一种输尿管镜碎石取石用影像增强方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种输尿管镜碎石取石用影像增强方法。

背景技术

输尿管镜碎结石是一种常见的解决泌尿系统疾病的医疗技术手段，医学影像技术可能影响到输尿管镜碎结石的检测、定位和诊断的准确性，故针对输尿管镜碎石取石用影像增强技术的准确运用尤为重要。现有技术对于图像增强经常使用线性灰度增强进行处理，而线性灰度化增强更多是对图像整体区域的增强，增强细节的同时，也会增强噪声，无法实现对输尿管结石的针对性增强，图像增强效果较差。

发明内容

为了解决上述现有影像增强方法的图像增强效果较差的技术问题，本发明的目的在于提供一种输尿管镜碎石取石用影像增强方法，所采用的技术方案具体如下：

本发明一个实施例提供了一种输尿管镜碎石取石用影像增强方法，该方法包括以下步骤：

获取输尿管镜碎结石的RGB图像和灰度图像；

根据所述灰度图像确定输尿管镜碎结石的待处理区域图像；

对待处理区域图像进行超像素分割处理，获得第一预设数目种超像素分割情况下对应的各个超像素块区域；

根据每种超像素分割情况下对应的各个超像素块区域以及各个超像素块区域内每个像素点的G通道值和B通道值，确定各个超像素块区域的结石程度值；

根据目标超像素分割情况下对应的各个超像素块区域在每种超像素分割情况下对应的像素点个数和结石程度值，确定目标超像素分割情况下对应的各个超像素块区域的结石概率值；

根据各个超像素块区域的结石概率值确定输尿管镜碎结石的目标增强矩阵；根据所述目标增强矩阵和所述灰度图像，确定输尿管镜碎结石的结石增强图像。

进一步地，根据所述灰度图像确定输尿管镜碎结石的待处理区域图像，包括：

对灰度图像进行分割处理，获得第二预设数目个分割阈值对应的阈值分割图像；

根据第二预设数目个分割阈值及其对应的阈值分割图像中像素点的个数，构建阈值分割情况曲线图，确定阈值分割曲线；

对阈值分割曲线求二阶导数，将阈值分割曲线中二阶导数最大的两个点确定为目标点；

分割阈值0对应的阈值分割图像减去分割阈值较小的目标点对应的阈值分割图像，获得第一差值图像中的差值像素点集合；分割阈值255对应的阈值分割图像减去分割阈值较大的目标点对应的阈值分割图像，获得第二差值图像中的差值像素点集合；

对第一差值图像中的差值像素点集合和第二差值图像中的差值像素点集合进行聚类处理，获得面积最大的两个聚类簇，将面积最大的两个聚类簇作为目标簇；

在灰度图像中将目标簇对应的像素点剔除，将剔除后的灰度图像确定为输尿管镜碎结石的待处理区域图像。

进一步地，根据每种超像素分割情况下对应的各个超像素块区域以及各个超像素块区域内每个像素点的G通道值和B通道值，确定各个超像素块区域的结石程度值，包括：

对每种超像素分割情况下对应的各个超像素块区域进行边缘检测，获得各个超像素块区域对应的边缘像素点数目，将边缘像素点数目确定为对应超像素块区域的第一结石因子；

计算每种超像素分割情况下对应的各个超像素块区域对应的G通道值均值和B通道值均值，将G通道值均值和B通道值均值的差值的绝对值确定为对应超像素块区域的第二结石因子；

将第一结石因子和第二结石因子的乘积确定为对应超像素块区域的结石程度值。

进一步地，所述结石概率值的计算公式为：

其中，β

进一步地，根据各个超像素块区域的结石概率值确定输尿管镜碎结石的目标增强矩阵，包括：

将各个超像素块区域的结石概率值进行归一化处理，获得各个超像素块区域对应的归一化后的结石概率值；

对于归一化后的结石概率值大于或等于预设结石概率阈值的超像素块区域，将对应超像素块区域内每个像素点的灰度值置为1，同时将灰度值较大的目标簇内每个像素点的灰度值也置为1；

对于归一化后的结石概率值小于预设结石概率阈值的超像素块区域，将对应超像素块区域内每个像素点的灰度值置为0，同时将灰度值较小的目标簇内每个像素点的灰度值也置为0，从而得到输尿管镜碎结石的目标增强矩阵。

进一步地，根据所述目标增强矩阵和所述灰度图像，确定输尿管镜碎结石的结石增强图像，包括：

将灰度图像中最大灰度值作为第一目标灰度值，对于目标增强矩阵中灰度值为1的像素点，将对应像素点在灰度图中的灰度值置为第一目标灰度值；

将灰度图像中最小灰度值作为第二目标灰度值，对于目标增强矩阵中灰度值为0的像素点，将对应像素点在灰度图中的灰度值置为第二目标灰度值，从而获得输尿管镜碎结石的结石增强图像。

进一步地，所述灰度图像包括结石暗沉区域、结石光亮区域、深背景区域和浅背景区域。

进一步地，所述待处理区域图像包括结石暗沉区域图像或浅背景区域图像。

进一步地，所述超像素分割情况为初始种子点数量递增的超像素分割。

进一步地，所述目标超像素分割情况为最大初始种子点数量的超像素分割。

本发明具有如下有益效果：

本发明提供了一种输尿管镜碎石取石用影像增强方法，该方法通过图像处理技术，对输尿管镜碎结石的RGB图像和灰度图像进行分析和计算，确定了结石概率值，将结石概率值作为评估像素区域是否为结石区域的指标，获得了输尿管镜碎结石的结石增强图像，有效提高了输尿管镜碎石取石用影像的图像增强效果，克服了现有影像增强方法无法实现对输尿管结石进行针对性增强的缺陷。为了减少计算量，确定输尿管镜碎结石的待处理区域图像，以便于后续区分结石暗沉区域和浅背景区域；对待处理区域图像进行超像素分割处理，有助于进一步区分灰度较为接近的结石暗沉区域和浅背景区域，获得第一预设数目种超像素分割情况下对应的各个超像素块区域，有利于更准确地区分结石暗沉区域和浅背景区域；根据待处理区域内部的梯度特征结合RGB颜色特征，得到各个超像素块区域的结石程度值，从两个角度分析超像素块区域的结石程度，充分增强了结石程度值的精准性，便于后续确定参考价值更高的结石概率值；基于各个超像素块区域的结石概率值，有效区分了结石暗沉区域和浅背景区域，最终获得输尿管镜碎结石的结石增强图像，完成了对输尿管结石的针对性增强。本发明主要应用于影像增强技术领域。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅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它附图。

图1为本发明一种输尿管镜碎石取石用影像增强方法的流程图；

图2为本发明实施例中的阈值分割情况曲线图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本实施例提供了一种输尿管镜碎石取石用影像增强方法，如图1所示，包括以下步骤：

S1，获取输尿管镜碎结石的RGB图像和灰度图像。

在本实施例中，通过输尿管镜仪器，可以获得患者体内的碎结石的红绿蓝(RedGreen Blue，RGB)图像。为了简化矩阵，将RGB三通道转换到单灰度通道，获得输尿管镜碎结石的灰度图像，转换为灰度图像有利于提高后续的操作运算效率。灰度化处理的实现方法包括但不限于：加权平均值法、平均值法、最大值法以及最小值法等，灰度化处理的实现过程为现有技术，此处不再进行详细阐述。

至此，本实施例得到了输尿管镜碎结石的RGB图像和灰度图像。

S2，根据灰度图像确定输尿管镜碎结石的待处理区域图像。

需要说明的是，受输尿管镜光源照射角度的影响，基于灰度图像的区域像素特征，灰度图像大致划分为结石暗沉区域、结石光亮区域、深背景区域和浅背景区域。其中，对于结石暗沉区域，结石的远光区域的光泽程度不明显，在灰度图像中呈现效果应为均匀度较差和灰度值较为居中；对于结石光亮区域，结石的近光区域在输尿管镜光照条件下泛有金属光泽，在灰度图像中呈现效果应为均匀度较好和灰度值较大；对于深背景区域，非结石的远光区域在灰度图像中呈现效果应为均匀度较好和灰度值明显较小；对于浅背景区域，非结石的近光区域在灰度图像中呈现效果应为均匀度较好和灰度值较为居中。由于结石暗沉区域和深背景区域的像素特征相似，难以区分，为了提高后续的图像增强效果，需要将结石暗沉区域和深背景区域作为待处理区域，也就是待处理区域图像包括结石暗沉区域图像或浅背景区域图像。

第一步，对灰度图像进行分割处理，获得第二预设数目个分割阈值对应的阈值分割图像。

在本实施例中，为了区分不同分割阈值下的阈值分割图像的图像特征信息，利用阈值分割法，对输尿管镜碎结石的灰度图像进行不同分割阈值下的阈值分割处理，可以获得第二预设数目个分割阈值对应的阈值分割图像。其中，分割阈值从0逐次加1，直至增加至255，第二预设数目可以为256。阈值分割法的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。

第二步，根据第二预设数目个分割阈值及其对应的阈值分割图像中像素点的个数，构建阈值分割情况曲线图，确定阈值分割曲线。

在本实施例中，不同的分割阈值在灰度图像中分割出来的像素点数量具有差异性，为了便于理解，将第二预设数目个分割阈值作为横坐标，将每个分割阈值对应的阈值分割图像中像素点的个数作为纵坐标，构建阈值分割情况曲线图，如图2所示，进而可以获得阈值分割曲线。

第三步，对阈值分割曲线求二阶导数，将阈值分割曲线中二阶导数最大的两个点确定为目标点。

在本实施例中，由于灰度图像中深背景区域的灰度值明显较低且较为均匀，故当分割阈值在较低范围内增加时，阈值分割图像中只有背景较深的像素区域被分割出来，且在阈值分割曲线中的横坐标分割阈值区间较为紧凑，即对应阈值分割曲线段的斜率较为陡峭；相对来讲，灰度图像中结石光亮区域的灰度值明显较大且同样较为均匀，故当分割阈值在较高范围内增加时，阈值分割图像中只有结石光亮的像素区域被分割出来，且在阈值分割曲线中横坐标分割阈值区间同样较为紧凑，即对应阈值分割曲线段的斜率较为陡峭。为了排除灰度均匀程度较高的灰度值极大区域和灰度值极小区域，即较易识别的结石光亮区域和深背景区域，对阈值分割曲线求二阶导数，将阈值分割曲线中二阶导数最大的两个点确定为目标点。其中，分割阈值较小的目标点记为a，分割阈值较大的目标点记为b。二阶导数的实现过程为现有技术，此处不再进行详细阐述。

第四步，分割阈值0对应的阈值分割图像减去分割阈值较小的目标点对应的阈值分割图像，获得第一差值图像中的差值像素点集合；分割阈值255对应的阈值分割图像减去分割阈值较大的目标点对应的阈值分割图像，获得第二差值图像中的差值像素点集合。

在本实施例中，基于输尿管镜碎结石的灰度图像的像素区域特征，说明第一差值图像中的差值像素点集合可以为灰度图像中背景较深处的像素点集合，第二差值图像中的差值像素点集合可以为灰度图像中的结石光亮区域的像素点集合。

第五步，对第一差值图像中的差值像素点集合和第二差值图像中的差值像素点集合进行聚类处理，获得面积最大的两个聚类簇，将面积最大的两个聚类簇作为目标簇。

在本实施例中，通过差值像素点集合可以获得连通的像素区域，以排除差值图像中离散的噪声点。提取第一差值图像中的差值像素点集合和第二差值图像中的差值像素点集合，利用基于密度的DBSCAN聚类，对差值像素点集合进行聚类，获得面积最大的两个聚类簇，并将面积最大的两个聚类簇作为目标簇。在两个目标簇中，灰度值较大的目标簇可以认为是结石光亮区域簇，灰度值较小的目标簇可以认为是深背景区域簇。DBSCAN聚类算法的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。

需要说明的是，通过输尿管镜碎结石的图像特征信息可知，输尿管镜碎结石的灰度图像中结石光亮区域或深背景区域均为连续聚集分布，故可以将面积最大的两个聚类簇作为目标簇，其在排除噪声点的同时，有助于后续进行图像增强处理。

第六步，在灰度图像中将目标簇对应的像素点剔除，将剔除后的灰度图像确定为输尿管镜碎结石的待处理区域图像。

在本实施例中，将两个目标簇内的像素点映射到输尿管镜碎结石的灰度图像中，在灰度图像中将目标簇对应的像素点剔除，即将深背景区域簇和结石光亮区域簇对应的像素区域剔除，可以得到可能为结石暗沉区域或浅背景区域的待处理区域。

至此，本实施例通过剔除较易识别的结石光亮区域和深背景区域，进而得到较难识别的结石暗沉区域和浅背景区域。

S3，对待处理区域图像进行超像素分割处理，获得第一预设数目种超像素分割情况下对应的各个超像素块区域。

在本实施例中，为了进一步区分灰度较为接近的结石暗沉区域和浅背景区域，对待处理区域图像进行超像素分块。由于结石暗沉区域的灰度均匀性较差，不同初始种子点数量的超像素分割处理的结果可能存在一定差异，为了更准确地区分结石暗沉区域和浅背景区域，对待处理区域图像进行不同初始种子点数量的超像素分块。超像素分割处理的实现过程为现有技术，此处不再进行详细阐述。其中，超像素分割情况可以为初始种子点数量递增的超像素分割，本实施例将初始种子点的数量设置为500，并逐次增加50，直至初始种子点的数量增加至1000，那么超像素分割情况的第一预设数目可以为11。第一种超像素分割情况和最后一种超像素分割情况对应的初始种子点的数量、每种超像素分割情况下的初始种子点数量增长值，可以由实施者根据具体场景进行调整，不作具体限定。

至此，本实施例获得了第一预设数目种超像素分割情况下对应的各个超像素块区域。

S4，根据每种超像素分割情况下对应的各个超像素块区域以及各个超像素块区域内每个像素点的G通道值和B通道值，确定各个超像素块区域的结石程度值。

在本实施例中，基于不同超像素分割情况下得到的各个超像素块区域在灰度图像中的梯度特征和在RGB图像中的颜色特征，可以得到各个超像素块区域的结石程度值，其步骤可以包括：

第一步，确定各个超像素块区域的第一结石因子。

在本实施例中，对每种超像素分割情况下对应的各个超像素块区域进行边缘检测，获得各个超像素块区域对应的边缘像素点数目，将边缘像素点数目确定为对应超像素块区域的第一结石因子。边缘检测的实现方法包括但不限于：微分法、差分边缘检测方法、Roberts边缘检测算子以及Sobel边缘检测算子等，边缘检测的实现过程为现有技术，此处不再进行详细阐述。值得说明的是，边缘检测结果可以被用于表征超像素块区域在灰度图像中的梯度特征。

第二步，确定各个超像素块区域的第二结石因子。

需要说明的是，输尿管镜碎结石的RGB图像中的结石暗沉区域呈现沙棕色，而浅背景区域呈现橙红色，沙棕色和橙红色在灰度图像中的灰度值相近，难以分析，故对RGB图像的三个通道值进行分析。对比RGB标准颜色对照表，可以发现沙棕色和橙红色在R通道值相近，而沙棕色相比较橙红色，其G通道和B通道的数值差异较大，故可用G通道和B通道的数值差异表示第二结石因子。

在本实施例中，通过各个超像素块区域在输尿管镜碎结石的RGB图像中的G通道值和B通道值，计算每种超像素分割情况下对应的各个超像素块区域对应的G通道值均值和B通道值均值，将G通道值均值和B通道值均值的差值的绝对值确定为对应超像素块区域的第二结石因子。

第三步，根据各个超像素块区域的第一结石因子和第二结石因子，确定各个超像素块区域的结石程度值。

在本实施例中，基于各个超像素块区域的第一结石因子和第二结石因子，将第一结石因子和第二结石因子的乘积确定为对应超像素块区域的结石程度值。结合了超像素块区域在灰度图像中的梯度特征和在RGB图像中的颜色特征，也就是将第一结石因子和第二结石因子的乘积作为对应超像素块区域的结石程度值，有助于提高结石程度值的参考价值。

例如，各个超像素块区域的结石程度值的计算公式可以为：

其中，α

在结石程度值的计算公式中，第一结石因子m

至此，通过待处理区域中的各超像素分块的梯度特征和RGB颜色特征，得到每种超像素分割情况下对应的各个超像素分块区域的结石程度值。

S5，根据目标超像素分割情况下对应的各个超像素块区域在每种超像素分割情况下对应的像素点个数和结石程度值，确定目标超像素分割情况下对应的各个超像素块区域的结石概率值。

在本实施例中，初始种子点数量呈现逐次增加趋势，故最后一种超像素分割情况为初始种子点数量最多时对应的超像分割，不同初始种子点数目选取差异导致不同超像素分割情况，初始种子点数量选取越多，超像素分块结果中的分块数量越多。由于最后一种超像素分割情况对应的超像素块区域的个数最多，为了分析各个超像素块区域在其他超像素分割情况下的结石程度特征，需要将目标超像素分割情况确定为最大初始种子点数量的超像素分割，以便于结合不同超像素分块情况下超像素分块区域的结石程度特征，确定目标超像素分割情况下对应的各个超像素块区域的结石概率值，结石概率值的计算公式可以为：

其中，β

在结石概率值的计算公式中，将第l种超像素分割情况和第i种超像素分割情况对应的结果图像进行相同位置的堆积，从堆积图像上方鸟瞰，选取目标超像素分割情况下对应的第k个超像素块区域在第i种超像素分割情况中对应的相同位置的分块区域，将该分块区域的结石程度值作为目标超像素分割情况下对应的第k个超像素块区域在第i种超像素分割情况下对应的结石程度值；结石程度值α

至此，对待处理区域进行超像素分块，根据待处理区域内部的梯度特征结合RGB颜色特征得到各个超像素块区域的结石程度值，进而叠加不同超像素分割情况中各个超像素块区域的结石程度值，得到结石概率值。

S6，根据各个超像素块区域的结石概率值确定输尿管镜碎结石的目标增强矩阵；根据目标增强矩阵和灰度图像，确定输尿管镜碎结石的结石增强图像，其步骤可以包括：

第一步，根据各个超像素块区域的结石概率值确定输尿管镜碎结石的目标增强矩阵，其步骤可以包括：

第一子步骤，对各个超像素块区域的结石概率值进行归一化处理。

在本实施例中，为了便于后续进行比较分析，将各个超像素块区域的结石概率值进行归一化处理，可以获得各个超像素块区域对应的归一化后的结石概率值。将归一化后的结石概率值记为c

第二子步骤，根据归一化后的结石概率值，确定输尿管镜碎结石的目标增强矩阵。

对于归一化后的结石概率值大于或等于预设结石概率阈值的超像素块区域，将对应超像素块区域内每个像素点的灰度值置为1，同时将灰度值较大的目标簇内每个像素点的灰度值也置为1；对于归一化后的结石概率值小于预设结石概率阈值的超像素块区域，将对应超像素块区域内每个像素点的灰度值置为0，同时将灰度值较小的目标簇内每个像素点的灰度值也置为0，从而得到输尿管镜碎结石的目标增强矩阵。

在本实施例中，预设结石概率阈值可以设置为0.7，预设结石概率阈值可由实施者根据具体实施场景进行调整。当c

第二步，根据目标增强矩阵和灰度图像，确定输尿管镜碎结石的结石增强图像。

将灰度图像中最大灰度值作为第一目标灰度值，对于目标增强矩阵中灰度值为1的像素点，将对应像素点在灰度图中的灰度值置为第一目标灰度值；将灰度图像中最小灰度值作为第二目标灰度值，对于目标增强矩阵中灰度值为0的像素点，将对应像素点在灰度图中的灰度值置为第二目标灰度值，从而获得输尿管镜碎结石的结石增强图像。

例如，灰度图像中最大灰度值为254，将目标增强矩阵映射到灰度图像中，在灰度图像中选取出目标增强矩阵中灰度值为1的像素点，为了对灰度图像中的结石区域进行针对性增强处理，将此时从灰度图像中选取出的所有像素点的灰度值均赋值为254。同时，灰度图像中最小灰度值为2，在灰度图像中选取出目标增强矩阵中灰度值为0的像素点，为了降低浅背景区域与结石暗沉区域之间的差异，将此时从灰度图像中选取的所有像素点的灰度值均赋值为2，将赋值处理后的灰度图像作为输尿管镜碎结石的结石增强图像，实现了对结石区域的针对性图像增强。

又如，首先，获取灰度图像中最大灰度值，对于目标增强矩阵中灰度值为1的像素点，计算目标增强矩阵中对应灰度图像位置的每个像素点的灰度增量，其计算公式可以为：

Δg(x,y)＝gm-g(x,y)

其中，Δg(x,y)为灰度图像中(x,y)位置处的像素点的灰度增量，gm为灰度图像中最大灰度值，g(x,y)为灰度图像中(x,y)位置处的像素点的灰度值。

然后，基于目标增强矩阵中灰度值为1的像素点在对应灰度图像位置的灰度增量，构建增强变量矩阵，将增强变量矩阵与灰度图像进行灰度叠加，从而获得输尿管镜碎结石的结石增强图像。

至此，本实施例实现了针对结石区域增强的图像处理，获得了输尿管镜碎结石的结石增强图像。

本发明提供了一种输尿管镜碎石取石用影像增强方法，该方法根据区域内部均匀性和灰度值大小，对易于识别的结石光亮区域和深背景区域进行提取区分，进而通过灰度图像的梯度特征和RGB图像的颜色特征，对难以识别的结石暗沉区域和浅背景区域进行提取区分，从而实现对结石区域进行针对性的增强，本发明有效提升了输尿管镜碎石取石用影像的图像增强效果。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，均应包含在本发明的保护范围之内。