目标轮廓的检测方法、装置、计算机设备和存储介质与流程

1.本技术涉及医疗图像处理技术领域，特别是涉及一种目标轮廓的检测方法、装置、计算机设备和存储介质。


背景技术：

2.在血管疾病的诊断过程中，对于多时间帧的血管图像，在对血管的参数进行分析之前需要在各时间帧的血管图像上提前获得血管的轮廓信息，进而基于血管的轮廓信息准确的获取血管参数。
3.目前，有很多种针对血管图像上血管轮廓的检测方法，比如，用户直接在多时间帧图像上逐帧手动勾画血管轮廓，基于神经网络的方法在各时间帧图像上分割血管轮廓，基于活动轮廓的方法对血管边缘进行检测等。
4.上述血管轮廓的检测方法存在效率低下的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够有效提高目标轮廓的检测效率的目标轮廓的检测方法、装置、计算机设备和存储介质。
6.第一方面，一种目标轮廓的检测方法，所述方法包括：
7.获取参考轮廓和待检测图像；
8.调整所述参考轮廓的参数生成多个梯度模板；
9.将所述待检测图像与每个所述梯度模板进行卷积操作，得到多个卷积图像；
10.根据所述多个卷积图像确定所述待检测图像中的目标轮廓。
11.在其中一个实施例中，所述调整所述参考轮廓的参数生成多个梯度模板，包括：
12.使用椭圆傅里叶描述子将所述参考轮廓用一组参数表示；
13.通过多次改变所述参数的值调整所述参考轮廓的尺寸和/或形状，生成多个梯度模板。
14.在其中一个实施例中，所述通过多次改变所述参数的值调整所述参考轮廓的尺寸和/或形状，生成多个梯度模板的方法，包括以下至少一种：
15.按照放大尺寸的参数值，多次改变所述参数的值放大所述参考轮廓的尺寸，生成多个包含放大尺寸后的参考轮廓的梯度模板；
16.按照缩小尺寸的参数值，多次改变所述参数的值缩小所述参考轮廓的尺寸，生成多个包含缩小尺寸后的参考轮廓的梯度模板；
17.按照调整形状的参数值，多次改变所述参数的值调整所述参考轮廓的形状，生成多个包含调整形状后的参考轮廓的梯度模板。
18.在其中一个实施例中，所述根据所述多个卷积图像确定所述待检测图像中的目标轮廓，包括：
19.确定所述多个卷积图像中预设区域范围内的第一响应值；所述第一响应值为所述
多个卷积图像中预设区域范围内的最大响应值；
20.将所述第一响应值的点对应的梯度模板作为目标模板；
21.根据所述第一响应值的点和所述目标模板确定所述待检测图像中的目标轮廓。
22.在其中一个实施例中，所述确定所述多个卷积图像中预设区域范围内的第一响应值，包括：
23.根据所述参考轮廓的尺寸确定所述预设区域范围；
24.获取每个所述卷积图像中所述预设区域范围内的第二响应值；所述第二响应值为每个所述卷积图像中预设区域范围内的最大响应值；
25.比较各所述卷积图像上的第二响应值，并从中筛选出最大的第二响应值作为所述第一响应值。
26.在其中一个实施例中，所述根据所述第一响应值的点和所述目标模板确定所述待检测图像中的目标轮廓，包括：
27.将所述第一响应值的点作为所述目标轮廓的中心点；
28.根据所述目标模板中包含的目标轮廓的参数以及所述目标轮廓的中心点，在所述待检测图像上生成所述目标轮廓。
29.在其中一个实施例中，在所述梯度模板中，所述调整参数后的参考轮廓的内圈所占的灰度值与外圈所占的灰度值之差大于预设灰度阈值。
30.第二方面，一种目标轮廓的检测装置，所述装置包括：
31.获取模块，用于获取参考轮廓和待检测图像；
32.生成模块，用于调整所述参考轮廓的参数生成多个梯度模板；
33.卷积模块，用于将所述待检测图像与每个所述梯度模板进行卷积操作，得到多个卷积图像；
34.确定模块，用于根据所述多个卷积图像确定所述待检测图像中的目标轮廓。
35.第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
36.第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
37.上述目标轮廓的检测方法、装置、计算机设备和存储介质，通过获取参考轮廓和待检测图像，调整参考轮廓的参数生成多个梯度模板，再将待检测图像与每个梯度模板进行卷积操作，得到多个卷积图像，然后根据多个卷积图像确定待检测图像中的目标轮廓。上述方法只需要将待检测图像与梯度模板进行卷积操作即可实现待检测图像中待检测对象的目标轮廓检测，相比于传统的使用复杂识别算法进行轮廓检测的方法，检测时间更短，检测速度更快。而且，由于梯度模板是根据参考轮廓生成的，而参考轮廓又是由医生勾画获得的，因此梯度模板获得的方法更加简单，使得上述目标轮廓的检测方法更加简单，易于实现，可以被普及推广应用。
附图说明
38.图1为一个实施例中目标轮廓的检测方法的应用环境的示意图；
39.图2为一个实施例中目标轮廓的检测方法的流程示意图；
40.图2a为一个实施例中梯度模板的示意图；
41.图3为图2实施例中s102的一种实现方式的流程示意图；
42.图3a为一个实施例中参考轮廓生成的示意图；
43.图4为图2实施例中s104的一种实现方式的流程示意图；
44.图5为图4实施例中s301的一种实现方式的流程示意图；
45.图6为图4实施例中s303的一种实现方式的流程示意图；
46.图7为一个实施例中目标轮廓的检测方法的流程示意图；
47.图7a为一个实施例中目标轮廓的检测方法对应的效果图；
48.图8为一个实施例中目标轮廓的检测装置的结构框图；
49.图9为一个实施例中目标轮廓的检测装置的结构框图；
50.图10为一个实施例中目标轮廓的检测装置的结构框图；
51.图11为一个实施例中目标轮廓的检测装置的结构框图；
52.图12为一个实施例中目标轮廓的检测装置的结构框图；
53.图13为一个实施例中计算机设备的内部结构图。
具体实施方式
54.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
55.本技术提供的目标轮廓的检测方法，可以应用于如图1所示的应用环境中。其中，成像设备102通过网络与终端104连接，成像设备102用于对待检测对象进行扫描，并将扫描数据传输至终端104，以便终端104基于扫描数据进行成像处理，得到成像图像。其中，成像设备102可以是各种类型的成像设备，比如，核磁共振成像设备。终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
56.本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的应用环境的限定，具体的应用环境可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
57.在一个实施例中，如图2所示，提供了一种目标轮廓的检测方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
58.s101，获取参考轮廓和待检测图像。
59.其中，待检测图像中包含待检测对象，而待检测对象可以为任何类型的人体组织器官，比如，血管、心脏、大肠等，待检测对象也可以为人体组织细胞，比如，肿瘤细胞、血蛋白细胞。参考轮廓为待检测图像中待检测对象的轮廓，且该参考轮廓由医生在待检测图像上勾画待检测对象的轮廓获得。
60.本实施例中，可以先采用成像设备对待检测对象进行扫描成像，得到扫描图像数据，成像设备再将扫描图像数据传输至终端，终端基于扫描图像数据进行图像重建，得到待检测图像。当终端对待检测图像中的待检测对象进行检测之前，可以由医生先在待检测图像上勾画出待检测对象的轮廓，即为参考轮廓，之后再基于该参考轮廓和该待检测图像实现对该待检测图像中待检测对象的检测。需要说明的是，当终端获取到多张包含同一待检
测对象的待检测图像时，终端先在多张待检测图像中任一选择一张待检测图像作为参考图像，并由医生在其上勾画出待检测对象的轮廓，即为参考轮廓，之后再基于该参考轮廓和多张待检测图像实现对多张待检测图像中待检测对象的检测。这里检测的是待检测对象的轮廓，以及通过轮廓确定的待检测对象的形状、大小等信息。
61.s102，调整参考轮廓的参数生成多个梯度模板。
62.其中，梯度模板用于辅助实现对待检测对象的检测，且梯度模板为只包括待检测对象的轮廓的图像，以及梯度模板中包含的待检测对象的轮廓是基于参考轮廓生成的。每个梯度模板包含一个轮廓，以及各梯度模板中包含的轮廓的大小和形状均不相同。参考轮廓的参数包括参考轮廓的尺寸和/或形状。可选的，梯度模板中也可以包括初始的参考轮廓。
63.本实施例中，当终端获取到参考轮廓后，即可调整参考轮廓的参数，比如，调整参考轮廓的尺寸和/或形状，以生成多个不同大小和形状的待检测对象的轮廓，并将包含生成的轮廓的图像作为梯度模板。需要说明的是，梯度模板可以为黑白图像，也可以为彩色图像，此处不限定。
64.可选的，梯度模板中包括调整参数后的参考轮廓，且在梯度模板中，调整参数后的参考轮廓的内圈所占的灰度值与外圈所占的灰度值之差大于预设灰度阈值。其中，预设灰度阈值可以由终端根据实际检测需求确定，用于衡量调整参数后的参考轮廓与待检测对象的实际轮廓的匹配度。
65.如图2a所示，假设待检测对象为血管，则参考轮廓为血管的轮廓，图2a为调整参考轮廓的参数后生成的一个梯度模板，其中，灰色的圈l0表示调整参数后的参考轮廓，白色的圈l1表示调整参数后的参考轮廓的内圈，黑色的圈l2表示调整参数后的参考轮廓的外圈。l1所占的灰度值大于l2所占的灰度值，l0处于l1和l0的中间，处于一个过渡带，使l0的内外圈的灰度值形成明显的对比，表示l0形成的血管的轮廓更加接近血管的实际的轮廓，以便能更好的识别原图像中亮度大于周围其他组织的待检测对象的结构(例如血管结构)，比如，l0所占的灰度值为0，l1所占的灰度值大于0，l2所占的灰度值小于0。
66.s103，将待检测图像与每个梯度模板进行卷积操作，得到多个卷积图像。
67.本实施例中，当终端获取到待检测图像和多个梯度模板时，即可将待检测图像与每个梯度模板都进行卷积操作，得到多个卷积后的卷积图像，卷积图像的数量与梯度模板的数量一致，且卷积图像与梯度模板为一一对应的关系。需要说明的是，当有多张待检测图像时，可以同时将多张待检测图像与同一组梯度模板进行卷积操作，得到每张待检测图像对应的各组卷积图像。
68.s104，根据多个卷积图像确定待检测图像中的目标轮廓。
69.当终端得到待检测图像对应的多个卷积图像时，可以进一步的对比多个卷积图像中的待检测对象，将其中待检测对象清晰度高的卷积图像筛选出来作为目标卷积图像，再找到与该目标卷积图像对应的梯度模板，并最终将找到的梯度模板上的轮廓作为目标轮廓。可选的，终端也可以在筛选出目标卷积图像后，再基于该目标卷积图像进行待检测对象的轮廓识别，得到目标轮廓。
70.上述目标轮廓的检测方法，通过获取参考轮廓和待检测图像，调整参考轮廓的参数生成多个梯度模板，再将待检测图像与每个梯度模板进行卷积操作，得到多个卷积图像，
然后根据多个卷积图像确定待检测图像中的目标轮廓。上述方法只需要将待检测图像与梯度模板进行卷积操作即可实现待检测图像中待检测对象的目标轮廓检测，相比于传统的使用复杂识别算法进行轮廓检测的方法，检测时间更短，检测速度更快。而且，由于梯度模板是根据参考轮廓生成的，而参考轮廓又是由医生勾画获得的，因此梯度模板获得的方法更加简单，使得上述目标轮廓的检测方法更加简单，易于实现，可以被普及推广应用。
71.可选的，提供了上述s102的一种实现方式，如图3所示，上述s102“调整参考轮廓的参数生成多个梯度模板”，包括：
72.s201，使用椭圆傅里叶描述子将参考轮廓用一组参数表示。
73.其中，椭圆傅里叶描述子可以利用椭圆形状的叠加来模拟曲线形状，叠加的椭圆形状越多，模拟结果越接近真实曲线形状，因此，椭圆数量越少，模拟出的曲线边缘越平滑，叠加过程就是若干椭圆方程的叠加，因此在平滑曲线的同时，椭圆傅里叶描述子可以将轮廓转换wie多个椭圆方程叠加的一组参数，并且按照一定规律调整参数时，可以控制模拟出来的轮廓按照一定比例放大和缩小。
74.本实施例中，当医生在一张待检测图像上勾画出待检测对象的参考轮廓后，即可使用椭圆傅里叶描述子对该参考轮廓进行平滑，并通过椭圆傅里叶描述子将参考轮廓用一组参数表示，其中一组参数中包括描述参考轮廓尺寸的参数，也包括描述参考轮廓形状的参数。
75.s202，通过多次改变参数的值调整参考轮廓的尺寸和/或形状，生成多个梯度模板。
76.由于参考轮廓使用一组参数表示，且一组参数中包括描述参考轮廓尺寸的参数，也包括描述参考轮廓形状的参数，因此，改变参数的值即可达到调整参考轮廓的尺寸和/或形状的效果。那么在每次改变参数的值时，可以每次改变一个参数的值，达到只调整参考轮廓尺寸的效果或调整参考轮廓形状的效果，也可以同时改变多个参数的值，达到同时调整参考轮廓的尺寸和形状的效果。在调整了参考轮廓的尺寸和/或形状后，即可根据调整尺寸和/或形状后的参考轮廓生成梯度模板。
77.进一步的，本技术提供了多种生成梯度模板的方法，进而得到多个梯度模板，各梯度模板中包括调整参数后的参考轮廓，下面具体说明三种生成梯度模板的方法：
78.第一种方法为：按照放大尺寸的参数值，多次改变参数的值放大参考轮廓的尺寸，生成多个包含放大尺寸后的参考轮廓的梯度模板。
79.第二种方法为：按照缩小尺寸的参数值，多次改变参数的值缩小参考轮廓的尺寸，生成多个包含缩小尺寸后的参考轮廓的梯度模板。
80.第三种方法为：按照调整形状的参数值，多次改变参数的值调整参考轮廓的形状，生成多个包含调整形状后的参考轮廓的梯度模板。
81.示例性说明上述方法达到的效果，如图3a所示，假设待检测对象为血管，左边的待检测图像中的血管的轮廓l0为参考轮廓，将该轮廓使用椭圆傅里叶描述子用一组参数描述，并调整该组参数中的参数的值，以放大和缩小参考轮廓l0，得到缩小后的轮廓l1和放大后的轮廓l2。
82.本实施例中，终端在改变参考轮廓对应的一组参数中的参数的值时，可以先确定如何调整参考轮廓，即放大、缩小或改变形状，再在一组参数中找到具体可以放大、缩小或
改变形状对应的参数，然后按照上述对应方法改变对应参数的值，以完成调整参考轮廓的尺寸和/或形状，进而根据改变尺寸和/或形状后的参考轮廓生成梯度模板，每个梯度模板包含一个改变尺寸和/或形状后的参考轮廓。上述方法只需要调整一组参数中的相应参数值，即可达到改变参考轮廓尺寸和/或形状的效果，进而生成与待检测对象的轮廓匹配的梯度模板，该梯度模板的生成方法简单，易于实现。
83.在一个实施例中，还提供了上述s104的一种实现方式，如图4所示，上述s104“根据多个卷积图像确定待检测图像中的目标轮廓”，包括：
84.s301，确定多个卷积图像中预设区域范围内的第一响应值。
85.其中，预设区域范围可以由终端预先根据检测精度确定，或根据待检测对象的轮廓的估计尺寸确定，或者根据参考轮廓的尺寸确定，或者根据待检测对象的类型确定，比如，本实施例中的预设区域范围可以具体选为待检测对象中心区域附近7*7或9*9的区域范围。第一响应值为多个卷积图像中预设区域范围内的最大响应值。最大响应值也为预设区域范围内的最大灰度值。
86.本实施例中，当终端获取到待检测图像对应的多个卷积图像时，即可在各卷积图像上的预设区域范围内搜索最大响应值，然后比较各卷积图像上的最大响应值，并从中筛选出值最大的一个最大响应值，即为第一响应值。
87.s302，将第一响应值的点对应的梯度模板作为目标模板。
88.当终端确定了第一响应值后，即可确定该第一响应值对应的卷积图像，由于卷积图像和梯度模板是一一对应的关系，因此可以进一步的确定该卷积图像对应的梯度模板，并将该梯度模板确定为目标模板。
89.可选的，如图5所示，上述s301的步骤具体包括：
90.s401，根据参考轮廓的尺寸确定预设区域范围。
91.本实施例涉及具体确定预设区域范围的方式，终端可以提取参考轮廓的尺寸，再将根据参考轮廓的尺寸形成的区域范围直接作为预设区域范围。可选的，当终端获取到参考轮廓时，也可以提取参考轮廓所围区域面积的大小，再根据该面积的大小确定预设区域范围。
92.s402，获取每个卷积图像中预设区域范围内的第二响应值；第二响应值为每个卷积图像中预设区域范围内的最大响应值。
93.本实施例中，当终端获取到待检测图像对应的多个卷积图像时，即可根据参考轮廓的尺寸确定一个预设区域范围，再相应的在各卷积图像上的预设区域范围内确定一个最大响应值，即最大灰度值，那么各卷积图像中预设区域范围内的最大响应值即为第二响应值。
94.s403，比较各卷积图像上的第二响应值，并从中筛选出最大的第二响应值作为第一响应值。
95.当终端确定了各卷积图像上的第二响应值后，可以比较各卷积图像上的第二响应值的大小，并从中筛选出值最大的第二响应值作为第一响应值。当最大的第二响应值存在多个时，则在多个第二响应值中任意选择一个第二响应值作为第一响应值，或者将多个第二响应值对应的卷积图像筛选出来，并进行比较，最终将清晰度最高的那个卷积图像筛选出来，并将筛选出来的卷积图像对应的第二响应值作为第一响应值。
96.s303，根据第一响应值的点和目标模板确定待检测图像中的目标轮廓。
97.可选的，如图6所示，上述s303的步骤包括：
98.s501，将第一响应值的点作为目标轮廓的中心点。
99.由于第一响应值为卷积图像中的最大响应值，而卷积图像又是由待检测图像和目标模板卷积而来，因此当终端确定了第一响应值时，即可将第一响应值的点作为目标轮廓的中心点，进而可以根据第一响应值的位置确定出目标轮廓的中心点的位置。
100.s502，根据目标模板中包含的轮廓的参数以及目标轮廓的中心点，在待检测图像上生成目标轮廓。
101.其中，目标模板中包含的轮廓的参数包括轮廓的尺寸、形状、偏转方位等。
102.当终端确定了目标轮廓的中心点，即目标轮廓的中心点的位置，以及目标模板中包含的轮廓的参数时，比如，轮廓的尺寸、形状、偏转方位，终端即可确定出目标轮廓在待检测图像上的位置、尺寸、形状、偏转方位等参数，然后即可根据这些参数在待检测图像上自动生成目标轮廓。
103.综合上述所有实施例，应用上述目标轮廓的检测方法，提供了一种血管轮廓的检测方法，如图7所示，该方法包括：
104.s601，获取血管结构的参考轮廓和待检测图像；待检测图像中包含血管结构。
105.s602，使用椭圆傅里叶描述子将参考轮廓用一组参数表示。
106.s603，通过多次改变参数的值调整参考轮廓的尺寸和/或形状，生成多个梯度模板。
107.s604，将待检测图像与每个梯度模板进行卷积操作，得到多个卷积图像。
108.s605，根据参考轮廓的尺寸确定预设区域范围。
109.s606，获取每个卷积图像中所述预设区域范围内的第二响应值；第二响应值为每个卷积图像中预设区域范围内的最大响应值。
110.s607，比较各卷积图像上的第二响应值，并从中筛选出最大的第二响应值作为第一响应值。
111.s608，将第一响应值的点对应的梯度模板作为目标模板。
112.s609，将第一响应值的点作为目标轮廓的中心点。
113.s610，根据目标模板中包含的血管轮廓的参数以及目标轮廓的中心点，在待检测图像上生成目标轮廓。
114.上述各步骤在前述均有详细说明，详细内容请参见前述内容，此处不赘述。
115.使用上述血管轮廓的检测方法时，各步骤对应的效果图，如图7a所示，其中，图(a)为一张待检测图像，该待检测图像上包含参考轮廓。图(b)为图(a)的待检测图像，且该图像上包含调整参考轮廓的尺寸后的血管的轮廓和参考轮廓，其中包含放大参考轮廓后的轮廓和缩小参考轮廓后的轮廓。图(c)为根据图(b)中调整参数后的参考轮廓和参考轮廓生成的三个梯度模板，且一个梯度模板包括放大后的参考轮廓，一个梯度模板包括缩小后的参考轮廓，一个梯度模板包括参考轮廓。图(d)为新的一张待检测图像；图(e)为将图(d)所示的待检测图像与图(c)所示的三个梯度模板分别进行卷积操作后得到的三张卷积图像，图像上的框框为预设区域范围，之后终端在该预设区域范围内搜索最大响应值，之后比较这三张卷积图像上的最大响应值，并将其中最大的最大响应值确定为第一响应值，然后根据第
一响应值和图(c)所示的三个梯度模板确定图(d)所示的待检测图像上的血管的目标轮廓。
116.上述血管轮廓的检测方法只需要将待检测图像与梯度模板进行卷积操作即可实现待检测图像中血管的轮廓检测，相比于传统的使用复杂识别算法进行血管轮廓检测的方法，检测时间更短，检测速度更快。而且，由于梯度模板是根据参考轮廓生成的，而参考轮廓又是由医生勾画获得的，因此梯度模板获得的方法更加简单，使得上述血管轮廓的检测方法更加简单，易于实现，可以被普及推广应用在血管检测中。
117.应该理解的是，虽然图2
‑
7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2
‑
7中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
118.在一个实施例中，如图8所示，提供了一种目标轮廓的检测装置，包括：
119.获取模块11，用于获取参考轮廓和待检测图像。
120.生成模块12，用于调整所述参考轮廓的参数生成多个梯度模板。
121.卷积模块13，用于将所述待检测图像与每个所述梯度模板进行卷积操作，得到多个卷积图像。
122.确定模块14，用于根据所述多个卷积图像确定所述待检测图像中的目标轮廓。
123.在一个实施例中，如图9所示，上述生成模块12，包括：
124.第一生成单元121，用于使用椭圆傅里叶描述子将所述参考轮廓用一组参数表示；
125.第二生成单元122，用于通过多次改变所述参数的值调整所述参考轮廓的尺寸和/或形状，生成多个梯度模板。
126.在一个实施例中，上述第二生成单元122用于执行以下至少一种方法：
127.按照放大尺寸的参数值，多次改变所述参数的值放大所述参考轮廓的尺寸，生成多个包含放大尺寸后的参考轮廓的梯度模板；
128.按照缩小尺寸的参数值，多次改变所述参数的值缩小所述参考轮廓的尺寸，生成多个包含缩小尺寸后的参考轮廓的梯度模板；
129.按照调整形状的参数值，多次改变所述参数的值调整所述参考轮廓的形状，生成多个包含调整形状后的参考轮廓的梯度模板。
130.在一个实施例中，如图10所示，上述确定模块14，包括：
131.第一确定单元141，用于确定所述多个卷积图像中预设区域范围内的第一响应值；所述第一响应值为所述多个卷积图像中预设区域范围内的最大响应值；
132.第二确定单元142，用于将所述第一响应值的点对应的梯度模板作为目标模板；
133.第三确定单元143，用于根据所述第一响应值的点和所述目标模板确定所述待检测图像中的目标轮廓。
134.在一个实施例中，如图11所示，上述第一确定单元141，包括：
135.确定子单元1411，用于根据所述参考轮廓的尺寸确定所述预设区域范围；
136.获取子单元1412，用于获取每个所述卷积图像中所述预设区域范围内的第二响应值；所述第二响应值为每个所述卷积图像中预设区域范围内的最大响应值；
137.筛选子单元1413，用于比较各所述卷积图像上的第二响应值，并从中筛选出最大的第二响应值作为所述第一响应值。
138.在一个实施例中，如图12所示，上述第三确定单元143，包括：
139.确定子单元1431，用于将所述第一响应值的点作为所述目标轮廓的中心点；
140.生成子单元1432，用于根据所述目标模板中包含的轮廓的参数以及所述目标轮廓的中心点，在所述待检测图像上生成所述目标轮廓。
141.在一个实施例中，在所述梯度模板中，所述调整参数后的参考轮廓的内圈所占的灰度值与外圈所占的灰度值之差大于预设灰度阈值。
142.关于目标轮廓的检测装置的具体限定可以参见上文中对于血管轮廓的检测方法的限定，在此不再赘述。上述目标轮廓的检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
143.本技术提供的目标轮廓的检测方法，可以应用于如图13所示的计算机设备中，该计算机设备可以是服务器，该计算机设备也可以是终端，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种目标轮廓的检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
144.本领域技术人员可以理解，图13中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
145.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
146.获取参考轮廓和待检测图像；
147.调整所述参考轮廓的参数生成多个梯度模板；
148.将所述待检测图像与每个所述梯度模板进行卷积操作，得到多个卷积图像；
149.根据所述多个卷积图像确定所述待检测图像中的目标轮廓。
150.上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
151.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
152.获取参考轮廓和待检测图像；
153.调整所述参考轮廓的参数生成多个梯度模板；
154.将所述待检测图像与每个所述梯度模板进行卷积操作，得到多个卷积图像；
155.根据所述多个卷积图像确定所述待检测图像中的目标轮廓。
156.上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
157.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
158.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
159.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。