CN102930534B - 人体背部穴位自动定位方法 - Google Patents
人体背部穴位自动定位方法 Download PDFInfo
- Publication number
- CN102930534B CN102930534B CN201210388022.0A CN201210388022A CN102930534B CN 102930534 B CN102930534 B CN 102930534B CN 201210388022 A CN201210388022 A CN 201210388022A CN 102930534 B CN102930534 B CN 102930534B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- image
- human body
- tar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000001467 acupuncture Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000003708 edge detection Methods 0.000 claims abstract description 5
- 238000012935 Averaging Methods 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 201000010099 disease Diseases 0.000 abstract description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 244000052909 Dioscorea esculenta Species 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明主要通过图像处理技术实现人体背部穴位自动检测方法,从而改善医者人为主观判定穴位的现状,提高穴位检测的效率以及减少无谓的人力,同时为以后一些疾病的自动诊断和分类系统、人体健康自动分析系统打下基础,提供必要的技术支持。本发明首先是计算输入图像的YCbCr值,通过椭圆模型进行肤色分割,得到人体背部图,之后利用Canny边缘检测算法以及由内向外寻找白点得到人体背部上下边缘曲线,求取中点进行直线拟合得到人体脊柱线,旋转图像得到目标图像。对样本图像进行灰度标准化处理,相加求平均之后得到模板图像,最后将目标图像和模板图像进行匹配,通过模板图像中的穴位位置确定目标图像的穴位位置。
Description
技术领域
本发明属医学图像处理领域,是一种利用计算机技术、图像摄取技术、数字图象处理技术、以及图像匹配技术等实现对人体背部图像进行背部穴位自动定位和提取。该过程是对输入的人体背部图像进行自动分析,最终确定人体背部主要穴位的具体位置。
背景技术
现如今,人体穴位的确定都是靠医者自己的判断,这种判断带有一定主观性、模糊性,其穴位的具体位置和医生的经验密切相关。特别是在图像处理技术高速发展的现在,传统的主观穴位判定式已经不能满足现代中医发展的需求。
目前,还没有出现人体背部自动检测的相关研究,而本发明的人体背部穴位自动检测系统是依据中医理论上每个穴位的位置描述转化为图像处理中的像素关系,通过自动检测脊柱线,解决人体背部倾斜的问题,通过图像匹配方法解决人体背部穴位无具体图像位置关系的难题。
发明内容
本发明不同于普通的肤色检测,是以肤色分割、边缘检测为基础,根据人体背部边线平滑连续,并且对称的原理,针对脊柱线进行拟合,运用图像匹配等图像处理技术应用于人体背部分析,实现在人体背部图像中穴位位置的自动检测和定位。
本发明的技术方案参见图1,其中输入的图像是用佳能数码相机在固定的治疗室拍摄得到的数字化人体背部图像,之后将图像传输至计算机中进行图像预处理工作。本发明的特征在于在整个过程还包括下述步骤:
1.人体背部穴位自动定位方法,其特征在于包括下述步骤:
(1)根据输入的人体背部横向图像中各像素点的RGB值,通过RGB颜色空间与YCbCr颜色空间的转换矩阵公式,计算各像素点的YCbCr值;
(2)通过YCbCr椭圆计算公式对步骤1预处理后图像中的每个像素点进行判定,其中(ecx、ecy)是椭圆中心点的坐标,a、b分别为椭圆的长轴和短轴,x、y分别是步骤1预处理后图像中各像素点的Cb、Cr值即蓝色色度分量和红色色度分量经过平移旋转之后得到的数值,平移旋转公式为 其中cx、cy分别是步骤1预处理后图像中的每个像素点的蓝色色度分量和红色色度分量平移的距离,θ是蓝色色度分量和红色色度分量值要旋转的角度,
当dis<1时,则判定该像素点为肤色像素,并保留输入图像中该像素点的RGB值,否则为非肤色像素,并将输入图像中该像素点的RGB值都置为0;此时得到彩色图像SI图;
根据YCbCr椭圆肤色模型机理,人体肤色像素在YCbCr颜色空间中的分布近似一个椭圆,通过计算像素与椭圆中心点之间的距离判定是属于肤色范围还是非肤色范围,进而对图像进行分割,将人体背部与背景分离。
(3)利用加权平均公式将SI图灰度化为GSI图,公式如下:Gray=0.299R+O.587G+0.114B,其中,R表示每个像素点的红色分量值,G表示每个像素点的绿色分量值,B表示每个像素点的蓝色分量值,Gray表示每个像素点的灰度值;
(4)根据Canny边缘检测算法对GSI图进行计算得到EBL图,EBL图由人体背部边缘曲线、干扰边缘曲线和背景组成,人体背部边缘曲线和干扰边缘曲线灰度值为A,背景灰度值为B;
从EBL图提取人体背部边缘曲线,具体为首先在EBL图中初始化一个矩形框,然后将矩形框上边缘向上移动直到与人体背部边缘曲线相交,下边缘向下移动直到与人体背部边缘曲线相交,形成新矩形框1,记录此时上边缘的行数、下边缘的行数,接下来将新矩形框1的左边缘向左移动直到与人体背部边缘曲线或干扰边缘曲线相交,将新矩形框1的右边缘向右移动直到与人体背部边缘曲线或干扰边缘曲线相交,形成新矩形框2,记录此时左边缘的列数、右边缘的列数;新矩形2上边缘所有像素点向上搜索直到搜索到灰度为A的像素点,得到人体背部上边缘曲线,新矩形2下边缘所有像素点向下搜索直到搜索到灰度为A的像素点,得到人体背部下边缘曲线;
(5)拟合脊柱线,由于人体背部是对称的,所以首先计算人体背部上、下边缘曲线中同列两像素点的中间像素点,即为上下边线的中点,然后利用二乘法对所有中点进行直线拟合,直线方程的表达式为:y=a+bx,其中 分别代表中点的行数和列数,通过直线的斜率b得到脊柱线的偏移角θ,对输入图像进行θ°的旋转,使脊柱线水平,最后得到目标图像TAR图;
人体背部图像在拍摄过程中,由于相机的位置不固定,患者俯卧姿势不同,采集的人体背部图像就会有一定的倾斜。本发明需要的人体背部图像要求背部是水平的,所以要依据某一参考线对图像进行旋转。由于人体背部是对称的,并且脊柱线近乎于直线,故可以依照脊柱线的方向对图像进行旋转,最终得到目标图像。
(6)利用灰度分布标准化原理得到人体背部模板图像,
获取n幅大小相同的样本图像,并对每张样本图像进行灰度化处理得到n幅灰度样本图像,灰度化处理公式为
Gray=0.299R+O.587G+0.114B,
其中R表示每个像素点的红色分量值,G表示每个像素点的绿色分量值,B表示每个像素点的蓝色分量值,Gray表示每个像素点的灰度值,接下来对n幅灰度样本图像进行灰度分布标准化得到n幅标准化图像,灰度分布标准化公式为:
其中Rk[i][j]是第k幅灰度样本图像中位置为(i,j)的像素点的灰度值,μkR、σkR分别是第k幅灰度样本图像的所有像素点灰度值的均值和均方差,μ0、σ0分别是标准化设定的灰度均值和均方差的标准值,之后将n幅标准化图像中相同位置像素点的灰度值求平均,得到人体背部模板图像TMP图;
(7)目标图像TAR图和人体背部模板图像TMP图进行匹配,目标图像TAR图大小为C×D,首先对人体背部模板图像TMP图进行m次不同程度的缩放,得到m张模板缩放图,然后确定第K张大小为MK×NK的缩放图与目标图像TAR图的最佳匹配位置,具体为选取与第K张缩放图一样大小的窗口在TAR图逐像素点移动,每移一步计算一次TAR图中窗口图像和第K张缩放图之间的度量函数值,并将得到的度量函数值存放在大小为(C-MK)×(D-NK)的第k个度量值矩阵MEXK中,每一个度量函数值在MEXK中的位置与第k张模板缩放图对应的的TAR图中的窗口图像的左顶点像素的位置相同,度量值矩阵MEXK中最大值对应的位置即为第K张缩放图在目标图像TAR图中最佳匹配位置的左上角,度量函数计算公式如下,
其中,
TMPk[i][j]表示为第k张缩放图中位置为(i,j)的像素点的灰度值,TARk[i][j]表示为TAR图中的第k张缩放图对应的窗口图像第k张缩放图中的位置为(i,j)的像素点的灰度值,μTMPk表示第k张缩放图中所有像素点的灰度均值,μTAR表示目标图像中窗口图像所有像素的灰度均值,σTMPk表示为第k张缩放图中所有像素点的灰度均方差,σTAR表示为目标图像中窗口图像所有像素的灰度均方差,α表示为比例系数;
依次寻找m张缩放图与目标图像TAR图的m个最佳匹配位置,在m个最佳匹配位置所对应的度量函数值中选取最大值,该最大值对应的缩放图即为最优缩放图,最大值对应的最佳匹配位置即为最优缩放图与目标图像TAR图的最佳匹配位置,至此完成最佳匹配。
8)通过人体背部穴位在最优缩放图中的比例关系,确定目标图像TAR图中人体背部穴位的具体位置,所述的确定目标图像TAR图中人体背部穴位的具体位置的方法为:首先确定人体背部穴位在最优缩放图中的比例关系,然后在目标图像TAR图中建立一个矩形框,该矩形框的大小与最优缩放图一样,左顶点位置与最优缩放图对应的最佳匹配位置相同,最后按照相同的比例关系在矩形框中确定人体背部穴位。
人体背部横向图像为包括大椎穴到长强穴的裸露背部图像,裸露背部所占像素占输入图像像素的80%以上,手平放于身体两侧,裸露背部居中、横向。
矩形框初始化位于EBL图的中心,且矩形框竖向长为20个像素,横向长为EBL图横向长度的三分之一到二分之一之间。
样本图像为背景为黑色的包括大椎穴到长强穴的裸露背部图像,裸露背部居中、横向。
确定输入图像中人体背部穴位的具体位置的方法为:首先确定人体背部穴位在最优缩放图中的比例关系,然后在目标图像TAR图中建立一个矩形框,该矩形框的大小与最优缩放图一样,左顶点位置与最优缩放图对应的最佳匹配位置相同,最后按照相同的比例关系在矩形框中确定人体背部穴位。
有益效果
本发明通过利用现代计算机科技中的图像处理技术,自动检测人体背部穴位,一方面不仅减少在穴位判定方面所消耗的人力,还为资质较浅的医者提供一种有效的统一标准;另一方面还可以为以后一些疾病的自动诊断和分类系统、人体健康自动分析系统打下基础,提供必要的技术支持。
附图说明
图1方法流程图
具体实施方式
本实施例中输入的图像是用佳能数码相机在固定的治疗室拍摄得到的数字化人体背部图像,并将图像传输至计算机,在计算机中通过肤色分割、边缘提取、寻找脊柱线并旋转图像,并与背部模板图像进行匹配,最终实现人体背部主要穴位的自动定位。主要穴位包括大椎穴、肺俞、心俞、膈俞、肝俞和肾俞。由于主要穴位都是以脊柱线也就是督脉为标准,并且背部的位置要求水平,所以要先得到脊柱线的位置。人体背部是对称的,可以通过人体背部边线来确定脊柱线。当脊柱线位置确定后,旋转图像,使背部水平,最后通过模板匹配最终得到每个穴位的具体位置。
具体实施中将图象传输至计算机后,在计算机中完成以下程序:
1.输入图像,得到输入图像各像素点的RGB值,通过YCbCr颜色空间和RGB颜色空间之间的转换公式:
2.设椭圆中心为ecx=1.6,ecy=2.41,长轴和短轴为:a=25.39,b=14.03,
像素Cb、Cr值平移的距离cx=109.38、cy=152.02,Cb、Cr值要旋转的角度θ=2.53,通过肤色椭圆模型计算YCbCr值与椭圆中心的距离dis,若dis<1,
则是肤色点,否则是非肤色点,并把其RGB值都设定为0。此时得到彩色图像SI图
3.利用加权平均公式将SI图灰度化为GSI图,公式如下:Gray=0.299R+O.587G+0.114B,其中,R表示每个像素点的红色分量值,G表示每个像素点的绿色分量值,B表示每个像素点的蓝色分量值,Gray表示每个像素点的灰度值;
4.根据Canny边缘检测算法对GSI图进行计算得到EBL图,EBL图由人体背部边缘曲线、干扰边缘曲线和背景组成,人体背部边缘曲线和干扰边缘曲线灰度值为A,背景灰度值为B;此处设A=255,B=0;
从EBL图提取人体背部边缘曲线,新矩形2上边缘所有像素点向上搜索直到搜索到灰度为A的像素点,得到人体背部上边缘曲线,新矩形2下边缘所有像素点向下搜索直到搜索到灰度为A的像素点,得到人体背部下边缘曲线;
具体为初始化背部内部矩形框,矩形框初始化位于EBL图的中心,且矩形框竖向长为20个像素,横向长在EBL图横向长度的三分之一到二分之一之间。其中设矩形框左边缘maskleft=imagec/3;矩形框右边缘maskright=imagec*3/4;矩形框上边缘maskup=imager/2+5;矩形框下边缘maskdown=imager/2-5;其中imager、imagec分别是图像的行数和列数。
在矩形框左、右边缘组成的范围内,由矩形框上边缘向上逐行检测,并将第一次出现灰度值为255的行数赋值给maskup;然后由矩形框下边缘向下逐行检测,并将第一次出现灰度值为255的行数赋值给maskdown;接下来在maskup、maskdown组成的范围内,由矩形框左边缘向左逐列检测,并将第一次出现灰度值为255的列数赋值给maskleft;最后在maskup、maskdown组成的范围内,由矩形框右边缘向右逐列检测,并将第一次出现灰度值为255的列数赋值给maskright;由此得到新矩形2。
由maskup行开始,向上检测从maskleft列到maskright列中每一列i第一次出现灰度值为255的点的行数,并记录到mupline[i]中;由maskdown行开始,向下检测从maskleft列到maskright列中每一列i第一次出现灰度值为255的点的行数,并记录到mdownline[i]中;
5、通过midline[i]=(mupline[i]+mupline[i])/2计算从maskleft列到maskright列中每列的中点坐标。对这些中点坐标进行最小二乘拟合,求取直线拟合方程,通过直线的斜率b得到脊柱线的偏移角θ,对输入图像进行θ°的旋转,使脊柱线水平,最后得到目标图像TAR图;
6、选取40幅去除手臂人体背部水平的背部样本图像,灰度化后,设定μ0=130,σ0=550,计算样本图像的标准分布R'[i,j];40幅灰度分布标准化图叠加求平均,得到人体背部模板图像TMP图。
7、对TAR图和TMP图进行模板匹配。
(1)、将TMP图进行1:1、0.9:1、0.8:1、0.7:1、0.6:1的宽长比变形,得到五种匹配模板图;
(2)选取与第1张缩放图一样大小的窗口在TAR图逐像素点移动,每移一步计算一次TAR图中窗口图像和第1张缩放图之间的度量函数值,目标图像TAR图大小为C×D,并将得到的度量函数值存放在大小为(C-M1)×(D-N1)的第1个度量值矩阵MEX1中,M1×N1为第1张缩放图的大小,每一个度量函数值在MEX1中的位置与第1张模板缩放图对应的的TAR图中的窗口图像的左顶点像素的位置相同,度量值矩阵MEX1中最大值对应的位置即为第1张缩放图在目标图像TAR图中最佳匹配位置的左上角,度量函数计算公式详见权利要求书。
依次寻找5张缩放图与目标图像TAR图的5个最佳匹配位置,在5个最佳匹配位置所对应的度量函数值中选取最大值,该最大值对应的缩放图即为最优缩放图,最大值对应的最佳匹配位置即为最优缩放图与目标图像TAR图的最佳匹配位置,至此完成最佳匹配。
最后确定输入图像中人体背部穴位的具体位置:首先确定人体背部穴位在最优缩放图中的比例关系,然后在目标图像TAR图中建立一个矩形框,该矩形框的大小与最优缩放图一样,左顶点位置与最优缩放图对应的最佳匹配位置相同,最后按照相同的比例关系在矩形框中确定人体背部穴位。
Claims (4)
1.人体背部穴位自动定位方法,其特征在于包括下述步骤:
1)根据输入的人体背部横向图像中各像素点的RGB值,通过RGB颜色空间与YCbCr颜色空间的转换矩阵公式,计算各像素点的YCbCr值;
2)通过YCbCr椭圆计算公式对步骤1预处理后图像中的每个像素点进行判定,其中(ecx、ecy)是椭圆中心点的坐标,a、b分别为椭圆的长轴和短轴,x、y分别是步骤1预处理后图像中各像素点的Cb、Cr值即蓝色色度分量和红色色度分量经过平移旋转之后得到的数值,平移旋转公式为 其中cx、cy分别是步骤1预处理后图像中的每个像素点的蓝色色度分量和红色色度分量平移的距离,θ是蓝色色度分量和红色色度分量值要旋转的角度,
当dis<1时,则判定该像素点为肤色像素,并保留输入图像中该像素点的RGB值,否则为非肤色像素,并将输入图像中该像素点的RGB值都置为0;此时得到彩色图像SI图;
3)利用加权平均公式将SI图灰度化为GSI图,公式如下:Gray=0.299R+0.587G+0.114B,其中,R表示每个像素点的红色分量值,G表示每个像素点的绿色分量值,B表示每个像素点的蓝色分量值,Gray表示每个像素点的灰度值;
4)根据Canny边缘检测算法对GSI图进行计算得到EBL图,EBL图由人体背部边缘曲线、干扰边缘曲线和背景组成,人体背部边缘曲线和干扰边缘曲线灰度值为A,背景灰度值为B;
从EBL图提取人体背部边缘曲线,具体为首先在EBL图中初始化一个矩形框,然后将矩形框上边缘向上移动直到与人体背部边缘曲线相交,下边缘向下移动直到与人体背部边缘曲线相交,形成新矩形框1,记录此时上边缘的行数、下边缘的行数,接下来将新矩形框1的左边缘向左移动直到与人体背部边缘曲线或干扰边缘曲线相交,将新矩形框1的右边缘向右移动直到与人体背部边缘曲线或干扰边缘曲线相交,形成新矩形框2,记录此时左边缘的列数、右边缘的列数;新矩形2上边缘所有像素点向上搜索直到搜索到灰度为A的像素点,得到人体背部上边缘曲线,新矩形2下边缘所有像素点向下搜索直到搜索到灰度为A的像素点,得到人体背部下边缘曲线;
5)拟合脊柱线,首先计算人体背部上、下边缘曲线中同列两像素点的中间像素点,即为上下边线的中点,然后利用二乘法对所有中点进行直线拟合,直线方程的表达式为:y=a+bx,其中 xi、yi分别代表中点的行数和列数,通过直线的斜率b得到脊柱线的偏移角θ,对输入图像进行θ°的旋转,使脊柱线水平,最后得到目标图像TAR图;
6)利用灰度分布标准化原理得到人体背部模板图像,
获取n幅大小相同的样本图像,并对每张样本图像进行灰度化处理得到n幅灰度样本图像,灰度化处理公式为
Gray=0.299R+0.587G+0.114B,
其中R表示每个像素点的红色分量值,G表示每个像素点的绿色分量值,B表示每个像素点的蓝色分量值,Gray表示每个像素点的灰度值,接下来对n幅灰度样本图像进行灰度分布标准化得到n幅标准化图像,灰度分布标准化公式为:
其中Rk[i][j]是第k幅灰度样本图像中位置为(i,j)的像素点的灰度值,μkR、σkR分别是第k幅灰度样本图像的所有像素点灰度值的均值和均方差,μ0、σ0分别是标准化设定的灰度均值和均方差的标准值,之后将n幅标准化图像中相同位置像素点的灰度值求平均,得到人体背部模板图像TMP图;
7)目标图像TAR图和人体背部模板图像TMP图进行匹配,目标图像TAR图大小为C×D,首先对人体背部模板图像TMP图进行m次不同程度的缩放,得到m张模板缩放图,然后确定第K张大小为MK×NK的缩放图与目标图像TAR图的最佳匹配位置,具体为选取与第K张缩放图一样大小的窗口在TAR图逐像素点移动,每移一步计算一次TAR图中窗口图像和第K张缩放图之间的度量函数值,并将得到的度量函数值存放在大小为(C-MK)×(D-NK)的第k个度量值矩阵MEXK中,每一个度量函数值在MEXK中的位置与第k张模板缩放图对应的TAR图中的窗口图像的左顶点像素的位置相同,度量值矩阵MEXK中最大值对应的位置即为第K张缩放图在目标图像TAR图中最佳匹配位置的左上角,度量函数计算公式如下,
其中,
TMPk[i][j]表示为第k张缩放图中位置为(i,j)的像素点的灰度值,TARk[i][j]表示为TAR图中的第k张缩放图对应的窗口图像中的位置为(i,j)的像素点的灰度值,μTMPk表示第k张缩放图中所有像素点的灰度均值,μTAR表示目标图像中窗口图像所有像素的灰度均值,σTMPk表示为第k张缩放图中所有像素点的灰度均方差,σTAR表示为目标图像中窗口图像所有像素的灰度均方差,α表示为比例系数;
依次寻找m张缩放图与目标图像TAR图的m个最佳匹配位置,在m个最佳匹配位置所对应的度量函数值中选取最大值,该最大值对应的缩放图即为最优缩放图,最大值对应的最佳匹配位置即为最优缩放图与目标图像TAR图的最佳匹配位置,至此完成最佳匹配;
8)通过人体背部穴位在最优缩放图中的比例关系,确定目标图像TAR图中人体背部穴位的具体位置,所述的确定目标图像TAR图中人体背部穴位的具体位置的方法为:首先确定人体背部穴位在最优缩放图中的比例关系,然后在目标图像TAR图中建立一个矩形框,该矩形框的大小与最优缩放图一样,左顶点位置与最优缩放图对应的最佳匹配位置相同,最后按照相同的比例关系在矩形框中确定人体背部穴位。
2.根据权利要求1所述的人体背部穴位自动定位方法,其特征在于:所述的人体背部横向图像为包括大椎穴到长强穴的裸露背部图像,裸露背部所占像素占输入图像像素的80%以上,手平放于身体两侧,裸露背部居中、横向。
3.根据权利要求1所述的人体背部穴位自动定位方法,其特征在于:矩形框初始化位于EBL图的中心,且矩形框竖向长为20个像素,横向长为在EBL图横向长度的三分之一到二分之一之间。
4.根据权利要求1所述的人体背部穴位自动定位方法,其特征在于:样本图像为背景为黑色的包括大椎穴到长强穴的裸露背部图像,裸露背部居中、横向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210388022.0A CN102930534B (zh) | 2012-10-15 | 2012-10-15 | 人体背部穴位自动定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210388022.0A CN102930534B (zh) | 2012-10-15 | 2012-10-15 | 人体背部穴位自动定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102930534A CN102930534A (zh) | 2013-02-13 |
CN102930534B true CN102930534B (zh) | 2015-05-13 |
Family
ID=47645324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210388022.0A Expired - Fee Related CN102930534B (zh) | 2012-10-15 | 2012-10-15 | 人体背部穴位自动定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102930534B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103479510B (zh) * | 2013-09-26 | 2015-10-21 | 深圳先进技术研究院 | 一种穴位定位方法和系统 |
CN103735407B (zh) * | 2014-02-13 | 2015-11-11 | 黑龙江中医药大学 | 人体耳部穴位定位装置 |
CN105096291A (zh) * | 2014-04-25 | 2015-11-25 | 上海联影医疗科技有限公司 | 一种中心线的提取方法 |
CN105989371B (zh) * | 2015-03-03 | 2019-08-23 | 香港中文大学深圳研究院 | 一种核磁共振影像的灰度标准化方法和装置 |
CN105653875A (zh) * | 2016-01-19 | 2016-06-08 | 中国科学院微电子研究所 | 一种人体经络穴位模型的制造方法及装置 |
CN105832528A (zh) * | 2016-03-17 | 2016-08-10 | 中国科学院微电子研究所 | 一种数字人体经络穴位模型的显示方法及装置 |
CN106874850A (zh) * | 2017-01-10 | 2017-06-20 | 广东工业大学 | 一种基于三维人脸点云特征点定位方法 |
CN108648229B (zh) * | 2018-05-18 | 2020-07-28 | 四川效率未来科技有限公司 | 基于Kinect相机的人体背部特征点提取方法 |
CN109568123B (zh) * | 2018-11-02 | 2021-02-02 | 广东数相智能科技有限公司 | 一种基于yolo目标检测的穴位定位方法 |
CN109431511B (zh) * | 2018-11-14 | 2021-09-24 | 南京航空航天大学 | 一种基于数字图像处理的人体背部脊柱侧弯脊柱轮廓特征曲线拟合方法 |
CN109758355B (zh) * | 2019-03-07 | 2021-11-19 | 西安伊蔓蒂电子科技有限公司 | 一种基于人体穴位二维图像处理和三维立体定位方法 |
CN109948590B (zh) * | 2019-04-01 | 2020-11-06 | 启霖世纪(北京)教育科技有限公司 | 姿态问题检测方法及装置 |
CN110327202A (zh) * | 2019-05-05 | 2019-10-15 | 王立群 | 一种中医按摩机器人热成像寻找穴位的方法和系统 |
CN111419685A (zh) * | 2020-04-26 | 2020-07-17 | 北华大学 | 一种妇产科产后药熏治疗护理系统及护理方法 |
CN111437185B (zh) * | 2020-05-21 | 2022-04-08 | 南京艾益智能科技有限公司 | 机器人自动定位经脉方法及应用 |
CN111494191B (zh) * | 2020-05-23 | 2023-11-24 | 南京艾益智能科技有限公司 | 中医按摩机器人及全自动按摩方法 |
CN116309058B (zh) * | 2023-03-15 | 2024-04-19 | 长沙观谱红外科技有限公司 | 一种人体红外图像的放大处理方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101617938A (zh) * | 2008-07-02 | 2010-01-06 | 西门子公司 | 一种穴位温度检测装置和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090326381A1 (en) * | 2008-06-27 | 2009-12-31 | Yuan yun-e | System and method to facilitate health evaluation and medical diagnosis of a human subject |
-
2012
- 2012-10-15 CN CN201210388022.0A patent/CN102930534B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101617938A (zh) * | 2008-07-02 | 2010-01-06 | 西门子公司 | 一种穴位温度检测装置和方法 |
Non-Patent Citations (2)
Title |
---|
Towards the Objectification of Tongue Diagnosis: the Degree of Tooth-marked;Wenshu Li et al.;《IEEE International Symposium on IT in Medicine and Education》;20081212;第592-595页 * |
利用光流-Snakes算法对动态舌体跟踪的初步研究;宋恺等;《计算机工程与应用》;20070510;第43卷(第13期);第64-66页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102930534A (zh) | 2013-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102930534B (zh) | 人体背部穴位自动定位方法 | |
CN106204779B (zh) | 基于多人脸数据采集策略和深度学习的课堂考勤方法 | |
KR101390756B1 (ko) | 안면 특징 검출 방법 및 장치 | |
CN113592861B (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
CN104835164B (zh) | 一种双目摄像头深度图像的处理方法及装置 | |
CN105147311B (zh) | 用于ct系统中的可视化设备辅助扫描定位方法和系统 | |
CN111220235B (zh) | 水位监测方法及装置 | |
CN107730446A (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN106407875A (zh) | 目标特征提取方法及装置 | |
CN102222229A (zh) | 手指静脉图像预处理方法 | |
CN104021523B (zh) | 一种基于边缘分类的图像超分辨率放大的方法 | |
CN108615239A (zh) | 基于阈值技术和灰度投影的舌图像分割方法 | |
CN103295209A (zh) | Dr图像的拼接方法及系统 | |
CN108601509A (zh) | 图像处理装置、图像处理方法以及程序 | |
TWI628601B (zh) | 人臉影像處理方法及其系統 | |
CN111784658B (zh) | 一种用于人脸图像的质量分析方法和系统 | |
WO2020108437A1 (zh) | 舌下静脉特征提取装置及方法 | |
CN112669959A (zh) | 一种基于图像的白癜风病情自动评估方法 | |
CN111652844B (zh) | 一种基于数字图像区域增长的x射线缺陷检测方法及系统 | |
CN114511567B (zh) | 舌体与舌苔图像识别分离方法 | |
CN109325472A (zh) | 一种基于深度信息的人脸活体检测方法 | |
CN111986157A (zh) | 一种数字病理图像质量评价系统 | |
CN113610746A (zh) | 一种图像处理方法、装置、计算机设备及存储介质 | |
CN107832695A (zh) | 在视网膜图像中基于纹理特征的视盘识别方法及装置 | |
CN113554672B (zh) | 一种基于机器视觉的气密性检测中相机位姿检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150513 Termination date: 20191015 |