一种图像检测方法、装置、设备及存储介质发明专利

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种图像检测方法、装置、设备及存储介质。

背景技术

在一些医疗影像设备(如C形臂)的临床使用场景中，采集图像时经常会出现各种金属，例如各种金属手术器械等，如果金属面积较大，则会影响图像扫描剂量和显示效果。

当拍摄的图像视野中若存在大面积的高衰减金属时，如果不把大面积金属区域检测出去，医疗影像设备会误以为是拍摄部位太厚而加大射线量，人体就会受到更多的剂量。此外，在对拍摄得到的图像进行处理时，如果不把大面积金属区域排除出去，金属区域与人体区域一并处理，导致金属区域占据了一部分本该显示人体区域的灰度范围，从而使得人体部分的对比度相对于没有金属区域时的对比度较差。现有技术中，已有的分割方法有很多，但直接用于对图像中的金属区域进行分割的效果并不理想。

发明内容

本发明实施例提供一种图像检测方法、装置、设备及存储介质，以实现提高图像金属区域检测的准确性，减小金属区域对原始图像的影响，同时提升图像的显示效果。

第一方面，本发明实施例提供了一种图像检测方法，该方法包括：

获取原始图像，并根据所述原始图像的梯度特征生成与所述原始图像对应的强梯度图像； 基于所述原始图像和所述强梯度图像确定所述原始图像中是否存在金属区域； 当所述原始图像中存在所述金属区域时，根据所述原始图像检测出所述金属区域。

可选的，获取原始图像，并根据所述原始图像的梯度特征生成与所述原始图像对应的强梯度图像，包括：

获取原始图像，并对所述原始图像进行图像处理，其中，所述图像处理包括对数变换和高斯滤波；

根据所述图像处理后的原始图像的图像梯度生成所述强梯度图像。

可选的，根据所述图像处理后的原始图像的图像梯度生成所述强梯度图像，包括： 通过梯度算法对所述图像处理后的原始图像的梯度进行计算并生成边界梯度图像； 根据所述边界梯度图像中的边界点的连通区域面积确定所述强梯度图像。

可选的，基于所述原始图像和所述强梯度图像确定所述原始图像中是否存在金属区域，包括：

根据所述原始图像确定所述强梯度图像对应的梯度位置上的灰度均值； 确定所述原始图像的灰度直方图中的波峰以及所述波峰对应的灰度值； 基于所述灰度均值和所述灰度值确定所述原始图像中是否存在金属区域。

可选的，当所述原始图像中存在所述金属区域时，根据所述原始图像检测出所述金属区域，包括：

当所述原始图像中存在所述金属区域时，根据预设图像尺寸对所述原始图像进行分割得到至少一幅待检测图像；

通过确定所述至少一幅待检测图像的均值和方差检测出所述金属区域。

可选的，通过确定所述至少一幅待检测图像的均值和方差检测出所述金属区域，包括： 计算出每幅所述待检测图像的灰度均值和方差；

根据所述灰度均值和所述方差确定所述每幅待检测图像的相对方差；

如果确定出当前待检测图像的所述灰度均值小于灰度均值阈值且所述相对方差大于方差阈值时，且与所述当前待检测图像相邻的所述待检测图像的所述灰度均值小于灰度均值阈值且所述相对方差大于方差阈值，则将所述当前待检测图像确定为所述原始图像对应的所述金属区域。

1

可选的，所述方法还包括：

将确定出的每幅所述待检测图像是否为与所述原始图像对应的所述金属区域的结果在所述原始图像上进行显示，得到包含所述金属区域的所述原始图像。

第二方面，本发明实施例还提供了一种图像检测装置，该装置包括：

强梯度图像生成模块，用于获取原始图像，并根据所述原始图像的梯度特征生成与所述原始图像对应的强梯度图像；

金属区域确定模块，用于基于所述原始图像和所述强梯度图像确定所述原始图像中是否存在金属区域；

金属区域检测模块，用于当所述原始图像中存在所述金属区域时，根据所述原始图像检测出所述金属区域。

第三方面，本发明实施例还提供了一种设备，该设备包括： 一个或多个处理器；

存储装置，用于存储多个程序，

当所述多个程序中的至少一个被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明第一方面实施例所提供的一种图像检测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面实施例所提供的一种图像检测方法。

本发明实施例通过获取原始图像，并根据原始图像的梯度特征生成与原始图像对应的强梯度图像，基于原始图像和强梯度图像确定原始图像中是否存在金属区域，当原始图像中存在金属区域时，根据原始图像检测出所述金属区域，以实现提高图像金属区域检测的准确性，减小金属区域对原始图像的影响，同时提升图像的显示效果。

附图说明

图1是本发明实施例一提供的一种图像检测方法的流程图； 图2是本发明实施例二提供的一种图像检测方法的流程图；

图3是本发明实施例提供的示例性的边界梯度图像和强梯度图像的示意图；

图4是本发明实施例提供的示例性的原始图像和确定出金属区域的图像的示意图； 图5是本发明实施例三提供的一种图像检测方法的流程图； 图6是本发明实施例四提供的一种图像检测装置的结构图； 图7是本发明实施例五提供的一种设备的硬件结构示意图。 具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。

另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1为本发明实施例一提供的一种图像检测方法的流程图，本实施例可适用于在医学影像设备的临床应用中对经常出现的各种金属进行检测的情况，该方法可以由图像检测装置来执行，具体包括如下步骤：

S110、获取原始图像，并根据所述原始图像的梯度特征生成与所述原始图像对应的强梯度图像。

2

具体的，原始图像通过医学影像设备对目标物体进行扫描生成，医学影像设备包括C型臂X光机、DSA血管机或DR系统等常用的医学影像成像设备。所述目标物体可以为人体、动物或是非生物物体等，例如，所述目标物体可以包括人体或是动物的器官、脊髓、骨骼、组织或是血管等，或用于校准系统参数的非生物样本。图像的梯度特征是把图像看成二维离散函数，对这个二维离散函数的求导得到图像的梯度特征，一般图像边缘都是通过对图像进行梯度运算来实现的，图像的梯度是矢量，有大小又有方向。本发明实施例提供的技术方案是对原始图像的边界点进行提取后得到边界梯度图像，之后去除边界梯度图像的散点和小边界点生成与所述原始图像对应的强梯度图像。

S120、基于所述原始图像和所述强梯度图像确定所述原始图像中是否存在金属区域。 其中，金属区域是在医学影像设备对目标物体进行扫描时，可能会影响扫描剂量或是成像显示效果的区域，可以包括各种金属等，例如，各种金属手术器械等。

具体的，如果金属区域面积较大时，则由于在对目标物体进行常规扫描时，是根据拍摄图像区域内的灰度值来调整扫描剂量，当所需拍摄的图像视野中存在大面积的金属区域而不被划分出去，特别是金属区域为金属时，由于金属对X射线的高衰减性质，将会使得医学影像设备误以为拍摄部位太厚，进而加大对目标物体扫描的剂量，倘若目标物体为人体时，则人体将会接收到更多的射线量。同时，在对拍摄的图像进行处理时，如果不把存在的大面积的金属区域划分出去，该部分将与目标物体一并处理，将导致此时本该显示目标物体的灰度范围被金属区域所占据，进而使得目标物体的对比度降低。此外，如果金属区域面积较小时，则可以忽略其对目标物体进行常规扫描时所带来的影响。

本发明实施例提供的技术方案针对大面积的金属区域进行检测，根据原始图像确定强梯度图像对应的梯度位置上对应的灰度均值，确定所述原始图像的灰度直方图中的波峰以及所述波峰对应的灰度值，基于所述灰度均值和所述灰度值确定所述原始图像中是否存在金属区域，即通过原始图像和与原始图像对应生成的强梯度图像实现预先对原始图像中是否存在金属区域进行确定，避免金属区域可能对原始图像造成的扫描剂量或是最终显示效果的影响。

S130、当所述原始图像中存在所述金属区域时，根据所述原始图像检测出所述金属区域。 本发明实施例的技术方案中的金属区域可以为在医学影像设备拍摄医学图像中，在拍摄图像的区域内出现的各种金属区域，而在现有技术中，已有的分割方法有很多，但直接用于对图像中的金属区域进行分割的效果并不理想。本发明实施例提供的技术方案，当所述原始图像中存在所述金属区域时，根据预设图像尺寸对所述原始图像进行分割得到至少一幅待检测图像，通过确定所述至少一幅待检测图像的均值和方差检测出所述金属区域，且是在当前待检测图像与当前待检测图像相邻的所有的待检测图像都满足相同的特征时，才可判定当前待检测图像为原始图像中的金属区域，获取的金属区域更为准确，可以达到更好的图像分割效果。

本发明实施例通过获取原始图像，并根据原始图像的梯度特征生成与原始图像对应的强梯度图像，基于原始图像和强梯度图像确定原始图像中是否存在金属区域，当原始图像中存在金属区域时，根据原始图像检测出所述金属区域，解决目前对金属区域常规分割或是检测方法不能取得较好效果的问题，以实现提高图像金属区域检测的准确性，减小金属区域对原始图像的影响，同时提升图像的显示效果。

实施例二

图2为本发明实施例二提供的一种图像检测方法的流程图。本实施例以上述实施例为基础进行优化，在本实施例中，将步骤获取原始图像，并根据所述原始图像的梯度特征生成与所述原始图像对应的强梯度图像进一步优化为：获取原始图像，并对所述原始图像进行图像处理，其中，所述图像处理包括对数变换和高斯滤波；根据所述图像处理后的原始图像的图像梯度生成所述强梯度图像。在此基础上，将步骤基于所述原始图像和所述强梯度图像确定所述原始图像中是否存在金属区域进一步优化为：根据所述原始图像确定所述强梯度图像对

3

应的梯度位置上的灰度均值；确定所述原始图像的灰度直方图中的波峰以及所述波峰对应的灰度值；基于所述灰度均值和所述灰度值确定所述原始图像中是否存在金属区域。进一步地，将步骤当所述原始图像中存在所述金属区域时，根据所述原始图像检测出所述金属区域进一步优化为：当所述原始图像中存在所述金属区域时，根据预设图像尺寸对所述原始图像进行分割得到至少一幅待检测图像；通过确定所述至少一幅待检测图像的均值和方差检测出所述金属区域。

相应的，本实施例的方法具体包括：

S210、获取原始图像，并对所述原始图像进行图像处理，其中，所述图像处理包括对数变换和高斯滤波。

可选的，所述图像处理包括对数变换和高斯滤波。对数变换是为了实现图像灰度的扩展和压缩的功能，其用于扩展图像的低灰度值而压缩图像的高灰度值，让整个图像的灰度分布更加符合人的视觉特征。高斯滤波是根据高斯函数的形状来选择权值后实现线性平滑滤波，对于抑制服从正态分布的噪声非常有效，对于图像来说，高斯滤波是利用高斯核的一个二维的卷积算子，用于图像模糊化，即图像的去除细节和噪声。

具体的，在获取原始图像后，先对原始图像进行对数变换，平衡原始图像的灰度分布，基于对数变换后的图像进行高斯滤波，对图像实现平滑滤波，高斯滤波后的图像的平滑程度取决于标准差，高斯滤波的输出是图像区域内像素的加权平均，则离图像中心越近的像素对应的权值越高，因此，高斯滤波得到的图像相较于均值滤波的平滑效果更柔和，且图像边缘保留的也更好。

S220、根据所述图像处理后的原始图像的图像梯度生成所述强梯度图像。

基于图像处理后的原始图像，计算该图像的图像特度，进而生成强梯度图像，具体的计算过程可以包括：通过梯度算法对所述图像处理后的原始图像的梯度进行计算并生成边界梯度图像；根据所述边界梯度图像中的边界点的连通区域面积确定所述强梯度图像。

具体的，梯度算法可以采用常规使用的算子对图像的灰度图像上的操作。图3为本发明实施例提供的示例性的边界梯度图像和强梯度图像的示意图，本实施例的技术方案可以通过使用索贝尔算子计算图像的梯度，把图像梯度大于预设梯度阈值的点判定为边界点，并将边界点设置为1，其余区域的点设置为0，进而得到边界梯度图像，如图3左图所示为示例性的边界梯度图像。索贝尔算子主要用作边缘检测，在技术上，索贝尔算子是一离散性差分算子，主要用来运算图像亮度函数的灰度的近似值。在图像的任何一点使用索贝尔算子，将会产生与图像上该点对应的灰度矢量或是其法矢量。索贝尔算子是根据像素点上下、左右邻点的灰度加权差，在边缘处达到极值这一现象检测边缘，索贝尔算子对噪声具有平滑作用，能够提供较为精确的边缘方向信息，但是其边缘定位精度不够高。也就是说，当对图像的精度要求不是很高时，使用索贝尔算子进行边缘检测是比较常用的方法。

在得到边界梯度图像后，对边界梯度图像去除散点和小边界点，生成最终想要的强梯度图像。具体的，通过计算边界梯度图像中所有边界点的联通区域面积，把联通区域面积小于预设面积阈值的区域判定为小边界或者散点，把边界点的联通区域面积小于该预设面积阈值的区域进行舍弃，得到最终的强梯度图像。

需要说明的是预设梯度阈值和预设面积阈值，可以通过本领域技术人员根据实际情况和经验值进行确定，可以在0至1的范围内选择，本发明实施例仅对此进行说明，不对此进行。

S230、根据所述原始图像确定所述强梯度图像对应的梯度位置上的灰度均值。

通过将强梯度图像与原始图像进行比对，确认强梯度图像中梯度位置上的灰度值，并统计并计算梯度位置对应的直方图，根据直方图的30％以内的灰度值得到灰度均值，即强梯度图像对应的梯度位置上的灰度均值。

S240、确定所述原始图像的灰度直方图中的波峰以及所述波峰对应的灰度值。

4

通过统计计算原始图像的灰度直方图，并从灰度直方图中找到第一个较明显的波峰区段，并确定波峰区段对应的灰度值。

S250、基于所述灰度均值和所述灰度值确定所述原始图像中是否存在金属区域。

具体的，比较灰度均值和灰度值的大小，如果两个值很相近，或是说两个值的差小于预设阈值，预设阈值可以由本领域技术人员根据实际情况确定，两个值很接近表示在低灰度峰值区有强边界点，则认为原始图像中存在金属区域，也就是原始图像中可能是存在大面积的金属区域，超过原始图像区域的面积的20％以上则可以认为是大面积的区域，大面积区域的认定本发明实施例仅做解释说明，不做任何。

S260、当所述原始图像中存在所述金属区域时，根据预设图像尺寸对所述原始图像进行分割得到至少一幅待检测图像。

具体的，当原始图像中存在金属区域时，对原始图像进行分块，每块区域的设置为预设图像尺寸，预设图像尺寸由本领域技术人员根据实际情况进行设置，示例性的，预设图像尺寸为32*32。需要说明的是对原始图像的分割，是将原始图像进行完整的分割，为了保证对原始图像完整完全的分割可能存在最终分割出的待检测图像存在尺寸不同的情况，且分割出的每一幅待检测图像之间不存在重叠区域。

S270、通过确定所述至少一幅待检测图像的均值和方差检测出所述金属区域。

获取每一幅待检测图像的平均灰度值和方差，根据公式：相对方差＝方差/平均灰度值，得到每一幅待检测图像的相对方差，再根据待检测图像的相对方差和均值确认具体的金属区域的位置。示例性的，如图4所示为实施例提供的示例性的原始图像和确定出金属区域的图像的示意图，图4中左图为原始医学图像，图4中右图的上方白色区域为根据本发明实施例提供的技术方案确定的金属区域，即医学图像中可能存在的金属区域。

本发明实施例提供的技术方案，通过获取原始图像，并对原始图像进行图像处理，图像处理包括对数变换和高斯滤波，根据图像处理后的原始图像的图像梯度生成强梯度图像，根据原始图像确定强梯度图像对应的梯度位置上的灰度均值，确定原始图像的灰度直方图中的波峰以及波峰对应的灰度值，基于灰度均值和灰度值确定原始图像中是否存在金属区域，当原始图像中存在金属区域时，根据预设图像尺寸对原始图像进行分割得到至少一幅待检测图像，通过确定至少一幅待检测图像的均值和方差检测出金属区域，本发明实施例的技术方案针对大面积的金属区域，结合梯度、灰度和方差等多种特征的检测方法，以准确确定图像中的金属区域，实现减小金属区域对原始图像的影响，同时提升图像的显示效果。

实施例三

图5为本发明实施例三提供的一种图像检测方法的示意图。本发明实施例的技术方案是在上述实施例的基础上进行进一步的优化。本实施例的方法具体包括：

S310、获取原始图像，并根据所述原始图像的梯度特征生成与所述原始图像对应的强梯度图像。

S320、基于所述原始图像和所述强梯度图像确定所述原始图像中是否存在金属区域。 S330、当所述原始图像中存在所述金属区域时，根据预设图像尺寸对所述原始图像进行分割得到至少一幅待检测图像。

S340、计算出每幅所述待检测图像的灰度均值和方差。

S350、根据所述灰度均值和所述方差确定所述每幅待检测图像的相对方差。

S360、如果确定出当前待检测图像的所述灰度均值小于灰度均值阈值且所述相对方差大于方差阈值时，且与所述当前待检测图像相邻的所述待检测图像的所述灰度均值小于灰度均值阈值且所述相对方差大于方差阈值，则将所述当前待检测图像确定为所述原始图像对应的所述金属区域。

不同区域可以通过图像的灰度特征进行体现，图像的灰度均值和相对方差可以反映图像所包含的内容、细节和纹理等方面的图像特征。因此，通过确认待检测图像的灰度均值和相

5

对方差对待检测图像是否为原始图像中对应位置的金属区域进行确认。进一步的，通过待检测图像确定的灰度均值和相对方差的条件，需要待检测图像同时满足这两个条件，同时还需要当前待检测图像周围相邻的八块待检测图像也满足这两个条件时，才可以判断当前待检测图像为原始图像中对应位置的金属区域，倘若在当前待检测图像相邻的八块待检测图像中有一块以上的图像不满足上述两个条件，则当前待检测图像不可以被认定为原始图像对应的所述金属区域，这样设置的好处在于进一步保证了金属区域确定的准确性。

S370、将确定出的每幅所述待检测图像是否为与所述原始图像对应的所述金属区域的结果在所述原始图像上进行显示，得到包含所述金属区域的所述原始图像。

将每一幅待检测图像的判定结果在原始图像的对应位置进行显示，即可以将每一幅待检测图像依据原始图像拼凑还原成与原始图像对应的最终结果的图像，最终结果图像为包含所述金属区域的所述原始图像。也可以采用其他方式根据确定出的结果进行图像的复原，本发明实施例仅对此进行解释说明，不对此做任何。

本发明实施例提供的技术方案通过对原始图像分块进行检测，并获取每一块的检测结果得到最终的图像，同时，对金属区域的确定明确的限定条件，以保证检测的准确性，直接用于对金属区域的检测，也可以取得较好的效果。

实施例四

图6为本发明实施例四提供的一种图像检测装置的结构图，本实施例可适用于在医疗影像设备的临床应用中对经常出现的各种金属进行检测的情况。

如图6所示，所述装置包括：强梯度图像生成模块410、金属区域确定模块420和金属区域检测模块430，其中：

强梯度图像生成模块410，用于获取原始图像，并根据所述原始图像的梯度特征生成与所述原始图像对应的强梯度图像；

金属区域确定模块420，用于基于所述原始图像和所述强梯度图像确定所述原始图像中是否存在金属区域；

金属区域检测模块430，用于当所述原始图像中存在所述金属区域时，根据所述原始图像检测出所述金属区域。

本实施例的一种图像检测装置，通过获取原始图像，并根据原始图像的梯度特征生成与原始图像对应的强梯度图像，基于原始图像和强梯度图像确定原始图像中是否存在金属区域，当原始图像中存在金属区域时，根据原始图像检测出所述金属区域，以实现提高图像金属区域检测的准确性，减小金属区域对原始图像的影响，同时提升图像的显示效果。

在上述各实施例的基础上，强梯度图像生成模块410，包括：

图像处理单元，用于获取原始图像，并对所述原始图像进行图像处理，其中，所述图像处理包括对数变换和高斯滤波；

强梯度图像生成单元，用于根据所述图像处理后的原始图像的图像梯度生成所述强梯度图像。

在上述各实施例的基础上，强梯度图像生成单元，包括：

边界梯度图像生成子单元，用于通过梯度算法对所述图像处理后的原始图像的梯度进行计算并生成边界梯度图像；

强梯度图像确定子单元，用于根据所述边界梯度图像中的边界点的连通区域面积确定所述强梯度图像。

在上述各实施例的基础上，金属区域确定模块420，包括：

灰度均值确定单元，用于根据所述原始图像确定所述强梯度图像对应的梯度位置上的灰度均值；

灰度值确定单元，用于确定所述原始图像的灰度直方图中的波峰以及所述波峰对应的灰度值；

6

金属区域确定单元，用于基于所述灰度均值和所述灰度值确定所述原始图像中是否存在金属区域。

在上述各实施例的基础上，金属区域检测模块430，包括：

待检测图像确定单元，用于当所述原始图像中存在所述金属区域时，根据预设图像尺寸对所述原始图像进行分割得到至少一幅待检测图像；

金属区域检测单元，用于通过确定所述至少一幅待检测图像的均值和方差检测出所述金属区域。

在上述各实施例的基础上，金属区域检测单元，包括：

计算子单元，用于计算出每幅所述待检测图像的灰度均值和方差；

相对方差确定子单元，用于根据所述灰度均值和所述方差确定所述每幅待检测图像的相对方差；

金属区域检测子单元，用于如果确定出当前待检测图像的所述灰度均值小于灰度均值阈值且所述相对方差大于方差阈值时，且与所述当前待检测图像相邻的所述待检测图像的所述灰度均值小于灰度均值阈值且所述相对方差大于方差阈值，则将所述当前待检测图像确定为所述原始图像对应的所述金属区域。

在上述各实施例的基础上，所述装置还包括：

将确定出的每幅所述待检测图像是否为与所述原始图像对应的所述金属区域的结果在所述原始图像上进行显示，得到包含所述金属区域的所述原始图像。

上述各实施例所提供的图像检测装置可执行本发明任意实施例所提供的图像检测方法，具备执行图像检测方法相应的功能模块和有益效果。

实施例五

图7为本发明实施例五提供的一种设备12的结构示意图。图7示出了适于用来实现本发明实施方式的示例性设备12的框图。图7显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何。

如图7所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数

7

据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的图像检测方法，该方法包括：

获取原始图像，并根据所述原始图像的梯度特征生成与所述原始图像对应的强梯度图像； 基于所述原始图像和所述强梯度图像确定所述原始图像中是否存在金属区域； 当所述原始图像中存在所述金属区域时，根据所述原始图像检测出所述金属区域。

当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的图像检测方法的技术方案。

实施例六

本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的图像检测方法，该方法包括：

获取原始图像，并根据所述原始图像的梯度特征生成与所述原始图像对应的强梯度图像； 基于所述原始图像和所述强梯度图像确定所述原始图像中是否存在金属区域； 当所述原始图像中存在所述金属区域时，根据所述原始图像检测出所述金属区域。

当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的图像检测方法中的相关操作。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。

计算机可读的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。计算机可读的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——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

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发明操作的计算机程序代码，所述程序设计语言包括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、作为一个的软件包执行、部分在用户计

8

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(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

9