CN112488945A - 一种基于局部收敛的内窥镜图像增强方法 - Google Patents
一种基于局部收敛的内窥镜图像增强方法 Download PDFInfo
- Publication number
- CN112488945A CN112488945A CN202011399261.7A CN202011399261A CN112488945A CN 112488945 A CN112488945 A CN 112488945A CN 202011399261 A CN202011399261 A CN 202011399261A CN 112488945 A CN112488945 A CN 112488945A
- Authority
- CN
- China
- Prior art keywords
- image
- local
- enhancement
- method based
- pixel
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000000694 effects Effects 0.000 abstract description 8
- 239000000284 extract Substances 0.000 abstract 1
- 238000003384 imaging method Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 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
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于局部收敛的内窥镜图像增强方法,包括以下步骤S1:将原图像变换成YUV图像,获取待处理的Y通道图像;步骤S2:提取Y通道图像中的局部区域,对所述局部区域的亮度信息进行梯度增强处理,得到增强处理后的第二图像;步骤S3:不断缩小选取的区域,重复步骤S2,直至得到局部区域中点的像素值,获得局部区域的增强结果;步骤S4:对Y通道图像的所有像素点进行步骤S2至S3的增强处理,得到最终增强的亮度图像。本方法对图像的信息进行分析,提取出图像的高频分量,然后在原始数据上叠加高频信息,算法的计算过程简单,效果优越,运算速度快,实现图像增强的目的,从而使内窥镜的图像质量得到提升。
Description
技术领域
本发明涉及内窥镜图像显示领域,尤其涉及一种基于局部收敛的内窥镜图像增强方法。
背景技术
内窥镜可以将人体体腔或通道内的影像传输出来以供医生进行判断,使得医生可以更准确地进行观察和判断,所以输出图像月清晰,对于医生而言更加易于观察。但是由于内窥镜成像设备的物理局限性,以及体内黑暗环境的因素,导致成像设备最终输出的图像较为模糊,不能满足医生的使用需求。为了使内脏纹理成像效果更加清晰,本文设计了一种基于局部收敛的内窥镜图像增强方法,通过对图像的局部信息进行分析,实现图像增强的目的,进而使内窥镜图像质量得到提升。
发明内容
为了克服至少一个上述现有技术的技术问题,本发明提供了一种算法简单,效果优良,大幅提升了图像质量的基于局部收敛的内窥镜图像增强方法。
提供了一种基于局部收敛的内窥镜图像增强方法,包括以下步骤
步骤S1:将原图像变换成YUV图像,获取待处理的Y通道图像;
步骤S2:提取Y通道图像中的局部区域,对所述局部区域的亮度信息进行梯度增强处理,得到增强处理后的第二图像;
步骤S3:不断缩小选取的区域,重复步骤S2,直至得到局部区域中点的像素值Outi,j,获得局部区域的增强结果;
步骤S4:对Y通道图像的所有像素点进行步骤S2至S3的增强处理,得到最终增强的亮度图像。
上述的内窥镜图像增强方法至少具有以下的有益效果:对图像的信息进行分析,提取出图像的高频分量,然后在原始数据上叠加高频信息,算法的计算过程简单,效果优越,运算速度快,实现图像增强的目的,从而使内窥镜的图像质量得到提升。
其中,步骤S1获得Y通道图像后,对每一个像素值放大128倍。
其中,步骤S2中的局部区域大小为9*9个像素点的矩形。
其中,步骤S3中每次选取的区域沿边缘向内缩小一个像素点。
其中,步骤S2中进行梯度增强处理包括以下步骤:计算每个像素点沿4个方向的局部梯度分量;对比局部梯度分量和预设阈值的大小,对局部梯度分量进行放大或缩小;局部梯度分量带入梯度增强公式中计算得到像素点增强后的像素值。
进一步地,局部梯度分量根据如下公式进行计算:
其中I是图像亮度值,(i,j)为像素的坐标。
进一步地,局部梯度分量的预设阈值范围及调整公式如下:
进一步地,梯度增强处理根据如下公式进行计算:
进一步地,增强结果Eni,j根据如下公式进行计算:
Eni,j=pi,j+λ×(pi,j-Outi,j/128)
其中Eni,j为局部区域增强后的最终像素值,pi,j为局部区域中央像素点的原像素值,Outi,j为局部区域中央像素点增强后的像素值。
进一步地,步骤S1中将原RGB图像变换成YUV图像时,将RGB图像转换成YUV图像的公式为:
其中R、G、B为RGB空间分量值,Y、U、V为YUV空间分量值。
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为本发明实施例提供的图像增强方法的流程图;
图2为本发明实施例的图像血管增强前的效果图;
图3为本发明实施例的图像血管增强后的效果图。
具体实施方式
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电气连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
参考图1,一种基于局部收敛的内窥镜图像增强方法,包括以下步骤:
步骤S1:将原图像变换成YUV图像,获取待处理的Y通道图像。将原RGB图像变换成YUV图像时,图像转换的公式为:
公式中的R、G、B为RGB空间分量值,Y、U、V为YUV空间分量值,转换后的YUV图像中分离出Y通道的图像信息。并在获得Y通道图像后,为了方便对细节进行处理,将每一个像素值都进行放大,最佳实施例中优选放大倍数为128,即pi,j×128。
步骤S2:提取Y通道图像中的局部区域,优选局部区域大小为9*9个像素点的矩形,对所述局部区域的亮度信息进行梯度增强处理,步骤如下:
首先计算每个像素点沿上下左右4个方向的局部梯度分量,局部梯度分量根据如下公式进行计算:
然后对比局部梯度分量和预设阈值的大小,对局部梯度分量进行放大或缩小,保证后续计算时的像素值不会溢出,局部梯度分量的预设阈值范围及调整公式如下:
最后局部梯度分量带入梯度增强公式中计算得到像素点增强后的像素值,梯度增强处理根据如下公式进行计算:
步骤S3:不断缩小选取的区域,步骤S3中每次选取的区域沿边缘向内缩小一个像素点。重复步骤S2,直至得到局部区域中点的像素值Outi,j,获得局部区域的增强结果;
步骤S4:对Y通道图像的所有像素点进行步骤S2至S3的增强处理,得到最终增强的亮度图像。
根据权利要求1所述的基于局部收敛的内窥镜图像增强方法,其特征在于:增强结果Eni,j根据如下公式进行计算:
Eni,j=pi,j+λ×(pi,j-Outi,j/128)
其中Eni,j为局部区域增强后的最终像素值,pi,j为局部区域中央像素点的原像素值,Outi,j为局部区域中央像素点增强后的像素值,这里λ为可调的加权系数,λ∈[1,8],根据图像的显示效果自行选择合适的系数。
例一:
根据步骤S1转换出YUV图像,分离出Y通道图像。根据步骤S2提取出Y通道图像中大小为9*9个像素点的矩形区域,选取矩形区域中央的25个像素点得到增强后的高频分量Qi,j,这25个像素位置分别是p(4,1),p(4,2),p(4,3),p(4,4),p(4,5),p(4,6),p(4,7),p(3,2),p(3,3),p(3,4),p(3,5),p(3,6),p(2,3),p(2,4),p(2,5),p(1,4),p(5,2),p(5,3),p(5,4),p(5,5),p(5,6),p(6,3),p(6,4),p(6,5),p(7,4),这25个像素点位矩形区域中央的等边菱形区域。
根据步骤S3进行循环的增强处理,再选取25个像素点中的13个像素点,这13个像素点分别是p(4,2),p(4,3),p(4,4),p(4,5),p(4,6),p(3,3),p(3,4),p(3,5),p(2,4),p(5,3),p(5,4),p(5,5),p(6,4),13个像素点位于25个像素点中央处的等边菱形区域。将13个像素点的Qi,j代入局部梯度分量公式的Ii,j内,重复步骤S2,计算得到13个像素点增强后的高频分量Mi,j,分别记为M4,2,M4,3,M4,4,M4,5,M4,6,M3,3,M3,4,M3,5,M2,4,M5,3,M5,4,M5,5,M6,4。
再选取13个像素中的5个像素点,这5个像素点分别是p(4,3),p(4,4),p(4,5),p(3,4),p(5,4),这5个像素点位于13个像素点中央处的等边菱形区域。将13个像素点的Mi,j代入步骤S2内,计算得到5个像素点增强后的高频分量Zi,j,分别记为Z4,3,Z4,4,Z4,5,Z3,4,Z5,4。
最后选取位于5个像素点中央处的像素点p(4,4),将Z4,4代入步骤S2的公式内,计算得到最终的高频分量Out4,4。将最终9*9矩形区域中心位置像素的高频分量Out4,4代入最终增强结果的公式En4,4=p4,4+λ×(p4,4-Out4,4/128),得到局部区域增强的最终像素值En4,4。
根据步骤S4,对Y通道图像由左至右,由上至下,每相隔一个像素点就选取出一个9*9矩形区域,进行上述增强处理,保证对Y通道图像内的所有像素点进行梯度增强,最终将各个矩形区域的En4,4进行显示,得到最终的增强图像。
