CN109377486B - 一种宫颈液基细胞有效图像的判别方法及系统 - Google Patents

一种宫颈液基细胞有效图像的判别方法及系统 Download PDF

Info

Publication number
CN109377486B
CN109377486B CN201811199053.5A CN201811199053A CN109377486B CN 109377486 B CN109377486 B CN 109377486B CN 201811199053 A CN201811199053 A CN 201811199053A CN 109377486 B CN109377486 B CN 109377486B
Authority
CN
China
Prior art keywords
image
dyeing
rgb image
dyed
light
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
Application number
CN201811199053.5A
Other languages
English (en)
Other versions
CN109377486A (zh
Inventor
周旭
马世昌
张源
李小军
李元庆
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.)
Yipusen Health Technology Shenzhen Co ltd
Original Assignee
Yipusen Health Technology Shenzhen 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 Yipusen Health Technology Shenzhen Co ltd filed Critical Yipusen Health Technology Shenzhen Co ltd
Priority to CN201811199053.5A priority Critical patent/CN109377486B/zh
Publication of CN109377486A publication Critical patent/CN109377486A/zh
Application granted granted Critical
Publication of CN109377486B publication Critical patent/CN109377486B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30024Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本申请涉及一种宫颈液基细胞有效图像的判别方法及系统,其中,所述方法包括:获取输入的RGB图像,并判断所述RGB图像是否存在深染二值图和浅染二值图;若所述RGB图像存在所述深染二值图和所述浅染二值图,针对目标深染点,计算所述目标深染点邻域内浅染点的数量比例;根据计算出的所述数量比例,判定所述RGB图像是否为有效图像。本申请提供的技术方案,能够提高图像识别效率。

Description

一种宫颈液基细胞有效图像的判别方法及系统
技术领域
本申请涉及图像处理技术领域,特别涉及一种宫颈液基细胞有效图像的判别方法及系统。
背景技术
宫颈液基细胞图中有大量的无效区域,即没有任何诊断价值的区域。深度卷积神经网络是识别无效图像的一种有效技术。但是,卷积神经网络需要人工收集大量的并且经过病理医生审阅过的无效图像,而且需要GPU(Graphics Processing Unit,图形处理器)的强大计算能力,从而导致识别效率比较低。
发明内容
本申请的目的在于提供一种宫颈液基细胞有效图像的判别方法及系统,能够提高图像识别效率。
为实现上述目的,本申请提供一种宫颈液基细胞有效图像的判别方法,所述方法包括:
获取输入的RGB(Red,Green,Blue,红绿蓝)图像,并判断所述RGB图像是否存在深染二值图和浅染二值图;
若所述RGB图像存在所述深染二值图和所述浅染二值图,针对目标深染点,计算所述目标深染点邻域内浅染点的数量比例;
根据计算出的所述数量比例,判定所述RGB图像是否为有效图像。
进一步地,所述深染二值图符合以下公式:
m1=(B/G>p1)and(B/R>p1)
其中,m1表示所述深染二值图,B表示所述RGB图像中的B分量,G表示所述RGB图像中的G分量,R表示所述RGB图像中的R分量,p1表示第一预设倍数。
进一步地,所述浅染二值图符合以下公式:
m2=(B/G>p2and B/R>1)or(B/R>p2and B/G>1)
其中,m2表示所述浅染二值图,p2表示第二预设倍数,并且1<p2<p1
进一步地,所述方法还包括:
若所述RGB图像中不存在所述深染二值图或者不存在所述浅染二值图,判定所述RGB图像为无效图像。
进一步地,所述方法还包括:
若不存在所述目标深染点,将预设参数设置为0,并返回所述预设参数,表征所述RGB图像为无效图像。
进一步地,根据计算出的所述数量比例,判定所述RGB图像是否为有效图像包括:
若计算出的所述数量比例大于预设比例阈值,将预设参数设置为1,并返回所述预设参数,表征所述RGB图像为有效图像。
进一步地,所述方法还包括:
若计算出的所述数量比例小于或者等于所述预设比例阈值,判断是否存在下一个目标深染点,若不存在,将所述预设参数设置为0,并返回所述预设参数,表征所述RGB图像为无效图像;
若存在,计算所述下一个目标深染点邻域内浅染点的数量比例,并根据计算出的所述数量比例,判定所述RGB图像是否为有效图像。
进一步地,所述目标深染点的邻域按照指定方形邻域窗口大小确定。
为实现上述目的,本申请还提供一种宫颈液基细胞有效图像的判别系统,所述系统包括:
二值图计算单元,用于获取输入的RGB图像,并判断所述RGB图像是否存在深染二值图和浅染二值图;
数量比例计算单元,用于若所述RGB图像存在所述深染二值图和所述浅染二值图,针对目标深染点,计算所述目标深染点邻域内浅染点的数量比例;
判定单元,用于根据计算出的所述数量比例,判定所述RGB图像是否为有效图像。
进一步地,所述二值图计算单元按照以下公式计算所述深染二值图和浅染二值图:
m1=(B/G>p1)and(B/R>p1)
m2=(B/G>p2and B/R>1)or(B/R>p2and B/G>1)
其中,m1表示所述深染二值图,m2表示所述浅染二值图,B表示所述RGB图像中的B分量,G表示所述RGB图像中的G分量,R表示所述RGB图像中的R分量,p1表示第一预设倍数,p2表示第二预设倍数,并且1<p2<p1
由上可见,本申请提供的技术方案,根据宫颈癌细胞形态学基本原理,即细胞核必然深染的特点,提出了基于核对比度的有效图像快速判别方法,能够迅速地剔除大部分无效图像。具体地,一张有效宫颈液基细胞图像需要同时满足以下两点要求:1.图像中有深染像素,通常表现为核仁或核;2.存在一个深染像素的固定方形邻域内达到一定比例数量的浅染像素。鉴于此,本申请通过计算深染二值图和浅染二值图,并计算目标深染点邻域内浅染点的数量比例,从而可以快速判断出输入的RGB图像是否为有效图像,从而提高了图像识别的效率。
附图说明
图1为本申请中宫颈液基细胞有效图像的判别方法步骤图;
图2为本申请中宫颈液基细胞有效图像的判别方法的流程图;
图3为本申请中无效图像的第一示意图;
图4为本申请中无效图像的第二示意图;
图5为本申请中无效图像的第三示意图;
图6为本申请中无效图像的第四示意图;
图7为本申请中宫颈液基细胞有效图像的判别系统的功能模块图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本申请一部分实施方式,而不是全部的实施方式。基于本申请中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施方式,都应当属于本申请保护的范围。
请参阅图1,本申请提供一种宫颈液基细胞有效图像的判别方法,所述方法包括:
S1:获取输入的RGB图像,并判断所述RGB图像是否存在深染二值图和浅染二值图;
S2:若所述RGB图像存在所述深染二值图和所述浅染二值图,针对目标深染点,计算所述目标深染点邻域内浅染点的数量比例;
S3:根据计算出的所述数量比例,判定所述RGB图像是否为有效图像。
具体地,所述深染二值图符合以下公式:
m1=(B/G>p1)and(B/R>p1)
其中,m1表示所述深染二值图,B表示所述RGB图像中的B分量,G表示所述RGB图像中的G分量,R表示所述RGB图像中的R分量,p1表示第一预设倍数。
所述浅染二值图符合以下公式:
m2=(B/G>p2and B/R>1)or(B/R>p2and B/G>1)
其中,m2表示所述浅染二值图,p2表示第二预设倍数,并且1<p2<p1
请结合图2,所述方法还包括:
若所述RGB图像中不存在所述深染二值图或者不存在所述浅染二值图,判定所述RGB图像为无效图像。
在一个实施方式中,所述方法还包括:
若不存在所述目标深染点,将预设参数(flag)设置为0,并返回所述预设参数,表征所述RGB图像为无效图像。
在一个实施方式中,根据计算出的所述数量比例,判定所述RGB图像是否为有效图像包括:
若计算出的所述数量比例大于预设比例阈值,将预设参数(flag)设置为1,并返回所述预设参数,表征所述RGB图像为有效图像。
在一个实施方式中,所述方法还包括:
若计算出的所述数量比例小于或者等于所述预设比例阈值,判断是否存在下一个目标深染点,若不存在,将所述预设参数设置为0,并返回所述预设参数,表征所述RGB图像为无效图像;
若存在,计算所述下一个目标深染点邻域内浅染点的数量比例,并根据计算出的所述数量比例,判定所述RGB图像是否为有效图像。
在一个实施方式中,所述目标深染点的邻域按照指定方形邻域窗口大小确定。
在实际应用中,宫颈液基细胞图像像素个数通常都在几十亿以上,其中很多区域都是几乎空白或者无效的。在几乎不含有病变细胞的前提下,如果能够快速地过掉无效区域,就可以减少数据收集成本和时间,提高病变细胞图像收集效率。
根据病变细胞必定核深染的形态学特征,需要制定一个量化的指标来。大量观察表明,深染细胞核的像素值表现为蓝色通道远远高于红色和绿色通道。基于这个事实以及细胞核本身的特点,一张有效宫颈液基细胞图像需要同时满足以下两点:
1.图像中有深染像素,通常表现为核仁或核;
2.存在一个深染像素的固定方形邻域内达到一定比例数量的浅染像素。
假设彩色图像各个通道值分别为[R,G,B],表示深染像素集合的二值图m1定义为:
m1=(B/G>p1)and(B/R>p1)
即深染像素的蓝色通道值需为红色和绿色通道值的p1倍以上,比如两倍以上。
类似的,浅染像素集合的二值图m2定义为:
m2=(B/G>p2and B/R>1)or(B/R>p2and B/G>1)
即浅染像素的蓝色通道值需为红色或绿色通道值p2(1<p2<p1)倍以上,且同时为三个通道中最大的。
经过本申请的技术方案,可以快速剔除包括边角,少量微生物、以及正常的成熟上皮细胞图像,并且适用于多种染色和制片方法做成的玻片,如图3至图6所示。图3至图6是因为无深染或淡染像素比例偏低而被判定无效的图像,图像大小为192x256像素,每个像素长度为0.28微米,平均每张耗时0.001秒。四幅图像分别来自四家不同医院制作的玻片,颜色背景各异。由此可见,本申请提供的技术方案适用于各种分辨率下采集的图像,如0.08um/pixel,0.28um/pixel等,只需要适当的调整邻域大小和比例阈值即可。
请参阅图7,本申请还提供一种宫颈液基细胞有效图像的判别系统,所述系统包括:
二值图计算单元,用于获取输入的RGB图像,并判断所述RGB图像是否存在深染二值图和浅染二值图;
数量比例计算单元,用于若所述RGB图像存在所述深染二值图和所述浅染二值图,针对目标深染点,计算所述目标深染点邻域内浅染点的数量比例;
判定单元,用于根据计算出的所述数量比例,判定所述RGB图像是否为有效图像。
在一个实施方式中,所述二值图计算单元按照以下公式计算所述深染二值图和浅染二值图:
m1=(B/G>p1)and(B/R>p1)
m2=(B/G>p2and B/R>1)or(B/R>p2and B/G>1)
其中,m1表示所述深染二值图,m2表示所述浅染二值图,B表示所述RGB图像中的B分量,G表示所述RGB图像中的G分量,R表示所述RGB图像中的R分量,p1表示第一预设倍数,p2表示第二预设倍数,并且1<p2<p1
由上可见,本申请提供的技术方案,根据宫颈癌细胞形态学基本原理,即细胞核必然深染的特点,提出了基于核对比度的有效图像快速判别方法,能够迅速地剔除大部分无效图像。具体地,一张有效宫颈液基细胞图像需要同时满足以下两点要求:1.图像中有深染像素,通常表现为核仁或核;2.存在一个深染像素的固定方形邻域内达到一定比例数量的浅染像素。鉴于此,本申请通过计算深染二值图和浅染二值图,并计算目标深染点邻域内浅染点的数量比例,从而可以快速判断出输入的RGB图像是否为有效图像,从而提高了图像识别的效率。
上面对本申请的各种实施方式的描述以描述的目的提供给本领域技术人员。其不旨在是穷举的、或者不旨在将本发明限制于单个公开的实施方式。如上所述,本申请的各种替代和变化对于上述技术所属领域技术人员而言将是显而易见的。因此,虽然已经具体讨论了一些另选的实施方式,但是其它实施方式将是显而易见的,或者本领域技术人员相对容易得出。本申请旨在包括在此已经讨论过的本发明的所有替代、修改、和变化,以及落在上述申请的精神和范围内的其它实施方式。

Claims (5)

1.一种宫颈液基细胞有效图像的判别方法,其特征在于,所述方法包括:
获取输入的RGB图像,并判断所述RGB图像是否存在深染二值图和浅染二值图;
若所述RGB图像存在所述深染二值图和所述浅染二值图,针对目标深染点,计算所述目标深染点邻域内浅染点的数量比例;
根据计算出的所述数量比例,判定所述RGB图像是否为有效图像;
其中,所述深染二值图符合以下公式则判断所述RGB图像存在深染二值图:
m1=(B/G>p1)and(B/R>p1)
其中,m1表示所述深染二值图,B表示所述RGB图像中的B分量,G表示所述RGB图像中的G分量,R表示所述RGB图像中的R分量,p1表示第一预设倍数;即深染像素的蓝色通道值需为红色和绿色通道值的p1倍以上;
所述浅染二值图符合以下公式则判断所述RGB图像存在浅染二值图:
m2=(B/G>p2 and B/R>1)or(B/R>p2 and B/G>1)
其中,m2表示所述浅染二值图,p2表示第二预设倍数,并且1<p2<p1;即浅染像素的蓝色通道值需为红色或绿色通道值p2倍以上,且同时为三个通道中最大的;
根据计算出的所述数量比例,判定所述RGB图像是否为有效图像包括:
若计算出的所述数量比例大于预设比例阈值,将预设参数设置为1,并返回所述预设参数,表征所述RGB图像为有效图像;
若计算出的所述数量比例小于或者等于所述预设比例阈值,判断是否存在下一个目标深染点,若不存在,将所述预设参数设置为0,并返回所述预设参数,表征所述RGB图像为无效图像;
若存在,计算所述下一个目标深染点邻域内浅染点的数量比例,并根据计算出的所述数量比例,判定所述RGB图像是否为有效图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述RGB图像中不存在所述深染二值图或者不存在所述浅染二值图,判定所述RGB图像为无效图像。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若不存在所述目标深染点,将预设参数设置为0,并返回所述预设参数,表征所述RGB图像为无效图像。
4.根据权利要求1所述的方法,其特征在于,所述目标深染点的邻域按照指定方形邻域窗口大小确定。
5.一种宫颈液基细胞有效图像的判别系统,其特征在于,所述系统包括:
二值图计算单元,用于获取输入的RGB图像,并判断所述RGB图像是否存在深染二值图和浅染二值图;
数量比例计算单元,用于若所述RGB图像存在所述深染二值图和所述浅染二值图,针对目标深染点,计算所述目标深染点邻域内浅染点的数量比例;
判定单元,用于根据计算出的所述数量比例,判定所述RGB图像是否为有效图像;
其中,所述深染二值图符合以下公式则判断所述RGB图像存在深染二值图:
m1=(B/G>p1)and(B/R>p1)
其中,m1表示所述深染二值图,B表示所述RGB图像中的B分量,G表示所述RGB图像中的G分量,R表示所述RGB图像中的R分量,p1表示第一预设倍数;即深染像素的蓝色通道值需为红色和绿色通道值的p1倍以上;
所述浅染二值图符合以下公式则判断所述RGB图像存在浅染二值图:
m2=(B/G>p2 and B/R>1)or(B/R>p2 and B/G>1)
其中,m2表示所述浅染二值图,p2表示第二预设倍数,并且1<p2<p1;即浅染像素的蓝色通道值需为红色或绿色通道值p2倍以上,且同时为三个通道中最大的;
根据计算出的所述数量比例,判定所述RGB图像是否为有效图像包括:
若计算出的所述数量比例大于预设比例阈值,将预设参数设置为1,并返回所述预设参数,表征所述RGB图像为有效图像;
若计算出的所述数量比例小于或者等于所述预设比例阈值,判断是否存在下一个目标深染点,若不存在,将所述预设参数设置为0,并返回所述预设参数,表征所述RGB图像为无效图像;
若存在,计算所述下一个目标深染点邻域内浅染点的数量比例,并根据计算出的所述数量比例,判定所述RGB图像是否为有效图像。
CN201811199053.5A 2018-10-15 2018-10-15 一种宫颈液基细胞有效图像的判别方法及系统 Active CN109377486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811199053.5A CN109377486B (zh) 2018-10-15 2018-10-15 一种宫颈液基细胞有效图像的判别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811199053.5A CN109377486B (zh) 2018-10-15 2018-10-15 一种宫颈液基细胞有效图像的判别方法及系统

Publications (2)

Publication Number Publication Date
CN109377486A CN109377486A (zh) 2019-02-22
CN109377486B true CN109377486B (zh) 2020-11-06

Family

ID=65400424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811199053.5A Active CN109377486B (zh) 2018-10-15 2018-10-15 一种宫颈液基细胞有效图像的判别方法及系统

Country Status (1)

Country Link
CN (1) CN109377486B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539354B (zh) * 2020-04-27 2020-12-15 易普森智慧健康科技(深圳)有限公司 一种液基细胞玻片扫描区域识别方法
CN112950585B (zh) * 2021-03-01 2022-11-29 中国人民解放军陆军军医大学 基于液基薄层细胞检测技术的宫颈癌细胞智能检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682305A (zh) * 2012-04-25 2012-09-19 深圳市迈科龙医疗设备有限公司 宫颈液基细胞学自动筛查方法和系统
CN103489187A (zh) * 2013-09-23 2014-01-01 华南理工大学 基于质量检测的宫颈lct图像中细胞核的分割方法
CN107492088A (zh) * 2016-06-11 2017-12-19 青岛华晶生物技术有限公司 一种妇科显微图像中白细胞自动识别与统计方法
CN107832838A (zh) * 2017-11-28 2018-03-23 北京羽医甘蓝信息技术有限公司 评价细胞涂片标本满意度的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682305A (zh) * 2012-04-25 2012-09-19 深圳市迈科龙医疗设备有限公司 宫颈液基细胞学自动筛查方法和系统
CN103489187A (zh) * 2013-09-23 2014-01-01 华南理工大学 基于质量检测的宫颈lct图像中细胞核的分割方法
CN107492088A (zh) * 2016-06-11 2017-12-19 青岛华晶生物技术有限公司 一种妇科显微图像中白细胞自动识别与统计方法
CN107832838A (zh) * 2017-11-28 2018-03-23 北京羽医甘蓝信息技术有限公司 评价细胞涂片标本满意度的方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
一种液基宫颈细胞制片满意度图像自动快速评价;汪传忠 等;《中国生物医学工程学报》;20120430;第31卷(第2期);第312-315页 *
宫颈细胞满意度自动评价方法研究;黎志金;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20140415;第1-54页 *
液基宫颈标本制片质量自动检测方法研究;史永刚;《中国优秀硕士学位论文全文数据库》;20170115;第1-70页 *
液基宫颈细胞制片异常图像检测方法研究;易苗苗;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20180115;第1-62页 *

Also Published As

Publication number Publication date
CN109377486A (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
CN107067385B (zh) 一种图像增强方法及装置
CN103763515B (zh) 一种基于机器学习的视频异常检测方法
CN103942797B (zh) 基于直方图和超像素的场景图像文字检测方法及系统
CN102332157B (zh) 一种消除阴影的方法
CN109978890A (zh) 基于图像处理的目标提取方法、装置及终端设备
CN109086724B (zh) 一种加速的人脸检测方法及存储介质
CN109361910A (zh) 自适应白平衡校正方法及装置
CN102509099B (zh) 一种图像显著区域检测方法
CN107358245B (zh) 一种图像协同显著区域的检测方法
CN109377486B (zh) 一种宫颈液基细胞有效图像的判别方法及系统
CN108921820A (zh) 一种基于特征聚类和颜色对比度的图像显著性目标检测方法
CN108510491A (zh) 虚化背景下人体骨骼关键点检测结果的过滤方法
CN106067016B (zh) 一种人脸图像眼镜检测方法及装置
CN105118027A (zh) 一种图像的去雾方法
CN104217440B (zh) 一种从遥感图像中提取建成区的方法
CN105184771A (zh) 一种自适应运动目标检测系统及检测方法
CN108711160A (zh) 一种基于hsi增强性模型的目标分割方法
CN110378893A (zh) 图像质量评价方法、装置和电子设备
CN113724235B (zh) 镜下环境改变条件时半自动化的Ki67/ER/PR阴性、阳性细胞计数系统及方法
CN112184696B (zh) 一种细胞核和细胞器计数及其面积计算方法与系统
CN112651962A (zh) 一种ai智能诊断系统平台
CN107578379A (zh) 一种象棋机器人对棋盘图像的处理方法
CN104616007B (zh) 一种基于显著性检测和颜色直方图模型的车辆识别方法
CN109978889A (zh) 一种图像处理方法、系统、装置、存储介质及黑板装置
CN105574880A (zh) 基于指数矩像素分类的彩色图像分割方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 901, tower 1, Shenye Jinyuan Building, Qingshuihe 1st Road, Qingshuihe street, Luohu District, Shenzhen City, Guangdong Province

Applicant after: YIPUSEN HEALTH TECHNOLOGY (SHENZHEN) Co.,Ltd.

Address before: 518000 Room 7A01, Building A, Shenzhen Bay Science and Technology Eco-Park, Shahexi Road, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: YIPUSEN HEALTH TECHNOLOGY (SHENZHEN) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant