白睛区域内血脉颜色的检测方法、装置、电子设备和介质与流程

1.本技术涉及医疗设备技术领域，更具体地说，涉及一种白睛区域内血脉颜色的检测方法、装置、电子设备和介质。


背景技术：

2.目诊是中国传统医学中望诊的重要组成之一，马王堆出土的医书《阴阳脉死候》中就有目诊的记载：“面黑，目寰，视衮，则气先死”。《重订通俗伤寒论》说：“凡病至危，必察两目，视其目色，以知病之存亡也，故观目为诊法之首要”。《伤寒杂病论》中也十分重视目诊，将眼目的诸多病理变化作为诊断疾病的依据，如目黯、血从目出、直视不能瞤等。眼目的诸多部位变化均可以诊断疾病，如眼表皮肤、眼神、白睛、虹膜、视网膜等。
3.历代中医古籍中总结出目诊的4点诊断原理分别为：眼目为五脏六腑缩影，五脏六腑的病理变化可显现于眼目；根据生理病理不同，可将眼目分为五轮，内应五脏；眼分八廓，外应脏腑；眼与经络载气血上注于目的联系较为广泛，脏腑气血失调先见通过经络上走于面，注于目。
4.现代医学研究发现，白睛血脉作为人体唯一可以无创、直接观察的较深层次的血脉，是全身微循环系统的一个重要组成部分，是全身微血脉病变的观察窗口。多项研究证实，其形态结构以及颜色的变化与许多全身性疾病的病情进展密切相关，例如心脑血脉疾病的微循环情况、血液疾病、内分泌系统疾病、血液病中的贫血等等，因而，白睛血脉能直接反映机体的生理病理状况。鉴于白睛区域的血脉颜色的特征与许多全身性疾病的病情进展密切相关，因此有必要提出一种算法来识别白睛区域的血脉与底色的颜色类别，以便能够进一步根据白睛血脉颜色对患者的身体状态进行鉴别。


技术实现要素：

5.有鉴于此，本技术提供一种白睛区域内血脉颜色的检测方法、装置、电子设备和介质，用于对人的白睛区域内血脉颜色进行检测，以便能够根据血脉颜色对人体状态进行进一步诊断。
6.为了实现上述目的，现提出的方案如下：一种白睛区域内血脉颜色的检测方法，应用于电子设备，所述检测方法包括步骤：对眼图进行处理，从中提取出白睛区域图像；对所述白睛区域图像进行分割处理，得到血脉区域图像；从所述血脉区域图像中选取主血脉区域；基于聚类方法从所述主血脉区域中选取多个血脉色块；对所述血脉色块进行颜色划定，得到所述眼图中的血脉颜色。
7.可选的，所述对眼图进行处理，从中提取出白睛区域图像，包括步骤：从所述眼图中提出所述白睛区域，所述白睛区域为彩色图像；将所述彩色图像处理为灰度图，得到所述白睛区域图像；
去除所述白睛区域图像中的噪声数据。
8.可选的，所述对所述白睛区域图像进行分割处理，得到血脉区域图像，包括步骤：基于自适应阈值方法对所述白睛区域图像进行分割，得到所述血脉区域图像；基于形态学开闭运算连接所述血脉区域图像中的血脉断点。
9.可选的，所述从所述血脉区域图像中选取主血脉区域，包括步骤：基于最大轮廓算法从所述血脉区域图像中选取多个主要血脉轮廓；按轮廓大小顺序从所述多个主要血脉轮廓中选取部分主要血脉轮廓，作为所述主血脉区域。
10.可选的，所述基于聚类方法从所述主血脉区域中选取多个血脉色块，包括步骤：基于k-means聚类算法对所述主血脉区域进行聚类处理，得到所述主血脉区域中的多个区域的平均颜色，依据每个所述区域的平均颜色、面积和亮度得到所述多个血脉色块。
11.一种白睛区域内血脉颜色的检测装置，应用于电子设备，所述检测装置包括：区域提取模块，被配置为对眼图进行处理，从中提取出白睛区域图像；图像分割模块，被配置为对所述白睛区域图像进行分割处理，得到血脉区域图像；区域选取模块，被配置为从所述血脉区域图像中选取主血脉区域；色块选取模块，被配置为基于聚类方法从所述主血脉区域中选取多个血脉色块；颜色划定模块，被配置为对所述血脉色块进行颜色划定，得到所述眼图中的血脉颜色。
12.可选的，所述图像分割模块包括：分割执行单元，被配置为基于自适应阈值方法对所述白睛区域图像进行分割，得到所述血脉区域图像；断点连接单元，被配置为基于形态学开闭运算连接所述血脉区域图像中的血脉断点。
13.可选的，所述区域选取模块包括：第一选取单元，被配置为基于最大轮廓算法从所述血脉区域图像中选取多个主要血脉轮廓；第二选取单元，被配置为按轮廓大小顺序从所述多个主要血脉轮廓中选取部分主要血脉轮廓，作为所述主血脉区域。
14.一种电子设备，所述电子设备包括至少一个处理器和与所述处理器连接的存储器，其中：所述存储器用于存储计算机程序或指令；所述处理器用于执行所述计算机程序或指令，以使所述电子设备实现如上所述的白睛区域内血脉颜色的检测方法。
15.一种介质，应用于电子设备，所述介质承载有一个或多个计算机程序，所述一个或多个计算机程序能够被所述电子设备执行，以使所述电子设备实现如上所述的白睛区域内血脉颜色的检测方法。
16.从上述的技术方案可以看出，本技术公开了一种白睛区域内血脉颜色的检测方法、装置、电子设备和介质，该方法和装置应用于电子设备，具体为对眼图进行处理，从中提
取出白睛区域图像；对白睛区域图像进行分割处理，得到血脉区域图像；从血脉区域图像中选取主血脉区域；基于聚类方法从主血脉区域中选取多个血脉色块；对血脉色块进行颜色划定，得到眼图中的血脉颜色。通过上述方案可以对人的白睛区域内血脉颜色实现检测，以便能够根据血脉颜色对人体状态进行进一步诊断。
17.从《阴阳脉死候》、《黄帝内经》、《金匮要略》、《小儿药证直诀》等古代文献可见，历代医家从中医整体观念出发,开创并丰富了目诊这一具体诊法,从望目之神、色、态等诸多方面获悉五脏六腑的气血盛衰,以诊察全身疾病,确定病位、揭示病机、鉴别病证、判断病势,有着重要的理论价值和临床启示意义。对目诊理论的研究应以中医基础理论为指导，结合临床实践，借助现代科学技术，使目诊客观化、信息化、精确化，以诊察全身的健康状况，发挥中医药特色优势，以更好地发挥目诊功能，对目诊理论的继承、应用、发展有着更深远的意义。
18.白睛区域血脉颜色这一特征，与许多全身性疾病的病情进展密切相关，这一重要特征因为受很多因素的影响不能很好的识别，如血红蛋白氧饱和度、白内障的老化和发展、闪光强度的差异、闪光光谱、相机的非线性光学畸变、闪光伪影和聚焦等。而本技术创新性的使用形态学方法与自适应阈值法结合的方式进行血脉分割，运算速度快，并可以最大限度的保留出最多的血脉区域。相对于对于单一的形态学方法而言，提升了血脉分割的效果。与现有的机器学习方法相比，本技术能提取出更多的血脉区域，并有更快的计算速度。在血脉颜色分类方面，本技术使用最大轮廓算法屏蔽主血脉以外的区域，很大程度上提升了血脉颜色分类的效果。在颜色分类中使用色度学方法在大量数据分析血脉与底色颜色的分布情况，首次对白睛血脉区域颜色和底色颜色在lab颜色空间进行了标定，一定程度上解决了血脉颜色闪光强度的差异、闪光光谱、相机的非线性光学畸变、闪光伪影和聚焦等问题，优于其他颜色分类模型。
附图说明
19.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1为本技术实施例的一种白睛区域内血脉颜色的检测方法的流程图；图2为一种眼图的示意图；图3为本技术实施例的一种白睛区域内血脉颜色的检测装置的框图；图4为本技术实施例的一种电子设备的框图。
具体实施方式
21.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
22.实施例一
图1为本技术实施例的一种白睛区域内血脉颜色的检测方法的流程图。
23.如图1所示，本实施例提供的检测方法用于对受检人员的眼图的白睛区域内的血脉颜色进行检测，以使医生能够根据该血脉颜色对受检人员的健康状况进行确认。该检测方法应用于电子设备，该电子设备可以理解为具有信息处理能力和数据计算能力的计算机和服务器，该检测方法包括如下步骤：s1、对眼图进行处理，从中提取出白睛区域图像。
24.这里的眼图是指通过相机、摄像头等影像采集设备对受检人员的眼睛进行拍摄得到的眼睛的图像，如图2所示。本实施例通过如下具体步骤实现白睛区域图像的提取：首先，在从其他电子设备如相机、摄像头或存储设备获取到受检人员的眼图后，对图像的局部进行提取，得到白睛区域，该白睛区域是指眼球图像中去除瞳孔部分图像后的区域，该白睛区域为彩色图像，格式可以为rgb或者其他格式。
25.然后，将该彩色图像的白色区域处理为灰度图，为了便于描述，这里将该灰度图格式的白色区域称为白睛区域图像；灰度图只有一个通道，他有256个灰度等级，255代表全白，0表示全黑。
26.最后，将该白睛区域图像噪声数据去除，噪声数据包括但不限于光斑等。
27.s2、对白睛区域图像进行分割处理，得到血脉区域图像。
28.在去掉噪声的白睛区域图像中，使用自适应阈值方法得到的该白睛区域图像中的血脉区域图像。在很多固定阈值分割方法中，都采用一刀切的方式进行分割，虽然在一些图像上效果比较好，但对于不均匀或图像元素比较多的情况得到的结果并不尽如人意。基于此，本技术采用如下具体方法实现白睛区域的分割：首先，采用自适应阈值法把图像分成很多小块，每一块区域用相应的阈值进行分割，这样图片不同区域的阈值就不尽相同。
29.由于血脉的特殊性，即使采用自适应阈值法也会在一些血脉末梢和细小血脉上出现断点。这种情况对于我们提取血脉的完整性造成很大影响，而且回丢失一些血脉的像素信息。
30.鉴于此，本技术采用形态学开闭运算连接血脉中的断点区域，得到完整且连续的血脉区域图像。
31.在形态学方法中，腐蚀和膨胀是两个基本运算。在腐蚀和膨胀两个基本运算基础上，我们可以构造出形态学的运算簇，它是由上述两个运算的复合和集合操作（交、并、补等）组合成新的所有运算构成。其中两个最为重要的组合运算是形态学的开运算和闭运算。开运算是先对图像进行腐蚀，然后又用结构元素对腐蚀的结果进行膨胀。闭运算是结构元素先对图像进行膨胀，然后又用结构元素对膨胀的结果进行腐蚀。通过依次进行开闭运算，可以将血脉中的断点进行连接。
32.s3、从血脉区域图像中选取主血脉区域。
33.对与血脉颜色结果而言，本技术更关注主血脉区域的信息。在很多眼像中其他血脉的颜色与主血脉有很大差距，会对血脉颜色的判别产生较大。鉴于此，本技术通过如下步骤从血脉区域图像中选取主血脉区域。
34.首先，采用最大轮廓算法在血脉区域图像中选取多个主要血脉区域。
35.然后，通过在多个主要血脉区域查找所有的轮廓并进行排序，选取排名前二的轮
廓为最大轮廓。并将原图与二值图像填充，得到主血脉区域。一般来说，其他区域不再进行颜色检测，以便提高检测效率。
36.s4、基于聚类方法从主血脉区域选取多个血脉色块。
37.在得到相应的主血脉区域后，对于每个主血脉区域使用k-means聚类方法对进行聚3类，即使用k-means方法将主血脉区域的颜色聚类成3个区域，生成三种血脉区域的色块，并选取聚类后得到的多个血脉色块。
38.k-means算法是一种典型的基于划分的聚类算法，也是一种无监督学习算法。k-means算法的思想很简单，对给定的图像，用欧氏距离作为衡量数据对象间相似度的指标，相似度与数据对象间的距离成反比，相似度越大，距离越小。预先指定初始聚类数以及个初始聚类中心，按照像素之间的距离大小，把样本集划分为个簇根据数据对象与聚类中心之间的相似度，不断更新聚类中心的位置，不断降低类簇的误差平方和（sum of squared error，sse），当sse不再变化或目标函数收敛时，聚类结束，得到最终结果。
39.本技术使用k-means算法得到血脉3种区域的平均颜色，并依据面积与亮度选择最终的血脉颜色。选取3种区域是因为通过实验证明，加多聚类区域不但大幅影响运算时间，而且性能有效提升。
40.对于其他底色区域则使用血脉全部区域掩码去除白睛原图血脉像素，使用k-means对底色区域进行5聚类，生成5种底色区域的色块，依据亮度选择最终的底色颜色色块。
41.s5、对血脉色块进行颜色划定，得到眼图中的血脉颜色。
42.本技术采用色度学方法对血脉色块的颜色进行分类。色度学是将主观颜色感知与客观物理测量值联系起来，建立科学、准确的定量测量方法。本技术通过lab颜色空间中la空间划定6种血脉颜色区域并在每种血脉颜色区域设定典型色卡，在区域内的像素值设定为对应颜色。
43.lab色彩空间是颜色-对立空间，带有维度l表示亮度，a和b表示颜色对立维度，基于了非线性压缩的cie xyz色彩空间坐标。不同于rgb和cmyk色彩空间，lab颜色被设计来接近人类视觉。它致力于感知均匀性，它的l分量可以密切匹配人类亮度感知。因此可以被用来通过修改a和b分量的输出色阶来做精确的颜色平衡，或使用l分量来调整亮度对比。而颜色区域外的血脉像素值与典型色卡则计算cie2000色差，选取最近色卡对应颜色标定为血脉颜色。
44.对于底色区域颜色，通过lab颜色空间中la空间划定4种底色颜色区域并在每种底色颜色区域设定中心，在区域内的像素值设定为对应颜色。区域外的底色像素值与中心点计算距离，选取最近中心点对应颜色为底色颜色。依据这些规则得到血脉、底色颜色分类结果。
45.从上述技术方案可以看出，本实施例提供了一种白睛区域内血脉颜色的检测方法，该方法应用于电子设备，具体为对眼图进行处理，从中提取出白睛区域图像；对白睛区域图像进行分割处理，得到血脉区域图像；从血脉区域图像中选取主血脉区域；基于聚类方法从主血脉区域中选取多个血脉色块；对血脉色块进行颜色划定，得到眼图中的血脉颜色。通过上述方案可以对人的白睛区域内血脉颜色实现检测，以便能够根据血脉颜色对人体状态进行进一步诊断。
46.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
47.虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。
48.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
49.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如c语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机。
50.实施例二图3为本技术实施例的一种白睛区域内血脉颜色的检测装置的框图。
51.如图3所示，本实施例提供的检测方法应用于电子设备，具体包括区域提取模块10、图像分割模块20、区域选取模块30、色块选取模块40和颜色划定模块50。
52.区域提取模块用于对眼图进行处理，从中提取出白睛区域图像。
53.这里的眼图是指通过相机、摄像头等影像采集设备对受检人员的眼睛进行拍摄得到的眼睛的图像，如图2所示。本实施例通过如下具体步骤实现白睛区域图像的提取：首先，在从其他电子设备如相机、摄像头或存储设备获取到受检人员的眼图后，对图像的局部进行提取，得到白睛区域，该白睛区域是指眼球图像中去除瞳孔部分图像后的区域，该白睛区域为彩色图像，格式可以为rgb或者其他格式。
54.然后，将该彩色图像的白色区域处理为灰度图，为了便于描述，这里将该灰度图格式的白色区域称为白睛区域图像；灰度图只有一个通道，他有256个灰度等级，255代表全白，0表示全黑。
55.最后，将该白睛区域图像噪声数据去除，噪声数据包括但不限于光斑等。
56.图像分割模块用于对白睛区域图像进行分割处理，得到血脉区域图像。
57.在去掉噪声的白睛区域图像中，使用自适应阈值方法得到的该白睛区域图像中的血脉区域图像。在很多固定阈值分割方法中，都采用一刀切的方式进行分割，虽然在一些图像上效果比较好，但对于不均匀或图像元素比较多的情况得到的结果并不尽如人意。基于
此，本技术的图像分割模块包括分割执行单元和断点连接单元。
58.分割执行单元用于采用自适应阈值法把图像分成很多小块，每一块区域用相应的阈值进行分割，这样图片不同区域的阈值就不尽相同。
59.由于血脉的特殊性，即使采用自适应阈值法也会在一些血脉末梢和细小血脉上出现断点。这种情况对于我们提取血脉的完整性造成很大影响，而且回丢失一些血脉的像素信息。
60.鉴于此，该断点连接单元采用形态学开闭运算连接血脉中的断点区域，得到完整且连续的血脉区域图像。
61.在形态学方法中，腐蚀和膨胀是两个基本运算。在腐蚀和膨胀两个基本运算基础上，我们可以构造出形态学的运算簇，它是由上述两个运算的复合和集合操作（交、并、补等）组合成新的所有运算构成。其中两个最为重要的组合运算是形态学的开运算和闭运算。开运算是先对图像进行腐蚀，然后又用结构元素对腐蚀的结果进行膨胀。闭运算是结构元素先对图像进行膨胀，然后又用结构元素对膨胀的结果进行腐蚀。通过依次进行开闭运算，可以将血脉中的断点进行连接。
62.区域选取模块用于从血脉区域图像中选取主血脉区域。
63.对与血脉颜色结果而言，本技术更关注主血脉区域的信息。在很多眼像中其他血脉的颜色与主血脉有很大差距，会对血脉颜色的判别产生较大。鉴于此，本技术的区域选取模块包括第一选取单元和第二选取单元。
64.第一选取单元用于采用最大轮廓算法在血脉区域图像中选取多个主要血脉区域。
65.第二选取单元用于通过在多个主要血脉区域查找所有的轮廓并进行排序，选取排名前二的轮廓为最大轮廓。并将原图与二值图像填充，得到主血脉区域。一般来说，其他区域不再进行颜色检测，以便提高检测效率。
66.色块选取模块用于基于聚类方法从主血脉区域选取多个血脉色块。
67.在得到相应的主血脉区域后，对于每个主血脉区域使用k-means聚类方法对进行聚3类，即使用k-means方法将主血脉区域的颜色聚类成3个区域，生成三种血脉区域的色块，并选取聚类后得到的多个血脉色块。
68.k-means算法是一种典型的基于划分的聚类算法，也是一种无监督学习算法。k-means算法的思想很简单，对给定的图像，用欧氏距离作为衡量数据对象间相似度的指标，相似度与数据对象间的距离成反比，相似度越大，距离越小。预先指定初始聚类数以及个初始聚类中心，按照像素之间的距离大小，把样本集划分为个簇根据数据对象与聚类中心之间的相似度，不断更新聚类中心的位置，不断降低类簇的误差平方和（sum of squared error，sse），当sse不再变化或目标函数收敛时，聚类结束，得到最终结果。
69.本技术使用k-means算法得到血脉3种区域的平均颜色，并依据面积与亮度选择最终的血脉颜色。选取3种区域是因为通过实验证明，加多聚类区域不但大幅影响运算时间，而且性能有效提升。
70.对于其他底色区域则使用血脉全部区域掩码去除白睛原图血脉像素，使用k-means对底色区域进行5聚类，生成5种底色区域的色块，依据亮度选择最终的底色颜色色块。
71.颜色划定模块用于对血脉色块进行颜色划定，得到眼图中的血脉颜色。
72.本技术采用色度学方法对血脉色块的颜色进行分类。色度学是将主观颜色感知与客观物理测量值联系起来，建立科学、准确的定量测量方法。本技术通过lab颜色空间中la空间划定6种血脉颜色区域并在每种血脉颜色区域设定典型色卡，在区域内的像素值设定为对应颜色。
73.lab色彩空间是颜色-对立空间，带有维度l表示亮度，a和b表示颜色对立维度，基于了非线性压缩的cie xyz色彩空间坐标。不同于rgb和cmyk色彩空间，lab颜色被设计来接近人类视觉。它致力于感知均匀性，它的l分量可以密切匹配人类亮度感知。因此可以被用来通过修改a和b分量的输出色阶来做精确的颜色平衡，或使用l分量来调整亮度对比。而颜色区域外的血脉像素值与典型色卡则计算cie2000色差，选取最近色卡对应颜色标定为血脉颜色。
74.对于底色区域颜色，通过lab颜色空间中la空间划定4种底色颜色区域并在每种底色颜色区域设定中心，在区域内的像素值设定为对应颜色。区域外的底色像素值与中心点计算距离，选取最近中心点对应颜色为底色颜色。依据这些规则得到血脉、底色颜色分类结果。
75.从上述技术方案可以看出，本实施例提供了一种白睛区域内血脉颜色的检测装置，该装置应用于电子设备，具体为对眼图进行处理，从中提取出白睛区域图像；对白睛区域图像进行分割处理，得到血脉区域图像；从血脉区域图像中选取主血脉区域；基于聚类方法从主血脉区域中选取多个血脉色块；对血脉色块进行颜色划定，得到眼图中的血脉颜色。通过上述方案可以对人的白睛区域内血脉颜色实现检测，以便能够根据血脉颜色对人体状态进行进一步诊断。
76.描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
77.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。
78.实施例三
79.图4为本技术实施例的一种电子设备的框图。
80.参考图4所示，其示出了适于用来实现本公开实施例中的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda（个人数字助理）、pad（平板电脑）、pmp（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。该电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
81.电子设备可以包括处理装置（例如中央处理器、图形处理器等）401，其可以根据存储在只读存储器rom402中的程序或者从输入装置406加载到随机访问存储器ram403中的程序而执行各种适当的动作和处理。在ram中，还存储有电子设备操作所需的各种程序和数据。处理装置、rom以及ram通过总线404彼此相连。输入/输出（i/o）接口405也连接至总线404。
82.该电子设备的存储器中存储有计算机程序或指令，处理装置则可以执行该计算机程序或指令，以使该电子设备对眼图进行处理，从中提取出白睛区域图像；对白睛区域图像进行分割处理，得到血脉区域图像；从血脉区域图像中选取主血脉区域；基于聚类方法从主血脉区域中选取多个血脉色块；对血脉色块进行颜色划定，得到眼图中的血脉颜色。通过上述方案可以对人的白睛区域内血脉颜色实现检测，以便能够根据血脉颜色对人体状态进行进一步诊断。
83.通常，以下装置可以连接至i/o接口：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
84.实施例四
85.本实施例提供了一种计算机可读的介质，或者说存储介质，该存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备对眼图进行处理，从中提取出白睛区域图像；对白睛区域图像进行分割处理，得到血脉区域图像；从血脉区域图像中选取主血脉区域；基于聚类方法从主血脉区域中选取多个血脉色块；对血脉色块进行颜色划定，得到眼图中的血脉颜色。通过上述方案可以对人的白睛区域内血脉颜色实现检测，以便能够根据血脉颜色对人体状态进行进一步诊断。
86.需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
87.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
88.尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
89.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
90.以上对本发明所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种白睛区域内血脉颜色的检测方法，应用于电子设备，其特征在于，所述检测方法包括步骤：对眼图进行处理，从中提取出白睛区域图像；对所述白睛区域图像进行分割处理，得到血脉区域图像；从所述血脉区域图像中选取主血脉区域；基于聚类方法从所述主血脉区域中选取多个血脉色块；对所述血脉色块进行颜色划定，得到所述眼图中的血脉颜色。2.如权利要求1所述的检测方法，其特征在于，所述对眼图进行处理，从中提取出白睛区域图像，包括步骤：从所述眼图中提出所述白睛区域，所述白睛区域为彩色图像；将所述彩色图像处理为灰度图，得到所述白睛区域图像；去除所述白睛区域图像中的噪声数据。3.如权利要求1所述的检测方法，其特征在于，所述对所述白睛区域图像进行分割处理，得到血脉区域图像，包括步骤：基于自适应阈值方法对所述白睛区域图像进行分割，得到所述血脉区域图像；基于形态学开闭运算连接所述血脉区域图像中的血脉断点。4.如权利要求1所述的检测方法，其特征在于，所述从所述血脉区域图像中选取主血脉区域，包括步骤：基于最大轮廓算法从所述血脉区域图像中选取多个主要血脉轮廓；按轮廓大小顺序从所述多个主要血脉轮廓中选取部分主要血脉轮廓，作为所述主血脉区域。5.如权利要求1所述的检测方法，其特征在于，所述基于聚类方法从所述主血脉区域中选取多个血脉色块，包括步骤：基于k-means聚类算法对所述主血脉区域进行聚类处理，得到所述主血脉区域中的多个区域的平均颜色，依据每个所述区域的平均颜色、面积和亮度得到所述多个血脉色块。6.一种白睛区域内血脉颜色的检测装置，应用于电子设备，其特征在于，所述检测装置包括：区域提取模块，被配置为对眼图进行处理，从中提取出白睛区域图像；图像分割模块，被配置为对所述白睛区域图像进行分割处理，得到血脉区域图像；区域选取模块，被配置为从所述血脉区域图像中选取主血脉区域；色块选取模块，被配置为基于聚类方法从所述主血脉区域中选取多个血脉色块；颜色划定模块，被配置为对所述血脉色块进行颜色划定，得到所述眼图中的血脉颜色。7.如权利要求6所述的检测装置，其特征在于，所述图像分割模块包括：分割执行单元，被配置为基于自适应阈值方法对所述白睛区域图像进行分割，得到所述血脉区域图像；断点连接单元，被配置为基于形态学开闭运算连接所述血脉区域图像中的血脉断点。8.如权利要求6所述的检测装置，其特征在于，所述区域选取模块包括：第一选取单元，被配置为基于最大轮廓算法从所述血脉区域图像中选取多个主要血脉轮廓；
第二选取单元，被配置为按轮廓大小顺序从所述多个主要血脉轮廓中选取部分主要血脉轮廓，作为所述主血脉区域。9.一种电子设备，其特征在于，所述电子设备包括至少一个处理器和与所述处理器连接的存储器，其中：所述存储器用于存储计算机程序或指令；所述处理器用于执行所述计算机程序或指令，以使所述电子设备实现如权利要求1~5任一项所述的白睛区域内血脉颜色的检测方法。10.一种介质，应用于电子设备，其特征在于，所述介质承载有一个或多个计算机程序，所述一个或多个计算机程序能够被所述电子设备执行，以使所述电子设备实现如权利要求1~5任一项所述的白睛区域内血脉颜色的检测方法。

技术总结
本申请公开了一种白睛区域内血脉颜色的检测方法、装置、电子设备和介质，该方法和装置应用于电子设备，具体为对眼图进行处理，从中提取出白睛区域图像；对白睛区域图像进行分割处理，得到血脉区域图像；从血脉区域图像中选取主血脉区域；基于聚类方法从主血脉区域中选取多个血脉色块；对血脉色块进行颜色划定，得到眼图中的血脉颜色。通过上述方案可以对人的白睛区域内血脉颜色实现检测，以便能够根据血脉颜色对人体状态进行进一步诊断。脉颜色对人体状态进行进一步诊断。脉颜色对人体状态进行进一步诊断。


技术研发人员：刘子强 李旸 李航 范里明
受保护的技术使用者：博奥生物集团有限公司
技术研发日：2023.06.09
技术公布日：2023/7/22