CN111091510A - 一种图像处理方法、装置、电子设备和存储介质 - Google Patents
一种图像处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111091510A CN111091510A CN201911298800.5A CN201911298800A CN111091510A CN 111091510 A CN111091510 A CN 111091510A CN 201911298800 A CN201911298800 A CN 201911298800A CN 111091510 A CN111091510 A CN 111091510A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- sub
- region
- target
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 238000004040 coloring Methods 0.000 claims abstract description 13
- 230000001678 irradiating effect Effects 0.000 claims abstract description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000004438 eyesight Effects 0.000 abstract description 12
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 6
- 230000007423 decrease Effects 0.000 abstract description 4
- 230000004936 stimulating effect Effects 0.000 abstract description 4
- 239000000284 extract Substances 0.000 abstract description 3
- 210000004072 lung Anatomy 0.000 description 30
- 210000001519 tissue Anatomy 0.000 description 22
- 210000004872 soft tissue Anatomy 0.000 description 5
- 210000000779 thoracic wall Anatomy 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 241000872198 Serjania polyphylla Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种图像处理方法、装置、电子设备和存储介质，所述方法包括：获取待处理图像，所述待处理图像为利用射线对目标对象进行照射生成的影像图；对所述待处理图像进行特征提取，得到目标区域；利用预设颜色对待处理图像中除去目标区域之外的区域重新着色，得到目标图像。本申请实施例对待处理图像进行特征提取，提取得到目标区域图像，并将目标区域进行重新着色，防止待处理图像中的白影刺激用户的眼睛，由此，重新着色可以保护用户的视力，缓解用户在长时间的诊断过程中视力下降的问题。
Description
技术领域
本申请涉及图像处理领域，具体而言，涉及一种图像处理方法、装置、电子设备和存储介质。
背景技术
随着现代医疗技术的进步，在医学影像学方面有着越来越多的新技术问世。医学影像是利用射线对人体中一定厚度的层面进行扫描，由探测器接收透过该层面的射线，并将光信号转换为电信号，经过计算器处理后得到的图像。
现有技术中医学影像通常包括多块对比度相差较大的区域，例如：在肺窗的CT图像中，胸壁的软组织的图像会比肺组织的亮度更高，形成面积较大的白影。用户在利用射线影像图进行诊断的过程中，大面积的白影会刺激用户的眼睛，长此以往对用户视力的损伤很大。
发明内容
本申请实施例的目的在于提供一种图像处理方法、装置、电子设备和存储介质，用以保护用户的视力。
第一方面，实施例提供一种图像处理方法，包括：获取待处理图像，所述待处理图像为利用射线对目标对象进行照射生成的影像图；对所述待处理图像进行特征提取，得到目标区域；利用预设颜色对待处理图像中除去目标区域之外的区域重新着色，得到目标图像。
本申请实施例对待处理图像进行特征提取，提取得到目标区域图像，并将目标区域进行重新着色，防止待处理图像中的白影刺激用户的眼睛，由此，重新着色可以保护用户的视力，缓解用户在长时间的诊断过程中视力下降的问题。
在可选的实施方式中，所述对所述待处理图像进行特征提取，得到目标区域，包括：将所述待处理图像划分为多个子区域，对每一子区域进行特征计算，得到对应的特征值；根据特征值从多个所述子区域中，选择出至少一个目标子区域，构成目标区域。
本申请实施例通过根据特征值从待处理图像的多个子区域中，选择出目标子区域作为目标区域，由此，通过计算每一子区域的特征值，可以更加准确、高效地确定目标区域，以便提高对待处理图像进行处理的效率。
在可选的实施方式中，所述将所述待处理图像划分为多个子区域，包括：按照预设窗口将待处理图像划分为多个子区域；其中，所述预设窗口包括预设数量的像素点。
本申请实施例通过设置预设窗口中预设数量的像素点，由此，可以将待处理图像划分为多个像素点相同的子区域，以使后续进行区域特征计算时，每一区域的特征值表示的图像大小均相同，提高图像提取的准确性。
在可选的实施方式中，所述对每一子区域进行特征计算，得到对应的特征值，包括：计算子区域中每一像素点的射线衰减值，所述射线衰减值用于表征射线穿过目标对象被吸收的程度；统计所述子区域中射线衰减值小于第一预设阈值的像素数量，作为所述子区域的第一像素数量；根据子区域中的所述第一像素数量以及总像素数量，计算得到所述子区域的特征值。
本申请实施例通过利用射线衰减值，计算子区域中射线衰减值小于第一预设阈值的像素数量作为第一像素数量，再根据第一像素数量与总像素数量，来计算得到子区域的特征值。由此，可以对多个子区域进行准确地、高效地特征值计算，为后续图像提取提供参考数据。
在可选的实施方式中，所述根据特征值从多个所述子区域中，选择出至少一个目标子区域，包括：若子区域的特征值大于第二预设阈值，则判定所述子区域为目标子区域。
本申请通过设置特征值的预设阈值，可以实现对目标子区域的快速判定，以此来提高从多个子区域中确定出目标子区域的效率。
在可选的实施方式中，所述获取待处理图像，包括：获取初始待处理图像；利用小波变化分解和拉普拉斯金字塔分解对所述初始待处理图像进行去噪处理，得到所述待处理图像。
本申请实施例通过利用小波变化分解和拉普拉斯金字塔分解可以对初始待处理图像进行去噪处理，得到待处理图像。同时，可以在一定程度上对待处理图像进行增强，以便后续进行特征提取。
第二方面，实施例提供一种图像处理装置，包括：获取模块，用于获取待处理图像，所述待处理图像为利用射线对目标对象进行照射生成的影像图；处理模块，用于对所述待处理图像进行特征提取，得到目标区域；着色模块，用于利用预设颜色对待处理图像中除去目标区域之外的区域重新着色，得到目标图像。
本申请实施例通过处理模块对待处理图像进行特征提取，提取得到目标区域图像，并利用着色模块将目标区域进行重新着色，防止待处理图像中的白影刺激用户的眼睛，由此，重新着色可以保护用户的视力，缓解用户在长时间的诊断过程中视力下降的问题。
在可选的实施方式中，所述处理模块具体用于：将所述待处理图像划分为多个子区域，对每一子区域进行特征计算，得到对应的特征值；根据特征值从多个所述子区域中，选择出至少一个目标子区域，构成目标区域。
本申请实施例通过处理模块根据特征值从待处理图像的多个子区域中，选择出目标子区域作为目标区域，由此，通过计算每一子区域的特征值，可以更加准确、高效地确定目标区域，以便提高对待处理图像进行处理的效率。
第三方面，实施例提供一种电子设备，包括：处理器、存储器和总线，其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如前述实施方式任一项所述的方法。
第四方面，实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如前述实施方式任一项所述的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种图像处理方法的流程示意图；
图2为本申请实施例提供的一种待处理的CT图像；
图3为本申请实施例提供的一种处理后的CT图像；
图4为本申请实施例提供的一种图像处理装置的结构示意图；
图5为一种可应用于本申请实施例中的电子设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
图1为本申请实施例提供的一种图像处理方法的流程示意图，所述方法包括：
步骤110：获取待处理图像，所述待处理图像为利用射线对目标对象进行照射生成的影像图。
其中，待处理图像为射线对目标对应进行照射生成的影像图，为利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕某一部位作一个接一个的断面扫描形成的图像，具有扫描时间快，图像清晰等特点。待处理图像可以为CT图像、X线图像等影像图，待处理图像的具体类型不限定，可以根据实际需求进行调整。
另外，由于目标对象中各部分组织的密度不同，使得利用射线对目标对象进行扫描时透过各部分组织的射线的量不同，探测器探测得到的射线衰减程度不同，使得探测器生成灰阶不同的灰度图。同时，由于人眼对灰阶的分辨有限，因此，通常会利用窗宽来限制对探测器生成的灰度图进行显示范围限定，使得影像图具有良好的对比度，更便于进行诊断。以探测器生成的是CT图像为例，灰度高于窗宽范围的组织和病变以白影显示，低于此范围的组织结构均以黑影显示。
再者，为了对目标对象中的复杂部分进行更好的观察，可以将窗宽范围设置较大，使得影像图可以清楚得显示组织结构。
步骤120：对所述待处理图像进行特征提取，得到目标区域。
以待处理图像为肺窗CT图像为例，胸壁的软组织的图像会比肺组织的亮度更高，形成面积较大的白影。但是胸壁软组织的大面积白影没有明显的对比度差异，导致诊断价值较低，因此通常用户会利用肺窗CT图像来观测肺组织，而利用纵隔窗CT图像来观察胸壁的软组织。由此，可以对肺窗图像进行特征提取，得到肺组织区域。
步骤130：利用预设颜色对待处理图像中除去目标区域之外的区域重新着色，得到目标图像。
其中，在确定了目标区域之后，可以利用预设颜色对待处理图像中的其他区域进行重新着色，使得用户在可以正常观测目标区域的图像特征的同时，目标区域图像中除去目标区域之外的区域可以减小对人眼的刺激，一定程度上保护用户的眼睛，缓解用户在长时间的诊断过程中视力下降的问题。
另外，预设颜色可以是对人眼刺激性较小的颜色，例如饱和度较低的绿色、蓝色或者是黑色等颜色。具体的预设颜色的类型，可以根据实际的图像处理需求进行调整。
图2为本申请实施例提供的一种待处理的CT图像，图3为本申请实施例提供的一种处理后的CT图像。以待处理图像为肺窗CT图像为例，从图2中可以看出待处理的肺窗CT图像中有大面积白影的胸壁软组织区域，以及部分呈现灰度的肺组织区域。对肺窗CT图像进行特征提取，可以确定出肺组织区域，再利用预设颜色对除去肺组织区域之外的区域进行重新着色，可以得到如图3所示的处理后的肺窗CT图像。其中，图3中填充的网格即为重新着色的预设颜色。对于长时间进行诊断的医生来说，处理后的肺窗CT图像不存在对眼睛刺激较大的区域，可以有效的保护医生的视力。
作为本申请的一种实施方式，步骤110可以具体包括：获取初始待处理图像；利用小波变化分解和拉普拉斯金字塔分解对所述初始待处理图像进行去噪处理，得到所述待处理图像。
使用小波变换将初始待处理图像进行处理，初始待处理图像经过处理后会分解成多个尺度，在各尺度下获得相应的高频和低频系数。对高频部分继续使用小波变换进行分解，得到相应的高频部分和低频部分。使用加权法对高频部分和低频部分进行加权，使高频的比重增加，由此，可以使得图像在高频上得到增强，相当于去除初始待处理图像的噪声。对加权之后的高频部分和低频部分进行小波重构，就能获得小波变换增强后的图像。
再利用拉普拉斯金字塔分解对初始待处理图像进行处理，首先要利用高斯金字塔对初始待处理图像进行处理。将初始待处理图像作为高斯金字塔的第0层图像，并对初始待处理图像进行高斯滤波，得到第一图像。再对第一图像的各方各列进行采样，得到高斯金字塔的第1层图像。重复上述采样步骤，直到得到高斯金字塔的第3层图像。再对高斯金字塔的第3层图像进行高斯滤波，并在行列上采样，得到变换后的高斯金字塔的第2层图像。将原来的高斯金字塔的第2层图像与变换后的高斯金字塔的第2层图像作差，可以得到拉普拉斯金字塔的第2层图像，作为拉普拉斯金字塔的最顶层。重复作差的步骤，直到得到拉普拉斯金字塔的第0层图像。
再根据小波变化分解的处理结果以及拉普拉斯金字塔分解的处理结果再次进行重构将小波分解处理后得到图像加入到拉普拉斯金字塔分解的最后一步，即将拉普拉斯金字塔的第0层图像与小波分解处理后的图像进行融合，得到的图像就是待处理图像。这样通过拉普拉斯金字塔与小波分解对初始待处理图像进行处理后，图像中的细节部分将会被突出，而其他部分将会基本保持不变，达到对图像进行去噪的效果。
并且，对于图像的去噪方式有多种，例如Contourlet变换、阈值去噪等，对于影像图的去噪方式不限定，可以根据实际的图像处理需求进行调整。
作为本申请的一种实施方式，步骤120可以具体包括：将所述待处理图像划分为多个子区域，对每一子区域进行特征计算，得到对应的特征值；根据特征值从多个所述子区域中，选择出至少一个目标子区域，构成目标区域。
为了准确地从待处理图像中确定出不规则的目标区域，可以先将待处理图像进行划分，得到多个子区域。再利用图像特征，计算得到每个子区域的特征值，再根据特征值从多个子区域中确定出目标子区域。由此，通过特征值确定目标区域的方式，可以更加准确、高效地确定出目标区域，提高对待处理图像进行处理的效率。
值得说明的是，对待处理图像进行处理提取得到目标区域的方式还有很多，例如利用基于神经网络预先建立的图像提取模型对待处理图像进行提取，得到目标区域。其中，可以预先利用大量的批注后的影像图样本对图像提取模型进行训练。还可以利用边缘识别的方式对待处理图像进行处理，得到目标区域。对待处理图像进行处理的具体方式有多种，可以根据实际的图像处理需求进行调整。
在上述实施例的基础上，所述将所述待处理图像划分为多个子区域，包括：按照预设窗口将待处理图像划分为多个子区域。
本申请实施例通过设置预设窗口包括预设数量的像素点，可以将待处理图像划分成多个像素点大小相同的子区域，以使后续进行区域特征计算时，每一区域的特征值表示的图像大小均相同，提高图像提取的准确性。
值得说明的是，由于待处理图像为影像图，在待处理图像的目标区域大部分为黑影时，想要进行提取的目标区域中可能也会存在白影的情况。以图2的未处理的肺窗CT图像为例，肺组织中的血管呈现为白丝状的白影，为了进行更加准确的诊断，通常会将肺组织以及肺组织中的血管作为目标区域。
由此，在对待处理图像进行特征提取时，如果待处理图像划分的子区域中的像素点过大可能会导致对目标区域的边界提取不准确的情况，像素点过小可能会导致目标区域中的细节被判定为非目标区域的情况。因此，预设窗口中包括的像素点的具体数量，可以根据图像处理需求进行调整。
作为本申请的一种实施方式，所述对每一子区域进行特征计算，得到对应的特征值，包括：计算子区域中每一像素点的射线衰减值，所述射线衰减值用于表征射线穿过目标对象被吸收的程度；统计所述子区域中射线衰减值小于第一预设阈值的像素数量，作为所述子区域的第一像素数量；根据子区域中的所述第一像素数量以及总像素数量，计算得到所述子区域的特征值。
其中，像素对应的射线衰减值可以表征射线穿过目标被吸收的程度，例如CT值或X射线衰减系数等。为了求出子区域对应的特征值，可以将每一像素点的射线衰减率与第一预设阈值进行比较，以对小于第一预设阈值的像素点进行统计，得到第一像素数量。并将第一像素数量与总像素数量比率作为子区域的特征值，可以表征射线衰减值较小的像素点在子区域中的占比。由此，可以对多个子区域进行准确地、高效地特征值计算，为后续判断子区域的是否为目标子区域提供参考数据。而第一预设阈值的大小不限定，可以根据实际的图像处理的精度进行调整。
另外，子区域的特征值的形式有多种，可以是第一像素数量与总像素数量的比率，也可以是第一像素数量与总像素数量的比值，也可以是第一像素数量与总像素数量的差值的绝对值。同时子区域的特征值的内容也有多种，可以根据第一像素数量与总像素数量求取特征值，也可以根据子区域中射线衰减值大于或等于第一预设阈值的像素数量与总像素数量求取特征值，还可以根据第一像素数量与射线衰减值大于或等于第一预设阈值的像素数量求取特征值。特征值的具体形式以及内容不限定，可以根据实际的图像处理需求进行调整。
以待处理图像为肺窗CT图为例，在射线衰减值为CT值时，可以用于衡量X光被目标对象吸收程度。对于每一个子区域，计算该子区域中每一像素点的CT值。由于肺组织含气量比较多，其CT值比较低，可以将CT值小于第一预设阈值的像素点认为是肺组织的像素点，并统计肺组织的像素点，记为第一像素数量。由此，将第一像素数量与总像素数量的比率，作为子区域的特征值。由此，根据子区域的特征值可以表征肺组织的像素点在子区域中的占比，为后续进行子区域的划分提供依据。
作为本申请的一种实施方式，所述根据特征值从多个所述子区域中，选择出至少一个目标子区域，包括：若子区域的特征值大于第二预设阈值，则判定所述子区域为目标子区域。
继续以待处理图像为肺窗CT图为例，由于子区域的特征值可以表征子区域中肺组织的占比，为了确定出肺组织以及肺组织中血管的目标区域，可以将第二预设阈值的数值设置较大，例如，将第二预设阈值设置为90％，则子区域的特征值大于90％时，则可以说明该子区域中的肺组织占比较大，可以被判定为目标子区域。
由此，通过设定第二预设阈值，可以快速地利用特征值从多个子区域中确定出目标子区域，提高图像特征提取的效率。另外，第二预设阈值的大小不限定，可以根据实际的图像处理的精度进行调整。
图4为本申请实施例提供的一种图像处理装置的结构示意图，基于同一发明构思，本申请实施例还提供了一种图像处理装置400，包括：获取模块410，用于获取待处理图像，所述待处理图像为利用射线对目标对象进行照射生成的影像图；处理模块420，用于对所述待处理图像进行特征提取，得到目标区域；着色模块430，用于利用预设颜色对待处理图像中除去目标区域之外的区域重新着色，得到目标图像。
在上述实施例的基础上，所述处理模块420具体用于：将所述待处理图像划分为多个子区域，对每一子区域进行特征计算，得到对应的特征值；根据特征值从多个所述子区域中，选择出至少一个目标子区域，构成目标区域。
在上述实施例的基础上，所述处理模块420具体用于：按照预设窗口将待处理图像划分为多个子区域；其中，所述预设窗口包括预设数量的像素点。
在上述实施例的基础上，所述处理模块420具体用于：计算子区域中每一像素点的射线衰减值，所述射线衰减值用于表征射线穿过目标对象被吸收的程度；统计所述子区域中射线衰减值小于第一预设阈值的像素数量，作为所述子区域的第一像素数量；根据子区域中的所述第一像素数量以及总像素数量，计算得到所述子区域的特征值。
在上述实施例的基础上，所述处理模块420具体用于：若子区域的特征值大于第二预设阈值，则判定所述子区域为目标子区域。
在上述实施例的基础上，所述获取模块410具体用于：获取初始待处理图像；利用小波变化分解和拉普拉斯金字塔分解对所述初始待处理图像进行去噪处理，得到所述待处理图像。
请参照图5，图5示出了一种可应用于本申请实施例中的电子设备10的结构框图。电子设备10可以包括存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、显示单元107。
所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、显示单元107各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。至少一个软件或固件(firmware)存储于所述存储器101中或固化在操作系统(operating system，OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，软件功能模块或计算机程序。
其中，存储器101可以是，但不限于，随机存取存储器(RandomAccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，前述本申请实施例任一实施例揭示的方法可以应用于处理器103中，或者由处理器103实现。
处理器103可以是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。
所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
输入输出单元105用于提供给用户输入数据实现用户与所述电子设备10的交互。所述输入输出单元105可以是，但不限于，鼠标和键盘等。
显示单元107在所述电子设备10与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元107可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器103进行计算和处理。
可以理解，图5所示的结构仅为示意，所述电子设备10还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件、软件或其组合实现。
综上所述，本申请实施例提供了一种图像处理方法、装置、电子设备和存储介质，所述方法包括：获取待处理图像，所述待处理图像为利用射线对目标对象进行照射生成的影像图；对所述待处理图像进行特征提取，得到目标区域；利用预设颜色对待处理图像中除去目标区域之外的区域重新着色，得到目标图像。本申请实施例对待处理图像进行特征提取，提取得到目标区域图像，并将目标区域进行重新着色，防止待处理图像中的白影刺激用户的眼睛，由此，重新着色可以保护用户的视力，缓解用户在长时间的诊断过程中视力下降的问题。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是，功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
获取待处理图像，所述待处理图像为利用射线对目标对象进行照射生成的影像图；
对所述待处理图像进行特征提取，得到目标区域；
利用预设颜色对待处理图像中除去目标区域之外的区域重新着色，得到目标图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述对所述待处理图像进行特征提取，得到目标区域，包括：
将所述待处理图像划分为多个子区域，对每一子区域进行特征计算，得到对应的特征值；
根据特征值从多个所述子区域中，选择出至少一个目标子区域，构成目标区域。
3.根据权利要求2所述的图像处理方法，其特征在于，所述将所述待处理图像划分为多个子区域，包括：
按照预设窗口将待处理图像划分为多个子区域；其中，所述预设窗口包括预设数量的像素点。
4.根据权利要求2所述的图像处理方法，其特征在于，所述对每一子区域进行特征计算，得到对应的特征值，包括：
计算子区域中每一像素点的射线衰减值，所述射线衰减值用于表征射线穿过目标对象被吸收的程度；
统计所述子区域中射线衰减值小于第一预设阈值的像素数量，作为所述子区域的第一像素数量；
根据子区域中的所述第一像素数量以及总像素数量，计算得到所述子区域的特征值。
5.根据权利要求2所述的图像处理方法，其特征在于，所述根据特征值从多个所述子区域中，选择出至少一个目标子区域，包括：
若子区域的特征值大于第二预设阈值，则判定所述子区域为目标子区域。
6.根据权利要求1-5任一项所述的图像处理方法，其特征在于，所述获取待处理图像，包括：
获取初始待处理图像；
利用小波变化分解和拉普拉斯金字塔分解对所述初始待处理图像进行去噪处理，得到所述待处理图像。
7.一种图像处理装置，其特征在于，包括：
获取模块，用于获取待处理图像，所述待处理图像为利用射线对目标对象进行照射生成的影像图；
处理模块，用于对所述待处理图像进行特征提取，得到目标区域；
着色模块，用于利用预设颜色对待处理图像中除去目标区域之外的区域重新着色，得到目标图像。
8.根据权利要求7所述的图像处理装置，其特征在于，所述处理模块具体用于：
将所述待处理图像划分为多个子区域，对每一子区域进行特征计算，得到对应的特征值；
根据特征值从多个所述子区域中，选择出至少一个目标子区域，构成目标区域。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，其中，
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-6任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911298800.5A CN111091510A (zh) | 2019-12-16 | 2019-12-16 | 一种图像处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911298800.5A CN111091510A (zh) | 2019-12-16 | 2019-12-16 | 一种图像处理方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111091510A true CN111091510A (zh) | 2020-05-01 |
Family
ID=70395596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911298800.5A Pending CN111091510A (zh) | 2019-12-16 | 2019-12-16 | 一种图像处理方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111091510A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381898A (zh) * | 2020-12-07 | 2021-02-19 | 苏州中德双智科创发展有限公司 | 一种影像特征的提取方法、装置、存储介质及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160140700A1 (en) * | 2014-11-18 | 2016-05-19 | Sung Hee Park | Method and apparatus for filling images captured by array cameras |
| CN108492348A (zh) * | 2018-03-30 | 2018-09-04 | 北京金山安全软件有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN109360254A (zh) * | 2018-10-15 | 2019-02-19 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
-
2019
- 2019-12-16 CN CN201911298800.5A patent/CN111091510A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160140700A1 (en) * | 2014-11-18 | 2016-05-19 | Sung Hee Park | Method and apparatus for filling images captured by array cameras |
| CN108492348A (zh) * | 2018-03-30 | 2018-09-04 | 北京金山安全软件有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN109360254A (zh) * | 2018-10-15 | 2019-02-19 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381898A (zh) * | 2020-12-07 | 2021-02-19 | 苏州中德双智科创发展有限公司 | 一种影像特征的提取方法、装置、存储介质及电子设备 |
| CN112381898B (zh) * | 2020-12-07 | 2024-03-01 | 苏州律点信息科技有限公司 | 一种影像特征的提取方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10255697B2 (en) | Method for generation of synthetic mammograms from tomosynthesis data | |
| US11399779B2 (en) | System-independent quantitative perfusion imaging | |
| JP7194143B2 (ja) | 肝臓腫瘍例のレビューを容易にするシステムおよび方法 | |
| US9070181B2 (en) | System and method for extracting features of interest from an image | |
| US10497123B1 (en) | Isolation of aneurysm and parent vessel in volumetric image data | |
| CN105488781B (zh) | 一种基于ct影像肝脏肿瘤病灶的分割方法 | |
| KR20110097670A (ko) | 보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법 | |
| US11257261B2 (en) | Computed tomography visualization adjustment | |
| JP2001052155A (ja) | 臨床的領域と非臨床的領域とを含む医用画像を処理する方法及び装置 | |
| Lyra et al. | Matlab as a tool in nuclear medicine image processing | |
| CN111540025A (zh) | 预测用于图像处理的图像 | |
| JP6492553B2 (ja) | 画像処理装置及びプログラム | |
| US20220284578A1 (en) | Image processing for stroke characterization | |
| EP3349655B1 (en) | Tomography apparatus and controlling method for the same | |
| EP3554369A1 (en) | System and method for dark-field-imaging | |
| Dawood et al. | The importance of contrast enhancement in medical images analysis and diagnosis | |
| CN111091510A (zh) | 一种图像处理方法、装置、电子设备和存储介质 | |
| US20210027430A1 (en) | Image processing apparatus, image processing method, and x-ray ct apparatus | |
| JP2008512161A (ja) | Ｃｔスキャン解析用ユーザインタフェース | |
| CN115439423A (zh) | 一种基于ct图像的识别方法、装置、设备及存储介质 | |
| Ha et al. | Radiation dose reduction in digital mammography by deep-learning algorithm image reconstruction: a preliminary study | |
| Fukuda et al. | Improved tomosynthesis reconstruction using super-resolution and iterative techniques | |
| Mondal et al. | A robust method for ventriculomegaly detection from neonatal brain ultrasound images | |
| US20220335602A1 (en) | Method and system for image normalisation | |
| WO2020179234A1 (ja) | 画像診断支援装置および画像処理方法 |
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 |