CN110009627B - 用于处理图像的方法和装置 - Google Patents

用于处理图像的方法和装置 Download PDF

Info

Publication number
CN110009627B
CN110009627B CN201910290527.5A CN201910290527A CN110009627B CN 110009627 B CN110009627 B CN 110009627B CN 201910290527 A CN201910290527 A CN 201910290527A CN 110009627 B CN110009627 B CN 110009627B
Authority
CN
China
Prior art keywords
image
sub
color
area
region
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
CN201910290527.5A
Other languages
English (en)
Other versions
CN110009627A (zh
Inventor
杨大陆
杨叶辉
王磊
许言午
黄艳
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.)
Beijing Confucius Health Technology Co.,Ltd.
Original Assignee
Beijing Confucius Health 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 Beijing Confucius Health Technology Co ltd filed Critical Beijing Confucius Health Technology Co ltd
Priority to CN201910290527.5A priority Critical patent/CN110009627B/zh
Publication of CN110009627A publication Critical patent/CN110009627A/zh
Application granted granted Critical
Publication of CN110009627B publication Critical patent/CN110009627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-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
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本公开的实施例公开了用于处理图像的方法和装置。该方法的一具体实施方式包括：获取眼底图像；从该眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域；从该眼底图像中划分出子图像；基于所提取的图像区域，对该子图像进行图像分析。该实施方式提高了图像的利用率。

Description

用于处理图像的方法和装置
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于处理图像的方法和装置。
背景技术
当前，随着计算机技术的发展，各种图像处理技术不断涌现。
对于图像处理技术，期望其能实现局部图像的处理技术，以提高图像的利用率。
发明内容
本公开的实施例提出了用于处理图像的方法和装置。
第一方面，本公开的实施例提供了一种用于处理图像的方法，该方法包括：获取眼底图像；从眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域，其中，其他图像区域为眼底图像中除去血管图像区域、视盘图像区域、黄斑图像区域的图像区域；从眼底图像中划分出子图像；基于所提取的图像区域，对子图像进行图像分析。
在一些实施例中，基于所提取的图像区域，对子图像进行图像分析，包括：响应于所提取的图像区域包括视盘图像区域和黄斑图像区域，提取子图像中像素的红绿蓝(RedGreen Blue，RGB)颜色空间的颜色特征；将RGB颜色空间的颜色特征转换为色调饱和度亮度色调饱和度亮度(Hue Saturation Value，HSV)颜色空间的颜色特征；确定子图像的视盘图像区域面积和黄斑图像区域面积；基于HSV颜色空间的颜色特征、子图像的视盘图像区域面积和黄斑图像区域面积，确定子图像的亮度特征值。
在一些实施例中，基于所提取的图像区域，对子图像进行图像分析，包括：响应于所提取的图像区域包括血管图像区域和其他图像区域，提取子图像中血管图像区域的像素和其他图像区域的像素的RGB颜色空间的颜色特征；将RGB颜色空间的颜色特征转换为HSV颜色空间的颜色特征；基于RGB颜色空间的颜色特征、HSV颜色空间的颜色特征，确定子图像中血管图像区域的色彩辨识度特征直方图和其他图像区域的色彩辨识度特征直方图；基于子图像中血管区域的色彩辨识度特征直方图与其他图像区域的色彩辨识度特征直方图之间的相似度，确定子图像的色彩辨识度特征值。
在一些实施例中，基于所提取的图像区域，对子图像进行图像分析，包括：从子图像中提取绿色通道图像；确定子图像的绿色通道图像的像素的强度值；基于强度值，确定子图像的清晰度特征值。
在一些实施例中，该方法还包括：基于总特征值与预设阈值的对比，生成图像分析结果以及存储图像分析结果，其中，总特征值是基于以下至少之一生成的：亮度特征值，色彩辨识度特征值，清晰度特征值。
在一些实施例中，该方法还包括：控制信息呈现设备对图像分析结果进行呈现。
第二方面，本公开的实施例提供了一种用于处理图像的装置，该装置包括：图像获取单元，被配置成获取眼底图像；提取单元，被配置成从眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域，其中，其他图像区域为眼底图像中除去血管图像区域、视盘图像区域、黄斑图像区域的图像区域；图像划分单元，被配置成从眼底图像中划分出子图像；图像分析单元，被配置成基于所提取的图像区域，对子图像进行图像分析。
在一些实施例中，图像分析单元进一步被配置成：响应于所提取的图像区域包括视盘图像区域和黄斑图像区域，提取子图像中像素的红绿蓝RGB颜色空间的颜色特征；将RGB颜色空间的颜色特征转换为色调饱和度亮度HSV颜色空间的颜色特征；确定子图像的视盘图像区域面积和黄斑图像区域面积；基于HSV颜色空间的颜色特征、子图像的视盘图像区域面积和黄斑图像区域面积，确定子图像的亮度特征值。
在一些实施例中，图像分析单元进一步被配置成：响应于所提取的图像区域包括血管图像区域和其他图像区域，提取子图像中血管图像区域的像素和其他图像区域的像素的RGB颜色空间的颜色特征；将RGB颜色空间的颜色特征转换为HSV颜色空间的颜色特征；基于RGB颜色空间的颜色特征、HSV颜色空间的颜色特征，确定子图像中血管图像区域的色彩辨识度特征直方图和其他图像区域的色彩辨识度特征直方图；基于子图像中血管区域的色彩辨识度特征直方图与其他图像区域的色彩辨识度特征直方图之间的相似度，确定子图像的色彩辨识度特征值。
在一些实施例中，图像分析单元进一步被配置成：从子图像中提取绿色通道图像；确定子图像的绿色通道图像的像素的强度值；基于强度值，确定子图像的清晰度特征值。
在一些实施例中，该装置还包括：生成单元被配置成：基于总特征值与预设阈值的对比，生成图像分析结果以及存储图像分析结果，其中，总特征值是基于以下至少之一生成的：亮度特征值，色彩辨识度特征值，清晰度特征值。
在一些实施例中，该装置还包括：控制单元，被配置成控制信息呈现设备对图像分析结果进行呈现。
第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的用于处理图像的方法和装置，通过获取眼底图像，并从该眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域，其中，其他图像区域为眼底图像中除去血管图像区域、视盘图像区域、黄斑图像区域的图像区域。而后，从眼底图像中划分出子图像。最后，基于所提取的图像区域，对子图像进行图像分析。从而利用对子图像的分析结果，确定图像可以使用，有利于提高图像的利用率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的用于处理图像的方法的一个实施例的流程图；
图3是根据本公开的实施例的用于处理图像方法的一个应用场景的示意图；
图4是根据本公开的用于处理图像的方法的又一个实施例的流程图；
图5是根据本公开的用于处理图像的装置的一个实施例的结构示意图；
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于处理图像的方法或用于处理图像的装置的示例性架构图100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图像处理类应用、购物类应用、搜索类应用、即时通信工具、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持图像浏览或图像处理的的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103上显示的图像提供支持的后台服务器。后台服务器可以对接收到的图像进行处理，并生成处理结果。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开的实施例所提供的用于处理图像的方法可以由终端设备101、102、103执行，也可以由服务器105执行，相应地，用于处理图像的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本公开的用于处理图像的方法的又一个实施例的流程图200。该用于处理图像的方法，包括以下步骤：
步骤201，获取眼底图像。
在本实施例中，用于处理图像的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取眼底图像。例如，执行主体可以从眼部检查设备中获取眼底图像，或者从与之连接的其他电子设备中获取。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接以及其他现在已知或将来开发的无线连接方式。
步骤202，从眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域。
在本实施例中，上述执行主体可以通过多种方式来提取出以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域。例如，上述主体可以通过U-Net模型(一种深度神经网络模型)在眼底图像中提取出血管图像区域。上述U-Net模型将眼底图像作为输入，将含有血管图像区域的目标眼底图像作为期待输出。上述U-Net模型通过以上训练得到的。例如，上述执行主体可以通过预先建立的视盘图像区域确定模型来提取视盘图像区域。上述视盘图像区域确定模型可以是利用已标注视盘图像区域的眼底图像训练得到的。
步骤203，从眼底图像中划分出子图像。
在本实施例中，上述执行主体在从眼底图像中提取出以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域后，可以按照预设的划分方法从该眼底图像中划分出子图像。例如，上述执行主体可以将该眼底图像划分成N个(N为大于1的整数)不重叠的同尺寸的子图像。
步骤204，基于所提取的图像区域，对子图像进行图像分析。
在本实施例中，上述执行主体在从该眼底图像中划分出子图像后，对上述子图像进行图像分析。
在本实施例的一些可选的实现方式中，上述执行主体可以对子图像进行亮度特征分析。具体的，上述执行主体可以通过以下步骤对子图像进行亮度特征分析：
第一步，响应于所提取的图像区域包括视盘图像区域和黄斑图像区域，提取子图像中像素的红绿蓝RGB颜色空间的颜色特征。
在该可选的实现方式中，子图像可以是彩色图像。上述执行主体可以直接提取子图像中像素的RGB颜色空间的颜色特征。
第二步，将RGB颜色空间的颜色特征转换为色调饱和度亮度HSV颜色空间的颜色特征。
在该可选的实现方式中，在图像处理过程中，上述执行主体可以对颜色特征进行处理。通常，RGB颜色空间的颜色特征不易直接用于图像处理过程中的某些图像处理步骤。为此，上述执行主体可以将RGB颜色空间的颜色特征转换为能够用于图像处理过程的对应的HSV颜色空间的颜色特征。首先，上述执行主体可以提取子图像的像素的所对应的亮度V值。例如，设像素的RGB空间像素值为r,g,b,范围均为0到1。则像素的亮度V值计算方法为V＝max(r,g,b)。并且，选取子图像中亮度V值大于阈值t1的像素，并确定这些像素的亮度V值的平均值记作vi，其中，t1是一个较接近于0的阈值。例如，一般可以选择上述眼底图像中所有像素的亮度V值的均值的三分之一作为阈值t1。
第三步，确定子图像的视盘图像区域面积和黄斑图像区域面积。
在该可选的实现方式中，上述执行主体可以用图像区域算法确定出子图像中的视盘区域面积和黄斑图像区域面积。这里，可以分别将视盘区域面积记作D、黄斑区域面积记作M。
第四步，基于HSV颜色空间的颜色特征、子图像的视盘图像区域面积和黄斑图像区域面积，确定子图像的亮度特征值。
例如，上述执行主体可以将上述三个步骤获取的数值输入以下公式，确定出子图像的亮度特征值Bi。
Bi＝γ·|vi+αD+βM|
其中，vi表示子图像中像素的V值大于阈值t1的像素的亮度V值的平均值，D表示视盘区域面积，M为黄斑区域面积，Bi表示亮度特征值。α,β,γ表示预设的值，例如，α,β,γ可以通过专业技术人员对子图像的亮度特征值Bi打分(例如，Bi为0到1)，然后采用多重线性回归确定α,β,γ系数。
在一些可选的实现方式中，上述执行主体可以对子图像进行色彩辨识度特征分析。具体的，上述执行主体可以通过以下步骤对子图像进行色彩辨识度特征分析：第一步，响应于所提取的图像区域包括血管图像区域和其他图像区域，提取子图像中血管图像区域的像素和其他图像区域的像素的RGB颜色空间的颜色特征。
在该可选的实现方式中，子图像可以是彩色图像。上述执行主体可以直接提取子图像中像素的RGB颜色空间的颜色特征。第二步，将RGB颜色空间的颜色特征转换为HSV颜色空间的颜色特征。
在该可选的实现方式中，上述执行主体可以提取子图像的像素的所对应的亮度H值。例如，设像素的RGB空间像素值为r,g,b,范围均为0到1，则像素的H值计算方法为：
Figure BDA0002024762730000081
其中，MAX＝max(r,g,b)，MIN＝min(r,g,b)
第三步，基于RGB颜色空间的颜色特征、HSV颜色空间的颜色特征，确定子图像中血管图像区域的色彩辨识度特征直方图和其他图像区域的色彩辨识度特征直方图。
例如，对于上述计算出的像素的H值以0-360的范围、组距为1，分别确定血管像素区域的H值分布直方图记为Hi-vessel、其他图像区域的H值分布直方图记为Hi-other。
第四步，基于子图像中血管区域的色彩辨识度特征直方图与其他图像区域的色彩辨识度特征直方图之间的相似度，确定子图像的色彩辨识度特征值。
例如，可以用计算两个直方图的距离公式来表示血管图像区域的H值分布直方图和其他图像区域的H值分布直方图之间的相似度。上述执行主体可以将上述三个步骤获取的数值输入以下公式，确定Hi-vessel与Hi-other的距离dist。
Figure BDA0002024762730000082
然后，可以计算子图像的色差辨识度特征值。其中，该色差辨识度特征值可以记作Ci。将得出的Hi-vessel与Hi-other的距离dist输入以下公式：
Ci＝δ·dist
其中，dist表示Hi-vessel与Hi-other的距离，Ci表示色差辨识度特征值。δ表示预设的值，可选的，δ可以通过专业技术人员对子图像的色差辨识度特征值Ci打分(例如，Ci为0到1)，然后采用多重线性回归确定δ系数。
在一些可选的实现方式中，上述执行主体可以对子图像进行清晰度特征分析。具体的，上述执行主体可以通过以下步骤对子图像进行清晰度特征分析：
第一步，从子图像中提取绿色通道图像。
从RGB颜色空间的三个颜色通道中提取出绿色通道图像，记作G。
第二步，确定子图像的绿色通道图像的像素的强度值。
例如，上述执行主体可以采用Sobel算子公式计算G在水平方向与垂直方向的导数。表示水平方向G的导数
Figure BDA0002024762730000091
Figure BDA0002024762730000092
其中，Sx表示水平方向的Sobel算子，Sy表示垂直方向Sobel算子。
G在水平方向与垂直方向的导数分别为:
水平方向导数：
Figure BDA0002024762730000093
垂直方向导数：
Figure BDA0002024762730000094
其中，
Figure BDA0002024762730000095
为卷积操作。Gx表示水平方向G的导数，Gy表示垂直方向G的导数，Sx表示水平方向的Sobel算子，Sy表示垂直方向的Sobel算子。
将上述得到的数值输入以下公式，确定出G的像素的强度，记作Gnorm。
Figure BDA0002024762730000096
选取绿色通道图像G中Gnorm值大于阈值t2的像素，并将这些像素进行求和，将求和结果记作Gsum。其中，t2是一个较接近于0的阈值。例如，一般可以选择上述眼底图像中所有像素的Gnorm值的均值的三分之一作为阈值t2。
第三步，基于强度值，确定子图像的清晰度特征值。
然后，上述执行主体可以计算子图像的清晰度特征值。其中，该清晰度特征值可以记作Fi。将得出的Gsum输入以下公式：
Fi＝∈·Gsum
其中，Gsum表示像素的Gnorm值大于阈值t2的像素的相加值，Fi表示清晰度特征值。∈表示预设的值，可选的，∈可以通过专业技术人员对子图像的色差辨识度特征值Ci打分(例如，Fi为0到1)，然后采用多重线性回归确定∈系数。
继续参见图3，图3是根据本公开的实施例的用于处理图像的方法的应用场景的一个示意图。在图3的应用场景中，摄像设备301与服务器302连接，服务器302接收摄像设备301发来的眼底图像304。服务器302从眼底图像304提取出血管图像区域3051、视盘图像区域3052、黄斑图像区域3053、其他图像区域3054。然后，将眼底图像划分成眼底图像的子图像306，进行子图像分析307，生成图像分析处理结果。可选地，还可以最后在终端设备303显示出图像分析处理结果。
目前，现有的图像处理技术都是对整张眼底图像进行图像分析，只能整体确定该张眼底图像可读。而本公开的上述实施例提供的用于处理图像的方法，首先可以获取眼底图像。然后对眼底图像进行处理，从眼底提取出血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域。之后，从眼底图像中划分出子图像。最后对子图像进行图像分析处理，得到图像分析处理结果，并呈现出来。本实施例的方法，服务器可以根据呈现出来的眼底图像的每一个子图像的图像分析处理结果，可以确定出眼底图像的哪些子图像区域可读，有利于提高图像的利用率。
进一步参考图4，其示出了根据本公开的用于处理图像的方法的又一个实施例的流程图400。该用于处理图像的方法，包括以下步骤：
步骤401，获取眼底图像。
步骤402，从眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域。
步骤403，从眼底图像中划分出子图像。
步骤404，基于所提取的图像区域，对子图像进行图像分析。
在本实施例中，上述步骤401、步骤402、步骤403、步骤404分别与前述实施例中的步骤201、步骤202、步骤203和步骤204一致，上文针对步骤201、步骤202、步骤203及步骤204的描述也适用于步骤401、步骤402、步骤403及步骤404，此处不再赘述。
步骤405，基于总特征值与预设阈值的对比，生成图像分析结果以及存储图像分析结果。
在本实施例中，上述执行主体首先可以计算出总特征值。其中，总特征值可以是基于以下至少之一生成的：亮度特征值，色彩辨识度特征值，清晰度特征值。例如，上述执行主体可以将上述得到的亮度特征值Bi、色彩辨识度特征值Ci、清晰度特征值Fi，输入以下公式中，得到子图像的总特征值，记作scorei。
scorei＝Bi+Ci+Fi
其中，scorei表示子图像的总特征值，Bi表示亮度特征值，Fi表示清晰度特征值。
在本实施例中，上述执行主体得到总特征值scorei后，可以将上述总特征值scorei与实验得出的阈值T进行对比，生成图像分析结果。其中，这里的图像分析结果可以是scorei大于T。然后，上述执行主体将各个子图像的图像分析结果进行储存。
步骤406，控制信息呈现设备对图像分析结果进行呈现。
在本实施例中，上述执行主体将上述得到的子图像的图像分析结果通过信息呈现设备呈现出来。上述信息呈现设备可以是与上述执行主体通信连接的、用于呈现上述执行主体发送的图像分析结果的设备。上述执行主体可以向上述信息呈现设备发送控制信号，进而控制信息呈现设备对图像分析结果进行呈现。其中，这里的信息呈现设备可以是电脑显示屏，上述执行主体通过电脑显示屏把图像分析结果呈现出来。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于处理图像的方法的流程400体现了基于总特征值与预设阈值的对比，生成图像分析结果以及存储图像分析结果的步骤，以及控制信息呈现设备对图像分析结果进行呈现。根据呈现出的眼底图像的子图像的图像分析处理结果，可以确定出眼底图像中的可读的子图像区域，有利于提高图像的利用率。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了用于处理图像的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例提供的用于处理图像的装置500包括图像获取单元501、提取单元502、图像划分单元503和图像分析单元504。其中，图像获取单元501，被配置成获取眼底图像。提取单元502，被配置成从眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域。其中，其他图像区域为眼底图像中除去血管图像区域、视盘图像区域、黄斑图像区域的图像区域。图像划分单元503，被配置成从眼底图像中划分出子图像。图像分析单元504，被配置成基于所提取的图像区域，对子图像进行图像分析。图像分析单元504，被进一步配置成响应于所提取的图像区域包括视盘图像区域和黄斑图像区域，提取上述子图像中像素的红绿蓝RGB颜色空间的颜色特征；将RGB颜色空间的颜色特征转换为色调饱和度亮度HSV颜色空间的颜色特征；确定子图像的视盘图像区域面积和黄斑图像区域面积；基于HSV颜色空间的颜色特征、子图像的视盘图像区域面积和黄斑图像区域面积，确定子图像的亮度特征值。图像分析单元504，被进一步配置成响应于所提取的图像区域包括血管图像区域和其他图像区域，提取子图像中血管图像区域的像素和其他图像区域的像素的RGB颜色空间的颜色特征；将RGB颜色空间的颜色特征转换为HSV颜色空间的颜色特征；基于RGB颜色空间的颜色特征、HSV颜色空间的颜色特征，确定子图像中血管图像区域的色彩辨识度特征直方图和其他图像区域的色彩辨识度特征直方图；基于子图像中血管区域的色彩辨识度特征直方图与其他图像区域的色彩辨识度特征直方图之间的相似度，确定子图像的色彩辨识度特征值。图像分析单元504，被进一步配置成从子图像中提取绿色通道图像；确定子图像的绿色通道图像的像素的强度值；基于强度值，确定子图像的清晰度特征值。
在本实施例中，用于处理图像装置500中：图像获取单元501、提取单元502、图像划分单元503和图像分析单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，用于处理图像装置还包括生成单元，被配置成基于总特征值与预设阈值的对比，生成图像分析结果以及存储图像分析结果。其中，总特征值是基于以下至少之一生成的：亮度特征值，色彩辨识度特征值，清晰度特征值。
在本实施例的一些可选的实现方式中，上述控制单元(未示出)，可以被配置成：控制信息呈现设备对图像分析结果进行呈现。
本公开的上述实施例提供的装置，通过图像获取单元501获取眼底图像，通过提取单元502从眼底图像中提取出各区域图像，通过图像划分单元503将眼底图像划分为子图像，通过图像分析单元504对子图像进行图像分析，通过控制单元将图像分析结果呈现出来。针对眼底图像的每一个子图像进行图像分析处理，在提取出子图像内部分别属于视盘图像区域、黄斑图像区域、血管图像区域的基础上进行图像处理分析，确定出眼底图像的可读子图像区域，从而提高了眼底图像的利用率。
下面参考图6，下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD，LiquidCrystal Display)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。
需要说明的是，本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(Radio Frequency，射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取眼底图像；从眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域，其中，其他图像区域为眼底图像中除去血管图像区域、视盘图像区域、黄斑图像区域的图像区域；从眼底图像中划分出子图像；基于所提取的图像区域，对子图像进行图像分析。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括图像获取单元、提取单元、图像划分单元和图像分析单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，图像划分单元还可以被描述为“用于划分图像的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种用于处理图像的方法，包括：
获取眼底图像；
从所述眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域，其中，所述其他图像区域为眼底图像中除去所述血管图像区域、视盘图像区域、黄斑图像区域的图像区域；
从所述眼底图像中划分出子图像；
基于所提取的图像区域，对所述子图像进行图像分析；
其中，所述基于所提取的图像区域，对所述子图像进行图像分析，包括：
响应于所提取的图像区域包括视盘图像区域和黄斑图像区域，提取所述子图像中像素的红绿蓝RGB颜色空间的颜色特征；
将所述RGB颜色空间的颜色特征转换为色调饱和度亮度HSV颜色空间的颜色特征；
确定所述子图像的视盘图像区域面积和黄斑图像区域面积；
基于所述HSV颜色空间的颜色特征、所述子图像的视盘图像区域面积和黄斑图像区域面积，确定所述子图像的亮度特征值。
2.根据权利要求1所述的方法，其中，所述基于所提取的图像区域，对所述子图像进行图像分析，包括：
响应于所提取的图像区域包括血管图像区域和其他图像区域，提取所述子图像中血管图像区域的像素和其他图像区域的像素的RGB颜色空间的颜色特征；
将所述RGB颜色空间的颜色特征转换为HSV颜色空间的颜色特征；
基于所述RGB颜色空间的颜色特征、所述HSV颜色空间的颜色特征，确定所述子图像中血管图像区域的色彩辨识度特征直方图和其他图像区域的色彩辨识度特征直方图；
基于所述子图像中血管区域的色彩辨识度特征直方图与其他图像区域的色彩辨识度特征直方图之间的相似度，确定所述子图像的色彩辨识度特征值。
3.根据权利要求1所述的方法，其中，所述基于所提取的图像区域，对所述子图像进行图像分析，包括：
从所述子图像中提取绿色通道图像；
确定所述子图像的绿色通道图像的像素的强度值；
基于所述强度值，确定所述子图像的清晰度特征值。
4.根据权利要求1所述的方法，其中，所述方法还包括：
基于第一总特征值与预设阈值的对比，生成图像分析结果以及存储所述图像分析结果，其中，所述第一总特征值是基于所述亮度特征值生成。
5.根据权利要求2所述的方法，其中，所述方法还包括：
基于第二总特征值与预设阈值的对比，生成图像分析结果以及存储所述图像分析结果，其中，所述第二总特征值是基于所述色彩辨识度特征值生成。
6.根据权利要求3所述的方法，其中，所述方法还包括：
基于第三总特征值与预设阈值的对比，生成图像分析结果以及存储所述图像分析结果，其中，所述第三总特征值是基于所述清晰度特征值生成。
7.根据权利要求4-6任一项所述的方法，其中，所述方法还包括：控制信息呈现设备对所述图像分析结果进行呈现。
8.一种用于处理图像的装置，包括：
图像获取单元，被配置成获取眼底图像；
提取单元，被配置成从所述眼底图像中提取以下图像区域中的至少一项：血管图像区域、视盘图像区域、黄斑图像区域、其他图像区域，其中，所述其他图像区域为眼底图像中除去所述血管图像区域、视盘图像区域、黄斑图像区域的图像区域；
图像划分单元，被配置成从所述眼底图像中划分出子图像；
图像分析单元，被配置成基于所提取的图像区域，对所述子图像进行图像分析；
其中，所述图像分析单元进一步被配置成：
响应于所提取的图像区域包括视盘图像区域和黄斑图像区域，提取所述子图像中像素的红绿蓝RGB颜色空间的颜色特征；
将所述RGB颜色空间的颜色特征转换为色调饱和度亮度HSV颜色空间的颜色特征；
确定所述子图像的视盘图像区域面积和黄斑图像区域面积；
基于所述HSV颜色空间的颜色特征、所述子图像的视盘图像区域面积和黄斑图像区域面积，确定所述子图像的亮度特征值。
9.根据权利要求8所述的装置，其中，所述图像分析单元进一步被配置成：
响应于所提取的图像区域包括血管图像区域和其他图像区域，提取所述子图像中血管图像区域的像素和其他图像区域的像素的RGB颜色空间的颜色特征；
将所述RGB颜色空间的颜色特征转换为HSV颜色空间的颜色特征；
基于所述RGB颜色空间的颜色特征、所述HSV颜色空间的颜色特征，确定所述子图像中血管图像区域的色彩辨识度特征直方图和其他图像区域的色彩辨识度特征直方图；
基于所述子图像中血管区域的色彩辨识度特征直方图与其他图像区域的色彩辨识度特征直方图之间的相似度，确定所述子图像的色彩辨识度特征值。
10.根据权利要求8所述的装置，其中，所述图像分析单元进一步被配置成：
从所述子图像中提取绿色通道图像；
确定所述子图像的绿色通道图像的像素的强度值；
基于所述强度值，确定所述子图像的清晰度特征值。
11.根据权利要求8所述的装置，其中，所述装置还包括：
第一生成单元，被配置成基于第一总特征值与预设阈值的对比，生成图像分析结果以及存储所述图像分析结果，其中，所述第一总特征值基于所述亮度特征值生成。
12.根据权利要求9所述的装置，其中，所述装置还包括：
第二生成单元，被配置成基于第二总特征值与预设阈值的对比，生成图像分析结果以及存储所述图像分析结果，其中，所述第二总特征值基于所述色彩辨识度特征值生成。
13.根据权利要求10所述的装置，其中，所述装置还包括：
第三生成单元，被配置成基于第三总特征值与预设阈值的对比，生成图像分析结果以及存储所述图像分析结果，其中，所述第三总特征值基于所述清晰度特征值生成。
14.根据权利要求11-13任一项所述的装置，其中，所述装置还包括：
控制单元，被配置成控制信息呈现设备对所述图像分析结果进行呈现。
15.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201910290527.5A 2019-04-11 2019-04-11 用于处理图像的方法和装置 Active CN110009627B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910290527.5A CN110009627B (zh) 2019-04-11 2019-04-11 用于处理图像的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910290527.5A CN110009627B (zh) 2019-04-11 2019-04-11 用于处理图像的方法和装置

Publications (2)

Publication Number Publication Date
CN110009627A CN110009627A (zh) 2019-07-12
CN110009627B true CN110009627B (zh) 2021-06-18

Family

ID=67171286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910290527.5A Active CN110009627B (zh) 2019-04-11 2019-04-11 用于处理图像的方法和装置

Country Status (1)

Country Link
CN (1) CN110009627B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113768461B (zh) * 2021-09-14 2024-03-22 北京鹰瞳科技发展股份有限公司 一种眼底图像分析方法、系统和电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103006175A (zh) * 2012-11-14 2013-04-03 天津工业大学 一种基于相位一致性的眼底图像视盘定位方法
CN103870838A (zh) * 2014-03-05 2014-06-18 南京航空航天大学 糖尿病视网膜病变的眼底图像特征提取方法
CN106651899A (zh) * 2016-12-09 2017-05-10 东北大学 基于Adaboost的眼底图像微动脉瘤检测系统
CN109166117A (zh) * 2018-08-31 2019-01-08 福州依影健康科技有限公司 一种眼底图像自动分析比对方法及一种存储设备
EP3449806A1 (en) * 2017-08-28 2019-03-06 Topcon Corporation Ophthalmologic apparatus
CN109544540A (zh) * 2018-11-28 2019-03-29 东北大学 一种基于图像分析技术的糖尿病视网膜图像质量检测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8896682B2 (en) * 2008-12-19 2014-11-25 The Johns Hopkins University System and method for automated detection of age related macular degeneration and other retinal abnormalities
CN107209933A (zh) * 2014-08-25 2017-09-26 新加坡科技研究局 用于评估视网膜图像以及从视网膜图像获得信息的方法和系统
CN106530316B (zh) * 2016-10-20 2019-02-19 天津大学 综合眼底图像边缘信息和亮度信息的视盘分割方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103006175A (zh) * 2012-11-14 2013-04-03 天津工业大学 一种基于相位一致性的眼底图像视盘定位方法
CN103870838A (zh) * 2014-03-05 2014-06-18 南京航空航天大学 糖尿病视网膜病变的眼底图像特征提取方法
CN106651899A (zh) * 2016-12-09 2017-05-10 东北大学 基于Adaboost的眼底图像微动脉瘤检测系统
EP3449806A1 (en) * 2017-08-28 2019-03-06 Topcon Corporation Ophthalmologic apparatus
CN109166117A (zh) * 2018-08-31 2019-01-08 福州依影健康科技有限公司 一种眼底图像自动分析比对方法及一种存储设备
CN109544540A (zh) * 2018-11-28 2019-03-29 东北大学 一种基于图像分析技术的糖尿病视网膜图像质量检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
AUTOMATIC FUNDUS IMAGE FIELD DETECTION AND QUALITY ASSESSMENT;Gajendra Jung Katuwal 等;《2013 IEEE Western New York Image Processing Workshop (WNYIPW)》;20140908;第9-13页 *
眼底图像的预处理与血管分割算法研究;贺明;《中国优秀硕士学位论文全文数据库 信息科技辑》;20181015(第（2018）10期);I138-625 *
糖网病辅助诊断的眼底图像处理研究;蔡震震;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20180915(第（2018）09期);E065-34 *

Also Published As

Publication number Publication date
CN110009627A (zh) 2019-07-12

Similar Documents

Publication Publication Date Title
US10827126B2 (en) Electronic device for providing property information of external light source for interest object
CN107622240B (zh) 人脸检测方法和装置
US9344690B2 (en) Image demosaicing
CN108197618B (zh) 用于生成人脸检测模型的方法和装置
CN107679466B (zh) 信息输出方法和装置
CN107220652B (zh) 用于处理图片的方法和装置
CN109784304B (zh) 用于标注牙齿图像的方法和装置
CN107622504B (zh) 用于处理图片的方法和装置
CN110516678B (zh) 图像处理方法和装置
CN109948699B (zh) 用于生成特征图的方法和装置
US10846560B2 (en) GPU optimized and online single gaussian based skin likelihood estimation
CN108388889B (zh) 用于分析人脸图像的方法和装置
CN109102484B (zh) 用于处理图像的方法和装置
TW201044323A (en) Image processing device, method, and program
CN110211030B (zh) 图像生成方法和装置
EP3471018B1 (en) Method and apparatus for evaluating illumination condition in face image
JP2020013553A (ja) 端末装置に適用される情報生成方法および装置
CN109389096A (zh) 检测方法和装置
US11804032B2 (en) Method and system for face detection
CN110473176B (zh) 图像处理方法及装置、眼底图像处理方法、电子设备
CN110189252B (zh) 生成平均脸图像的方法和装置
CN110009627B (zh) 用于处理图像的方法和装置
CN109241930B (zh) 用于处理眉部图像的方法和装置
JP2021006982A (ja) 文字の色を決定する方法および装置
US9911061B2 (en) Fast histogram-based object tracking

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
TA01 Transfer of patent application right

Effective date of registration: 20200401

Address after: 100000 Room 220, 2nd Floor, Building 4, No. 1, Shangdi East Road, Haidian District, Beijing

Applicant after: Beijing Confucius Health Technology Co.,Ltd.

Address before: 100085 Beijing, Haidian District, No. ten on the ground floor, No. 10 Baidu building, layer 2

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant