CN109523568A - 一种基于Canny算法的大体标本摄像系统 - Google Patents

一种基于Canny算法的大体标本摄像系统 Download PDF

Info

Publication number
CN109523568A
CN109523568A CN201811191238.1A CN201811191238A CN109523568A CN 109523568 A CN109523568 A CN 109523568A CN 201811191238 A CN201811191238 A CN 201811191238A CN 109523568 A CN109523568 A CN 109523568A
Authority
CN
China
Prior art keywords
image
gross specimen
camera system
canny
clear zone
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.)
Pending
Application number
CN201811191238.1A
Other languages
English (en)
Inventor
郑敦衍
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.)
Guangdong Green Kang Yuen Mei Environmental Technology Co Ltd
Original Assignee
Guangdong Green Kang Yuen Mei Environmental Technology Co Ltd
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 Guangdong Green Kang Yuen Mei Environmental Technology Co Ltd filed Critical Guangdong Green Kang Yuen Mei Environmental Technology Co Ltd
Priority to CN201811191238.1A priority Critical patent/CN109523568A/zh
Publication of CN109523568A publication Critical patent/CN109523568A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种基于Canny算法的大体标本摄像系统，涉及大体标本摄像切割规范过程的识别的技术领域，其具体所述的方法包括通过Canny算子的增强、滤波、高斯模糊处理，得到一幅初步边缘提取的二值化图像；灰度图像膨胀处理，得到亮区扩展、杂小暗区去除的图像；灰度图像腐蚀处理；得到亮区变细、背景变大、杂小亮区去除的图像；以及再对大体标本摄像图像进行实时提取处理和缩放处理；该基于Canny算法的大体标本摄像系统在镜头下能够实时的进行放大或缩小，以至于能够清晰地铺满张屏幕易于接下来切割过程的规范操作。

Description

一种基于Canny算法的大体标本摄像系统
技术领域
本发明涉及大体标本摄像切割规范过程的识别的技术领域，尤其涉及基于Canny算法的大体标本摄像系统。
背景技术
伴随我国科技和医疗水平的极速发展，虽然攻克了不少从前难以解决的病症，但仍有许多需要潜心研究、等待解决的疑难杂症。然而科技的进步要跟上时代的发展，智能化已经深入各个领域，医疗领域也不例外，对于大体标本摄像的识别从两个方面助力着医疗事业的发展，想要完善一套对切割过程规范的系统，其中：一是在体外对病理标本的研究更为具体；二是在病理标本的切割过程中进行规范，提高手术的安全性和准确度。大体标本成像系统分为三步完成，第一步要识别图像，提取目标放大到规定尺寸；第二步要自动生成图像与所拍物体上的条形码对应的目录；第三步就要设计数据库进行监测和实现一些语音提示及对比等功能。本文重点研究第一步对于大体标本摄像图像的识别过程，在实时取景显示的过程中，识别拍摄目标大小与设定相片大小做比对，然后自动放大到设定尺寸成像。图像作为当代主要承载信息的媒介之一，信息量大且直观又清晰，所以对图像处理的研究也是很热门。对感兴趣对象的提取也是图像处理最基本和最关键的步骤。
发明内容
本发明所要解决的技术问题是提供了一种基于Canny算法的大体标本摄像系统，其在镜头下能够实时的进行放大或缩小，以至于能够清晰地铺满张屏幕易于接下来切割过程的规范操作。
为解决上述技术问题，本发明所采用的技术方案是：一种基于Canny算法的大体标本摄像系统，所述的方法包括
通过Canny算子的增强、滤波、高斯模糊处理，得到一幅初步边缘提取的二值化图像；
灰度图像膨胀处理，得到亮区扩展、杂小暗区去除的图像；
灰度图像腐蚀处理；得到亮区变细、背景变大、杂小亮区去除的图像；
以及再对大体标本摄像图像进行实时提取处理和缩放处理。
所述的Canny算子的增强、滤波、高斯模糊处理为通过图像增强、图像滤波、高斯模糊、滞后跟踪等原理调用opencv中的函数，调小Canny参数，去除不想要的成分。
所述的灰度图像膨胀处理为通过结构元素扫描的原理调用opencv中膨胀的函数，改变参数实现亮区扩大、杂小暗区去除的图像。
所述的腐蚀处理为通过结构元素扫描的原理调用opencv中腐蚀的函数，改变参数实现亮区扩细、杂小亮区去除的图像。膨胀与腐蚀是通过(1)消除噪声；(2)分割出独立的图像元素，在图像中连接相邻的元素；(3)寻找图像中的极大值区域和极小值区域；(4)求出图像梯度。
所述的实时提取处理为提取最外边缘，得到完成清晰的边缘轮廓图像；形成最小外接矩形，得到提取边缘后又还原了的大体标本摄像图像。
所述的提取最外边缘的方式为通过调用opencv中findcontours函数，实现最外边缘轮廓的提取图像。
所述的形成最小外接矩形的方式为通过调用opencv中boundRect函数，定义坐标的方式实现大体标本摄像的图像的最终还原提取。其算法为先找到四个端点，经过这四个端点做两组平行线，并计算所围成的矩形的面积进行比较，较小的保存下来，找到最小面积即为所要求得。
所述的通过缩放处理后得到的是最终想实现的尺寸效果图像。
所述的缩放处理的方式为的缩放处理通过调用opencv中的resize函数，改变参数大小，实现最终尺寸要求的图像。其实现方法为将其中x，y方向的缩放参数置为0，然后用dsize＝Size(round(fx*src.cols),round(fy*src.rows))进行参数的改变。
本发明提供了一种基于Canny算法的大体标本摄像系统，在镜头下能够实时的进行放大或缩小，以至于能够清晰地铺满张屏幕易于接下来切割过程的规范操作。
附图说明
图1为本发明基于Canny算法的大体标本摄像系统的源图像src的示意图；
图2为本发明基于Canny算法的大体标本摄像系统的进行Canny算子处理后的canny图像的示意图；
图3为本发明基于Canny算法的大体标本摄像系统的膨胀处理的dilate 图像的示意图；
图4为为本发明基于Canny算法的大体标本摄像系统的腐蚀处理的 erode图像的示意图；
图5为本发明基于Canny算法的大体标本摄像系统的流程图。
具体实施方式
本发明提供了一种基于Canny算法的大体标本摄像系统，所述的方法包括
通过Canny算子的增强、滤波、高斯模糊处理，得到一幅初步边缘提取的二值化图像；
灰度图像膨胀处理，得到亮区扩展、杂小暗区去除的图像；
灰度图像腐蚀处理；得到亮区变细、背景变大、杂小亮区去除的图像；
以及再对大体标本摄像图像进行实时提取处理和缩放处理。
所述的Canny算子的增强、滤波、高斯模糊处理为通过图像增强、图像滤波、高斯模糊、滞后跟踪等原理调用opencv中的函数，调小Canny参数，去除不想要的成分。
所述的灰度图像膨胀处理为通过结构元素扫描的原理调用opencv中膨胀的函数，改变参数实现亮区扩大、杂小暗区去除的图像。
所述的腐蚀处理为通过结构元素扫描的原理调用opencv中腐蚀的函数，改变参数实现亮区扩细、杂小亮区去除的图像。膨胀与腐蚀是通过(1)消除噪声；(2)分割出独立的图像元素，在图像中连接相邻的元素；(3)寻找图像中的极大值区域和极小值区域；(4)求出图像梯度。
所述的实时提取处理为提取最外边缘，得到完成清晰的边缘轮廓图像；形成最小外接矩形，得到提取边缘后又还原了的大体标本摄像图像。
所述的提取最外边缘的方式为通过调用opencv中findcontours函数，实现最外边缘轮廓的提取图像。
所述的形成最小外接矩形的方式为通过调用opencv中boundRect函数，定义坐标的方式实现大体标本摄像的图像的最终还原提取。其算法为先找到四个端点，经过这四个端点做两组平行线，并计算所围成的矩形的面积进行比较，较小的保存下来，找到最小面积即为所要求得。
所述的通过缩放处理后得到的是最终想实现的尺寸效果图像。
所述的缩放处理的方式为的缩放处理通过调用opencv中的resize函数，改变参数大小，实现最终尺寸要求的图像。其实现方法为将其中x，y方向的缩放参数置为0，然后用dsize＝Size(round(fx*src.cols),round(fy*src.rows))进行参数的改变。
参见图1、图2，展示了Canny算子处理的结果。所述的Canny算子处理的算法的规划步骤为：
⑴高斯模糊，主要去噪，噪声对边缘的影响很大；
⑵依照公式计算梯度幅值和方向；
⑶非最大值抑制，比较当前点在同方向梯度上强度是否为最大值；
⑷双阈值设定；
⑸滞后边界跟踪，检测强弱边缘点的真假。
参见图3、图4，是灰度图像膨胀处理以及灰度图像腐蚀处理的结果。所述的灰度图像膨胀处理以及所述的灰度图像腐蚀处理算法的规划步骤为：
⑴结构元素开始对原始图像进行膨胀或腐蚀；
⑵随后结构元素从原始图像右上方开始移动一周，根据设定的origin 点和膨胀或腐蚀的半径可达成想要的效果；
所述的最外轮廓提取的包括在opencv中调用findcontours函数。
所述的形成最小外接矩形的算法包括继续在opencv中调用boundRect 函数，其中利用了旋转卡壳的方法。
所述的形成最小外接矩形的算法的结果进行提取，采用boundRect坐标提取的方法。
所述对大体标本摄像识别缩放的算法包括以下步骤：
算法的规划步骤为：
⑴比较当前尺寸与设定尺寸的大小；
⑵调用resize函数；
其在镜头下能够实时的进行放大或缩小，以至于能够清晰地铺满张屏幕易于接下来切割过程的规范操作。
上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。

Claims (9)

1.一种基于Canny算法的大体标本摄像系统，其特征在于：所述方法包括
通过Canny算子的增强、滤波、高斯模糊处理，得到一幅初步边缘提取的二值化图像；
灰度图像膨胀处理，得到亮区扩展、杂小暗区去除的图像；
灰度图像腐蚀处理；得到亮区变细、背景变大、杂小亮区去除的图像；
以及再对大体标本摄像图像进行实时提取处理和缩放处理。
2.根据权利要求1所述的基于Canny算法的大体标本摄像系统，其特征在于：所述的Canny算子的增强、滤波、高斯模糊处理为通过图像增强、图像滤波、高斯模糊、滞后跟踪等原理调用opencv中的函数，调小Canny参数，去除不想要的成分。
3.根据权利要求1所述的基于Canny算法的大体标本摄像系统，其特征在于：所述的灰度图像膨胀处理为通过结构元素扫描的原理调用opencv中膨胀的函数，改变参数实现亮区扩大、杂小暗区去除的图像。
4.根据权利要求1所述的基于Canny算法的大体标本摄像系统，其特征在于：所述的腐蚀处理为通过结构元素扫描的原理调用opencv中腐蚀的函数，改变参数实现亮区扩细、杂小亮区去除的图像。膨胀与腐蚀是通过(1)消除噪声；(2)分割出独立的图像元素，在图像中连接相邻的元素；(3)寻找图像中的极大值区域和极小值区域；(4)求出图像梯度。
5.根据权利要求1所述的基于Canny算法的大体标本摄像系统，其特征在于：所述的实时提取处理为提取最外边缘，得到完成清晰的边缘轮廓图像；形成最小外接矩形，得到提取边缘后又还原了的大体标本摄像图像。
6.根据权利要求5所述的基于Canny算法的大体标本摄像系统，其特征在于：所述的提取最外边缘的方式为通过调用opencv中findcontours函数，实现最外边缘轮廓的提取图像。
7.根据权利要求5所述的基于Canny算法的大体标本摄像系统，其特征在于：所述的形成最小外接矩形的方式为通过调用opencv中boundRect函数，定义坐标的方式实现大体标本摄像的图像的最终还原提取。其算法为先找到四个端点，经过这四个端点做两组平行线，并计算所围成的矩形的面积进行比较，较小的保存下来，找到最小面积即为所要求得。
8.根据权利要求1所述的基于Canny算法的大体标本摄像系统，其特征在于：所述的通过缩放处理后得到的是最终想实现的尺寸效果图像。
9.根据权利要求1所述的基于Canny算法的大体标本摄像系统，其特征在于：所述的缩放处理的方式为的缩放处理通过调用opencv中的resize函数，改变参数大小，实现最终尺寸要求的图像。其实现方法为将其中x，y方向的缩放参数置为0，然后用dsize＝Size(round(fx*src.cols),round(fy*src.rows))进行参数的改变。
CN201811191238.1A 2018-10-12 2018-10-12 一种基于Canny算法的大体标本摄像系统 Pending CN109523568A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811191238.1A CN109523568A (zh) 2018-10-12 2018-10-12 一种基于Canny算法的大体标本摄像系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811191238.1A CN109523568A (zh) 2018-10-12 2018-10-12 一种基于Canny算法的大体标本摄像系统

Publications (1)

Publication Number Publication Date
CN109523568A true CN109523568A (zh) 2019-03-26

Family

ID=65771952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811191238.1A Pending CN109523568A (zh) 2018-10-12 2018-10-12 一种基于Canny算法的大体标本摄像系统

Country Status (1)

Country Link
CN (1) CN109523568A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533682A (zh) * 2019-08-30 2019-12-03 福建省德腾智能科技有限公司 一种基于曲率滤波的图像边缘实时提取方法
CN111583157A (zh) * 2020-05-13 2020-08-25 杭州睿琪软件有限公司 图像处理方法、系统及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473768A (zh) * 2013-09-05 2013-12-25 中国科学院深圳先进技术研究院 一种腹部软组织核磁图像分割的方法和装置
CN106327490A (zh) * 2016-08-22 2017-01-11 中国计量大学 一种基于白细胞检测的细胞核分割方法
CN107491730A (zh) * 2017-07-14 2017-12-19 浙江大学 一种基于图像处理的化验单识别方法
CN108416268A (zh) * 2018-02-02 2018-08-17 华侨大学 一种基于双机器人视觉沟通的动作识别方法
CN108471995A (zh) * 2015-09-30 2018-08-31 上海联影医疗科技有限公司 确定医学图像中乳房区域的系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473768A (zh) * 2013-09-05 2013-12-25 中国科学院深圳先进技术研究院 一种腹部软组织核磁图像分割的方法和装置
CN108471995A (zh) * 2015-09-30 2018-08-31 上海联影医疗科技有限公司 确定医学图像中乳房区域的系统和方法
CN106327490A (zh) * 2016-08-22 2017-01-11 中国计量大学 一种基于白细胞检测的细胞核分割方法
CN107491730A (zh) * 2017-07-14 2017-12-19 浙江大学 一种基于图像处理的化验单识别方法
CN108416268A (zh) * 2018-02-02 2018-08-17 华侨大学 一种基于双机器人视觉沟通的动作识别方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
FEIFANREN: "opencv学习笔记—图像缩放函数resize", 《博客园》 *
XIACHONG27: "膨胀、腐蚀、开、闭运算——数字图像处理中的形态学", 《CSDN》 *
宓超 等: "《装卸机器视觉及其应用》", 31 January 2016, 《上海科学技术出版社》 *
暖暖的粉红冻奶: "opencv(12)---图像几何变换", 《CSDN》 *
燕杨 等: "Canny边缘检测算子研究及其在医学图像中的应用", 《吉林工程技术师范学院学报》 *
行歌ER: "OpenCV学习笔记（五）——膨胀与腐蚀", 《CSDN》 *
进击的小猴子: "opencv学习支路(26)、轮廓查找与绘制(五)——最小外接矩形", 《博客园》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533682A (zh) * 2019-08-30 2019-12-03 福建省德腾智能科技有限公司 一种基于曲率滤波的图像边缘实时提取方法
CN110533682B (zh) * 2019-08-30 2023-02-14 福建省德腾智能科技有限公司 一种基于曲率滤波的图像边缘实时提取方法
CN111583157A (zh) * 2020-05-13 2020-08-25 杭州睿琪软件有限公司 图像处理方法、系统及计算机可读存储介质

Similar Documents

Publication Publication Date Title
US8073286B2 (en) Detection and correction of flash artifacts from airborne particulates
JP4755202B2 (ja) 顔特徴の検出方法
CN105869113B (zh) 全景图像的生成方法和装置
WO2003009579A3 (en) Computational methods for the segmentation of images of objects from background in a flow imaging instrument
Poon et al. Automated image detection and segmentation in blood smears
JP2002259994A (ja) 自動イメージパターン検出方法及びイメージ処理装置
JP4518139B2 (ja) 画像処理装置
Kortli et al. Efficient implementation of a real-time lane departure warning system
CN109523568A (zh) 一种基于Canny算法的大体标本摄像系统
CN111222432A (zh) 人脸活体检测方法、系统、设备及可读存储介质
KR20100121817A (ko) 눈의 영역을 추적하는 방법
US20040247183A1 (en) Method for image analysis
Raikar et al. Automatic building detection from satellite images using internal gray variance and digital surface model
Choukikar et al. Segmenting the optic disc in retinal images using thresholding
JP2016053763A (ja) 画像処理装置、画像処理方法及びプログラム
JP3860540B2 (ja) エントロピーフィルタ及び該フィルタを用いた領域抽出法
CN106339709A (zh) 一种图像实时提取方法
Szlávik et al. Face analysis using CNN-UM
JP2005165983A (ja) 人物顔のあご検出方法及びあご検出システム並びにあご検出プログラム
CN114022468A (zh) 一种安防监控中物品遗留丢失检测方法
JP2001258599A (ja) 細胞系譜抽出方法
KR102004724B1 (ko) 정자 검출 방법 및 이를 구현하기 위한 프로그램을 기록한 기록매체
JP2004310396A (ja) 画像処理装置
CN112329572B (zh) 一种基于边框和闪光点的快速静态活体检测方法及装置
Lin et al. The Study of Automate Locate Special Fiducial Marks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190326