CN115345788B - 提高色觉异常者视觉下图像颜色对比度的方法与装置 - Google Patents
提高色觉异常者视觉下图像颜色对比度的方法与装置 Download PDFInfo
- Publication number
- CN115345788B CN115345788B CN202210867782.3A CN202210867782A CN115345788B CN 115345788 B CN115345788 B CN 115345788B CN 202210867782 A CN202210867782 A CN 202210867782A CN 115345788 B CN115345788 B CN 115345788B
- Authority
- CN
- China
- Prior art keywords
- color
- vision
- image
- color vision
- under
- 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
Links
- 230000004456 color vision Effects 0.000 title claims abstract description 114
- 230000004438 eyesight Effects 0.000 title claims abstract description 53
- 230000005856 abnormality Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 238000013459 approach Methods 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims description 8
- 206010013886 Dysaesthesia Diseases 0.000 claims description 5
- 208000035824 paresthesia Diseases 0.000 claims description 5
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000002945 steepest descent method Methods 0.000 claims description 3
- 101100391182 Dictyostelium discoideum forI gene Proteins 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000008447 perception Effects 0.000 abstract description 3
- 208000006992 Color Vision Defects Diseases 0.000 description 17
- 201000007254 color blindness Diseases 0.000 description 15
- 201000004569 Blindness Diseases 0.000 description 13
- 201000000761 achromatopsia Diseases 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 239000003086 colorant Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 206010008795 Chromatopsia Diseases 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 201000000763 red color blindness Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
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
