CN118887136B - 内窥镜图像的烟雾去除方法、装置和计算机设备 - Google Patents

Abstract

本申请涉及一种内窥镜图像的烟雾去除方法、装置和计算机设备，其中，该内窥镜图像的烟雾去除方法包括：对输入图像进行烟雾噪声估计，得到输入图像对应的第一噪声点集合；第一噪声点集合包括输入图像中的多个感兴趣噪声点；将各感兴趣噪声点划分为多个噪声点组合，生成每个噪声点组合对应的去噪卷积核；进一步地，确定输入图像中与噪声点组合相对应的目标图像区域，通过去噪卷积核对目标图像区域进行去噪处理。通过本申请，解决了无法针对图像中的不同烟雾区域进行精确的烟雾去除，导致正常成像区域的图像质量降低的问题，实现了针对图像中的不同烟雾区域进行精确的烟雾去除，提高烟雾去除效率，同时避免影响正常成像区域的图像质量。

Description

内窥镜图像的烟雾去除方法、装置和计算机设备

技术领域

本申请涉及图像处理技术领域，特别是涉及内窥镜图像的烟雾去除方法、装置和计算机设备。

背景技术

内窥镜是用于人体微创医疗的重要设备，通过将内窥镜插入人体内部的器官或空腔，对待检查部位进行图像采集，输出内窥镜图像以提供高质量体内图像信息，但对于存在人体组织切割的内窥镜手术，不可避免产生大量烟雾干扰医生手术视野。因此，需要对图像烟雾进行识别和去除，提高内窥镜图像的质量。

在现有的烟雾去除方法中，从目标对象的管腔内获取内窥镜原始图像，在原始图像存在烟雾的情况下，根据无雾图像与原始图像之间的预设关系式对原始图像进行去雾处理。但是，上述方法基于全图进行去雾处理，无法针对图像中不同烟雾区域进行精确的烟雾去除，导致正常成像区域的图像质量降低。

针对相关技术中存在无法针对图像中的不同烟雾区域进行精确的烟雾去除，导致正常成像区域的图像质量降低的问题，目前还没有提出有效的解决方案。

发明内容

在本实施例中提供了一种内窥镜图像的烟雾去除方法、装置和计算机设备，以解决相关技术中无法针对图像中的不同烟雾区域进行精确的烟雾去除，导致正常成像区域的图像质量降低的问题。

第一个方面，在本实施例中提供了一种内窥镜图像的烟雾去除方法，所述方法包括：

对输入图像进行烟雾噪声估计，得到所述输入图像对应的第一噪声点集合；所述第一噪声点集合包括所述输入图像中的多个感兴趣噪声点；

将各所述感兴趣噪声点划分为多个噪声点组合，生成每个所述噪声点组合对应的去噪卷积核；

确定所述输入图像中与所述噪声点组合相对应的目标图像区域，通过所述去噪卷积核对所述目标图像区域进行去噪处理。

在其中的一些实施例中，所述对输入图像进行烟雾噪声估计，得到所述输入图像对应的第一噪声点集合，包括：

遍历所述输入图像中的每个像素点，确定所述像素点与所有邻接像素点之间的灰度差异特征值；

在所述像素点对应的所述灰度差异特征值大于预设阈值时，将所述像素点作为所述感兴趣噪声点；

基于各所述感兴趣噪声点，生成对应的所述第一噪声点集合。

在其中的一些实施例中，在所述确定所述像素点与所有邻接像素点之间的灰度差异特征值之后，还包括：

确定所述输入图像中各所述像素点的灰度均值；

基于预设的权重参数和所述灰度均值，确定与所述灰度差异特征值对应的预设阈值。

在其中的一些实施例中，在所述对输入图像进行烟雾噪声估计，得到所述输入图像对应的第一噪声点集合之后，还包括：

遍历每个所述感兴趣噪声点，确定与所述感兴趣噪声点距离最近的另一感兴趣噪声点；

在所述感兴趣噪声点与所述另一感兴趣噪声点之间的距离小于预设阈值时，将所述感兴趣噪声点与所述另一感兴趣噪声点进行抑制处理；

将所述感兴趣噪声点与所述另一感兴趣噪声点之间的中点作为新的感兴趣噪声点。

在其中的一些实施例中，所述将各所述感兴趣噪声点划分为多个噪声点组合，生成每个所述噪声点组合对应的去噪卷积核，包括：

将各所述感兴趣噪声点中每两个距离最近的所述感兴趣噪声点划分为一组，得到多个所述噪声点组合；

基于每个所述噪声点组合中的两个所述感兴趣噪声点，生成所述噪声点组合对应的矩阵作为所述去噪卷积核。

在其中的一些实施例中，所述基于每个所述噪声点组合中的两个所述感兴趣噪声点，生成所述噪声点组合对应的矩阵作为所述去噪卷积核，包括：

以所述噪声点组合中两个所述感兴趣噪声点之间的连接线为对角线，构造所述噪声点组合对应的矩阵作为所述去噪卷积核；

基于预设缩放参数、预设方差参数和所述矩阵中每个像素点的位置坐标，确定所述去噪卷积核中的各元素值。

在其中的一些实施例中，所述将各所述感兴趣噪声点划分为多个噪声点组合，生成每个所述噪声点组合对应的去噪卷积核，包括：

将各所述感兴趣噪声点进行聚类处理，得到对应的多个所述噪声点组合；

生成每个所述噪声点组合对应的去噪卷积核。

第二个方面，在本实施例中提供了一种内窥镜图像的烟雾去除装置，所述装置包括：检测模块、生成模块以及去噪模块；

所述检测模块，用于对输入图像进行烟雾噪声估计，得到所述输入图像对应的第一噪声点集合；所述第一噪声点集合包括所述输入图像中的多个感兴趣噪声点；

所述生成模块，用于将各所述感兴趣噪声点划分为多个噪声点组合，生成每个所述噪声点组合对应的去噪卷积核；

所述去噪模块，用于确定所述输入图像中与所述噪声点组合相对应的目标图像区域，通过所述去噪卷积核对所述目标图像区域进行去噪处理。

第三个方面，在本实施例中提供了一种计算机设备，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上述第一个方面所述的内窥镜图像的烟雾去除方法。

第四个方面，在本实施例中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上述第一个方面所述的内窥镜图像的烟雾去除方法。

与相关技术相比，在本实施例中提供的内窥镜图像的烟雾去除方法、装置和计算机设备，通过对输入图像进行烟雾噪声估计，得到输入图像对应的第一噪声点集合；第一噪声点集合包括输入图像中的多个感兴趣噪声点；将各感兴趣噪声点划分为多个噪声点组合，生成每个噪声点组合对应的去噪卷积核；进一步地，确定输入图像中与噪声点组合相对应的目标图像区域，通过去噪卷积核对目标图像区域进行去噪处理，解决了无法针对图像中的不同烟雾区域进行精确的烟雾去除，导致正常成像区域的图像质量降低的问题，实现了针对图像中的不同烟雾区域进行精确的烟雾去除，提高烟雾去除效率，同时避免影响正常成像区域的图像质量。

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是本申请一实施例提供的内窥镜图像的烟雾去除方法的流程图；

图2是本申请一实施例提供的内窥镜图像的烟雾噪声估计方法的流程图；

图3是本申请一优选实施例提供的内窥镜图像的烟雾去除方法的流程图；

图4是本申请一实施例提供的内窥镜图像的烟雾去除装置的结构框图。

图中：10、检测模块；20、生成模块；30、去噪模块。

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。

在本实施例中提供了一种内窥镜图像的烟雾去除方法，图1是本实施例的内窥镜图像的烟雾去除方法的流程图，如图1所示，该流程包括如下步骤：

步骤S110，对输入图像进行烟雾噪声估计，得到输入图像对应的第一噪声点集合；第一噪声点集合包括输入图像中的多个感兴趣噪声点；

步骤S120，将各感兴趣噪声点划分为多个噪声点组合，生成每个噪声点组合对应的去噪卷积核；

步骤S130，确定输入图像中与噪声点组合相对应的目标图像区域，通过去噪卷积核对目标图像区域进行去噪处理。

具体的，将输入的内窥镜图像进行烟雾噪声估计，遍历输入图像中的每个像素点，确定当前像素点与所有邻接像素点之间的灰度差异特征值，在检测到灰度差异特征值大于预设阈值时，将当前像素点作为感兴趣噪声点，并生成包含各感兴趣噪声点的第一噪声点集合。

需要说明的是，本实施例中的烟雾噪声可以为内窥镜手术过程中切割或灼烧操作产生的线状烟雾、由喷射状油脂导致的线状油雾等。

进一步地，遍历第一噪声点集合中的每个感兴趣噪声点，确定与感兴趣噪声点距离最近的另一感兴趣噪声点，确定感兴趣噪声点距离与另一感兴趣噪声点之间的距离。在检测到感兴趣噪声点与另一感兴趣噪声点之间的距离小于预设阈值时，将感兴趣噪声点与另一感兴趣噪声点进行抑制处理，即在第一噪声点集合剔除距离未达到预设阈值的两个噪声点，并将当前感兴趣噪声点与另一感兴趣噪声点之间的中点作为新的感兴趣噪声点，以此对存在重复响应情况的感兴趣噪声点进行精准抑制，从而去除冗余和重叠的噪声点检测结果。本实施例中抑制处理算法包括但不限于非极大值抑制算法、阈值抑制算法和动态阈值抑制算法。

之后，将当前存在的所有感兴趣噪声点进行划分，得到多个噪声点组合，每个噪声点组合代表一个局部的噪声区域，即输入图像中与噪声点组合相对应的目标图像区域，生成每个噪声点组合对应的去噪卷积核，通过去噪卷积核对相应的目标图像区域进行去噪处理，以此针对图像中的不同烟雾区域进行精确的烟雾去除，提高烟雾去除效率，同时避免影响正常成像区域的图像质量。

其中，可采用多种划分方式对各感兴趣噪声点进行处理，例如，将各感兴趣噪声点中每两个距离最近的感兴趣噪声点划分为一组，得到多个噪声点组合；或，将各感兴趣噪声点进行聚类处理，得到对应的多个噪声点组合等。

在现有的烟雾去除方法中，从目标对象的管腔内获取内窥镜原始图像，在原始图像存在烟雾的情况下，根据无雾图像与原始图像之间的预设关系式对原始图像进行去雾处理。但是，上述方法基于全图进行去雾处理，无法针对图像中不同烟雾区域进行精确的烟雾去除，导致正常成像区域的图像质量降低。

而本申请相较于现有技术，对输入图像进行烟雾噪声估计，得到输入图像对应的第一噪声点集合；第一噪声点集合包括输入图像中的多个感兴趣噪声点；将各感兴趣噪声点划分为多个噪声点组合，构建每个噪声点组合对应的去噪卷积核；进一步地，确定输入图像中与噪声点组合相对应的目标图像区域，通过去噪卷积核对目标图像区域进行去噪处理。基于此，通过噪声点分组将图像划分为多个存在噪声的局部图像区域，从而能够利用与每个局部图像区域相适配的去噪卷积核对该区域进行去噪处理，在精准去噪的同时不会使正常成像区域发生图像退化，解决了无法针对图像中的不同烟雾区域进行精确的烟雾去除，导致正常成像区域的图像质量降低的问题，实现了针对图像中的不同烟雾区域进行精确的烟雾去除，提高烟雾去除效率，避免影响正常成像区域的图像质量。

在其中的一些实施例中，如图2所示，步骤S110中的对输入图像进行烟雾噪声估计，得到输入图像对应的第一噪声点集合，包括如下步骤：

步骤S111，遍历输入图像中的每个像素点，确定像素点与所有邻接像素点之间的灰度差异特征值；

步骤S112，在像素点对应的灰度差异特征值大于预设阈值时，将像素点作为感兴趣噪声点；

步骤S113，基于各感兴趣噪声点，生成对应的第一噪声点集合。

具体的，遍历输入图像中的每个像素点，确定每个像素点与其所有邻接像素点之间的灰度差异特征值，邻接像素点指的是与当前像素点直接相邻的像素点。其中，可以计算每个像素点与其所有邻接像素点之间的灰度值方差，得到灰度差异特征值；或，采用式（1）中的计算公式，确定每个像素点与其所有邻接像素点之间的灰度差异特征值，具体公式如下：

式（1）中，G_ij表示当前像素点与其所有邻接像素点之间的灰度差异特征值；p_ij表示当前像素点的灰度值；q_k表示邻接像素点的灰度值；N表示邻接像素点的总个数。

进一步地，判断当前像素点对应的灰度差异特征值是否大于预设阈值，若灰度差异特征值大于预设阈值，则将该像素点作为感兴趣噪声点，并基于筛选得到的各感兴趣噪声点生成第一噪声点集合。

需要说明的是，在估计输入图像中的噪声点时，除利用灰度差异特征值进行检测外，也可以采用边缘检测、纹理检测等算法对输入图像进行处理，以获取输入图像中的感兴趣噪声点，实现烟雾噪声区域的准确估计。

通过本实施例，遍历输入图像中的每个像素点，确定像素点与所有邻接像素点之间的灰度差异特征值，在像素点对应的灰度差异特征值大于预设阈值时，将像素点作为感兴趣噪声点，并基于各感兴趣噪声点生成对应的第一噪声点集合，以此检测获取图像中可能存在烟雾噪声的区域，实现烟雾噪声区域的准确估计，便于后续进行精准去噪。

在其中的一些实施例中，在确定像素点与所有邻接像素点之间的灰度差异特征值之后，还包括如下步骤：

确定输入图像中各像素点的灰度均值；

基于预设的权重参数和灰度均值，确定与灰度差异特征值对应的预设阈值。

具体的，获取输入图像中每个像素点的灰度值，对各像素点的灰度值进行均值计算，得到各像素点的灰度均值，基于预设的权重参数和计算得到的灰度均值，设置与灰度差异特征值对应的预设阈值，具体的计算公式如下：

式（2）中，α为与灰度差异特征值对应的预设阈值；w为预设的权重参数；I为输入图像中各像素点的灰度均值。

需要说明的是，除了根据式（2）的计算方式设置阈值以外，可以根据先验知识设定固定阈值，或计算当前像素点邻域的灰度均值，将该灰度均值作为阈值。本实施例对阈值的设定方式不作限定。

通过本实施例，确定输入图像中各像素点的灰度均值，并基于预设的权重参数和灰度均值，确定与灰度差异特征值对应的预设阈值，从而能够利用输入图像的整体亮度，准确设置用于判断灰度差异大小的阈值，提高后续检测感兴趣噪声点的准确性。

在其中的一些实施例中，在对输入图像进行烟雾噪声估计，得到输入图像对应的第一噪声点集合之后，还包括如下步骤：

遍历每个感兴趣噪声点，确定与感兴趣噪声点距离最近的另一感兴趣噪声点；

在感兴趣噪声点与另一感兴趣噪声点之间的距离小于预设阈值时，将感兴趣噪声点与另一感兴趣噪声点进行抑制处理；

将感兴趣噪声点与另一感兴趣噪声点之间的中点作为新的感兴趣噪声点。

具体的，遍历当前的所有感兴趣噪声点，确定与当前感兴趣噪声点距离最近的另一感兴趣噪声点，并计算该感兴趣噪声点与另一感兴趣噪声点之间的距离。在本实施例中，感兴趣噪声点之间的距离计算方法包括但不限于欧氏距离和曼哈顿距离。

进一步地，判断两个感兴趣噪声点之间的距离是否小于预设阈值，若距离小于预设阈值，则将当前感兴趣噪声点与另一感兴趣噪声点均进行抑制处理，即在第一噪声点集合中剔除距离未达到预设阈值的两个噪声点，将当前感兴趣噪声点与另一感兴趣噪声点之间的中点作为新的感兴趣噪声点，并将新的感兴趣噪声点加入第一噪声点集合；若感兴趣噪声点与另一感兴趣噪声点之间的距离大于或等于预设阈值，则保留当前的两个感兴趣噪声点，即在第一噪声点集合中保留距离达到预设阈值的两个噪声点。当所有感兴趣噪声点经上述非极大值抑制处理后，更新第一噪声点集合得到对应的第二噪声点集合，基于第二噪声点集合中的感兴趣噪声点执行后续的图像处理过程。

通过本实施例，遍历每个感兴趣噪声点，确定与感兴趣噪声点距离最近的另一感兴趣噪声点，在感兴趣噪声点与另一感兴趣噪声点之间的距离小于预设阈值时，将感兴趣噪声点与另一感兴趣噪声点进行抑制处理，并将感兴趣噪声点与另一感兴趣噪声点之间的中点作为新的感兴趣噪声点，以此对存在重复响应情况的感兴趣噪声点进行精准抑制，有效减少噪声点的冗余响应，有助于提升后续图像处理的精确性。

在其中的一些实施例中，步骤S120中的将各感兴趣噪声点划分为多个噪声点组合，生成每个噪声点组合对应的去噪卷积核，包括如下步骤：

将各感兴趣噪声点中每两个距离最近的感兴趣噪声点划分为一组，得到多个噪声点组合；

基于每个噪声点组合中的两个感兴趣噪声点，生成噪声点组合对应的矩阵作为去噪卷积核。

具体的，将当前存在的所有感兴趣噪声点进行划分，得到多个噪声点组合，每个噪声点组合代表一个局部的噪声区域，即输入图像中与噪声点组合相对应的目标图像区域。其中，可采用多种方式对各感兴趣噪声点进行划分处理，例如，将各感兴趣噪声点中每两个距离最近的感兴趣噪声点划分为一组，得到多个噪声点组合；或，将各感兴趣噪声点进行聚类处理，得到对应的多个噪声点组合等。

进一步地，基于每个噪声点组合中的两个感兴趣噪声点所处的位置，构造包含当前噪声点组合中两个感兴趣噪声点的矩阵作为去噪卷积核，并计算去噪卷积核内每个像素位置对应的元素值。

通过本实施例，将各感兴趣噪声点中每两个距离最近的感兴趣噪声点划分为一组，得到多个噪声点组合，基于每个噪声点组合中的两个感兴趣噪声点，生成噪声点组合对应的矩阵作为去噪卷积核，以此将图像中存在噪声的区域划分为多个局部图像区域，并获取与每个局部图像区域相适配的去噪卷积核，便于后续利用去噪卷积核实现精准的烟雾去除。

在其中的一些实施例中，基于每个噪声点组合中的两个感兴趣噪声点，生成噪声点组合对应的矩阵作为去噪卷积核，包括如下步骤：

以噪声点组合中两个感兴趣噪声点之间的连接线为对角线，构造噪声点组合对应的矩阵作为去噪卷积核；

基于预设缩放参数、预设方差参数和矩阵中每个像素点的位置坐标，确定去噪卷积核中的各元素值。

具体的，对于每个噪声点组合，以噪声点组合中两个感兴趣噪声点之间的连接线为对角线，构造噪声点组合对应的矩阵作为去噪卷积核，例如，分别将噪声点组合中两个感兴趣噪声点作为矩阵的左上角点和右下角点。

进一步地，获取矩阵中每个像素点的位置坐标，根据预设缩放参数、预设方差参数和矩阵中每个像素点的位置坐标，计算去噪卷积核中的各元素值，具体计算公式如下：

式（3）中，(s,t)表示像素点的位置坐标；k(s,t)表示像素点所在位置的元素值；K表示预设的缩放参数；σ表示预设的方差参数。其中，预设的缩放参数和方差参数与去噪强度相关联。

通过本实施例，以噪声点组合中两个感兴趣噪声点之间的连接线为对角线，构造噪声点组合对应的矩阵作为去噪卷积核，基于预设缩放参数、预设方差参数和矩阵中每个像素点的位置坐标，确定去噪卷积核中的各元素值，实现去噪卷积核的构造，而不同的去噪卷积核用于提取不同尺度和频率的特征来去除噪声，使去噪卷积核的去噪强度与相应噪声区域更为适配，有助于提升图像去噪效果。

在其中的一些实施例中，步骤S120中的将各感兴趣噪声点划分为多个噪声点组合，生成每个噪声点组合对应的去噪卷积核，包括如下步骤：

将各感兴趣噪声点进行聚类处理，得到对应的多个噪声点组合；

生成每个噪声点组合对应的去噪卷积核。

具体的，将当前的所有感兴趣噪声点进行聚类处理，比如K均值聚类算法、基于密度的空间聚类算法（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）等，形成多个噪声点集群，将每个噪声点集群视为一个噪声点组合，且每个噪声点组合代表一个局部的噪声区域，即输入图像中与噪声点组合相对应的目标图像区域。

进一步地，构造每个噪声点组合对应的矩阵作为去噪卷积核，该矩阵的范围覆盖当前噪声点组合所在区域。基于噪声点组合内各感兴趣噪声点的特征信息，例如感兴趣噪声点的位置、强度等，计算去噪卷积核内每个像素位置对应的各元素值；或，根据预设缩放参数、预设方差参数和矩阵中每个像素点的位置坐标，计算去噪卷积核中的各元素值。

通过本实施例，将各感兴趣噪声点进行聚类处理，得到对应的多个噪声点组合，并生成每个噪声点组合对应的去噪卷积核，实现去噪卷积核的构造，使去噪卷积核的去噪强度与相应噪声区域更为适配，有助于提升图像去噪效果。

下面通过优选实施例对本实施例进行描述和说明。

图3是本优选实施例的内窥镜图像的烟雾去除方法的流程图，如图3所示，该内窥镜图像的烟雾去除方法包括如下步骤：

步骤S310，遍历输入图像中的每个像素点，确定像素点与所有邻接像素点之间的灰度差异特征值；

步骤S320，在像素点对应的灰度差异特征值大于预设阈值时，将像素点作为感兴趣噪声点，基于各感兴趣噪声点生成对应的第一噪声点集合；

步骤S330，遍历每个感兴趣噪声点，确定与感兴趣噪声点距离最近的另一感兴趣噪声点；

步骤S340，在感兴趣噪声点与另一感兴趣噪声点之间的距离小于预设阈值时，将感兴趣噪声点与另一感兴趣噪声点进行抑制处理；

步骤S350，将感兴趣噪声点与另一感兴趣噪声点之间的中点作为新的感兴趣噪声点，基于新的感兴趣噪声点对第一噪声点集合进行更新，得到第二噪声点集合；

步骤S360，在第二噪声点集合中，讲各感兴趣噪声点中每两个距离最近的感兴趣噪声点划分为一组，得到多个噪声点组合；

步骤S370，以噪声点组合中两个感兴趣噪声点之间的连接线为对角线，构造噪声点组合对应的矩阵作为去噪卷积核；

步骤S380，基于预设缩放参数、预设方差参数和矩阵中每个像素点的位置坐标，确定去噪卷积核中的各元素值；

步骤S390，确定输入图像中与噪声点组合相对应的目标图像区域，通过去噪卷积核对目标图像区域进行去噪处理。

通过本实施例，遍历输入图像中的每个像素点，确定像素点与所有邻接像素点之间的灰度差异特征值，在像素点对应的灰度差异特征值大于预设阈值时，将像素点作为感兴趣噪声点，基于各感兴趣噪声点生成对应的第一噪声点集合。之后，遍历每个感兴趣噪声点，确定与感兴趣噪声点距离最近的另一感兴趣噪声点，在感兴趣噪声点与另一感兴趣噪声点之间的距离小于预设阈值时，将感兴趣噪声点与另一感兴趣噪声点进行抑制处理，并将感兴趣噪声点与另一感兴趣噪声点之间的中点作为新的感兴趣噪声点，基于新的感兴趣噪声点对第一噪声点集合进行更新，得到第二噪声点集合，以此有效减少噪声点的冗余响应，有助于提升后续图像处理的精确性。

进一步地，在第二噪声点集合中，讲各感兴趣噪声点中每两个距离最近的感兴趣噪声点划分为一组，得到多个噪声点组合。以噪声点组合中两个感兴趣噪声点之间的连接线为对角线，构造噪声点组合对应的矩阵作为去噪卷积核，基于预设缩放参数、预设方差参数和矩阵中每个像素点的位置坐标，确定去噪卷积核中的各元素值，进而确定输入图像中与噪声点组合相对应的目标图像区域，通过去噪卷积核对目标图像区域进行去噪处理，解决了无法针对图像中的不同烟雾区域进行精确的烟雾去除，导致正常成像区域的图像质量降低的问题，实现了针对图像中的不同烟雾区域进行精确的烟雾去除，提高烟雾去除效率，同时避免影响正常成像区域的图像质量。

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的烟雾去除装置，该装置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4是本实施例的内窥镜图像的烟雾去除装置的结构框图，如图4所示，该装置包括：检测模块10、生成模块20以及去噪模块30；

检测模块10，用于对输入图像进行烟雾噪声估计，得到输入图像对应的第一噪声点集合；第一噪声点集合包括输入图像中的多个感兴趣噪声点；

生成模块20，用于将各感兴趣噪声点划分为多个噪声点组合，生成每个噪声点组合对应的去噪卷积核；

去噪模块30，用于确定输入图像中与噪声点组合相对应的目标图像区域，通过去噪卷积核对目标图像区域进行去噪处理。

通过本实施例提供的装置，对输入图像进行烟雾噪声估计，得到输入图像对应的第一噪声点集合；第一噪声点集合包括输入图像中的多个感兴趣噪声点；将各感兴趣噪声点划分为多个噪声点组合，构建每个噪声点组合对应的去噪卷积核；进一步地，确定输入图像中与噪声点组合相对应的目标图像区域，通过去噪卷积核对目标图像区域进行去噪处理，解决了无法针对图像中的不同烟雾区域进行精确的烟雾去除，导致正常成像区域的图像质量降低的问题，实现了针对图像中的不同烟雾区域进行精确的烟雾去除，提高烟雾去除效率，同时避免影响正常成像区域的图像质量。

在其中的一些实施例中，检测模块10，还用于遍历输入图像中的每个像素点，确定像素点与所有邻接像素点之间的灰度差异特征值；在像素点对应的灰度差异特征值大于预设阈值时，将像素点作为感兴趣噪声点；基于各感兴趣噪声点，生成对应的第一噪声点集合。

在其中的一些实施例中，检测模块10，还用于确定输入图像中各像素点的灰度均值；基于预设的权重参数和灰度均值，确定与灰度差异特征值对应的预设阈值。

在其中的一些实施例中，在图4的基础上，该装置还包括抑制模块，用于遍历每个感兴趣噪声点，确定与感兴趣噪声点距离最近的另一感兴趣噪声点；在感兴趣噪声点与另一感兴趣噪声点之间的距离小于预设阈值时，将感兴趣噪声点与另一感兴趣噪声点进行抑制处理；将感兴趣噪声点与另一感兴趣噪声点之间的中点作为新的感兴趣噪声点。

在其中的一些实施例中，生成模块20，还用于将各感兴趣噪声点中每两个距离最近的感兴趣噪声点划分为一组，得到多个噪声点组合；基于每个噪声点组合中的两个感兴趣噪声点，生成噪声点组合对应的矩阵作为去噪卷积核。

在其中的一些实施例中，生成模块20，还用于以噪声点组合中两个感兴趣噪声点之间的连接线为对角线，构造噪声点组合对应的矩阵作为去噪卷积核；基于预设缩放参数、预设方差参数和矩阵中每个像素点的位置坐标，确定去噪卷积核中的各元素值。

在其中的一些实施例中，生成模块20，还用于将各感兴趣噪声点进行聚类处理，得到对应的多个噪声点组合；生成每个噪声点组合对应的去噪卷积核。

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计算机设备，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，上述计算机设备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，对输入图像进行烟雾噪声估计，得到输入图像对应的第一噪声点集合；第一噪声点集合包括输入图像中的多个感兴趣噪声点；

S2，将各感兴趣噪声点划分为多个噪声点组合，生成每个噪声点组合对应的去噪卷积核；

S3，确定输入图像中与噪声点组合相对应的目标图像区域，通过去噪卷积核对目标图像区域进行去噪处理。

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的烟雾去除方法，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的烟雾去除方法。

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)

1.一种内窥镜图像的烟雾去除方法，其特征在于，所述方法包括：

对输入图像进行烟雾噪声估计，得到所述输入图像对应的第一噪声点集合；所述第一噪声点集合包括所述输入图像中的多个感兴趣噪声点；

将各所述感兴趣噪声点划分为多个噪声点组合，生成每个所述噪声点组合对应的去噪卷积核；

确定所述输入图像中与所述噪声点组合相对应的目标图像区域，通过所述去噪卷积核对所述目标图像区域进行去噪处理；其中，所述去噪卷积核中每个元素值与所述目标图像区域中的像素点位置一一对应。

2.根据权利要求1所述的内窥镜图像的烟雾去除方法，其特征在于，所述对输入图像进行烟雾噪声估计，得到所述输入图像对应的第一噪声点集合，包括：

遍历所述输入图像中的每个像素点，确定所述像素点与所有邻接像素点之间的灰度差异特征值；

在所述像素点对应的所述灰度差异特征值大于预设阈值时，将所述像素点作为所述感兴趣噪声点；

基于各所述感兴趣噪声点，生成对应的所述第一噪声点集合。

3.根据权利要求2所述的内窥镜图像的烟雾去除方法，其特征在于，在所述确定所述像素点与所有邻接像素点之间的灰度差异特征值之后，还包括：

确定所述输入图像中各所述像素点的灰度均值；

基于预设的权重参数和所述灰度均值，确定与所述灰度差异特征值对应的预设阈值。

4.根据权利要求1所述的内窥镜图像的烟雾去除方法，其特征在于，在所述对输入图像进行烟雾噪声估计，得到所述输入图像对应的第一噪声点集合之后，还包括：

遍历每个所述感兴趣噪声点，确定与所述感兴趣噪声点距离最近的另一感兴趣噪声点；

在所述感兴趣噪声点与所述另一感兴趣噪声点之间的距离小于预设阈值时，将所述感兴趣噪声点与所述另一感兴趣噪声点进行抑制处理；

将所述感兴趣噪声点与所述另一感兴趣噪声点之间的中点作为新的感兴趣噪声点。

5.根据权利要求1所述的内窥镜图像的烟雾去除方法，其特征在于，所述将各所述感兴趣噪声点划分为多个噪声点组合，生成每个所述噪声点组合对应的去噪卷积核，包括：

将各所述感兴趣噪声点中每两个距离最近的所述感兴趣噪声点划分为一组，得到多个所述噪声点组合；

基于每个所述噪声点组合中的两个所述感兴趣噪声点，生成所述噪声点组合对应的矩阵作为所述去噪卷积核。

6.根据权利要求5所述的内窥镜图像的烟雾去除方法，其特征在于，所述基于每个所述噪声点组合中的两个所述感兴趣噪声点，生成所述噪声点组合对应的矩阵作为所述去噪卷积核，包括：

以所述噪声点组合中两个所述感兴趣噪声点之间的连接线为对角线，构造所述噪声点组合对应的矩阵作为所述去噪卷积核；

基于预设缩放参数、预设方差参数和所述矩阵中每个像素点的位置坐标，确定所述去噪卷积核中的各元素值。

7.根据权利要求1所述的内窥镜图像的烟雾去除方法，其特征在于，所述将各所述感兴趣噪声点划分为多个噪声点组合，生成每个所述噪声点组合对应的去噪卷积核，包括：

将各所述感兴趣噪声点进行聚类处理，得到对应的多个所述噪声点组合；

生成每个所述噪声点组合对应的去噪卷积核。

8.一种内窥镜图像的烟雾去除装置，其特征在于，所述装置包括：检测模块、生成模块以及去噪模块；

所述检测模块，用于对输入图像进行烟雾噪声估计，得到所述输入图像对应的第一噪声点集合；所述第一噪声点集合包括所述输入图像中的多个感兴趣噪声点；

所述生成模块，用于将各所述感兴趣噪声点划分为多个噪声点组合，生成每个所述噪声点组合对应的去噪卷积核；

所述去噪模块，用于确定所述输入图像中与所述噪声点组合相对应的目标图像区域，通过所述去噪卷积核对所述目标图像区域进行去噪处理；其中，所述去噪卷积核中每个元素值与所述目标图像区域中的像素点位置一一对应。

9.一种计算机设备，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至权利要求7中任一项所述的内窥镜图像的烟雾去除方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至权利要求7中任一项所述的内窥镜图像的烟雾去除方法的步骤。