CN117788300A - 一种输尿管镜碎石用影像增强的优化方法 - Google Patents
一种输尿管镜碎石用影像增强的优化方法 Download PDFInfo
- Publication number
- CN117788300A CN117788300A CN202410199542.XA CN202410199542A CN117788300A CN 117788300 A CN117788300 A CN 117788300A CN 202410199542 A CN202410199542 A CN 202410199542A CN 117788300 A CN117788300 A CN 117788300A
- Authority
- CN
- China
- Prior art keywords
- edge
- edge pixel
- pixel points
- target
- pixel point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000003708 edge detection Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000002708 enhancing effect Effects 0.000 claims abstract description 8
- 230000000875 corresponding effect Effects 0.000 claims description 343
- 230000014759 maintenance of location Effects 0.000 claims description 17
- 230000002596 correlated effect Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 8
- 238000009825 accumulation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 210000004400 mucous membrane Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像增强处理技术领域,具体涉及一种输尿管镜碎石用影像增强的优化方法,该方法包括:获取用于输尿管镜碎石的目标输尿管镜图像,对目标输尿管镜图像进行边缘检测;对每个目标边缘进行模糊情况分析处理;确定目标边缘上的每个边缘像素点对应的像素点选取数量;从每个边缘像素点对应的参考方向的两端各筛选出离边缘像素点最近的其对应的像素点选取数量个像素点;对边缘像素点对应的参考方向的灰度分布情况进行分析处理;对每个边缘像素点进行梯度分布分析处理;从所有边缘像素点中筛选出候选增强像素点;对目标输尿管镜图像中所有候选增强像素点进行增强。本发明实现了对目标输尿管镜图像的增强,提高了图像增强效果。
Description
技术领域
本发明涉及图像增强处理技术领域,具体涉及一种输尿管镜碎石用影像增强的优化方法。
背景技术
随着图像增强技术的不断发展,图像增强技术的应用越来越广泛,例如,可以应用于对输尿管镜影像进行图像增强,以提高图像质量。目前,对图像进行增强时,通常采用的方式为:根据图像的灰度直方图,对图像进行直方图均衡化,得到增强图像。
然而,当根据输尿管镜影像的灰度直方图,对输尿管镜影像进行直方图均衡化,实现图像增强时,经常会存在如下技术问题:
由于灰度直方图均衡化往往是按照图像的灰度值分布进行统计学上的整体图像增强,因此,直接根据输尿管镜影像的灰度直方图,对输尿管镜影像进行直方图均衡化时,可能导致某些像素点较少的真实的边缘丢失,从而导致对输尿管镜影像进行增强的效果较差。
发明内容
本发明的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
为了解决对输尿管镜影像进行增强的效果较差的技术问题,本发明提出了一种输尿管镜碎石用影像增强的优化方法。
本发明提供了一种输尿管镜碎石用影像增强的优化方法,该方法包括:
获取用于输尿管镜碎石的目标输尿管镜图像,并对目标输尿管镜图像进行边缘检测,得到目标边缘;
对每个目标边缘进行模糊情况分析处理,得到每个目标边缘对应的模糊可能性;
将每个目标边缘的拟合直线的垂直方向,确定为所述目标边缘上的每个边缘像素点对应的参考方向;
根据每个目标边缘对应的模糊可能性,确定所述目标边缘上的每个边缘像素点对应的像素点选取数量;
从每个边缘像素点对应的参考方向的两端各筛选出离所述边缘像素点最近的其对应的像素点选取数量个像素点,分别构成所述边缘像素点对应的第一参考点组和第二参考点组;
根据每个边缘像素点及其对应的第一参考点组和第二参考点组中所有像素点对应的灰度值,对所述边缘像素点对应的参考方向的灰度分布情况进行分析处理,得到所述边缘像素点对应的灰度变化差异;
根据每个边缘像素点对应的预设邻域与其所属目标边缘上的边缘像素点对应的梯度方向,对每个边缘像素点进行梯度分布分析处理,得到每个边缘像素点对应的梯度变化指标;
根据边缘像素点对应的灰度变化差异和梯度变化指标,从所有边缘像素点中筛选出候选增强像素点;
对目标输尿管镜图像中所有候选增强像素点进行增强,得到目标增强图像。
可选地,所述对每个目标边缘进行模糊情况分析处理,得到每个目标边缘对应的模糊可能性,包括:
将所述目标边缘的拟合直线上的边缘像素点之间距离中的最大值,确定为所述目标边缘的目标代表距离;
根据所述目标边缘的链码长度和目标代表距离,确定所述目标边缘对应的模糊可能性。
可选地,目标边缘对应的模糊可能性对应的公式为:
;其中,/>是第/>个目标边缘对应的模糊可能性;/>是目标边缘的序号;/>是归一化函数;/>是取绝对值函数;/>是第/>个目标边缘的链码长度;/>是第/>个目标边缘的目标代表距离。
可选地,所述根据每个目标边缘对应的模糊可能性,确定所述目标边缘上的每个边缘像素点对应的像素点选取数量,包括:
根据所述目标边缘对应的模糊可能性,确定所述目标边缘对应的参考数量,其中,模糊可能性与参考数量呈正相关;
将所述目标边缘对应的参考数量,确定为所述目标边缘上的每个边缘像素点对应的像素点选取数量。
可选地,所述根据每个边缘像素点及其对应的第一参考点组和第二参考点组中所有像素点对应的灰度值,对所述边缘像素点对应的参考方向的灰度分布情况进行分析处理,得到所述边缘像素点对应的灰度变化差异,包括:
根据每个边缘像素点及其对应的第一参考点组中所有像素点对应的灰度值,确定每个边缘像素点对应的第一变化特征;
根据每个边缘像素点及其对应的第二参考点组中所有像素点对应的灰度值,确定每个边缘像素点对应的第二变化特征;
根据每个边缘像素点对应的第一变化特征和第二变化特征,确定每个边缘像素点对应的第三变化特征,其中,第一变化特征和第二变化特征均与第三变化特征呈正相关;
根据每个边缘像素点和其对应的预设邻域内边缘像素点对应的灰度值,确定每个边缘像素点对应的第四变化特征;
根据每个边缘像素点对应的第三变化特征和第四变化特征,确定每个边缘像素点对应的灰度变化差异,其中,第三变化特征与灰度变化差异呈正相关,第四变化特征与灰度变化差异呈负相关。
可选地,边缘像素点对应的灰度变化差异对应的公式为:
;
;
;其中,/>是第/>个边缘像素点对应的灰度变化差异;/>是边缘像素点的序号;/>是第/>个边缘像素点对应的第三变化特征;/>是第/>个边缘像素点对应的第四变化特征;/>和/>是预先设置的大于0的因子;/>是第/>个边缘像素点对应的第一变化特征;/>是第/>个边缘像素点对应的第二变化特征;/>是第/>个边缘像素点对应的第一参考点组中像素点的数量;/>是在第/>个边缘像素点对应的参考方向上,第/>个边缘像素点与其对应的第一参考点组中第/>个像素点之间的像素点的数量;/>是第/>个边缘像素点对应的第一参考点组中像素点的序号;/>是取绝对值函数;/>是第/>个边缘像素点对应的第一参考点组中第/>个像素点对应的灰度值;/>是第/>个边缘像素点对应的灰度值;/>是第/>个边缘像素点对应的第二参考点组中像素点的数量;/>是在第/>个边缘像素点对应的参考方向上,第/>个边缘像素点与其对应的第二参考点组中第/>个像素点之间的像素点的数量;/>是第/>个边缘像素点对应的第二参考点组中像素点的序号;/>是第/>个边缘像素点对应的第二参考点组中第/>个像素点对应的灰度值;/>是第/>个边缘像素点对应的像素点选取数量;/>是第/>个边缘像素点所属目标边缘上所有像素点对应的灰度值的标准差;/>是第/>个边缘像素点对应的预设邻域内边缘像素点的数量;/>是第j个边缘像素点对应的预设邻域内第/>个边缘像素点对应的灰度值;/>是第/>个边缘像素点对应的预设邻域内边缘像素点的序号。
可选地,所述根据每个边缘像素点对应的预设邻域与其所属目标边缘上的边缘像素点对应的梯度方向,对每个边缘像素点进行梯度分布分析处理,得到每个边缘像素点对应的梯度变化指标,包括:
将每个目标边缘上所有边缘像素点对应的梯度方向中最多的梯度方向,确定为每个目标边缘对应的梯度代表方向;
根据每个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向,以及每个边缘像素点所属目标边缘对应的梯度代表方向,确定每个边缘像素点对应的梯度变化指标。
可选地,边缘像素点对应的梯度变化指标对应的公式为:
;其中,/>是第/>个边缘像素点对应的梯度变化指标;/>是边缘像素点的序号;/>是第/>个边缘像素点对应的梯度方向与第j个边缘像素点所属目标边缘对应的梯度代表方向之间的夹角对应的数值;/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的信息熵;/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的种类数;/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向中,第f种梯度方向的数量;f是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的种类序号;/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的数量;/>是自然对数函数。
可选地,所述根据边缘像素点对应的灰度变化差异和梯度变化指标,从所有边缘像素点中筛选出候选增强像素点,包括:
根据每个边缘像素点对应的灰度变化差异和梯度变化指标,确定每个边缘像素点对应的目标保留指标,其中,灰度变化差异与目标保留指标呈正相关,梯度变化指标与目标保留指标呈负相关;
当边缘像素点对应的目标保留指标大于预设保留阈值时,将边缘像素点,确定为候选增强像素点。
可选地,所述对目标输尿管镜图像中所有候选增强像素点进行增强,得到目标增强图像,包括:
通过锐化滤波器,对目标输尿管镜图像中所有候选增强像素点进行锐化滤波,并将锐化滤波完成的目标输尿管镜图像,确定为目标增强图像。
本发明具有如下有益效果:
本发明的一种输尿管镜碎石用影像增强的优化方法,实现了对目标输尿管镜图像的增强,提高了图像增强效果。首先,由于在输尿管镜影像中,边缘部分通常包含了重要的结构信息,而由于噪声等因素的影响,对获取的目标输尿管镜图像进行边缘检测得到的边缘中可能不全是真实的边缘,因此后续需要从边缘检测得到的目标边缘上的边缘像素点中筛选出的相对比较真实的边缘像素点,也就是候选增强像素点。接着,由于边缘的模糊情况往往与边缘的相对宽度有关,即当边缘某些位置出现像素点堆积时,往往导致边缘相对比较模糊。因此,量化目标边缘对应的模糊可能性,可以便于了解目标边缘的像素点堆积情况。然后,由于边缘的灰度情况往往与该边缘两侧的灰度情况之间的差别相对比较明显,因此目标边缘的拟合直线的垂直方向往往可以表征目标边缘的两侧所对应的方向。继续,由于不同目标边缘上像素点的堆积情况往往不同,所以对不同目标边缘上像素点进行两侧灰度变化对比时,所需要选取的像素点数量往往不同,因此,基于目标边缘对应的模糊可能性,可以量化目标边缘上的每个边缘像素点对应的像素点选取数量,并且,像素点选取数量可以表征边缘像素点每侧所需要选取的像素点数量。故,对边缘像素点对应的参考方向的灰度分布情况进行分析处理,量化的边缘像素点对应的灰度变化差异越大,往往说明该边缘像素点越可能是真实的边缘像素点,其所属的边缘越可能是真实的边缘,往往说明越应该被增强。之后,由于真实的边缘像素点的梯度分布往往与其他像素点不同,因此,对边缘像素点进行梯度分布分析处理,量化的边缘像素点对应的梯度变化指标,可以便于后续判断该边缘像素点是否为真实的边缘像素点。而后,基于边缘像素点对应的灰度变化差异和梯度变化指标,从所有边缘像素点中筛选出的候选增强像素点可以表示真实的边缘像素点。最后,对目标输尿管镜图像中所有候选增强像素点进行增强,得到目标增强图像,实现了图像增强,并且相较于灰度直方图均衡化,本发明对筛选出的真实的边缘像素点进行增强,可以使包含了重要结构信息的真实边缘更加明显,在一定程度上减少了真实边缘的丢失,提高了图像增强效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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为本发明的一种输尿管镜碎石用影像增强的优化方法的流程图。
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技术方案的具体实施方式、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”指的不一定是同一个实施例。此外,一个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。
本发明提供了一种输尿管镜碎石用影像增强的优化方法,该方法包括以下步骤:
获取用于输尿管镜碎石的目标输尿管镜图像,并对目标输尿管镜图像进行边缘检测,得到目标边缘;
对每个目标边缘进行模糊情况分析处理,得到每个目标边缘对应的模糊可能性;
将每个目标边缘的拟合直线的垂直方向,确定为目标边缘上的每个边缘像素点对应的参考方向;
根据每个目标边缘对应的模糊可能性,确定目标边缘上的每个边缘像素点对应的像素点选取数量;
从每个边缘像素点对应的参考方向的两端各筛选出离边缘像素点最近的其对应的像素点选取数量个像素点,分别构成边缘像素点对应的第一参考点组和第二参考点组;
根据每个边缘像素点及其对应的第一参考点组和第二参考点组中所有像素点对应的灰度值,对边缘像素点对应的参考方向的灰度分布情况进行分析处理,得到边缘像素点对应的灰度变化差异;
根据每个边缘像素点对应的预设邻域与其所属目标边缘上的边缘像素点对应的梯度方向,对每个边缘像素点进行梯度分布分析处理,得到每个边缘像素点对应的梯度变化指标;
根据边缘像素点对应的灰度变化差异和梯度变化指标,从所有边缘像素点中筛选出候选增强像素点;
对目标输尿管镜图像中所有候选增强像素点进行增强,得到目标增强图像。
下面对上述各个步骤进行详细展开:
参考图1,示出了根据本发明的一种输尿管镜碎石用影像增强的优化方法的一些实施例的流程。该输尿管镜碎石用影像增强的优化方法,包括以下步骤:
步骤S1,获取用于输尿管镜碎石的目标输尿管镜图像,并对目标输尿管镜图像进行边缘检测,得到目标边缘。
在一些实施例中,可以获取用于输尿管镜碎石的目标输尿管镜图像,并对目标输尿管镜图像进行边缘检测,得到目标边缘。
其中,目标输尿管镜图像可以是进行图像预处理后的输尿管镜影像。输尿管镜影像可以是通过输尿管镜所拍摄到的影像。图像预处理可以包括但不限于:灰度化和去噪处理。目标边缘可以是对目标输尿管镜图像进行边缘检测,得到的边缘。
需要说明的是,由于在输尿管镜影像中,边缘部分通常包含了重要的结构信息,而由于噪声等因素的影响,对获取的目标输尿管镜图像进行边缘检测得到的边缘中可能不全是真实的边缘,因此后续需要从边缘检测得到的目标边缘上的边缘像素点中筛选出的相对比较真实的边缘像素点,也就是候选增强像素点。
作为示例,本步骤可以包括以下步骤:
第一步,获取输尿管镜影像。
例如,在进行输尿管镜碎石手术时,通过内窥镜可以拍摄到患处影像,该影像即为输尿管镜影像,其中可以包括输尿管腔与结石影像。
需要说明的是,输尿管镜光源发出的光通过光导接头导入内窥镜内,经过照明光纤和照明透镜,照射到黏膜上,光导接头头端部的图像传感器将接收到的黏膜反射光信号转换为电信号,通过电缆线传输到图像处理装置,图像处理装置接收来自内窥镜的图像信号并转换成影像信号,由此获得输尿管镜的拍摄影像,该影像即为输尿管镜影像。其中,图像传感器可以是但不限于:CCD(Charge-Coupled Device,半导体装置)和CMOS(Complementary Metal Oxide Semiconductor,互补金属氧化物半导体)。
第二步,对输尿管镜影像进行图像预处理,得到目标输尿管镜图像可以包括以下子步骤:
第一子步骤,对输尿管镜影像进行灰度化,得到灰度图像。
第二子步骤,采用中值滤波,对灰度图像进行去噪处理,将进行去噪处理后的灰度图像,作为目标输尿管镜图像。
第三步,对目标输尿管镜图像进行边缘检测,得到目标边缘。
例如,可以通过canny算子,对目标输尿管镜图像进行边缘检测,并将检测到的每个边缘作为目标边缘。
步骤S2,对每个目标边缘进行模糊情况分析处理,得到每个目标边缘对应的模糊可能性。
在一些实施例中,可以对每个目标边缘进行模糊情况分析处理,得到每个目标边缘对应的模糊可能性。
由于边缘的模糊情况往往与边缘的相对宽度有关,即当边缘某些位置出现像素点堆积时,往往导致边缘相对比较模糊。因此,量化目标边缘对应的模糊可能性,可以便于了解目标边缘的像素点堆积情况,即存在像素点堆积的目标边缘也就是非单行边缘,单行边缘可以是由一行像素点组成的边缘。
作为示例,本步骤可以包括以下步骤:
第一步,将上述目标边缘的拟合直线上的边缘像素点之间距离中的最大值,确定为上述目标边缘的目标代表距离。
其中,目标边缘的拟合直线可以是对该目标边缘进行直线拟合,得到的拟合直线。边缘像素点可以是目标边缘上的像素点。
例如,对于每个目标边缘,可以将该目标边缘的拟合直线上每两个边缘像素点之间的距离,作为参考距离,得到该目标边缘对应的参考距离集合,并将该目标边缘对应的参考距离集合中最大的参考距离,作为该目标边缘的目标代表距离。
第二步,根据上述目标边缘的链码长度和目标代表距离,确定上述目标边缘对应的模糊可能性。
其中,目标边缘的链码长度可以是用链码表示该目标边缘的编码序列的总编码长度。
例如,确定目标边缘对应的模糊可能性对应的公式可以为:
;其中,/>是第/>个目标边缘对应的模糊可能性;/>是目标边缘的序号;/>是归一化函数;/>是取绝对值函数;/>是第/>个目标边缘的链码长度;/>是第/>个目标边缘的目标代表距离。
需要说明的是,当越接近于1,即/>越小时,往往说明第/>个目标边缘的链码长度和目标代表距离越接近,往往说明第/>个目标边缘越可能是由单行像素点组成的边缘,往往说明第/>个目标边缘的像素点堆积程度越小,往往说明第/>个目标边缘的模糊可能性越小。
步骤S3,将每个目标边缘的拟合直线的垂直方向,确定为目标边缘上的每个边缘像素点对应的参考方向。
在一些实施例中,可以将每个目标边缘的拟合直线的垂直方向,确定为上述目标边缘上的每个边缘像素点对应的参考方向。
需要说明的是,由于边缘的灰度情况往往与该边缘两侧的灰度情况之间的差别相对比较明显,因此目标边缘的拟合直线的垂直方向往往可以表征目标边缘的两侧所对应的方向。
作为示例,可以将目标边缘的拟合直线的垂直方向,作为该目标边缘上的每个边缘像素点对应的参考方向。
步骤S4,根据每个目标边缘对应的模糊可能性,确定目标边缘上的每个边缘像素点对应的像素点选取数量。
在一些实施例中,可以根据每个目标边缘对应的模糊可能性,确定上述目标边缘上的每个边缘像素点对应的像素点选取数量。
需要说明的是,由于不同目标边缘上像素点的堆积情况往往不同,所以对不同目标边缘上像素点进行两侧灰度变化对比时,所需要选取的像素点数量往往不同,因此,基于目标边缘对应的模糊可能性,可以量化目标边缘上的每个边缘像素点对应的像素点选取数量,并且,像素点选取数量可以表征边缘像素点每侧所需要选取的像素点数量。
作为示例,本步骤可以包括以下步骤:
第一步,根据上述目标边缘对应的模糊可能性,确定上述目标边缘对应的参考数量。
其中,模糊可能性可以与参考数量呈正相关。
例如,确定目标边缘对应的参考数量对应的公式可以为:
;其中,/>是第/>个目标边缘对应的参考数量。/>是目标边缘的序号。/>是向上取整函数。/>是以自然常数为底的指数函数。/>是第/>个目标边缘对应的模糊可能性。
需要说明的是,当越小时,往往说明第/>个目标边缘越可能是由单行像素点组成的边缘,往往说明第i个目标边缘的像素点堆积程度越小,往往说明第/>个目标边缘上的像素点越靠近非边缘像素点,往往说明第/>个目标边缘上的像素点离非边缘像素点相对越近,往往说明此时在边缘像素点对应的参考方向选取较少的像素点即可选到可与之进行灰度对比的非边缘像素点。因此,/>可以表征边缘像素点每侧所需要选取的像素点数量。
第二步,将上述目标边缘对应的参考数量,确定为上述目标边缘上的每个边缘像素点对应的像素点选取数量。
步骤S5,从每个边缘像素点对应的参考方向的两端各筛选出离边缘像素点最近的其对应的像素点选取数量个像素点,分别构成边缘像素点对应的第一参考点组和第二参考点组。
在一些实施例中,可以从每个边缘像素点对应的参考方向的两端各筛选出离上述边缘像素点最近的其对应的像素点选取数量个像素点,分别构成上述边缘像素点对应的第一参考点组和第二参考点组。
需要说明的是,从每个边缘像素点对应的参考方向的两端各筛选出离上述边缘像素点最近的其对应的像素点选取数量个像素点,可以便于后续分析上述边缘像素点是否为真实的边缘像素点。
作为示例,对于每个边缘像素点,记该边缘像素点对应的像素点选取数量为第一数量,可以过该边缘像素点,以该边缘像素点对应的参考方向作为直线延伸的方向,作直线,并将得到的直线作为该边缘像素点对应的参考直线;以该边缘像素点作为切割点,将该参考直线切割为两条射线,分别记为第一射线和第二射线;从第一射线上筛选出离该边缘像素点最近的第一数量个像素点,构成该边缘像素点对应的第一参考点组;从第二射线上筛选出离该边缘像素点最近的第一数量个像素点,构成该边缘像素点对应的第二参考点组。
步骤S6,根据每个边缘像素点及其对应的第一参考点组和第二参考点组中所有像素点对应的灰度值,对边缘像素点对应的参考方向的灰度分布情况进行分析处理,得到边缘像素点对应的灰度变化差异。
在一些实施例中,可以根据每个边缘像素点及其对应的第一参考点组和第二参考点组中所有像素点对应的灰度值,对上述边缘像素点对应的参考方向的灰度分布情况进行分析处理,得到上述边缘像素点对应的灰度变化差异。
需要说明的是,对边缘像素点对应的参考方向的灰度分布情况进行分析处理,量化的边缘像素点对应的灰度变化差异越大,往往说明该边缘像素点越可能是真实的边缘像素点,其所属的边缘越可能是真实的边缘,往往说明越应该被增强。
作为示例,本步骤可以包括以下步骤:
第一步,根据每个边缘像素点及其对应的第一参考点组中所有像素点对应的灰度值,确定每个边缘像素点对应的第一变化特征。
第二步,根据每个边缘像素点及其对应的第二参考点组中所有像素点对应的灰度值,确定每个边缘像素点对应的第二变化特征。
第三步,根据每个边缘像素点对应的第一变化特征和第二变化特征,确定每个边缘像素点对应的第三变化特征。
其中,第一变化特征和第二变化特征均可以与第三变化特征呈正相关。
第四步,根据每个边缘像素点和其对应的预设邻域内边缘像素点对应的灰度值,确定每个边缘像素点对应的第四变化特征。
其中,预设邻域可以是预先设置的邻域。例如,预设邻域可以是八邻域。
第五步,根据每个边缘像素点对应的第三变化特征和第四变化特征,确定每个边缘像素点对应的灰度变化差异。
其中,第三变化特征可以与灰度变化差异呈正相关。第四变化特征可以与灰度变化差异呈负相关。
例如,确定边缘像素点对应的灰度变化差异对应的公式可以为:
;
;
;其中,/>是第/>个边缘像素点对应的灰度变化差异;/>是边缘像素点的序号;/>是第/>个边缘像素点对应的第三变化特征;/>是第/>个边缘像素点对应的第四变化特征;/>和/>是预先设置的大于0的因子;/>是第/>个边缘像素点对应的第一变化特征;/>是第/>个边缘像素点对应的第二变化特征;/>是第/>个边缘像素点对应的第一参考点组中像素点的数量;/>是在第/>个边缘像素点对应的参考方向上,第/>个边缘像素点与其对应的第一参考点组中第/>个像素点之间的像素点的数量;/>是第/>个边缘像素点对应的第一参考点组中像素点的序号;/>是取绝对值函数;/>是第/>个边缘像素点对应的第一参考点组中第/>个像素点对应的灰度值;/>是第/>个边缘像素点对应的灰度值;/>是第/>个边缘像素点对应的第二参考点组中像素点的数量;/>是在第/>个边缘像素点对应的参考方向上,第/>个边缘像素点与其对应的第二参考点组中第/>个像素点之间的像素点的数量;/>是第/>个边缘像素点对应的第二参考点组中像素点的序号;/>是第/>个边缘像素点对应的第二参考点组中第/>个像素点对应的灰度值;/>是第/>个边缘像素点对应的像素点选取数量;/>是第/>个边缘像素点所属目标边缘上所有像素点对应的灰度值的标准差;/>是第/>个边缘像素点对应的预设邻域内边缘像素点的数量;/>是第j个边缘像素点对应的预设邻域内第/>个边缘像素点对应的灰度值;/>是第/>个边缘像素点对应的预设邻域内边缘像素点的序号。
需要说明的是,可以作为/>的权重,即第/>个像素点距第/>个边缘像素点越近,第/>个像素点的灰度差异对第/>个边缘像素点越重要,同理,可以作为/>的权重。当/>和/>越大时,往往说明第/>个边缘像素点与其所属目标边缘两侧之间的灰度变化越明显,往往说明第/>个边缘像素点的灰度变化越符合真实边缘像素点的特点,往往说明第/>个边缘像素点越可能是真实边缘像素点。由于真实边缘上的灰度波动往往相对较小,因此当/>越小时,往往说明第j个边缘像素点与其对应的预设邻域内边缘像素点的灰度越相近,往往说明第j个边缘像素点与其对应的预设邻域内边缘像素点的灰度波动越小,往往说明第j个边缘像素点越可能是真实边缘像素点。因此,当/>越大时,往往说明第j个边缘像素点越可能是真实边缘像素点。
步骤S7,根据每个边缘像素点对应的预设邻域与其所属目标边缘上的边缘像素点对应的梯度方向,对每个边缘像素点进行梯度分布分析处理,得到每个边缘像素点对应的梯度变化指标。
在一些实施例中,可以根据每个边缘像素点对应的预设邻域与其所属目标边缘上的边缘像素点对应的梯度方向,对每个边缘像素点进行梯度分布分析处理,得到每个边缘像素点对应的梯度变化指标。
需要说明的是,由于真实的边缘像素点的梯度分布往往与其他像素点不同,因此,对边缘像素点进行梯度分布分析处理,量化的边缘像素点对应的梯度变化指标,可以便于后续判断该边缘像素点是否为真实的边缘像素点。
作为示例,本步骤可以包括以下步骤:
第一步,将每个目标边缘上所有边缘像素点对应的梯度方向中最多的梯度方向,确定为每个目标边缘对应的梯度代表方向。
第二步,根据每个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向,以及每个边缘像素点所属目标边缘对应的梯度代表方向,确定每个边缘像素点对应的梯度变化指标。
例如,确定边缘像素点对应的梯度变化指标对应的公式可以为:
;其中,/>是第/>个边缘像素点对应的梯度变化指标。/>是边缘像素点的序号。/>是第/>个边缘像素点对应的梯度方向与第j个边缘像素点所属目标边缘对应的梯度代表方向之间的夹角对应的数值。/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的信息熵。/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的种类数。/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向中,第f种梯度方向的数量。f是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的种类序号。/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的数量。/>是自然对数函数。
需要说明的是,由于真实边缘上像素点对应的梯度方向往往比较相近,因此当越大时,往往说明第j个边缘像素点对应的预设邻域内边缘像素点的梯度方向越混乱,往往说明第j个边缘像素点越不符合真实像素点的梯度变化特征,往往说明第j个边缘像素点越可能不是真实边缘像素点。当/>越大时,往往说明第j个边缘像素点对应的梯度方向与其所属目标边缘上大多数梯度方向之间的差异越大,往往说明第j个边缘像素点越不符合真实像素点的梯度变化特征,往往说明第j个边缘像素点越可能不是真实边缘像素点。因此,当越大时,往往说明第j个边缘像素点越可能不是真实边缘像素点。
步骤S8,根据边缘像素点对应的灰度变化差异和梯度变化指标,从所有边缘像素点中筛选出候选增强像素点。
在一些实施例中,可以根据边缘像素点对应的灰度变化差异和梯度变化指标,从所有边缘像素点中筛选出候选增强像素点。
需要说明的是,基于边缘像素点对应的灰度变化差异和梯度变化指标,从所有边缘像素点中筛选出的候选增强像素点可以表示真实的边缘像素点。
作为示例,本步骤可以包括以下步骤:
第一步,根据每个边缘像素点对应的灰度变化差异和梯度变化指标,确定每个边缘像素点对应的目标保留指标。
其中,灰度变化差异可以与目标保留指标呈正相关。梯度变化指标可以与目标保留指标呈负相关。
例如,确定边缘像素点对应的目标保留指标对应的公式可以为:
;其中,/>是第j个边缘像素点对应的目标保留指标。j是边缘像素点的序号。/>是归一化函数。/>是第j个边缘像素点对应的灰度变化差异。/>是第j个边缘像素点对应的梯度变化指标。/>是预先设置的大于0的因子,主要用于防止分母为0,比如,/>可以为0.01。
需要说明的是,当越大时,往往说明第j个边缘像素点越可能是真实边缘像素点。当/>越大时,往往说明第j个边缘像素点越可能不是真实边缘像素点。因此,当/>越大时,往往说明第j个边缘像素点越可能是真实边缘像素点。
第二步,当边缘像素点对应的目标保留指标大于预设保留阈值时,将边缘像素点,确定为候选增强像素点。
其中,预设保留阈值可以是预先设置的阈值。例如,预设保留阈值可以是0.7。
步骤S9,对目标输尿管镜图像中所有候选增强像素点进行增强,得到目标增强图像。
在一些实施例中,可以对目标输尿管镜图像中所有候选增强像素点进行增强,得到目标增强图像,实现了图像增强。
作为示例,可以采用锐化滤波器,对目标输尿管镜图像中所有候选增强像素点进行锐化滤波,并将锐化滤波完成的目标输尿管镜图像,确定为目标增强图像。其中,采用的锐化滤波器可以是拉普拉斯滤波器。
需要说明的是,本发明对表征真实像素点的候选增强像素点进行锐化滤波,而没有对整个目标输尿管镜图像应用锐化,通常不会引入太多额外的噪声,可以在一定程度上避免在内窥镜影像本身就有明显噪声的情况下又引入新的噪声。
综上,相较于灰度直方图均衡化,本发明对筛选出的真实的边缘像素点进行增强,可以使包含了重要结构信息的真实边缘更加明显,在一定程度上减少了真实边缘的丢失,提高了图像增强效果。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种输尿管镜碎石用影像增强的优化方法,其特征在于,包括以下步骤:
获取用于输尿管镜碎石的目标输尿管镜图像,并对目标输尿管镜图像进行边缘检测,得到目标边缘;
对每个目标边缘进行模糊情况分析处理,得到每个目标边缘对应的模糊可能性;
将每个目标边缘的拟合直线的垂直方向,确定为所述目标边缘上的每个边缘像素点对应的参考方向;
根据每个目标边缘对应的模糊可能性,确定所述目标边缘上的每个边缘像素点对应的像素点选取数量;
从每个边缘像素点对应的参考方向的两端各筛选出离所述边缘像素点最近的其对应的像素点选取数量个像素点,分别构成所述边缘像素点对应的第一参考点组和第二参考点组;
根据每个边缘像素点及其对应的第一参考点组和第二参考点组中所有像素点对应的灰度值,对所述边缘像素点对应的参考方向的灰度分布情况进行分析处理,得到所述边缘像素点对应的灰度变化差异;
根据每个边缘像素点对应的预设邻域与其所属目标边缘上的边缘像素点对应的梯度方向,对每个边缘像素点进行梯度分布分析处理,得到每个边缘像素点对应的梯度变化指标;
根据边缘像素点对应的灰度变化差异和梯度变化指标,从所有边缘像素点中筛选出候选增强像素点;
对目标输尿管镜图像中所有候选增强像素点进行增强,得到目标增强图像。
2.根据权利要求1所述的一种输尿管镜碎石用影像增强的优化方法,其特征在于,所述对每个目标边缘进行模糊情况分析处理,得到每个目标边缘对应的模糊可能性,包括:
将所述目标边缘的拟合直线上的边缘像素点之间距离中的最大值,确定为所述目标边缘的目标代表距离;
根据所述目标边缘的链码长度和目标代表距离,确定所述目标边缘对应的模糊可能性。
3.根据权利要求2所述的一种输尿管镜碎石用影像增强的优化方法,其特征在于,目标边缘对应的模糊可能性对应的公式为:
;其中,/>是第/>个目标边缘对应的模糊可能性;/>是目标边缘的序号;/>是归一化函数;/>是取绝对值函数;/>是第/>个目标边缘的链码长度;/>是第/>个目标边缘的目标代表距离。
4.根据权利要求1所述的一种输尿管镜碎石用影像增强的优化方法,其特征在于,所述根据每个目标边缘对应的模糊可能性,确定所述目标边缘上的每个边缘像素点对应的像素点选取数量,包括:
根据所述目标边缘对应的模糊可能性,确定所述目标边缘对应的参考数量,其中,模糊可能性与参考数量呈正相关;
将所述目标边缘对应的参考数量,确定为所述目标边缘上的每个边缘像素点对应的像素点选取数量。
5.根据权利要求1所述的一种输尿管镜碎石用影像增强的优化方法,其特征在于,所述根据每个边缘像素点及其对应的第一参考点组和第二参考点组中所有像素点对应的灰度值,对所述边缘像素点对应的参考方向的灰度分布情况进行分析处理,得到所述边缘像素点对应的灰度变化差异,包括:
根据每个边缘像素点及其对应的第一参考点组中所有像素点对应的灰度值,确定每个边缘像素点对应的第一变化特征;
根据每个边缘像素点及其对应的第二参考点组中所有像素点对应的灰度值,确定每个边缘像素点对应的第二变化特征;
根据每个边缘像素点对应的第一变化特征和第二变化特征,确定每个边缘像素点对应的第三变化特征,其中,第一变化特征和第二变化特征均与第三变化特征呈正相关;
根据每个边缘像素点和其对应的预设邻域内边缘像素点对应的灰度值,确定每个边缘像素点对应的第四变化特征;
根据每个边缘像素点对应的第三变化特征和第四变化特征,确定每个边缘像素点对应的灰度变化差异,其中,第三变化特征与灰度变化差异呈正相关,第四变化特征与灰度变化差异呈负相关。
6.根据权利要求5所述的一种输尿管镜碎石用影像增强的优化方法,其特征在于,边缘像素点对应的灰度变化差异对应的公式为:
;
;
;其中,/>是第/>个边缘像素点对应的灰度变化差异;/>是边缘像素点的序号;/>是第/>个边缘像素点对应的第三变化特征;/>是第/>个边缘像素点对应的第四变化特征;/>和/>是预先设置的大于0的因子;/>是第/>个边缘像素点对应的第一变化特征;/>是第/>个边缘像素点对应的第二变化特征;/>是第/>个边缘像素点对应的第一参考点组中像素点的数量;/>是在第/>个边缘像素点对应的参考方向上,第/>个边缘像素点与其对应的第一参考点组中第/>个像素点之间的像素点的数量;/>是第/>个边缘像素点对应的第一参考点组中像素点的序号;/>是取绝对值函数;/>是第/>个边缘像素点对应的第一参考点组中第/>个像素点对应的灰度值;/>是第/>个边缘像素点对应的灰度值;是第/>个边缘像素点对应的第二参考点组中像素点的数量;/>是在第/>个边缘像素点对应的参考方向上,第/>个边缘像素点与其对应的第二参考点组中第/>个像素点之间的像素点的数量;/>是第/>个边缘像素点对应的第二参考点组中像素点的序号;/>是第/>个边缘像素点对应的第二参考点组中第/>个像素点对应的灰度值;/>是第/>个边缘像素点对应的像素点选取数量;/>是第/>个边缘像素点所属目标边缘上所有像素点对应的灰度值的标准差;/>是第/>个边缘像素点对应的预设邻域内边缘像素点的数量;/>是第j个边缘像素点对应的预设邻域内第/>个边缘像素点对应的灰度值;/>是第/>个边缘像素点对应的预设邻域内边缘像素点的序号。
7.根据权利要求1所述的一种输尿管镜碎石用影像增强的优化方法,其特征在于,所述根据每个边缘像素点对应的预设邻域与其所属目标边缘上的边缘像素点对应的梯度方向,对每个边缘像素点进行梯度分布分析处理,得到每个边缘像素点对应的梯度变化指标,包括:
将每个目标边缘上所有边缘像素点对应的梯度方向中最多的梯度方向,确定为每个目标边缘对应的梯度代表方向;
根据每个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向,以及每个边缘像素点所属目标边缘对应的梯度代表方向,确定每个边缘像素点对应的梯度变化指标。
8.根据权利要求7所述的一种输尿管镜碎石用影像增强的优化方法,其特征在于,边缘像素点对应的梯度变化指标对应的公式为:
;其中,/>是第/>个边缘像素点对应的梯度变化指标;/>是边缘像素点的序号;/>是第/>个边缘像素点对应的梯度方向与第j个边缘像素点所属目标边缘对应的梯度代表方向之间的夹角对应的数值;/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的信息熵;/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的种类数;/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向中,第f种梯度方向的数量;f是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的种类序号;/>是第j个边缘像素点对应的预设邻域内所有边缘像素点对应的梯度方向的数量;/>是自然对数函数。
9.根据权利要求1所述的一种输尿管镜碎石用影像增强的优化方法,其特征在于,所述根据边缘像素点对应的灰度变化差异和梯度变化指标,从所有边缘像素点中筛选出候选增强像素点,包括:
根据每个边缘像素点对应的灰度变化差异和梯度变化指标,确定每个边缘像素点对应的目标保留指标,其中,灰度变化差异与目标保留指标呈正相关,梯度变化指标与目标保留指标呈负相关;
当边缘像素点对应的目标保留指标大于预设保留阈值时,将边缘像素点,确定为候选增强像素点。
10.根据权利要求1所述的一种输尿管镜碎石用影像增强的优化方法,其特征在于,所述对目标输尿管镜图像中所有候选增强像素点进行增强,得到目标增强图像,包括:
通过锐化滤波器,对目标输尿管镜图像中所有候选增强像素点进行锐化滤波,并将锐化滤波完成的目标输尿管镜图像,确定为目标增强图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410199542.XA CN117788300B (zh) | 2024-02-23 | 2024-02-23 | 一种输尿管镜碎石用影像增强的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410199542.XA CN117788300B (zh) | 2024-02-23 | 2024-02-23 | 一种输尿管镜碎石用影像增强的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117788300A true CN117788300A (zh) | 2024-03-29 |
CN117788300B CN117788300B (zh) | 2024-05-10 |
Family
ID=90389228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410199542.XA Active CN117788300B (zh) | 2024-02-23 | 2024-02-23 | 一种输尿管镜碎石用影像增强的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117788300B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5268774A (en) * | 1991-11-27 | 1993-12-07 | Xerox Corporation | Halftoning with enhanced dynamic range and edge enhanced error diffusion |
US20170169276A1 (en) * | 2011-09-27 | 2017-06-15 | The Board Of Regents Of The University Of Texas System | Systems and methods for automated screening and prognosis of cancer from whole-slide biopsy images |
CN112150368A (zh) * | 2019-06-27 | 2020-12-29 | 北京金山云网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
US20220301115A1 (en) * | 2020-05-13 | 2022-09-22 | Hangzhou Glority Software Limited | Image processing method and system, and computer readable storage medium |
CN115760884A (zh) * | 2023-01-06 | 2023-03-07 | 山东恩信特种车辆制造有限公司 | 基于图像处理的半挂车表面焊渣优化分割方法 |
CN116385315A (zh) * | 2023-05-31 | 2023-07-04 | 日照天一生物医疗科技有限公司 | 用于肿瘤治疗仪模拟消融的图像增强方法及系统 |
CN116468641A (zh) * | 2023-05-23 | 2023-07-21 | 重庆邮电大学 | 一种红外血管图像增强处理方法 |
CN116703907A (zh) * | 2023-08-04 | 2023-09-05 | 合肥亚明汽车部件有限公司 | 一种基于机器视觉的汽车铸件表面缺陷检测方法 |
CN116912255A (zh) * | 2023-09-14 | 2023-10-20 | 济南宝林信息技术有限公司 | 一种用于卵巢组织分析的卵泡区域分割方法 |
CN117173049A (zh) * | 2023-09-04 | 2023-12-05 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种输尿管镜碎石取石用影像增强方法 |
CN117408890A (zh) * | 2023-12-14 | 2024-01-16 | 武汉泽塔云科技股份有限公司 | 一种视频图像传输质量增强方法及系统 |
-
2024
- 2024-02-23 CN CN202410199542.XA patent/CN117788300B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5268774A (en) * | 1991-11-27 | 1993-12-07 | Xerox Corporation | Halftoning with enhanced dynamic range and edge enhanced error diffusion |
US20170169276A1 (en) * | 2011-09-27 | 2017-06-15 | The Board Of Regents Of The University Of Texas System | Systems and methods for automated screening and prognosis of cancer from whole-slide biopsy images |
CN112150368A (zh) * | 2019-06-27 | 2020-12-29 | 北京金山云网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
US20220301115A1 (en) * | 2020-05-13 | 2022-09-22 | Hangzhou Glority Software Limited | Image processing method and system, and computer readable storage medium |
CN115760884A (zh) * | 2023-01-06 | 2023-03-07 | 山东恩信特种车辆制造有限公司 | 基于图像处理的半挂车表面焊渣优化分割方法 |
CN116468641A (zh) * | 2023-05-23 | 2023-07-21 | 重庆邮电大学 | 一种红外血管图像增强处理方法 |
CN116385315A (zh) * | 2023-05-31 | 2023-07-04 | 日照天一生物医疗科技有限公司 | 用于肿瘤治疗仪模拟消融的图像增强方法及系统 |
CN116703907A (zh) * | 2023-08-04 | 2023-09-05 | 合肥亚明汽车部件有限公司 | 一种基于机器视觉的汽车铸件表面缺陷检测方法 |
CN117173049A (zh) * | 2023-09-04 | 2023-12-05 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种输尿管镜碎石取石用影像增强方法 |
CN116912255A (zh) * | 2023-09-14 | 2023-10-20 | 济南宝林信息技术有限公司 | 一种用于卵巢组织分析的卵泡区域分割方法 |
CN117408890A (zh) * | 2023-12-14 | 2024-01-16 | 武汉泽塔云科技股份有限公司 | 一种视频图像传输质量增强方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117788300B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115082481B (zh) | 一种用于齿轮的图像增强方法 | |
CN110796615B (zh) | 一种图像去噪方法、装置以及存储介质 | |
US8712114B2 (en) | Elegant solutions for fingerprint image enhancement | |
CN116110053B (zh) | 基于图像识别的集装箱表面信息检测方法 | |
CN116993724B (zh) | 一种基于图像滤波的煤矿工业齿轮油视觉检测方法 | |
CN110047055B (zh) | 一种红外图像细节增强及去噪方法 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN115984148B (zh) | 一种高通量基因测序数据的去噪增强方法 | |
CN113012105B (zh) | 基于图像处理的纱线毛羽检测评级方法 | |
CN115619775B (zh) | 基于图像识别的物料计数方法及装置 | |
CN115131346B (zh) | 基于人工智能的发酵罐加工工序检测方法及系统 | |
CN115393216A (zh) | 基于偏振特性与大气传输模型的图像去雾方法和装置 | |
CN107170002B (zh) | 一种图像自动对焦方法和设备 | |
Dyomin et al. | Two-dimensional representation of a digital holographic image of the volume of a medium with particles as a method of depicting and processing information concerning the particles | |
CN117788300B (zh) | 一种输尿管镜碎石用影像增强的优化方法 | |
CN108230334B (zh) | 基于灰度阈值的高浓度风沙图像分割的方法 | |
CN112381084B (zh) | 断层图像的轮廓自动识别方法 | |
CN112926695A (zh) | 基于模板匹配的图像识别方法和系统 | |
CN117173180A (zh) | 基于图像增强的钢管缺陷智能检测方法 | |
CN116797484A (zh) | 基于改进暗通道先验的图像去雾方法及其系统 | |
KR101849458B1 (ko) | 디지털 병리 시스템의 영상 압축 방법 | |
CN111260588A (zh) | 一种高清数字cmos成像组件图像增强方法 | |
CN110969594A (zh) | 图像拼接方法 | |
CN114913099A (zh) | 视频文件处理的方法和系统 | |
CN115841632A (zh) | 输电线路提取方法、装置以及双目测距方法 |
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 |