CN115330644A - 一种内窥镜图像的自适应边缘增强方法及*** - Google Patents

一种内窥镜图像的自适应边缘增强方法及*** Download PDF

Info

Publication number
CN115330644A
CN115330644A CN202211250202.2A CN202211250202A CN115330644A CN 115330644 A CN115330644 A CN 115330644A CN 202211250202 A CN202211250202 A CN 202211250202A CN 115330644 A CN115330644 A CN 115330644A
Authority
CN
China
Prior art keywords
image
edge enhancement
current frame
definition
level
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
CN202211250202.2A
Other languages
English (en)
Other versions
CN115330644B (zh
Inventor
王迎智
龙冠成
赵若琦
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.)
Jixian Artificial Intelligence Co Ltd
Original Assignee
Jixian Artificial Intelligence Co Ltd
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 Jixian Artificial Intelligence Co Ltd filed Critical Jixian Artificial Intelligence Co Ltd
Priority to CN202211250202.2A priority Critical patent/CN115330644B/zh
Publication of CN115330644A publication Critical patent/CN115330644A/zh
Application granted granted Critical
Publication of CN115330644B publication Critical patent/CN115330644B/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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Endoscopes (AREA)

Abstract

本发明涉及医学图像处理技术领域，本发明公开了一种内窥镜图像的自适应边缘增强方法及***；其中所述方法包括：获取内窥镜的视频流；对内窥镜视频流的每一帧图像进行预处理；计算预处理后当前帧图像的清晰度；判断清晰度是否大于设定阈值，如果大于设定阈值，则认为图像是清晰的，直接输出视频流；如果小于等于设定阈值，则认为图像是模糊的，进入下一步；根据当前帧图像的清晰度，确定图像边缘增强等级；根据图像边缘增强等级，进行图像边缘增强处理。可以实现内窥镜图像的自适应模糊校正，解决了医生在手术中还需要手动调节边缘增强的痛点。

