CN109242792A - 一种基于白色物体的白平衡校对方法 - Google Patents
一种基于白色物体的白平衡校对方法 Download PDFInfo
- Publication number
- CN109242792A CN109242792A CN201810964247.3A CN201810964247A CN109242792A CN 109242792 A CN109242792 A CN 109242792A CN 201810964247 A CN201810964247 A CN 201810964247A CN 109242792 A CN109242792 A CN 109242792A
- Authority
- CN
- China
- Prior art keywords
- white
- image
- model
- white object
- white balance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000001915 proofreading effect Effects 0.000 title claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 31
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 230000009885 systemic effect Effects 0.000 claims description 2
- 238000013316 zoning Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 15
- 238000003745 diagnosis Methods 0.000 description 13
- 239000003814 drug Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 210000001835 viscera Anatomy 0.000 description 2
- 241001536352 Fraxinus americana Species 0.000 description 1
- 241000565357 Fraxinus nigra Species 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000005373 Panax quinquefolius Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 208000024891 symptom Diseases 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
- G06T5/80—Geometric correction
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于白色物体的白平衡校对方法，包括：利用获取的大量白色物体样本通过不断的训练学习，建立白色物体对比模型；利用上述的白色物体对比模型应用于现场抓拍，通过识别图像并提取图像中白色物体区域，计算其像素均值和颜色增益值，从而调整颜色实现图像的白平衡校对；本发明实现原理简单，资源成本低廉，运算时间快速，白平衡效果理想且准确；本发明采用的纸巾识别技术，基于卷积神经网络算法，从大样本数据中学习，逐渐提取图像的高层特征，对特征进行分类，完成识别，能应对纸巾一定程度的偏移、尺度变化以及形变，保证特征较强的可分性，对特征分类具有理想的识别效果，减少识别对外在条件的依赖性，同时降低模型的复杂度。
Description
技术领域
本发明涉及图片颜色处理领域，尤其涉及一种基于白色物体的白平衡校对方法。
背景技术
传统中医包括望、闻、问、切四诊，而舌诊又是望诊的关键内容。在中医学理论中，无论人体五脏六腑多么复杂的病理症状，均可直观、快捷地通过观察舌像判断疾病的性质、病势的浅深以及气血的盛哀等，是一种简单有效的医疗辅助诊断及鉴别方法。传统望诊，医生普遍通过肉眼观察患者的舌头形态和色泽等特征，然后根据从医经验诊断疾病。由于我国人口众多且老龄化问题严重，每天看中医的患者数量与日俱增，医生供不应求；此外，对患者而言，等待医生看诊是一件十分麻烦和费时的事情。
为了解决上述的医患矛盾，市面研发了一批基于计算机图像辅助处理的舌诊产品。该产品的实现原理普遍如下：以患者舌头为对象，进行图像采集，医生基于图像诊断，这大大地提升了诊断效率。由于采集图像是依靠终端的拍摄设备，如：手机摄像头，该设备没有人眼的适应性，在不同光线下拍摄，由于CCD输出的不平衡性，造成彩色还原失真的发生；因此，上述舌诊产品的采集图像往往存在色差问题，导致医疗诊断也出现偏差，无法对患者疾病实现针对性的治疗以及预防。
因此，社会需要一种能够精确还原采集图像色彩的校对方法。
发明内容
本发明针对现有技术中存在的问题，提供一种基于白色物体的白平衡校对方法，该方法实现原理简单，资源成本低廉，运算时间快速，白平衡效果理想且准确；该方法采用的纸巾识别技术，基于卷积神经网络算法，从大样本数据中学习，逐渐提取图像的高层特征，对特征进行分类，完成识别，能应对纸巾一定程度的偏移、尺度变化以及形变，保证特征较强的可分性，对特征分类具有理想的识别效果，减少识别对外在条件的依赖性，同时降低模型的复杂度。
为实现上述目的，本发明提供的技术方案如下：
一种基于白色物体的白平衡校对方法，包括：
S1，利用获取的大量白色物体样本通过不断的训练学习，建立白色物体对比模型；
S11，大量收集白色物体图像，建立物体样本数据库；
S111，大量收集白色物体的静态图像；
S112，把上述收集的静态图像进行灰度处理，计算各静态图像每个像素点的灰度值，使上述图像都呈现黑白灰状态；
S113，将经过灰度处理后的静态图像样本分成测试图像和训练图像两类，均存储在服务器上，建立白色物体样本数据库。
S12，建立模型，利用上述样本进行模型训练，实现白色物体自动识别。
S121，系统建立模型，把上述白色物体样本的训练图像传输给模型反复训练，自动识别图像的白色物体；
S122，判断模型训练次数是否达到系统预设的阈值，如果否，则转到S121，如果是，则转到S123；
S123，模型训练停止，通过损失函数的计算，得出模型识别准确率；
S124，判断由上述得出的准确率是否达到某一阈值，如果否，则重新调整样本的类别信息，如果是，则转到S125；
S125，将模型与白色物体样本数据库的测试图像进行试运行测试，测试准确率达到预设的阈值后把模型应用于现场抓拍。
S2，利用上述的白色物体对比模型应用于现场抓拍，通过识别图像并提取图像中白色物体区域，计算其像素均值和颜色增益值，从而调整颜色实现图像的白平衡校对。
S21，模型应用于现场抓拍，保存用户舌头和白色物体的合影图像；
S22，识别用户图像的白色物体，通过上述的白色物体对比模型，采用识别技术，基于算法从样本数据中学习，逐步提取图像的高层特征，对特征进行分类，完成识别；
S23，提取用户图像的白色物体区域且对该区域边界进行切割，保留区域中间部分；
S24，计算区域中间部分各像素点的均值，作为白色物体的颜色值；
S25，把物体颜色值与标准白色颜色值进行对比，得出两者之间的颜色增益值；
S26，基于上述增益值，对用户图像进行整体的颜色调整；
S27，输出已进行颜色调整的用户图像。
进一步地，所述步骤S112中计算每个像素点的灰度值所运用的公式为灰度处理加权平均法公式：
f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)
其中，i、j代表一个像素点在二维空间向量的位置，即：第i行，第j列。
进一步地，所述步骤S124中的样本类别信息包括物体的材质和尺寸。
进一步地，所述步骤S22中识别技术所基于的算法为卷积神经网络算法。
进一步地，所述步骤S122中模型训练次数的阈值为20万次，所述步骤S124中模型训练准确率阈值为80％，所述步骤S125中模型测试准确率阈值为80％。
进一步地，所述白色物体为白色纸巾。
与现有技术相比，本发明方法实现原理简单，资源成本低廉，运算时间快速，白平衡效果理想且准确；该方法采用的纸巾识别技术，基于卷积神经网络算法，从大样本数据中学习，逐渐提取图像的高层特征，对特征进行分类，完成识别，能应对纸巾一定程度的偏移、尺度变化以及形变，保证特征较强的可分性，对特征分类具有理想的识别效果，减少识别对外在条件的依赖性，同时降低模型的复杂度。
附图说明
图1：为本发明白平衡校对方法步骤S1的具体流程图；
图2：为本发明白平衡校对方法步骤S2的具体流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
为了能够精确还原采集图像色彩，本发明提供了一种基于白色物体的白平衡校对方法。在实施例中使用白色纸巾作为对比样本。
参照图1，系统大量收集白色纸巾图像，建立纸巾样本数据库。建立模型，基于上述样本反复训练，实现白色纸巾自动识别；通过损失函数的计算，若模型识别准确率达到某一阀值，如:80％，则把模型应用于现场抓拍。
参照图2，在现场中，用户通过舌诊终端保存本人舌头和白色纸巾的合影。基于上述模型，系统对用户图像进行纸巾识别。基于识别结果，系统提取图像的纸巾区域并以该区域尺寸的10％分别对边界进行切割，保留区域的中间部分。基于上述中间部分，系统计算各像素点的平均值，作为纸巾区域的颜色值。基于上述颜色值，系统把该颜色值与标准白色颜色值进行对比，得出两者之间的颜色增益值。基于上述增益值，系统重新计算用户图像的颜色值，实现用户图像色彩白平衡效果。
本实施例基于白色纸巾的颜色特征，为舌诊图像提供白色参照物，并结合标准白色的比对，得出两者之间的颜色增益值；基于增益值，实现舌诊图像色彩白平衡效果。本发明实现原理简单，资源成本低廉，运算时间快速，白平衡效果理想且准确。以往基于白平衡技术的校对方法：首先把图像进行分块；接着基于分块的平均值以及累积值检测图像的白色点；接着确定最终白色参考点；然后基于上述参考点的平均值与参考点中亮度最大值进行对比，得出增益值；最后基于增益值，对图像进行颜色调整。与本发明比较，以往方法存在以下不足：实现原理复杂，资源成本高、计算量大，工作效率低下；而图像原本带有色差，比对的亮度最大值参考点也不一定是标准白色，也就意味着接下来的图像颜色调整依然存在色差的可能，白平衡效果不准确。本发明采用的纸巾识别技术，基于卷积神经网络算法，从大样本数据中学习，逐渐提取图像的高层特征，对特征进行分类，完成识别；能应对纸巾一定程度的偏移、尺度变化以及形变，保证特征较强的可分性，对特征分类具有理想的识别效果，减少识别对外在条件的依赖性，同时降低模型的复杂度。
在实施例中，具体的实施方法如下：
S1：大量收集白色纸巾图像，建立纸巾样本数据库。
S1.1：大量收集白色纸巾图像。
通过网页抓取等方式，系统大量收集白色纸巾的静态图像。
S1.2：把图像进行灰度处理。
由于彩色图像是由多个像素点组成，且每个像素点都由RGB三个值表示；对图像进行灰度处理，并不会影响图像的纹理特征信息，而且每个像素点只需一个灰度值便可表示，大大提高了图像处理效率。以下是灰度处理加权平均法公式：
f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)
其中，i、j代表一个像素点在二维空间向量的位置，即：第i行，第j列。根据上述公式，计算各静态图像每个像素点的灰度值，取值范围是0-255，使上述图像都呈现黑白灰状态。
S1.3：把图像存储在服务器上，完成纸巾样本数据库建立。
静态图像经过灰度处理，变成灰度图。基于图像总数量，系统把图像分成两类，一类是训练图像，一类是测试图像。其中，训练图像，占据总数量的90％，主要用于模型训练时使用；测试图像，占据总数量的10％，主要用于模型训练完毕，试运行时使用。上述图像均存储在本地服务器上，纸巾样本数据库建立完毕。
S2：建立模型，实现白色纸巾自动识别。
系统建立模型，把上述纸巾样本传输给模型反复训练。而模型训练主要采用卷积神经网络方法，从大样本数据中学习，利用不同卷积层输出的高级特征，对特征进行分类，从而完成白色纸巾自动识别。当模型与纸巾样本数据库训练图像反复训练的次数达到系统设定阀值，如：20万次，模型训练停止。根据损失函数的计算，得出模型识别准确率。若准确率达到某一阀值，如：80％，模型视为理想，可与纸巾样本数据库测试图像进行试运行测试；否则，模型视为不理想，重新调整纸巾的类别信息，如：材质、尺寸等，继续与纸巾样本数据库训练图像反复训练。
S3：模型应用于现场抓拍，对用户图像进行纸巾识别。
当模型与纸巾样本数据库测试图像训练完毕，且准确率达到某一阀值，如：80％，可应用于现场抓拍。在现场中，用户通过舌诊终端保存本人舌头和白色纸巾的合影。基于上述模型，系统对用户图像进行纸巾识别。
S4：基于模型识别结果，提取用户图像的纸巾区域并计算其颜色。
基于上述模型，系统对用户图像已实现白色纸巾识别。根据识别结果，系统提取用户图像的纸巾区域。由于提取区域颜色是白色，且区域周边还有其他颜色，导致区域边界位置的白色往往受到周边颜色的透射或者反射影响；如：区域周边颜色是红色，区域边界位置的白色则会参杂部分红色。为了确保上述提取区域白色的稳定，系统以区域尺寸的10％为基准，分别对区域边界进行切割，保留区域的中间部分。基于上述中间部分，系统计算各像素点颜色的平均值，作为区域的颜色值，即：用户图像中白色纸巾的颜色值。
S5：基于纸巾颜色，把其与标准白色进行比对，得出两者之间的颜色增益。基于系统对提取区域中间部分各像素点颜色均值的计算，得出了纸巾具体的颜色值。由于当前纸巾的颜色值带有色差，为了确保用户图像的白平衡效果，系统把当前纸巾颜色值与标准白色颜色值进行比对，得出两者之间的颜色增益值。而在RGB颜色模式下，标准白色是R＝G＝B＝255。以下是计算颜色增益的公式：
Rgain＝Ymax/Ravew
Ggain＝Ymax/Gavew
Bgain＝Ymax/Bavew
通过上述公式，得出用户图像纸巾与标准白色两者之间各颜色通道的增益值。其中，Rgain、Ggain、Bgain代表上述两者之间各颜色通道的增益值；Ymax代表标准白色各颜色通道的颜色值；Ravew、Gavew、Bavew代表用户图像纸巾各颜色通道的颜色值。
