医疗影像多光照图像增强方法及装置

摘要

本发明公开了一种医疗影像多光照图像增强方法及装置，其中该方法包括以下步骤：获取同一视点的多光照图像；从多光照图像中提取亮度信息，作为输入图像：对输入图像进行分解，得到一个轮廓图像和多个细节图像；将多个轮廓图像合成最终轮廓图像；将多组细节图像合成最终细节图像；以及将最终轮廓图像和最终细节图像合成最终图像。本发明的方法和装置具有简单易行，图像增强效果好的优点。

主权项

一种医疗影像多光照图像增强方法，其特征在于，包括以下步骤：S1.获取同一视点的多光照图像；S2.从所述多光照图像中提取亮度信息，作为输入图像：S3.通过双边滤波、拉普拉斯变换或小波变换进行图像变换以对所述输入图像I进行分解，得到一个轮廓图像I^m和多个细节图像D^j,j＝1,2,...,m，其中，所述通过双边滤波以对所述输入图像进行分解进一步包括：轮廓图I^m通过迭代的方式取得的，迭代公式如下：$I_p^{j+1}=\frac{1}{k}\underset{q\in \Omega }{\Sigma }{g}_{{\sigma }_{s,j}}\left(\right|\left|q\right|\left|\right)·g_{{\sigma }_{r,j}}(I_{p+q}^j-I_p^j)·I_{p+q}^j$其中p是像素坐标，q是像素坐标周围的高斯支持空间，σ_s,j和σ_r,j分别是高斯模型的空间宽度和幅度宽度，且满足：σ_s,0＝σ_s，σ_s,j＝2^j‑1σ_s,j‑1,j>1，σ_r,j＝σ_r/2^j，g_σ(x)满足g_σ(x)＝exp(‑x²/σ²)，k满足细节图D^j是通过所述轮廓图的差异求出的，求取公式如下：D^j＝I^j‑I^j‑1，其中I⁰＝I；S4.将多个所述轮廓图像合成最终轮廓图像；S5.将多组所述细节图像合成最终细节图像，其中，将N组m×N张细节图像D^(i,j)合成为一张最终细节图像I^Detail的合成公式为：$I^{Detail}=\frac{{\Sigma }_{i=1}^N{\Sigma }_{j=1}^m{U}^{(i,j)}{\bar{D}}^{(i,j)}}{{\Sigma }_{i=1}^N{\Sigma }_{j=1}^m{U}^{(i,j)}},$其中${\bar{D}}^{(i,j)}=sign\left(D^{(i,j)}\right)·{\left|D^{(i,j)}\right|}^{{\lambda }_i},0<{\lambda }_i\le 1,U^{(i,j)}=g_{{\sigma }_d}*e^{\left(\left|D^{(i,j)}\right|-C^{(i,j)}\right)},C_p^{(i,j)}=\frac{\left|\right|▿I_p^{(i,j)}\left|\right|}{\underset{q}{\min }{I}_{p+q}^{(i,j)}+ϵ},$i＝1,2,...,N,j＝1,2,...,m；以及S6.将所述最终轮廓图像和所述最终细节图像合成最终图像。