【技术实现步骤摘要】
本申请涉及图像识别，更具体地说，涉及一种图像高光处理方法。
技术介绍
1、在医学领域，内窥镜作为一种重要的医疗设备，被广泛应用于各类人体组织的诊断和手术过程中。但由于内窥镜工作时需要强光照明，常会在图像中产生明显的高光区域，这不仅降低了图像的视觉质量，也会对后续的诊断分析造成干扰。因此如何有效降低内窥镜图像中的高光效应，提高图像质量，是该领域亟待解决的技术问题。
2、针对内窥镜图像高光问题，现有技术主要采用图像修复方法进行处理。但由于缺乏对高光区域形状和内容结构的分析，直接进行整体性修复容易造成图像质量下降。而高光区域具有形状不规则、颜色和纹理变化大的特点，使得仅靠全局信息进行修复很难达到良好效果。
3、中国专利申请，申请号cn202210203792.7，公开日2022年7月5日，公开了一种基于高亮点去除的医学图像分割方法，涉及图像识别相关
，具体步骤为：获取待修复图像；对待修复图像进行图像增强处理；对增强处理后的待修复图像进行修复，获得修复图像；基于修复图像，利用生成对抗网，训练图像分割模型；利用图像分割模型对修复图像进行图像分割。但是该方案利用生成对抗网络(gan)来训练图像分割模型，但gan的训练过程本身具有不稳定性。因此该方案的图像质量有待进一步提高。
技术实现思路
1、1.要解决的技术问题
2、针对现有技术中存在的内窥镜图像中高光区域造成的图像质量低的问题，本申请提供了一种图像高光处理方法，通过提取亮点区域轮廓特征确定搜索范围，
3、2.技术方案
4、本申请的目的通过以下技术方案实现。
5、本说明书提供一种图像高光处理方法，包括：获取原始图像；通过对原始图像进行阈值分割获得高光掩膜图像；从高光掩膜图像中提取亮点块，并提取亮点块的亮点轮廓；计算当前亮点块的亮点轮廓的掩膜面积和轮廓长度；根据亮点块的轮廓长度，设置搜索范围；将当前亮点轮廓内部的区域作为待修复区域，并提取待修复区域的边界；计算待修复区域的边界上的每个像素点的置信度，并计算像素点邻域内的颜色结构特征；颜色结构特征表示像素点邻域内rgb三个通道的颜色分布和纹理信息；根据置信度和颜色结构特征，计算对应像素点的修复优先级；在待修复区域的边界上，将最大修复优先级对应的像素点作为中心点，根据预设尺寸，设置目标块；在设置的搜索范围内，获取与目标块的颜色结构特征相似度最高的图像块，作为匹配块；利用匹配块修复目标块在原始图像中对应的待修复区域；输出修复后的图像。
6、进一步的，确定搜索范围，包括：将亮点轮廓作为搜索范围的中心；根据当前亮点的轮廓长度，设置搜索范围的尺寸；根据搜索范围的中心和尺寸，设置以亮点轮廓为中心的搜索范围。
7、进一步的，确定搜索范围，还包括：提取当前亮点轮廓的轮廓长度l；计算当前亮点轮廓的几何中心坐标(x，y)，作为搜索中心；根据轮廓长度l，设置搜索范围的尺寸；根据搜索中心坐标(x，y)和搜索范围的尺寸，确定矩形区域作为当前亮点轮廓的搜索范围；判断矩形区域是否超出原始图像的边界；如果是，则将超出边界的矩形搜索范围部分去除，得到最终的非矩形搜索范围；反之，则以矩形区域作为最终的搜索范围。
8、进一步的，根据轮廓长度l，设置搜索范围的尺寸，包括：当轮廓长度l小于阈值t时，设置搜索范围的尺寸为当前亮度轮廓外扩n1个像素；反之，设置搜索范围的尺寸为当前亮度轮廓外扩n2个像素；其中，n2大于n1。
9、进一步的，通过内窥镜采集bayer格式的图像，作为原始图像。
10、进一步的，获取高光掩膜图像，包括：将原始图像从rgb颜色空间转换到hsv颜色空间，得到hsv图像；将hsv图像划分为多个子块；提取当前子块的纹理信息，纹理信息包含子块的像素最大值max、平均灰度值μ和灰度标准偏差σ；根据像素最大值max、平均灰度值μ和灰度标准偏差σ，计算当前子块的自适应阈值t；比对当前子块内的像素点的亮度值与自适应阈值t，如果像素点的亮度值大于自适应阈值t，则将像素点标记为高光像素点，反之标记为非高光像素点；生成当前子块的二值化高光掩膜图像，其中高光像素点的值为1，非高光像素点的值为0；将所有子块的二值化高光掩膜图像拼接在一起，得到原始图像的高光掩膜图像。
11、进一步的，提取当前子块的纹理信息，还包括：hsv图像中包含h、s和v通道；提取当前子块内所有像素点的v通道值，获取最大值作为像素最大值max；其中，v通道值表示hsv图像的颜色空间中的明度分量；计算当前子块内所有像素点v通道值的均值，作为平均灰度值μ；计算当前子块内所有像素点v通道值的标准偏差，作为灰度标准偏差σ。
12、进一步的，自适应阈值t的计算公式为：
13、
14、其中，ξ是控制图像动态范围的参数，lmax是子块的像素最大值，r是图像的动态范围，α是控制权重的参数，μ是平均灰度值，σ是子块的标准偏差，c是一个防止分母为0的极小值参数；nclip表示裁剪阈值；h(l)表示输入图像的直方图；hc(l)表示剪切直方图；m和n分别表示m*n表示子块的大小；
15、进一步的，获取匹配块，包括：将获取的目标块作为匹配目标；提取待修复区域的边界；根据待修复区域的边界，将去除待修复区域后的原始图像作为搜索源图像；在搜索源图像中，将以目标块为中心，以设置的搜索范围为边界，确定一个矩形区域作为源区域；将源区域划分为大小与目标块相同的多个子块，将每个子块作为一个候选块；计算当前候选块的颜色结构特征向量计算目标块的颜色结构特征向量根据如下公式计算当前候选块与目标块之间的特征距离表示候选块与目标块之间的相似性度量，由对应位置像素差值的平方和决定；表示源区域；argmind表示是一种数学计算公式，用于表示一个函数在其定义域中取得最小值的参数值(自变量的值)，而不是最小值本身；表示原图像区域内的任一候选块；表达式：分别代表候选块中像素点在r、g、b三个通道的像素值，分别代表中像素点在r、g、b三个通道的像素值；获取所有候选块中特征距离最小的候选块，作为匹配块。
16、其中，搜索源图像：指在原始图像中，去除了待修复区域后剩余的部分，用于在其中搜索匹配块的图像区域。搜索源图像提供了候选匹配块的来源，是匹配块搜索的范围。
17、优选地，基于修复优先级的动态搜索源图像确定：在待修复区域边界上计算每个像素点的修复优先级，优先级考虑了置信度、边界距离等因素。根据修复优先级，动态调整搜索源图像的范围。对于优先级高的待修复像素点，在其周围小范围内搜索匹配块；对于优先级低的像素点，扩大搜索范围。通过动态调整搜索源图像的范围，在保证修复质量的同时提高匹配效率，减少不必要的搜索计算。
18、优选地，多尺度搜索源图像的使用：对原始图像进行多尺度分解，生成不同分辨率的图像金字塔。在金字塔的各个尺度上，分别提取待修复区域的边界，并将去除待修复区域后的图像作为对本文档来自技高网...
【技术保护点】
1.一种图像高光处理方法，包括：
2.根据权利要求1所述的图像高光处理方法，其特征在于：
3.根据权利要求2所述的图像高光处理方法，其特征在于：
4.根据权利要求3所述的图像高光处理方法，其特征在于：
5.根据权利要求1所述的图像高光处理方法，其特征在于：
6.根据权利要求5所述的图像高光处理方法，其特征在于：
7.根据权利要求6所述的图像高光处理方法，其特征在于：
8.根据权利要求7所述的图像高光处理方法，其特征在于：
9.根据权利要求1所述的图像高光处理方法，其特征在于：
10.根据权利要求9所述的图像高光处理方法，其特征在于：
【技术特征摘要】
1.一种图像高光处理方法，包括：
2.根据权利要求1所述的图像高光处理方法，其特征在于：
3.根据权利要求2所述的图像高光处理方法，其特征在于：
4.根据权利要求3所述的图像高光处理方法，其特征在于：
5.根据权利要求1所述的图像高光处理方法，其特征在于：
6.根...
【专利技术属性】
技术研发人员：杨守峰，徐嘉麟，
申请(专利权)人：江苏熙和医疗科技有限公司，
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。