CN112837243B - 联合整体与局部信息的阴道镜图像高光消除的方法及装置 - Google Patents
联合整体与局部信息的阴道镜图像高光消除的方法及装置 Download PDFInfo
- Publication number
- CN112837243B CN112837243B CN202110245871.XA CN202110245871A CN112837243B CN 112837243 B CN112837243 B CN 112837243B CN 202110245871 A CN202110245871 A CN 202110245871A CN 112837243 B CN112837243 B CN 112837243B
- Authority
- CN
- China
- Prior art keywords
- image
- highlight region
- highlight
- region
- whole
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000001514 detection method Methods 0.000 claims description 60
- 230000008439 repair process Effects 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 11
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 abstract description 8
- 230000008030 elimination Effects 0.000 abstract description 4
- 238000003379 elimination reaction Methods 0.000 abstract description 4
- 230000003902 lesion Effects 0.000 description 10
- 206010008342 Cervix carcinoma Diseases 0.000 description 7
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 description 7
- 201000010881 cervical cancer Diseases 0.000 description 7
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000016776 visual perception Effects 0.000 description 3
- 101150061050 CIN1 gene Proteins 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 101150005988 cin2 gene Proteins 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000002573 colposcopy Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000000981 epithelium Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 101150070189 CIN3 gene Proteins 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003097 mucus Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation 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
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种联合整体与局部信息的阴道镜图像高光消除的方法及装置,所述方法包括:首先,对阴道镜图像的高光区域整体应用高斯模糊和填充的修复方法,保证图像的平滑性;然后,图像分块后在局部高光区域应用样本块的修复方法,尽可能保留图像的解剖纹理细节;最后,联合前面两步整体与局部信息修复后的宫颈图像,在高光消除的基础上保留其余重要信息,最大化地增强图像的视觉可观性。
Description
技术领域
本发明涉及阴道镜图像处理技术领域,特别涉及一种联合整体与局部信息的阴道镜图像高光消除的方法及装置。
背景技术
2018年世界卫生组织(WHO)全球癌症统计报告的数据表明,宫颈癌发病率和死亡率均排在第四位。并且,宫颈癌患者逐步呈现年轻化,美国最新统计表示,其是20至39岁妇女癌症死亡的第二大原因,严重威胁着女性的健康。研究证实患者发展至子宫颈癌需要数年甚至数十年以上的时间,同时经历一个较长的癌前病变期(根据严重程度分为CIN1、CIN2和CIN3),临床医师可以在此阶段早发现早治疗,切除受侵害的组织预防宫颈癌。因此,针对普通人群开展大规模、规范的宫颈癌筛查项目是降低宫颈癌发生和死亡的最有效方法之一。
阴道镜由于操作简单、成本较低,成为宫颈癌筛查的重要辅助工具。阴道镜是一种光学仪器,通过调整光源照射,穿透视野下的组织,对宫颈上皮和血管等放大显影,以此发现可能的宫颈病变,评估病变性质和类型。因此,阴道镜检查过程中,当相机闪光灯的光照射到宫颈组织上时,由于宫颈组织表面存在生理黏液且较光滑,镜下图像经常会出现一定的高光反射区域(SR区),这些区域与醋酸白病变区域(AW区)在阴道镜图像中具有相似的特征表现,而AW区是检查区域涂抹醋酸后病变区域发生的重要组织改变。
因此,SR区会影响医师判断。并且,宫颈组织表面颜色、纹理特征、饱和度减弱,表现出高亮度、低饱和度的特点,会导致宫颈上皮组织外观成像不均匀,甚至宫颈病变的表面信息完全丢失,干扰计算机对宫颈病变区域的识别、分割和分类等,进而降低宫颈只能辅助诊断系统的准确率。实际应用中,对宫颈图像进行消除高光区域的预处理成为宫颈病变智能诊断的一个重要任务。
发明内容
本发明要解决的技术问题,在于提供一种联合整体与局部信息的阴道镜图像高光消除的方法,通过联合整体与局部信息,实现增强图像的视觉可观性,减少高光干扰,进而提升临床诊断效率和保证计算机后续的相关处理。
第一方面,本发明提供了一种联合整体与局部信息的阴道镜图像高光消除的方法,包括:
步骤10、对采集的阴道镜图像进行预处理,得到预处理图像;
步骤20、对所述预处理图像进行高光区域的整体检测,得到整体高光区域,然后采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像;
步骤30、对所述预处理图像进行分块,然后对所述分块后的预处理图像依次进行局部高光区域的检测,采用样本块方法对分块后的预处理图像进行局部高光区域的修复,得到局部高光区域修复图像;
步骤40、将所述整体高光区域修复图像与局部高光区域修复图像转换至HSV颜色空间,然后对比转换后的整体高光区域修复图像和局部高光区域修复图像中各个像素点的H、S、V分量,分别保留两个分量值中较大的分量值,得到消除高光区域的阴道镜图像。
进一步地,所述步骤20中,对所述预处理图像进行高光区域的整体检测,得到整体高光区域,具体包括:
步骤2011、将预处理图像转化到YUV颜色空间,得到色彩转化图像;
步骤2012、利用自适应阈值和第一设定阈值对所述色彩转化图像进行整体检测,得到高强度高光区域;
步骤2013、利用自适应阈值和第二设定阈值对所述色彩转化图像进行整体检测,得到低强度高光区域,所述第二设定阈值小于所述第一设定阈值;
步骤2014、对所述低强度高光区域进行设定范围内像素的平均值填充处理,然后采用中值滤波器对填充后的图像进行滤波;
步骤2015、计算步骤2014得到的滤波图像中每个像素的像素相对强度,当像素相对强度大于设定阈值时,则将该像素判定为高光像素点,将所有高光像素点作为最终的低强度高光区域;
步骤2016、采用或运算综合步骤2012得到的高强度高光区域和步骤2015得到的最终的低强度高光区域,然后将区域面积不超过一设定值的区域作为整体高光区域。
进一步地,所述步骤2012具体包括:
对颜色通道进行标准化,并通过如下公式计算色彩平衡比:
其中,CG为RGB颜色空间的绿颜色通道,CB为RGB颜色空间的蓝颜色通道,CY为YUV颜色空间的明亮度通道,P95表示第95个百分位数,从而得出相应的颜色平衡比rGY、rBY;
当像素点x0满足以下三个条件之一时,被标记为高强度高光区域:
其中,T1是第一设定阈值。
进一步地,所述步骤20中,采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像,具体包括:
步骤2021、对所述整体高光区域进行设定范围内像素的平均值填充处理;
步骤2022、使用高斯核对步骤2021得到的图像进行滤波,输出没有高光的强平滑图像;
步骤2023、根据整体高光区域轮廓内的像素到整体高光区域轮廓的欧氏距离计算权重,所述权重与所述欧氏距离成正比;
步骤2024、根据所述权重将所述预处理图像和强平滑图像结合,得到整体高光区域修复图像。
进一步地,所述步骤30中,对所述分块后的预处理图像依次进行局部高光区域的检测,具体包括:
步骤3011、在HSV颜色空间对图像进行色度增强,采用的非线性滤波器定义如下:
其中,R、G、B分别为RGB颜色空间的红、绿、蓝三个颜色通道,R′、G′、B′是对应通道进行色度增强获得的结果,S代表HSV颜色空间的饱和度通道,min为最小取值操作,max为最大取值操作;
步骤3012、将满足以下条件的像素点的集合定义为局部高光区域:
其中,y是像素点的亮度,Yglobal是整张图像的色彩亮度,ω是权重值,X、Y、Z为XYZ颜色空间的三个颜色通道。
第二方面,本发明提供了一种联合整体与局部信息的阴道镜图像高光消除的装置,包括:预处理模块、整体检测修复模块、局部检测修复模块以及联合处理模块;
所述预处理模块,用于对采集的阴道镜图像进行预处理,得到预处理图像;
所述整体检测修复模块,用于对所述预处理图像进行高光区域的整体检测,得到整体高光区域,然后采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像;
所述局部检测修复模块,用于对所述预处理图像进行分块,然后对所述分块后的预处理图像依次进行局部高光区域的检测,采用样本块方法对分块后的预处理图像进行局部高光区域的修复,得到局部高光区域修复图像;
所述联合处理模块,用于将所述整体高光区域修复图像与局部高光区域修复图像转换至HSV颜色空间,然后对比转换后的整体高光区域修复图像和局部高光区域修复图像中各个像素点的H、S、V分量,分别保留两个分量值中较大的分量值,得到消除高光区域的阴道镜图像。
进一步地,所述整体检测修复模块中,对所述预处理图像进行高光区域的整体检测,得到整体高光区域,具体包括:色彩转化模块、高强度高光区域检测模块、低强度高光区域检测模块以及整体高光区域确定模块;
所述色彩转化模块,用于将预处理图像转化到YUV颜色空间,得到色彩转化图像;
所述高强度高光区域检测模块,用于利用自适应阈值和第一设定阈值对所述色彩转化图像进行整体检测,得到高强度高光区域;
所述低强度高光区域检测模块,用于利用自适应阈值和第二设定阈值对所述色彩转化图像进行整体检测,得到低强度高光区域,所述第二设定阈值小于所述第一设定阈值;
对所述低强度高光区域进行设定范围内像素的平均值填充处理,然后采用中值滤波器对填充后的图像进行滤波;
计算滤波图像中每个像素的像素相对强度,当像素相对强度大于设定阈值时,则将该像素判定为高光像素点,将所有高光像素点作为最终的低强度高光区域;
整体高光区域确定模块,用于采用或运算综合高强度高光区域检测模块得到的高强度高光区域和低强度高光区域检测模块得到的最终的低强度高光区域,然后将区域面积不超过一设定值的区域作为整体高光区域。
进一步地,所述高强度高光区域检测模块,具体为:
对颜色通道进行标准化,并通过如下公式计算色彩平衡比:
其中,CG为RGB颜色空间的绿颜色通道,CB为RGB颜色空间的蓝颜色通道,CY为YUV颜色空间的明亮度通道,P95表示第95个百分位数,从而得出相应的颜色平衡比rGY、rBY;
当像素点x0满足以下三个条件之一时,被标记为高强度高光区域:
其中,T1是第一设定阈值。
进一步地,所述整体检测修复模块中,采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像,具体包括如下步骤:
步骤2021、对所述整体高光区域进行设定范围内像素的平均值填充处理;
步骤2022、使用高斯核对步骤2021得到的图像进行滤波,输出没有高光的强平滑图像;
步骤2023、根据整体高光区域轮廓内的像素到整体高光区域轮廓的欧氏距离计算权重,所述权重与所述欧氏距离成正比;
步骤2024、根据所述权重将所述预处理图像和强平滑图像结合,得到整体高光区域修复图像。
进一步地,所述低强度高光区域检测模块,对所述分块后的预处理图像依次进行局部高光区域的检测,具体包括如下步骤:
步骤3011、在HSV颜色空间对图像进行色度增强,采用的非线性滤波器定义如下:
其中,R、G、B分别为RGB颜色空间的红、绿、蓝三个颜色通道,R′、G′、B′是对应通道进行色度增强获得的结果,S代表HSV颜色空间的饱和度通道,min为最小取值操作,max为最大取值操作;
步骤3012、将满足以下条件的像素点的集合定义为局部高光区域:
其中,y是像素点的亮度,Yglobal是整张图像的色彩亮度,ω是权重值,X、Y、Z为XYZ颜色空间的三个颜色通道。
本发明实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过联合阴道镜图像整体和局部的信息消除高光干扰,在整体应用高斯模糊和填充的修复方法,保证图像的平滑性,局部采用经典的样本块方法,可以尽可能地保留图像的解剖纹理细节,然后将二者在与人类视觉感受最为相近的HSV颜色空间合理结合,综合考虑了阴道镜图像高光区域消除后纹理细节的保留和整体的视觉可观性,减少高光干扰,有效提升了临床医师的诊断效率,同时能够进一步保证计算机后续的相关图像处理过程。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明实施例一中方法中的流程图;
图2为本发明实施例一中进行高光区域局部处理时采用的样本块模型图例;
图3为本发明实施例二中装置的结构示意图。
具体实施方式
本发明的技术目的在于,提供一种阴道镜图像高光消除的方法,通过联合整体与局部信息,实现增强图像的视觉可观性,减少高光干扰,进而提升临床诊断效率和保证计算机后续的相关处理。
本申请实施例中的技术方案,总体思路如下:
本申请通过联合阴道镜图像整体和局部的信息消除高光干扰,在整体应用高斯模糊和填充的修复方法,保证图像的平滑性,局部采用经典的样本块方法,可以尽可能地保留图像的解剖纹理细节,然后将整体与局部两方面的信息,在与人类视觉感受最为相近的HSV颜色空间合理结合,综合考虑了阴道镜图像高光区域消除后纹理细节的保留和整体的视觉可观性,减少高光干扰,有效提升了临床医师的诊断效率,同时能够进一步保证计算机后续的相关图像处理过程。
实施例一
本实施例提供一种联合整体与局部信息的阴道镜图像高光消除的方法,如图1所示,可以包括如下步骤:
S10、对采集的阴道镜图像进行预处理,得到预处理图像;
选择高分辨率的阴道镜,采集相应的阴道镜图像,图像通常包括临床中五个类别的图像:正常、CIN1、CIN2、CIN3、癌症,本发明实施例高光消除的方法对这五个类别的图像均适用;
对图像进行预处理,具体实现为:
S101、获得阴道镜图像中的宫颈区域,裁剪其他非宫颈区域(非宫颈解剖组织、工具、文本标记或叠加在胶片上的其他标记);
S102、把阴道镜图像标准化为N×N大小的RGB图像;
S20、对所述预处理图像进行高光区域的整体检测,得到整体高光区域,然后采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像;
S30、对所述预处理图像进行分块,然后对所述分块后的预处理图像依次进行局部高光区域的检测,采用样本块方法对分块后的预处理图像进行局部高光区域的修复,得到局部高光区域修复图像;
S40、将所述整体高光区域修复图像与局部高光区域修复图像转换至HSV颜色空间,然后对比转换后的整体高光区域修复图像和局部高光区域修复图像中各个像素点的H、S、V分量,分别保留两个分量值中较大的分量值,得到消除高光区域的阴道镜图像。
在整体应用高斯模糊和填充的修复方法,保证图像的平滑性,局部采用经典的样本块方法,可以尽可能地保留图像的解剖纹理细节,然后将整体与局部两方面的信息,在与人类视觉感受最为相近的HSV颜色空间合理结合,综合考虑了阴道镜图像高光区域消除后纹理细节的保留和整体的视觉可观性,减少高光干扰,有效提升了临床医师的诊断效率,同时能够进一步保证计算机后续的相关图像处理过程。
在一种可能的实现方式中,所述S20中,对所述预处理图像进行高光区域的整体检测,得到整体高光区域,具体包括:
S2011、将预处理图像转化到YUV颜色空间,得到色彩转化图像;
S2012、利用色彩平衡自适应阈值和第一设定阈值对所述色彩转化图像进行整体检测,得到高强度高光区域,可以具体采用如下方式实现:
对颜色通道进行标准化,并通过如下公式计算色彩平衡比:
其中,CG为RGB颜色空间的绿颜色通道,CB为RGB颜色空间的蓝颜色通道,CY为YUV颜色空间的明亮度通道,P95表示第95个百分位数,从而得出相应的颜色平衡比rGY、rBY;
当像素点x0满足以下三个条件之一时,被标记为高强度高光区域:
其中,T1是第一设定阈值。
对颜色通道进行标准化,并通过色彩平衡自适应阈值计算色彩平衡比,即,使用高百分位对颜色进行标准化,使其在显示非常高的强度范围内时能够补偿色彩平衡问题,采用第一设定阈值确定高亮度部分,获得阴道镜色彩转化图像的第一个高光反射区域。
S2013、利用色彩平衡自适应阈值和第二设定阈值对所述色彩转化图像进行整体检测,得到低强度高光区域,所述第二设定阈值小于所述第一设定阈值;
S2014、对所述低强度高光区域进行设定范围内像素的平均值填充处理,然后采用中值滤波器对填充后的图像进行滤波;在相对较大的窗口尺寸下,这一过程可以有效地消除S2012无法检测到的微小的高光像素点;
S2015、计算S2014得到的滤波图像中每个像素的像素相对强度,当像素相对强度大于设定阈值时,则将该像素判定为高光像素点,将所有高光像素点作为最终的低强度高光区域;
原始图像和中值滤波图像的三个颜色通道的最大强度比值对高光区域的检测具有最佳效果,但不同的色彩平衡和对比度可能导致相同特征在不同图像中有不同的表现,因此需要一个相对对比系数补偿这一变化,相对对比系数由以下公式给出:
最后,每个位置的像素相对强度可以使用以下公式来计算:
S2013至S2015的目的在于检测图像中高光区域的低强度部分,通过比较每个给定像素与非高光像素的信息获得第二个高光反射区域的模块;
S2016、采用或运算综合S2012得到的高强度高光区域和S2015得到的最终的低强度高光区域,然后将区域面积不超过一设定值的区域作为整体高光区域;
值得注意的是,针对阴道镜图像,由于高光区域通常为小亮点,而病变区域则为较大的白斑块,为防止将某些病变区域误检测为高光像素,采用限制计算区域的方法来区分二者,如果检测到的高光区域大小超出设定范围,则该检测区域为错误的高光检测,不予采用。
在一种可能的实现方式中,所述S20中,采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像,具体包括:
S2021、对所述整体高光区域进行设定范围内像素的平均值填充处理;
S2022、使用高斯核(σ=8)对步骤2021得到的图像进行滤波,输出没有高光的强平滑图像;
S2023、根据整体高光区域轮廓内的像素到整体高光区域轮廓的欧氏距离计算权重,所述权重与所述欧氏距离成正比;
S2024、根据所述权重将所述预处理图像和强平滑图像结合,使得强平滑图像平滑地填充到整体高光区域轮廓内,得到整体高光区域修复图像;
具体地,预处理图像Iin与强平滑图像Ismooth通过以下公式结合:
Iout(x)=m(x)·Ismooth(x)+(1-m(x))·Iin(x)
其中,m(x)为强平滑图像的权重,最终实现高光区域的修复,输出整体高光区域修复图像Iout。
在一种可能的实现方式中,所述S30中,对所述分块后的预处理图像依次进行局部高光区域的检测,具体包括:
S3011、在HSV颜色空间对图像进行色度增强,采用的非线性滤波器定义如下:
其中,R、G、B分别为RGB颜色空间的红、绿、蓝三个颜色通道,R′、G′、B′是对应通道进行色度增强获得的结果,S代表HSV颜色空间的饱和度通道,min为最小取值操作,max为最大取值操作;
S3012、将满足以下条件的像素点的集合定义为局部高光区域:
其中,y是像素点的亮度,Yglobal是整张图像的色彩亮度,ω是权重值,X、Y、Z为XYZ颜色空间的三个颜色通道,与RGB颜色空间的R、G、B类似。
通过对整体图像分块,可以便于后续对局部的高光区域依次进行检测和修复,具体地,将整张图像分开处理,对于检测后无高光区域分布的块,可以直接跳过,无需再进行后续的修复处理,一定程度地减少了时间的消耗;而对于有高光区域分布的块,高光占比相对于整体图像增大,通过上述方法可以有效检测到局部高光区域,便于后续采用样本块修复方法对其处理,实现高光区域的修复。
请参考图2,I为一张需要进行高光区域消除的图像,Ω为检测到的高光区域,Φ=1-Ω为非高光区域,并以Ω表示Ω的边界,点p为该边界上的一个像素点,Ψp是以p为中心的一个矩形邻域;采用样本块方法对分块后的预处理图像进行局部高光区域的修复,得到局部高光区域修复图像,具体可以包括如下步骤:
S3021、确定阴道镜图像中高光区域的边界;
该过程可以提供必须的初始信息,使高光修复从区域边界开始逐渐向中心推移。
S3022、计算目标像素点p的优先权,通过下面公式确定高光区域的待修复样本块:
P(p)=C(p)D(p)
C(p)为置信度项,度量像素p邻域信息完整度,值越大,p邻域包含越多已知信息;D(p)为数据项,度量像素p所在位置的关键性,值越大,p越接近强边缘处。二者分别表示为:
式中,|Ψp|为Ψp的面积,α为正则化因子,np为像素点p在边界向上的单位法线向量,⊥表示正交算子。
S3023、根据最小绝对差平方和准则,选择阴道镜图像中非高光区域与高光区域最匹配的像素块,填充上一步中的待修复块,填充结果定义为:
局部高光区域修复完成后,将修复后的各块图像重新组合成为完整的阴道镜图像。
所述S40中,对比转换后的整体高光区域修复图像和局部高光区域修复图像中各个像素点的H、S、V分量,分别保留两个分量值中较大的分量值,具体采用如下公式:
其中,H、S、V为HSV颜色空间的三个分量,global表示通过整体处理获得的整体高光区域修复图像的分量值,block表示通过局部处理后获得局部高光区域修复图像的分量值。
将整体与局部得到的修复图像均转换至HSV颜色空间,HSV颜色空间是与人类感觉颜色方式更为相似的颜色空间,包含色相(Hue,H)、饱和度(Saturation,S)和亮度(Value,V)三个分量;从而使得修复图像合理结合,综合考虑了阴道镜图像高光区域消除后纹理细节的保留和整体的视觉可观性,减少高光干扰,有效提升了临床医师的诊断效率。
基于同一发明构思,本申请还提供了与实施例一中的方法对应的装置,详见实施例二。
实施例二
在本实施例中提供了一种联合整体与局部信息的阴道镜图像高光消除的装置,如图3所示,包括:预处理模块、整体检测修复模块、局部检测修复模块以及联合处理模块;
所述预处理模块,用于对采集的阴道镜图像进行预处理,得到预处理图像;
所述整体检测修复模块,用于对所述预处理图像进行高光区域的整体检测,得到整体高光区域,然后采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像;
所述局部检测修复模块,用于对所述预处理图像进行分块,然后对所述分块后的预处理图像依次进行局部高光区域的检测,采用样本块方法对分块后的预处理图像进行局部高光区域的修复,得到局部高光区域修复图像;
所述联合处理模块,用于将所述整体高光区域修复图像与局部高光区域修复图像转换至HSV颜色空间,然后对比转换后的整体高光区域修复图像和局部高光区域修复图像中各个像素点的H、S、V分量,分别保留两个分量值中较大的分量值,得到消除高光区域的阴道镜图像。
在一种可能的实现方式中,所述整体检测修复模块中,对所述预处理图像进行高光区域的整体检测,得到整体高光区域,具体包括:色彩转化模块、高强度高光区域检测模块、低强度高光区域检测模块以及整体高光区域确定模块;
所述色彩转化模块,用于将预处理图像转化到YUV颜色空间,得到色彩转化图像;
所述高强度高光区域检测模块,用于利用自适应阈值和第一设定阈值对所述色彩转化图像进行整体检测,得到高强度高光区域;
低强度高光区域检测模块,用于利用自适应阈值和第二设定阈值对所述色彩转化图像进行整体检测,得到低强度高光区域,所述第二设定阈值小于所述第一设定阈值;
对所述低强度高光区域进行设定范围内像素的平均值填充处理,然后采用中值滤波器对填充后的图像进行滤波;
计算滤波图像中每个像素的像素相对强度,当像素相对强度大于设定阈值时,则将该像素判定为高光像素点,将所有高光像素点作为最终的低强度高光区域;
所述整体高光区域确定模块,用于采用或运算综合高强度高光区域检测模块得到的高强度高光区域和低强度高光区域检测模块得到的最终的低强度高光区域,然后将区域面积不超过一设定值的区域作为整体高光区域。
在一种可能的实现方式中,所述高强度高光区域检测模块,具体为:
对颜色通道进行标准化,并通过如下公式计算色彩平衡比:
其中,CG为RGB颜色空间的绿颜色通道,CB为RGB颜色空间的蓝颜色通道,CY为YUV颜色空间的明亮度通道,P95表示第95个百分位数,从而得出相应的颜色平衡比rGY、rBY;
当像素点x0满足以下三个条件之一时,被标记为高强度高光区域:
其中,T1是第一设定阈值。
在一种可能的实现方式中,所述整体检测修复模块中,采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像,具体包括如下步骤:
步骤2021、对所述整体高光区域进行设定范围内像素的平均值填充处理;
步骤2022、使用高斯核对步骤2021得到的图像进行滤波,输出没有高光的强平滑图像;
步骤2023、根据整体高光区域轮廓内的像素到整体高光区域轮廓的欧氏距离计算权重,所述权重与所述欧氏距离成正比;
步骤2024、根据所述权重将所述预处理图像和强平滑图像结合,得到整体高光区域修复图像。
在一种可能的实现方式中,所述低强度高光区域检测模块,对所述分块后的预处理图像依次进行局部高光区域的检测,具体包括如下步骤:
步骤3011、在HSV颜色空间对图像进行色度增强,采用的非线性滤波器定义如下:
其中,R、G、B分别为RGB颜色空间的红、绿、蓝三个颜色通道,R′、G′、B′是对应通道进行色度增强获得的结果,S代表HSV颜色空间的饱和度通道,min为最小取值操作,max为最大取值操作;
步骤3012、将满足以下条件的像素点的集合定义为局部高光区域:
其中,y是像素点的亮度,Yglobal是整张图像的色彩亮度,ω是权重值,X、Y、Z为XYZ颜色空间的三个颜色通道。
由于本发明实施例二所介绍的装置,为实施本发明实施例一的方法所采用的装置,故而基于本发明实施例一所介绍的方法,本领域所属人员能够了解该装置的具体结构及变形,故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (4)
1.一种联合整体与局部信息的阴道镜图像高光消除的方法,其特征在于,包括:
步骤10、对采集的阴道镜图像进行预处理,得到预处理图像;
步骤20、对所述预处理图像进行高光区域的整体检测,得到整体高光区域,然后采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像;
步骤30、对所述预处理图像进行分块,然后对所述分块后的预处理图像依次进行局部高光区域的检测,采用样本块方法对分块后的预处理图像进行局部高光区域的修复,得到局部高光区域修复图像;
步骤40、将所述整体高光区域修复图像与局部高光区域修复图像转换至HSV颜色空间,然后对比转换后的整体高光区域修复图像和局部高光区域修复图像中各个像素点的H、S、V分量,分别保留两个分量值中较大的分量值,得到消除高光区域的阴道镜图像;
所述步骤20中,对所述预处理图像进行高光区域的整体检测,得到整体高光区域,具体包括:
步骤2011、将预处理图像转化到YUV颜色空间,得到色彩转化图像;
步骤2012、利用色彩平衡自适应阈值和第一设定阈值对所述色彩转化图像进行整体检测,得到高强度高光区域;
步骤2013、利用色彩平衡自适应阈值和第二设定阈值对所述色彩转化图像进行整体检测,得到低强度高光区域,所述第二设定阈值小于所述第一设定阈值;
步骤2014、对所述低强度高光区域进行设定范围内像素的平均值填充处理,然后采用中值滤波器对填充后的图像进行滤波;
步骤2015、计算步骤2014得到的滤波图像中每个像素的像素相对强度,当像素相对强度大于设定阈值时,则将该像素判定为高光像素点,将所有高光像素点作为最终的低强度高光区域;
步骤2016、采用或运算综合步骤2012得到的高强度高光区域和步骤2015得到的最终的低强度高光区域,然后将区域面积不超过一设定值的区域作为整体高光区域;
所述步骤20中,采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像,具体包括:
步骤2021、对所述整体高光区域进行设定范围内像素的平均值填充处理;
步骤2022、使用高斯核对步骤2021得到的图像进行滤波,输出没有高光的强平滑图像;
步骤2023、根据整体高光区域轮廓内的像素到整体高光区域轮廓的欧氏距离计算权重,所述权重与所述欧氏距离成正比;
步骤2024、根据所述权重将所述预处理图像和强平滑图像结合,得到整体高光区域修复图像;
所述步骤30中,对所述分块后的预处理图像依次进行局部高光区域的检测,具体包括:
步骤3011、在HSV颜色空间对图像进行色度增强,采用的非线性滤波器定义如下:
其中,R、G、B分别为RGB颜色空间的红、绿、蓝三个颜色通道,R′、G′、B′是对应通道进行色度增强获得的结果,S代表HSV颜色空间的饱和度通道,min为最小取值操作,max为最大取值操作;
步骤3012、将满足以下条件的像素点的集合定义为局部高光区域:
其中,y是像素点的亮度,Yglobal是整张图像的色彩亮度,ω是权重值,X、Y、Z为XYZ颜色空间的三个颜色通道。
3.一种联合整体与局部信息的阴道镜图像高光消除的装置,其特征在于,包括:预处理模块、整体检测修复模块、局部检测修复模块以及联合处理模块;
所述预处理模块,用于对采集的阴道镜图像进行预处理,得到预处理图像;
所述整体检测修复模块,用于对所述预处理图像进行高光区域的整体检测,得到整体高光区域,然后采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像;
所述局部检测修复模块,用于对所述预处理图像进行分块,然后对所述分块后的预处理图像依次进行局部高光区域的检测,采用样本块方法对分块后的预处理图像进行局部高光区域的修复,得到局部高光区域修复图像;
所述联合处理模块,用于将所述整体高光区域修复图像与局部高光区域修复图像转换至HSV颜色空间,然后对比转换后的整体高光区域修复图像和局部高光区域修复图像中各个像素点的H、S、V分量,分别保留两个分量值中较大的分量值,得到消除高光区域的阴道镜图像;
所述整体检测修复模块中,对所述预处理图像进行高光区域的整体检测,得到整体高光区域,具体包括:色彩转化模块、高强度高光区域检测模块、低强度高光区域检测模块以及整体高光区域确定模块;
所述色彩转化模块,用于将预处理图像转化到YUV颜色空间,得到色彩转化图像;
所述高强度高光区域检测模块,用于利用自适应阈值和第一设定阈值对所述色彩转化图像进行整体检测,得到高强度高光区域;
所述低强度高光区域检测模块,用于利用自适应阈值和第二设定阈值对所述色彩转化图像进行整体检测,得到低强度高光区域,所述第二设定阈值小于所述第一设定阈值;
对所述低强度高光区域进行设定范围内像素的平均值填充处理,然后采用中值滤波器对填充后的图像进行滤波;
计算滤波图像中每个像素的像素相对强度,当像素相对强度大于设定阈值时,则将该像素判定为高光像素点,将所有高光像素点作为最终的低强度高光区域;
所述整体高光区域确定模块,用于采用或运算综合高强度高光区域检测模块得到的高强度高光区域和低强度高光区域检测模块得到的最终的低强度高光区域,然后将区域面积不超过一设定值的区域作为整体高光区域;
所述整体检测修复模块中,采用高斯模糊和填充的方法对所述整体高光区域进行修复,得到整体高光区域修复图像,具体包括如下步骤:
步骤2021、对所述整体高光区域进行设定范围内像素的平均值填充处理;
步骤2022、使用高斯核对步骤2021得到的图像进行滤波,输出没有高光的强平滑图像;
步骤2023、根据整体高光区域轮廓内的像素到整体高光区域轮廓的欧氏距离计算权重,所述权重与所述欧氏距离成正比;
步骤2024、根据所述权重将所述预处理图像和强平滑图像结合,得到整体高光区域修复图像;
所述低强度高光区域检测模块,对所述分块后的预处理图像依次进行局部高光区域的检测,具体包括如下步骤:
步骤3011、在HSV颜色空间对图像进行色度增强,采用的非线性滤波器定义如下:
其中,R、G、B分别为RGB颜色空间的红、绿、蓝三个颜色通道,R′、G′、B′是对应通道进行色度增强获得的结果,S代表HSV颜色空间的饱和度通道,min为最小取值操作,max为最大取值操作;
步骤3012、将满足以下条件的像素点的集合定义为局部高光区域:
其中,y是像素点的亮度,Yglobal是整张图像的色彩亮度,ω是权重值,X、Y、Z为XYZ颜色空间的三个颜色通道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245871.XA CN112837243B (zh) | 2021-03-05 | 2021-03-05 | 联合整体与局部信息的阴道镜图像高光消除的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245871.XA CN112837243B (zh) | 2021-03-05 | 2021-03-05 | 联合整体与局部信息的阴道镜图像高光消除的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112837243A CN112837243A (zh) | 2021-05-25 |
CN112837243B true CN112837243B (zh) | 2023-05-30 |
Family
ID=75934691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110245871.XA Active CN112837243B (zh) | 2021-03-05 | 2021-03-05 | 联合整体与局部信息的阴道镜图像高光消除的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112837243B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116843681B (zh) * | 2023-08-30 | 2023-11-14 | 临沂鑫诺彩印包装有限公司 | 一种纸箱表面着色质量智能检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006287689A (ja) * | 2005-04-01 | 2006-10-19 | Matsushita Electric Ind Co Ltd | 画像処理方法、画像処理装置、画像処理プログラム、およびその画像処理装置を含む集積回路 |
CN102722872A (zh) * | 2012-05-30 | 2012-10-10 | 山东神思电子技术股份有限公司 | 数字图像局部高光溢出消除方法 |
CN107103589A (zh) * | 2017-03-21 | 2017-08-29 | 深圳市未来媒体技术研究院 | 一种基于光场图像的高光区域修复方法 |
CN110390648A (zh) * | 2019-06-24 | 2019-10-29 | 浙江大学 | 一种基于非饱和与饱和高光区分的图像高光去除方法 |
-
2021
- 2021-03-05 CN CN202110245871.XA patent/CN112837243B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006287689A (ja) * | 2005-04-01 | 2006-10-19 | Matsushita Electric Ind Co Ltd | 画像処理方法、画像処理装置、画像処理プログラム、およびその画像処理装置を含む集積回路 |
CN102722872A (zh) * | 2012-05-30 | 2012-10-10 | 山东神思电子技术股份有限公司 | 数字图像局部高光溢出消除方法 |
CN107103589A (zh) * | 2017-03-21 | 2017-08-29 | 深圳市未来媒体技术研究院 | 一种基于光场图像的高光区域修复方法 |
CN110390648A (zh) * | 2019-06-24 | 2019-10-29 | 浙江大学 | 一种基于非饱和与饱和高光区分的图像高光去除方法 |
Non-Patent Citations (1)
Title |
---|
基于YUV颜色空间与局部纹理的运动阴影去除;尚晋霞;;微型机与应用(第14期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112837243A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Color retinal image enhancement based on luminosity and contrast adjustment | |
Sato | TXI: Texture and color enhancement imaging for endoscopic image enhancement | |
US8027533B2 (en) | Method of automated image color calibration | |
WO2021031458A1 (zh) | 适用于内窥镜的图像颜色校正方法、装置和存储介质 | |
US8401258B2 (en) | Method to provide automated quality feedback to imaging devices to achieve standardized imaging data | |
EP3263006B1 (en) | Image processing device | |
JP7188514B2 (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 | |
US9607376B2 (en) | Method and apparatus for image scoring and analysis | |
EP3291173A1 (en) | Diagnosis assisting device, image processing method in diagnosis assisting device, and program | |
Iyatomi et al. | Automated color calibration method for dermoscopy images | |
WO2013080868A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN108378869B (zh) | 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统 | |
US10620417B2 (en) | Method for generating a reflection-reduced contrast image and corresponding device | |
Fink et al. | Design of an algorithm for automated, computer-guided PASI measurements by digital image analysis | |
WO2017203701A1 (ja) | 画像処理装置、画像処理装置の作動方法及び画像処理装置の作動プログラム | |
CN112837243B (zh) | 联合整体与局部信息的阴道镜图像高光消除的方法及装置 | |
Li et al. | Automated image analysis of uterine cervical images | |
Rao et al. | Retinex-centered contrast enhancement method for histopathology images with weighted CLAHE | |
Du et al. | A novel algorithm of color tongue image segmentation based on HSI | |
JP5203159B2 (ja) | 画像処理方法、画像処理システムおよび画像処理プログラム | |
JP4742068B2 (ja) | 画像処理方法、画像処理システムおよび画像処理プログラム | |
Poostchi et al. | Diabetic retinopathy dark lesion detection: preprocessing phase | |
KR100825960B1 (ko) | 두부계측 방사선사진 상에 계측점을 지정하는 방법 | |
Firuzinia et al. | An automatic method for morphological abnormality detection in metaphase II human oocyte images | |
Azevedo-Marques et al. | Segmentation of dermatological ulcers using clustering of color components |
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 |