一种阴道壁粘膜图像处理方法及系统与流程

本发明涉及物体形变检测。

背景技术：

1、医美机构或医疗机构中，对阴道壁粘膜的评估主要是由医生根据自身经验对患者的阴道壁粘膜的好坏进行评估，对于阴道壁黏膜的评估如采用采集图像的方式而依据阴道壁内图像进行评估，则需要应用图像获取装置进行图像采集的操作，如公告号为cn205215169u的专利中，即公开了一种用于获取直肠或阴道壁图像的扫描装置用以获取相关图像。

2、但是，现有技术中的图像获取装置一般采用的是通用的图像扫描方式进行采集。而阴道壁内壁黏膜与人体外表皮肤不同，阴道壁内壁黏膜的色泽度、水润度及褶皱度是需要获得的重要信息，而常规扫描方式采集到的阴道壁内壁图像，难以反应出阴道壁内壁黏膜的这些信息，从而会对后续的评估造成误判。

3、因此，急需寻求一种新的技术方案，以便解决上述问题。

技术实现思路

1、发明目的：本发明的目标是提供一种阴道壁粘膜图像处理方法及系统，用以解决如何通过图像处理反应出阴道壁内壁黏膜的色泽度、水润度及褶皱度特征信息。

2、技术方案：本发明提供的阴道壁粘膜图像处理方法可采用以下技术方案：

3、一种阴道壁粘膜图像处理方法，包括：

4、(1)图像色泽度处理；

5、获取阴道壁图像，并分别计算阴道壁图像每个像素点的rgb三通道上的一阶、二阶颜色矩；计算每个像素点的各个颜色的比值，分别为r1/g1、r1/b1、g1/b1，以及r2/g2、r2/b2、g2/b2；其中r1表示图像红色通道的一阶颜色矩，g1表示绿色通道的一阶颜色矩，b1表示蓝色通道的一阶颜色矩；r2表示图像红色通道的二阶颜色矩，g2表示绿色通道的二阶颜色矩，b2表示蓝色通道的二阶颜色矩；

6、(2)图像水润度处理；

7、采集若干已有阴道壁水润度图像并统计每个已有阴道壁水润度图像所在分类，将每种分类的已有阴道壁水润度图像通过上采样或者下采样变成固定大小，并按照预设比例划分为训练集和测试集；

8、使用网络分类模型的深度学习方法，利用深度卷积网络学习图像特征，以训练网络分类模型得到训练好的图像水润度分类模型；

9、将新采集的阴道壁图像输入训练好的图像水润度分类模型，得到新采集的阴道壁图像的阴道壁水润度的分类结果；

10、(3)图像褶皱度处理；

11、将新采集的阴道壁图像转换成灰度图后，利用预设阈值作为参照进行阈值分割以进行图像去噪；并将去噪后的阴道壁图像提升对比度及图像边界连续性增强；

12、将增强后的阴道壁图像进行边界提取以及边界联通；

13、寻找对上述边界联通后的阴道壁图像中的褶皱区域，并计算褶皱长于20像素的数量、褶皱的长度、褶皱的密度、褶皱的方向性、褶皱的深度；

14、其中，褶皱的长度为褶皱首尾相连计算长度；褶皱的密度为褶皱的中间点之间的距离；褶皱的方向性整条褶皱所有点的角度的方差值，角度为褶皱中的每个像素点和左边的像素点连线计算角度值；褶皱的深度为阴影程度；阴影程度和褶皱的深度呈正相关。

15、进一步的，图像色泽度处理中，一阶颜色矩ei代表图像的明暗程度：

16、

17、其中pij表示多通道图像的第j个像素的第i个通道的值，n表示图像中的像素个数；

18、二阶颜色矩σi反映图像颜色分布：

19、

20、进一步的，图像水润度处理中，使用resnet系列或vgg系列分类模型训练网络分类模型。

21、进一步的，图像褶皱度处理中，去除反光点和分泌物区域，然后使用各项异性增强的方法分割出褶皱区域。

22、进一步的，对图像褶皱度处理中对比度及图像边界连续性增强，首先进行高斯滤波，对滤波后的图像进行一阶求导，构造二阶矩矩阵jd，计算特征值μ1，μ2和特征向量

23、

24、其中，图像的水平梯度为ux，垂直梯度为uy，jxx是对ux2进行高斯滤波，jxy是对ux*uy进行高斯滤波，jyy是对uy2进行高斯滤波；

25、进一步构造扩散矩阵d，构造扩散矩阵使用的是相干增强扩散ced和边缘增强扩散eed结合的混合扩散；

26、ced是使得图像沿着边缘方向更加连续，通过特征值进行实现，计算方法如下：

27、di＝μ1-μ2

28、

29、λc2＝α

30、其中，μ1、μ2为二阶矩矩阵jd的特征值，di为相干一致性的测度，α是保持扩散张量为均匀正定的参数，用于平衡图像的平滑增强的程度，c也是调节平滑强度的参数，只针对λc1；

31、eed对图像边缘的保持和增强，沿着局部结构的梯度法线方向λe2进行边缘增强，计算方法如下：

32、grada＝ux2+uy2

33、

34、grada用水平梯度和竖直梯度的均方和来表示，λe作为参数，可调节图像增强的强度；

35、混合扩散的计算，分别对eed和ced使用不同的权重，通过可调节的参数λh影响权重参数ε，从而调节边界方向平滑和图像增强的比例；

36、

37、λ1＝(1-ε)*λc1+ε*λe12

38、λ2＝(1-ε)*λc2+ε*λe2

39、使用jd的特征向量，进行扩散矩阵d的构建：

40、

41、dxx＝λ1*vx12+λ2*vx22

42、dxy＝λ1*vx1*vy1+λ2*vx2*vy2

43、dyy＝λ1*vy12+λ2*vy22

44、最后进行非负性离散化方法计算每步扩散的系数，得出各向异性增强后的图像。

45、有益效果：本发明提供的技术方案是利用计算机图像处理技术对阴道壁图像直接进行色泽度、水润度、褶皱度特征处理，从而获得图像中色泽度、水润度、褶皱度的类型，使得对于阴道壁图像的特征分析客观且直观，有助于辅助医生进行更准确地阴道壁粘膜评估。

46、对一个上述处理方法，本发明还提供了一种阴道壁粘膜图像处理系统的技术方案，包括：

47、图像色泽度处理模块，用以获取阴道壁图像，并分别计算阴道壁图像每个像素点的rgb三通道上的一阶、二阶颜色矩；计算每个像素点的各个颜色的比值，分别为r1/g1、r1/b1、g1/b1，以及r2/g2、r2/b2、g2/b2；其中r1表示图像红色通道的一阶颜色矩，g1表示绿色通道的一阶颜色矩，b1表示蓝色通道的一阶颜色矩；r2表示图像红色通道的二阶颜色矩，g2表示绿色通道的二阶颜色矩，b2表示蓝色通道的二阶颜色矩；

48、图像水润度处理模块，用以采集若干已有阴道壁水润度图像并统计每个已有阴道壁水润度图像所在分类，将每种分类的已有阴道壁水润度图像通过上采样或者下采样变成固定大小，并按照预设比例划分为训练集和测试集；

49、使用网络分类模型的深度学习方法，利用深度卷积网络学习图像特征，以训练网络分类模型得到训练好的图像水润度分类模型；

50、将新采集的阴道壁图像输入训练好的图像水润度分类模型，得到新采集的阴道壁图像的阴道壁水润度的分类结果；

51、图像褶皱度处理模块，用以将新采集的阴道壁图像转换成灰度图后，利用预设阈值作为参照进行阈值分割以进行图像去噪；并将去噪后的阴道壁图像提升对比度及图像边界连续性增强；

52、将增强后的阴道壁图像进行边界提取以及边界联通；

53、寻找对上述边界联通后的阴道壁图像中的褶皱区域，并计算褶皱长于20像素的数量、褶皱的长度、褶皱的密度、褶皱的方向性、褶皱的深度；

54、其中，褶皱的长度为褶皱首尾相连计算长度；褶皱的密度为褶皱的中间点之间的距离；褶皱的方向性整条褶皱所有点的角度的方差值，角度为褶皱中的每个像素点和左边的像素点连线计算角度值；褶皱的深度为阴影程度；阴影程度和褶皱的深度呈正相关。