CN113610823A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113610823A CN113610823A CN202110930092.3A CN202110930092A CN113610823A CN 113610823 A CN113610823 A CN 113610823A CN 202110930092 A CN202110930092 A CN 202110930092A CN 113610823 A CN113610823 A CN 113610823A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- pixel
- value
- target
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 71
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 90
- 238000006243 chemical reaction Methods 0.000 claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 71
- 230000004927 fusion Effects 0.000 claims abstract description 36
- 230000009467 reduction Effects 0.000 claims abstract description 28
- 238000013507 mapping Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 5
- 238000002073 fluorescence micrograph Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- MOFVSTNWEDAEEK-UHFFFAOYSA-M indocyanine green Chemical compound [Na+].[O-]S(=O)(=O)CCCCN1C2=CC=C3C=CC=CC3=C2C(C)(C)C1=CC=CC=CC=CC1=[N+](CCCCS([O-])(=O)=O)C2=CC=C(C=CC=C3)C3=C2C1(C)C MOFVSTNWEDAEEK-UHFFFAOYSA-M 0.000 description 5
- 229960004657 indocyanine green Drugs 0.000 description 5
- 239000000700 radioactive tracer Substances 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- G06T2207/10064—Fluorescence 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30096—Tumor; Lesion
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
本申请提供一种图像处理方法、装置、电子设备及存储介质，涉及图像处理技术领域。该方法包括：确定待处理图像中第一区域的像素信息，像素信息包括：像素灰度平均值和标准差，第一区域为待处理图像的非肿瘤区域，待处理图像为实时采集的目标对象的图像序列中的一帧图像；根据第一区域的像素信息，对待处理图像进行数字降噪处理，得到处理后的待处理图像；对处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像；将目标待处理图像与待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，目标边界为待处理图像中肿瘤区域和非肿瘤区域的边界。本方法可提升肿瘤边界划分的准确性，为辅助肿瘤的治疗带来指导意义。
Description
技术领域
本申请涉及图像处理技术领域，具体而言，涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
目前恶性肿瘤是威胁人类生命健康的最大杀手之一，而在肿瘤的研究过程中，如何精准的确定肿瘤边界对于肿瘤的研究起到重要的辅助作用。
现有技术中，以采用吲哚菁绿(ICG)为荧光示踪剂的肿瘤边界划分方式最为广泛。
但是，由于ICG存在非特异性分布，在实际应用过程中，仅依靠荧光图像或可见-荧光融合图像很难准确区分肿瘤边界，且无法给出边界在置信度等方面的定量信息，因此，肿瘤边界的划分准确性较低。
发明内容
本申请的目的在于，针对上述现有技术中的不足，提供一种图像处理方法、装置、电子设备及存储介质，以便于解决现有技术中存在的肿瘤边界划分准确性较低的问题。
为实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种图像处理方法，包括：
确定待处理图像中第一区域的像素信息，所述像素信息包括：像素灰度平均值和标准差，所述第一区域为待处理图像的非肿瘤区域，所述待处理图像为实时采集的目标对象的图像序列中的一帧图像；
根据所述第一区域的像素信息，对所述待处理图像进行数字降噪处理，得到处理后的待处理图像；
对所述处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像；
将所述目标待处理图像与所述待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，所述目标边界为所述待处理图像中肿瘤区域和非肿瘤区域的边界。
可选地，所述根据所述第一区域的像素信息，对所述待处理图像进行数字降噪处理，得到处理后的待处理图像之后，所述方法还包括：
对所述处理后的待处理图像中各像素的新的灰度值按照正态分布图进行映射处理，得到各像素在所述正态分布图中对应的横坐标值；
根据所述横坐标值，确定各像素的置信度；
所述将所述目标待处理图像与所述待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像之后，所述方法还包括：
根据所述目标边界对应的各像素的置信度，确定所述目标边界的置信度。
可选地，所述确定待处理图像中第一区域的像素信息，包括：
响应于用户通过图形用户界面选择待处理图像中第一区域的操作，确定所述待处理图像中的所述第一区域；
根据所述第一区域中各像素的灰度值，确定所述待处理图像中第一区域的像素灰度平均值及标准差。
可选地，所述根据所述第一区域的像素信息、对所述待处理图像进行数字降噪处理，得到处理后的待处理图像，包括：
根据所述第一区域的像素灰度平均值及标准差、以及所述待处理图像中各像素的灰度值，分别对各像素的灰度值进行数字降噪处理，得到各像素的新灰度值，从而得到处理后的待处理图像。
可选地，所述对所述处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像，包括：
根据预设的灰度值映射关系，对所述处理后的待处理图像中各像素的新灰度值进行调整，得到各像素调整后的灰度值；
基于预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，得到目标待处理图像。
可选地，所述根据预设的灰度值映射关系，对所述处理后的待处理图像中各像素的新灰度值进行调整，得到各像素调整后的灰度值，包括：
根据预设的灰度值映射关系，将所述处理后的待处理图像中各像素的新灰度值映射至对应的灰度值，得到各像素调整后的灰度值。
可选地，所述基于预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，得到目标待处理图像，包括：
基于所述预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，将所述各像素调整后的灰度值转换为彩色像素值，得到目标待处理图像。
可选地，所述基于所述预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，将所述各像素调整后的灰度值转换为彩色像素值，得到目标待处理图像，包括：
对所述各像素调整后的灰度值中不满足预设灰度值的像素的灰度值保持不变；
将所述各像素调整后的灰度值中满足预设灰度值的像素的灰度值转换为目标像素值，所述目标像素值包括：红色值、绿色值以及蓝色值，所述目标像素值为预设像素值区间内的像素值。
可选地，所述将所述目标待处理图像与所述待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，包括：
将所述目标待处理图像与所述原始可见光图像中对应像素的像素值进行叠加，得到包含目标边界的融合图像；
在图形用户界面中输出并显示所述融合图像。
第二方面，本申请实施例还提供了一种图像处理装置，包括：确定模块、处理模块、获取模块、融合模块；
所述确定模块，用于确定待处理图像中第一区域的像素信息，所述像素信息包括：像素灰度平均值和标准差，所述第一区域为待处理图像的非肿瘤区域，所述待处理图像为实时采集的目标对象的图像序列中的一帧图像；
所述处理模块，用于根据所述第一区域的像素信息，对所述待处理图像进行数字降噪处理，得到处理后的待处理图像；
所述获取模块，用于对所述处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像；
所述融合模块，用于将所述目标待处理图像与所述待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，所述目标边界为所述待处理图像中肿瘤区域和非肿瘤区域的边界。
可选地，所述处理模块，还用于对所述处理后的待处理图像中各像素的新的灰度值按照正态分布图进行映射处理，得到各像素在所述正态分布图中对应的横坐标值；根据所述横坐标值，确定各像素的置信度；
所述确定模块，还用于根据所述目标边界对应的各像素的置信度，确定所述目标边界的置信度。
可选地，所述确定模块，具体用于响应于用户通过图形用户界面选择待处理图像中第一区域的操作，确定所述待处理图像中的所述第一区域；根据所述第一区域中各像素的灰度值，确定所述待处理图像中第一区域的像素灰度平均值及标准差。
可选地，所述处理模块，具体用于根据所述第一区域的像素灰度平均值及标准差、以及所述待处理图像中各像素的灰度值，分别对各像素的灰度值进行数字降噪处理，得到各像素的新灰度值，从而得到处理后的待处理图像。
可选地，所述获取模块，具体用于根据预设的灰度值映射关系，对所述处理后的待处理图像中各像素的新灰度值进行调整，得到各像素调整后的灰度值；基于预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，得到目标待处理图像。
可选地，所述获取模块，具体用于根据预设的灰度值映射关系，将所述处理后的待处理图像中各像素的新灰度值映射至对应的灰度值，得到各像素调整后的灰度值。
可选地，所述获取模块，具体用于基于所述预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，将所述各像素调整后的灰度值转换为彩色像素值，得到目标待处理图像。
可选地，所述获取模块，具体用于对所述各像素调整后的灰度值中不满足预设灰度值的像素的灰度值保持不变；
将所述各像素调整后的灰度值中满足预设灰度值的像素的灰度值转换为目标像素值，所述目标像素值包括：红色值、绿色值以及蓝色值，所述目标像素值为预设像素值区间内的像素值。
可选地，所述融合模块，具体用于将所述目标待处理图像与所述原始可见光图像中对应像素的像素值进行叠加，得到包含目标边界的融合图像；
在图形用户界面中输出并显示所述融合图像。
第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行时执行如第一方面中提供的方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如第一方面提供的方法的步骤。
本申请的有益效果是：
本申请提供一种图像处理方法、装置、电子设备及存储介质，该方法可包括：确定待处理图像中第一区域的像素信息，像素信息包括：像素灰度平均值和标准差，第一区域为待处理图像的非肿瘤区域，待处理图像为实时采集的目标对象的图像序列中的一帧图像；根据第一区域的像素信息，对待处理图像进行数字降噪处理，得到处理后的待处理图像；对处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像；将目标待处理图像与待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，目标边界为待处理图像中肿瘤区域和非肿瘤区域的边界。本方法中，基于获取的待处理图像，通过对待处理图像进行数字降噪处理，可有效抑制判断肿瘤边界时对荧光示踪剂的剂量和时间的依赖，提高对肿瘤边界划分的精确性，而通过灰度处理和色阶转换，可以使得肿瘤区域和非肿瘤区域的边界更加明显，更有利于对肿瘤边界的精确划分，结合本方法中各图像处理过程，可大大提升肿瘤边界划分的准确性，为辅助肿瘤的治疗带来指导意义。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的图像处理方法的流程示意图一；
图2为本申请实施例提供的图像处理方法的流程示意图二；
图3为本申请实施例提供的图像处理方法的流程示意图三；
图4为本申请实施例提供的一种图形用户界面示意图；
图5为本申请实施例提供的图像处理方法的流程示意图四；
图6为本申请实施例提供的图像处理方法的流程示意图五；
图7为本申请实施例提供的一种色阶转换示意图；
图8为本申请实施例提供的图像处理方法的流程示意图六；
图9为本申请实施例提供的另一种图形用户界面示意图；
图10为本申请实施例提供的一种图像处理装置的示意图；
图11为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
图1为本申请实施例提供的图像处理方法的流程示意图一；本方法的执行主体可以是终端设备、服务器等计算设备，如图1所示，该方法可包括：
S101、确定待处理图像中第一区域的像素信息，像素信息包括：像素灰度平均值和标准差，第一区域为待处理图像的非肿瘤区域，待处理图像为实时采集的目标对象的图像序列中的一帧图像。
需要说明的是，本方法可应用于生物的肿瘤边界划分中，通过对肿瘤边界的精确划分，可准确的定位肿瘤的位置，从而辅助肿瘤的治疗。当然，本方法并不限于此应用，也可以是应用于普通的图像处理中，以对图像中的不同区域进行划分等。
可选地，基于所实时采集的目标对象的图像序列，可获取任一帧的图像，其中，目标对象的图像序列可以是针对目标对象连续实时采集的图像，各帧图像之间差异较小。待处理图像可以为目标对象的多帧图像中的任一帧图像。
可选地，可从待处理图像中确定第一区域，第一区域可以为待处理图像中的非目标区域。例如：当待处理图像为包含肿瘤的生物图像时，第一区域可以为待处理图像中的非肿瘤区域。
S102、根据第一区域的像素信息，对待处理图像进行数字降噪处理，得到处理后的待处理图像。
可选地，第一区域的像素信息可以根据第一区域中各像素的信息计算得到，基于第一区域的像素信息，可进一步地对待处理图像进行数字降噪处理。本实施例中，可采用DNR(Department of Natural Resources，数字降噪处理)算法对待处理图像进行处理。
值得说明的是，现有的荧光导航图像融合手段多为将荧光图像按像素灰度值直接转为单一伪彩(如对于ICG吲哚菁绿，大都采用绿色，且伴有浓淡梯度)或者具备多种彩色的色阶模式，再与可见光图像进行RGB融合。这一过程中没有对灰度值进行计算处理，无法考虑到由剂量、时间因素带来的背景荧光绝对值变化以及噪声大小变化，因此在判断肿瘤边界时依赖剂量和时间，导致判断标准不统一。而DNR方法考虑了背景噪声平均水平和噪声标准差，做了类似于图像数据归一化的操作，则有效抑制了剂量和时间因素的影响，利于获得一个统一的评判肿瘤边界的标准。
在一种可实现的方式中，可对待处理图像整体进行数字降噪处理，而不限于对第一区域进行数字降噪处理。
S103、对处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像。
可选地，基于处理后的待处理图像，可进一步地对图像进行灰度转换处理和色阶转换处理，以使得处理后的待处理图像中肿瘤区域和非肿瘤区域的梯度较为明显，肿瘤区域的轮廓更加清晰，从而便于对肿瘤边界的确认。
S104、将目标待处理图像与待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，目标边界为待处理图像中肿瘤区域和非肿瘤区域的边界。
其中，待处理图像对应的原始可见光图像可以指相机下所拍摄的人肉眼可见的待处理图像，其是具有生物原始肤色的图像。
可选地，可将上述得到的目标待处理图像与该待处理图像对应的原始可见光图像进行图像融合，得到融合图像，其中融合图像中可包含目标边界，也即融合图像中会突出显示有目标边界，目标边界可以指肿瘤区域和非肿瘤区域的边界，同时，目标边界内的图像区域可荧光显示，以突出显示肿瘤的位置，从而得到待处理图像中的肿瘤边界，基于肿瘤边界得到肿瘤的具体位置，以辅助对肿瘤的切除等。
综上，本实施例提供的图像处理方法，包括：确定待处理图像中第一区域的像素信息，像素信息包括：像素灰度平均值和标准差，第一区域为待处理图像的非肿瘤区域，待处理图像为实时采集的目标对象的图像序列中的一帧图像；根据第一区域的像素信息，对待处理图像进行数字降噪处理，得到处理后的待处理图像；对处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像；将目标待处理图像与待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，目标边界为待处理图像中肿瘤区域和非肿瘤区域的边界。本方法中，基于获取的待处理图像，通过对待处理图像进行数字降噪处理，可有效抑制判断肿瘤边界时对荧光示踪剂的剂量和时间的依赖，提高对肿瘤边界划分的精确性，而通过灰度处理和色阶转换，可以使得肿瘤区域和非肿瘤区域的边界更加明显，更有利于对肿瘤边界的精确划分，结合本方法中各图像处理过程，可大大提升肿瘤边界划分的准确性，为辅助肿瘤的治疗带来指导意义。
图2为本申请实施例提供的图像处理方法的流程示意图二；可选地，步骤S102中，根据第一区域的像素信息，对待处理图像进行数字降噪处理，得到处理后的待处理图像之后，本申请的方法还可包括：
S201、对处理后的待处理图像中各像素的新的灰度值按照正态分布图进行映射处理，得到各像素在正态分布图中对应的横坐标值。
由于本方案中是从待处理图像中确定出肿瘤边界及肿瘤位置，那么，对于待处理图像而言，肿瘤部位则可以认为是目标区域，而其他区域则可以认为是背景区域，考虑到背景中的噪声为随机白噪声，理应服从正态分布，这样根据处理后的待处理图像中各像素的新的灰度值可以得到目标区域的信号值显著不同于背景噪声的概率，也即，得到肿瘤部位的置信度，以对肿瘤边界的划分给出定量的精确界定。
在一些实施例中，基于上述处理后的待处理图像，可对处理后的待处理图像中各像素的新的灰度值进行正态分布映射，也即，将各像素的新的灰度值映射至标准正态分布图的横坐标，以分别确定各像素的新的灰度值在标准正态分布图中所对应的横坐标值。
S202、根据横坐标值，确定各像素的置信度。
可选地，根据横坐标值，可计算0-横坐标值之间正态分布曲线下积分，也即，计算0-横坐标值之间与曲线所围成的面积，可得到各像素的置信度。
步骤S104中，将目标待处理图像与待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像之后，本申请的方法还可包括：
S203、根据目标边界对应的各像素的置信度，确定目标边界的置信度。
在一些实施例中，通过上述方法已获取到待处理图像中任意像素的置信度，而融合图像中目标边界是由位于边界上的多个像素连通构成的，则可基于边界上各像素的置信度，计算得到目标边界的置信度，以定量的示出通过本方法所确定的肿瘤边界的置信度，提高本方法的可信度和可解释性。
图3为本申请实施例提供的图像处理方法的流程示意图三；图4为本申请实施例提供的一种图形用户界面示意图。可选地，步骤S101中，确定待处理图像中第一区域的像素信息，可以包括：
S301、响应于用户通过图形用户界面选择待处理图像中第一区域的操作，确定待处理图像中的第一区域。
如图4所示的图形用户界面中显示有待处理图像，用户可通过控制鼠标光标的移动，以在待处理图像中选择第一区域并进行确认，其中，可以是控制鼠标光标在待处理图像中勾画连通区域，以确定第一区域。另外，图形用户界面中还可包括输入栏，也可以是通过在图形用户的输入栏中输入预设的面积参数，其中，面积参数可不断的进行调整，随着面积参数的调整，图形用户界面上可实时的调整显示面积参数对应的区域，直至确定得到待处理图像中的第一区域，其中，确定的第一区域可以为如图中2所示的阴影部分。而图中1所示的阴影部分则指肿瘤区域。
需要说明的是，确定的第一区域在精确度上可能无法达到最精确，但是在确定第一区域时，满足尽可能的使第一区域最大即可，也即最大化的将非肿瘤区域确定出来即可，但也不强制必须达到100％的精度。
S302、根据第一区域中各像素的灰度值，确定待处理图像中第一区域的像素灰度平均值及标准差。
可选地，基于所确定的第一区域，可以获取第一区域内所有像素的灰度值，并根据各像素的灰度值，计算第一区域的像素灰度平均值，计算公式如下：
其中，Gi分别指各像素的灰度值。同时，基于所计算得到的像素灰度平均值，还可进一步地计算得到标准差，计算公式可如下：
可选地，步骤S102中，根据第一区域的像素信息、对待处理图像进行数字降噪处理，得到处理后的待处理图像，可以包括：根据第一区域的像素灰度平均值及标准差、以及待处理图像中各像素的灰度值，分别对各像素的灰度值进行数字降噪处理，得到各像素的新灰度值，从而得到处理后的待处理图像。
在一些实施例中，基于上述计算得到的像素灰度平均值B和标准差σB，可对待处理图像中各像素进行数字降噪处理，也即计算各像素的DNR值，其中，可采用公式：
进行计算，其中，[]代表取整函数，这是由于8bit图像灰度值必为整数的特点，像素灰度运算结果会自动取整。
可选地，基于上述的计算公式，可分别计算得到各像素的新的灰度值，从而得到处理后的待处理图像。
图5为本申请实施例提供的图像处理方法的流程示意图四；可选地，步骤S103中，对处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像，可以包括：
S501、根据预设的灰度值映射关系，对处理后的待处理图像中各像素的新灰度值进行调整，得到各像素调整后的灰度值。
可选地，基于上述得到的各像素的新的灰度值，还可进一步地对各像素的新的灰度值进行动态调整，以使得不同像素之间的差异较大，梯度更加明显。
可选地，可根据预设的灰度值映射关系，将处理后的待处理图像中各像素的新灰度值映射至对应的灰度值，得到各像素调整后的灰度值。
一种可实现的方式中，可将新的灰度值中0、1、2、3、4分别映射为0、64、128、192、255，其中，新的灰度值中大于4的灰度值也同样映射为255。
当然，实际应用中，映射范围也可以适当进行调整，例如，也可将新的灰度值中0-5映射至0-255，或者0-3映射至0-255，只要满足能够使得各像素之间具有较大的梯度差异即可。
S502、基于预设的色阶转换策略，对各像素调整后的灰度值进行色阶转换，得到目标待处理图像。
可选地，上述进行新的灰度值调整后，则可得到调整后的灰度值，而基于调整后的灰度值，还可进一步地进行色阶转换，以得到目标待处理图像。
可选地，步骤S502中，基于预设的色阶转换策略，对各像素调整后的灰度值进行色阶转换，得到目标待处理图像，可以包括：基于预设的色阶转换策略，对各像素调整后的灰度值进行色阶转换，将各像素调整后的灰度值转换为彩色像素值，得到目标待处理图像。
可选地，对调整后的灰度值进行色阶转换，也即将调整后的灰度值转换为彩色像素值，分别得到各调整后的灰度值对应的RGB三通道的值，以将灰度图转换为荧光图像，以能够对图像的特殊区域进行凸显。
图6为本申请实施例提供的图像处理方法的流程示意图五；图7为本申请实施例提供的一种色阶转换示意图。可选地，上述步骤中，基于预设的色阶转换策略，对各像素调整后的灰度值进行色阶转换，将各像素调整后的灰度值转换为彩色像素值，得到目标待处理图像，可以包括：
S601、对各像素调整后的灰度值中不满足预设灰度值的像素的灰度值保持不变。
可选地，经试验证明，可将预设灰度值设定为192，即可认为192及更高灰度值对应的区域作为肿瘤判定区域，其准确率可达95％，而当设置预设灰度值为其他数值时准确率明显不如此阈值。
基于此，对于各像素调整后的灰度值中低于192的像素则对其灰度值保持不变，也即不做色彩转换，以准确显示肿瘤边界。
S602、将各像素调整后的灰度值中满足预设灰度值的像素的灰度值转换为目标像素值，目标像素值包括：红色值、绿色值以及蓝色值，目标像素值为预设像素值区间内的像素值。
而对于各像素调整后的灰度值中灰度值等于或大于192的像素，可对其进行色彩转换，分别为其赋予RGB值。其中，针对像素值为192和255的像素的转换要尽量满足对192和255两者进行转换后的色彩差异较大，且与肉体组织粉色产生较大区别，且对RGB三通道进行赋值时，赋值的取值范围为预设像素值区间内的像素值，本实施例中，设定不超过150。
在一种可实现的方式中，可设置如下的色阶转换表，以根据其对各像素调整后的灰度值进行色阶转换：
当时，上述色阶转换表仅仅为一种示例，在实际应用中，对于调整后的灰度值中192和255的转换，还可以对应其他的RGB值，满足上述转换策略即可。
如图7所示，图7中(a)所示的为对处理后的待处理图像进行灰度值调整后的图像，其中各像素的灰度值对应上述调整后的灰度值，而图(b)所示的为基于调整后的灰度值进行色阶转换后得到的目标待处理图像。其中，(a)中区域1可指实际肿瘤区域(未知)，(b)中区域2可指调整后的灰度值中192所对应的色阶转换区域，区域3可指调整后的灰度值中255所对应的色阶转换区域。
图8为本申请实施例提供的图像处理方法的流程示意图六；图9为本申请实施例提供的另一种图形用户界面示意图。可选地，步骤S104中，将目标待处理图像与待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，可以包括：
S801、将目标待处理图像与原始可见光图像中对应像素的像素值进行叠加，得到包含目标边界的融合图像。
在一种可实现的方式中，对目标待处理图像与原始可见光图像的融合处理，可以是将目标待处理图像中与原始可见光图像中对应位置的像素的像素值进行叠加，也即，将经过色阶转换得到的荧光图像与原始可见光图像的RGB分量对应叠加形成融合图像。
S802、在图形用户界面中输出并显示融合图像。
如图9所示，左侧的图(a)可以指待处理图像对应的原始可见光图像，右侧上半部分图像中，图(b)可指采用传统方法进行色阶转换后得到的荧光图像，也即上述的目标待处理图像，图(c)可指采用传统方法进行图像融合后得到的融合图像。右侧下半部分图像中，图(d)可指采用本方法进行色阶转换后得到的荧光图像，也即上述的目标待处理图像，图(e)可指采用本方法进行图像融合后得到的融合图像。可以明显看出，传统方法不能给出明确的目标边界，而采用本方法可得到较为清晰的目标边界。
综上所述，本实施例提供的图像处理方法，包括：确定待处理图像中第一区域的像素信息，像素信息包括：像素灰度平均值和标准差，第一区域为待处理图像的非肿瘤区域，待处理图像为实时采集的目标对象的图像序列中的一帧图像；根据第一区域的像素信息，对待处理图像进行数字降噪处理，得到处理后的待处理图像；对处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像；将目标待处理图像与待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，目标边界为待处理图像中肿瘤区域和非肿瘤区域的边界。本方法中，基于获取的待处理图像，通过对待处理图像进行数字降噪处理，可有效抑制判断肿瘤边界时对荧光示踪剂的剂量和时间的依赖，提高对肿瘤边界划分的精确性，而通过灰度处理和色阶转换，可以使得肿瘤区域和非肿瘤区域的边界更加明显，更有利于对肿瘤边界的精确划分，结合本方法中各图像处理过程，可大大提升肿瘤边界划分的准确性，为辅助肿瘤的治疗带来指导意义。
下述对用以执行本申请所提供的图像处理方法的装置、电子设备及存储介质等进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。
图10为本申请实施例提供的一种图像处理装置的示意图，该图像处理装置实现的功能对应上述方法执行的步骤。该装置可以理解为上述服务器，或服务器的处理器，也可以理解为独立于上述服务器或处理器之外的在服务器控制下实现本申请功能的组件，如图10所示，该装置可包括：确定模块110、处理模块120、获取模块130、融合模块140；
确定模块110，用于确定待处理图像中第一区域的像素信息，像素信息包括：像素灰度平均值和标准差，第一区域为待处理图像的非肿瘤区域，待处理图像为实时采集的目标对象的图像序列中的一帧图像；
处理模块120，用于根据第一区域的像素信息，对待处理图像进行数字降噪处理，得到处理后的待处理图像；
获取模块130，用于对处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像；
融合模块140，用于将目标待处理图像与待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，目标边界为待处理图像中肿瘤区域和非肿瘤区域的边界。
可选地，处理模块120，还用于对处理后的待处理图像中各像素的新的灰度值按照正态分布图进行映射处理，得到各像素在正态分布图中对应的横坐标值；根据横坐标值，确定各像素的置信度；
确定模块110，还用于根据目标边界对应的各像素的置信度，确定目标边界的置信度。
可选地，确定模块110，具体用于响应于用户通过图形用户界面选择待处理图像中第一区域的操作，确定待处理图像中的第一区域；根据第一区域中各像素的灰度值，确定待处理图像中第一区域的像素灰度平均值及标准差。
可选地，处理模块120，具体用于根据第一区域的像素灰度平均值及标准差、以及待处理图像中各像素的灰度值，分别对各像素的灰度值进行数字降噪处理，得到各像素的新灰度值，从而得到处理后的待处理图像。
可选地，获取模块130，具体用于根据预设的灰度值映射关系，对处理后的待处理图像中各像素的新灰度值进行调整，得到各像素调整后的灰度值；基于预设的色阶转换策略，对各像素调整后的灰度值进行色阶转换，得到目标待处理图像。
可选地，获取模块130，具体用于根据预设的灰度值映射关系，将处理后的待处理图像中各像素的新灰度值映射至对应的灰度值，得到各像素调整后的灰度值。
可选地，获取模块130，具体用于基于预设的色阶转换策略，对各像素调整后的灰度值进行色阶转换，将各像素调整后的灰度值转换为彩色像素值，得到目标待处理图像。
可选地，获取模块130，具体用于对各像素调整后的灰度值中不满足预设灰度值的像素的灰度值保持不变；
将各像素调整后的灰度值中满足预设灰度值的像素的灰度值转换为目标像素值，目标像素值包括：红色值、绿色值以及蓝色值，目标像素值为预设像素值区间内的像素值。
可选地，融合模块140，具体用于将目标待处理图像与原始可见光图像中对应像素的像素值进行叠加，得到包含目标边界的融合图像；
在图形用户界面中输出并显示融合图像。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital singnal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等，或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接，或其任意组合。两个或更多个模块可以组合为单个模块，并且任何一个模块可以分成两个或更多个单元。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。
需要说明的是，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(Digital Singnal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(System-on-a-chip，简称SOC)的形式实现。
图11为本申请实施例提供的一种电子设备的结构示意图，该设备可以是具备数据处理功能的计算设备。
该设备可包括：处理器801、存储器802。
存储器802用于存储程序，处理器801调用存储器802存储的程序，以执行上述方法实施例。具体实现方式和技术效果类似，这里不再赘述。
其中，存储器802存储有程序代码，当程序代码被处理器801执行时，使得处理器801执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的方法中的各种步骤。
处理器801可以是通用处理器，例如中央处理器(CPU)、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器802作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random Access Memory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器802还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
可选地，本申请还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (12)
1.一种图像处理方法，其特征在于，包括：
确定待处理图像中第一区域的像素信息，所述像素信息包括：像素灰度平均值和标准差，所述第一区域为待处理图像的非肿瘤区域，所述待处理图像为实时采集的目标对象的图像序列中的一帧图像；
根据所述第一区域的像素信息，对所述待处理图像进行数字降噪处理，得到处理后的待处理图像；
对所述处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像；
将所述目标待处理图像与所述待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，所述目标边界为所述待处理图像中肿瘤区域和非肿瘤区域的边界。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一区域的像素信息，对所述待处理图像进行数字降噪处理，得到处理后的待处理图像之后，所述方法还包括：
对所述处理后的待处理图像中各像素的新的灰度值按照正态分布图进行映射处理，得到各像素在所述正态分布图中对应的横坐标值；
根据所述横坐标值，确定各像素的置信度；
所述将所述目标待处理图像与所述待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像之后，所述方法还包括：
根据所述目标边界对应的各像素的置信度，确定所述目标边界的置信度。
3.根据权利要求1所述的方法，其特征在于，所述确定待处理图像中第一区域的像素信息，包括：
响应于用户通过图形用户界面选择待处理图像中第一区域的操作，确定所述待处理图像中的所述第一区域；
根据所述第一区域中各像素的灰度值，确定所述待处理图像中第一区域的像素灰度平均值及标准差。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一区域的像素信息、对所述待处理图像进行数字降噪处理，得到处理后的待处理图像，包括：
根据所述第一区域的像素灰度平均值及标准差、以及所述待处理图像中各像素的灰度值，分别对各像素的灰度值进行数字降噪处理，得到各像素的新灰度值，从而得到处理后的待处理图像。
5.根据权利要求4所述的方法，其特征在于，所述对所述处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像，包括：
根据预设的灰度值映射关系，对所述处理后的待处理图像中各像素的新灰度值进行调整，得到各像素调整后的灰度值；
基于预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，得到目标待处理图像。
6.根据权利要求5所述的方法，其特征在于，所述根据预设的灰度值映射关系，对所述处理后的待处理图像中各像素的新灰度值进行调整，得到各像素调整后的灰度值，包括：
根据预设的灰度值映射关系，将所述处理后的待处理图像中各像素的新灰度值映射至对应的灰度值，得到各像素调整后的灰度值。
7.根据权利要求6所述的方法，其特征在于，所述基于预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，得到目标待处理图像，包括：
基于所述预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，将所述各像素调整后的灰度值转换为彩色像素值，得到目标待处理图像。
8.根据权利要求7所述的方法，其特征在于，所述基于所述预设的色阶转换策略，对所述各像素调整后的灰度值进行色阶转换，将所述各像素调整后的灰度值转换为彩色像素值，得到目标待处理图像，包括：
对所述各像素调整后的灰度值中不满足预设灰度值的像素的灰度值保持不变；
将所述各像素调整后的灰度值中满足预设灰度值的像素的灰度值转换为目标像素值，所述目标像素值包括：红色值、绿色值以及蓝色值，所述目标像素值为预设像素值区间内的像素值。
9.根据权利要求1-8任一所述的方法，其特征在于，所述将所述目标待处理图像与所述待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，包括：
将所述目标待处理图像与所述原始可见光图像中对应像素的像素值进行叠加，得到包含目标边界的融合图像；
在图形用户界面中输出并显示所述融合图像。
10.一种图像处理装置，其特征在于，包括：确定模块、处理模块、获取模块、融合模块；
所述确定模块，用于确定待处理图像中第一区域的像素信息，所述像素信息包括：像素灰度平均值和标准差，所述第一区域为待处理图像的非肿瘤区域，所述待处理图像为实时采集的目标对象的图像序列中的一帧图像；
所述处理模块，用于根据所述第一区域的像素信息，对所述待处理图像进行数字降噪处理，得到处理后的待处理图像；
所述获取模块，用于对所述处理后的待处理图像进行图像灰度转换及色阶转换，得到目标待处理图像；
所述融合模块，用于将所述目标待处理图像与所述待处理图像对应的原始可见光图像进行图像融合，得到包含目标边界的融合图像，所述目标边界为所述待处理图像中肿瘤区域和非肿瘤区域的边界。
11.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行时执行如权利要求1至9任一所述的方法的步骤。
12.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至9任一所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110930092.3A CN113610823B (zh) | 2021-08-13 | 2021-08-13 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110930092.3A CN113610823B (zh) | 2021-08-13 | 2021-08-13 | 图像处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113610823A true CN113610823A (zh) | 2021-11-05 |
| CN113610823B CN113610823B (zh) | 2023-08-22 |
Family
ID=78308498
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110930092.3A Active CN113610823B (zh) | 2021-08-13 | 2021-08-13 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610823B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115719415A (zh) * | 2022-03-28 | 2023-02-28 | 南京诺源医疗器械有限公司 | 一种视野可调双视频融合成像方法及系统 |
| CN117474820A (zh) * | 2023-10-12 | 2024-01-30 | 书行科技(北京)有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296635A (zh) * | 2015-05-29 | 2017-01-04 | 厦门鹭佳生物科技有限公司 | 一种荧光原位杂交(fish)图像并行处理与分析方法 |
| US20170017069A1 (en) * | 2015-07-14 | 2017-01-19 | Massachusetts Institute Of Technology | Enhancement of video-rate fluorescence imagery collected in the second near-infrared optical window |
| CN108133481A (zh) * | 2017-12-22 | 2018-06-08 | 必欧瀚生物技术（合肥）有限公司 | 一种针对荧光免疫层析试条成像系统的图像处理算法 |
| CN110893095A (zh) * | 2018-09-12 | 2020-03-20 | 上海逸思医学影像设备有限公司 | 一种用于可见光和激发荧光实时成像的系统和方法 |
| CN110969199A (zh) * | 2019-11-25 | 2020-04-07 | 贝壳技术有限公司 | 一种图像分类的方法、装置和存储介质 |
| CN112037216A (zh) * | 2020-09-09 | 2020-12-04 | 南京诺源医疗器械有限公司 | 一种医学荧光成像系统图像融合方法 |
| 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 |
| CN112507988A (zh) * | 2021-02-04 | 2021-03-16 | 联仁健康医疗大数据科技股份有限公司 | 一种图像处理方法、装置、存储介质及电子设备 |
| CN113012185A (zh) * | 2021-03-26 | 2021-06-22 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| CN113208567A (zh) * | 2021-06-07 | 2021-08-06 | 上海微创医疗机器人（集团）股份有限公司 | 多光谱成像系统、成像方法和存储介质 |
-
2021
- 2021-08-13 CN CN202110930092.3A patent/CN113610823B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296635A (zh) * | 2015-05-29 | 2017-01-04 | 厦门鹭佳生物科技有限公司 | 一种荧光原位杂交(fish)图像并行处理与分析方法 |
| US20170017069A1 (en) * | 2015-07-14 | 2017-01-19 | Massachusetts Institute Of Technology | Enhancement of video-rate fluorescence imagery collected in the second near-infrared optical window |
| CN108133481A (zh) * | 2017-12-22 | 2018-06-08 | 必欧瀚生物技术（合肥）有限公司 | 一种针对荧光免疫层析试条成像系统的图像处理算法 |
| CN110893095A (zh) * | 2018-09-12 | 2020-03-20 | 上海逸思医学影像设备有限公司 | 一种用于可见光和激发荧光实时成像的系统和方法 |
| 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 |
| CN110969199A (zh) * | 2019-11-25 | 2020-04-07 | 贝壳技术有限公司 | 一种图像分类的方法、装置和存储介质 |
| CN112037216A (zh) * | 2020-09-09 | 2020-12-04 | 南京诺源医疗器械有限公司 | 一种医学荧光成像系统图像融合方法 |
| CN112507988A (zh) * | 2021-02-04 | 2021-03-16 | 联仁健康医疗大数据科技股份有限公司 | 一种图像处理方法、装置、存储介质及电子设备 |
| CN113012185A (zh) * | 2021-03-26 | 2021-06-22 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| CN113208567A (zh) * | 2021-06-07 | 2021-08-06 | 上海微创医疗机器人（集团）股份有限公司 | 多光谱成像系统、成像方法和存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| CHENGXI LI 等: "Application of Image Fusion in Diagnosis and Treatment of Liver Cancer", 《APPLIED SCIENCES》 * |
| STEVEN BLAIR 等: "A 3.47 e− Read Noise, 81 dB Dynamic Range Backside-Illuminated Multispectral Imager for Near-Infrared Fluorescence Image-Guided Surgery", 《2020 IEEE INTERNATIONAL SYMPOSIUM ON CIRCUITS AND SYSTEMS (ISCAS)》 * |
| YUXIN WANG MS 等: "Kinetics of indocyanine green: Optimizing tumor to normal tissue fluorescence in image-guided oral cancer surgery applications", 《HEAD & NECK》 * |
| 杨建宇 等: "单分子定位超分辨成像技术进展及应用", 《激光与光电子学进展》 * |
| 肖体乔 等: "上海光源X射线成像及其应用研究进展", 《光学学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115719415A (zh) * | 2022-03-28 | 2023-02-28 | 南京诺源医疗器械有限公司 | 一种视野可调双视频融合成像方法及系统 |
| CN115719415B (zh) * | 2022-03-28 | 2023-11-10 | 南京诺源医疗器械有限公司 | 一种视野可调双视频融合成像方法及系统 |
| CN117474820A (zh) * | 2023-10-12 | 2024-01-30 | 书行科技(北京)有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113610823B (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3144899B1 (en) | Apparatus and method for adjusting brightness of image | |
| CN109829930B (zh) | 人脸图像处理方法、装置、计算机设备及可读存储介质 | |
| WO2018201662A1 (zh) | 嘴唇渲染颜色的方法、装置及电子设备 | |
| WO2020182036A1 (zh) | 图像处理方法、装置、服务器及存储介质 | |
| US10186023B2 (en) | Unified multi-image fusion approach | |
| CN113610823B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| WO2022179215A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| US7593603B1 (en) | Multi-behavior image correction tool | |
| CN109859217B (zh) | 人脸图像中毛孔区域的分割方法及计算设备 | |
| CA3154893C (en) | Image color transferring method, device, computer equipment and storage medium | |
| US8754902B2 (en) | Color-space selective darkness and lightness adjustment | |
| CN109919030B (zh) | 黑眼圈类型识别方法、装置、计算机设备和存储介质 | |
| CN111062891A (zh) | 图像处理方法、装置、终端及计算机可读存储介质 | |
| US9996961B2 (en) | Method and apparatus for generating a composite image based on an ambient occlusion | |
| US9965881B2 (en) | Method for generating image and image generation system | |
| US10185875B2 (en) | Image processing device, image display device, image processing method, and medium | |
| CN114511460A (zh) | 荧光图像伪彩增强方法、装置、设备及存储介质 | |
| CN112686800B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN113240608A (zh) | 图像去噪方法、装置、电子设备和可读存储介质 | |
| CN115775215A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| JP6257268B2 (ja) | 画像処理装置及び画像処理方法 | |
| JP2020052530A (ja) | 画像処理装置、画像処理システム、画像処理方法、及びプログラム | |
| CN115205168A (zh) | 图像处理方法、装置、电子设备和存储介质、产品 | |
| CN114066783A (zh) | 一种色调映射方法、装置、电子设备及存储介质 | |
| EP3195251B1 (en) | Method to enhance contrast with reduced visual artifacts |
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 |