CN113298737A - 一种内窥镜图像增强算法 - Google Patents

一种内窥镜图像增强算法 Download PDF

Info

Publication number
CN113298737A
CN113298737A CN202110775757.8A CN202110775757A CN113298737A CN 113298737 A CN113298737 A CN 113298737A CN 202110775757 A CN202110775757 A CN 202110775757A CN 113298737 A CN113298737 A CN 113298737A
Authority
CN
China
Prior art keywords
image
hue
processing
formula
enhancement algorithm
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
Application number
CN202110775757.8A
Other languages
English (en)
Other versions
CN113298737B (zh
Inventor
李显龙
辜长明
聂林川
李光辉
姜一真
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.)
Qingdao Novelbeam Technology Co ltd
Original Assignee
Qingdao Novelbeam Technology 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 Qingdao Novelbeam Technology Co ltd filed Critical Qingdao Novelbeam Technology Co ltd
Priority to CN202110775757.8A priority Critical patent/CN113298737B/zh
Publication of CN113298737A publication Critical patent/CN113298737A/zh
Application granted granted Critical
Publication of CN113298737B publication Critical patent/CN113298737B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T2207/10068—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
    • G06T2207/20024—Filtering details

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Endoscopes (AREA)

Abstract

本发明涉及一种内窥镜图像增强算法，属于图像处理领域。包括以下步骤：(1)将RGB图像转换为HSV图像获取亮度图像V、色调H和饱和度S。(2)对H首先进行色调度数的整体偏移，再进行色调调整公式处理后获取色调HL。(3)对S进行三段式拉伸公式处理获取饱和度SL。(4)对V先使用暗处拉伸公式处理后再进行拉普拉斯图像增强获取亮度图像VL。(5)HL、SL、VL合并转换为RGB分量，处理结束。本发明不仅提高了内窥镜图像的色彩分辨率和饱和度、增强了图像细节并且暗处信息也得到了提升。

