[发明专利]图像处理方法及装置

说明书

本公开涉及一种图像处理方法及装置，所述方法包括：对待处理图像进行目标检测处理，获得待处理图像中的目标在第一坐标系下的第一轮廓；在第一轮廓不完整时，对第一轮廓的第一位置信息进行坐标变换处理，获得第二坐标系下的第二轮廓；根据第二轮廓的第二位置信息，确定完整的第三轮廓的第三位置信息；对第三位置信息进行坐标变换处理，获得目标在第一坐标系下的第四轮廓。根据本公开的实施例的图像处理方法，可在检测出的目标的轮廓不完整的情况下，根据坐标变换处理以及坐标变换后轮廓上像素点的第二位置信息将轮廓补充完整，可获得完整的目标区域，提升检测效率，提高检测精度，优化检测结果的视觉效果。

技术领域

本公开涉及计算机领域，尤其涉及一种图像处理方法及装置。

背景技术

随着计算机视觉技术的发展，深度学习神经网络方法可被应用到诸如磁共振成像(Magnetic Resonance Imaging，MRI)或计算机断层成像(Computed Tomography，CT)等医学图像中，为诊断和治疗提供依据。而相关技术中，可用矩形框来标出目标区域(例如，病灶区域或某器官组织)的位置，但复杂的细节(如曲率)无法用矩形框表达，如需确定细节表达，还需确定目标区域的边界轮廓以分割出目标区域。

肿瘤边缘通常是由医疗专业人员根据视觉上的线索和医疗经验来划分的，诊断难度较大，精度较低。深度学习神经网络通常无法适应医学上某些病灶的检测，例如，肿瘤轮廓在视觉上可能不存在明显的边缘，导致轮廓不完整，无法形成完整区域，也无法获得分割掩膜来分割出目标区域。

发明内容

有鉴于此，本公开提出了一种图像处理方法及装置。

根据本公开的一方面，提供了一种图像处理方法，包括：对待处理图像进行目标检测处理，获得所述待处理图像中的目标在第一坐标系下的第一轮廓；在所述第一轮廓不完整时，对所述第一轮廓的像素点在所述第一坐标系下的第一位置信息进行坐标变换处理，获得第二坐标系下的第二轮廓；根据所述第二轮廓的像素点在所述第二坐标系下的第二位置信息，确定完整的第三轮廓的像素点在所述第二坐标系下的第三位置信息；对所述第三位置信息进行坐标变换处理，获得所述目标在第一坐标系下的第四轮廓，其中，所述第四轮廓为完整的轮廓。

在一种可能的实现方式中，根据所述第二轮廓的像素点在所述第二坐标系下的第二位置信息，确定完整的第三轮廓的像素点在所述第二坐标系下的第三位置信息，包括：根据所述第二位置信息进行插值处理，获得所述第二轮廓的像素点在所述第二坐标系下的位置表示；根据所述位置表示，获得完整的第五轮廓的多个像素点的第四位置信息；对所述第四位置信息进行频域变换处理，获得所述第四位置信息的第一频域表示；对所述第一频域表示的预定频率响应进行衰减处理，获得第二频域表示；对所述第二频域表示进行频域逆变换处理，获得所述完整的第三轮廓的像素点在所述第二坐标系下的第三位置信息。

在一种可能的实现方式中，所述第二坐标系为极坐标系，所述第二位置信息包括所述第二轮廓的像素点的极坐标角度以及径向距离，所述位置表示包括所述第二轮廓的像素点的极坐标角度与径向距离之间的关系。

在一种可能的实现方式中，根据所述位置表示，获得完整的第五轮廓的多个像素点的第四位置信息，包括：均匀设置多个极坐标角度；根据所述位置表示，确定所述多个极坐标角度对应的径向距离。

在一种可能的实现方式中，所述第二坐标系为极坐标系，所述对所述第一轮廓的像素点在所述第一坐标系下的第一位置信息进行坐标变换处理，获得第二坐标系下的第二轮廓，包括：对所述第一轮廓的多个像素点的第一位置信息进行加权平均处理，获得参考点；以所述参考点作为所述极坐标系的中心点，将所述第一位置信息进行极坐标变换处理，获得第二坐标系下的第二轮廓的像素点的第二位置信息，所述第二位置信息包括像素点的极坐标角度以及径向距离。