CN117257204B - 一种内窥镜控制组件控制方法及系统 - Google Patents
一种内窥镜控制组件控制方法及系统 Download PDFInfo
- Publication number
- CN117257204B CN117257204B CN202311210708.5A CN202311210708A CN117257204B CN 117257204 B CN117257204 B CN 117257204B CN 202311210708 A CN202311210708 A CN 202311210708A CN 117257204 B CN117257204 B CN 117257204B
- Authority
- CN
- China
- Prior art keywords
- information
- image
- compensation
- value
- endoscope lens
- 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 33
- 210000000056 organ Anatomy 0.000 claims abstract description 116
- 230000035807 sensation Effects 0.000 claims abstract description 57
- 238000010521 absorption reaction Methods 0.000 claims abstract description 44
- 230000004927 fusion Effects 0.000 claims description 34
- 238000005457 optimization Methods 0.000 claims description 22
- 230000035945 sensitivity Effects 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 10
- 206010070834 Sensitisation Diseases 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000008313 sensitization Effects 0.000 claims description 8
- 206010034960 Photophobia Diseases 0.000 claims description 6
- 208000013469 light sensitivity Diseases 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000008855 peristalsis Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00006—Operational features of endoscopes characterised by electronic signal processing of control signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000095—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope for image enhancement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000096—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope using artificial intelligence
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
- A61B1/045—Control thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Endoscopes (AREA)
- Instruments For Viewing The Inside Of Hollow Bodies (AREA)
Abstract
本发明涉及内窥镜技术领域,具体公开了一种内窥镜控制组件控制方法及系统。通过内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式,其中,所述图像补偿模式包括光感补偿模式和饱和度拉伸补偿模式,通过光感补偿模式能够对人体器官内部的气泡光感进行补偿,然后再通过所述光波吸能信息对光波特征信息对应的图像进行质量增强,这样通过气泡感光补偿图像信息或增强图像信息对能够对内窥镜拍摄过程中造成图像质量低的因素进行补强,而在补强后,能够使内窥镜头的拍摄图像质量得到有效的提升,进而能够避免内窥镜头的拍摄图像质量低对医生产生误导的问题。
Description
技术领域
本发明涉及内窥镜技术领域,尤其是一种内窥镜控制组件控制方法及系统。
背景技术
内窥镜是一种医疗器械,用于探测和观察人体内部腔道和组织的工具。根据不同的需求和应用,内窥镜可以分为多种类型,包括胃镜、肠镜、支气管镜、膀胱镜等,而在内窥镜控制方法方面,最常见的是手动控制和电子辅助控制两种方式,但是随着科技的进步传统手动控制渐渐被电子辅助控制所替代;
而在内窥镜拍摄过程中会因内窥镜成像的图像质量低影响医生的判断,如若医生因内窥镜的成像质量导致误诊,这样则会造成严重医疗事故,因此,需要一种控制内窥镜头拍摄的方法来解决成像质量低的问题。
发明内容
本发明的目的在于提供一种内窥镜控制组件控制方法及系统,以解决上述背景技术中提出的技术问题。
为实现上述目的,本发明提供如下技术方案:
一种内窥镜控制组件控制方法,包括:
获取内窥镜头的拍摄图像信息,其中,所述内窥镜头的拍摄图像信息包括边缘轮廓信息、曝光增益信息和RGB灰度信息;
根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式,其中,所述图像补偿模式包括光感补偿模式和饱和度拉伸补偿模式;
当所述内窥镜头的拍摄图像处于光感补偿模式时,获取与所述内窥镜头转动角度范围内对应的区域中心感光度,根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数,根据所述环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息;
