CN117237243A - 一种心血管造影图像局部自适应增强方法 - Google Patents
一种心血管造影图像局部自适应增强方法 Download PDFInfo
- Publication number
- CN117237243A CN117237243A CN202311523806.4A CN202311523806A CN117237243A CN 117237243 A CN117237243 A CN 117237243A CN 202311523806 A CN202311523806 A CN 202311523806A CN 117237243 A CN117237243 A CN 117237243A
- Authority
- CN
- China
- Prior art keywords
- image
- local
- gray
- local block
- block
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000002526 effect on cardiovascular system Effects 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 57
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000002708 enhancing effect Effects 0.000 claims description 14
- 238000002583 angiography Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 238000011045 prefiltration Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 19
- 238000002601 radiography Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 abstract description 2
- 230000000903 blocking effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及用于图像处理术领域,具体涉及一种心血管造影图像局部自适应增强方法,包括:获取心血管造影图像并转为灰度图;在灰度图上对不同分块尺寸进行直方图均衡化并对直方图均衡化增强结果进行参数拟合;利用拟合得到的参数进行曲线拟合得到最优分块尺寸;根据最优分块尺寸对图像进行局部自适应增强。本发明在局部直方图均衡化的基础上,根据不同滑块参数对心血管造影图像增强程度,对局部均衡化算法滑块参数取优问题实现局部自适应增强的技术效果。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种心血管造影图像局部自适应增强方法。
背景技术
心血管造影图像即心脏和血管腔区域的造影图像,常用于医学检测。心血管造影图像中心血管区域清晰度较差,模糊的心血管区域在检测过程中可能会造成心血管血液浓度检测偏差,从而造成医疗误诊,故心血管造影图像增强对医学实验尤为重要。
现有的常见心血管造影图像增强方法为局部直方图均衡化,需使用固定尺寸的滑块依次对图像局部进行直方图均衡化遍历。尺寸的滑块对图像影响较大,难以自适应,且图像增强效果相差较大,处理结果不稳定,制约了图像处理技术在心血管图像领域的应用。传统局部均衡化分块尺寸需人为确定,不同分块尺寸对应的均衡化结果差异较大,如分块尺寸取60x60和3x3的均衡化具有明显图像细节差别,同时人为选取最佳分块尺寸进行均衡化的操作难度较大,本发明对最优局部均衡化分块尺寸实现了自适应的选取。
发明内容
本发明提供一种心血管造影图像局部自适应增强方法,以解决现有的问题。
本发明的一种心血管造影图像局部自适应增强方法采用如下技术方案:
本发明一个实施例提供了一种心血管造影图像局部自适应增强方法,该方法包括以下步骤:
采集心血管造影图像,将心血管造影图像转为单灰度通道得到单向图像;对单向图像进行局部处理,得到每个局部分块均衡化结果;
根据每个局部分块均衡化结果计算局部对比度和局部最大灰度差,利用局部对比度和局部最大灰度差结合每个局部分块均衡化结果,得到每个局部分块图像的增强评优参数;根据每个局部分块图像的增强评优参数得到每块局部分块的有效增强程度;
根据每块局部分块的有效增强程度得到单向图像的有效增强程度占比,根据单向图像的有效增强程度占比与模块尺寸参数建立曲线,根据曲线变化情况得到最优模块参数;根据最优模块参数对单向图像进行局部直方图均衡化,得到最优图像增强结果。
优选的,所述对单向图像进行局部处理,得到每个局部分块均衡化结果,包括的具体步骤如下:
获取单向图像边缘尺寸,设置模块尺寸参数集合,集合中的每一个模块尺寸参数应是单向图像边缘尺寸的因数;利用模块尺寸参数集合中任意一个模块尺寸参数对单向图像进行井字形分割,得到分割后的分割图像,分割图像中包含若干个局部分块;在分割图像的每个局部分块上进行直方图均衡化处理,得到模块尺寸参数对应的分割图像的均衡化图像,将均衡化图像记为该模块尺寸参数的每个局部分块均衡化结果;利用模块尺寸参数集合中的所有模块尺寸参数得到每个局部分块均衡化结果。
优选的,所述根据每个局部分块均衡化结果计算局部对比度和局部最大灰度差,包括的具体步骤如下:
计算每个局部分块所有像素点的灰度值的均方差,记为每个局部分块图像的对比度;计算每个局部分块像素点的最大灰度值和最小灰度值的差的绝对值,记为每个局部分块的最大灰度差。
优选的,所述利用局部对比度和局部最大灰度差结合每个局部分块均衡化结果,得到每个局部分块图像的增强评优参数,包括的具体步骤如下:
将每个局部分块图像的对比度和每个局部分块的最大灰度差相乘得到每个局部分块的自适应均衡化后的增强程度,将图像按照每个局部分块的自适应均衡化后的增强程度记为每个局部分块图像的增强评优参数。
优选的,所述根据每个局部分块图像的增强评优参数得到每块局部分块的有效增强程度,包括的具体步骤如下:
对每个单向图像统计灰度值分布分别得到滤波前的灰度直方图,利用滤波对每个单向图像进行滤波并统计灰度值分布得到滤波后的灰度直方图;根据滤波前和滤波后的灰度直方图获取每块局部分块中每个灰度值的像素滤波差;根据滤波前和滤波后的灰度直方图获取每个灰度值的像素为噪声的置信概率;利用增强评优参数、像素滤波差和置信概率计算得到每个局部分块的有效增强程度。
优选的,所述根据滤波前和滤波后的灰度直方图获取每块局部分块中每个灰度值的像素滤波差,包括的具体步骤如下:
将每个模块尺寸参数下的每块局部分块的灰度直方图中每个灰度值的像素在高斯滤波前图像上的像素个数记为滤波前个数、高斯滤波后图像上的像素个数记为滤波后个数,计算滤波前个数和滤波后个数的差值的绝对值,记为每块局部分块中每个灰度值的像素滤波差。
优选的,所述根据滤波前和滤波后的灰度直方图获取每个灰度值的像素为噪声的置信概率,包括的具体步骤如下:
对滤波前的灰度直方图中所有像素个数求均值,将均值所在的灰度值记为像素个数均值灰度值,在单向图像中,计算每块局部区域的灰度直方图中每个灰度值的点与像素个数均值灰度值之间的距离,记为滤波前每块局部分块的灰度直方图中每个灰度值的像素为噪声的置信概率。
优选的,所述利用增强评优参数、像素滤波差和置信概率计算得到每个局部分块的有效增强程度的具体公式如下:
其中,表示模块尺寸参数为/>的第/>块局部分块的有效增强程度,/>表示模块尺寸参数为/>的单向图像中第/>个局部分块的增强评优参数,/>表示滤波前模块尺寸参数为/>的第/>块局部分块的灰度直方图中灰度值为/>的像素为噪声的置信概率,/>表示模块尺寸参数为/>的第/>块局部分块的灰度直方图中灰度值为/>的像素滤波差。
优选的,所述根据每块局部分块的有效增强程度得到单向图像的有效增强程度占比的具体公式如下:
其中,表示模块尺寸参数为/>时的单向图像的有效增强程度占比,/>表示单向图像中所有的局部分块的总数,/>表示模块尺寸参数为/>的第/>块局部分块的有效增强程度。
优选的,所述根据单向图像的有效增强程度占比与模块尺寸参数建立曲线,根据曲线变化情况得到最优模块参数,包括的具体步骤如下:
以模块尺寸参数为横坐标输入,以模块尺寸参数对应的单向图像的有效增强程度占比为纵坐标建立二维坐标系,得到曲线,将曲线的最大值点对应的横坐标记为最优模块参数。
本发明的技术方案的有益效果是:针对传统局部均衡化分块尺寸需人为确定,不同分块尺寸对应的均衡化结果差异较大的问题,本发明通过对图像局部区域均衡化的图像特征进行分析,得到图像增强程度,并结合图像局部灰度直方图特征分布,得到有效增强程度,通过有效增强程度得到最优局部分块尺寸,完成对图像均衡化分块最优参数的选取。相较传统均衡化方法人为设置分块参数,能够自适应的找到最优分块参数,有效提高了图像局部增强效果。
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,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地介绍,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他的附图。
图1为本发明一种心血管造影图像局部自适应增强方法的步骤流程图;
图2为分块尺寸取的高斯滤波前后的灰度直方图;
图3为具体场景图像增强效果图。
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一种心血管造影图像局部自适应增强方法,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一种心血管造影图像局部自适应增强方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种心血管造影图像局部自适应增强方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集心血管造影图像,根据灰度化手段将心血管造影图像转为单灰度通道得到单向图像。
具体的,根据医学扫描设备扫描得到心血管造影图像,利用图像灰度化手段将RGB三通道的心血管造影图像转化成单灰度通道心血管造影图像,得到单灰度通道的心血管造影图像,记为单向图像,其中单向图像的尺寸大小为。
至此,采集心血管造影图像,并根据灰度化手段将心血管造影图像转为单灰度通道得到了单向图像。
步骤S002:对单向图像进行局部直方图均衡化处理得到每个模块尺寸参数的每个局部分块均衡化结果。
需要说明的是,单向图像的局部块在不同分割程度下具有不同的特征尺度,利用直方图均衡化对不同分割程度下的单向图像局部块进行图像增强,就可以将不同的特征尺度进行不同程度的增强得到不同的局部分块均衡化效果,以供后续对均衡化效果进行评价。
具体的,设置模块尺寸参数集合,集合中的每一个模块尺寸参数/>应是/>的因数且集合/>中共有/>个元素;利用模块尺寸参数集合中任意一个模块尺寸参数/>对单向图像进行井字形分割,得到分割后的分割图像,分割图像中包含尺寸大小为/>的/>个局部分块,其中/>;在分割图像的每个局部分块上进行直方图均衡化处理,得到模块尺寸参数/>对应的分割图像的均衡化图像,将均衡化图像记为模块尺寸参数的每个局部分块均衡化结果;利用模块尺寸参数集合/>中的所有模块尺寸参数得到每个局部分块均衡化结果,其中共有/>幅均衡化图像,且/>。
至此,根据单向图像进行局部直方图均衡化处理得到了每个局部分块均衡化结果。
步骤S003:根据局部分块自适应均衡化结果得到对比度和局部最大灰度差,利用局部对比度和局部最大灰度差判断每个局部分块均衡化结果中每个局部分块的增强评优参数。
需要说明的是,由于不同模块尺寸参数下的均衡化图像中不同局部分块自适应均衡化结果的差异可由图像局部分块最大灰度差和对比度显现出来,图像对比度即亮暗的拉伸对比程度,通常表现为图像画质的清晰程度;图像最大灰度差可体现图像灰度梯度变换趋势,故可根据图像对比度和最大灰度差两个变量设置图像增强评优参数。
具体的,在模块尺寸参数的分割图像上,对/>个局部分块进行从上到下、从左到右的排序并得到局部分块序列,将其中任意一个局部分块表示为第/>个局部分块,其中,计算每个局部分块所有像素点的灰度值的均方差,记为每个局部分块的对比度;计算每个局部分块像素点的最大灰度值和最小灰度值的差的绝对值,记为每个局部分块的最大灰度差,根据局部分块图像的局部对比度和局部最大灰度差设置局部分块的增强评优参数,具体的计算公式如下:
其中,表示模块尺寸参数为/>的第/>个局部分块的增强评优参数,/>表示模块尺寸参数为/>的第/>个局部分块的对比度,/>表示模块尺寸参数为/>的第/>个局部分块的最大灰度差。增强评优参数可以反映局部分块图像的增强效果。当/>越大时,第/>块局部分块的灰度值越离散,局部区域的画质更清晰,反之更模糊。/>作为对比度/>的权重赋值,反映第/>块局部分块的对比度的可信度,因为对比度和最大灰度差应呈正比关系,若非正比关系,则说明对比度的可信度不高,认为此时图像的整体增强效果不好。增强评优参数越大,则说明局部分块轮廓越清晰,单向图像整体的增强效果越好。
至此,根据局部分块自适应均衡化结果计算局部对比度和局部最大灰度差,利用局部对比度和局部最大灰度差得到了每个局部分块图像的增强评优参数。
步骤S004:根据每个局部分块图像的增强评优参数得到每个模块尺寸参数下的每块局部分块的有效增强程度。
需要说明的是,由于直方图均衡化对图像增强程度的变化可能是由噪声引起的,也可能是由图像边缘导致的,本实施例记因边缘引起的增强为有效增强,因噪声引起的增强为影响处理结果准确性的增强。本实施例通过对增强后的图像进行高斯滤波,通过分析滤波前后的灰度直方图,提取其特征得到因噪声引起的增强程度占比。
具体的,利用高斯滤波对每个局部分块图像进行去噪,并统计灰度值分布得到滤波前后的灰度直方图。为方便说明,本实施例给出具体场景下分块尺寸取的高斯滤波前后的灰度直方图如图2所示,在此本实施例之后的说明中若无特殊说明,均以此具体场景为基础进行说明,将其中标注有模块尺寸参数为/>的第/>块局部分块的灰度直方图中灰度值为/>的像素在高斯滤波前图像上的像素个数记为滤波前个数/>、高斯滤波后图像上的像素个数记为滤波后个数/>,计算滤波前个数和滤波后个数的差值的绝对值,记为某模块尺寸参数下的每块局部分块的灰度直方图中某灰度值的像素滤波差;对灰度直方图中所有像素个数求均值,将均值所在的灰度值记为像素个数均值灰度值,计算滤波前单向图像中第/>块局部区域的灰度直方图中灰度值为/>的点与像素个数均值灰度值之间的距离,记为滤波前模块尺寸参数为/>的第/>块局部分块的灰度直方图中灰度值为/>的像素为噪声的置信概率;分析灰度直方图特征每个模块尺寸参数的每个局部分块的有效增强程度的公式如下:
其中,表示模块尺寸参数为/>的第/>块局部分块的有效增强程度,/>表示模块尺寸参数为/>的滤波前单向图像中第/>个局部分块的增强评优参数,/>表示滤波前模块尺寸参数为/>的第/>块局部分块的灰度直方图中灰度值为/>的像素为噪声的置信概率,表示模块尺寸参数为/>的第/>块局部分块的灰度直方图中灰度值为/>的像素滤波差。滤波前第/>块局部分块的增强程度可以反映局部分块图像的增强效果。增强评优参数/>越大,则说明局部分块图像轮廓越清晰,增强效果越好。滤波前第/>块局部分块的灰度直方图中灰度值为/>的像素为噪声的置信概率,也即第/>块局部分块的灰度直方图中灰度值为/>的点与像素个数均值灰度值之间的距离,像素个数指的是图像中灰度值为同一级的像素点的个数总和,像素个数均值灰度值即对灰度直方图中所有像素个数求均值,均值所在的灰度值即为像素个数均值灰度值。/>可体现当前灰度值像素为噪声的概率,/>越大,则灰度值像素在直方图中更趋于两端,则该灰度值的像素更有可能为噪声。/>为第/>块局部分块的灰度直方图中灰度值为/>的像素在高斯滤波像素个数h1和滤波后像素个数h2的灰度个数差值。/>越趋向于正无穷,则该灰度值的像素点对增强的影响程度越小,则有效增强程度/>越大。/>表示了当第/>块局部分块的灰度直方图得到灰度值为/>的像素为噪声的置信概率/>和滤波前后的灰度个数差值/>分别越大时,针对边缘的每个局部分块的有效增强程度占比/>越低,且最后归于趋于零点右侧的无穷小范围内,以保证/>是一个合理的正数。当/>越大时,此时第/>块局部分块中因噪声引起的增强程度占比越小,说明局部均衡化针对边缘的增强程度更大,则增强程度的有效性更高。
至此,利用每个局部分块的灰度直方图得到每个灰度值的像素为噪声的置信概率和滤波前后的灰度个数差值,再结合该局部分块的增强程度通过计算得到了针对边缘的每个局部分块的有效增强程度占比。
步骤S005:根据每个模块尺寸参数下的每块局部分块的有效增强程度得到单向图像的有效增强程度占比,根据单向图像的有效增强程度占比与模块尺寸参数建立曲线,根据曲线变化情况得到最优模块参数。
具体的,对在单向图像中所有的局部分块进行计算并累加,得到整幅图像的有效增强程度占比的具体公式如下:
其中,表示模块尺寸参数为/>时的单向图像的有效增强程度占比,/>表示单向图像中所有的局部分块的总数,/>表示模块尺寸参数为/>的第/>块局部分块的有效增强程度。当/>越大时,该局部分块图像的有效增强程度越好,则说明此时的单向图像针对边缘的增强效果越好;反之越差。
需要进一步说明的是,因不同尺寸局部分块直方图均衡化后图像的灰度呈现效果发生改变,即存在灰度值信息和灰度值上的像素个数发生改变,所以不同分块均衡化增强情况得到的单向图像的有效增强程度占比在随着模块尺寸参数/>的变化不会全部相等,即二者拟合的曲线不会呈现出一条直线效果,在某处一定存在凹凸点即峰值。
进一步,以模块尺寸参数为横坐标输入,以模块尺寸参数为/>时的单向图像的有效增强程度占比/>为纵坐标建立二维坐标系,得到“/>曲线”,将曲线的最大值点对应的横坐标记为最优模块参数/>。若存在多个最大值点的情况,取多个最大值点中最大的横坐标记为最优模块参数/>。当图像的增强效果相同时,分块尺寸越小,实际算法的计算量会更小。
至此,根据针对边缘的有效增强程度占比得到整幅图像的有效增强程度占比,根据模块尺寸参数和单向图像的有效增强程度占比建立曲线,对曲线选取峰值,得到了最优模块参数。
步骤S006:根据最优模块参数对单向图像进行局部直方图均衡化,得到最优图像增强结果。
具体的,本实施例根据以上步骤得到最优模块参数值的方法,结合如附图中图3所示具体场景图像增强效果图,得到图3所示具体场景的最优模块参数/>为13,此时取到最优图像增强结果。本实施例从不同分块尺寸中的图像对比中发现,与其他分块尺寸相比,根据本实施例判断出的最优分块尺寸取最优模块参数/>的图像心血管区域增强效果更能突显出符合实际场景中对心血管造影图像要求的心血管区域,实现了图像清晰度的优化和对比度的突出。
至此,根据最优模块参数对单向图像进行局部直方图均衡化,得到了最优图像增强结果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种心血管造影图像局部自适应增强方法,其特征在于,该方法包括以下步骤:
采集心血管造影图像,将心血管造影图像转为单灰度通道得到单向图像;对单向图像进行局部处理,得到每个局部分块均衡化结果;
根据每个局部分块均衡化结果计算局部对比度和局部最大灰度差,利用局部对比度和局部最大灰度差结合每个局部分块均衡化结果,得到每个局部分块图像的增强评优参数;根据每个局部分块图像的增强评优参数得到每块局部分块的有效增强程度;
根据每块局部分块的有效增强程度得到单向图像的有效增强程度占比,根据单向图像的有效增强程度占比与模块尺寸参数建立曲线,根据曲线变化情况得到最优模块参数;根据最优模块参数对单向图像进行局部直方图均衡化,得到最优图像增强结果。
2.根据权利要求1所述一种心血管造影图像局部自适应增强方法,其特征在于,所述对单向图像进行局部处理,得到每个局部分块均衡化结果,包括的具体步骤如下:
获取单向图像边缘尺寸,设置模块尺寸参数集合,集合中的每一个模块尺寸参数应是单向图像边缘尺寸的因数;利用模块尺寸参数集合中任意一个模块尺寸参数对单向图像进行井字形分割,得到分割后的分割图像,分割图像中包含若干个局部分块;在分割图像的每个局部分块上进行直方图均衡化处理,得到模块尺寸参数对应的分割图像的均衡化图像,将均衡化图像记为该模块尺寸参数的每个局部分块均衡化结果;利用模块尺寸参数集合中的所有模块尺寸参数得到每个局部分块均衡化结果。
3.根据权利要求1所述一种心血管造影图像局部自适应增强方法,其特征在于,所述根据每个局部分块均衡化结果计算局部对比度和局部最大灰度差,包括的具体步骤如下:
计算每个局部分块所有像素点的灰度值的均方差,记为每个局部分块图像的对比度;计算每个局部分块像素点的最大灰度值和最小灰度值的差的绝对值,记为每个局部分块的最大灰度差。
4.根据权利要求1所述一种心血管造影图像局部自适应增强方法,其特征在于,所述利用局部对比度和局部最大灰度差结合每个局部分块均衡化结果,得到每个局部分块图像的增强评优参数,包括的具体步骤如下:
将每个局部分块图像的对比度和每个局部分块的最大灰度差相乘得到每个局部分块的自适应均衡化后的增强程度,将图像按照每个局部分块的自适应均衡化后的增强程度记为每个局部分块图像的增强评优参数。
5.根据权利要求1所述一种心血管造影图像局部自适应增强方法,其特征在于,所述根据每个局部分块图像的增强评优参数得到每块局部分块的有效增强程度,包括的具体步骤如下:
对每个单向图像统计灰度值分布分别得到滤波前的灰度直方图,利用滤波对每个单向图像进行滤波并统计灰度值分布得到滤波后的灰度直方图;根据滤波前和滤波后的灰度直方图获取每块局部分块中每个灰度值的像素滤波差;根据滤波前和滤波后的灰度直方图获取每个灰度值的像素为噪声的置信概率;利用增强评优参数、像素滤波差和置信概率计算得到每个局部分块的有效增强程度。
6.根据权利要求5所述一种心血管造影图像局部自适应增强方法,其特征在于,所述根据滤波前和滤波后的灰度直方图获取每块局部分块中每个灰度值的像素滤波差,包括的具体步骤如下:
将每个模块尺寸参数下的每块局部分块的灰度直方图中每个灰度值的像素在高斯滤波前图像上的像素个数记为滤波前个数、高斯滤波后图像上的像素个数记为滤波后个数,计算滤波前个数和滤波后个数的差值的绝对值,记为每块局部分块中每个灰度值的像素滤波差。
7.根据权利要求5所述一种心血管造影图像局部自适应增强方法,其特征在于,所述根据滤波前和滤波后的灰度直方图获取每个灰度值的像素为噪声的置信概率,包括的具体步骤如下:
对滤波前的灰度直方图中所有像素个数求均值,将均值所在的灰度值记为像素个数均值灰度值,在单向图像中,计算每块局部区域的灰度直方图中每个灰度值的点与像素个数均值灰度值之间的距离,记为滤波前每块局部分块的灰度直方图中每个灰度值的像素为噪声的置信概率。
8.根据权利要求5所述一种心血管造影图像局部自适应增强方法,其特征在于,所述利用增强评优参数、像素滤波差和置信概率计算得到每个局部分块的有效增强程度的具体公式如下:
其中,表示模块尺寸参数为/>的第/>块局部分块的有效增强程度,/>表示模块尺寸参数为/>的单向图像中第/>个局部分块的增强评优参数,/>表示滤波前模块尺寸参数为/>的第/>块局部分块的灰度直方图中灰度值为/>的像素为噪声的置信概率,/>表示模块尺寸参数为/>的第/>块局部分块的灰度直方图中灰度值为/>的像素滤波差,/>表示以自然常数为底的指数函数。
9.根据权利要求1所述一种心血管造影图像局部自适应增强方法,其特征在于,所述根据每块局部分块的有效增强程度得到单向图像的有效增强程度占比的具体公式如下:
其中,表示模块尺寸参数为/>时的单向图像的有效增强程度占比,/>表示单向图像中所有的局部分块的总数,/>表示模块尺寸参数为/>的第/>块局部分块的有效增强程度。
10.根据权利要求1所述一种心血管造影图像局部自适应增强方法,其特征在于,所述根据单向图像的有效增强程度占比与模块尺寸参数建立曲线,根据曲线变化情况得到最优模块参数,包括的具体步骤如下:
以模块尺寸参数为横坐标输入,以模块尺寸参数对应的单向图像的有效增强程度占比为纵坐标建立二维坐标系,得到曲线,将曲线的最大值点对应的横坐标记为最优模块参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311523806.4A CN117237243B (zh) | 2023-11-16 | 2023-11-16 | 一种心血管造影图像局部自适应增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311523806.4A CN117237243B (zh) | 2023-11-16 | 2023-11-16 | 一种心血管造影图像局部自适应增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237243A true CN117237243A (zh) | 2023-12-15 |
CN117237243B CN117237243B (zh) | 2024-01-26 |
Family
ID=89083007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311523806.4A Active CN117237243B (zh) | 2023-11-16 | 2023-11-16 | 一种心血管造影图像局部自适应增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237243B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437236A (zh) * | 2023-12-21 | 2024-01-23 | 中国人民解放军总医院第一医学中心 | 一种胃肠镜图像异常检测方法及系统 |
CN117830308A (zh) * | 2024-03-05 | 2024-04-05 | 西安交通大学医学院第一附属医院 | 一种介入手术前后血管造影智能对比分析方法 |
CN117952994A (zh) * | 2024-03-27 | 2024-04-30 | 北京智想创源科技有限公司 | 一种心血管ct影像智能分割方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2616541A1 (en) * | 2005-07-28 | 2007-02-08 | Verathon Inc. | System and method for cardiac imaging |
CN101236647A (zh) * | 2007-12-07 | 2008-08-06 | 华中科技大学 | 一种融合上下文信息的数字血管造影图像增强方法 |
CN104299204A (zh) * | 2013-07-17 | 2015-01-21 | 王垒 | 直方图局部影像对比增强的方法与装置 |
CN105654438A (zh) * | 2015-12-27 | 2016-06-08 | 西南技术物理研究所 | 基于局部直方图均衡的灰度图像拟合增强方法 |
CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
WO2021258835A1 (zh) * | 2020-06-24 | 2021-12-30 | 博动医学影像科技(上海)有限公司 | 用于血管造影图像处理的训练方法和装置、自动处理方法和装置 |
CN116468641A (zh) * | 2023-05-23 | 2023-07-21 | 重庆邮电大学 | 一种红外血管图像增强处理方法 |
-
2023
- 2023-11-16 CN CN202311523806.4A patent/CN117237243B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2616541A1 (en) * | 2005-07-28 | 2007-02-08 | Verathon Inc. | System and method for cardiac imaging |
CN101236647A (zh) * | 2007-12-07 | 2008-08-06 | 华中科技大学 | 一种融合上下文信息的数字血管造影图像增强方法 |
CN104299204A (zh) * | 2013-07-17 | 2015-01-21 | 王垒 | 直方图局部影像对比增强的方法与装置 |
CN105654438A (zh) * | 2015-12-27 | 2016-06-08 | 西南技术物理研究所 | 基于局部直方图均衡的灰度图像拟合增强方法 |
CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
WO2021258835A1 (zh) * | 2020-06-24 | 2021-12-30 | 博动医学影像科技(上海)有限公司 | 用于血管造影图像处理的训练方法和装置、自动处理方法和装置 |
CN116468641A (zh) * | 2023-05-23 | 2023-07-21 | 重庆邮电大学 | 一种红外血管图像增强处理方法 |
Non-Patent Citations (3)
Title |
---|
SIAVASH YOUSEFI ET AL.: "Uniform enhancement of optical micro-angiography images using Rayleigh contrast-limited adaptive histogram equalization", 《QUANT IMAGING MED SURG》, vol. 3, no. 1, pages 5 - 17, XP055131470, DOI: 10.3978/j.issn.2223-4292.2013.01.01 * |
罗梦迪: "单幅医疗图像增强最佳尺度选取精度控制仿真", 《计算机仿真》, vol. 36, no. 1, pages 259 - 262 * |
董丽丽等: "基于局部梯度场均衡化的图像增强方法", 《光电子.激光》, vol. 27, no. 5, pages 557 - 565 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437236A (zh) * | 2023-12-21 | 2024-01-23 | 中国人民解放军总医院第一医学中心 | 一种胃肠镜图像异常检测方法及系统 |
CN117437236B (zh) * | 2023-12-21 | 2024-03-01 | 中国人民解放军总医院第一医学中心 | 一种胃肠镜图像异常检测方法及系统 |
CN117830308A (zh) * | 2024-03-05 | 2024-04-05 | 西安交通大学医学院第一附属医院 | 一种介入手术前后血管造影智能对比分析方法 |
CN117830308B (zh) * | 2024-03-05 | 2024-05-10 | 西安交通大学医学院第一附属医院 | 一种介入手术前后血管造影智能对比分析方法 |
CN117952994A (zh) * | 2024-03-27 | 2024-04-30 | 北京智想创源科技有限公司 | 一种心血管ct影像智能分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117237243B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117237243B (zh) | 一种心血管造影图像局部自适应增强方法 | |
JP4323791B2 (ja) | デジタルカラー画像処理方法 | |
CN115661135B (zh) | 一种心脑血管造影的病灶区域分割方法 | |
CN112233135A (zh) | 眼底图像中视网膜血管分割方法及计算机可读存储介质 | |
CN108629343B (zh) | 一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统 | |
CN106558031B (zh) | 一种基于成像模型的彩色眼底图的图像增强方法 | |
CN115661144A (zh) | 基于可变形U-Net的自适应医学图像分割方法 | |
CN113205537A (zh) | 基于深度学习的血管图像分割方法、装置、设备及介质 | |
CN115908371B (zh) | 基于优化分割的植物叶片病虫害程度检测方法 | |
CN115984148B (zh) | 一种高通量基因测序数据的去噪增强方法 | |
CN112053302B (zh) | 高光谱图像的去噪方法、装置及存储介质 | |
CN114972067A (zh) | 一种x光小牙片图像增强方法 | |
CN117408890A (zh) | 一种视频图像传输质量增强方法及系统 | |
CN116309152A (zh) | 一种低照度图像的细节增强方法、系统、设备和存储介质 | |
CN110910317B (zh) | 一种舌象图像增强方法 | |
CN116664457A (zh) | 一种用于增强去噪的图像处理方法 | |
CN116109558A (zh) | 基于颈部半透明厚度测量值筛查胎儿染色体异常的方法 | |
CN115456967A (zh) | 一种动静脉内瘘血栓检测方法及装置 | |
CN116993764B (zh) | 一种胃部ct智能分割提取方法 | |
CN113450275A (zh) | 基于元学习的画质增强系统及方法、存储介质 | |
WO2022046016A1 (en) | Variable clipping level calculation method for clahe algorithm | |
CN117197064A (zh) | 一种无接触眼红程度自动分析方法 | |
CN117391987A (zh) | 基于多阶段联合增强机制的暗光图像处理方法 | |
CN113438386B (zh) | 一种应用于视频处理的动静判定方法及装置 | |
KR101881795B1 (ko) | 퍼지 이론에 기초한 컬러 이미지의 에지 검출 방법 |
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 |