CN113034467B - 一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法 - Google Patents

Abstract

本发明公开一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法，在Lab颜色空间中针对L分量滤除背景像素点；将目标图像区域每个像素点的灰度值由小到大分成多个区域，并求出每个区域灰度值均值；以区域灰度均值为中心，以每个像素点灰度值为特征进行聚类；求出每类像素点集合在Lab颜色分量平均值，得到色卡中各色块对应的Lab颜色分量值；构造色卡色块Lab颜色分量矩阵，再转换为RGB颜色空间以色卡显示。本发明能针对每位患者生成定制色卡；避免医生在临床治疗过程的对于颜色的肉眼观察而产生的误差，为鲜红斑痣的临床疗效提供了一种实用性强的颜色变化评估技术。

Description

一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法。

背景技术

鲜红斑痣是由于多种内外因素影响所致皮肤色素含量增多的色素性皮肤病，属于遗传病，长期存在对于患者的心理生理健康存在较大影响，且属于临床常见皮肤病。鲜红斑痣的皮肤颜色改变是鲜红斑痣在临床治疗过程中评估治疗效果的重要指标，能反映皮肤是否健康。目前对于鲜红斑痣的临床诊断和治疗效果的评估的主要手段是医生通过主观的视觉判断，其次是借助分光计、云镜等医疗设备辅助评估疗效。由于每位医生的视觉感受不同，容易受观察角度、不同环境的天气因素以及不同皮肤的颜色，甚至是心理因素的影响，疗效评估缺乏一致性且无法精细量化评估颜色的分布及变化。使用分光测色计时，只能对皮损若干局部微小范围定量测量颜色，所选择的观测范围有限且难以保证治疗前后测量部位相同。使用云镜时，只能选择设备中有限的观测及颜色度量功能，并且对于患处分割精度及颜色分布分析能力有限。

利用色卡比对颜色是行之有效的方法，并且目前数字图像处理技术在对于颜色处理方面的发展迅速，数字图像处理技术通过图片可以对皮肤的颜色变化进行评估，但是在鲜红斑痣的临床治疗领域，每位患者的鲜红斑痣都不一致，难以通过一个统一的色卡对所有患者的鲜红斑痣进行颜色变化的评估。除此之外，目前对于色卡的生成大多局限于使用PS和procreate等专业绘图软件，其使用需要较强的专业基础，没有针对鲜红斑痣等一系列皮肤病的自动化功能，在提取色卡时，需要进行一系列繁琐的操作，加大了医生的负担和时间成本。

发明内容

本发明的目的在于提供一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法。

本发明采用的技术方案是：

一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法，包括以下步骤：

步骤1：在Lab颜色空间中针对L分量滤除背景像素点；

步骤2：将目标图像区域每个像素点的灰度值由小到大分成多个区域，并求出每个区域灰度值均值；

步骤3：以区域灰度均值为中心，以每个像素点灰度值为特征进行聚类；

步骤4:求出每类像素点集合在Lab颜色分量平均值，得到色卡中各色块对应的Lab颜色分量值；

步骤5:构造色卡色块Lab颜色分量矩阵，再转换为RGB颜色空间以色卡显示。

进一步地，所述步骤1具体包括：

通过大量的数据实验及经验值，在Lab颜色空间中，本方法将鲜红斑痣病灶区域图像L值小于20的像素点视为背景像素点，遍历检测所有像素点后，将背景像素点剔除。即定义L分量门限L_th＝20，设图像由h行w列像素组成，则共有h×w个像素点，处理第i个像素点时，如果L_i<L_th，(i＝1，2，…，h×w)，则去除该背景像素点。

进一步地，所述步骤2具体包括：

设定色卡色块个数为J，计算鲜红斑痣病灶区域所有像素点灰度值的最大值g_max和最小值g_min，并将灰度值的最大值减去灰度值的最小值后除以色卡色块个数的值作为每个灰度区域的跨度Δg：

则色卡第j个色块的灰度值取值范围为

[g_min·(j-1),g_min+Δg·j),j＝1,2,...,J

并求其均值

进一步地，所述步骤3中，具体包括：

在遍历计算第i个像素点灰度值g_i与每个灰度区域的灰度均值

的差值，将各像素点归类为该差值最小的灰度区域j^*，实现像素点依照灰度区域的聚类

进一步地，所述步骤4中，获得Lab分量均值具体包括：

在Lab颜色空间中，分别统计聚类后的每类像素点的个数z_j以及每个像素点的L、a、b颜色分量，并计算L、a、b颜色分量均值分别为

以此作为第j个色块的L、a、b分量值，用以制作色卡。

进一步地，所诉步骤5中，具体包括：

将第j个色块的L、a、b分量值分别扩充为h_c×w_c的矩阵

其中h_c和w_c分别为色块的行、列像素个数：

再根据色块灰度值从小到大排序，设色块索引j在排序后变更为索引j’，则将排序后的

由上至下拼接并合并后得到Lab颜色空间中w_c列、J*h_c行的三维矩阵Ψ^L、Ψ^a、Ψ^b：

再将其转换为RGB颜色空间的三维矩阵Ψ^R、Ψ^G、Ψ^B，最后保存为.png格式，即得到色卡。

本发明采用以上技术方案，本发明通过自动生成色卡对鲜红斑痣颜色进行准确客观量化，计算结果能呈现鲜红斑痣病灶区域由深到浅的颜色变化，用客观直观的颜色分量对鲜红斑痣的颜色变化进行定量评估。本发明方法具有自适应性，能针对每位患者生成定制色卡；避免医生在临床治疗过程的对于颜色的肉眼观察而产生的误差，本发明为鲜红斑痣的临床疗效提供了一种实用性强的颜色变化评估技术。本发明能够针对不同患者鲜红斑痣自动生成定制色卡，颜色变化和分布方面的疗效评估更准确，节约人力物力及时间成本，并为量化评估疗效奠定重要基础。

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是本发明一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法；

图2是本发明一实施例患者原图；

图3是本发明一实施例患者鲜红斑痣病灶区域图片；

图4是本发明一实施例的鲜红斑痣病灶区域的色卡示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整地描述。

如图1至图4之一所示，本发明公开了一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法，包括：

步骤1：在Lab颜色空间中针对L分量滤除背景像素点；

步骤2：将目标图像区域每个像素点的灰度值由小到大分成多个区域，并求出每个区域灰度值均值；

步骤3：以区域灰度均值为中心，以每个像素点灰度值为特征进行聚类；

步骤4:求出每类像素点集合在Lab颜色分量平均值，得到色卡中各色块对应的Lab颜色分量值；

步骤5:构造色卡色块Lab颜色分量矩阵，再转换为RGB颜色空间以色卡显示。

具体过程为：导入鲜红斑痣病灶区域图片，鲜红斑痣病灶区域图片如图3所示。

过大量的数据实验及经验值，在Lab颜色空间中，本方法将鲜红斑痣病灶区域图像L值小于20的像素点视为背景像素点，遍历检测所有像素点后，将背景像素点剔除。即定义L分量门限L_th＝20，在本实施例中，该鲜红斑痣病灶区域图像由2000行3000列像素组成，则共有2000×3000个像素点，处理第i个像素点时，如果L_i<L_th，(i＝1,2,…,2000×3000)，则去除该背景像素点。

在本实施例中，所述步骤2中，设定色卡色块个数为J＝10，计算鲜红斑痣病灶区域所有像素点灰度值的最大值g_max和最小值g_min，并将灰度值的最大值减去灰度值的最小值后除以色卡色块个数的值作为每个灰度区域的跨度Δg：

则色卡第j个色块的灰度值取值范围为

[g_min·(j-1),g_min+Δg·j),j＝1,2,...,10

并求其均值

所述步骤3中，在遍历计算第i个像素点灰度值g_i与每个灰度区域的灰度均值

的差值，将各像素点归类为该差值最小的灰度区域j^*，实现像素点依照灰度区域的聚类

所述步骤4中，在Lab颜色空间中，分别统计聚类后的每类像素点的个数z_j以及每个像素点的L、a、b颜色分量，并计算L、a、b颜色分量均值分别为

以此作为第j个色块的L、a、b分量值，用以制作色卡。

所述步骤5中，在本实施例中，将第j个色块的L、a、b分量值分别扩充为h_c×w_c＝100×100的矩阵

其中h_c和w_c分别为色块的行、列像素个数：

再根据色块灰度值从小到大排序，设色块索引j在排序后变更为索引j’，则将排序后的

由上至下拼接并合并后得到Lab颜色空间中w_c列、J*h_c行分别为100列、10×100行的三维矩阵Ψ^L、Ψ^a、Ψ^b：

再将其转换为RGB颜色空间的三维矩阵Ψ^R、Ψ^G、Ψ^B，最后保存为.png格式，即得到色卡，本实施例最后得到的色卡宽度为100像素、高度为10×100像素。如图4所示，为本实施例最后自动导出根据鲜红斑痣病灶区域图片生成的色卡。

本发明采用以上技术方案，通过对患者鲜红斑痣病灶区域的自动分析，以像素点为单位，在Lab颜色空间中将亮度和颜色分离，且突出鲜红斑痣区域的变化在a分量上体现明显，实现对鲜红斑痣病灶区域的颜色由深到浅变化，且具有灵活性，能针对不同患者生成定制色卡。本发明根据不同患者的鲜红斑痣定量且自适应地生成色卡，实现客观、准确的评估鲜红斑痣病灶区域的颜色分布及变化，减少评估疗效的时间成本。本发明能够针对不同患者鲜红斑痣自动生成定制色卡，颜色变化和分布方面的疗效评估更准确，节约人力物力及时间成本，并为量化评估疗效奠定重要基础。

显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

Claims (4)

1.一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法，其特征在于：其包括以下步骤：

步骤1：在Lab颜色空间中针对L分量滤除背景像素点；

步骤2：将目标图像区域每个像素点的灰度值由小到大分成多个区域，并求出每个区域灰度值均值；

步骤3：以区域灰度均值为中心，以每个像素点灰度值为特征进行聚类；步骤3中，具体方法为：在遍历计算第i个像素点灰度值g_i与每个灰度区域的灰度均值

的差值，将各像素点归类为该差值最小的灰度区域j^*，实现像素点依照灰度区域的聚类

步骤4：求出每类像素点集合在Lab颜色分量平均值，得到色卡中各色块对应的Lab颜色分量值；

步骤5：构造色卡色块Lab颜色分量矩阵，再转换为RGB颜色空间以色卡显示；步骤5的具体方法为：将第j个色块的L、a、b分量值分别扩充为h_c×w_c的矩阵

具体如下：

其中h_c和w_c分别为色块的行、列像素个数；

再根据色块灰度值从小到大排序，设色块索引j在排序后变更为索引j’，则将排序后的

由上至下拼接并合并后得到Lab颜色空间中w_c列、J*h_c行的三维矩阵Ψ^L、Ψ^a、Ψ^b具体如下：

再将其转换为RGB颜色空间的三维矩阵Ψ^R、Ψ^G、Ψ^B，最后保存为png格式，即得到色卡。

2.根据权利要求1所述的一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法，其特征在于：步骤1具体包括：在Lab颜色空间中将鲜红斑痣病灶区域图像L值小于20的像素点视为背景像素点；遍历检测所有像素点后将背景像素点剔除。

3.根据权利要求2所述的一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法，其特征在于：步骤1定义L分量门限L_th＝20，图像由h行w列像素组成；则共有h×w个像素点，处理第i个像素点时，当L_i<L_th，(i＝1，2，…，h×w)时，则去除该背景像素点。

4.根据权利要求1所述的一种基于灰度分段及Lab颜色聚类的鲜红斑痣色卡生成方法，其特征在于：步骤2具体方法为：设定色卡色块个数为J，计算鲜红斑痣病灶区域所有像素点灰度值的最大值g_max和最小值g_min，并将灰度值的最大值减去灰度值的最小值后除以色卡色块个数的值作为每个灰度区域的跨度Δg：

则色卡第j个色块的灰度值取值范围为[g_min·(j-1),g_min+Δg·j),j＝1,2,...,J，并求其均值/>

Images