用于中药制剂分析的图像增强方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种用于中药制剂分析的图像增强方法，该方法采集自动炒药锅中的药材图像得到对应的梯度图像，以将像素点划分为背景像素点、弱梯度像素点和强梯度像素点；基于弱梯度像素点和强梯度像素点获取连通域；利用连通域的模糊程度对传统SLIC超像素分割中每个像素点与种子点之间的距离进行校正得到校正距离，基于校正距离进行超像素分割，得到分割图像；利用分割图像训练语义分割网络，以根据训练好的语义分割网络得到药材炒制状态的监测信息。本发明专利技术利用优化分割效果后的分割图像对语义分割网络进行训练，提高了利用训练好的语义分割网络获取药材炒制状态的监测信息的准确性。炒制状态的监测信息的准确性。炒制状态的监测信息的准确性。

【技术实现步骤摘要】
用于中药制剂分析的图像增强方法


[0001]本专利技术涉及图像处理
，具体涉及一种用于中药制剂分析的图像增强方法。

技术介绍

[0002]在中药制剂分析场景中，需要将中药进行炒制，炒制到达药材的炒制标准之后再对中药进行制剂分析。在使用自动炒药锅进行中药炒制时，为了实时自动检测中药炒制的状态，可以在炒药锅上方架设相机，利用相机获取中药炒制过程中的实时图像，通过图像信息获取药材的炒制状态。
[0003]现有技术中通常对采集的图像进行超像素分割以获取药材的超像素块，以图像中每个药材的超像素块作为监测信息，且在传统的SLIC超像素分割中，通过颜色空间距离与图像空间距离衡量像素点与种子点（SLIC中的聚类中心点）之间的距离，从而实现超像素块的分割。但在实际监测中，自动炒药锅在炒药的翻动过程中会因为药材的晃动而导致采集的图像有部分区域模糊的情况，在出现图像模糊的情况时，超像素块中会形成较大的分割偏差，即难以在图像中准确划分药材轮廓，从而使得监测信息出现误差，这些误差会导致分析的药材炒制状态不达标。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种用于中药制剂分析的图像增强方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种用于中药制剂分析的图像增强方法，该方法包括：采集自动炒药锅中的药材图像，获取所述药材图像对应的梯度图像；基于梯度图像中每个像素点的灰度值将所有像素点划分为背景像素点、弱梯度像素点和强梯度像素点；基于梯度图像中的弱梯度像素点和强梯度像素点进行连通域分析，得到至少两个连通域；根据连通域的相邻边缘像素点之间的斜率计算每个连通域的轮廓复杂程度；统计每个连通域内的像素点数量，结合每个连通域的像素点数量和对应的轮廓复杂程度计算对应连通域的模糊程度；将每个连通域的模糊程度赋值给所述药材图像中对应的每个像素点，进而得到所述药材图像中每个像素点的模糊程度；利用传统SLIC超像素分割得到每个像素点与种子点之间的距离，利用像素点的模糊程度对距离进行校正得到校正距离，基于校正距离对所述药材图像进行超像素分割，得到对应的分割图像；对分割图像中的每个超像素块设置标签，利用设置标签后的分割图像训练语义分割网络，将采集的实时药材图像的分割图像输入训练好的语义分割网络中得到药材炒制状态的监测信息。
[0005]进一步的，所述根据连通域的相邻边缘像素点之间的斜率计算每个连通域的轮廓复杂程度的方法，包括：
根据连通域的每个边缘像素点的坐标计算相邻边缘像素点之间的斜率，得到每个连通域的斜率集合；基于斜率集合获取每种斜率的出现概率，根据每种斜率的出现概率计算信息熵作为对应连通域的轮廓复杂程度。
[0006]进一步的，所述结合每个连通域的像素点数量和对应的轮廓复杂程度计算对应连通域的模糊程度的方法，包括：将每个连通域的像素点数量和轮廓复杂程度分别输入以自然常数e为底数的指数函数中，对应得到的指数函数结果作为第一结果和第二结果；分别令所有连通域的第一结果相加得到第一结果总和、第二结果相加得到第二结果总和；将任意一个连通域的第一结果为分子、第一结果总和为分母得到第一比值，且将该连通域的第二结果为分子、第二结果总和为分母得到第二比值，将常数1减去第二比值的结果与第一比值相乘得到对应连通域的模糊程度。
[0007]进一步的，所述利用像素点的模糊程度对距离进行校正得到校正距离的方法，包括：计算预设值和像素点的模糊程度之间的相加结果，将相加结果与距离之间的相乘结果作为对应像素点与种子点之间的校正距离。
[0008]进一步的，所述背景像素点、弱梯度像素点和强梯度像素点的划分方法，包括：基于像素点的灰度值利用K
‑
means聚类将所有像素点划分为背景像素点、弱梯度像素点和强梯度像素点。
[0009]进一步的，所述对分割图像中的每个超像素块设置标签的方法，包括：能够作为药材炒作状态的监测信息的超像素块设置标签为0，不能够作为药材炒作状态的监测信息的超像素块设置标签为1。
[0010]本专利技术具有如下有益效果：本专利技术采集自动炒药锅中的药材图像，由于梯度特征能够体现图像的清晰与模糊情况，因此获取药材图像的梯度图像；为了准确对药材进行划分，根据梯度图像中每个像素点的灰度值将所有像素点划分为背景像素点、弱梯度像素点和强梯度像素点；基于弱梯度像素点和强梯度像素点进行连通域分析得到对应的连通域，根据药材细节上的梯度特征点行程的连通域面积大且轮廓不规则的特点，利用连通域的相邻边缘像素点之间的斜率计算连通域的轮廓复杂程度，进而结合连通域内的像素点数量得到准确的模糊程度，避免了仅通过连通域的面积特征而导致的模糊程度的判断错误；将每个连通域的模糊程度赋值给药材图像中对应的每个像素点，以作为每个像素点与种子点之间的距离的校正系数，利用模糊程度得到超像素分割过程中每个像素点与种子点之间的校正距离，以通过对距离的校正增大了模糊边缘像素点与药材区域之间的距离区分，进而基于校正距离对药材图像进行超像素分割，得到优化分割效果后的分割图像，实现了分割效果的增强；利用分割图像对语义分割网络进行训练，使得训练结果更加严谨和准确，进而提高了利用训练好的语义分割网络获取药材炒制状态的监测信息的准确性，减少了对药材炒作状态的分析误差。
附图说明
[0011]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅
仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0012]图1为本专利技术一个实施例所提供的一种用于中药制剂分析的图像增强方法的步骤流程图。
具体实施方式
[0013]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种用于中药制剂分析的图像增强方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0014]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0015]本专利技术实施例所针对的具体场景为：在中药制剂分析的过程中需要在分析前对中药药材进行炒制，使得药材中的有效成分便于提取。在使用自动炒药锅进行药材炒制时，为监测药材的炒制信息，需要在自动炒药锅上方架设相机以通过采集图像获取药材炒制信息，即对于药材的炒制程度可以通过药材的颜色信息和形态信息进行判断，但是在图像中因为药材的翻动会出现动态模糊区域，因此为了保证监测信息的准确性，本专利技术通过优化超像素分割时的距离来增强分割图像的分割结果。
[0016]下面结合附图具体的说明本专利技术所提供的一种用于中药制剂分析的图像增强方法的具体方案。
[0017]请参阅图1，其示出了本专利技术一个实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于中药制剂分析的图像增强方法，其特征在于，该方法包括以下步骤：采集自动炒药锅中的药材图像，获取所述药材图像对应的梯度图像；基于梯度图像中每个像素点的灰度值将所有像素点划分为背景像素点、弱梯度像素点和强梯度像素点；基于梯度图像中的弱梯度像素点和强梯度像素点进行连通域分析，得到至少两个连通域；根据连通域的相邻边缘像素点之间的斜率计算每个连通域的轮廓复杂程度；统计每个连通域内的像素点数量，结合每个连通域的像素点数量和对应的轮廓复杂程度计算对应连通域的模糊程度；将每个连通域的模糊程度赋值给所述药材图像中对应的每个像素点，进而得到所述药材图像中每个像素点的模糊程度；利用传统SLIC超像素分割得到每个像素点与种子点之间的距离，利用像素点的模糊程度对距离进行校正得到校正距离，基于校正距离对所述药材图像进行超像素分割，得到对应的分割图像；对分割图像中的每个超像素块设置标签，利用设置标签后的分割图像训练语义分割网络，将采集的实时药材图像的分割图像输入训练好的语义分割网络中得到药材炒制状态的监测信息。2.如权利要求1所述的一种用于中药制剂分析的图像增强方法，其特征在于，所述根据连通域的相邻边缘像素点之间的斜率计算每个连通域的轮廓复杂程度的方法，包括：根据连通域的每个边缘像素点的坐标计算相邻边缘像素点之间的斜率，得到每个连通域的斜率集合；基于斜率集合获取每种斜率的出现概率，根据每种斜率的出现概率计算信息熵作为对应连通域的轮廓复杂程度。3.如权利要求1所述的一种用于中药制...

【专利技术属性】
技术研发人员：张振龙，边爱军，周琦，朱小磊，赵小梅，
申请(专利权)人：山东本草堂中药饮片有限公司，
类型：发明
国别省市：