本發(fā)明涉及圖像處理的，尤其是涉及一種瞼板腺缺失檢測方法、系統(tǒng)、裝置及介質(zhì)。

背景技術(shù)：

1、瞼板腺是增大的變態(tài)皮脂腺，由腺泡及導(dǎo)管兩個獨立的功能結(jié)構(gòu)單位組成，具有合成、儲存和分泌脂質(zhì)的功能。瞼板腺分泌的脂質(zhì)稱為瞼酯，參與淚膜脂質(zhì)層構(gòu)成。淚膜脂質(zhì)層發(fā)揮維持淚膜穩(wěn)定性，降低淚膜水液層蒸發(fā)率，防止淚液外流，抵抗微生物等重要作用。

2、目前通過嘗試使用圖像處理算法或軟件使得醫(yī)生能夠更準確便捷地獲取瞼板腺腺體的信息，增加了瞼板腺圖像的對比度將腺體凸顯出來，以便于醫(yī)生的對瞼板腺的觀察。對圖像進行分析，手動繪制出瞼板腺存在、缺失區(qū)域繼而計算出瞼板腺的存在面積與缺失面積。

3、但是，在獲取瞼板腺的缺失面積時，繪制瞼板腺的過程相對繁瑣、費時，且手動繪制的精確度較低，檢測過程易引入人為誤差。因此，急需一種精度高的瞼板腺缺失檢測方法對瞼板腺的缺失進行檢測。

技術(shù)實現(xiàn)思路

1、為了能夠提高對瞼板腺檢測的精度，本發(fā)明提供一種瞼板腺缺失檢測方法、系統(tǒng)、裝置及介質(zhì)。

2、第一方面，本發(fā)明提供的一種瞼板腺缺失檢測方法，采用如下的技術(shù)方案：

3、一種瞼板腺缺失檢測方法，包括：

4、圖像獲取：翻開上下眼皮，對眼睛進行拍照，并獲取眼睛照片；

5、圖像處理：對眼睛照片進行灰度處理，使得眼睛照片中每一個像素對應(yīng)一個灰度值k，并獲取灰度值總個數(shù)m、最大灰度值nmax以及最小灰度值nmin；

6、第一次灰度值分割點獲?。韩@取第一灰度值分割點m1，第一灰度值分割點m1的獲取模型如下：

7、

8、第一次圖像分割：以第一灰度值分割點m1為基準，將眼睛照片中的m個灰度值進行區(qū)分，并形成集合a1以及集合b1，集合a1中的元素為灰度值k小于m1的灰度值，集合b1中的元素為灰度值k大于m1的灰度值；

9、第n次灰度值分割點獲?。韩@取第n灰度值分割點mn，第n灰度值分割點mn的獲取模型如下：

10、

11、式中，i為集合an-1中的元素個數(shù)，ki為灰度值小于第n-1灰度值分割點mn-1的灰度值，j為集合bn-1中的元素個數(shù)，kj為灰度值大于第n-1灰度值分割點mn-1的灰度值；

12、第n次圖像分割：以第n灰度值分割點mn為基準，并使mn取代mn-1，將眼睛照片中的m個灰度值進行區(qū)分，并形成集合an以及集合bn，集合an中的元素為灰度值k小于mn的灰度值，集合bn中的元素為灰度值k大于mn的灰度值，并使得集合an取代集合an-1，集合bn取代bn-1；

13、灰度值判斷：設(shè)置灰度值閾值δm，若mn-mn-1≥δm，則執(zhí)行第n次灰度值分割點獲取步驟，并執(zhí)行第n次圖像分割步驟，若mn-mn-1＜δm，則執(zhí)行面積計算步驟；

14、面積計算：計算瞼板腺的面積s，瞼板腺面積s的計算模型如下：

15、

16、式中，x為眼睛照片的寬度。y為眼睛照片的長度，m為灰度值總個數(shù)，z為瞼板腺區(qū)域的灰度值個數(shù)；

17、瞼板腺區(qū)域的灰度值個數(shù)z的計算模型如下：

18、z＝∑r[k]：

19、

20、輸出：輸出經(jīng)過處理的眼睛照片，以及瞼板腺的面積s的數(shù)值。

21、在對瞼板腺進行檢測時，將被檢測人員眼皮翻開，對眼睛進行拍照，并對眼睛照片進行灰度處理，使得眼睛照片中每一個像素對應(yīng)一個灰度值k，并獲取灰度值總個數(shù)m、最大灰度值nmax以及最小灰度值nmin，通過最大灰度值nmax以及最小灰度值nmin計算出第一度值分割點m1，以m1為基準，將眼睛照片中的m個灰度值進行區(qū)分，并形成集合a1以及集合b1，集合a1中的元素為灰度值k小于m1的灰度值，集合b1中的元素為灰度值k大于m1的灰度值，通過n次計算后，獲取mn-mn-1≥δm時mn的值，證明瞼板腺的區(qū)域已從眼睛照片中分離出來，通過獲取大于mn的灰度值個數(shù)在總灰度值個數(shù)中所占的比重，進而獲取瞼板腺在眼睛圖像中所占的區(qū)域面積。

22、本技術(shù)實施例中上述的技術(shù)方案，至少具有如下技術(shù)效果：

23、通過對眼睛照片的處理，將瞼板腺進行突出顯示，進而實現(xiàn)更清楚的對瞼板腺進行觀察，當(dāng)瞼板腺突出顯示后，通過計算瞼板腺區(qū)域中的灰度值個數(shù)與整張眼睛照片中灰度值個數(shù)的比值，獲得瞼板腺的區(qū)域面積；在瞼板腺缺失檢測過程中減少人為因素的介入，進而降低對瞼板腺缺失檢測的誤差，進而提高對瞼板腺缺失檢測的精度。

24、可選地，所述面積計算步驟后還設(shè)置有缺失率計算步驟；

25、缺失率計算：計算瞼板腺的缺失率v，瞼板腺缺失率v的計算模型如下：

26、式中，s1為標準瞼板腺的面積。

27、可選地，所述輸出步驟中還輸出瞼板腺的缺失率v。

28、第二方面，本發(fā)明提供的一種瞼板腺缺失檢測系統(tǒng)，采用如下的技術(shù)方案：

29、一種瞼板腺缺失檢測系統(tǒng)，包括獲取模塊、處理模塊、計算模塊i、分割模塊i、計算模塊ii、分割模塊ii、判斷模塊、計算模塊iii以及輸出模塊；

30、獲取模塊：輸出端與處理模塊的輸入端電信號連接，用于對眼睛進行拍照，并獲取眼睛照片；

31、處理模塊：輸入端與獲取模塊的輸出端電信號連接，輸出端與計算模塊i的輸入端電信號連接，用于對獲取模塊獲取的眼睛照片進行灰度處理，使得眼睛照片中每一個像素對應(yīng)一個灰度值k，并獲取灰度值總個數(shù)m、最大灰度值nmax以及最小灰度值nmin；

32、計算模塊i：輸出端與分割模塊i的輸入端電信號連接，用于計算第一灰度值分割點m1，第一灰度值分割點m1的獲取模型如下：

33、

34、分割模塊i：輸出端與計算模塊ii的輸入端電信號連接，以第一灰度值分割點m1為基準，將眼睛照片中的m個灰度值進行區(qū)分，并形成集合a1以及集合b1，集合a1中的元素為灰度值k小于m1的灰度值，集合b1中的元素為灰度值k大于m1的灰度值；

35、計算模塊ii：輸出端與分割模塊的輸入端電信號連接，用于計算第n灰度值分割點mn，第n灰度值分割點mn的獲取模型如下：

36、

37、式中，i為集合an-1中的元素個數(shù)，ki為灰度值小于第n-1灰度值分割點mn-1的灰度值，j為集合bn-1中的元素個數(shù)，kj為灰度值大于第n-1灰度值分割點mn-1的灰度值；

38、分割模塊ii：輸出端與判斷模塊的輸入端電信號連接，以第n灰度值分割點mn為基準，并使mn取代mn-1，將眼睛照片中的m個灰度值進行區(qū)分，并形成集合an以及集合bn，集合an中的元素為灰度值k小于mn的灰度值，集合bn中的元素為灰度值k大于mn的灰度值，并使得集合an取代集合an-1，集合bn取代bn-1；

39、判斷模塊：輸出端與計算模塊iii的輸入端以及計算模塊ii的輸入端電信號連接，在判斷模塊中設(shè)置灰度值閾值δm，若mn-mn-1≥δm，則計算模塊ii，并執(zhí)行分割模塊ii，若mn-mn-1＜δm，則執(zhí)行計算模塊iii；

40、計算模塊iii：輸出端與輸出模塊的輸入端電信號連接，用于計算瞼板腺的面積s，瞼板腺面積s的計算模型如下：

41、

42、式中，x為眼睛照片的寬度。y為眼睛照片的長度，m為灰度值總個數(shù)，z為瞼板腺區(qū)域的灰度值個數(shù)；

43、瞼板腺區(qū)域的灰度值個數(shù)z的計算模型如下：

44、z＝∑r[k]：

45、

46、輸出模塊：輸出經(jīng)過處理的眼睛照片，以及瞼板腺的面積s的數(shù)值。

47、可選的，所述計算模塊iii后還設(shè)置有計算模塊iv；

48、計算模塊iv：輸入端與計算模塊iii的輸出端電信號連接，輸出端與輸出模塊的輸入端電信號連接，用于計算瞼板腺的缺失率v，瞼板腺缺失率v的計算模型如下：

49、式中，s1為標準瞼板腺的面積。

50、可選的，所述輸出模塊中還輸出瞼板腺的缺失率v。

51、第三方面，本發(fā)明提供一種瞼板腺缺失檢測裝置，采用如下技術(shù)方案：

52、一種裝置，包括處理器以及儲存器，所述儲存器用于存儲計算機程序，所述處理器用于執(zhí)行所述儲存器存儲的計算機程序，以使所述裝置執(zhí)行如第一方面所述的方法。

53、第四方面，本發(fā)明提供的一種瞼板腺缺失檢測的計算機儲存介質(zhì)，采用如下的技術(shù)方案：

54、一種介質(zhì)，其上存儲有計算機程序；所述計算機程序被處理器執(zhí)行時實現(xiàn)如第一方面所述的方法。