CN114387191B - 一种内窥镜图像增强方法及内窥镜装置 - Google Patents

一种内窥镜图像增强方法及内窥镜装置 Download PDF

Info

Publication number
CN114387191B
CN114387191B CN202210292167.4A CN202210292167A CN114387191B CN 114387191 B CN114387191 B CN 114387191B CN 202210292167 A CN202210292167 A CN 202210292167A CN 114387191 B CN114387191 B CN 114387191B
Authority
CN
China
Prior art keywords
image
endoscope
endoscope image
gray
original
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
Application number
CN202210292167.4A
Other languages
English (en)
Other versions
CN114387191A (zh
Inventor
于腾波
马金龙
张登康
付海涛
陈进利
王晓南
王坤
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.)
Affiliated Hospital of University of Qingdao
Original Assignee
Affiliated Hospital of University of Qingdao
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 Affiliated Hospital of University of Qingdao filed Critical Affiliated Hospital of University of Qingdao
Priority to CN202210292167.4A priority Critical patent/CN114387191B/zh
Publication of CN114387191A publication Critical patent/CN114387191A/zh
Application granted granted Critical
Publication of CN114387191B publication Critical patent/CN114387191B/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
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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

Landscapes

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

Abstract

本发明公开了一种内窥镜图像增强方法及内窥镜装置，包括：获取原始内窥镜图像并提取其边缘信息得到边缘图像；对原始内窥镜图像的低光区域进行亮度提升得到第一内窥镜图像；对第一内窥镜图像进行翻转并进行色均衡化处理得到第二内窥镜图像；对第二内窥镜图像进行高斯模糊处理得到第三内窥镜图像；对第三内窥镜图像进行色均衡化处理得到第四内窥镜图像；将第四内窥镜图像与原始内窥镜图像进行融合得到第五内窥镜图像；将边缘图像与第五内窥镜图像进行锐化处理得到内窥镜增强图像；本发明对原始内窥镜图像采取低光区域亮度提升、翻转并色均衡化、高斯模糊、第二次色均衡化、融合以及结合边缘信息进行锐化等一系列处理，更适合医生观察和做出诊断。

Description

一种内窥镜图像增强方法及内窥镜装置
技术领域
本发明属于图像处理技术领域，具体地说，是涉及一种内窥镜图像增强方法及内窥镜装置。
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。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。
发明内容
本发明的目的在于提供一种内窥镜图像增强方法及内窥镜装置，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。
为解决上述技术问题，本发明采用以下技术方案予以实现：
提出一种内窥镜图像增强方法，包括：
获取原始内窥镜图像，并提取其边缘信息得到边缘图像；
对原始内窥镜图像的低光区域进行亮度提升得到第一内窥镜图像；
对第一内窥镜图像进行翻转并进行色均衡化处理，得到第二内窥镜图像；
对第二内窥镜图像进行高斯模糊处理，得到第三内窥镜图像；
对第三内窥镜图像进行色均衡化处理，得到第四内窥镜图像；
将第四内窥镜图像与原始内窥镜图像进行融合，得到第五内窥镜图像；
将边缘图像与第五内窥镜图像进行锐化处理，得到内窥镜增强图像。
进一步的，对第一内窥镜图像进行色均衡化处理，具体包括：将第一内窥镜图像转换到LAB或HSV空间；对转换后的图像进行分块，并统计各块内局部直方图H（k）；k为分块编号；对各分块图像分别计算累计直方图P（k）；利用灰度变化函数
Figure DEST_PATH_IMAGE001
对上述各累计直方图进行均衡化处理；其中，maxL和minL分别为累计直方图中灰度等级不为零的最大值和最小值；B为灰度分类等级模型，f(x)为当前点的像素值；利用灰度变换函数找到灰度变换前后对应的灰度等级映射关系，以及结合
Figure 100002_DEST_PATH_IMAGE002
将各分块图像的灰度值进行变化，完成各分块图像的灰度值拉伸和增强；其中，L为累计直方图的灰度等级。
进一步的，在对各分块图像进行灰度值变换时，所述方法还包括：对分块图像周围的直方图进行统计；获取分块图像周围四邻域累计直方图的最大灰度等级和最小灰度等级；对分块图像进行灰度变化限制，以使得当前灰度增强的最大值和最小值不超过四邻域的最大灰度等级和最小灰度等级。
进一步的，在对第二内窥镜图像进行高斯模糊处理中，所述方法还包括：采用优化后的高斯处理方式进行高斯模糊处理：
Figure DEST_PATH_IMAGE003
；其中，
Figure 100002_DEST_PATH_IMAGE004
为第二内窥镜图像，G为图像对应的高斯函数。
提出一种内窥镜装置，包括有内窥镜图像处理器，所述内窥镜图像处理器中运行有如上所述的内窥镜图像增强方法。
与现有技术相比，本发明的优点和积极效果是：本发明提出的内窥镜图像增强方法及内窥镜装置中，对原始内窥镜图像采取低光区域亮度提升、翻转并色均衡化处理、高斯模糊处理、第二次色均衡化处理、融合以及结合边缘信息进行锐化等一系列处理，抑制了图像噪声并增强了原始内窥镜图像的色彩和细节，使之更适合医生观察和做出诊断。
结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。
附图说明
图1 为本发明提出的内窥镜图像增强方法的处理流程示意图；
图2为本发明中提出的色均衡化处理流程示意图；
图3为原始内窥镜图像示例；
图4为图3所示原始内窥镜图像经本发明提出的内窥镜图像增强方法处理后的示例。
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。
在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“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。
在本发明的描述中，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。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。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明提出的内窥镜图像增强方法，旨在改善内窥镜图像的视觉效果，抑制噪声，增强图像色彩和细节，运行于内窥镜图像处理器中，如图1所示，包括如下步骤：
步骤S1：获取原始内窥镜图像。
利用内窥镜自动对焦技术，获取原始内窥镜图像
Figure DEST_PATH_IMAGE005
。
最佳的，所采集的原始内窥镜图像应在最佳的对焦状态、清晰度最大时获取。
步骤S2：提取原始内窥镜图像的边缘信息得到边缘图像。
对原始内窥镜图像
Figure 451946DEST_PATH_IMAGE005
按照两个不同半径的高斯滤波曲线进行相减处理，得到原始内窥镜图像A的边缘图像：
Figure 100002_DEST_PATH_IMAGE006
;
其中，
Figure DEST_PATH_IMAGE007
为半径为r的高斯滤波；
Figure 100002_DEST_PATH_IMAGE008
为半径为
Figure DEST_PATH_IMAGE009
的高斯滤波。
步骤S3：对原始内窥镜图像的低光区域进行亮度提升得到第一内窥镜图像。
采用
Figure DEST_PATH_IMAGE010
对原始内窥镜图像A的低光区域进行亮度的提升。
其中，
Figure DEST_PATH_IMAGE011
为提升亮度后的第一内窥镜图像，K为控制系数，采用经验值。
步骤S4：对第一内窥镜图像进行翻转并进行色均衡化处理，得到第二内窥镜图像。
采用
Figure DEST_PATH_IMAGE012
对第一内窥镜图像进行翻转和色均衡化处理,g为色彩均衡化操作，将出现频率较小的亮度级并入到邻近的亮度级中，从而拉开亮度间隔，减少亮度等级，使其呈均匀分布，弱化其反差。
其中，如图2所示，色彩均衡化操作如下：
1、为了降低计算量，将第一内窥镜图像
Figure 493721DEST_PATH_IMAGE011
转换到LAB或HSV空间，并可以适当降低灰度等级，例如H分量等级128等，或者，可直接对rgb单通道图像进行处理。
2、对转换后的图像进行分块M*N，统计各块内局部直方图H（k）。
其中，k为分块编号。
3、对上述分块图像分别计算累计直方图
Figure DEST_PATH_IMAGE013
。
4、利用灰度变换函数
Figure 273458DEST_PATH_IMAGE001
对上述累计直方图进行均衡化处理。
其中，maxL和minL分别为累计直方图中灰度等级不为零的最大值和最小值；B为灰度分类等级模型，f(x)为当前点的像素值。
5、利用灰度变换函数找到灰度变换前后对应的灰度等级映射关系，以及结合
Figure 199826DEST_PATH_IMAGE002
，将原图像的灰度值进行变换，完成各分块图像的灰度值拉伸和增强。
其中，L为累计直方图的灰度等级。
特别的，在对各分块图像进行灰度变化时，对其周围的直方图进行统计，获取周围四邻域累计直方图的最大灰度等级和最小灰度等级，并对分块图像进行灰度变化限制，即，当前灰度增强的最大值和最小值不超过四邻域的最大灰度等级和最小灰度等级。
步骤S5：对第二内窥镜图像进行高斯模糊处理，得到第三内窥镜图像。
同时，为了保证低光和高光之间的层次感，本发明采用优化后的高斯处理方式，如下：
Figure 14198DEST_PATH_IMAGE003
；其中，G为图像对应的高斯函数。
步骤S6：对第三内窥镜图像进行色均衡化处理，得到第四内窥镜图像。
为了增加明暗之间的层次感，使用
Figure DEST_PATH_IMAGE014
再次对进行高斯模糊处理后的图像进行均衡化操作，其中，g为色彩均衡化操作。
步骤S7：将第四内窥镜图像与原始内窥镜图像进行融合，得到第五内窥镜图像。
第四内窥镜图像采取了平滑等处理，旨在消除可能的图像干扰而最大限度的保有图像信息，但实际过程中，不可避免的造成部分信息损失，本步骤将其与原始内窥镜图像A融合，就是为了尽可能保持图像信息，体现图像的层次感。
融合图像采用线性叠加的方式即可：
Figure DEST_PATH_IMAGE015
，
Figure DEST_PATH_IMAGE016
。
步骤S8：将边缘图像与第五内窥镜图像进行锐化处理，得到内窥镜增强图像。
融合后的第五内窥镜图像中，均衡化处理导致部分边缘细节丢失，本步骤依靠步骤S2中得到的边缘信息对第五内窥镜图像进行锐化处理，提升边缘层次感，其计算方式如下：
Figure DEST_PATH_IMAGE017
；其中，
Figure DEST_PATH_IMAGE018
为调节系数。
至此，
Figure DEST_PATH_IMAGE019
为最后得到的增强内窥镜图像，如图4所示，经本发明提出的内窥镜图像增强方法处理后原始内窥镜图像，相比原始内窥镜图像（图3所示）的细节能力有较大的提升。
应该指出的是，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (3)

1.一种内窥镜图像增强方法，其特征在于，包括：
获取原始内窥镜图像，并提取其边缘信息得到边缘图像；
对原始内窥镜图像的低光区域进行亮度提升得到第一内窥镜图像；
对第一内窥镜图像进行翻转并进行色均衡化处理，得到第二内窥镜图像；
对第二内窥镜图像进行高斯模糊处理，得到第三内窥镜图像；
对第三内窥镜图像进行色均衡化处理，得到第四内窥镜图像；
将第四内窥镜图像与原始内窥镜图像进行融合，得到第五内窥镜图像；
将边缘图像与第五内窥镜图像进行锐化处理，得到内窥镜增强图像；
对第一内窥镜图像进行色均衡化处理，具体包括：
将第一内窥镜图像转换到LAB或HSV空间；
对转换后的图像进行分块，并统计各块内局部直方图H（k）；k为分块编号；
对各分块图像分别计算累计直方图Pk；
利用灰度变换函数
Figure DEST_PATH_IMAGE002
对上述各累计直方图进行均衡化处理；其中，maxL和minL分别为累计直方图中灰度等级不为零的最大值和最小值；B为灰度分类等级模型，f(x)为当前点的像素值；
利用灰度变换函数找到灰度变换前后对应的灰度等级映射关系，以及结合
Figure DEST_PATH_IMAGE004
，变换各分块图像的灰度值，完成各分块图像的灰度值拉伸和增强；其中，L为累计直方图的灰度等级；
在对各分块图像进行灰度值变换时，所述方法还包括：
对分块图像周围的直方图进行统计；
获取分块图像周围四邻域累计直方图的最大灰度等级和最小灰度等级；
对分块图像进行灰度变化限制，以使得当前灰度增强的最大值和最小值不超过四邻域的最大灰度等级和最小灰度等级。
2.根据权利要求1所述的内窥镜图像增强方法，其特征在于，在对第二内窥镜图像进行高斯模糊处理中，所述方法还包括：
采用优化后的高斯处理方式进行高斯模糊处理：
Figure DEST_PATH_IMAGE006
；其中，
Figure DEST_PATH_IMAGE008
为第二内窥镜图像，G为第二内窥镜图像对应的高斯函数。
3.一种内窥镜装置，包括有内窥镜图像处理器，其特征在于，所述内窥镜图像处理器中运行有如权利要求1-2任一项所述的内窥镜图像增强方法。
CN202210292167.4A 2022-03-24 2022-03-24 一种内窥镜图像增强方法及内窥镜装置 Active CN114387191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210292167.4A CN114387191B (zh) 2022-03-24 2022-03-24 一种内窥镜图像增强方法及内窥镜装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210292167.4A CN114387191B (zh) 2022-03-24 2022-03-24 一种内窥镜图像增强方法及内窥镜装置

Publications (2)

Publication Number Publication Date
CN114387191A CN114387191A (zh) 2022-04-22
CN114387191B true CN114387191B (zh) 2022-06-21

Family

ID=81206167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210292167.4A Active CN114387191B (zh) 2022-03-24 2022-03-24 一种内窥镜图像增强方法及内窥镜装置

Country Status (1)

Country Link
CN (1) CN114387191B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1952344A1 (en) * 2005-11-23 2008-08-06 Cedara Software Corp. Method and system for enhancing digital images
CN111080538A (zh) * 2019-11-29 2020-04-28 中国电子科技集团公司第五十二研究所 一种红外融合边缘增强方法
CN113989147A (zh) * 2021-10-26 2022-01-28 安徽大学 基于直方图均衡和改进反锐化掩模的内窥镜图像增强方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI220849B (en) * 2003-06-20 2004-09-01 Weltrend Semiconductor Inc Contrast enhancement method using region detection
CN108062508B (zh) * 2017-10-13 2019-06-04 西安科技大学 变电站复杂背景红外图像中设备的提取方法
CN113902641B (zh) * 2021-10-12 2023-09-12 西安交通大学 一种基于红外图像的数据中心热区判别方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1952344A1 (en) * 2005-11-23 2008-08-06 Cedara Software Corp. Method and system for enhancing digital images
CN111080538A (zh) * 2019-11-29 2020-04-28 中国电子科技集团公司第五十二研究所 一种红外融合边缘增强方法
CN113989147A (zh) * 2021-10-26 2022-01-28 安徽大学 基于直方图均衡和改进反锐化掩模的内窥镜图像增强方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Sim Kok Swee等."Contrast Enhancement in Endoscopic Images Using Fusion Exposure Histogram Equalization".《Engineering Letters》.2020,第28卷(第3期),全文. *
朱其刚等."基于自适应邻域灰度直方图均衡的超声内窥镜图像增强".《山东科技大学学报（自然科学版）》.2004,第23卷(第3期),第120-123页. *

Also Published As

Publication number Publication date
CN114387191A (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN105701778B (zh) 一种从ct图像中去除金属伪影的方法
CN115661135B (zh) 一种心脑血管造影的病灶区域分割方法
JPH03206572A (ja) 階調変換自動化装置
CN116883537B (zh) 基于图像增强的普通外科手术影像采集方法
CN112446880B (zh) 图像处理方法、电子设备及可读存储介质
CN110796612B (zh) 一种图像增强方法及系统
CN114529475A (zh) 基于二维伽马校正和色调映射的图像增强方法及系统
CN114972067A (zh) 一种x光小牙片图像增强方法
CN114693682B (zh) 一种基于图像处理的脊椎特征识别方法
CN115965603A (zh) 内窥镜图像的图像处理方法、装置、终端及可读存储介质
Pandey et al. Automatic image processing based dental image analysis using automatic gaussian fitting energy and level sets
CN110675325B (zh) 一种增强眼底图像的方法和装置
CN117853386A (zh) 一种肿瘤图像增强方法
CN114387191B (zh) 一种内窥镜图像增强方法及内窥镜装置
CN114663293A (zh) 一种图像增强方法、装置、电子设备及内窥镜系统
CN111192208B (zh) 一种基于边窗滤波器的牙齿cr图像增强方法及装置
CN116993764A (zh) 一种胃部ct智能分割提取方法
CN112446889A (zh) 一种基于超声的医学视频读取方法
Fang et al. Color endoscopic image enhancement technology based on nonlinear unsharp mask and CLAHE
CN108242049A (zh) 一种针对gpu优化的全尺度dr影像增强处理方法
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
CN114418920B (zh) 一种内窥镜多焦点图像融合方法
CN117455780B (zh) 内镜暗场图像的增强方法、装置、电子设备及存储介质
Frosio et al. Real time enhancement of cephalometric radiographies
CN116883270B (zh) 一种碎石手术软镜清晰化成像系统

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