CN113270169B - 一种图像显示方法、装置、处理设备及介质 - Google Patents
一种图像显示方法、装置、处理设备及介质 Download PDFInfo
- Publication number
- CN113270169B CN113270169B CN202110578314.XA CN202110578314A CN113270169B CN 113270169 B CN113270169 B CN 113270169B CN 202110578314 A CN202110578314 A CN 202110578314A CN 113270169 B CN113270169 B CN 113270169B
- Authority
- CN
- China
- Prior art keywords
- image
- order
- pixel points
- different orders
- image category
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 title claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 98
- 238000012937 correction Methods 0.000 claims abstract description 58
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请公开了一种图像显示方法、装置、处理设备及介质,该方法包括:获取待显示的图像,并确定所述图像上各像素点所属的阶数;统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别;调用与所述图像类别相应的灰度校正曲线,对所述待显示的图像进行校正。以此解决对输入图像的分辨率、时序、格式等信号参数要求很高,图像无法正确识别;对输入图像场频时序要求比较严格的问题。本申请自动识别显示的图像内容,并自动调用不同校正曲线,提升产品功能体验,减少处理时间。
Description
技术领域
本发明涉及医用显示技术领域,特别涉及一种图像显示方法、装置、处理设备及介质。
背景技术
医用诊断显示器,在显示x光片图像使用时,为了让图像灰阶表现力最佳,要求必须调用DICOM(Digital Imaging and Communications in Medicine)曲线对灰阶进行校正,但用作编辑文档或其他用途使用时,需要更合适的伽马曲线或画质参数配置。
为实现这一功能,当前的实现方式是通过外加(如FPGA(Field ProgrammableGate Array)模块等)图像识别单元,根据像素识别确定图像内容,根据图像内容确定图像类别,调用对应类别的DICOM曲线,区域外画质保持不变。
现有技术中,对输入图像的分辨率、时序、格式等信号参数要求很高,图像如经过缩放处理,或图像格式不满足就无法正确识别;此外医用诊断场景中,显示器一般需要低延时处理,但若通过FPGA识别图像,对输入图像场频时序要求比较严格,增加处理时间,影响客户对低延时的需求。
发明内容
本申请的目的是提供一种图像显示方法、装置、处理设备及介质。用于解决现有对输入图像的信号参数要求过高,导致无法正确识别,增加处理时间,影响客户对低延时需求的问题。
第一方面,本申请实施例提供了一种图像显示的方法,所述方法包括:
获取待显示的图像,并确定所述图像上各像素点所属的阶数;
统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别;
调用与所述图像类别相应的灰度校正曲线,对所述待显示的图像进行校正。
在一些可能的实施例中,所述灰度校正曲线包括DICOM校正曲线和伽马校正曲线,所述图像类别包括与DICOM校正曲线对应的第一图像类别及与伽马校正曲线对应的第二图像类别,统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别,包括:
根据不同阶数对应的像素点数量的分布特征,确定所述分布特征是否符合所述第一图像类别的图像的不同阶数对应的像素点数量的分布特征;
若是,确定所述图像的图像类别为第一图像类别,否则,确定所述图像的图像类别为第二图像类别。
在一些可能的实施例中,所述灰度校正曲线包括DICOM校正曲线和伽马校正曲线,所述图像类别包括与DICOM校正曲线对应的第一图像类别及与伽马校正曲线对应的第二图像类别,统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别,包括:
提取不同阶数对应的所述像素点数量的分布特征;
分别与所述第一图像类别的图像的不同阶数对应的像素点数量的分布特征及所述第二图像类别的图像的不同阶数对应的像素点数量的分布特征进行比对,确定所述图像的图像类别为第一图像类别或第二图像类别。
在一些可能的实施例中,所述第一图像类别的图像的不同阶数对应像素点数量的分布特征,包括:
多个低阶像素点数量中,每相邻两个阶数的像素点数量之间,较低阶的像素点数量小于较高阶的像素点数量;
所述低阶像素点数量为阶数大于像素点峰值数量所在阶数且小于预设阶数的像素点数量;或者所述低阶像素点数量为阶数从像素点峰值数量所在阶数之后预设数量个阶数的像素点数量。
在一些可能的实施例中,所述像素点峰值数量所在阶数通过在提取所述像素点数量的分布特征时确定或者根据预定阶数确定。
在一些可能的实施例中,所述第一图像类别图像的不同阶数对应的像素点数量的分布特征还包括如下至少一个:
第一像素点数量与第二像素点数量的比值大于预设的第一门限值,所述第一像素点数量为最低阶数的非零像素点数量,所述第二像素点数量为最高阶数的非零像素点数量;
各低阶像素点数量分别大于各自的阶数对应的预设第二门限值;
每相邻两个阶数的像素点数量中,较高阶的像素点数量与较低阶的像素点数量的差值在预设阈值范围内。
在一些可能的实施例中,所述第一图像类别包括x光片图像,所述第二图像类别包括office文档图像、Windows背景图像或电脑开机启动界面图像。
第二方面,本申请实施例提供了一种图像显示装置,该装置包括:
阶数确定模块,用于获取待显示的图像,并确定所述图像上各像素点所属的阶数;
图像类别确定模块,用于统计不同所述阶数的对应的像素点数量,根据不同阶数像素点数量的分布特征,确定所述图像的图像类别;
校正显示模块,用于调用与所述图像类别相应的灰度校正曲线,对所述原始像素点数量进行校正后显示所述图像。
第三方面,本申请实施例提供了一种处理设备,所述设备包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执上述第一方面提供的图像显示的方法。
第四方面,本申请实施例提供计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序用于使计算机执行上述第一方面提供的图像显示的方法。
本申请实施例,为了解决显示图像时,对输入图像的信号参数要求过高,无法正确识别,以及医用显示器一般需要低延时处理,对输入图像场频时序要求严格,增加处理时间,影响客户对低延时的需求问题,本申请实施例根据用户使用场景不同,自动识别显示的图像内容,并自动调用不同的伽马校正曲线等画质参数,提升产品功能体验。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅是本申请的一些实施例,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为根据本申请一个实施例的应用环境的示意图;
图2为根据本申请一个实施例的图像显示方法流程示意图;
图3为根据本申请一个实施例的显示office文档时,对应的各阶像素点数量图表;
图4为根据本申请一个实施例的显示Windows背景时,对应的各阶像素点数量图表;
图5为根据本申请一个实施例的显示电脑开机启动界面时,对应的各阶像素点数量图表;
图6为根据本申请一个实施例的显示x光片图像时,对应的各阶像素点数量图表;
图7为根据本申请一个实施例的放大x光片图像的中间像素点数量分布图表;
图8为根据本申请一个实施例的图像识别的流程图;
图9为根据本申请一个实施例的图像显示装置的结构示意图;
图10为根据本申请一个实施例的一种电子设备结构示意图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、详尽地描述。在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;文本中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
在本申请实施例的描述中,除非另有说明,术语“多个”是指两个或两个以上,其它量词与之类似应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
为进一步说明本申请实施例提供的技术方案,下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。方法在实际的处理过程中或者控制设备执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行。
鉴于相关技术中为了解决显示图像时,对输入图像的信号参数要求过高,无法正确识别,以及医用显示器一般需要低延时处理,对输入图像场频时序要求严格,增加处理时间,影响客户对低延时的问题。本申请提出一种图像显示方法、装置、处理设备及介质,能够自动识别图像内容,并自动调用最佳画质参数,无需手动操作,简化操作,提升产品用户体验。
有鉴于此,本申请的发明构思为:通过图像动态亮度分析(DLC)功能,可以获取显示器一副图像内各种亮度像素点数量,目前主流图像处理SOC,可提供32阶DLC数据,低阶数据是代表偏黑色图像内容,高阶数据是白色图像,中间是不同灰阶图像内容,本申请的实施例就是依据这种图像像素点数量,识别图像内容,调用不同画质参数。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面结合附图对本申请实施例中的图像显示方法进行详细说明。
参见图1,为根据本申请一个实施例的应用环境示意图,该应用环境包括显示器10,与显示器10连接的处理器20,显示器10和处理器20作为设备端,还可连接远端设备30,显示器10上既可以显示设备端本地的图像,也可以显示设备端从远端设备30接收的图像。具体来讲远端设备可以包括终端、服务器或医疗诊断设备等。将上述设备端应用到医疗诊断场景时,上述显示器10主要应用于显示与医疗诊断相关的图像。
在此应用环境下,显示器可以显示的图像包括多种类别,不同的图像类别利用对应的校正曲线进行校正。目前应用环境下,通过外加(如FPGA(Field Programmable GateArray)模块等)图像识别单元,根据像素识别确定图像内容,根据图像内容确定图像类别,然后根据不同的图像类别调用不同的校正曲线,例如在医疗诊断场景中,当用户在显示器上阅读显示的图像例如x光片图像时,通过外加(如FPGA(Field Programmable GateArray)模块等)图像识别单元,根据像素识别确定图像为x光片图像,调用x光片图像对应类别的DICOM曲线,区域外画质保持不变。
但是现有技术中,在通过FPGA识别图像时,对输入图像的分辨率、时序、格式等信号参数要求很高,图像如经过缩放处理,或图像格式不满足就无法正确识别;另外通过FPGA识别图像,对输入图像场频时序要求比较严格,增加处理时间,影响客户对低延时的需求,例如在显示与医疗诊断相关的图像时,一般需要低延时处理,上述方式无法满足显示与医疗诊断相关的图像的低时延需求。
鉴于此,本发明的实施例中,根据不同类别图像的原始像素点数量的分布特征,识别待显示图像的类别,并自动调用不同的校正曲线等画质参数。
图2示出了本申请一个实施例提供的显示图像的方法流程示意图,该方法应用于上述包括显示器的设备端,该方法包括:
步骤201:获取待显示的图像,并确定所述图像上各像素点所属的阶数。
响应于图像显示指令,获取待显示的图像,并对获取的待显示图像利用图像动态亮度分析(DLC)功能,确定待显示图像的不同阶数对应的像素点数量。
上述待显示图像可以但不限于包括与医疗诊断相关的图像,例如对于医用诊断显示场景,首先从医疗诊断设备获取需要在显示器上显示的待显示图像各像素点数量所属的阶数。
像素点所属的阶数一般被划分为低阶数据部分、高阶数据部分以及中间阶数数据部分。
步骤202,统计不同所述阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别。
不同图像类别的不同阶数的像素点数量,具有与该图像类别对应的像素点数量分布特征,本申请中预先确定不同图像类别的不同阶数对应的像素点数量的分布特征,具体可以预先获取不同图像类别的图像,并获取不同图像类别的各像素点所属的阶数,统计不同所述阶数对应的像素点数量,确定不同类别图像的不同阶数的像素点数量分布特征。作为一种可选的实施方式,可以将统计的不同所述阶数对应的像素点数量生成对应的不同阶数像素点数量的分布图表,对不同阶数像素点数量的分布图表进行解析确定分布特征,具体可以但不限于采用如下方式:
方式1,对不同图像类别的图像对应的不同阶数对应的像素点数量的分布图表,采用机器学习的方式提取不同阶数对应的像素点数量的分布特征,并进行存储;
方式2,将不同图像类别的图像的对应的不同阶数对应的像素点数量的分布图表输出显示,通过人为方式确定不同图像类别的不同阶数对应的像素点数量的分布特征,获取输入的不同图像类别的不同阶数对应的像素点数量的分布特征,并进行存储。
步骤203,调用与所述图像类别相应的灰度校正曲线,对所述待显示的图像进行校正。
本申请为了解决显示图像时,对输入图像的信号参数要求过高,无法正确识别,以及医用诊断场景中,显示器一般需要低延时处理,对输入图像场频时序要求严格,增加处理时间,影响客户对低延时的需求问题,本申请实施例根据用户使用场景不同,确定在该场景下显示的图像上各像素点所属的阶数,统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定图像的图像类别,并自动调用与图像类别相应不同的灰度校正曲线等画质参数,提升图像显示效果。
上述灰度校正曲线包括DICOM校正曲线和伽马校正曲线,本申请实施例中上述图像类别包括第一图像类别和第二图像类别,其中,第一图像类别为与DICOM校正曲线对应的图像类别,第二图像类别为与伽马校正曲线对应的图像类别。
如前所述,本申请实施例调用的校正曲线包括两类,则在进行图像类别确定时,可以仅识别当前待显示的图像是否为其中一种校正曲线对应的图像类别,也可以识别当前待显示图像的具体所属的第一图像类别或第二图像类别。
作为一种可选的实施方式,提取所述不同阶数对应的像素点数量的分布特征,根据所提取的分布特征确定所述图像的图像类别,可以采用如下任一方式:
方式1,提取不同阶数对应的像素点数量的分布特征,确定所述分布特征是否符合所述第一图像类别的图像的不同阶数对应的像素点数量的分布特征;
若是,确定所述图像的图像类别为第一图像类别,否则,确定所述图像的图像类别为第二图像类别。
采用该实施方式,则预先确定第一图像类别的图像不同阶数对应的像素点数量的分布特征,不需要确定第二图像类别的图像不同阶数对应的像素点数量的分布特征。且在图像显示过程中,提取待显示图像不同阶数对应的像素点数量的分布特征后,仅需要与第一图像类别对应的像素点数量的分布特征进行比对,则可以确定调用的灰度校正曲线,因此可以降低处理器的负荷,显示时延会更低。
例如所述第一图像类别包括x光片图像,所述第二图像类别包括office文档图像、Windows背景图像或电脑开机启动界面图像,预先确定x光片图像不同阶数对应的像素点数量的分布特征,获取到待显示图像时,仅需要判断获取的待显示图像的不同阶数对应的像素点数量的分布各种,是否符合上述x光片图像对应的像素点数量的分布特征,若是,该图像的图像类别为第一图像类别,调用DICOM校正曲线,否则该图像的图像类别为第二图像类别,调用伽马校正曲线。
方式2,提取不同阶数对应的像素点数量的分布特征,分别与所述第一图像类别对应的像素点数量的分布特征及所述第二图像类别对应的像素点数量的分布特征进行比对,确定所述图像的图像类别为第一图像类别或第二图像类别。
采用该实施方式时,则预先分别确定第一图像类别及第二图像类别的图像不同阶数对应的像素点数量的分布特征。且在图像显示过程中,提取待显示图像不同阶数的像素点数量的分布特征后,与第一图像类别对应的像素点数量的分布特征和第二图像类别对应的像素点数量的分布特征分别进行比对,则可以确定调用的灰度校正曲线。采用该方式时,对于一个灰度校正曲线与多个图像类别对应的情况,可以精确地确定待显示图像的图像类别,不仅可以调用对应的灰度曲线,还可以针对确定具体的图像类型进行其他画质参数的调整。
例如所述第一图像类别包括x光片图像,所述第二图像类别包括office文档图像、Windows背景图像或电脑开机启动界面图像,预先确定x光片图像、office文档图像、Windows背景图像或电脑开机启动界面图像不同阶数对应的像素点数量的分布特征,获取到待显示图像时,将获取的待显示图像的不同阶数像素点数量的分布特征,与上述x光片图像、office文档图像、Windows背景图像或电脑开机启动界面图像不同阶数对应的像素点数量的分布特征分别进行对比,确定符合office文档图像时,调用伽马校正曲线,并可以调整一些其他参数以更好地适应显示office文档图像。
