WO2017024787A1 - 一种图像校正方法及装置 - Google Patents

一种图像校正方法及装置 Download PDF

Info

Publication number
WO2017024787A1
WO2017024787A1 PCT/CN2016/074385 CN2016074385W WO2017024787A1 WO 2017024787 A1 WO2017024787 A1 WO 2017024787A1 CN 2016074385 W CN2016074385 W CN 2016074385W WO 2017024787 A1 WO2017024787 A1 WO 2017024787A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
area
attribute information
region
grayscale
Prior art date
Application number
PCT/CN2016/074385
Other languages
English (en)
French (fr)
Inventor
高语函
赵杨威
骆俊谕
Original Assignee
青岛海信电器股份有限公司
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 青岛海信电器股份有限公司 filed Critical 青岛海信电器股份有限公司
Publication of WO2017024787A1 publication Critical patent/WO2017024787A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image

Definitions

  • Embodiments of the present invention relate to the field of image display technologies, and in particular, to an image correction method and apparatus.
  • Medical displays can display color images and grayscale images.
  • a color image is composed of a plurality of color pixels
  • a gray scale image is composed of a plurality of gray scale pixels.
  • Whether a certain pixel in the image is a grayscale pixel or a color pixel is usually determined by determining the values of the three components of the red, blue, and green RGB of the pixel.
  • Medical displays display grayscale images and require digital imaging and communication in medical (DICOM) correction. After displaying color images, gamma (GAMMA) correction is required.
  • DICOM digital imaging and communication in medical
  • GAMMA gamma
  • a doctor often needs to view various data of a patient through a medical display, including color images and grayscale images, to facilitate diagnosis.
  • multiple monitors are required for the doctor to display grayscale images and color images, and each monitor calls different calibration curves for different images to be displayed for correction.
  • the workstation In order to view the data conveniently and reduce the number of displays, the workstation usually uses a display. Therefore, the doctor needs to simultaneously color image and grayscale image on one display, that is, the display needs to be in one Grayscale images and color images are displayed in the same frame.
  • a single GAMMA correction is applied to a pair of images including grayscale images and color images. In this way, the grayscale image included in the image is distorted and the display is inaccurate, thereby causing the doctor to diagnose the error.
  • Embodiments of the present invention provide an image correction method and apparatus for correcting an image and improving an image. The accuracy of the display.
  • An embodiment of the present invention provides an image correction method, including the following steps:
  • the correction is performed using DICOM; if the region is a color image region, the correction is performed using GAMMA.
  • An embodiment of the present invention provides an image correction apparatus, including:
  • a first acquiring unit configured to acquire all boundary information in the image; wherein, the boundary information of the image divides the image into at least one region;
  • a second acquiring unit configured to acquire image attribute information of each area of the image; wherein the image attribute information is a grayscale image area or a color image area;
  • a correcting unit configured to use DICOM for correction for each region in the image if the region is a grayscale image region; and if the region is a color image region, use GAMMA for correction.
  • all boundary information in an image is acquired; wherein the boundary information of the image divides the image into at least one region; acquiring image attribute information of each region of the image; wherein, the image attribute information is a grayscale image Area or color image area; For each area in the image, if the area is a grayscale image area, use DICOM for correction; if the area is a color image area, use GAMM A for correction. Since the correction is performed according to the image attribute information of each region for a plurality of regions in one image, the problem of inaccurate display caused by the correction using a single calibration curve for regions including multiple image attribute information is avoided. , thereby improving the accuracy of display of each area in the image, thereby improving the accuracy of the overall display of the image. On the other hand, since all the boundary information in the image is acquired, and the image is segmented by all the boundary information, the improvement is improved. The accuracy of region division of the image further improves the accuracy of the overall display of the image.
  • FIG. 1 is a schematic diagram of an image according to an embodiment of the present invention.
  • FIG. 2 is a schematic diagram of an image correction method according to an embodiment of the present invention.
  • FIG. 2a is a schematic diagram of various regions after processing FIG. 1 according to an embodiment of the present invention.
  • FIG. 2b is a schematic diagram of one possible image of FIG. 1; [0021] FIG.
  • FIG. 2c is a diagram showing the results obtained using pixel point detection for the image of FIG. 2b;
  • FIG. 2d is a schematic diagram of the boundary information of FIG. 2b;
  • FIG. 2e is a schematic diagram of an image after processing FIG. 2b; [0024] FIG.
  • FIG. 3 is a schematic structural diagram of an image correction apparatus according to an embodiment of the present invention.
  • pixel detection is performed on an image, and is determined according to red (Red, abbreviated as R), green (Green, abbreviated as G), and blue (Blue, abbreviated as B) information of each pixel of the image.
  • R red
  • Green green
  • B blue
  • the pixel is a grayscale pixel or a color pixel
  • the grayscale image region composed of grayscale pixels in one image is corrected by DICOM
  • the color image region composed of the color pixels is corrected by GAMMA.
  • an image includes a plurality of patterns, each of which has boundary information, and the image
  • the boundaries of the various places are susceptible to the boundaries of other patterns or other patterns of the image, which in turn may cause pixel points at various boundaries in the pattern to be easily judged to be erroneous.
  • FIG. 1 exemplarily shows an image including four grayscale image regions, which are respectively irregular cloud block regions 101 in the lower left corner of the image, and are separated by an elliptical region 102 by boundary lines 107.
  • the first irregular region 104 and the second irregular region 105, and the star region 103 in the upper left corner of the image, except for the four grayscale regions, the other portions of the image are the color image regions 100.
  • the pixel points at the boundary of the four gray-scale regions of Fig. 1 are affected by the color region, and the probability of being mistakenly judged as a color pixel point is high.
  • an embodiment of the present invention provides an image correction method, as shown in FIG. 2, including the following steps:
  • Step 201 Acquire all boundary information in the image; where the boundary information of the image divides the image into at least one region;
  • Step 202 Acquire image attribute information of each area of the image; where the image attribute information is a grayscale image area or a color image area;
  • Step 203 For each region in the image, if the region is a grayscale image region, use DICOM for correction; if the region is a color image region, use GAMMA for correction.
  • an image to be displayed received by the display is preferably pre-processed, that is, the image is smoothed to filter out some details and noise interference in the image. In turn, more accurate boundary information of the image can be obtained.
  • the display acquires all boundary information in the image for a received image to be displayed.
  • the image in the embodiment of the present invention may include a plurality of patterns, and the boundaries of each pattern belong to the boundary information of the image.
  • the boundary information of the image in the embodiment of the present invention includes four boundaries of the image.
  • the boundary information of all the patterns in the image and various kinds of images in the image for identification or other purposes Lines, text, etc.
  • There are various ways to obtain the boundary information of the image and all the boundary information in the image can be acquired by using an algorithm in the prior art.
  • the obtained boundary information of the image is automatically divided into the image, and any closed region composed of all the boundary information of the image is an area of the image.
  • a method for preferably determining image attribute information of each area of the image is: acquiring RGB information of each pixel in each area, and determining each area Each pixel is a grayscale pixel or a color pixel. Further, for each region of the image, if the number of color pixel points in the region is greater than the number of grayscale pixel points, the image attribute information of the region is a color image region; if the number of color pixel points in the region is not If the number of pixels is larger than the gray level, the image attribute information of the area is a grayscale image area.
  • a method for preferably determining image attribute information of the image is: acquiring RGB information of each pixel point of all pixels of the entire image, and determining each pixel in the entire image. Whether the point is a grayscale pixel or a color pixel. If the number of all grayscale pixels in the image is greater than the number of all the color pixels, the image attribute information of the image is a grayscale image region; if the number of all grayscale pixels in the image is not greater than all colors The number of pixels, the image attribute information of the image is a color image area.
  • an embodiment of the present invention provides a preferred implementation manner: acquiring image attributes of each area of the image, and splicing the image according to boundary information and image attribute information of each area.
  • the splicing process is specifically: merging regions in which image attribute information is the same and sharing the same segment boundary line into one region.
  • the attribute information of each area in the image is determined, and the image attribute information is a grayscale image area, and the area sharing the same segment boundary line, that is, the adjacent area is spliced.
  • the image attribute information is a color image area, and the area sharing the same segment boundary line, that is, the adjacent area is spliced.
  • the boundary line shared between the adjacent two regions with the same image attribute information is removed.
  • such boundary line may be information such as an identifier, a text, etc., and is effectively removed by the preferred solution. Such information, in turn, more accurately determine the image attribute information in a certain area.
  • the embodiment of the present invention further provides another preferred embodiment, where the image attribute information of the image is determined before the image attribute information of each area of the image is acquired;
  • the image attribute information is a grayscale image area or a color image area; acquiring an image attribute of each area of the image, and performing splicing processing on the image according to boundary information and image attribute information of each area;
  • the splicing process is specifically: splicing the regions of the same segment boundary line into one region different from the image attribute information of the image.
  • the image attribute information of the entire image is: the image is a color image area ⁇ , indicating that the number of all gray level pixels in the image is not greater than the number of all color pixels, that is, in one In an image dominated by color pixels, the total number of gray-scale pixels is small. Therefore, only the image attribute information is a gray-scale pixel area, and the areas sharing the same boundary line are spliced, because a small amount of gray is used. The gradation of the pixel regions is performed, thereby reducing the processing complexity in the splicing process and reducing the amount of calculation of the splicing process.
  • the embodiment of the present invention provides another preferred embodiment: For each region in the image after the splicing process, perform:
  • the image attribute information of the image is a color image area
  • the image attribute information is the area of the grayscale image area. Marking; an area where the area is smaller than the threshold, and the image attribute information is a grayscale image area is not performed Marked, this ⁇ , you can see that the marked area is a gray-scale image area, and there is a smaller gray-scale image area except for the color image area.
  • the area is smaller than the threshold. It may be information such as logos, characters, and the like, and is not information information that really needs to be observed. Therefore, by using the preferred embodiment, the area information different from the image attribute information and having an area not larger than the threshold value can be filtered out, and the information is improved. The accuracy of the segmentation.
  • the marked area is corrected using DIC OM, and all unmarked areas are corrected using GAMMA; or if the image attribute information of the marked area is color For pixels, the marked area is corrected using GAMMA, and all unmarked areas are corrected using DICOM.
  • the area marked in the embodiment of the present invention is a gray-scale image area, and the non-marked area except the color image area includes a gray-scale image area with a small area, and therefore, all the marks are performed.
  • the marked area is corrected by DICOM; for the unmarked area, it is necessary to determine the area and image of all areas where the image attribute is the color image area in all areas that are not marked.
  • the attribute is the size of the area of all the areas of the gray-scale image area. If the area of all the areas where the image attribute is the color image area is large in all the areas that are not marked, the image attributes of all the unmarked areas are judged as color. Image area, and corrected using GAM MA.
  • the color, brightness, or shape information of each area in the color image area may be further determined for the unmarked color image area, and the color image is used for each color image area.
  • the correction curve corresponding to the area is corrected.
  • the red image area in the color image area is corrected using GAMMA 2.2.
  • DICOM DICOM
  • Corrections may include, but are not limited to, DICOM 200, DICOM 400, DICOM 500; GAMMA corrections may include, but are not limited to, GAMMA 1.8, GAMMA 2.0, GAMMA 2.2, GAMMA 2.4.
  • the image of FIG. 1 is pre-processed, that is, smoothed, so as to filter out some details and noise interference, leaving a more obvious outline. Thereafter, the boundary information of the image is acquired using a prior art algorithm. Get image attribute information for each area. That is, four grayscale image areas and color image areas 100 are judged. It can be seen that the area of the color image area 100 in the entire image is large, and therefore, the image attribute information of the image is a color image area.
  • the grayscale image region is the same, and the first irregular region 104 and the second irregular region 105 sharing the same segment boundary line 107 are spliced into one region, and the elliptical region 102 is obtained. Further, the area of all the gray-scale image regions is determined. Since the area of the star-shaped region 103 is not larger than the threshold value, the star-shaped region 103 is not marked, and the finally marked regions are the cloud block region 101 and the elliptical region 102, and the remaining regions are Is the area that is not marked. As shown in Fig. 2a, Fig. 2a exemplarily shows a schematic view of various regions after the processing of Fig. 1.
  • the cloud block area 101 and the elliptical area 102 marked in the image shown in FIG. 2a are subjected to area filling and denoising processing to ensure accurate pixel determination at the boundary in the image.
  • the DICOM curve correction is called;
  • the unmarked image area that is, the color area, the GAMMA curve correction is called, thereby realizing the color image area and Grayscale image areas can be accurately displayed according to their respective standards.
  • FIG. 2b In order to more clearly reflect the specific implementation effects of the above embodiments, the following description is combined with FIG. 2b, FIG. 2c, FIG. 2d, and FIG. 2e:
  • FIG. 2b exemplarily shows one possible image of FIG. 1, as shown in FIG. 2b, the image includes four gray-scale regions, respectively a cloud block region 101, and a boundary line by an elliptical region 102.
  • the first irregular region 104 and the second irregular region 105 obtained by the division of 107, and the star region 103 of the upper left corner of the image, except for the four grayscale regions, the other portions of the image are the color image regions 100.
  • Figure 2b shows the color The situation in which image area 100 may occur.
  • FIG. 2c is a schematic diagram showing the result of using pixel point detection for the image of FIG. 2b.
  • the image in FIG. 2b is judged.
  • the error at the boundary of the four gray-scale regions in 2b is large, and the probability of being mistakenly judged as a color pixel is high.
  • the elliptical area 102 is divided by the boundary line 107, the elliptical area 102 is identified in Fig. 2 as two areas, a first irregular area 104 and a second irregular area 105, respectively.
  • the boundary information of the image is acquired using the algorithm of the prior art, and FIG. 2d exemplarily shows the boundary information of FIG. 2b.
  • the obtained boundary information of the image can accurately reflect the boundary of each pattern in the image.
  • an image as shown in Fig. 2e is obtained.
  • Fig. 2e exemplarily shows an image diagram after processing Fig. 2b.
  • Figure 2e includes cloud block areas 101 and elliptical areas 102 that are marked, as well as other unmarked areas.
  • the boundary information in the image is acquired; wherein the boundary information of the image divides the image into at least one region; and image attribute information of each region of the image is obtained;
  • the image attribute information is a grayscale image area or a color image area; for each area in the image, if the area is a grayscale image area, the correction is performed using DICOM; if the area is a color image area, the correction is performed using GAMMA. Since the correction is performed according to the image attribute information of each region for a plurality of regions in one image, the problem of inaccurate display caused by the correction using a single calibration curve for regions including multiple image attribute information is avoided.
  • FIG. 3 exemplarily shows a schematic structural diagram of an image correcting apparatus according to an embodiment of the present invention.
  • an embodiment of the present invention provides an image correction apparatus, as shown in FIG. 3, for performing the above process, including a first obtaining unit 301, a second obtaining unit 302, and a correcting unit 303:
  • a first obtaining unit configured to acquire all boundary information in the image; wherein, the boundary information of the image divides the image into at least one region;
  • a second acquiring unit configured to acquire image attribute information of each area of the image; wherein, the image attribute information is a grayscale image area or a color image area;
  • a correction unit configured to use DI for each region in the image if the region is a grayscale image region
  • COM performs correction; if the area is a color image area, it is corrected using GAMMA.
  • the second obtaining unit is specifically configured to:
  • the splicing processing is specifically: arranging the same image boundary information and sharing the same boundary line Spliced into one area.
  • the second obtaining unit is further configured to:
  • determining image attribute information of the image wherein the image attribute information is a grayscale image region or a color image region;
  • the correcting unit is specifically configured to:
  • the image is a grayscale image area
  • the image of the marked area is corrected by GAMMA
  • the image of the unmarked area is corrected by DICOM
  • the image of the marked area is corrected by DICOM.
  • the image of the unmarked area is corrected by GAMMA;
  • the manner of determining the image attribute information of the image is:
  • the image attribute information of the image is a grayscale image region; if the number of all grayscale pixels in the image is not greater than all the colored pixels The quantity, the image attribute information of the image is a color image area;
  • the image attribute information of the area is a color image area; if the number of color pixel points in the area is not greater than the number of gray level pixels, the image attribute information of the area is a grayscale image area.
  • all boundary information in an image is acquired; wherein, the boundary information of the image divides the image into at least one region; and image attribute information of each region of the image is obtained;
  • the image attribute information is a grayscale image area or a color image area; for each area in the image, if the area is a grayscale image area, the correction is performed using DICOM; if the area is a color image area, the correction is performed using GAMMA. Since the correction is performed according to the image attribute information of each region for a plurality of regions in one image, the problem of inaccurate display caused by the correction using a single calibration curve for regions including multiple image attribute information is avoided.
  • embodiments of the invention may be provided as a method, or a computer program product. Accordingly, the present invention may take the form of an entirely hardware embodiment, an entirely software embodiment, or a combination of software and hardware. Moreover, the invention can take the form of a computer program product embodied on one or more computer-usable storage media (including but not limited to disk storage, CD-ROM, optical storage, etc.) including computer usable program code.
  • a computer program product embodied on one or more computer-usable storage media (including but not limited to disk storage, CD-ROM, optical storage, etc.) including computer usable program code.
  • These computer program instructions may also be stored in a computer readable memory that can operate in a particular manner by a computer or other programmable data processing device, such that instructions stored in the computer readable memory are generated by an instruction device.
  • the instruction device is implemented in a flow or a flow of a flow chart and / or block diagram a function specified in a box or multiple boxes.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明实施例涉及图像显示技术领域，尤其涉及一种图像校正方法及装置，用以对图像进行校正，提高图像显示的准确度。本发明实施例中，获取图像中的所有边界信息，图像的边界信息将图像分割为至少一个区域，获取图像每个区域的图像属性信息，图像属性信息为灰阶图像区域或彩色图像区域，针对图像中的每个区域，若该区域为灰阶图像区域，则使用DICOM进行校正，若该区域为彩色图像区域，则使用GAMMA进行校正。如此，避免了针对包括多个图像属性信息不同的区域均采用单一校正曲线进行校正的问题，提高了每个区域显示的准确度。又由于所有边界信息将该图像进行区域分割，从而提高了对该图像进行区域划分的准确度。

Description

[0001] 相关申请的交叉引用
[0002] 本申请要求于 2015年 8月 12日提交中国专利局、 申请号为 201510494177.6、 发明 名称为"一种图像校正方法及装置"的中国专利申请的优先权， 其全部内容通过引 用结合在本申请中。
技术领域
[0003] 本发明实施例涉及图像显示技术领域， 尤其涉及一种图像校正方法及装置。
背景技术
[0004] 医疗显示器可显示彩色图像和灰阶图像。 彩色图像由多个彩色像素点组成， 灰 阶图像由多个灰阶像素点组成。 而图像中的某一像素点是灰阶像素点还是彩色 像素点， 通常通过判断该像素点的红蓝绿 RGB三个分量的值来确定， 当该像素 点的 R=G=B吋， 则该像素点为灰阶像素点， 反之， 则该像素点为彩色像素点。 医疗显示器在显示灰阶图像吋， 需要进行医学数字图像和通信标准 （Digital Imaging and Communications in Medicine , 简称 DICOM) 校正， 在显示彩色图像 吋， 需要进行伽马 （GAMMA) 校正。
[0005] 具体实施中， 医生往往需要通过医疗显示器査看病人的各种资料， 包括彩色图 像和灰阶图像， 以便于进行诊断。 如此， 则需为医生配置多台显示器， 用于分 别显示灰阶图像和彩色图像， 且每个显示器针对不同的待显示图像分别调用不 同的校正曲线进行校正。
[0006] 为了观察资料方便， 且减少显示器的数量， 工作站通常使用一台显示器， 此吋 ， 医生需要在一台显示器上同吋彩色图像和灰阶图像， 也就是说， 该台显示器 需要在一幅画面中同吋显示灰阶图像和彩色图像。 现有技术中， 对一副同吋包 括灰阶图像和彩色图像的图像， 采用单一的 GAMMA校正。 如此， 则会使该图像 中包括的灰阶图像失真， 显示不准确， 从而造成医生诊断失误。
技术问题
[0007] 本发明实施例提供一种图像校正方法及装置， 用以对图像进行校正， 提高图像 显示的准确度。
问题的解决方案
技术解决方案
[0008] 本发明实施例提供一种图像校正方法， 包括以下步骤：
[0009] 获取图像中的所有边界信息； 其中， 所述图像的边界信息将所述图像分割为至 少一个区域；
[0010] 获取所述图像每个区域的图像属性信息； 其中， 所述图像属性信息为灰阶图像 区域或彩色图像区域；
[0011] 针对所述图像中的每个区域， 若该区域为灰阶图像区域， 则使用 DICOM进行 校正； 若该区域为彩色图像区域， 则使用 GAMMA进行校正。
[0012] 本发明实施例提供一种图像校正装置， 包括：
[0013] 第一获取单元， 用于获取图像中的所有边界信息； 其中， 所述图像的边界信息 将所述图像分割为至少一个区域；
[0014] 第二获取单元， 用于获取所述图像每个区域的图像属性信息； 其中， 所述图像 属性信息为灰阶图像区域或彩色图像区域；
[0015] 校正单元， 用于针对所述图像中的每个区域， 若该区域为灰阶图像区域， 则使 用 DICOM进行校正； 若该区域为彩色图像区域， 则使用 GAMMA进行校正。 发明的有益效果
有益效果
[0016] 本发明实施例中， 获取图像中的所有边界信息； 其中， 图像的边界信息将图像 分割为至少一个区域； 获取图像每个区域的图像属性信息； 其中， 图像属性信 息为灰阶图像区域或彩色图像区域； 针对图像中的每个区域， 若该区域为灰阶 图像区域， 则使用 DICOM进行校正； 若该区域为彩色图像区域， 则使用 GAMM A进行校正。 由于针对一幅图像中多个区域， 根据每个区域的图像属性信息进行 分别校正， 因此避免了针对包括多个图像属性信息不同的区域均采用单一校正 曲线进行校正所造成的显示不准确的问题， 从而提高了该图像中每个区域显示 的准确度， 进而提高了该图像整体进行显示的准确度。 另一方面， 由于获取图 像中的所有边界信息， 且由所有边界信息将该图像进行区域分割， 从而提高了 对该图像进行区域划分的准确度， 进而提高了该图像整体进行显示的准确度。 对附图的简要说明
附图说明
[0017] 为了更清楚地说明本发明实施例中的技术方案， 下面将对实施例描述中所需要 使用的附图作简要介绍， 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， 对于本领域的普通技术人员来讲， 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。
[0018] 图 1为本发明实施例提供的一幅图像示意图；
[0019] 图 2为本发明实施例提供的一种图像校正方法示意图；
[0020] 图 2a为本发明实施例中对图 1进行处理之后的各个区域示意图；
[0021] 图 2b为图 1的一种可能的图像的示意图；
[0022] 图 2c为针对图 2b的图像使用像素点检测所得的结果示意图；
[0023] 图 2d为图 2b的边界信息示意图；
[0024] 图 2e为对图 2b进行处理之后的图像示意图；
[0025] 图 3为本发明实施例提供一种图像校正装置的结构示意图。
本发明的实施方式
[0026] 为了使本发明的目的、 技术方案及有益效果更加清楚明白， 以下结合附图及实 施例， 对本发明进行进一步详细说明。 应当理解， 此处所描述的具体实施例仅 仅用以解释本发明， 并不用于限定本发明。
[0027] 为了更清晰论述本发明实施例所提供的方法的有益效果， 现介绍一种现有技术 对图像进行校正的方法。
[0028] 现有技术中针对一幅图像进行像素点检测， 根据图像的每个像素点的红 （Red ， 简称 R) 、 绿 （Green, 简称 G) 、 蓝 （Blue, 简称 B) 信息， 确定出该像素点 是灰阶像素点还是彩色像素点， 之后， 将一幅图像中的灰阶像素点组成的灰阶 图像区域使用 DICOM校正， 将彩色像素点组成的彩色图像区域使用 GAMMA校 正。
[0029] 具体实施中， 一幅图像中包括很多图案， 每个图案均有边界信息， 而图像中的 各处边界容易受到该图像的其它图案或其它图案的边界的影响， 进而会导致图 形中的各处边界的像素点容易判断错误的现象。 比如， 一幅图像包括灰阶图像 区域和彩色图像区域， 该灰阶图像区域的边界受到相邻彩色图像区域的影响， 灰阶图像区域边界的灰阶像素点不满足 R=G=B这一条件， 因而将该灰阶图像区 域边界处的灰阶像素点错误判定为彩色像素点， 进而， 对灰阶图像边界处的被 错判的彩色像素点所组成的区域使用 GAMMA校正,从而使该错判的区域显示不 准确， 进而影响医生诊断。
[0030] 图 1示例性示出了一幅图像， 该图像中包含四个灰阶图像区域， 分别为图像左 下角不规则的云块区域 101、 由一个椭圆区域 102被边界线 107分割所得到的第一 不规则区域 104和第二不规则区域 105， 以及图像左上角的星形区域 103， 除了该 四个灰阶区域之外， 该图像其它部分均为彩色图像区域 100。 现有技术中若单纯 针对图 1的图像使用像素点检测， 则图 1的四个灰阶区域的边界处的像素点受到 彩色区域的影响， 被错判为彩色像素点的概率较高。
[0031] 基于上述内容， 本发明实施例提供一种图像校正方法， 如图 2所示， 包括以下 步骤：
[0032] 步骤 201， 获取图像中的所有边界信息； 其中， 图像的边界信息将图像分割为 至少一个区域；
[0033] 步骤 202， 获取图像每个区域的图像属性信息； 其中， 图像属性信息为灰阶图 像区域或彩色图像区域；
[0034] 步骤 203， 针对图像中的每个区域， 若该区域为灰阶图像区域， 则使用 DICOM 进行校正； 若该区域为彩色图像区域， 则使用 GAMMA进行校正。
[0035] 具体实施中， 显示器接收到的一幅待显示的图像， 优选地， 预先对该图像进行 预处理， 即对该图像进行平滑处理， 以便滤除该图像中的一些细节和噪声的干 扰， 进而可获取该图像的更准确的边界信息。
[0036] 上述步骤 201中， 显示器针对接收到的一幅待显示的图像， 获取图像中的所有 边界信息。 本发明实施例中的图像中可包括多个图案， 每个图案的边界均属于 该图像的边界信息。 本发明实施例中该图像的边界信息包括该图像的四条边界
、 该图像中所有图案的边界信息， 以及该图像中的各种用于标识或者其它目的 的线条、 文字等信息。 获取该图像的边界信息的方式有多种， 可使用现有技术 中的算法获取图像中的所有边界信息。 获取的该图像的边界信息自动对该图像 进行分割， 该图像的所有边界信息所组成的任一个封闭区域均为该图像的一个 区域。
[0037] 本发明实施例中的图像属性信息为灰阶图像区域或是彩色图像区域吋， 针对每 个区域内的每个像素点， 获取该像素点的 RGB三个分量的值， 当该像素点的 R= G=B吋， 则判定该像素点为灰阶像素点， 当 RGB三个分量的值不满足 R=G=B的 条件吋， 也就是说 RGB三个分量中存在两个分量的值不相同吋， 则判断该像素 点为彩色像素点。
[0038] 本发明实施例中提供一种优选地确定所述图像的每个区域的图像属性信息的方 式为： 获取每个区域内的每个像素点的 RGB信息， 并判断每个区域内的每个像 素点是灰阶像素点还是彩色像素点。 进一步， 针对所述图像的每个区域， 若该 区域中彩色像素点的数量大于灰阶像素点的数量， 则该区域的图像属性信息为 彩色图像区域； 若该区域中彩色像素点的数量不大于灰阶像素点的数量， 则该 区域的图像属性信息为灰阶图像区域。
[0039] 本发明实施例中提供一种优选地确定所述图像的图像属性信息的方式为： 获取 整个图像的所有像素点中每个像素点的 RGB信息， 并判断整个图像中的每个像 素点是灰阶像素点还是彩色像素点。 若所述图像中所有灰阶像素点的数量大于 所有彩色像素点的数量， 则所述图像的图像属性信息为灰阶图像区域； 若所述 图像中所有灰阶像素点的数量不大于所有彩色像素点的数量， 则所述图像的图 像属性信息为彩色图像区域。
[0040] 为了减少计算量， 本发明实施例提供一种优选的实施方式： 获取所述图像每个 区域的图像属性， 根据每个区域的边界信息和图像属性信息， 对所述图像进行 拼接处理； 其中， 所述拼接处理具体为： 将图像属性信息相同且共享同一段边 界线的区域拼接为一个的区域。
[0041] 举例来说， 确定出图像中各个区域的属性信息， 将图像属性信息均为灰阶图像 区域， 且共享同一段边界线的区域， 即相邻区域进行拼接。 将图像属性信息均 为彩色图像区域， 且共享同一段边界线的区域， 即相邻区域进行拼接。 [0042] 上述优先方案中， 将相邻的且图像属性信息相同的区域合并， 一方面， 减少了 区域数量， 降低了计算的复杂度和计算量， 从而提高了计算速度。 另一方面， 去除了相邻的且两个图像属性信息相同的区域之间共享的边界线， 具体实施中 ， 此类边界线可能是标识、 文字等信息， 可见， 通过该优选方案有效去除了此 类信息， 进而更加准确的判断出某个区域内的图像属性信息。
[0043] 为了进一步减小计算量， 本发明实施例还提供另一种优选的实施方式， 所述获 取所述图像每个区域的图像属性信息之前， 确定所述图像的图像属性信息； 其 中， 所述图像属性信息为灰阶图像区域或彩色图像区域； 获取所述图像每个区 域的图像属性， 根据每个区域的边界信息和图像属性信息， 对所述图像进行拼 接处理； 其中， 所述拼接处理具体为： 将与所述图像的图像属性信息不同， 且 共享同一段边界线的区域拼接为一个的区域。
[0044] 举例来说， 该整个图像的图像属性信息为： 该图像为彩色图像区域吋， 说明该 图像中所有灰阶像素点的数量不大于所有彩色像素点的数量， 也就是说， 在一 幅彩色像素点为主的图像中， 灰阶像素点总体数量较小， 此吋， 仅图像属性信 息为灰阶像素区域， 且共享同一段边界线的区域进行拼接， 由于将数量较少的 灰阶像素区域进行拼接， 因此减少了拼接处理中的处理复杂度， 降低了拼接处 理的计算量。
[0045] 为了进一步减小计算量， 本发明实施例提供另一种优选的实施方式： 针对拼接 处理之后的所述图像中的每个区域， 执行：
[0046] 根据该区域的边界信息， 确定该区域的面积； 若该区域的面积大于阈值， 且该 区域的图像属性信息与所述图像的图像属性信息不同， 则对该区域进行标记； 若所述图像为灰阶图像区域， 则对标记区域的图像采用 GAMMA进行校正， 对未 标记区域的图像采用 DICOM进行校正； 若所述图像为彩色图像区域， 则对标记 区域的图像采用 DICOM进行校正， 对未标记区域的图像采用 GAMMA进行校正
[0047] 举例来说， 图像的图像属性信息为彩色图像区域， 则说明该图像中彩色像素点 数量较多， 此吋仅将区域的面积大于阈值， 且图像属性信息为灰阶图像区域的 区域进行标记； 面积小于阈值， 且图像属性信息为灰阶图像区域的区域不进行 标记， 此吋， 可看到， 进行标记的区域为灰阶图像区域， 不进行标记的除了彩 色图像区域之外， 还有面积较小的灰阶图像区域， 具体实施中， 面积小于阈值 的区域可能是标识、 文字等信息， 而并不是真正需要观察的资料信息， 因此， 通过该优选实施方式， 可将该类与图像属性信息不同的， 且面积不大于阈值的 区域信息筛选掉， 提高了区域分割的准确度。
[0048] 优选地， 对区域进行上述操作之后， 结合初始接收到的图像， 对于进行标记的 区域进行区域填充和去噪处理， 以便保证该图像中边界处的像素点判断准确。
[0049] 若进行标记的区域的图像属性信息为灰阶像素点， 则进行标记的区域使用 DIC OM校正， 所有未进行标记的区域使用 GAMMA校正； 或者若进行标记的区域的 图像属性信息为彩色像素点， 则进行标记的区域使用 GAMMA校正， 所有未进行 标记的区域使用 DICOM校正。
[0050] 本发明实施例中进行标记的区域为灰阶图像区域， 不进行标记的除了彩色图像 区域之外， 不进行标记的还包括面积较小的灰阶图像区域， 因此， 进行标记的 所有区域的图像属性信息为灰阶像素点， 则进行标记的区域使用 DICOM校正； 针对未进行标记的区域， 需要判断未进行标记的所有区域中， 图像属性为彩色 图像区域的所有区域的面积与图像属性为灰阶图像区域的所有区域的面积的大 小， 若未进行标记的所有区域中图像属性为彩色图像区域的所有区域的面积较 大， 则将所有未进行标记的区域的图像属性判断为彩色图像区域， 并使用 GAM MA校正。
[0051] 另一种实现方式中， 可针对未进行标记的彩色图像区域， 可进一步判定彩色图 像区域中每个区域的颜色、 亮度或者形状信息， 并针对每个彩色图像区域， 使 用该彩色图像区域对应的校正曲线进行校正。 比如， 将彩色图像区域中的红色 图像区域使用 GAMMA 2.2进行校正。
[0052] 本发明实施例中， DICOM
校正可以包含但不限于 DICOM200、 DICOM400、 DICOM500; GAMMA校正可 以包含但不限于 GAMMA1.8、 GAMMA 2.0， GAMMA 2.2、 GAMMA 2.4。
[0053] 通过上述方法可看出， 本发明实施例中， 由于针对一幅图像中多个区域， 根据 每个区域的图像属性信息进行分别校正， 因此避免了针对包括多个图像属性信 息不同的区域均采用单一校正曲线进行校正所造成的显示不准确的问题， 从而 提高了该图像中每个区域显示的准确度， 进而提高了该图像整体进行显示的准 确度。 另一方面， 由于获取图像中的所有边界信息， 且由所有边界信息将该图 像进行区域分割， 从而提高了对该图像进行区域划分的准确度， 进而提高了该 图像整体进行显示的准确度。
[0054] 下面结合图 1所示的图像对上述内容进行介绍：
[0055] 本发明实施例中先对图 1的图像进行预处理， 即平滑处理， 以便滤除一些细节 和噪声的干扰， 剩下较为明显的轮廓。 之后， 使用现有技术的算法获取图像的 边界信息。 获取每个区域的图像属性信息。 即判断出四个灰阶图像区域和彩色 图像区域 100。 可见， 整个图像中彩色图像区域 100的面积较大， 因此， 该图像 的图像属性信息为彩色图像区域。
[0056] 为了减少计算量， 同为灰阶图像区域， 且将共享同一段边界线 107的第一不规 则区域 104和第二不规则区域 105拼接为一个区域， 得到椭圆区域 102。 进一步， 对所有灰阶图像区域的面积进行判断， 由于星形区域 103面积不大于阈值， 因此 不对星形区域 103进行标记， 最终进行标记的区域为云块区域 101和椭圆区域 102 ， 其余区域均为未进行标记的区域。 如图 2a所示， 图 2a示例性示出了对图 1进行 处理之后的各个区域示意图。
[0057] 结合图 1的图像， 对图 2a所示的图像中进行标记的云块区域 101和椭圆区域 102 进行区域填充和去噪处理， 以便保证图像中边界处的像素判断准确。 针对标记 的图像区域， 即云块区域 101和椭圆区域 102两个灰阶图像区域， 调用 DICOM曲 线校正； 针对未进行标记的图像区域， 即彩色区域， 调用 GAMMA曲线校正， 从 而实现彩色图像区域和灰阶图像区域均能按照各自标准来准确显示。
[0058] 为了更加清晰的反映上述实施例的具体实施效果， 下面结合图 2b、 图 2c、 图 2d 、 图 2e进行介绍：
[0059] 图 2b示例性示出了图 1的一种可能的图像， 如图 2b所示， 该图像中包含四个灰 阶区域， 分别为云块区域 101、 由一个椭圆区域 102被边界线 107分割所得到的第 一不规则区域 104和第二不规则区域 105， 以及图像左上角的星形区域 103， 除了 该四个灰阶区域之外， 该图像其它部分均为彩色图像区域 100。 图 2b示出了彩色 图像区域 100可能出现的情况。
[0060] 图 2c为针对图 2b的图像使用像素点检测所得的结果示意图， 如图 2c所示， 通过 判断像素点是否为灰阶像素点这一原则对图 2b中的图像进行判断之后， 图 2b中 的四个灰阶区域的边界处判断的误差较大， 被错判为彩色像素点的概率较高。 而且， 椭圆区域 102因为被边界线 107分割， 因此椭圆区域 102在图 2中被识别为 两个区域， 分别为第一不规则区域 104和第二不规则区域 105。
[0061] 针对图 2b所示的图像， 本发明实施例中使用现有技术的算法获取图像的边界信 息， 图 2d示例性示出了图 2b的边界信息。 从图 2d可看出， 获取的该图像的边界 信息能够准确的反映出该图像中各个图案的边界。 对图 2b中所示的图像进行一 系列处理之后， 得到如图 2e所示的图像。 图 2e示例性示出了对图 2b进行处理之后 的图像示意图。 图 2e中包括进行标记的云块区域 101和椭圆区域 102， 以及其它未 进行标记的区域。
[0062] 从上述内容可以看出： 本发明实施例中， 获取图像中的所有边界信息； 其中， 图像的边界信息将图像分割为至少一个区域； 获取图像每个区域的图像属性信 息； 其中， 图像属性信息为灰阶图像区域或彩色图像区域； 针对图像中的每个 区域， 若该区域为灰阶图像区域， 则使用 DICOM进行校正； 若该区域为彩色图 像区域， 则使用 GAMMA进行校正。 由于针对一幅图像中多个区域， 根据每个区 域的图像属性信息进行分别校正， 因此避免了针对包括多个图像属性信息不同 的区域均采用单一校正曲线进行校正所造成的显示不准确的问题， 从而提高了 该图像中每个区域显示的准确度， 进而提高了该图像整体进行显示的准确度。 另一方面， 由于获取图像中的所有边界信息， 且由所有边界信息将该图像进行 区域分割， 从而提高了对该图像进行区域划分的准确度， 进而提高了该图像整 体进行显示的准确度。
[0063] 图 3示例性示出了本发明实施例提供一种图像校正装置的结构示意图。
[0064] 基于相同构思， 本发明实施例提供一种图像校正装置， 如图 3所示， 用于执行 上述流程， 包括第一获取单元 301、 第二获取单元 302、 校正单元 303:
[0065] 第一获取单元， 用于获取图像中的所有边界信息； 其中， 图像的边界信息将图 像分割为至少一个区域； [0066] 第二获取单元， 用于获取图像每个区域的图像属性信息； 其中， 图像属性信息 为灰阶图像区域或彩色图像区域；
[0067] 校正单元， 用于针对图像中的每个区域， 若该区域为灰阶图像区域， 则使用 DI
COM进行校正； 若该区域为彩色图像区域， 则使用 GAMMA进行校正。
[0068] 优选地， 第二获取单元， 具体用于：
[0069] 获取图像每个区域的图像属性， 根据每个区域的边界信息和图像属性信息， 对 图像进行拼接处理； 其中， 拼接处理具体为： 将图像属性信息相同且共享同一 段边界线的区域拼接为一个的区域。
[0070] 优选地， 第二获取单元， 还用于：
[0071] 确定图像的图像属性信息； 其中， 图像属性信息为灰阶图像区域或彩色图像区 域；
[0072] 获取图像每个区域的图像属性， 根据每个区域的边界信息和图像属性信息， 对 图像进行拼接处理； 其中， 拼接处理具体为： 将与图像的图像属性信息不同， 且共享同一段边界线的区域拼接为一个的区域。
[0073] 优选地， 校正单元， 具体用于：
[0074] 针对拼接处理之后的图像中的每个区域， 执行：
[0075] 根据该区域的边界信息， 确定该区域的面积；
[0076] 若该区域的面积大于阈值， 且该区域的图像属性信息与图像的图像属性信息不 同， 则对该区域进行标记；
[0077] 若图像为灰阶图像区域， 则对标记区域的图像采用 GAMMA进行校正， 对未标 记区域的图像采用 DICOM进行校正； 若图像为彩色图像区域， 则对标记区域的 图像采用 DICOM进行校正， 对未标记区域的图像采用 GAMMA进行校正；
[0078] 优选地， 确定图像的图像属性信息的方式为：
[0079] 若图像中所有灰阶像素点的数量大于所有彩色像素点的数量， 则图像的图像属 性信息为灰阶图像区域； 若图像中所有灰阶像素点的数量不大于所有彩色像素 点的数量， 则图像的图像属性信息为彩色图像区域；
[0080] 确定图像的每个区域的图像属性信息的方式为：
[0081] 针对图像的每个区域， 若该区域中彩色像素点的数量大于灰阶像素点的数量， 则该区域的图像属性信息为彩色图像区域； 若该区域中彩色像素点的数量不大 于灰阶像素点的数量， 则该区域的图像属性信息为灰阶图像区域。
[0082] 从上述内容可以看出： 本发明实施例中， 获取图像中的所有边界信息； 其中， 图像的边界信息将图像分割为至少一个区域； 获取图像每个区域的图像属性信 息； 其中， 图像属性信息为灰阶图像区域或彩色图像区域； 针对图像中的每个 区域， 若该区域为灰阶图像区域， 则使用 DICOM进行校正； 若该区域为彩色图 像区域， 则使用 GAMMA进行校正。 由于针对一幅图像中多个区域， 根据每个区 域的图像属性信息进行分别校正， 因此避免了针对包括多个图像属性信息不同 的区域均采用单一校正曲线进行校正所造成的显示不准确的问题， 从而提高了 该图像中每个区域显示的准确度， 进而提高了该图像整体进行显示的准确度。 另一方面， 由于获取图像中的所有边界信息， 且由所有边界信息将该图像进行 区域分割， 从而提高了对该图像进行区域划分的准确度， 进而提高了该图像整 体进行显示的准确度。
[0083] 本领域内的技术人员应明白， 本发明的实施例可提供为方法、 或计算机程序产 品。 因此， 本发明可采用完全硬件实施例、 完全软件实施例、 或结合软件和硬 件方面的实施例的形式。 而且， 本发明可采用在一个或多个其中包含有计算机 可用程序代码的计算机可用存储介质 （包括但不限于磁盘存储器、 CD-ROM、 光学存储器等） 上实施的计算机程序产品的形式。
[0084] 本发明是参照根据本发明实施例的方法、 设备 （系统） 、 和计算机程序产品的 流程图和 /或方框图来描述的。 应理解可由计算机程序指令实现流程图和 /或 方框图中的每一流程和 /或方框、 以及流程图和 /或方框图中的流程和 /或方 框的结合。 可提供这些计算机程序指令到通用计算机、 专用计算机、 嵌入式处 理机或其他可编程数据处理设备的处理器以产生一个机器， 使得通过计算机或 其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程 或多个流程和 /或方框图一个方框或多个方框中指定的功能的装置。
[0085] 这些计算机程序指令也可存储在能弓 I导计算机或其他可编程数据处理设备以特 定方式工作的计算机可读存储器中， 使得存储在该计算机可读存储器中的指令 产生包括指令装置的制造品， 该指令装置实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能。
[0086] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上， 使得在 计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理， 从 而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或 多个流程和 /或方框图一个方框或多个方框中指定的功能的步骤。
[0087] 尽管已描述了本发明的优选实施例， 但本领域内的技术人员一旦得知了基本创 造性概念， 则可对这些实施例作出另外的变更和修改。 所以， 所附权利要求意 欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0088] 显然， 本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的 精神和范围。 这样， 倘若本发明的这些修改和变型属于本发明权利要求及其等 同技术的范围之内， 则本发明也意图包含这些改动和变型在内。

Claims

权利要求书
[权利要求 1] 一种图像校正方法， 其特征在于， 包括以下步骤：
获取图像中的所有边界信息； 其中， 所述图像的边界信息将所述图像 分割为至少一个区域；
获取所述图像每个区域的图像属性信息； 其中， 所述图像属性信息为 灰阶图像区域或彩色图像区域；
针对所述图像中的每个区域， 若该区域为灰阶图像区域， 则使用医学 数字图像和通信标准 DICOM进行校正； 若该区域为彩色图像区域， 则使用 GAMMA进行校正。
[权利要求 2] 如权利要求 1所述的方法， 其特征在于， 所述获取所述图像每个区域 的图像属性信息， 具体包括：
获取所述图像每个区域的图像属性， 根据每个区域的边界信息和图像 属性信息， 对所述图像进行拼接处理； 其中， 所述拼接处理具体为： 将图像属性信息相同且共享同一段边界线的区域拼接为一个区域。
[权利要求 3] 如权利要求 1所述的方法， 其特征在于， 所述获取所述图像每个区域 的图像属性信息之前， 还包括：
确定所述图像的图像属性信息； 其中， 所述图像属性信息为灰阶图像 区域或彩色图像区域；
所述获取所述图像每个区域的图像属性信息， 具体包括：
获取所述图像每个区域的图像属性， 根据每个区域的边界信息和图像 属性信息， 对所述图像进行拼接处理； 其中， 所述拼接处理具体为： 将与所述图像的图像属性信息不同， 且共享同一段边界线的区域拼接 为一个区域。
[权利要求 4] 如权利要求 3所述的方法， 其特征在于， 所述针对所述图像中的每个 区域， 若该区域为灰阶图像区域， 则使用 DICOM进行校正； 若该区 域为彩色图像区域， 则使用 GAMMA进行校正， 具体包括： 针对拼接处理之后的所述图像中的每个区域， 执行：
根据该区域的边界信息， 确定该区域的面积； 若该区域的面积大于阈值， 且该区域的图像属性信息与所述图像的图 像属性信息不同， 则对该区域进行标记；
若所述图像为灰阶图像区域， 则对标记区域的图像采用 GAMMA进行 校正， 对未标记区域的图像采用 DICOM进行校正； 若所述图像为彩 色图像区域， 则对标记区域的图像采用 DICOM进行校正， 对未标记 区域的图像采用 GAMMA进行校正。
[权利要求 5] 如权利要求 3所述的方法， 其特征在于， 确定所述图像的图像属性信 息的方式为：
若所述图像中所有灰阶像素点的数量大于所有彩色像素点的数量， 则 所述图像的图像属性信息为灰阶图像区域； 若所述图像中所有灰阶像 素点的数量不大于所有彩色像素点的数量， 则所述图像的图像属性信 息为彩色图像区域；
确定所述图像的每个区域的图像属性信息的方式为：
针对所述图像的每个区域， 若该区域中彩色像素点的数量大于灰阶像 素点的数量， 贝 1」该区域的图像属性信息为彩色图像区域； 若该区域中 彩色像素点的数量不大于灰阶像素点的数量， 则该区域的图像属性信 息为灰阶图像区域。
[权利要求 6] —种图像校正装置， 其特征在于， 包括：
第一获取单元， 用于获取图像中的所有边界信息； 其中， 所述图像的 边界信息将所述图像分割为至少一个区域；
第二获取单元， 用于获取所述图像每个区域的图像属性信息； 其中， 所述图像属性信息为灰阶图像区域或彩色图像区域；
校正单元， 用于针对所述图像中的每个区域， 若该区域为灰阶图像区 域， 则使用医学数字图像和通信标准 DICOM进行校正； 若该区域为 彩色图像区域， 则使用 GAMMA进行校正。
[权利要求 7] 如权利要求 6所述的装置， 其特征在于， 所述第二获取单元， 具体用 于：
获取所述图像每个区域的图像属性， 根据每个区域的边界信息和图像 属性信息， 对所述图像进行拼接处理； 其中， 所述拼接处理具体为： 将图像属性信息相同且共享同一段边界线的区域拼接为一个区域。
[权利要求 8] 如权利要求 6所述的装置， 其特征在于， 所述第二获取单元， 还用于 确定所述图像的图像属性信息； 其中， 所述图像属性信息为灰阶图像 区域或彩色图像区域；
获取所述图像每个区域的图像属性， 根据每个区域的边界信息和图像 属性信息， 对所述图像进行拼接处理； 其中， 所述拼接处理具体为： 将与所述图像的图像属性信息不同， 且共享同一段边界线的区域拼接 为一个区域。
[权利要求 9] 如权利要求 8所述的装置， 其特征在于， 所述校正单元， 具体用于： 针对拼接处理之后的所述图像中的每个区域， 执行：
根据该区域的边界信息， 确定该区域的面积；
若该区域的面积大于阈值， 且该区域的图像属性信息与所述图像的图 像属性信息不同， 则对该区域进行标记；
若所述图像为灰阶图像区域， 则对标记区域的图像采用 GAMMA进行 校正， 对未标记区域的图像采用 DICOM进行校正； 若所述图像为彩 色图像区域， 则对标记区域的图像采用 DICOM进行校正， 对未标记 区域的图像采用 GAMMA进行校正。
[权利要求 10] 如权利要求 8所述的装置， 其特征在于， 确定所述图像的图像属性信 息的方式为：
若所述图像中所有灰阶像素点的数量大于所有彩色像素点的数量， 则 所述图像的图像属性信息为灰阶图像区域； 若所述图像中所有灰阶像 素点的数量不大于所有彩色像素点的数量， 则所述图像的图像属性信 息为彩色图像区域；
确定所述图像的每个区域的图像属性信息的方式为：
针对所述图像的每个区域， 若该区域中彩色像素点的数量大于灰阶像 素点的数量， 贝 1」该区域的图像属性信息为彩色图像区域； 若该区域中 彩色像素点的数量不大于灰阶像素点的数量， 则该区域的图像属性信 息为灰阶图像区域。
PCT/CN2016/074385 2015-08-12 2016-02-23 一种图像校正方法及装置 WO2017024787A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510494177.6 2015-08-12
CN201510494177.6A CN105069453B (zh) 2015-08-12 2015-08-12 一种图像校正方法及装置

Publications (1)

Publication Number Publication Date
WO2017024787A1 true WO2017024787A1 (zh) 2017-02-16

Family

ID=54498814

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/074385 WO2017024787A1 (zh) 2015-08-12 2016-02-23 一种图像校正方法及装置

Country Status (2)

Country Link
CN (1) CN105069453B (zh)
WO (1) WO2017024787A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110827734A (zh) * 2018-08-07 2020-02-21 钰纬科技开发股份有限公司 显示器的自动Gamma曲线设置方法
CN111428812A (zh) * 2020-04-14 2020-07-17 沈阳先进医疗设备技术孵化中心有限公司 医学图像数据的构造方法及装置
CN113099191A (zh) * 2021-03-22 2021-07-09 浙江大华技术股份有限公司 一种图像处理方法及装置
CN114359055A (zh) * 2022-03-21 2022-04-15 湖南大学 一种多相机拍摄屏体的图像拼接方法及相关装置

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069453B (zh) * 2015-08-12 2019-03-05 青岛海信电器股份有限公司 一种图像校正方法及装置
CN107292825B (zh) * 2016-03-30 2020-07-24 海信视像科技股份有限公司 一种图像校正的方法及装置
CN106683058A (zh) * 2016-12-26 2017-05-17 上海联影医疗科技有限公司 医学图像的校正方法及其装置
CN108055475A (zh) * 2017-11-17 2018-05-18 广州视源电子科技股份有限公司 视频信号处理方法、装置及可读存储介质
CN108520547B (zh) * 2018-04-26 2022-09-02 海信视像科技股份有限公司 图像处理方法、装置、设备及存储介质
CN109064990A (zh) * 2018-09-19 2018-12-21 苏州佳世达电通有限公司 一种显示装置及其影像调整方法
CN114697464A (zh) * 2020-12-29 2022-07-01 深圳市汉森软件有限公司 图像分区处理方法、装置、设备及存储介质
CN113270169B (zh) * 2021-05-26 2023-03-14 青岛海信医疗设备股份有限公司 一种图像显示方法、装置、处理设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102629466A (zh) * 2012-04-11 2012-08-08 南京巨鲨显示科技有限公司 一种显示器彩色灰阶图像自适应校正方法
CN103400400A (zh) * 2013-08-07 2013-11-20 南京巨鲨显示科技有限公司 一种基于区域的图像校正方法
US8896619B2 (en) * 2011-03-09 2014-11-25 Mckesson Financial Holdings Apparatus, method and computer-readable storage medium for compensating for image-quality discrepancies
CN104484659A (zh) * 2014-12-30 2015-04-01 南京巨鲨显示科技有限公司 一种对医学彩色和灰阶图像自动识别及校准的方法
CN105069453A (zh) * 2015-08-12 2015-11-18 青岛海信电器股份有限公司 一种图像校正方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7835500B2 (en) * 2005-11-16 2010-11-16 Accuray Incorporated Multi-phase registration of 2-D X-ray images to 3-D volume studies
BRPI0917305A2 (pt) * 2008-09-16 2015-11-17 Sharp Kk dispositivo de processamento de dados, dispositivos de exibicao de cristal liquido, recptor de televisao e metodo de processamento de dados
JP2011049650A (ja) * 2009-08-25 2011-03-10 Canon Inc 画像処理装置及び画像処理方法
US20130070143A1 (en) * 2011-09-20 2013-03-21 Samsung Electronics Co., Ltd. Display apparatus and method
JP5826001B2 (ja) * 2011-11-30 2015-12-02 キヤノン株式会社 画像処理装置、及びその制御方法
JP5962083B2 (ja) * 2012-03-14 2016-08-03 オムロン株式会社 領域抽出結果の表示方法及び画像処理装置
KR20150066939A (ko) * 2013-12-09 2015-06-17 씨제이씨지브이 주식회사 영상 중첩 영역의 왜곡 보정 방법, 기록 매체 및 실행 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8896619B2 (en) * 2011-03-09 2014-11-25 Mckesson Financial Holdings Apparatus, method and computer-readable storage medium for compensating for image-quality discrepancies
CN102629466A (zh) * 2012-04-11 2012-08-08 南京巨鲨显示科技有限公司 一种显示器彩色灰阶图像自适应校正方法
CN103400400A (zh) * 2013-08-07 2013-11-20 南京巨鲨显示科技有限公司 一种基于区域的图像校正方法
CN104484659A (zh) * 2014-12-30 2015-04-01 南京巨鲨显示科技有限公司 一种对医学彩色和灰阶图像自动识别及校准的方法
CN105069453A (zh) * 2015-08-12 2015-11-18 青岛海信电器股份有限公司 一种图像校正方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110827734A (zh) * 2018-08-07 2020-02-21 钰纬科技开发股份有限公司 显示器的自动Gamma曲线设置方法
CN111428812A (zh) * 2020-04-14 2020-07-17 沈阳先进医疗设备技术孵化中心有限公司 医学图像数据的构造方法及装置
CN111428812B (zh) * 2020-04-14 2024-03-08 东软医疗系统股份有限公司 医学图像数据的构造方法及装置
CN113099191A (zh) * 2021-03-22 2021-07-09 浙江大华技术股份有限公司 一种图像处理方法及装置
CN114359055A (zh) * 2022-03-21 2022-04-15 湖南大学 一种多相机拍摄屏体的图像拼接方法及相关装置
CN114359055B (zh) * 2022-03-21 2022-05-31 湖南大学 一种多相机拍摄屏体的图像拼接方法及相关装置

Also Published As

Publication number Publication date
CN105069453A (zh) 2015-11-18
CN105069453B (zh) 2019-03-05

Similar Documents

Publication Publication Date Title
WO2017024787A1 (zh) 一种图像校正方法及装置
CN109064409B (zh) 一种移动机器人的视觉图像拼接系统及方法
US8644605B2 (en) Mapping colors of an image
US9646370B2 (en) Automatic detection method for defects of a display panel
CN108463823B (zh) 一种用户头发模型的重建方法、装置及终端
US8422773B2 (en) Image zone detecting using color gradation levels, method, apparatus and computer readable medium
JP2019537180A5 (zh)
EP2898503A2 (en) Method and system for validating image data
US10770027B2 (en) Image color cast compensation method and device, and display device
WO2013142176A2 (en) Scoring and adjusting pixels based on neighborhood relationships for revealing data in images
CN107451976A (zh) 一种图像处理方法及装置
CN104134189B (zh) 一种图像放大的方法及装置
CN114693634A (zh) X光图像非人体组织区域的识别方法、装置、设备和介质
CN104346599B (zh) 一种色彩边缘的检测方法及图像处理设备
US10999541B2 (en) Image processing apparatus, image processing method and storage medium
US20120263378A1 (en) Manually-assisted detection of redeye artifacts
WO2019233169A1 (zh) 图像处理方法和装置、电子装置、计算机设备和存储介质
EP2573733A1 (en) Coloration examination device, and computer program and data processing method therefor
WO2022241676A1 (zh) 色调映射方法、图像处理装置及成像装置
JP2015154201A (ja) 画像処理装置、画像処理装置の制御方法、及び、プログラム
CN117237177B (zh) 一种水印处理方法、装置及电子设备
CN114125344B (zh) 视频处理装置及方法、监视器设备、计算机设备、介质
WO2018130601A2 (en) Extracting flow information from a dynamic angiography dataset
JP2019079283A5 (zh)
RU2758668C1 (ru) Способ и система защиты цифровой информации, отображаемой на экране электронных устройств

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16834414

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16834414

Country of ref document: EP

Kind code of ref document: A1