本申请涉及一种图像处理方法、装置、计算机设备和存储介质。该方法包括：计算机设备对待测对象的医疗体数据进行路径追踪，得到待测对象的低分辨率的初始图像，对医疗体数据进行光线投射处理，得到医疗体数据的投射参数，将初始图像和投射参数，以及上一帧的图像结果输入至预设的神经网络模型中，得到待测对象当前帧的高分辨率的目标医疗图像。在本方法中，在时域维度进行目标医疗图像的生成过程中，在相机位置发生变化时，计算机设备依然可以基于上一帧的部分图像结果进行图像处理，避免了现有技术中由于相机位置发生变化需要重新对体数据进行图像处理而造成的数据量大的情况，减少了图像处理的数据量，从而提高了图像处理的效率。率。率。
【技术实现步骤摘要】
图像处理方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机
，特别是涉及一种图像处理方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着计算机技术的不断发展，越来越多的医学后处理工作站开始采用光线追踪技术对医疗体数据进行物理渲染，医学体数据的物理渲染技术是通过对真实场景进行模拟，然后通过对光线在体数据场这一物理介质中的真实传播交互行为进行数学建模，完成场景的高逼真渲染出图。
[0003]现有技术多采用渐进式物理渲染技术来对医疗体数据进行物理渲染，通过蒙特卡罗抽样法对图像中的各个像素进行路径追踪，当相机或相机与物体的相对位置没有发生变化时，通过基于中间计算过程的HDR图像和所有该角度的过往帧对应的路径追踪计算结果求平均值；当相机或相机与物体的相对位置发生变化，则重新从头开始路径追踪的迭代计算。
[0004]然而，上述在相机或相机与物体的相对位置发生变化，需要重新从头开始迭代计算的方式，计算过程复杂，导致计算量大。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种提高图像处理速度的图像处理方法、装置、计算机设备和存储介质。
[0006]第一方面，提供一种图像处理方法，该方法包括：
[0007]对待测对象的医疗体数据进行路径追踪，得到待测对象的初始图像；
[0008]对医疗体数据进行光线投射处理，得到医疗体数据的投射参数；
[0009]将初始图像和投射参数，以及上一帧的图像结果输入至预设的神经网络模型中，得到待测对象当前帧的目标医疗图像。
[0010]在其中一个可选的实施例中，对待测对象的医疗体数据进行路径追踪，得到待测对象的初始图像，包括：
[0011]针对医疗体数据在屏幕图像中的各个像素，生成各像素对应的空间偏移向量；
[0012]根据各像素的空间偏移向量，对医疗体数据进行N次路径追踪，计算得到各像素对应的N个路径追踪结果；
[0013]根据各像素对应的N个路径追踪结果，确定初始图像。
[0014]在其中一个可选的实施例中，对医疗体数据进行光线投射处理，得到医疗体数据的投射参数，包括：
[0015]根据预设的传递函数，在屏幕图像的各个像素上对医疗体数据进行光线投射处理，计算各像素的替代深度；
[0016]根据各像素的替代深度，确定各像素对应的移动向量、光学属性和医疗标签。
[0017]在其中一个可选的实施例中，根据预设的传递函数，在屏幕图像的各个像素上对医疗体数据进行光线投射处理，计算各像素的替代深度，包括：
[0018]根据预设的传递函数，对医疗体数据进行光线投射处理，得到每个光线在各像素上的不透明度；
[0019]沿着每个光线方向，对各像素的不透明度进行累积，得到每个光线方向上各像素的累积不透明度；
[0020]将每个光线方向上各像素的累积不透明度与预设的不透明度阈值进行对比，并根据不透明度对比结果，确定各像素的替代深度。
[0021]在其中一个可选的实施例中，根据各像素的替代深度，确定各像素对应的移动向量，包括：
[0022]根据相机的位置参数，确定当前帧的第一相机投影矩阵和上一帧的第二相机投影矩阵；
[0023]根据各像素的替代深度、第一相机投影矩阵、第二相机投影矩阵，计算各像素的上一帧坐标；
[0024]根据各像素的上一帧坐标和各像素的当前帧坐标，计算各像素的移动向量。
[0025]在其中一个可选的实施例中，神经网络模型的训练方法包括：
[0026]获取样本医疗体数据；
[0027]根据预设的传递函数对样本医疗体数据进行光线投射处理，确定样本医疗体数据对应的样本投射参数；
[0028]对样本医疗体数据进行路径追踪计算，确定样本医疗体数据对应的样本初始图像；
[0029]将样本投射参数、样本初始图像，作为初始神经网络的输入，将预设的标准图像作为参考输出，对初始神经网络进行训练，得到神经网络模型。
[0030]在其中一个可选的实施例中，将样本投射参数、样本初始图像，作为初始神经网络的输入参数，将预设的标准图像作为参考输出，对初始神经网络进行训练，得到神经网络模型，包括：
[0031]将样本投射参数、样本初始图像输入至初始神经网络模型，得到样本医疗体数据对应的预测图像；
[0032]计算预测图像与金标准图像之间的像素差异作为损失值；
[0033]根据像素损失值调整初始神经网络模型的参数，并基于样本医疗体数据的路径追踪次数和样本投射参数，对初始神经网络模型进行训练，得到神经网络模型。
[0034]在其中一个可选的实施例中，基于样本医疗体数据的路径追踪次数和样本投射参数，对初始神经网络模型进行训练，得到神经网络模型，包括：
[0035]根据路径追踪次数和预设的追踪次数阈值，确定当前帧的样本医疗体数据的路径追踪次数；
[0036]当损失值最小时，确定路径追踪总次数达到收敛，得到神经网络模型。
[0037]在其中一个可选的实施例中，根据路径追踪次数和预设的追踪次数阈值，确定当前帧的样本医疗体数据的路径追踪次数，包括：
[0038]若路径追踪次数小于预设的第一阈值，则将第一阈值与路径追踪次数的差值，确
定为当前帧的样本医疗体数据的追踪次数；
[0039]若路径追踪次数大于第一阈值，且路径追踪次数小于预设的第二阈值，则根据预设步进，将预设步进与路径追踪次数的和，确定为当前帧的样本医疗体数据的追踪次数；第二采样阈值大于第一采样阈值；
[0040]若路径追踪次数大于第二阈值，则确定当前帧的样本医疗体数据的路径追踪次数为0。
[0041]在其中一个可选的实施例中，若初始图像为高动态图像；该方法还包括：
[0042]根据预设的去噪算法，对高动态图像进行去噪处理，得到去噪处理之后的高动态图像；
[0043]根据预设的映射算法，将去噪处理之后的高动态图像转换为低动态图像；
[0044]将初始图像和投射参数，以及上一帧的图像结果输入至预设的神经网络模型中，得到待测对象当前帧的目标医疗图像，包括：
[0045]将低动态图像和投射参数，以及上一帧的图像结果输入至预设的神经网络模型中，得到待测对象当前帧的目标医疗图像。
[0046]第二方面，提供一种图像处理装置，该装置包括：
[0047]第一计算模块，用于对待测对象的医疗体数据进行路径追踪，得到待测对象的初始图像；
[0048]第二计算模块，用于对医疗体数据进行光线投射处理，得到医疗体数据的投射参数；
[0049]处理模块，用于将初始图像和投射参数，以及上一帧的图像结果输入至预设的神经网络模型中，得到待测对象当前帧的目标医疗图像。
[0050]第三方面，提供一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现上述第一方面任一所述的图像处理方法。...
【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，所述方法包括：对待测对象的医疗体数据进行路径追踪，得到所述待测对象的初始图像；对所述医疗体数据进行光线投射处理，得到所述医疗体数据的投射参数；将所述初始图像和所述投射参数，以及上一帧的图像结果输入至预设的神经网络模型中，得到所述待测对象当前帧的目标医疗图像。2.根据权利要求1所述的方法，其特征在于，所述对待测对象的医疗体数据进行路径追踪，得到所述待测对象的初始图像，包括：针对所述医疗体数据在屏幕图像中的各个像素，生成各所述像素对应的空间偏移向量；根据各所述像素的空间偏移向量，对所述医疗体数据进行N次路径追踪，计算得到各所述像素对应的N个路径追踪结果；根据各所述像素对应的N个路径追踪结果，确定所述初始图像。3.根据权利要求1所述的方法，其特征在于，所述对所述医疗体数据进行光线投射处理，得到所述医疗体数据的投射参数，包括：根据预设的传递函数，在屏幕图像的各个像素上对所述医疗体数据进行光线投射处理，计算各所述像素的替代深度；根据各所述像素的替代深度，确定各所述像素对应的移动向量、光学属性和医疗标签。4.根据权利要求3所述的方法，其特征在于，所述根据预设的传递函数，在屏幕图像的各个像素上对所述医疗体数据进行光线投射处理，计算各所述像素的替代深度，包括：根据预设的传递函数，对所述医疗体数据进行光线投射处理，得到每个光线在各所述像素上的不透明度；沿着每个光线方向，对各所述像素的不透明度进行累积，得到每个光线方向上各所述像素的累积不透明度；将每个光线方向上各所述像素的累积不透明度与预设的不透明度阈值进行对比，并根据不透明度对比结果，确定各所述像素的替代深度。5.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练方法包括：获取样本医疗体数据；根据预设的传递函数对所述样本医疗体数据进行光线投射处理，确定所述样本医疗体数据对应的样本投射参数；对所述样本医疗体数据进行路径追踪计算，确定所述样本医疗体数据对应...
【专利技术属性】
技术研发人员：刘雯卿，张治国，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。