CN107657600A - 眼科oct图像的基准图选取方法和图像合成方法 - Google Patents

眼科oct图像的基准图选取方法和图像合成方法 Download PDF

Info

Publication number
CN107657600A
CN107657600A CN201710792782.0A CN201710792782A CN107657600A CN 107657600 A CN107657600 A CN 107657600A CN 201710792782 A CN201710792782 A CN 201710792782A CN 107657600 A CN107657600 A CN 107657600A
Authority
CN
China
Prior art keywords
abs
image
valueright
valuemid
valueleft
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.)
Granted
Application number
CN201710792782.0A
Other languages
English (en)
Other versions
CN107657600B (zh
Inventor
彭念
郭曙光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Moting Medical Technology Co ltd
Original Assignee
Shenzhen Certainn Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Certainn Technology Co Ltd filed Critical Shenzhen Certainn Technology Co Ltd
Priority to CN201710792782.0A priority Critical patent/CN107657600B/zh
Publication of CN107657600A publication Critical patent/CN107657600A/zh
Application granted granted Critical
Publication of CN107657600B publication Critical patent/CN107657600B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/14—Arrangements specially adapted for eye photography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0066—Optical coherence imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • 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
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Ophthalmology & Optometry (AREA)
  • Eye Examination Apparatus (AREA)
  • Image Processing (AREA)

Abstract

一种眼科OCT图像的基准图选取方法、眼科OCT图像合成方法及眼科OCT图像处理设备，该选取方法包括：对于N幅OCT图像，在每一幅OCT图像中的左、中、右各提取n列的图像灰度数据；求得左、中、右各自n列的图像灰度数据最大值处的位置的均值，分别为valueLeft[i],valueMid[i],valueRight[i]；其中i＝[0,N‑1]；对时序上每相邻三幅OCT图像的三组均值数据，计算Value：Value＝(abs(valueLeft[k‑1]‑valueLeft[k‑2])+abs(valueLeft[k‑1]‑valueLeft[k])+abs(valueMid[k‑1]‑valueMid[k‑2])+abs(valueMid[k‑1]‑valueMid[k])+abs(valueRight[k‑1]‑valueRight[k‑2])+abs(valueRight[k‑1]‑valueRight[k]))/3；其中k＝2到N‑1；将最小的Value对应的k‑1确定为基准图的索引。本发明能够有效找出眼科OCT图像最佳基准图，改善高清合成效果。

Description

眼科OCT图像的基准图选取方法和图像合成方法
技术领域
本发明涉及眼科的OCT(光学相干断层扫描仪，Optical Coherence Tomography)图像处理，特别是涉及一种OCT图像的基准图选取方法、图像合成方法以及眼科OCT图像处理设备。
背景技术
现有的眼科OCT图像的基准图选取方法是：对于采集的N张OCT图像，在中间M(M<N)张图中，选取信号最强的一张图为基准图。确定一幅图像强度的方法为：先对该图像的每一列求最大值，所有最大值的平均即为该图像的信号强度值。
由于在采集人眼过程中，人眼会有不同程度的眼动，因此按照现有方法选取的基准图有可能是眼动状态下的图。因此，现有的方法容易出现基准图选取不合适，最终会造成合成的高清效果不佳。
发明内容
本发明的主要目的在于克服现有技术的不足，提供一种眼科OCT图像的基准图选取方法、图像合成方法以及眼科OCT图像处理设备，能够有效找出最佳基准图(即无眼动图)，改善高清合成效果。
为实现上述目的，本发明采用以下技术方案：
一种眼科OCT图像的基准图选取方法，包括以下步骤：
对于N幅OCT图像，在每一幅OCT图像中的左、中、右各提取n列的图像灰度数据；求得左、中、右各自n列的图像灰度数据最大值处的位置的均值，分别为valueLeft[i],valueMid[i],valueRight[i]；其中i＝[0,N-1]，其中N为大于3的整数，n为大于1的整数；
对时序上每相邻三幅OCT图像的三组均值数据，使用如下公式计算Value：
Value＝(abs(valueLeft[k-1]-valueLeft[k-2])+abs(valueLeft[k-1]-valueLeft[k])+abs(valueMid[k-1]-valueMid[k-2])+abs(valueMid[k-1]-valueMid[k])+abs(valueRight[k-1]-valueRight[k-2])+abs(valueRight[k-1]-valueRight[k]))/3；
其中k＝2到N-1，k表示图像索引；
将最小的Value对应的k-1确定为基准图的索引，从而确定基准图。
进一步地：
N不小于50。
n不小于20。
一种眼科OCT图像合成方法，包括以下步骤：
对于N幅OCT图像，在每一幅OCT图像中的左、中、右各提取n列的图像灰度数据；求得左、中、右各自n列的图像灰度数据最大值处的位置的均值，分别为valueLeft[i],valueMid[i],valueRight[i]；其中i＝[0,N-1]，其中N为大于3的整数，n为大于1的整数；
对时序上每相邻三幅OCT图像的三组均值数据，使用如下公式计算Value：
Value＝(abs(valueLeft[k-1]-valueLeft[k-2])+abs(valueLeft[k-1]-valueLeft[k])+abs(valueMid[k-1]-valueMid[k-2])+abs(valueMid[k-1]-valueMid[k])+abs(valueRight[k-1]-valueRight[k-2])+abs(valueRight[k-1]-valueRight[k]))/3；
其中k＝2到N-1，k表示图像索引；
将最小的Value对应的k-1确定为基准图的索引，从而确定基准图；
使用所述基准图确定所述N幅OCT图像中参与高清合成的图像；
进行图像合成。
进一步地：
N不小于50。
n不小于20。
一种眼科OCT图像处理设备，具有处理器和存储有计算机程序的计算机可读存储介质，所述计算机程序使所述处理器执行所述的步骤。
本发明的有益效果：
与传统的选取信号最强的一张图为基准图的方法不同，本发明的眼科OCT图像基准图选取方法旨在找出无眼动图作为最佳基准图，相比于传统的基准图选取方法，本发明的眼科OCT图像选取方法和设备能够有效排除眼动图，显著提高高清合成效果。
根据本发明的选取方法，对于多幅眼科OCT图，时序上相邻的三幅图中，算出的左、中、右的最大值的平均位置两两相减之后，求和的值越小，可判断出三幅图的形态基本越一致，眼动越小，因此，本发明利用找最小值的方法可以获取眼动最小或者无眼动的图像，将该图像作为基准图，高清合成效果最佳。
附图说明
图1为一幅OCT图像的原图；
图2为从图1所示的OCT图像的原图中选取其左、中、右各n列图像灰度数据(n＝20)；
图3示出N幅OCT图像数的左、中、右各n列的图像灰度数据的最大值处的位置变化；
图4为基于现有的方法选取的基准图的高清合成效果；
图5为基于本发明的实施例方法选取的基准图的高清合成效果。
具体实施方式
以下对本发明的实施方式作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
在一种实施例中，一种眼科OCT图像的基准图选取方法，包括以下步骤：
如图1所示，对于N幅OCT图像，在每一幅OCT图像中的左、中、右各提取n列的图像灰度数据；求得左、中、右各自n列的图像灰度数据最大值处的位置的均值，分别为valueLeft[i],valueMid[i],valueRight[i]；其中i＝[0,N-1]。其中N为大于3的整数，n为大于1的整数。
在具体实施例中，N优选不小于50，例如为50。
在具体实施例中，n优选不小于20，，例如为20。
对于以采集时间顺序每相邻三幅OCT图像的三组数据，使用如下公式计算一个Value：
Value＝(abs(valueLeft[k-1]-valueLeft[k-2])+abs(valueLeft[k-1]-valueLeft[k])+abs(valueMid[k-1]-valueMid[k-2])+abs(valueMid[k-1]-valueMid[k])+abs(valueRight[k-1]-valueRight[k-2])+abs(valueRight[k-1]-valueRight[k]))/3；
其中k＝2到N-1，k表示图像索引。
当得到的Value最小时，对应的k-1确定为最优基准图的索引。
在另一种实施例中，一种眼科OCT图像合成方法，包括以下步骤：
按照前述实施例的方法确定基准图；
使用所述基准图确定所述N幅OCT图像中参与高清合成的图像；
进行图像合成。
在又一种实施例中，一种眼科OCT图像处理设备，具有处理器和存储有计算机程序的计算机可读存储介质，所述计算机程序使所述处理器执行所述的步骤。
本发明确定最优基准图的基本思想简述如下：
例如，时序上相邻的三幅图中，如果存在比较大的眼动，那么这三幅图的形态就会有所不同，算出的左、中、右的最大值的平均位置就完全不一致，按上述公式两两相减，得到的值就会较大；如果相邻的三幅图中，眼动很小或者无眼动，三幅图的形态基本一致，那么算出的左、中、右的最大值的平均位置也是基本一致的，两两相减之后，值就很小；所以本发明利用找最小值的方法来获取眼动最小眼动或者无眼动的图像，作为基准图来确定参与高清合成的图像，得到的高清合成效果最佳。
以50幅OCT图像为例进行基准图的选取和高清合成，实验效果如图3和图4所示。
图4为现有的方法找取基准图后合成的高清效果图。该方法确定的基准图为第29张，而以该图为基准图，最终确定2张图像参与高清合成。
图5为本发明的方法找取基准图后合成的高清效果图。本方法确定的基准图为第25张，而以该图为基准图，最终确定参与高清合成的图像张数为29张。
可以发现，图4的中心凹向中间缩进了一些，表示存在一定的眼动。从图4和图5的图像合成效果可以看出，基准图的选取直接影响了高清的合成效果，而本发明方法的高清合成效果明显优于现有的方法。
以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，其还可以对这些已描述的实施方式做出若干替代或变型，而这些替代或变型方式都应当视为属于本发明的保护范围。

Claims (7)

1.一种眼科OCT图像的基准图选取方法，其特征在于,包括以下步骤：
对于N幅OCT图像，在每一幅OCT图像中的左、中、右各提取n列的图像灰度数据；求得左、中、右各自n列的图像灰度数据最大值处的位置的均值，分别为valueLeft[i],valueMid[i],valueRight[i]；其中i＝[0,N-1]，其中N为大于3的整数，n为大于1的整数；
对时序上每相邻三幅OCT图像的三组均值数据，使用如下公式计算Value：
Value＝(abs(valueLeft[k-1]-valueLeft[k-2])+abs(valueLeft[k-1]-valueLeft[k])+abs(valueMid[k-1]-valueMid[k-2])+abs(valueMid[k-1]-valueMid[k])+abs(valueRight[k-1]-valueRight[k-2])+abs(valueRight[k-1]-valueRight[k]))/3；
其中k＝2到N-1，k表示图像索引；
将最小的Value对应的k-1确定为基准图的索引，从而确定基准图。
2.如权利要求1所述的基准图选取方法，其特征在于,N不小于50。
3.如权利要求1或2所述的基准图选取方法，其特征在于,n不小于20。
4.一种眼科OCT图像合成方法，其特征在于,包括以下步骤：
对于N幅OCT图像，在每一幅OCT图像中的左、中、右各提取n列的图像灰度数据；求得左、中、右各自n列的图像灰度数据最大值处的位置的均值，分别为valueLeft[i],valueMid[i],valueRight[i]；其中i＝[0,N-1]，其中N为大于3的整数，n为大于1的整数；
对时序上每相邻三幅OCT图像的三组均值数据，使用如下公式计算Value：
Value＝(abs(valueLeft[k-1]-valueLeft[k-2])+abs(valueLeft[k-1]-valueLeft[k])+abs(valueMid[k-1]-valueMid[k-2])+abs(valueMid[k-1]-valueMid[k])+abs(valueRight[k-1]-valueRight[k-2])+abs(valueRight[k-1]-valueRight[k]))/3；
其中k＝2到N-1，k表示图像索引；
将最小的Value对应的k-1确定为基准图的索引，从而确定基准图；
使用所述基准图确定所述N幅OCT图像中参与高清合成的图像；
进行图像合成。
5.如权利要求4所述的基准图选取方法，其特征在于,N不小于50。
6.如权利要求4或5所述的基准图选取方法，其特征在于,n不小于20。
7.一种眼科OCT图像处理设备，具有处理器和存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使所述处理器执行如权利要求1至6任一项所述的步骤。
CN201710792782.0A 2017-09-05 2017-09-05 眼科oct图像的基准图选取方法和图像合成方法 Active CN107657600B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710792782.0A CN107657600B (zh) 2017-09-05 2017-09-05 眼科oct图像的基准图选取方法和图像合成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710792782.0A CN107657600B (zh) 2017-09-05 2017-09-05 眼科oct图像的基准图选取方法和图像合成方法

Publications (2)

Publication Number Publication Date
CN107657600A true CN107657600A (zh) 2018-02-02
CN107657600B CN107657600B (zh) 2020-06-30

Family

ID=61128156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710792782.0A Active CN107657600B (zh) 2017-09-05 2017-09-05 眼科oct图像的基准图选取方法和图像合成方法

Country Status (1)

Country Link
CN (1) CN107657600B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942782A (zh) * 2014-03-31 2014-07-23 Tcl集团股份有限公司 一种图像拼接方法及装置
CN103985106A (zh) * 2014-05-16 2014-08-13 三星电子（中国）研发中心 用于对强噪声图像进行多帧融合的设备和方法
CN105139421A (zh) * 2015-08-14 2015-12-09 西安西拓电气股份有限公司 电力系统基于互信息量的视频关键帧提取方法
US20160247267A1 (en) * 2015-02-25 2016-08-25 Nuflare Technology, Inc. Line width error obtaining method, line width error obtaining apparatus, and inspection system
CN106127796A (zh) * 2012-03-07 2016-11-16 奥林巴斯株式会社 图像处理装置和图像处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127796A (zh) * 2012-03-07 2016-11-16 奥林巴斯株式会社 图像处理装置和图像处理方法
CN103942782A (zh) * 2014-03-31 2014-07-23 Tcl集团股份有限公司 一种图像拼接方法及装置
CN103985106A (zh) * 2014-05-16 2014-08-13 三星电子（中国）研发中心 用于对强噪声图像进行多帧融合的设备和方法
US20160247267A1 (en) * 2015-02-25 2016-08-25 Nuflare Technology, Inc. Line width error obtaining method, line width error obtaining apparatus, and inspection system
CN105139421A (zh) * 2015-08-14 2015-12-09 西安西拓电气股份有限公司 电力系统基于互信息量的视频关键帧提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HUCKVALE L: ""Reference image selection for difference imaging analysis"", 《 MONTHLY NOTICES OF THE ROYAL ASTRONOMICAL SOCIETY》 *

Also Published As

Publication number Publication date
CN107657600B (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
Wang et al. Adaptive image enhancement method for correcting low-illumination images
Fan et al. Homomorphic filtering based illumination normalization method for face recognition
CN108010041A (zh) 基于深度学习神经网络级联模型的人体心脏冠脉提取方法
Zavaglia et al. A neural mass model for the simulation of cortical activity estimated from high resolution EEG during cognitive or motor tasks
Lai et al. Improved local histogram equalization with gradient-based weighting process for edge preservation
CN104732492B (zh) 一种深度图像的去噪方法
CN105321155A (zh) 一种cbct图像环形伪影消除方法
CN105447837B (zh) 基于自适应云模型的多模态脑部图像融合方法
CN107958214A (zh) Ecg信号的并行分析装置、方法和移动终端
CN106204502B (zh) 基于混合阶l0正则化模糊核估计方法
CN109480867A (zh) 心理状态调节方法、装置及计算机可读存储介质
Yao et al. Image enhancement based on equal area dualistic sub-image and non-parametric modified histogram equalization method
CN105225205A (zh) 图像增强方法、装置及系统
Chen et al. Adaptive active-mask image segmentation for quantitative characterization of mitochondrial morphology
CN110852305A (zh) 一种人体步态特征提取方法
CN107657600A (zh) 眼科oct图像的基准图选取方法和图像合成方法
CN104952093B (zh) 虚拟染发方法和装置
Jie et al. Natural color image segmentation
CN109671069A (zh) 一种基于头颅ct影像的核心梗死体积的测量方法及系统
Tenti et al. Fractal dimension of diffusion-limited aggregation clusters grown on spherical surfaces
Panda et al. Global vessel symmetry for optic disc detection in retinal images
CN105096309B (zh) 一种基于x光的边缘检测方法及装置
Jiang et al. Learning a frequency separation network with hybrid convolution and adaptive aggregation for low-dose CT denoising
CN104850861B (zh) 基于rx异常探测和纹理分析的真菌性角膜炎图像识别方法
Huang et al. Skin lesion segmentation based on deep learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 518000 803, block B, Jingang center, Jingang building, houye community, Xixiang street, Bao'an District, Shenzhen, Guangdong

Patentee after: Shenzhen moting Medical Technology Co.,Ltd.

Address before: 518112 Room 501, 5 / F, block C, building 2, saitu digital technology park, No. 137, Bulan Road, Buji street, Longgang District, Shenzhen, Guangdong Province

Patentee before: SHENZHEN CERTAINN TECHNOLOGY Co.,Ltd.

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Room L302, Building 2, Skyworth Innovation Valley, No. 8 Tangtou 1st Road, Tangtou Community, Shiyan Street, Bao'an District, Shenzhen City, Guangdong Province, 518108

Patentee after: Shenzhen Moting Medical Technology Co.,Ltd.

Address before: 518000 803, block B, Jingang center, Jingang building, houye community, Xixiang street, Bao'an District, Shenzhen, Guangdong

Patentee before: Shenzhen moting Medical Technology Co.,Ltd.

CP03 Change of name, title or address