一种GDV能量图的轮廓确定方法装置与流程

本申请涉及图像处理领域，具体涉及一种gdv能量图的轮廓确定方法，同时涉及一种gdv能量图的轮廓确定装置。
背景技术：
：现在生物光子学的研究表明，人体能够自发地发出电子和光子，产生肉眼看不见的辉光。科学家把人体发出的电子和光子，视为人体能量的表现；人体自发产生的能量就构成了人体能量场，并且利用能量场检测设备可以检测到人体十根手指能量。采集到手指能量图像后，计算出能量图像的内轮廓与外轮廓，然后根据得到的内轮廓与外轮廓数据拟合出二者的椭圆，进而计算出内外轮廓特有的属性特征，如轮廓长度、轮廓半径、椭圆尺寸以及内圆半径等；通过对内轮廓与外轮廓属性特征的分析，可以得到手指能量图像中能量的相关指标，如熵系数、形态系数等，进而可以评估出人体的健康状况，包括情绪压力与器官平衡性等。因此，手指能量图的内轮廓与外轮廓的获取至关重要。技术实现要素：本申请提供一种gdv能量图的轮廓确定方法，解决目前对手指能量图的内轮廓与外轮廓的获取的需求问题。本申请提供一种gdv能量图的轮廓确定方法，包括：采集gdv手指能量图；将所述gdv手指能量图转化为灰度图像，再对所述图像进行局部自适应二值化处理和膨胀处理，获得灰度均匀分布和域连通的灰度图像；获取所述灰度图像的轮廓的点的集合，根据所述轮廓的点的集合计算图像矩，进而得到每一个轮廓的面积；获取所有轮廓的面积其中最大的两个轮廓，所述面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓。优选的，将所述gdv手指能量图转化为灰度图像，包括：将所述gdv手指能量图分解成r、g、b三个通道图像；r(x,y)、g(x,y)、b(x,y)分别表示r、g、b通道图像上的像素值；计算r(x,y)、g(x,y)、b(x,y)的均值mm＝(r(x,y)+g(x,y)+b(x,y))/3；将均值m赋给原图i(x,y)i(x,y)＝m；完成所述gdv手指能量图转化为灰度图像。优选的，对所述图像进行局部自适应二值化处理和膨胀处理的步骤之前，还包括：滤除小于灰度阈值的能量像素，具体为，遍历所述灰度图像；计算所述灰度图像中，像素灰度值大于0的所述像素灰度值总和i和像素灰度值大于0的像素个数s；计算所述灰度图像的灰度平均强度，icp＝i/s遍历所述灰度图像，当像素值p小于图像灰度平均强度icp时，设置像素值p为0，完成小于灰度阈值的能量像素的滤除。优选的，对所述图像进行局部自适应二值化处理和膨胀处理，获得灰度均匀分布和域连通的灰度图像，包括：求每个像素领域的平均值，像素点的领域大小为blocksize*blocksize，sum为所有领域内像素值的总和，avg为平均值；设blocksize＝3，则有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)是所处理的目标像素点，avg为阈值，得出局部自适应阈值函数，通过上述步骤，遍历整个灰度图像，完成所述图像进行局部自适应二值化处理；采用形态学膨胀的方法将所述灰度图像断裂的连通域进行连接，并加大延伸连接域的横向与竖向，完成所述灰度图像的膨胀处理。优选的，获取所述灰度图像的轮廓的点的集合，包括：采用opencv函数的findcontours方法，获取所述灰度图像的轮廓的点的集合。优选的，获取轮廓的面积最大的两个轮廓，所述面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓，包括：将所述轮廓的面积按冒泡排序方法进行排序，获取轮廓的面积最大的两个轮廓，并将其他轮廓滤除；所述面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓。本申请同时提供一种gdv能量图的轮廓确定装置，包括：采集单元，用于采集gdv手指能量图；灰度处理单元，用于将所述gdv手指能量图转化为灰度图像，再对所述图像进行局部自适应二值化处理和膨胀处理，获得灰度均匀分布和域连通的灰度图像；面积确定单元，用于获取所述灰度图像的轮廓的点的集合，根据所述轮廓的点的集合计算图像矩，进而得到每一个轮廓的面积；轮廓确定单元，用于获取所有轮廓的面积其中最大的两个轮廓，所述面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓。优选的，还包括：滤除单元，用于滤除小于灰度阈值的能量像素。优选的，面积确定单元，包括：轮廓的点的集体获取子单元，用于采用opencv函数的findcontours方法，获取所述灰度图像的轮廓的点的集合。优选的，轮廓确定单元，包括：排序子单元，用于将所述轮廓的面积按冒泡排序方法进行排序，获取轮廓的面积最大的两个轮廓，并将其他轮廓滤除；轮廓确定子单元，所述面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓。本申请提供一种gdv能量图的轮廓确定方法，通过对gdv手指能量图进行灰度处理、局部自适应二值化处理、膨胀处理后，获取所述灰度图像的每一个轮廓的面积，面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓，解决目前对手指能量图的内轮廓与外轮廓的获取的需求问题。附图说明图1是本申请提供的一种gdv能量图方向线计算方法的流程示意图；图2是本申请涉及的gdv手指能量图的原图；图3是本申请涉及的gdv手指能量图的灰度图像；图4是本申请涉及的灰度图像滤除后的结果图；图5是本申请涉及的灰度图像局部二值化处理后的结果图；图6是本申请涉及的灰度图像膨胀处理后的结果图；图7是本申请涉及的灰度图像的轮廓的点的集合图；图8是本申请涉及的灰度图像的轮廓的结果图；图9是本申请涉及的gdv手指能量图内外轮廓结果图；图10是本申请提供的一种gdv能量图方向线计算装置示意图。具体实施方式在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。图1是本申请提供的一种gdv能量图的轮廓确定方法的流程示意图，下面结合图1对本申请提供的方法进行详细说明。步骤s101，采集gdv手指能量图。gdv手指能量图，通过能量场检测设备所采集到的十根手指的能量图像样本，也称气体放电能量图。采集gdv手指能量图的原图，如图2所示。现代生物光子学的研究表明，人体能够自发地发出电子和光子，产生肉眼看不见的辉光。科学家把人体发出的电子和光子，视为人体能量的表现；人体自发产生的能量就构成了人体能量场。能量场检测设备是通过刺激物体表面的光子，电子放射为基础的。这种刺激来源于短的电脉冲。当物体处于一个电磁场时，它首先带电，到某一程度的光子从物体表面分离出来，这个过程叫做光电子放射过程。放射的颗粒在电磁场中加速，在介质板(玻璃)表面产生电子雪崩。这一过程叫做气体放电。这种放电导致周围气体中兴奋分子的光。这种光被能量场检测设备检查到。电压冲脉刺激光学电子放射，同时影响气体电子的放射。能量场检测设备测量人体系统和器官的电子密度，以及受激电子电流的特性。这些电子密度是生理能量的基本依据，因此可以说，能量场检测设备可以测量人体的潜在能量储备。步骤s102，将所述gdv手指能量图转化为灰度图像，再对所述图像进行局部自适应二值化处理和膨胀处理，获得灰度均匀分布和域连通的灰度图像。图像灰度化主要有四种方法，如：分量法、最大值法、平均值法以及加权平均法。本申请使用平均值法进行图像灰度化操作，即将rgb颜色空间下的彩色图像中的三分量亮度求平均得到一个灰度值。具体的，如下：将所述gdv手指能量图分解成r、g、b三个通道图像；r(x,y)、g(x,y)、b(x,y)分别表示r、g、b通道图像上的像素值；计算r(x,y)、g(x,y)、b(x,y)的均值mm＝(r(x,y)+g(x,y)+b(x,y))/3；将均值m赋给原图i(x,y)i(x,y)＝m；完成所述gdv手指能量图转化为灰度图像，灰度图像如图3所示。接着，滤除小于灰度阈值的能量像素，在能量场检测设备采集到的gdv能量图像中，规定像素灰度值大于阈值icp的能量像素为有效能量，因此对手指能量图像进行像素滤除操作，具体步骤如下所示：(1)遍历手指能量图灰度图像(2)计算灰度图像中像素灰度值大于0的所有像素灰度值总和i(3)计算灰度图像中像素灰度值大于0的像素个数s(4)计算手指能量图灰度平均强度：icp＝i/s(5)遍历手指能量图灰度图像，当像素值p小于图像灰度平均强度icp时，设置像素值p为0，完成小于灰度阈值的能量像素的滤除，其效果如图4所示。接着再对完成小于灰度阈值的能量像素的滤除的灰义图像进行局部自适应二值化处理，由于光照的影响，图像的灰度可能不是均匀分布的，此时采用单一阈值的分割方法得出的效果不好。自适应阈值是一种局部方法，它的原理是根据每个像素的邻域计算阈值，将每个像素的值与邻域的平均值进行比较。具体的，(1)求每个像素领域的平均值，像素点的领域大小为blocksize*blocksize，sum为所有领域内像素值的总和，avg为平均值；设blocksize＝3，则领域示意图如下i(x-1,y-1)i(x-1,y)i(x-1,y+1)i(x,y-1)i(x,y)i(x,y+1)i(x+1,y-1)i(x+1,y)i(x+1,y+1)sum＝i(x-1,y-1)+i(x-1,y)+…+i(x+1,y)+i(x+1,y+1)avg＝sum/3*3；(2)得出局部自适应阈值函数，i(x,y)是所处理的目标像素点，avg为阈值；(3)重复第(1)与(2)步，遍历整个图像；图像二值化处理后的结果如图5所示。对手指能量图像进行局部自适应二值化后，图像中会有连通域断裂的现象，因此采用形态学膨胀的方法将断裂的连通域连接起来，并加大延伸连通域的横向与竖向，处理结果如图6所示。步骤s103，获取所述灰度图像的轮廓的点的集合，根据所述轮廓的点的集合计算图像矩，进而得到每一个轮廓的面积。采用opencv函数的findcontours方法，获取所述灰度图像的轮廓的点的集合。结果如图7所示。图7中，gdv能量图像中包含有三个轮廓，其中一个轮廓位于能量分布图下半部分，并且面积较小，如图8矩形框所圈区域。再采用图像矩计算闭合区域(轮廓)，进而得到每一个轮廓面积。步骤s104，获取轮廓的面积最大的两个轮廓，所述面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓。冒泡排序是一种计算机科学领域的较简单的排序算法。它重复地走访过要排序的元素列，依次比较两个相邻的元素，如果他们的顺序(如从大到小、首字母从a到z)错误就把他们交换过来。走访元素的工作是重复地进行直到没有相邻元素需要交换，也就是说该元素列已经排序完成。在上一步中，已经计算出了gdv手指能量图中所有轮廓的面积，根据冒泡排序算法选出面积最大的两个轮廓，并将其余轮廓滤除，结果如图9所示。完成gdv手指能量图内轮廓与外轮廓的确定。本申请同时提供一种一种gdv能量图的轮廓确定装置1000，如图10所示，包括：采集单元1010，用于采集gdv手指能量图；灰度处理单元1020，用于将所述gdv手指能量图转化为灰度图像，再对所述图像进行局部自适应二值化处理和膨胀处理，获得灰度均匀分布和域连通的灰度图像；面积确定单元1030，用于获取所述灰度图像的轮廓的点的集合，根据所述轮廓的点的集合计算图像矩，进而得到每一个轮廓的面积；轮廓确定单元1040，用于获取所有轮廓的面积其中最大的两个轮廓，所述面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓。优选的，还包括：滤除单元，用于滤除小于灰度阈值的能量像素。优选的，面积确定单元，包括：轮廓的点的集体获取子单元，用于采用opencv函数的findcontours方法，获取所述灰度图像的轮廓的点的集合。优选的，轮廓确定单元，包括：排序子单元，用于将所述轮廓的面积按冒泡排序方法进行排序，获取轮廓的面积最大的两个轮廓，并将其他轮廓滤除；轮廓确定子单元，所述面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓。本申请提供一种gdv能量图的轮廓确定方法，通过对gdv手指能量图进行灰度处理、局部自适应二值化处理、膨胀处理后，获取所述灰度图像的每一个轮廓的面积，面积最大的两个轮廓分别为gdv手指能量图的内轮廓与外轮廓，解决目前对手指能量图的内轮廓与外轮廓的获取的需求问题。最后应该说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。当前第1页12