CN110189312B - 眼底图像的亮度评估方法、装置、电子设备及存储介质 - Google Patents
眼底图像的亮度评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110189312B CN110189312B CN201910440756.0A CN201910440756A CN110189312B CN 110189312 B CN110189312 B CN 110189312B CN 201910440756 A CN201910440756 A CN 201910440756A CN 110189312 B CN110189312 B CN 110189312B
- Authority
- CN
- China
- Prior art keywords
- pixel
- brightness
- pixel block
- blocks
- value
- 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
Images
Classifications
-
- 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
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Abstract
本申请提出一种眼底图像的亮度评估方法、装置、电子设备及存储介质,其中,该方法包括:获取待评估的眼底图像;将所述眼底图像分割成块,得到所述眼底图像的多个像素块;根据所述多个像素块的像素亮度值计算所述多个像素块的代表亮度值;确定目标亮度阈值;将所述多个像素块的代表亮度值与所述亮度阈值进行大小比对,以对所述眼底图像进行亮度评估。由此,能够更准确的确定眼底图像的局部亮度情况,进而提高了眼底图像局部质量的评估准确性,从而能够更准确高质量的进行疾病筛查,尽可能减少由眼底图像质量低导致的误诊。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种眼底图像的亮度评估方法、装置、电子设备及存储介质。
背景技术
随着眼底照相机的使用越来越多,我们可以获得大量的眼底图像,从而根据眼底图像进行眼底疾病的诊断。比如,通过眼底图像诊断糖尿病性视网膜病变、青光眼和年龄相关性黄斑变性等眼底疾病。由于质量差的眼底图像可能会误导诊断结果,因此,准确评估眼底图像的质量对自动筛查眼部疾病具有显著影响。
然而,由于不均匀的照明、个人眼睛对闪光的敏感度、小瞳、拍照方式不正确等原因,导致了许多眼底图像的质量较差,而其中主要是因亮度不均匀,导致的局部过亮/过暗现象,造成眼底图像部分不可读。因此,为了降低漏诊率、误诊率,对眼底图像的亮度是否均匀进行评估即进行亮度评估,以确定图像是否有用或眼底图像的质量是否足以用于随后的疾病诊断,从而推荐是否需要重新拍摄就变得至关重要。
相关技术中,进行眼底图像亮度评估时,通常是计算整张图片的亮度均值,通过计算待评测图像和参考图像对应像素点灰度值之间的差异,从统计角度衡量待评测图像的质量优劣,但是这种方式是从图像像素值的全局统计出发,未考虑人眼的局部视觉因素,因此不能准确评估眼底图像的局部亮度情况,眼底图像局部质量的评估准确性低。
发明内容
本申请实施例提出一种眼底图像的亮度评估方法、装置、电子设备及存储介质,用于解决相关技术中的眼底图像亮度评估方式,从图像像素值的全局统计出发,未考虑人眼的局部视觉因素,因此不能准确评估眼底图像的局部亮度情况,眼底图像局部质量的评估准确性低的技术问题。
为此,本申请一方面实施例提出一种眼底图像的亮度评估方法,该方法包括:获取待评估的眼底图像;将所述眼底图像分割成块,得到所述眼底图像的多个像素块;根据所述多个像素块的像素亮度值计算所述多个像素块的代表亮度值;确定目标亮度阈值;将所述多个像素块的代表亮度值与所述亮度阈值进行大小比对,以对所述眼底图像进行亮度评估。
本申请另一方面实施例提出了一种眼底图像的亮度评估装置,该装置包括:眼底图像获取模块,用于获取待评估的眼底图像;图像分割模块,用于将所述眼底图像分割成块,得到所述眼底图像的多个像素块;代表亮度值计算模块,用于根据所述多个像素块的像素亮度值计算所述多个像素块的代表亮度值;亮度阈值确定模块,用于确定目标亮度阈值;亮度评估模块,用于将所述多个像素块的代表亮度值与所述亮度阈值进行大小比对,以对所述眼底图像进行亮度评估。
本申请又一方面实施例提出了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面实施例所述的眼底图像的亮度评估方法。
本申请的又一方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,以实现如第一方面实施例所述的眼底图像的亮度评估方法。
本申请公开的技术方案,具有如下有益效果:
考虑了人眼的局部视觉因素,实现了对眼底图像的局部亮度的评估,能更准确的确定眼底图像局部亮度情况,有效检测眼底图像是否亮度不均匀,是否出现局部过曝/欠曝的现象,造成眼底图像部分不可读,进而提高了眼底图像局部质量的评估准确性,从而能够更准确高质量的进行疾病筛查,尽可能减少由眼底图像质量低导致的误诊。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请一个实施例的眼底图像的亮度评估方法的流程示意图;
图2为本申请一个实施例的眼底图像的示例图;
图3为本申请一个实施例的亮度正常的参考图像中每个像素块的亮度均值分布曲线图;
图4为本申请一个实施例的曝光的参考图像中每个像素块的亮度均值分布曲线图;
图5为本申请一个实施例的欠曝光的参考图像中每个像素块的亮度均值分布曲线图;
图6为本申请另一个实施例的眼底图像的亮度评估方法的流程示意图;
图7为本申请一个实施例的眼底图像的亮度评估装置的结构示意图;
图8为本申请另一个实施例的眼底图像的亮度评估装置的结构示意图;
图9为本申请一个实施例的电子设备的结构示意图;
图10为本申请另一个实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
本申请各实施例针对相关技术中的眼底图像亮度评估方式,是从图像像素值的全局统计出发,未考虑人眼的局部视觉因素,因此不能准确评估眼底图像的局部亮度情况,眼底图像局部质量的评估准确性低的技术问题,提出一种眼底图像的亮度评估方法。
本申请实施例提供的眼底图像的亮度评估方法,通过将获取的待评估的眼底图像分割成块,根据得到的多个像素块的像素亮度值计算多个像素块的代表亮度值,从而将多个像素块的代表亮度值与确定的目标亮度阈值进行大小比对,以对眼底图像进行亮度评估,考虑了人眼的局部视觉因素,能更准确的确定眼底图像局部亮度情况,进而提高了眼底图像局部质量的评估准确性,从而能够更准确高质量的进行疾病筛查,尽可能减少由眼底图像质量低导致的误诊。
下面参考附图描述本申请实施例的眼底图像的亮度评估方法、装置、电子设备及计算机可读存储介质。
下面结合附图1,对本申请实施例提供的眼底图像的亮度评估方法进行具体说明。
图1为本申请一个实施例的眼底图像的亮度评估方法的流程示意图。
如图1所示,本申请的眼底图像的亮度评估方法可以包括以下步骤:
步骤101,获取待评估的眼底图像。
具体的,本申请实施例提供的眼底图像的亮度评估方法,可以由本申请实施例提供的眼底图像的亮度评估装置,以下简称评估装置执行,该装置可以被配置在电子设备中,以准确确定眼底图像的局部亮度情况,进而提高眼底图像局部质量的评估准确性。其中,电子设备可以是任意能够进行图像数据处理的硬件设备,比如智能手机、笔记本电脑、可穿戴设备等等。
其中,待评估的眼底图像,可以是通过评估装置所在的电子设备中的眼底照相机拍摄的眼底图像,也可以是从其它电子设备获取的眼底图像,还可以是通过其它任意方式获取的眼底图像,本申请对此不作限制。
步骤102,将眼底图像分割成块,得到眼底图像的多个像素块。
具体的,可以将眼底图像以多条横向分割线和多条纵向分割线进行分割,从而将眼底图像分割成多个像素块,每个像素块中包括多个像素。
比如,假设以像素为单位,眼底图像尺寸为256*256,则可以将眼底图像按照图2所示的方式分割成16*16块,从而每个像素块中包括16*16个像素。
需要说明的是,将眼底图像按照图2所示的分割方式分割后,每个像素块中包括的像素个数相同,在实际应用中,将图像分割成块后,每个像素块中的像素个数也可以不同,本申请对此不作限制。
另外,在本申请实施例中,还可以在进行图像分割后,为每个像素块设置一个对应的坐标,从而方便通过像素块的坐标,确定对应的像素块在眼底图像中的位置。
比如如图2所示,坐标为(1,4)的像素块,可以对应第2行5列的像素块,坐标为(2,3)的像素块,可以对应第3行4列的像素块,等等,从而可以通过坐标,快速确定像素块在眼底图像中的位置。
步骤103,根据多个像素块的像素亮度值计算多个像素块的代表亮度值。
具体实现时,可以将多个像素块按照其在眼底图像中的位置进行分类,然后对不同位置的像素块,根据像素块的像素亮度值,采用不同的计算方式,分别计算其代表亮度值。比如,对于眼底图像中眼底边缘所在位置的像素块,和对于眼底图像中眼底结构部分的像素块,可以按照不同的计算方式,计算其代表亮度值。
其中,每个像素块的像素亮度值,可以包括该像素块中所有像素的亮度值。
需要说明的是,对于像素块的代表亮度值的计算方式,将在下述实施例中进行详细介绍,此处不作说明。
另外,可以理解的是,眼底图像通常为彩色图像,那么,在本申请实施例中,可以先将眼底图像缩放至预设大小尺寸,然后将缩放后的眼底图像从RGB颜色空间转换到HSV颜色空间,再对图像进行分割,从而通过每个像素块中,各像素的V通道的亮度值,计算每个像素块的代表亮度值。当然,也可以将眼底图像转换到其它的颜色空间,比如,转换到HSL空间,然后通过L通道的亮度值,计算每个像素块的代表亮度值,本申请对此不作限制。
步骤104,确定目标亮度阈值。
其中,目标亮度阈值,可以包括过亮阈值和过暗阈值。过亮阈值用来判断像素块亮度是否过亮,过暗阈值用来判断像素块亮度是否过暗。
具体实现时,可以通过步骤104a-104e的方式,确定目标亮度阈值。
步骤104a,确定参考图像,并将参考图像分割成块以得到参考图像的多个参考像素块。
其中,参考图像,可以包括亮度正常的眼底图像,及曝光、欠曝光等亮度不均匀的眼底图像。
在本申请实施例中,步骤104a的实现方式,与步骤102所述的实现方式相似,此处不再赘述。
步骤104b,确定参考图像中位于视盘外区域的第一参考像素块。
步骤104c,确定参考图像中位于视盘区域的第二参考像素块。
步骤104d,确定参考图像中位于眼底部分区域的第三参考像素块。
步骤104e,根据第一参考像素块的亮度均值、第二参考像素块的亮度均值和第三参考像素块的亮度均值,确定过亮阈值和过暗阈值。
其中,可以通过将第一参考像素块的像素亮度值之和,除以第一参考像素块中的像素个数,得到第一参考像素块的亮度均值。类似的,可以得到第二参考像素块的亮度均值和第三参考像素块的亮度均值。
具体实现时,可以获取大量的参考图像,并将所有参考图像分割成块,然后确定每幅参考图像中,第一参考像素块的亮度均值、第二参考像素块的亮度均值和第三参考像素块的亮度均值,以根据大量参考图像中,第一参考像素块的亮度均值、第二参考像素块的亮度均值和第三参考像素块的亮度均值,准确确定过亮阈值和过暗阈值。
具体的,可以通过下面的标准,确定过亮阈值和过暗阈值。
所有亮度正常的眼底图像中,第一参考像素块的亮度均值均小于过亮阈值,所有第二参考像素块的亮度均值均大于过亮阈值,所有第三参考像素块的亮度均值均大于过暗阈值。
比如,假设将多幅256*256大小的参考图像均分割成16*16块,每幅参考图像中,按从左到右从上到下的顺序排列,为每个像素块设置一个对应的身份识别号码(ID号)。比如,最上边一行的像素块,按从左到右的顺序,ID号依次为0-15,第2行的像素块,按从左到右的顺序,ID号依次为16-31,直至最下边一行的像素块,按从左到右的顺序,ID号依次为240-255。然后可以按图3和图4、图5所示,绘制多幅参考图像中每个像素块的亮度均值分布曲线,其中,每条曲线对应一幅参考图像。其中,图3为亮度正常的参考图像中每个像素块的亮度均值分布曲线图,图4为曝光的参考图像中每个像素块的亮度均值分布曲线图,图5为欠曝光的参考图像中每个像素块的亮度均值分布曲线图。x轴为参考图像中每个像素块对应的ID号,y轴为每个像素块的亮度均值。则按照上述标准,结合图3、4、5,可以将过亮阈值确定为215,即图3-5中的leakage_th,将过暗阈值确定为35,即图3-5中的underexposure_th。
可以理解的是,在眼底图像中,由于每个像素点的亮度值数值多变,因此难以准确把控用于判断每个像素点亮度情况的目标亮度阈值。在本申请实施例中,通过将眼底图像分割成块,利用多幅正常亮度的眼底图像中,每个像素块的亮度均值分布情况,配合过曝、欠曝的眼底图像中每个像素块的亮度均值分布图,从统计角度来确定目标亮度阈值,使得确定的过亮阈值和过暗阈值更加准确,从而能更准确利用目标亮度阈值,确定眼底图像的局部亮度情况,进而进而提高眼底图像局部质量的评估准确性。
需要说明的是,步骤103和步骤104可以同时执行,也可以先执行步骤103再执行步骤104,也可以先执行步骤104再执行步骤103,本申请对此不作限制。在一种可能的实现形式中,步骤104也可以在获取待评估的眼底图像之前执行,从而在获取到待评估的眼底图像,并确定多个像素块的代表亮度值之后,可以直接利用确定的目标亮度阈值,对眼底图像进行亮度评估,以提高眼底图像的亮度评估速度。
步骤105,将多个像素块的代表亮度值与亮度阈值进行大小比对,以对眼底图像进行亮度评估。
具体的,步骤105可以通过以下方式实现:
判断多个像素块的代表亮度值是否大于过亮阈值;
判断多个像素块的代表亮度值是否小于过暗阈值;
如果代表亮度值大于过亮阈值,则从多个像素块中,确定出代表亮度值大于过亮阈值的第一像素块,并根据第一像素块的坐标间的位置关系获取局部曝光情况;
如果代表亮度值小于过暗阈值,则从多个像素块中,确定出代表亮度值小于过暗阈值的第二像素块,并根据第二像素块的坐标间的位置关系获取局部欠曝情况;
如果多个像素块的代表亮度值大于或等于过暗阈值,且小于或等于过亮阈值,则确定眼底图像中的亮度均匀。
具体实现时,若待评估的眼底图像中,存在代表亮度值大于过亮阈值的像素块,则可以将代表亮度值大于过亮阈值的像素块确定为第一像素块,并根据第一像素块的坐标间的位置关系,确定出待评估的眼底图像中的曝光区域。
若待评估的眼底图像中,存在代表亮度值小于过暗阈值的像素块,则可以将代表亮度值小于过暗阈值的像素块确定为第二像素块,并根据第二像素块的坐标间的位置关系,确定出待评估的眼底图像中的欠曝光区域。
比如,若待评估的眼底图像中,坐标为(1,2)、(1,3)、(1,4)、(2,2)、(2,3)、(2,4)的像素块的代表亮度值大于过亮阈值,则可以根据这些像素块的坐标间的位置关系,确定出待评估的眼底图像中,第2行第3-5列和第3行3-5列的像素块对应的区域为曝光区域。
若待评估的眼底图像中,所有像素块的代表亮度值均大于或等于过暗阈值,且小于或等于过亮阈值,则可以确定眼底图像中的亮度是均匀的,即眼底图像的质量足以用于随后的疾病诊断。
可以理解的是,不均匀的照明、个人眼睛对闪光的敏感度、小瞳、拍照方式不正确等原因导致的亮度不均匀,大部分都集中在局部区域,从而导致图像的部分区域不可读。在本申请实施例中,通过将眼底图像分割成块,并根据每个像素块的代表亮度值与目标亮度值的大小关系,对眼底图像的亮度进行评估,考虑了人眼的局部视觉因素,将局部不分散的特征作为重点,根据局部区域的亮度和位置特征来进行亮度评估,能更准确的确定眼底图像局部亮度情况,有效检测眼底图像是否亮度不均匀,是否出现局部过曝/欠曝的现象,造成眼底图像部分不可读,进而提高了眼底图像局部质量的评估准确性,从而能够更准确高质量的进行疾病筛查,尽可能减少由眼底图像质量低导致的误诊。
本申请实施例提供的眼底图像的亮度评估方法,通过将获取的待评估的眼底图像分割成块,根据得到的多个像素块的像素亮度值计算多个像素块的代表亮度值,从而将多个像素块的代表亮度值与确定的目标亮度阈值进行大小比对,以对眼底图像进行亮度评估,能够更准确的确定眼底图像的局部亮度情况,进而提高了眼底图像局部质量的评估准确性,从而能够更准确高质量的进行疾病筛查,尽可能减少由眼底图像质量低导致的误诊。
下面对本申请实施例提供的眼底图像的亮度评估方法进行进一步说明。
图6为本申请一个实施例的眼底图像的亮度评估方法的流程示意图。
如图6所示,本申请的眼底图像的亮度评估方法,可以包括以下步骤:
步骤201,获取待评估的眼底图像。
步骤202,将眼底图像分割成块,得到眼底图像的多个像素块。
步骤201-202的具体实现过程及原理,可以参照上述实施例的详细描述,此处不再赘述。
步骤203,确定多个像素块中的第一类像素块和第二类像素块。
其中,第一类像素块为眼底图像中眼底边缘所在位置的像素块,第二类像素块为眼底图像中眼底结构部分的像素块。
步骤204,根据第一类像素块的像素亮度值,按照第一计算方式计算第一类像素块的代表亮度值。
具体的,可以按照步骤204a-204c所示的方式,计算第一类像素块的代表亮度值。
204a,根据第一类像素块的像素亮度值计算第一类像素块的亮度均值。
204b,从第一类像素块中确定出亮度值小于第一类像素块的亮度均值的一半的目标像素。
具体的,可以将第一类像素块中所有像素的像素亮度值相加,再除以第一类像素块中的像素个数,得到第一类像素块的亮度均值。然后将第一像素块中亮度值小于第一类像素块的亮度均值的一半的像素确定为目标像素。
比如,假设像素块1为眼底图像中眼底边缘所在位置的一个像素块,即第一类像素块,像素块中包括8个像素:a1、a2、a3、a4、a5、a6、a7、a8,8个像素的像素亮度值依次为12、25、51、56、83、90、155、200,则可以确定像素块1的亮度均值为(12+25+51+56+83+90+155+200)/8=84。由于像素块1的亮度均值的一半为42,则可以将像素a1、a2确定为目标像素。
204c,将第一类像素块中的目标像素的亮度值置为预设阈值,之后根据第一类像素块中的所有像素亮度值计算第一类像素块的代表亮度值。
在示例性实施例中,预设阈值可以为0,则可以通过以下方式,根据第一类像素块中的所有像素亮度值计算第一类像素块的代表亮度值:
根据第一类像素块中的所有像素亮度值计算第一类像素块的像素亮度值之和;
确定第一类像素块中亮度值不为预设阈值的像素个数;
将第一类像素块的像素亮度值之和除以亮度值不为预设阈值的像素个数,得到第一类像素块的代表亮度值。
其中,第一类像素块中的所有像素的像素亮度值相加,即为第一类像素块的像素亮度值之和。
举例来说,继续利用前述示例,可以将像素a1、a2的亮度值置为0,然后根据像素块1的所有像素亮度值,计算得到像素块1的像素亮度值之和为0+0+12+25+51+56+83+90+155+200=635,并确定像素块中不为预设阈值0的像素个数为6,从而可以利用635/6,得到像素块1的代表亮度值为105.83。
可以理解的是,若都将每个像素块的亮度均值作为其代表亮度值,对于漏光图像的边缘块,如图2中坐标为(1,3)的像素块,则其亮度均值远低于过亮阈值,从而不能有效的将该像素块所在区域分类成曝光区域。本申请通过对眼底图像中眼底边缘所在位置的块进行特殊处理,将亮度值小于整个像素块的亮度均值的一半的像素的亮度值置为0,然后只计算非0部分的均值作为该像素块的代表亮度值,从而能够将该像素块所在区域准确分类为曝光区域,从而使得确定的眼底图像局部亮度情况更准确。
步骤205,根据第二类像素块的像素亮度值,按照第二计算方式计算第二类像素块的代表亮度值。
具体的,可以按照步骤205a-205c所示的方式,计算第二类像素块的代表亮度值。
步骤205a,根据第二类像素块中的像素亮度值计算第二类像素块的像素亮度值之和。
其中,第二类像素块中的所有像素的像素亮度值相加,即为第二类像素块的像素亮度值之和。
步骤205b,确定第二类像素块的面积。
具体的,第二类像素块的长乘宽,即为第二类像素块的面积。比如,以像素为单位,假设像素块2的尺寸为16*16,则可以确定像素块2的面积为256。
步骤205c,将第二类像素块的像素亮度值之和除以第二类像素块的面积,得到第二类像素块的代表亮度值。
步骤206,确定目标亮度阈值。
步骤207,将多个像素块的代表亮度值与目标亮度阈值进行大小比对,以对眼底图像进行亮度评估。
其中,上述步骤206-207的具体实现过程及原理,可以参照上述实施例的详细描述,此处不再赘述。
本申请实施例提供的眼底图像的亮度评估方法,在获取的待评估的眼底图像后,首先将眼底图像分割成块,得到眼底图像的多个像素块,然后确定多个像素块中的第一类像素块和第二类像素块,再根据第一类像素块的像素亮度值,按照第一计算方式计算第一类像素块的代表亮度值,根据第二类像素块的像素亮度值,按照第二计算方式计算第二类像素块的代表亮度值,并确定目标像素阈值,从而将多个像素块的代表亮度值与目标亮度阈值进行大小比对,以对眼底图像进行亮度评估。由此,能够更准确的确定眼底图像的局部亮度情况,进而提高了眼底图像局部质量的评估准确性,从而能够更准确高质量的进行疾病筛查,尽可能减少由眼底图像质量低导致的误诊。
下面参照附图描述本申请实施例提出的眼底图像的亮度评估装置。
图7为本申请一个实施例的眼底图像的亮度评估装置的结构示意图。
如图7所示,该眼底图像的亮度评估装置包括:眼底图像获取模块11、图像分割模块12、代表亮度值计算模块13、亮度阈值确定模块14、亮度评估模块15。
其中,眼底图像获取模块11,用于获取待评估的眼底图像;
图像分割模块12,用于将眼底图像分割成块,得到眼底图像的多个像素块;
代表亮度值计算模块13,用于根据多个像素块的像素亮度值计算多个像素块的代表亮度值;
亮度阈值确定模块14,用于确定目标亮度阈值;
亮度评估模块15,用于将多个像素块的代表亮度值与亮度阈值进行大小比对,以对眼底图像进行亮度评估。
具体的,本申请实施例提供的眼底图像的亮度评估装置,可以执行本申请前述实施例提供的眼底图像的亮度评估方法。其中,眼底图像的亮度评估装置,可以被配置在电子设备中,以准确确定眼底图像的局部亮度情况,进而提高眼底图像局部质量的评估准确性。其中,电子设备可以是任意能够进行数据处理的硬件设备,比如智能手机、笔记本电脑、可穿戴设备等等。
在一种可能的实现形式中,目标亮度阈值包括过亮阈值和过暗阈值;亮度阈值确定模块14具体用于:
确定参考图像,并将参考图像分割成块以得到参考图像的多个参考像素块;
确定参考图像中位于视盘外区域的第一参考像素块;
确定参考图像中位于视盘区域的第二参考像素块;
确定参考图像中位于眼底部分区域的第三参考像素块;
根据第一参考像素块的亮度均值、第二参考像素块的亮度均值和第三参考像素块的亮度均值,确定过亮阈值和过暗阈值。
在另一种可能的实现形式中,亮度评估模块15具体用于:
判断多个像素块的代表亮度值是否大于过亮阈值;
判断多个像素块的代表亮度值是否小于过暗阈值;
如果代表亮度值大于过亮阈值,则从多个像素块中,确定出代表亮度值大于过亮阈值的第一像素块,并根据第一像素块的坐标间的位置关系获取局部曝光情况;
如果代表亮度值小于过暗阈值,则从多个像素块中,确定出代表亮度值小于过暗阈值的第二像素块,并根据第二像素块的坐标间的位置关系获取局部欠曝情况;
如果多个像素块的代表亮度值大于或等于过暗阈值,且小于或等于过亮阈值,则确定眼底图像中的亮度均匀。
需要说明的是,本实施例的眼底图像的亮度评估装置的实施过程和技术原理,参见前述对第一方面实施例的眼底图像的亮度评估方法的解释说明,此处不再赘述。
本申请实施例提供的眼底图像的亮度评估装置,通过将获取的待评估的眼底图像分割成块,根据得到的多个像素块的像素亮度值计算多个像素块的代表亮度值,从而将多个像素块的代表亮度值与确定的目标亮度阈值进行大小比对,以对眼底图像进行亮度评估,能够更准确的确定眼底图像的局部亮度情况,进而提高了眼底图像局部质量的评估准确性,从而能够更准确高质量的进行疾病筛查,尽可能减少由眼底图像质量低导致的误诊。
为了实现上述实施例,本申请还提出一种眼底图像的亮度评估装置。
如图8所示,具体的,在图7所示的基础上,代表亮度值计算模块13,包括:
确定单元131,用于确定多个像素块中的第一类像素块和第二类像素块,其中,第一类像素块为眼底图像中眼底边缘所在位置的像素块,第二类像素块为眼底图像中眼底结构部分的像素块;
第一计算单元132,用于根据第一类像素块的像素亮度值,按照第一计算方式计算第一类像素块的代表亮度值;
第二计算单元133,用于根据第二类像素块的像素亮度值,按照第二计算方式计算第二类像素块的代表亮度值。
在一种可能的实现形式中,第一计算单元132具体用于:
根据第一类像素块的像素亮度值计算第一类像素块的亮度均值;
从第一类像素块中确定出亮度值小于第一类像素块的亮度均值的一半的目标像素;
将第一类像素块中的目标像素的亮度值置为预设阈值,之后根据第一类像素块中的所有像素亮度值计算第一类像素块的代表亮度值。
在另一种可能的实现形式中,预设阈值为0;第一计算单元132具体用于:
根据第一类像素块中的所有像素亮度值计算第一类像素块的像素亮度值之和;
确定第一类像素块中亮度值不为预设阈值的像素个数;
将第一类像素块的像素亮度值之和除以亮度值不为预设阈值的像素个数,得到第一类像素块的代表亮度值。
在另一种可能的实现形式中,第二计算单元133具体用于:
根据第二类像素块中的像素亮度值计算第二类像素块的像素亮度值之和;
确定第二类像素块的面积;
将第二类像素块的像素亮度值之和除以第二类像素块的面积,得到第二类像素块的代表亮度值。
需要说明的是,本实施例的眼底图像的亮度评估装置的实施过程和技术原理,参见前述对第一方面实施例的眼底图像的亮度评估方法的解释说明,此处不再赘述。
本申请实施例提供的眼底图像的亮度评估装置,通过将获取的待评估的眼底图像分割成块,根据得到的多个像素块的像素亮度值计算多个像素块的代表亮度值,从而将多个像素块的代表亮度值与确定的目标亮度阈值进行大小比对,以对眼底图像进行亮度评估,能够更准确的确定眼底图像的局部亮度情况,进而提高了眼底图像局部质量的评估准确性,从而能够更准确高质量的进行疾病筛查,尽可能减少由眼底图像质量低导致的误诊。
为了实现上述实施例,本申请还提出一种电子设备。
图9为本申请一个实施例的电子设备的结构示意图。图9显示的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示,上述电子设备200包括:存储器210、处理器220及存储在存储器210上并可在处理器220上运行的计算机程序,所述处理器220执行所述程序时,实现第一方面实施例所述的眼底图像的亮度评估方法。
具体的,电子设备可以是任意能够进行数据处理的硬件设备,比如智能手机、笔记本电脑、可穿戴设备等等。
在一种可选的实现形式中,如图10所示,该电子设备200还可以包括:存储器210及处理器220,连接不同组件(包括存储器210和处理器220)的总线230,存储器210存储有计算机程序,当处理器220执行所述程序时实现本申请实施例所述的眼底图像的亮度评估方法。
总线230表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备200典型地包括多种计算机设备可读介质。这些介质可以是任何能够被电子设备200访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器210还可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)240和/或高速缓存存储器250。电子设备200可以进一步包括其他可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统260可以用于读写不可移动的、非易失性磁介质(图10未显示,通常称为“硬盘驱动器”)。尽管图10中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其他光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线230相连。存储器210可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块270的程序/实用工具280,可以存储在例如存储器210中,这样的程序模块270包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块270通常执行本申请所描述的实施例中的功能和/或方法。
电子设备200也可以与一个或多个外部设备290(例如键盘、指向设备、显示器291等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其他计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口292进行。并且,电子设备200还可以通过网络适配器293与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图10所示,网络适配器293通过总线230与电子设备200的其他模块通信。应当明白,尽管图10中未示出,可以结合电子设备200使用其他硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
需要说明的是,本实施例的电子设备的实施过程和技术原理参见前述对第一方面实施例的眼底图像的亮度评估方法的解释说明,此处不再赘述。
本申请实施例提供的电子设备,通过将获取的待评估的眼底图像分割成块,根据得到的多个像素块的像素亮度值计算多个像素块的代表亮度值,从而将多个像素块的代表亮度值与确定的目标亮度阈值进行大小比对,以对眼底图像进行亮度评估,能够更准确的确定眼底图像的局部亮度情况,进而提高了眼底图像局部质量的评估准确性,从而能够更准确高质量的进行疾病筛查,尽可能减少由眼底图像质量低导致的误诊。
为实现上述实施例,本申请还提出一种计算机可读存储介质。
其中该计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,以实现第一方面实施例所述的眼底图像的亮度评估方法。
一种可选实现形式中,本实施例可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
计算机可读的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。计算机可读的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——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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申请操作的计算机程序代码,所述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)。
为实现上述实施例,本申请还提出一种计算机程序,当计算机程序产品中的指令由处理器执行时,执行如前述实施例所述的眼底图像的亮度评估方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (16)
1.一种眼底图像的亮度评估方法,其特征在于,包括:
获取待评估的眼底图像;
将所述眼底图像分割成块,得到所述眼底图像的多个像素块;
根据所述多个像素块的像素亮度值计算所述多个像素块的代表亮度值,其中,将所述多个像素块按照所述像素块在所述眼底图像中的位置进行分类,不同位置的像素块的代表亮度值的计算方式不同;
确定目标亮度阈值;
将所述多个像素块的代表亮度值与所述亮度阈值进行大小比对,以对所述眼底图像进行亮度评估。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个像素块的像素亮度值计算所述多个像素块的代表亮度值,包括:
确定所述多个像素块中的第一类像素块和第二类像素块,其中,所述第一类像素块为所述眼底图像中眼底边缘所在位置的像素块,所述第二类像素块为所述眼底图像中眼底结构部分的像素块;
根据所述第一类像素块的像素亮度值,按照第一计算方式计算所述第一类像素块的代表亮度值;
根据所述第二类像素块的像素亮度值,按照第二计算方式计算所述第二类像素块的代表亮度值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一类像素块的像素亮度值,按照第一计算方式计算所述第一类像素块的代表亮度值,包括:
根据所述第一类像素块的像素亮度值计算所述第一类像素块的亮度均值;
从所述第一类像素块中确定出亮度值小于所述第一类像素块的亮度均值的一半的目标像素;
将所述第一类像素块中的目标像素的亮度值置为预设阈值,之后根据所述第一类像素块中的所有像素亮度值计算所述第一类像素块的代表亮度值。
4.根据权利要求3所述的方法,其特征在于,所述预设阈值为0;所述根据所述第一类像素块中的所有像素亮度值计算所述第一类像素块的代表亮度值,包括:
根据所述第一类像素块中的所有像素亮度值计算所述第一类像素块的像素亮度值之和;
确定所述第一类像素块中亮度值不为所述预设阈值的像素个数;
将所述第一类像素块的像素亮度值之和除以所述亮度值不为所述预设阈值的像素个数,得到所述第一类像素块的代表亮度值。
5.根据权利要求2至4中任一项所述的方法,其特征在于,所述根据所述第二类像素块的像素亮度值,按照第二计算方式计算所述第二类像素块的代表亮度值,包括:
根据所述第二类像素块中的像素亮度值计算所述第二类像素块的像素亮度值之和;
确定所述第二类像素块的面积;
将所述第二类像素块的像素亮度值之和除以所述第二类像素块的面积,得到所述第二类像素块的代表亮度值。
6.根据权利要求1所述的方法,其特征在于,所述目标亮度阈值包括过亮阈值和过暗阈值;所述确定目标亮度阈值,包括:
确定参考图像,并将所述参考图像分割成块以得到所述参考图像的多个参考像素块;
确定所述参考图像中位于视盘外区域的第一参考像素块;
确定所述参考图像中位于视盘区域的第二参考像素块;
确定所述参考图像中位于眼底部分区域的第三参考像素块;
根据所述第一参考像素块的亮度均值、所述第二参考像素块的亮度均值和所述第三参考像素块的亮度均值,确定所述过亮阈值和过暗阈值。
7.根据权利要求6所述的方法,其特征在于,所述将所述多个像素块的代表亮度值与所述亮度阈值进行大小比对,以对所述眼底图像进行亮度评估,包括:
判断所述多个像素块的代表亮度值是否大于所述过亮阈值;
判断所述多个像素块的代表亮度值是否小于所述过暗阈值;
如果所述代表亮度值大于所述过亮阈值,则从所述多个像素块中,确定出所述代表亮度值大于所述过亮阈值的第一像素块,并根据所述第一像素块的坐标间的位置关系获取局部曝光情况;
如果所述代表亮度值小于所述过暗阈值,则从所述多个像素块中,确定出所述代表亮度值小于所述过暗阈值的第二像素块,并根据所述第二像素块的坐标间的位置关系获取局部欠曝情况;
如果所述多个像素块的代表亮度值大于或等于所述过暗阈值,且小于或等于所述过亮阈值,则确定所述眼底图像中的亮度均匀。
8.一种眼底图像的亮度评估装置,其特征在于,包括:
眼底图像获取模块,用于获取待评估的眼底图像;
图像分割模块,用于将所述眼底图像分割成块,得到所述眼底图像的多个像素块;
代表亮度值计算模块,用于根据所述多个像素块的像素亮度值计算所述多个像素块的代表亮度值,其中,将所述多个像素块按照所述像素块在所述眼底图像中的位置进行分类,不同位置的像素块的代表亮度值的计算方式不同;
亮度阈值确定模块,用于确定目标亮度阈值;
亮度评估模块,用于将所述多个像素块的代表亮度值与所述亮度阈值进行大小比对,以对所述眼底图像进行亮度评估。
9.根据权利要求8所述的装置,其特征在于,所述代表亮度值计算模块,包括:
确定单元,用于确定所述多个像素块中的第一类像素块和第二类像素块,其中,所述第一类像素块为所述眼底图像中眼底边缘所在位置的像素块,所述第二类像素块为所述眼底图像中眼底结构部分的像素块;
第一计算单元,用于根据所述第一类像素块的像素亮度值,按照第一计算方式计算所述第一类像素块的代表亮度值;
第二计算单元,用于根据所述第二类像素块的像素亮度值,按照第二计算方式计算所述第二类像素块的代表亮度值。
10.根据权利要求9所述的装置,其特征在于,所述第一计算单元具体用于:
根据所述第一类像素块的像素亮度值计算所述第一类像素块的亮度均值;
从所述第一类像素块中确定出亮度值小于所述第一类像素块的亮度均值的一半的目标像素;
将所述第一类像素块中的目标像素的亮度值置为预设阈值,之后根据所述第一类像素块中的所有像素亮度值计算所述第一类像素块的代表亮度值。
11.根据权利要求10所述的装置,其特征在于,所述预设阈值为0;所述第一计算单元具体用于:
根据所述第一类像素块中的所有像素亮度值计算所述第一类像素块的像素亮度值之和;
确定所述第一类像素块中亮度值不为所述预设阈值的像素个数;
将所述第一类像素块的像素亮度值之和除以所述亮度值不为所述预设阈值的像素个数,得到所述第一类像素块的代表亮度值。
12.根据权利要求9至11中任一项所述的装置,其特征在于,所述第二计算单元具体用于:
根据所述第二类像素块中的像素亮度值计算所述第二类像素块的像素亮度值之和;
确定所述第二类像素块的面积;
将所述第二类像素块的像素亮度值之和除以所述第二类像素块的面积,得到所述第二类像素块的代表亮度值。
13.根据权利要求8所述的装置,其特征在于,所述目标亮度阈值包括过亮阈值和过暗阈值;所述亮度阈值确定模块具体用于:
确定参考图像,并将所述参考图像分割成块以得到所述参考图像的多个参考像素块;
确定所述参考图像中位于视盘外区域的第一参考像素块;
确定所述参考图像中位于视盘区域的第二参考像素块;
确定所述参考图像中位于眼底部分区域的第三参考像素块;
根据所述第一参考像素块的亮度均值、所述第二参考像素块的亮度均值和所述第三参考像素块的亮度均值,确定所述过亮阈值和过暗阈值。
14.根据权利要求13所述的装置,其特征在于,所述亮度评估模块具体用于:
判断所述多个像素块的代表亮度值是否大于所述过亮阈值;
判断所述多个像素块的代表亮度值是否小于所述过暗阈值;
如果所述代表亮度值大于所述过亮阈值,则从所述多个像素块中,确定出所述代表亮度值大于所述过亮阈值的第一像素块,并根据所述第一像素块的坐标间的位置关系获取局部曝光情况;
如果所述代表亮度值小于所述过暗阈值,则从所述多个像素块中,确定出所述代表亮度值小于所述过暗阈值的第二像素块,并根据所述第二像素块的坐标间的位置关系获取局部欠曝情况;
如果所述多个像素块的代表亮度值大于或等于所述过暗阈值,且小于或等于所述过亮阈值,则确定所述眼底图像中的亮度均匀。
15.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1至7中任一项所述的眼底图像的亮度评估方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的眼底图像的亮度评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440756.0A CN110189312B (zh) | 2019-05-24 | 2019-05-24 | 眼底图像的亮度评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440756.0A CN110189312B (zh) | 2019-05-24 | 2019-05-24 | 眼底图像的亮度评估方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110189312A CN110189312A (zh) | 2019-08-30 |
CN110189312B true CN110189312B (zh) | 2021-06-29 |
Family
ID=67717786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910440756.0A Active CN110189312B (zh) | 2019-05-24 | 2019-05-24 | 眼底图像的亮度评估方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110189312B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080577B (zh) * | 2019-11-27 | 2023-05-26 | 北京至真互联网技术有限公司 | 眼底影像质量评估方法和系统、设备及存储介质 |
CN112542241A (zh) * | 2020-04-07 | 2021-03-23 | 徐敬媛 | 云存储式颜色特征分析平台及方法 |
CN111951214B (zh) * | 2020-06-24 | 2023-07-28 | 北京百度网讯科技有限公司 | 图像中可读区域的分割方法、装置、电子设备及存储介质 |
CN112508898A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 眼底图像的检测方法、装置及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102946791A (zh) * | 2010-06-17 | 2013-02-27 | 佳能株式会社 | 眼底图像获取设备及其控制方法 |
CN103916603A (zh) * | 2013-01-07 | 2014-07-09 | 华为终端有限公司 | 逆光检测方法及设备 |
CN104184958A (zh) * | 2014-09-17 | 2014-12-03 | 中国科学院光电技术研究所 | 一种适用于空间探测成像的基于fpga的自动曝光控制方法及其装置 |
CN105488768A (zh) * | 2015-11-27 | 2016-04-13 | 天津工业大学 | 一种眼底图像对比度增强方法 |
CN105590299A (zh) * | 2015-12-02 | 2016-05-18 | 浙江宇视科技有限公司 | 一种噪点变化判断方法及装置 |
CN105959585A (zh) * | 2016-05-12 | 2016-09-21 | 深圳众思科技有限公司 | 多级逆光检测方法及装置 |
CN106791475A (zh) * | 2017-01-23 | 2017-05-31 | 上海兴芯微电子科技有限公司 | 曝光调整方法及所适用的车载摄像装置 |
CN107451998A (zh) * | 2017-08-08 | 2017-12-08 | 北京大恒普信医疗技术有限公司 | 一种眼底图像质量控制方法 |
CN108761391A (zh) * | 2018-05-29 | 2018-11-06 | 南京信息工程大学 | 一种模型类无设备目标定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722888A (zh) * | 2012-05-22 | 2012-10-10 | 天津大学 | 基于生理与心理立体视觉的立体图像客观质量评价方法 |
CN108272434B (zh) * | 2017-12-07 | 2020-06-19 | 柯鑫 | 对眼底图像进行处理的方法及装置 |
CN109345525B (zh) * | 2018-09-27 | 2022-03-29 | 方玉明 | 一种去鬼影高动态范围图像质量评价方法 |
-
2019
- 2019-05-24 CN CN201910440756.0A patent/CN110189312B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102946791A (zh) * | 2010-06-17 | 2013-02-27 | 佳能株式会社 | 眼底图像获取设备及其控制方法 |
CN103916603A (zh) * | 2013-01-07 | 2014-07-09 | 华为终端有限公司 | 逆光检测方法及设备 |
CN104184958A (zh) * | 2014-09-17 | 2014-12-03 | 中国科学院光电技术研究所 | 一种适用于空间探测成像的基于fpga的自动曝光控制方法及其装置 |
CN105488768A (zh) * | 2015-11-27 | 2016-04-13 | 天津工业大学 | 一种眼底图像对比度增强方法 |
CN105590299A (zh) * | 2015-12-02 | 2016-05-18 | 浙江宇视科技有限公司 | 一种噪点变化判断方法及装置 |
CN105959585A (zh) * | 2016-05-12 | 2016-09-21 | 深圳众思科技有限公司 | 多级逆光检测方法及装置 |
CN106791475A (zh) * | 2017-01-23 | 2017-05-31 | 上海兴芯微电子科技有限公司 | 曝光调整方法及所适用的车载摄像装置 |
CN107451998A (zh) * | 2017-08-08 | 2017-12-08 | 北京大恒普信医疗技术有限公司 | 一种眼底图像质量控制方法 |
CN108761391A (zh) * | 2018-05-29 | 2018-11-06 | 南京信息工程大学 | 一种模型类无设备目标定位方法 |
Non-Patent Citations (5)
Title |
---|
"Automated quality evaluation of digital fundus photographs";Herman Bartling et al.;《ACTA OPHTHALMOLOGICA 2009》;20091231;第643-647页 * |
"Automated quality evaluation of digital fundus photographs";Herman Bartling et al;《Acta Ophthalmologica 2009》;20091231;第643-647页 * |
"Retinal Image Analysis using Image Processing Techniques";Lamiaa AbdelHamid et al.;《ResearchGate》;20170131;全文 * |
"基于人工交互分水岭区域合并的医学图像分割研究";吕晓琪 等;《中国医学影像学杂志》;20101231(第6期);第518页 * |
"彩色眼底图像质量自动评估";王翠翠;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20190115(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110189312A (zh) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110189312B (zh) | 眼底图像的亮度评估方法、装置、电子设备及存储介质 | |
US11467661B2 (en) | Gaze-point determining method, contrast adjusting method, and contrast adjusting apparatus, virtual reality device and storage medium | |
US8103121B2 (en) | Systems and methods for determination of a camera imperfection for an image | |
CN111862228B (zh) | 遮挡检测的方法、系统、计算机设备和可读存储介质 | |
WO2019011195A1 (en) | CONTROL METHOD, TERMINAL EQUIPMENT, AND COMPUTER-READABLE NON-TRANSITORY STORAGE MEDIUM FOR AUTOMATIC EXPOSURE CONTROL OF A REGION OF INTEREST | |
CN112767392B (zh) | 图像清晰度确定方法、装置、设备及存储介质 | |
US8368803B2 (en) | Setting exposure attributes for capturing calibration images | |
US9679216B2 (en) | Morphological automatic triangle orientation detection | |
US11074742B2 (en) | Image processing apparatus, image processing method, and storage medium | |
US20220174222A1 (en) | Method for marking focused pixel, electronic device, storage medium, and chip | |
CN113724652A (zh) | OLED显示面板Mura的补偿方法、装置及可读介质 | |
CN111951214B (zh) | 图像中可读区域的分割方法、装置、电子设备及存储介质 | |
WO2024061194A1 (zh) | 样本标签的获取方法和镜头失效检测模型的训练方法 | |
CN113947588A (zh) | 煤岩识别方法、装置以及存储介质 | |
WO2021195873A1 (zh) | 识别sfr测试卡图像中感兴趣区域的方法及装置、介质 | |
CN116862810A (zh) | 亮度调节方法和装置 | |
CN107527011B (zh) | 一种非接触式皮肤电阻变化趋势检测方法、装置及设备 | |
CN115222653A (zh) | 测试方法和装置 | |
CN114359166A (zh) | 屏幕颜色检测方法、装置、设备及存储介质 | |
KR102257998B1 (ko) | 세포 계수 장치 및 방법 | |
CN115484860A (zh) | 超光谱视网膜图像中的阴影的实时检测和校正 | |
US20240089606A1 (en) | Reference frame selection for multi-frame image processing pipelines and other applications | |
CN111062984A (zh) | 视频图像区域面积的测量方法、装置、设备及存储介质 | |
AU2021101135A4 (en) | Fundus Image Processing Method and Device | |
US20230245494A1 (en) | Automatic face and human subject enhancement algorithm for digital images |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200327 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. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |