[发明专利]图像处理方法、装置及计算机可读存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取具有至少两个划分区域的待处理图像，每一所述划分区域中包括一个标注点，每一所述标注点对应一待分割对象；

对所述待处理图像中的每一所述标注点进行迭代扩张，得到对应标注点的迭代扩张区域；

分别确定所述迭代扩张区域与所述划分区域之间的第一损失结果、和所述迭代扩张区域与所述标注点之间的第二损失结果；

当所述第一损失结果和所述第二损失结果，满足迭代终止条件时，停止对所述标注点的迭代扩张；

将停止所述迭代扩张时得到的迭代扩张区域，确定为所述待处理图像中的所述待分割对象所在的区域。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据第N次迭代扩张的所述第一损失结果和所述第二损失结果，确定第N+1次迭代扩张的迭代扩张参数，N大于或等于1；

所述对所述待处理图像中的每一所述标注点进行迭代扩张，得到对应标注点的迭代扩张区域，包括：

采用所述迭代扩张参数，对所述待处理图像中的每一所述标注点进行迭代扩张，得到对应标注点的迭代扩张区域。

3.根据权利要求2所述的方法，其特征在于，所述迭代扩张参数包括扩张距离；所述采用所述迭代扩张参数，对所述待处理图像中的每一所述标注点进行迭代扩张，得到对应标注点的迭代扩张区域，包括：

以每一所述标注点为中心，以所述扩张距离为半径，对所述待处理图像中的每一所述标注点进行迭代扩张，形成对应标注点的迭代扩张区域。

4.根据权利要求2所述的方法，其特征在于，所述根据第N次迭代扩张的所述第一损失结果和所述第二损失结果，确定第N+1次迭代扩张的迭代扩张参数，包括：

当所述第N次迭代扩张的所述第一损失结果与所述第二损失结果之和大于阈值时，获取每一所述标注点在所述第N次迭代扩张的迭代扩张区域内的像素点；

确定与每一所述标注点相邻的迭代扩张区域内的像素点之间的像素距离；

根据所述像素距离，确定用于进行所述第N+1次迭代扩张的扩张距离，得到所述迭代扩张参数。

5.根据权利要求1所述的方法，其特征在于，所述当所述第一损失结果和所述第二损失结果，满足迭代终止条件时，停止对对应标注点的迭代扩张，包括：

获取所述第一损失结果对应的第一损失值、和所述第二损失结果对应的第二损失值；

确定所述第一损失值与所述第二损失值之间的损失值之和；

当所述损失值之和小于阈值时，停止对所述标注点的迭代扩张。

6.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像中的每一所述标注点进行迭代扩张，得到对应标注点的迭代扩张区域，包括：

以每一所述标注点为中心、以预设扩张距离为半径，对所述待处理图像中的每一所述标注点进行初次扩张，形成具有至少两个扩张区域的前景区域；

以每一所述标注点为中心、以所述预设扩张距离为半径，对所述前景区域中的每一所述扩张区域进行至少一次迭代扩张，得到对应标注点的迭代扩张区域。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述待处理图像为病理图像，所述待分割对象为细胞；所述将停止所述迭代扩张时得到的迭代扩张区域，确定为所述待处理图像中的待分割对象所在的区域，包括：

将停止所述迭代扩张时得到的迭代扩张区域，确定为所述病理图像中的细胞所在的区域。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过图像分割模型对所述待处理图像进行处理，得到所述待处理图像中的待分割对象所在的区域；

所述图像分割模型包括全卷积神经网络，所述全卷积神经网络用于对样本图像进行图像分割处理。