CN114240941B - 内窥镜图像降噪方法、设备、电子装置和存储介质 - Google Patents

Abstract

本申请涉及一种内窥镜图像降噪方法、设备、电子装置和存储介质，其中，该内窥镜图像降噪方法包括：对内窥镜图像的拉普拉斯图像中的目标区域进行多尺度几何变换，得到目标区域的低频系数；根据增强系数对低频系数进行增强计算，得到校正后的低频系数；根据校正后的低频系数对目标像素的像素值进行多尺度几何变换的逆变换，得到降噪后的目标像素；根据降噪后的目标像素得到降噪后的拉普拉斯图像，将降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像。通过本申请，解决了相关技术中采用普通相机图像的降噪方法，会损失内窥镜图像中的边缘信息的问题，保留了内窥镜图像边缘区域的信息，减少了图像损失。

Description

内窥镜图像降噪方法、设备、电子装置和存储介质

技术领域

本申请涉及内窥镜技术领域，特别是涉及内窥镜图像降噪方法、设备、电子装置和存储介质。

背景技术

内窥镜是集中了传统光学、人体工程学、精密机械、现代电子、数学、软件等技术于一体的检测仪器。具体地，内窥镜包括图像传感器、光学镜头、光源照明、机械装置等，可以经口腔进入胃内或经其他天然孔道进入体内，能够看到X射线不能显示的病变。通过内窥镜获取到的图像一般需要先进行降噪处理后再进行分析。

相关技术中的内窥镜图像降噪方法一般都是沿用普通相机图像的降噪算法，例如空间域的降噪方法、频率域的降噪方法、空域频域结合的双域降噪方法，以及深度学习的方法。然而，内窥镜图像是对器官的放大，图像中的边缘和细节会占多个像素，上述降噪方法中没有考虑内窥镜图像的特性，降噪后内窥镜图像的边缘会有损失。

目前针对相关技术中采用普通相机图像的降噪方法，会损失内窥镜图像中的边缘信息的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种内窥镜图像降噪方法、设备、电子装置和存储介质，以至少解决相关技术中采用普通相机图像的降噪方法，会损失内窥镜图像中的边缘信息的问题。

第一方面，本申请实施例提供了一种内窥镜图像降噪方法，内窥镜图像包括拉普拉斯图像和高斯图像，对所述拉普拉斯图像中的像素进行降噪包括：

对所述拉普拉斯图像中的目标区域进行多尺度几何变换，得到所述目标区域的低频系数和高频系数，其中，所述目标区域根据目标像素的位置确定；

根据增强系数对所述低频系数进行增强计算，得到校正后的低频系数，其中，所述增强系数的大小根据所述目标区域中预设像素值范围内的像素的第一像素值均值确定；

根据所述高频系数和所述校正后的低频系数对所述目标像素的像素值进行所述多尺度几何变换的逆变换，得到降噪后的目标像素；

根据降噪后的目标像素得到降噪后的拉普拉斯图像，将所述降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像。

在其中一些实施例中，在根据增强系数对所述低频系数进行增强计算之前，所述方法包括：

判断所述目标区域是否为连续边缘区域；

在所述目标区域为连续边缘区域的情况下，在所述目标区域中根据增强系数对所述低频系数进行增强计算。

在其中一些实施例中，基于所述内窥镜图像确定的图像金字塔为n层，所述图像金字塔包括拉普拉斯金字塔和高斯金字塔，所述拉普拉斯金字塔由拉普拉斯图像构成，所述高斯金字塔由高斯图像构成，在0≤i≤n-1的情况下，对于第i层拉普拉斯图像，所述判断所述目标区域是否为连续边缘区域包括：

在所述图像金字塔的第i+1层高斯图像的梯度图像中，确定与所述目标区域对应的检测区域；

对于所述检测区域中的各个像素，在像素值满足所述预设像素值范围内的像素个数大于或者等于预设个数阈值的情况下，确定与所述检测区域对应的目标区域为所述连续边缘区域。

在其中一些实施例中，所述增强系数的大小根据所述目标区域中预设像素值范围内的像素的第一像素值均值确定包括：

在所述第一像素值均值小于或者等于第一预设梯度阈值的情况下，所述增强系数为第一定值；

在所述第一像素值均值大于所述第一预设梯度阈值，且小于第二预设梯度阈值的情况下，所述增强系数随所述第一像素值均值增大，其中，所述第二预设梯度阈值的大小根据所述梯度图像中所述预设像素值范围内的第二像素值均值确定；

在所述第一像素值均值大于或者等于所述第二预设梯度阈值的情况下，所述增强系数为第二定值，所述第二定值大于所述第一定值。

在其中一些实施例中，所述第i+1层高斯图像的梯度图像的确定方法包括：

对第i+1层高斯图像进行边缘检测，得到初始的梯度图像；

根据所述第一预设梯度阈值，选择预设像素值或者所述初始的梯度图像中初始的像素值作为最终第i+1层高斯图像的梯度图像中的像素值。

在其中一些实施例中，所述将所述降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像包括：

将第i+1层高斯图像与第i层拉普拉斯图像进行融合，得到第i层高斯图像；

当i的值为0时，将第0层高斯图像作为降噪后的内窥镜图像。

在其中一些实施例中，在得到降噪后的目标像素之后，所述方法包括：

根据第二预设范围内各像素和所述目标像素的距离，确定所述第二预设范围内各像素的权重；

根据所述第二预设范围内各像素的像素值和所述权重，对所述目标像素的像素值进行修正。

在其中一些实施例中，所述目标区域根据目标像素的位置确定包括：

以所述目标像素为中心，根据第一预设范围确定所述目标区域。

第二方面，本申请实施例提供了一种内窥镜图像降噪设备，内窥镜图像包括拉普拉斯图像和高斯图像，所述设备包括多尺度几何变换模块、增强计算模块、降噪计算模块和融合模块：

所述多尺度几何变换模块，用于对所述拉普拉斯图像中的目标区域进行多尺度几何变换，得到所述目标区域的低频系数和高频系数，其中，所述目标区域根据目标像素的位置确定；

所述增强计算模块，用于根据增强系数对所述低频系数进行增强计算，得到校正后的低频系数，其中，所述增强系数的大小根据所述目标区域中预设像素值范围内的像素的第一像素值均值确定；

所述降噪计算模块，用于根据所述高频系数和所述校正后的低频系数对所述目标像素的像素值进行所述多尺度几何变换的逆变换，得到降噪后的目标像素；

所述融合模块，用于根据降噪后的目标像素得到降噪后的拉普拉斯图像，将所述降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像。

第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的内窥镜图像降噪方法。

第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的内窥镜图像降噪方法的步骤。

相比于相关技术，本申请实施例提供的内窥镜图像降噪方法，通过对内窥镜图像的拉普拉斯图像中的目标区域进行多尺度几何变换，得到目标区域的低频系数和高频系数，其中，目标区域根据目标像素的位置确定；根据增强系数对低频系数进行增强计算，得到校正后的低频系数，其中，增强系数的大小根据目标区域中预设像素值范围内的像素的第一像素值均值确定；根据高频系数和校正后的低频系数对目标像素的像素值进行多尺度几何变换的逆变换，得到降噪后的目标像素；根据降噪后的目标像素得到降噪后的拉普拉斯图像，将降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像，解决了相关技术中采用普通相机图像的降噪方法，会损失内窥镜图像中的边缘信息的问题，保留了内窥镜图像边缘区域的信息，减少了图像损失。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本实施例的内窥镜图像降噪方法的终端的硬件结构框图；

图2是本实施例的内窥镜图像降噪方法的流程图；

图3是根据本申请实施例的连续边缘区域的判断方法的流程图；

图4是根据本申请实施例的增强系数随第一像素值均值变化的示意图；

图5是根据本申请实施例的梯度图像的确定方法的流程图；

图6是根据本优选实施例的内窥镜图像降噪方法的示意图；

图7是本实施例的内窥镜图像降噪设备的结构框图。

具体实施方式

为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。

除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块（单元）的过程、方法和系统、产品或设备并未限定于列出的步骤或模块（单元），而可包括未列出的步骤或模块（单元），或者可包括这些过程、方法、产品或设备固有的其他步骤或模块（单元）。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。

在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本实施例的内窥镜图像降噪方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个（图1中仅示出一个）处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的内窥镜图像降噪方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器（NetworkInterface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种内窥镜图像降噪方法，图2是本实施例的内窥镜图像降噪方法的流程图，如图2所示，该流程包括如下步骤：

步骤S210，对拉普拉斯图像中的目标区域进行多尺度几何变换，得到目标区域的低频系数和高频系数，其中，目标区域根据目标像素的位置确定。

需要说明的是，本实施例在对内窥镜图像进行降噪之前，需要先获取内窥镜图像的拉普拉斯图像和高斯图像，其中，拉普拉斯图像和高斯图像分别为内窥镜图像在不同频率范围内的图像。

在降噪过程中，先对拉普拉斯图像进行多尺度几何变换以得到目标区域的低频系数和高频系数，其中，多尺度几何变换为能够分解出高频和低频的滤波方法或者频域变换方法，包括：非下采样拉普拉斯塔变换、小波变换、Contourlet变换和曲线波变等等。本实施例中多尺度几何变换优选为小波变换，小波变换是时间或空间频率的局部化分析，通过伸缩平移运算对图像的信号函数逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分。具体地，本实施例中，小波变换基于一系列的不同尺度的小波去分解图像的信号函数，变换后得到该信号函数在不同尺度小波下的系数。该系数包括高频系数和低频系数，高频系数用于分析变化明显的高频信息，低频系数用于研究变换平缓的低频信息。

由于对目标像素的降噪需要根据其自身周围的其他像素的变化程度进行，因此在对目标像素进行降噪时，需要先根据目标像素确定一个目标区域，优选地，可以以目标像素为中心，根据第一预设范围确定目标像素，例如，设目标像素为p(x,y)，以p(x,y)为中心，m×m大小范围的矩形为目标区域，也可以以p(x,y)为中心，r为半径的圆作为目标区域。

在其他实施例中，在目标区域为矩形的情况下，可以将p(x,y)作为目标区域边界上的点，或者在目标区域为椭圆的情况下，以p(x,y)作为椭圆的一个焦点。

步骤S220，根据增强系数对低频系数进行增强计算，得到校正后的低频系数，其中，增强系数的大小根据目标区域中预设像素值范围内的像素的第一像素值均值确定。

为了保留内窥镜图像中变化不明显的图像信息，本实施例中需要对低频系数进行增强计算，在确定增强系数时，需要先确定一个预设像素值范围，例如，像素值不为0的像素，或者像素值大于某一像素值的像素，然后计算预设像素值范围内像素的均值，记为第一像素值均值，例如，在目标区域内，计算像素值不为0的像素均值。该第一像素值均值越大，相应的，增强系数也越大。这是因为第一像素均值统计的是边缘检测后不为0的像素的均值，也就是目标区域边缘的强度信息。边缘的强度越大，说明当前的梯度信息越明显，所以需要设定更大的权重，增强程度越高。

通过增强计算后的低频系数，即为校正后的低频系数。本实施例中的高频系数可以进行正常的硬阈值处理，在其他实施例中，高频系数还可以进行软阈值处理，其中，硬阈值处理可以很好地保留信号边缘等局部特征，软阈值处理相对要平滑。

步骤S230，根据高频系数和校正后的低频系数对目标像素的像素值进行多尺度几何变换的逆变换，得到降噪后的目标像素。

其中，逆变换又称反变换，是用于把图像中已经过变换的像素点还原为原像素点的点点变换。在多尺度几何变换为小波变换的情况下，该逆变换为逆小波变换，具体地，逆小波变换是小波变换的逆过程，在小波变换之后，需要通过逆小波变换对图像进行重构。因此，本实施例中，在得到校正后的低频系数之后可以根据高频系数和校正后的低频系数进行重构，得到降噪后的目标像素。

步骤S240，根据降噪后的目标像素得到降噪后的拉普拉斯图像，将降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像。

将拉普拉斯图像中的每个像素作为目标像素，通过上述步骤S210至步骤S230进行降噪，得到降噪后的拉普拉斯图像。

由于拉普拉斯图像和高斯图像为内窥镜图像在不同频率范围内的图像，因此在对拉普拉斯图像进行降噪后，需要通过与高斯图像的融合，才能得到降噪后的内窥镜图像。

通常情况下内窥镜图像是对器官的放大，内窥镜图像中的边缘和细节会占多个像素，因此通过上述步骤S210至步骤S240，在进行拉普拉斯图像降噪处理时，本实施例基于增强系数对拉普拉斯图像中的低频系数进行增强计算，处理完成后内窥镜图像的拉普拉斯图像中的低频信息会得以保留或增强。因此本实施例中的方法解决了相关技术中采用普通相机图像的降噪方法，会损失内窥镜图像中的边缘信息的问题，通过对低频系数的增强处理，保留了内窥镜图像边缘区域的信息，减少了图像损失。

需要说明的是，本申请中增强的低频信息，是指拉普拉斯图像中的低频信息，对于整个内窥镜图像而言，仍属于高频信息。

具体地，在通过内窥镜对患者进行检测时，获取到的内窥镜图像会将实际的人体组织放大很多倍，因此在对内窥镜图像进行高低频区分后，对于整个内窥镜图像而言有用的高频信息在提取出的高频部分，即拉普拉斯图像中可以看作是低频，同时，对于整个内窥镜图像而言有用的高频信息为边缘区域的信息。相对于内窥镜图像，普通图像的边缘较细，对应的高频信息和噪声区分不太明显，所以现有的降噪方法会统一将图像中所有的高频过滤，使得有用的高频信息也被忽略。

优选的，在拉普拉斯图像的目标区域中，根据增强系数对低频系数进行增强计算之前，需要先判断目标区域是否为连续边缘区域，在目标区域为连续边缘区域的情况下，再于目标区域中根据增强系数对低频系数进行增强计算，其中，边缘区域是内窥镜图像中灰度发生突变的区域，连续边缘区域即为灰度连续突变的区域。本实施例中先对图像中的连续边缘区域进行判断，再对是连续边缘区域的目标区域进行低频系数的增强，以保留连续边缘区域的低频信息，降低不连续噪声的影响。由于内窥镜图像中连续边缘和细节较多，且连续边缘区域中存在于平坦区域，因此在进行拉普拉斯层的降噪处理时，如果目标区域属于低频且存在连续边缘，对此部分低频系数进行增强，处理完成后内窥镜图像的边缘区域会得以保留或增强。

在其中的一些实施例中，内窥镜图像降噪方法基于图像金字塔实现。具体地，对于同一内窥镜图像的不同分辨率的图像集合，为该图像的图像金字塔，不同分辨率的图像以金字塔状排列，从金字塔的塔尖到塔底，层级越小，图像越大，分辨率越大。

本实施例中，基于内窥镜图像确定的图像金字塔为n层，且图像金字塔包括拉普拉斯金字塔和高斯金字塔，拉普拉斯金字塔是通过形成表示高斯金字塔的连续层间的差异的图像来获得的带通图像金字塔，拉普拉斯金字塔由拉普拉斯图像构成，高斯金字塔由高斯图像构成，在0≤i≤n-1的情况下，对于第i层拉普拉斯图像，图3是根据本申请实施例的连续边缘区域的判断方法的流程图，该方法包括如下步骤：

步骤S310，在图像金字塔的第i+1层高斯图像的梯度图像中，确定与目标区域对应的检测区域。

本实施例中对第i层拉普拉斯图像连续边缘区域的检测，需要基于第i+1层高斯图像的梯度图像实现。其中，梯度图像是指图像中像素在不同方向上与相邻像素比较的变化率，可以通过对第i+1层高斯图像进行边缘检测得到，具体地，边缘检测可以通过对图像属性求一阶导或者二阶导实现，图像属性可以为灰度信息或者亮度信息。进一步地，检测区域为梯度图像中和目标区域位置对应的区域。

在其他实施例中，在边缘检测之前，还可以先对第i+1层高斯图像进行降噪和上采样。

步骤S320，对于检测区域中的各个像素，在像素值满足预设像素值范围内的像素个数大于或者等于预设个数阈值的情况下，确定与检测区域对应的目标区域为连续边缘区域。

由于检测区域与目标区域位置对应，因此同样是一个根据目标像素的位置确定的区域。假设目标像素以p(x,y)表示，检测区域为一个m×m大小的区域，在根据梯度图像判断连续边缘区域时，需要先确定一个预设像素值范围，例如，像素值不为0的像素，或者像素值大于某一像素值的像素。然后计算预设像素值范围内像素的像素个数，根据该像素个数判断目标区域是否为连续边缘区域。

在像素个数大于或者等于预设个数阈值的情况下，由于检测区域是梯度图像中的一部分，因此说明该检测区域中存在数量足够的图像属性变化的像素，对应的目标区域从而可以被认定为连续边缘区域。其中，预设个数阈值可以由经验进行设置，也可以根据实际场景和需求进行适应性修改。在其他实施例中，预设个数阈值还可以通过深度学习网络进行训练，以得到连续边缘区域的最优判断结果。

通过上述步骤S310和步骤S320，本实施例基于第i+1层高斯图像的梯度图像对第i层拉普拉斯图像中的目标区域是否为连续边缘区域进行判断，可以提高连续边缘区域判断的准确度，进一步降低不连续噪声的影响。

在其中一些实施例中，在目标区域为连续边缘区域的情况下，对目标区域经过多尺度几何变换后得到的低频系数进行增强计算，否则，以多尺度几何变换后得到的低频系数作为最终的低频系数。例如，检测区域内不为0的像素个数以sumEdge表示，预设个数阈值以numEdge表示，因此可以通过如下公式1计算低频系数：

公式1

在公式1中，p'表示校正后的低频系数，p表示多尺度几何变换后得到的低频系数，ratio为增强系数。即先判断sumEdge是否大于或者等于numEdge，若sumEdge大于或者等于numEdge，则目标区域中存在连续边缘，可以通过增强系数对低频系数进行校正。

在其中一些实施例中，增强系数随第一像素值均值变化的过程中，需要根据第一像素值均值的大小对增强系数设定最大值和最小值，而增强系数在最大值和最小值之间线性增大。

具体地，在第一像素值均值小于或者等于第一预设梯度阈值的情况下，增强系数为第一定值，该第一定值即为增强系数的最小值，可以设置为1，也可以根据场景需求设置为其他值；在第一像素值均值大于第一预设梯度阈值，且小于第二预设梯度阈值的情况下，增强系数随第一像素值均值增大，其中，第二预设梯度阈值的大小根据梯度图像中预设像素值范围内的第二像素值均值确定，具体地，第二预设梯度阈值可以由第二像素值均值和相应得到调节参数确定，该第二像素值均值可以基于第i+1层高斯图像的梯度图像中预设像素值范围内的像素值均值得到，例如，对于边缘检测得到的梯度图像，像素值小于第一预设梯度阈值的将像素值置为0，否则保持原梯度图像中的像素值，对像素值不为0的像素进行累加求均值得到第二像素值均值，而调节参数可以自定义设置；在第一像素值均值大于或者等于第二预设梯度阈值的情况下，增强系数为第二定值，第二定值大于第一定值，避免增强系数持续增大导致的不自然的梯度反转或黑白边。

在第一像素值均值大于第一预设梯度阈值，且小于第二预设梯度阈值的情况下，增强系数可以随第一像素值均值线性增大。线性增大过程中，斜率根据第一预设梯度阈值和第一定值确定的点，以及第二预设梯度阈值和第二定值确定的点计算得到。如公式2所示：

公式2

在公式2中，ratio表示增强系数，1为第一定值，A为第二定值，thrEdge为第一预设 梯度阈值，avgEdge1为第一像素值均值，

为第二预设梯度阈值，w为大于1的 调节参数，avgEdge为第二像素值均值。

图4是根据本申请实施例的增强系数随第一像素值均值变化的示意图，如图4所 示，在avgEdge1小于或者等于thrEdge的情况下，ratio的值为1，在avgEdge1大于或者等于

的情况下，ratio的值为A，在avgEdge1位于thrEdge和

之间的 情况下，ratio随avgEdge1线性增长。

另一方面，在第一像素值均值大于第一预设梯度阈值，且小于第二预设梯度阈值的情况下，增强系数可以通过gauss变换得到，随第一像素值均值呈S曲线增大，如公式3所示：

公式3

在公式3中，sigma为gauss变换的一个参数方差，可以决定高斯曲线的胖瘦。具体 地，sigma可以根据第一定值1和第二定值A计算得到。在avgEdge1位于thrEdge和

之间的情况下，ratio随avgEdge1呈S型曲线增长，平滑性更好。

本实施例中，增强系数可以根据不同目标区域的边缘梯度变化自适应调整，以提高对内窥镜图像进行降噪的准确度。

在其中一些实施例中，图5是根据本申请实施例的梯度图像的确定方法的流程图，如图5所述，该方法包括如下步骤：

步骤S510，对第i+1层高斯图像进行边缘检测，得到初始的梯度图像。

其中，边缘检测可以通过对图像属性求一阶导或者二阶导实现，该图像属性可以为灰度信息或者亮度信息。

步骤S520，根据第一预设梯度阈值，选择预设像素值或者初始的梯度图像中初始的像素值作为最终第i+1层高斯图像的梯度图像中的像素值。

在得到初始的梯度图像之后，根据第一预设梯度阈值对梯度图像中的像素值进行调整，具体地，在初始的梯度图像中，若初始的像素值大于或者等于预设梯度阈值，以初始的像素值作为最终第i+1层高斯图像的梯度图像中的像素值；若初始的像素值小于预设梯度阈值，将预设像素值作为最终第i+1层高斯图像的梯度图像中的像素值。如公式4所示：

公式4

在公式4中，对于初始的梯度图像，像素值小于第一预设梯度阈值的将被置为0，否则保持初始的梯度图像中的像素值不变。

通过上述步骤S510和步骤S520，根据第一预设梯度阈值对初始的梯度图像进行二值化，基于二值化后的梯度图像进行连续边缘区域的判断，可以简化计算方式，提高计算效率。

在其中一些实施例中，在图像金字塔为n层的情况下，将降噪后的拉普拉斯图像与对应的高斯图像进行融合得到降噪后的内窥镜图像的过程具体为：从图像金字塔的底部向上，将第i+1层高斯图像与第i层拉普拉斯图像进行融合，得到第i层高斯图像；直至i的值为0时，将第0层高斯图像作为降噪后的内窥镜图像。对于多层的图像金字塔，每一层金字塔的图像表示的分辨率不同，依次对每一层拉普拉斯图像进行降噪，再基于降噪后的拉普拉斯图像逐层融合，可以保留内窥镜图像中的更多信息。

在其中一些实施例中，如果增强系数过大，降噪后的内窥镜图像会出现明显的块效应，因此，在得到降噪后的目标像素之后，可以采用邻域内像素的像素值加权叠加的方式弱化块效应。所以，在进行多尺度几何变换后，不仅仅保留目标像素的处理值，目标像素周边的像素值都可以乘以一定的比例作用于处理后的目标像素上，如公式5所示：

公式5

在公式5中，

为目标像素，

为修正后的目标像素，

至

为邻域内的像素，

至

为与邻域内的像素对应的权重，目标像素的邻域由第二 预设范围确定，所以有根据第二预设范围内各像素和目标像素的距离，确定第二预设范围 内各像素的权重；根据第二预设范围内各像素的像素值和权重，对目标像素的像素值进行 修正，得到修正后的目标像素。其中，各个权重可以由高斯分布确定。

下面通过优选实施例对本实施例进行描述和说明。

图6是根据本优选实施例的内窥镜图像降噪方法的示意图，如图6所示。

本实施例中，根据内窥镜图像构建2层图像金字塔，原始的内窥镜图像记为g0，对g0进行下采样得到第一层高斯图像，记为g1，通过g0减去上采样后的g0，得到拉普拉斯图像L0。对g0进行依次进行两次下采样，得到第二层高斯图像，记为g2。g1减去上采样后的g2，得到拉普拉斯图像L1。

1、对g2进行降噪、上采样之后得到g2’，对g2’进行边缘检测得到初始的梯度图像，根据thrEdge对初始的梯度图像进行二值化处理，得到最终的梯度图像。

2、对拉普拉斯图像L1用小波算法进行小波保边降噪处理，以目标像素p(x,y)为例，小波保边降噪处理包括以下步骤：

（1）以p(x,y)为中心，判断m×m范围内不为0的像素个数sumEdge是否大于numEdge，若sumEdge大于阈值numEdge，判定当前目标区域中存在连续边缘区域；

（2）在目标区域中存在连续边缘区域的情况下，假设m的值为8，则对以p(x,y)为中心的8*8像素的小块进行3层小波处理，得到高频系数和低频系数。在m的值变化时，小波处理的层数也会变化，对高频系数以硬阈值进行处理，对低频系数，根据m×m范围内不为0的像素均值avgEdge1进行自适应调整；

（3）得到校正后的低频系数之后，通过逆小波变换得到降噪后的像素，然后，采用邻域像素加权叠加的方式，对降噪后的像素进行再一次校正，避免降噪后的图像出现块效应。

3、根据块效应校正后的目标像素得到小波保边降噪后的拉普拉斯图像，记为L1’。

4、对g2’和L1’进行相加融合处理，对融合处理后的图像依次进行降噪和上采样，得到高斯图像g1’；

5、再按照1~3的方法对L0进行处理，得到L0’，其中，在对L0进行小波保边降噪的过程中，需要对g1’进行边缘检测，以确定连续边缘区域；

6、将g1’和L0’进行融合、降噪，得到最终的输出图像g0’。

由于使用传统降噪方法进行降噪时，内窥镜图像的边缘会有损失，而本实施例中通过对拉普拉斯图像中高频信息进行降噪时应用小波降噪，如果小波降噪得到的低频系数对应的目标区域属于连续边缘区域，增强频域中的低频信息，相对于通常的小波降噪仅对高频系数进行阈值处理，本实施例中的方法能够使得内窥镜的边缘区域会得以保留或增强。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中还提供了一种内窥镜图像降噪设备，该设备用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图7是本实施例的内窥镜图像降噪设备的结构框图，如图7所示，在内窥镜图像包括拉普拉斯图像和高斯图像的情况下，该设备包括多尺度几何变换模块71、增强计算模块72、降噪计算模块73和融合模块74：

多尺度几何变换模块71，用于对拉普拉斯图像中的目标区域进行多尺度几何变换，得到目标区域的高频系数低频系数，其中，目标区域根据目标像素的位置确定；具体地，以所述目标像素为中心，根据第一预设范围确定所述目标区域。

增强计算模块72，用于根据增强系数对低频系数进行增强计算，得到校正后的低频系数，其中，增强系数的大小根据目标区域中预设像素值范围内的像素的第一像素值均值确定；

降噪计算模块73，用于根据高频系数和校正后的低频系数对目标像素的像素值进行多尺度几何变换的逆变换，得到降噪后的目标像素；

融合模块74，用于根据降噪后的目标像素得到降噪后的拉普拉斯图像，将降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像。

通常情况下内窥镜图像是对器官的放大，内窥镜图像中的边缘和细节会占多个像素，因此通过上述设备，在进行拉普拉斯图像降噪处理时，本实施例的增强计算模块72基于增强系数对拉普拉斯图像中的低频系数进行增强计算，处理完成后内窥镜图像中的拉普拉斯图像的低频信息会得以保留或增强。因此本实施例中的方法解决了相关技术中采用普通相机图像的降噪方法，会损失内窥镜图像中的边缘信息的问题，通过对低频系数的增强处理，保留了内窥镜图像边缘区域的信息，减少了图像损失

在其中一些实施例中，内窥镜图像降噪设备包括连续边缘判断模块，用于判断所述目标区域是否为连续边缘区域；在所述目标区域为连续边缘区域的情况下，在所述目标区域中根据增强系数对所述低频系数进行增强计算。

在其中一些实施例中，基于所述内窥镜图像确定的图像金字塔为n层，所述图像金字塔包括拉普拉斯金字塔和高斯金字塔，所述拉普拉斯金字塔由拉普拉斯图像构成，所述高斯金字塔由高斯图像构成，在0≤i≤n-1的情况下，对于第i层拉普拉斯图像，连续边缘判断模块还用于在所述图像金字塔的第i+1层高斯图像的梯度图像中，确定与所述目标区域对应的检测区域；对于所述检测区域中的各个像素，在像素值满足所述预设像素值范围内的像素个数大于或者等于预设个数阈值的情况下，确定与所述检测区域对应的目标区域为所述连续边缘区域。

在其中一些实施例中，增强计算模块72还用于在所述第一像素值均值小于或者等于第一预设梯度阈值的情况下，所述增强系数为第一定值；在所述第一像素值均值大于所述第一预设梯度阈值，且小于第二预设梯度阈值的情况下，所述增强系数随所述第一像素值均值增大，其中，所述第二预设梯度阈值的大小根据所述梯度图像中所述预设像素值范围内的第二像素值均值确定；在所述第一像素值均值大于或者等于所述第二预设梯度阈值的情况下，所述增强系数为第二定值，所述第二定值大于所述第一定值。

在其中一些实施例中，增强计算模块72还用于对第i+1层高斯图像进行边缘检测，得到初始的梯度图像；根据所述第一预设梯度阈值，选择预设像素值或者所述初始的梯度图像中初始的像素值作为最终第i+1层高斯图像的梯度图像中的像素值。

在其中一些实施例中，融合模块74还用于将第i+1层高斯图像与第i层拉普拉斯图像进行融合，得到第i层高斯图像；当i的值为0时，将第0层高斯图像作为降噪后的内窥镜图像。

在其中一些实施例中，内窥镜图像降噪设备还包括修正模块，用于根据第二预设范围内各像素和所述目标像素的距离，确定所述第二预设范围内各像素的权重；根据所述第二预设范围内各像素的像素值和所述权重，对所述目标像素的像素值进行修正。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，对所述拉普拉斯图像中的目标区域进行多尺度几何变换，得到所述目标区域的低频系数，其中，所述目标区域根据目标像素的位置确定；

S2，根据增强系数对所述低频系数进行增强计算，得到校正后的低频系数，其中，所述增强系数的大小根据所述目标区域中预设像素值范围内的像素的第一像素值均值确定；

S3，根据所述校正后的低频系数对所述目标像素的像素值进行多尺度几何变换的逆变换，得到降噪后的目标像素；

S4，根据降噪后的目标像素得到降噪后的拉普拉斯图像，将所述降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像。

需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。

此外，结合上述实施例中提供的内窥镜图像降噪方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种内窥镜图像降噪方法。

应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。

显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。

“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种内窥镜图像降噪方法，其特征在于，内窥镜图像包括拉普拉斯图像和高斯图像，对所述拉普拉斯图像中的像素进行降噪包括：

对所述拉普拉斯图像中的目标区域进行多尺度几何变换，得到所述目标区域的低频系数和高频系数，其中，所述目标区域根据目标像素的位置确定；

根据增强系数对所述低频系数进行增强计算，得到校正后的低频系数，其中，所述增强系数的大小根据所述目标区域中预设像素值范围内的像素的第一像素值均值确定；

根据所述高频系数和所述校正后的低频系数对所述目标像素的像素值进行所述多尺度几何变换的逆变换，得到降噪后的目标像素；

根据降噪后的目标像素得到降噪后的拉普拉斯图像，将所述降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像；

在图像金字塔为n层的情况下，将降噪后的拉普拉斯图像与对应的高斯图像进行融合得到降噪后的内窥镜图像的过程具体为：从图像金字塔的底部向上，将第i+1层高斯图像与第i层拉普拉斯图像进行融合，得到第i层高斯图像；直至i的值为0时，将第0层高斯图像作为降噪后的内窥镜图像。

2.根据权利要求1所述的内窥镜图像降噪方法，其特征在于，在根据增强系数对所述低频系数进行增强计算之前，所述方法包括：

判断所述目标区域是否为连续边缘区域；

在所述目标区域为连续边缘区域的情况下，在所述目标区域中根据增强系数对所述低频系数进行增强计算。

3.根据权利要求2所述的内窥镜图像降噪方法，其特征在于，基于所述内窥镜图像确定的图像金字塔为n层，所述图像金字塔包括拉普拉斯金字塔和高斯金字塔，所述拉普拉斯金字塔由拉普拉斯图像构成，所述高斯金字塔由高斯图像构成，在0≤i≤n-1的情况下，对于第i层拉普拉斯图像，所述判断所述目标区域是否为连续边缘区域包括：

在所述图像金字塔的第i+1层高斯图像的梯度图像中，确定与所述目标区域对应的检测区域；

对于所述检测区域中的各个像素，在像素值满足所述预设像素值范围内的像素个数大于或者等于预设个数阈值的情况下，确定与所述检测区域对应的目标区域为所述连续边缘区域。

4.根据权利要求3所述的内窥镜图像降噪方法，其特征在于，所述增强系数的大小根据所述目标区域中预设像素值范围内的像素的第一像素值均值确定包括：

在所述第一像素值均值小于或者等于第一预设梯度阈值的情况下，所述增强系数为第一定值；

在所述第一像素值均值大于所述第一预设梯度阈值，且小于第二预设梯度阈值的情况下，所述增强系数随所述第一像素值均值增大，其中，所述第二预设梯度阈值的大小根据所述梯度图像中所述预设像素值范围内的第二像素值均值确定；

在所述第一像素值均值大于或者等于所述第二预设梯度阈值的情况下，所述增强系数为第二定值，所述第二定值大于所述第一定值。

5.根据权利要求4所述的内窥镜图像降噪方法，其特征在于，所述第i+1层高斯图像的梯度图像的确定方法包括：

对第i+1层高斯图像进行边缘检测，得到初始的梯度图像；

根据所述第一预设梯度阈值，选择预设像素值或者所述初始的梯度图像中初始的像素值作为最终第i+1层高斯图像的梯度图像中的像素值。

6.根据权利要求1所述的内窥镜图像降噪方法，其特征在于，在得到降噪后的目标像素之后，所述方法包括：

根据第二预设范围内各像素和所述目标像素的距离，确定所述第二预设范围内各像素的权重；

根据所述第二预设范围内各像素的像素值和所述权重，对所述目标像素的像素值进行修正。

7.根据权利要求1所述的内窥镜图像降噪方法，其特征在于，所述目标区域根据目标像素的位置确定包括：

以所述目标像素为中心，根据第一预设范围确定所述目标区域。

8.一种内窥镜图像降噪设备，其特征在于，内窥镜图像包括拉普拉斯图像和高斯图像，所述设备包括多尺度几何变换模块、增强计算模块、降噪计算模块和融合模块：

所述多尺度几何变换模块，用于对所述拉普拉斯图像中的目标区域进行多尺度几何变换，得到所述目标区域的低频系数和高频系数，其中，所述目标区域根据目标像素的位置确定；

所述增强计算模块，用于根据增强系数对所述低频系数进行增强计算，得到校正后的低频系数，其中，所述增强系数的大小根据所述目标区域中预设像素值范围内的像素的第一像素值均值确定；

所述降噪计算模块，用于根据所述高频系数和所述校正后的低频系数对所述目标像素的像素值进行所述多尺度几何变换的逆变换，得到降噪后的目标像素；

所述融合模块，用于根据降噪后的目标像素得到降噪后的拉普拉斯图像，将所述降噪后的拉普拉斯图像与对应的高斯图像进行融合，得到降噪后的内窥镜图像；

在图像金字塔为n层的情况下，将降噪后的拉普拉斯图像与对应的高斯图像进行融合得到降噪后的内窥镜图像的过程具体为：从图像金字塔的底部向上，将第i+1层高斯图像与第i层拉普拉斯图像进行融合，得到第i层高斯图像；直至i的值为0时，将第0层高斯图像作为降噪后的内窥镜图像。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的内窥镜图像降噪方法。

10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至7中任一项所述的内窥镜图像降噪方法的步骤。

Images