CN110543802A - 眼底图像中左右眼识别方法与装置 - Google Patents

Abstract

本发明涉及一种眼底图像中左右眼识别方法与装置。该方法首先检测眼底图像中的视盘位置，然后根据视盘位置判断眼底图像为左眼或者右眼。该方法通过识别眼底图像中的高亮圆形区域来检测视盘位置，包括：对图像进行降采样处理；对降采样后的图像进行颜色分解，获得RGB三个分量上的单通道图像；分别对三个分量上的单通道图像进行中值滤波和最大值滤波；在三个分量上的单通道图像中检测圆形高亮区域，圆形高亮区域即为视盘位置。另外也可以采用基于模式识别的方法或基于深度学习的方法检测眼底图像中的视盘位置。本发明可以准确的识别眼底图像为左眼图像还是右眼图像，可以应用于图像采集过程中也可以应用于眼底图像分析和处理过程中。

Description

眼底图像中左右眼识别方法与装置

技术领域

本发明属于信息技术、图像处理技术领域，具体涉及一种眼底图像中左右眼识别方法与装置。

背景技术

在进行眼底图像的分析过程中，需要对眼底图像进行分类，将左眼眼底图像和右眼眼底图像区分开来，方便后续的分析、诊断工作。目前主要是通过人工手动分类的方法，眼科阅片医生在完成眼底图像的采集后，对眼底图像为左眼或者右眼进行标记，然后将标记为左眼的图像进行分组，将标记为右眼的图像进行分组。还有一种对左右眼分类的方法是在眼底图像的采集过程中进行的，通过约定采集眼底图像的顺序(例如：先采集右眼、后采集左眼)来对图像是左眼还是右眼进行分类整理。当前还有一种采用深度学习训练分类器来区分眼底图像为左眼或者右眼的方式(Chakravorty R,Garnavi R,RoyP.AUTOMATICALLY DETECTING EYE TYPE IN RETINAL FUNDUS IMAGES:,US20170112372[P].2017.)，该方法首先提取眼底图像中血管组织体的位置，然后对视盘的位置进行定位，通过血管和视盘的位置、颜色提取特征，训练分类器，然后实现对图像为左眼或者右眼进行分类。

现有技术主要采用手工分类和采集图像过程中对采集顺序进行约定的方法。其中手动分类需要人工对眼底图像的内容进行判读，然后区分左右眼，然后对眼底图像的类别进行标记，这需要眼科医生花费精力进行阅片，虽然现有的眼科信息化产品可以在操作流和界面上对该功能进行优化，但依旧给医生增加了较大的工作量。另一种通过在采集图像的过程中对采集顺序进行约定的方法的灵活性较差，由于在眼底图像的采集过程中可能获取到的图像并不理想，或者一只眼睛需要采集多张图像，而另一只眼睛无需采集或者只需要采集一张图像，难以通过约定采集顺序的方法来适应图像采集过程中出现的各种情况。上述采用深度学习训练分类器的方法由于需要对眼底图像的血管进行提取、采用深度神经网络进行分类，计算量较大，很难做到实时处理。

发明内容

本发明实现了一种自动识别眼底图像为左眼或者右眼的方法与装置，该方法可以应用于图像采集过程中也可以应用于眼底图像分析和处理过程中。本发明可以准确的识别眼底图像为左眼图像还是右眼图像，可以减少医生实际分类过程中的工作量。本发明无需提取眼底图像中血管的位置，计算量较小，可以做到实时处理。

本发明采用的技术方案如下：

一种眼底图像中左右眼识别方法，其特征在于，包括以下步骤：

1)检测眼底图像中的视盘位置；

2)根据视盘位置判断眼底图像为左眼或者右眼。

进一步地，步骤1)通过识别眼底图像中的高亮圆形区域来检测视盘位置，包括以下步骤：

1.1)对图像进行降采样处理；

1.2)对降采样后的图像进行颜色分解，获得RGB三个分量上的单通道图像；

1.3)分别对三个分量上的单通道图像进行中值滤波和最大值滤波；

1.4)在三个分量上的单通道图像中检测圆形高亮区域，圆形高亮区域即为视盘位置。

进一步地，步骤1.4)首先在绿色分量单通道图像上检测圆形高亮区域，然后分别在红色、蓝色分量的单通道图像上检测高亮圆形区域；记录在三个颜色分量上的单通道图像上检测到的符合条件的圆形区域的在图像上的位置和圆形的半径，找到圆形重叠最多的半径最大的圆形为眼底图像上高亮圆形区域的检测结果。

进一步地，采用以下步骤在单通道图像上检测圆形高亮区域：

a)采用不同的灰度阈值对图像进行二值化，图像中像素灰度值大于阈值的设为1，小于阈值的设为0；

b)提取二值化后的图像上的值为1的像素组成的形状的轮廓；

c)计算轮廓所包含的区域的面积、轮廓的凸度；

d)根据设定的面积阈值、凸度阈值，找到大于阈值的轮廓，用圆形拟合轮廓曲线获得圆形的圆心位置和半径；

e)在不同灰度阈值二值化的图像上获得的圆形区域中，选择重叠次数大于一定数值的圆形区域，舍弃其他的圆形区域，保留该圆形区域中半径最大的一个。

进一步地，步骤1.4)根据图像缩放的系数，将检测到的圆形位置和半径进行放大，获得原始尺寸图向上的高亮圆形区域的位置和半径。

进一步地，步骤1.4)中如果没有出现重叠的圆形区域，则以在绿色分量的单通道图像上的圆形区域作为最终检测结果。

进一步地，步骤1)采用基于模式识别的方法检测眼底图像中的视盘位置；所述基于模式识别的方法首先对训练集图像中视盘的位置进行手工标注，然后提取视盘所在区域的特征，训练分类器，然后用分类器对测试集图像中视盘所在位置进行定位。

进一步地，步骤1)采用基于深度学习的方法检测眼底图像中的视盘位置；所述基于深度学习的方法首先通过人工对眼底图像中视盘的位置进行标记，将包含视盘的局部图像作为正样本，将不包含视盘的局部图像作为负样本，然后训练深度神将网络，用训练好的深度神经网络识别图像中视盘所在位置。

一种眼底图像中左右眼识别装置，其包括：

图像输入模块，负责载入眼底图像：

视盘定位模块，负责检测眼底图像中的视盘位置；

结果输出及显示模块，负责根据视盘位置判断眼底图像为左眼或者右眼，并将判断结果进行输出及显示。

本发明的有益效果如下：

a)计算量小，可以实时处理：本发明首先高分辨率的眼底图像进行了降采样，获得了较低分辨率的图像，减少了后续的计算量，并且并未影响最终计算结果的准确度。本发明无需提取眼底图像上的血管位置信息，进一步降低了计算量。

b)高准确率、高特异性：通过对大量医生标注的正常、病变眼底图像进行测试表明，该方法具有极高的准确率和特异性。

附图说明

图1是本发明的眼底图像中左右眼识别方法的步骤流程图。

图2是本发明的眼底图像中左右眼识别装置的组成结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面通过具体实施例和附图，对本发明做进一步详细说明。

图1是本发明的眼底图像中左右眼识别方法的步骤流程图。该方法主要包括载入图像、视盘位置检测、根据视盘位置识别左右眼三个步骤。

1.载入图像

该步骤从存储介质上读取眼底图像。

2.视盘位置检测

2.1)降采样

由于眼底图像分辨率较大，其图像高度在2000个像素左右，首先需要对图像进行缩小。通过对图像进行缩小可以减少后续所需要的计算量，提高检测速度。

2.2)颜色分解

对降采样后的图像进行RGB三通道分解，获得RGB三个分量上的单通道图像。

2.3)中值滤波、最大值滤波

分别对三个分量上的单通道图像进行中值滤波、最大值滤波，然后为了便于二值化图像，将单通道图像的动态范围扩展到0-255。

其中中值滤波是在单通道图像上采用从左至右、从上至下的方式选取一个局部区域，对局部区域内的像素灰度值按照从小到大的顺序排序，求取排序后中间位置上的灰度值，将局部区域的中心用该灰度值替代。

其中最大值滤波是在单通道图像上采用从左至右、从上至下的方式选取一个局部区域，求取局部区域中的灰度最大值，然后将局部区域的中心用该最大值替代。

2.4)提取圆形高亮区域

接下来，首先在绿色分量单通道图像上检测圆形高亮区域。检测圆形高亮区域的方法为：

a)采用不同的灰度阈值对图像进行二值化，图像中像素灰度值大于阈值的设为1，小于阈值的设为0。

b)提取二值化后的图像上的值为1的像素组成的形状的轮廓。提取轮廓的方法是：从左至右、从上至下地遍历二值化后的图像，当遇到第一个非0值的像素时，记录该像素的坐标，并将该点记为轮廓的起点，然后在与当前像素值相邻的8个像素中以左方像素为起点，按照顺时针的顺序查找非0值的像素作为轮廓的下一个点，记录该点的坐标，重复上述步骤直至回到轮廓的起点，所记录的所有的点即为轮廓，然后将已经提取的轮廓内的非零值的像素点的灰度值设为0，然后继续从左至右、从上至下的顺序查找下一个轮廓的起点，直至图像的右下角为止。

c)计算轮廓所包含的区域的面积、轮廓的凸度。轮廓所包含的区域的面积即为轮廓所包含的图像的像素个数。凸度是指轮廓中不同位置上固定长度圆弧所包含的圆心角除以4的正切值的均值。

d)根据设定的面积阈值、凸度阈值，找到大于阈值的轮廓，用圆形拟合轮廓曲线获得圆形的圆心位置和半径；在使用不同灰度阈值二值化的图像上采用上述方法提取圆形，然后将得到的圆形的圆心位置和半径进行记录；

e)在不同灰度阈值二值化的图像上获得的圆形区域中，选择重叠次数大于一定数值的圆形区域，舍弃其他的圆形区域，保留该圆形区域中半径最大的一个。

然后分别在红色、蓝色分量的单通道图像上检测高亮圆形区域；记录在三个颜色分量上的单通道图像上检测到的符合条件的圆形区域的在图像上的位置和圆形的半径，找到圆形重叠最多的半径最大的圆形为眼底图像上高亮圆形区域的检测结果。然后根据图像缩放的系数，将检测到的圆形位置和半径进行放大，获得原始尺寸图向上的高亮圆形区域的位置和半径。如果没有出现重叠的圆形区域，则以在绿色分量的单通道图像上的圆形区域作为最终检测结果。

3.根据视盘位置识别左右眼

获得眼底图像上的高亮圆形区域后，根据高亮圆形区域的圆心位置判别图像是左眼还是右眼。如果高亮圆形区域的圆心位于图像中心的右侧，则为右眼，如果高亮圆形区域的圆心位于图像的左侧，则为左眼。

本发明方法的关键点主要包括：

a)对图像进行缩放、中值滤波、最大值滤波；

b)对图像进行颜色分量分解获得每个颜色分量的单通道图像，在每个颜色分量的单通道图像上进行圆形高亮区域检测。

c)在不同颜色分量的单通道直方图上检测到的圆形高亮区域中选择一个重叠次数最多的区域作为最终检测结果。

本发明方法通过对大量医生标注的正常、病变眼底图像进行了测试，实验结果如表1所示，结果表明，该方法具有极高的准确率和特异性。

表1.本发明的方法的测试结果

	医生标注左眼眼底	医生标注右眼眼底	准确率
				软件判别左眼眼底	95	3	96.9％
软件判别左眼眼底	5	97	95.1％
				特异性	95％	97％

本发明的核心是识别视盘在眼底图像中的位置，上述实施例中采用了识别图像中高亮圆形区域作为视盘位置的方案。本发明还可以通过其他方法来识别视盘位置，例如：基于模式识别的方法。通过对训练集图像中视盘的位置进行手工标注，然后提取视盘所在区域的颜色、直方图、梯度等特征，训练分类器，然后用分类器对测试集图像中视盘所在位置进行定位，从而实现对眼底图像为左眼、右眼进行判别。

本发明还可以采用基于深度学习的视盘定位方法；通过人工(如医生)对眼底图像中视盘的位置进行标记，将包含视盘的局部图像作为正样本，将不包含视盘的局部图像作为负样本，训练深度神将网络，然后用训练好的深度神经网络识别图像中视盘所在位置。

本发明另一实施例提供一种眼底图像中左右眼识别装置，其组成结构如图2所示，该装置包括输入、输出设备，处理器，RAM，存储器等基础部件，还包括图像输入模块，视盘定位模块，以及结果输出、显示模块。其中，图像输入模块负责载入眼底图像：视盘定位模块，负责采用上面所述的方法检测眼底图像中的视盘位置；结果输出及显示模块，负责根据视盘位置判断眼底图像为左眼或者右眼，并将判断结果进行输出及显示。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求书所述为准。

Claims (10)

1.一种眼底图像中左右眼识别方法，其特征在于，包括以下步骤：

1)检测眼底图像中的视盘位置；

2)根据视盘位置判断眼底图像为左眼或者右眼。

2.根据权利要求1所述的方法，其特征在于，步骤1)通过识别眼底图像中的高亮圆形区域来检测视盘位置，包括以下步骤：

1.1)对图像进行降采样处理；

1.2)对降采样后的图像进行颜色分解，获得RGB三个分量上的单通道图像；

1.3)分别对三个分量上的单通道图像进行中值滤波和最大值滤波；

1.4)在三个分量上的单通道图像中检测圆形高亮区域，圆形高亮区域即为视盘位置。

3.根据权利要求2所述的方法，其特征在于，步骤1.4)首先在绿色分量单通道图像上检测圆形高亮区域，然后分别在红色、蓝色分量的单通道图像上检测高亮圆形区域；记录在三个颜色分量上的单通道图像上检测到的符合条件的圆形区域的在图像上的位置和圆形的半径，找到圆形重叠最多的半径最大的圆形为眼底图像上高亮圆形区域的检测结果。

4.根据权利要求3所述的方法，其特征在于，采用以下步骤在单通道图像上检测圆形高亮区域：

a)采用不同的灰度阈值对图像进行二值化，图像中像素灰度值大于阈值的设为1，小于阈值的设为0；

b)提取二值化后的图像上的值为1的像素组成的形状的轮廓；

c)计算轮廓所包含的区域的面积、轮廓的凸度；

d)根据设定的面积阈值、凸度阈值，找到大于阈值的轮廓，用圆形拟合轮廓曲线获得圆形的圆心位置和半径；

e)在不同灰度阈值二值化的图像上获得的圆形区域中，选择重叠次数大于一定数值的圆形区域，舍弃其他的圆形区域，保留该圆形区域中半径最大的一个。

5.根据权利要求4所述的方法，其特征在于，步骤b)提取所述轮廓的方法是：从左至右、从上至下地遍历二值化后的图像，当遇到第一个非0值的像素时，记录该像素的坐标，并将该点记为轮廓的起点，然后在与当前像素值相邻的8个像素中以左方像素为起点，按照顺时针的顺序查找非0值的像素作为轮廓的下一个点，记录该点的坐标；重复上述步骤直至回到轮廓的起点，所记录的所有的点即为轮廓；然后将已经提取的轮廓内的非零值的像素点的灰度值设为0，然后继续从左至右、从上至下的顺序查找下一个轮廓的起点，直至图像的右下角为止。

6.根据权利要求3所述的方法，其特征在于，步骤1.4)根据图像缩放的系数，将检测到的圆形位置和半径进行放大，获得原始尺寸图向上的高亮圆形区域的位置和半径。

7.根据权利要求3所述的方法，其特征在于，步骤1.4)中如果没有出现重叠的圆形区域，则以在绿色分量的单通道图像上的圆形区域作为最终检测结果。

8.根据权利要求1所述的方法，其特征在于，步骤1)采用基于模式识别的方法检测眼底图像中的视盘位置；所述基于模式识别的方法首先对训练集图像中视盘的位置进行手工标注，然后提取视盘所在区域的特征，训练分类器，然后用分类器对测试集图像中视盘所在位置进行定位。

9.根据权利要求1所述的方法，其特征在于，步骤1)采用基于深度学习的方法检测眼底图像中的视盘位置；所述基于深度学习的方法首先通过人工对眼底图像中视盘的位置进行标记，将包含视盘的局部图像作为正样本，将不包含视盘的局部图像作为负样本，然后训练深度神将网络，用训练好的深度神经网络识别图像中视盘所在位置。

10.一种眼底图像中左右眼识别装置，其特征在于，包括：

图像输入模块，负责载入眼底图像：

视盘定位模块，负责检测眼底图像中的视盘位置；

结果输出及显示模块，负责根据视盘位置判断眼底图像为左眼或者右眼，并将判断结果进行输出及显示。