CN110855889A - 图像处理方法、装置、图像处理设备及存储介质 - Google Patents

图像处理方法、装置、图像处理设备及存储介质 Download PDF

Info

Publication number
CN110855889A
CN110855889A CN201911152542.XA CN201911152542A CN110855889A CN 110855889 A CN110855889 A CN 110855889A CN 201911152542 A CN201911152542 A CN 201911152542A CN 110855889 A CN110855889 A CN 110855889A
Authority
CN
China
Prior art keywords
image
channel
initial
pixel
highlight
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
CN201911152542.XA
Other languages
English (en)
Other versions
CN110855889B (zh
Inventor
张�杰
黄访
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.)
Chongqing Jinshan Medical Technology Research Institute Co Ltd
Original Assignee
Chongqing Jinshan Medical Technology Research Institute 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 Chongqing Jinshan Medical Technology Research Institute Co Ltd filed Critical Chongqing Jinshan Medical Technology Research Institute Co Ltd
Priority to CN201911152542.XA priority Critical patent/CN110855889B/zh
Publication of CN110855889A publication Critical patent/CN110855889A/zh
Application granted granted Critical
Publication of CN110855889B publication Critical patent/CN110855889B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种图像处理方法、装置、图像处理设备及存储介质，其中方法包括：获取初始图像，并获取初始图像包括的初始反光区域，初始反光区域是根据初始图像中各个像素点的像素值确定的；对初始图像进行滤波处理，得到参考图像；获取参考图像中与初始反光区域匹配的参考区域，并基于初始反光区域和参考区域确定初始反光区域包括的高光子区域；对高光子区域进行亮度还原处理，得到目标图像。采用本发明实施例，可以较有效地除去初始图像中的反光区域。

Description

图像处理方法、装置、图像处理设备及存储介质
技术领域
本发明涉及医疗图像处理领域，具体涉及一种图像处理方法、装置、图像处理设备及存储介质。
背景技术
随着科技的发展，通过图像检测法进行异常分析或者人物识别已经被普通应用，尤其是在医疗领域中。在医疗领域中，通过内窥镜设备或其他医疗设备对某个用户的某个器官或者某些部位进行检查得到一张或多张医疗图像，进一步地，可调用病灶识别模型对医疗图像进行识别，从而输出用户的患病情况。
但是，在采用医疗设备对用户的器官或者某些部位进行拍摄的过程中，可能出现由于医疗设备的光学镜头或者光源过于贴近光滑物体表明，在拍摄时会形成镜面反射从而在得到的医疗图像中存在高光部分。图像中的高光部分会对病灶识别模型或者其他算法进行病灶分析时造成干扰，严重影响分析结果。因此，目前如何去除图像中高光部分成为当今研究的热点问题。
发明内容
本发明实施例提供了一种图像处理方法、装置、图像处理设备及存储介质，可以较有效地除去医疗图像中的反光区域。
一方面，本发明实施例提供了一种图像处理方法，包括：
获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；
对所述初始图像进行滤波处理，得到参考图像；
获取所述参考图像中与所述初始反光区域对应的参考区域，并基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；
对所述高光子区域进行亮度还原处理，得到目标图像。
另一方面，本发明实施例提供了一种图像处理装置，包括：
获取单元，用于获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；
处理单元，用于对所述初始图像进行滤波处理，得到参考图像；
所述获取单元，还用于获取所述参考图像中与所述初始反光区域对应的参考区域，并基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；
所述处理单元，还用于对所述高光子区域进行亮度还原处理得到目标图像。
再一方面，本发明实施例提供了一种图像处理设备，所述服务器包括：
处理器，适于实现一条或多条指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如下步骤：
获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；
对所述初始图像进行滤波处理，得到参考图像；
获取所述参考图像中与所述初始反光区域对应的参考区域，并基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；
对所述高光子区域进行亮度还原处理，得到目标图像。
又一方面，本发明实施例提供了一种计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如下步骤：
获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；
对所述初始图像进行滤波处理，得到参考图像；
获取所述参考图像中与所述初始反光区域对应的参考区域，并基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；
对所述高光子区域进行亮度还原处理，得到目标图像。
本发明实施例中，通过对初始图像进行滤波处理得到初始图像对应的参考图像，进一步的，基于参考图像中与初始反光区域中对应的参考区域和初始反光区域，获取初始反光区域中的高光子区域；然后对获取到的高光子区域进行亮度还原处理得到目标图像。可见，在上述图像处理过程中，只对存在高光的高光子区域进行亮度还原处理，不对初始图像的非高光区域进行处理，这样一来，可以较快速的完成对初始图像的去高光处理，并且保证初始图像中的非高光区域不受影响。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1a是本发明实施例提供的一种对初始图像去高光处理的示意图；
图1b是本发明实施例提供的另一种对初始图像去高光处理的示意图；
图2是本发明实施例提供的一种图像处理方法的流程示意图；
图3a是本发明实施例提供的一种确定初始反光区域的示意图；
图3b是本发明实施例提供的另一种确定初始反光区域的示意图；
图4是本发明实施例提供的另一种图像处理的流程示意图；
图5是本发明实施例提供的一种图像处理装置的结构示意图；
图6是本发明实施例提供的一种图像处理设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
在对去除图像中高光区域的研究中发现，可以通过下述两种方式对图像采集设备获取到的初始图像进行去高光处理。第一种是调整图像采集设备的光通量以及光照等光学要素来避免拍摄得到的初始图像中存在高光部分，得到目标图像。例如，可以对光源的亮度进行实时调整，具体地：设定一个图像亮度阈值，在拍摄过程中，当检测到初始图像的局部亮度超过所述图像亮度阈值时，通过降低光源的输出功率来降低初始图像整体光照亮度，以拍摄得到不存在高光区域的目标图像。再如，对图像采集设备的曝光时间进行调整，具体地：当检测到初始图像的局部亮度超过上述图像亮度阈值时，还可以通过降低图像采集设备的曝光的时间来拍摄得到不存在高光区域的目标图像。
第二种是通过提取初始图像中的高光区域并对高光区域进行亮度还原处理，以得到不存在高光区域的目标图像。
参考图1a，为本发明实施例提供的一种基于第一种方法对初始图像进行去高光处理的示意图，在图1a中101表示图像采集设备，102表示图像处理设备，103表示拍摄对象。在一个实施例中，101与102可以是两个独立的设备，且两者可以相互连接以进行图像传输，例如101可以是内窥镜设备，102是笔记本电脑、台式电脑以及智能手机等图像处理设备；在其他实施例中，101也可以是配置于图像处理设备中的图像采集模块，比如图像传感器等。基于第一种方法对初始图像进行去高光处理可包括：图像采集设备101通过对拍摄对象进行拍摄得到初始图像；将初始图像传输给图像处理设备102，图像处理设备102对初始图像进行亮度检测，如果检测到初始图像中局部区域的亮度值大于预先设定的亮度阈值，则通知图像采集设备101调整光通量以及光照；图像采集设备101调整了光通量以及光照之后，重新对拍摄对象进行拍摄得到新的初始图像；将新的初始图像传输给图像处理设备102，图像处理设备102对新的初始图像进行亮度检测，重复执行上述过程，直到图像处理设备102检测到某个初始图像中不存在局部亮度值高于亮度阈值的情况，则将当前的初始图像确定为目标图像。
参考图1b，为本发明实施例提供的另一种基于第二种方法对初始图像进行去高光处理的示意图，同图1a相同的，101表示图像采集设备，102表示图像处理设备，103表示拍摄对象。基于第二种方法对初始图像进行去高光处理的流程可以为：图像采集设备101调整好光通量以及其他光学要素后对拍摄对象103进行拍摄，得到初始图像；将初始图像传输给图像处理设备102，图像处理设备102提取初始图像中包括的高光区域，然后对高光区域进行亮度还原处理，最后得到目标图像。
经实践发现，通过调整图像采集设备的光通量以及光照等光学要素来避免拍摄得到的初始图像中存在高光部分的方法，在避免初始图像中不存在高光区域的同时，也降低了整个初始图像的亮度，降低了初始图像的图像质量。通过提取初始图像中的高光区域并对高光区域进行亮度还原处理的去高光方法，可以最大程度上保持初始图像原有的清晰度，另外只对高光区域进行去高光处理，缩小了处理范围，可提高去高光速度。因此，在下面的描述中，主要对第二种方法进行展开介绍。
基于上述的第二种去高光方法，本发明实施例提供了一种图像处理方案，具体地：获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；对所述初始图像进行滤波处理，得到参考图像；获取所述参考图像中与所述初始反光区域对应的参考区域，并基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；对所述高光子区域进行亮度还原处理，得到目标图像。该图像处理方案在进行图像处理的过程中，只对初始图像中存在高光的高光子区域进行亮度还原处理，不对初始图像的非高光区域进行处理，这样一来，缩小了处理范围，可以较快速的完成对初始图像的去高光处理，并且保证初始图像中的非高光区域不受影响。
在一个实施例中，本发明实施例提出的图像处理方案可以应用在诸多领域中，例如应用在医学领域中，如果医生使用内窥镜设备对患者进行内窥镜检查，得到的内窥镜图像中存在高光区域可能影响对检测结果的分析，此时可以基于上述图像处理方案对内窥镜图像进行去反光处理；再如，在车辆故障检测领域中，如果对车辆某个部件拍摄的图像存在高光区域，影响对故障检测的准确性，也可以基于上述图像处理方案进行去反光处理。
基于上述的图像处理方案，本发明实施例还提供了一种图像处理方法的流程示意图。参考图2，为本发明实施例提供的一种图像处理方法的流程示意图。图2所示的图像处理方法可以由图像处理设备执行，具体可由图像处理设备的处理器执行。图2所示的图像处理方法可以包括以下步骤：
步骤S201、获取初始图像，并获取初始图像包括的初始反光区域。
其中，所述初始图像可以是图像处理设备通过配置于图像处理设备上的图像采集模块直接对拍摄对象进行拍摄得到的，比如调用图像处理设备上的图像传感器获取对拍摄对象进行拍摄；或者，所述初始图像也可以是图像处理设备接收其他设备采集到的视频数据，通过对视频数据进行图像分帧处理，得到至少一张初始图像。比如医生通过内窥镜设备对病人进行内窥镜检测，图像处理设备与内窥镜设备相连接，图像处理设备可以通过其配置的视频采集模块采集内窥镜设备获取到的视频数据，然后将视频数据进行图像分帧处理，将得到的多帧图像作为初始图像。
其中，所述初始图像中的初始反光区域是由于在对拍摄对象进行拍摄时，图像采集设备过于贴近光滑物体表明造成的，例如，在采用内窥镜设备对病人的消化道进行内窥镜检测时，如果内窥镜的光学镜头和/或光源过于贴近人体消化道的粘膜表明，就会在拍摄时形成镜面反射从而导致初始图像中某个区域呈现高光状态，通常情况下把呈现高光状态的区域称为反光区域。
在一个实施例中，由于在RGB空间中呈现高光状态的区域的像素点的像素值会高于非高光状态的区域的像素点的像素值，因此在步骤S201中可以根据初始图像中各个像素点的像素值确定初始图像中包括的初始反光区域。通常情况下，所述步骤S201中获取初始反光区域的方法可以是计算初始图像中各个像素点的像素值；将像素值大于像素阈值的像素点组成的区域确定为初始反光区域。
在一个实施例中，初始图像中像素值大于像素阈值的像素点组成的区域的数量为至少一个，也就是说初始图像包括至少一个初始反光区域。可选的，像素值大于像素阈值的像素点组成的初始反光区域可以是任意形状，比如矩形、圆形、菱形等等。在一个实施例中，可以预先设定组成初始反光区域的属性参数，所述属性参数可包括像素点的个数以及初始反光区域的形状；根据像素值大于像素阈值的像素点数量以及预先设置的属性参数获取初始反光区域。
参考图3a，为本发明实施例提供的一种确定初始反光区域的示意图，在图3a中包括多个像素点301，假设预先设置的初始反光区域的属性参数为：初始反光区域的形状为矩形，数量任意。假设在多个像素301中，像素值大于像素阈值的像素点分别为A，B，C，D，E，F、M、L以及H；其中，A，B，C，D四个像素点可以组成一个矩形区域ABCD，将矩形区域ABCD作为一个初始反光区域；像素点E，F、M、L组成一个矩形区域EFML，将矩形区域EFML确定为一个初始反光区域；像素点H单独确定为一个初始反光区域。
再如，参考图3b为本发明实施例提供的另一种确定初始反光区域的示意图，假设预先设置的初始反光区域的属性参数为：初始反光区域的形状为无限制，数量小于等于5；得到的初始反光区域可以如图3b所示：矩形ABCD以及多边形EFMLH。
应当理解的，图3a和图3b只是列举了两种可能的确定初始反光的方法，在实际应用中可以根据实际需要确定。
步骤S202、对初始图像进行滤波处理，得到参考图像。
在一个实施例中，由于成像系统、传输介质的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。同样的，初始图像中也会由于某种原因携带一些噪声，噪声的存在对初始图像的处理产生一定影响，因此需要除去初始图像中携带的噪声。
在一个实施例中，为了保证初始图像的原始特征，在去除所述初始图像中噪声的同时要保证不能损坏图像轮廓以及边缘，并且保证去除噪声后的初始图像应该具有更高的视觉效果。目前常用的图像去噪方法可包括滤波法，具体地，通过对初始图像进行滤波处理以得到去除噪声后的参考图像。
其中，所述滤波处理可以包括中值滤波、均值滤波等。在实践中发现，相比于其他滤波方法，采用中值滤波对初始图像进行处理可以较好达到较好的去噪效果。因此，本发明实施例中，在步骤S202中可以对初始图像进行中值滤波处理得到参考图像。
在一个实施例中，步骤S202的实施方式还可以包括：对初始图像进行像素填充处理，得到中间图像；对所述中间图像进行滤波处理得到参考图像。此部分具体的实施方式将在后面的实施例中详细介绍。
步骤S203、获取参考图像中与初始反光区域匹配的参考区域，并基于初始反光区域和参考区域确定初始反光区域包括的高光子区域。
其中，与所述初始反光区域匹配的参考区域是指参考图像中与初始反光区域各个像素点位于相同位置处的像素点组成的区域，比如初图像中位于第10行第25的第一像素点和位于第11行第25列的第二像素点组成了初始反光区域，则参考区域中位于第10行第25列的像素点和位于第11行第25列的像素点组成了参考区域。
在一个实施例中，高光子区域是由多个高光像素点组成的，所述步骤S203的实施方式可以是根据初始反光区域中各个像素点像素值以及参考区域中各个像素点的像素值确定初始反光区域中包括的高光像素点，将各个高光像素点组成的区域确定为高光子区域。具体地，针对初始反光区域中的任意一个像素点，获取参考区域中与该任意像素点相匹配的像素点(也就是参考区域中处于任意像素点所在位置处的像素点)；如果该任意像素点的像素值与该任意像素点相匹配的像素点的像素值，则该任意像素点被确定为高光像素点。
在其他实施例中，所述步骤S203的实施方式还可以是根据初始反光区域中各个像素点在RGB空间的通道值以及参考区域中各个像素在RGB空间的通道值确定初始反光区域中包括的高光子区域。对于具体的实现方式将在后面的实施例中具体介绍。
步骤S204、对高光子区域进行亮度还原处理得到目标图像。
通过步骤S201-步骤S203获取到初始图像中的高光子区域之后，为了得到对初始图像进行去高光处理，只需对高光子区域进行处理即可，这样可以在尽可能的保证初始图像的非高光子区域不被破坏的同时，又能达到为初始图像去除高光的效果。
在一个实施例中，所述对高光子区域进行亮度还原处理得到目标对象的实施方式可以是基于还原强度比对高光子区域中的各个高光像素点进行亮度还原处理。具体地，所述步骤S204包括：基于所述高光子区域中每个高光像素点的像素值、所述参考区域中与每个高光像素点对应的对应像素点的像素值以及还原强度比算法规则，获取用于亮度还原处理的还原强度比；基于所述还原强度比对所高光子区域中各个高光像素点进行亮度还原处理得到目标图像。
其中，针对各个高光像素点中的目标高光像素点来说，参考区域中与目标高光像素点对应的对应像素点是参考区域指与目标高光像素点在初始感光区域中所处位置的相同位置处的像素点。可选的，所述基于所述高光子区域中每个高光像素点的像素值、所述参考区域中与每个高光像素点对应的对应像素点的像素值以及还原强度比算法规则，获取每个高光像素点对应的还原强度比是指：将参考区域中与每个高光像素点对应的对象像素点的像素值确定为相应的高光像素点在初始图像中相邻像素点的像素均值；并以此为基数，通过还原强度比算法规则计算各个高光像素点对应的还原强度比。
其中，还原强度比算法规则可以通过以下公式(1)表示：
Figure BDA0002283332600000081
其中，Rx表示高光像素点x对应的还原强度比，高光像素点x表示各个高光像素点中的任意一个，lx表示高光像素点x的像素值，l′x表示参考区域中与高光像素点对应的对象像素点的像素值。c＝0.7，d为高光点区域的轮廓的欧式距离，c和dmax均为经验常量，一般情况下dmax＝19。
因此，所述基于所述高光子区域中每个高光像素点的像素值、所述参考区域中与每个高光像素点对应的对应像素点的像素值以及还原强度比算法规则，获取用于亮度还原处理的还原强度的实施方式可以是：将每个高光像素点的像素值、以及相应的对应像素点的像素值代入到公式(1)中，得到每个高光像素点对应的还原强度比。
在一个实施例中，得到每个高光像素点对应的还原强度比之后，基于每个高光像素点对应的还原强度比对各个高光像素点进行亮度还原处理，在初始图像红将亮度还原处理后的各个高光像素点替换相应的原有高光像素点，得到目标图像。可选的，针对各个高光像素点中的目标高光像素点来说，基于目标高光像素点对目标高光像素点进行亮度还原处理的实施方式可以是：将目标高光像素点的像素值与所述目标高光像素点对应的还原强度比进行相乘运算，将得到的结果作为还原后的目标高光像素点的像素值。
本发明实施例中，通过对初始图像进行滤波处理得到初始图像对应的参考图像，进一步的，基于参考图像中与初始反光区域中对应的参考区域和初始反光区域，获取初始反光区域中的高光子区域；然后对获取到的高光子区域进行亮度还原处理得到目标图像。可见，在上述图像处理过程中，只对存在高光的高光子区域进行亮度还原处理，不对初始图像的非高光区域进行处理，这样一来，可以较快速的完成对初始图像的去高光处理，并且保证初始图像中的非高光区域不受影响。
基于上述的图像处理方法，本发明实施例还提供了另一种图像处理方法，参考图4，为本发明实施例提供的另一种图像处理方法的流程示意图。图4所示的图像处理方法中，所述初始图像包括医疗影像，比如初始图像可以是通过胶囊内窥镜对人体消化道检查拍摄到的内窥镜图像。图4所示的图像处理方法可由处理器执行，具体可由图像处理设备的处理器执行。图4所示的图像处理方法可包括如下步骤：
步骤S401、获取对患者进行内窥镜检查得到的初始图像。
步骤S402、将初始图像转换到RGB颜色空间，并依据像素值确定规则确定图像中各个像素点的像素值，并将像素值大于像素阈值的像素点组成的区域确定为初始反光区域。
具体地，所述获取初始图像包括的初始反光区域，包括：将初始图像转换到RGB颜色空间，并依据像素值确定规则确定所述图像中各个像素点的像素值；将像素值大于像素阈值的像素点组成的区域确定为初始反光区域。
其中，针对各个像素点中的目标像素点，所述依据像素值确定规则确定各个像素点的像素值的实施方式可以包括：获取目标像素点在R通道、G通道以及B通道的通道颜色值；将在R通道、G通道以及B通道的通道颜色值输入像素值确定规则进行计算，所得的计算结果便为目标像素点的像素值。对于各个像素点中的其他像素点可采用与上述相同的方法，得到各自对应的像素值。
