CN109447912B - 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 - Google Patents
一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 Download PDFInfo
- Publication number
- CN109447912B CN109447912B CN201811214720.2A CN201811214720A CN109447912B CN 109447912 B CN109447912 B CN 109447912B CN 201811214720 A CN201811214720 A CN 201811214720A CN 109447912 B CN109447912 B CN 109447912B
- Authority
- CN
- China
- Prior art keywords
- original image
- image
- segmentation threshold
- foreground
- src
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000009467 reduction Effects 0.000 title claims description 25
- 230000011218 segmentation Effects 0.000 claims description 56
- 238000013507 mapping Methods 0.000 claims description 36
- 238000002073 fluorescence micrograph Methods 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 241001270131 Agaricus moelleri Species 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012887 quadratic function Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 11
- 230000001629 suppression Effects 0.000 abstract description 7
- 230000002708 enhancing effect Effects 0.000 abstract 2
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013189 cholangiography Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000000439 tumor marker Substances 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10064—Fluorescence 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Abstract
本发明公开了一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，首先区分出信号和噪声，然后提取出前景信号进行自适应的非线性提升，对背景噪声进行自适应的非线性抑制，其中提升和抑制程度均与当前前景信号的亮度自适应相关，从而达到荧光图像自适应增强及降噪的效果。
Description
技术领域
本发明涉及一种计算机软件/图像处理方法，尤其涉及的是一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法。
背景技术
近年来，荧光导航内窥镜系统已在外科手术中被广泛应用，特别地，在妇科、肝胆外科的手术中，搭载在内窥镜上的荧光导航内窥镜系统能实现术中把标记、肿瘤标记标定、胆管造影等重要功能。一般的荧光导航内窥镜系统，由于灵敏度不足等原因，使其荧光成像容易出现信噪比不足的问题，即前景信号与背景噪声难以区分。
为了解决上述问题，满足视频实时处理的需求，现有的图像处理技术中，一般采用传统的空域处理方法进行图像增强，经典方法是采用直方图均衡化算法，从原理上说，该算法能让灰度更好地在直方图上均衡分布，即能使原本偏亮的信号表现得更亮，偏暗的信号表现得更暗。但是，该算法并不对前景信号和背景噪声的数据加以区分，所以在信噪比较差的场景下，噪声也会同步被显著放大，使信噪比进一步下降；另外，使用直方图的方法，其亮度变化的程度难以控制，帧与帧之间的变化可能会突然变大，造成视频画面不连续，影响视频的观感，从而影响了医生在手术过程中对病灶的判断。
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荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，旨在解决现有的直方图均衡化算法不对前景信号和背景噪声的数据加以区分，导致信噪比下降的问题。
本发明的技术方案如下：一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其中，具体包括以下步骤：
S1：输入原始图像Src（x，y），将其转化为灰度图像；
S2：计算得出前景信号和背景噪声的最佳分割阈值thresh，并计算出与最佳分割阈值thresh对应的增强因子factor，根据最佳分割阈值thresh分割出前景信号和背景噪声两个区间；
S3：根据前景信号和背景噪声的最佳分割阈值thresh和对应的增强因子factor，分别对前景信号和背景噪声两个区间的每一个像素点进行计算，得出每一个像素点对应的非线性映射表Map；
S4：将原始图像Src（x，y）的每一个像素点的非线性映射表Map应用到原始图像Src（x，y）的V通道上，得出对应的增强后的图像Dst（x，y）。
所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其中，所述S1中，具体包括以下过程：输入原始图像Src（x，y），将其转化为8位灰度图像。
所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其中，所述S2中，基于最大类间方差法对原始图像Src（x，y）的直方图进行计算，得出前景信号和背景噪声的最佳分割阈值thresh；并计算出与最佳分割阈值thresh对应的增强因子factor。
所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其中，所述S2中，具体包括以下步骤：
s21：使用最大类间方差法求原始图像Src(x,y)的最佳分割阈值thresh：使用区间[0,255]中共256级灰阶逐一作为原始图像Src(x,y)的分割阈值thresh，统计每一个分割阈值thresh对应的亮区域点数占图像比例为w0，对应的平均灰度为u0；每一个分割阈值thresh对应的暗区域点数占图像比例为w1，对应的平均灰度为u1，通过公式（1）得出每一个分割阈值thresh对应的图像的总平均灰度u：
通过公式（2）得出的前景、背景区域灰度的类间方差g：
按上述的计算过程，逐一计算出区间[0,255]的每一个分割阈值thresh对应的类间方差g，并形成类间方差g的集合，从中查找出类间方差g的最大值maxDelta，以及其对应的thresh，其中，该thresh就是对原始图像Src(x,y)进行前景信号和背景噪声进行分割的最佳分割阈值thresh，与maxDelta对应的u0就是原始图像Src(x,y)的前景信号的平均灰度；
s22：通过公式（3）计算增强因子factor：
其中，u0为与maxDelta对应的u0值，即原始图像Src(x,y)的前景信号的平均灰度。
所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其中，所述S2中，通过二维最大熵阈值分割法或最小均方误差阈值分割法或三角阈值分割法对原始图像Src（x，y）的直方图进行计算，得出前景信号和背景噪声的最佳分割阈值thresh。
所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其中，所述S3中，根据前景信号和背景噪声的最佳分割阈值thresh和对应的增强因子factor，通过幅度可调的二次函数算法分别对前景信号和背景噪声两个区间进行计算，得出对应的非线性映射表Map。
所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其中，所述S3中，具体包括以下步骤：s31：通过公式（4）得出调整图像的非线性灰度映射表，其中Srci∈[0,255]，代表256个灰度级，而Map [Srci]是对应256个灰度级的非线性灰度映射表：
其中，当Srci小于最佳分割阈值thresh时为背景区域，采用
计算出对应的非线性灰度映射表Map[Srci]，以此对背景噪声区域进行降低亮度，抑制背景噪声；当Srci大于等于最佳分割阈值thresh时为前景区域，采用
计算出对应的非线性灰度映射表Map [Srci]，以此对前景信号进行亮度提升。
所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其中，所述S3中，根据前景信号和背景噪声的最佳分割阈值thresh和对应的增强因子factor，通过对数函数算法或幂函数算法分别对前景信号和背景噪声两个区间进行计算，得出对应的非线性映射表Map。
所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其中，所述S4中，具体包括以下步骤：
s41：将原始图像Src的每一个像素点的非线性映射表Map连起来形成非线性映射曲线Map[256]，通过公式（5）将非线性映射曲线Map[256]应用到原始图像Src（x，y）的V通道图像上：
s42：输出原始图像Src（x，y）经过非线性增强后的图像Dst（x，y）。
本发明的有益效果：本发明通过提供一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，首先区分出信号和噪声，然后提取出前景信号进行自适应的非线性提升，对背景噪声进行自适应的非线性抑制，其中提升和抑制程度均与当前前景信号的亮度自适应相关，从而达到荧光图像自适应增强及降噪的效果。
附图说明
图1是本发明中荧光导航内窥镜系统的荧光图像自适应增强及降噪方法的步骤流程图。
图2a是本发明中前景信号适中的图像的原图。
图2b是本发明中图2a经过荧光导航内窥镜系统的荧光图像自适应增强及降噪方法处理后的效果图。
图2c是本发明中图2a经过现有技术直方图均衡化算法处理后的效果图。
图3a是本发明中前景信号较暗的图像的原图。
图3b是本发明中图3a经过荧光导航内窥镜系统的荧光图像自适应增强及降噪方法处理后的效果图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
如图1所示，一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，具体包括以下步骤：
S1：输入原始图像Src（x，y），将其转化为灰度图像。
s11：输入原始图像Src（x，y），将其转化为8位灰度图像（8位灰度图像指图像共有256种灰度等级或称之为灰度色域），如，图2（a）是一张表示荧光信号的原始图像。
S2：基于最大类间方差法对原始图像Src（x，y）的直方图进行计算，得出前景信号和背景噪声的最佳分割阈值thresh，并计算出对应的增强因子factor。
s21：为更好地区分出前景信号和背景噪声，优选地，使用最大类间方差法求原始图像Src(x,y)的最佳分割阈值thresh：使用区间[0,255]中共256级灰阶（灰度）逐一作为原始图像Src(x,y)的分割阈值thresh，统计每一个分割阈值thresh对应的亮区域点数占图像比例为w0，对应的平均灰度为u0；每一个分割阈值thresh对应的暗区域点数占图像比例为w1，对应的平均灰度为u1，通过公式（1）得出每一个分割阈值thresh对应的图像的总平均灰度u：
通过公式（2）得出的前景、背景区域灰度的类间方差g：
按上述的计算过程，逐一计算出区间[0,255]的每一个分割阈值thresh对应的类间方差g，并形成类间方差g的集合，从中查找出类间方差g的最大值，记为maxDelta，以及其对应的thresh，其中，该thresh就是对原始图像Src(x,y)进行前景信号和背景噪声进行分割的最佳分割阈值thresh，与maxDelta对应的u0就是原始图像Src(x,y)的前景信号的平均灰度，该u0越大，前景越亮，需要提升的幅度越小，反之，前景越暗，需要提升的幅度越大。
例如，对应图2（a），得到的最佳分割阈值thresh=32，而对应的u=156，这个值偏中，说明这个图像的前景信号亮度适中，无需显著的亮度调整。又例如，对应图3（a），得到的最佳分割阈值thresh=15，而对应的u=51，这个值偏小，说明这个图像的前景信号亮度偏暗，需显著的亮度调整。
s22：通过公式（3）计算增强因子factor：
其中，u0为与maxDelta对应的u0值，即原始图像Src(x,y)的前景信号的平均灰度。例如，图2（a）对应的增强因子factor=0.0038，数值偏小，调整幅度小；又如，图3（a）对应的增强因子factor=0.008，数值偏大，调整幅度大。
S3：根据前景信号和背景噪声的最佳分割阈值thresh和对应的增强因子factor，分别对前景信号和背景噪声两个区间进行计算，得出对应的非线性映射表Map。
s31：通过幅度可调的二次函数算法分别对前景信号和背景噪声两个区间进行计算，得出对应的非线性映射表Map，具体通过公式（4）得出调整图像的非线性灰度映射表，其中Srci∈[0,255]，代表256个灰度级，而Map [Srci]是对应256个灰度级的非线性灰度映射表，对前景信号、背景噪声区域做出不同的处理（对前景信号进行亮度提升；对背景噪声区域进行降低亮度，以此抑制背景噪声）：
其中，当Srci小于最佳分割阈值thresh时为背景区域，采用
计算出对应的非线性灰度映射表Map[Srci]，以此对背景噪声区域进行降低亮度，抑制背景噪声；当Srci大于等于最佳分割阈值thresh时为前景区域，采用
计算出对应的非线性灰度映射表Map [Srci]，以此对前景信号进行亮度提升。
S4：将原始图像Src（x，y）的每一个像素点的非线性映射表Map应用到原始图像Src的V通道图像上，得出对应的增强后的图像Dst（x，y）。
s41：将原始图像Src的每一个像素点的非线性映射表Map连起来形成非线性映射曲线Map[256]，通过公式（5）将非线性映射曲线Map[256]应用到原始图像Src（x，y）的V通道图像（V通道表示亮度）上：
s42：输出原始图像Src（x，y）经过非线性增强后的图像Dst（x，y）。
例如，图2（a）经过非线性增强后的图像效果是图2（b），原图2（a）的前景信号亮度适中，因此效果图中的前景信号只进行了小幅度的亮度提升；原图2（a）存在的背景噪声，在变换后显著变暗，基本消除了。图2（a）若采用直方图均衡化的方法进行增强，则会显著提升背景噪声的亮度，效果见图2（c）。
例如，图3（a）经过非线性增强后的图像效果是图3（b），原图3（a）的前景信号亮度偏暗，因此效果图3（b）中的前景信号进行了较大幅度的亮度提升，幅度明显对比图2（b）进行了更大亮度的提升。
本技术方案首先区分出信号和噪声，然后提取出前景信号进行自适应的非线性提升，对背景噪声进行自适应的非线性抑制，其中提升和抑制程度均与当前前景信号的亮度自适应相关，从而达到荧光图像自适应增强及降噪的效果，相对于现有技术具体以下优点：
（1）引入前景信号和背景噪声的区分方法，对两者分别进行提升和抑制处理，避免错误地提升了背景噪声的亮度。
（2）提升和抑制的幅度都会参考当前的前景信号和背景噪声来计算，避免出现较亮信号仍然盲目提升从而导致过曝的问题。
（3）整个算法的复杂度低，满足视频实时处理的需求。
本技术方案所提出的应用于荧光导航内窥镜系统的荧光图像的前景信号和背景噪声（即计算出最佳分隔阀值thresh）也可以通过其他类似算法来区分，如二维最大熵阈值分割法、最小均方误差阈值分割法、三角阈值分割法。本技术方案优选使用最大类间方差法对原始图像Src（x，y）的直方图进行计算，得出前景信号和背景噪声的最佳分割阈值thresh，最大类间方差法相对于其他算法的准确率高，计算的复杂度低，满足视频实时处理的需求。
本技术方案所提出的非线性映射表Map计算方法可以通过其他类似算法来计算得出，如对数函数、幂函数。本技术方案优选使用幅度可调的二次函数算法分别对前景信号和背景噪声两个区间进行计算，得出对应的非线性映射表Map，使用对数函数、幂函数得到的非线性映射表Map均是通过查表得到的，得到的非线性映射表Map精确度有限，而幅度可调的二次函数算法计算得出的非线性映射表Map相对于其他算法的准确率要高。
在本说明书的描述中，参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
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)
1.一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其特征在于，具体包括以下步骤：
S1：输入原始图像Src（x，y），将其转化为灰度图像；
S2：对原始图像Scr（x，y）的直方图进行计算得出前景信号和背景噪声的最佳分割阈值thresh，并计算出与最佳分割阈值thresh对应的增强因子factor，根据最佳分割阈值thresh分割出前景信号和背景噪声两个区间；
S3：根据前景信号和背景噪声的最佳分割阈值thresh和对应的增强因子factor，分别对前景信号和背景噪声两个区间的每一个像素点进行计算，得出每一个像素点对应的非线性映射表Map；
S4：将原始图像Src（x，y）的每一个像素点的非线性映射表Map应用到原始图像Src（x，y）的V通道上，得出对应的增强后的图像Dst（x，y）；
所述S2具体包括以下步骤：
s21：使用最大类间方差法求原始图像Src(x,y)的最佳分割阈值thresh：使用区间[0,255]中共256级灰阶逐一作为原始图像Src(x,y)的分割阈值thresh，统计每一个分割阈值thresh对应的亮区域点数占图像比例为w0，对应的平均灰度为u0；每一个分割阈值thresh对应的暗区域点数占图像比例为w1，对应的平均灰度为u1，通过公式（1）得出每一个分割阈值thresh对应的图像的总平均灰度u：
通过公式（2）得出的前景、背景区域灰度的类间方差g：
按上述的计算过程，逐一计算出区间[0,255]的每一个分割阈值thresh对应的类间方差g，并形成类间方差g的集合，从中查找出类间方差g的最大值，记为maxDelta，以及与maxDelta对应的thresh，其中，该thresh就是对原始图像Src(x,y)进行前景信号和背景噪声进行分割的最佳分割阈值thresh，与maxDelta对应的u0就是原始图像Src(x,y)的前景信号的平均灰度；
s22：通过公式（3）计算增强因子factor：
其中，u0为与maxDelta对应的u0值，即原始图像Src(x,y)的前景信号的平均灰度；
所述S3具体包括以下步骤：s31：通过公式（4）得出调整图像的非线性灰度映射表，其中Srci∈[0,255]，代表256个灰度级，而Map [Srci]是对应256个灰度级的非线性灰度映射表：
其中，当Srci小于最佳分割阈值thresh时为背景区域，采用
计算出对应的非线性灰度映射表Map[Srci]，以此对背景噪声区域进行降低亮度，抑制背景噪声；当Srci大于等于最佳分割阈值thresh时为前景区域，采用
计算出对应的非线性灰度映射表Map [Srci]，以此对前景信号进行亮度提升。
2.根据权利要求1所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其特征在于，所述S1中，具体包括以下过程：输入原始图像Src（x，y），将其转化为8位灰度图像。
3.根据权利要求1所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其特征在于，所述S2中，通过二维最大熵阈值分割法或最小均方误差阈值分割法或三角阈值分割法对原始图像Src（x，y）的直方图进行计算，得出前景信号和背景噪声的最佳分割阈值thresh。
4.根据权利要求1所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其特征在于，所述S3中，根据前景信号和背景噪声的最佳分割阈值thresh和对应的增强因子factor，通过幅度可调的二次函数算法分别对前景信号和背景噪声两个区间进行计算，得出对应的非线性映射表Map。
5.根据权利要求1所述的荧光导航内窥镜系统的荧光图像自适应增强及降噪方法，其特征在于，所述S4中，具体包括以下步骤：
s41：将原始图像Src（x，y）的每一个像素点的非线性映射表Map连起来形成非线性映射曲线Map[256]，通过公式（5）将非线性映射曲线Map[256]应用到原始图像Src（x，y）的V通道图像上：
s42：输出原始图像Src（x，y）经过非线性增强后的图像Dst（x，y）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214720.2A CN109447912B (zh) | 2018-10-18 | 2018-10-18 | 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214720.2A CN109447912B (zh) | 2018-10-18 | 2018-10-18 | 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109447912A CN109447912A (zh) | 2019-03-08 |
| CN109447912B true CN109447912B (zh) | 2022-04-19 |
Family
ID=65547416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811214720.2A Active CN109447912B (zh) | 2018-10-18 | 2018-10-18 | 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447912B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084769B (zh) * | 2019-05-20 | 2023-05-23 | 佛山光微科技有限公司 | 一种基于直方图统计的oct视频图像自适应增强方法 |
| CN110163857B (zh) * | 2019-05-24 | 2022-03-04 | 上海联影医疗科技股份有限公司 | 图像背景区域的检测方法、装置、存储介质及x射线系统 |
| CN111603140B (zh) * | 2020-06-04 | 2021-12-21 | 北京瀚丞医用设备有限公司 | 生物目标原位可视的定位方法及系统 |
| CN115345800B (zh) * | 2022-10-18 | 2023-04-07 | 极限人工智能有限公司 | 医用内窥镜运动影像自适应降噪方法及系统 |
| CN115861147B (zh) * | 2023-03-01 | 2023-05-16 | 广东欧谱曼迪科技有限公司 | 一种内窥镜暗区域增强方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463804A (zh) * | 2014-12-12 | 2015-03-25 | 中国科学院武汉物理与数学研究所 | 一种基于直觉模糊集的图像增强方法 |
| CN106097279A (zh) * | 2016-06-24 | 2016-11-09 | 电子科技大学 | 一种高动态图像增强方法 |
| CN106447677A (zh) * | 2016-10-12 | 2017-02-22 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
| CN107358585A (zh) * | 2017-06-30 | 2017-11-17 | 西安理工大学 | 基于分数阶微分及暗原色先验的雾天图像增强方法 |
| CN108305227A (zh) * | 2018-01-23 | 2018-07-20 | 中国航空工业集团公司洛阳电光设备研究所 | 一种对比度不变的图像低亮度区域增强亮度的方法 |
-
2018
- 2018-10-18 CN CN201811214720.2A patent/CN109447912B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463804A (zh) * | 2014-12-12 | 2015-03-25 | 中国科学院武汉物理与数学研究所 | 一种基于直觉模糊集的图像增强方法 |
| CN106097279A (zh) * | 2016-06-24 | 2016-11-09 | 电子科技大学 | 一种高动态图像增强方法 |
| CN106447677A (zh) * | 2016-10-12 | 2017-02-22 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
| CN107358585A (zh) * | 2017-06-30 | 2017-11-17 | 西安理工大学 | 基于分数阶微分及暗原色先验的雾天图像增强方法 |
| CN108305227A (zh) * | 2018-01-23 | 2018-07-20 | 中国航空工业集团公司洛阳电光设备研究所 | 一种对比度不变的图像低亮度区域增强亮度的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109447912A (zh) | 2019-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447912B (zh) | 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 | |
| CN104240194B (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
| CN104156921B (zh) | 一种低照度或亮度不均图像的自适应图像增强方法 | |
| CN108711140B (zh) | 一种基于类间方差描述的图像亮度均匀性实时恢复方法 | |
| US10565742B1 (en) | Image processing method and apparatus | |
| CN110766621B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN111210393B (zh) | 一种基于边缘提取的彩色图像增强方法、系统及存储介质 | |
| CN105791709A (zh) | 带有逆光补偿的自动曝光处理方法及装置 | |
| CN108876742B (zh) | 图像色彩增强方法和装置 | |
| CN110796626B (zh) | 图像锐化方法及装置 | |
| CN105741245B (zh) | 基于灰度变换的自适应对比度增强算法 | |
| KR102221116B1 (ko) | 크로스 커널 구조의 중간값 필터를 이용한 영상 잡음 제거장치 및 방법 | |
| US20140348428A1 (en) | Dynamic range-adjustment apparatuses and methods | |
| JP2009510587A (ja) | 画像ディテール強調 | |
| CN106341613B (zh) | 宽动态范围影像方法 | |
| Liu et al. | Enhancement of low illumination images based on an optimal hyperbolic tangent profile | |
| US9571744B2 (en) | Video processing method and apparatus | |
| CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
| CN110111280B (zh) | 一种多尺度梯度域引导滤波的低照度图像增强方法 | |
| JP2012175310A (ja) | 画像処理装置、画像処理方法 | |
| CN109035228B (zh) | 一种非等厚构件的x射线图像处理方法 | |
| CN113592750A (zh) | 一种基于梯度直方图的红外增强方法 | |
| CN105513029A (zh) | 一种两段式红外热像仪自动增益控制方法 | |
| KR20120042988A (ko) | 화상 처리 방법, 화상 처리 장치 및 프로그램 | |
| CN110020999A (zh) | 一种基于同态滤波的非制冷红外热像自适应映射方法 |
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: 528251 504, floor 5, building a, Jingu photoelectric industry community, No. 1, Yong'an North Road, Nanhai District, Foshan City, Guangdong Province Patentee before: GUANGDONG OPTOMEDIC TECHNOLOGY CO.,LTD. |
|
| CP03 | Change of name, title or address |