基于图像的巩膜黄疸分析方法和系统

本公开涉及图像处理，特别涉及一种基于图像的巩膜黄疸分析方法、系统和电子设备。

背景技术：

1、目前常规的黄疸测量方法主要有三类：目测法、测疸仪测经皮胆红素值法、静脉抽血法。其中，目测法存在较大的误差，只能大致判断黄疸情况；测疸仪测经皮胆红素值法对于不同个体的测量精度有明显差异，这是因为不同个体（或者是同一个体在不同年龄段）的自然肤色有明显差异，而肤色会对测疸仪的检测精度有直接影响；静脉抽血法虽能得到较为精准的测量结果，但是需要患者到指定医疗机构进行检测，且抽血会对患者造成一定损伤。故，提供一种准度高、普适性强、对检测对象无损伤的黄疸检测方案，是本领域技术人员亟需解决的技术问题。

技术实现思路

1、本公开旨在至少解决现有技术中存在的技术问题之一，提出了一种基于图像的巩膜黄疸分析方法、系统和电子设备。

2、第一方面，本公开提供了一种基于图像的巩膜黄疸分析方法，包括：

3、识别目标对象的待分析眼部图像中的第一巩膜区域和第一虹膜区域；

4、获取所述第一虹膜区域的第一颜色特征信息以及所述第一巩膜区域的第二颜色特征信息，所述第一颜色特征信息包括所述第一虹膜区域内至少部分像素的r通道均值irn、g通道均值ign和b通道均值ibn，所述第二颜色特征信息包括所述第一巩膜区域内至少部分像素的r通道均值srn、g通道均值sgn和b通道均值sbn；

5、获取所述目标对象的历史眼部图像中第二虹膜区域的历史颜色特征信息以及第二巩膜区域的历史黄度值，所述第三颜色特征信息包括所述第二虹膜区域内至少部分像素的r通道均值ire、g通道均值ige和b通道均值ibe；

6、根据所述第一颜色特征信息和所述第三颜色特征信息对所述第二颜色特征信息进行校准，得到第一巩膜区域的校准颜色特征信息，所述校准颜色特征信息包括：校准r通道均值sro、校准g通道均值sgo和校准b通道均值sbo，sro=srn-（irn-ire），sgo=sgn-（ign-ige）, sbo=sbn-（ibn-ibe）；

7、根据所述校准颜色特征信息确定出所述第一巩膜区域所对应的当前黄度值；

8、根据所述当前黄度值、所述历史黄度值以及在拍摄所述历史眼部图像时所述目标对象的历史黄疸指数，评估出所述目标对象的当前黄疸指数，所述当前黄疸指数与所述当前黄度值呈正相关。

9、在一些实施例中，在识别目标对象的待分析眼部图像中的第一巩膜区域和第一虹膜区域的步骤之前，还包括：

10、获取所述目标对象的至少一段当前眼部视频流，所述当前眼部视频流包括多张当前眼部图像；

11、针对每一张目标当前眼部图像，通过边缘检测算子提取所述目标当前眼部图像中的目标眼部边缘轮廓，并将所述目标眼部边缘轮廓与预设眼部正面形态库中所存储的眼部正面边缘轮廓进行比较匹配；若所述目标眼部边缘轮廓与所述预设眼部正面形态库中的至少一个眼部正面边缘轮廓匹配成功，则将所述目标当前眼部图像保留，若所述目标眼部边缘轮廓与所述预设眼部正面形态库中的所有眼部正面边缘轮廓均匹配失败，则将所述目标当前眼部图像删除；

12、针对保留的各当前眼部图像，分别计算各当前眼部图像所对应的眼部区域占比，并筛选出所对应的所述眼部区域占比最大的m张当前眼部图像，所述眼部区域占比等于所述当前眼部图像中眼部区域面积与所述当前眼部图像的全幅面图像面积之比，m≥2且为正整数；

13、针对m张当前眼部图像，分别计算各当前眼部图像所对应的峰值信噪比，并筛选出所对应的峰值信噪比最大的一张当前眼部图像作为所述待分析眼部图像。

14、在一些实施例中，识别目标对象的待分析眼部图像中的第一巩膜区域和第一虹膜区域的步骤包括：

15、步骤s101、通过边缘检测算子检测出所述待分析眼部图像中的眼部区域边缘轮廓，并截取出眼部区域完整图像，所述眼部区域完整图像的长度为l像素，高度为h像素，l大于h；

16、步骤s102、初始化虚拟圆形区域的当前半径r取值为r0像素，r0＜l/2；

17、步骤s103、针对所述眼部区域完整图像中的每一个目标像素，检测以所述目标像素为圆心且当前半径r的虚拟圆形区域覆盖所述眼部区域完整图像的覆盖区域是否满足预设条件，并筛选出满足预设条件的覆盖区域作为待处理区域，所述预设条件包括：

18、1）所述覆盖区域的面积与所述虚拟圆形区域的面积之比大于等于a，0.5≤a≤1；

19、2）所述覆盖区域具有在所述眼部区域完整图像的长度方向上相对设置的第一边缘和第二边缘，所述第一边缘包括多个第一边缘像素，所述第二边缘包括多个第二边缘像素，所述第一边缘中超过占比b的第一边缘像素满足所述第一边缘像素与所对应外侧相邻像素的像素差异度大于c，所述第二边缘中超过b的第二边缘像素满足所述第二边缘像素与所对应外侧相邻像素的像素差异度大于c，其中90%≤b≤100%，5%≤c≤15%，边缘像素与外侧相邻像素的像素差异度等于边缘像素的rgb三通道数值和与外侧相邻像素的rgb三通道数值和的差值除以边缘像素的rgb三通道数值和；

20、步骤s104、对当前半径r进行像素加1处理，以对当前半径r进行更新；

21、步骤s105、判断更新后的当前半径r是否大于l/2像素；

22、若更新后的当前半径r小于等于l/2像素，则以更新后的当前半径r再次执行步骤s103；

23、若更新后的当前半径r大于l/2像素，则执行步骤s106；

24、步骤s106、根据所述眼部区域完整图像和全部所述待处理区域来确定出所述第一巩膜区域和所述第一虹膜区域。

25、在一些实施例中，在步骤s106中确定第一巩膜区域的步骤包括：

26、从眼部区域完整图像中剔除全部所述待处理区域，剩余部分作为所述第一巩膜区域；

27、在步骤s106中确定第一虹膜区域的步骤包括：

28、分别计算各所述待处理区域中高亮像素占比，所述高亮像素占比等于所述待处理区域中高亮像素数量除以所述待处理区域中像素总数量，所述高亮像素为rgb三通道数值和大于等于d的像素，500≤d≤700；

29、从全部所述待处理区域中剔除所对应的高亮像素占比大于等于e的待处理区域，75%≤e≤1；

30、从剩余所述待处理区域中筛选出所对应半径最大的一个所述待处理区域作为虹膜瞳孔整体区域，以及筛选出完全位于所述虹膜瞳孔整体区域内且所对应圆心与所述虹膜瞳孔整体区域所对应圆心最接近的一个待处理区域作为瞳孔区域；

31、从所述虹膜瞳孔整体区域中剔除所述瞳孔区域，剩余部分作为所述第一虹膜区域。

32、在一些实施例中，获取所述第一虹膜区域的第一颜色特征信息的步骤包括：

33、从所述第一虹膜区域中剔除rgb三通道数值和小于q1的像素以及剔除rgb三通道数值和大于q2的像素，剩余部分作为有效虹膜区域，80≤q1≤120，300≤q2≤500；

34、计算所述有效虹膜区域内所有像素的r通道均值irn、g通道均值ign和b通道均值ibn。

35、在一些实施例中，获取所述第一巩膜区域的第二颜色特征信息的步骤包括：

36、从所述第一巩膜区域中剔除f圈边缘像素点，剩余部分作为巩膜有效区，1≤f≤4且f为整数；

37、计算所述有效巩膜区域内所有像素的r通道均值srn、g通道均值sgn和b通道均值sbn。

38、在一些实施例中，根据所述校准颜色特征信息确定出所述第一巩膜区域所对应的当前黄度值的步骤包括：

39、将校准颜色特征信息从rgb颜色空间通过线性处理转换到cie-xyz颜色空间，并通过预设黄度计算公式确定出对应的黄度值；

40、所述预设黄度计算公式表示如下：

41、；

42、其中，表示计算出的黄度值，、、表示校准颜色特征信息转换到cie-xyz颜色空间后的三刺激值，和表示d65标准光源下的系数。

43、在一些实施例中，根据所述当前黄度值、所述历史黄度值以及在拍摄所述历史眼部图像时所述目标对象的历史黄疸指数，评估出所述目标对象的当前黄疸指数的步骤包括：

44、采用如下公式计算出当前黄疸指数：

45、；

46、其中，表示所述当前黄度值，表示所述历史黄度值，表示历史黄疸指数，表示预设调节系数。

47、第二方面，本公开还提供了一种基于图像的巩膜黄疸分析系统，所述分析系统配置为能够实现如第一方面中提供的所述分析方法，所述分析系统包括：

48、识别模块，配置为识别目标对象的待分析眼部图像中的第一巩膜区域和第一虹膜区域；

49、第一获取模块，配置为获取所述第一虹膜区域的第一颜色特征信息以及所述第一巩膜区域的第二颜色特征信息，所述第一颜色特征信息包括所述第一虹膜区域内至少部分像素的r通道均值irn、g通道均值ign和b通道均值ibn，所述第二颜色特征信息包括所述第一巩膜区域内至少部分像素的r通道均值srn、g通道均值sgn和b通道均值sbn；

50、第二获取模块，配置为获取所述目标对象的历史眼部图像中第二虹膜区域的历史颜色特征信息以及第二巩膜区域的历史黄度值，所述第三颜色特征信息包括所述第二虹膜区域内至少部分像素的r通道均值ire、g通道均值ige和b通道均值ibe；

51、校准模块，配置为根据所述第一颜色特征信息和所述第三颜色特征信息对所述第二颜色特征信息进行校准，得到第一巩膜区域的校准颜色特征信息，所述校准颜色特征信息包括：校准r通道均值sro、校准g通道均值sgo和校准b通道均值sbo，sro=srn-（irn-ire），sgo=sgn-（ign-ige）, sbo=sbn-（ibn-ibe）；

52、黄度计算模块，配置为根据所述校准颜色特征信息确定出所述第一巩膜区域所对应的当前黄度值；

53、评估模块，配置为根据所述当前黄度值、所述历史黄度值以及在拍摄所述历史眼部图像时所述目标对象的历史黄疸指数，评估出所述目标对象的当前黄疸指数，所述当前黄疸指数与所述当前黄度值呈正相关。

54、第三方面，本公开还提供了一种电子设备，包括：

55、一个或多个处理器；

56、存储器，用于存储一个或多个程序；

57、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中提供的任一所述分析方法。

58、本公开提供了一种基于图像的巩膜黄疸分析方法，通过获取待分析眼部图像中的第一虹膜区域的第一颜色特征信息和第一巩膜区域的第二颜色特征信息，然后利用历史眼部图像中第二虹膜区域与第一虹膜区域的颜色特征信息的差异，来对第一巩膜区域的颜色特征信息进行校准，并根据校准后的颜色特征信息确定出第一巩膜区域的当前黄度值，最后根据当前黄度值、历史眼部图像中第二巩膜区域的历史黄度值、拍摄所述历史眼部图像时所对应的历史黄疸指数，来评估出目标对象的当前黄疸指数；本公开所提供的巩膜黄疸分析方法，其准度高、普适性强且对检测对象无损伤。