伤口创面图像处理方法及采用该方法的伤口创面治疗系统技术方案

本发明专利技术公开了一种伤口创面图像处理方法，包括以下步骤：1)采集伤口原始创面图像；2)对原始创面图像进行平均灰度处理；3)进行创面图像对比度调整；4)进行边界提取，获得创面轮廓图像；5)获取创面轮廓二值化图像；6)进行像素化处理，最终获得处理后创面图像。本发明专利技术的伤口创面图像处理方法，有效消除大部分光噪声并能完整地提取伤口创面的轮廓；可以得到完整的创面轮廓二值化图像；通过像素化处理，最终获得的处理后创面图像能很好的覆盖原始创面。本发明专利技术还公开了基于该方法的伤口创面治疗系统，结合轨迹规划模块和智能喷洒模块，能高效的将药物均匀喷撒在伤口表面，有效避免了因为人工操作原因而导致珍贵药物的浪费。

Image Processing Method of Wound Wound and Wound Treatment System Using this Method

【技术实现步骤摘要】
伤口创面图像处理方法及采用该方法的伤口创面治疗系统
本专利技术涉及医疗
，特别涉及一种伤口创面图像处理方法及采用该方法的伤口创面治疗系统。
技术介绍
皮肤是人体最大的器官，一旦烧伤，自行愈合的烧伤创面会出现累累疤痕，在以往的烧伤治疗中，多采用人工皮肤Apligraf、Theraskin等促进慢性或者难愈性伤口愈合，但是人工皮肤在临床研究中应用效果并不理想，对于慢性伤口愈合率只有35-56％；近年研究发现，干细胞具有自我更新以及多向分化的潜能，能分泌多种细胞因子以及生长因子，提供了组织再生的条件，对组织脏器有修复和再生功能，它对组织功能再生、脏器保养、抗衰老和某些疾病的治疗都有良好的功效，尤其是对烧伤面积较大的二度烧烫伤，将干细胞喷撒于伤口，不仅能促进伤口快速愈合，还具有缓和发炎反应、减少结痂组织的作用。然而，由于干细胞的脆弱性以及提取过程的复杂性和高难度，导致干细胞作为伤口治疗药物的价格昂贵，而且根据个人体质和年龄的差异性，能够获得的活效干细胞数量也非常有限，这使得干细胞成为一种极其珍贵的治疗资源。在现有的外在伤口治疗喷药治疗中，都是采用人工手动喷涂到患处，对于昂贵稀少的药物，如干细胞等，手动操作会导致药物的损伤，容易出现反复喷洒或者喷洒覆盖区缺失等情况，不仅浪费了药物资源，而且严重影响患处的愈合效果。现有的对图像进行处理的过程中，所采集到的伤口图像中存在大量干扰信息，包含了本身因为图片质量或者因为光源原因导致的噪声，也包含了因为物质颜色所导致的图像处理中出现的与待分辨物体相似(含有相同颜色像素)而被提取出现误差的情况，比如白色脓液与健康皮肤颜色相似，采用平均值灰度法处理后看到图像中白色脓液即使用肉眼也难以与皮肤进行区分。在这种情况下，经过一些常用算法处理伤口图像后，得到的边界图形会出现大量错误信息，特征也被干扰信息所隐藏，结果无法划分边界。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种伤口创面图像处理方法及采用该方法的伤口创面治疗系统。为解决上述技术问题，本专利技术采用的技术方案是：一种伤口创面图像处理方法，包括以下步骤：1)采集伤口原始创面图像；2)对原始创面图像进行平均灰度处理；3)进行创面图像对比度调整；4)进行边界提取，获得创面轮廓图像；5)获取创面轮廓二值化图像；6)进行像素化处理，最终获得处理后创面图像。优选的是，所述步骤4中采用Sobel算法对调整好对比度的创面图像进行边界提取，获得创面轮廓图像。优选的是，所述步骤5)具体包括：5-1)通过最大类间方差法计算创面轮廓图像的分割阈值T；5-2)利用分割阈值T对创面轮廓图像进行二值化处理；5-3)进行腐蚀与膨胀运算、小面积法运算，得到创面轮廓二值化图像。优选的是，所述步骤5-1)具体为：将创面轮廓图像I(x,y)的前景和背景的分割阈值记作T，其中前景即为目标区域；属于前景的像素点数占整幅图像的比例记为ω1，其平均灰度μ1；属于背景像素点数占整幅图像的比例记为ω2,其平均灰度为μ2；图像的总平均灰度记为μ,类间方差记为g；记图像大小为M×N,图像中像素的灰度值小于分割阈值T的像素个数记作N1,像素灰度大于或等于分割阈值T的像素个数记作N2，则:N1+N2＝M×N(3)ω1+ω2＝1(4)μ＝μ1×ω1+μ2×ω2(5)g＝(μ-μ1)2×ω1+(μ-μ2)2×ω2(6)将式(1)-(5)带入式(6)得到：g＝ω1*ω2*(μ1-μ2)2(7)通过式(7)采用遍历的方法得到使类间方差最大的分割阈值，即为所求分割阈值T。优选的是，所述步骤3)具体为：先对平均灰度处理后的创面图像进行黑白像素色调转换，然后再调整图像的对比度。一种采用上述伤口创面图像处理方法的伤口创面治疗系统，包括智能喷洒模块、图像拍摄模块、视觉标定模块、图像处理模块及轨迹规划模块，其中，所述图像处理模块采用如权利要求5所述的创面图像处理方法对所述图像拍摄模块拍摄的伤口创面进行图像处理，并得到处理后创面图像。优选的是，其进行创面治疗的步骤包括：A、通过所述视觉标定模块对所述图像拍摄模块中的拍摄相机进行标定；B、通过所述图像拍摄模块拍摄伤口创面图像；C、所述图像处理模块按权利5所述的创面图像处理方法采集并处理所述图像拍摄模块中拍摄的伤口创面图像，获得处理后创面图像；D、所述轨迹规划模块根据获得的创面图像，对伤口的喷洒路径进行规划；E、所述智能喷洒模块按照所述轨迹规划模块规划的路径对伤口进行喷洒。本专利技术的有益效果是：本专利技术的伤口创面图像处理方法，通过利用Sobel算法对调整好对比度的创面图像进行边界提取，有效消除大部分光噪声并能完整地提取伤口创面的轮廓；后采用最大类间方差法、腐蚀与膨胀运算、小面积法运算后可以得到完整的创面轮廓二值化图像；通过像素化处理，最终获得的处理后创面图像能很好的覆盖原始创面。本专利技术的基于该方法的伤口创面治疗系统，通过该方法能获取伤口形状、面积等真实伤口信息，结合轨迹规划模块和智能喷洒模块，能高效的将药物均匀喷撒在伤口表面，有效避免了因为人工操作原因而导致珍贵药物的浪费，杜绝了反复喷洒或者喷洒覆盖区缺失的情况，其应用前景广泛，价格灵活，与市场定位也更契合。附图说明图1为本专利技术的一种实施例中的原始创面图像；图2为本专利技术的一种实施例中的平均灰度处理后的图像；图3为本专利技术的一种实施例中直接进行Sobel边界提取得到的图像图4为本专利技术的一种实施例中的进行像素色调转换后的图像；图5为本专利技术的一种实施例中的进行对比度调整后的图像；图6为本专利技术的一种实施例中的经对比度调整后再进行Sobel边界提取得到的图像；图7为本专利技术的一种实施例中的经腐蚀与膨胀运算后得到的图像；图8为本专利技术的一种实施例中的经小面积法运算后得到的图像；图9为本专利技术的一种实施例中的像素化处理后得到的处理后创面图像；图10为本专利技术的一种实施例中的处理后创面图像与原始创面图像面积的对比图；图11为本专利技术的伤口创面治疗系统的原理框图。具体实施方式下面结合实施例对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。本实施例的一种伤口创面图像处理方法，包括以下步骤：1)采集伤口原始创面图像。如图1，图中显示的白色脓液与健康皮肤颜色相似。2)对原始创面图像进行平均灰度处理。如图2，采用平均值灰度法处理后，若直接经过边界提取算法，会出现大量错误信息并掩盖创面信息。Sobel边界提取算法能通过图像中像素梯度变化精确的判断出物体边界，但会一并提取图像中有像素相似且变化幅度较大的妨碍错误信息，如图3为直接进行Sobel边界提取得到的图像，图中显示白色脓液和光噪点都会被自动提取并显示出来，而真正的创面边界轮廓信息因为算法生成的中阈值而被淹没，导致左下轮廓缺失。参照图4，其创面区域中皮下组织颜色与周围颜色皮肤有较大差别，并且主要目的是提取出主要创面边界，因此对图片中非主要特征的消失情况如组织中病变色斑，皮肤区域红肿等信息，有较高容忍度。因此可以适当调整图片对比度，减少噪声干扰。再进行Sobel边界提取。3)进行创面图像对比度调整；其中，先对平均灰度处理后的创面图像进行黑白本文档来自技高网...

【技术保护点】
1.一种伤口创面图像处理方法，其特征在于，包括以下步骤：1)采集伤口原始创面图像；2)对原始创面图像进行平均灰度处理；3)进行创面图像对比度调整；4)进行边界提取，获得创面轮廓图像；5)获取创面轮廓二值化图像；6)进行像素化处理，最终获得处理后创面图像。

【技术特征摘要】
1.一种伤口创面图像处理方法，其特征在于，包括以下步骤：1)采集伤口原始创面图像；2)对原始创面图像进行平均灰度处理；3)进行创面图像对比度调整；4)进行边界提取，获得创面轮廓图像；5)获取创面轮廓二值化图像；6)进行像素化处理，最终获得处理后创面图像。2.根据权利要求1所述的伤口创面图像处理方法，其特征在于，所述步骤4中采用Sobel算法对调整好对比度的创面图像进行边界提取，获得创面轮廓图像。3.根据权利要求2所述的伤口创面图像处理方法，其特征在于，所述步骤5)具体包括：5-1)通过最大类间方差法计算创面轮廓图像的分割阈值T；5-2)利用分割阈值T对创面轮廓图像进行二值化处理；5-3)进行腐蚀与膨胀运算、小面积法运算，得到创面轮廓二值化图像。4.根据权利要求3所述的伤口创面图像处理方法，其特征在于，所述步骤5-1)具体为：将创面轮廓图像I(x,y)的前景和背景的分割阈值记作T，其中前景即为目标区域；属于前景的像素点数占整幅图像的比例记为ω1，其平均灰度μ1；属于背景像素点数占整幅图像的比例记为ω2,其平均灰度为μ2；图像的总平均灰度记为μ,类间方差记为g；记图像大小为M×N,图像中像素的灰度值小于分割阈值T的像素个数记作N1,像素灰度大于或等于分割阈值T的像素个数记作N2,则：N1+N2＝M×N(3)ω...

【专利技术属性】
技术研发人员：陈晓禾，郦政，郭宇，韦阳，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：江苏,32