CN110634111B - 基于血管区域灰度和像数的皮肤光透明分析方法及系统 - Google Patents

基于血管区域灰度和像数的皮肤光透明分析方法及系统 Download PDF

Info

Publication number
CN110634111B
CN110634111B CN201910892615.2A CN201910892615A CN110634111B CN 110634111 B CN110634111 B CN 110634111B CN 201910892615 A CN201910892615 A CN 201910892615A CN 110634111 B CN110634111 B CN 110634111B
Authority
CN
China
Prior art keywords
gray
blood vessel
region
skin
image
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
Application number
CN201910892615.2A
Other languages
English (en)
Other versions
CN110634111A (zh
Inventor
何华斌
吴忠强
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.)
Fujian University of Technology
Original Assignee
Fujian University of 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 Fujian University of Technology filed Critical Fujian University of Technology
Priority to CN201910892615.2A priority Critical patent/CN110634111B/zh
Publication of CN110634111A publication Critical patent/CN110634111A/zh
Application granted granted Critical
Publication of CN110634111B publication Critical patent/CN110634111B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开基于血管区域灰度和像数的皮肤光透明分析方法及系统，针对皮肤图像及类似情况，采用血管区域灰度均值的变化来反映光透明程度趋势。针对皮肤图像及类似情况，采用图像灰度值归一化后，采用血管区域灰度均值下降百分比（相对值）的变化来反映光透明程度趋势。针对皮肤图像及类似情况，采用血管区域像素数量的变化来反映光透明程度趋势。本发明以血管区域所在的皮肤为分析要素，从血管区域的灰度均值变化和所含像素数量的变化两个特征参数的变化分析此区域皮肤透明效果变化的情况。

Description

基于血管区域灰度和像数的皮肤光透明分析方法及系统
技术领域
本发明涉及图像处理技术领域，尤其涉及基于血管区域灰度和像数的皮肤光透明分析方法及系统。
背景技术
皮肤光透明技术在使用过程中，皮肤由浑浊状态逐渐转为透明状态，皮下血管也逐渐呈现清晰的状态，在此过程中，皮肤光透明状态的变化一般使用专业的激光光源、OCT、相机和光谱仪来分析皮肤图像或者皮肤上反射光和透射光的综合情况，设备不仅价格高昂而且不易实施。
为解决皮肤光透明程度测量过程中使用设备成本过高、操作复杂的缺点，发明专利“一种基于图像灰度的皮肤光透明程度分析方法及其装置”建立了一种在白光照射下基于图像中点及其ROI区域的光透明程度分析方法。但是这种方法有其不足之处，只能从采样点来描述皮肤透明程度的变化，采样点的选择定位在不同时刻不易确定，同时不能从总体上描述整张图片中血管区域的皮肤透明程度究竟如何。
发明内容
本发明的目的在于提供基于血管区域灰度和像数的皮肤光透明分析方法及系统，以克服采样点选择的困难，并更加精准描述血管区域总体透明程度的变化。
本发明采用的技术方案是：
基于血管区域灰度和像数的皮肤光透明分析方法，其包括以下步骤：
步骤1，通过图像采集装置实时获取光透明皮肤样品的彩色图像，
步骤2，从彩色图像中选定感兴趣区域并将彩色图像转成灰度图；
步骤3，对感兴趣区域的灰度图进行锐化；
步骤4，计算感兴趣区域的灰度图中血管区域提取的阈值Ith；
步骤5，将感兴趣区域的灰度图上所有点的灰度值I与阈值Ith相比较，并依比较结果进行灰度转换提取得到血管区域ROIV；
当感兴趣区域的灰度图上点的灰度值I不小于阈值时，则将该点的灰度值重新赋值为255；
当感兴趣区域的灰度图上点的灰度值I小于阈值时，则保持该点的灰度值不变；
步骤6，计算感兴趣区域的灰度图的初始灰度均值，计算公式如下：
Figure BDA0002209235990000011
式中，M和N分别是感兴趣区域的宽度和高度的像素数量，
步骤7，分别计算血管区域ROIV的像素数量NP、灰度均值IAVG、灰度均值下降百分比PV；
步骤8，将血管区域在不同时间的像素数量NP、灰度均值IAVG、灰度均值下降百分比PV按照时间坐标绘制成曲线图以判断光透明皮肤样品的透明效果程度。
进一步地，步骤2的灰度转换转换公式是
IY＝0.299IR+0.587IG+0.114IB 公式(1)
其中，IY是灰度信号强度，IR、IG、IB分别是彩色图像的RGB分量中红色、绿色、蓝色分量强度。
进一步地，步骤3中感兴趣区域的灰度图锐化采用拉普拉斯边缘锐化算法进行锐化。
进一步地，步骤4的具体步骤为：先提取感兴趣区域的灰度图的最大值Imax和最小值Imin，并计算得到阈值Ith，计算公式如下：
Figure BDA0002209235990000021
进一步地，步骤5的具体转换公式如下：
Figure BDA0002209235990000022
其中(m，n)为图像像素在感兴趣区域的灰度图中坐标。
进一步地，步骤6中当感兴趣区域的灰度图为正方形时，则M＝N。
进一步地，步骤7的具体计算步骤如下：
步骤7-1，统计血管区域ROIV的血管像素数量NP，初始值为0，当ROIV中的像素强度I’(m,n)不为255时，NP累加1，直到遍历完所有血管区域ROIV的像素；
步骤7-2，计算血管区域的灰度均值，其计算公式如下：
Figure BDA0002209235990000023
步骤7-3，计算血管区域的灰度均值下降百分比，其计算公式如下：
Figure BDA0002209235990000024
进一步地，步骤8中像素数量NP越大代表光透明效果越好，间接反映了所提取血管区域的光透明变化程度；灰度均值越小代表皮肤透明效果越好，灰度均值下降百分比PV越大代表皮肤透明效果越好，直接有效反映出光透明皮肤样品的透明效果程度。
本发明还公开了基于血管区域灰度和像数的皮肤光透明分析系统，系统包括光源、相机和终端设备，光源对准皮肤样品设置并使皮肤样品呈光透明状态，相机通过数据线缆与终端设备电连接，相机采集获取光透明皮肤的彩色图像数据并传输至终端设备，终端设备上搭载有根据给出的分析方法编制的计算机程序，计算机程序基于采集的彩色图像数据进行皮肤光透明程度分析。
进一步地，终端设备为台式机、一体机、笔记本电脑、平板电脑或智能手机。
本发明采用以上技术方案，针对皮肤图像及类似情况，采用血管区域灰度均值的变化来反映光透明程度趋势。针对皮肤图像及类似情况，采用图像灰度值归一化后，采用血管区域灰度均值下降百分比(相对值)的变化来反映光透明程度趋势。针对皮肤图像及类似情况，采用血管区域像素数量的变化来反映光透明程度趋势。本发明以血管区域所在的皮肤为分析要素，从血管区域的灰度均值变化和所含像素数量的变化两个特征参数的变化分析此区域皮肤透明效果变化的情况。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明；
图1为本发明基于血管区域灰度和像数的皮肤光透明分析方法的流程示意图；
图2为本发明的感兴趣区域的灰度图上转换提取的ROI血管区域的结果示意图；
图3为本发明的ROI中血管区域像数的变化示意图；
图4为本发明的ROI中血管区域灰度均值示意图；
图5为本发明的ROI中血管区域灰度均值下降百分比示意图；
图6为本发明的基于血管区域灰度和像数的皮肤光透明分析系统结构图；
图7为本发明的终端设备的计算机程序界面示意图之一。
图8为本发明的终端设备的计算机程序界面示意图之二。
具体实施方式
如图1-8之一所示，本发明以血管区域所在的皮肤为分析要素，从血管区域的灰度均值变化和所含像素数量的变化两个特征参数的变化分析此区域皮肤透明效果变化的情况。如图1所示，本发明公开了基于血管区域灰度和像数的皮肤光透明分析方法，其包括以下步骤：
步骤1，通过图像采集装置实时获取光透明皮肤样品的彩色图像，
步骤2，从彩色图像中选定感兴趣区域并将彩色图像转成灰度图；
选定皮肤样品感兴趣区域ROI(Region of Interest)，像素数量为MxN，M和N分别为ROI的宽度和高度的像数，将图像的RGB分量强度转换成灰度强度信号，灰度转换转换公式是
IY＝0.299IR+0.587IG+0.114IB 公式(1)
其中，IY是灰度信号强度，IR、IG、IB分别是彩色图像的RGB分量中红色、绿色、蓝色分量强度。
步骤3，对感兴趣区域的灰度图进行锐化；具体地，步骤3中感兴趣区域的灰度图锐化采用拉普拉斯边缘锐化算法进行锐化，也可以用其他边缘锐化算法。
步骤4，计算感兴趣区域的灰度图中血管区域提取的阈值Ith；先提取感兴趣区域的灰度图的最大值Imax和最小值Imin，并计算得到阈值Ith，计算公式如下：
Figure BDA0002209235990000041
步骤5，将感兴趣区域的灰度图上所有点的灰度值I与阈值Ith相比较，并依比较结果进行灰度转换提取得到血管区域ROIV，如图2所示；
当感兴趣区域的灰度图上点的灰度值I不小于阈值时，则将该点的灰度值重新赋值为255；
当感兴趣区域的灰度图上点的灰度值I小于阈值时，则保持该点的灰度值不变；
具体转换公式如下：
Figure BDA0002209235990000042
其中(m，n)为图像像素在感兴趣区域的灰度图中坐标。
步骤6，计算感兴趣区域的灰度图的初始灰度均值，以光透明之前的ROI区域图像的平均灰度值IROI作为初始条件，计算公式如下：
Figure BDA0002209235990000043
式中，M和N分别是感兴趣区域的宽度和高度的像素数量，当感兴趣区域的灰度图为正方形时，则M＝N。
步骤7，分别计算血管区域ROIV的像素数量NP、灰度均值IAVG、灰度均值下降百分比PV,具体计算步骤如下：
步骤7-1，如图3所示，统计血管区域ROIV的血管像素数量NP，初始值为0，当ROIV中的像素强度I’(m,n)不为255时，NP累加1，直到遍历完所有血管区域ROIV的像素；
步骤7-2，计算血管区域的灰度均值，其计算公式如下：
Figure BDA0002209235990000044
步骤7-3，计算血管区域的灰度均值下降百分比，其计算公式如下：
Figure BDA0002209235990000051
步骤8，将血管区域在不同时间的像素数量NP、灰度均值IAVG、灰度均值下降百分比PV按照时间坐标绘制成曲线图以判断光透明皮肤样品的透明效果程度。像素数量NP越大代表光透明效果越好，间接反映了所提取血管区域的光透明变化程度；灰度均值越小代表皮肤透明效果越好，灰度均值下降百分比PV越大代表皮肤透明效果越好，直接有效反映出光透明皮肤样品的透明效果程度。
如图6所示，本发明公开了基于血管区域灰度和像数的皮肤光透明分析系统，系统包括光源、相机和终端设备，光源对准皮肤样品设置并使皮肤样品呈光透明状态，相机通过数据线缆与终端设备电连接，相机采集获取光透明皮肤的彩色图像数据并传输至终端设备，终端设备上搭载有根据给出的分析方法编制的计算机程序，计算机程序基于采集的彩色图像数据进行皮肤光透明程度分析。
光透明皮肤样品经过系统中数码相机所采集的图像数据以彩色图形显示在计算机显示器上，并在计算机端以彩色图形格式存储。
光透明皮肤样品经过系统装置中数码相机所采集的图像数据以彩色图形显示在计算机显示器上，并在计算机端以彩色图形格式存储。彩图一般由RGB构成，涉及3种分量，无法综合比较，同一皮肤区域不同时刻的图像虽然可以主观观察光透明效果，但无法从量值上直接判断，所以对采集的图像先将彩图转成灰度图，再提取灰度图中的血管区域，最后从血管区域灰度均值及其百分比变化、血管区域像素数量变化等角度分析光透明变化程度。
如图7或8所示，光透明程度分析的计算程序由若干模块组成，主要的部份有视频观察区、选取ROI的坐标区域、ROI锐化和血管提取功能、ROI血管区域提取显示区域、时间和血管区域灰度均值显示区、灰度变化曲线图等模块。“视频观察区”用于观察数码相机传输过来的视频流并对光透明皮肤样品进行采集，“选取ROI的坐标区域”主要对光透明皮肤样品的图像进行感兴趣区域的选择，经“ROI锐化和血管提取功能按钮”锐化和提取额血管后并显示在“ROI血管区域提取显示区域”，血管区域在不同时刻的灰度均值显示在“时间和灰度均值显示区”，同时可绘制在“血管区域灰度均值变化曲线图”中，由此反映该ROI区域的光透明程度随时间的变化。
进一步地，终端设备为台式机、一体机、笔记本电脑、平板电脑或智能手机。
光透明程度分析的结果：如图4或5所示，根据上述算法和设计的软件提取相关数据，将透明皮肤样品的初始状态、透明状态30分钟、40分钟、50分钟、60分钟ROI血管区域提取出来并计算其灰度均值和灰度均值下降百分比综合列出，可直接观察到透明皮肤样品的透明程度变化趋势。
本发明在测量皮肤光透明程度过程中，获取图像后，采用图像中血管区域的灰度均值、灰度均值下降百分比、灰度像素数量直接和间接地综合反映光透明程度趋势，比“一种基于图像灰度的皮肤光透明程度分析方法及其装置”中使用DOI灰度值及其小区域灰度均值更加精准描述了小块血管区域皮肤的总体光透明效果。
相比之下，“通过激光器照射再使用相机获取的皮肤图像的方法”和“通过OCT技术测量皮肤组织的变化对光的影响”等要使用专用的昂贵的激光器等设备做为光源以获得在同一光照亮度下的皮肤图像，本发明成本低廉。同时，对比“通过激光器照射再使用光谱仪监测反射光和透射光强度的方法”，本发明可从图像某一块极小区域的血管准确反映光透明程度的变化趋势。
需要说明的是：本发明的图像的边缘锐化算法除了上述实施例中所使用的拉普拉斯锐化算法，还有其它诸如Kirsch算子、Roberts算子等数十种方法均可达到类似锐化效果；本发明的抽取血管区域的方法也多达数十种，诸如血管追踪方法、匹配滤波法、局部自适应阈值法等方法；这些具体的技术手段均可以应用于本发明的总体方案中，从事数字图像处理相关研究工作的人可以明显区分其中一个步骤手段和总体方案及指标的区别。
本发明采用以上技术方案，针对皮肤图像及类似情况，采用血管区域灰度均值的变化来反映光透明程度趋势。针对皮肤图像及类似情况，采用图像灰度值归一化后，采用血管区域灰度均值下降百分比(相对值)的变化来反映光透明程度趋势。针对皮肤图像及类似情况，采用血管区域像素数量的变化来反映光透明程度趋势。本发明以血管区域所在的皮肤为分析要素，从血管区域的灰度均值变化和所含像素数量的变化两个特征参数的变化分析此区域皮肤透明效果变化的情况。
参考文献：
[1]Sandison J.C.The transparent chamber of the rabbits ear,giving acomplete description of improved technic of construction and introduction,andgeneral account of growth and behavior of living cells and tissues as seenwith the microscope[J].Protoplasma,1928,5(1):158-160.
[2]Ea Genina,An Bashkatov,Vv Tuchin.Tissue optical immersion clearing[J].Expert review of medical devices,2010,7(6):825-42.
[3]毛宗珍,韩珍珍,朱(艹丹).噻酮提高在体大鼠皮肤光透明效果的实验研究[J].光学学报,2009,29(7):1921-1925.
[4]Wang Jing,Zhou Xue,Duan Shu,et al.Improvement of in vivo rat skinoptical clearing with chemical penetration enhancers[C].Proceedings of SPIE,2011,7883:78830Y.
[5]Dan Zhu,V Larin Kirill,Qingming Luo,et al.Recent progress intissue optical clearing[J].Laser&photonics reviews,2013,7(5):732.
[6]Wang Jing,Shi Rui,Zhu Dan.Switchable skin window induced byoptical clearing method for dermal blood flow imaging[J].Journal ofBiomedical Optics,2013,18(6):061209.
[7]Deng Zijian,Jing Lijia,Wu Ning,et al.Viscous optical clearingagent for in vivo optical imaging[J].Journal of Biomedical Optics,2014,19(7):76019.
[8]Wang Jingyi,Liang Yanmei,Zhang Shu,et al.Evaluation of opticalclearing with the combined liquid paraffin and glycerol mixture[J].BiomedicalOptics Express,2011,2(8):2329-2338.
[9]Shi R.,Guo L.,Zhang C.,et al.A useful way to develop effective invivo skin optical clearing agents[J].Journal of biophotonics,2017,10(6):887-895.
[10]Wang Jing,Zhang Yang,Li Pengcheng,et al.Review:Tissue OpticalClearing Window for Blood Flow Monitoring[J].IEEE Journal of Selected Topicsin Quantum Electronics,2014,20(2):92-103.
[11]Shi Rui,Chen Min,Tuchin Valery V.,et al.Accessing toarteriovenous blood flow dynamics response using combined laser specklecontrast imaging and skin optical clearing[J].Biomedical Optics Express,2015,6(6):1977-1989.
[12]岑建,朱(艹丹),骆清铭,et al.渗透剂对小鼠皮肤光学特性影响的实时动态监测[J].光学学报,2004,24(7):873-876.
[13]何华斌，吴忠强.一种基于图像灰度的皮肤光透明程度分析方法及其装置.专利申请公布号：CN109685046A，申请号：2019101515737，申请公布日：2019.04.26。

Claims (8)

1.基于血管区域灰度和像数的皮肤光透明分析方法，其特征在于：其包括以下步骤：
步骤1，通过图像采集装置实时获取光透明皮肤样品的彩色图像；
步骤2，从彩色图像中选定感兴趣区域并将彩色图像转成灰度图；
步骤3，对感兴趣区域的灰度图进行锐化；
步骤4，计算感兴趣区域的灰度图中血管区域提取的阈值Ith；
步骤5，将感兴趣区域的灰度图上所有点的灰度值I与阈值Ith相比较，并依比较结果进行灰度转换提取得到血管区域ROIV；
当感兴趣区域的灰度图上点的灰度值I不小于阈值Ith时，表示此点不是血管内的点，则将该点的灰度值重新赋值为255；
当感兴趣区域的灰度图上点的灰度值I小于阈值Ith时，表示此点是血管内的点，则保持该点的灰度值不变；对应的转换公式如下：
Figure FDA0003681319020000011
其中，(m，n)为图像像素在感兴趣区域的灰度图中坐标，I(m,n)为感兴趣区域(m,n)处点的灰度值，I′(m,n)为I(m,n)转换处理后的灰度值；
步骤6，计算感兴趣区域的灰度图的初始灰度均值，计算公式如下：
Figure FDA0003681319020000012
式中，M和N分别是感兴趣区域的宽度和高度的像素数量，
步骤7，分别计算血管区域ROIV的像素数量NP、灰度均值IAVG、灰度均值下降百分比PV；具体计算步骤如下：
步骤7-1，统计血管区域ROIV的血管像素数量NP，初始值为0，当ROIV中的像素强度I'(m,n)不为255时，NP累加1，直到遍历完所有血管区域ROIV的像素；
步骤7-2，计算血管区域的灰度均值，其计算公式如下：
Figure FDA0003681319020000013
步骤7-3，计算血管区域的灰度均值下降百分比，其计算公式如下：
Figure FDA0003681319020000014
步骤8，将血管区域在不同时间的像素数量NP、灰度均值IAVG、灰度均值下降百分比PV按照时间坐标绘制成曲线图以判断光透明皮肤样品的透明效果程度。
2.根据权利要求1所述的基于血管区域灰度和像数的皮肤光透明分析方法，其特征在于：步骤2的灰度转换转换公式是
IY＝0.299IR+0.587IG+0.114IB 公式(1)
其中，IY是灰度信号强度，IR、IG、IB分别是彩色图像的RGB分量中红色、绿色、蓝色分量强度。
3.根据权利要求1所述的基于血管区域灰度和像数的皮肤光透明分析方法，其特征在于：步骤3中感兴趣区域的灰度图锐化采用拉普拉斯边缘锐化算法进行锐化。
4.根据权利要求1所述的基于血管区域灰度和像数的皮肤光透明分析方法，其特征在于：步骤4的具体步骤为：先提取感兴趣区域的灰度图的最大值Imax和最小值Imin，并计算得到阈值Ith，计算公式如下：
Figure FDA0003681319020000021
5.根据权利要求1所述的基于血管区域灰度和像数的皮肤光透明分析方法，其特征在于：步骤6中当感兴趣区域的灰度图为正方形时，则M＝N。
6.根据权利要求1所述的基于血管区域灰度和像数的皮肤光透明分析方法，其特征在于：步骤8中像素数量NP越大代表光透明效果越好，间接反映了所提取血管区域的光透明变化程度；灰度均值越小代表皮肤透明效果越好，灰度均值下降百分比PV越大代表皮肤透明效果越好，直接有效反映出光透明皮肤样品的透明效果程度。
7.基于血管区域灰度和像数的皮肤光透明分析系统，其特征在于：系统包括光源、相机和终端设备，光源对准皮肤样品设置并使皮肤样品呈光透明状态，相机通过数据线缆与终端设备电连接，相机采集获取光透明皮肤的彩色图像数据并传输至终端设备，终端设备上搭载有根据权利要求1至6任一所述的基于血管区域灰度和像数的皮肤光透明分析方法编制的计算机程序，计算机程序基于采集的彩色图像数据进行皮肤光透明程度分析。
8.根据权利要求7所述的基于血管区域灰度和像数的皮肤光透明分析系统，其特征在于：终端设备为台式机、一体机、笔记本电脑、平板电脑或智能手机。
CN201910892615.2A 2019-09-20 2019-09-20 基于血管区域灰度和像数的皮肤光透明分析方法及系统 Active CN110634111B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910892615.2A CN110634111B (zh) 2019-09-20 2019-09-20 基于血管区域灰度和像数的皮肤光透明分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910892615.2A CN110634111B (zh) 2019-09-20 2019-09-20 基于血管区域灰度和像数的皮肤光透明分析方法及系统

Publications (2)

Publication Number Publication Date
CN110634111A CN110634111A (zh) 2019-12-31
CN110634111B true CN110634111B (zh) 2022-07-19

Family

ID=68971927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910892615.2A Active CN110634111B (zh) 2019-09-20 2019-09-20 基于血管区域灰度和像数的皮肤光透明分析方法及系统

Country Status (1)

Country Link
CN (1) CN110634111B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833757A (zh) * 2009-03-11 2010-09-15 深圳迈瑞生物医疗电子股份有限公司 血管图像组织结构的边缘检测及血管内膜检测方法和系统
CN109685046A (zh) * 2019-02-28 2019-04-26 福建工程学院 一种基于图像灰度的皮肤光透明程度分析方法及其装置
CN109801320A (zh) * 2019-01-26 2019-05-24 武汉嫦娥医学抗衰机器人股份有限公司 一种基于面部分区的皮肤干燥状态智能识别方法及系统
CN109859257A (zh) * 2019-02-25 2019-06-07 北京工商大学 一种基于纹理方向性的皮肤图像纹理评估方法及系统
CN109886195A (zh) * 2019-02-21 2019-06-14 江苏苏宁银行股份有限公司 基于深度相机近红外单色灰度图的皮肤识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833757A (zh) * 2009-03-11 2010-09-15 深圳迈瑞生物医疗电子股份有限公司 血管图像组织结构的边缘检测及血管内膜检测方法和系统
CN109801320A (zh) * 2019-01-26 2019-05-24 武汉嫦娥医学抗衰机器人股份有限公司 一种基于面部分区的皮肤干燥状态智能识别方法及系统
CN109886195A (zh) * 2019-02-21 2019-06-14 江苏苏宁银行股份有限公司 基于深度相机近红外单色灰度图的皮肤识别方法
CN109859257A (zh) * 2019-02-25 2019-06-07 北京工商大学 一种基于纹理方向性的皮肤图像纹理评估方法及系统
CN109685046A (zh) * 2019-02-28 2019-04-26 福建工程学院 一种基于图像灰度的皮肤光透明程度分析方法及其装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
血液光透明的Mie理论分析;薛振峰论;《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》;20080915;全文 *
裸鼠皮肤的光透明方法及其应用;牛翔宇;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20190915;全文 *

Also Published As

Publication number Publication date
CN110634111A (zh) 2019-12-31

Similar Documents

Publication Publication Date Title
JP7344568B2 (ja) ディープラーニングを使用して無標識蛍光画像をデジタル染色する方法及びシステム
US6236881B1 (en) Method and apparatus for differentiating and processing images of normal benign and pre-cancerous and cancerous lesioned tissues using mixed reflected and autofluoresced light
JP5276225B2 (ja) 医用画像処理装置及び医用画像処理装置の作動方法
EP3000386A1 (en) Skin function evaluation device and skin evaluation method
JP6791245B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
Kayal et al. A new dynamic thresholding based technique for detection of hard exudates in digital retinal fundus image
JP7197708B2 (ja) 眼底画像定量分析の前置処理方法および記憶装置
JP5948831B2 (ja) 測定装置、測定方法、プログラム及び記録媒体
EP3029629B1 (en) Diagnostic apparatus and image processing method in the same apparatus
CN109685046B (zh) 一种基于图像灰度的皮肤光透明程度分析方法及其装置
Albert A survey of optical imaging techniques for assessing wound healing
US20190172180A1 (en) Apparatus, system and method for dynamic encoding of speckle reduction compensation
WO2018140788A1 (en) Apparatus, system and method for dynamic in-line spectrum compensation of an image
JP2019058641A (ja) 肌の内部構造の推定方法、肌の内部構造の推定プログラム、および肌の内部構造の推定装置
JP2006507579A (ja) 核多形性の組織学的評価
US9852503B2 (en) Diagnostic apparatus for lesion, image processing method in the same apparatus, and medium storing program associated with the same method
CN110634111B (zh) 基于血管区域灰度和像数的皮肤光透明分析方法及系统
Liu et al. A one-shot learning framework for assessment of fibrillar collagen from second harmonic generation images of an infarcted myocardium
JP6551729B2 (ja) 毛細血管の画像処理方法および画像処理プログラム、並びに毛細血管分析診断装置
EP3023936B1 (en) Diagnostic apparatus and image processing method in the same apparatus
JP2007252892A (ja) 皮膚表面の立体形状の目視評価値の推定方法
JP6503733B2 (ja) 診断支援装置並びに当該診断支援装置における画像処理方法及びそのプログラム
CN115236015A (zh) 基于高光谱成像技术的穿刺样本病理分析系统及方法
Yousefi et al. Automating porosity features extraction from second harmonic generation images of cervical tissue
CN117132813A (zh) 微流控芯片通道识别方法、装置、设备及可读存储介质

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