算法简单,能快速对图像进行处理,参考图2和图3,经过算法增强后的图像血管边缘更加清晰突出,血管的显示效果更好,能更好地辅助治疗。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 (10)
1.一种基于局部收敛的内窥镜图像增强方法,其特征在于:包括以下步骤
步骤S1:将原图像变换成YUV图像,获取待处理的Y通道图像;
步骤S2:提取Y通道图像中的局部区域,对局部区域的亮度信息进行梯度增强处理,得到增强处理后的第二图像;
步骤S3:不断缩小选取的区域,重复步骤S2,直至得到局部区域中点的像素值Outi,j,获得局部区域的增强结果;
步骤S4:对Y通道图像的所有像素点进行步骤S2至S3的增强处理,得到最终增强的亮度图像。
2.根据权利要求1所述的基于局部收敛的内窥镜图像增强方法,其特征在于:步骤S1获得Y通道图像后,对每一个像素值放大128倍。
3.根据权利要求1所述的基于局部收敛的内窥镜图像增强方法,其特征在于:步骤S2中的局部区域大小为9*9个像素点的矩形。
4.根据权利要求1所述的基于局部收敛的内窥镜图像增强方法,其特征在于:步骤S3中每次选取的区域沿边缘向内缩小一个像素点。
5.根据权利要求1所述的基于局部收敛的内窥镜图像增强方法,其特征在于:步骤S2中进行梯度增强处理包括以下步骤:
计算每个像素点沿4个方向的局部梯度分量;
对比局部梯度分量和预设阈值的大小,对局部梯度分量进行放大或缩小;
局部梯度分量带入梯度增强公式中计算得到像素点增强后的像素值。
9.根据权利要求1所述的基于局部收敛的内窥镜图像增强方法,其特征在于:增强结果Eni,j根据如下公式进行计算:
Eni,j=pi,j+λ×(pi,j-Outi,j/128)
其中Eni,j为局部区域增强后的最终像素值,pi,j为局部区域中央像素点的原像素值,Outi,j为局部区域中央像素点增强后的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011399261.7A CN112488945B (zh) | 2020-12-04 | 2020-12-04 | 一种基于局部收敛的内窥镜图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011399261.7A CN112488945B (zh) | 2020-12-04 | 2020-12-04 | 一种基于局部收敛的内窥镜图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488945A true CN112488945A (zh) | 2021-03-12 |
CN112488945B CN112488945B (zh) | 2024-04-26 |
Family
ID=74938152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011399261.7A Active CN112488945B (zh) | 2020-12-04 | 2020-12-04 | 一种基于局部收敛的内窥镜图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488945B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014243A (zh) * | 2010-12-27 | 2011-04-13 | 杭州华三通信技术有限公司 | 一种图像增强方法和装置 |
CN102665029A (zh) * | 2012-03-29 | 2012-09-12 | 中山大学 | 一种基于梯度学习的超分辨率图像放大方法 |
CN105654439A (zh) * | 2015-12-31 | 2016-06-08 | 中国科学院自动化研究所 | 基于梯度调整的血管图像增强方法 |
CN111210393A (zh) * | 2020-01-03 | 2020-05-29 | 北京理工大学珠海学院 | 一种基于边缘提取的彩色图像增强方法、系统及存储介质 |
WO2020107321A1 (zh) * | 2018-11-29 | 2020-06-04 | 唐山曹妃甸联城科技有限公司 | 一种基于Retinex的微光图像增强方法及其装置 |
CN111626962A (zh) * | 2020-05-27 | 2020-09-04 | 重庆邮电大学 | 一种cmos内窥镜图像增强方法 |
-
2020
- 2020-12-04 CN CN202011399261.7A patent/CN112488945B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014243A (zh) * | 2010-12-27 | 2011-04-13 | 杭州华三通信技术有限公司 | 一种图像增强方法和装置 |
CN102665029A (zh) * | 2012-03-29 | 2012-09-12 | 中山大学 | 一种基于梯度学习的超分辨率图像放大方法 |
CN105654439A (zh) * | 2015-12-31 | 2016-06-08 | 中国科学院自动化研究所 | 基于梯度调整的血管图像增强方法 |
WO2020107321A1 (zh) * | 2018-11-29 | 2020-06-04 | 唐山曹妃甸联城科技有限公司 | 一种基于Retinex的微光图像增强方法及其装置 |
CN111210393A (zh) * | 2020-01-03 | 2020-05-29 | 北京理工大学珠海学院 | 一种基于边缘提取的彩色图像增强方法、系统及存储介质 |
CN111626962A (zh) * | 2020-05-27 | 2020-09-04 | 重庆邮电大学 | 一种cmos内窥镜图像增强方法 |
Non-Patent Citations (1)
Title |
---|
董丽丽;丁畅;许文海;: "基于局部梯度场均衡化的图像增强方法", 光电子・激光, no. 05, 15 May 2016 (2016-05-15), pages 557 - 565 * |
Also Published As
Publication number | Publication date |
---|---|
CN112488945B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220277429A1 (en) | Diagnosis assisting device, and image processing method in diagnosis assisting device | |
CN110796612B (zh) | 一种图像增强方法及系统 | |
JPH03206572A (ja) | 階調変換自動化装置 | |
CN105405105B (zh) | 针对乳腺钼靶图像的显示器灰度曲线校正系统及方法 | |
WO2021073101A1 (zh) | 一种图像处理方法、装置和电子设备及可读存储介质 | |
CN105023273A (zh) | 一种医学图像的感兴趣区域调节窗宽和窗位的方法 | |
US20220006981A1 (en) | Method of automatic image freezing of digestive endoscopy | |
Suman et al. | Image enhancement using geometric mean filter and gamma correction for WCE images | |
CN112598607B (zh) | 基于改进加权clahe的内窥镜图像血管增强算法 | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN112446880A (zh) | 图像处理方法、电子设备及可读存储介质 | |
CN113344859A (zh) | 胃黏膜染色放大成像的微血管环绕程度量化方法 | |
CN111445419A (zh) | 一种基于数学形态学的医学内窥镜图像增强方法 | |
CN112488945A (zh) | 一种基于局部收敛的内窥镜图像增强方法 | |
GB2456487A (en) | Image processing using RGB local mean and mapping of candidate colour components onto a possible dynamic range | |
CN116468627A (zh) | 一种基于二次加权快速导向滤波的内窥镜图像增强方法 | |
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 | |
CN114862706B (zh) | 一种保持图像梯度方向的色阶映射方法 | |
CN113808057A (zh) | 基于无监督学习的内窥镜图像增强方法 | |
CN111968051A (zh) | 一种基于曲率分析的内窥镜血管增强方法 | |
CN111738928A (zh) | 一种基于概率优化和神经网络的内窥镜去雾方法及装置 | |
CN110010228A (zh) | 一种基于图像分析的脸部皮肤透视算法 | |
CN117541800B (zh) | 基于喉镜影像的喉部异常部位分割方法 | |
CN108961216A (zh) | 一种组合式骨肿瘤微创切开活检器及控制方法 | |
CN114129188B (zh) | 一种超声造影灌注流向估计方法与成像系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |