CN117541482A - 一种宫颈图像增强系统 - Google Patents

一种宫颈图像增强系统 Download PDF

Info

Publication number
CN117541482A
CN117541482A CN202410032351.4A CN202410032351A CN117541482A CN 117541482 A CN117541482 A CN 117541482A CN 202410032351 A CN202410032351 A CN 202410032351A CN 117541482 A CN117541482 A CN 117541482A
Authority
CN
China
Prior art keywords
gray
pixel point
segment
edge line
shadow
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
Application number
CN202410032351.4A
Other languages
English (en)
Other versions
CN117541482B (zh
Inventor
高婷婷
苏小花
张莉
潘珍妮
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.)
Air Force Medical University of PLA
Original Assignee
Air Force Medical University of PLA
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 Air Force Medical University of PLA filed Critical Air Force Medical University of PLA
Priority to CN202410032351.4A priority Critical patent/CN117541482B/zh
Publication of CN117541482A publication Critical patent/CN117541482A/zh
Application granted granted Critical
Publication of CN117541482B publication Critical patent/CN117541482B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像增强技术领域,具体涉及一种宫颈图像增强系统。该系统获取宫颈的内窥镜灰度图像内的边缘线,根据边缘线上像素点的垂线段上相邻像素点之间的灰度差异,将垂线段划分为三个分析段;依据分析段上像素点的分布情况,分别获取分析段的灰度对比度与灰度特征值,结合边缘线上像素点的分析段的灰度对比度与灰度特征值对内窥镜灰度图像进行图像增强。本发明利用边缘线上像素点的分析段的灰度分布情况,对宫颈的内窥镜灰度图像中以褶皱产生的阴影区域进行针对性增强,有效提高内窥镜灰度图像的图像质量。

Description

一种宫颈图像增强系统
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种宫颈图像增强系统。
背景技术
宫颈是女性生殖系统中重要组织器官之一,女性宫颈状况对妇产、生育与身体健康等方面有着重大意义。由于宫颈组织存在褶皱的生理结构特点,容易导致内窥镜成像中存在阴影区域,影响视觉效果。因此,需要对宫颈的内窥镜图像中的阴影区域进行增强,提高内窥镜图像的质量。
传统的图像增强算法对宫颈的内窥镜图像进行整体增强,虽然可以一定程度增加内窥镜图像的清晰度,但是对内窥镜图像中阴影区域的增强效果较差,导致宫颈的内窥镜图像的增强效果不佳。
发明内容
为了解决宫颈的内窥镜图像中阴影区域增强较差,导致内窥镜图像的整体增强效果不佳的技术问题,本发明的目的在于提供一种宫颈图像增强系统,所采用的技术方案具体如下:
本发明提出了一种宫颈图像增强系统,该系统包括:
图像数据获取模块,用于获取宫颈的内窥镜灰度图像内的边缘线;
分析段获取模块,用于获取每条边缘线上每个像素点对应的垂线段;根据每条边缘线上每个像素点的垂线段上相邻像素点之间的灰度差异,将每条边缘线上每个像素点的垂线段划分为三个分析段;
灰度特征分析模块,用于依据每个所述分析段上相邻像素点的灰度差异,获取每条边缘线上各像素点的每个分析段的灰度对比度;根据每个所述分析段上灰度分布,获取每条边缘线上各像素点的每个分析段的灰度特征值;
图像增强模块,用于结合每个边缘线上各像素点的每个分析段的灰度对比度与灰度特征值,对内窥镜灰度图像进行图像增强。
进一步地,所述根据每条边缘线上每个像素点的垂线段上相邻像素点之间的灰度差异,将每条边缘线上每个像素点的垂线段划分为三个分析段的方法为:
将任意一条边缘线上任意一个像素点作为分析像素点;将分析像素点的垂线段上每个像素点与所述像素点的下一个像素点的灰度值之间的差值绝对值,作为分析像素点的垂线段上每个像素点的灰度差异度;
对分析像素点的垂线段上所有像素点的灰度差异度进行聚类,得到两个聚类簇;分别计算每个聚类簇中所有灰度差异度的均值作为每个聚类簇的判断值;将最大的判断值对应的聚类簇作为阴影聚类簇,将阴影聚类簇内每个灰度差异度对应的像素点连成的线段作为阴影段;将最小的判断值对应的聚类簇作为待分析聚类簇;
将待分析聚类簇中每个灰度差异度对应的像素点作为待分析像素点,计算所有待分析像素点的灰度值的均值作为区分值;将灰度值大于所述区分值的待分析像素点连成的线段作为光照段,将灰度值小于或者等于所述区分值的待分析像素点连成的线段作为阴影后段;
分析像素点的分析段包括分析像素点对应的光照段、阴影段与阴影后段。
进一步地,所述灰度对比度的获取方法,包括:
对于每条边缘线上各像素点的每个分析段,将分析段上每个像素点与所述像素点的下一个像素点的灰度值之间的差值绝对值,作为每个像素点的分析灰度差异度;将分析段上所有像素点的分析灰度差异度的均值,作为每条边缘线上各像素点的每个分析段的灰度对比度。
进一步地,所述灰度特征值的获取方法,包括:
对于每条边缘线上各像素点的每个分析段,将分析段上所有像素点的灰度值的均值,作为每条边缘线上每个像素点的每个分析段的灰度特征值。
进一步地,所述结合每个边缘线上各像素点的每个分析段的灰度对比度与灰度特征值,对内窥镜灰度图像进行图像增强的方法,包括:
依据每条边缘线上每个像素点的光照段与阴影后段的灰度对比度,获取每个像素点的阴影段的理想灰度对比度;根据每条边缘线上每个像素点的光照段与阴影后段的灰度特征值,获取每个像素点的阴影段的理想灰度特征值;
结合每条边缘线上每个像素点的阴影段的灰度对比度、理想灰度对比度、灰度特征值与理想灰度特征值,对每条边缘线上每个像素点的阴影段上像素点进行增强,得到每条边缘线上每个像素点的阴影段上像素点的增强灰度值;
由内窥镜灰度图像内每条边缘线上每个像素点的阴影段上每个像素点的增强灰度值,与内窥镜灰度图像内其他像素点构成的灰度值,构成增强内窥镜灰度图像。
进一步地,所述理想灰度对比度的获取方法,包括:
将每条边缘线上每个像素点的光照段与阴影后段的灰度对比度的均值,作为每条边缘线上每个像素点的阴影段的理想灰度对比度。
进一步地,所述理想灰度特征值的获取方法,包括:
将每条边缘线上每个像素点的光照段与阴影后段的灰度特征值的均值,作为每条边缘线上每个像素点的阴影段的理想灰度特征值。
进一步地,所述每条边缘线上每个像素点的阴影段上像素点的增强灰度值的计算公式如下:
式中,为每条边缘线上每个像素点的阴影段上第/>个像素点的增强灰度值;/>为每条边缘线上每个像素点的阴影段上第/>个像素点的灰度值;/>为每条边缘线上每个像素点的阴影段的灰度对比度;/>为每条边缘线上每个像素点的阴影段的理想灰度对比度;/>为每条边缘线上每个像素点对应的阴影段的灰度特征值;/>为每条边缘线上每个像素点对应的阴影段的理想灰度特征值。
进一步地,所述边缘线的获取方法,包括:
对内窥镜灰度图像进行边缘检测,得到内窥镜灰度图像内的边缘像素点;对所述边缘像素点进行曲线拟合,得到内窥镜灰度图像内至少两条边缘线。
进一步地,所述垂线段的获取方法,包括:
获取内窥镜图像中每条边缘线上每个像素点对应的垂线,所述每个像素点对应的垂线垂直于对应边缘线;在每条边缘线上每个像素点对应的垂线上截取预设长度的线段作为每个像素点的垂线段;所述垂线段的中点为每条边缘线上的每个像素点。
本发明具有如下有益效果:
本发明实施例中,由于宫颈组织存在褶皱结构,容易导致内窥镜灰度图像中存在阴影区域,且宫颈内褶皱位置两侧的灰度值的差异较大,因此,本发明实施例对宫颈的内窥镜灰度图像内边缘线上像素点的垂线段上像素点的灰度分布进行分析;由于宫颈内褶皱位置两侧中其中一侧可以被光照到,而另一侧因褶皱的遮挡,会产生阴影区域,进而导致该侧的灰度较低,则基于边缘线上像素点的垂线段上相邻像素点的灰度差异,将垂线段划分为分析段,确定窥镜灰度图像内的阴影区域;根据分析段上像素点的灰度值分布情况得到的分析段的灰度对比度、灰度特征值,对窥镜灰度图像中因褶皱产生的阴影区域进行针对性增强,提高了阴影区域的增强效果,有效提高内窥镜灰度图像的图像质量。
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为本发明一个实施例所提供的一种宫颈图像增强系统的系统框图;
图2为本发明一个实施例所提供的妇科宫颈的内窥镜灰度图;
图3为本发明一个实施例所提供的内窥镜灰度图像的边缘检测示意图;
图4为本发明一个实施例所提供的边缘线上像素点的垂线段上灰度分布示意图。
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宫颈图像增强系统,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宫颈图像增强系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种宫颈图像增强系统的系统框图,该系统包括:图像数据获取模块101,分析段获取模块102,灰度特征分析模块103,图像增强模块104。
图像数据获取模块101,用于获取宫颈的内窥镜灰度图像内的边缘线。
具体的,利用内窥镜成像技术对女性的宫颈部位进行探查,获取宫颈的内窥镜图像,并对内窥镜图像进行灰度化处理,得到宫颈的内窥镜灰度图像。图2为本发明一个实施例所提供的妇科宫颈的内窥镜灰度图。由于设备与其他外部因素,内窥镜灰度图像会存在噪声,影响后续分析,则需要对内窥镜灰度图像进行去噪处理。
需要说明的是,本发明实施例中选用加权平均灰度化算法进行灰度化处理,使用高斯滤波进行去噪处理,具体方法在此不做介绍,均为本领域技术人员熟知的技术手段。在本发明其他实施例中也可选用图像预处理算法,图像预处理算法为本领域技术人员熟知的技术手段,在此不做限定。
在内窥镜灰度图像中,宫颈内褶皱位置两侧的灰度值的差异较大,其中一侧在利用内窥镜获取宫颈图像时可以被光照射到,而另一侧因褶皱的遮挡,会产生阴影区域,进而导致该区域的灰度较低,因此,本发明需要对内窥镜灰度图中的阴影区域进行增强,以方便对宫颈结构进行观察。内窥镜灰度图内褶皱位置会产生较为明显的边缘,则需要对内窥镜灰度图进行边缘检测,确定宫颈内褶皱位置。获取褶皱位置的方法为:
对内窥镜灰度图像进行边缘检测,得到内窥镜灰度图像内的边缘像素点;对边缘像素点进行曲线拟合,得到内窥镜灰度图像内至少两条边缘线。
本发明实施例中利用Canny边缘检测算子对内窥镜灰度图像进行边缘检测,图3为本发明一个实施例所提供的内窥镜灰度图像的边缘检测示意图,如图3所示,图3中的曲线段代表褶皱边缘,由于光照原因,宫颈内的光滑区域会出现反光区域,即图3中的类似圆形的曲线的区域。为避免反光区域的影响,利用最小二乘法对内窥镜灰度图像内的边缘像素点进行曲线拟合,将拟合得到的曲线作为边缘线,即宫颈的褶皱位置。在后续分析过程中仅对内窥镜灰度图像内的边缘线进行分析。
其中,Canny边缘检测算子与最小二乘法为本邻域技术人员公知技术,在此不再赘述。
分析段获取模块102,用于获取每条边缘线上每个像素点对应的垂线段;根据每条边缘线上每个像素点的垂线段上相邻像素点之间的灰度差异,将每条边缘线上每个像素点的垂线段划分为三个分析段。
在内窥镜灰度图像中,宫颈内褶皱位置两侧的灰度值的差异较大,其中一侧在利用内窥镜获取宫颈图像时可以被光照射到,而另一侧因褶皱的遮挡,会产生阴影区域,进而导致该区域的灰度较低,为更好地分析宫颈褶皱位置两侧的灰度分布,获取边缘线上每个像素点的垂线段。垂线段的获取方法为:
获取内窥镜图像中每条边缘线上每个像素点对应的垂线,所述每个像素点对应的垂线垂直于对应边缘线;在每条边缘线上每个像素点对应的垂线上截取预设长度的线段作为每个像素点的垂线段;所述垂线段的中点为每条边缘线上的每个像素点。需要说明的是,连接边缘线上每个像素点与该像素点的下一个像素点,得到边缘线上每个像素点的方向线段,边缘线上每个像素点的方向线段的方向相当于该像素点的切线的方向,因此,作边缘线上每个像素点的方向线段的垂线,作为边缘线上每个像素点的垂线。边缘线上最后一个像素点与倒数第二个像素点的垂线相同。
如图2所示,图2中像素点e1与像素点e2分别位于两条方向差异较大的边缘线上,线段L1为像素点e1的垂线段,线段L2为像素点e2的垂线段;垂线段L1接近竖直方向,垂线段L2近乎水平方向。
垂线段具有如下特征:(1)边缘线上像素点对应的垂线段的中点为该像素点;(2)边缘线上每个像素点对应的垂线段的长度为预设长度,本发明实施例中预设长度取经验值60,实施者可根据实际情况自行设置;(3)边缘线上每个像素点对应的垂线段为单像素宽度。
对于内窥镜灰度图像中每条边缘线上每个像素点对应的垂线段,由于宫颈褶皱位置一侧能够被光照射到,则边缘线上像素点的垂线段存在一侧上像素点的灰度值较大且较为平稳;如图2所示,垂线段L1的下侧部分与垂线段L2的左侧部分相对于其垂线段的其他部分的灰度值较大。而宫颈褶皱存在一定高度,会遮挡褶皱后面区域,使得光照不充足,导致这部分区域的灰度值较小且该区域内像素点之间的灰度差异较大;之后,因宫颈褶皱的高度有限制,距离褶皱一定距离的区域,光照并不被会被遮挡,但光照较少,导致该区域内像素点的灰度值较小且灰度值逐渐趋于稳定;即垂线段L1的上侧部分与垂线段L2的右侧部分像素点的灰度值较小,且越靠近垂线段的端点,像素点的灰度值趋于稳定。因此,需要将边缘线上像素点的垂线段划分为三个分析段,且划分方法如下:
优选地,将像素点的垂线段划分具体划分方法为:将任意一条边缘线上任意一个像素点作为分析像素点;将分析像素点的垂线段上每个像素点与像素点的下一个像素点的灰度值之间的差值绝对值,作为分析像素点的垂线段上每个像素点的灰度差异度;对分析像素点的垂线段上所有像素点的灰度差异度进行聚类,得到两个聚类簇;分别计算每个聚类簇中所有灰度差异度的均值作为每个聚类簇的判断值;将最大的判断值对应的聚类簇作为阴影聚类簇,将阴影聚类簇内每个灰度差异度对应的像素点连成的线段作为阴影段;将最小的判断值对应的聚类簇作为待分析聚类簇;将待分析聚类簇中每个灰度差异度对应的像素点作为待分析像素点,计算所有待分析像素点的灰度值的均值作为区分值;将灰度值大于区分值的待分析像素点连成的线段作为光照段,将灰度值小于或者等于区分值的待分析像素点连成的线段作为阴影后段;分析像素点的分析段包括分析像素点对应的光照段、阴影段与阴影后段。
作为一个示例,以任意一条边缘线上任意一个像素点的垂线段为例进行分析,比较垂线段两端的预设数量个像素点的灰度值,本发明实施例中预设数量取经验值4,实施者可根据具体情况自行设置,即从垂线段两侧的端点开始,分别取4个像素点,计算每侧的4个像素点的灰度值的均值,将灰度值较大的侧边作为垂线段的极大灰度侧。
若将垂线段的极大灰度侧的端点作为起始点;由垂线段的起始点开始,沿着垂线段方向,直至垂线段的另一侧端点得到垂线段上像素点的采样顺序;按照采样顺序,垂线段上像素点构成点序列。其中,/>为垂线段上采样顺序下第1个像素点,/>为垂线段上采样顺序下第2个像素点,/>为垂线段上采样顺序下第M个像素点,M为垂线段上像素点的数量。
由于垂线段的起始点的区域与另一侧端点的区域的像素点的灰度值较为稳定,且垂线段的起始点的区域内像素点的灰度值大于另一侧端点的区域的像素点的灰度值;垂线段的中间部分代表被宫颈褶皱遮挡的阴影区域的像素点的灰度值的变化较大,则基于垂线段上相邻像素点的灰度值之间的差异对垂线段进行划分,方法如下:
(1)将垂线段对应的点序列F中像素点与像素点/>的灰度值之间的差值绝对值,作为像素点/>的灰度差异度,根据该方法,获取垂线段上每个像素点的灰度差异度,需要说明的是,垂线段上采样顺序的最后一个像素点没有灰度差异度。
(2)利用K均值聚类算法对垂线段上像素点的灰度差异度进行聚类,其中,K=2,得到两个聚类簇。分别计算每个聚类簇内所有灰度差异度的均值,作为聚类簇的判断值。当聚类簇的判断值最大时,说明该聚类簇内灰度差异度对应的像素点为垂线段的中间部分代表被宫颈褶皱遮挡的阴影区域的像素点;当聚类簇的判断值最小时,说明该聚类簇内灰度差异度对应的像素点为垂线段的起始点的区域与另一侧端点的区域的像素点。其中,K均值聚类算法为本领域技术人员公知技术,在此不再赘述。
将最大的判断值的聚类簇作为阴影聚类簇,并将阴影聚类簇内灰度差异度对应的像素点连成的线段作为阴影段,将最小的判断值对应的聚类簇作为待分析聚类簇。
(3)将待分析聚类簇内每个灰度差异度对应的像素点作为待分析像素点,计算垂线段上待分析像素点的灰度值的均值,得到区分值。将灰度值大于区分值的待分析像素点连成的线段作为光照段,将灰度值小于或者等于区分值的待分析像素点连成的线段作为阴影后段。需要注意的是,由于阴影后段位于垂线段上与起始点相反的另一侧端点的区域,且分析段较为连续,则垂线段上采样顺序的最后一个像素点归为阴影后段。
图4为本发明一个实施例所提供的边缘线上像素点的垂线段上灰度分布示意图。以边缘线上像素点的垂线段的极大灰度侧的端点作为起始点,将垂线段上像素点与起始点之间像素点的数量d作为直角坐标系的横轴,将垂线段上像素点的灰度值p作为直角坐标系的纵轴建立二维直角坐标系。由垂线段的起始点开始,沿着垂线段方向,直至垂线段的另一侧端点,垂线段上像素点的灰度值变化情况如图4中曲线所示。本步骤定义了边缘线上像素点的垂线段的极大灰度侧的内容,在此不再赘述。
图4中点A为垂线段的起始点,点D为垂线段上采样顺序的最后一个像素点,在垂线段上,对于阴影聚类簇内每个灰度差异度对应的像素点,靠近起始点的像素点为点B,距离起始点最远的像素点为点C。点A至点B为光照段,点B至点C为阴影段,点C至点D为阴影后段。根据上述方法,将宫颈的内窥镜灰度图像内的每条边缘线上每个像素点的垂线段划分为光照段、阴影段与阴影后段。可以理解的是,本实施例中图4为利用本步骤中垂线段具体划分方法,将垂线段划分为光照段、阴影段与阴影后段的结果示意图。
灰度特征分析模块103,用于依据每个分析段上相邻像素点的灰度差异,获取每条边缘线上各像素点的每个分析段的灰度对比度;根据每个分析段上灰度分布,获取每条边缘线上各像素点的每个分析段的灰度特征值。
对于每条边缘线上各像素点的每个分析段,将分析段上每个像素点与像素点的下一个像素点的灰度值之间的差值绝对值,作为每个像素点的分析灰度差异度;将分析段上所有像素点的分析灰度差异度的均值,作为每条边缘线上各像素点的每个分析段的灰度对比度。
以边缘线上任意一个像素点的任意一个分析段为例进行分析,将分析段上每个像素点与其下一个像素点的灰度值之间的差值绝对值,作为分析段上每个像素点的分析灰度差异度。需要说明的是,分析段上某一侧端点位置的像素点没有分析灰度差异度。综合分析分析段上像素点的分析灰度差异值,得到分析段的灰度对比度。
每个分析段的灰度对比度的计算公式如下:
式中,CR为每条边缘线上每个像素点的每个分析段的灰度对比度;为每条边缘线上每个像素点的每个分析段上像素点的数量;/>为每条边缘线上每个像素点的每个分析段上第i个像素点的灰度值;/>为每条边缘线上每个像素点的每个分析段上第i+1个像素点的灰度值;/>为每条边缘线上每个像素点的每个分析段上第i个像素点的分析灰度差异度;/>为绝对值函数。
需要说明的是,当分析段上像素点的分析灰度差异度越大时,说明分析段上每个像素点与其周围像素点的灰度差异度越大,即对比度越大,使得分析段的灰度对比度CR越大。
对于每条边缘线上各像素点的每个分析段,将分析段上所有像素点的灰度值的均值,作为每条边缘线上每个像素点的每个分析段的灰度特征值。每个分析段的灰度特征值的计算公式如下:
式中,为每条边缘线上每个像素点的每个分析段的灰度特征值;/>为每条边缘线上每个像素点的每个分析段上像素点的数量;/>为每条边缘线上每个像素点的每个分析段上第i个像素点的灰度值。
需要说明的是,当分析段上像素点的灰度值越大时,说明分析段处于光照区域的可能性越大,使得分析段的灰度特征值/>越大。
图像增强模块104,用于结合每个边缘线上各像素点的每个分析段的灰度对比度与灰度特征值,对内窥镜灰度图像进行图像增强。
边缘线上像素点的每个分析段的灰度对比度与灰度特征值,呈现每个分析段上像素点之间的灰度差异情况,以及灰度分布情况;将边缘线上像素点的分析段综合分析,使对阴影区域的增强更加合理,增强效果更好。
优选地,增强内窥镜灰度图像的具体获取方法为:依据每条边缘线上每个像素点的光照段与阴影后段的灰度对比度,获取每个像素点的阴影段的理想灰度对比度;根据每条边缘线上每个像素点的光照段与阴影后段的灰度特征值,获取每个像素点的阴影段的理想灰度特征值;结合每条边缘线上每个像素点的阴影段的灰度对比度、理想灰度对比度、灰度特征值与理想灰度特征值,对每条边缘线上每个像素点的阴影段上像素点进行增强,得到每条边缘线上每个像素点的阴影段上像素点的增强灰度值;由内窥镜灰度图像内每条边缘线上每个像素点的阴影段上每个像素点的增强灰度值,与内窥镜灰度图像内其他像素点构成的灰度值,构成增强内窥镜灰度图像。
(1)获取边缘线上每个像素点的阴影段的理想灰度对比度与理想灰度特征值。
由于边缘线上像素点的光照段与阴影后段基本没有受到宫颈内褶皱的遮挡,则本发明实施例中利用光照段与阴影后段的灰度对比度、灰度特征值,获取的阴影段的理想灰度对比度、理想灰度特征值,使得这两个指标更加符合宫颈内阴影段代表的阴影区域的灰度分布特点。
将每条边缘线上每个像素点的光照段与阴影后段的灰度对比度的均值,作为每条边缘线上每个像素点的阴影段的理想灰度对比度
将每条边缘线上每个像素点的光照段与阴影后段的灰度特征值的均值,作为每条边缘线上每个像素点的阴影段的理想灰度特征值
阴影段的理想灰度对比度与理想灰度特征值/>均为基准值。
(2)构建边缘线上像素点的阴影段上像素点的增强函数。
本发明实施例中利用内窥镜灰度图像中阴影段的实际的灰度变化,对阴影段的理想灰度对比度与理想灰度特征值/>这两个基准值进行具体调整,以实现对边缘线上每个像素点的阴影段上像素点的灰度值进行增强,具体方法为:
以边缘线上每个像素点的阴影段的理想灰度特征值为基础;计算边缘线上每个像素点的阴影段上每个像素点的灰度值与该阴影段的灰度特征值/>的差值,并与上述理想灰度特征值/>相加,以实现对阴影段上每个像素点的灰度值的调整。为实现对阴影段上每个像素点的灰度值的精确调整,通过边缘线上每个像素点的阴影段的理想灰度对比度与灰度对比度的比值/>来放缩,阴影段上每个像素点的灰度值与该阴影段的灰度特征值/>的差值,进而使得边缘线上像素点的阴影段更加清晰,实现对阴影段的增强。
每条边缘线上每个像素点的阴影段上像素点的增强灰度值的计算公式如下:
式中,为每条边缘线上每个像素点的阴影段上第i个像素点的增强灰度值;/>为每条边缘线上每个像素点的阴影段上第i个像素点的灰度值;/>为每条边缘线上每个像素点的阴影段的灰度对比度;/>为每条边缘线上每个像素点的阴影段的理想灰度对比度;为每条边缘线上每个像素点对应的阴影段的灰度特征值;/>为每条边缘线上每个像素点对应的阴影段的理想灰度特征值。
需要说明的是,当边缘线上像素点的阴影段的理想角度特征值越大时,说明对阴影段上像素点的灰度值调整的基准值越大;当/>大于0时,说明阴影段上第i个像素点的灰度值大于阴影段上像素点的灰度值的均值,说明阴影段上第i个像素点的灰度值较大,在对其进行增强时,增强的程度越大,则阴影段上第i个像素点的增强灰度值/>越大;当/>越大时,说明需要对阴影段上第i个像素点的调整的程度越大,若/>为正数时,则/>越大,若/>为负数时,则/>越小。
(3)获取增强内窥镜灰度图像。
由于本发明实施例中仅针对内窥镜灰度图像内每条边缘线上每个像素点对应的阴影段上的像素点的灰度值进行增强,并没有对内窥镜灰度图像内其他像素点的灰度值进行增强,则由内窥镜灰度图像内每条边缘线上每个像素点的阴影段上每个像素点的增强灰度值,与内窥镜灰度图像内其他像素点构成的灰度值,构成增强内窥镜灰度图像。
增强内窥镜灰度图像中宫颈内褶皱造成的阴影区域更加清晰,可以较为清楚地观察到宫颈状况。
至此,本发明完成。
综上所述,在本发明实施例中,获取宫颈的内窥镜灰度图像内的边缘线,根据边缘线上像素点的垂线段上相邻像素点之间的灰度差异,将垂线段划分为三个分析段;依据分析段上像素点的分布情况,分别获取分析段的灰度对比度与灰度特征值,结合边缘线上像素点的分析段的灰度对比度与灰度特征值对内窥镜灰度图像进行图像增强。本发明利用边缘线上像素点的分析段的灰度分布情况,对宫颈的内窥镜灰度图像中阴影区域进行针对性的增强,有效提高内窥镜灰度图像的图像质量。
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。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。

Claims (10)

1.一种宫颈图像增强系统,其特征在于,该系统包括:
图像数据获取模块,用于获取宫颈的内窥镜灰度图像内的边缘线;
分析段获取模块,用于获取每条边缘线上每个像素点对应的垂线段;根据每条边缘线上每个像素点的垂线段上相邻像素点之间的灰度差异,将每条边缘线上每个像素点的垂线段划分为三个分析段;
灰度特征分析模块,用于依据每个所述分析段上相邻像素点的灰度差异,获取每条边缘线上各像素点的每个分析段的灰度对比度;根据每个所述分析段上灰度分布,获取每条边缘线上各像素点的每个分析段的灰度特征值;
图像增强模块,用于结合每个边缘线上各像素点的每个分析段的灰度对比度与灰度特征值,对内窥镜灰度图像进行图像增强。
2.根据权利要求1所述的一种宫颈图像增强系统,其特征在于,所述根据每条边缘线上每个像素点的垂线段上相邻像素点之间的灰度差异,将每条边缘线上每个像素点的垂线段划分为三个分析段的方法为:
将任意一条边缘线上任意一个像素点作为分析像素点;将分析像素点的垂线段上每个像素点与所述像素点的下一个像素点的灰度值之间的差值绝对值,作为分析像素点的垂线段上每个像素点的灰度差异度;
对分析像素点的垂线段上所有像素点的灰度差异度进行聚类,得到两个聚类簇;分别计算每个聚类簇中所有灰度差异度的均值作为每个聚类簇的判断值;将最大的判断值对应的聚类簇作为阴影聚类簇,将阴影聚类簇内每个灰度差异度对应的像素点连成的线段作为阴影段;将最小的判断值对应的聚类簇作为待分析聚类簇;
将待分析聚类簇中每个灰度差异度对应的像素点作为待分析像素点,计算所有待分析像素点的灰度值的均值作为区分值;将灰度值大于所述区分值的待分析像素点连成的线段作为光照段,将灰度值小于或者等于所述区分值的待分析像素点连成的线段作为阴影后段;
分析像素点的分析段包括分析像素点对应的光照段、阴影段与阴影后段。
3.根据权利要求1所述的一种宫颈图像增强系统,其特征在于,所述灰度对比度的获取方法,包括:
对于每条边缘线上各像素点的每个分析段,将分析段上每个像素点与所述像素点的下一个像素点的灰度值之间的差值绝对值,作为每个像素点的分析灰度差异度;将分析段上所有像素点的分析灰度差异度的均值,作为每条边缘线上各像素点的每个分析段的灰度对比度。
4.根据权利要求1所述的一种宫颈图像增强系统,其特征在于,所述灰度特征值的获取方法,包括:
对于每条边缘线上各像素点的每个分析段,将分析段上所有像素点的灰度值的均值,作为每条边缘线上每个像素点的每个分析段的灰度特征值。
5.根据权利要求2所述的一种宫颈图像增强系统,其特征在于,所述结合每个边缘线上各像素点的每个分析段的灰度对比度与灰度特征值,对内窥镜灰度图像进行图像增强的方法,包括:
依据每条边缘线上每个像素点的光照段与阴影后段的灰度对比度,获取每个像素点的阴影段的理想灰度对比度;根据每条边缘线上每个像素点的光照段与阴影后段的灰度特征值,获取每个像素点的阴影段的理想灰度特征值;
结合每条边缘线上每个像素点的阴影段的灰度对比度、理想灰度对比度、灰度特征值与理想灰度特征值,对每条边缘线上每个像素点的阴影段上像素点进行增强,得到每条边缘线上每个像素点的阴影段上像素点的增强灰度值;
由内窥镜灰度图像内每条边缘线上每个像素点的阴影段上每个像素点的增强灰度值,与内窥镜灰度图像内其他像素点构成的灰度值,构成增强内窥镜灰度图像。
6.根据权利要求5所述的一种宫颈图像增强系统,其特征在于,所述理想灰度对比度的获取方法,包括:
将每条边缘线上每个像素点的光照段与阴影后段的灰度对比度的均值,作为每条边缘线上每个像素点的阴影段的理想灰度对比度。
7.根据权利要求5所述的一种宫颈图像增强系统,其特征在于,所述理想灰度特征值的获取方法,包括:
将每条边缘线上每个像素点的光照段与阴影后段的灰度特征值的均值,作为每条边缘线上每个像素点的阴影段的理想灰度特征值。
8.根据权利要求5所述的一种宫颈图像增强系统,其特征在于,所述每条边缘线上每个像素点的阴影段上像素点的增强灰度值的计算公式如下:
式中,为每条边缘线上每个像素点的阴影段上第/>个像素点的增强灰度值;/>为每条边缘线上每个像素点的阴影段上第/>个像素点的灰度值;/>为每条边缘线上每个像素点的阴影段的灰度对比度;/>为每条边缘线上每个像素点的阴影段的理想灰度对比度;/>为每条边缘线上每个像素点对应的阴影段的灰度特征值;/>为每条边缘线上每个像素点对应的阴影段的理想灰度特征值。
9.根据权利要求1所述的一种宫颈图像增强系统,其特征在于,所述边缘线的获取方法,包括:
对内窥镜灰度图像进行边缘检测,得到内窥镜灰度图像内的边缘像素点;对所述边缘像素点进行曲线拟合,得到内窥镜灰度图像内至少两条边缘线。
10.根据权利要求1所述的一种宫颈图像增强系统,其特征在于,所述垂线段的获取方法,包括:
获取内窥镜图像中每条边缘线上每个像素点对应的垂线,所述每个像素点对应的垂线垂直于对应边缘线;在每条边缘线上每个像素点对应的垂线上截取预设长度的线段作为每个像素点的垂线段;所述垂线段的中点为每条边缘线上的每个像素点。
CN202410032351.4A 2024-01-10 2024-01-10 一种宫颈图像增强系统 Active CN117541482B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410032351.4A CN117541482B (zh) 2024-01-10 2024-01-10 一种宫颈图像增强系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410032351.4A CN117541482B (zh) 2024-01-10 2024-01-10 一种宫颈图像增强系统

Publications (2)

Publication Number Publication Date
CN117541482A true CN117541482A (zh) 2024-02-09
CN117541482B CN117541482B (zh) 2024-03-26

Family

ID=89782736

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410032351.4A Active CN117541482B (zh) 2024-01-10 2024-01-10 一种宫颈图像增强系统

Country Status (1)

Country Link
CN (1) CN117541482B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974528A (zh) * 2024-04-02 2024-05-03 北京易优联科技有限公司 一种肾活检切片影像优化增强方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6277067B1 (en) * 1997-04-04 2001-08-21 Kerry L. Blair Method and portable colposcope useful in cervical cancer detection
US20100027863A1 (en) * 2008-08-01 2010-02-04 Sti Medical Systems Llc Methods for detection and characterization of atypical vessels in cervical imagery
CN104970758A (zh) * 2015-07-16 2015-10-14 湖南泰启信息科技开发有限公司 电子阴道镜荧光检测装置
CN108776823A (zh) * 2018-07-06 2018-11-09 武汉兰丁医学高科技有限公司 基于细胞图像识别的宫颈癌病灶分析方法
CN110752013A (zh) * 2019-10-29 2020-02-04 山东大学 一种宫颈癌激光图像的数据预处理系统
CN110852396A (zh) * 2019-11-15 2020-02-28 苏州中科华影健康科技有限公司 一种宫颈图像的样本数据处理方法
CN111832574A (zh) * 2020-07-13 2020-10-27 福建省妇幼保健院 用于检测人乳头瘤状病毒感染性病变的图像识别方法
CN114445316A (zh) * 2022-04-11 2022-05-06 青岛大学附属医院 一种内窥镜荧光与可见光图像融合方法
CN117173189A (zh) * 2023-11-03 2023-12-05 南通江华机械有限公司 一种铝合金表面抛光效果视觉检测系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6277067B1 (en) * 1997-04-04 2001-08-21 Kerry L. Blair Method and portable colposcope useful in cervical cancer detection
US20100027863A1 (en) * 2008-08-01 2010-02-04 Sti Medical Systems Llc Methods for detection and characterization of atypical vessels in cervical imagery
CN104970758A (zh) * 2015-07-16 2015-10-14 湖南泰启信息科技开发有限公司 电子阴道镜荧光检测装置
CN108776823A (zh) * 2018-07-06 2018-11-09 武汉兰丁医学高科技有限公司 基于细胞图像识别的宫颈癌病灶分析方法
CN110752013A (zh) * 2019-10-29 2020-02-04 山东大学 一种宫颈癌激光图像的数据预处理系统
CN110852396A (zh) * 2019-11-15 2020-02-28 苏州中科华影健康科技有限公司 一种宫颈图像的样本数据处理方法
CN111832574A (zh) * 2020-07-13 2020-10-27 福建省妇幼保健院 用于检测人乳头瘤状病毒感染性病变的图像识别方法
CN114445316A (zh) * 2022-04-11 2022-05-06 青岛大学附属医院 一种内窥镜荧光与可见光图像融合方法
CN117173189A (zh) * 2023-11-03 2023-12-05 南通江华机械有限公司 一种铝合金表面抛光效果视觉检测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘诗源: ""基于内窥镜的图像增强及色彩矫正方法研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 1, 15 January 2018 (2018-01-15) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974528A (zh) * 2024-04-02 2024-05-03 北京易优联科技有限公司 一种肾活检切片影像优化增强方法

Also Published As

Publication number Publication date
CN117541482B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
CN117541482B (zh) 一种宫颈图像增强系统
CN109431511B (zh) 一种基于数字图像处理的人体背部脊柱侧弯脊柱轮廓特征曲线拟合方法
Li et al. Robust retinal image enhancement via dual-tree complex wavelet transform and morphology-based method
JP5965050B2 (ja) 画像内のデータを明らかにするための近傍関係に基づく画素の得点化及び調整
CN108186051B (zh) 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统
CN111710012B (zh) 一种基于两维复合配准的octa成像方法与装置
CN108378869B (zh) 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统
CN107749049B (zh) 一种静脉分布显示方法及装置
CN115115641B (zh) 一种瞳孔图像分割方法
CN107341844A (zh) 一种基于多Kinect的实时三维人体绘制方法
CN117474823B (zh) 一种儿科感染性炎症检测辅助用ct数据处理系统
CN112288794B (zh) 眼底图像的血管管径的测量方法及测量装置
CN115223211B (zh) 一种将静脉图像转化为指纹图像的识别方法
CN115511979A (zh) 一种基于灰度变换的内窥镜主板控制系统
CN115775210A (zh) 一种广域眼底相机图像融合方法、系统及存储介质
CN105488798B (zh) 基于点集对比的sar图像相似性度量方法
Gambino et al. Automatic skull stripping in MRI based on morphological filters and fuzzy c-means segmentation
CN111145155A (zh) 一种睑板腺腺体的识别方法
CN117522719A (zh) 基于机器学习的支气管镜图像辅助优化系统
CN117649357A (zh) 一种基于图像增强的超声图像处理方法
CN105225237A (zh) 光声显微血管图像分割和量化方法及装置
CN114240893A (zh) 一种外像图像中脊柱Cobb角的测算方法
Lee et al. Enhancement of blood vessels in retinal imaging using the nonsubsampled contourlet transform
CN111539967A (zh) 一种焦平面太赫兹成像中干涉条纹区域识别与处理方法及系统
Qi et al. Breast mass segmentation in mammography using improved dynamic programming

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