[发明专利]图像成批自动化增强与存档方法、装置、设备和存储介质有效

专利信息
申请号: 202010032530.X 申请日: 2020-01-13
公开(公告)号: CN111223064B 公开(公告)日: 2023-05-23
发明(设计)人: 龙超;李子丰;林满华;徐美奕 申请(专利权)人: 广东医科大学
主分类号: G06T5/00 分类号: G06T5/00;G06T5/20;G06F16/14;G06F16/16;G06F16/172;G06F16/51;G06F16/58;G06F16/532
代理公司: 广州广信知识产权代理有限公司 44261 代理人: 张文雄
地址: 524023 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 成批 自动化 增强 存档 方法 装置 设备 存储 介质
【权利要求书】:

1.一种图像成批自动化增强与存档方法,其特征在于,包括步骤:

在第一指定位置预存储的成批模糊图像,形成原图库,把原图库中的图像全部放入结构体数组,统计结构体数组中全部模糊图像的数量,并对每一张模糊图像进行排序,以及使模糊图像文件名和排序一一对应;

成批地、以循环的方式自动化地逐一读取原图库中的模糊图像,依次输入拉普拉斯线性空间滤波器进行图像增强;

对增强图像按照预设规则进行命名,并将增强图像与其对应的模糊图像,成批地、以循环的方式自动化地存储于第二指定位置,使其按原图文件名分类,每一类又区分原图和增强后的两种效果图,得到修复图库;其中,所述修复图库按照Windows操作系统的工具进行针对性查找,包括原图文件名和新图生成的时间查找,同时实现用Windows操作系统的图标工具,进行按类别对比分析,或者是成批对比分析,实现成批自动化存档;

拉普拉斯线性空间滤波器的表述公式如公式(1)和公式(2)所示:

其中,g(x,y)为修复后的图像,f(x,y)为模糊图像,为拉普拉斯算子对图像f的作用,c是常数,c取值为-1;

拉普拉斯算子对图像f的作用,相当于如公式(3)所示矩阵T1与f相乘;的表达式进一步扩展,加入对角线方向后对拉普拉斯算子重新定义,得到相当于如公式(4)所示矩阵T2与f相乘;

T1=[0,1,0;1,-4,1;0,1,0]                      (3)

T2=[1,1,1;1,-8,1;1,1,1]                    (4)。

2.根据权利要求1所述的图像成批自动化增强与存档方法,其特征在于,在按照预设规则对增强图像进行命名的步骤中,命名格式为A.B-C.D;其中,A为增强图像对应的模糊图像的名称,B为增强图像对应的模糊图像的图片格式,-C为拉普拉斯算子作用的矩阵中心,D为增强图像的图片格式。

3.根据权利要求2所述的图像成批自动化增强与存档方法,其特征在于,增强图像对应的模糊图像的图片格式设定为jpg格式,增强图像的图片格式设定为bmp格式,则针对的模糊图像名称为A,经过拉普拉斯线性空间滤波器进行图像增强后,得到的增强图像的名称分别为A.jpg-4.bmp和A.jpg-8.bmp;其中,A.jpg-4.bmp表示经过公式(3)所示的拉普拉斯算子处理后得到的图像,A.jpg-8.bmp表示经过公式(4)所示的拉普拉斯算子处理后得到的图像。

4.根据权利要求1所述的图像成批自动化增强与存档方法,其特征在于,将原图库中每一张模糊图像,通过循环处理,达到成批地增强,并把每一张模糊图像及其对应的增强图像,也通过循环处理,成批地存储于增强图库中的同一文件夹内,以自动化形式,进行图像存档,以便进行对比分析。

5.根据权利要求4所述的图像成批自动化增强与存档方法,其特征在于,存储原图库及增强图库的第一指定位置和第二指定位置均可任意指定,在增强图库未进行指定的情况下,将增强图库的存储位置默认指定为原图库所在目录的上一级目录下。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东医科大学,未经广东医科大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010032530.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top