基于机器视觉的粪便形态识别方法技术

本发明专利技术涉及图像处理技术领域，公开了一种基于机器视觉的粪便形态识别方法。该方法先从粪便样本图像中提取出粪便区域图像，然后逐个像素的与粪便标准色卡进行颜色匹配，最后基于统计学得出粪便样本图像的颜色，由此可以对粪便颜色进行有效识别。同时还可以基于卷积神经网络模型对粪便形状进行有效识别。此外，该方法还具有识别精度高、处理速度快和用户体验好等优点，便于实际应用和推广。

Fecal recognition based on machine vision

The invention relates to the technical field of image processing, and discloses a stool shape recognition method based on machine vision. This method first extracted from fecal samples of feces image region of the image, and then one by one pixel and the standard color of stool color matching, based on the statistics obtained stool sample image color, which can effectively identify the stool color. At the same time, the shape of feces can be identified effectively based on the convolution neural network model. In addition, the method has the advantages of high recognition accuracy, fast processing speed and good user experience, so that it is convenient for practical application and popularization.

【技术实现步骤摘要】
基于机器视觉的粪便形态识别方法
本专利技术涉及图像处理
，具体地，涉及一种基于机器视觉的粪便形态识别方法。
技术介绍
颜色识别作为一种新兴的测控技术，虽然其起步时间比较晚，但基于颜色识别技术的实时检测系统和自动化设备却如雨后春笋般地涌现，并逐渐进入人们的日常生活中。例如在医学方面，根据牙齿的颜色判断其健康状况；根据血糖试纸颜色变化情况判断血液中葡萄糖的含量；根据尿液试纸条颜色变化情况分析尿液的成分；利用细胞的颜色对细胞进行分类及状况分析。例如又在农业方面，根据植物的颜色对农作物中的杂草、昆虫等进行识别；根据农作物叶子的颜色判断其成长情况及是否有虫害；根据果实的颜色判断农作物是否成熟等。目前，我国研发的颜色识别系统还处在起步阶段，在识别准确率、灵敏度和效率方面都不如国外的系统。颜色识别系统的使用非常广泛，如车身颜色识别系统、遥感图像颜色识别系统、工业产品及农作物颜色识别系统等已经为我们的生活做出了巨大的贡献。对于医疗诊断中常接触到的粪便(俗称大便,人或动物的食物残渣排泄物。)检查，也主要是根据粪便形态(包括颜色和形状)来做出病情判断。对于粪便颜色，根据粪便颜色的测定，初步诊断是否存在便血的可能，以便初步筛查出消化道出血病人——常需结合粪便潜血试验。粪便颜色因食物不同而不同，某些药物可改变颜色。一般正常情况是成人为黄褐色，婴儿为金黄色。异常结果：上消化道出血时粪便呈黑色有光泽即柏油样便，这是由于血液通过肠道时，血红蛋白被分解并形成黑色的硫化铁所致；服用活性碳、铋剂、铁剂、中草药等也有灰黑色便，但无光泽；粪便标本放置过久，表层亦可变为灰黑色，阻塞性黄疸病人粪便中缺乏胆色素，呈白陶土色便；消化道钡餐造影后，粪便为灰白色；乳儿消化不良时，由于肠蠕动过快，粪便中由于含有胆绿素而呈绿色稀便。需要检查人群：疑似上消化道出血病例需要确诊的患者，即有咯血，呕血症状者。对于粪便形状：粪便形状检查，可帮助诊断各种肠道疾病。由于粪便的四分之三是水分，其余大多是蛋白质、无机物、脂肪、未消化的食物纤维、脱了水的消化液残余、以及从肠道脱落的细胞和死掉的细菌，还有维生素K、维生素B。正常情况为成形软便，异常结果：便秘者粪便呈球状硬块；粥状或水样稀便见于各种原因引起的腹泻；米汤样便见于霍乱及副霍乱患者；血色黑暗或呈柏油状为远血,多属食管、胃及十二指肠出血；大便下血,色鲜红为近血,为病在大肠或痔疮出血；大便溏泄,纳少腹胀者为脾阳虚。需要检查人群：大便异常，排便异常症状者。到目前为止，对粪便的颜色和形状检测全都是靠肉眼观察，主要关注粪便的形状(硬便、软便、稀便、水样便、稀糊状或稀汁样便、溏便、米泔样便、冻状便、白陶土样便、细条状便)。在颜色识别与命名方面到是存在相关的研究，但是并未有对粪便颜色识别命名进行研究的，粪便形状的自动识别目前还未有自动识别相关研究的。每个人对颜色的感知不一样，因此人眼在对大便颜色命名上会出现比较大的差异。同时由于大便的特殊性，容易给人带来恶心感，因此对于大便颜色和形状的自动识别就显得非常必要了。
技术实现思路
针对前述现有技术的问题，本专利技术提供了一种基于机器视觉的粪便形态识别方法，其先从粪便样本图像中提取出粪便区域图像，然后逐个像素的与粪便标准色卡进行颜色匹配，最后基于统计学得出粪便样本图像的颜色，由此可以对粪便颜色进行有效识别。同时还可以基于神经网络模型对粪便形状进行有效识别。此外，该方法还具有识别精度高、处理速度快和用户体验好等优点，便于实际应用和推广。本专利技术采用的技术方案,提供了一种基于机器视觉的粪便形态识别方法，针对粪便颜色识别，包括如下步骤：S101.导入粪便样本图像ISP和背景图像IBG；S102.运用所述背景图像IBG对所述粪便样本图像ISP进行差分处理，提取出粪便区域图像IFA；S103.针对所述粪便区域图像IFA中的每一个像素点，分别与各种粪便标准色进行基于RGB值、HSV值和/或Lab值的闵式距离运算，并将闵式距离最小的粪便标准色作为该像素点的粪便标准色；S104.统计所述粪便区域图像IFA中各种粪便标准色的像素点数目，将像素点数目最多的粪便标准色标记为该粪便区域图像IFA的颜色。优化的，当所述粪便样本图像ISP与所述背景图像IBG的亮度差值低于第一阈值时，所述步骤S102包括如下步骤：S201.对所述粪便样本图像ISP和所述背景图像IBG分别进行图像归一化处理，得到对应的粪便样本归一化图像NISP和背景归一化图像NIBG；S202.按照如下公式分别求取所述粪便样本归一化图像NISP中各个像素点的RGB最小值和所述背景归一化图像NIBG中各个像素点的RGB最小值式中，min()为求最小值函数，NI(i,j)(:,:,R)为在归一化图像NI中像素点(i,j)的R颜色分量值，NI(i,j)(:,:,G)为在归一化图像NI中像素点(i,j)的G颜色分量值，NI(i,j)(:,:,B)为在归一化图像NI中像素点(i,j)的B颜色分量值，(i,j)为在归一化图像NI中的像素点坐标；S203.在所述粪便样本归一化图像NISP中，提取大于第二阈值的像素点区域，得到所述粪便区域图像IFA。优化的，当所述粪便样本图像ISP与所述背景图像IBG的亮度差值高于或等于第一阈值时，所述步骤S102包括如下步骤：S301.将所述粪便样本图像ISP和所述背景图像IBG分别从RGB空间转换至HSV空间；S302.对HSV空间下的粪便样本图像ISP和背景图像IBG分别进行图像归一化处理，得到对应的粪便样本归一化图像NISP和背景归一化图像NIBG；S303.在所述粪便样本归一化图像NISP中，提取大于第三阈值的像素点区域，得到HSV空间下的粪便区域图像，式中，NIH(i,j)为在归一化图像NI中像素点(i,j)的H分量值，(i,j)为在归一化图像NI中的像素点坐标；S304.将所述处于HSV空间下的粪便区域图像从HSV空间转换至RGB空间，得到所述粪便区域图像IFA。优化的，在所述步骤S103中，按照如下公式进行基于RGB值、HSV值和Lab值的闵式距离运算：式中，DRGB为RGB空间下的闵式距离，和分别为所述粪便区域图像IFA在RGB空间下的各个分量值，LR、LG和LB分别为粪便标准色L在RGB空间下的各个分量值，DLab为Lab空间下的闵式距离，和分别为所述粪便区域图像IFA在Lab空间下的各个分量值，LL、La和Lb分别为粪便标准色L在Lab空间下的各个分量值，γ1、γ2和γ3分别为Lab空间下的各个分量对应的权重系数，它们的取值范围分别为0.1～0.3、0.3～0.5和0.3～0.5，DHSV为LSV空间下的闵式距离，和分别为所述粪便区域图像IFA在LSV空间下的各个分量值，LH、LS和LV分别为粪便标准色L在HSV空间下的各个分量值，κ1、κ2和κ3分别为HSV空间下的各个分量对应的权重系数，它们的取值范围分别为0.4～0.6、0.2～0.4和0.1～0.2，n为介于4～8之间的自然数，D为三种空间下的闵式距离之和。优化的，选用SSE指令集对所述步骤S103进行加速运算。优化的，针对粪便形状识别，包括如下步骤：S601.针对粪便形状的各种标准形状，应用对应的样本图像训练集和样本图像测试集对该标准形状的卷积神本文档来自技高网...

【技术保护点】
一种基于机器视觉的粪便形态识别方法，其特征在于，针对粪便颜色识别，包括如下步骤：S101.导入粪便样本图像I

【技术特征摘要】
1.一种基于机器视觉的粪便形态识别方法，其特征在于，针对粪便颜色识别，包括如下步骤：S101.导入粪便样本图像ISP和背景图像IBG；S102.运用所述背景图像IBG对所述粪便样本图像ISP进行差分处理，提取出粪便区域图像IFA；S103.针对所述粪便区域图像IFA中的每一个像素点，分别与各种粪便标准色进行基于RGB值、HSV值和/或Lab值的闵式距离运算，并将闵式距离最小的粪便标准色作为该像素点的粪便标准色；S104.统计所述粪便区域图像IFA中各种粪便标准色的像素点数目，将像素点数目最多的粪便标准色标记为该粪便区域图像IFA的颜色。2.如权利要求1所述的基于机器视觉的粪便形态识别方法，其特征在于，当所述粪便样本图像ISP与所述背景图像IBG的亮度差值低于第一阈值时，所述步骤S102包括如下步骤：S201.对所述粪便样本图像ISP和所述背景图像IBG分别进行图像归一化处理，得到对应的粪便样本归一化图像NISP和背景归一化图像NIBG；S202.按照如下公式分别求取所述粪便样本归一化图像NISP中各个像素点的RGB最小值和所述背景归一化图像NIBG中各个像素点的RGB最小值式中，min()为求最小值函数，NI(i,j)(:,:,R)为在归一化图像NI中像素点(i,j)的R颜色分量值，NI(i,j)(:,:,G)为在归一化图像NI中像素点(i,j)的G颜色分量值，NI(i,j)(:,:,B)为在归一化图像NI中像素点(i,j)的B颜色分量值，(i,j)为在归一化图像NI中的像素点坐标；S203.在所述粪便样本归一化图像NISP中，提取大于第二阈值的像素点区域，得到所述粪便区域图像IFA。3.如权利要求1所述的基于机器视觉的粪便形态识别方法，其特征在于，当所述粪便样本图像ISP与所述背景图像IBG的亮度差值高于或等于第一阈值时，所述步骤S102包括如下步骤：S301.将所述粪便样本图像ISP和所述背景图像IBG分别从RGB空间转换至HSV空间；S302.对HSV空间下的粪便样本图像ISP和背景图像IBG分别进行图像归一化处理，得到对应的粪便样本归一化图像NISP和背景归一化图像NIBG；S303.在所述粪便样本归一化图像NISP中，提取大于第三阈值的像素点区域，得到HSV空间下的粪便区域图像，式中，NIH(i,j)为在归一化图像NI中像素点(i,j)...

【专利技术属性】
技术研发人员：罗林，
申请(专利权)人：四川沃文特生物技术有限公司，
类型：发明
国别省市：四川,51