S6：基于颜色增益，对用户图像进行整体颜色调整。
基于用户图像纸巾颜色值与标准白色颜色值的比对，得出了两者之间的颜色增益值。基于上述增益值，系统重新计算用户图像各颜色通道的颜色值，对图像进行整体的颜色调整，实现图像色彩白平衡效果。以下是计算图像各颜色通道颜色值的公式：
R’＝R×Rgain
G’＝G×Ggain
B’＝B×Bgain
通过上述公式，得出用户图像各颜色通道的颜色值。其中，R'、G'、B'代表图像颜色调整后各颜色通道的颜色值；R、G、B代表图像颜色调整前各颜色通道的颜色值。
S7：输出已颜色调整的用户图像。
基于图像纸巾与标准白色的颜色增益值，系统已对用户图像进行整体的颜色调整，且由舌诊终端输出，供医生诊断。
本发明提供一种基于白色物体的白平衡校对方法，具有以下优点：本发明方法实现原理简单，资源成本低廉，运算时间快速，白平衡效果理想且准确；该方法采用的纸巾识别技术，基于卷积神经网络算法，从大样本数据中学习，逐渐提取图像的高层特征，对特征进行分类，完成识别，能应对纸巾一定程度的偏移、尺度变化以及形变，保证特征较强的可分性，对特征分类具有理想的识别效果，减少识别对外在条件的依赖性，同时降低模型的复杂度。
以上所述仅为本发明的较佳实施例，并不用于限制本发明，凡在本发明的精神和原则内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于白色物体的白平衡校对方法，其特征在于，包括：
S1，利用获取的大量白色物体样本通过不断的训练学习，建立白色物体对比模型；
S2，利用上述的白色物体对比模型应用于现场抓拍，通过识别图像并提取图像中白色物体区域，计算其像素均值和颜色增益值，从而调整颜色实现图像的白平衡校对。
2.根据权利要求1所述的白平衡校对方法，其特征在于，所述步骤S1具体包括：
S11，大量收集白色物体图像，建立物体样本数据库；
S12，建立模型，利用上述样本进行模型训练，实现白色物体自动识别。
3.根据权利要求2所述的白平衡校对方法，其特征在于，所述步骤S11具体包括：
S111，大量收集白色物体的静态图像；
S112，把上述收集的静态图像进行灰度处理，计算各静态图像每个像素点的灰度值，使上述图像都呈现黑白灰状态；
S113，将经过灰度处理后的静态图像样本分成测试图像和训练图像两类，均存储在服务器上，建立白色物体样本数据库。
4.根据权利要求3所述的白平衡校对方法，其特征在于，所述步骤S112中计算每个像素点的灰度值所运用的公式为灰度处理加权平均法公式：
f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)
其中，i、j代表一个像素点在二维空间向量的位置，即：第i行，第j列。
5.根据权利要求2所述的白平衡校对方法，其特征在于，所述步骤S12具体包括：
S121，系统建立模型，把上述白色物体样本的训练图像传输给模型反复训练，自动识别图像的白色物体；
S122，判断模型训练次数是否达到系统预设的阈值，如果否，则转到S121，如果是，则转到S123；
S123，模型训练停止，通过损失函数的计算，得出模型识别准确率；
S124，判断由上述得出的准确率是否达到某一阈值，如果否，则重新调整样本的类别信息，如果是，则转到S125；
S125，将模型与白色物体样本数据库的测试图像进行试运行测试，测试准确率达到预设的阈值后把模型应用于现场抓拍。
6.根据权利要求5所述的白平衡校对方法，其特征在于，所述步骤S124中的样本类别信息包括物体的材质和尺寸。
7.根据权利要求1所述的白平衡校对方法，其特征在于，所述步骤S2具体包括：
S21，模型应用于现场抓拍，保存用户舌头和白色物体的合影图像；
S22，识别用户图像的白色物体，通过上述的白色物体对比模型，采用识别技术，基于算法从样本数据中学习，逐步提取图像的高层特征，对特征进行分类，完成识别；
S23，提取用户图像的白色物体区域且对该区域边界进行切割，保留区域中间部分；
S24，计算区域中间部分各像素点的均值，作为白色物体的颜色值；
S25，把物体颜色值与标准白色颜色值进行对比，得出两者之间的颜色增益值；
S26，基于上述增益值，对用户图像进行整体的颜色调整；
S27，输出已进行颜色调整的用户图像。
8.根据权利要求7所述的白平衡校对方法，其特征在于，所述步骤S22中识别技术所基于的算法为卷积神经网络算法。
9.根据权利要求5所述的白平衡校对方法，其特征在于，所述步骤S122中模型训练次数的阈值为20万次，所述步骤S124中模型训练准确率阈值为80％，所述步骤S125中模型测试准确率阈值为80％。
10.如权利要求1至权利要求9任一所述的白平衡校对方法，其特征在于，所述白色物体为白色纸巾。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810964247.3A CN109242792B (zh) | 2018-08-23 | 2018-08-23 | 一种基于白色物体的白平衡校对方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810964247.3A CN109242792B (zh) | 2018-08-23 | 2018-08-23 | 一种基于白色物体的白平衡校对方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109242792A true CN109242792A (zh) | 2019-01-18 |
| CN109242792B CN109242792B (zh) | 2020-11-17 |
Family
ID=65068283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810964247.3A Active CN109242792B (zh) | 2018-08-23 | 2018-08-23 | 一种基于白色物体的白平衡校对方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109242792B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110740306A (zh) * | 2019-10-24 | 2020-01-31 | 深圳市视特易智能科技有限公司 | 彩色相机白平衡统计校正模板及彩色白平衡统计校正方法 |
| CN112333437A (zh) * | 2020-09-21 | 2021-02-05 | 宁波萨瑞通讯有限公司 | AI camera调试参数生成仪 |
| CN112532960A (zh) * | 2020-12-18 | 2021-03-19 | Oppo（重庆）智能科技有限公司 | 白平衡同步方法及装置、电子设备和存储介质 |
| CN114071106A (zh) * | 2020-08-10 | 2022-02-18 | 合肥君正科技有限公司 | 一种低功耗设备冷启动快速白平衡方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1079255A2 (en) * | 1999-08-23 | 2001-02-28 | Olympus Optical Co., Ltd. | Light source device for endoscope using dmd |
| CN1678081A (zh) * | 2004-03-30 | 2005-10-05 | 豪威科技有限公司 | 自动白平衡的方法及装置 |
| WO2013118065A1 (en) * | 2012-02-06 | 2013-08-15 | Biooptico Ab | Camera arrangement and image processing method for quantifying tissue structure and degeneration |
| CN103957396A (zh) * | 2014-05-14 | 2014-07-30 | 姚杰 | 利用智能设备进行舌诊时的图像处理方法、装置及设备 |
| CN104658003A (zh) * | 2015-03-16 | 2015-05-27 | 北京理工大学 | 舌体图像的分割方法和装置 |
| CN104856680A (zh) * | 2015-05-11 | 2015-08-26 | 深圳贝申医疗技术有限公司 | 一种新生儿黄疸的自动检测方法及系统 |
| CN105738364A (zh) * | 2015-12-28 | 2016-07-06 | 清华大学深圳研究生院 | 基于图像处理的硅橡胶表面藻类生长程度测量方法及装置 |
| CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务系统 |
| CN106339719A (zh) * | 2016-08-22 | 2017-01-18 | 微梦创科网络科技（中国）有限公司 | 一种图像识别方法及装置 |
| CN106412547A (zh) * | 2016-08-29 | 2017-02-15 | 厦门美图之家科技有限公司 | 一种基于卷积神经网络的图像白平衡方法、装置和计算设备 |
| CN107507250A (zh) * | 2017-06-02 | 2017-12-22 | 北京工业大学 | 一种基于卷积神经网络的面色舌色图像颜色校正方法 |
| CN107578390A (zh) * | 2017-09-14 | 2018-01-12 | 长沙全度影像科技有限公司 | 一种使用神经网络进行图像白平衡校正的方法及装置 |
| CN108205671A (zh) * | 2016-12-16 | 2018-06-26 | 浙江宇视科技有限公司 | 图像处理方法及装置 |
| CN109273071A (zh) * | 2018-08-23 | 2019-01-25 | 广东数相智能科技有限公司 | 一种建立白色物体对比模型的方法 |
-
2018
- 2018-08-23 CN CN201810964247.3A patent/CN109242792B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1079255A2 (en) * | 1999-08-23 | 2001-02-28 | Olympus Optical Co., Ltd. | Light source device for endoscope using dmd |
| CN1678081A (zh) * | 2004-03-30 | 2005-10-05 | 豪威科技有限公司 | 自动白平衡的方法及装置 |
| WO2013118065A1 (en) * | 2012-02-06 | 2013-08-15 | Biooptico Ab | Camera arrangement and image processing method for quantifying tissue structure and degeneration |
| CN103957396A (zh) * | 2014-05-14 | 2014-07-30 | 姚杰 | 利用智能设备进行舌诊时的图像处理方法、装置及设备 |
| CN104658003A (zh) * | 2015-03-16 | 2015-05-27 | 北京理工大学 | 舌体图像的分割方法和装置 |
| CN104856680A (zh) * | 2015-05-11 | 2015-08-26 | 深圳贝申医疗技术有限公司 | 一种新生儿黄疸的自动检测方法及系统 |
| CN105738364A (zh) * | 2015-12-28 | 2016-07-06 | 清华大学深圳研究生院 | 基于图像处理的硅橡胶表面藻类生长程度测量方法及装置 |
| CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务系统 |
| CN106339719A (zh) * | 2016-08-22 | 2017-01-18 | 微梦创科网络科技（中国）有限公司 | 一种图像识别方法及装置 |
| CN106412547A (zh) * | 2016-08-29 | 2017-02-15 | 厦门美图之家科技有限公司 | 一种基于卷积神经网络的图像白平衡方法、装置和计算设备 |
| CN108205671A (zh) * | 2016-12-16 | 2018-06-26 | 浙江宇视科技有限公司 | 图像处理方法及装置 |
| CN107507250A (zh) * | 2017-06-02 | 2017-12-22 | 北京工业大学 | 一种基于卷积神经网络的面色舌色图像颜色校正方法 |
| CN107578390A (zh) * | 2017-09-14 | 2018-01-12 | 长沙全度影像科技有限公司 | 一种使用神经网络进行图像白平衡校正的方法及装置 |
| CN109273071A (zh) * | 2018-08-23 | 2019-01-25 | 广东数相智能科技有限公司 | 一种建立白色物体对比模型的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宋坤: "基于舌像的移动医疗诊断平台的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110740306A (zh) * | 2019-10-24 | 2020-01-31 | 深圳市视特易智能科技有限公司 | 彩色相机白平衡统计校正模板及彩色白平衡统计校正方法 |
| CN110740306B (zh) * | 2019-10-24 | 2021-05-11 | 深圳市视特易智能科技有限公司 | 彩色白平衡统计校正方法 |
| CN114071106A (zh) * | 2020-08-10 | 2022-02-18 | 合肥君正科技有限公司 | 一种低功耗设备冷启动快速白平衡方法 |
| CN114071106B (zh) * | 2020-08-10 | 2023-07-04 | 合肥君正科技有限公司 | 一种低功耗设备冷启动快速白平衡方法 |
| CN112333437A (zh) * | 2020-09-21 | 2021-02-05 | 宁波萨瑞通讯有限公司 | AI camera调试参数生成仪 |
| CN112333437B (zh) * | 2020-09-21 | 2022-05-31 | 宁波萨瑞通讯有限公司 | AI camera调试参数生成仪 |
| CN112532960A (zh) * | 2020-12-18 | 2021-03-19 | Oppo（重庆）智能科技有限公司 | 白平衡同步方法及装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109242792B (zh) | 2020-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242792A (zh) | 一种基于白色物体的白平衡校对方法 | |
| US10115191B2 (en) | Information processing apparatus, information processing system, information processing method, program, and recording medium | |
| EP1450287B1 (en) | Method of extracting region of interest from tongue image and health monitoring method and apparatus using the tongue image | |
| CN108389207A (zh) | 一种牙病诊断方法、诊断设备及智能图像采集装置 | |
| WO2016179981A1 (zh) | 一种新生儿黄疸的自动检测方法及系统 | |
| CN109635871A (zh) | 一种基于多特征融合的胶囊内窥镜图像分类方法 | |
| CN109785943A (zh) | 一种病理监控和诊断信息处理系统及方法 | |
| CN110738655A (zh) | 影像报告生成方法、装置、终端及存储介质 | |
| Engelke et al. | Visual attention modelling for subjective image quality databases | |
| WO2021256459A1 (ja) | 画像表示システム、及び画像表示方法 | |
| US20250000409A1 (en) | System and method for detecting a health condition using eye images | |
| CN109241963A (zh) | 基于Adaboost机器学习的胶囊胃镜图像中出血点智能识别方法 | |
| CN113139937A (zh) | 一种基于深度学习的消化道内窥镜视频图像识别方法 | |
| CN107066779A (zh) | 基于生物样本颜色的自助身体参数检查方法及系统 | |
| Kumar et al. | Revolutionizing plant disease management through image processing technology | |
| CN119342359A (zh) | 用于宫腔镜视野优化的动态白平衡调整方法及系统 | |
| KR102595429B1 (ko) | 장 정결도의 자동화 계산 장치 및 방법 | |
| CN118196218A (zh) | 一种眼底图像处理方法、装置及设备 | |
| CN113240657A (zh) | 一种基于医疗大数据的眼睑炎图像处理及预警系统 | |
| CN109273071A (zh) | 一种建立白色物体对比模型的方法 | |
| CN110647926A (zh) | 医学影像流识别方法、装置、电子设备和存储介质 | |
| Manchalwar et al. | Histogram of oriented gradient based automatic detection of eye diseases | |
| CN115844436A (zh) | 一种基于计算机视觉的ct扫描方案自适应制定方法 | |
| Kambara et al. | Development of color correction system for medical images using color charts | |
| KR101566618B1 (ko) | 충혈도 산출 방법 및 장치 |
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 |