提高色觉异常者视觉下图像颜色对比度的方法，在L*a*b*彩色空间，确定色觉异常者视觉下容易产生颜色混淆的区域，并计算L*、a*和b*分量；对L*分量即亮度值进行修正，当正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异趋近于零，得到最优亮度修正值；设定不同参数值输出相应结果，得到最优输出图像。本发明还提供了提高色觉异常者视觉下图像颜色对比度的装置，本发明基于方差调节图像亮度对比度，使得拥有正常色觉的观察者和色觉异常的观察者对于同一幅图像的颜色对比度感知相同，从而达到提高色觉异常者观察者对图像颜色辨别能力的目的。
Description
技术领域
本发明属于图像处理技术领域，特别涉及一种提高色觉异常者视觉下图像颜色对比度的方法与装置。
背景技术
造成色觉异常例如色盲或者色弱的原因主要是视锥细胞的变异或者是缺失，在缺失视锥细胞的情况下，患者对于自然光谱中的某些颜色就失去了应有的辨识能力，从而形成了色觉异常。到目前为止，研究者对色觉异常者进行了大量研究并且提出很多有效的矫正方法，试图去减少色觉异常者日常生活中辨色的困扰。例如，在色盲模型方面，根据视觉的三通道模型，研究者提出了几种不同的色盲模型，如：Vienot F等人提出了基于。MS色彩空间的红绿色盲仿真模型，Nakauchi S等人提出了色盲的多层神经网络模型，E.Martin C等人提出了色盲及正常视觉系统模型，Wachtler T等人提出了二色视觉彩色感知模型，马煜等人提出了基于BP神经网络的色盲治疗模型，但是受限于目前的医疗水平，研究者从图像处理领域寻找突破口。现有技术中也有不少人应用图像处理技术，对图像的色彩进行一定的变换，然后将变换过的图像给色盲患者观察，使用图像处理方法进行色盲矫正，从操作的可行性，对人体的无害性、安全性上看，具有很高的价值.在众多矫正方法中，有些通过改变原始颜色去实现，有些通过修改亮度去实现，各有各的创新点和缺点。
Milic提出了一种基于混淆线的颜色矫正方法，该方法利用色度信息对输入图像的颜色进行分组并计算每一组的中心颜色；接着，当两种颜色在同一混淆线上分布时，将中心颜色往混淆线垂直方向上的相反方向重新映射；最后，利用重新映射后的中心颜色再去计算组内的其他颜色。Milic的方法对对中心颜色的重新映射范围进行了设定，这样避免了中心颜色产生新的混淆色，但不能避免中心颜色以外的其他颜色之间产生新的混淆色。
Tennenholtz提出了一种基于相似性的自然对比度增强技术，虽然也是针对色觉异常者颜色混淆色区域进行处理，但是并没有排除掉图像中色觉异常者能够区分出来的非彩色部分。
何志良等人提出基于图像分割的局部色盲矫正方法，结合K-means和系统聚类算法对原图像进行分割，并计算各个区域在色盲图像下LAB颜色空间中的欧氏距离作为颜色相似性的度量，确定红绿色盲难以分辨的颜色区域，最后将该区域替换成亮度一致且颜色区分度大的颜色，从而实现色盲图像校正的目的。但是对于较大的图像时，算法的速度较慢。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种提高色觉异常者视觉下图像颜色对比度的方法与装置，基于方差调节图像对比度，使得拥有正常色觉的观察者和色觉异常的观察者对于同一幅图像的颜色对比度感知相同，从而达到提高色觉异常者观察者对图像颜色辨别能力的目的。
为了实现上述目的，本发明采用的技术方案是：
提高色觉异常者视觉下图像颜色对比度的方法，包括如下步骤：
S1，在L*a*b*彩色空间，确定色觉异常者视觉下容易产生颜色混淆的区域，并对该区域的像素值进行计算，得到L*分量、a*分量和b*分量；
S2，对所得L*分量即亮度值进行修正，当正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异趋近于零，得到最优亮度修正值；所述二色觉下的结果图像即色觉异常者视觉下的图像；
S3，设定不同参数值输出相应结果，得到最优输出图像。
本发明还提供了提高色觉异常者视觉下图像颜色对比度的装置，基于上述方法，包括：
输入模块，用于输入图像；
运算模块，用于根据所述输入图像，计算最优亮度修正值，并得到最优输出图像；
输出模块，用于输出所述最优输出图像；
通信模块，用于输入模块与运算模块之间以及运算模块与输出模块之间的数据传输。
在一个实施例中，所述输入模块为摄像头，所述运算模块搭载于处理器，所述输出模块为显示屏。
在一个实施例中，所述摄像头为智能手机摄像头，所述处理器为所述智能手机的处理器，所述显示屏为所述智能手机的显示屏。
在一个实施例中，所述摄像头为可穿戴设备摄像头，所述处理器为智能手机或VR设备的处理器，所述显示屏为所述智能手机或VR设备的显示屏。
与现有技术相比，本发明的有益效果是：
