【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及用于类器官识别的图像处理方法。
技术介绍
1、类器官是在体外培养成的器官或组织的三维结构。类器官的识别依赖于拍摄的类器官图像的清晰度，一些器官可能在类器官图像中的对比度较低，使其难以区分识别，因此需要对类器官图像进行增强。
2、目前通常通过直方图均衡化算法对类器官图像进行增强，在直方图均衡化的过程中，对于像素点数量较多的灰度值，其增强效果较好，对于像素点数量较少的灰度值，其可能被吞噬。由于类器官培养过程中的细节变化的灰度值往往对应较少的像素点，在直方图均衡化过程中可能被吞噬，导致类器官培养过程中的细节变化丢失，从而影响类器官识别的准确性。
技术实现思路
1、为解决上述问题，本专利技术提供用于类器官识别的图像处理方法，该方法包括以下步骤：
2、采集不同时刻的类器官培养图像；
3、根据每一时刻的类器官培养图像中每种灰度值对应的像素点数量的占比获取每一时刻的类器官培养图像中每种灰度值的稳定性；根据不同时刻类器官培养图像中同一灰度值对应的像素点数量的变化获取每一时刻类器官培养图像中每种灰度值的增长显著性；根据每个时刻的类器官培养图像中每种灰度值的稳定性以及增长显著性获取每种灰度值的重要性；
4、对于每一时刻的类器官培养图像，根据类器官培养图像中每种灰度值的重要性，为每种灰度值设置增强阈值；绘制类器官培养图像的灰度直方图，根据每种灰度值的增强阈值，对灰度直方图进行修正，得到修正灰度直方图，根据修正灰度直方图对类器
5、优选的，所述根据每一时刻的类器官培养图像中每种灰度值对应的像素点数量的占比获取每一时刻的类器官培养图像中每种灰度值的稳定性，包括的具体步骤如下：
6、
7、其中，表示第个时刻的类器官培养图像中灰度值的稳定性，取遍[0,255]中的每个整数；表示第个时刻的类器官培养图像中灰度值对应的像素点数量；表示第个时刻的类器官培养图像中对应的像素点数量最多的灰度值所对应的像素点数量；表示第个时刻的类器官培养图像中灰度值对应的像素点数量，取遍[1,]中的每个整数；表示每一时刻的类器官培养图像中包含的像素点数量；表示以自然常数为底的指数函数。
8、优选的，所述根据不同时刻类器官培养图像中同一灰度值对应的像素点数量的变化获取每一时刻类器官培养图像中每种灰度值的增长显著性，包括的具体步骤如下：
9、
10、
11、其中，表示第个时刻的类器官培养图像中灰度值的增长显著性，取遍[0,255]中的每个整数；表示第个时刻的类器官培养图像中灰度值对应的像素点数量；表示第个时刻之前的每个时刻的序号，取遍[1,]中的每个整数；表示第个时刻的类器官培养图像中灰度值对应的像素点数量；表示双曲正切函数；表示第个时刻的类器官培养图像中灰度值对应的像素点数量相较于第时刻的增长显著性。
12、优选的，所述根据每个时刻的类器官培养图像中每种灰度值的稳定性以及增长显著性获取每种灰度值的重要性，包括的具体步骤如下：
13、
14、其中，表示第个时刻的类器官培养图像中灰度值的重要性，取遍[0,255]中的每个整数；表示第个时刻的类器官培养图像中灰度值的增长显著性；表示第个时刻的类器官培养图像中灰度值的稳定性；为最大值函数；为超参数。
15、优选的，所述根据类器官培养图像中每种灰度值的重要性，为每种灰度值设置增强阈值，包括的具体步骤如下：
16、
17、其中，表示第个时刻的类器官培养图像中灰度值的增强阈值，取遍[0,255]中的每个整数；表示第个时刻的类器官培养图像中灰度值的重要性；表示第个时刻的类器官培养图像中所有种灰度值对应的像素点数量的均值；表示以自然常数为底的指数函数。
18、优选的，所述根据每种灰度值的增强阈值，对灰度直方图进行修正，得到修正灰度直方图，包括的具体步骤如下：
19、对于灰度直方图中每种灰度值，当灰度直方图中灰度值对应的像素点数量小于灰度值的增强阈值时，将灰度值对应的像素点数量修正为增强阈值，得到修正灰度直方图。
20、优选的，所述根据修正灰度直方图对类器官培养图像进行增强，得到增强后的类器官培养图像，包括的具体步骤如下：
21、对修正灰度直方图进行直方图均衡化，得到增强后的类器官培养图像。
22、本专利技术的技术方案的有益效果是：本专利技术根据每一时刻的类器官培养图像中每种灰度值对应的像素点数量的占比获取每一时刻的类器官培养图像中每种灰度值的稳定性，根据稳定性获取灰度值的重要性，从而设置增强阈值进行增强，使得类器官培养过程中重要的特征被增强的程度越大，确保了使得类器官培养过程中重要的特征的清晰度；
23、本专利技术根据不同时刻类器官培养图像中同一灰度值对应的像素点数量的变化获取每一时刻的类器官培养图像中每种灰度值的增长显著性，根据增长显著性获取每种灰度值的重要性，从而设置增强阈值进行增强，使得类器官培养过程中的细节变化得到重点增强，避免了细节变化对应的灰度值的像素点数量过少导致增强过程中细节变化对应的灰度值被吞噬，确保了类器官培养过程中的细节变化能够清晰的体现在增强后的类器官培养图像中，从而提高了类器官识别的准确性。
本文档来自技高网...【技术保护点】
1.用于类器官识别的图像处理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的用于类器官识别的图像处理方法，其特征在于，所述根据每一时刻的类器官培养图像中每种灰度值对应的像素点数量的占比获取每一时刻的类器官培养图像中每种灰度值的稳定性，包括的具体步骤如下：
3.根据权利要求1所述的用于类器官识别的图像处理方法，其特征在于，所述根据不同时刻类器官培养图像中同一灰度值对应的像素点数量的变化获取每一时刻类器官培养图像中每种灰度值的增长显著性，包括的具体步骤如下：
4.根据权利要求1所述的用于类器官识别的图像处理方法，其特征在于，所述根据每个时刻的类器官培养图像中每种灰度值的稳定性以及增长显著性获取每种灰度值的重要性，包括的具体步骤如下：
5.根据权利要求1所述的用于类器官识别的图像处理方法，其特征在于，所述根据类器官培养图像中每种灰度值的重要性，为每种灰度值设置增强阈值，包括的具体步骤如下：
6.根据权利要求1所述的用于类器官识别的图像处理方法，其特征在于，所述根据每种灰度值的增强阈值，对灰度直方图进行修正，得到
7.根据权利要求1所述的用于类器官识别的图像处理方法，其特征在于，所述根据修正灰度直方图对类器官培养图像进行增强，得到增强后的类器官培养图像，包括的具体步骤如下：
...【技术特征摘要】
1.用于类器官识别的图像处理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的用于类器官识别的图像处理方法，其特征在于，所述根据每一时刻的类器官培养图像中每种灰度值对应的像素点数量的占比获取每一时刻的类器官培养图像中每种灰度值的稳定性，包括的具体步骤如下：
3.根据权利要求1所述的用于类器官识别的图像处理方法，其特征在于，所述根据不同时刻类器官培养图像中同一灰度值对应的像素点数量的变化获取每一时刻类器官培养图像中每种灰度值的增长显著性，包括的具体步骤如下：
4.根据权利要求1所述的用于类器官识别的图像处理方法，其特征在于，所述根据每个时刻的类器官培...
【专利技术属性】
技术研发人员：马晓芳，于红艳，白丹，刘扬，刘晓智，
申请(专利权)人：天津市第五中心医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。