[發(fā)明專利]一種GDV能量圖的輪廓確定方法裝置

在審

• 申請?zhí)枺?/td>: 201911337800.1
• 申請日: 2019-12-23
• 公開（公告）號: CN111242964A
• 公開（公告）日: 2020-06-05
• 發(fā)明（設計）人: 湯青;宋臣;魏春雨;王雨晨;周楓明
• 申請（專利權）人: 新繹健康科技有限公司
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T5/30;G06T7/62
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 郭欣欣

1.一種GDV能量圖的輪廓確定方法，其特征在于，包括：

采集GDV手指能量圖；

將所述GDV手指能量圖轉化為灰度圖像，再對所述圖像進行局部自適應二值化處理和膨脹處理，獲得灰度均勻分布和域連通的灰度圖像；

獲取所述灰度圖像的輪廓的點的集合，根據所述輪廓的點的集合計算圖像矩，進而得到每一個輪廓的面積；

獲取所有輪廓的面積其中最大的兩個輪廓，所述面積最大的兩個輪廓分別為GDV手指能量圖的內輪廓與外輪廓。

2.根據權利要求1所述的方法，其特征在于，將所述GDV手指能量圖轉化為灰度圖像，包括：

將所述GDV手指能量圖分解成R、G、B三個通道圖像；R(x,y)、G(x,y)、B(x,y)分別表示R、G、B通道圖像上的像素值；

計算R(x,y)、G(x,y)、B(x,y)的均值m

m＝(R(x,y)+G(x,y)+B(x,y))/3；

將均值m賦給原圖I(x,y)

I(x,y)＝m；

完成所述GDV手指能量圖轉化為灰度圖像。

3.根據權利要求1所述的方法，其特征在于，對所述圖像進行局部自適應二值化處理和膨脹處理的步驟之前，還包括：濾除小于灰度閾值的能量像素，具體為，

遍歷所述灰度圖像；

計算所述灰度圖像中，像素灰度值大于0的所述像素灰度值總和I和像素灰度值大于0的像素個數S；

計算所述灰度圖像的灰度平均強度，

ICP＝I/S

遍歷所述灰度圖像，當像素值P小于圖像灰度平均強度ICP時，設置像素值P為0，完成小于灰度閾值的能量像素的濾除。

4.根據權利要求1所述的方法，其特征在于，對所述圖像進行局部自適應二值化處理和膨脹處理，獲得灰度均勻分布和域連通的灰度圖像，包括：

求每個像素領域的平均值，像素點的領域大小為blocksize*blocksize，sum為所有領域內像素值的總和，avg為平均值；

設blocksize＝3，則有

sum＝I(x-1,y-1)+I(x-1,y)+…+I(x+1,y)+I(x+1,y+1)

avg＝sum/3*3；

I(x,y)是所處理的目標像素點，avg為閾值，得出局部自適應閾值函數，

通過上述步驟，遍歷整個灰度圖像，完成所述圖像進行局部自適應二值化處理；

采用形態(tài)學膨脹的方法將所述灰度圖像斷裂的連通域進行連接，并加大延伸連接域的橫向與豎向，完成所述灰度圖像的膨脹處理。

5.根據權利要求1所述的方法，其特征在于，獲取所述灰度圖像的輪廓的點的集合，包括：

采用OpenCV函數的findContours方法，獲取所述灰度圖像的輪廓的點的集合。

6.根據權利要求1所述的方法，其特征在于，獲取輪廓的面積最大的兩個輪廓，所述面積最大的兩個輪廓分別為GDV手指能量圖的內輪廓與外輪廓，包括：

將所述輪廓的面積按冒泡排序方法進行排序，獲取輪廓的面積最大的兩個輪廓，并將其他輪廓濾除；

所述面積最大的兩個輪廓分別為GDV手指能量圖的內輪廓與外輪廓。

7.一種GDV能量圖的輪廓確定裝置，其特征在于，包括：

采集單元，用于采集GDV手指能量圖；

灰度處理單元，用于將所述GDV手指能量圖轉化為灰度圖像，再對所述圖像進行局部自適應二值化處理和膨脹處理，獲得灰度均勻分布和域連通的灰度圖像；

面積確定單元，用于獲取所述灰度圖像的輪廓的點的集合，根據所述輪廓的點的集合計算圖像矩，進而得到每一個輪廓的面積；

輪廓確定單元，用于獲取所有輪廓的面積其中最大的兩個輪廓，所述面積最大的兩個輪廓分別為GDV手指能量圖的內輪廓與外輪廓。

8.根據權利要求7所述的裝置，其特征在于，還包括：

濾除單元，用于濾除小于灰度閾值的能量像素。