1、由于仅色觉异常者无法辨别区域的亮度值进行了修改，不仅可以有效地提高色觉异常者视觉下图像的颜色对比度，同时还能保持原始图像的自然性，从而提高色觉异常者患者对的辨识能力。
2、本发明基于最速下降法获得最优修正值，没有用到复杂的算法，具有相当快的计算速度。
附图说明
图1是本发明流程图。
图2为输入图像：(a)红线条，(b)数字“74”，(c)绿线条，(d)图像“15”，输入图片来源于石原氏色盲检测图。
图3为图2中输入图像(a)-(d)分别对应的红色盲仿真图。
图4为图2中输入图像(a)-(d)分别对应的绿色盲仿真图。
图5中(a)-(d)是K型色觉下的Protanopia类型(红色盲)亮度修正后正常色觉下观察到的结果图像。
图6中(a)-(d)分别是图5中(a)-(d)的K型色觉下的Protanopia类型(红色盲)的结果图像。
图7中(a)-(d)是K型色觉下的Deuteranopia类型(绿色盲)亮度修正后正常色觉下的结果图像。
图8中(a)-(d)分别是图7中(a)-(d)的K型色觉下的Deuteranopia类型(绿色盲)结果类型。
具体实施方式：
下面结合附图对本发明做详细叙述。
本发明主要针对色觉异常者不易识别的图像进行研究，通过修改色觉异常者容易产生颜色混淆区域的像素值，改变图像的亮度值，增强对比度，使正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异趋近于零，即正常色觉的邻域方差与二色觉相等，也就是说，要实现的理想结果是正常色觉观察者和色觉异常者对于同一幅图像的颜色对比度感知相同，从而达到提高色觉异常者患者对于图像的辨别能力的目的。
具体地，参考图1，本发明提高色觉异常者视觉下图像颜色对比度的方法，将图像像素的亮度值进行修改，从而增强图像颜色的明暗反差程度，达到颜色矫正的目的，其包括如下步骤：
S1，在L*a*b*彩色空间，确定色觉异常者视觉下容易产生颜色混淆的区域，并对该区域的像素值进行计算，得到L*分量、a*分量和b*分量。
一幅图像的某一像素在L*a*b*彩色空间中的值由L*、a*、b*三个分量构成，而色觉异常者由于缺失a*轴上的值，把缺失的部分称之为色觉异常者容易产生颜色混淆的区域。本发明中，色觉异常者视觉下容易产生颜色混淆的区域具体通过如下方法确定：
计算正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异差异/>若无限接近于0，则色觉异常者能够区分相应像素区域，若不为零且相差超过两个像素的最大颜色距离β，则色觉异常者无法区分相应像素区域，该像素区域即色觉异常者视觉下容易产生颜色混淆的区域，所述输入图像为彩色图像。参数β表示色觉异常者视觉不能分辨清楚两个像素时，这两个像素的最大颜色距离，本发明中，β取值为5。
的计算公式如下：
其中，表示正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异，n表示输入图像的像素数量，/>表示在L*a*b*彩色空间中，二色觉下的结果图像的第i个目标像素与其邻域内混淆色像素的方差，/>表示在L*a*b*彩色空间中，正常色觉下的输入图像的第i个目标像素与其邻域内混淆色像素的方差。K表示P-类型色觉(红色盲)或D-类型色觉(绿色盲)，N表示正常色觉。
Si,ρ表示第i个目标像素与其邻域内像素的棋盘距离相差小于等于ρ(ρ分别取值为5、10、15)的集合，m表示集合Si,ρ中的元素个数，表示正常色觉下第j个像素的亮度值，表示正常色觉下集合Si,ρ中所有像素的L*均值(在L*通道的亮度均值)，/>表示正常色觉下第j个像素在a通道的色度值，/>表示正常色觉下集合Si,ρ中所有像素的a*均值(在a通道的色度均值)，/>表示正常色觉下第j个像素在b通道的色度值，/>表示正常色觉下集合Si,ρ中所有像素的b*均值(在b通道的色度均值)；
表示二色觉下第j个像素的理想亮度值，/>表示二色觉下集合Si,ρ中所有像素的L*均值(理想亮度均值)，/>表示二色觉下第j个像素的a通道理想色度值，/>表示二色觉下集合Si,ρ中所有像素的a*均值(a通道理想色度均值)，/>表示二色觉下第j个像素的b通道理想色度值，/>表示二色觉下集合Si,ρ中所有像素的b*均值(b通道理想色度均值)；
θ为压缩参数，用于将的取值范围压缩到与/>相同的范围内。在正常视觉下，一幅图像的某一像素在L*a*b*彩色空间中的值由L*、a*、b*三个分量构成，而红-绿色觉异常者对应地缺失a*轴上的值。因此，/>和/>的取值范围是不同的，/>的范围相对于/>而言较大，需要通过压缩函数将/>的取值范围适当缩小，二者之间才可以再进行运算。
二色觉下的理想亮度值L′*计算公式如下：
表示输入图像中第i个像素的亮度值、a通道色度值、b通道色度值，c1、c2是对图像像素的亮度值进行调整的参数，L′*是色觉异常者患者理想的亮度值，通过参数c1、c2对图像像素的亮度值进行调整时，要将a*、b*轴的信息考虑在内，参数c1、c2将通过优化迭代得到最优解。
S2，对所得L*分量即亮度值进行修正，当正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异趋近于零，得到最优亮度修正值；其中二色觉下的结果图像即色觉异常者视觉下的图像。
本步骤中，以为目标函数，并利用最速下降法得到目标函数的最优解，也即图像混淆区域的像素亮度值的最优修正值，表达如下：
c1 (t+1)＝c1 (t)+μ1 (t)
c2 (t+1)＝c2 (t)+μ2 (t)
式中，Rn为n维实数集，是最优化后的结果图像，也即最终的输出图像；
参数c1、c2将通过优化迭代得到最优解，最优化过程通过计算更新量进行迭代实现，其中c1 (t+1)表示c1第t+1次迭代结果，c2 (t+1)表示c2第t+1次迭代结果，c1 (t)表示e1第t次迭代结果，c2 (t)表示c2第t次迭代结果。
μ1是参数c1的迭代更新量，μ2是参数c2的迭代更新量；μ1 (t)是参数e1的第t次迭代更新量，μ2 (t)是参数c2的第t次迭代更新量。
τ作为迭代结束的判断条件，其是更新量的平方。当τ小于给定参数ε时，目标函数获得最优解。参数ε的取值将在具体的实验过程中做出合理的设定。
S3，设定不同参数值输出相应结果，得到最优输出图像。
通过设定几组不同的参数值进行实验，选出每组输出的结果图像效果最好的参数值，得到最优输出图像。
在混淆区域的判定条件中涉及三个参数，分别是α、β、γ。参数α代表正常视觉能够分辨清楚两个像素时，这两个像素的最小颜色距离；参数β是色觉异常者视觉不能分辨清楚两个像素时，这两个像素的最大颜色距离；参数γ是正常视觉不能分辨清楚两个像素时，这两个像素的最大颜色距离。为了不将测试图像中的非彩色背景考虑在内，在实验过程中设置参数δ，只对大于参数δ的像素进行处理本发明。
本发明的一个具体实施例如图2至图8，在图2中，示出了四种输入图像，分别为：a)红线条，b)数字“74”，c)绿线条，d)图像“15”，输入图像来源于石原氏色盲检测图。
图3中a)-d)为图2中输入图像a)-d)分别对应的红色盲仿真图。图4中a)-d)为图2中输入图像a)-d)分别对应的绿色盲仿真图。仿真图模拟了色觉异常者视觉下的彩色图像，图像中的信息对于相应的色觉异常者(如红色盲或绿色盲)来说是无法识别的。
图5中a)-d)为K型色觉下的Protanopia类型(红色盲)亮度修正后正常色觉下观察到的结果图像。分别为：a)红线条，b)数字“74”，c)绿线条，d)图像“15”。经过该方法处理后，只修改了亮度信息，色度信息并未修改，所以在正常视觉下修改后的结果图与原始输入图像只存在亮度差异。
图6中a)-d)分别是图5中a)-d)的K型色觉下的Protanopia类型(红色盲)的结果图像。分别为：a)红线条，b)数字“74”，c)绿线条，d)图像“15”。经过该方法处理后，图像中的颜色信息已可以被红色盲获取，即，红色盲已可以识别出其中的内容。
图7中a)-d)是K型色觉下的Deuteranopia类型(绿色盲)亮度修正后正常色觉下的结果图像。分别为：a)红线条，b)数字“74”，c)绿线条，d)图像“15”。经过该方法处理后，只修改了亮度信息，色度信息并未修改，所以在正常视觉下修改后的结果图与原始输入图像只存在亮度差异。
图8中a)-d)分别是图7中a)-d)的K型色觉下的Deuteranopia类型(绿色盲)结果类型。分别为：a)红线条，b)数字“74”，c)绿线条，d)图像“15”。经过该方法处理后，图像中的颜色信息可以被绿色盲获取，即，绿色盲已可以识别出其中的内容。
最终本发明设定参数值如下：
红色觉异常者：(α,β,γ,δ,ρ,θ,ε)＝(15,5,5,5,5,500,0.4)
绿色觉异常者：(α,β,γ,δ,ρ,θ,ε)＝(25,5,5,5,5,1500,0.1)
本发明还提供了相应的提高色觉异常者视觉下图像颜色对比度的装置，包括：
输入模块，用于输入图像；
运算模块，用于根据所述输入图像，计算最优亮度修正值，并得到最优输出图像；
输出模块，用于输出最优输出图像；
通信模块，用于输入模块与运算模块之间以及运算模块与输出模块之间的数据传输.
