CN117437136A - 内窥镜图像的增强处理方法、装置、设备及存储介质 - Google Patents
内窥镜图像的增强处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117437136A CN117437136A CN202311173329.3A CN202311173329A CN117437136A CN 117437136 A CN117437136 A CN 117437136A CN 202311173329 A CN202311173329 A CN 202311173329A CN 117437136 A CN117437136 A CN 117437136A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- frequency domain
- filtering
- color space
- 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 description 50
- 230000002708 enhancing effect Effects 0.000 title claims description 28
- 238000012545 processing Methods 0.000 claims abstract description 97
- 241001465754 Metazoa Species 0.000 claims abstract description 83
- 238000006243 chemical reaction Methods 0.000 claims abstract description 71
- 230000009466 transformation Effects 0.000 claims abstract description 67
- 238000003384 imaging method Methods 0.000 claims abstract description 32
- 230000003595 spectral effect Effects 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims description 127
- 230000015654 memory Effects 0.000 claims description 26
- 238000001228 spectrum Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 9
- 238000003672 processing method Methods 0.000 abstract description 26
- 238000004458 analytical method Methods 0.000 abstract description 9
- 208000024891 symptom Diseases 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 32
- 210000001519 tissue Anatomy 0.000 description 11
- 238000011282 treatment Methods 0.000 description 10
- 239000003086 colorant Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 210000004204 blood vessel Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 210000004400 mucous membrane Anatomy 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012634 optical imaging Methods 0.000 description 4
- 241000227425 Pieris rapae crucivora Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 208000007882 Gastritis Diseases 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 208000032843 Hemorrhage Diseases 0.000 description 2
- 208000006766 bile reflux Diseases 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 210000002615 epidermis Anatomy 0.000 description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 150000003278 haem Chemical class 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10068—Endoscopic 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Endoscopes (AREA)
- Image Processing (AREA)
Abstract
本发明涉及内窥镜成像技术领域,公开了内窥镜图像的增强处理方法、装置、设备及存储介质,该内窥镜图像的增强处理方法包括:获取动物内窥镜图像以及动物内窥镜图像的光谱信息;基于光谱信息,确定动物内窥镜图像的颜色空间转换信息;基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据;对图像增强数据进行颜色空间的逆转换,生成目标增强图像。通过实施本发明,考虑了不同波段的动物内窥镜图像需要转换的颜色空间不同的问题,自适应地选择最合适的颜色空间,提高了内窥镜图像的增强处理的自主性,使得医生可以观察到需要对浅层组织进行成像分析的病症,扩大了内窥镜的应用范围。
Description
技术领域
本发明涉及内窥镜成像领域,具体涉及内窥镜图像的增强处理方法、装置、设备及存储介质。
背景技术
内窥镜作为消化道检查和治疗最常用的医疗器械之一,从19世纪至今已有一百多年的医疗应用史。随着半导体技术、计算机技术和数字视频技术飞速发展,上世纪八十年代出现了电子内窥镜,以微型图像传感器代替光导纤维像束,感光原件能将光波信号转换为数字信号,传输至计算机处理及渲染。电子内窥镜兼具图像质量好、光亮度强、成像视角广、内窥镜外径更细、操作方便等优点,更具意义的是其使得图像数字信号预处理、实时处理、后处理成为可能,根据需求对图像数字信号进行针对性的处理能帮助医生聚焦病理诊断而不必将精力耗费在筛选、识别、测量图像信号之上。
有别于声波成像技术和放射成像技术,电子光学成像技术虽然清晰度高、色彩保真程度高,却无法对动物体内层组织成像,只能对动物体组织表层成像。由于内窥镜的腔内成像条件限制与光学成像特点,不作特殊处理的图像通常无法观察到需要对浅层组织进行成像分析的病症,如陈旧性粘膜下出血、细毛细血管破裂、浅表性胃炎、胆汁反流等,从而限制内窥镜的应用范围。
发明内容
有鉴于此,本发明提供了一种内窥镜图像的增强处理方法、装置、设备及存储介质,以解决由于内窥镜的腔内成像条件限制与光学成像特点,不作特殊处理的图像通常无法观察到需要对浅层组织进行成像分析的病症,从而限制内窥镜的应用范围的问题。
第一方面,本发明提供了一种内窥镜图像的增强处理方法,方法包括:获取动物内窥镜图像以及动物内窥镜图像的光谱信息;基于光谱信息,确定动物内窥镜图像的颜色空间转换信息;基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据;对图像增强数据进行颜色空间的逆转换,生成目标增强图像。
本实施例提供的内窥镜图像的增强处理方法,首先通过动物内窥镜图像的光谱信息,确定动物内窥镜图像的颜色空间转换信息,考虑了不同波段的动物内窥镜图像需要转换的颜色空间不同的问题,自适应地选择最合适的颜色空间,提高了内窥镜图像的增强处理的自主性,经过相应颜色空间转换的动物内窥镜图像可以使得医生观察到需要对浅层组织进行成像分析的病症,扩大了内窥镜的应用范围;其次,通过基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据,在合适的颜色空间内去除动物内窥镜图像的噪声,增强了内窥镜的成像的清晰度和可视性。
在一种可选的实施方式中,所述基于光谱信息,确定动物内窥镜图像的颜色空间转换信息,包括:解析光谱信息,确定光谱信息对应的目标波段;基于目标波段的成像特征,确定动物内窥镜图像的颜色空间转换信息。
本实施例提供的内窥镜图像的增强处理方法,通过考虑了不同波段的动物内窥镜图像需要转换的颜色空间不同的问题,自适应地选择最合适的颜色空间,提高了内窥镜图像的增强处理的针对性。
在一种可选的实施方式中,基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据,包括:基于颜色空间转换信息,将动物内窥镜图像由第一颜色空间转换至第二颜色空间,确定动物内窥镜图像在第二颜色空间的空间像素值;采用预设变换方式对空间像素值进行频域变换处理,生成频域图像数据;对频域图像数据进行滤波处理,得到频域图像滤波数据;将频域图像滤波数据进行反变换处理,得到图像增强数据。
本实施例提供的内窥镜图像的增强处理方法,首先,通过对频域图像数据进行滤波处理,得到频域图像滤波数据,高提升滤波可以增强图像细节,通过增大局部灰度差异来增强对比度,提高了内窥镜图像增强处理的准确性,其次,通过将频域图像滤波数据进行反变换处理,得到图像增强数据,将信号从频域恢复到空间域,还原出原始的空间域信号,从而进行颜色空间的转换,提高了内窥镜图像增强处理的效率。
在一种可选的实施方式中,采用预设变换方式对空间像素值进行频域变换处理,生成频域图像数据,包括:对空间像素值进行线性映射,生成空间映射像素值;将空间映射像素值确定为空间像素值,并采用预设变换方式对空间像素值进行频域变换处理,生成频域图像数据。
本实施例提供的内窥镜图像的增强处理方法,通过使用傅里叶变换算法将空间像素值从空域变换到频域,图像被表示为一系列频率分量的幅度和相位信息,可以更好地描述图像的频率特征,频域表示能够捕捉到图像中不同频率的细节信息,包括低频和高频成分,提供了更全面的图像描述能力,从而提高图像的表达能力,分析和处理图像中的频率特征和能量分布,为后续的优化、去噪奠定基础。
在一种可选的实施方式中,对频域图像数据进行滤波处理,得到频域图像滤波数据,包括:获取频域图像数据的频域参数;采用预设滤波方式对频域图像数据进行滤波,得到目标滤波数据;基于频域参数与目标滤波数据,确定频域图像滤波数据。
本实施例提供的内窥镜图像的增强处理方法,通过滤波处理,高提升滤波可以增强图像细节,通过增大局部灰度差异来增强对比度,提高内窥镜图像的增强处理的准确性。
在一种可选的实施方式中,预设滤波方式包括高通滤波方式和高频提升过滤滤波方式,采用预设滤波方式对频域图像数据进行滤波,得到目标滤波数据,包括:采用高通滤波方式对频域图像数据进行滤波,得到高通滤波数据;采用高频提升过滤滤波方式对高通滤波数据进行滤波,得到目标滤波数据。
本实施例提供的内窥镜图像的增强处理方法,通过采用高通滤波方式和高频提升过滤滤波方式,高通滤波提取轮廓和细节,高频提升过滤滤波增强上一步提取到的轮廓和细节,提高了动物内窥镜图像的图像质量。
在一种可选的实施方式中,将频域图像滤波数据进行反变换处理,得到图像增强数据,包括:基于预设变换方式确定反变换方式;采用反变换方式对频域图像滤波数据进行反变换处理,生成空域图像数据;对空域图像数据进行对比度拉伸处理,生成图像增强数据。
本实施例提供的内窥镜图像的增强处理方法,通过采用反变换方式对频域图像滤波数据进行反变换处理,生成空域图像数据,由于傅里叶反变换可以更高效地处理大量数据,减少计算复杂度和运算时间,提高了内窥镜图像增强处理的效率。
第二方面,本发明提供了一种内窥镜图像的增强处理装置,装置包括:获取模块,用于获取动物内窥镜图像以及动物内窥镜图像的光谱信息;空间转换模块,用于基于光谱信息,确定动物内窥镜图像的颜色空间转换信息;图像增强模块,用于基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据;图像生成模块,用于对图像增强数据进行颜色空间的逆转换,生成目标增强图像。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的内窥镜图像的增强处理方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的内窥镜图像的增强处理方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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是根据本发明实施例的内窥镜图像的增强处理方法的流程示意图;
图2是根据本发明实施例的另一内窥镜图像的增强处理方法的流程示意图;
图3是根据本发明实施例的频域变换处理方法的流程示意图;
图4是根据本发明实施例的滤波处理方法的流程示意图;
图5是根据本发明实施例的高通高频提升过滤滤波处理方法的流程示意图;
图6是根据本发明实施例的反变换处理方法的流程示意图;
图7是根据本发明实施例的内窥镜图像的增强处理装置的结构框图;
图8是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在一些应用场景中,要求内窥镜对浅层组织成像分析,如陈旧性粘膜下出血、细毛细血管破裂、浅表性胃炎、胆汁反流等,由于腔内成像条件限制与光学成像特点,不作特殊处理的图像通常无法观察到上述病征。由此应运而生的一些光学技术如窄带成像技术,黏膜内吸收可见光的主要物质是血红蛋白,其对波长415nm蓝光和540nm绿光的吸收最为明显,因此,窄带成像技术下血管呈现深色,对比度强,由于波长较短,对黏膜穿透力弱,在黏膜表面和浅层被反射,可显示浅层微血管结构,光线在黏膜上皮表面被强反射,能够更好地显示黏膜的表面形态。窄带成像技术仍存在一些桎梏,如窄谱光源下视野很暗,图像清晰度和明亮度欠佳。
数字图像处理技术很好地弥补了上述不足。内窥镜图像软件增强技术主要有FICE(Flexible Spectral Imaging Colour Enhancement),它以数字方式选择光的三个波长并显示重建的图像,无需组织染色即可强化颜色差异,例如血管和粘膜,但增强图像的颜色与真实图像颜色差别很大。
其它增强技术有自适应对比度增强技术、多尺度增强技术等,这些增强方法需要很大的高斯滤波器或完整的图像信号,不适合实时处理且存在较为严重的偏色,以及仅增强对比度而锐利程度没有改善。
本实施例提供的内窥镜图像的增强处理方法,首先通过动物内窥镜图像的光谱信息,确定动物内窥镜图像的颜色空间转换信息,考虑了不同波段的动物内窥镜图像需要转换的颜色空间不同的问题,自适应地选择最合适的颜色空间,提高了内窥镜图像的增强处理的自主性,经过相应颜色空间转换的动物内窥镜图像可以使得医生观察到需要对浅层组织进行成像分析的病症,扩大了内窥镜的应用范围;其次,通过基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据,在合适的颜色空间内去除动物内窥镜图像的噪声,增强了内窥镜的成像的清晰度和可视性。
根据本发明实施例,提供了一种内窥镜图像的增强处理方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种内窥镜图像的增强处理方法,图1是根据本发明实施例的内窥镜图像的增强处理方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,获取动物内窥镜图像以及动物内窥镜图像的光谱信息。
具体地,内窥镜影像的颜色空间通常使用的是RGB(红绿蓝)颜色模型。RGB颜色模型表示通过红、绿和蓝三个基色的不同组合来呈现各种颜色。在内窥镜影像中,每个像素的颜色由相应的红、绿和蓝三个分量值来描述,这样可以呈现出丰富多样的颜色。分体式电子内镜的冷光源与图像处理器通过高速数据线相连,冷光源中的逻辑控制器拥有实时输出的光谱信息数字信号,将光谱信息数字信号以60帧每秒的速度通过数据线传输至图像处理器。通过光谱信息可以获取光谱波长范围,光谱图像记录了从紫外线到红外线的波长范围内的光信号,不同波长的光具有不同的能量和色彩。
步骤S102,基于光谱信息,确定动物内窥镜图像的颜色空间转换信息。
具体地,颜色空间转换是指将一种颜色表示方式或模型转换为另一种颜色表示方式或模型的过程,不同的颜色空间具有不同的表示方式和特性。颜色空间转换的信息主要包含输入颜色空间、输出颜色空间、颜色空间之间的转换公式或算法、转换参数、转换方法。其中,输入颜色空间为指定需要进行转换的原始颜色空间,常见的颜色空间包括RGB、CMYK、HSV、LAB等。输出颜色空间为指定转换后得到的目标颜色空间,可以是任意一种颜色空间;颜色空间之间的转换公式或算法为不同的颜色空间之间存在着具体的数学公式或算法来进行转换计算。这些公式或算法根据颜色空间的特性而定,可以通过数学运算、线性变换或非线性变换来实现。转换参数为某些颜色空间转换可能需要额外的参数来确定转换的具体方式,例如,对于RGB与CMYK之间的转换,可能需要指定颜色空间的白点、黑点、曝光等参数。转换方法:确定颜色空间转换的具体方法,可以是批量转换、逐像素转换或其他合适的转换方式。内窥镜内的图像处理器接收到光谱信息后,决定使用何种颜色空间对光谱信息进行处理,从而确定动物内窥镜图像的颜色空间转换信息。
步骤S103,基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据。
具体地,在医学影像分析中,图像的增强处理的方式有多种,如灰度拉伸:通过对图像的灰度级范围进行线性拉伸,将图像中的像素值映射到更宽的灰度范围内,以增加图像的对比度和动态范围。直方图均衡化:通过重新分配图像的灰度级,使得图像的直方图在整个灰度范围内更加均匀,以增强图像的局部细节和对比度。尺度变换:通过调整图像的空间尺度,如放大或缩小图像,以便更好地观察图像中的细微结构。噪声去除:使用各种滤波技术(如中值滤波、高斯滤波等)来消除图像中的噪声,以提高图像的清晰度和可视性。图像增强滤波:应用特定的增强滤波器,如锐化滤波器或边缘增强滤波器,以增强图像的边缘和细节信息。影像融合:将多个不同的医学影像进行融合,以便更好地显示图像中的特定结构或病变。这些增强处理的目的是提高医学影像的质量和可视化效果,使医生和医学专业人员能够更准确地诊断疾病、观察病变并做出正确的治疗决策。作为示例,在动物体消化道腔内,医生所关心的膜下浅层组织和表层纹理饱和度较高或属于高频信号,基于此特征,在HSV颜色空间和频域处理图像可以获得比较好的效果。将动物内窥镜图像从RGB颜色空间转换到HSV颜色空间后,对HSV颜色空间的动物内窥镜图像进行灰度拉伸和噪声去除,提高动物内窥镜图像的图像质量。
步骤S104,对图像增强数据进行颜色空间的逆转换,生成目标增强图像。
具体地,图像增强数据进行颜色空间的逆转换,将动物内窥镜图像从输出颜色空间逆转换到输入颜色空间逆转换的过程与转换过程对称,基于从输出颜色空间逆转换到输入颜色空间的转换规则进行转换。
本实施例提供的内窥镜图像的增强处理方法,首先通过动物内窥镜图像的光谱信息,确定动物内窥镜图像的颜色空间转换信息,考虑了不同波段的动物内窥镜图像需要转换的颜色空间不同的问题,自适应地选择最合适的颜色空间,提高了内窥镜图像的增强处理的自主性,经过相应颜色空间转换的动物内窥镜图像可以使得医生观察到需要对浅层组织进行成像分析的病症,扩大了内窥镜的应用范围;其次,通过基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据,在合适的颜色空间内去除动物内窥镜图像的噪声,增强了内窥镜的成像的清晰度和可视性。
内窥镜影像的颜色空间通常使用的是RGB(红绿蓝)颜色模型,RGB色彩模式是工业界的一种颜色标准,是通过对红(Red)、绿(Green)、蓝(Blue)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色。NBI(Narrow Band Imaging)是一种影像增强技术,它不是传统的颜色空间。NBI使用特定的窄带滤光片来增强特定波长范围的光信号,从而提供更清晰的图像。YCbCr颜色空间是一种将亮度(Y)和色度(Cb、Cr)分离的颜色模型。Y表示图像的亮度信息,而Cb和Cr则表示颜色信息。YCbCr通常用于数字视频压缩标准(如JPEG和MPEG)中作为一种去冗余的表示方式。Lab颜色空间是一种非线性的颜色模型,也称为CIELab或Lab*颜色空间。它基于人类感知的颜色差异,并能够涵盖所有可能的颜色。L表示亮度信息,a表示从绿色到红色的范围,b表示从蓝色到黄色的范围。Lab颜色空间在许多应用中被广泛使用,包括色彩校正和图像处理算法。HSV颜色空间是一种描述颜色的模型,代表色调(Hue)、饱和度(Saturation)和明度(Value)。Hue表示颜色的属性,Saturation表示颜色的纯度或浓度,Value表示颜色的亮度。HSV颜色空间常用于图像处理和计算机图形学,可用于颜色选择、颜色转换等操作。
本发明提出的内窥镜图像的增强处理方法中,图像处理器接收到光谱信息,决定使用何种颜色空间进行处理。在RGB颜色空间处理G分量数据,由于处理后G分量数据偏离原始数据,为尽可能的减弱偏色,使R分量和B分量跟随G分量调整。由于RGB颜色空间没有专门控制亮度的分量而是由RGB三个分量的强度共同决定,所以上述处理会导致图像亮度较原图有较大差异。NBI下血管呈现深色,对比度强,此时使用YCbCr颜色空间的Y通道进行处理。增强白光表皮呈黄绿色,表面血红素吸收蓝绿波段呈红色,使用Lab色域的a通道处理最佳。普通白光整个画面血管颜色和表皮颜色都呈粉红色,血管饱和度更高一些而已,宜使用HSV颜色空间的S通道处理。
以下以图像处理器使用HSV颜色空间进行处理为例,举例说明“基于光谱信息,确定动物内窥镜图像的颜色空间转换信息;基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据”的过程,使用YCbCr颜色空间和Lab色域处理的过程与本实施例一致。
HSV颜色空间是一种描述颜色的模型,常用于计算机图形学、图像处理和计算机视觉领域。HSV代表色相(Hue)、饱和度(Saturation)和值(Value)三个分量。色相(Hue)指的是色彩的种类,即人眼所能感知到的颜色名称,如红色、蓝色等。色相在HSV颜色空间中通过一个角度值来表示,取值范围为0到360度,其中红色的色相值为0度(或360度),绿色的色相值为120度,蓝色的色相值为240度。饱和度(Saturation)表示颜色的纯度或鲜艳程度,越高的饱和度意味着颜色越纯净、鲜艳,而较低的饱和度则表示颜色更接近灰度。饱和度在HSV颜色空间中通过一个百分比值来表示,取值范围为0到1,0表示灰度,1表示完全饱和的颜色。值(Value)表示颜色的亮度或明度,较高的值意味着颜色较亮,而较低的值则表示颜色较暗。值在HSV颜色空间中同样通过一个百分比值来表示,取值范围为0到1,0表示黑色,1表示白色。HSV颜色空间的优势在于它将颜色的属性分为色相、饱和度和值三个独立的分量,使得对颜色的描述更直观、更容易理解和操作。由于HSV模型与人眼感知颜色的方式更加接近,因此在许多颜色相关的应用中被广泛使用。
在本实施例中提供了一种内窥镜图像的增强处理方法,图2是根据本发明实施例的内窥镜图像的增强处理方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,获取动物内窥镜图像以及动物内窥镜图像的光谱信息。详细请参见图1所示实施例的步骤S101,在此不再赘述。
步骤S202,基于光谱信息,确定动物内窥镜图像的颜色空间转换信息。
具体地,上述步骤S202包括:
步骤S2021,解析光谱信息,确定光谱信息对应的目标波段。
具体地,光谱图像记录了从紫外线到红外线的波长范围内的光信号。
步骤S2022,基于目标波段的成像特征,确定动物内窥镜图像的颜色空间转换信息。
具体地,普通白光整个画面血管颜色和表皮颜色都呈粉红色,血管饱和度更高一些而已,这里,白光照射下血红蛋白摩尔吸光系数RGB不同,条件已被限制在白光照明模式,没有针对NBI、增强白光和普通白光照明分别处理,在不同模式下依然使用某个单一的颜色空间进行处理,结果会偏离预期。基于目标波段的成像特征,确定使用HSV颜色空间的S通道处理,并获取动物内窥镜图像的颜色空间转换信息。
本实施例提供的内窥镜图像的增强处理方法,通过考虑了不同波段的动物内窥镜图像需要转换的颜色空间不同的问题,自适应地选择最合适的颜色空间,提高了内窥镜图像的增强处理的针对性。
步骤S203,基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据。
具体地,上述步骤S203包括:
步骤S2031,基于颜色空间转换信息,将动物内窥镜图像由第一颜色空间转换至第二颜色空间,确定动物内窥镜图像在第二颜色空间的空间像素值。
具体地,第一颜色空间为RGB颜色空间,以第二颜色空间为HSV颜色空间为例,将RGB颜色空间的图像数据转换到HSV颜色空间,对于每个像素点有公式:
R'=R/255;
G'=G/255;
B'=B/255;"
Cmax=max(R',G',B');
Cmin=min(R',G',B');
Δ=Cmax-Cmin;
V=Cmax。
步骤S2032,采用预设变换方式对空间像素值进行频域变换处理,生成频域图像数据。
具体地,预设方式可以是傅里叶变换,由于图像在空域上具有很强的相关性,借助于正交变换可使在空域的复杂计算转换到频域后得到简化。借助于频域特性的分析,将更有利于获得图像的各种特性和进行特殊处理。傅里叶变换可以将图像从空域变换到频域。
在一些可选的实施方式中,如图3所示,图3是根据本发明实施例的频域变换处理方法的流程示意图,上述步骤S2032包括:
步骤a1,对空间像素值进行线性映射,生成空间映射像素值。
具体地,S矩阵线性映射到区间[0,1]。以上得到三个矩阵HSV,提取出S矩阵(saturation饱和度),从[0,255]的值域线性映射到[0,1]的值域。计算公式为:
F(x,y)=(S(x,y)-0)/(255-0)
其中,S(x,y)为S矩阵中的具体元素,f(x,y)为线性映射后的矩阵具体元素。
步骤a2,将空间映射像素值确定为空间像素值,并采用预设变换方式对空间像素值进行频域变换处理,生成频域图像数据。
具体地,预设变换方式为傅里叶变换,对于定义域为整个时间轴(-∞<x<∞)的非周期函数f(x),一维连续傅里叶变换(傅里叶级数的复指数形式)公式为:
将一维推广至二维,
空域图像为二元离散函数,将F(u,v)离散化:
上述试中x,y为图像空间与的元素索引变量,u,v为频率域变量,i为复数的虚数单位(i2=-1),M为图像矩阵列数,N为图像矩阵行数。根据上式对f(x,y)进行傅里叶变换,可得到频域函数F(u,v)。因计算机无法处理复指数函数,所以需要将复指数函数分解为实数函数和虚数函数(隐藏虚数单位i),根据欧拉公式:
eix=cosx+isinx,
得到频域图像数据:
由此提取出实部函数Re(u,v)和虚部函数Im(u,v)。幅度谱:
|A(u,v)|=[Re(u,v)2+Im(u,v)2]2,
幅度谱信号图中,四周为零频信号,水平和垂直中心为最高频信号,这是由于频域的分布因三角函数的性质而在周期内共轭对称。为了更加方便的在频域进行处理,将零频中心化得到,得到中心化后的幅度谱A(u,v)、频域实部函数Re(u,v)、频域虚部函数Im(u,v),此时零频信号在中心,高频信号在四周。
本实施例提供的内窥镜图像的增强处理方法,通过使用傅里叶变换算法将空间像素值从空域变换到频域,图像被表示为一系列频率分量的幅度和相位信息,可以更好地描述图像的频率特征,频域表示能够捕捉到图像中不同频率的细节信息,包括低频和高频成分,提供了更全面的图像描述能力,从而提高图像的表达能力,分析和处理图像中的频率特征和能量分布,为后续的优化、去噪奠定基础。
步骤S2033,对频域图像数据进行滤波处理,得到频域图像滤波数据。
在一些可选的实施方式中,如图4所示,图4是根据本发明实施例的滤波处理方法的流程示意图;
上述步骤S2033包括:
步骤b1,获取频域图像数据的频域参数。
具体地,频域图像数据的频域参数包括频谱、频率、峰值频率、带宽、能量和相位。其中,频谱是描述信号在频域上分布特性的参数,包括信号的幅度和相位信息。频谱可以通过傅里叶变换得到,通常用于表示信号在不同频率上的能量分布情况。其中,频率是指信号中的周期性变化的次数,在频域上对应于信号在不同频段的表现。频率越高,周期性变化的次数越多。峰值频率是指信号在频域上具有最高能量峰值的频率,通常对应于信号的主要频率成分。带宽是指信号在频域上的频率范围,表示信号在频域上的宽度。带宽越宽,信号中包含的频率成分越多。频域上的能量表示信号在不同频率上的能量分布情况。能量越高,表示信号在该频率上的贡献越大。相位代表信号在不同频率上的波形特征,描述了信号在每个时刻的相对位置关系。
步骤b2,采用预设滤波方式对频域图像数据进行滤波,得到目标滤波数据。
具体地,由于已将低频信号中心化,四周为高频信号。又由于卷积定理:两个二维连续函数在空间域中的卷积可由其相应的两个傅里叶变换乘积的反变换而得。又有高斯函数的傅里叶变换和傅里叶反变换都是实高斯函数,若使原图像傅里叶变换后的频域函数与高斯函数傅里叶变换后的频域高斯函数相乘,再反变换回空间域,即可实现空间域的卷积滤波,即在频率域实现了滤波。利用高斯分布的概率密度函数在定义域上积分为1的性质,得到高斯低通滤波器的频率域二维形式:
频率域高斯高通滤波器与频率域高斯低通滤波器的作用相反,目的使高频信号通过(加强)而低频信号截止(减弱),低通滤波器的中心频率处最大值趋于1,所以频率域高斯高通滤波器二维形式为:
高斯高通滤波器会将零频分量置零,导致傅里叶反变换后的图像只有轮廓,为了改善这种情况,令:
Hλp(u,v)=a+bHλp(u,v)。
a=1使得零频不会清零,b=1时转化为高频提升过滤,当b>1时高频得到加强,b控制高频的贡献。
步骤b3,基于频域参数与目标滤波数据,确定频域图像滤波数据。
具体地,图像的频域实部函数、频域虚部函数分别与F(u,v)中高频提升过滤滤波器Hλp(u,v)相乘,
Re(u,v)=Re(u,v)*Hλp(u,v),
Im(u,v)=Im(u,v)*Hλp(u,v),
确定频域图像滤波数据。
本实施例提供的内窥镜图像的增强处理方法,通过滤波处理,高提升滤波可以增强图像细节,通过增大局部灰度差异来增强对比度,提高内窥镜图像的增强处理的准确性。
在一些可选的实施方式中,预设滤波方式包括高通滤波方式和高频提升过滤滤波方式,如图5所示,图5是根据本发明实施例的高通高频提升过滤滤波处理方法的流程示意图,上述步骤b2包括:
步骤c1,采用高通滤波方式对频域图像数据进行滤波,得到高通滤波数据。
具体地,高斯滤波器能够有效平滑图像的噪声,同时保持图像中的细节信息,由于采用了高斯函数作为权重,能够降低高频噪声的影响,而对图像的低频信息变化较小。相比于其他平滑滤波器(如均值滤波器),高斯滤波器在平滑图像的同时,能保持图像的边缘和细节信息的清晰度。这是因为高斯滤波器具有较小的卷积核,它只考虑了图像中局部像素的加权平均,从而减少了细节的丢失。高斯滤波器能够有效地抑制高斯噪声,因为高斯分布与高斯噪声具有相似的数学特性。通过选择合适的滤波器尺寸和标准差,可以有效平滑图像中的噪声。利用上述高斯高通滤波器对频域图像数据进行滤波,使高频信号通过(加强)而低频信号截止(减弱),得到高通滤波数据。
步骤c2,采用高频提升过滤滤波方式对高通滤波数据进行滤波,得到目标滤波数据。
具体地,高频滤波器能够突出图像中的边缘信息,使得边缘更加清晰锐利。它通过对图像进行高通滤波操作,减少了低频分量,突出了图像中的高频细节,高频提升过滤滤波器还可以增强图像中的细节纹理信息,使得纹理更加明显。对于一些需要突出细节的图像处理任务(如纹理分析和图像增强),高通滤波提取轮廓和细节,高频提升过滤滤波增强上一步提取到的轮廓和细节。
本实施例提供的内窥镜图像的增强处理方法,高通滤波提取轮廓和细节,高频提升过滤滤波增强上一步提取到的轮廓和细节,利用高频滤波器实现增强图像中的边缘和细节信息,提高了动物内窥镜图像的图像质量。
步骤S2034,将频域图像滤波数据进行反变换处理,得到图像增强数据。
在一些可选的实施方式中,如图6所示,图6是根据本发明实施例的反变换处理方法的流程示意图,上述步骤S2034包括:
步骤d1,基于预设变换方式确定反变换方式。
具体地,当预设变换方式为傅里叶变换时,反变换方式为傅里叶反变换。
步骤d2,采用反变换方式对频域图像滤波数据进行反变换处理,生成空域图像数据。
具体地,傅里叶反变换。由F(u,v)通过傅里叶反变换获得f(x,y)。二维连续反傅里叶变换公式:
相应的离散形式为:
上述已经将F(u,v)的实部与虚部增强,反变换的f(x,y)依然是复指数函数,仍有实部函数Re(x,y)和虚部函数Im(x,y),求其幅值函数并对幅值函数归一化处理,作为滤波后的S分量的信号函数:
步骤d3,对空域图像数据进行对比度拉伸处理,生成图像增强数据。
具体地,对比度拉伸的映射函数为
S′(x,y)=[1+d*((S(x,y))-1-1)2]-1,
其中Save为S矩阵的均值。S’矩阵线性映射回区间[0,255],d为映射参数:
本实施例提供的内窥镜图像的增强处理方法,通过采用反变换方式对频域图像滤波数据进行反变换处理,生成空域图像数据,由于傅里叶反变换可以更高效地处理大量数据,减少计算复杂度和运算时间,提高了内窥镜图像增强处理的效率。
步骤S204,对图像增强数据进行颜色空间的逆转换,生成目标增强图像。详细请参见图1所示实施例的步骤S104,在此不再赘述。
本实施例提供的内窥镜图像的增强处理方法,首先,通过对频域图像数据进行滤波处理,得到频域图像滤波数据,高通滤波提取轮廓和细节,高频提升过滤滤波增强上一步提取到的轮廓和细节,提高了内窥镜图像增强处理的准确性,其次,通过将频域图像滤波数据进行反变换处理,得到图像增强数据,将信号从频域恢复到空间域,还原出原始的空间域信号,从而进行颜色空间的转换,提高了内窥镜图像增强处理的效率。
在本实施例中还提供了一种内窥镜图像的增强处理装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种内窥镜图像的增强处理装置,如图7所示,包括:
获取模块701,用于获取动物内窥镜图像以及动物内窥镜图像的光谱信息。
空间转换模块702,用于基于光谱信息,确定动物内窥镜图像的颜色空间转换信息。
图像增强模块703,用于基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据。
图像生成模块704,用于对图像增强数据进行颜色空间的逆转换,生成目标增强图像。
本实施例提供的内窥镜图像的增强处理装置,首先通过动物内窥镜图像的光谱信息,确定动物内窥镜图像的颜色空间转换信息,考虑了不同波段的动物内窥镜图像需要转换的颜色空间不同的问题,自适应地选择最合适的颜色空间,提高了内窥镜图像的增强处理的自主性,经过相应颜色空间转换的动物内窥镜图像可以使得医生观察到需要对浅层组织进行成像分析的病症,扩大了内窥镜的应用范围;其次,通过基于颜色空间转换信息对动物内窥镜图像进行增强处理,得到图像增强数据,在合适的颜色空间内去除动物内窥镜图像的噪声,增强了内窥镜的成像的清晰度和可视性。
在一些可选的实施方式中,空间转换模块702包括:
目标波段确定单元,用于解析光谱信息,确定光谱信息对应的目标波段。
颜色空间转换信息确定单元,用于基于目标波段的成像特征,确定动物内窥镜图像的颜色空间转换信息。
本实施例提供的内窥镜图像的增强处理装置,通过考虑了不同波段的动物内窥镜图像需要转换的颜色空间不同的问题,自适应地选择最合适的颜色空间,提高了内窥镜图像的增强处理的针对性。
在一些可选的实施方式中,图像增强模块703包括:
第二颜色空间像素值确定单元,用于基于颜色空间转换信息,将动物内窥镜图像由第一颜色空间转换至第二颜色空间,确定动物内窥镜图像在第二颜色空间的空间像素值。
空间像素频域变换处理单元,用于采用预设变换方式对空间像素值进行频域变换处理,生成频域图像数据。
频域图像数据滤波处理单元,用于对频域图像数据进行滤波处理,得到频域图像滤波数据。
图像滤波数据反变换处理单元,用于将频域图像滤波数据进行反变换处理,得到图像增强数据。
本实施例提供的内窥镜图像的增强处理装置,首先,通过对频域图像数据进行滤波处理,得到频域图像滤波数据,排除了噪音干扰,提高了内窥镜图像增强处理的准确性,其次,通过将频域图像滤波数据进行反变换处理,得到图像增强数据,将信号从频域恢复到空间域,还原出原始的空间域信号,从而进行颜色空间的转换,提高了内窥镜图像增强处理的效率。
在一些可选的实施方式中,空间像素频域变换处理单元包括:
空间像素值线性映射子单元,用于对空间像素值进行线性映射,生成空间映射像素值。
空间映射像素值确定子单元,用于将空间映射像素值确定为空间像素值,并采用预设变换方式对空间像素值进行频域变换处理,生成频域图像数据。
本实施例提供的内窥镜图像的增强处理装置,通过使用傅里叶变换算法将空间像素值从空域变换到频域,图像被表示为一系列频率分量的幅度和相位信息,可以更好地描述图像的频率特征,频域表示能够捕捉到图像中不同频率的细节信息,包括低频和高频成分,提供了更全面的图像描述能力,从而提高图像的表达能力,分析和处理图像中的频率特征和能量分布,为后续的优化、去噪奠定基础。
在一些可选的实施方式中,频域图像数据滤波处理单元包括:
频域参数获取子单元,用于获取频域图像数据的频域参数。
频域图像数据滤波子单元,用于采用预设滤波方式对频域图像数据进行滤波,得到目标滤波数据。
频域图像滤波数据确定子单元,用于基于频域参数与目标滤波数据,确定频域图像滤波数据。
本实施例提供的内窥镜图像的增强处理装置,通过滤波处理,排除噪音干扰,提高内窥镜图像的增强处理的准确性。
在一些可选的实施方式中,频域图像数据滤波子单元包括:
高通滤波组件,用于采用高通滤波方式对频域图像数据进行滤波,得到高通滤波数据。
高频提升过滤滤波组件,用于采用高频滤波方式对高通滤波数据进行滤波,得到目标滤波数据。
本实施例提供的内窥镜图像的增强处理装置,通过采用高通滤波方式和高频提升过滤滤波方式,高通滤波提取轮廓和细节,高频提升过滤滤波增强上一步提取到的轮廓和细节,提高了动物内窥镜图像的图像质量。
在一些可选的实施方式中,图像滤波数据反变换处理单元包括:
子单元,用于基于预设变换方式确定反变换方式。
空域图像数据生成子单元,用于采用反变换方式对频域图像滤波数据进行反变换处理,生成空域图像数据。
对比度拉伸处理子单元,用于对空域图像数据进行对比度拉伸处理,生成图像增强数据。
本实施例提供的内窥镜图像的增强处理装置,通过采用反变换方式对频域图像滤波数据进行反变换处理,生成空域图像数据,由于傅里叶反变换可以更高效地处理大量数据,减少计算复杂度和运算时间,提高了内窥镜图像增强处理的效率。
本实施例中的内窥镜图像的增强处理装置是以功能单元的形式来呈现,这里的单元是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供一种计算机设备,具有上述图7所示的内窥镜图像的增强处理装置。
请参阅图8,图8是本发明可选实施例提供的一种计算机设备的结构示意图,如图8所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种内窥镜图像的增强处理方法,其特征在于,所述方法包括:
获取动物内窥镜图像以及所述动物内窥镜图像的光谱信息;
基于所述光谱信息,确定所述动物内窥镜图像的颜色空间转换信息;
基于所述颜色空间转换信息对所述动物内窥镜图像进行增强处理,得到图像增强数据;
对所述图像增强数据进行颜色空间的逆转换,生成目标增强图像。
2.根据权利要求1所述的方法,其特征在于,所述基于所述光谱信息,确定所述动物内窥镜图像的颜色空间转换信息,包括:
解析所述光谱信息,确定所述光谱信息对应的目标波段;
基于所述目标波段的成像特征,确定所述动物内窥镜图像的颜色空间转换信息。
3.根据权利要求1所述的方法,其特征在于,所述基于所述颜色空间转换信息对所述动物内窥镜图像进行增强处理,得到图像增强数据,包括:
基于所述颜色空间转换信息,将所述动物内窥镜图像由第一颜色空间转换至第二颜色空间,确定所述动物内窥镜图像在所述第二颜色空间的空间像素值;
采用预设变换方式对所述空间像素值进行频域变换处理,生成频域图像数据;
对所述频域图像数据进行滤波处理,得到频域图像滤波数据;
将所述频域图像滤波数据进行反变换处理,得到所述图像增强数据。
4.根据权利要求3所述的方法,其特征在于,所述采用预设变换方式对所述空间像素值进行频域变换处理,生成频域图像数据,包括:
对所述空间像素值进行线性映射,生成空间映射像素值;
将所述空间映射像素值确定为所述空间像素值,并采用预设变换方式对所述空间像素值进行频域变换处理,生成频域图像数据。
5.根据权利要求3所述的方法,其特征在于,所述对所述频域图像数据进行滤波处理,得到频域图像滤波数据,包括:
获取所述频域图像数据的频域参数;
采用预设滤波方式对所述频域图像数据进行滤波,得到目标滤波数据;
基于所述频域参数与所述目标滤波数据,确定所述频域图像滤波数据。
6.根据权利要求5所述的方法,其特征在于,所述预设滤波方式包括高通滤波方式和高频提升过滤滤波方式,所述采用预设滤波方式对所述频域图像数据进行滤波,得到目标滤波数据,包括:
采用所述高通滤波方式对所述频域图像数据进行滤波,得到高通滤波数据;
采用所述高频提升过滤滤波方式对所述高通滤波数据进行滤波,得到所述目标滤波数据。
7.根据权利要求3所述的方法,其特征在于,所述将所述频域图像滤波数据进行反变换处理,得到所述图像增强数据,包括:
基于所述预设变换方式确定反变换方式;
采用所述反变换方式对所述频域图像滤波数据进行反变换处理,生成空域图像数据;
对所述空域图像数据进行对比度拉伸处理,生成所述图像增强数据。
8.一种内窥镜图像的增强处理装置,其特征在于,所述装置包括:
获取模块,用于获取动物内窥镜图像以及所述动物内窥镜图像的光谱信息;
空间转换模块,用于基于所述光谱信息,确定所述动物内窥镜图像的颜色空间转换信息;
图像增强模块,用于基于所述颜色空间转换信息对所述动物内窥镜图像进行增强处理,得到图像增强数据;
图像生成模块,用于对所述图像增强数据进行颜色空间的逆转换,生成目标增强图像。
9.一种内窥镜,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的内窥镜图像的增强处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的内窥镜图像的增强处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311173329.3A CN117437136A (zh) | 2023-09-11 | 2023-09-11 | 内窥镜图像的增强处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311173329.3A CN117437136A (zh) | 2023-09-11 | 2023-09-11 | 内窥镜图像的增强处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117437136A true CN117437136A (zh) | 2024-01-23 |
Family
ID=89554324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311173329.3A Pending CN117437136A (zh) | 2023-09-11 | 2023-09-11 | 内窥镜图像的增强处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117437136A (zh) |
-
2023
- 2023-09-11 CN CN202311173329.3A patent/CN117437136A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9858666B2 (en) | Medical skin examination device and method for processing and enhancing an image of a skin lesion | |
US20230190180A1 (en) | Enhancing pigmentation in dermoscopy images | |
CN105025776B (zh) | 图像处理装置和图像处理方法 | |
Palanisamy et al. | An improved luminosity and contrast enhancement framework for feature preservation in color fundus images | |
JP6164238B2 (ja) | 診断装置並びに当該診断装置における画像処理方法及びそのプログラム | |
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 | |
Ma et al. | A wavelet-based dual-stream network for underwater image enhancement | |
CN109767395A (zh) | 一种胶囊内窥镜图像处理方法及装置 | |
Imtiaz et al. | Image enhancement and space-variant color reproduction method for endoscopic images using adaptive sigmoid function | |
CN117575924A (zh) | 一种统一模型的可见光与近红外荧光图像融合方法 | |
CN115736791B (zh) | 内窥镜成像装置及方法 | |
CN117437136A (zh) | 内窥镜图像的增强处理方法、装置、设备及存储介质 | |
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 | |
CN114331896A (zh) | 一种基于图像分解和光谱变换的图像增强方法、系统 | |
JP6187535B2 (ja) | 診断支援装置並びに当該診断支援装置における画像処理方法及びそのプログラム | |
CN110140150B (zh) | 一种图像处理方法、装置以及终端设备 | |
CN113808057A (zh) | 基于无监督学习的内窥镜图像增强方法 | |
JP3789911B2 (ja) | 画像処理装置および顔画像処理装置 | |
Benzi et al. | A bio-inspired synergistic virtual retina model for tone mapping | |
JP6585623B2 (ja) | 生体情報計測装置、生体情報計測方法および生体情報計測プログラム | |
CN113570519B (zh) | 一种hdr图像快速映射显示方法 | |
Fang et al. | Endoscope image enhancement algorithm based on pair of complementary gamma functions | |
Qi et al. | Vessel Image Enhancement Method Using Nonlinear Transformation Based on Guided Filtering | |
Zhang et al. | An Image Enhancement Method for Improving Small Intestinal Villi Clarity | |
CN117132494A (zh) | 图像处理方法和装置 |
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 |