当所述内窥镜头的拍摄成像处于饱和度拉伸补偿模式时,获取与所述内窥镜头对应的光波特征信息,基于摩尔吸光系数对照表对光波特征信息进行吸能信息提取,得到光波吸能信息,并根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息;
根据气泡感光补偿图像信息或增强图像信息对内窥镜头的拍摄图像进行图像质量优化补偿,得到优化补偿图像信息,并根据所述优化补偿图像信息生成高质量图像。
作为优选,所述获取内窥镜头的拍摄图像信息的步骤,包括:
获取所述内窥镜头拍摄时的人体器官内部图像;
基于Canny边缘检测对所述人体器官内部图像的像素梯度进行获取,得到像素梯度阈值;
根据所述像素梯度阈值对所述人体器官内部图像的边缘区域进行分割,并将分割后的所述人体器官内部图像对应的分割信息定义为边缘轮廓信息;
基于自动曝光算法对所述人体器官内部图像信息对应的曝光前后亮度进行获取,得到人体器官内部图像的曝光范围阈值,并根据所曝光范围阈值计算出平均亮度值;
对所述平均亮度值进行增益加权,得到平均亮度增益值,并将所述平均亮度增益值对应的曝光信息定义为曝光增益信息;
根据所述人体器官内部图像信息获取像素光对应的像素光强度值,并对所述像素光强度值进行灰度信息提取,得到RGB灰度信息,其中,所述RGB灰度信息由红、绿和蓝三个颜色分量构成,并根据RGB灰度信息提取蓝颜色的占比值。
作为优选,所述根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式的步骤,包括:
对所述边缘轮廓信息进行特征信息提取,得到边缘轮廓特征;
对所述曝光增益信息进行特征信息提取,得到曝光增益特征;
对所述RGB灰度信息进行特征信息提取,得到RGB灰度特征;
获取所述信边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重;
将所述边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重输入到特征融合模型中进行训练,得到特征融合值,其中,特征融合模型公式为:
D(i)=E(i)*β+P(i)*θ+Z(i)*δ
其中,D(i)为特征融合值,E(i)为边缘轮廓特征,β为边缘轮廓特征权重,P(i)为曝光增益特征,θ为曝光增益特征权重,Z(i)为RGB灰度特征,δ为RGB灰度特征权重;
判断所述特征融合值是否满足预设融合值;
若满足,则将满足预设值的所述内窥镜头的图像确认为光感补偿模式;
若不满足,则将不满足预设值的所述内窥镜头的图像确认为饱和度拉伸补偿模式。
作为优选,所述根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数的步骤,包括:
获取所述区域中心感光度对应的人体官内部气泡位置信息,并对所述人体官内部气泡位置信息进行定位,得到人体官内部气泡定位坐标;
所述内窥镜头转动点设立为坐标原点;
根据所述人体器官内部气泡定位坐标和坐标原点计算两点之间的距离,其中,计算公式为:
其中,A为两点之间的距离,(X1,Y1)为人体器官内部气泡定位坐标,(X2,Y2)为坐标原点的坐标;
根据所述两点之间的距离获取人体器官内部气泡的光感强弱值,并根据所述光感强弱值建立对应的环境补偿系数。
作为优选,所述并根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息的步骤,包括:
获取所述光波吸能信息对应的饱和度分量值;
将所述饱和度分量值作为训练样本输入饱和度质量增强模型中,输出饱和度质量增强值,其中,饱和度质量增强模型的函数为:
F=(Q1+Q2…Qn)ε
F为饱和度质量增强值,Q为饱和度分量值,ε为饱和度偏差系数,n表示多个所述饱和度分量值的编号,其中,n=1、2、3…n。
作为优选,所述并根据所述优化补偿图像信息生成高质量图像的步骤,包括:
获取优化补偿图像信息对应的补偿参数;
根据所述补偿参数对内窥镜头的拍摄图像进行人体器官内部气泡反光度和光波吸能信息对应的蓝光进行优化补偿,并将所述优化补偿对应的图像信息定义为高质量图像。
本申请还提供一种内窥镜控制组件控制系统,包括:
第一获取模块,用于获取内窥镜头的拍摄图像信息,其中,所述内窥镜头的拍摄图像信息包括边缘轮廓信息、曝光增益信息和RGB灰度信息;
确定模块,用于根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式,其中,所述图像补偿模式包括光感补偿模式和饱和度拉伸补偿模式;
第二获取模块,用于当所述内窥镜头的拍摄图像处于光感补偿模式时,获取与所述内窥镜头转动角度范围内对应的区域中心感光度,根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数,根据所述环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息;
第三获取模块,用于当所述内窥镜头的拍摄成像处于饱和度拉伸补偿模式时,获取与所述内窥镜头对应的光波特征信息,基于摩尔吸光系数对照表对光波特征信息进行吸能信息提取,得到光波吸能信息,并根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息;
优化补偿模块,用于根据气泡感光补偿图像信息或增强图像信息对内窥镜头的拍摄图像进行图像质量优化补偿,得到优化补偿图像信息,并根据所述优化补偿图像信息生成高质量图像。
作为优选,所述第一获取模块,包括:
第一获取单元,用于获取所述内窥镜头拍摄时的人体器官内部图像;
第二获取单元,用于基于Canny边缘检测对所述人体器官内部图像的像素梯度进行获取,得到像素梯度阈值;
分割单元,用于根据所述像素梯度阈值对所述人体器官内部图像的边缘区域进行分割,并将分割后的所述人体器官内部图像对应的分割信息定义为边缘轮廓信息;
第三获取单元,用于基于自动曝光算法对所述人体器官内部图像信息对应的曝光前后亮度进行获取,得到人体器官内部图像的曝光范围阈值,并根据所曝光范围阈值计算出平均亮度值;
增益加权单元,用于对所述平均亮度值进行增益加权,得到平均亮度增益值,并将所述平均亮度增益值对应的曝光信息定义为曝光增益信息;
第四获取单元,用于根据所述人体器官内部图像信息获取像素光对应的像素光强度值,并对所述像素光强度值进行灰度信息提取,得到RGB灰度信息,其中,所述RGB灰度信息由红、绿和蓝三个颜色分量构成,并根据RGB灰度信息提取蓝颜色的占比值。
本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本申请的有益效果为:本申请先获取内窥镜头的拍摄图像信息,其中,所述内窥镜头的拍摄图像信息包括边缘轮廓信息、曝光增益信息和RGB灰度信息,这样通过边缘轮廓信息、曝光增益信息和RGB灰度信息能够快速将内窥镜头的拍摄图像信息划分到光感补偿模式和饱和度拉伸补偿模式进行图像质量补偿,通过光感补偿模式能够对人体器官内部的气泡光感进行补偿,具体是通过环境补偿系数对人体器官内部的气泡光感进行识别,当气泡反光时,则需要对气泡部分进行曝光调弱,反之,气泡过光度较暗时,则需要对气泡部分进行曝光增强,这样内窥镜在拍摄人体器官内部时不会因为气泡的发光影响图像质量问题,当所述内窥镜头的拍摄成像处于饱和度拉伸补偿模式时,通过所述光波吸能信息对光波特征信息对应的图像进行质量增强,进而图像质量增强后能够内窥镜拍摄的人体器官更加清晰,这样通过气泡感光补偿图像信息或增强图像信息对能够对内窥镜拍摄过程中造成图像质量低的因素进行补强,而在补强后,能够使内窥镜头的拍摄图像质量得到有效的提升,进而能够避免内窥镜头的拍摄图像质量低对医生产生误导的问题。
附图说明
图1为本申请一实施例的方法流程示意图。
图2为本申请一实施例的系统结构示意图。
图3为本申请一实施例的计算机设备内部结构示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1-3所示,本申请提供一种内窥镜控制组件控制方法,包括:
S1、获取内窥镜头的拍摄图像信息,其中,所述内窥镜头的拍摄图像信息包括边缘轮廓信息、曝光增益信息和RGB灰度信息;
S2、根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式,其中,所述图像补偿模式包括光感补偿模式和饱和度拉伸补偿模式;
S3、当所述内窥镜头的拍摄图像处于光感补偿模式时,获取与所述内窥镜头转动角度范围内对应的区域中心感光度,根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数,根据所述环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息;
S4、当所述内窥镜头的拍摄成像处于饱和度拉伸补偿模式时,获取与所述内窥镜头对应的光波特征信息,基于摩尔吸光系数对照表对光波特征信息进行吸能信息提取,得到光波吸能信息,并根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息;
S5、根据气泡感光补偿图像信息或增强图像信息对内窥镜头的拍摄图像进行图像质量优化补偿,得到优化补偿图像信息,并根据所述优化补偿图像信息生成高质量图像。
如上述步骤S1-S5所述,在内窥镜拍摄过程中会因内窥镜成像的图像质量低影响医生的判断,如若医生因内窥镜的成像质量则容易导致诊断不准确,且由于体内的肠道或胃内存在一定的液体,因此液体在受到器官的蠕动会产生气泡,当气泡产生后,在使用内窥镜进行拍摄时,会导致气泡对拍摄的内窥镜造成反光的现象,基于此,本申请先获取内窥镜头的拍摄图像信息,其中,所述内窥镜头的拍摄图像信息包括边缘轮廓信息、曝光增益信息和RGB灰度信息,这样通过边缘轮廓信息、曝光增益信息和RGB灰度信息能够快速将内窥镜头的拍摄图像信息划分到光感补偿模式和饱和度拉伸补偿模式进行图像质量补偿,通过光感补偿模式能够对人体器官内部的气泡光感进行补偿,具体是通过环境补偿系数对人体器官内部的气泡光感进行识别,当气泡反光时,则需要对气泡部分进行曝光调弱,反之,气泡过光度较暗时,则需要对气泡部分进行曝光增强,这样内窥镜在拍摄人体器官内部时不会因为气泡的发光影响图像质量问题,当所述内窥镜头的拍摄成像处于饱和度拉伸补偿模式时,通过所述光波吸能信息对光波特征信息对应的图像进行质量增强,进而图像质量增强后能够内窥镜拍摄的人体器官更加清晰,这样通过气泡感光补偿图像信息或增强图像信息对能够对内窥镜拍摄过程中造成图像质量低的因素进行补强,而在补强后,能够使内窥镜头的拍摄图像质量得到有效的提升,进而能够避免内窥镜头的拍摄图像质量低对医生产生误导的问题。
在一个实施例中,所述获取内窥镜头的拍摄图像信息的步骤S1,包括:
S101、获取所述内窥镜头拍摄时的人体器官内部图像信息;
S102基于Canny边缘检测对所述人体器官内部图像的像素梯度进行获取,得到像素梯度阈值;
S103、根据所述像素梯度阈值对所述人体器官内部图像的边缘区域进行分割,并将分割后的所述人体器官内部图像对应的分割信息定义为边缘轮廓信息;
S104、基于自动曝光算法对所述人体器官内部图像信息对应的曝光前后亮度进行获取,得到人体器官内部图像的曝光范围阈值,并根据所曝光范围阈值计算出平均亮度值;
S105、对所述平均亮度值进行增益加权,得到平均亮度增益值,并将所述平均亮度增益值对应的曝光信息定义为曝光增益信息;
S106、根据所述人体器官内部图像信息获取像素光对应的像素光强度值,并对所述像素光强度值进行灰度信息提取,得到RGB灰度信息,其中,所述RGB灰度信息由红、绿和蓝三个颜色分量构成,并根据RGB灰度信息提取蓝颜色的占比值。
如上述步骤S101-S106所述,通过内窥镜头拍摄人体器官内部图像时,先对所述人体器官内部图像信息进行去噪和二值化处理,得到二值化图像,这样能够将拍摄到的图片进行初步处理,而处理后的图片能够方便Canny边缘检测进行像素梯度进行获取,其中,Canny边缘检测为边缘检测算法,因像素梯度阈值中的亮度和色彩呈梯度递增,当亮度和色彩递增到图像边缘后出现边缘分割线,进而在边缘分割线的作用下能够对图像进行快速分割,然后通过边缘轮廓信息能够判断出图像边缘是否存在锐化,若存在锐化,则将边缘轮廓信息对应的成像划分到光感补偿模式中,这样能够对图像边缘不清晰的图片进行光感信噪补偿,接着再根据所述人体器官内部图像信息获取像素光对应的像素光强度值,并对所述像素光强度值进行灰度信息提取,得到RGB灰度信息,其中,所述RGB灰度信息由红、绿和蓝三个颜色分量构成,并根据RGB灰度信息提取蓝颜色的占比值,而内窥镜获取的血管图像主要取决于血红蛋白的吸收特性,且血红蛋白对蓝光的吸收能力强,对红光和绿光的吸收能力弱,这样只需基于蓝颜色的占比值确认所述内窥镜头的图像补偿模式是否为饱和度拉伸补偿模式,然后再根据所述信噪补偿图像信息和增强图像信息对内窥镜头的拍摄图像进行图像质量优化补偿,这样能够使内窥镜头的拍摄的图像质量得到极大的提升。
在一个实施例中,所述根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式的步骤S2,包括:
S201、对所述边缘轮廓信息进行特征信息提取,得到边缘轮廓特征;
S202、对所述曝光增益信息进行特征信息提取,得到曝光增益特征;
S203、对所述RGB灰度信息进行特征信息提取,得到RGB灰度特征;
S204、获取所述信边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重;
S205、将所述边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重输入到特征融合模型中进行训练,得到特征融合值,其中,特征融合模型公式为:
D(i)=E(i)*β+P(i)*θ+Z(i)*δ
其中,D(i)为特征融合值,E(i)为边缘轮廓特征,β为边缘轮廓特征权重,P(i)为曝光增益特征,θ为曝光增益特征权重,Z(i)为RGB灰度特征,δ为RGB灰度特征权重;
S206、判断所述特征融合值是否满足预设融合值;
若满足,则将满足预设值的所述内窥镜头的图像确认为光感补偿模式;
若不满足,则将不满足预设值的所述内窥镜头的图像确认为饱和度拉伸补偿模式。
如上述步骤S201-S206所述,先对所述边缘轮廓信息、所述曝光增益信息和所述RGB灰度信息依次进行信息提取,得到所述信边缘轮廓特征、曝光增益特征和RGB灰度特征,接着根据所述信边缘轮廓特征、曝光增益特征和RGB灰度特征获取对应的权重,然后将所述信边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重输入到特征融合模型中进行训练,得到特征融合值,这样通过判断所述特征融合值是否满足预设融合值,能够快速将若满足,则将满足预设值的所述内窥镜头的图像确认为光感补偿模式,若不满足,则将不满足预设值的所述内窥镜头的图像确认为饱和度拉伸补偿模式,进而能够快速将内窥镜头的拍摄图像信息划分到对应的光感补偿模式和饱和度拉伸补偿模式进行优化,而优化后的拍摄图像信息能够生成质量更高的图片,这样在质量更高的图片的作用下能够使医生观看的更加清晰,而不会使医生产生诊断不准确的问题。
在一个实施例中,所述根据所述区域中心感光度获取环境补偿系数的步骤S3,包括:
S301、获取所述区域中心感光度对应的人体官内部气泡位置信息,并对所述人体官内部气泡位置信息进行定位,得到人体官内部气泡定位坐标;
S304、所述内窥镜头转动点设立为坐标原点;
S305、根据所述人体器官内部气泡定位坐标和坐标原点计算两点之间的距离,其中,计算公式为:
其中,A为两点之间的距离,(X1,Y1)为人体器官内部气泡定位坐标,(X2,Y2)为坐标原点的坐标;
S306、根据所述两点之间的距离获取人体器官内部气泡的光感强弱值,并根据所述光感强弱值建立对应的环境补偿系数。
如上述步骤S301-S306所述,先获取所述区域中心感光度对应的人体官内部气泡位置信息,并对所述人体官内部气泡位置信息进行定位,得到人体官内部气泡定位坐标,然后在所述内窥镜头转动点设立为坐标原点,接着根据所述人体官内部气泡定位坐标和坐标原点计算两点之间的距离,根据所述两点之间的距离获取人体官内部气泡的光感强弱值,并根据所述光感强弱值建立对应的环境补偿系数,因内窥镜补光是呈光波扩散形式减弱的,这样距离越大则说明人体器官内部气泡的光感强度越弱,因此需要对气泡进行补光,反之,距离越小则说明人体器官内部气泡的光感强度越强,这样高强度的光感气泡会对使图片产生曝光过量的问题,因此,需要对距离近的气泡进行光感强度削弱,这样调整后内窥镜的成像质量得到明显提升,进而不会因为边缘清晰度不够而导致成像质量差,而影响医生的判断。
在一个实施例中,所述并根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息的步骤S4,包括:
S401、获取所述光波吸能信息对应的饱和度分量值;
S402、将所述饱和度分量值作为训练样本输入饱和度质量增强模型中,输出饱和度质量增强值,其中,饱和度质量增强模型的函数为:
F=(Q1+Q2…Qn)ε
F为饱和度质量增强值,Q为饱和度分量值,ε为饱和度偏差系数,n表示多个所述饱和度分量值的编号,其中,n=1、2、3…n。
如上述步骤S401-S402所述,通过将所述饱和度分量值作为训练样本输入饱和度质量增强模型中,输出饱和度质量增强值,这样能够将多个饱和度分量值进行训练后得到饱和度质量增强值,这样通过饱和度质量增强值能够对图像的饱和度进行增强,进而在饱和度增强后能够提升图像的质量。
在一个实施例中,所述并根据所述优化补偿图像信息生成高质量图像的步骤S5,包括:
S501、获取优化补偿图像信息对应的补偿参数;
S502、根据所述补偿参数对内窥镜头的拍摄图像进行人体器官内部气泡反光度和光波吸能信息对应的蓝光进行优化补偿,并将所述优化补偿对应的图像信息定义为高质量图像。
如上述步骤S501-S502所述,先分获取优化补偿图像信息对应的补偿参数,然后根据所述补偿参数对内窥镜头的拍摄图像进行人体器官内部气泡反光度和光波吸能信息对应的蓝光进行优化补偿,这样在补强后,得到高质量图像,而通过高质量图像能够使医生观看患者的器官内部更加的清晰,因此图像清晰后不会造成医生误诊的情况。
本申请还提供一种内窥镜控制组件控制系统,包括:
本申请还提供一种内窥镜控制组件控制系统,包括:
第一获取模块1,用于获取内窥镜头的拍摄图像信息,其中,所述内窥镜头的拍摄图像信息包括边缘轮廓信息、曝光增益信息和RGB灰度信息;
确定模块2,用于根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式,其中,所述图像补偿模式包括光感补偿模式和饱和度拉伸补偿模式;
第二获取模块3,用于当所述内窥镜头的拍摄图像处于光感补偿模式时,获取与所述内窥镜头转动角度范围内对应的区域中心感光度,根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数,根据所述环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息;
第三获取模块4,用于当所述内窥镜头的拍摄成像处于饱和度拉伸补偿模式时,获取与所述内窥镜头对应的光波特征信息,基于摩尔吸光系数对照表对光波特征信息进行吸能信息提取,得到光波吸能信息,并根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息;
优化补偿模块5,用于根据气泡感光补偿图像信息或增强图像信息对内窥镜头的拍摄图像进行图像质量优化补偿,得到优化补偿图像信息,并根据所述优化补偿图像信息生成高质量图像。
作为优选,所述第一获取模块,包括:
第一获取单元,用于获取所述内窥镜头拍摄时的人体器官内部图像;
第二获取单元,用于基于Canny边缘检测对所述人体器官内部图像的像素梯度进行获取,得到像素梯度阈值;
分割单元,用于根据所述像素梯度阈值对所述人体器官内部图像的边缘区域进行分割,并将分割后的所述人体器官内部图像对应的分割信息定义为边缘轮廓信息;
第三获取单元,用于基于自动曝光算法对所述人体器官内部图像信息对应的曝光前后亮度进行获取,得到人体器官内部图像的曝光范围阈值,并根据所曝光范围阈值计算出平均亮度值;
增益加权单元,用于对所述平均亮度值进行增益加权,得到平均亮度增益值,并将所述平均亮度增益值对应的曝光信息定义为曝光增益信息;
第四获取单元,用于根据所述人体器官内部图像信息获取像素光对应的像素光强度值,并对所述像素光强度值进行灰度信息提取,得到RGB灰度信息,其中,所述RGB灰度信息由红、绿和蓝三个颜色分量构成,并根据RGB灰度信息提取蓝颜色的占比值。
如图3所示,本申请还提供了一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储储能逆变器的输出功率自动调节方法的过程需要的所有数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现储能逆变器的输出功率自动调节方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任意一种内窥镜控制组件控制方法及系统。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性地包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例,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效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种内窥镜控制组件控制系统,其特征在于,包括:
第一获取模块,用于获取内窥镜头的拍摄图像信息,其中,所述内窥镜头的拍摄图像信息包括边缘轮廓信息、曝光增益信息和RGB灰度信息,所述第一获取模块包括:
第一获取单元,用于获取所述内窥镜头拍摄时的人体器官内部图像;
第二获取单元,用于基于Canny边缘检测对所述人体器官内部图像的像素梯度进行获取,得到像素梯度阈值;
分割单元,用于根据所述像素梯度阈值对所述人体器官内部图像的边缘区域进行分割,并将分割后的所述人体器官内部图像对应的分割信息定义为边缘轮廓信息;
第三获取单元,用于基于自动曝光算法对所述人体器官内部图像信息对应的曝光前后亮度进行获取,得到人体器官内部图像的曝光范围阈值,并根据所曝光范围阈值计算出平均亮度值;
增益加权单元,用于对所述平均亮度值进行增益加权,得到平均亮度增益值,并将所述平均亮度增益值对应的曝光信息定义为曝光增益信息;
第四获取单元,用于根据所述人体器官内部图像信息获取像素光对应的像素光强度值,并对所述像素光强度值进行灰度信息提取,得到RGB灰度信息,其中,所述RGB灰度信息由红、绿和蓝三个颜色分量构成,并根据RGB灰度信息提取蓝颜色的占比值;
确定模块,用于根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式,其中,所述图像补偿模式包括光感补偿模式和饱和度拉伸补偿模式,其中,用于根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式具体包括:
对所述边缘轮廓信息进行特征信息提取,得到边缘轮廓特征;
对所述曝光增益信息进行特征信息提取,得到曝光增益特征;
对所述RGB灰度信息进行特征信息提取,得到RGB灰度特征;
获取信边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重;
将所述边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重输入到特征融合模型中进行训练,得到特征融合值,其中,特征融合模型公式为:
D(i)=E(i)*β+P(i)*θ+Z(i)*δ
其中,D(i)为特征融合值,E(i)为边缘轮廓特征,β为边缘轮廓特征权重,P(i)为曝光增益特征,θ为曝光增益特征权重,Z(i)为RGB灰度特征,δ为RGB灰度特征权重;
判断所述特征融合值是否满足预设融合值;
若满足,则将满足预设值的所述内窥镜头的图像确认为光感补偿模式;
若不满足,则将不满足预设值的所述内窥镜头的图像确认为饱和度拉伸补偿模式;
第二获取模块,用于当所述内窥镜头的拍摄图像处于光感补偿模式时,获取与所述内窥镜头转动角度范围内对应的区域中心感光度,根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数,根据所属环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息,其中,所述根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数具体包括:
获取所述区域中心感光度对应的人体官内部气泡位置信息,并对所述人体官内部气泡位置信息进行定位,得到人体官内部气泡定位坐标,
所述内窥镜头转动点设立为坐标原点;
根据所述人体器官内部气泡定位坐标和坐标原点计算两点之间的距离,其中,计算公式为:
其中,A为两点之间的距离,(X1,Y1)为人体器官内部气泡定位坐标,(X2,Y2)为坐标原点的坐标;
根据所述两点之间的距离获取人体器官内部气泡的光感强弱值,并根据所述光感强弱值建立对应的环境补偿系数,根据所述环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息;
第三获取模块,用于当所述内窥镜头的拍摄成像处于饱和度拉伸补偿模式时,获取与所述内窥镜头对应的光波特征信息,基于摩尔吸光系数对照表对光波特征信息进行吸能信息提取,得到光波吸能信息,并根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息,其中,根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息具体包括:
获取所述光波吸能信息对应的饱和度分量值,
将所述饱和度分量值作为训练样本输入饱和度质量增强模型中,输出饱和度质量增强值,其中,饱和度质量增强模型的函数为:
F=(Q1+Q2...Qn)ε
F为饱和度质量增强值,Q为饱和度分量值,ε为饱和度偏差系数,n表示多个所述饱和度分量值的编号,其中,n=1、2、3...n;
优化补偿模块,用于根据气泡感光补偿图像信息或增强图像信息对内窥镜头的拍摄图像进行图像质量优化补偿,得到优化补偿图像信息,并根据所述优化补偿图像信息生成高质量图像,其中,根据所述优化补偿图像信息生成高质量图像具体包括:
获取优化补偿图像信息对应的补偿参数;
根据所述补偿参数对内窥镜头的拍摄图像进行人体器官内部气泡反光度和光波吸能信息对应的蓝光进行优化补偿,并将所述优化补偿对应的图像信息定义为高质量图像。
2.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行计算机程序时实现如下步骤:
(1)获取内窥镜头的拍摄图像信息,所述拍摄图像信息包括边缘轮廓信息、曝光增益信息和RGB灰度信息;
所述获取内窥镜头的拍摄图像信息具体包括:
获取所述内窥镜头拍摄时的人体器官内部图像;
基于Canny边缘检测对所述人体器官内部图像的像素梯度进行获取,得到像素梯度阈值;
根据所述像素梯度阈值对所述人体器官内部图像的边缘区域进行分割,并将分割后的所述人体器官内部图像对应的分割信息定义为边缘轮廓信息;
基于自动曝光算法对所述人体器官内部图像信息对应的曝光前后亮度进行获取,得到人体器官内部图像的曝光范围阈值,并根据所曝光范围阈值计算出平均亮度值;
对所述平均亮度值进行增益加权,得到平均亮度增益值,并将所述平均亮度增益值对应的曝光信息定义为曝光增益信息;
根据所述人体器官内部图像信息获取像素光对应的像素光强度值,并对所述像素光强度值进行灰度信息提取,得到RGB灰度信息,其中,所述RGB灰度信息由红、绿和蓝三个颜色分量构成,并根据RGB灰度信息提取蓝颜色的占比值;
(2)根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式,所述图像补偿模式包括光感补偿模式和饱和度拉伸补偿模式;
其中,所述根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式具体包括:
对所述边缘轮廓信息进行特征信息提取,得到边缘轮廓特征;
对所述曝光增益信息进行特征信息提取,得到曝光增益特征;
对所述RGB灰度信息进行特征信息提取,得到RGB灰度特征;
获取信边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重;
将所述边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重输入到特征融合模型中进行训练,得到特征融合值,其中,特征融合模型公式为:
D(i)=E(i)*β+P(i)*θ+Z(i)*δ
其中,D(i)为特征融合值,E(i)为边缘轮廓特征,β为边缘轮廓特征权重,P(i)为曝光增益特征,θ为曝光增益特征权重,Z(i)为RGB灰度特征,δ为RGB灰度特征权重;
判断所述特征融合值是否满足预设融合值;
若满足,则将满足预设值的所述内窥镜头的图像确认为光感补偿模式;
若不满足,则将不满足预设值的所述内窥镜头的图像确认为饱和度拉伸补偿模式;
(3)当所述内窥镜头的拍摄图像处于光感补偿模式时,获取与所述内窥镜头转动角度范围内对应的区域中心感光度,根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数,根据所属环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息;
其中,所述根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数具体包括:
获取所述区域中心感光度对应的人体官内部气泡位置信息,并对所述人体官内部气泡位置信息进行定位,得到人体官内部气泡定位坐标,
所述内窥镜头转动点设立为坐标原点;
根据所述人体器官内部气泡定位坐标和坐标原点计算两点之间的距离,其中,计算公式为:
其中,A为两点之间的距离,(X1,Y1)为人体器官内部气泡定位坐标,(X2,Y2)为坐标原点的坐标;
根据所述两点之间的距离获取人体器官内部气泡的光感强弱值,并根据所述光感强弱值建立对应的环境补偿系数,根据所述环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息;
(4)当所述内窥镜头的拍摄成像处于饱和度拉伸补偿模式时,获取与所述内窥镜头对应的光波特征信息,基于摩尔吸光系数对照表对光波特征信息进行吸能信息提取,得到光波吸能信息,并根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息;
其中,根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息具体包括:
获取所述光波吸能信息对应的饱和度分量值,
将所述饱和度分量值作为训练样本输入饱和度质量增强模型中,输出饱和度质量增强值,其中,饱和度质量增强模型的函数为:
F=(Q1+Q2...Qn)ε
F为饱和度质量增强值,Q为饱和度分量值,ε为饱和度偏差系数,n表示多个所述饱和度分量值的编号,其中,n=1、2、3...n;
(5)根据气泡感光补偿图像信息或增强图像信息对内窥镜头的拍摄图像进行图像质量优化补偿,得到优化补偿图像信息,并根据所述优化补偿图像信息生成高质量图像;
其中,根据所述优化补偿图像信息生成高质量图像具体包括:
获取优化补偿图像信息对应的补偿参数;
根据所述补偿参数对内窥镜头的拍摄图像进行人体器官内部气泡反光度和光波吸能信息对应的蓝光进行优化补偿,并将所述优化补偿对应的图像信息定义为高质量图像。
3.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如下步骤:
(1)获取内窥镜头的拍摄图像信息,所述拍摄图像信息包括边缘轮廓信息、曝光增益信息和RGB灰度信息;
所述获取内窥镜头的拍摄图像信息具体包括:
获取所述内窥镜头拍摄时的人体器官内部图像;
基于Canny边缘检测对所述人体器官内部图像的像素梯度进行获取,得到像素梯度阈值;
根据所述像素梯度阈值对所述人体器官内部图像的边缘区域进行分割,并将分割后的所述人体器官内部图像对应的分割信息定义为边缘轮廓信息;
基于自动曝光算法对所述人体器官内部图像信息对应的曝光前后亮度进行获取,得到人体器官内部图像的曝光范围阈值,并根据所曝光范围阈值计算出平均亮度值;
对所述平均亮度值进行增益加权,得到平均亮度增益值,并将所述平均亮度增益值对应的曝光信息定义为曝光增益信息;
根据所述人体器官内部图像信息获取像素光对应的像素光强度值,并对所述像素光强度值进行灰度信息提取,得到RGB灰度信息,其中,所述RGB灰度信息由红、绿和蓝三个颜色分量构成,并根据RGB灰度信息提取蓝颜色的占比值;
(2)根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式,所述图像补偿模式包括光感补偿模式和饱和度拉伸补偿模式;
其中,所述根据所述内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式具体包括:
对所述边缘轮廓信息进行特征信息提取,得到边缘轮廓特征;
对所述曝光增益信息进行特征信息提取,得到曝光增益特征;
对所述RGB灰度信息进行特征信息提取,得到RGB灰度特征;
获取信边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重;
将所述边缘轮廓特征、曝光增益特征和RGB灰度特征对应的权重输入到特征融合模型中进行训练,得到特征融合值,其中,特征融合模型公式为:
D(i)=E(i)*β+P(i)*θ+Z(i)*δ
其中,D(i)为特征融合值,E(i)为边缘轮廓特征,β为边缘轮廓特征权重,P(i)为曝光增益特征,θ为曝光增益特征权重,Z(i)为RGB灰度特征,δ为RGB灰度特征权重;
判断所述特征融合值是否满足预设融合值;
若满足,则将满足预设值的所述内窥镜头的图像确认为光感补偿模式;
若不满足,则将不满足预设值的所述内窥镜头的图像确认为饱和度拉伸补偿模式;
(3)当所述内窥镜头的拍摄图像处于光感补偿模式时,获取与所述内窥镜头转动角度范围内对应的区域中心感光度,根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数,根据所属环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息;
其中,所述根据所述区域中心感光度获取人体器官内部气泡对应的环境补偿系数具体包括:
获取所述区域中心感光度对应的人体官内部气泡位置信息,并对所述人体官内部气泡位置信息进行定位,得到人体官内部气泡定位坐标,
所述内窥镜头转动点设立为坐标原点;
根据所述人体器官内部气泡定位坐标和坐标原点计算两点之间的距离,其中,计算公式为:
其中,A为两点之间的距离,(X1,Y1)为人体器官内部气泡定位坐标,(X2,Y2)为坐标原点的坐标;
根据所述两点之间的距离获取人体器官内部气泡的光感强弱值,并根据所述光感强弱值建立对应的环境补偿系数,根据所述环境补偿系数对人体器官内部的气泡光感进行补偿,得到气泡感光补偿图像信息;
(4)当所述内窥镜头的拍摄成像处于饱和度拉伸补偿模式时,获取与所述内窥镜头对应的光波特征信息,基于摩尔吸光系数对照表对光波特征信息进行吸能信息提取,得到光波吸能信息,并根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息;
其中,根据所述光波吸能信息对光波特征信息对应的图像进行质量增强,得到增强图像信息具体包括:
获取所述光波吸能信息对应的饱和度分量值,
将所述饱和度分量值作为训练样本输入饱和度质量增强模型中,输出饱和度质量增强值,其中,饱和度质量增强模型的函数为:
F=(Q1+Q2...Qn)ε
F为饱和度质量增强值,Q为饱和度分量值,ε为饱和度偏差系数,n表示多个所述饱和度分量值的编号,其中,n=1、2、3...n;
(5)根据气泡感光补偿图像信息或增强图像信息对内窥镜头的拍摄图像进行图像质量优化补偿,得到优化补偿图像信息,并根据所述优化补偿图像信息生成高质量图像;
其中,根据所述优化补偿图像信息生成高质量图像具体包括:
获取优化补偿图像信息对应的补偿参数;
根据所述补偿参数对内窥镜头的拍摄图像进行人体器官内部气泡反光度和光波吸能信息对应的蓝光进行优化补偿,并将所述优化补偿对应的图像信息定义为高质量图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311210708.5A CN117257204B (zh) | 2023-09-19 | 2023-09-19 | 一种内窥镜控制组件控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311210708.5A CN117257204B (zh) | 2023-09-19 | 2023-09-19 | 一种内窥镜控制组件控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117257204A CN117257204A (zh) | 2023-12-22 |
CN117257204B true CN117257204B (zh) | 2024-05-07 |
Family
ID=89218966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311210708.5A Active CN117257204B (zh) | 2023-09-19 | 2023-09-19 | 一种内窥镜控制组件控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117257204B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004082472A1 (en) * | 2003-03-23 | 2004-09-30 | Given Imaging Ltd. | Apparatus and method for light control in an in-vivo imaging device |
CN109218627A (zh) * | 2018-09-18 | 2019-01-15 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN209391891U (zh) * | 2018-08-13 | 2019-09-17 | 西安海业医疗设备有限公司 | 一种方便快速导入插管的辅助可视喉镜 |
EP3708061A1 (en) * | 2019-03-14 | 2020-09-16 | Ambu A/S | A tip part for an endoscope |
JP2020177220A (ja) * | 2019-04-22 | 2020-10-29 | キヤノン株式会社 | 撮像装置及びその制御方法、プログラム、記憶媒体 |
CN113674193A (zh) * | 2021-09-03 | 2021-11-19 | 上海肇观电子科技有限公司 | 图像融合方法、电子设备和存储介质 |
CN114549368A (zh) * | 2022-04-25 | 2022-05-27 | 华伦医疗用品(深圳)有限公司 | 一种基于图像传感器的内窥镜成像系统及方法 |
CN218606553U (zh) * | 2022-08-05 | 2023-03-14 | 深圳海业医疗科技有限公司 | 一种可弯曲防摩擦的支气管镜 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9149175B2 (en) * | 2001-07-26 | 2015-10-06 | Given Imaging Ltd. | Apparatus and method for light control in an in-vivo imaging device |
US20170026588A1 (en) * | 2014-05-01 | 2017-01-26 | Rebellion Photonics, Inc. | Dual-band divided-aperture infra-red spectral imaging system |
JP6584090B2 (ja) * | 2015-02-23 | 2019-10-02 | Hoya株式会社 | 画像処理装置 |
JP6448509B2 (ja) * | 2015-10-30 | 2019-01-09 | 富士フイルム株式会社 | 内視鏡システム、プロセッサ装置、及び、内視鏡システムの作動方法 |
-
2023
- 2023-09-19 CN CN202311210708.5A patent/CN117257204B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004082472A1 (en) * | 2003-03-23 | 2004-09-30 | Given Imaging Ltd. | Apparatus and method for light control in an in-vivo imaging device |
CN209391891U (zh) * | 2018-08-13 | 2019-09-17 | 西安海业医疗设备有限公司 | 一种方便快速导入插管的辅助可视喉镜 |
CN109218627A (zh) * | 2018-09-18 | 2019-01-15 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
EP3708061A1 (en) * | 2019-03-14 | 2020-09-16 | Ambu A/S | A tip part for an endoscope |
JP2020177220A (ja) * | 2019-04-22 | 2020-10-29 | キヤノン株式会社 | 撮像装置及びその制御方法、プログラム、記憶媒体 |
CN113674193A (zh) * | 2021-09-03 | 2021-11-19 | 上海肇观电子科技有限公司 | 图像融合方法、电子设备和存储介质 |
CN114549368A (zh) * | 2022-04-25 | 2022-05-27 | 华伦医疗用品(深圳)有限公司 | 一种基于图像传感器的内窥镜成像系统及方法 |
CN218606553U (zh) * | 2022-08-05 | 2023-03-14 | 深圳海业医疗科技有限公司 | 一种可弯曲防摩擦的支气管镜 |
Non-Patent Citations (3)
Title |
---|
吳立仁 ; 謝孟達.消化道內視鏡醫療儀器與器械開發設計趨勢分析.《2013实践大学设计学院国际设计学术与创作研讨会论文集》.2013,275-298. * |
基于内窥镜的图像增强及色彩矫正方法研究;刘诗源;《中国优秀硕士学位论文全文数据库 工程技术II辑》;20180115(第01期);C030-59 * |
采用卷积自编码器网络的图像增强算法;王万良;杨小涵;赵燕伟;高楠;吕闯;张兆娟;《浙江大学学报(工学版)》;20190930;第53卷(第9期);1728-1740 * |
Also Published As
Publication number | Publication date |
---|---|
CN117257204A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741346B (zh) | 感兴趣区域提取方法、装置、设备及存储介质 | |
EP2188779B1 (en) | Extraction method of tongue region using graph-based approach and geometric properties | |
WO2013187206A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN108961334B (zh) | 一种基于图像配准的视网膜血管壁厚度测量方法 | |
CN111462115B (zh) | 医学图像显示方法、装置和计算机设备 | |
CN115760858B (zh) | 基于深度学习的肾脏病理切片细胞识别方法及系统 | |
CN110974179A (zh) | 一种基于深度学习的电子染色内镜下胃早癌的辅助诊断系统 | |
JP2024520354A (ja) | 病理組織画像におけるアーチファクトの自動セグメンテーション | |
CN112330613A (zh) | 一种细胞病理数字图像质量的评价方法及系统 | |
CN117257204B (zh) | 一种内窥镜控制组件控制方法及系统 | |
CN112926508A (zh) | 活体检测模型的训练方法和装置 | |
JP2007202811A (ja) | 照射野認識装置、照射野認識方法およびそのプログラム | |
CN115187521A (zh) | 病灶识别方法、装置、计算机设备和存储介质 | |
CN112766338B (zh) | 一种计算距离图像的方法、系统及计算机可读存储介质 | |
CN116433743A (zh) | 一种校准图像的方法及装置 | |
CN114972065A (zh) | 色差校正模型的训练方法、系统、电子设备和移动设备 | |
CN112634298A (zh) | 图像处理方法及装置、存储介质、终端 | |
CN117094966B (zh) | 基于图像扩增的舌图像识别方法、装置和计算机设备 | |
Yee et al. | Performance Analysis of Color Normalization Methods in Histopathology Images | |
CN113592771B (zh) | 一种图像分割方法 | |
CN116152806B (zh) | 一种基于卷积神经网络的骨髓细胞识别方法及系统 | |
CN114004851B (zh) | 一种细胞图像分割方法、装置及细胞计数方法 | |
CN117689607A (zh) | 组织膜的识别方法和装置 | |
CN116664868A (zh) | 一种基于图像识别判断耳蜗基底膜标本长度的方法 | |
CN114782318A (zh) | 一种基于目标检测的超声图像类型识别方法 |
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 |