手术视频预处理构想
1、手术视频预处理全流程技术路线
（1）
（2）图像帧预处理
（3）音频预处理
2、镜头检测 & 切割
核心问题：手术视频有很多"无效片段"需要过滤
需要检测/过滤的情况：
├── 镜头插入/拔出（画面全黑）
├── 镜头擦拭（画面模糊过渡）
├── 手术室灯光切换（突然亮度变化）
├── 非手术片段（准备阶段、缝合后）
└── 镜头切换（多摄像头系统）
推荐技术方案：
| 方案 | 适用场景 | 优劣 |
|---|---|---|
| PySceneDetect | 通用镜头切换 | ✅ 开箱即用 ❌ 对手术黑帧不够精准 |
| 帧差法（自研） | 黑帧/模糊帧过滤 | ✅ 轻量精准，适合手术特有问题 |
| CLIP相似度 | 语义级场景变化 | ✅ 最准 ❌ 慢，适合离线 |
建议：PySceneDetect 做粗检测 → 帧差法做黑帧/模糊帧精过滤，两步走
3、帧提取 & 采样
核心问题：手术视频通常25fps，1小时 = 90,000帧，必须降采样
采样策略对比：
均匀采样（1fps）： 简单，但会丢关键动作
关键帧采样： 基于内容变化，信息密度高 ← 推荐
自适应采样： 动作快时密采，静止时稀采 ← 最优但复杂
推荐技术方案：
| 工具 | 说明 |
|---|---|
| Decord | 比 OpenCV 快 5-10 倍的视频读取库，强烈推荐 |
| FFmpeg | 命令行批量提帧，最稳定 |
| 自研关键帧 | 相邻帧 SSIM/感知哈希差异阈值过滤 |
建议：Decord读帧 + 感知哈希去重，1fps均匀采样作为基础，关键帧采样作为补充
4、画质增强
手术视频特有的画质问题：
问题分类：
├── 烟雾（electrosurgical smoke） ← 最常见，严重影响模型
├── 镜面反光（specular highlight） ← 金属器械反光
├── 运动模糊（motion blur） ← 快速操作
├── 低照度（low illumination） ← 体腔内光线不足
└── 气泡/水雾（bubble/fogging） ← 内窥镜特有
推荐技术方案：
| 问题 | 推荐方案 | 说明 |
|---|---|---|
| 烟雾去除 | SMOKE论文系列 / DehazeNet | ✅ 有专门针对手术烟雾的论文 |
| 反光抑制 | 高光检测mask + inpainting | ✅ 检测高亮区域后修复 |
| 运动模糊 | 跳过模糊帧（比去模糊更实用） | ✅ Laplacian方差检测，直接跳过模糊帧 |
| 低照度 | CLAHE（自适应直方图均衡） | ✅ OpenCV一行代码，增强效果明显 |
| 整体增强 | Real-ESRGAN | ✅ 通用超分+去噪，效果最稳定 |
建议：工程上优先"检测并丢弃"问题帧，而不是"修复"问题帧，更稳定
5、格式标准化
目标：让所有来源的视频变成统一格式，后续模型无感知输入差异
需要统一的维度：
├── 分辨率 → 统一 resize（如 256×448 或 224×224）
├── 帧率 → 统一为 25fps 或 1fps（取决于任务）
├── 色彩空间 → RGB（模型标准），手术视频原始多为YUV
├── 像素归一化 → [0,1] 或 ImageNet mean/std
├── 存储格式 → .mp4（视频）或 .jpg序列（帧）
└── 元数据 → JSON记录：来源、时长、分辨率、有效帧范围