CN116883537B - 基于图像增强的普通外科手术影像采集方法 - Google Patents
基于图像增强的普通外科手术影像采集方法 Download PDFInfo
- Publication number
- CN116883537B CN116883537B CN202311140640.8A CN202311140640A CN116883537B CN 116883537 B CN116883537 B CN 116883537B CN 202311140640 A CN202311140640 A CN 202311140640A CN 116883537 B CN116883537 B CN 116883537B
- Authority
- CN
- China
- Prior art keywords
- image
- contrast
- pixel
- enhancement
- pixel point
- 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 65
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 238000012937 correction Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 16
- 238000012545 processing Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 description 4
- 229910010293 ceramic material Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 206010034972 Photosensitivity reaction Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036211 photosensitivity Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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 by the use of local operators
-
- 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 by the use of histogram techniques
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于图像增强的普通外科手术影像采集方法,获取CT图像、CT对比图像;根据CT图像、CT对比图像各像素点的灰度值得到CT图像各像素点的对比增强因子;根据CT对比图像各像素点的对比增强因子及灰度信息得到CT图像各像素点的亮度增强因子;根据CT图像和CT亮度图像各像素点的梯度信息得到CT图像各像素点的边缘增强因子;根据CT图像各像素点的对比增强因子、亮度增强因子、边缘增强因子优化加权引导滤波算法的损耗函数,得到CT增强图像。解决了医学图像边缘界限不清晰、对比度低的问题,改善了图像增强的效果。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及基于图像增强的普通外科手术影像采集方法。
背景技术
X射线人体组织结构成像基于两点:一是X射线的基本特性,也就是穿透性、可吸收性、荧光效应、感光效应;二是人体组织结构固有的密度和厚度差异。当X射线穿过人体不同密度、厚度的组织时,被各组织不同程度的吸收,使到达射线接收装置的X射线量不同,从而形成黑白对比的影像,物质密度越高对X射线吸收就越多。当人体组织结构病变时,它的密度和厚度随之变化,在X射线影像上黑白灰对比就发生变化。
CT检查是根据人体不同组织对X线的吸收与透过率的不同,应用灵敏度极高的仪器对人体进行测量。在测量时,由于人体内部的组织器官错综复杂,在进行医学图像采集的过程中由于下位机复杂的电路设计和放射性射线散射等因素的影响,导致生成的医学CT图像普遍存在边缘界限不清晰、对比度低等问题,这会影响医生对于病情判断和分析的准确性。
传统的引导滤波算法使用大小相同的规整化因子,对于边缘纹理丰富和细节较少的地方,不能做出合理调整;而加权引导滤波算法计算局部窗口内的方差信息获取的边缘权重因子也具有缺点,即方差越大的像素点并不全是图像的边缘,会导致所得的边缘信息与实际存在较大的误差。
综上所述,本发明提出一种基于图像增强的普通外科手术影像采集方法,采集CT图像,根据CT图像中的边缘不清晰、对比度低的特征进行分析构建指标,优化加权引导滤波算法的损耗函数,得到医学CT增强图像,完成普通外科手术影像采集。
发明内容
为了解决上述技术问题,本发明提供基于图像增强的普通外科手术影像采集方法,以解决现有的问题。
本发明的基于图像增强的普通外科手术影像采集方法采用如下技术方案:
本发明一个实施例提供了基于图像增强的普通外科手术影像采集方法,该方法包括以下步骤:
获取CT图像;
对CT图像使用直方图均衡化获取CT对比图像;根据CT图像、CT对比图像各像素点的灰度值得到CT图像各像素点的对比增强因子;计算CT对比图像各像素点的最终对比因子;根据CT对比图像各像素点的最终对比因子及灰度信息得到各像素点的伽马校正因子,将CT对比图像各像素点的伽马校正因子对所述对应各像素点进行伽马校正得到CT亮度图像;根据CT亮度图像、CT对比图像各像素点的灰度信息得到CT图像各像素点的亮度增强因子;
根据CT图像和CT亮度图像各像素点的梯度信息得到CT图像各像素点的边缘增强因子;根据CT图像各像素点的对比增强因子、亮度增强因子及边缘增强因子得到各像素点的综合增强因子;根据CT图像各像素点的综合增强因子及灰度信息得到各像素点的增强权重因子;根据医学CT图像各像素点的灰度值、CT图像各像素点的增强权重因子及灰度值优化加权引导滤波算法的损耗函数,得到CT增强图像;
对CT增强图像去噪得到医学CT增强图像。
优选的,所述根据CT图像、CT对比图像各像素点的灰度值得到CT图像各像素点的对比增强因子,包括:
将CT图像与CT对比图像对应各像素点的灰度值差值绝对值记为第一差值;
将CT图像与CT对比图像对应各像素点的灰度值和值记为第一和值;
将所述第一差值与所述第一和值的比值作为CT图像各像素点的对比增强因子。
优选的,所述计算CT对比图像各像素点的最终对比因子,包括:
获取各像素点的自适应窗口;取各像素点自适应窗口内像素点的对比增强因子中值作为各像素点的最终对比因子。
优选的,所述获取各像素点的自适应窗口,包括:
以各像素点为中心构建尺寸为的窗口;其中,为预设窗口尺寸;
当窗口内像素点的对比增强因子的中值为窗口内最大或最小对比增强因子时,增大窗口尺寸;
当窗口尺寸等于预设最大窗口尺寸或者窗口内像素点的对比增强因子的中值不是窗口内最大或最小对比增强因子时,停止增大窗口,此时的窗口为像素点的自适应窗口。
优选的,所述根据CT对比图像各像素点的最终对比因子及灰度信息得到各像素点的伽马校正因子,表达式为:
式中,为CT对比图像像素点的伽马校正因子,为自然常数,
为CT对比图像像素点的最终对比因子,为CT对比图像像素点的自适应窗口
内所有像素点灰度值的标准差。
优选的,所述根据CT亮度图像、CT对比图像各像素点的灰度信息得到CT图像各像素点的亮度增强因子,包括:
获取CT亮度图像、CT对比图像各像素点自适应窗口内的灰度均值和灰度标准差;
将CT亮度图像各像素点的灰度均值与CT对比图像各像素点的灰度均值的差值绝对值作为第二差值;
将CT亮度图像各像素点的灰度标准差与CT对比图像各像素点的灰度标准差的乘积作为第一乘积;
将所述第二差值与所述第一乘积的比值作为CT图像各像素点的亮度增强因子。
优选的,所述根据CT图像和CT亮度图像各像素点的梯度信息得到CT图像各像素点的边缘增强因子,包括:
获取CT图像、CT亮度图像各像素点的梯度值;
使用otsu分割算法获取各像素点邻域窗口内的最优梯度阈值;将CT图像、CT亮度图像各像素点邻域窗口内的梯度值大于所述最优梯度阈值的像素点记为边缘像素点,将CT图像、CT亮度图像各像素点邻域窗口内的梯度值小于所述最优梯度阈值的像素点记为非边缘像素点;
将CT图像各像素点邻域窗口内边缘像素点的梯度均值与CT亮度图像各像素点邻域窗口内边缘像素点的梯度均值的差值绝对值记为第一梯度差值;将CT图像各像素点邻域窗口内非边缘像素点的梯度均值与CT亮度图像各像素点邻域窗口内非边缘像素点的梯度均值的差值绝对值记为第二梯度差值;
将所述第一梯度差值与所述第二梯度差值的比值作为CT图像各像素点的边缘增强因子。
优选的,所述根据CT图像各像素点的对比增强因子、亮度增强因子及边缘增强因子得到各像素点的综合增强因子,包括:
将CT图像各像素点的对比增强因子、亮度增强因子及边缘增强因子的乘积记为各像素点的综合增强因子。
优选的,所述根据CT图像各像素点的综合增强因子及灰度信息得到各像素点的增强权重因子,表达式为:
式中,为CT图像像素点i的增强权重因子,、分别为CT图像像素点、的综合增强因子,、分别表示CT图像像素点、邻域窗口的灰度方差,为规整
化因子,为CT图像的像素点数量。
优选的,所述根据医学CT图像各像素点的灰度值、CT图像各像素点的增强权重因子及灰度值优化加权引导滤波算法的损耗函数,表达式为:
式中,为损耗函数,表示以像素点k为中心的滤波窗口,、为线性系
数,为医学CT图像像素点i的灰度值,为CT图像像素点i的灰度值,为CT图像像素点i
的增强权重因子,为规整化因子。
本发明至少具有如下有益效果:
本发明首先对CT图像的对比度进行调整,通过调整前后对应像素点的灰度信息得到对比增强因子,用于表征各像素点的对比度程度;根据各对应像素点对比度因子的中值,筛选出需要进行亮度调整的区域,进一步根据像素点的灰度变化获取亮度增强因子,获取过增强的亮度调整为适宜人眼观察的效果图的亮度调整情况;接着结合各对应像素点的梯度变化获取边缘增强因子,针对图像中边缘像素点的边缘不清晰情况量化指标;结合三个调整因子,进一步分析得到对CT图像的综合增强因子,可以从多方面考虑对CT图像的增强效果;
使用基于综合增强因子加权后的加权引导滤波算法,对图像进行的加权引导滤波处理,利用综合增强因子将CT图像中的对比度、亮度、以及边缘细节信息进行有效的增强处理,使得医学CT增强图像中的边缘更加的清晰,细节更加的明显。本发明在完成图像增强的同时保留原图像的特征,有效解决医学图像边缘界限不清晰、对比度低等问题,改善了图像增强的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明提供的基于图像增强的普通外科手术影像采集方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于图像增强的普通外科手术影像采集方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于图像增强的普通外科手术影像采集方法的具体方案。
本发明一个实施例提供的基于图像增强的普通外科手术影像采集方法。
具体的,提供了如下的基于图像增强的普通外科手术影像采集方法,请参阅图1,该方法包括以下步骤:
步骤S001,获取CT图像并进行预处理。
使用医学CT设备获取病患的医学CT图像。考虑到获取医学CT图像时,由于人体复杂度以及设备等因素,医学CT图像中可能存在“伪影”,这种“伪影”噪声类似于自然图像中的“雾”噪声,故将医学CT图像利用暗通道去雾算法进行处理,得到去雾后的CT图像。
需要说明的是,进行去雾处理时,医学图像是灰度图像,因此在进行图像处理时,需要将彩色图像处理的方法迁移到灰度图像上。对于输入的医学CT图像,使用滑动窗口计算每个像素点八邻域内像素点的最小灰度值,从而得到暗通道图像。对图像去雾处理为现有公知技术,此处不再详细阐述。
至此,可以通过这种方法获取CT图像。
步骤S002,通过对CT图像进行分析,改进加权引导滤波算法的损耗函数得到CT增强图像。
由于人体组织器官错综复杂,相应的组织密度分布不均匀。在CT图像中,人体组织密度大的区域的边缘亮度较高,且在边缘附近区域的亮度会迅速变暗,这种区域的对比度较为明显,且区域内的灰度分布均匀;人体组织密度小的区域的边缘呈现出一定的透明度,暗区和亮区之间的边界可能定义不清,从而导致边缘模糊,对比度不明显,这部分边缘区域的对比度需要加强。
考虑到CT图像是通过暗通道图像获得,导致CT图像整体亮度出现偏暗以及细节丢失的问题,为提高对比度、亮度、以及轮廓细节,需要对CT图像进行进一步处理。
首先使用直方图均衡化算法对CT图像的全局对比度进行增强,从而得到CT对比图像;其中,所述直方图均衡化为现有公知技术,此处不做相关阐述。根据CT对比图像与CT图像各像素点的灰度值计算各像素点的对比增强因子,具体方法为:
式中,表示CT图像像素点的对比增强因子;表示CT对比图像像
素点的灰度值,表示CT图像像素点的灰度值,为消零系数,取经验值1,
目的是消除分子为0的情况,实施者可根据实际情况自行设定,其中,记为第一差值,记为第一和值。
需要说明的是,从CT图像到CT对比度图像中,同一位置的像素点的灰度值变化越大,且这种变化相对于像素点灰度值本身大小的基础上变化较大,就说明对于该像素点进行了较大程度的增强,即该像素点的对比度就越强烈。
进一步,考虑到直方图均衡化增强的是整个CT图像的对比度,对一些边缘纹理不清晰的区域对比可能仍不强烈,可通过伽马变换来提高整体亮度,得到CT亮度图像,具体方法如下:
在CT对比图像中的像素点,以该像素点为中心,构建一个大小的窗口,
找到该窗口内像素点的对比增强因子中值;其中,取经验值20。
若该窗口的对比增强因子中值满足或,说明在该窗
口内像素点对比度单一,该窗口可能是不包含边缘或纹理的窗口,进一步增大窗口。
窗口自适应增加过程为:如果窗口边长,继续寻找增大后窗口内的对比
增强因子中值;如果窗口边长,说明该窗口仍不包含需要增强的区域,则输出窗
口内的对比增强因子中值,记为最终对比因子;其中,为预设最大窗口的边长,取
经验值50。
若窗口内的对比增强因子中值满足,说明该窗口内各像
素点的对比度有变化,该窗口内较大可能存在边缘或纹理像素点,输出该窗口内的对比增
强因子中值,记为最终对比因子。
为更好地校正图像整体亮度且避免亮度过高的情况,使得校正后的图像在视觉效果上变得更好,对CT对比图像中各像素点进行伽马校正,得到各像素点的伽马校正因子:
式中,为CT对比图像像素点的伽马校正因子,为自然常数,
为CT对比图像像素点的最终对比因子,为CT对比图像像素点的自适应窗口
内所有像素点灰度值的标准差。
需要说明的是,伽马校正算法为公知技术,不做具体阐述。如果CT对比图像像素点的最终对比因子越大,且该像素点自适应窗口内的灰度值标准差越大,则说明该像素
点周围越混乱且亮度越高,在直方图均衡化时对该像素点进行了过增强现象,因此需要对
该像素点进行校正,使得从视觉上达到更佳的对比效果,即该像素点的伽马校正因子通过
指数变化调整到较小的范围内,实现将不同像素点之间的差异范围缩小,使得整体图像的
对比度较不强烈。
通过得到的CT对比图像中各像素点的伽马校正因子,将各像素点的伽马校正因子对CT对比图像对应像素点的灰度值进行伽马校正得到CT亮度图像。
为了表征从CT对比图像到CT亮度图像的亮度调整效果,结合两张图像中对应像素点的灰度值得到各像素点的亮度增强因子,具体公式为:
式中,表示CT图像像素点的亮度增强因子,、分别为
CT亮度图像、CT对比图像中像素点的自适应窗口的灰度均值;、分别为
CT亮度图像、CT对比图像中像素点的自适应窗口的灰度标准差,其中,记为第二差值,记为第一乘积。
需要说明的是,对通过计算两张图像对应像素点的自适应窗口内的灰度均值的变化程度,表征从CT对比图像到CT亮度图像的亮度调整情况,对应像素点的自适应窗口内的差值绝对值越大,表征亮度调整越大;通过计算两张图像对应像素点的自适应窗口内的灰度标准差,如果灰度标准差越大,说明在对应像素点的自适应窗口内的颜色分布较为混乱,即从侧面证明了该像素点不具有大幅度的亮度调整。从而得到CT图像各像素点的亮度增强因子,表征该像素点的亮度调整效果。
对CT图像进行对比度增强、亮度调整之后,图像边缘就会更加清晰,但不可避免的是,有些区域边缘由于对比亮度增加,可能会呈现出曝光的情况,为尽可能的将CT图像中的边缘细节信息进行有效的保留,使得图像边缘细节更加清晰,细节更加明显,使用Sobel算子计算CT图像、CT亮度图像中各像素点的梯度值,在边缘处的梯度值变化会随着对比度、亮度的变化而发生变化。
对于CT图像、CT亮度各像素点,以各像素点为中心构建一个大小的邻域窗
口,可由实施者自行设定,本实施例取经验值21。对各邻域窗口像素点的梯度值使用otsu
算法得到最优梯度阈值,将邻域窗口内大于最优梯度阈值的像素点记为边缘像素点,小于
最优梯度阈值的像素点记为非边缘像素点。根据CT图像各像素点邻域窗口内的边缘像素点
与非边缘像素点之间的梯度变化情况,得到各像素点的边缘增强因子,具体公式为:
式中,表示CT图像像素点的边缘增强因子,为CT亮度图像像素
点邻域窗口内边缘像素点的梯度均值,为CT图像像素点邻域窗口内边
缘像素点的梯度均值,为CT亮度图像像素点邻域窗口内非边缘像素点的梯
度均值;为CT图像像素点邻域窗口内非边缘像素点的梯度均值,其中,为第一梯度差值,为第二梯度差值。
需要说明的是,如果两张图像中对应像素点邻域窗口内边缘像素点的梯度
均值相差越大,表示边缘增强效果就越明显;如果两张图像中对应像素点邻域窗口内
非边缘像素点的梯度均值相差越小,从侧面也能反应边缘增强效果就越明显,即CT图像像
素点的边缘增强因子越大。
根据从CT图像到CT对比图像各对应像素点的增强的对比增强因子、从CT对比图像到CT亮度图像各对应像素点的亮度增强因子以及从CT图像到CT亮度图像各对应像素点的边缘增强因子,将每次的对比、亮度及边缘这三个调整因子结合,共同构建从CT图像到CT亮度图像的综合增强因子,具体公式为:
式中,为CT图像像素点的综合增强因子,为CT图像像素点的
对比增强因子,为CT图像像素点的亮度增强因子,为CT图像像素点的
边缘增强因子。
需要说明的是,将CT图像各像素点进行对比度、亮度、以及轮廓细节的调整后,得到了各像素点调整后的综合增强因子,其中,这三种调整程度越大,则像素点的综合增强因子就越大。
传统的引导滤波算法使用大小相同的规整化因子,对于边缘纹理丰富和细节较少的地方,不能做出合理调整;而加权引导滤波算法计算局部窗口内的方差信息获取的边缘权重因子也具有缺点,即方差越大的像素点并不全是图像的边缘,会导致所得的边缘信息与实际存在较大的误差。
在加权引导滤波算法的基础上,为了使得规整化因子能够自适应调整,在原有加权引导滤波算法的基础上加入综合增强因子,以自适应调节原有的边缘权重因子,得到CT图像各像素点的增强权重因子:
式中,为CT图像像素点i的增强权重因子,、分别为CT图像像素点、的综合增强因子,、分别表示CT图像像素点、邻域窗口的灰度方差,为规整
化因子,取值为,其中,为CT图像的灰度级数256,为CT图像的像素点数量。
需要说明的是,上述像素点、的邻域窗口取以像素点、为中心、大小为3x3的邻
域窗口。可以一定程度反映边缘像素在CT图像中各像素点的占比,当像素点i的综合增
强因子越大,且该像素点邻域窗口内的方差越大,将该像素点与CT图像中的每个像素点的
综合增强因子和邻域窗口内的灰度方差的乘积作比值,求得CT图像所有像素点的比值均
值,得到的,说明该像素点相较于CT图像中的大多数像素点来讲具有较大的综合
增强因子和较为突出的边缘纹理细节信息,为要实现增强的边缘处像素点,即增强权重因
子较大。
使用基于综合增强因子得到的增强权重因子改进的加权引导滤波算法,对图像进行的加权引导滤波处理,利用综合增强因子将CT图像中的对比度、亮度、以及边缘细节信息进行有效的增强处理,使得图像中的边缘更加的清晰,细节更加的明显。其中,加权引导滤波算法为现有公知技术,具体不做阐述。
进一步,基于增强权重因子改进后的加权引导滤波算法的损耗函数变为:
式中,为损耗函数,表示以像素点k为中心的滤波窗口,、为线性系
数,为医学CT图像像素点i的灰度值,为CT图像像素点i的灰度值,为CT图像像素点i
的增强权重因子,为规整化因子。
需要说明的是,将医学CT图像按照CT图像来进行滤波,得到损耗函数最小的CT增
强图像;为像素点i的基于增强权重因子的自适应规整化因子,在CT图像的边缘或有纹
理的区域,邻域窗口内像素点的方差与其对应的增强权重因子成正比,当方差越大时,增
强权重因子越大,为了能够更好保护图像的边缘纹理细节信息,对应的自适应规整化因子
则会越小。
至此,获得对比度、亮度、边缘细节增强后的CT增强图像。
步骤S003,对CT增强图像进行去噪处理得到医学CT增强图像。
由于在融合过程是将不同图像直接进行加权相加,结果会产生不同程度的光晕现象。故将CT增强图像利用拉普拉斯金字塔框架进行分解操作,获得多尺度、多层次的图像,获取图像中的细节信息。
然后,使用这些分辨率的图像进行重构,以消除图像中的某些噪点,同时保留图像中的细节信息,输出医学CT增强图像。
这样可以减少噪声,提高图像的清晰度和质量,使其更适合进一步的处理和分析。其中高斯金字塔和拉普拉斯金字塔为现有公知技术,此处不再赘述。
至此,得到医学CT增强图像。
综上所述,本发明实施例提出一种基于图像增强的普通外科手术影像采集方法,采集CT图像,根据CT图像中的边缘不清晰、对比度低的特征进行分析构建指标,优化加权引导滤波算法的损耗函数,得到医学CT增强图像,完成普通外科手术影像采集。
本发明实施例首先对CT图像的对比度进行调整,通过调整前后对应像素点的灰度信息得到对比增强因子,用于表征各像素点的对比度程度;根据各对应像素点对比度因子的中值,筛选出需要进行亮度调整的区域,进一步根据像素点的灰度变化获取亮度增强因子,获取过增强的亮度调整为适宜人眼观察的效果图的亮度调整情况;接着结合各对应像素点的梯度变化获取边缘增强因子,针对图像中边缘像素点的边缘不清晰情况量化指标;结合三个调整因子,进一步分析得到对CT图像的综合增强因子,可以从多方面考虑对CT图像的增强效果;
使用基于综合增强因子加权后的加权引导滤波算法,对图像进行的加权引导滤波处理,利用综合增强因子将CT图像中的对比度、亮度、以及边缘细节信息进行有效的增强处理,使得医学CT增强图像中的边缘更加的清晰,细节更加的明显。本发明实施例在完成图像增强的同时保留原图像的特征,有效解决医学图像边缘界限不清晰、对比度低等问题,改善了图像增强的效果。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (9)
1.基于图像增强的普通外科手术影像采集方法,其特征在于,该方法包括以下步骤:
获取CT图像;
对CT图像使用直方图均衡化获取CT对比图像;根据CT图像、CT对比图像各像素点的灰度值得到CT图像各像素点的对比增强因子;计算CT对比图像各像素点的最终对比因子;根据CT对比图像各像素点的最终对比因子及灰度信息得到各像素点的伽马校正因子,将CT对比图像各像素点的伽马校正因子对对应各像素点进行伽马校正得到CT亮度图像;根据CT亮度图像、CT对比图像各像素点的灰度信息得到CT图像各像素点的亮度增强因子;
根据CT图像和CT亮度图像各像素点的梯度信息得到CT图像各像素点的边缘增强因子;根据CT图像各像素点的对比增强因子、亮度增强因子及边缘增强因子得到各像素点的综合增强因子;根据CT图像各像素点的综合增强因子及灰度信息得到各像素点的增强权重因子;根据医学CT图像各像素点的灰度值、CT图像各像素点的增强权重因子及灰度值优化加权引导滤波算法的损耗函数,得到CT增强图像;
对CT增强图像去噪得到医学CT增强图像;
所述根据医学CT图像各像素点的灰度值、CT图像各像素点的增强权重因子及灰度值优化加权引导滤波算法的损耗函数,表达式为:
式中,为损耗函数,/>表示以像素点k为中心的滤波窗口,/>、/>为线性系数,/>为医学CT图像像素点i的灰度值,/>为CT图像像素点i的灰度值,/>为CT图像像素点i的增强权重因子,/>为规整化因子。
2.如权利要求1所述的基于图像增强的普通外科手术影像采集方法,其特征在于,所述根据CT图像、CT对比图像各像素点的灰度值得到CT图像各像素点的对比增强因子,包括:
将CT图像与CT对比图像对应各像素点的灰度值差值绝对值记为第一差值;
将CT图像与CT对比图像对应各像素点的灰度值和值记为第一和值;
将所述第一差值与所述第一和值的比值作为CT图像各像素点的对比增强因子。
3.如权利要求1所述的基于图像增强的普通外科手术影像采集方法,其特征在于,所述计算CT对比图像各像素点的最终对比因子,包括:
获取各像素点的自适应窗口;取各像素点自适应窗口内像素点的对比增强因子中值作为各像素点的最终对比因子。
4.如权利要求3所述的基于图像增强的普通外科手术影像采集方法,其特征在于,所述获取各像素点的自适应窗口,包括:
以各像素点为中心构建尺寸为的窗口;其中,/>为预设窗口尺寸;
当窗口内像素点的对比增强因子的中值为窗口内最大或最小对比增强因子时,增大窗口尺寸;
当窗口尺寸等于预设最大窗口尺寸或者窗口内像素点的对比增强因子的中值不是窗口内最大或最小对比增强因子时,停止增大窗口,此时的窗口为像素点的自适应窗口。
5.如权利要求1所述的基于图像增强的普通外科手术影像采集方法,其特征在于,所述根据CT对比图像各像素点的最终对比因子及灰度信息得到各像素点的伽马校正因子,表达式为:
式中,为CT对比图像像素点/>的伽马校正因子,/>为自然常数,/>为CT对比图像像素点/>的最终对比因子,/>为CT对比图像像素点/>的自适应窗口内所有像素点灰度值的标准差。
6.如权利要求4所述的基于图像增强的普通外科手术影像采集方法,其特征在于,所述根据CT亮度图像、CT对比图像各像素点的灰度信息得到CT图像各像素点的亮度增强因子,包括:
获取CT亮度图像、CT对比图像各像素点自适应窗口内的灰度均值和灰度标准差;
将CT亮度图像各像素点的灰度均值与CT对比图像各像素点的灰度均值的差值绝对值作为第二差值;
将CT亮度图像各像素点的灰度标准差与CT对比图像各像素点的灰度标准差的乘积作为第一乘积;
将所述第二差值与所述第一乘积的比值作为CT图像各像素点的亮度增强因子。
7.如权利要求1所述的基于图像增强的普通外科手术影像采集方法,其特征在于,所述根据CT图像和CT亮度图像各像素点的梯度信息得到CT图像各像素点的边缘增强因子,包括:
获取CT图像、CT亮度图像各像素点的梯度值;
使用otsu分割算法获取各像素点邻域窗口内的最优梯度阈值;将CT图像、CT亮度图像各像素点邻域窗口内的梯度值大于所述最优梯度阈值的像素点记为边缘像素点,将CT图像、CT亮度图像各像素点邻域窗口内的梯度值小于所述最优梯度阈值的像素点记为非边缘像素点;
将CT图像各像素点邻域窗口内边缘像素点的梯度均值与CT亮度图像各像素点邻域窗口内边缘像素点的梯度均值的差值绝对值记为第一梯度差值;将CT图像各像素点邻域窗口内非边缘像素点的梯度均值与CT亮度图像各像素点邻域窗口内非边缘像素点的梯度均值的差值绝对值记为第二梯度差值;
将所述第一梯度差值与所述第二梯度差值的比值作为CT图像各像素点的边缘增强因子。
8.如权利要求1所述的基于图像增强的普通外科手术影像采集方法,其特征在于,所述根据CT图像各像素点的对比增强因子、亮度增强因子及边缘增强因子得到各像素点的综合增强因子,包括:
将CT图像各像素点的对比增强因子、亮度增强因子及边缘增强因子的乘积记为各像素点的综合增强因子。
9.如权利要求1所述的基于图像增强的普通外科手术影像采集方法,其特征在于,所述根据CT图像各像素点的综合增强因子及灰度信息得到各像素点的增强权重因子,表达式为:
式中,为CT图像像素点i的增强权重因子,/>、/>分别为CT图像像素点/>、/>的综合增强因子,/>、/>分别表示CT图像像素点/>、/>邻域窗口的灰度方差,/>为规整化因子,/>为CT图像的像素点数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140640.8A CN116883537B (zh) | 2023-09-06 | 2023-09-06 | 基于图像增强的普通外科手术影像采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140640.8A CN116883537B (zh) | 2023-09-06 | 2023-09-06 | 基于图像增强的普通外科手术影像采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883537A CN116883537A (zh) | 2023-10-13 |
CN116883537B true CN116883537B (zh) | 2023-12-01 |
Family
ID=88271849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311140640.8A Active CN116883537B (zh) | 2023-09-06 | 2023-09-06 | 基于图像增强的普通外科手术影像采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883537B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115409B (zh) * | 2023-10-24 | 2024-03-08 | 广东埃文低碳科技股份有限公司 | 一种基于机器视觉的仪表数据采集装置及方法 |
CN117455779B (zh) * | 2023-12-22 | 2024-03-26 | 天津市胸科医院 | 一种医疗超声影像仪辅助增强系统 |
CN117474823B (zh) * | 2023-12-28 | 2024-03-08 | 大连清东科技有限公司 | 一种儿科感染性炎症检测辅助用ct数据处理系统 |
CN117562641B (zh) * | 2024-01-15 | 2024-04-26 | 经方精密医疗(深圳)有限公司 | 一种超声介入穿刺针引导监控系统及监控方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006029512A1 (de) * | 2005-06-27 | 2006-12-28 | Tsinghua University | Verfahren und Vorrichtung zur Verstärkung von Bildinformation bei Bestrahlungsabbildung |
CN114648530A (zh) * | 2022-05-20 | 2022-06-21 | 潍坊医学院 | 一种ct图像处理方法 |
CN115731444A (zh) * | 2022-12-10 | 2023-03-03 | 中国科学院精密测量科学与技术创新研究院 | 一种基于人工智能和超像素分割的医学影像融合方法 |
CN116205823A (zh) * | 2023-05-05 | 2023-06-02 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种基于空域滤波的超声影像去噪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7680354B2 (en) * | 2006-03-22 | 2010-03-16 | Arcsoft, Inc. | Image deblur based on two images |
-
2023
- 2023-09-06 CN CN202311140640.8A patent/CN116883537B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006029512A1 (de) * | 2005-06-27 | 2006-12-28 | Tsinghua University | Verfahren und Vorrichtung zur Verstärkung von Bildinformation bei Bestrahlungsabbildung |
CN114648530A (zh) * | 2022-05-20 | 2022-06-21 | 潍坊医学院 | 一种ct图像处理方法 |
CN115731444A (zh) * | 2022-12-10 | 2023-03-03 | 中国科学院精密测量科学与技术创新研究院 | 一种基于人工智能和超像素分割的医学影像融合方法 |
CN116205823A (zh) * | 2023-05-05 | 2023-06-02 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种基于空域滤波的超声影像去噪方法 |
Non-Patent Citations (2)
Title |
---|
基于直方图统计学的图像增强算法研究;李开端;李树军;;科学技术与工程(23);全文 * |
甲状腺、乳腺超声影像自动分析技术综述;龚勋;杨菲;杜章锦;师恩;赵绪;杨子奇;邹海鹏;罗俊;;软件学报(07);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116883537A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116883537B (zh) | 基于图像增强的普通外科手术影像采集方法 | |
US9002134B2 (en) | Multi-scale image normalization and enhancement | |
JP6416582B2 (ja) | 医用画像における金属アーチファクト除去のための方法および装置 | |
Hsu et al. | Medical image enhancement using modified color histogram equalization | |
CN104091309B (zh) | 一种平板x射线图像的均衡显示方法及系统 | |
JPH10124664A (ja) | 最適な画像表示に対する均一および不均一なダイナミックレンジ再マッピング装置および方法 | |
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 | |
CN104574284A (zh) | 一种数字x射线图像对比度增强处理方法 | |
CN116703784B (zh) | 一种心脏超声图像视觉增强方法 | |
Rui et al. | Medical X-ray image enhancement method based on TV-homomorphic filter | |
CN114972067A (zh) | 一种x光小牙片图像增强方法 | |
Mustafa et al. | Contrast enhancement based on fusion method: a review | |
Rao et al. | Retinex-centered contrast enhancement method for histopathology images with weighted CLAHE | |
CN113205461B (zh) | 一种低剂量ct影像去噪模型训练方法、去噪方法及装置 | |
Agaian et al. | Novel medical image enhancement algorithms | |
CN111915523A (zh) | Dr图像亮度自适应调整方法及系统 | |
Kumar et al. | Automatic tissue attenuation-based contrast enhancement of low-dynamic X-Ray images | |
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 | |
IDOWU et al. | Improved Enhancement Technique for Medical Image Processing | |
Chen et al. | Chest radiographic image enhancement based on multi-scale retinex technique | |
CN111091514A (zh) | 一种口腔cbct图像去噪方法及系统 | |
Frosio et al. | Real time enhancement of cephalometric radiographies | |
Setty et al. | Details enhancement of MRI image using illumination and reflectance estimation | |
Bashir et al. | Enhancement of fundus images for diagnosing diabetic retinopathy using B-spline | |
Tripathi | Differential mean deviation factor based contrast enhancement technique using DWT-SVD for non-contrast CT scan images |
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 |