CN104715478A - 一种检测影像图片中曝光区域的方法及*** - Google Patents
一种检测影像图片中曝光区域的方法及*** Download PDFInfo
- Publication number
- CN104715478A CN104715478A CN201510098065.9A CN201510098065A CN104715478A CN 104715478 A CN104715478 A CN 104715478A CN 201510098065 A CN201510098065 A CN 201510098065A CN 104715478 A CN104715478 A CN 104715478A
- Authority
- CN
- China
- Prior art keywords
- gradient
- gained
- standard deviation
- image picture
- row
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及影像领域,尤其涉及一种检测影像图片中曝光区域的方法及***。通过分别计算获取的影像图片的行标准差和列标准差,再计算出所述行标准差对应的行梯度以及所述列标准差对应的列梯度,再根据行梯度计算得行标准差梯度的加权系数数组、列梯度计算得列标准差梯度的加权系数数组,将行梯度乘以行标准差梯度的加权系数数组计算得行标准差梯度加权数组以及将列梯度乘以列标准差梯度的加权系数数组计算得列标准差梯度加权数组,最后通过行标准差梯度加权数组和列标准差梯度加权数组确定上边界、下边界、左边界以及右边界,从而确定所述影像图片的最终曝光区域,通过本发明提供的方法及***,能够快速检测出影像图片中的曝光区域。
Description
技术领域
本发明涉及影像领域,尤其涉及一种检测影像图片中曝光区域的方法及***。
背景技术
在DR影像采集过程中,由于医生的经验水平选用的拍息剂量选取的不合适、DR设备的硬件的稳定性、不同的拍片患者密度的差异等,导致采集到的原始图像有很明显的亮度差异,此时图像后处理过程如果选用相同参数,后处理的图像不能确保亮度及对比度的效果,细节和亮度均衡性也不能很好的表现出来,对医生的诊断有很大的影响。所以自适应的分析原始图像的有效灰度信息是非常必要的,而分析原始图像的有效灰度信息,人体组织(皮肤、肌肉和骨骼部分)区域的检测是必须的,而人体组织区域检测是在曝光区域准确检测的基础上进行的。另一方面,医生也会在获取到图像后,对图像进行裁剪,一般裁剪区域都会选为曝光区域。
因此,需要一种能够快速检测影像图片中曝光区域的方法,进而提高工作效率。
发明内容
本发明所要解决的技术问题是:提供一种检测影像图片中曝光区域的方法及***,能够快速检测出影像图片中的曝光区域。
为了解决上述技术问题,本发明采用的技术方案为:
一种检测影像图片中曝光区域的方法,包括以下步骤:
S100、获取待检测的影像图片;
S200、将步骤S100所得影像图片进行图像缩放处理;
S300、对步骤S200所得影像图片进行边界分析;
所述边界分析包括步骤S301至S305,具体如下:
S301、根据步骤S200所得影像图片计算行标准差和列标准差;
S302、根据步骤S301所得行标准差计算得行梯度,根据步骤S301所得列标准差计算得列梯度;
S303、根据步骤S302所得行梯度计算得行标准差梯度的加权系数数组;根据步骤S302所得列梯度计算得列标准差梯度的加权系数数组;
S304、根据步骤S302所得行梯度和步骤S303所得行标准差梯度的加权系数数组计算得行标准差梯度加权数组;根据步骤S302所得列梯度和步骤S303所得列标准差梯度的加权系数数组计算得列标准差梯度加权数组;
S305、根据步骤S304所得行标准差梯度加权数组和列标准差梯度加权数组确定初始边界;
S400、对步骤S305所得影像图片进行边界修正;
S500、将步骤S400所得修正后的边界作为影像图片的曝光区域,获取所述影像图片的曝光区域范围。
本发明采用的另一技术方案为:
一种检测影像图片中曝光区域的***,包括:获取模块、缩放处理模块、边界分析模块、边界修正模块和曝光区域模块;
所述获取模块,用于获取待检测的影像图片;
所述缩放处理模块,用于将获取模块所得影像图片进行图像缩放处理;
所述边界分析模块包括第一计算单元、第二计算单元、第三计算单元、第四计算单元和确定单元;
所述第一计算单元,用于根据所得影像图片计算行标准差和列标准差;
所述第二计算单元,用于根据第一计算单元所得行标准差计算得行梯度,根据步骤第一计算单元所得列标准差计算得列梯度;
所述第三计算单元,用于根据第二计算单元所得行梯度计算得行标准差梯度的加权系数数组;根据第二计算单元所得列梯度计算得列标准差梯度的加权系数数组;
所述第四计算单元,用于对第三计算单元所得影像图片计算标准差梯度加权;根据第二计算单元所得行梯度和第三计算单元所得行标准差梯度的加权系数数组计算得行标准差梯度加权数组;根据第二计算单元所得列梯度和第三计算单元所得列标准差梯度的加权系数数组计算得列标准差梯度加权数组;
所述确定单元,用于根据第四计算单元所得行标准差梯度加权数组和列标准差梯度加权数组确定初始边界;
所述边界修正模块,用于对确定单元所得影像图片进行边界修正;
所述曝光区域模块,用于将边界修正模块所得修正后的边界作为影像图片的曝光区域,获取所述影像图片的曝光区域范围。
本发明的有益效果在于:通过分别计算获取的影像图片的行标准差和列标准差,再计算出所述行标准差对应的行梯度以及所述列标准差对应的列梯度,再根据行梯度计算得行标准差梯度的加权系数数组、列梯度计算得列标准差梯度的加权系数数组,将行梯度乘以行标准差梯度的加权系数数组计算得行标准差梯度加权数组以及将列梯度乘以列标准差梯度的加权系数数组计算得列标准差梯度加权数组,最后通过行标准差梯度加权数组和列标准差梯度加权数组确定上边界、下边界、左边界以及右边界,从而确定所述影像图片的最终曝光区域,通过本发明提供的方法及***,能够快速检测出影像图片中的曝光区域。
附图说明
图1为本发明具体实施方式的检测影像图片中曝光区域的方法的步骤流程图;
图2为本发明具体实施方式的检测影像图片中曝光区域的***的结构示意图;
图3为本发明具体实施方式实施例1中加权系数数组示意图;
标号说明:
10、获取模块;20、缩放处理模块;30、边界分析模块;40、边界修正模块;50、曝光区域模块;301、第一计算单元;302、第二计算单元;303、第三计算单元;304、第四计算单元;305、确定单元。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:通过确定影像图片的有效区域的上下左右4个边界,从而确定图像的曝光区域。
请参照图1,为本发明具体实施方式的检测影像图片中曝光区域的方法的步骤流程图,具体如下:
一种检测影像图片中曝光区域的方法,包括以下步骤:
S100、获取待检测的影像图片;
S200、将步骤S100所得影像图片进行图像缩放处理;
S300、对步骤S200所得影像图片进行边界分析;
所述边界分析包括步骤S301至S305,具体如下:
S301、根据步骤S200所得影像图片计算行标准差和列标准差;
S302、根据步骤S301所得行标准差计算得行梯度,根据步骤S301所得列标准差计算得列梯度;
S303、根据步骤S302所得行梯度计算得行标准差梯度的加权系数数组;根据步骤S302所得列梯度计算得列标准差梯度的加权系数数组;
S304、根据步骤S302所得行梯度和步骤S303所得行标准差梯度的加权系数数组计算得行标准差梯度加权数组;根据步骤S302所得列梯度和步骤S303所得列标准差梯度的加权系数数组计算得列标准差梯度加权数组;
S305、根据步骤S304所得行标准差梯度加权数组和列标准差梯度加权数组确定初始边界;
S400、对步骤S305所得影像图片进行边界修正;
S500、将步骤S400所得修正后的边界作为影像图片的曝光区域,获取所述影像图片的曝光区域范围。
从上述描述可知,本发明的有益效果在于:通过分别计算获取的影像图片的行标准差和列标准差,再计算出所述行标准差对应的行梯度以及所述列标准差对应的列梯度,再根据行梯度计算得行标准差梯度的加权系数数组、列梯度计算得列标准差梯度的加权系数数组,将行梯度乘以行标准差梯度的加权系数数组计算得行标准差梯度加权数组以及将列梯度乘以列标准差梯度的加权系数数组计算得列标准差梯度加权数组,最后通过行标准差梯度加权数组和列标准差梯度加权数组确定上边界、下边界、左边界以及右边界,从而确定所述影像图片的最终曝光区域,通过本发明提供的方法,能够快速检测出影像图片中的曝光区域。
进一步的,所述图像缩放处理具体为:按照隔行隔列提取所得影像图片的灰度值,得图像缩放处理后的影像图片。
进一步的,所述步骤S301具体包括:根据所得影像图片的灰度值,计算影像图片水平每行的标准差,计算影像图片垂直每列的标准差。
进一步的,所述步骤S302具体包括:根据步骤S301所得影像图片水平每行的标准差,计算水平标准差梯度数组,根据步骤S301所得影像图片垂直每列的标准差,计算垂直标准差梯度数组。
进一步的,所述步骤S304具体为:将每个行梯度乘以对应位置的行标准差梯度的加权系数得行标准差梯度加权数组;将每个列梯度乘以对应位置的列标准差梯度的加权系数得列标准差梯度加权数组。
进一步的,所述步骤S305具体为:
通过行标准差梯度加权数组中的最大值,确定初始边界的左边界;通过列标准差梯度加权数组中的最大值,确定初始边界的上边界;
通过行标准差梯度加权数组中的最小值,确定初始边界的右边界;通过列标准差梯度加权数组中的最小值,确定初始边界的下边界。
进一步的,所述步骤S400还包括:判断S305所得初始边界是否在预设的无效边界范围内,若不在预设的无效边界范围内,则进入步骤S500;若在预设的无效边界范围内,则获取第二最大值或第二最小值作为修正后的最终边界。
进一步的,所述步骤S400还包括:判断第二最大值是否大于第一最大值预设倍数,若是,则将所述第二最大值作为修正后的最终边界;判断第二最小值是否小于第一最小值预设倍数,若是,则将所述第二最小值作为修正后的最终边界;所述预设倍数范围为0.5到0.7;所述预设倍数的最优值为0.6。
由上述描述可知,经过多次试验数据表明,当A取值在0.5到0.7范围内时,检测结果的正确率达90%以上,当A的取值为0.6时,检测结果的正确率可达到98%。
进一步的,所述步骤S500具体为:根据步骤S400得上边界、下边界、左边界以及右边界,形成矩形区域,所述矩形区域的范围为曝光区域的范围。
请参阅图2,为本发明具体实施方式的检测影像图片中曝光区域的***的结构示意图,具体如下:
一种检测影像图片中曝光区域的***,包括:获取模块10、缩放处理模块20、边界分析模块30、边界修正模块40和曝光区域模块50;
所述获取模块10,用于获取待检测的影像图片;
所述缩放处理模块20,用于将获取模块10所得影像图片进行图像缩放处理;
所述边界分析模块30包括第一计算单元301、第二计算单元302、第三计算单元303、第四计算单元304和确定单元305;
所述第一计算单元301,用于根据所得影像图片计算行标准差和列标准差;
所述第二计算单元302,用于根据第一计算单元301所得行标准差计算得行梯度,根据步骤第一计算单元301所得列标准差计算得列梯度;
所述第三计算单元303,用于根据第二计算单元302所得行梯度计算得行标准差梯度的加权系数数组;根据第二计算单元302所得列梯度计算得列标准差梯度的加权系数数组;
所述第四计算单元304,用于对第三计算单元303所得影像图片计算标准差梯度加权;根据第二计算单元302所得行梯度和第三计算单元303所得行标准差梯度的加权系数数组计算得行标准差梯度加权数组;根据第二计算单元302所得列梯度和第三计算单元303所得列标准差梯度的加权系数数组计算得列标准差梯度加权数组;
所述确定单元305,用于根据第四计算单元304所得行标准差梯度加权数组和列标准差梯度加权数组确定初始边界;
所述边界修正模块40,用于对确定单元305所得影像图片进行边界修正;
所述曝光区域模块50,用于将边界修正模块40所得修正后的边界作为影像图片的曝光区域,获取所述影像图片的曝光区域范围。
从上述描述可知,本发明的有益效果在于:通过分别计算获取的影像图片的行标准差和列标准差,再计算出所述行标准差对应的行梯度以及所述列标准差对应的列梯度,再根据行梯度计算得行标准差梯度的加权系数数组、列梯度计算得列标准差梯度的加权系数数组,将行梯度乘以行标准差梯度的加权系数数组计算得行标准差梯度加权数组以及将列梯度乘以列标准差梯度的加权系数数组计算得列标准差梯度加权数组,最后通过行标准差梯度加权数组和列标准差梯度加权数组确定上边界、下边界、左边界以及右边界,从而确定所述影像图片的最终曝光区域,通过本发明提供的***,能够快速检测出影像图片中的曝光区域。
实施例1
本发明提供的一种检测影像图片中曝光区域的方法,具体如下:
S100、获取待检测的影像图片;
S200、将步骤S100所得影像图片进行图像缩放处理;所述图像缩放处理具体为:按照隔行隔列提取所得影像图片的灰度值,得图像缩放处理后的影像图片;
S300、对步骤S200所得影像图片进行边界分析;
所述边界分析包括步骤S301至S305,具体如下:
S301、根据步骤S200所得影像图片计算行标准差和列标准差;
这一步骤的处理方式为:根据所得影像图片的灰度值,计算影像图片水平每行的标准差,计算影像图片垂直每列的标准差。
S302、根据步骤S301所得行标准差计算得行梯度,根据步骤S301所得列标准差计算得列梯度;
这一步骤的处理方式为:根据步骤S301所得影像图片水平每行的标准差,计算水平标准差梯度数组,根据步骤S301所得影像图片垂直每列的标准差,计算垂直标准差梯度数组。
S303、根据步骤S302所得行梯度计算得行标准差梯度的加权系数数组;根据步骤S302所得列梯度计算得列标准差梯度的加权系数数组。
DR探测器由于边缘有一部分是无效边界区域,水平、垂直方向的无效边界大小分别用invalidBorderH,invalidBorderV。水平、垂直标准差梯度的加权系数数组分别用hWeight、vWeight表示。rszHeight为缩放后图像的高,rszWidth为缩放后图像的宽。hA为水平方向加权斜线的斜率,hB为对应偏移,vA为垂直方向加权斜线的斜率,vB为对应偏移,x为行坐标或列坐标。
其中hA、hB、vA、vB用以下公式计算:
从图3可以看出,加权值是从边界开始,刚开始一段是1,中间一段是由1线性递减到0,结尾一段加权系数全部为0。例如加权系数为:1、1、0.8、0.6、0.4、0.2、0.0、0、0、0、0。
S304、根据步骤S302所得行梯度和步骤S303所得行标准差梯度的加权系数数组计算得行标准差梯度加权数组;根据步骤S302所得列梯度和步骤S303所得列标准差梯度的加权系数数组计算得列标准差梯度加权数组。
上述步骤S304具体为:对每个梯度值乘以对应的加权系数。第1个梯度值乘以第1个加权系数,第2个梯度值乘以第2个加权系数,依次类推,梯度值数组与加权系数数值长度是一样长的。
每个行梯度乘以对应位置的行标准差梯度的加权系数得行标准差梯度加权数组;每个列梯度乘以对应位置的列标准差梯度的加权系数得列标准差梯度加权数组;
S305、根据步骤S304所得行标准差梯度加权数组和列标准差梯度加权数组确定初始边界;
行标准差梯度加权数组中的最大值的位置为初始边界的上边界;列标准差梯度加权数组中的最大值的位置为初始边界的左边界;
行标准差梯度加权数组中的最小值的位置为初始边界的下边界;列标准差梯度加权数组中的最小值的位置为初始边界的右边界;
S400、对步骤S305所得影像图片进行边界修正;
如果没有在无效边界范围内,不需要修正;
如果左边界或上边界的第一最大值在无效边界范围内,分别找左边界或上边界的第二最大值,如果第二最大值大于第一最大值的A倍,则用第二最大值的位置作为修正后的最终左边界或上边界。如果右边界或下边界的第一最小值在无效边界范围内,分别找右边界或下边界的第二最小值,如果第二最小值小于第一最小值的A倍,则用第二最小值的位置作为修正后的最终右边界或下边界。
A为0.5到0.7之间的取值;A的最优值为0.6;
经过多次试验数据表明,当A取值在0.5到0.7范围内时,检测结果的正确率达90%以上,当A的取值为0.6时,检测结果的正确率可达到98%。
S500、将步骤S400所得修正后的边界作为影像图片的曝光区域,获取所述影像图片的曝光区域范围。
通过确定的上下左右4个最终边界,从而确定曝光区域的范围。
综上所述,本发明提供的一种检测影像图片中曝光区域的方法及***。通过分别计算获取的影像图片的行标准差和列标准差,再计算出所述行标准差对应的行梯度以及所述列标准差对应的列梯度,再根据行梯度计算得行标准差梯度的加权系数数组、列梯度计算得列标准差梯度的加权系数数组,将行梯度乘以行标准差梯度的加权系数数组计算得行标准差梯度加权数组以及将列梯度乘以列标准差梯度的加权系数数组计算得列标准差梯度加权数组,最后通过行标准差梯度加权数组和列标准差梯度加权数组确定上边界、下边界、左边界以及右边界,从而确定所述影像图片的最终曝光区域,通过本发明提供的方法及***,能够快速检测出影像图片中的曝光区域。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种检测影像图片中曝光区域的方法,其特征在于,包括以下步骤:
S100、获取待检测的影像图片;
S200、将步骤S100所得影像图片进行图像缩放处理;
S300、对步骤S200所得影像图片进行边界分析;
所述边界分析包括步骤S301至S305,具体如下:
S301、根据步骤S200所得影像图片计算行标准差和列标准差;
S302、根据步骤S301所得行标准差计算得行梯度,根据步骤S301所得列标准差计算得列梯度;
S303、根据步骤S302所得行梯度计算得行标准差梯度的加权系数数组;根据步骤S302所得列梯度计算得列标准差梯度的加权系数数组;
S304、根据步骤S302所得行梯度和步骤S303所得行标准差梯度的加权系数数组计算得行标准差梯度加权数组;根据步骤S302所得列梯度和步骤S303所得列标准差梯度的加权系数数组计算得列标准差梯度加权数组;
S305、根据步骤S304所得行标准差梯度加权数组和列标准差梯度加权数组确定初始边界;
S400、对步骤S305所得影像图片进行边界修正;
S500、将步骤S400所得修正后的边界作为影像图片的曝光区域,获取所述影像图片的曝光区域范围。
2.根据权利要求1所述的检测影像图片中曝光区域的方法,其特征在于,所述图像缩放处理具体为:按照隔行隔列提取所得影像图片的灰度值,得图像缩放处理后的影像图片。
3.根据权利要求1所述的检测影像图片中曝光区域的方法,其特征在于,所述步骤S301具体包括:根据所得影像图片的灰度值,计算影像图片水平每行的标准差,计算影像图片垂直每列的标准差。
4.根据权利要求3所述的检测影像图片中曝光区域的方法,其特征在于,所述步骤S302具体包括:根据步骤S301所得影像图片水平每行的标准差,计算水平标准差梯度数组,根据步骤S301所得影像图片垂直每列的标准差,计算垂直标准差梯度数组。
5.根据权利要求1所述的检测影像图片中曝光区域的方法,其特征在于,所述步骤S304具体为:将每个行梯度乘以对应位置的行标准差梯度的加权系数得行标准差梯度加权数组;将每个列梯度乘以对应位置的列标准差梯度的加权系数得列标准差梯度加权数组。
6.根据权利要求1所述的检测影像图片中曝光区域的方法,其特征在于,所述步骤S305具体为:
通过行标准差梯度加权数组中的最大值,确定初始边界的左边界;通过列标准差梯度加权数组中的最大值,确定初始边界的上边界;
通过行标准差梯度加权数组中的最小值,确定初始边界的右边界;通过列标准差梯度加权数组中的最小值,确定初始边界的下边界。
7.根据权利要求1所述的检测影像图片中曝光区域的方法,其特征在于,所述步骤S400还包括:判断S305所得初始边界是否在预设的无效边界范围内,若不在预设的无效边界范围内,则进入步骤S500;若在预设的无效边界范围内,则获取第二最大值或第二最小值作为修正后的最终边界。
8.根据权利要求7所述的检测影像图片中曝光区域的方法,其特征在于,所述步骤S400还包括:判断第二最大值是否大于第一最大值预设倍数,若是,则将所述第二最大值作为修正后的最终边界;判断第二最小值是否小于第一最小值预设倍数,若是,则将所述第二最小值作为修正后的最终边界;所述预设倍数范围为0.5到0.7;所述预设倍数的最优值为0.6。
9.根据权利要求1所述的检测影像图片中曝光区域的方法,其特征在于,所述步骤S500具体为:根据步骤S400得上边界、下边界、左边界以及右边界,形成矩形区域,所述矩形区域的范围为曝光区域的范围。
10.一种检测影像图片中曝光区域的***,其特征在于,包括:获取模块、缩放处理模块、边界分析模块、边界修正模块和曝光区域模块;
所述获取模块,用于获取待检测的影像图片;
所述缩放处理模块,用于将获取模块所得影像图片进行图像缩放处理;
所述边界分析模块包括第一计算单元、第二计算单元、第三计算单元、第四计算单元和确定单元;
所述第一计算单元,用于根据所得影像图片计算行标准差和列标准差;
所述第二计算单元,用于根据第一计算单元所得行标准差计算得行梯度,根据步骤第一计算单元所得列标准差计算得列梯度;
所述第三计算单元,用于根据第二计算单元所得行梯度计算得行标准差梯度的加权系数数组;根据第二计算单元所得列梯度计算得列标准差梯度的加权系数数组;
所述第四计算单元,用于对第三计算单元所得影像图片计算标准差梯度加权;根据第二计算单元所得行梯度和第三计算单元所得行标准差梯度的加权系数数组计算得行标准差梯度加权数组;根据第二计算单元所得列梯度和第三计算单元所得列标准差梯度的加权系数数组计算得列标准差梯度加权数组;
所述确定单元,用于根据第四计算单元所得行标准差梯度加权数组和列标准差梯度加权数组确定初始边界;
所述边界修正模块,用于对确定单元所得影像图片进行边界修正;
所述曝光区域模块,用于将边界修正模块所得修正后的边界作为影像图片的曝光区域,获取所述影像图片的曝光区域范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510098065.9A CN104715478B (zh) | 2015-03-05 | 2015-03-05 | 一种检测影像图片中曝光区域的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510098065.9A CN104715478B (zh) | 2015-03-05 | 2015-03-05 | 一种检测影像图片中曝光区域的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104715478A true CN104715478A (zh) | 2015-06-17 |
CN104715478B CN104715478B (zh) | 2017-12-29 |
Family
ID=53414772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510098065.9A Active CN104715478B (zh) | 2015-03-05 | 2015-03-05 | 一种检测影像图片中曝光区域的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104715478B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651858A (zh) * | 2017-01-11 | 2017-05-10 | 洛阳师范学院 | 一种检测影像图片中曝光区域的方法及*** |
CN107977973A (zh) * | 2016-10-25 | 2018-05-01 | 北京东软医疗设备有限公司 | 一种获取医疗诊断图像中限束器照射野边界的方法及装置 |
CN112689100A (zh) * | 2020-12-25 | 2021-04-20 | 北京灵汐科技有限公司 | 图像检测方法、装置、设备和存储介质 |
CN114677371A (zh) * | 2022-05-06 | 2022-06-28 | 南通市海视光电有限公司 | 一种基于机器视觉的化工界面检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030086599A1 (en) * | 2001-06-15 | 2003-05-08 | University Of Chicago | Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease |
US20050002550A1 (en) * | 2003-07-03 | 2005-01-06 | Ge Medical Systems Global Technology Company, Llc | Imaging chain for digital tomosynthesis on a flat panel detector |
CN101064011A (zh) * | 2006-04-26 | 2007-10-31 | 电子科技大学 | 基于小波变换的复杂背景中的车牌提取方法 |
CN101872425A (zh) * | 2010-07-29 | 2010-10-27 | 哈尔滨工业大学 | 基于经验模态分解获取图像特征并测量相应物理参数方法 |
CN102460471A (zh) * | 2009-06-19 | 2012-05-16 | 美国医软科技公司 | 用于胸腔层析x射线合成成像中的计算机辅助肺结节检测的*** |
CN102693535A (zh) * | 2011-03-24 | 2012-09-26 | 深圳市蓝韵实业有限公司 | 一种检测dr图像中束光器区域的方法 |
CN103034857A (zh) * | 2012-12-18 | 2013-04-10 | 深圳市安健科技有限公司 | 自动检测影像图片中曝光区域的方法及*** |
CN103208106A (zh) * | 2012-01-16 | 2013-07-17 | 上海西门子医疗器械有限公司 | 检测准直边的方法、装置、以及x射线成像设备 |
-
2015
- 2015-03-05 CN CN201510098065.9A patent/CN104715478B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030086599A1 (en) * | 2001-06-15 | 2003-05-08 | University Of Chicago | Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease |
US20050002550A1 (en) * | 2003-07-03 | 2005-01-06 | Ge Medical Systems Global Technology Company, Llc | Imaging chain for digital tomosynthesis on a flat panel detector |
CN101064011A (zh) * | 2006-04-26 | 2007-10-31 | 电子科技大学 | 基于小波变换的复杂背景中的车牌提取方法 |
CN102460471A (zh) * | 2009-06-19 | 2012-05-16 | 美国医软科技公司 | 用于胸腔层析x射线合成成像中的计算机辅助肺结节检测的*** |
CN101872425A (zh) * | 2010-07-29 | 2010-10-27 | 哈尔滨工业大学 | 基于经验模态分解获取图像特征并测量相应物理参数方法 |
CN102693535A (zh) * | 2011-03-24 | 2012-09-26 | 深圳市蓝韵实业有限公司 | 一种检测dr图像中束光器区域的方法 |
CN103208106A (zh) * | 2012-01-16 | 2013-07-17 | 上海西门子医疗器械有限公司 | 检测准直边的方法、装置、以及x射线成像设备 |
CN103034857A (zh) * | 2012-12-18 | 2013-04-10 | 深圳市安健科技有限公司 | 自动检测影像图片中曝光区域的方法及*** |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977973A (zh) * | 2016-10-25 | 2018-05-01 | 北京东软医疗设备有限公司 | 一种获取医疗诊断图像中限束器照射野边界的方法及装置 |
CN107977973B (zh) * | 2016-10-25 | 2020-08-11 | 北京东软医疗设备有限公司 | 一种获取医疗诊断图像中限束器照射野边界的方法及装置 |
CN106651858A (zh) * | 2017-01-11 | 2017-05-10 | 洛阳师范学院 | 一种检测影像图片中曝光区域的方法及*** |
CN112689100A (zh) * | 2020-12-25 | 2021-04-20 | 北京灵汐科技有限公司 | 图像检测方法、装置、设备和存储介质 |
CN112689100B (zh) * | 2020-12-25 | 2022-08-02 | 北京灵汐科技有限公司 | 图像检测方法、装置、设备和存储介质 |
CN114677371A (zh) * | 2022-05-06 | 2022-06-28 | 南通市海视光电有限公司 | 一种基于机器视觉的化工界面检测方法 |
CN114677371B (zh) * | 2022-05-06 | 2022-09-02 | 南通市海视光电有限公司 | 一种基于机器视觉的化工界面检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104715478B (zh) | 2017-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109754387B (zh) | 一种全身骨显像放射性浓聚灶的智能检测定位方法 | |
US11672471B2 (en) | Osteoporosis diagnostic support apparatus | |
CN103460254B (zh) | 基于图像内容的自动亮度检测方法与装置 | |
EP2819091A2 (en) | Method and apparatus for processing a gray image | |
CN104715478A (zh) | 一种检测影像图片中曝光区域的方法及*** | |
CN107507173A (zh) | 一种全切片图像的无参考清晰度评估方法及*** | |
CN104460181A (zh) | 数字放射成像曝光剂量的评价方法 | |
US11836916B2 (en) | Detecting vascular calcification | |
WO2020077961A1 (zh) | 一种乳腺影像病灶识别的方法及装置 | |
CN103295209A (zh) | Dr图像的拼接方法及*** | |
CN117173050A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
Neubert et al. | Assessment of remote sensing image segmentation quality | |
CN105894450A (zh) | 一种图像处理方法及装置 | |
CN103034857B (zh) | 自动检测图像中曝光区域的方法及*** | |
WO2002047552A1 (fr) | Procede et appareil destines a la detection des limites de la cage thoracique dans une image numerique de la poitrine | |
CN105205784B (zh) | 标尺识别方法及影像拼接方法 | |
CN106447664A (zh) | 确定匹配点对的方法及图像获取方法 | |
CN110279417B (zh) | 识别主动脉血管的方法、装置及设备 | |
CN104318236B (zh) | 一种获取图像局部特征的方法及*** | |
CN106097306A (zh) | 获取图像边缘检测算子的方法、图像边缘检测方法及装置 | |
JP2011072381A (ja) | 画像表示装置及び画像表示方法 | |
CN103714527A (zh) | Dr图像的裁剪方法 | |
CN114092399A (zh) | 病灶标记方法、装置、电子设备及可读存储介质 | |
US20080137928A1 (en) | Method and System for Registering CT Data Sets | |
JP5383486B2 (ja) | 脳出血部位セグメンテーションする装置の作動方法および装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 518000, A, Hua Han Innovation Park, 16 Lang Shan Road, North hi tech Industrial Park, Guangdong, Shenzhen, 3A Applicant after: SHENZHEN ANGELL TECHNOLOGY CO., LTD. Address before: 518000, A, Hua Han Innovation Park, 16 Lang Shan Road, North hi tech Industrial Park, Guangdong, Shenzhen, 3A Applicant before: Shenzhen Angell Technology Co., Ltd. |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |