CN112907548A - 图像评估方法及装置、计算机可读存储介质及电子设备 - Google Patents
图像评估方法及装置、计算机可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN112907548A CN112907548A CN202110218445.7A CN202110218445A CN112907548A CN 112907548 A CN112907548 A CN 112907548A CN 202110218445 A CN202110218445 A CN 202110218445A CN 112907548 A CN112907548 A CN 112907548A
- Authority
- CN
- China
- Prior art keywords
- line
- characteristic information
- information
- line characteristic
- fundus image
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 161
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000000605 extraction Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 11
- 210000004204 blood vessel Anatomy 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 17
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 24
- 238000007781 pre-processing Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 238000007792 addition Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001131 transforming effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
-
- 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
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本申请提供了一种图像评估方法及装置、计算机可读存储介质及电子设备,涉及图像处理技术领域。该图像评估方法包括:确定眼底图像对应的线特征信息;基于线特征信息评估眼底图像的清晰度。由于线特征信息能够精准表征眼底图像的清晰度情况,因此,本申请实施例有利于眼底图像的标准化,使得用于阅片的眼底图像达到预设清晰度标准。此外,由于线特征信息是眼底图像共有的特征,因此能够适用于所有的眼底图像,具有普适性。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种图像评估方法及装置、计算机可读存储介质及电子设备。
背景技术
在眼部病变的检测过程中,眼底图像是非常重要的一个检测依据。但在眼底图像拍摄的过程中,由于受到拍摄环境、拍照者技术、患者配合程度、设备等因素的影响,使得最终拍摄获得的眼底图像的清晰度不一定达到后期医生阅片要求,从而极大影响阅片结果的准确性。此外,传统眼底图像清晰度的评估具有主观性,并没有一个客观或者统一的标准,因此在用计算机进行自动评估的过程中,采用什么特征或者基于什么标准来评估眼底图像的清晰度成为亟待解决的技术难点。
发明内容
为了解决上述技术问题,提出了本申请。本申请实施例提供了一种图像评估方法及装置、计算机可读存储介质及电子设备。
第一方面,本申请一实施例提供了一种图像评估方法,包括:确定眼底图像对应的线特征信息;基于线特征信息评估眼底图像的清晰度。
结合第一方面,在第一方面的某些实现方式中,线特征信息包括血管特征信息和/或视盘边缘特征信息。
结合第一方面,在第一方面的某些实现方式中,确定眼底图像对应的线特征信息,包括:利用线特征提取算子提取眼底图像对应的第一线特征信息;基于第一线特征信息确定线特征信息。
结合第一方面,在第一方面的某些实现方式中,在利用线特征提取算子提取眼底图像对应的第一线特征信息之后,该方法还包括:基于第一线特征信息对应的形态学特征和拓扑特征对第一线特征信息进行筛选操作,以生成第二线特征信息;对第二线特征信息进行连接操作,以生成第二线特征信息对应的第三线特征信息;其中,基于第一线特征信息确定线特征信息,包括:将第一线特征信息对应的第三线特征信息确定为线特征信息。
结合第一方面,在第一方面的某些实现方式中,基于线特征信息评估眼底图像的清晰度,包括:计算线特征信息对应的长度信息,以生成第一评估信息;基于第一评估信息评估眼底图像的清晰度。
结合第一方面,在第一方面的某些实现方式中,计算线特征信息对应的长度信息,以生成第一评估信息,包括:基于预设腐蚀算子确定线特征信息对应的宽度为单个像素的像素线;计算像素线对应的像素线长度信息,以生成第一评估信息。
结合第一方面,在第一方面的某些实现方式中,基于线特征信息评估眼底图像的清晰度,包括:计算线特征信息对应的梯度信息,以生成第二评估信息;基于第二评估信息评估眼底图像的清晰度。
结合第一方面,在第一方面的某些实现方式中,计算线特征信息对应的梯度信息,以生成第二评估信息,包括:基于眼底图像的灰度图确定线特征信息对应的梯度区域,其中,梯度区域为灰度符合预设灰度条件的区域;计算梯度区域对应的梯度信息,以生成第二评估信息。
结合第一方面,在第一方面的某些实现方式中,在确定眼底图像对应的线特征信息之前,该方法还包括:对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域;其中,确定眼底图像对应的线特征信息,包括:基于待评估区域确定眼底图像对应的线特征信息。
结合第一方面,在第一方面的某些实现方式中,对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域,包括:提取眼底图像的感兴趣区域,以生成第一评估区域;基于第一评估区域确定待评估区域。
结合第一方面,在第一方面的某些实现方式中,在基于第一评估区域确定待评估区域之前,该方法还包括:对第一评估区域进行归一化处理操作,以生成第二评估区域;其中,基于第一评估区域确定待评估区域,包括:将第一评估区域对应的第二评估区域确定为待评估区域。
第二方面,本申请一实施例提供了一种图像评估装置,包括:线特征信息确定模块,用于确定眼底图像对应的线特征信息;评估模块,用于基于线特征信息评估眼底图像的清晰度。
第三方面,本申请一实施例提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序用于执行上述任一实施例所提及的图像评估方法。
第四方面,本申请一实施例提供了一种电子设备,该电子设备包括:处理器;用于存储处理器可执行指令的存储器;该处理器用于执行上述任一实施例所提及的图像评估方法。
本申请实施例提供的图像评估方法,通过确定眼底图像对应的线特征信息,并基于线特征信息评估眼底图像的清晰度的方式,实现了评估眼底图像的清晰度的目的。由于线特征信息能够精准表征眼底图像的清晰度情况,因此,本申请实施例有利于眼底图像的标准化,使得用于阅片的眼底图像达到预设清晰度标准。此外,由于线特征信息是眼底图像共有的特征,因此能够适用于所有的眼底图像,具有普适性。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1所示为本申请实施例所适用的一场景示意图。
图2所示为本申请实施例所适用的另一场景示意图。
图3所示为本申请一示例性实施例提供的图像评估方法的流程示意图。
图4所示为本申请一示例性实施例提供的确定眼底图像对应的线特征信息的流程示意图。
图5所示为本申请一示例性实施例提供的经线特征提取算子提取得到的眼底图像。
图6所示为本申请另一示例性实施例提供的确定眼底图像对应的线特征信息的流程示意图。
图7所示为本申请一示例性实施例提供的经筛选操作得到的局部放大眼底图像。
图8所示为本申请一示例性实施例提供的经连接操作得到的眼底图像。
图9所示为本申请一示例性实施例提供的基于线特征信息评估眼底图像的清晰度的流程示意图。
图10所示为本申请一示例性实施例提供的计算线特征信息对应的长度信息,以生成第一评估信息的流程示意图。
图11所示为本申请另一示例性实施例提供的基于线特征信息评估眼底图像的清晰度的流程示意图。
图12所示为本申请一示例性实施例提供的计算线特征信息对应的梯度信息,以生成第二评估信息的流程示意图。
图13所示为本申请另一示例性实施例提供的图像评估方法的流程示意图。
图14所示为本申请一示例性实施例提供的对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域的流程示意图。
图15所示为本申请另一示例性实施例提供的对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域的流程示意图。
图16所示为本申请一示例性实施例提供的图像评估装置的结构示意图。
图17所示为本申请另一示例性实施例提供的图像评估装置的结构示意图。
图18所示为本申请一示例性实施例提供的电子设备的结构示意图。
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清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1所示为本申请实施例所适用的一场景示意图。如图1所示,本申请实施例所适用的场景中包括服务器1和图像采集设备2,其中,服务器1和图像采集设备2之间存在通信连接关系。
具体而言,图像采集设备2用于采集包括待评估清晰度的眼底图像,服务器1用于基于图像采集设备2采集的待评估清晰度的眼底图像确定眼底图像对应的线特征信息,继而基于线特征信息评估眼底图像的清晰度。即,该场景实现了一种图像评估方法。
由于图1所示的上述场景利用服务器1实现了图像评估方法,因此,该场景不但能够提高场景的适应能力,而且能够有效降低图像采集设备2的计算量。
需要说明的是,本申请还适用于另一场景。图2所示为本申请实施例所适用的另一场景示意图。具体地,该场景中包括图像处理设备3,其中,图像处理设备3包括图像采集模块301和计算模块302,并且,图像采集模块301和计算模块302之间存在通信连接关系。
具体而言,图像处理设备3中的图像采集模块301用于采集包括待评估清晰度的眼底图像,图像处理设备3中的计算模块302用于基于图像采集模块301采集的待评估清晰度的眼底图像确定眼底图像对应的线特征信息,继而基于线特征信息评估眼底图像的清晰度。即,该场景实现了一种图像评估方法。
由于图2所示的上述场景利用图像处理设备3实现了图像评估方法,无需与服务器等相关装置进行数据传输操作,因此,图2所示的上述场景能够保证图像评估方法的实时性。
图3所示为本申请一示例性实施例提供的图像评估方法的流程示意图。具体地,本申请实施例提供的图像评估方法应用于包括待评估清晰度的眼底图像。
如图3所示,本申请实施例提供的图像评估方法包括如下步骤。
步骤10,确定眼底图像对应的线特征信息。
需要说明的是,步骤10中提及的眼底图像,指的是需要评估清晰度的眼底图像,线特征信息指的是可作为评估眼底图像清晰度的特征信息,包括血管特征信息和/或视盘边缘特征信息。由于线特征信息是眼底图像共有的特征信息,因此,本申请实施例提供的图像评估方法能够适用于所有的眼底图像,具有普适性。
步骤20,基于线特征信息评估眼底图像的清晰度。
在实际应用过程中,首先确定眼底图像对应的线特征信息,然后基于线特征信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过确定眼底图像对应的线特征信息,然后基于线特征信息评估眼底图像的清晰度的方式,实现了评估眼底图像的清晰度的目的。此外,本申请实施例有效解决了临床应用场景中所面临的眼底图像缺乏预设清晰度标准(即能够辅助医生诊断眼部病变的清晰度标准)的问题,有利于眼底图像的标准化,便于控制用于医生阅片的眼底图像达到预设清晰度标准。
图4所示为本申请一示例性实施例提供的确定眼底图像对应的线特征信息的流程示意图。在本申请图3所示实施例的基础上延伸出本申请图4所示实施例,下面着重叙述图4所示实施例与图3所示实施例的不同之处,相同之处不再赘述。
如图4所示,在本申请实施例提供的图像评估方法中,确定眼底图像对应的线特征信息步骤包括如下步骤。
步骤11,利用线特征提取算子提取眼底图像对应的第一线特征信息。
示例性地,步骤11中提及的线特征提取算子包括如下中的任意一种或任意多种的组合:Laplace算子、角点检测算法、Zuniga-Haralick定位算子、Hessian矩阵、Log算子。需要说明的是,本申请实施例对线特征提取算子不进行统一限定。
图5所示为本申请一示例性实施例提供的经线特征提取算子提取得到的眼底图像。下面结合图5说明上述实施例提及的第一线特征信息的情况,具体而言,第一线特征信息包括连续的主干血管特征信息和间断的分支血管特征信息,提取第一线特征信息能够有效去除与评估眼底图像清晰度无关的信息,因此,本申请实施例不但能够降低计算量,而且能够提高线特征信息的精准度,进而提高所评估眼底图像的清晰度的精准度。
步骤12,基于第一线特征信息确定线特征信息。
在实际应用过程中,首先利用线特征提取算子提取眼底图像对应的第一线特征信息,并基于第一线特征信息确定线特征信息,然后基于线特征信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过利用线特征提取算子提取眼底图像对应的第一线特征信息,然后基于第一线特征信息确定线特征信息的方式,实现了确定眼底图像对应的线特征信息的目的。由于线特征信息提取操作能够有效提取与评估眼底图像清晰度有关的信息,因此,本申请实施例不但能够降低计算量,而且能够提高线特征信息的精准度,进而提高所评估眼底图像的清晰度的精准度。
图6所示为本申请另一示例性实施例提供的确定眼底图像对应的线特征信息的流程示意图。在本申请图4所示实施例的基础上延伸出本申请图6所示实施例,下面着重叙述图6所示实施例与图4所示实施例的不同之处,相同之处不再赘述。
如图6所示,在本申请实施例提供的图像评估方法中,在利用线特征提取算子提取眼底图像对应的第一线特征信息步骤之后,还包括如下步骤。
步骤13,基于第一线特征信息对应的形态学特征和拓扑特征对第一线特征信息进行筛选操作,以生成第二线特征信息。
示例性地,基于第一线特征信息去除角度、长度等不符合对应的形态学特征和拓扑特征的部分,以生成第二线特征信息。需要说明的是,角度、长度等信息既可以为人工确定,又可以借助网络训练模型确定,本申请实施例对此不进行统一限定。
图7所示为本申请一示例性实施例提供的经筛选操作得到的局部放大眼底图像。下面结合图7说明上述实施例提及的第二线特征信息的情况,第二线特征信息是基于第一线特征信息进行筛选操作生成的,具体而言,是将第一线特征信息中的非血管特征信息和/或非视盘边缘特征信息进行删除操作,以生成第二线特征信息。
步骤14,对第二线特征信息进行连接操作,以生成第二线特征信息对应的第三线特征信息。
图8所示为本申请一示例性实施例提供的经连接操作得到的眼底图像。下面结合图8说明上述实施例提及的第三线特征信息的情况,第三线特征信息是基于第二线特征信息进行连接操作生成的,具体而言,是将第二线特征信息中符合连接条件的血管特征信息和/或视盘边缘特征信息进行连接操作,以生成第三线特征信息。
示例性地,符合连接条件的血管特征信息和/或视盘边缘特征信息,指的是间断的血管特征信息和/或视盘边缘特征信息。
结合上述图7和图8所示能够明确得知,第三线特征信息进一步提高了线特征信息的精准度,进而提高了所评估眼底图像的清晰度的精准度,同时也降低了计算量,提高了计算速度。
并且,在本申请实施例提供的图像评估方法中,基于第一线特征信息确定线特征信息步骤(即步骤12),包括如下步骤。
步骤15,将第一线特征信息对应的第三线特征信息确定为线特征信息。
在实际应用过程中,首先利用线特征提取算子提取眼底图像对应的第一线特征信息,继而基于第一线特征信息对应的形态学特征和拓扑特征对第一线特征信息进行筛选操作,以生成第二线特征信息,然后对第二线特征信息进行连接操作,以生成第二线特征信息对应的第三线特征信息,并将第一线特征信息对应的第三线特征信息确定为线特征信息,并基于线特征信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过基于第一线特征信息对应的形态学特征和拓扑特征对第一线特征信息进行筛选操作,以生成第二线特征信息,然后对第二线特征信息进行连接操作,以生成第二线特征信息对应的第三线特征信息,并将第一线特征信息对应的第三线特征信息确定为线特征信息的方式,实现了确定眼底图像对应的线特征信息的目的。由于对第一线特征信息进行了筛选操作,并基于筛选结果进行连接操作,继而基于连接结果确定线特征信息,能够进一步提高线特征信息的精准度,进而提高所评估眼底图像的清晰度的精准度,同时也降低了计算量,提高了计算速度。
图9所示为本申请一示例性实施例提供的基于线特征信息评估眼底图像的清晰度的流程示意图。在本申请图3所示实施例的基础上延伸出本申请图9所示实施例,下面着重叙述图9所示实施例与图3所示实施例的不同之处,相同之处不再赘述。
如图9所示,在本申请实施例提供的图像评估方法中,基于线特征信息评估眼底图像的清晰度步骤包括如下步骤。
步骤21,计算线特征信息对应的长度信息,以生成第一评估信息。
示例性地,步骤21中提及的长度信息,是针对线特征信息计算的长度总和,也可以是对长度总和采用数学变换后的数值,比如对长度总和进行对数运算和/或指数运算,以生成第一评估信息。
步骤22,基于第一评估信息评估眼底图像的清晰度。
示例性地,基于线特征信息计算的长度总和评估眼底图像的清晰度,也可以基于线特征信息计算的长度总和进行数学变换后的数值评估眼底图像的清晰度。
在实际应用过程中,首先确定眼底图像对应的线特征信息,然后计算线特征信息对应的长度信息,以生成第一评估信息,并基于第一评估信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过计算线特征信息对应的长度信息,以生成第一评估信息,并基于第一评估信息评估眼底图像的清晰度的方式,实现了基于线特征信息评估眼底图像的清晰度的目的。由于眼底图像越清晰,利用线特征提取算子提取出的第一线特征信息越多,从而线特征信息对应的长度总和越大,计算出的清晰度的数值也越大,继而也反应了眼底图像越清晰。反之,眼底图像越模糊,利用线特征提取算子提取出的第一线特征信息越少,加之经过筛选操作后,留下的第二线特征信息少之又少,从而线特征信息对应的长度总和随之越小,计算出的清晰度的数值也越小,继而也反应了眼底图像越模糊。因此,基于线特征信息对应的长度信息可以精准地确定眼底图像的清晰度,使得用于阅片的眼底图像达到预设清晰度标准。
图10所示为本申请一示例性实施例提供的计算线特征信息对应的长度信息,以生成第一评估信息的流程示意图。在本申请图9所示实施例的基础上延伸出本申请图10所示实施例,下面着重叙述图10所示实施例与图9所示实施例的不同之处,相同之处不再赘述。
如图10所示,在本申请实施例提供的图像评估方法中,计算线特征信息对应的长度信息,以生成第一评估信息步骤包括如下步骤。
步骤211,基于预设腐蚀算子确定线特征信息对应的宽度为单个像素的像素线。
需要说明的是,上述实施例提及的线特征信息是一个面,具有面积、宽度等特征,基于预设腐蚀算子将线特征信息转换为宽度为单个像素的像素线,是为了便于精准地计算像素线对应的像素线长度信息。需要说明的是,本申请实施例对计算线特征信息对应的长度信息的方式不进行统一限定,只要可以方便精准地计算出线特征信息对应的长度信息即可。
步骤212,计算像素线对应的像素线长度信息,以生成第一评估信息。
示例性地,步骤212中提及的像素线长度信息,是针对宽度为单个像素的像素线计算的长度总和,也可以是对长度总和采用数学变换后的数值,比如对长度总和取对数运算和/或指数运算,以生成第一评估信息。
在实际应用过程中,首先确定眼底图像对应的线特征信息,然后基于预设腐蚀算子确定线特征信息对应的宽度为单个像素的像素线,并计算像素线对应的像素线长度信息,以生成第一评估信息,继而基于第一评估信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过基于预设腐蚀算子确定线特征信息对应的宽度为单个像素的像素线,并计算像素线对应的像素线长度信息,以生成第一评估信息的方式,实现了计算线特征信息对应的长度信息,以生成第一评估信息的目的,从而为提高所确定的长度信息的精准度提供了前提条件。
图11所示为本申请另一示例性实施例提供的基于线特征信息评估眼底图像的清晰度的流程示意图。在本申请图3所示实施例的基础上延伸出本申请图11所示实施例,下面着重叙述图11所示实施例与图3所示实施例的不同之处,相同之处不再赘述。
如图11所示,在本申请实施例提供的图像评估方法中,基于线特征信息评估眼底图像的清晰度步骤包括如下步骤。
步骤23,计算线特征信息对应的梯度信息,以生成第二评估信息。
示例性地,步骤23中提及的梯度信息,是通过对线特征信息对应的像素点进行偏导计算得到的,也可以是对偏导值采用数学变换后的数值,比如对偏导值进行平方和运算和/或绝对值运算和/或加和运算,和/或对数运算和/或指数运算,以生成第二评估信息。
步骤24,基于第二评估信息评估眼底图像的清晰度。
示例性地,基于线特征信息对应的像素点的偏导值评估眼底图像的清晰度,也可以基于线特征信息对应的像素点的偏导值进行数学变换后的数值评估眼底图像的清晰度。
在实际应用过程中,首先确定眼底图像对应的线特征信息,然后计算线特征信息对应的梯度信息,以生成第二评估信息,并基于第二评估信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过计算线特征信息对应的梯度信息,以生成第二评估信息,并基于第二评估信息评估眼底图像的清晰度的方式,实现了基于线特征信息评估眼底图像的清晰度的目的。由于眼底图像越清晰,图像的像素值就会愈加复杂多变,线特征信息对应的图像对比度的变化越大,计算得到的梯度信息随之也越大,清晰度的数值也越大,继而也反应了眼底图像越清晰。反之,眼底图像越模糊,图像的像素值就会愈加单一,线特征信息对应的图像对比度的变化越小,计算得到的梯度信息随之也越小,清晰度的数值也越小,继而也反应了眼底图像越模糊。因此,基于线特征信息对应的梯度信息可以精准地确定眼底图像的清晰度,使得用于阅片的眼底图像达到预设清晰度标准。
图12所示为本申请一示例性实施例提供的计算线特征信息对应的梯度信息,以生成第二评估信息的流程示意图。在本申请图11所示实施例的基础上延伸出本申请图12所示实施例,下面着重叙述图12所示实施例与图11所示实施例的不同之处,相同之处不再赘述。
如图12所示,在本申请实施例提供的图像评估方法中,计算线特征信息对应的梯度信息,以生成第二评估信息步骤包括如下步骤。
步骤231,基于眼底图像的灰度图确定线特征信息对应的梯度区域。
示例性地,梯度区域为灰度符合预设灰度条件的区域,比如梯度区域为灰度大于预设灰度阈值的区域。
需要说明的是,步骤231中提及的预设灰度条件通过线特征信息对应的像素点的面积确定。
步骤232,计算梯度区域对应的梯度信息,以生成第二评估信息。
示例性地,步骤232中提及的梯度信息是通过对梯度区域进行偏导计算得到的,也可以是对偏导值采用数学变换后的数值,比如对偏导值进行平方和运算和/或绝对值运算和/或加和运算,和/或对数运算和/或指数运算,以生成第二评估信息。
在实际应用过程中,首先确定眼底图像对应的线特征信息,然后基于眼底图像的灰度图确定线特征信息对应的梯度区域,其中,梯度区域为灰度符合预设灰度条件的区域,并计算梯度区域对应的梯度信息,以生成第二评估信息,继而基于第二评估信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过基于眼底图像的灰度图确定线特征信息对应的梯度区域,其中,梯度区域为灰度符合预设灰度条件的区域,并计算梯度区域对应的梯度信息,以生成第二评估信息的方式,实现了计算线特征信息对应的梯度信息,以生成第二评估信息的目的。由于本申请实施例通过基于线特征信息筛选出灰度符合预设灰度条件的梯度区域,基于梯度区域计算梯度信息的方式,进一步提高了所确定的梯度信息的精准度。
图13所示为本申请另一示例性实施例提供的图像评估方法的流程示意图。在本申请图3所示实施例的基础上延伸出本申请图13所示实施例,下面着重叙述图13所示实施例与图3所示实施例的不同之处,相同之处不再赘述。
如图13所示,在本申请实施例提供的图像评估方法中,在确定眼底图像对应的线特征信息步骤之前,还包括如下步骤。
步骤30,对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域。
示例性地,对眼底图像进行预处理可包括:对眼底图像进行去燥处理。数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,这些噪声可能在传输中产生,噪声是图像干扰的重要原因。因此,在眼底图像中提取线特征信息之前,需要将眼底图像中的噪声去除,避免噪声造成干扰,提高线特征信息提取的准确性。
并且,在本申请实施例提供的图像评估方法中,确定眼底图像对应的线特征信息步骤(即步骤10),包括如下步骤。
步骤40,基于待评估区域确定眼底图像对应的线特征信息。
在实际应用过程中,首先对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域,并基于待评估区域确定眼底图像对应的线特征信息,继而基于线特征信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过在确定眼底图像对应的线特征信息之前,对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域的方式,优化了眼底图像,使其感兴趣特征能够在后续处理中更易于被提取和识别。
图14所示为本申请一示例性实施例提供的对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域的流程示意图。在本申请图13所示实施例的基础上延伸出本申请图14所示实施例,下面着重叙述图14所示实施例与图13所示实施例的不同之处,相同之处不再赘述。
如图14所示,在本申请实施例提供的图像评估方法中,对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域步骤包括如下步骤。
步骤31,提取眼底图像的感兴趣区域,以生成第一评估区域。
示例性地,眼底图像可能包括姓名、性别、时间等与线特征信息无关的背景区域,需要将背景区域以及因为某些原因(如眼皮遮挡,或者相机镜头污点造成的眼底大面积不可见)造成眼底不可见区域去除,提取眼底图像中包括线特征信息的感兴趣区域。
步骤32,基于第一评估区域确定待评估区域。
在实际应用过程中,首先提取眼底图像的感兴趣区域,以生成第一评估区域,并基于第一评估区域确定待评估区域,继而基于待评估区域确定眼底图像对应的线特征信息,然后基于线特征信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过提取眼底图像的感兴趣区域,以生成第一评估区域,并基于第一评估区域确定待评估区域的方式,实现了对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域的目的。在采集眼底图像时,由于拍摄设备和拍摄者的拍摄技术的不同,可能会造成眼底图像的质量发生大幅度的变化,使得后期对眼底图像的处理和识别变得困难,因此,在确定眼底图像对应的线特征信息之前,可以提取眼底图像的感兴趣区域,使其感兴趣特征能够在后续处理中更易于被提取和识别,进而为提高所确定的线特征信息的准确性提供了前提条件。
图15所示为本申请另一示例性实施例提供的对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域的流程示意图。在本申请图14所示实施例的基础上延伸出本申请图15所示实施例,下面着重叙述图15所示实施例与图14所示实施例的不同之处,相同之处不再赘述。
如图15所示,在本申请实施例提供的图像评估方法中,在基于第一评估区域确定待评估区域步骤之前,还包括如下步骤。
步骤33,对第一评估区域进行归一化处理操作,以生成第二评估区域。
示例性地,归一化主要是实现眼底图像差异化曝光、颜色和亮度的统一,使不同图像的灰度值范围统一,从而提高对海量图片的泛化能力,使得技术产品化成为可能。
并且,在本申请实施例提供的图像评估方法中,步骤32基于第一评估区域确定待评估区域步骤包括如下步骤。
步骤34,将第一评估区域对应的第二评估区域确定为待评估区域。
在实际应用过程中,首先提取眼底图像的感兴趣区域,以生成第一评估区域,对第一评估区域进行归一化处理操作,以生成第二评估区域,并将第一评估区域对应的第二评估区域确定为待评估区域,继而基于待评估区域确定眼底图像对应的线特征信息,然后基于线特征信息评估眼底图像的清晰度。
本申请实施例提供的图像评估方法,通过对第一评估区域进行归一化处理操作,以生成第二评估区域,并将第一评估区域对应的第二评估区域确定为待评估区域的方式,进一步优化了眼底图像的感兴趣区域,进而为进一步提高所确定的线特征信息的准确性提供了前提条件。
图16所示为本申请一示例性实施例提供的图像评估装置的结构示意图。如图16所示,本申请实施例提供的图像评估装置包括:
线特征信息确定模块100,用于确定眼底图像对应的线特征信息;
评估模块200,用于基于线特征信息评估眼底图像的清晰度。
在本申请一实施例中,线特征信息确定模块100,还用于利用线特征提取算子提取眼底图像对应的第一线特征信息,并基于第一线特征信息确定线特征信息。
在本申请一实施例中,线特征信息确定模块100,还用于基于第一线特征信息对应的形态学特征和拓扑特征对第一线特征信息进行筛选操作,以生成第二线特征信息,对第二线特征信息进行连接操作,以生成第二线特征信息对应的第三线特征信息,并将第一线特征信息对应的第三线特征信息确定为线特征信息。
在本申请一实施例中,评估模块200,还用于计算线特征信息对应的长度信息,以生成第一评估信息,并基于第一评估信息评估眼底图像的清晰度。
在本申请一实施例中,评估模块200,还用于基于预设腐蚀算子确定线特征信息对应的宽度为单个像素的像素线,并计算像素线对应的像素线长度信息,以生成第一评估信息。
在本申请一实施例中,评估模块200,还用于计算线特征信息对应的梯度信息,以生成第二评估信息,并基于第二评估信息评估眼底图像的清晰度。
在本申请一实施例中,评估模块200,还用于基于眼底图像的灰度图确定线特征信息对应的梯度区域,其中,梯度区域为灰度符合预设灰度条件的区域,并计算梯度区域对应的梯度信息,以生成第二评估信息。
图17所示为本申请另一示例性实施例提供的图像评估装置的结构示意图。在本申请图16所示实施例的基础上延伸出本申请图17所示实施例,下面着重叙述图17所示实施例与图16所示实施例的不同之处,相同之处不再赘述。
如图17所示,本申请实施例提供的图像评估装置,还包括:
预处理模块300,用于对眼底图像进行预处理操作,以生成眼底图像对应的待评估区域,继而基于待评估区域利用线特征信息确定模块100确定眼底图像对应的线特征信息。
在本申请一实施例中,预处理模块300,还用于提取眼底图像的感兴趣区域,以生成第一评估区域,并基于第一评估区域确定待评估区域。
在本申请一实施例中,预处理模块300,还用于对第一评估区域进行归一化处理操作,以生成第二评估区域,并将第一评估区域对应的第二评估区域确定为待评估区域。
应当理解,图16至图17提供的图像评估装置中的线特征信息确定模块100、评估模块200以及预处理模块300的操作和功能可以参考上述图3至图15提供的图像评估方法,为了避免重复,在此不再赘述。
下面,参考图18来描述根据本申请实施例的电子设备。图18所示为本申请一示例性实施例提供的电子设备的结构示意图。
如图18所示,电子设备40包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备40中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器401可以运行所述程序指令,以实现上文所述的本申请的各个实施例的图像评估方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如包括待评估清晰度的眼底图像等各种内容。
在一个示例中,电子设备40还可以包括:输入装置403和输出装置404,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置403可以包括例如键盘、鼠标等等。
该输出装置404可以向外部输出各种信息,包括确定出的清晰度信息等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图18中仅示出了该电子设备40中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备40还可以包括任何其他适当的组件。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述描述的根据本申请各种实施例的图像评估方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述描述的根据本申请各种实施例的图像评估方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。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。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种图像评估方法,其特征在于,包括:
确定眼底图像对应的线特征信息;
基于所述线特征信息评估所述眼底图像的清晰度。
2.根据权利要求1所述的图像评估方法,其特征在于,所述线特征信息包括血管特征信息和/或视盘边缘特征信息。
3.根据权利要求1或2所述的图像评估方法,其特征在于,所述确定眼底图像对应的线特征信息,包括:
利用线特征提取算子提取所述眼底图像对应的第一线特征信息;
基于所述第一线特征信息确定所述线特征信息。
4.根据权利要求3所述的图像评估方法,其特征在于,在所述利用线特征提取算子提取所述眼底图像对应的第一线特征信息之后,还包括:
基于所述第一线特征信息对应的形态学特征和拓扑特征对所述第一线特征信息进行筛选操作,以生成第二线特征信息;
对所述第二线特征信息进行连接操作,以生成所述第二线特征信息对应的第三线特征信息;
其中,所述基于所述第一线特征信息确定所述线特征信息,包括:
将所述第一线特征信息对应的所述第三线特征信息确定为所述线特征信息。
5.根据权利要求1或2所述的图像评估方法,其特征在于,所述基于所述线特征信息评估所述眼底图像的清晰度,包括:
计算所述线特征信息对应的长度信息,以生成第一评估信息;
基于所述第一评估信息评估所述眼底图像的清晰度。
6.根据权利要求5所述的图像评估方法,其特征在于,所述计算所述线特征信息对应的长度信息,以生成第一评估信息,包括:
基于预设腐蚀算子确定所述线特征信息对应的宽度为单个像素的像素线;
计算所述像素线对应的所述像素线长度信息,以生成所述第一评估信息。
7.根据权利要求1或2所述的图像评估方法,其特征在于,所述基于所述线特征信息评估所述眼底图像的清晰度,包括:
计算所述线特征信息对应的梯度信息,以生成第二评估信息;
基于所述第二评估信息评估所述眼底图像的清晰度。
8.一种图像评估装置,其特征在于,包括:
线特征信息确定模块,用于确定眼底图像对应的线特征信息;
评估模块,用于基于所述线特征信息评估所述眼底图像的清晰度。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1至7任一所述的图像评估方法。
10.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于执行上述权利要求1至7任一所述的图像评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110218445.7A CN112907548A (zh) | 2021-02-26 | 2021-02-26 | 图像评估方法及装置、计算机可读存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110218445.7A CN112907548A (zh) | 2021-02-26 | 2021-02-26 | 图像评估方法及装置、计算机可读存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112907548A true CN112907548A (zh) | 2021-06-04 |
Family
ID=76108534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110218445.7A Pending CN112907548A (zh) | 2021-02-26 | 2021-02-26 | 图像评估方法及装置、计算机可读存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907548A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107564048A (zh) * | 2017-09-25 | 2018-01-09 | 南通大学 | 基于分叉点特征配准方法 |
CN107749049A (zh) * | 2017-09-07 | 2018-03-02 | 广州中国科学院先进技术研究所 | 一种静脉分布显示方法及装置 |
CN110009631A (zh) * | 2019-04-15 | 2019-07-12 | 唐晓颖 | 眼底图像的血管质量评估方法、装置、设备和介质 |
CN110503639A (zh) * | 2019-08-15 | 2019-11-26 | 依未科技(北京)有限公司 | 处理眼底图像的方法和装置 |
CN110838358A (zh) * | 2019-10-09 | 2020-02-25 | 南通大学 | 一种个性化的结合眼底图像的糖尿病智能信息管理系统 |
CN110875092A (zh) * | 2018-08-31 | 2020-03-10 | 福州依影健康科技有限公司 | 一种基于远程眼底筛查的健康大数据服务方法和系统 |
WO2020199593A1 (zh) * | 2019-04-04 | 2020-10-08 | 平安科技(深圳)有限公司 | 图像分割模型训练方法、图像分割方法、装置、设备及介质 |
CN111815663A (zh) * | 2020-06-29 | 2020-10-23 | 浙江工贸职业技术学院 | 一种基于Hessian矩阵和灰度法的肝血管分割系统 |
CN111899243A (zh) * | 2020-07-28 | 2020-11-06 | 阳光保险集团股份有限公司 | 一种图像清晰度评价方法、设备和计算机可读存储介质 |
-
2021
- 2021-02-26 CN CN202110218445.7A patent/CN112907548A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107749049A (zh) * | 2017-09-07 | 2018-03-02 | 广州中国科学院先进技术研究所 | 一种静脉分布显示方法及装置 |
CN107564048A (zh) * | 2017-09-25 | 2018-01-09 | 南通大学 | 基于分叉点特征配准方法 |
CN110875092A (zh) * | 2018-08-31 | 2020-03-10 | 福州依影健康科技有限公司 | 一种基于远程眼底筛查的健康大数据服务方法和系统 |
WO2020199593A1 (zh) * | 2019-04-04 | 2020-10-08 | 平安科技(深圳)有限公司 | 图像分割模型训练方法、图像分割方法、装置、设备及介质 |
CN110009631A (zh) * | 2019-04-15 | 2019-07-12 | 唐晓颖 | 眼底图像的血管质量评估方法、装置、设备和介质 |
CN110503639A (zh) * | 2019-08-15 | 2019-11-26 | 依未科技(北京)有限公司 | 处理眼底图像的方法和装置 |
CN110838358A (zh) * | 2019-10-09 | 2020-02-25 | 南通大学 | 一种个性化的结合眼底图像的糖尿病智能信息管理系统 |
CN111815663A (zh) * | 2020-06-29 | 2020-10-23 | 浙江工贸职业技术学院 | 一种基于Hessian矩阵和灰度法的肝血管分割系统 |
CN111899243A (zh) * | 2020-07-28 | 2020-11-06 | 阳光保险集团股份有限公司 | 一种图像清晰度评价方法、设备和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020048271A1 (zh) | 基于gan网络的车损图像增强方法和装置 | |
EP2187620A1 (en) | Digital image processing and enhancing system and method with function of removing noise | |
US20100329533A1 (en) | Image processing method and image processing apparatus | |
US11132770B2 (en) | Image processing methods and apparatuses, computer readable storage media and electronic devices | |
CN107564020B (zh) | 一种图像区域确定方法及装置 | |
CN110705576B (zh) | 区域轮廓确定方法、装置及图像显示设备 | |
WO2023030139A1 (zh) | 图像融合方法、电子设备和存储介质 | |
CN111368717A (zh) | 视线确定方法、装置、电子设备和计算机可读存储介质 | |
KR20190082149A (ko) | 녹내장 발생 예측 방법 | |
CN113112444B (zh) | 鬼像检测方法及其系统、电子设备以及鬼像检测平台 | |
CN113808135B (zh) | 图像亮度异常检测方法、电子设备及存储介质 | |
CN109712134B (zh) | 虹膜图像质量评价方法、装置及电子设备 | |
CN114998369A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN113450341A (zh) | 图像处理方法及装置、计算机可读存储介质及电子设备 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN115619652A (zh) | 图像盲去噪方法、装置、电子设备和存储介质 | |
CN112907548A (zh) | 图像评估方法及装置、计算机可读存储介质及电子设备 | |
JP2019514471A (ja) | 網膜画像処理 | |
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 | |
CN115393330A (zh) | 摄像头图像模糊检测方法、装置、计算机设备及存储介质 | |
CN112686851B (zh) | 一种图像检测方法、装置及存储介质 | |
CN112153298B (zh) | 确定目标对象理想亮度的方法及装置 | |
CN115239569A (zh) | 图像暗角移除方法、全景图像生成方法和相关设备 | |
CN114764833A (zh) | 植物生长曲线确定方法、装置、电子设备及介质 | |
CN113674180A (zh) | 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 |
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 |