CN111429547B - 一种基于假同色搜索的异常色觉测试图合成方法 - Google Patents
一种基于假同色搜索的异常色觉测试图合成方法 Download PDFInfo
- Publication number
- CN111429547B CN111429547B CN202010342532.9A CN202010342532A CN111429547B CN 111429547 B CN111429547 B CN 111429547B CN 202010342532 A CN202010342532 A CN 202010342532A CN 111429547 B CN111429547 B CN 111429547B
- Authority
- CN
- China
- Prior art keywords
- color
- pseudo
- test
- abnormal
- same
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Eye Examination Apparatus (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于假同色搜索的异常色觉测试图合成方法,主要步骤包括:搜索假同色对;选取假同色对;生成测试图像;本发明针对异常色觉测试中用于测试受试者色觉情况的测试图样,借助于异常视觉仿真算法,选取色彩空间中的假同色对,对异常视觉测试图图样进行二值化色彩填充,从而产生内容多样、可随机重复、具有异常色觉类型特异性的异常色觉测试图,与现有手工绘制或计算机辅助半手工绘制方法相比灵活随机、简单可控、对不同异常色觉有特异性。
Description
技术领域
本发明属于数字图像生成技术领域,具体涉及一种异常色觉测试图合成方法。
背景技术
随着社会经济的发展和科学技术的不断进步,专业技术分工日益精细,人们对于个体视力、视觉等方面的健康状况更加关切,许多专业对于颜色辨别能力的要求也随之提高,越来越多的行业及部门对于其从业人员视力、视觉方面有了更具体的要求,比如在空军招收飞行员体检、应征入伍体检等领域对于视觉、色觉有着明确的规定,不少大学的特定专业在招生中对色盲学生的报考也进行了一定程度的限制。国外对于一些特勤兵种的视觉色觉有着严格的要求。视力视觉测试作为一种广泛认可的科学定量检查方法,对于人才的发掘、健康领域乃至社会经济发展来说尤为重要。其中,基于假同色原理的色盲色觉检查图是全世界使用最普遍的色觉检查工具。
色盲色觉检查图是检测色盲的一种关键工具。根据假同色原理设计的检查方法,用于筛查色觉异常已有百年历史。通过多种类型的检查图式,几何图形、数字图形、线条图形、物体图形等,检测红绿以及蓝黄等色觉异常。这种采用假同色原理图谱进行色盲检查方法存在的主要缺陷是图样单一、配色方案固化、不具有特异性等,这些因素将严重影响检测结果的客观真实性。
现有的异常色觉测试图,大多是采用手工或Photoshop等计算机绘图工具绘制而成的固定样式的检查绘本,样式单一,范式固定,绘制较为繁琐。比如体检中广泛使用的《色盲测试图》第五版,第一组图可供大规模快速检查之用;第二组图以简单的几何图形为特点,适合文化程度较低的成人和文盲体检用;第三组图适合检查儿童,第四组图为多位数字组,供对色觉有较高要求的职业人员体检时用;第五组图为后天色觉检查图,适用于临床眼科医师、神经内、外科医师对眼底疾病和中枢疾病的辅助诊断。
异常色觉测试图的色觉原理大多是浅红色和浅绿色交叉来干扰测试人,如果是色盲,他看到的只有一种颜色,所以无法分辨色差所构成的数字。读图规则图片中正确答案的图形一般色调是不同于背景色的。检查过程中,医护人员往往采用这些现有的人工色盲检查图绘本对患者进行一一检测,绘制本中的检测图样式单一、数量有限,很容易造成检查的不科学性,发生漏检、检查较为粗糙的情况。尤其画本图样单一,测试者往往可以采用联想或者标识记忆的方法,不需仔细辨认即可记住答案,从而在一定程度上影响了检查结果的准确性与科学性。原有的手工设计、计算机辅助绘制方法,由于过程复杂、耗时耗力、样式固定单一、随机性不强等原因,对于异常色觉测试图的准确性与实用性产生影响,所以需要研究新的方法来制作异常色觉测试图。
另外,现有的与计算机相关的色盲仪多是存储了已有色盲检查图本所绘制的固定样式,不能根据实际情况灵活随机地产生新图样。比如深圳市罗杰科技有限公司申请的专利“一种色盲仪及色盲的检测方法”(专利申请号:20110224333公开号:102283632A)中提供了一种色盲仪来进行色盲检测。该检测方法包括两个阶段,其中第一阶段主要为随机显示二十一张固定的色盲检测图片来测试受测人员,其不足之处仍然在于依赖固定的检测图样,随机选取,但不能随机产生,无法从根本上解决图像单一、不能保证检测结果的客观性。
发明内容
针对上述技术问题,本发明提供一种基于假同色搜索的异常色觉测试图合成方法,包括:
步骤1:搜索假同色对,即对RGB网格空间上的候选色进行遍历和仿真,并计算候选色仿真前后的感知色差;
步骤2:选取假同色对,即先判断阈值条件,然后选定假同色对,最后存储假同色对;
步骤3:生成测试图像,即选取色盲测试图图样,并以假同色对进行前景填充和背景填充,形成单元测试图,对单元测试图进行编组。
进一步的,步骤1包括:
步骤1.1:选取候选色彩,即将RGB空间进行网格划分,在网格的节点上或者以每个网格节点为中心随机进行微小偏移选取候选色彩;
步骤1.3:计算感知色差,即利用CIE L*a*b*1976颜色差异公式,先将RGB色彩先转换到XYZ色彩空间,然后转换到LAB色彩空间,然后计算{Q,Qτ}之间的色彩差异值ΔE*Lab(Q,Qτ);
步骤2包括:
步骤2.1:判断阈值条件,即将阈值条件设定为α≥0,当ΔE*Lab(Q,Qτ)≥α时,保留假同色对{Q,Qτ},作为填充色集合中的元素;当ΔE*Lab(Q,Qτ)≤α时,舍弃假同色对{Q,Qτ},其中α为可设定参数,物理意义为色差阈值;
步骤2.2:选定假同色对,即对全部候选色彩进行计算并判断上述阈值条件,按照所设置的色差阈值α来分别选定假同色对集合中的元素;
步骤2.3:存储假同色对,即将选定的假同色集合进行存储;
步骤3包括:
步骤3.1:选取测试图样,即选取便于识别的几何形状、生活中常见图形作为测试图样,将前述产生的任一假同色对组合,分别作为前景色、背景色,填充于测试图样的前景与背景;
步骤3.2:填充测试图案,即采用选定的假同色对,来填充测试图案;
步骤3.3:生成测试单元,即对测试图案进行填充后,得到三通道的彩色图像,作为测试单元;
步骤3.4:编组测试图像,即随机选取多个测试单元,合并为一组测试图像。
进一步的,步骤1.1中将RGB色彩空间分为X×Y×Z的网格,大小为32×32×32,在网格的节点上选取三元组候选颜色向量;
步骤1.2中对应色向量Qτ的计算如下:首先将三元组候选颜色向量Q转换到LMS空间,得到LMS空间中对应的色彩向量,如下式:
其次使用色盲仿真算法得到LMS色彩空间中的τ型色盲仿真向量:
其中Tsim τ为色盲仿真算法中的变换矩阵;
然后将LMS色彩空间的τ型色盲仿真向量转换回RGB空间向量,即,
其中Qτ为三元组候选颜色向量Q的色盲仿真对应色,即{Q,Qτ}为一对假同色;
步骤1.3中根据下式来计算{Q,Qτ}之间的色彩差异值:
步骤2.1中采用α=50;
步骤2.2在选定的假同色对集合中随机选取,或将集合中色彩元素进行可视化后直接拾取;
步骤2.3中存储方式可采用哈希列表、字典等数据结构,文件格式可使用JSON或Pickle对象;
步骤3.1中随机产生数字0-9作为前景内容、剩余空白区域作为背景,构成测试图样;
步骤3.4中选取5*5个单元测试图组成一例测试图像。
进一步的,步骤1.1中将RGB色彩空间分为X×Y×Z的网格,以网格节点(x0,y0,z0)为中心,向各个方向上随机小步长偏移(Δx,Δy,Δz)到达的点,作为三元组候选颜色向量。
进一步的,步骤3.2中以假同色对直接填充测试图样,以仿真色为背景填充色,以原色彩为前景填充色。
进一步的,步骤3.2中以假同色对分割式填充测试图样,采用K-D树数据结构绘制不相互重叠的小圆圈几何图案,形成分割式测试图单元。
进一步的,步骤3.2中以假同色对的近似色泛化式填充测试图样,在LAB色彩空间中以假同色为球心、半径为ρ的球体空间中依照高斯分布来随机拾取相近色,来填充每次产生的小几何图案,其中0<ρ<32。
步骤3.2中以细密度的方格图案填充测试图样。
本发明还提供一种异常色觉测试图应用装置,其特征在于:上述异常色觉测试图制作方法产生的图像可以用于专用的色觉检测计算机装置、嵌入式软硬件、纸质打印装置或互联网应用软件***。
进一步的,色觉检测计算机装置包括各型号计算机、移动终端、虚拟现实设备、谷歌眼镜、iPad平板电脑、专用显示器、医学眼视光测试仪等设备开发对应的离线或在线应用在软件***实现上述色觉测试图合成方法,以单元测试图、编组测试图为用例,在显示屏上呈现;嵌入式软硬件与纸质打印装置通过单片机、FPGA等各类嵌入式***以及开发板,以相应编程语言实现色觉测试图合成方法,或者在其它硬件平台上预先合成色觉测试图,然后存储在嵌入式设备当中来显示或打印;互联网应用软件***以各类编程语言如Javascript、超文本标记语言等开发并实现所述色觉测试合成方法,或者以微服务、离线应用的形式在浏览器或APP端呈现色觉测试图并结合交互式设计来实施色觉测试。
本发明针对异常色觉测试中用于测试受试者色觉情况的测试图样,借助于异常视觉仿真算法,选取色彩空间中的假同色对,对异常视觉测试图图样进行二值化色彩填充,从而产生内容多样、可随机重复、具有异常视觉类型特异性的异常色觉测试图。本发明与现有手工绘制或计算机辅助半手工绘制方法相比具有灵活随机、简单可控、对不同异常色觉有特异性等特点。
附图说明
图1为本发明方法流程图;
图2为不同色彩阈值α下,三种典型色盲类型对应的假同色对在RGB颜色空间的分布曲线;
图3为使用本发明方法制作的单元测试图;
图4为使用本发明方法制作的编组测试图。
具体实施方式
下面结合附图及实施例对本发明做进一步的描述。
针对现有色觉检查技术的不足,以及现有异常色觉测试图图样单一、色彩搭配方案无特异性等问题,本发明提出了一种基于假同色搜索的异常色觉测试图制作方法。其技术思路是借助于现有的异常色觉仿真算法,在感知色彩空间中设置参数来搜索针对特定异常色觉类型的假同色对组合;然后选取图样,并以假同色对进行图样前景与背景色彩填充,产生二值化单元测试图;最后将多幅二值化单元测试图进行编组,形成测试图。
本发明具体步骤如图1所示,包括:
步骤1:搜索假同色对。对RGB网格空间上的候选色进行遍历和仿真,并计算候选色仿真前后的感知色差。
步骤1.1:选取候选色彩。将RGB空间进行网格划分,在网格的节点上或者以每个网格节点为中心随机进行微小偏移选取候选色彩;
将RGB色彩空间分为X×Y×Z的网格,比如大小可以为32×32×32,在网格的节点上选取三元组候选颜色向量;或以网格节点(x0,y0,z0)为中心,向各个方向上随机小步长偏移(Δx,Δy,Δz)到达的点,作为三元组候选颜色向量,小步长的模其中Δx,Δy,Δz均为整数。
首先将三元组候选颜色向量Q转换到LMS空间,得到LMS空间中对应的色彩向量,如下式:
其次使用Brettel等人提出的色盲仿真算法得到LMS色彩空间中的τ型色盲仿真向量:
其中Tsim τ为色盲仿真算法中的变换矩阵;
然后将LMS色彩空间的τ型色盲仿真向量转换回RGB空间向量,即,
上述一系列计算过程可概括为一个单独的函数关系式来表示,即:
Qτ=fsim(Q;τ),τ∈[d,p,t]
其中Qτ为三元组候选颜色向量Q的色盲仿真对应色,即{Q,Qτ}为一对假同色;
步骤1.3:计算感知色差。利用CIE L*a*b*1976颜色差异公式,先将RGB色彩先转换到XYZ色彩空间,然后转换到LAB色彩空间,然后根据下式来计算{Q,Qτ}之间的色彩差异值:
步骤2:选取假同色对。先判断阈值条件,然后选定假同色对,最后存储假同色对。
步骤2.1:判断阈值条件。将阈值条件设定为α≥0,当ΔE*Lab(Q,Qτ)≥α时,保留假同色对{Q,Qτ},作为填充色集合中的元素;当ΔE*Lab(Q,Qτ)≤α时,舍弃假同色对{Q,Qτ};其中α为可设定参数,物理意义为色差阈值,根据图2所示的假同色占比对色差阈值分布曲线,采用α=50,此时红、绿色盲类型的假同色占比约为20%,蓝色盲类型的假同色占比约为70%,可以保证选取到的假同色具有较大色差的同时,对每一种色盲类型都能选取到足够数量的假同色;
步骤2.2:选定假同色对。对全部候选色彩进行计算并判断上述阈值条件,按照所设置的色差阈值α来分别选定假同色对集合中的元素。在实际填充过程中,可以在选定的假同色对集合中随机选取,或将集合中色彩元素进行可视化后直接拾取,以方便选择要使用的假同色对;
步骤2.3:存储假同色对。将选定的假同色集合进行存储,避免每次重复计算,方便后续使用。存储方式可采用哈希列表、字典等数据结构,文件格式可使用JSON或Pickle对象。
步骤3:生成测试图像。选取色盲测试图图样,并以假同色对进行前景填充和背景填充,形成单元测试图;也可以对单元测试图进行编组,形成编组测试图。
步骤3.1:选取测试图样。测试图样的选择可以根据实际调整,可采用便于识别的几何形状、生活中常见图形,以减少图样对测试结果的干扰。以***数字0-9为例,随机产生数字0-9作为前景内容、剩余空白区域作为背景,构成测试图样。将前述产生的任一假同色对组合,分别作为前景色、背景色,填充于测试图样的前景与背景,即可生成一个测试图像单元,此时生成的测试图像单元为二值化图像,即只包含两种颜色,这两种颜色在其对应色盲类型人员眼中仅包含一种色彩,因此其不能识别出其中的数字;
步骤3.2:填充测试图案。采用选定的假同色对,来填充测试图案。
方式1:以假同色对直接填充测试图样,形成二值化测试图单元,如图3(a)所示。以上述假同色搜索过程中选取的假同色对,对测试图样的前景与背景分别进行填充,次序可以任意,一般情况下,以仿真色为背景填充色,以原色彩为前景填充色。最终产生的图像,在对应类型的异常色觉人员看来,为同一颜色的图形,故不能识别前景内容;
方式2:以假同色对分割式填充测试图样,形成分割式测试图单元,如图3(b)所示。以上述假同色搜索过程中选取的假同色对分别为前景与背景,次序可以任意,将测试图样作为底版,来绘制不相互重叠的小圆圈等几何图案,通过几何图案区域与底版重叠区域的大小,来判定该图案属于前景还是背景,从而填充相应的颜色。不相互重叠的小圆圈等几何图案的绘制过程中,可采用现有的各类K-D树数据结构,对已绘制的小几何图案进行属性及坐标存储,来加速绘制过程。最终产生的色觉测试图,纹理上接近临床中常用的色觉测试图,在对应类型的异常色觉人员看来,前景混淆在背景中,故不能识别到前景内容;
方式3:假同色对的近似色泛化式填充测试图样,产生具有一定鲁棒性的测试单元,如图3(c)所示。以方式2中所述分割式填充方法,在小圆圈等几何图案具体填色时,不直接使用假同色对,而是在LAB色彩空间中以假同色为球心、半径为ρ的球体空间中依照高斯分布来随机拾取相近色,来填充每次产生的小几何图案,一般可取0<ρ<32。最终产生的图像,对校准欠佳的显示设备、打印机以及非理想的亮度环境,具有一定抗干扰能力。在对应类型的异常色觉人员看来,前景与背景图案纹理一致,故不能识别到前景内容;
其他方式:还可包括其他与上述三种形式类似的衍生变体,如细密度的方格图案,或者在每个测试单元中包含多个并列呈现的前景图案。最终产生的色觉测试图单元,在异常色觉人员看来,会将前景与背景混淆,难以识别到前景内容;
步骤3.3:生成测试单元。对测试图案进行填充后,即可得到三通道的彩色图像,作为测试单元。另外也可以对候选测试单元进行仿真,直观评价图像测试单元的效果,根据其能否在理论上对异常色觉构成混淆,对其进一步取舍。
步骤3.4:编组测试图像。随机选取多个测试单元,合并为一组测试图像,如图4所示,其中图4(a)、(b)、(c)分别对应步骤3.2中三种方式填充的测试单元所合并形成的编组测试图。
考虑到色盲仿真模型可能存在的误差,以及个体色觉客观存在的细微差异性,采用将多幅图像编为一组形成一例测试图像,从而根据受试人员所读出的测试单元个数占总体测试单元数的比率,来综合评价受试人员的色觉情况。一般可选取5*5个单元测试图组成一例测试图像,每次测试时整例图中的单元测试图全部重新随机产生,由此可以保证测试图的随机性。
本发明还包含以下软硬件装置及***:
1.色觉检测计算机装置。针对各型号计算机、移动终端、虚拟现实(VR)设备如Oculus、谷歌眼镜、iPad平板电脑、专用显示器、医学眼视光测试仪等设备开发对应的离线或在线应用,在软件***实现上述色觉测试图合成方法,以单元测试图、编组测试图为用例,在显示屏上呈现;亦可提前生成本法所述测试图样本,存储在硬盘或内存中,在测试时随机抽取显示;同时结合专门制订的一系列评估规程,来进行色觉测试,包括但不限于以编组测试图的正确读图率来作为色觉测试结果打分。对图像产生、呈现的控制指令输入可通过触控、语音、鼠标等多种形式。
2.嵌入式软硬件与纸质打印装置。通过单片机、FPGA等各类嵌入式***以及开发板,以相应编程语言实现色觉测试图合成方法,或者在其它硬件平台上预先合成色觉测试图,然后存储在嵌入式设备当中来显示或打印。通过将色觉测试图彩色打印为纸质版,结合测试规程的说明文字,以试卷形式发放给受试人员来进行测试。打印设备可以采用国内外各厂商生产的各型号彩印装置,也可以采用快速成像相机技术、拍立得等设备。具体实现方式包括但不限于以下方法:如以嵌入式硬件、计算机软件实现色觉测试图制作,传输到彩色打印机进行印刷,分发给受试人员,以进行色觉测试。
3.互联网应用软件***。以各类编程语言如Javascript、超文本标记语言等开发并实现所述色觉测试合成方法,或者以微服务、离线应用的形式在浏览器或APP端呈现色觉测试图,可结合一定的交互式设计来实施色觉测试。具体实现架构包括但不限于以下两种方式:一、直接采用Javascript语言在客户端浏览器中执行,产生色觉测试图并进行测试;二、采用后台***产生色觉测试图,然后在客户端浏览器中以超文本标记语言或单页应用组件可视化显示,来进行色觉测试。
本发明可以按需随机产生图样内容,克服了固定图样所具有的缺陷;本发明产生过程中可以调整参数,具有配色可控、科学易用的优点;本发明可以通过单张测试图来定性判断受试者色觉情况,也可以根据受试者对编组后的单元测试图辨识的比例来线性评估其色盲严重程度。
Claims (9)
1.一种基于假同色搜索的异常色觉测试图合成方法,包括:
步骤1:搜索假同色对,即对RGB网格空间上的候选色进行遍历和仿真,并计算候选色仿真前后的感知色差;
步骤1包括:
步骤1.1:选取候选色彩,即将RGB空间进行网格划分,在网格的节点上或者以每个网格节点为中心随机进行微小偏移选取候选色彩;
步骤1.3:计算感知色差,即利用CIE L*a*b*1976颜色差异公式,先将RGB色彩先转换到XYZ色彩空间,然后转换到LAB色彩空间,然后计算{Q,Qτ}之间的色彩差异值ΔE*Lab(Q,Qτ);
步骤2:选取假同色对,即先判断阈值条件,然后选定假同色对,最后存储假同色对;
步骤2包括:
步骤2.1:判断阈值条件,即将阈值条件设定为α≥0,当ΔE*Lab(Q,Qτ)≥α时,保留假同色对{Q,Qτ},作为填充色集合中的元素;当ΔE*Lab(Q,Qτ)≤α时,舍弃假同色对
{Q,Qτ},其中α为可设定参数,物理意义为色差阈值;
步骤2.2:选定假同色对,即对全部候选色彩进行计算并判断上述阈值条件,按照所设置的色差阈值α来分别选定假同色对集合中的元素;
步骤2.3:存储假同色对,即将选定的假同色集合进行存储;
步骤3:生成测试图像,即选取色盲测试图图样,并以假同色对进行前景填充和背景填充,形成单元测试图,对单元测试图进行编组;
步骤3包括:
步骤3.1:选取测试图样,即选取便于识别的几何形状、生活中常见图形作为测试图样,将前述产生的任一假同色对组合,分别作为前景色、背景色,填充于测试图样的前景与背景;
步骤3.2:填充测试图案,即采用选定的假同色对,来填充测试图案;
步骤3.3:生成测试单元,即对测试图案进行填充后,得到三通道的彩色图像,作为测试单元;
步骤3.4:编组测试图像,即随机选取多个测试单元,合并为一组测试图像。
2.如权利要求1所述的一种基于假同色搜索的异常色觉测试图合成方法,其特征在于:
步骤1.1中将RGB色彩空间分为X×Y×Z的网格,大小为32×32×32,在网格的节点上选取三元组候选颜色向量;
步骤1.2中对应色向量Qτ的计算如下:首先将三元组候选颜色向量Q转换到LMS空间,得到LMS空间中对应的色彩向量,如下式:
其次使用色盲仿真算法得到LMS色彩空间中的τ型色盲仿真向量:
其中Tsim τ为色盲仿真算法中的变换矩阵;
然后将LMS色彩空间的τ型色盲仿真向量转换回RGB空间向量,即,
其中Qτ为三元组候选颜色向量Q的色盲仿真对应色,即{Q,Qτ}为一对假同色;
步骤1.3中根据下式来计算{Q,Qτ}之间的色彩差异值:
ΔE*Lab(Q,Qτ)=[(LQ*-LQτ*)2+(aQ*-aQτ*)2+(bQ*-bQτ*)2]
其中(LQ*,aQ*,bQ*)表示候选色彩Q转换到LAB空间后的结果,(LQτ*,aQτ*,bQτ*)表示仿真色彩Qτ转换到LAB空间后的三个分量;
步骤2.1中采用α=50;
步骤2.2在选定的假同色对集合中随机选取,或将集合中色彩元素进行可视化后直接拾取;
步骤2.3中存储方式可采用哈希列表或字典数据结构,文件格式可使用JSON或Pickle对象;
步骤3.1中随机产生数字0-9作为前景内容、剩余空白区域作为背景,构成测试图样;
步骤3.4中选取5*5个单元测试图组成一例测试图像。
3.如权利要求2所述的一种基于假同色搜索的异常色觉测试图合成方法,其特征在于:
步骤1.1中将RGB色彩空间分为X×Y×Z的网格,以网格节点(x0,y0,z0)为中心,向各个方向上随机小步长偏移(Δx,Δy,Δz)到达的点,作为三元组候选颜色向量。
4.如权利要求2所述的一种基于假同色搜索的异常色觉测试图合成方法,其特征在于:
步骤3.2中以假同色对直接填充测试图样,以仿真色为背景填充色,以原色彩为前景填充色。
5.如权利要求2所述的一种基于假同色搜索的异常色觉测试图合成方法,其特征在于:
步骤3.2中以假同色对分割式填充测试图样,采用K-D树数据结构绘制不相互重叠的小圆圈几何图案,形成分割式测试图单元。
6.如权利要求2所述的一种基于假同色搜索的异常色觉测试图合成方法,其特征在于:
步骤3.2中以假同色对的近似色泛化式填充测试图样,在LAB色彩空间中以假同色为球心、半径为ρ的球体空间中依照高斯分布来随机拾取相近色,来填充每次产生的小几何图案,其中0<ρ<32。
8.一种异常色觉测试图应用装置,其特征在于:上述权利要求1-7任一项所述的基于假同色搜索的异常色觉测试图合成方法产生的图像可以用于专用的色觉检测计算机装置、嵌入式软硬件、纸质打印装置或互联网应用软件***。
9.如权利要求8所述的一种异常色觉测试图应用装置,其特征在于:色觉检测计算机装置包括各型号计算机、移动终端、虚拟现实(VR)设备如Oculus、谷歌眼镜、iPad平板电脑、专用显示器、医学眼视光测试仪设备开发对应的离线或在线应用在软件***实现上述色觉测试图合成方法,以单元测试图、编组测试图为用例,在显示屏上呈现;嵌入式软硬件与纸质打印装置通过单片机、FPGA各类嵌入式***以及开发板,以相应编程语言实现色觉测试图合成方法,或者在其它硬件平台上预先合成色觉测试图,然后存储在嵌入式设备当中来显示或打印;互联网应用软件***以各类编程语言如Javascript、超文本标记语言开发并实现所述色觉测试合成方法,或者以微服务、离线应用的形式在浏览器或APP端呈现色觉测试图并结合交互式设计来实施色觉测试。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010342532.9A CN111429547B (zh) | 2020-04-27 | 2020-04-27 | 一种基于假同色搜索的异常色觉测试图合成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010342532.9A CN111429547B (zh) | 2020-04-27 | 2020-04-27 | 一种基于假同色搜索的异常色觉测试图合成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429547A CN111429547A (zh) | 2020-07-17 |
CN111429547B true CN111429547B (zh) | 2023-05-30 |
Family
ID=71556963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010342532.9A Active CN111429547B (zh) | 2020-04-27 | 2020-04-27 | 一种基于假同色搜索的异常色觉测试图合成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429547B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408798B (zh) * | 2021-06-14 | 2022-03-29 | 华中师范大学 | 一种面向色觉异常人群的无障碍vr教学资源色彩优化方法 |
CN113362321B (zh) * | 2021-07-09 | 2024-03-08 | 云南大学 | 一种基于蒙特卡洛算法的石原测试板生成方法及*** |
CN116385581A (zh) * | 2023-03-24 | 2023-07-04 | 长江大学 | 一种在线的可定制化的色觉测试图生成与识别*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104825128A (zh) * | 2015-05-07 | 2015-08-12 | 京东方科技集团股份有限公司 | 色盲检测方法及装置 |
CN106414474A (zh) * | 2014-03-17 | 2017-02-15 | 阿德夫拉姆生物技术股份有限公司 | 用于视锥细胞中增强的基因表达的组合物和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1157151C (zh) * | 2000-12-26 | 2004-07-14 | 陈言 | 色觉检测/矫正方法和设备及其应用 |
-
2020
- 2020-04-27 CN CN202010342532.9A patent/CN111429547B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106414474A (zh) * | 2014-03-17 | 2017-02-15 | 阿德夫拉姆生物技术股份有限公司 | 用于视锥细胞中增强的基因表达的组合物和方法 |
CN104825128A (zh) * | 2015-05-07 | 2015-08-12 | 京东方科技集团股份有限公司 | 色盲检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
俞如旺 ; 包磊 ; .计算机色觉检测***的设计与实现.福建轻纺.2008,(10),全文. * |
马瑞青 ; 廖宁放 ; 森敬三 ; .视觉实验前期色觉异常的检测和分类.光学学报.2016,(06),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111429547A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429547B (zh) | 一种基于假同色搜索的异常色觉测试图合成方法 | |
CN110197714B (zh) | 图像解析方法、装置、学习后的深度学习算法的生成方法 | |
Garlandini et al. | Evaluating the effectiveness and efficiency of visual variables for geographic information visualization | |
TWI543744B (zh) | 適應性視覺效能測試系統 | |
US7379586B2 (en) | Color vision characteristic detection apparatus | |
CN102469935A (zh) | 图像处理设备、图像处理方法和程序 | |
Moacdieh et al. | The effects of data density, display organization, and stress on search performance: An eye tracking study of clutter | |
JP2020080003A (ja) | 教師データ生成方法、教師データ生成プログラム、教師データ生成装置、及び商品識別装置 | |
Domik et al. | User modeling for adaptive visualization systems | |
US9619900B2 (en) | Systems and methods for identifying anomalous test item renderings | |
CN107833631A (zh) | 一种医学影像计算机辅助分析方法 | |
RU2564224C2 (ru) | Способ экспресс тестирования знаний обучаемых | |
Suwannatat et al. | Interactive visualization of retinal astrocyte images | |
JP7429036B2 (ja) | 判定装置、モデル生成装置、判定方法及び判定プログラム | |
Deregowski et al. | Sex differences on Bartel's task: An investigation into perception of real and depicted distances | |
RU2730977C9 (ru) | Измерение остроты зрения человека | |
JP2019219871A (ja) | 図形要素表示プログラム及び図形要素表示装置 | |
Roubalová | Detecting Misleading Features in Data Visualization | |
CN113256557B (zh) | 一种基于舌象临症图像的中医舌态鉴别的方法及装置 | |
Dickerson et al. | Human Factors and Simulation, Vol. 83, 2023, 67–77 AHFE | |
AlHosani | The perceptual interaction of simple and complex point symbol shapes and background textures in visual search on tourist maps | |
US20240153075A1 (en) | Electronic device for ai-based recommendation of melanoma biopsy site and method for performing the same | |
CN106791731A (zh) | 一种结合相机光谱灵敏度信息的场景真彩色恢复方法 | |
Wcisło et al. | Mobile Application for Diagnosing and Correcting Color Vision Deficiencies | |
Zhang | Visual Marks for Functional Magnetic Resonance Imaging Visualization: A Ranking Study |
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 |