CN117576096A - 一种基于图像识别的自动测量血管管径的方法及装置 - Google Patents
一种基于图像识别的自动测量血管管径的方法及装置 Download PDFInfo
- Publication number
- CN117576096A CN117576096A CN202410058092.2A CN202410058092A CN117576096A CN 117576096 A CN117576096 A CN 117576096A CN 202410058092 A CN202410058092 A CN 202410058092A CN 117576096 A CN117576096 A CN 117576096A
- Authority
- CN
- China
- Prior art keywords
- white
- pixels
- black
- image
- continuous
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000000877 morphologic effect Effects 0.000 claims abstract description 8
- 210000000713 mesentery Anatomy 0.000 claims abstract description 5
- 230000004089 microcirculation Effects 0.000 abstract description 5
- 230000002792 vascular Effects 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000002474 experimental method Methods 0.000 abstract description 3
- 241000283973 Oryctolagus cuniculus Species 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000004880 lymph fluid Anatomy 0.000 description 1
- 210000001365 lymphatic vessel Anatomy 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 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
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- 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
- G06T2207/30242—Counting objects in image
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)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像识别的自动测量血管管径的方法及装置,属于血管管径测量技术领域。一种自动测量血管管径的方法,包括:对肠系膜图像进行二值化处理,得到黑白图;对所述黑白图做形态学图像处理的开闭运算;对所述黑白图中的血管做细化处理;根据细化处理前后黑白图中白色像素点的比值得到血管的平均管径。本发明通过计算机视觉的方法测量微循环中血管管径数据,极大地提高了实验的准确性和效率。
Description
技术领域
本发明属于血管管径测量技术领域,特别是涉及一种基于图像识别的自动测量血管管径的方法及装置。
背景技术
家兔微循环实验是一个生物科学或医学研究项目,主要关注家兔的微循环系统,即微小血管和淋巴管的血液循环。微循环是生物体中重要的生理过程之一,它涉及血液在微小血管中的流动,以及血液与微小血管壁、血液与组织液、血液与淋巴液之间的物质交换。
现有技术中,通过画线条计算线条像素点个数的方式测量(如图1所示),测量不方便,并且血管一般比较细,不容易准确地拖动线条。或者采用手工测量的方法,准确性无法保证。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于图像识别的自动测量血管管径的方法及装置。
本发明的目的是通过以下技术方案来实现的:
本发明的第一方面公开了一种基于图像识别的自动测量血管管径的方法,包括:
对肠系膜图像进行二值化处理,得到黑白图;
对所述黑白图做形态学图像处理的开闭运算;
对所述黑白图中的血管做细化处理;
根据细化处理前后黑白图中白色像素点的比值得到血管的平均管径。
进一步地,所述方法还包括:
采集肠系膜图像。
进一步地,对所述黑白图中的血管做细化处理,包括:
遍历黑白图中每行的像素点;
若一行像素点存在连续的白色像素点,则将该连续的白色像素点中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
进一步地,若连续的像素点的个数为奇数,则将中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点;
若连续的像素点的个数为两个,则将其中任意一个像素点保留为白色像素点,将另一个像素点转换为黑色像素点;
若连续的像素点的个数为大于二的偶数,则将中间两个像素点中的任意一个像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
进一步地,所述血管的平均管径的计算公式为:
d=n/m
式中,d为血管的平均管径,n为细化处理前黑白图中白色像素点的个数,m为细化处理后黑白图中白色像素点的个数。
本发明的第二方面公开了一种基于图像识别的自动测量血管管径的装置,包括:
二值化模块,用于对肠系膜图像进行二值化处理,得到黑白图;
运算模块,用于对所述黑白图做形态学图像处理的开闭运算;
细化模块,用于对所述黑白图中的血管做细化处理;
计算模块,用于根据细化处理前后黑白图中白色像素点的比值得到血管的平均管径。
进一步地,所述装置还包括:
图像采集模块,用于采集肠系膜图像。
进一步地,所述细化模块具体用于:
遍历黑白图中每行的像素点;
若一行像素点存在连续的白色像素点,则将该连续的白色像素点中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
进一步地,若连续的像素点的个数为奇数,则将中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点;
若连续的像素点的个数为两个,则将其中任意一个像素点保留为白色像素点,将另一个像素点转换为黑色像素点;
若连续的像素点的个数为大于二的偶数,则将中间两个像素点中的任意一个像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
进一步地,所述血管的平均管径的计算公式为:
d=n/m
式中,d为血管的平均管径,n为细化处理前黑白图中白色像素点的个数,m为细化处理后黑白图中白色像素点的个数。
本发明的有益效果是:本发明通过计算机视觉的方法测量微循环中血管管径数据,不会由于人工标注产生误差,极大地提高了实验的准确性和效率。
附图说明
图1为现有技术中通过画线条计算线条像素点个数的一种示意图;
图2为本发明中自动测量血管管径的方法的一种实施例的流程图;
图3为家兔肠系膜图片的一种示意图;
图4为家兔的血管一种黑白图;
图5为一种细化处理后的家兔血管图;
图6为本发明中自动测量血管管径的装置的一种实施例的组成框图。
具体实施方式
下面将结合实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图2至图6,本发明提供一种基于图像识别的自动测量血管管径的方法及装置:
本实施例的第一方面公开了一种基于图像识别的自动测量血管管径的方法,如图2所示,所述方法包括S100至S300。
S100.对肠系膜图像进行二值化处理,得到黑白图。
在一些实施例中,所述方法还包括:利用摄像头采集肠系膜图像。如图3所示,图3为家兔的肠系膜图像。
本实施的方法适合于所有血管管径测量。如果是不同的动物或采用不同的设备,在处理图像时需要设置相应的阈值,以便得到效果比较好的黑白图。
S200.对所述黑白图做形态学图像处理的开闭运算。
通过对黑白图做形态学图像处理的开闭运算,得到一张比较清晰的黑白图,白色像素点的像素值为255,黑色像素点的像素值为0,如图4所示。
S300.对所述黑白图中的血管做细化处理。
在一些实施例中,对所述黑白图中的血管做细化处理,包括:遍历黑白图中每行的像素点;若一行像素点存在连续的白色像素点,则将该连续的白色像素点中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
具体的,若连续的像素点的个数为奇数,则将中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点;若连续的像素点的个数为两个,则将其中任意一个像素点保留为白色像素点,将另一个像素点转换为黑色像素点;若连续的像素点的个数为大于二的偶数,则将中间两个像素点中的任意一个像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
通过对黑白图中的血管做细化处理,得到一幅细化后的血管图,如图5所示。
S400.根据细化处理前后黑白图中白色像素点的比值得到血管的平均管径。
在一些实施例中,所述血管的平均管径的计算公式为:
d=n/m
式中,d为血管的平均管径,n为细化处理前黑白图中白色像素点的个数,m为细化处理后黑白图中白色像素点的个数。
例如,统计图4中白色像素点的个数为n,统计图5中白色像素点的个数为m,则血管的平均管径为n/m。
本实施例的第二方面公开了一种基于图像识别的自动测量血管管径的装置,如图6所示,所述装置包括二值化模块、运算模块、细化模块和计算模块。
二值化模块,用于对肠系膜图像进行二值化处理,得到黑白图。
在一些实施例中,所述装置还包括图像采集模块,所述图像采集模块用于通过摄像头采集肠系膜图像。
运算模块,用于对所述黑白图做形态学图像处理的开闭运算。
细化模块,用于对所述黑白图中的血管做细化处理。
在一些实施例中,所述细化模块具体用于:遍历黑白图中每行的像素点;若一行像素点存在连续的白色像素点,则将该连续的白色像素点中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
具体的,若连续的像素点的个数为奇数,则将中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点;若连续的像素点的个数为两个,则将其中任意一个像素点保留为白色像素点,将另一个像素点转换为黑色像素点;若连续的像素点的个数为大于二的偶数,则将中间两个像素点中的任意一个像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
计算模块,用于根据细化处理前后黑白图中白色像素点的比值得到血管的平均管径。
在一些实施例中,所述血管的平均管径的计算公式为:
d=n/m
式中,d为血管的平均管径,n为细化处理前黑白图中白色像素点的个数,m为细化处理后黑白图中白色像素点的个数。
需要说明的是,本领域技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统或者装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再重复描述。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种基于图像识别的自动测量血管管径的方法,其特征在于,包括:
对肠系膜图像进行二值化处理,得到黑白图;
对所述黑白图做形态学图像处理的开闭运算;
对所述黑白图中的血管做细化处理;
根据细化处理前后黑白图中白色像素点的比值得到血管的平均管径。
2.根据权利要求1所述的一种基于图像识别的自动测量血管管径的方法,其特征在于,所述方法还包括:
采集肠系膜图像。
3.根据权利要求1所述的一种基于图像识别的自动测量血管管径的方法,其特征在于,对所述黑白图中的血管做细化处理,包括:
遍历黑白图中每行的像素点;
若一行像素点存在连续的白色像素点,则将该连续的白色像素点中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
4.根据权利要求3所述的一种基于图像识别的自动测量血管管径的方法,其特征在于,若连续的像素点的个数为奇数,则将中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点;
若连续的像素点的个数为两个,则将其中任意一个像素点保留为白色像素点,将另一个像素点转换为黑色像素点;
若连续的像素点的个数为大于二的偶数,则将中间两个像素点中的任意一个像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
5.根据权利要求1所述的一种基于图像识别的自动测量血管管径的方法,其特征在于,所述血管的平均管径的计算公式为:
d=n/m
式中,d为血管的平均管径,n为细化处理前黑白图中白色像素点的个数,m为细化处理后黑白图中白色像素点的个数。
6.一种基于图像识别的自动测量血管管径的装置,其特征在于,包括:
二值化模块,用于对肠系膜图像进行二值化处理,得到黑白图;
运算模块,用于对所述黑白图做形态学图像处理的开闭运算;
细化模块,用于对所述黑白图中的血管做细化处理;
计算模块,用于根据细化处理前后黑白图中白色像素点的比值得到血管的平均管径。
7.根据权利要求6所述的一种基于图像识别的自动测量血管管径的装置,其特征在于,所述装置还包括:
图像采集模块,用于采集肠系膜图像。
8.根据权利要求6所述的一种基于图像识别的自动测量血管管径的装置,其特征在于,所述细化模块具体用于:
遍历黑白图中每行的像素点;
若一行像素点存在连续的白色像素点,则将该连续的白色像素点中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
9.根据权利要求8所述的一种基于图像识别的自动测量血管管径的装置,其特征在于,若连续的像素点的个数为奇数,则将中间的像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点;
若连续的像素点的个数为两个,则将其中任意一个像素点保留为白色像素点,将另一个像素点转换为黑色像素点;
若连续的像素点的个数为大于二的偶数,则将中间两个像素点中的任意一个像素点保留为白色像素点,将该连续的白色像素点中其余所有像素点转换为黑色像素点。
10.根据权利要求6所述的一种基于图像识别的自动测量血管管径的装置,其特征在于,所述血管的平均管径的计算公式为:
d=n/m
式中,d为血管的平均管径,n为细化处理前黑白图中白色像素点的个数,m为细化处理后黑白图中白色像素点的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410058092.2A CN117576096A (zh) | 2024-01-16 | 2024-01-16 | 一种基于图像识别的自动测量血管管径的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410058092.2A CN117576096A (zh) | 2024-01-16 | 2024-01-16 | 一种基于图像识别的自动测量血管管径的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117576096A true CN117576096A (zh) | 2024-02-20 |
Family
ID=89862827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410058092.2A Pending CN117576096A (zh) | 2024-01-16 | 2024-01-16 | 一种基于图像识别的自动测量血管管径的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576096A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101984916A (zh) * | 2010-11-17 | 2011-03-16 | 哈尔滨工程大学 | 基于数字图像处理技术的血管管径测量方法 |
CN111626979A (zh) * | 2020-02-04 | 2020-09-04 | 深圳市瑞沃德生命科技有限公司 | 一种管径测量方法及其装置 |
CN112288794A (zh) * | 2020-09-04 | 2021-01-29 | 深圳硅基智能科技有限公司 | 眼底图像的血管管径的测量方法及测量装置 |
CN116664592A (zh) * | 2023-04-26 | 2023-08-29 | 平安科技(深圳)有限公司 | 基于图像的动静脉血管分离方法、装置、电子设备及介质 |
-
2024
- 2024-01-16 CN CN202410058092.2A patent/CN117576096A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101984916A (zh) * | 2010-11-17 | 2011-03-16 | 哈尔滨工程大学 | 基于数字图像处理技术的血管管径测量方法 |
CN111626979A (zh) * | 2020-02-04 | 2020-09-04 | 深圳市瑞沃德生命科技有限公司 | 一种管径测量方法及其装置 |
CN112288794A (zh) * | 2020-09-04 | 2021-01-29 | 深圳硅基智能科技有限公司 | 眼底图像的血管管径的测量方法及测量装置 |
CN116664592A (zh) * | 2023-04-26 | 2023-08-29 | 平安科技(深圳)有限公司 | 基于图像的动静脉血管分离方法、装置、电子设备及介质 |
Non-Patent Citations (1)
Title |
---|
张一铭: "OCTA血管形态量化技术及应用研究", 《中国优秀硕士学位论文全文数据库》, no. 2021, 15 September 2020 (2020-09-15), pages 062 - 13 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2466541B1 (en) | Image processing apparatus, image processing method and image processing program | |
CN107507173A (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN111639629B (zh) | 一种基于图像处理的猪只体重测量方法、装置及存储介质 | |
CN108378869B (zh) | 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统 | |
CN110287926B (zh) | 输液监测报警方法、用户设备、存储介质及装置 | |
WO2022048171A1 (zh) | 眼底图像的血管管径的测量方法及测量装置 | |
CN111950595A (zh) | 肝脏病灶图像处理方法、系统、存储介质、程序、终端 | |
CN117333489B (zh) | 一种薄膜破损检测装置及检测系统 | |
CN115497109B (zh) | 基于智能翻译的文字图像预处理方法 | |
CN108845153B (zh) | 一种白细胞粒子分析系统及方法 | |
CN111950812A (zh) | 一种自动识别与预测雨量的方法及其装置 | |
CN111368698B (zh) | 主体识别方法、装置、电子设备及介质 | |
WO2019205603A1 (zh) | 图像模糊度检测方法、装置、计算机设备及可读存储介质 | |
CN117576096A (zh) | 一种基于图像识别的自动测量血管管径的方法及装置 | |
CN111461961B (zh) | 一种oct血管图像错位矫正方法 | |
CN112651962A (zh) | 一种ai智能诊断系统平台 | |
CN112215838A (zh) | 一种基于人工智能的工件气密性检测方法及装置 | |
CN110349203B (zh) | 一种超声设备及其超声图像中血管直径的测量方法 | |
KR870002270A (ko) | 미생물을 포함한 혼합액중의 사상성 미생물의 농도 측정장치 | |
CN113269747B (zh) | 一种基于深度学习的病理图片肝癌扩散检测方法及系统 | |
CN111626979B (zh) | 一种管径测量方法及其装置 | |
CN114693539A (zh) | 一种基于荧光图片的pcr数据处理与曲线拟合方法及pcr仪器 | |
CN114170258A (zh) | 图像分割方法、装置、电子设备及存储介质 | |
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 | |
CN112617789A (zh) | 激光散斑血流成像方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |