CN117132494A - 图像处理方法和装置 - Google Patents

图像处理方法和装置 Download PDF

Info

Publication number
CN117132494A
CN117132494A CN202311091574.XA CN202311091574A CN117132494A CN 117132494 A CN117132494 A CN 117132494A CN 202311091574 A CN202311091574 A CN 202311091574A CN 117132494 A CN117132494 A CN 117132494A
Authority
CN
China
Prior art keywords
image
channel
saturation
blood vessel
processing
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
Application number
CN202311091574.XA
Other languages
English (en)
Inventor
陈仕长
袁艳阳
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.)
Surgnova Healthcare Technologies (zhejiang) Co ltd
Sinosurgical Healthcare Technologies Beijing Co ltd
Original Assignee
Surgnova Healthcare Technologies (zhejiang) Co ltd
Sinosurgical Healthcare Technologies Beijing 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 Surgnova Healthcare Technologies (zhejiang) Co ltd, Sinosurgical Healthcare Technologies Beijing Co ltd filed Critical Surgnova Healthcare Technologies (zhejiang) Co ltd
Priority to CN202311091574.XA priority Critical patent/CN117132494A/zh
Publication of CN117132494A publication Critical patent/CN117132494A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10068Endoscopic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Image Processing (AREA)

Abstract

本发明提供了一种图像处理方法和装置。该图像处理方法包括:获取血管图像,血管图像包括RGB模式图像;对血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像;其中,局部区域包括具有血管特征的区域;将局部对比度增强图像转换为HSV模式图像;对HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像;以及将饱和度增强图像转换为RGB模式图像,以得到与血管图像对应的目标图像。

Description

图像处理方法和装置
技术领域
本发明涉及图像处理技术领域,更具体地涉及一种图像处理方法和装置。
背景技术
彩色图像增强对于提高计算机视觉、模式识别和内窥镜图像处理的视觉质量具有重要作用。当前,电子内窥镜已成为一种普遍且实用性高的医疗设备。通过电子内窥镜不仅能直接观察到人体内脏器官的组织形态情况,而且还能对内窥镜图像做进一步处理,以达到更好的视觉效果。但由于人体组织的特殊性以及成像条件的限制,由内窥镜直接获得的图像往往存在血管与其周围组织的对比度较低,导致一些血管特征的缺失,因此需要对内窥镜图像进行增强处理。
发明内容
鉴于上述问题,本发明提供了一种图像处理方法和装置。
根据本发明的第一个方面,提供了一种图像处理方法,包括:获取血管图像,所述血管图像包括RGB模式图像;对所述血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像;其中,所述局部区域包括具有血管特征的区域;将所述局部对比度增强图像转换为HSV模式图像;对所述HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像;以及将所述饱和度增强图像转换为RGB模式图像,以得到与所述血管图像对应的目标图像。
根据本发明的实施例,所述局部对比度增强图像包括根据三个单通道局部对比度增强图像得到的图像;所述对所述血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像,包括:针对与所述血管图像对应的三个单通道图像中的任意单通道图像,进行均值滤波处理,得到滤波后图像;针对所述滤波后图像,根据图像中各像素点的灰度值,确定与所述滤波后图像对应的灰度均值;根据所述灰度均值和所述滤波后图像,得到背景图像;以及根据所述任意单通道图像和所述背景图像,得到一个单通道局部对比度增强图像。
根据本发明的实施例,所述针对与所述血管图像对应的三个单通道图像中的任意单通道图像,进行均值滤波处理,得到滤波后图像,包括:利用第一滤波器对所述任意单通道图像中的非边缘像素点进行第一均值滤波处理;以及利用第二滤波器对所述任意单通道图像中的边缘像素点进行第二均值滤波处理;其中,所述第一滤波器大于所述第二滤波器。
根据本发明的实施例,所述根据所述灰度均值和所述滤波后图像,得到背景图像,包括:针对所述波后图像,将图像中各像素点的灰度值叠加所述灰度均值后所得到的图像,作为所述背景图像。
根据本发明的实施例,所述根据所述任意单通道图像和所述背景图像,得到一个单通道局部对比度增强图像,包括:根据所述任意单通道图像和所述背景图像进行去背景处理,得到细节信息;以及根据所述任意单通道图像和所述细节信息进行细节信息叠加处理,得到一个单通道局部对比度增强图像。
根据本发明的实施例,所述对所述HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像,包括:确定饱和度通道的灰度平均值;根据所述灰度平均值,确定自适应映射参数;根据所述自适应映射参数和饱和度通道的各像素点灰度值,生成映射曲线;根据所述映射曲线、第一阈值区间和第二阈值区间,确定所述HSV模式图像中的与所述第一阈值区间对应的低饱和区域和与所述第二阈值区间对应的高饱和区域;以及对所述低饱和区域进行饱和度提升处理,对所述高饱和区域进行饱和度降低处理,以得到饱和度增强图像。
本发明的第二方面提供了一种图像处理装置,包括:获取模块,用于获取血管图像,所述血管图像包括RGB模式图像;第一增强处理模块,用于对所述血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像;其中,所述局部区域包括具有血管特征的区域;第一图像转换模块,用于将所述局部对比度增强图像转换为HSV模式图像;第二增强处理模块,用于对所述HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像;以及第二图像转换模块,用于将所述饱和度增强图像转换为RGB模式图像,以得到与所述血管图像对应的目标图像。
本发明的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述公开的方法。
本发明的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述公开的方法。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本发明实施例的图像处理方法的流程图;
图2示意性示出了根据本发明实施例的图像处理装置的结构框图;以及
图3示意性示出了根据本发明实施例的适于实现图像处理方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本发明的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本发明实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
通过图1对公开实施例的图像处理方法进行详细描述。
图1示意性示出了根据本发明实施例的图像处理方法的流程图。如图1所示,该实施例包括操作S101~操作S105。
在操作S101,获取血管图像,血管图像包括RGB模式图像。
在操作S102,对血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像;其中,局部区域包括具有血管特征的区域。
可以理解,本步骤局部区域包括具有血管特征的区域,通过局部对比度增强有利于使血管特征呈现更加清晰。
例如,局部对比度增强图像包括根据三个单通道局部对比度增强图像得到的图像;对血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像,包括:针对与血管图像对应的三个单通道图像中的任意单通道图像,进行均值滤波处理,得到滤波后图像;针对滤波后图像,根据图像中各像素点的灰度值,确定与滤波后图像对应的灰度均值;根据灰度均值和滤波后图像,得到背景图像;以及根据任意单通道图像和背景图像,得到一个单通道局部对比度增强图像。
例如,针对与血管图像对应的三个单通道图像中的任意单通道图像,进行均值滤波处理,得到滤波后图像,包括:利用第一滤波器对任意单通道图像中的非边缘像素点进行第一均值滤波处理;以及利用第二滤波器对任意单通道图像中的边缘像素点进行第二均值滤波处理;其中,第一滤波器大于第二滤波器。
例如,根据灰度均值和滤波后图像,得到背景图像,包括:针对波后图像,将图像中各像素点的灰度值叠加灰度均值后所得到的图像,作为背景图像。
例如,根据任意单通道图像和背景图像,得到一个单通道局部对比度增强图像,包括:根据任意单通道图像和背景图像进行去背景处理,得到细节信息;以及根据任意单通道图像和细节信息进行细节信息叠加处理,得到一个单通道局部对比度增强图像。
举例来说,输入RGB模式图像I∈RM×N×3,M,N是图像单通道行列数,对图像三通道分别进行局部对比度增强。
具体地,如Ic(c∈{r,g,b})∈RM×N三通道中任意一通道图像,对单通道图像进行均值滤波,可以得到滤波后的图像Tc∈RM×N,滤波器大小为W×W,元素为1/W2。在对边缘像素点进行滤波时,可以改变滤波器大小。
可以理解,改变滤波器大小:滤波器是指一个W×W个像素点大小的正方形,正方形中心点对应图像处理当前像素点,正方形其他点对应当前中心点像素周围的点。改变滤波器大小,如将一个3*3的大小变成5*5、7*7这种框大小。大小不同即可,本实施例可以是变小,因为对于图像边界点,它的上/下/左/右可能没有像素,因此通过调小来满足实际需求。
根据图像中各像素点的灰度值求滤波后图像对应的灰度均值。
可以理解,各像素点的灰度值累加求平均,得到灰度均值。
可以理解,针对滤波后图像Tc,将图像中各像素点的灰度值叠加灰度均值后所得到的图像,可以得到背景图像
可以理解,将图像中各像素点的灰度值叠加灰度均值,即得到每个像素点局部信息和全局信息的加权平均,其中局部信息是滤波后图像中各像素点的灰度值,全局信息是图像整体灰度值平均。
其中,a是加权系数,取值范围[0,1],如a=0.5。
可以理解,可以通过叠加细节增强各通道图像。即根据任意单通道图像和背景图像进行去背景处理,得到细节信息;以及根据任意单通道图像和细节信息进行细节信息叠加处理,得到一个单通道局部对比度增强图像
可以理解,细节信息是指图像细节,相邻图像区域之间灰度相差很大的区域,指这一块区域图像的灰度值变化大且剧烈,通常图像中的纹理就是指细节,如指纹图像中的纹路、人脸上的皱纹斑点等等。
例如,获取细节信息可以采用非锐化掩模方法。
c是对比度调节因子,如c=0.35。
在操作S103,将局部对比度增强图像转换为HSV模式图像。
可以理解,本步骤将RGB颜色空间转换到HSV颜色空间。
举例来说,首先将的三通道R,G,B图像数值归一化灰度值,使其数据取值范围转换到[0,1]区间,得到归一化R',G',B'。
计算图像每个像素点对应的R′(i,j),G′(i,j),B′(i,j)中的最大值,最小值,最终获得三通道最大值最小值数据矩阵如下式,并计算两者之间差值Δ。可以理解,归一化后,在取值范围为[0,1]之间的R/G/B三个单通道图像中求最大值和最小值,得到两个单通道图像,最大值图像M和最小值图像N,其图像大小和R/G/B图像的长宽是一样的。
Cmax=max(R′,G′,B′)∈RM×N
Cmin=min(R′,G′,B′)∈RM×N
Δ=Cmax-Cmin
利用如下公式计算HSV颜色空间数据。
V(i,j)=Cmax(i,j)(i=1,2,…M,j=1,2,…N)
可以理解,HSV颜色模型,每一种颜色都是由色相(Hue,简H),饱和度(Saturation,简S)和色明度(Value,简V)所表示的。这个模型中颜色的参数分别是:色调(H),饱和度(S),亮度(V)。色调H参数表示色彩信息,即所处的光谱颜色的位置。该参数用一角度量来表示,取值范围为0°~360°。若从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°。它们的补色是:黄色为60°,青色为180°,紫色为300°;饱和度S:取值范围为0.0~1.0;亮度V:取值范围为0.0(黑色)~1.0(白色)。
在操作S104,对HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像。
例如,对HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像,包括:确定饱和度通道的灰度平均值;根据灰度平均值,确定自适应映射参数;根据自适应映射参数和饱和度通道的各像素点灰度值,生成映射曲线;根据映射曲线、第一阈值区间和第二阈值区间,确定HSV模式图像中的与第一阈值区间对应的低饱和区域和与第二阈值区间对应的高饱和区域;以及对低饱和区域进行饱和度提升处理,对高饱和区域进行饱和度降低处理,以得到饱和度增强图像。
举例来说,对S通道灰度进行对比度拉伸,S分量是HSV颜色空间第二通道数据,计算S通道平均值并获取自适应映射参数d,
S=HSV(∶,:,2)∈RM×N
通过映射曲线拉伸图像中感兴趣区域的饱和度对比度,达到增强的目的,并将处理后的S*通道数据放回HSV颜色空间。
可以理解,感兴趣区域RoI在图像处理领域,感兴趣区域是从图像中选择的一个图像区域,该区域是图像分析所关注的重点。
例如,感兴趣区域是指图像饱和度的某一范围,饱和度取值范围是[0,1],可以选择对[0,0.1]这种低饱和度区域进行饱和度提升处理,也可以对[0.8,1]这种高饱和度区域进行饱和度减低处理。映射曲线是S形状,可以对低饱和区域拉升和高饱和区域拉低同时处理。
HSV(∶,:,2)∈RM×N=S*
在操作S105,将饱和度增强图像转换为RGB模式图像,以得到与血管图像对应的目标图像。
可以理解,HSV颜色空间转换到RGB颜色空间,获得目标图像(如最终血管增强RGB图像)。对于增强后的HSV数据中的任意像素点包含(h,s,v)三个值,且其取值范围分别是0≤h≤360,0≤s≤1和0≤v≤1,通过以下公式转换为RGB颜色空间中对应(r,g,b)。
取整操作,/>p=v×(1-s),q=v×(1-f×s),t=v×(1-(1-f)×s)。
最终获得增强后的RGB颜色通道图像Ienhance∈RM×N×3
可以理解,对于一个RGB空间的图像,任意一个像素点其三个通道的灰度值可以用(r,g,b)表示,将该像素点在HSV色彩空间可以用(h,s,v)表示,其中h表示该像素的色相,s表示该像素的饱和度,v表示该像素的亮度。hi表示该像素的色相是60的整数倍,h取值范围是(0,360),f表示该像素的色相非60倍数的部分,相对于60的比例,取值范围是(0,1)。P/q/t/v是根据亮度v计算得到的初步r/g/b通道的灰度值,因为色相h的取值范围决定了该像素点是显红色、黄色、绿色、蓝色、还是紫色,根据这个色相来调整。P/q/t/v是根据hi的大小来分配r/g/b三个通道灰度值,hi取值范围是[0,5]。
本发明实施例提供的图像处理方法能够解决图像识别度低的问题。例如,内窥镜血管图像中血管模糊识别度不高问题。通过对RGB模式的血管图像进行局部区域的对比度增强处理,然后将局部对比度增强图像转换为HSV模式图像,并对HSV模式图像的饱和度分量进行自适应的对比度拉伸处理,再将饱和度增强图像转换为RGB模式图像,以得到与血管图像对应的目标图像,从而达到提升图像识别度的效果。可以增强图像中血管的效果,使图像中的轮廓和细节更加明显、图像清晰度高。
图2示意性示出了根据本发明实施例的图像处理装置的结构框图。
如图2所示,该实施例的图像处理装置200包括获取模块210、第一增强处理模块220、第一图像转换模块230、第二增强处理模块240和第二图像转换模块250。
获取模块210,用于获取血管图像,所述血管图像包括RGB模式图像;第一增强处理模块220,用于对所述血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像;其中,所述局部区域包括具有血管特征的区域;第一图像转换模块230,用于将所述局部对比度增强图像转换为HSV模式图像;第二增强处理模块240,用于对所述HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像;以及第二图像转换模块250,用于将所述饱和度增强图像转换为RGB模式图像,以得到与所述血管图像对应的目标图像。
根据本发明的实施例,获取模块210、第一增强处理模块220、第一图像转换模块230、第二增强处理模块240和第二图像转换模块250中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,获取模块210、第一增强处理模块220、第一图像转换模块230、第二增强处理模块240和第二图像转换模块250中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块210、第一增强处理模块220、第一图像转换模块230、第二增强处理模块240和第二图像转换模块250中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图3示意性示出了根据本发明实施例的适于实现图像处理方法的电子设备的方框图。
如图3所示,根据本发明实施例的电子设备300包括处理器301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。处理器301例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器301还可以包括用于缓存用途的板载存储器。处理器301可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 303中,存储有电子设备300操作所需的各种程序和数据。处理器301、ROM302以及RAM 303通过总线304彼此相连。处理器301通过执行ROM 302和/或RAM 303中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 302和RAM 303以外的一个或多个存储器中。处理器301也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例,电子设备300还可以包括输入/输出(I/O)接口305,输入/输出(I/O)接口305也连接至总线304。电子设备300还可以包括连接至I/O接口305的以下部件中的一项或多项:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307;包括硬盘等的存储部分308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分308。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本发明实施例的方法。
根据本发明的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本发明的实施例,计算机可读存储介质可以包括上文描述的ROM 302和/或RAM 303和/或ROM 302和RAM 303以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本发明实施例所提供的图像处理方法。
在该计算机程序被处理器301执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分309被下载和安装,和/或从可拆卸介质311被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。在该计算机程序被处理器301执行时,执行本发明实施例的系统中限定的上述功能。根据本发明的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本发明的各个实施例和/或权项中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本发明中。特别地,在不脱离本发明精神和教导的情况下,本发明的各个实施例和/或权项中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本发明的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权项及其等同物限定。不脱离本发明的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本发明的范围之内。

Claims (10)

1.一种图像处理方法,包括:
获取血管图像,所述血管图像包括RGB模式图像;
对所述血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像;其中,所述局部区域包括具有血管特征的区域;
将所述局部对比度增强图像转换为HSV模式图像;
对所述HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像;以及
将所述饱和度增强图像转换为RGB模式图像,以得到与所述血管图像对应的目标图像。
2.根据权利要求1所述的方法,其中,所述局部对比度增强图像包括根据三个单通道局部对比度增强图像得到的图像;所述对所述血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像,包括:
针对与所述血管图像对应的三个单通道图像中的任意单通道图像,进行均值滤波处理,得到滤波后图像;
针对所述滤波后图像,根据图像中各像素点的灰度值,确定与所述滤波后图像对应的灰度均值;
根据所述灰度均值和所述滤波后图像,得到背景图像;以及
根据所述任意单通道图像和所述背景图像,得到一个单通道局部对比度增强图像。
3.根据权利要求2所述的方法,其中,所述针对与所述血管图像对应的三个单通道图像中的任意单通道图像,进行均值滤波处理,得到滤波后图像,包括:
利用第一滤波器对所述任意单通道图像中的非边缘像素点进行第一均值滤波处理;以及
利用第二滤波器对所述任意单通道图像中的边缘像素点进行第二均值滤波处理;
其中,所述第一滤波器大于所述第二滤波器。
4.根据权利要求2所述的方法,其中,所述根据所述灰度均值和所述滤波后图像,得到背景图像,包括:
针对所述波后图像,将图像中各像素点的灰度值叠加所述灰度均值后所得到的图像,作为所述背景图像。
5.根据权利要求2所述的方法,其中,所述根据所述任意单通道图像和所述背景图像,得到一个单通道局部对比度增强图像,包括:
根据所述任意单通道图像和所述背景图像进行去背景处理,得到细节信息;以及
根据所述任意单通道图像和所述细节信息进行细节信息叠加处理,得到一个单通道局部对比度增强图像。
6.根据权利要求1所述的方法,其中,所述对所述HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像,包括:
确定饱和度通道的灰度平均值;
根据所述灰度平均值,确定自适应映射参数;
根据所述自适应映射参数和饱和度通道的各像素点灰度值,生成映射曲线;
根据所述映射曲线、第一阈值区间和第二阈值区间,确定所述HSV模式图像中的与所述第一阈值区间对应的低饱和区域和与所述第二阈值区间对应的高饱和区域;以及
对所述低饱和区域进行饱和度提升处理,对所述高饱和区域进行饱和度降低处理,以得到饱和度增强图像。
7.一种图像处理装置,包括:
获取模块,用于获取血管图像,所述血管图像包括RGB模式图像;
第一增强处理模块,用于对所述血管图像的三个通道分别进行局部区域的对比度增强处理,得到局部对比度增强图像;其中,所述局部区域包括具有血管特征的区域;
第一图像转换模块,用于将所述局部对比度增强图像转换为HSV模式图像;
第二增强处理模块,用于对所述HSV模式图像的饱和度通道进行灰度对比度拉伸处理,得到饱和度增强图像;以及
第二图像转换模块,用于将所述饱和度增强图像转换为RGB模式图像,以得到与所述血管图像对应的目标图像。
8.根据权利要求7所述的装置,其中,所述第一增强处理模块,包括:
第一获得单元,用于针对与所述血管图像对应的三个单通道图像中的任意单通道图像,进行均值滤波处理,得到滤波后图像;
第一确定单元,用于针对所述滤波后图像,根据图像中各像素点的灰度值,确定与所述滤波后图像对应的灰度均值;
第二获得单元,用于根据所述灰度均值和所述滤波后图像,得到背景图像;以及
第三获得单元,用于根据所述任意单通道图像和所述背景图像,得到一个单通道局部对比度增强图像。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~6中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~6中任一项所述的方法。
CN202311091574.XA 2023-08-28 2023-08-28 图像处理方法和装置 Pending CN117132494A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311091574.XA CN117132494A (zh) 2023-08-28 2023-08-28 图像处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311091574.XA CN117132494A (zh) 2023-08-28 2023-08-28 图像处理方法和装置

Publications (1)

Publication Number Publication Date
CN117132494A true CN117132494A (zh) 2023-11-28

Family

ID=88854071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311091574.XA Pending CN117132494A (zh) 2023-08-28 2023-08-28 图像处理方法和装置

Country Status (1)

Country Link
CN (1) CN117132494A (zh)

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
CN110246087B (zh) 参考多通道的多分辨率去除图像色度噪声的系统和方法
US11087461B2 (en) Image processing device, image processing method, medical imaging system
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
Hsu et al. Medical image enhancement using modified color histogram equalization
JP2004326805A (ja) ディジタル画像中の赤目を検出し補正する方法
CN112446880B (zh) 图像处理方法、电子设备及可读存储介质
CN107705336A (zh) 一种病理图像染色成分调节方法
WO2020003991A1 (ja) 医療画像学習装置、方法及びプログラム
CN112598607B (zh) 基于改进加权clahe的内窥镜图像血管增强算法
CN114511460A (zh) 荧光图像伪彩增强方法、装置、设备及存储介质
CN110507287A (zh) 一种泌尿外科用智能数字影像处理系统及方法
WO2020022027A1 (ja) 学習装置及び学習方法
CN115631195B (zh) 血管轮廓提取方法、血管轮廓提取装置及内窥镜系统
CN113808054B (zh) 用于对眼底图像的视盘区域进行修复的方法和相关产品
Sarrafzade et al. Skin lesion detection in dermoscopy images using wavelet transform and morphology operations
CN107169937A (zh) 一种应用在医疗影像设备中的图像处理方法和医疗影像设备
CN117575924A (zh) 一种统一模型的可见光与近红外荧光图像融合方法
CN117765357A (zh) 基于多尺度金字塔残差权重神经网络的医学图像融合方法
CN114663293A (zh) 一种图像增强方法、装置、电子设备及内窥镜系统
CN117132494A (zh) 图像处理方法和装置
CN116977464A (zh) 人脸皮肤敏感度的检测方法、系统、设备及介质
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
CN115496681A (zh) 内窥镜图像增强方法、存储介质及计算机设备
CN112837243A (zh) 联合整体与局部信息的阴道镜图像高光消除的方法及装置

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