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 PDF

Info

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
Application number
CN202010214223.3A
Other languages
English (en)
Inventor
王南冰
何锦雄
赵运勇
陶飞
金熙伟
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.)
Zhuhai Kaden Medical Imaging Technology Co ltd
Original Assignee
Zhuhai Kaden Medical Imaging 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 Zhuhai Kaden Medical Imaging Technology Co ltd filed Critical Zhuhai Kaden Medical Imaging Technology Co ltd
Priority to CN202010214223.3A priority Critical patent/CN111429373A/zh
Publication of CN111429373A publication Critical patent/CN111429373A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—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

一种图像增强处理方法及系统
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：
Figure BDA0002423856100000021
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：
Figure BDA0002423856100000022
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：
Figure BDA0002423856100000051
局部方差为：
Figure BDA0002423856100000052
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：
Figure FDA0002423856090000011
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：
Figure FDA0002423856090000012
其中，
Figure FDA0002423856090000013
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。
CN202010214223.3A 2020-03-24 2020-03-24 一种图像增强处理方法及系统 Pending CN111429373A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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
CN112634256B (zh) 圆检测及拟合方法、装置、电子设备和存储介质
CN111932550B (zh) 一种基于深度学习的3d心室核磁共振视频分割系统
CN112446880B (zh) 图像处理方法、电子设备及可读存储介质
CN110009669A (zh) 一种基于深度强化学习的3d/2d医学图像配准方法
CN111127430A (zh) 确定医学影像显示参数的方法及装置
CN113298855B (zh) 基于自动勾画的图像配准方法
KR102461343B1 (ko) 금속 인공 음영이 포함된 의료영상에서 치아 랜드마크 자동 검출 방법 및 시스템
Meng et al. Enhancing medical image registration via appearance adjustment networks
JPWO2013008526A1 (ja) 画像処理装置
CN116485851A (zh) 面向腹腔镜手术导航的三维网格模型配准融合系统
CN114187293A (zh) 基于注意力机制和集成配准的口腔腭部软硬组织分割方法
Wei et al. Deep morphological simplification network (MS-Net) for guided registration of brain magnetic resonance images
Chen et al. Detection of various dental conditions on dental panoramic radiography using Faster R-CNN
CN111429373A (zh) 一种图像增强处理方法及系统
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
CN109903264B (zh) 数字人图像与ct图像的配准方法及系统
US20230099906A1 (en) Image registration method, computer device, and storage medium
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
CN113822904B (zh) 一种图像标注装置、方法及可读存储介质
CN115511979A (zh) 一种基于灰度变换的内窥镜主板控制系统
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
Stoyanov et al. Soft tissue deformation tracking for robotic assisted minimally invasive surgery
CN116993805A (zh) 面向手术规划辅助的术中剩余器官体积估计系统
CN116421311A (zh) 基于术前术中三维网格融合的术中危险区域生成系统
CN111340739A (zh) 一种图像处理方法及系统

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
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