CN108430302A - 图像处理装置、图像处理方法和程序 - Google Patents

图像处理装置、图像处理方法和程序 Download PDF

Info

Publication number
CN108430302A
CN108430302A CN201580085410.3A CN201580085410A CN108430302A CN 108430302 A CN108430302 A CN 108430302A CN 201580085410 A CN201580085410 A CN 201580085410A CN 108430302 A CN108430302 A CN 108430302A
Authority
CN
China
Prior art keywords
image
pixel
image processing
processing apparatus
camera shooting
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
Application number
CN201580085410.3A
Other languages
English (en)
Other versions
CN108430302B (zh
Inventor
神田大和
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.)
Olympus Corp
Original Assignee
Olympus Corp
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 Olympus Corp filed Critical Olympus Corp
Publication of CN108430302A publication Critical patent/CN108430302A/zh
Application granted granted Critical
Publication of CN108430302B publication Critical patent/CN108430302B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/529—Depth or shape recovery from texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/555—Constructional details for picking-up images in sites, inaccessible due to their dimensions or hazardous conditions, e.g. endoscopes or borescopes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • G06T2207/20081—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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30028—Colon; Small intestine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Optics & Photonics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)

Abstract

提供能够生成适当反映出管腔内的状态的学习样本的图像处理装置、图像处理方法和程序。图像处理装置(1)具有估计活体的管腔内图像中映出的对象的表面形状的表面形状估计部(10)、变更针对表面形状的摄像视点的摄像视点变更部(11)、生成从变更后的摄像视点进行摄像时的对象的假想图像的图像生成部(12)。

Description

图像处理装置、图像处理方法和程序
技术领域
本发明涉及针对对活体的管腔内进行摄像而取得的图像进行图像处理的图像处理装置、图像处理方法和程序。
背景技术
以往，公知有如下技术：针对使用内窥镜等医疗用观察装置对活体的管腔内(消化道内)进行摄像而得到的管腔内图像，使用识别基准来识别异常区域等特定区域。通常，根据作为学习样本而从管腔内图像中提取出的各种变化的正常粘膜区域或异常区域的图像，生成此时使用的识别基准。
作为与图像识别有关的技术，例如在专利文献1中公开了针对作为学习样本而取得的图像进行变更任意关注区域的位置、大小、朝向的处理从而生成新图像的技术、以及根据新图像和原来的图像计算特征量并生成识别基准的技术。
现有技术文献
专利文献
专利文献1：美国专利第8903167号说明书
发明内容
发明要解决的课题
但是，在从实际不同的摄像视点对学习样本中映出的对象进行摄像而得的图像中，产生由摄像系统的特性引起的像的变形、与摄像距离的变化相伴的像素值的变化、以及由对象的表面形状引起的遮挡等，因此，即使应用上述专利文献1所公开的技术，也很难生成适当反映出这些管腔内的状态的学习样本。
本发明是鉴于上述情况而完成的，其目的在于，提供能够生成适当反映出管腔内的状态的学习样本的图像处理装置、图像处理方法和程序。
用于解决课题的手段
为了解决上述课题并实现目的，本发明的图像处理装置的特征在于，所述图像处理装置具有：表面形状估计部，其估计活体的管腔内图像中映出的对象的表面形状；摄像视点变更部，其变更针对所述表面形状的摄像视点；以及图像生成部，其生成从变更后的所述摄像视点进行摄像时的所述对象的假想图像。
并且，本发明的图像处理方法的特征在于，所述图像处理方法包含以下步骤：表面形状估计步骤，估计活体的管腔内图像中映出的对象的表面形状；摄像视点变更步骤，变更针对所述表面形状的摄像视点；以及图像生成步骤，生成从变更后的摄像视点进行摄像时的所述对象的假想图像。
并且，本发明的程序的特征在于，所述程序使图像处理装置执行以下步骤：表面形状估计步骤，估计活体的管腔内图像中映出的对象的表面形状；摄像视点变更步骤，变更针对所述表面形状的摄像视点；以及图像生成步骤，生成从变更后的摄像视点进行摄像时的所述对象的假想图像。
发明效果
根据本发明，发挥能够生成适当反映出管腔内的状态的学习样本这样的效果。
附图说明
图1是示出本发明的实施方式1的图像处理装置的结构的框图。
图2是示出本发明的实施方式1的图像处理装置执行的处理的概要的流程图。
图3是示出管腔内图像的一例的图。
图4是示出图2的表面形状估计处理的概要的流程图。
图5是示意地说明摄像距离估计部对表面坐标的估计方法的图。
图6是示出图2的摄像视点变更处理的概要的流程图。
图7是示意地说明相对角度变更部对相对角度的变更方法的图。
图8是示出图2的图像生成处理的概要的流程图。
图9是示出假想图像的一例的图。
图10是示出假想图像的另一例的图。
图11是示出本发明的实施方式1的变形例1的表面形状估计部的结构的框图。
图12是示出本发明的实施方式1的变形例1的表面形状估计部执行的表面形状估计处理的概要的流程图。
图13是示出本发明的实施方式1的变形例2的图像生成部的结构的框图。
图14是示出本发明的实施方式1的变形例2的图像生成部执行的图像生成处理的概要的流程图。
图15是示出本发明的实施方式2的摄像视点变更部的结构的框图。
图16是示出本发明的实施方式3的运算部的结构的框图。
具体实施方式
下面，参照附图对本发明的实施方式的图像处理装置、图像处理方法和程序进行说明。另外，本发明不由这些实施方式进行限定。并且，在各附图的记载中，对相同部分标注相同标号进行表示。
(实施方式1)
〔图像处理装置的结构〕
图1是示出本发明的实施方式1的图像处理装置的结构的框图。作为一例，本实施方式1的图像处理装置1是执行如下图像处理的装置：根据通过内窥镜(软性内窥镜或硬性内窥镜等内窥镜镜体)或胶囊型内窥镜(以下将这些统一简称为“内窥镜”)对活体的管腔进行摄像而取得的管腔内图像中映出的对象的表面形状，生成与原来的管腔内图像不同的摄像视点的新图像(假想图像)。通常，管腔内图像是在各像素位置针对R(红色)、G(绿色)、B(蓝色)的波长成分具有像素级别(像素值)的彩色图像。
图1所示的图像处理装置1具有：图像取得部2，其从内窥镜或外部取得与由内窥镜进行摄像而得到的管腔内图像对应的图像数据；输入部3，其受理通过来自外部的操作而输入的输入信号；显示部4，其进行管腔内图像和各种显示；记录部5，其记录由图像取得部2取得的图像数据和各种程序；控制部6，其对图像处理装置1整体的动作进行控制；以及运算部7，其对图像数据进行规定的图像处理。
根据包含内窥镜的系统的方式而适当构成图像取得部2。例如，在与内窥镜之间的图像数据的交接使用移动型记录介质的情况下，图像取得部2构成为拆装自如地装配该记录介质并读出所记录的图像数据的读取装置。并且，在使用记录由内窥镜进行摄像而得到的图像数据的服务器的情况下，图像取得部2由能够与该服务器进行双向通信的通信装置等构成，通过与服务器进行数据通信，取得图像数据。进而，图像取得部2也可以由从内窥镜经由缆线输入图像数据的接口装置等构成。
输入部3例如由键盘、鼠标、触摸面板、各种开关等输入设备实现，将根据来自外部的操作而受理的输入信号输出到控制部6。
显示部4由液晶或有机EL(Electro Luminescence：电致发光)的显示面板等显示装置实现，在控制部6的控制下，显示包含管腔内图像的各种画面。
记录部5由闪存、ROM(Read Only Memory：只读存储器)和RAM(Random AccessMemory：随机存取存储器)这样的各种IC存储器、以及内置或利用数据通信端子连接的硬盘等实现。记录部5除了记录由图像取得部2取得的图像数据以外，还记录用于使图像处理装置1进行动作并且使图像处理装置1执行各种功能的程序、该程序的执行中使用的数据等。例如，记录部5记录生成针对管腔内图像改变了摄像视点的新的假想图像(学习样本)的图像处理程序51、以及该程序的执行中使用的各种信息等。
控制部6使用CPU(Central Processing Unit：中央处理单元)等实现，通过读入记录部5中记录的各种程序，根据从图像取得部2输入的图像数据或从输入部3输入的输入信号等，进行针对构成图像处理装置1的各部的指示和数据的转送等，对图像处理装置1整体的动作进行总括控制。
运算部7由CPU等实现，执行如下的图像处理：通过读入记录部5记录的图像处理程序51，针对管腔内图像中映出的对象，根据摄像视点生成不同的假想图像。
〔运算部的详细结构〕
接着，对运算部7的详细结构进行说明。
运算部7具有表面形状估计部10、摄像视点变更部11、图像生成部12。
表面形状估计部10估计活体的管腔内图像中映出的对象的表面形状。表面形状估计部10具有摄像距离估计部20。
摄像距离估计部20估计与管腔内图像的各像素中映出的对象之间的摄像距离。摄像距离估计部20具有低吸收波长成分选择部201。
低吸收波长成分选择部201在管腔内图像中选择活体内的吸收/散射的程度较低的低吸收波长成分。
摄像视点变更部11变更针对表面形状估计部10估计出的表面形状的摄像视点。摄像视点变更部11具有相对角度变更部30、相对位置变更部31。
相对角度变更部30对表面形状估计部10估计出的表面形状和摄像视点的相对角度进行变更。相对角度变更部30具有旋转部300，该旋转部300对内窥镜的摄像方向进行滚动、偏航和俯仰中的任意一种旋转。
相对位置变更部31对表面形状估计部10估计出的表面形状与摄像视点的相对位置进行变更。相对位置变更部31具有对摄像视点相对于表面形状的水平位置和/或垂直位置进行变更的水平垂直位置变更部311、以及对从表面形状到摄像视点的摄像距离进行变更的摄像距离变更部312。
图像生成部12生成从变更后的摄像视点进行摄像时的对象的假想图像。图像生成部12具有：像素值估计部40，其伴随摄像视点的变更，根据投影到假想图像上的管腔内图像的像素的像素值估计假想图像的各像素的像素值；以及缺失像素值插值部41，其在假想图像的像素的像素值产生缺失的情况下，根据产生缺失的像素的周边的像素对该像素的像素值进行插值。
像素值估计部40具有：搜索部401，其伴随摄像视点的变更，搜索投影到假想图像的各像素周边的管腔内图像的像素；像素值插值部402，其根据由搜索部401搜索到的管腔内图像的像素中的像素值，对假想图像的各像素的像素值进行插值；遮蔽区域排除部403，其在投影到假想图像上的管腔内图像的各像素中，将假想图像中的作为遮蔽区域的像素排除；以及距离对应像素值校正部404，其根据从表面形状到摄像视点的摄像距离，对假想图像的各像素的像素值进行校正。
〔图像处理装置的处理〕
对这样构成的图像处理装置1执行的图像处理方法进行说明。图2是示出图像处理装置1执行的处理的概要的流程图。
如图2所示，首先，图像处理装置1经由图像取得部2从外部取得与由内窥镜等进行摄像而得到的图像数据对应的管腔内图像，将所取得的管腔内图像记录在记录部5中(步骤S101)。图3中示出经由图像取得部2从外部取得的由内窥镜等进行摄像而得到的管腔内图像W1的一例。
接着，表面形状估计部10执行如下的表面形状估计处理：取得记录部5中记录的管腔内图像的图像数据，估计所取得的管腔内图像中映出的对象的表面形状(步骤S102)。
图4是示出图2的步骤S102中的表面形状估计处理的概要的流程图。
如图4所示，低吸收波长成分选择部201选择活体内的低吸收/低散射波长成分(步骤S201)。具体而言，选择活体内的吸收/散射的程度最低的R成分。这是因为，得到抑制了由粘膜表面中映出的血管等引起的像素值降低的与粘膜表面之间的摄像距离最相关的像素值信息，由此提高后级的摄像距离估计的精度。
接着，摄像距离估计部20估计管腔内图像的各像素中映出的对象的摄像距离α(步骤S202)。具体而言，根据低吸收波长成分的像素值，根据(式1)估计假设了均等扩散面的摄像距离。
其中，α(xi，yi)表示坐标(xi，yi)中映出的对象的摄像距离，I表示光源的放射强度(事前测定)，K表示粘膜表面的扩散反射系数(事前测定平均值)，θ表示粘膜表面的法线向量与从该表面到光源的向量所成的角(根据内窥镜前端的光源和粘膜表面的位置关系决定的值，事前设定平均值)，L(xi，yi)表示坐标(xi，yi)的像素的低吸收波长成分(R成分)的像素值。
然后，表面形状估计部10估计管腔内图像的各像素中映出的对象的表面坐标(步骤S203)。在图像W1内的坐标(xi，yi)(原点为图像中心)与该坐标中映出的对象的表面坐标(Xi，Yi，Zi)之间存在图5所示的关系。这里，XYZ是由与图像W1的xy轴平行的XY轴和穿过图像中心的Z轴构成的表面坐标系。并且，f是根据传感器的像素间距和摄像系统的特性等决定的值。α是由摄像距离估计部20估计出的摄像距离。
根据图5的关系，以下的式(2)、式(3)成立。
因此，根据式(2)和式(3)，以下的式(4)成立。
这样，表面形状估计部10根据与管腔内图像W1的各像素中映出的对象之间的摄像距离和该像素的坐标，进行向表面坐标系的转换，由此估计各像素中映出的对象(被摄体)的表面坐标(表面形状)。在步骤S203之后，图像处理装置1返回图2的主例程。
返回图2，继续进行步骤S103以后的说明。
在步骤S103中，摄像视点变更部11执行摄像视点变更处理，变更针对表面形状的摄像视点，例如从第1摄像视点变更为第2摄像视点。
图6是示出图2的步骤S103中的摄像视点变更处理的概要的流程图。
如图6所示，相对角度变更部30对表面形状与摄像视点的相对角度(对内窥镜的摄像方向的滚动、偏航和俯仰中的任意一种角度)进行变更(步骤S301)。具体而言，如图7所示，对表面形状Q1与摄像视点P1的相对角度进行变更。更具体而言，旋转部300根据以下的式(5)，进行从表面坐标系XYZ到以表面形状的重心为原点的重心坐标系X0Y0Z0的转换。
其中，(Xc，Yc，Zc)是表面形状的重心坐标。
进而，旋转部300根据以下的式(6)，通过X轴旋转(俯仰)、Y轴旋转(偏航)和Z轴旋转(滚动)对表面形状与摄像视点的相对角度进行变更。T1表示对图7的表面形状Q1进行了上述变更时的表面形状。
其中，θx表示针对X轴的旋转角，θy表示针对Y轴的旋转角，θz表示针对Z轴的旋转角。
接着，在相对位置变更部31中，水平垂直位置变更部311对表面形状与摄像视点的相对位置(水平/垂直位置)进行变更(步骤S302)，摄像距离变更部312对从表面形状到摄像视点的摄像距离进行变更(步骤S303)。具体而言，根据以下的式(7)，水平垂直位置变更部311对表面形状和摄像视点的水平/垂直位置进行变更，根据式(8)，摄像距离变更部312对从表面形状到摄像视点的摄像距离进行变更。然后，根据式(9)，进行从重心坐标系X0Y0Z0到表面坐标系XYZ的转换。T2表示对图7的表面形状T1进行了上述变更时的表面形状。
z0i″＝z0i′+zs …(8)
其中，Xs表示X方向(水平方向)的位置变更量，Ys表示Y方向(垂直方向)的位置变更量，Zs表示Z方向的位置变更量(摄像距离的变更量)。在步骤S303之后，图像处理装置1返回图2的主例程。
返回图2，继续进行步骤S104以后的说明。
在步骤S104中，图像生成部12执行图像生成处理，生成从变更后的摄像视点进行摄像时的对象的假想图像。
图8是示出图2的步骤S104中的图像生成处理的概要的流程图。
如图8所示，首先，像素值估计部40计算投影到摄像视点变更后的摄像面上的管腔内图像(原来图像)的各像素的坐标(步骤S401)。具体而言，根据以下的式(10)，计算投影到摄像视点变更后的摄像面(假想图像)上的原来图像的各像素的坐标(xi”，yi”)。
接着，搜索部401搜索投影到假想图像的各像素周边的原来图像的像素(步骤S402)。xy坐标系中的整数坐标相当于假想图像的各像素位置。
然后，遮蔽区域排除部403在投影到假想图像上的原来图像的各像素中，检测假想图像中的作为遮挡(遮蔽部)的数据(像素)并将其排除(步骤S403)。具体而言，根据投影到假想图像的各像素周边的原来图像的像素的摄像距离，判定遮蔽部并将其排除。
接着，像素值插值部402根据由搜索部401搜索到的像素，对假想图像的各像素的值进行插值并进行计算(步骤S404)。
然后，距离对应像素值校正部404根据从表面形状到摄像视点的摄像距离，对假想图像的各像素的像素值进行校正(步骤S405)。具体而言，摄像视点变更后的摄像距离越近的像素，将像素值校正得越高，越远的像素，将像素值校正得越低。由此，能够生成如图9所示的假想图像W2和图10所示的假想图像W3那样变更了摄像视点的图像。
接着，在假想图像的像素的像素值产生缺失的情况下(步骤S406：是)，缺失像素值插值部41根据产生缺失的像素的周边的像素对该像素的像素值进行插值(步骤S407)。在步骤S406之后，图像处理装置1返回图2的主例程，结束本处理。与此相对，在假想图像的像素的像素值未产生缺失的情况下(步骤S406：否)，图像处理装置1返回图2的主例程，结束本处理。
并且，根据本发明的实施方式1，在生成了从与实际不同的摄像视点对管腔内图像中映出的对象进行摄像时的假想图像的情况下，在产生由内窥镜的摄像系统的特性引起的像的变形、与摄像距离的变化相伴的像素值的变化、以及由对象的表面形状引起的遮挡(遮蔽部)等时，也能够生成适当反映出这些管腔内的状态的假想图像(学习样本)。
(变形例1)
接着，对本实施方式1的变形例1进行说明。在本实施方式1的变形例1中，表面形状估计部的结构不同，而且，执行的处理不同。下面，在对本实施方式1的变形例1的表面形状估计部的结构进行说明后，对本实施方式1的变形例1的表面形状估计部执行的处理进行说明。另外，对与上述实施方式1的图像处理装置1相同的结构标注相同标号并省略说明。
图11是示出本实施方式1的变形例1的表面形状估计部的结构的框图。图11所示的表面形状估计部10a代替上述实施方式1的摄像距离估计部20而具有摄像距离估计部20a。
摄像距离估计部20a在低吸收波长成分选择部201的结构的基础上，还具有计算空间频率较低的低空间频率成分的低空间频率成分计算部202。
接着，对表面形状估计部10a执行的表面形状估计处理进行说明。图12是示出表面形状估计部10a执行的表面形状估计处理的概要的流程图。另外，在本实施方式1的变形例1中，除了表面形状估计部10a执行的表面形状估计处理以外，与上述实施方式1的图像处理装置1执行的处理(参照图2)相同，因此省略说明。并且，在图12中，步骤S501、步骤S503和步骤S504分别对应于上述图4的步骤S201、步骤S202和步骤S203，因此省略说明。
在步骤S502中，低空间频率成分计算部202计算空间频率较低的低空间频率成分。具体而言，使用公知的平滑处理等计算空间频率较低的低空间频率成分，由此去除噪声成分。在步骤S502之后，图像处理装置1转移到步骤S503。
根据以上说明的本发明的实施方式1的变形例1，能够估计噪声成分较少的表面形状，由此，能够生成适当反映出管腔内的状态的学习样本。
(变形例2)
接着，对本实施方式1的变形例2进行说明。在本实施方式1的变形例2中，图像生成部的结构不同，而且，执行的处理不同。下面，在对本实施方式1的变形例2的图像生成部的结构进行说明后，对本实施方式1的变形例2的图像生成部执行的处理进行说明。另外，对与上述实施方式1的图像处理装置1相同的结构标注相同标号并省略说明。
图13是示出本实施方式1的变形例2的图像生成部的结构的框图。图13所示的图像生成部12a代替上述实施方式1的像素值估计部40而具有像素值估计部40a。
像素值估计部40a代替上述实施方式1的搜索部401和像素值插值部402而具有加权相加部406，该加权相加部406伴随摄像视点的变更，按照与投影到假想图像上的管腔内图像的各像素和假想图像的各像素的距离对应的权重，对管腔内图像的各像素的像素值进行相加，由此求出假想图像的各像素的像素值。进而，加权相加部40具有权重调整部406a，该权重调整部406a根据投影到假想图像上的管腔内图像的像素的疏密信息，对与假想图像的各像素的距离对应的权重进行调整。
接着，对图像生成部12a执行的图像生成处理进行说明。图14是示出图像生成部12a执行的图像生成处理的概要的流程图。另外，在本实施方式1的变形例2中，除了图像生成部12a执行的图像生成处理以外，与上述实施方式1的图像处理装置1执行的处理(参照图2)相同，因此省略说明。并且，在图14中，步骤S601、步骤S603和步骤S605分别对应于上述图8的步骤S401、步骤S403和步骤S405。
在步骤S602中，权重调整部406a根据假想图像的各像素周边的原来图像的像素的疏密信息，对加权相加部406中使用的权重进行调整。根据投影到假想图像上的管腔内图像(原来图像)的各像素与假想图像的各像素的距离设定该权重，具体而言，使用高斯函数等进行设定，使得距离越近则权重越大，距离越远则权重越小。权重调整部406a对高斯函数的宽广程度、即与距离对应的权重的变化程度进行调整。更具体而言，在通过加权相加而求出像素值的对象的假想图像的像素周边的原来图像的像素较疏的状态的情况下，进行调整使得高斯函数的宽度较大，在像素较密的状态的情况下，进行调整使得高斯函数的宽度较小。在步骤S602之后，图像处理装置1转移到步骤S603。
在步骤S604中，加权相加部406根据投影到假想图像上的原来图像的各像素和假想图像的各像素的距离以及由权重调整部406a调整后的权重，对原来图像的各像素进行相加，计算假想图像的各像素的值。在步骤S60之后，图像处理装置1转移到步骤S605。
根据以上说明的本发明的实施方式1的变形例2，能够生成适当反映出管腔内的状态的学习样本。
(实施方式2)
接着，对本发明的实施方式2进行说明。在本实施方式2的图像处理装置中，上述实施方式1的图像处理装置1中的摄像视点变更部11的结构不同。下面，对本实施方式2的摄像视点变更部的结构进行说明。另外，对与上述实施方式1的图像处理装置1相同的结构标注相同标号并省略说明。
图15是示出本实施方式2的摄像视点变更的结构的框图。图15所示的摄像视点变更部11a在上述实施方式1的摄像视点变更部11的结构的基础上还具有变更量控制部32。
变更量控制部32对摄像视点的变更量进行控制，使得在上述图像生成部12生成的假想图像中不会产生数据缺失。具体而言，进行与上述像素值估计部40相同的处理，对相对角度变更部30变更的相对角度的变更量和相对位置变更部31的变更量进行控制，使得假想图像中不会映出原来图像中的遮蔽部(数据缺失部)。
根据以上说明的本发明的实施方式2，变更量控制部32对摄像视点的变更量进行控制，使得在由图像生成部12生成的假想图像中不会产生数据缺失，因此，能够生成适当反映出管腔内的状态的学习样本。
(实施方式3)
接着，对本发明的实施方式3进行说明。在本实施方式3的图像处理装置中，上述实施方式1的图像处理装置1中的运算部7的结构不同。下面，对本实施方式3的运算部的结构进行说明。另外，对与上述实施方式1的图像处理装置1相同的结构标注相同标号并省略说明。
图16是示出本实施方式3的运算部的结构的框图。图16所示的运算部7a在上述实施方式1的运算部7的结构的基础上还具有图像生成频度控制部13、学习部14、识别部15。
图像生成频度控制部13对多个假想图像的生成进行控制，使得从实际的管腔内图像的摄像中容易产生的摄像视点观察到的假想图像的生成频度较高。这里，实际的管腔内图像的摄像中容易产生的摄像视点是如下的摄像视点等：映出从摄影距离较近的管近前的粘膜面到摄影距离较远的管深部的粘膜面，并且在管腔内图像的下侧映出管腔壁。具体而言，图像生成频度控制部13根据图像生成部12生成的图像信息对摄像视点变更部11进行控制，由此，提高从实际的管腔内图像的摄像中容易产生的摄像视点观察到的假想图像的生成频度。
学习部14根据假想图像学习出管腔内图像的识别中使用的参数。
识别部15根据学习部14学习的参数进行管腔内图像的识别。
根据以上说明的本发明的实施方式3，能够较多地生成从实际的管腔内图像的摄像中容易产生的摄像视点观察到的学习样本。由此，能够使用适当反映出状态的学习样本，适当学习识别部15的参数(例如，作为参数，为针对颜色、轮廓(边缘)、像素值面形状(像素值梯度)、纹理等的识别基准等)。其结果，能够使用适当学习的参数提高识别部15的精度。
(其他实施方式)
在本发明中，能够通过在个人计算机或工作站等计算机系统中执行记录装置中记录的图像处理程序来实现。并且，可以经由局域网(LAN)、广域网(WAN)或因特网等公共线路使这种计算机系统与其他计算机系统或服务器等设备连接来进行使用。该情况下，实施方式1～3和它们的变形例的图像处理装置可以经由这些网络取得管腔内图像的图像数据，向经由这些网络连接的放映器或打印机等各种输出设备输出图像处理结果，在经由这些网络连接的存储装置、例如能够通过与网络连接的读取装置读取的记录介质等中存储图像处理结果。
另外，本发明不限于实施方式1～3和它们的变形例，通过适当组合各实施方式和变形例所公开的多个结构要素，能够形成各种发明。例如，可以从各实施方式和变形例所示的全部结构要素中去除若干个结构要素来形成，也可以适当组合不同实施方式和变形例所示的结构要素来形成。
标号说明
1：图像处理装置；2：图像取得部；3：输入部；4：显示部；5：记录部；6：控制部；7、7c：运算部；10、10a：表面形状估计部；11、11a：摄像视点变更部；12、12a：图像生成部；13：图像生成频度控制部；14：学习部；15：识别部；20、20a：摄像距离估计部；30：相对角度变更部；31：相对位置变更部；32：变更量控制部；40、40a：像素值估计部；41：缺失像素值插值部；51：图像处理程序；201：低吸收波长成分选择部；202：低空间频率成分计算部；300：旋转部；311：水平垂直位置变更部；312：摄像距离变更部；401：搜索部；402：像素值插值部；403：遮蔽区域排除部；404：距离对应像素值校正部；406：加权相加部；406a：权重调整部。

Claims (22)

1.一种图像处理装置，其特征在于，所述图像处理装置具有：
表面形状估计部，其估计活体的管腔内图像中映出的对象的表面形状；
摄像视点变更部，其相对于估计时的摄像视点变更针对所述表面形状的摄像视点；以及
图像生成部，其生成从变更后的所述摄像视点进行摄像时的所述对象的假想图像。
2.根据权利要求1所述的图像处理装置，其特征在于，
所述图像处理装置还具有学习部，该学习部根据所述假想图像学习出管腔内图像的识别中使用的参数。
3.根据权利要求2所述的图像处理装置，其特征在于，
所述图像处理装置还具有识别部，该识别部根据所述参数进行管腔内图像的识别。
4.根据权利要求1所述的图像处理装置，其特征在于，
所述摄像视点变更部具有相对位置变更部，该相对位置变更部对所述表面形状与摄像视点的相对位置进行变更。
5.根据权利要求4所述的图像处理装置，其特征在于，
所述相对位置变更部具有水平垂直位置变更部，该水平垂直位置变更部对摄像视点相对于所述表面形状的水平位置和/或垂直位置进行变更。
6.根据权利要求4所述的图像处理装置，其特征在于，
所述相对位置变更部具有摄像距离变更部，该摄像距离变更部对从所述表面形状到摄像视点的摄像距离进行变更。
7.根据权利要求1所述的图像处理装置，其特征在于，
所述摄像视点变更部具有相对角度变更部，该相对角度变更部对所述表面形状与摄像视点的相对角度进行变更。
8.根据权利要求7所述的图像处理装置，其特征在于，
所述相对角度变更部具有旋转部，该旋转部对摄像方向进行滚动、偏航和俯仰中的任意一种旋转。
9.根据权利要求1所述的图像处理装置，其特征在于，
所述摄像视点变更部具有变更量控制部，该变更量控制部对摄像视点的变更量进行控制，使得在所述图像生成部生成的所述假想图像中不会产生数据缺失。
10.根据权利要求1所述的图像处理装置，其特征在于，
所述图像生成部具有像素值估计部，该像素值估计部伴随摄像视点的变更，根据投影到所述假想图像上的所述管腔内图像的像素的像素值，估计所述假想图像的各像素的像素值。
11.根据权利要求10所述的图像处理装置，其特征在于，
所述像素值估计部具有：
搜索部，其伴随摄像视点的变更，搜索投影到所述假想图像的各像素周边的所述管腔内图像的像素；以及
像素值插值部，其根据由所述搜索部搜索到的所述管腔内图像的像素处的像素值，对所述假想图像的各像素的像素值进行插值。
12.根据权利要求10所述的图像处理装置，其特征在于，
所述像素值估计部具有加权相加部，该加权相加部伴随摄像视点的变更，按照与投影到所述假想图像上的所述管腔内图像的各像素和所述假想图像的各像素之间的距离对应的权重，对所述管腔内图像的各像素的像素值进行相加，由此求出所述假想图像的各像素的像素值。
13.根据权利要求12所述的图像处理装置，其特征在于，
所述加权相加部具有权重调整部，该权重调整部根据投影到所述假想图像上的所述管腔内图像的像素的疏密信息，对与所述距离对应的权重进行调整。
14.根据权利要求10所述的图像处理装置，其特征在于，
所述像素值估计部还具有遮蔽区域排除部，该遮蔽区域排除部在投影到所述假想图像上的所述管腔内图像的各像素中，将所述假想图像中的作为遮蔽区域的像素排除。
15.根据权利要求10所述的图像处理装置，其特征在于，
所述像素值估计部还具有距离对应像素值校正部，该距离对应像素值校正部根据从所述表面形状到所述摄像视点的摄像距离，对所述假想图像的各像素的像素值进行校正。
16.根据权利要求10所述的图像处理装置，其特征在于，
所述图像生成部还具有缺失像素值插值部，在所述假想图像的像素的像素值产生缺失的情况下，该缺失像素值插值部根据产生缺失的像素的周边的像素对该像素的像素值进行插值。
17.根据权利要求1所述的图像处理装置，其特征在于，
所述图像处理装置还具有图像生成频度控制部，该图像生成频度控制部对多个假想图像的生成进行控制，使得从实际的管腔内图像的摄像中容易产生的摄像视点观察到的假想图像的生成频度变高。
18.根据权利要求1所述的图像处理装置，其特征在于，
所述表面形状估计部具有摄像距离估计部，该摄像距离估计部估计与所述管腔内图像的各像素中映出的对象之间的摄像距离。
19.根据权利要求18所述的图像处理装置，其特征在于，
所述摄像距离估计部具有低吸收波长成分选择部，该低吸收波长成分选择部在所述管腔内图像中选择活体内的吸收/散射的程度低的低吸收波长成分。
20.根据权利要求18所述的图像处理装置，其特征在于，
所述摄像距离估计部具有低空间频率成分计算部，该低空间频率成分计算部在所述管腔内图像中计算空间频率低的低空间频率成分。
21.一种图像处理方法，其特征在于，所述图像处理方法包含以下步骤：
表面形状估计步骤，估计活体的管腔内图像中映出的对象的表面形状；
摄像视点变更步骤，变更针对所述表面形状的摄像视点；以及
图像生成步骤，生成从变更后的摄像视点进行摄像时的所述对象的假想图像。
22.一种程序，其特征在于，所述程序使图像处理装置执行以下步骤：
表面形状估计步骤，估计活体的管腔内图像中映出的对象的表面形状；
摄像视点变更步骤，变更针对所述表面形状的摄像视点；以及
图像生成步骤，生成从变更后的摄像视点进行摄像时的所述对象的假想图像。
CN201580085410.3A 2015-12-25 2015-12-25 图像处理装置、图像处理方法和存储介质 Active CN108430302B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/086425 WO2017109997A1 (ja) 2015-12-25 2015-12-25 画像処理装置、画像処理方法およびプログラム

Publications (2)

Publication Number Publication Date
CN108430302A true CN108430302A (zh) 2018-08-21
CN108430302B CN108430302B (zh) 2020-11-17

Family

ID=59089901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580085410.3A Active CN108430302B (zh) 2015-12-25 2015-12-25 图像处理装置、图像处理方法和存储介质

Country Status (5)

Country Link
US (1) US10765297B2 (zh)
EP (1) EP3395229A4 (zh)
JP (1) JP6698699B2 (zh)
CN (1) CN108430302B (zh)
WO (1) WO2017109997A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190118075A (ko) * 2018-04-09 2019-10-17 삼성전자주식회사 단층 촬영 장치 및 그에 따른 단층 영상 처리 방법
WO2020044523A1 (ja) * 2018-08-30 2020-03-05 オリンパス株式会社 記録装置、画像観察装置、観察システム、観察システムの制御方法、及び観察システムの作動プログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090161927A1 (en) * 2006-05-02 2009-06-25 National University Corporation Nagoya University Medical Image Observation Assisting System
JP2011036600A (ja) * 2009-08-18 2011-02-24 Toshiba Corp 画像処理装置、画像処理プログラムおよび医用診断システム
US20120316421A1 (en) * 2009-07-07 2012-12-13 The Johns Hopkins University System and method for automated disease assessment in capsule endoscopy
CN104883950A (zh) * 2013-03-27 2015-09-02 奥林巴斯株式会社 内窥镜系统
US20150279111A1 (en) * 2014-03-26 2015-10-01 Kabushiki Kaisha Toshiba Image processor, treatment system, and image processing method

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS558539A (en) * 1978-07-05 1980-01-22 Nippon Kokan Kk Method of stamping electric furnace lining
JP5624336B2 (ja) * 2010-02-24 2014-11-12 株式会社東芝 医用画像処理装置、及び医用画像処理プログラム
JP5421828B2 (ja) * 2010-03-17 2014-02-19 富士フイルム株式会社 内視鏡観察支援システム、並びに、内視鏡観察支援装置、その作動方法およびプログラム
US8903167B2 (en) * 2011-05-12 2014-12-02 Microsoft Corporation Synthesizing training samples for object recognition

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090161927A1 (en) * 2006-05-02 2009-06-25 National University Corporation Nagoya University Medical Image Observation Assisting System
US20120316421A1 (en) * 2009-07-07 2012-12-13 The Johns Hopkins University System and method for automated disease assessment in capsule endoscopy
JP2011036600A (ja) * 2009-08-18 2011-02-24 Toshiba Corp 画像処理装置、画像処理プログラムおよび医用診断システム
CN104883950A (zh) * 2013-03-27 2015-09-02 奥林巴斯株式会社 内窥镜系统
US20150279111A1 (en) * 2014-03-26 2015-10-01 Kabushiki Kaisha Toshiba Image processor, treatment system, and image processing method

Also Published As

Publication number Publication date
JPWO2017109997A1 (ja) 2018-10-11
EP3395229A4 (en) 2019-09-04
US10765297B2 (en) 2020-09-08
CN108430302B (zh) 2020-11-17
WO2017109997A1 (ja) 2017-06-29
JP6698699B2 (ja) 2020-05-27
US20180317744A1 (en) 2018-11-08
EP3395229A1 (en) 2018-10-31

Similar Documents

Publication Publication Date Title
JP5018980B2 (ja) 撮像装置、長さ測定方法、及びプログラム
CN103813151B (zh) 图像处理装置和方法、图像处理系统
CN104395692B (zh) 三维测定方法、装置、系统以及图像处理装置
CN109313814A (zh) 照相机校准系统
CA3073259A1 (en) Systems and methods for analyzing cutaneous conditions
CN107808398B (zh) 摄像头参数算出装置以及算出方法、程序、记录介质
US20120069018A1 (en) Ar process apparatus, ar process method and storage medium
CN105654547B (zh) 三维重建方法
CN102724398B (zh) 图像数据提供方法、组合方法及呈现方法
CN108038886A (zh) 双目摄像系统标定方法、装置及其汽车
JP2018189637A (ja) カメラパラメータ算出方法、カメラパラメータ算出プログラム、カメラパラメータ算出装置、及びカメラパラメータ算出システム
CN109920003A (zh) 相机标定检测方法、装置以及设备
JP5267708B2 (ja) 画像処理装置、撮像装置、画像生成方法、及びプログラム
CN110232707A (zh) 一种测距方法及装置
US20160105590A1 (en) Method and device for determining movement between successive video images
CN109661815A (zh) 存在相机阵列的显著强度变化的情况下的鲁棒视差估计
Zhou et al. Measurement of motion detection of wireless capsule endoscope inside large intestine
CN116205991A (zh) 基于多视角相机阵列的多信息源事件感知器的构建方法
JP2019074777A (ja) 画像処理方法、画像処理装置、および撮像装置
CN108430302A (zh) 图像处理装置、图像处理方法和程序
WO2019045722A1 (en) METHODS, DEVICES AND COMPUTER PROGRAM PRODUCTS FOR 3D CARTOGRAPHY ESTIMATION AND 3D IMAGE POSES
CN112261399B (zh) 胶囊内窥镜图像三维重建方法、电子设备及可读存储介质
CN117014579A (zh) 基于树莓派3b+的水下偏振视觉探测系统及成像方法
CN117128870A (zh) 一种基于图像信息融合的结构动态位移测量方法和电子设备
JP3637416B2 (ja) ３次元計測方法、３次元計測システム、画像処理装置、及びコンピュータプログラム

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