CN111210437A - 一种基于辅助圆划分气体放电能量图扇区的方法及系统 - Google Patents

一种基于辅助圆划分气体放电能量图扇区的方法及系统 Download PDF

Info

Publication number
CN111210437A
CN111210437A CN201911356407.7A CN201911356407A CN111210437A CN 111210437 A CN111210437 A CN 111210437A CN 201911356407 A CN201911356407 A CN 201911356407A CN 111210437 A CN111210437 A CN 111210437A
Authority
CN
China
Prior art keywords
inner contour
determining
angle
auxiliary circle
direction line
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.)
Granted
Application number
CN201911356407.7A
Other languages
English (en)
Other versions
CN111210437B (zh
Inventor
汤青
宋臣
魏春雨
王雨晨
周枫明
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.)
Ennova Health Technology Co ltd
Original Assignee
Ennova Health 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 Ennova Health Technology Co ltd filed Critical Ennova Health Technology Co ltd
Priority to CN201911356407.7A priority Critical patent/CN111210437B/zh
Publication of CN111210437A publication Critical patent/CN111210437A/zh
Application granted granted Critical
Publication of CN111210437B publication Critical patent/CN111210437B/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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Geometry (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于辅助圆划分气体放电能量图扇区的方法及系统，属于图像处理技术领域。本发明方法，包括：采集手指能量图样本图，并对采集的手指能量图样本图进行灰度化处理，获取灰度样本图；确定灰度样本图的每个像素点的像素值，滤除像素值小于预设阈值的像素点，获取滤除图；对滤除图进行二值化处理和形态学膨胀处理，并确定经二值化处理和形态学膨胀处理后的滤除图的内轮廓点集合和内轮廓质心点，对内轮廓点集合和内轮廓质心点进行拟合，确定内轮廓椭圆图；根据多条分区方向线划分内轮廓椭圆图，根据划分后的内轮廓椭圆图确定气体放电能量图扇区。本发明为进一步能量分析奠定了坚实的基础。

Description

一种基于辅助圆划分气体放电能量图扇区的方法及系统
技术领域
本发明涉及图像处理技术领域，并且更具体地，涉及一种基于辅助圆划分气体放电能量图扇区的方法及系统。
背景技术
现代生物光子学的研究表明，人体能够自发地发出电子和光子，产生肉眼看不见的辉光。
科学家把人体发出的电子和光子，视为人体能量的表现；人体自发产生的能量就构成了人体能量场，并且利用能量场检测设备可以检测到人体十根手指能量。
采集到手指能量图像后，计算出能量图像的方向，然后对每根手指的能量图像进行扇形分区操作，并分析能量图像中每个扇区的能量特征；由于手指能量图每一个扇区对应人体不同的部位与不同的器官，对每一个扇形区域能量的分析，就可以得到人体各个器官的状况，进而通过对所有情况的综合分析就可以得到人体健康状况的进行有效的评估，然而目前还没有有效的技术提供手指能量图像。
发明内容
针对上述问题本发明提出了一种基于辅助圆划分气体放电能量图扇区的方法，包括：
采集手指能量图样本图，并对采集的手指能量图样本图进行灰度化处理，获取灰度样本图；
确定灰度样本图的每个像素点的像素值，滤除像素值小于预设阈值的像素点，获取滤除图；
对滤除图进行二值化处理和形态学膨胀处理，并确定经二值化处理和形态学膨胀处理后的滤除图的内轮廓点集合和内轮廓质心点，对内轮廓点集合和内轮廓质心点进行拟合，确定内轮廓椭圆图；
确定内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点，对内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点和内轮廓质心点进行连接，确定主方向线，并以内轮廓质心点为圆心和预设半径确定辅助圆，根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，根据多个分区方向线的角度值，确定多条分区方向线，根据多条分区方向线划分内轮廓椭圆图，根据划分后的内轮廓椭圆图确定气体放电能量图扇区。
可选的，外接矩形的顶点，为外接矩形左上角和右上角之间的中点。
可选的，预设半径大于内轮廓椭圆图中椭圆长轴的二分之一。
可选的，确定方向线的角度值，具体为：根据方向线、辅助圆的圆心和辅助圆的预设半径，延长方向线并确定延长后的方向线与辅助圆的交点坐标，根据交点坐标，确定方向线的角度值。
可选的，根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，具体为：
确定辅助圆圆心坐标，根据辅助圆的圆心坐标，确定外接矩形的顶点坐标，顶点坐标如下：
x1＝x0+R*cos(angle*PI/180)
y1＝y0+R*sin(angle*PI/180)
其中，(x1，y1)为任意一点坐标、(x0，x0)为辅助圆的圆心坐标、PI为圆周率；
根据上述公式可以得到主方向线角度值计算方程，如下：
angle＝(acos(x1–x0)/R)*180)/PI
或
angle＝(asin(y1–y0)/R)*180)/PI。
可选的，多个分区方向线的角度值，确定多条分区方向线，具体为：
对多个分区方向线的角度值以预设顺序排列在数组中，确定数组中每一个分区方向线的角度值对应在辅助圆的上的点的坐标，确定公式如下：
x＝CenterPoint_x+R*cos((PI/180)*(angle+angleValue[i]))
y＝CenterPoint_y+R*sin((PI/180)*(angle+angleValue[i]))
angleValue是获取的角度数组；
连接辅助圆的上的点和辅助圆圆心，确定多条分区方向线。
本发明一种基于辅助圆划分气体放电能量图扇区的系统，包括：
采集模块，采集手指能量图样本图，并对采集的手指能量图样本图进行灰度化处理，获取灰度样本图；
预处理模块，确定灰度样本图的每个像素点的像素值，滤除像素值小于预设阈值的像素点，获取滤除图；
处理模块，对滤除图进行二值化处理和形态学膨胀处理，并确定经二值化处理和形态学膨胀处理后的滤除图的内轮廓点集合和内轮廓质心点，对内轮廓点集合和内轮廓质心点进行拟合，确定内轮廓椭圆图；
计算模块，确定内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点，对内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点和内轮廓质心点进行连接，确定主方向线，并以内轮廓质心点为圆心和预设半径确定辅助圆，根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，根据多个分区方向线的角度值，确定多条分区方向线，根据多条分区方向线划分内轮廓椭圆图，根据划分后的内轮廓椭圆图确定气体放电能量图扇区。
可选的，外接矩形的顶点，为外接矩形左上角和右上角之间的中点。
可选的，预设半径大于内轮廓椭圆图中椭圆长轴的二分之一。
可选的，确定方向线的角度值，具体为：根据方向线、辅助圆的圆心和辅助圆的预设半径，延长方向线并确定延长后的方向线与辅助圆的交点坐标，根据交点坐标，确定方向线的角度值。
可选的，根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，具体为：
确定辅助圆圆心坐标，根据辅助圆的圆心坐标，确定外接矩形的顶点坐标，顶点坐标如下：
x1＝x0+R*cos(angle*PI/180)
y1＝y0+R*sin(angle*PI/180)
(x1，y1)为任意一点坐标、(x0，x0)为辅助圆的圆心坐标、PI为圆周率；
根据上述公式可以得到主方向线角度值计算方程，如下：
angle＝(acos(x1–x0)/R)*180)/PI
或
angle＝(asin(y1–y0)/R)*180)/PI。
可选的，根据多个分区方向线的角度值，确定多条分区方向线，具体为：
对多个分区方向线的角度值以预设顺序排列在数组中，确定数组中每一个分区方向线的角度值对应在辅助圆的上的点的坐标，确定公式如下：
x＝CenterPoint_x+R*cos((PI/180)*(angle+angleValue[i]))
y＝CenterPoint_y+R*sin((PI/180)*(angle+angleValue[i]))
angleValue是获取的角度数组；
连接辅助圆的上的点和辅助圆圆心，确定多条分区方向线。
本发明为进一步能量分析奠定了坚实的基础。
附图说明
图1为本发明一种基于辅助圆划分气体放电能量图扇区的方法流程图；
图2为本发明一种基于辅助圆划分气体放电能量图扇区的方法样本图；
图3为本发明一种基于辅助圆划分气体放电能量图扇区的方法灰度化处理图；
图4为本发明一种基于辅助圆划分气体放电能量图扇区的方法滤除结果图；
图5为本发明一种基于辅助圆划分气体放电能量图扇区的方法二值化结果图；
图6为本发明一种基于辅助圆划分气体放电能量图扇区的方法膨胀处理结果图；
图7为本发明一种基于辅助圆划分气体放电能量图扇区的方法内轮廓圆结果图；
图8为本发明一种基于辅助圆划分气体放电能量图扇区的方法内轮质心结果图；
图9为本发明一种基于辅助圆划分气体放电能量图扇区的方法拟合椭圆结果图；
图10为本发明一种基于辅助圆划分气体放电能量图扇区的方法外接矩形结果图；
图11为本发明一种基于辅助圆划分气体放电能量图扇区的方法连接线图；
图12为本发明一种基于辅助圆划分气体放电能量图扇区的方法辅助圆效果图；
图13为本发明一种基于辅助圆划分气体放电能量图扇区的方法分区包含辅助圆结果图；
图14为本发明一种基于辅助圆划分气体放电能量图扇区的方法分区不包含辅助圆结果图；
图15为本发明一种基于辅助圆划分气体放电能量图扇区的系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种基于辅助圆划分气体放电能量图扇区的方法，如图1所示，包括：
采集手指能量图样本图，如图2所示，并对采集的手指能量图样本图进行灰度化处理，获取灰度样本图，如图3所示；
确定灰度样本图的每个像素点的像素值，滤除像素值小于预设阈值的像素点，获取滤除图，如图4所示；
对滤除图进行二值化处理，结果如图5所示，和形态学膨胀处理，结果如图6所示，并确定经二值化处理和形态学膨胀处理后的滤除图的内轮廓点集合和内轮廓质心点，对内轮廓点集合和内轮廓质心点进行拟合，确定内轮廓椭圆图，如图7所示，质心点如图8所示，拟合结果如图9所示；
确定内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点，外接矩形的顶点，为外接矩形左上角和右上角之间的中点。
对内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点和内轮廓质心点进行连接，矩阵图如图1所示，连接图如图11所示，确定主方向线，并以内轮廓质心点为圆心和预设半径确定辅助圆，预设半径大于内轮廓椭圆图中椭圆长轴的二分之一。
根据主方向线和辅助圆，辅助圆图如图12所示，确定主方向线与多个分区方向线的角度值，根据多个分区方向线的角度值，确定多条分区方向线，根据多条分区方向线划分内轮廓椭圆图，效果图如图13和14所示，根据划分后的内轮廓椭圆图确定气体放电能量图扇区。
确定方向线的角度值，具体为：根据方向线、辅助圆的圆心和辅助圆的预设半径，延长方向线并确定延长后的方向线与辅助圆的交点坐标，根据交点坐标，确定方向线的角度值。
根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，具体为：
确定辅助圆圆心坐标，根据辅助圆的圆心坐标，确定外接矩形的顶点坐标，顶点坐标如下：
x1＝x0+R*cos(angle*PI/180)
y1＝y0+R*sin(angle*PI/180)
(x1，y1)为任意一点坐标、(x0，x0)为辅助圆的圆心坐标、PI为圆周率；
根据上述公式可以得到主方向线角度值计算方程，如下：
angle＝(acos(x1–x0)/R)*180)/PI
或
angle＝(asin(y1–y0)/R)*180)/PI。
多个分区方向线的角度值，确定多条分区方向线，具体为：
对多个分区方向线的角度值以预设顺序排列在数组中，确定数组中每一个分区方向线的角度值对应在辅助圆的上的点的坐标，确定公式如下：
x＝CenterPoint_x+R*cos((PI/180)*(angle+angleValue[i]))
y＝CenterPoint_y+R*sin((PI/180)*(angle+angleValue[i]))
连接辅助圆的上的点和辅助圆圆心，确定多条分区方向线。
下面结合实时里对本发明进行进一步说明：
图像灰度化即是将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。
通过计算彩色图像三个通道图像像素值的平均值，并将这个平均值赋给当前像素点，处理流程下：
(1)将彩色图像分解成R、G、B三个通道图像；
(2)R(x,y)、G(x,y)、B(x,y)分别表示R、G、B通道图像上的像素值
(3)计算R(x,y)、G(x,y)、B(x,y)的均值m
m＝(R(x,y)+G(x,y)+B(x,y))/3
(4)将均值m赋给原图I(x,y)
I(x,y)＝m
在能量场检测设备采集到的GDV能量图像中，规定像素灰度值大于阈值ICP的能量像素为有效能量，因此对手指能量图像进行像素滤除操作，具体步骤如下所示：
(1)遍历手指能量图灰度图像；
(2)计算灰度图像中像素灰度值大于0的所有像素灰度值总和I；
(3)计算灰度图像中像素灰度值大于0的像素个数S；
(4)计算手指能量图灰度平均强度：
ICP＝I/S
(5)遍历手指能量图灰度图像，当像素值P小于图像灰度平均强度ICP时，设置像素值P为0
由于光照的影响，图像的灰度可能不是均匀分布的，此时采用单一阈值的分割方法得出的效果不好。因此本专利采用自适应阈值的方法。自适应阈值是一种局部方法，它的原理是根据每个像素的邻域计算阈值，将每个像素的值与邻域的平均值进行比较。具体原理如下：
(1)求像素领域的平均值，像素点的领域大小为blocksize*blocksize，sum为所有领域内像素值的总和，avg为平均值；
设blocksize＝3，则有领域示意图如下
I(x-1,y-1) I(x-1,y) I(x-1,y+1)
I(x,y-1) I(x,y) I(x,y+1)
I(x+1,y-1) I(x+1,y) I(x+1,y+1)
则有
sum＝I(x-1,y-1)+I(x-1,y)+…+I(x+1,y)+I(x+1,y+1)
avg＝sum/3*3
(2)得出局部自适应阈值函数，I(x,y)是所处理的目标像素点，avg为阈值；
Figure BDA0002336043020000091
(3)重复第(1)与(2)步，遍历整个图像；
对手指能量图像进行局部自适应二值化后，图像中会有连通域断裂的现象，因此采用形态学膨胀的方法将断裂的连通域连接起来，并加大延伸连通域的横向与竖向。
本发明主要技术路线是先计算出手指能量图像的内轮廓，再根据内轮廓求出轮廓的质心点坐标信息，并采用内轮廓点拟合出相应的椭圆图像，进而计算出椭圆图像的外界矩形，得到椭圆外界矩形上边界的中心点坐标，连接质心点与中心点，得出方向线，再根据GDV手指能量图像的方向线进行下一步操作，最终完成扇形区域的划分。
用图像矩计算闭合区域(内轮廓)即连通域的质心点，内轮廓的(p+q)阶矩可以由下式所求：
Figure BDA0002336043020000092
其中p,q＝0，1，2，3，…p对应x纬度上的矩，q对应y纬度上的矩，I(x,y)表示字符或字符粘连块图像，M表示x纬度的最大取值，N表示y纬度的最大取值。
对于二值化图像，当p＝1，q＝0时，即轮廓矩的水平矩m10，
Figure BDA0002336043020000093
当p＝0，q＝1时，轮廓矩的垂直矩m01，
Figure BDA0002336043020000094
当p＝0，q＝0时，即轮廓的面积m00，
Figure BDA0002336043020000095
令xc、yc为内轮廓质心点的横坐标与纵坐标，
xc＝m10/m00
yc＝m01/m00
则重心表示为Hc,s(yc,yc)。
在上一步中已经得到手指能量图像内轮廓点的集合，因此本专利采用OpenCV中的算法进行手指能量图像内轮廓椭圆的拟合计算，结果如图9所示。
在上一步中已经通过手指能量图像内轮廓点的集合拟合出内轮廓的椭圆，并且从能量场检测设备采集方法可知采集到的手指能量图像的正方向为竖直向上，因此本专利采用OpenCV方法boundingRect，计算出内轮廓椭圆的外接矩形顶点坐标信息，进而得到外接矩形得到外接矩形左上角与右上角坐标信息，其中LeftPoint_x，LeftPoint_y为左上角横坐标与纵坐标，RightPoint_x，RightPoint_y为右上角横坐标与纵坐标，因此可以计算出外接矩形上边界中心点坐标CenterPoint：
CenterPoint_x＝(LeftPoint_x+RightPoint_x)/2
CenterPoint_y＝(LeftPoint_y+RightPoint_y)/2
内轮廓质心点与内轮廓椭圆外接矩形上边界中心点的坐标信息，因此通过连接已知的坐标信息的质心点与上边界中心点，最终得到手指能量图像的方向线，
通过设置GDV手指能量图像辅助圆的方法进行扇形区域的划分，要求辅助圆尽可能大，GDV手指能量图像被辅助圆包含并且不能辅助圆相交；设辅助圆以内轮廓质心为原点、R为半径，效果如图12所示，图中辅助圆上部已经超出了整个GDV手指能量图像样本，但这不会影响后期扇形区域的划分。
根据已知的方向线为基准进行GDV手指能量图像扇形区域的划分操作；由上一步已知辅助圆的圆心坐标(CenterPoint_x,CenterPoint_y)与半径R，并且方向线另一端坐标(内轮廓外接矩形上边界中心点坐标)位于辅助圆的同心圆圆弧上，因此根据圆的性质可以计算出方向线在圆弧上对应点的坐标信息；已知圆心，半径，角度，我们可以求出圆上的点坐标，如下所示：
x1＝x0+R*cos(angle*PI/180)
y1＝y0+R*sin(angle*PI/180)
反过来已知圆心，半径，圆上的点，我们可以求出对应的角度值，如下所示。
angle_x＝(acos(x1–x0)/R)*180)/PI
angle_y＝(asin(y1–y0)/R)*180)/PI
其中angle_x等于angle_y。
可以得出方向线角度值angle；
angle＝(acos(CenterPoint_x–LeftPoint_x)/R)*180)/PI
或
angle＝(asin(CenterPoint_y–LeftPoint_y)/R)*180)/PI
获取特定角度对应在圆弧上点的坐标
由上一步我们知道已知圆心，半径，角度，可以求出圆上的点坐标；因此对于GDV手指能量图像的特定角度值angleValue[i](采集GDV能量图像的手指不同对应不同(或相同)的i值)，角度值按从小到大的顺序排列在数组中。以方向线的角度值为逆时针起始角度，计算angleValue[i]中每一个点对应在辅助圆圆弧上的点的坐标，计算公式如下。
x＝CenterPoint_x+R*cos((PI/180)*(angle+angleValue[i]))
y＝CenterPoint_y+R*sin((PI/180)*(angle+angleValue[i]))
连接圆心(内轮廓质心点)与每一个角度值对应的辅助圆圆弧上的点，完成GDV手指能量图扇形区域的划分。
本发明一种基于辅助圆划分气体放电能量图扇区的系统200，如图15所示，包括：
采集模块201，采集手指能量图样本图，并对采集的手指能量图样本图进行灰度化处理，获取灰度样本图；
预处理模块202，确定灰度样本图的每个像素点的像素值，滤除像素值小于预设阈值的像素点，获取滤除图；
处理模块203，对滤除图进行二值化处理和形态学膨胀处理，并确定经二值化处理和形态学膨胀处理后的滤除图的内轮廓点集合和内轮廓质心点，对内轮廓点集合和内轮廓质心点进行拟合，确定内轮廓椭圆图；
计算模块204，确定内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点，对内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点和内轮廓质心点进行连接，确定主方向线，并以内轮廓质心点为圆心和预设半径确定辅助圆，根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，根据多个分区方向线的角度值，确定多条分区方向线，根据多条分区方向线划分内轮廓椭圆图，根据划分后的内轮廓椭圆图确定气体放电能量图扇区。
外接矩形的顶点，为外接矩形左上角和右上角之间的中点。
预设半径大于内轮廓椭圆图中椭圆长轴的二分之一。
确定方向线的角度值，具体为：根据方向线、辅助圆的圆心和辅助圆的预设半径，延长方向线并确定延长后的方向线与辅助圆的交点坐标，根据交点坐标，确定方向线的角度值。
根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，具体为：
确定辅助圆圆心坐标，根据辅助圆的圆心坐标，确定外接矩形的顶点坐标，顶点坐标如下：
x1＝x0+R*cos(angle*PI/180)
y1＝y0+R*sin(angle*PI/180)
(x1，y1)为任意一点坐标、(x0，x0)为辅助圆的圆心坐标、PI为圆周率；
根据上述公式可以得到主方向线角度值计算方程，如下：
angle＝(acos(x1–x0)/R)*180)/PI
或
angle＝(asin(y1–y0)/R)*180)/PI。
根据多个分区方向线的角度值，确定多条分区方向线，具体为：
对多个分区方向线的角度值以预设顺序排列在数组中，确定数组中每一个分区方向线的角度值对应在辅助圆的上的点的坐标，确定公式如下：
x＝CenterPoint_x+R*cos((PI/180)*(angle+angleValue[i]))
y＝CenterPoint_y+R*sin((PI/180)*(angle+angleValue[i]))
连接辅助圆的上的点和辅助圆圆心，确定多条分区方向线。
本领域内的技术人员应明白，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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (12)

1.一种基于辅助圆划分气体放电能量图扇区的方法，所述方法包括：
采集手指能量图样本图，并对采集的手指能量图样本图进行灰度化处理，获取灰度样本图；
确定灰度样本图的每个像素点的像素值，滤除像素值小于预设阈值的像素点，获取滤除图；
对滤除图进行二值化处理和形态学膨胀处理，并确定经二值化处理和形态学膨胀处理后的滤除图的内轮廓点集合和内轮廓质心点，对内轮廓点集合和内轮廓质心点进行拟合，确定内轮廓椭圆图；
确定内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点，对内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点和内轮廓质心点进行连接，确定主方向线，并以内轮廓质心点为圆心和预设半径确定辅助圆，根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，根据多个分区方向线的角度值，确定多条分区方向线，根据多条分区方向线划分内轮廓椭圆图，根据划分后的内轮廓椭圆图确定气体放电能量图扇区。
2.根据权利要求1所述的方法，所述外接矩形的顶点，为外接矩形左上角和右上角之间的中点。
3.根据权利要求1所述的方法，所述预设半径大于内轮廓椭圆图中椭圆长轴的二分之一。
4.根据权利要求1所述的方法，所述确定方向线的角度值，具体为：根据方向线、辅助圆的圆心和辅助圆的预设半径，延长方向线并确定延长后的方向线与辅助圆的交点坐标，根据交点坐标，确定方向线的角度值。
5.根据权利要求1所述的方法，所述根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，具体为：
确定辅助圆圆心坐标，根据辅助圆的圆心坐标，确定辅助圆上任意一点坐标，坐标如下：
x1＝x0+R*cos(angle*PI/180)
y1＝y0+R*sin(angle*PI/180)
(x1，y1)为任意一点坐标、(x0，x0)为辅助圆的圆心坐标、PI为圆周率；
根据上述公式可以得到主方向线角度值计算方程，如下：
angle＝(acos(x1–x0)/R)*180)/PI
或
angle＝(asin(y1–y0)/R)*180)/PI。
6.根据权利要求1所述的方法，所述根据多个分区方向线的角度值，确定多条分区方向线，具体为：
对多个分区方向线的角度值以预设顺序排列在数组中，确定数组中每一个分区方向线的角度值对应在辅助圆的上的点的坐标，确定公式如下：
x＝CenterPoint_x+R*cos((PI/180)*(angle+angleValue[i]))
y＝CenterPoint_y+R*sin((PI/180)*(angle+angleValue[i]))
angleValue是获取的角度数组；
连接辅助圆的上的点和辅助圆圆心，确定多条分区方向线。
7.一种基于辅助圆划分气体放电能量图扇区的系统，所述系统包括：
采集模块，采集手指能量图样本图，并对采集的手指能量图样本图进行灰度化处理，获取灰度样本图；
预处理模块，确定灰度样本图的每个像素点的像素值，滤除像素值小于预设阈值的像素点，获取滤除图；
处理模块，对滤除图进行二值化处理和形态学膨胀处理，并确定经二值化处理和形态学膨胀处理后的滤除图的内轮廓点集合和内轮廓质心点，对内轮廓点集合和内轮廓质心点进行拟合，确定内轮廓椭圆图；
计算模块，确定内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点，对内轮廓椭圆图中内轮廓椭圆的外接矩形的顶点和内轮廓质心点进行连接，确定主方向线，并以内轮廓质心点为圆心和预设半径确定辅助圆，根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，根据多个分区方向线的角度值，确定多条分区方向线，根据多条分区方向线划分内轮廓椭圆图，根据划分后的内轮廓椭圆图确定气体放电能量图扇区。
8.根据权利要求7所述的系统，所述外接矩形的顶点，为外接矩形左上角和右上角之间的中点。
9.根据权利要求7所述的系统，所述预设半径大于内轮廓椭圆图中椭圆长轴的二分之一。
10.根据权利要求7所述的系统，所述确定方向线的角度值，具体为：根据方向线、辅助圆的圆心和辅助圆的预设半径，延长方向线并确定延长后的方向线与辅助圆的交点坐标，根据交点坐标，确定方向线的角度值。
11.根据权利要求7所述的系统，所述根据主方向线和辅助圆，确定主方向线与多个分区方向线的角度值，具体为：
确定辅助圆圆心坐标，根据辅助圆的圆心坐标，确定外接矩形的顶点坐标，顶点坐标如下：
x1＝x0+R*cos(angle*PI/180)
y1＝y0+R*sin(angle*PI/180)
(x1，y1)为任意一点坐标、(x0，x0)为辅助圆的圆心坐标、PI为圆周率；
根据上述公式可以得到主方向线角度值计算方程，如下：
angle＝(acos(x1–x0)/R)*180)/PI
或
angle＝(asin(y1–y0)/R)*180)/PI。
12.根据权利要求7所述的系统，所述根据多个分区方向线的角度值，确定多条分区方向线，具体为：
对多个分区方向线的角度值以预设顺序排列在数组中，确定数组中每一个分区方向线的角度值对应在辅助圆的上的点的坐标，确定公式如下：
x＝CenterPoint_x+R*cos((PI/180)*(angle+angleValue[i]))
y＝CenterPoint_y+R*sin((PI/180)*(angle+angleValue[i]))
连接辅助圆的上的点和辅助圆圆心，确定多条分区方向线。
CN201911356407.7A 2019-12-25 2019-12-25 一种基于辅助圆划分气体放电能量图扇区的方法及系统 Active CN111210437B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911356407.7A CN111210437B (zh) 2019-12-25 2019-12-25 一种基于辅助圆划分气体放电能量图扇区的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911356407.7A CN111210437B (zh) 2019-12-25 2019-12-25 一种基于辅助圆划分气体放电能量图扇区的方法及系统

Publications (2)

Publication Number Publication Date
CN111210437A true CN111210437A (zh) 2020-05-29
CN111210437B CN111210437B (zh) 2023-09-26

Family

ID=70789329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911356407.7A Active CN111210437B (zh) 2019-12-25 2019-12-25 一种基于辅助圆划分气体放电能量图扇区的方法及系统

Country Status (1)

Country Link
CN (1) CN111210437B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753350A (zh) * 2020-07-07 2020-10-09 武汉久同智能科技有限公司 一种基于贪心算法的切割路径生成方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050014998A1 (en) * 2001-12-21 2005-01-20 Korotkov Konstantin Georgievich Method of diagnosis of human organism
US20060266371A1 (en) * 2005-01-21 2006-11-30 Alex Vainshelboim Method of evaluating human subconscious response to smell
CN103906465A (zh) * 2011-08-15 2014-07-02 埃派克研究与诊断有限公司 来自指尖或脚趾附近的光度的局部生理状态
CN108846397A (zh) * 2018-05-31 2018-11-20 浙江科技学院 一种基于图像处理的电缆半导电层自动检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050014998A1 (en) * 2001-12-21 2005-01-20 Korotkov Konstantin Georgievich Method of diagnosis of human organism
US20060266371A1 (en) * 2005-01-21 2006-11-30 Alex Vainshelboim Method of evaluating human subconscious response to smell
CN103906465A (zh) * 2011-08-15 2014-07-02 埃派克研究与诊断有限公司 来自指尖或脚趾附近的光度的局部生理状态
CN108846397A (zh) * 2018-05-31 2018-11-20 浙江科技学院 一种基于图像处理的电缆半导电层自动检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
B. SHANMUGA PRIYA ET.AL: "Understanding Abnormal Energy Levels in Aura Images" *
王华敏 等: "基于图像处理技术的凸轮盘检测方法研究" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753350A (zh) * 2020-07-07 2020-10-09 武汉久同智能科技有限公司 一种基于贪心算法的切割路径生成方法

Also Published As

Publication number Publication date
CN111210437B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN109102502B (zh) 基于三维卷积神经网络的肺结节检测方法
CN109344874B (zh) 一种基于深度学习的染色体自动分析方法及系统
CN109584209B (zh) 血管壁斑块识别设备、系统、方法及存储介质
Tang et al. A multi-stage framework with context information fusion structure for skin lesion segmentation
US5638458A (en) Automated method and system for the detection of gross abnormalities and asymmetries in chest images
US20180114313A1 (en) Medical Image Segmentation Method and Apparatus
CN102938071B (zh) 基于非局部均值的sar图像变化检测模糊聚类分析方法
CN106203377B (zh) 一种煤粉尘图像识别方法
CN109363698A (zh) 一种乳腺影像征象识别的方法及装置
US20100202703A1 (en) Real-time face detection apparatus
CN104424629A (zh) 一种x光胸片肺部分割方法和装置
CN110335322B (zh) 基于图像的道路识别方法及道路识别装置
CN110533679B (zh) 基于对数变换与伽柏卷积的sar图像边缘检测方法
CN113284160A (zh) 一种手术导航标记珠体识别的方法、装置和设备
Cordeiro et al. Segmentation of mammography by applying growcut for mass detection
Farouk et al. Microarray spot segmentation algorithm based on integro-differential operator
CN111210437B (zh) 一种基于辅助圆划分气体放电能量图扇区的方法及系统
Dong et al. An improved YOLOv5 network for lung nodule detection
CN111161293B (zh) 基于直角坐标空间确定gdv能量图像的轮廓的方法及系统
CN111192243B (zh) 一种gdv能量图方向线计算方法及装置
CN113191393A (zh) 基于多模态融合的对比增强能谱乳腺摄影分类方法及系统
CN114494712A (zh) 对象提取方法及装置
Ugolotti et al. Automatic hippocampus localization in histological images using PSO-based deformable models
CN113538387B (zh) 基于深度卷积神经网络的多尺度巡检图像识别方法及装置
CN112183229B (zh) 基于计算动态参数的作业纸图像的字格提取方法及装置

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