一种基于灰度图像的单多株毛发判断方法技术

本发明专利技术公开了一种基于灰度图像的单多株毛发判断方法，属于植发系统领域

【技术实现步骤摘要】
一种基于灰度图像的单多株毛发判断方法


[0001]本专利技术属于植发系统
，具体是一种基于灰度图像的单多株毛发判断方法
。

技术介绍

[0002]在实际植发手术操作过程中，人们发现当选取的单个毛囊中存在多株头发时，移植后毛囊存活率更高
、
术后效果更佳
。
因此毛囊识别过程中，毛囊单多株毛发的判断技术变得至关重要
。
[0003]在现有技术中，毛发单多株判断算法使用轮廓识别
、
轮廓凸包缺陷检测
、FAST
角点检测与
ISODATA
聚类方法识别前毛囊所对应毛发属于单株或者多株，该方法都是使用中值滤波对全图进行去干扰后，利用大津法局部自适应动态阈值对全图进行二值化，然后使用轮廓寻找算法和先验信息得到图中的毛发轮廓；随后，对毛发轮廓求取凸包与凸包缺陷，并在凸包缺陷处运行
FAST
角点算法考察缺陷点附近像素分布情况；最后对同一个毛囊的所有毛发端点上的可疑点进行
ISODATA
获得聚类类别数目
(
即毛发起点与端点数目之和
)
，从而判断出当前毛囊所对应毛发属于单株或者多株
。
[0004]该方法存在以下问题：一
、
对图像质量要求较高：即本算法处理丢焦
、
模糊当前局部图片的效果不佳，二
、
实现难度较高
、
计算量高并且因此带来实时性低的问题
。
[0005]因此需要提供一种对图像质量要求低，实时性高的单多株毛发判断方法
。

技术实现思路

[0006]专利技术目的：提供一种基于灰度图像的单多株毛发判断方法，以解决现有技术存在的上述问题
。
[0007]技术方案：一种基于灰度图像的单多株毛发判断方法包括：
S1.
对当前局部图片使用中值滤波算法
。
[0008]S2.
对当前局部图片进行二值化
。
[0009]S3.
对当前局部图片求取轮廓，并根据先验信息筛选出毛发轮廓
。
[0010]S4.
对每一个毛发轮廓求取旋转外接矩形
。
[0011]S5.
判断所得旋转外接矩形的长边，沿着矩形的两个长边，将长边上对应像素点联结并计算每组连线上的黑白像素点跳变数量
。
[0012]S6.
当前毛发轮廓中出现一定数量的毛发存在超过两次黑白像素跳变，则此毛发属于多株情况，否则属于单株情况
。
[0013]在进一步的实施例中，单多株毛发判断方法还包括：在
S1
中，使用中值滤波算法时，在当前局部图片去除干扰的过程中改变当前局部图片的直方图分布，采用了基于直方图的快速中值滤波算法，使本方法实时性更高
。
[0014]在进一步的实施例中，单多株毛发判断方法还包括：在
S3
中，用于筛选毛发轮廓的先验信息包括：轮廓面积和轮廓周长
。
[0015]其中，所述轮廓面积和轮廓周长的参数根据视觉设备与目标区域的距离和角度动态调节，本方法通过掌握先验信息得以剔除非毛发区域轮廓
。
[0016]在进一步的实施例中，在
S3
中，用于筛选毛发轮廓的先验信息还包括：轮廓内平均灰度
。
[0017]使轮廓内平均灰度与轮廓周边平均灰度进行比较，用以去除形似毛发的光斑
。
[0018]在进一步的实施例中，单多株毛发判断方法还包括：
S4
‑
1.
在
S4
中，求取旋转外接矩形后，使旋转外接矩形外扩预定距离作为
ROI
区域，能够完整的发掘毛发分叉特征
。
[0019]S4
‑
2.
在
ROI
区域内再次搜寻轮廓，并根据轮廓中心与
ROI
区域中心的距离远近筛选出
ROI
区域内位于中心的轮廓，同时将不属于中心轮廓的毛发像素置为背景色，能够减少后续细化操作的不必要计算
。
[0020]S4
‑
3.
对
ROI
区域内的图像进行细化操作，并再次求取旋转外接矩形，能够明确细化后所得到的骨架所对应旋转外接矩形的长边
。
[0021]在进一步的实施例中，在
S4
‑3中，细化操作包括：
[0022]S4
‑3‑
1.
执行光栅扫描并标记满足以下5个条件的所有像素：
[0023]A1.
黑色像素
。
[0024]A2.
顺时针查看
x2、x3、
…
、x9、x2
时，从0到1的变化次数仅为
1。
[0025]A3.x2、x3、
…
、x9
中1的个数在2个以上，以及在6个以下
。
[0026]A4.x2、x4、x6
中至少有1个为
1。
[0027]A5.x4、x6、x8
中至少有1个为
1。
[0028]将满足
A1
‑
A5
条件的所有像素标为
1。
[0029]S4
‑3‑
2.
执行光栅扫描并标记满足以下5个条件的所有像素：
[0030]B1.
黑色像素
。
[0031]B2.
顺时针查看
x2、x3、
…
、x9、x2
时，从0到1的变化次数仅为
1。
[0032]B3.x2、x3、
…
、x9
中1的个数在2个以上，以及在6个以下
。
[0033]B4.x2、x4、x8
中至少有1个为
1。
[0034]B5.x2、x6、x8
中至少有1个为
1。
[0035]将满足
B1
‑
B5
条件的所有像素标为
1。
[0036]反复执行步骤1和步骤2，直到没有点发生变化，能够不论是对于模糊图像还是清晰图像，经过此步骤都能提取到对应轮廓的骨架
。
[0037]有益效果：本专利技术公开了一种基于灰度图像的单多株毛发判断方法，通过求取每一个毛发轮廓的旋转外接矩形，并根据当前毛发轮廓中出现一定数量的毛发存在黑白像素跳变的次数即可判断出毛发属于单株还是多株，其对图像质量要求低，而且从
S3
开始都只是对毛发轮廓区域进行计算识别极大的降低了计算量，因此实现难度低
、
计算量低，所以与现有技术相比还具有实时性高的优点，解决了现有技术对图像质量要求较高，实时性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于灰度图像的单多株毛发判断方法，其特征在于，包括：
S1.
对当前局部图片使用中值滤波算法；
S2.
对当前局部图片进行二值化；
S3.
对当前局部图片求取轮廓，并根据先验信息筛选出毛发轮廓；
S4.
对每一个毛发轮廓求取旋转外接矩形；
S5.
判断所得旋转外接矩形的长边，沿着矩形的两个长边，将长边上对应像素点联结并计算每组连线上的黑白像素点跳变数量；
S6.
当前毛发轮廓中出现一定数量的毛发存在超过两次黑白像素跳变，则此毛发属于多株情况，否则属于单株情况
。2.
根据权利要求1所述一种基于灰度图像的单多株毛发判断方法，其特征在于，还包括：在
S1
中，使用中值滤波算法时，在当前局部图片去除干扰的过程中改变当前局部图片的直方图分布
。3.
根据权利要求1所述一种基于灰度图像的单多株毛发判断方法，其特征在于，还包括：在
S3
中，用于筛选毛发轮廓的先验信息包括：轮廓面积和轮廓周长；其中，所述轮廓面积和轮廓周长的参数根据视觉设备与目标区域的距离和角度动态调节
。4.
根据权利要求1所述一种基于灰度图像的单多株毛发判断方法，其特征在于，还包括：在
S3
中，用于筛选毛发轮廓的先验信息还包括：轮廓内平均灰度；使轮廓内平均灰度与轮廓周边平均灰度进行比较
。5.
根据权利要求1所述一种基于灰度图像的单多株毛发判断方法，其特征在于，还包括：
S4
‑
1.
在
S4
中，求取旋转外接矩形后，使旋转外接矩形外扩预定距离作为
ROI
区域；
S4
‑
2.
在
ROI
区域内再次搜寻轮廓，并根据轮廓中心与
ROI

【专利技术属性】
技术研发人员：张兆东，陈波，王博，李军，王亚飞，朱思媛，倪杭，
申请(专利权)人：磅客策上海智能医疗科技有限公司，
类型：发明
国别省市：