基于亮度校正和融合通道先验的内窥镜图像增强算法分析

基于亮度校正和融合通道先验的内窥镜图像增强算法分析

郭红

深圳市鹏瑞智能图像有限公司 518000

摘要：在医疗诊断过程当中，内窥镜作为一种重要的微创检查方式得到了广泛运用，但受到成像条件、人体组织环境等客观因素的影响，导致内窥镜成像的亮度、清晰度与对比度可能存在一定问题。因此，本文以现代医用内窥镜成像原理作为切入点，分析了实验室内窥镜图像数据集建立过程，基于直方图处理、暗通道先验、图像增强以及运行时间描述等角度对内窥镜图像增强算法进行了梳理，同时对算法增强结果进行了分析，以期为有关从业者提供参考。

关键词：亮度校正；暗通道先验；医用内窥镜；图像增强

引言：随着时代的不断发展，医学诊断对于内窥镜成像的精度与准确性提出了较高的要求。传统的内窥镜图像增强方案主要依赖于硬件设备，但这一增强方案投入成本较高，操作流程也存在一定的局限性。因此相关研究者应针对内窥镜图像增强算法进行深入研究与分析，明确图像增强算法的优势与要求，使图像的亮度、对比度与色彩都能够符合医疗诊断要求，保障医疗工作开展水平。

1.现代医用内窥镜成像原理

内窥镜检测的发展历程较长，现代医用内窥镜是一种由信号采集模块、信号处理模块以及信号显示模块三部分共同组成的一种电子光学检测设备，通过电视信息中心当中的光源进行照射，经导光纤维将光路导入检测目标体腔内部，由CCD传感器对体内黏膜的反射进行接收与信号转换，同时通过导线实现对信号的回传处理，最终在监视设备当中显示出体腔内部的彩色图像，使医护人员能够较为直观地掌握患者体内的病变发展，进而采取对症的诊疗措施。

在采用内窥镜成像技术对患者体内病变进行跟踪诊断与治疗的同时，由于人体体内空间较为狭小复杂，镜头景深较为有限，光源强度较低，因此在成像过程当中可能会出现一定的曝光问题，反映在成像结果层面可能会出现较为明显的暗区，其图像的治疗参考价值受到影响，有关研究者应明确医用内窥镜成像过程当中所面临的相关技术问题，同时结合合理的手段与方法对医用内窥镜图像进行增强，使其亮度、清晰度与对比度得到进一步提升。

2.实验室内窥镜图像数据集建立

为了使实验室内窥镜图像增强工作的开展更加有效，研究者与技术团队需要针对内窥镜图像数据集进行构建，使图像增强算法得到针对性优化，使其对图像的识别、分类与处理能力得到更加显著其强化与提升。

2.1明确数据集范围

在针对数据集进行构建之前，技术团队应明确数据集的基本范围以及构建目的，为接下来的工作开展提供方向引领。例如，在针对医用内窥镜图像进行数据集的建设过程当中，技术团队应基于不同类别的病变情况以及患者不同器官部位的内窥镜设备对图像数据集的架构与类别进行划分，同时尽可能拓展数据集当中的信息来源，使其能够更好地为图像信息的增强处理提供支持与服务[1]。

2.2数据收集

准确可靠的数据来源是保障算法正常运行的关键。本次研究过程中，以某内窥镜科研企业提供的内窥镜手术视频为基础，将图像数据集规模设定为600，其中涉及到子宫肌瘤图像、泌尿肿瘤图像、垂体腺瘤图像、胃癌图像、直肠癌图像等等。

2.3数据预处理

在图像整合与归纳的过程当中，受到成像条件以及手术过程等客观因素的影响，导致内窥镜手术图像可能会受到噪声的影响与污染，导致其参考价值与训练价值受限，因此相关技术团队以及工作人员应针对图像数据进行针对性预处理，采用多种方式对图像当中的重复内容、缺失内容以及异常内容进行及时处置，进而针对相关图像特征进行及时提取，使分类管理与标注工作的开展更加便捷。

2.4分类标注与管理

通常来说，算法实现过程当中所依赖的数据集主要涵盖了训练集、验证集与测试集等三种不同类型，这三种类型的数据集能够为算法的精度提供针对性保障。其中，训练集能够针对算法的辨识能力进行强化，验证集能够按照项目需求对算法参数进行调控，测试集能够使其精度与可靠性得到充分提升。因此在针对内窥镜图像增强算法进行实现的同时，应组织相关力量针对数据集进行分类标注与管理，使不同类型的图像都能够归属于相应的数据集，从而提升其准确性。

3.内窥镜图像增强算法实现

为实现医用内窥镜成像增强算法预期需求目标，技术团队应基于以下角度进行框架搭建与验证。

3.1算法框架与实现思路

基于上文能够得知，人体体内环境较为复杂多变，而医疗诊断工作的开展对于内窥成像的精度与准确性则提出了较高的要求，为了尽可能减少成像过程当中的细节丢失，使图像处理过程当中的亮度控制更加可靠，技术团队在进行算法框架搭建的过程当中，应首先基于合理阈值针对伽马参数进行校正和调控，同时针对直方图进行剪裁和处理，进而依托内窥镜成像实际情况得到相应的伽马参数。其次，为了进一步突出内窥镜检查图像当中的细节，实现组织信息之间的相互融合，提升内窥镜图像当中的信息密度，技术团队在进行算法框架搭建的同时，还应基于离散变换的方式分别针对动脉信息通道、静脉信息通道以及组织信息通道进行相互融合，逐步形成透射图，使其能够成为体内病变模型建构的基础和参考。最后，通过CLAHE均衡化方法针对成像对比度进行进一步增强，最终取得质量较好，成像较为清晰的内窥镜图像内容

[2]。

3.2直方图处理与Gamma变换

在以往针对内窥镜图像进行处理的过程中，受限于技术因素以及硬件因素的影响，导致图像亮度、色调以及对比度等指标的处理可能会面临一定难度，一些图像在清晰化处理的同时，其色彩可能会出现一定变化，给医疗诊断工作的开展造成了一定的问题。因此，为了提升内窥镜成像图像在处理过程当中的色准，保障其光效、色调与对比度达到预期要求，还应当选用适当的伽马值进行校正处理，使图像像素得到更好处理，减少图像当中过曝与细节丢失等情况。具体校正公式为：

式中，I’（x，y）为伽马校正过后的图像亮度情况，I（x，y）为图像初始亮度，imax为图像当中最大亮度，CDF（l）为图像累计分布情况。

在此基础上，针对传统内窥镜图像增强处理过程当中因成像条件以及人体内部环境因素的影响，导致其亮度、色彩与对比度可能会存在一定问题，图像难以真实直观地反映出患者体内的病变状况。因此，为了使图像增强算法的目标得到更好实现，减少过度处理对图像当中细节造成的影响，使医疗诊断工作的开展能够获取到更加充分的参考，现基于直方图与伽马值进行重定义：

式中，表示直方图处理过程当中的预制，CDFn（l）代表处理过后直方图的分布情况。为了尽可能确保直方图处理过程当中的规整有序，减少直方图处理过程中原有处理方式对其造成的影响，突出图像当中的细节性内容，相关技术团队在进行算法框架构建的同时，还需要针对直方图分割公式进行推导：

式中，imin以及imax分别代表医用内窥镜成像以及图像增强处理过程当中的灰度变化情况，基于直方图分割公式对其进行处理，能够有效减少大规模变动给直方图造成的影响，针对性增强内窥镜成像的视觉效果。

待直方图处理完成后，还需要进行色彩空间转换与亮度校正，使图像输出相互对应。算法架构为：

3.3暗通道先验

基于上文能够得知，人体体腔内部环境较为复杂，对于内窥镜成像过程以及成像清晰度提出了较高的要求。在以往内窥镜成像以及图像处理过程中，受到体内组织以及成像条件等因素的影响，导致其图像处理结果往往较为模糊，医护人员在进行诊断治疗过程当中能够获取到的依据与参考信息较为有限。而基于融合通道先验算法，能够使图像暗通道当中的细节信息得到进一步突出，有效弥补以往内窥镜成像以及图像处理过程当中细节的缺失情况，使图像对比度、色彩鲜艳度以及图像整体亮度得到进一步提升。

首先，融合先验通道需要对不同通道的低频分量进行融合，明确图像不同通道当中的像素值占比情况，使图像细节得到进一步凸显。其中，图像通道分量融合公式为：

式中，LLg（i，j）以及LLr（i，j）分别为不同通道在低频层面的分量情况。

其次，需要从高频层次进行融合，在图像通道的高频层面，其蕴藏的细节和信息更加丰富，因此在进行算法实现和应用过程当中，应当将高频融合作为重点，针对不同通道分量的绝对值进行相互比较，从而获取到整体融合图。

再次，需要针对透射图进行校正。在人体体腔内部，受人体组织以及光照条件等因素的影响，导致图像清晰度往往存在着一定的问题，一些图像当中的光照强度以及整体均匀性往往存在一定短板，因此为了进一步消除图像内部异常情况对其造成的影响，更加清晰地突出人体体腔内部的病变轮廓，使其能够更好地为医学诊疗工作提供支持[3]。相关技术团队应基于透视图校正算法，针对图像增强系数进行合理调控，并将增强后的图像输出情况与原始图像进行比较，对不同像素值的变化情况以及颜色失真现象进行研究和分析，强化图像的视觉效果。

最后，需要针对输出图像以及处理图像的质量与状态进行评估。一般来说，在针对医用内窥镜图像进行增强处理的同时，其图像变化过程中所产生的均方误差与信号最大值平方的对数值能够成为图像质量评估的关键所在。相关团队以及技术人员应当基于数据集针对不同图像的对数值均值进行相互比对，进而得到最终的内窥镜图像增强评估结果。

3.4图像增强与细节补充

在上述图像增强算法的实现过程当中，图像的累积分布情况梯次得到了直观改变，像素在图像当中的分布均匀性得到了显著强化，因此在处理过程当中，能够实现对图像信息细节的有效保护，使图像对比度得到了进一步强化和保障。在本次研究项目当中，选用了CLAHE对医用内窥镜图像数据集进行了增强处理，使图像当中的腔体血管的成像清晰度得到了进一步增强，相应的细节信息也得到了良好补充，使最终的结果展现更加明确，为医护人员的诊断与治疗工作提供了相应支持。具体对比见图1-2。

图1 内窥镜原图

图2 本文方法增强后图像

3.5算法运行时间描述

针对算法的运行时间进行描述一方面能够对其运行效率做出相应判断，另一方面还能分析其运行成本以及抗干扰能力。通过上述算法实现原理以及在实际研究项目当中的应用状态进行综合分析过后能够得出结论，相较于传统的硬件增强模式而言，基于算法实现对医用内窥镜图像的增强处理，具有运行时间短，可靠性强，成本低廉、适应性好等优势，同时能够保障图像亮度、清晰度与对比度，能够为医护人员提供较为直观的参考依据。

4.结果评价与分析

为了使医用内窥镜的反馈图像更加清晰，减少人体体内环境以及内窥镜成像条件限制对最终成像清晰度造成的相关影响，本文基于特定内窥镜图像数据库对图像增强算法进行了构建与打造，进而需要对其运行性能进行梳理与评估。

4.1结果呈现

从医用内窥镜图像处理结果来看，采用上述算法对内窥镜图像进行增强处理，能够进一步突出患者体内病变部位的局部细节，同时还能减少传统图像处理方式当中对于图像色彩和对比度造成的影响，减少图像的失真情况，突出目标检测部位的细节，使其局部组织对比度得到充分强化。与此同时，基于上述算法进行图像处理，还能够使腔体内部的微小血管更加清晰，达到了较好的处理成效与处理结果[4]。

4.2指标分析

除了主观层面上的评估分析外，相关医护人员以及技术团队还能从客观角度对医用内窥镜图像增强算法的运行情况进行评估与分析。在本次研究过程当中，分别基于对比度质量指数、增强度量以及图像空间质量评估等三项指标进行了相应分析，具体结果均优于传统的硬件增强技术，输出图像在暗部细节的视觉效果更加清晰，图像质量得到了相应保障。

结论：综上所述，在现代医疗诊断工作的发展过程当中，内窥镜检查具有重要意义。相关技术团队结合以往硬件图像增强技术以及传统算法增强技术当中存在的不足进行了全面优化，提出了一种清晰度、亮度以及对比度表现良好的新增强算法，使内窥镜在未来诊疗工作当中的作用能够得到更好发挥。

参考文献：

[1]符荣松,彭述娟. 内窥镜成像技术的发展现状分析[J]. 产业与科技论坛,2023,22(11):37-39.

[2]池月,李正平,徐超,冯博. 医用内窥镜图像的高光移除算法[J]. 计算机应用,2023,43(04):1278-1283.

[3]王云峰,范正吉,何鑫. 基于Vivado HLS的内窥镜实时暗部增强算法设计[J]. 电子测量技术,2022,45(23):31-37.

[4]李凯,徐超,冯博,刘鸿瑞. 亮度和对比度调整的内窥镜图像增强技术[J]. 小型微型计算机系统,2022,43(11):2375-2380.