CN116778526A - 一种面向香灸仪器的背部穴位识别方法 - Google Patents

一种面向香灸仪器的背部穴位识别方法 Download PDF

Info

Publication number
CN116778526A
CN116778526A CN202310585743.9A CN202310585743A CN116778526A CN 116778526 A CN116778526 A CN 116778526A CN 202310585743 A CN202310585743 A CN 202310585743A CN 116778526 A CN116778526 A CN 116778526A
Authority
CN
China
Prior art keywords
image
acupoint
acupoints
coordinates
edge
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
CN202310585743.9A
Other languages
English (en)
Inventor
高焕丽
黄培渠
蔡鹤
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202310585743.9A priority Critical patent/CN116778526A/zh
Publication of CN116778526A publication Critical patent/CN116778526A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H39/00—Devices for locating or stimulating specific reflex points of the body for physical therapy, e.g. acupuncture
    • A61H39/02—Devices for locating such points
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H39/00—Devices for locating or stimulating specific reflex points of the body for physical therapy, e.g. acupuncture
    • A61H39/06—Devices for heating or cooling such points within cell-life limits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V10/30—Noise filtering
    • 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
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • 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
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5007—Control means thereof computer controlled
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Rehabilitation Therapy (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pain & Pain Management (AREA)
  • Epidemiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供的一种面向香灸仪器的背部穴位识别方法，包括如下步骤：S1：读取用户人体背部原始图像，对图像进行预处理；S2：输入标定穴位图，建立穴位坐标数据集合；S3：输入待测背部图像，检测并输出待测背部穴位坐标；S4：建立图像坐标与实际坐标映射关系，保存穴位信息。通过图像处理技术进行识别和定位，具有较快的检测速度，兼顾定位准确率。

Description

一种面向香灸仪器的背部穴位识别方法
技术领域
本发明属于图像识别技术领域，特别是涉及一种适用于自动香灸设备的背部穴位定位方法。
背景技术
香灸是中医灸疗法的一种，将中草药制成条状物并点燃，将燃香置于穴位附近以治疗疾病，保健人体。
传统的人工香灸需要具有经验的中医师确定香灸穴位，点燃香条后还需要将其固定于穴位附近并控制香灸距离，人工成本较高且耗费时间。采用全自动香灸仪控制燃香的寻穴以及固定可大量节约人力成本。
全自动香灸仪使用时需要进行穴位识别，中国发明公开专利CN114882526A中公开了“一种人体背部穴位的识别方法、识别装置计算机存储介质”，虽然能够得到待识别背部图像的背部穴位，但该方案使用深度神经网络进行背部穴位识别与定位，训练中需要样本量大，且神经网络计算需要较大的计算机算力，难以在低算力计算机上取得较好结果。
发明内容
为了解决现有技术存在的问题，本发明提供一种面向全自动香灸仪器的背部穴位识别定位方法，通过图像处理手段和数学运算，能够快速准确地识别定位人体背部穴位。
本发明提供的一种面向香灸仪器的背部穴位识别方法，包括如下步骤：
S1：读取用户人体背部原始图像，对图像进行预处理；
S2：输入标定穴位图，建立穴位坐标数据集合；
S3：输入待测背部图像，检测并输出待测背部穴位坐标；
S4：建立图像坐标与实际坐标映射关系，保存穴位信息。
进一步地，步骤S1实施具体包含以下步骤：
S11:对图像进行二值化，分离出背部信息，进而对背部进行定位。由于背部较为平滑，因此拍照所得图片中，背部的色彩亮度等分布较为均匀，与背景(床)不同即可将两者分离，采用最大类间方差法进行分离。
设置灰度值阈值T将图像分为前景W1和背景W2，其中W1是灰度值大于T的部分，W2为灰度值小于T的部分。计算W1和W2两类各自的概率p1、p2。p1计算方法是计算属于W1的像素点总数除以图像总像素大小。p2计算方法是计算属于W2的像素点总数除以图像总像素大小。计算图像W1部分灰度值均值m1，计算方法是将属于W1部分的像素灰度值相加得到W1的总灰度值，再将W1总灰度值除以属于W1的像素点总数，得到W1的灰度平均值m1。计算图像W2部分灰度值均值m2，计算方法是将属于W2部分的像素灰度值相加得到W2的总灰度值，再将W2总灰度值除以属于W2的像素点总数，得到W2的灰度平均值m2。计算图像全局的均值mg，将图像所有像素点灰度值相加得到总灰度值，再除以图像总像素点个数得到mg。最终可以得到图像通过阈值T二值化后的类间方差σ2为：
σ2＝p1(m1-mg)2+p2(m2-mg)2
方差是对图像灰度值分布均匀性的一种度量，若类间方差σ2越大，则前景与背景之间的灰度差别越大，表示前景与背景划分得越好。改变阈值T重复类间方差计算，得到使得类间方差最大的阈值T。将灰度值大于T的像素点设置为1，灰度值低于T的像素点设为0即可完成二值化；
S12：二值图像中出现椒盐噪声，需要将这些噪点消除以减少后续处理的影响。
使用开运算进行去噪操作。开运算先对图像进行腐蚀处理然后进行膨胀处理，可以用来消除噪声或者小物体、在纤细点处分离物体、还可以平滑较大物体的边界的同一时候并不明显改变其面积。腐蚀处理中，先定义一个结构元素，扫描图像的每个像素用结构元素与其覆盖的二值图像做“与”操作。假设都为1，结果图像的该像素为1，否则为0。腐蚀运算的结果是消除一些二值图白色区域边界点，使边界向内部收缩，并且消除小且无意义的物体。膨胀能够看做是腐蚀的对偶运算，同样是定义一个结构元素，用结构元素扫描图像的每个像素用结构元素与其覆盖的二值图像做“或”操作假设都为0，结果图像的该像素为0，否则为1。膨胀运算结果是将与二值图白色区域接触的全部像素点合并到该区域中，使边界向外部扩张；
S13：S11中将背部图片二值化以后，将背景(床)处理为0,前景(背部)处理为1。寻找最大连通域即可将包含背部的主要区域提取出来，去除其他小的连通域，减少干扰。
进一步地，步骤S2实施具体包含以下步骤：
S21：拍摄训练集背部图像，由专业中医师标定穴位，使用圆圈标定，得到标准穴位图；
S22：采用S1相同预处理手段，处理标准穴位图；
S23：使用边缘滤波器对处理后的二值化图像进行边缘检测，寻找较亮和较暗的区域边界像素点，将边缘像素选择出来，完成区域的边缘轮廓提取，确定训练图像背部位置，并建立背部坐标轴。
本发明使用边缘滤波器的检测算子如图4所示，左到右分别为左边缘检测，上边缘检测和右边缘检测。检测过程中，将算子由图像左上角开始，将算子与图像像素进行矩阵点乘计算，并将点乘结果的每一项相加得到总数。设置阈值T，若计算的点乘结果总和大于阈值T则认为成功检测到边缘。在背部图像中，当上边缘算子遍历至某一行，算子多次检验到边缘，即可认为该行像素所在位置为背部上边缘所在位置。当左边缘算子遍历至某一列，算子多次检验到边缘，即可认为该列像素所在位置为背部左边缘所在位置。当右边缘算子遍历至某一列，算子多次检验到边缘，即可认为该列像素所在位置为背部右边缘所在位置；
S24：使用霍夫变换圆检测，获取标记穴位位置。
对于一般圆形，其笛卡尔空间坐标系表达式可化为：
(x-a)2+(y-b)2＝r2
其中a、b为圆心坐标，r为圆半径，可将a、b和r作为参数投射至霍夫空间坐标系，则圆形对应的霍夫空间为三维坐标。将训练图像进行二值化，并进行边缘提取，对提取的边缘特征点进行霍夫变换。在霍夫空间中，寻找穴位标记的圆心位置即可视为穴位的正确坐标；
S25：计算穴位坐标位置与背部坐标轴之间相对位置，保存数据。
进一步地，步骤S3实施具体包含以下步骤：
S31：拍摄待检测背部图像，采用S1相同预处理手段对图像进行预处理；
S32：利用S23所使用的边缘滤波器对处理后的二值化图像进行边缘检测，确定训练图像背部位置，建立背部坐标轴；
S33：由S32中建立的坐标轴推算待测图像穴位位置。
进一步地，步骤S4实施具体包含以下步骤：
S41：设定两个标定点，标定点为圆形，测量两个标定点圆心实际距离，单位为米；
S42：拍摄床位图像，使用霍夫变换检测标定点像素位置，得到圆形圆心像素坐标，计算两个圆心像素相对距离
S43：建立实际距离与像素距离之间映射关系。
本发明通过图像处理技术进行识别和定位，实现对自动香灸设备的控制。
与现有技术相比，本发明至少能够实现以下有益效果：
本发明使用简洁的计算机图像处理方法，实现背部穴位识别与定位过程，具有较快的检测速度，兼顾定位准确率。训练所需样本量较少，对计算机算力要求不高，易于使用和推广。
附图说明
图1为本发明实施例提供的的人体背部穴位的识别方法的流程图。
图2为本发明实施例中二值化处理提取的背部图像示意图。
图3为本发明实施例中背部图像定位坐标轴示意图。
图4是本发明使用边缘滤波器的检测算子示意图，(a)图是左边缘检测，(b)图是上边缘检测,(c)图是右边缘检测。
具体实施方式
为了更好地说明发明所用方法的识别效果，以下将结合附图1及较佳实施例，对本发明的具体实施方式、结构、特征及其功效进行详细说明。
如图1所示，本发明提供的一种面向全自动香灸仪器的背部穴位识别方法，包括如下步骤：
步骤S1：读取用户人体背部原始图像，对图像进行预处理。
步骤S1包括如下步骤：
步骤S11:使用最大类间方差对图像进行二值化，得到分离出的背部信息。
在本发明的其中一些实施例中，图像由摄像头拍摄，大小固定为1920X1080像素大小。RGB图可以先转化为灰度图，再计算全局灰度平均值大小。具体地，取某一阈值T，分别将灰度值大于T的像素点和灰度值小于T的像素点分为两个集合。分别计算两个集合的平均灰度值，计算类间方差值。改变选取阈值T，重新计算对应的类间方差。阈值T选取范围为0～255，计算得到使取最大值的阈值T。
其中，将灰度值小于T的像素点设为0，灰度值大于T的像素点设置为1。
步骤S12：使用开运算进行去噪操作，提取最大连通域得到背部图像。
先对图像进行腐蚀处理然后进行膨胀处理。可定义一个结构元素(在本发明的其中一些实施例中，定义一个圆形结构元素，圆形大小可根据实际需要进行调整)，遍历图像并以图像的每个像素点为圆心得到结构元素覆盖范围，用结构元素与其覆盖的二值图像做“与”操作，假设都为1，则此时结构元素圆心所在的像素点为1，否则为0。定义一个与上文所述相同大小和形状的结构元素，遍历图像并以图像的每个像素点为圆心得到结构元素覆盖范围，用结构元素与其覆盖的二值图像做“或”操作，假设都为0，则此时结构元素圆心所在的像素为0，否则为1。
S13：将背部图片二值化以后，将背景(床)处理为0,前景(背部)处理为1。寻找最大连通域，将包含背部的主要区域提取出来，减少干扰，结果如图2所示。
S2：输入标定穴位图，建立穴位坐标数据集合。
步骤S2包括如下步骤：
S21：拍摄训练集背部图像，由专业中医师标定穴位(在本发明的其中一些实施例中，使用圆圈进行标定)，得到标准穴位图；
S22：采用S1相同预处理手段，处理标准穴位图；
S23：对处理后的二值化图像进行边缘检测，确定训练图像背部位置，建立背部坐标轴；
检测二值化图像中背部图案左边缘、上边缘及下边缘所在位置，在本发明的其中一些实施例中，具体实施过程如下：
S231:定义左边缘检测算子大小为51X51，将检测算子由图像左上角开始，算子与图像进行点乘运算。设置响应阈值T为1050，若点乘和大小大于1050，则该列响应计数值加1。对某一列，遍历该列所有行，得到边缘检测响应次数，若次数大于行数五分之一，则记录该列为左边缘列数，停止遍历。否则，列数加25并重复上述计算。
S232:定义上边缘检测算子大小为51X51，将检测算子由图像左上角开始，算子与图像进行点乘运算。设置响应阈值T为1050，若点乘和大小大于1050，则该列响应计数值加1。对某一行，遍历该行所有列，得到边缘检测响应次数，若次数大于列数三分之一，则记录该列为上边缘行数，停止遍历。否则，行数加25并重复上述计算。
S233:定义右边缘检测算子大小为51X51，将检测算子由图像右上角开始，算子与图像进行点乘运算。设置响应阈值T为1050，若点乘和大小大于1050，则该列响应计数值加1。对某一列，遍历该列所有行，得到边缘检测响应次数，若次数大于行数五分之一，则记录该列为右边缘列数，停止遍历。否则，列数减25并重复上述计算。该方法可根据需求改变检测算子大小，阈值T大小以及移动步长等数值也可进行修改。
S234：由S231和S233中记录的左边缘列数和右边缘列数，计算两边缘列数的中数并将该中数所在列作为定位坐标的y轴。由S232中记录的上边缘行数，将该行作为定位坐标的x轴，两轴交点设为定位坐标轴原点。建立坐标轴如图3所示。
S24：使用霍夫变换圆检测，获取标记穴位位置。
对S22步骤得到的二值化图像，使用canny算子提取图案边缘线，将边缘线像素点集合由笛卡尔空间表示转化为由霍夫空间表示。在本发明的其中一些实施例中，设置计算参数大小：半径范围为50-80，半径步长为1，角度步长为0.1，阈值为0.7。通过霍夫空间寻找圆圈图案，并得到圆心像素坐标。记录圆心坐标作为穴位坐标。
S25：计算穴位坐标位置与背部坐标轴之间相对位置，保存数据。
S3：输入待测背部图像，检测并输出待测背部穴位坐标。
步骤S3包括如下步骤：
S31：拍摄待检测背部图像，采用S1相同预处理手段对图像进行预处理；
S32：利用S23所使用的边缘滤波器对处理后的二值化图像进行边缘检测(训练图像与检测图像使用相同的预处理算法，背部定位使用相同的检测算法)，确定训练图像背部位置，建立背部坐标轴；
S33：根据步骤S32中建立的背部坐标轴推算背部穴位坐标。在本发明的其中一些实施例中，具体推算过程为，由S25中记录的穴位在背部定位坐标轴下的投影位置数据，在待测背部图像中寻找像素点，使该像素点在S32中建立的坐标轴的投影数据等于S25中记录的投影数据，则该像素点标为背部穴位坐标。
S4：建立图像坐标与实际坐标映射关系，保存穴位信息，且S4实施具体包含以下步骤：
S41：设定两个标定点，标定点为圆形，测量两个标定点圆心实际距离，单位为米；
S42：拍摄床位图像，使用霍夫变换检测标定点像素位置，得到圆形圆心像素坐标，计算两个圆心像素相对距离；
S43：建立实际距离与图像像素距离建立映射关系。
本实例提供一个人体背部穴位识别方法，面向全自动香灸设备。首先，拍摄训练图像并进行进行穴位标定，标定工作由专业中医师完成。对训练图像进行识别，得到穴位坐标与背部坐标映射关系。对待测图像进行识别，得到待测图像背部坐标，由穴位坐标与背部坐标映射关系得到穴位坐标。训练步骤S2和检测步骤S3使用同样的预处理方式，处理过程为S1。S2与S3所用背部坐标定位算法相同，因此对于同一个用户，其识别算法参数相同。
以上所述为本发明的较佳实现方式，但不能理解为对本发明专利范围的限制。对本领域技术人员来说，在不脱离本发明的基本构思的情况下可以对本发明作出明显的变动、替代和调整而不脱离本发明的保护范围。

Claims (10)

1.一种面向香灸仪器的背部穴位识别方法，其特征在于，包括如下步骤：
S1：获取用户人体背部原始图像，并对图像进行预处理；
S2：输入标定穴位图，建立穴位坐标数据集合；
S3：输入待测背部图像，检测并输出待测背部穴位坐标；
S4：建立图像坐标与实际坐标映射关系，保存穴位信息。
2.根据权利要求1所述的一种面向香灸仪器的背部穴位识别方法，其特征在于，步骤S1包括如下步骤：
S11：对图像进行二值化处理，分离背部与背景；
S12：使用开运算进行去噪操作，提取最大连通域得到背部图像。
3.根据权利要求2所述的一种面向香灸仪器的背部穴位识别方法，其特征在于，其特征在于，步骤S11中使用最大类间方差来对图像进行二值化处理。
4.根据权利要求3所述的一种面向香灸仪器的背部穴位识别方法，其特征在于，其特征在于，设立阈值T将图像分为背部和背景，计算前景与背景各自的概率以及灰度值均值，再计算图像全局的均值，得到图像通过阈值T二值化后的类间方差，改变阈值T，重复上述计算过程，直到图像二值化后得到最大类间方差。
5.根据权利要求2所述的一种面向香灸仪器的背部穴位识别方法，其特征在于，其特征在于，二值化图像去噪使用开运算，腐蚀处理消除噪声或者小物体、在纤细点处分离物体，膨胀处理，平滑较大物体的边界的同时并不明显改变其面积；
将背部图片二值化以后，设置背景和前景的灰度值，寻找最大连通域将包含背部的主要区域提取出来，去除其他小的连通域。
6.根据权利要求1所述的一种面向香灸仪器的背部穴位识别方法，其特征在于，步骤S2包括如下步骤：
S21：拍摄训练集背部图像，标定穴位，得到标准穴位图；
S22：预处理标准穴位图，得到二值化图像；
S23：对处理后的二值化图像进行边缘检测，确定训练图像背部位置，并建立背部坐标轴；
S24：基于二值化图像获取标记穴位位置；
S25：计算穴位坐标位置与背部坐标轴之间相对位置，保存数据。
7.根据权利要求6所述的一种面向香灸仪器的背部穴位识别方法，其特征在于，步骤S23进行边缘检测时，需检测二值化图像中背部图案左边缘、上边缘及下边缘所在位置，步骤包括：
定义左边缘检测算子的大小，将检测算子由图像左上角开始，算子与图像进行点乘运算，并记录左边缘列数；
定义上边缘检测算子的大小，将检测算子由图像左上角开始，算子与图像进行点乘运算，并记录上边缘行数；
定义右边缘检测算子的大小，将检测算子由图像右上角开始，算子与图像进行点乘运算，并记录右边缘列数；
根据左边缘列数和边缘列数确定定位坐标的y轴，根据上边缘行数确定定位坐标的x轴，两轴交点设为定位坐标轴原点。
8.根据权利要求6所述的一种面向香灸仪器的背部穴位识别方法，其特征在于，步骤S24中，使用霍夫变换圆来获取标记穴位位置，包括步骤：对二值化图像使用canny算子提取图案边缘线，将边缘线像素点集合由笛卡尔空间表示转化为由霍夫空间表示，设置半径范围、半径步长、角度步长和阈值后，通过霍夫空间寻找圆圈图案，并得到圆心像素坐标，记录圆心坐标作为穴位坐标。
9.根据权利要求1所述的一种面向香灸仪器的背部穴位识别方法，其特征在于，步骤S3包括以下步骤：
S31：拍摄待检测背部图像，进行预处理，得到二值化图像；
S32：对二值化图像进行边缘检测，确定训练图像背部位置，建立背部坐标轴；
S33：根据步骤S32所述背部坐标轴推算待测图像穴位位置。
10.根据权利要求1-9任一所述的一种面向香灸仪器的背部穴位识别方法，其特征在于，步骤S4包括如下步骤：
S41：设定两个标定点，标定点为圆形，测量两个标定点圆心实际距离；
S42：拍摄床位图像，检测标定点像素位置，得到圆形圆心像素坐标，计算两个圆心像素相对距离；
S43：建立实际距离与图像像素距离之间的映射关系。
CN202310585743.9A 2023-05-23 2023-05-23 一种面向香灸仪器的背部穴位识别方法 Pending CN116778526A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310585743.9A CN116778526A (zh) 2023-05-23 2023-05-23 一种面向香灸仪器的背部穴位识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310585743.9A CN116778526A (zh) 2023-05-23 2023-05-23 一种面向香灸仪器的背部穴位识别方法

Publications (1)

Publication Number Publication Date
CN116778526A true CN116778526A (zh) 2023-09-19

Family

ID=87992092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310585743.9A Pending CN116778526A (zh) 2023-05-23 2023-05-23 一种面向香灸仪器的背部穴位识别方法

Country Status (1)

Country Link
CN (1) CN116778526A (zh)

Similar Documents

Publication Publication Date Title
US6151403A (en) Method for automatic detection of human eyes in digital images
US8879847B2 (en) Image processing device, method of controlling image processing device, and program for enabling computer to execute same method
CN107596578B (zh) 对准标记的识别和位置确定方法、成像设备及存储介质
CN112967236B (zh) 图像的配准方法、装置、计算机设备和存储介质
CN104240180B (zh) 一种实现图像自动调整的方法及装置
WO2018176514A1 (zh) 指纹配准方法及装置
JP4729188B2 (ja) 視線検出装置
JP2020145594A5 (zh)
CN112837325A (zh) 医学影像图像处理方法、装置、电子设备及介质
CN108764343B (zh) 一种跟踪算法中的跟踪目标框的定位方法
CN112598591B (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
CN116778526A (zh) 一种面向香灸仪器的背部穴位识别方法
CN112614138A (zh) 图像处理装置、系统、存储介质及图像处理方法
CN113066108B (zh) 基于eco算法的抗遮挡视觉目标跟踪方法及装置
Khan et al. Segmentation of single and overlapping leaves by extracting appropriate contours
CN112800966B (zh) 一种视线的追踪方法及电子设备
CN110751158B (zh) 一种治疗床显示器中的数字识别方法、装置及存储介质
CN111784664B (zh) 肿瘤淋巴结分布图谱生成方法
CN115578781A (zh) 去遮挡的虹膜检测方法、虹膜识别方法及可读存储介质
CN115965801A (zh) 一种针对蛋白质免疫印迹条带图像的图像匹配方法及装置
CN115705748A (zh) 一种面部特征的识别系统
CN112052859A (zh) 一种自由场景下的车牌精准定位方法及装置
CN112749713A (zh) 一种基于人工智能的大数据图像识别系统及方法
CN110599456A (zh) 一种医学图像的特定区域的提取方法

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