CN110956596B - 基于近红外成像的图像处理方法及终端 - Google Patents

基于近红外成像的图像处理方法及终端 Download PDF

Info

Publication number
CN110956596B
CN110956596B CN201911248936.5A CN201911248936A CN110956596B CN 110956596 B CN110956596 B CN 110956596B CN 201911248936 A CN201911248936 A CN 201911248936A CN 110956596 B CN110956596 B CN 110956596B
Authority
CN
China
Prior art keywords
matrix
new element
image
channel
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
Application number
CN201911248936.5A
Other languages
English (en)
Other versions
CN110956596A (zh
Inventor
周俊波
陈健敏
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 Yuanhua Medical Equipment Technology Co ltd
Original Assignee
Shenzhen Yuanhua Medical Equipment 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 Yuanhua Medical Equipment Technology Co ltd filed Critical Shenzhen Yuanhua Medical Equipment Technology Co ltd
Priority to CN201911248936.5A priority Critical patent/CN110956596B/zh
Publication of CN110956596A publication Critical patent/CN110956596A/zh
Application granted granted Critical
Publication of CN110956596B publication Critical patent/CN110956596B/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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • 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
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于近红外成像的图像处理方法及终端，方法包括：分别获取不同方向上的卷积核，所述卷积核的维度为n，方向数为m；通过遍历的方式从原始灰度图像中获取感兴趣矩阵，所述感兴趣矩阵的维度为n；将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算，得到m个新元素矩阵；将m个所述新元素矩阵中相同坐标的新元素值取最大值，得到预处理图像矩阵；对所述预处理图像矩阵进行彩色赋值，得到最终图像。将原始灰度图像与卷积核进行卷积运算可以得到一幅血管增强而非血管抑制的预处理图像，预处理图像仍然很好地保留了血管的相对深度信息；将预处理图像进行彩色赋值，使其具有更好的人眼辨识度。

Description

基于近红外成像的图像处理方法及终端
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于近红外成像的图像处理方法及终端。
背景技术
目前市面上有利用近红外投影式血管显像仪进行图像处理，为了区分血管与非血管，绝大多数都是采用二值化算法，即血管和非血管经二值化后最终只有两种数值(如血管用0表示，非血管用255表示)。这种传统二值化算法低于一定阈值用0表示，高于一定阈值用255表示，忽略了血管的深度信息。且该算法的弊端是血管边缘噪点非常多，血管与非血管过度生硬，血管提取质量差，同时不能保留血管的相对深度信息。
发明内容
本发明所要解决的技术问题是：提供一种基于近红外成像的图像处理方法及终端，血管提取质量好，且可保留血管的相对深度信息。
为了解决上述技术问题，本发明采用的技术方案为：
一种基于近红外成像的图像处理方法，包括：
分别获取不同方向上的卷积核，所述卷积核的维度为n，方向数为m；
通过遍历的方式从原始灰度图像中获取感兴趣矩阵，所述感兴趣矩阵的维度为n；
将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算，得到m个新元素矩阵；
将m个所述新元素矩阵中相同坐标的新元素值取最大值，得到预处理图像矩阵；
对所述预处理图像矩阵进行彩色赋值，得到最终图像。
本发明采用的另一技术方案为：
一种基于近红外成像的图像处理终端，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
分别获取不同方向上的卷积核，所述卷积核的维度为n，方向数为m；
通过遍历的方式从原始灰度图像中获取感兴趣矩阵，所述感兴趣矩阵的维度为n；
将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算，得到m个新元素矩阵；
将m个所述新元素矩阵中相同坐标的新元素值取最大值，得到预处理图像矩阵；
对所述预处理图像矩阵进行彩色赋值，得到最终图像。
本发明的有益效果在于：将原始灰度图像与卷积核进行卷积运算可以得到一幅血管增强而非血管抑制的预处理图像，预处理图像仍然很好地保留了血管的相对深度信息；将预处理图像进行彩色赋值，使其具有更好的人眼辨识度。本发明的基于近红外成像的图像处理方法对血管图像的提取质量好，且可保留血管的相对深度信息。
附图说明
图1为本发明实施例一的基于近红外成像的图像处理方法的流程图；
图2为本发明实施例一的血管的原始灰度图像；
图3为本发明实施例一的通过遍历的方式从原始灰度图像中获取感兴趣矩阵的示意图；
图4为本发明实施例一的得到新元素矩阵的示意图；
图5为本发明实施例一的将卷积核与感兴趣矩阵做卷积运算的示意图；
图6为本发明实施例一的得到预处理图像矩阵的示意图；
图7为本发明实施例二的图像处理终端的示意图。
标号说明：
100、图像处理终端；1、存储器；2、处理器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于：对原始灰度图像先进行卷积运算再进行彩色赋值，可以很好地保留血管的相对深度信息，且具有很好的人眼辨识度。
请参照图1，一种基于近红外成像的图像处理方法，包括：
分别获取不同方向上的卷积核，所述卷积核的维度为n，方向数为m；
通过遍历的方式从原始灰度图像中获取感兴趣矩阵，所述感兴趣矩阵的维度为n；
将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算，得到m个新元素矩阵；
将m个所述新元素矩阵中相同坐标的新元素值取最大值，得到预处理图像矩阵；
对所述预处理图像矩阵进行彩色赋值，得到最终图像。
从上述描述可知，本发明的有益效果在于：将原始灰度图像与卷积核进行卷积运算可以得到一幅血管增强而非血管抑制的预处理图像，预处理图像仍然很好地保留了血管的相对深度信息；将预处理图像进行彩色赋值，使其具有更好的人眼辨识度。
进一步的，所述对所述预处理图像矩阵进行彩色赋值，得到最终图像具体包括：
当所述预处理图像矩阵中的新元素值在[0,51]时，G通道值为新元素值×5，R通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[52,105]时，B通道值为(新元素值-51)×5，R通道和G通道值为0；
当所述预处理图像矩阵中的新元素值在[106,153]时，R通道值为(新元素值-105)×5，G通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[154,255]时，R通道值为255，G通道和B通道值为0。
由上述描述可知，对于不同区间的灰度值进行不同的彩色赋值处理，以便提高人眼辨识度。
进一步的，按从左至右、从上往下的顺序遍历所述原始灰度图像，得到所述感兴趣矩阵。
进一步的，所述将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算具体包括：将所述感兴趣矩阵与卷积核中相同坐标元素相乘后进行相加，将相加得到的和除以n2，得到所述新元素矩阵中的新元素值。
进一步的，n的数值范围是[27,39]，m的数值范围是[6,12]。
由上述描述可知，n、m的取值不宜过大或者过小，过大会导致运算量大，处理时间长；过小则图像处理效果不好。
请参照图7，本发明的涉及的另一技术方案为：
一种基于近红外成像的图像处理终端100，包括存储器1和处理器2，所述存储器1中存储有计算机程序，所述处理器2执行所述计算机程序时实现以下步骤：
分别获取不同方向上的卷积核，所述卷积核的维度为n，方向数为m；
通过遍历的方式从原始灰度图像中获取感兴趣矩阵，所述感兴趣矩阵的维度为n；
将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算，得到m个新元素矩阵；
将m个所述新元素矩阵中相同坐标的新元素值取最大值，得到预处理图像矩阵；
对所述预处理图像矩阵进行彩色赋值，得到最终图像。
进一步的，所述对所述预处理图像矩阵进行彩色赋值，得到最终图像具体包括：
当所述预处理图像矩阵中的新元素值在[0,51]时，G通道值为新元素值×5，R通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[52,105]时，B通道值为(新元素值-51)×5，R通道和G通道值为0；
当所述预处理图像矩阵中的新元素值在[106,153]时，R通道值为(新元素值-105)×5，G通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[154,255]时，R通道值为255，G通道和B通道值为0。
进一步的，按从左至右、从上往下的顺序遍历所述原始灰度图像，得到所述感兴趣矩阵。
进一步的，所述将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算具体包括：将所述感兴趣矩阵与卷积核中相同坐标元素相乘后进行相加，将相加得到的和除以n2，得到所述新元素矩阵中的新元素值。
进一步的，n的数值范围是[27,39]，m的数值范围是[6,12]。
请参照图1至图6，本发明的实施例一为：
一种基于近红外成像的图像处理方法，包括如下步骤：
S1、分别获取不同方向上的卷积核，所述卷积核的维度为n，方向数为m。卷积核是一个n行n列的矩阵，n越大，卷积算法越精细，得到的预处理图像质量越好，但是n如果太大则导致处理器运算量大，处理时间变长，视频流卡顿。因此为了在图像质量和处理时间上都得到完美效果，优选的，n的数值范围是[27,39]。不同方向上的卷积核不同，方向数m越多卷积核数量则越多，卷积算法越精细，但是将会导致运算量增大，处理时间变长，优选的，m的数值范围是[6,12]。因此，卷积核是与参数n和m相关的矩阵，n与m确定后，卷积核便是确定的常数据矩阵，其中n决定卷积核的维度，m决定卷积核的数量。本实施例中，将卷积核记为Cnn，Cnn中的组成元素是由数学公式自动得出，该数学公式包括数学常量π，e以及卷积核维度n和方向数m，通过特定数学运算得出卷积核。
S2、通过遍历的方式从原始灰度图像中获取感兴趣矩阵，所述感兴趣矩阵的维度为n。本实施例中将感兴趣矩阵简称为ROI，记为Onn。如图2所示，为血管的原始灰度图像，原始灰度图像为二维平面图，中间的虚线为血管顶部中心线。如图3所示，按从左至右、从上往下的顺序遍历所述原始灰度图像，得到所述感兴趣矩阵。
S3、将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算，得到m个新元素矩阵。本实施例中所述将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算具体包括：将所述感兴趣矩阵与卷积核中相同坐标元素相乘后进行相加，将相加得到的和除以n2，得到所述新元素矩阵中的新元素值。
如图4所示，将感兴趣矩阵按从左至右、从上往下的顺序遍历所述原始灰度图像，便可得到所有的新元素d11,d12,d13,...,dxy构成的新元素矩阵D。
如图5所示，将其他方向上的卷积核与感兴趣矩阵做卷积运算，便可以得到其他方向上所有新元素矩阵。最终，会得到m个新元素矩阵。
S4、将m个所述新元素矩阵中相同坐标的新元素值取最大值，得到预处理图像矩阵。如图6所示，通过一一比较m个新元素矩阵中相同坐标的新元素值，取其中的最大值作为预处理图像矩阵的数据。
S5、对所述预处理图像矩阵进行彩色赋值，得到最终图像。本实施例中，对不同灰度值区间的新元素值赋予不同RGB颜色值，步骤S5具体包括：
当所述预处理图像矩阵中的新元素值在[0,51]时，G通道值为新元素值×5，R通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[52,105]时，B通道值为(新元素值-51)×5，R通道和G通道值为0；
当所述预处理图像矩阵中的新元素值在[106,153]时，R通道值为(新元素值-105)×5，G通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[154,255]时，R通道值为255，G通道和B通道值为0。
实施例二
请参照图7，本发明的实施例二为：
一种基于近红外成像的图像处理终端100，与实施例一的方法相对应，包括存储器1和处理器2，所述存储器1中存储有计算机程序，所述处理器2执行所述计算机程序时实现以下步骤：
分别获取不同方向上的卷积核，所述卷积核的维度为n，方向数为m；
通过遍历的方式从原始灰度图像中获取感兴趣矩阵，所述感兴趣矩阵的维度为n；
将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算，得到m个新元素矩阵；
将m个所述新元素矩阵中相同坐标的新元素值取最大值，得到预处理图像矩阵；
对所述预处理图像矩阵进行彩色赋值，得到最终图像。
进一步的，所述对所述预处理图像矩阵进行彩色赋值，得到最终图像具体包括：
当所述预处理图像矩阵中的新元素值在[0,51]时，G通道值为新元素值×5，R通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[52,105]时，B通道值为(新元素值-51)×5，R通道和G通道值为0；
当所述预处理图像矩阵中的新元素值在[106,153]时，R通道值为(新元素值-105)×5，G通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[154,255]时，R通道值为255，G通道和B通道值为0。
进一步的，按从左至右、从上往下的顺序遍历所述原始灰度图像，得到所述感兴趣矩阵。
进一步的，所述将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算具体包括：将所述感兴趣矩阵与卷积核中相同坐标元素相乘后进行相加，将相加得到的和除以n2，得到所述新元素矩阵中的新元素值。
进一步的，n的数值范围是[27,39]，m的数值范围是[6,12]。
综上所述，本发明提供的一种基于近红外成像的图像处理方法及终端，将原始灰度图像与卷积核进行卷积运算可以得到一幅血管增强而非血管抑制的预处理图像，预处理图像仍然很好地保留了血管的相对深度信息；将预处理图像进行彩色赋值，使其具有更好的人眼辨识度。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种基于近红外成像的图像处理方法，其特征在于，包括：
分别获取不同方向上的卷积核，所述卷积核的维度为n，方向数为m；
通过遍历的方式从原始灰度图像中获取感兴趣矩阵，所述感兴趣矩阵的维度为n；
将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算，得到m个新元素矩阵；
将m个所述新元素矩阵中相同坐标的新元素值取最大值，得到预处理图像矩阵；
对所述预处理图像矩阵进行彩色赋值，得到最终图像；
当所述预处理图像矩阵中的新元素值在[0,51]时，G通道值为新元素值×5，R通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[52,105]时，B通道值为(新元素值-51)×5，R通道和G通道值为0；
当所述预处理图像矩阵中的新元素值在[106,153]时，R通道值为(新元素值-105)×5，G通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[154,255]时，R通道值为255，G通道和B通道值为0。
2.根据权利要求1所述的基于近红外成像的图像处理方法，其特征在于，按从左至右、从上往下的顺序遍历所述原始灰度图像，得到所述感兴趣矩阵。
3.根据权利要求1所述的基于近红外成像的图像处理方法，其特征在于，所述将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算具体包括：将所述感兴趣矩阵与卷积核中相同坐标元素相乘后进行相加，将相加得到的和除以n2，得到所述新元素矩阵中的新元素值。
4.根据权利要求1所述的基于近红外成像的图像处理方法，其特征在于，n的数值范围是[27,39]，m的数值范围是[6,12]。
5.一种基于近红外成像的图像处理终端，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
分别获取不同方向上的卷积核，所述卷积核的维度为n，方向数为m；
通过遍历的方式从原始灰度图像中获取感兴趣矩阵，所述感兴趣矩阵的维度为n；
将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算，得到m个新元素矩阵；
将m个所述新元素矩阵中相同坐标的新元素值取最大值，得到预处理图像矩阵；
对所述预处理图像矩阵进行彩色赋值，得到最终图像；
当所述预处理图像矩阵中的新元素值在[0,51]时，G通道值为新元素值×5，R通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[52,105]时，B通道值为(新元素值-51)×5，R通道和G通道值为0；
当所述预处理图像矩阵中的新元素值在[106,153]时，R通道值为(新元素值-105)×5，G通道和B通道值为0；
当所述预处理图像矩阵中的新元素值在[154,255]时，R通道值为255，G通道和B通道值为0。
6.根据权利要求5所述的基于近红外成像的图像处理终端，其特征在于，按从左至右、从上往下的顺序遍历所述原始灰度图像，得到所述感兴趣矩阵。
7.根据权利要求5所述的基于近红外成像的图像处理终端，其特征在于，所述将所述感兴趣矩阵分别与不同方向上的卷积核作卷积运算具体包括：将所述感兴趣矩阵与卷积核中相同坐标元素相乘后进行相加，将相加得到的和除以n2，得到所述新元素矩阵中的新元素值。
8.根据权利要求5所述的基于近红外成像的图像处理终端，其特征在于，n的数值范围是[27,39]，m的数值范围是[6,12]。
CN201911248936.5A 2019-12-09 2019-12-09 基于近红外成像的图像处理方法及终端 Active CN110956596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911248936.5A CN110956596B (zh) 2019-12-09 2019-12-09 基于近红外成像的图像处理方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911248936.5A CN110956596B (zh) 2019-12-09 2019-12-09 基于近红外成像的图像处理方法及终端

Publications (2)

Publication Number Publication Date
CN110956596A CN110956596A (zh) 2020-04-03
CN110956596B true CN110956596B (zh) 2023-08-29

Family

ID=69980415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911248936.5A Active CN110956596B (zh) 2019-12-09 2019-12-09 基于近红外成像的图像处理方法及终端

Country Status (1)

Country Link
CN (1) CN110956596B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001039122A1 (en) * 1999-11-24 2001-05-31 Confirma Convolution filtering of similarity data for visual display of enhanced image
CN108364297A (zh) * 2018-03-19 2018-08-03 青岛海信医疗设备股份有限公司 血管图像分割方法、终端、存储介质
CN109635618A (zh) * 2018-08-07 2019-04-16 南京航空航天大学 基于卷积神经网络的可见光图像静脉显像方法
WO2019205290A1 (zh) * 2018-04-28 2019-10-31 平安科技（深圳）有限公司 一种图像检测方法、装置、计算机设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100185064A1 (en) * 2007-01-05 2010-07-22 Jadran Bandic Skin analysis methods
JP5250342B2 (ja) * 2008-08-26 2013-07-31 富士フイルム株式会社 画像処理装置およびプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001039122A1 (en) * 1999-11-24 2001-05-31 Confirma Convolution filtering of similarity data for visual display of enhanced image
CN108364297A (zh) * 2018-03-19 2018-08-03 青岛海信医疗设备股份有限公司 血管图像分割方法、终端、存储介质
WO2019205290A1 (zh) * 2018-04-28 2019-10-31 平安科技（深圳）有限公司 一种图像检测方法、装置、计算机设备及存储介质
CN109635618A (zh) * 2018-08-07 2019-04-16 南京航空航天大学 基于卷积神经网络的可见光图像静脉显像方法

Also Published As

Publication number Publication date
CN110956596A (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN110176012B (zh) 图像中的目标分割方法、池化方法、装置及存储介质
CN111275129A (zh) 一种图像数据的增广策略选取方法及系统
JP2021061018A5 (zh)
CN114529459B (zh) 一种对图像边缘进行增强处理的方法和系统及介质
US8649578B2 (en) Method and system for defining a breast window
US6885762B2 (en) Scale-based image filtering of magnetic resonance data
CN102222229A (zh) 手指静脉图像预处理方法
CN110176010B (zh) 一种图像检测方法、装置、设备及存储介质
CN110969046B (zh) 人脸识别方法、设备及计算机可读存储介质
US9495734B2 (en) Information processing apparatus, system, method, and medium storing program
CN116402816B (zh) 一种体检ct影像数据的管理方法及系统
Naseem et al. Cross-modality guided contrast enhancement for improved liver tumor image segmentation
CN111882565B (zh) 一种图像二值化方法、装置、设备及存储介质
CN114757950A (zh) 超声图像处理方法、装置以及计算机可读存储介质
CN114463310A (zh) 一种dr图像增强方法及装置
CN109447935B (zh) 红外图像处理方法、装置、计算机设备和可读存储介质
Ramella Automatic Skin Lesion Segmentation based on Saliency and Color.
CN110956596B (zh) 基于近红外成像的图像处理方法及终端
CN112465050A (zh) 一种图像模板选择方法、装置、设备及存储介质
CN114757953B (zh) 医学超声图像识别方法、设备及存储介质
CN112258534B (zh) 一种超声图像中小脑蚓部的定位及分割方法
CN113160103B (zh) 图像处理方法及装置、存储介质、终端
CN115619803A (zh) 一种图像分割方法、系统及电子设备
CN112766338B (zh) 一种计算距离图像的方法、系统及计算机可读存储介质
Khan et al. Segmentation of single and overlapping leaves by extracting appropriate contours

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