CN111652847B - 一种基于机器视觉的睑板腺图像预处理的方法 - Google Patents
一种基于机器视觉的睑板腺图像预处理的方法 Download PDFInfo
- Publication number
- CN111652847B CN111652847B CN202010368123.6A CN202010368123A CN111652847B CN 111652847 B CN111652847 B CN 111652847B CN 202010368123 A CN202010368123 A CN 202010368123A CN 111652847 B CN111652847 B CN 111652847B
- Authority
- CN
- China
- Prior art keywords
- image
- meibomian gland
- meibomian
- gray
- machine vision
- 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
- 210000004175 meibomian gland Anatomy 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000007781 pre-processing Methods 0.000 title claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000005286 illumination Methods 0.000 claims abstract description 17
- 230000007797 corrosion Effects 0.000 claims abstract description 13
- 238000005260 corrosion Methods 0.000 claims abstract description 13
- 239000002131 composite material Substances 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 10
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract 1
- 238000003384 imaging method Methods 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 210000004907 gland Anatomy 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000028327 secretion Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000003556 Dry Eye Syndromes Diseases 0.000 description 1
- 206010013774 Dry eye Diseases 0.000 description 1
- 206010065062 Meibomian gland dysfunction Diseases 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
-
- G06T5/70—
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Abstract
本发明公开了一种基于机器视觉的睑板腺图像预处理的方法,包括以下步骤:用相机在n种不同的光照下高速采集n+1帧初始睑板腺图像;进行图像融合,合成得到最优的一张合成图像;对合成图像进行Wallis滤波处理,以增强睑板腺的对比度;对合成图像进行腐蚀膨胀处理和高斯模糊去噪,以提取出合成图像中的背景图像;进行图像减运算,得到去除背景后的睑板腺图像;对睑板腺图像进行灰度拉伸处理,并作为最终的睑板腺图像输出。本发明具有以下优点和效果:通过本发明可有效的提取出睑板腺腺体,给予医生精确、客观的睑板腺特征,有效降低了医生主观判断所带来的误诊发生率,从而提高诊断的准确性和灵敏性,为后续的治疗方案提供可靠的技术支持。
Description
技术领域
本发明涉及睑板腺技术检测领域,特别涉及一种基于机器视觉的睑板腺图像预处理的方法。
背景技术
传统观察睑板腺的手段是运用裂隙灯检查或是通过干眼仪等直接观察睑缘形态、睑板腺开口、分泌物情况。但是该检查方式在很大程度上依靠检查者的判断,且耗时相对较长、操作相对繁琐,会增加患者的不适感、降低诊断的准确性和灵敏性。睑板腺红外照相技术是将影像学技术应用于眼部检查的一种新型辅助检查手段,能够通过非接触式睑板腺观察仪器来透视观察睑板腺的形态、数量、开口位置、通畅情况以及分泌物情况。该方式能够客观和准确的反应睑板腺的情况,且操作快速简单、患者的不适感小,对于睑板腺功能障碍的诊断具有更为积极的意义。然而,由于典型睑板腺红外成像图像存在因光照角度、睑板表面成像区域不规则等因素导致图像光照不均匀、以及腺体与非腺体区域对比度低的问题,而且睑板腺表面有一层天然水膜及表面弧度导致光源亮斑的不可避免,因此难以有效提取睑板腺腺体,仍需检查者依据主观判断确定病情。
发明内容
本发明的目的是提供一种基于机器视觉的睑板腺图像预处理的方法,以解决背景技术中心所提到的问题。
本发明的上述技术目的是通过以下技术方案得以实现的:一种基于机器视觉的睑板腺图像预处理的方法,包括以下步骤:
步骤S1、用相机在n种不同的光照下高速采集n+1帧初始睑板腺图像,且其中第一帧和最后一帧的初始睑板腺图像采用同样的光照环境,通过对比确保睑板腺没有发生位移;
步骤S2、对从步骤S1中所采集的初始睑板腺图像进行图像融合,合成得到最优的一张合成图像;
步骤S3、对经步骤S2后所得到的合成图像进行Wallis滤波处理,以增强睑板腺的对比度;
步骤S4、对经步骤S3后所得到的合成图像进行腐蚀膨胀处理和高斯模糊去噪,以提取出合成图像中的背景图像;
步骤S5、进行图像减运算,将经步骤S3后所得到的合成图像减去经步骤S4后所得到的背景图像,从而得到去除背景后的睑板腺图像;
步骤S6、对经步骤S5后所得到的睑板腺图像进行灰度拉伸处理,并作为最终的睑板腺图像输出。
进一步设置是,所述的步骤S2中的图像融合具体为:
根据睑板腺在不同波长下的生物特征及不同光源分布情况下,设定不同的权重值α1,α2…αn,使得α1+α2…+αn=1,且
g(x,y)=α1*I1(x,y)+α2*I2(x,y)+…+αn*In(xy) (1)
在式(1)中,I(x,y)为不同波长或不同光源分布下所采集到的睑板腺图像,且其中的x和y代表像素点坐标;g(x,y)为融合后的合成图像。
进一步设置是,所述的步骤S3中的Wallis滤波处理具体为:根据睑板腺图像的生物特征,选择Wallis算法对原始图像进行处理,
在式(2)中,Img(x,y)为融合后的合成图像在像素点坐标(x,y)处的灰度值,Rst(x,y)为Wallis变化后的结果图像在(x,y)处的灰度值,mo和so分别为初始睑板腺图像的灰度平均值和灰度标准偏差,mi和si分别为变化后的图像的目标灰度均值和灰度标准偏差,c∈[0,1]为图像方差的扩展系数,b∈[0,1]为图像亮度系数,且通过调节b和c的值,使得变化后的图像的均值和标准偏差趋于设定的理想状态。
进一步设置是:所述的步骤S4中的腐蚀膨胀处理包括灰度腐蚀、膨胀运算,高斯模糊去噪包括有高斯滤波。
进一步设置是:在进行步骤S4之前,对经步骤S3后所得到的合成图像进行中值滤波。
进一步设置是,所述的步骤S6中的灰度拉伸处理具体为:
在式(3)中,I(x,y)、R(x,y)分别是变换前和变换后的图像位于像素点x,y处的灰度值,Imin、Imax为变换前图像的最小、最大灰度值,Min、Max为预先设定的理想的最小、最大灰度值。
本发明的有益效果在于:
通过本发明可有效的提取出睑板腺腺体,给予医生精确、客观的睑板腺特征,有效降低了医生主观判断所带来的误诊发生率,从而提高诊断的准确性和灵敏性,为后续的治疗方案提供可靠的技术支持。
同时,在本发明中通过步骤S2的图像融合,可以增强睑板腺成像质量,大大减弱由于光照及睑板腺表面水膜及弧形所产生的光照不均匀现象;通过步骤S3的Wallis滤波处理,使得在均匀图像整体灰度的条件下,突出睑板腺的对比度;通过步骤S4的腐蚀膨胀处理和高斯模糊去噪,保留了非睑板腺且面积较大的亮色区域(例如光斑),尽量恢复无睑板腺的原始图像,从而得到背景图像,同时能有效消除灰度形态学运算带来的噪声影响;由于图像经历了背景相减运算,使得睑板腺的灰度值有所降低,因此在步骤S6中采用灰度拉伸算法,进行灰度增强。
附图说明
图1为实施例的流程图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
参考附图1,一种基于机器视觉的睑板腺图像预处理的方法,包括以下步骤:
步骤S1、用相机在n种不同的光照下高速采集n+1帧初始睑板腺图像,且其中第一帧和最后一帧的初始睑板腺图像采用同样的光照环境,通过对比确保睑板腺没有发生位移;
步骤S2、对从步骤S1中所采集的初始睑板腺图像进行图像融合,合成得到最优的一张合成图像;
步骤S3、对经步骤S2后所得到的合成图像进行Wallis滤波处理,以增强睑板腺的对比度;
步骤S4、对经步骤S3后所得到的合成图像进行腐蚀膨胀处理和高斯模糊去噪,以提取出合成图像中的背景图像;
步骤S5、进行图像减运算,将经步骤S3后所得到的合成图像减去经步骤S4后所得到的背景图像,从而得到去除背景后的睑板腺图像;
步骤S6、对经步骤S5后所得到的睑板腺图像进行灰度拉伸处理,并作为最终的睑板腺图像输出。
具体的:
步骤S2中的图像融合具体为:
由于睑板腺在不同的波长照射下呈现不同的生物特性,而且光源的分布和发散角度也对睑板腺成像时不可避免的光源亮斑位置有不同的影响,可以通过采集不同波长或不同光源分布情况下的初始睑板腺图像进行融合,合成一张更利于后续睑板腺特征提取的新的图像。在本实施中,采用的是不同光源下的环境。为了保证不同睑板腺没有发生位移,采集的第一帧和最后一帧使用相同的光照环境及光源分布,然后通过图像差值运算,判断睑板腺是否发生位移,如果没有发生位移,即可进行图像融合。在本实施例中,采用加权融合的方法。
根据睑板腺在不同波长下的生物特征及不同光源分布情况下,设定不同的权重值α1,α2…αn,使得α1+α2…+αn=1,且
g(x,y)=α1*I1(x,y)+α2*I2(x,y)+…+αn*In(x,y) (1)
在式(1)中,I(x,y)为不同波长或不同光源分布下所采集到的睑板腺图像,且其中的x和y代表像素点坐标;g(x,y)为融合后的合成图像。该方法可以增强睑板腺成像质量,大大减弱由于光照及睑板腺表面水膜及弧形所产生的光源亮斑及光照不均匀现象。为后续的图像处理打下了坚实的基础
步骤S3中的Wallis滤波处理具体为:
在睑板腺图像的获取过程中,由于光照条件、拍摄角度、睑板腺表面弧度等内部和外部环境因素的干扰,导致图像亮度、对比度存在不同程度的差异,通常表现为图像的照度不均匀、对比度较低。这种现象一般称为不均匀光照现象,是睑板腺图像获取中常见的降质现象。
根据睑板腺图像的生物特征,选择Wallis算法对原始图像进行处理:
在式(2)中,Img(x,y)为融合后的合成图像在像素点坐标(x,y)处的灰度值,Rst(x,y)为Wallis变化后的结果图像在(x,y)处的灰度值,mo和so分别为初始睑板腺图像的灰度平均值和灰度标准偏差,mi和si分别为变化后的图像的目标灰度均值和灰度标准偏差,c∈[0,1]为图像方差的扩展系数,b∈[0,1]为图像亮度系数。
且通过调节b和c的值,使得变化后的图像的均值和标准偏差趋于设定的理想状态。当b趋于0时,图像的均值不变;当b趋于1时,图像均值被强制到目标均值;当c趋于1时,图像方差趋于目标方差;当b和c均为1时,使得待校准的图像的灰度均值和方差趋于目标图像。通过调节b和c的值,使得变换后的图像的均值和标准偏差趋于设定的理想状态。通常状态下wallis算法的应用是将图像分成小块,对每个小块单独进行wallis处理,然后再合成一副完整图像,在本实施例中是通过对单个像素和其周围的点进行统计分析,然后运用wallis算法处理,可以去除分块处理再合并时产生的图像块边界灰度发生跳变现象。
步骤S4中的腐蚀膨胀处理包括灰度腐蚀、膨胀运算,高斯模糊去噪包括有高斯滤波。
其中,灰度腐蚀是用当前像素及其邻域内的最小值代表当前像素值,腐蚀可以使亮色区域的目标变小,造成图像亮色区域的边界实质性收缩,用来消除亮区无意义的目标。灰度膨胀是用当前像素及其邻域内最大值代表当前像素值,膨胀可以使亮色区域目标变大,造成图像亮色区域的边界实质性扩张。
结构元素的选择对腐蚀膨胀的结果影响很大,对腐蚀运算的结构元素的选择要求该结构元素长、高要大于单条睑板腺的宽度,用于去除图像中的睑板腺。然后进行灰度膨胀运算,该运算可使得非睑板腺区域的亮色区域进行扩张,尽量恢复无睑板腺的原始图像,从而得到背景图像。膨胀运算的结构元素的选择要比腐蚀运算的结构元素小n个像素(n≥0),具体选择需根据图像分辨率决定,从而可以排除眼球、眼皮边界位置的变动。
同时,在本实施例中进行高斯滤波运算,用来消除灰度形态学运算带来的噪声影响。
在进行步骤S4之前,对经步骤S3后所得到的合成图像进行中值滤波。
中值滤波算法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。在本实施例中,通过采用中值滤波来消除孤立的噪声点,使得合成图像更接近于真实。
进行图像减运算,将经步骤S3后所得到的合成图像减去经步骤S4后所得到的背景图像,从而得到去除背景后的睑板腺图像。
经过了上述图像减运算后,使得睑板腺的灰度值有所降低,因此采用灰度拉伸处理,进行灰度增强。
步骤S6中的灰度拉伸处理具体为:
在式(3)中,I(x,y)、R(x,y)分别是变换前和变换后的图像位于像素点x,y处的灰度值,Imin、Imax为变换前图像的最小、最大灰度值,Min、Max为预先设定的理想的最小、最大灰度值。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (5)
1.一种基于机器视觉的睑板腺图像预处理的方法,其特征在于,包括以下步骤:
步骤S1、用相机在n种不同的光照下高速采集n+1帧初始睑板腺图像,且其中第一帧和最后一帧的初始睑板腺图像采用同样的光照环境,通过对比确保睑板腺没有发生位移;
步骤S2、对从步骤S1中所采集的初始睑板腺图像进行图像融合,合成得到最优的一张合成图像;
步骤S3、对经步骤S2后所得到的合成图像进行Wallis滤波处理,以增强睑板腺的对比度;
步骤S4、对经步骤S3后所得到的合成图像进行腐蚀膨胀处理和高斯模糊去噪,以提取出合成图像中的背景图像;
步骤S5、进行图像减运算,将经步骤S3后所得到的合成图像减去经步骤S4后所得到的背景图像,从而得到去除背景后的睑板腺图像;
步骤S6、对经步骤S5后所得到的睑板腺图像进行灰度拉伸处理,并作为最终的睑板腺图像输出;
所述的步骤S2中的图像融合具体为:
根据睑板腺在不同波长下的生物特征及不同光源分布情况下,设定不同的权重值α1,α2…αn,使得α1+α2…+αn=1,且
g(x,y)=α1*I1(x,y)+α2*I2(x,y)+…+αn*In(x,y) (1)
在式(1)中,I(x,y)为不同波长或不同光源分布下所采集到的睑板腺图像,且其中的x和y代表像素点坐标;g(x,y)为融合后的合成图像。
2.根据权利要求1所述的一种基于机器视觉的睑板腺图像预处理的方法,其特征在于,所述的步骤S3中的Wallis滤波处理具体为:根据睑板腺图像的生物特征,选择Wallis算法对原始图像进行处理,
在式(2)中,Img(x,y)为融合后的合成图像在像素点坐标(x,y)处的灰度值,Rst(x,y)为Wallis变化后的结果图像在(x,y)处的灰度值,mo和so分别为初始睑板腺图像的灰度平均值和灰度标准偏差,mi和si分别为变化后的图像的目标灰度均值和灰度标准偏差,c∈[0,1]为图像方差的扩展系数,b∈[0,1]为图像亮度系数,且通过调节b和c的值,使得变化后的图像的均值和标准偏差趋于设定的理想状态。
3.根据权利要求1所述的一种基于机器视觉的睑板腺图像预处理的方法,其特征在于:所述的步骤S4中的腐蚀膨胀处理包括灰度腐蚀、膨胀运算,高斯模糊去噪包括有高斯滤波。
4.根据权利要求1所述的一种基于机器视觉的睑板腺图像预处理的方法,其特征在于:在进行步骤S4之前,对经步骤S3后所得到的合成图像进行中值滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010368123.6A CN111652847B (zh) | 2020-04-30 | 2020-04-30 | 一种基于机器视觉的睑板腺图像预处理的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010368123.6A CN111652847B (zh) | 2020-04-30 | 2020-04-30 | 一种基于机器视觉的睑板腺图像预处理的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652847A CN111652847A (zh) | 2020-09-11 |
CN111652847B true CN111652847B (zh) | 2023-04-07 |
Family
ID=72348165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010368123.6A Active CN111652847B (zh) | 2020-04-30 | 2020-04-30 | 一种基于机器视觉的睑板腺图像预处理的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652847B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482968A (zh) * | 2008-01-07 | 2009-07-15 | 日电(中国)有限公司 | 图像处理方法和设备 |
US8116521B2 (en) * | 2007-08-30 | 2012-02-14 | Casio Computer Co., Ltd. | Moving body image extraction apparatus and computer readable storage medium storing program |
CN104978722A (zh) * | 2015-07-06 | 2015-10-14 | 天津大学 | 基于背景建模的多曝光图像融合鬼影去除方法 |
CN106355186A (zh) * | 2016-08-24 | 2017-01-25 | 大连海事大学 | 一种多角度采集与一体化提取的足迹处理方法 |
CN110660039A (zh) * | 2019-10-10 | 2020-01-07 | 杭州雄迈集成电路技术有限公司 | 一种多帧加权的宽动态图像处理方法 |
CN110992296A (zh) * | 2020-03-04 | 2020-04-10 | 执鼎医疗科技(杭州)有限公司 | 睑板腺图像增强方法 |
-
2020
- 2020-04-30 CN CN202010368123.6A patent/CN111652847B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8116521B2 (en) * | 2007-08-30 | 2012-02-14 | Casio Computer Co., Ltd. | Moving body image extraction apparatus and computer readable storage medium storing program |
CN101482968A (zh) * | 2008-01-07 | 2009-07-15 | 日电(中国)有限公司 | 图像处理方法和设备 |
CN104978722A (zh) * | 2015-07-06 | 2015-10-14 | 天津大学 | 基于背景建模的多曝光图像融合鬼影去除方法 |
CN106355186A (zh) * | 2016-08-24 | 2017-01-25 | 大连海事大学 | 一种多角度采集与一体化提取的足迹处理方法 |
CN110660039A (zh) * | 2019-10-10 | 2020-01-07 | 杭州雄迈集成电路技术有限公司 | 一种多帧加权的宽动态图像处理方法 |
CN110992296A (zh) * | 2020-03-04 | 2020-04-10 | 执鼎医疗科技(杭州)有限公司 | 睑板腺图像增强方法 |
Non-Patent Citations (3)
Title |
---|
测绘出版社.Wallis滤波.《地面激光雷达与近景摄影测量技术集成》.测绘出版社,2017,第71-72页. * |
赵小川编著.图像加权融合.《MATLAB图像处理》.北京航空航天大学出版社,2019,第89页. * |
邵欣.灰度变换.《机器视觉与传感器技术》.北京航空航天大学出版社,2017,第34-35页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111652847A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2188779B1 (en) | Extraction method of tongue region using graph-based approach and geometric properties | |
CN109272492B (zh) | 一种细胞病理涂片的处理方法及系统 | |
DE69906403T2 (de) | Verfahren und Gerät zum Detektieren eines gesichtsähnlichen Gebiets | |
AU708935B2 (en) | Method for identifying objects using data processing techniques | |
CN109086675B (zh) | 一种基于光场成像技术的人脸识别及攻击检测方法及其装置 | |
CN108272434B (zh) | 对眼底图像进行处理的方法及装置 | |
CN111710012B (zh) | 一种基于两维复合配准的octa成像方法与装置 | |
CN109087310B (zh) | 睑板腺纹理区域的分割方法、系统、存储介质及智能终端 | |
JP2011120657A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN112330613B (zh) | 一种细胞病理数字图像质量的评价方法及系统 | |
CN108765388A (zh) | 食道内窥oct图像层次结构的自动分割方法和系统 | |
CN114565608A (zh) | 一种内窥镜Ai图像识别方法及系统 | |
CN111652847B (zh) | 一种基于机器视觉的睑板腺图像预处理的方法 | |
CN111881924B (zh) | 结合光照不变性与短曝光光照增强的暗光车照识别方法 | |
CN112132848B (zh) | 一种基于图像图层分割抽取的预处理方法 | |
CN106846348B (zh) | 人脸图像中自动去除眼镜的方法 | |
CN110033496B (zh) | 时间序列三维视网膜sd-oct图像的运动伪差校正方法 | |
CN111861977A (zh) | 一种基于机器视觉的眼前节断层图像的特征提取方法 | |
CN113362280B (zh) | 一种基于医学造影的动态目标跟踪方法 | |
Poostchi et al. | Diabetic retinopathy dark lesion detection: preprocessing phase | |
CN114820617A (zh) | 基于四焦距相位相干机器视觉的晶体缺陷检测方法和系统 | |
KR102380560B1 (ko) | 영상 처리를 기반으로 하는 각막궤양 검출 장치 및 그 방법 | |
CN114983334A (zh) | 一种基于机器视觉的裂隙灯自调节控制方法和裂隙灯 | |
CN111652805A (zh) | 一种用于眼底图像拼接的图像预处理方法 | |
CN111091514A (zh) | 一种口腔cbct图像去噪方法及系统 |
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 |