CN115631350A - 罐印图像的颜色识别方法和装置 - Google Patents
罐印图像的颜色识别方法和装置 Download PDFInfo
- Publication number
- CN115631350A CN115631350A CN202211437597.7A CN202211437597A CN115631350A CN 115631350 A CN115631350 A CN 115631350A CN 202211437597 A CN202211437597 A CN 202211437597A CN 115631350 A CN115631350 A CN 115631350A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- identified
- canned
- distribution information
- 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
Links
Images
Classifications
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种罐印图像的颜色识别方法和装置,方法包括,获得待识别罐印图像;将待识别罐印图像转换至预设的目标色彩空间;统计待识别罐印图像在目标色彩空间下的颜色分布信息;用于指征待识别罐印图像中不同颜色的像素的数量;根据颜色分布信息,确定待识别罐印图像的颜色判断结果。本方案能够自动收集并分析待识别罐印图像全局的颜色分布信息,根据颜色分布信息获得待识别罐印图像的颜色判断结果,既能够实现罐印罐色的自动判断,又能够提高判断结果的准确度。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种罐印图像的颜色识别方法和装置。
背景技术
罐印是指拔罐起罐后,皮肤表面在吸拔部位出现的多种形态和颜色的印迹。在拔罐这一中医理疗方法中,医师常常需要观察拔罐后背部不同区域罐印的颜色和形态特征,透视人体脏腑功能状态和身体健康状态。因此,如何准确判断罐印的颜色就显得尤为重要。
现有一种判断罐印的颜色方法是,拍摄罐印获得罐印图像后,在罐印图像的多个位置提取该处的像素值,根据这些像素值的均值来确定罐印的颜色。这种方法的问题在于,罐印图像上稀疏分布的多个位置的像素值,并不能准确反映罐印图像的颜色信息,因此这种方法的准确度较低。
发明内容
针对上述现有技术的缺点,本发明提供一种罐印图像的颜色识别方法和装置,以提供一种更准确的判断罐印图像颜色的方案。
本申请第一方面提供一种罐印图像的颜色识别方法,包括:
获得待识别罐印图像;
将所述待识别罐印图像转换至预设的目标色彩空间;
统计所述待识别罐印图像在所述目标色彩空间下的颜色分布信息;其中,所述颜色分布信息,用于指征待识别罐印图像中不同颜色的像素的数量;
根据所述颜色分布信息,确定所述待识别罐印图像的颜色判断结果。
可选的,所述获得待识别罐印图像,包括:
获取利用摄像设备拍摄得到的原始罐印图像;
对所述原始罐印图像进行图像分割,以去除所述原始罐印图像中无罐印的皮肤区域,得到待识别罐印图像。
可选的,所述统计所述待识别罐印图像在所述目标色彩空间下的颜色分布信息,包括:
确定以所述目标色彩空间的颜色分量为坐标轴的等高线坐标系;
针对所述等高线坐标系中的每一点,统计所述待识别罐印图像中颜色分量和该点的坐标一致的像素的数量,根据统计结果确定该点的高度;
将所述等高线坐标系中具有相同高度的点用曲线连接,获得表示颜色分布信息的等高线图。
可选的,所述确定以所述目标色彩空间的颜色分量为坐标轴的等高线坐标系之前,还包括:
针对所述目标色彩空间的每一颜色分量,按预设的该颜色分量的步长将该颜色分量的取值范围划分为多个子区间,并确定每一个所述子区间的区间值;
针对所述待识别罐印图像的每一像素,将该像素在各个颜色分量上的值,替换为所属的所述子区间的区间值。
可选的,所述根据所述颜色分布信息,确定所述待识别罐印图像的颜色判断结果,包括:
根据所述等高线图中各点的高度计算得到至少一个高度阈值;
在所述等高线图中选取每一所述高度阈值对应的等高线作为目标等高线;
根据每一所述目标等高线中各点对应的颜色分量所属的预设颜色判断区间,确定待识别罐印图像的颜色判断结果;其中,每一所述颜色判断区间均对应一种颜色。
本申请第二方面提供一种罐印图像的颜色识别装置,包括:
获得单元,用于获得待识别罐印图像;
转换单元,用于将所述待识别罐印图像转换至预设的目标色彩空间;
统计单元,用于统计所述待识别罐印图像在所述目标色彩空间下的颜色分布信息;其中,所述颜色分布信息,用于指征待识别罐印图像中不同颜色的像素的数量;
确定单元,用于根据所述颜色分布信息,确定所述待识别罐印图像的颜色判断结果。
可选的,所述获得单元获得待识别罐印图像时,具体用于:
获取利用摄像设备拍摄得到的原始罐印图像;
对所述原始罐印图像进行图像分割,以去除所述原始罐印图像中无罐印的皮肤区域,得到待识别罐印图像。
可选的,所述统计单元统计所述待识别罐印图像在所述目标色彩空间下的颜色分布信息时,具体用于:
确定以所述目标色彩空间的颜色分量为坐标轴的等高线坐标系;
针对所述等高线坐标系中的每一点,统计所述待识别罐印图像中颜色分量和该点的坐标一致的像素的数量,根据统计结果确定该点的高度;
将所述等高线坐标系中具有相同高度的点用曲线连接,获得表示颜色分布信息的等高线图。
可选的,所述统计单元还用于:
针对所述目标色彩空间的每一颜色分量,按预设的该颜色分量的步长将该颜色分量的取值范围划分为多个子区间,并确定每一个所述子区间的区间值;
针对所述待识别罐印图像的每一像素,将该像素在各个颜色分量上的值,替换为所属的所述子区间的区间值。
可选的,所述确定单元根据所述颜色分布信息,确定所述待识别罐印图像的颜色判断结果时,具体用于:
根据所述等高线图中各点的高度计算得到至少一个高度阈值;
在所述等高线图中选取每一所述高度阈值对应的等高线作为目标等高线;
根据每一所述目标等高线中各点对应的颜色分量所属的预设颜色判断区间,确定待识别罐印图像的颜色判断结果;其中,每一所述颜色判断区间均对应一种颜色。
本申请提供一种罐印图像的颜色识别方法和装置,方法包括,获得待识别罐印图像;将待识别罐印图像转换至预设的目标色彩空间;统计待识别罐印图像在目标色彩空间下的颜色分布信息;颜色分布信息,用于指征待识别罐印图像中不同颜色的像素的数量;根据颜色分布信息,确定待识别罐印图像的颜色判断结果。本方案能够自动收集并分析待识别罐印图像全局的颜色分布信息,根据颜色分布信息获得待识别罐印图像的颜色判断结果,既能够实现罐印罐色的自动判断,又能够提高判断结果的准确度。
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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种罐印图像的颜色识别方法的流程图;
图2为本申请实施例提供的一种原始罐印图像的分割示意图;
图3为本申请实施例提供的反映具有不同色度分量和饱和度分量组合的像素数量的二维等高线示意图;
图4为本申请实施例提供的反映具有不同色度分量和明度分量组合的像素数量的二维等高线示意图;
图5为本申请实施例提供的目标色彩空间为HSV色彩空间时统计得到的三维等高线图的俯视图;
图6为本申请实施例提供的目标色彩空间为HSV色彩空间时统计得到的三维等高线图的立体视图;
图7为本申请实施例提供的目标色彩空间为HSV色彩空间时统计得到的三维等高线图的侧视图;
图8为本申请实施例提供的一种罐印图像的颜色识别装置的结构示意图。
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做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。
为了便于理解本申请的技术方案,首先对本申请可能涉及的部分概念进行说明。
中医罐诊,与俗称的拔罐(或者拔火罐)相似,是一种用专用拔罐器材在人体背部指定反应区进行吸拔等刺激,通过观察背部不同区域得出的罐印颜色和形态特征,透视人体脏腑功能状态和身体健康状态的中医诊疗方法。目前罐诊应用与研究主要还是依赖人工肉眼观察和个人操作经验,基于相关中医、西医理论对罐印颜色和形态特征进行判断。虽然中医罐诊对罐印颜色和形态特征的判断有一定的共识,但罐印颜色的划分和判定标准以及形态特征的判定标准目前只是模糊的定义,并未形成准确规范的划分方法和标准,这就导致同一罐印经不同医生判断,可能得到不同的诊断结果。这种依赖于医生经验,没有客观标准的罐印颜色和形态特征的判断,限制了中医罐诊的更大范围的推广与应用。而现有的一些利用计算机的图像处理能力自动识别罐印颜色的方法,如背景技术所述,往往存在判断结果不准确,不能反映罐印图像整体的颜色分布情况的问题。
HSV色彩空间是一种基于感知的颜色模型,HSV为Hue(色调),Saturation(饱和度),Value(明度)三个词的首字母缩写。HSV色彩空间的色度分量具有明显的皮肤聚类性,因此被广泛地应用于与皮肤有关的图像分割、图像检索、人脸检测等领域。HSV色彩空间把像素的颜色表示成Hue(色调),Saturation(饱和度),Value(明度)三个分量。
色调(Hue),用角度度量,取值范围为0°至360°,从红色开始按逆时针方向计算,红色为0°,黄色为60°,绿色为120°,青色为180°,蓝色为240°,品红为300°。
饱和度(Saturation)表示颜色接近光谱色的程度,颜色接近光谱色的程度越高,颜色的饱和度也就越高。饱和度的取值范围为0%至100%,饱和度的值越大,颜色越饱和。
明度(Value),也可以称为亮度,表示颜色明亮的程度,取值范围为0%~100%,对应黑色到光谱色(当前色调的最亮色)。
可选的,因为色调0°至360°是从红色开始又到红色结束,为了后续量化红色色调的连续性,本实施例对HSV色彩空间中红色对应的色调区间进行平移。色调平移的方法具体可以是顺时针旋转也可以是逆时针旋转,旋转的角度可以根据实际情况确定,目的是将位于0°两侧对应于红色的色调区间调整到一个数值连续的区域。示例性的,上述色调平移可以是,将色调顺时针旋转20°,使得原本表示红色的0°至20°这一区间被调整到340°至360°,对应的,原本表示红色的340°至360°这一区间则移动至320°至340°,这样调整后的HSV色彩空间,就可以用320°至360°这一连续的数值区间来表示红色。
HSL色彩空间与HSV色彩空间比较类似,也有三个分量,分别为色相(Hue)、饱和度(Saturation)、亮度(Lightness),其中的亮度分量L与HSV不同,HSL的L分量为100时表示白色,为0时表示黑色。
Lab色彩空间是一种基于生理特征的颜色系统,该色彩空间主要利用数字化的方法来描述人的视觉感应。Lab色彩空间中像素的颜色可以用L,a和b三个分量表示。其中L代表亮度,取值范围[0,100];a代表从绿色到红色的分量,取值范围[127,-128];b代表从蓝色到黄色的分量,取值范围[127,-128]。
YUV色彩空间为彩色电视系统广泛使用的一种色彩空间,该色彩空间将亮度信息从色度信息中分离出来,并且对同一帧图像的亮度和色度采用了不同的采样率。在YUV色彩模型中,像素的颜色可以用亮度分量Y,以及表示色度的色度分量U和V表示,其中亮度分量与色度分量相互独立。
请参见图1,为本申请实施例提供的一种罐印图像的颜色识别方法的流程图,该方法可以包括如下步骤。
S101,获得待识别罐印图像。
可选的,获得待识别罐印图像的过程包括:
获取利用摄像设备拍摄得到的原始罐印图像;
对原始罐印图像进行图像分割,以去除原始罐印图像中无罐印的皮肤区域,得到待识别罐印图像。
请参见图2,原始罐印图像,为专用拔罐器材在人体背部指定反应区进行拔罐起罐后,利用摄像设备对皮肤表面被罐覆盖的区域进行拍摄后获得的图像,一般的,由于罐的结构,该原始罐印图像外围和中心处存在如图2的(1)所示的没有罐印(即罐吸拔后出现的多种形态和颜色的印迹)的皮肤区域,在获得该原始罐印图像后,通过图像分割可以将原始罐印图像中没有罐印的皮肤区域移除,从而获得如图2中(2)所示的完全被罐印覆盖的皮肤区域的图像,也就是步骤S101中的待识别罐印图像。
在一些可选的实施例中,也可以从原始罐印图像中分割出被罐印覆盖区域的图像后,对分割出的图像进一步进行图像预处理,然后将预处理的图像确定为待识别罐印图像。
图像预处理可以包括调整图像大小和图像白平衡。
其中调整图像大小可以提高S102以及后续步骤的执行效率,图像白平衡可以消除待识别罐印图像中的背景光对像素颜色的干扰,使得最终获得的颜色判断结果更准确。
S102,将待识别罐印图像转换至预设的目标色彩空间。
本实施例中,目标色彩空间可以是前述HSV色彩空间,HSL色彩空间,Lab色彩空间和YUV色彩空间中的任意一种。
具体的转换方法可以参见与这些色彩空间相关的技术文献,不再赘述。
S103,统计待识别罐印图像在目标色彩空间下的颜色分布信息。
颜色分布信息,用于指征待识别罐印图像中不同颜色的像素的数量。
颜色分布信息,可以有不同的表示形式。可选的,颜色分布信息可以用图3和图4所示的二维等高线图来表示,或者,也可以用图5,图6和图7所示的三维等高线图来表示。
图3和图4为本申请实施例提供的目标色彩空间为HSV色彩空间时表征待识别罐印图像的颜色分布信息的二维等高线图。
图3反映了具有不同色度分量和饱和度分量组合的像素的数量,图3的横坐标表示待识别罐印图像中像素的色度(Hue)分量,纵坐标表示待识别罐印图像中像素的饱和度(Saturation)分量。图3的获得过程如下,首先在图3的坐标系中,可以按如下规则为坐标系中每个点赋予对应的高度:
对每一个点,统计待识别罐印图像中具有该点的坐标中色度分量和饱和度分量的像素的数量,根据统计结果赋予该点对应的高度,该高度,可以等于待识别罐印图像中具有该点坐标中色度分量和饱和度分量的像素的总数量,也可以等于待识别罐印图像中具有该点坐标中色度分量和饱和度分量的像素所占的比例。
下面结合一个示例进行说明:
对于图3的坐标系中横坐标为190,纵坐标为60的点(190,60),统计待识别罐印图像中色度分量等于190且饱和度分量等于60的像素的数量,统计结果为色度分量等于190且饱和度分量等于60的像素有100个,那么点(190,60)对应的高度可以设定为100;或者,统计结果为色度分量等于190且饱和度分量等于60的像素在待识别罐印图像中所占比例为1%,那么点(190,60)对应的高度可以设定为1%。图3右侧的颜色坐标就是用比例表示的每个点的高度。
按上述规则赋予了高度后,就可以将图3中高度相同的若干个点连接成线,这样就获得了若干条等高线,一条等高线上的点具有相同的高度,不同等高线之间对应的高度可能不同。例如图3展示了0.8,1.6和2.4三条等高线,其中0.8等高线上每一点的高度均为0.8%,1.6等高线上每一点的高度均为1.6%,2.4等高线上每一点的高度均为2.4%。
图4反映了具有不同色度分量和明度分量组合的像素的数量,图4的横坐标表示待识别罐印图像中像素的色度(Hue)分量,纵坐标表示待识别罐印图像中像素的明度(Value)分量。图4的获得过程如下,首先在图4的坐标系中,可以按如下规则为坐标系中每个点赋予对应的高度:
对每一个点,统计待识别罐印图像中具有该点的坐标中色度分量和明度分量的像素的数量,根据统计结果赋予该点对应的高度,该高度,可以等于待识别罐印图像中具有该点坐标中色度分量和明度分量的像素的总数量,也可以等于待识别罐印图像中具有该点坐标中色度分量和明度分量的像素所占的比例。
和图3类似的,按上述规则赋予了高度后,就可以将图4中高度相同的若干个点连接成线,这样就获得了若干条等高线,一条等高线上的点具有相同的高度,不同等高线之间对应的高度可能不同。
图5至图7为本申请实施例提供的目标色彩空间为HSV色彩空间时,统计得到的表征待识别罐印图像颜色分布信息的三维等高线图,其中图5为该三维图的俯视图,图6为该三维图的立体视图,图7为该三维图的侧视图。
请参见图6,该三维图中,X轴的坐标为色度,Y轴的坐标为饱和度,Z轴的坐标为明度。
获得图5至图7所示的三维等高线图的过程,和前文获得二维等高线图的过程类似,即首先按如下规则为该三维坐标系中每个点赋予对应的高度:
对每一个点,统计待识别罐印图像中具有该点的坐标中色度分量、饱和度分量和明度分量的像素的数量,例如对于一个坐标为(100,50,60)的点,则统计待识别罐印图像中色度为100,饱和度为50且明度为60的像素的数量,根据统计结果赋予该点对应的高度,该高度,可以等于待识别罐印图像中具有该点坐标中色度分量、明度分量和饱和度分量的像素的数量,也可以等于待识别罐印图像中具有该点坐标中色度分量、明度分量和饱和度分量的像素的数量所占的比例。
按上述规则赋予了高度后,就可以将该三维坐标系中高度相同的若干个点连接成线,这样就获得了三维坐标系中的若干条等高线,一条等高线上的点具有相同的高度,不同等高线之间对应的高度可能不同。
可选的,当上述三维等高线图在终端设备的可视化界面上展示时,每个点对应的高度可以用该点的颜色来表示,颜色越深的点表示高度越大,颜色越浅的点表示高度越小。
可以理解的,图3至图7均是确定目标色彩空间为HSV色彩空间的前提下,通过统计得到的表征颜色分布信息的等高线示意图。
上述获得二维等高线图和三维等高线图的过程,同样可以适用于目标色彩空间为其他色彩空间(例如为Lab色彩空间)的情况,只需要将上述过程中涉及的HSV色彩空间的颜色分量对应替换为其他色彩空间的颜色分量即可,不再赘述。
根据上述确定等高线图的过程,可以确定,当颜色分布信息用等高线图表示时,步骤S103的具体执行过程可以包括:
确定以目标色彩空间的颜色分量为坐标轴的等高线坐标系;
针对等高线坐标系中的每一点,统计待识别罐印图像中颜色分量和该点的坐标一致的像素的数量,根据统计结果确定该点的高度;
将等高线坐标系中具有相同高度的点用曲线连接,获得表示颜色分布信息的等高线图。
在一些可选的实施例中,执行S103时可以直接统计目标色彩空间下待识别罐印图像中各个像素的颜色分量,得到上述颜色分布信息。
在另一些可选的实施例中,可以先对待识别罐印图像进行颜色分量压缩,再根据压缩后的待识别罐印图像统计颜色分布信息,也就是说,步骤S103的执行过程可以包括:
A1,针对目标色彩空间的每一颜色分量,按该颜色分量对应的步长将该颜色分量的取值范围划分为多个子区间,并确定每一个子区间的区间值。
其中,不同颜色分量对应的步长可以相同也可以不同,以HSV色彩空间为例,执行A1时,色度分量对应的步长可以是5,饱和度分量对应的步长可以是10。
示例性的,对于HSV色彩空间,可以假设色调分量对应的步长为10,饱和度分量与明度分量的步长均为5。于是色度的取值范围0°至360°可以被划分为0°至10°,10°至20°,……350°至360°,共36个色度的子区间;饱和度的取值范围0%至100%可以划分出0%至5%,5%至10%……95%至100%,共20个饱和度的子区间,明度同样可以划分出0%至5%,5%至10%……95%至100%,共20个明度的子区间。
每一子区间的区间值,根据该区间内的数值确定,本实施例对具体确定区间值的方式不做限定,作为示例,一个子区间的区间值,可以是该子区间的平均值、最大值、最小值、中位值、分位数、众数和中程数(区间内最大值和最小值的平均)中的任意一种。
以上述36个色度的子区间为示例,若设定每个子区间的最小值为该子区间的区间值,那么0°至10°区间的区间值为0°,10°至20°区间的区间值为20°,以此类推,直至350°至360°区间的区间值为350°。
A2,针对待识别罐印图像的每一像素,将该像素在各个颜色分量上的值,替换为所属子区间的区间值。
在步骤A2中,可以对待识别罐印图像的每一个像素执行如下操作:
确定该像素的每一个颜色分量的数值属于步骤A1中划分出的该颜色分量的哪一个子区间,然后用所属的这个子区间的区间值,替换该像素对应颜色分量的数值。
续接步骤A1的示例,假设待识别罐印图像中一个像素的色度为136°,明度为72%,饱和度为34%。那么根据步骤A1中划分出的色度,明度和饱和度的子区间,可以确定该像素的色度属于前述130°至140°区间,于是将该像素的色度的值从原本的136°替换为130°至140°区间的区间值,例如该区间的最小值130°;
同理可以确定该像素的明度属于前述70%至75%区间,将该像素的明度的值从原本72%替换为70%至75%区间的区间值,例如替换为该区间的最小值70%;
该像素的饱和度属于前述30%至35%区间,将改像素的饱和度的值从原本34%替换为30%至35%区间的区间值,例如替换为该区间的最小值30%;
经过上述操作后,该像素的色度为130°,明度为70%,饱和度为30%。
可以看出,通过步骤A2,可以将数值相近的颜色分量归为同一个子区间,并将数值统一设定为该子区间的区间值,由此可以达到压缩数据量提升效率的目的。
可以理解的,当采用先进行颜色分量压缩后统计颜色分布信息的方案时,表征颜色分布信息的等高线图中,和颜色分量对应的坐标就是不连续的坐标。以图3为示例,当按照步骤A1的示例将色度、明度与饱和度分量划分为上述子区间后,图3中色度坐标轴上的坐标值就变为若干个离散的值,即0°,10°,20°,直至360°,此时每两个相邻的坐标值之间的间隔,就是划分子区间时的步长。
先进行颜色分量压缩再统计颜色分布信息的好处在于,可以减少统计颜色分布信息时的计算量,提高本实施例的执行效率。
S104,根据颜色分布信息,确定待识别罐印图像的颜色判断结果。
当采用等高线图(二维等高线或者三维等高线)表示颜色分布信息时,步骤S104的具体执行过程可以包括:
B1,根据等高线图中各点的高度计算得到至少一个高度阈值;
B2,在等高线图中选取每一高度阈值对应的等高线作为目标等高线;
B3,根据每一目标等高线中各点对应的颜色分量所属的预设颜色判断区间,确定待识别罐印图像的颜色判断结果;其中,每一颜色判断区间均对应一种颜色。
执行步骤B1时,如果颜色分布信息用三维等高线图表示,那么可以直接计算三维等高线图中所有点的高度的平均值、最大值、最小值、中位值、分位数、众数和中程数中的任意一项或多项,将计算结果作为B1中的至少一个高度阈值,当然,也可以按其他的算法计算得到更多个高度阈值,例如可以计算所有点的高度的平均值的50%,作为一个高度阈值,本实施例对具体的算法不做限定。
如果颜色分布信息用二维等高线图表示,那么一张待识别罐印图像至少可以统计得到两份二维等高线图,此时可以先从两份二维等高线图中选取横坐标和纵坐标对像素的实际呈现的颜色影响最大的那一份二维等高线图作为参考二维等高线图,然后计算参考二维等高线图中所有点的高度的平均值、最小值、中位值、分位数、众数、中程数,以及平均值的50%等其他值中的任意一项或多项,将计算结果作为B1中的至少一个高度阈值。
在步骤B2中,如果颜色分布信息用三维等高线图表示,则高度阈值对应的等高线可以按如下方式确定:
将三维等高线图中高度等于高度阈值的等高线,确定为该高度阈值对应的等高线,比如三维等高线图中有一条等高线的高度为3.5,而B1中计算得到的一个高度阈值为3.5,那么这条高度3.5的等高线,就是高度阈值3.5对应的那条目标等高线。
如果颜色分布信息用二维等高线图表示,就在步骤B1中确定出的参考二维等高线图中,按照上述方式确定出每一个高度阈值对应的目标等高线。
由此可以看出,通过步骤B2,每一个高度阈值都可以确定出唯一一条对应于该高度阈值的目标等高线,目标等高线为高度等于对应高度阈值的等高线。
在步骤B3中,如果颜色分布信息用三维等高线图表示,则可以按如下方式确定待识别罐印图像的颜色判断结果:
针对每一条目标等高线,逐一检测该目标等高线上每一点对应的颜色分量属于哪一个颜色判断区间,然后将这些点所属的颜色判断区间对应的颜色,确定为该目标等高线对应的颜色判断结果。其中包含至少一种颜色。每一条目标等高线的颜色判断结果中不重复的颜色组成的集合,就可以视为该待识别罐印图像的颜色判断结果。
例如,从三维等高线图中确定出两条目标等高线,其中一条目标等高线对应的颜色判断结果包括红色和紫色,另一条目标等高线的颜色判断结果为红色,那么两者组成的集合为红色和紫色,于是可以得到待识别罐印图像的颜色判断结果为红色加紫色。
为了实现上述方法,可以预先针对每一个颜色分量,设定该颜色分量下的至少一个颜色判断区间,并指定哪些颜色判断区间的组合对应哪一种颜色,示例性的,在HSV色彩空间中,上述颜色判断区间的组合与颜色的对应关系可以用下方的表1表示。
表1
表1中的单元格中/符号表示该单元格缺省,缺省的单元格的含义是,一个像素的颜色是否为缺省的单元格对应的颜色,与缺省的单元格对应的颜色分量无关,以表1中红色为例,可以看到红色所在行中属于明度一列的单元格缺省的单元格,说明像素的颜色是否为红色,和该像素的明度分量的数值无关。
下面以表1中红色,紫色和青色三种颜色为例说明表1的含义。
红色属于表1的第二行,根据表1,可以确定,当像素的色度在156至190区间内,饱和度在60以上时,该像素的颜色为红色,也就是说,红色对应的颜色判断区间为色度:156至190,饱和度:大于60。
根据表1中紫色所属的两行可以确定,当像素的色度在125至155,且饱和度在60以上时,该像素呈现紫色,或者,当像素的色度在125至155,饱和度在52以上,且明度在148以下时,该像素呈现紫色。也就是说,紫色对应的颜色判断区间包括:色度:125至155,饱和度:大于60;以及色度:125至155,饱和度:大于52,明度:小于148。
根据表1中青色所属的两行可以确定,当像素的色度在125至155区间,且饱和度在25至50区间时,该像素呈现青色,或者,当像素的色度在100至124区间,且饱和度在34以上时,该像素呈现青色。也就是说,青色对应的颜色判断区间包括:色度:125至155,饱和度:25至50;以及色度:100至124,饱和度:34以上。
结合表1的示例,对于任意一条目标等高线,如果该目标等高线上每一个点对应的颜色分量都落在表1中紫色对应的颜色判断区间内,那么该目标等高线的颜色判断结果为紫色;
如果该目标等高线上一部分点对应的颜色分量落在紫色的颜色判断区间内,另一部分点对应的颜色分量落在青色的颜色判断区间内,那么该目标等高线的颜色判断结果为紫色和青色;
如果该目标等高线上一部分点对应的颜色分量落在紫色的颜色判断区间内,另一部分点对应的颜色分量未落在表1中指定的任意一种颜色颜色判断区间内,那么该目标等高线的颜色判断结果为紫色和粉色。
如果颜色分布信息用二维等高线图表示,那么可以预先确定只涉及参考二维等高线图像中的两种颜色分量的颜色判断区间,比如,参考二维等高线图像为色度-饱和度对应的二维等高线图,则可以预先确定每一种常见颜色对应的色度的颜色判断区间和饱和度的颜色判断区间,例如:
青色对应的颜色判断区间包括:色度:125至155,饱和度:25至50;以及色度:100至124,饱和度:34以上。
红色对应的颜色判断区间为色度:156至190,饱和度:大于60。
然后参照上述基于三维等高线图确定目标等高线的颜色判断结果的过程,确定二维等高线图中每一条的颜色判断结果。
上述判断过程中每一种颜色对应的颜色判断区间,可以根据色彩空间颜色设定和罐诊医师的经验测算获得。
待识别罐印图像的颜色判断结果中可以有一种或多种颜色,特别的,当步骤B3获得的颜色判断结果包括多种颜色时,可以按预设的去重规则和合并规则对结果中的多种颜色进行去重及合并,从而获得更准确的颜色判断结果。其中去重规则与合并规则可以根据实际应用场景以及本领域的相关经验设定,本实施例不做限定。
作为一些示例,合并规则可以包括如下几条:
合并规则1,定义罐印中常见的多种颜色的第一优先级,当颜色判断结果中有多种颜色时,按第一优先级从高到低将多种颜色排序,然后只保留其中前N种颜色作为待识别罐印图像的颜色判断结果,N为预设值,例如可以设定为2。一种可选的第一优先级的设定为,红色和紫色的第一优先级相同且最高,白色,青色和粉色的第一优先级相同,并且均低于红色和紫色。
设置合并规则1的作用在于,第一优先级较高的颜色,往往表示异常罐色,例如红色和紫色属于异常罐色,罐印中存在少量红色或紫色即表示有问题,所以需要突出第一优先级高的颜色作为颜色判断结果。
合并规则2,根据每一种颜色在等高线图中对应的高度确定每一种颜色的第二优先级,高度越高则第二优先级越高,对于第一优先级相同的几种颜色,按第二优先级从高到低筛选,仅保留前N种颜色作为待识别罐印图像的颜色判断结果。一种颜色在等高线图中的高度,可以等于等高线图中,坐标落在该颜色的颜色判断区间内的所有点的高度的总和,可以理解的,如果一种颜色在等高线图中高度越高,说明待识别罐印图像中该颜色的像素越多。
合并规则3,当颜色判断结果中包含第一优先级不同的几种颜色时,可以综合这几种颜色的第一优先级和第二优先级进行排序,例如先按第一优先级从高到低排序,再对相同第一优先级的颜色按第二优先级从高到低排序,排序完成后,保留其中前N种颜色作为待识别罐印图像的颜色判断结果。示例性的,N可以设定为2,当颜色判断结果包括青、红和白三种颜色时,将这三种颜色排序为红色、青色和白色,保留其中前2种颜色,也就是保留红色和青色作为待识别罐印图像的颜色判断结果。
除了上述列举的几种合并规则以外,还可以根据罐诊所针对的器官而设定其他合并规则,本实施例不做具体限定。示例性的,针对肺部进行罐诊时得到的肺部罐印图像,其颜色判断结果可以同时包括红色和紫色,并且可以同时包括白色和青色。
除了上述列举的合并规则,还可以有其他根据医师诊疗经验设定的合并规则,不做限定。
本方案的有益效果在于:
本发明给出了一种分析罐印图像的颜色方法,基于这些方法可以自动化进行罐印整体/功能区颜色的识别和分类,避免人的主观影响,形成统一的罐色分类标准,并提高效率,减少人力成本。
并且,该分析方法提取了罐印的全部颜色特征形成颜色分布信息,再利用等高线法寻找颜色趋向/集中的颜色范围,作为罐色判断结果。这种方法不仅充分考虑了全部颜色信息,也准确地获得了罐印的重要颜色信息,特别是对存在多种颜色特征的罐印图像也能准确地判断出颜色结果。
根据本申请实施例提供的罐印图像的颜色识别方法,本申请实施例还提供一种罐印图像的颜色识别装置,请参见图8,为该装置的结构示意图,该装置可以包括如下单元。
获得单元801,用于获得待识别罐印图像。
转换单元802,用于将待识别罐印图像转换至预设的目标色彩空间。
统计单元803,用于统计待识别罐印图像在目标色彩空间下的颜色分布信息。
其中,颜色分布信息,用于指征待识别罐印图像中不同颜色的像素的数量。
确定单元804,用于根据颜色分布信息,确定待识别罐印图像的颜色判断结果。
可选的,获得单元801获得待识别罐印图像时,具体用于:
获取利用摄像设备拍摄得到的原始罐印图像;
对原始罐印图像进行图像分割,以去除原始罐印图像中无罐印的皮肤区域,得到待识别罐印图像。
可选的,统计单元803统计待识别罐印图像在目标色彩空间下的颜色分布信息时,具体用于:
确定以目标色彩空间的颜色分量为坐标轴的等高线坐标系;
针对等高线坐标系中的每一点,统计待识别罐印图像中颜色分量和该点的坐标一致的像素的数量,根据统计结果确定该点的高度;
将等高线坐标系中具有相同高度的点用曲线连接,获得表示颜色分布信息的等高线图。
可选的,统计单元803还用于:
针对目标色彩空间的每一颜色分量,按预设的该颜色分量的步长将该颜色分量的取值范围划分为多个子区间,并确定每一个子区间的区间值;
针对待识别罐印图像的每一像素,将该像素在各个颜色分量上的值,替换为所属的子区间的区间值。
可选的,确定单元804根据颜色分布信息,确定待识别罐印图像的颜色判断结果时,具体用于:
根据等高线图中各点的高度计算得到至少一个高度阈值;
在等高线图中选取每一高度阈值对应的等高线作为目标等高线;
根据每一目标等高线中各点对应的颜色分量所属的预设颜色判断区间,确定待识别罐印图像的颜色判断结果;其中,每一颜色判断区间均对应一种颜色。
本申请实施例提供的罐印图像的颜色识别装置,其具体工作原理和有益效果可以参见本申请实施例提供的罐印图像的颜色识别方法中的相关步骤和有益效果,此处不再赘述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种罐印图像的颜色识别方法,其特征在于,包括:
获得待识别罐印图像;
将所述待识别罐印图像转换至预设的目标色彩空间;
统计所述待识别罐印图像在所述目标色彩空间下的颜色分布信息;其中,所述颜色分布信息,用于指征所述待识别罐印图像中不同颜色的像素的数量;
根据所述颜色分布信息,确定所述待识别罐印图像的颜色判断结果。
2.根据权利要求1所述的方法,其特征在于,所述获得待识别罐印图像,包括:
获取利用摄像设备拍摄得到的原始罐印图像;
对所述原始罐印图像进行图像分割,以去除所述原始罐印图像中无罐印的皮肤区域,得到待识别罐印图像。
3.根据权利要求1所述的方法,其特征在于,所述统计所述待识别罐印图像在所述目标色彩空间下的颜色分布信息,包括:
确定以所述目标色彩空间的颜色分量为坐标轴的等高线坐标系;
针对所述等高线坐标系中的每一点,统计所述待识别罐印图像中颜色分量和该点的坐标一致的像素的数量,根据统计结果确定该点的高度;
将所述等高线坐标系中具有相同高度的点用曲线连接,获得表示颜色分布信息的等高线图。
4.根据权利要求3所述的方法,其特征在于,所述确定以所述目标色彩空间的颜色分量为坐标轴的等高线坐标系之前,还包括:
针对所述目标色彩空间的每一颜色分量,按预设的该颜色分量的步长将该颜色分量的取值范围划分为多个子区间,并确定每一个所述子区间的区间值;
针对所述待识别罐印图像的每一像素,将该像素在各个颜色分量上的值,替换为所属的所述子区间的区间值。
5.根据权利要求3所述的方法,其特征在于,所述根据所述颜色分布信息,确定所述待识别罐印图像的颜色判断结果,包括:
根据所述等高线图中各点的高度计算得到至少一个高度阈值;
在所述等高线图中选取每一所述高度阈值对应的等高线作为目标等高线;
根据每一所述目标等高线中各点对应的颜色分量所属的预设颜色判断区间,确定待识别罐印图像的颜色判断结果;其中,每一所述颜色判断区间均对应一种颜色。
6.一种罐印图像的颜色识别装置,其特征在于,包括:
获得单元,用于获得待识别罐印图像;
转换单元,用于将所述待识别罐印图像转换至预设的目标色彩空间;
统计单元,用于统计所述待识别罐印图像在所述目标色彩空间下的颜色分布信息;其中,所述颜色分布信息,用于指征所述待识别罐印图像中不同颜色的像素的数量;
确定单元,用于根据所述颜色分布信息,确定所述待识别罐印图像的颜色判断结果。
7.根据权利要求6所述的装置,其特征在于,所述获得单元获得待识别罐印图像时,具体用于:
获取利用摄像设备拍摄得到的原始罐印图像;
对所述原始罐印图像进行图像分割,以去除所述原始罐印图像中无罐印的皮肤区域,得到待识别罐印图像。
8.根据权利要求6所述的装置,其特征在于,所述统计单元统计所述待识别罐印图像在所述目标色彩空间下的颜色分布信息时,具体用于:
确定以所述目标色彩空间的颜色分量为坐标轴的等高线坐标系;
针对所述等高线坐标系中的每一点,统计所述待识别罐印图像中颜色分量和该点的坐标一致的像素的数量,根据统计结果确定该点的高度;
将所述等高线坐标系中具有相同高度的点用曲线连接,获得表示颜色分布信息的等高线图。
9.根据权利要求8所述的装置,其特征在于,所述统计单元还用于:
针对所述目标色彩空间的每一颜色分量,按预设的该颜色分量的步长将该颜色分量的取值范围划分为多个子区间,并确定每一个所述子区间的区间值;
针对所述待识别罐印图像的每一像素,将该像素在各个颜色分量上的值,替换为所属的所述子区间的区间值。
10.根据权利要求8所述的装置,其特征在于,所述确定单元根据所述颜色分布信息,确定所述待识别罐印图像的颜色判断结果时,具体用于:
根据所述等高线图中各点的高度计算得到至少一个高度阈值;
在所述等高线图中选取每一所述高度阈值对应的等高线作为目标等高线;
根据每一所述目标等高线中各点对应的颜色分量所属的预设颜色判断区间,确定待识别罐印图像的颜色判断结果;其中,每一所述颜色判断区间均对应一种颜色。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211437597.7A CN115631350B (zh) | 2022-11-17 | 2022-11-17 | 罐印图像的颜色识别方法和装置 |
PCT/CN2023/114913 WO2024103892A1 (zh) | 2022-11-17 | 2023-08-25 | 罐印图像的颜色识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211437597.7A CN115631350B (zh) | 2022-11-17 | 2022-11-17 | 罐印图像的颜色识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115631350A true CN115631350A (zh) | 2023-01-20 |
CN115631350B CN115631350B (zh) | 2023-04-14 |
Family
ID=84909972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211437597.7A Active CN115631350B (zh) | 2022-11-17 | 2022-11-17 | 罐印图像的颜色识别方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115631350B (zh) |
WO (1) | WO2024103892A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116843705A (zh) * | 2023-07-25 | 2023-10-03 | 中国中医科学院望京医院(中国中医科学院骨伤科研究所) | 罐印图像的分割识别方法、装置、设备及介质 |
WO2024103892A1 (zh) * | 2022-11-17 | 2024-05-23 | 博奥生物集团有限公司 | 罐印图像的颜色识别方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1741572A (zh) * | 2004-08-24 | 2006-03-01 | 西安宏源视讯设备有限责任公司 | 虚拟演播室系统中辅助摄像机光图形接力跟踪方法 |
CN101035190A (zh) * | 2006-03-09 | 2007-09-12 | 恩益禧电子股份有限公司 | 用于色彩校正的装置、方法和程序产品 |
WO2008003944A2 (en) * | 2006-07-03 | 2008-01-10 | The University Court Of The University Of Glasgow | Image processing and vectorisation |
CN110490844A (zh) * | 2019-07-24 | 2019-11-22 | 广州三得医疗科技有限公司 | 一种电磁治疗仪罐印的识别方法、系统、装置及治疗仪 |
CN110955949A (zh) * | 2018-09-25 | 2020-04-03 | 北京国双科技有限公司 | 发动机数据处理方法、装置与设备 |
CN111476849A (zh) * | 2020-04-03 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 对象颜色识别方法、装置、电子设备以及存储介质 |
CN111787386A (zh) * | 2020-06-01 | 2020-10-16 | 深圳市战音科技有限公司 | 动画压缩、显示方法、设备、动画处理系统及存储介质 |
CN113128433A (zh) * | 2021-04-26 | 2021-07-16 | 刘秀萍 | 颜色迁移匹配特征的视频监控影像增强方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103606A (zh) * | 2017-02-27 | 2017-08-29 | 口碑控股有限公司 | 一种图像识别方法及装置 |
CN110503115A (zh) * | 2019-08-30 | 2019-11-26 | 苏州大学 | 一种颜色识别方法、装置、设备及计算机可读存储介质 |
DE202022101612U1 (de) * | 2022-03-28 | 2022-05-04 | Somashekhar Ganigere Channappa | Ein System zur Identifizierung des Verbrennungsbereichs durch Segmentierung der verbrannten Bilder für die Haut |
CN115631350B (zh) * | 2022-11-17 | 2023-04-14 | 博奥生物集团有限公司 | 罐印图像的颜色识别方法和装置 |
-
2022
- 2022-11-17 CN CN202211437597.7A patent/CN115631350B/zh active Active
-
2023
- 2023-08-25 WO PCT/CN2023/114913 patent/WO2024103892A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1741572A (zh) * | 2004-08-24 | 2006-03-01 | 西安宏源视讯设备有限责任公司 | 虚拟演播室系统中辅助摄像机光图形接力跟踪方法 |
CN101035190A (zh) * | 2006-03-09 | 2007-09-12 | 恩益禧电子股份有限公司 | 用于色彩校正的装置、方法和程序产品 |
WO2008003944A2 (en) * | 2006-07-03 | 2008-01-10 | The University Court Of The University Of Glasgow | Image processing and vectorisation |
CN110955949A (zh) * | 2018-09-25 | 2020-04-03 | 北京国双科技有限公司 | 发动机数据处理方法、装置与设备 |
CN110490844A (zh) * | 2019-07-24 | 2019-11-22 | 广州三得医疗科技有限公司 | 一种电磁治疗仪罐印的识别方法、系统、装置及治疗仪 |
CN111476849A (zh) * | 2020-04-03 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 对象颜色识别方法、装置、电子设备以及存储介质 |
CN111787386A (zh) * | 2020-06-01 | 2020-10-16 | 深圳市战音科技有限公司 | 动画压缩、显示方法、设备、动画处理系统及存储介质 |
CN113128433A (zh) * | 2021-04-26 | 2021-07-16 | 刘秀萍 | 颜色迁移匹配特征的视频监控影像增强方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024103892A1 (zh) * | 2022-11-17 | 2024-05-23 | 博奥生物集团有限公司 | 罐印图像的颜色识别方法和装置 |
CN116843705A (zh) * | 2023-07-25 | 2023-10-03 | 中国中医科学院望京医院(中国中医科学院骨伤科研究所) | 罐印图像的分割识别方法、装置、设备及介质 |
CN116843705B (zh) * | 2023-07-25 | 2023-12-22 | 中国中医科学院望京医院(中国中医科学院骨伤科研究所) | 罐印图像的分割识别方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115631350B (zh) | 2023-04-14 |
WO2024103892A1 (zh) | 2024-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115631350B (zh) | 罐印图像的颜色识别方法和装置 | |
CN109961426B (zh) | 一种人脸皮肤肤质的检测方法 | |
US7356171B2 (en) | Systems and methods relating to AFIS recognition, extraction, and 3-D analysis strategies | |
CN106971393B (zh) | 一种玉米籽粒的表型测量方法及系统 | |
CN105139404A (zh) | 一种可检测拍摄质量的证照相机及拍摄质量检测方法 | |
CN103198304A (zh) | 一种掌纹提取识别方法 | |
CN108320289B (zh) | 一种基于稀疏表示和形态学操作的骨髓细胞分割方法 | |
CN110032946B (zh) | 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 | |
CN110599552A (zh) | 一种基于计算机视觉的pH试纸检测方法 | |
CN110648336B (zh) | 一种舌质和舌苔的分割方法及装置 | |
CN115965607A (zh) | 一种智能中医舌诊辅助分析系统 | |
CN101799920A (zh) | 基于颜色特征的舌象分析方法及其应用 | |
CN109583330B (zh) | 一种用于人脸照片的毛孔检测方法 | |
CN100409804C (zh) | 舌像颜色自动识别方法 | |
CN111986157B (zh) | 一种数字病理图像质量评价系统 | |
CN108876752A (zh) | 血液细胞的图像识别计数方法 | |
CN115937085B (zh) | 一种基于神经网络学习的核性白内障图像处理方法 | |
CN104050455B (zh) | 一种肤色检测方法及系统 | |
KR100488014B1 (ko) | YCrCb 칼라 기반 얼굴 영역 추출 방법 | |
CN107527011A (zh) | 一种非接触式皮肤电阻变化趋势检测方法、装置及设备 | |
CN114511567B (zh) | 舌体与舌苔图像识别分离方法 | |
CN111047669A (zh) | 一种取色方法及装置 | |
CN112560911A (zh) | 中医舌图像分类方法及系统 | |
CN109658382A (zh) | 基于图像聚类和灰度投影的舌体定位方法 | |
CN111402189A (zh) | 一种视频图像偏色检测装置及方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230821 Address after: 102206 No. 18, life science Road, Beijing, Changping District Patentee after: CAPITALBIO Corp. Patentee after: TSINGHUA University Address before: 102206 No. 18, life science Road, Beijing, Changping District Patentee before: CAPITALBIO Corp. |
|
TR01 | Transfer of patent right |