CN111951214B - 图像中可读区域的分割方法、装置、电子设备及存储介质 - Google Patents
图像中可读区域的分割方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111951214B CN111951214B CN202010586428.4A CN202010586428A CN111951214B CN 111951214 B CN111951214 B CN 111951214B CN 202010586428 A CN202010586428 A CN 202010586428A CN 111951214 B CN111951214 B CN 111951214B
- Authority
- CN
- China
- Prior art keywords
- area
- brightness
- region
- drift
- readable
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 230000011218 segmentation Effects 0.000 claims abstract description 33
- 230000015654 memory Effects 0.000 claims description 19
- 230000002093 peripheral effect Effects 0.000 claims description 9
- 230000001788 irregular Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 8
- 230000003902 lesion Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010012689 Diabetic retinopathy Diseases 0.000 description 2
- 206010064930 age-related macular degeneration Diseases 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 208000002780 macular degeneration Diseases 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000010412 Glaucoma Diseases 0.000 description 1
- 206010027646 Miosis Diseases 0.000 description 1
- 208000022873 Ocular disease Diseases 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General 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)
- Geometry (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本申请公开了图像中可读区域的分割方法、装置、电子设备及存储介质,涉及智慧医疗、图像处理技术领域。具体实现方案为:通过获取眼底图像中像素点对应的亮度漂移信息对眼底图像进行分割,并将分割得到的区域根据像素点对应的对比度漂移信息以及对应的病灶检测算法,确定该区域是否满足对应的可读条件,在该区域满足对应的可读条件时,确定该区域为眼底图像中的可读区域。由此,通过检测眼底图像亮度是否均匀的同时,对区域的清晰度进行计算,并结合病灶检测算法,从而更好的判断区域是否可读,可最大程度地降低图像的错误丢弃率。
Description
技术领域
本申请涉及计算机技术领域,具体涉及智慧医疗、图像处理技术领域,尤其涉及图像中可读区域的分割方法、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,可以获得大量的眼底图像。糖尿病性视网膜病变(DR)、青光眼和年龄相关性黄斑变性(AMD)等眼底疾病可以通过眼底图像来诊断。眼底图像质量对自动眼部疾病筛查的表现具有显著影响,质量差的眼底图可能会误导诊断。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有相当多的图像质量较差,其中主要是亮度不均匀,出现局部过亮或过暗的现象。
相关技术中,通过对图像整体质量进行评估分类,没有可读区域分割解释说明,对于可读区域存在病灶的低质图片,会选择丢弃或重拍。但是,对于图像中一些过亮或过暗区域,仍可见血管纹理,甚至有明显病灶,对于整体低质但可读区域存在病灶的情况,直接选择丢弃或者重拍是不合理的。
发明内容
提供了一种图像中可读区域的分割方法、装置、电子设备及存储介质。
根据第一方面,提供了一种图像中可读区域的分割方法,通过获取眼底图像中像素点对应的亮度漂移信息对眼底图像进行分割,并将分割得到的区域根据像素点对应的对比度漂移信息以及对应的病灶检测算法,确定该区域是否满足对应的可读条件,在该区域满足对应的可读条件时,确定该区域为眼底图像中的可读区域。由此,通过检测眼底图像亮度是否均匀的同时,对区域的清晰度进行计算,并结合病灶检测算法,从而更好的判断区域是否可读,可最大程度地降低图像的错误丢弃率。
本申请第二方面,提供一种图像中可读区域的分割装置。
本申请第三方面,提出一种电子设备。
本申请第四方面,提出一种存储有计算机指令的非瞬时计算机可读存储介质。
本申请第一方面实施例提出一种图像中可读区域的分割方法,包括:获取眼底图像,以及所述眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息;根据所述各个像素点对应的亮度漂移信息对所述眼底图像进行分割,以获取所述眼底图像中的至少一个区域;根据所述区域内所述各个像素点对应的对比度漂移信息以及所述区域对应的病灶检测算法,确定所述区域是否满足对应的可读条件;在所述区域满足对应的可读条件时,确定所述区域为所述眼底图像中的可读区域。
本申请实施例的图像中可读区域的分割方法,通过获取眼底图像,以及所述眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息;根据所述各个像素点对应的亮度漂移信息对所述眼底图像进行分割,以获取所述眼底图像中的至少一个区域;根据所述区域内所述各个像素点对应的对比度漂移信息以及所述区域对应的病灶检测算法,确定所述区域是否满足对应的可读条件;在所述区域满足对应的可读条件时,确定所述区域为所述眼底图像中的可读区域。该方法通过获取眼底图像中像素点对应的亮度漂移信息对眼底图像进行分割,并将分割得到的区域根据像素点对应的对比度漂移信息以及对应的病灶检测算法,确定该区域是否满足对应的可读条件,在该区域满足对应的可读条件时,确定该区域为眼底图像中的可读区域。由此,通过检测眼底图像亮度是否均匀的同时,对区域的清晰度进行计算,并结合病灶检测算法,从而更好的判断区域是否可读,可最大程度地降低图像的错误丢弃率。
本申请第一方面实施例提出一种图像中可读区域的分割装置,包括:获取模块,用于获取眼底图像,以及所述眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息;分割模块,用于根据所述各个像素点对应的亮度漂移信息对所述眼底图像进行分割,以获取所述眼底图像中的至少一个区域;第一确定模块,用于根据所述区域内所述各个像素点对应的对比度漂移信息以及所述区域对应的病灶检测算法,确定所述区域是否满足对应的可读条件;第二确定模块,用于在所述区域满足对应的可读条件时,确定所述区域为所述眼底图像中的可读区域。
本申请第三方面实施例提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的图像中可读区域的分割方法。
本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如上所述的图像中可读区域的分割方法。
本申请第五方面实施例提出了一种计算机程序产品,包括计算机程序,所述计算机程序产品在被处理器执行时实现上述的图像中可读区域的分割方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是根据本申请实施例的眼底图像、亮度漂移信息以及对应的亮度漂移分布直方图示意图;
图3是根据本申请第二实施例的示意图;
图4是根据本申请实施例的血管分割图和对比度漂移信息示意图;
图5是根据本申请第三实施例的示意图;
图6是根据本申请实施例的过亮区域的轮廓特征示意图;
图7是根据本申请实施例的图像中可读区域的分割方法示意图;
图8是根据本申请第四实施例的示意图;
图9是用来实现本申请实施例的图像中可读区域的分割方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的图像中可读区域的分割方法、装置、电子设备及存储介质。
图1是根据本申请第一实施例的示意图。其中,需要说明的是,本实施例的图像中可读区域的分割方法的执行主体为图像中可读区域的分割装置,图像中可读区域的分割装置具体可以为硬件设备,或者硬件设备中的软件等。其中,硬件设备例如终端设备、服务器等。
如图1所示,图像中可读区域的分割方法具体实现过程如下:
步骤101,获取眼底图像,以及眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息。
在本申请实施例中,可采用医疗领域中的眼底照相机,对用户眼睛视网膜进行拍照,从而可获取眼底图像。
由于亮度信息和对比度信息会在眼底图像上产生形变,为了获取更真实的亮度漂移信息和对比度漂移信息,可选的,获取眼底图像,以及眼底图像的背景图像;针对背景图像中的每个像素点,根据像素点的亮度信息以及对应的周边像素点的亮度信息,确定像素点对应的亮度漂移信息以及对比度漂移信息;将背景图像中各个像素点对应的亮度漂移信息以及对比度漂移信息,确定为眼底图像中各个像素点对应的亮度漂移信息以及对比度漂移信息。
也就是说,可通过在眼底图像上进行建模分区,在极坐标系中获取不均匀分布的采样点,可获取眼底图像的背景图像,对背景图像中的像素点进行提取,可获取背景图像中的每个像素点,接着,根据每个像素点的亮度值和对应的周边的像素点的亮度值进行局部均值和标准差的计算,将该均值作为像素点对应的亮度漂移信息,将该标准差作为对比度漂移信息。进一步地,将背景图中的各个像素点对应的亮度漂移信息以及对比度漂移信息作为眼底图像中的各个像素点对应的亮度漂移信息以及对比度漂移信息。由此,可获取更真实的亮度漂移信息和对比度漂移信息。
步骤102,根据各个像素点对应的亮度漂移信息对所述眼底图像进行分割,以获取所述眼底图像中的至少一个区域。
作为一种实例,可根据各个像素点对应的亮度漂移信息,生成对应的亮度漂移分布直方图,接着,可根据该亮度漂移分布直方图获取对应的参考亮度漂移数值,其中,需要说明的是,参考亮度漂移数值可包括但不限于第一亮度漂移数值和第二亮度漂移数值,其中,第一亮度漂移数值为亮度漂移分布直方图中对应的分布数值为极大值的漂移数值,第二亮度漂移数值为分布数量小于预设数量阈值的多个亮度漂移数值中的最小亮度漂移数值。同时,为了可以准确地分割出眼底图像中的亮度均匀和非均匀区域,可从统计学角度确定亮度漂移数值的过亮和过暗阈值,根据过亮阈值和过暗阈值确定第一数值范围,将参考亮度漂移数值与第一数值范围进行比对,从而确定眼底图像中的均匀区域和不均匀区域。比如,为了提高第一数值范围的准确度,可通过获取大于预设数量的亮度漂移样本分布直方图,根据大量的亮度漂移样本分布直方图,确定亮度漂移数值的过亮和过暗阈值,将大于过暗阈值且小于过亮阈值的数值范围作为第一数值范围。接着,将参考亮度漂移数值与第一数值范围进行比对,判断参考亮度漂移数值是否位于第一数值范围内,在参考亮度漂移数值位于第一数值范围外,则根据具有参考亮度漂移数值的像素点对眼底图像进行分割,从而可获取眼底图像中的亮度均匀区域和亮度不均匀区域。此外,在不存在参考亮度漂移数值位于第一数值范围外,则将眼底图像所在的区域,确定为眼底图像中的亮度均匀区域。由此,可根据参考亮度漂移数值与第一数值范围的比对情况,准确地分割出眼底图像的亮度均匀区域和亮度不均匀区域。
举例而言,如图2所示,根据各个像素点对应的亮度漂移信息,生成亮度漂移分布直方图,其中,在亮度漂移分布直方图中,峰值点B的漂移数值为第一亮度漂移数值,最小值点A的漂移数值为第二亮度漂移数值,对于最小值点A的对应的亮度漂移数值X,即第二亮度漂移数值,如果X大于th1(如th1∈(120,150)),则存在过亮区域,若峰值点B的对应的亮度漂移数值P小于th2(如th2∈(20,40)),则存在过暗区域,即存在第一数值范围外的参考亮度漂移数值时,确定眼底图像中的区域为亮度不均匀区域。若分布直方图中的亮度漂移数值大于th2且小于th1,即不存在位于第一数值范围外的参考亮度漂移数值,确定眼底图像所在的区域为亮度均匀区域。
步骤103,根据区域内所述各个像素点对应的对比度漂移信息以及区域对应的病灶检测算法,确定区域是否满足对应的可读条件。
在本申请实施例中,根据眼底图像的区域亮度是否均匀可采用不同的方式确定区域是否满足对应的可读条件。
作为一种实例,在所述区域为亮度均匀区域时,可将亮度均匀区域内的各个像素点对应的对比度漂移信息确定该区域的清晰度,并将该清晰度与第一清晰度阈值进行比对,从而确定该区域是否为可读区域。具体详见后续实施例的描述。
作为另一种示例,在所述区域为亮度不均匀区域时,可将亮度不均匀区域内的各个像素点对应的亮度漂移信息确定该区域是否为过亮区域,在所述区域为过亮区域时,可将该区域内的各个像素点对应的对比度漂移信息确定该区域的清晰度,将该区域的清晰度与第一清晰度阈值进行比对,从而确定该过亮区域是否为可读区域。在所述区域为过暗区域时,可将该区域内的各个像素点对应的对比度漂移信息确定该区域的清晰度,将该区域的清晰度与第二清晰度阈值进行比对,从而确定该过暗区域是否为可读区域。具体详见后续实施例的描述。
步骤104,在区域满足对应的可读条件时,确定区域为眼底图像中的可读区域。
进一步地,检测眼底图像亮度是否均匀的同时,对区域的清晰度进行计算,并结合病灶检测算法,可判断该区域是否满足对应的可读条件,在所述区域满足对应的可读条件时,可确定该区域为眼底图像中的可读区域。在所述区域不满足对应的可读条件时,可确定该区域为眼底图像中的不可读区域。
为了将眼底图像中的可读区域进行可视化输出,在本申请实施例中,在确定眼底图像中的可读区域后,可对眼底图像中的可读区域,采用可读区域的轮廓线对该可读区域进行标记,得到标记后的眼底图像,同时,将标记后的眼底图像进行显示输出。由此,用户可直观地看到眼底图像中的可读区域,可降低眼底图像的错误丢弃率。
为了进一步提高本申请实施例的可用性及可行性,在确定眼底图像中的可读区域和非可读区域后,若一个眼底图像中包括可读区域和非可读区域,可为可读区域和非可读区域分别设置不同的权重,例如,可读区域的权重大于不可读区域的权重;之后,对可读区域和非可读区域分别进行病灶识别检测,可获取可读区域和非可读区域存在具体病灶的置信度,将该置信度与对应的区域的权重相乘,可得到可读区域和非可读区域存在具体病灶的概率,从而可得到眼底图像存在具体病灶的概率。其中,需要说明的是,非可读区域为不存在病灶的区域或存在病灶概率较低的区域。
综上,通过获取眼底图像中像素点对应的亮度漂移信息对眼底图像进行分割,并将分割得到的区域根据像素点对应的对比度漂移信息以及对应的病灶检测算法,确定该区域是否满足对应的可读条件,在该区域满足对应的可读条件时,确定该区域为眼底图像中的可读区域。由此,通过检测眼底图像亮度是否均匀的同时,对区域的清晰度进行计算,并结合病灶检测算法,从而更好的判断区域是否可读,可最大程度地降低图像的错误丢弃率。
为了更加准确地判断眼底图像中的区域是否满足对应的可读条件,在本申请实施例中,可根据眼底图像的区域是否均匀采用不同的方式确定区域是否满足对应的可读条件。作为一种示例,如图3所示,图3是根据本申请第二实施例的示意图。在所述区域为亮度均匀区域时,可将亮度均匀区域内的各个像素点对应的对比度漂移信息确定该区域的清晰度,并将该清晰度与第一清晰度阈值进行比对,从而确定该区域是否满足对应的可读条件。在图1所述实施例的步骤103中可包括如下步骤:
步骤301,根据亮度均匀区域内各个像素点对应的对比度漂移信息,确定亮度均匀区域的清晰度。
作为一种示例,如图4所示,将眼底图像中的亮度均匀区域进行血管分割并进行二值化处理得到血管分割mask(蒙片)图,将血管分割mask图与眼底图像进行相乘,可得到血管分割图,根据血管分割图可获得血管检出率,将血管检出率结合对比度漂移信息可计算出该区域的清晰度。
步骤302,在亮度均匀区域的清晰度大于第一清晰度阈值时,确定亮度均匀区域为可读区域。
接着,将获取的亮度均匀的清晰度与第一清晰度阈值进行比对,在该亮度均匀的清晰度大于第一清晰度阈值时,则确定该亮度均匀区域为可读区域。其中,需要说明的是,图像中可读区域的分割装置可对第一清晰度阈值进行预设设置。
步骤303,在亮度均匀区域的清晰度小于第一清晰度阈值时,根据亮度均匀区域对应的病灶检测算法确定亮度均匀区域是否为病灶区域。
同时,在亮度均匀区域的清晰度小于第一清晰度阈值时,结合亮度均匀区域对应的病灶检测算法,进一步检测该区域是否为病灶区域。
步骤304,在亮度均匀区域为病灶区域时,确定亮度均匀区域为可读区域。
步骤305,在亮度均匀区域为非病灶区域时,确定亮度均匀区域为非可读区域。
在本申请实施例中,在亮度均匀区域的清晰度小于第一清晰度阈值时,根据亮度均匀区域对应的病灶检测算法确定亮度区域为病灶区域时,则确定亮度均匀区域为可读区域,满足对应的可读条件;同时,在亮度均匀区域为非病灶区域时,可确定该亮度均匀区域为非可读区域,该区域不满足对应的可读条件。
综上,在区域为亮度均匀区域时,可将亮度均匀区域内的各个像素点对应的对比度漂移信息确定该区域的清晰度,并将该清晰度与第一清晰度阈值进行比对,同时结合病灶检测算法,可以准确地判断眼底图像中的亮度均匀区域是否满足对应的可读条件。
作为另一种示例,如图5所示,图5是根据本申请第三实施例的示意图。在眼底图像中的区域为亮度不均匀区域时,可将亮度不均匀区域内的各个像素点对应的亮度漂移信息确定该区域是否为过亮区域,在所述区域为过亮区域时,可将该区域内的各个像素点对应的对比度漂移信息确定该区域的清晰度,将该区域的清晰度与第一清晰度阈值进行比对,从而确定该过亮区域是否为可读区域。在所述区域为过暗区域时,可将该区域内的各个像素点对应的对比度漂移信息确定该区域的清晰度,将该区域的清晰度与第二清晰度阈值进行比对,从而确定该过暗区域是否为可读区域。在图1所述实施例的步骤103中可包括如下步骤:
步骤501,根据亮度不均匀区域内各个像素点对应的亮度漂移信息,确定所述亮度不均匀区域是否为过亮区域。
在本申请实施例中,可根据各个像素点对应的亮度漂移信息生成亮度漂移分布直方图,在亮度漂移分布直方图中的参考亮度漂移数值在第一数值范围外时,确定眼底图像中的区域为亮度不均匀区域,进一步地,若参考亮度漂移数值中的第二亮度漂移数值位于第一数值范围外,则所述亮度不均匀区域为过亮区域。若参考亮度漂移数值中的第一亮度漂移数值位于第一参考数值范围外,则所述亮度不均匀区域为过暗区域。比如,第二亮度漂移数值大于第一数值范围的最大值,则所述亮度不均匀区域为过亮区域。第一亮度漂移数值小于第一数值范围的最小值,则所述亮度不均匀区域为过暗区域。
步骤502,在亮度不均匀区域为过亮区域时,根据过亮区域内各个像素点对应的对比度漂移信息,确定过亮区域的清晰度。
接着,确定亮度不均匀区域为过亮区域时,可根据该区域内的各个像素点对应的对比度漂移信息,确定出该区域的清晰度。具体可参见图3所述实施例的步骤301,本申请不再赘述。
步骤503,在过亮区域的清晰度大于第一清晰度阈值时,确定过亮区域为可读区域。
进一步地,将过亮区域的清晰度与第一清晰度阈值进行比对,在该区域的清晰度大于第一清晰度阈值时,可确定该区域为可读区域,满足对应的可读条件。
步骤504,在过亮区域的清晰度小于第一清晰度阈值时,获取过亮区域的轮廓特征,并根据过亮区域的轮廓特征确定过亮区域是否为病灶区域。
同时,在过亮区域的清晰度小于第一清晰度阈值时,可通过获取过亮区域的轮廓特征,并根据过亮区域的轮廓特征确定该过亮区域是否为病灶区域。其中,轮廓特征可包括但不限于轮廓形状和轮廓位置。
可以理解,由于病灶区域和过曝区域特征相似,都是亮度大于第一清晰度阈值且没有纹理,容易混淆。在本申请实施例中,可根据分割出的轮廓,进行轮廓位置、轮廓形状等信息的特征计算,能准确的区分病灶区域和过曝区域,对病灶有很好的鲁棒性,不会将病灶区域误分类为过曝区域。
可选地,在过亮区域的轮廓形状规则,且轮廓位置为眼底图像的边缘位置时,确定过亮区域为过曝区域;在过亮区域的轮廓形状不规则,或者轮廓位置为眼底图像的非边缘位置时,确定过亮区域为病灶区域。
也就是说,在过亮区域的轮廓形状较规则,且轮廓位置位于眼底图像的边缘位置时(比如,轮廓矩的重心位于眼底图像的边缘),确定过亮区域为过曝区域。在过亮区域的轮廓形状不规则,或者轮廓位置为眼底图像的非边缘位置时,则确定过亮区域为病灶区域。比如,如图6所示,图中的轮廓形状为规则且位于眼底图像的边缘位置,该过亮区域为过曝区域。轮廓形状不规则,或者轮廓位置为眼底图像的非边缘位置时,则确定过亮区域为病灶区域。
步骤505,在过亮区域为病灶区域时,确定过亮区域为可读区域。
在本申请实施例中,在过亮区域的轮廓形状不规则,或者轮廓位置为眼底图像的非边缘位置时,则确定过亮区域为病灶区域,该过亮区域为可读区域,满足对应的可读条件。
步骤506,在过亮区域为非病灶区域时,确定过亮区域为非可读区域。
同时,在过亮区域的轮廓形状较规则,且轮廓位置位于眼底图像的边缘位置时,可确定该过亮区域为过曝区域,为非病灶区域,则该过亮区域为非可读区域,不满足对应的可读条件。
步骤507,在亮度不均匀区域为过暗区域时,根据过暗区域内各个像素点对应的对比度漂移信息,确定过暗区域的清晰度。
在本申请实施例中,确定亮度不均匀区域为过暗区域时,可根据该区域内的各个像素点对应的对比度漂移信息,确定出该区域的清晰度。具体可参见图3所述实施例的步骤301,本申请不再赘述。
步骤508,在过暗区域的清晰度大于等于第二清晰度阈值时,确定过暗区域为可读区域。
进一步地,将过暗区域的清晰度与第二清晰度阈值进行比对,在该区域的清晰度大于第二清晰度阈值时,可确定该区域为可读区域,满足对应的可读条件。其中,需要说明的是,图像中可读区域的分割装置可对第二清晰度阈值进行预先设置。
步骤509,在过暗区域的清晰度小于第二清晰度阈值时,确定过暗区域为非可读区域。
同时,在过暗区域的清晰度小于第二清晰度阈值时,可确定该区域为非可读区域,不满足对应的可读条件。
综上,在眼底图像中的区域为亮度不均匀区域时,可将亮度不均匀区域内的各个像素点对应的亮度漂移信息确定该区域是否为过亮区域,在所述区域为过亮区域时,可将该区域内的各个像素点对应的对比度漂移信息确定该区域的清晰度,将该区域的清晰度与第一清晰度阈值进行比对,并结合该区域的轮廓特征,确定该区域是否为病灶区域,从而确定该过亮区域是否为可读区域。在所述区域为过暗区域时,可将该区域内的各个像素点对应的对比度漂移信息确定该区域的清晰度,将该区域的清晰度与第二清晰度阈值进行比对,从而确定该过暗区域是否为可读区域。由此,可以准确地判断眼底图像中的亮度不均匀区域是否满足对应的可读条件。
为了便于本领域技术人员对本申请实施例的理解,现举例进行说明。
举例而言,如图7所示,亮度漂移因子可表示亮度漂移信息,将眼底图像根据亮度漂移信息对眼底图像进行分割,以获取眼底图像中的亮度均匀区域和亮度不均匀区域。针对亮度均匀区域,可计算该区域的清晰度,将该区域的清晰度与第一清晰度阈值进行比对,在该区域的清晰度大于第一清晰度阈值时,可确定该区域为可读区域,在该区域清晰度小于或等于第一清晰度阈值时,可根据该区域是否为病灶区域确定该区域是否可读。在该区域存在病灶时,可确定该区域为可读区域,在该区域不存在病灶时,可确定该区域为不可读区域,并计算该不可读区域面积,记为A。
针对亮度不均匀区域,可将根据亮度漂移信息确定该亮度不均匀区域是否为过亮区域,在亮度不均匀区域为过暗区域时,可计算该区域的清晰度,并将该清晰度与第二清晰度阈值进行比对,在该清晰度大于第二阈值清晰度时,可确定该区域为可读区域,在该清晰度小于或等于第二清晰度阈值时,可确定该区域清晰度较差,该区域为不可读区域,并计算该不可读区域的面积,记为B。
在亮度不均匀区域为过亮区域时,可计算该区域的清晰度,并将该清晰度与第一清晰度阈值进行比对,在该区域清晰度大于第一清晰度阈值时,可确定该区域可读,在该清晰度小于或等于第一清晰度阈值时,可根据该区域的轮廓特征确定该区域是否为病灶区域,在该区域为病灶区域时,则该区域为可读区域;在该区域为非病灶区域时,则该区域为不可读区域,可计算该不可读区域的面积,记为面积C。
为了便于用户对眼底图像中的可读区域的查看,可采用眼底图像中的可读区域的面积占比对可读区域进行显示。比如,可将眼底图像的总面积记为retina_area,可读区域的面积占比可表示为:(retina_area-A-B-C)/retina_area。
本申请实施例的图像中可读区域的分割方法,通过获取眼底图像,以及眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息;根据各个像素点对应的亮度漂移信息对眼底图像进行分割,以获取眼底图像中的至少一个区域;根据区域内各个像素点对应的对比度漂移信息以及区域对应的病灶检测算法,确定区域是否满足对应的可读条件;在区域满足对应的可读条件时,确定区域为眼底图像中的可读区域。该方法通过获取眼底图像中像素点对应的亮度漂移信息对眼底图像进行分割,并将分割得到的区域根据像素点对应的对比度漂移信息以及对应的病灶检测算法,确定该区域是否满足对应的可读条件,在该区域满足对应的可读条件时,确定该区域为眼底图像中的可读区域。由此,通过检测眼底图像亮度是否均匀的同时,对区域的清晰度进行计算,并结合病灶检测算法,从而更好的判断区域是否可读,可最大程度地降低图像的错误丢弃率。
为了实现上述实施例,本申请实施例还提出一种图像中可读区域的分割装置。
图8是根据本申请第四实施例的示意图。如图8所示,该图像中可读区域的分割装置800可包括:获取模块810、分割模块820、第一确定模块830、第二确定模块840。
其中,获取模块810,用于获取眼底图像,以及眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息;分割模块820,用于根据各个像素点对应的亮度漂移信息对眼底图像进行分割,以获取眼底图像中的至少一个区域;第一确定模块830,用于根据区域内各个像素点对应的对比度漂移信息以及区域对应的病灶检测算法,确定区域是否满足对应的可读条件;第二确定模块840,用于在区域满足对应的可读条件时,确定区域为眼底图像中的可读区域。
作为本申请实施例的一种可能实现方式,获取模块810用于获取眼底图像,以及眼底图像的背景图像;针对背景图像中的每个像素点,根据像素点的亮度信息以及对应的周边像素点的亮度信息,确定像素点对应的亮度漂移信息以及对比度漂移信息;将背景图像中各个像素点对应的亮度漂移信息以及对比度漂移信息,确定为眼底图像中各个像素点对应的亮度漂移信息以及对比度漂移信息。
作为本申请实施例的一种可能实现方式,分割模块820用于根据各个像素点对应的亮度漂移信息,生成亮度漂移分布直方图;获取亮度漂移分布直方图中的参考亮度漂移数值,参考亮度漂移数值包括:第一亮度漂移数值和第二亮度漂移数值,其中,第一亮度漂移数值为亮度漂移分布直方图中对应的分布数值为极大值的漂移数值,第二亮度漂移数值为分布数量小于预设数量阈值的多个亮度漂移数值中的最小亮度漂移数值;判断参考亮度漂移数值是否位于第一数值范围内;在存在位于第一数值范围外的参考亮度漂移数值时,根据具有参考亮度漂移数值的像素点对眼底图像进行分割,以获取眼底图像中的亮度均匀区域和亮度不均匀区域。
作为本申请实施例的一种可能实现方式,分割模块还用于在不存在位于第一数值范围外的参考亮度漂移数值时,将眼底图像所在的区域,确定为眼底图像中的亮度均匀区域。
作为本申请实施例的一种可能实现方式,图像中可读区域的分割装置800还包括:样本获取模块、数值确定模块。
其中,样本获取模块,用于获取大于预设数量的亮度漂移样本分布直方图;数值确定模块,用于根据亮度漂移样本分布直方图,确定第一数值范围。
作为本申请实施例的一种可能实现方式,在区域为亮度均匀区域时,第一确定模块830用于根据亮度均匀区域内各个像素点对应的对比度漂移信息,确定亮度均匀区域的清晰度;在亮度均匀区域的清晰度大于第一清晰度阈值时,确定亮度均匀区域为可读区域;在所述亮度均匀区域的清晰度小于第一清晰度阈值时,根据亮度均匀区域对应的病灶检测算法确定亮度均匀区域是否为病灶区域;在亮度均匀区域为病灶区域时,确定亮度均匀区域为可读区域。
作为本申请实施例的一种可能实现方式,第一确定模块830还用于在亮度均匀区域为非病灶区域时,确定亮度均匀区域为非可读区域。
作为本申请实施例的一种可能实现方式,在区域为亮度不均匀区域时,第一确定模块830用于根据亮度不均匀区域内各个像素点对应的亮度漂移信息,确定亮度不均匀区域是否为过亮区域;在亮部不均匀区域为过亮区域时,根据过亮区域内各个像素点对应的对比度漂移信息,确定过亮区域的清晰度;在过亮区域的清晰度大于第一清晰度阈值时,确定过亮区域为可读区域;在过亮区域的清晰度小于第一清晰度阈值时,获取过亮区域的轮廓特征,并根据过亮区域的轮廓特征确定过亮区域是否为病灶区域;在过亮区域为病灶区域时,确定过亮区域为可读区域。
作为本申请实施例的一种可能实现方式,第一确定模块830用于在过亮区域为非病灶区域时,确定过亮区域为非可读区域。
作为本申请实施例的一种可能实现方式,轮廓特征包括:轮廓形状和轮廓位置;第一确定模块830用于在所述过亮区域的轮廓形状规则,且轮廓位置为眼底图像的边缘位置时,确定过亮区域为过曝区域;在过亮区域的轮廓形状不规则,或者轮廓位置为眼底图像的非边缘位置时,确定过亮区域为病灶区域。
作为本申请实施例的一种可能实现方式,第一确定模块830还用于在亮度不均匀区域为过暗区域时,根据过暗区域内各个像素点对应的对比度漂移信息,确定过暗区域的清晰度;在过暗区域的清晰度大于等于第二清晰度阈值时,确定过暗区域为可读区域;在过暗区域的清晰度小于第二清晰度阈值时,确定过暗区域为非可读区域。
作为本申请实施例的一种可能实现方式,图像中可读区域的分割装置800还包括:标记模块、显示模块。
其中,标记模块,用于对眼底图像中的可读区域,采用可读区域的轮廓线对可读区域进行标记,得到标记后的眼底图像;显示模块,用于显示标记后的眼底图像。
本申请实施例的图像中可读区域的分割装置,通过获取眼底图像,以及眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息;根据各个像素点对应的亮度漂移信息对眼底图像进行分割,以获取眼底图像中的至少一个区域;根据区域内各个像素点对应的对比度漂移信息以及区域对应的病灶检测算法,确定区域是否满足对应的可读条件;在区域满足对应的可读条件时,确定区域为眼底图像中的可读区域。该装置可实现通过获取眼底图像中像素点对应的亮度漂移信息对眼底图像进行分割,并将分割得到的区域根据像素点对应的对比度漂移信息以及对应的病灶检测算法,确定该区域是否满足对应的可读条件,在该区域满足对应的可读条件时,确定该区域为眼底图像中的可读区域。由此,通过检测眼底图像亮度是否均匀的同时,对区域的清晰度进行计算,并结合病灶检测算法,从而更好的判断区域是否可读,可最大程度地降低图像的错误丢弃率。
为了实现上述实施例,本申请提出了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述实施例的图像中可读区域的分割方法。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图9所示,是根据本申请实施例的图像中可读区域的分割方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器901、存储器902,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的图像中可读区域的分割方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的图像中可读区域的分割方法。
存储器902作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的图像中可读区域的分割方法对应的程序指令/模块(例如,附图8所示的获取模块810、分割模块820、第一确定模块830、第二确定模块840)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的图像中可读区域的分割方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据图像中可读区域的分割的电子设备的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至图像中可读区域的分割的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图像中可读区域的分割方法的电子设备还可以包括:输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息,以及产生与图像中可读区域的分割的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (26)
1.一种图像中可读区域的分割方法,包括:
获取眼底图像,以及所述眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息;其中,所述对比度漂移信息是根据所述各个像素点的亮度值和对应周边像素点的亮度信息进行局部标准差计算得到的,所述亮度漂移信息是根据所述各个像素点的亮度值和对应周边像素点的亮度信息进行局部均值计算得到的;
根据所述各个像素点对应的亮度漂移信息对所述眼底图像进行分割,以获取所述眼底图像中的至少一个区域;
根据所述区域内所述各个像素点对应的对比度漂移信息以及所述区域对应的病灶检测算法,确定所述区域是否满足对应的可读条件;其中,在所述区域为亮度均匀区域时,所述区域对应的可读条件为所述亮度均匀区域的清晰度大于第一清晰度阈值,或者,所述亮度均匀区域为病灶区域;在所述区域为亮度不均匀区域时,所述区域对应的可读条件为所述亮度不均匀区域为过亮区域时,所述过亮区域的清晰度大于第一清晰度阈值,或者,所述过亮区域为病灶区域;其中,所述清晰度是根据所述区域内所述各个像素点对应的对比度漂移信息确定的,所述病灶区域是根据所述区域对应的病灶检测算法确定的;
在所述区域满足对应的可读条件时,确定所述区域为所述眼底图像中的可读区域。
2.根据权利要求1所述的方法,其中,所述获取眼底图像,以及所述眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息,包括:
获取所述眼底图像,以及所述眼底图像的背景图像;
针对所述背景图像中的每个像素点,根据所述像素点的亮度信息以及对应的周边像素点的亮度信息,确定所述像素点对应的亮度漂移信息以及对比度漂移信息;
将所述背景图像中各个像素点对应的亮度漂移信息以及对比度漂移信息,确定为所述眼底图像中各个像素点对应的亮度漂移信息以及对比度漂移信息。
3.根据权利要求1所述的方法,其中,所述根据所述各个像素点对应的亮度漂移信息对所述眼底图像进行分割,包括:
根据所述各个像素点对应的亮度漂移信息,生成亮度漂移分布直方图;
获取所述亮度漂移分布直方图中的参考亮度漂移数值,所述参考亮度漂移数值包括:第一亮度漂移数值和第二亮度漂移数值,其中,所述第一亮度漂移数值为所述亮度漂移分布直方图中对应的分布数值为极大值的漂移数值,所述第二亮度漂移数值为分布数量小于预设数量阈值的多个亮度漂移数值中的最小亮度漂移数值;
判断所述参考亮度漂移数值是否位于第一数值范围内;
在存在位于所述第一数值范围外的参考亮度漂移数值时,根据具有所述参考亮度漂移数值的像素点对所述眼底图像进行分割,以获取所述眼底图像中的亮度均匀区域和亮度不均匀区域。
4.根据权利要求3所述的方法,其中,还包括:
在不存在位于所述第一数值范围外的参考亮度漂移数值时,将所述眼底图像所在的区域,确定为所述眼底图像中的亮度均匀区域。
5.根据权利要求3所述的方法,其中,在判断所述参考亮度漂移数值是否位于第一数值范围内之前,还包括:
获取大于预设数量的亮度漂移样本分布直方图;
根据所述亮度漂移样本分布直方图,确定所述第一数值范围。
6.根据权利要求1所述的方法,其中,在所述区域为亮度均匀区域时,所述根据所述区域内所述各个像素点对应的对比度漂移信息以及所述区域对应的病灶检测算法,确定所述区域是否满足对应的可读条件,包括:
根据所述亮度均匀区域内所述各个像素点对应的对比度漂移信息,确定所述亮度均匀区域的清晰度;
在所述亮度均匀区域的清晰度大于第一清晰度阈值时,确定所述亮度均匀区域为可读区域;
在所述亮度均匀区域的清晰度小于第一清晰度阈值时,根据所述亮度均匀区域对应的病灶检测算法确定所述亮度均匀区域是否为病灶区域;
在所述亮度均匀区域为病灶区域时,确定所述亮度均匀区域为可读区域。
7.根据权利要求6所述的方法,其中,还包括:在所述亮度均匀区域为非病灶区域时,确定所述亮度均匀区域为非可读区域。
8.根据权利要求1所述的方法,其中,在所述区域为亮度不均匀区域时,所述根据所述区域内所述各个像素点对应的对比度漂移信息以及所述区域对应的病灶检测算法,确定所述区域是否满足对应的可读条件,包括:
根据所述亮度不均匀区域内所述各个像素点对应的亮度漂移信息,确定所述亮度不均匀区域是否为过亮区域;
在所述亮度不均匀区域为过亮区域时,根据所述过亮区域内各个像素点对应的对比度漂移信息,确定所述过亮区域的清晰度;
在所述过亮区域的清晰度大于第一清晰度阈值时,确定所述过亮区域为可读区域;
在所述过亮区域的清晰度小于第一清晰度阈值时,获取所述过亮区域的轮廓特征,并根据所述过亮区域的轮廓特征确定所述过亮区域是否为病灶区域;
在所述过亮区域为病灶区域时,确定所述过亮区域为可读区域。
9.根据权利要求8所述的方法,其中,还包括:在所述过亮区域为非病灶区域时,确定所述过亮区域为非可读区域。
10.根据权利要求8所述的方法,其中,所述轮廓特征包括:轮廓形状和轮廓位置;
所述根据所述过亮区域的轮廓特征确定所述过亮区域是否为病灶区域,包括:
在所述过亮区域的轮廓形状规则,且轮廓位置为眼底图像的边缘位置时,确定所述过亮区域为过曝区域;
在所述过亮区域的轮廓形状不规则,或者轮廓位置为眼底图像的非边缘位置时,确定所述过亮区域为病灶区域。
11.根据权利要求8所述的方法,其中,还包括:
在所述亮度不均匀区域为过暗区域时,根据所述过暗区域内各个像素点对应的对比度漂移信息,确定所述过暗区域的清晰度;
在所述过暗区域的清晰度大于等于第二清晰度阈值时,确定所述过暗区域为可读区域;
在所述过暗区域的清晰度小于第二清晰度阈值时,确定所述过暗区域为非可读区域。
12.根据权利要求1所述的方法,其中,还包括:
对所述眼底图像中的可读区域,采用所述可读区域的轮廓线对所述可读区域进行标记,得到标记后的眼底图像;
显示所述标记后的眼底图像。
13.一种图像中可读区域的分割装置,包括:
获取模块,用于获取眼底图像,以及所述眼底图像中各个像素点对应的亮度漂移信息和对比度漂移信息;其中,所述对比度漂移信息是根据所述各个像素点的亮度值和对应周边像素点的亮度信息进行局部标准差计算得到的,所述亮度漂移信息是根据所述各个像素点的亮度值和对应周边像素点的亮度信息进行局部均值计算得到的;
分割模块,用于根据所述各个像素点对应的亮度漂移信息对所述眼底图像进行分割,以获取所述眼底图像中的至少一个区域;
第一确定模块,用于根据所述区域内所述各个像素点对应的对比度漂移信息以及所述区域对应的病灶检测算法,确定所述区域是否满足对应的可读条件;其中,在所述区域为亮度均匀区域时,所述区域对应的可读条件为所述亮度均匀区域的清晰度大于第一清晰度阈值,或者,所述亮度均匀区域为病灶区域;在所述区域为亮度不均匀区域时,所述区域对应的可读条件为所述亮度不均匀区域为过亮区域时,所述过亮区域的清晰度大于第一清晰度阈值,或者,所述过亮区域为病灶区域;其中,所述清晰度是根据所述区域内所述各个像素点对应的对比度漂移信息确定的,所述病灶区域是根据所述区域对应的病灶检测算法确定的;
第二确定模块,用于在所述区域满足对应的可读条件时,确定所述区域为所述眼底图像中的可读区域。
14.根据权利要求13所述的装置,其中,所述获取模块用于,
获取所述眼底图像,以及所述眼底图像的背景图像;
针对所述背景图像中的每个像素点,根据所述像素点的亮度信息以及对应的周边像素点的亮度信息,确定所述像素点对应的亮度漂移信息以及对比度漂移信息;
将所述背景图像中各个像素点对应的亮度漂移信息以及对比度漂移信息,确定为所述眼底图像中各个像素点对应的亮度漂移信息以及对比度漂移信息。
15.根据权利要求13所述的装置,其中,所述分割模块用于,
根据所述各个像素点对应的亮度漂移信息,生成亮度漂移分布直方图;
获取所述亮度漂移分布直方图中的参考亮度漂移数值,所述参考亮度漂移数值包括:第一亮度漂移数值和第二亮度漂移数值,其中,所述第一亮度漂移数值为所述亮度漂移分布直方图中对应的分布数值为极大值的漂移数值,所述第二亮度漂移数值为分布数量小于预设数量阈值的多个亮度漂移数值中的最小亮度漂移数值;
判断所述参考亮度漂移数值是否位于第一数值范围内;
在存在位于所述第一数值范围外的参考亮度漂移数值时,根据具有所述参考亮度漂移数值的像素点对所述眼底图像进行分割,以获取所述眼底图像中的亮度均匀区域和亮度不均匀区域。
16.根据权利要求15所述的装置,其中,所述分割模块还用于,
在不存在位于所述第一数值范围外的参考亮度漂移数值时,将所述眼底图像所在的区域,确定为所述眼底图像中的亮度均匀区域。
17.根据权利要求16所述的装置,其中,所述装置还包括:
样本获取模块,用于获取大于预设数量的亮度漂移样本分布直方图;
数值确定模块,用于根据所述亮度漂移样本分布直方图,确定所述第一数值范围。
18.根据权利要求13所述的装置,其中,在所述区域为亮度均匀区域时,所述第一确定模块用于,
根据所述亮度均匀区域内所述各个像素点对应的对比度漂移信息,确定所述亮度均匀区域的清晰度;
在所述亮度均匀区域的清晰度大于第一清晰度阈值时,确定所述亮度均匀区域为可读区域;
在所述亮度均匀区域的清晰度小于第一清晰度阈值时,根据所述亮度均匀区域对应的病灶检测算法确定所述亮度均匀区域是否为病灶区域;
在所述亮度均匀区域为病灶区域时,确定所述亮度均匀区域为可读区域。
19.根据权利要求18所述的装置,其中,所述第一确定模块还用于,
在所述亮度均匀区域为非病灶区域时,确定所述亮度均匀区域为非可读区域。
20.根据权利要求13所述的装置,其中,在所述区域为亮度不均匀区域时,所述第一确定模块用于,
根据所述亮度不均匀区域内所述各个像素点对应的亮度漂移信息,确定所述亮度不均匀区域是否为过亮区域;
在所述亮度不均匀区域为过亮区域时,根据所述过亮区域内各个像素点对应的对比度漂移信息,确定所述过亮区域的清晰度;
在所述过亮区域的清晰度大于第一清晰度阈值时,确定所述过亮区域为可读区域;
在所述过亮区域的清晰度小于第一清晰度阈值时,获取所述过亮区域的轮廓特征,并根据所述过亮区域的轮廓特征确定所述过亮区域是否为病灶区域;
在所述过亮区域为病灶区域时,确定所述过亮区域为可读区域。
21.根据权利要求20所述的装置,其中,所述第一确定模块用于,
在所述过亮区域为非病灶区域时,确定所述过亮区域为非可读区域。
22.根据权利要求20所述的装置,其中,所述轮廓特征包括:轮廓形状和轮廓位置;
所述第一确定模块用于,
在所述过亮区域的轮廓形状规则,且轮廓位置为眼底图像的边缘位置时,确定所述过亮区域为过曝区域;
在所述过亮区域的轮廓形状不规则,或者轮廓位置为眼底图像的非边缘位置时,确定所述过亮区域为病灶区域。
23.根据权利要求20所述的装置,其中,所述第一确定模块还用于,
在所述亮度不均匀区域为过暗区域时,根据所述过暗区域内各个像素点对应的对比度漂移信息,确定所述过暗区域的清晰度;
在所述过暗区域的清晰度大于等于第二清晰度阈值时,确定所述过暗区域为可读区域;
在所述过暗区域的清晰度小于第二清晰度阈值时,确定所述过暗区域为非可读区域。
24.根据权利要求13所述的装置,其中,所述装置还包括:
标记模块,用于对所述眼底图像中的可读区域,采用所述可读区域的轮廓线对所述可读区域进行标记,得到标记后的眼底图像;
显示模块,用于显示所述标记后的眼底图像。
25.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586428.4A CN111951214B (zh) | 2020-06-24 | 2020-06-24 | 图像中可读区域的分割方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586428.4A CN111951214B (zh) | 2020-06-24 | 2020-06-24 | 图像中可读区域的分割方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951214A CN111951214A (zh) | 2020-11-17 |
CN111951214B true CN111951214B (zh) | 2023-07-28 |
Family
ID=73337767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010586428.4A Active CN111951214B (zh) | 2020-06-24 | 2020-06-24 | 图像中可读区域的分割方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951214B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012131A (zh) * | 2021-03-19 | 2021-06-22 | 重庆金山医疗器械有限公司 | 一种内镜图像处理方法、装置、设备和介质 |
CN116309549B (zh) * | 2023-05-11 | 2023-10-03 | 爱尔眼科医院集团股份有限公司 | 一种眼底区域检测方法、装置、设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842136A (zh) * | 2012-07-19 | 2012-12-26 | 湘潭大学 | 一种综合血管分布和视盘外观特性的视盘投影定位方法 |
WO2017096946A1 (zh) * | 2015-12-07 | 2017-06-15 | 乐视控股(北京)有限公司 | 图像高频信息的定位方法和装置 |
CN107180421A (zh) * | 2016-03-09 | 2017-09-19 | 中兴通讯股份有限公司 | 一种眼底图像病变检测方法及装置 |
CN108185984A (zh) * | 2017-12-28 | 2018-06-22 | 中山大学 | 眼底彩照进行眼底病灶识别的方法 |
CN110189312A (zh) * | 2019-05-24 | 2019-08-30 | 北京百度网讯科技有限公司 | 眼底图像的亮度评估方法、装置、电子设备及存储介质 |
CN111192285A (zh) * | 2018-07-25 | 2020-05-22 | 腾讯医疗健康(深圳)有限公司 | 图像分割方法、装置、存储介质和计算机设备 |
-
2020
- 2020-06-24 CN CN202010586428.4A patent/CN111951214B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842136A (zh) * | 2012-07-19 | 2012-12-26 | 湘潭大学 | 一种综合血管分布和视盘外观特性的视盘投影定位方法 |
WO2017096946A1 (zh) * | 2015-12-07 | 2017-06-15 | 乐视控股(北京)有限公司 | 图像高频信息的定位方法和装置 |
CN107180421A (zh) * | 2016-03-09 | 2017-09-19 | 中兴通讯股份有限公司 | 一种眼底图像病变检测方法及装置 |
CN108185984A (zh) * | 2017-12-28 | 2018-06-22 | 中山大学 | 眼底彩照进行眼底病灶识别的方法 |
CN111192285A (zh) * | 2018-07-25 | 2020-05-22 | 腾讯医疗健康(深圳)有限公司 | 图像分割方法、装置、存储介质和计算机设备 |
CN110189312A (zh) * | 2019-05-24 | 2019-08-30 | 北京百度网讯科技有限公司 | 眼底图像的亮度评估方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Shan Lin-Zi ; Shen Lei-Li ; Li Zong-Ming ; Lu Shan.Cigarette Review Method Based on Recognition of One-Dimensional Bar Code.《2014 Seventh International Symposium on Computational Intelligence and Design》.2015,摘要. * |
基于多模板匹配的局部自适应区域生长法在视网膜内出血自动检测中的应用;高玮玮;沈建新;王玉亮;梁春;左晶;;光谱学与光谱分析(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111951214A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3785603B1 (en) | Machine learning-based fundus image detection method, apparatus, and system | |
US11501428B2 (en) | Method, apparatus and system for detecting fundus image based on machine learning | |
CN112883962B (zh) | 眼底图像识别方法、装置、设备、存储介质以及程序产品 | |
US20210341725A1 (en) | Image status determining method an apparatus, device, system, and computer storage medium | |
CN111932535A (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
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 | |
CN111753908A (zh) | 图像分类方法和装置及风格迁移模型训练方法和装置 | |
CN111754481B (zh) | 眼底图像识别方法、装置、设备以及存储介质 | |
US20130070983A1 (en) | Methods, apparatuses, and computer program products for controlling luminance of non-tissue objects within an image | |
CN111862187B (zh) | 基于神经网络的杯盘比确定方法、装置、设备及存储介质 | |
CN112767392A (zh) | 图像清晰度确定方法、装置、设备及存储介质 | |
CN110930446A (zh) | 一种眼底图像定量分析的前置处理方法及存储设备 | |
CN110189312B (zh) | 眼底图像的亮度评估方法、装置、电子设备及存储介质 | |
CN112541924B (zh) | 眼底图像生成方法、装置、设备以及存储介质 | |
CN112508918A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110619672B (zh) | 图形边缘线选取方法、机器可读存储介质及数据处理设备 | |
CN111768485A (zh) | 三维图像的关键点标注方法、装置、电子设备及存储介质 | |
CN112102174B (zh) | 眼底图像处理方法、装置、设备以及存储介质 | |
JP6603814B2 (ja) | 網膜画像処理 | |
Mitra et al. | Peak trekking of hierarchy mountain for the detection of cerebral aneurysm using modified Hough circle transform | |
CN115624315B (zh) | 眼动追踪方法、装置、电子设备、计算机存储介质及产品 | |
CN115984228A (zh) | 胃镜图像处理方法、装置、电子设备及存储介质 | |
Reel et al. | Enhanced retinal image registration accuracy using expectation maximisation and variable bin-sized mutual information | |
CN112150461B (zh) | 用于评估细胞图像头尾清晰度的方法和装置 | |
CN111968117B (zh) | 重合度检测方法、装置、设备以及存储介质 |
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 |