CN106340014A - 二值化曲线处理方法 - Google Patents

二值化曲线处理方法 Download PDF

Info

Publication number
CN106340014A
CN106340014A CN201610753954.9A CN201610753954A CN106340014A CN 106340014 A CN106340014 A CN 106340014A CN 201610753954 A CN201610753954 A CN 201610753954A CN 106340014 A CN106340014 A CN 106340014A
Authority
CN
China
Prior art keywords
value
curve
ordinate value
pixel
pulse
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.)
Granted
Application number
CN201610753954.9A
Other languages
English (en)
Other versions
CN106340014B (zh
Inventor
陈兆学
王思妍
姚小芬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201610753954.9A priority Critical patent/CN106340014B/zh
Publication of CN106340014A publication Critical patent/CN106340014A/zh
Application granted granted Critical
Publication of CN106340014B publication Critical patent/CN106340014B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • G06T2207/10008Still image; Photographic image from scanner, fax or copier
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明提供了一种二值化曲线处理方法,具有这样的特征,包括:曲线扫描读取步骤,基于横坐标方向以及纵坐标方向对二值化脉诊曲线进行扫描处理,使得二值化脉诊曲线的每个像素点都具有横坐标值和纵坐标值;像素点纵坐标值统计步骤,基于预定的一维数组,对所有的像素点的纵坐标值进行统计,从而得到初始纵坐标值数组;异常像素点判断步骤,基于初始纵坐标值数组对所有的像素点中的异常像素点进行判断;异常像素点处理步骤,基于预定处理规则对异常像素点进行坐标值处理,使得每个横坐标值唯一对应一个纵坐标值,从而得到修订纵坐标值数组;以及脉诊曲线重绘步骤,基于修订纵坐标值数组重新绘制脉诊曲线,从而得到重绘脉诊曲线。

Description

二值化曲线处理方法
技术领域
本发明涉及一种处理操作简单、准确性高的二值化曲线处理方法。
背景技术
在医学中,有效的分析心电图、脑电图、脉诊曲线等医学曲线可以大大提高诊断的准确率和医务工作者的工作效率。脉诊图是脉诊图仪记录病人脉象的描计图像。随着脉诊图仪在临床上的推广应用及中医脉诊客观化的深入研究,人们积累了大量的原始数据,而伴随着数据的不断增加,纸质化脉诊图暴露出管理复杂,易被污染,储存不便,不易进行分析等诸多缺点。为提高医院效率及脉诊信息交流的便利性,有必要进行纸质脉诊曲线数字化提取技术的研究。
数字化储存脉诊曲线的过程中,需要先将纸质脉诊图扫描并储存在数字化设备中,再对其进行预处理,经过校正、二值化、分割等预处理后的曲线进一步被提取为单根二值化曲线。经过预处理的二值化曲线粗细不均,有噪声和断点,此时的曲线需要进行提取处理以保证准确性和可读性。
传统的二值曲线采用基于平滑和细化技术的读取方法,先通过平滑细化有效地抑制噪声并平滑边缘,得到与原来曲线相似的由单像素曲线组成的图形,且常常需要对细化后的断点进行连接处理。其中,平滑和细化为形态学处理方法,它在对毛刺进行去除,断点进行拟合的过程中,需要对感兴趣区域中每一个点都进行多次跟踪,相对耗时较多,且容易具有多值点残留,同时,该方法容易导致人为的曲线断裂,用于细化的结构元的选取也会影响断点连接后曲线形态,使得算法的稳定性和读数的准确性难以得到有效保证。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供一种处理操作简单、准确性高的二值化曲线处理方法。
本发明提供了一种二值化曲线处理方法,用于对由纸质脉诊图扫描得到的扫描图像进行至少包含校正、二值化、分割以及提取的预处理后得到的二值化脉诊曲线进行处理,从而得到重绘脉诊曲线,具有这样的特征,包括:曲线扫描读取步骤,基于与二值化脉诊曲线的延伸方向相平行的横坐标方向以及与该横坐标方向相垂直的纵坐标方向对二值化脉诊曲线进行扫描处理,使得扫描得到的二值化脉诊曲线上的每个像素点都具有对应的横坐标值和纵坐标值;像素点纵坐标值统计步骤,基于预定的一维数组,以像素点的横坐标值为索引对所有的像素点的纵坐标值进行统计,从而得到初始纵坐标值数组;异常像素点判断步骤,基于初始纵坐标值数组对所有的像素点中横坐标值未唯一对应一个确定的纵坐标值的异常像素点进行判断;异常像素点处理步骤,基于预定处理规则对异常像素点进行坐标值处理,使得每个横坐标值唯一对应一个确定的纵坐标值,从而得到修订纵坐标值数组;以及脉诊曲线重绘步骤,基于处理后得到的修订纵坐标值数组重新绘制脉诊曲线,从而得到重绘脉诊曲线。
在本发明提供的二值化曲线处理方法中,还可以具有这样的特征:其中,异常像素点为具有相同的横坐标值的多个像素点,预定处理规则为:首先,分别计算每个异常像素点的纵坐标值与前一个像素点的纵坐标值之间的差值,其次,基于预定阈值判断出差值小于该预定阈值的异常像素点,最后,将判断出的所有的异常像素点的纵坐标值的平均值作为与当前的横坐标值相对应的纵坐标值。
在本发明提供的二值化曲线处理方法中,还可以具有这样的特征:其中,预定阈值的范围为3至8。
在本发明提供的二值化曲线处理方法中,还可以具有这样的特征:其中,异常像素点为不存在与横坐标值相对应的纵坐标值的像素点,预定处理规则为:基于预定计算公式计算出每个一场像素点的横坐标值对应的纵坐标值,预定计算公式为:这里,i、j、k为初始纵坐标值数组的元素下标值,bk为异常像素点的纵坐标值,ai为异常像素点的前一个像素点的纵坐标值,aj为异常像素点的后一个像素点的纵坐标值。
发明的作用与效果
根据本发明所涉及的二值化曲线处理方法,因为通过曲线扫描读取步骤对二值化脉诊曲线进行扫描处理,使得扫描得到的二值化脉诊曲线上的每个像素点都具有对应的横坐标值和纵坐标值,其次,通过像素点纵坐标值统计步骤基于预定的一维数组对所有的像素点的纵坐标值进行统计,从而能够得到初始纵坐标值数组,进一步,通过异常像素点判断处理步骤对所有的像素点中的异常像素点进行判断并进行坐标值处理,使得每个横坐标值唯一对应一个确定的纵坐标值,从而能够得到修订纵坐标值数组,最后,基于处理后得到的修订纵坐标值数组重新绘制脉诊曲线,从而能够得到重绘脉诊曲线,所以,本发明的二值化曲线处理方法的处理操作简单,耗时短,稳定性强,准确性高。
附图说明
图1是本发明的实施例中二值化曲线处理方法的流程图;
图2是原始的二值化脉诊曲线图;以及
图3是采用本实施例的处理方法得到的二值化脉诊曲线图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下实施例结合附图对本发明的二值化曲线处理方法作具体阐述。
图1是本发明的实施例中二值化曲线处理方法的流程图。
在本实施例中,二值化曲线处理方法用于对二值化脉诊曲线进行处理,从而得到重绘脉诊曲线。这里,二值化脉诊曲线是对由纸质脉诊图扫描得到的扫描图像进行预处理后得到的,该预处理包含校正、二值化、分割以及提取等步骤。
如图1所示,本实施例的二值化曲线处理方法具体包含以下步骤:
步骤S1(曲线扫描读取步骤),基于相垂直的横坐标和纵坐标对二值化脉诊曲线进行扫描处理,使扫描得到的二值化脉诊曲线上的每个像素点都具有对应的横坐标值和纵坐标值。这里,横坐标的方向与二值化脉诊曲线的延伸方向相平行,纵坐标的方向与的横坐标的方向相垂直。
然后进入步骤S2。
步骤S2(像素点纵坐标值统计步骤),预先设定一个一维数组,对将该一维数组的所有元素数值初始化为0。进一步,基于该一维数组对扫描得到的二值化脉诊曲线的所有像素点的纵坐标值进行统计,并对应存储至该一维数组的各元素中,从而得到一维的初始纵坐标值数组,便于数值提取。在进行纵坐标值统计时,以每个像素点的横坐标值为索引(即、一维数组各元素的下标值)。
然后进入步骤S3。
步骤S3(异常像素点判断步骤),基于初始纵坐标值数组对所有的像素点中横坐标值未唯一对应一个确定的纵坐标值的异常像素点进行判断。
在本实施例中,异常像素点包含两种情况:第一种是具有相同的横坐标值的多个像素点,此时需要进行单值化处理。第二种是不存在与横坐标值相对应的纵坐标值的像素点(即、二值化脉诊曲线中存在断点),需要通过插入像素点来补足断点。
在该步骤中,需要通过初始纵坐标值将二值化脉诊曲线中的所有异常像素点都判断出来。
然后进入步骤S4。
步骤S4(异常像素点处理步骤),基于预定处理规则对所有的异常像素点进行坐标值处理,使得每个横坐标值唯一对应一个确定的纵坐标值(即、保证二值化脉诊曲线出现异常像素点的位置确定为一个唯一的准确的像素点),将处理后得到的纵坐标值存入初始纵坐标值数组的出现异常像素点的位置处,从而能够得到修订纵坐标值数组。
针对步骤S3中的第一种异常像素点,影响较大的因素是二值化脉诊曲线离群噪声点的干扰,以及二值化脉诊曲线存在的同一横坐标上同时对应有多个坐标值的干扰。即、一种为孤立噪声点,一种为邻近噪声点。孤立噪声点指其周围邻域没有任何曲线点的单值点。邻近噪声点指其附近有单值或多值曲线点,但其本身并不属于脉诊曲线上的点。考虑到二值化脉诊曲线不存在突变,即使曲线较粗,在同一横坐标处对应多点的情况下,各像素点通常为位置相近的点,而孤立噪声点往往是位置较远的离群点,故以同一横坐标处点进行纵向连通线段搜索,计算各连通线段中各点与当前位置的前一个已确定为二值化脉诊曲线上的像素点的距离,若小于预定阈值,则取相应连通线段中各点平均值作为当前的横坐标值对应的纵坐标值,否则视为噪声点并予以滤除。进一步将得到的所有纵坐标值都储存在一维数组中。对于多值的情况,上述过程在滤除各种噪声点的同时可准确、稳定地实现二值脉诊曲线的单值读取。
具体地,此时,预定处理规则为:首先,分别计算每个异常像素点的纵坐标值与前一个像素点的纵坐标值之间的差值,其次,基于预定阈值判断出差值小于该预定阈值的异常像素点,最后,将判断出的所有的异常像素点的纵坐标值的平均值作为与当前的横坐标值相对应的纵坐标值。在本实施例中,预定阈值的范围为3至8,最优值为5。
针对步骤S3中的第二种异常像素点,对应的预定处理规则为:基于预定计算公式计算出每个一场像素点的横坐标值对应的纵坐标值。这里,预定计算公式为:
其中,i、j、k为初始纵坐标值数组的元素下标值,bk为异常像素点的纵坐标值,ai为异常像素点的前一个像素点的纵坐标值,aj为异常像素点的后一个像素点的纵坐标值。
然后进入步骤S5。
步骤S5(脉诊曲线重绘步骤),基于处理后得到的修订纵坐标值数组重新绘制脉诊曲线,从而得到重绘脉诊曲线。
然后进入结束状态。
基于以上各步骤,需要特别指出的是,在步骤S2中,首先将一维数组的所有元素初始化为零,则经过步骤S3之后,由于所有断点处的数组元素数值依然保持为零,可非常容易地把正常数值点和断点区分开来,方便后续步骤的处理。
图2是原始的二值化脉诊曲线图;图3是采用本实施例的处理方法得到的二值化脉诊曲线图。
如图2所示,原始的二值化脉诊曲线中存在大量孤立噪声、存在大量粗细不均匀情况以及存在大量间断点;而由图3可以看出,经由本实施例的二值化曲线处理方法得到的重绘脉诊曲线则更准确、稳定性得到保证,而且本实施例的处理方法操作简单,耗时短。
另外,经由试验证明,本实施例的二值化曲线处理方法的误差平均值和误差方差都很小,准确性得以保证。
实施例的作用与效果
根据本实施例所涉及的二值化曲线处理方法,因为通过曲线扫描读取步骤对二值化脉诊曲线进行扫描处理,使得扫描得到的二值化脉诊曲线上的每个像素点都具有对应的横坐标值和纵坐标值,其次,通过像素点纵坐标值统计步骤基于预定的一维数组对所有的像素点的纵坐标值进行统计,从而能够得到初始纵坐标值数组,进一步,通过异常像素点判断处理步骤对所有的像素点中的异常像素点进行判断并进行坐标值处理,使得每个横坐标值唯一对应一个确定的纵坐标值,从而能够得到修订纵坐标值数组,最后,基于处理后得到的修订纵坐标值数组重新绘制脉诊曲线,从而能够得到重绘脉诊曲线,所以,本实施例的二值化曲线处理方法的处理操作简单,耗时短,稳定性强,准确性高。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护范围。

Claims (4)

1.一种二值化曲线处理方法,用于对由纸质脉诊图扫描得到的扫描图像进行至少包含校正、二值化、分割以及提取的预处理后得到的二值化脉诊曲线进行处理,从而得到重绘脉诊曲线,其特征在于,包括以下步骤:
曲线扫描读取步骤,基于与所述二值化脉诊曲线的延伸方向相平行的横坐标方向以及与该横坐标方向相垂直的纵坐标方向对所述二值化脉诊曲线进行扫描处理,使得扫描得到的所述二值化脉诊曲线上的每个像素点都具有对应的横坐标值和纵坐标值;
像素点纵坐标值统计步骤,基于预定的一维数组,以所述像素点的所述横坐标值为索引对所有的所述像素点的所述纵坐标值进行统计,从而得到初始纵坐标值数组;
异常像素点判断步骤,基于所述初始纵坐标值数组对所有的所述像素点中所述横坐标值未唯一对应一个确定的所述纵坐标值的异常像素点进行判断;
异常像素点处理步骤,基于预定处理规则对所述异常像素点进行坐标值处理,使得每个所述横坐标值唯一对应一个确定的所述纵坐标值,从而得到修订纵坐标值数组;以及
脉诊曲线重绘步骤,基于处理后得到的所述修订纵坐标值数组重新绘制脉诊曲线,从而得到所述重绘脉诊曲线。
2.根据权利要求1所述的二值化曲线处理方法,其特征在于:
其中,所述异常像素点为具有相同的所述横坐标值的多个所述像素点,
所述预定处理规则为:首先,分别计算每个所述异常像素点的所述纵坐标值与前一个所述像素点的所述纵坐标值之间的差值,其次,基于预定阈值判断出所述差值小于该预定阈值的所述异常像素点,最后,将判断出的所有的所述异常像素点的所述纵坐标值的平均值作为与当前的所述横坐标值相对应的所述纵坐标值。
3.根据权利要求2所述的二值化曲线处理方法,其特征在于:
其中,所述预定阈值的范围为3至8。
4.根据权利要求1所述的二值化曲线处理方法,其特征在于:
其中,所述异常像素点为不存在与所述横坐标值相对应的所述纵坐标值的所述像素点,
所述预定处理规则为:基于预定计算公式计算出每个所述一场像素点的所述横坐标值对应的所述纵坐标值,
所述预定计算公式为:
这里,i、j、k为所述初始纵坐标值数组的元素下标值,bk为所述异常像素点的所述纵坐标值,ai为所述异常像素点的前一个所述像素点的所述纵坐标值,aj为所述异常像素点的后一个所述像素点的所述纵坐标值。
CN201610753954.9A 2016-08-29 2016-08-29 二值化曲线处理方法 Active CN106340014B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610753954.9A CN106340014B (zh) 2016-08-29 2016-08-29 二值化曲线处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610753954.9A CN106340014B (zh) 2016-08-29 2016-08-29 二值化曲线处理方法

Publications (2)

Publication Number Publication Date
CN106340014A true CN106340014A (zh) 2017-01-18
CN106340014B CN106340014B (zh) 2019-11-01

Family

ID=57823484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610753954.9A Active CN106340014B (zh) 2016-08-29 2016-08-29 二值化曲线处理方法

Country Status (1)

Country Link
CN (1) CN106340014B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229486A (zh) * 2017-12-27 2018-06-29 浙江工业大学 一种纤维识别分割方法
CN113359216A (zh) * 2021-06-03 2021-09-07 山东捷瑞数字科技股份有限公司 用于翻斗式雨量计记录数据识别的方法、系统和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120299951A1 (en) * 2011-05-27 2012-11-29 Marco Salvi Rendering Transparent Primitives
CN103679119A (zh) * 2012-09-10 2014-03-26 株式会社理光 自适应坡路检测方法和装置
CN104573687A (zh) * 2014-12-22 2015-04-29 飞天诚信科技股份有限公司 一种识别图像中的段码的方法和装置
CN105466927A (zh) * 2014-07-02 2016-04-06 深圳迈瑞生物医疗电子股份有限公司 一种比浊法异常反应曲线的识别、修正及报警方法
CN105741276A (zh) * 2016-01-27 2016-07-06 燕山大学 一种船舶水线提取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120299951A1 (en) * 2011-05-27 2012-11-29 Marco Salvi Rendering Transparent Primitives
CN103679119A (zh) * 2012-09-10 2014-03-26 株式会社理光 自适应坡路检测方法和装置
CN105466927A (zh) * 2014-07-02 2016-04-06 深圳迈瑞生物医疗电子股份有限公司 一种比浊法异常反应曲线的识别、修正及报警方法
CN104573687A (zh) * 2014-12-22 2015-04-29 飞天诚信科技股份有限公司 一种识别图像中的段码的方法和装置
CN105741276A (zh) * 2016-01-27 2016-07-06 燕山大学 一种船舶水线提取方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
WANG CHANGQING 等: "Rapid look‐up table method for noise‐corrected curve fitting in the r2* mapping of iron loaded liver", 《MAGNETIC RESONANCE IN MEDICINE》 *
吴效明 等: "医学曲线转换为数字记录的自动处理方法", 《暨南大学学报》 *
吴汉清 编著: "《玩转Arduino电子制作》", 30 July 2016 *
希尔 等: "《动态一般均衡建模 计算方法与应用 第2版》", 30 November 2015, 北京:中国金融出版社 *
章婷 等: "汉语情感语音的语料设计与韵律研究", 《南京师范大学文学院学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229486A (zh) * 2017-12-27 2018-06-29 浙江工业大学 一种纤维识别分割方法
CN108229486B (zh) * 2017-12-27 2021-07-06 浙江工业大学 一种纤维识别分割方法
CN113359216A (zh) * 2021-06-03 2021-09-07 山东捷瑞数字科技股份有限公司 用于翻斗式雨量计记录数据识别的方法、系统和存储介质

Also Published As

Publication number Publication date
CN106340014B (zh) 2019-11-01

Similar Documents

Publication Publication Date Title
CN109859203B (zh) 基于深度学习的缺陷牙齿图像识别方法
US20170178327A1 (en) Detecting tooth wear using intra-oral 3d scans
CN108186051B (zh) 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统
US20120177262A1 (en) Feature Detection And Measurement In Retinal Images
Keller et al. Methods for motion correction evaluation using 18F-FDG human brain scans on a high-resolution PET scanner
CN108378869B (zh) 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统
JPH11510419A (ja) 定量的の歯科カリエス検査システムおよびその方法
CN110766656B (zh) 筛查眼底黄斑区异常的方法、装置、设备和存储介质
CN110772286A (zh) 一种基于超声造影识别肝脏局灶性病变的系统
CN111583185A (zh) 基于病理免疫组织化学的Ki67细胞核计数方法及系统
US20200245969A1 (en) Ultrasound Needle Positioning System and Ultrasound Needle Positioning Method Utilizing Convolutional Neural Networks
CN110942447A (zh) Oct图像分割方法、装置、设备及存储介质
CN106340014A (zh) 二值化曲线处理方法
Tschirren et al. Automated analysis of Doppler ultrasound velocity flow diagrams
CN109919953B (zh) 颈动脉内中膜厚度测量的方法、系统和设备
JP2010075354A (ja) 毛細血管血流測定装置、毛細血管血流測定方法およびプログラム
CN111986157B (zh) 一种数字病理图像质量评价系统
Wilm et al. Multi-scanner canine cutaneous squamous cell carcinoma histopathology dataset
Zhou et al. Automatic fovea center localization in retinal images using saliency-guided object discovery and feature extraction
Kumar et al. Signal and image processing in medical applications
KR101334029B1 (ko) 두경부 근육 추출 방법 및 roi분석 방법
CN113011333A (zh) 基于近红外图像获取最佳静脉穿刺点和方向的系统及方法
CN112330629A (zh) 基于计算机视觉的面部神经疾病康复情况静态检测系统
EP3259736B1 (de) Vorrichtung und verfahren zum kamerabasierten berechnen eines längenverhältnisses von fingern einer hand
CN110675444A (zh) 头部ct扫描区域的确定方法、装置及图像处理设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant