CN111968051A - 一种基于曲率分析的内窥镜血管增强方法 - Google Patents
一种基于曲率分析的内窥镜血管增强方法 Download PDFInfo
- Publication number
- CN111968051A CN111968051A CN202010793893.5A CN202010793893A CN111968051A CN 111968051 A CN111968051 A CN 111968051A CN 202010793893 A CN202010793893 A CN 202010793893A CN 111968051 A CN111968051 A CN 111968051A
- Authority
- CN
- China
- Prior art keywords
- point
- curvature
- current position
- gray
- position point
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000002792 vascular Effects 0.000 claims abstract description 14
- 230000002708 enhancing effect Effects 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 210000001835 viscera Anatomy 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000010827 pathological analysis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000009278 visceral effect Effects 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Endoscopes (AREA)
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SrcRGB求取当前位置点pij的灰度值Grayij,和HSV空间中的Hij,提取原始图像SrcRGB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pij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fxx,垂直方向的曲率fyy以及斜方向的曲率fxy;S5:根据三个不同方向的曲率fxx,fyy和fxy,判断当前位置点pij是否属于线性结构;S6:根据当前位置点pij的线性结构,结合灰度值Grayij和Hij,进一步判断当前位置点pij的位置,是否属于血管结构;S7:对属于血管结构的位置点pij进行RGB色域的饱和度增强,达到增强图像中血管的目的。
Description
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SrcRGB求取当前位置点pij的灰度值Grayij,和HSV空间中的Hij,提取原始图像SrcRGB的绿色通道G;
S5:根据三个不同方向的曲率fxx,fyy和fxy,判断当前位置点pij是否属于线性结构;
S6:根据当前位置点pij的线性结构,结合灰度值Grayij和Hij,进一步判断当前位置点pij的位置,是否属于血管结构;
S7:对属于血管结构的位置点pij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pij的线性结构标签为Oij,判断fxx+fyy大小;
3)如果并且(fxx+fyy)2-4×c>1,则当前点pij的线性结构标签Oij=1,该点属于线性结构;如果并且(fxx+fyy)2-4×c≤1,则当前点pij的线性结构标签Oij=0,该点不属于线性结构;
其中,步骤S6中判断pij位置的方法步骤包括:
1)若Oij=1,当前位置点pij为线性结构,根据灰度值Grayij设置阈值λ1,λ1∈[130,160],使Grayij<λ1,根据Hij设置阈值k1,k2,k1∈[150,160],k2∈[175,190],使k1<Hij<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pij属于血管结构;
2)若Oij=0,当前位置点pij不为线性结构,则根据灰度值Grayij设置阈值λ2,λ2∈[55,70],使Grayij<λ2,根据Hij设置阈值k1,k2,k1∈[150,160],k2∈[175,190],使k1<Hij<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pij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SrcRGB求取当前位置点pij的灰度值Grayij,和HSV空间中的Hij,提取原始图像SrcRGB的绿色通道G;
S4:构建三种大小相同,方向不同的高斯二阶偏导数模版,即Mxx[N×N],Myy[N×N],和Mxy[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pij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fxx,垂直方向的曲率fyy以及斜方向的曲率fxy;
S5:根据三个不同方向的曲率fxx,fyy和fxy,判断当前位置点pij是否属于线性结构;先设置当前点pij的线性结构标签为Oij,判断fxx+fyy大小;当(fxx+fyy)≤0,当前点pij的线性结构标签Oij=0,该点不属于线性结构,当(fxx+fyy)>0时,计算的大小;如果并且(fxx+fyy)2-4×c>1,则当前点pij的线性结构标签Oij=1,该点属于线性结构;如果并且(fxx+fyy)2-4×c≤1,则当前点pij的线性结构标签Oij=0,该点不属于线性结构;如果并且fxx+fyy>1,设置当前点pij的线性结构标签Oij=1,该点属于线性结构;如果并且fxx+fyy≤1,则Oij=0,该点不属于线性结构。
S6:根据当前位置点pij的线性结构,结合灰度值Grayij和Hij,进一步判断当前位置点pij的位置,是否属于血管结构;若Oij=1,当前位置点pij为线性结构,根据灰度值Grayij设置阈值λ1,优选的,λ1∈[130,160],使Grayij<λ1,根据Hij设置阈值k1,k2,优选的,k1∈[150,160],k2∈[175,190],使k1<Hij<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pij属于血管结构;若Oij=0,当前位置点pij不为线性结构,则根据灰度值Grayij设置阈值λ2,优选的,λ2∈[55,70],使Grayij<λ2,根据Hij设置阈值k1,k2,优选的,k1∈[150,160],k2∈[175,190],使k1<Hij<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pij属于血管结构。
S7:对属于血管结构的位置点pij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SrcRGB求取当前位置点pij的灰度值Grayij,和HSV空间中的色调值Hij,提取原始图像SrcRGB的绿色通道G;
S5:根据三个不同方向的曲率fxx,fyy和fxy,判断当前位置点pij是否属于线性结构;
S6:根据当前位置点pij的线性结构,结合灰度值Grayij和色调值Hij,进一步判断当前位置点pij是否属于血管结构;
S7:对属于血管结构的位置点pij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pij的线性结构标签为Oij,判断fxx+fyy大小;
3)如果并且(fxx+fyy)2-4×c>1,则当前点pij的线性结构标签Oij=1,该点属于线性结构;如果并且(fxx+fyy)2-4×c≤1,则当前点pij的线性结构标签Oij=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pij位置的方法步骤包括:
1)若Oij=1,当前位置点pij为线性结构,根据灰度值Grayij设置阈值λ1,λ1∈[130,160],使Grayij<λ1,根据Hij设置阈值k1,k2,k1∈[150,160],k2∈[175,190],使k1<Hij<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pij属于血管结构;
2)若Oij=0,当前位置点pij不为线性结构,则根据灰度值Grayij设置阈值λ2,λ2∈[55,70],使Grayij<λ2,根据Hij设置阈值k1,k2,k1∈[150,160],k2∈[175,190],使k1<Hij<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pij属于血管结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010793893.5A CN111968051A (zh) | 2020-08-10 | 2020-08-10 | 一种基于曲率分析的内窥镜血管增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010793893.5A CN111968051A (zh) | 2020-08-10 | 2020-08-10 | 一种基于曲率分析的内窥镜血管增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111968051A true CN111968051A (zh) | 2020-11-20 |
Family
ID=73365919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010793893.5A Pending CN111968051A (zh) | 2020-08-10 | 2020-08-10 | 一种基于曲率分析的内窥镜血管增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968051A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160196666A1 (en) * | 2013-02-11 | 2016-07-07 | Angiometrix Corporation | Systems for detecting and tracking of objects and co-registration |
CN106127849A (zh) * | 2016-05-10 | 2016-11-16 | 中南大学 | 三维精细血管重建方法及其系统 |
CN106875375A (zh) * | 2016-12-28 | 2017-06-20 | 浙江工业大学 | 基于管状特征增强滤波和脊线跟踪的三维血管中轴线提取方法 |
CN108109159A (zh) * | 2017-12-21 | 2018-06-01 | 东北大学 | 一种基于hessian矩阵和区域增长相结合的视网膜血管分割系统 |
CN108154519A (zh) * | 2017-12-25 | 2018-06-12 | 吉林大学 | 眼底图像中血管的分割方法、装置及存储介质 |
CN110533612A (zh) * | 2019-08-27 | 2019-12-03 | 中山大学 | 内窥镜图像的成像方法、装置、设备及介质 |
CN111080547A (zh) * | 2019-12-11 | 2020-04-28 | 苏州新光维医疗科技有限公司 | 一种内窥镜图像增强方法 |
CN111429362A (zh) * | 2020-02-19 | 2020-07-17 | 北京数字精准医疗科技有限公司 | 一种内窥镜荧光图像的血管增强方法 |
-
2020
- 2020-08-10 CN CN202010793893.5A patent/CN111968051A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160196666A1 (en) * | 2013-02-11 | 2016-07-07 | Angiometrix Corporation | Systems for detecting and tracking of objects and co-registration |
CN106127849A (zh) * | 2016-05-10 | 2016-11-16 | 中南大学 | 三维精细血管重建方法及其系统 |
CN106875375A (zh) * | 2016-12-28 | 2017-06-20 | 浙江工业大学 | 基于管状特征增强滤波和脊线跟踪的三维血管中轴线提取方法 |
CN108109159A (zh) * | 2017-12-21 | 2018-06-01 | 东北大学 | 一种基于hessian矩阵和区域增长相结合的视网膜血管分割系统 |
CN108154519A (zh) * | 2017-12-25 | 2018-06-12 | 吉林大学 | 眼底图像中血管的分割方法、装置及存储介质 |
CN110533612A (zh) * | 2019-08-27 | 2019-12-03 | 中山大学 | 内窥镜图像的成像方法、装置、设备及介质 |
CN111080547A (zh) * | 2019-12-11 | 2020-04-28 | 苏州新光维医疗科技有限公司 | 一种内窥镜图像增强方法 |
CN111429362A (zh) * | 2020-02-19 | 2020-07-17 | 北京数字精准医疗科技有限公司 | 一种内窥镜荧光图像的血管增强方法 |
Non-Patent Citations (3)
Title |
---|
周琳: "眼底图像中血管分割技术研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 11, 15 November 2011 (2011-11-15) * |
张文涛: "基于CTA 数据的颈动脉可视化技术研究", 中国优秀硕士学位论文全文数据库 医药卫生科技辑, no. 4, 15 April 2019 (2019-04-15) * |
王强;陶沛;袁波;王立强;: "多颜色空间的内窥镜图像血管增强方法", 光电工程, no. 01 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5113841B2 (ja) | 内視鏡からの映像を用いるコンピュータ支援解析 | |
US9996923B2 (en) | Methods and apparatuses for dermatological feature tracking over multiple images | |
JP5094036B2 (ja) | 内視鏡挿入方向検出装置 | |
US7907775B2 (en) | Image processing apparatus, image processing method and image processing program | |
US20110311133A1 (en) | Image processing apparatus, image processing method, and computer readable recording medium | |
US20090220133A1 (en) | Medical image processing apparatus and medical image processing method | |
WO2021147429A1 (zh) | 内窥镜图像展示方法、装置、计算机设备及存储介质 | |
US20030039405A1 (en) | Image position matching apparatus and image processing apparatus | |
EP2947866B1 (en) | Image processing device, image processing method, image processing program, and recording medium storing said program | |
US8351667B2 (en) | Methods of contrast enhancement for images having blood vessel structures | |
CN111932532A (zh) | 胶囊内窥镜无参考图像评价方法、电子设备及介质 | |
CN111784668A (zh) | 基于感知哈希算法的消化内镜检查影像自动冻结的方法 | |
Huang et al. | Deep unsupervised endoscopic image enhancement based on multi-image fusion | |
Ikuma et al. | Preprocessing techniques for high-speed videoendoscopy analysis | |
CN111968051A (zh) | 一种基于曲率分析的内窥镜血管增强方法 | |
Moccia et al. | Automatic workflow for narrow-band laryngeal video stitching | |
CN113744266B (zh) | 一种病灶检测框的显示方法、装置、电子设备及存储介质 | |
JPH01138876A (ja) | カラー画像処理装置 | |
CN115797276A (zh) | 用于内窥镜的病灶图像处理方法、装置、电子设备及介质 | |
EP2313848A1 (en) | Methods for enhancing vascular patterns in cervical imagery | |
CN113421254A (zh) | 微循环血管分支长度和直径计算方法及装置和终端设备 | |
CN113379702A (zh) | 一种微循环图像的血管路径提取方法及装置 | |
CN112488945A (zh) | 一种基于局部收敛的内窥镜图像增强方法 | |
CN116012324A (zh) | 一种医学影像质量控制方法、装置和电子装置 | |
Neophytou et al. | The effect of color correction of endoscopy images for quantitative analysis in endometrium |
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 |