CN114463310A - 一种dr图像增强方法及装置 - Google Patents
一种dr图像增强方法及装置 Download PDFInfo
- Publication number
- CN114463310A CN114463310A CN202210123609.2A CN202210123609A CN114463310A CN 114463310 A CN114463310 A CN 114463310A CN 202210123609 A CN202210123609 A CN 202210123609A CN 114463310 A CN114463310 A CN 114463310A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- pixel
- gray
- value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013507 mapping Methods 0.000 claims description 16
- 230000002708 enhancing effect Effects 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 238000003759 clinical diagnosis Methods 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/40—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
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10116—X-ray 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (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)
- Image Processing (AREA)
Abstract
本发明公开一种DR图像增强方法及装置,通过对输入的DR图像先进行去噪将图像中存在的高斯噪声滤除,再对去噪后的图像进行二值化处理得到感兴趣区域坐标后将所述去噪图像分割为感兴趣区域以及无效区域,然后再对感兴趣区域进行灰度变化使得图像的感兴趣区域得到增强,最后再根据所述坐标将增强后的感兴趣区域放回至原图像相应的位置,得到优化图像,通过去噪、二值化使得感兴趣区域的提取精度提高,并从待处理DR图像中分割出感兴趣区域进行增强,能够针对性的仅对感兴趣区域进行增强提高图像增强效果,从而提高DR图像的对比度和清晰度,能够基本满足DR图像的临床诊断需求。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种DR图像增强方法及装置。
背景技术
图像增强是用于改善图像的视觉效果,以及突出图像中感兴趣的特征或提高图像清晰度的图像处理手段。现有的图像增强方法包括线性增强、非线性增强、直方图增强、空间滤波等。通常这些方法在大部分应用场合都能取得较好的效果。而在医学图像中如数字X线摄影(Digital Radiography,DR),是通过在计算机控制下直接进行数字化X线成像的一种新技术。因此上述的图像增强方法难以在DR图像处理中获得较好的效果。
然而DR图像在临床医学中的诊断过程中起到重要作用,因此提高DR图像的对比度和清晰度更有利于临床诊断的需求。
发明内容
本发明所要解决的技术问题是:提供一种DR图像增强方法,提高DR图像的对比度和清晰度。
为了解决上述技术问题,本发明采用的技术方案为:
一种DR图像增强方法,包括步骤:
获取待处理的DR图像;
对所述DR图像进行去噪,得到去噪图像;
对所述去噪图像进行二值化,得到二值化图像以及对应的感兴趣区域图像坐标;
根据所述图像坐标对所述去噪图像进行分割,得到感兴趣区域;
对所述去噪图像的所述感兴趣区域进行灰度变化,得到增强图像;
根据所述图像坐标将所述增强图像与所述去噪图像进行对位替换。
为了解决上述技术问题,本发明采用的另一技术方案为:
一种DR图像增强装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述的一种DR图像增强方法中的步骤:获取待处理的DR图像;对所述DR图像进行去噪,得到去噪图像;对所述去噪图像进行二值化,得到二值化图像以及对应的感兴趣区域图像坐标;根据所述图像坐标对所述去噪图像进行分割,得到感兴趣区域;对所述去噪图像的所述感兴趣区域进行灰度变化,得到增强图像;根据所述图像坐标将所述增强图像与所述去噪图像进行对位替换。
本发明的有益效果在于:通过对输入的DR图像先进行去噪将图像中存在的高斯噪声滤除,再对去噪后的图像进行二值化处理得到感兴趣区域坐标后将去噪后的图像分割为感兴趣区域以及无效区域,然后再对感兴趣区域进行灰度变化使得图像的感兴趣区域得到增强,最后再根据坐标将增强后的感兴趣区域放回至原图像相应的位置,得到优化图像,通过去噪、二值化使得感兴趣区域的提取精度提高,并从待处理DR图像中分割出感兴趣区域进行增强,能够针对性的仅对感兴趣区域进行增强提高图像增强效果,从而提高DR图像的对比度和清晰度,能够基本满足DR图像的临床诊断需求。
附图说明
图1为本发明实施例中的一种DR图像增强方法的步骤流程图;
图2为本发明实施例中的一种DR图像增强装置的一种结构示意图;
图3为本发明实施例中的一种DR图像增强装置的感兴趣区域分割示意图;
图4为输入的DR图像;
图5为本发明实施例中的经过DR图像增强方法后输出的DR图像。
图6为本发明实施例中的一种DR图像增强装置的感兴趣区域确定示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,一种DR图像增强方法,包括步骤:
获取待处理的DR图像;
对所述DR图像进行去噪,得到去噪图像;
对所述去噪图像进行二值化,得到二值化图像以及对应的感兴趣图像坐标;
根据所述图像坐标对所述去噪图像进行分割,得到感兴趣区域;
对所述去噪图像的所述感兴趣区域进行灰度变化,得到增强图像;
根据所述图像坐标将所述增强图像与所述去噪图像进行对位替换。
由上述描述可知,本发明的有益效果在于:通过对输入的DR图像先进行去噪将图像中存在的高斯噪声滤除,再对去噪后的图像进行二值化处理得到感兴趣区域坐标后将去噪后的图像分割为感兴趣区域以及无效区域,然后再对感兴趣区域进行灰度变化使得图像的感兴趣区域得到增强,最后再根据坐标将增强后的感兴趣区域放回至原图像相应的位置,得到优化图像,通过去噪、二值化使得感兴趣区域的提取精度提高,并从待处理DR图像中分割出感兴趣区域进行增强,能够针对性的仅对感兴趣区域进行增强提高图像增强效果,从而提高DR图像的对比度和清晰度,能够基本满足DR图像的临床诊断需求。
进一步地,所述对所述去噪图像的所述感兴趣区域进行灰度变化,得到增强图像包括:
计算所述感兴趣区域图像的累积直方图;
获取所述累积直方图中像素比例为第一阈值的像素对应的第一灰度值;
获取所述感兴趣区域中灰度值小于或等于所述第一灰度值的所有像素对应的坐标和灰度值;
将所述像素的灰度值通过伽马变化映射到预设的灰度范围内。
由上述描述可知,通过计算感兴趣区域图像的累积直方图并获取像素比例为第一阈值的像素对应的第一灰度值作为灰度阈值,再将灰度值小于灰度阈值的像素点的灰度值通过伽马变化映射到预设的灰度范围内,从而避免了图像中存在的少数但亮度极大的像素点对图像整体呈现效果的影响,如出现高亮像素点占据高亮度区间,使得图像的灰度拉伸和对比度增强的效果弱化等问题。
进一步地,所述将所述像素的灰度值通过伽马变化映射到预设的灰度范围内包括:
设置零灰度值为下限值,并与所述第一灰度值构成第一灰度范围;
设置第二灰度值,并与所述零灰度值构成第二灰度范围;
将灰度值满足所述第一灰度范围的所述像素的灰度值通过伽马变化映射至所述第二灰度范围内;
所述伽马变化映射为:
y(i,j)=x(i,j)γ;
其中,y(i,j)为映射后像素的灰度值,i和j为像素对应的坐标;x(i,j)为映射前像素的灰度值;γ为预设的映射变换值。
由上述描述可知,通过将灰度零值设置为下限值,以及设置第二灰度值,并且灰度零值与第一灰度值构成第一灰度范围,而灰度零值与第二灰度值构成第二灰度范围,从而能通过对灰度范围内的像素进行映射,提高感兴趣区域内不同灰度值像素之间的对比度,使得感兴趣图像更加清晰。
进一步地,所述对所述DR图像进行去噪,得到去噪图像包括:
通过滤波公式对所述DR图像进行去噪:
u(x)=∑y∈Ωxw(x,y)v(y);
其中,u(x)表示所述去噪图像;v(y)为所述DR图像;w(x,y)为权重值,表示所述DR图像中像素x和像素y的相似度。
由上述描述可知,通过滤波公式对DR图像进行去噪,从而能够在进行灰度变化前将DR图像中存在的高斯噪声去除,避免将噪声像素也进行灰度变化使得图像出现更模糊的情况。
进一步地,所述对所述DR图像进行去噪,得到去噪图像还包括:
对所述权重值w(x,y)进行计算:
其中,n(x)表示归一化因子为所有权重的和;h为滤波系数;V(x)和V(y)分别表示像素x的领域和像素y的邻域;a表示高斯核的标准差。
由上述描述可知,在计算权重值的过程中能够通过h值控制指数函数的衰减从而改变欧式距离的权重;并且通过计算像素x的领域和像素y的邻域,以及a值控制计算权重,使得权重值w(x,y)更符合滤波需求。
进一步地,所述根据所述图像坐标对所述去噪图像进行分割,得到感兴趣区域包括:
对所述DR图像中像素的灰度值进行归一化;
对完成所述归一化的DR图像进行二值化,得到无效区域和有效区域;
将所述有效区域设置为感兴趣区域。
由上述描述可知,通过先对DR图像中像素的灰度值进行归一化,再通过二值化将DR图像分为无效区域和有效区域,从而简化了二值化的判断,并将有效区域标记为感兴趣区域,从而不需要对无效区域内的像素进行处理不仅提高了对感兴趣区域的处理效率和而且降低了能耗。
进一步地,所述对完成所述归一化的DR图像进行二值化,得到无效区域和有效区域包括:
进行二值化计算:
其中,y(i,j)表示输出图像坐标(i,j)对应的像素值;x(i,j)表示输入图像坐标(i,j)对应的像素值;threshold为分割限值;结果为1的区域为有效区域,结果为0的区域为无效区域。
由上述描述可知,通过设置分割限值并将计算结果为1的区域标记为有效区域,将计算结果为0的区域标记为无效区域,从而能够根据标记值快速的将无效区域和有效区域进行区分。
进一步地,所述将所述有效区域设置为感兴趣区域包括:
获取所述有效区域内位于边缘的像素点的坐标;
根据所述位于边缘的像素点的坐标勾画出所述感兴趣区域。
由上述描述可知,通过获取有效区域内位于边缘的像素坐标,并根据边缘的像素坐标勾画出所述感兴趣区域,从而能够在有效区域内进一步地将感兴趣区域缩小,提高确定感兴趣区域的精度使得最终呈现的图像更加清晰。
进一步地,所述根据所述图像坐标将所述增强图像与所述去噪图像进行对位替换包括:
根据所述边缘的像素点的坐标将所述增强图像与所述去噪图像进行对位替换。
由上述描述可知,通过边缘的像素坐标将增强图像与所述去噪图像进行对位替换,从而提高了增强图像与去噪图像之间替换的精度保证替换后的某个像素点的图像坐标没有发生变化。
请参照图2,一种DR图像增强装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种DR图像增强方法中的各个步骤。
本发明上述DR图像增强方法及装置能够适用于需要图像处理的场景,特别是针对DR医疗设备产品中的图像处理,以下通过具体实施方式进行说明:
实施例一
请参照图1和图3,一种DR图像增强方法,包括步骤:
S1、获取待处理的DR图像;
S2、对所述DR图像进行去噪,得到去噪图像;
通过滤波公式对所述DR图像进行去噪:
u(x)=∑y∈Ωxw(x,y)v(y);
对所述权重值w(x,y)进行计算:
其中,u(x)表示所述去噪图像;v(y)为所述DR图像;w(x,y)为权重值,表示所述DR图像中像素x和像素y的相似度;n(x)表示归一化因子为所有权重的和;h为滤波系数且h>0,用于控制指数函数的衰减从而改变欧式距离的权重;V(x)和V(y)分别表示像素x的领域和像素y的邻域;表示两个领域的高斯加权欧式距离;a表示高斯核的标准差;在计算所述欧式距离时,不同位置的像素的权重是不同的,距离块的中心越近权重越大,距离块的中心越远权重越小,权重服从高斯分布;
S3、对所述去噪图像进行二值化,得到二值化图像以及对应的感兴趣区域图像坐标;
其中,图像坐标为每一像素点对应的坐标;
S31、对所述DR图像中像素的灰度值进行归一化;将输入图像的灰度范围归一化至区间[0,1]之间,得到图像x(i,j);
S32、对完成所述归一化的DR图像进行二值化,得到无效区域和有效区域;
进行二值化计算:
其中,y(i,j)表示输出图像坐标(i,j)对应的像素值;x(i,j)表示输入图像坐标(i,j)对应的像素值;threshold为分割限值;结果为1的区域为有效区域,结果为0的区域为无效区域;在DR图像处理的场景下,可将所述分割限值threshold设置为0.01;在其他的应用场景下可将所述分割限值threshold设置为(0,1)之间的其他任意值,即可以针对不同的环境下对所述分割限值threshold进行不同的设置;
S4、根据所述图像坐标对所述去噪图像进行分割,得到感兴趣区域;
S41、将所述有效区域设置为感兴趣区域;并进一步地得到感兴趣区域图像z(i,j);其中,将所述有效区域设置为感兴趣区域包括:
获取所述有效区域内位于边缘的点位置的像素坐标;
根据所述位于边缘的点的像素坐标勾画出所述感兴趣区域;
S5、对所述去噪图像的所述感兴趣区域进行灰度变化,得到增强图像;
S51、计算所述感兴趣区域图像的累积直方图;即对所述感兴趣区域图像z(i,j)进行累积直方图的计算;
S52、获取所述累积直方图中像素比例为第一阈值的像素对应的第一灰度值;如像素比例为proportion=0.95,则在累积直方图中找到像素比例为0.95所对应的灰度值;其中,所述像素比例proportion也可设置为(0,1)之间的其他任意值,所述像素比例proportion的数值越大或者越小时图像增强效果越差,可根据实际效果确定所述像素比例proportion的数值;由于在大部分输入的图像中,一般都存在着数量极少但亮度极大的像素点,而这些亮度极大的像素点占据着高亮度的区间,因此高亮区间的存在将使得图像的灰度拉伸和对比度增强难以实现;
S53、获取所述感兴趣区域中灰度值小于或等于所述第一灰度值的所有像素对应的坐标和灰度值;
S54、将所述像素的灰度值通过伽马变化映射到预设的灰度范围内;
S541、设置零灰度值为下限值,并与所述第一灰度值构成第一灰度范围;其中,也可将下限值设置为非零值;将下限值设定为l_in,所述第一灰度值设定为h_in,则所述第一灰度范围为[l_in,h_in];
S542、设置第二灰度值,并与所述零灰度值构成第二灰度范围;将所述第二灰度值设定为h_out;其中,所述第二灰度值也能够与任意小于其大小的所述下限值构成所述第二灰度范围,设所述第二灰度值对应的下限值为l_out,则所述第二灰度区间为[l_out,h_out];其中,0≤l_in<h_in≤1,0≤l_out<0.9<h_out≤1;若存在y>h-out时,则y=h-out;若y<l_out时,则y=l_out;
S543、将灰度值满足所述第一灰度范围的所述像素的灰度值通过伽马变化映射至所述第二灰度范围内;即将感兴趣区域图像z(i,j)中灰度范围为[l_in,h_in]之间的像素灰度值映射到灰度范围[l_out,h_out]之间;
所述伽马变化映射为:
y(i,j)=x(i,j)γ;
其中,y(i,j)为映射后像素的灰度值,i和j为像素对应的坐标;x(i,j)为映射前像素的灰度值;γ为预设的映射变换值,在一种可选的实施方式中,1≤γ≤2,其作用为将输入像素的灰度值拉低,如输入像素的灰度值为0.3,γ=2,则输出后像素的灰度值为0.09;伽马变化仅对灰度范围为[0,1]之间的子区间进行变化,如上述的[l_in,h_in]之间的像素灰度值进行变化;
S6、根据所述图像坐标将所述增强图像与所述去噪图像进行对位替换。
实施例二
本实施例与实施例一的不同在于,具体限定了如何分割感兴趣区域;
步骤S41包括:
请参照图3,S421、获取所述有效区域内位于边缘的像素点的坐标;如在输出的二值化图像y(i,j)的有效区域内搜索最左上端(T1)、最右上端(T2)、最左下端(D1)以及最右下端(D2);
请参照图6,按如下方法确定T1、T2、D1和D2:
分别搜索到有效区域左边的边缘点坐标为(x1,*)、有效区域右边的边缘点坐标为(x2,*)、有效区域上边的边缘点坐标为(*,y1)和有效区域下边的边缘点坐标为(*,y2);
其中*号表示其他非负整数,那么T1、T2、D1、D2分别为(x1,y1)、(x2,y1)、(x1,y2)和(x2,y2),即只需要分割出兴趣区域所在的矩形,使得兴趣被包含在矩形内;
在一种可选的实施方式中,可通过对比有效区域内每一像素点的坐标大小确定边缘的像素点;
S422、根据所述位于边缘的像素点的坐标勾画出所述感兴趣区域;
根据四个顶点坐标分割出矩形区域,将位于矩形区域内且同时位于有效区域的像素坐标从所述去噪图像x(i,j)中分割出感兴趣区域;
步骤S6还包括:
根据所述边缘的像素点的坐标将所述增强图像与所述去噪图像进行对位替换;
请参照图4和图5,图4为输入的人体乳腺X射线图像;图5为经过处理后的图像,通过对比可见发现经过处理后的图像清晰度得到了提高,并且图像对比度得到增强,更有利于医师的诊断。
实施例三
请参照图2,一种DR图像增强装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如实施例一或二所述的一种DR图像增强方法中的各个步骤。
综上所述,本发明提供的一种DR图像增强方法及装置,通过对输入的DR图像先进行去噪将图像中存在的高斯噪声滤除,再对去噪后的图像进行二值化处理将图像分割为有效区域以及无效区域,并进一步通过获取有效区域内的边缘点坐标位置将感兴趣区域从去噪图像中分割,然后再对感兴趣区域进行灰度变化使得图像的感兴趣区域得到增强,最后再根据坐标将增强后的感兴趣区域放回至原图像相应的位置,得到优化图像,通过去噪、二值化使得感兴趣区域的提取精度提高,并从待处理DR图像中分割出感兴趣区域进行增强,能够针对性的仅对感兴趣区域进行增强提高图像增强效果,从而提高DR图像的对比度和清晰度,能够基本满足DR图像的临床诊断需求。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种DR图像增强方法,其特征在于,包括步骤:
获取待处理的DR图像;
对所述DR图像进行去噪,得到去噪图像;
对所述去噪图像进行二值化,得到二值化图像以及对应的感兴趣区域图像坐标;
根据所述图像坐标对所述去噪图像进行分割,得到感兴趣区域;
对所述去噪图像的所述感兴趣区域进行灰度变化,得到增强图像;
根据所述图像坐标将所述增强图像与所述去噪图像进行对位替换。
2.根据权利要求1所述的一种DR图像增强方法,其特征在于,所述对所述去噪图像的所述感兴趣区域进行灰度变化,得到增强图像包括:
计算所述感兴趣区域图像的累积直方图;
获取所述累积直方图中像素比例为第一阈值的像素对应的第一灰度值;
获取所述感兴趣区域中灰度值小于或等于所述第一灰度值的所有像素对应的坐标和灰度值;
将所述像素的灰度值通过伽马变化映射到预设的灰度范围内。
3.根据权利要求2所述的一种DR图像增强方法,其特征在于,所述将所述像素的灰度值通过伽马变化映射到预设的灰度范围内包括:
设置零灰度值为下限值,并与所述第一灰度值构成第一灰度范围;
设置第二灰度值,并与所述零灰度值构成第二灰度范围;
将灰度值满足所述第一灰度范围的所述像素的灰度值通过伽马变化映射至所述第二灰度范围内;
所述伽马变化映射为:
y(i,j)=x(i,j)γ;
其中,y(i,j)为映射后像素的灰度值,i和j为像素对应的坐标;x(i,j)为映射前像素的灰度值;γ为预设的映射变换值。
4.根据权利要求1所述的一种DR图像增强方法,其特征在于,所述对所述DR图像进行去噪,得到去噪图像包括:
通过滤波公式对所述DR图像进行去噪:
u(x)=∑y∈Ωxw(x,y)v(y);
其中,u(x)表示所述去噪图像;v(y)为所述DR图像;w(x,y)为权重值,表示所述DR图像中像素x和像素y的相似度。
6.根据权利要求1所述的一种DR图像增强方法,其特征在于,所述根据所述图像坐标对所述去噪图像进行分割,得到感兴趣区域包括:
对所述DR图像中像素的灰度值进行归一化;
对完成所述归一化的DR图像进行二值化,得到无效区域和有效区域;
将所述有效区域设置为感兴趣区域。
8.根据权利要求6所述的一种DR图像增强方法,其特征在于,所述将所述有效区域设置为感兴趣区域包括:
获取所述有效区域内位于边缘的像素点的坐标;
根据所述位于边缘的像素点的坐标勾画出所述感兴趣区域。
9.根据权利要求8所述的一种DR图像增强方法,其特征在于,根据所述图像坐标将所述增强图像与所述去噪图像进行对位替换包括:
根据所述边缘的像素点的坐标将所述增强图像与所述去噪图像进行对位替换。
10.一种DR图像增强装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述的一种DR图像增强方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210123609.2A CN114463310A (zh) | 2022-02-10 | 2022-02-10 | 一种dr图像增强方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210123609.2A CN114463310A (zh) | 2022-02-10 | 2022-02-10 | 一种dr图像增强方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463310A true CN114463310A (zh) | 2022-05-10 |
Family
ID=81413036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210123609.2A Pending CN114463310A (zh) | 2022-02-10 | 2022-02-10 | 一种dr图像增强方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463310A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994870A (zh) * | 2023-02-23 | 2023-04-21 | 苏州梅曼智能科技有限公司 | 一种用于增强去噪的图像处理方法 |
CN117218029A (zh) * | 2023-09-25 | 2023-12-12 | 南京邮电大学 | 基于神经网络的夜间暗光图像智能处理方法 |
-
2022
- 2022-02-10 CN CN202210123609.2A patent/CN114463310A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994870A (zh) * | 2023-02-23 | 2023-04-21 | 苏州梅曼智能科技有限公司 | 一种用于增强去噪的图像处理方法 |
CN115994870B (zh) * | 2023-02-23 | 2023-12-19 | 苏州梅曼智能科技有限公司 | 一种用于增强去噪的图像处理方法 |
CN117218029A (zh) * | 2023-09-25 | 2023-12-12 | 南京邮电大学 | 基于神经网络的夜间暗光图像智能处理方法 |
CN117218029B (zh) * | 2023-09-25 | 2024-03-01 | 南京邮电大学 | 基于神经网络的夜间暗光图像智能处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114972329B (zh) | 基于图像处理的表面缺陷检测仪的图像增强方法及系统 | |
Wang et al. | Active contours driven by edge entropy fitting energy for image segmentation | |
CN115861135B (zh) | 一种应用于箱体全景探测的图像增强及识别方法 | |
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
Saad et al. | Image segmentation for lung region in chest X-ray images using edge detection and morphology | |
CN109363699B (zh) | 一种乳腺影像病灶识别的方法及装置 | |
CN109363698B (zh) | 一种乳腺影像征象识别的方法及装置 | |
Tripathy et al. | Unified preprocessing and enhancement technique for mammogram images | |
Antohe et al. | Implications of digital image processing in the paraclinical assessment of the partially edentated patient | |
CN114463310A (zh) | 一种dr图像增强方法及装置 | |
CN109363697B (zh) | 一种乳腺影像病灶识别的方法及装置 | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
JPH03206572A (ja) | 階調変換自動化装置 | |
CN111105427B (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
Singh et al. | Computerized detection of breast cancer in digital mammograms | |
Maitra et al. | A novel edge detection algorithm for digital mammogram | |
Mondal et al. | Automatic craniofacial structure detection on cephalometric images | |
Arifin et al. | Detection of overlapping teeth on dental panoramic radiograph | |
JP6598149B2 (ja) | 胸部x線画像における肺結節明瞭化法 | |
Vijayakumar et al. | Quantitative analysis and fracture detection of pelvic bone X-ray images | |
CN113012127A (zh) | 基于胸部医学影像的心胸比测量方法 | |
US20050213841A1 (en) | Image processing | |
Mortaheb et al. | Metal artifact reduction and segmentation of dental computerized tomography images using least square support vector machine and mean shift algorithm | |
CN108717699B (zh) | 一种基于连续最小割的超声波图像分割方法 | |
CN116433695A (zh) | 一种乳腺钼靶图像的乳腺区域提取方法及系统 |
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 |