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 PDF

Info

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
Application number
CN202110132848.XA
Other languages
English (en)
Other versions
CN112446880A (zh
Inventor
杨华
杨戴天杙
刘慧�
张皓
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.)
Ankon Technologies Co Ltd
Original Assignee
Ankon Technologies 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 Ankon Technologies Co Ltd filed Critical Ankon Technologies Co Ltd
Priority to CN202110132848.XA priority Critical patent/CN112446880B/zh
Publication of CN112446880A publication Critical patent/CN112446880A/zh
Application granted granted Critical
Publication of CN112446880B publication Critical patent/CN112446880B/zh
Priority to US18/263,882 priority patent/US20240303782A1/en
Priority to PCT/CN2022/071042 priority patent/WO2022161145A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

图像处理方法、电子设备及可读存储介质
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
Figure DEST_PATH_IMAGE001
，
其中，
Figure 378348DEST_PATH_IMAGE002
表示滤波函数，
Figure DEST_PATH_IMAGE003
表示原始图像中坐标值为（i,j）的像素点的值，
Figure 310663DEST_PATH_IMAGE004
表示滤波算子的大小，
Figure DEST_PATH_IMAGE005
为滤波算子参数，
Figure 952865DEST_PATH_IMAGE005
为常数，其数值大小与图像尺寸，图像噪声大小相关。
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；
则
Figure 321530DEST_PATH_IMAGE006
,
Figure DEST_PATH_IMAGE007
，其中，v为常数，
Figure 825324DEST_PATH_IMAGE008
表示gamma图像J1中坐标值为（i,j）的像素点的值，
Figure DEST_PATH_IMAGE009
表示对比度增强图像J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
Figure 549828DEST_PATH_IMAGE010
，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
Figure DEST_PATH_IMAGE011
；
根据最大值图像
Figure 113665DEST_PATH_IMAGE010
和最小值图像
Figure 500784DEST_PATH_IMAGE011
获取增强显示图像M对应的R、G、B三通道图像
Figure 588694DEST_PATH_IMAGE012
；
则：
Figure DEST_PATH_IMAGE013
，
Figure 682552DEST_PATH_IMAGE014
;
其中，c=[R，G，B]，表示R、G、B三通道其中之一，K为常数，
Figure DEST_PATH_IMAGE015
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，
Figure 168023DEST_PATH_IMAGE016
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，
Figure DEST_PATH_IMAGE017
表示最大值图像
Figure 448962DEST_PATH_IMAGE010
中坐标值为（i,j）的像素点的值，
Figure 825717DEST_PATH_IMAGE018
表示最小值图像
Figure 820087DEST_PATH_IMAGE010
中坐标值为（i,j）的像素点的值；
将R、G、B三通道图像
Figure 256884DEST_PATH_IMAGE015
进行三通道融合形成增强显示图像M。
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：
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
Figure DEST_PATH_IMAGE019
；
S52、根据亮度层图像
Figure 25120DEST_PATH_IMAGE019
获取锐化图像N对应的R、G、B三通道图像
Figure 956298DEST_PATH_IMAGE020
；
则：
Figure DEST_PATH_IMAGE021
，
其中，c=[R，G，B]，表示R、G、B三通道其中之一，
Figure 24748DEST_PATH_IMAGE022
为常数，
Figure 632447DEST_PATH_IMAGE015
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，
Figure DEST_PATH_IMAGE023
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，
Figure 933984DEST_PATH_IMAGE024
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；
S53、将R、G、B三通道图像
Figure 918121DEST_PATH_IMAGE020
进行三通道融合形成锐化图像N。
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；
在步骤S51之后，对步骤S51形成的三通道图像
Figure 372236DEST_PATH_IMAGE019
进行升采样还原形成与原始图像大小相同的三通道图像
Figure 150836DEST_PATH_IMAGE019
。
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
Figure DEST_PATH_IMAGE025
，
Figure 378817DEST_PATH_IMAGE026
，
Figure DEST_PATH_IMAGE027
；
Figure 635486DEST_PATH_IMAGE028
；
其中，a、b为常数，
Figure DEST_PATH_IMAGE029
表示曝光图像G中坐标值为（i,j）的像素点的值；
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
Figure 396638DEST_PATH_IMAGE030
；
则：
Figure DEST_PATH_IMAGE031
，
Figure 814981DEST_PATH_IMAGE032
；
Figure DEST_PATH_IMAGE033
；
其中，c=[R，G，B]，表示R、G、B三通道其中之一，p为常数，
Figure 326996DEST_PATH_IMAGE034
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，
Figure 387356DEST_PATH_IMAGE023
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，
Figure DEST_PATH_IMAGE035
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，
Figure 268593DEST_PATH_IMAGE036
分别表示锐化图像N的宽度和高度；
S66、将R、G、B三通道图像
Figure 388996DEST_PATH_IMAGE030
进行三通道融合形成输出图像E。
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
Figure 637574DEST_PATH_IMAGE001
，
其中，
Figure 501625DEST_PATH_IMAGE002
表示滤波函数，
Figure 581577DEST_PATH_IMAGE003
表示原始图像中坐标值为（i,j）的像素点的值，
Figure 826876DEST_PATH_IMAGE004
表示滤波算子的大小，
Figure 359488DEST_PATH_IMAGE005
为滤波算子参数，
Figure 27230DEST_PATH_IMAGE005
为常数，其数值大小与图像尺寸，图像噪声大小相关。
相应的，图像尺寸越大，配置的滤波算子参数
Figure 164950DEST_PATH_IMAGE005
的值也越大；图像噪声越大，配置的滤波算子参数
Figure 876423DEST_PATH_IMAGE005
的值也越大；
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：
Figure DEST_PATH_IMAGE037
，其中g为gamma系数，
Figure 302856DEST_PATH_IMAGE008
表示gamma图像J1中坐标值为（i,j）的像素点的值；
Figure 774289DEST_PATH_IMAGE038
表示对预处理图像S中坐标值为（i,j）的像素点的值做gamma变换；本发明具体示例中，g∈[0.1，3.0]。
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；
则
Figure 841467DEST_PATH_IMAGE006
,
Figure 474573DEST_PATH_IMAGE007
，其中，v为常数，
Figure 185041DEST_PATH_IMAGE008
表示gamma图像J1中坐标值为（i,j）的像素点的值，
Figure 991323DEST_PATH_IMAGE009
表示对比度增强图像J中坐标值为（i,j）的像素点的值。
在这里，
Figure DEST_PATH_IMAGE039
为调整系数，其值根据亮度值m1、和亮度值m2进行相关计算获得，对于对比度增强图像J的每一像素点，其对应的调整系数
Figure 556165DEST_PATH_IMAGE039
相同；
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
Figure 360173DEST_PATH_IMAGE010
，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
Figure 557936DEST_PATH_IMAGE011
；
S42、根据最大值图像
Figure 105592DEST_PATH_IMAGE010
和最小值图像
Figure 557564DEST_PATH_IMAGE011
获取增强显示图像M对应的R、G、B三通道图像
Figure 798053DEST_PATH_IMAGE012
；
则：
Figure 14270DEST_PATH_IMAGE013
，
Figure 365617DEST_PATH_IMAGE014
;
其中，c=[R，G，B]，表示R、G、B三通道其中之一，K为常数，
Figure 186943DEST_PATH_IMAGE015
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，
Figure 847600DEST_PATH_IMAGE016
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，
Figure 488797DEST_PATH_IMAGE017
表示最大值图像
Figure 643835DEST_PATH_IMAGE010
中坐标值为（i,j）的像素点的值，
Figure 319667DEST_PATH_IMAGE018
表示最小值图像
Figure 698696DEST_PATH_IMAGE010
中坐标值为（i,j）的像素点的值；
S43、将R、G、B三通道图像
Figure 843500DEST_PATH_IMAGE015
进行三通道融合形成增强显示图像M。
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：
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
Figure 536650DEST_PATH_IMAGE019
；
S52、根据亮度层图像
Figure 332567DEST_PATH_IMAGE019
获取锐化图像N对应的R、G、B三通道图像
Figure 820181DEST_PATH_IMAGE020
；
则：
Figure 950816DEST_PATH_IMAGE021
，
其中，c=[R，G，B]，表示R、G、B三通道其中之一，
Figure 447657DEST_PATH_IMAGE022
为常数，
Figure 98081DEST_PATH_IMAGE015
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，
Figure 22175DEST_PATH_IMAGE023
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，
Figure 875992DEST_PATH_IMAGE024
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；
S53、将R、G、B三通道图像
Figure 645365DEST_PATH_IMAGE020
进行三通道融合形成锐化图像N。
步骤S51的在已知图像中通过导向滤波算法提取亮度层图像的三通道图像
Figure 415875DEST_PATH_IMAGE019
为现有技术，在此不做详细赘述。
本发明具体示例中，
Figure 510870DEST_PATH_IMAGE022
可以根据需要具体调节，
Figure 897989DEST_PATH_IMAGE040
。
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；
在步骤S51之后，对步骤S51形成的三通道图像
Figure 189162DEST_PATH_IMAGE019
进行升采样还原形成与原始图像大小相同的三通道图像
Figure 610916DEST_PATH_IMAGE019
。
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
Figure 876812DEST_PATH_IMAGE025
，
Figure 954490DEST_PATH_IMAGE026
，
Figure 81977DEST_PATH_IMAGE027
；
Figure 295921DEST_PATH_IMAGE028
；
其中，a、b为常数，
Figure 732718DEST_PATH_IMAGE029
表示曝光图像G中坐标值为（i,j）的像素点的值；
Figure DEST_PATH_IMAGE041
表示锐化图像M中坐标值为（i,j）的像素点的值；
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
Figure 15801DEST_PATH_IMAGE030
；
则：
Figure 196246DEST_PATH_IMAGE031
，
Figure 327013DEST_PATH_IMAGE042
；
Figure 934712DEST_PATH_IMAGE033
；
其中，c=[R，G，B]，表示R、G、B三通道其中之一，p为常数，
Figure 986982DEST_PATH_IMAGE034
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，
Figure 721851DEST_PATH_IMAGE023
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，
Figure 910387DEST_PATH_IMAGE035
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，
Figure DEST_PATH_IMAGE043
表示光照图像L中坐标值为（i,j）的像素点的值；
Figure 892249DEST_PATH_IMAGE036
分别表示锐化图像N的宽度和高度；
S66、将R、G、B三通道图像
Figure 681083DEST_PATH_IMAGE030
进行三通道融合形成输出图像E。
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]。
对于步骤S65，f实际为光照图像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；
Figure 203331DEST_PATH_IMAGE044
为权重系数，在这里，其使用过程中，对其做归一化处理，使其数值归结在0至1之间。
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。
2.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
Figure 167100DEST_PATH_IMAGE001
，
其中，
Figure 650034DEST_PATH_IMAGE002
表示滤波函数，
Figure 670073DEST_PATH_IMAGE003
表示原始图像中坐标值为（i,j）的像素点的值，
Figure 580261DEST_PATH_IMAGE004
表示滤波算子的大小，r为滤波算子参数，r为常数，其数值大小与图像尺寸，图像噪声大小相关。
3.根据权利要求1所述的图像处理方法，其特征在于，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中：
Figure 302229DEST_PATH_IMAGE005
；
其中，c=[R，G，B]，表示R、G、B三通道其中之一，K为常数，K∈[0，0.5]，
Figure 163805DEST_PATH_IMAGE006
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，
Figure 287619DEST_PATH_IMAGE007
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，
Figure 119440DEST_PATH_IMAGE008
表示最大值图像
Figure 328704DEST_PATH_IMAGE009
中坐标值为（i,j）的像素点的值，
Figure 169752DEST_PATH_IMAGE010
表示最小值图像
Figure 148073DEST_PATH_IMAGE011
中坐标值为（i,j）的像素点的值。
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。
5.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中：
Figure 150795DEST_PATH_IMAGE012
，
其中，c=[R，G，B]，表示R、G、B三通道其中之一，
Figure 847355DEST_PATH_IMAGE013
为常数，
Figure 210204DEST_PATH_IMAGE014
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，
Figure 59342DEST_PATH_IMAGE015
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，
Figure 216654DEST_PATH_IMAGE016
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。
6.根据权利要求1所述的图像处理方法，其特征在于，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；
在步骤S51之后，对步骤S51形成的三通道图像
Figure 400511DEST_PATH_IMAGE017
进行升采样还原形成与原始图像大小相同的三通道图像
Figure 317782DEST_PATH_IMAGE017
。
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
Figure 270695DEST_PATH_IMAGE018
；
其中，a、b为常数，
Figure 615219DEST_PATH_IMAGE019
表示曝光图像G中坐标值为（i,j）的像素点的值；
Figure 20793DEST_PATH_IMAGE020
表示锐化图像M中坐标值为（i,j）的像素点的值；
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；
则：
Figure 7335DEST_PATH_IMAGE021
；
其中，c=[R，G，B]，表示R、G、B三通道其中之一，
Figure 814754DEST_PATH_IMAGE022
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，
Figure 845027DEST_PATH_IMAGE023
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，
Figure 488629DEST_PATH_IMAGE024
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，
Figure 996970DEST_PATH_IMAGE025
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。
CN202110132848.XA 2021-02-01 2021-02-01 图像处理方法、电子设备及可读存储介质 Active CN112446880B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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