[发明专利]人体背部穴位自动定位方法

摘要

本发明主要通过图像处理技术实现人体背部穴位自动检测方法，从而改善医者人为主观判定穴位的现状，提高穴位检测的效率以及减少无谓的人力，同时为以后一些疾病的自动诊断和分类系统、人体健康自动分析系统打下基础，提供必要的技术支持。本发明首先是计算输入图像的YCbCr值，通过椭圆模型进行肤色分割，得到人体背部图，之后利用Canny边缘检测算法以及由内向外寻找白点得到人体背部上下边缘曲线，求取中点进行直线拟合得到人体脊柱线，旋转图像得到目标图像。对样本图像进行灰度标准化处理，相加求平均之后得到模板图像，最后将目标图像和模板图像进行匹配，通过模板图像中的穴位位置确定目标图像的穴位位置。

主权项

1.人体背部穴位自动定位方法，其特征在于包括下述步骤：1）根据输入图像中各像素点的RGB值，通过RGB颜色空间与YCbCr颜色空间的转换矩阵公式，计算各像素点的YCbCr值；2）通过YCbCr椭圆计算公式对步骤1预处理后图像中的每个像素点进行判定，其中(ec_x、ec_y)是椭圆中心点的坐标，a、b分别为椭圆的长轴和短轴，x、y分别是步骤1预处理后图像中各像素点的Cb、Cr值即蓝色色度分量和红色色度分量经过平移旋转之后得到的数值，平移旋转公式为xy=cosθsinθ-sinθcosθCb-cxCr-cy,]]>其中cx、cy分别是步骤1预处理后图像中的每个像素点的蓝色色度分量和红色色度分量平移的距离，θ是蓝色色度分量和红色色度分量值要旋转的角度，当dis<1时，则判定该像素点为肤色像素，并保留输入图像中该像素点的RGB值，否则为非肤色像素，并将输入图像中该像素点的RGB值都置为0；此时得到彩色图像SI图；3）利用加权平均公式将SI图灰度化为GSI图，公式如下：Gray=0.299R+O.587G+0.114B，其中，R表示每个像素点的红色分量值，G表示每个像素点的绿色分量值，B表示每个像素点的蓝色分量值，Gray表示每个像素点的灰度值；4）根据Canny边缘检测算法对GSI图进行计算得到EBL图，EBL图由人体背部边缘曲线、干扰边缘曲线和背景组成，人体背部边缘曲线和干扰边缘曲线灰度值为A，背景灰度值为B；从EBL图提取人体背部边缘曲线，具体为首先在EBL图中初始化一个矩形框，然后将矩形框上边缘向上移动直到与人体背部边缘曲线相交，下边缘向下移动直到与人体背部边缘曲线相交，形成新矩形框1，记录此时上、下边缘的行数，接下来将新矩形框1的左边缘向左移动直到与人体背部边缘曲线或干扰边缘曲线相交，将新矩形框1的右边缘向右移动直到与人体背部边缘曲线或干扰边缘曲线相交，形成新矩形框2，记录此时左、右边缘的列数；新矩形2上边缘所有像素点向上搜索直到搜索到灰度为A的像素点，得到人体背部上边缘曲线，新矩形2下边缘所有像素点向下搜索直到搜索到灰度为A的像素点，得到人体背部下边缘曲线；5）拟合脊柱线，首先计算人体背部上、下边缘曲线中同列两像素点的中间像素点，即为上下边线的中点，然后利用二乘法对所有中点进行直线拟合，直线方程的表达式为：y=a+bx，其中b=xy‾-x‾y‾x2‾-x‾2,]]>a=y‾-bx‾,]]>x‾=1nΣi=1nxi,]]>y‾=1nΣi=1nyi,]]>x2‾=1nΣi=1nxi2,]]>xy‾=1nΣi=1nxiyi]]>x_i、y_i分别代表中点的行数和列数，通过直线的斜率b得到脊柱线的偏移角θ，对输入图像进行θ°的旋转，使脊柱线水平，最后得到目标图像TAR图；6）利用灰度分布标准化原理得到人体背部模板图像，获取n幅大小相同的样本图像，并对每张样本图像进行灰度化处理得到n幅灰度样本图像，灰度化处理公式为Gray=0.299R+O.587G+0.114B，其中R表示每个像素点的红色分量值，G表示每个像素点的绿色分量值，B表示每个像素点的蓝色分量值，Gray表示每个像素点的灰度值，接下来对n幅灰度样本图像进行灰度分布标准化得到n幅标准化图像，灰度分布标准化公式为：R′k[i][j]=σ0σkR(Rk[i][j]-μkR)+μ0,]]>其中R_k[i][j]是第k幅灰度样本图像中位置为（i，j）的像素点的灰度值，μ_kR、σ_kR分别是第k幅灰度样本图像的所有像素点灰度值的均值和均方差，μ₀、σ₀分别是标准化设定的灰度均值和均方差的标准值，之后将n幅标准化图像中相同位置像素点的灰度值求平均，得到人体背部模板图像TMP图；7）目标图像TAR图和人体背部模板图像TMP图进行匹配，目标图像TAR图大小为C×D，首先对人体背部模板图像TMP图进行m次不同程度的缩放，得到m张模板缩放图，然后确定第K张大小为M_K×N_K的缩放图与目标图像TAR图的最佳匹配位置，具体为选取与第K张缩放图一样大小的窗口在TAR图逐像素点移动，每移一步计算一次TAR图中窗口图像和第K张缩放图之间的度量函数值，并将得到的度量函数值存放在大小为(C-M_K)×(D-N_K)的第k个度量值矩阵MEX_K中，每一个度量函数值在MEX_K中的位置与第k张模板缩放图对应的TAR图中的窗口图像的左顶点像素的位置相同，度量值矩阵MEX_K中最大值对应的位置即为第K张缩放图在目标图像TAR图中最佳匹配位置的左上角，度量函数计算公式如下，Dk(TARk,TMPk)=r(TARk,TMPk)+α1+dk(TARk,TMPk),]]>其中，rk(TARk,TMPk)=Σi=0Mk-1Σj=0Nk-1(TMPk[i][j]-μTMPk)(TARk[i][j]-μTAR)MNσTMPkσTAR,]]>dk(TARk,TMPk)=Σi=0Mk-1Σj=0Nk-1(TMPk[i][j]-TARk[i][j])2MkNk,]]>TMP_k[i][j]表示为第k张缩放图中位置为（i，j）的像素点的灰度值，TAR_k[i][j]表示为第k张缩放图中位置为（i，j）的像素点的灰度值，μ_TMPk表示第k张缩放图中所有像素点的灰度均值，μ_TAR表示目标图像中窗口图像所有像素的灰度均值，σ_TMPk表示为第k张缩放图中所有像素点的灰度均方差，σ_TAR表示为目标图像中窗口图像所有像素的灰度均方差，α表示为比例系数；依次寻找m张缩放图与目标图像TAR图的m个最佳匹配位置，在m个最佳匹配位置所对应的度量函数值中选取最大值，该最大值对应的缩放图即为最优缩放图，最大值对应的最佳匹配位置即为最优缩放图与目标图像TAR图的最佳匹配位置，至此完成最佳匹配。8）通过人体背部穴位在最优缩放图中的比例关系，确定目标图像TAR图中人体背部穴位的具体位置。