基于栅格化图像处理方法的骨科耗材检测方法及系统技术方案

本发明专利技术属于医学图像和图像处理技术领域，涉及基于栅格化图像处理方法的骨科耗材检测方法及系统。对原始数据图像数量和质量都没有严格的要求，通过分阶段检测的方法，分阶段检测骨科耗材外盒和骨科耗材，大大提高了检测的准确率。只需要先检测骨科耗材外盒类型，根据外盒类型进行对应骨科耗材的检测，准确率提升50%‑60%。提出了一种在仅有少量数据下进行目标检测的方法，在精确标注数据量不足时，采用先检测骨科耗材外盒再检测骨科耗材的方法，优于只采用检测骨科耗材的单一方法。本发明专利技术可以在数据集较少的情况下，具有较高的准确率。

【技术实现步骤摘要】
基于栅格化图像处理方法的骨科耗材检测方法及系统
本专利技术属于医学图像和图像处理
，涉及一种基于图像识别技术对医学图像中的骨科耗材盒中的钉子定位识别系统，具体涉及一种基于栅格化图像处理方法的骨科耗材检测方法及系统。
技术介绍
目标检测即在图片中找出感兴趣的目标，并且确定其位置和类别。目标检测技术发展至今，主要有两类方法：传统的经典目标检测方法以及人工智能相关的深度学习方法。传统目标检测方法主要包含以下三个步骤：①区域选择②特征提取③分类器。目前传统的目标检测技术中主要存在以下技术问题：在区域选择过程中，由于目标可能出现在图像任何位置，并且目标的大小，长宽比例也不能确定，所以一般采用的是滑窗法（SlidingWindow）的策略对整幅图像进行遍历。这种方法的缺点较为突出：对整幅图像进行遍历，产生了大量重叠区域从而带来了冗余计算，严重影响后续特征提取和分类的计算速度。因此，若想加速计算效率，就需要在保证计算准确性的同时，减少冗余计算，而现有技术并没有专门针对这方面的研究报道。在特征提取中，通常使用SIFT,HOG特征，本文档来自技高网...

【技术保护点】
1.一种基于栅格化图像处理方法的骨科耗材检测方法,其特征在于,包括如下步骤:/n步骤1，获取所有骨钉盒子的图片，作为模板，保存在文件中，然后标定每一张图片的分类；/n步骤2，使用K近邻算法对骨钉盒进行类别判定，判断出骨钉盒的类别属性；/n步骤3，使用图像矫正算法对拍到的图片进行矫正，得到标准的骨钉盒图片；/n步骤4，识别骨钉盒的方向，从而判定骨钉摆放的范围，对此范围进行裁剪；/n步骤5，对裁剪后的图像进行边缘化处理，将图像的边缘全部转换出来；/n步骤6，对边缘图片进行栅格化处理，将能摆放骨钉的地方全部划分出来；/n步骤7，使用二维卷积对步骤6中划分出来的栅格进行处理，从而判断出含有钉子的栅格；...

【技术特征摘要】
1.一种基于栅格化图像处理方法的骨科耗材检测方法,其特征在于,包括如下步骤:
步骤1，获取所有骨钉盒子的图片，作为模板，保存在文件中，然后标定每一张图片的分类；
步骤2，使用K近邻算法对骨钉盒进行类别判定，判断出骨钉盒的类别属性；
步骤3，使用图像矫正算法对拍到的图片进行矫正，得到标准的骨钉盒图片；
步骤4，识别骨钉盒的方向，从而判定骨钉摆放的范围，对此范围进行裁剪；
步骤5，对裁剪后的图像进行边缘化处理，将图像的边缘全部转换出来；
步骤6，对边缘图片进行栅格化处理，将能摆放骨钉的地方全部划分出来；
步骤7，使用二维卷积对步骤6中划分出来的栅格进行处理，从而判断出含有钉子的栅格；
步骤8,对有钉子的地方进行标注，统计出钉子的数量。


2.根据权利要求1所述基于栅格化图像处理方法的骨科耗材检测方法,其特征在于,步骤2中所采用的公式为：



其中，L是图片与模板之间的欧式距离，

n是图片中像素的个数，

x

i
是图片上的像素值，

y

i
是模板上的像素值。


3.根据权利要求1所述基于栅格化图像处理方法的骨科耗材检测方法，其特征在于，所述步骤4中使用霍夫圆形检测，根据圆形聚集的区域，并计算出骨钉盒的方向。


4.根据权利要求1所述基于栅格化图像处理方法的骨科耗材检测方法，其特征在于，所述步骤5中使用Canny边缘检测算法将感兴趣区域的边缘计算出来，此时的图片是二值化图片，图片上显示区域中的物体的边缘特征。


5.根...

【专利技术属性】
技术研发人员：宋尚玲，杨阳，
申请(专利权)人：山东大学第二医院，
类型：发明
国别省市：山东;37