CN113379702B - 一种微循环图像的血管路径提取方法及装置 - Google Patents

一种微循环图像的血管路径提取方法及装置 Download PDF

Info

Publication number
CN113379702B
CN113379702B CN202110639062.7A CN202110639062A CN113379702B CN 113379702 B CN113379702 B CN 113379702B CN 202110639062 A CN202110639062 A CN 202110639062A CN 113379702 B CN113379702 B CN 113379702B
Authority
CN
China
Prior art keywords
value
microcirculation
images
image
micro
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
CN202110639062.7A
Other languages
English (en)
Other versions
CN113379702A (zh
Inventor
周春景
殷卓婷
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.)
GUANGZHOU MEDSOFT SYSTEM Ltd
Original Assignee
GUANGZHOU MEDSOFT SYSTEM 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 GUANGZHOU MEDSOFT SYSTEM Ltd filed Critical GUANGZHOU MEDSOFT SYSTEM Ltd
Priority to CN202110639062.7A priority Critical patent/CN113379702B/zh
Publication of CN113379702A publication Critical patent/CN113379702A/zh
Application granted granted Critical
Publication of CN113379702B publication Critical patent/CN113379702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20221Image fusion; Image merging
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20224Image subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及医学图像处理技术领域,尤其涉及一种微循环图像的血管路径提取方法及装置。所述方法包括:连续采集多帧微循环图像;分别提取每帧微循环图像的亮度值和灰度梯度值,其中,所述亮度值为该微循环图像亮度最高点的亮度值;计算相邻两帧微循环图像之间的相关度;根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像;把选取的多帧微循环图像合成得到目标图像。本发明通过对微循环图像的亮度值、灰度梯度值进行质量分析,以及对相邻两帧微循环图像之间的差异值分析的两个量化指标进行直观化地选择连续的多帧微循环图像进行合成为一帧微循环图像,合成后的微循环图像中的血管成像清晰、连续,能够显现较为完整的血管路径。

Description

一种微循环图像的血管路径提取方法及装置
技术领域
本发明涉及医学图像处理技术领域,尤其涉及一种微循环图像的血管路径提取方法及装置。
背景技术
微循环是血管网中微动脉与微静脉之间的血液循环,是血液与各组织细胞进行物质交换的场所,为器官组织提供氧气、养料以及排出二氧化碳和代谢废物,是人体血液循环中重要单元之一。
目前,市场上对于处理微循环成像的图像处理方法是在人工判断镜头晃动小或稳定时手动点击采取视频,在录取完成的视频中截取主观上认为较好的几张单帧图像进行分析,因此得到的图像有以下缺点:所截图的图像与实际的血流情况误差大,得到的血管不连续,边缘不清晰,无法确认血管的完整路径;截取的图片缺少科学数据依据,完全靠人的主观判断,效率低下。
发明内容
本发明的目的在于对微循环图像进行处理,得到完整的血管路径图,使血管成像清晰,连续,为医务人员提取图像关键帧提供量化的科学数据,提高工作效率。
为实现上述目的,本发明的第一方面提出了一种微循环图像的血管路径提取方法,包括:
连续采集多帧微循环图像;
分别提取每帧微循环图像的亮度值和灰度梯度值,其中,所述亮度值为该微循环图像亮度最高点的亮度值;
计算相邻两帧微循环图像之间的相关度;
根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像;
把选取的多帧微循环图像合成得到目标图像。
进一步的改进在于,计算相邻两帧微循环图像之间的相关度的方法包括:计算相邻两帧微循环图像之间的差异值,所述差异值用于判断相邻两帧微循环图像之间的相关度,其中,差异值越小,代表相关度越大。
进一步的改进在于,计算相邻两帧微循环图像之间的差异值的具体方法包括:
把相邻两帧微循环图像之间对应的每个像素点的灰度值相减得到每个像素点的差值;
把得到的每个像素点的差值取绝对值,把得到的每个像素点的差值的绝对值相加得到累加值;
把累加值除以微循环图像的分辨率,得到相邻两帧微循环图像之间的差异值。
进一步的改进在于,根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像的具体方法包括:
判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值;
选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像。
进一步的改进在于,提取灰度梯度值的具体方法包括:对微循环图像进行卷积,提取微循环图像边缘轮廓,截取出微循环图像边缘轮廓的灰度梯度值。
进一步的改进在于,把选取的多帧微循环图像合成得到目标图像的具体方法包括:对连续的多帧微循环图像的同一像素点进行对比,选择亮度最暗的像素点的灰度值作为合成后的目标图像的该像素点的灰度值。
本发明的第二方面提出了一种微循环图像的血管路径提取装置,包括:
采集模块,用于连续采集多帧微循环图像;
提取模块,用于分别提取每帧微循环图像的亮度值和灰度梯度值,其中,所述亮度值为该微循环图像亮度最高点的亮度值;
计算模块,用于计算相邻两帧微循环图像之间的相关度;
选取模块,用于根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像;
合成模块,用于把选取的多帧微循环图像合成得到目标图像。
进一步的改进在于,所述计算模块具体用于计算相邻两帧微循环图像之间的差异值,所述差异值用于判断相邻两帧微循环图像之间的相关度,其中,差异值越小,代表相关度越大。
进一步的改进在于,所述计算模块具体包括:
第一计算单元,用于把相邻两帧微循环图像之间对应的每个像素点的灰度值相减得到每个像素点的差值;
第二计算单元,用于把得到的每个像素点的差值取绝对值,把得到的每个像素点的差值的绝对值相加得到累加值;
第三计算单元,用于把累加值除以微循环图像的分辨率,得到相邻两帧微循环图像之间的差异值。
进一步的改进在于,所述选取模块具体包括:
判断单元,用于判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值;
选取单元,用于选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像。
本发明的有益效果:
本发明所提出的一种微循环图像的血管路径提取方法,通过对微循环图像的亮度值、灰度梯度值进行质量分析,以及对相邻两帧微循环图像之间的差异值分析的两个量化指标进行直观化地选择连续的多帧微循环图像进行合成为一帧微循环图像,合成后的微循环图像中的血管成像清晰、连续,能够显现较为完整的血管路径,提高医护人员的工作效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1为本发明一种微循环图像的血管路径提取方法的流程图;
图2为本发明一种微循环图像的血管路径提取装置的结构示意图;
图3为本发明的部分工作界面图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的一种微循环图像的血管路径提取方法可应用于移动终端、台式计算机、笔记本、掌上电脑及云端服务器等终端设备,具体可通过所述终端设备中的运行应用程序(APP或其它系统)实现。
请参考附图1-3,如图1所示,为本发明第一方面的实施例提供的一种微循环图像的血管路径提取方法的流程图,在本实施例中,所述微循环图像具体为舌下微循环图像,作为示例而非限定,该方法包括:
步骤S1,连续采集多帧微循环图像;
步骤S2,分别提取每帧微循环图像的亮度值(brightness)和灰度梯度值(gradient),其中,所述亮度值为该微循环图像亮度最高点的亮度值;
步骤S3,计算相邻两帧微循环图像之间的相关度;
步骤S4,根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像;
步骤S5,把选取的多帧微循环图像合成得到目标图像。
具体地,在本实施例中,采集多帧微循环图像采用的是外购的标准化的CCD或CMOS工业相机,软件可以调用相机厂家提供的SDK开发包,而采集的图像是8位单色灰度图像,所采集的微循环图像为血管为暗,组织背景为亮的舌下微循环图像。单色灰度图像的亮度即图像灰度,有图像平均亮度、图像最大亮度,而本实施例步骤S2采集的是图像最大亮度,即整帧微循环图像亮度最高点的亮度值或灰度值。
在本实施例的一个优选方案中,在分别提取每帧微循环图像的亮度值和灰度梯度值之前还包括采取图像增强技术手段提高对比度,增强血管的有效信息,减弱背景等的无效信息,以利于提取图像亮度值、灰度梯度值。
具体地,在本发明的一个实施例中,在步骤S3中,计算相邻两帧微循环图像之间的相关度的方法包括:计算相邻两帧微循环图像之间的差异值(difference),所述差异值用于判断相邻两帧微循环图像之间的相关度,其中,差异值越小,代表相关度越大。
具体地,在本发明的一个实施例中,在步骤S3中,计算相邻两帧微循环图像之间的差异值的具体方法包括:
步骤S31,把相邻两帧微循环图像之间对应的每个像素点的灰度值相减得到每个像素点的差值;
步骤S32,把得到的每个像素点的差值取绝对值,把得到的每个像素点的差值的绝对值相加得到累加值;
步骤S33,把累加值除以微循环图像的分辨率(图像像素点数),得到相邻两帧微循环图像之间的差异值。
具体地,在本发明的一个实施例中,在步骤S4中,根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像的具体方法包括:
步骤S41,判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值;
步骤S42,选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像。
具体地,在本发明的一个实施例中,在步骤S2中,提取灰度梯度值的具体方法包括:对微循环图像进行卷积,提取微循环图像边缘轮廓,截取出微循环图像边缘轮廓的灰度梯度值。
例如,如图3所示,为本发明的工作界面,在本实施例中,在采集多帧微循环图像结束后,计算机显示经过图像处理增强后的微循环图像,并且用上述所述的方法计算出每帧图像的亮度值(brightness)、灰度梯度值(gradient)、相邻两帧微循环图像之间的差异值(difference)三个参数并按采集的时间顺序罗列在图3中的右侧表格中,利于后续的分析,在表格中,每一帧微循环图像的差异值数值代表的是其与上一帧微循环图像对比得到的差异值,由于8位单色灰度图像的亮度值最大是255,本实施例优选地将所述第一阈值设置为240,系统识别出所有的微循环图像的灰度梯度值中的最大值,把最大值-1.0后得到的数值作为第二阈值,所述第三阈值的大小设置为9,选取亮度值大于第一阈值,灰度梯度值大于第二阈值,差异值小于第三阈值,并且是连续的尽量多的多帧微循环图像用于合成为目标图像,如图3右侧表格所示,根据选取的条件,选中的是标号为602-621的连续二十帧图像去合成目标图像。另外,第一阈值、第二阈值、第三阈值的具体大小本领域技术人员可根据实际精度需要去适当地调整,选取连续的,差异值不能太大,因为差异值越小,代表相邻的两帧微循环图像之间的相关度越大,合成出来的图像越精准,例如图3右侧表格中其中有一帧微循环图像的差异值为16.150,说明其与上一帧微循环图像之间的相关度小,不适合用于合成。
具体地,在本发明的一个实施例中,在步骤S5中,把选取的多帧微循环图像合成得到目标图像的具体方法包括:对连续的多帧微循环图像的同一像素点进行对比,选择亮度最暗(亮度暗即灰度值小的像素点代表的是血管路径)的像素点的灰度值作为合成后的目标图像的该像素点的灰度值,对所选取的所有微循环图像的每个像素点,依据上述的合成原理进行合成,合成出血管完整路径图。
如图3中所示,左下角为合成后的目标图像,其微循环成像的血管路径比起其余三帧图像的路径清晰明了,修补了单帧图像中血管断续的地方。
本发明所提出的一种微循环图像的血管路径提取方法,通过对微循环图像的亮度值、灰度梯度值进行质量分析,以及对相邻两帧微循环图像之间的差异值分析的两个量化指标进行直观化地选择连续的多帧微循环图像进行合成为一帧微循环图像,合成后的微循环图像中的血管成像清晰、连续,能够显现较为完整的血管路径,提高医护人员的工作效率。
如图2所示,本发明第二方面的实施例提供一种微循环图像的血管路径提取装置,其中,所述微循环图像具体为舌下微循环图像,作为示例而非限定,与上述本发明第一方面的实施例提供的一种微循环图像的血管路径提取方法相对应,由于本发明实施例提供的一种微循环图像的血管路径提取装置与上述本发明第一方面的实施例提供的一种微循环图像的血管路径提取方法相对应,因此在前述一种微循环图像的血管路径提取方法的实施方式也适用于本实施例提供的一种微循环图像的血管路径提取装置,在本实施例中不再详细描述。图2为根据本申请第二方面的实施例的一种微循环图像的血管路径提取装置的结构示意图。包括:
采集模块,用于连续采集多帧微循环图像;
提取模块,用于分别提取每帧微循环图像的亮度值和灰度梯度值,其中,所述亮度值为该微循环图像亮度最高点的亮度值;
计算模块,用于计算相邻两帧微循环图像之间的相关度;
选取模块,用于根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像;
合成模块,用于把选取的多帧微循环图像合成得到目标图像。
具体地,在本发明的一个实施例中,所述计算模块具体用于计算相邻两帧微循环图像之间的差异值,所述差异值用于判断相邻两帧微循环图像之间的相关度,其中,差异值越小,代表相关度越大。
具体地,在本发明的一个实施例中,所述计算模块具体包括:
第一计算单元,用于把相邻两帧微循环图像之间对应的每个像素点的灰度值相减得到每个像素点的差值;
第二计算单元,用于把得到的每个像素点的差值取绝对值,把得到的每个像素点的差值的绝对值相加得到累加值;
第三计算单元,用于把累加值除以微循环图像的分辨率(图像像素点数),得到相邻两帧微循环图像之间的差异值。
具体地,在本发明的一个实施例中,所述选取模块具体包括:
判断单元,用于判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值;
选取单元,用于选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像。
本发明第三方面的实施例提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面的任意实施例所述的一种微循环图像的血管路径提取方法的步骤。
本申请第四方面的实施例提出一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面的任意实施例所述的一种微循环图像的血管路径提取方法的步骤。
本申请所述的终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备还可以包括更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述终端设备的内部存储单元,例如终端设备的硬盘或内存。所述存储器也可以是所述终端设备的外部存储设备,例如所述终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)等等。进一步地,所述存储器还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。

Claims (6)

1.一种微循环图像的血管路径提取方法,其特征在于,包括:
连续采集多帧微循环图像;
分别提取每帧微循环图像的亮度值和灰度梯度值,其中,所述亮度值为该微循环图像亮度最高点的亮度值;
计算相邻两帧微循环图像之间的相关度,包括:计算相邻两帧微循环图像之间的差异值,所述差异值用于判断相邻两帧微循环图像之间的相关度,其中,差异值越小,代表相关度越大;
根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像,包括:判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值;选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像;
把选取的多帧微循环图像合成得到目标图像。
2.根据权利要求1所述的一种微循环图像的血管路径提取方法,其特征在于,计算相邻两帧微循环图像之间的差异值的具体方法包括:
把相邻两帧微循环图像之间对应的每个像素点的灰度值相减得到每个像素点的差值;
把得到的每个像素点的差值取绝对值,把得到的每个像素点的差值的绝对值相加得到累加值;
把累加值除以微循环图像的分辨率,得到相邻两帧微循环图像之间的差异值。
3.根据权利要求1所述的一种微循环图像的血管路径提取方法,其特征在于,提取灰度梯度值的具体方法包括:对微循环图像进行卷积,提取微循环图像边缘轮廓,截取出微循环图像边缘轮廓的灰度梯度值。
4.根据权利要求1所述的一种微循环图像的血管路径提取方法,其特征在于,把选取的多帧微循环图像合成得到目标图像的具体方法包括:对连续的多帧微循环图像的同一像素点进行对比,选择亮度最暗的像素点的灰度值作为合成后的目标图像的该像素点的灰度值。
5.一种微循环图像的血管路径提取装置,其特征在于,包括:
采集模块,用于连续采集多帧微循环图像;
提取模块,用于分别提取每帧微循环图像的亮度值和灰度梯度值,其中,所述亮度值为该微循环图像亮度最高点的亮度值;
计算模块,用于计算相邻两帧微循环图像之间的相关度,所述计算模块具体用于计算相邻两帧微循环图像之间的差异值,所述差异值用于判断相邻两帧微循环图像之间的相关度,其中,差异值越小,代表相关度越大;
选取模块,用于根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像;所述选取模块具体包括:判断单元,用于判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值;选取单元,用于选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像;
合成模块,用于把选取的多帧微循环图像合成得到目标图像。
6.根据权利要求5所述的一种微循环图像的血管路径提取装置,其特征在于,所述计算模块具体包括:
第一计算单元,用于把相邻两帧微循环图像之间对应的每个像素点的灰度值相减得到每个像素点的差值;
第二计算单元,用于把得到的每个像素点的差值取绝对值,把得到的每个像素点的差值的绝对值相加得到累加值;
第三计算单元,用于把累加值除以微循环图像的分辨率,得到相邻两帧微循环图像之间的差异值。
CN202110639062.7A 2021-06-08 2021-06-08 一种微循环图像的血管路径提取方法及装置 Active CN113379702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110639062.7A CN113379702B (zh) 2021-06-08 2021-06-08 一种微循环图像的血管路径提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110639062.7A CN113379702B (zh) 2021-06-08 2021-06-08 一种微循环图像的血管路径提取方法及装置

Publications (2)

Publication Number Publication Date
CN113379702A CN113379702A (zh) 2021-09-10
CN113379702B true CN113379702B (zh) 2024-05-28

Family

ID=77572862

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110639062.7A Active CN113379702B (zh) 2021-06-08 2021-06-08 一种微循环图像的血管路径提取方法及装置

Country Status (1)

Country Link
CN (1) CN113379702B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115690003A (zh) * 2022-10-13 2023-02-03 广州医软智能科技有限公司 微循环图像清晰度评价方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833757A (zh) * 2009-03-11 2010-09-15 深圳迈瑞生物医疗电子股份有限公司 血管图像组织结构的边缘检测及血管内膜检测方法和系统
CN103871043A (zh) * 2012-12-12 2014-06-18 上海联影医疗科技有限公司 一种血管提取方法
CN104881683A (zh) * 2015-05-26 2015-09-02 清华大学 基于组合分类器的白内障眼底图像分类方法及分类装置
CN106127819A (zh) * 2016-06-30 2016-11-16 上海联影医疗科技有限公司 医学图像中提取血管中心线的方法及其装置
CN106447694A (zh) * 2016-07-28 2017-02-22 上海体育科学研究所 视频羽毛球运动检测与跟踪方法
CN112132882A (zh) * 2019-11-19 2020-12-25 苏州润迈德医疗科技有限公司 从冠状动脉二维造影图像中提取血管中心线的方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007058895A2 (en) * 2005-11-11 2007-05-24 Visualsonics Inc. Overlay image contrast enhancement
US20170368192A1 (en) * 2014-10-13 2017-12-28 Symic Ip, Llc Luminal vessel coating for arteriovenous fistula
WO2018001099A1 (zh) * 2016-06-30 2018-01-04 上海联影医疗科技有限公司 一种血管提取方法与系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833757A (zh) * 2009-03-11 2010-09-15 深圳迈瑞生物医疗电子股份有限公司 血管图像组织结构的边缘检测及血管内膜检测方法和系统
CN103871043A (zh) * 2012-12-12 2014-06-18 上海联影医疗科技有限公司 一种血管提取方法
CN104881683A (zh) * 2015-05-26 2015-09-02 清华大学 基于组合分类器的白内障眼底图像分类方法及分类装置
CN106127819A (zh) * 2016-06-30 2016-11-16 上海联影医疗科技有限公司 医学图像中提取血管中心线的方法及其装置
CN106447694A (zh) * 2016-07-28 2017-02-22 上海体育科学研究所 视频羽毛球运动检测与跟踪方法
CN112132882A (zh) * 2019-11-19 2020-12-25 苏州润迈德医疗科技有限公司 从冠状动脉二维造影图像中提取血管中心线的方法和装置

Also Published As

Publication number Publication date
CN113379702A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
US7542600B2 (en) Video image quality
CN107680128B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN105323497B (zh) 恒定包围的高动态范围(cHDR)操作
CN109325922B (zh) 一种图像自适应增强方法、装置及图像处理设备
US9135683B2 (en) System and method for temporal video image enhancement
CN109919866B (zh) 图像处理方法、装置、介质及电子设备
CN109005368B (zh) 一种高动态范围图像的生成方法、移动终端及存储介质
CN111368587B (zh) 场景检测方法、装置、终端设备及计算机可读存储介质
US20230069014A1 (en) Method and apparatus for generating low bit width hdr image, storage medium, and terminal
CN108764139B (zh) 一种人脸检测方法、移动终端及计算机可读存储介质
CN112037287A (zh) 相机标定方法、电子设备及存储介质
CN111242860A (zh) 超级夜景图像的生成方法、装置、电子设备及存储介质
CN113379702B (zh) 一种微循环图像的血管路径提取方法及装置
CN110728705A (zh) 图像处理方法、装置、存储介质及电子设备
CN111539975B (zh) 一种运动目标的检测方法、装置、设备及存储介质
CN111222446B (zh) 人脸识别方法、人脸识别装置及移动终端
CN110689486A (zh) 图像的处理方法、装置、设备及计算机可存储介质
CN111754412B (zh) 构建数据对的方法、装置及终端设备
CN110136085B (zh) 一种图像的降噪方法及装置
CN113421254B (zh) 微循环血管分支长度和直径计算方法及装置和终端设备
CN116823701A (zh) 基于ai的医学影像分析处理方法
CN111586309A (zh) 一种水下自动补光的图像采集方法及装置
CN111179197A (zh) 对比度增强方法及装置
CN116744125B (zh) 图像颜色数据处理方法、装置、设备及存储介质
CN116584914A (zh) 心率确定方法、装置、终端设备以及计算机可读存储介质

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