CN117557587A - 一种内窥镜冷光源亮度自动调节系统 - Google Patents
一种内窥镜冷光源亮度自动调节系统 Download PDFInfo
- Publication number
- CN117557587A CN117557587A CN202410046775.6A CN202410046775A CN117557587A CN 117557587 A CN117557587 A CN 117557587A CN 202410046775 A CN202410046775 A CN 202410046775A CN 117557587 A CN117557587 A CN 117557587A
- Authority
- CN
- China
- Prior art keywords
- interval
- initial
- gray
- gray level
- segmentation window
- 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
- 230000001105 regulatory effect Effects 0.000 title claims description 6
- 230000011218 segmentation Effects 0.000 claims abstract description 219
- 210000002784 stomach Anatomy 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000010586 diagram Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 description 10
- 238000000605 extraction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 2
- 208000025865 Ulcer Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30092—Stomach; Gastric
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及边缘分割技术领域,具体涉及一种内窥镜冷光源亮度自动调节系统。该系统包含图像获取模块用于获取胃部灰度图像,灰度区间划分模块用于通过灰度分布的相似情况和灰度分布变化的相似情况,获取胃部灰度图像对应灰度直方图中的灰度区间;最终分割窗口获取模块,用于根据灰度区间之间的灰度变化情况,获得初始分割窗口,并根据每个位置初始分割窗口内像素点的灰度分布情况,获得每个位置自适应的最终分割窗口;亮度调节模块用于根据最终分割窗口分割结果进行亮度调节。本发明通过对胃部区域特征分析得到更优的边缘分割结果,使通过分割结果进行亮度调节的结果更可信度,准确度更高。
Description
技术领域
本发明涉及边缘分割技术领域,具体涉及一种内窥镜冷光源亮度自动调节系统。
背景技术
内窥镜是一种医疗工具,它通常由一根长而细的柔性管道或刚性管道组成,其中包含了一个光源和一个摄像头,以便医生可以实时观察胃部等人体内部结构的图像,而内窥镜的光源则是保证整个图像质量的重要因素之一。
由于成像光源的调节会导致图像过暗或过曝,对于人体胃部组织的图像影响较大,因此现有分析图像质量时,常通过边缘分割效果进行判断,进而对光源的亮度进行调节,而由于胃部不同组织区域像素点也存在一定的变化其干扰因素较大,直接整体分割时已经造成了分割误差,对灰度图像分割效果较差,进而导致根据分割效果进行亮度调节的结果并不准确,可信度较低。
发明内容
为了解决现有技术中对灰度图像分割效果较差,进而导致根据分割效果进行亮度调节的结果并不准确,可信度较低的技术问题,本发明的目的在于提供一种内窥镜冷光源亮度自动调节系统,所采用的技术方案具体如下:
本发明提供了一种内窥镜冷光源亮度自动调节系统,所述系统包括:
图像获取模块,用于获取胃部灰度图像;
灰度区间划分模块,用于将胃部灰度图像对应灰度直方图中的灰度级划分为预设数量个初始区间;在相邻初始区间之间,根据灰度分布的相似情况和灰度分布变化的相似情况,获得相邻初始区间的相似指标;根据相似指标的大小将所有初始区间划分合并,获得胃部灰度图像对应灰度直方图中的灰度区间;
最终分割窗口获取模块,用于根据所有相邻灰度区间之间的灰度分布变化的相似情况和灰度变化程度,获得胃部灰度图像的初始分割窗口;通过分割中每个位置对应的初始分割窗口内像素点之间的灰度分布复杂程度,结合初始分割窗口的边长大小获得分割中每个位置对应的最终分割窗口;
亮度调节模块,用于通过所有最终分割窗口对胃部灰度图像进行分割,获得分割结果图;根据分割结果图对冷光源进行亮度调节。
进一步地,所述相似指标的获取方法包括:
对于任意一个初始区间,计算该初始区间中每相邻两个灰度级对应幅值的斜率的绝对值,获得对应相邻两个灰度级的相邻变化度;将该初始区间中所有相邻变化度的平均值,作为该初始区间的整体变化度;
将该初始区间中所有灰度级的幅值的平均值,作为该初始区间的灰度分布度;
在相邻初始区间之间,将初始区间的整体变化度的差异作为变化差异,将初始区间的灰度分布度的差异作为分布差异;将变化差异和分布差异的乘积进行负相关映射并归一化处理,获得相邻初始区间之间的相似指标。
进一步地,所述灰度区间的获取方法包括:
按照初始区间在灰度直方图中从左至右的顺序,将第一个初始区间作为待合并区间进行合并;
当待合并区间与后一初始区间之间的相似指标大于预设相似阈值时,将后一初始区间合并入待合并区间中,获得新的待合并区间,继续对新的待合并区间进行合并;预设相似阈值为正数。
当待合并区间与后一初始区间之间的相似指标小于或等于预设相似阈值时,将后一初始区间中的灰度级依次进行合并,获得待合并区间对应的相似序列;根据待合并区间对应的相似序列,将待合并区间与后一初始区间合并划分为灰度区间与新的后一初始区间,停止合并;
将新的后一初始区间作为新的待合并区间进行合并;当待合并区间没有后一初始区间时,停止合并,将对应的待合并区间作为灰度区间。
进一步地,所述将后一初始区间中的灰度级依次进行合并,获得待合并区间对应的相似序列,包括:
将后一初始区间中第一个灰度级合并入待合并区间中,将合并后的待合并区间作为待分析区间,将划分出第一个灰度级的后一初始区间作为被划分区间;
计算待分析区间和被划分区间之间的相似指标;迭代将被划分区间中的第一个灰度级合并入待分析区间,获得新的待分析区间和新的被划分区间,并计算相似指标,直至被划分区间中的灰度级的数量等于预设最小灰度级数量时停止;将所有的相似指标组成待合并区间对应的相似序列。
进一步地,所述根据待合并区间对应的相似序列,将待合并区间与后一初始区间合并划分为灰度区间与新的后一初始区间,包括:
当相似序列中存在相似指标大于预设相似阈值时,将相似指标大于预设相似阈值时对应的待分析区间作为待确定区间;将灰度级的数量最大时的待确定区间作为灰度区间,对应的被划分区间作为新的后一初始区间;
若相似序列中不存在相似指标大于预设相似阈值时,将待合并区间作为灰度区间,后一初始区间作为新的后一初始区间。
进一步地,所述初始分割窗口的获取方法包括:
将胃部灰度图像中灰度级的极差与灰度区间总数量的比值,作为胃部灰度图像中的区间灰度变化指标;
获得每相邻两个灰度区间的变化差异,将所有变化差异的平均值作为胃部灰度图像中的分布变化指标;
将胃部灰度图像中的区间灰度变化指标与分布变化指标的乘积向下取整,获得初始分割窗口的边长大小;若初始分割窗口的边长大小为偶数,则将初始分割窗口的边长大小减一获得新的初始分割窗口的边长大小;基于边长大小获得初始分割窗口。
进一步地,所述最终分割窗口的获取方法包括:
对于分割中任意一个位置对应的初始分割窗口,在该初始分割窗口内,计算中心像素点与每个其他像素点之间的灰度差异;将该初始分割窗口内所有的灰度差异的平均值进行负相关映射,获得该初始分割窗口的灰度复杂度;
获取该初始分割窗口内每个像素点在水平方向下的梯度值并计算平均值,获得该初始分割窗口的水平平均梯度值;获取该初始分割窗口内每个像素点在垂直方向下的梯度值并计算平均值,获得该初始分割窗口的垂直平均梯度值;
将该初始分割窗口的灰度复杂度与水平平均梯度值的乘积进行归一化处理,获得该初始分割窗口的水平权重;将该初始分割窗口的灰度复杂度与垂直平均梯度值的乘积进行归一化处理,获得该初始分割窗口的垂直权重;
将该初始分割窗口的水平权重与初始分割窗口的边长大小的乘积作为水平调整值,将水平调整值与初始分割窗口的边长大小相加并向下取整,获得该初始分割窗口对应位置的最终分割窗口的水平边长;将该初始分割窗口的垂直权重与初始分割窗口的边长大小的乘积作为垂直调整值,将垂直调整值与初始分割窗口的边长大小相加并向下取整,获得该初始分割窗口对应位置的最终分割窗口的垂直边长;
基于水平边长和垂直边长,获得该初始分割窗口对应位置处的最终分割窗口。
进一步地,所述分割结果图的获取方法包括:
通过最终分割窗口对胃部灰度图像进行分割获得胃部灰度图像中的边缘线,由边缘线划分的区域作为目标区域;将分割后的边缘线以及目标区域构成的图像作为分割结果图。
进一步地,所述根据分割结果图对冷光源进行亮度调节,包括:
统计分割结果图中所有边缘线的总数量作为线数量;获取分割结果图中所有边缘线的角点数量;将角点数量与线数量的比值作为边缘评价指标;
统计所有目标区域中灰度值大于预设高亮灰度阈值的像素点数量,获得灰度评价指标;预设高亮灰度阈值为正数;
当边缘评价指标大于预设边缘阈值时,将冷光源亮度提高预设调节值;当边缘评价指标小于或等于预设边缘阈值,且灰度评价指标大于预设灰度阈值时,将冷光源亮度减小预设调节值;预设调节值为正数。
进一步地,所述获取所有边缘线的角点数量,包括:
对分割结果图中所有边缘线进行角点检测获得角点,统计分割结果图中所有角点的数量作为角点数量。
本发明具有如下有益效果:
本发明考虑到胃部灰度图像中各组织区域对应像素点的灰度分布和灰度分布变化情况是较为相似的,在对应灰度直方图中对灰度级进行划分合并得到灰度区间,以便于后续基于灰度区间之间的差异情况,考虑胃部个组织区域部分的差异程度得到较为合适的初始分割窗口。由于初始分割窗口是基于胃部灰度图像整体分析,但在不同分割位置处,其灰度差异并不相同,因此进一步根据每个位置初始分割窗口内像素点的灰度分布情况,获得每个位置自适应的最终分割窗口。最终通过最终分割窗口可以对当前光源下的胃部灰度图像进行更精准的分割,通过分割结果图进一步调节冷光源的结果更准确可靠。本发明通过特征分析得到更优的边缘分割结果,使通过分割结果进行亮度调节的结果更可信度,准确度更高。
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内窥镜冷光源亮度自动调节系统结构图。
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内窥镜冷光源亮度自动调节系统,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内窥镜冷光源亮度自动调节系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种内窥镜冷光源亮度自动调节系统结构图,该系统包括:图像获取模块101,灰度区间划分模块102,最终分割窗口获取模块103,亮度调节模块104。
图像获取模块101,用于获取胃部灰度图像。
内窥镜通常包含了光源和摄像头,在本发明实施例中,通过胃镜对应内窥镜的摄像头获取胃部图像,并对采集到的胃部图像进行灰度化和滤波去噪处理,获得胃部灰度图像。需要说明的是,灰度化和滤波去噪均为本领域技术人员熟知的技术手段,具体可选择加权平均灰度化和双边滤波算法等,在此不做赘述。
在胃部灰度图像中,胃部表面大部分呈现为较为光滑部分且存在少量褶皱,但是当胃部出现溃疡或者息肉等,胃部表面则会呈现出不平整的凹陷或者凸起,胃部不同的区域因为对光照射反应的不同,在灰度图像中反映的灰度值分布情况也不尽相同。在光亮过低时,会使不同的区域之间的边缘表现较为模糊,当光亮过高时,会使图像不同区域产生过曝的问题,影响图像质量。因此通过对胃部灰度图像中不同区域的分割结果进行分析,可以实现对冷光源亮度的更合理调节。
灰度区间划分模块102,用于将胃部灰度图像对应灰度直方图中的灰度级划分为预设数量个初始区间;在相邻初始区间之间,根据灰度分布的相似情况和灰度分布变化的相似情况,获得相邻初始区间的相似指标;根据相似指标的大小将所有初始区间划分合并,获得胃部灰度图像对应灰度直方图中的灰度区间。
为了使调节效果更优,需要得到更准确的分割结果,在胃部灰度图像中,不同的区域在灰度级的分布上具有不同的特征,同一区域在灰度分布上是较为一致的,因此寻找分布变化相同的区域作为灰度区域,每个灰度区域反映一种组织区域对应的灰度级分布情况。
首先为了反映灰度级的分布情况,获取胃部灰度图像对应的灰度直方图,灰度直方图中的横坐标表示灰度级,纵坐标表示灰度级对应像素点的数量,通过灰度直方图能够对灰度级对应的灰度分布进行明确分析,首先将灰度直方图中的灰度级划分为预设数量个初始区间,在本发明实施例中,预设数量设置为50,划分过程可以为,每5个灰度级作为一个初始区间,最后一个初始区间包含剩余所有灰度级,具体数值和划分方法实施者可根据具体实施情况进行调整,在此不做限制。需要说明的是,灰度直方图的获取方法为本领域技术人员熟知的技术手段,在此不做赘述。
对于相同的组织位置,其对光反应的程度是近似相同的,因此在相邻初始区间之间,根据灰度分布的相似情况和灰度分布变化的相似情况,获得相邻初始区间的相似指标,对于相邻初始区间而言,其灰度级是较为相近的,越可能为表征为同一区域。
优选地,对于任意一个初始区间,每个初始区间的分析方法相同,计算该初始区间中每相邻两个灰度级对应幅值的斜率的绝对值,获得对应相邻两个灰度级的相邻变化度,通过相邻变化度反映在灰度级相似的情况下,像素点数量的变化程度。将该初始区间中所有相邻变化度的平均值,作为该初始区间的整体变化度,通过整体变化度反映了初始区间中灰度级像素点的分布变化情况,侧面反映出初始区间对应各组织的光反应变化程度。
将该初始区间中所有灰度级的幅值的平均值,作为该初始区间的灰度分布度,通过灰度分布度反映初始区间中灰度级像素点的整体分布情况,进一步结合灰度分布情况和变化情况分析相邻初始区间之间的相似程度。
在相邻初始区间之间,将初始区间的整体变化度的差异作为变化差异,将初始区间的灰度分布度的差异作为分布差异,当差异越小,说明两个初始区间之间越相似,将变化差异和分布差异的乘积进行负相关映射并归一化处理,获得相邻初始区间之间的相似指标。在本发明实施例中,相似指标的表达式为:
式中,表示为第/>个初始区间与第/>个初始区间之间的相似指标,/>表示为第/>个初始区间中相邻变化度的总数量,/>表示为第/>个初始区间中相邻变化度的总数量,/>表示为第/>个相邻变化度,/>表示为第/>个初始区间的灰度分布度,/>表示为第/>个初始区间的灰度分布度,/>表示为绝对值提取函数,/>表示为以自然常数为底的指数函数。
其中,表示为第/>个初始区间的整体变化度,/>表示为第/>个初始区间的整体变化度,/>表示为第/>个初始区间与第/>个初始区间之间的变化差异,/>表示为第/>个初始区间与第/>个初始区间之间的分布差异。当变化差异和分布差异越小,说明两个初始区间越相似,相似指标越大,通过相似指标可以反映初始区间之间的灰度变化相似情况,进一步进行划分合并。
根据相似指标的大小将所有初始区间划分合并,获得胃部灰度图像对应灰度直方图中的灰度区间,优选地,按照初始区间在灰度直方图中从左至右的顺序,将第一个初始区间作为待合并区间进行合并,将待合并区间与后续的初始区间基于相似指标进行分析。
当待合并区间与后一初始区间之间的相似指标大于预设相似阈值时,说明两个区间之间的灰度分布和灰度分布变化相似,可以进行合并,将后一初始区间合并入待合并区间中,获得新的待合并区间,继续对新的待合并区间进行合并,继续根据待合并区间与相邻的下一个初始区间进行分析。在本发明实施例中,预设相似阈值为正数,设置为0.75,具体数值实施者可根据具体实施情况进行调整。
当待合并区间与后一初始区间之间的相似指标小于或等于预设相似阈值时,说明两个区间的相似性不强,将后一初始区间中的灰度级依次进行合并,获得待合并区间对应的相似序列,通过相似序列将待合并区间与后一初始区间进一步进行更细节的划分合并。
在本发明一个实施例中,将后一初始区间中第一个灰度级合并入待合并区间中,将合并后的待合并区间作为待分析区间,将划分出第一个灰度级后的后一初始区间作为被划分区,通过灰度级的依次合并,计算更细节的相似情况,计算待分析区间和被划分区间之间的相似指标,并迭代将被划分区间中的第一个灰度级合并入待分析区间,获得新的待分析区间和新的被划分区间,并计算相似指标,直至被划分区间中的灰度级的数量等于预设最小灰度级数量时停止,在本发明实施例中,预设最小灰度级数量设置为2,当被划分区间中的灰度级小于2时将不能分析此时合并划分的相似情况。将所有的相似指标组成待合并区间对应的相似序列,进一步通过相似序列对细节划分合并情况进行分析。
根据待合并区间对应的相似序列,将待合并区间与后一初始区间合并划分为灰度区间与新的后一初始区间,停止合并,此时完成了对第一个初始区间的分析合并。
在本发明一个实施例中,细节的合并划分过程基于相似序列中相似指标与相似阈值的比较,当相似序列中存在相似指标大于预设相似阈值时,说明部分灰度级合并后并未使区间不相似,可以进行细节划分合并,将相似指标大于预设相似阈值时对应的待分析区间作为待确定区间,若有多个满足情况时,将灰度级的数量最大时的待确定区间作为灰度区间,对应的被划分区间作为新的后一初始区间,取灰度区间可以最大的情况,即灰度级更大的情况。若相似序列中不存在相似指标大于预设相似阈值时,说明两个区间之间在细节划分后的相似性依旧较差,因此将待合并区间作为灰度区间,后一初始区间作为新的后一初始区间。
将新的后一初始区间作为新的待合并区间进行合并,也即按照灰度直方图中的从左至右顺序,对所有的初始区间均依次进行分析合并,当待合并区间没有后一初始区间时,说明合并过程已到达最后的初始区间,停止合并,将对应的待合并区间作为灰度区间。
至此,完成对胃部灰度图像中灰度分布变化情况进行分析,得到反应不同组织区域灰度级像素点分布情况的灰度区间,进一步可根据灰度区间调整分割情况。
最终分割窗口获取模块103,用于根据所有相邻灰度区间之间的灰度分布变化的相似情况和灰度变化程度,获得胃部灰度图像的初始分割窗口;通过分割中每个位置对应的初始分割窗口内像素点之间的灰度分布复杂程度,结合初始分割窗口的边长大小获得分割中每个位置对应的最终分割窗口。
通过灰度直方图对灰度级像素点表征的灰度分布情况进行了分析,得到了多个灰度区间,灰度区间的灰度变化情况可以反映出胃部各组织区域的灰度相似情况,基于灰度区间之间的变化情况可以得到初步的分割窗口,通过分割窗口实现对不同组织区域的分割,根据所有相邻灰度区间之间的灰度分布变化的相似情况和灰度变化程度,获得胃部灰度图像的初始分割窗口。
优选地,将胃部灰度图像中灰度级的极差与灰度区间总数量的比值,作为胃部灰度图像中的区间灰度变化指标,通过区间灰度变化指标反映每个灰度区间的平均灰度变化范围,也即胃部灰度图像中各组织区域的灰度变化程度。获得每相邻两个灰度区间的变化差异,通过变化差异反映相邻灰度区间之间灰度级像素点的分布变化情况的相似程度,将所有变化差异的平均值作为胃部灰度图像中的分布变化指标,反映胃部灰度图像中各组织区域在灰度变化上的整体相似性。
将胃部灰度图像中的区间灰度变化指标与分布变化指标的乘积向下取整,获得初始分割窗口的边长大小,若初始分割窗口的边长大小为偶数,则将初始分割窗口的边长大小减一获得新的初始分割窗口的边长大小,保证分割窗口的边长大小为奇数,以便于后续分析。基于边长大小获得初始分割窗口,在本发明实施例中,初始分割窗口的边长大小的表达式为:
中,表示为初始分割窗口的边长大小,/>表示为胃部灰度图像中的最大灰度级,/>表示为胃部灰度图像中的最小灰度级,/>表示为胃部灰度图像中的灰度区间的总数量,/>表示为第/>个灰度区间的整体变化度,/>表示为第/>个灰度区间的整体变化度,/>表示为绝对值提取函数,/>表示为向下取整函数。需要说明的是,向下取整为本领域技术人员熟知的技术手段,在此不做赘述。
其中,表示为胃部灰度图像中灰度级的极差,/>表示为胃部灰度图像的区间灰度变化指标,/>表示为第/>个灰度区间与第/>个灰度区间的变化差异,/>表示为胃部灰度图像中的分布变化指标。当区间灰度变化指标越小,说明胃部灰度图像中的整体灰度值变化均不高,当分布变化指标越小,说明各组织之间的灰度变化差异越小,因此需要越小的分割窗口,增大对细节的分割,提升分割效果。
进一步地,由于胃部不同组织分布的复杂性,在进行分割时,初始分割窗口并不能满足不同的位置的分割需要,因此在分割是对每个位置处的初始分割窗口进行调整,得到每个位置处最优的最终分割窗口。在本发明实施例中,将初始分割窗口的边长大小的一半向下取整,获得分割窗口的滑动步长,根据滑动步长将分割窗口在图像中进行滑动分析。通过分割中每个位置对应的初始分割窗口内像素点之间的灰度分布复杂程度,结合初始分割窗口的边长大小获得分割中每个位置对应的最终分割窗口。
优选地,对于分割中任意一个位置对应的初始分割窗口,在该初始分割窗口内,计算中心像素点与每个其他像素点之间的灰度差异,将该初始分割窗口内所有的灰度差异的平均值进行负相关映射,获得该初始分割窗口的灰度复杂度,灰度复杂度也即该初始分割窗口内中心像素点与周围其他像素点的灰度相似程度,在本发明实施例中,灰度复杂度的具体表达式为:
式中,表示为初始分割窗口的灰度复杂度,/>表示为初始分割窗口中除中心像素点外的其他像素点的总数量,/>表示为中心像素点的灰度值,/>表示为第/>个其他像素点的灰度值,/>表示为绝对值提取函数,/>表示为调整参数,在本发明实施例中设置为0.001,目的是防止分母为零使公式无意义的情况。
其中,表示为中心像素点与第/>个其他像素点的灰度差异,当灰度差异越小,说明其他像素点与中心像素点越接近,在局部位置上是较为均匀的,进一步结合窗口在水平和垂直上的不同梯度变化,调整水平和垂直的边长。
获取该初始分割窗口内每个像素点在水平方向下的梯度值并计算平均值,获得该初始分割窗口的水平平均梯度值,获取该初始分割窗口内每个像素点在垂直方向下的梯度值并计算平均值,获得该初始分割窗口的垂直平均梯度值,通过平均梯度大小反映像素点在水平或垂直方向上的整体变化明显程度,整体变化越明显说明该方向上的复杂纹理较多,将会产生较多干扰。需要说明的是,梯度值的获取为本领域技术人员熟知的技术手段,可采用Sobel算子等,在此不做限制。
将该初始分割窗口的灰度复杂度与水平平均梯度值的乘积进行归一化处理,获得该初始分割窗口的水平权重,将该初始分割窗口的灰度复杂度与垂直平均梯度值的乘积进行归一化处理,获得该初始分割窗口的垂直权重,水平权重和垂直权重即为结合灰度值复杂性和变化程度得到每个方向上的调整程度。
将该初始分割窗口的水平权重与初始分割窗口的边长大小的乘积作为水平调整值,将水平调整值与初始分割窗口的边长大小相加并向下取整,获得该初始分割窗口对应位置的最终分割窗口的水平边长。在本发明实施例中,水平边长的具体表达式为:
式中,表示为水平边长,/>表示为初始分割窗口的边长大小,/>表示为初始分割窗口的灰度复杂度,/>表示为水平平均梯度值,/>表示为向下取整函数,/>表示为归一化函数,需要说明的是,归一化为本领域技术人员熟知的技术手段,归一化函数的选择可以为线性归一化或标准归一化等,具体的归一化方法在此不做限定。
其中,表示为水平权重,/>表示为水平调整值,当灰度复杂度越大,说明中心像素点与其他像素点之间的灰度差异较小,窗口内灰度较为均匀,需要更大的分割窗口提高对局部特征的分析,有效减少小变化的干扰,当水平平均梯度值越大,说明图像中的边缘变化越明显,通过增大窗口捕捉更多细节部分,减少图像中的干扰因素。
对于垂直方向上的垂直边长,其计算方法一致。将该初始分割窗口的垂直权重与初始分割窗口的边长大小的乘积作为垂直调整值,将垂直调整值与初始分割窗口的边长大小相加并向下取整,获得该初始分割窗口对应位置的最终分割窗口的垂直边长。
基于水平边长和垂直边长,获得该初始分割窗口对应位置处的最终分割窗口,对于每个位置处的初始分割窗口均进行分析,使分割窗口自适应变化,使每个位置处的最终分割窗口均能实现更好的分割效果。
亮度调节模块104,用于通过所有最终分割窗口对胃部灰度图像进行分割,获得分割结果图;根据分割结果图对冷光源进行亮度调节。
通过所有位置对应的最终分割窗口对胃部灰度图像进行整体分割,其分割主要为了分割出胃部的不同组织区域,在正常分割情况下,胃部组织的边缘是光滑且具有连续性的,因此在本发明实施例中,通过最终分割窗口对胃部灰度图像进行分割获得胃部灰度图像中的边缘线,由边缘线划分出的区域作为目标区域,例如,存在一条垂直的边缘线将胃部灰度图像划分为左右两个区域,则左右两个区域均作为目标区域。将分割后的边缘以及目标区域构成的图像作为分割结果图。分割结果图中的边缘信息和目标区域中的灰度信息即可判断光亮程度,根据分割结果图对冷光源进行亮度调节。
在本发明一个实施例中,统计分割结果图中所有边缘线的总数量作为线数量,获取分割结果图中所有边缘线的角点数量。其中,对分割结果图中所有边缘线进行角点检测获得角点,统计所有角点的数量作为角点数量,需要说明的是,角点检测为本领域技术人员熟知的技术手段在此不做赘述。将角点数量与线数量的比值作为角点评价值,将角点评价值与线数量的乘积作为边缘评价指标,边缘评价指标反映在分割结果图中边缘平均包含角点的数量和边缘线数量,当平均包含角点数量越多,边缘线越多,说明边缘分割情况较差。
进一步地,统计所有目标区域中灰度值大于预设高亮灰度阈值的像素点数量,获得灰度评价指标,当灰度评价指标越大时,说明图像中高亮像素点较多。在本发明实施例中,预设高亮灰度阈值为正数,设置为200,具体数值实施者可根据具体实施情况进行调整。
当边缘评价指标大于预设边缘阈值时,说明边缘包含角点较多且边缘较多,也即边缘的连续性和光滑性均较差,反映出冷光源亮度较低,光线不足导致边缘分割情况较为模糊,将冷光源亮度提高预设调节值。在本发明实施例中,预设调节值为正数,设置为100Lux,具体数值实施者可根据具体的内窥镜参数进行调节,在此不做设置。
当边缘评价指标小于或等于预设边缘阈值,说明边缘分割较为合理,亮度不需要提高,且灰度评价指标大于预设灰度阈值时,说明此时高亮的像素点过多,图像中存在过曝的情况,反映出冷光源亮度较高,将冷光源亮度减小预设调节值。
至此,基于对胃部灰度变化的分析,实现对胃部观察的内窥镜的亮度调节。
综上,本发明考虑到胃部灰度图像中各组织区域对应像素点的灰度分布和灰度分布变化情况是较为相似的,在对应灰度直方图中对灰度级进行划分合并得到灰度区间,以便于后续基于灰度区间之间的差异情况,考虑胃部个组织区域部分的差异程度得到较为合适的初始分割窗口。由于初始分割窗口是基于胃部灰度图像整体分析,但在不同分割位置处,其灰度差异并不相同,因此进一步根据每个位置初始分割窗口内像素点的灰度分布情况,获得每个位置自适应的最终分割窗口。最终通过最终分割窗口可以对当前光源下的胃部灰度图像进行更精准的分割,通过分割结果图进一步调节冷光源的结果更准确可靠。本发明通过特征分析得到更优的边缘分割结果,使通过分割结果进行亮度调节的结果更可信度,准确度更高。
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)
1.一种内窥镜冷光源亮度自动调节系统,其特征在于,所述系统包括:
图像获取模块,用于获取胃部灰度图像;
灰度区间划分模块,用于将胃部灰度图像对应灰度直方图中的灰度级划分为预设数量个初始区间;在相邻初始区间之间,根据灰度分布的相似情况和灰度分布变化的相似情况,获得相邻初始区间的相似指标;根据相似指标的大小将所有初始区间划分合并,获得胃部灰度图像对应灰度直方图中的灰度区间;
最终分割窗口获取模块,用于根据所有相邻灰度区间之间的灰度分布变化的相似情况和灰度变化程度,获得胃部灰度图像的初始分割窗口;通过分割中每个位置对应的初始分割窗口内像素点之间的灰度分布复杂程度,结合初始分割窗口的边长大小获得分割中每个位置对应的最终分割窗口;
亮度调节模块,用于通过所有最终分割窗口对胃部灰度图像进行分割,获得分割结果图;根据分割结果图对冷光源进行亮度调节。
2.根据权利要求1所述一种内窥镜冷光源亮度自动调节系统,其特征在于,所述相似指标的获取方法包括:
对于任意一个初始区间,计算该初始区间中每相邻两个灰度级对应幅值的斜率的绝对值,获得对应相邻两个灰度级的相邻变化度;将该初始区间中所有相邻变化度的平均值,作为该初始区间的整体变化度;
将该初始区间中所有灰度级的幅值的平均值,作为该初始区间的灰度分布度;
在相邻初始区间之间,将初始区间的整体变化度的差异作为变化差异,将初始区间的灰度分布度的差异作为分布差异;将变化差异和分布差异的乘积进行负相关映射并归一化处理,获得相邻初始区间之间的相似指标。
3.根据权利要求1所述一种内窥镜冷光源亮度自动调节系统,其特征在于,所述灰度区间的获取方法包括:
按照初始区间在灰度直方图中从左至右的顺序,将第一个初始区间作为待合并区间进行合并;
当待合并区间与后一初始区间之间的相似指标大于预设相似阈值时,将后一初始区间合并入待合并区间中,获得新的待合并区间,继续对新的待合并区间进行合并;预设相似阈值为正数;
当待合并区间与后一初始区间之间的相似指标小于或等于预设相似阈值时,将后一初始区间中的灰度级依次进行合并,获得待合并区间对应的相似序列;根据待合并区间对应的相似序列,将待合并区间与后一初始区间合并划分为灰度区间与新的后一初始区间,停止合并;
将新的后一初始区间作为新的待合并区间进行合并;当待合并区间没有后一初始区间时,停止合并,将对应的待合并区间作为灰度区间。
4.根据权利要求3所述一种内窥镜冷光源亮度自动调节系统,其特征在于,所述将后一初始区间中的灰度级依次进行合并,获得待合并区间对应的相似序列,包括:
将后一初始区间中第一个灰度级合并入待合并区间中,将合并后的待合并区间作为待分析区间,将划分出第一个灰度级的后一初始区间作为被划分区间;
计算待分析区间和被划分区间之间的相似指标;迭代将被划分区间中的第一个灰度级合并入待分析区间,获得新的待分析区间和新的被划分区间,并计算相似指标,直至被划分区间中的灰度级的数量等于预设最小灰度级数量时停止;将所有的相似指标组成待合并区间对应的相似序列。
5.根据权利要求4所述一种内窥镜冷光源亮度自动调节系统,其特征在于,所述根据待合并区间对应的相似序列,将待合并区间与后一初始区间合并划分为灰度区间与新的后一初始区间,包括:
当相似序列中存在相似指标大于预设相似阈值时,将相似指标大于预设相似阈值时对应的待分析区间作为待确定区间;将灰度级的数量最大时的待确定区间作为灰度区间,对应的被划分区间作为新的后一初始区间;
若相似序列中不存在相似指标大于预设相似阈值时,将待合并区间作为灰度区间,后一初始区间作为新的后一初始区间。
6.根据权利要求1所述一种内窥镜冷光源亮度自动调节系统,其特征在于,所述初始分割窗口的获取方法包括:
将胃部灰度图像中灰度级的极差与灰度区间总数量的比值,作为胃部灰度图像中的区间灰度变化指标;
获得每相邻两个灰度区间的变化差异,将所有变化差异的平均值作为胃部灰度图像中的分布变化指标;
将胃部灰度图像中的区间灰度变化指标与分布变化指标的乘积向下取整,获得初始分割窗口的边长大小;若初始分割窗口的边长大小为偶数,则将初始分割窗口的边长大小减一获得新的初始分割窗口的边长大小;基于边长大小获得初始分割窗口。
7.根据权利要求1所述一种内窥镜冷光源亮度自动调节系统,其特征在于,所述最终分割窗口的获取方法包括:
对于分割中任意一个位置对应的初始分割窗口,在该初始分割窗口内,计算中心像素点与每个其他像素点之间的灰度差异;将该初始分割窗口内所有的灰度差异的平均值进行负相关映射,获得该初始分割窗口的灰度复杂度;
获取该初始分割窗口内每个像素点在水平方向下的梯度值并计算平均值,获得该初始分割窗口的水平平均梯度值;获取该初始分割窗口内每个像素点在垂直方向下的梯度值并计算平均值,获得该初始分割窗口的垂直平均梯度值;
将该初始分割窗口的灰度复杂度与水平平均梯度值的乘积进行归一化处理,获得该初始分割窗口的水平权重;将该初始分割窗口的灰度复杂度与垂直平均梯度值的乘积进行归一化处理,获得该初始分割窗口的垂直权重;
将该初始分割窗口的水平权重与初始分割窗口的边长大小的乘积作为水平调整值,将水平调整值与初始分割窗口的边长大小相加并向下取整,获得该初始分割窗口对应位置的最终分割窗口的水平边长;将该初始分割窗口的垂直权重与初始分割窗口的边长大小的乘积作为垂直调整值,将垂直调整值与初始分割窗口的边长大小相加并向下取整,获得该初始分割窗口对应位置的最终分割窗口的垂直边长;
基于水平边长和垂直边长,获得该初始分割窗口对应位置处的最终分割窗口。
8.根据权利要求1所述一种内窥镜冷光源亮度自动调节系统,其特征在于,所述分割结果图的获取方法包括:
通过最终分割窗口对胃部灰度图像进行分割获得胃部灰度图像中的边缘线,由边缘线划分的区域作为目标区域;将分割后的边缘线以及目标区域构成的图像作为分割结果图。
9.根据权利要求1所述一种内窥镜冷光源亮度自动调节系统,其特征在于,所述根据分割结果图对冷光源进行亮度调节,包括:
统计分割结果图中所有边缘线的总数量作为线数量;获取分割结果图中所有边缘线的角点数量;将角点数量与线数量的比值作为边缘评价指标;
统计所有目标区域中灰度值大于预设高亮灰度阈值的像素点数量,获得灰度评价指标;预设高亮灰度阈值为正数;
当边缘评价指标大于预设边缘阈值时,将冷光源亮度提高预设调节值;当边缘评价指标小于或等于预设边缘阈值,且灰度评价指标大于预设灰度阈值时,将冷光源亮度减小预设调节值;预设调节值为正数。
10.根据权利要求9所述一种内窥镜冷光源亮度自动调节系统,其特征在于,所述获取所有边缘线的角点数量,包括:
对分割结果图中所有边缘线进行角点检测获得角点,统计分割结果图中所有角点的数量作为角点数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410046775.6A CN117557587B (zh) | 2024-01-12 | 2024-01-12 | 一种内窥镜冷光源亮度自动调节系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410046775.6A CN117557587B (zh) | 2024-01-12 | 2024-01-12 | 一种内窥镜冷光源亮度自动调节系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117557587A true CN117557587A (zh) | 2024-02-13 |
CN117557587B CN117557587B (zh) | 2024-03-19 |
Family
ID=89817117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410046775.6A Active CN117557587B (zh) | 2024-01-12 | 2024-01-12 | 一种内窥镜冷光源亮度自动调节系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117557587B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170083791A1 (en) * | 2014-06-24 | 2017-03-23 | Olympus Corporation | Image processing device, endoscope system, and image processing method |
CN115511979A (zh) * | 2022-10-14 | 2022-12-23 | 南通伊诺精密塑胶导管有限公司 | 一种基于灰度变换的内窥镜主板控制系统 |
CN116993764A (zh) * | 2023-09-26 | 2023-11-03 | 江南大学附属医院 | 一种胃部ct智能分割提取方法 |
CN117173184A (zh) * | 2023-11-03 | 2023-12-05 | 济宁市市政园林养护中心 | 基于人工智能的道路施工质量检测方法及系统 |
-
2024
- 2024-01-12 CN CN202410046775.6A patent/CN117557587B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170083791A1 (en) * | 2014-06-24 | 2017-03-23 | Olympus Corporation | Image processing device, endoscope system, and image processing method |
CN115511979A (zh) * | 2022-10-14 | 2022-12-23 | 南通伊诺精密塑胶导管有限公司 | 一种基于灰度变换的内窥镜主板控制系统 |
CN116993764A (zh) * | 2023-09-26 | 2023-11-03 | 江南大学附属医院 | 一种胃部ct智能分割提取方法 |
CN117173184A (zh) * | 2023-11-03 | 2023-12-05 | 济宁市市政园林养护中心 | 基于人工智能的道路施工质量检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
何颖;尹慧平;张耀楠;: "基于图像去噪的胃部病灶检测及分类算法研究", 数字技术与应用, no. 10, 15 October 2016 (2016-10-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117557587B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2188779B1 (en) | Extraction method of tongue region using graph-based approach and geometric properties | |
CN116152505B (zh) | 基于x光数据的骨骼目标识别分割方法 | |
CN117649357B (zh) | 一种基于图像增强的超声图像处理方法 | |
CN116503392B (zh) | 一种用于卵巢组织分析的卵泡区域分割方法 | |
CN117522719B (zh) | 基于机器学习的支气管镜图像辅助优化系统 | |
CN116993628B (zh) | 一种用于肿瘤射频消融引导的ct图像增强系统 | |
CN117853386B (zh) | 一种肿瘤图像增强方法 | |
CN116071355A (zh) | 一种用于外周血管影像的辅助分割系统及方法 | |
CN118172380B (zh) | 一种基于局部阈值的骨科腿骨智能识别分割方法 | |
CN112883824A (zh) | 一种用于智能采血的手指静脉特征识别装置及其识别方法 | |
CN113643353B (zh) | 眼底图像的血管管径的增强分辨率的测量方法 | |
CN115511979A (zh) | 一种基于灰度变换的内窥镜主板控制系统 | |
CN117408988A (zh) | 基于人工智能的病灶图像分析方法及装置 | |
CN116993764B (zh) | 一种胃部ct智能分割提取方法 | |
CN117557587B (zh) | 一种内窥镜冷光源亮度自动调节系统 | |
CN110647870A (zh) | 一种基于滑动窗计算静息态fMRI数据近似熵的方法 | |
CN106937864B (zh) | 皮肤组织估计方法及应用其的系统 | |
KR102380560B1 (ko) | 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법 | |
KR20000056228A (ko) | 단층촬영 영상으로부터의 장기 추출 및 체적산출방법 | |
CN117974530B (zh) | 一种液晶显示屏指纹模组信息优化读取方法及系统 | |
CN118247277B (zh) | 一种肺部ct影像自适应增强方法 | |
CN116503481B (zh) | 基于图像视觉引导的自动泊车位姿检测系统 | |
CN117541800B (zh) | 基于喉镜影像的喉部异常部位分割方法 | |
CN117974692B (zh) | 一种基于区域生长的眼科医学影像处理方法 | |
CN115187600B (zh) | 一种基于神经网络的脑部出血体积计算方法 |
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 |