在一个实施例中，像素值确定规则可以如以下公式(2)所示，以计算目标像素点的像素值为例，介绍公式(1)所示的像素值算法公式：
cE＝w1·cG+w2·cR+w3·cB (2)
在公式(2)中，cE表示目标像素点的像素值，cG表示目标像素点在G通道的通道颜色值，w1表示G通道对应的权重值；cR表示目标像素点在R通道的通道颜色值，w2表示R通道对应的权重值；cB表示目标像素点在B通道的通道颜色值，w3表示B通道对应的权重值。其中，所述w1、w2以及w3的具体取值与应用场景以及应用领域有关，可以是领域中专业人员根据经验确定的。例如，在对患者进行内窥见检测获取初始图像时，由于在人体的消化道中，内窥镜拍摄到的粘膜表面大部分均为粉红色，因此此时需要设置R通道对应的权重值w2较大。在一个实施例中，应用在对消化道进行内窥镜检测场景中时，可以设置G通道对应的权重为w1＝0.2989，R通道对应的权重为w2＝0.5870，B通道对应的权重为w3＝0.1140。
在一个实施例中，像素阈值可以是预先获取的，获取像素阈值的方法可以是：预先设定在R通道、G通道以及B通道中的通道颜色阈值；将各个通道的通道颜色阈值代替目标像素点在各个通道的颜色中代入到上述公式(2)中进行计算，计算得到的结果即为像素阈值。
步骤S403、对初始反光区域进行像素填充处理，得到中间图像。
步骤S404、对中间图像进行中值滤波处理，得到参考图像。
在一个实施例中，步骤S403中所述对初始反光区域进行像素填充处理主要是通过初始反光区域周围一圈的像素点的像素值对初始反光区域进行填充。具体地，步骤S403可包括：获取所述初始图像中与所述初始反光区域相邻的相邻像素点；获取所述相邻像素点的像素值，并对所述相邻像素点的像素值进行预设运算得到目标像素值；采用所述目标像素值替换所述初始反光区域中各个像素点的像素值，得到中间图像。其中，所述与初始反光区域相邻的相邻像素点可以指与初始反光区域中边缘像素点相邻的相邻像素点；所述预设运算可以包括取平均运算、加权平均运算等等。采用所述目标像素值替换所述初始反光区域中各个像素点的像素值之后，初始反光区域中各个像素点的像素值相同均为目标像素值。
步骤S405、基于初始反光区域和参考区域确定初始反光区域包括的高光子区域。
在一个实施例中，所述高光子区域中包括多个高光像素点，所述基于初始反光区域和参考区域确定初始反光区域包括的高光子区域的实施方式可包括：获取所述初始反光区域中用于确定高光像素点的候选像素点，以及所述候选像素点在在R通道、G通道以及B通道的第一通道强度值；获取所述参考区域中与所述候选像素点相对应的参考像素点，并获取所述参考像素点在R通道、G通道以及B通道的第二通道强度值；基于所述候选像素点的第一通道强度值、所述候选像素点相对应的参考像素点的第二通道强度值和通道强度比算法规则确定所述候选像素点的通道强度比；将通道强度比大于通道强度比阈值的候选像素点确定为高光像素点，并将得到的所述高光像素点组成高光子区域。
其中，所述获取所述初始反光区域中用于确定高光像素点的候选像素点，包括：获取所述初始反光区域中各个像素点在R通道、G通道以及B通道的第一通道强度值；基于所述各个像素点在R通道、G通道以及B通道的第一通道强度值，获取所述各个像素点在R通道、G通道以及B通道的颜色平衡比；基于每个像素点的第一通道强度值、每个像素点的颜色平衡比从所述各个像素点中选择满足初始筛选条件的像素点作为候选像素点。
在一个实施例中，所述初始反光区域中各个像素点在R通道、G通道以及B通道的第一通道强度值可以是分别对各个像素点在R通道、G通道以及B通道的通道颜色值进行归一化后得到的。在通常情况下，各个像素点在R通道的颜色平衡比设置为1，所述各个像素点在G通道和B通道的颜色平衡比可以基于以下公式(3)和公式(4)得到：
Figure BDA0002283332600000111
Figure BDA0002283332600000112
其中，rGE表示任意一个像素点在G通道的颜色平衡比，rBE表示任意一个像素点在B通道的颜色平衡比，P95(CG)/P95(CE)表示任意一个像素点在G通道的第一通道强度值的95％与初始图像的整体通道强度值的95％的比值；同理的，P95(CB)/P95(CE)表示该任意一个像素点在B通道的第一通道强度值的95％与初始图像的整体通道强度值的95％的比值。
在确定了初始反光区域中各个像素点在R通道、G通道以及B通道的第一通道强度值以及颜色平衡比之后，将各个像素点中满足以下初始筛选条件的像素点确定为候选像素点。在一个实施例中，所述初始筛选条件可以如以下公式(5)所示：
Figure BDA0002283332600000121
其中，T1是是常量，是基于多个样本图像进行聚类得到的，在本发明实施例中，可以是基于512*512的内窥镜图像样本进行聚类得到的，T1＝245。
在一个实施例中，上述从初始反光区域中获取候选像素点的步骤可以是在对初始图像进行中值滤波之前，也可以是在对初始图像进行中值滤波之后。本发明实施例中以在对初始图像进行中值滤波之前执行上述从初始反光区域中获取候选像素点的步骤为例进行描述。
在获取到初始反光区域中包括的候选像素点之后，通过步骤S403和步骤S404对初始图像进行中值滤波处理得到目标图像，进一步的，从候选像素点中获取高光像素点，以将各个高光像素点组成高光区域。在一个实施例中，由上述描述之前，从候选像素点中确定高光像素点时，首先获取各个候选像素点在R通道、G通道以及B通道的第一通道强度值，候选像素点是初始反光区域中各个像素点中的一部分，在确定候选像素点时，已经计算得到各个像素点在R通道、G通道以及B通道的第一通道强度值，因此，此处可直接获取到候选像素点在R通道、G通道以及B通道的第一通道强度值。
然后，获取参考区域中与所述候选像素点相对应的参考像素点在R通道、G通道以及B通道的第二通道强度值，可以通过分别对参考像素点在R通道、G通道以及B通道的通道颜色值进行归一化处理，得到参考像素点在各个通道的第二通道强度值。
进一步的，基于候选像素点在RGB空间的各个通道上的第一通道强度值(也即所述候选像素点在R通道、G通道以及B通道的第一通道强度值)、候选像素点相对应的参考像素点在RGB空间的各个通道上的第二通道强度值和通道强度比算法规则确定候选像素点的通道强度比，将通道强度比大于通道强度比阈值的候选像素点确定为高光像素点。具体地，通道强度比算法规则可以如以下公式(6)所示，将候选像素点在各个通道上的第一通道强度值与参考像素点在各个通道上的第二通道代入到公式(6)中，求出公式(6)的最大值，将得到的最大值作为候选像素点的通道强度比。
Figure BDA0002283332600000131
其中，X0表示任意一个候选像素点，X1表示参考图像中与任意一个候选像素点X0对应的参考像素点，max(X0)表示像素点X0的通道强度比，CR(X0)表示候选像素点X0在R通道的第一通道强度值，CG(X0)表示X0在G通道的第一通道强度值，CB(X0)表示X0在B通道的第一通道强度值；CGl(X1)表示X1在G通道的第二通道强度值，CRl(X1)表示X1在R通道的第二通道强度值，CBl(X1)表示X1在B通道的第二通道强度值。
进一步的，由于不同的色彩平衡和对比度会导致不同图像的特性发送较大的变化，从而导致候选像素点的通道强度比计算不准确。为了提高候选像素点的通道强度比的准确性，本发明实施例中基于R通道、G通道以及B通道对应的对比系数，对公式(6)所示的通道强度比算法规则进行改进，得到新的通道强度比算法规则，如公式(7)所示：
Figure BDA0002283332600000132
其中，τR表示通道R对应的对比系数，τG表示通道G对应的对比系数，τB表示通道B对应的对比系数。
在一个实施例中，通道R对应的对比系数可以是根据初始图像在R通道的通道强度均值，以及标准差得到的。其中，所述初始图像在R通道的通道强度均值和标准差是根据初始图像中各个像素点在R通道的第一通道强度值确定的。同理的，通道G对应的对比系数可以是根据初始图像在G通道的通道强度均值，以及标准差得到的；通道B对应的对比系数可以是根据初始图像在B通道的通道强度均值，以及标准差得到的。具体地，可通过下述公式(8)确定各个通道对应的对比系数：
Figure BDA0002283332600000141
其中Cli表示i通道的通道强度均值，s(ci)表示i通道的通道强度的标准差。
步骤S406、对高光子区域进行亮度还原处理得到目标图像。
步骤S407、将目标图像输入到病灶检测模型，以对目标图像进行病灶识别处理，得到初始图像对应的病灶标签。
应当理解的，图4所示实施例中所述初始图像可以是通过电子内窥镜或者胶囊内窥镜对人体消化道进行检测得到的内窥镜图像，由于光学镜头以及光源过于贴近人体消化道的粘膜表面，因此初始图像中会形成镜面反射从而导致初始图像中存在高光区域。如果直接将初始图像应用在基于深度学习的医疗影像视觉分析算法中，比如病灶检测模型，初始图像中的高光区域会对算法造成干扰，在检测过程中容易造成假阳性。因此，需要通过步骤S401-步骤S406实现了对初始图像进行去高光处理得到目标图像后，再将目标图像输入到基于深度学习的医疗影像视觉分析算法中。
本发明实施例中，以病灶检测模型为例，所述病灶检测模型可以是用于病灶识别的模型，或者所述病灶检测模型可以是用于病灶识别和病灶定位的模型。在一个实施例中，所述病灶检测模型是通过样本图像和所述样本图像对应的标签进行训练得到的，具体训练过程在本发明实施例中不再赘述。
可选的，如果所述病灶检测模型是用于病灶识别的模型，则调用所述病灶检测模型对所述目标图像进行病灶识别处理，可以得到所述初始图像对应的病灶标签；如果所述病灶检测模型是用于病灶识别和病灶定位的模型，则调用所述病灶检测模型对所述目标图像进行病灶识别和病灶定位处理，得到所述初始图像对应的病灶标签以及病灶位置。应当理解的，由于本申请得到的目标图像中不包括高光区域，可以提高病灶检测模型进行病灶检测的准确性。
本发明实施例中，获取对患者进行内窥镜检查得到的初始图像；将初始图像转换到RGB颜色空间，并依据像素值确定规则确定图像中各个像素点的像素值，并将像素值大于像素阈值的像素点组成的区域确定为初始反光区域。进一步的，对初始反光区域进行像素填充得到中间图像，再对中间图像进行中值滤波处理得到参考图像，这样一来，可以初步对初始反光区域进行亮度平滑，可以提高后续亮度还原处理的准确性。获取参考图像中与初始反光区域匹配的参考区域，基于参考区域和初始反光区域确定初始反光区域中包括的高光子区域，最后对高光区域进行亮度还原处理，得到目标图像。在上述图像处理过程中，只对存在高光的高光子区域进行亮度还原处理，不对初始图像的非高光区域进行处理，这样一来，可以较快速的完成对初始图像的去高光处理，并且保证初始图像中的非高光区域不受影响。
基于上述图像处理方法，本发明实施例还提供了一种图像处理装置，参考图5，为本发明实施例提供的图像处理装置的结构示意图，该图像处理装置可运行如下单元：
获取单元501，用于获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；
处理单元502，用于对所述初始图像进行滤波处理，得到参考图像；
所述获取单元501，还用于获取所述参考图像中与所述初始反光区域匹配的参考区域；
所述处理单元502，用于基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；
所述处理单元502，还用于对所述高光子区域进行亮度还原处理，得到目标图像。
在一个实施例中，所述获取单元501在获取所述初始图像包括的初始反光区域，执行如下操作：将所述初始图像转换到RGB颜色空间，并依据像素值确定规则确定所述初始图像中各个像素点的像素值；将像素值大于像素阈值的像素点组成的区域确定为所述初始反光区域。
在一个实施例中，所述处理单元502在对所述初始图像进行滤波处理，得到参考图像时，执行如下操作：对所述初始反光区域进行像素填充处理，得到中间图像；对所述中间图像进行中值滤波处理，得到参考图像。
在一个实施例中，所述处理单元502在对所述初始反光区域进行像素填充处理，得到中间图像时，执行如下操作：获取所述初始图像中与所述初始反光区域相邻的相邻像素点；获取所述相邻像素点的像素值，并对所述相邻像素点的像素值进行预设运算得到目标像素值；采用所述目标像素值替换所述初始反光区域中各个像素的像素值，得到中间图像。
在一个实施例中，所述高光子区域由多个高光像素点组成，所述处理单元502在所述基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域时，执行如下操作：获取所述初始反光区域中用于确定高光像素点的候选像素点，以及所述候选像素点在R通道、G通道以及B通道的第一通道强度值；获取所述参考区域中与所述候选像素点相对应的参考像素点，并获取所述参考像素点在R通道、G通道以及B通道的第二通道强度值；基于所述候选像素点在R通道、G通道以及B通道的第一通道强度值、所述候选像素点相对应的参考像素点在R通道、G通道以及B通道的第二通道强度值和通道强度比算法规则确定所述候选像素点的通道强度比；将通道强度比大于通道强度比阈值的候选像素点确定为高光像素点，并将得到的所述高光像素点组成高光子区域。
在一个实施例中，所述获取单元501在所述获取所述初始反光区域中用于确定高光像素点的候选像素点时，执行如下操作：获取所述初始反光区域中各个像素点在R通道、G通道以及B通道的第一通道强度值；基于所述各个像素点在R通道、G通道以及B通道的第一通道强度值，获取所述各个像素点在R通道、G通道以及B通道的颜色平衡比；基于每个像素点的第一通道强度值、每个像素点的颜色平衡比从所述各个像素点中选择满足初始筛选条件的像素点作为候选像素点。
在一个实施例中，所述处理单元502在对所述高光子区域进行亮度还原处理得到目标图像时，执行如下操作：基于所述高光子区域中每个高光像素点的像素值、所述参考区域中与每个高光像素点对应的对应像素点的像素值以及还原强度比算法规则，获取每个高光像素点对应的还原强度比；基于所述每个像素点对应的还原强度比对所述每个高光像素点进行亮度还原处理得到目标图像。
在一个实施例中，所述初始图像为医疗图像，所述处理单元502还用于：将所述目标图像输入到病灶检测模型，以对所述目标图像进行病灶识别处理，得到所述处理图像对应的病灶标签。
根据本发明的一个实施例，图2和图4所示的图像处理方法中各个步骤可以由图5所示的图像处理装置中的各个单元来执行。例如，图2中所示的步骤S201可由图5所示的图像处理装置中的获取单元501来执行，步骤S202-步骤S204可由图5所示的图像处理装置的处理单元502来执行；再如，图4所示的步骤S401可由图5所示的图像处理装置中的获取单元501来执行，步骤S402-步骤S407可由图5所示的图像处理装置中的处理单元502来执行。
根据本发明的一个实施例，图5所示的图像处理装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本发明的其它实施例中，基于图像处理装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。
根据本发明的一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2以及图4中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图5中所示的图像处理装置设备，以及来实现本发明实施例的图像处理方法。所述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。
本发明实施例中，通过对初始图像进行滤波处理得到初始图像对应的参考图像，进一步的，基于参考图像中与初始反光区域中对应的参考区域和初始反光区域，获取初始反光区域中的高光子区域；然后对获取到的高光子区域进行亮度还原处理得到目标图像。可见，在上述图像处理过程中，只对存在高光的高光子区域进行亮度还原处理，不对初始图像的非高光区域进行处理，这样一来，可以较快速的完成对初始图像的去高光处理，并且保证初始图像中的非高光区域不受影响。
基于上述方法的实施例以及装置的实施例，本发明实施例还提供了一种图像处理设备，参考图6，为本发明实施例提供的一种图像处理设备的结构示意图。图6所示的图像处理设备可包括处理器601和计算机存储介质602。
计算机存储介质602可以存储在图像处理设备的存储器中，所述计算机存储介质602用于存储计算机程序，所述计算机程序包括程序指令，所述处理器601用于执行所述计算机存储介质602存储的程序指令。处理器601或称CPU(Central Processing Unit，中央处理器)是图像处理设备的计算核心以及控制核心，其适于实现一条或多条指令，具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能；在一个实施例中，处理器601可以用于执行：获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；对所述初始图像进行滤波处理，得到参考图像；获取所述参考图像中与所述初始反光区域匹配的参考区域，并基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；对所述高光子区域进行亮度还原处理，得到目标图像。
本发明实施例还提供了一种计算机存储介质(Memory)，所述计算机存储介质是电子设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括电子设备中的内置存储介质，当然也可以包括电子设备所支持的扩展存储介质。计算机存储介质提供存储空间，在该存储空间中存放了适于被处理器601加载并执行的一条或多条指令，这些指令可以是一个或多个计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在一个实施例中，处理器601加载并执行一条或多条指令时，用于执行：获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；对所述初始图像进行滤波处理，得到参考图像；获取所述参考图像中与所述初始反光区域匹配的参考区域，并基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；对所述高光子区域进行亮度还原处理，得到目标图像。
在一个实施例中，所述处理器601在获取所述初始图像包括的初始反光区域，执行如下操作：将所述初始图像转换到RGB颜色空间，并依据像素值确定规则确定所述初始图像中各个像素点的像素值；将像素值大于像素阈值的像素点组成的区域确定为所述初始反光区域。
在一个实施例中，所述处理器601在对所述初始图像进行滤波处理，得到参考图像时，执行如下操作：对所述初始反光区域进行像素填充处理，得到中间图像；对所述中间图像进行中值滤波处理，得到参考图像。
在一个实施例中，所述处理器601在对所述初始反光区域进行像素填充处理，得到中间图像时，执行如下操作：获取所述初始图像中与所述初始反光区域相邻的相邻像素点；获取所述相邻像素点的像素值，并对所述相邻像素点的像素值进行预设运算得到目标像素值；采用所述目标像素值替换所述初始反光区域中各个像素的像素值，得到中间图像。
在一个实施例中，所述高光子区域由多个高光像素点组成，所述处理器601在所述基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域时，执行如下操作：获取所述初始反光区域中用于确定高光像素点的候选像素点，以及所述候选像素点在R通道、G通道以及B通道的第一通道强度值；获取所述参考区域中与所述候选像素点相对应的参考像素点，并获取所述参考像素点在R通道、G通道以及B通道的第二通道强度值；基于所述候选像素点在R通道、G通道以及B通道的第一通道强度值、所述候选像素点相对应的参考像素点在R通道、G通道以及B通道的第二通道强度值和通道强度比算法规则确定所述候选像素点的通道强度比；将通道强度比大于通道强度比阈值的候选像素点确定为高光像素点，并将得到的所述高光像素点组成高光子区域。
在一个实施例中，所述处理器601在所述获取所述初始反光区域中用于确定高光像素点的候选像素点时，执行如下操作：获取所述初始反光区域中各个像素点在R通道、G通道以及B通道的第一通道强度值；基于所述各个像素点在R通道、G通道以及B通道的第一通道强度值，获取所述各个像素点在R通道、G通道以及B通道的颜色平衡比；基于每个像素点的第一通道强度值、每个像素点的颜色平衡比从所述各个像素点中选择满足初始筛选条件的像素点作为候选像素点。
在一个实施例中，所述处理器601在对所述高光子区域进行亮度还原处理得到目标图像时，执行如下操作：基于所述高光子区域中每个高光像素点的像素值、所述参考区域中与每个高光像素点对应的对应像素点的像素值以及还原强度比算法规则，获取每个高光像素点对应的还原强度比；基于所述每个像素点对应的还原强度比对所述每个高光像素点进行亮度还原处理得到目标图像。
在一个实施例中，所述初始图像为医疗图像，所述处理器601还用于：将所述目标图像输入到病灶检测模型，以对所述目标图像进行病灶识别处理，得到所述处理图像对应的病灶标签。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明部分实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种图像处理方法，其特征在于，包括：
获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；
对所述初始图像进行滤波处理，得到参考图像；
获取所述参考图像中与所述初始反光区域匹配的参考区域，并基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；
对所述高光子区域进行亮度还原处理，得到目标图像。
2.如权利要求1所述的方法，其特征在于，所述获取所述初始图像包括的初始反光区域，包括：
将所述初始图像转换到RGB颜色空间，并依据像素值确定规则确定所述初始图像中各个像素点的像素值；
将像素值大于像素阈值的像素点组成的区域确定为所述初始反光区域。
3.如权利要求1所述的方法，其特征在于，所述对所述初始图像进行滤波处理，得到参考图像，包括：
对所述初始反光区域进行像素填充处理，得到中间图像；
对所述中间图像进行中值滤波处理，得到参考图像。
4.如权利要求3所述的方法，其特征在于，所述对所述初始反光区域进行像素填充处理，得到中间图像，包括：
获取所述初始图像中与所述初始反光区域相邻的相邻像素点；
获取所述相邻像素点的像素值，并对所述相邻像素点的像素值进行预设运算得到目标像素值；
采用所述目标像素值替换所述初始反光区域中各个像素的像素值，得到中间图像。
5.如权利要求1所述的方法，其特征在于，所述高光子区域由多个高光像素点组成，所述基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域，包括：
获取所述初始反光区域中用于确定高光像素点的候选像素点，以及所述候选像素点在R通道、G通道以及B通道的第一通道强度值；
获取所述参考区域中与所述候选像素点相对应的参考像素点，并获取所述参考像素点在R通道、G通道以及B通道的第二通道强度值；
基于所述候选像素点在R通道、G通道以及B通道的第一通道强度值、所述候选像素点相对应的参考像素点在R通道、G通道以及B通道的第二通道强度值和通道强度比算法规则确定所述候选像素点的通道强度比；
将通道强度比大于通道强度比阈值的候选像素点确定为高光像素点，并将得到的所述高光像素点组成高光子区域。
6.如权利要求5所述的方法，其特征在于，所述获取所述初始反光区域中用于确定高光像素点的候选像素点，包括：
获取所述初始反光区域中各个像素点在R通道、G通道以及B通道的第一通道强度值；
基于所述各个像素点在R通道、G通道以及B通道的第一通道强度值，获取所述各个像素点在R通道、G通道以及B通道的颜色平衡比；
基于每个像素点的第一通道强度值、每个像素点的颜色平衡比从所述各个像素点中选择满足初始筛选条件的像素点作为候选像素点。
7.如权利要求1-6任一项所述的方法，其特征在于，所述对所述高光子区域进行亮度还原处理得到目标图像，包括：
基于所述高光子区域中每个高光像素点的像素值、所述参考区域中与每个高光像素点对应的对应像素点的像素值以及还原强度比算法规则，获取每个高光像素点对应的还原强度比；
基于所述每个像素点对应的还原强度比对所述每个高光像素点进行亮度还原处理得到目标图像。
8.如权利要求1所述的方法，其特征在于，所述初始图像为医疗图像，所述对所述高光子区域进行亮度还原处理得到目标图像后，所述方法还包括：
将所述目标图像输入到病灶检测模型，以对所述目标图像进行病灶识别处理，得到所述初始图像对应的病灶标签。
9.一种图像处理装置，其特征在于，包括：
获取单元，用于获取初始图像，并获取所述初始图像包括的初始反光区域，所述初始反光区域是根据所述初始图像中各个像素点的像素值确定的；
处理单元，用于对所述初始图像进行滤波处理，得到参考图像；
所述获取单元，还用于获取所述参考图像中与所述初始反光区域对应的参考区域，并基于所述初始反光区域和所述参考区域确定所述初始反光区域包括的高光子区域；
所述处理单元，还用于对所述高光子区域进行亮度还原处理得到目标图像。
10.一种图像处理设备，其特征在于，包括：处理器，适于实现一条或多条指令；以及，计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如权利要求1-8任一项所述的图像处理方法。
CN201911152542.XA 2019-11-21 2019-11-21 图像处理方法、装置、图像处理设备及存储介质 Active CN110855889B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911152542.XA CN110855889B (zh) 2019-11-21 2019-11-21 图像处理方法、装置、图像处理设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911152542.XA CN110855889B (zh) 2019-11-21 2019-11-21 图像处理方法、装置、图像处理设备及存储介质

Publications (2)

Publication Number Publication Date
CN110855889A true CN110855889A (zh) 2020-02-28
CN110855889B CN110855889B (zh) 2021-04-13

Family

ID=69603534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911152542.XA Active CN110855889B (zh) 2019-11-21 2019-11-21 图像处理方法、装置、图像处理设备及存储介质

Country Status (1)

Country Link
CN (1) CN110855889B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111464745A (zh) * 2020-04-14 2020-07-28 维沃移动通信有限公司 一种图像处理方法及电子设备
CN111513660A (zh) * 2020-04-28 2020-08-11 深圳开立生物医疗科技股份有限公司 一种应用于内窥镜的图像处理方法、装置及相关设备
CN111970447A (zh) * 2020-08-25 2020-11-20 云谷（固安）科技有限公司 显示装置和移动终端
CN112437216A (zh) * 2020-11-13 2021-03-02 珠海大横琴科技发展有限公司 一种图像优化方法和装置
CN113012131A (zh) * 2021-03-19 2021-06-22 重庆金山医疗器械有限公司 一种内镜图像处理方法、装置、设备和介质
CN113660428A (zh) * 2020-04-30 2021-11-16 北京小米移动软件有限公司 图像获取方法、装置和电子设备
CN115861520A (zh) * 2023-02-02 2023-03-28 深圳思谋信息科技有限公司 高光检测方法、装置、计算机设备和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236947A (zh) * 2010-04-29 2011-11-09 中国建筑科学研究院 基于视频摄像机的火焰监测方法与系统
US8311326B2 (en) * 2008-07-31 2012-11-13 Riso Kagaku Corporation Image processing using background estimation and removal
US20140347528A1 (en) * 2012-01-24 2014-11-27 Sony Corporation Image processing apparatus and image processing method, and program
CN104463195A (zh) * 2014-11-08 2015-03-25 沈阳工业大学 基于模板匹配的印刷体数字识别方法
CN105184748A (zh) * 2015-09-17 2015-12-23 电子科技大学 图像比特深度增强方法
CN105957042A (zh) * 2016-06-07 2016-09-21 北京理工大学 内镜图像的高光区域消除方法
CN107369145A (zh) * 2017-06-16 2017-11-21 广东欧珀移动通信有限公司 图像处理方法、装置及终端设备
CN109618098A (zh) * 2019-01-04 2019-04-12 Oppo广东移动通信有限公司 一种人像面部调整方法、装置、存储介质及终端

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8311326B2 (en) * 2008-07-31 2012-11-13 Riso Kagaku Corporation Image processing using background estimation and removal
CN102236947A (zh) * 2010-04-29 2011-11-09 中国建筑科学研究院 基于视频摄像机的火焰监测方法与系统
US20140347528A1 (en) * 2012-01-24 2014-11-27 Sony Corporation Image processing apparatus and image processing method, and program
CN104463195A (zh) * 2014-11-08 2015-03-25 沈阳工业大学 基于模板匹配的印刷体数字识别方法
CN105184748A (zh) * 2015-09-17 2015-12-23 电子科技大学 图像比特深度增强方法
CN105957042A (zh) * 2016-06-07 2016-09-21 北京理工大学 内镜图像的高光区域消除方法
CN107369145A (zh) * 2017-06-16 2017-11-21 广东欧珀移动通信有限公司 图像处理方法、装置及终端设备
CN109618098A (zh) * 2019-01-04 2019-04-12 Oppo广东移动通信有限公司 一种人像面部调整方法、装置、存储介质及终端

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111464745A (zh) * 2020-04-14 2020-07-28 维沃移动通信有限公司 一种图像处理方法及电子设备
CN111464745B (zh) * 2020-04-14 2022-08-19 维沃移动通信有限公司 一种图像处理方法及电子设备
CN111513660A (zh) * 2020-04-28 2020-08-11 深圳开立生物医疗科技股份有限公司 一种应用于内窥镜的图像处理方法、装置及相关设备
CN111513660B (zh) * 2020-04-28 2024-05-17 深圳开立生物医疗科技股份有限公司 一种应用于内窥镜的图像处理方法、装置及相关设备
CN113660428A (zh) * 2020-04-30 2021-11-16 北京小米移动软件有限公司 图像获取方法、装置和电子设备
CN111970447A (zh) * 2020-08-25 2020-11-20 云谷（固安）科技有限公司 显示装置和移动终端
CN111970447B (zh) * 2020-08-25 2021-12-21 云谷（固安）科技有限公司 显示装置和移动终端
CN112437216A (zh) * 2020-11-13 2021-03-02 珠海大横琴科技发展有限公司 一种图像优化方法和装置
CN113012131A (zh) * 2021-03-19 2021-06-22 重庆金山医疗器械有限公司 一种内镜图像处理方法、装置、设备和介质
CN115861520A (zh) * 2023-02-02 2023-03-28 深圳思谋信息科技有限公司 高光检测方法、装置、计算机设备和存储介质
CN115861520B (zh) * 2023-02-02 2023-04-28 深圳思谋信息科技有限公司 高光检测方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN110855889B (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
CN110855889B (zh) 图像处理方法、装置、图像处理设备及存储介质
EP3757890A1 (en) Method and device for image processing, method and device for training object detection model
KR102237441B1 (ko) 뉴럴 네트워크를 이용하여 캡슐 내시경 영상으로부터 병변 판독 방법 및 장치
CN112639865B (zh) 图像处理系统、学习完毕模型和图像处理方法
CN115442515A (zh) 图像处理方法和设备
WO2017030747A1 (en) Reconstruction with object detection for images captured from a capsule camera
KR101631012B1 (ko) 화상 처리 장치 및 화상 처리 방법
KR100922653B1 (ko) 눈동자색 보정 장치 및 기록 매체
CN107529963B (zh) 图像处理装置、图像处理方法和存储介质
CN108615045B (zh) 筛选胶囊内镜拍摄的图像的方法、装置及设备
CN108601509B (zh) 图像处理装置、图像处理方法以及记录有程序的介质
CN111784686A (zh) 一种内窥镜出血区域的动态智能检测方法、系统及可读存储介质
CN112884666B (zh) 图像处理方法、装置及计算机存储介质
CN112102926A (zh) 一种图像处理方法、装置、设备和存储介质
KR102344041B1 (ko) 병변 진단 시스템 및 방법
CN109068060A (zh) 图像处理方法和装置、终端设备、计算机可读存储介质
JPWO2021140602A5 (ja) 画像処理システム及びプログラム
CN112288697B (zh) 用于量化异常程度的方法、装置、电子设备及可读存储介质
CN107529962B (zh) 图像处理装置、图像处理方法和记录介质
CN112883762A (zh) 一种活体检测方法、装置、系统及存储介质
M Corcoran et al. Advances in the detection & repair of flash-eye defects in digital images-a review of recent patents
Gadermayr et al. Fully automated decision support systems for celiac disease diagnosis
Corcoran et al. Detection and repair of flash-eye in handheld devices
Nam et al. Flash shadow detection and removal in stereo photography
JP6503733B2 (ja) 診断支援装置並びに当該診断支援装置における画像処理方法及びそのプログラム

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