CN112508797A - 用于图像中实时去雾的***和方法 - Google Patents
用于图像中实时去雾的***和方法 Download PDFInfo
- Publication number
- CN112508797A CN112508797A CN202010971186.0A CN202010971186A CN112508797A CN 112508797 A CN112508797 A CN 112508797A CN 202010971186 A CN202010971186 A CN 202010971186A CN 112508797 A CN112508797 A CN 112508797A
- Authority
- CN
- China
- Prior art keywords
- image
- light component
- atmospheric light
- defogging
- component value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims description 41
- 230000015654 memory Effects 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 238000009499 grossing Methods 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 11
- 239000000779 smoke Substances 0.000 description 16
- 239000003595 mist Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000835 fiber Substances 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 238000012976 endoscopic surgical procedure Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004071 soot Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 101100248200 Arabidopsis thaliana RGGB gene Proteins 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000003897 fog Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012830 laparoscopic surgical procedure Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/555—Constructional details for picking-up images in sites, inaccessible due to their dimensions or hazardous conditions, e.g. endoscopes or borescopes
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开涉及用于图像中实时去雾的***和方法。公开了用于减少图像中的雾的***和方法。一种用于减少雾的示例性方法包含:存取被雾遮盖的对象的图像,其中所述图像具有原始分辨率;缩小所述图像以提供相比所述原始分辨率具有较低分辨率的缩小后的图像;处理所述缩小后的图像以生成对应于所述较低分辨率的去雾参数;将对应于所述较低分辨率的所述去雾参数转换为对应于所述原始分辨率的第二去雾参数;以及基于对应于所述原始分辨率的所述第二去雾参数对所述图像进行去雾。
Description
技术领域
本公开涉及用于减少图像中的雾的装置、***和方法,且更具体地,涉及外科手术程序期间实时减少图像中的雾。
背景技术
通过切口或天然的人体孔口引入内窥镜,以观察人体的内部特征。常规内窥镜用于内窥镜或腹腔镜外科手术程序期间的可视化。在这样的外科手术程序期间,当使用能量外科手术器械例如在外科手术期间用电外科手术能量切割组织时,可能会产生烟尘。因此,由于这种烟尘,内窥镜所获取的图像可能会变得模糊。烟尘可能会使外科手术部位的特征模糊不清,并且在外科医生等待烟尘清除干净的时候延迟外科手术程序。其它程序可能会遇到类似的问题,其中在捕获图像时会存在烟尘或其它雾。因此,有兴趣改进成像技术。
发明内容
本公开涉及用于减少图像中的雾的装置、***和方法。根据本公开的方面,一种用于减少图像中的雾的方法包含:存取被雾遮盖的对象的图像,其中所述图像具有原始分辨率;缩小图像以提供相比原始分辨率具有较低分辨率的缩小后的图像;处理缩小后的图像以生成对应于较低分辨率的去雾参数;将对应于较低分辨率的去雾参数转换为对应于原始分辨率的第二去雾参数;以及基于对应于原始分辨率的第二去雾参数对图像进行去雾。
在所述方法的各种实施例中,缩小是基于图像缩小处理,并且转换是基于图像缩小处理的逆向操作,其中图像缩小处理为以下之一:超采样、双三次、最近邻、钟形、埃尔米特法、兰索斯法、米切尔法或双线性缩小。
在所述方法的各种实施例中,处理缩小后的图像包含:估计缩小后的图像的大气光分量值,确定缩小后的图像的暗通道矩阵,以及根据大气光分量和暗通道矩阵确定缩小后的图像的透射图。
在所述方法的各种实施例中,将对应于较低分辨率的去雾参数转换为对应于原始分辨率的第二去雾参数包含:将缩小后的图像的透射图转换为原始图像的第二透射图。
在所述方法的各种实施例中,对图像进行去雾包含:将图像从RGB图像、CMYK图像、CIELAB图像或CIEXYZ图像中的至少一个转换为YUV图像,对YUV图像执行去雾操作以提供Y'UV图像,以及将Y'UV图像转换为去雾后的图像。
在所述方法的各种实施例中,对于缩小后的图像中的像素块,估计缩小后的图像的大气光分量值包含:确定像素块的宽度乘以高度是否大于预定阈值;在宽度乘以高度大于预定阈值的情况下:将像素块划分为多个较小的像素区域,计算较小的像素区域中的每一个的像素值的平均值和标准差,基于较小的像素区域的平均值减去标准差来确定较小的像素区域中的每一个的得分,以及识别具有得分中最高得分的多个较小的像素区域中的一个;并且在宽度乘以高度不大于预定阈值的情况下,将大气光分量值估计为像素块中最暗的像素。
在所述方法的各种实施例中,估计大气光分量值包含基于先前去雾后的图像帧的所估计大气光分量值来使大气光分量值平滑。
在所述方法的各种实施例中,使大气光分量值平滑包含将大气光分量值确定为:A=A-CUR*coef+A-PRE*(1-coef),其中A-CUR是缩小后的图像的所估计大气光分量值,A-PRE是先前缩小后的图像的所估计大气光分量值,并且coef是预定的平滑系数。
根据本公开的方面,一种用于减少图像中的雾的***包含:配置成捕获被雾遮盖的对象的图像的成像装置、显示装置、处理器以及存储指令的存储器。指令在由处理器实行时使***进行以下操作:存取被雾遮盖的对象的图像,其中所述图像具有原始分辨率;缩小图像以提供相比原始分辨率具有较低分辨率的缩小后的图像;处理缩小后的图像以生成对应于较低分辨率的去雾参数;将对应于较低分辨率的去雾参数转换为对应于原始分辨率的第二去雾参数;基于对应于原始分辨率的第二去雾参数对图像进行去雾;以及在显示装置上显示去雾后的图像。
在所述***的各种实施例中,缩小是基于图像缩小处理,并且转换是基于图像缩小处理的逆向操作,其中图像缩小处理为以下之一:超采样、双三次、最近邻、钟形、埃尔米特法、兰索斯法、米切尔法或双线性缩小。
在所述***的各种实施例中,在处理缩小后的图像时,指令在由处理器实行时使所述***进行以下操作:估计缩小后的图像的大气光分量值,确定缩小后的图像的暗通道矩阵,以及根据大气光分量和暗通道矩阵确定缩小后的图像的透射图。
在所述***的各种实施例中,在将对应于较低分辨率的去雾参数转换为对应于原始分辨率的第二去雾参数时,指令在由处理器实行时使所述***进行以下操作:将缩小后的图像的透射图转换为原始图像的第二透射图。
在所述***的各种实施例中,在对图像进行去雾时,指令在由处理器实行时使所述***进行以下操作:将图像从RGB图像、CMYK图像、CIELAB图像或CIEXYZ图像中的至少一个转换为YUV图像,对YUV图像执行去雾操作以提供Y'UV图像,以及将Y'UV图像转换为去雾后的图像。
在所述***的各种实施例中,在对YUV图像执行去雾操作时,指令在由处理器实行时使所述***进行以下操作:将Y′确定为其中T_N(x)是对应于像素x的第二透射图的值,并且A是缩小后的图像的大气光分量值。
在所述***的各种实施例中,在确定缩小后的图像的透射图时,指令在由处理器实行时使所述***进行以下操作:对于缩小后的图像的每个像素x,确定:其中ω是预定常数,I_DARK(x)是像素x的暗通道矩阵的值,并且A是大气光分量值。
在所述***的各种实施例中,对于缩小后的图像中的像素块,在估计缩小后的图像的大气光分量值时,指令在由处理器实行时使所述***进行以下操作:确定像素块的宽度乘以高度是否大于预定阈值;在宽度乘以高度大于预定阈值的情况下:将像素块划分为多个较小的像素区域,计算较小的像素区域中的每一个的像素值的平均值和标准差,基于较小的像素区域的平均值减去标准差来确定较小的像素区域中的每一个的得分,以及识别具有得分中最高得分的多个较小的像素区域中的一个;并且在宽度乘以高度不大于预定阈值的情况下,将大气光分量值估计为像素块中最暗的像素。
在所述***的各种实施例中,在估计大气光分量值时,指令在由处理器实行时使所述***进行以下操作:基于先前去雾后的图像帧的所估计大气光分量值来使大气光分量值平滑。
在所述***的各种实施例中,在使大气光分量值平滑时,指令在由处理器实行时使所述***将大气光分量值确定为:A=A-CUR*coef+A-PRE*(1-coef),其中A-CUR是缩小后的图像的所估计大气光分量值,A-PRE是先前缩小后的图像的所估计大气光分量值,并且coef是预定的平滑系数。
下文参考附图更详细地描述了本公开的各种实施例的另外的细节和方面。
附图说明
在本文中参考附图描述本公开的实施例,其中:
图1是根据本公开的示例性可视化或内窥镜***的图;
图2是图1的可视化或内窥镜***的示意性配置;
图3是示出图1***的光学***的另一示意性配置的图;
图4是根据本公开的实施例的可视化或内窥镜***的示意性配置;
图5是根据本公开的用于烟尘减少的方法的流程图;
图6是根据本公开的包含像素区域的示例性输入图像;
图7是根据本公开的用于估计大气光分量值的方法的流程图;
图8是根据本公开的用于执行去雾的方法的流程图;
图9是根据本公开的用于对大气光分量值执行低通滤波的方法的流程图;
图10是根据本公开的带有雾的示例性图像;
图11是根据本公开的带有所计算的大气光的示例性去雾后的图像;以及
图12是根据本公开的用于执行实时减少雾的方法的流程图。
下文参考附图更详细地描述了本公开的示例性实施例的另外的细节和方面。在不脱离本公开范围的情况下,可组合本公开的以上方面和实施例中的任一个。
具体实施方式
参考附图详细地描述了当前所公开的装置、***和治疗方法的实施例,其中在若干视图中的每一个中,相同附图标记指代相同或对应的元素。如本文所用,术语“远端”是指距使用者较远的结构的那部分,而术语“近端”是指距使用者较近的结构的那部分。术语“临床医生”是指医生、护士或其它护理提供者并且可包含支持人员。术语“雾”是指雾、烟尘、水雾或其它通过空气传播的颗粒物。
本公开可适用于捕获外科手术部位的图像的情况。提供内窥镜***作为实例,但将理解,这样的描述是示例性的,并且不限制本公开的范围和对其它***和程序的适用性。
首先参考图1-3,根据本公开,内窥镜***1包含内窥镜10、光源20、视频***30和显示装置40。继续参考图1,经由光纤引导件22将例如LED光源/氙光源之类的光源20连接到内窥镜10,所述光纤引导件可操作地联接到光源20,且可操作地联接到设置在内窥镜10的手柄18上或邻近于所述手柄设置的内联接器16。光纤引导件22包含例如光纤电缆,所述光纤电缆延伸通过内窥镜10的细长主体12并且在内窥镜10的远端14处终止。因此,光从光源20传输通过光纤引导件22,并且从内窥镜10的远端14朝向患者体内的例如组织或器官的目标内部特征发射。由于这样的配置中的光传输路径相对较长,例如,光纤引导件22的长度可为约1.0m到约1.5m,所以从光源20所发射的光通量的仅约15%(或更少)从内窥镜10的远端14输出。
参考图2和图3,视频***30可操作地连接到图像传感器32,所述图像传感器经由数据电缆34安装到内窥镜10的手柄18上或设置在所述手柄内。物镜36设置在内窥镜10的细长主体12的远端14处,并且一系列间隔开的中继透镜38,例如棒状透镜,沿着细长主体12的长度安放在物镜36与图像传感器32之间。由物镜36所捕获的图像经由中继透镜38通过内窥镜10的细长主体12转递到图像传感器32,然后传送给视频***30进行处理并且经由电缆39输出到显示装置40。图像传感器32定位在内窥镜10的手柄18内或安装到所述手柄,所述手柄到内窥镜10的远端14的距离可以长达约30cm。
参考图4-9,流程图包含以有序顺序描述的各种框。然而,本领域技术人员将理解,可在不脱离本公开的范围的情况下以不同的顺序执行、重复和/或省略流程图的一个或多个框。对流程图的以下描述涉及由一个或多个视频***30执行的各种动作或任务,但本领域技术人员将理解,所述视频***30是示例性的。在各种实施例中,所公开的操作可以由另一部件、装置或***来执行。在各种实施例中,视频***30或其它部件/装置经由在处理器上实行的一个或多个软件应用来执行动作或任务。在各种实施例中,至少一些操作可以由固件、可编程逻辑装置和/或硬件电路***来实施。本公开的范围内还预期其它实现方式。
参考图4,示出了***的示意性配置,所述***可为图1的内窥镜***,或可为不同类型的***(例如,可视化***等)。根据本公开,***包含成像装置410、光源420、视频***430和显示装置440。光源420配置成经由光纤引导件422通过成像装置410向外科手术部位提供光。成像装置410的远端414包含用于捕获外科手术部位处的图像的物镜436。物镜436将图像转递到图像传感器432。然后将图像传送给视频***430进行处理。视频***430包含用于控制内窥镜和处理图像的成像装置控制器450。成像装置控制器450包含连接到计算机可读存储介质或存储器454的处理器452,所述存储介质或存储器可为例如RAM的易失性类型的存储器,或者例如闪存介质、磁盘介质的非易失性类型的存储器,或者其它类型的存储器。在各种实施例中,处理器452可为另一类型的处理器,例如但不限于数字信号处理器、微处理器、ASIC,图形处理单元(GPU)、现场可编程门阵列(FPGA)或中央处理单元(CPU)。
在各种实施例中,存储器454可为随机存取存储器、只读存储器、磁盘存储器、固态存储器、光盘存储器和/或另外类型的存储器。在各种实施例中,存储器454可以与成像装置控制器450分离,并且可以通过电路板的通信总线和/或通过例如串行ATA电缆或其它类型的电缆的通信电缆与处理器452通信。存储器454包含可由处理器452执行以操作成像装置控制器450的计算机可读指令。在各种实施例中,成像装置控制器450可包含网络接口540以与其它计算机或服务器通信。
现在参考图5,示出了减少图像中的烟尘的操作。在各种实施例中,可以通过本文以上所描述的内窥镜***1来执行图5的操作。在各种实施例中,可以由另一类型的***和/或在另一类型的程序期间执行图5的操作。以下描述将参考内窥镜***,但将理解,这样的描述是示例性的,并且不限制本公开的范围和对其它***和程序的适用性。以下描述将参考RGB(红色、绿色、蓝色)图像或RGB色彩模型,但将理解,这样的描述是示例性的,并且不限制本公开的范围和对其它类型的图像或色彩模型的适用性。在Kaiming He等人出版于2011年12月的《IEEE模式分析与机器智能汇刊》(IEEE Transactions On Pattern AnalysisAnd Machine Intelligence)第33卷、第12期的“使用暗通道先验的单图像去雾(SingleImage Haze Removal Using Dark Channel Prior)”中,描述了去雾操作的某些方面,其全部内容以引用的方式合并于本文中。
最初,在步骤502,经由物镜36捕获外科手术部位的图像,并且将其转递到内窥镜***1的图像传感器32。如本文所使用的术语“图像”可包含静态图像或动态图像(例如,视频)。在各种实施例中,所捕获的图像被传送到视频***30进行处理。例如,在内窥镜手术程序期间,外科医生可用电外科手术器械切割组织。在此切割期间,可能会产生烟尘。在捕获图像时,图像可能会包含烟尘。烟尘一般是大气中的混浊介质(例如颗粒,水滴)。物镜36从场景点所接收的辐照度被视线衰减。此入射光与例如烟尘的大气颗粒反射到视线中的环境光(空气光)混合。这种烟尘降低了图像质量,使其失去对比度和色彩保真度。本文稍后将更详细地描述包含像素区域的示例性输入图像的细节。图像传感器32可捕获原始数据。原始数据的格式可为RGGB、RGBG、GRGB或BGGR。视频***30可使用去马赛克算法将原始数据转换为RGB。去马赛克算法是一种数字图像处理,用于从覆盖有滤色器阵列(CFA)的图像传感器输出的不完整色彩样本中重建全彩色图像。其也被称为CFA插值或色彩重建。可由视频***30将RGB图像进一步转换为另一色彩模型,例如CMYK、CIELAB或CIEXYZ。
在步骤504,视频***30缩小图像。例如,内窥镜***1可以60fps的帧率支持1080P(1080P的分辨率是1920×1080像素),并且以60fps的帧率支持4k(4K的分辨率是3840×2160像素)。为了降低计算复杂度,可缩小图像。例如,内窥镜***1以1080P(1920×1080像素)的分辨率获取图像。通过将图像缩小为分辨率为192×108像素的缩小后的图像,计算缩小后的图像的去雾参数的计算复杂度,例如计算缩小后的图像的所估计大气光分量、暗通道矩阵和透射图的计算复杂度,将大致为计算原始图像的所估计大气光分量、暗通道矩阵和透射图的计算复杂度的1%。在各种实施例中,可通过各种技术来执行缩小,例如超采样、双三次、最近邻、钟形、埃尔米特法、兰索斯法、米切尔法或双线性缩小。
例如,超采样是空间抗混叠方法。可能出现混叠的原因是,与具有连续平滑曲线和线条的现实世界对象不同,显示器通常向观看者显示大量的小方块。这些像素都大小相同,并且每个像素都有单个色彩(由RGB通道的强度确定)。在像素区域内的若干实例处获取色彩样本,然后计算平均色彩值。这是通过以比所显示的图像高得多的分辨率渲染图像,然后使用多余的像素进行计算将其缩小到所需大小来实现的。得到了缩小后的图像,其带有沿着对象的边缘从一行像素到另一行像素的更平滑的过渡。
在步骤506,视频***30估计缩小后的图像的大气光分量值。缩小后的图像的所估计大气光分量在本文中将被标示为“A”。用于估计大气光分量值的示例性方法的细节将在稍后结合图7和9更详细地进行描述。
在步骤508,视频***30确定图像600(图6)的暗通道矩阵。如本文所用,短语像素的“暗通道”是指以特定像素x为中心的色块Ω(x)602(图6)的所有像素中最低的色彩分量强度值。如本文所用,术语图像的“暗通道矩阵”是指图像的每个像素的暗通道的矩阵。像素x的暗通道将标示为I_DARK(x)。在各种实施例中,视频***30如下计算像素的暗通道:
I_DARK(x)=min(min(Ic(y))),,对于所有c∈{r,g,b}y∈Ω(x)
其中y标示色块Ω(x)的像素,c标示色彩分量,以及Ic(y)标示像素y的色彩分量c的强度值。因此,像素的暗通道是跨两个变量c和y的两次最小运算的结果,所述两个变量共同确定了以像素x为中心的色块的所有像素中最低的色彩分量强度值。在各种实施例中,视频***30可以通过获取色块中每个像素的最低色彩分量强度值,然后在所有那些值中找到最小值来计算像素的暗通道。对于色块的中心像素在图像边缘或边缘附近的情况,仅使用图像中色块的一部分。
在步骤510,视频***30确定在本文中被称为的缩小后的图像的透射图T。透射图T具有与缩小后的图像相同数量的像素。基于分别在步骤508和506确定的暗通道矩阵和大气光分量值来确定透射图T。透射图包含每个像素x的透射分量T(x)。在各种实施例中,可以如下确定透射分量:
其中ω是值介于0与1之间的参数,例如0.85。实际上,即使在清晰的图像中,也会有一些颗粒。因此,当观察远处的对象时,会存在一些雾。雾的存在是人类对深度的感知的提示。如果去除了所有雾,则可能会失去深度感。因此,为了保留一些雾,引入参数ω(0<ω<=1)。在各种实施例中,ω的值可以基于特定应用而变化。因此,对于缩小后的图像的每个像素,缩小后的图像的透射图等于1减去ω乘以像素的暗通道(I-DARK(x))除以缩小后的图像的大气光分量A。
在步骤512,视频***30通过创建放大后的透射图,将较低分辨率的缩小后的图像的透射图“放大”为原始图像的透射图。在各种实施例中,可通过在步骤504中使用的缩小的逆向操作来执行所述放大,例如,超采样、双三次、最近邻、钟形、埃尔米特法、兰索斯法、米切尔法或双线性缩小的逆向操作。根据本公开的方面,步骤512的操作涉及将通常应用于图像内容的放大技术改为应用于去雾参数。
在步骤514,视频***30基于放大后的透射图对图像进行去雾。下面将结合图8详细描述执行去雾操作的一种方式。
现在参考图6,示出了缩小后的图像的示例性像素表示,所述图像为例如来自图5的步骤504的缩小后的图像。在各种实施例中,在捕获过程期间或在捕获过程之后,可处理或可不处理缩小后的图像。在各种实施例中,图像600包含多个像素,并且图像600的尺寸常常表示为X乘Y格式的像素量,例如500×500像素。根据本公开的方面,并且如本文稍后将更详细解释的,可基于以图像600中的每个像素为中心的在本文中也将被称为色块的像素区域602、610来处理所述像素。在各种实施例中,图像的每个色块/像素区域可以大小相同。在各种实施例中,不同的像素区域或色块可以大小不同。每个像素区域或色块可以标示为Ω(x),其为具有特定像素“x”作为其中心像素的像素区域/色块。在图6的说明性实例中,像素区域602的大小为3×3像素并且以特定像素x1 606为中心。如果图像为18乘18像素,则色块大小可为3×3像素。所示的图像大小和色块大小是示例性的,并且本公开的范围内还预期其它图像大小和色块大小。
继续参考图6,图像600中的每个像素601可具有例如红色、绿色和蓝色的色彩分量612的组合,色彩分量在本文中也被称为色彩通道。Ic(y)在本文中用于标示图像600中特定像素y的色彩分量c的强度值。对于像素601,色彩分量612中的每一个具有表示所述色彩分量的明度强度的强度值。例如,对于24位RGB图像,色彩分量612中的每一个具有8个位,这对应于每个色彩分量具有256个可能的强度值。
例如,参考图6,对于在步骤504中被缩小的图像600,像素区域(色块)的大小可为3×3像素。例如,以x1 606为中心的3×3像素区域Ω(x1)602对于色块中9个像素中的每一个的R、G和B通道可具有以下强度:
在此实例中,对于像素区域Ω(x1)602中的左上像素,R通道的强度可为1,G通道的强度可为3,并且B通道的强度可为6。在此,R通道具有所述像素的RGB通道的最小强度值(值为1)。
将确定每个像素的最小色彩分量强度值。例如,对于以x1为中心的3×3像素区域Ω(x1)602,像素区域Ω(x1)602中的像素中的每一个的最小色彩分量强度值是:
因此,对于以x1为中心的此示例性3×3像素区域Ω(x)602,像素x1的暗通道的强度值将为0。
现在参考图7,示出了用于估计在图5的步骤506中估计的大气光分量值的示例性方法。通常,所述操作通过迭代过程将所估计大气光分量确定为缩小后的图像的充满雾的区域中最暗的像素,在所述迭代过程中,每个迭代都对标示为I_T的像素块进行操作。
在步骤702,所述操作通过将块I_T设置为整个缩小后的图像I_S来初始化第一迭代。在步骤704,视频***30将像素块I_T的宽度乘以高度与预定阈值TH相比较。例如,阈值TH可为160。如果缩小后的图像的宽度乘以高度不大于阈值TH,则在步骤706,视频***30将所估计大气光分量确定为像素块I_T中的最暗像素。
如果缩小后的图像的宽度乘以高度大于阈值TH,则在步骤708,视频***30将像素块I_T分离成大小相同或约为大小相同的多个较小的像素区域。例如,视频***30可将像素块I_T分离成大小相同或约为大小相同的四个较小的像素区域(或块)。在各种实施例中,较小的像素区域的数量不必为四个,并且可以使用其它数量的较小的像素区域。
在步骤710,视频***30确定每个较小的像素区域中的像素值的平均值和标准差,并且基于平均值减去标准差来确定每个较小的像素区域的得分。在各种实施例中,视频***30可基于较小的像素区域中的每一个的平均值和标准差来识别像素块I_T中的浓烟尘区域。例如,浓烟尘区域可能具有高明度和低标准差。在各种实施例中,可使用另一度量标准来识别在像素块I_T内具有最浓烟尘的较小的像素区域。
在步骤712,视频***30识别具有最高得分的较小的像素区域I_B。
在步骤714,视频***30通过将像素块I_T设置为具有最高得分的较小的像素区域I_B来准备下一次迭代。在步骤714之后,所述操作前进到步骤704以进行下一次迭代。因此,图7的所述操作对缩小后的图像中具有最浓烟尘的区域渐进地操作,直到像素块I_T的大小小于阈值。然后,在步骤706,所述操作通过将缩小后的图像的大气光分量确定为所述像素块I_T中的最暗像素P_D的值而结束。
参考图8,示出了用于使用去雾参数对图像进行去雾的操作。所示的操作假定初始图像是RGB图像。所述操作尝试在去雾过程中尽可能地保留原始RGB图像的色彩。在所示的实施例中,去雾操作将原始图像从RGB色彩空间转换为YUV色彩空间(Y是亮度,U和V是色度或色彩),并在Y(亮度)通道上应用去雾,所述通道一般是RGB色彩通道的加权和。
在步骤804,视频***30将RGB图像转换为标示为I-YUV的YUV图像。每个像素从RGB到YUV的转换可以如下执行:
接下来,在步骤806,视频***30对I-YUV图像的通道Y(亮度)执行去雾操作。根据本公开的方面,所述去雾操作如下:
其中,Y'(x)是去雾后的图像I-Y'UV的Y(亮度)通道。A是在图5的步骤506和图7中确定的所估计大气光分量值,并且T_N(x)是在图5的步骤512确定的放大后的透射图。因此,去雾后的图像I-Y'UV的Y(亮度)通道等于图像I-YUV的Y(亮度)通道与在步骤506中计算出的缩小后的图像的所估计大气光分量值A之差除以在步骤512中创建的透射图T_N(x)。
最终,在步骤808,视频***30将YUV去雾后的图像I-Y'UV转换为去雾后的RGB图像,其中从YUV到RGB的转换如下:
在各种实施例中,视频***30可在显示装置40上传达所得的去雾后的RGB图像,或将其保存到存储器或外部存储装置以供随后重新调用或进一步处理。尽管相对于RGB图像描述了图8的操作,但是应理解,所公开的操作也可以应用于其它色彩空间。
参考图9,示出了用于减少外科手术部位的视频的连续图像之间的闪烁的方法。为了应对去雾后的视频可能会闪烁的可能性,应稳定去雾后的视频的明度。大气光分量对去雾后的视频的明度具有重大影响,因此可以通过使去雾后的视频的连续帧之间的所估计大气光分量平滑来应对明度的稳定性和闪烁。在各种实施例中,对大气光分量值进行低通滤波可用于减少去雾后的视频的连续帧之间可能出现的闪烁。图9的操作示出了无限冲击响应滤光器的一个实例。
在步骤902,对于缩小后的视频的先前帧,视频***30初始化先前的大气光分量值A_PRE。如果不存在缩小后的视频的先前帧,则可以将先前的大气光分量值A_PRE设置为任何值,例如零。
在步骤904,视频***30使用图7的操作来估计缩小后的视频的当前帧的大气光分量值。
在步骤906,视频***30确定缩小后的视频的当前帧是否是缩小后的视频的第一帧。如果在步骤906确定缩小后的视频的当前帧是缩小后的视频的第一帧,则在步骤908,视频***30将平滑后的大气光分量值A设置为缩小后的视频的当前帧的所估计大气光分量值。
如果在步骤906中确定缩小后的视频的当前帧不是缩小后的视频的第一帧,则在步骤912,视频***30将平滑后的大气光分量值确定为:A=A-CUR*coef+A-PRE*(1-coef),其中,A-CUR是缩小后的视频的当前帧的所估计大气光分量值,A-PRE是缩小后的视频的先前帧的所估计大气光分量值,并且coef是预定的平滑系数。在各种实施例中,平滑系数“coef”的值可以介于0与1之间,例如0.85。
在步骤910,视频***30相应地基于步骤908或912中的任一个输出平滑后的大气光分量值。在步骤914,视频***30用在步骤910输出的平滑后的大气光分量值代替缩小后的视频的先前帧的先前大气光分量值,并且前进到步骤904以处理去雾后的视频的下一个去雾后的帧。
图10和11示出了在先前章节中描述的方法的示例性结果。图10示出了在使用内窥镜***1的外科手术程序期间所捕获到的带有烟尘的图像1000。例如,在内窥镜手术程序期间,外科医生可用电外科手术器械1002切割组织1004。在此切割期间,可能会产生雾1006。这种雾1006将被捕获在图像1000中。
图11示出了使用图5和8的方法去雾的去雾后RGB图像1100,如本文所述。去雾后的RGB图像1100可包含电外科手术器械1002和组织1004。
图12示出了根据本公开的用于执行实时减少雾的方法。最初,在步骤1202,视频***30存取外科手术部位的图像1000(图10)。图像1000具有原始分辨率。例如,原始分辨率可为1080P(1920×1080像素)。
在步骤1204,视频***30缩小图像以提供相比原始分辨率具有较低分辨率的缩小后的图像。例如,可将图像1000从1920×1080像素缩小到192×108像素。在各种实施例中,可通过以下技术来执行所述缩小:超采样、双三次、最近邻、钟形、埃尔米特法、兰索斯法、米切尔法或双线性缩小。
在步骤1206,视频***30处理缩小后的图像以生成对应于较低分辨率的去雾参数。例如,如在图5的步骤510中,去雾参数可包含透射图T。在各种实施例中,缩小后的图像的透射图可对应于缩小后的图像的大小。
在步骤1208,视频***30将对应于较低分辨率的去雾参数转换为对应于原始分辨率的第二去雾参数。例如,视频***30可将缩小后的图像的透射图T转换为对应于1920×1080像素的原始图像分辨率的透射图T_N。
在步骤1210,视频***30基于对应于原始分辨率的第二去雾参数对图像1000进行去雾。例如,视频***30可使用可以利用透射图T_N的任何去雾方法来去雾,从而得到去雾后的RGB图像1100(图11)。
本文所公开的实施例是本公开的实例,并且可以各种形式来体现。例如,尽管本文的某些实施例被描述为独立的实施例,但本文的实施例中的每一个可与本文的其它实施例中的一个或多个组合。本文所公开的具体结构和功能的细节不应被理解为具有限制性,而仅仅是作为权利要求的基础,并且是作为用于教导本领域技术人员以几乎任何适当的详细结构来采用本公开的代表性基础。在关于图式的整个描述中,相同的附图标记可指代类似或相同的元素。
短语“在实施例中”、“在一些实施例中”或“在其它实施例中”可各自指代根据本公开的相同或不同实施例中的一个或多个。“A或B”形式的短语表示“(A)、(B)或(A和B)”。“A、B或C中的至少一个”形式的短语表示“(A);(B);(C);(A和B);(A和C);(B和C);或(A、B和C)”。术语“临床医生”可指代临床医生或执行医疗程序的任何医疗专业人员,例如医生、护士、技术人员、医疗助手等。
本文所描述的***还可利用一个或多个控制器来接收各种信息并转换所接收的信息以生成输出。控制器可包含任何类型的计算装置、计算电路,或能够实行存储在存储器中的一系列指令的任何类型的处理器或处理电路。控制器可包含多个处理器和/或多核中央处理单元(CPU),并且可包含任何类型的处理器,例如微处理器、数字信号处理器、微控制器、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)等。控制器还可包含用于存储数据和/或指令的存储器,所述数据和/或指令当由一个或多个处理器实行时使所述一个或多个处理器执行一个或多个方法和/或算法。
本文所描述的方法、程序、算法或代码中的任一个可转换为编程语言或计算机程序,或者以编程语言或计算机程序表达。如本文所用,术语“编程语言”和“计算机程序”各自包含用于指定计算机指令的任何语言,并且包含(但不限于)以下语言及其衍生物:汇编程序、Basic程序设计语言、批处理文件、BCPL、C、C+、C++、Delphi、Fortran、Java、JavaScript、机器代码、操作***命令语言、Pascal、Perl、PL1、脚本语言、Visual Basic程序设计语言、元语言这些自己指定程序的语言,以及所有第一代、第二代、第三代、***、第五代或更高代的计算机语言。还包含数据库和其它数据模式以及任何其它元语言。解译、编译或同时使用编译和解译方法的语言之间没有区别。程序的编译版本与源版本之间没有区别。因此,对其中编程语言可以以多于一种的状态(例如源、编译、对象或链接)存在的程序的引用是对任何和所有这种状态的引用。对程序的引用可涵盖实际指令和/或那些指令的目的。
本文所描述的方法、程序、算法或代码中的任一个可以包含在一个或多个机器可读介质或存储器上。术语"存储器"可包含以例如处理器、计算机或数字处理装置的机器可读的形式提供(例如,存储和/或传输)信息的机构。例如,存储器可包含只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光学存储介质、快闪存储器装置,或任何其它易失性或非易失性存储器存储装置。包含在其上的代码或指令可以由载波信号、红外信号、数字信号和其它类似信号表示。
应理解,前文的描述仅仅是对本公开的例示。在不脱离本公开的情况下,本领域技术人员可以设计出各种替代方案和修改。因此,本公开意在涵盖所有这样的替代方案、修改和变型。参考附图描述的实施例仅是为了展现本公开的某些实例。与上文所述和/或所附权利要求中稍微不同的其它元素、步骤、方法和技术也旨在落入本公开的范围内。
Claims (20)
1.一种用于减少图像中的雾的方法,其包括:
存取被雾遮盖的对象的图像,所述图像具有原始分辨率;
缩小所述图像以提供相比所述原始分辨率具有较低分辨率的缩小后的图像;
处理所述缩小后的图像以生成对应于所述较低分辨率的去雾参数;
将对应于所述较低分辨率的所述去雾参数转换为对应于所述原始分辨率的第二去雾参数;以及
基于对应于所述原始分辨率的所述第二去雾参数对所述图像进行去雾。
2.根据权利要求1所述的方法,其中所述缩小是基于图像缩小处理,并且所述转换是基于所述图像缩小处理的逆向操作,其中所述图像缩小处理为以下之一:超采样、双三次、最近邻、钟形、埃尔米特法、兰索斯法、米切尔法或双线性缩小。
3.根据权利要求1所述的方法,其中,处理所述缩小后的图像包含:
估计所述缩小后的图像的大气光分量值;
确定所述缩小后的图像的暗通道矩阵;以及
根据所述大气光分量和所述暗通道矩阵确定所述缩小后的图像的透射图。
4.根据权利要求3所述的方法,其中,将对应于所述较低分辨率的所述去雾参数转换为对应于所述原始分辨率的所述第二去雾参数包含:将所述缩小后的图像的所述透射图转换为所述原始图像的第二透射图。
5.根据权利要求4所述的方法,其中,对所述图像进行去雾包含:
将所述图像从RGB图像、CMYK图像、CIELAB图像或CIEXYZ图像中的至少一个转换为YUV图像;
对所述YUV图像执行去雾操作以提供Y'UV图像;以及
将所述Y'UV图像转换为去雾后的图像。
8.根据权利要求3所述的方法,其中,对于所述缩小后的图像中的像素块,估计所述缩小后的图像的所述大气光分量值包含:
确定所述像素块的宽度乘以高度是否大于预定阈值,
在所述宽度乘以高度大于所述预定阈值的情况下:
将所述像素块划分为多个较小的像素区域,
计算所述较小的像素区域中的每一个的像素值的平均值和标准差,
基于所述较小的像素区域的所述平均值减去所述标准差来确定所述较小的像素区域中的每一个的得分,以及
识别具有所述得分中最高得分的所述多个较小的像素区域中的一个;并且
在所述宽度乘以高度不大于所述预定阈值的情况下,将所述大气光分量值估计为所述像素块中最暗的像素。
9.根据权利要求3所述的方法,其中,估计所述大气光分量值包含基于先前去雾后的图像帧的所估计大气光分量值来使所述大气光分量值平滑。
10.根据权利要求9所述的方法,其中使所述大气光分量值平滑包含将所述大气光分量值确定为:
A=A-CUR*coef+A-PRE*(1-coef),
其中:
A-CUR是所述缩小后的图像的所述所估计大气光分量值,
A-PRE是先前缩小后的图像的所述所估计大气光分量值,并且
coef是预定的平滑系数。
11.一种用于减少图像中的雾的***,其包括:
成像装置,其配置成捕获被雾遮盖的对象的图像;
显示装置;
处理器;以及
存储指令的存储器,所述指令在由所述处理器实行时使所述***进行以下操作:
存取被雾遮盖的所述对象的所述图像,所述图像具有原始分辨率,
缩小所述图像以提供相比所述原始分辨率具有较低分辨率的缩小后的图像,
处理所述缩小后的图像以生成对应于所述较低分辨率的去雾参数,
将对应于所述较低分辨率的所述去雾参数转换为对应于所述原始分辨率的第二去雾参数,
基于对应于所述原始分辨率的所述第二去雾参数对所述图像进行去雾,以及
在所述显示装置上显示所述去雾后的图像。
12.根据权利要求11所述的***,其中所述缩小是基于图像缩小处理,并且所述转换是基于所述图像缩小处理的逆向操作,其中所述图像缩小处理为以下之一:超采样、双三次、最近邻、钟形、埃尔米特法、兰索斯法、米切尔法或双线性缩小。
13.根据权利要求11所述的***,其中,在处理所述缩小后的图像时,所述指令在由所述处理器实行时使所述***进行以下操作:
估计所述缩小后的图像的大气光分量值;
确定所述缩小后的图像的暗通道矩阵;以及
根据所述大气光分量和所述暗通道矩阵确定所述缩小后的图像的透射图。
14.根据权利要求13所述的***,其中,在将对应于所述较低分辨率的所述去雾参数转换为对应于所述原始分辨率的所述第二去雾参数时,所述指令在由所述处理器实行时使所述***进行以下操作:将所述缩小后的图像的所述透射图转换为所述原始图像的第二透射图。
15.根据权利要求14所述的***,其中,在对所述图像进行去雾时,所述指令在由所述处理器实行时使所述***进行以下操作:
将所述图像从RGB图像、CMYK图像、CIELAB图像或CIEXYZ图像中的至少一个转换为YUV图像;
对所述YUV图像执行去雾操作以提供Y'UV图像;以及
将所述Y'UV图像转换为所述去雾后的图像。
18.根据权利要求13所述的***,其中,对于所述缩小后的图像中的像素块,在估计所述缩小后的图像的所述大气光分量值时,所述指令在由所述处理器实行时使所述***进行以下操作;
确定所述像素块的宽度乘以高度是否大于预定阈值,
在所述宽度乘以高度大于所述预定阈值的情况下:
将所述像素块划分为多个较小的像素区域,
计算所述较小的像素区域中的每一个的像素值的平均值和标准差,
基于所述较小的像素区域的所述平均值减去所述标准差来确定所述较小的像素区域中的每一个的得分,以及
识别具有所述得分中最高得分的所述多个较小的像素区域中的一个;并且
在所述宽度乘以高度不大于所述预定阈值的情况下,将所述大气光分量值估计为所述像素块中最暗的像素。
19.根据权利要求13所述的***,在估计所述大气光分量值时,所述指令在由所述处理器实行时使所述***进行以下操作:基于先前去雾后的图像帧的所估计大气光分量值来使所述大气光分量值平滑。
20.根据权利要求19所述的***,其中,在使所述大气光分量值平滑时,所述指令在由所述处理器实行时使所述***将所述大气光分量值确定为:
A=A-CUR*coef+A-PRE*(1-coef),
其中:
A-CUR是所述缩小后的图像的所述所估计大气光分量值,
A-PRE是先前缩小后的图像的所述所估计大气光分量值,并且
coef是预定的平滑系数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/105983 WO2021051239A1 (en) | 2019-09-16 | 2019-09-16 | Systems and methods for real-time de-hazing in images |
CNPCT/CN2019/105983 | 2019-09-16 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112508797A true CN112508797A (zh) | 2021-03-16 |
Family
ID=74882932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010971186.0A Pending CN112508797A (zh) | 2019-09-16 | 2020-09-16 | 用于图像中实时去雾的***和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220351339A1 (zh) |
EP (1) | EP4032060A4 (zh) |
CN (1) | CN112508797A (zh) |
WO (1) | WO2021051239A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066780A (zh) * | 2022-01-17 | 2022-02-18 | 广东欧谱曼迪科技有限公司 | 4k内窥镜图像去雾方法、装置、电子设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309258B (zh) * | 2022-09-13 | 2023-11-24 | 瀚湄信息科技(上海)有限公司 | 一种基于cmos成像的内窥镜图像处理方法、装置和电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104253930B (zh) * | 2014-04-10 | 2017-04-05 | 西南科技大学 | 一种实时视频去雾方法 |
CN104091310A (zh) * | 2014-06-24 | 2014-10-08 | 三星电子(中国)研发中心 | 一种图像去雾方法和装置 |
CN104574325A (zh) * | 2014-12-18 | 2015-04-29 | 华中科技大学 | 一种天空光估计方法与***及其图像去雾方法 |
US10477128B2 (en) * | 2017-01-06 | 2019-11-12 | Nikon Corporation | Neighborhood haze density estimation for single-image dehaze |
-
2019
- 2019-09-16 EP EP19945696.3A patent/EP4032060A4/en not_active Withdrawn
- 2019-09-16 US US17/760,843 patent/US20220351339A1/en active Pending
- 2019-09-16 WO PCT/CN2019/105983 patent/WO2021051239A1/en unknown
-
2020
- 2020-09-16 CN CN202010971186.0A patent/CN112508797A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066780A (zh) * | 2022-01-17 | 2022-02-18 | 广东欧谱曼迪科技有限公司 | 4k内窥镜图像去雾方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021051239A1 (en) | 2021-03-25 |
EP4032060A1 (en) | 2022-07-27 |
US20220351339A1 (en) | 2022-11-03 |
EP4032060A4 (en) | 2023-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10733703B2 (en) | Efficient image demosaicing and local contrast enhancement | |
JP7166430B2 (ja) | 医用画像処理装置、プロセッサ装置、内視鏡システム、医用画像処理装置の作動方法及びプログラム | |
CN112508797A (zh) | 用于图像中实时去雾的***和方法 | |
JP2023120364A (ja) | 光レベル適応フィルタ及び方法 | |
JP2023014288A (ja) | 医用画像処理装置、プロセッサ装置、内視鏡システム、医用画像処理装置の作動方法及びプログラム | |
JP7122328B2 (ja) | 画像処理装置、プロセッサ装置、画像処理方法、及びプログラム | |
CN106780384A (zh) | 一种适用冷光源腹腔影像参数自适应的实时去烟雾方法 | |
CN112488926A (zh) | 用于基于神经网络的色彩还原的***和方法 | |
KR101385743B1 (ko) | 수술 영상의 실시간 시각적 노이즈 자동 제거 장치, 방법 및 시스템 | |
US9672596B2 (en) | Image processing apparatus to generate a reduced image of an endoscopic image | |
CN112488925A (zh) | 用于减少图像中的烟雾的***和方法 | |
CN114651439B (zh) | 信息处理***、内窥镜***、信息存储介质及信息处理方法 | |
CN116468636A (zh) | 低照度增强方法、装置、电子设备和可读存储介质 | |
US20190122344A1 (en) | Image processing apparatus, image processing method, and non-transitory computer readable recording medium | |
JP5528122B2 (ja) | 内視鏡装置 | |
JP7137629B2 (ja) | 医用画像処理装置、プロセッサ装置、医用画像処理装置の作動方法、及びプログラム | |
CN114584675A (zh) | 一种自适应视频增强方法和装置 | |
WO2020017211A1 (ja) | 医用画像学習装置、医用画像学習方法、及びプログラム | |
JP2011139732A (ja) | 内視鏡装置 | |
CN114269221A (zh) | 医疗图像处理装置、内窥镜***、医疗图像处理方法以及程序 | |
JP2014094175A (ja) | 電子内視鏡用画像処理システム | |
JP7148625B2 (ja) | 医用画像処理装置、プロセッサ装置、医用画像処理装置の作動方法、及びプログラム | |
CN115100147B (zh) | 一种智能切换的脊柱内镜***、装置和计算机可读介质 | |
JPH04314181A (ja) | 内視鏡画像の処理方法 | |
WO2023184526A1 (en) | System and method of real-time stereoscopic visualization based on monocular camera |
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 |