CN114418920A - 一种内窥镜多焦点图像融合方法 - Google Patents

一种内窥镜多焦点图像融合方法 Download PDF

Info

Publication number
CN114418920A
CN114418920A CN202210320964.9A CN202210320964A CN114418920A CN 114418920 A CN114418920 A CN 114418920A CN 202210320964 A CN202210320964 A CN 202210320964A CN 114418920 A CN114418920 A CN 114418920A
Authority
CN
China
Prior art keywords
image
images
corrected
color
light
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
Application number
CN202210320964.9A
Other languages
English (en)
Other versions
CN114418920B (zh
Inventor
于腾波
马金龙
王辰
陈进利
付海涛
王晓南
王坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Affiliated Hospital of University of Qingdao
Original Assignee
Affiliated Hospital of University of Qingdao
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
Application filed by Affiliated Hospital of University of Qingdao filed Critical Affiliated Hospital of University of Qingdao
Priority to CN202210320964.9A priority Critical patent/CN114418920B/zh
Publication of CN114418920A publication Critical patent/CN114418920A/zh
Application granted granted Critical
Publication of CN114418920B publication Critical patent/CN114418920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Endoscopes (AREA)

Abstract

本发明公开了一种内窥镜多焦点图像融合方法，属于图像数据处理技术领域，包括：图像采集步骤，分别在不同焦距下采集图像，得到多幅原始图像；特征点提取步骤，分别提取各原始图像的特征点；特征匹配步骤，得到原始图像两两之间的匹配点对；确定参考图像步骤，查找参考图像；图像纠正步骤，将所有原始图像纠正到参考图像的平面，得到若干幅纠正图像；匀光匀色处理步骤，得到匀光匀色后的纠正图像；图像融合步骤，将匀光匀色后的纠正图像进行融合处理，得到融合图像。本发明的内窥镜多焦点图像融合方法，通过对采集的多张不同对焦距离图像的融合，得到一张包含所有采集图像清晰位置的图像，方便用户观察。

Description

一种内窥镜多焦点图像融合方法
技术领域
本发明属于图像处理技术领域，具体地说，涉及一种内窥镜多焦点图像融合方法。
背景技术
内窥镜作为一种基于图像传感器的检测仪器，可以看到X射线不能显示的病变，在医疗领域有广泛的应用。现有内窥镜感光器件多为CCD或CMOS,成像原理为小孔成像，成像清晰范围受景深限制。
此外，内窥镜人体一些器官中进行成像时，需要发现具体的病理区域，但是由于人体内体肠道始终处于蠕动状态，因此会导致拍摄到的病理区域的图像分辨率极低，甚至随着肠道的蠕动，病理区域无法保持在图像的中部，不便于医生的查看。
由于上述图像采集设备自身缺陷或者图像采集环境差造成的内窥镜成像品质差，在图像采集设备以及图像采集环境无法改变的情况下，只能通过对已经获得的图像作进一步的处理，其目的是或者是使原来不够清晰的图像复原，或者是为了突出图像中的某些特征信息进行处理。
基于此，本发明提出了一种内窥镜多焦点图像融合方法，主要通过图像处理的方式解决医疗图像成像清晰范围小、清晰度差的技术问题。
本背景技术所公开的上述信息仅仅用于增加对本申请背景技术的理解，因此，其可能包括不构成本领域普通技术人员已知的现有技术。
发明内容
本发明针对现有技术中由于图像采集设备自身缺陷或者图像采集环境差造成的内窥镜成像品质差的技术问题，提出了一种内窥镜多焦点图像融合方法，用于提高内窥镜采集输出图像的品质。
为实现上述发明目的，本发明采用下述技术方案予以实现：
一种内窥镜多焦点图像融合方法，包括：
图像采集步骤，分别在不同焦距下采集图像，得到多幅原始图像；
特征点提取步骤，分别提取各原始图像的特征点；
特征匹配步骤，根据所述特征点对原始图像两两之间进行特征匹配，得到原始图像两两之间的匹配点对；
确定参考图像步骤，查找出与其他原始图像之间的匹配点对最多的原始图像作为参考图像；
图像纠正步骤，将所有原始图像纠正到所述参考图像的平面，得到若干幅纠正图像；
匀光匀色处理步骤，分别将所述纠正图像进行匀光匀色处理，得到匀光匀色后的纠正图像；
图像融合步骤，将匀光匀色后的纠正图像进行融合处理，得到融合图像。
进一步的，图像纠正步骤中，采用对错误匹配鲁棒的方法，计算参考图像之外的其他原始图像到所述参考图像的单应变换，使用单应变换把参考图像之外的其他原始图像纠正到所述参考图像的平面。
进一步的，匀光匀色处理步骤包括：
把所述参考图像所在平面分割成若干个图像块；
计算所述图像块内各纠正图像在r、g、b通道的灰度直方图
Figure 225140DEST_PATH_IMAGE001
，
Figure 405586DEST_PATH_IMAGE002
，其中，k为纠正图像的编号，p和q表示图像块的行号和列号；
计算所述图像块内所有纠正图像分别在r、g、b通道的灰度直方图之和，记作
Figure 864249DEST_PATH_IMAGE003
，
Figure 268685DEST_PATH_IMAGE004
；
计算所述图像块内的各
Figure 55376DEST_PATH_IMAGE001
，
Figure 570671DEST_PATH_IMAGE002
分别到
Figure 883840DEST_PATH_IMAGE003
，
Figure 459178DEST_PATH_IMAGE004
的线性变换，并获得变换系数；
根据所述变换系数，分别对各纠正图像进行匀光匀色计算。
进一步的，所述图像块内的
Figure 733165DEST_PATH_IMAGE001
，
Figure 881511DEST_PATH_IMAGE002
分别到
Figure 986871DEST_PATH_IMAGE003
，
Figure 670793DEST_PATH_IMAGE004
的线性变换为：
Figure 556709DEST_PATH_IMAGE005
；
Figure 882648DEST_PATH_IMAGE006
；
Figure 842514DEST_PATH_IMAGE007
；
a和b分别为变换系数。
进一步的，对各纠正图像进行匀光匀色的方法为：
Figure 821972DEST_PATH_IMAGE008
；
Figure 132867DEST_PATH_IMAGE009
；
Figure 731339DEST_PATH_IMAGE010
；
Figure 873607DEST_PATH_IMAGE011
；
Figure 227228DEST_PATH_IMAGE012
表示纠正图像，
Figure 697524DEST_PATH_IMAGE013
表示匀光匀色后的纠正图像，(i,j)表示像素坐标，
Figure 162003DEST_PATH_IMAGE014
表示图像块
Figure 391734DEST_PATH_IMAGE015
的中心像素坐标,
Figure 916256DEST_PATH_IMAGE016
为权值，
Figure 873848DEST_PATH_IMAGE017
表示纠正图像块（p,q）的中心距离像素
Figure 876439DEST_PATH_IMAGE018
的距离，
Figure 727720DEST_PATH_IMAGE019
是图块的大小，
Figure 423144DEST_PATH_IMAGE020
是纠正图像第i行对应的图像块的行数，
Figure 868032DEST_PATH_IMAGE021
纠正图像第j列对应的图像块的列数。
进一步的，图像融合步骤中，采用加权和的方法将匀光匀色后的纠正图像进行融合处理。
进一步的，所述融合处理方法为：
使用拉普拉斯算子计算匀光匀色后的纠正图像中各像素的对比度：
Figure 736630DEST_PATH_IMAGE022
；
使用匀光匀色后的纠正图像r，g，b三个通道标准差计算各像素的饱和度：
Figure 645681DEST_PATH_IMAGE023
；
使用对比度和饱和度计算各像素的权值
Figure 184109DEST_PATH_IMAGE024
：
Figure 178610DEST_PATH_IMAGE025
；
将
Figure 585321DEST_PATH_IMAGE026
归一化得到
Figure 817719DEST_PATH_IMAGE027
：
Figure 153148DEST_PATH_IMAGE028
；
利用
Figure 838207DEST_PATH_IMAGE027
将匀光匀色后的纠正图像进行融合：
Figure 314188DEST_PATH_IMAGE029
；
Figure 135513DEST_PATH_IMAGE030
；
Figure 343640DEST_PATH_IMAGE031
；
N为匀光匀色后的纠正图像的数量，
Figure 109471DEST_PATH_IMAGE032
为融合图像。
进一步的，灰度直方图
Figure 795667DEST_PATH_IMAGE001
，
Figure 471499DEST_PATH_IMAGE033
,
Figure 584949DEST_PATH_IMAGE034
以及
Figure 103655DEST_PATH_IMAGE003
，
Figure 531225DEST_PATH_IMAGE035
分别为归一化的灰度直方图。
进一步的，特征点提取步骤中采用SIFT算法、HOG算法以及ORB算法的任一种。
进一步的，特征匹配步骤中采用相关系数特征匹配方法或者欧氏距离特征匹配方法进行特征匹配。
与现有技术相比，本发明的优点和积极效果是：
本发明的内窥镜多焦点图像融合方法，通过对采集的多张不同对焦距离图像的融合，得到一张包含所有采集图像清晰位置的图像，方便用户观察。
相比多张图像直接加权求和的方法，有效消除斑块效应，使融合后图像色调和亮度更加一致，图像整体更加自然。
相比金字塔或小波变换融合方法，在消除融合图像斑块效应的同时，显著降低计算量。
结合附图阅读本发明的具体实施方式后，本发明的其他特点和优点将变得更加清楚。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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他的附图。
图1是本发明提出的内窥镜多焦点图像融合方法的一种实施例的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
本实施例提出了一种内窥镜多焦点图像融合方法，如图1所示，包括：
图像采集步骤，分别在不同焦距下采集图像，得到多幅原始图像。
首先，使用内窥镜采集不同对焦距离时的图像，并使用点特征提取方法提取每张图像的特征点，得到特征点的特征描述。
特征点提取步骤，分别提取各原始图像的特征点。
提取特征可以使用的方法包括但不限于SIFT算法、HOG算法以及ORB算法等。
特征匹配步骤，根据特征点对原始图像两两之间进行特征匹配，得到原始图像两两之间的匹配点对。
特征匹配步骤中可采用但不限于相关系数特征匹配方法或者欧氏距离特征匹配方法进行特征匹配。
确定参考图像步骤，查找出与其他原始图像之间的匹配点对最多的原始图像作为参考图像。
图像纠正步骤，将所有原始图像纠正到所述参考图像的平面，得到若干幅纠正图像。
匀光匀色处理步骤，分别将纠正图像进行匀光匀色处理，得到匀光匀色后的纠正图像。
图像融合步骤，将匀光匀色后的纠正图像进行融合处理，得到融合图像。
本实施例的内窥镜多焦点图像融合方法，提高内窥镜采集多张不同对焦距离图像，得到多张分别在不同位置的清晰图像，方便用户观察。
相比多张图像直接加权求和的方法，有效消除斑块效应，使融合后图像色调和亮度更加一致，图像整体更加自然。
相比金字塔或小波变换融合方法，在消除融合图像斑块效应的同时，显著降低计算量。
在一些实施例中，图像纠正步骤中，采用对错误匹配鲁棒的方法，计算参考图像之外的其他原始图像到所述参考图像的单应变换，使用单应变换把参考图像之外的其他原始图像纠正到参考图像的平面。通过本步骤，纠正后的图像同名点具有相同的纹理坐标，方便匀光匀色直方图统计和最后的图像融合快速找到同名点或同名区域。
在一些实施例中，可采用RANSAC算法计算其他影像到参考影像的单应变换，使用单应变换把其他影像纠正到参考影像的平面。
在一些实施例中，匀光匀色处理步骤包括：
把参考图像所在平面分割成若干个图像块。
为了提高计算速度，在一些实施例中，把参考图像所在平面分割成若干个大小相同的图像块。
计算图像块内各纠正图像在r、g、b通道的灰度直方图
Figure 950312DEST_PATH_IMAGE001
，
Figure 703504DEST_PATH_IMAGE033
,
Figure 381610DEST_PATH_IMAGE034
，其中，k为纠正图像的编号，p和q表示图像块的行号和列号。
计算图像块内所有纠正图像分别在r、g、b通道的灰度直方图之和，记作
Figure 471926DEST_PATH_IMAGE036
Figure 919088DEST_PATH_IMAGE003
，
Figure 577602DEST_PATH_IMAGE035
Figure 743004DEST_PATH_IMAGE037
。
计算所述图像块内的各
Figure 902590DEST_PATH_IMAGE001
，
Figure 141942DEST_PATH_IMAGE033
,
Figure 361570DEST_PATH_IMAGE034
分别到
Figure 14269DEST_PATH_IMAGE003
，
Figure 321753DEST_PATH_IMAGE035
的线性变换，并获得变换系数。
根据变换系数，分别对各纠正图像进行匀光匀色计算。
通过线性变换，可以使匀光匀色后的图像亮度和色调基本一致，避免融合后图像颜色或亮度产生斑块效应。
在一些实施例中，图像块内的
Figure 743507DEST_PATH_IMAGE001
，
Figure 369923DEST_PATH_IMAGE033
,
Figure 244338DEST_PATH_IMAGE034
分别到
Figure 621093DEST_PATH_IMAGE003
，
Figure 897353DEST_PATH_IMAGE035
的线性变换为：
Figure 193205DEST_PATH_IMAGE005
；
Figure 554917DEST_PATH_IMAGE006
；
Figure 204204DEST_PATH_IMAGE007
；
a和b分别为变换系数。
一个图像块内同一图像的变换系数a值相同，b值不同。同一图像块内r、g、b通道a值相同比a值不同更加稳定。
在一些实施例中，对各纠正图像进行匀光匀色的方法为：
Figure 600550DEST_PATH_IMAGE008
；
Figure 67304DEST_PATH_IMAGE009
；
Figure 916311DEST_PATH_IMAGE010
；
Figure 369289DEST_PATH_IMAGE011
；
Figure 948038DEST_PATH_IMAGE012
表示纠正图像，
Figure 523376DEST_PATH_IMAGE013
表示匀光匀色后的纠正图像，(i,j)表示像素坐标，
Figure 797362DEST_PATH_IMAGE014
表示图像块
Figure 116348DEST_PATH_IMAGE015
的中心像素坐标,
Figure 805997DEST_PATH_IMAGE016
为权值，
Figure 552236DEST_PATH_IMAGE017
表示纠正图像块（p,q）的中心距离像素
Figure 47939DEST_PATH_IMAGE018
的距离，
Figure 170616DEST_PATH_IMAGE019
是图块的大小，
Figure 192799DEST_PATH_IMAGE020
是纠正图像第i行对应的图像块的行数，
Figure 313202DEST_PATH_IMAGE021
纠正图像第j列对应的图像块的列数。
Figure 624097DEST_PATH_IMAGE016
表示图像块(p,q)的变换参数对（i,j）处灰度值影响大小。图像块(p,q)距离像素（i,j）越远，影响越小。
在一些实施例中，图像融合步骤中，采用加权和的方法将匀光匀色后的纠正图像进行融合处理。得到一张包含多张图像清晰位置的融合图像。
在一些实施例中，融合处理方法为：
使用拉普拉斯算子计算匀光匀色后的纠正图像中各像素的对比度：
Figure 347203DEST_PATH_IMAGE022
。
本图像融合步骤能够对饱和度高、对比度高的像素分配更高的权重，使得融合后的图像包含各图像成像清晰、饱和度高的位置。
在一些实施例中可采用用3×3拉普拉斯算子算子计算匀光匀色后的纠正图像中各像素的对比度。
使用匀光匀色后的纠正图像r，g，b三个通道标准差计算各像素的饱和度：
Figure 161575DEST_PATH_IMAGE023
；
使用对比度和饱和度计算各像素的权值
Figure 452879DEST_PATH_IMAGE024
：
Figure 985491DEST_PATH_IMAGE025
；
将
Figure 246708DEST_PATH_IMAGE026
归一化得到
Figure 181166DEST_PATH_IMAGE027
：
Figure 643372DEST_PATH_IMAGE028
；
利用
Figure 397701DEST_PATH_IMAGE027
将匀光匀色后的纠正图像进行融合：
Figure 495232DEST_PATH_IMAGE029
；
Figure 221880DEST_PATH_IMAGE030
；
Figure 651724DEST_PATH_IMAGE031
；
N为匀光匀色后的纠正图像的数量，
Figure 221246DEST_PATH_IMAGE032
为融合图像。
在一些实施例中，灰度直方图
Figure 27528DEST_PATH_IMAGE038
Figure 608682DEST_PATH_IMAGE001
，
Figure 475007DEST_PATH_IMAGE033
,
Figure 266245DEST_PATH_IMAGE034
以及
Figure 876218DEST_PATH_IMAGE003
，
Figure 577458DEST_PATH_IMAGE035
分别为归一化的灰度直方图。
以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，依然可以对前述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；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。

Claims (10)

1.一种内窥镜多焦点图像融合方法，其特征在于，包括：
图像采集步骤，分别在不同焦距下采集图像，得到多幅原始图像；
特征点提取步骤，分别提取各原始图像的特征点；
特征匹配步骤，根据所述特征点对原始图像两两之间进行特征匹配，得到原始图像两两之间的匹配点对；
确定参考图像步骤，查找出与其他原始图像之间的匹配点对最多的原始图像作为参考图像；
图像纠正步骤，将所有原始图像纠正到所述参考图像的平面，得到若干幅纠正图像；
匀光匀色处理步骤，分别将所述纠正图像进行匀光匀色处理，得到匀光匀色后的纠正图像；
图像融合步骤，将匀光匀色后的纠正图像进行融合处理，得到融合图像。
2.根据权利要求1所述的内窥镜多焦点图像融合方法，其特征在于，图像纠正步骤中，采用对错误匹配鲁棒的方法，计算参考图像之外的其他原始图像到所述参考图像的单应变换，使用单应变换把参考图像之外的其他原始图像纠正到所述参考图像的平面。
3.根据权利要求1所述的内窥镜多焦点图像融合方法，其特征在于，匀光匀色处理步骤包括：
把所述参考图像所在平面分割成若干个图像块；
计算所述图像块内各纠正图像在r、g、b通道的灰度直方图，
Figure 630749DEST_PATH_IMAGE001
,
Figure 16731DEST_PATH_IMAGE002
，其中，k为纠正图像的编号，p和q表示图像块的行号和列号；
计算所述图像块内所有纠正图像分别在r、g、b通道的灰度直方图之和，记作
Figure 62047DEST_PATH_IMAGE003
，
Figure 785153DEST_PATH_IMAGE004
；
计算所述图像块内的各
Figure 865104DEST_PATH_IMAGE005
，
Figure 890829DEST_PATH_IMAGE001
,
Figure 423441DEST_PATH_IMAGE002
分别到
Figure 950238DEST_PATH_IMAGE003
，
Figure 884696DEST_PATH_IMAGE004
的线性变换，并获得变换系数；
根据所述变换系数，分别对各纠正图像进行匀光匀色计算。
4.根据权利要求3所述的内窥镜多焦点图像融合方法，其特征在于，所述图像块内的
Figure 81322DEST_PATH_IMAGE005
，
Figure 101230DEST_PATH_IMAGE001
,
Figure 166138DEST_PATH_IMAGE002
分别到
Figure 955103DEST_PATH_IMAGE003
，
Figure 588210DEST_PATH_IMAGE004
的线性变换的方法为：
Figure 95414DEST_PATH_IMAGE006
；
Figure 196969DEST_PATH_IMAGE007
；
Figure 106019DEST_PATH_IMAGE008
；
a和b分别为变换系数。
5.根据权利要求4所述的内窥镜多焦点图像融合方法，其特征在于，对各纠正图像进行匀光匀色的方法为：
Figure 644448DEST_PATH_IMAGE009
；
Figure 638949DEST_PATH_IMAGE010
；
Figure 45659DEST_PATH_IMAGE011
；
Figure 809216DEST_PATH_IMAGE012
；
Figure 784125DEST_PATH_IMAGE013
表示纠正图像，
Figure 343DEST_PATH_IMAGE014
表示匀光匀色后的纠正图像，(i,j)表示像素坐标，
Figure 210744DEST_PATH_IMAGE015
表示图像块
Figure 828808DEST_PATH_IMAGE016
的中心像素坐标,
Figure 974618DEST_PATH_IMAGE017
为权值，
Figure 6028DEST_PATH_IMAGE018
表示纠正图像块（p,q）的中心距离像素
Figure 692224DEST_PATH_IMAGE019
的距离，
Figure 368056DEST_PATH_IMAGE020
是图块的大小，
Figure 747085DEST_PATH_IMAGE021
是纠正图像第i行对应的图像块的行数，
Figure 501677DEST_PATH_IMAGE022
纠正图像第j列对应的图像块的列数。
6.根据权利要求5所述的内窥镜多焦点图像融合方法，其特征在于，图像融合步骤中，采用加权和的方法将匀光匀色后的纠正图像进行融合处理。
7.根据权利要求6所述的内窥镜多焦点图像融合方法，其特征在于，所述融合处理方法为：使用拉普拉斯算子计算匀光匀色后的纠正图像中各像素的对比度：
Figure 991564DEST_PATH_IMAGE023
；
使用匀光匀色后的纠正图像r，g，b三个通道标准差计算各像素的饱和度：
Figure 256323DEST_PATH_IMAGE024
；
使用对比度和饱和度计算各像素的权值
Figure 806253DEST_PATH_IMAGE025
：
Figure 546676DEST_PATH_IMAGE026
；
将
Figure 840254DEST_PATH_IMAGE027
归一化得到
Figure 225099DEST_PATH_IMAGE028
：
Figure 680351DEST_PATH_IMAGE029
；
利用
Figure 908070DEST_PATH_IMAGE028
将匀光匀色后的纠正图像进行融合：
Figure 739760DEST_PATH_IMAGE030
；
Figure 244691DEST_PATH_IMAGE031
；
Figure 870844DEST_PATH_IMAGE032
；
N为匀光匀色后的纠正图像的数量，
Figure 585859DEST_PATH_IMAGE033
为融合图像。
8.根据权利要求3所述的内窥镜多焦点图像融合方法，其特征在于，灰度直方图
Figure 221240DEST_PATH_IMAGE005
，
Figure 315098DEST_PATH_IMAGE034
以及
Figure 377732DEST_PATH_IMAGE003
，
Figure 812999DEST_PATH_IMAGE035
Figure 252070DEST_PATH_IMAGE036
Figure 466014DEST_PATH_IMAGE037
，
Figure 699549DEST_PATH_IMAGE038
分别为归一化的灰度直方图。
9.根据权利要求1-8任一项所述的内窥镜多焦点图像融合方法，其特征在于，特征点提取步骤中采用SIFT算法、HOG算法以及ORB算法的任一种。
10.根据权利要求1-8任一项所述的内窥镜多焦点图像融合方法，其特征在于，特征匹配步骤中采用相关系数特征匹配方法或者欧氏距离特征匹配方法进行特征匹配，并使用RANSAC方法对匹配结果进行过滤。
CN202210320964.9A 2022-03-30 2022-03-30 一种内窥镜多焦点图像融合方法 Active CN114418920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210320964.9A CN114418920B (zh) 2022-03-30 2022-03-30 一种内窥镜多焦点图像融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210320964.9A CN114418920B (zh) 2022-03-30 2022-03-30 一种内窥镜多焦点图像融合方法

Publications (2)

Publication Number Publication Date
CN114418920A true CN114418920A (zh) 2022-04-29
CN114418920B CN114418920B (zh) 2022-06-28

Family

ID=81263403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210320964.9A Active CN114418920B (zh) 2022-03-30 2022-03-30 一种内窥镜多焦点图像融合方法

Country Status (1)

Country Link
CN (1) CN114418920B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103226822A (zh) * 2013-05-15 2013-07-31 清华大学 医疗影像拼接方法
CN104182949A (zh) * 2014-08-18 2014-12-03 武汉大学 基于直方图特征点配准的影像匀色与融合方法及***
US20150055886A1 (en) * 2013-08-20 2015-02-26 Samsung Techwin Co., Ltd. Image fusion system and method
CN106504194A (zh) * 2016-11-03 2017-03-15 重庆邮电大学 一种基于最佳拼接平面和局部特征的图像拼接方法
CN107016647A (zh) * 2017-04-26 2017-08-04 武汉大学 全景图像色调一致性纠正方法及***
CN109190460A (zh) * 2018-07-23 2019-01-11 南京航空航天大学 基于累积匹配和等错误率的手形手臂静脉融合识别方法
KR102235127B1 (ko) * 2019-12-18 2021-04-01 세종대학교산학협력단 멀티모달 영상의 적응적 융합 방법 및 그 장치
CN113570536A (zh) * 2021-07-31 2021-10-29 中国人民解放军61646部队 基于cpu和gpu协同处理的全色和多光谱影像实时融合方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103226822A (zh) * 2013-05-15 2013-07-31 清华大学 医疗影像拼接方法
US20150055886A1 (en) * 2013-08-20 2015-02-26 Samsung Techwin Co., Ltd. Image fusion system and method
CN104182949A (zh) * 2014-08-18 2014-12-03 武汉大学 基于直方图特征点配准的影像匀色与融合方法及***
CN106504194A (zh) * 2016-11-03 2017-03-15 重庆邮电大学 一种基于最佳拼接平面和局部特征的图像拼接方法
CN107016647A (zh) * 2017-04-26 2017-08-04 武汉大学 全景图像色调一致性纠正方法及***
CN109190460A (zh) * 2018-07-23 2019-01-11 南京航空航天大学 基于累积匹配和等错误率的手形手臂静脉融合识别方法
KR102235127B1 (ko) * 2019-12-18 2021-04-01 세종대학교산학협력단 멀티모달 영상의 적응적 융합 방법 및 그 장치
CN113570536A (zh) * 2021-07-31 2021-10-29 中国人民解放军61646部队 基于cpu和gpu协同处理的全色和多光谱影像实时融合方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CODRUTA O. ANCUTI ET AL: "Color Balance and Fusion for Underwater Image Enhancement", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
俞家勇: "移动测量***异构数据高精度融合方法研究", 《中国博士学位论文全文数据库（电子期刊）》 *
柴庆朋: "面向图像拼接的几何校准和颜色校正技术研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Also Published As

Publication number Publication date
CN114418920B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
JP5094036B2 (ja) 内視鏡挿入方向検出装置
US20220157047A1 (en) Feature Point Detection
JP4104054B2 (ja) 画像の位置合わせ装置および画像処理装置
CN112804943B (zh) 学习完成模型的制作方法、亮度调整方法以及图像处理装置
CN109730683B (zh) 内窥镜目标物大小计算方法及分析***
JP2010512173A (ja) 内視鏡からの映像を用いるコンピュータ支援解析
US8666135B2 (en) Image processing apparatus
US20220006981A1 (en) Method of automatic image freezing of digestive endoscopy
CN111275041A (zh) 内窥镜图像展示方法、装置、计算机设备及存储介质
CN112446880B (zh) 图像处理方法、电子设备及可读存储介质
CN110751605A (zh) 一种图像处理方法、装置和电子设备及可读存储介质
CN114693682B (zh) 一种基于图像处理的脊椎特征识别方法
CN115223193B (zh) 一种基于病灶特征重要性的胶囊内窥镜图像病灶识别方法
CN114004969A (zh) 一种内镜图像病灶区检测方法、装置、设备及存储介质
CN111784686A (zh) 一种内窥镜出血区域的动态智能检测方法、***及可读存储介质
Huang et al. Deep unsupervised endoscopic image enhancement based on multi-image fusion
CN111161852B (zh) 一种内窥镜图像处理方法、电子设备及内窥镜***
CN114418920B (zh) 一种内窥镜多焦点图像融合方法
CN112215878A (zh) 一种基于surf特征点的x光图像配准方法
CN116029934A (zh) 一种低剂量dr图像和ct图像去噪方法
Jimenez-Martin et al. Specular reflections removal in colposcopic images based on neural networks: Supervised training with no ground truth previous knowledge
CN114387191B (zh) 一种内窥镜图像增强方法及内窥镜装置
AU2022230997B2 (en) Method of image enhancement for distraction deduction in endoscopic procedures
Flores et al. Identifying precursory cancer lesions using temporal texture analysis
CN117710233B (zh) 一种内窥图像的景深扩展方法及装置

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