CN109377462A - 眼底图像处理方法及设备 - Google Patents
眼底图像处理方法及设备 Download PDFInfo
- Publication number
- CN109377462A CN109377462A CN201811236767.9A CN201811236767A CN109377462A CN 109377462 A CN109377462 A CN 109377462A CN 201811236767 A CN201811236767 A CN 201811236767A CN 109377462 A CN109377462 A CN 109377462A
- Authority
- CN
- China
- Prior art keywords
- pixel value
- pixel
- image
- region
- mapping
- 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 63
- 238000012545 processing Methods 0.000 title claims abstract description 50
- 238000013507 mapping Methods 0.000 claims abstract description 77
- 238000003672 processing method Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 14
- 210000004204 blood vessel Anatomy 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 10
- 238000011084 recovery Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 210000003733 optic disk Anatomy 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000006467 substitution reaction Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 208000010412 Glaucoma Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种眼底图像处理方法及设备,其中所述图像处理方法包括将原始图像划分为多个区域;分别对各个区域内的各个像素点的像素值进行线性处理得到各个像素点的第一映射像素值;分别对所述各个区域内的各个像素点的第一映射像素值进行非线性处理得到各个像素点的第二映射像素值,所述非线性处理使得所述区域内的各个像素点的第二映射像素值集中分布于所述区域内的第一映射像素值中的最大值和最小值的中间值附近;利用所述各个区域内的各个像素点的第二映射像素值生成处理后的图像。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种眼底图像处理方法及设备。
背景技术
在拍摄图像的过程中,由于人员、环境或者设备等问题,会导致曝光 程度不同,而不同的曝光度会对图像所展现的内容带来直接影响。
目前在很多领域中会根据图像内容识别特定目标,特别是在医疗领域 中,眼底图像是判断眼部疾病的重要依据,眼底图像的质量会给医生和机 器阅片带来直接的影响。
例如曝光过度的眼底图像会影响医生对视盘和视杯面积的判断,而这 种面积的判断偏差会导致疾病如青光眼的误诊。因为视杯视盘的面积是根 据眼底图像视盘的色彩和血管的走向来判断的,过度的曝光往往会导致对 视杯面积的计算过大。而曝光不足会导致图像模糊不清,无法通过肉眼从 图像中识别特定内容。
现有的技术方案通常直接增强图像亮度或者降低图像亮度,这种处理 方式会使原本亮度适宜的位置变得亮度过高或过低而无法展示实际内容, 由此可见现有技术方案对图像的恢复效果较差。
发明内容
有鉴于此,本发明提供一种图像处理方法,包括如下步骤:
将原始图像划分为多个区域;
分别对各个区域内的各个像素点的像素值进行线性处理得到各个像素 点的第一映射像素值;
分别对所述各个区域内的各个像素点的第一映射像素值进行非线性处 理得到各个像素点的第二映射像素值,所述非线性处理使得所述区域内的 各个像素点的第二映射像素值集中分布于所述区域内的第一映射像素值中 的最大值和最小值的中间值附近;
利用所述各个区域内的各个像素点的第二映射像素值生成处理后的图 像。
可选地,利用下式进行所述线性处理:
其中,f′(z)表示所述第一映射像素值,f(z)表示所述像素值,V1和V2为 预设常数。
可选地,所述分别对各个区域内的各个像素点的像素值进行线性处理 得到各个像素点的第一映射像素值包括:
分别获取各个区域内的最大像素值和/或最小像素值;
分别根据各个区域的最大像素值和/或最小像素值对相应区域内的各 个像素点的像素值进行线性处理得到各个像素的第一映射像素值。
可选地,利用下式进行所述线性处理:
其中f′(z)表示所述第一映射像素值,f(z)表示所述像素值,f(z)min为所 述最小像素值,f(z)max为所述最大像素值。
可选地,利用下式进行所述线性处理:
其中f′(z)表示所述第一映射像素值,f(z)表示所述像素值,f(z)max为所 述最大像素值。
可选地,利用下式进行所述线性处理:
其中f′(z)表示所述第一映射像素值,f(z)表示所述像素值,f(z)min为所 述最小像素值,f(z)max为所述最大像素值。
可选地,利用下式进行所述非线性处理:
f″(z)=V3fmap(f′(z))
其中,f″(z)表示所述第二映射像素值,f′(z)表示所述第一映射像素值, fmap为预设映射函数,V3为预设常数。
本发明还提供了一种眼底图像处理方法,包括如下步骤:
根据眼底特征在眼底图像中提取特定区域图像;
利用上述图像处理方法对所述特定区域图像进行处理得到处理后的眼 底图像。
可选地,所述将原始图像划分为多个区域的步骤,包括:
确定所述眼底图像中的血管影像的直径;
根据所述直径将所述特定区域图像划分为多个区域,所划分区域的长 度和宽度均大于所述直径。
相应地,本发明还提供了一种图像处理设备,包括:至少一个处理器 以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有 可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执 行,以使所述至少一个处理器执行上述任一种图像处理方法。
相应地,本发明还提供了一种眼底图像处理设备,包括:至少一个处 理器以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存 储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理 器执行,以使所述至少一个处理器执行上述眼底图像处理方法。
根据本发明提供的图像处理方法及设备,首先将原始图像划分为多个 区域,然后分别针对各个区域,对其中像素点的像素值进行线性处理使像 素值映射到一个固定区间中,再对线性映射后的像素值进行非线性处理改 变区域内像素值的分布,最终利用改变分布的像素值替代原始像素值生成 处理后的图像,由此可以提高图像内容的可见性,对于过暗或过曝光图像 均有较强的恢复效果,尤其对局部细节的恢复效果特别明显。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下 面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例中的一幅通过图像采集设备采集的原始眼底图像;
图2为本发明实施例中的一种图像处理方法的流程图;
图3是利用线性处理后的像素值生成的眼底图像;
图4是根据本发明实施例提供的图像处理方法生成的眼底图像;
图5为本发明实施例中的另一种图像处理方法的流程图;
图6为本发明实施例中的一种眼底图像处理方法的流程图;
图7是在原始眼底图像中确定特定区域的示意图;
图8是对特定区域进行处理后得到的眼底图像。
具体实施方式
下面将结合附图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,都属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼 此之间未构成冲突就可以相互结合。
本发明实施例提供一种图像处理方法,该方法可以由计算机、服务器 等具有图像处理器的电子设备执行。在本实施例中,所处理的图像是如图1 所示的眼底图像,但本方法不限于对眼底图像进行处理,而是可以针对任 何通过图像采集设备所采集的图像进行处理。如图2所示该方法包括如下 步骤:
S1A,将原始图像划分为多个区域,在本实施例中采用等分的方式,将 图像划分为多个长宽相等的小区域。例如针对一幅1000x1000的原始图像, 可以将其划分为100个100x100的区域。除等分方式外也可以采取其它划 分方式,例如可以根据图像内容的特征划分成尺寸不等的多个区域,使得 特定位置(感兴趣位置)被划分的足够小,而其它位置的区域尺寸可以相 对较大。
S2A,分别对各个区域内的各个像素点的像素值进行线性处理得到各个 像素点的第一映射像素值。本方法所处理的图像可以是三通道图像(彩色 图像),也可以是单通道图像(灰度图像)。以单通道图像为例,首先可以 提取各个像素点的信息,包括像素点在原始图像中的位置(x,y)(坐标)和 原始像素值f(z);然后通过一种特定的线性变换根据原始像素值计算出第一 映射像素值f′(z)。经过线性处理计算后,针对每一个区域,区域内的像素点的原始像素值将会被映射到一个固定区间内。
作为一个举例,对于一幅曝光不足的图像,假设某一个区域内有n个 像素点,它们的原始像素值分布在[0,50]这一区间中,对这n个像素点的 像素值进行线性映射得到第一映射像素值,可使它们分布在[30,180]这一 映射后的区间中;
作为另一个举例,对于一幅曝光过度的图像,假设某一个区域内有n 个像素点,它们的原始像素值分布在[190,250]这一区间中,对这n个像素 点的像素值进行线性映射得到第一映射像素值,可使它们分布在[90,120] 这一映射后的区间中。
针对曝光不足和曝光过度这两种图像,可采用不同的映射函数以及参 数。这一处理也可称之为像素值的最大值和最小值归一化处理,此时如果 利用第一映射像素值生成图像则可得到如图3所示的结果。
S3A,分别对各个区域内的各个像素点的第一映射像素值进行非线性处 理得到各个像素点的第二映射像素值。对于某一区域而言,经过步骤S2A 的处理所得到的各个像素点的第一映射像素值f′(z)可能集中分布于其区间 的极值附近,即大多数像素点的f′(z)非常接近该区域内的f′(z)的最大值或 者最小值。非线性映射处理可以改变数值的分布,本步骤将区域内的各个 像素点的第二映射像素值集中分布于区域内的第一映射像素值中的最大值 和最小值的中间值附近。
作为一个举例,假设某一区域内各个像素点的第一映射像素值f′(z)分 布在[10,150]内,而且其中大部分像素点的f′(z)在10-20或者140-150之 间,本步骤对该区域内的像素点的f′(z)进行非线性映射处理,在不改变区 间最大值和最小值的情况下,使得到的第二映射像素值f″(z)仍分布在 [10,150]内,且其中大部分像素点的f″(z)分布在70附近,这将使得低亮区 域的数据值往高亮度转移,或者使高亮区域的数据值往低亮度转移。
S4A,利用各个区域内的各个像素点的第二映射像素值生成处理后的图 像。在后台处理过程中使用之前提取得到的像素点的位置信息,使用改变 分布之后的第二映射像素值替代原始图像中对应部分,或者将多个区域存 储排列成大图,可以得到图4所示处理后的图像,如图所示原本在图1中 不可见的视盘、血管等细节在图4中被良好地展现出来。
对于三通道图像,则分别针对三个通道的像素值进行上述线性映射处 理和非线性映射处理,得到三个通道上的第二映射像素值,最终可生成三 通道图像。
根据本发明实施例提供的图像处理方法,首先将原始图像划分为多个 区域,然后分别针对各个区域,对其中像素点的像素值进行线性处理使像 素值映射到一个固定区间中,再对线性映射后的像素值进行非线性处理改 变区域内像素值的分布,最终利用改变分布的像素值替代原始像素值生成 处理后的图像,由此可以提高图像内容的可见性,对于过暗或过曝光图像 均有较强的恢复效果,尤其对局部细节的恢复效果特别明显。
上述步骤S2A中可以利用下式进行线性处理:
其中,f′(z)表示第一映射像素值,f(z)表示原始像素值,V1和V2为设定 参数。对于曝光过度和过暗这两种图像,V1和V2的取值方式可以是不同的 也可以是相同的。
例如可以根据所划分的区域中的像素值最大的像素点和像素值最小的 像素点进行取值。作为一种可选的实施方式,上述步骤S2A中可以包括如 下步骤:
S2A1,分别获取各个区域内的最大像素值和/或最小像素值,以某一区 域为例,假设该区域中的所有像素点的原始像素值分布在[0,50]这一区间 中,则0为该区域的最小像素值,50为该区域的最大像素值;
S2A2,分别根据各个区域的最大像素值和/或最小像素值对相应区域内 的各个像素点的像素值进行线性处理得到各个像素的第一映射像素值。各 个区域的最大像素值和最小像素值可能都是不同的,这可以使线性处理体 现出各个区域的差异。
可以根据上述最大像素值和最小像素值确定V1和V2这两个参数,例如 采用如下方式:
其中f′(z)表示第一映射像素值,f(z)min即V1,是该区域内所有f(z)中的 最小值(最小像素值);V2=f(z)max-f(z)min,是该区域内所有f(z)中的 最大值(最大像素值)和最小值的差值。这种计算方式可以同时适用于过 暗和过亮的图像。
例如还可以使用下式进行线性计算:
其中f′(z)表示第一映射像素值,V1=0,f(z)max即V2,这种处理方式对 过暗图像能够取得较好的效果。
例如还可以使用下式进行线性计算:
其中f′(z)表示第一映射像素值,F(z)min即V1,f(z)max即V2,这种方式 对曝光过度的图像能够取得较好的效果。
关于非线性处理,作为一种可选的实施方式,上述步骤S3A中可以利 用下式进行非线性处理:
f″(z)=V3fmap(f′(z)),
其中,f″(z)表示第二映射像素值,f′(z)表示第一映射像素值,fmap为 预设映射函数,V3为预设常数。
其中fmap可以使用sigmoidal公式,即:
σ是f′(z)的标准差,是区域内所有像素点的f′(z)的均值。本发明所 使用的函数不局限于sigmoidal函数,只要函数使得图像像素数值的分布 更均匀,不再接近最大值(例如255)或者最小值(例如0)即可。
因为sigmoidal函数的输出的取值范围是0到1,在使用sigmoidal 公式的状况下,无论对过暗或者是曝光过度的图片,V3的值都设置为255。 对于其他输出范围不同的非线性函数,V3的取值也不同。
本发明的另一个实施例还提供了一种图像处理方法,与前一实施例的 不同之处在于颠倒线性处理和非线性处理步骤的顺序,具体地,如图5所 示该方法包括如下步骤:
S1B,将原始图像划分为多个区域,具体可参照上述步骤S1A。
S2B,分别对各个区域内的各个像素点的射像素值进行非线性处理得到 各个像素点的第一映射像素值,非线性处理使得区域内的各个像素点的第 一映射像素值集中分布于区域内的像素值中的最大值和最小值的中间值附 近,具体可参照上述步骤S3A。
S3B,分别对各个区域内的各个像素点的第一映射像素值进行线性处理 得到各个像素点的第二映射像素值,具体可参照上述步骤S2A。
S4B,利用各个区域内的各个像素点的第二映射像素值生成处理后的图 像,具体可参照上述步骤S4A。
根据本发明实施例提供的图像处理方法,首先将原始图像划分为多个 区域,然后分别针对各个区域,对原始像素值进行非线性处理改变区域内 像素值的分布,再对非线性处理后的像素值进行线性处理使像素值映射到 一个固定区间中,利用最终线性处理得到的像素值替代原始像素值生成处 理后的图像,由此可以提高图像内容的可见性,对于过暗或过曝光图像均 有较强的恢复效果,尤其对局部细节的恢复效果特别明显。
作为一个可选的实施方式,上述步骤S2B中可以利用下式进行非线性 处理:
f′(z)=V3fmap(f(z)),
其中,f′(z)表示第一映射像素值,f(z)表示原始像素值,fmap为预设映 射函数,V3为预设常数。
其中fmap可以使用sigmoidal公式,即:
σ是f(z)的标准差,是区域内所有像素点的f(z)的均值。本发明所使 用的函数不局限于sigmoidal函数,只要函数使得图像像素数值的分布更 均匀,不再接近最大值(例如255)或者最小值(例如0)即可。
作为一个可选的实施方式,上述步骤S3B中利用下式进行线性处理:
其中,f″(z)表示第二映射像素值,f′(z)表示第一映射像素值,V1和V2为 预设常数。
本发明还提供了一种眼底图像处理方法,如图6所示,该方法包括如 下步骤:
S1C,根据眼底特征在眼底图像中提取特定区域图像,本步骤可以从如 图7所示的眼底图像中首先提取一个特定区域61,特定区域图像可以是除 黑色边界外的区域图像,也可以是更具体的器官图像。在本实施例中所提 取的是视盘区域,具体可以利用机器视觉或者人工智能等方法从图像中识 别出视盘,然后基于视盘确定一个区域。
S2C,将特定区域图像划分为多个区域,S2C-S5C只针对特定区域61进 行划分和处理,具体过程可结合图2参照上述实施例中所介绍的方法,此 处不再赘述。
S3C,分别对各个区域内的各个像素点的像素值进行线性处理得到各个 像素点的第一映射像素值;
S4C,分别对各个区域内的各个像素点的第一映射像素值进行非线性处 理得到各个像素点的第二映射像素值,非线性处理使得区域内的各个像素 点的第二映射像素值集中分布于区域内的第一映射像素值中的最大值和最 小值的中间值附近;
S5C,利用各个区域内的各个像素点的第二映射像素值生成处理后的眼 底图像,最终可得到如图8所示的图像,由此可见在原始图像图7中不可 见的血管等细节在图8中得以展现。
需要说明的是,上述步骤S3C和S4C可以颠倒执行,即先对原始像素 值进行非线性处理,再对非线性处理后的像素值进行线性处理也是可行的, 具体可结合图2和图5参照上述实施例中所介绍的方法,此处不再赘述。
在步骤S2C中,具体可以包括如下步骤:
S2C1,确定眼底图像中的血管影像的直径d,直径d可以是预设常数, 也可以利用机器视觉或者人工智能等方式,通过测量图像中的血管影像而 获得。
S2C2,根据直径d将特定区域图像划分为多个区域,所划分区域的长 度和宽度均大于所述直径d。
这种优选的划分方式可以得到尺寸适宜的区域,避免由于划分区域过 大而导致后续细节恢复效果不够明显,或者由于划分区域过小而导致后续 计算量过大的问题。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、 或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施 例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个 或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不 限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形 式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序 产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流 程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中 的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专 用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个 机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产 生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方 框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理 设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存 储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上, 使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现 的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流 程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能 的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方 式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可 以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予 以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保 护范围之中。
Claims (10)
1.一种图像处理方法,其特征在于,包括如下步骤:
将原始图像划分为多个区域;
分别对各个区域内的各个像素点的像素值进行线性处理得到各个像素点的第一映射像素值;
分别对所述各个区域内的各个像素点的第一映射像素值进行非线性处理得到各个像素点的第二映射像素值,所述非线性处理使得所述区域内的各个像素点的第二映射像素值集中分布于所述区域内的第一映射像素值中的最大值和最小值的中间值附近;
利用所述各个区域内的各个像素点的第二映射像素值生成处理后的图像。
2.根据权利要求1所述的方法,其特征在于,利用下式进行所述线性处理:
其中,f′(z)表示所述第一映射像素值,f(z)表示所述像素值,V1和V2为预设常数。
3.根据权利要求1所述的方法,其特征在于,所述分别对各个区域内的各个像素点的像素值进行线性处理得到各个像素点的第一映射像素值包括:
分别获取各个区域内的最大像素值和/或最小像素值;
分别根据各个区域的最大像素值和/或最小像素值对相应区域内的各个像素点的像素值进行线性处理得到各个像素的第一映射像素值。
4.根据权利要求3所述的方法,其特征在于,利用下式进行所述线性处理:
其中f′(z)表示所述第一映射像素值,f(z)表示所述像素值,f(z)min为所述最小像素值,f(z)max为所述最大像素值。
5.根据权利要求3所述的方法,其特征在于,利用下式进行所述线性处理:
其中f′(z)表示所述第一映射像素值,f(z)表示所述像素值,f(z)max为所述最大像素值。
6.根据权利要求3所述的方法,其特征在于,利用下式进行所述线性处理:
其中f′(z)表示所述第一映射像素值,f(z)表示所述像素值,f(z)min为所述最小像素值,f(z)max为所述最大像素值。
7.根据权利要求1-6中任一项所述的方法,其特征在于,利用下式进行所述非线性处理:
f″(z)=V3fmap(f′(z))
其中,f″(z)表示所述第二映射像素值,f′(z)表示所述第一映射像素值,fmap为预设映射函数,V3为预设常数。
8.一种眼底图像处理方法,其特征在于,包括如下步骤:
根据眼底特征在眼底图像中提取特定区域图像;
利用权利要求1-7中任一种所述的图像处理方法对所述特定区域图像进行处理得到处理后的眼底图像。
9.根据权利要求8所述的方法,其特征在于,所述将原始图像划分为多个区域的步骤,包括:
确定所述眼底图像中的血管影像的直径;
根据所述直径将所述特定区域图像划分为多个区域,所划分区域的长度和宽度均大于所述直径。
10.一种图像处理设备,其特征在于,包括:至少一个处理器以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-9中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811236767.9A CN109377462A (zh) | 2018-10-23 | 2018-10-23 | 眼底图像处理方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811236767.9A CN109377462A (zh) | 2018-10-23 | 2018-10-23 | 眼底图像处理方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109377462A true CN109377462A (zh) | 2019-02-22 |
Family
ID=65400775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811236767.9A Pending CN109377462A (zh) | 2018-10-23 | 2018-10-23 | 眼底图像处理方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377462A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473176A (zh) * | 2019-07-29 | 2019-11-19 | 腾讯医疗健康(深圳)有限公司 | 图像处理方法及装置、眼底图像处理方法、电子设备 |
CN111951217A (zh) * | 2020-07-07 | 2020-11-17 | 上海鹰瞳医疗科技有限公司 | 模型训练方法、医疗图像处理方法及电子设备 |
CN112966620A (zh) * | 2021-03-15 | 2021-06-15 | 北京鹰瞳科技发展股份有限公司 | 眼底图像处理方法、模型训练方法及设备 |
Citations (9)
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 |
CN104156921A (zh) * | 2014-08-08 | 2014-11-19 | 大连理工大学 | 一种低照度或亮度不均图像的自适应图像增强方法 |
CN105139364A (zh) * | 2015-10-10 | 2015-12-09 | 湖北知本信息科技有限公司 | 一种图像增强方法及其应用 |
CN105426847A (zh) * | 2015-11-19 | 2016-03-23 | 北京理工大学 | 低质量自然光虹膜图像非线性增强方法 |
CN106033598A (zh) * | 2015-03-18 | 2016-10-19 | 北京纳米维景科技有限公司 | 一种用于消除散射辐射影响的数字滤线栅成像方法 |
CN106127709A (zh) * | 2016-06-24 | 2016-11-16 | 华东师范大学 | 一种低照度彩色眼底图像判断方法与增强方法 |
CN106651899A (zh) * | 2016-12-09 | 2017-05-10 | 东北大学 | 基于Adaboost的眼底图像微动脉瘤检测*** |
CN107527333A (zh) * | 2017-07-31 | 2017-12-29 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
CN108647620A (zh) * | 2018-05-03 | 2018-10-12 | 武汉科技大学 | 一种基于伽马变换的韦伯人脸的光照归一化方法 |
-
2018
- 2018-10-23 CN CN201811236767.9A patent/CN109377462A/zh active Pending
Patent Citations (9)
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 |
CN104156921A (zh) * | 2014-08-08 | 2014-11-19 | 大连理工大学 | 一种低照度或亮度不均图像的自适应图像增强方法 |
CN106033598A (zh) * | 2015-03-18 | 2016-10-19 | 北京纳米维景科技有限公司 | 一种用于消除散射辐射影响的数字滤线栅成像方法 |
CN105139364A (zh) * | 2015-10-10 | 2015-12-09 | 湖北知本信息科技有限公司 | 一种图像增强方法及其应用 |
CN105426847A (zh) * | 2015-11-19 | 2016-03-23 | 北京理工大学 | 低质量自然光虹膜图像非线性增强方法 |
CN106127709A (zh) * | 2016-06-24 | 2016-11-16 | 华东师范大学 | 一种低照度彩色眼底图像判断方法与增强方法 |
CN106651899A (zh) * | 2016-12-09 | 2017-05-10 | 东北大学 | 基于Adaboost的眼底图像微动脉瘤检测*** |
CN107527333A (zh) * | 2017-07-31 | 2017-12-29 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
CN108647620A (zh) * | 2018-05-03 | 2018-10-12 | 武汉科技大学 | 一种基于伽马变换的韦伯人脸的光照归一化方法 |
Non-Patent Citations (3)
Title |
---|
尹方平: "《新编生物特征识别与应用》", 30 April 2016 * |
智宁 等: ""基于照度调整的矿井非均匀照度视频图像增强算法"", 《煤炭学报》 * |
曹卫星: "《农业信息学》", 31 January 2005, 中国农业出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473176A (zh) * | 2019-07-29 | 2019-11-19 | 腾讯医疗健康(深圳)有限公司 | 图像处理方法及装置、眼底图像处理方法、电子设备 |
CN110473176B (zh) * | 2019-07-29 | 2024-04-19 | 腾讯医疗健康(深圳)有限公司 | 图像处理方法及装置、眼底图像处理方法、电子设备 |
CN111951217A (zh) * | 2020-07-07 | 2020-11-17 | 上海鹰瞳医疗科技有限公司 | 模型训练方法、医疗图像处理方法及电子设备 |
CN111951217B (zh) * | 2020-07-07 | 2022-01-14 | 北京鹰瞳科技发展股份有限公司 | 模型训练方法、医疗图像处理方法及电子设备 |
CN112966620A (zh) * | 2021-03-15 | 2021-06-15 | 北京鹰瞳科技发展股份有限公司 | 眼底图像处理方法、模型训练方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458883B (zh) | 一种医疗影像的处理***、方法、装置和设备 | |
US11783480B2 (en) | Semi-automated system for real-time wound image segmentation and photogrammetry on a mobile platform | |
CN110889826B (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
CN110458830B (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN109377462A (zh) | 眼底图像处理方法及设备 | |
CN109684981A (zh) | 青光眼图像识别方法、设备和筛查*** | |
CN108629378A (zh) | 图像识别方法和设备 | |
CN105069453A (zh) | 一种图像校正方法及装置 | |
CN109697716A (zh) | 青光眼图像识别方法、设备和筛查*** | |
JP2022059013A (ja) | 情報処理装置、認識支援方法およびコンピュータプログラム | |
CN107564048A (zh) | 基于分叉点特征配准方法 | |
CN105701496B (zh) | 一种基于人工智能技术的围棋盘面识别方法 | |
CN109087310A (zh) | 睑板腺纹理区域的分割方法、***、存储介质及智能终端 | |
CN110503705A (zh) | 图像标注方法和设备 | |
EP4071708A1 (en) | Methods and systems for localised smoke removal and color restoration of real-time video | |
CN110473176B (zh) | 图像处理方法及装置、眼底图像处理方法、电子设备 | |
CN110136140A (zh) | 眼底图像血管影像分割方法及设备 | |
CN109549619A (zh) | 眼底盘沿宽度确定方法、青光眼疾病诊断装置和*** | |
CN109447964A (zh) | 眼底图像处理方法及设备 | |
CN114998282B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN116033273A (zh) | 消除激光分层的图像处理方法、***及装置 | |
CN112686851B (zh) | 一种图像检测方法、装置及存储介质 | |
AU2021101135A4 (en) | Fundus Image Processing Method and Device | |
CN110189296B (zh) | 眼底图像血管壁反光状态标记方法及设备 | |
CN114219758A (zh) | 缺陷检测方法、***、电子设备和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 |