CN110674828B - 一种归一化眼底图像的方法和装置 - Google Patents
一种归一化眼底图像的方法和装置 Download PDFInfo
- Publication number
- CN110674828B CN110674828B CN201810719602.0A CN201810719602A CN110674828B CN 110674828 B CN110674828 B CN 110674828B CN 201810719602 A CN201810719602 A CN 201810719602A CN 110674828 B CN110674828 B CN 110674828B
- Authority
- CN
- China
- Prior art keywords
- fundus image
- channel
- color model
- gray level
- histogram
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/32—Normalisation of the pattern dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Eye Examination Apparatus (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种归一化眼底图像的方法和装置。所述方法包括:根据标准眼底图像的灰度直方图,拟合具有第一特征值的第一正态分布函数;根据所述眼底图像的灰度直方图,拟合具有第二特征值的第二正态分布函数;根据第一特征值与第二特征值之差,调整所述眼底图像的灰度直方图。本发明考虑到了眼底图像自身的特点,能够高效准确地对不同质量的眼底图像进行归一化。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种归一化眼底图像的方法和装置。
背景技术
通过观察和识别眼底图像能够发现患者身体的许多病症。近年来通过计算机自动识别眼底图像进行辅助诊断的技术得到发展。阻碍眼底图像的自动化识别的一个技术难点在于,在采集眼底图像时,由于拍摄设备和拍摄者的拍摄技术的不同,可能会造成眼底图像的质量发生相当大幅度的变化,使得后期对眼底图像的处理和识别变得困难。
一些现有技术想到在对眼底图像进行识别和检测之前,先对不同质量的眼底图像进行归一化处理。然而,这些现有技术没有考虑到眼底图像本身的特点,无法很好地起到统一眼底图像质量的效果。
发明内容
为了解决上述问题,本发明提供一种归一化眼底图像的方法和装置,能够针对眼底图像本身的特点实现高效准确的归一化处理。
在一方面,本发明提供一种归一化眼底图像的方法,包括:根据标准眼底图像的灰度直方图,拟合具有第一特征值的第一正态分布函数;根据所述眼底图像的灰度直方图,拟合具有第二特征值的第二正态分布函数;根据第一特征值与第二特征值之差,调整所述眼底图像的灰度直方图。
根据本发明的一个具体实施例,灰度直方图包括眼底图像和标准眼底图像所采用的颜色模型的其中一个通道上的灰度直方图。
根据本发明的一个具体实施例,颜色模型包括红绿蓝RGB颜色模型、XYZ颜色模型、LAB颜色模型、色调-饱和度-亮度HSI颜色模型、色调-饱和度-明度HSV颜色模型、YUV颜色模型、或者青品黄黑CMYK颜色模型。
根据本发明的一个具体实施例,根据第一特征值与第二特征值之差,调整眼底图像的灰度直方图,包括:对眼底图像的灰度直方图进行线性平移,使得第二特征值等于第一特征值。
根据本发明的一个具体实施例,第一特征值包括第一均值,第二特征值包括第二均值。
根据本发明的一个具体实施例,第一特征值还包括第一方差,第二特征值还包括第二方差。
根据本发明的一个具体实施例,眼底图像和标准眼底图像均采用LAB颜色模型,灰度直方图包括LAB颜色模型的L通道上的灰度直方图、A通道上的灰度直方图和B通道上的灰度直方图。
根据本发明的一个具体实施例,对于L通道上的的灰度直方图,第一特征值和第二特征值均包括均值;对于A通道上的灰度直方图,第一特征值和第二特征值均包括均值和方差;对于B通道上的灰度直方图,第一特征值和第二特征值均包括均值和方差。
根据本发明的一个具体实施例,所述方法还包括:根据眼底图像的亮度通道上的灰度分布,拟合二次曲面;根据二次曲面,对眼底图像的亮度通道上的灰度分布进行补偿。
根据本发明的一个具体实施例,眼底图像的亮度通道包括XYZ颜色模型中的Y通道、色调-饱和度-亮度HSI颜色模型中的亮度I通道、色调-饱和度-明度HSV颜色模型中的明度V通道、LAB颜色模型中的L通道、或者YUV颜色模型中的Y通道。
在另一方面,本发明提供一种用于归一化眼底图像的装置,包括:第一拟合模块,用于根据标准眼底图像的灰度直方图,拟合具有第一特征值的第一正态分布函数;第二拟合模块,用于根据所述眼底图像的灰度直方图,拟合具有第二特征值的第二正态分布函数;调整模块,根据第一特征值与第二特征值之差,调整所述眼底图像的灰度直方图。
在再一方面,本发明提供一种服务器,包括:存储器;处理器;应用程序,应用程序被存储在存储器中,并且被配置成由处理器执行,应用程序包括用于执行上述方法的指令。
在又一方面,本发明提供一种计算机可读介质,其存储有用于归一化眼底图像的计算机程序,其中计算机程序使得计算机执行上述方法。
本发明的眼底图像归一化方法和装置,通过以高质量的标准眼底图像为基准,对不同质量的眼底图像进行统一,使得归一化有了明确的标准和参照,有利于形成高度一致的归一化效果。进一步,本发明通过拟合函数的方式,计算待处理眼底图像与标准图像之间的差距,作为下一步调整的依据,这有利于在整体上把握眼底图像的质量,降低图像噪声对归一化处理的强度的影响,从而避免对眼底图像的调整幅度过大或失准。进一步,本发明发现了眼底图像的灰度直方图大致符合正态分布的特点,选择正态分布函数作为拟合的目标函数,这更能真实体现不同眼底图像之间的质量差别,使得归一化调整的强度和参数更加符合眼底图像本身的固有性质,从而能够更加准确和高效地实现眼底图像归一化的计算和操作。
附图说明
以下结合附图详细描述本发明的具体实施方式,其中:
图1示出根据本发明一实施例的归一化眼底图像的方法的流程图;
图2示出根据本发明另一实施例的归一化眼底图像的方法的流程图;
图3A示出根据本发明一实例的标准眼底图像;
图3B示出根据本发明实例的标准眼底图像的平滑后的灰度直方图;
图3C示出根据本发明实例的待处理的眼底图像;
图3D示出根据本发明实例的待处理眼底图像的灰度直方图;
图3E示出根据本发明实例的待处理眼底图像的平滑后的灰度直方图;
图3F示出根据本发明实例的待处理眼底图像的平移后的灰度直方图;
图3G示出根据本发明实例的处理后的眼底图像;
图4示出根据本发明一实施例的用于归一化眼底图像的装置的结构示意图。
具体实施方式
为了使本领域技术人员更加清楚地理解本发明的概念和思想,以下结合具体实施例详细描述本发明。应理解,本文给出的实施例都只是本发明可能具有的所有实施例的一部分。本领域技术人员在阅读本申请的说明书以后,有能力对下述实施例的部分或整体作出改进、改造、或替换,这些改进、改造、或替换也都包含在本发明要求保护的范围内。
在本文中,术语“第一”、“第二”和其它类似词语并不意在暗示任何顺序、数量和重要性,而是仅仅用于对不同的元件进行区分。在本文中,术语“一”、“一个”和其它类似词语并不意在表示只存在一个所述事物,而是表示有关描述仅仅针对所述事物中的一个,所述事物可能具有一个或多个。在本文中,术语“包含”、“包括”和其它类似词语意在表示逻辑上的相互关系,而不能视作表示空间结构上的关系。例如,“A包括B”意在表示在逻辑上B属于A,而不表示在空间上B位于A的内部。另外,术语“包含”、“包括”和其它类似词语的含义应视为开放性的,而非封闭性的。例如,“A包括B”意在表示B属于A,但是B不一定构成A的全部,A还可能包括C、D、E等其它元素。
在本文中,术语“实施例”、“本实施例”、“一实施例”、“一个实施例”并不表示有关描述仅仅适用于一个特定的实施例,而是表示这些描述还可能适用于另外一个或多个实施例中。本领域技术人员应理解,在本文中,任何针对某一个实施例所做的描述都可以与另外一个或多个实施例中的有关描述进行替代、组合、或者以其它方式结合,所述替代、组合、或者以其它方式结合所产生的新实施例是本领域技术人员能够容易想到的,属于本发明的保护范围。
本发明各实施例提供一种归一化眼底图像的方法,用于使不同眼底图像的颜色、亮度、曝光等图像特性归于统一,方便对眼底图像的后续处理和识别。在本发明各实施例中,眼底图像是指通过眼底图像拍摄设备自动或人工拍摄的示出眼球底部视网膜区域的图像。眼底图像属于自然场景图像,因而其灰度分布具有自然场景的随机分布规律。眼底图像中显示的内容较为简单,主要包括视盘、黄斑和血管等。整幅眼底图像中的色彩、亮度等反差较小,显示效果较为均匀。本申请发明人发现,因为眼底图像的这些特性,其灰度直方图呈现接近正态分布的规律。
图1示出根据本发明一实施例的归一化眼底图像的方法的流程图。
如图1所示,在本实施例中,归一化眼底图像的方法包括:
101、根据标准眼底图像的灰度直方图,拟合具有第一特征值的第一正态分布函数;
102、根据眼底图像的灰度直方图,拟合具有第二特征值的第二正态分布函数;
103、根据第一特征值与第二特征值之差,调整眼底图像的灰度直方图。
以下详述101:根据标准眼底图像的灰度直方图,拟合具有第一特征值的第一正态分布函数。
在一实施例中,标准眼底图像是操作人员选取的图像质量较好、具有一定参考价值的眼底图像。标准眼底图像的颜色、亮度、曝光等图像特性均呈理想状态或接近理想状态。
在一实施例中,灰度直方图可以是整个眼底图像的灰度直方图,也可以是眼底图像的某一通道上的灰度直方图。例如,当眼底图像为黑白图像或灰度图像时,灰度直方图可以是体现整个图像的灰度分布的灰度直方图;当眼底图像为彩色图像时,灰度直方图既可以是去除色彩信息后的整个图像的灰度分布的灰度直方图,也可以是该彩色眼底图像所采用的颜色模型中的某一通道上的灰度直方图。所述颜色模型是用于准确表示任意色彩的一系列参数或分量的组合,经常使用的颜色模型包括RGB(红绿蓝)颜色模型、CMYK(青品黄黑)颜色模型等。所述通道是指颜色模型中用于表示色彩的某一参数或分量,比如RGB颜色模型中的R(红)通道、G(绿)通道、B(蓝)通道。
在一实施例中,正态分布函数是一种自然界中广泛存在的随机概率分布函数,其表达式例如为:
其中x为变量,e为自然底数,π为圆周率,μ为变量x的平均值或期望,σ为变量x的标准差。变量x的方差为σ2。在一实施例中,特征值可以是均值、标准差、方差、其它值、或其组合。
在一实施例中,对于包含亮度通道的颜色模型而言,其亮度通道上的特征值可以仅为均值。这是因为本申请发明人发现,在整幅眼底图像中,亮度变化通常不大,亮度分布的波动较小,仅使亮度分布的均值归于统一即可满足后续处理的要求。所述亮度通道例如为XYZ颜色模型中的Y通道、HSI(色调-饱和度-亮度)颜色模型中的I(亮度)通道、HSV(色调-饱和度-明度)颜色模型中的V(明度)通道、LAB颜色模型中的L通道、或者YUV颜色模型中的Y通道。
在一优选实施例中,眼底图像均采用LAB颜色模型,因为该颜色模型更加符合人眼对色彩的感觉,颜色变化空间相对较大,能够更加准确地描述图像色彩。本申请发明人发现,采用LAB颜色模型进行归一化能够取得较佳的效果。当采用LAB颜色模型时,对于L通道的灰度直方图,拟合的正态分布函数的特征值可以是均值,对于A通道和B通道的灰度直方图,拟合的正态分布函数的特征值可以包括均值和方差。
在一实施例中,拟合是指构造一条函数曲线,使其尽量经过或逼近灰度直方图的所有条柱的顶点。拟合的数学方法有最小二乘法、插值法等。在一实施例中,拟合可以是直接用拟合算法进行拟合,也可以是先对眼底图像的灰度直方图进行平滑处理,再对平滑后的直方图进行函数拟合。本申请发明人发现,在拟合之前先对灰度直方图进行平滑处理,有利于提高后续拟合的精确性,使得拟合出的函数图像更符合灰度直方图的总体变化趋势。在一实施例中,所述平滑处理例如采用高斯平滑、多项式平滑、直线平滑、或者其它平滑算法。
以下详述102:根据眼底图像的灰度直方图,拟合具有第二特征值的第二正态分布函数。
102与101总体上类似,区别在于101处理的对象是标准眼底图像,而102处理的对象是待处理的眼底图像。因此,102中产生的第二正态分布函数与101中的第一正态分布函数应当不同,102中产生的第二特征值与101中产生的第一特征值应当不同。在一实施例中,通过101和102中的函数拟合操作,能够得到准确反映图像质量特征的参数值(即第一特征值和第二特征值),从而为后续的调整提供基础。如上所述,本申请发明人发现,眼底图像的灰度直方图大致符合正态分布。因此,选用正态分布函数进行拟合,能够提取到更符合眼底图像本身特性的质量特征参数,使得下一步对眼底图像的调整更为精确有效。
以下详述103:根据第一特征值与第二特征值之差,调整眼底图像的灰度直方图。
得到第一特征值和第二特征值之后,容易求得其差值。根据该差值调整待处理眼底图像的灰度直方图,可以是指,使得待处理眼底图像的第二特征值与标准眼底图像的第一特征值相等,也可以是指,使得待处理眼底图像的第二特征值更加接近标准眼底图像的第一特征值。后者例如可以是,使得第二特征值与第一特征值之间的差值在一较小的固定范围内,或者按一定比例缩小第二特征值与第一特征值之间的差值。调整的数学方式可以是线性的,也可以是非线性的。本申请发明人发现,采用线性方式调整眼底图像的灰度直方图更加有利,因为这样可以尽量减少调整对图像内容所造成的影响,避免降低后续对眼底图像中的生理结构进行识别的准确性。
图2示出根据本发明另一实施例的归一化眼底图像的方法的流程图。
如图所示,在本实施例中,归一化眼底图像的方法包括:
201、根据标准眼底图像的灰度直方图,拟合具有第一特征值的第一正态分布函数;
202、根据眼底图像的灰度直方图,拟合具有第二特征值的第二正态分布函数;
203、根据第一特征值与第二特征值之差,调整眼底图像的灰度直方图;
204、根据眼底图像的亮度通道上的灰度分布,拟合二次曲面;
205、根据所述二次曲面,对眼底图像的亮度通道上的灰度分布进行补偿。
在本实施例中,201-203与图1实施例的101-103基本相同,不再赘述。
以下详述204:根据眼底图像的亮度通道上的灰度分布,拟合二次曲面。
在一实施例中,亮度通道是指颜色模型中的仅用于表示图像亮度的通道,例如XYZ颜色模型中的Y通道、HSI颜色模型中的I通道、HSV颜色模型中的V通道、LAB颜色模型中的L通道、或者YUV颜色模型中的Y通道等。
在一实施例中,灰度分布是指像素点所具有的灰度值在整个图像平面上的分布情况,其统计方式可以是三维灰度分布图。在三维灰度分布图中,x轴和y轴对应于像素点在图像平面中的位置,z轴对应于像素点的灰度值。当然,其它能够体现或统计待处理眼底图像的灰度分布的图形或方法也是可以想到的。
在一实施例中,拟合二次曲面,可以是指构造一个二次曲面,使其尽可能经过眼底图像的三维灰度分布图上的所有点。在一实施例中,所述二次曲面可以是具有圆形轮廓的二次曲面,例如球面、椭球面、抛物面等,从而使得拟合出的二次曲面形状更加符合眼球或眼底图像的形状和轮廓。
以下详述205:根据所述二次曲面,对眼底图像的亮度通道上的灰度分布进行补偿。
在一实施例中,补偿可以指对眼底图像的灰度分布中与拟合出的二次曲面存在差别或存在较大差别的地方进行调整,使其符合或更接近所述二次曲面。
在一实施例中,204和205的作用在于调整眼底图像的曝光分布,使过亮或过暗的地方得到调整,使得各幅眼底图像的曝光分布趋于均匀和统一。在一实施例中,曝光分布原指拍摄照片时底片上的感光程度的分布情况;在数字图像的情况下,曝光分布可以看作亮度通道上的灰度值的分布,或者与亮度有关的颜色通道上的灰度值的分布。
以下结合图3A-3G,通过一个具体实例详细描述本发明的方法在实际操作中的典型流程。
本实例中的所有眼底图像均采用LAB颜色模型。
首先,选取一幅高质量的眼底图像作为标准眼底图像,如图3A所示。统计该标准眼底图像的L通道的灰度直方图(未示出)。然后,对统计出的灰度直方图进行高斯平滑,使该灰度直方图的各个条柱的顶点连接成一条平滑的高斯曲线,如图3B所示。
然后,对经过高斯平滑的灰度直方图进行函数拟合,得到一个正态分布函数,并求得该正态分布函数的均值为148(假定所有像素的灰度值均在0至255的范围内变动)。
接下来,针对待处理的眼底图像(如图3C所示),以类似方式统计其L通道的灰度直方图,得到如图3D所示的图象。同样地,对该灰度直方图进行高斯平滑,使其成为符合高斯曲线的灰度直方图,如图3E所示。
然后,对图3E的灰度直方图进行函数拟合,得到另一个正态分布函数,求得该正态分布函数的均值为193。
容易求得,两个均值之差为45。
根据所得到的差值,将待处理眼底图像的灰度直方图向左线性平移45个单位,如图3F所示。由此,得到处理后的眼底图像,如图3G所示。可以看出,图3G所示的眼底图像的质量,相较于图3C所示的原图,已经更加接近于图3A所示的标准眼底图像的质量。
图4示出根据本发明一实施例的用于归一化眼底图像的装置400的结构示意图。
如图4所示,在本实施例中,所述装置400包括:
第一拟合模块410,用于根据标准眼底图像的灰度直方图,拟合具有第一特征值的第一正态分布函数;
第二拟合模块420,用于根据待处理的眼底图像的灰度直方图,拟合具有第二特征值的第二正态分布函数;
调整模块430,用于根据所述第一特征值与所述第二特征值之差,调整所述眼底图像的灰度直方图。
关于第一拟合模块410、第二拟合模块420和调整模块430的细节,可以分别参见上文关于图1实施例的101、102和103的描述。
在一实施例中,所述灰度直方图包括待处理的眼底图像和标准眼底图像所采用的颜色模型的其中一个通道上的灰度直方图。
在一实施例中,所述颜色模型包括RGB颜色模型、XYZ颜色模型、LAB颜色模型、HSI颜色模型、HSV颜色模型、YUV颜色模型、或者CMYK颜色模型。
在一实施例中,第一调整模块430被配置成,对待处理的眼底图像的灰度直方图进行线性平移,使得第二特征值等于第一特征值。
在一实施例中,第一特征值包括第一均值,第二特征值包括第二均值。
在一实施例中,第一特征值包括第一均值和第一方差,第二特征值包括第二均值和第二方差。
在一实施例中,待处理的眼底图像和所述标准眼底图像均采用LAB颜色模型,灰度直方图包括LAB颜色模型的L通道上的灰度直方图、A通道上的灰度直方图和B通道上的灰度直方图。
在一实施例中,对于L通道上的的灰度直方图,所述第一特征值和所述第二特征值均包括均值;对于A通道上的灰度直方图,所述第一特征值和所述第二特征值均包括均值和方差;对于B通道上的灰度直方图,所述第一特征值和所述第二特征值均包括均值和方差。
在一实施例中,所述装置400还包括:
第三拟合模块440,用于根据待处理的眼底图像的亮度通道上的灰度分布,拟合二次曲面;
补偿模块450,用于根据所述二次曲面,对待处理的眼底图像的亮度通道上的灰度分布进行补偿。
关于第三拟合模块440和补偿模块450的细节,可以分别参见上文关于图2实施例的204和205的描述。
在一实施例中,待处理的眼底图像的亮度通道包括XYZ颜色模型中的Y通道、HSI颜色模型中的I通道、HSV颜色模型中的V通道、LAB颜色模型中的L通道、或者YUV颜色模型中的Y通道。
本领域技术人员可以理解,虽然以上具体实施方式(包括实施例和实例)介绍了图像制作装置的若干模块,但是这种划分并非是强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。本领域技术人员可以理解,本发明的技术方案可以用软件来实现,具体而言,可以是计算机程序的方式实现。比如,在类似RAM、ROM、硬盘和/或任何适当的存储介质中存储可执行代码,当该可执行代码被执行时,可以实现本发明以上实施例提及的功能。
应当注意,本发明的实施方式还可以通过硬件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的装置和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的装置及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上结合具体实施方式详细描述了本发明的概念、原理和思想。本领域技术人员应理解,本发明的实施方式不止上文给出的这几种形式,本领域技术人员在阅读本申请文件以后,可以对上述实施方式中的步骤、方法、装置、部件做出任何可能的改进、替换和等同形式,这些改进、替换和等同形式应视为落入在本发明的范围内。本发明的保护范围仅以权利要求书为准。
Claims (9)
1.一种归一化眼底图像的方法,包括:
根据标准眼底图像的灰度直方图,拟合具有第一特征值的第一正态分布函数;
根据待处理的眼底图像的灰度直方图,拟合具有第二特征值的第二正态分布函数,其中,所述第一特征值和所述第二特征值中的每个包括均值、标准差、方差中的一种,或其中的任意组合;
根据所述第一特征值与所述第二特征值之差,调整所述待处理的眼底图像的灰度直方图,
其中,所述根据所述第一特征值与所述第二特征值之差,调整所述待处理的眼底图像的灰度直方图,包括:
对所述待处理的眼底图像的灰度直方图进行线性平移,使得所述第二特征值等于所述第一特征值,或者,使得所述第二特征值更加接近所述第一特征值,
所述方法还包括:
根据所述待处理的眼底图像的亮度通道上的灰度分布,拟合二次曲面;
根据所述二次曲面,对所述待处理的眼底图像的亮度通道上的灰度分布进行补偿。
2.根据权利要求1所述的方法,其中,所述灰度直方图包括所述待处理的眼底图像和所述标准眼底图像所采用的颜色模型的其中一个通道上的灰度直方图。
3.根据权利要求2所述的方法,其中,所述颜色模型包括红绿蓝RGB颜色模型、XYZ颜色模型、LAB颜色模型、色调-饱和度-亮度HSI颜色模型、色调-饱和度-明度HSV颜色模型、YUV颜色模型、或者青品黄黑CMYK颜色模型。
4.根据权利要求1所述的方法,其中,所述待处理的眼底图像和所述标准眼底图像均采用LAB颜色模型,所述灰度直方图包括LAB颜色模型的L通道上的灰度直方图、A通道上的灰度直方图和B通道上的灰度直方图。
5.根据权利要求4所述的方法,其中,对于L通道上的灰度直方图,所述第一特征值和所述第二特征值均包括均值;对于A通道上的灰度直方图,所述第一特征值和所述第二特征值均包括均值和方差;对于B通道上的灰度直方图,所述第一特征值和所述第二特征值均包括均值和方差。
6.根据权利要求1所述的方法,其中,所述待处理的眼底图像的亮度通道包括XYZ颜色模型中的Y通道、色调-饱和度-亮度HSI颜色模型中的亮度I通道、色调-饱和度-明度HSV颜色模型中的明度V通道、LAB颜色模型中的L通道、或者YUV颜色模型中的Y通道。
7.一种用于归一化眼底图像的装置,包括:
第一拟合模块,用于根据标准眼底图像的灰度直方图,拟合具有第一特征值的第一正态分布函数;
第二拟合模块,用于根据待处理的眼底图像的灰度直方图,拟合具有第二特征值的第二正态分布函数,其中,所述第一特征值和所述第二特征值中的每个包括均值、标准差、方差中的一种,或其中的任意组合;
调整模块,用于根据所述第一特征值与所述第二特征值之差,对所述待处理的眼底图像的灰度直方图进行线性平移,使得所述第二特征值等于所述第一特征值,或者,使得所述第二特征值更加接近所述第一特征值;
第三拟合模块,用于根据所述待处理的眼底图像的亮度通道上的灰度分布,拟合二次曲面;
补偿模块,用于根据所述二次曲面,对所述待处理的眼底图像的亮度通道上的灰度分布进行补偿。
8.一种服务器,包括:
存储器;
处理器;
应用程序,所述应用程序被存储在所述存储器中,并且被配置成由所述处理器执行,所述应用程序包括用于执行根据权利要求1-6中任一项所述的方法的指令。
9.一种计算机可读介质,其存储有用于归一化眼底图像的计算机程序,其中计算机程序使得计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810719602.0A CN110674828B (zh) | 2018-07-03 | 2018-07-03 | 一种归一化眼底图像的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810719602.0A CN110674828B (zh) | 2018-07-03 | 2018-07-03 | 一种归一化眼底图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110674828A CN110674828A (zh) | 2020-01-10 |
CN110674828B true CN110674828B (zh) | 2023-05-16 |
Family
ID=69065770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810719602.0A Active CN110674828B (zh) | 2018-07-03 | 2018-07-03 | 一种归一化眼底图像的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674828B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494084B (zh) * | 2022-04-14 | 2022-07-26 | 广东欧谱曼迪科技有限公司 | 一种图像颜色均化方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123726A (zh) * | 2012-09-07 | 2013-05-29 | 佳都新太科技股份有限公司 | 一种基于运动行为分析的目标跟踪算法 |
CN106558031A (zh) * | 2016-12-02 | 2017-04-05 | 北京理工大学 | 一种基于成像模型的彩色眼底图的图像增强方法 |
CN106910212A (zh) * | 2015-12-22 | 2017-06-30 | 清华大学 | 基于ir‑mad变换的卫星遥感图像镶嵌颜色均衡方法 |
CN108174087A (zh) * | 2017-12-26 | 2018-06-15 | 北京理工大学 | 一种灰度投影稳像中参考帧更新方法及*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050025927A (ko) * | 2003-09-08 | 2005-03-14 | 유웅덕 | 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법 |
CN101441763B (zh) * | 2008-11-11 | 2012-05-16 | 浙江大学 | 基于颜色传递的多色调图像统一调整方法 |
CN103295226B (zh) * | 2013-04-25 | 2016-05-04 | 哈尔滨工程大学 | 一种基于mrf模型的非监督声纳图像分割方法 |
CN103400156B (zh) * | 2013-07-04 | 2016-04-13 | 西安电子科技大学 | 基于cfar和稀疏表示的高分辨sar图像舰船检测方法 |
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 |
CN107506770A (zh) * | 2017-08-17 | 2017-12-22 | 湖州师范学院 | 糖尿病视网膜病变眼底照相标准图像生成方法 |
CN107730493A (zh) * | 2017-10-24 | 2018-02-23 | 广东天机工业智能***有限公司 | 产品颜色差异检测方法、装置、介质以及计算机设备 |
CN107871311A (zh) * | 2017-11-01 | 2018-04-03 | 中国电子科技集团公司第四十四研究所 | 一种应用于cmos图像传感器的图像增强和融合方法 |
-
2018
- 2018-07-03 CN CN201810719602.0A patent/CN110674828B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123726A (zh) * | 2012-09-07 | 2013-05-29 | 佳都新太科技股份有限公司 | 一种基于运动行为分析的目标跟踪算法 |
CN106910212A (zh) * | 2015-12-22 | 2017-06-30 | 清华大学 | 基于ir‑mad变换的卫星遥感图像镶嵌颜色均衡方法 |
CN106558031A (zh) * | 2016-12-02 | 2017-04-05 | 北京理工大学 | 一种基于成像模型的彩色眼底图的图像增强方法 |
CN108174087A (zh) * | 2017-12-26 | 2018-06-15 | 北京理工大学 | 一种灰度投影稳像中参考帧更新方法及*** |
Non-Patent Citations (4)
Title |
---|
The Technique of Color and Shape-Based Multi-Feature Combination of TradeMark Image Retrieval;You Fu-cheng等;《2010 International Conference on Multimedia Technology》;第1-5页 * |
基于多频域LBP-TOP的人脸表情识别;孔健等;《计算机工程》;第36卷(第15期);第176-178页 * |
基于自动分析直方图灰度分布的数字图像阈值化算法;高春鸣等;《计算机科学》;第28卷(第4期);第58-60页 * |
眼底图像形态参数测定;曾碧新等;《眼视光学杂志》;第8卷(第3期);第183-185页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110674828A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6728401B1 (en) | Red-eye removal using color image processing | |
CN110505459B (zh) | 适用于内窥镜的图像颜色校正方法、装置和存储介质 | |
US8135184B2 (en) | Method and apparatus for detection and correction of multiple image defects within digital images using preview or other reference images | |
CN107451969B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
US8957993B2 (en) | Detecting red eye filter and apparatus using meta-data | |
US7587085B2 (en) | Method and apparatus for red-eye detection in an acquired digital image | |
CN112819702B (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
US20060093238A1 (en) | Method and apparatus for red-eye detection in an acquired digital image using face recognition | |
US20060204052A1 (en) | Method, apparatus, and program for detecting red eye | |
US7907786B2 (en) | Red-eye detection and correction | |
WO2015070723A1 (zh) | 眼部图像处理方法和装置 | |
KR101631012B1 (ko) | 화상 처리 장치 및 화상 처리 방법 | |
US20120045133A1 (en) | Image processing method and image processing apparatus | |
CN112102926A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
CN110674828B (zh) | 一种归一化眼底图像的方法和装置 | |
JPH11196324A (ja) | 画像出力方法および装置 | |
CN117994160A (zh) | 一种图像处理方法及*** | |
CN113591630A (zh) | 一种证件照自动化处理方法、***、终端设备及存储介质 | |
CN117522802A (zh) | 视网膜图像预处理方法、装置、电子设备及存储介质 | |
CN113196293A (zh) | 用于识别一个或多个字符的设备和方法 | |
KR20210075734A (ko) | 개선된 황달 진단 방법 및 그 시스템 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230425 Address after: Shangdi Branch Collective of Haidian District Talent Service Center, No. 19, Shangdi Information Road, Haidian District, Beijing, 100085 Applicant after: Ke Xin Address before: No. 9, Dengzhuang South Road, Haidian District, Beijing, 100091 Applicant before: Jiang Wei |
|
GR01 | Patent grant | ||
GR01 | Patent grant |