CN116309391B - 图像处理方法及装置、电子设备及存储介质 - Google Patents
图像处理方法及装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116309391B CN116309391B CN202310181514.0A CN202310181514A CN116309391B CN 116309391 B CN116309391 B CN 116309391B CN 202310181514 A CN202310181514 A CN 202310181514A CN 116309391 B CN116309391 B CN 116309391B
- Authority
- CN
- China
- Prior art keywords
- gray
- determining
- projection curve
- peak
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 44
- 210000002189 macula lutea Anatomy 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 206010025421 Macule Diseases 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 17
- 230000002792 vascular Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 206010012689 Diabetic retinopathy Diseases 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000001736 capillary Anatomy 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 208000027129 choroid disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 208000020911 optic nerve disease Diseases 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002123 temporal 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
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06T2207/30036—Dental; Teeth
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (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)
- Multimedia (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本申请提供了一种图像处理方法及装置、电子设备及存储介质，涉及图像处理领域。该图像处理方法包括：获取目标眼底图像；对目标眼底图像进行血管分割处理，得到第一血管二值图，并确定目标眼底图像中的视盘的位置坐标；基于位置坐标和第一血管二值图，确定第一血管二值图对应的第一灰度投影曲线；基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置。通过将目标眼底图像进行处理，得到第一灰度投影曲线，从而根据第一灰度投影曲线确定黄斑在目标眼底图像中的位置，提高了眼部诊断的便利性。
Description
技术领域
本申请涉及图像处理技术领域，具体涉及一种图像处理方法及装置、电子设备及存储介质。
背景技术
眼底是人体中可以获得的唯一非创伤性的能直接观察到动脉、静脉和毛细血管的部位。通过对眼底图像进行分析，可以得到诊断糖尿病性视网膜病变、青光眼的筛查和高血压患者血管改变的有价值信息。
在对眼底图像进行分析前，通常需要对眼底图像对应的眼别进行判断来作为大量后续任务的必要基础。相关技术中，通常通过眼底图像中黄斑与视盘的相对位置来判断眼别，但是在进行眼底拍照时，由于成像角度原因，存在只能照到视盘，照不到黄斑的情况，此时便无法通过黄斑与视盘的相对位置来判断眼别。因此如何确定眼底图像中黄斑的位置是至关重要的。
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处理方法及装置、电子设备及存储介质。
