KR101976318B1 - 디헤이즈드 의료 이미지를 보정하기 위한 방법 - Google Patents

디헤이즈드 의료 이미지를 보정하기 위한 방법 Download PDF

Info

Publication number
KR101976318B1
KR101976318B1 KR1020180035818A KR20180035818A KR101976318B1 KR 101976318 B1 KR101976318 B1 KR 101976318B1 KR 1020180035818 A KR1020180035818 A KR 1020180035818A KR 20180035818 A KR20180035818 A KR 20180035818A KR 101976318 B1 KR101976318 B1 KR 101976318B1
Authority
KR
South Korea
Prior art keywords
value
saturation
medical image
difference
correction value
Prior art date
Application number
KR1020180035818A
Other languages
English (en)
Inventor
유-민 첸
헝-추안 수
Original Assignee
하이윈 테크놀로지스 코포레이션
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
Priority to US15/928,439 priority Critical patent/US10643311B2/en
Priority to JP2018054114A priority patent/JP6595649B2/ja
Application filed by 하이윈 테크놀로지스 코포레이션 filed Critical 하이윈 테크놀로지스 코포레이션
Priority to KR1020180035818A priority patent/KR101976318B1/ko
Priority to DE102018204897.5A priority patent/DE102018204897B4/de
Application granted granted Critical
Publication of KR101976318B1 publication Critical patent/KR101976318B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G06T5/001—
    • 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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6027—Correction or control of colour gradation or colour contrast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/68—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/10—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Endoscopes (AREA)

Abstract

디헤이즈드 의료 이미지를 보정하는 방법이 제안되는데, 이 방법은 HSV 컬러 공간에서 의료 이미지의 제1 채도 값 및 디헤이즈드 의료 이미지의 제2 채도 값을 획득하는 단계와, 제1 채도 값 및 제2 채도 값에 기초하여 채도 차분 값을 획득하는 단계와, 의료 이미지 및 임계 값에 기초하여 보정 값을 획득하는 단계와, 채도 차분 값 및 보정 값에 기초하여 채도 보정 값을 획득하는 단계와, 채도 보정 값에 기초하여 디헤이즈드 의료 이미지를 보정하는 단계를 포함한다.

Description

디헤이즈드 의료 이미지를 보정하기 위한 방법{METHOD FOR CORRECTING DEHAZED MEDICAL IMAGE}
본 개시는 이미지 프로세싱에 관한 것으로, 특히 복강경 이미지와 같은 디헤이즈드 의료 이미지(dehazed medical image)를 보정하기 위한 방법에 관한 것이다.
복강경은 위장관, 복벽, 내분비계 등에 관한 수술에 널리 사용된다. 외과 의사가 하나의 큰 절개를 통하여 복강 수술을 수행하는 전통적인 개복술과 달리, 복강경은, 외과 의사가 복강경에 의해 포착된 이미지를 보면서 수술을 수행할 수 있게 의료 기기 및 복강경 렌즈가 캐뉼라를 통해 복강 내로 들어갈 수 있도록, 다양한 캐뉼라를 삽입하기 위한 작은 절개(보통 0.5cm 내지 1.5cm)만을 필요로 한다. 복강경을 통해 외과 의사는 보다 작은 상처를 내고도 전통적인 개복 수술과 동일한 효과를 얻을 수 있다.
그러나, 복강경 렌즈의 온도가 복강 내의 온도보다 낮은 경우, 복강 내의 따뜻한 공기는 복강경 렌즈 상에 수증기를 야기하고, 그에 따라 스크린 상에 표시되는 복강경 이미지는 뿌옇게 되고, 수술에 부정적인 영향을 미친다. 이러한 문제를 해결하기 위해 디헤이징 기법이 개발되었다. 그러나, 디헤이즈드 이미지는 일반적으로 컬러 캐스트(color cast)의 문제를 갖는다.
디헤이즈드 이미지의 컬러 캐스트를 보정하기 위한 종래의 방법에서는, 디헤이즈드 이미지의 표현을 HSV(색상, 채도, 값) 컬러 공간으로 변환하고, 이미지의 값 성분(즉, 명도)을 승격시킴으로써 디헤이즈드 이미지를 보정한다. 그럼에도 불구하고, 복강경에서는, 복강경에 의해서만 조명이 제공되므로, 주변 밝기는 복강경의 이동, 복강 내의 다른 장치 또는 조직(tissues)에 의해 불안정할 수 있다. 복강경 이미지의 명도는 주변 밝기에 의해 영향을 받을 수 있고, 그에 따라 보정된 디헤이즈드 이미지에 추가의 컬러 캐스트를 야기하는데, 이는 종래의 방법을 이용하여 디헤이즈드 이미지를 보정한 후에 얻어지는 결과적인 이미지이다. 따라서, 종래의 방법은 복강경과 같이 주변의 밝기 변동이 심한 애플리케이션에는 적합하지 않다.
따라서, 본 발명의 목적은 주변 밝기의 변동이 심한 애플리케이션에 적합한, 디헤이즈드 의료 이미지를 보정하는 방법을 제공하는 것이다.
본 개시에 따르면, 방법은 (A) HSV 컬러 공간의 제1 의료 이미지의 복수의 제1 채도 값 및 HSV 컬러 공간의 제2 의료 이미지의 복수의 제2 채도 값을 획득하는 단계- 제2 의료 이미지는 제1 의료 이미지에 대해 디헤이징을 수행함으로써 얻어지고, 제1 채도 값은 제1 의료 이미지의 픽셀에 관한 것이며, 제2 채도 값은 제2 의료 이미지의 픽셀에 관한 것임 -와, (B) 제1 채도 값 및 제2 채도 값에 기초하여 채도 차분 값을 획득하는 단계와, (C) 제1 의료 이미지 및 임계 값에 기초하여 보정 값을 획득하는 단계와, (D) 채도 차분 값 및 보정 값에 기초하여 채도 보정 값을 획득하는 단계와, (E) 채도 보정 값에 기초하여 제2 의료 이미지를 보정하여 제3 의료 이미지를 획득하는 단계를 포함한다.
본 개시의 다른 특징 및 이점은 첨부 도면을 참조하여 실시예(들)의 상세한 설명으로부터 분명해질 것이다.
도 1은 본 개시에 따라 디헤이즈드 의료 이미지를 보정하는 방법의 실시예를 구현하기 위한 이미지 프로세싱 장치를 나타내는 블록도이다.
도 2 및 도 3은 협업하여 실시예의 단계들을 나타내는 흐름도를 형성한다.
본 개시를 보다 자세히 설명하기 전에, 적합한 것으로 고려되는 경우, 선택에 따라 유사한 특성을 가질 수 있는 대응하는 또는 비슷한 요소들을 나타내기 위해 도면들 가운데에서 참조 번호 또는 참조 번호의 끝부분은 반복되었음을 알아야 한다.
도 1을 참조하면, 디헤이즈드 의료 이미지를 보정하는 방법의 실시예는 이미지 프로세싱 장치(100)에 의해 구현된다. 이미지 프로세싱 장치(100)는 저장 유닛(11), 및 이 저장 유닛(11) 및 복강경 장치(200)에 전기적으로 연결된 프로세싱 유닛(12)을 포함한다.
저장 장치(11)는 임계 값, 제1 사전결정된 값 및 제2 사전결정된 값을 저장한다. 제1 사전결정된 값은 제2 사전결정된 값보다 크다.
복강경 장치(200)는 인체 내부의 제1 의료 이미지를 포착하는데 사용된다. 제1 의료 이미지는 복수의 픽셀을 포함한다.
도 1 및 도 2는 협력하여, 이미지 프로세싱 장치(100)가 디헤이즈드 의료 의미지를 보정하는 방법을 어떻게 구현하는지를 보여준다.
단계(S31)에서, 프로세싱 유닛(12)이 복강경 장치(200)로부터 제1 의료 의미지를 수신한 후, 이 프로세싱 유닛(12)은 제1 의료 이미지에 대해 디헤이징을 수행하여 제2 의료 이미지(즉, 디헤이즈드 제1 의료 이미지)를 획득한다. 이 실시예에서, 프로세싱 유닛(12)은 "DCP(dark channel prior)"를 이용하여 어두운 채널 이미지를 생성한다. 어두운 채널 이미지는 적어도 하나의 컬러 채널에서 매우 낮은 세기(예를 들어, 제로에 가까운 세기)를 갖는 제1 의료 이미지의 픽셀들의 일부에 관련된다. 후속하여, 프로세싱 유닛(12)은 지구 대기 광(global atmospheric light)에 관한 것이며 어두운 채널 이미지의 최대 픽셀 값인 대기 광 값을 계산한다. 그 후, 프로세싱 유닛(12)은 공기 중에서의 전송 중에 산란되지 않는 광의 일부에 관한 전송 이미지를 계산한다. 마지막으로, 프로세싱 유닛(12)은 전송 이미지 및 대기 광 값에 기초하여 제2 의료 이미지를 획득한다. 다른 실시예에서, 프로세싱 유닛(12)은 제1 의료 이미지를 디헤이징하는데 다른 디헤이징 알고리즘을 이용할 수 있으며, 본 발명은 이에 국한되지 않는다.
단계(S32)에서, 프로세싱 유닛(12)은 제1 의료 이미지 및 제2 의료 이미지를 RGB(적, 녹, 청) 컬러 공간으로부터 HSV(색상, 채도, 값) 컬러 공간으로 변환하여, 제1 의료 이미지의 픽셀에 관한 복수의 제1 채도 값, 및 제2 의료 이미지의 픽셀에 관한 복수의 제2 채도 값을 획득한다.
단계(S33)에서, 프로세싱 유닛(12)은 제1 채도 값 및 제2 채도 값에 기초하여 채도 차분 값을 획득한다. 일 실시예에서, 채도 차분 값은 제1 채도 값의 평균과 제2 채도 값의 평균 간의 차이이다. 일 실시예에서, 채도 차분 값은 제1 차분 값과 제2 차분 값 간의 차이이되, 제1 차분 값은 제1 채도 값 중 최대 값과 최소 값 간의 차이이고, 제2 차분 값은 제2 채도 값 중 최대 값과 최소 값 간의 차이이다. 그러나, 본 개시는 이에 국한되지 않는다.
단계(S34)에서, 프로세싱 유닛(12)은 저장 유닛(11)에 저장된 제1 의료 이미지 및 임계 값에 기초하여 보정 값을 획득한다.
도 3을 더 참조하면, 이 실시예에서, 단계(S34)는 하위 단계(S341 내지 S344)를 포함한다.
하위 단계(S341)에서, 프로세싱 유닛(12)은 제1 의료 이미지에 대해 에지 선명화 및 임계화(thresholding)를 수행하여, 제1 의료 이미지 내의 물체의 에지에 관련된 복수의 에지 픽셀(예를 들어, 선명화된 및 임계화된 제1 의료 이미지의 검정 픽셀)을 획득한다. 에지 픽셀의 총 개수는 제1 의료 이미지에 관한 에지 특징 값으로서 작용한다.
하위 단계(S342)에서, 프로세싱 유닛(12)은 에지 특징 값이 임계 값보다 큰지를 결정한다. 프로세싱 유닛(12)이 에지 특징 값이 임계 값보다 크다고 판정한 경우, 하위 단계(S343)로 이어지고, 그렇지 않으면 하위 단계(S344)로 이어진다.
단계(S343)에서, 프로세싱 유닛(12)은 제1 사전결정된 값이 보정 값으로 작용하게 한다.
단계(S344)에서, 프로세싱 유닛(12)은 제2 사전결정된 값이 보정 값으로 작용하게 한다.
제1 의료 이미지의 헤이즈 레벨이 낮은 경우 큰 채도 차분 값으로 인한 컬러 캐스트에 대한 과다 보정을 방지하기 위해, 또는 제1 의료 이미지의 헤이즈 레벨이 높은 경우 작은 채도 차분 값으로 인한 컬러 캐스트에 대한 저조한 보정을 방지하기 위해, 이 실시예는 제1 의료 이미지의 헤이즈 레벨을 결정하는 기준으로서 역할을 하는데 제1 의료 이미지의 에지 선명화 레벨을 사용한다. 임계 값보다 큰 에지 특징 값은 높은 헤이즈 레벨을 나타내고, 따라서 제2 사전결정된 값보다 큰 제1 사전결정된 값이 보정 값으로서 선택되고, 임계 값보다 작은 에지 특징 값은 낮은 헤이즈 레벨을 나타내고, 따라서 제2 사전결정된 값이 보정 값으로서 선택된다.
단계(S35)에서, 프로세싱 유닛(12)은 채도 차분 값 및 보정 값에 기초하여 채도 보정 값을 획득한다. 이 실시예에서, 채도 보정 값은 채도 차분 값과 보정 값의 곱이지만, 본 개시는 이에 국한되지 않는다.
단계(S36)에서, 프로세싱 유닛(12)은 채도 보정 값에 기초하여 제2 의료 이미지를 보정하여 제3 의료 이미지(즉, 보정된 제2 의료 이미지, 또한 보정된 디헤이즈드 제1 의료 이미지)를 획득한다. 일 실시예에서, 제3 의료 이미지는 제2 의료 이미지의 각 픽셀의 제2 채도 값으로부터 채도 보정 값을 감산함으로써 얻어진다. 일 실시예에서, 제3 의료 이미지는 제2 의료 이미지의 각 픽셀의 제2 채도 값에 채도 보정 값을 더함으로써 얻어진다. 일 실시 예에서, 제3 의료 이미지는 제2 의료 이미지의 각 픽셀의 제2 채도 값에 채도 보정 값을 곱함으로써 얻어진다. 일 실시 예에서, 제3 의료 이미지는 제2 의료 이미지의 각 픽셀의 제2 채도 값을 채도 보정 값으로 나눔으로써 얻어진다. 그러나, 이 개시는 이에 국한되지 않는다.
요약하면, 본 개시에 따른 디헤이즈드 의료 이미지를 보정하기 위한 방법의 실시예는 프로세싱 유닛(12)을 이용하여 제1 및 제2 의료 이미지를 제1 및 제2 채도 값을 얻기 위한 HSV 컬러 공간으로 변환한다. 이미지의 채도 성분은 주변 환경의 밝기와 관련하여 낮은 민감도를 가지기 때문에, 제1 및 제2 채도 값에 기초하여 제2 의료 이미지를 보정함으로써 얻어지는 제3 의료 이미지는 컬러 캐스트로부터 자유로워질 수 있으며, 따라서 의료 이미지의 식별가능성을 증진시킬 수 있다.
실시예에서, 본 개시는 디헤이즈드 의료 이미지를 보정하기 위한 방법에 관한 것이다. 이 방법은 (A) HSV 컬러 공간의 제1 의료 이미지의 복수의 제1 채도 값 및 HSV 컬러 공간의 제2 의료 이미지의 복수의 제2 채도 값을 획득하는 단계- 제2 의료 이미지는 제1 의료 이미지에 대해 디헤이징을 수행함으로써 얻어지고, 제1 채도 값은 제1 의료 이미지의 픽셀에 관한 것이며, 제2 채도 값은 제2 의료 이미지의 픽셀에 관한 것임 -와, (B) 제1 채도 값 및 제2 채도 값에 기초하여 채도 차분 값을 획득하는 단계와, (C) 제1 의료 이미지 및 임계 값에 기초하여 보정 값을 획득하는 단계와, (D) 채도 차분 값 및 보정 값에 기초하여 채도 보정 값을 획득하는 단계와, (E) 채도 보정 값에 기초하여 제2 의료 이미지를 보정하여 제3 의료 이미지를 획득하는 단계를 포함한다.
추가 실시예에서, 본 개시는 앞서 설명한 실시예들 중 적어도 하나에 관한 것이되, 단계(B)에서, 채도 차분 값은 제1 채도 값의 평균과 제2 채도 값의 평균 간의 차이이다.
추가 실시예에서, 본 개시는 앞서 설명한 실시예들 중 적어도 하나에 관한 것이되, 단계(B)에서, 채도 차분 값은 제1 차분 값과 제2 차분 값 간의 차이이고, 제1 차분 값은 제1 채도 값 중 최대 값과 최소 값 간의 차이이고, 제2 차분 값은 제2 채도 값 중 최대 값과 최소 값 간의 차이이다.
추가 실시예에서, 본 개시는 앞서 설명한 실시예들 중 적어도 하나에 관한 것이되, 단계(C)는 제1 의료 이미지에 대해 에지 선명화 및 임계화를 수행하여, 제1 의료 이미지에 관한 에지 특징 값을 획득하는 하위 단계(C-1)와, 에지 특징 값이 임계 값보다 큰지를 판정하는 하위 단계(C-2)와, 에지 특징 값이 임계 값보다 큰 것으로 결정되면, 제1 사전결정된 값이 보정 값으로서 작용하게 하는 하위 단계(C-3)와, 에지 특징 값이 임계 값보다 크지 않은 것으로 결정되면, 제2 사전결정된 값이 보정 값으로서 작용하게 하는 하위 단계(C-4)를 포함한다.
추가 실시예에서, 본 개시는 앞서 설명한 실시예들 중 적어도 하나에 관한 것이되, 에지 특징 값은 에지 선명화 및 임계화가 수행된 제1 의료 이미지의 검정 픽셀의 개수이고, 제2 사전결정된 값은 제1 사전결정된 값보다 작다.
추가 실시예에서, 본 개시는 앞서 설명한 실시예들 중 적어도 하나에 관한 것이되, 단계(D)에서, 채도 보정 값은 채도 차분 값과 보정 값의 곱이다.
추가 실시예에서, 본 개시는 앞서 설명한 실시예들 중 적어도 하나에 관한 것이되, 단계(E)는 제2 채도 값 각각으로부터 채도 보정 값을 감산하여 제3 의료 이미지를 획득하는 단계를 포함한다.
추가 실시예에서, 본 개시는 앞서 설명한 실시예들 중 적어도 하나에 관한 것이되, 단계(E)는 제2 채도 값 각각에 채도 보정 값을 더하여 제3 의료 이미지를 획득하는 단계를 포함한다.
추가 실시예에서, 본 개시는 앞서 설명한 실시예들 중 적어도 하나에 관한 것이되, 단계(E)는 제2 채도 값 각각에 채도 보정 값을 곱하여 제3 의료 이미지를 획득하는 단계를 포함한다.
추가 실시예에서, 본 개시는 앞서 설명한 실시예들 중 적어도 하나에 관한 것이되, 단계(E)는 제2 채도 값 각각을 채도 보정 값으로 나누어 제3 의료 이미지를 획득하는 단계를 포함한다.
전술한 설명에서, 설명을 목적으로, 실시예(들)의 완전한 이해를 제공하기 위해 다수의 특정한 세부사항이 설명되었다. 그러나, 당업자에게는 하나 이상의 다른 실시예가 이러한 특정 세부사항의 일부없이도 실시될 수 있음이 자명할 것이다. 또한, 명세서 전반에 걸쳐서 "일 실시예", "실시예", 서수의 표시를 갖는 실시예 등에 대한 언급은 특정한 특징, 구조 또는 특성이 본 개시의 실시에 포함될 수 있다는 것을 의미함을 또한 알아야 한다. 설명에서, 본 개시를 간소화하고 본 발명의 다양한 양상의 이해를 돕기 위한 목적으로 다양한 특징들은 단일 실시예, 도면 또는 이들의 설명에서 때때로 그룹화됨을 또한 이해해야 한다.
본 개시는 예시적인 실시예(들)와 관련하여 설명되었지만, 본 개시는 개시된 실시예(들)에 한정되지 않고, 모든 변경 및 등가의 구성을 포함할 수 있도록 가장 넓은 해석을 허용하는 사상 및 범위 내에 포함되는 다양한 구성을 포함하는 것으로 이해된다.

Claims (10)

  1. 디헤이즈드 의료 이미지(dehazed medical image)를 보정하기 위한 방법으로서,
    (A) HSV 컬러 공간의 제1 의료 이미지의 복수의 제1 채도 값, 및 상기 HSV 컬러 공간의 제2 의료 이미지의 복수의 제2 채도 값을 획득하는 단계- 상기 제2 의료 이미지는 상기 제1 의료 이미지에 대해 디헤이징(dehazing)을 수행함으로써 얻어지고, 상기 제1 채도 값은 상기 제1 의료 이미지의 픽셀에 관한 것이며, 상기 제2 채도 값은 상기 제2 의료 이미지의 픽셀에 관한 것임 -와,
    (B) 상기 제1 채도 값 및 상기 제2 채도 값에 기초하여 채도 차분 값을 획득하는 단계와,
    (C) 상기 제1 의료 이미지 및 임계 값에 기초하여 보정 값을 획득하는 단계와,
    (D) 상기 채도 차분 값 및 상기 보정 값에 기초하여 채도 보정 값을 획득하는 단계와,
    (E) 상기 채도 보정 값에 기초하여 상기 제2 의료 이미지를 보정하여 제3 의료 이미지를 획득하는 단계를 포함하는
    방법.
  2. 제1항에 있어서,
    상기 단계(B)에서, 상기 채도 차분 값은 상기 제1 채도 값의 평균과 상기 제2 채도 값의 평균 간의 차이인
    방법.
  3. 제1항에 있어서,
    상기 단계(B)에서, 상기 채도 차분 값은 제1 차분 값과 제2 차분 값 간의 차이고, 상기 제1 차분 값은 상기 제1 채도 값 중 최대 값과 최소 값 간의 차이이고, 상기 제2 차분 값은 상기 제2 채도 값 중 최대 값과 최소 값 간의 차이인
    방법.
  4. 제1항에 있어서,
    상기 단계(C)는
    상기 제1 의료 이미지에 대해 에지 선명화 및 임계화를 수행하여, 상기 제1 의료 이미지에 관한 에지 특징 값을 획득하는 하위 단계(C-1)와,
    상기 에지 특징 값이 상기 임계 값보다 큰지를 판정하는 하위 단계(C-2)와,
    상기 에지 특징 값이 상기 임계 값보다 큰 것으로 결정되면, 제1 사전결정된 값이 상기 보정 값으로서 작용하게 하는 하위 단계(C-3)와,
    상기 에지 특징 값이 상기 임계 값보다 크지 않은 것으로 결정되면, 제2 사전결정된 값이 상기 보정 값으로서 작용하게 하는 하위 단계(C-4)를 포함하는
    방법.
  5. 제4항에 있어서,
    상기 에지 특징 값은 상기 에지 선명화 및 상기 임계화가 수행된 상기 제1 의료 이미지의 검정 픽셀의 개수이고, 상기 제2 사전결정된 값은 상기 제1 사전결정된 값보다 작은
    방법.
  6. 제1항 또는 제4항에 있어서,
    상기 단계(D)에서, 상기 채도 보정 값은 상기 채도 차분 값과 상기 보정 값의 곱인
    방법.
  7. 제1항 또는 제4항에 있어서,
    상기 단계(E)는 상기 제2 채도 값 각각으로부터 상기 채도 보정 값을 감산하여 상기 제3 의료 이미지를 획득하는 단계를 포함하는
    방법.
  8. 제1항 또는 제4항에 있어서,
    상기 단계(E)는 상기 제2 채도 값 각각에 상기 채도 보정 값을 더하여 상기 제3 의료 이미지를 획득하는 단계를 포함하는
    방법.
  9. 제1항 또는 제4항에 있어서,
    상기 단계(E)는 상기 제2 채도 값 각각에 상기 채도 보정 값을 곱하여 상기 제3 의료 이미지를 획득하는 단계를 포함하는
    방법.
  10. 제1항 또는 제4항에 있어서,
    상기 단계(E)는 상기 제2 채도 값 각각을 상기 채도 보정 값으로 나누어 상기 제3 의료 이미지를 획득하는 단계를 포함하는
    방법.
KR1020180035818A 2018-03-22 2018-03-28 디헤이즈드 의료 이미지를 보정하기 위한 방법 KR101976318B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US15/928,439 US10643311B2 (en) 2018-03-22 2018-03-22 Method for correcting dehazed medical image
JP2018054114A JP6595649B2 (ja) 2018-03-22 2018-03-22 画像処理方法
KR1020180035818A KR101976318B1 (ko) 2018-03-22 2018-03-28 디헤이즈드 의료 이미지를 보정하기 위한 방법
DE102018204897.5A DE102018204897B4 (de) 2018-03-22 2018-03-29 Verfahren zum Korrigieren eines enttrübten medizinischen Bildes

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US15/928,439 US10643311B2 (en) 2018-03-22 2018-03-22 Method for correcting dehazed medical image
JP2018054114A JP6595649B2 (ja) 2018-03-22 2018-03-22 画像処理方法
KR1020180035818A KR101976318B1 (ko) 2018-03-22 2018-03-28 디헤이즈드 의료 이미지를 보정하기 위한 방법
DE102018204897.5A DE102018204897B4 (de) 2018-03-22 2018-03-29 Verfahren zum Korrigieren eines enttrübten medizinischen Bildes

Publications (1)

Publication Number Publication Date
KR101976318B1 true KR101976318B1 (ko) 2019-05-07

Family

ID=68316075

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180035818A KR101976318B1 (ko) 2018-03-22 2018-03-28 디헤이즈드 의료 이미지를 보정하기 위한 방법

Country Status (4)

Country Link
US (1) US10643311B2 (ko)
JP (1) JP6595649B2 (ko)
KR (1) KR101976318B1 (ko)
DE (1) DE102018204897B4 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4028985A4 (en) * 2019-09-11 2023-06-07 Covidien LP SYSTEMS AND METHODS FOR COLOR RESTORATION BASED ON A NEURONAL NETWORK

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6595649B2 (ja) * 2018-03-22 2019-10-23 上銀科技股▲分▼有限公司 画像処理方法
EP3864615A1 (en) * 2019-12-20 2021-08-18 Google LLC Spatially varying reduction of haze in images
US11528435B2 (en) * 2020-12-25 2022-12-13 Industrial Technology Research Institute Image dehazing method and image dehazing apparatus using the same

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010178036A (ja) * 2009-01-29 2010-08-12 Victor Co Of Japan Ltd 撮像装置および撮像方法
JP2015154102A (ja) * 2014-02-10 2015-08-24 オリンパス株式会社 画像処理装置及び方法、画像処理プログラム、撮像装置
WO2015190136A1 (ja) * 2014-06-12 2015-12-17 Eizo株式会社 画像処理システム及びコンピュータ読み取り可能な記録媒体

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4194133B2 (ja) * 1998-06-24 2008-12-10 キヤノン株式会社 画像処理方法及び装置及び記憶媒体
JP4197858B2 (ja) * 2001-08-27 2008-12-17 富士通株式会社 画像処理プログラム
TWI423166B (zh) * 2009-12-04 2014-01-11 Huper Lab Co Ltd 判斷輸入影像是否為霧化影像之方法、判斷輸入影像的霧級數之方法及霧化影像濾清方法
US9460118B2 (en) * 2014-09-30 2016-10-04 Duelight Llc System, method, and computer program product for exchanging images
JP6320115B2 (ja) * 2014-03-28 2018-05-09 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
JP2016158682A (ja) * 2015-02-27 2016-09-05 Hoya株式会社 画像処理装置
TWI537875B (zh) * 2015-04-08 2016-06-11 大同大學 影像合成方法與影像處理裝置
JP6293374B2 (ja) * 2015-05-22 2018-03-14 三菱電機株式会社 画像処理装置、画像処理方法、プログラム、これを記録した記録媒体、映像撮影装置、及び映像記録再生装置
CN105846259A (zh) 2016-05-04 2016-08-10 东莞市信为兴电子有限公司 一种三卡连接座
CN106846259A (zh) 2016-12-15 2017-06-13 上海交通大学 一种腹腔镜手术视频帧率自适应的实时去烟雾方法
JP6595649B2 (ja) * 2018-03-22 2019-10-23 上銀科技股▲分▼有限公司 画像処理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010178036A (ja) * 2009-01-29 2010-08-12 Victor Co Of Japan Ltd 撮像装置および撮像方法
JP2015154102A (ja) * 2014-02-10 2015-08-24 オリンパス株式会社 画像処理装置及び方法、画像処理プログラム、撮像装置
WO2015190136A1 (ja) * 2014-06-12 2015-12-17 Eizo株式会社 画像処理システム及びコンピュータ読み取り可能な記録媒体

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4028985A4 (en) * 2019-09-11 2023-06-07 Covidien LP SYSTEMS AND METHODS FOR COLOR RESTORATION BASED ON A NEURONAL NETWORK

Also Published As

Publication number Publication date
JP6595649B2 (ja) 2019-10-23
US20190295224A1 (en) 2019-09-26
DE102018204897A1 (de) 2019-10-02
JP2019165832A (ja) 2019-10-03
US10643311B2 (en) 2020-05-05
DE102018204897B4 (de) 2019-12-24

Similar Documents

Publication Publication Date Title
KR101976318B1 (ko) 디헤이즈드 의료 이미지를 보정하기 위한 방법
KR100304663B1 (ko) 칼라조명색온도검출방법및장치
CN108711140B (zh) 一种基于类间方差描述的图像亮度均匀性实时恢复方法
CN105578021B (zh) 双目相机的成像方法及其装置
US20120075447A1 (en) Endoscope system
EP3429200B1 (en) Method and device for processing white balance of image and storage medium
EP1819143A1 (en) Color adjusting device and method
CN107431784A (zh) 在解剖手术期间检测烟的系统和方法
US8189909B2 (en) Color temperature conversion method and apparatus having luminance correction conversion function
CN110060222B (zh) 一种图像校正方法、装置及内窥镜系统
Jang et al. Adaptive color enhancement based on multi-scaled Retinex using local contrast of the input image
US20220012915A1 (en) Apparatuses, systems, and methods for managing auto-exposure of image frames depicting signal content against a darkened background
ES2900490T3 (es) Método y sistema de mapeo de gamas de colores
EP3016070A1 (en) Detection device, learning device, detection method, learning method, and program
CN114066780A (zh) 4k内窥镜图像去雾方法、装置、电子设备及存储介质
Sazzad et al. Establishment of an efficient color model from existing models for better gamma encoding in image processing
US20190328218A1 (en) Image processing device, image processing method, and computer-readable recording medium
KR101385743B1 (ko) 수술 영상의 실시간 시각적 노이즈 자동 제거 장치, 방법 및 시스템
CN109903230B (zh) 医疗除雾图像校正方法
TWI639329B (zh) Medical defogging image correction method
US6963364B2 (en) Method of improving a signal in a sequence of images acquired with a digital color video camera
Long et al. Wireless capsule endoscopic image enhancement method based on histogram correction and unsharp masking in wavelet domain
US20180063380A1 (en) Image processing device
CN117392026A (zh) 一种图像校正方法、装置、设备及介质
Sazzad et al. Gamma encoding on image processing considering human visualization, analysis and comparison

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant