CN109949903B - 医学影像静止画面捕捉方法及系统 - Google Patents
医学影像静止画面捕捉方法及系统 Download PDFInfo
- Publication number
- CN109949903B CN109949903B CN201910231421.8A CN201910231421A CN109949903B CN 109949903 B CN109949903 B CN 109949903B CN 201910231421 A CN201910231421 A CN 201910231421A CN 109949903 B CN109949903 B CN 109949903B
- Authority
- CN
- China
- Prior art keywords
- image
- frame image
- still picture
- frozen state
- sample
- 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.)
- Active
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种医学影像静止画面捕捉方法及系统；其中所述医学影像静止画面捕捉方法包括：检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像；对冻结状态的帧图像进行除杂；对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面。本发明可使得检查过程中，采图无需人工干预，让医生全身心投入疾病诊治，提高检查的效率和准确率。
Description
技术领域
本发明涉及图像识别和医学图像处理领域，具体涉及医学影像静止画面捕捉方法及系统。
背景技术
随着社会的发展和医疗水平的提高，可视化诊疗技术得到广泛应用，医学图像在疾病诊治过程中发挥着举足轻重的作用。医学图像的好坏直接影响疾病的诊疗效果，严重者会导致漏诊错诊。医生进行疾病诊疗过程中，不仅需要通过手持检查设备进行检查操作,还需要通过操作脚踏来进行图像的采集。
近几年逐渐出现一些图像自动识别和处理算法，但是市场上针对图像识别和处理的算法大多需要额外添加硬件，增加了额外硬件的同时也会增加硬件成本。
发明内容
本发明的目的是提供一种医学影像静止画面捕捉方法及系统。
为了解决上述技术问题，本发明提供了一种医学影像静止画面捕捉方法，包括：
检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像；
对冻结状态的帧图像进行除杂；
对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面。
进一步的，所述检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像的方法包括：
从视频数据中获取当前帧图像以及上一帧图像；
对当前帧图像以及上一帧图像进行冻结检测；
对处于冻结状态的帧图像进行采集。
进一步的，所述对当前帧图像以及上一帧图像进行冻结检测的方法：
取上一帧图像和当前帧图像相同像素点上的数据值；
判断上一帧图像和当前帧图像的数据值相差是否超过阈值m，若不超过阈值m则累计数目加1，若超过阈值m则对下一个像素点进行判断，阈值m为预先设定的像素点容差，累计数目表示当前帧图像与上一帧图像相同像素点的个数；
当前帧图像的所有像素点判断完毕，则判断累计数目是否超过阈值n，若超过则表示当前帧图像为处于冻结，反之，则表示当前帧图像未为处于冻结，n为预先设定的未超过上述容差的像素点的累计数值；
若前帧图像的所有像素点未判断完毕，则对下一个像素点进行判断，直到所有像素点判断完毕。
进一步的，其特征在于，
所述对冻结状态的帧图像进行除杂的方法包括：
连续检测j帧图像，若每次都产生冻结信号，那么则判定当前图像处于冻结状态，并采集仅一帧图像。
进一步的，其特征在于，
所述对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面的方法包括：
对所有处于冻结的帧图像进行以下处理；
获取灰度直方图；
标准化灰度级别；
提取纹理特征；
依据所有处于冻结的帧图像建立样本库；
将待测图像与样本库进行相似度对比，从而保留帧图像或者剔除帧图像。
进一步的，其特征在于，
所述标准化灰度级别，即：
将当前灰度级别通过线性变换的方式统一处理成0～255。
进一步的，所述纹理特征包括：
均值、方差、偏差、峰度、能量、熵。
进一步的，所述建立样本库的方法包括：
医学影像的检查有m个样本图像，每个样本图像有6个纹理特征，从而建立一个样本库，即为一个mx6的矩阵。
进一步的，所述将待测图像与样本库进行相似度对比的方法包括：
计算待测图像的纹理特征；
计算待测图像与样本库中的每一个样本的欧氏距离；
获取最大欧式距离；
相似度为
其中，计算待测图像与样本库中的每一个样本的欧氏距离，即：
D(q,t)表示两者的距离，那么计算公式如下所示：
其中，待检图像特征向量为q，样本图像特征向量为t,i表示纹理特征的个数，qi和si分别表示待测图像以及样本图像中的第i个纹理特征。
进一步的，冻结状态帧图像获取模块，适于检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像；
除杂模块，适于对冻结状态的帧图像进行除杂；
纹理特征筛选模块，适于对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面。
本发明的有益效果是，本发明提供了一种医学影像静止画面捕捉方法。所述医学影像静止画面捕捉方法包括：检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像；对冻结状态的帧图像进行除杂；对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面。本发明可使得检查过程中，采图无需人工干预，让医生全身心投入疾病诊治，提高检查的效率和准确率。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明所提供的医学影像静止画面捕捉方法的流程图。
图2是图1中步骤S120的子步骤流程图。
图3是本发明所提供的医学影像静止画面捕捉系统的原理框图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
如图1所示，本实施例1提供了一种医学影像静止画面捕捉方法，可实现通过识别检查设备的实时图像，在画面静止(即冻结状态)时，自动进行单帧图像的采集，即完成了医学影像静止画面捕捉。
具体步骤包括：
S110：检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像；
S120：对冻结状态的帧图像进行除杂；
S130：对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面。
在本实施例中，所述检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像的方法包括：
S111：从视频数据中获取当前帧图像以及上一帧图像；
S112：对当前帧图像以及上一帧图像进行冻结检测；
S113：对处于冻结状态的帧图像进行采集。
其中，步骤S111包括：
取上一帧图像和当前帧图像相同像素点上的数据值；像素位置范围指视频画面的有效视频区域，每个帧图像有多个像素点，每个像素点均需要进行判断。
判断上一帧图像和当前帧图像的数据值相差是否超过阈值m，若不超过阈值m则累计数目+1，若超过阈值m则对下一个像素点进行判断，阈值m为预先设定的像素点容差；
当前帧图像的所有像素点是否判断完毕，若判断完毕，则判断累计数目是否超过阈值n，若超过则产生冻结信号，反之，则不产生冻结信号，n为预先设定的未超过上述容差的像素点的累计数值；
若前帧图像的所有像素点未判断完毕，则对下一个像素点进行判断，直到所有像素点判断完毕。
在本实施例中，步骤S120：所述对冻结状态的帧图像进行除杂的方法包括：
若连续检测j帧图像，每次都产生冻结信号，那么则判定当前图像处于冻结状态，并采集仅一帧图像。流程图如图2所示。避免多次采集同一冻结状态下的图像，提高识别精准率。
在本实施例中，步骤S130：所述对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面的方法包括：
对所有处于冻结的帧图像进行以下处理；
获取灰度直方图；
标准化灰度级别；
提取纹理特征；
建立样本库；
将待分析的帧图像与样本库进行相似度对比，从而保留帧图像或者剔除帧图像。
其中，待分析的帧图像，即，对所有处于冻结的帧图像中的其中一个，需要进行纹理特征分析的冻结的帧图像。
其中，所述标准化灰度级别，即：
将当前灰度级别通过线性变换的方式统一处理成0～255。
其中，所述纹理特征包括：均值、方差、偏差、峰度、能量、熵。其中均值，反映灰度的集中趋势。方差，反映灰度的分布情况。偏差反映灰度直方图的偏斜方向。峰度反映灰度直方图的平坦性。能量反映灰度分布的均匀程度和纹理粗细度。熵反映纹理的随机性。假设图像像素的总数目为N，灰度级别为0～255，那么，灰度为b的像素的数目为Nb，计算公式如下：
统计一帧图像中灰度为b的像素出现的概率,即，
均值μ：
方差σ：
偏差s：
峰度K：
能量E：
熵H：
在本实施例中，所述建立样本库的方法包括：医学影像的检查有m个样本图像，每个样本图像有6个纹理特征，从而建立一个样本库，即为一个mx6的矩阵。
在本实施例中，所述将待测图像与样本库进行相似度对比的方法包括：
计算待测图像的纹理特征；
计算待测图像与样本库中的每一个样本的欧氏距离；
获取最大欧式距离；
相似度为
当计算出来的相似度大于某个预先设定的阈值，该图像为所需要的图像，并保留；当计算出来的相似度大于某个预先设定的阈值，该图像为所需要的图像，并保留。
具体的，计算待测图像与样本库中的每一个样本的欧氏距离，即：
D(q,t)表示两者的距离，那么计算公式如下所示：
其中，待检图像特征向量为q，样本图像特征向量为t,i表示纹理特征的个数，qi和si分别表示待测图像以及样本图像中的第i个纹理特征。
请参阅图3，本发明还提供了一种医学影像静止画面捕捉系统包括：冻结状态帧图像获取模块，适于检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像；除杂模块，适于对冻结状态的帧图像进行除杂；纹理特征筛选模块，适于对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面；本发明可使得检查过程中，采图无需人工干预，让医生全身心投入疾病诊治，提高检查的效率和准确率。
综上所述，本发明提供了一种医学影像静止画面捕捉方法及系统。具体做法是检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像；对冻结状态的帧图像进行除杂；对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面；本发明可使得检查过程中，采图无需人工干预，让医生全身心投入疾病诊治，提高检查的效率和准确率。本发明仅需手持控制检查设备，无需脚踩脚踏开关，设备画面静止，即自动采集图像，免除了医生踩脚踏动作，操作更简便，减少了人为误差，降低了硬件成本以及脚踏损耗所产生的故障率，减少了硬件设备，更加容易维持环境卫生，本发明提供冻结检测阈值的推荐设定，适用于常用场景，提升了使用便利性。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (2)
1.一种医学影像静止画面捕捉方法，其特征在于，包括：
检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像；
对冻结状态的帧图像进行除杂；
对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面；
所述检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像的方法包括：
从视频数据中获取当前帧图像以及上一帧图像；
对当前帧图像以及上一帧图像进行冻结检测；
对处于冻结状态的帧图像进行采集；
所述对当前帧图像以及上一帧图像进行冻结检测的方法：
取上一帧图像和当前帧图像相同像素点上的数据值；
判断上一帧图像和当前帧图像的数据值相差是否超过阈值m，若不超过阈值m则累计数目加1，若超过阈值m则对下一个像素点进行判断，阈值m为预先设定的像素点容差，累计数目表示当前帧图像与上一帧图像相同像素点的个数；
当前帧图像的所有像素点判断完毕，则判断累计数目是否超过阈值n，若超过则表示当前帧图像为处于冻结；反之，则表示当前帧图像未为处于冻结，n为预先设定的未超过上述容差的像素点的累计数值；
若前帧图像的所有像素点未判断完毕，则对下一个像素点进行判断，直到所有像素点判断完毕；
所述对冻结状态的帧图像进行除杂的方法包括：
连续检测j帧图像，若每次都产生冻结信号，则判定当前图像处于冻结状态，并采集仅一帧图像；
所述对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面的方法包括：
对所有处于冻结的帧图像进行以下处理；
获取灰度直方图；
标准化灰度级别；
提取纹理特征；
依据所有处于冻结的帧图像建立样本库；
将待分析的帧图像与样本库进行相似度对比，从而保留帧图像或者剔除帧图像；
所述标准化灰度级别，即：
将当前灰度级别通过线性变换的方式统一处理成0～255；
所述纹理特征包括：均值、方差、偏差、峰度、能量、熵；
所述建立样本库的方法包括：
医学影像的检查有m个样本图像，每个样本图像有6个纹理特征，从而建立一个样本库，即为一个mx6的矩阵；
所述将待测图像与样本库进行相似度对比的方法包括：
计算待测图像的纹理特征；
计算待测图像与样本库中的每一个样本的欧氏距离；
获取最大欧式距离；
相似度为
其中，计算待测图像与样本库中的每一个样本的欧氏距离，即：
D(q,t)表示两者的距离，那么计算公式如下所示：
其中，待检图像特征向量为q，样本图像特征向量为t,i表示纹理特征的个数，qi和si分别表示待测图像以及样本图像中的第i个纹理特征。
2.一种医学影像静止画面捕捉系统，应用权利要求1所述的一种医学影像静止画面捕捉方法，其特征在于，包括：
冻结状态帧图像获取模块，适于检测视频数据中相邻两帧图像，从而获取处于冻结状态的帧图像；
除杂模块，适于对冻结状态的帧图像进行除杂；
纹理特征筛选模块，适于对除杂后的帧图像进行纹理特征分析，从而得出所需的静止画面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910231421.8A CN109949903B (zh) | 2019-03-26 | 2019-03-26 | 医学影像静止画面捕捉方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910231421.8A CN109949903B (zh) | 2019-03-26 | 2019-03-26 | 医学影像静止画面捕捉方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109949903A CN109949903A (zh) | 2019-06-28 |
| CN109949903B true CN109949903B (zh) | 2023-05-16 |
Family
ID=67011773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910231421.8A Active CN109949903B (zh) | 2019-03-26 | 2019-03-26 | 医学影像静止画面捕捉方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109949903B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1296697A (zh) * | 1998-02-06 | 2001-05-23 | 英特尔公司 | 在连接式数字相机的视频流操作期间用于静止图像捕捉的方法和设备 |
| CN102834061A (zh) * | 2010-12-24 | 2012-12-19 | 松下电器产业株式会社 | 超声波诊断装置及超声波诊断装置的控制方法 |
| EP2704439A1 (en) * | 2012-08-28 | 2014-03-05 | Fujifilm Corporation | Medical image recording apparatus, recording method of the same, and medical image recording program |
| CN104270561A (zh) * | 2014-08-01 | 2015-01-07 | Tcl通讯（宁波）有限公司 | 移动终端自动调节Camera帧率的方法及移动终端 |
| CN104616290A (zh) * | 2015-01-14 | 2015-05-13 | 合肥工业大学 | 一种统计矩阵模型和自适应阈值相结合的目标检测算法 |
| CN107222661A (zh) * | 2017-06-26 | 2017-09-29 | 努比亚技术有限公司 | 一种自动拍摄运动物体的方法及对应的系统、终端设备 |
| CN108664925A (zh) * | 2018-05-10 | 2018-10-16 | 王逸人 | 人脸识别的方法及用户终端 |
| CN109033991A (zh) * | 2018-07-02 | 2018-12-18 | 北京搜狗科技发展有限公司 | 一种图像识别方法及装置 |
-
2019
- 2019-03-26 CN CN201910231421.8A patent/CN109949903B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1296697A (zh) * | 1998-02-06 | 2001-05-23 | 英特尔公司 | 在连接式数字相机的视频流操作期间用于静止图像捕捉的方法和设备 |
| CN102834061A (zh) * | 2010-12-24 | 2012-12-19 | 松下电器产业株式会社 | 超声波诊断装置及超声波诊断装置的控制方法 |
| EP2704439A1 (en) * | 2012-08-28 | 2014-03-05 | Fujifilm Corporation | Medical image recording apparatus, recording method of the same, and medical image recording program |
| CN104270561A (zh) * | 2014-08-01 | 2015-01-07 | Tcl通讯（宁波）有限公司 | 移动终端自动调节Camera帧率的方法及移动终端 |
| CN104616290A (zh) * | 2015-01-14 | 2015-05-13 | 合肥工业大学 | 一种统计矩阵模型和自适应阈值相结合的目标检测算法 |
| CN107222661A (zh) * | 2017-06-26 | 2017-09-29 | 努比亚技术有限公司 | 一种自动拍摄运动物体的方法及对应的系统、终端设备 |
| CN108664925A (zh) * | 2018-05-10 | 2018-10-16 | 王逸人 | 人脸识别的方法及用户终端 |
| CN109033991A (zh) * | 2018-07-02 | 2018-12-18 | 北京搜狗科技发展有限公司 | 一种图像识别方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109949903A (zh) | 2019-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3848891A1 (en) | Computer vision-based method and system for monitoring speed of intestinal lens removal in real time | |
| US10872411B2 (en) | Diagnostic imaging assistance apparatus and system, and diagnostic imaging assistance method | |
| JP5281826B2 (ja) | 画像処理装置、画像処理プログラムおよび画像処理方法 | |
| US6110123A (en) | Region-of-interest setting apparatus for respiration monitoring and a respiration monitoring system | |
| CN111524137B (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
| JP5374135B2 (ja) | 画像処理装置、画像処理装置の作動方法および画像処理プログラム | |
| CN116269467B (zh) | 一种创伤患者清创术前信息采集系统 | |
| CN113888518A (zh) | 一种基于深度学习分割、分类多任务的喉咽内镜肿瘤检测及良恶性分类方法 | |
| CN110772286A (zh) | 一种基于超声造影识别肝脏局灶性病变的系统 | |
| CN1804868A (zh) | 机器自动图像识别方法及装置 | |
| CN117333489B (zh) | 一种薄膜破损检测装置及检测系统 | |
| CN112786163B (zh) | 一种超声图像处理显示方法、系统及存储介质 | |
| CN115547500B (zh) | 血液透析病人的健康监测设备及系统 | |
| CN117132510A (zh) | 一种基于图像处理的监控图像增强方法及系统 | |
| CN117764864A (zh) | 基于图像去噪的核磁共振肿瘤视觉检测方法 | |
| CN116402852A (zh) | 基于事件相机的动态高速目标追踪方法及装置 | |
| CN109949903B (zh) | 医学影像静止画面捕捉方法及系统 | |
| CN113034451A (zh) | 一种基于深度学习的胸部dr图像识别方法 | |
| CN113808088A (zh) | 一种污染检测方法及系统 | |
| CN110647870A (zh) | 一种基于滑动窗计算静息态fMRI数据近似熵的方法 | |
| CN117558035B (zh) | 一种基于图像技术的人物身份识别系统及方法 | |
| CN115713501B (zh) | 适用于摄像头模糊画面的检测处理方法及系统 | |
| CN117911956B (zh) | 用于食品加工设备的加工环境动态监测方法及系统 | |
| CN115249254B (zh) | 一种基于ar技术的目标跟踪方法及系统 | |
| CN117912066A (zh) | 基于人工智能的皮肤问题识别方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |