CN111161293B - 基于直角坐标空间确定gdv能量图像的轮廓的方法及*** - Google Patents
基于直角坐标空间确定gdv能量图像的轮廓的方法及*** Download PDFInfo
- Publication number
- CN111161293B CN111161293B CN201911166249.9A CN201911166249A CN111161293B CN 111161293 B CN111161293 B CN 111161293B CN 201911166249 A CN201911166249 A CN 201911166249A CN 111161293 B CN111161293 B CN 111161293B
- Authority
- CN
- China
- Prior art keywords
- image
- quadrant
- boundary
- determining
- contour
- 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
Images
Classifications
-
- 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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于直角坐标空间确定GDV能量图像的轮廓的方法及***,包括:确定GDV能量图像的质心;根据直角坐标空间的四象限分布,以质心为原点对GDV能量图像进行划分,确定四个象限图像;根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据边界点确定四个象限边界图像;根据边界点组成的轮廓的轮廓面积分别确定每个象限边界图像的内轮廓和外轮廓;基于直角坐标空间的四象限分布,对每个象限边界图像的内轮廓和外轮廓分别进行组合,确定GDV能量图像的轮廓。本发明通过基于直角坐标系空间对GDV能量图像进行处理,并确定GDV能量图像的内轮廓与外轮廓,能够快速准确地确定GDV能量图像的轮廓,为进一步研究人体能量场奠定了坚实的基础。
Description
技术领域
本发明涉及图像处理技术领域,并且更具体地,涉及一种基于直角坐标空间确定GDV能量图像的轮廓的方法及***。
背景技术
现代生物光子学的研究表明,人体能够自发地发出电子和光子。科学家把人体发出的电子和光子,视为人体能量的表现;人体自发产生的能量就构成了人体能量场,并且利用能量场检测设备可以检测到人体十根手指能量。气体释放显像(Gas DischargeVisualization,GDV)技术由教授科罗特科夫(Pr.Korotkov)领导的团队在1995年开发的创新性科技,利用该技术可以获得GDV手指能量图像。通过对采集到的手指能量图像的内轮廓与外轮廓进行分析,确定内外轮廓特有的属性特征,如轮廓长度、轮廓半径、椭圆尺寸以及内圆半径等;进而通过对内轮廓与外轮廓属性特征的分析,可以得到手指能量图像中能量的相关指标,如熵系数、形态系数等。但是,如何准确、快速地确定手指能量图的内外轮廓是急需解决的问题。
发明内容
本发明提出一种基于直角坐标空间确定GDV能量图像的轮廓的方法及***,以解决如何基于直角坐标空间确定GDV能量图像的轮廓的问题。
为了解决上述问题,根据本发明的一个方面,提供了一种基于直角坐标空间确定GDV能量图像的轮廓的方法,所述方法包括:
对获取的气体释放显像技术GDV能量图像进行预处理,并确定所述GDV能量图像的质心;
根据直角坐标空间的四象限分布,以所述质心为原点对所述GDV能量图像进行划分,获取第一象限图像、第二象限图像、第三象限图像和第四象限图像;
根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像;
根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓;
基于直角坐标空间的四象限分布,对确定的第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓分别进行组合,确定所述GDV能量图像的轮廓。
优选地,其中所述对获取的GDV能量图像进行预处理,并确定所述GDV能量图像的质心,包括:
对获取的GDV能量图像依次进行灰度化处理和去噪处理;
利用图像矩计算经过去噪处理得到的GDV能量图像的质心。
优选地,其中所述根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像,包括:
对于任一象限图像中的像素值不为预设灰度值的任一像素点,若该像素点的四邻域像素点的像素值中至少有一个像素值为预设灰度值,则确定该像素点为边界点,并保存该边界点;
根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像。
优选地,其中所述预设灰度值为0。
优选地,其中所述根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓,包括:
分别计算每个象限边界图像中的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的外轮廓;
去除每个象限边界图像中的组成外轮廓的边界点;
计算每个象限边界图像中剩余的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的内轮廓。
根据本发明的另一个方面,提供了一种基于直角坐标空间确定GDV能量图像的轮廓的***,所述***包括:
质心确定单元,用于对获取的GDV能量图像进行预处理,并确定所述GDV能量图像的质心;
图像划分单元,用于根据直角坐标空间的四象限分布,以所述质心为原点对所述GDV能量图像进行划分,获取第一象限图像、第二象限图像、第三象限图像和第四象限图像;
边界图像确定单元,用于根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像;
内外轮廓确定单元,用于根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓;
图像轮廓确定单元,用于基于直角坐标空间的四象限分布,对确定的第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓分别进行组合,确定所述GDV能量图像的轮廓。
优选地,其中所述质心确定单元,对获取的GDV能量图像进行预处理,并确定所述GDV能量图像的质心,包括:
对获取的GDV能量图像依次进行灰度化处理和去噪处理;
利用图像矩计算经过去噪处理得到的GDV能量图像的质心。
优选地,其中所述边界图像确定单元,根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像,包括:
对于任一象限图像中的像素值不为预设灰度值的任一像素点,若该像素点的四邻域像素点的像素值中至少有一个像素值为预设灰度值,则确定该像素点为边界点,并保存该边界点;
根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像。
优选地,其中所述预设灰度值为0。
优选地,其中所述内外轮廓确定单元,用于根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓,包括:
分别计算每个象限边界图像中的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的外轮廓;
去除每个象限边界图像中的组成外轮廓的边界点;
计算每个象限边界图像中剩余的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的内轮廓。
本发明提供了一种基于直角坐标空间确定GDV能量图像的轮廓的方法及***,包括:确定GDV能量图像的质心;根据直角坐标空间的四象限分布,以所述质心为原点对所述GDV能量图像进行划分,确定四个象限图像;根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据边界点确定四个象限边界图像;根据边界点组成的轮廓的轮廓面积分别确定每个象限边界图像的内轮廓和外轮廓;基于直角坐标空间的四象限分布,对每个象限边界图像的内轮廓和外轮廓分别进行组合,确定所述GDV能量图像的轮廓。本发明通过基于直角坐标系空间对GDV能量图像进行处理,并确定GDV能量图像的内轮廓与外轮廓,能够快速准确地确定GDV能量图像的轮廓,为进一步研究人体能量场奠定了坚实的基础。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明实施方式的基于直角坐标空间确定GDV能量图像的轮廓的方法100的流程图;
图2为根据本发明实施方式的GDV手指能量图像;
图3为根据本发明实施方式的包含质心的GDV手指能量图像;
图4为根据本发明实施方式的包括辅助圆的GDV手指能量图像;
图5a、5b、5c和5d分别为根据本发明实施方式的第二象限边界图像、第一象限边界图像、第三象限边界图像和第四象限边界图像的示意图;
图6a、6b、6c和6d分别为根据本发明实施方式的第二象限边界图像、第一象限边界图像、第三象限边界图像和第四象限边界图像的外轮廓的示意图;
图7为根据本发明实施方式的GDV手指能量图像的外轮廓的示意图;
图8a、8b、8c和8d分别为根据本发明实施方式的第二象限边界图像、第一象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓的示意图;
图9为根据本发明实施方式的GDV手指能量图像的内轮廓的示意图;
图10a和10b分别为根据本发明实施方式的内外轮廓效果图和GDV手指能量图像的轮廓效果图;以及
图11为根据本发明实施方式的基于直角坐标空间确定GDV能量图像的轮廓的***1100的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明实施方式的基于直角坐标空间确定GDV能量图像的轮廓的方法100的流程图。如图1所示,本发明的实施方式提供的基于直角坐标空间确定GDV能量图像的轮廓的方法,通过基于直角坐标系空间对GDV能量图像进行处理,并确定GDV能量图像的内轮廓与外轮廓,能够快速准确地确定GDV能量图像的轮廓,为进一步研究人体能量场奠定了坚实的基础。本发明的实施方式提供的基于直角坐标空间确定GDV能量图像的轮廓的方法100从步骤101处开始,在步骤101对获取的气体释放显像技术GDV能量图像进行预处理,并确定所述GDV能量图像的质心。
优选地,其中所述对获取的GDV能量图像进行预处理,并确定所述GDV能量图像的质心,包括:
对获取的GDV能量图像依次进行灰度化处理和去噪处理;
利用图像矩计算经过去噪处理得到的GDV能量图像的质心。
在本发明的实施方式中,可以利用气体释放显像技术获取GDV能量图像。本发明的实施方式使用的GDV能量图像为手指能量图像,如图2所示。
在确定质心时,首先需要对GDV图像进行灰度化处理和去噪处理;然后利用图像矩计算经过去噪处理得到的GDV能量图像的质心。具体地,首先利用公式计算内轮廓的(p+q)阶矩,其中p,q=0,1,2,3,…;p对应x纬度上的矩;q对应y纬度上的矩;I(x,y)表示GDV能力图像;M表示x纬度的最大取值;N表示y纬度的最大取值。
对于二值化图像,当p=1,q=0时,可以确定轮廓矩的水平矩当p=0,q=1时,轮廓矩的垂直矩当p=0,q=0时,即轮廓的面积令xc、yc为内轮廓质心点的横坐标与纵坐标,则xc=m10/m00,yc=m01/m00,则内轮廓质心点表示为Hcs(xc,yc)。
本发明实施方式得到的包含质心的GDV手指能量图像如3所示。
在步骤102,根据直角坐标空间的四象限分布,以所述质心为原点对所述GDV能量图像进行划分,获取第一象限图像、第二象限图像、第三象限图像和第四象限图像。
在本发明的实施方式中,基于直角坐标系空间利用作辅助圆的方法来对GDV手指能量图像进行划分。以质心点坐标为原点对GDV手指能量图像作辅助圆,为进一步划分图像样本的区域做准备工作。根据本发明实施方式的包括辅助圆的GDV手指能量图像如图4所示,GDV手指能量图像每一个部分都位于直角坐标系不同的象限内,左上(sample_lt)即为第二象限图像,左下(sample_lb)即为第三象限图像,右上(sample_rt)即为第一象限图像,右下(sample_rb)即为第四象限图像。
在本发明中只利用辅助圆对手指能量图像进行区域的划分,所以辅助圆大小对后期手指能量图像像素的分析不产生影响。
在步骤103,根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像。
优选地,其中所述根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像,包括:
对于任一象限图像中的像素值不为预设灰度值的任一像素点,若该像素点的四邻域像素点的像素值中至少有一个像素值为预设灰度值,则确定该像素点为边界点,并保存该边界点;
根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像。
优选地,其中所述预设灰度值为0。
在本发明的实施方式中,GDV手指能量图像背景色为黑色,即背景色的每个像素点的像素值为0,因此设置预设灰度值为0,通过分析手指能量图像像素点的邻域像素点的像素值来判断该像素点是否是边界点。
对于任一象限图像的任一像素点,若确定灰度值为gray,gray_left、gray_right、gray_top、gray_botttom分别为该像素点的四个邻域像素点的灰度值,通过对四个邻域像素点的灰度值进行判断来确定是否为边界点,若满足:条件一该目标像素点的灰度值gray不等于零以及条件二目标像素点上邻域像素灰度值gray_top等于零,或者下邻域像素灰度值gray_botttom等于零,或者左邻域像素灰度值gray_left等于零,或者右邻域像素灰度值gray_right等于零,则确定该像素点即为GDV手指能量图像左上部分的边界点,然后保存该像素点的坐标信息。最终,获取的每个象限图像对应的保留的边界点组成的图像即为象限边界图像。本发明的实施方式获取的第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像如图5b、5a、5c和5d所示。
在步骤104,根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓。
优选地,其中所述根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓,包括:
分别计算每个象限边界图像中的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的外轮廓;
去除每个象限边界图像中的组成外轮廓的边界点;
计算每个象限边界图像中剩余的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的内轮廓。
在步骤105,基于直角坐标空间的四象限分布,对确定的第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓分别进行组合,确定所述GDV能量图像的轮廓。
在本发明的实施方式中,分别计算每个象限边界图像的边界轮廓面积,并选取每个象限边界图像中的最大轮廓面积对应的边界为外边界,结果分别如图6a、6b、6c和6d所示,分别为第二象限边界图像、第一象限边界图像、第三象限边界图像和第四象限边界图像的外轮廓的示意图。将每个象限边界图像中的外轮廓进行组合后,即可等得到得到GDV手指能量图的外轮廓图,如图7所示。
然后,去除每个象限边界图像中的组成外轮廓的边界点,计算剩余的轮廓的面积,并根据最大的轮廓面积确定每个象限边界图像的内轮廓。结果分别如图8a、8b、8c和8d所示,分别为第二象限边界图像、第一象限边界图像、第三象限边界图像和第四象限边界图像的外轮廓的示意图。将每个象限边界图像中的内轮廓进行组合后,即可等得到得到GDV手指能量图的内轮廓图,如图9所示。
在确定了GDV手指能量图像的内外轮廓后,进行归整,即可得到如图10a和10b所示的内外轮廓效果图和GDV手指能量图像的轮廓效果图。
图11为根据本发明实施方式的基于直角坐标空间确定GDV能量图像的轮廓的***1100的结构示意图。如图11所示,本发明的实施方式提供的基于直角坐标空间确定GDV能量图像的轮廓的***1100,包括:质心确定单元1101、图像划分单元1102、边界图像确定单元1103、内外轮廓确定单元1104和图像轮廓确定单元1105。
优选地,所述质心确定单元1101,用于对获取的GDV能量图像进行预处理,并确定所述GDV能量图像的质心。
优选地,其中所述质心确定单元1101,对获取的GDV能量图像进行预处理,并确定所述GDV能量图像的质心,包括:
对获取的GDV能量图像依次进行灰度化处理和去噪处理;
利用图像矩计算经过去噪处理得到的GDV能量图像的质心。
优选,所述图像划分单元1102,用于根据直角坐标空间的四象限分布,以所述质心为原点对所述GDV能量图像进行划分,获取第一象限图像、第二象限图像、第三象限图像和第四象限图像。
优选,所述边界图像确定单元1103,用于根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像。
优选地,其中所述边界图像确定单元1103,根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像,包括:
对于任一象限图像中的像素值不为预设灰度值的任一像素点,若该像素点的四邻域像素点的像素值中至少有一个像素值为预设灰度值,则确定该像素点为边界点,并保存该边界点;
根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像。
优选地,其中所述预设灰度值为0。
优选,所述内外轮廓确定单元1104,用于根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓。
优选地,其中所述内外轮廓确定单元1104,用于根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓,包括:
分别计算每个象限边界图像中的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的外轮廓;
去除每个象限边界图像中的组成外轮廓的边界点;
计算每个象限边界图像中剩余的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的内轮廓。
优选,所述图像轮廓确定单元1105,用于基于直角坐标空间的四象限分布,对确定的第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓分别进行组合,确定所述GDV能量图像的轮廓。
本发明的实施例的基于直角坐标空间确定GDV能量图像的轮廓的***1100与本发明的另一个实施例的基于直角坐标空间确定GDV能量图像的轮廓的方法100相对应,在此不再赘述。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于直角坐标空间确定GDV能量图像的轮廓的方法,其特征在于,所述方法包括:
对获取的气体释放显像技术GDV能量图像进行预处理,并确定所述GDV能量图像的质心;
根据直角坐标空间的四象限分布,以所述质心为原点对所述GDV能量图像进行划分,获取第一象限图像、第二象限图像、第三象限图像和第四象限图像;
根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像;
根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓;
基于直角坐标空间的四象限分布,对确定的第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓分别进行组合,确定所述GDV能量图像的轮廓。
2.根据权利要求1所述的方法,其特征在于,所述对获取的GDV能量图像进行预处理,并确定所述GDV能量图像的质心,包括:
对获取的GDV能量图像依次进行灰度化处理和去噪处理;
利用图像矩计算经过去噪处理得到的GDV能量图像的质心。
3.根据权利要求1所述的方法,其特征在于,所述根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像,包括:
对于任一象限图像中的像素值不为预设灰度值的任一像素点,若该像素点的四邻域像素点的像素值中至少有一个像素值为预设灰度值,则确定该像素点为边界点,并保存该边界点;
根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像。
4.根据权利要求3所述的方法,其特征在于,所述预设灰度值为0。
5.根据权利要求1所述的方法,其特征在于,所述根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓,包括:
分别计算每个象限边界图像中的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的外轮廓;
去除每个象限边界图像中的组成外轮廓的边界点;
计算每个象限边界图像中剩余的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的内轮廓。
6.一种基于直角坐标空间确定GDV能量图像的轮廓的***,其特征在于,所述***包括:
质心确定单元,用于对获取的GDV能量图像进行预处理,并确定所述GDV能量图像的质心;
图像划分单元,用于根据直角坐标空间的四象限分布,以所述质心为原点对所述GDV能量图像进行划分,获取第一象限图像、第二象限图像、第三象限图像和第四象限图像;
边界图像确定单元,用于根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像;
内外轮廓确定单元,用于根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓;
图像轮廓确定单元,用于基于直角坐标空间的四象限分布,对确定的第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓分别进行组合,确定所述GDV能量图像的轮廓。
7.根据权利要求6所述的***,其特征在于,所述质心确定单元,对获取的GDV能量图像进行预处理,并确定所述GDV能量图像的质心,包括:
对获取的GDV能量图像依次进行灰度化处理和去噪处理;
利用图像矩计算经过去噪处理得到的GDV能量图像的质心。
8.根据权利要求6所述的***,其特征在于,所述边界图像确定单元,根据预设的边界点确定策略分别确定每个象限图像内的边界点,并根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像,包括:
对于任一象限图像中的像素值不为预设灰度值的任一像素点,若该像素点的四邻域像素点的像素值中至少有一个像素值为预设灰度值,则确定该像素点为边界点,并保存该边界点;
根据确定的边界点确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像。
9.根据权利要求8所述的***,其特征在于,所述预设灰度值为0。
10.根据权利要求6所述的***,其特征在于,所述内外轮廓确定单元,用于根据边界点组成的轮廓的轮廓面积分别确定第一象限边界图像、第二象限边界图像、第三象限边界图像和第四象限边界图像的内轮廓和外轮廓,包括:
分别计算每个象限边界图像中的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的外轮廓;
去除每个象限边界图像中的组成外轮廓的边界点;
计算每个象限边界图像中剩余的边界点组成的轮廓的轮廓面积,并确定每个象限边界图像对应的最大的轮廓面积对应的轮廓即为该象限边界图像的内轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166249.9A CN111161293B (zh) | 2019-11-25 | 2019-11-25 | 基于直角坐标空间确定gdv能量图像的轮廓的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166249.9A CN111161293B (zh) | 2019-11-25 | 2019-11-25 | 基于直角坐标空间确定gdv能量图像的轮廓的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161293A CN111161293A (zh) | 2020-05-15 |
CN111161293B true CN111161293B (zh) | 2023-03-21 |
Family
ID=70556139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911166249.9A Active CN111161293B (zh) | 2019-11-25 | 2019-11-25 | 基于直角坐标空间确定gdv能量图像的轮廓的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161293B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112614095B (zh) * | 2020-12-15 | 2022-09-27 | 新绎健康科技有限公司 | 一种基于图像处理的分析肝经能量的方法及*** |
CN112946232A (zh) * | 2021-02-04 | 2021-06-11 | 成都秦川物联网科技股份有限公司 | 天然气能量计量数据获取方法和*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198301A (zh) * | 2013-04-08 | 2013-07-10 | 北京天诚盛业科技有限公司 | 虹膜定位方法及装置 |
CN104268857A (zh) * | 2014-09-16 | 2015-01-07 | 湖南大学 | 一种基于机器视觉的快速亚像素边缘检测与定位方法 |
CN107490379A (zh) * | 2017-08-28 | 2017-12-19 | 山东非凡智能科技有限公司 | 利用二维码地标定位agv工作点位置的方法及*** |
CN107577979A (zh) * | 2017-07-26 | 2018-01-12 | 中科创达软件股份有限公司 | DataMatrix型二维码快速识别方法、装置及电子设备 |
CN108765438A (zh) * | 2014-10-21 | 2018-11-06 | 无锡海斯凯尔医学技术有限公司 | 一种肝脏边界的识别方法及*** |
CN109299720A (zh) * | 2018-07-13 | 2019-02-01 | 沈阳理工大学 | 一种基于轮廓片段空间关系的目标识别方法 |
-
2019
- 2019-11-25 CN CN201911166249.9A patent/CN111161293B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198301A (zh) * | 2013-04-08 | 2013-07-10 | 北京天诚盛业科技有限公司 | 虹膜定位方法及装置 |
CN104268857A (zh) * | 2014-09-16 | 2015-01-07 | 湖南大学 | 一种基于机器视觉的快速亚像素边缘检测与定位方法 |
CN108765438A (zh) * | 2014-10-21 | 2018-11-06 | 无锡海斯凯尔医学技术有限公司 | 一种肝脏边界的识别方法及*** |
CN107577979A (zh) * | 2017-07-26 | 2018-01-12 | 中科创达软件股份有限公司 | DataMatrix型二维码快速识别方法、装置及电子设备 |
CN107490379A (zh) * | 2017-08-28 | 2017-12-19 | 山东非凡智能科技有限公司 | 利用二维码地标定位agv工作点位置的方法及*** |
CN109299720A (zh) * | 2018-07-13 | 2019-02-01 | 沈阳理工大学 | 一种基于轮廓片段空间关系的目标识别方法 |
Non-Patent Citations (2)
Title |
---|
K. G. Korotkov等."Analysis and monitoring of the human energy state with gas discharge visualization technique".2005,论文第431-436页. * |
李益红等."一种新的珍珠形状匀称性检测算法".2012,论文第37-40,84页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111161293A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447994B (zh) | 结合完全残差与特征融合的遥感图像分割方法 | |
CN110084161B (zh) | 一种人体骨骼关键点的快速检测方法及*** | |
CN104424629B (zh) | 一种x光胸片肺部分割方法和装置 | |
CN111161293B (zh) | 基于直角坐标空间确定gdv能量图像的轮廓的方法及*** | |
US10452948B2 (en) | Object identification method in dual-energy CT scan images | |
CN110189258B (zh) | 基于mri多模态序列的颈动脉管腔和管壁自动分割方法 | |
CN109934812A (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN113034389B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN105574527A (zh) | 一种基于局部特征学习的快速物体检测方法 | |
CN107527339B (zh) | 一种磁共振扫描方法、装置及*** | |
KR101618996B1 (ko) | 호모그래피를 추정하기 위한 샘플링 방법 및 영상 처리 장치 | |
JPH09167238A (ja) | 異常陰影の検出方法 | |
Casanova et al. | Texture analysis using fractal descriptors estimated by the mutual interference of color channels | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
JP5747733B2 (ja) | 対象検出装置、対象検出方法、分類器作成装置及び分類器作成方法 | |
CN113284160A (zh) | 一种手术导航标记珠体识别的方法、装置和设备 | |
CN104299241A (zh) | 基于 Hadoop 的遥感图像显著性目标检测方法及*** | |
CN104952068B (zh) | 一种脊椎特征点自动识别方法 | |
CN111870953A (zh) | 一种高度图生成方法、装置、设备及存储介质 | |
CN109389577B (zh) | X射线图像处理方法和***及计算机存储介质 | |
US8913843B2 (en) | Image processing method and computer program | |
CN111462278A (zh) | 基于深度的素材排序渲染方法、介质、设备及装置 | |
JP2011203853A (ja) | 画像処理装置及びプログラム | |
CN111508045B (zh) | 一种图片合成的方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |