CN114694141A - 毛囊点识别方法、系统、装置和存储介质 - Google Patents

毛囊点识别方法、系统、装置和存储介质 Download PDF

Info

Publication number
CN114694141A
CN114694141A CN202011563118.7A CN202011563118A CN114694141A CN 114694141 A CN114694141 A CN 114694141A CN 202011563118 A CN202011563118 A CN 202011563118A CN 114694141 A CN114694141 A CN 114694141A
Authority
CN
China
Prior art keywords
image
hair
extracted
hair follicle
follicular
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
CN202011563118.7A
Other languages
English (en)
Inventor
黄弯弯
杨溪
吕文尔
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.)
Shanghai Weiwei Medical Technology Co ltd
Original Assignee
Shanghai Weiwei Medical 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 Shanghai Weiwei Medical Technology Co ltd filed Critical Shanghai Weiwei Medical Technology Co ltd
Priority to CN202011563118.7A priority Critical patent/CN114694141A/zh
Priority to PCT/CN2021/120636 priority patent/WO2022134703A1/zh
Publication of CN114694141A publication Critical patent/CN114694141A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/69Microscopic objects, e.g. biological cells or cellular parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种毛囊点识别方法、系统、装置和存储介质。该毛囊点识别方法包括:获取第一图像,第一图像包括对应于毛囊待提取区域的第一图像部分;基于第一图像部分,确定毛囊待提取区域中的每一待提取毛囊在第一图像坐标系中的第一坐标位置;基于每一第一坐标位置进行路径规划,以确定用于提取每一待提取毛囊的提取路径。通过该方法,可以完全自动地完成对毛囊点的识别,从而有助于提高植发的效率,并降低对操作人员的技术和经验的要求。

Description

毛囊点识别方法、系统、装置和存储介质
技术领域
本申请涉及特征识别领域,并且更具体地涉及毛囊点识别方法、系统、装置和存储介质。
背景技术
随着社会节奏的加快以及生活压力的增加,脱发人群越来越多,并且越来越呈年轻化的趋势。根据世卫组织统计,当今,平均每5个人之中,就有1个人存在脱发问题,而在中国,脱发人群更是达到了2.5亿之多。
植发技术是目前常用的用于处理脱发的方法之一,其由Norman Orentreich于1959年提出,主要方法是将脱发者头发茂密、坚韧处(例如,后脑勺部位)的头发,通过毛囊搬运,移植到头发稀少的地方。目前,传统的植发操作一般由植发操作人员手动完成,主要包括由植发操作人员对脱发者的头皮进行手动麻醉,然后人工识别每一根毛囊并对其进行手动提取。这种手动植发技术对于植发操作者的经验与技术依赖性较大,而且存在耗时费力、成功率低等问题。
因此,有必要提供一种能够自动识别毛囊点的技术,使得能够有助于提高毛囊移植的效率。
发明内容
鉴于以上技术问题,本申请提供了一种毛囊点识别方法、系统、装置和存储介质,其可以完全自动地完成对毛囊点的识别,从而有助于提高植发的效率,并降低对操作人员的技术和经验的要求。
在一方面,本申请提供了一种毛囊点识别方法,包括:获取第一图像,所述第一图像包括对应于毛囊待提取区域的第一图像部分;基于所述第一图像部分,确定所述毛囊带提取区域中的每一待提取毛囊在第一图像坐标系中的第一坐标位置;以及基于每一所述第一坐标位置进行路径规划,以确定用于提取每一待提取毛囊的提取路径。
在一种实现中,该方法还包括按照所述提取路径,确定每一待提取毛囊的实际提取位置。
在一种实现中,基于所述第一图像部分,确定所述毛囊待提取区域中的每一待提取毛囊在第一图像坐标系中的第一坐标位置包括:对所述第一图像部分进行分割,以获得多个第一毛发区域;以及基于所述第一毛发区域确定每一待提取毛囊的所述第一坐标位置。
在一种实现中,基于所述第一毛发区域确定每一待提取毛囊的所述第一坐标位置包括:利用每一第一毛发区域的最小外接矩形框以及毛发的生长方向来确定每一待提取毛囊的所述第一坐标位置。
在一种实现中,对所述第一图像部分进行分割,以获得多个第一毛发区域包括:对所述第一图像部分进行二值化处理,以获得所述多个第一毛发区域。
在一种实现中,所述方法在获得所述多个第一毛发区域之后,还包括:对所述多个第一毛发区域进行连通区域分析和形态学处理。
在一种实现中,按照所述提取路径,确定每一待提取毛囊的实际提取位置包括:基于所述第一坐标位置,获得所述提取路径中的第一个待提取毛囊在图像采集装置坐标系中的估计提取位置;指令机械臂移动到所述估计提取位置,并采集第二图像,其中,所述第二图像包括对应于所述毛囊待提取区域的第二图像部分;以及基于所述第二图像部分,确定所述第一个待提取毛囊的所述实际提取位置。
在一种实现中,基于所述第二图像部分,确定所述第一个待提取毛囊的所述实际提取位置包括:对所述第二图像部分进行分割,以获得多个第二毛发区域;基于所述第二毛发区域确定每一待提取毛囊在第二图像坐标系中的第二坐标位置;基于取发针在图像采集装置坐标系中的位置和方向,计算所述取发针在所述第二图像中的下针点位置;确定所有所述第二坐标位置中与所述下针点位置最接近的位置;以及通过对所述最接近的位置进行坐标系转换,获得所述当前待提取毛囊的所述实际提取位置。
在另一方面,本申请提供了一种毛囊点识别装置,包括:存储器,所述存储器存储有机器可执行程序;以及处理器,所述处理器在执行所述机器可执行程序时,实现根据权利要求1-8中的任一项所述的毛囊点识别方法。
在又一方面,本申请提供了一种毛囊点识别系统,包括:机械臂,所述机械臂上安装有取发针;图像采集装置,其中所述图像采集装置被安装成跟随所述机械臂同步移动;控制装置,所述控制装置与所述机械臂和所述图像采集装置通信连接,并且所述控制装置被配置成与所述机械臂和所述图像采集装置进行信息交互,以实现根据本申请的第一方面所述的毛囊点识别方法。
在又一方面,本申请提供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实现根据本申请的第一方面所述的毛囊点识别方法。
附图说明
图1示出了根据本申请的实施例的毛囊点识别方法的流程图;
图2示出了根据本申请的实施例的用于基于第一图像部分,确定毛囊待提取区域中的每一待提取毛囊在第一图像坐标系中的第一坐标位置的示例实现的流程图;
图3示出了根据本申请的实施例的用于按照提取路径,确定每一待提取毛囊的实际提取位置的一种实现的流程图;
图4示出了根据本申请的实施例的用于基于第二图像部分,确定当前待提取毛囊的实际提取位置的一种实现的流程图;
图5示出了在图1所示的毛囊点识别方法中获取的第一图像的示例示意图;
图6示出了第一图像部分的示例示意图;
图7示出了对第一图像部分进行了二值化处理之后的得到的二值化图像的示例示意图;
图8示出了所确定的每一待提取毛囊的第一坐标位置的示例示意图;
图9示出了利用蛇形排序算法对每一第一坐标位置进行路径规划的示例示意图;
图10A示出了第二图像部分在确定了每一个待提取毛囊点的实际提取位置之后的示意图;
图10B示出了图10A中A所指示的局部部分的放大示意图;
图11示出了根据本申请的实施例的毛囊点识别装置的示意性结构框图;
图12示出了根据本申请的实施例的毛囊点识别系统的示意性结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例的限制。
在本说明书的描述中,术语“第一”、“第二”仅用于对不同的技术特征进行区分,而不能理解为指示或暗示所指示技术特征的相对重要性或顺序。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在一个实施例中,本申请提供了一种毛囊点识别方法。如图1所示,该毛囊点识别方法可包括以下步骤:
步骤101,获取第一图像,该第一图像包括对应于毛囊待提取区域的第一图像部分。
在本实施例中,在通过图像采集装置采集到的第一图像中,头皮与毛发颜色对比度明显。因此,当在步骤101获取第一图像之前,可先选取合适的图像采集装置,并对所选的图像采集装置进行参数设置,可设置的参数包括例如曝光时间、分辨率等。例如,作为一个非限制性示例,可以选取深度相机作为图像采集装置,并将曝光时间设定为7190秒,分辨率设定为2560*1600。
在本实施例中,第一图像可通过利用所选的图像采集装置对包含毛囊待提取区域的身体部位(例如,脱发者头部的待提取毛囊表面)进行局部视觉成像来采集得到,因此该第一图像中包括与毛囊待提取区域相对应的第一图像部分(例如,包括在图5的虚线框中的图像部分和图6所示的图像部分)。
在该实施例中,毛囊待提取区域指例如脱发者头部的待提取毛囊表面上供提取毛囊的区域,例如脱发者的后脑勺部位,此区域毛发较为坚韧、浓密。第一图像包括该对应于毛囊待提取区域的第一图像部分,以便确定毛囊待提取区域中的每一待提取毛囊的位置。
在另一实施例中,用于提取待提取毛囊点的取发针可安装在机械臂上,而图像采集装置被安装成可跟随机械臂同步移动,因此无论机械臂如何移动,取发针和机械臂之间的位置关系是相对固定的,机械臂与图像采集装置之间的位置关系也是相对固定的,因此取发针与图像采集装置之间的位置关系也是相对固定的。鉴于此,基于取发针与图像采集装置之间的位置关系,可以计算出取发针在图像采集装置坐标系中的三维位置和方向。在本文中,取发针的方向可以指取发针的针头的具体朝向,例如取发针的针头朝向前、后、左或右的具体方向。
另外,由于图像采集装置所采集的图像是在图像采集装置的视野中采集到的图像,因此无论图像采集装置如何移动,图像采集装置坐标系与图像采集装置所采集到的各个图像的图像坐标系之间的转换关系都是固定的。基于该转换关系,可以将图像坐标系中的坐标位置转换成图像采集装置坐标系中的三维位置,也可以将图像采集装置坐标系中的三维位置转换成图像坐标系中的坐标位置。
在步骤102,基于第一图像部分,确定毛囊带提取区域中的每一待提取毛囊在第一图像坐标系中的第一坐标位置。
在一个实施例中,为了确定每一待提取毛囊在第一图像坐标系中的第一坐标位置,需要先从第一图像中提取出对应于毛囊待提取区域的第一图像部分。具体地,可先为所采集到的第一图像建立一个坐标系(在本文中将该坐标系称为第一图像坐标系),以便于表示第一图像的各个像素点在第一图像中的位置。例如,作为非限制性示例,可通过将所采集到的第一图像的左上角像素设为原点(0,0),将第一图像从原点起沿着宽度向右的方向设为X正方向,将第一图像从原点其沿着高度向下的方向设为Y正方向,来建立第一图像坐标系。在建立了第一图像坐标系之后,可例如基于第一图像中所包含的毛发颜色的像素点的密度和分布来标识出第一图像部分在第一图像中的位置,以从第一图像中提取出该第一图像部分。然后,就可基于该第一图像部分,确定每一待提取毛囊在第一图像坐标系中的第一坐标位置了。
图2中示出了根据本申请的实施例的在步骤102中实现的基于第一图像部分,确定毛囊带提取区域中的每一待提取毛囊在第一图像坐标系中的第一坐标位置的示例实现的流程图。
在步骤201,对第一图像部分进行分割,以获得多个第一毛发区域。
在一种实现中,可通过对第一图像部分进行二值化处理来获得多个第一毛发区域。在一种实现中,可以采用全局二值化方法或者局部二值化方法来对所述第一图像部分进行二值化处理。仅作为示例,在全局二值化方法中,可以例如首先对第一图像部分进行灰度转换,将第一图像部分转换成灰度图,然后将灰度级大于预设阈值的像素设置为黑色,并将灰度级小于预设阈值的像素设为白色,并将得到的图像取反来获得相应的二值化图像。同样仅作为示例,在局部二值化方法中,可同样先将第一图像部分转换成灰度图,然后以每一像素的邻域信息(例如,可将邻域大小设为31*31)和偏移值(例如,偏移值可设为25)为基础来计算每一像素的阈值(例如,通过取平均值的方法来计算该阈值)以基于该阈值来将相应的像素设为白色或黑色,然后将据此得到的图像取反来获得相应的二值化图像。例如,图7示出了对第一图像部分进行了如上所述的二值化处理之后所得到的二值化图像的示例。
在一种实现中,为了提高后续毛囊点提取的准确性和成功率,在获得了多个第一毛发区域之后,还可对这些第一毛发区域进行进一步的处理,例如可对经二值化处理分割出的第一毛发区域进行连通区域分析和形态学处理。
对于连通区域分析,可以例如先计算出这些第一毛发区域的中的每一第一毛发区域的面积,将每一第一毛发区域的面积与预设的面积阈值进行比较,当某个第一毛发区域的面积小于该预设的面积阈值时,将该第一毛发区域删除(例如,将其转换为表示非毛发区域的颜色,例如在图7中为转换为黑色)。
对于形态学处理,可以例如对分割出的第一毛发区域先进行膨胀操作,然后再进行腐蚀操作,以删除每一第一毛发区域中的噪音点。具体地,在本申请中,膨胀操作的目的是使各第一毛发区域的范围“变大”(即使该区域的边界向外部扩张),以便将包含在该区域中的小颗粒噪声点合并到该区域中。例如,在第一毛发区为白色的情况下,这些噪声点就是白色毛发区中的小颗粒黑色,膨胀操作的目的就是将出现在第一毛发区中的噪声点也修改为白色。另外,在本申请中,腐蚀操作可使第一毛发区域的范围“变小”(即使该区域的边界收缩),其目的就是为了使因膨胀操作而变大的第一毛发区域的范围恢复成原来的大小。
在步骤202,基于第一毛发区域确定每一待提取毛囊的第一坐标位置。
在一种实现中,可利用每一第一毛发区域的最小外接矩形框以及毛发的生长方向来确定每一待提取毛囊在第一坐标位置(即,每一待提取毛囊在第一图像坐标系中的坐标位置)。例如,可对每一第一毛发区域进行最小外接矩形框绘制,提取各外接矩形框最短边的中间点的第一坐标位置,然后再通过根据毛发的生长方向从每一外接矩形框最短边的中间点中选取一个中间点来作为相应毛囊点的第一坐标位置。例如,仅作为示例,当在第一图像中,毛发是顺势从上往下生长的情况下,以每一外接矩形框最短边的中间点中y值较小的那一个中间点所在的位置作为相应毛囊点的位置。例如,图8示出了通过以上方式确定的每一待提取毛囊的第一坐标位置的示例,其中在每一毛发根部的颜色较深的黑点即表示每一待提取毛囊在第一图像部分中的位置,例如由标记F所指示的待提取毛囊。
返回到图1,在步骤103,基于每一第一坐标位置进行路径规划,以确定用于提取每一待提取毛囊的提取路径。
具体地,可利用例如最短路径算法或蛇形排序算法之类算法来实现这样的路径规划。以蛇形排序算法为例,在路径规划时,可将第一图像部分沿图像坐标系Y轴等分成多个等分(例如,五等分),例如可通过将所有毛囊点的y坐标值进行从小到大排序来获取最小值和最大值,然后再基于该最大值和最小值对其进行等分。然后再对每一等分进行x坐标值进行排序,例如对于各等分中毛囊点的x坐标值依次从小到大和从大到小交替进行排序,从而实现路径规划。例如,图9示出了利用蛇形排序算法对每一第一坐标位置进行路径规划的示例示意图。在图9中,四条横向贯穿线表示在利用蛇形排序算法进行路径规划时将第一图像部分从上到下等分成了五等分,其中对于最顶部的第一等分,根据x坐标值依次从小到大的顺序对其中的毛囊点进行了排序,对于第一等分之下的第二等分,根据x坐标值依次从大到小的顺序对其中的毛囊点进行了排序,并以此类推,从而获得了图9中的白色连线所指示的提取路径。
在步骤104,按照在步骤103确定的提取路径,确定每一待提取毛囊的实际提取位置。
例如,首先需按照该提取路径确定第一个待提取毛囊的实际提取位置,在确定了第一个待提取毛囊的实际提取位置之后,再确定其中第二个待提取毛囊的实际提取位置,并以此类推,直到确定了所有待提取毛囊的实际提取位置。
在一个实施例中,如图3所示,用于按照在步骤103确定的提取路径,确定每一待提取毛囊的实际提取位置具体可包括:
在步骤301,基于在步骤102确定的第一坐标位置,获得提取路径中的第一个待提取毛囊在图像采集装置坐标系中的估计提取位置。具体地,可通过对在步骤102确定的第一坐标位置进行从第一图像坐标系到图像采集装置坐标系的转换来获得所有待提取毛囊在图像采集装置坐标系中的估计提取位置,然后可以从这些估计提取位置中选择出提取路径中的第一个待提取毛囊在图像采集装置坐标系中的估计提取位置。在获取了第一个待提取毛囊的估计提取位置之后,就可将所获取的估计提取位置发送给安装有取发针的机械臂,使得机械臂能够移动到该第一个待提取毛囊的估计提取位置。
在步骤302,指令机械臂移动到当前待提取毛囊的估计提取位置,并采集第二图像,其中,所述第二图像包括对应于所述毛囊待提取区域的第二图像部分。在一种实现中,机械臂上安装有取发针,并且所述图像采集装置被安装成跟随所述机械臂一起移动。值得注意的是,由于图像采集装置被安装成跟随机械臂一起移动,因此图像采集装置与机械臂之间的位置关系实际上是固定的,从而图像采集装置与安装在机械臂上的取发针之间的位置关系也是固定的。由此,当机械臂将取发针移动到第一个待提取毛囊的估计提取位置之后,图像采集装置采集图像的位置相对于其采集第一图像的位置实际上也发生了变化。值得注意的是,在本文中,如果机械臂当前要移动到的是提取路径中的第一个待提取毛囊的估计提取位置,则当前待提取毛囊指的就是该第一个待提取毛囊,如果机械臂当前移动到的是提取路径中的第二个待提取毛囊的估计提取位置,则当前待提取毛囊指的就是该第二个待提取毛囊,并以此类推。
对第二图像的采集可采用与针对步骤101所描述的类似的方式来实现,因此为了简要起见,这里将不再进行赘述。
在步骤303,基于第二图像部分,确定当前待提取毛囊的实际提取位置。在本申请中,由于图像采集装置是在机械臂将取发针移动到当前待提取毛囊的估计提取位置之后采集第二图像的,因此第二图像与第一图像并不相同。实际上,第二图像是在与第一图像相比更接近当前待提取毛囊的位置采集到的,因此可以理解,基于该第二图像中包括的第二图像部分确定的位置相比于根据第一图像中包括的第一图像部分确定的位置应该更为精确。下面将结合图4对步骤303作更进一步详细的描述。在确定了当前待提取毛囊的实际提取位置之后,就可将该实际提取位置发送给机械臂,使得机械臂能够移动到该实际提取位置,进而使得取发针能够准确地提取当前待提取毛囊。
在步骤304,基于提取路径以及当前提取毛囊点的实际提取位置,确定下一个待提取毛囊的估计提取位置,并将该下一个待提取毛囊作为当前待提取毛囊来重复步骤302-303,直到确定每一待提取毛囊的实际提取位置。
例如,在确定了第一个待提取毛囊的实际提取位置,并且机械臂移动到了该第一个待提取毛囊的实际提取位置之后,可基于该第一个待提取毛囊的实际提取位置以及提取路径确定提取路径中的第二个待提取毛囊的估计提取位置,然后可重复步骤302-303,从而确定第二个待提取毛囊点的实际提取位置,并以此类推,从而可以确定每一个待提取毛囊点的实际提取位置。例如,图10A示出了第二图像部分在确定了每一个待提取毛囊点的实际提取位置之后的示意图,并且图10B示出了图10A中A所指示的局部部分的放大示意图。在图10B中,点1001是基于局部部分A中的毛囊的估计提取位置,点1002是基于第二图像部分获得的实际提取位置,显然实际提取位置比估计提取位置更精确地反映实际的毛囊位置。
参见图4,基于所述第二图像部分,确定当前待提取毛囊的实际提取位置可包括:
在步骤401,对第二图像部分进行分割,以获得多个第二毛发区域。该步骤可采用与步骤201类似的方式来实现,因此为了简要起见,这里将不再进行赘述。
在步骤402,基于第二毛发区域确定每一待提取毛囊在第二图像坐标系中的第二坐标位置。该步骤可采用与步骤202类似的方式来实现,因此为了简要起见,这里也不将进行赘述。
在步骤403,基于取发针在图像采集装置坐标系中的位置和方向,计算取发针在第二图像中的下针点位置。
在步骤404,确定所有第二坐标位置中与所述下针点位置最接近的位置。例如,可通过欧氏距离算法(又称为欧几里得距离算法)来确定所有第二坐标位置中与当前待提取毛囊的估计提取位置的第二坐标位置最接近的位置。
在步骤405,通过对该最接近的位置进行坐标系转换,获得当前待提取毛囊的实际提取位置。具体地,在该步骤中,可通过将所述最接近的位置从第二图像坐标系中的位置转换为图像采集装置坐标系中的相应位置来获得当前待提取毛囊的实际提取位置。在获得了当前待提取毛囊点的实际提取位置之后,可将该实际提取位置发送给安装有取发针的机械臂,以通过该机械臂来将取发针移动到该实际提取位置,从而促成取发针对当前待提取毛囊点的提取。
基于以上方法,本申请能够完全自动地完成对毛囊点的识别与提取,从而提高了植发的效率,并且降低了对操作人员的技术和经验的要求。
根据一实施例,本申请还提供了一种毛囊点识别装置,如图11所示,该毛囊点识别装置包括存储器1101和处理器1102,存储器1101内存储有机器可执行程序。处理器1102在执行该机器可执行程序时,实现上述实施例中描述的毛囊点识别方法。在本申请中,存储器1101和处理器1102的数量可以为一个或多个。在本申请中,该毛囊点识别装置可以采用电子设备来实现,该电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。
该毛囊点识别装置还可包括通信接口1103,该通信接口1103用于与外界设备(例如,如图11所示的机械臂1102和图像采集装置1104)进行通信(有线或无线),以与其进行数据交互。
存储器1101可以包括非易失性存储器和易失性存储器。非易失性存储器可包括例如只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括例如随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random AccessMemory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
存储器1101、处理器1102和通信接口1103可以通过总线相互连接并实现相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Component,EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图11中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
根据一实施例中,本申请还提供了一种毛囊点识别系统,例如图12所示的毛囊点识别系统1200。如图12所示,该系统1200可以包括控制装置1201、机械臂1202以及图像采集装置1204。取发针1203安装在机械臂1202上,因此机械臂1202可以带动取发针进行移动。图像采集装置1204被安装成可跟随机械臂1202同步移动,因此图像采集装置1204与机械臂之间的位置关系是固定的,进而图像采集装置与取发针之间的位置关系也是固定的。控制装置1204可用于实现如图11所示的毛囊点识别装置,其与机械臂1202和图像采集装置1204通信连接(有线连接或无线连接),并且控制装置1204被配置成与机械臂1202和图像采集装置1204进行信息交互,以实现上述实施例中描述的毛囊点识别方法。在本申请中,该控制装置1204可以由电子设备来实现,该电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。
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申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种毛囊点识别方法,其特征在于,包括:
获取第一图像,所述第一图像包括对应于毛囊待提取区域的第一图像部分;
基于所述第一图像部分,确定所述毛囊待提取区域中的每一待提取毛囊在第一图像坐标系中的第一坐标位置;以及
基于每一所述第一坐标位置进行路径规划,以确定用于提取每一待提取毛囊的提取路径。
2.根据权利要求1所述的毛囊点识别方法,其特征在于,还包括:
按照所述提取路径,确定每一待提取毛囊的实际提取位置。
3.根据权利要求1所述的毛囊点识别方法,其特征在于,基于所述第一图像部分,确定所述毛囊待提取区域中的每一待提取毛囊在第一图像坐标系中的第一坐标位置包括:
对所述第一图像部分进行分割,以获得多个第一毛发区域;以及
基于所述第一毛发区域确定每一待提取毛囊的所述第一坐标位置。
4.根据权利要求3所述的毛囊识别方法,其特征在于,基于所述第一毛发区域确定每一待提取毛囊的所述第一坐标位置包括:
利用每一第一毛发区域的最小外接矩形框以及毛发的生长方向来确定每一待提取毛囊的所述第一坐标位置。
5.根据权利要求3所述的毛囊点识别方法,其特征在于,对所述第一图像部分进行分割,以获得多个第一毛发区域包括:
对所述第一图像部分进行二值化处理,以获得所述多个第一毛发区域。
6.根据权利要求5所述的毛囊点识别方法,其特征在于,在获得所述多个第一毛发区域之后,还包括:
对所述多个第一毛发区域进行连通区域分析和形态学处理。
7.根据权利要求1所述的毛囊点识别方法,其特征在于,按照所述提取路径,确定每一待提取毛囊的实际提取位置包括:
基于所述第一坐标位置,获得所述提取路径中的第一个待提取毛囊在图像采集装置坐标系中的估计提取位置;
指令机械臂移动到所述估计提取位置,并采集第二图像,其中,所述第二图像包括对应于所述毛囊待提取区域的第二图像部分;以及
基于所述第二图像部分,确定所述第一个待提取毛囊的所述实际提取位置。
8.根据权利要求7所述的毛囊点识别方法,其特征在于,基于所述第二图像部分,确定所述第一个待提取毛囊的所述实际提取位置包括:
对所述第二图像部分进行分割,以获得多个第二毛发区域;
基于所述第二毛发区域确定每一待提取毛囊在第二图像坐标系中的第二坐标位置;
基于取发针在图像采集装置坐标系中的位置和方向,计算所述取发针在所述第二图像中的下针点位置;
确定所有所述第二坐标位置中与所述下针点位置最接近的位置;以及
通过对所述最接近的位置进行坐标系转换,获得当前待提取毛囊的所述实际提取位置。
9.一种毛囊点识别装置,其特征在于,包括:
存储器,所述存储器存储有机器可执行程序;以及
处理器,所述处理器在执行所述机器可执行程序时,实现根据权利要求1-8中的任一项所述的毛囊点识别方法。
10.一种毛囊点识别系统,其特征在于,包括:
机械臂,所述机械臂上安装有取发针;
图像采集装置,其中所述图像采集装置被安装成跟随所述机械臂同步移动;
控制装置,所述控制装置与所述机械臂和所述图像采集装置通信连接,并且所述控制装置被配置成与所述机械臂和所述图像采集装置进行信息交互,以实现根据权利要求1-8中的任一项所述的毛囊点识别方法。
11.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序在被处理器执行时实现根据权利要求1-8中的任一项所述的毛囊点识别方法。
CN202011563118.7A 2020-12-25 2020-12-25 毛囊点识别方法、系统、装置和存储介质 Pending CN114694141A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011563118.7A CN114694141A (zh) 2020-12-25 2020-12-25 毛囊点识别方法、系统、装置和存储介质
PCT/CN2021/120636 WO2022134703A1 (zh) 2020-12-25 2021-09-26 毛囊点识别方法、系统、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011563118.7A CN114694141A (zh) 2020-12-25 2020-12-25 毛囊点识别方法、系统、装置和存储介质

Publications (1)

Publication Number Publication Date
CN114694141A true CN114694141A (zh) 2022-07-01

Family

ID=82129123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011563118.7A Pending CN114694141A (zh) 2020-12-25 2020-12-25 毛囊点识别方法、系统、装置和存储介质

Country Status (2)

Country Link
CN (1) CN114694141A (zh)
WO (1) WO2022134703A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115346681A (zh) * 2022-08-29 2022-11-15 北京云数智康医疗科技有限公司 一种头部植发手术成活率ai评估分析计算系统及方法
CN116570349A (zh) * 2023-03-15 2023-08-11 磅客策(上海)智能医疗科技有限公司 一种毛囊提取系统、控制方法及存储介质
CN116705336A (zh) * 2023-07-19 2023-09-05 北京云数智康医疗科技有限公司 一种基于影像分析的智能化植发评估系统
CN116747018A (zh) * 2023-06-28 2023-09-15 磅客策(上海)智能医疗科技有限公司 一种毛囊提取路径的规划方法、系统以及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117159157B (zh) * 2023-09-27 2024-02-06 北京碧莲盛不剃发植发医疗美容门诊部有限责任公司 一种用于不剃发植发的机械手及控制模块

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120158019A1 (en) * 2010-12-21 2012-06-21 Tenney John A Methods and systems for directing movement of a tool in hair transplantation procedures
US20130010081A1 (en) * 2011-07-08 2013-01-10 Tenney John A Calibration and transformation of a camera system's coordinate system
WO2014164539A1 (en) * 2013-03-12 2014-10-09 Restoration Robotics, Inc. Methods and systems for directing movement of a tool in hair transplantation procedures
CN104114110A (zh) * 2011-10-17 2014-10-22 皮洛福克斯有限公司 头发修复

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2011250755B2 (en) * 2005-09-30 2013-08-29 Restoration Robotics, Inc. Automated systems and methods for harvesting and implanting follicular units
US7477782B2 (en) * 2006-08-25 2009-01-13 Restoration Robotics, Inc. System and method for classifying follicular units
US9576359B2 (en) * 2013-11-01 2017-02-21 The Florida International University Board Of Trustees Context based algorithmic framework for identifying and classifying embedded images of follicle units
CN109452959B (zh) * 2018-11-27 2021-02-02 王鹏君 一种无痕分层提取的方法及装置
CN111839616B (zh) * 2020-08-18 2023-03-21 重庆大学 一种毛囊提取结构的控制系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120158019A1 (en) * 2010-12-21 2012-06-21 Tenney John A Methods and systems for directing movement of a tool in hair transplantation procedures
CN103260550A (zh) * 2010-12-21 2013-08-21 修复型机器人公司 在毛发移植手术中用于引导工具移动的方法和系统
US20130010081A1 (en) * 2011-07-08 2013-01-10 Tenney John A Calibration and transformation of a camera system's coordinate system
CN103702607A (zh) * 2011-07-08 2014-04-02 修复型机器人公司 相机系统的坐标系统的校准和变换
CN104114110A (zh) * 2011-10-17 2014-10-22 皮洛福克斯有限公司 头发修复
WO2014164539A1 (en) * 2013-03-12 2014-10-09 Restoration Robotics, Inc. Methods and systems for directing movement of a tool in hair transplantation procedures

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115346681A (zh) * 2022-08-29 2022-11-15 北京云数智康医疗科技有限公司 一种头部植发手术成活率ai评估分析计算系统及方法
CN116570349A (zh) * 2023-03-15 2023-08-11 磅客策(上海)智能医疗科技有限公司 一种毛囊提取系统、控制方法及存储介质
CN116570349B (zh) * 2023-03-15 2024-04-26 磅客策(上海)智能医疗科技有限公司 一种毛囊提取系统、控制方法及存储介质
CN116747018A (zh) * 2023-06-28 2023-09-15 磅客策(上海)智能医疗科技有限公司 一种毛囊提取路径的规划方法、系统以及存储介质
CN116747018B (zh) * 2023-06-28 2024-08-30 磅客策(上海)智能医疗科技有限公司 一种毛囊提取路径的规划方法、系统以及存储介质
CN116705336A (zh) * 2023-07-19 2023-09-05 北京云数智康医疗科技有限公司 一种基于影像分析的智能化植发评估系统
CN116705336B (zh) * 2023-07-19 2024-02-09 北京云数智康医疗科技有限公司 一种基于影像分析的智能化植发评估系统

Also Published As

Publication number Publication date
WO2022134703A1 (zh) 2022-06-30

Similar Documents

Publication Publication Date Title
CN114694141A (zh) 毛囊点识别方法、系统、装置和存储介质
CN108323204B (zh) 一种检测人脸瑕疵点的方法和智能终端
US9576359B2 (en) Context based algorithmic framework for identifying and classifying embedded images of follicle units
CN108323203A (zh) 一种定量检测人脸肤质参量的方法、装置和智能终端
JP2017531883A (ja) 画像の主要被写体を抽出する方法とシステム
JP6932402B2 (ja) スマートホームシーン向けのマルチジェスチャー精分割方法
CN110807775A (zh) 基于人工智能的中医舌像分割装置、方法及存储介质
CN108369644B (zh) 一种定量检测人脸抬头纹的方法、智能终端和存储介质
CN106683105B (zh) 图像分割方法及图像分割装置
JP2007272435A (ja) 顔特徴抽出装置及び顔特徴抽出方法
CN110298314A (zh) 手势区域的识别方法及装置
CN114049499A (zh) 用于连续轮廓的目标对象检测方法、设备及存储介质
CN112785591B (zh) 一种ct影像中肋骨骨折的检测与分割方法及装置
CN113570619A (zh) 基于人工智能的计算机辅助胰腺病理图像诊断系统
CN110879983B (zh) 一种人脸特征关键点的提取方法和一种人脸图像合成方法
CN114998274A (zh) 对象的定位方法、装置、电子设备和可读存储介质
JP2019109710A (ja) 画像処理装置、画像処理方法、及びプログラム
CN110136139B (zh) 基于形状特征的面部ct图像中的牙神经分割方法
CN114494058A (zh) 图像处理方法、装置、电子设备及存储介质
CN107729863B (zh) 人体指静脉识别方法
CN112052859B (zh) 一种自由场景下的车牌精准定位方法及装置
JP2022147713A (ja) 画像生成装置、学習装置、及び、画像生成方法
CN117392178A (zh) 一种铺粉增材制造过程熔池的运动特征提取方法及装置
Celik et al. Region-based super-resolution aided facial feature extraction from low-resolution sequences
JP6132485B2 (ja) 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム

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