物的病历信息确定待检查宠物的候选检查区域和检查对象。
在本实施方式中，候选检查区域可以为包括检查对象的最大区域，例如：病例信息中提到该宠物的腹部受伤，则该候选检查区域即为整个腹部；病例信息中提到该宠物得了癣，则该候选检查区域即为该宠物的全身。同时，检查对象可以指病症对象，其由病历信息决定。示例性的，病例信息中提到该宠物的腹部受伤，则检查对象即为伤口；病例信息中提到该宠物得了癣，则检查对象即为癣斑。
202：获取包含候选检查区域的第一图像，并确定检查对象在第一图像中的分布信息。
在本实施方式中，可以通过图像识别的方式确定检查对象在第一图像中的分布信息。示例性的，在确定检查对象的实体后，可以根据病历信息中该宠物的类别、年龄和伤病信息在数据库中匹配对应类别、年龄和伤病信息的历史病历，获取该历史病历的治疗图像。基于此，对这些治疗图像中的检查对象进行特征提取，得到检查对象的图像特征。由此，可以根据该图像特征对第一图像进行识别，确认其中属于检查对象的部分的位置信息和形状信息，作为检查对象在第一图像中的分布信息。
203：根据分布信息在候选检查区域中确定目标检查区域，并获取包含目标检查区域的第二图像。
在本实施方式中，在确定了检查对象在第一图像中的分布信息后，可以以该分布信息确定检查对象的分布区域作为目标检查区域，继而确定该分布区域的中心点。继而以该中心点作为终点将摄像设备向检查对象的分布区域进行移动，直至检查对象的分布区域占据摄像设备中的画面至少70％时，停止移动，获取第二图像。
204：根据分布信息对第二图像进行分割处理，得到第一子图像和第二子图像。
在本实施方式中，第一子图像为检查对象在第二图像中对应的区域的图像，即病症区域的图像；第二子图像为第二图像中除去第一子图像后剩下的区域的图像，即正常区域的图像。具体而言，可以对步骤203中确定的目标检查区域进行边界识别和追踪，继而确定该边界在第二图像中的轨迹，继而根据该轨迹对第二图像进行分割，将轨迹内的区域作为第一子图像，轨迹外的区域作为第二子图像。
205：计算第一子图像的第一平均色值，并计算第二子图像的第二平均色值。
在本实施方式中，摄像设备获取图像时，由于无法避免环境光等其他光效的影响，导致获取到的图像的明度相对较高或较暗，使图像中的色彩与实际色彩之间可能存在一定的误差。基于此，本实施方式中提供了一种计算第一子图像的第一平均色值的方法，以去除拍摄环境中其他光效的影响，获取拍摄对象的实际色彩。具体而言，如图3所示，该方法包括：
301：确定第一子图像的明度通道中的明度值的第一最大值和第一最小值。
在本实施方式中，明度通道指图像的颜色空间下的一个通道，具体而言，图像的颜色空间中包含有多个通道，其中，每一个通道用于表征对应图像的一个色彩特征。而明度通道所表征的肤色候选区域的色彩特征为影调特征，具体而言，即对应图象的明暗层次、虚实对比和色彩的色相明暗等之间的关系。由此，通过亮度通道对图像的影调整并不会影响到图像的色调，继而可以去除图像中环境亮度等对实际色彩的影响，还原图像中物体的本色。同时，在本实施方式中，图像的颜色空间可以是任意一种颜色空间，本实施方式并不对颜色空间的具体类型进行限定。
应理解，在本实施方式中，第一子图像中的每个像素点在各个通道上对应的值是不同的。示例性的，第一子图像中同一个像素点在明度通道上的值可能是1，在色彩通道上的值可能是15。由此，可以根据第一子图像中各个像素点在明度通道上的值确定第一子图像的所有像素点在亮度通道上的最大值和最小值。
302：确定第一子图中明度值大于第一阈值的像素点的第一数量，和明度值小于或等于第一阈值的像素点的第二数量。
在本实施方式中，第一阈值为第一最大值和第一最小值的均值。
303：根据第一数量和第二数量对第一子图像的明度进行调整，得到第三子图像。
在本实施方式中，可以根据第一数量和第二数量，确定第一子图像中每个像素的明度调整值。具体而言，明度调整值可以通过公式①进行表示：
Figure BDA0003437424650000081
其中，Lo’表示第一子图像中第o个像素的明度调整值，Lo表示第o个像素的明度实际值，q表示第一数量，p表示第二数量，a、b为自定义参数，且a、b、o为大于或等于1的整数。
然后，可以根据每个像素的明度调整值，对每个像素进行明度调整，得到第三子图像。具体而言，当第一数量大于第二数量时，即q/p大于1时，将每个像素的明度实际值降低明度调整值，得到第三子图像。示例性的，当q/p大于1时，若第一像素点的实际明度值为0.85，对应的明度调整值为0.12，则调整后的明度值为0.85-0.12，即0.73。当第一数量小于或等于第二数量时，即q/p小于或等于1时，将每个像素的明度实际值提升明度调整值，得到第三子图像。示例性的，当q/p小于或等于1时，若第一像素点的实际明度值为0.85，对应的明度调整值为0.12，则调整后的明度值为0.85+0.12，即0.97。
304：获取第三子图像在RGB通道中的颜色均值，并将颜色均值作为第一子图像的第一平均色值。
在本实施方式中，RGB通道指RGB颜色空间下对应的三个颜色通道：红色通道(Red，R)、绿色通道(Green，G)和蓝色通道(Blue，B)。而R、G、B三色正是三原色，即自然界中肉眼所能看到的任何色彩都可以由这三种色彩混合叠加而成。因此，通过RGB通道，可以得到十分精确的颜色值。
具体而言，可以遍历第三子图像中的每个像素点，将每个像素点的红色通道、绿色通道、以及蓝色通道的颜色值进行累加，得到颜色累加值。然后，将颜色累加值除以每个像素点的总数，得到红色通道、绿色通道、以及蓝色通道的均值。最后，将红色通道、绿色通道、以及蓝色通道的均值，作为第三子图像在RGB通道中的颜色均值。
206：根据第一平均色值和第二平均色值确定光色信息，并根据光色信息调整检查灯的光色。
通常而言，人眼中自然界中物体的颜色是基于光的反射而确定的，具体而言，物体会吸收与自身颜色不同的光，而将与自身颜色相同的光进行反射。所以人眼捕捉到反射光时，由于该反射光中只存在与物体颜色相同的光，因此，人眼看到的物体即为该反射光对应的颜色。基于此，若以物体颜色的互补色光照射物体，由于互补色的特性，物体会将互补色光完全吸收，在人眼中该物体将呈现黑色。而用同色光照射物体时，物体则会将光线完全反射，同时由于光衍射的原因，附近的环境也会染上相应的光色，从而导致物体与环境的颜色相近，产生融于环境的视觉效果。
基于此，在本实施方式中，可以获取第二平均色值，即病症区域的平均色值的互补色值，从而确定该互补色值和第一平均色值在色相环中的夹角，继而根据夹角确定权重。然后，根据该权重将互补色值和第一平均色值加权求和，得到光色信息。具体而言，由于色相环的特性，互补色值和第一平均色值在色相环中的夹角有两个，因此，可以将该两个夹角的比值作为互补色值和第一平均色值的夹角。同时，由于互补色光照射后，相应的区域会呈现纯黑的颜色，从而导致区域内的细节被模糊。因此，在本实施方式中，可以对互补色值赋予较小的权重，而对第一平均色值赋予较大的权重，继而在保证确定的光色靠近第一平均色值使正常区域产生融于环境的视觉效果的同时，使病症区域在靠近互补色值的光线下更加显眼，且不会变成全黑的颜色。
示例性的，图4示出了一种第一平均色值A和第二平均色值B在色相环中的位置。根据色相环的规则，与第二平均色值B夹角180°的色值B’即为互补色值。基于此，则互补色值B’与第一平均色值A的夹角即为C和D，又因为C的角度小于D，则互补色值B’与第一平均色值A之间的权重即为C：D。
综上所述，本发明所提供的基于视觉识别的光色调整方法中，通过待检查宠物的病历信息确定待检查宠物的候选检查区域和检查对象(即病症对象)，继而获取包含该候选检查区域的第一图像进行识别，确定检查对象在第一图像中的分布信息。基于此，可以根据该分布信息确定需要进行检查的目标检查区域，继而进一步获取包含该目标检查区域的第二图像。然后，再根据该分布信息对第二图像进行分割，得到病症区域(即第一子图像)和正常区域(即第二子图像)，继而计算病症区域的第一平均色值，和正常区域的第二平均色值。最后，根据第一平均色值和第二平均色值确定光色信息，并根据光色信息调整检查灯的光色。由此，时检查灯的光色在接近正常区域的肤色的同时，向病症区域的补色靠近，从而使目标检查区域在该光色的照射下，正常区域的肤色在临近色系的作用下被淡化，而病症区域却在补色色系的作用下更加显眼。继而减轻肤色或毛色对视觉的干扰，将皮肤上的伤病情况，例如：伤痕、藓、斑等凸显出来，提升检查效率。
参阅图5，图5为本申请实施方式提供的一种基于视觉识别的光色调整装置的功能模块组成框图。如图5所示，该基于视觉识别的光色调整装置500包括：
区域确定模块501，用于根据待检查宠物的病历信息确定待检查宠物的候选检查区域和检查对象，其中，候选检查区域为包括检查对象的最大区域，检查对象由病历信息决定，获取包含候选检查区域的第一图像，并确定检查对象在第一图像中的分布信息，并根据分布信息在候选检查区域中确定目标检查区域，并获取包含目标检查区域的第二图像；
色彩计算模块502，用于根据分布信息对第二图像进行分割处理，得到第一子图像和第二子图像，其中，第一子图像为检查对象在第二图像中对应的区域的图像，第二子图像为第二图像中除去第一子图像后剩下的区域的图像，计算第一子图像的第一平均色值，并计算第二子图像的第二平均色值；
光色调整模块503，用于根据第一平均色值和第二平均色值确定光色信息，并根据光色信息调整检查灯的光色。
在本发明的实施方式中，在计算第一子图像的第一平均色值方面，色彩计算模块502，具体用于：
确定第一子图像的明度通道中的明度值的第一最大值和第一最小值；
确定第一子图中明度值大于第一阈值的像素点的第一数量，和明度值小于或等于第一阈值的像素点的第二数量，其中，第一阈值为第一最大值和第一最小值的均值；
根据第一数量和第二数量对第一子图像的明度进行调整，得到第三子图像；
获取第三子图像在RGB通道中的颜色均值，并将颜色均值作为第一子图像的第一平均色值。
在本发明的实施方式中，在根据第一数量和第二数量对第一子图像的明度进行调整，得到第三子图像方面，色彩计算模块502，具体用于：
根据第一数量和第二数量，确定第一子图像中每个像素的明度调整值，第一数量、第二数量以及第一子图像中每个像素的明度调整值之间可以通过公式②进行表示：
Figure BDA0003437424650000121
其中，Lo’表示第一子图像中第o个像素的明度调整值，Lo表示第o个像素的明度实际值，q表示第一数量，p表示第二数量，a、b为自定义参数，且a、b、o为大于或等于1的整数；
根据每个像素的明度调整值，对每个像素进行明度调整，得到第三子图像。
在本发明的实施方式中，在根据每个像素的明度调整值，对每个像素进行明度调整，得到第三子图像方面，色彩计算模块502，具体用于：
当第一数量大于第二数量时，将每个像素的明度实际值降低明度调整值，得到第三子图像；
当第一数量小于或等于第二数量时，将每个像素的明度实际值提升明度调整值，得到第三子图像。
在本发明的实施方式中，在获取第三子图像在RGB通道中的颜色均值方面，色彩计算模块502，具体用于：
遍历第三子图像中的每个像素点，将每个像素点的红色通道、绿色通道、以及蓝色通道的颜色值进行累加，得到颜色累加值；
将颜色累加值除以每个像素点的总数，得到红色通道、绿色通道、以及蓝色通道的均值；
将红色通道、绿色通道、以及蓝色通道的均值，作为第三子图像在RGB通道中的颜色均值。
在本发明的实施方式中，在根据第一平均色值和第二平均色值确定光色信息方面，光色调整模块503，具体用于：
获取第二平均色值的互补色值；
确定互补色值和第一平均色值在色相环中的夹角；
根据夹角确定权重；
根据权重将互补色值和第一平均色值加权求和，得到光色信息。
参阅图6，图6为本申请实施方式提供的一种电子设备的结构示意图。如图6所示，电子设备600包括收发器601、处理器602和存储器603。它们之间通过总线604连接。存储器603用于存储计算机程序和数据，并可以将存储器603存储的数据传输给处理器602。
处理器602用于读取存储器603中的计算机程序执行以下操作：
根据待检查宠物的病历信息确定待检查宠物的候选检查区域和检查对象，其中，候选检查区域为包括检查对象的最大区域，检查对象由病历信息决定；
获取包含候选检查区域的第一图像，并确定检查对象在第一图像中的分布信息；
根据分布信息在候选检查区域中确定目标检查区域，并获取包含目标检查区域的第二图像；
根据分布信息对第二图像进行分割处理，得到第一子图像和第二子图像，其中，第一子图像为检查对象在第二图像中对应的区域的图像，第二子图像为第二图像中除去第一子图像后剩下的区域的图像；
计算第一子图像的第一平均色值，并计算第二子图像的第二平均色值；
根据第一平均色值和第二平均色值确定光色信息，并根据光色信息调整检查灯的光色。
在本发明的实施方式中，在计算第一子图像的第一平均色值方面，处理器602，具体用于执行以下操作：
确定第一子图像的明度通道中的明度值的第一最大值和第一最小值；
确定第一子图中明度值大于第一阈值的像素点的第一数量，和明度值小于或等于第一阈值的像素点的第二数量，其中，第一阈值为第一最大值和第一最小值的均值；
根据第一数量和第二数量对第一子图像的明度进行调整，得到第三子图像；
获取第三子图像在RGB通道中的颜色均值，并将颜色均值作为第一子图像的第一平均色值。
在本发明的实施方式中，在根据第一数量和第二数量对第一子图像的明度进行调整，得到第三子图像方面，处理器602，具体用于执行以下操作：
根据第一数量和第二数量，确定第一子图像中每个像素的明度调整值，第一数量、第二数量以及第一子图像中每个像素的明度调整值之间可以通过公式③进行表示：
Figure BDA0003437424650000141
其中，Lo’表示第一子图像中第o个像素的明度调整值，Lo表示第o个像素的明度实际值，q表示第一数量，p表示第二数量，a、b为自定义参数，且a、b、o为大于或等于1的整数；
根据每个像素的明度调整值，对每个像素进行明度调整，得到第三子图像。
在本发明的实施方式中，在根据每个像素的明度调整值，对每个像素进行明度调整，得到第三子图像方面，处理器602，具体用于执行以下操作：
当第一数量大于第二数量时，将每个像素的明度实际值降低明度调整值，得到第三子图像；
当第一数量小于或等于第二数量时，将每个像素的明度实际值提升明度调整值，得到第三子图像。
在本发明的实施方式中，在获取第三子图像在RGB通道中的颜色均值方面，处理器602，具体用于执行以下操作：
遍历第三子图像中的每个像素点，将每个像素点的红色通道、绿色通道、以及蓝色通道的颜色值进行累加，得到颜色累加值；
将颜色累加值除以每个像素点的总数，得到红色通道、绿色通道、以及蓝色通道的均值；
将红色通道、绿色通道、以及蓝色通道的均值，作为第三子图像在RGB通道中的颜色均值。
在本发明的实施方式中，在根据第一平均色值和第二平均色值确定光色信息方面，处理器602，具体用于执行以下操作：
获取第二平均色值的互补色值；
确定互补色值和第一平均色值在色相环中的夹角；
根据夹角确定权重；
根据权重将互补色值和第一平均色值加权求和，得到光色信息。
应理解，本申请中的基于视觉识别的光色调整装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile Internet Devices，简称：MID)、机器人或穿戴式设备等。上述基于视觉识别的光色调整装置仅是举例，而非穷举，包含但不限于上述基于视觉识别的光色调整装置。在实际应用中，上述基于视觉识别的光色调整装置还可以包括：智能车载终端、计算机设备等等。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。
因此，本申请实施方式还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如上述方法实施方式中记载的任何一种基于视觉识别的光色调整方法的部分或全部步骤。例如，所述存储介质可以包括硬盘、软盘、光盘、磁带、磁盘、优盘、闪存等。
本申请实施方式还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施方式中记载的任何一种基于视觉识别的光色调整方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施方式，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施方式均属于可选的实施方式，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述的部分，可以参见其他实施方式的相关描述。
在本申请所提供的几个实施方式中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施方式的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施方式进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施方式的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。

Claims (10)

1.一种基于视觉识别的光色调整方法，其特征在于，所述方法包括：
根据待检查宠物的病历信息确定所述待检查宠物的候选检查区域和检查对象，其中，所述候选检查区域为包括所述检查对象的最大区域，所述检查对象由所述病历信息决定；
获取包含所述候选检查区域的第一图像，并确定所述检查对象在所述第一图像中的分布信息；
根据所述分布信息在所述候选检查区域中确定目标检查区域，并获取包含所述目标检查区域的第二图像；
根据所述分布信息对所述第二图像进行分割处理，得到第一子图像和第二子图像，其中，所述第一子图像为所述检查对象在所述第二图像中对应的区域的图像，所述第二子图像为所述第二图像中除去所述第一子图像后剩下的区域的图像；
计算所述第一子图像的第一平均色值，并计算所述第二子图像的第二平均色值；
根据所述第一平均色值和所述第二平均色值确定光色信息，并根据所述光色信息调整所述检查灯的光色。
2.根据权利要求1所述的方法，其特征在于，所述计算所述第一子图像的第一平均色值，包括：
确定所述第一子图像的明度通道中的明度值的第一最大值和第一最小值；
确定所述第一子图中明度值大于第一阈值的像素点的第一数量，和明度值小于或等于所述第一阈值的像素点的第二数量，其中，所述第一阈值为所述第一最大值和所述第一最小值的均值；
根据所述第一数量和所述第二数量对所述第一子图像的明度进行调整，得到第三子图像；
获取所述第三子图像在RGB通道中的颜色均值，并将所述颜色均值作为所述第一子图像的第一平均色值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一数量和所述第二数量对所述第一子图像的明度进行调整，得到第三子图像，包括：
根据所述第一数量和所述第二数量，确定所述第一子图像中每个像素的明度调整值，所述第一数量、所述第二数量以及所述第一子图像中每个像素的明度调整值之间满足以下公式：
Figure FDA0003437424640000021
其中，Lo’表示所述第一子图像中第o个像素的明度调整值，Lo表示所述第o个像素的明度实际值，q表示所述第一数量，p表示所述第二数量，a、b为自定义参数，且a、b、o为大于或等于1的整数；
根据所述每个像素的明度调整值，对所述每个像素进行明度调整，得到所述第三子图像。
4.根据权利要求3所述的方法，其特征在于，所述根据所述每个像素的明度调整值，对所述每个像素进行明度调整，得到所述第三子图像，包括：
当所述第一数量大于所述第二数量时，将所述每个像素的明度实际值降低所述明度调整值，得到所述第三子图像；
当所述第一数量小于或等于所述第二数量时，将所述每个像素的明度实际值提升所述明度调整值，得到所述第三子图像。
5.根据权利要求2所述的方法，其特征在于，所述获取所述第三子图像在RGB通道中的颜色均值，包括：
遍历所述第三子图像中的每个像素点，将所述每个像素点的红色通道、绿色通道、以及蓝色通道的颜色值进行累加，得到颜色累加值；
将所述颜色累加值除以所述每个像素点的总数，得到所述红色通道、所述绿色通道、以及所述蓝色通道的均值；
将所述红色通道、所述绿色通道、以及所述蓝色通道的均值，作为所述第三子图像在RGB通道中的颜色均值。
6.根据权利要求1所述的方法，其特征在于，所述根据所述第一平均色值和所述第二平均色值确定光色信息，包括：
获取所述第二平均色值的互补色值；
确定所述互补色值和所述第一平均色值在所述色相环中的夹角；
根据所述夹角确定权重；
根据所述权重将所述互补色值和所述第一平均色值加权求和，得到所述光色信息。
7.一种基于视觉识别的光色调整装置，其特征在于，所述装置包括：
区域确定模块，用于根据待检查宠物的病历信息确定所述待检查宠物的候选检查区域和检查对象，其中，所述候选检查区域为包括所述检查对象的最大区域，所述检查对象由所述病历信息决定，获取包含所述候选检查区域的第一图像，并确定所述检查对象在所述第一图像中的分布信息，并根据所述分布信息在所述候选检查区域中确定目标检查区域，并获取包含所述目标检查区域的第二图像；
色彩计算模块，用于根据所述分布信息对所述第二图像进行分割处理，得到第一子图像和第二子图像，其中，所述第一子图像为所述检查对象在所述第二图像中对应的区域的图像，所述第二子图像为所述第二图像中除去所述第一子图像后剩下的区域的图像，计算所述第一子图像的第一平均色值，并计算所述第二子图像的第二平均色值；
光色调整模块，用于根据所述第一平均色值和所述第二平均色值确定光色信息，并根据所述光色信息调整所述检查灯的光色。
8.根据权利要求7所述的装置，其特征在于，在所述计算所述第一子图像的第一平均色值方面，所述色彩计算模块，具体用于：
确定所述第一子图像的明度通道中的明度值的第一最大值和第一最小值；
确定所述第一子图中明度值大于第一阈值的像素点的第一数量，和明度值小于或等于所述第一阈值的像素点的第二数量，其中，所述第一阈值为所述第一最大值和所述第一最小值的均值；
根据所述第一数量和所述第二数量对所述第一子图像的明度进行调整，得到第三子图像；
获取所述第三子图像在RGB通道中的颜色均值，并将所述颜色均值作为所述第一子图像的第一平均色值。
9.一种电子设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述一个或多个程序包括用于执行权利要求1-6任一项方法中的步骤的指令。
10.一种可读计算机存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-6任一项所述的方法。
CN202111625992.3A 2021-12-27 2021-12-27 基于视觉识别的光色调整方法、装置及电子设备 Active CN114449714B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111625992.3A CN114449714B (zh) 2021-12-27 2021-12-27 基于视觉识别的光色调整方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111625992.3A CN114449714B (zh) 2021-12-27 2021-12-27 基于视觉识别的光色调整方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN114449714A true CN114449714A (zh) 2022-05-06
CN114449714B CN114449714B (zh) 2023-08-08

Family

ID=81366233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111625992.3A Active CN114449714B (zh) 2021-12-27 2021-12-27 基于视觉识别的光色调整方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN114449714B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6528954B1 (en) * 1997-08-26 2003-03-04 Color Kinetics Incorporated Smart light bulb
US20080055616A1 (en) * 2006-09-06 2008-03-06 Scott Kevin C Color correction method
US20120155753A1 (en) * 2010-12-20 2012-06-21 Samsung Techwin Co., Ltd. Method and apparatus for estimating light source
US20140272028A1 (en) * 2013-03-15 2014-09-18 Nestec Sa Systems and methods for ordering and manufacturing custom pet food
CN104599235A (zh) * 2015-02-17 2015-05-06 浙江翼信科技有限公司 一种图像处理方法和装置
US20190156526A1 (en) * 2016-12-28 2019-05-23 Shanghai United Imaging Healthcare Co., Ltd. Image color adjustment method and system
CN111784703A (zh) * 2020-06-17 2020-10-16 泰康保险集团股份有限公司 一种图像分割方法、装置、电子设备和存储介质
US20210035483A1 (en) * 2019-07-30 2021-02-04 Samsung Electronics Co., Ltd. Electronic device and control method thereof
CN113706438A (zh) * 2021-03-03 2021-11-26 腾讯科技（深圳）有限公司 一种图像处理的方法、相关装置、设备、系统及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6528954B1 (en) * 1997-08-26 2003-03-04 Color Kinetics Incorporated Smart light bulb
US20080055616A1 (en) * 2006-09-06 2008-03-06 Scott Kevin C Color correction method
US20120155753A1 (en) * 2010-12-20 2012-06-21 Samsung Techwin Co., Ltd. Method and apparatus for estimating light source
US20140272028A1 (en) * 2013-03-15 2014-09-18 Nestec Sa Systems and methods for ordering and manufacturing custom pet food
CN104599235A (zh) * 2015-02-17 2015-05-06 浙江翼信科技有限公司 一种图像处理方法和装置
US20190156526A1 (en) * 2016-12-28 2019-05-23 Shanghai United Imaging Healthcare Co., Ltd. Image color adjustment method and system
US20210035483A1 (en) * 2019-07-30 2021-02-04 Samsung Electronics Co., Ltd. Electronic device and control method thereof
CN111784703A (zh) * 2020-06-17 2020-10-16 泰康保险集团股份有限公司 一种图像分割方法、装置、电子设备和存储介质
CN113706438A (zh) * 2021-03-03 2021-11-26 腾讯科技（深圳）有限公司 一种图像处理的方法、相关装置、设备、系统及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
范应威;马琼;彭瑞云;康宏向;: "基于OCT影像的激光致小鼠皮肤损伤的无创综合评估的初步研究", 中国体视学与图像分析, no. 01 *

Also Published As

Publication number Publication date
CN114449714B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
Wang et al. Smartphone-based wound assessment system for patients with diabetes
US10685215B2 (en) Method and apparatus for recognizing face
TWI777092B (zh) 一種圖像處理方法、電子設備及存儲介質
CN111523438B (zh) 一种活体识别方法、终端设备和电子设备
CN106446873A (zh) 人脸检测方法及装置
CN111860169B (zh) 皮肤分析方法、装置、存储介质及电子设备
CN108323204A (zh) 一种检测人脸瑕疵点的方法和智能终端
US20220058821A1 (en) Medical image processing method, apparatus, and device, medium, and endoscope
CN107106020A (zh) 用于分析并且传输与哺乳动物皮损病有关的数据、图像和视频的系统与方法
CN112017185B (zh) 病灶分割方法、装置及存储介质
CN106372629A (zh) 一种活体检测方法和装置
JP7391267B2 (ja) 医用画像処理方法、装置、機器、記憶媒体及びコンピュータプログラム
CN113222973B (zh) 图像处理方法及装置、处理器、电子设备及存储介质
CN110472582B (zh) 基于眼部识别的3d人脸识别方法、装置和终端
Ren et al. Infrared and visible image fusion based on edge-preserving guided filter and infrared feature decomposition
CN112836625A (zh) 人脸活体检测方法、装置、电子设备
CN116660270A (zh) 电力电缆的检测方法、装置及存储介质
EP4071708B1 (en) Methods and systems for localised smoke removal and color restoration of real-time video
CN114419087A (zh) 病灶图像生成方法、装置、电子设备及存储介质
WO2018223069A1 (en) Bilirubin estimation using sclera color and accessories therefor
CN114449714A (zh) 基于视觉识别的光色调整方法、装置及电子设备
Sivaraman et al. Object recognition under lighting variations using pre-trained networks
CN113593707B (zh) 胃早癌模型训练方法、装置、计算机设备及存储介质
CN113723310B (zh) 基于神经网络的图像识别方法及相关装置
JP2024502338A (ja) 三次元（３ｄ）画像モデルを生成するための皮膚科学的撮像システム及び方法

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