低像素的图像处理方法、装置以及视网膜刺激器与流程

本公开涉及仿生技术领域，具体涉及一种低像素的图像处理方法、装置以及视网膜刺激器。

背景技术：

正常视觉的形成是眼球内的视网膜上的感光细胞将外部的光信号转换为视觉信号。视觉信号经由双极细胞和神经节细胞到达大脑皮层，从而形成光感。然而，在生活中患者常常因多种视网膜疾病例如rp(视网膜色素变性)、amd(与老年有关的黄斑变性)等而使感光通路受阻，导致视觉下降或致盲。

随着技术的研究和发展，出现了使用人工视网膜或视网膜刺激器等来修复上述视网膜疾病的技术手段，通过该技术，能够让大脑能够接收到外界刺激信号并获得改善的视觉。现有的视网膜刺激器系统一般包括布置在患者体外的摄像装置和视频处理装置，以及放入患者的眼球的植入体。体外的摄像装置捕捉初始图像，并将所得到的图像转换成视觉信号，视频处理装置将视觉信号进行处理后发送给植入体，植入体进一步将这些视觉信号转化成电刺激信号，以刺激视网膜上的神经节细胞或双极细胞，从而给患者产生光感。

在现有的视频处理装置中，需要将视觉信号进行压缩，以使压缩后的视觉信号能够匹配的植入体的刺激电极。然而，当摄像装置采集一些比较复杂的场景时，一些较小的物体经过压缩后，可能会变成一两个像素点，不足以让患者分辨，而且这些较小的物体经过处理后得到的像素点可能会成为“噪点”，干扰患者的识别能力。

技术实现要素：

本公开有鉴于上述现有技术的状况而完成，其目的在于提供了一种能够有效地保留患者所需的目标对象的图像信息以帮助患者识别目标对象的低像素的图像处理方法、装置以及视网膜刺激器。

为此，本公开的第一方面提供了一种低像素的图像处理方法，其特征在于，包括：获取初始图像；从所述初始图像区分背景区域和包括多个目标对象的目标区域，去除所述背景区域；从所述目标区域中计算各个所述目标对象的面积；并且去除所述目标对象的面积小于规定阈值的目标对象，保留所述目标对象的面积大于或等于所述规定阈值的目标对象。

在本公开中，区分背景区域和包括多个目标对象的目标区域，去除背景区域保留目标区域，计算目标区域中的目标对象的面积，保留大于或等于规定阈值的目标对象。在这种情况下，去除背景区域可以初步减小图像像素，去除小于规定阈值的目标对象，能够有效地有效地保留患者所需的目标对象的图像信息以帮助患者识别目标对象。

在本公开所涉及的图像处理方法中，可选地，通过统计所述目标对象的像素数量来计算所述目标对象的面积。由此，能够基于像素数量获得目标对象的面积。

另外，在本公开所涉及的图像处理方法中，可选地，在计算所述目标对象的面积中，选取沿着所述目标对象的边缘周围的多个坐标点，以使多个所述坐标点连接而形成的区域拟合所述目标对象的面积，并且计算所述区域的面积。由此，能够基于坐标点的拟合区域获得目标对象的面积。

另外，在本公开所涉及的图像处理方法中，可选地，在计算所述目标对象的面积中，针对所述目标对象进行边缘识别，统计所述目标对象的边缘的像素数量。由此，能够基于边缘的像素数量类比获得目标对象的面积。

另外，在本公开所涉及的图像处理方法中，可以将各个所述目标对象的面积按照降或升次排序，选择排列顺序中的中值作为所述规定阈值。由此，能够方便地获得规定阈值。

另外，在本公开所涉及的图像处理方法中，可以计算所述目标对象的面积的平均值，所述平均值作为所述规定阈值。由此，能够方便地获得规定阈值。

另外，在本公开所涉及的图像处理方法中，可以令所述目标对象的面积小于规定阈值的目标对象的像素值设置为零。由此，能够去除面积小于规定阈值的目标对象。

本公开的第二方面提供了一种低像素的图像处理装置，其特征在于，包括：获取模块，其用于获取初始图像；分割模块，其用于从所述初始图像区分背景区域和包括多个目标对象的目标区域，去除所述背景区域；计算模块，其用于从所述目标区域中计算各个所述目标对象的面积；以及选择模块，其用于去除所述目标对象的面积小于规定阈值的目标对象，保留所述目标对象的面积大于或等于所述规定阈值的目标对象。

在本公开中，分割模块区分背景区域和包括多个目标对象的目标区域，去除背景区域保留目标区域，计算模块计算目标区域中的目标对象的面积，选择模块保留大于或等于规定阈值的目标对象。在这种情况下，去除背景区域可以初步减小图像像素，去除小于规定阈值的目标对象，有效地有效地保留患者所需的目标对象的图像信息以帮助患者识别目标对象。

在本公开所涉及的图像处理装置中，所述计算模块可以通过统计所述目标对象的像素数量来计算所述目标对象的面积。由此，能够基于像素数量获得目标对象的面积。

另外，在本公开所涉及的图像处理装置中，可选地，所述计算模块选取沿着所述目标对象的边缘周围的多个坐标点，以使多个所述坐标点连接而形成的区域拟合所述目标对象的面积，并且计算所述区域的面积。由此，能够基于坐标点的拟合区域获得目标对象的面积。

另外，在本公开所涉及的图像处理装置中，可选地，所述计算模块中针对所述目标对象进行边缘识别，统计所述目标对象的边缘的像素数量。由此，能够基于边缘的像素数量类比获得目标对象的面积。

另外，在本公开所涉及的图像处理装置中，所述选择模块可以将各个所述目标对象的面积按照降次排序，选择排列顺序中的中值作为所述规定阈值。由此，能够方便地获得规定阈值。

另外，在本公开所涉及的图像处理装置中，可选地，所述选择模块计算所述目标对象的面积的平均值，所述平均值作为所述规定阈值。由此，能够方便地获得规定阈值。

另外，在本公开所涉及的图像处理装置中，可选地，所述选择模块令所述目标对象的面积小于规定阈值的目标对象的像素值设置为零。由此，能够去除面积小于规定阈值的目标对象。

本公开的第三方面提供了一种视网膜刺激器，其特征在于，包括：摄像装置，其用于捕获视频图像，并且将所述视频图像转换成视觉信号；视频处理装置，其至少包括上述任一项所述的图像处理装置，所述视频处理装置与所述摄像装置连接，所述视频处理装置用于将所述视觉信号进行处理并经由发射天线发送给植入装置；以及所述植入装置，其用于将所接收的所述视觉信号转换成脉冲电流信号，以对视网膜发放所述脉冲电流信号。

根据本公开，能够提供一种能够有效地有效地保留患者所需的目标对象的图像信息以帮助患者识别目标对象的低像素的图像处理方法、装置以及视网膜刺激器。

附图说明

现在将仅通过参考附图的例子进一步详细地解释本公开的实施例，其中：

图1是本公开所涉及的视网膜刺激器的结构示意图。

图2是本公开所涉及的低像素的图像处理装置结构示意图。

图3是本公开所涉及的低像素的图像处理装置结构示意图。

图4是本公开所涉及的低像素的图像素处理方法的流程示意图。

图5是本公开所涉及的面积计算方法的例子的流程示意图。

图6是本公开所涉及的面积计算方法的变形例1的流程示意图。

图7是本公开所涉及的面积计算方法的变形例2的流程示意图。

具体实施方式

以下，参考附图，详细地说明本发明的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。

另外，在本发明的下面描述中涉及的小标题等并不是为了限制本发明的内容或范围，其仅仅是作为阅读的提示作用。这样的小标题既不能理解为用于分割文章的内容，也不应将小标题下的内容仅仅限制在小标题的范围内。

图1是本公开所涉及的视网膜刺激器的结构示意图。本公开涉及的视网膜刺激器1可以适用于视网膜病变而导致失明，但双极细胞、神经节细胞等视觉通路保留完好的患者。视网膜刺激器1有时也可以称为“视网膜刺激器系统”、“人工视网膜”、“人造视网膜”、“人工视网膜系统”、“人造视网膜系统”等。

在一些示例中，如图1所示，视网膜刺激器1可以包括摄像装置10、视频处理装置20和植入装置30。植入装置30可以接收视觉信号并基于视觉信号产生脉冲电流信号。其中，视觉信号可以由摄像装置10采集，并经由视频处理装置20处理获得。

在一些示例中，摄像装置10可以用于捕获视频图像，并且将视频图像转换成视觉信号。例如，摄像装置10可以捕获患者所处环境的视频图像。

在一些示例中，摄像装置10可以为具有摄像功能的设备，例如摄像机、照相机等。为了方便使用，可以将体积较小的摄像机设计在(例如嵌入到)眼镜上。

在另一些示例中，患者也可以通过佩戴轻便的具有摄像功能的眼镜作为摄像装置10来捕获视频图像。例如，摄像装置10可以用谷歌眼镜等来实现。另外，摄像装置10可以装配在智能眼镜、智能头戴、智能手环等智能可穿戴设备上。

在一些示例中，视频处理装置20可以与摄像装置10连接。摄像装置10可以通过有线连接或无线连接与视频处理装置20。

在一些示例中，有线连接可以是数据线连接。另外，在一些示例中，无线连接可以是蓝牙连接，wifi连接、红外连接、nfc连接或射频连接等。

在另一些示例中，视频处理装置20和摄像装置10可以配置在患者体外。例如，患者可以将摄像装置10配置在眼镜上。患者还可以将摄像装置10配置在例如头饰、发带或胸针等可穿戴的配饰上。另外，患者可以将视频处理装置20配置在腰部，患者还可以将视频处理装置20配置在例如胳膊、腿部等部位。本公开的示例不限于此，例如，患者还可以将视频处理装置20放置在例如随身携带的手提包或背包中。

在一些示例中，视频处理装置20可以接收摄像装置10生成的视觉信号。视频处理装置20对视觉信号进行处理，并经由发射天线发送给植入装置30。

另外，在一些示例中，视频处理装置20可以包括低像素的图像处理装置。低像素的图像处理装置的有关模块和功能稍后进行详细描述。

在一些示例中，植入装置30可以用于将所接收的视觉信号转换成脉冲电流信号，以对视网膜发放脉冲电流信号。

在一些示例中，植入装置30可以包括规定数量的刺激电极。刺激电极(有时简称“电极”)可以根据视觉信号产生电刺激信号。具体而言，植入装置30可以接收视觉信号，并且刺激电极可以将所接收的视觉信号转换成作为电刺激信号的脉冲电流信号例如双向脉冲电流信号，从而对视网膜的组织例如视网膜的神经节细胞或双极细胞发放双向脉冲电流信号来产生光感。另外，植入装置30可以植入人体例如眼球内。

图2是本公开所涉及的低像素的图像处理装置结构示意图。本公开所涉及的低像素的图像处理装置200(可以简称为图像处理装置200)可以用于视网膜刺激器1作为图像处理的功能模块。低像素的图像处理装置200可以包含于视频处理装置20。

在一些示例中，如图2所示，图像处理装置200可以包括获取模块211、分割模块212、计算模块213和选择模块214。分割模块212可以区分获取模块211获得的初始图像的背景区域和目标区域，并去除背景区域保留目标区域。计算模块213可以计算目标区域中的目标对象的面积，选择模块214可以保留大于或等于规定阈值的目标对象。

在一些示例中，获取模块211可以用于获取初始图像。初始图像可以是彩色图像，初始图像还可以是灰度图像。具体而言，获取模块211可以基于摄像装置10输出的视觉信号获得初始图像。其中，初始图像的像素可以由摄像装置10的摄像镜头(未图示)的像素决定。例如，摄像镜头的像素可以为例如30万、50万、100万、200万、500万、1200万等。初始图像的像素数量相应地也可以是与镜头匹配的像素例如30万、50万、100万、200万、500万、1200万等。

在一些示例中，分割模块212可以用于从初始图像区分背景区域和包括多个目标对象的目标区域，去除背景区域。

在一些示例中，初始图像通常可以包括背景区域和目标区域。其中，目标区域可以是包含患者所需信息(例如物体或障碍物)的区域。背景区域可以是初始图像中目标区域以外的区域。例如，基于患者所处的环境得到的初始图像，其中，物体或障碍物所在的区域可以是目标区域，物体或障碍物意外的区域可以是背景区域。

在一些示例中，目标区域中可以包含有一个、两个或两个以上目标对象。例如，物体或障碍物可以是目标区域的目标对象。目标对象的数量即为物体或障碍物的数量。

在一些示例中，由于背景区域是初始图像的一部分，初始图像的像素中包含有背景区域的像素。在这种情况下，对初始图像进行处理时也对背景区域的像素也进行了处理。

一般而言，由于植入空间和设计工艺的限制，设置在患者眼球的植入体的刺激电极比较有限例如60个、120个电极、256个电极等，刺激电极接收信息能力非常有限，倘若直接用视网膜刺激器1的摄像装置10捕获的图像信息对应于植入体内有限的刺激电极，则会造成大量的信息流失，导致图像失真。另外，由摄像装置10捕获的初始图像的背景区域占据了初始图像的一部分，使患者所需的目标区域的像素在初始图像中的比重减小，由此导致目标区域的图像信息不能很好地传递给患者。在这种情况下，在本实施方式中，相对于背景区域，目标区域所包含的信息对于患者来说是较为有用的信息，可以通过分割模块212去除背景区域。由此，能够提高后续的图像中的目标区域中面积大于或等于规定阈值的目标对象在图像中的比重，优化后续对目标区域的处理，更好地帮助患者识别目标对象。

在一些示例中，分割模块212可以通过阈值比较法区分初始图像中的背景区域和目标区域。具体而言，阈值比较法可以通过设置预设阈值，利用预设阈值和初始图像，区分背景区域和目标区域。

在一些示例中，预设阈值可以是初始图像的平均像素值。其中，平均像素值可以是初始图像的全部像素的平均像素值。本公开的示例不限于此，预设阈值还可以是初始图像的平均灰度值。

在一些示例中，平均像素值还可以是初始图像的部分像素的平均像素值。部分像素可以基于初始图像的像素值的众数获得。具体而言，可以对初始图像的像素的像素值进行排列，获取初始图像的像素值的众数。选出像素值等于众数的像素，得到部分像素。本公开的示例不限于此，部分像素可以基于预设比例获得。例如，可以对初始图像的像素进行排列，按排列顺序获取预设比例的初始图像的像素作为部分像素。其中，预设比例可以是部分像素与初始图像全部像素的占比。预设比例可以是例如50％、60％或80％等。

在一些示例中，排列顺序可以是升序或降序，也可以按照像素的位置从左到右、从上到下排列。但排列顺序不限于上述情况。

在一些示例中，预设阈值可以是初始图像的像素值的中值。具体而言，可以将初始图像的像素进行升序或降序排列，确定初始图像的像素的中值，以获得预设阈值。

在一些示例中，预设阈值可以基于初始图像的各个区域获得。具体而言，可以将初始图像划分为多个区域，计算各个区域的平均像素值，确定多个区域中的目标区域以及目标区域的平均像素值。其中，目标区域与其它区域的平均像素值的差值最大。可以将目标区域的平均像素值作为初始图像的预设阈值。

在一些示例中，基于上述的预设阈值，分割模块212可以比较预设阈值和初始图像的每个像素的像素值，将初始图像划分为大于或等于预设阈值的第一区域和小于预设阈值的第二区域。通常背景区域大于目标区域，因此，可以比较第一区域和第二区域，选择第一区域和第二区域中区域较大的为背景区域。

在一些示例中，分割模块212还可以将背景区域的像素的像素值设置为零。通常像素值设置为零可以视为像素不存在，也即，分割模块212可以去除背景区域。由此，去除背景区域，能够降低后续图像处理的复杂度。

在一些示例中，计算模块213可以用于从目标区域中计算各个目标对象的面积。目标区域可以包含一个、两个或两个以上目标对象。例如，物体或障碍物可以是目标区域的目标对象。目标对象的数量即为物体或障碍物的数量。

