隐形图像的色度信息挖掘方法与流程

本发明属于处理技术领域，特别是涉及一种隐形图像的色度信息挖掘方法。

背景技术：

在自然界恶劣环境(比如，外界光照不足、光照过强、有雾、水下等环境)下，采集的数字图像容易产生过暗、过亮、有雾、有水等现象，图像中出现很多肉眼无法识别的图像信息，称之为图像隐形。为了改善图像质量，通常会进行图像增强复原，而在进行图像增强复原之前需要对已有图像信息进行分析。

目前广泛运用的图像信息分析工具为灰度/颜色直方图。灰度直方图是关于灰度级分布的函数，是对图像中灰度级[0，255]共256级灰度分布的统计。灰度直方图是将数字图像中的所有像素按照灰度值的大小，统计其出现的频率。颜色直方图是指在某种颜色空间(比如rgb颜色空间)中，某一个颜色通道(r通道、g通道、b通道、灰度通道)中颜色级[0，255]所占的比例。这里将灰度和各颜色通道上的分级统称为色度级。

一般图片的横轴代表色度级、纵轴代表该色度级上的像素频率(即像素数大小)。在恶劣环境下采集的图像，由于某些色度级出现的概率很小，容易淹没在暗照度、亮照度、雾、水中成为隐形像素。这种像素并非不存在，而是对人类的视觉系统产生了隐形，这种像素往往就是进行图像增强和复原的重要目标信息。

目前直方图是静态的，隐形的色度信息无法直观表达，而直方图的均衡化通过人为给每个色度级以整幅图像的色度平均值，会导致原本没有像素的灰度级也出现像素，违背了像素不变原理，人为改变图像像素结构，可能导致后续研究结构出现异常。因此，需要一种通用的、基本的、简单的精准挖掘方法，使隐形的像素重现，以便信息的分析。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种隐形图像的色度信息挖掘方法。

本发明的目的是通过以下技术方案来实现的：隐形图像的色度信息挖掘方法，包括：

获取原始图像；

分别获取原始图像在各图像通道的通道图像；

分别计算各通道图像的每一个色度级的像素频率以及在各通道的有效色度级；

分别计算各通道图像的每一个色度级的目标色度级值，目标色度级值的计算公式如下：

式中，ch表示通道图像；i表示色度级级数，其取值范围为[0，255]；tl(i)ch表示通道图像第i色度级的目标色度级值；ol(i)ch表示通道图像第i色度级的原始色度级值；t表示通道图像总的色度值数；n表示通道图像的有效色度级级数；n表示等差挖掘级数；k表示等差挖掘极限值，(n-1)≤k；

分别对各通道图像的每一个色度级的目标色度级值进行归一化处理，归一化的公式如下：

式中，ch表示通道图像；i表示色度级级数，其取值范围为[0，255]；tl(i)ch表示通道图像第i色度级的目标色度级值；表示通道图像的最大色度级的像素频率值；表示通道图像的最小色度级的像素频率值；nl(i)ch表示通道图像第i色度级的目标色度级值归一化后的值；

分别比较各通道图像中每一个色度级的归一化后的目标色度级值和原始色度级值，得到隐形图像的色度信息。

优选的，所述通道图像包括灰度通道图像、r通道图像、g通道图像和b通道图像，此时目标色度级值的计算公式和归一化的公式中，ch∈[0,1,2,3]，分别表示灰度通道图像、r通道图像、g通道图像和b通道图像。

优选的，所述通道包括灰度通道图像、r通道图像、g通道图像、b通道图像、暗通道图像和亮通道图像，此时目标色度级值的计算公式和归一化的公式中，ch∈[0,1,2,3,4,5]，分别表示灰度通道图像、r通道图像、g通道图像、b通道图像、暗通道图像和亮通道图像。

优选的，所述暗通道图像的获取方法为：计算原始图像每个像素点对应r通道图像、g通道图像和b通道图像中的最小色度值，存入和原始图像大小相同对应像素点位置的图像中。

优选的，所述暗通道图像的目标像素点值的计算公式如下：

t(x,y)'ch＝min(o(x,y)ch)

式中，ch∈[1,2,3]，分别表示r通道图像、g通道图像和b通道图像；o(x,y)ch表示通道图像的原始像素点值；t(x,y)'ch表示暗通道图像的目标像素点值。

优选的，所述亮通道图像的获取方法为：计算原始图像每个像素点对应r通道图像、g通道图像和b通道图像中的最大色度值，存入和原始图像大小相同对应像素点位置的图像中。

优选的，所述亮通道图像的目标像素点值的计算公式如下：

t(x,y)”ch＝max(o(x,y)ch)

式中，ch∈[1,2,3]，分别表示r通道图像、g通道图像和b通道图像；o(x,y)ch表示通道图像的原始像素点值；t(x,y)”ch表示亮通道图像的目标像素点值。

优选的，隐形图像的色度信息挖掘方法还包括：

生成各通道图像原始的色度谱图，并显示其色度谱相关信息；

生成各通道图像得到隐形的图像信息后的色度谱图，并显示其色度谱相关信息。

优选的，所述色度谱相关信息包括总像素数、平均色度值、最大色度级、最小色度级和有效谱线数。

本发明的有益效果是：

(1)本发明的方案相较于传统的直方图能够更精准的挖掘出图像中的隐形图像信息；

(2)本发明的方案无论挖掘级数为多少，原始图像中不存在色度级的像素点始终不会有色度级存在，原本存在色度级的像素点的色度值也不会改变；不会像传统的直方图均衡化那样将每个色度级强迫给以平均像素数，而不管原始图像各图像通道中该色度级有无像素点存在；

(3)本发明的方案可以对灰度通道图像、r通道图像、g通道图像、b通道图像、暗通道图像和亮通道图像进行色度信息的精准挖掘，并以色度谱图的形式进行直观显示。

附图说明

图1为本发明一种实施例的流程示意图；

图2为本发明又一种实施例的流程示意图；

图3为rgb通道色度谱信息挖掘时低照度图像各通道图像；

图4为rgb通道色度谱信息挖掘时低照度图像rgb通道直方图挖掘色度谱；

图5为rgb通道色度谱信息挖掘时低照度图像rgb通道1级精准挖掘色度谱；

图6为rgb通道色度谱信息挖掘时低照度图像rgb通道4级精准挖掘色度谱；

图7为rgb通道色度谱信息挖掘时高照度图像各通道图像；

图8为rgb通道色度谱信息挖掘时高照度图像rgb通道直方图挖掘色度谱；

图9为rgb通道色度谱信息挖掘时高照度图像rgb通道1级精准挖掘色度谱；

图10为rgb通道色度谱信息挖掘时高照度图像rgb通道4级精准挖掘色度谱；

图11为rgb通道色度谱信息挖掘时水下图像各通道图像；

图12为rgb通道色度谱信息挖掘时水下图像rgb通道直方图挖掘色度谱；

图13为rgb通道色度谱信息挖掘时水下图像rgb通道1级精准挖掘色度谱；

图14为rgb通道色度谱信息挖掘时水下图像rgb通道4级精准挖掘色度谱；

图15为rgb通道色度谱信息挖掘时有雾图像各通道图像；

图16为rgb通道色度谱信息挖掘时有雾图像rgb通道直方图挖掘色度谱；

图17为rgb通道色度谱信息挖掘时有雾图像rgb通道1级精准挖掘色度谱；

图18为rgb通道色度谱信息挖掘时有雾图像rgb通道4级精准挖掘色度谱；

图19为rgb暗/亮通道色度谱信息挖掘时水下图像各通道图像；

图20为rgb暗/亮通道色度谱信息挖掘时水下图像rgb暗/亮通道直方图挖掘色度谱；

图21为rgb暗/亮通道色度谱信息挖掘时水下图像rgb暗/亮通道1级精准挖掘色度谱；

图22为rgb暗/亮通道色度谱信息挖掘时水下图像rgb暗/亮通道4级精准挖掘色度谱；

图23为低照度图像传统直方图均衡化各通道图像；

图24为低照度图像rgb通道1级精准挖掘色度谱；

图25为低照度图像传统直方图均衡化色度谱；

图26为低照度图像rgb通道4级精准挖掘色度谱；

图27为低照度图像传统直方图均衡化等概谱色度谱。

具体实施方式

下面将结合实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1-27，本发明提供一种隐形图像的色度信息挖掘方法：

实施例一

如图1所示，隐形图像的色度信息挖掘方法，包括：

s1.获取原始图像。

s2.分别获取原始图像在各图像通道的通道图像。

步骤s2具体包括：获取原始图像在灰度图像通道显示得到的灰度通道图像；获取原始图像在r图像通道显示得到的r通道图像；获取原始图像在g图像通道显示得到的g通道图像；获取原始图像在b图像通道显示得到的b通道图像。

s3.分别计算各通道图像的每一个色度级的像素频率以及在各通道的有效色度级。

步骤s3具体包括：

计算灰度通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及灰度通道图像的有效色度级(有效色度级：像素频率不为零的色度级)；

计算r通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及r通道图像的有效色度级(有效色度级：像素频率不为零的色度级)；

计算g通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及g通道图像的有效色度级(有效色度级：像素频率不为零的色度级)；

计算b通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及b通道图像的有效色度级(有效色度级：像素频率不为零的色度级)。

s4.分别计算各通道图像的每一个色度级的目标色度级值，即分别计算灰度通道图像、r通道图像、g通道图像和b通道图像的每一个色度级的目标色度级值。

目标色度级值的计算公式如下：

式中，ch∈[0,1,2,3]表示各通道图像，具体的，ch∈[0]表示灰度通道图像，ch∈[1]表示r通道图像，ch∈[2]表示g通道图像，ch∈[3]表示b通道图像；i表示色度级级数，其取值范围为[0，255]；tl(i)ch表示通道图像第i色度级的目标色度级值；ol(i)ch表示通道图像第i色度级的原始色度级值；t表示通道图像总的色度值数；n表示通道图像的有效色度级级数；n表示等差挖掘级数；k表示等差挖掘极限值，(n-1)≤k；n和k的值自行设置。

s5.分别对各通道图像的每一个色度级的目标色度级值进行归一化处理，即分别对灰度通道图像、r通道图像、g通道图像和b通道图像的每一个色度级的目标色度级值进行归一化处理。

归一化的公式如下：

式中，ch∈[0,1,2,3]表示各通道图像，具体的，ch∈[0]表示灰度通道图像，ch∈[1]表示r通道图像，ch∈[2]表示g通道图像，ch∈[3]表示b通道图像；i表示色度级级数，其取值范围为[0，255]；tl(i)ch表示通道图像第i色度级的目标色度级值；表示通道图像的最大色度级的像素频率值；表示通道图像的最小色度级的像素频率值；nl(i)ch表示通道图像第i色度级的目标色度级值归一化后的值。

s6.分别比较各通道图像(灰度通道图像、r通道图像、g通道图像和b通道图像)中每一个色度级的归一化后的目标色度级值和原始色度级值，得到隐形图像的色度信息。

在一些实施例中，隐形图像的色度信息挖掘方法还包括：

生成各通道图像原始的色度谱图，并显示其色度谱相关信息，所述色度谱相关信息包括总像素数、平均色度值、最大色度级、最小色度级和有效谱线数；

生成各通道图像得到隐形的图像信息后的色度谱图，并显示其色度谱相关信息，所述色度谱相关信息包括总像素数、平均色度值、最大色度级、最小色度级和有效谱线数。

实施例二

如图2所示，隐形图像的色度信息挖掘方法，包括：

s1.获取原始图像。

s2.分别获取原始图像在各图像通道的通道图像。

步骤s2具体包括：获取原始图像在灰度图像通道显示得到的灰度通道图像；获取原始图像在r图像通道显示得到的r通道图像；获取原始图像在g图像通道显示得到的g通道图像；获取原始图像在b图像通道显示得到的b通道图像；获取原始图像在暗图像通道显示得到的暗通道图像；获取原始图像在亮图像通道显示得到的亮通道图像。

所述暗通道图像的获取方法为：计算原始图像每个像素点对应r通道图像、g通道图像和b通道图像中的最小色度值，存入和原始图像大小相同对应像素点位置的图像中。所述暗通道图像的目标像素点值的计算公式如下：

t(x,y)'ch＝min(o(x,y)ch)

式中，ch∈[1,2,3]，分别表示r通道图像、g通道图像和b通道图像；o(x,y)ch表示通道图像的原始像素点值；t(x,y)'ch表示暗通道图像的目标像素点值。

所述亮通道图像的获取方法为：计算原始图像每个像素点对应r通道图像、g通道图像和b通道图像中的最大色度值，存入和原始图像大小相同对应像素点位置的图像中。所述亮通道图像的目标像素点值的计算公式如下：

t(x,y)”ch＝max(o(x,y)ch)

式中，ch∈[1,2,3]，分别表示r通道图像、g通道图像和b通道图像；o(x,y)ch表示通道图像的原始像素点值；t(x,y)”ch表示亮通道图像的目标像素点值。

s3.分别计算各通道图像的每一个色度级的像素频率以及在各通道的有效色度级。

步骤s3具体包括：

计算灰度通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及灰度通道图像的有效色度级(有效色度级：像素频率不为零的色度级)；

计算r通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及r通道图像的有效色度级(有效色度级：像素频率不为零的色度级)；

计算g通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及g通道图像的有效色度级(有效色度级：像素频率不为零的色度级)；

计算b通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及b通道图像的有效色度级(有效色度级：像素频率不为零的色度级)；

计算暗通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及暗通道图像的有效色度级(有效色度级：像素频率不为零的色度级)；

计算亮通道图像的每一个色度级(色度级的范围为[0，255])的像素频率，以及亮通道图像的有效色度级(有效色度级：像素频率不为零的色度级)。

s4.分别计算各通道图像的每一个色度级的目标色度级值，即分别计算灰度通道图像、r通道图像、g通道图像、b通道图像、暗通道图像和亮通道图像的每一个色度级的目标色度级值。

目标色度级值的计算公式如下：

式中，ch∈[0,1,2,3,4,5]表示各通道图像，具体的，ch∈[0]表示灰度通道图像，ch∈[1]表示r通道图像，ch∈[2]表示g通道图像，ch∈[3]表示b通道图像，ch∈[4]表示暗通道图像，ch∈[5]表示亮通道图像；i表示色度级级数，其取值范围为[0，255]；tl(i)ch表示通道图像第i色度级的目标色度级值；ol(i)ch表示通道图像第i色度级的原始色度级值；t表示通道图像总的色度值数；n表示通道图像的有效色度级级数；n表示等差挖掘级数；k表示等差挖掘极限值，(n-1)≤k；n和k的值自行设置。

s5.分别对各通道图像的每一个色度级的目标色度级值进行归一化处理，即分别对灰度通道图像、r通道图像、g通道图像、b通道图像、暗通道图像和亮通道图像的每一个色度级的目标色度级值进行归一化处理。

归一化的公式如下：

式中，ch∈[0,1,2,3,4,5]表示各通道图像，具体的，ch∈[0]表示灰度通道图像，ch∈[1]表示r通道图像，ch∈[2]表示g通道图像，ch∈[3]表示b通道图像，ch∈[4]表示暗通道图像，ch∈[5]表示亮通道图像；i表示色度级级数，其取值范围为[0，255]；tl(i)ch表示通道图像第i色度级的目标色度级值；表示通道图像的最大色度级的像素频率值；表示通道图像的最小色度级的像素频率值；nl(i)ch表示通道图像第i色度级的目标色度级值归一化后的值。

s6.分别比较各通道图像(灰度通道图像、r通道图像、g通道图像、b通道图像、暗通道图像和亮通道图像)中每一个色度级的归一化后的目标色度级值和原始色度级值，得到隐形图像的色度信息。

在一些实施例中，隐形图像的色度信息挖掘方法还包括：

生成各通道图像原始的色度谱图，并显示其色度谱相关信息，所述色度谱相关信息包括总像素数、平均色度值、最大色度级、最小色度级和有效谱线数；

生成各通道图像得到隐形的图像信息后的色度谱图，并显示其色度谱相关信息，所述色度谱相关信息包括总像素数、平均色度值、最大色度级、最小色度级和有效谱线数。

下面将本发明的方案与传统方案进行对比，具体包括低照度图像、高照度图像、水下图像和有雾图像对rgb通道色度谱信息的挖掘和对rgb、暗亮通道色度谱信息的挖掘，其中，取n＝1和n＝4。

相关说明：(1)本发明使用matlabr2018a软件编写程序进行图像精准挖掘；(2)直方图色度谱采用matlab自带函数imhist()进行绘制，做归一化之后与本发明方法采用1级精准挖掘(原始谱)效果一致；(3)与直方图均衡化结果比对，仅以低照度图像作为说明。

本发明的方案与传统直方图效果对比

1.rgb通道色度谱信息的挖掘

(1)低照度图像。低照度图像采用950x533大小图像，像素值主要分布于低色度级上，如10级以下。

①原始图像、灰度通道图像、r通道图像、g通道图像、b通道图像如图3所示。

②直方图各通道色度谱挖掘结果如图4所示。

灰度直方图、色度直方图挖掘增加归一化之后，结果与本发明1级精准挖掘方法效果是一致的。下面就以1级精准挖掘(即n＝1)和4级精准挖掘(即n＝4)效果进行比较。

③本发明1级精准挖掘各通道色度谱精准挖掘结果如图5所示。从图5中可以看出灰度通道图像、r通道图像、g通道图像、b通道图像中人眼看见的谱线数远远小于实际有效谱线数，由于图像中车身为白色，理论上谱线宽度应该为0～255区间，然而图中谱线基本在10级以下，可精准挖掘(隐形)的谱线数均超过93％，如表1所示。

表1低照度图像rgb通道1级精准挖掘色度谱信息分析表

④本发明4级精准挖掘各通道色度谱精准挖掘结果如图6所示。从图6中可以看出在背景图像中隐形的图像信息被全部精准挖掘出来，且像素数保持不变，可以完整显示对应色度级信息及图像重要信息，如表2所示。

表2低照度图像rgb通道4级精准挖掘色度谱信息分析表

(2)高照度图像。高照度图像采用402x328大小图像，像素值主要分布于高色度级上，如240级以上。

①原始图像、灰度通道图像、r通道图像、g通道图像和b通道图像如图7所示。

②直方图各通道色度谱挖掘结果如图8所示。

灰度直方图、色度直方图挖掘增加归一化之后，结果与本发明1级精准挖掘方法效果是一致的。下面就以1级精准挖掘和4级精准挖掘效果进行比较。

③本发明1级精准挖掘各通道色度谱精准挖掘结果如图9所示。从图9中可以看出灰度通道图像、r通道图像、g通道图像、b通道图像中人眼看见的谱线数远远小于实际有效谱线数，由于图像中还有树及阴影部分，理论上谱线宽度应该为几十到255区间，然而图中谱线基本在240级以上。可精准挖掘的谱线数均超过96％，如表3所示。

表3高照度图像rgb通道1级精准挖掘色度谱信息分析表

④本发明4级精准挖掘各通道色度谱精准挖掘结果如图10所示。从图10中可以看出在背景图像中隐形的图像信息被全部精准挖掘出来，且像素数保持不变，可以完整显示对应色度级信息及图像重要信息，如表4所示。

表4高照度图像rgb通道4级精准挖掘色度谱信息分析表

(3)水下图像。水下图像采用450x372大小图像，像素值主要分布于中色度级上，不同通道色度级集中在莫一个区域。

①原始彩色图像、灰度通道图像、r通道图像、g通道图像、b通道图像如图11所示。

②直方图各通道色度谱挖掘结果如图12所示。

灰度直方图、色度直方图挖掘增加归一化之后，结果与本发明1级精准挖掘方法效果是一致的。下面就以1级精准挖掘和4级精准挖掘效果进行比较。

③本发明1级精准挖掘各通道色度谱精准挖掘结果如图13所示。从图13中可以看出灰度通道图像、r通道图像、g通道图像、b通道图像中人眼看见的谱线数远远小于实际有效谱线数，由于水中图像类似存在一层背景色，谱线也会相对集中，可精准挖掘的谱线数也可达到50％左右，如表5所示。

表5水下图像rgb通道1级精准挖掘色度谱信息分析表

④本发明4级精准挖掘各通道色度谱精准挖掘结果如图14所示。从图14中可以看出在背景图像中隐形的图像信息被全部精准挖掘出来，且像素数保持不变，可以完整显示对应色度级信息及图像重要信息，如表6所示。

表6水下图像rgb通道4级精准挖掘色度谱信息分析表

(4)有雾图像。有雾图像采用950x533大小图像，像素值主要分布均匀。

①原始彩色图像、灰度通道图像、r通道图像、g通道图像、b通道图像如图15所示。

②直方图各通道色度谱挖掘结果如图16所示。

灰度直方图、色度直方图挖掘增加归一化之后，结果与本发明1级精准挖掘方法效果是一致的。下面就以1级精准挖掘和4级精准挖掘效果进行比较。

③本发明1级精准挖掘各通道色度谱精准挖掘结果如图17所示。从图17中可以看出灰度通道图像、r通道图像、g通道图像、b通道图像中人眼看见的谱线数小于实际有效谱线数，虽然图像中层次感较强，信息丰富，谱线范围分布广，但是依然存在20％内的谱线隐形，如表7所示。

表7有雾图像rgb通道1级精准挖掘色度谱信息分析表

④本发明4级精准挖掘各通道色度谱精准挖掘结果如图18所示。从图18中可以看出在背景图像中隐形的图像信息被全部精准挖掘出来，且像素数保持不变。可以完整显示对应色度级信息及图像重要信息，如表8所示。

表8有雾图像rgb通道4级精准挖掘色度谱信息分析表

2.rgb暗/亮通道色度谱信息精准挖掘

与rgb通道色度谱信息精准挖掘区别在于先做暗/亮通道图像变换处理，这是本发明的一个创新之处，可用于图像先验信息分析。

以水下图像为例，水下图像采用450x372大小图像，像素值主要分布于中色度级上，不同通道色度级集中在莫一个区域。

①原始彩色图像、灰度通道图像、暗通道图像、亮通道图像如图19所示。

②直方图各通道色度谱挖掘结果如图20所示。

③本发明1级精准挖掘各通道色度谱精准挖掘结果如图21所示。从图21中可以看出灰度通道图像、r通道图像、g通道图像、b通道图像中人眼看见的谱线数远远小于实际有效谱线数，由于水中图像类似存在一层背景色，谱线也会相对集中。可精准挖掘的谱线数也可达到50％左右，如表9所示。

表9水下图像rgb暗/亮通道1级精准挖掘色度谱信息分析表

④本发明4级精准挖掘各通道色度谱精准挖掘结果如图22所示。从图22中可以看出在背景图像中隐形的图像信息被全部精准挖掘出来，且像素数保持不变。可以完整显示对应色度级信息及图像重要信息，如表10所示。

表10水下图像rgb通道rgb暗/亮通道4级精准挖掘色度谱信息分析表

本发明的方案与传统直方图均衡化效果对比

仅以低照度图像在rgb空间下的本发明方法与传统直方图均衡化处理结果比对为例，采用950x533大小图像，像素值主要分布于低色度级上，如10级以下。

①原始图像、直方图均衡化图像、灰度通道图像、r通道图像、g通道图像、b通道图像如图23所示。

②本发明各通道色度谱精准挖掘结果与传统直方图均衡化结果对比如图24～27所示。

从图24～27中可以看出，4级精准挖掘可以挖掘出灰度通道图像、r通道图像、g通道图像、b通道图像中人眼无法看见的隐形信息。直方图均衡化的方法，可以凸显部分可用信息，对图像有一定的增强功能，但图像已经不是真实的图像。人为的改变了图像原有信息，谱线数大幅度减少，平均色度值大幅度人为增加，图像谱线范围变窄，图像层次感差。原本存在色度级的像素点没有了，如r、g、b通道色度级在10～90范围内的值，原本没有色度级的像素点人为增加了，如r通道203～220，g通道194～211，b通道113～196，如表11所示。

表11精准挖掘方法与传统直方图均衡化处理方法色度谱比对信息分析表

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。