第一方面，本申请一实施例提供了一种图像处理方法，该方法包括：获取目标眼底图像；对目标眼底图像进行血管分割处理，得到第一血管二值图，并确定目标眼底图像中的视盘的位置坐标；基于位置坐标和第一血管二值图，确定第一血管二值图对应的第一灰度投影曲线；基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置。
结合第一方面，在第一方面的某些实现方式中，基于位置坐标和第一血管二值图，确定第一血管二值图对应的第一灰度投影曲线，包括：将位置坐标作为原点，对第一血管二值图做极坐标变换，得到第二血管二值图；基于第二血管二值图，确定第一灰度投影曲线。
结合第一方面，在第一方面的某些实现方式中，基于第二血管二值图，确定第一灰度投影曲线，包括：将第二血管二值图做灰度投影处理，得到第二灰度投影曲线；对第二灰度投影曲线进行过滤处理，得到第一灰度投影曲线。
结合第一方面，在第一方面的某些实现方式中，基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置，包括：确定第一灰度投影曲线中第一波峰的横坐标与第二波峰的横坐标间的第一差值；确定第二波峰的横坐标与第三波峰的横坐标间的第二差值；基于第一差值与第二差值的大小关系，确定黄斑在第一灰度投影曲线中的角度区间，角度区间表征黄斑的位置相对于视盘的位置的角度范围。
结合第一方面，在第一方面的某些实现方式中，基于第一差值与第二差值的大小关系，确定黄斑在第一灰度投影曲线中的角度区间，包括：若第一差值与第二差值间的差值小于第一预设阈值，则确定第一灰度投影曲线中第一波谷与第二波谷间各个点的第一纵坐标之和，以及第三波谷与第四波谷间各个点的第二纵坐标之和；所述第一波谷与第二波谷为位于所述第一波峰与所述第二波峰之间且分别与所述第一波峰和所述第二波峰横坐标距离最近的两个波谷，所述第三波谷与所述第四波谷为位于所述第二波峰与所述第三波峰之间且分别与所述第二波峰和所述第三波峰横坐标距离最近的两个波谷；基于第一纵坐标之和与第二纵坐标之和的大小关系，确定黄斑在第一灰度投影曲线中的角度区间。
结合第一方面，在第一方面的某些实现方式中，基于第一纵坐标之和与第二纵坐标之和的大小关系，确定黄斑在第一灰度投影曲线中的角度区间，包括：若第一纵坐标之和与第二纵坐标之和间的差值小于第二预设阈值，则确定第一灰度投影曲线中第一波峰与第二波峰间纵坐标的第一极差，以及第二波峰与第三波峰间纵坐标的第二极差；基于第一极差与第二极差的大小关系，确定黄斑在第一灰度投影曲线中的角度区间。
结合第一方面，在第一方面的某些实现方式中，在基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置之后，图像处理方法还包括：基于目标眼底图像中的黄斑的位置，确定黄斑与视盘的位置关系；基于黄斑与视盘的位置关系，确定目标眼底图像对应的眼别。
第二方面，本申请一实施例提供了一种图像处理装置，该装置包括：获取模块，用于获取目标眼底图像；处理模块，用于对目标眼底图像进行血管分割处理，得到第一血管二值图，且确定目标眼底图像中的视盘的位置坐标；第一确定模块，用于基于位置坐标和第一血管二值图，确定第一血管二值图对应的第一灰度投影曲线；第二确定模块，用于基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置。
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第一方面所述的图像处理方法。
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；该处理器用于执行第一方面所述的图像处理方法。
本申请实施例提供的图像处理方法，获取目标眼底图像；对目标眼底图像进行血管分割处理，得到第一血管二值图，且确定目标眼底图像中的视盘的位置坐标；基于位置坐标和第一血管二值图，确定第一血管二值图对应的第一灰度投影曲线；基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置。通过将目标眼底图像进行处理，得到第一灰度投影曲线，从而根据第一灰度投影曲线确定黄斑在目标眼底图像中的位置，提高了眼部诊断的便利性。
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2a所示为本申请一示例性实施例提供的图像处理方法的流程示意图。
图2b所示为一示例性第一血管二值图。
图2c所示为一示例性第二血管二值图。
图2d所示为一示例性第二灰度投影曲线。
图2e所示为一示例性第一灰度投影曲线。
图3所示为本申请一示例性实施例提供的图像处理装置的结构示意图。
图4所示为本申请一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。
为了方便理解，以下对本方案中出现的关键词进行解释。
视盘：全称视神经盘，也叫视神经乳头，视网膜由黄斑向鼻侧约3mm处有一直径约1.5mm，边界清楚的淡红色圆盘状结构，称为视神经盘，简称视盘。
黄斑：在眼底视神经盘的颞侧0.35cm处并稍下方，处于人眼的光学中心区，是视力轴线的投影点。
本申请实施例可以应用于眼别判断场景，眼别判断为对眼底图像进行左右眼的区分识别。眼睛是人体唯一不需要通过手术就能观察到血管和神经的部位。利用眼底照相机对眼睛进行眼底照相，观察与分析眼底图像各病变特征的变化情况，可以掌握健康情况。
在对眼底图像进行分析前，需要对眼底图像进行左右眼区分，相关技术中，通常通过眼底图像中黄斑与视盘的相对位置来区分左右眼，在视盘位于黄斑左侧时该眼底图像为左眼的眼底图像，在视盘位于黄斑的右侧时该眼底图像为右眼的眼底图像，但是现在很多眼底图像因为成像角度原因，只能照到视盘，照不到黄斑，此时便无法通过黄斑与视盘的相对位置来判断眼别。因此如何确定眼底图像中黄斑的位置是至关重要的。
为了确定眼底图像中黄斑的位置，发明人进行了一系列的研究，提出了一种图像处理方法。具体地，获取目标眼底图像；对目标眼底图像进行血管分割处理，得到第一血管二值图，且确定目标眼底图像中的视盘的位置坐标；基于位置坐标和第一血管二值图，确定第一血管二值图对应的第一灰度投影曲线；基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置。通过将目标眼底图像进行处理，得到第一灰度投影曲线，从而根据第一灰度投影曲线确定黄斑在目标眼底图像中的位置，提高了眼部诊断的便利性。
图1所示为本申请实施例所适用的一场景示意图。该场景包括图像处理系统101以及眼别判断系统102。
示例性地，将需要判断眼别的目标眼底图像输入至图像处理系统101中，可以确定目标眼底图像中黄斑的位置。
示例性地，图像处理系统101将目标眼底图像中黄斑的位置输入至眼别判断系统102中，眼别判断系统102可以根据黄斑与视盘的位置关系确定目标眼底图像的眼别。
在实际应用中，可以将需要判断眼别的目标眼底图像输入至图像处理系统101中，经过图像处理系统101的处理，可以将目标眼底图像转换为第一灰度投影曲线，通过第一灰度投影曲线中波峰、波谷间坐标的关系来确定黄斑位置。在图像处理系统101确定了黄斑的位置后，将黄斑位置输入至眼别判断系统102中，眼别判断系统可以根据黄斑与视盘的位置关系确定目标眼底图像的眼别。
图2a所示为本申请一示例性实施例提供的图像处理方法的流程示意图。如图2a所示，本申请实施例提供的图像处理方法可以包括如下步骤。
步骤S201：获取目标眼底图像。
示例性地，目标眼底图像为利用眼底相机对眼睛进行眼底照相得到，通过目标眼底图像可以对玻璃体、视网膜、脉络膜和视神经疾病进行检查。
步骤S202：对目标眼底图像进行血管分割处理，得到第一血管二值图，且确定目标眼底图像中的视盘的位置坐标。
示例性地，二值图是指将图像上的每一个像素都只有两种可能的取值或灰度等级状态，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。
具体地，可以利用计算机视觉和深度学习技术对目标眼底图像进行血管分割处理以及视盘位置识别，得到第一血管二值图以及视盘的位置坐标。
示例性地，可以先得到第一血管二值图后，再确定视盘的位置坐标，也可以先确定视盘的位置坐标，再得到第一血管二值图，也可以同时得到第一血管二值图和确定视盘的位置坐标，此处不做限定，其中，血管脉络最密集的部位为视盘的位置。
示例性的，关于确定视盘在第一血管二值图中的位置坐标，可以取视盘中心位置的位置坐标，也可以是视盘上任意可以展现与血管完整关系的位置的位置坐标，此处不做限定。
为了方便理解，图2b所示为一示例性第一血管二值图，如图2b所示，白色部分表示分割出的血管。
步骤S203：基于位置坐标和第一血管二值图，确定第一血管二值图对应的第一灰度投影曲线。
具体地，基于位置坐标和第一血管二值图，确定第一血管二值图对应的第一灰度投影曲线，可以包括如下步骤。
步骤A：将位置坐标作为原点，对第一血管二值图做极坐标变换，得到第二血管二值图。
示例性地，通过极坐标变换，可以使得第一血管二值图中的血管从与眼睛对应的圆形轮廓转换为第二血管二值图中类似于长方形的轮廓，在得到第二血管二值图后，可以实现以视盘为中心、在一个方向进行灰度值的累加。
为了方便理解，图2c所示为一示例性第二血管二值图，如图2c所示，白色部分表示经过极坐标变化后展示出的血管。
步骤B：基于第二血管二值图，确定第一灰度投影曲线。
具体地，基于第二血管二值图，确定第一灰度投影曲线，可以包括如下步骤。
步骤B1：将第二血管二值图做灰度投影处理，得到第二灰度投影曲线。
示例性地，灰度投影处理为垂直灰度投影处理，通过累加第二血管二值图的垂直方向上的灰度值，获得垂直方向的平均灰度值，将该平均灰度值作为纵坐标，将第二血管二值图中该垂直方向对应的角度作为横坐标，将第二血管二值图进行灰度投影处理后，可以得到横坐标范围为0到359度的初始灰度投影曲线，将初始灰度曲线进行周期性延展，即可得到第二灰度投影曲线，通过将初始灰度曲线进行周期性延展可以方便计算测量初始灰度曲线中波峰间的距离。
为了方便理解，图2d所示为一示例性第二灰度投影曲线。如图2d所示，横坐标表示角度，纵坐标表示平均灰度值。
步骤B2：对第二灰度投影曲线进行过滤处理，得到第一灰度投影曲线。
过滤处理具体是对第二灰度投影曲线进行平滑处理，例如高斯平滑处理。通过对第二灰度投影曲线进行过滤，可以消除第二灰度投影曲线中的一些干扰曲线，得到波峰与波谷，以便之后判断视盘与黄斑的位置关系，进而判断眼别。
步骤S204：基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置。
具体地，基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置，可以包括如下步骤。
步骤A：确定第一灰度投影曲线中第一波峰的横坐标与第二波峰的横坐标间的第一差值。
步骤B：确定第二波峰的横坐标与第三波峰的横坐标间的第二差值。
为了方便理解，图2e所示为一示例性第一灰度投影曲线。如图2e所示，初始灰度投影曲线中两个最大峰值点分别为A和B，A位置为第一波峰，B位置为第二波峰，A1位置为第三波峰，其中，第三波峰为将初始灰度曲线进行周期性延展后的第一波峰，上述方案方便计算测量初始灰度曲线中波峰间的距离，即方便计算第二波峰与第三波峰之间的距离。
步骤C：基于第一差值与第二差值的大小关系，确定黄斑在第一灰度投影曲线中的角度区间。
示例性地，角度区间表征黄斑的位置相对于视盘的位置的角度范围。
具体地，基于第一差值与第二差值的大小关系，确定黄斑在第一灰度投影曲线中的角度区间，可以包括如下步骤。
步骤C1：若第一差值与第二差值间的差值小于第一预设阈值，则确定第一灰度投影曲线中第一波谷与第二波谷间各个点的第一纵坐标之和，以及第三波谷与第四波谷间各个点的第二纵坐标之和。
示例性地，第一波谷与第二波谷为位于第一波峰与第二波峰之间且分别与第一波峰和第二波峰横坐标距离最近的两个波谷，第三波谷与第四波谷为位于第二波峰与第三波峰之间且分别与第二波峰和第三波峰横坐标距离最近的两个波谷。
示例性地，第一预设阈值可以为45°，当第一差值与第二差值间的差值大于第一预设阈值时，则可以认为黄斑相对于视盘的位置的角度在第一差值与第二差值中较小的差值对应的横坐标区间内，例如图2e中，第一波峰的横坐标与第二波峰的横坐标间的第一差值，大于第二波峰的横坐标与第三波峰的横坐标间的第二差值，那么可以认为黄斑相对于视盘的位置的角度在第一波峰的横坐标对应的角度与第二波峰的横坐标对应的角度之间。
示例性地，如图2e所示，C位置为第一波谷，D位置为第二波谷，E位置为第三波谷，F位置为第四波谷。第一纵坐标之和为第一波谷与第二波谷间各个点的纵坐标的和，即第一波谷与第二波谷间的灰度和。第二纵坐标之和为第三波谷与第四波谷间各个点的纵坐标的和，即第三波谷与第四波谷间的灰度和。
步骤C2：基于第一纵坐标之和与第二纵坐标之和的大小关系，确定黄斑在第一灰度投影曲线中的角度区间。
具体地，基于第一纵坐标之和与第二纵坐标之和的大小关系，确定黄斑在第一灰度投影曲线中的角度区间，可以包括如下步骤。
步骤C2-1：若第一纵坐标之和与第二纵坐标之和间的差值小于第二预设阈值，则确定第一灰度投影曲线中第一波峰与第二波峰间纵坐标的第一极差，以及第二波峰与第三波峰间纵坐标的第二极差。
具体地，第二预设阈值的计算方法如下述公式(1)所示。
其中，x为第一纵坐标之和，y为第二纵坐标之和。
示例性地，第二预设阈值优选为30％。
示例性地，第一波峰与第二波峰间纵坐标的第一极差为，第一波峰与第二波峰间所有波峰中的纵坐标最大的波峰与所有波谷中纵坐标最小的波谷的纵坐标差值，第二波峰与第三波峰间纵坐标的第二极差为，第二波峰与第三波峰间所有波峰中纵坐标最大的波峰与所有波谷中纵坐标最小的波谷的纵坐标差值。例如图2e中，第一极差为第二波峰B的纵坐标与第二波谷D的纵坐标的差值，第二极差为第二波峰B的纵坐标与第四波谷F的纵坐标的差值。
步骤C2-2：基于第一极差与第二极差的大小关系，确定黄斑在第一灰度投影曲线中的角度区间。
示例性地，第一极差与第二极差中较小的极差对应的角度区间，即为黄斑所在的角度区间，例如图2e中，第一极差小于第二极差，则黄斑相对于视盘的位置的角度在第一波峰的横坐标对应的角度与第二波峰的横坐标对应的角度之间。
具体地，在确定了目标眼底图像中的黄斑的位置之后，还可以确定目标眼底图像对应的眼别。具体地，基于目标眼底图像中的黄斑的位置，确定黄斑与视盘的位置关系；基于黄斑与视盘的位置关系，确定目标眼底图像对应的眼别。
示例性地，黄斑与视盘的位置关系即为黄斑相对于视盘的位置的角度区间，在黄斑相对于视盘的角度区间在90°-270°之间时，该目标眼底图像对应的眼睛为右眼，其余情况均为左眼。
本申请实施例中，通过将目标眼底图像进行处理，得到第一灰度投影曲线，根据第一灰度投影曲线中波峰、波谷间坐标的关系确定黄斑位置，从而判断目标眼底图像的眼别，提高了眼部诊断的便利性。
上文结合图2a至图2e，详细描述了本申请的图像处理方法实施例，下面结合图3，详细描述本申请的图像处理装置实施例。应理解，图像处理方法实施例的描述与图像处理装置实施例的描述相互对应，因此，未详细描述的部分可以参见前面方法实施例。
图3所示为本申请一示例性实施例提供的图像处理装置的结构示意图。如图3所示，本申请实施例提供的图像处理装置，可以包括如下模块。
获取模块301，用于获取目标眼底图像。
处理模块302，用于对目标眼底图像进行血管分割处理，得到第一血管二值图，且确定目标眼底图像中的视盘的位置坐标。
第一确定模块303，用于基于位置坐标和第一血管二值图，确定第一血管二值图对应的第一灰度投影曲线。
第二确定模块304，用于基于第一灰度投影曲线，确定目标眼底图像中的黄斑的位置。
在本申请一实施例中，第一确定模块303还用于，将位置坐标作为原点，对第一血管二值图做极坐标变换，得到第二血管二值图；基于第二血管二值图，确定第一灰度投影曲线。
在本申请一实施例中，第一确定模块303还用于，将第二血管二值图做灰度投影处理，得到灰度投影曲线；对灰度投影曲线进行过滤处理，得到第一灰度投影曲线。
在本申请一实施例中，第二确定模块304还用于，确定第一灰度投影曲线中第一波峰的横坐标与第二波峰的横坐标间的第一差值；确定第二波峰的横坐标与第三波峰的横坐标间的第二差值；基于第一差值与第二差值的大小关系，确定黄斑在第一灰度投影曲线中的角度区间，角度区间表征黄斑的位置相对于视盘的位置的角度范围。
在本申请一实施例中，第二确定模块304还用于，若第一差值与第二差值间的差值小于第一预设阈值，则确定第一灰度投影曲线中第一波谷与第二波谷间各个点的第一纵坐标之和，以及第三波谷与第四波谷间各个点的第二纵坐标之和；第一波谷与第二波谷为位于第一波峰与第二波峰之间且分别与第一波峰和第二波峰横坐标距离最近的两个波谷，第三波谷与第四波谷为位于第二波峰与第三波峰之间且分别与第二波峰和第三波峰横坐标距离最近的两个波谷；基于第一纵坐标之和与第二纵坐标之和的大小关系，确定黄斑在第一灰度投影曲线中的角度区间。
在本申请一实施例中，第二确定模块304还用于，若第一纵坐标之和与第二纵坐标之和间的差值小于第二预设阈值，则确定第一灰度投影曲线中第一波峰与第二波峰间纵坐标的第一极差，以及第二波峰与第三波峰间纵坐标的第二极差；基于第一极差与第二极差的大小关系，确定黄斑在第一灰度投影曲线中的角度区间。
在本申请一实施例中，该图像处理装置还包括如下模块。
第三确定模块，用于基于目标眼底图像中的黄斑的位置，确定黄斑与视盘的位置关系；
第四确定模块，用于基于黄斑与视盘的位置关系，确定目标眼底图像对应的眼别。
应当理解，图3提供的图像处理装置中的获取模块301、处理模块302、第一确定模块303以及第二确定模块304的操作和功能可以参考上述图2a提供的图像处理方法，为了避免重复，在此不再赘述。
下面，参考图4来描述根据本申请实施例的电子设备。图4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4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目标眼底图像、第一血管二值图、第一灰度投影曲线等各种内容。
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，包括目标眼底图像、第一血管二值图、第一灰度投影曲线等。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4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 (7)
1.一种图像处理方法，其特征在于，包括：
获取目标眼底图像；
对所述目标眼底图像进行血管分割处理，得到第一血管二值图，并确定所述目标眼底图像中的视盘的位置坐标；
基于所述位置坐标和所述第一血管二值图，确定所述第一血管二值图对应的第一灰度投影曲线；
基于所述第一灰度投影曲线，确定所述目标眼底图像中的黄斑的位置；
其中，所述基于所述位置坐标和所述第一血管二值图，确定所述第一血管二值图对应的第一灰度投影曲线，包括：
将所述位置坐标作为原点，对所述第一血管二值图做极坐标变换，得到第二血管二值图；
基于所述第二血管二值图，确定所述第一灰度投影曲线；
其中，所述基于所述第二血管二值图，确定所述第一灰度投影曲线，包括：
将所述第二血管二值图做灰度投影处理，得到第二灰度投影曲线；
对所述第二灰度投影曲线进行过滤处理，得到所述第一灰度投影曲线；
其中，所述基于所述第一灰度投影曲线，确定所述目标眼底图像中的黄斑的位置，包括：
确定所述第一灰度投影曲线中第一波峰的横坐标与第二波峰的横坐标间的第一差值；
确定所述第二波峰的横坐标与第三波峰的横坐标间的第二差值；
基于所述第一差值与所述第二差值的大小关系，确定所述黄斑在所述第一灰度投影曲线中的角度区间，所述角度区间表征所述黄斑的位置相对于所述视盘的位置的角度范围，其中，所述第一灰度投影曲线中两个最大峰值点所在的位置分别为所述第一波峰和所述第二波峰，所述第三波峰为将第一灰度投影曲线进行周期性延展后的第一波峰。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一差值与所述第二差值的大小关系，确定所述黄斑在所述第一灰度投影曲线中的角度区间，包括：
若所述第一差值与所述第二差值间的差值小于第一预设阈值，则确定所述第一灰度投影曲线中第一波谷与第二波谷间各个点的第一纵坐标之和，以及第三波谷与第四波谷间各个点的第二纵坐标之和；所述第一波谷与第二波谷为位于所述第一波峰与所述第二波峰之间且分别与所述第一波峰和所述第二波峰横坐标距离最近的两个波谷，所述第三波谷与所述第四波谷为位于所述第二波峰与所述第三波峰之间且分别与所述第二波峰和所述第三波峰横坐标距离最近的两个波谷；
基于所述第一纵坐标之和与所述第二纵坐标之和的大小关系，确定所述黄斑在所述第一灰度投影曲线中的角度区间。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一纵坐标之和与所述第二纵坐标之和的大小关系，确定所述黄斑在所述第一灰度投影曲线中的角度区间，包括：
若所述第一纵坐标之和与所述第二纵坐标之和间的差值小于第二预设阈值，则确定所述第一灰度投影曲线中第一波峰与第二波峰间纵坐标的第一极差，以及所述第二波峰与第三波峰间纵坐标的第二极差；
基于所述第一极差与所述第二极差的大小关系，确定所述黄斑在所述第一灰度投影曲线中的角度区间。
4.根据权利要求1所述的方法，其特征在于，在所述基于所述第一灰度投影曲线，确定所述目标眼底图像中的黄斑的位置之后，所述方法还包括：
基于所述目标眼底图像中的黄斑的位置，确定所述黄斑与所述视盘的位置关系；
基于所述黄斑与所述视盘的位置关系，确定所述目标眼底图像对应的眼别。
5.一种图像处理装置，其特征在于，包括：
获取模块，用于获取目标眼底图像；
处理模块，用于对所述目标眼底图像进行血管分割处理，得到第一血管二值图，并确定所述目标眼底图像中的视盘的位置坐标；
第一确定模块，用于基于所述位置坐标和所述第一血管二值图，确定所述第一血管二值图对应的第一灰度投影曲线；
第二确定模块，用于基于所述第一灰度投影曲线，确定所述目标眼底图像中的黄斑的位置；
其中，所述第一确定模块还用于，将所述位置坐标作为原点，对所述第一血管二值图做极坐标变换，得到第二血管二值图；基于所述第二血管二值图，确定所述第一灰度投影曲线；
其中，所述第一确定模块还用于，将所述第二血管二值图做灰度投影处理，得到第二灰度投影曲线；对所述第二灰度投影曲线进行过滤处理，得到所述第一灰度投影曲线；
其中，所述第二确定模块还用于，确定所述第一灰度投影曲线中第一波峰的横坐标与第二波峰的横坐标间的第一差值；确定所述第二波峰的横坐标与第三波峰的横坐标间的第二差值；基于所述第一差值与所述第二差值的大小关系，确定所述黄斑在所述第一灰度投影曲线中的角度区间，所述角度区间表征所述黄斑的位置相对于所述视盘的位置的角度范围，其中，所述第一灰度投影曲线中两个最大峰值点所在的位置分别为所述第一波峰和所述第二波峰，所述第三波峰为将第一灰度投影曲线进行周期性延展后的第一波峰。
6.一种电子设备，其特征在于，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4任一项所述的图像处理方法。
7.一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4任一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310181514.0A CN116309391B (zh) | 2023-02-20 | 2023-02-20 | 图像处理方法及装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310181514.0A CN116309391B (zh) | 2023-02-20 | 2023-02-20 | 图像处理方法及装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116309391A CN116309391A (zh) | 2023-06-23 |
| CN116309391B true CN116309391B (zh) | 2023-09-05 |
Family
ID=86831775
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310181514.0A Active CN116309391B (zh) | 2023-02-20 | 2023-02-20 | 图像处理方法及装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116309391B (zh) |
Citations (8)
| 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 |
| CN108257126A (zh) * | 2018-01-25 | 2018-07-06 | 苏州大学 | 三维视网膜oct图像的血管检测和配准方法、设备及应用 |
| CN108717696A (zh) * | 2018-05-16 | 2018-10-30 | 上海鹰瞳医疗科技有限公司 | 黄斑影像检测方法和设备 |
| CN109166117A (zh) * | 2018-08-31 | 2019-01-08 | 福州依影健康科技有限公司 | 一种眼底图像自动分析比对方法及一种存储设备 |
| CN110021009A (zh) * | 2019-01-18 | 2019-07-16 | 平安科技（深圳）有限公司 | 一种评估眼底图像质量的方法、装置及存储介质 |
| CN113951813A (zh) * | 2021-11-09 | 2022-01-21 | 北京工业大学 | 视网膜血管分支角度计算方法、装置及电子设备 |
| CN114202795A (zh) * | 2021-12-01 | 2022-03-18 | 南京理工大学 | 一种老年人瞳孔快速定位方法 |
| CN114998369A (zh) * | 2022-06-13 | 2022-09-02 | 依未科技(温州)有限公司 | 图像处理方法、装置、存储介质及电子设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6188297B2 (ja) * | 2012-01-25 | 2017-08-30 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
| CN106157329B (zh) * | 2015-04-20 | 2021-08-17 | 中兴通讯股份有限公司 | 一种自适应目标跟踪方法及装置 |
| CN109784337B (zh) * | 2019-03-05 | 2022-02-22 | 北京康夫子健康技术有限公司 | 一种黄斑区识别方法、装置及计算机可读存储介质 |
| CN111046717B (zh) * | 2019-10-11 | 2024-01-30 | 平安科技（深圳）有限公司 | 眼底图像黄斑中心定位方法、装置、电子设备及存储介质 |
-
2023
- 2023-02-20 CN CN202310181514.0A patent/CN116309391B/zh active Active
Patent Citations (8)
| 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 |
| CN108257126A (zh) * | 2018-01-25 | 2018-07-06 | 苏州大学 | 三维视网膜oct图像的血管检测和配准方法、设备及应用 |
| CN108717696A (zh) * | 2018-05-16 | 2018-10-30 | 上海鹰瞳医疗科技有限公司 | 黄斑影像检测方法和设备 |
| CN109166117A (zh) * | 2018-08-31 | 2019-01-08 | 福州依影健康科技有限公司 | 一种眼底图像自动分析比对方法及一种存储设备 |
| CN110021009A (zh) * | 2019-01-18 | 2019-07-16 | 平安科技（深圳）有限公司 | 一种评估眼底图像质量的方法、装置及存储介质 |
| CN113951813A (zh) * | 2021-11-09 | 2022-01-21 | 北京工业大学 | 视网膜血管分支角度计算方法、装置及电子设备 |
| CN114202795A (zh) * | 2021-12-01 | 2022-03-18 | 南京理工大学 | 一种老年人瞳孔快速定位方法 |
| CN114998369A (zh) * | 2022-06-13 | 2022-09-02 | 依未科技(温州)有限公司 | 图像处理方法、装置、存储介质及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 视网膜眼底彩照中视盘与黄斑定位方法研究;黄旭东;《中国优秀硕士学位论文全文数据库医药卫生科技辑》(第04期);E073-28 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116309391A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7058373B2 (ja) | 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体 | |
| CN111046717B (zh) | 眼底图像黄斑中心定位方法、装置、电子设备及存储介质 | |
| US10349826B2 (en) | Image processing apparatus, image processing method, and storage medium | |
| WO2018201633A1 (zh) | 基于眼底图像的糖尿病视网膜病变识别系统 | |
| WO2018201632A1 (zh) | 用于识别眼底图像病变的人工神经网络及系统 | |
| US9619874B2 (en) | Image processing apparatus and image processing method | |
| JP7197708B2 (ja) | 眼底画像定量分析の前置処理方法および記憶装置 | |
| CN114937024A (zh) | 图像评估方法、装置和计算机设备 | |
| WO2022129591A1 (en) | System for determining one or more characteristics of a user based on an image of their eye using an ar/vr headset | |
| CN112927228A (zh) | 图像评估方法和装置、模型训练方法和装置 | |
| CN113662506A (zh) | 一种角膜表面形态的测量方法、装置、介质及电子设备 | |
| CN116309391B (zh) | 图像处理方法及装置、电子设备及存储介质 | |
| CN116030042B (zh) | 一种针对医生目诊的诊断装置、方法、设备及存储介质 | |
| CN115908405B (zh) | 确定眼底特征的方法、装置和电子设备 | |
| CN114429670A (zh) | 瞳孔检测方法、装置、设备及存储介质 | |
| CN110916649B (zh) | 一种长程心电散点图的处理装置、处理方法及检测装置 | |
| CN114549395A (zh) | 基于视计算的图像特征确定的方法、装置、介质和设备 | |
| KR100686517B1 (ko) | 동공 모양 모델링 방법 | |
| CN112734701A (zh) | 眼底病灶检测方法、检测装置及终端设备 | |
| CN113487582A (zh) | 图像评估方法及装置、计算机可读存储介质及电子设备 | |
| Lee et al. | Eye-wearable head-mounted tracking and gaze estimation interactive machine system for human–machine interface | |
| CN117830256A (zh) | 图像检测方法、装置、存储介质及电子设备 | |
| CN116385812B (zh) | 图像分类方法及装置、电子设备及存储介质 | |
| CN115120179A (zh) | 基于眼底图像检测眼底异常的判读系统及判读方法 | |
| CN113116292B (zh) | 基于眼部外观图像的眼位测量方法、装置、终端和设备 |
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 |