Description

一种内窥镜图像增强算法
技术领域
本发明涉及图像处理领域，特别是涉及一种内窥镜图像增强算法。
背景技术
随着现代外科手术向着微创化发展，高清电子医用内窥镜已经成为治愈人体疾病必需的医疗器械，但内窥镜成像过程中，由于摄像装置和腹腔环境的复杂性、电子噪声、干扰等因素的影响，获取的内窥镜图像不可避免的出现降质和退化，为了改善图像的视觉效果，抑制噪声，增强图像色彩和细节，在内窥镜图像处理器中加入图像增强算法，对色彩、亮度以及细节进行增强以改善内窥镜图像成像质量，使之更适合医生观察和做出诊断。
为了使医生能更加准确的判断病情以及进行手术治疗，本发明提出一种内窥镜图像增强方法，旨在提高腹腔内部暗处细节、增强内窥镜图像色彩以及细节。
发明内容
针对已有内窥镜图像增强技术的不足之处，本发明提供了一种内窥镜图像增强方法，具备对内窥镜图像进行色彩增强、细节增强，同时减少由图像增强引起的噪声信息等优点，提供可以满足临床使用的图像增强系统，提高内窥镜图像的暗处信息、增强图像色彩以及细节。
本发明提供一种内窥镜图像增强算法，其特征在于，包含以下步骤：
步骤S1：将原始图像数据进行色域空间转换，将RGB色域空间转换为HSV色域空间，获取原图的亮度图像V以及原图的色调H和饱和度S，其中，转换算法根据RGB图像位数对应转换后的S和V取值范围不同。
步骤S2：对H首先进行色调度数的整体偏移，再进行色调调整公式处理获取色调HL,所述色调调整公式为：
Figure 749650DEST_PATH_IMAGE001
；
其中，HL为处理后的色调数据，H为原始色调数据。
步骤S3：对S使用三段式拉伸公式做饱和度拉伸获取饱和度SL,所述三段式拉伸公式为：
Figure 694604DEST_PATH_IMAGE002
；
其中Sm<Sn，M为饱和度最大值，取决于图像位数，即M=2N，M取整数，优选Sm为256，Sn为2645。
步骤S4：对V进行暗处拉伸公式处理后获取拉伸后的图像VY，再使用图像细节增强算法进行图像细节增强获取亮度图像VL，所述暗处拉伸公式为：
VY= 126000×(V/22.3) V∈ (0，Va) ；
其中，VY为拉伸后的亮度，其中，Va为暗处灰度最高值，取决于图像位数，当图像位数12位时，优选Va值为256。
具体的，所述的细节增强算法通过以下具体步骤加以说明：
步骤S41：在细节增强前先进行一次滤波去除部分噪声，即对VY进行双边滤波，获取滤波后图像VJ，
步骤S42：对VJ使用拉普拉斯图像细节增强算法进行细节增强获取细节增强后的图像VZ，
步骤S43：对VZ再次使用双边滤波进行去噪处理获取亮度图像VL。
步骤S5：将处理后的HL、SL、VL组合，得到增强后的HSV图像，再将HSV色域空间转换到RGB色域空间，得到增强后的RGB图像，图像处理结束。
进一步的，步骤S1所述的RGB转HSV算法，转换后H取值范围为[0～360]，H取整数，S和V取值范围为0～2N，N为图像位数，优选N值为8，10，12。
进一步的，步骤S2所述的色调度数的整体偏移范围为-12°～36°。
进一步的，步骤S42所述拉普拉斯图像增强算子矩阵模板大小通常为(2k+1) ×(2k+1) ，k为正整数，优选k值为1，2，3。
本发明通过提供一种内窥镜图像增强算法，将RGB色域空间转为HSV色域空间后获取灰度图像V、色调H以及饱和度S，对色调H进行整体偏移后再进行色调调整公式处理，对饱和度S使用三段式拉伸公式进行饱和度拉伸，将灰度图像V先使用暗处拉伸公式进行拉伸，再进行拉普拉斯图像增强，最后将处理后HSV色域空间转换为RGB色域空间完成增强处理，通过此方法的处理不仅提高了内窥镜图像的色彩分辨率和饱和度、增强了细节，同时暗处信息也得到了提升。
附图说明
图1是根据本发明实施的一种内窥镜图像增强算法的流程图。
图2为未经本发明算法处理的图片。
图3为本发明算法处理后的图片。
具体实施方式
为更清晰的表达本发明的目的、技术方案和有益效果，以下结合具体实施实例，并参照附图，对本发明进一步详细说明。
一种内窥镜图像处理算法对内窥镜图像进行增强，解决了目前的内窥镜拍摄出来的成像色彩分辨率低、暗处细节不明显以及细节较差的缺点。本实施例针对RGB 36位内窥镜图像进行增强，本实施实例具有与发明内容完全相同的步骤，为避免重复，仅罗列关键数据：
具体的，步骤1中所述RGB转HSV算法采用12位，具体公式为：
Figure 892367DEST_PATH_IMAGE003
；
Figure 564656DEST_PATH_IMAGE004
；
Figure 132077DEST_PATH_IMAGE005
；
其中，计算结果H取值范围为[0～360]，S及V取值范围为[0～4095]。
步骤2中所述的色调整体偏移度数，根据内窥镜成像质量进行偏移，偏移角度与色温相关，优选偏移角度值为-8°。对色调0～15度内数据使用指数函数曲线对色调进行处理，15～60度色调数据进行线性处理，在60～120度黄色色调范围内进行线性处理：60～110度数据进行线性处理，111～120使用对数函数曲线对色调进行处理，121～360保持原来色调不做处理。
步骤3主要针对内窥镜图像有效饱和度范围进行拉伸处理,即顺序将饱和度分为0～Sm、Sm～Sn、Sn～M三段，对0~Sm段饱和度不进行处理，对Sm～Sn段进行使用系数大于1的线性公式处理，Sn～M使用系数小于1的线性公式进行压缩处理。
具体的，Sm取256，Sn取2645，图像位数N为12位，M取4096，所述三段式拉伸公式为
Figure 372565DEST_PATH_IMAGE006
；
具体的，步骤S41所述双边滤波窗口大小为5*5矩阵，空间域标准差为2，值域标准差为3，
步骤S42所述拉普拉斯图像增强算法具体步骤为：通过拉普拉斯算子矩阵模板与图像中的每一个像素进行卷积，对卷积后的结果进行溢出处理，将小于0的进行取绝对值处理，大于灰度最大值的取灰度最大值，具体的，步骤S42所述拉普拉斯图像增强算法使用5*5矩阵运算模板，通过对5*5拉普拉斯算子模板每个像素进行卷积处理，所述拉普拉斯算子模板系数为：
Figure 916679DEST_PATH_IMAGE007
具体的，步骤S5所述HSV转RGB算法公式为：
Figure 533605DEST_PATH_IMAGE008
其中，RGB计算结果值均为[0～4095]。
本实施例的一种内窥镜图像增强算法，将RGB色域空间转为HSV色域空间后获取灰度图像V、色调H以及饱和度S，对色调H先进行偏移再进行色调调整公式处理，对饱和度S使用三段式拉伸公式进行饱和度拉伸，将灰度图像V先使用暗处拉伸公式进行暗处拉伸，再进行拉普拉斯图像增强，最后将处理后HLSLVL格式图像转换为RGB完成增强处理，通过此方法的处理不仅提高了内窥镜图像的色彩分辨率和饱和度、增强了细节，暗处信息也得到了提升，对内窥镜图像进行了细节和色彩等信息的增强同时减少由图像增强引起的噪声信息。
本发明所述的色调调整主要针对内窥镜图像中红色和黄色分辨率较低的缺陷，对红色和黄色色调进行曲线化处理，增强红色和黄色的分辨率，由于红色色调范围为0~60度，色调数值越低，红色越鲜艳，黄色色调范围为60~120度，色调数值越高，黄色越鲜艳，因此对不同颜色色调采用不同处理公式进行处理。在细节增强之前滤波算法主要为了保证细节增强后噪声更少。对整体饱和度进行三段式公式处理主要是为了最大程度的增强色彩深度，提高色彩饱和度。对暗处进行拉伸的目的是解决内窥镜图像暗处显示效果较差的缺点，同时为了保证整体图像对比度不受损失，对暗处亮度范围进行拉伸的同时保证非过曝区对比度不变。

Claims (4)

1.一种内窥镜图像增强算法，其特征在于，包含以下步骤，
步骤S1：将原始图像数据进行色域空间转换，将RGB色域空间转换为HSV色域空间，获取原图的亮度图像V以及原图的色调H和饱和度S,其中,转换算法根据RGB图像位数对应转换后的S和V取值范围不同，
步骤S2：对H首先进行色调度数的整体偏移，再使用色调调整公式处理后获取色调HL,所述色调调整公式为：
Figure DEST_PATH_IMAGE001
步骤S3：对S使用三段式拉伸公式处理获取饱和度SL, 所述三段式拉伸法对应公式为：
Figure DEST_PATH_IMAGE002
其中Sm<Sn,M为饱和度最大值，取决于图像位数，即M=2N,M取整数，优选Sm为256，Sn为2645，
步骤S4：对V使用暗处拉伸公式进行拉伸后获取图像VY，再使用拉普拉斯图像增强算法进行图像细节增强获取亮度图像VL,所述暗处拉伸公式为：
VY= 126000*(V/22.3) V∈ (0,Va)
其中，VY为拉伸后的亮度， 其中，Va为暗处灰度最高值，取决于图像位数，当图像位数12位时，优选Va值为256，
具体的，所述的细节增强算法通过以下具体步骤加以说明：
步骤S41：在细节增强前先进行一次滤波去除部分噪声，即对VY进行双边滤波，获取滤波后图像VJ,
步骤S42：对VJ使用拉普拉斯图像细节增强算法进行细节增强获取细节增强后的图像VZ,
步骤S43：对VZ再次使用双边滤波进行去噪处理获取亮度图像VL，
步骤S5：将处理后的HL、SL、VL组合，得到增强后的HSV图像，再将HSV色域空间转换到RGB色域空间，得到增强后的RGB图像，图像处理结束。
2.根据权利要求1所述的一种内窥镜图像增强算法，其特征在于步骤S1所述的RGB转HSV算法，转换后H取值范围为[0～360]，H取整数,S和V取值范围为0~2N,N为图像位数，优选N为8，10，12。
3.根据权利要求1所述的一种内窥镜图像增强算法，其特征在于步骤S2所述的H色调度数的整体偏移度数范围为-12°～36°。
4.根据权利要求1所述的一种内窥镜图像增强算法，其特征在于步骤S4所述的拉普拉斯图像增强算法是通过拉普拉斯算子模板与图像中的每一个像素进行卷积获取增强后的图像，其中矩阵模板大小通常为(2k+1)*(2k+1) ，k为正整数，优选k值为1，2，3。
CN202110775757.8A 2021-07-09 2021-07-09 一种内窥镜图像增强算法 Active CN113298737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110775757.8A CN113298737B (zh) 2021-07-09 2021-07-09 一种内窥镜图像增强算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110775757.8A CN113298737B (zh) 2021-07-09 2021-07-09 一种内窥镜图像增强算法

Publications (2)

Publication Number Publication Date
CN113298737A true CN113298737A (zh) 2021-08-24
CN113298737B CN113298737B (zh) 2022-08-30

Family

ID=77330685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110775757.8A Active CN113298737B (zh) 2021-07-09 2021-07-09 一种内窥镜图像增强算法

Country Status (1)

Country Link
CN (1) CN113298737B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114494084A (zh) * 2022-04-14 2022-05-13 广东欧谱曼迪科技有限公司 一种图像颜色均化方法、装置、电子设备及存储介质
CN115100077A (zh) * 2022-07-25 2022-09-23 深圳市安科讯实业有限公司 一种新型图像增强方法与装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742339A (zh) * 2010-01-14 2010-06-16 中山大学 一种彩色图像增强的方法
CN106504212A (zh) * 2016-11-07 2017-03-15 湖南源信光电科技有限公司 一种改进的hsi空间信息低照度彩色图像增强算法
CN110047051A (zh) * 2019-04-24 2019-07-23 郑州轻工业学院 一种非均匀照明彩色图像增强方法
CN111445419A (zh) * 2020-04-09 2020-07-24 南京图格医疗科技有限公司 一种基于数学形态学的医学内窥镜图像增强方法
WO2021031459A1 (zh) * 2019-08-16 2021-02-25 域鑫科技（惠州）有限公司 适用于内窥镜的图像增强方法、装置和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742339A (zh) * 2010-01-14 2010-06-16 中山大学 一种彩色图像增强的方法
CN106504212A (zh) * 2016-11-07 2017-03-15 湖南源信光电科技有限公司 一种改进的hsi空间信息低照度彩色图像增强算法
CN110047051A (zh) * 2019-04-24 2019-07-23 郑州轻工业学院 一种非均匀照明彩色图像增强方法
WO2021031459A1 (zh) * 2019-08-16 2021-02-25 域鑫科技（惠州）有限公司 适用于内窥镜的图像增强方法、装置和存储介质
CN111445419A (zh) * 2020-04-09 2020-07-24 南京图格医疗科技有限公司 一种基于数学形态学的医学内窥镜图像增强方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
AYA KUBOTA ET AL.: "Image Enhancement Technology for an 8K Endoscope", 《ACM》 *
SHOUXIN LIU ET AL.: "Retinex-Based Fast Algorithm for Low-Light Image Enhancement", 《ENTROPY》 *
周杰 等: "基于图像融合的快速单幅图像去雾算法", 《传感器与微系统》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114494084A (zh) * 2022-04-14 2022-05-13 广东欧谱曼迪科技有限公司 一种图像颜色均化方法、装置、电子设备及存储介质
CN115100077A (zh) * 2022-07-25 2022-09-23 深圳市安科讯实业有限公司 一种新型图像增强方法与装置
CN115100077B (zh) * 2022-07-25 2022-11-04 深圳市安科讯实业有限公司 一种图像增强方法与装置

Also Published As

Publication number Publication date
CN113298737B (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN110505459B (zh) 适用于内窥镜的图像颜色校正方法、装置和存储介质
Sato TXI: Texture and color enhancement imaging for endoscopic image enhancement
CN113298737B (zh) 一种内窥镜图像增强算法
CN114529475B (zh) 基于二维伽马校正和色调映射的图像增强方法及系统
CN109191390A (zh) 一种基于不同颜色空间多算法融合的图像增强算法
CN104021532B (zh) 一种红外图像的图像细节增强方法
CN110599418B (zh) 一种变换域融合的全局色调映射方法
CN107451963B (zh) 多光谱鼻腔内窥镜实时图像增强方法及内窥镜成像系统
Suman et al. Image enhancement using geometric mean filter and gamma correction for WCE images
CN109767395A (zh) 一种胶囊内窥镜图像处理方法及装置
EP4187484A1 (en) Cbd-net-based medical endoscopic image denoising method
CN111445419A (zh) 一种基于数学形态学的医学内窥镜图像增强方法
Wang et al. Endoscopic image luminance enhancement based on the inverse square law for illuminance and retinex
Huang et al. Deep unsupervised endoscopic image enhancement based on multi-image fusion
Yao et al. An improved multi-scale image enhancement method based on retinex theory
Al-Ameen et al. Fast and Efficient Algorithm for Contrast Enhancement of Color Images.
CN107358592B (zh) 一种迭代式全局自适应图像增强方法
Ezatian et al. Image quality enhancement in wireless capsule endoscopy with adaptive fraction gamma transformation and unsharp masking filter
CN116245766A (zh) 一种图像增强处理方法、装置、电子设备及可读存储介质
CN112598607B (zh) 基于改进加权clahe的内窥镜图像血管增强算法
CN113808057A (zh) 基于无监督学习的内窥镜图像增强方法
CN110852977B (zh) 融合边缘灰度直方图与人眼视觉感知特性的图像增强方法
Wang et al. Image enhancement of X-ray film base on mutil-scale retinex
Kumari et al. Image fusion techniques based on pyramid decomposition
CN115953327B (zh) 一种图像增强方法、系统、可读存储介质及电子设备

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