下面以属于第一图像类别的x光片图像,属于第二图像类别的office文档图像、Windows背景图像或电脑开机启动界面图像为例,给出根据具体的从像素点数量分布图表提取对应的像素点数量分布特征的实施方式。
如图3所示为x光片的不同阶数对应的像素点数量分布图表,图4为对图3中属于中间阶数的像素点数量进行放大后得到像素点数量分布图表,图5为office文档的不同阶数对应的像素点数量分布图表;图6为Windows背景的不同阶数对应的像素点数量分布图表,图7为电脑开机启动界面不同阶数对应的像素点数量分布图表。
上述各类图像不同阶数对应的像素点数量分布图表中,横轴为灰阶阶数,纵轴为像素点数量。
本申请中像素点数量越多,代表黑色图像的内容占显示器面积越大,反之代表白色图像内容占显示器面积越大,图5是显示office文档图像时,对应的不同阶数对应的像素点数量图表,可看到低亮黑色部分和高阶白色部分数据很小,即显示器所显示的图像几乎没有黑色和特别白的内容,像素点数量占比较大的是偏暗的windows桌面和文档编辑窗口内稍亮的背景;图6是显示Windows背景图像时,不同阶数对应的像素点数量图表,可看到占比较大的为偏暗的桌面背景的像素点数量,而高阶白色画面很少,黑色画面几乎没有;图7是显示电脑开机启动界面图像时,不同阶数对应的像素点数量图表,可看到像素点数量主要分布在低阶黑色部分,高阶的白色是文字内容;图3是显示x光片图像时,不同阶数对应的阶像素点数量图表,可以看到对应的像素点数量分布主要是黑色背景,黑色背景占比很大,中间和高阶白色占比较小。
参见图4所示的放大x光片图像的中间像素点数量分布图表,图4中的横坐标是截取图3显示x光片时,对应的各阶像素点数量图表的阶数为4-30阶的像素点数量。可以看出,x光片图像中间阶数像素点数量分布特征为,中间阶数像素点数量较多,偏暗部分数据整体呈现递增状态,即x光图像的低阶部分像素点数量过渡比较均匀,对比图7开机启动图像有明显区别,以上几点可用于分辨普通黑背景图片与x光图片。
总体来讲,x光片图像中不同阶数对应的像素点数量的分布特征为,低阶像素点数量占整体画面的像素点比重大;office文档图像中,中间阶数的像素点数量占比最大,低阶像素点数量和高阶像素点数量占整体画面的像素点比重小;Windows背景图像中,中间阶数的像素点数量占比最大;低阶像素点数量占比为零,高阶像素点数量占比小于中间阶数的像素点数量占比;电脑开机启动界面图像中,低阶像素点数量占比最大。
作为一种可选的实施方式,上述不同图像的像素点数量分布特征可以得出,所述第一图像类别的像素点数量的分布特征,包括:
多个低阶像素点数量中,每相邻两个阶数的像素点数量之间,较低阶的像素点数量小于较高阶的像素点数量;
所述低阶像素点数量为阶数大于像素点峰值数量所在阶数且小于预设阶数的像素点数量;或者所述低阶像素点数量为阶数从像素点峰值数量所在阶数之后预设数量个阶数的像素点数量。
具体来讲,以32阶像素点数量为例,目前主流图像处理SOC,可以提供32阶DCL数据,待显示的图像的像素点数量中低阶数据代表显示器中偏黑色图像内容部分,高阶数据代表显示器中白色图像部分。
本申请中将x光片图像归为第一图像类别,将office文档图像、Windows背景图像以及电脑开机启动界面图像归为第二图像类别;
根据图3-图7不同图像的不同阶数对应的像素点数量的分布图表可直观显示出第一图像类别与第二图像类别的分布特征,本申请实施例中采用上述任一方式确定的各图像类别的图像对应的像素点数量分布特征为:
第一图像类别对应的像素点数量分布特征为,像素点峰值数量所在的阶数位于低阶阶数,且像素点峰值数量之后的低阶像素点数量呈递增趋势,另外低阶像素点数量占比大于高阶像素点数量;
第二图像类别中office文档对应的像素点数量分布特征为,中间阶数的像素点数量占比大于低阶像素点数量或高阶像素点数量;
Windows背景图像对应的像素点数量分布特征为,中间阶数的像素点数量占比大于低阶像素点数量或高阶像素点数量;
电脑开机启动界面图像对应的像素点数量分布特征为,低阶像素点数量占比大于高阶像素点数量。
所在阶数的像素点数量越大,像素点数量代表的颜色占整个显示器的面积越大。
作为一种可选的实施方式,所述像素点峰值数量所在阶数通过在提取所述像素点数量的分布特征时确定或者根据预设阶数确定。
具体地,上述预设阶数的范围属于低阶阶数,不会跨越到中阶阶数部分,例如假设32个阶数中,15阶属于中间阶数划分点,则预设阶数可以是10或者12,总之小于15阶即可。参见图3中像素点峰值数量所在的阶数为3阶,假设预设阶数为10阶,则图4中的低阶像素点数量是选取的图3中从4阶对应的像素点数量值至10阶对应的像素点数量,作为一种可选的实施方式,图4中的低阶对应的像素点数量也可以选取图3中从5阶对应的像素点数量值至10阶对应的像素点数量。
进一步地,上述预设数量的范围为,像素点峰值数量所在阶数加上所述预设数量个阶数属于低阶阶数,不会跨越到中阶阶数部分。图3中像素点峰值数量所在的阶数为3阶,假设预设数量为5,则选取图3中4阶、5阶、6阶、7阶、8阶对应的像素点数量为低阶像素点数量。
作为一种可选的实施方式,本申请中低阶像素点数量的选取需要具有代表性,能够体现出不同类别图像真实特点的像素点数量,因此所述第一图像类别的不同阶数对应的像素点数量的分布特征包括如下至少一个:
第一像素点数量与第二像素点数量的比值大于预设的第一门限值,所述第一像素点数量为最低阶数的非零像素点数量,所述第二像素点数量为最高阶数的非零像素点数量;
各低阶像素点数量分别大于各自的阶数对应的预设第二门限值;
每相邻两个阶数的像素点数量中,较高阶的像素点数量与较低阶的像素点数量的差值在预设阈值范围内。
