CN113035343A - 药物包装图形模板快速提取方法、装置、存储介质和设备 - Google Patents

药物包装图形模板快速提取方法、装置、存储介质和设备 Download PDF

Info

Publication number
CN113035343A
CN113035343A CN202110561967.7A CN202110561967A CN113035343A CN 113035343 A CN113035343 A CN 113035343A CN 202110561967 A CN202110561967 A CN 202110561967A CN 113035343 A CN113035343 A CN 113035343A
Authority
CN
China
Prior art keywords
image
spot
extracting
extracted
template
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
Application number
CN202110561967.7A
Other languages
English (en)
Inventor
杨松青
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.)
Shenzhen Ruiyibo Technology Co ltd
Original Assignee
Shenzhen Ruiyibo 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 Shenzhen Ruiyibo Technology Co ltd filed Critical Shenzhen Ruiyibo Technology Co ltd
Priority to CN202110561967.7A priority Critical patent/CN113035343A/zh
Publication of CN113035343A publication Critical patent/CN113035343A/zh
Pending legal-status Critical Current

Links

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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Multimedia (AREA)

Abstract

本发明实施例公开了一种药物包装图形模板快速提取方法，所述方法包括：获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，所述斑点工具用于进行图像的连通性分析；根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。本发明通过机器视觉技术实现药品包装图形模板的自动化提取，节约了人力成本和时间成本，提高了工作效率。此外，还公开了一种药物包装图形模板快速提取装置、存储介质和医药管理设备。

Description

药物包装图形模板快速提取方法、装置、存储介质和设备
技术领域
本发明涉及医药管理设备技术领域，尤其涉及一种药物包装图形模板快速提取方法、装置、存储介质和设备。
背景技术
目前，在医院药房、护士站等药品发放场所，为保证发药的准确度和效率，开始采用机器视觉技术进行智能复核；而采用机器视觉技术进行药品复核的前提是数据库中需要有药品对应的药品包装图形模板。医护人员在进行药品复核时扫描待复核药品，将待复核药品包装与数据库中的药品包装图形模板进行匹配验证，匹配验证通过即完成复核。
一般方法中，通过人工手段进行药品包装特征区域的划分，进而提取药品包装图形模板；该方法效率较低，加之医院药房等场所对药品包装图形模板的需求较大，每次的提取录入工作涉及的药品数量较多，完成提取录入工作需要耗费大量的时间成本和人力成本。
发明内容
基于此，有必要针对上述问题，提出了一种高效的药物包装图形模板快速提取方法、装置、存储介质和设备，以节省时间成本和人力成本。
一种药物包装图形模板快速提取方法，所述方法包括：
获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；
根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；
根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，所述斑点工具用于进行图像的连通性分析；
根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
一种药物包装图形模板快速提取装置，其特征在于，所述装置包括：
第一获取模块，用于获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；
差分模块，用于根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；
斑点模块，用于根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，斑点工具用于进行图像的连通性分析；
第一提取模块，用于根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
一种医药管理设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；
根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；
根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，所述斑点工具用于进行图像的连通性分析；
根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；
根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；
根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，所述斑点工具用于进行图像的连通性分析；
根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
采用本发明实施例，具有如下有益效果：
上述药物包装图形模板快速提取方法、装置、存储介质和医药管理设备，先获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；再根据所述待提取图像和所述标准背景图像得到差分图；然后根据斑点工具和预设的斑点参数提取所述差分图的斑点框架；最后根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。本发明通过机器视觉技术实现药品包装图形模板的自动化提取，节约了人力成本和时间成本，提高了工作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中药物包装图形模板快速提取方法的实施流程图；
图2为一个实施例中医药管理设备的实物图；
图3为一个实施例中差值运算的示意图；
图4A为一个实施例中待提取图像的例图；
图4B为一个实施例中差分图的例图；
图5为一个实施例中输出斑点框架的例图；
图6为一个实施例中药物包装图形模板快速提取装置的结构框图；
图7为一个实施例中医药管理设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，在一个实施例中，提供了一种药物包装图形模板快速提取方法，该药物包装图形模板快速提取方法具体包括如下步骤：
步骤102，获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像。
其中，药物包装摆放于一平台上，所述平台可以是执行药物包装图形模板快速提取方法的医药管理设备的一部分，也可以是独立的一个平台；利用图像采集装置进行相关图像的采集，可以理解的是，进行图像采集时，应使用同一装置，保持同一位置和角度进行采集，以免在进行图像对比时因图像的角度和位置的不同而产生误差。
其中，背景图像是未摆放药物包装时图像采集装置向平台方向采集的图像，标准背景图像是对所述背景图像处理后得出的图像，用于与待提取图像做对比分析，以便执行后续的提取步骤；待提取图像是指摆放好药物包装后图像采集装置向平台方向采集获取的图像，其中包含药物包装图像部分，待提取图像用于提取出当前药物包装对应的模板，所述药物包装模板用于与药品复核时采集的药品包装图像进行匹配验证，保证出库药品的准确性。
其中，标准背景图像在生成后即保存于数据库中，在提取药物包装模板时可从数据库中直接获取；待提取图像是在提取药物包装模板时获取，通过医护工作人员将药物包装摆放到平台后由医药管理设备进行图像采集得到。
在一个实施例中，摄影装置设置于平台正上方，对相关图像进行垂直采集，得到没有畸变的标准图像。
在一个实施例中，如图2所示，平台放置药物包装的部分区域为玻璃透镜，玻璃透镜正下方和平台正上方各设置了一个摄影装置（图中未示出），可以同时对药物包装的两面图像进行模板提取。
步骤104，根据所述待提取图像和所述标准背景图像进行像素运算得到差分图。
其中，差分图是指将所述待提取图像和所述标准背景图像的对应像素值相减后得到的图像，所述差分图可以削弱两幅图之间的相似部分，突出显示变化和反差较大的部分；应用在本方案中的实际效果为，削弱了背景部分，突出显示了药物包装中与背景部分反差较大的部分。
步骤106，根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，所述斑点工具用于进行图像的连通性分析。
其中，斑点工具（CogBlob Tool）是一种图像处理和分析工具，可以检测和定位图像中某一灰度范围内的形状未知的特征；斑点参数中至少包括像素值阈值，用于区分斑点像素和背景像素；斑点框架是指根据斑点像素确定的区域限制框架，用于从待提取图像中提取出特征区域图像。
应用于本方案中，主要利用斑点工具根据预设的斑点参数对上述差分图中的反差部分做连通性分析，筛选出其中的斑点像素，进而根据所述斑点像素确定斑点框架。
步骤108，根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
其中，斑点框架将上述差分图的反差部分进一步筛选，得出药物包装图像中反差最大的一个或多个连通区域范围；并将所述连通区域范围作为特征区域，在待提取图像中提取特征区域图像；最后将特征区域图像作为图形模板保存至数据库中；凭借所述特征区域图像的高识别度，提高药品复核时匹配验证的准确性和效率。
本发明的整体方案中，只要采集待提取图像时医护工作人员摆放相应的药品包装，医药管理设备在采集到待提取图像后可以自动化进行对应的药物包装图形模板快速提取；相较于需要医护工作人员手动划分特征区域后再进行图形模板提取的一般方法，效率得到了极大的提高。通过医护人员不断更换药物包装摆放至相应平台上进行图像采集，医药管理设备可以快速地提取出大量的药物包装图形模板。
上述药物包装图形模板快速提取方法，先获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；再根据所述待提取图像和所述标准背景图像得到差分图；然后根据斑点工具和预设的斑点参数提取所述差分图的斑点框架；最后根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。本发明通过机器视觉技术实现药品包装图形模板的自动化提取，节约了人力成本和时间成本，提高了工作效率。
在一个实施例中，所述标准背景图像的生成包括：获取单色背景图像；获取提取模板区域，根据所述提取模板区域在所述单色背景图像中提取出标准背景图像，其中，所述提取模板区域是指提取药物包装图形模板算法的作用区域范围。
其中，本发明需要采集不同药物包装在同一背景下的图像，并根据这些在同一背景下的图像和最初预设的标准背景图像进行对比分析，因此，本发明的实施例中对背景有严格的要求，需要简单且固定的背景，不会受到外部活动或环境光的影响，因此，以单色背景为佳。
其中，因为图像采集距离或角度的关系，药物包装通常只占整体图像的一部分，所以设置提取模板区域限定提取模板算法的作用区域范围，节约算力资源和缩短运算时间。也就是说，在进行药物模板提取时只对待提取图像中的固定区域图像进行提取运算，同理，需要和待提取图像进行对比分析的背景图像也只需要对应区域的图像，该对应区域图像即为标准背景图像。
其中，根据所述提取模板区域在所述单色背景图像中提取出标准背景图像后，保存为灰度值二进制格式的图形文件。
在一个实施例中，所述根据所述待提取图像和所述标准背景图像进行像素运算得到差分图，包括：将所述待提取图像和所述标准背景图像进行灰度值差值运算，得到所述差分图。
其中，如图3所示，差值运算是指将两副同样大小图像的对应像素的像素值相减，运算得到的像素值结果组成的图像即为差分图；如图4A与图4B所示，经过差值运算后，原本灰白背景下的待提取图像变成了突出显示反差部分的差分图。
在一个实施例中，所述根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，包括：根据所述斑点工具和所述预设的斑点参数，分割所述差分图，得到斑点图像集合；根据所述预设的斑点参数过滤所述斑点图像集合中的噪声斑点，得到目标斑点图像集合；根据所述目标斑点图像集合确定多个斑点边缘像素点，根据所述多个斑点边缘像素点的坐标值确定所述斑点框架。
其中，经过差值运算的图像，差异变化较小的区域，灰度值趋向0，而差异明显部分，以亮斑的形式突出显示，此时，使用斑点工具，可以轻易查找到大小不一的白色亮斑；预设的斑点参数包括像素值阈值，利用像素值阈值可以将符合目标像素值条件的斑点分割出来，组成斑点图像集合。
像素值阈值的设定可以是固定阈值，也可以是范围阈值或动态阈值等。一般采用固定阈值时难以判断目标和背景交界处的像素值而容易出现分割错误，但本发明中分割出的斑点像素是作为确定斑点框架的媒介，因此些许误差并不影响最终特征区域的判定。
其中，根据预设斑点参数中的连通像素数量阈值可以对噪声斑点进行过滤，本发明希望将大部分斑点所在的区域作为特征区域，因此利用斑点工具对斑点图像集合做连通性分析，将斑点图像集合中较小的、像素点较少的斑点过滤，留下大斑点作为目标斑点图像。
根据目标斑点图像集合得到斑点框架、得到特征区域范围，需要先确定斑点边缘像素点，以斑点边缘像素点作为媒介确定斑点框架；具体的确定和计算过程需要引入预设的参考坐标系，以多个斑点边缘像素点的坐标值确定斑点框架，同时也方便提取算法和药品复核时的匹配验证算法的运算。
可以理解的是，如图5所示，在另一个实施例中，一个目标斑点图像集合可以有多个大斑点，也就是有多个大的连通域，每个连通域独立计算各自的斑点边缘像素点，确定各自的斑点框架。在此实施例中，在提取特征区域图像时，根据多个斑点框架在待提取图像中提取出多个特征区域图像，由所述多个特征区域图像共同组成药物包装模板。
在一个实施例中，所述根据所述多个斑点边缘像素点的坐标值确定所述斑点框架，包括：根据所述多个斑点边缘像素点和预设的参考坐标系确定所述多个斑点边缘像素点的坐标值；根据所述多个斑点边缘像素点的坐标值中的最大X值、最大Y值、最小X值和最小Y值确定所述斑点框架。
其中，直接以斑点边缘像素点组成的边界范围提取特征区域图像也是可行的，在另一个实施例中，根据多个斑点边缘像素点组成的边界作为斑点框架，进而根据所述斑点框架从待提取图像中提取特征区域图像，并将所述特征区域图像保存为当前药物包装的模板。但可以理解的是，由于斑点边缘像素点组成的边界不一定规则，在每一次提取模板、匹配验证时都需要花费算力确定边界，会导致计算成本的增加。
其中，预设的参考坐标系为平面直角坐标系，以像素点在X轴和Y轴方向上的坐标值表示像素点位置。为了提高药物包装图形模板快速提取方法的运算速度，在确定了多个斑点边缘像素点的坐标值后，对所述多个坐标值进行遍历，找到其中的最大X值、最大Y值、最小X值和最小Y值，并根据上述四个数值构成斑点框架。
如图6所示，提出了一种药物包装图形模板快速提取装置，所述装置包括：
第一获取模块10，用于获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；
差分模块20，用于根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；
斑点模块30，用于根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，斑点工具用于进行图像的连通性分析；
第一提取模块40，用于根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
在一个实施例中，所述装置还包括：第二获取模块50，用于获取单色背景图像；第二提取模块60，用于获取提取模板区域，根据所述提取模板区域在所述单色背景图像中提取出标准背景图像，其中，所述提取模板区域是指提取药物包装图形模板算法的作用区域范围。
在一个实施例中，所述差分模块包括：运算单元202，用于将所述待提取图像和所述标准背景图像进行灰度值差值运算，得到所述差分图。
在一个实施例中，所述根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，包括：根据所述斑点工具和所述预设的斑点参数，分割所述差分图，得到斑点图像集合；根据所述预设的斑点参数过滤所述斑点图像集合中的噪声斑点，得到目标斑点图像集合；根据所述目标斑点图像集合确定多个斑点边缘像素点，根据所述多个斑点边缘像素点的坐标值确定所述斑点框架。
在一个实施例中，所述根据所述多个斑点边缘像素点的坐标值确定所述斑点框架，包括：根据所述多个斑点边缘像素点和预设的参考坐标系确定所述多个斑点边缘像素点的坐标值；根据所述多个斑点边缘像素点的坐标值中的最大X值、最大Y值、最小X值和最小Y值确定所述斑点框架。
图7示出了一个实施例中医药管理设备的内部结构图。如图7所示，该医药管理设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该医药管理设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现药物包装图形模板快速提取方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行药物包装图形模板快速提取方法。本领域技术人员可以理解，图7中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的医药管理设备的限定，具体的医药管理设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提出了一种医药管理设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，所述斑点工具用于进行图像的连通性分析；根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
在一个实施例中，所述标准背景图像的生成包括：获取单色背景图像；获取提取模板区域，根据所述提取模板区域在所述单色背景图像中提取出标准背景图像，其中，所述提取模板区域是指提取药物包装图形模板算法的作用区域范围。
在一个实施例中，所述根据所述待提取图像和所述标准背景图像进行像素运算得到差分图，包括：将所述待提取图像和所述标准背景图像进行灰度值差值运算，得到所述差分图。
在一个实施例中，所述根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，包括：根据所述斑点工具和所述预设的斑点参数，分割所述差分图，得到斑点图像集合；根据所述预设的斑点参数过滤所述斑点图像集合中的噪声斑点，得到目标斑点图像集合；根据所述目标斑点图像集合确定多个斑点边缘像素点，根据所述多个斑点边缘像素点的坐标值确定所述斑点框架。
在一个实施例中，所述根据所述多个斑点边缘像素点的坐标值确定所述斑点框架，包括：根据所述多个斑点边缘像素点和预设的参考坐标系确定所述多个斑点边缘像素点的坐标值；根据所述多个斑点边缘像素点的坐标值中的最大X值、最大Y值、最小X值和最小Y值确定所述斑点框架。
在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，所述斑点工具用于进行图像的连通性分析；根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
在一个实施例中，所述标准背景图像的生成包括：获取单色背景图像；获取提取模板区域，根据所述提取模板区域在所述单色背景图像中提取出标准背景图像，其中，所述提取模板区域是指提取药物包装图形模板算法的作用区域范围。
在一个实施例中，所述根据所述待提取图像和所述标准背景图像进行像素运算得到差分图，包括：将所述待提取图像和所述标准背景图像进行灰度值差值运算，得到所述差分图。
在一个实施例中，所述根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，包括：根据所述斑点工具和所述预设的斑点参数，分割所述差分图，得到斑点图像集合；根据所述预设的斑点参数过滤所述斑点图像集合中的噪声斑点，得到目标斑点图像集合；根据所述目标斑点图像集合确定多个斑点边缘像素点，根据所述多个斑点边缘像素点的坐标值确定所述斑点框架。
在一个实施例中，所述根据所述多个斑点边缘像素点的坐标值确定所述斑点框架，包括：根据所述多个斑点边缘像素点和预设的参考坐标系确定所述多个斑点边缘像素点的坐标值；根据所述多个斑点边缘像素点的坐标值中的最大X值、最大Y值、最小X值和最小Y值确定所述斑点框架。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种药物包装图形模板快速提取方法，所述方法包括：
获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；
根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；
根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，所述斑点工具用于进行图像的连通性分析；
根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
2.根据权利要求1所述的药物包装图形模板快速提取方法，其特征在于，所述标准背景图像的生成包括：
获取单色背景图像；
获取提取模板区域，根据所述提取模板区域在所述单色背景图像中提取出标准背景图像，其中，所述提取模板区域是指提取药物包装图形模板算法的作用区域范围。
3.根据权利要求1所述的药物包装图形模板快速提取方法，其特征在于，所述根据所述待提取图像和所述标准背景图像进行像素运算得到差分图，包括：
将所述待提取图像和所述标准背景图像进行灰度值差值运算，得到所述差分图。
4.根据权利要求1所述的药物包装图形模板快速提取方法，其特征在于，所述根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，包括：
根据所述斑点工具和所述预设的斑点参数，分割所述差分图，得到斑点图像集合；
根据所述预设的斑点参数过滤所述斑点图像集合中的噪声斑点，得到目标斑点图像集合；
根据所述目标斑点图像集合确定多个斑点边缘像素点，根据所述多个斑点边缘像素点的坐标值确定所述斑点框架。
5.根据权利要求4所述的药物包装图形模板快速提取方法，其特征在于，所述根据所述多个斑点边缘像素点的坐标值确定所述斑点框架，包括：
根据所述多个斑点边缘像素点和预设的参考坐标系确定所述多个斑点边缘像素点的坐标值；
根据所述多个斑点边缘像素点的坐标值中的最大X值、最大Y值、最小X值和最小Y值确定所述斑点框架。
6.一种药物包装图形模板快速提取装置，其特征在于，所述装置包括：
第一获取模块，用于获取未摆放药物包装时的标准背景图像，以及摆放药物包装后的待提取图像；
差分模块，用于根据所述待提取图像和所述标准背景图像进行像素运算得到差分图；
斑点模块，用于根据斑点工具和预设的斑点参数提取所述差分图的斑点框架，其中，斑点工具用于进行图像的连通性分析；
第一提取模块，用于根据所述斑点框架从所述待提取图像提取出特征区域图像，保存所述特征区域图像为新图形模板。
7.根据权利要求6所述的药物包装图形模板快速提取装置，其特征在于，所述装置还包括：
第二获取模块，用于获取单色背景图像；
第二提取模块，用于获取提取模板区域，根据所述提取模板区域在所述单色背景图像中提取出标准背景图像，其中，所述提取模板区域是指提取药物包装图形模板算法的作用区域范围。
8.根据权利要求7所述的药物包装图形模板快速提取装置，其特征在于，所述差分模块包括：
运算单元，用于将所述待提取图像和所述标准背景图像进行灰度值差值运算，得到所述差分图。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
10.一种医药管理设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
CN202110561967.7A 2021-05-24 2021-05-24 药物包装图形模板快速提取方法、装置、存储介质和设备 Pending CN113035343A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110561967.7A CN113035343A (zh) 2021-05-24 2021-05-24 药物包装图形模板快速提取方法、装置、存储介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110561967.7A CN113035343A (zh) 2021-05-24 2021-05-24 药物包装图形模板快速提取方法、装置、存储介质和设备

Publications (1)

Publication Number Publication Date
CN113035343A true CN113035343A (zh) 2021-06-25

Family

ID=76455560

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110561967.7A Pending CN113035343A (zh) 2021-05-24 2021-05-24 药物包装图形模板快速提取方法、装置、存储介质和设备

Country Status (1)

Country Link
CN (1) CN113035343A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106006266A (zh) * 2016-06-28 2016-10-12 西安特种设备检验检测院 一种应用于电梯安全监控的机器视觉建立方法
CN107729826A (zh) * 2017-09-29 2018-02-23 苏州安斯特灵智能科技有限公司 药品包装图像识别方法及其装置
US20190051397A1 (en) * 2016-04-21 2019-02-14 Fujifilm Corporation One-packaging medicine audit apparatus, one-packaging medicine audit system, method of outputting one-packaging medicine information, and one-packaging medicine information output program
US20200058385A1 (en) * 2017-05-30 2020-02-20 Fujifilm Toyama Chemical Co., Ltd. Drug inspection assisting apparatus and drug inspection assisting method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190051397A1 (en) * 2016-04-21 2019-02-14 Fujifilm Corporation One-packaging medicine audit apparatus, one-packaging medicine audit system, method of outputting one-packaging medicine information, and one-packaging medicine information output program
CN106006266A (zh) * 2016-06-28 2016-10-12 西安特种设备检验检测院 一种应用于电梯安全监控的机器视觉建立方法
US20200058385A1 (en) * 2017-05-30 2020-02-20 Fujifilm Toyama Chemical Co., Ltd. Drug inspection assisting apparatus and drug inspection assisting method
CN107729826A (zh) * 2017-09-29 2018-02-23 苏州安斯特灵智能科技有限公司 药品包装图像识别方法及其装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨帆著: "《数字图像处理与分析 第4版》", 31 January 2019, 北京航空航天大学出版社 *
陈慧岩: "《智能车辆理论与应用》", 31 July 2018, 北京理工大学出版社 *

Similar Documents

Publication Publication Date Title
CN110390666B (zh) 道路损伤检测方法、装置、计算机设备及存储介质
CN111667464B (zh) 危险品三维图像检测方法、装置、计算机设备及存储介质
KR101322168B1 (ko) 실시간 얼굴 인식 장치
CN112102340B (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
US11189019B2 (en) Method for detecting defects, electronic device, and computer readable medium
CN107871319B (zh) 限束器区域的检测方法、装置、x射线系统和存储介质
CN113379723B (zh) 不规则溢胶口检测方法、装置、设备和存储介质
CN112750121B (zh) 用于病理玻片数字图像质量检测的系统及其方法
US20160307050A1 (en) Method and system for ground truth determination in lane departure warning
CN113012783A (zh) 药品复核方法、装置、计算机设备及存储介质
CN110763679A (zh) 图像采集方法和装置、显微镜系统、计算机可读存储介质
CN112380926A (zh) 一种田间除草机器人除草路径规划系统
CN114359545A (zh) 一种图像区域识别的方法及装置、电子设备
CN111951268B (zh) 颅脑超声图像并行分割方法及装置
KR20130091422A (ko) 약품 적재함 내의 알약 영상 검출방법.
US20200193212A1 (en) Particle boundary identification
CN113035343A (zh) 药物包装图形模板快速提取方法、装置、存储介质和设备
CN111161240B (zh) 血管分类方法、装置、计算机设备和可读存储介质
CN112580499A (zh) 文本识别方法、装置、设备及存储介质
JP2018109824A (ja) 電子制御装置、電子制御システムおよび電子制御方法
CN112017148A (zh) 一种单节骨骼轮廓的提取方法及装置
CN113408256A (zh) 一种表格图片的表格重构方法、装置及相关设备
CN108154154B (zh) 一种规则方格中药片数量检测方法
JP2023522501A (ja) 多層前処理に基づく高速顔検出方法
CN112395988A (zh) 手指静脉识别方法、装置、计算机设备和存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210625