CN111429373A - 一种图像增强处理方法及系统 - Google Patents
一种图像增强处理方法及系统 Download PDFInfo
- Publication number
- CN111429373A CN111429373A CN202010214223.3A CN202010214223A CN111429373A CN 111429373 A CN111429373 A CN 111429373A CN 202010214223 A CN202010214223 A CN 202010214223A CN 111429373 A CN111429373 A CN 111429373A
- Authority
- CN
- China
- Prior art keywords
- image
- local
- calculated
- enhancement
- gray level
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000002708 enhancing effect Effects 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 238000001727 in vivo Methods 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Endoscopes (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像增强处理方法及系统，通过本发明所提供的方法，可以对图像进行整体加强，然后进行局部的平均值以及方法计算，对局部像素进行加强，得到处理后的图像，从而可以通过精密的图像处理来更加精确的还原患者的体内图像，以达到最小的误差，从而提升图像的输出效。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像增强处理方法及系统。
背景技术
随着医疗水平的提高，医疗界对一些医疗设备的需求越来越大，医生必须通过更高效并且深入的医疗检验及检查设备，才能更好的确定病人的实际病情，进而做出最合理的治疗。
内窥镜就是为了医生可以更准确的观察病人胃里的溃疡或肿瘤而设计的，同时将胃里的影像传输出来以供医生进行判断。因为要经病人的口腔进入体内，因此对内窥镜的体积以及影像的准确性就非常的重要。
由于体内的环境不稳定，因此图像处理的算法就相当的重要。
但是，当前的图像处理方法的复杂度较高，并且还原度也较低。
发明内容
本发明提供了一种图像增强处理方法及系统，用以解决现有技术中内窥镜中图像处理方法的复杂度较高，并且还原度也较低的问题。
其具体的技术方案如下：
一种图像增强处理方法，所述方法包括：
在获取到人体体内图像时，对所述图像进行图像转化，得到所述图像对应的灰度图像；
对得到的所述灰度图像进行图像整体线性加强，得到整体加强图像；
计算所述整体加强图像的局部平均值；
根据计算得到的所述局部平均值，计算所述整体加强图像的局部方差；
根据计算得到的局部方差，对局部像素进行增强，得到处理后的图像。
可选的，对得到的所述灰度图像进行整体线性加强，包括：
将所述灰度图像中的每个像素点输入到指定计算式中；
根据所述指定计算式，得到输出的像素值。
可选的，计算所述整体加强图像的局部平均值，具体为：
通过如下公式计算局部平均值：
其中，i和j表示像素位于第i行和第j列。
可选的，计算所述整体加强图像的局部方差，具体为：
通过如下公式计算局部方差：
其中，表征局部方差。
一种图像增强处理系统，所述系统包括：
转化模块，用于在获取到人体体内图像时，对所述图像进行图像转化，得到所述图像对应的灰度图像；
图像加强模块，用于对得到的所述灰度图像进行图像整体线性加强，得到整体加强图像；
计算模块，用于计算所述整体加强图像的局部平均值；根据计算得到的所述局部平均值，计算所述整体加强图像的局部方差；
处理模块，用于根据计算得到的局部方差，对局部像素进行增强，得到处理后的图像。
可选的，所述图像加强模块，具体用于将所述灰度图像中的每个像素点输入到指定计算式中；根据所述指定计算式，得到输出的像素值。
通过本发明所提供的方法，可以对图像进行整体加强，然后进行局部的平均值以及方法计算，对局部像素进行加强，得到处理后的图像，从而可以通过精密的图像处理来更加精确的还原患者的体内图像，以达到最小的误差，从而提升图像的输出效。
附图说明
图1为本发明实施例中一种图像增强处理方法的流程图；
图2为本发明实施例中一种图像增强处理系统的结构示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解，本发明实施例以及实施例中的具体技术特征只是对本发明技术方案的说明，而不是限定，在不冲突的情况下，本发明实施例以及实施例中的具体技术特征可以相互组合。
如图1所示为本发明实施例中一种图像增强处理方法的流程图，该方法包括：
S1，在获取到人体体内图像时，对所述图像进行图像转化，得到所述图像对应的灰度图像；
S2，对得到的所述灰度图像进行图像整体线性加强，得到整体加强图像；
S3，计算所述整体加强图像的局部平均值；
S4，根据计算得到的所述局部平均值，计算所述整体加强图像的局部方差；
S5，根据计算得到的局部方差，对局部像素进行增强，得到处理后的图像。
首先来讲，该的方法应用到一系统中，该系统可以的是内窥镜系统，该系统包括五部分：
1、负责采集图像的摄像头部分；
2、负责进行图像处理的中央处理部分；
3、负责处理按键进行人机交互的按键部分
4、负责换送气的电机控制部分；
5、负责结果展示的显示部分。
基于上述的内窥镜系统，系统首先是采集实时图像，将图像转化为灰度图像，然后对图像进行整体线性加强，计算局部平均值，计算局部方差，进行布局像素增强，得到处理后的图像。
具体来讲，下面对图像增强进行详细的说明：
为了增强图像局部信息点的清晰度，我们会对图像的局部进行图像加强，来强调某些我们更感兴趣的部分，来加强图像判断和识别的效果。
本算法采取的是整体加强和局部加强结合的方式实现最终的图像增加。
1)整体图像加强：
主要是通过调整图像的亮度和对比度来达到整体图像增强的目的。
本算法通过点操作的方式进行图像处理变换，即根据输入的像素值乘上一个常数(对应对比度的调节)以及加上一个常数(对应亮度值的调节)，最终得到输出像素值。
g(x)＝a*f(x)+b
其中：
参数f(x)表示源图像像素；
参数g(x)表示输出图像像素；
参数a为增益，被用来控制图像的对比度；
参数b为偏置，被用来控制图像的亮度；
更近一步，应该这样改写这个式子：
g(i,j)＝a*f(i,j)+b
其中，i和j表示像素位于第i行和第j列。
为了执行g(i,j)＝a*f(i,j)+b这个运算，需要访问图像的每一个像素，因为是对GBR图像进行运算，每个像素有(R、G、B)，所以，我们通过以下方式对像素的(R、G、B)进行
分别访问：
image.at<Vec3b>(y,x)[c]
其中，y是像素所在的行，x是像素所在的列，c是R、G、B(对应0、1、2)其中之一。
2)局部图像加强：
本算法采用的局部增强方法是自适应对比度增强。
在算法中，对于具体的像素，通过计算以该像素为中心的局部区域的像素平均值来实现像素增强。本算法中采用的是(2n+1)*(2n+1)的区域，局部的平均值可以用下面的公式计算：
局部方差为：
最好计算增强后的像素值f(i，j)：
f(i，j)＝mx(i，j)+2[x(i，j)-mx(i，j)]
通过本发明所提供的方法，可以对图像进行整体加强，然后进行局部的平均值以及方法计算，对局部像素进行加强，得到处理后的图像，从而可以通过精密的图像处理来更加精确的还原患者的体内图像，以达到最小的误差，从而提升图像的输出效。
对应本发明所提供的方法，本发明实施例中还提供了一种图像处理系统，如图2所示为本发明实施例中一种图像增强处理系统的结构示意图，该系统包括：
转化模块201，用于在获取到人体体内图像时，对所述图像进行图像转化，得到所述图像对应的灰度图像；
图像加强模块202，用于对得到的所述灰度图像进行图像整体线性加强，得到整体加强图像；
计算模块203，用于计算所述整体加强图像的局部平均值；根据计算得到的所述局部平均值，计算所述整体加强图像的局部方差；
处理模块204，用于根据计算得到的局部方差，对局部像素进行增强，得到处理后的图像。
进一步，在本发明实施例中，所述图像加强模块202，具体用于将所述灰度图像中的每个像素点输入到指定计算式中；根据所述指定计算式，得到输出的像素值。
尽管已描述了本申请的优选实施例，但本领域内的普通技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改，包括采用特定符号、标记确定顶点等变更方式。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (6)
1.一种图像增强处理方法，其特征在于，所述方法包括：
在获取到人体体内图像时，对所述图像进行图像转化，得到所述图像对应的灰度图像；
对得到的所述灰度图像进行图像整体线性加强，得到整体加强图像；
计算所述整体加强图像的局部平均值；
根据计算得到的所述局部平均值，计算所述整体加强图像的局部方差；
根据计算得到的局部方差，对局部像素进行增强，得到处理后的图像。
2.如权利要求1所述的方法，其特征在于，对得到的所述灰度图像进行整体线性加强，包括：
将所述灰度图像中的每个像素点输入到指定计算式中；
根据所述指定计算式，得到输出的像素值。
3.如权利要求1所述的方法，其特征在于，计算所述整体加强图像的局部平均值，具体为：
通过如下公式计算局部平均值：
其中，i和j表示像素位于第i行和第j列。
4.如权利要求1所述的方法，其特征在于，计算所述整体加强图像的局部方差，具体为：
通过如下公式计算局部方差：
其中，
表征局部方差。
5.一种图像增强处理系统，其特征在于，所述系统包括：
转化模块，用于在获取到人体体内图像时，对所述图像进行图像转化，得到所述图像对应的灰度图像；
图像加强模块，用于对得到的所述灰度图像进行图像整体线性加强，得到整体加强图像；
计算模块，用于计算所述整体加强图像的局部平均值；根据计算得到的所述局部平均值，计算所述整体加强图像的局部方差；
处理模块，用于根据计算得到的局部方差，对局部像素进行增强，得到处理后的图像。
6.如权利要求5所述的系统，其特征在于，所述图像加强模块，具体用于将所述灰度图像中的每个像素点输入到指定计算式中；根据所述指定计算式，得到输出的像素值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010214223.3A CN111429373A (zh) | 2020-03-24 | 2020-03-24 | 一种图像增强处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010214223.3A CN111429373A (zh) | 2020-03-24 | 2020-03-24 | 一种图像增强处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111429373A true CN111429373A (zh) | 2020-07-17 |
Family
ID=71549130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010214223.3A Pending CN111429373A (zh) | 2020-03-24 | 2020-03-24 | 一种图像增强处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111429373A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112857252A (zh) * | 2021-01-12 | 2021-05-28 | 深圳市地铁集团有限公司 | 一种基于反射率强度的隧道影像边界线检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722871A (zh) * | 2012-05-24 | 2012-10-10 | 中山大学 | 一种快速有效的图像增强方法 |
| CN106341576A (zh) * | 2016-08-25 | 2017-01-18 | 深圳市华星光电技术有限公司 | 图像处理方法 |
| CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
| CN110189266A (zh) * | 2019-05-09 | 2019-08-30 | 湖北工业大学 | 一种自适应的快速图像增强方法 |
-
2020
- 2020-03-24 CN CN202010214223.3A patent/CN111429373A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722871A (zh) * | 2012-05-24 | 2012-10-10 | 中山大学 | 一种快速有效的图像增强方法 |
| CN106341576A (zh) * | 2016-08-25 | 2017-01-18 | 深圳市华星光电技术有限公司 | 图像处理方法 |
| CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
| CN110189266A (zh) * | 2019-05-09 | 2019-08-30 | 湖北工业大学 | 一种自适应的快速图像增强方法 |
Non-Patent Citations (6)
| Title |
|---|
| 余章明 等: "数字图像增强中灰度变换方法研究", 《电子质量》 * |
| 余章明 等: "数字图像增强中灰度变换方法研究", 《电子质量》, no. 6, 31 December 2009 (2009-12-31), pages 18 - 20 * |
| 刘国华: "《HALCON编程及工程应用》", 西安：西安电子科技大学出版社, pages: 104 - 107 * |
| 朱其刚 等: "基于自适应邻域灰度直方图均衡的超声内窥镜图像增强", 《山东科技大学学报( 自然科学版)》, vol. 23, no. 3, 30 September 2004 (2004-09-30), pages 120 - 123 * |
| 詹翔 等: "一种基于局部方差的雾天图像增强方法", 《计算机应用》 * |
| 詹翔 等: "一种基于局部方差的雾天图像增强方法", 《计算机应用》, vol. 27, no. 02, 28 February 2007 (2007-02-28), pages 510 - 512 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112857252A (zh) * | 2021-01-12 | 2021-05-28 | 深圳市地铁集团有限公司 | 一种基于反射率强度的隧道影像边界线检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111932550B (zh) | 一种基于深度学习的3d心室核磁共振视频分割系统 | |
| WO2008024992A2 (en) | Medical image enhancement system | |
| JP2022517769A (ja) | 三次元ターゲット検出及びモデルの訓練方法、装置、機器、記憶媒体及びコンピュータプログラム | |
| CN108171738A (zh) | 基于脑功能模板的多模态医学图像配准方法 | |
| KR102461343B1 (ko) | 금속 인공 음영이 포함된 의료영상에서 치아 랜드마크 자동 검출 방법 및 시스템 | |
| CN112446880B (zh) | 图像处理方法、电子设备及可读存储介质 | |
| CN112785632B (zh) | 基于epid的图像引导放疗中dr和drr影像跨模态自动配准方法 | |
| Zhou et al. | Emdq-slam: Real-time high-resolution reconstruction of soft tissue surface from stereo laparoscopy videos | |
| CN111292307A (zh) | 一种消化系统胆囊结石识别方法及定位方法 | |
| CN111062936B (zh) | 用于面部变形诊疗效果的量化指标评估方法 | |
| CN116258933A (zh) | 基于全局信息感知的医学图像分割装置 | |
| CN111429373A (zh) | 一种图像增强处理方法及系统 | |
| Wei et al. | Deep morphological simplification network (MS-Net) for guided registration of brain magnetic resonance images | |
| CN111918610A (zh) | 胸部x线图像的灰度变换方法、灰度变换程序、灰度变换装置、服务器装置以及变换方法 | |
| CN109785325A (zh) | 一种基于深度学习的多模态医学影像的方法 | |
| CN109903264B (zh) | 数字人图像与ct图像的配准方法及系统 | |
| CN116485853A (zh) | 一种基于深度学习神经网络的医学图像配准方法和装置 | |
| CN116309754A (zh) | 一种基于局部-全局信息协作的大脑医学图像配准方法及系统 | |
| CN110211080A (zh) | 一种解剖与功能医学图像融合方法 | |
| CN115409828A (zh) | 一种使用计算机对冠状动脉狭窄诊断定位方法 | |
| CN113327274B (zh) | 集成分割功能的肺ct图像配准方法及系统 | |
| CN114359309A (zh) | 基于标定点检测和形状灰度模型匹配的医学图像分割方法 | |
| KR100825960B1 (ko) | 두부계측 방사선사진 상에 계측점을 지정하는 방법 | |
| CN111340739A (zh) | 一种图像处理方法及系统 | |
| CN117197166B (zh) | 基于边缘和邻域信息的息肉图像分割方法及成像方法 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Sun Siyu Inventor after: Wang Nanbing Inventor after: He Jinxiong Inventor after: Zhao Yunyong Inventor after: Tao Fei Inventor after: Jin Xiwei Inventor before: Wang Nanbing Inventor before: He Jinxiong Inventor before: Zhao Yunyong Inventor before: Tao Fei Inventor before: Jin Xiwei |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200717 |