CN113487626B - 一种镜像图像识别方法、装置、电子设备及存储介质 - Google Patents

一种镜像图像识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113487626B
CN113487626B CN202110745864.6A CN202110745864A CN113487626B CN 113487626 B CN113487626 B CN 113487626B CN 202110745864 A CN202110745864 A CN 202110745864A CN 113487626 B CN113487626 B CN 113487626B
Authority
CN
China
Prior art keywords
image
sphere
ray image
mirror image
center
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
Application number
CN202110745864.6A
Other languages
English (en)
Other versions
CN113487626A (zh
Inventor
李先红
沈丽萍
李明
陈汉清
徐琦
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.)
Hangzhou Santan Medical Technology Co Ltd
Original Assignee
Hangzhou Santan Medical 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 Hangzhou Santan Medical Technology Co Ltd filed Critical Hangzhou Santan Medical Technology Co Ltd
Priority to CN202110745864.6A priority Critical patent/CN113487626B/zh
Publication of CN113487626A publication Critical patent/CN113487626A/zh
Application granted granted Critical
Publication of CN113487626B publication Critical patent/CN113487626B/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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/10116—X-ray image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种镜像图像识别方法、装置、电子设备及存储介质，涉及图像处理技术领域，可以自动获取未镜像的X光图像。本发明实施例包括：确定每个Mark球的球心在待识别X光图像中的球心像素点。接着将每个Mark球的球心在法兰坐标系下的位置，投影到X光图像坐标系中，确定每个Mark球的球心投影点。再确定球心像素点集合与球心投影点集合之间的第一匹配误差。然后按照预设镜像方式对待识别X光图像进行镜像变换，得到镜像X光图像，并确定每个Mark球的球心在镜像X光图像中的镜像球心像素点。同时确定镜像球心像素点集合与球心投影点集合之间的第二匹配误差。然后确定最小的匹配误差对应的图像为未被镜像过的X光图像。

Description

一种镜像图像识别方法、装置、电子设备及存储介质
技术领域
本发明涉及图像处理技术领域，特别是涉及一种镜像图像识别方法、装置、电子设备及存储介质。
背景技术
C型臂X光机又称C型臂，是一种外形类似英文字母C，用于介入放射科及骨科手术中的X线影像设备。C型臂针对人体拍摄的X光图像，能够为医生的诊断以及手术机器人在手术过程中的决策提供依据。
医生如果为了方便观察X光图像，可以点击C型臂的镜像按钮，相应地，C型臂会将拍摄的X光图像转为镜像图像。然而手术机器人无法确定获取到的C型臂拍摄的X光图像是否为镜像图像，导致手术机器人对于手术位置的定位不准确。
目前只能通过人工识别的方式确定X光图像是否为镜像图像。例如，询问拍摄X光图像的医生在拍摄X光图像时是否按下了镜像按钮，或者通过对比X光图像和实际物体，人工基于经验判断X光图像是否为镜像图像。在确定X光为镜像图像之后，再将X光图像转换为未镜像的X光图像。可见，这种获得未镜像的X光图像的方式依赖人工判断，且效率较低。
发明内容
本发明实施例的目的在于提供一种镜像图像识别方法、装置、电子设备及存储介质，以自动获取未镜像的X光图像，从而提高获取效率。具体技术方案如下：
第一方面，本发明实施例提供了一种镜像图像识别方法，所述方法包括：
获取待识别X光图像，所述待识别X光图像为C型臂发射的X光透过多个Mark球得到的图像；
确定每个Mark球的球心在所述待识别X光图像中的球心像素点，得到球心像素点集合；
将每个Mark球的球心在法兰坐标系下的位置，投影到X光图像坐标系中，确定每个Mark球的球心投影点，得到球心投影点集合；
确定所述球心像素点集合与所述球心投影点集合之间的第一匹配误差；
按照预设镜像方式对所述待识别X光图像进行镜像变换，得到镜像X光图像，并确定每个Mark球的球心在所述镜像X光图像中的镜像球心像素点，得到镜像球心像素点集合；
确定所述镜像球心像素点集合与所述球心投影点集合之间的第二匹配误差；
确定所述第一匹配误差和所述第二匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被镜像过的X光图像。
可选的，所述确定每个Mark球的球心在所述待识别X光图像中的球心像素点，包括：
对所述待识别X光图像进行对比度增强，得到增强图像；
对所述增强图像进行二值分割，得到二值图像；
对所述二值图像进行圆形检测，得到所述二值图像中每个圆形的圆心，并将每个圆形的圆心作为一个Mark球的球心在所述待识别X光图像中的球心像素点。
可选的，所述确定所述球心像素点集合与所述球心投影点集合之间的第一匹配误差，包括：
针对每个球心像素点，计算该球心像素点与每个球心投影点之间的距离，得到该球心像素点对应的误差；
通过指定的权重参数，确定各球心像素点对应的误差的加权和，作为所述第一匹配误差；
所述确定所述球心像素点集合与所述球心投影点集合之间的第二匹配误差，包括：
针对每个镜像球心像素点，计算该镜像球心像素点与每个球心投影点之间的距离，得到该镜像球心像素点对应的误差；
通过指定的权重参数，确定各镜像球心像素点对应的误差的加权和，作为所述第二匹配误差。
可选的，所述按照预设镜像方式对所述待识别X光图像进行镜像变换，得到镜像X光图像，包括：
对所述待识别X光图像以X轴为旋转轴进行镜像变换，得到第一镜像X光图像，所述X轴为经过所述待识别X光图像中心点的水平轴；
和/或，对所述待识别X光图像以Y轴为旋转轴进行镜像变换，得到第二镜像X光图像，所述Y轴为经过所述待识别X光图像中心点的竖直轴。
可选的，所述确定每个Mark球的球心在所述镜像X光图像中的镜像球心像素点，得到镜像球心像素点集合，包括：
确定每个Mark球的球心在所述第一镜像X光图像中的第一镜像球心像素点，得到第一镜像球心像素点集合；
和/或，确定每个Mark球的球心在所述第二镜像X光图像中的第二镜像球心像素点，得到第二镜像球心像素点集合；
所述确定所述镜像球心像素点集合与所述球心投影点集合之间的第二匹配误差，包括：
确定所述第一镜像球心像素点集合与所述球心投影点集合之间的第二X轴镜像匹配误差；
和/或，确定所述第二镜像球心像素点集合与所述球心投影点集合之间的第二Y轴镜像匹配误差。
所述确定所述第一匹配误差和所述第二匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被镜像过的X光图像，包括：
将所述第一匹配误差、所述第二X轴镜像匹配误差和所述第二Y轴镜像匹配误差中最小的匹配误差对应的图像作为未被镜像过的X光图像。
可选的，在所述获取待识别X光图像之后，所述方法还包括：
对所述待识别X光图像沿图像中心点进行预设角度的旋转，得到旋转X光图像，并确定每个Mark球的球心在所述旋转X光图像中的旋转球心像素点，得到旋转球心像素点集合；
确定所述旋转球心像素点集合和所述球心投影点集合之间的第三匹配误差；
确定所述第一匹配误差和所述第三匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被旋转过的X光图像。
第二方面，本发明实施例提供了一种镜像图像识别装置，所述装置包括：
获取模块，用于获取待识别X光图像，所述待识别X光图像为C型臂发射的X光透过多个Mark球得到的图像；
确定模块，用于确定每个Mark球的球心在所述待识别X光图像中的球心像素点，得到球心像素点集合；
所述确定模块，还用于将每个Mark球的球心在法兰坐标系下的位置，投影到X光图像坐标系中，确定每个Mark球的球心投影点，得到球心投影点集合；
所述确定模块，还用于确定所述球心像素点集合与所述球心投影点集合之间的第一匹配误差；
镜像模块，用于按照预设镜像方式对所述待识别X光图像进行镜像变换，得到镜像X光图像，并确定每个Mark球的球心在所述镜像X光图像中的镜像球心像素点，得到镜像球心像素点集合；
所述确定模块，还用于确定所述镜像球心像素点集合与所述球心投影点集合之间的第二匹配误差；
所述确定模块，还用于确定所述第一匹配误差和所述第二匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被镜像过的X光图像。
可选的，所述确定模块，具体用于：
对所述待识别X光图像进行对比度增强，得到增强图像；
对所述增强图像进行二值分割，得到二值图像；
对所述二值图像进行圆形检测，得到所述二值图像中每个圆形的圆心，并将每个圆形的圆心作为一个Mark球的球心在所述待识别X光图像中的球心像素点。
可选的，所述确定模块，具体用于：
针对每个球心像素点，计算该球心像素点与每个球心投影点之间的距离，得到该球心像素点对应的误差；
通过指定的权重参数，确定各球心像素点对应的误差的加权和，作为所述第一匹配误差；
所述确定模块，具体用于：
针对每个镜像球心像素点，计算该镜像球心像素点与每个球心投影点之间的距离，得到该镜像球心像素点对应的误差；
通过指定的权重参数，确定各镜像球心像素点对应的误差的加权和，作为所述第二匹配误差。
可选的，所述镜像模块，具体用于：
对所述待识别X光图像以X轴为旋转轴进行镜像变换，得到第一镜像X光图像，所述X轴为经过所述待识别X光图像中心点的水平轴；
和/或，对所述待识别X光图像以Y轴为旋转轴进行镜像变换，得到第二镜像X光图像，所述Y轴为经过所述待识别X光图像中心点的竖直轴。
可选的，所述镜像模块，具体用于：
确定每个Mark球的球心在所述第一镜像X光图像中的第一镜像球心像素点，得到第一镜像球心像素点集合；
和/或，确定每个Mark球的球心在所述第二镜像X光图像中的第二镜像球心像素点，得到第二镜像球心像素点集合；
所述确定模块，具体用于：
确定所述第一镜像球心像素点集合与所述球心投影点集合之间的第二X轴镜像匹配误差；
和/或，确定所述第二镜像球心像素点集合与所述球心投影点集合之间的第二Y轴镜像匹配误差。
所述确定模块，具体用于：
将所述第一匹配误差、所述第二X轴镜像匹配误差和所述第二Y轴镜像匹配误差中最小的匹配误差对应的图像作为未被镜像过的X光图像。
可选的，所述装置还包括：旋转模块；
所述旋转模块，用于在所述获取待识别X光图像之后，对所述待识别X光图像沿图像中心点进行预设角度的旋转，得到旋转X光图像，并确定每个Mark球的球心在所述旋转X光图像中的旋转球心像素点，得到旋转球心像素点集合；
所述确定模块，还用于确定所述旋转球心像素点集合和所述球心投影点集合之间的第三匹配误差；
所述确定模块，还用于确定所述第一匹配误差和所述第三匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被旋转过的X光图像。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一镜像图像识别方法的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一镜像图像识别方法的步骤。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一镜像图像识别方法。
本发明实施例提供的镜像图像识别方法、装置、电子设备及存储介质，可以对待识别X光图像进行镜像变换，得到镜像X光图像。分别确定待识别X光图像中Mark球的球心像素点集合与Mark球的球心投影点集合之间的第一匹配误差，以及镜像X光图像中Mark球的镜像球心像素点集合与Mark球的球心投影点集合之间的第二匹配误差。由于球心投影点基于Mark球在法兰坐标系下的位置确定，且法兰坐标系为世界坐标系，能够表示Mark球的实际物理位置，因此匹配误差越小，图像为未被镜像过的X光图像的可能性越大。因此本发明实施例将匹配误差最小的图像作为C型臂拍摄的未被镜像过的X光图像。从而实现了自动获取未镜像的X光图像，提高了获取效率。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1为本发明实施例提供的一种镜像图像识别方法流程图；
图2为本发明实施例提供的一种X光图像的示例性示意图；
图3为本发明实施例提供的一种旋转图像识别方法的流程图；
图4为本发明实施例提供的另一种X光图像的示例性示意图；
图5为本发明实施例提供的另一种镜像图像识别方法流程图；
图6为本发明实施例提供的一种镜像图像识别装置结构示意图；
图7为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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基于本申请所获得的所有其他实施例，都属于本发明保护的范围。
为了自动获取未镜像的X光图像，以提高获取效率，本发明实施例提供了一种镜像图像识别方法，该方法可以应用于电子设备。其中电子设备可以是：计算机、服务器或者平板电脑等具备图像处理能力的设备。
如图1所示，本发明实施例提供的镜像图像识别方法包括如下步骤：
S101，获取待识别X光图像。
其中，待识别X光图像为C型臂发射的X光透过多个Mark球得到的图像。
S101获取的待识别X光图像为C型臂向电子设备发送的X光图像，如果C型臂被设置了镜像拍摄，则待识别图像为C型臂拍摄的原始X光图像的镜像图像。如果C型臂未被设置镜像拍摄，则待识别图像为C型臂拍摄的未被镜像过的原始X光图像。
S102，确定每个Mark球的球心在待识别X光图像中的球心像素点，得到球心像素点集合。
一种实施方式中，可以对待识别X光图像进行对比度增强得到增强图像，然后对增强图像进行二值分割，得到二值图像。再对二值图像进行圆形检测，得到二值图像中每个圆形的圆心，并将每个圆形的圆心作为一个Mark球的球心在待识别X光图像中的球心像素点。
可选的，可采用自动色彩均衡(Automatic Color Equalization，ACE)算法对待识别图像进行对比度增强。或者也可以采用其他对比度增强算法，本发明实施例对此不作具体限定。对待识别X光图像进行对比度增强可以使得待识别X光图像中的Mark球区域颜色值与其他区域颜色值相差更大，即对比更明显。
对增强图像进行二值分割的方式可以实现为：将增强图像中灰度值小于分割阈值的像素点，确定为前景像素点，并更新前景像素点的灰度值为0。将增强图像中灰度值大于等于分割阈值的像素点，确定为背景像素点，并更新背景像素点的灰度值为255。例如，灰度阈值可以是128。灰度阈值可以是其他值，具体基于实际需要设置。
可选的，可以采用霍夫圆检测算法，基于预先设定的阈值，对二值图像进行圆形检测。或者也可以采用其他圆形检测算法，例如圆形拟合算法，本发明实施例对此不作具体限定。
可选的，确定球心像素点集合时，可以先复制待识别X光图像，得到待识别X光图像的复制图像，并基于复制图像执行对比度增强、二值分割和圆形检测，从而避免破坏获得的待识别X光图像。
S103，将每个Mark球的球心在法兰坐标系下的位置，投影到X光图像坐标系中，确定每个Mark球的球心投影点，得到球心投影点集合。
其中，S103中的法兰坐标系为C型臂的机械臂的法兰坐标系，机械臂用于对病人进行手术。S103中的X光图像坐标系指的是理论上C型臂拍摄的原始X光图像的坐标系。
S104，确定球心像素点集合与球心投影点集合之间的第一匹配误差。
在本发明实施例中，第一匹配误差表示各球心像素点与各球心投影点之间的误差。
S105，按照预设镜像方式对待识别X光图像进行镜像变换，得到镜像X光图像，并确定每个Mark球的球心在镜像X光图像中的镜像球心像素点，得到镜像球心像素点集合。
可选的，确定每个Mark球的球心在镜像X光图像中的镜像球心像素点的方式，与上述S102确定球心像素点的方式相同，可以参考上述S102中的描述，此处不再赘述。
S106，确定镜像球心像素点集合与球心投影点集合之间的第二匹配误差。
在本发明实施例中，第二匹配误差表示各镜像球心像素点与各球心投影点之间的误差。
S107，确定第一匹配误差和第二匹配误差中最小的匹配误差对应的图像为C型臂拍摄的未被镜像过的X光图像。
本发明实施例提供的镜像图像识别方法，可以对待识别X光图像进行镜像变换，得到镜像X光图像。分别确定待识别X光图像中Mark球的球心像素点集合与Mark球的球心投影点集合之间的第一匹配误差，以及镜像X光图像中Mark球的镜像球心像素点集合与Mark球的球心投影点集合之间的第二匹配误差。由于球心投影点基于Mark球在法兰坐标系下的位置确定，且法兰坐标系为世界坐标系，能够表示Mark球的实际物理位置，因此匹配误差越小，图像为未被镜像过的X光图像的可能性越大。因此本发明实施例将匹配误差最小的图像作为C型臂拍摄的未被镜像过的X光图像。从而实现了自动获取未镜像的X光图像，提高了获取效率。
以下通过一个示例，对上述S102中对二值图像进行圆形检测，得到二值图像中每个圆形的圆心的方式进行说明：
通过以下函数，确定二值图像中每个圆形的圆心：
void HoughCircles(InputArray image,OutputArray circles,int method,double dp,double minDist,double param1＝100,double param2＝100,int minRadius＝0,int maxRadius＝0)；
其中，void表示无类型，HoughCircles为霍夫圆检测算法的函数名，InputArrayimage表示输入图像(本发明实施例中为上述二值图像)，OutputArray circles表示圆形的输出矢量，每个输出矢量由包含3个元素的浮点矢量(x,y,radius)表示，其中，(x,y)表示检测出的一个圆形的圆心坐标，radius表示这个圆形的半径。int method表示使用的检测方法，例如OpenCV中的霍夫梯度法，霍夫梯度法的标识符为HOUGH_GRADIENT。double dp表示累加平面分辨率的大小，累加平面分辨率的大小＝原始输入图像分辨率的大小×1/dp，默认dp＝1时，两者分辨率相同。double minDist表示两个圆心之间的最小距离。若两个圆心距离<minDist，则确定这两个圆形是同一个圆形。double param1＝100表示Canny边缘检测的高阈值，默认的高阈值为100，其中，Canny边缘检测的低阈值默认为高阈值的一半，即低阈值为50。double param2＝100表示累加平面上的点是否为圆心的判定阈值，判定阈值默认为100，判定阈值越大，检测出的圆形更接近规范的圆形。int minRadius＝0表示圆形半径的最小值，最小值默认为0。int maxRadius＝0表示圆形半径的最大值，最大值默认为0。圆形半径的最大值和最小值均为0时，表示不限制检测的圆形的半径。
上述函数可以检测出二值图像中圆形的圆心，而二值图像中除了Mark球的图像是圆形，还可能存在其他的圆形，因此在对二值图像进行圆形检测之时，还可以通过设定minRadius和maxRadius两个参数的值的方式，限定检测出的圆形的半径范围，从而更准确地确定Mark球的球心像素点。
或者，也可以基于默认的minRadius和maxRadius的值，利用上述函数对二值图像进行圆形检测，然后基于圆形检测输出的圆形的半径，进一步筛选得到Mark球的球心像素点。
在本发明实施例中，上述S103确定每个Mark球的球心投影点的方式可以通过以下公式(1)～(9)实现：
x′＝x/z (3)
y′＝y/z (4)
where r2＝x2+y2 (7)
u＝fx*x″+cx (8)
v＝fy*y″+cy (9)
其中，s为预设的尺度因子，u和v表示X光图像坐标系的两个坐标轴上的坐标，X、Y和Z表示法兰坐标系的三个坐标轴上的坐标，fx、fy、cx和cy为C型臂的内参，r11～r33为从法兰坐标系到C型臂相机坐标系的旋转参数，t1～t3为从法兰坐标系到C型臂相机坐标系的平移参数，r11～r33和t1～t3构成的矩阵可以称为C型臂的外参矩阵，x、y和z为C型臂相机坐标系的三个坐标轴上的坐标，R为从法兰坐标系到到C型臂相机坐标系的旋转参数，t为从法兰坐标系到C型臂相机坐标系的平移参数，k1～k6以及p1和p2为C型臂的畸变参数，where表示约束条件，即公式(7)是公式(5)和公式(6)的约束条件。
在本发明实施例中，上述S104确定球心像素点集合与球心投影点集合之间的第一匹配误差的方式可以实现为：针对每个球心像素点，计算该球心像素点与每个球心投影点之间的距离，得到该球心像素点对应的误差，通过指定的权重参数，确定各球心像素点对应的误差的加权和，作为第一匹配误差。
一种实施方式中，可以通过以下公式(10)计算第一匹配误差：
其中，E为第一匹配误差，nx为球心像素点集合包括的球心像素点的数量，ny为球心投影点集合包括的球心投影点的数量，mij为第i个球心像素点与第j个球心投影点的误差的权重，xi为第i个球心像素点的坐标，yj为第j个球心投影点的坐标，R为从法兰坐标系到到C型臂相机坐标系的旋转参数，t为从法兰坐标系到到C型臂相机坐标系的平移参数，pro是投影函数，k为迭代次数，‖·‖表示范数运算。
确定指定的误差参数mij的方式可以实现为：通过公式(11)计算mi,j，其中公式(12)是公式(11)的约束条件，然后通过公式(13)对mi,j的各行参数进行归一化，并通过公式(14)对mi,j的各列参数进行归一化，得到归一化后的mi,j。将归一化后的mi,j带入公式(10)，得到当前计算的E，判断本次计算的E是否满足迭代终止条件，若否，则继续计算公式(11)，直到当前计算的E满足迭代终止条件时，将当前归一化的mi,j作为指定的误差参数。
其中，迭代终止条件包括：当前计算的E与迭代过程中上一次计算的E之间的差值小于预设差值，和/或当前计算E的次数超过预设次数。
其中，E为第一匹配误差，nx为球心像素点集合包括的球心像素点的数量，ny为球心投影点集合包括的球心投影点的数量，mij为第i个球心像素点与第j个球心投影点的误差的权重，xi为第i个球心像素点的坐标，yj为第j个球心投影点的坐标，R为从法兰坐标系到到C型臂相机坐标系的旋转参数，t为从法兰坐标系到到C型臂相机坐标系的平移参数，k为迭代次数，exp表示以e为底的指数函数。
在本发明实施例中，获取到指定的误差参数mij之后，可以针对mij的每一列参数，将该列参数中最大的参数对应的球心像素点i加入点集X，并将该列参数中最大的参数对应的球心投影点j加入点集Y，其中，球心像素点i和球心投影点j为一对匹配点。基于各对匹配的点，利用公式(1)更新C型臂的外参矩阵，并将更新后的外参矩阵作为第一匹配误差对应的外参矩阵。其中，第一次计算公式(1)确定球心投影点时，可以基于预设的外参矩阵。
例如，假设针对mij的第一列，第一列最大值为3，3是m21的值，因此将球心像素点2加入点集X，将球心投影点1加入点集Y，同时球心像素点2和球心投影点1为一对匹配点。同理，将球心像素点1加入点集X，将球心投影点2加入点集Y，同时球心像素点1和球心投影点2为一对匹配点；将球心像素点3加入点集X，将球心投影点3加入点集Y，同时球心像素点3和球心投影点3为一对匹配点。
针对上述S105，按照预设镜像方式对待识别X光图像进行镜像变换，得到镜像X光图像的方式可以实现为：对待识别X光图像以X轴为旋转轴进行镜像变换，得到第一镜像X光图像。其中，X轴为经过待识别X光图像中心点的水平轴。和/或，对待识别X光图像以Y轴为旋转轴进行镜像变换，得到第二镜像X光图像。其中，Y轴为经过待识别X光图像中心点的竖直轴。
例如，如图2所示，图2为一张X光图像，竖直的虚线为该X光图像的Y轴，水平的虚线为该X光图像的X轴。
在本发明实施例中，上述S105中确定每个Mark球的球心在镜像X光图像中的镜像球心像素点，得到镜像球心像素点集合的方式可以实现为：确定每个Mark球的球心在第一镜像X光图像中的第一镜像球心像素点，得到第一镜像球心像素点集合；和/或，确定每个Mark球的球心在第二镜像X光图像中的第二镜像球心像素点，得到第二镜像球心像素点集合。
可选的，确定第一镜像球心像素点以及第二镜像球心像素点的方式，可参考上述确定球心像素点的方式，此处不再赘述。
上述S106，确定镜像球心像素点集合与球心投影点集合之间的第二匹配误差的方式可以实现为：确定第一镜像球心像素点集合与球心投影点集合之间的第二X轴镜像匹配误差；和/或，确定第二镜像球心像素点集合与球心投影点集合之间的第二Y轴镜像匹配误差。
可选的，确定第二X轴镜像匹配误差以及第二Y轴镜像匹配误差的方式，可参考上述确定第一匹配误差的方式，此处不再赘述。
在此基础上，上述S107确定第一匹配误差和第二匹配误差中最小的匹配误差对应的图像为C型臂拍摄的未被镜像过的X光图像的方式可以实现为：将第一匹配误差、第二X轴镜像匹配误差和第二Y轴镜像匹配误差中最小的匹配误差对应的图像作为未被镜像过的X光图像。
在本发明实施例中，上述S101中的待识别X光图像还可能是被旋转过的图像，基于此，参见图3，本发明实施例还可以自动获取未旋转过的X光图像，包括如下步骤：
S301，对待识别X光图像沿图像中心点进行预设角度的旋转，得到旋转X光图像，并确定每个Mark球的球心在旋转X光图像中的旋转球心像素点，得到旋转球心像素点集合。
一种实施方式中，可以对待识别X光图像分别沿图像中心点进行不同预设角度的旋转，得到多张旋转X光图像，并分别确定每张旋转X光图像中的旋转球心像素点，得到多个旋转球心像素点集合，其中，每个旋转球心像素点集合包括的旋转球心像素点属于一张旋转X光图像。
例如，如图4所示，图4中每个长方形为一张X光图像，X光图像中的每个黑色圆形对应一个Mark球，X光图像中的“A”仅用于方便查看X光图像的旋转方向。按照从左往右的顺序，图4中的第1张X光图像为待识别X光图像，执行S301时，将待识别X光图像沿图像中心点顺时针旋转90度，得到旋转X光图像1，即图4中的第2张图像。并将待识别X光图像沿图像中心点顺时针旋转180度，得到旋转X光图像2，即图4中的第3张图像。并将待识别X光图像沿图像中心点顺时针旋转270度，得到旋转X光图像3，即图4中的第4张图像。
在本发明实施例中，确定旋转X光图像中的旋转球心像素点的方式，可参考上述确定待识别X光图像中的球心像素点的方式，此处不再赘述。
S302，确定旋转球心像素点集合和球心投影点集合之间的第三匹配误差。
在本发明实施例中，确定第三匹配误差的方式可参考上述确定第一匹配误差的方式，此处不再赘述。
可选的，在旋转X光图像存在多张时，可以分别基于每张旋转X光图像确定一个第三匹配误差。
S303，确定第一匹配误差和第三匹配误差中最小的匹配误差对应的图像为为C型臂拍摄的未被旋转过的X光图像。
与人工识别待识别X光图像是否为被旋转过的X光图像，并在判断出待识别X光图像为被旋转过的X光图像时，对待识别X光图像进行旋转从而得到未被旋转过的X光图像的方式相比，本发明实施例能够自动获得未被旋转过的X光图像，从而提高了获取效率和准确性。
在实际应用场景中，存在如下四种情况：
情况一、C型臂仅存在镜像功能。
此时可以计算第一匹配误差和第二匹配误差，将第一匹配误差和第二匹配误差中，最小的匹配误差对应的图像，作为未被镜像过的X光图像。
进一步的，C型臂仅存在沿X轴镜像功能时，可以计算第一匹配误差和第二X轴镜像匹配误差，将第一匹配误差和第二X轴镜像匹配误差中，最小的匹配误差对应的图像，作为未被镜像过的X光图像。
C型臂仅存在沿Y轴镜像功能时，可以计算第一匹配误差和第二Y轴镜像匹配误差，将第一匹配误差和第二Y轴镜像匹配误差中，最小的匹配误差对应的图像，作为未被镜像过的X光图像。
情况二、C型臂仅存在旋转功能。
此时可以计算第一匹配误差和第三匹配误差，将第一匹配误差和第三匹配误差中，最小的匹配误差对应的图像，作为未被旋转过的X光图像。
可选的，第三匹配误差可以包括一个或多个，每个第三匹配误差为：基于待识别X光图像发生一种角度的旋转后得到的旋转X光图像中的旋转球心像素点与球心投影点，确定的匹配误差。
第三匹配误差的数量为C型臂可对X光图像旋转的角度数量。
情况三、C型臂存在镜像功能和旋转功能，且镜像功能和旋转功能不能同时生效。
此时可以计算第一匹配误差、第二匹配误差和第三匹配误差，将第一匹配误差、第二匹配误差和第三匹配误差中，最小的匹配误差对应的图像，作为未被镜像过且未被旋转过的X光图像。
情况四、C型臂存在镜像功能和旋转功能，且镜像功能和旋转功能可以同时生效。
此时可以计算第一匹配误差、第二匹配误差、第三匹配误差和第四匹配误差，将第一匹配误差、第二匹配误差、第三匹配误差和第四匹配误差中，最小的匹配误差对应的图像，作为未被镜像过且未被旋转过的X光图像。
其中，计算第四匹配误差的方式包括：按照预设镜像方式对待识别X光图像进行镜像变换，得到镜像X光图像，然后对镜像X光图像沿图像中心点进行预设角度的旋转，得到综合X光图像。然后确定每个Mark球的球心在综合X光图像中的综合球心像素点，得到综合球心像素点集合。再确定综合球心像素点集合与球心投影点集合之间的第四匹配误差。
第四匹配误差的计算方式与上述第一匹配误差的计算方式相同，可参考上述描述，此处不再赘述。
本发明实施例不仅可以获得未被镜像过的X光图像，还可以获得未被旋转过的X光图像，还可以获得未被镜像过且未被旋转过的X光图像，扩大了本发明实施例的应用范围。
参见图5，以下以C型臂可以对X光图像沿X轴镜像、沿Y轴镜像或者顺时针旋转90度为例，对本发明实施例提供的镜像图像识别方法的整体流程进行说明：
S501，电子设备获取每个Mark球的球心在法兰坐标系下的位置。
一种实施方式中，可以通过高精度的标定仪器，标定每个Mark球的球心在法兰坐标系下的位置。
S502，电子设备获取C型臂的内参和C型臂的畸变参数。
一种实施方式中，可以在C型臂的调试过程中，获得调试后的C型臂的内参和畸变参数。
S503，通过C型臂的机械臂将嵌入Mark球的Mark板放置在患者和C型臂影增之间，拍摄待识别X光图像。
需要说明的是，S503机械臂移动Mark板的过程中，每个Mark球的球心在机械臂的法兰坐标系下的位置不变。
其中，影增设置在C型臂的X光接收器之前，用于对接收到的X光进行增强。可以设置Mark板与C型臂的X光发射器发射的X光垂直，以避免Mark球在X光图像上相互遮挡。
S504，电子设备获取C型臂发送的待识别X光图像，并确定待识别X光图像中的球心像素点集合。
S504确定球心像素点集合的方式可参考上述S102中的相关描述，此处不再赘述。
S505，电子设备基于C型臂的内参和C型臂的畸变参数，将每个Mark球的球心在法兰坐标系下的位置投影到X光图像坐标系中，得到球心投影点集合。
S505得到球心投影点集合的方式可参考上述S103中的相关描述，此处不再赘述。
S506，电子设备确定球心像素点集合与球心投影点集合之间的第一匹配误差，以及第一匹配误差对应的外参矩阵。
S506确定第一匹配误差的方式可参考上述S104中的相关描述，此处不再赘述。S506确定第一匹配误差对应的外参矩阵的方式可参考上述描述，此处不再赘述。
S507，电子设备对待识别X光图像以X轴为旋转轴进行镜像变换，得到第一镜像X光图像，并对待识别X光图像以Y轴为旋转轴进行镜像变换，得到第二镜像X光图像。
S507确定第一镜像X光图像和第二镜像X光图像的方式可参考S105的相关描述，此处不再赘述。
S508，电子设备确定每个Mark球的球心在第一镜像X光图像中的第一镜像球心像素点，确定第一镜像球心像素点集合与球心投影点集合之间的第二X轴镜像匹配误差，以及第二X轴镜像匹配误差对应的外参矩阵，并确定每个Mark球的球心在第二镜像X光图像中的第二镜像球心像素点，确定第二镜像球心像素点集合与球心投影点集合之间的第二Y轴镜像匹配误差，以及第二Y轴镜像匹配误差对应的外参矩阵。
S508确定第二X轴镜像匹配误差和第二Y轴镜像匹配误差的方式，可参考上述S106中的相关描述，此处不再赘述。第二X轴镜像匹配误差对应的外参矩阵和第二Y轴镜像匹配误差对应的外参矩阵的确定方式，与确定第一匹配误差对应的外参矩阵的方式相同，可参考上述描述，此处不再赘述。
S509，电子设备对待识别X光图像沿图像中心点顺时针旋转90度，得到旋转X光图像，并确定每个Mark球的球心在旋转X光图像中的旋转球心像素点，得到旋转球心像素点集合。
S509获得旋转球心像素点集合的方式可参考上述S301中的描述，此处不再赘述。
S510，确定旋转球心像素点集合和球心投影点集合之间的第三匹配误差。
S510确定第三匹配误差的方式可参考上述S302中的描述，此处不再赘述。
S511，确定第一匹配误差、第二X轴镜像匹配误差、第二Y轴镜像匹配误差和第三匹配误差中，最小的匹配误差对应的图像为C型臂拍摄的未被镜像且未被旋转过的X光图像，并将最小的匹配误差对应的外参矩阵作为C型臂的外参矩阵。
相关技术中，通过询问拍摄X光图像的医生，在拍摄X光图像时是否点击了镜像按钮和旋转按钮，如果无法联系拍摄X光图像的医生，或者拍摄X光图像的医生忘记拍摄时是否点击了镜像按钮和旋转按钮，则难以对X光图像是否经过镜像和旋转进行判断。
或者，相关技术中，还通过人工比对X光图像和实际物体，从而依据经验判断X光图像是否经过镜像和旋转。但是手术过程中拍摄的X光图像中的特征点容易被遮挡，导致人工难以辨别X光图像是否经过镜像和旋转。
如果人工无法分辨X光图像是否经过镜像和旋转，则需要对患者重新拍摄X光图像，增加了患者拍摄X光图像的次数，影响手术效率。
而本发明实施例可以自动基于待识别X光图像，确定未被镜像且未被旋转过的X光图像，不依赖人工判断，提高了获取未被镜像且未被旋转过的X光图像的效率，减少了患者拍摄X光图像的次数，提升了手术效率。
基于相同的发明构思，对应于上述方法实施例，本发明实施例提供了一种镜像图像识别装置，如图6所示，该装置包括：获取模块601、确定模块602和镜像模块603；
获取模块601，用于获取待识别X光图像，待识别X光图像为C型臂发射的X光透过多个Mark球得到的图像；
确定模块602，用于确定每个Mark球的球心在待识别X光图像中的球心像素点，得到球心像素点集合；
确定模块602，还用于将每个Mark球的球心在法兰坐标系下的位置，投影到X光图像坐标系中，确定每个Mark球的球心投影点，得到球心投影点集合；
确定模块602，还用于确定球心像素点集合与球心投影点集合之间的第一匹配误差；
镜像模块603，用于按照预设镜像方式对待识别X光图像进行镜像变换，得到镜像X光图像，并确定每个Mark球的球心在镜像X光图像中的镜像球心像素点，得到镜像球心像素点集合；
确定模块602，还用于确定镜像球心像素点集合与球心投影点集合之间的第二匹配误差；
确定模块602，还用于确定第一匹配误差和第二匹配误差中最小的匹配误差对应的图像为C型臂拍摄的未被镜像过的X光图像。
可选的，确定模块602，具体用于：
对待识别X光图像进行对比度增强，得到增强图像；
对增强图像进行二值分割，得到二值图像；
对二值图像进行圆形检测，得到二值图像中每个圆形的圆心，并将每个圆形的圆心作为一个Mark球的球心在待识别X光图像中的球心像素点。
可选的，确定模块602，具体用于：
针对每个球心像素点，计算该球心像素点与每个球心投影点之间的距离，得到该球心像素点对应的误差；
通过指定的权重参数，确定各球心像素点对应的误差的加权和，作为第一匹配误差；
确定模块602，具体用于：
针对每个镜像球心像素点，计算该镜像球心像素点与每个球心投影点之间的距离，得到该镜像球心像素点对应的误差；
通过指定的权重参数，确定各镜像球心像素点对应的误差的加权和，作为第二匹配误差。
可选的，镜像模块603，具体用于：
对待识别X光图像以X轴为旋转轴进行镜像变换，得到第一镜像X光图像，X轴为经过待识别X光图像中心点的水平轴；
和/或，对待识别X光图像以Y轴为旋转轴进行镜像变换，得到第二镜像X光图像，Y轴为经过待识别X光图像中心点的竖直轴。
可选的，镜像模块603，具体用于：
确定每个Mark球的球心在第一镜像X光图像中的第一镜像球心像素点，得到第一镜像球心像素点集合；
和/或，确定每个Mark球的球心在第二镜像X光图像中的第二镜像球心像素点，得到第二镜像球心像素点集合；
确定模块602，具体用于：
确定第一镜像球心像素点集合与球心投影点集合之间的第二X轴镜像匹配误差；
和/或，确定第二镜像球心像素点集合与球心投影点集合之间的第二Y轴镜像匹配误差。
确定模块602，具体用于：
将第一匹配误差、第二X轴镜像匹配误差和第二Y轴镜像匹配误差中最小的匹配误差对应的图像作为未被镜像过的X光图像。
可选的，装置还包括：旋转模块；
旋转模块，用于在获取待识别X光图像之后，对待识别X光图像沿图像中心点进行预设角度的旋转，得到旋转X光图像，并确定每个Mark球的球心在旋转X光图像中的旋转球心像素点，得到旋转球心像素点集合；
确定模块602，还用于确定旋转球心像素点集合和球心投影点集合之间的第三匹配误差；
确定模块602，还用于确定第一匹配误差和第三匹配误差中最小的匹配误差对应的图像为C型臂拍摄的未被旋转过的X光图像。
本发明实施例还提供了一种电子设备，如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信，
存储器703，用于存放计算机程序；
处理器701，用于执行存储器703上所存放的程序时，实现上述方法实施例中的方法步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一镜像图像识别方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一镜像图像识别方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (14)

1.一种镜像图像识别方法，其特征在于，所述方法包括：
获取待识别X光图像，所述待识别X光图像为C型臂发射的X光透过多个Mark球得到的图像；
确定每个Mark球的球心在所述待识别X光图像中的球心像素点，得到球心像素点集合；
将每个Mark球的球心在法兰坐标系下的位置，投影到X光图像坐标系中，确定每个Mark球的球心投影点，得到球心投影点集合；
确定所述球心像素点集合与所述球心投影点集合之间的第一匹配误差；
按照预设镜像方式对所述待识别X光图像进行镜像变换，得到镜像X光图像，并确定每个Mark球的球心在所述镜像X光图像中的镜像球心像素点，得到镜像球心像素点集合；
确定所述镜像球心像素点集合与所述球心投影点集合之间的第二匹配误差；
确定所述第一匹配误差和所述第二匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被镜像过的X光图像。
2.根据权利要求1所述的方法，其特征在于，所述确定每个Mark球的球心在所述待识别X光图像中的球心像素点，包括：
对所述待识别X光图像进行对比度增强，得到增强图像；
对所述增强图像进行二值分割，得到二值图像；
对所述二值图像进行圆形检测，得到所述二值图像中每个圆形的圆心，并将每个圆形的圆心作为一个Mark球的球心在所述待识别X光图像中的球心像素点。
3.根据权利要求1或2所述的方法，其特征在于，所述确定所述球心像素点集合与所述球心投影点集合之间的第一匹配误差，包括：
针对每个球心像素点，计算该球心像素点与每个球心投影点之间的距离，得到该球心像素点对应的误差；
通过指定的权重参数，确定各球心像素点对应的误差的加权和，作为所述第一匹配误差；
所述确定所述球心像素点集合与所述球心投影点集合之间的第二匹配误差，包括：
针对每个镜像球心像素点，计算该镜像球心像素点与每个球心投影点之间的距离，得到该镜像球心像素点对应的误差；
通过指定的权重参数，确定各镜像球心像素点对应的误差的加权和，作为所述第二匹配误差。
4.根据权利要求1所述的方法，其特征在于，所述按照预设镜像方式对所述待识别X光图像进行镜像变换，得到镜像X光图像，包括：
对所述待识别X光图像以X轴为旋转轴进行镜像变换，得到第一镜像X光图像，所述X轴为经过所述待识别X光图像中心点的水平轴；
和/或，对所述待识别X光图像以Y轴为旋转轴进行镜像变换，得到第二镜像X光图像，所述Y轴为经过所述待识别X光图像中心点的竖直轴。
5.根据权利要求4所述的方法，其特征在于，所述确定每个Mark球的球心在所述镜像X光图像中的镜像球心像素点，得到镜像球心像素点集合，包括：
确定每个Mark球的球心在所述第一镜像X光图像中的第一镜像球心像素点，得到第一镜像球心像素点集合；
和/或，确定每个Mark球的球心在所述第二镜像X光图像中的第二镜像球心像素点，得到第二镜像球心像素点集合；
所述确定所述镜像球心像素点集合与所述球心投影点集合之间的第二匹配误差，包括：
确定所述第一镜像球心像素点集合与所述球心投影点集合之间的第二X轴镜像匹配误差；
和/或，确定所述第二镜像球心像素点集合与所述球心投影点集合之间的第二Y轴镜像匹配误差；
所述确定所述第一匹配误差和所述第二匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被镜像过的X光图像，包括：
将所述第一匹配误差、所述第二X轴镜像匹配误差和所述第二Y轴镜像匹配误差中最小的匹配误差对应的图像作为未被镜像过的X光图像。
6.根据权利要求1所述的方法，其特征在于，在所述获取待识别X光图像之后，所述方法还包括：
对所述待识别X光图像沿图像中心点进行预设角度的旋转，得到旋转X光图像，并确定每个Mark球的球心在所述旋转X光图像中的旋转球心像素点，得到旋转球心像素点集合；
确定所述旋转球心像素点集合和所述球心投影点集合之间的第三匹配误差；
确定所述第一匹配误差和所述第三匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被旋转过的X光图像。
7.一种镜像图像识别装置，其特征在于，所述装置包括：
获取模块，用于获取待识别X光图像，所述待识别X光图像为C型臂发射的X光透过多个Mark球得到的图像；
确定模块，用于确定每个Mark球的球心在所述待识别X光图像中的球心像素点，得到球心像素点集合；
所述确定模块，还用于将每个Mark球的球心在法兰坐标系下的位置，投影到X光图像坐标系中，确定每个Mark球的球心投影点，得到球心投影点集合；
所述确定模块，还用于确定所述球心像素点集合与所述球心投影点集合之间的第一匹配误差；
镜像模块，用于按照预设镜像方式对所述待识别X光图像进行镜像变换，得到镜像X光图像，并确定每个Mark球的球心在所述镜像X光图像中的镜像球心像素点，得到镜像球心像素点集合；
所述确定模块，还用于确定所述镜像球心像素点集合与所述球心投影点集合之间的第二匹配误差；
所述确定模块，还用于确定所述第一匹配误差和所述第二匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被镜像过的X光图像。
8.根据权利要求7所述的装置，其特征在于，所述确定模块，具体用于：
对所述待识别X光图像进行对比度增强，得到增强图像；
对所述增强图像进行二值分割，得到二值图像；
对所述二值图像进行圆形检测，得到所述二值图像中每个圆形的圆心，并将每个圆形的圆心作为一个Mark球的球心在所述待识别X光图像中的球心像素点。
9.根据权利要求7或8所述的装置，其特征在于，所述确定模块，具体用于：
针对每个球心像素点，计算该球心像素点与每个球心投影点之间的距离，得到该球心像素点对应的误差；
通过指定的权重参数，确定各球心像素点对应的误差的加权和，作为所述第一匹配误差；
所述确定模块，具体用于：
针对每个镜像球心像素点，计算该镜像球心像素点与每个球心投影点之间的距离，得到该镜像球心像素点对应的误差；
通过指定的权重参数，确定各镜像球心像素点对应的误差的加权和，作为所述第二匹配误差。
10.根据权利要求7所述的装置，其特征在于，所述镜像模块，具体用于：
对所述待识别X光图像以X轴为旋转轴进行镜像变换，得到第一镜像X光图像，所述X轴为经过所述待识别X光图像中心点的水平轴；
和/或，对所述待识别X光图像以Y轴为旋转轴进行镜像变换，得到第二镜像X光图像，所述Y轴为经过所述待识别X光图像中心点的竖直轴。
11.根据权利要求10所述的装置，其特征在于，所述镜像模块，具体用于：
确定每个Mark球的球心在所述第一镜像X光图像中的第一镜像球心像素点，得到第一镜像球心像素点集合；
和/或，确定每个Mark球的球心在所述第二镜像X光图像中的第二镜像球心像素点，得到第二镜像球心像素点集合；
所述确定模块，具体用于：
确定所述第一镜像球心像素点集合与所述球心投影点集合之间的第二X轴镜像匹配误差；
和/或，确定所述第二镜像球心像素点集合与所述球心投影点集合之间的第二Y轴镜像匹配误差；
所述确定模块，具体用于：
将所述第一匹配误差、所述第二X轴镜像匹配误差和所述第二Y轴镜像匹配误差中最小的匹配误差对应的图像作为未被镜像过的X光图像。
12.根据权利要求7所述的装置，其特征在于，所述装置还包括：旋转模块；
所述旋转模块，用于在所述获取待识别X光图像之后，对所述待识别X光图像沿图像中心点进行预设角度的旋转，得到旋转X光图像，并确定每个Mark球的球心在所述旋转X光图像中的旋转球心像素点，得到旋转球心像素点集合；
所述确定模块，还用于确定所述旋转球心像素点集合和所述球心投影点集合之间的第三匹配误差；
所述确定模块，还用于确定所述第一匹配误差和所述第三匹配误差中最小的匹配误差对应的图像为所述C型臂拍摄的未被旋转过的X光图像。
13.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法。
CN202110745864.6A 2021-07-01 2021-07-01 一种镜像图像识别方法、装置、电子设备及存储介质 Active CN113487626B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110745864.6A CN113487626B (zh) 2021-07-01 2021-07-01 一种镜像图像识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110745864.6A CN113487626B (zh) 2021-07-01 2021-07-01 一种镜像图像识别方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113487626A CN113487626A (zh) 2021-10-08
CN113487626B true CN113487626B (zh) 2024-03-15

Family

ID=77940131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110745864.6A Active CN113487626B (zh) 2021-07-01 2021-07-01 一种镜像图像识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113487626B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102613985A (zh) * 2011-01-31 2012-08-01 上海西门子医疗器械有限公司 一种探测器和包括该探测器的x射线投影数据采集***
CN104574292A (zh) * 2014-11-26 2015-04-29 沈阳东软医疗***有限公司 一种ct图像的校正方法和装置
CN106821405A (zh) * 2017-01-23 2017-06-13 深圳先进技术研究院 一种x光机的参数标定方法、装置及***
WO2019050417A1 (en) * 2017-09-06 2019-03-14 Auckland Uniservices Limited METHOD FOR CALIBRATING STEREOSCOPIC SYSTEM
CN111739072A (zh) * 2020-06-22 2020-10-02 浙江大华技术股份有限公司 像素点的匹配方法及装置、存储介质和电子装置
CN111882510A (zh) * 2020-06-30 2020-11-03 首都医科大学附属北京友谊医院 Cta三维重建镜像数据的投影方法、图像处理方法及装置
CN111973212A (zh) * 2020-08-19 2020-11-24 杭州三坛医疗科技有限公司 参数标定方法和参数标定装置
CN112102415A (zh) * 2020-08-25 2020-12-18 中国人民解放军63919部队 基于标定球的深度相机外参数标定方法、装置及设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102613985A (zh) * 2011-01-31 2012-08-01 上海西门子医疗器械有限公司 一种探测器和包括该探测器的x射线投影数据采集***
CN104574292A (zh) * 2014-11-26 2015-04-29 沈阳东软医疗***有限公司 一种ct图像的校正方法和装置
CN106821405A (zh) * 2017-01-23 2017-06-13 深圳先进技术研究院 一种x光机的参数标定方法、装置及***
WO2019050417A1 (en) * 2017-09-06 2019-03-14 Auckland Uniservices Limited METHOD FOR CALIBRATING STEREOSCOPIC SYSTEM
CN111739072A (zh) * 2020-06-22 2020-10-02 浙江大华技术股份有限公司 像素点的匹配方法及装置、存储介质和电子装置
CN111882510A (zh) * 2020-06-30 2020-11-03 首都医科大学附属北京友谊医院 Cta三维重建镜像数据的投影方法、图像处理方法及装置
CN111973212A (zh) * 2020-08-19 2020-11-24 杭州三坛医疗科技有限公司 参数标定方法和参数标定装置
CN112102415A (zh) * 2020-08-25 2020-12-18 中国人民解放军63919部队 基于标定球的深度相机外参数标定方法、装置及设备

Also Published As

Publication number Publication date
CN113487626A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN112927280B (zh) 深度图像的获取方法及装置、单目散斑结构光***
CN110070564B (zh) 一种特征点匹配方法、装置、设备及存储介质
CN111028205B (zh) 一种基于双目测距的眼睛瞳孔定位方法及装置
CN112489140B (zh) 姿态测量方法
CN112446917B (zh) 一种姿态确定方法及装置
CN110742631A (zh) 一种医学图像的成像方法和装置
CN114952856A (zh) 机械臂手眼标定方法、***、计算机及可读存储介质
CN111627073B (zh) 一种基于人机交互的标定方法、标定装置和存储介质
CN115661214A (zh) 一种配准精度验证方法及装置
CN115713563A (zh) 一种相机标定的方法、装置、电子设备及存储介质
CN111161297A (zh) 限束器边缘的确定方法、装置及x射线***
CN113487626B (zh) 一种镜像图像识别方法、装置、电子设备及存储介质
CN115619836A (zh) 一种焦屏距校准方法及装置
CN116430069A (zh) 机器视觉流体流速测量方法、装置、计算机设备及存储介质
CN115564822A (zh) 一种畸变校准方法、装置、电子设备及介质
CN114693769A (zh) 一种c臂机的标定方法及装置
CN113989377A (zh) 一种相机的外参标定方法、装置、存储介质及终端设备
CN115239816A (zh) 一种相机标定方法、***、电子设备及存储介质
CN113205591A (zh) 一种三维重建训练数据的获取方法、装置及电子设备
CN112790786A (zh) 点云数据配准方法、装置、超声设备及存储介质
CN115484860A (zh) 超光谱视网膜图像中的阴影的实时检测和校正
CN115802159B (zh) 一种信息显示方法、装置、电子设备及存储介质
CN116183638B (zh) 一种dr空间分辨力自动检测计算方法
CN116269828A (zh) 一种自动配准方法、装置、电子设备及介质
CN116503387B (zh) 图像检测方法、装置、设备、***及可读存储介质

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
GR01 Patent grant
GR01 Patent grant