CN113454646A - 用于处理图像的方法和系统 - Google Patents

用于处理图像的方法和系统 Download PDF

Info

Publication number
CN113454646A
CN113454646A CN201980082995.1A CN201980082995A CN113454646A CN 113454646 A CN113454646 A CN 113454646A CN 201980082995 A CN201980082995 A CN 201980082995A CN 113454646 A CN113454646 A CN 113454646A
Authority
CN
China
Prior art keywords
machine
image
readable code
color
region
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
CN201980082995.1A
Other languages
English (en)
Inventor
西达斯·塞提斯
凯文·J·米勒
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.)
Stryker Corp
Original Assignee
Gauss Surgical Inc
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 Gauss Surgical Inc filed Critical Gauss Surgical Inc
Publication of CN113454646A publication Critical patent/CN113454646A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/146—Methods for optical code recognition the method including quality enhancement steps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06046—Constructional details
    • G06K19/0614—Constructional details the marking being selective to wavelength, e.g. color barcode or barcodes only visible under UV or IR
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
    • 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
    • G06T7/13—Edge detection
    • 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
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/02—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the selection of materials, e.g. to avoid wear during transport through the machine
    • G06K19/027—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the selection of materials, e.g. to avoid wear during transport through the machine the material being suitable for use as a textile, e.g. woven-based RFID-like labels designed for attachment to laundry items
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits
    • H04N1/40012—Conversion of colour to monochrome
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/58—Edge or detail enhancement; Noise or error suppression, e.g. colour misregistration correction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/62—Retouching, i.e. modification of isolated colours only or in isolated picture areas only

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Textile Engineering (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

一种系统执行用于处理机器可读代码的图像的方法。该方法包括接收包括编码信息的机器可读代码的图像，其中该机器可读代码至少部分地被具有主导颜色的物质遮挡；通过基于主导颜色调整图像的颜色空间，来生成经调整的图像；对图像的至少机器可读代码区域进行二值化，其中图像的机器可读代码区域描绘了机器可读代码；以及对二值化的机器可读代码区域进行解码以确定编码信息。还描述了其他装置和方法。

Description

用于处理图像的方法和系统
相关申请
本申请要求于2018年10月15日提交、并且标题为“METHODS AND SYSTEMS FORPROCESSING AN IMAGE”的第62/745,577号美国临时专利申请的优先权利益，该专利申请通过引用以其整体并入本文。
技术领域
本文中所公开的主题总体上涉及促进图像处理的专用机器的技术领域(包括此类专用机器的软件配置的计算机化变型和对此类变型的改进)以及涉及改进此类专用机器的技术。
背景
包装物品信息的一种常见方式是将物品与唯一的视觉图形(诸如机器可读代码)相关联。例如，与特定物品相关联的机器可读代码可包括关于该物品的标识信息、关于该物品的描述性信息或两者，并且机器可读代码可用于区分相关联的物品与其他(例如，类似)物品。
通常，条形码和包括数据的其他图形可以是机器可读的，以提供更快、更准确的方式来解释由机器可读代码表示的信息。例如，机器可读代码可由专门的光学扫描仪读取和解释。作为另一个示例，机器可读代码可以通过图像处理技术来读取和解释。
然而，如果图像不能清楚地描绘机器可读代码，则用于读取视觉机器可读代码的常规图像处理技术可能导致不准确或不完整的结果。例如，在一些实例中，机器可读代码可能被部分覆盖或遮挡。例如，当2D机器可读代码(例如，QR码)被物质弄脏时，常规图像处理技术可能难以准确处理2D机器可读代码，因为该物质可能使得更难以区分2D机器可读代码的图案化矩阵中的不同阴影元素(例如，块)。
附图简述
在附图的图中以示例而非限制的方式示出了一些示例实施例。
图1是示出根据一些示例实施例的、用于处理图像的系统的示意图。
图2是示出根据一些示例实施例的、在执行处理图像的方法时系统的操作的流程图。
图3A-3H是示出根据一些示例实施例的、根据图2的方法成像和处理的机器可读代码的图片。
图4是示出根据一些示例实施例的、能够从机器可读介质读取指令并执行本文中讨论的方法中的任何一种或更多种方法的机器的部件的框图。
详细描述
示例方法(例如，过程或算法)促进进行图像处理，包括对被物质(例如，血液)弄脏的机器可读代码进行图像处理，并且示例系统(例如，由专用软件配置的专用机器)被配置为促进进行此种图像处理。示例仅代表可能的变型。除非以其他方式明确陈述，否则结构(例如，结构部件，诸如模块)是可选的，并且可以被组合或细分，并且操作(例如，在过程、算法或其他功能中)可以改变顺序或被组合或细分。在下面的描述中，出于解释的目的，阐述了许多具体细节，以提供对各种示例实施例的彻底理解。然而，对于本领域的技术人员来说明显的是，本主题可以在没有这些具体细节的情况下进行实践。
在一些示例实施例中，用于处理机器可读代码的图像的方法包括：接收包括编码信息的机器可读代码的图像，其中机器可读代码至少部分地被具有主导颜色的物质遮挡；通过基于主导颜色调整图像的颜色空间来生成经调整的图像；以及将图像的至少机器可读代码区域二值化，其中图像的机器可读代码区域描绘了机器可读代码。该方法还可以包括用光学传感器捕获机器可读代码的图像，对二值化的机器可读代码区域进行解码以确定编码信息或同时包括上述两者。
在某些示例实施例中，用于处理机器可读代码的图像的系统包括一个或更多个处理器，该一个或更多个处理器被配置为(例如至少)：接收包括编码信息的机器可读代码的图像，其中该机器可读代码至少部分地被具有主导颜色的物质遮挡；通过基于主导颜色调整图像的颜色空间来生成经调整的图像；以及将图像的至少机器可读代码区域二值化，其中图像的机器可读代码区域描绘了机器可读代码。一个或更多个处理器还可以被配置为对二值化的机器可读代码区域进行解码以确定编码信息。在一些变型中，系统包括被配置为捕获机器可读代码的图像的光学传感器。
在各种示例实施例中，所接收或捕获的图像是彩色图像，并且该图像可以至少部分地通过将彩色图像的颜色空间调整为灰度表示(例如，通过隔离与物质的主导颜色相关联或类似的颜色通道)来进行调整。机器可读代码区域可以通过技术(诸如角点检测技术、边缘检测技术、其他合适的计算机视觉技术或其任何合适的组合)来定位在图像中。此外，可以执行附加的图像处理(例如，二值化，带有或不带有一个或更多个颜色阈值化处理)以进一步处理(例如，“清洁”图像的机器可读代码区域以用于解释(例如，解码))。
本文中所述的方法和系统可用于各种应用，诸如处理相关联于(例如，附接到、代表或以其他方式对应于)外科纺织品的机器可读代码的图像，其中机器可读代码可能至少部分地被一种或更多种体液(例如，血液)遮挡。例如，机器可读代码上的物质的主导颜色可能是红色，并且机器可读代码的图像可以通过在图像的颜色空间内隔离图像的红色通道来进行调整。机器可读代码可包括可向用户提供有用信息的任何合适的编码信息(例如，相关联外科纺织品的唯一的标识符、相关联外科纺织品的类型，或两者)。例如，响应于确定机器可读代码的编码信息并确定与机器可读代码相关联的外科纺织品的标识符(例如，在这些确定时)，可以递增纺织品计数器指数。然后，纺织品计数器指数的值可以作为输出呈现在显示器上、经由音频设备呈现，或两者。
在一些示例实施例中，系统包括：
一个或更多个处理器；以及
存储指令的存储器，该指令在由一个或更多个处理器执行时，使一个或更多个处理器执行包括以下项的操作：
访问描绘了机器可读代码的图像，该机器可读代码在图像中至少部分地被具有主导颜色的物质遮挡；
通过基于至少部分地遮挡机器可读代码的物质的主导颜色调整图像的颜色空间，来生成图像的经调整的版本；以及
将图像的经调整的版本的至少一个区域二值化，该区域描绘了机器可读代码。
在某些示例实施例中，方法包括：
由机器的一个或更多个处理器访问描绘了机器可读代码的图像，该机器可读代码在图像中至少部分地被具有主导颜色的物质遮挡；
由机器的一个或更多个处理器，通过基于至少部分地遮挡机器可读代码的物质的主导颜色调整图像的颜色空间，来生成图像的经调整的版本；以及
由机器的一个或更多个处理器，将图像的经调整的版本的至少一个区域二值化，该区域描绘了机器可读代码。
在各种示例实施例中，机器可读介质包括指令，这些指令在由机器的一个或更多个处理器执行时，使机器执行包括以下项的操作：
访问描绘了机器可读代码的图像，该机器可读代码在图像中至少部分地被具有主导颜色的物质遮挡；
通过基于至少部分地遮挡机器可读代码的物质的主导颜色调整图像的颜色空间，来生成图像的经调整的版本；以及
将图像的经调整的版本的至少一个区域二值化，该区域描绘了机器可读代码。
通常，本文中所述的方法和系统可用于处理一个或多个机器可读代码的图像。也就是说，该图像描绘了可由光学设备读取的一个或更多个机器可读代码。此类光学机器可读代码的示例包括条形码(例如，线性条形码或其他一维(1D)条形码，或二维(2D)条形码，诸如QR码)和/或其他合适图形，该图形以光学可读的形式(诸如以黑色元素和白色元素或其他光学对比元素的图案化矩阵的形式)携带编码信息。此类机器可读代码可用于各种应用中，以提供与相关联于(例如，附接到、表示或以其他方式对应于)机器可读代码的一个或更多个物品有关的信息。例如，在外科手术和其他医疗过程期间，外科纺织品(例如，外科海绵或可用于吸收各种液体(包括患者血液)的其他物品)可包括机器可读代码，使得每个机器可读代码可与特定外科纺织品相关联。在一些情况下，机器可读代码可被描绘(例如，印刷、编织等)在被缝制或以其他方式附接到外科纺织品的标签上。在某些情况下，机器可读代码可以被描绘在外科纺织品本身中。机器可读代码可包括关于相关联的外科纺织品的编码信息，诸如其制造商、其类型、其材料、其大小、其标识符(例如，对于其他外科纺织品来说，该外科纺织品唯一的序列号)，或其任何合适的组合。因此，可以对机器可读代码进行扫描(例如成像)，并通过解码过程(诸如通过计算机视觉技术)进行解释，以产生并利用其中包含的编码信息。
在一些情况下，在医疗过程(例如，外科过程)之前和之后两者，对与外科纺织品相关联的机器可读代码进行扫描，以跟踪外科纺织品，并识别可能无意中保留在患者体内的任何外科纺织品。此种扫描可提供外科纺织品的“之前”计数和“之后”计数。“之前”计数和“之后”计数之间的差异可促使医务人员定位任何明显丢失的纺织品、执行重新计数、对患者执行X射线扫描，或执行其他风险缓解。
然而，在医疗过程期间，外科纺织品上的机器可读代码可能会沾上血迹或以其他方式弄脏(例如，被其他体液弄脏)。在机器可读代码包括深色元素和浅色元素(例如，矩阵的浅色区段和深色区段)的情况下，任何深色物质(例如，血液)可能至少部分地遮挡机器可读代码，并干扰或甚至阻止对机器可读代码的准确扫描。关于上述外科纺织品的计数，对机器可读代码的此种潜在的错误扫描可能导致计数是否正确的不确定性(例如，“之后”计数)。错误的计数可能导致医务人员错误地得出有外科纺织品保留在患者体内的结论，或更糟糕地，错误地得出所有外科纺织品都被计入并且所有纺织品都从患者体内移除的结论。本文中描述的方法和系统能够处理机器可读代码的图像，并且稳健地防止由于机器可读代码的遮挡而导致的错误。
此外，虽然本文中描述的方法和系统的一些示例实施例可用于在同一医疗过程或同一医疗环节(session)内跟踪外科纺织品，但其他示例实施例可另外或可替代地用于在不同医疗过程或医疗环节之间跟踪外科纺织品。外科纺织品可能会无意中在不同的医疗环节之间行进(例如，在不同房间之间移动的护士或其他人员身上，或伴随着在不同房间之间移动的护士或其他人员)。这可能导致在源头环节、目的地环节或两者中的纺织品计数不准确，诸如由于在其源头环节、其目的地环节或两者中对行进的外科纺织品无意中重复计数。因此，在一些示例实施例中，本文中所述的方法和系统可用于识别在不同的医疗过程期间使用的纺织品，并用于提高在跟踪外科纺织品时、对外科纺织品进行计数时的准确性或用于上述两者。
本文中所述的方法和系统可用于各种环境(包括在医院或诊所环境(例如，手术室)、军事环境(例如，战场)或其他合适的医疗治疗环境中)。本文中所述的方法可以是计算机实现的并且至少部分地由一个或更多个处理器执行。如图1所示，本文中讨论的方法可以至少部分地由计算机设备(诸如移动设备150(例如，平板计算机、智能手机等))执行，该计算机设备被配置为在手术室或其他医疗环境中捕获一个或更多个外科纺织品的图像并处理所产生的图像。此外，本文中讨论的方法可以由与移动设备150分离的一个或更多个处理器执行(例如，在手术室中现场地或在手术室外远程地执行)。
用于处理机器可读代码的图像的方法
如图2所示，根据一些示例实施例，用于处理机器可读代码的图像的方法200包括接收包括编码信息的机器可读代码的图像(在操作210)，其中机器可读代码至少部分地被具有主导颜色的物质遮挡。方法200还包括通过基于主导颜色调整图像的颜色空间，来生成经调整的图像(在操作220)。方法200还包括将图像的至少机器可读代码区域二值化(在操作230)，其中图像的机器可读代码区域描绘了机器可读代码。方法200还进一步包括对二值化的机器可读代码区域进行解码以确定编码信息(在操作250)。在一些变型中，方法200还包括捕获机器可读代码的图像(在操作208)。在某些变型中，图2中描绘的操作(例如，步骤)可以以与描绘的顺序不同的顺序执行。
如图2所示，方法200的一些示例实施例包括捕获机器可读代码的图像(在操作208)或生成或以其他方式获得机器可读代码的至少一个图像。机器可读代码的一个或更多个图像可以以合适的数据存储介质(例如，本地或远程)存储在数据库中。因此，操作210中机器可读代码的图像的接收可以包括从存储器或其他合适的存储装置接收图像。例如，图像可以已被先前获取并存储在存储介质中。每个图像可以描绘相关联于(例如，附接到)机器可读代码的整个外科纺织品，或者仅描绘与机器可读代码相关联的外科纺织品的一部分。外科纺织品可以是例如外科海绵、外科敷料、毛巾或其他合适的纺织品。
每个图像可以是单个静止图像或来自视频馈送的图像帧，并且可以包括区域(例如，机器可读代码区域)，该区域描绘了相应的机器可读代码(例如，在相机的视场内)。相机可以在手持式设备或移动设备(例如，平板计算机)中。相机可以安装到支撑物(诸如桌子)，或者可以是吊式(overhead)相机。图像可以是捕获颜色特性的光学图像，其具有每个像素在颜色空间(例如，RGB、CMYK等)中的分量值。图像可以存储在存储器或合适的数据存储模块(例如，本地或远程)中，并进行处理。处理图像可以包括基于一组一个或更多个光学基准(例如，颜色基准)对图像的颜色特性进行标准化。颜色基准可以表示例如一个或多个红色色调(例如，包括不同红色色调的框的网格)。图像的标准化可以包括利用颜色基准来补偿整个医疗过程(例如，外科过程)中照明条件的变化，以将图像中的照明条件人为地匹配到模板图像，以将图像中的照明条件人为地匹配到依赖于照明条件的流体成分浓度模型、或其任何合适的组合。例如，对图像进行标准化可以包括识别图像中捕获的颜色基准，确定与识别的颜色基准相关联的所分配的颜色值，以及调整图像，使得图像中颜色基准的颜色值与该颜色基准相关联的所分配的颜色值基本匹配。例如，所分配的颜色值可以通过在数据库中查找颜色基准来确定(例如，通过代码、一组颜色基准内的位置、相对于通道的已知特征的位置或其任何合适的组合来识别)。对图像的调整可以包括例如调整曝光、对比度、饱和度、温度、色调或其任何合适的组合。
图像预处理
方法200可以包括生成经调整的图像(在操作220)，诸如通过基于至少部分地遮挡图像中描绘的机器可读代码的物质的主导颜色来调整图像的颜色空间。在一些示例实施例中，通过隔离颜色(例如，与至少部分地遮挡机器可读代码的物质的主导颜色类似的颜色通道)的颜色转换可以减轻物质遮挡机器可读代码的一个或更多个特征(例如，元素或区段)的影响。例如，血液趋向于吸收较少的红光(例如，波长在620nm-740nm的范围内或在此范围的一部分(诸如635nm-700nm)内的光)，并且相比于其他颜色的光(例如，在620nm-740nm的范围外的其他波长的光)反射更多的红光。在机器可读代码包括白色元素和黑色元素的示例情况下，任何染血的白色元素可能被误读为黑色元素。假设例如图像具有红、绿、蓝(RGB)颜色分量，白色像素具有与红色像素基本相同的红色(R)值，尽管白色像素另外具有绿色(G)值和蓝色(B)值。因此，隔离图像的红色(R)通道(例如，通过移除图像的绿色(G)通道和蓝色(B)通道)导致机器可读代码的任何染血的白色元素变得可识别成机器可读代码的原始白色元素，并且染血的白色元素因此变得与机器可读代码的黑色元素消除了歧义。因此，图像的红色通道可以被隔离(例如，并保留在经调整的图像中)，使得在经调整的图像中，机器可读代码的任何被血液遮挡的白色特征将看起来类似于机器可读代码的未被遮挡的白色特征(例如，未被血液遮挡的元素)。
在其他示例实施例中，一个或更多个其他颜色通道(诸如预定义颜色空间(例如，RGB、XYZ、CIE-LAB、YCrCb、CMYK等)的任何一个或更多个颜色通道)被隔离(例如，并保留在经调整的图像中)。另外或可替代地，可以使用其他颜色映射来预处理图像。例如，方法200的一些变型应用线性或非线性方程(例如，预定义方程)，其从现有的颜色空间(例如，用于捕获图像的光学传感器的RGB或其他颜色空间)映射到另一个颜色空间。在某些示例实施例中，方法200应用使用机器学习技术(诸如SYM-回归、神经网络、K-最近邻、局部加权线性回归、决策树回归或其任何合适的组合)从数据学习的映射。
在各种示例实施例中，方法200还包括以其他合适的方式调整图像。在一些情况下，机器可读代码上的物质(诸如血液)会问题性地干扰纹理信息，产生虚假纹理或两者，并且图像的机器可读代码区域的定位(在操作240)可以基于角点检测、边缘检测或两者。如果机器可读代码上的物质遮挡角点，使角点看起来较不清晰、产生虚假角点(例如，由于眩光、凝块等)，或其任何组合，则方法200还可包括减少高频噪声和保存或恢复高频信号以保持边缘和角点的锐度(例如，通过提高信噪比)。例如，可以用合适的平滑算法(例如，高斯模糊、中值模糊或其任何合适的组合)来减少高频噪声。此外，例如，可以用合适的去模糊算法(例如，非锐化滤波、合适的基于优化的算法等)实现保留或恢复一个或更多个高频信号。
作为另一个示例，方法200可以通过在图像上以合适阈值应用双边滤波器来减少高频噪声，同时保留高频信号。另外或可替代地，训练的神经网络或其他机器学习模型可以将机器可读代码的图像作为输入，并输出合适的预处理或经调整的图像，其中模型可以使用以所期望方式处理的人工处理(例如，人工“清洁”)的图像进行训练。
定位机器可读代码
方法200(在操作230)可以包括定位描绘机器可读代码的图像的区域(例如，定位图像的机器可读代码区域)。定位该区域可以涉及估计图像内的机器可读代码的位置、机器可读代码的大小、机器可读代码的周界、机器可读代码的定向、机器可读代码的任何其他合适的物理方面或其任何合适的组合。在一些示例实施例中，使用一个或更多个合适的计算机视觉技术来寻找机器可读代码的一个或更多个显著特征，诸如角点、靠近角点的直边(straight edge)、彼此呈90度的边缘方向、准直的边缘、某些空间频带、双模色分布或其任何合适的组合。作为示例，方法200可以包括寻找与机器可读代码相关联的L形寻像图案(finder pattern)、与机器可读代码相关联的图像中的交替黑白时序图案、或两者。
在一些示例实施例中，训练神经网络模型(例如，快速-RCNN、YOLO、SSD或适合于物体检测和定位任务的其他架构)或其他机器学习模型，以从原始图像或以类似于上述方式的方式处理的预处理图像预测机器可读代码的位置(例如，作为定位机器可读代码的一部分，诸如在方法200中的操作230)。例如，可以用足够数量的机器可读代码的遮挡(例如，染血的)图像来训练此类神经网络，以提取对遮挡稳健的特征。
在一些示例实施例中，使用角点检测算法(例如，Harris(哈里斯)角点检测算法)来获得具有图像内坐标的热图值的热图(例如，作为定位机器可读代码的一部分，诸如在方法200中的操作230)。例如，可以通过分析当滑动窗口围绕坐标滑动时的在滑动窗口内的变化率(例如，亮度的变化率)来产生坐标的热图值。例如，变化量可以近似为滑动窗口偏移量的二次函数，并且可以找到任何方向上的最低变化率并将其用作热图值。因此，高热图值意味着滑动窗口将在任何方向上(例如，角点)发生大量变化，而低热图值意味着至少有一个方向(例如，长边)不会显著改变窗口。如果图像中的坐标的热图值高于第一预定上限阈值，则可将该坐标确定为角点坐标(例如，机器可读代码的角点)。此外，如果图像中的坐标的热图值高于第二预定下限阈值(其低于第一预定阈值)，则可将该坐标确定为直边坐标(例如，沿侧边、上边或下边坐标)。任何角点坐标和在空间上靠近角点坐标的直边坐标都可以被认为是一组感兴趣的坐标。在各种示例实施例中，可以使用较少的阈值或较多的阈值来适当地对坐标进行分类。
离群值坐标(例如，可能不来自机器可读代码或不对应于机器可读代码的坐标)可以诸如基于中位数、四分位数范围、另一个合适的统计度量或其任何合适的组合从感兴趣的坐标中移除(例如，作为定位机器可读代码的一部分，诸如在方法200中的操作230)。在移除离群值坐标之后，可以围绕剩余的感兴趣的坐标拟合紧密旋转的矩形(例如，在机器可读代码一般是矩形的假设下)，作为机器可读代码的位置、机器可读代码的面积、机器可读代码的周界、机器可读代码的定向或其任何合适的组合的初始估计。
在一些示例实施例中，上述机器可读代码属性的初始估计可随后进行调整(例如，作为定位机器可读代码的一部分，例如在方法200中的操作230)。例如，机器可读代码的估计面积或机器可读代码的边界可以被修改为具有与描绘的(例如，成像的)机器可读代码的已知长宽比(例如，长度与宽度之比)相同或类似的长宽比。另外或可替代地，估计的定向可以通过在矩形内进行霍夫(Hough)变换并取所产生的霍夫线的中值定向来进行细化(例如，在将霍夫线中的一些旋转90度之后，考虑到一些线将垂直于任何机器可读代码线方向的事实)。
应该理解，可以针对不同的机器可读代码形状修改Harris角点检测算法的上述应用(例如，作为定位机器可读代码的一部分，诸如在方法200中的操作230)。例如，可以围绕感兴趣的坐标拟合其他合适的形状，这可以取决于描绘的(例如，成像的)机器可读代码的形状，如果已知的话(例如，为圆形机器可读代码拟合的圆形、为三角形机器可读代码拟合的三角形、为五边形机器可读代码拟合的五边形等)。
在一些示例实施例中，在估计图像内机器可读代码区域的一个可能位置之后，可以通过稍微缩放估计的机器可读代码位置(例如，扩大或缩小机器可读代码区域的估计周界)来估计多个潜在的机器可读代码位置(例如，作为定位机器可读代码的一部分，例如在方法200中的操作230)。这些多个潜在的机器可读代码位置可以传递到后续过程(例如，如下文所述的二值化或解码)，目的是至少一个估计的机器可读代码位置将引起成功解码。
二值化
在某些示例实施例中，方法200(在操作240)包括进一步的图像处理，诸如将至少操作230中定位的区域(例如，图像的机器可读代码区域)二值化。如本文中所使用的，“二值化”是指将图像或其区域转换为仅有两种颜色(例如，浅色，诸如白色，和深色，诸如黑色)。定位区域的二值化将图像的机器可读代码区域转换为二进制图像(例如，黑色和白色，而不是具有至少三种不同灰度阴影(例如黑色、灰色和白色)的灰度表示)，该二值化可以具有移除机器可读代码的图像中的物质(例如，血液)引起的任何残余暗化的效果。定位的区域可以基于该区域的局部信息或以其他方式特定于该区域的信息(诸如其颜色直方图、其定向直方图或两者)被进一步处理。例如，该区域可以至少部分地用大津(Otsu)阈值化(例如，基于该区域的颜色直方图)进行二值化。在其他示例实施例中，使用色调分离或其他将颜色信息量化为多于两种结果颜色的方法来代替二值化。
作为另一个示例，将区域(例如，机器可读代码区域)二值化可以包括将形状像机器可读代码的网格拟合到该区域的边缘图，生成所得网格块的中值颜色直方图，并在生成的中值颜色直方图上应用大津阈值化。大津阈值化可用于确定哪些网格块对应于机器可读代码中的浅色元素，以及哪些网格块对应于机器可读代码中的深色元素。网格的线可以是线性的，或者通过非线性方程进行参数化，使得例如，网格可以被拟合到描绘非直线组成的机器可读代码、已被弯曲或扭曲的机器可读代码或两者的图像区域。作为另一个示例，在一些示例实施例中，可以训练神经网络或其他合适的机器学习模型，以基于原始图像或以与上述那些方式类似的方式处理的预处理图像，输出形状像机器可读代码的预测的网格。例如，此类神经网络可以用足够数量的手工编辑(curated)的网格进行训练。
尽管上述示例被描述为使用大津阈值化，但应该理解，任何合适的阈值化技术都可以应用于将图像的至少一个区域(例如，机器可读代码区域)二值化。
解码
给定如本文中所述进行处理(例如，“清洁”)的图像或其一部分(例如，至少描绘机器可读代码的区域)，方法200的某些示例实施例(在操作250)包括对至少描绘机器可读代码的区域进行解码。这可以通过对图像的二值化机器可读代码区域进行解码以确定存在于机器可读代码中的编码信息来执行。可以应用用于处理(例如，读取和解码)机器可读代码的任何合适的技术来获得已被编码在机器可读代码中的信息(例如，文本字符的字符串，诸如字母数字字符)。例如，此类算法可以使用竖直扫描线和水平扫描线来寻找机器可读代码中的L形寻像图案、交替时序图案或两者，并然后使用所得的位置和尺度信息来评估机器可读代码的每个元素(例如，内容块)。然后可以使用解码和纠错方法将机器可读代码的元素(例如，内容块)转换为解码数据(例如，解码字符串)。
在已估计或猜测关于机器可读代码的多个潜在位置的情况下，可以针对潜在位置中的每个潜在位置执行机器可读代码的解码，并且可以将结果相互比较。如果关于机器可读代码的潜在位置中的至少一个潜在位置引起成功解码，则可以返回解码字符串(例如，输出供后续使用)。此外，在一些示例实施例中，解码字符串的返回可以进一步以潜在位置之间的充分一致性为条件。例如，如果没有两个猜测引起冲突的解码字符串，或者如果适当数量(例如，大多数)的猜测引起相同的、共同的解码字符串，则可以返回解码字符串。
利用解码信息
在返回来自机器可读代码的解码字符串之后，可以以任何合适的方式利用解码字符串中的信息，这可以取决于编码信息的类型。例如，方法200可以包括基于解码信息，递增纺织品计数器指数(例如，如果确定扫描和解码的机器可读代码与其他扫描和解码的机器可读代码不同，则递增纺织品计数器指数)。在一些示例实施例中，可以维护多个纺织品计数器指数(例如，针对外科海绵的第一指数、针对chux的第二指数等)。例如，编码信息除了包括唯一的标识符(例如，序列号)之外，还可以包括纺织品的类型(例如，纺织品类型)，使得仅仅针对该纺织品类型的相应的纺织品计数器指数响应于机器可读代码被扫描和解码而递增。
此外，方法200还可以包括输出纺织品计数器指数，诸如通过在显示器上显示纺织品计数器指数(例如，作为该类型的纺织品的计数)，或者通过音频设备(例如，扬声器)输出纺织品计数器指数(例如，该类型的纺织品的计数)作为听得见的(audible)计数。
用于处理机器可读代码的图像的系统
如图1所示，根据一些示例实施例，用于处理机器可读代码的图像的系统100包括至少一个处理器152和具有存储在其中的指令的存储器154。处理器152被配置为执行所存储的指令，使得其被配置为：接收包括编码信息的机器可读代码的图像，其中机器可读代码至少部分地被具有主导颜色的物质遮挡；通过基于主导颜色调整图像的颜色空间来生成经调整的图像；将图像的至少一个区域(例如，机器可读代码区域)二值化，其中图像的该区域描绘了机器可读代码；以及对图像的二值化区域进行解码以确定编码信息。在某些示例实施例中，系统100可以被配置为基本上执行上面更详细描述的方法200。下面关于图4进一步描述系统100的示例。
如图1中进一步示出的，系统100可以包括相机156，该相机156被配置为获得(例如，捕获或以其他方式生成)机器可读代码的一个或更多个图像，并且系统100可以包括显示器158(例如，显示屏)，该显示器158被配置为显示机器可读代码的一个或更多个图像。在一些示例实施例中，系统100中的一些或全部可以在集成设备(例如，移动设备150)中，并且在外科过程期间(例如，在手术室中)放置在患者附近，以评估外科纺织品中包含(例如，吸收)的患者流体。例如，系统100可以至少部分地包括手持式或移动电子计算设备(例如，移动设备150)，其可以被配置为执行本地流体分析应用程序。此类手持式或移动电子计算设备例如可以是或包括平板计算机、膝上型计算机、移动智能手机或其任何合适的组合，其可以包括相机156、处理器152和显示器158。然而，在其他示例实施例中，系统部件中的一些或全部可以被分离为分立的、相互连接的设备。例如，相机156、显示器158或两者可以在外科过程期间(例如，在手术室中)基本上位于患者附近，而处理器152可以位于远程位置(例如，在手术室中与相机156或显示器158分离，或在手术室外)，并通过有线连接或无线连接或其他网络与相机156和显示器158通信。
通常，一个或更多个处理器152可以被配置为执行存储在存储器154中的指令，使得当其执行指令时，处理器152执行本文中所述方法的各个方面。指令可由用户计算机或其他用户设备(例如，移动设备、腕带、智能手机或其任何合适的组合)内的计算机可执行部件执行，该计算机可执行部件与应用、小程序、主机、服务器、网络、网站、通信服务、通信接口、硬件、固件、软件或其任何合适的组合集成在一起。指令可以存储在存储器或另一个计算机可读介质(诸如RAM、ROM、闪存、EEPROM、光盘(例如CD或DVD)、硬盘驱动器、软盘驱动器或任何其他合适的设备)上。
如上所述，一个或更多个处理器152可以被集成到手持式或移动设备(例如，移动设备150)中。在其他示例实施例中，一个或更多个处理器152被结合到计算设备或系统(诸如基于云的计算机系统、大型计算机系统、网格计算机系统或其他合适的计算机系统)中。另外或可替代地，一个或更多个处理器152可以被结合到远程服务器中，该远程服务器接收外科纺织品的图像、重建此类图像(例如，如上所述)、分析此类图像(例如，如上所述)，并将外科纺织品中流体的一个或更多个方面的定量传输给另一个计算设备，该另一个计算设备可以具有用于向用户显示定量的显示器。下面关于图4进一步描述一个或更多个处理器152的示例。
系统100还可以包括光学传感器(例如，在相机156中)，其运行以生成一个或更多个图像(诸如一组一个或更多个静态图像或作为视频馈送的一部分)。相机156可以包括至少一个光学图像传感器(例如，CCD、CMOS等，其捕获彩色光学数字图像，该彩色光学数字图像的像素具有红、绿和蓝(RGB)颜色分量)、其他合适的光学部件、或两者。例如，相机156可以包括与合适的相应的光学器件、滤光器(例如，彩色滤光器阵列，诸如Bayer模式滤光器)或两者配对的单个图像传感器。作为另一个示例，相机156可以包括与合适的相应的光学器件(诸如至少一个棱镜或衍射表面)配对的多个图像传感器，以将白光分成单独的颜色通道(例如RGB)，其中每个颜色通道由相应的图像传感器检测。根据各种示例实施例，相机156包括任何合适的图像传感器和其他光学部件，以使相机156能够生成图像。
相机156可以被配置为将图像传输到处理器152以进行分析，传输到存储图像的数据库、或传输到两者。如前所述，相机156可以与系统100的其他部件中的一个或更多个部件一样集成在同一设备(例如，移动设备150)中，或者相机156可以是将图像数据传送到其他部件的单独部件。
系统100还可以包括显示器158(例如，显示屏)，其运行以向用户(例如，医生或护士)显示或以其他方式传送(例如，呈现)由系统100生成的信息中的一些或全部(包括但不限于患者信息、外科纺织品的图像、表征外科纺织品中的流体的量化指标或其任何合适的组合)。显示器158可以包括手持式或移动设备上的屏幕、计算机监视器、电视屏幕、投影仪屏幕或其他合适的显示器。
在一些示例实施例中，显示器158被配置为显示用户界面(例如，图形用户界面(GUI))，其使用户能够与显示的信息进行交互。例如，用户界面可以使用户能够操纵图像(例如，缩放、裁剪、旋转等)或人工定义在图像中至少描绘机器可读代码的区域。作为另一个示例，用户界面可以使用户能够选择显示选项(例如，字体、颜色、语言等)，选择要示出的内容(例如，患者信息、量化指标或其他流体相关信息、警报等)、或两者。在一些此类示例实施例中，显示器158是用户交互式的，并且包括响应于皮肤、手写笔或其他用户接触的电阻式或电容式触摸屏。在其他此类示例实施例中，显示器158是经由通过鼠标、键盘或其他输入设备控制的光标进行用户交互的。
在一些示例实施例中，系统100包括向用户传送信息的音频系统。显示器158、音频系统或两者都可以提供(例如，呈现)纺织品计数器指数的当前值，这可以帮助跟踪过程当中外科纺织品的使用情况。
示例
图3A至图3H是根据一些示例实施例的附接到外科纺织品的2D机器可读代码的图像。这些机器可读代码被模拟血液的红色染料溶液(例如，水与红色食用色素混合)在不同程度上部分遮挡。例如，图3A中描绘的机器可读代码仅被染料溶液轻度覆盖(主要是在机器可读代码的外边界上)。图3B至图3H中描绘的机器可读代码总体上越来越严重地被染料溶液覆盖。
使用移动设备(例如，移动设备150)上的机器可读代码读取器应用(例如，被配置为读取QR码)来尝试扫描并解码图3A至图3H中描绘的机器可读代码中的每个机器可读代码。机器可读代码读取器成功地解码了图3A的机器可读代码，但未能解码图3B至图3H的机器可读代码。
彩色(RGB)图像由相机(例如，相机156)拍摄，并通过隔离和仅获取R(红色)通道值而被转换为灰度表示。对于每个图像，通过应用哈里斯角点检测器(例如，实现哈里斯角点检测算法)，对热图值进行阈值化以识别角点坐标和直边坐标，移除角点坐标和直边坐标中的离群值，并将矩形拟合到所得到的剩余坐标，来生成在描绘机器可读代码的区域处的多个猜测。图像的机器可读代码区域被进一步用大津阈值化进行预处理，以将描绘机器可读代码的定位区域二值化，并然后送入机器可读代码处理算法中以搜索成功解码的字符串。对于每个机器可读代码，如果在机器可读代码区域处的多个猜测中，有解码任何猜测区域的任何成功的尝试，并且如果没有解码结果是冲突的，则返回解码字符串。由于重复该过程，对于图3A至图3H中所示的所有机器可读代码，都实现了机器可读代码的成功解码。
本文中所述的部件中的任何一个或更多个部件可以单独使用硬件或使用硬件和软件的组合来实现。例如，本文中所述的任何部件可以物理地包括一个或更多个处理器(例如，处理器152)的布置，该一个或更多个处理器被配置为执行本文中针对该部件所述的操作。作为另一个示例，本文中所述的任何部件可以包括软件、硬件或两者，其配置一个或更多个处理器(例如，处理器152)的布置以执行本文中针对该部件所述的操作。因此，本文中所述的不同部件可以在不同时间点包括并配置处理器的不同布置，或者在不同时间点包括并配置此类处理器的单个布置。本文中所述的每个部件是用于执行本文中针对该部件所述的操作的装置(means)的示例。此外，本文中所述的任何两个或更多个部件可以组合成单个部件，并且本文中针对单个部件所述的功能可以被在多个部件中细分。此外，根据各种示例实施例，本文中描述为在单个系统或机器(例如，单个设备)内实现的部件可以跨多个系统或机器(例如，多个设备)分布。
本文中所讨论的系统或机器(例如，设备)中的任一个可以是、包括专用(例如，专门的或以其他方式非常规和非通用的)计算机或以其他方式在该专用计算机中实现，该计算机已被修改以执行本文中针对该系统或机器所述的功能中的一个或更多个功能(例如，由专用软件，诸如专用应用、操作系统、固件、中间件或其他软件程序的一个或更多个软件模块配置或编程)。例如，下面关于图4讨论能够实现本文中所述的方法中的任何一种或更多种方法的专用计算机系统，并且此类专用计算机因此可以是用于执行本文中讨论的方法中的任何一种或更多种方法的装置。在此类专用计算机的技术领域内，与缺乏本文中讨论的结构或以其他方式无法执行本文中讨论的功能的其他专用计算机相比，通过本文中讨论的结构特别修改(例如，由专用软件配置)以执行本文中讨论的功能的专用计算机在技术上是改进的。因此，根据本文中讨论的系统和方法配置的专用机器提供了对类似专用机器的技术的改进。此外，本文中讨论的系统或机器中的任何两个或更多个可以组合成单个系统或机器，并且本文中针对任何单个系统或机器所述的功能可以在多个系统或机器中细分。
图4是示出根据一些示例实施例的机器400(例如，移动设备150)的部件的框图，该机器400能够从机器可读介质422(例如，非暂时性机器可读介质、机器可读存储介质、计算机可读存储介质或其任何合适的组合)读取指令424，并全部或部分地执行本文中讨论的方法中的任何一种或更多种方法。具体地，图4以计算机系统(例如，计算机)的示例形式示出了机器400，在该计算机系统中用于使机器400执行本文中讨论的方法中的任何一种或更多种方法的指令424(例如，软件、程序、应用程序、小程序、应用或其他可执行代码)可被全部或部分地执行。
在可替代实施例中，机器400作为独立的设备操作，或者可以通信地耦合(例如，联网)到其他机器。在联网部署中，机器400可以在服务器-客户端网络环境中以服务器机器或客户端机器的资格操作，或者在分布式(例如，点对点)网络环境中作为对等机器操作。机器400可以是服务器计算机、客户端计算机、个人计算机(PC)、平板计算机、膝上型计算机、上网本、蜂窝电话、智能手机、机顶盒(STB)、个人数字助理(PDA)、网络器具、网络路由器、网络交换机、网桥、或能够顺序或以其他方式执行指定该机器要采取的动作的指令424的任何机器。此外，虽然仅示出单个机器，但术语“机器”还应被认为包括单独或联合执行指令424以执行本文中讨论的方法中的任何一种或更多种方法的全部或部分的机器的任何集合。
机器400包括处理器402(例如，一个或更多个中央处理单元(CPU)、一个或更多个图形处理单元(GPU)、一个或更多个数字信号处理器(DSP)、一个或更多个专用集成电路(ASIC)、一个或更多个射频集成电路(RFIC)或其任何合适的组合)、主存储器404和静态存储器406，它们被配置为经由总线408彼此通信。处理器402包含固态数字微电路(例如，电子、光学或两者)，其可由指令424中的一些或全部暂时或永久地配置，使得处理器402可被配置为全部或部分地执行本文中所述的方法中的任何一种或更多种方法。例如，处理器402的一组一个或更多个微电路可以被配置为执行本文中所述的一个或更多个模块(例如，软件模块)。在一些示例实施例中，处理器402是多核CPU(例如，双核CPU、四核CPU、8核CPU或128核CPU)，其中多个内核中的每个内核都表现为单独处理器，其能够全部或部分地执行本文中讨论的方法中的任何一种或更多种方法。尽管本文中所述的有益效果可以由至少具有处理器402的机器400提供，但如果不包含处理器的不同种类的机器(例如，纯机械系统、纯液压系统或混合机械-液压系统)被配置为执行本文中所述的方法中的一种或更多种方法，则这些相同的有益效果可以由此类无处理器的机器提供。
机器400还可以包括图形显示器410(例如，等离子体显示面板(PDP)、发光二极管(LED)显示器、液晶显示器(LCD)、投影仪、阴极射线管(CRT)或能够显示图形或视频的任何其他显示器)。机器400还可以包括字母数字输入设备412(例如，键盘或小键盘)、指针输入设备414(例如，鼠标、触摸板、触摸屏、轨迹球、操纵杆、手写笔、运动传感器、眼球跟踪设备、数据手套或其他指向工具)、数据存储装置416、音频生成设备418(例如声卡、放大器、扬声器、耳机插孔或其任何合适的组合)、以及网络接口设备420。
数据存储装置416(例如，数据存储设备)包括机器可读介质422(例如，有形和非暂时性的机器可读存储介质)，其上存储体现本文中所述的方法或功能中的任何一项或更多项的指令424。指令424还可以在机器400执行其之前或期间，完全或至少部分地驻留在主存储器404内、静态存储器406内、处理器402内(例如，处理器的缓存存储器内)、或其任何合适的组合。因此，主存储器404、静态存储器406和处理器402可以被认为是机器可读介质(例如，有形和非暂时性的机器可读介质)。指令424可以经由网络接口设备420通过网络490传输或接收。例如，网络接口设备420可以使用任何一个或更多个传输协议(例如，超文本传输协议(HTTP))来传送指令424。
在一些示例实施例中，机器400可以是便携式计算设备(例如，智能手机、平板计算机或可穿戴设备)，并且可以具有一个或更多个附加输入部件430(例如，传感器或仪表)。此类输入部件430的示例包括图像输入部件(例如，一个或更多个相机)、音频输入部件(例如，一个或更多个麦克风)、方向输入部件(例如，指南针)、位置输入部件(例如。全球定位系统(GPS)接收器)、定向部件(例如，陀螺仪)、运动检测部件(例如，一个或更多个加速度计)、海拔高度检测部件(例如，高度计)、温度输入部件(例如，温度计)和气体检测部件(例如，气体传感器)。由这些输入部件430中的任何一个或更多个部件收集的输入数据可以被本文中所述的模块中的任一个模块访问和可供其使用(例如，具有合适的隐私通知和保护，诸如根据用户偏好、适用法规或其任何合适的组合实现的选择进入同意或选择退出同意)。
如本文中所使用的，术语“存储器”是指能够暂时或永久存储数据的机器可读介质，并且可以被认为包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、缓冲存储器、闪存存储器和高速缓存存储器。尽管机器可读介质422在示例实施例中被示出为单个介质，但术语“机器可读介质”应被视为包括能够存储指令的单个介质或多个介质(例如，集中式或分布式数据库，或相关联的高速缓存和服务器)。术语“机器可读介质”还应被视为包括能够携带(例如，存储或传送)指令424的任何介质或多个介质的组合，该指令424用于由机器400执行，使得指令424在由机器400的一个或更多个处理器(例如，处理器402)执行时，使得机器400全部或部分地执行本文中所述的方法中的任何一种或更多种方法。因此，“机器可读介质”是指单个存储装置或设备，以及是指包括多个存储装置或设备的基于云的存储系统或存储网络。术语“机器可读介质”应因此被认为包括但不限于一个或更多个有形和非暂时性的数据存储库(例如，数据卷)，其示例形式为固态存储芯片、光盘、磁盘或其任何合适的组合。
如本文中所使用的“非暂时性”机器可读介质具体地不包括传播信号本身。根据各种示例实施例，用于由机器400执行的指令424可以经由载体介质(例如，机器可读载体介质)传送。此类载体介质的示例包括非暂时性载体介质(例如，非暂时性机器可读存储介质，例如可从一个地方物理地移动到另一个地方的固态存储器)和暂时性载体介质(例如，传送指令424的载波或其他传播信号)。
本文中所述的示例方法的各种操作可以至少部分地由一个或更多个处理器执行，该一个或更多个处理器被暂时配置(例如由软件)或永久配置以执行相关操作。无论暂时配置还是永久配置，此类处理器都可以构成操作以执行本文中所述的一个或更多个操作或功能的处理器实现的模块。如本文中所使用的，“处理器实现的模块”是指硬件模块，其中硬件包括一个或更多个处理器。因此，本文中所述的操作可以是至少部分处理器实现的、硬件实现的或两者，因为处理器是硬件的示例，并且本文中讨论的方法中的任何一种或更多个种方法内的至少一些操作可以由一个或更多个处理器实现的模块、硬件实现的模块或其任何合适的组合来执行。
此外，此类一个或更多个处理器可以在“云计算”环境中或作为服务(例如，在“软件即服务”(SaaS)实现方式内)执行操作。例如，本文中讨论的任何一种或更多种方法内的至少一些操作可以由一组计算机(例如，作为包括处理器的机器的示例)执行，其中这些操作可以经由网络(例如，互联网)并经由一个或更多个适当的接口(例如，应用程序接口(API))来访问。某些操作的执行可以分布在一个或更多个处理器之间(无论是仅驻留在单个机器内还是跨多个机器部署)。在一些示例实施例中，一个或更多个处理器或硬件模块(例如，处理器实现的模块)可以位于单个地理位置(例如，在家庭环境、办公室环境或服务器群内)。在其他示例实施例中，一个或更多个处理器或硬件模块可以跨多个地理位置分布。
在整个本说明书中，复数实例可以实现作为单个实例描述的部件、操作或结构。尽管一种或更多种方法的个别操作被示出并描述为单独的操作，但个别操作中的一个或更多个操作可以被同时执行，并且没有任何事物要求按照示出的顺序执行操作。在示例配置中作为单独的部件和功能呈现的结构及其功能可以作为具有组合功能的组合结构或部件来实现。类似地，作为单个部件呈现的结构和功能可以作为单独的部件和功能来实现。这些和其他变化、修改、添加和改进落入本文中的主题的范围内。
本文中讨论的主题的一些部分可以按照对作为位或二进制数字信号存储在存储器(例如，计算机存储器或其他机器存储器)内的数据进行操作的算法表示或符号表示来呈现。此类算法表示或符号表示是数据处理领域的普通技术人员用来向本领域的其他技术人员传达其工作实质的技术示例。如本文中所使用的，“算法”是导致期望结果的操作或类似处理的自洽序列。在此背景下，算法和操作涉及物理量的物理操纵。典型地，但不一定地，此类量可以采取能够被机器存储、访问、传递、组合、比较或以其他方式操纵的电信号、磁信号或光信号的形式。有时，主要出于常用的原因，使用词语诸如“数据”、“内容”、“位”、“值”、“元素”、“符号”、“字符”、“项”、“号码”、“数字”等来指代此类信号是方便的。然而，这些词语仅是方便的标签，并且要与适当的物理量相关联。
除非以其他方式特别陈述，本文中使用词语诸如“访问”、“处理”、“检测”、“计算”、“运算”、“确定”、“生成”、“呈现”、“显示”等进行的讨论是指可由机器(例如，计算机)执行的动作或过程，该机器在一个或多个存储器(例如，易失性存储器、非易失性存储器或其任何合适的组合)、寄存器或接收、存储、传输或显示信息的其他机器部件中，操纵或变换以物理(例如，电子、磁性或光学)量表示的数据。此外，除非以其他方式特别陈述，否则术语“一(a)”或“一个(an)”在本文中使用(如专利文件中常见的那样)以包括一个或多于一个实例。最后，如本文中所使用的，连词“或”是指非排他性的“或””，除非以其他方式特别陈述。
以下列举的描述对本文中讨论的方法、机器可读介质和系统(例如，机器、设备或其他装置)的各种示例进行描述。
第一示例提供了一种方法，其包括：
由机器的一个或更多个处理器访问描绘了机器可读代码的图像，该机器可读代码在图像中至少部分地被具有主导颜色的物质遮挡；
由机器的一个或更多个处理器，通过基于至少部分地遮挡机器可读代码的物质的主导颜色调整图像的颜色空间，来生成图像的经调整的版本；以及
由机器的一个或更多个处理器，将图像的经调整的版本的至少一个区域二值化，该区域描绘了机器可读代码。
第二示例提供了根据第一示例的方法，还包括：由光学传感器捕获描绘机器可读代码的图像，该机器可读代码至少部分地被具有主导颜色的物质遮挡。
第三示例提供了根据第一示例或第二示例的方法，其中至少部分地遮挡机器可读代码的物质的主导颜色基本上是红色。
第四示例提供了根据第一示例至第三示例中任一示例的方法，其中：
图像是彩色图像；以及
图像的颜色空间的调整包括基于物质的主导颜色将彩色图像的颜色空间转换为灰度表示。
第五示例提供了根据第一示例至第四示例中任一示例的方法，其中将图像的至少该区域二值化包括对图像的至少该区域的直方图进行颜色阈值化。
第六示例提供了根据第一示例至第五示例中任一示例的方法，还包括：定位在图像的经调整的版本中描绘机器可读代码的区域。
第七示例提供了根据第六示例的方法，其中定位在图像的经调整的版本中描绘机器可读代码的区域包括执行以下项中的至少一项：对图像的经调整的版本的角点检测或对图像的经调整的版本的边缘检测。
第八示例提供了根据第一示例至第七示例中任一示例的方法，其中图像描绘了附接到被具有主导颜色的物质弄脏的外科纺织品的机器可读代码。
第九示例提供了根据第一示例至第八示例中任一示例的方法，其中机器可读代码表示包括外科纺织品的类型或外科纺织品的标识符中的至少一项的编码信息。
第十示例提供了根据第一示例至第九示例中任一示例的方法，还包括：通过对描绘机器可读代码的二值化区域进行解码(例如，通过对其中图像描绘机器可读代码的二值化区域进行解码)来确定由机器可读代码表示的编码信息。
第十一示例提供了根据第十示例的方法，还包括：
响应于确定由机器可读代码表示的编码信息，将纺织计数器指数递增。
第十二示例提供了一种系统(例如，计算机系统)，其包括：
一个或更多个处理器；以及
存储指令的存储器，该指令在由一个或更多个处理器执行时，使得一个或更多个处理器执行包括以下项的操作：
访问描绘了机器可读代码的图像，该机器可读代码在图像中至少部分地被具有主导颜色的物质遮挡；
通过基于至少部分地遮挡机器可读代码的物质的主导颜色调整图像的颜色空间，来生成图像的经调整的版本；以及
将图像的经调整的版本的至少一个区域二值化，该区域描绘了机器可读代码。
第十三示例提供了根据第十二示例的系统，还包括光学传感器，其被配置为捕获描绘机器可读代码的图像，该机器可读代码至少部分地被具有主导颜色的物质遮挡。
第十四示例提供了根据第十二示例或第十三示例的系统，其中至少部分地遮挡机器可读代码的物质的主导颜色基本上是红色。
第十五示例提供了根据第十二示例至第十四示例中任一示例的系统，其中：
图像是彩色图像；以及
图像的颜色空间的调整包括基于物质的主导颜色将彩色图像的颜色空间转换为灰度表示。
第十六示例提供了根据第十二示例至第十五示例中任一示例的系统，其中将图像的至少该区域二值化包括对图像的至少该区域的直方图进行颜色阈值化。
第十七示例提供了根据第十二示例至第十六示例中任一示例的系统，其中操作还包括：定位在图像的经调整的版本中描绘机器可读代码的区域。
第十八示例提供了根据第十七示例的系统，其中定位在图像的经调整的版本中描绘机器可读代码的区域包括执行以下项中的至少一项：对图像的经调整的版本的角点检测或对图像的经调整的版本的边缘检测。
第十九示例提供了根据第十二示例至第十八示例中任一示例的系统，其中图像描绘了附接到被具有主导颜色的物质弄脏的外科纺织品的机器可读代码。
第二十示例提供了根据第十二示例至第十九示例中的任一示例的系统，其中机器可读代码表示包括外科纺织品的类型或外科纺织品的标识符中的至少一项的编码信息。
第二十一示例提供了根据第十二示例至第二十示例中任一示例的系统，其中操作还包括：通过对描绘机器可读代码的二值化区域进行解码(例如，通过对其中图像描绘机器可读代码的二值化区域进行解码)来确定由机器可读代码表示的编码信息。
第二十二示例提供了根据第十二示例至第二十一示例中任一示例的系统，其中操作还包括：响应于确定由机器可读代码表示的编码信息，将纺织计数器指数递增。
第二十三示例提供了一种包括指令的机器可读介质(例如，非暂时性机器可读存储介质)，该指令在由机器的一个或更多个处理器执行时，使得机器执行包括以下项的操作：
访问描绘了机器可读代码的图像，该机器可读代码在图像中至少部分地被具有主导颜色的物质遮挡；
通过基于至少部分地遮挡机器可读代码的物质的主导颜色调整图像的颜色空间，来生成图像的经调整的版本；以及
将图像的经调整的版本的至少一个区域二值化，该区域描绘了机器可读代码。
第二十四示例提供了一种携带机器可读指令的载体介质，该机器可读指令用于控制机器执行在前面描述的示例中的任一个示例中执行的操作(例如，方法操作)。

Claims (23)

1.一种方法，其包括：
由机器的一个或更多个处理器访问描绘了机器可读代码的图像，所述机器可读代码在所述图像中至少部分地被具有主导颜色的物质遮挡；
由所述机器的所述一个或更多个处理器，通过基于至少部分地遮挡所述机器可读代码的所述物质的所述主导颜色调整所述图像的颜色空间，生成所述图像的经调整的版本；以及
由所述机器的所述一个或更多个处理器，将所述图像的所述经调整的版本的至少一个区域二值化，所述区域描绘了所述机器可读代码。
2.根据权利要求1所述的方法，还包括：
由所述光学传感器捕获描绘所述机器可读代码的所述图像，所述机器可读代码至少部分地被具有所述主导颜色的所述物质遮挡。
3.根据权利要求1所述的方法，其中，至少部分地遮挡所述机器可读代码的所述物质的所述主导颜色基本上是红色。
4.根据权利要求1所述的方法，其中：
所述图像是彩色图像；以及
对所述图像的所述颜色空间的调整包括基于所述物质的所述主导颜色将所述彩色图像的所述颜色空间转换为灰度表示。
5.根据权利要求1所述的方法，其中，对所述图像的至少所述区域的二值化包括对所述图像的至少所述区域的直方图进行颜色阈值化。
6.根据权利要求1所述的方法，还包括：
定位在所述图像的所述经调整的版本中描绘所述机器可读代码的所述区域。
7.根据权利要求6所述的方法，其中，对在所述图像的所述经调整的版本中描绘所述机器可读代码的所述区域的定位包括执行以下项中的至少一项：对所述图像的所述经调整的版本的角点检测或对所述图像的所述经调整的版本的边缘检测。
8.根据权利要求1所述的方法，其中，所述图像描绘了附接到被具有所述主导颜色的所述物质弄脏的外科纺织品的所述机器可读代码。
9.根据权利要求1所述的方法，其中，所述机器可读代码表示编码信息，所述编码信息包括外科纺织品的类型或所述外科纺织品的标识符中的至少一项。
10.根据权利要求1所述的方法，还包括：
通过对描绘所述机器可读代码的二值化的区域进行解码来确定由所述机器可读代码表示的编码信息。
11.根据权利要求10所述的方法，还包括：
响应于确定由所述机器可读代码表示的所述编码信息，将纺织计数器指数递增。
12.一种系统，其包括：
一个或更多个处理器；以及
存储指令的存储器，所述指令在由所述一个或更多个处理器执行时，使得所述一个或更多个处理器执行包括以下项的操作：
访问描绘了机器可读代码的图像，所述机器可读代码在所述图像中至少部分地被具有主导颜色的物质遮挡；
通过基于至少部分地遮挡所述机器可读代码的所述物质的所述主导颜色调整所述图像的颜色空间，生成所述图像的经调整的版本；以及
将所述图像的所述经调整的版本的至少一个区域二值化，所述区域描绘了所述机器可读代码。
13.根据权利要求12所述的系统，还包括光学传感器，所述光学传感器被配置为捕获描绘所述机器可读代码的所述图像，所述机器可读代码至少部分地被具有所述主导颜色的所述物质遮挡。
14.根据权利要求12所述的系统，其中，至少部分地遮挡所述机器可读代码的所述物质的所述主导颜色基本上是红色。
15.根据权利要求12所述的系统，其中：
所述图像是彩色图像；以及
对所述图像的所述颜色空间的调整包括基于所述物质的所述主导颜色将所述彩色图像的所述颜色空间转换为灰度表示。
16.根据权利要求12所述的系统，其中，对所述图像的至少所述区域的二值化包括对所述图像的至少所述区域的直方图进行颜色阈值化。
17.根据权利要求12所述的系统，其中，所述操作还包括：
定位在所述图像的所述经调整的版本中描绘所述机器可读代码的所述区域。
18.根据权利要求17所述的系统，其中，对在所述图像的所述经调整的版本中描绘所述机器可读代码的所述区域的定位包括执行以下项中的至少一项：对所述图像的所述经调整的版本的角点检测或对所述图像的所述经调整的版本的边缘检测。
19.根据权利要求12所述的系统，其中，所述图像描绘了附接到被具有所述主导颜色的所述物质弄脏的外科纺织品的所述机器可读代码。
20.根据权利要求12所述的系统，其中，所述机器可读代码表示编码信息，所述编码信息包括外科纺织品的类型或所述外科纺织品的标识符中的至少一项。
21.根据权利要求12所述的系统，其中，所述操作还包括：
通过对描绘所述机器可读代码的二值化的区域进行解码来确定由所述机器可读代码表示的编码信息。
22.根据权利要求21所述的系统，其中，所述操作还包括：
响应于确定由所述机器可读代码表示的所述编码信息，将纺织计数器指数递增。
23.一种包括指令的机器可读介质，所述指令在由机器的一个或更多个处理器执行时，使得所述机器执行包括以下项的操作：
访问描绘了机器可读代码的图像，所述机器可读代码在所述图像中至少部分地被具有主导颜色的物质遮挡；
通过基于至少部分地遮挡所述机器可读代码的所述物质的所述主导颜色调整所述图像的颜色空间，生成所述图像的经调整的版本；以及
将所述图像的所述经调整的版本的至少一个区域二值化，所述区域描绘了所述机器可读代码。
CN201980082995.1A 2018-10-15 2019-10-14 用于处理图像的方法和系统 Pending CN113454646A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862745577P 2018-10-15 2018-10-15
US62/745,577 2018-10-15
PCT/US2019/056076 WO2020081435A1 (en) 2018-10-15 2019-10-14 Methods and systems for processing an image

Publications (1)

Publication Number Publication Date
CN113454646A true CN113454646A (zh) 2021-09-28

Family

ID=70282934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980082995.1A Pending CN113454646A (zh) 2018-10-15 2019-10-14 用于处理图像的方法和系统

Country Status (6)

Country Link
US (2) US11769022B2 (zh)
EP (1) EP3867809A4 (zh)
JP (1) JP7300199B2 (zh)
CN (1) CN113454646A (zh)
CA (1) CA3115811C (zh)
WO (1) WO2020081435A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11769022B2 (en) 2018-10-15 2023-09-26 Gauss Surgical Inc. Methods and systems for processing an image

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10789710B2 (en) 2015-05-15 2020-09-29 Gauss Surgical, Inc. Methods and systems for characterizing fluids from a patient
JP7021651B2 (ja) * 2019-03-01 2022-02-17 オムロン株式会社 シンボル境界特定装置、シンボル境界特定方法および画像処理プログラム
JP2022090382A (ja) * 2020-12-07 2022-06-17 セイコーエプソン株式会社 印刷媒体処理システムおよび印刷媒体処理方法
US12050960B2 (en) * 2021-03-24 2024-07-30 Maplebear Inc. Image-based barcode decoding
WO2022211064A1 (ja) * 2021-03-31 2022-10-06 株式会社デンソーウェーブ 情報読取装置
CN113761962B (zh) * 2021-09-13 2022-09-16 武汉先同科技有限公司 一种赋码产品视觉检测方法、系统以及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006338251A (ja) * 2005-06-01 2006-12-14 Kddi Corp カラー画像重畳バーコード、カラー画像重畳バーコード生成方法および装置
CN101513035A (zh) * 2006-09-06 2009-08-19 伊斯曼柯达公司 颜色校正方法
US20090262987A1 (en) * 2008-03-31 2009-10-22 Google Inc. Automatic face detection and identity masking in images, and applications thereof
CN102017639A (zh) * 2008-01-28 2011-04-13 泰塞拉技术爱尔兰有限公司 用于处理色差和紫色条纹的方法和装置
US20160342873A1 (en) * 2015-05-05 2016-11-24 Winkk, Inc. Palette-based optical recognition code generators and decoders
CN106372144A (zh) * 2016-08-26 2017-02-01 江西科骏实业有限公司 二维码处理装置和方法
TWI595421B (zh) * 2016-05-25 2017-08-11 健行學校財團法人健行科技大學 視覺化藝術二維碼產生系統及其資料移轉方法
JP2017191565A (ja) * 2016-04-15 2017-10-19 オムロン株式会社 画像処理装置、光学コード読取装置、画像処理方法、情報処理プログラムおよび記録媒体
WO2018125812A1 (en) * 2017-01-02 2018-07-05 Gauss Surgical, Inc. Tracking surgical items with prediction of duplicate imaging of items

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6266442B1 (en) 1998-10-23 2001-07-24 Facet Technology Corp. Method and apparatus for identifying objects depicted in a videostream
CN100481117C (zh) 2004-03-15 2009-04-22 武汉矽感科技有限公司 一种二维条码编解码方法
US20070125392A1 (en) * 2005-12-01 2007-06-07 Sdgi Holdings, Inc. Systems and methods of accounting for surgical instruments and disposables
JP2009111869A (ja) * 2007-10-31 2009-05-21 Sharp Corp 撮像画像処理方法、撮像画像処理システム、および表示装置
TW201120769A (en) * 2009-12-11 2011-06-16 Ind Tech Res Inst Visual-based contactless communication device and method thereof
JP5673257B2 (ja) * 2011-03-17 2015-02-18 日本電気株式会社 コード読取装置、コード読取方法およびコード読取プログラム
WO2013163588A1 (en) * 2012-04-26 2013-10-31 Alec Rothmyer Rivers Systems and methods for performing a task on a material, or locating the position of a device relative to the surface of the material
US9165230B2 (en) * 2012-06-20 2015-10-20 Denso Wave Incorporated Information code and information code reading apparatus
US20160104310A1 (en) * 2013-06-28 2016-04-14 Schneider Electric Usa Inc. Systems and methods of blending machine-readable and human-readable elements on a display
US9412284B2 (en) * 2014-04-15 2016-08-09 Apdn (B.V.I.) Inc. Contour encryption and decryption
US20160379029A1 (en) 2015-06-23 2016-12-29 Konica Minolta Laboratory U.S.A., Inc. High capacity 2d color barcode design and processing method for camera based applications
ES2819699T3 (es) * 2016-03-07 2021-04-19 Hyla Inc Detección de daño de pantalla para dispositivos
US11856260B2 (en) * 2016-03-30 2023-12-26 Covenant Eyes, Inc. Applications, systems and methods to monitor, filter and/or alter output of a computing device
CN109791624B (zh) * 2016-09-28 2022-06-07 3M创新有限公司 包含遮蔽弹性光学代码的机读制品
US20180131976A1 (en) * 2016-10-11 2018-05-10 Sasha Zabelin Serializable visually unobtrusive scannable video codes
US10699184B2 (en) * 2016-12-29 2020-06-30 Facebook, Inc. Updating predictions for a deep-learning model
US20180189666A1 (en) * 2016-12-29 2018-07-05 Facebook, Inc. Adding Concepts to a Deep-Learning Model in Real Time
EP3602415B1 (en) * 2017-05-16 2020-11-11 Google LLC Stop code tolerant image compression neural networks
CN107609450B (zh) * 2017-09-08 2020-06-26 苏州佳世达光电有限公司 条码辨识方法
US10803139B2 (en) * 2017-10-27 2020-10-13 Intuit Inc. Instrument disambiguation to facilitate electronic data consolidation
US11481751B1 (en) * 2018-08-28 2022-10-25 Focal Systems, Inc. Automatic deep learning computer vision based retail store checkout system
EP3867809A4 (en) 2018-10-15 2022-07-06 Gauss Surgical, Inc. IMAGE PROCESSING METHODS AND SYSTEMS
US20210248338A1 (en) * 2020-02-08 2021-08-12 Blocktag, Inc. Systems, methods and apparatuses of a security device

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006338251A (ja) * 2005-06-01 2006-12-14 Kddi Corp カラー画像重畳バーコード、カラー画像重畳バーコード生成方法および装置
CN101513035A (zh) * 2006-09-06 2009-08-19 伊斯曼柯达公司 颜色校正方法
CN102017639A (zh) * 2008-01-28 2011-04-13 泰塞拉技术爱尔兰有限公司 用于处理色差和紫色条纹的方法和装置
US20090262987A1 (en) * 2008-03-31 2009-10-22 Google Inc. Automatic face detection and identity masking in images, and applications thereof
US20160342873A1 (en) * 2015-05-05 2016-11-24 Winkk, Inc. Palette-based optical recognition code generators and decoders
JP2017191565A (ja) * 2016-04-15 2017-10-19 オムロン株式会社 画像処理装置、光学コード読取装置、画像処理方法、情報処理プログラムおよび記録媒体
TWI595421B (zh) * 2016-05-25 2017-08-11 健行學校財團法人健行科技大學 視覺化藝術二維碼產生系統及其資料移轉方法
CN106372144A (zh) * 2016-08-26 2017-02-01 江西科骏实业有限公司 二维码处理装置和方法
WO2018125812A1 (en) * 2017-01-02 2018-07-05 Gauss Surgical, Inc. Tracking surgical items with prediction of duplicate imaging of items

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DAVID R. MARTIN ET AL.: "Learning to Detect Natural Image Boundaries Using Local Brightness, Color, and Texture Cues", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》, vol. 26, no. 5, 31 May 2004 (2004-05-31), pages 530 - 549 *
何拥军: "基于图像准确处理的数字图像处理系统结构设计及其功能实现", 《现代电子技术》, vol. 39, no. 22, 15 November 2016 (2016-11-15), pages 97 - 99 *
赵强: "条形码检测定位算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 May 2018 (2018-05-15), pages 138 - 343 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11769022B2 (en) 2018-10-15 2023-09-26 Gauss Surgical Inc. Methods and systems for processing an image
US12093779B2 (en) 2018-10-15 2024-09-17 Gauss Surgical Inc. Methods and systems for processing an image

Also Published As

Publication number Publication date
US11769022B2 (en) 2023-09-26
JP7300199B2 (ja) 2023-06-29
JP2022504450A (ja) 2022-01-13
US20210397916A1 (en) 2021-12-23
US20230394262A1 (en) 2023-12-07
CA3115811C (en) 2024-03-26
US12093779B2 (en) 2024-09-17
EP3867809A4 (en) 2022-07-06
CA3115811A1 (en) 2020-04-23
EP3867809A1 (en) 2021-08-25
WO2020081435A1 (en) 2020-04-23

Similar Documents

Publication Publication Date Title
US12093779B2 (en) Methods and systems for processing an image
EP3132380B1 (en) Method for estimating a quantity of a blood component in a fluid canister
RU2653461C2 (ru) Обнаружение блика в кадре данных изображения
WO2014160433A2 (en) Systems and methods for classifying objects in digital images captured using mobile devices
JP6630341B2 (ja) シンボルの光学的検出方法
CN106651801A (zh) 一种光斑定位时去除噪声的方法及系统
WO2021195873A1 (zh) 识别sfr测试卡图像中感兴趣区域的方法及装置、介质
CN114494017B (zh) 根据比例尺进行图像dpi调整的方法和装置、设备及介质
WO2019061659A1 (zh) 人脸图像眼镜去除方法、装置及存储介质
EP4150565A1 (en) Assay reading method
CN112307944A (zh) 菜品库存信息处理方法、菜品出库方法及相关装置
CN111340040B (zh) 一种纸张字符识别方法、装置、电子设备及存储介质
CN117234357A (zh) 一种触摸屏多点触摸识别方法、装置及电子设备
JP2019220163A (ja) ビジョンシステムでラインを検出するためのシステム及び方法
CN115708133A (zh) 用于读取测量装置的系统、方法和装置、存储介质
EP3884431A1 (en) Document detections from video images
US9990532B2 (en) Fingerprint data registering method and fingerprint data registering apparatus
US20210390286A1 (en) Measuring Quality of Depth Images in Real Time
GB2601978A (en) Assay reading method
US11922268B1 (en) Object identification based on a partial decode
JP7035357B2 (ja) 画像判定用コンピュータプログラム、画像判定装置及び画像判定方法
Anjal et al. Image region analysis based automated meter reading using MATLAB
CN117541552A (zh) 图像处理方法、装置、电子设备及存储介质
CN114910644A (zh) 一种试剂卡检测方法、装置、电子设备和存储介质
CN112307945A (zh) 菜品库存信息处理方法、菜品出库方法及相关装置

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
TA01 Transfer of patent application right

Effective date of registration: 20240912

Address after: U.S.A.

Applicant after: STRYKER Corp.

Country or region after: U.S.A.

Address before: California, USA

Applicant before: GAUSS SURGICAL

Country or region before: U.S.A.

TA01 Transfer of patent application right