本发明中，输入模块一般可为摄像头，例如智能手机摄像头，或者可穿戴设备例如头盔、眼镜等装置上配备的摄像头。
运算模块显然可以搭载于各种类型的处理器，常见如智能手机的处理器，或者VR设备以及其它可穿戴设备的处理器。例如在本发明中采用了AMD Ryzen7 5800H withRadeon Graphics作为处理器，其具有16GB内存，并具有NVIDIA GeForce GTX 1650的GPU，完全能够满足计算要求。
输出模块则为显示屏，即，它的作用是将最终的图像呈现，常见如智能手机的显示屏，或VR设备的显示屏。当然，也可以为pc机显示器。
由此，本发明的通信模块可以根据具体情况采用有线或者无线的通信方式，例如，在采用智能手机摄像头、智能手机处理器和智能手机显示屏时，显然采用的是全有线的通信结构，即，利用手机扫描获取原始输入图像，在处理后，结果在显示屏上显示。
又例如，在采用智能手机摄像头、PC机处理器或云端处理器时，显然输入模块与运算模块之间的通信应为无线通信，在运算模块处理得到输出图像之后，可以通过有线或者无线方式，将结果在PC机显示器或者智能手机显示屏上显示。
在采用VR设备时，具有同样的道理。
Claims (6)
1.提高色觉异常者视觉下图像颜色对比度的方法，其特征在于，包括如下步骤：
S1，在L*a*b*彩色空间，确定色觉异常者视觉下容易产生颜色混淆的区域，并对该区域的像素值进行计算，得到L*分量、a*分量和b*分量；
S2，对所得L*分量即亮度值进行修正，当正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异趋近于零，得到最优亮度修正值；所述二色觉下的结果图像即色觉异常者视觉下的图像；
S3，设定不同参数值输出相应结果，得到最优输出图像；
其中：
所述S1中，计算正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异，该差异若无限接近于0，则色觉异常者能够区分相应像素区域，若不为零且相差超过两个像素的最大颜色距离β，则色觉异常者无法区分相应像素区域，该像素区域即色觉异常者视觉下容易产生颜色混淆的区域，所述输入图像为彩色图像；
所述正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异通过如下公式计算：
其中，表示正常色觉下的输入图像和二色觉下的结果图像之间的像素方差的差异，n表示输入图像的像素数量，/>表示在L*a*b*彩色空间中，二色觉下的结果图像的第i个目标像素与其邻域内混淆色像素的方差，/>表示在L*a*b*彩色空间中，正常色觉下的输入图像的第i个目标像素与其邻域内混淆色像素的方差，K表示P-类型色觉或D-类型色觉，N表示正常色觉；
Si,ρ表示第i个目标像素与其邻域内像素的棋盘距离相差小于等于ρ的集合，m表示集合Si,ρ中的元素个数，表示正常色觉下第j个像素的亮度值，/>表示正常色觉下集合Si,ρ中所有像素的L*均值，/>表示正常色觉下第j个像素在a通道的色度值，/>表示正常色觉下集合Si,ρ中所有像素的a*均值，/>表示正常色觉下第j个像素在b通道的色度值，/>表示正常色觉下集合Si,ρ中所有像素的b*均值；
表示二色觉下第j个像素的理想亮度值，/>表示二色觉下集合Si,ρ中所有像素的L*均值，/>表示二色觉下第j个像素的a通道理想色度值，/>表示二色觉下集合Si,ρ中所有像素的a*均值，/>表示二色觉下第j个像素的b通道理想色度值，/>表示二色觉下集合Si,ρ中所有像素的b*均值；
θ为压缩参数，用于将的取值范围压缩到与/>相同的范围内；
二色觉下的理想亮度值L′*计算公式如下：
表示输入图像中第i个像素的亮度值、a通道色度值、b通道色度值，c1、c2是对图像像素的亮度值进行调整的参数，通过优化迭代得到最优解；
所述S2中，以为目标函数，并利用最速下降法得到目标函数的最优解，也即图像混淆区域的像素亮度值的最优修正值，表达如下：
c1 (t+1)＝c1 (t)+μ1 (t)
c2 (t+1)＝c2 (t)+μ2 (t)
Rn为n维实数集，是最优化后的结果图像，也即最终的输出图像；
c1 (t+1)表示c1第t+1次迭代结果，c2 (t+1)表示c2第t+1次迭代结果，c1 (t)表示c1第t次迭代结果，c2 (t)表示c2第t次迭代结果；
μ1是参数c1的迭代更新量，μ2是参数c2的迭代更新量；μ1 (t)是参数c1的第t次迭代更新量，μ2 (t)是参数c2的第t次迭代更新量；
τ作为迭代结束的判断条件，当τ小于给定参数ε时，目标函数获得最优解。
2.根据权利要求1所述提高色觉异常者视觉下图像颜色对比度的方法，其特征在于，所述S3中，通过设定几组不同的参数值进行实验，选出每组输出的结果图像效果最好的参数值，得到最优输出图像。
3.根据权利要求2所述提高色觉异常者视觉下图像颜色对比度的方法，其特征在于，设定参数值如下：
红色觉异常者：(α,β,γ,δ,ρ,θ,ε)＝(15,5,5,5,5,500,0.4)
绿色觉异常者：(α,β,γ,δ,ρ,θ,ε)＝(25,5,5,5,5,1500,0.1)。
4.提高色觉异常者视觉下图像颜色对比度的装置，基于权利要求1所述提高色觉异常者视觉下图像颜色对比度的方法，包括：
输入模块，用于输入图像；
运算模块，用于根据所述输入图像，计算最优亮度修正值，并得到最优输出图像；
输出模块，用于输出所述最优输出图像；
通信模块，用于输入模块与运算模块之间以及运算模块与输出模块之间的数据传输。
5.根据权利要求4所述提高色觉异常者视觉下图像颜色对比度的装置，其特征在于，所述输入模块为摄像头，所述运算模块搭载于处理器，所述输出模块为显示屏。
6.根据权利要求5所述提高色觉异常者视觉下图像颜色对比度的装置，其特征在于，所述摄像头为智能手机摄像头，所述处理器为所述智能手机的处理器，所述显示屏为所述智能手机的显示屏；
或者，所述摄像头为可穿戴设备摄像头，所述处理器为智能手机或VR设备的处理器，所述显示屏为所述智能手机或VR设备的显示屏。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210867782.3A CN115345788B (zh) | 2022-07-22 | 2022-07-22 | 提高色觉异常者视觉下图像颜色对比度的方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210867782.3A CN115345788B (zh) | 2022-07-22 | 2022-07-22 | 提高色觉异常者视觉下图像颜色对比度的方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115345788A CN115345788A (zh) | 2022-11-15 |
| CN115345788B true CN115345788B (zh) | 2024-02-20 |
Family
ID=83949156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210867782.3A Active CN115345788B (zh) | 2022-07-22 | 2022-07-22 | 提高色觉异常者视觉下图像颜色对比度的方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115345788B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116309161B (zh) * | 2023-03-17 | 2024-03-19 | 内蒙古工业大学 | 一种改善色觉缺陷者感知图像颜色对比度的方法与装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1453008A1 (en) * | 2003-02-28 | 2004-09-01 | Océ-Technologies B.V. | Cocverted digital colour image with improved colour distinction for colour-blinds |
| JP2005346273A (ja) * | 2004-06-01 | 2005-12-15 | Yutaka Osumi | 色覚異常者への色存在の教示方法および教示プログラム |
| JP2006260323A (ja) * | 2005-03-18 | 2006-09-28 | Toyo Ink Mfg Co Ltd | カラー画像表示方法 |
| KR20140008977A (ko) * | 2012-07-11 | 2014-01-22 | 삼성전자주식회사 | 색각 이상자를 위한 색 변환 방법 및 장치 |
| CN104270588A (zh) * | 2014-09-18 | 2015-01-07 | 华东师范大学 | 一种色盲色觉辅助装置 |
| CN106843782A (zh) * | 2016-12-22 | 2017-06-13 | 珠海格力电器股份有限公司 | 一种调整电子设备图像的颜色的方法及电子设备 |
| KR101768071B1 (ko) * | 2016-03-23 | 2017-08-14 | 고려대학교 산학협력단 | 색약 보정 방법 및 그 장치 |
| KR101931769B1 (ko) * | 2017-09-11 | 2018-12-21 | 세종대학교산학협력단 | 색각 이상자를 위한 영상 보정 방법 및 장치 |
| CN109146811A (zh) * | 2018-08-14 | 2019-01-04 | 长沙全度影像科技有限公司 | 一种彩色图像的自适应对比度增强方法 |
| CN109669660A (zh) * | 2019-02-28 | 2019-04-23 | 深圳市华星光电半导体显示技术有限公司 | 图像处理系统及图像处理方法 |
| 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 |
| CN113129390A (zh) * | 2020-01-10 | 2021-07-16 | 山东工商学院 | 一种基于联合显著性的色盲图像重新着色方法及系统 |
-
2022
- 2022-07-22 CN CN202210867782.3A patent/CN115345788B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1453008A1 (en) * | 2003-02-28 | 2004-09-01 | Océ-Technologies B.V. | Cocverted digital colour image with improved colour distinction for colour-blinds |
| JP2005346273A (ja) * | 2004-06-01 | 2005-12-15 | Yutaka Osumi | 色覚異常者への色存在の教示方法および教示プログラム |
| JP2006260323A (ja) * | 2005-03-18 | 2006-09-28 | Toyo Ink Mfg Co Ltd | カラー画像表示方法 |
| KR20140008977A (ko) * | 2012-07-11 | 2014-01-22 | 삼성전자주식회사 | 색각 이상자를 위한 색 변환 방법 및 장치 |
| CN104270588A (zh) * | 2014-09-18 | 2015-01-07 | 华东师范大学 | 一种色盲色觉辅助装置 |
| KR101768071B1 (ko) * | 2016-03-23 | 2017-08-14 | 고려대학교 산학협력단 | 색약 보정 방법 및 그 장치 |
| CN106843782A (zh) * | 2016-12-22 | 2017-06-13 | 珠海格力电器股份有限公司 | 一种调整电子设备图像的颜色的方法及电子设备 |
| KR101931769B1 (ko) * | 2017-09-11 | 2018-12-21 | 세종대학교산학협력단 | 색각 이상자를 위한 영상 보정 방법 및 장치 |
| CN109146811A (zh) * | 2018-08-14 | 2019-01-04 | 长沙全度影像科技有限公司 | 一种彩色图像的自适应对比度增强方法 |
| CN109669660A (zh) * | 2019-02-28 | 2019-04-23 | 深圳市华星光电半导体显示技术有限公司 | 图像处理系统及图像处理方法 |
| 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 |
| CN113129390A (zh) * | 2020-01-10 | 2021-07-16 | 山东工商学院 | 一种基于联合显著性的色盲图像重新着色方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 基于色觉异常人群的地图色彩设计研究进展;钱梦茹;梁栋栋;吴旭;;测绘通报(01);全文 * |
| 白小双 ; 华一新 ; 崔虎平 ; .面向色觉异常者的电子地图研究与实践.测绘通报.2009,(02),全文. * |
| 面向色觉异常者的电子地图研究与实践;白小双;华一新;崔虎平;;测绘通报(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115345788A (zh) | 2022-11-15 |
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 | |
| WO2020082593A1 (zh) | 增强图像对比度的方法及其装置 | |
| CN104732200B (zh) | 一种皮肤类型和皮肤问题的识别方法 | |
| CN111292257B (zh) | 一种基于Retinex的暗视觉环境下图像增强方法 | |
| CN106548165A (zh) | 一种基于图像分块加权的卷积神经网络的人脸识别方法 | |
| CN111476849B (zh) | 对象颜色识别方法、装置、电子设备以及存储介质 | |
| CN115345788B (zh) | 提高色觉异常者视觉下图像颜色对比度的方法与装置 | |
| CN109919030B (zh) | 黑眼圈类型识别方法、装置、计算机设备和存储介质 | |
| CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
| CN115345802A (zh) | 一种机电设备运行状态远程监控方法 | |
| CN109035377B (zh) | 用于获得适用于激光雕刻的浮雕素描效果图像处理方法 | |
| CN107146258B (zh) | 一种图像显著区域检测方法 | |
| US11657545B2 (en) | Device, method, smart glasses for color vision deficiency correction | |
| CN109242792B (zh) | 一种基于白色物体的白平衡校对方法 | |
| CN105609086A (zh) | 显示界面的亮度调整方法及装置 | |
| CN118195980B (zh) | 一种基于灰度变换的暗部细节增强方法 | |
| CN117746806B (zh) | mini LED背光模组的驱动方法、装置、设备及存储介质 | |
| CN110766636B (zh) | 一种用于ai芯片的智能图像处理方法 | |
| CN110580690B (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
| CN112232205A (zh) | 移动端cpu实时多功能人脸检测方法 | |
| CN111127333B (zh) | 一种改进的面向二色视觉的彩色图像颜色增强方法 | |
| CN113091915A (zh) | 基于人脸识别的自动体温信息采集系统 | |
| CN110726536B (zh) | 一种彩色数码反射显微镜颜色校正方法 | |
| JP3578321B2 (ja) | 画像正規化装置 | |
| CN114170115A (zh) | 基于fpga的直方图均衡化增强图像细节的显示方法 |
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 |