具体来讲,选取的像素点数量中,最低阶数对应的像素点数量不为零,也不能为像素点数量的峰值所对应的阶数,可选地,所述像素点峰值数量所在阶数通过在提取所述像素点数量的分布特征时确定或者根据预定阶数确定。
具体地,上述所述的预定阶数为***像素点峰值数量可能属于的阶数,假设***像素点峰值数量所在的阶数不会超过4阶,即可以将预定阶数设置为4阶,即预定的像素点峰值数量所在的阶数为4阶。
参见图4中截取的图3中x光片图像对应的中间部分的像素点数量,截取过程中,选取了阶数为4-30阶的像素点数量,舍去的1阶、2阶对应的像素点数量为0,不具有代表性,舍去的3阶对应的像素点数量为整个x光片图像中像素点数量的峰值,此处的像素点峰值数量所在的阶数3阶,即是通过提取所述像素点数量的分布特征时确定的,因为像素点数量处于峰值所以不具有代表性,舍去的31阶、32阶对应的像素点数量为0,不具有代表性;因此图3中阶数为4对应的像素点数量为图4中的最低阶数1阶对应的像素点数量,我们将图4中的1阶对应的像素点数量定义为第一像素点数量,图3中阶数为30对应的像素点数量为图4中的最高阶数对应的像素点数量27阶,我们将图4中的27阶对应的像素点数量定义为第二像素点数量,可以看到,第一像素点数量与第二像素点数量的比值大于预设的第一门限值;接下来截取图4中部分低阶像素点数量值,1阶-7阶所对应的像素点数量,可看出,分别大于各自的阶数对应的预设第二门限值;1阶-7阶对应的像素点数量处于递增状态,且递增的比较平缓,像素点数量过度的比较均匀,不会出现激增情况。
作为一种可选的实施方式,本申请将图像类别分为两类,所述第一图像类别包括x光片图像,所述第二图像类别包括但不限于office文档图像、Windows背景图像或电脑开机启动界面图像。
参见图8所示的图像识别的流程图,下面以图像自动识别为例,给出详细的实施过程,包括:
步骤801,读取N个阶数的像素点数量K[N],置n=1;
步骤802,判断K[n]>0,若是,继续步骤803,若否,n=n+1返回步骤801;
步骤803,确定第一像素点数量a=K[n],保存第一像素点数量a;
步骤8031,c=n+1,开始判断相邻阶数对应的像素点数量的递增规律;
步骤8032,n=N,开始判断第二像素点数量;
步骤804,判断K[n]>0,若是,继续步骤805,若否,n=n-1返回步骤8032;
步骤805,确定第二像素点数量b=K[n],保存第二像素点数量b;
步骤806,T[n]=K[c+1]-K[c],计算相邻阶数对应的像素点数量递增量;
步骤807,判断a/b大于第一门限值;各低阶像素点数量分别大于各自的阶数对应的预设第二门限值;T[n]为正数;
步骤808,若同时满足步骤806,则判断当前为x光片图像,调用或保持DICOM校正曲线;
若不同时满足步骤806,则调用或保持伽马校正曲线。
具体来讲,本申请中以32个像素点数量K1-K32为例,最低阶不为零的像素点数量记为Ka,最高阶不为0的像素点数量计为Kb(其中a、b为对应灰阶),判断依据需同时满足下面条件,1)1)Ka/Kb比值大于第一门限值;2)取部分低阶数据值,以取6个像素点数量为例:Ka+1,Ka+2,Ka+3,Ka+4,Ka+5,Ka+6,满足各阶像素点数量分别大于各自的阶数对应的预设第二门限值,并且是递增的关系,递增判断方法如下:设Tn是相邻像素点数量增量,
T1=Ka+2-Ka+1;
T2=Ka+3-Ka+2;
T3=Ka+4-Ka+3;
T4=Ka+5-Ka+6;
T5=Ka+6-Ka+5;
满足T1~T5为正数时,Kn值即为递增的。
当识别满足上述条件后,显示器图像识别为x光片图像内容,调用DICOM曲线,之前图像识别为x光片图像内容时,继续保持DICOM曲线即可;其他情况调用伽马校正曲线补偿,之前图像识别不属于x光片图像内容时,继续保持伽马校正曲线补偿。
实施例2
基于相同的发明构思,本申请还提供一种图像显示装置,如图9所示,该装置包括:
阶数确定模块901,用于获取待显示的图像,并确定所述图像上各像素点所属的阶数;
图像类别确定模块902,用于统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别;
校正显示模块903,用于调用与所述图像类别相应的灰度校正曲线,对所述待显示的图像进行显示。
作为一种可选的实施方式,所述校正显示模块中的所述灰度校正曲线包括DICOM校正曲线和伽马校正曲线,所述图像类别包括与DICOM校正曲线对应的第一图像类别及与伽马校正曲线对应的第二图像类别,图像类别确定模块902还包括:
根据不同阶数对应的像素点数量的分布特征,确定所述分布特征是否符合所述第一图像类别的图像的不同阶数对应的像素点数量的分布特征;
若是,确定所述图像的图像类别为第一图像类别,否则,确定所述图像的图像类别为第二图像类别。
作为一种可选的实施方式,图像类别确定模块902还包括:提取不同阶数对应的所述像素点数量的分布特征;
分别与所述第一图像类别的图像的不同阶数对应的像素点数量的分布特征及所述第二图像类别的图像的不同阶数对应的像素点数量的分布特征进行比对,确定所述图像的图像类别为第一图像类别或第二图像类别。
作为一种可选的实施方式,所述第一图像类别的像素点数量的分布特征,包括:
多个低阶像素点数量中,每相邻两个阶数的像素点数量之间,较低阶的像素点数量小于较高阶的像素点数量;
所述低阶像素点数量为阶数大于像素点峰值数量所在阶数且小于预设阶数的像素点数量;或者所述低阶像素点数量为阶数从像素点峰值数量所在阶数之后预设数量个阶数的像素点数量。
作为一种可选的实施方式,所述像素点峰值数量所在阶数通过在提取所述像素点数量的分布特征时确定或者根据预定阶数确定。
作为一种可选的实施方式,所述第一图像类别的像素点数量的分布特征还包括如下至少一个:
第一像素点数量与第二像素点数量的比值大于预设的第一门限值,所述第一像素点数量为最低阶数的非零像素点数量,所述第二像素点数量为最高阶数的非零像素点数量;
各低阶像素点数量分别大于各自的阶数对应的预设第二门限值;
每相邻两个阶数的像素点数量中,较高阶的像素点数量与较低阶的像素点数量的差值在预设阈值范围内。
作为一种可选的实施方式,所述第一图像包括x光片图像,所述第二图像包括office文档图像、Windows背景图像或电脑开机启动界面图像。
在介绍了本申请示例性实施方式图像显示的方法和装置之后,接下来,介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为***、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
在一些可能的实施方式中,根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的图像显示方法的步骤。
下面参照图10来描述根据本申请的这种实施方式的电子设备130,即上述图像显示处理设备。图10显示的电子设备130仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示,电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于:上述至少一个处理器131、上述至少一个存储器132、连接不同***组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、***总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备130交互的设备通信,和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且,电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备130使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
在一些可能的实施方式中,本申请提供的一种图像显示方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种图像显示方法的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于监控的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和方框图来描述的。应理解可由计算机程序指令实现流程图和方框图中的每一流程和/或方框、以及流程图和方框图中的流程和方框的结合。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方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引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方框图一个方框或多个方框中指定的功能。
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方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做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申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种图像显示的方法,其特征在于,所述方法包括:
获取待显示的图像,并确定所述图像上各像素点所属的阶数;
统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别;
调用与所述图像类别相应的灰度校正曲线,对所述待显示的图像进行校正;
其中,所述灰度校正曲线包括DICOM校正曲线和伽马校正曲线,所述图像类别包括与DICOM校正曲线对应的第一图像类别及与伽马校正曲线对应的第二图像类别;
所述第一图像类别的图像的不同阶数对应像素点数量的分布特征,包括:
多个低阶像素点数量中,每相邻的第一阶数和第二阶数的像素点数量之间,所述第一阶数小于所述第二阶数,且所述第一阶数的像素点数量小于所述第二阶数的像素点数量;所述低阶像素点数量为阶数大于像素点峰值数量所在阶数且小于预设阶数的像素点数量;或者所述低阶像素点数量为阶数从像素点峰值数量所在阶数之后预设数量个阶数的像素点数量。
2.根据权利要求1所述的方法,其特征在于,统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别,包括:
根据不同阶数对应的像素点数量的分布特征,确定所述分布特征是否符合所述第一图像类别的图像的不同阶数对应的像素点数量的分布特征;
若是,确定所述图像的图像类别为第一图像类别,否则,确定所述图像的图像类别为第二图像类别。
3.根据权利要求1所述的方法,其特征在于,统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别,包括:
提取不同阶数对应的所述像素点数量的分布特征;
分别与所述第一图像类别的图像的不同阶数对应的像素点数量的分布特征及所述第二图像类别的图像的不同阶数对应的像素点数量的分布特征进行比对,确定所述图像的图像类别为第一图像类别或第二图像类别。
4.根据权利要求2或3所述的方法,其特征在于,所述像素点峰值数量所在阶数通过在提取所述像素点数量的分布特征时确定或者根据预定阶数确定。
5.根据权利要求2或3所述的方法,其特征在于,所述第一图像类别图像的不同阶数对应的像素点数量的分布特征还包括如下至少一个:
第一像素点数量与第二像素点数量的比值大于预设的第一门限值,所述第一像素点数量为最低阶数的非零像素点数量,所述第二像素点数量为最高阶数的非零像素点数量;
各所述低阶像素点数量分别大于各自的阶数对应的预设第二门限值;
每相邻的所述第一阶数和所述第二阶数的像素点数量中,所述第二阶数的像素点数量与所述第一阶数的像素点数量的差值在预设阈值范围内。
6.根据权利要求2所述的方法,其特征在于,
所述第一图像类别包括x光片图像,所述第二图像类别包括office文档图像、Windows背景图像或电脑开机启动界面图像。
7.一种图像显示装置,其特征在于,包括:
阶数确定模块,用于获取待显示的图像,并确定所述图像上各像素点所属的阶数;
图像类别确定模块,用于统计不同阶数对应的像素点数量,根据不同阶数对应的像素点数量的分布特征,确定所述图像的图像类别;
校正显示模块,用于调用与所述图像类别相应的灰度校正曲线,对所述待显示的图像进行显示;
其中,所述灰度校正曲线包括DICOM校正曲线和伽马校正曲线,所述图像类别包括与DICOM校正曲线对应的第一图像类别及与伽马校正曲线对应的第二图像类别;
所述第一图像类别的图像的不同阶数对应像素点数量的分布特征,包括:
多个低阶像素点数量中,每相邻的第一阶数和第二阶数的像素点数量之间,所述第一阶数小于所述第二阶数,且所述第一阶数的像素点数量小于所述第二阶数的像素点数量;所述低阶像素点数量为阶数大于像素点峰值数量所在阶数且小于预设阶数的像素点数量;或者所述低阶像素点数量为阶数从像素点峰值数量所在阶数之后预设数量个阶数的像素点数量。
8.一种处理设备,其特征在于,包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-6中任何一项所述的方法。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序用于使计算机执行如权利要求1-6中任何一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110578314.XA CN113270169B (zh) | 2021-05-26 | 2021-05-26 | 一种图像显示方法、装置、处理设备及介质 |
PCT/CN2022/093108 WO2022247680A1 (zh) | 2021-05-26 | 2022-05-16 | 一种图像显示方法、处理设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110578314.XA CN113270169B (zh) | 2021-05-26 | 2021-05-26 | 一种图像显示方法、装置、处理设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113270169A CN113270169A (zh) | 2021-08-17 |
CN113270169B true CN113270169B (zh) | 2023-03-14 |
Family
ID=77232998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110578314.XA Active CN113270169B (zh) | 2021-05-26 | 2021-05-26 | 一种图像显示方法、装置、处理设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113270169B (zh) |
WO (1) | WO2022247680A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1664820A (zh) * | 2005-04-21 | 2005-09-07 | 哈尔滨工业大学 | 图像层次分类法 |
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 |
CN104200792A (zh) * | 2014-08-20 | 2014-12-10 | 青岛海信电器股份有限公司 | 一种显示医疗图像时定位灰阶图像区域的方法及装置 |
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 |
CN106339224A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
CN109102467A (zh) * | 2017-06-21 | 2018-12-28 | 北京小米移动软件有限公司 | 图片处理的方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100528537B1 (ko) * | 2003-04-04 | 2005-11-15 | 엘지전자 주식회사 | Lcd 화면 밝기 자동 조절 장치 및 그 방법 |
JP2008252862A (ja) * | 2007-03-05 | 2008-10-16 | Ricoh Co Ltd | 画像処理装置、画像処理方法及び画像処理プログラム |
CN102376082B (zh) * | 2010-08-06 | 2014-11-05 | 株式会社理光 | 基于伽马校正的图像处理方法和装置 |
US20140267660A1 (en) * | 2013-03-15 | 2014-09-18 | Fujifilm Sonosite, Inc. | Ultrasound device with video display capability and associated devices, systems, and methods |
CN103680371A (zh) * | 2013-12-18 | 2014-03-26 | 友达光电股份有限公司 | 一种显示器的显示特性调整装置及其调整方法 |
CN108962159B (zh) * | 2018-06-25 | 2021-04-06 | 海信视像科技股份有限公司 | 图像显示方法和装置 |
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 |
-
2021
- 2021-05-26 CN CN202110578314.XA patent/CN113270169B/zh active Active
-
2022
- 2022-05-16 WO PCT/CN2022/093108 patent/WO2022247680A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1664820A (zh) * | 2005-04-21 | 2005-09-07 | 哈尔滨工业大学 | 图像层次分类法 |
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 |
CN104200792A (zh) * | 2014-08-20 | 2014-12-10 | 青岛海信电器股份有限公司 | 一种显示医疗图像时定位灰阶图像区域的方法及装置 |
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 |
CN106339224A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
CN109102467A (zh) * | 2017-06-21 | 2018-12-28 | 北京小米移动软件有限公司 | 图片处理的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113270169A (zh) | 2021-08-17 |
WO2022247680A1 (zh) | 2022-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10713767B2 (en) | Regulation method, terminal equipment and non-transitory computer-readable storage medium for automatic exposure control of region of interest | |
CN106204474B (zh) | 局部多等级色调映射运算器 | |
US10783837B2 (en) | Driving method and driving device of display device, and related device | |
CN110675404A (zh) | 图像处理方法、图像处理装置、存储介质与终端设备 | |
CN110717919A (zh) | 图像处理方法、装置、介质和计算设备 | |
CN110222694B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN101621704A (zh) | 图形图像的颜色增强 | |
CN113270169B (zh) | 一种图像显示方法、装置、处理设备及介质 | |
CN112150368A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN111369557A (zh) | 图像处理方法、装置、计算设备和存储介质 | |
US20240013354A1 (en) | Deep SDR-HDR Conversion | |
WO2021073316A1 (zh) | 一种图像信号转换处理方法、装置及终端设备 | |
CN113506231B (zh) | 针对图像中像素的处理方法、装置、介质及电子设备 | |
US20210374480A1 (en) | Arithmetic device, arithmetic method, program, and discrimination system | |
US8761532B2 (en) | Method and system for the selective application of automatic image enhancement to digital images | |
KR20220151130A (ko) | 영상 처리 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
CN115471672A (zh) | 图像处理方法、电子设备、存储介质及程序产品 | |
CN112991153A (zh) | 图像颜色迁移方法、装置、存储介质与电子设备 | |
CN113762016A (zh) | 关键帧选取方法和装置 | |
CN114125344B (zh) | 视频处理装置及方法、监视器设备、计算机设备、介质 | |
CN113875247A (zh) | 高动态范围视频格式检测 | |
CN116645918A (zh) | 画面显示方法、装置、电子设备及存储介质 | |
CN113592921B (zh) | 图像匹配方法,装置,电子设备及存储介质 | |
CN114116079A (zh) | 文字显示方法、装置、存储介质及电子设备 | |
CN111199525A (zh) | 一种图像直方图均衡增强方法及*** |
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 |