[发明专利]通过标识特征自动识别病人方位的方法和系统在审
申请号: | 202010260772.4 | 申请日: | 2020-04-03 |
公开(公告)号: | CN111598947A | 公开(公告)日: | 2020-08-28 |
发明(设计)人: | 肖建如;马科威;周振华;吕天予;吴志鹏;邵帅;吴哲宇 | 申请(专利权)人: | 上海嘉奥信息科技发展有限公司 |
主分类号: | G06T7/73 | 分类号: | G06T7/73;G06T5/00;G06T5/20;G06T7/11;G06T7/187 |
代理公司: | 上海段和段律师事务所 31334 | 代理人: | 李佳俊;郭国中 |
地址: | 201304 上海市浦东*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 通过 标识 特征 自动识别 病人 方位 方法 系统 | ||
1.一种通过标识特征自动识别病人方位的方法,其特征在于,包括:
获取图像步骤:依照设定规则放置标识,通过CB机得到配带标识的病人X光的数字影像图;
图像增强步骤:对数字影像图进行滤波,以减少噪声干扰,得到滤波图像,对滤波图像的图片像素灰度值求均值,根据均值进行筛选,对滤波图像的图片标识区域进行增强;
二值处理步骤:对滤波图像进行二值化处理,并根据滤波图像上像素值为0的像素查找连通域,找到其中连通域最大的像素集,记为标识像素;
识别方位步骤:通过对标识像素中的像素特征比较,得出标识方向,通过对应标识得到病人在数字影像图上的方位。
2.根据权利要求1所述的通过标识特征自动识别病人方位的方法,其特征在于,所述图像增强步骤包括:
中值滤波步骤:利用中值滤波器对数字影像图进行滤波,得到滤波图像;
归一化步骤:对滤波图像的图片像素灰度值求均值,将大于均值的灰度值设置为1,小于均值的灰度值在0到均值之间进行归一化处理,对对滤波图像的图片标识区域进行增强。
3.根据权利要求1所述的通过标识特征自动识别病人方位的方法,其特征在于,所述二值处理步骤包括:
阈值分选步骤:设定阈值,通过阈值对滤波图像进行二值化处理,若滤波图像中的像素值低于阈值,则将像素值设置为0,否则设置为1;
像素连通步骤:将滤波图像中像素值为0的像素查找连通域,直至找完所有像素值为0的像素,将其中连通域最大的像素集作为标识像素。
4.根据权利要求1所述的通过标识特征自动识别病人方位的方法,其特征在于,所述识别方位步骤包括:
设定界限步骤:确定标识像素在X轴的最大最下值,记为X轴最大最小值,确定标识像素在Y轴的最大最小值,记为Y轴最大最小值;
区域分割步骤:以X轴最大最小值与Y轴最大最小值构建包围盒,将包围盒以中线进行分隔,均分为4个区域;
区域比较步骤:比较4个区域的区域特征,得出标识方位。
5.根据权利要求1所述的通过标识特征自动识别病人方位的方法,其特征在于,所述标识包括圆环部和开口部,所述圆环部与病人头部方向保持一致,开口部与病人右手方向保持一致。
6.一种通过标识特征自动识别病人方位的系统,其特征在于,包括:
获取图像模块:依照设定规则放置标识,通过CB机得到配带标识的病人X光的数字影像图;
图像增强模块:对数字影像图进行滤波,以减少噪声干扰,得到滤波图像,对滤波图像的图片像素灰度值求均值,根据均值进行筛选,对滤波图像的图片标识区域进行增强;
二值处理模块:对滤波图像进行二值化处理,并根据滤波图像上像素值为0的像素查找连通域,找到其中连通域最大的像素集,记为标识像素;
识别方位模块:通过对标识像素中的像素特征比较,得出标识方向,通过对应标识得到病人在数字影像图上的方位。
7.根据权利要求6所述的通过标识特征自动识别病人方位的系统,其特征在于,所述图像增强模块包括:
中值滤波模块:利用中值滤波器对数字影像图进行滤波,得到滤波图像;
归一化模块:对滤波图像的图片像素灰度值求均值,将大于均值的灰度值设置为1,小于均值的灰度值在0到均值之间进行归一化处理,对对滤波图像的图片标识区域进行增强。
8.根据权利要求6所述的通过标识特征自动识别病人方位的系统,其特征在于,所述二值处理模块包括:
阈值分选模块:设定阈值,通过阈值对滤波图像进行二值化处理,若滤波图像中的像素值低于阈值,则将像素值设置为0,否则设置为1;
像素连通模块:将滤波图像中像素值为0的像素查找连通域,直至找完所有像素值为0的像素,将其中连通域最大的像素集作为标识像素。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海嘉奥信息科技发展有限公司,未经上海嘉奥信息科技发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010260772.4/1.html,转载请声明来源钻瓜专利网。