CN102542564B - 图像处理装置以及图像处理方法 - Google Patents
图像处理装置以及图像处理方法 Download PDFInfo
- Publication number
- CN102542564B CN102542564B CN201110409406.1A CN201110409406A CN102542564B CN 102542564 B CN102542564 B CN 102542564B CN 201110409406 A CN201110409406 A CN 201110409406A CN 102542564 B CN102542564 B CN 102542564B
- Authority
- CN
- China
- Prior art keywords
- bubble
- region
- candidate region
- image processing
- processing apparatus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 74
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 14
- 230000002093 peripheral effect Effects 0.000 claims description 14
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 4
- 238000001727 in vivo Methods 0.000 description 31
- 230000009471 action Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 13
- 239000007789 gas Substances 0.000 description 7
- 238000000205 computational method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- ZAKOWWREFLAJOT-CEFNRUSXSA-N D-alpha-tocopherylacetate Chemical compound CC(=O)OC1=C(C)C(C)=C2O[C@@](CCC[C@H](C)CCC[C@H](C)CCCC(C)C)(C)CCC2=C1C ZAKOWWREFLAJOT-CEFNRUSXSA-N 0.000 description 3
- 208000002352 blister Diseases 0.000 description 3
- 239000002775 capsule Substances 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 210000004400 mucous membrane Anatomy 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241000167880 Hirundinidae Species 0.000 description 1
- 241001062009 Indigofera Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Abstract
本发明提供图像处理装置以及图像处理方法。检测图像中所包含的气泡区域的图像处理装置具有:气泡候选区域设定部,其从所述图像中,将具有与存储在存储部中的气泡区域的形状模型对应的形状的区域设定为气泡候选区域;以及气泡区域判定部,其根据所述气泡候选区域具有的信息,判定该气泡候选区域是否为气泡区域。
Description
技术领域
本发明涉及从图像中检测显现出气泡的区域的图像处理装置以及图像处理方法。
背景技术
一直以来,作为导入患者等被检者体内对活体内进行非侵袭地观察的医用观察装置,内窥镜得到广泛普及。近年来,还开发了在胶囊型壳体内部收纳摄像装置和通信装置等并向体外无线发送由该摄像装置拍摄的图像数据的吞入型内视镜(胶囊型内窥镜)。通过这种医用观察装置对活体的管腔内进行拍摄而得的一系列图像(活体内图像)的数量庞大(几万张以上),从而对各活体内图像的观察和诊断需要较多的经验。因此,希望具有辅助医师进行诊断的医疗诊断支援功能。
作为实现这种功能的图像识别技术之一,提出了如下技术:在医疗诊断时从活体内图像中自动检测不需要观察的区域并去除。此处,所谓不需要观察的区域,是指作为活体组织的粘膜以外的区域,例如可列举显现出在管腔内产生的气泡的区域(以下称作“气泡区域”)。例如,在日本特开2007-313119号公报中公开了如下方法:根据像素的梯度强度和气泡图像的特征计算与预先确定的气泡模型的相关值,并检测相关值为预定阈值以上的区域作为气泡区域。
但是,在实际的气泡区域中存在各种形状和大小的气泡区域。因此,在通过模式匹配检测气泡区域的情况下,必须预先准备许多各种各样的气泡模型,并针对一个图像内的各个区域计算与这些气泡模型的相关值,从而需要巨大数量的运算。另一方面,为了减少运算量,对气泡模型的形状和大小进行某种程度的限定,并且还考虑将评价相关值时的阈值设定得较低的情况,但是此时,可能会产生错误检测、或者产生检测遗漏。
发明内容
本发明正是鉴于上述问题而作出的,其目的在于提供能够高精度检测形状和大小各种各样的气泡区域的图像处理装置以及图像处理方法。
本发明的一个方式的图像处理装置检测图像中所包含的气泡区域,在该图像处理装置中具有:气泡候选区域设定部,其从所述图像中,将具有与存储在存储部中的气泡区域的形状模型对应的形状的区域设定为气泡候选区域;以及气泡区域判定部,其根据所述气泡候选区域具有的信息,判定该气泡候选区域是否为气泡区域,所述气泡候选区域设定部具有圆形区域检测部,该圆形区域检测部从所述图像中检测具有圆形形状或圆弧形状的区域。
本发明的另一个方式的图像处理方法检测图像中所包含的气泡区域,在该图像处理方法中包括:气泡候选区域设定步骤,从所述图像中,将具有与存储在存储单元中的气泡区域的形状模型对应的形状的区域设定为气泡候选区域;以及气泡区域判定步骤,根据所述气泡候选区域具有的信息,判定该气泡候选区域是否为气泡区域,所述气泡候选区域设定步骤包括圆形区域检测步骤,在该圆形区域检测步骤中,从所述图像中检测具有圆形形状或圆弧形状的区域。
如果将以下本发明的详细说明与附图对照着进行阅读,则能够进一步理解以上所述的情况以及本发明的其它目的、特征、优点和技术及产业上的意义。
附图说明
图1是示出本发明实施方式1的图像处理装置的结构的框图。
图2是说明气泡区域的构造的图。
图3是示出图1所示的图像处理装置的动作的流程图。
图4是示出活体内图像的一例的示意图。
图5是说明气泡候选区域的内部区域的提取方法的图。
图6是示出图1所示的圆形区域检测部的动作的流程图。
图7是示出本发明实施方式2的图像处理装置的结构的框图。
图8是示出图7所示的内部区域提取部的动作的流程图。
图9是说明气泡候选区域的内部区域提取方法的图。
图10是说明气泡候选区域的内部区域提取方法的图。
图11是示出图7所示的内部区域特征量计算部的动作的流程图。
图12是示出本发明实施方式3的图像处理装置的结构的框图。
图13是示出图12所示的图像处理装置的动作的流程图。
图14是说明边界区域的设定方法的图。
图15是示出图12所示的梯度强度计算部的动作的流程图。
图16是说明边界区域的梯度信息计算方法的图。
图17是说明表示边界区域中的圆弧连续性的特征量的计算方法的图。
图18是示出变形例3-2的图像处理装置的运算部的结构的框图。
图19是说明表示关于边界区域中的边缘像素的气泡候选区域的中心坐标的相对性的评价值的计算方法的图。
图20是示出变形例3-3的图像处理装置的运算部的结构的框图。
图21是说明表示边界区域中的边缘像素的圆形性的评价值的计算方法的图。
图22是示出本发明实施方式4的图像处理装置的结构的框图。
图23是示出图22所示的图像处理装置的动作的流程图。
图24是说明图22所示的图像处理装置中的气泡区域的判定方法的图。
图25是示出本发明实施方式5的图像处理装置的结构的框图。
图26是示出图25所示的图像处理装置的动作的流程图。
图27是说明图25所示的图像处理装置中的气泡区域的判定方法的图。
具体实施方式
以下,参照附图来说明本发明的实施方式。另外,本发明不受这些实施方式限定。另外,在各附图的记载中,对相同部分标注相同标号来示出。
以下说明的实施方式的图像处理装置对利用内窥镜或胶囊内窥镜等医用观察装置拍摄所得的图像进行处理,具体而言,进行从拍摄被检者的活体(管腔)内而得到的图像中检测显现出气泡的气泡区域的处理。在以下的说明中,实施了图像处理的活体内图像例如是在各像素中具有针对R(红)、G(绿)、B(蓝)的各颜色成分的256灰度的像素级(像素值)的彩色图像。另外,在以下的实施方式中,作为一例,对针对活体内图像的图像处理进行说明,但是在从一般的图像中检测气泡区域的情况下也能够应用本发明的图像处理装置。
此外,在以下的实施方式中作为检测对象的气泡区域由于表面张力的作用,通常具有圆形形状、扁圆形状或椭圆形状等类圆形状,或者它们的圆周的一部分的形状(圆弧等)的平面外观。因此,在本申请中简称作“圆形”的情况下,不仅包含标准圆,还包含扁圆和椭圆等类圆形状,在简称作“圆弧”的情况下,包含标准圆以及类圆的圆周的一部分的形状在内。
实施方式1
图1是示出本发明实施方式1的图像处理装置的结构的框图。如图1所示,图像处理装置1具有控制图像处理装置1整体的动作的控制部10、图像取得部11、输入部12、显示部13、存储部14和运算部15。
图像取得部11用于取得由医用观察装置所拍摄的活体内图像的图像数据。图像取得部11根据包含医用观察装置的系统的形态而适当构成。例如,在医用观察装置是胶囊型内窥镜,且使用可与医用观察装置之间交换图像数据的可移动型记录介质的情况下,图像取得部11由拆装自如地安装该记录介质并读出已保存的活体内图像的图像数据的读出装置构成。另外,在设置预先保存由医用观察装置所拍摄的活体内图像的图像数据的服务器的情况下,图像取得部11由与服务器连接的通信装置等构成,并与该服务器进行数据通信来取得活体内图像的图像数据。或者,还可以由经由电缆从内窥镜等医用观察装置输入图像信号的接口装置等构成图像取得部11。
输入部12通过例如键盘、鼠标、触摸面板及各种开关等来实现,其将输入信号输出到控制部10。
显示部13由LCD或EL显示器等显示装置来实现,在控制部10的控制下,显示包含活体内图像在内的各种画面。
存储部14由可更新记录的闪存等ROM或RAM这样的各种IC存储器、内置或者利用数据通信端子连接的硬盘、或CD-ROM等信息记录介质及其读取装置等来实现。存储部14除了存储由图像取得部11所取得的活体内图像的图像数据以外,还存储用于使图像处理装置1动作并使图像处理装置1执行各种功能的程序、以及在该程序的执行中使用的数据等。具体而言,存储部14存储用于从活体内图像中检测气泡区域的图像处理程序141。
运算部15由CPU等硬件来实现,通过读入图像处理程序141,处理活体内图像的图像数据,进行用于从活体内图像中检测气泡区域的各种运算处理。
控制部10由CPU等硬件来实现,其通过读入存储在存储部14中的各种程序,根据从图像取得部11输入的图像数据和从输入部12输入的操作信号等,向构成图像处理装置1的各个部分进行指示或者数据传送等,对图像处理装置1整体的动作进行统一控制。
此处,对在运算部15的图像处理中作为检测对象的气泡区域进行说明。图2是说明气泡区域的构造例的图。如图2(a)所示,气泡100是包含空气等气体的液体(水分等)由于表面张力的作用而变成圆形的气泡,由水分等的膜101和其内部的气体102构成。在对这种气泡100照射光并进行摄像时,得到图2(b)所示的气泡区域110的图像。该气泡区域110在外形上具有圆形形状或圆弧形状,作为内部构造,包括与膜101的厚度部分对应而包含在气泡区域110的周缘部中的边界区域111、位于其内侧的内部区域112、和在内部区域112的内侧多个部位看到的高亮度区域113。其中,边界区域111是由于照射光在膜101中散射而产生的明亮区域。另一方面,内部区域112是由于较多照明光透射过膜101而产生的区域,是整体较暗的区域。高亮度区域113是照射光在膜101的表面进行镜面反射从而映入光源并产生晕影的亮度极高的区域。
接着,对运算部15的详细结构进行说明。运算部15具有:气泡候选区域设定部16,其从活体内图像中检测具有与预先存储在存储部14中的气泡区域的形状模型(气泡模型)对应的形状的区域,并将该区域设定为气泡候选区域;以及气泡区域判定部17,其根据气泡候选区域具有的信息判定该气泡候选区域是否为气泡区域。
气泡候选区域设定部16具有圆形区域检测部161。圆形区域检测部161通过将从活体内图像中提取出的边缘与气泡模型进行比较,并提取与气泡模型的相关性高的边缘区域,检测具有圆形形状或圆弧形状的区域。
气泡区域判定部17具有内部区域提取部18、内部区域特征量计算部19和判定部20。
内部区域提取部18提取气泡候选区域内的预定区域作为内部区域112。
内部区域特征量计算部19计算内部区域112中的特征量。更具体而言,内部区域特征量计算部19具有纹理计算部191,该纹理计算部191计算内部区域112中的像素值(例如亮度值)的方差,作为表示内部区域121的纹理的特征量(参考:CG-ARTS协会,ディジタル画像処理,p.71)。
判定部20根据表示内部区域112的纹理的特征量(像素值的方差),判定该气泡候选区域是否为气泡区域。此处,如上所述,内部区域112是照射光透射的较暗区域,但是由于其内侧存在高亮度区域113,因此具有以下趋势:内部区域112的内侧总体的明亮度幅度比活体内图像120的其他区域大。因此,能够通过将内部区域112中的像素值的方差与预定阈值进行比较,判别该气泡候选区域是气泡区域、还是除此以外的区域(活体的粘膜区域等)。具体而言,判定部20在像素值的方差为预定阈值以上的情况下,判别为气泡候选区域是气泡区域,在像素值的方差小于预定阈值的情况下,判别为气泡候选区域不是气泡区域。
接着,说明图像处理装置1的动作。图3是示出图像处理装置1的动作的流程图。此外,图4是示出由胶囊内窥镜拍摄、并由图像处理装置1处理的活体内图像的一例的示意图。如图4所示,在活体内图像120中,有时与活体的粘膜具有不同特征的区域122与粘膜区域121重叠显现。
首先,在步骤S10中,图像取得部11从外部受理活体内图像组的输入,并存储到存储部14中。运算部15从存储部14读出取得处理对象的活体内图像120。
在步骤S11中,圆形区域检测部161从活体内图像120内检测圆形区域123。此处检测的圆形区域123不仅可以是具有完全圆形形状的区域,也可以是具有圆周的一部分欠缺的圆弧形状的区域。另外,针对圆形区域的检测处理的具体情况将后述。
在步骤S12中,气泡候选区域设定部16将检测到的圆形区域123的中心位置坐标C(x,y)以及半径rOUT作为表示气泡候选区域的信息存储到存储部14中。由此,圆形区域123被设定为气泡候选区域。
在步骤S13中,内部区域提取部18从各气泡候选区域123中提取内部区域。具体而言,如图5所示,使用下式(1)计算半径比气泡候选区域123小的同心圆。
rIN=rOUT×K (1)
在式(1)中,rIN是同心圆的半径,K是预定系数(0.0<K<1.0)。
内部区域提取部18提取内包于rIN的同心圆内的区域作为内部区域124。
在接下来的步骤S14中,内部区域特征量计算部19计算从各气泡候选区域123中提取出的内部区域124中的像素值的方差。该方差的值被用作纹理特征量。
在步骤S15中,判定部20通过将纹理特征量与预定阈值进行比较,判别该气泡候选区域是否为气泡区域。
接着,对圆形区域的检测处理(步骤S11)进行具体说明。图6是示出圆形区域检测部161的动作的流程图。
首先,在步骤S101中,圆形区域检测部161计算活体内图像120的各像素的像素值的梯度强度(参考:CG-ARTS协会,ディジタル画像処理,p.114~p.121)。具体而言,圆形区域检测部161针对各像素,使用索贝尔(Sobel)滤波器等一次微分滤波器或拉普拉斯算子(Laplacian)滤波器等二次微分滤波器来实施滤波处理。
在接下来的步骤S102中,圆形区域检测部161提取梯度强度为预定阈值以上的像素的位置作为边缘。
在步骤S103中,圆形区域检测部161将预先生成的多个气泡模型(模板)应用到活体内图像120的各像素位置,并计算提取出的边缘与气泡模型的相关值。作为相关值的计算方法,除了NCC(归一化互相关:Normalized Cross-Correlation)相似度以外,只要能够进行相关的计测,则也可以使用SSD差异度或SAD差异度等任何方法(参考:CG-ARTS协会,ディジタル画像処理,p.203~p.204)。
在步骤S104中,圆形区域检测部161将在各像素位置处相关值最大(相似度最大或差异度最小)的气泡模型的半径rMODEL以及相关值存储到存储部14中。
在步骤S105中,圆形区域检测部161提取相关值的最大值为预定阈值以上(在差异度的情况下,最小值为阈值以下)的像素位置。并且,圆形区域检测部161输出提取出的像素位置C、和在各像素位置C处相关值为最大的气泡模型的半径rMODEL作为圆形区域的中心位置的坐标C(x,y)以及半径rOUT。
另外,也可以替代上述步骤S101和S102,通过坎尼(Canny)的边缘检测算法(CG-ARTS协会,ディジタル画像処理,p.208~p.210)等已知方法进行边缘(轮廓线)检测。此外,圆形区域的检测不限于计算与上述气泡模型的相关值的方法,也可以用已知的各种方法进行。
如以上所说明那样,根据实施方式1,对使用气泡模型检测出的圆形形状或圆弧形状的气泡候选区域,根据该气泡候选区域的内部区域的特征量,判定该气泡候选区域是否为气泡区域。因此,与仅使用气泡模型检测气泡区域的情况相比,能够减少气泡区域的错误检测。此外,根据实施方式1,执行后面的气泡区域的判定步骤,因此在利用气泡模型的圆形区域的检测步骤中,能够将阈值设定得较低。因此,能够减少气泡区域的检测遗漏。并且,根据实施方式1,与仅使用气泡模型检测气泡区域的情况相比,能够减少使用的气泡模型数量。此时,能够维持或提高气泡区域的检测精度,并且减少总的运算量。
实施方式2
接着,说明本发明的实施方式2。如图7所示,实施方式2的图像处理装置2具有运算部21。关于其他结构,与图1所示的结构相同。
运算部21具有气泡候选区域设定部16和气泡区域判定部22。其中,关于气泡候选区域设定部16的结构和动作,与在实施方式1中说明的相同。针对由气泡候选区域设定部16设定的气泡候选区域是否为气泡区域,气泡区域判定部22根据该气泡候选区域具有的信息来判定。在实施方式2中,此时使用的信息与实施方式1中的信息不同。
气泡区域判定部22具有:内部区域提取部23,其从气泡候选区域内提取内部区域;内部区域特征量计算部24,其根据存在于内部区域内侧的高亮度区域的像素值计算内部区域的特征量;以及判定部25,其根据高亮度区域中的特征量判定该气泡候选区域是否为气泡区域。
内部区域提取部23具有:亮度值计算部231,其计算气泡候选区域内的像素的亮度值;以及气泡候选区域分割部232,其根据该亮度值将气泡候选区域分割为边界区域和内部区域。
内部区域特征量计算部24具有:高亮度区域提取部241,其提取存在于内部区域的内侧的高亮度区域;以及高亮度区域特征量计算部242,其计算提取出的高亮度区域的特征量。
接着,说明图像处理装置2的动作。图像处理装置2整体的动作与图3所示的动作相同,步骤S13~S15中的详细动作与实施方式1不同。
首先,说明气泡候选区域的内部区域提取处理(步骤S13)。图8是示出内部区域提取部23的动作的流程图。此外,图9和图10是说明气泡候选区域的内部区域提取方法的图。
首先,在步骤S201中,亮度值计算部231根据气泡候选区域123所包含的各像素的R值(R)、G值(G)和B值(B),使用下式(2)计算亮度值Y(参考:CG-ARTS协会,ディジタル画像処理,p.299)。
Y=0.3×R+0.59×G+0.11×B (2)
在步骤S202中,气泡候选区域分割部232求出半径比气泡候选区域123小的多个同心圆Sn(n=l、2、…)(图9)。此处,在设活体内图像中的1个像素的尺寸为δ时,同心圆的半径rn的范围成为(rm/T-δ)≧rn≧δ。
在步骤S203中,气泡候选区域分割部232分别计算内包于某个同心圆Sn内的区域(内侧区域)A、和不内包于同心圆Sn中的气泡候选区域123内的区域(外侧区域)B中的亮度值Y的平均值(图10)。此处,将内侧区域A中的亮度平均值设为YA,将外侧区域B中的亮度平均值设为YB。
在步骤S204中,在气泡候选区域123内,计算内侧区域A与外侧区域B中的亮度值的差△Y=YA-YB。气泡候选区域分割部232针对在步骤S202中求出的各同心圆S1、S2、…计算这种亮度值的差△Y。
在这样一边使半径rn逐渐变化,一边计算同心圆Sn内外的亮度值的差△Y时,如果同心圆Sn的圆周与气泡区域的内部区域112和边界区域111的边界(参照图2)大体一致,则亮度值的差△Y最大。因此,气泡候选区域分割部232提取亮度值的差△Y最大时的内侧区域A作为内部区域124(步骤S205)。
接着,对内部区域中的特征量计算处理(步骤S14)进行说明。图11是示出内部区域特征量计算部24的动作的流程图。
此处,如图2所示,在内部区域112的一部分中,能够看到映入光源并产生晕影的区域(高亮度区域113)。这种区域具有亮度非常高的特征。因此,能够通过判定在内部区域112中是否存在高亮度区域,判断该气泡候选区域是否为气泡区域。
首先,在步骤S211中,高亮度区域提取部241使用上式(2)计算内部区域124所包含的各像素的亮度值Y。另外,此时,也可以利用在图8的步骤S201中计算出的值。
接着,在步骤S212中,高亮度区域提取部241通过提取亮度值Y为预定阈值以上的像素,提取存在于内部区域124内侧的高亮度区域。
并且,在步骤S213中,高亮度区域特征量计算部242计算提取出的区域的面积(或像素数)。使用由此计算出的面积(像素数)作为纹理特征量。
接着,说明气泡候选区域的判定处理(步骤S15)。
在从内部区域124的内侧检测到高亮度区域的情况下,需要判别其亮度值是由于晕影而产生的,还是由于噪声而产生的。此处,在由于晕影而产生了高亮度区域的情况下,高亮度区域具有某种程度大小的面积(参照图2)。因此,判定部25在被提取为高亮度区域的区域面积为预定阈值以上的情况下,判定为该区域是由于晕影而产生的高亮度区域,此时,该气泡候选区域是气泡区域。另一方面,判定部25在被提取为高亮度区域的区域面积小于预定阈值的情况下,判定为该区域的亮度值是噪声,该气泡候选区域不是气泡区域。
如以上所说明那样,根据实施方式2,能够通过使用气泡候选区域所包含的像素的亮度值,提取与在该气泡候选区域为气泡区域的情况下具有的内部构造进一步对应的内部区域。因此,能够进一步提高气泡区域的判定精度。
变形例
在气泡区域的内部区域内侧看到的晕影区域具有高亮度且白色的特征。因此,也可以计算从内部区域124的内侧检测到的高亮度区域的颜色特征量作为内部区域中的特征量。具体而言,高亮度区域特征量计算部242取得被提取为高亮度区域的像素的R值、G值和B值,并按照每个颜色成分计算平均值(平均R值、平均G值、平均B值)。此外,此时,作为进行判定时参照的训练数据,预先生成表示在活体内产生的晕影的颜色范围的数据并存储到存储部14中。判定部25在平均R值、平均G值和平均B值被包含在上述颜色范围中的情况下,判定为从气泡候选区域提取出的高亮度区域是由于晕影产生的,该气泡候选区域是气泡区域。另一方面,判定部25在平均R值、平均G值和平均B值没有被包含在上述颜色范围中的情况下,判定为提取出的高亮度区域是噪声,该气泡候选区域不是气泡区域。
或者,在从内部区域124的内侧检测到的高亮度区域具有预定阈值以上的面积(或像素数),并且该高亮度区域的颜色特征量被包含在晕影的颜色范围中的情况下,判定部25也可以判定为该气泡候选区域是气泡区域。
实施方式3
接着,说明本发明的实施方式3。如图12所示,实施方式3的图像处理装置3具有运算部30。关于其他结构,与图1所示的结构相同。
运算部30具有气泡候选区域设定部16和气泡区域判定部31。针对由气泡候选区域设定部16设定的气泡候选区域123(图4)是否为气泡区域,气泡区域判定部31使用与该气泡候选区域123的边界区域相关的信息来判定。
气泡区域判定部31具有边界区域提取部32、梯度强度计算部33、形状特征量计算部34和判定部35。
边界区域提取部32提取气泡候选区域123的边界附近的预定区域,并将该区域设定为边界区域。
梯度强度计算部33计算边界区域127所包含的像素的像素值的梯度强度,作为边界区域127的梯度信息。更具体而言,梯度强度计算部33具有:凸部梯度强度计算部331,其计算像素值的梯度凸出的方向上的梯度强度;以及边缘提取部332,其根据计算出的梯度强度提取边缘。此处,提取这种边缘根据如下理由。即,如果是气泡区域110(图2),则通常边界区域111内的像素值大于内部区域112和气泡区域110外侧的像素值,因此在边界区域111内的周向上出现像素值的峰值。因此,是因为能够通过根据在气泡候选区域123中设定的边界区域,检测表示像素值的峰值得存在的凸的梯度,提取作为气泡区域的边界区域的可能性高的边缘。
形状特征量计算部34计算表示气泡候选区域123的边界的形状信息的特征量。更具体而言,形状特征量计算部34具有连续性计算部341,该连续性计算部341计算表示边界区域127的梯度强度的连续性的评价值,作为这种特征量。
判定部35根据表示气泡候选区域123的边界的形状信息的特征量,判定该气泡候选区域123是否为气泡区域。此处,如上所述,气泡区域110由于表面张力的影响,具有圆形或切掉了圆的一部分的圆弧形的边界形状。因此,判定部35根据上述特征量,判定从气泡候选区域123的边界区域127提取出的边缘在几何学上是否具有圆形形状或圆弧形状,在具有圆形形状或圆弧形状的情况下,进行该气泡候选区域123是气泡区域的判定。
接着,说明图像处理装置3的动作。图13是示出图像处理装置3的动作的流程图。另外,在图13所示的步骤内,步骤S10~S12与在实施方式1中说明的相同。
在步骤S31中,例如如图14所示,边界区域提取部32提取距气泡候选区域123的圆周126距离为d1的范围内的区域,并将该区域设定为边界区域127。并且,边界区域提取部32对边界区域127所包含的像素数N进行计数。
在步骤S32中,梯度强度计算部33计算边界区域127的梯度信息。图15是示出梯度强度计算部33的详细动作的流程图。
首先,在步骤S301中,凸部梯度强度计算部331计算边界区域127所包含的各像素的像素值的梯度强度。作为梯度强度的计算方法,能够使用一次微分(索贝尔滤波器等)或二次微分等已知的各种方法。例如,在使用二次微分的情况下,如图16所示,凸部梯度强度计算部331对位于坐标(x,y)处的像素的像素值P(x,y),使用下式(3)~式(6),计算水平方向上的二次微分dH、垂直方向上的二次微分dV、第1倾斜方向上的二次微分dD1、和第2倾斜方向上的二次微分dD2。
此处,参数u是整数,参数u'是对进行四舍五入后的整数。这些参数u和u'表示二次微分计算时的像素范围。即,能够通过将参数u设定为期望的值,调节梯度成分的精度。例如,在减小参数u的值时,能够计算空间频率较高的梯度成分,在增大参数u的值时,能够计算空间频率较低的梯度成分。作为参数u的值,可以预先设定固定值,也可以根据活体内图像的特性设定动态的值。或者,还可以从外部赋予预定值的参数u并进行处理。
在接下来的步骤S302中,凸部梯度强度计算部331通过使用下式(7),从按照方向计算出的二次微分dH、dV、dD1、dD2内提取值为正的最大值,从而计算梯度增加(即,梯度相对于周围像素凸出)的方向上的梯度强度(凸部梯度强度)gcopy(x,y)。
gcopy(x,y)=max(0,dH(x,y),dV(x,y),dDl(x,y),dD2(x,y))(7)
此处,如图2所示,在气泡区域110的情况下,边界区域111的像素值大于内部区域112和气泡区域110外侧的像素值,因此沿着边界区域111内的直径方向出现像素值的峰值。因此,能够通过计算凸部梯度强度gcopy,检测直径方向上的像素值的上升。
并且,在步骤S303中,边缘提取部332通过用预定阈值对针对各像素计算出的凸部梯度强度gcopy(x,y)进行二值化,从而提取边缘像素。图17示出了这样从边界区域127提取出的边缘像素GE。
在步骤S33中,形状特征量计算部34计算表示圆弧的连续性的评价值,作为边界区域127的形状信息的特征量。
具体而言,首先,连续性计算部341取得在边界区域127中提取出的边缘像素GE的个数NEDG1(即,相当于边缘的面积)。
接着,连续性计算部341针对各边缘像素GE,判定是否在周围的8个方向中的任意一个方向上存在邻接的边缘像素,对存在邻接的边缘图像的边缘像素GE的个数NEDG2进行计数。例如,在图17所示的边缘像素GE(1)的情况下,在右斜上方存在邻接的边缘像素,因此进行计数。另一方面,在边缘像素GE(2)的情况下,在周围的8个方向上不存在邻接的边缘像素,因此不进行计数。
连续性计算部341使用这些值NEDG1和NEDG2,计算由下式(8)给出的评价值ECON。
ECON=(NEDG1×(1-k)+NEDG2×k)/N (8)
此处,N是边界区域127所包含的所有像素数,用于以气泡候选区域123的尺寸对评价值进行归一化。此外,k(0<k<1)是用于对连续的边缘像素进行加权的系数(常数)。
在步骤S34中,判定部35通过将评价值ECON与预定阈值进行比较,进行气泡候选区域123的判定。具体而言,判定部35在评价值ECON为阈值以上的情况下,判定为边缘像素GE的连续性高、气泡候选区域123是气泡区域。另一方面,判定部35在评价值ECON小于预定阈值的情况下,判定为边缘像素GE的连续性低、气泡候选区域123不是气泡区域。
如以上所说明那样,根据实施方式3,根据气泡候选区域的边界区域的形状信息进行对气泡候选区域的判定,因此能够用较少的运算量进行精度良好的判定。
变形例3-1
连续性计算部341也可以替代边缘像素GE的个数NEDG1和NEDG2,而使用边缘像素GE的梯度强度,计算表示圆弧的连续性的评价值。具体而言,连续性计算部341计算在边界区域127中提取出的边缘像素GE的最大梯度强度gcopy的合计值SUMEDG1。此外,连续性计算部341检测在周围的8个方向中的任意一个方向上存在邻接的边缘像素的边缘像素GE,并计算这些边缘像素GE的最大梯度强度gcopy的合计值SUMEDG2。并且,连续性计算部341使用合计值SUMEDG1和SUMEDG2,计算由下式(9)给出的评价值ECON’。
ECON’=(SUMEDG1×(1-k)+SUMEDG2×k)/(N×gMAX) (9)
此处,gMAX是边缘像素GE能够取的梯度强度的最大值(例如255)。
越是高梯度的边缘像素彼此邻接,则该评价值ECON’越大,表示形成圆弧的边缘像素GE的连续性越高。
变形例3-2
图18是示出变形例3-2的图像处理装置的运算部30-2的结构的框图。在该运算部30-2中,形状特征量计算部36具有相对性计算部361,该相对性计算部361计算在边界区域127中提取出的边缘像素GE关于气泡候选区域123的中心坐标的相对性,作为表示气泡候选区域123的边界的形状信息的特征量。
此处,表示气泡区域的边界的边缘通常出现在关于圆的中心坐标相对的圆周上的位置处。因此,在边界区域127中的边缘像素GE的相对性高的情况下,能够判断为该边缘像素GE构成气泡区域的边界。此处,相对性高是指存在于关于圆的中心坐标相对的位置处的边缘像素的对较多。
在进行气泡候选区域123的判定时,如图19所示,相对性计算部361首先对从边界区域127提取出的边缘像素GE的个数NEDG1进行计数。此外,相对性计算部361在边界区域127中,提取在关于气泡候选区域123的中心坐标C(x,y)相对的位置处存在另一个边缘像素的边缘像素GE,并对其数量NEDG3进行计数。在例如图19所示的边缘像素GE(3)的情况下,在通过边缘像素GE(3)的气泡候选区域123的直径上存在另一个边缘像素GT,因此进行计数。相对性计算部361使用这些值NEDG1和NEDG3,计算由下式(10)给出的评价值EREL。
EREL=(NEDG1×(1-k)+NEDG3×k)/N (10)
此时,判定部37通过将评价值EREL与预定阈值进行比较,进行气泡候选区域123的判定。即,判定部37在评价值EREL为阈值以上的情况下,判定为边缘像素GE的相对性高、气泡候选区域123是气泡区域。另一方面,判定部37在评价值EREL小于阈值的情况下,判定为边缘像素GE的相对性低、气泡候选区域123不是气泡区域。
或者,相对性计算部361也可以与变形例3-1同样,使用梯度强度计算表示相对性的评价值。即,相对性计算部361计算从边界区域127中提取出的边缘像素GE的最大梯度强度gcopy的合计值SUMEDG1,和在边界区域127中在关于中心坐标C(x,y)相对的位置处存在另一个边缘像素GT的边缘像素GE的最大梯度强度gcopy的合计值SUMEDG3,并计算利用下式(11)给出的评价值EREL’。
EREL’=(SUMEDG1×(1-k)+SUMEDG3×k)/(N×gMAX) (11)
越是高梯度的边缘像素彼此存在于相对的位置,则该评价值EREL’越大,表示边缘像素GE的相对性越高。
变形例3-3
图20是示出变形例3-3的图像处理装置的运算部30-3的结构的框图。在该运算部30-3中,形状特征量计算部38具有圆形性计算部381,该圆形性计算部381计算边界区域127的边缘像素的圆形性、即表示几何学上的似圆度的评价值,作为表示气泡候选区域123的边界的形状信息的特征量。
图21是示出气泡候选区域123的边界区域127的一部分的示意图。在进行气泡候选区域123的判定时,圆形性计算部381首先对从边界区域127提取出的边缘像素GE的个数NEDG1进行计数。此外,圆形性计算部381计算从各边缘像素GE到气泡候选区域123的圆周126的距离LE,并对距离处于预定阈值以内的边缘像素的个数NGC进行计数。圆形性计算部381使用这些值NEDG1和NGC,计算由下式(12)给出的评价值ECIR。
ECIR=(NEDG1×(1-k)+NGC×k)/N (12)
在式(12)中,k是满足0<k<1的系数(常数)。
边缘像素越形成圆形形状,则该评价值ECIR为越大的值。
此时,判定部39通过将评价值ECIR与预定阈值进行比较,进行气泡候选区域123的判定。即,判定部39在评价值ECIR为预定阈值以上的情况下,判定为边缘像素GE的圆形性高、气泡候选区域123是气泡区域。另一方面,判定部39在评价值ECIR小于阈值的情况下,判定为边缘像素GE的圆形性低、气泡候选区域123不是气泡区域。
实施方式4
接着,说明本发明的实施方式4。如图22所示,实施方式4的图像处理装置4具有运算部40。关于其他结构,与图1所示的结构相同。
运算部40具有气泡候选区域设定部16和气泡区域判定部41。针对由气泡候选区域设定部16设定的气泡候选区域123是否为气泡区域,由气泡区域判定部41使用与该气泡候选区域123的周围区域相关的信息来判定。
气泡区域判定部41具有周围区域特征量计算部42和判定部43。周围区域特征量计算部42检测存在于气泡候选区域123周围的其他气泡候选区域(圆形区域)或已判定完成的气泡区域,并计算基于该检测结果的特征量。此处,在活体内,气泡区域通常密集产生。因此,在某个气泡候选区域的周围存在较多其他气泡候选区域或已判定完成的气泡区域的情况下,该气泡候选区域为气泡区域的概率性高。因此,气泡区域判定部41计算作为判定对象的气泡候选区域123的周围区域的特征量。
判定部43根据该特征量,判定该气泡候选区域123是否为气泡区域。
接着,说明图像处理装置4的动作。图23是示出图像处理装置4的动作的流程图。在图23所示的步骤内,步骤S10~S12与在实施方式1中说明的相同。
在步骤S41中,周围区域特征量计算部42根据气泡区域的判定结果和/或气泡候选区域的检测结果,计算与气泡候选区域的周围区域相关的特征量。即,周围区域特征量计算部42对在图24所示的活体内图像130中,存在于距作为判定对象的气泡候选区域131的中心位置C(x,y)为预定距离d2的范围132内的其他气泡候选区域133的个数i,和已判定完成的气泡区域134的个数j进行计数。并且,使用这些值i、j和下式(13),计算特征量CHR。
CHR=i×W1+j×W2 (13)
在式(13)中,W1和W2是满足W2>W1的常数,用于对已判定完成的气泡区域的个数i和j分别进行加权。
在接下来的步骤S42中,判定部43通过将特征量CHR与预定阈值进行比较,进行气泡候选区域131的判定。即,判定部43在特征量CHR为阈值以上的情况下,判定为气泡在气泡候选区域131的周围密集,气泡候选区域131也是气泡区域。另一方面,判定部43在特征量CHR小于阈值的情况下,判定为气泡在气泡候选区域131的周围不密集,气泡候选区域131不是气泡区域。
如以上所说明那样,根据实施方式4,根据密集这样的气泡特性,使用与气泡候选区域的周围区域相关的信息,进行该气泡候选区域是否为气泡区域的判定,因此相对于使用气泡模型检测圆形形状的区域的以往的气泡区域检测方法,能够用较少的运算量提高判定精度。
实施方式5
接着,说明本发明的实施方式5。如图25所示,实施方式5的图像处理装置5具有运算部50。关于其他结构,与图1所示的结构相同。
运算部50除了气泡候选区域设定部16和气泡区域判定部17以外,还具有:区域分割部51,其将活体内图像分割为多个区域;以及区域判定部54,其判定在各分割区域的整体中是否存在气泡区域。另外,关于气泡候选区域设定部16和气泡区域判定部17的结构和动作,与在实施方式1中说明的相同。此外,也可以替代气泡区域判定部17,而具有在实施方式2~4中说明的气泡区域判定部22、31、41。
此处,在活体内图像中,具有相似特征(颜色或纹理等特征)的区域彼此大多是同一种类(例如粘膜区域、气泡区域等)。因此,在实施方式5中,根据颜色信息等特征量将活体内图像分割为多个区域,在被个别判定为气泡区域的区域占预定比例以上的情况下,视作在其分割区域整体中存在气泡区域,由此还能够检测出不能被个别检测为气泡区域的气泡区域。
图26是示出图像处理装置5的动作的流程图。
首先,在步骤S10中,图像处理装置5取得活体内图像。另外,该步骤的具体情况与在实施方式1中说明的步骤相同。
在接下来的步骤S51中,如图27所示,区域分割部51将活体内图像135分割为多个区域136、137。作为分割方法,能够使用已知的各种方法。例如,能够使用将具有相似的特征量(像素值、纹理特征量等)并且在空间上接近的像素作为集合来分割区域的区域综合法(参考:CG-ARTS协会,ディジタル画像処理,p.196)、或作为聚类方法之一的K-means法(参考:CG-ARTS协会,ディジタル画像処理,p.232)等。
在步骤S52中,气泡候选区域设定部16从活体内图像135中检测圆形区域,并将这些区域设定为气泡候选区域138。另外,关于圆形区域的检测方法,与在实施方式1中说明的相同。
在步骤S53中,气泡区域判定部17进行各气泡候选区域138是否为气泡区域的判定。另外,关于气泡候选区域138的判定方法,与在实施方式1~4中说明的相同。
在步骤S54中,区域判定部54根据气泡区域的判定结果,进行在各分割区域136、137的整体中是否存在气泡区域的判定。即,区域判定部54首先取得各分割区域的面积(或像素数)s1、和在各分割区域内被判定为气泡区域的区域的总面积(或像素数)s2,并计算气泡区域的面积s2占分割区域的面积s1的比例(面积率)s2/s1。区域判定部54在该面积率s2/s1为预定阈值以上的情况下,判定为在该分割区域整体中存在气泡区域。另一方面,区域判定部54在该面积率s2/s1小于预定阈值的情况下,判定为在该分割区域整体中不应该存在气泡区域。在例如分割区域136的情况下,被判定为气泡区域的区域所占的比例低(零),因此判定为在整体中都不存在气泡区域。另一方面,在分割区域137的情况下,在判定为气泡候选区域138整体是气泡区域时,气泡区域所占的比例变高,因此此时,判定为在分割区域137整体中存在气泡区域。
如以上所说明那样,在实施方式5中,根据被个别判定为气泡区域的区域所占的比例,判定在根据相似的特征量分割的区域整体中是否存在气泡区域。因此,即使是没有被检测为圆形区域的区域,也可能提取为气泡区域。
此外,在实施方式5中,在检测圆形区域时,能够将使用的气泡模型的尺寸限定为各分割区域的尺寸以下来进行运算,因此能够减少运算量。
以上所说明的实施方式1~5的图像处理装置能够通过在个人计算机或工作站等计算机系统中执行记录介质所记录的图像处理程序来实现。此外,也可以经由局域网、广域网(LAN/WAN)或互联网等的公共线路,将这种计算机系统连接到其他计算机系统或服务器等设备上进行使用。此时,实施方式1~5的图像处理装置也可以经由这些网络取得活体内图像的图像数据,并且将图像处理结果输出到经由这些网络连接的各种输出设备(阅读器或打印机等),还将图像处理结果存储到经由这些网络连接的存储装置(记录介质及其读取装置等)中。
另外,本发明不直接限定为各实施方式1~5及它们的变形例,可通过适当组合各实施方式或变形例所公开的多个结构要素来形成各种发明。例如,可从各实施方式或变形例所示的全部结构要素中去除几个结构要素来形成,也可适当组合不同实施方式或变形例所示的结构要素来形成。
根据本发明的一个方式,对使用气泡区域的形状模型从图像中检测出的气泡候选区域,根据该气泡候选区域具有的信息,判定该气泡候选区域是否为气泡区域,因此能够精度良好地检测气泡区域。
Claims (16)
1.一种图像处理装置,其检测图像中所包含的气泡区域,在该图像处理装置中,具有:
气泡候选区域设定部,其从所述图像中,将具有与存储在存储部中的气泡区域的形状模型对应的形状的区域设定为气泡候选区域;以及
气泡区域判定部,其根据所述气泡候选区域具有的信息,判定该气泡候选区域是否为气泡区域,
所述气泡候选区域设定部具有圆形区域检测部,该圆形区域检测部从所述图像中检测具有圆形形状或圆弧形状的区域,
所述气泡区域判定部使用所述气泡候选区域的周缘部所包含的边界区域、或位于该边界区域的内侧的内部区域、或所述气泡候选区域的周围区域所具有的信息进行判定。
2.根据权利要求1所述的图像处理装置,其中,
所述气泡区域判定部具有:
内部区域提取部,其提取所述气泡候选区域的内部区域;
内部区域特征量计算部,其计算所述内部区域的特征量;以及
判定部,其根据所述特征量判定所述气泡候选区域是否为气泡区域。
3.根据权利要求2所述的图像处理装置,其中,
所述内部区域提取部具有:
亮度值计算部,其计算所述气泡候选区域所包含的各像素的亮度值;以及
气泡候选区域分割部,其根据所述气泡候选区域内的多个区域之间的亮度值之差,将所述气泡候选区域分割为所述多个区域。
4.根据权利要求2所述的图像处理装置,其中,所述内部区域特征量计算部具有纹理计算部,该纹理计算部计算所述内部区域的纹理特征量。
5.根据权利要求4所述的图像处理装置,其中,纹理特征量是所述内部区域的像素值的方差。
6.根据权利要求2所述的图像处理装置,其中,
所述内部区域特征量计算部具有:
高亮度区域提取部,其提取存在于所述内部区域的内侧的高亮度区域;以及
高亮度区域特征量计算部,其根据所述高亮度区域的提取结果,计算所述内部区域的特征量。
7.根据权利要求6所述的图像处理装置,其中,所述高亮度区域特征量计算部计算高亮度区域的颜色特征量。
8.根据权利要求1所述的图像处理装置,其中,
所述气泡区域判定部具有:
边界区域提取部,其提取所述气泡候选区域的边界区域;
梯度强度计算部,其计算所述边界区域所包含的像素的像素值梯度强度;
形状特征量计算部,其根据所述梯度强度,计算与所述气泡候选区域的形状相关的信息;以及
判定部,其根据与所述气泡候选区域的形状相关的信息,判定该气泡候选区域是否为气泡区域。
9.根据权利要求8所述的图像处理装置,其中,所述形状特征量计算部具有连续性计算部,该连续性计算部计算表示具有预定的像素值梯度强度的像素的连续性的评价值,越是具有预定的像素值梯度强度的像素的边缘像素彼此邻接,所述连续性的评价值越高。
10.根据权利要求9所述的图像处理装置,其中,所述连续性计算部检测相互邻接的具有所述梯度强度的像素,并根据检测到的像素数量或梯度强度计算所述评价值。
11.根据权利要求8所述的图像处理装置,其中,所述形状特征量计算部具有相对性计算部,该相对性计算部计算表示具有预定的像素值梯度强度的像素关于所述气泡候选区域的中心坐标的相对性的评价值,所述相对性越高存在于关于所述气泡候选区域的中心坐标相对的位置处的边缘像素的对越多。
12.根据权利要求11所述的图像处理装置,其中,所述相对性计算部检测存在于关于所述气泡候选区域的中心坐标彼此相对的位置处的具有所述梯度强度的像素,并根据检测到的像素数量或梯度强度计算所述评价值。
13.根据权利要求8所述的图像处理装置,其中,所述形状特征量计算部具有圆形性计算部,该圆形性计算部计算表示具有预定的像素值的梯度强度的像素的圆形性的评价值,所述圆形性表示几何学上的似圆度。
14.根据权利要求13所述的图像处理装置,其中,所述圆形性计算部根据具有所述梯度强度的像素与预定的圆周之间的距离计算所述评价值。
15.根据权利要求1所述的图像处理装置,其中,
所述气泡区域判定部具有:
周围区域特征量计算部,其检测存在于所述气泡候选区域周围的预定范围内的其他气泡候选区域和/或已判定气泡区域,并计算基于该检测结果的特征量;以及
判定部,其根据所述特征量判定该气泡候选区域是否为气泡区域。
16.一种图像处理方法,其检测图像中所包含的气泡区域,在该图像处理方法中,包含:
气泡候选区域设定步骤,从所述图像中,将具有与存储在存储单元中的气泡区域的形状模型对应的形状的区域设定为气泡候选区域;以及
气泡区域判定步骤,根据所述气泡候选区域具有的信息,判定该气泡候选区域是否为气泡区域,
所述气泡候选区域设定步骤包括圆形区域检测步骤,在该圆形区域检测步骤中,从所述图像中检测具有圆形形状或圆弧形状的区域,
所述气泡区域判定步骤使用所述气泡候选区域的周缘部所包含的边界区域、或位于该边界区域的内侧的内部区域、或所述气泡候选区域的周围区域所具有的信息进行判定。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010276289A JP5757724B2 (ja) | 2010-12-10 | 2010-12-10 | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP2010-276289 | 2010-12-10 | ||
JPJP2010-276289 | 2010-12-10 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102542564A CN102542564A (zh) | 2012-07-04 |
CN102542564B true CN102542564B (zh) | 2017-07-14 |
Family
ID=45421755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110409406.1A Active CN102542564B (zh) | 2010-12-10 | 2011-12-09 | 图像处理装置以及图像处理方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8805086B2 (zh) |
EP (1) | EP2463822A1 (zh) |
JP (1) | JP5757724B2 (zh) |
CN (1) | CN102542564B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112015005697T5 (de) * | 2015-01-20 | 2017-09-07 | Olympus Corporation | Bildverarbeitungsvorrichtung, Bildverarbeitungsverfahren und Bildverarbeitungsprogramm |
WO2016208001A1 (ja) * | 2015-06-24 | 2016-12-29 | オリンパス株式会社 | 画像処理装置、内視鏡装置、プログラム及び画像処理方法 |
JPWO2018078806A1 (ja) * | 2016-10-28 | 2019-09-05 | オリンパス株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
EP3454556A1 (en) * | 2017-09-08 | 2019-03-13 | Thomson Licensing | Method and apparatus for video encoding and decoding using pattern-based block filtering |
KR102088514B1 (ko) * | 2018-10-10 | 2020-03-12 | 국방과학연구소 | 유동 내 기포 형상 감지 장치 및 방법 |
KR102208507B1 (ko) * | 2018-12-31 | 2021-01-27 | 충남대학교산학협력단 | 이미지 인식 기술을 이용한 기포 감지 장치 및 그 방법 |
US11426229B2 (en) | 2019-02-21 | 2022-08-30 | Medtronic Navigation, Inc. | Method and apparatus for magnetic resonance imaging thermometry |
US11276174B2 (en) | 2019-02-21 | 2022-03-15 | Medtronic Navigation, Inc. | Method and apparatus for magnetic resonance imaging thermometry |
US11403760B2 (en) | 2019-02-21 | 2022-08-02 | Medtronic Navigation, Inc. | Method and apparatus for magnetic resonance imaging thermometry |
CN109934811B (zh) * | 2019-03-08 | 2022-12-30 | 中国科学院光电技术研究所 | 一种基于深度学习的光学元件表面缺陷检测方法 |
US11536621B2 (en) | 2020-03-31 | 2022-12-27 | Toyota Research Institute, Inc. | Methods and systems for calibrating deformable sensors using camera |
WO2022138643A1 (ja) * | 2020-12-24 | 2022-06-30 | シンテゴンテクノロジー株式会社 | 気泡識別装置、気泡識別方法及び異物検出システム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101150977A (zh) * | 2005-04-13 | 2008-03-26 | 奥林巴斯医疗株式会社 | 图像处理装置以及图像处理方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3557659B2 (ja) * | 1994-08-22 | 2004-08-25 | コニカミノルタホールディングス株式会社 | 顔抽出方法 |
JP4254347B2 (ja) * | 2003-05-27 | 2009-04-15 | パナソニック電工株式会社 | 容器内液体中の異物検出方法及びその装置 |
JP4421396B2 (ja) * | 2004-06-29 | 2010-02-24 | 株式会社ミューチュアル | 液体容器の気泡の判別方法 |
JP2010151824A (ja) * | 2005-01-14 | 2010-07-08 | Hitachi High-Technologies Corp | パターン検査方法及びその装置 |
JP4529728B2 (ja) * | 2005-02-23 | 2010-08-25 | パナソニック電工株式会社 | 容器内の異物検査方法およびその装置 |
JP4624842B2 (ja) * | 2005-04-13 | 2011-02-02 | オリンパスメディカルシステムズ株式会社 | 画像処理方法、画像処理装置及びプログラム |
JP5086563B2 (ja) * | 2006-05-26 | 2012-11-28 | オリンパス株式会社 | 画像処理装置及び画像処理プログラム |
JP4765890B2 (ja) * | 2006-10-19 | 2011-09-07 | 株式会社デンソー | 異物検出装置 |
JP4577446B2 (ja) * | 2009-07-13 | 2010-11-10 | パナソニック電工株式会社 | 撮像装置 |
-
2010
- 2010-12-10 JP JP2010276289A patent/JP5757724B2/ja active Active
-
2011
- 2011-12-08 EP EP11009685A patent/EP2463822A1/en not_active Withdrawn
- 2011-12-09 CN CN201110409406.1A patent/CN102542564B/zh active Active
- 2011-12-09 US US13/315,347 patent/US8805086B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101150977A (zh) * | 2005-04-13 | 2008-03-26 | 奥林巴斯医疗株式会社 | 图像处理装置以及图像处理方法 |
Non-Patent Citations (4)
Title |
---|
Connectivity-based multiple-circle fitting;Yu Qiao等;《Pattern Recognition》;20040430;第37卷(第4期);第755-765页 * |
Method for detecting elliptical pattern using director circle;Zhao Jun等;《Communications on the Move,ICCS/ISITA》;19921120;第2卷;第539-543页 * |
Template-based bubble identification and tracking in image sequences;Da-chuan Cheng等;《International Journal of Thermal Sciences》;20060331;第45卷(第3期);第321-330页 * |
煤泥浮选泡沫图像分割与特征提取;林小竹等;《煤炭学报》;20070331;第32卷(第3期);第304-308页 * |
Also Published As
Publication number | Publication date |
---|---|
EP2463822A8 (en) | 2012-10-10 |
EP2463822A1 (en) | 2012-06-13 |
US8805086B2 (en) | 2014-08-12 |
JP2012120799A (ja) | 2012-06-28 |
US20120148153A1 (en) | 2012-06-14 |
CN102542564A (zh) | 2012-07-04 |
JP5757724B2 (ja) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102542564B (zh) | 图像处理装置以及图像处理方法 | |
CN102525381B (zh) | 图像处理装置、图像处理方法及计算机可读取的记录装置 | |
Huang et al. | Reliability of using retinal vascular fractal dimension as a biomarker in the diabetic retinopathy detection | |
Lupascu et al. | Automated detection of optic disc location in retinal images | |
CN104363815A (zh) | 图像处理装置、图像处理方法以及图像处理程序 | |
TWI501754B (zh) | 影像辨識方法及影像辨識系統 | |
CN104812288A (zh) | 图像处理装置、图像处理方法和图像处理程序 | |
CN106535740B (zh) | 用于确定表示角膜染色量的分数的方法和系统 | |
CN109363698A (zh) | 一种乳腺影像征象识别的方法及装置 | |
CN109635871A (zh) | 一种基于多特征融合的胶囊内窥镜图像分类方法 | |
CN108186051A (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
WO2022088729A1 (zh) | 点定位方法及相关装置、设备、介质及计算机程序 | |
CN109299632A (zh) | 皮肤检测方法、系统、设备及存储介质 | |
Ahmad et al. | 3D reconstruction of gastrointestinal regions using single-view methods | |
Hatanaka et al. | Automatic measurement of vertical cup-to-disc ratio on retinal fundus images | |
CN109475277A (zh) | 图像处理装置、图像处理装置的控制方法和图像处理装置的控制程序 | |
JP2002000567A (ja) | 瞳孔中心位置計測方法及び視点位置検出方法 | |
CN111784664B (zh) | 肿瘤淋巴结分布图谱生成方法 | |
CN102124471A (zh) | 用于增强宫颈成像中的血管图案的方法 | |
JP2004195080A (ja) | 異常陰影検出装置 | |
JP2004209059A (ja) | 異常陰影候補検出装置 | |
CN115423804B (zh) | 影像标定方法及装置、影像处理方法 | |
CN104771228B (zh) | 一种乳腺肿块良恶的判断方法和装置 | |
Liu et al. | Computer-aided detection of pattern changes in longitudinal adaptive optics images of the retinal pigment epithelium | |
JP2003310587A (ja) | 異常陰影の検出結果表示装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |