图像处理方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例提供了一种图像处理方法、装置、计算机设备及存储介质，该方法先从胃黏膜放大图像中剪裁出清晰区域，对胃黏膜放大图像进行分割，得到微血管区域及微结构区域，在微血管区域、微结构区域上进行框选，得到对应的微血管图像和微结构图像，从微血管图像中获取多个微血管特征值，从微结构图像中获取多个微结构特征值，将微血管图像和微结构图像进行叠加处理，从叠加图像中提取多个特征类型的图像特征，得到多个叠加图特征值，从胃黏膜放大图像中获取多个叠加图特征值，该多个微血管特征值、微结构特征值、叠加图特征值、图像特征值用于进行分类，实现了多个不同类型的特征值的提取，使得特征值更加全面丰富，提高了图像处理效率。效率。效率。

【技术实现步骤摘要】
图像处理方法、装置、计算机设备及存储介质


[0001]本申请涉及计算机
，具体涉及一种图像处理方法、装置、计算机设备及存储介质。

技术介绍

[0002]消化道肿瘤是最常见的恶性肿瘤之一。2015年，我国食管癌、胃癌、结直肠癌患病人数近150万，死亡人数大于100万，占癌症总死亡人数的1/3。其中胃癌是世界第五大最常见的癌症，其占癌症死亡原因的第三位。进展期胃癌术后五年生存率仅有30%，而胃早期癌症的五年生存率则高达90%。消化内镜检查是筛查和诊断消化道早期肿瘤最常用的强有力方法。放大胃镜与电子染色内镜联合应用，能够观察到普通胃镜无法观察的微小血管结构及黏膜表面微细结构，为内镜下诊断早期胃癌提供了条件，然而，这需要内镜医师具有强大的知识储备和丰富的经验，且不同的内镜医师识别结果可能不同，存在一定的主观性，因此，亟需提供一种高效准确的图像处理方法。

技术实现思路

[0003]本申请实施例提供一种图像处理方法、装置、计算机设备及存储介质，以解决人工检测存在的检测效率低的技术问题。
[0004]一方面，本申请提供一种图像处理方法，包括：获取胃黏膜放大图像，从所述胃黏膜放大图像中剪裁出清晰度大于预设清晰度阈值的清晰区域，并获取所述清晰区域的边界坐标；采用预设的图像分割模型对所述胃黏膜放大图像进行分割，得到微血管区域及微结构区域；按照所述清晰区域的边界坐标对应的最小外接矩形分别在所述胃黏膜放大图像的所述微血管区域、所述微结构区域上进行框选，得到对应的微血管图像和微结构图像；从所述微血管图像中提取多个特征类型的微血管特征，得到多个微血管特征值；从所述微结构图像中提取多个特征类型的微结构特征，得到多个微结构特征值；将所述微血管图像和微结构图像进行叠加处理，得到叠加图像，从所述叠加图像中提取多个特征类型的图像特征，得到多个叠加图特征值；从所述胃黏膜放大图像中提取多个特征类型的图像特征，得到多个图像特征值，所述微血管特征值、微结构特征值、叠加图特征值、图像特征值用于输入已训练的机器学习分类器进行分类，得到所述胃黏膜放大图像的分类结果。
[0005]一方面，本申请提供一种图像处理装置，包括：剪裁模块，用于获取胃黏膜放大图像，从所述胃黏膜放大图像中剪裁出清晰度大于预设清晰度阈值的清晰区域，并获取所述清晰区域的边界坐标；分割模块，用于采用预设的图像分割模型对所述胃黏膜放大图像进行分割，得到微血管区域及微结构区域；
框选模块，用于按照所述清晰区域的边界坐标对应的最小外接矩形分别在所述胃黏膜放大图像的所述微血管区域、所述微结构区域上进行框选，得到对应的微血管图像和微结构图像；第一确定模块，用于从所述微血管图像中提取多个特征类型的微血管特征，得到多个微血管特征值；第二确定模块，用于从所述微结构图像中提取多个特征类型的微结构特征，得到多个微结构特征值；第三确定模块，用于将所述微血管图像和微结构图像进行叠加处理，得到叠加图像，从所述叠加图像中提取多个特征类型的图像特征，得到多个叠加图特征值；第四确定模块，用于从所述胃黏膜放大图像中提取多个特征类型的图像特征，得到多个图像特征值，所述微血管特征值、微结构特征值、叠加图特征值、图像特征值用于输入已训练的机器学习分类器进行分类，得到所述胃黏膜放大图像的分类结果。
[0006]一方面，本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述图像处理方法中的步骤。
[0007]一方面，本申请提供一种计算机可读介质，存储有计算机程序，所述计算机程序被处理器执行时，实现上述图像处理方法中的步骤。
[0008]本申请实施例提供了一种图像处理方法、装置、计算机设备及存储介质，该方法先获取胃黏膜放大图像，从胃黏膜放大图像中剪裁出清晰度大于预设清晰度阈值的清晰区域，并获取清晰区域的边界坐标，然后，采用预设的图像分割模型对胃黏膜放大图像进行分割，得到微血管区域及微结构区域，接着，按照清晰区域的边界坐标对应的最小外接矩形分别在胃黏膜放大图像的微血管区域、微结构区域上进行框选，得到对应的微血管图像和微结构图像，继而从微血管图像中提取多个特征类型的微血管特征，得到多个微血管特征值，从微结构图像中提取多个特征类型的微结构特征，得到多个微结构特征值，最后，将微血管图像和微结构图像进行叠加处理，得到叠加图像，从叠加图像中提取多个特征类型的图像特征，得到多个叠加图特征值，从胃黏膜放大图像中提取多个特征类型的图像特征，得到多个图像特征值，该微血管特征值、微结构特征值、叠加图特征值、图像特征值用于输入已训练的机器学习分类器进行分类，得到胃黏膜放大图像的分类结果，实现了多个不同类型的特征值的提取，使得特征值更加全面丰富，且特征值的量化计算效率高，因此，基于多个叠加图特征值，微血管特征值、微结构特征值、图像特征值，大大提高了对胃黏膜放大图像的处理效率。
附图说明
[0009]为了更清楚地说明本专利技术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专利技术的一些实施例，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。
[0010]其中：图1为一个实施例中图像处理方法的流程图；图2为一个实施例中胃黏膜放大图像和清晰区域的示意图，a为胃黏膜放大图像的
示意图，b中的21为清晰区域的示意图；图3为一个实施例中微血管区域、微结构区域的示意图，c为微血管区域的示意图，d为微结构区域的示意图；图4为一个实施例中微血管图像、微结构图像的示意图，e为微血管图像的示意图，f为微结构图像的示意图；图5为一个实施例中叠加图像的示意图；图6为一个实施例中标注有最小外接矩形的对角位置的两个顶点的坐标的最小外接矩形的示意图；图7为一个实施例中微结构图像中的一个孔洞的示意图；图8为一个实施例中计算掩码图中像素值变化的示意图；图9为一个实施例中Resnet50网络结构示意图；图10为一个实施例中VGG16网络结构示意图；图11为一个实施例中图像处理装置的结构框图；图12为一个实施例中计算机设备的结构框图。
具体实施方式
[0011]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0012]如图1所示，在一个实施例中，提供了一种图像处理方法，该图像处理方法可以应用于终端，也可以应用于服务器，本实施例以应用于服务器举例说明。该图像处理方法具体包括以下步骤：步骤102，获取胃黏膜放大图像，从胃黏膜放大图像中剪裁出清晰度大于预设清晰度阈值的清晰区域，并获取清晰区域的边界坐标。
[0013]其中，胃黏膜放大图像是指通过放大内镜输出的包含有胃黏膜部位的内镜图像，该内镜图像为RGB格式的图像。清晰区域是指胃黏膜放大图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取胃黏膜放大图像，从所述胃黏膜放大图像中剪裁出清晰度大于预设清晰度阈值的清晰区域，并获取所述清晰区域的边界坐标；采用预设的图像分割模型对所述胃黏膜放大图像进行分割，得到微血管区域及微结构区域；按照所述清晰区域的边界坐标对应的最小外接矩形分别在所述胃黏膜放大图像的所述微血管区域、所述微结构区域上进行框选，得到对应的微血管图像和微结构图像；从所述微血管图像中提取多个特征类型的微血管特征，得到多个微血管特征值；从所述微结构图像中提取多个特征类型的微结构特征，得到多个微结构特征值；将所述微血管图像和微结构图像进行叠加处理，得到叠加图像，从所述叠加图像中提取多个特征类型的图像特征，得到多个叠加图特征值；从所述胃黏膜放大图像中提取多个特征类型的图像特征，得到多个图像特征值，所述微血管特征值、微结构特征值、叠加图特征值、图像特征值用于输入已训练的机器学习分类器进行分类，得到所述胃黏膜放大图像的分类结果。2.如权利要求1所述的图像处理方法，其特征在于，所述微血管特征的特征类型包括微血管直径比、微血管方向及微血管单位面积；所述从所述微血管图像中提取多个特征类型的微血管特征，得到多个微血管特征值的步骤，包括：通过迭代算法提取所述微血管图像的中心线，基于所述中心线的各个像素值确定所述微血管直径比对应的微血管特征值；基于所述微血管图像确定微血管连通区域，从所述微血管连通区域提取单根微血管对应的子微血管图像，在所述微血管连通区域上对各个所述子微血管图像进行遍历，得到各个所述子微血管图像的连通域，作为微血管子连通域；基于所述微血管子连通域确定各自对应的最小外接矩形；获取子微血管图像的微血管数量，并基于所述最小外接矩形确定所述微血管方向对应的微血管特征值；计算各个所述子微血管图像的微血管面积，基于所述微血管面积和所述微血管数量，确定所述微血管单位面积对应的微血管特征值。3.如权利要求1所述的图像处理方法，其特征在于，所述微结构特征的特征类型包括微结构密度、微结构孔洞方向及微结构孔洞单位面积；所述从所述微结构图像中提取多个特征类型的微结构特征，得到多个微结构特征值的步骤，包括：基于所述微结构图像确定微结构连通区域，从所述微结构连通区域中提取单根微结构对应的子微结构图像，并计算每个所述子微结构图像的微结构面积；根据各个所述微结构面积及所述微结构图像的面积，计算所述微结构密度对应的微结构特征值；将所述微结构图像进行黑白反转处理，得到微结构背景孔洞图像，并从所述微结构背景孔洞图像中提取单个子孔洞对应的子孔洞图像，基于所述微结构背景孔洞图像确定对应的孔洞连通区域，在所述孔洞连通区域上对各个所述子孔洞图像进行遍历，得到各个所述子孔洞图像的连通域，作为孔洞子连通域；基于所述孔洞子连通域确定各自对应的最小外接矩形；
基于所述最小外接矩形确定所述微结构孔洞方向对应的微结构特征值；获取所述子孔洞图像的孔洞数量，并计算各个所述子孔洞图像的孔洞面积，基于所述孔洞面积和所述孔洞数量，确定所述微结构孔洞单位面积对应的微结构特征值。4.如权利要求1所述的图像处理方法，其特征在于，所述图像特征的特征类型包括叠加图黑白交替值、叠加图伪血管密度及叠加图熵；所述从所述叠加图像中提取多个特征类型的图像特征，得到多个叠加图特征值的步骤，包括：对所述叠加图像进行二值化处理，得到掩码图，所述掩码图包含有像素值为0和像素值为1的像素点；基于所述掩码图，计算每行像素点的像素值从1变化为0的次数，作为第一次数，并计算每列像素点的像素值从1变化为0的次数，作为第二次数，基于所述第一次数和第二次数确定所述叠加图黑白交替值对应的叠加图特征值；基于所述叠加图像确定叠加连通区域，从所述叠加连通区域中提取单根微结构和单根微血管的叠加图对应的子叠加图像，并计算每个所...

【专利技术属性】
技术研发人员：李昊，胡珊，刘奇为，
申请(专利权)人：武汉楚精灵医疗科技有限公司，
类型：发明
国别省市：