返回至系列文章导航博客

1 简介

在智能舌诊时，需要判断舌头的胖瘦，这需要舌头在图片中处于近似垂直的位置才方便判断，不能过于倾斜。那么如何让计算机智能地知道舌体是否倾斜呢？这是这篇文章讨论的重点！
首先也是最重要的前提是让计算机知道那些像素点是属于舌体的，这需要用到Unet语义分割，在我的【python-Unet】计算机视觉舌象舌头图片分割机器学习文章中有详细的讲解，这里不做过多的赘述。
假设我们现在通过上述文章获得了舌体分割好的图片如下图所示：

现在我们就来讨论这个舌体是否倾斜！

2 实现概述

分析舌体的胖瘦最重要的一点是舌体是否摆正，即舌体的中轴线应与水平轴呈约为90°的夹角。若舌体过斜，那么后续的分析毫无意义。将分隔的舌体轮廓像素点进行标记，后计算像素矩阵中每一行像素点在水平轴上的平均坐标像素点。示例图如下：

由于舌体大致呈现对称形态，故中轴线应将近垂直水平轴。为方便计算，将像素点标记图旋转90度，那么舌体中轴线应与水平轴的夹角为0，即tanα=0。将标记中轴线上的点进行直线拟合（y=kx+b），若舌体呈现垂直状则k应趋近于0，即k→0。经过不断测试不影响后续判断的k的取值范围应是-0.2~0.2。若用户上传的舌体图片拟合直线的斜率超出k的取值范围，则提示用户重新拍摄。直线拟合图如下：

3 代码细节

3.1 统计舌体轮廓以及“对称轴”坐标

首先应将分隔好的图片中的舌体轮廓像素点坐标统计出来，然后在横坐标固定的维度上取同一横坐标上的两个轮廓像素点，取其距离的平均值，计算出在该横坐标纬度上的属于对称轴的像素点坐标。

from PIL import Image
import numpy as npdef contour_to(in_path=r"result\blend.png", out_path=r"result\inline.png"):"""将分隔好的图像数据进行描点in_path为绿底+原图图片put_path为黑底+白点图片返回对称轴坐标以及轮廓坐标"""img_before = Image.open(in_path)img_before_array = np.array(img_before)  #把图像转成数组格式img = np.asarray(image)shape_before = img_before_array.shapeheight = shape_before[0]width = shape_before[1]dst = np.zeros((height,width,3))wire = []axle_wire = []outcome_wire = []for h in range(0,height):lis = []h_all = 0w_all = 0for w in range (0,width-1):(b1,g1,r1) = img_before_array[h,w](b2,g2,r2) = img_before_array[h,w+1]if (b1, g1, r1) == (1,204,182) and (b2,g2,r2) != (1,204,182): dst[h, w] = (255,255,255)lis.append((h,w))outcome_wire.append((h,w))elif (b1, g1, r1) != (1,204,182) and (b2,g2,r2) == (1,204,182):dst[h, w+1] = (255,255,255)lis.append((h,w+1))outcome_wire.append((h,w+1))else:passif len(lis) == 0:passelse:for i in lis:h_all += i[0]w_all += i[1]h_avg = h_all//len(lis)w_avg = w_all//len(lis)dst[h_avg, w_avg] = (255,255,255)axle_wire.append((h_avg, w_avg))img2 = Image.fromarray(np.uint8(dst))img2.save(out_path,"png")wire.append(axle_wire)wire.append(outcome_wire)return wire

实现效果如下如所示：

可见该段代码成功地标记出舌体的轮廓以及其“对称轴”~

3.2 利用一元函数拟合计算其对称轴斜率

import numpy as np
import matplotlib.pyplot as plt
def Least_squares(axle_wire):"""拟合中轴线函数,判断图片是否倾斜"""a1, a2 = zip(*axle_wire)x = list(a1)y = list(a2)x_ = np.mean(x)y_ = np.mean(y)m = np.zeros(1)n = np.zeros(1)k = np.zeros(1)p = np.zeros(1)for i in np.arange(50):k = (x[i]-x_)* (y[i]-y_)m += kp = np.square( x[i]-x_ )n = n + pa = m/nb = y_ - a* x_if abs(a) > 0.2:print("图片过于倾斜！")return 0else:return 1

经过不断测试不影响后续判断的k的取值范围应是-0.2~0.2！

至此，舌体倾斜判断算法结束

【python】计算机视觉~舌象图片中舌体倾斜判别（四）相关推荐

Python计算机视觉编程第四章——照相机模型与增强现实
Python计算机视觉编程照相机模型与增强现实 (一)针孔照相机模型 1.1 照相机矩阵 1.2 三维点的投影 1.3 照相机矩阵的分解 1.4 计算照相机中心 (二)照相机标定 (三)以平面和标记 ...
Python 计算机视觉（十四）—— OpenCV 进行霍夫变换
参考的一些文章以及论文我都会给大家分享出来 -- 链接就贴在原文,论文我上传到资源中去,大家可以免费下载学习,如果当天资源区找不到论文,那就等等,可能正在审核,审核完后就可以下载了.大家一起学习,一起 ...
Python计算机视觉编程第三章——图像到图像的映射
Python计算机视觉编程图像到图像的映射 (一)单应性变换 1.1 直接线性变换算法 1.2 仿射变换 (二)图像扭曲 2.1 图像中的图像 2.2 图像配准 (三)创建全景图 3.1 RANSA ...
Python计算机视觉——照相机模型与增强现实
Python计算机视觉--照相机模型与增强现实文章目录 Python计算机视觉--照相机模型与增强现实 1 针孔照相机模型 1.1 照相机矩阵 1.2 三维点的投影 1.3 照相机矩阵的分解 1.4 ...
Python计算机视觉——SIFT特征
Python计算机视觉--SIFT特征文章目录 Python计算机视觉--SIFT特征写在前面 1 SIFT特征算法步骤 1.1 尺度空间的极值检测 1.2 特征点定位 1.3 特征方向赋值 1. ...
Python 计算机视觉（十二）—— OpenCV 进行图像分割
参考的一些文章以及论文我都会给大家分享出来 -- 链接就贴在原文,论文我上传到资源中去,大家可以免费下载学习,如果当天资源区找不到论文,那就等等,可能正在审核,审核完后就可以下载了.大家一起学习,一起 ...
[Python从零到壹] 五十四.图像增强及运算篇之局部直方图均衡化和自动色彩均衡化处理
首先,祝大家教师节和中秋节快乐! 欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文 ...
python计算机视觉--全景图像拼接
目录一.RANSAC算法 1.1 RANSAC算法简介 1.2 算法基本思想和流程 1.3 RANSAC求解单应性矩阵二.图像映射与全景拼接 2.1 简介 2.2 计算第二张图像与第一张图像之间的 ...
Python计算机视觉编程第九章——图像分割
Python计算机视觉编程 (一)图割(Graph Cut) 1.1 从图像创建图 1.2 用户交互式分割 (二)利用聚类进行分割 (三)变分法 (一)图割(Graph Cut) 图论中的图(grap ...

【python】计算机视觉~舌象图片中舌体倾斜判别（四）