医学图像多阶段增强方法及系统与流程

1.本发明涉及图像处理，尤其涉及一种医学图像多阶段增强方法及系统。


背景技术：

2.随着医学影像技术和计算机技术的迅速发展，高质量的医学成像技术在辅助临床疾病诊断治疗方面扮演着愈发关键的角色，这些医学影像技术的出现为医生提高诊断效率、降低手术风险提供了有利的条件。但是，由于摄像装置和被检器官或组织间的相对运动、电子噪声、干扰等多方面因素的共同影响，采集到的图像不可避免的出现降质和退化，导致关键信息出现丢失或模糊不清的情况，影响医生观察和作出诊断，因此对医学图像进行增强具有实际意义和应用价值。
3.基于对大量医学图像分析，普遍存在以下不足：
4.(1)图像采集过程中，光照不均或位于阴影区域会导致图像出现局部暗区，区域内灰度级明显低于周围，细节模糊，对比度低。
5.(2)成像后的医学图像中血管和神经等管状结构边缘和色调不够突出。
6.(3)某些场景下，成像后不同组织间色调接近，导致视觉上很难区分。


技术实现要素：

7.本发明主要目的在于提供一种医学图像多阶段增强方法，该方法能自适应提升图像亮度，增强管状结构，提升图像整体色彩对比度，不同组织间易于区分。
8.本发明所采用的技术方案是：
9.本发明提供了一种医学图像多阶段增强方法，包括：
10.s1：将视频序列分解成单帧图像；
11.s2：对单帧图像的亮度通道进行自适应非线性校正得到亮度增强处理后的第一图像；
12.s3：使用多尺度增强滤波器增强第一图像中管状结构，得到细节增强处理后的第二图像；
13.s4：对第二图像应用基于限制对比度直方图自适应均衡算法，提升图像整体的色彩对比度，获得最终增强图像；
14.s5：对最终增强图像按处理次序合并，得到增强后的视频序列。
15.接上述技术方案，步骤s2中对单帧图像的图像亮度通道进行自适应非线性校正采用的映射函数为：
[0016][0017][0018]
其中，v表示图像亮度通道，t(
·
)为映射函数，和分别为映射前后图像v通
道在坐标(i,j)处的像素值，i和j分别为像素在垂直和水平方向的坐标，α为控制动态范围压缩程度的参数；β是亮度相关的自适应参数，z∈(0,2]，β∈[0,min(1,z)]为常量参数，表示控制映射函数动态范围压缩能力。
[0019]
接上述技术方案，步骤s2中具体使用基于带重叠的滑动分块与双线性插值结合的方法计算每个像素的亮度相关的自适应参数β值，包括以下步骤：
[0020]
令h和w分别表示图像的高和宽，设置窗口大小为n
×
n，滑动步长为沿着水平和垂直方向以固定步长滑动得到个子块；
[0021]
统计每个子块的像素分布，计算β值，得到该子块对应的映射函数；
[0022]
遍历图像亮度通道v的每个像素，找到该像素相邻的4个子块，通过各子块的映射函数计算得到4个β值，对4个β值进行双线性插值得到该像素最终的β值。
[0023]
接上述技术方案，步骤s3中使用多尺度管状增强滤波器增强第一图像中管状结构包括步骤如下：
[0024]
s31：获取第一图像rgb空间的g通道作为增强滤波器的输入；
[0025]
s32：对g通道进行高斯滤波得到hessian矩阵；
[0026]
s33：对hessian矩阵进行特征值分解获得特征值，计算所有像素对应的滤波器响应值得到管状结构响应图；
[0027]
s34：遍历管状结构响应图，结合目标管状结构的颜色、结构信息预先设计图像融合特征，筛选符合融合特征的区域，得到细化处理后的响应图；
[0028]
s35：遍历细化处理后的响应图，对响应值非零值对应的像素进行s通道的非线性拉伸，得到细节增强后的第二图像。
[0029]
接上述技术方案，步骤s32中高斯滤波时选择多种不同尺度高斯二阶偏导作为卷积模板。
[0030]
接上述技术方案，步骤s33中像素g
i,j
的hessian矩阵通过qr分解得到尺度为σs时两个特征值和g
i,j
的滤波器响应值计算公式为：
[0031][0032]
其中，表示坐标(i,j)处的血管响应值，和是与两个特征值相关的变量，c和d为用户输入参数。
[0033]
接上述技术方案，步骤s34中对管状结构响应图进行细化处理包括如下步骤：
[0034]
s341：获取第一图像的h和s通道，并将像素值归一化至0和1之间；
[0035]
s342：对管状结构响应图的每个非零值进行筛选，根据目标管状结构的颜色、形态特征设置筛选规则：若对应像素满足筛选条件，则响应值保持不变；否则，响应值置零；
[0036]
s343：将筛选后的管状结构响应图进行二值化阈值分割，统计所有连通域面积大
小，得到二值图；
[0037]
s344、过滤二值图中面积小于预设阈值的连通域，作为管状结构区域的掩模，最终得到细化后的管状结构响应图。
[0038]
接上述技术方案，步骤s35中非线性拉伸公式为：
[0039][0040]
其中，s
i,j
和分别表示增强前和增强后s通道的像素值，s
target
∈(0.7,1]表示饱和度调整的目标值，γ为用户输入参数，用于控制非线性拉伸程度。
[0041]
9、根据权利要求1所述的医学图像多阶段增强方法，其特征在于，步骤s4具体包括如下步骤：
[0042]
s41：将第二图像由rgb空间转换至ycbcr空间，得到y通道图像；
[0043]
s42：设置基于限制对比度直方图自适应均衡算法水平和垂直方向分块数量及对比度限制参数；
[0044]
s43：对y通道应用基于限制对比度直方图自适应均衡算法得到对比度增强后的y通道；
[0045]
s44：将增强图像由ycbcr空间转换至rgb空间得到增强后的最终图像本发明还提供了一种医学图像多阶段增强系统，包括：
[0046]
单帧分解模块，用于将视频序列分解成单帧图像；
[0047]
多阶段增强模块，包括亮度增强子模块、管状结构增强子模块、对比度增强子模块中任一个、任两个或者三个子模块：
[0048]
亮度增强子模块，用于对单帧图像的亮度通道进行自适应非线性校正得到亮度增强处理后的第一图像；
[0049]
管状结构增强子模块，用于使用多尺度管状增强滤波器增强第一图像中管状结构，得到细节增强处理后的第二图像；
[0050]
对比度增强子模块，用于对第二图像应用基于限制对比度直方图自适应均衡算法，提升图像整体的色彩对比度，获得最终增强图像；
[0051]
图像合并模块，用于对最终增强图像按处理次序合并，得到增强后的视频序列。
[0052]
本发明产生的有益效果是：本发明的图像多阶段增强方法包含三种增强模式，亮度增强、细节增强、和色调增强，通过三种增强子方案的结合，可以覆盖具有2种或2种以上的上述视觉缺陷的医学图像。三种增强算法既可以同时开启，也可以单独使用或两两结合，根据不同场景使用不同模式组合，可以得到很好的增强效果；
[0053]
进一步地，本发明使用自适应的非线性映射函数来调整局部区域亮度，不需要额外设置用户参数，且与传统的基于gamma校正和直方图的方法相比，本技术方案增强暗区亮度，不会提升亮区亮度导致过曝；传统的基于非锐化掩模，数学形态学滤波等增强方法会同时增强细节和噪声，使图像在视觉上难以接受；本发明采用基于多尺度管状结构增强滤波器增强管结构，同时最大限度地减弱了噪声的影响；本发明采用鲁棒的clahe算法来提高色调区分度，使得不同组织间颜色分明，易于区分，与传统的直方图方法相比，该算法能避免图像过度增强和噪声的放大。
附图说明
[0054]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0055]
图1为本发明实施例多阶段的内窥镜图像增强方法流程图；
[0056]
图2为本发明实施例所提供具体技术方案的流程图；
[0057]
图3为本发明实施例所提供的基于滑动分块插值计算映射参数方法的原理图；
[0058]
图4为本发明实施例所提供的不同参数下映射函数曲线对比图；
[0059]
图5为本发明实施例所提供的亮度增强前后内窥镜图像对比图；
[0060]
图6为本发明实施例所提供的血管增强前后内窥镜图像对比图；
[0061]
图7为本发明实施例所提供的色彩增强前后内窥镜图像对比图；
[0062]
图8为本发明实施例所提供的不同增强模式组合下内窥镜图像对比图；
[0063]
图9为本发明实施例多阶段的内窥镜图像增强系统结构示意图。
具体实施方式
[0064]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0065]
本发明实施例多阶段的内窥镜图像增强方法，具体的流程图见附图1，该方法包括如下步骤：
[0066]
s1：可通过内窥镜图像采集系统获取内窥镜视频序列，分解成单帧图像；
[0067]
s2：对单帧图像局部暗区像素进行亮度自适应的非线性校正处理，得到亮度增强处理后的第一图像；
[0068]
s3：使用多尺度增强滤波器增强第一图像中的管状结构，得到细节增强处理后的第二图像；具体可基于颜色通道和连通域约束对响应图进行细化处理，提升响应图非零区域对应像素的饱和度得到血管增强处理后的第二图像；
[0069]
s4：对第二图像应用基于限制对比度直方图自适应均衡(clahe)算法，提升图像的色彩对比度，获得色彩增强后最终图像；
[0070]
s5：对最终增强图像按照处理次序进行合并，得到增强后的内窥镜视频序列。
[0071]
如图2所示，步骤s2具体包括以下步骤：
[0072]
s21：将获取的单帧内镜图像由rgb空间转换到hsv空间，分离通道得到图像的亮度通道v；
[0073]
s22：通过基于带重叠的滑动分块与双线性插值结合的方法为每个像素计算β值，具体包括如下步骤：
[0074]
s221：令h和w分别表示图像的高和宽，设置窗口大小为n
×
n，滑动步长为沿着水平和垂直方向以固定步长滑动得到个子块，在图像边界处可能出现尺寸小于n
×
n的子块，但不影响后续计算。
[0075]
s222：对每个单独子块，统计区域像素构建直方图，用下式计算概率分布：
[0076][0077]
其中，pdf
l
为灰度级l的概率，n
p
为被统计像素的总数，hist
l
,l＝0,1,
…
,255为灰度级l的直方图值；
[0078]
s223：计算累计概率分布cdf，其定义如下：
[0079][0080]
其中，cdf
l
为灰度级l的累计概率值；
[0081]
s224：计算区域亮度水平度量l，l定义为某一亮度水平界限，使得该区域内至少10％像素的v值不大于l，则根据cdf有：
[0082]
l＝l,if cdf
l
≥0.1
[0083]
s225：每个子块的β值由该子块l值通过如下分段线性函数计算得到：
[0084][0085]
其中，a∈[0,255]和b∈[0,255]是亮度阈值，决定图像中需要被增强的亮度范围及相应的增强程度，l∈[0,255]为局部区域亮度水平的度量，区域内至少10％像素的v值小于l，l越小意味着区域亮度水平越低。
[0086]
s23：遍历通道v的每个像素，通过对目标像素相邻子块的β值进行双线性插值得到计算其β值；
[0087]
具体的，步骤s23中双线性插值计算β的方法参见附图3。其中，蓝色矩形表示高和宽分别为w和h的v通道，红色实点p为待处理的v通道像素，黑色正方形表示像素p的4个相邻且互相重叠的子块：b1,b2,b3,b4，图中用黑色实点标记每个子块的中心点，三元组(x,y,β)中，(x,y)表示像素坐标，β表示映射参数，β1,β2,β3,β4为四个子块的映射参数，则像素p处的β值可通过下述双线性插值公式计算得到：
[0088][0089]
s24：对v通道像素逐个进行亮度映射，非线性映射函数为：
[0090][0091][0092]
其中，t(
·
)为映射函数，和分别为增强前后v通道在坐标(i,j)处的像素值，i和j分别为像素沿图像垂直和水平方向的坐标，α为控制动态范围压缩程度的参数；β
i,j
是亮度相关的自适应参数，z∈(0,2]和β∈[0,min(1,z)]为常量，控制映射函数动态范围压缩能力。
[0093]
具体的，步骤s24中，暂取α＝0.25,z＝0.5，在β取不同值下，映射曲线图参见附图
4，像素值归一化到0和1之间，横轴和纵轴分别表示映射函数输入值和输出值，β∈{0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0}。观察曲线走势可知，映射函数可以提升暗区亮度且保持亮区亮度水平避免过曝。β＝0时，由分段函数可知该区域亮度偏低，因此在暗部区域给予力度较大的亮度拉伸；随着β增大，该区域亮度变大，因此亮度拉伸的程度逐渐减弱；β＝1时，表明该区域亮度正常或偏大，不需要进行亮度拉伸。可见，β可以自适应的调节增强力度，可以避免过度增强和增强不足的情况。
[0094]
可见，步骤s2的亮度增强方法中采用自适应非线性校正方法，首先根据图像亮度水平计算参数β(见步骤s22)生成特定映射曲线函数t(见步骤s24)。该曲线可以适度增强图像局部暗区亮度，避免暗区噪声增强，同时保持其他区域的亮度不变。像素亮度增强的力度与β值相关，本专利未采用原算法图像所有像素的亮度值估计亮度水平和β值的方式，而是采取滑动重叠分块结合双线性差值的方式估计β值(见步骤s22)，简单来说，就是计算像素点周围四个子图像块各自的β值，利用双线性插值得到该像素点的β值。区别是：原始处理考虑图像整体亮度水平生成的统一的亮度映射曲线，而本专利考虑局部亮度水平为每个像素生成特定的映射曲线，这样的好处是局部较暗区域的像素不会被过度增强，而增强区域边缘过度更自然。
[0095]
进一步地，步骤s3包括以下步骤：
[0096]
s31：获取第一图像rgb空间的g通道作为增强滤波器的输入；
[0097]
s32：对g通道进行高斯滤波得到hessian矩阵；
[0098]
s33：对hessian矩阵特征值分解获得特征值，计算所有像素对应的血管响应值得到血管响应图；
[0099]
s34：遍历血管响应图，利用h，s通道和连通域约束筛选符合条件的区域，得到细化处理后的响应图；
[0100]
s35：遍历血管响应图，对血管响应非零值对应的s通道像素非线性拉伸，得到血管增强后的第二图像；
[0101]
进一步地，步骤s32具体为：设置高斯核尺度集σs∈{0.5,0.6,
…
,2.5}，构建11种不同尺度的二维高斯二阶偏导数卷积模板，分别与g通道进行卷积运算得到hessian矩阵。
[0102]
步骤s33具体为：对尺度σs∈{0.5,0.6,
…
,2.5}下像素gi，j的hesssian矩阵qr分解得到两个特征值和计算g
i，j
的血管响应值，计算公式：
[0103][0104]
其中，表示坐标(i,j)处的血管响应值，是与两个特征值相关的变量，β和c为用户输入参数。
[0105]
步骤s34细化血管响应图具体包含以下步骤：
[0106]
s341、获取第一增强图像的h和s通道，并将像素值归一化至0和1之间；
[0107]
s342、对血管响应图的每个非零值，根据hsv颜色模型中红色色谱分布范围，设置
基于色相和饱和度颜色特征的筛选规则：若对应像素的h
i,j
和s
i,j
满足：h
i,j
∈[0,0.08]∪[0.91,1]和s
i,j
∈[0.18,0.8]，则血管响应值保持不变；否则，血管响应值置零；
[0108]
s343、对血管响应图进行阈值分割二值化，基于统计二值图的所有8邻域连通域面积；
[0109]
s344、过滤二值图中面积小于预设阈值的连通域，作为管状结构区域的掩模，最终得到细化后的管状结构响应图。
[0110]
步骤s35中对s通道增强具体为：对血管响应非零值对应的s通道像素非线性拉伸，得到色彩更明亮饱和的血管形态。所述非线性拉伸公式：
[0111][0112]
其中，s
i,j
和分别表示增强前后s通道的像素值，s
target
∈(0.7,1]表示饱和度调整的目标值，γ为用户输入参数，用于控制非线性拉伸程度。
[0113]
管状结构在医学图像中较为常见，是医学诊断过程中重点关注对象。且医学图像中的管状结构呈现粗细不一，纵横交错，结构边缘不清晰，对比度不明显的特点。现有的增强方法如：非锐化掩模和数学形态学滤波是全局增强算法，不能针对管状结构进行特异性增强，且容易引入噪声。最佳的处理方式是识别管状结构然后增强处理。本专利提出使用多尺度管状增强滤波结合图像增强来增强管状结构，管状增强滤波可以检测图像中管状特征的像素，生成管状结构响应图，见步骤s31-s33。该增强算法的创新在于，针对管状结构粗细尺度不一的特点，采用多尺度版本，获得更精细的检测结果(见步骤s32具体描述)。管状结构响应图存在明显噪声和干扰，不能直接用来进行增强。进一步地，本专利采用细化处理(包括：颜色形态特征筛选、二值化处理、连通域面积筛选，见步骤s34)，过滤掉噪声，得到精细的管状结构掩模图。本专利根据掩模提取管状区域内的像素进行饱和度增强，具体是hsv空间的v通道对目标像素进行非线性拉伸，具体见步骤s35饱和度增强处理。
[0114]
进一步地，步骤s4具体包括以下步骤：
[0115]
s41：将第二图像由rgb空间转换至ycbcr空间，得到y通道图像；
[0116]
s42：设置clahe算法的水平和垂直方向分块数量及对比度限制参数；
[0117]
s43：对y通道应用clahe算法得到对比度增强后的y通道；
[0118]
s44：将增强图像由ycbcr空间转换至rgb空间得到增强后的最终图像。
[0119]
可见，本发明采用clahe(contrast limited adaptive histogram equalization)算法增强整体色调的对比度，使得不同组织间对比度更鲜明。
[0120]
下面通过几组内窥镜图片来验证本发明所提出的技术方案的有效性。附图5第1列图片为未处理的原图，特征是图片中心区域存在明显暗区，对比度较低，第2列为亮度增强后的结果，可见暗区亮度得到适度提升，细节清晰可见，同时最大限度地保持了亮区亮度，避免了全局亮度增强可能导致的过曝问题；图6左为未处理的原图，特征是血管颜色比较暗淡，难以分辨，图6右为血管增强后的结果，可见增强后的图像中血管饱和度得到明显提升，血管区域更加突出；图7上为未处理的原图，特征是色调整体过于偏红，不同组织间对比度较低，图7下为色彩增强后的结果，可见图像整体色调由偏红调整为偏白色，不同区域间色彩对比更加分明，且血管的对比度也得到了明显的提升。图8展示本发明提出的三阶段增强
方法在单独使用、两两结合和同时使用时的实施效果，为方便表述，令图8-1-2表示1行2列的子图。图8-1-1为处理的原图，其特征在于，中心区域存在暗区，血管丰富但颜色暗淡，整体色调偏红。图8-1-2，图8-2-1，图8-2-2分别为亮度增强，血管增强和颜色增强后的结果；图8-3-1，图8-3-2，图8-4-1分别为亮度增强+血管增强、亮度增强+色彩增强、血管增强+色彩增强后的结果；图8-4-2为亮度增强+血管增强+色彩增强后的结果，可见，当内窥镜图像同时存在亮度、血管和色彩上的不足时，单一增强模式效果有限，而多种增强模式组合下增强效果比较明显。因此，本技术方案所提供多阶段增强模式，允许用户针对特定场景自主选择组合模式，通过不同模式的组合使得图像增强更具针对性，可以得到更佳的增强效果。
[0121]
本发明实施例的医学图像多阶段增强系统，如图9所示，包括：
[0122]
单帧分解模块，用于将视频序列分解成单帧图像；
[0123]
多阶段增强模块，包括亮度增强子模块、管状结构增强子模块、对比度增强子模块中任一个、任两个或者三个子模块：
[0124]
亮度增强子模块，用于对单帧图像的亮度通道进行自适应非线性校正得到亮度增强处理后的第一图像；
[0125]
管状结构增强子模块，用于使用多尺度管状增强滤波器增强第一图像中管状结构，得到细节增强处理后的第二图像；
[0126]
对比度增强子模块，用于对第二图像应用基于限制对比度直方图自适应均衡算法，提升图像整体的色彩对比度，获得最终增强图像；
[0127]
图像合并模块，用于对最终增强图像按处理次序合并，得到增强后的视频序列。
[0128]
上述各个模块用于实现上文方法实施例的各个步骤，在此不一一赘述。
[0129]
本发明还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘、服务器、app应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于在被处理器执行时实现方法实施例的医学图像多阶段增强方法。
[0130]
以上所述实施例是以内窥镜图像为例，但并非仅仅限于内窥镜图像，而由其他设备所采集的医学图像，只要符合本技术方案所处理图像特点，同样可以通过本发明的方法，进行增强。本发明具体实施例对内窥镜图像中的血管进行增强，但同样可以增强具有管状结构的组织和器官(如神经、胆管和输卵管等)，不再赘述。此实施例图像仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

技术特征：
1.一种医学图像多阶段增强方法，其特征在于，包括：s1：将视频序列分解成单帧图像；s2：对单帧图像的亮度通道进行自适应非线性校正得到亮度增强处理后的第一图像；s3：使用多尺度增强滤波器增强第一图像中管状结构，得到细节增强处理后的第二图像；s4：对第二图像应用基于限制对比度直方图自适应均衡算法，提升图像整体的色彩对比度，获得最终增强图像；s5：对最终增强图像按处理次序合并，得到增强后的视频序列。2.根据权利要求1所述的医学图像多阶段增强方法，其特征在于，步骤s2中对单帧图像的图像亮度通道进行自适应非线性校正采用的映射函数为：的图像亮度通道进行自适应非线性校正采用的映射函数为：其中，v表示图像亮度通道，t(
·
)为映射函数，和分别为映射前后图像v通道在坐标(i,j)处的像素值，i和j分别为像素在垂直和水平方向的坐标，α为控制动态范围压缩程度的参数；β是亮度相关的自适应参数，z∈(0,2]，β∈[0,min(1,z)]为常量参数，表示控制映射函数动态范围压缩能力。3.根据权利要求1所述的医学图像多阶段增强方法，其特征在于，步骤s2中具体使用基于带重叠的滑动分块与双线性插值结合的方法计算每个像素的亮度相关的自适应参数β值，包括以下步骤：令h和w分别表示图像的高和宽，设置窗口大小为n
×
n，滑动步长为沿着水平和垂直方向以固定步长滑动得到个子块；统计每个子块的像素分布，计算β值，得到该子块对应的映射函数；遍历图像亮度通道v的每个像素，找到该像素相邻的4个子块，通过各子块的映射函数计算得到4个β值，对4个β值进行双线性插值得到该像素最终的β值。4.根据权利要求1所述的医学图像多阶段增强方法，其特征在于，步骤s3中使用多尺度管状增强滤波器增强第一图像中管状结构包括步骤如下：s31：获取第一图像rgb空间的g通道作为增强滤波器的输入；s32：对g通道进行高斯滤波得到hessian矩阵；s33：对hessian矩阵进行特征值分解获得特征值，计算所有像素对应的滤波器响应值得到管状结构响应图；s34：遍历管状结构响应图，结合目标管状结构的颜色、结构信息预先设计图像融合特征，筛选符合融合特征的区域，得到细化处理后的响应图；s35：遍历细化处理后的响应图，对响应值非零值对应的像素进行s通道的非线性拉伸，得到细节增强后的第二图像。
5.根据权利要求4所述的医学图像多阶段增强方法，其特征在于，步骤s32中高斯滤波时选择多种不同尺度高斯二阶偏导作为卷积模板。6.根据权利要求4所述的医学图像多阶段增强方法，其特征在于，步骤s33中像素g
i,j
的hessian矩阵通过qr分解得到尺度为σ
s
时两个特征值和g
i,j
的滤波器响应值计算公式为：其中，表示坐标(i,j)处的血管响应值，和是与两个特征值相关的变量，c和d为用户输入参数。7.根据权利要求4所述的医学图像多阶段增强方法，其特征在于，步骤s34中对管状结构响应图进行细化处理包括如下步骤：s341：获取第一图像的h和s通道，并将像素值归一化至0和1之间；s342：对管状结构响应图的每个非零值进行筛选，根据目标管状结构的颜色、形态特征设置筛选规则：若对应像素满足筛选条件，则响应值保持不变；否则，响应值置零；s343：将筛选后的管状结构响应图进行二值化阈值分割，统计所有连通域面积大小，得到二值图；s344、过滤二值图中面积小于预设阈值的连通域，作为管状结构区域的掩模，最终得到细化后的管状结构响应图。8.根据权利要求4所述的医学图像多阶段增强方法，其特征在于，步骤s35中非线性拉伸公式为：其中，s
i,j
和分别表示增强前和增强后s通道的像素值，s
target
∈(0.7,1]表示饱和度调整的目标值，γ为用户输入参数，用于控制非线性拉伸程度。9.根据权利要求1所述的医学图像多阶段增强方法，其特征在于，步骤s4具体包括如下步骤：s41：将第二图像由rgb空间转换至ycbcr空间，得到y通道图像；s42：设置基于限制对比度直方图自适应均衡算法水平和垂直方向分块数量及对比度限制参数；s43：对y通道应用基于限制对比度直方图自适应均衡算法得到对比度增强后的y通道；s44：将增强图像由ycbcr空间转换至rgb空间得到增强后的最终图像。10.一种医学图像多阶段增强系统，其特征在于，包括：单帧分解模块，用于将视频序列分解成单帧图像；多阶段增强模块，包括亮度增强子模块、管状结构增强子模块、对比度增强子模块中任一个、任两个或者三个子模块：
亮度增强子模块，用于对单帧图像的亮度通道进行自适应非线性校正得到亮度增强处理后的第一图像；管状结构增强子模块，用于使用多尺度管状增强滤波器增强第一图像中管状结构，得到细节增强处理后的第二图像；对比度增强子模块，用于对第二图像应用基于限制对比度直方图自适应均衡算法，提升图像整体的色彩对比度，获得最终增强图像；图像合并模块，用于对最终增强图像按处理次序合并，得到增强后的视频序列。

技术总结
本发明公开了一种医学图像多阶段增强方法及系统，其中方法包括：S1：将视频序列分解成单帧图像；S2：对单帧图像的亮度通道进行自适应非线性校正得到亮度增强处理后的第一图像；S3：使用多尺度增强滤波器增强第一图像中管状结构，得到细节增强处理后的第二图像；S4：对第二图像应用基于限制对比度直方图自适应均衡算法，提升图像整体的色彩对比度，获得最终增强图像；S5：对最终增强图像按处理次序合并，得到增强后的视频序列。本发明的图像增强方法分为三阶段：亮度增强，细节增强和色调增强，增强后的图像亮度更均匀，结构更突出，颜色对比鲜明，使医务人员能更轻易识别各种组织，有助于提升手术的精确率和成功率。提升手术的精确率和成功率。提升手术的精确率和成功率。


技术研发人员：请求不公布姓名
受保护的技术使用者：卓外(上海)医疗电子科技有限公司
技术研发日：2023.03.13
技术公布日：2023/7/21