CN104792499A - 一种基于人眼视觉的生物组织照明质量检测方法 - Google Patents

Abstract

本发明提供了一种基于人眼视觉的生物组织照明质量检测方法，对某种光源照明下的生物组织照明质量进行分析、评价；评价体系同时结合了图像熵函数以及组织光谱反射率，评价范围同时包含图片中的两个目标区域，且反射光谱选取时应结合两部分目标区域中的点进行评价。本发明的评价方法具有高的可执行性，同时，其结合了组织清晰度和对比度两个指标，使得评判标准多元化，稳定性和重复性好。

Description

一种基于人眼视觉的生物组织照明质量检测方法

技术领域

本发明涉及生物医学光子学领域，尤其涉及一种基于人眼视觉的生物组织照明效果的检测方法。

背景技术

近年，光学的发展给很多产业带来了革命性的变革。光子学及其技术也已广泛应用或渗透到生物科学和医学的诸多方面，由此形成了生物医学光子学这一新兴学科。生物医学光子学作为用光子来对生命进行研究的学科，它是光子学和生命科学相互交叉、互相渗透而产生的边缘学科。其研究对象主要包括生物学研究与医学研究，将服务于病人的诊断和治疗。生光技术发展迅速，俨然成为国际光学界和生物医学界备受关注的一个重要的研究领域。

应用于临床医疗中的光学特性服务于人体活体组织，因此，目前光学领域研究的重点是如何将现有的复杂的光学系统及理论的光学技术带到医疗站中。然而，医疗用灯很大程度上干扰着医生们的临床发挥，不同医疗环境中对灯的选取成为手术成功的关键因素。手术灯的主要功能是照明，但照明质量的好坏又取决于其照明条件下医生对组织的分辨能力。因此，一种能够基于人眼视觉的生物组织照明质量检测体系显得尤为重要。

目前，公开号为CN 103519787 A的专利文献公开了一种光照对生物组织照明效果的检测方法，对某种光源照明下的生物组织进行成像分析、评价，但是其主要评价对象为组织在显示设备中的成像效果，对传统的显示成像进行组织对比度增强优化。而在医疗手术过程中较多时候是医生直接进行病灶组织观察，操作手术过程中也需要医生实时对组织情况进行判断。此时，基于显示成像的优化光源就鞭长莫及，亟待一种基于人眼视觉优化的组织照明光源。

发明内容

本发明就是为了克服现有技术的不足，提供一种简便、高效的光照对生物组织照明效果的检测方法。

一种基于人眼视觉的生物组织照明质量检测方法，包括以下步骤：

1)选取包含多种生物组织的生物样品，用光谱分布已知的宽光谱光源P(λ)分别对生物样品的组织区域a和组织区域b进行照明；

2)测量组织区域a和组织区域b的反射光谱R_a(λ)和R_b(λ)，求取相应的光谱反射率S_a(λ)和S_b(λ)；

3)利用不同峰值波长λ_i的单色光对所述的组织区域a和组织区域b进行照明，获得对应光照下的生物样品图；

4)将所述的生物样品图转换为灰度图，并计算灰度图的图像熵评价值E_ai(λ)和E_bi(λ)，i为单色光编号，求取组织区域a和组织区域b的熵函数E_a(λ)和E_b(λ)；

5)针对不同入射光谱I_n(λ)的光源，n为光源编号，利用公式；

F＝∫V(λ)E_a(λ)E_b(λ)[S_a(λ)-S_b(λ)]I_n(λ)dλ/∫I_n(λ)dλ，V(λ)为人眼视见函数；

求取每种光源所对应的生物组织比度评价值F，根据F值的大小测试各光源对生物组织的照明效果；F值越高，照明效果越好。

在步骤1)中，宽光谱光源P(λ)中的λ取值范围为(λ_min，λ_max)，其中λ_min≤380nm，λ_max≥780nm，光谱覆盖人眼可见谱段。

所述步骤2)中的光谱反射率S_a(λ)、S_b(λ)为

S_a(λ)＝R_a(λ)/P(λ)；S_b(λ)＝R_b(λ)/P(λ)

在所述步骤3)中，入射光波长峰值λ_i应满足380nm≤λ_i≤780nm，同时利用CCD对组织区域a和组织区域b分别成像，得到所述生物样品图。。

所述步骤4)中的图像熵评价值E_ai(λ)、E_bi(λ)为

$E_{\mathrm{ai}}\left(\mathrm{\λ}\right)=\underset{m=0}{\overset{255}{\mathrm{\Σ}}}{p}_m{\log }_2{p}_m,E_{\mathrm{bi}}\left(\mathrm{\λ}\right)=\underset{m=0}{\overset{255}{\mathrm{\Σ}}}{p}_m{\log }_2{p}_m$

式中，p_m表示灰度图中灰度值为m的像素所占的比例。

图像熵是一幅图片中细节丰富程度的表征量，它是一种特征的统计形式，反映了图像中平均信息量的多少。图像的一维熵表示图像中灰度分布的聚集特征所包含的信息量，令p_i表示图像中灰度值为i的像素所占的比例，若i从0到255取值，那么R_a便可以表征图像灰度分布的聚集特征。若p_i＝1，则图片为纯色，没有任何细节可言。R_a值大小代表了图像信息的多少，值越大，说明细节信息越丰富。

在步骤4)，E_a(λ)，E_b(λ)为E_ai(λ)，E_bi(λ)对于λ_i的归一化拟合函数。

本发明与现有技术相比，加入人眼视觉优化，更加智能合理化，不只局限于传统的组织成像优化，具有更强的稳定性以及实用性。

附图说明

图1为照明光源质量评价流程图；

图2(a)为猪瘦肉组织光谱反射率曲线S_a(λ)；

图2(b)为猪肥肉组织光谱反射率曲线S_b(λ)；

图3(a)为猪瘦肉组织归一化熵函数曲线E_a(λ)；

图3(b)为猪肥肉组织归一化熵函数曲线E_b(λ)；

图4(a)3000K光源光谱分布I₁(λ)；

图4(b)4000K光源光谱分布I₂(λ)；

图4(c)5500K光源光谱分布I₃(λ)。

具体实施方式

本发明的基本思想是融合了图像熵与光谱反射率差异性从而实现了完善的组织照明质量评价体系。

本发明的主要目的是对不同光照下的生物组织照明质量做出合理评价，为此，首先求取不同组织光谱反射率差值，结合组织熵函数信息，利用评价公式对不同的入射光进行综合评价。

实验所用生物样品为成年猪的瘦肉和肥肉组织。

首先，将需要对比的两种生物组织作为目标组织进行样品制作，本实施例中选取成年猪的瘦肉和肥肉组织作为a、b样品。其次，测量二者的光谱反射率差值，利用多单色光照明并获取二者的熵函数信息。最后，择取两种目标光源I₁和I₂，选用归一化的人眼视觉函数作为调节函数，利用公式F评价二者的照明质量，F值越高，照明质量越好。具体步骤详见图1：

第一步：采用多光谱探测仪分别对猪瘦肉和肥肉组织成像分析进而探测二者的光谱反射率。附图2(a)和(b)分别显示了猪瘦肉和肥肉组织的光谱反射率曲线S_a(λ)、S_b(λ)；

第二步：利用波长峰值λ_i(i＝16)为400nm，420nm，440nm……700nm(400-700nm，间隔20nm)的十六种单色光分别照射a、b组织成像，将图片转化为灰度图，获得十六张单色光下的组织灰度图；

第三步：分析所述十六张单色光的组织灰度图，计算每幅灰度图的图像熵评价值E_ai(λ)、E_bi(λ)(i＝16)计算公式为：

$E_{\mathrm{ai}}\left(\mathrm{\λ}\right)=\underset{m=0}{\overset{255}{\mathrm{\Σ}}}{p}_m{\log }_2{p}_m,E_{\mathrm{bi}}\left(\mathrm{\λ}\right)=\underset{m=0}{\overset{255}{\mathrm{\Σ}}}{p}_m{\log }_2{p}_m$

式中，p_m表示灰度图中灰度值为m的像素所占的比例。

第四步：熵值E_ai(λ)、E_bi(λ)分别对λ_i进行归一化函数拟合，求取猪瘦肉，肥肉组织随波长变化的熵函数E_a(λ)、E_b(λ)，如附图3(a)、(b)。

第五步：本例选用某3000K，4000K和5500K三种入射光源，光谱分布为I₁(λ)，I₂(λ)和I₃(λ)，见附图4(a)、(b)和(c)，利用公式

F＝∫V(λ)E_a(λ)E_b(λ)[S_a(λ)-S_b(λ)]I_i(λ)dλ/∫I_i(λ)dλ，i＝1,2,3

求取三种光源所对应的照明质量评价值F₁，F₂以及F₃。计算结果显示F₁＝0.119685，F₂＝0.132469，F₃＝0.128479，可见该4000K光源照明最佳，组织分辨清晰并利于人眼观察；而该3000K色温光源照明质量最差，不利用组织照明。

以上所述仅为本发明的优选实施方式，但本发明保护范围并不局限于此。任何人在本发明公开的技术范围内，对其进行适当的改变或变化，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于人眼视觉的生物组织照明质量检测方法，其特征在于，包括以下步骤：

1)选取包含多种生物组织的生物样品，用光谱分布已知的宽光谱光源P(λ)分别对生物样品的组织区域a和组织区域b进行照明；

2)测量组织区域a和组织区域b的反射光谱R_a(λ)和R_b(λ)，求取相应的光谱反射率S_a(λ)和S_b(λ)；

3)利用不同峰值波长λ_i的单色光对所述的组织区域a和组织区域b进行照明，获得对应光照下的生物样品图；

4)将所述的生物样品图转换为灰度图，并计算灰度图的图像熵评价值E_ai(λ)和E_bi(λ)，i为单色光编号，求取组织区域a和组织区域b的熵函数E_a(λ)和E_b(λ)；

5)针对不同入射光谱I_n(λ)的光源，n为光源编号，利用公式；

F＝∫V(λ)E_a(λ)E_b(λ)[S_a(λ)-S_b(λ)]I_n(λ)dλ/∫I_n(λ)dλ，V(λ)为人眼视见函数；

求取每种光源所对应的生物组织比度评价值F，根据F值的大小测试各光源对生物组织的照明效果。

2.如权利要求1所述的基于人眼视觉的生物组织照明质量检测方法，其特征在于，在步骤1)中，宽光谱光源P(λ)中的λ取值范围为(λ_min，λ_max)，其中λ_min≤380nm，λ_max≥780nm。

3.如权利要求1所述的基于人眼视觉的生物组织照明质量检测方法，其特征在于，所述步骤2)中的光谱反射率S_a(λ)和S_b(λ)为

S_a(λ)＝R_a(λ)/P(λ)；S_b(λ)＝R_b(λ)/P(λ)

其中，P(λ)是宽光谱光源的光谱分布。

4.如权利要求1所述的基于人眼视觉的生物组织照明质量检测方法，其特征在于，在所述的步骤3)中，380nm≤λ_i≤780nm。

5.如权利要求1所述的基于人眼视觉的生物组织照明质量检测方法，其特征在于，在所述的步骤3)中，利用CCD对组织区域a和组织区域b分别成像，得到所述生物样品图。

6.如权利要求1所述的基于人眼视觉的生物组织照明质量检测方法，其特征在于，所述步骤4)中的图像熵评价值E_ai(λ)和E_bi(λ)为

$E_{\mathrm{ai}}\left(\mathrm{\λ}\right)=\underset{m=0}{\overset{255}{\mathrm{\Σ}}}{p}_m{\log }_2{p}_m;E_{\mathrm{bi}}\left(\mathrm{\λ}\right)=\underset{m=0}{\overset{255}{\mathrm{\Σ}}}{p}_m{\log }_2{p}_m$

式中，p_m表示灰度图中灰度值为m的像素所占的比例。

7.如权利要求1所述的基于人眼视觉的生物组织照明质量检测方法，其特征在于，在步骤4)，E_a(λ)和E_b(λ)为E_ai(λ)、E_bi(λ)对于λ_i的归一化拟合函数。