CN107451963B - 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统 - Google Patents

多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统 Download PDF

Info

Publication number
CN107451963B
CN107451963B CN201710542508.8A CN201710542508A CN107451963B CN 107451963 B CN107451963 B CN 107451963B CN 201710542508 A CN201710542508 A CN 201710542508A CN 107451963 B CN107451963 B CN 107451963B
Authority
CN
China
Prior art keywords
image
real
multispectral
low
pass filtering
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
Application number
CN201710542508.8A
Other languages
English (en)
Other versions
CN107451963A (zh
Inventor
梁江荣
王翰林
任均宇
安昕
张浠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oupu Mandi Technology Co ltd
Original Assignee
Guangdong Optomedic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Optomedic Technology Co Ltd filed Critical Guangdong Optomedic Technology Co Ltd
Priority to CN201710542508.8A priority Critical patent/CN107451963B/zh
Publication of CN107451963A publication Critical patent/CN107451963A/zh
Application granted granted Critical
Publication of CN107451963B publication Critical patent/CN107451963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/233—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the nose, i.e. nasoscopes, e.g. testing of patency of Eustachian tubes
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic 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
    • G06T2207/20024—Filtering details

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Otolaryngology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Endoscopes (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统，利用蓝光通道信息和基于空域滤波进行图像有效信息的加强，无效信息的弱化，从而强化肿瘤病变现象，使癌前病变以及早期肿瘤的内镜诊断准确率得到飞跃性提高，避免漏诊；同时，在不影响处理效果的前提下，对图像进行多尺度空域滤波，达到低延时输出、实时操作的效果。

Description

多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统
技术领域
本发明涉及一种图像增强方法，尤其涉及的是一种多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统。
背景技术
鼻咽癌在我国发病率较高，尤其是中国南方省份的高发恶性肿瘤，其发病率有逐年上升的趋势，严重危害着人们健康。当地医院寄希望于早筛早查等手段，使鼻咽癌患者在早期就被发现，实现早诊早治，提高康复的可能性。
奥林巴斯的窄带成像（Narrow Band Imaging，NBI）技术是一种新兴的内镜技术，其基本原理是使用滤光片滤除蓝绿（415nm、540nm）之外的光，实现咽喉部的窄带成像，诊断相关疾病。由于血液中的血红蛋白对蓝、绿光吸收较强，增加了黏膜血管与其他组织之间的对比度，并且由于蓝绿光的穿透深度不同，通过重组窄带光成像的各个通道，形成深、浅层血管清晰分离的图像，准确观察鼻咽黏膜形态，可以发现早期及微小病变。然而，NBI技术的图像算法只涉及RGB通道的重新组合，效果只有深、浅血管的简单分离，并未达到全面突显黏膜血管的目标。
因此，现有技术还有待于改进和发展。
发明内容
本发明的目的在于提供一种多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统，旨在解决现有NBI技术的图像算法只涉及RGB通道的重新组合，效果只有深、浅血管的简单分离，并未达到全面突显黏膜血管目标的问题。
本发明的技术方案如下：一种多光谱鼻腔内窥镜实时图像增强方法，其中，具体包括以下步骤：
步骤S100：在鼻腔内实时采集图像ImageSrc；
步骤S200：将原图像的ImageSrc按彩色图像的RGB模型分解为红绿蓝三个通道的灰度图像，分别对应为ImageSrcR、ImageSrcG、ImageSrcB；
步骤S300：对蓝色通道图像ImageSrcB进行空域低通滤波，得到一张表征着原图像低频成分的模糊图像ImageBlurB；
步骤S400：使用原图像ImageSrcB和均值滤波后的模糊图像ImageBlurB取差分，得到ImageDiff：
Figure 100212DEST_PATH_IMAGE001
，i和j为图像像素坐标，其中，经过空域低通滤波处理后变亮的血管，差分后结果是负数，而经过空域低通滤波处理后变暗的血管周围组织，差分后结果是正数；
步骤S500：在原图像的基础上，叠加差分结果，由步骤S400的正负关系可知：呈暗色的血管：
Figure 854542DEST_PATH_IMAGE002
，呈亮色的血管周围组织：
Figure 529237DEST_PATH_IMAGE003
，叠加后使原图像呈暗色的血管会更暗，原图像呈亮色的血管周围组织，会更亮，达到增强细节的效果；
步骤S600：对叠加差分结果后的图像增加一个放大系数Amount的细节拉伸，得到：呈暗色的血管：
Figure 973993DEST_PATH_IMAGE004
，呈亮色的血管周围组织：
Figure 607100DEST_PATH_IMAGE005
，将两式统一后得到：
Figure 583146DEST_PATH_IMAGE006
；
步骤S700：对三个通道的灰度图像ImageSrcR、ImageSrcG、ImageEnhB进行重组，结果表示为ImageDstR、ImageDstG、ImageDstB；
步骤S800：将ImageDstR、ImageDstG、ImageDstB重新组合成ImageDst，并输出图像。
所述的多光谱鼻腔内窥镜实时图像增强方法，其中，所述步骤S300中，对图像进行空域低通滤波，则空域低通滤波操作的公式表示为：
Figure 858270DEST_PATH_IMAGE008
式（1）
其中，设定模板大小是m*n，则m=2a+1，n=2b+1，w表示滤波模板，f表示原图，g表示结果图，s和t代表用来循环滤波模板的一个因子。
所述的多光谱鼻腔内窥镜实时图像增强方法，其中，所述步骤S300具体包括以下步骤：
步骤S310：对蓝色通道图像ImageSrcB进行缩小操作；
步骤S320：对缩小后的图像进行空域低通滤波；
步骤S330：再对进行空域低通滤波后的图像进行最近邻插值放大操作，得到一张表征着原图像低频成分的模糊图像ImageBlurB，其中，最近邻插值放大操作中放大的倍数为步骤S310中缩小倍数的倒数。
所述的多光谱鼻腔内窥镜实时图像增强方法，其中，其中，步骤S310中图像缩小的倍数为1/16，步骤S330中最近邻插值放大操作中放大的倍数为16。
所述的多光谱鼻腔内窥镜实时图像增强方法，其中，所述步骤S700中，通过以下公式对三个通道的灰度图像ImageSrcR、ImageSrcG、ImageEnhB进行重组：
Figure 426042DEST_PATH_IMAGE009
；
Figure 761208DEST_PATH_IMAGE010
；
Figure 427813DEST_PATH_IMAGE011
；
其中，pr、pg、pb是通道重组的参数。
一种采用如上述任一项所述的多光谱鼻腔内窥镜实时图像增强方法的内窥镜成像系统，其中，包括以蓝、绿窄带光为光源的光源系统、高清鼻镜、三晶片摄像头和处理模块，所述三晶片摄像头和处理模块连接。
本发明的有益效果：本发明通过提供一种多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统，利用蓝光通道信息和基于空域滤波进行图像有效信息的加强，无效信息的弱化，从而强化肿瘤病变现象，使癌前病变以及早期肿瘤的内镜诊断准确率得到飞跃性提高，避免漏诊；同时，在不影响处理效果的前提下，对图像进行多尺度空域滤波，达到低延时输出、实时操作的效果。
附图说明
图1是本发明中多光谱鼻腔内窥镜实时图像增强方法的步骤流程图。
图2是本发明中模板为3*3的空域低通滤波的原理说明图。
图3是本发明中步骤S100的图像。
图4是本发明中步骤S200的图像。
图5是本发明中步骤S600的灰色图像。
图6是本发明中步骤S600的彩色图像。
图7是本发明中步骤S700的图像。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。
如图1所示，一种多光谱鼻腔内窥镜实时图像增强方法，具体包括以下步骤：
步骤S100：在鼻腔内实时采集图像ImageSrc（如图3所示）；
步骤S200：将原图像的ImageSrc按彩色图像的RGB模型分解为红绿蓝三个通道的灰度图像，分别对应为ImageSrcR、ImageSrcG、ImageSrcB（其中图4为蓝通道ImageSrcB的灰度图像）；
步骤S300：对蓝色通道图像ImageSrcB进行空域低通滤波，得到一张表征着原图像低频成分的模糊图像ImageBlurB；
步骤S400：使用原图像ImageSrcB和均值滤波后的模糊图像ImageBlurB取差分，得到ImageDiff：
Figure 693578DEST_PATH_IMAGE001
，i和j为图像像素坐标，其中，经过空域低通滤波处理后变亮的血管，差分后结果是负数，而经过空域低通滤波处理后变暗的血管周围组织，差分后结果是正数；
步骤S500：在原图像的基础上，叠加差分结果，由步骤S400的正负关系可知：呈暗色的血管：
Figure 660397DEST_PATH_IMAGE002
，呈亮色的血管周围组织：
Figure 432044DEST_PATH_IMAGE003
，叠加后使原图像呈暗色的血管会更暗，原图像呈亮色的血管周围组织，会更亮，达到增强细节的效果；
步骤S600：对叠加差分结果后的图像增加一个放大系数Amount的细节拉伸，得到：呈暗色的血管：
Figure 569633DEST_PATH_IMAGE004
，呈亮色的血管周围组织：
Figure 389822DEST_PATH_IMAGE005
，将两式统一后得到：
Figure 211147DEST_PATH_IMAGE006
（其中图5为蓝通道ImageSrcB进行增强操作后的增强图像，图6为蓝通道ImageSrcB进行增强操作后的彩色增强图像）；
步骤S700：对三个通道的灰度图像ImageSrcR、ImageSrcG、ImageEnhB进行重组，结果表示为ImageDstR、ImageDstG、ImageDstB；
步骤S800：将ImageDstR、ImageDstG、ImageDstB重新组合成ImageDst，并输出图像（如图7所示）。
具体地，所述步骤S300中，对所述空域低通滤波进行说明：
一幅数字图像可以看成二维函数f(x,y)，其中x-y平面表明了空间位置信息，基于x-y空间邻域的滤波操作称为空间滤波。这里以3*3的模板举例，原理如图2所示：
假设模板大小是m*n，则其中m=2a+1，n=2b+1，w表示滤波模板，f表示原图，g表示结果图，s和t代表用来循环滤波模板的一个因子，则滤波操作的公式表示为：
Figure 606225DEST_PATH_IMAGE008
式（1）
为了使本技术方案达到低延时输出、实时操作的效果，在不影响处理效果的前提下，对图像进行多尺度空域滤波，所述步骤S300具体包括以下步骤：
步骤S310：对蓝色通道图像ImageSrcB进行缩小操作；
步骤S320：对缩小后的图像进行空域低通滤波；
步骤S330：再对进行空域低通滤波后的图像进行最近邻插值放大操作，得到一张表征着原图像低频成分的模糊图像ImageBlurB，其中，最近邻插值放大操作中放大的倍数为步骤S310中缩小倍数的倒数。
根据上述步骤，现列举以下实施例加以说明：如果输入分辨率为1920*1080的高清晰度图像，这里以55*55的模板举例，则其算法复杂度为“1920*1080*55*55”，可以见其耗时相当大，难以达到实时处理的效果。考虑到低频成分本来就对图像细节要求不高，因此，本技术方案采用降分辨率的思路，对原图进行缩小操作，再进行空域滤波，显然，滤波模板的大小，也可以得到进一步压缩；本技术方案使用了1/16图像，即480*270分辨率的缩小图像，进行13*13模板的均值滤波，再对其进行最近邻插值放大16倍的操作，其效果与1920*1080分辨率进行55*55均值滤波的效果相当，由此，该算法复杂度从“1920*1080*55*55”降低至“480*270*13*13”，共降低了286倍，并达到了实时处理输出的效果。
其中，所述步骤S700中，通过以下公式对三个通道的灰度图像ImageSrcR、ImageSrcG、ImageEnhB进行重组：
Figure 513001DEST_PATH_IMAGE009
；
Figure 136881DEST_PATH_IMAGE010
；
Figure 324630DEST_PATH_IMAGE011
；
其中，pr、pg、pb是通道重组的参数，通过调节这三项参数，让整体效果达到最佳。
一种使用如上述所述的多光谱鼻腔内窥镜实时图像增强方法的内窥镜成像系统，包括以蓝、绿窄带光为鼻腔内窥镜光源的光源系统、高清鼻镜、三晶片摄像头和处理模块，所述三晶片摄像头和处理模块连接。
本多光谱鼻腔内窥镜实时图像增强方法利用蓝光通道信息和基于空域滤波进行图像有效信息的加强，无效信息的弱化，从而强化肿瘤病变现象，使癌前病变以及早期肿瘤的内镜诊断准确率得到飞跃性提高，避免漏诊；同时，在不影响处理效果的前提下，对图像进行多尺度空域滤波，达到低延时输出、实时操作的效果。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (5)

1.一种多光谱鼻腔内窥镜实时图像增强方法，其特征在于，具体包括以下步骤：
步骤S100：在鼻腔内实时采集图像ImageSrc；
步骤S200：将原图像的ImageSrc按彩色图像的RGB模型分解为红绿蓝三个通道的灰度图像，分别对应为ImageSrcR、ImageSrcG、ImageSrcB；
步骤S300：对蓝色通道图像ImageSrcB进行空域低通滤波，得到一张表征着原图像低频成分的模糊图像ImageBlurB；
步骤S400：使用原图像ImageSrcB和均值滤波后的模糊图像ImageBlurB取差分，得到ImageDiff：
Figure 695976DEST_PATH_IMAGE001
，i和j为图像像素坐标，其中，经过空域低通滤波处理后变亮的血管，差分后结果是负数，而经过空域低通滤波处理后变暗的血管周围组织，差分后结果是正数；
步骤S500：在原图像的基础上，叠加差分结果，由步骤S400的正负关系可知：呈暗色的 血管：
Figure 985006DEST_PATH_IMAGE002
，呈亮色的血管周 围组织：
Figure 134227DEST_PATH_IMAGE003
，叠加后使原图 像呈暗色的血管会更暗，原图像呈亮色的血管周围组织，会更亮，达到增强细节的效果；
步骤S600：对叠加差分结果后的图像增加一个放大系数Amount的细节拉伸，得到：呈暗 色的血管：
Figure 231103DEST_PATH_IMAGE004
，呈亮色 的血管周围组织：
Figure 200196DEST_PATH_IMAGE005
， 将两式统一后得到：
Figure 292917DEST_PATH_IMAGE006
；
步骤S700：对三个通道的灰度图像ImageSrcR、ImageSrcG、ImageEnhB进行重组，结果表示为ImageDstR、ImageDstG、ImageDstB；
步骤S800：将ImageDstR、ImageDstG、ImageDstB重新组合成ImageDst，并输出图像；
其中，所述步骤S300具体包括以下步骤：
步骤S310：对蓝色通道图像ImageSrcB进行缩小操作；
步骤S320：对缩小后的图像进行空域低通滤波；
步骤S330：再对进行空域低通滤波后的图像进行最近邻插值放大操作，得到一张表征着原图像低频成分的模糊图像ImageBlurB，其中，最近邻插值放大操作中放大的倍数为步骤S310中缩小倍数的倒数。
2. 根据权利要求1所述的多光谱鼻腔内窥镜实时图像增强方法，其特征在于，所述步骤S300中，对图像进行空域低通滤波，则空域低通滤波操作的公式表示为：
Figure 421279DEST_PATH_IMAGE007
式（1）
其中，设定模板大小是m*n，则m=2a+1，n=2b+1，w表示滤波模板，f表示原图，g表示结果图，s和t代表用来循环滤波模板的一个因子。
3.根据权利要求1所述的多光谱鼻腔内窥镜实时图像增强方法，其特征在于，其中，步骤S310中图像缩小的倍数为1/16，步骤S330中最近邻插值放大操作中放大的倍数为16。
4.根据权利要求1所述的多光谱鼻腔内窥镜实时图像增强方法，其特征在于，所述步骤S700中，通过以下公式对三个通道的灰度图像ImageSrcR、ImageSrcG、ImageEnhB进行重组：
Figure 331466DEST_PATH_IMAGE008
；
Figure 663221DEST_PATH_IMAGE009
；
Figure 418688DEST_PATH_IMAGE010
；
其中，pr、pg、pb是通道重组的参数。
5.一种采用如权利要求1-4任一项所述的多光谱鼻腔内窥镜实时图像增强方法的内窥镜成像系统，其特征在于，包括以蓝、绿窄带光为光源的光源系统、高清鼻镜、三晶片摄像头和处理模块，所述三晶片摄像头和处理模块连接。
CN201710542508.8A 2017-07-05 2017-07-05 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统 Active CN107451963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710542508.8A CN107451963B (zh) 2017-07-05 2017-07-05 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710542508.8A CN107451963B (zh) 2017-07-05 2017-07-05 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统

Publications (2)

Publication Number Publication Date
CN107451963A CN107451963A (zh) 2017-12-08
CN107451963B true CN107451963B (zh) 2020-09-25

Family

ID=60488667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710542508.8A Active CN107451963B (zh) 2017-07-05 2017-07-05 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统

Country Status (1)

Country Link
CN (1) CN107451963B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108364270B (zh) * 2018-05-22 2020-11-06 北京理工大学 偏色图像颜色还原方法及装置
CN109497946B (zh) * 2018-11-14 2021-05-04 山东师范大学 一种鼻炎分型判定系统
CN110533612A (zh) * 2019-08-27 2019-12-03 中山大学 内窥镜图像的成像方法、装置、设备及介质
JP2021145859A (ja) * 2020-03-18 2021-09-27 ソニー・オリンパスメディカルソリューションズ株式会社 医療用画像処理装置及び医療用観察システム
CN111683234B (zh) * 2020-06-04 2022-05-31 深圳开立生物医疗科技股份有限公司 一种内窥镜成像方法、装置及相关设备
CN115239601B (zh) * 2022-09-15 2023-01-03 广东欧谱曼迪科技有限公司 一种图像细节增强方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104346776A (zh) * 2013-08-02 2015-02-11 杭州海康威视数字技术股份有限公司 基于Retinex理论的非线性图像增强方法及其系统
CN105962881A (zh) * 2016-07-26 2016-09-28 西安交通大学第附属医院 一种血管识别方法及设备
CN106097283A (zh) * 2016-07-20 2016-11-09 南京邮电大学 一种基于人类视觉系统特性的多尺度x线图像增强方法
CN106251318A (zh) * 2016-09-29 2016-12-21 杭州雄迈集成电路技术有限公司 一种序列图像的去噪装置及方法
CN106548452A (zh) * 2016-11-25 2017-03-29 阿依瓦（北京）技术有限公司 一种图像增强设备和方法
CN106683061A (zh) * 2017-01-05 2017-05-17 南京觅踪电子科技有限公司 一种基于修正的多尺度retinex算法对医疗图像进行增强的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10229492B2 (en) * 2015-06-17 2019-03-12 Stoecker & Associates, LLC Detection of borders of benign and malignant lesions including melanoma and basal cell carcinoma using a geodesic active contour (GAC) technique

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104346776A (zh) * 2013-08-02 2015-02-11 杭州海康威视数字技术股份有限公司 基于Retinex理论的非线性图像增强方法及其系统
CN106097283A (zh) * 2016-07-20 2016-11-09 南京邮电大学 一种基于人类视觉系统特性的多尺度x线图像增强方法
CN105962881A (zh) * 2016-07-26 2016-09-28 西安交通大学第附属医院 一种血管识别方法及设备
CN106251318A (zh) * 2016-09-29 2016-12-21 杭州雄迈集成电路技术有限公司 一种序列图像的去噪装置及方法
CN106548452A (zh) * 2016-11-25 2017-03-29 阿依瓦（北京）技术有限公司 一种图像增强设备和方法
CN106683061A (zh) * 2017-01-05 2017-05-17 南京觅踪电子科技有限公司 一种基于修正的多尺度retinex算法对医疗图像进行增强的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A New Efficient Adaptive Spatial Filter for Image Enhancement;Amiya Halder 等;《2010 Second International Conference on Computer Engineering and Applications》;20100321;244-246 *
ＮＳＣＴ变换域ＰＣＮＮ彩色图像增强算法;吴粉侠 等;《航空计算技术》;20160930;第46卷(第5期);21-25+30 *
数字图像去噪、锐化与颜色增强研究;刘千顺;《中国博士学位论文全文数据库 信息科技辑》;20170215(第02期);I138-143 *
眼底数码图像血管分割预处理关键技术研究;段彦华 等;《北京生物医学工程》;20150831;第34卷(第4期);345-349 *

Also Published As

Publication number Publication date
CN107451963A (zh) 2017-12-08

Similar Documents

Publication Publication Date Title
CN107451963B (zh) 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统
Suman et al. Image enhancement using geometric mean filter and gamma correction for WCE images
CN103327883B (zh) 医用图像处理装置和医用图像处理方法
US20090220133A1 (en) Medical image processing apparatus and medical image processing method
CN107767365A (zh) 一种内窥镜图像处理方法及系统
WO2020224153A1 (zh) 一种基于深度学习和图像增强的nbi图像处理方法及其应用
WO2016136700A1 (ja) 画像処理装置
JP2010512173A (ja) 内視鏡からの映像を用いるコンピュータ支援解析
JP2010051350A (ja) 画像処理装置および方法ならびにプログラム
CN107847117A (zh) 图像处理装置、方法及程序
CN114529475B (zh) 基于二维伽马校正和色调映射的图像增强方法及系统
US9754189B2 (en) Detection device, learning device, detection method, learning method, and information storage device
JP7143504B2 (ja) 医用画像処理装置、プロセッサ装置、内視鏡システム、医用画像処理装置の作動方法及びプログラム
WO2020162275A1 (ja) 医療画像処理装置、内視鏡システム、及び医療画像処理方法
JP6210962B2 (ja) 内視鏡システム、プロセッサ装置、内視鏡システムの作動方法、及びプロセッサ装置の作動方法
JPWO2020012872A1 (ja) 医用画像処理装置、医用画像処理システム、医用画像処理方法、及びプログラム
US20150257628A1 (en) Image processing device, information storage device, and image processing method
CN111445419A (zh) 一种基于数学形态学的医学内窥镜图像增强方法
Imtiaz et al. Image enhancement and space-variant color reproduction method for endoscopic images using adaptive sigmoid function
CN113920041A (zh) 图像处理系统及胶囊内窥镜
WO2021132023A1 (ja) 医用画像処理装置、医用画像処理方法及びプログラム
CN112734679A (zh) 一种医学手术视频图像的融合去雾方法
CN116245771B (zh) 一种基于图像二次增强的内窥镜图像亮度自动增强方法及系统
Ezatian et al. Image quality enhancement in wireless capsule endoscopy with adaptive fraction gamma transformation and unsharp masking filter
CN114331896A (zh) 一种基于图像分解和光谱变换的图像增强方法、系统

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
CP03 Change of name, title or address

Address after: 528253 Room 503, Floor 5, Building A, Jingu Zhichuang Industrial Community, No. 2, Yong'an North Road, Dawu Community, Guicheng Street, Nanhai District, Foshan City, Guangdong Province (residence declaration)

Patentee after: Guangdong Oupu Mandi Technology Co.,Ltd.

Address before: Room 504-2, Floor 5, Building A, Jingu Optoelectronic Industry Community, No. 1, Pingzhou Yong'an North Road, Guicheng Street, Nanhai District, Foshan City, Guangdong Province, 528200

Patentee before: GUANGDONG OPTOMEDIC TECHNOLOGY CO.,LTD.

CP03 Change of name, title or address