皮膚顯微圖像的預(yù)處理方法

專利名稱：皮膚顯微圖像的預(yù)處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像處理方法，特別是一種皮膚顯微圖像的預(yù)處理方法。
背景技術(shù)：
圖像的預(yù)處理包含兩個方面(1)圖像的平滑處理，即圖像的去噪處理，(2)圖像中的目標區(qū)域從背景中分離出來，提取目標區(qū)域圖像。
圖像的去噪處理主要是為了去除實際成像過程中，因成像設(shè)備和環(huán)境所造成的圖像失真，提取有用信息。目前，常用低通空間濾波器和中值濾波器來消除圖像中的噪聲。這種方法在去除圖像中的噪聲、干擾的同時，也濾掉了圖像的邊緣信息、細節(jié)和有用的高頻信息。
提取目標區(qū)域圖像的最簡單的圖像分割方法是采用對比度、邊緣、灰度檢測的方法，這些方法利用了前景與背景的灰度變化來進行分割，其前提是假設(shè)目標與背景相比有明顯的灰度對比或顏色變化，但在實際處理中，由于受到光照不均勻等因素的影響，其對比特征并不明顯，因此上述方法存在一定局限性。
發(fā)明目的本發(fā)明的目的在于提供一種皮膚顯微圖像的預(yù)處理方法，能克服已有技術(shù)中存在的問題，能適應(yīng)光線的變化、圖像大小的變化和不同皮膚不同癥狀，從背景皮膚圖像中分割提取出清晰的皮膚癥狀區(qū)域的二值圖像。
為達到上述目的，本發(fā)明的構(gòu)思如下本發(fā)明運用二進小波對圖像進行變換，計算二階小波分解后圖像的模值，采用動態(tài)閾值的方法消除其中的局部極大值，有效地在保護圖像有用信息的條件下去除了皮膚圖像中的毛發(fā)等干擾，使重構(gòu)的圖像去除了噪聲而保留了邊緣信息。
針對皮膚顯微圖像的研究，發(fā)現(xiàn)以飽和度S(Saturation-S)作為圖像的顏色信息能明顯提高分割效果。所謂飽和度，它是反映某種色光被白光沖淡程度的物理量。
本發(fā)明提出一種針對皮膚癥狀的自適應(yīng)圖像分割提取方法，將RGB圖像轉(zhuǎn)換成S圖像，以皮膚癥狀圖像的S域標準差σ為判據(jù)，當(dāng)σ較大(大于20)時，采用最大類間方差動態(tài)閾值法，當(dāng)σ較小時(小于20)，采用改進的S域動態(tài)閾值分割方法，從而解決了大動態(tài)范圍圖像標準差的圖像分割，使圖像分割的效果得到了明顯的提高。
根據(jù)上述構(gòu)思，本發(fā)明采用下述技術(shù)方案一種皮膚顯微圖像的預(yù)處理方法，其特征在于由皮膚顯微鏡對有癥狀的皮膚表面拍攝獲得的視頻圖像信號，經(jīng)圖像采集卡取樣得到真彩色圖像，將真彩色圖像輸入微機進行二進小波去噪聲處理和自適應(yīng)圖像分割提取癥狀區(qū)域，然后在微機顯示器上顯示出癥狀與背景皮膚分離的二值圖像。
上述的皮膚顯微圖像的預(yù)處理方法的具體步驟為a.皮膚顯微圖像的采集用顯微鏡拍攝有癥狀的皮膚表面，視頻圖像信號經(jīng)圖像采集卡取樣，得到紅(R)、綠(G)、藍(B)真彩色圖像，輸入微機；b.對微機植入皮膚顯微圖像預(yù)處理軟件，作如下運算(a)采用二進小波去噪將24位RGB真彩圖像的數(shù)據(jù)區(qū)域分解，得出各像素點R、G、B值；并分別對R、G、B分量進行二維小波分解，得到處理過的R’、G’、B’，將R’、G’、B’組合，得到去噪后的圖像；(b)圖像的S域轉(zhuǎn)換用公式S＝max(R，G，B)-min(R，G，B)將RGB圖像轉(zhuǎn)換成S域圖像；(c)癥狀區(qū)域的提取以皮膚癥狀圖像的S域圖像標準方差σ為判據(jù)，當(dāng)σ＜20時，采用改進的S域動態(tài)閾值分割提取法，當(dāng)σ＞20時，采用最大類間方差動態(tài)閾值分割提取法，上述的S域圖像標準方差σ為σ=Σi=1nΣj=1m(Sij-A)2n×m]]>式中A=Σi=1nΣj=1mSijn×m,]]>i圖像區(qū)域的行，n為總行數(shù)，j為圖像的列，m為總列數(shù)；從而實現(xiàn)癥狀區(qū)域圖像與圖像背景的分離；(d)形態(tài)修正分割提取的癥狀圖像用形態(tài)學(xué)方法進行修正，得到清晰的癥狀區(qū)域形態(tài)圖像；c.由微機的顯示器顯示出癥狀與背景皮膚分離的二維圖像。
上述的對RGB真彩圖像的R、G、B分量進行二維小波分解的具體步驟為
a.對于R，保留二階分解后的低頻部分系數(shù)ca2；記錄一階水平、垂直、斜對角的高頻部分系數(shù)chd1、cvd1、cdd1，以及二階水平、垂直、斜對角的高頻部分系數(shù)chd2、cvd2、cdd2，以上系數(shù)都是以矩陣的形式保存的。分別求一階、二階的任意點(i，j)模值M1(i,j)=chd1(i,j)2+cvd1(i,j)2]]>M2(i,j)=chd2(i,j)2+cvd2(i,j)2]]>b.求M2‾=1M×NΣi=1MΣj=1NM2(i,j)]]>為二階小波模的平均值，其中M與N是M2的行數(shù)與列數(shù)，同樣求出一階小波模與各階高頻部分系數(shù)的平均值M1，chd2，cvd2，cdd2，chd1，cvd1，cdd1；c.找出M2中大于M2的點的位置，這些點就是信號突變點，往往在皮膚顯微圖像中就是毛發(fā)與表面紋理的位置。如果任意點M2(i，j)＞M2，則令chd2(i，j)＝chd2，cvd2(i，j)＝cvd2，cdd2(i，j)＝cdd2；d.將二階低頻部分系數(shù)ca2與處理過的二階高頻部分系數(shù)重構(gòu)，得到重構(gòu)后的一階低頻系數(shù)rca1；e.找出M1中大于M1的點的位置，如果任意點M1(i，j)＞M1，則令chd1(i，j)＝chd1，cvd1(i，j)＝cvd1，cdd1(i，j)＝cdd1；f.將重構(gòu)后的一階低頻系數(shù)rca1與處理過的一階高頻部分系數(shù)重構(gòu)，得到處理后的R分量R’；g.對于G、B重復(fù)a)-f)的過程得到處理過的G’、B’。
上述的RGB圖像轉(zhuǎn)換成S域圖像的具體步驟為設(shè)圖像的區(qū)域為n行m列，則a.開設(shè)一個單元，記為T1(i，j)，存放圖像中第i行、第j列的像素的R、G、B的最大值；b.開設(shè)一個單元，記為T2(i，j)，存放圖像中第i行、第j列的像素的R、G、B的最小值；
c.計算圖像的第i行、第j列的像素的T1和T2，再計算出它相應(yīng)的飽和度值Sij＝T1(i，j)-T2(i，j)d.固定第i行，依次變化列，j從1到m，根據(jù)上式，計算出第i行的所有像素的飽和度值(S)值；e.依次變化行，i從1到n，重復(fù)步驟c和d，計算出整個圖像區(qū)各像素的飽和度值，完成將圖像從RGB空間轉(zhuǎn)換到S空間的工作。
上述的采用改進的S域動態(tài)域值分割提取方法的具體步驟為a.按照下式計算S圖像的平均值A(chǔ)A=Σi=1nΣj=1mSijn×m]]>b.按照下式計算S圖像的標準方差σσ=Σi=1nΣj=1m(Sij-A)2n×m]]>c.計算動態(tài)閾值T＝A+ησ，其中的η為經(jīng)驗系數(shù)，取η＝3；d.對S圖像的各象素按照下式進行動態(tài)閾值處理，得到二值化的值S’ 采用最大類間方差動態(tài)閾值分割提取方法的具體步驟為a.設(shè)S圖像的S值為0～L-1，用閾值t劃分成小于t和大于t，得到兩類C0和C1C0＝{0，1，...，t}，C1＝{t+1，t+2，...，L-1}b.以下式計算C0類出現(xiàn)的概率W0=P(C0)=Σi=0tPi=W(t)]]>其中Pi為S值為i時的概率c.以下式計算C1類出現(xiàn)的概率W1=P(C1)=Σi=t+1L-1Pi=1-W(t)]]>d.以下式計算C0類出現(xiàn)的均值U0
U0=Σi=0tiPi/W0=U(t)/W0,]]>其中U(t)=Σi=0tiPi]]>e.以下式計算C1類出現(xiàn)的均值U1U1=Σi=t+1L-1iPi/W1=[UT-U(t)]/(1-W0),]]>其中UT=U(L-1)=Σi=0L-1iPi]]>f.定義類間方差DB＝W0(U0-UT)2+W1(U1-UT)2＝W0·W1(U1-U0)2由式b-f的公式得知，類間方差DB是t的函數(shù)，也可表達成DB(t)；g.t的區(qū)間在
，按f中的公式計算類間方差DB(t)，從0到L-1以步長1依次改變t值，得到L個類間方差DB(t)；h.比較這L個類間方差DB(t)，求得其中最大的為maxDB，此時對應(yīng)的t記作為t*，t*即為最大類間方差法求得的閾值；i.當(dāng)S圖像的各象素S值小于等于t*時，S值用0代替；其余的用1代替，從而實現(xiàn)圖像癥狀與背景的分離。
上述的分割提取的癥狀區(qū)域圖像用形態(tài)學(xué)方法進行形態(tài)修正包含如下修正a.對于圖像中的黑色小區(qū)域，若在像素為1的閉環(huán)區(qū)域內(nèi)包含值為0像素的像素點，則人為將這些點置1，從而消除了圖像中分散的黑色小區(qū)域；b.對圖像中的孤立白點，根據(jù)其所處位置的不同，采用不同的鄰域法消除(a)對于對處于圖像四個頂點，即左上角、右上角、左下角、右下角的孤立白點，進行3鄰域統(tǒng)計，即若當(dāng)前像素值為1，如果有2個像素以上的值為0，則人為將其置0，反之維持不變；(b)對于處于圖像四個邊界(不包括四個頂點)的孤立白點，進行5鄰域統(tǒng)計，即若當(dāng)前像素值為1，如果有3個像素以上的值為0，則人為將其置0，反之維持不變；(c)對圖像中不在四周的孤立白點，進行8鄰域統(tǒng)計，即若當(dāng)前像素值為1，如果其周圍有5個像素以上的值為0，則人為將其置0，反之維持不變。
本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實質(zhì)性特點和顯著優(yōu)點本發(fā)明中采用去噪聲處理是運用二進小波圖像進行變換，計算二階小波分解后圖像的模值，采用動態(tài)閾值的方法消除其中的局部極大值，有效地在保護圖像有用信息的條件下去除皮膚圖像中毛發(fā)等干擾，使重構(gòu)的圖象去除了噪聲而保留了邊緣信息；本發(fā)明中提出一種針對皮膚癥狀的自適應(yīng)圖像分割提取方法，將RGB圖像轉(zhuǎn)換成S圖像，以皮膚癥狀圖像的S域標準方差σ為判據(jù)，當(dāng)σ較大(大于20)時，采用最大類間方差動態(tài)閾值法，當(dāng)σ較小時(小于20)，采用改進的S域動態(tài)閾值分割方法，從而解決了大動態(tài)范圍圖像標準差的圖像分割，使圖像分割的效果得到了明顯的提高；本發(fā)明中還采用形態(tài)學(xué)修正法對圖像形態(tài)修正，從而最終得到清晰的癥狀區(qū)域二值圖像。本發(fā)明提供的皮膚顯微圖像預(yù)處理方法是采用微機對皮膚癥狀進行自動識別的必要的前序環(huán)節(jié)，為皮膚圖像的高層處理提供基礎(chǔ)，適用于皮膚疾病診斷和美容等領(lǐng)域。


圖1是本發(fā)明一個實施例采用的系統(tǒng)框2、圖3、圖4組成本發(fā)明實施例的圖像預(yù)處理流程框圖。
圖5是雀斑皮膚的原始顯微圖像圖。
圖6是經(jīng)小波去噪后的雀斑皮膚顯微圖像圖。
圖7是經(jīng)S域轉(zhuǎn)換后的雀斑皮膚的S域圖像圖。
圖8是經(jīng)最大類間方差法分割后的癥狀區(qū)域圖像圖。
圖9是經(jīng)形態(tài)學(xué)修正后的癥狀區(qū)域圖像圖。
具體實施例方式
本發(fā)明的一個實施例是以雀斑皮膚為例，按前述的步驟進行其顯微圖像的預(yù)處理。
本實施例采用圖1所示系統(tǒng)進行圖像預(yù)處理由VM-950型皮膚顯微鏡1對雀斑皮膚拍攝，其R，G，B視頻信號由BT878圖像采集卡2輸入微機4，將皮膚顯微圖像預(yù)處理軟件植入微機而進行預(yù)處理運算，然后由微機顯示器5顯示出癥狀與背景皮膚分離的二值圖像。
微機4的預(yù)處理運算程序參見圖2、圖3、圖4組合的圖像預(yù)處理流程圖。
根據(jù)前文的操作步驟對雀斑皮膚顯微圖像進行預(yù)處理1.由皮膚顯微鏡VM-950拍攝的視頻信號，經(jīng)BT878采樣得到圖5所示的雀斑皮膚的顯微圖像，可看到其表面有許多毛發(fā)。
2.采用二進小波去噪將RGB圖像對其R、G、B各分量分別進行。對于R(1)保留二階分解后的低頻部分系數(shù)ca2，記錄一階水平、垂直、斜對角的高頻部分系數(shù)chd1、cvd1、cdd1，以及二階水平、垂直、斜對角的高頻部分系數(shù)chd2、cvd2、cdd2，以上系數(shù)都是以矩陣的形式保存的。分別求一階、二階的任意點M1(i，j)和M2(i，j)模值。
(2)求出二階小波模、一階小波模與各階高頻部分系數(shù)的平均值M2，M1，chd2，cvd2，cdd2，chd1，cvd1，cdd1。這里求出的值分別為26.1582，14.3608，2.8333，0.1209，-0.0245，0.1432，0.0275，-0.0280(3)找出M2中大于M2的點的位置，這些點就是信號突變點，往往在皮膚顯微圖像中就是毛發(fā)與表面紋理的位置。如果任意點M2(i，j)＞M2，則令chd2(i，j)＝chd2，cvd2(i，j)＝cvd2，cdd2(i，j)＝cdd2。
(4)將二階低頻部分系數(shù)ca2與處理過的二階高頻部分系數(shù)重構(gòu)，得到重構(gòu)后的一階低頻系數(shù)rca1。
(5)找出M1中大于M1的點的位置，如果任意點M1(i，j)＞M1，則令chd1(i，j)＝chd1，cvd1(i，j)＝cvd1，cdd1(i，j)＝cdd1。
(6)將重構(gòu)后的一階低頻系數(shù)rca1與處理過的一階高頻部分系數(shù)重構(gòu)，得到處理后的R分量R’。
同樣的方法得到G’、B’，最后將R’、G’、B’組合，便得到了圖6示的去噪后的圖像。
3.將圖像從RGB空間轉(zhuǎn)換到S空間，就得到圖7所示的雀斑皮膚的S區(qū)域圖像。
4.癥狀區(qū)域的提取統(tǒng)計S圖中的平均值A(chǔ)＝91與標準差σ＝36，計算結(jié)果顯示σ＞20，選擇最大類間方差法分割方式，求出閾值T＝144，得出圖8所示的癥狀區(qū)域圖像。
5.最后用形態(tài)學(xué)修正，首先根據(jù)圖像的閉環(huán)區(qū)域，消除癥狀內(nèi)的黑色區(qū)域。然后消除圖像中的孤立白點，頂點采用3鄰域法、四周采用5鄰域法，中間采用8鄰域法。得到圖9所示的癥狀區(qū)域，是完整地、正確地分離出來的形態(tài)修正后的癥狀區(qū)域圖像。
權(quán)利要求
1.一種皮膚顯微圖像的預(yù)處理方法，其特征在于由皮膚顯微鏡對有癥狀的皮膚表面拍攝獲得的視頻圖像信號，經(jīng)圖像采集卡取樣得到真彩色圖像，將真彩色圖像輸入微機進行二進小波去噪聲處理和自適應(yīng)圖像分割提取癥狀區(qū)域，然后在微機顯示器上顯示出癥狀與背景皮膚分離的二值圖像。
2.根據(jù)權(quán)利要求1所述的皮膚顯微圖像的預(yù)處理方法，其特征在于具體步驟為a.皮膚顯微圖像的采集用顯微鏡拍攝有癥狀的皮膚表面，視頻圖像信號經(jīng)圖像采集卡取樣，得到紅(R)、綠(G)、藍(B)真彩色圖像，輸入微機；b.對微機植入皮膚顯微圖像預(yù)處理軟件，作如下運算(a)采用二進小波去噪將24位RGB真彩圖像的數(shù)據(jù)區(qū)域分解，得出各像素點R、G、B值；并分別對R、G、B分量進行二維小波分解，得到處理過的R’、G’、B’，將R’、G’、B’組合，得到去噪后的圖像；(b)圖像的S域轉(zhuǎn)換用公式S＝max(R，G，B)-min(R，G，B)將RGB圖像轉(zhuǎn)換成S域圖像；(c)癥狀區(qū)域的提取以皮膚癥狀圖像的S域圖像標準方差σ為判據(jù)，當(dāng)σ＜20時，采用改進的S域動態(tài)閾值分割提取法，當(dāng)σ＞20時，采用最大類間方差動態(tài)閾值分割提取法，上述的S域圖像標準方差σ為σ=Σi=1nΣj=1m(Sij-A)2n×m]]>式中A=Σi=1nΣj=1mSijn×m,]]>i圖像區(qū)域的行，n為總行數(shù)，j為圖像的列，m為總列數(shù)；從而實現(xiàn)癥狀區(qū)域圖像與圖像背景的分離；(d)形態(tài)修正分割提取的癥狀圖像用形態(tài)學(xué)方法進行修正，得到清晰的癥狀區(qū)域形態(tài)圖像；c.由微機的顯示器顯示出癥狀與背景皮膚分離的二維圖像。
3.根據(jù)權(quán)利要求2所述的皮膚顯微圖像的預(yù)處理方法，其特征在于對RGB真彩圖像的R、G、B分量進行二維小波分解的具體步驟為a.對于R，保留二階分解后的低頻部分系數(shù)ca2；記錄一階水平、垂直、斜對角的高頻部分系數(shù)chd1、cyd1、cdd1，以及二階水平、垂直、斜對角的高頻部分系數(shù)chd2、cvd2、cdd2，以上系數(shù)都是以矩陣的形式保存的。分別求一階、二階的任意點(i，j)模值M1(i,j)=chd1(i,j)2+cvd1(i,j)2]]>M2(i,j)=chd2(i,j)2+cvd2(i,j)2]]>b.求M2‾=1M×NΣi=1MΣj=1NM2(i,j)]]>為二階小波模的平均值，其中M與N是M2的行數(shù)與列數(shù)，同樣求出一階小波模與各階高頻部分系數(shù)的平均值M1，chd2，cvd2，cdd2，chd1，cvd1，cdd1；c.找出M2中大于M2的點的位置，這些點就是信號突變點，往往在皮膚顯微圖像中就是毛發(fā)與表面紋理的位置。如果任意點M2(i，j)＞M2，則令chd2(i，j)＝chd2，cvd2(i，j)＝cvd2，cdd2(i，j)＝cdd2；d.將二階低頻部分系數(shù)ca2與處理過的二階高頻部分系數(shù)重構(gòu)，得到重構(gòu)后的一階低頻系數(shù)rca1；e.找出M1中大于M1的點的位置，如果任意點M1(i，j)＞M1，則令chd1(i，j)＝chd1，cvd1(i，j)＝cvd1，cdd1(i，j)＝cdd1；f.將重構(gòu)后的一階低頻系數(shù)rca1與處理過的一階高頻部分系數(shù)重構(gòu)，得到處理后的R分量R’；l、對于G、B重復(fù)a)-f)的過程得到處理過的G’、B’。
4.根據(jù)權(quán)利要求2所述的皮膚顯微圖像的預(yù)處理方法，其特征在于RGB圖像轉(zhuǎn)換成S域圖像的具體步驟為設(shè)圖像的區(qū)域為n行m列，則a.開設(shè)一個單元，記為T1(i，j)，存放圖像中第i行、第j列的像素的R、G、B的最大值；b.開設(shè)一個單元，記為T2(i，j)，存放圖像中第i行、第j列的像素的R、G、B的最小值；c.計算圖像的第i行、第j列的像素的T1和T2，再計算出它相應(yīng)的飽和度值Sij＝T1(i，j)-T2(i，j)d.固定第i行，依次變化列，j從1到m，根據(jù)上式，計算出第i行的所有像素的飽和度值(S)值；e.依次變化行，i從1到n，重復(fù)步驟c和d，計算出整個圖像區(qū)各像素的飽和度值，完成將圖像從RGB空間轉(zhuǎn)換到S空間的工作。
5.根據(jù)權(quán)利要求2所述的皮膚顯微圖像的預(yù)處理方法，其特征在于采用改進的S域動態(tài)域值分割提取方法的具體步驟為a.按照下式計算S圖像的平均值A(chǔ)A=Σi=1nΣj=1mSijn×m]]>b.按照下式計算S圖像的標準方差σσ=Σi=1nΣj=1m(Sij-A)2n×m]]>c.計算動態(tài)閾值T＝A+ησ，其中的η為經(jīng)驗系數(shù)，取η＝3；d.對S圖像的各象素按照下式進行動態(tài)閾值處理，得到二值化的值S′ 采用最大類間方差動態(tài)閾值分割提取方法的具體步驟為a.設(shè)S圖像的S值為0～L-1，用閾值t劃分成小于t和大于t，得到兩類C0和C1C0＝{0，1，…，t}，C1＝{t+1，t+2，…，L-1}b.以下式計算C0類出現(xiàn)的概率W0=P(C0)=Σi=0tPi=W(t)]]>其中Pi為S值為i時的概率c.以下式計算C1類出現(xiàn)的概率W1=P(C1)=Σi=t+1L-1Pi=1-W(t)]]>d.以下式計算C0類出現(xiàn)的均值U0U0=Σi=0tiPi/W0=U(t)/W0,]]>其中U(t)=Σi=0tiPi]]>e.以下式計算C1類出現(xiàn)的均值U1U1=Σi=t+1L-1iPi/W1=[UT-U(t)]/(1-W0),]]>其中UT=U(L-1)=Σi=0L-1iPi]]>f.定義類間方差DB＝W0(U0-UT)2+W1(U1-UT)2＝W0·W1(U1-U0)2由式b-f的公式得知，類間方差DB是t的函數(shù)，也可表達成DB(t)；g.t的區(qū)間在
，按f中的公式計算類間方差DB(t)，從0到L-1以步長1依次改變t值，得到L個類間方差DB(t)；h.比較這L個類間方差DB(t)，求得其中最大的為maxDB，此時對應(yīng)的t記作為t*，t*即為最大類間方差法求得的閾值；i.當(dāng)S圖像的各象素S值小于等于t*時，S值用0代替；其余的用1代替，從而實現(xiàn)圖像癥狀與背景的分離。
6.根據(jù)權(quán)利要求2所述的皮膚顯微圖像的預(yù)處理方法，其特征在于對于分割提取的癥狀區(qū)域圖像用形態(tài)學(xué)方法進行形態(tài)修正包含如下修正a.對于圖像中的黑色小區(qū)域，若在像素為1的閉環(huán)區(qū)域內(nèi)包含值為0像素的像素點，則人為將這些點置1，從而消除了圖像中分散的黑色小區(qū)域；b.對圖像中的孤立白點，根據(jù)其所處位置的不同，采用不同的鄰域法消除(a)對于對處于圖像四個頂點，即左上角、右上角、左下角、右下角的孤立白點，進行3鄰域統(tǒng)計，即若當(dāng)前像素值為1，如果有2個像素以上的值為0，則人為將其置0，反之維持不變；(b)對于處于圖像四個邊界(不包括四個頂點)的孤立白點，進行5鄰域統(tǒng)計，即若當(dāng)前像素值為1，如果有3個像素以上的值為0，則人為將其置0，反之維持不變；(c)對圖像中不在四周的孤立白點，進行8鄰域統(tǒng)計，即若當(dāng)前像素值為1，如果其周圍有5個像素以上的值為0，則人為將其置0，反之維持不變。
全文摘要
本發(fā)明涉及一種皮膚顯微圖像的預(yù)處理方法。它是由皮膚顯微鏡對有癥狀的皮膚表面拍攝獲得的視頻圖像信號，經(jīng)圖像采集卡取樣得到真彩色圖像，將真彩色圖像輸入微機進行二進小波去噪聲處理和自適應(yīng)圖像分割提取癥狀區(qū)域，然后在微機顯示器上顯示出癥狀與背景皮膚分離的二值圖像。本發(fā)明為皮膚圖像的高層處理提供基礎(chǔ)，適用于皮膚疾病診斷和美容等領(lǐng)域。
文檔編號G06K9/40GK1588428SQ200410053540
公開日2005年3月2日 申請日期2004年8月6日 優(yōu)先權(quán)日2004年8月6日
發(fā)明者胡越黎, 曹家麟, 冉峰, 馮栩, 趙倩 申請人:上海大學(xué)