在一些示例中，计算模块213可以通过统计目标对象的像素数量来计算目标对象的面积。具体而言，不同的目标对象通常占据面积也不相同，大的目标对象通常比小的目标对象占据的面积大。另外，像素数量与目标对象的面积成正比关系，在这种情况下，大的目标对象的像素数量也比小的目标对象的像素数量多。可以统计不同的目标对象的像素数量，将各个目标对象的像素数量类比为各个目标对象的面积。由此，根据像素数量能够获得目标对象的面积。

在一些示例中，计算模块213可以选取沿着目标对象的边缘周围的多个坐标点，以使多个坐标点连接而形成的区域拟合目标对象的面积，并且计算区域的面积。其中，边缘周围可以包括边缘和边缘附近。也即，选取的坐标点可以是目标对象的边缘上的点，也可以是目标对象的边缘附近。

在一些示例中，选取的坐标点的个数可以是例如三个、四个以及四个以上个。例如，选取的坐标点的个数可以是三个，将三个坐标点连接而形成的区域可以拟合出一个近似目标对象的三角形区域，计算三角形区域的面积。三角形区域的面积可以近似反映出目标对象的面积。

在一些示例中，选取的坐标点的个数可以是四个，将四个坐标点连接而形成的区域可以拟合出一个近似目标对象的四边形区域，计算四边形区域的面积。四边形区域的面积可以近似反映出目标对象的面积。

在一些示例中，坐标点的个数可以近似目标对象的边缘点个数，在这种情况下，坐标点连接可以拟合出一个近似目标对象的区域，计算该区域的面积，该区域的面积可以近似反映出目标对象的面积。

在这种情况下，坐标点的个数越多，拟合出来的区域越接近目标对象。也即，坐标点的个数越多，拟合出来的区域的面积越接近目标对象的面积。由此，根据拟合出来的区域能够获得目标对象的面积。

在一些示例中，计算模块213可以针对目标对象进行边缘识别，统计目标对象的边缘的像素数量。边缘有时也可以称“轮廓”。

在一些示例中，不同的目标对象通常占据面积也不相同，大的目标对象通常比小的目标对象占据的面积大，相应的大的目标对象的轮廓比小的目标对象的轮廓大。另外，像素数量与目标对象的轮廓成正比关系，在这种情况下，可以将各个目标对象的轮廓的像素数量类比为各个目标对象的面积，由此，根据轮廓的像素数量能够类比获得目标对象的面积。

另外，在一些示例中，选择模块214可以用于去除目标对象的面积小于规定阈值的目标对象，保留目标对象的面积大于或等于规定阈值的目标对象。

在一些示例中，规定阈值可以根据目标对象的面积获得。选择模块214可以将各个目标对象的面积按照降次排序(或升序)，选择排列顺序中的中值作为规定阈值。

在一些示例中，规定阈值可以根据目标对象的面积的平均值获得。选择模块214可以计算目标对象的面积的平均值，将平均值作为规定阈值。其中，目标对象的面积的平均值可以是目标区域中的目标对象的面积的平均值。

在一些示例中，规定阈值可以根据部分目标对象的面积的平均值获得。其中，将各个目标对象的面积按照降次排序，选取面积排列考前的几个目标对象作为部分目标对象，计算部分目标对象的面积，并计算部分目标对象的面积的平均值。将该面积的平均值作为规定阈值。

另外，在一些示例中，选择模块214可以令目标对象的面积小于规定阈值的目标对象的像素值设置为零。由此，能够去除目标对象的面积小于规定阈值的目标对象。

在一些示例中，刺激电极的数量可以对应着压缩后的图像的像素。由于设置在患者眼球的植入体的刺激电极有限，接收信息能力有限，因此，刺激电极能够传递的图像信息有限。在这种情况下，可以通过规定阈值来选出目标对象中患者较为所需的目标对象。

在一些示例中，当目标对象(例如物体或障碍物)的数量包括两个及以上的数量时，相对于面积较小的目标对象，患者可能较为需要面积较大的目标对象的信息。在这种情况下，可以将小于规定阈值的目标对象去除。也即，可以将小于规定阈值的目标对象的像素值设置为零。

在一些示例中，当患者位于面积较大的目标对象附近时，初始图像以及初始图像中的目标区域会发生变化，图像处理装置200可以对变化后的初始图像进行上述的相关处理。例如，变化前的的面积较小的目标对象可能成为变化后的初始图像中的面积较大的目标对象，此时患者可能看到上述初始图像变化前的小的目标对象。

在这种情况下，去除背景区域可以初步减小图像像素，去除小于规定阈值的目标对象，能够进一步减小图像像素，能够优化后续对目标区域的处理，更好地帮助患者识别目标对象。

这里，上述所提及的图像处理装置200的各个单元包括获取模块211、分割模块212、计算模块213和选择模块214的功能均可以通过下述图3的图像处理装置200来实现。以下详细地说明。

图3是本公开所涉及的低像素的图像处理装置结构示意图。在一些示例中，如图3所示，该图像处理装置200可以包括处理器221、存储器222和通信接口223。

在一些示例中，处理器221可以用于对图像处理装置200执行的动作进行控制管理。例如，处理器221可以用于实现上述的图像处理装置200的各个单元的功能。另外，处理器221还可以用于支持图像处理装置200执行图4中的步骤s110至步骤s140和/或用于本文所描述的技术的其它过程。

在一些示例中，处理器221可以是中央处理器(centralprocessingunit，cpu)、通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(application-specificintegratedcircuit，asic)、现场可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本公开所描述的各种示例性的逻辑方框，模块和电路。处理器221也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等等。

在一些示例中，通信接口223可以用于支持图像处理装置200与其他设备(例如，摄像装置10)的通信。

另外，在一些示例中，通信接口223可以是通信接口、收发器、收发电路等。其中，通信接口223是统称，可以包括一个或多个接口。

在一些示例中，存储器222可以用于存储图像处理装置200的程序代码和数据。

另外，在一些示例中，该图像处理装置200还可以包括通信总线224。通信总线224可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。通信总线224还可以分为地址总线、数据总线、控制总线等。通信总线224可以有一根或多根。为便于表示，图3中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。

上述是本公开涉及的图像处理装置200，下面结合流程图详细描述本公开涉及的图像处理方法。图像处理方法的各个步骤可以相对应于图像处理装置200的各个单元。

图4是本公开所涉及的低像素的图像素处理方法的流程示意图。图5是本公开所涉及的面积计算方法的例子的流程示意图。图6是本公开所涉及的面积计算方法的变形例1的流程示意图。图7是本公开所涉及的面积计算方法的变形例2的流程示意图。

在一些示例中，低像素的图像素处理方法可以分别对应上述低像素的图像处理装置200的各模块的实现功能的方法。

在一些示例中，如图4所示，低像素的图像处理方法包括获取初始图像(步骤s110)。

在步骤s110中，初始图像可以基于摄像装置10输出的视觉信号获得。另外，初始图像的像素可以由摄像装置10的摄像镜头(未图示)的像素决定。初始图像可以是彩色图像，初始图像还可以是灰度图像。

在一些示例中，如图4所示，低像素的图像处理方法还可以包括从初始图像区分背景区域和包括多个目标对象的目标区域，去除背景区域(步骤s120)。

在步骤s120中，初始图像通常可以包括背景区域和目标区域。其中，目标区域可以是包含患者所需信息(例如物体或障碍物)的区域。背景区域可以是初始图像中目标区域以外的区域。

在一些示例中，可以通过阈值比较法区分初始图像中的背景区域和目标区域。具体而言，阈值比较法可以通过设置预设阈值，利用预设阈值和初始图像，区分背景区域和目标区域。获取预设阈值的方法可以类比上述分割模块212中的方法。

在一些示例中，可以比较预设阈值和初始图像的每个像素的像素值，将初始图像划分为大于或等于预设阈值的第一区域和小于预设阈值的第二区域。通常背景区域大于目标区域，因此，可以比较第一区域和第二区域，选择第一区域和第二区域中区域较大的为背景区域。

在一些示例中，区分出背景区域后，可以将背景区域的像素的像素值设置为零，像素值设置为零可以视为像素不存在。由此，去除背景区域，能够降低后续图像处理的复杂度。

在一些示例中，如图4所示，低像素的图像处理方法还可以包括从目标区域中计算各个目标对象的面积(步骤s130)。

在步骤s130中，目标区域可以包含一个、两个或两个以上目标对象。例如，物体或障碍物可以是目标区域的目标对象。目标对象的数量即为物体或障碍物的数量。

在一些示例中，如图5所示，步骤s130可以包括统计目标对象的像素数量来计算目标对象的面积(步骤s1310)。

在步骤s1310中，大的目标对象通常比小的目标对象占据的面积大。另外，像素数量与目标对象的面积成正比关系，在这种情况下，大的目标对象的像素数量也比小的目标对象的像素数量多。可以统计不同的目标对象的像素数量，将各个目标对象的像素数量类比为各个目标对象的面积。由此，根据像素数量能够获得目标对象的面积。

在另一些示例中，如图6所示，步骤s130可以包括选取沿着目标对象的边缘周围的多个坐标点(步骤s1320)。

在步骤s1320中，边缘周围可以包括边缘和边缘附近。也即，选取的坐标点可以是目标对象的边缘上的点，也可以是目标对象的边缘附近。选取的坐标点的个数可以是例如三个、四个以及四个以上个。

在一些示例中，如图6所示，步骤s130可以包括多个坐标点连接而形成的区域拟合目标对象的面积(步骤s1321)。

在步骤s1321中，选取的坐标点的个数可以是三个，将三个坐标点连接而形成的区域可以拟合出一个近似目标对象的三角形区域，三角形区域的面积可以近似反映出目标对象的面积。

在一些示例中，选取的坐标点的个数可以是四个，将四个坐标点连接而形成的区域可以拟合出一个近似目标对象的四边形区域。四边形区域的面积可以近似反映出目标对象的面积。

在这种情况下，坐标点的个数越多，拟合出来的区域越接近目标对象。也即，坐标点的个数越多，拟合出来的区域的面积越接近目标对象的面积。

在一些示例中，如图6所示，步骤s130可以包括计算区域的面积(步骤s1322)。

在步骤s1322中，根据拟合出来的区域的形状计算相应区域的面积。例如，拟合出来的区域是三角形，可以运用面积公式计算出区域面积。

另外，在一些示例中，如图7所示，步骤s130可以包括针对目标对象进行边缘识别(步骤s1330)。

在步骤s1330中，大的目标对象通常比小的目标对象占据的面积大，相应的大的目标对象的轮廓比小的目标对象的轮廓大。另外，像素数量与目标对象的轮廓成正比关系，在这种情况下，可以将各个目标对象的轮廓的像素数量类比为各个目标对象的面积。

在一些示例中，可以通过边缘检测的方法识别出目标对象的轮廓。

在一些示例中，如图7所示，步骤s130还可以包括统计目标对象的边缘的像素数量(步骤s1331)。由此，根据轮廓的像素数量能够类比获得目标对象的面积。

在一些示例中，如图4所示，低像素的图像处理方法还可以包括去除目标对象的面积小于规定阈值的目标对象，保留目标对象的面积大于或等于规定阈值的目标对象(步骤s140)。

在步骤s140中，可以将各个目标对象的面积按照降或升次排序，选择排列顺序中的中值作为规定阈值。

另外，在步骤s140中，可以计算目标对象的面积的平均值，将平均值作为规定阈值。其中，目标对象的面积的平均值可以是目标区域中的目标对象的面积的平均值。

在一些示例中，可以将各个目标对象的面积按照降次排序，选取面积排列考前的几个目标对象作为部分目标对象，计算部分目标对象的面积，并计算部分目标对象的面积的平均值。将该面积的平均值作为规定阈值。

另外，步骤s140可以令目标对象的面积小于规定阈值的目标对象的像素值设置为零。

在本公开中，区分背景区域和包括多个目标对象的目标区域，去除背景区域保留目标区域，计算目标区域中的目标对象的面积，保留大于或等于规定阈值的目标对象。在这种情况下，去除背景区域可以初步减小图像像素，去除小于规定阈值的目标对象，能够优化后续对目标区域的处理，以帮助患者识别目标对象。

虽然以上结合附图和实施例对本发明进行了具体说明，但是可以理解，上述说明不以任何形式限制本发明。本领域技术人员在不偏离本发明的实质精神和范围的情况下可以根据需要对本发明进行变形和变化，这些变形和变化均落入本发明的范围内。