CN111968051A - 一种基于曲率分析的内窥镜血管增强方法 - Google Patents

Abstract

本发明公开了一种基于曲率分析的内窥镜血管增强方法，该方法包括：S1：利用内窥镜的摄像模组采集图像；S2：利用原始图像Src_RGB求取当前位置点p_ij的灰度值Gray_ij，和HSV空间中的H_ij，提取原始图像Src_RGB的绿色通道G；S3：对绿色通道进行高斯滤波，得到滤波后图像

S4：对滤波后图像

中的像素点p_ij利用三种高斯二阶偏导数模版分别进行三次卷积，得到水平方向的曲率f_xx，垂直方向的曲率f_yy以及斜方向的曲率f_xy；S5：根据三个不同方向的曲率f_xx，f_yy和f_xy，判断当前位置点p_ij是否属于线性结构；S6：根据当前位置点p_ij的线性结构，结合灰度值Gray_ij和H_ij，进一步判断当前位置点p_ij的位置，是否属于血管结构；S7：对属于血管结构的位置点p_ij进行RGB色域的饱和度增强，达到增强图像中血管的目的。

Description

一种基于曲率分析的内窥镜血管增强方法

技术领域

本发明涉及医疗器械设备领域，尤其涉及一种基于曲率分析的内窥镜血管增强方法。

背景技术

内窥镜是一种带有微型摄像头的医用器械，医生通过监视器屏幕上所显示的图像，对病人的病情进行分析判断，并且利用器械进行手术。目前的内窥镜拍摄出来的血管成像不清楚，血管特征不明显，颜色较浅，使得医生不能很准确的判断病情以及进行手术治疗。为了帮助医者更好的分析内脏组织，需要用到血管增强算法对血管的颜色进行调整，但是一般内窥镜的环境暗，血管分布复杂，不易分辨出画面中的血管位置，不能很好实现对血管的增强。因此需要一款能分析图像中血管位置，精确进行血管图像调整的内窥镜血管增强算法。

发明内容

为了克服至少一个上述现有技术的技术问题，本发明提供了一种对血管网络进行增强，有利于医者观察脏器中血管分布的基于曲率分析的内窥镜血管增强方法。

提供了一种内窥镜血管增强方法，包括以下步骤：

S1：利用内窥镜的摄像模组采集图像，读入图像数据及配置参数；

S2：利用原始图像Src_RGB求取当前位置点p_ij的灰度值Gray_ij，和HSV空间中的H_ij，提取原始图像Src_RGB的绿色通道G；

S3：对绿色通道进行高斯滤波，得到滤波后图像

S4：对滤波后图像

中的像素点p_ij利用三种高斯二阶偏导数模版分别进行三次卷积，得到水平方向的曲率f_xx，垂直方向的曲率f_yy以及斜方向的曲率f_xy；

S5：根据三个不同方向的曲率f_xx，f_yy和f_xy，判断当前位置点p_ij是否属于线性结构；

S6：根据当前位置点p_ij的线性结构，结合灰度值Gray_ij和H_ij，进一步判断当前位置点p_ij的位置，是否属于血管结构；

S7：对属于血管结构的位置点p_ij进行RGB色域的饱和度增强，达到图像中血管增强的目的。

上述的内窥镜血管增强方法至少具有以下的有益效果：通过对血管特征进行分析，针对性的对内脏器官中的血管网络进行增强，有利于医者对脏器中血管分布的观察。由于血管网络得到加强，视觉感官上，起到一定水下增强的效果，视频质量成像效果上，更加清晰，这样可以帮助医生在更佳的视觉感官场景中进行病理分析及手术操作。

其中，步骤S5中判断线性结构的步骤包括：

1)设置当前点p_ij的线性结构标签为O_ij，判断f_xx+f_yy大小；

2)当(f_xx+f_yy)≤0，当前点p_ij的线性结构标签O_ij＝0，该点不属于线性结构，当(f_xx+f_yy)＞0时，计算

的大小；

3)如果

并且(f_xx+f_yy)²-4×c＞1，则当前点p_ij的线性结构标签O_ij＝1，该点属于线性结构；如果

并且(f_xx+f_yy)²-4×c≤1，则当前点p_ij的线性结构标签O_ij＝0，该点不属于线性结构；

4)如果

并且f_xx+f_yy＞1，设置当前点p_ij的线性结构标签O_ij＝1，该点属于线性结构；如果

并且f_xx+f_yy≤1，则O_ij＝0，该点不属于线性结构。

其中，步骤S6中判断p_ij位置的方法步骤包括：

1)若O_ij＝1，当前位置点p_ij为线性结构，根据灰度值Gray_ij设置阈值λ₁，λ₁∈[130,160]，使Gray_ij＜λ₁，根据H_ij设置阈值k₁,k₂，k₁∈[150,160]，k₂∈[175,190]，使k₁＜H_ij＜k₂，如果两种颜色特征都满足阈值条件，则进一步判断属于线性结构的当前位置点p_ij属于血管结构；

2)若O_ij＝0，当前位置点p_ij不为线性结构，则根据灰度值Gray_ij设置阈值λ₂，λ₂∈[55,70]，使Gray_ij＜λ₂，根据H_ij设置阈值k₁,k₂，k₁∈[150,160]，k₂∈[175,190]，使k₁＜H_ij＜k₂，如果两种颜色特征都满足阈值条件，则进一步判断不属于线性结构的当前位置点p_ij属于血管结构。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得的其他设计方案和附图：

图1为本发明提供的基于曲率分析的内窥镜血管增强方法的流程图；

图2为本发明步骤5的判断逻辑流程图。

具体实施方式

在本发明的描述中，需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。

参照图1与图2，为了能对图像中的血管进行增强，公开一种基于曲率分析的内窥镜血管增强方法，对图像中的像素点进行判断是否属于血管组织，具体包括以下步骤：

S1：利用内窥镜的摄像模组采集图像，读入图像数据及配置参数；

S2：利用原始图像Src_RGB求取当前位置点p_ij的灰度值Gray_ij，和HSV空间中的H_ij，提取原始图像Src_RGB的绿色通道G；

S3：对绿色通道进行高斯滤波，得到滤波后图像

S4：构建三种大小相同，方向不同的高斯二阶偏导数模版，即M_xx[N×N]，M_yy[N×N]，和M_xy[N×N]，高斯偏导数公式分别为

以及

为了达到最佳的处理效果，优选N＝11，对滤波后图像

中的像素点p_ij利用这三种高斯二阶偏导数模版分别进行三次卷积，得到水平方向的曲率f_xx，垂直方向的曲率f_yy以及斜方向的曲率f_xy；

S5：根据三个不同方向的曲率f_xx，f_yy和f_xy，判断当前位置点p_ij是否属于线性结构；先设置当前点p_ij的线性结构标签为O_ij，判断f_xx+f_yy大小；当(f_xx+f_yy)≤0，当前点p_ij的线性结构标签O_ij＝0，该点不属于线性结构，当(f_xx+f_yy)＞0时，计算

的大小；如果

并且(f_xx+f_yy)²-4×c＞1，则当前点p_ij的线性结构标签O_ij＝1，该点属于线性结构；如果

并且(f_xx+f_yy)²-4×c≤1，则当前点p_ij的线性结构标签O_ij＝0，该点不属于线性结构；如果

并且f_xx+f_yy＞1，设置当前点p_ij的线性结构标签O_ij＝1，该点属于线性结构；如果

并且f_xx+f_yy≤1，则O_ij＝0，该点不属于线性结构。

S6：根据当前位置点p_ij的线性结构，结合灰度值Gray_ij和H_ij，进一步判断当前位置点p_ij的位置，是否属于血管结构；若O_ij＝1，当前位置点p_ij为线性结构，根据灰度值Gray_ij设置阈值λ₁，优选的，λ₁∈[130,160]，使Gray_ij＜λ₁，根据H_ij设置阈值k₁,k₂，优选的，k₁∈[150,160]，k₂∈[175,190]，使k₁＜H_ij＜k₂，如果两种颜色特征都满足阈值条件，则进一步判断属于线性结构的当前位置点p_ij属于血管结构；若O_ij＝0，当前位置点p_ij不为线性结构，则根据灰度值Gray_ij设置阈值λ₂，优选的，λ₂∈[55,70]，使Gray_ij＜λ₂，根据H_ij设置阈值k₁,k₂，优选的，k₁∈[150,160]，k₂∈[175,190]，使k₁＜H_ij＜k₂，如果两种颜色特征都满足阈值条件，则进一步判断不属于线性结构的当前位置点p_ij属于血管结构。

S7：对属于血管结构的位置点p_ij进行RGB色域的饱和度增强，达到图像中血管增强的目的。

通过对血管特征进行分析，针对性的对内脏器官中的血管网络进行增强，有利于医者对脏器中血管分布的观察。由于血管网络得到加强，视觉感官上，起到一定水下增强的效果，视频质量成像效果上，更加清晰，这样可以帮助医生在更佳的视觉感官场景中进行病理分析及手术操作。

以上是对本发明的较佳实施例进行了具体说明，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换，可以获得的其他实施例均属于本发明保护的范围。

Claims (3)

1.一种基于曲率分析的内窥镜血管增强方法，其特征在于：包括以下步骤：

S1：利用内窥镜的摄像模组采集图像，读入图像数据及配置参数；

S2：利用原始图像Src_RGB求取当前位置点p_ij的灰度值Gray_ij，和HSV空间中的色调值H_ij，提取原始图像Src_RGB的绿色通道G；

S3：对绿色通道进行高斯滤波，得到滤波后图像

S4：对滤波后图像

中的像素点p_ij利用三种高斯二阶偏导数模版分别进行三次卷积，得到水平方向的曲率f_xx，垂直方向的曲率f_yy以及斜方向的曲率f_xy；

S5：根据三个不同方向的曲率f_xx，f_yy和f_xy，判断当前位置点p_ij是否属于线性结构；

S6：根据当前位置点p_ij的线性结构，结合灰度值Gray_ij和色调值H_ij，进一步判断当前位置点p_ij是否属于血管结构；

S7：对属于血管结构的位置点p_ij进行RGB色域的饱和度增强，达到图像中血管增强的目的。

2.根据权利要求1所述的基于曲率分析的内窥镜血管增强方法，其特征在于：步骤S5中判断线性结构的步骤包括：

1)设置当前点p_ij的线性结构标签为O_ij，判断f_xx+f_yy大小；

2)当(f_xx+f_yy)≤0，当前点p_ij的线性结构标签O_ij＝0，该点不属于线性结构，当(f_xx+f_yy)＞0时，计算

的大小；

3)如果

并且(f_xx+f_yy)²-4×c＞1，则当前点p_ij的线性结构标签O_ij＝1，该点属于线性结构；如果

并且(f_xx+f_yy)²-4×c≤1，则当前点p_ij的线性结构标签O_ij＝0，该点不属于线性结构；

4)如果

并且f_xx+f_yy＞1，设置当前点p_ij的线性结构标签O_ij＝1，该点属于线性结构；如果

并且f_xx+f_yy≤1，则O_ij＝0，该点不属于线性结构。

3.根据权利要求1所述的基于曲率分析的内窥镜血管增强方法，其特征在于：步骤S6中判断p_ij位置的方法步骤包括：

1)若O_ij＝1，当前位置点p_ij为线性结构，根据灰度值Gray_ij设置阈值λ₁，λ₁∈[130,160]，使Gray_ij＜λ₁，根据H_ij设置阈值k₁,k₂，k₁∈[150,160]，k₂∈[175,190]，使k₁＜H_ij＜k₂，如果两种颜色特征都满足阈值条件，则进一步判断属于线性结构的当前位置点p_ij属于血管结构；

2)若O_ij＝0，当前位置点p_ij不为线性结构，则根据灰度值Gray_ij设置阈值λ₂，λ₂∈[55,70]，使Gray_ij＜λ₂，根据H_ij设置阈值k₁,k₂，k₁∈[150,160]，k₂∈[175,190]，使k₁＜H_ij＜k₂，如果两种颜色特征都满足阈值条件，则进一步判断不属于线性结构的当前位置点p_ij属于血管结构。

Images