CN118096581A - 用于危急重症患者生命体征监测的图像处理方法 - Google Patents

Abstract

本发明涉及图像的增强或复原技术领域，具体涉及用于危急重症患者生命体征监测的图像处理方法，该方法包括：获取用于危急重症患者生命体征监测的目标图像，对目标图像进行第一次滤波；确定目标图像中每个像素点在第一次滤波下的目标噪声系数和滤波可信程度；对每个像素点在第一次滤波下的初始滤波值进行修正；对每个像素点进行第一次滤波后的每次滤波包括：将目标图像中每个像素点对应的灰度值更新为前次滤波下的目标滤波值，通过非局部均值滤波算法，对更新后的目标图像进行本次滤波，确定每个像素点在本次滤波下的目标滤波值。本发明通过对目标图像进行图像处理，提高了图像去噪效果，从而提高了危急重症患者生命体征监测的准确度。

Description

用于危急重症患者生命体征监测的图像处理方法

技术领域

本发明涉及图像的增强或复原技术领域，具体涉及用于危急重症患者生命体征监测的图像处理方法。

背景技术

随着科技的发展，图像处理技术的应用越来越广泛，比如，可以应用于危急重症患者生命体征监测，通过图像去噪实现图像增强是一种较为常见的图像处理技术。目前，对图像进行去噪时，通常采用的方法为：通过非局部均值滤波算法，对图像进行去噪，以实现对图像的增强。

然而，当通过非局部均值滤波算法，对用于危急重症患者生命体征监测的图像进行去噪时，经常会存在如下技术问题：

通过非局部均值滤波算法进行多次滤波时往往是将像素点对应的灰度值更新为前次滤波后的灰度值，以实现多次滤波，然而通过非局部均值滤波算法对采集的图像进行不同次数滤波的可信情况往往不同，因此，通过非局部均值滤波算法进行多次滤波时，可能存在某些次数的滤波可信程度较差，从而导致最终滤波效果较差，进而导致图像去噪效果较差，从而导致对危急重症患者生命体征监测的准确度较差。

发明内容

为了解决由于图像去噪效果较差而导致对危急重症患者生命体征监测的准确度较差的技术问题，本发明提出了用于危急重症患者生命体征监测的图像处理方法。

本发明提供了用于危急重症患者生命体征监测的图像处理方法，该方法包括：

获取用于危急重症患者生命体征监测的目标图像，并通过非局部均值滤波算法，对目标图像进行第一次滤波，得到目标图像中每个像素点在第一次滤波下的初始滤波值；

根据目标图像中每个像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及目标图像中每个像素点与其参考块之外灰度值相同的像素点的邻域像素点之间的灰度差异，确定目标图像中每个像素点在第一次滤波下的目标噪声系数；

根据目标图像中每个像素点与其参考块和邻域块内所有像素点在第一次滤波下的目标噪声系数，确定目标图像中每个像素点在第一次滤波下的滤波可信程度；

根据目标图像中每个像素点在第一次滤波下的滤波可信程度，对每个像素点在第一次滤波下的初始滤波值进行修正，得到目标图像中每个像素点在第一次滤波下的目标滤波值；

根据目标图像中每个像素点在第一次滤波下的目标滤波值，通过非局部均值滤波算法，对目标图像中每个像素点进行预设数量次滤波，得到目标增强图像，其中，对每个像素点进行第一次滤波后的每次滤波包括：将目标图像中每个像素点对应的灰度值更新为前次滤波下的目标滤波值，通过非局部均值滤波算法，对更新后的目标图像进行本次滤波，确定每个像素点在本次滤波下的目标滤波值。

可选地，所述根据目标图像中每个像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及目标图像中每个像素点与其参考块之外灰度值相同的像素点的邻域像素点之间的灰度差异，确定目标图像中每个像素点在第一次滤波下的目标噪声系数，包括：

将所述目标图像中任意一个像素点确定为标记像素点，将所述目标图像中除了所述标记像素点对应的参考块之外区域，确定为所述标记像素点对应的候选区域；

根据所述标记像素点对应的参考块内与所述标记像素点灰度值相同的像素点数量，以及所述标记像素点对应的候选区域内与所述标记像素点灰度值相同的像素点数量，确定所述标记像素点对应的相对数量指标；

根据所述标记像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及所述标记像素点与其候选区域内灰度值相同的像素点的邻域像素点之间的灰度差异，确定所述标记像素点对应的相对灰度差异；

根据所述标记像素点对应的相对数量指标和相对灰度差异，确定所述标记像素点在第一次滤波下的目标噪声系数。

可选地，所述根据所述标记像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及所述标记像素点与其候选区域内灰度值相同的像素点的邻域像素点之间的灰度差异，确定所述标记像素点对应的相对灰度差异，包括：

根据所述标记像素点与其候选区域内灰度值相同的像素点的邻域像素点之间的灰度差异，确定所述标记像素点对应的第一差异因子；

根据所述标记像素点与其预设邻域内所有邻域像素点之间的灰度差异，确定所述标记像素点对应的第二差异因子；

将所述标记像素点对应的第一差异因子与第二差异因子的差值绝对值，确定为所述标记像素点对应的相对灰度差异。

可选地，目标图像中的像素点在第一次滤波下的目标噪声系数对应的公式为：

；

；

；

其中，是目标图像中第/>个像素点在第一次滤波下的目标噪声系数；/>是目标图像中像素点的序号；/>是以自然常数为底的指数函数；/>是目标图像中第/>个像素点对应的相对数量指标；/>是目标图像中第/>个像素点对应的相对灰度差异；/>和/>是预先设置的大于0的因子；/>是目标图像中第/>个像素点对应的参考块内，对应的灰度值等于/>的像素点的数量；/>是目标图像中第/>个像素点对应的候选区域内，对应的灰度值等于/>的像素点的数量；/>是取绝对值函数；/>是目标图像中第/>个像素点对应的第一差异因子；/>是目标图像中第/>个像素点对应的第二差异因子；/>是目标图像中第/>个像素点对应的候选区域内，对应的灰度值等于/>的像素点的序号；/>是预设邻域内邻域像素点的数量；/>是预设邻域内邻域像素点的序号；/>是目标图像中第/>个像素点对应的灰度值；/>是目标图像中第/>个像素点对应的候选区域内，对应的灰度值等于/>的第/>个像素点对应的预设邻域内，第/>个邻域像素点对应的灰度值；/>是目标图像中第/>个像素点对应的预设邻域内第/>个邻域像素点对应的灰度值。

可选地，所述根据目标图像中每个像素点与其参考块和邻域块内所有像素点在第一次滤波下的目标噪声系数，确定目标图像中每个像素点在第一次滤波下的滤波可信程度，包括：

将所述目标图像中任意一个像素点确定为标记像素点，根据所述标记像素点对应的参考块内所有像素点在第一次滤波下的目标噪声系数，确定所述标记像素点在第一次滤波下的第一可信指标；

根据所述标记像素点对应的所有邻域块内所有像素点在第一次滤波下的目标噪声系数，确定所述标记像素点在第一次滤波下的第二可信指标；

根据所述标记像素点在第一次滤波下的第一可信指标和第二可信指标，确定所述标记像素点在第一次滤波下的滤波可信程度。

可选地，第一可信指标和第二可信指标均与滤波可信程度呈正相关。

可选地，目标图像中的像素点在第一次滤波下的滤波可信程度对应的公式为：

；

；

；

其中，是目标图像中第/>个像素点在第一次滤波下的滤波可信程度；/>是目标图像中像素点的序号；/>是目标图像中第/>个像素点在第一次滤波下的第一可信指标；/>是目标图像中第/>个像素点在第一次滤波下的第二可信指标；/>是目标图像中第/>个像素点在第一次滤波下的目标噪声系数；/>是目标图像中所有像素点在第一次滤波下的目标噪声系数中的最大值；/>是以自然常数为底的指数函数；/>是参考块内像素点的数量；/>是参考块内像素点的序号；/>是目标图像中第/>个像素点对应的参考块内第/>个像素点在第一次滤波下的目标噪声系数；/>是邻域块的数量；/>是邻域块内像素点的数量；/>是邻域块的序号；/>是邻域块内像素点的序号；/>是目标图像中第/>个像素点对应的第/>个邻域块内第/>个像素点在第一次滤波下的目标噪声系数。

可选地，所述根据目标图像中每个像素点在第一次滤波下的滤波可信程度，对每个像素点在第一次滤波下的初始滤波值进行修正，得到目标图像中每个像素点在第一次滤波下的目标滤波值，包括：

将所述目标图像中任意一个像素点确定为标记像素点，根据所述标记像素点对应的灰度值和其在第一次滤波下的初始滤波值，确定所述标记像素点在第一次滤波下的灰度改变值；

根据所述标记像素点在第一次滤波下的灰度改变值和滤波可信程度，确定所述标记像素点在第一次滤波下的改变保留值；

根据所述标记像素点对应的灰度值和其在第一次滤波下的改变保留值，确定所述标记像素点在第一次滤波下的目标滤波值。

可选地，所述根据所述标记像素点在第一次滤波下的灰度改变值和滤波可信程度，确定所述标记像素点在第一次滤波下的改变保留值，包括：

将所述标记像素点在第一次滤波下的灰度改变值和滤波可信程度的乘积，确定为所述标记像素点在第一次滤波下的改变保留值。

可选地，目标图像中的像素点在第一次滤波下的目标滤波值对应的公式为：

；

；

其中，是目标图像中第/>个像素点在第一次滤波下的目标滤波值；/>是目标图像中像素点的序号；/>是目标图像中第/>个像素点对应的灰度值；/>是目标图像中第/>个像素点在第一次滤波下的灰度改变值；/>是目标图像中第/>个像素点在第一次滤波下的滤波可信程度；/>是目标图像中第/>个像素点在第一次滤波下的改变保留值；/>是目标图像中第/>个像素点在第一次滤波下的初始滤波值。

本发明具有如下有益效果：

本发明的用于危急重症患者生命体征监测的图像处理方法，通过对目标图像进行图像处理，解决了由于图像去噪效果较差而导致对危急重症患者生命体征监测的准确度较差的技术问题，提高了图像去噪效果和危急重症患者生命体征监测的准确度。首先，量化的目标图像中的像素点在第一次滤波下的初始滤波值可以表征像素点在第一次滤波后的灰度值。接着，量化的像素点在第一次滤波下的目标噪声系数越大时，往往说明该像素点在第一次滤波前是噪声点的可能性越大，往往说明对该像素点进行滤波时该像素点的灰度值需要改变的程度越大。然后，由于通过非局部均值滤波算法进行滤波的滤波效果往往与参考块和邻域块内像素点的噪声情况有关，所以，基于像素点与其参考块和邻域块内所有像素点在第一次滤波下的目标噪声系数，量化的像素点在第一次滤波下的滤波可信程度可以表征像素点在第一次滤波时的滤波效果，其值越大，往往说明像素点的第一次滤波越可信，往往说明越应该保留像素点在第一次滤波后的灰度值。因此，基于像素点在第一次滤波下的滤波可信程度，对该像素点在第一次滤波下的初始滤波值进行修正，可以在一定程度上比较准确地修正第一次的滤波结果，从而提高第一次滤波效果，进而提高图像去噪效果。最后，相较于通过非局部均值滤波算法进行多次滤波时直接将像素点对应的灰度值更新为前次滤波后的灰度值，以实现多次滤波，本发明综合考虑了多个与滤波可信程度相关的指标，比如，目标噪声系数和滤波可信程度，量化了每次滤波时的可信程度，并基于滤波可信程度，对初始滤波值进行修正，并基于修正后的初始滤波值，实现了对目标图像的多次滤波，可以在一定程度上避免由于某些次数的滤波可信程度较差而导致图像去噪效果较差的问题，进而提高了图像去噪效果，从而提高了危急重症患者生命体征监测的准确度。

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为本发明的用于危急重症患者生命体征监测的图像处理方法的流程图。

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。

监测危急重症患者的生命体征不仅可以及时发现患者生理状态的异常变化，还能为医护人员提供实时数据支持，指导临床决策，有效降低患者并发症的风险，提高患者的生存率和康复率。而基于图像处理的监测系统则为这项工作带来了许多优势，实现了对患者的非侵入性监测，无需插入传感器或触碰患者皮肤，减少了交叉感染的风险，基于图像处理的监测系统具备自动化和智能化的特点，能够自动分析和识别患者的生命体征数据，减少了医护人员的工作负担，提高监测的准确性和效率。最重要的是，这种系统可以实现远程监测，医护人员可以通过互联网随时随地监测患者的生命体征，及时发现异常情况并采取相应措施，为医疗工作提供了全新的解决方案，大大提高了监测的效率和质量，有助于改善患者的治疗体验和康复效果。然而，用于监测系统的图像可能由于噪声的影响，从而导致采集的图像质量较差，因此，往往需要对采集的图像进行去噪处理，以提高图像质量。本发明主要基于非局部均值滤波算法，自适应修正每次滤波后的灰度值，从而提高每次滤波的滤波效果，进而提高对采集图像的去噪效果。

参考图1，示出了根据本发明的用于危急重症患者生命体征监测的图像处理方法的一些实施例的流程。该用于危急重症患者生命体征监测的图像处理方法，包括以下步骤：

步骤S1，获取用于危急重症患者生命体征监测的目标图像，并通过非局部均值滤波算法，对目标图像进行第一次滤波，得到目标图像中每个像素点在第一次滤波下的初始滤波值。

其中，目标图像可以是用于危急重症患者生命体征监测的图像。例如，目标图像可以是危急重症患者的胸片。像素点在第一次滤波下的初始滤波值可以是通过非局部均值滤波算法，对该像素点进行第一次滤波后得到的灰度值。

需要说明的是，量化的目标图像中的像素点在第一次滤波下的初始滤波值可以表征像素点在第一次滤波后的灰度值。

作为示例，本步骤可以包括以下步骤：

第一步，可以通过拍片机，采集危急重症患者的胸片，作为目标图像。

第二步，可以通过非局部均值滤波算法，对目标图像进行第一次滤波，并将目标图像中的像素点在第一次滤波后的灰度值，作为该像素点在第一次滤波下的初始滤波值。

步骤S2，根据目标图像中每个像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及目标图像中每个像素点与其参考块之外灰度值相同的像素点的邻域像素点之间的灰度差异，确定目标图像中每个像素点在第一次滤波下的目标噪声系数。

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。邻域像素点，也就是预设邻域内的像素点。

需要说明的是，量化的像素点在第一次滤波下的目标噪声系数越大时，往往说明该像素点在第一次滤波前是噪声点的可能性越大，往往说明对该像素点进行滤波时该像素点的灰度值需要改变的程度越大。其次，在计算像素点在第一次滤波下的目标噪声系数的过程中，若无特殊说明，该计算过程中提到的像素点对应的灰度值均为像素点在目标图像中的灰度值，也就是像素点在第一次滤波前的灰度值；该计算过程中提到的像素点对应的参考块均为像素点通过非局部均值滤波算法进行第一次滤波时的参考块。像素点对应的参考块可以是以该像素点为中心的5×5的方形区域。

作为示例，本步骤可以包括以下步骤：

第一步，将上述目标图像中任意一个像素点确定为标记像素点，将上述目标图像中除了上述标记像素点对应的参考块之外区域，确定为上述标记像素点对应的候选区域。

第二步，根据上述标记像素点对应的参考块内与上述标记像素点灰度值相同的像素点数量，以及上述标记像素点对应的候选区域内与上述标记像素点灰度值相同的像素点数量，确定上述标记像素点对应的相对数量指标。

第三步，根据上述标记像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及上述标记像素点与其候选区域内灰度值相同的像素点的邻域像素点之间的灰度差异，确定上述标记像素点对应的相对灰度差异可以包括以下子步骤：

第一子步骤，根据上述标记像素点与其候选区域内灰度值相同的像素点的邻域像素点之间的灰度差异，确定上述标记像素点对应的第一差异因子。

第二子步骤，根据上述标记像素点与其预设邻域内所有邻域像素点之间的灰度差异，确定上述标记像素点对应的第二差异因子。

第三子步骤，将上述标记像素点对应的第一差异因子与第二差异因子的差值绝对值，确定为上述标记像素点对应的相对灰度差异。

第四步，根据上述标记像素点对应的相对数量指标和相对灰度差异，确定上述标记像素点在第一次滤波下的目标噪声系数。

例如，确定目标图像中的像素点在第一次滤波下的目标噪声系数对应的公式可以为：

；

；

；

其中，是目标图像中第/>个像素点在第一次滤波下的目标噪声系数。/>是目标图像中像素点的序号。/>是以自然常数为底的指数函数。/>是目标图像中第/>个像素点对应的相对数量指标。/>是目标图像中第/>个像素点对应的相对灰度差异。/>和/>是预先设置的大于0的因子，主要用于防止分母为0，比如，/>和/>可以为0.001。/>是目标图像中第/>个像素点对应的参考块内，对应的灰度值等于/>的像素点的数量。/>是目标图像中第个像素点对应的候选区域内，对应的灰度值等于/>的像素点的数量。/>是取绝对值函数。是目标图像中第/>个像素点对应的第一差异因子。/>是目标图像中第/>个像素点对应的第二差异因子。/>是目标图像中第/>个像素点对应的候选区域内，对应的灰度值等于/>的像素点的序号。/>是预设邻域内邻域像素点的数量。/>是预设邻域内邻域像素点的序号。/>是目标图像中第/>个像素点对应的灰度值。/>是目标图像中第/>个像素点对应的候选区域内，对应的灰度值等于/>的第/>个像素点对应的预设邻域内，第/>个邻域像素点对应的灰度值。是目标图像中第/>个像素点对应的预设邻域内第/>个邻域像素点对应的灰度值。

需要说明的是，当越小时，往往说明第/>个像素点对应的参考块内灰度值等于的像素点在候选区域内灰度值等于/>的像素点之间的数量比值相对越小，往往说明第/>个像素点对应的参考块内灰度值等于/>的像素点相对越少，往往说明第/>个像素点在参考块内越可能符合噪声点孤立的特征，往往说明第/>个像素点越可能是噪声点。一般来说，用于危急重症患者生命体征监测的图像往往是拍摄的人体器官图像，比如，胸片，因此，在不受噪声的影响下，用于危急重症患者生命体征监测的图像中的像素点与其邻域像素点之间的灰度差异往往相对较小。而噪声点由于其随机性的影响，噪声点与其邻域像素点之间的灰度差异往往相对较大。当/>越大时，往往说明第/>个像素点对应的候选区域内灰度值等于第/>个像素点灰度值的像素点，与其邻域像素点之间的灰度差异越大；往往说明参考块之外灰度值等于/>的像素点与其邻域像素点之间的灰度差异越大。当/>越大时，往往说明第/>个像素点与其邻域像素点之间的灰度差异越大。当/>越大时，往往说明第/>个像素点与其邻域像素点之间的灰度差异相对越大，往往说明第/>个像素点越可能是噪声点。因此，当越大时，往往说明第/>个像素点越可能是噪声点，往往说明第/>个像素点在第一次滤波前是噪声点的可能性越大，往往说明对第/>个像素点进行第一次滤波时该像素点的灰度值需要改变的程度越大。

可选地，目标图像中第个像素点在第一次滤波下的目标噪声系数/>对应的公式还可以为：

。

步骤S3，根据目标图像中每个像素点与其参考块和邻域块内所有像素点在第一次滤波下的目标噪声系数，确定目标图像中每个像素点在第一次滤波下的滤波可信程度。

需要说明的是，由于通过非局部均值滤波算法进行滤波的滤波效果往往与参考块和邻域块内像素点的噪声情况有关，所以，基于像素点与其参考块和邻域块内所有像素点在第一次滤波下的目标噪声系数，量化的像素点在第一次滤波下的滤波可信程度可以表征像素点在第一次滤波时的滤波效果，其值越大，往往说明像素点的第一次滤波越可信，往往说明越应该保留像素点在第一次滤波后的灰度值。其次，在计算像素点在第一次滤波下的滤波可信程度的过程中，若无特殊说明，该计算过程中提到的像素点对应的参考块和邻域块分别为对像素点通过非局部均值滤波算法进行第一次滤波时的参考块和邻域块。像素点对应的邻域块可以是通过非局部均值滤波算法在整个图像范围内搜索得到的与其参考块相似的5×5的方形区域。

作为示例，本步骤可以包括以下步骤：

第一步，将上述目标图像中任意一个像素点确定为标记像素点，根据上述标记像素点对应的参考块内所有像素点在第一次滤波下的目标噪声系数，确定上述标记像素点在第一次滤波下的第一可信指标。

第二步，根据上述标记像素点对应的所有邻域块内所有像素点在第一次滤波下的目标噪声系数，确定上述标记像素点在第一次滤波下的第二可信指标。

第三步，根据上述标记像素点在第一次滤波下的第一可信指标和第二可信指标，确定上述标记像素点在第一次滤波下的滤波可信程度。

其中，第一可信指标和第二可信指标均可以与滤波可信程度呈正相关。

例如，确定目标图像中的像素点在第一次滤波下的滤波可信程度对应的公式可以为：

；

；

；

其中，是目标图像中第/>个像素点在第一次滤波下的滤波可信程度，其值对应的取值范围可以为[0，1]。/>是目标图像中像素点的序号。/>是目标图像中第/>个像素点在第一次滤波下的第一可信指标。/>是目标图像中第/>个像素点在第一次滤波下的第二可信指标。/>是目标图像中第/>个像素点在第一次滤波下的目标噪声系数。/>是目标图像中所有像素点在第一次滤波下的目标噪声系数中的最大值。/>是以自然常数为底的指数函数。/>是参考块内像素点的数量。/>是参考块内像素点的序号。/>是目标图像中第/>个像素点对应的参考块内第/>个像素点在第一次滤波下的目标噪声系数。/>是邻域块的数量。/>是邻域块内像素点的数量。/>是邻域块的序号。/>是邻域块内像素点的序号。/>是目标图像中第/>个像素点对应的第/>个邻域块内第/>个像素点在第一次滤波下的目标噪声系数。

需要说明的是，当越大时，往往说明第/>个像素点在第一次滤波前是噪声点的可能性越大，往往说明对第/>个像素点进行第一次滤波时该像素点的灰度值需要改变的程度越大，往往说明越需要保留对第/>个像素点进行第一次滤波时的灰度改变值。/>主要用于实现归一化。一般来说，参考块的噪声表现越明显，那么滤波结果的可信度越低，因为在非局部均值滤波中，为了平滑噪声，往往会对较大噪声差异的像素应用较大的权重，而如果参考块的噪声表现明显，可能会导致边缘部分的像素受到过度平滑，边缘细节被模糊化，从而降低滤波结果的可信度。当/>越大时，往往说明第/>个像素点对应的参考块内的噪声表现越明显，往往说明通过非局部均值滤波算法对第/>个像素点进行第一次滤波时的可信程度越小，往往说明越不需要保留对第/>个像素点进行第一次滤波时的灰度改变值。一般来说，邻域块的噪声表现越明显，那么滤波结果的可信度越低，这是因为如果邻域块中包含明显的噪声，非局部均值滤波过程可能会出现模糊和失真，即，非局部均值滤波算法试图通过对邻域块进行平均来抑制噪声，但如果邻域块噪声太过明显，滤波结果可能会过度平滑，进而导致图像细节的丢失，从而影响结果的可信度。当/>越大时，往往说明第/>个像素点对应的邻域块内的噪声表现越明显，往往说明通过非局部均值滤波算法对第/>个像素点进行第一次滤波时的可信程度越小，往往说明越不需要保留对第/>个像素点进行第一次滤波时的灰度改变值。因此，当/>越大时，往往说明第/>个像素点在第一次滤波前是噪声点的可能性越大，并且通过非局部均值滤波算法对第/>个像素点进行第一次滤波时的可信程度越大，往往说明越需要保留对第/>个像素点进行第一次滤波时的灰度改变值。

步骤S4，根据目标图像中每个像素点在第一次滤波下的滤波可信程度，对每个像素点在第一次滤波下的初始滤波值进行修正，得到目标图像中每个像素点在第一次滤波下的目标滤波值。

需要说明的是，基于像素点在第一次滤波下的滤波可信程度，对该像素点在第一次滤波下的初始滤波值进行修正，可以在一定程度上比较准确地修正第一次的滤波结果，从而提高第一次滤波效果，进而提高图像去噪效果。其次，在计算像素点在第一次滤波下的滤波可信程度的过程中，若无特殊说明，该计算过程中提到的像素点对应的灰度值均为像素点在目标图像中的灰度值，也就是像素点在第一次滤波前的灰度值。

作为示例，本步骤可以包括以下步骤：

第一步，将上述目标图像中任意一个像素点确定为标记像素点，根据上述标记像素点对应的灰度值和其在第一次滤波下的初始滤波值，确定上述标记像素点在第一次滤波下的灰度改变值。

第二步，根据上述标记像素点在第一次滤波下的灰度改变值和滤波可信程度，确定上述标记像素点在第一次滤波下的改变保留值。

例如，可以将上述标记像素点在第一次滤波下的灰度改变值和滤波可信程度的乘积，确定为上述标记像素点在第一次滤波下的改变保留值。

第三步，根据上述标记像素点对应的灰度值和其在第一次滤波下的改变保留值，确定上述标记像素点在第一次滤波下的目标滤波值。

例如，确定目标图像中的像素点在第一次滤波下的目标滤波值对应的公式可以为：

；

；

其中，是目标图像中第/>个像素点在第一次滤波下的目标滤波值。/>是目标图像中像素点的序号。/>是目标图像中第/>个像素点对应的灰度值。/>是目标图像中第/>个像素点在第一次滤波下的灰度改变值。/>是目标图像中第/>个像素点在第一次滤波下的滤波可信程度。/>是目标图像中第/>个像素点在第一次滤波下的改变保留值。/>是目标图像中第/>个像素点在第一次滤波下的初始滤波值。

需要说明的是，当越大，也就是/>越接近于1时，往往说明越需要保留对第/>个像素点进行第一次滤波时的灰度改变值。因此，/>可以表征对第/>个像素点进行第一次滤波修正后的灰度值，其对应的去噪效果相对较好，可以表征对第/>个像素点进行第二次滤波时待滤波的灰度值。

步骤S5，根据目标图像中每个像素点在第一次滤波下的目标滤波值，通过非局部均值滤波算法，对目标图像中每个像素点进行预设数量次滤波，得到目标增强图像。

其中，预设数量可以是预先设置的数量。例如，预设数量可以为5。对每个像素点进行第一次滤波后的每次滤波包括：将目标图像中每个像素点对应的灰度值更新为前次滤波下的目标滤波值，得到更新后的目标图像，通过非局部均值滤波算法，对更新后的目标图像进行本次滤波，确定更新后的目标图像中每个像素点在本次滤波下的目标滤波值。目标增强图像可以为最终滤波完成的目标图像。

需要说明的是，本发明主要是对每次滤波后的灰度值进行修正，得到目标滤波值，作为每次滤波后的最终灰度值，并在每次滤波过程中，将前次滤波后的最终灰度值作为待滤波的灰度值，以实现图像滤波去噪。并且，对像素点进行第一次滤波之后的每次滤波得到的灰度值进行修正的方法，可以与对像素点进行第一次滤波得到的灰度值进行修正的方法相同。

作为示例，由于对目标图像中的像素点进行第一次滤波后的每次滤波方法均相同，所以，为了便于理解，该示例以对目标图像中的像素点进行第三次滤波为例，对目标图像中的像素点进行第三次滤波可以包括以下步骤：

第一步，将目标图像中像素点对应的灰度值更新为其第二次滤波下的目标滤波值，并将此时得到的更新后的目标图像，作为第二更新图像；通过非局部均值滤波算法，对第二更新图像进行一次滤波，也就是对目标图像进行第三次滤波，并将该次滤波后的灰度值，作为像素点在第三次滤波下的初始滤波值。

第二步，可以采用与目标图像中像素点在第一次滤波下的目标噪声系数的确定方法相同的方法，确定目标图像中的像素点在第三次滤波下的目标噪声系数，具体可以为：将目标图像中像素点对应的灰度值更新为其第二次滤波下的目标滤波值，执行步骤S2，得到像素点在第三次滤波下的目标噪声系数。

需要说明的是，在计算像素点在第三次滤波下的目标噪声系数的过程中，若无特殊说明，该计算过程中用到的像素点对应的灰度值均为像素点在第二次滤波下的目标滤波值；该计算过程中用到的像素点对应的参考块均为对像素点进行第三次滤波时的参考块。

第三步，可以采用与目标图像中像素点在第一次滤波下的滤波可信程度的确定方法相同的方法，确定目标图像中的像素点在第三次滤波下的滤波可信程度，具体可以为：将目标图像中像素点对应的灰度值更新为其第二次滤波下的目标滤波值，执行步骤S3，得到像素点在第三次滤波下的滤波可信程度。

需要说明的是，在计算像素点在第三次滤波下的滤波可信程度的过程中，若无特殊说明，该计算过程中用到的像素点对应的参考块和邻域块分别为对像素点进行第三次滤波时的参考块和邻域块。

第四步，可以采用与目标图像中像素点在第一次滤波下的目标滤波值的确定方法相同的方法，确定目标图像中的像素点在第三次滤波下的目标滤波值，具体可以为：将目标图像中像素点对应的灰度值更新为其第二次滤波下的目标滤波值，并将像素点在第一次滤波下的滤波可信程度和初始滤波值分别更新为其在第三次滤波下的滤波可信程度和初始滤波值，执行步骤S4，得到像素点在第三次滤波下的目标滤波值。

需要说明的是，在计算像素点在第三次滤波下的目标滤波值的过程中，若无特殊说明，该计算过程中用到的像素点对应的灰度值均为像素点在第二次滤波下的目标滤波值。

综上，相较于通过非局部均值滤波算法进行多次滤波时直接将像素点对应的灰度值更新为前次滤波后的灰度值，以实现多次滤波，本发明综合考虑了多个与滤波可信程度相关的指标，比如，目标噪声系数和滤波可信程度，量化了每次滤波时的可信程度，并基于滤波可信程度，对初始滤波值进行修正，并基于修正后的初始滤波值，实现了对目标图像的多次滤波，可以在一定程度上避免由于某些次数的滤波可信程度较差而导致图像去噪效果较差的问题，进而提高了图像去噪效果，从而提高了危急重症患者生命体征监测的准确度。

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)

1.一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，包括以下步骤：

获取用于危急重症患者生命体征监测的目标图像，并通过非局部均值滤波算法，对目标图像进行第一次滤波，得到目标图像中每个像素点在第一次滤波下的初始滤波值；

根据目标图像中每个像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及目标图像中每个像素点与其参考块之外灰度值相同的像素点的邻域像素点之间的灰度差异，确定目标图像中每个像素点在第一次滤波下的目标噪声系数；

根据目标图像中每个像素点与其参考块和邻域块内所有像素点在第一次滤波下的目标噪声系数，确定目标图像中每个像素点在第一次滤波下的滤波可信程度；

根据目标图像中每个像素点在第一次滤波下的滤波可信程度，对每个像素点在第一次滤波下的初始滤波值进行修正，得到目标图像中每个像素点在第一次滤波下的目标滤波值；

根据目标图像中每个像素点在第一次滤波下的目标滤波值，通过非局部均值滤波算法，对目标图像中每个像素点进行预设数量次滤波，得到目标增强图像，其中，对每个像素点进行第一次滤波后的每次滤波包括：将目标图像中每个像素点对应的灰度值更新为前次滤波下的目标滤波值，通过非局部均值滤波算法，对更新后的目标图像进行本次滤波，确定每个像素点在本次滤波下的目标滤波值。

2.根据权利要求1所述的一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，所述根据目标图像中每个像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及目标图像中每个像素点与其参考块之外灰度值相同的像素点的邻域像素点之间的灰度差异，确定目标图像中每个像素点在第一次滤波下的目标噪声系数，包括：

将所述目标图像中任意一个像素点确定为标记像素点，将所述目标图像中除了所述标记像素点对应的参考块之外区域，确定为所述标记像素点对应的候选区域；

根据所述标记像素点对应的参考块内与所述标记像素点灰度值相同的像素点数量，以及所述标记像素点对应的候选区域内与所述标记像素点灰度值相同的像素点数量，确定所述标记像素点对应的相对数量指标；

根据所述标记像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及所述标记像素点与其候选区域内灰度值相同的像素点的邻域像素点之间的灰度差异，确定所述标记像素点对应的相对灰度差异；

根据所述标记像素点对应的相对数量指标和相对灰度差异，确定所述标记像素点在第一次滤波下的目标噪声系数。

3.根据权利要求2所述的一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，所述根据所述标记像素点与其预设邻域内所有邻域像素点之间的灰度差异，以及所述标记像素点与其候选区域内灰度值相同的像素点的邻域像素点之间的灰度差异，确定所述标记像素点对应的相对灰度差异，包括：

根据所述标记像素点与其候选区域内灰度值相同的像素点的邻域像素点之间的灰度差异，确定所述标记像素点对应的第一差异因子；

根据所述标记像素点与其预设邻域内所有邻域像素点之间的灰度差异，确定所述标记像素点对应的第二差异因子；

将所述标记像素点对应的第一差异因子与第二差异因子的差值绝对值，确定为所述标记像素点对应的相对灰度差异。

4.根据权利要求3所述的一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，目标图像中的像素点在第一次滤波下的目标噪声系数对应的公式为：

；

；

；

其中，是目标图像中第/>个像素点在第一次滤波下的目标噪声系数；/>是目标图像中像素点的序号；/>是以自然常数为底的指数函数；/>是目标图像中第/>个像素点对应的相对数量指标；/>是目标图像中第/>个像素点对应的相对灰度差异；/>和/>是预先设置的大于0的因子；/>是目标图像中第/>个像素点对应的参考块内，对应的灰度值等于/>的像素点的数量；/>是目标图像中第/>个像素点对应的候选区域内，对应的灰度值等于/>的像素点的数量；/>是取绝对值函数；/>是目标图像中第/>个像素点对应的第一差异因子；/>是目标图像中第/>个像素点对应的第二差异因子；/>是目标图像中第/>个像素点对应的候选区域内，对应的灰度值等于/>的像素点的序号；/>是预设邻域内邻域像素点的数量；/>是预设邻域内邻域像素点的序号；/>是目标图像中第/>个像素点对应的灰度值；/>是目标图像中第/>个像素点对应的候选区域内，对应的灰度值等于/>的第/>个像素点对应的预设邻域内，第/>个邻域像素点对应的灰度值；/>是目标图像中第/>个像素点对应的预设邻域内第/>个邻域像素点对应的灰度值。

5.根据权利要求1所述的一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，所述根据目标图像中每个像素点与其参考块和邻域块内所有像素点在第一次滤波下的目标噪声系数，确定目标图像中每个像素点在第一次滤波下的滤波可信程度，包括：

将所述目标图像中任意一个像素点确定为标记像素点，根据所述标记像素点对应的参考块内所有像素点在第一次滤波下的目标噪声系数，确定所述标记像素点在第一次滤波下的第一可信指标；

根据所述标记像素点对应的所有邻域块内所有像素点在第一次滤波下的目标噪声系数，确定所述标记像素点在第一次滤波下的第二可信指标；

根据所述标记像素点在第一次滤波下的第一可信指标和第二可信指标，确定所述标记像素点在第一次滤波下的滤波可信程度。

6.根据权利要求5所述的一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，第一可信指标和第二可信指标均与滤波可信程度呈正相关。

7.根据权利要求6所述的一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，目标图像中的像素点在第一次滤波下的滤波可信程度对应的公式为：

；

；

；

其中，是目标图像中第/>个像素点在第一次滤波下的滤波可信程度；/>是目标图像中像素点的序号；/>是目标图像中第/>个像素点在第一次滤波下的第一可信指标；/>是目标图像中第/>个像素点在第一次滤波下的第二可信指标；/>是目标图像中第/>个像素点在第一次滤波下的目标噪声系数；/>是目标图像中所有像素点在第一次滤波下的目标噪声系数中的最大值；/>是以自然常数为底的指数函数；/>是参考块内像素点的数量；/>是参考块内像素点的序号；/>是目标图像中第/>个像素点对应的参考块内第/>个像素点在第一次滤波下的目标噪声系数；/>是邻域块的数量；/>是邻域块内像素点的数量；/>是邻域块的序号；/>是邻域块内像素点的序号；/>是目标图像中第/>个像素点对应的第/>个邻域块内第/>个像素点在第一次滤波下的目标噪声系数。

8.根据权利要求1所述的一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，所述根据目标图像中每个像素点在第一次滤波下的滤波可信程度，对每个像素点在第一次滤波下的初始滤波值进行修正，得到目标图像中每个像素点在第一次滤波下的目标滤波值，包括：

将所述目标图像中任意一个像素点确定为标记像素点，根据所述标记像素点对应的灰度值和其在第一次滤波下的初始滤波值，确定所述标记像素点在第一次滤波下的灰度改变值；

根据所述标记像素点在第一次滤波下的灰度改变值和滤波可信程度，确定所述标记像素点在第一次滤波下的改变保留值；

根据所述标记像素点对应的灰度值和其在第一次滤波下的改变保留值，确定所述标记像素点在第一次滤波下的目标滤波值。

9.根据权利要求8所述的一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，所述根据所述标记像素点在第一次滤波下的灰度改变值和滤波可信程度，确定所述标记像素点在第一次滤波下的改变保留值，包括：

将所述标记像素点在第一次滤波下的灰度改变值和滤波可信程度的乘积，确定为所述标记像素点在第一次滤波下的改变保留值。

10.根据权利要求9所述的一种用于危急重症患者生命体征监测的图像处理方法，其特征在于，目标图像中的像素点在第一次滤波下的目标滤波值对应的公式为：

；

；

其中，是目标图像中第/>个像素点在第一次滤波下的目标滤波值；/>是目标图像中像素点的序号；/>是目标图像中第/>个像素点对应的灰度值；/>是目标图像中第/>个像素点在第一次滤波下的灰度改变值；/>是目标图像中第/>个像素点在第一次滤波下的滤波可信程度；/>是目标图像中第/>个像素点在第一次滤波下的改变保留值；/>是目标图像中第/>个像素点在第一次滤波下的初始滤波值。