一种图像处理方法及装置制造方法及图纸

本发明专利技术实施例提供了一种图像处理方法及装置，所述方法包括：获取包含光斑区域的待识别图像；所述待识别图像为在无影灯照射区域采集的图像；通过预先训练的神经网络模型，根据所述待识别图像的图像信息，以及所述待识别图像中包括的各区域的形状，识别所述待识别图像的光斑区域；其中，所述神经网络模型是预先通过包含光斑区域的样本图像训练得到的，所述光斑区域的形状为预设形状，所述光斑区域的图像信息满足预设条件。本发明专利技术实施例能够检测出待识别图像中的光斑区域。

An image processing method and device

【技术实现步骤摘要】
一种图像处理方法及装置
本专利技术涉及图像处理
，特别是涉及一种图像处理方法及装置。
技术介绍
在医疗领域的一些场景中，如手术室、检查室、急救室等，医生对患者施行一些操作时，由于医生的头、手以及医疗器械等均可能会产生阴影，而这些阴影可能会影响操作的精度，因此，无影灯得到了广泛的应用。无影灯的原理为，将发光强度很大的灯在灯盘上排列成圆形，合成一个大面积的光源。这样，就能从不同角度把光线照射到操作台上，既保证操作区域有足够的亮度，同时又不会产生明显的本影，所以称为无影灯。通常情况下，为了记录操作过程，可以通过图像采集设备对医疗领域的一些操作进行监控。然而，由于图像采集设备的监控范围比较广，其采集到的监控图像中通常只有无影灯所在的光斑区域为包含有效信息的区域。因此，如何检测图像中的光斑区域，进而准确的获取到图像中的有效信息，成为一个亟待解决的问题。
技术实现思路
本专利技术实施例的目的在于提供一种图像处理方法及装置，以实现检测图像中的光斑区域。具体技术方案如下：第一方面，本专利技术实施例提供了一种图像本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：/n获取包含光斑区域的待识别图像；所述待识别图像为在无影灯照射区域采集的图像；/n通过预先训练的神经网络模型，根据所述待识别图像的图像信息，以及所述待识别图像中包括的各区域的形状，识别所述待识别图像的光斑区域；/n其中，所述神经网络模型是预先通过包含光斑区域的样本图像训练得到的，所述光斑区域的形状为预设形状，所述光斑区域的图像信息满足预设条件。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：
获取包含光斑区域的待识别图像；所述待识别图像为在无影灯照射区域采集的图像；
通过预先训练的神经网络模型，根据所述待识别图像的图像信息，以及所述待识别图像中包括的各区域的形状，识别所述待识别图像的光斑区域；
其中，所述神经网络模型是预先通过包含光斑区域的样本图像训练得到的，所述光斑区域的形状为预设形状，所述光斑区域的图像信息满足预设条件。


2.根据权利要求1所述的方法，其特征在于，所述通过预先训练的神经网络模型，识别所述待识别图像的光斑区域之后，所述方法还包括：
基于所述待识别图像的光斑区域的图像信息，对采集所述待识别图像的图像采集设备的采集参数进行调整；和/或
基于所述待识别图像的光斑区域的图像信息，对所述待识别图像进行处理。


3.根据权利要求2所述的方法，其特征在于，所述基于所述待识别图像的光斑区域的图像信息，对采集所述待识别图像的图像采集设备的采集参数进行调整的步骤，包括：
确定所述待识别图像的光斑区域的亮度信息；
根据所述光斑区域的亮度信息，对所述图像采集设备的曝光参数进行调整。


4.根据权利要求2所述的方法，其特征在于，所述基于所述待识别图像的光斑区域的图像信息，对采集所述待识别图像的图像采集设备的采集参数进行调整的步骤，包括：
确定所述待识别图像的光斑区域的面积，以及所述待识别图像的面积；
根据所述光斑区域的边界与所述待识别图像的边界之间的关系，所述待识别图像的光斑区域的面积，以及所述待识别图像的面积，对所述图像采集设备的焦距进行调整。


5.根据权利要求2所述的方法，其特征在于，所述基于所述待识别图像的光斑区域的图像信息，对所述待识别图像进行处理的步骤，包括：
确定所述待识别图像的当前待编码区域，所述当前待编码区域大小为预设值；
判断所述当前待编码区域是否位于所述光斑区域内；
当所述当前待编码区域位于所述光斑区域内时，采用预设第一编码参数对所述当前待编码区域进行编码；
当所述当前待编码区域不位于所述光斑区域内时，采用预设第二编码参数对所述当前待编码区域进行编码；所述第二编码参数小于所述第一编码参数。


6.根据权利要求5所述的方法，其特征在于，所述判断所述当前待编码区域是否位于所述光斑区域内的步骤，包括：
在所述当前待编码区域中，识别与所述光斑区域重叠的第一区域，以及剩余的第二区域；
当所述第一区域的面积大于或等于所述第二区域的面积时，确定所述待编码区域位于所述光斑区域内；当所述第一区域的面积小于所述第二区域的面积时，确定所述待编码区域不位于所述光斑区域内。


7.根据权利要求1-6任一项所述的方法，其特征在于，所述神经网络模型的训练过程包括：
获取包含光斑区域的样本图像，其中，所述样本图像为在无影灯照射区域采集的图像，所述光斑区域的形状为预设形状，所述光斑区域的图像信息满足所述预设条件；
将所述样本图像输入预设的初始神经网络模型，当所述初始神经网络模型根据各所述样本图像的图像信息以及各所述样本图像中包括的各区域的形状，识别出的区域与对应各样本图像中包括的光斑区域匹配时，得到所述神经网络模型。


8.根据权利要求1-6任一项所述的方法，其特征在于，所述预设条件包括以下至少一项：所述光斑区域的亮度值与所述样本图像中除所述光斑区域之外的剩余区域的亮度值满足预定大小关系、所述光斑区域的像素值位于预设像素值范围内、以及所述光斑区域的亮度值位...

【专利技术属性】
技术研发人员：陈碧泉，雷颖杰，张奇松，叶建军，
申请(专利权)人：杭州海康慧影科技有限公司，
类型：发明
国别省市：浙江;33