CN110310235A - 眼底图像处理方法、装置及设备和存储介质 - Google Patents

眼底图像处理方法、装置及设备和存储介质 Download PDF

Info

Publication number
CN110310235A
CN110310235A CN201910422609.0A CN201910422609A CN110310235A CN 110310235 A CN110310235 A CN 110310235A CN 201910422609 A CN201910422609 A CN 201910422609A CN 110310235 A CN110310235 A CN 110310235A
Authority
CN
China
Prior art keywords
repaired
point
image
area
eye fundus
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
Application number
CN201910422609.0A
Other languages
English (en)
Other versions
CN110310235B (zh
Inventor
姜泓羊
杨康
高孟娣
张冬冬
代黎明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing To Real Internet Technology Co Ltd
Original Assignee
Beijing To Real Internet Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing To Real Internet Technology Co Ltd filed Critical Beijing To Real Internet Technology Co Ltd
Priority to CN201910422609.0A priority Critical patent/CN110310235B/zh
Publication of CN110310235A publication Critical patent/CN110310235A/zh
Application granted granted Critical
Publication of CN110310235B publication Critical patent/CN110310235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本申请涉及一种眼底图像处理方法、装置及设备和存储介质，其中方法包括：获取待处理的眼底图像；对眼底图像进行定位识别，确定出眼底图像中的伪影区域；对伪影区域进行预处理，得到待修复区域，并采用镜像加权法对待修复区域进行修复，得到修复图像。相较于相关技术中采用的图像处理算法修复图像方式，使得修复后的眼底图像更加自然，这也就有效提高了眼底图像修复的质量。

Description

眼底图像处理方法、装置及设备和存储介质
技术领域
本公开涉及医学图像处理技术领域，尤其涉及一种眼底图像处理方法、装置及设备和存储介质。
背景技术
随着眼底照相技术的蓬勃发展，国内外专注于眼底影像采集设备的公司研发出了多种多样的彩色眼底相机。由于光路设计和硬件模组的差异，不同的眼底相机设备拍摄出的彩色眼底图像不仅具有较大的差异，而且还会出现较为明显的影像缺陷。其主要表现为图像中的特定位置会出现不同程度的伪影，这极大地影响了图像显示效果。
在相关技术中，可以采用一些图像处理算法对图像中的伪影进行减弱。其中，在减弱图像中的伪影过程中需要对图像进行修复，而相关技术中所采用的图像处理算法修复图像后，图像显示通常不太自然，这就影响了图像的显示效果，从而导致图像质量较差。
发明内容
有鉴于此，本公开提出了一种眼底图像处理方法、装置及设备和存储介质，可以有效提高图像质量，使得修复后的眼底图像更加自然。
根据本公开的一方面，提供了一种眼底图像处理方法，包括：
获取待处理的眼底图像；
对所述眼底图像进行定位识别，确定出所述眼底图像中的伪影区域；
对所述伪影区域进行预处理，得到待修复区域，并采用镜像加权法对所述待修复区域进行修复，得到修复图像。
在一种可能的实现方式中，对所述伪影区域进行预处理，得到待修复区域，包括：
采用中值滤波法将所述伪影区域中的伪影散点去除；
将所述伪影区域的边缘进行外延，将所述伪影区域和所述眼底图像的背景交界处纳入需要修复的区域，得到所述待修复区域。
在一种可能的实现方式中，还包括：
确定所述待修复区域的个数；
在所述待修复区域的个数为多个时，按照各待修复区域的面积由大到小的顺序，采用所述镜像加权法依次对各待修复区域进行修复。
在一种可能的实现方式中，采用镜像加权法对所述待修复区域进行修复，得到修复图像，包括：
确定所述待修复区域内的各待修复点，并获取各所述待修复点的有效镜像点；
基于各所述待修复点的有效镜像点，对各所述待修复点进行像素填充后，得到所述修复图像。
在一种可能的实现方式中，确定所述待修复区域内的各待修复点，并获取各所述待修复点的有效镜像点，包括：
由各所述待修复点中选取出当前需要修复的第一修复点，并确定所述第一修复点的加权像素个数；其中，所述第一修复点为各所述待修复点中的任意一个待修复点；
基于确定的所述加权像素个数，以所述待修复区域的边界为镜面，由所述眼底图像的非伪影区域中选取出所述第一修复点的多个有效镜像点。
在一种可能的实现方式中，基于各所述待修复点的镜像点，对各所述待修复点进行像素填充，包括：
计算获取所述第一修复点与对应的各所述有效镜像点之间的距离；
基于所述第一修复点与对应的各所述有效镜像点之间的距离，获取各所述有效镜像点对于所述第一修复点的权重；
基于各所述有效镜像点对于所述第一修复点的权重，以及各所述有效镜像点的像素值，获取所述第一修复点的修复像素值；
将所述修复像素值填充至所述第一修复点。
根据本公开的另一方面，还提供了一种眼底图像处理装置，包括：
图像获取模块，被配置为获取待处理的眼底图像；
定位识别模块，被配置为对所述眼底图像进行定位识别，确定出所述眼底图像中的伪影区域；
处理修复模块，被配置为对所述伪影区域进行预处理，得到待修复区域，并采用镜像加权法对所述待修复区域进行修复，得到修复图像。
在一种可能的实现方式中，所述处理修复模块包括：
镜像点获取子模块，被配置为确定所述待修复区域内的各待修复点，并获取各所述待修复点的有效镜像点；
像素填充子模块，被配置为基于各所述待修复点的有效镜像点，对各所述待修复点进行像素填充后，得到所述修复图像。
根据本公开的一方面，还提供了一种眼底图像处理设备，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所述可执行指令时实现前面任一所述的方法。
根据本公开的另一方面，还提供了一种非易失性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前面任一所述的方法。
本公开实施例的眼底图像处理方法，通过在获取待处理的眼底图像后，对眼底图像进行定位识别，确定出眼底图像中的伪影区域。进而再对伪影区域进行预处理，得到待修复区域，并采用镜像加权法对待修复区域进行修复，得到修复后的眼底图像(即，眼底图像)，相较于相关技术中采用的图像处理算法修复图像方式，使得修复后的眼底图像更加自然，这也就有效提高了眼底图像修复的质量。
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
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出本公开一实施例的眼底图像处理方法的流程图；
图2示出本公开另一实施例的眼底图像处理方法的流程图；
图3示出带有伪影的眼底图像的示意图；
图4示出采用本公开实施例的眼底图像处理方法获取待修复点的示意图；
图5示出去除伪影之前的眼底图像图；
图6示出采用本公开实施例的眼底图像处理方法去除伪影之后的眼底图像图；
图7示出本公开实施例的眼底图像处理装置的框图；
图8示出本公开实施例的眼底图像处理设备的框图。
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。
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示出根据本公开一实施例的眼底图像处理方法的流程图。如图1所示，该方法包括：步骤S100，获取待处理的眼底图像。此处，需要说明的是，眼底图像可以通过任何一种眼底相机进行拍摄得到，此处不进行限定。通过采用任一种类型的眼底相机采集到眼底图像后，再读取所采集到的眼底图像即可获取当前待处理的眼底图像。
步骤S200，对眼底图像进行定位识别，确定出眼底图像中的伪影区域。待确定出眼底图像中的伪影区域后，再通过步骤S300，对伪影区域进行预处理，得到待修复区域，并采用镜像加权法对待修复区域进行修复，得到修复图像。
由此，本公开实施例的眼底图像处理方法，通过在获取待处理的眼底图像后，对眼底图像进行定位识别，确定出眼底图像中的伪影区域。进而再对伪影区域进行预处理，得到待修复区域，并采用镜像加权法对待修复区域进行修复，得到修复后的眼底图像(即，眼底图像)，相较于相关技术中采用的图像处理算法修复图像方式，使得修复后的眼底图像更加自然，这也就有效提高了眼底图像修复的质量。
需要说明的是，尽管以图1作为示例介绍了本公开实施例的眼底图像处理方法，但本领域技术人员能够理解，本公开应不限于此。事实上，用户完全可根据个人喜好和/或实际应用场景灵活设定。
其中，在一种可能的实现方式中，在获取待处理的眼底图像后，对眼底图像进行定位识别，以确定出眼底图像中的伪影区域时，可以通过设定伪影影像标准，进而再对眼底图像中的伪影进行定位识别来实现。
即，参阅图2，首先通过步骤S100’，设定伪影影像标准，以实现对眼底图像中的伪影区域的初步确定。其中，伪影影像标准可以通过结合人类视觉感知预先设定，主要包括影像色彩和影像纹理。绝大多数情况下，伪影影像的色彩和纹理与真实眼底影像的色彩和纹理差异较大，并且通常呈现白色雾状，很容易对其进行判别。同时，特定眼底相机拍摄出的眼底图像中的伪影通常不会随机出现，并且基本上会固定在一个位置，大多数情况位于眼底图像的整体区域中的中间区域处。因此，图像伪影可基于眼底相机的不同机型进行指定位置。
在通过上述步骤S100’，设定伪影影像标准，实现对眼底图像中的伪影区域的初步确定后，再通过步骤S200，对眼底图像进行定位识别。其中，在对眼底图像进行定位识别时，由于伪影的图像像素与眼底图像的背景像素差异很大，因此可以直接采用分类算法对其进行区分。
如：可以采用大津阈值法(OTSU)对眼底图像进行二值化处理，从而区分出伪影和眼底图像的背景。此处，应当指出的是，大津阈值法为本领域的常用技术手段，此处不再进行赘述。
待通过上述任一种方式确定出眼底图像中的伪影区域后，即可执行步骤S300，对伪影区域进行预处理，得到待修复区域，并采用镜像加权法对待修复区域进行修复，得到修复图像。
在本公开实施例的眼底图像处理方法中，对伪影区域进行预处理的方式可以包括：首先，采用中值滤波法将伪影区域中的伪影散点去除。此处，需要说明的是，经过OTSU算法识别出来的伪影区域(即，二值化图像)会出现零星的伪影散点，该伪影散点不构成伪影的主要区域，并且混杂着眼底图像生物级原始点，因此，通过采用中值滤波法将伪影区域中的伪影散点去除后，避免了眼底图像中的噪声影响。进而，再采用形态学中的膨胀操作，将伪影边缘进行外延，将伪影区域和眼底图像的成像区背景交界处纳入需要修复的区域，从而得到全部的伪影区域(即，待修复区域)，可参阅图3。其中，伪影区域的个数可以为一个或多个。
需要指出的是，本领域技术人员可以理解，上述对伪影区域进行预处理的方式(即，中值滤波法和形态学的膨胀操作)为本领域常用技术手段，此处不再对中值滤波法和膨胀操作的具体过程进行赘述。
同时，再将伪影区域的边缘进行外延，以实现将伪影区域和眼底图像的背景的交界处纳入需要修复的区域，外延的距离可以设置为3个像素点的距离。
进一步的，再通过上述任一种方式对眼底图像中的伪影区域进行预处理后，也就得到了确定好的伪影区域(即，待修复区域)。接下来即可对待修复区域进行修复。
其中，需要指出的是，在确定出眼底图像中的伪影区域后，所确定出的伪影区域的个数可能为一个，也可能为多个。因此，在本公开实施例的眼底图像处理方法中，还可以包括：首先，确定待修复区域的个数。在确定出待修复区域的个数为一个时，直接对该待修复区域进行修复即可，不需要进行任何的处理。
在确定出待修复区域的个数为多个时，参阅图3，此时作为一种可能的实现方式，可以通过计算各待修复区域的面积，进而再按照各待修复区域的面积的大小顺序，采用镜像加权法依次对各待修复区域进行修复。
举例来说，首先，计算出各个待修复区域的面积，然后按照待修复区域的面积的大小进行降序排序，进而再根据排序得到的序列依次选取相应的待修复区域进行修复，从而得到最终的修复图像。
更进一步地，在采用镜像加权法对待修复区域进行修复，得到修复图像时，可以通过以下方式来实现。
即，首先，确定待修复区域内的各待修复点，并获取各待修复点的有效镜像点。然后，基于各待修复像素的有效像素点，对各待修复点进行像素填充，从而完成待修复区域的修复。
此处，应当指出的是，每个待修复区域均包括有多个像素点，每个像素点均为待修复点。因此，在对待修复区域进行修复时，可以通过对待修复区域内的每个像素点(即，各待修复点)依次进行修复，从而来实现对待修复区域的修复。其中，有效镜像点指的是由眼底图像中的非伪影区域中选取到的，与修复点呈镜面对称的像素点。
也就是说，通过获取每个待修复区域内的每个像素点(即，各待修复点)的各有效镜像点，进而再基于获取的每个待修复点的有效镜像点，对每个待修复点进行像素填充，来实现待修复区域的修复，避免了待修复区域中存在部分区域未修复的情况，这也就有效保证了待修复区域修复后的完整性，从而更进一步地提高了待修复区域修复的准确性。
其中，为了更清楚地说明本公开实施例的眼底图像处理方法中，对待修复区域内的每个像素点(即，各待修复点)的像素填充的过程，以下以其中任意一个像素点为例进行说明。
参阅图4，首先，由各待修复点中选取出当前需要修复的第一修复点p，并确定第一修复点p的加权像素个数N。此处，应当指出的是，可以设定第一修复点p是由N个像素点的像素值加权得到的。并且，在一种可能的实现方式中，N个像素点可以分别来自于以第一修复点p为圆心、任意长为半径所得到的圆进行N等分后所划分的区域。其中，N的取值可以根据实际情况进行任意设置。
举例来说，N的取值可以根据待修复区域的面积进行设定。如：N的取值可以与待修复区域的面积成正比例变化。其中，将以第一修复点p为圆心，任意长为半径所得到的圆进行N等分后，所划分得到的N个区域(即，眼底图像的非伪影区域进行N等分后的各个区域)即为第一修复点p的有效镜像点选取区域。
举例来说，参阅图4，N的取值可以设置为4。即，将以第一点p为圆心，任意长为半径作圆后，将得到的圆进行四等分，得到四个区域，分别为：1区、2区、3区和4区。进而，再分别在这四个区中选取第一修复点p的有效镜像点。
在确定第一修复点p的加权像素个数后，即可基于所确定的加权像素个数，以待修复区域的边界为镜面，由眼底图像的非伪影区域中选取出第一修复点p的多个有效镜像点。也就是说，在本公开实施例的眼底图像处理方法中，寻找第一修复点p的有效镜像点时，所选取的各有效镜像点一定不是待修复区域中的点。
举例来说，参阅图4，在将以第一修复点p为圆心，任意长为半径所得到的圆进行4等分后，分别在划分得到的1区、2区、3区和4区选取相应的有效镜像点。其中，在每个区选取相应的有效镜像点时，需要先确定镜面。
在本公开实施例中，所确定的镜面可以为与每相邻两条等分线之间的夹角(即，每个扇形夹角)的角平分线相垂直位置处的镜面。即，与扇形夹角(如：1区所对应的扇形区域的夹角)的角平分线相垂直的轴线作为镜面，进而再基于所确定的镜面，在每个区(如：1区)中选取与第一修复点p相较于所确定的镜面对称的像素点作为该区的镜像点。
其中，在每个区中选取与第一修复点p相较于所确定的镜面对称的像素点作为镜像点时，需要判断所选取的镜像点是否位于眼底图像中的任一伪影区域。在判断出镜像点位于非伪影区域(如：1区中的i1和2区中的i2)时，则可以直接将所选取出的镜像点作为有效镜像点。
在判断出所选取出的镜像点位于眼底图像中的任一伪影区域(如：3区中的i3和4区中的i4)时，此时则按照由每个扇形夹角的角平分线上的镜像点向扇形区域两边先逆时针方向延展，后顺时针方向延展的原则选取有效镜像点(如：3区中的i3’和4区中的i4’)。
由此，在选取出各待修复点的有效镜像点后，即可基于所选取出的各待修复点的有效镜像点，对各待修复点进行像素填充。其中，在进行像素填充时，可以通过以下方式来实现。
即，首先，计算获取各待修复点与其对应的有效镜像点之间的距离，并基于各待修复点与对应的有效镜像点之间的距离，获取各待修复点所对应的各有效镜像点对于待修复点的权重。进而，再基于所获取到的各权重以及各有效镜像点的像素值，获取相应的待修复点的修复像素值。最后，再将获取到的修复像素值填充至相应的待修复点即可。
为更清楚地说明对各待修复点进行像素填充的过程，以下仍以第一修复点p为例，进行更加详细地说明。
参阅图4，首先，计算获取每个有效镜像点(即，i1、i2、i3’和i4’)与第一修复点p之间的距离(即，d1、d2、d3和d4)，并基于每个有效镜像点与第一修复点p之间的距离，获取每个有效镜像点对于第一修复点p的权重。
其中，在基于每个有效镜像点与第一修复点p之间的距离获取每个有效镜像点对于第一修复点p的权重时，可以根据公式：计算获得。其中，αk为第k个有效镜像点对于第一修复点p的权重。
进而，再基于每个有效镜像点对于第一修复点p的权重以及每个有效镜像点的像素值，获取第一修复点p的修复像素值。其中，在基于每个有效镜像点对于第一修复点p的权重以及每个有效镜像点的像素值，获取第一修复点p的修复像素值时，可以通过对各有效镜像点对于第一修复点p的权重与各有效镜像点的像素值进行乘积再求和运算得到。
即，根据公式：计算得到。其中，Ik为第k个有效镜像点的像素值。在眼底图像为彩色图像时，各有效镜像点的像素值可以为一组RGB值。P为第一修复点p的修复像素值。最后，再将获取到的修复像素值P填充至第一修复点p处即可。
由此，通过上述方式将各待修复区域中的每个待修复点均进行像素填充后，即可完成眼底图像中各待修复区域的修复。
其中，参阅图5和图6，图5示出了采用某一眼底相机采集到的带有伪影的眼底图像，图6示出了采用本公开实施例的眼底图像处理方法将眼底图像中的伪影区域进行去除修复后的修复图像。由图6可以明显看出，采用本公开实施例的眼底图像处理方法在进行眼底图像中的伪影区域的去除修复时，由于均使用非伪影区域中的像素点作为待修复区域内各待修复点的有效镜像点，这就使得修复效果看起来更加自然，而且每一个待修复点仅需要经过一次计算，这也就有效地降低了医学风险，并且使得眼底图像处理的时效性较高，能够迅速地进行伪影去除。同时，还不会影响其他非伪影区域，极大的保护了眼底图像的生物级信息。
相应的，基于上述任一种眼底图像处理方法，本公开实施例还提供了一种眼底图像处理装置。由于本公开实施例提供的眼底图像处理装置的工作原理与本公开实施例的眼底图像处理方法的原理相同或相似，因此重复之处不再赘述。
图7示出了本公开实施例的眼底图像处理装置100的框图。参阅图7，本公开实施例的眼底图像处理装置100包括图像获取模块110、定位识别模块120和处理修复模块130。其中，图像获取模块110，被配置为获取待处理的眼底图像。定位识别模块120，被配置为对眼底图像进行定位识别，确定出眼底图像中的伪影区域。处理修复模块130，被配置为对伪影区域进行预处理，得到待修复区域，并采用镜像加权法对待修复区域进行修复，得到修复图像。
在一种可能的实现方式中，处理修复模块130包括散点去除子模块和边缘外延子模块(图中未示出)。其中，散点去除子模块，被配置为采用中值滤波法将伪影区域中的伪影散点去除。边缘外延子模块，被配置为将伪影区域的边缘进行外延，将伪影区域和眼底图像的背景交界处纳入需要修复的区域，得到待修复区域。
在一种可能的实现方式中，本公开实施例的眼底图像处理装置100还可以包括个数确定模块(图中未示出)。其中，个数确定模块，被配置为确定待修复区域的个数，并在确定出待修复区域的个数为多个时，由处理修复模块130按照各待修复区域的面积由大到小的顺序，采用镜像加权法依次对各待修复区域进行修复。
在一种可能的实现方式中，处理修复模块130可以包括镜像点获取子模块和像素填充子模块(图中未示出)。其中，镜像点获取子模块，被配置为确定待修复区域内的各待修复点，并获取各待修复点的有效镜像点；
像素填充子模块，被配置为基于各待修复点的有效镜像点，对各待修复点进行像素填充后，得到修复图像。
在一种可能的实现方式中，镜像点获取子模块可以包括加权像素个数确定单元和镜像点选取单元(图中未示出)。其中，加权像素个数确定单元，被配置为由各待修复点中选取出当前需要修复的第一修复点，并确定第一修复点的加权像素个数；其中，第一修复点为各待修复点中的任意一个待修复点。镜像点选取单元，被配置为基于确定的加权像素个数，以待修复区域的边界为镜面，由眼底图像的非伪影区域中选取出第一修复点的多个有效镜像点。
在一种可能的实现方式中，像素填充子模块还可以包括权重获取单元、像素值获取单元和像素填充单元(图中未示出)。其中，权重获取单元，被配置为计算获取每个有效镜像点与第一修复点之间的距离，并基于每个有效镜像点与第一修复点之间的距离，获取每个有效镜像点对于第一修复点的权重。像素值获取单元，被配置为基于每个有效镜像点对于第一修复点的权重以及每个有效镜像点的像素值，获取第一修复点的修复像素值。像素值填充单元，被配置为将修复像素值填充至第一修复点处。
更进一步地，根据本公开的另一方面，还提供了一种眼底图像处理设备200。参阅图8，本公开实施例眼底图像处理设备200包括处理器210以及用于存储处理器210可执行指令的存储器220。其中，处理器210被配置为执行可执行指令时实现前面任一所述的眼底图像处理方法。
此处，应当指出的是，处理器210的个数可以为一个或多个。同时，在本公开实施例的眼底图像处理设备200中，还可以包括输入装置230和输出装置240。其中，处理器210、存储器220、输入装置230和输出装置240之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。
存储器220作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的眼底图像处理方法所对应的程序或模块。处理器210通过运行存储在存储器220中的软件程序或模块，从而执行眼底图像处理设备200的各种功能应用及数据处理。
输入装置230可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置240可以包括显示屏等显示设备。
根据本公开的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令被处理器210执行时实现前面任一所述的眼底图像处理方法。
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 (10)

1.一种眼底图像处理方法，其特征在于，包括：
获取待处理的眼底图像；
对所述眼底图像进行定位识别，确定出所述眼底图像中的伪影区域；
对所述伪影区域进行预处理，得到待修复区域，并采用镜像加权法对所述待修复区域进行修复，得到修复图像。
2.根据权利要求1所述的方法，其特征在于，对所述伪影区域进行预处理，得到待修复区域，包括：
采用中值滤波法将所述伪影区域中的伪影散点去除；
将所述伪影区域的边缘进行外延，将所述伪影区域和所述眼底图像的背景交界处纳入需要修复的区域，得到所述待修复区域。
3.根据权利要求1所述的方法，其特征在于，还包括：
确定所述待修复区域的个数；
在所述待修复区域的个数为多个时，按照各待修复区域的面积由大到小的顺序，采用所述镜像加权法依次对各待修复区域进行修复。
4.根据权利要求1至3任一项所述的方法，其特征在于，采用镜像加权法对所述待修复区域进行修复，得到修复图像，包括：
确定所述待修复区域内的各待修复点，并获取各所述待修复点的有效镜像点；
基于各所述待修复点的有效镜像点，对各所述待修复点进行像素填充后，得到所述修复图像。
5.根据权利要求4所述的方法，其特征在于，确定所述待修复区域内的各待修复点，并获取各所述待修复点的有效镜像点，包括：
由各所述待修复点中选取出当前需要修复的第一修复点，并确定所述第一修复点的加权像素个数；其中，所述第一修复点为各所述待修复点中的任意一个待修复点；
基于确定的所述加权像素个数，以所述待修复区域的边界为镜面，由所述眼底图像的非伪影区域中选取出所述第一修复点的多个有效镜像点。
6.根据权利要求5所述的方法，其特征在于，基于各所述待修复点的镜像点，对各所述待修复点进行像素填充，包括：
计算获取所述第一修复点与对应的各所述有效镜像点之间的距离；
基于所述第一修复点与对应的各所述有效镜像点之间的距离，获取各所述有效镜像点对于所述第一修复点的权重；
基于各所述有效镜像点对于所述第一修复点的权重，以及各所述有效镜像点的像素值，获取所述第一修复点的修复像素值；
将所述修复像素值填充至所述第一修复点。
7.一种眼底图像处理装置，其特征在于，包括：
图像获取模块，被配置为获取待处理的眼底图像；
定位识别模块，被配置为对所述眼底图像进行定位识别，确定出所述眼底图像中的伪影区域；
处理修复模块，被配置为对所述伪影区域进行预处理，得到待修复区域，并采用镜像加权法对所述待修复区域进行修复，得到修复图像。
8.根据权利要求7所述的装置，其特征在于，所述处理修复模块包括：
镜像点获取子模块，被配置为确定所述待修复区域内的各待修复点，并获取各所述待修复点的有效镜像点；
像素填充子模块，被配置为基于各所述待修复点的有效镜像点，对各所述待修复点进行像素填充后，得到所述修复图像。
9.一种眼底图像处理设备，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所述可执行指令时实现权利要求1至6中任意一项所述的方法。
10.一种非易失性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6中任意一项所述的方法。
CN201910422609.0A 2019-05-21 2019-05-21 眼底图像处理方法、装置及设备和存储介质 Active CN110310235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910422609.0A CN110310235B (zh) 2019-05-21 2019-05-21 眼底图像处理方法、装置及设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910422609.0A CN110310235B (zh) 2019-05-21 2019-05-21 眼底图像处理方法、装置及设备和存储介质

Publications (2)

Publication Number Publication Date
CN110310235A true CN110310235A (zh) 2019-10-08
CN110310235B CN110310235B (zh) 2021-07-27

Family

ID=68075432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910422609.0A Active CN110310235B (zh) 2019-05-21 2019-05-21 眼底图像处理方法、装置及设备和存储介质

Country Status (1)

Country Link
CN (1) CN110310235B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113674176A (zh) * 2021-08-23 2021-11-19 北京市商汤科技开发有限公司 图像修复方法及装置、电子设备和存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020109787A1 (en) * 2001-02-09 2002-08-15 Shankar Moni Intra-frame video error concealment
US20030103660A1 (en) * 2001-12-05 2003-06-05 Martin Gersten Fundus imaging
CN1878281A (zh) * 2006-07-13 2006-12-13 北京中星微电子有限公司 一种对数字视频图像中物体边沿的处理方法及装置
CN101998032A (zh) * 2009-08-27 2011-03-30 株式会社日立制作所 图像处理装置及具备它的视频显示装置、以及错误隐藏方法
CN102458221A (zh) * 2009-06-02 2012-05-16 佳能株式会社 图像处理设备及其控制方法和计算机程序
CN102567955A (zh) * 2010-12-30 2012-07-11 北京大学 图像修复的方法与***
US8837785B2 (en) * 2011-03-21 2014-09-16 Apple Inc. Red-eye removal using multiple recognition channels
CN104794721A (zh) * 2015-04-30 2015-07-22 湘潭大学 一种基于多尺度斑点检测的快速视盘定位方法
WO2017080420A1 (en) * 2015-11-09 2017-05-18 Versitech Limited Auxiliary data for artifacts –aware view synthesis
US20170294001A1 (en) * 2016-04-07 2017-10-12 General Electric Company Method and system for reducing ringing artifacts in x-ray image
CN108682015A (zh) * 2018-05-28 2018-10-19 科大讯飞股份有限公司 一种生物图像中的病灶分割方法、装置、设备及存储介质
CN109003279A (zh) * 2018-07-06 2018-12-14 东北大学 一种基于K-Means聚类标注和朴素贝叶斯模型的眼底视网膜血管分割方法及***
EP3449809A1 (en) * 2017-09-04 2019-03-06 C/o Canon Kabushiki Kaisha Image processing apparatus, optical coherence tomography apparatus, image processing method, and program

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020109787A1 (en) * 2001-02-09 2002-08-15 Shankar Moni Intra-frame video error concealment
US20030103660A1 (en) * 2001-12-05 2003-06-05 Martin Gersten Fundus imaging
CN1878281A (zh) * 2006-07-13 2006-12-13 北京中星微电子有限公司 一种对数字视频图像中物体边沿的处理方法及装置
CN102458221A (zh) * 2009-06-02 2012-05-16 佳能株式会社 图像处理设备及其控制方法和计算机程序
CN101998032A (zh) * 2009-08-27 2011-03-30 株式会社日立制作所 图像处理装置及具备它的视频显示装置、以及错误隐藏方法
CN102567955A (zh) * 2010-12-30 2012-07-11 北京大学 图像修复的方法与***
US8837785B2 (en) * 2011-03-21 2014-09-16 Apple Inc. Red-eye removal using multiple recognition channels
CN104794721A (zh) * 2015-04-30 2015-07-22 湘潭大学 一种基于多尺度斑点检测的快速视盘定位方法
WO2017080420A1 (en) * 2015-11-09 2017-05-18 Versitech Limited Auxiliary data for artifacts –aware view synthesis
US20170294001A1 (en) * 2016-04-07 2017-10-12 General Electric Company Method and system for reducing ringing artifacts in x-ray image
EP3449809A1 (en) * 2017-09-04 2019-03-06 C/o Canon Kabushiki Kaisha Image processing apparatus, optical coherence tomography apparatus, image processing method, and program
CN108682015A (zh) * 2018-05-28 2018-10-19 科大讯飞股份有限公司 一种生物图像中的病灶分割方法、装置、设备及存储介质
CN109003279A (zh) * 2018-07-06 2018-12-14 东北大学 一种基于K-Means聚类标注和朴素贝叶斯模型的眼底视网膜血管分割方法及***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HONGYANG JIANG ET AL.: "An automatic detection system of lung nodule based on multigroup patch-based deep learning network", 《IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS》 *
RICHARD F. SPAIDE, MD ET AL.: "Image Artifacts in Optical Coherence Angiography", 《RETINA》 *
石志瑞 等: "基于CT图像的肋骨定位和追踪", 《南阳理工学院学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113674176A (zh) * 2021-08-23 2021-11-19 北京市商汤科技开发有限公司 图像修复方法及装置、电子设备和存储介质
CN113674176B (zh) * 2021-08-23 2024-04-16 北京市商汤科技开发有限公司 图像修复方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN110310235B (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
Yan et al. Multi-scale dense networks for deep high dynamic range imaging
CN110460831B (zh) 显示方法、装置、设备及计算机可读存储介质
CN108550185A (zh) 人脸美化处理方法和装置
CN107134005A (zh) 光照适配方法、装置、存储介质、处理器及终端
CN109844819A (zh) 用于动态遮挡处置的***和方法
CN111507909A (zh) 一种有雾图像清晰化的方法、装置及存储介质
CN106375740A (zh) 生成rgb图像的方法、装置和***
CN112184585B (zh) 一种基于语义边缘融合的图像补全方法及***
CN104637031A (zh) 眼部图像处理方法和装置
CN111738969B (zh) 图像融合方法、装置及计算机可读存储介质
CN107864337A (zh) 素描图像处理方法、装置及设备
CN110796600A (zh) 一种图像超分重建方法、图像超分重建装置及电子设备
CN102638639A (zh) 图像处理装置、摄像装置以及图像处理方法
CN112232914A (zh) 基于2d图像的四阶段虚拟试衣方法及装置
CN115576471A (zh) 背景去除的方法以及移动设备
CN105338214B (zh) 图像处理方法和图像处理装置
CN106780313A (zh) 图像处理方法及装置
CN110246080A (zh) 去马赛克方法及其***
CN110310235A (zh) 眼底图像处理方法、装置及设备和存储介质
CN112419465B (zh) 虚拟模型的渲染方法和装置
CN113052923A (zh) 色调映射方法、装置、电子设备和存储介质
US7387386B2 (en) Ophthalmologic image processing apparatus
CN117437118A (zh) 图像处理方法、装置及电子设备
CN108510538B (zh) 三维图像合成方法、装置及计算机可读存储介质
CN115239584A (zh) 用三维合成数据去除人像眼镜及其阴影的方法及装置

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