Description

一种内窥镜图像的自适应边缘增强方法及***
技术领域
本发明涉及医学图像处理技术领域，特别是涉及一种内窥镜图像的自适应边缘增强方法及***。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。
目前对于内窥镜***的边缘增强算法多数使用手动设置的方法，然而在手术过程中，医生难以根据图像模糊程度进行调节。
现有的图像边缘增强方法没有考虑图像模糊度，没有在图像增强的过程中为不同模糊度的图像计算不同的增强系数，导致非图像处理领域的专业人士，无法得到自己想要的高清晰度的图像。
发明内容
为了解决现有技术的不足，本发明提供了一种内窥镜图像的自适应边缘增强方法及***；可以实现内窥镜图像的自适应模糊校正，解决了医生在手术中还需要手动调节边缘增强的痛点。
第一方面，本发明提供了一种内窥镜图像的自适应边缘增强方法；
一种内窥镜图像的自适应边缘增强方法，包括：
获取内窥镜的视频流；对内窥镜视频流的每一帧图像进行预处理；
计算预处理后当前帧图像的清晰度；
判断清晰度是否大于设定阈值，如果大于设定阈值，则认为图像是清晰的，直接输出视频流；如果小于等于设定阈值，则认为图像是模糊的，进入下一步；
根据当前帧图像的清晰度，确定图像边缘增强等级；
根据图像边缘增强等级，进行图像边缘增强处理。
第二方面，本发明提供了一种内窥镜图像的自适应边缘增强***；
一种内窥镜图像的自适应边缘增强***，包括：
预处理模块，其被配置为：获取内窥镜的视频流；对内窥镜视频流的每一帧图像进行预处理；
清晰度计算模块，其被配置为：计算预处理后当前帧图像的清晰度；
清晰度判断模块，其被配置为：判断清晰度是否大于设定阈值，如果大于设定阈值，则认为图像是清晰的，直接输出视频流；如果小于等于设定阈值，则认为图像是模糊的，进入下一步；
增强等级确定模块，其被配置为：根据当前帧图像的清晰度，确定图像边缘增强等级；
图像边缘增强模块，其被配置为：根据图像边缘增强等级，进行图像边缘增强处理。
与现有技术相比，本发明的有益效果是：
1. 为了实现获取到图像清晰度的一个量化值，提出了一系列算法，最终得到清晰度Ten，Ten值越大说明图像越清晰，越小说明图像越模糊。
2. 为了实现根据模糊程度的量化值Ten来确定边缘增强等级,提出了一系列算法，最终得到边缘增强等级L。
3. 为了得到最终的增强图像，提出了一系列算法，通过融合边缘增强等级L到边缘增强算子中，对图像进行处理，最终实现了自适应边缘增强算法。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为实施例一的方法流程图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本实施例所有数据的获取都在符合法律法规和用户同意的基础上，对数据的合法应用。
实施例一
本实施例提供了一种内窥镜图像的自适应边缘增强方法；
如图1所示，一种内窥镜图像的自适应边缘增强方法，包括：
S101：获取内窥镜的视频流；对内窥镜视频流的每一帧图像进行预处理；
S102：计算预处理后当前帧图像的清晰度；
S103：判断清晰度是否大于设定阈值，如果大于设定阈值，则认为图像是清晰的，直接输出视频流；如果小于等于设定阈值，则认为图像是模糊的，进入S104；
S104：根据当前帧图像的清晰度，确定图像边缘增强等级；
S105：根据图像边缘增强等级，进行图像边缘增强处理。
进一步地，所述S101：对内窥镜视频流的每一帧图像进行预处理，具体包括：
图像信号处理ISP（Image Signal Processor）；
所述图像信号处理，具体包括：黑电平校正、镜头阴影校正、坏点校正、绿平衡、降噪、颜色插值、色温、自动白平衡、颜色校正、伽马校正、颜色空间变换、宽动态范围、自动曝光、自动对焦、串扰、去假彩、耀斑补偿和/或自动光圈等。
应理解地，所述图像信号处理ISP，其目的是将图像传感器获取到的原始图像处理成适合人眼观察的图像，ISP处理模块输入的图像格式为RAW Bayer格式，输出的图像格式是RGB格式。
进一步地，所述S102：计算预处理后当前帧图像的清晰度，使用Brenner 梯度函数、Tenengrad梯度函数、SMD（灰度方差）函数、SMD2（灰度方差乘积）函数、方差函数、能量梯度函数、Vollath函数或熵函数来进行清晰度的计算。
进一步地，所述S102：计算预处理后当前帧图像的清晰度，采用Tenengrad梯度函数计算预处理后当前帧图像的清晰度。
进一步地，采用Tenengrad梯度函数计算预处理后当前帧图像的清晰度，具体包括：
S102-1：获取预处理后的一帧RGB图像；RGB图像中的R表示红色，G表示绿色，B表示蓝色；
S102-2：将RGB图像转换为灰度图像；
S102-3：将灰度图像转换为灰度矩阵；
S102-4：使用Sobel梯度算子计算灰度图像各个像素点的梯度；
S102-5：计算图像中所有像素点的梯度平方和的均值，将所有像素点的梯度平方和的均值作为当前帧图像的清晰度输出。
示例性地，所述S102-2：将RGB图像转换为灰度图像，具体公式为：
Figure 100002_DEST_PATH_IMAGE001
；
其中，R表示每个像素的红色通道值，G表示每个像素的绿色通道值，B表示每个像素的蓝色通道值，Gray表示每个像素的灰度值。
进一步地，所述S102-4：使用Sobel梯度算子计算灰度图像各个像素点的梯度；具体包括：
Figure 730722DEST_PATH_IMAGE002
；
Figure 100002_DEST_PATH_IMAGE003
；
Figure 222884DEST_PATH_IMAGE004
；
其中，
Figure 100002_DEST_PATH_IMAGE005
表示像素点
Figure 589143DEST_PATH_IMAGE006
的梯度，
Figure 100002_DEST_PATH_IMAGE007
表示
Figure 926583DEST_PATH_IMAGE008
方向的梯度，
Figure 100002_DEST_PATH_IMAGE009
表示
Figure 632371DEST_PATH_IMAGE010
方向的梯度，
Figure 100002_DEST_PATH_IMAGE011
表示像素点
Figure 35714DEST_PATH_IMAGE006
的灰度。
进一步地，所述S102-5：计算图像中所有像素点的梯度平方和的均值，将所有像素点的梯度平方和的均值作为当前帧图像的清晰度输出，具体包括：
Figure 764635DEST_PATH_IMAGE012
其中，
Figure 100002_DEST_PATH_IMAGE013
表示当前帧图像的清晰度，
Figure 905767DEST_PATH_IMAGE014
表示当前帧图像的所有像素点的个数，
Figure DEST_PATH_IMAGE015
表示像素点的横坐标，
Figure 466061DEST_PATH_IMAGE016
表示像素点的纵坐标。
Figure 237708DEST_PATH_IMAGE013
值为这一帧图像的清晰度评价值，
Figure 250663DEST_PATH_IMAGE013
值越大说明图像越清晰，越小说明图像越模糊。
进一步地，所述S104：根据当前帧图像的清晰度，确定图像边缘增强等级，具体包括：
Figure DEST_PATH_IMAGE017
；
其中，
Figure 133169DEST_PATH_IMAGE018
表示图像边缘增强等级，
Figure DEST_PATH_IMAGE019
表示清晰度阈值，清晰度阈值为设定值，使用经验法来确定，在腹腔镜图像中，设置为
Figure 547970DEST_PATH_IMAGE020
；在胃肠镜图像中设置为
Figure DEST_PATH_IMAGE021
。
当图像清晰度Ten刚好等于T时，L为0。当图像清晰度Ten无限小时，L为1。
进一步地，所述S105：根据图像边缘增强等级，进行图像边缘增强处理，具体包括：
S105-1：将图像边缘增强等级乘以设定增强力度系数，得到修正的增强等级；
S105-2：使用中值滤波器对RGB图像进行滤波处理，得到滤波处理后的图像；
S105-3：基于修正的增强等级，确定边缘增强算子；
S105-4：基于边缘增强算子，对滤波处理后的图像进行卷积运算，得到边缘增强后的图像。
示例性地，所述将图像边缘增强等级乘以设定增强力度系数，得到修正的增强等级；是指：得到边缘增强等级L后，对L乘以一个强力度系数
Figure 552835DEST_PATH_IMAGE022
，
Figure 53086DEST_PATH_IMAGE022
为边缘增强的力度，一般的，
Figure 473703DEST_PATH_IMAGE022
值可以选择的范围为[0.5，3]，其中
Figure 946273DEST_PATH_IMAGE022
值越大，增强的力度越大。
应理解地，使用中值滤波器对RGB图像进行滤波处理，得到滤波处理后的图像；这样可以有效地消除噪声的影响，提高增强后的图像质量。
进一步地，所述S105-3：基于修正的增强等级，确定边缘增强算子；具体包括：
Figure DEST_PATH_IMAGE023
;
其中，
Figure 122039DEST_PATH_IMAGE024
表示边缘增强算子，
Figure DEST_PATH_IMAGE025
表示图像边缘增强等级。
本发明提供了自适应调节边缘增强等级的算法。能够获取到当前图像的模糊程度。根据当前图像的模糊程度，以及使用场景，自动设置边缘增强等级。根据边缘增强等级对图像进行处理，得到自适应边缘增强后的图像。解决了固定边缘增强等级条件下，本来就清晰的图像不需要边缘增强，以及不清晰的图像边缘增强等级不够的问题，增加了内窥镜***边缘增强算法的灵活性，提高了图像的显示质量。
实施例二
本实施例提供了一种内窥镜图像的自适应边缘增强***；
一种内窥镜图像的自适应边缘增强***，包括：
预处理模块，其被配置为：获取内窥镜的视频流；对内窥镜视频流的每一帧图像进行预处理；
清晰度计算模块，其被配置为：计算预处理后当前帧图像的清晰度；
清晰度判断模块，其被配置为：判断清晰度是否大于设定阈值，如果大于设定阈值，则认为图像是清晰的，直接输出视频流；如果小于等于设定阈值，则认为图像是模糊的，进入增强等级确定模块；
增强等级确定模块，其被配置为：根据当前帧图像的清晰度，确定图像边缘增强等级；
图像边缘增强模块，其被配置为：根据图像边缘增强等级，进行图像边缘增强处理。
此处需要说明的是，上述预处理模块、清晰度计算模块、清晰度判断模块增强等级确定模块和图像边缘增强模块对应于实施例一中的步骤S101至S105，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种内窥镜图像的自适应边缘增强方法，其特征是，包括：
获取内窥镜的视频流；对内窥镜视频流的每一帧图像进行预处理；
计算预处理后当前帧图像的清晰度；
判断清晰度是否大于设定阈值，如果大于设定阈值，则认为图像是清晰的，直接输出视频流；如果小于等于设定阈值，则认为图像是模糊的，进入下一步；
根据当前帧图像的清晰度，确定图像边缘增强等级；
根据图像边缘增强等级，进行图像边缘增强处理。
2.如权利要求1所述的一种内窥镜图像的自适应边缘增强方法，其特征是，对内窥镜视频流的每一帧图像进行预处理，具体包括：
图像信号处理；所述图像信号处理，具体包括：黑电平校正、镜头阴影校正、坏点校正、绿平衡、降噪、颜色插值、色温、自动白平衡、颜色校正、伽马校正、颜色空间变换、宽动态范围、自动曝光、自动对焦、串扰、去假彩、耀斑补偿和/或自动光圈。
3.如权利要求1所述的一种内窥镜图像的自适应边缘增强方法，其特征是，计算预处理后当前帧图像的清晰度，使用Brenner 梯度函数、Tenengrad梯度函数、灰度方差函数、灰度方差乘积函数、方差函数、能量梯度函数、Vollath函数或熵函数来进行清晰度的计算。
4.如权利要求1所述的一种内窥镜图像的自适应边缘增强方法，其特征是，计算预处理后当前帧图像的清晰度，采用Tenengrad 梯度函数计算预处理后当前帧图像的清晰度。
5.如权利要求4所述的一种内窥镜图像的自适应边缘增强方法，其特征是，采用Tenengrad 梯度函数计算预处理后当前帧图像的清晰度，具体包括：
获取预处理后的一帧RGB图像；RGB图像中的R表示红色，G表示绿色，B表示蓝色；
将RGB图像转换为灰度图像；
将灰度图像转换为灰度矩阵；
使用Sobel梯度算子计算灰度图像各个像素点的梯度；
计算图像中所有像素点的梯度平方和的均值，将所有像素点的梯度平方和的均值作为当前帧图像的清晰度输出。
6.如权利要求5所述的一种内窥镜图像的自适应边缘增强方法，其特征是，计算图像中所有像素点的梯度平方和的均值，将所有像素点的梯度平方和的均值作为当前帧图像的清晰度输出，具体包括：
Figure DEST_PATH_IMAGE001
其中，
Figure 820796DEST_PATH_IMAGE002
表示当前帧图像的清晰度，
Figure DEST_PATH_IMAGE003
表示当前帧图像的所有像素点的个数，
Figure 82013DEST_PATH_IMAGE004
表示像素点的横坐标，
Figure DEST_PATH_IMAGE005
表示像素点的纵坐标，
Figure 813208DEST_PATH_IMAGE006
表示像素点
Figure DEST_PATH_IMAGE007
的梯度。
7.如权利要求1所述的一种内窥镜图像的自适应边缘增强方法，其特征是，根据当前帧图像的清晰度，确定图像边缘增强等级，具体包括：
Figure 868889DEST_PATH_IMAGE008
；
其中，
Figure DEST_PATH_IMAGE009
表示图像边缘增强等级，
Figure 623218DEST_PATH_IMAGE010
表示清晰度阈值，清晰度阈值为设定值。
8.如权利要求1所述的一种内窥镜图像的自适应边缘增强方法，其特征是，根据图像边缘增强等级，进行图像边缘增强处理，具体包括：
将图像边缘增强等级乘以设定增强力度系数，得到修正的增强等级；
使用中值滤波器对RGB图像进行滤波处理，得到滤波处理后的图像；
基于修正的增强等级，确定边缘增强算子；
基于边缘增强算子，对滤波处理后的图像进行卷积运算，得到边缘增强后的图像。
9.如权利要求8所述的一种内窥镜图像的自适应边缘增强方法，其特征是，基于修正的增强等级，确定边缘增强算子；具体包括：
Figure DEST_PATH_IMAGE011
;
其中，
Figure 422547DEST_PATH_IMAGE012
表示边缘增强算子，
Figure DEST_PATH_IMAGE013
表示图像边缘增强等级。
10.一种内窥镜图像的自适应边缘增强***，其特征是，包括：
预处理模块，其被配置为：获取内窥镜的视频流；对内窥镜视频流的每一帧图像进行预处理；
清晰度计算模块，其被配置为：计算预处理后当前帧图像的清晰度；
清晰度判断模块，其被配置为：判断清晰度是否大于设定阈值，如果大于设定阈值，则认为图像是清晰的，直接输出视频流；如果小于等于设定阈值，则认为图像是模糊的，进入增强等级确定模块；
增强等级确定模块，其被配置为：根据当前帧图像的清晰度，确定图像边缘增强等级；
图像边缘增强模块，其被配置为：根据图像边缘增强等级，进行图像边缘增强处理。
CN202211250202.2A 2022-10-13 2022-10-13 一种内窥镜图像的自适应边缘增强方法及*** Active CN115330644B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211250202.2A CN115330644B (zh) 2022-10-13 2022-10-13 一种内窥镜图像的自适应边缘增强方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211250202.2A CN115330644B (zh) 2022-10-13 2022-10-13 一种内窥镜图像的自适应边缘增强方法及***

Publications (2)

Publication Number Publication Date
CN115330644A true CN115330644A (zh) 2022-11-11
CN115330644B CN115330644B (zh) 2023-04-07

Family

ID=83913709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211250202.2A Active CN115330644B (zh) 2022-10-13 2022-10-13 一种内窥镜图像的自适应边缘增强方法及***

Country Status (1)

Country Link
CN (1) CN115330644B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116563170A (zh) * 2023-07-10 2023-08-08 中国人民解放军空军特色医学中心 一种图像数据处理方法、***以及电子设备
CN116797496A (zh) * 2023-08-24 2023-09-22 深圳市图优医疗影像有限公司 图像增强功能方法及内窥镜成像装置
CN117173031A (zh) * 2023-06-01 2023-12-05 广州科易光电技术有限公司 针对气体的图像处理方法、装置、电子设备及存储介质
CN117392018A (zh) * 2023-10-24 2024-01-12 神力视界(深圳)文化科技有限公司 提升三维模型清晰度的方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1688163A (zh) * 2004-12-24 2005-10-26 武汉精伦电子股份有限公司 基于感知清晰度的图像处理方法和装置
US20100086179A1 (en) * 2008-10-07 2010-04-08 Marc Verboven Automated system and method for clarity measurements and clarity grading
CN107240078A (zh) * 2017-06-06 2017-10-10 广州优创电子有限公司 镜头清晰度验算方法、装置及电子设备
CN108154490A (zh) * 2018-01-18 2018-06-12 长春工程学院 基于改进模糊集理论的高压输电线路绝缘子图像增强方法
CN111611907A (zh) * 2020-05-18 2020-09-01 沈阳理工大学 一种图像增强的红外目标检测方法
CN113763298A (zh) * 2021-07-29 2021-12-07 浙江华诺康科技有限公司 内窥镜图像处理方法、装置、内窥镜和存储介质
CN114359149A (zh) * 2021-12-06 2022-04-15 河南大学 基于实时图像边缘增强的坝岸险***检测方法及***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1688163A (zh) * 2004-12-24 2005-10-26 武汉精伦电子股份有限公司 基于感知清晰度的图像处理方法和装置
US20100086179A1 (en) * 2008-10-07 2010-04-08 Marc Verboven Automated system and method for clarity measurements and clarity grading
CN107240078A (zh) * 2017-06-06 2017-10-10 广州优创电子有限公司 镜头清晰度验算方法、装置及电子设备
CN108154490A (zh) * 2018-01-18 2018-06-12 长春工程学院 基于改进模糊集理论的高压输电线路绝缘子图像增强方法
CN111611907A (zh) * 2020-05-18 2020-09-01 沈阳理工大学 一种图像增强的红外目标检测方法
CN113763298A (zh) * 2021-07-29 2021-12-07 浙江华诺康科技有限公司 内窥镜图像处理方法、装置、内窥镜和存储介质
CN114359149A (zh) * 2021-12-06 2022-04-15 河南大学 基于实时图像边缘增强的坝岸险***检测方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YULAN LIU AND ETC: "Image edge extraction based on fuzzy theory and Sobel operator", 《 2016 IEEE 20TH INTERNATIONAL CONFERENCE ON COMPUTER SUPPORTED COOPERATIVE WORK IN DESIGN (CSCWD)》 *
范浩杰等: "无参考模式图像模糊度检测方法探究", 《福建电脑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173031A (zh) * 2023-06-01 2023-12-05 广州科易光电技术有限公司 针对气体的图像处理方法、装置、电子设备及存储介质
CN117173031B (zh) * 2023-06-01 2024-07-09 广州科易光电技术有限公司 针对气体的图像处理方法、装置、电子设备及存储介质
CN116563170A (zh) * 2023-07-10 2023-08-08 中国人民解放军空军特色医学中心 一种图像数据处理方法、***以及电子设备
CN116563170B (zh) * 2023-07-10 2023-09-15 中国人民解放军空军特色医学中心 一种图像数据处理方法、***以及电子设备
CN116797496A (zh) * 2023-08-24 2023-09-22 深圳市图优医疗影像有限公司 图像增强功能方法及内窥镜成像装置
CN117392018A (zh) * 2023-10-24 2024-01-12 神力视界(深圳)文化科技有限公司 提升三维模型清晰度的方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN115330644B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN115330644B (zh) 一种内窥镜图像的自适应边缘增强方法及***
US8941762B2 (en) Image processing apparatus and image pickup apparatus using the same
US8754957B2 (en) Image processing apparatus and method
US9830689B2 (en) Image processing apparatus that performs image restoration processing, method of controlling the same, and storage medium
JP5054248B2 (ja) 画像処理装置、画像処理方法、画像処理プログラム、撮像装置
JP6327922B2 (ja) 画像処理装置、画像処理方法、およびプログラム
JP5188651B2 (ja) 画像処理装置、およびそれを用いた撮像装置
EP2574034B1 (en) Image processing apparatus and method
JP4076302B2 (ja) 画像の輝度補正方法
JP5132401B2 (ja) 画像処理装置及び画像処理方法
EP2536126B1 (en) Image processing apparatus, image processing method, and program
EP1494170A2 (en) Signal processing apparatus, signal processing program and electronic camera
JP2002232906A (ja) ホワイトバランス制御装置
WO2020107995A1 (zh) 成像方法和装置、电子设备、计算机可读存储介质
JP5479187B2 (ja) 画像処理装置及びそれを用いた撮像装置
CN112073603B (zh) 图像处理设备、摄像设备、图像处理方法和存储介质
JP2016015685A (ja) 画像処理装置
CN111260573B (zh) 一种手术显微成像中渐晕现象的消除方法
JP2024063846A (ja) 画像処理装置、画像処理方法、及びコンピュータプログラム
WO2011121761A1 (ja) 画像処理装置、およびそれを用いた撮像装置
JP2023119413A (ja) 画像処理装置及び方法、撮像装置、プログラム及び記憶媒体
JP2017126952A (ja) 画像処理装置、撮像装置および画像処理プログラム
JP2024022996A (ja) 画像処理装置、撮像装置、画像処理方法、プログラムおよび記録媒体
CN116112812A (zh) 用于抑制数字图像中的色差的方法和装置
CN117522728A (zh) 基于双边滤波的Bayer图像降噪方法

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