CN109255784B

CN109255784B - 图像处理方法及装置、电子设备和存储介质

Info

Publication number: CN109255784B
Application number: CN201811068237.8A
Authority: CN
Inventors: 李嘉辉; 胡志强
Original assignee: Beijing Sensetime Technology Development Co Ltd
Current assignee: Beijing Sensetime Technology Development Co Ltd
Priority date: 2018-09-13
Filing date: 2018-09-13
Publication date: 2021-06-25
Anticipated expiration: 2038-09-13
Also published as: CN109255784A

Abstract

本公开涉及一种图像处理方法及装置、电子设备和存储介质，所述方法包括：对待处理图像的像素点进行预处理，获得第一图像；将第一图像输入第一网络，获得像素连接图；根据像素连接图，确定第一图像中的目标区域。根据本公开的实施例的图像处理方法，通过对像素点进行预处理，提高了处理效率，通过像素连接图确定目标区域，降低了对训练样本的需求量，并且，像素连接图中的第一概率值和第一连通值等参数降低了处理的复杂度，提高了目标区域的识别精度。

Description

图像处理方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。

背景技术

获取图像中的目标区域，进而可对目标区域中的信息进行分析。例如，在细胞图像等医学图像中，需确定细胞核所在的区域，并对细胞核区域中的信息进行分析，来判断病变的程度，为治疗提供依据。在相关技术中，由于细胞核等目标区域的形状和色彩等属性的多样性，使用传统的图像分析方法确定目标区域的效果不佳，并且由于细胞图像的复杂性，所需的训练样本较多，且运行速度较慢。

发明内容

本公开提出了一种图像处理方法及装置、电子设备和存储介质。

根据本公开的一方面，提供了一种图像处理方法，包括：

对待处理图像的多个像素点进行预处理，获得第一图像；

将所述第一图像输入第一网络进行处理，获得所述第一图像的多个像素点的像素连接图；

根据所述第一图像的多个像素点的像素连接图，确定所述第一图像中的一个或多个目标区域。

根据本公开的实施例的图像处理方法，通过对像素点进行预处理，提高了处理效率，通过像素连接图确定目标区域，降低了对训练样本的需求量，并且，像素连接图中的第一概率值和第一连通值等参数降低了处理的复杂度，提高了目标区域的识别精度。

在一种可能的实现方式中，所述第一像素点的像素连接图包括所述第一像素点的位置、所述第一像素点属于目标区域的第一概率值以及所述第一像素点针对与所述第一像素点相邻的多个像素点的第一连通值，其中，所述第一像素点为所述第一图像的多个像素点中的任意一个。

在一种可能的实现方式中，对待处理图像的多个像素点进行预处理，获得第一图像，包括：

对所述待处理图像的多个像素点进行归一化处理，获得所述第一图像。

通过这种方式，可降低待处理图像的多样性，提高处理效率。

在一种可能的实现方式中，第二像素点的像素连接图包括所述第二像素点的位置、所述第二像素点属于目标区域的第二概率值以及所述第二像素点针对与所述第二像素点相邻的多个像素点的第二连通值，

其中，所述第二像素点为与所述第一像素点相邻的多个像素点中的任意一个，与所述第二像素点相邻的多个像素点包括所述第一像素点，

其中，根据所述第一图像的多个像素点的像素连接图，确定所述第一图像中的一个或多个目标区域，包括：

根据所述第一概率值、所述第二概率值、所述第一像素点针对所述第二像素点的第一连通值和/或所述第二像素点针对所述第一像素点的第二连通值，确定所述第一像素点的类别；

根据所述第一图像的多个像素点的类别，确定一个或多个目标区域的边界；

根据所述一个或多个目标区域的边界，确定所述一个或多个目标区域。

通过这种方式，可通过第一概率值、第二概率值、第一连通值和第二连通值确定第一像素点的类别，并确定目标区域的边界，降低了识别目标区域边界的复杂度，提高了识别目标区域的处理效率。

在一种可能的实现方式中，根据所述第一概率值、所述第二概率值、所述第一像素点针对所述第二像素点的第一连通值和/或所述第二像素点针对所述第一像素点的第二连通值，确定所述第一像素点的类别，包括：

在所述第一概率值大于或等于概率阈值，且所述第二概率值小于概率阈值的情况下，将所述第一像素点的类别确定为目标区域的边界像素点。

通过这种方式，可通过第一概率值和第二概率值确定第一像素点的类别，降低了确定第一像素点的类别的复杂度，提高了处理效率。

在所述第一连通值和所述第二连通值均表示不连通的情况下，确定所述第一像素点与所述第二像素点不连通；

在所述第一概率值大于或等于所述概率阈值，且所述第一像素点与所述第二像素点不连通的情况下，将所述第一像素点的类别确定为目标区域的边界像素点。

通过这种方式，可通过第一概率值、第一连通值和第二连通值确定第一像素点的类别，降低了确定第一像素点的类别的复杂度，提高了处理效率。

在一种可能的实现方式中，所述方法还包括：

分别为所述第一图像中的一个或多个目标区域添加数字标识，获得所述第一图像的区域预测图。

在一种可能的实现方式中，所述方法还包括：

根据所述区域预测图的数字标识，分别为一个或多个目标区域中的像素点分配与所述数字标识对应的RGB值，获得彩色的第二图像。

通过这种方式，可通过为目标区域分配RGB值，来提高不同目标区域之间的区分度，提高第二图像的可视化效果。

在一种可能的实现方式中，对所述待处理图像的多个像素点进行归一化处理，获得所述第一图像，包括：

对待处理图像的多个像素点的RGB值、灰度值和对比度中的至少一种进行归一化处理，获得第一图像。

在一种可能的实现方式中，所述方法还包括：

通过由归一化处理后的多个样本图像组成的训练集来训练所述第一网络。

根据本公开的另一方面，提供了一种图像处理装置，包括：

预处理模块，用于对待处理图像的多个像素点进行预处理，获得第一图像；

像素连接图获得模块，用于将所述第一图像输入第一网络进行处理，获得所述第一图像的多个像素点的像素连接图；

目标区域确定模块，用于根据所述第一图像的多个像素点的像素连接图，确定所述第一图像中的一个或多个目标区域。

在一种可能的实现方式中，所述预处理模块进一步用于：

其中，所述目标区域确定模块进一步用于：

在一种可能的实现方式中，所述目标区域确定模块进一步用于：

在一种可能的实现方式中，所述装置还包括：

添加模块，用于分别为所述第一图像中的一个或多个目标区域添加数字标识，获得所述第一图像的区域预测图。

在一种可能的实现方式中，所述装置还包括：

分配模块，用于根据所述区域预测图的数字标识，分别为一个或多个目标区域中的像素点分配与所述数字标识对应的RGB值，获得彩色的第二图像。

在一种可能的实现方式中，所述预处理模块进一步用于：

在一种可能的实现方式中，所述装置还包括：

训练模块，用于通过由归一化处理后的多个样本图像组成的训练集来训练所述第一网络。

根据本公开的另一方面，提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行上述图像处理方法。

根据本公开的另一方面，提供了一种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被处理器执行时实现上述图像处理方法。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像处理方法的流程图；

图2示出根据本公开实施例的图像处理方法的流程图；

图3示出根据本公开实施例的图像处理方法的区域预测图的示意图；

图4示出根据本公开实施例的图像处理方法的流程图；

图5示出根据本公开实施例的图像处理方法的流程图；

图6示出根据本公开实施例的图像处理方法的应用示意图；

图7示出根据本公开实施例的图像处理装置的框图；

图8示出根据本公开实施例的图像处理装置的框图；

图9示出根据本公开实施例的电子设备的框图；

图10示出根据本公开实施例的电子设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开实施例的图像处理方法的流程图，如图1所示，所述方法包括：

在步骤S11中，对待处理图像的多个像素点进行预处理，获得第一图像；

在步骤S12中，将所述第一图像输入第一网络进行处理，获得所述第一图像的多个像素点的像素连接图，其中，第一像素点的像素连接图包括所述第一像素点的位置、所述第一像素点属于目标区域的第一概率值以及所述第一像素点针对与所述第一像素点相邻的多个像素点的第一连通值，其中，所述第一像素点为所述第一图像的多个像素点中的任意一个；

在步骤S13中，根据所述第一图像的多个像素点的像素连接图，确定所述第一图像中的一个或多个目标区域。

在一种可能的实现方式中，所述图像处理方法可以由终端设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可由终端设备或图像采集设备(例如相机等)获取待处理图像，并将待处理图像发送至服务器，从而通过服务器执行所述方法。

在一种可能的实现方式中，待处理图像可包括图像获取装置(例如相机、X光机或医学影像装置等)获取到的图像，例如，图像数据、医学影像数据或细胞图像等。

在一种可能的实现方式中，在步骤S11中，待处理图像的形状和色彩等属性可具有多样性，因此，可对待处理图像进行预处理，以降低待处理图像的多样性，提高处理效率。

在一种可能的实现方式中，对待处理图像的多个像素点进行预处理，获得第一图像，包括：对所述待处理图像的多个像素点进行归一化处理，获得所述第一图像。在示例中，对所述待处理图像的多个像素点进行归一化处理，获得所述第一图像，可包括：对待处理图像的多个像素点的RGB值、灰度值和对比度中的至少一种进行归一化处理，获得第一图像。在示例中，可将待处理图像中的多个像素点的RGB值进行归一化，例如，某像素点的RGB值分别为[50,120,30]，对该像素点的RGB值进行归一化处理后，该像素点的RGB值分别为[0.25,0.6,0.15]。

在一种可能的实现方式中，在步骤S12中，可将第一图像输入第一网络进行处理，获得所述第一图像的多个像素点的像素连接图。其中，第一像素点的像素连接图包括所述第一像素点的位置、所述第一像素点属于目标区域的第一概率值以及所述第一像素点针对与所述第一像素点相邻的多个像素点的第一连通值，其中，所述第一像素点为所述第一图像的多个像素点中的任意一个。

在示例中，所述第一网络可以是用于识别第一图像的多个像素点之间的像素连接关系的识别网络，所述第一网络可以是BP神经网络、卷积神经网络、循环神经网络和递归神经网络等神经网络，本公开对第一网络的类型不做限制。所述第一网络可以是具有多层级结构(即，具有多个隐含层)的深度学习神经网络，所述第一网络的输入层、多个隐含层和输出层的各神经元之间可进行全连接或非全连接等树型连接。所述第一网络的输入层可输入第一图像等归一化处理后的图像，经过隐藏层的处理后，所述第一网络的输出层可输出所述归一化处理后的图像的各像素点的像素连接图，在所述像素连接图中，像素点的像素连接图可包括该像素点的位置、该像素点属于目标区域的第一概率值(即，该像素点属于目标区域的语义判断分支)以及该像素点与相邻的8个像素点(例如，该像素点左下方的相邻像素点、该像素点下方的相邻像素点、该像素点右下方的相邻像素点、该像素点右方的相邻像素点、该像素点右上方的相邻像素点、该像素点上方的相邻像素点、该像素点左上方的相邻像素点以及该像素点左方的相邻像素点)的第一连通值(即，该像素点与相邻像素点的连通分支)。使用多层级的第一网络可提高对输入图像的识别能力，提高输出结果的精度。

在示例中，可将第一图像输入第一网络进行处理，获得多个像素点的像素连接图，第一图像的第一像素点具有描述第一像素点的位置和第一像素点的归一化处理后的RGB值的数据，例如，第一图像中的第一像素点可具有[100,50,0.25,0.6,0.15]的数据，其中，[100,50]表示第一像素点的位置坐标，[0.25,0.6,0.15]表示第一像素点的归一化处理后的RGB值。

在示例中，在第一像素点的像素连接图中，可具有描述第一像素点的位置的数据和第一像素点属于目标区域的第一概率值以及所述第一像素点针对与所述第一像素点相邻的多个像素点的第一连通值。例如，除了第一像素点的位置坐标(例如坐标值(x，y))之外，第一像素点的像素连接图还可具有18位的数据，其中，第1位数据可表示第一像素点属于目标区域(例如属于细胞核区域)的第一概率值，第2位数据可表示第一像素点不属于目标区域(例如，属于背景区域)的概率值，第一像素点属于目标区域的第一概率值与第一像素点不属于目标区域的概率值之和为1。可设定概率阈值，例如0.5，如果第一像素点属于目标区域的第一概率值大于或等于0.5(在这种情况下，第一像素点不属于目标区域的概率值小于或等于0.5)，可认为第一像素点属于目标区域，否则，可认为第一像素点不属于目标区域。

在示例中，第一像素点的像素连接图的第3位数据至第18位数据(共16位数据)可分为8组，每组数据可具有2位数据，分别为第一像素点针对与第一像素点相邻的8个像素点(例如，第一像素点左下方的相邻像素点、第一像素点下方的相邻像素点、第一像素点右下方的相邻像素点、第一像素点右方的相邻像素点、第一像素点右上方的相邻像素点、第一像素点上方的相邻像素点、第一像素点左上方的相邻像素点和第一像素点左方的相邻像素点)的第一连通值，例如，第3位和第4位数据表示第一像素点针对第一像素点左下方的相邻像素点的第一连通值，第5位和第6位数据表示第一像素点针对第一像素点下方的相邻像素点的第一连通值，第7位和第8位数据表示第一像素点针对第一像素点右下方的相邻像素点的第一连通值，第9位和第10位数据表示第一像素点针对第一像素点右方的相邻像素点的第一连通值，第11位和第12位数据表示第一像素点针对第一像素点右上方的相邻像素点的第一连通值，第13位和第14位数据表示第一像素点针对第一像素点上方的相邻像素点的第一连通值，第15位和第16位数据表示第一像素点针对第一像素点左上方的相邻像素点的第一连通值，第17位和第18位数据表示第一像素点针对第一像素点左方的相邻像素点的第一连通值。即，每个第一连通值可包括两位数据，在示例中，两位数据均可以是0或1，在两位数据均为0时，第一连通值表示第一像素点针对其相邻像素点不连通，在两位数据为0和1、1和0或者1和1时，第一连通值表示第一像素点针对其相邻像素点连通，例如，在第5位和第6位数据均为0时，则表示第一像素点针对其下方的相邻像素点不连通，在第5位和第6位数据中的至少一位数据不为0时，则表示第一像素点针对其下方的相邻像素点连通。应当理解，以上仅是本公开的一种可能的示例，本领域技术人员可以任意设定像素连接图中的数据，本公开对第一像素点的像素连接图中的第一概率值、第一连通值等数据的位数、顺序以及取值方式等均不作限制。

在一种可能的实现方式中，对于与所述第一像素点相邻的多个像素点中的任意一个像素点(第二像素点)，第二像素点的像素连接图可包括所述第二像素点的位置、所述第二像素点属于目标区域的第二概率值以及所述第二像素点针对与所述第二像素点相邻的多个像素点的第二连通值。在该情况下，与所述第二像素点相邻的多个像素点包括所述第一像素点。

在步骤S13中，根据所述第一图像的多个像素点的像素连接图，确定所述第一图像中的一个或多个目标区域，可包括：

根据所述第一概率值、所述第二概率值、所述第一像素点针对所述第二像素点的第一连通值和/或所述第二像素点针对所述第一像素点的第二连通值，确定所述第一像素点的类别；根据所述第一图像的多个像素点的类别，确定一个或多个目标区域的边界；根据所述一个或多个目标区域的边界，确定所述一个或多个目标区域。其中，所述类别表示所述第一像素点是否为目标区域的边界上的像素点。

在一种可能的实现方式中，第一像素点和第二像素点为相邻的两个像素点，第一像素点的像素连接图包括针对第二像素点的第一连通值，可表示第一像素点针对第二像素点是否连通。第二像素点的像素连接图包括针对第一像素点的第二连通值，可表示第二像素点针对第一像素点是否连通。在示例中，第一连通值或第二连通值可表示第一像素点和第二像素点是否属于同一区域(例如，同时属于目标区域或同时属于背景区域)，在第一像素点的第一概率值和第二像素点的第二概率值均大于或等于概率阈值，且第一像素点针对第二像素点的第一连通值和第二像素点针对第一像素点的第二连通值中的至少一个表示连通的情况下，可认为第一像素点和第二像素点连通，即，第一像素点和第二像素点属于同一目标区域。

在示例中，待处理图像为细胞图像，目标区域为细胞核所在的区域，一像素点和第二像素点为相邻的两个像素点，第一像素点属于细胞核所在的区域的第一概率值大于或等于0.5，例如，第一概率值为0.7，则可认为第一像素点属于细胞核所在的区域，第二像素点属于细胞核所在的区域的第二概率值大于或等于0.5，例如，第二概率值为0.75，则可认为第二像素点属于细胞核所在的区域，并且，第一像素点针对第二像素点的第一连通值和第二像素点针对第一像素点的第二连通值中的至少一个表示连通，可认为第一像素点和第二像素点属于同一细胞核所在的区域。

在示例中，第二像素点为第一像素点右方的相邻像素点，第一像素点为第二像素点左方的相邻像素点，在第一像素点的像素连接图中，第9位和第10位数据表示第一像素点针对第一像素点右方的相邻像素点(即，第二像素点)的第一连通值，在第一像素点的像素连接图的第9位和第10位数据不同时为0时，第一像素点针对第二像素点的第一连通值表示连通。在第二像素点的像素连接图中，第17位和第18位数据表示第二像素点针对第二像素点左方的相邻像素点(即，第一像素点)的第二连通值，在第二像素点的像素连接图的第17位和第18位数据不同时为0时，第二像素点针对第一像素点的第一连通值表示连通。在示例中，在第一像素点的像素连接图的第9位和第10位数据以及第二像素点的像素连接图的第17位和第18位数据不同时为0时，可认为第一像素点和第二像素点属于同一区域，在这种情况下，如果第一概率值和第二概率值均大于或等于0.5，则可认为第一像素点和第二像素点属于同一细胞核所在的区域。

在示例中，第一像素点和第二像素点为相邻的两个像素点，第一像素点属于目标区域的第一概率值大于或等于概率阈值，则可认为第一像素点属于目标区域，第二像素点属于目标区域的第二概率之小于概率阈值，则可认为第二像素点不属于目标区域，因此，可认为第一像素点处于目标区域的边界上，即，第一像素点为目标区域的边界上的像素点。

在示例中，待处理图像为细胞图像，目标区域为细胞核所在的区域，第一像素点和第二像素点为相邻的两个像素点，第一像素点属于细胞核所在的区域的第一概率值大于或等于0.5，例如，第一概率值为0.7，则可认为第一像素点属于细胞核所在的区域。第二像素点属于细胞核所在的区域的第二概率之小于0.5，例如，第二概率值为0.2，则可认为第二像素点不属于细胞核所在的区域。因此，可认为第一像素点处于细胞核所在的区域的边界上，即，第一像素点为细胞核所在的区域的边界上的像素点。

在一种可能的实现方式中，根据所述第一概率值、所述第二概率值、所述第一像素点针对所述第二像素点的第一连通值和/或所述第二像素点针对所述第一像素点的第二连通值，确定所述第一像素点的类别，包括：在所述第一连通值和所述第二连通值均表示不连通的情况下，确定所述第一像素点与所述第二像素点不连通；在所述第一概率值大于或等于所述概率阈值，且所述第一像素点与所述第二像素点不连通的情况下，将所述第一像素点的类别确定为目标区域的边界像素点。

在一种可能的实现方式中，第一像素点针对第二像素点的第一连通值和第二像素点针对第一像素点的第二连通值中的至少一个表示连通的情况下，可认为第一像素点和第二像素点连通，即，第一像素点和第二像素点属于同一区域(例如，同属于目标区域或同属于背景区域)，在第一像素点针对第二像素点的第一连通值和第二像素点针对第一像素点的第二连通值均表示不连通的情况下，可认为第一像素点和第二像素点不连通，即，第一像素点和第二像素点属于不同的区域(例如，第一像素点和第二像素点中的一个属于目标区域，另一个属于背景区域，或者第一像素点和第二像素点属于不同的目标区域)。

在示例中，待处理图像为细胞图像，目标区域为细胞核所在的区域，第一像素点和第二像素点为相邻的两个像素点，第二像素点为第一像素点右方的相邻像素点，第一像素点为第二像素点左方的相邻像素点，在第一像素点的像素连接图中，第9位和第10位数据表示第一像素点针对第一像素点右方的相邻像素点(即，第二像素点)的第一连通值，在第二像素点的像素连接图中，第17位和第18位数据表示第二像素点针对第二像素点左方的相邻像素点(即，第一像素点)的第二连通值，在第一像素点的像素连接图的第9位和第10位数据以及第二像素点的像素连接图的第17位和第18位数据同时为0时，可认为第一像素点和第二像素点不连通，即，第一像素点和第二像素点不属于同一区域。

在一种可能的实现方式中，在第一像素点的第一概率值大于或等于概率阈值，且第一像素点与第二像素点不连通的情况下，将第一像素点的类别确定为目标区域的边界像素点。第一像素点和第二像素点为相邻的两个像素点，第一像素点的第一概率值大于或等于概率阈值，则可认为第一像素点属于目标区域，第一像素点和第二像素点不连通，可认为第一像素点和第二像素点不属于同一区域，因此，第一像素点属于目标区域，而第二像素点属于第一像素点所在的目标区域以外的其他区域(例如，其他目标区域或者背景区域)，并可认为第一像素点处于目标区域的边界上，即，第一像素点为目标区域的边界上的像素点。在示例中，如果第二像素点的第二概率值大于或等于概率阈值，则可认为第二像素点属于其他目标区域的边界上，如果第二像素点的第二概率值小于概率阈值，则认为第二像素点属于背景区域。

在示例中，第一像素点属于细胞核所在的区域的第一概率值大于或等于0.5，例如，第一概率值为0.7，则可认为第一像素点属于细胞核所在的区域，并且，第一像素点的像素连接图的第9位和第10位数据以及第二像素点的像素连接图的第17位和第18位数据同时为0时，可认为第一像素点和第二像素点不连通，即，第一像素点和第二像素点不属于同一细胞核所在的区域，可认为第一像素点属于细胞核所在的区域的边界上，即，第一像素点为细胞核所在的区域的边界上的像素点。在这种情况下，如果第二像素点的第二概率值大于或等于0.5，例如，第二概率值为0.75，则可认为第二像素点属于另一细胞核所在的区域的边界上，如果第二像素点的第二概率值小于0.5，例如，第二概率值为0.2，则认为第二像素点属于背景区域。

在一种可能的实现方式中，可通过多个像素点的类别，确定一个或多个目标区域的边界，即，可根据像素点的类别，确定所有处于目标区域的边界上的像素点，这些像素点可组成一个或多个目标区域的边界。并可根据一个或多个目标区域的边界，确定一个或多个目标区域，例如，由目标区域边界所包围的区域即为目标区域。

图2示出根据本公开实施例的图像处理方法的流程图，如图2所示，所述方法还包括：

在步骤S14中，分别为所述第一图像中的一个或多个目标区域添加数字标识，获得所述第一图像的区域预测图。

在一种可能的实现方式中，可分别为每个目标区域随机分配位移的数字标识，获得第一图像的区域预测图(实体预测图)。在示例中，同一目标区域中的所有像素点的数字标识可一致。区域预测图中的每个像素点可具有描述像素点位置的数据和数字标识。

图3示出根据本公开实施例的图像处理方法的区域预测图的示意图。如图3所示，区域预测图中的每个单元可表示第一图相中的一个像素点，每个像素点可具有描述像素点位置的数据，例如[8,6]表示第8行第6列的像素点，此外，每个像素点还具有数字标识，例如，第8行第6列的像素点的数字标识为5，数字标识为5的所有像素点可组成一个目标区域。在示例中，0可表示背景区域，具有其他数字标识的像素点分别组成不同的目标区域。

图4示出根据本公开实施例的图像处理方法的流程图，如图4所示，所述方法还包括：

在步骤S15中，根据所述区域预测图的数字标识，分别为一个或多个目标区域中的像素点分配与所述数字标识对应的RGB值，获得彩色的第二图像。

在一种可能的实现方式中，可根据每个目标区域的数字标识，分别为每个目标区域分配与数字标识对应的RGB值，每个目标区域的数字标识可以是唯一的，因此，每个目标区域的RGB值也可以是唯一的，目标区域的RGB值彼此不同，即，不同的目标区域的色彩不同。

在示例中，待处理图像为细胞图像，目标区域为细胞核所在的区域，可为背景区域的色彩设为黑色或白色，并为每个细胞核所在区域分配RGB值，每个细胞核所在区域的色彩是唯一的，可使不同细胞核所在区域之间的区分度更高，使第二图像的可视化效果较好。

在一种可能的实现方式中，在使用第一网络处理第一图像前，可对第一网络进行训练。

图5示出根据本公开实施例的图像处理方法的流程图，如图5所示，所述方法还包括：

在步骤S16中，通过由归一化处理后的多个样本图像组成的训练集来训练所述第一网络。

在一种可能的实现方式中，所述多个样本图像均为进行了归一化处理后的图像，可向第一网络中输入任一样本图像，获得该样本图像的多个像素点的样本像素连接图，所述样本像素连接图中可具有第一样本像素点的位置、第一样本像素点属于目标区域的第一概率值以及第一样本像素点针对与第一样本像素点相邻的多个像素点的第一连通值，其中，所述第一样本像素点为该样本图像中任一像素点。

在一种可能的实现方式中，可根据样本像素连接图，确定样本图像中的一个或多个样本目标区域，进一步地，可根据所述样本目标区域与该样本图像中的真实的目标区域，确定每个像素点属于样本目标区域的概率的交叉熵损失以及每个像素点与相邻的像素点的连通值的交叉熵损失，进而确定第一网络的损失函数。

在一种可能的实现方式中，可使用所述损失函数来调整第一网络的网络参数值，在示例中，可按照使损失函数最小化的方向来调整所述网络参数值，使调整后的第一网络具有较高的拟合优度，同时避免过拟合。在示例中，可使用梯度下降法进行损失函数的反向传播，以调整第一网络的网络参数值，例如，对于各神经元之间进行树型连接的第一网络，可使用随机梯度下降法等方法调整网络参数，以降低调整网络参数的复杂程度，提高调整网络参数的效率。

在示例中，可对第一网络输入预定数量的样本图像，即，将第一网络的网络参数值调整预定次数。在示例中，可不限制调整的次数，而在损失函数降低到一定程度或收敛于一定阈值内时，停止调整，获得调整后的第一网络。并可将调整后的第一网络用于获得第一图像的多个像素点的像素连接图的步骤中。

根据本公开的实施例的图像处理方法，可通过对待处理图像的多个像素点进行归一化处理，降低待处理图像的多样性，提高了处理效率，第一概率值、第二概率值、第一连通值和第二连通值确定第一像素点的类别，降低了识别目标区域边界的复杂度，降低了对训练样本的需求量，提高了识别目标区域的处理效率，并提高了目标区域的识别精度，进一步地，可通过为目标区域分配RGB值，来提高不同目标区域之间的区分度，提高第二图像的可视化效果。

图6示出根据本公开实施例的图像处理方法的应用示意图，如图6所示，待处理图像为细胞图像，目标区域为细胞核所在区域。可将待处理图像的多个像素点的RGB值、灰度值和对比度中的至少一种进行归一化处理，获得第一图像。

在一种可能的实现方式中，可将第一图像输入第一网络进行处理，获得多个像素点的像素连接图，在示例中，第一像素点为第一图像的多个像素点中的任意一个，第一像素点的像素连接图包括第一像素点的位置坐标、第一像素点属于目标区域的第一概率值和第一像素点针对与第一像素点相邻的8个像素点的第一连通值。在示例中，除了第一像素点的位置坐标之外，第一像素点的像素连接图还可具有18位的数据，其中，第1位数据可表示第一像素点属于细胞核所在区域的第一概率值，第2为数据可表示第一像素点不属于细胞核所在区域(例如，属于背景区域)的概率值，第一像素点属于细胞核所在区域的第一概率值与第一像素点不属于细胞核所在区域的概率值之和为1。第一像素点的像素连接图的第3位数据至第18位数据(共16位数据)可分为8组，每组数据可具有2位数据，分别为第一像素点针对与第一像素点相邻的8个像素点的第一连通值，其中，针对每个相邻像素点的两位数据均可以是0或1，在两位数据均为0时，表示第一像素点针对其相邻像素点不连通，例如，第二像素点为与所述第一像素点相邻的多个像素点中的任意一个，第一像素点针对第二像素点的两位第一连通值均为0，则表示第一像素点针对第二像素点不连通。

在一种可能的实现方式中，可通过第一图像的多个像素点的像素连接图，确定所述第一图像中的一个或多个细胞核所在区域。在示例中，与第二像素点相邻的多个像素点包括第一像素点，第二像素点的像素连接图包括第二像素点的位置、第二像素点属于细胞核所在的区域的第二概率值以及第二像素点针对与第二像素点相邻的多个像素点的第二连通值。可根据第一概率值、第二概率值、第一像素点针对第二像素点的第一连通值以及第二像素点针对第一像素点的第二连通值，确定第一像素点的类别。

在一种可能的实现方式中，可设定第一概率值和第二概率值的概率阈值，例如0.5，可在第一概率值大于或等于0.5，且第二概率值小于0.5的情况下，将第一像素点的类别确定为细胞核所在区域的边界像素点。或者，可在第一概率值大于或等于0.5，且第一像素点与第二像素点不连通的情况下，将第一像素点的类别确定为细胞核所在区域的边界像素点。在示例中，在第一像素点针对第二像素点的第一连通值以及第二像素点针对第一像素点的第二连通值均表示不连通时，可确定第一像素点与第二像素点不连通，例如，第一像素点针对第二像素点的两位第一连通值均为0，且第二像素点针对第一像素点的两位第二连通值均为0。

在一种可能的实现方式中，可分别确定每个像素点的类别，并根据多个像素点的类别确定细胞核所在区域的边界，进一步地，可通过细胞核所在区域的边界确定细胞核所在区域。

在一种可能的实现方式中，可分别为每个细胞核所在区域随机分配位移的数字标识，获得第一图像的区域预测图(如图3所示)。并分别为每个细胞核所在区域分配与数字标识对应的RGB值，获得彩色的第二图像，提升可视化效果，在示例中，背景区域的色彩设为黑色，并为每个细胞核所在区域分配唯一的色彩。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

图7示出根据本公开实施例的图像处理装置的框图，如图7所示，所述装置包括：

预处理模块11，用于对待处理图像的多个像素点进行预处理，获得第一图像；

像素连接图获得模块12，用于将所述第一图像输入第一网络进行处理，获得所述第一图像的多个像素点的像素连接图；

目标区域确定模块13，用于根据所述第一图像的多个像素点的像素连接图，确定所述第一图像中的一个或多个目标区域。

在一种可能的实现方式中，预处理模块11进一步用于：

其中，目标区域确定模块13进一步用于：

在一种可能的实现方式中，目标区域确定模块13进一步用于：

图8示出根据本公开实施例的图像处理装置的框图，如图8所示，所述装置还包括：

添加模块14，用于分别为所述第一图像中的一个或多个目标区域添加数字标识，获得所述第一图像的区域预测图。

在一种可能的实现方式中，所述装置还包括：

分配模块15，用于根据所述区域预测图的数字标识，分别为一个或多个目标区域中的像素点分配与所述数字标识对应的RGB值，获得彩色的第二图像。

在一种可能的实现方式中，所述装置还包括：

训练模块16，用于通过由归一化处理后的多个样本图像组成的训练集来训练所述第一网络。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述

本公开实施例还提出一种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被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图9是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图9，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图10是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图10，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作***，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims

1.一种图像处理方法，其特征在于，所述方法包括：

对待处理图像的多个像素点进行预处理，获得第一图像；

将所述第一图像输入第一网络进行处理，获得所述第一图像的多个像素点的像素连接图，第一像素点的像素连接图包括所述第一像素点的位置、所述第一像素点属于目标区域的第一概率值以及所述第一像素点针对与所述第一像素点相邻的多个像素点的第一连通值，其中，所述第一像素点为所述第一图像的多个像素点中的任意一个；

2.根据权利要求1所述的方法，其特征在于，对待处理图像的多个像素点进行预处理，获得第一图像，包括：

3.根据权利要求1或2所述的方法，其特征在于，第二像素点的像素连接图包括所述第二像素点的位置、所述第二像素点属于目标区域的第二概率值以及所述第二像素点针对与所述第二像素点相邻的多个像素点的第二连通值，

4.根据权利要求3所述的方法，其特征在于，根据所述第一概率值、所述第二概率值、所述第一像素点针对所述第二像素点的第一连通值和/或所述第二像素点针对所述第一像素点的第二连通值，确定所述第一像素点的类别，包括：

5.根据权利要求3所述的方法，其特征在于，根据所述第一概率值、所述第二概率值、所述第一像素点针对所述第二像素点的第一连通值和/或所述第二像素点针对所述第一像素点的第二连通值，确定所述第一像素点的类别，包括：

在所述第一概率值大于或等于概率阈值，且所述第一像素点与所述第二像素点不连通的情况下，将所述第一像素点的类别确定为目标区域的边界像素点。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

8.根据权利要求1所述的方法，其特征在于，对所述待处理图像的多个像素点进行归一化处理，获得所述第一图像，包括：

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

10.一种图像处理装置，其特征在于，包括：

像素连接图获得模块，用于将所述第一图像输入第一网络进行处理，获得所述第一图像的多个像素点的像素连接图，第一像素点的像素连接图包括所述第一像素点的位置、所述第一像素点属于目标区域的第一概率值以及所述第一像素点针对与所述第一像素点相邻的多个像素点的第一连通值，其中，所述第一像素点为所述第一图像的多个像素点中的任意一个；

11.根据权利要求10所述的装置，其特征在于，所述预处理模块进一步用于：

12.根据权利要求10所述的装置，其特征在于，第二像素点的像素连接图包括所述第二像素点的位置、所述第二像素点属于目标区域的第二概率值以及所述第二像素点针对与所述第二像素点相邻的多个像素点的第二连通值，

其中，所述目标区域确定模块进一步用于：

13.根据权利要求12所述的装置，其特征在于，所述目标区域确定模块进一步用于：

14.根据权利要求12所述的装置，其特征在于，所述目标区域确定模块进一步用于：

15.根据权利要求10所述的装置，其特征在于，所述装置还包括：

16.根据权利要求15所述的装置，其特征在于，所述装置还包括：

17.根据权利要求10所述的装置，其特征在于，所述预处理模块进一步用于：

18.根据权利要求10所述的装置，其特征在于，所述装置还包括：

19.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行权利要求1至9中任意一项所述的方法。

20.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。