CN103455977B - 一种消除内窥镜图像光照不均的方法及系统 - Google Patents
一种消除内窥镜图像光照不均的方法及系统 Download PDFInfo
- Publication number
- CN103455977B CN103455977B CN201210180976.2A CN201210180976A CN103455977B CN 103455977 B CN103455977 B CN 103455977B CN 201210180976 A CN201210180976 A CN 201210180976A CN 103455977 B CN103455977 B CN 103455977B
- Authority
- CN
- China
- Prior art keywords
- image
- local
- dev
- point
- envelope
- 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
Landscapes
- Endoscopes (AREA)
Abstract
本发明涉及内窥镜图像处理技术领域，提供了一种消除内窥镜图像光照不均的方法，包括：获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值；计算图像的色偏值；计算特征点集合Q；用特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值；将用特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值所得到的图像矩阵替换原始图像，返回获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值的步骤进行下次迭代。本发明还提供了一种消除内窥镜图像光照不均的系统。本发明能够消除光照不均对内窥镜图像带来的影响。
Description
技术领域
本发明涉及内窥镜图像处理技术领域，特别是涉及一种消除内窥镜图像光照不均的方法及系统。
背景技术
医学内窥镜已广泛应用于微创外科手术中，由体外经过人体自然腔道送入体内，对体内疾病进行检查，可以直接观察到脏器内腔病变，确定其部位、范围，并可进行照相、活检或刷片，大大提高了疾病的诊断准确率，特别是癌症的诊断准确率。内窥镜照明光由光纤束导入，为会聚光照明，以照明光最强点为中心，径向逐渐减弱，光照不均匀，从而导致内窥镜图像的亮度不均匀和局部对比度低这一问题。
目前，解决该问题的方法主要是采用均值滤波迭代修正算法来消除内窥镜图像光照不均的现象。该迭代修正算法是在对图像进行均值滤波的基础上，计算原始图像与滤波后的图像的偏差图像，再根据偏差对原始图像进行修正，偏差较大时(取一个经验阈值)，对应的像素点用均值滤波后的值替换，并以修正后的图像作为下次的输入图像进行迭代，从而在逐步迭代的过程中消除光照不均的影响。但是，在迭代过程中，因为所选滑动窗口(即滤波模板)的大小没有一定的标准，从而会影响最终的滤波结果，即鲁棒性不好；并且，当选取的滑动窗口不恰当时，该迭代算法将完全失效。
发明内容
本发明要解决的技术问题是提供一种消除内窥镜图像光照不均的方法和系统，使内窥镜图像光照不均的现象得到良好的抑制。
为解决上述技术问题，本发明提供了一种消除内窥镜图像光照不均的方法，包括：
获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值；
计算图像的色偏值；
计算特征点集合Q；
用特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值；
将用特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值所得到的图像矩阵替换原始图像，返回获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值的步骤进行下次迭代。
进一步地，所述方法还包括：当前后两次迭代中，局部包络均值的变化小于预设的阈值时，结束。
优选地，所述获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值的步骤包括：
计算输入的原始图像的局部极大值点和局部极小值点；
利用三次样条插值拟合得到图像的上包络曲面和下包络曲面；
按照下式计算图像的局部包络均值：
EnvR(x，y)＝(EnuR(x，y)+EndR(x，y))/2
EnvG(x，y)＝(EnuG(x，y)+EndG(x，y))/2 1≤x≤M，1≤y≤N
EnvB(x，y)＝(EnuB(x，y)+EndB(x，y))/2
其中，{EnuR(x，y)、EnuG(x，y)、EnuB(x，y)}是图像的上包络曲面，{EndR(x，y)、EndG(x，y)、EndB(x，y)}是图像的下包络曲面，{EnvR(x，y)、EnvG(x，y)、EnvB(x，y)}是图像在点(x，y)的局部包络均值，M和N分别为图像的宽度和高度。
优选地，所述计算图像的色偏值的步骤具体为：
按照下式计算图像的色偏值：
DevR(x，y)＝fR(x，y)-EnvR(x，y)
DevG(x，y)＝fG(x，y)-EnvG(x，y) 1≤x≤M，1≤y≤N
DevB(x，y)＝fB(x，y)-EnvB(x，y)
其中，{fR(x，y)、fG(x，y)、fB(x，y)}是图像在点(x，y)的原始颜色分量值，{DevR(x，y)、DevG(x，y)、DevB(x，y)}是图像在点(x，y)的色偏值。
优选地，所述特征点集合Q是指满足下式的特征点的集合：
Tmin k≤Devk(x，y)≤Ts min k or Ts max k≤Devk(x，y)≤Tmax k k＝R，G，B
其中，Tmaxk是{Devk(x，y)，k＝R，G，B}中的最大值，Tmink是{Devk(x，y)，k＝R，G，B}中的最小值，Tsmink＝1/6Tmink、Tsmaxk＝1/6Tmaxk。
优选地，所述局部极大值点和局部极小值点分别为输入的原始图像的点(x，y)在其3×3邻域内的极大值点和极小值点。
本发明还提供了一种消除内窥镜图像光照不均的系统，包括：
局部包络均值计算单元，用于获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值；
色偏值计算单元，用于计算图像的色偏值；
特征点集合Q计算单元，用于计算特征点集合Q；
局部包络均值替换单元，用于将特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值；
图像替换单元，用于将局部包络均值替换单元处理后得到的图像矩阵替换原始图像。
进一步地，所述系统还包括：局部包络均值变化判断单元，用于判断当前后两次迭代中，局部包络均值的变化小于预设的阈值时，结束迭代过程。
优选地，所述局部包络均值计算单元包括：
局部极值点计算模块，用于计算输入的原始图像的局部极大值点和局部极小值点；
包络曲面拟合模块，用于利用三次样条插值拟合得到图像的上包络曲面和下包络曲面；
局部包络均值计算模块，用于按照下式计算图像的局部包络均值：
EnvR(x，y)＝(EnuR(x，y)+EndR(x，y))/2
EnvG(x，y)＝(EnuG(x，y)+EndG(x，y))/2 1≤x≤M，1≤y≤N
EnvB(x，y)＝(EnuB(x，y)+EndB(x，y))/2
其中，{EnuR(x，y)、EnuG(x，y)、EnuB(x，y)}是图像的上包络曲面，{EndR(x，y)、EndG(x，y)、EndB(x，y)}是图像的下包络曲面，{EnvR(x，y)、EnvG(x，y)、EnvB(x，y)}是图像在点(x，y)的局部包络均值，M和N分别为图像的宽度和高度。
优选地，所述色偏值计算单元根据局部包络均值计算单元计算出的局部包络均值，按照下式计算图像的色偏值：
DevR(x，y)＝fR(x，y)-EnvR(x，y)
DevG(x，y)＝fG(x，y)-EnvG(x，y) 1≤x≤M，1≤y≤N
DevB(x，y)＝fB(x，y)-EnvB(x，y)
其中，{fR(x，y)、fG(x，y)、fB(x，y)}是图像在点(x，y)的原始颜色分量值，{DevR(x，y)、DevG(x，y)、DevB(x，y)}是图像在点(x，y)的色偏值。
优选地，所述特征点集合Q是指满足下式的特征点的集合：
Tmin k≤Devk(x，y)≤Ts min k or Ts max k≤Devk(x，y)≤Tmax k k＝R，G，B
其中，Tmaxk是{Devk(x，y)，k＝R，G，B}中的最大值，Tmink是{Devk(x，y)，k＝R，G，B}中的最小值，Tsmink＝1/6Tmink、Tsmaxk＝1/6Tmaxk。
优选地，所述局部极大值点和局部极小值点分别为输入的原始图像的点(x，y)在其3×3邻域内的极大值点和极小值点。
本发明的有益效果在于：通过计算内窥镜图像的色偏值对原始图像进行修正，并以修正后的图像作为下次输入图像进行迭代，在修正图像的过程中采用特征点集合Q来代替现有方法中的滑动窗口，克服了因为滑动窗口的大小没有一定的标准所带来的影响，从而消除光照不均对内窥镜图像带来的影响。
附图说明
图1为本发明实施例1消除内窥镜图像光照不均的方法流程图；
图2为本发明实施例2消除内窥镜图像光照不均的方法流程图；
图3为本发明实施例3消除内窥镜图像光照不均的方法流程图；
图4为本发明实施例4消除内窥镜图像光照不均的系统的结构框图；
图5为本发明实施例5消除内窥镜图像光照不均的系统的结构框图；
图6为本发明实施例6消除内窥镜图像光照不均的系统的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供了一种消除内窥镜图像光照不均的方法，包括：
获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值；
计算图像的色偏值；
计算特征点集合Q；
用特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值；
将用特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值所得到的图像矩阵替换原始图像，返回获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值的步骤进行下次迭代。
本发明通过计算内窥镜图像的色偏值对原始图像进行修正，并以修正后的图像作为下次输入图像进行迭代，在修正图像的过程中采用特征点集合Q来代替现有方法中的滑动窗口，克服了因为滑动窗口的大小没有一定的标准所带来的影响，从而消除光照不均对内窥镜图像带来的影响。
实施例1：
请参阅图1，为本发明一种消除内窥镜图像光照不均的方法实施例，该方法包括以下步骤：
步骤S101：获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值。
其中，输入原始图像的局部极值点包括局部极大值点和局部极小值点，其获取方式有多种，可根据需要得到的图像效果的不同采用不同的获取方式，本实施例不做限制。例如，选取3×3、5×5或者7×7方窗，优选地，可采用选取输入原始图像的点(x，y)在其3×3邻域内的极大值点和极小值点作为局部极大值点和局部极小值点的方式。图像的上、下包络曲面可通过三次样条插值拟合的方式得到，具体的计算函数此处不予列出，有库函数可以直接采用，本领域技术人员知晓其计算过程。根据图像的上、下包络曲面来计算图像的局部包络均值。在本发明所提供的所有实施例中，均是按照图像的RGB三原色进行相关值的计算。
步骤S102：计算图像的色偏值。
其中，图像中各个像素点的原始颜色分量值与其局部包络均值的差值即为图像的色偏值，反映了该点各颜色分量值与局部平均灰度的偏离程度。
步骤S103：计算特征点集合Q。
其中，特征点集合Q可根据需要得到的图像效果的不同采取不同的定义。一般来说，在色偏值中选取一个最大值和一个最小值，并根据经验选取一个最大阈值和最小阈值，色偏值在最小值～最小阈值，或者最大阈值～最大值范围内的点选入特征点集合Q。
步骤S104：用特征点集合Q中每个点的局部包络均值替换该点的原始颜色分量值。
其中，特征点集合Q中的点的原始颜色分量值与局部包络均值的差在预设的范围内，也即两者间相差较大，需要用该点的局部包络均值替换其原始颜色分量值。
步骤S105：用步骤S104所得到的图像矩阵替换原始图像。
在步骤S105之后，返回步骤S101进行下次迭代。
其中，步骤S105用步骤S104所得到的图像矩阵替换原始图像后，步骤S101中输入的原始图像即为步骤S105中替换后的图像，从而在逐步迭代的过程中消除光照不均的影响。
本实施例通过计算内窥镜图像的色偏值对原始图像进行修正，并以修正后的图像作为下次输入图像进行迭代，在修正图像的过程中采用特征点集合Q来代替现有方法中的滑动窗口，克服了因为滑动窗口的大小没有一定的标准所带来的影响，从而消除光照不均对内窥镜图像带来的影响。
实施例2：
请参阅图2所示，为本发明一种消除内窥镜图像光照不均的方法的较佳实施例，该方法从步骤S201～S205与实施例1中的步骤S101～S105相同，此处不再详细描述，只对该方法在实施例1基础上所增加的步骤进行描述。
本实施例中，在步骤S205之后，还包括步骤S206：判断前后两次迭代中，局部包络均值的变化是否小于预设的阈值，如果是，则结束，否则返回步骤S201。
当前后两次迭代中，局部包络均值的变化不小于预设的阈值时，说明还未达到收敛条件，需要对图像继续进行增强处理。经过多次迭代后，当前后两次迭代中局部包络均值的变化小于预设的阈值，说明已不需要对图像进行增强处理，则结束迭代过程。其中，阈值可以根据具体的计算情况进行预设，此处不做限制。
实施例3：
请参阅图3所示，为本发明一种消除内窥镜图像光照不均的方法的较佳实施例，该方法包括以下步骤：
步骤S301：计算输入的原始图像的局部极大值点和局部极小值点。
其中，本实施例选取输入原始图像的点(x，y)在其3×3邻域内的极大值点和极小值点作为局部极大值点和局部极小值点。
步骤S302：利用三次样条插值拟合得到图像的上包络曲面和下包络曲面。
其中，具体的计算函数此处不予列出，有库函数可以直接采用，本领域技术人员知晓其计算过程。
步骤S303：根据图像的上包络曲面和下包络曲面，按照公式(1)计算图像的局部包络均值：
EnvR(x，y)＝(EnuR(x，y)+EndR(x，y))/2
EnvG(x，y)＝(EnuG(x，y)+EndG(x，y))/2 1≤x≤M，1≤y≤N (1)
EnvB(x，y)＝(EnuB(x，y)+EndB(x，y))/2
公式(1)中，{EnuR(x，y)、EnuG(x，y)、EnuB(x，y)}是图像的上包络曲面，{EndR(x，y)、EndG(x，y)、EndB(x，y)}是图像的下包络曲面，{EnvR(x，y)、EnvG(x，y)、EnvB(x，y)}是图像在点(x，y)的局部包络均值，M和N分别为图像的宽度和高度。
步骤S304：按照公式(2)计算图像的色偏值：
DevR(x，y)＝fR(x，y)-EnvR(x，y)
DevG(x，y)＝fG(x，y)-EnvG(x，y) 1≤x≤M，1≤y≤N (2)
DevB(x，y)＝fB(x，y)-EnvB(x，y)
公式(2)中，{fR(x，y)、fG(x，y)、fB(x，y)}是图像在点(x，y)的原始颜色分量值，{DevR(x，y)、DevG(x，y)、DevB(x，y)}是图像在点(x，y)的色偏值。
从公式(2)可知，图像中各个像素点的原始颜色分量值与其局部包络均值的差值即为图像的色偏值，反映了该点各颜色分量值与局部平均灰度的偏离程度。
步骤S305：计算满足公式(3)的特征点的集合Q：
Tmink≤Devk(x，y)≤Ts min k or Ts max k≤Devk(x，y)≤Tmax k k＝R，G，B (3)
公式(3)中，Tmaxk是{Devk(x，y)，k＝R，G，B}中的最大值，Tmink是{Devk(x，y)，k＝R，G，B}中的最小值，{Tsmink、Tsmaxk，k＝R，G，B}是最小阈值和最大阈值，可以根据图像中灰度值的方差来确定，根据内窥镜图像的处理经验，我们确定Tsmink＝1/6Tmink、Tsmaxk＝1/6Tmaxk，其中Tmink为负值。最大阈值与最小阈值和色偏值的最大值和最小值之间的倍数关系，当处理内窥镜图像以外的其他图像时，需要根据经验选取最合适的倍数，此处不一一列举。只需要R、G、B三原色中某一项的色偏值满足公式(3)的点即可以列入特征点集合Q。
步骤S306：用特征点集合Q中每个点的局部包络均值替换该点的原始颜色分量值。
其中，特征点集合Q中的点的原始颜色分量值与局部包络均值的差在预设的范围内，也即两者间相差较大，需要用该点的局部包络均值替换其原始颜色分量值。
步骤S307：用步骤S306所得到的图像矩阵替换原始图像。
其中，步骤S307用步骤S306得到的图像矩阵替换原始图像后，步骤S301中输入的原始图像即为步骤S307中替换后的图像，从而在逐步迭代的过程中消除光照不均的影响。
步骤S308：判断前后两次迭代中，局部包络均值的变化是否小于预设的阈值，如果是，则结束，否则返回步骤S301。
当前后两次迭代中，局部包络均值的变化不小于预设的阈值时，说明还未达到收敛条件，需要对图像继续进行增强处理。经过多次迭代后，当前后两次迭代中局部包络均值的变化小于预设的阈值，说明已不需要对图像进行增强处理，则结束迭代过程。其中，阈值可以根据具体的计算情况进行预设，此处不做限制。
本实施例的方法不仅可用于内窥镜图像的处理，还可以用于自然图像的处理。表1是本实施例的方法与现有技术的均值滤波迭代修正算法的实验结果对比，经过本发明实施例的方法处理过的图像，信噪比与现有技术的方法处理过的图像信噪比相比较有一定的提高，噪点减少，图像质量得到增强，能够很好的消除内窥镜图像光照不均的现象。
表1本实施例与现有技术处理过的图像信噪比对比
| 滤波方法 | 均值滤波迭代修正算法 | 本实施例的滤波方法 |
| 内窥镜图像 | 21.37dB | 23.16dB |
| 自然图像 | 10.25dB | 14.32dB |
实施例4：
请参阅图4所示，为本发明一种消除内窥镜图像光照不均的系统的实施例，该系统1包括：
局部包络均值计算单元11，用于获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值；色偏值计算单元12，与局部包络均值计算单元11和特征点集合Q计算单元13分别连接，用于计算图像的色偏值；特征点集合Q计算单元13，与色偏值计算单元12和局部包络均值替换单元14分别连接，用于计算特征点集合Q；局部包络均值替换单元14，与特征点集合Q计算单元13和图像替换单元15分别连接，用于将特征点集合Q中每个点的局部包络均值替换该点的原始颜色分量值；图像替换单元15，与局部包络均值替换单元14和局部包络均值计算单元11分别连接，用于将局部包络均值替换单元处理后得到的图像矩阵替换原始图像。
本实施例中，局部包络均值计算单元11所获取的输入原始图像的局部极值点包括局部极大值点和局部极小值点，其获取方式有多种，可根据需要得到的图像效果的不同采用不同的获取方式，本实施例不做限制。例如，选取3×3、5×5或者7×7方窗，优选地，可采用选取输入原始图像的点(x，y)在其3×3邻域内的极大值点和极小值点作为局部极大值点和局部极小值点的方式。图像的上、下包络曲面可通过三次样条插值拟合的方式得到，具体的计算函数此处不予列出，有库函数可以直接采用，本领域技术人员知晓其计算过程。根据图像的上、下包络曲面来计算图像的局部包络均值。局部包络均值计算单元11将计算出的局部包络均值提供给色偏值计算单元12。
色偏值计算单元12所计算的图像的色偏值，是图像中各个像素点的原始颜色分量值与其局部包络均值的差值，反映了该点各颜色分量值与局部平均灰度的偏离程度。色偏值计算单元12将计算出的色偏值提供给特征点集合Q计算单元13。
特征点集合Q计算单元13在选取特征点集合Q时，可根据需要得到的图像效果的不同采取不同的定义。一般来说，在色偏值中选取一个最大值和一个最小值，并根据经验选取一个最大阈值和最小阈值，色偏值在最小值～最小阈值，或者最大阈值～最大值范围内的点选入特征点集合Q。特征点集合Q计算单元13将计算出的特征点集合Q提供给局部包络均值替换单元14。
特征点集合Q中的点的原始颜色分量值与局部包络均值的差在预设的范围内，也即两者间相差较大，需要通过局部包络均值替换单元14将特征点集合Q中每个点的局部包络均值替换该点的原始颜色分量值。局部包络均值替换单元14的替换结果提供给图像替换单元15。
图像替换单元15将局部包络均值替换单元14处理后得到的图像矩阵替换原始图像后，局部包络均值计算单元11获取的输入原始图像即为图像替换单元15替换后的图像，从而在逐步迭代的过程中消除光照不均的影响。
实施例5：
请参阅图5所示，为本发明一种消除内窥镜图像光照不均的系统的较佳实施例，该系统2中的局部包络均值计算单元21、色偏值计算单元22、特征点集合Q计算单元23和局部包络均值替换单元24与实施例4中的局部包络均值计算单元11、色偏值计算单元12、特征点集合Q计算单元13和局部包络均值替换单元14相同，此处不再详细描述，只对该系统2在实施例4基础上不同的和增加的部分进行描述。
本实施例中，图像替换单元25，与局部包络均值替换单元24和局部包络均值变化判断单元26分别连接，用于将局部包络均值替换单元处理后得到的图像矩阵替换原始图像。该系统2还包括：局部包络均值变化判断单元26，与图像替换单元25和局部包络均值计算单元21分别连接，用于判断当前后两次迭代中，局部包络均值的变化小于预设的阈值时，结束迭代过程。
当前后两次迭代中，局部包络均值的变化不小于预设的阈值时，说明还未达到收敛条件，需要对图像继续进行增强处理。经过多次迭代后，当前后两次迭代中局部包络均值的变化小于预设的阈值，说明已不需要对图像进行增强处理，则结束迭代过程。其中，阈值可以根据具体的计算情况进行预设，此处不做限制。
实施例6：
请参阅图6所示，为本发明一种消除内窥镜图像光照不均的系统的较佳实施例，该系统3包括：
局部包络均值计算单元31，用于获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值；色偏值计算单元32，与局部包络均值计算单元31和特征点集合Q计算单元33分别连接，用于计算图像的色偏值；特征点集合Q计算单元33，与色偏值计算单元32和局部包络均值替换单元34分别连接，用于计算特征点集合Q；局部包络均值替换单元34，与特征点集合Q计算单元33和图像替换单元35分别连接，用于将特征点集合Q中每个点的局部包络均值替换该点的原始颜色分量值；图像替换单元35，与局部包络均值替换单元34和局部包络均值变化判断单元36分别连接，用于将局部包络均值替换单元处理后得到的图像矩阵替换原始图像；局部包络均值变化判断单元36，与图像替换单元35和局部包络均值计算单元31分别连接，用于判断当前后两次迭代中，局部包络均值的变化小于预设的阈值时，结束迭代过程。
其中，局部包络均值计算单元31包括：
局部极值点计算模块311，用于计算输入的原始图像的局部极大值点和局部极小值点；包络曲面拟合模块312，与局部极值点计算模块311和局部包络均值计算模块313连接，用于根据局部极值点计算模块311计算出的局部极大值点和局部极小值点，利用三次样条插值拟合得到图像的上包络曲面和下包络曲面，三次样条插值的具体计算函数此处不予列出，有库函数可以直接采用，本领域技术人员知晓其计算过程；局部包络均值计算模块313，与包络曲面拟合模块312连接，用于根据包络曲面拟合模块312拟合出的上包络曲面和下包络曲面，按照公式(1)计算图像的局部包络均值：
EnvR(x，y)＝(EnuR(x，y)+EndR(x，y))/2
EnvG(x，y)＝(EnuG(x，y)+EndG(x，y))/2 1≤x≤M，1≤y≤N (1)
EnvB(x，y)＝(EnuB(x，y)+EndB(x，y))/2
公式(1)中，{EnuR(x，y)、EnuG(x，y)、EnuB(x，y)}是图像的上包络曲面，{EndR(x，y)、EndG(x，y)、EndB(x，y)}是图像的下包络曲面，{EnvR(x，y)、EnvG(x，y)、EnvB(x，y)}是图像在点(x，y)的局部包络均值，M和N分别为图像的宽度和高度。局部包络均值计算单元31将计算出的局部包络均值提供给色偏值计算单元32。
色偏值计算单元32按照公式(2)计算图像的色偏值：
DevR(x，y)＝fR(x，y)-EnvR(x，y)
DevG(x，y)＝fG(x，y)-EnvG(x，y) 1≤x≤M，1≤y≤N (2)
DevB(x，y)＝fB(x，y)-EnvB(x，y)
公式(2)中，{fR(x，y)、fG(x，y)、fB(x，y)}是图像在点(x，y)的原始颜色分量值，{DevR(x，y)、DevG(x，y)、DevB(x，y)}是图像在点(x，y)的色偏值。
从公式(2)可知，色偏值计算单元32所计算的图像的色偏值，是图像中各个像素点的原始颜色分量值与其局部包络均值的差值，反映了该点各颜色分量值与局部平均灰度的偏离程度。色偏值计算单元32将计算出的色偏值提供给特征点集合Q计算单元33。
特征点集合Q计算单元33根据公式(3)计算满足该式的特征点的集合Q：
Tmin k≤Devk(x，y)≤Ts min k or Ts max k≤Devk(x，y)≤Tmax k k＝R，G，B (3)
公式(3)中，Tmaxk是{Devk(x，y)，k＝R，G，B}中的最大值，Tmink是{Devk(x，y)，k＝R，G，B}中的最小值，{Tsmink、Tsmaxk，k＝R，G，B}是最小阈值和最大阈值，可以根据图像中灰度值的方差来确定，根据内窥镜图像的处理经验，我们确定Tsmink＝1/6Tmink、Tsmaxk＝1/6Tmaxk，其中Tmink为负值。最大阈值与最小阈值和色偏值的最大值和最小值之间的倍数关系，当处理内窥镜图像以外的其他图像时，需要根据经验选取最合适的倍数，此处不一一列举。只需要R、G、B三原色中某一项的色偏值满足公式(3)的点即可以列入特征点集合Q。特征点集合Q计算单元33将计算出的特征点集合Q提供给局部包络均值替换单元34。
特征点集合Q中的点的原始颜色分量值与局部包络均值的差在预设的范围内，也即两者间相差较大，需要通过局部包络均值替换单元34将特征点集合Q中每个点的局部包络均值替换该点的原始颜色分量值。局部包络均值替换单元34的替换结果提供给图像替换单元35。
图像替换单元35将局部包络均值替换单元34处理后得到的图像矩阵替换原始图像后，局部包络均值计算单元31获取的输入原始图像即为图像替换单元35替换后的图像，从而在逐步迭代的过程中消除光照不均的影响。
当前后两次迭代中，局部包络均值的变化不小于预设的阈值时，说明还未达到收敛条件，需要对图像继续进行增强处理。经过多次迭代后，通过局部包络均值变化判断单元36判断前后两次迭代中局部包络均值的变化小于预设的阈值时，说明已不需要对图像进行增强处理，则结束迭代过程。其中，阈值可以根据具体的计算情况进行预设，此处不做限制。
本实施例的实验效果与实施例3的类似，前文已有详细描述，此处不再赘述。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种消除内窥镜图像光照不均的方法，其特征在于，包括：
获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值；
计算图像的色偏值；
计算特征点集合Q；
用特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值；
将用特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值所得到的图像矩阵替换原始图像，返回获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值的步骤进行下次迭代；
其中，所述特征点集合Q是指满足下式的特征点的集合：
Tmink≤Devk(x,y)≤Tsmink or Tsmaxk≤Devk(x,y)≤Tmaxk k＝R,G,B
其中，Tmaxk是{Devk(x,y)，k＝R,G,B}中的最大值，Tmink是{Devk(x,y)，k＝R,G,B}中的最小值，Tsmink＝1/6Tmink、Tsmaxk＝1/6Tmaxk，Tmink为负值，{DevR(x,y)、DevG(x,y)、DevB(x,y)}是图像在点(x,y)的色偏值；
当前后两次迭代中，局部包络均值的变化小于预设的阈值时，迭代结束。
2.根据权利要求1所述的方法，其特征在于，所述获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值的步骤包括：
计算输入的原始图像的局部极大值点和局部极小值点；
利用三次样条插值拟合得到图像的上包络曲面和下包络曲面；
按照下式计算图像的局部包络均值：
EnvR(x,y)＝(EnuR(x,y)+EndR(x,y))/2
EnvG(x,y)＝(EnuG(x,y)+EndG(x,y))/2 1≤x≤M,1≤y≤N
EnvB(x,y)＝(EnuB(x,y)+EndB(x,y))/2
其中，{EnuR(x,y)、EnuG(x,y)、EnuB(x,y)}是图像的上包络曲面，{EndR(x,y)、EndG(x,y)、EndB(x,y)}是图像的下包络曲面，{EnvR(x,y)、EnvG(x,y)、EnvB(x,y)}是图像在点(x,y)的局部包络均值，M和N分别为图像的宽度和高度。
3.根据权利要求2所述的方法，其特征在于，所述计算图像的色偏值的步骤具体为：
按照下式计算图像的色偏值：
DevR(x,y)＝fR(x,y)-EnvR(x,y)
DevG(x,y)＝fG(x,y)-EnvG(x,y)1≤x≤M,1≤y≤N
DevB(x,y)＝fB(x,y)-EnvB(x,y)
其中，{fR(x,y)、fG(x,y)、fB(x,y)}是图像在点(x,y)的原始颜色分量值，{DevR(x,y)、DevG(x,y)、DevB(x,y)}是图像在点(x,y)的色偏值。
4.根据权利要求3所述的方法，其特征在于，所述局部极大值点和局部极小值点分别为输入的原始图像的点(x,y)在其3×3邻域内的极大值点和极小值点。
5.一种消除内窥镜图像光照不均的系统，其特征在于，包括：
局部包络均值计算单元，用于获取输入的原始图像的局部极值点，拟合出图像的上、下包络曲面，计算图像的局部包络均值；
色偏值计算单元，用于计算图像的色偏值；
特征点集合Q计算单元，用于计算特征点集合Q；
局部包络均值替换单元，用于将特征点集合Q中每个点的局部包络均值替换所述点的原始颜色分量值；
图像替换单元，用于将局部包络均值替换单元处理后得到的图像矩阵替换原始图像，并输入局部包络均值计算单元进行下次迭代；
其中，所述特征点集合Q是指满足下式的特征点的集合：
Tmink≤Devk(x,y)≤Tsmink or Tsmaxk≤Devk(x,y)≤Tmaxk k＝R,G,B
其中，Tmaxk是{Devk(x,y)，k＝R,G,B}中的最大值，Tmink是{Devk(x,y)，k＝R,G,B}中的最小值，Tsmink＝1/6Tmink、Tsmaxk＝1/6Tmaxk，Tmink为负值，{DevR(x,y)、DevG(x,y)、DevB(x,y)}是图像在点(x,y)的色偏值；
所述系统还包括：局部包络均值变化判断单元，用于判断当前后两次迭代中，局部包络均值的变化小于预设的阈值时，结束迭代过程。
6.根据权利要求5所述的系统，其特征在于，所述局部包络均值计算单元包括：
局部极值点计算模块，用于计算输入的原始图像的局部极大值点和局部极小值点；
包络曲面拟合模块，用于利用三次样条插值拟合得到图像的上包络曲面和下包络曲面；
局部包络均值计算模块，用于按照下式计算图像的局部包络均值：
EnvR(x,y)＝(EnuR(x,y)+EndR(x,y))/2
EnvG(x,y)＝(EnuG(x,y)+EndG(x,y))/2 1≤x≤M,1≤y≤N
EnvB(x,y)＝(EnuB(x,y)+EndB(x,y))/2
其中，{EnuR(x,y)、EnuG(x,y)、EnuB(x,y)}是图像的上包络曲面，{EndR(x,y)、EndG(x,y)、EndB(x,y)}是图像的下包络曲面，{EnvR(x,y)、EnvG(x,y)、EnvB(x,y)}是图像在点(x,y)的局部包络均值，M和N分别为图像的宽度和高度。
7.根据权利要求6所述的系统，其特征在于，所述色偏值计算单元根据局部包络均值计算单元计算出的局部包络均值，按照下式计算图像的色偏值：
DevR(x,y)＝fR(x,y)-EnvR(x,y)
DevG(x,y)＝fG(x,y)-EnvG(x,y)1≤x≤M,1≤y≤N
DevB(x,y)＝fB(x,y)-EnvB(x,y)
其中，{fR(x,y)、fG(x,y)、fB(x,y)}是图像在点(x,y)的原始颜色分量值，{DevR(x,y)、DevG(x,y)、DevB(x,y)}是图像在点(x,y)的色偏值。
8.根据权利要求7所述的系统，其特征在于，所述局部极大值点和局部极小值点分别为输入的原始图像的点(x,y)在其3×3邻域内的极大值点和极小值点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210180976.2A CN103455977B (zh) | 2012-06-04 | 2012-06-04 | 一种消除内窥镜图像光照不均的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210180976.2A CN103455977B (zh) | 2012-06-04 | 2012-06-04 | 一种消除内窥镜图像光照不均的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103455977A CN103455977A (zh) | 2013-12-18 |
| CN103455977B true CN103455977B (zh) | 2016-12-14 |
Family
ID=49738310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210180976.2A Active CN103455977B (zh) | 2012-06-04 | 2012-06-04 | 一种消除内窥镜图像光照不均的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103455977B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108648152A (zh) * | 2018-04-11 | 2018-10-12 | 南京理工大学 | 基于亮度均衡的光照不均匀钢板表面缺陷图像校正方法 |
| CN110866873A (zh) * | 2019-10-18 | 2020-03-06 | 北京航空航天大学 | 内腔镜图像的高光消除方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101685435A (zh) * | 2008-09-26 | 2010-03-31 | 财团法人工业技术研究院 | 用于图像纹理分析的多维度经验模态分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI448072B (zh) * | 2009-12-31 | 2014-08-01 | Ind Tech Res Inst | 分頻濾波裝置及其方法 |
-
2012
- 2012-06-04 CN CN201210180976.2A patent/CN103455977B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101685435A (zh) * | 2008-09-26 | 2010-03-31 | 财团法人工业技术研究院 | 用于图像纹理分析的多维度经验模态分析方法 |
Non-Patent Citations (4)
| Title |
|---|
| A denoising algorithm for an electromagnetic acoustic transducer (EMAT) signal by envelope regulation;Songling Huang等;《MEASUREMENT SCIENCE AND TECHNOLOGY》;20101231;第21卷(第8期);第1-6页 * |
| Image analysis by bidimensional empirical mode decomposition;J.C. Nunes等;《Image and Vision Computing》;20031130;第1019-1026页 * |
| 光照不均图像增强方法综述;梁琳等;《计算机应用研究》;20100531;第27卷(第5期);第1625-1628页 * |
| 基于方向经验模型分解的图像修复方法;张岩等;《电子学报》;20100228(第2期);第257-262页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103455977A (zh) | 2013-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345469B (zh) | 一种基于条件生成对抗网络的oct成像中散斑去噪方法 | |
| CN111095349B (zh) | 减少图像中的噪声 | |
| Sohrab et al. | A pilot study of morphometric analysis of choroidal vasculature in vivo, using en face optical coherence tomography | |
| CN109410127B (zh) | 一种基于深度学习与多尺度图像增强的图像去噪方法 | |
| CN101587593B (zh) | 一种基于真实图像素描风格化的方法 | |
| CN104363815B (zh) | 图像处理装置以及图像处理方法 | |
| CN105279787A (zh) | 基于拍照的户型图识别生成三维房型的方法 | |
| CN109844819A (zh) | 用于动态遮挡处置的系统和方法 | |
| CN110503652B (zh) | 下颌智齿与邻牙及下颌管关系确定方法、装置、存储介质及终端 | |
| EP1994876A1 (en) | Medical video image processing device and medical video image processing method | |
| CN111882489A (zh) | 用于水下图像同时增强的超分辨率图形恢复方法 | |
| CN103455977B (zh) | 一种消除内窥镜图像光照不均的方法及系统 | |
| CN111178499B (zh) | 一种基于生成对抗网络改进的医学图像超分辨率方法 | |
| CN116703798B (zh) | 基于自适应干扰抑制的食管多模态内镜图像增强融合方法 | |
| JPWO2011010644A1 (ja) | 医用画像表示装置及び医用画像表示方法 | |
| CN110766616B (zh) | 一种基于单尺度Retinex方法的水下图像匀光算法 | |
| JP7557425B2 (ja) | 学習装置、深度情報取得装置、内視鏡システム、学習方法、及びプログラム | |
| CN108242049A (zh) | 一种针对gpu优化的全尺度dr影像增强处理方法 | |
| CN116542952A (zh) | 一种基于三维重建的内镜检查覆盖率评估方法及系统 | |
| JP2022513424A (ja) | 視神経乳頭の自動形状定量化の方法 | |
| CN106687023B (zh) | 评价值计算装置以及电子内窥镜系统 | |
| CN114418871A (zh) | 一种基于高斯曲面拟合的内窥镜颜色校正方法 | |
| Zhang et al. | Research on Tissue Structure Enhancement Method of Medical Endoscope Images | |
| WO2024009740A1 (ja) | 学習用画像データ作成方法及びシステム | |
| CN118212153B (zh) | 一种基于无监督学习模型的超声图像去噪方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |