【技術實現步驟摘要】
本專利技術涉及圖像處理，具體地說，涉及一種高清醫學影像處理方法。
技術介紹
1、圖像處理是一項重要的技術，隨著圖像處理技術的不斷進步，尤其是深度學習算法的發展，能夠更精準地檢測和識別微小病變、早期病變，提高疾病診斷的準確性，通過對患者的醫學影像進行詳細分析，可以為每位患者制定個性化的治療方案，提高治療效果，利用圖像處理分析大量的醫學影像數據，挖掘潛在的疾病模式和風險因素，實現疾病的早期預測和預防，在進行醫學影像處理時，傳統的高清醫學影像處理方法處理方式較為單一，且沒有針對性，沒有通過分析圖像中的特征尋找出病變區域，并對病變區域進行多元特征提取，通過分析病變區域圖像的多元特征得出病變區域圖像的增強系數，從而實現病變區域圖像的增強，為了解決這一技術問題，于是我們提供了一種高清醫學影像處理方法。
技術實現思路
1、本專利技術的目的在于提供一種高清醫學影像處理方法，以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，本專利技術提供了一種高清醫學影像處理方法，包括以下步驟：
3、s1、利用圖像采集裝置獲取回盲部的醫學圖像，標記為回盲部圖像，并通過引導濾波算法對回盲部圖像進行降噪處理，提取完成降噪處理的回盲部圖像的像素值，并將回盲部圖像的像素值均衡化得出回盲部圖像直方圖；
4、s2、根據回盲部直方圖計算出回盲部圖像中每個像素點的潛在分泌物指數，設定分割閾值，利用閾值分割法將回盲部圖像中每個像素點的潛在分泌物指數與分割閾值進行對比分類，得出回盲部圖像中超出分
5、s3、提取疑似病變像素點集合中的像素點作為病變區域的像素點，并利用邊緣檢測算法將病變區域的像素點進行連接，形成病變區域圖像，提取出病變區域圖像的邊緣特征，并根據病變區域圖像的邊緣特征獲取邊緣像素點的分辨率；
6、s4、利用傅里葉變換分析病變區域圖像的頻率成分，得出病變區域圖像的模糊度指標，并根據模糊度指標得出邊緣像素點的模糊程度系數；
7、s5、根據邊緣像素點的分辨率和模糊程度系數得出病變區域圖像的增強系數，通過調整病變區域圖像的增強系數實現回盲部病變區域圖像的增強。
8、作為本技術方案的進一步改進，所述s1中通過引導濾波算法對回盲部圖像進行降噪處理，具體包括：
9、從回盲部圖像中隨機選取一張圖像作為引導圖像，記為a，將待降噪的回盲部圖像作為輸入圖像，記為b，設定引導濾波的窗口半徑為r，正則化參數α，對于待降噪的回盲部圖像中的每個像素點c，以其為中心建立一個窗口de，在窗口de中，引導濾波的輸出fc通過以下公式進行計算，即：
10、fc＝ae*ac+be
11、其中，ae和be為通過線性回歸計算所得，ac表示引導圖像的像素值，fc表示為完成引導濾波降噪的回盲部圖像。
12、作為本方案的進一步改進，所述s2中根據回盲部直方圖計算出回盲部的潛在分泌物指數，具體包括：
13、設完成降噪處理的回盲部圖像fc(x，y)的強度值范圍為[0，l-1]，其大小為m*n，所述l表示為回盲部圖像中顏色深度總數，利用以下公式計算出強度直方圖h(k)，即：
14、
15、其中，表示為圖像fc在坐標(x，y)處的灰度值，表示為克羅內克函數，所述0≤k≤l-1，所述克羅內克函數定義為：
16、提取強度直方圖h(k)的偏度、峰度，并基于強度直方圖h(k)的偏度、峰度建立一個線性模型計算每個像素點的潛在分泌物指數γ，則每個像素點的潛在分泌物指數γ的表達式為：
17、γ＝ω1*pdh(k)+ω2*fdh(k)
18、其中，ω1和ω2通過實驗數據得到的影響每個像素點的潛在分泌物指數γ的權重系數，pd表示為強度直方圖h(k)的偏度，fd表示為強度直方圖h(k)的峰度。
19、作為本技術方案的進一步改進，所述s2中將回盲部圖像中每個像素點的潛在分泌物指數與分割閾值進行對比分類，具體如下：
20、設置分泌物指數閾值，病變處的潛在分泌物指數高于周邊區域的潛在分泌物指數，并將回盲部圖像中每個像素點的潛在分泌物指數與分泌物指數閾值進行對比，篩選出回盲部圖像中像素點潛在分泌物指數高于分割閾值的像素點，并將回盲部圖像中超出分割閾值的像素點組成疑似病變像素點集合。
21、作為本技術方案的進一步改進，所述s3中將病變區域的像素點進行連接，形成病變區域圖像，具體包括：
22、利用邊緣檢測算法計算出病變區域中每個像素點的梯度幅值和方向，在梯度方向上進行非極大值抑制，并設定高低閾值，根據高低閾值，將梯度幅值分成強邊緣和弱邊緣兩類，并對強邊緣像素點進行跟蹤，將與強邊緣像素點相鄰的弱邊緣像素點劃分為邊緣像素點進行連接，形成病變區域圖像。
23、作為本技術方案的進一步改進，所述s3中根據病變區域圖像的邊緣特征獲取邊緣像素點的分辨率，具體包括：
24、提取出病變區域圖像中所有邊緣像素點的坐標(xi，yi)，所述i為邊緣像素的索引，設定每個像素在水平方向上代表的實際距離為δx，每個像素在垂直方向上代表的實際距離δy，將邊緣像素點的坐標從像素單位轉換為實際空間單位，即：
25、xi＝xi*δx
26、yi＝yi*δy
27、通過計算邊緣像素點之間的距離，分析邊緣特征，則邊緣像素點(xi，yi)和(xj，yj)之間的歐幾里得距離為：
28、
29、通過計算邊緣像素點之間的最小距離，得出邊緣像素點的分辨率，所述邊緣像素點的分辨率的計算公式為：
30、
31、其中，min(dij)表示所有邊緣像素點之間的最小距離。
32、作為本技術方案的進一步改進，所述s4中利用傅里葉變換分析病變區域圖像的頻率成分，得出病變區域圖像的模糊度指標，具體包括：
33、將病變區域的圖像轉換為灰度圖像，并通過高斯濾波對所述灰度圖像進行平滑處理，將灰度圖像定義為h(x’，y’)，對灰度圖像應用二維快速傅里葉變換，即：
34、f(u，v)＝f’{h(x’，y’)}
35、其中，f(u，v)為頻域表示，(u，v)是頻率坐標，根據f(u，v)計算出頻譜幅值s(u，v)，所述頻譜幅值s(u，v)表示在頻域中每個頻率成分(u，v)的變化強度，反映了這些頻率在原始圖像中的能量貢獻，所述頻譜幅值s(u，v)的表達式為：
36、s(u，v)＝|f(u，v)|
37、根據頻譜幅值，利用高頻成分的能量與低頻成分的能量比來定義模糊度指標，所述模糊度指標的表達式為：
38、
39、其中，w表示為高頻成分的索引集合，g表示低頻成分的索引集合，所述高頻成分的索引集合表示為圖像中細節、邊緣和噪聲的信息，則定義邊緣像素點的模糊程度系數為：r＝1-q，若r的值接近1，表明該像素點清晰，反之，則表示為像素點模糊。
本文檔來自技高網...
【技術保護點】
1.一種高清醫學影像處理方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的高清醫學影像處理方法，其特征在于：所述S1中通過引導濾波算法對回盲部圖像進行降噪處理，具體包括：
3.根據權利要求2所述的高清醫學影像處理方法，其特征在于：所述S2中根據回盲部直方圖計算出回盲部的潛在分泌物指數，具體包括：
4.根據權利要求3所述的高清醫學影像處理方法，其特征在于：所述S2中將回盲部圖像中每個像素點的潛在分泌物指數與分割閾值進行對比分類，具體如下：
5.根據權利要求1所述的高清醫學影像處理方法，其特征在于：所述S3中將病變區域的像素點進行連接，形成病變區域圖像，具體包括：
6.根據權利要求1所述的高清醫學影像處理方法，其特征在于：所述S3中根據病變區域圖像的邊緣特征獲取邊緣像素點的分辨率，具體包括：
7.根據權利要求1所述的高清醫學影像處理方法，其特征在于：所述S4中利用傅里葉變換分析病變區域圖像的頻率成分，得出病變區域圖像的模糊度指標，具體包括：
8.根據權利要求7所述的高清醫學影像處理方法，其特征
9.一種用于實現包括權利要求1-8中任意一項所述的一種高清醫學影像處理方法的系統，其特征在于，包括：
...【技術特征摘要】
1.一種高清醫學影像處理方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的高清醫學影像處理方法，其特征在于：所述s1中通過引導濾波算法對回盲部圖像進行降噪處理，具體包括：
3.根據權利要求2所述的高清醫學影像處理方法，其特征在于：所述s2中根據回盲部直方圖計算出回盲部的潛在分泌物指數，具體包括：
4.根據權利要求3所述的高清醫學影像處理方法，其特征在于：所述s2中將回盲部圖像中每個像素點的潛在分泌物指數與分割閾值進行對比分類，具體如下：
5.根據權利要求1所述的高清醫學影像處理方法，其特征在于：所述s3中將病變區域的像素點進行連接，形成病...
【專利技術屬性】
技術研發人員：王小剛，
申請(專利權)人：成都盛安醫療科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。