CN112598607B - 基于改进加权clahe的内窥镜图像血管增强算法 - Google Patents

Abstract

本发明公开了一种基于改进加权CLAHE的内窥镜图像血管增强算法，涉及图像处理领域，包括以下步骤：将原始图像由RGB空间转换到HSV空间，拆分为H、S、V三通道，对V通道进行亮度调整，对S通道进行饱和度校正，将H、S、V三通道合并，得到处理后的第一图像；将第一图像由HSV空间转换到YCrCb空间，拆分为Y、Cr、Cb三通道，对Y通道进行改进加权CLAHE算法运算，将Y、Cr、Cb三通道合并，得到处理后的第二图像；将第二图像由YCrCb空间转换到RGB空间，利用Sobel算子提取出第二图像的边缘部分，然后利用掩膜运算对边缘部分进行增强，得到处理后的最终图像。利用本发明方法处理内窥镜图像，实现血管增强的同时不改变图像的原有色调，不使图像失真，保持图像的真实性。

Description

基于改进加权CLAHE的内窥镜图像血管增强算法

技术领域

本发明涉及图像处理领域，更具体的说是涉及一种基于改进加权CLAHE 的内窥镜图像血管增强算法。

背景技术

目前对内窥镜血管增强的软件技术方法主要有：基于Retinex技术的方法；基于自适应S形函数的方法；基于FICE技术的方法；基于形态学算子的方法；基于机器学习的方法。但是这些方法一般都存在着过度增强或者血管颜色失真的问题，没有办法很好的分辨出来健康组织和不健康组织，这对于需要保持图像真实性的医学内窥镜图像来讲存在缺陷。

对本领域技术人员来说，如何对内窥镜图像进行处理使得在实现血管增强的基础上保持图像的真实性是亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于改进加权CLAHE的内窥镜图像血管增强算法，以解决背景技术中提出的问题，本发明方法在突出血管的组织轮廓，实现血管增强目的的同时不改变图像的原有色调，不使图像失真，保持图像的真实性。

为了实现上述目的，本发明采用如下技术方案：一种基于改进加权 CLAHE的内窥镜图像血管增强算法，包括以下步骤：

将原始图像由RGB空间转换到HSV空间，拆分为H、S、V三通道，对V 通道进行亮度调整，对S通道进行饱和度校正，将所述H、S、V三通道合并，得到处理后的第一图像；

将所述第一图像由HSV空间转换到YCrCb空间，拆分为Y、Cr、Cb三通道，对Y通道进行改进加权CLAHE算法运算，将所述Y、Cr、Cb三通道合并，得到处理后的第二图像；

将所述第二图像由YCrCb空间转换到RGB空间，利用Sobel算子提取出所述第二图像的边缘部分，然后利用掩膜运算对所述边缘部分进行增强，得到处理后的最终图像。

通过采用上述方案，具有以下有益效果：在实现血管增强目的的同时不改变图像的原有色调，不使图像失真，保持图像的真实性。

优选的，所述对V通道进行亮度调整的具体步骤为：

利用小波变换把所述V通道分为高频部分和低频部分；

对所述高频部分做去噪处理，对所述低频部分利用伽马校正进行亮度调整；

利用逆小波变换将处理完毕的所述高频部分和所述低频部分进行合并。

优选的，所述对S通道进行饱和度校正的公式为：

其中V_I为调整完毕的亮度分量，S_I为校正完毕的饱和度分量，t为变换系数，公式为：

其中(i,j)表示某像素点，

和

表示该像素点周围3*3大小的范围内亮度和饱和度的平均值，Φ_V(i,j)表示该像素点的亮度方差，Φ_S(i,j)表示该像素点的饱和度方差。

通过采用上述方案，具有以下有益效果：对V通道进行亮度调整以及对S 通道进行饱和度校正是为了避免在调整亮度的同时对其他分量造成影响。

优选的，所述改进加权CLAHE算法运算的具体步骤为：

利用加权之后的概率密度函数代替原概率密度函数；

对所述加权之后的概率密度函数进行归一化运算；

通过所述归一化运算的加权之后的概率密度函数求得累积分布函数和变换函数。

通过采用上述方案，具有以下有益效果：平时CLAHE算法的变换函数只考虑了概率密度函数，但是在本发明方法中不但考虑了概率密度函数，同时也考虑了像素的局部特征，利用加权之后的概率密度函数代替原概率密度函数，考虑的更加全面。

优选的，所述加权之后的概率密度函数公式为：

X(i,j)＝X_k，否则P_W为0；

其中，k＝0,1,2....L-1；

X(i,j)为图像在像素(i,j)处的灰度级，f(*)为权函数，c(i,j)为像素(i,j)与其周围八邻域之差的绝对值的平均数，代表对比因子，c(i,j)的公式为：

所述权函数的公式为：

其中，c为c(i,j)，k为一个常数，可以通过经验来手动调整到某个固定的值，在本发明中将k值固定在2.8。

通过采用上述方案，具有以下有益效果：修改之后的权函数曲线上升更加缓慢，更为适用于以红色为主基调且对比度较低的内窥镜图像。

优选的，所述归一化运算的加权之后的概率密度函数公式为：

优选的，所述累积分布函数的公式为：

优选的，所述累积分布函数与所述变换函数的关系为：T(X_k)＝C_wn(X_k)。

优选的，所述Sobel算子的算法如下：

水平方向算子计算方法：

S_sx(i,j)＝[X(i-1,j+1)+2X(i,j+1)+X(i+1,j+1)] -[X(i-1,j-1)+2X(i,j-1)+X(i+1,j-1)]

垂直方向算子计算方法：

S_sy(i,j)＝[X(i-1,j-1)+2X(i-1,j)+X(i-1,j+1)] -[X(i+1,j-1)+2X(i+1,j)+X(i+1,j+1)]。

通过采用上述方案，具有以下有益效果：利用Sobel算子提取出图像的边缘部分，然后利用掩膜运算对提取出的边缘部分进行加强，既增强了图像的边缘细节部分，还可以避免非血管的组织区域出现增强噪声的情况出现。

经由上述的技术方案可知，本发明公开提供了一种基于改进加权CLAHE 的内窥镜图像血管增强算法，与现有技术相比，使用本发明方法进行图像处理使得血管更加清晰突出，达到了增强血管的目的，与此同时不改变血管和组织的颜色，保证了图像的真实度，颜色不失真。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明的算法流程图；

图2附图为本发明的亮度调整与饱和度校正流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种基于改进加权CLAHE的内窥镜图像血管增强算法，如图1所示，本发明方法的步骤为：

步骤一：将原始图像由RGB空间转换到HSV空间，拆分为H、S、V三通道，对V通道进行亮度调整，对S通道进行饱和度校正，将H、S、V三通道合并，得到处理后的第一图像；

具体的，亮度调整与饱和度校正的流程如图2所示，对V通道进行亮度调整的具体步骤为：

利用小波变换把V通道分为高频部分和低频部分；

对高频部分做去噪处理，对低频部分利用伽马校正进行亮度调整；

利用逆小波变换将处理完毕的高频部分和低频部分进行合并。

其中，图像的高频部分是指图像变化剧烈的部分，一般是边缘处，细节处或是噪声；低频部分是平滑处，图片大部分的内容部分。

更进一步的，对S通道进行饱和度校正的公式为：

其中V_I为调整完毕的亮度分量，S_I为校正完毕的饱和度分量，t为变换系数，公式为：

其中(i,j)表示某像素点，

和

表示该像素点周围3*3大小的范围内亮度和饱和度的平均值，Φ_V(i,j)表示该像素点的亮度方差，Φ_S(i,j)表示该像素点的饱和度方差。

步骤二：将第一图像由HSV空间转换到YCrCb空间，拆分为Y、Cr、Cb 三通道，对Y通道进行改进加权CLAHE算法运算，将Y、Cr、Cb三通道合并，得到处理后的第二图像；

改进加权CLAHE算法运算的具体步骤为：

1)利用加权之后的概率密度函数代替原概率密度函数；

确定加权之后的概率密度函数公式为：

X(i,j)＝X_k，否则P_W为0；

其中，k＝0,1,2....L-1；

X(i,j)为图像在像素(i,j)处的灰度级，f(*)为权函数，c(i,j)为像素(i,j)与其周围八邻域之差的绝对值的平均数，代表对比因子，c(i,j)的公式为：

权函数的公式为：

其中，c为c(i,j)，k为一个常数，可以通过经验来手动调整到某个固定的值，在本实施例中将k值固定在2.8。

修改之后的权函数曲线上升更加缓慢，更为适用于以红色为主基调且对比度较低的内窥镜图像。

2)对加权之后的概率密度函数进行归一化运算；

将P_W归一化之后的公式为：

3)通过归一化运算的加权之后的概率密度函数求得累积分布函数和变换函数。

可由归一化后的P_wn求得直方图的累积分布函数，公式为：

在本实施例中，累积分布函数与变换函数的关系为：T(X_k)＝C_wn(X_k)。

步骤三：将所述第二图像由YCrCb空间转换到RGB空间，利用Sobel算子提取出所述第二图像的边缘部分，然后利用掩膜运算对所述边缘部分进行增强，得到最终图像。

Sobel算子的算法如下：

水平方向算子计算方法：

S_sx(i,j)＝[X(i-1,j+1)+2X(i,j+1)+X(i+1,j+1)] -[X(i-1,j-1)+2X(i,j-1)+X(i+1,j-1)]

垂直方向算子计算方法：

S_sy(i,j)＝[X(i-1,j-1)+2X(i-1,j)+X(i-1,j+1)] -[X(i+1,j-1)+2X(i+1,j)+X(i+1,j+1)]

现有的内窥镜图像血管增强技术在增强突出了血管组织的同时，也经常会使血管的颜色发生改变，或者使其他组织部分变白变青色，没有办法很好的分辨出来健康组织和不健康组织，这就导致了图像的不真实。本发明方法与现有技术相比使得血管更加清晰突出，达到了增强血管的目的，与此同时不改变血管和组织的颜色，保证了图像的真实度，颜色不失真。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于改进加权CLAHE的内窥镜图像血管增强算法，其特征在于，包括以下步骤：

将原始图像由RGB空间转换到HSV空间，拆分为H、S、V三通道，对V通道进行亮度调整，对S通道进行饱和度校正，将所述H、S、V三通道合并，得到处理后的第一图像；

将所述第一图像由HSV空间转换到YCrCb空间，拆分为Y、Cr、Cb三通道，对Y通道进行改进加权CLAHE算法运算，将所述Y、Cr、Cb三通道合并，得到处理后的第二图像；

将所述第二图像由YCrCb空间转换到RGB空间，利用Sobel算子提取出所述第二图像的边缘部分，然后利用掩膜运算对所述边缘部分进行增强，得到处理后的最终图像；

所述改进加权CLAHE算法运算的具体步骤为：

利用第一概率密度函数代替原概率密度函数；

对所述第一概率密度函数进行归一化运算，得到第二概率密度函数；

通过所述第二概率密度函数求得累积分布函数和变换函数；

所述第一概率密度函数公式为：

X(i,j)＝X_k，否则P_W为0；

其中，X(i,j)为图像在像素(i,j)处的灰度级，f(*)为权函数，c(i,j)为像素(i,j)与其周围八邻域之差的绝对值的平均数，代表对比因子，c(i,j)的公式为：

所述权函数的公式为：

其中，c为c(i,j)，k为一个常数。

2.根据权利要求1所述的一种基于改进加权CLAHE的内窥镜图像血管增强算法，其特征在于，所述对V通道进行亮度调整的具体步骤为：

利用小波变换把所述V通道分为高频部分和低频部分；

对所述高频部分做去噪处理，对所述低频部分利用伽马校正进行亮度调整；

利用逆小波变换将处理完毕的所述高频部分和所述低频部分进行合并。

3.根据权利要求1所述的一种基于改进加权CLAHE的内窥镜图像血管增强算法，其特征在于，所述对S通道进行饱和度校正的公式为：

其中V_I为调整完毕的亮度分量，S_I为校正完毕的饱和度分量，t为变换系数。

4.根据权利要求3所述的一种基于改进加权CLAHE的内窥镜图像血管增强算法，其特征在于，所述变换系数的公式为：

其中(i,j)表示某像素点，

和

表示该像素点周围3*3大小的范围内亮度和饱和度的平均值，Φ_V(i,j)表示该像素点的亮度方差，Φ_S(i,j)表示该像素点的饱和度方差。

5.根据权利要求1所述的一种基于改进加权CLAHE的内窥镜图像血管增强算法，其特征在于，所述第二概率密度函数公式为：

其中，P_w(X_k)为第一概率密度函数。

6.根据权利要求1所述的一种基于改进加权CLAHE的内窥镜图像血管增强算法，其特征在于，所述累积分布函数的公式为：

7.根据权利要求1所述的一种基于改进加权CLAHE的内窥镜图像血管增强算法，其特征在于，所述累积分布函数与所述变换函数的关系为：

T(X_k)＝C_wn(X_k)；

其中，T(X_k)为所述变换函数，C_wn(X_k)为所述累积分布函数。

8.根据权利要求1所述的一种基于改进加权CLAHE的内窥镜图像血管增强算法，其特征在于，所述Sobel算子的算法如下：

水平方向算子计算方法：

垂直方向算子计算方法：

S_sy(i,j)＝[X(i-1,j-1)+2X(i-1,j)+X(i-1,j+1)]-[X(i+1,j-1)+2X(i+1,j)+X(i+1,j+1)]。

Images