CN112446880B - 图像处理方法、电子设备及可读存储介质 - Google Patents
图像处理方法、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112446880B CN112446880B CN202110132848.XA CN202110132848A CN112446880B CN 112446880 B CN112446880 B CN 112446880B CN 202110132848 A CN202110132848 A CN 202110132848A CN 112446880 B CN112446880 B CN 112446880B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- channel
- pixel point
- sharpened
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 238000005286 illumination Methods 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 description 8
- 210000000813 small intestine Anatomy 0.000 description 8
- 210000004877 mucosa Anatomy 0.000 description 6
- 239000002775 capsule Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 210000001035 gastrointestinal tract Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000004347 intestinal mucosa Anatomy 0.000 description 1
- 210000002429 large intestine Anatomy 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 230000002572 peristaltic effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
- G06T2207/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
-
- 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
- G06T2207/30028—Colon; Small intestine
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像处理方法、电子设备及可读存储介质,所述方法包括:获取原始图像;采用图像滤波算子对所述原始图像进行降噪处理形成预处理图像S;对所述预处理图像S做对比度增强处理形成对比度增强图像J;对所述对比度增强图像J做饱和度调整形成增强显示图像M;对所述增强显示图像M做锐化处理形成锐化图像N;采用图像动态范围增强算法对所述锐化图像N进行动态范围增强处理形成输出图像。本发明的图像处理方法、电子设备及可读存储介质,对原始图像进行多级处理,提升输出图像显示精度。
Description
技术领域
本发明涉及医疗设备成像领域,尤其涉及一种图像处理方法、电子设备及可读存储介质。
背景技术
胶囊内窥镜用于消化道检查受到越来越多的应用;胶囊内窥镜由口服入,经过口腔、食管、胃、小肠、大肠,最后排出体外。通常胶囊内窥镜随消化道蠕动而被动运行,这个过程中以一定的帧率拍摄图像,供医生检查患者的消化道各区段的健康状况。
胶囊内窥镜受设备体积、功耗及采集环境的局限性影响,所采集显示出来的部分图像,例如小肠黏膜图像,会有亮度偏暗、模糊、质量不佳等情况出现;导致原始的小肠黏膜图像精度过低,不利于医学病灶分析和判断。
发明内容
为解决上述技术问题,本发明的目的在于提供一种图像处理方法、电子设备及可读存储介质。
为了实现上述发明目的之一,本发明一实施方式提供一种图像处理方法,所述方法包括:获取原始图像;
采用图像滤波算子对所述原始图像进行降噪处理形成预处理图像S;
对所述预处理图像S做对比度增强处理形成对比度增强图像J;
对所述对比度增强图像J做饱和度调整形成增强显示图像M;
对所述增强显示图像M做锐化处理形成锐化图像N;
采用图像动态范围增强算法对所述锐化图像N进行动态范围增强处理形成输出图像。
作为本发明一实施方式的进一步改进,采用图像滤波算子对所述原始图像进行降噪处理形成预处理图像S包括:
采用的图像滤波算子为高斯滤波算子或均值滤波算子,
将预处理图像S中每一像素点的值以S(i,j)表示,则
作为本发明一实施方式的进一步改进,对所述预处理图像S做对比度增强处理形成对比度增强图像J包括:
对所述预处理图像S做gamma变换处理形成gamma图像J1;
对所述预处理图像S转换为灰度图像S1,计算所述灰度图像S1的灰度值均值形成所述预处理图像S对应的亮度值m1;
将gamma图像J1转换为灰度图像J2,获取所述灰度图像J2中灰度值大于预设第一灰度阈值的像素点,计算所获取的像素点的灰度值均值形成所述gamma图像J1对应的亮度值m2;
根据gamma图像J1、所述预处理图像S对应的亮度值m1以及gamma图像J1对应的亮度值m2获取对比度增强图像J;
作为本发明一实施方式的进一步改进,对所述对比度增强图像J做饱和度调整形成增强显示图像M包括:
获取对比度增强图像J对应的R、G、B三通道图像,对于对比度增强图像J中的每一像素点,以其对应在R、G、B三通道图像中的最大值作为每一像素点的灰度值形成最大值图像,以及以其对应在R、G、B三通道图像中的最小值作为每一像素点的灰度值形成最小值图像;
其中,c=[R,G,B],表示R、G、B三通道其中之一,K为常数,表示增强显示图像M对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示对比度增强图像J对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示最大值图像中坐标值为(i,j)的像素点的值,表示最小值图像中坐标值为(i,j)的像素点的值;
作为本发明一实施方式的进一步改进,对所述增强显示图像M做锐化处理形成锐化图像N包括:
采用拉普拉斯金字塔算子方法对所述增强显示图像M做锐化处理形成锐化图像N。
作为本发明一实施方式的进一步改进,对所述增强显示图像M做锐化处理形成锐化图像N包括:
其中,c=[R,G,B],表示R、G、B三通道其中之一,为常数,表示增强显示图像M对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示锐化图像M对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示亮度层图像对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值;
作为本发明一实施方式的进一步改进,所述方法还包括:
在步骤S51之前对增强显示图像M做降采样处理形成降采样图像;
在执行步骤S51时,以降采样图像替代增强显示图像M;
作为本发明一实施方式的进一步改进,采用的图像动态范围增强算法为:局部直方图增强算法或Retinex增强算法。
作为本发明一实施方式的进一步改进,采用图像动态范围增强算法对所述锐化图像N进行动态范围增强处理形成输出图像包括:
S61、获取所述锐化图像N对应的R、G、B三通道图像,对于所述锐化图像N中的每一像素点,以其对应在R、G、B三通道图像中的最大值作为每一像素点的灰度值形成初始图像L1;
S62、对初始图像L1做均值滤波处理形成光照图像L;
S63、计算所述光照图像L中灰度值小于预设第二灰度阈值的像素点总数量P1,
若P1≤P,则将所述锐化图像N作为输出图像E;
若P1>P,则顺序执行步骤S64、S65、S66;P为预设判断阈值,其为常数;
S64、计算所述光照图像L中灰度值小于预设第二灰度阈值的像素点的灰度值均值mean;
根据mean获取曝光图像G,则
其中,c=[R,G,B],表示R、G、B三通道其中之一,p为常数,表示输出图像E对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示锐化图像M对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示曝光图像G对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,分别表示锐化图像N的宽度和高度;
为了解决上述发明目的之一,本发明一实施方式提供一种电子设备,包括存储器和处理器,所述存储器存储有可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述图像处理方法中的步骤。
为了解决上述发明目的之一,本发明一实施方式提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述图像处理方法中的步骤。
与现有技术相比,本发明的有益效果是:本发明的图像处理方法、电子设备及可读存储介质,对原始图像进行多级处理,提升输出图像显示精度。
附图说明
图1是本发明一实施方式提供的图像处理方法的流程示意图;
图2、图3、图4分别是图1中其中一个步骤的较佳实现方式的流程示意图;
图5为本发明一具体示例的结构示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
如图1所示,本发明第一实施方式中提供一种图像处理方法,所述方法包括:
S1、获取原始图像;
S2、采用图像滤波算子对所述原始图像进行降噪处理形成预处理图像S;
S3、对所述预处理图像S做对比度增强处理形成对比度增强图像J;
S4、对所述对比度增强图像J做饱和度调整形成增强显示图像M;
S5、对所述增强显示图像M做锐化处理形成锐化图像N;
S6、采用图像动态范围增强算法对所述锐化图像N进行动态范围增强处理形成输出图像。
需要说明的是,本发明的上述步骤S1至S6需要顺序执行,才能达到本发明的技术效果;较佳的,本发明的图像处理方法针对于小肠黏膜图像。
本发明一较佳实施方式中,步骤S2包括:采用的图像滤波算子为高斯滤波算子或均值滤波算子,
将预处理图像S中每一像素点的值以S(i,j)表示,则
本发明具体示例中,r的值可设置为3、5、7。
通过本发明的步骤S2,可以降低图像在采集及传输过程中受到设备自身以及外界环境等噪声的干扰。
本发明较佳实施方式中,结合图2所示,步骤S3包括:S31、对所述预处理图像S做gamma变换处理形成gamma图像J1;
以公式可以表示为:
S32、对所述预处理图像S转换为灰度图像S1,计算所述灰度图像S1的灰度值均值形成所述预处理图像S对应的亮度值m1;
将gamma图像J1转换为灰度图像J2,获取所述灰度图像J2中灰度值大于预设第一灰度阈值的像素点,计算所获取的像素点的灰度值均值形成所述gamma图像J1对应的亮度值m2;
S33、根据gamma图像J1、所述预处理图像S对应的亮度值m1以及gamma图像J1对应的亮度值m2获取对比度增强图像J;
第一灰度阈值为一设定的参数值,其大小可以根据需要具体调整,v为预先配置的常数;本发明具体示例中,第一灰度阈值∈[10,50];v∈[10,30]。
另外,需要说明的是,对于步骤S32,由于输入图像通常为彩色图像,因此这里需要对经过彩色原始图像变换处理形成的预处理图像S先进行灰度变换,以利于获取所需参数。
通过本发明的步骤S3,可以增强图像的对比度,在步骤S31后实施步骤S32,防止gamma矫正后图像偏暗。
较佳的,结合图3所示,步骤S4包括:S41、获取对比度增强图像J对应的R、G、B三通道图像,对于对比度增强图像J中的每一像素点,以其对应在R、G、B三通道图像中的最大值作为每一像素点的灰度值形成最大值图像,以及以其对应在R、G、B三通道图像中的最小值作为每一像素点的灰度值形成最小值图像;
其中,c=[R,G,B],表示R、G、B三通道其中之一,K为常数,表示增强显示图像M对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示对比度增强图像J对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示最大值图像中坐标值为(i,j)的像素点的值,表示最小值图像中坐标值为(i,j)的像素点的值;
本发明具体示例中,K∈[0,0.5],通过步骤S4对对比度增强图像J三个通道间的差异性进行分析,动态调整图像每个通道上的像素分布,使得显示的小肠黏膜图像的饱和度更加鲜明,放置图像偏于红色。
本发明可实现方式中,步骤S5可通过多种算法实现,例如:采用拉普拉斯金字塔算子方法对所述增强显示图像M做锐化处理形成锐化图像N。
本发明较佳实施方式中,采用改进的导向滤波算法对所述增强显示图像M做锐化处理形成锐化图像N,具体的,步骤S5包括:
其中,c=[R,G,B],表示R、G、B三通道其中之一,为常数,表示增强显示图像M对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示锐化图像M对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示亮度层图像对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值;
较佳的,为了降低计算量,提升计算效率,本发明另一实现步骤S5的实施方式中,在步骤S51之前对增强显示图像M做降采样处理形成降采样图像;
在执行步骤S51时,以降采样图像替代增强显示图像M;
通过步骤S5对步骤S4获得的增强显示图像M做锐化处理,使得显示的小肠黏膜图像的绒毛纹理细节更加清晰,图像更加自然。
本发明可实现方式中,步骤S6可通过多种算法实现,例如:局部直方图增强算法或Retinex增强算法。
本发明较佳实施方式中,结合图4所示,采用改进的BIMEF算法实现步骤S6,具体的,步骤S6包括:S61、获取所述锐化图像N对应的R、G、B三通道图像,对于所述锐化图像N中的每一像素点,以其对应在R、G、B三通道图像中的最大值作为每一像素点的灰度值形成初始图像L1;S62、对初始图像L1做均值滤波处理形成光照图像L;S63、计算所述光照图像L中灰度值小于预设第二灰度阈值的像素点总数量P1,若P1≤P,则将所述锐化图像N作为输出图像E;
若P1>P,则顺序执行步骤S64、S65、S66;P为预设判断阈值,其为常数;
S64、计算所述光照图像L中灰度值小于预设第二灰度阈值的像素点的灰度值均值mean;
根据mean获取曝光图像G,则
其中,c=[R,G,B],表示R、G、B三通道其中之一,p为常数,表示输出图像E对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示锐化图像M对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示曝光图像G对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示光照图像L中坐标值为(i,j)的像素点的值;分别表示锐化图像N的宽度和高度;
对于步骤S62中,均值滤波算法与步骤S2采用的均值滤波算法相同,其区别在于,滤波算子参数r的取值范围,在步骤S62中,r∈[15,40]。
对于步骤S63中,第二灰度阈值为一设定的参数值,其大小可以根据需要具体调整,P为预先配置的常数;本发明具体示例中,第二灰度阈值∈[50,150],P∈[10000,30000]。
对于步骤S64,a、b均为预先配置的常数,本发明具体示例中,a∈[-1,1];b∈[0,2]。
通过步骤S6对步骤S5获得的所述锐化图像N进行动态范围增强处理,使亮度偏暗的小肠黏膜图像或者图像中偏暗位置的像素范围增大,亮度得到提高,自然可见。
结合图5所示,左侧为原始图像,右侧为经过本发明的图像处理方法处理后形成的输出图像,通过示例可观察,对原始图像通过本发明的图像处理方法处理后,可输出显示更饱和的、具有良好亮度的并且小肠黏膜表面绒毛的细节更加清晰的小肠黏膜增强显示图像,临床医生的阅片时间和阅片效率将会得到极大的提高。
进一步的,本发明一实施方式提供一种电子设备,包括存储器和处理器,所述存储器存储有可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述图像处理方法中的步骤。
进一步的,本发明一实施方式提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述图像处理方法中的步骤。
综上所述,本发明的图像处理方法、电子设备及可读存储介质,对原始图像进行多级处理,提升输出图像显示精度。
应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
获取原始图像;
采用图像滤波算子对所述原始图像进行降噪处理形成预处理图像S;
对所述预处理图像S做对比度增强处理形成对比度增强图像J;
对所述对比度增强图像J做饱和度调整形成增强显示图像M;
对所述增强显示图像M做锐化处理形成锐化图像N;
采用图像动态范围增强算法对所述锐化图像N进行动态范围增强处理形成输出图像;
其中,对所述预处理图像S做对比度增强处理形成对比度增强图像J包括:
对所述预处理图像S做gamma变换处理形成gamma图像J1;
将所述预处理图像S转换为灰度图像S1,计算所述灰度图像S1的灰度值均值形成所述预处理图像S对应的亮度值m1;
将gamma图像J1转换为灰度图像J2,获取所述灰度图像J2中灰度值大于预设第一灰度阈值的像素点,计算所获取的像素点的灰度值均值形成所述gamma图像J1对应的亮度值m2;
根据gamma图像J1、所述预处理图像S对应的亮度值m1以及gamma图像J1对应的亮度值m2获取对比度增强图像J;
对所述对比度增强图像J做饱和度调整形成增强显示图像M包括:
获取对比度增强图像J对应的R、G、B三通道图像,对于对比度增强图像J中的每一像素点,以其对应在R、G、B三通道图像中的最大值作为每一像素点的灰度值形成最大值图像Mmax,以及以其对应在R、G、B三通道图像中的最小值作为每一像素点的灰度值形成最小值图像Mmin;
根据最大值图像Mmax和最小值图像Mmin获取增强显示图像M对应的R、G、B三通道图像Mc;
将R、G、B三通道图像进行三通道融合形成增强显示图像M;
对所述增强显示图像M做锐化处理形成锐化图像N包括:
S51、对增强显示图像M的RGB三通道图像利用导向滤波算法分别提取亮度层图像的三通道图像lightc;
S52、根据亮度层图像lightc获取锐化图像N对应的R、G、B三通道图像Nc;
S53、将R、G、B三通道图像Nc进行三通道融合形成锐化图像N。
4.根据权利要求1所述的图像处理方法,其特征在于,对所述增强显示图像M做锐化处理形成锐化图像N包括:
采用拉普拉斯金字塔算子方法对所述增强显示图像M做锐化处理形成锐化图像N。
7.根据权利要求1所述的图像处理方法,其特征在于,采用的图像动态范围增强算法为:局部直方图增强算法或Retinex增强算法。
8.根据权利要求1所述的图像处理方法,其特征在于,采用图像动态范围增强算法对所述锐化图像N进行动态范围增强处理形成输出图像包括:
S61、获取所述锐化图像N对应的R、G、B三通道图像,对于所述锐化图像N中的每一像素点,以其对应在R、G、B三通道图像中的最大值作为每一像素点的灰度值形成初始图像L1;
S62、对初始图像L1做均值滤波处理形成光照图像L;
S63、计算所述光照图像L中灰度值小于预设第二灰度阈值的像素点总数量P1,
若P1≤P,则将所述锐化图像N作为输出图像E;
若P1>P,则顺序执行步骤S64、S65、S66;P为预设判断阈值,其为常数;
S64、计算所述光照图像L中灰度值小于预设第二灰度阈值的像素点的灰度值均值mean;
根据mean获取曝光图像G,则
S65、根据曝光图像G和锐化图像N获取输出图像E对应的R、G、B三通道图像Ec;
其中,c=[R,G,B],表示R、G、B三通道其中之一, 表示输出图像E对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示锐化图像M对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示曝光图像G对应的R、G、B三通道图像其中之一中坐标值为(i,j)的像素点的值,表示光照图像L中坐标值为(i,j)的像素点的值;W和h分别表示锐化图像N的宽度和高度;f为光照图像L中灰度值大于预设第二灰度阈值的像素点总数量P1在整个图像中的比例;ω为权重系数,使用过程中,对其做归一化处理,使其数值归结在0至1之间;
S66、将R、G、B三通道图像Ec进行三通道融合形成输出图像E。
9.一种电子设备,包括存储器和处理器,所述存储器存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-8任意一项所述图像处理方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-8任意一项所述图像处理方法中的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110132848.XA CN112446880B (zh) | 2021-02-01 | 2021-02-01 | 图像处理方法、电子设备及可读存储介质 |
US18/263,882 US20240303782A1 (en) | 2021-02-01 | 2022-01-10 | Image processing method, electronic device, and readable storage medium |
PCT/CN2022/071042 WO2022161145A1 (zh) | 2021-02-01 | 2022-01-10 | 图像处理方法、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110132848.XA CN112446880B (zh) | 2021-02-01 | 2021-02-01 | 图像处理方法、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112446880A CN112446880A (zh) | 2021-03-05 |
CN112446880B true CN112446880B (zh) | 2021-04-30 |
Family
ID=74739964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110132848.XA Active CN112446880B (zh) | 2021-02-01 | 2021-02-01 | 图像处理方法、电子设备及可读存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240303782A1 (zh) |
CN (1) | CN112446880B (zh) |
WO (1) | WO2022161145A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446880B (zh) * | 2021-02-01 | 2021-04-30 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
CN113344809B (zh) * | 2021-05-27 | 2022-09-09 | 同济大学 | 一种超声图像增强方法、系统和设备 |
CN115482216B (zh) * | 2022-09-20 | 2023-05-16 | 河南大学第一附属医院 | 一种腹腔镜图像增强方法及系统 |
CN116228586B (zh) * | 2023-03-14 | 2023-09-08 | 深圳市合西科技有限公司 | 基于遍历处理的锐化算法选择系统 |
CN117911389B (zh) * | 2024-01-29 | 2024-08-13 | 欧亚高科数字技术有限公司 | 一种交互式麻醉学危机技能训练场景的虚拟仿真方法 |
CN118229576B (zh) * | 2024-05-23 | 2024-08-02 | 湖北海天时代科技股份有限公司 | 一种教学互动展示过程中图像增强方法及系统 |
CN118570113A (zh) * | 2024-08-01 | 2024-08-30 | 陕西永宏生物科技有限公司 | 一种基于图像处理的黄姜皂素发酵过程监控方法及系统 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8860744B2 (en) * | 2012-03-30 | 2014-10-14 | Sharp Laboratories Of America, Inc. | System for image enhancement |
CN103971330B (zh) * | 2013-02-05 | 2017-10-20 | 腾讯科技(深圳)有限公司 | 图像增强方法及装置 |
JP6367839B2 (ja) * | 2013-02-21 | 2018-08-01 | ドルビー ラボラトリーズ ライセンシング コーポレイション | 高ダイナミックレンジ・ビデオのための表示管理 |
WO2016206087A1 (zh) * | 2015-06-26 | 2016-12-29 | 北京大学深圳研究生院 | 一种低照度图像处理方法和装置 |
US10839487B2 (en) * | 2015-09-17 | 2020-11-17 | Michael Edwin Stewart | Methods and apparatus for enhancing optical images and parametric databases |
CN105488765B (zh) * | 2015-11-23 | 2018-12-07 | 沈阳东软医疗系统有限公司 | 一种图像动态范围调整方法及装置 |
EP3460747B1 (en) * | 2017-09-25 | 2023-09-06 | Vestel Elektronik Sanayi ve Ticaret A.S. | Method, processing system and computer program for processing an image |
CN109688351B (zh) * | 2017-10-13 | 2020-12-15 | 华为技术有限公司 | 一种图像信号处理方法、装置及设备 |
CN108683826B (zh) * | 2018-05-15 | 2021-12-14 | 腾讯科技(深圳)有限公司 | 视频数据处理方法、装置、计算机设备和存储介质 |
CN109003246A (zh) * | 2018-08-26 | 2018-12-14 | 朱丽萍 | 眼部修图参数检测方法 |
CN109089043B (zh) * | 2018-08-30 | 2021-07-30 | Oppo广东移动通信有限公司 | 拍摄图像预处理方法、装置、存储介质及移动终端 |
CN109949250B (zh) * | 2019-03-29 | 2021-05-18 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及装置 |
CN110175969B (zh) * | 2019-05-29 | 2021-07-23 | Tcl华星光电技术有限公司 | 图像处理方法及图像处理装置 |
CN110775930B (zh) * | 2019-10-18 | 2021-07-06 | 北京地平线机器人技术研发有限公司 | 安全防护设备、方法、计算机可读存储介质及电子设备 |
CN111161170B (zh) * | 2019-12-18 | 2023-04-28 | 江苏科技大学 | 一种用于目标识别的水下图像综合增强方法 |
CN111898532A (zh) * | 2020-07-30 | 2020-11-06 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置、电子设备及监控系统 |
CN112446880B (zh) * | 2021-02-01 | 2021-04-30 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
-
2021
- 2021-02-01 CN CN202110132848.XA patent/CN112446880B/zh active Active
-
2022
- 2022-01-10 US US18/263,882 patent/US20240303782A1/en active Pending
- 2022-01-10 WO PCT/CN2022/071042 patent/WO2022161145A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022161145A1 (zh) | 2022-08-04 |
US20240303782A1 (en) | 2024-09-12 |
CN112446880A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112446880B (zh) | 图像处理方法、电子设备及可读存储介质 | |
US20220277429A1 (en) | Diagnosis assisting device, and image processing method in diagnosis assisting device | |
CN111062947B (zh) | 一种基于深度学习的x光胸片病灶定位方法及系统 | |
CN110827216A (zh) | 图像去噪的多生成器生成对抗网络学习方法 | |
US20210133473A1 (en) | Learning apparatus and learning method | |
Bhairannawar | Efficient medical image enhancement technique using transform HSV space and adaptive histogram equalization | |
JP2018038789A (ja) | 診断支援装置、及び診断支援装置における画像処理方法、並びにプログラム | |
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 | |
CN114693682B (zh) | 一种基于图像处理的脊椎特征识别方法 | |
CN112686336A (zh) | 一种基于神经网络的烧伤创面深度分类系统 | |
CN117314872A (zh) | 一种视网膜图像的智能分割方法及装置 | |
CN108038840A (zh) | 一种图像处理方法、装置、图像处理设备及存储介质 | |
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 | |
CN112233118A (zh) | 一种基于增量学习的眼底病变图像识别方法和系统 | |
CN116271386A (zh) | 一种具有成像增强功能的可视双腔气管插管及其成像增强方法 | |
US20220207659A1 (en) | Systems and methods for low-light image enhancement | |
CN113808057A (zh) | 基于无监督学习的内窥镜图像增强方法 | |
CN115880208A (zh) | 图像处理方法、图像处理装置及医疗设备 | |
CN110010228A (zh) | 一种基于图像分析的脸部皮肤透视算法 | |
CN113256502A (zh) | 超声图像的调整方法、终端设备、可读存储介质 | |
CN114418920B (zh) | 一种内窥镜多焦点图像融合方法 | |
AU2022230997B2 (en) | Method of image enhancement for distraction deduction in endoscopic procedures | |
JP5937286B1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN114298206B (zh) | 一种眼底图像域转换方法及系统 | |
Hu et al. | A novel interactive image processing approach for DICOM medical image data |
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 |