技术领域
[0001] 本
发明涉及
图像处理领域技术领域，具体为内窥镜图像烟雾去除方法。
背景技术
[0002] 随着高
能量电刀、激光刀、超声刀等电外科设备的广泛应用，在电凝切割的过程中会产生大量的有毒有害烟雾，严重侵蚀着医患的健康。
[0003] 手术烟雾(Surgical Smoke)是在外科手术过程中由高频电灼刀，激光刀，超声手术刀，高速
钻头、
锯片、器械毛边破坏和
汽化组织蛋白和脂肪形成的。其形态为分散到空气中的肉眼可见的可被吸入的细小微粒、烟雾或
气溶胶。
[0004] 手术烟雾不仅繁琐了手术操作步骤，而且会影响内窥镜观察的画面，造成医务人员对当前
手术环境的判断失误。
发明内容
[0005] (一)解决的技术问题
[0006] 针对
现有技术的不足，本发明提供了图像杂质优化处理领域，具备组织界面图像清晰，医诊判断率高等优点，解决了烟雾导致组织界面图像模糊不清的问题。
[0007] (二)技术方案
[0008] 为实现上述图像中烟雾消除或削弱的目的，本发明提供如下技术方案：内窥镜图像烟雾去除方法，包括以下步骤：
[0009] S1、设置光照分量
[0011] S2、减弱光照函数
[0012] 在适应范围内不断减弱光照函数的参数，通过比较找到一个适合的光照函数参数。
[0013] S3、设置反射分量
[0014] 随机选定一个适应范围内的反射函数。
[0015] S4、同态滤波处理
[0016] 首先对原图像取对数，使图像模型中的乘法运算转换为简单的加法运算，再通过函数方程式进行计算，得出一个合理对数函数z的参数值。
[0017] S5、对函数做傅里叶变换
[0018] 将函数转换到频域，再通过函数方程式进行计算，得出一个合理的频域函数Z的参数值，傅里叶原理表明：任何连续测量的时序或
信号，都可以表示为不同
频率的
正弦波信号的无限
叠加。而根据该原理创立的傅里叶变换
算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和
相位，和傅里叶变换算法对应的是反傅里叶变换算法，该反变换从本质上说也是一种累加处理，这样就可以将单独改变的正弦波信号转换成一个信号，因此，可以说，傅里叶变换将原来难以处理的时域信号转换成了易于分析的频域信号，可以利用一些工具对这些频域信号进行处理、加工，最后还可以利用傅里叶反变换将这些频域信号转换成时域信号。
[0019] S6、选择合适的传递函数
[0020] 压缩i(x，y)分量的变化范围，削弱I(u，v)，增强r(x，y)分量的
对比度，提升R(u，v)，再通过函数方程式进行计算，通过增强细节，即可以确定一个合适的H(u，v)的函数参数值。
[0021] S7、对滤波函数进行傅里叶反变换
[0022] 将获取的滤波函数通过傅里叶反变换方程中，对滤波函数进行转换。
[0023] S8、运算
[0024] 将确定的数据代入到函数方程式中进行运算，就可以得到同态滤波后的输出结果，这个结果对应的图像即为烟雾处理过之后的图像。
[0025] 优选的，步骤S1中设置的光照分量是一个随机的变量值，设置的随机光照分量变量值为多组数据，将多组数据进行分析和比较，确定合适的变量值。
[0026] 优选的，步骤S2中不断减弱光照函数来缩小图像灰度范围，将多组图像灰度范围进行比较和分析。
[0027] 优选的，步骤S3中设置的反射函数是一个随机的变量值，设置的随机反射分量变量值为多组数据，将多组数据进行分析和比较，确定合适的变量值。
[0028] 优选的，步骤S4中采用的计算方程式为z(x，y)＝ln f(x，y)＝ln i(x，y)+ln r(x，y)，将步骤S2中最终确定的光照函数变量值取对数与S4中最终确定的反射函数变量值取对数后带入到函数方程式中进行计算。
[0029] 优选的，步骤S5中采用的计算方程为Z(u，v)＝I(u，v)+R(u，v)，将记录的数据带入到函数方程式中进行计算，将所得函数转换成频域。
[0030] 优选的，步骤S6中采用的计算方程为S(u，v)＝H(u，v)×Z(u，v)＝H(u，v)×I(u，v)+H(u，v)×R(u，v)，不断压缩i(x，y)分量的变化范围，再通过削弱I(u，v)，再对r(x，y)分量的对比度进行不断增强，提升R(u，v)，将改变的变量值带入到计算方程式中进行计算，不断增强细节，通过方程式的计算确定一个合适的H(u，v)的函数参数值。
[0031] 优选的，步骤S7中对滤波函数进行傅里叶反变换，将多种类型的函数从傅里叶函数变换为初始的原函数。
[0032] 优选的，步骤S8中将S7所取得的函数数据放入到函数计算方程式S(u，v)＝H(u，v)×Z(u，v)＝H(u，v)×I(u，v)+H(u，v)×R(u，v)中，再将此函数计算方程式与函数指数计算方程式z(x，y)＝ln f(x，y)＝ln i(x，y)+ln r(x，y)进行混合运算，计算出结果。
[0033] 优选的，步骤S1与步骤S2同时进行，在适应范围内相互随机取对照函数，记录多组随机光照函数变量值与多组随机反射函数变量值进行对比和分析，确定一组相匹配的随机光照函数变量值与随机反射函数变量值。
[0034] (三)有益效果
[0035] 与现有技术相比，本发明提供了一种内窥镜图像烟雾去除方法，具备以下有益效果：
[0036] 由图像的空-频对应关系可知，实验图像的烟雾区域在频域里主要集中在低频部分，而其他的信息集中在相对高的
频率范围内，基于此，通过选取适当的高通
滤波器，对组织图像进行滤波处理，从而达到图像中烟雾消除或削弱的目的，使得医务人员在对组织观察的过程中，能够更清楚的看到当前的组织界面，从而提高医诊判断率。
具体实施方式
[0037] 下面将结合本发明的
实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0038] 实施例：内窥镜图像烟雾去除方法，包括以下步骤：
[0039] S1、设置光照分量
[0040] 随机选定一个适应范围内的光照函数。
[0041] S2、减弱光照函数
[0042] 在适应范围内不断减弱光照函数的参数，通过比较找到一个适合的光照函数参数。
[0043] S3、设置反射分量
[0044] 随机选定一个适应范围内的反射函数。
[0045] S4、同态滤波处理
[0046] 首先对原图像取对数，使图像模型中的乘法运算转换为简单的加法运算，再通过函数方程式进行计算，得出一个合理对数函数z的参数值，同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法，它依靠图像的照度/反射率模型作为频域处理的
基础，利用压缩
亮度范围和增强对比度来改善图像的
质量。使用这种方法可以使图像处理符合人眼对于亮度响应的非线性特性，避免了直接对图像进行
傅立叶变换处理的失真，同态滤波的基本原理是：将像元灰度值看作是照度和反射率两个组份的产物。由于照度相对变化很小，可以看作是图像的低频成份，而反射率则是高频成份。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。
[0047] S5、对函数做傅里叶变换
[0048] 将函数转换到频域，再通过函数方程式进行计算，得出一个合理的频域函数Z的参数值，傅里叶定律也称为热传导定律，表明单位时间内通过给定截面的热量，正比例于垂直于该截面方向上的
温度变化率和截面面积，而热量传递的方向则与温度升高的方向相反，我们可以用两种等效的形式来表述这个定律：整体形式以及差分形式。
[0049] S6、选择合适的传递函数
[0050] 压缩i(x，y)分量的变化范围，削弱I(u，v)，增强r(x，y)分量的对比度，提升R(u，v)，再通过函数方程式进行计算，通过增强细节，即可以确定一个合适的H(u，v)的函数参数值。
[0051] S7、对滤波函数进行傅里叶反变换
[0052] 将获取的滤波函数通过傅里叶反变换方程中，对滤波函数进行转换。
[0053] S8、运算
[0054] 将确定的数据代入到函数方程式中进行运算，就可以得到同态滤波后的输出结果，这个结果对应的图像即为烟雾处理过之后的图像。
[0055] 步骤S1中设置的光照分量是一个随机的变量值，光照分量一般反映灰度的恒定分量，类似于频域中的低频信息，设置的随机光照分量变量值为多组数据，将多组数据进行分析和比较，确定合适的变量值，随机光照分量是元组中的一个属性值，并且要求每个随机光照分量为不可再分的数据项，步骤S2中不断减弱光照函数来缩小图像灰度范围，将多组图像灰度范围进行比较和分析，在图像灰度领域中，灰度图像是每个
像素只有一个
采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色，灰度图像与黑白图像不同，在灰度图像领域中黑白图像只有黑白两种颜色，灰度图像在黑色与白色之间还有许多级的颜色深度，步骤S3中设置的反射函数是一个随机的变量值，随机反射分量是元组中的一个属性值，并且要求每个随机反射分量为不可再分的数据项，设置的随机反射分量变量值为多组数据，将多组数据进行分析和比较，确定合适的随时反射分量变量值，减弱光照函数就可以起到缩小图像灰度范围的作用，而反射光与物体的边界特性是密切相关的，类似于频域中的高频信息，增强反射光就可以起到提高
图像对比度的作用，因此，同态滤波的传递函数一般在低频部分小于1，而在高频部分大于1，图像对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，即指一幅图像灰度反差的大小，差异范围越大代表对比越大，差异范围越小代表对比越小，好的对比率120∶1就可容易地显示生动、丰富的色彩，当对比率高达300∶1时，便可支持各阶的颜色，步骤S4中采用的计算方程式为z(x，y)＝ln f(x，y)＝ln i(x，y)+ln r(x，y)，将步骤S2中最终确定的光照函数变量值取对数与S4中最终确定的反射函数变量值取对数后带入到函数方程式中进行计算，步骤S5中采用的计算方程为Z(u，v)＝I(u，v)+R(u，v)，将记录的数据带入到函数方程式中进行计算，将所得函数转换成频域，步骤S6中采用的计算方程为S(u，v)＝H(u，v)×Z(u，v)＝H(u，v)×I(u，v)+H(u，v)×R(u，v)，不断压缩i(x，y)分量的变化范围，再通过削弱I(u，v)，再对r(x，y)分量的对比度进行不断增强，提升R(u，v)，将改变的变量值带入到计算方程式中进行计算，不断增强细节，通过方程式的计算确定一个合适的H(u，v)的函数参数值，步骤S7中对滤波函数进行傅里叶反变换，将多种类型的函数从傅里叶函数变换为初始的原函数，傅里叶反演公式是经典傅里叶公式的推广，在数学中，傅里叶反演定理说，对于许多类型的函数，可以从其傅里叶变换中得到原函数，直观地，它可以被视为，如果我们知道关于波的所有频率和相位信息，那么我们可以精确地重建原始波，通过傅里叶反函数可以将所得到的的数据从滤波函数转变为原函数，降低函数方程式的复杂程度，便于对后续步骤中函数的计算，同时也便于实验者对函数的观察和对数据的处理，步骤S8中将S7所取得的函数数据放入到函数计算方程式S(u，v)＝H(u，v)×Z(u，v)＝H(u，v)×I(u，v)+H(u，v)×R(u，v)中，再将此函数计算方程式与函数指数计算方程式z(x，y)＝ln f(x，y)＝ln i(x，y)+ln r(x，y)进行混合运算，计算出结果，这个计算的结果对应的图像即为烟雾处理过之后的图像，步骤S1与步骤S2同时进行，同时进行的目的是为了更直观的观测光照函数变量值与反射函数变量值之间的对应关系，在适应范围内相互随机取对照函数，相互取对照参数的目的是为了确定出最为合适的使用参数，使得计算更加准确无误，记录多组随机光照函数变量值与多组随机反射函数变量值进行对比和分析，将多组数据进行分析和比较可以观测出效果最佳的一组，也便于对下次的实验进行提供稳定的数据，在对数据的调节上更为精准，将光照变量值与反射变量值相互协调取值，使得对数据的取样更加方便，再确定一组相匹配的随机光照函数变量值与随机反射函数变量值。
[0056] 本发明的有益效果是：由图像的空-频对应关系可知，实验图像的烟雾区域在频域里主要集中在低频部分，而其他的信息集中在相对高的频率范围内，基于此，通过选取适当的
高通滤波器，对组织图像进行滤波处理，从而达到图像中烟雾消除或削弱的目的，使得医务人员在对组织观察的过程中，能够更清楚的看到当前的组织界面，从而提高医诊判断率。
[0057] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、
修改、替换和变型，本发明的范围由所附
权利要求及其等同物限定。
