CN109859165A - 一种取脉点的定位方法及装置 - Google Patents

Abstract

本发明公开了一种取脉点的定位方法，包括：获取腕部的包括桡动脉血管的红外图像；将红外图像转化为灰度图像，使用高斯滤波去除灰度图像噪声，使用同态滤波和灰度直方图均衡化所述去除噪声，获取对比度增强的灰度图像；将手臂与大拇指同侧外边缘直线每列的像素值求和找出像素值之和最大的列，像素值之和最大的列的坐标X到灰度图像中心点的区域为有效区域；分别求每一列及每一行像素值之和，每一列像素值之和最小值的X坐标及每一行像素值之和最大值的Y坐标，X、Y坐标为最终定位到的取脉点，解决了取脉点的自动化定位的需求问题。

Description

一种取脉点的定位方法及装置

技术领域

本申请涉及数字化诊疗领域，具体涉及一种取脉点的定位方法，同时涉及一种取脉点的定位装置。

背景技术

数字化脉诊通过贴在桡动脉上的压力传感器采集得到脉波信号。这一技术使脉诊逐步走向定量化、标准化，为中医脉诊更加客观、准确地进行临床诊断、辅助诊断、疗效判定提供技术支持，进而推动中医现代化的进程。

由于每个人的手臂形态及桡动脉的位置、深浅、肤色不同，对于普通人群来说，识别准确的最佳取脉位置是有难度的。这需要比较强的人工经验。

如果佩戴不好，将无法采集到质量合格的脉波信号，而无法进行准确的数字化脉诊分析。多次佩戴不好，甚至会导致使用者的心情受到影响，从而影响脉波的跳动节律，导致脉诊误判。当前数字化脉诊仪在确定取脉位置时，都是人工佩戴的。因此，简化佩戴取脉过程并使之自动化，是数字化脉诊仪领域的技术关键。

发明内容

本申请提供一种取脉点的定位方法，用于解决当前数字化诊疗中取脉点的自动化定位的需求问题。

本申请提供的一种取脉点的定位方法，包括：

获取腕部的包括桡动脉血管的红外图像；

将所述红外图像转化为灰度图像，使用高斯滤波去除所述灰度图像噪声，使用同态滤波和灰度直方图均衡化所述去除噪声后的灰度图像，并通过局部差分算子卷积获取腕部血管的对比度增强的灰度图像；

通过所述对比度增强的灰度图像，获取手臂两侧的外边缘线，将手臂与大拇指同侧的外边缘直线每列的像素值求和并找出像素值之和最大的列，所述像素值之和最大的列的坐标X到所述灰度图像中心点的区域为有效区域；

在所述有效区域内，分别求每一列及每一行像素值之和，每一列像素值之和最小值所在的X坐标及每一行像素值之和最大值所在的Y坐标，X、Y坐标为最终定位到的取脉点。

优选的，所述腕部的包括桡动脉血管的红外图像中：手掌部分位于所述红外图像的上侧，手臂部分位于所述红外图像的下侧。

优选的于，所述将所述红外图像转化为灰度图像，包括：

使用血管显像仪器获取腕部包括桡动脉血管的红外图像；

读取所述红外图像的颜色值；

将所述红外图像转换为灰度图像，计算公式为：

Gray＝(r*0.299+g*0.587+b*0.114)/255，

Gray表示灰度值，r、g、b分别表示红、绿、蓝三种颜色的像素值。

优选的，所述使用高斯滤波去除所述灰度图像噪声，还包括：

高斯滤波的卷积窗口的取值范围为[3,3]～[3,5]。

优选的，所述有效区域为，正确放置手腕部分的矩形界面区域。

本申请同时提供一种取脉点的定位装置，其特征在于，包括：

图像获取单元，用于获取腕部的包括桡动脉血管的红外图像；

灰度图像增强单元，用于将所述红外图像转化为灰度图像，使用高斯滤波去除所述灰度图像噪声，使用同态滤波和灰度直方图均衡化所述去除噪声后的灰度图像，并通过局部差分算子卷积获取腕部血管的对比度增强的灰度图像；

有效区域获取单元，用于通过所述对比度增强的灰度图像，获取手臂两侧的外边缘线，将手臂与大拇指同侧的外边缘直线每列的像素值求和并找出像素值之和最大的列，所述像素值之和最大的列的坐标X到所述灰度图像中心点的区域为有效区域；

取脉点定位单元，用于在所述有效区域内，分别求每一列及每一行像素值之和，每一列像素值之和最小值所在的X坐标及每一行像素值之和最大值所在的Y坐标，X、Y坐标为最终定位到的取脉点。

优选的，所述图像获取单元，包括：

图像位置确定单元，用于将手掌部分位于所述红外图像的上侧，手臂部分位于所述红外图像的下侧。

优选的，所述灰度图像增强单元，还包括：

红外图像获取子单元，用于使用血管显像仪器获取腕部包括桡动脉血管的红外图像；

读取子单元，用于读取所述红外图像的颜色值；

计算子单元，用于将所述红外图像转换为灰度图像，计算公式为：

Gray＝(r*0.299+g*0.587+b*0.114)/255，

Grap表示灰度值，r、g、b分别表示红、绿、蓝三种颜色的像素值。

优选的，所述灰度图像增强单元，还包括：

取值范围确定子单元，用于确定高斯滤波的卷积窗口的取值范围为[3,3]～[3,5]。

优选的，所述有效区域获取单元，还包括：

矩形界面区域确定子单元，用于将正确放置手腕部分的矩形界面区域确定为矩形区域。

本申请提供的取脉点的定位方法，通过对腕部的包括桡动脉血管的红外图像进行灰度化，再将灰度化的图像通过高斯滤波去噪和使用同态滤波和灰度直方图均衡化，获得了对比度增强的灰度图像，然后灰度图像上寻找取脉点的有效区域，并获得取脉点的X，Y坐标，解决了取脉点的自动化定位的需求问题。

附图说明

图1是本申请实施例提供的一种取脉点的定位方法示意图；

图2是本申请实施例涉及的仪器腕部血管的成像原图；

图3是本申请实施例涉及的中医把脉及数字化脉诊仪的取脉位置示意图；

图4是本申请实施例涉及的高斯滤波去噪后的腕部血管图像；

图5是本申请实施例涉及的经过同态滤波及灰度直方图均衡化后再进行差分卷积后对比度增强后的图像效果图；

图6是本申请实施例涉及的X到图像中心点X坐标有效区域；

图7是本申请实施例涉及的灰度图像有效区域图；

图8是本申请实施例涉及的正确放置手腕部分的矩形界面区域；

图9是本申请实施例涉及的最终定位到的取脉点示意图；

图10是本申请实施例提供的一种取脉点的定位装置示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。

图1是本申请实施例提供的取脉点的定位方法示意图，下面结合图1对本申请实施例提供的方法进行详细说明。

步骤S101，获取腕部的包括桡动脉血管的红外图像。

获取腕部包括桡动脉血管的红外图像，可以使用红外血管显示仪对腕部进行拍摄，拍摄时，将手掌部分位于图像的上侧，手臂部分位于图像的下侧，这样就获取了腕部的包括桡动脉血管的红外图像。一般情况下，拍摄的红外图像的彩色为8位rgb伪彩色，仪器对腕部血管的成像原图如图2所示。从图2中可以看出，腕部的红外血管成像可以显示出腕部血管的轮廓，但是图像还存在明暗不一，有的地方相对比较模糊等问题，所以使用仪器拍摄的血管的红外图像的清晰程度还不是很高。

获取腕部的包括桡动脉血管的红外图像，是为了通过拍摄的图像经过计算获取桡动脉所在的位置，然后进行数字化诊脉。而传统的中医把脉时，在手臂外边缘的桡动脉上取脉。取脉位置分为寸、关、尺三个部位。而数字化脉诊仪通常是通过压力传感器在寸的位置取脉，并将桡动脉的波动转化成数字信号。如图3所示，图3为本申请实施例涉及的中医把脉及数字化脉诊仪的取脉位置示意图，从图3中可以看出，现有技术下的诊脉仪取脉位置的确认，完全是凭主观经验进行确认，而每个人手腕的尽寸不同，所以在取脉时会存在取脉位置定位不准确的问题。

步骤S102，将所述红外图像转化为灰度图像，使用高斯滤波去除所述灰度图像噪声，使用同态滤波和灰度直方图均衡化所述去除噪声后的灰度图像，并通过局部差分算子卷积获取腕部血管的对比度增强的灰度图像。

在上一步骤中通过红外血管显示仪获取的腕部包括桡动脉血管的红外图像还存在一些问题，例如，由于光线、曝光等问题造成红外图像明暗不一、模糊等的问题，所以还需要对初步获得的红外图像进行处理，首先，根据红外图像的颜色值将红外图像转换为对应的灰底图像。由于红外图像原图为rgb伪彩色，将其三个色彩通道分别记作(r,g,b)，并读取红外图像原图的三个色彩通道的值，将所述红外图像转换为灰度图像，计算公式为：Gray＝(r*0.299+g*0.587+b*0.114)/255，Grap表示灰度值，r、g、b分别表示红、绿、蓝三种颜色的值。

在将红外图像转换为对应的灰度图像之后，对灰度图像进行增强处理之前，还需要对灰度图像去噪，一般情况下，图像在成像或传输过程中会受到成像设备与外部环境噪声干扰等的影响，使图像含有噪声，影响图像的质量，这种图像称为含噪图像或噪声图像，所以在处理图像时需要将噪声去除，以防止图像噪声对后期的识别造成干扰。在本申请中，可以使用高斯滤波去除灰度图像的噪声，获得无干扰的灰度图像。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。在本申请中，维纳滤波的卷积窗口的取值为3x3，对于不同型号的设备采集的图像，窗口半径可能需要调整，为了兼顾运算效率，卷积窗口不宜选择过大，建议维纳滤波的卷积窗口的取值范围为[3,3]～[3,5]。

经过高斯滤波去噪后的腕部血管图像如图4所示。通过去噪处理，获得了无干扰的灰度图像，接下来就对无干扰的灰度图像进行对比度增强处理，增强处理包括对无干扰的灰度图像使用同态滤波和灰度直方图均衡化所述去除噪声后的灰度图像，并通过局部差分算子卷积获取腕部血管的对比度增强的灰度图像，增强效果如图5所示。

步骤S103，通过所述对比度增强的灰度图像，获取手臂两侧的外边缘线，将手臂与大拇指同侧的外边缘直线每列的像素值求和并找出像素值之和最大的列，所述像素值之和最大的列的坐标X到所述灰度图像中心点的区域为有效区域。

对桡动脉目标取脉点的识别，基于桡动脉附近的局部手臂图像所包含的信息。获得准确的局部手臂图像是桡动脉目标取脉点识别的基础。提取精准的手臂边界才能获得准确的局部手臂图像。通过所述对比度增强的灰度图像，获取手臂两侧的外边缘线，因为在取脉时会存在左手和右手的问题，所以，若所述红外图像为左手，则获取手臂左侧的外边缘直线。然后将手臂与大拇指同侧的外边缘直线每列的像素值求和并找出像素值之和最大的列，所述像素值之和最大的列的坐标X到所述灰度图像中心点的区域为有效区域，包括：找出手臂左侧的直线X坐标，将每列的像素值求和，然后找出像素值之和最大的列，该列的坐标即为X，求X到图像中心点X坐标有效区域如图6所示，然后根据求出的有效区域，与界面参考区域结合得出灰度图像的最终的有效区域，如图7所示，所述有效区域为，正确放置手腕部分的矩形界面区域，如图8所示。

步骤S104，在所述有效区域内，分别求每一列及每一行像素值之和，每一列像素值之和最小值所在的X坐标及每一行像素值之和最大值所在的Y坐标，X、Y坐标为最终定位到的取脉点。

在上一个步骤中确定灰度图像的最终有效区域，然后在最终确定的灰度图像的最终有效区域上进行识别，分别求每一列及每一行像素值之和，求出每一列像素值之和最小值所在的X坐标及每一行像素值之和最大值所在的Y坐标，X、Y坐标即为最终定位到的取脉点，最终定位到的取脉点如图9所示。

若所述红外图像为右手，则将所述红外图像进行水平翻转后，获取手臂左侧的外边缘直线，但必须保证手掌在上，手臂在下。在本申请实施例中，均以红外图像为左手，对本申请进行说明。

与本申请提供的一种取脉点的定位方法相对应，本申请同时提供一种取脉点的定位装置1000，如图10所示，包括：

红外图像获取单元1010，用于获取腕部的包括桡动脉血管的红外图像；

对比度增强的灰度图像获取单元1020，用于将所述红外图像转化为灰度图像，使用高斯滤波去除所述灰度图像噪声，使用同态滤波和灰度直方图均衡化所述去除噪声后的灰度图像，并通过局部差分算子卷积获取腕部血管的对比度增强的灰度图像；

参考中线获取单元1030，用于通过所述对比度增强的灰度图像，获取手臂两侧的外边缘线，将手臂与大拇指同侧的外边缘直线每列的像素值求和并找出像素值之和最大的列，所述像素值之和最大的列的坐标X到所述灰度图像中心点的区域为有效区域；

矩形获取单元1040，用于在所述有效区域内，分别求每一列及每一行像素值之和，每一列像素值之和最小值所在的X坐标及每一行像素值之和最大值所在的Y坐标，X、Y坐标为最终定位到的取脉点。

优选的，所述图像获取单元，包括：

图像位置确定单元，用于将手掌部分位于所述红外图像的上侧，手臂部分位于所述红外图像的下侧。

优选的，所述灰度图像增强单元，还包括：

红外图像获取子单元，用于使用血管显像仪器获取腕部包括桡动脉血管的红外图像；

读取子单元，用于读取所述红外图像的颜色值；

计算子单元，用于将所述红外图像转换为灰度图像，计算公式为：

Gray＝(r*0.299+g*0.587+b*0.114)/255，

Grap表示灰度值，r、g、b分别表示红、绿、蓝三种颜色的像素值。

优选的，所述灰度图像增强单元，还包括：

取值范围确定子单元，用于确定高斯滤波的卷积窗口的取值范围为[3,3]～[3,5]。

优选的，所述有效区域获取单元，还包括：

矩形界面区域确定子单元，用于将正确放置手腕部分的矩形界面区域确定为矩形区域。

本申请提供的取脉点的定位方法，通过对腕部的包括桡动脉血管的红外图像进行灰度化，再将灰度化的图像通过高斯滤波去噪和使用同态滤波和灰度直方图均衡化，获得了对比度增强的灰度图像，然后灰度图像上寻找取脉点的有效区域，并获得取脉点的X，Y坐标，解决了取脉点的自动化定位的需求问题。

本申请虽然实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (10)

1.一种取脉点的定位方法，其特征在于，包括：

获取腕部的包括桡动脉血管的红外图像；

将所述红外图像转化为灰度图像，使用高斯滤波去除所述灰度图像噪声，使用同态滤波和灰度直方图均衡化所述去除噪声后的灰度图像，并通过局部差分算子卷积获取腕部血管的对比度增强的灰度图像；

通过所述对比度增强的灰度图像，获取手臂两侧的外边缘线，将手臂与大拇指同侧的外边缘直线每列的像素值求和并找出像素值之和最大的列，所述像素值之和最大的列的坐标X到所述灰度图像中心点的区域为有效区域；

在所述有效区域内，分别求每一列及每一行像素值之和，每一列像素值之和最小值所在的X坐标及每一行像素值之和最大值所在的Y坐标，X、Y坐标为最终定位到的取脉点。

2.根据权利要求1所述的方法，其特征在于，所述腕部的包括桡动脉血管的红外图像中：手掌部分位于所述红外图像的上侧，手臂部分位于所述红外图像的下侧。

3.根据权利要求1所述的方法，其特征在于，所述将所述红外图像转化为灰度图像，包括：

使用血管显像仪器获取腕部包括桡动脉血管的红外图像；

读取所述红外图像的颜色值；

将所述红外图像转换为灰度图像，计算公式为：

Gray＝(r*0.299+g*0.587+b*0.114)/255，

Gray表示灰度值，r、g、b分别表示红、绿、蓝三种颜色的像素值。

4.根据权利要求1所述的方法，其特征在于，所述使用高斯滤波去除所述灰度图像噪声，还包括：

高斯滤波的卷积窗口的取值范围为[3,3]～[3,5]。

5.根据权利要求1所述的方法，其特征在于，所述有效区域为，正确放置手腕部分的矩形界面区域。

6.一种取脉点的定位装置，其特征在于，包括：

图像获取单元，用于获取腕部的包括桡动脉血管的红外图像；

灰度图像增强单元，用于将所述红外图像转化为灰度图像，使用高斯滤波去除所述灰度图像噪声，使用同态滤波和灰度直方图均衡化所述去除噪声后的灰度图像，并通过局部差分算子卷积获取腕部血管的对比度增强的灰度图像；

有效区域获取单元，用于通过所述对比度增强的灰度图像，获取手臂两侧的外边缘线，将手臂与大拇指同侧的外边缘直线每列的像素值求和并找出像素值之和最大的列，所述像素值之和最大的列的坐标X到所述灰度图像中心点的区域为有效区域；

取脉点定位单元，用于在所述有效区域内，分别求每一列及每一行像素值之和，每一列像素值之和最小值所在的X坐标及每一行像素值之和最大值所在的Y坐标，X、Y坐标为最终定位到的取脉点。

7.根据权利要求6所述的装置，其特征在于，所述图像获取单元，包括：

图像位置确定单元，用于将手掌部分位于所述红外图像的上侧，手臂部分位于所述红外图像的下侧。

8.根据权利要求6所述的装置，其特征在于，所述灰度图像增强单元，还包括：

红外图像获取子单元，用于使用血管显像仪器获取腕部包括桡动脉血管的红外图像；

读取子单元，用于读取所述红外图像的颜色值；

计算子单元，用于将所述红外图像转换为灰度图像，计算公式为：

Gray＝(r*0.299+g*0.587+b*0.114)/255，

Grap表示灰度值，r、g、b分别表示红、绿、蓝三种颜色的像素值。

9.根据权利要求6所述的装置，其特征在于，所述灰度图像增强单元，还包括：

取值范围确定子单元，用于确定高斯滤波的卷积窗口的取值范围为[3,3]～[3,5]。

10.根据权利6所述的装置，其特征在于，所述有效区域获取单元，还包括：

矩形界面区域确定子单元，用于将正确放置手腕部分的矩形界面区域确定为矩形区域。