CN110739047A - 患者图像色彩还原方法、装置、设备及可读存储介质 - Google Patents
患者图像色彩还原方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110739047A CN110739047A CN201810799809.3A CN201810799809A CN110739047A CN 110739047 A CN110739047 A CN 110739047A CN 201810799809 A CN201810799809 A CN 201810799809A CN 110739047 A CN110739047 A CN 110739047A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- patient
- human body
- restoration
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 238000003745 diagnosis Methods 0.000 claims abstract description 13
- 239000003814 drug Substances 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 29
- 239000003086 colorant Substances 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 abstract description 4
- 239000007787 solid Substances 0.000 description 9
- 238000004140 cleaning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 239000000969 carrier Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明患者图像色彩还原方法、装置、设备及可读存储介质,其实现通过图像采集设备采集患者图像,其中,所述患者图像中含有患者人体图像部分及参考颜色图像部分;识别所述参考颜色图像部分中所包含的参考图像颜色;计算所述参考图像颜色同其所对应的已知的参考真实颜色间的转换关系函数;根据所计算的转换关系函数来至少校正所述患者图像中患者人体图像部分的人体图像颜色为对应的真实颜色,以得到用于中医诊疗的色彩还原图像;由于参考颜色图像部分与患者人体图像部分是摄录于同一图像中,因此,其所处光照环境相同,在此情况下,利用计算出的已知真实颜色与其对应在图像中的图像颜色的对应关系,就能将人体的人体图像颜色还原成真实颜色,利于提升远程中医诊疗的精准性。
Description
技术领域
本发明涉及智能医疗技术领域,特别是涉及患者图像色彩还原方法、装置、设备及可读存储介质。
背景技术
彩色数字拍照设备通过白平衡来还原被拍摄物体的颜色。一种是手动白平衡,拍照者手动选择预先设定的场景如日光灯,白织灯,阴天或者设置色温。一种是自动白平衡,分析已获取的数字图像的RGB像素值,依照一定的算法对像素值进行调整。
手动白平衡设置需要拍照者有较好的摄影色彩领域的知识,才能获得良好的效果,而且每当光照环境发生改变,都需要重新设置,使用不方便。自动白平衡虽然使用方便,但很难在各个光照条件下都取得较好效果。
尤其在中医诊疗中,“望闻问切”都是中医常用的诊疗手段,“望”则需要观察患者的面部皮肤及舌苔等的颜色,但是,如果在远程诊疗的环境中,医生仅能通过电子终端来看到患者的图像,而图像的颜色与真实颜色存在色差,这就极容易导致误诊。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供患者图像色彩还原方法、装置、设备及可读存储介质,用于解决现有技术中的问题。
为实现上述目的及其他相关目的,本发明提供一种患者图像色彩还原方法,包括:通过图像采集设备采集患者图像,其中,所述患者图像中含有患者人体图像部分及参考颜色图像部分;识别所述参考颜色图像部分中所包含的参考图像颜色;计算所述参考图像颜色同其所对应的已知的参考真实颜色间的转换关系函数;根据所计算的转换关系函数来至少校正所述患者图像中患者人体图像部分的人体图像颜色为对应的真实颜色,以得到用于中医诊疗的色彩还原图像。
于本发明的一实施例中,所述参考颜色图像部分是对载有所述参考图像颜色所对应的参考真实颜色的承载物采集获取的。
于本发明的一实施例中,所述承载物包括多色标准色板。
于本发明的一实施例中,所述识别所述参考颜色图像部分中所包含的参考图像颜色,包括:通过图像识别算法从所述患者图像中识别出所述承载物;从所识别的承载物中识别出所述参考图像颜色。
于本发明的一实施例中,所述从所识别出的承载物识别参考图像颜色,包括:基于承载物上参考真实颜色的布局特征,定位所识别的承载物上的所述参考图像颜色所在位置。
于本发明的一实施例中,所述从所识别的承载物中识别出所述参考图像颜色,包括:将所识别承载物中各像素点分别与的已知的各种参考真实颜色进行匹配,根据匹配的相似度来识别所述参考图像颜色。
于本发明的一实施例中,所述根据所计算的转换关系函数来至少校正所述患者图像中患者人体的人体图像颜色为对应的真实颜色,包括:对所述患者图像中的每个像素点执行所述校正。
于本发明的一实施例中,所述根据所计算的转换关系函数来至少校正所述患者图像中患者人体的人体图像颜色为对应的真实颜色,包括:对所述患者图像中经图像语义分割得到的患者人体图像部分的各像素点执行所述校正。
为实现上述目的及其他相关目的,本发明提供一种患者图像色彩还原装置,包括:图像采集模块,用于通过图像采集设备采集患者图像,其中,所述患者图像中含有患者人体图像部分及参考颜色图像部分;处理模块,用于识别所述参考颜色图像部分中所包含的参考图像颜色;计算所述参考图像颜色同其所对应的已知的参考真实颜色间的转换关系函数;根据所计算的转换关系函数来至少校正所述患者图像中患者人体图像部分的人体图像颜色为对应的真实颜色,以得到用于中医诊疗的色彩还原图像。
于本发明的一实施例中,所述参考颜色图像部分是对载有所述参考图像颜色所对应的参考真实颜色的承载物采集获取的。
于本发明的一实施例中,所述承载物包括多色标准色板。
于本发明的一实施例中,所述识别所述参考颜色图像部分中所包含的参考图像颜色,包括:通过图像识别算法从所述患者图像中识别出所述承载物;从所识别的承载物中识别出所述参考图像颜色。
于本发明的一实施例中,所述从所识别出的承载物识别参考图像颜色,包括:基于承载物上参考真实颜色的布局特征,定位所识别的承载物上的所述参考图像颜色所在位置。
于本发明的一实施例中,所述从所识别的承载物中识别出所述参考图像颜色,包括:将所识别承载物中各像素点分别与的已知的各种参考真实颜色进行匹配,根据匹配的相似度来识别所述参考图像颜色。
于本发明的一实施例中,所述根据所计算的转换关系函数来至少校正所述患者图像中患者人体的人体图像颜色为对应的真实颜色,包括:对所述患者图像中的每个像素点执行所述校正。
于本发明的一实施例中,所述根据所计算的转换关系函数来至少校正所述患者图像中患者人体的人体图像颜色为对应的真实颜色,包括:对所述患者图像中经图像语义分割得到的患者人体图像部分的各像素点执行所述校正。
为实现上述目的及其他相关目的,本发明提供一种计算机设备,包括:处理器及存储器;所述存储器,用于存储患者图像色彩还原程序;所述处理器,连接所述存储器,用于运行所述患者图像色彩还原程序以实现所述的患者图像色彩还原方法。
为实现上述目的及其他相关目的,本发明提供一种计算机可读存储介质,存储有患者图像色彩还原程序,所述患者图像色彩还原程序被处理器运行时实现所述的患者图像色彩还原方法。
如上所述,本发明的患者图像色彩还原方法、装置、设备及可读存储介质,其实现通过图像采集设备采集患者图像,其中,所述患者图像中含有患者人体图像部分及参考颜色图像部分;识别所述参考颜色图像部分中所包含的参考图像颜色;计算所述参考图像颜色同其所对应的已知的参考真实颜色间的转换关系函数;根据所计算的转换关系函数来至少校正所述患者图像中患者人体图像部分的人体图像颜色为对应的真实颜色,以得到用于中医诊疗的色彩还原图像;由于参考颜色图像部分与患者人体图像部分是摄录于同一图像中,因此,其所处光照环境相同,在此情况下,利用计算出的已知真实颜色与其对应在图像中的图像颜色的对应关系,就能将人体的人体图像颜色还原成真实颜色,利于提升远程中医诊疗的精准性。
附图说明
图1显示为本发明实施例中患者图像色彩还原方法的流程示意图。
图2显示为本发明实施例中患者图像的示意图。
图3显示为本发明实施例中患者图像色彩还原装置的模块示意图。
图4显示为本发明实施例中计算机设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明的技术方案的改进原理,在于拍摄患者图像(例如照片)的同时带入已知颜色的物体,从而将两者限制处于同一拍摄环境下摄取;进而,设该已知颜色的真实颜色为C,如果能计算出表示已知颜色在患者图像中的图像颜色C’和已知的真实颜色C的转换关系函数F,满足C=F(C’),那么,假设患者图像中人体部分的图像颜色为B,而真实颜色为B的话,由于该拍摄环境的限制,B和B’之间也满足B=F(B’),则通过转换关系函数F来将B’校正为真实颜色B,也就实现了所需的颜色还原,也就实现了白平衡调整。
如图1所示,基于此原理,展示本发明实施例中患者图像色彩还原方法的流程示意图。
所述方法包括:
步骤S101:通过图像采集设备采集患者图像,其中,所述患者图像中含有患者人体图像部分及参考颜色图像部分。
于本发明的一实施例中,所述人体图像部分是关于人体的图像,所述人体包括头部、驱干及四肢,所述人体图像部分中可以包含关于人体头部上脸部(如面色、眼部、鼻等)、舌头(如舌形、舌苔等)等的图像数据,也可以包括例如四肢中手部的掌面、指甲的图像数据等,所述人体图像部分可以是对人体体表采集的图像,也可以是对人体体内组织采集的图像。
于本发明的一实施例中,所述参考颜色图像部分是对载有所述参考图像颜色所对应的参考真实颜色的承载物采集获取的。举例来说,所述承载物优选为多色标准色板,例如24色标准色板等,也可以是纯白色板等,只要是已知颜色即可。
如图2所示,展示一实施例中的患者图像200的示意图,从图中可见,该患者图像200是包含了同时摄取的人体的人体图像部分201以及承载物的参考颜色图像部分202。
在该患者图像200中,人体图像部分201主要是对应头部,尤其是脸部,因为脸部的面色和舌苔颜色是主要的中医诊断的观察对象,当然,在其他实施例中也可以是掌面、指甲等。
在本实施例中,所述承载物为24色标准色板;当然,所述承载物也可以是其他物件,仅需承载有已知的参考真实颜色即可,并非以标准色板为限。
需说明的是,所述已知表示的是至少颜色的R、G、B颜色值已知,以标准色为例,红色RGB(255,0,0),绿色RGB(0,255,0),蓝色RGB(0,0,255),青色RGB(0,255,255),紫色RGB(0,255,255)等。
步骤S102:识别所述参考颜色图像部分中所包含的参考图像颜色。
由于可以通过承载物来承载所述参考真实颜色,则若要识别出承载物上的参考真实颜色,就需要先从患者图像中识别出承载物,进而从承载物中识别出参考真实颜色。
从所述患者图像中识别出所述承载物可以通过图像识别算法来实现。
图像识别算法的数学本质属于模式空间到类别空间的映射问题。目前,在图像识别的发展中,主要有三种识别方法:统计模式识别、结构模式识别、模糊模式识别。
图像分割是图像处理中的一项关键技术。现有的图像分割的方法有许多种,有阈值分割方法,边缘检测方法,区域提取方法,结合特定理论工具的分割方法等。从图像的类型来分有:灰度图像分割、彩色图像分割和纹理图像分割等。早在1965年就有人提出了检测边缘算子,使得边缘检测产生了不少经典算法。但在近二十年间,随着基于直方图和小波变换的图像分割方法的研究计算技术、VLSI技术的迅速发展,有关图像处理方面的研究取得了很大的进展。图像分割方法结合了一些特定理论、方法和工具,如基于数学形态学的图像分割、基于小波变换的分割、基于遗传算法的分割等。
当然,也可以采用神经网络模型来进行图像分割,如卷积神经网络(CNN)、全卷积网络(FCN)等。
如果是动态的场景,要实现以所述承载物为可能会运动的目标进行目标检测及跟踪,也可以采用一些目标检测/跟踪的算法,例如传统的目标检测算法HAAR特征+ADABOOST算法、HOG特征+SVM算法、DPM算法等,或者基于神经网络模型的目标检测算法,例如R-CNN,SPP-NET,FAST-RCNN,FASTER-RCNN,YOLO,YOLO9000,R-FCN、MASK-RCNN等等。
在本发明的一实施例中,可以看到承载物即色板的周侧都是黑色,则通过边缘特征提取的方式很容易就能识别出患者图像中的承载物。
在从患者图像中识别出承载物之后,再从所识别的承载物中识别出所述参考图像颜色。
于本发明的一实施例中,可以通过参考颜色图像部分中各种参考图像颜色所在位置来识别颜色。
若确定了承载物的目标,而承载物上各个参考颜色的位置皆为固定,则基于患者图像中所述识别的承载物与真实承载物间的位置转换关系函数,就可以定位所识别的承载物上的所述参考图像颜色所在位置。
举例来说,以图2中的标准色板为例,每个标准色占用一个方形区域,各个方形区域按矩阵中的横、竖方向排列,例如左上角区域为深肤色,其纵向下一区域为橙色,其横向右一区域为浅肤色,左下角区域为纯白等,各区域间以黑色相隔,这都是承载物上各种参考真实颜色的布局特点,我们可以利用布局特点提取的布局特征(如数字、字母、向量、矩阵等)来表示。
在从患者图像中识别出承载物的情况下,图像中承载物的纵向和横向至少可以确定,只是在正反方位上不能确定,如果在拍摄时就将承载物在规定位置按固定姿态放置,例如图2所示的正向水平放置,则很容易就能利用“左下角是纯白区域”的布局特点相应的布局特征直接在左下角定位到纯白区域。因此,优选的,所述承载物与拍摄镜头间位置固定。
而若拍摄时承载物不是固定设置的,甚至是在运动的,则需要能反映其运动姿态的布局特征,可以人为地在承载物上的增加一定位标识,例如各种字母、数字、符号、图案等等,用于目标检测时就能直接定位承载物的姿态,从而直接就能分辨其各个参考图像颜色所在区域。
在本发明的另外的实施例中,也可以通过将所识别承载物中各像素点分别与的已知的各种参考真实颜色进行匹配,根据匹配的相似度来识别所述参考图像颜色。
举例来说,若一区域中的各个像素点90%以上都近似于红色,那么其对应的就是红色的参考图像颜色。
根据上述实施例,可以说明的是,从已识别的承载物识别参考图像颜色可以有多种方式,以上仅为部分例举,不一一展开赘述。
步骤S103:计算所述参考图像颜色同其所对应的已知的参考真实颜色间的转换关系函数。
在获取到参考图像颜色的RGB值的情况下,参考真实颜色间的RGB值已知,则很容易就能计算得到参考图像颜色转换至真实颜色的转换关系函数F。
步骤S104:根据所计算的转换关系函数来至少校正所述患者图像中患者人体图像部分的人体图像颜色为对应的真实颜色,以得到用于中医诊疗的色彩还原图像。
于本发明的一实施例中,所述校正可以是针对患者图像中每个像素点的来执行的,则转换后患者图像中每个像素点都得到还原。
于本发明的其它实施例中,也可以是仅对人体图像部分进行还原的,具体的,先对所述患者图像中经图像语义分割得到患者人体图像部分,再对分割得到的人体图像部分各像素点执行所述校正,这样可以经分割且校正后的人体图像部分放到能清晰比对的背景色中,例如白色,这样更便于医生精确识别患者的真实情况。
如图3所示,展示本发明实施例中的患者图像色彩还原装置300的模块示意图,其用于展示对前述患者图像色彩还原方法在具体实现的设备上的功能模块构成。因此,原理与之前方法实施例相似,实施例间的技术特征可以相互通用,故相同的技术细节不作重复赘述。
所述装置包括:图像采集模块301及处理模块302。
所述图像采集模块301,用于通过图像采集设备采集患者图像,其中,所述患者图像中含有患者人体图像部分及参考颜色图像部分。
所述处理模块302,用于识别所述参考颜色图像部分中所包含的参考图像颜色;计算所述参考图像颜色同其所对应的已知的参考真实颜色间的转换关系函数;根据所计算的转换关系函数来至少校正所述患者图像中患者人体图像部分的人体图像颜色为对应的真实颜色,以得到用于中医诊疗的色彩还原图像。
于本发明的一实施例中,所述参考颜色图像部分是对载有所述参考图像颜色所对应的参考真实颜色的承载物采集获取的。
于本发明的一实施例中,所述承载物包括多色标准色板。
于本发明的一实施例中,所述识别所述参考颜色图像部分中所包含的参考图像颜色,包括:通过图像识别算法从所述患者图像中识别出所述承载物;从所识别的承载物中识别出所述参考图像颜色。
于本发明的一实施例中,所述从所识别出的承载物识别参考图像颜色,包括:基于承载物上参考真实颜色的布局特征,定位所识别的承载物上的所述参考图像颜色所在位置。
于本发明的一实施例中,所述从所识别的承载物中识别出所述参考图像颜色,包括:将所识别承载物中各像素点分别与的已知的各种参考真实颜色进行匹配,根据匹配的相似度来识别所述参考图像颜色。
于本发明的一实施例中,所述根据所计算的转换关系函数来至少校正所述患者图像中患者人体的人体图像颜色为对应的真实颜色,包括:对所述患者图像中的每个像素点执行所述校正。
于本发明的一实施例中,所述根据所计算的转换关系函数来至少校正所述患者图像中患者人体的人体图像颜色为对应的真实颜色,包括:对所述患者图像中经图像语义分割得到的患者人体图像部分的各像素点执行所述校正。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,处理模块302302可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上处理模块302302的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,包含信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC),或,一个或多个微处理器(digitalsingnalprocessor,简称DSP),或,一个或者多个现场可编程门阵列(FieldProgrammableGateArray,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessingUnit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
如图4所示,展示本发明提供的计算机设备400的电路结构示意图。所述计算机设备400可以应用于电脑、笔记本电脑、平板电脑或智能手机等各种具有处理能力的电子设备。
所述计算机设备400包括:通信接口401、处理器402及存储器403。
所述通信接口401,可以通信连接外部设备,例如图像采集设备,如摄像头等。
所述存储器403,用于存储患者图像色彩还原程序。
所述处理器402,连接所述存储器403及通信接口401(例如通过总线连接),其运行所述患者图像色彩还原程序以执行前述实施例所展示的患者图像色彩还原方法。
所述存储器403可能包含随机存取存储器(RandomAccessMemory,简称RAM),也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
所述的处理器402可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DigitalSignalProcessing,简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
为实现上述目的及其他相关目的,本发明提供一种计算机可读存储介质,存储有患者图像色彩还原程序,所述患者图像色彩还原程序被处理器运行时实现前述实施例中的患者图像色彩还原方法。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(SolidStateDisk,SSD))等。
需说明的是,在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令,例如所述清洁控制程序,可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(SolidStateDisk,SSD))等。
综上所述,本发明的清洁控制方法、装置、设备及计算机存储介质,通过所建立的对应室内环境的室内环境语义描述地图来甄别不同场景,从而对应采用针对性的清洁方案。本发明实现通过环境的识别出可使扫地机器人能够更有针对性地清洁,提高清洁质量和效率。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中包含通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (11)
1.一种患者图像色彩还原方法,其特征在于,包括:
通过图像采集设备采集患者图像,其中,所述患者图像中含有患者人体图像部分及参考颜色图像部分;
识别所述参考颜色图像部分中所包含的参考图像颜色;
计算所述参考图像颜色同其所对应的已知的参考真实颜色间的转换关系函数;
根据所计算的转换关系函数来至少校正所述患者图像中患者人体图像部分的人体图像颜色为对应的真实颜色,以得到用于中医诊疗的色彩还原图像。
2.根据权利要求1所述的患者图像色彩还原方法,其特征在于,所述参考颜色图像部分是对载有所述参考图像颜色所对应的参考真实颜色的承载物采集获取的。
3.根据权利要求2所述的患者图像色彩还原方法,其特征在于,所述承载物包括多色标准色板。
4.根据权利要求2所述的患者图像色彩还原方法,其特征在于,所述识别所述参考颜色图像部分中所包含的参考图像颜色,包括:
通过图像识别算法从所述患者图像中识别出所述承载物;
从所识别的承载物中识别出所述参考图像颜色。
5.根据权利要求4所述的患者图像色彩还原方法,其特征在于,所述从所识别出的承载物识别参考图像颜色,包括:
基于承载物上参考真实颜色的布局特征,定位所识别的承载物上的所述参考图像颜色所在位置。
6.根据权利要求4所述的患者图像色彩还原方法,其特征在于,所述从所识别的承载物中识别出所述参考图像颜色,包括:
将所识别承载物中各像素点分别与的已知的各种参考真实颜色进行匹配,根据匹配的相似度来识别所述参考图像颜色。
7.根据权利要求1所述的患者图像色彩还原方法,其特征在于,所述根据所计算的转换关系函数来至少校正所述患者图像中患者人体的人体图像颜色为对应的真实颜色,包括:
对所述患者图像中的每个像素点执行所述校正。
8.根据权利要求1所述的患者图像色彩还原方法,其特征在于,所述根据所计算的转换关系函数来至少校正所述患者图像中患者人体的人体图像颜色为对应的真实颜色,包括:
对所述患者图像中经图像语义分割得到的患者人体图像部分的各像素点执行所述校正。
9.一种患者图像色彩还原装置,其特征在于,包括:
图像采集模块,用于通过图像采集设备采集患者图像,其中,所述患者图像中含有患者人体图像部分及参考颜色图像部分;
处理模块,用于识别所述参考颜色图像部分中所包含的参考图像颜色;计算所述参考图像颜色同其所对应的已知的参考真实颜色间的转换关系函数;根据所计算的转换关系函数来至少校正所述患者图像中患者人体图像部分的人体图像颜色为对应的真实颜色,以得到用于中医诊疗的色彩还原图像。
10.一种计算机设备,其特征在于,包括:处理器及存储器;
所述存储器,用于存储患者图像色彩还原程序;
所述处理器,连接所述存储器,用于运行所述患者图像色彩还原程序以实现如权利要求1至8中任一项所述的患者图像色彩还原方法。
11.一种计算机可读存储介质,其特征在于,存储有患者图像色彩还原程序,所述患者图像色彩还原程序被处理器运行时实现如权利要求1至8中任一项所述的患者图像色彩还原方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810799809.3A CN110739047A (zh) | 2018-07-19 | 2018-07-19 | 患者图像色彩还原方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810799809.3A CN110739047A (zh) | 2018-07-19 | 2018-07-19 | 患者图像色彩还原方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110739047A true CN110739047A (zh) | 2020-01-31 |
Family
ID=69235625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810799809.3A Pending CN110739047A (zh) | 2018-07-19 | 2018-07-19 | 患者图像色彩还原方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110739047A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022000686A (ja) * | 2020-06-17 | 2022-01-04 | Dic株式会社 | 画像表示システム、及び画像表示方法 |
CN115018739A (zh) * | 2022-08-08 | 2022-09-06 | 北京国安广传网络科技有限公司 | 一种基于数字处理的便携式家庭医生智慧工作站系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894212A (zh) * | 2010-07-05 | 2010-11-24 | 上海交通大学医学院 | 一种对皮肤创面综合检测的方法 |
CN102662559A (zh) * | 2012-03-13 | 2012-09-12 | 西安交通大学 | 基于场景识别的虚拟触摸屏技术的设计方法 |
CN103392185A (zh) * | 2010-12-30 | 2013-11-13 | 派尔高公司 | 用于视频取证搜索的颜色相似性分类 |
CN105187810A (zh) * | 2014-11-11 | 2015-12-23 | 怀效宁 | 一种基于人脸色彩特征的自动白平衡方法及电子媒体装置 |
CN107292894A (zh) * | 2017-06-28 | 2017-10-24 | 新绎健康科技有限公司 | 一种用于对罐斑图像特征进行处理的方法及系统 |
-
2018
- 2018-07-19 CN CN201810799809.3A patent/CN110739047A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894212A (zh) * | 2010-07-05 | 2010-11-24 | 上海交通大学医学院 | 一种对皮肤创面综合检测的方法 |
CN103392185A (zh) * | 2010-12-30 | 2013-11-13 | 派尔高公司 | 用于视频取证搜索的颜色相似性分类 |
CN102662559A (zh) * | 2012-03-13 | 2012-09-12 | 西安交通大学 | 基于场景识别的虚拟触摸屏技术的设计方法 |
CN105187810A (zh) * | 2014-11-11 | 2015-12-23 | 怀效宁 | 一种基于人脸色彩特征的自动白平衡方法及电子媒体装置 |
CN107292894A (zh) * | 2017-06-28 | 2017-10-24 | 新绎健康科技有限公司 | 一种用于对罐斑图像特征进行处理的方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘关松,吕嘉雯,徐建国,高敦岳: "监督颜色校正方法研究" * |
莫传伟,武哲丽,陈群: "中医舌诊客观化识别与图像技术的探析" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022000686A (ja) * | 2020-06-17 | 2022-01-04 | Dic株式会社 | 画像表示システム、及び画像表示方法 |
JP7136955B2 (ja) | 2020-06-17 | 2022-09-13 | Dic株式会社 | 画像表示システム、及び画像表示方法 |
CN115018739A (zh) * | 2022-08-08 | 2022-09-06 | 北京国安广传网络科技有限公司 | 一种基于数字处理的便携式家庭医生智慧工作站系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6905602B2 (ja) | 画像照明方法、装置、電子機器および記憶媒体 | |
CN107944379B (zh) | 基于深度学习的眼白图像超分辨率重建与图像增强方法 | |
CN108765278A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
WO2021012370A1 (zh) | 瞳孔半径的检测方法、装置、计算机设备和存储介质 | |
CN110536068A (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN103716529B (zh) | 阈值设定装置、被摄体检测装置、阈值设定方法 | |
CN111339831B (zh) | 一种照明灯控制方法和系统 | |
CN109712177A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN108921881A (zh) | 一种基于单应性约束的跨摄像头目标跟踪方法 | |
WO2020164266A1 (zh) | 一种活体检测方法、系统及终端设备 | |
CN103957396A (zh) | 利用智能设备进行舌诊时的图像处理方法、装置及设备 | |
CN110349163A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN113411507B (zh) | 测肤图像的获取方法、装置、设备及存储介质 | |
CN108616700A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110346116A (zh) | 一种基于图像采集的场景照度计算方法 | |
CN106713740A (zh) | 定位跟踪摄像方法与系统 | |
CN110739047A (zh) | 患者图像色彩还原方法、装置、设备及可读存储介质 | |
CN114078278A (zh) | 注视点定位方法与装置、电子设备和存储介质 | |
CN114938556B (zh) | 台灯光线自动调节方法、装置、电子设备及存储介质 | |
CN109886336A (zh) | 一种基于舰基图像的目标检测方法及系统 | |
CN109451292B (zh) | 图像色温校正方法及装置 | |
KR102125633B1 (ko) | 동물의 개체 식별 및 특정화 시스템 및 방법 | |
WO2021218696A1 (zh) | 肤色检测方法、装置、终端和存储介质 | |
CN112598716B (zh) | 一种多模态图像的配准方法、装置及系统 | |
WO2021208630A1 (zh) | 标定方法、标定装置及应用其的电子设备 |
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 |