CN116309641B - 图像区域获取系统 - Google Patents
图像区域获取系统 Download PDFInfo
- Publication number
- CN116309641B CN116309641B CN202310288035.9A CN202310288035A CN116309641B CN 116309641 B CN116309641 B CN 116309641B CN 202310288035 A CN202310288035 A CN 202310288035A CN 116309641 B CN116309641 B CN 116309641B
- Authority
- CN
- China
- Prior art keywords
- height
- region
- area
- image
- temperature
- 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.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像区域获取系统,包括处理器和数据库,数据库的第i行数据包括第i个应用场景对应的行为姿态和对应的基准区域划分参数,处理器用于:S100,获取基于第i个应用场景对应的姿态获取的待处理图像;S200,对所述待处理图像中的任一目标身体区域的轮廓进行识别,得到对应的轮廓;S300,获取轮廓的外包围盒的4个顶点;S400,基于4个顶点的坐标分别获取第一高度,第二高度,第一宽度和第二宽度;S500,基于基准区域划分参数、第一高度,第二高度,第一宽度和第二宽度,对待处理图像中的目标身体区域进行区域划分。本发明能够提高身体区域划分的准确性和效率。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种图像区域获取系统。
背景技术
目前,在中医领域,广泛使用红外图像技术来对人体机能情况进行检测。人体红外图像会基于不同的应用场景被划分为不同的区域,这些区域的划分基本上是基于中医理论和用户例如医生的经验进行划分的,不同的用户由于经验不同,会有不同的划分标准。这种依靠经验的区域划分会导致划分标准不统一、划分时间长且不准确等问题。
发明内容
针对上述技术问题,本发明采用的技术方案为:
本发明实施例提供一种图像区域获取系统,所述系统包括通信连接的处理器和数据库;所述数据库的第i行数据包括(Pi,Ci),Pi为第i个应用场景对应的行为姿态,Ci为第i个应用场景对应的基准区域划分参数,Ci={Ci1,Ci2,…,Cij,…,Cig(i)},Cij为第i个应用场景对应的第j个目标身体区域Aij对应的基准区域划分参数Cij={R(i,j),Dij,Fij,Nij},i的取值为1到n,n为应用场景的数量,j的取值为1到g(i),g(i)为第i个应用场景对应的目标身体区域的数量;其中,R(i,j)为用于划分Aij的基准单元区域的数量,Dij为单元区域高度信息表,Dij={D1 ij,D2 ij,…,Ds ij,…,DR(i,j) ij-},Ds ij为Aij中的第s个基准单元区域的高度信息,Ds ij={d1s ij,d2s ij},d1s ij为第s个基准单元区域的第一高度,d2s ij为第s个基准单元区域的第二高度,s的取值为1到R(i,j);Fij为用于对Aij中的基准单元区域进行划分的基准单位网格的形状,Nij为基准单位网格信息表,Nij={N1 ij,N2 ij,…,Ns ij,…,N R(i,j) ij},Ns ij为Aij中的第s个单元区域中包含的基准单位网格信息,Ns ij=(bs ij,zs1 ij,zs2 ij,…,zsc ij,…,zsh(s) ij),bs ij为第s个单元区域中包含的基准单位网格的数量,zsc ij为第s个单元区域中包含的第c个基准单位网格的顶点位置;其中,Aij的基准单元区域沿Aij的外包围盒的高度方向依次相连并覆盖Aij,,(d11 ij+d12 ij+…+d1s ij+…+d1R(i,j) ij)=H1ij,(d21 ij+d22 ij+…+d2s ij+…+d2R(i,j) ij)=H2ij,H1ij和H2ij分别为Aij的外包围盒的第一基准高度和第二基准高度;每个基准单元区域中的基准单位网格依次相连以覆盖对应的基准单元区域;
所述处理器用于执行计算机程序以实现如下步骤:
S100,获取基于第i个应用场景对应的姿态获取的待处理图像;
S200,对所述待处理图像中的Aij的轮廓进行识别,得到对应的轮廓Oij;
S300,获取Oij的外包围盒的4个顶点G1 ij至G4 ij,其中,Ge ij=(xe ij,yh ij),xe ij和ye ij分别为Ge ij的横坐标和纵坐标,e的取值为1到4;G1 ij至G4 ij分别为Oij的外包围盒的左上角顶点、左下角顶点、右上角顶点和右下角顶点;
S400,分别获取第一高度h1ij=(y1 ij-y2 ij),第二高度h2ij=(y3 ij-y4 ij),第一宽度w1ij=∣x1 ij-x2 ij∣和第二宽度w2ij=∣x3 ij-x4 ij∣;
S500,基于Cij、h1ij、h2ij、w1ij和w2ij,对待处理图像中的Aij进行区域划分。
本发明至少具有以下有益效果:
本发明实施例提供的图像区域获取系统,由于将人体图像区域按照设定形状进行划分成多个网格区域,能够使得每个区域能够进行数字化和标准化表示,从而在实际应用时,能够根据具体的应用场景选择所需要的网格区域,能够节约区域划分时间和准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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。
图1为本发明实施例提供的图像区域获取系统执行计算机程序实现的方法的流程图。
图2和图3分别为本发明实施例提供的图像区域划分示意图。
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。
本发明实施例提供一种图像区域获取系统,所述系统可包括通信连接的处理器和数据库。
其中,所述数据库的第i行数据包括(Pi,Ci),Pi为第i个应用场景对应的行为姿态。Ci为第i个应用场景对应的基准区域划分参数,Ci={Ci1,Ci2,…,Cij,…,Cig(i)},Cij为第i个应用场景对应的第j个目标身体区域Aij对应的基准区域划分参数Cij={R(i,j),Dij,Fij,Nij},i的取值为1到n,n为应用场景的数量,j的取值为1到g(i),g(i)为第i个应用场景对应的目标身体区域的数量。
在本发明实施例中,图像可为红外图像。目标身体区域可包括头部区域、颈部区域、躯干区域、上肢区域和下肢区域。在一个示意性实施例中,目标身体区域的对象可为人。在另一个示意性实施例中,目标身体区域的对象可为动物。应用场景可基于红外图像的实际应用情况进行确定,在一个示意性实施例中,应用场景可包括健康检查、医疗检查、专项检查等场景。行为姿态为指示对象按照设定姿态做出对应的动作的姿态,以获取满足对应应用场景所需的红外图像。
进一步地,Dij为单元区域高度信息表,Dij={D1 ij,D2 ij,…,Ds ij,…,DR(i,j) ij-},Ds ij为Aij中的第s个基准单元区域的高度信息,Ds ij={d1s ij,d2s ij},d1s ij为第s个基准单元区域的第一高度,d2s ij为第s个基准单元区域的第二高度,s的取值为1到R(i,j)。在本发明实施例中,每个基准单元区域的形状可根据实际需要进行确定。每个基准单元区域的第一高度和第二高度可相同,也可不相同,优选,相同。此外,每个基准单元区域的高度可相同或者不同。在一个优选实施例中,每个基准单元区域的高度相同。
进一步地,Aij的基准单元区域沿Aij的外包围盒的高度方向依次相连并覆盖Aij,即(d11 ij+d12 ij+…+d1s ij+…+d1R(i,j) ij)=H1ij,(d21 ij+d22 ij+…+d2s ij+…+d2R(i,j) ij)=H2ij,H1ij和H2ij分别为Aij的外包围盒的第一基准高度和第二基准高度(D1 ij+D2 ij+…+Ds ij+…+DR(i ,j) ij)=Hij,Hij为Aij的外包围盒的高度。
进一步地,R(i,j)为用于划分Aij的基准单元区域的数量,可基于实际需要进行设置,例如,对于温度精度要求较高的区域可选择相对较多的数量,对于温度精度要求较低的区域可选择相对较少的数量等,本发明不做特别限制。在本发明实施例中,基准单元区域可为方形。例如,以Aij为头部区域为例,其中的基准单元区域的布局可如图2所示,此时,H1ij可为H1,H2ij可为H2。以Aij为上肢区域为例,其中的基准单元区域的布局可如图3所示。本领域技术人员知晓,任何获取Aij的外包围盒的方法均属于本申请的保护范围,例如,可通过识别Aij的外轮廓,获取Aij的外轮廓的像素坐标,然后获取像素坐标中的最大和最小横坐标以及最大和最小纵坐标,即可获得对应的外包围盒。
进一步地,Fij为用于对Aij中的基准单元区域进行划分的基准单位网格的形状。在本发明实施例中,基准单位网格的形状可基于实际需要进行设置,例如可为三角形或者四边形,或者,例如可为点或者线等。优选,所述基准单位网格的形状可为三角形,以便于记录和计算。
进一步地,Nij为基准单位网格信息表,Nij={N1 ij,N2 ij,…,Ns ij,…,N R(i,j) ij},Ns ij为Aij中的第s个单元区域中包含的基准单位网格信息,Ns ij=(bs ij,zs1 ij,zs2 ij,…,zsc ij,…,zsh(s) ij),bs ij为第s个单元区域中包含的基准单位网格的数量,zsc ij为第s个单元区域中包含的第c个基准单位网格的顶点位置。在本发明实施例中,每个基准单元区域中的基准单位网格依次相连以覆盖对应的基准单元区域,每个基准单位网格的顶点位于对应的基准单元区域的边上,即每个基准单元区域的面积等于其所包含的所有的基准单位网格的面积之和如图2和3所示。在本发明实施例中,每个基准单位网格的顶点位置可为在设定图像坐标系中的像素坐标。在本发明实施例中,设定图像坐标系可为以图像的左上角为原点,水平方向为x轴,竖直方向为y轴的坐标系。此外,每个基准单位网格信息还可包括每个基准单位网格围成的封闭区域中的像素坐标,即每个基准单位网格在图像中所占的像素。
在本发明实施例中,每个应用场景对应的目标身体区域可基于实际需要确定。目标身体区域的基准区域划分参数可基于试验确定,例如,通过不断调整基准单元区域的大小、数量、基准单位网格的大小、数量等,以获得划分的区域块组合得到的区域与专家手动划分的区域之间的偏差最小。进一步地,在本发明实施例中,所述处理器用于执行计算机程序以实现如下步骤:
S100,获取基于第i个应用场景对应的姿态获取的待处理图像。
待处理图像可通过现有的红外摄像装置拍摄得到。
S200,对所述待处理图像中的Aij的轮廓进行识别,得到对应的轮廓Oij。
S200具体包括:
S201,识别待处理图像中的Aij对应的轮廓线,得到对应的轮廓线初始像素点集PLI=(PLI1,PLI2,…,PLIr,…,PLIM)。
在本发明实施例中,可通过经训练的图像识别模型识别目标身体区域的轮廓线。具体地,经训练的图像识别模型可通过将标注了人体轮廓线的样本图像输入到神经网络模型中进行训练得到,具体训练方式可为现有技术。
S202,获取PLI对应的温度集TCI=(TLI1,TLI2,…,TLIr,…,TLIM),TLIr为PLIr对应的温度。
本领域技术人员知晓,任何从红外图像中获取每个像素点的温度均属于本发明的保护范围。
S203,如果TLIr<T0,执行S204;T0为预设温度值;否则,执行S206。
在本发明一示意性实施例中,T0为预设的人体平均温度阈值,可为经验值,例如,36.5°。具体地,可通过如下方式获取T0:
T0=Avg(T1,T2,…,Tz,…,TG),Tz为第z个用户的体温,z的取值为1到G,G为用户数量。G个用户可通过随机方式获取,每个用户的体温可通过温度测量装置测量得到。
在本发明另一示意性实施例中,T0=Avg(t1,t2,…,tw,…,tN),其中,tw为S101中识别的人体轮廓线所围成的区域内的第w个像素点对应的温度,N为S201中识别的人体轮廓线所围成的区域内的像素点数量。与前述实施例相比,本实施例中的T0由于采用目标红外图像对应的用户的体温作为参考温度,能够提高准确性。
S204,如果xLIr<x0,设置xLIr=xLIr+b,如果xLIr>x0,设置xLIr=xLIr-b;x0为目标区域的中轴线的横坐标,xLIr为TLIr对应的像素点的横坐标,b为预设像素点数量;执行S205。
在一个示意性实施例中,b被设置为不影响识别准确性的值,例如,b=1。
S205,如果像素点(xLIr,yLIr)对应的温度小于T0,执行S204,即继续调整该像素点的横坐标,直到对应的温度大于T0或者等于T0;否则,执行S206。
S206,设置r=r+1,如果r≤M,执行S203;否则,退出控制程序。
S201至S206的技术效果在于:由于每个用户的身体结构不同,经经训练的图像识别模型识别的人体轮廓线可能会存在偏差,通过S101~S106,能够对识别的人体轮廓线进行调整,使得人体轮廓线更加准确。
S300,获取Oij的外包围盒的4个顶点G1 ij至G4 ij,其中,Ge ij=(xe ij,yh ij),xe ij和ye ij分别为Ge ij的横坐标和纵坐标,e的取值为1到4;G1 ij至G4 ij分别为Oij的外包围盒的左上角顶点、左下角顶点、右上角顶点和右下角顶点。
在本发明实施例中,目标身体区域的外包围盒为包住目标身体区域轮廓线的最小区域,例如,在目标身体区域存在异常形态例如肩膀一高一低的情况下,躯干区域的外包围盒可能为梯形。
本领域技术人员知晓,任何获取Oij的外包围盒以及外包围盒的4个顶点G1 ij至G4 ij的坐标均属于本申请的保护范围。
S400,分别获取第一高度h1ij=(y1 ij-y2 ij),第二高度h2ij=(y3 ij-y4 ij),第一宽度w1ij=∣x1 ij-x2 ij∣和第二宽度w2ij=∣x3 ij-x4 ij∣。
S500,基于Cij、h1ij、h2ij、w1ij和w2ij,对待处理图像中的Aij进行区域划分。
进一步地,S500具体包括:
S501,基于R(i,j)、Dij和h1ij获取第一直线L1ij上的划分点集CP1ij={CP11 ij,CP12 ij,…,CP1e ij,…,CP1R(i,j)+1 ij},以及基于R(i,j)、Dij和h2ij获取第二直线L2ij上的划分点集CP2ij={CP21 ij,CP22 ij,…,CP2e ij,…,CP2R(i,j)+1 ij};L1ij为连接G1 ij和G2 ij的直线,L2ij为连接G3 ij和G4 ij的直线,其中,CP1e ij和CP2e ij分别为L1ij和L2ij上的第e个划分点,e的取值为1到(R(i,j)+1),每条直线上的相邻两个划分点之间的直线段的长度和对应的直线的长度之间的比值等于对应的基准单元区域的对应高度和对应的基准高度之间的比值,例如,以Aij为头部区域为例,待处理图像中的第一直线上自上而下的第一划分点和第二划分点,这两个划分点之间的直线段的长度和第一直线的长度之间的比值等于h13/H1,h13为点P1和P3之间的高度。
S502,使用连接线连接CP1s ij和CP2s ij,得到待处理图像中的Aij的单元区域。
具体地,可通过直线分别连接第一直线和第二直线上的对应的划分点,这样,相邻的四个划分点构成一个单元区域。
S503,基于Nij,获取待处理图像中的Aij的第e个单元区域对应的上连接线上的划分点和下连接线上的划分点,其中,每条连接线上的相邻两个划分点之间的直线段的长度和对应的连接线的长度之间的比值等于对应的基准单元区域上的对应基准单位网格的两个顶点之间的距离和对应的基准单位网格的两个顶点所对应的直线的长度的比值,例如,以Aij为头部区域为例,待处理图像中的上连接线上的第一个顶点和第二个顶点之间的直线段的长度和上连接线的长度之间的比值等于D12/D1,D12为图2中的两个顶点P1和P2之间的距离,D1为图2中的最上方直线的距离。
本领域技术人员知晓,每个单元区域对应的划分点基于对应的基准单元区域确定,不包括相邻单元区域的划分点,例如,如图2所示的划分方式,由上至下的第三个单元区域的上连接线的划分点数量应该是4,而不是7,即不包括上一单元区域的3个划分点。
S504,基于Fij,对第e个单元区域对应的划分点进行连接,以对第e个单元区域进行区域划分。
S501至S504的技术效果在于,一方面能够基于不同的身体轮廓对基准区域划分参数进行适应性调整,另一方面能够避免由于身体变形所导致的目标身体区域的划分不够准确的问题。
进一步地,在本发明实施例中,Cij中还包括网格ID信息集IDij={ID1 ij,ID2 ij,…,IDd ij,…,IDh(i,j) ij},IDd ij为Aij中的第d个单位网格的ID,d的取值为1到h(i,j),h(i,j)为Aij中的单位网格的数量。
进一步地,所述处理器还用于执行计算机程序以实现如下步骤:
S600,获取Aij对应的网格特征信息表Tij,其中,Tij的第d行包括(IDd ij,fd1 ij,fd2 ij,…,fdq ij,…,fdm ij),fdq ij为Aij中的第d个单位网格的第q个特征信息,q的取值为1到m,m为特征信息的数量。
在本发明实施例中,所述特征信息至少包括平均温度、最大温度、最小温度、中心温度、加权温度、温度权重、温度方差、温度标准差中的一个,具体可根据实际应用场景进行选择。
本发明实施例提供的图像区域获取系统,由于根据不同的应用场景设置了不同的基准区域划分参数,在实际应用时,只需要根据基准区域划分参数适配不同的身体轮廓即可,由于每个单位网格都有ID,每个特征区域例如五脏六腑等都对应固定的单位网格的ID,这样,在实际应用时,例如,对于心脏区域只需要输入对应的ID编号,就可以获取对应的单位网格的特征信息,能够提高区域划分的统一性和准确性,提高分析效率。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明公开的范围由所附权利要求来限定。
Claims (8)
1.一种图像区域获取系统,其特征在于,所述系统包括通信连接的处理器和数据库;所述数据库的第i行数据包括(Pi,Ci),Pi为第i个应用场景对应的行为姿态,Ci为第i个应用场景对应的基准区域划分参数,Ci={Ci1,Ci2,…,Cij,…,Cig(i)},Cij为第i个应用场景对应的第j个目标身体区域Aij对应的基准区域划分参数Cij={R(i,j),Dij,Fij,Nij},i的取值为1到n,n为应用场景的数量,j的取值为1到g(i),g(i)为第i个应用场景对应的目标身体区域的数量;其中,R(i,j)为用于划分Aij的基准单元区域的数量,Dij为单元区域高度信息表,Dij={D1 ij,D2 ij,…,Ds ij,…,DR(i,j) ij-},Ds ij为Aij中的第s个基准单元区域的高度信息,Ds ij={d1s ij,d2s ij},d1s ij为第s个基准单元区域的第一高度,d2s ij为第s个基准单元区域的第二高度,s的取值为1到R(i,j);Fij为用于对Aij中的基准单元区域进行划分的基准单位网格的形状,Nij为基准单位网格信息表,Nij={N1 ij,N2 ij,…,Ns ij,…,N R(i,j) ij},Ns ij为Aij中的第s个单元区域中包含的基准单位网格信息,Ns ij=(bs ij,zs1 ij,zs2 ij,…,zsc ij,…,zsh(s) ij),bs ij为第s个单元区域中包含的基准单位网格的数量,zsc ij为第s个单元区域中包含的第c个基准单位网格的顶点位置;其中,Aij的基准单元区域沿Aij的外包围盒的高度方向依次相连并覆盖Aij,(d11 ij+d12 ij+…+d1s ij+…+d1R(i,j) ij)=H1ij,(d21 ij+d22 ij+…+d2s ij+…+d2R(i,j) ij)=H2ij,H1ij和H2ij分别为Aij的外包围盒的第一基准高度和第二基准高度;每个基准单元区域中的基准单位网格依次相连以覆盖对应的基准单元区域;
所述处理器用于执行计算机程序以实现如下步骤:
S100,获取基于第i个应用场景对应的姿态获取的待处理图像;
S200,对所述待处理图像中的Aij的轮廓进行识别,得到对应的轮廓Oij;
S300,获取Oij的外包围盒的4个顶点G1 ij至G4 ij,其中,Ge ij=(xe ij,yh ij),xe ij和ye ij分别为Ge ij的横坐标和纵坐标,e的取值为1到4;G1 ij至G4 ij分别为Oij的外包围盒的左上角顶点、左下角顶点、右上角顶点和右下角顶点;
S400,分别获取第一高度h1ij=(y1 ij-y2 ij),第二高度h2ij=(y3 ij-y4 ij),第一宽度w1ij=∣x1 ij-x2 ij∣和第二宽度w2ij=∣x3 ij-x4 ij∣;
S500,基于Cij、h1ij、h2ij、w1ij和w2ij,对待处理图像中的Aij进行区域划分。
2.根据权利要求1所述的系统,其特征在于,所述基准单位网格的形状为三角形或者四边形。
3.根据权利要求1所述的系统,其特征在于,S500具体包括:
S501,基于R(i,j)、Dij和h1ij获取第一直线L1ij上的划分点集CP1ij={CP11 ij,CP12 ij,…,CP1e ij,…,CP1R(i,j)+1 ij},以及基于R(i,j)、Dij和h2ij获取第二直线L2ij上的划分点集CP2ij={CP21 ij,CP22 ij,…,CP2e ij,…,CP2R(i,j)+1 ij};L1ij为连接G1 ij和G2 ij的直线,L2ij为连接G3 ij和G4 ij的直线,其中,CP1e ij和CP2e ij分别为L1ij和L2ij上的第e个划分点,e的取值为1到(R(i,j)+1),每条直线上的相邻两个划分点之间的直线段的长度和对应的直线的长度之间的比值等于对应的基准单元区域的对应高度和对应的基准高度之间的比值;
S502,使用连接线连接CP1s ij和CP2s ij,得到待处理图像中的Aij的单元区域;
S503,基于Nij,获取待处理图像中的Aij的第e个单元区域对应的上连接线上的划分点和下连接线上的划分点,其中,每条连接线上的相邻两个划分点之间的直线段的长度和对应的连接线的长度之间的比值等于对应的基准单元区域上的对应基准单位网格的两个顶点之间的距离和对应的基准单位网格的两个顶点所对应的直线的长度的比值;
S504,基于Fij,对第e个单元区域对应的划分点进行连接,以对第e个单元区域进行区域划分。
4.根据权利要求1所述的系统,其特征在于,所述目标身体区域包括头部区域、颈部区域、躯干区域、上肢区域和下肢区域。
5.根据权利要求4所述的系统,其特征在于,Cij中还包括网格ID信息集IDij={ID1 ij,ID2 ij,…,IDd ij,…,IDh(i,j) ij},IDd ij为Aij中的第d个单位网格的ID,d的取值为1到h(i,j),h(i,j)为Aij中的单位网格的数量。
6.根据权利要求5所述的系统,其特征在于,所述处理器还用于执行计算机程序以实现如下步骤:
S600,获取Aij对应的网格特征信息表Tij,其中,Tij的第d行包括(IDd ij,fd1 ij,fd2 ij,…,fdq ij,…,fdm ij),fdq ij为Aij中的第d个单位网格的第q个特征信息,q的取值为1到m,m为特征信息的数量。
7.根据权利要求6所述的系统,其特征在于,所述特征信息至少包括平均温度、最大温度、最小温度、中心温度、加权温度、温度权重、温度方差、温度标准差中的一个。
8.根据权利要求1所述的系统,其特征在于,S200具体包括:
S201,识别待处理图像中的Aij对应的轮廓线,得到对应的轮廓线初始像素点集PLI=(PLI1,PLI2,…,PLIr,…,PLIM);
S202,获取PLI对应的温度集TCI=(TLI1,TLI2,…,TLIr,…,TLIM),TLIr为PLIr对应的温度;
S203,如果TLIr<T0,执行S204;T0为预设温度值;否则,执行S206;
S204,如果xLIr<x0,设置xLIr=xLIr+b,如果xLIr>x0,设置xLIr=xLIr-b;x0为目标区域的中轴线的横坐标,xLIr为TLIr对应的像素点的横坐标,b为预设像素点数量;执行S205;
S205,如果像素点(xLIr,yLIr)对应的温度小于T0,执行S204;否则,执行S206;
S206,设置r=r+1,如果r≤M,执行S203;否则,退出控制程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288035.9A CN116309641B (zh) | 2023-03-23 | 2023-03-23 | 图像区域获取系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288035.9A CN116309641B (zh) | 2023-03-23 | 2023-03-23 | 图像区域获取系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116309641A CN116309641A (zh) | 2023-06-23 |
CN116309641B true CN116309641B (zh) | 2023-09-22 |
Family
ID=86814770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310288035.9A Active CN116309641B (zh) | 2023-03-23 | 2023-03-23 | 图像区域获取系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116309641B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107346416A (zh) * | 2017-06-09 | 2017-11-14 | 湖北天业云商网络科技有限公司 | 一种基于人体拓扑结构的身体运动状态检测方法及系统 |
CN110705576A (zh) * | 2019-09-29 | 2020-01-17 | 慧影医疗科技(北京)有限公司 | 区域轮廓确定方法、装置及图像显示设备 |
CN111402360A (zh) * | 2020-03-13 | 2020-07-10 | 北京奇艺世纪科技有限公司 | 生成人体模型的方法、装置、计算机设备和存储介质 |
CN113420702A (zh) * | 2021-07-03 | 2021-09-21 | 深圳市迈斯泰克电子有限公司 | 基于人脸进行温度检测的方法、装置、系统以及存储介质 |
CN113610889A (zh) * | 2021-06-30 | 2021-11-05 | 奥比中光科技集团股份有限公司 | 一种人体三维模型获取方法、装置、智能终端及存储介质 |
CN113793293A (zh) * | 2020-05-25 | 2021-12-14 | 中移(苏州)软件技术有限公司 | 轮廓检测方法、装置、系统及计算机可读存储介质 |
CN114177613A (zh) * | 2022-02-15 | 2022-03-15 | 腾讯科技(深圳)有限公司 | 导航网格更新方法、装置、设备及计算机可读存储介质 |
CN114596533A (zh) * | 2022-01-20 | 2022-06-07 | 北方工业大学 | 跌倒姿态检测方法、装置、电子设备及可读存储介质 |
CN115661872A (zh) * | 2022-10-21 | 2023-01-31 | 深圳市人工智能与机器人研究院 | 一种自然场景下鲁棒的手掌感兴趣区域定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9129161B2 (en) * | 2013-05-31 | 2015-09-08 | Toyota Jidosha Kabushiki Kaisha | Computationally efficient scene classification |
JP7062506B2 (ja) * | 2018-05-02 | 2022-05-06 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
-
2023
- 2023-03-23 CN CN202310288035.9A patent/CN116309641B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107346416A (zh) * | 2017-06-09 | 2017-11-14 | 湖北天业云商网络科技有限公司 | 一种基于人体拓扑结构的身体运动状态检测方法及系统 |
CN110705576A (zh) * | 2019-09-29 | 2020-01-17 | 慧影医疗科技(北京)有限公司 | 区域轮廓确定方法、装置及图像显示设备 |
CN111402360A (zh) * | 2020-03-13 | 2020-07-10 | 北京奇艺世纪科技有限公司 | 生成人体模型的方法、装置、计算机设备和存储介质 |
CN113793293A (zh) * | 2020-05-25 | 2021-12-14 | 中移(苏州)软件技术有限公司 | 轮廓检测方法、装置、系统及计算机可读存储介质 |
CN113610889A (zh) * | 2021-06-30 | 2021-11-05 | 奥比中光科技集团股份有限公司 | 一种人体三维模型获取方法、装置、智能终端及存储介质 |
CN113420702A (zh) * | 2021-07-03 | 2021-09-21 | 深圳市迈斯泰克电子有限公司 | 基于人脸进行温度检测的方法、装置、系统以及存储介质 |
CN114596533A (zh) * | 2022-01-20 | 2022-06-07 | 北方工业大学 | 跌倒姿态检测方法、装置、电子设备及可读存储介质 |
CN114177613A (zh) * | 2022-02-15 | 2022-03-15 | 腾讯科技(深圳)有限公司 | 导航网格更新方法、装置、设备及计算机可读存储介质 |
CN115661872A (zh) * | 2022-10-21 | 2023-01-31 | 深圳市人工智能与机器人研究院 | 一种自然场景下鲁棒的手掌感兴趣区域定位方法 |
Non-Patent Citations (4)
Title |
---|
Modeling from Contour Drawings;Vladislav Kraevoy等;《EUROGRAPHICS Symposium on Sketch-Based Interfaces and Modeling》;第37-44页 * |
一种基于网格参数化的图像适应方法;时健等;《软件学报》;第19卷;第19-30页 * |
基于深度特征融合网络的行人重识别方法研究;朱正发;《中国优秀硕士学位论文全文数据库 信息科技辑》(第2期);第I138-1611页 * |
建筑设计中曲面网格的划分方式及优化策略;张雷;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第2期);第C038-888页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116309641A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110426112B (zh) | 一种生猪体重测量方法及装置 | |
EP3885967A1 (en) | Object key point positioning method and apparatus, image processing method and apparatus, and storage medium | |
US10380759B2 (en) | Posture estimating apparatus, posture estimating method and storing medium | |
WO2021078064A1 (zh) | 超声扫查轨迹规划方法、装置、存储介质及计算机设备 | |
US20190147666A1 (en) | Method for Estimating at least one of Shape, Position and Orientation of a Dental Restoration | |
CN109141248A (zh) | 基于图像的猪体重测算方法及系统 | |
CN108109170B (zh) | 医学图像扫描方法及医学影像设备 | |
US20220222910A1 (en) | Method for generating a model of a dental arch | |
CN111524137A (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
CN109859101B (zh) | 农作物冠层热红外图像识别方法及系统 | |
CN111179247A (zh) | 三维目标检测方法及其模型的训练方法及相关装置、设备 | |
US20220335600A1 (en) | Method, device, and storage medium for lesion segmentation and recist diameter prediction via click-driven attention and dual-path connection | |
Krawczyk et al. | Bones detection in the pelvic area on the basis of YOLO neural network | |
CN113241155B (zh) | 一种头颅侧位片中标志点的获取方法及系统 | |
JP4170096B2 (ja) | 対象の3次元表面上にマップされた3次元メッシュモデルの適合性評価のための画像処理装置 | |
CN111429447A (zh) | 病灶区域检测方法、装置、设备及存储介质 | |
CN111429446A (zh) | 肺图像处理方法、装置、设备及存储介质 | |
CN112767309A (zh) | 超声扫查方法、超声设备及系统 | |
CN112508902A (zh) | 白质高信号分级方法、电子设备及存储介质 | |
CN116309641B (zh) | 图像区域获取系统 | |
CN114549553A (zh) | 角度测量方法、装置、计算机设备及可读存储介质 | |
CN105389476B (zh) | 基于梯度特征的调强放射治疗计划剂量数据的插值算法 | |
CN112950577A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN110414369B (zh) | 一种牛脸的训练方法及装置 | |
CN111815612A (zh) | 一种基于物联网的红枣病虫预测系统 |
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 |