本發(fā)明涉及圖像處理以及模式識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于模板匹配算法和邊緣特征的傷票識(shí)別與定位方法。

背景技術(shù)：

傷票是醫(yī)療單位記錄和統(tǒng)計(jì)病情及救治過程的載體，是統(tǒng)計(jì)衛(wèi)生機(jī)構(gòu)醫(yī)療的主要依據(jù)，也是后勤保障工作經(jīng)驗(yàn)總結(jié)與醫(yī)學(xué)研究的重要資料和數(shù)據(jù)。隨著軍事化改革的浪潮不斷興起以及后勤保障系統(tǒng)的革新，采用電子化手段保存、流通傷票，充分利用傷票包含的傷病員信息和救治信息，進(jìn)行高效的后勤保障服務(wù)，是信息化建設(shè)的發(fā)展趨勢(shì)。傷票的電子化管理在信息化管理方面占有舉足輕重的地位。

傷票識(shí)別是在復(fù)雜多變的環(huán)境中快速掃描傷票，并且在傷票選中區(qū)域進(jìn)行檢測(cè)提取信息。目前，沒有標(biāo)準(zhǔn)的傷票自動(dòng)識(shí)別系統(tǒng)，必須采用手工記錄的方式進(jìn)行工作，速度慢、效率低、容易出錯(cuò)。采用移動(dòng)終端作為圖像數(shù)據(jù)輸入設(shè)備采集圖像，再經(jīng)過傷票識(shí)別定位，從傷票的圖像信息中識(shí)別出選中項(xiàng)，將獲得的傷票信息存入數(shù)據(jù)庫(kù)，可以實(shí)現(xiàn)傷票電子化管理。該方法設(shè)備成本低，同時(shí)可以根據(jù)傷票結(jié)構(gòu)適應(yīng)不同需求，易于推廣。其中，傷票識(shí)別定位是重要技術(shù)之一，也是該系統(tǒng)的重點(diǎn)和難點(diǎn)。

傷票自動(dòng)識(shí)別系統(tǒng)主要應(yīng)用圖像處理與模式識(shí)別算法，其中分為傷票識(shí)別定位與傷票信息提取兩大模塊。本發(fā)明主要研究傷票識(shí)別定位算法，該算法的復(fù)雜性在于圖像中傷票模式的廣泛差異性。這種差異來(lái)自于光照條件、拍照角度以及破損情況等。對(duì)比二維碼等圖像識(shí)別，傷票自身特點(diǎn)：沒有明顯的標(biāo)識(shí)符，并且圖像面積大，識(shí)別難度大。傷票在識(shí)別過程中往往嵌入在混亂的背景中，鏡頭本身的抖動(dòng)也會(huì)對(duì)處理結(jié)果產(chǎn)生影響，進(jìn)一步加大識(shí)別的復(fù)雜度。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明提供了一種基于模板匹配算法和邊緣特征的傷票識(shí)別與定位方法，能夠在一副圖片中準(zhǔn)確找到并定位傷票，為傷票自動(dòng)檢測(cè)與識(shí)別提供依據(jù)。

本發(fā)明的基于模板匹配算法和邊緣特征的傷票識(shí)別與定位方法，包括如下步驟：

步驟1，采用相關(guān)系數(shù)匹配法進(jìn)行傷票粗定位，確定感興趣區(qū)域：

具體的，建立傷票模板的模板圖像；針對(duì)待識(shí)別的傷票采集圖像，計(jì)算采集圖像中以任意點(diǎn)(u,v)為左上角點(diǎn)的、與模板圖像大小相同的子塊與模板圖像的歸一化相關(guān)系數(shù)矩陣r(u,v)；r(u,v)中的最大值對(duì)應(yīng)的子塊即為感興趣區(qū)域；

步驟2，利用自適應(yīng)閾值對(duì)感興趣區(qū)域進(jìn)行二值化，得到二值圖像s；

步驟3，對(duì)感興趣區(qū)域進(jìn)行數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算，運(yùn)算的同時(shí)確保標(biāo)志塊的輪廓邊緣曲線閉合，獲得標(biāo)志塊閉合區(qū)域，然后對(duì)標(biāo)志塊閉合區(qū)域進(jìn)行填充后提取邊緣；其中，所述標(biāo)志塊為傷票左上角區(qū)域的“危重死亡”標(biāo)志塊、右上角的“染毒”標(biāo)志塊，以及最下方的長(zhǎng)方形標(biāo)志塊；對(duì)提取的邊緣輪廓進(jìn)行矩形擬合，獲得擬合矩形；

步驟4，針對(duì)每個(gè)擬合矩形，估算擬合矩形的重心位置，遍歷輪廓邊緣坐標(biāo)，計(jì)算重心與每一個(gè)邊緣坐標(biāo)的絕對(duì)距離，選取距離最大的四個(gè)點(diǎn)，作為標(biāo)識(shí)塊的頂點(diǎn)；

步驟5，對(duì)步驟4得到的所有標(biāo)志塊的頂點(diǎn)的坐標(biāo)進(jìn)行排序，位于左上、左下、右上和右下的頂點(diǎn)即為采集圖片中傷票的四個(gè)頂點(diǎn)；

步驟6，將步驟4定位好的圖片，進(jìn)行透視變換，得到傷票每一個(gè)選項(xiàng)的坐標(biāo)；遍歷每一個(gè)選項(xiàng)坐標(biāo)的8×8區(qū)域像素值，該區(qū)域像素值大于設(shè)定的閾值，則表示為選中點(diǎn)。

進(jìn)一步地，所述步驟1中，對(duì)歸一化相關(guān)系數(shù)矩陣r(u,v)的計(jì)算公式進(jìn)行簡(jiǎn)化，采用公式(3)計(jì)算歸一化相關(guān)系數(shù)矩陣r(u,v)：

其中，g為模板圖像，大小為m×n；f為傷票采集圖像；g、f的下標(biāo)表示像素點(diǎn)位置。

進(jìn)一步地，所述步驟1中，歸一化相關(guān)系數(shù)矩陣r(u,v)計(jì)算時(shí)，對(duì)于浮點(diǎn)型數(shù)據(jù)，將其取整后進(jìn)行運(yùn)算。

進(jìn)一步地，所述步驟1中，當(dāng)傷票位于采集圖像中間區(qū)域時(shí)，計(jì)算歸一化相關(guān)系數(shù)矩陣r(u,v)時(shí)，公式(3)中的k的取值范圍為n/3～2n/3。

進(jìn)一步地，所述步驟1中，采用公式(3)計(jì)算歸一化相關(guān)系數(shù)矩陣r(u,v)時(shí)，隔一個(gè)像素點(diǎn)進(jìn)行一次運(yùn)算。

進(jìn)一步地，所述步驟2中，自適應(yīng)閾值的計(jì)算方法如下：針對(duì)感興趣區(qū)域的灰度圖像，利用一個(gè)5×5模板區(qū)域，運(yùn)用中值濾波求出5×5模板區(qū)域的中間值、次最小值和最小值，這3個(gè)值進(jìn)行加權(quán)平均后，作為閾值；其中，所述權(quán)值的選擇隨著離中心像素點(diǎn)的距離的變大而減小。

進(jìn)一步地，所述步驟4中，采用慣性力矩的方法對(duì)擬合矩形的重心位置進(jìn)行估算；所述估算方法具體如下：采用公式(4)～公式(7)計(jì)算閉合曲線所圍區(qū)域內(nèi)的每個(gè)像素點(diǎn)對(duì)應(yīng)的m01和m10；其中，m01和m10為矩形區(qū)域內(nèi)像素點(diǎn)位置1階原點(diǎn)矩；m01和m10的中值即為擬合矩形的重心位置；

其中，p、q為閉合曲線所圍區(qū)域的最小外接矩形的長(zhǎng)和寬，s為閉合區(qū)域面積。

有益效果：

(1)本發(fā)明首先通過模板匹配的方法對(duì)傷票進(jìn)行識(shí)別，獲得感興趣區(qū)域，實(shí)現(xiàn)傷票的粗定位；然后利用自適應(yīng)閾值分割算法解決圖片上的陰影和光照問題，運(yùn)用邊緣幾何特征法確定傷票三個(gè)標(biāo)志塊的四個(gè)角點(diǎn)坐標(biāo)，利用三個(gè)標(biāo)志塊的四個(gè)角點(diǎn)坐標(biāo)獲得傷票的頂點(diǎn)坐標(biāo)，實(shí)現(xiàn)傷票的精確定位，為傷票自動(dòng)檢測(cè)與識(shí)別提供依據(jù)。該方法定位的傷票與模板傷票的匹配度達(dá)到80％以上，定位誤差小于3個(gè)像素點(diǎn)。

(2)對(duì)相關(guān)系數(shù)法進(jìn)行了近似和化簡(jiǎn)，在不影響相似性度量的前提下，提升算法速度。

(3)對(duì)計(jì)算歸一化相關(guān)系數(shù)矩陣時(shí)的浮點(diǎn)型數(shù)據(jù)、搜索位置等進(jìn)行了優(yōu)化，進(jìn)一步提高算法速度。

(4)本發(fā)明還提供了一種自適應(yīng)閾值分割時(shí)的自適應(yīng)閾值的計(jì)算方法，能夠有效解決圖片上的陰影和光照問題。

(5)本發(fā)明可集成在嵌入式移動(dòng)終端中，進(jìn)行實(shí)時(shí)傷票掃描處理。

附圖說明

圖1為本發(fā)明流程圖。

圖2為傷票模板圖(a)與模板匹配結(jié)果圖(b)。

圖3為固定閾值(a)與自適應(yīng)閾值(b)對(duì)比圖。

圖4為數(shù)學(xué)形態(tài)學(xué)(a)與矩形擬合效果圖(b)

圖5為精確定位傷票位置效果圖。

圖6為透視變換效果圖。

具體實(shí)施方式

下面結(jié)合附圖并舉實(shí)施例，對(duì)本發(fā)明進(jìn)行詳細(xì)描述。

本發(fā)明提供了一種基于模板匹配算法和邊緣特征的傷票識(shí)別與定位方法，首先通過模板匹配的方法對(duì)傷票進(jìn)行識(shí)別粗定位，然后采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)傷票邊緣幾何特征進(jìn)行精確定位，并與模板圖片進(jìn)行匹配度驗(yàn)證。

具體包括如下步驟：

步驟一、運(yùn)用相關(guān)系數(shù)匹配法進(jìn)行傷票粗定位——確定roi(感興趣)區(qū)域

首先，建立傷票模板的模板圖像，通過相關(guān)性來(lái)判斷模板圖像與傷票采集圖像之間的相似程度。假設(shè)兩幅進(jìn)行相關(guān)性匹配計(jì)算的圖像中模板圖像為g，大小為m×n，采集圖像為f，計(jì)算采集圖像中以(u,v)為左上角點(diǎn)、與g大小相同的子塊與模板圖像的相關(guān)性，那么兩幅圖像的相關(guān)可表示為如式(1)所示。

對(duì)變量(u,v)的所有偏移值計(jì)算式(1)，以便g的所有元素能夠訪問f的每個(gè)像素。

相關(guān)系數(shù)匹配法采用相關(guān)系數(shù)作為相似性度量，相比較直接計(jì)算相關(guān)性，歸一化相關(guān)系數(shù)對(duì)兩幅圖片的尺寸變化不敏感。計(jì)算以(u,v)為左上角點(diǎn)、與g大小相同的子塊的歸一化相關(guān)系數(shù)矩陣r(u,v)，如式(2)所示。

其中：

相關(guān)系數(shù)滿足|r(u,v)|≤1，在[-1,1]絕對(duì)尺度之間衡量?jī)烧叩南嗨菩浴Ｏ嚓P(guān)系數(shù)刻畫了兩者的近似程度的線性描述。一般來(lái)說，r(u,v)越接近1，兩者越近似有線性關(guān)系。相關(guān)系數(shù)方法具有固有的抑制噪聲的能力，并且當(dāng)相對(duì)的縮放、旋轉(zhuǎn)和畸變差異不大時(shí)，也能得到滿意的匹配。

最大歸一化相關(guān)系數(shù)矩陣所對(duì)應(yīng)的子塊即為感興趣區(qū)域。

相關(guān)系數(shù)匹配法的精度很高，但其運(yùn)算量也較大，在復(fù)雜多變的環(huán)境下，運(yùn)算量更大，因此，本發(fā)明還提供了一種改進(jìn)的相關(guān)系數(shù)匹配法，提高匹配速度，進(jìn)而提高圖像匹配系統(tǒng)的實(shí)時(shí)性。

相關(guān)系數(shù)匹配法改進(jìn)，提高匹配速度：

對(duì)式(2)進(jìn)行化簡(jiǎn)，得式(3)：

在不影響相似性度量的前提下，對(duì)式(3)進(jìn)行相關(guān)系數(shù)近似計(jì)算。本發(fā)明從兩方面對(duì)相關(guān)系數(shù)進(jìn)行改進(jìn)，一方面從公式的近似和化簡(jiǎn)，另一方面從計(jì)算量和搜索位置進(jìn)行改進(jìn)。

式(3)對(duì)均值計(jì)算進(jìn)行了近似，如果直接計(jì)算與則完成一次均值計(jì)算需要(m×n)次加法運(yùn)算和一次除法運(yùn)算，計(jì)算量大，同時(shí)，在嵌入式編程過程中，除法運(yùn)算是非常耗時(shí)的，所以，本發(fā)明將除法運(yùn)算近似成移位運(yùn)算。

考慮到如果r(u,v)＜0，則采集圖像中以(u,v)為左上角點(diǎn)的區(qū)域不可能存在匹配點(diǎn)，即只要式(3)分子小于0，就可以排除該點(diǎn)，不需要計(jì)算分母。如果式(3)分子大于0，即可以對(duì)分子分母同時(shí)平方，避免開根號(hào)花費(fèi)的大量時(shí)鐘周期。

此外，對(duì)于浮點(diǎn)型數(shù)據(jù)，在實(shí)際加速過程中，將其取整運(yùn)算，減少運(yùn)算時(shí)間。

本發(fā)明中，模板的大小為420×420，采集圖片大小為640×480，針對(duì)模板與采集圖片大小，本發(fā)明對(duì)搜索位置進(jìn)行優(yōu)化。由于在采集傷票過程中，傷票位置均處于采集圖像的中間區(qū)域，所以，搜索的位置從采集圖像的行高1/3處開始搜索，直至圖片的行高2/3處結(jié)束。

由于本步驟是在場(chǎng)景中只需要尋找傷票，所以，為了提高運(yùn)算效率，本步驟采取的方法是隔一個(gè)像素點(diǎn)進(jìn)行一次運(yùn)算，這樣只需要進(jìn)行(m×n)/4次加法運(yùn)算，提高了運(yùn)算效率。

步驟二、對(duì)roi區(qū)域進(jìn)行精確定位

1)圖像預(yù)處理：

經(jīng)典的閾值分割算法對(duì)噪聲比較敏感，且需要人為指定閾值，在陰影和光照條件下會(huì)造成閾值的誤分割。為了解決這一問題，本發(fā)明采用的是自適應(yīng)閾值分割方法。

具體的，本實(shí)施例運(yùn)用中值濾波和加權(quán)平均法實(shí)現(xiàn)自適應(yīng)閾值的計(jì)算。

在感興趣區(qū)域的灰度圖像的基礎(chǔ)上選取5×5區(qū)域，運(yùn)用中值濾波求出區(qū)域中間值、次最小值和最小值，將這3個(gè)值進(jìn)行加權(quán)平均，并將此結(jié)果作為閾值，權(quán)值的選擇隨著離中心像素點(diǎn)的距離的變大而減小。通過改進(jìn)自適應(yīng)閾值算法解決圖片上的陰影和光照問題。

2)邊緣幾何特征法確定四個(gè)角點(diǎn)坐標(biāo)

1、運(yùn)用數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算保證標(biāo)記塊區(qū)域?yàn)殚]合區(qū)域：

本發(fā)明中，roi區(qū)域中還需要識(shí)別左上角區(qū)域的“危重死亡”標(biāo)志塊，右上角的“染毒”標(biāo)志塊，以及最下方的長(zhǎng)方形標(biāo)志塊，由于右上角和下方標(biāo)志塊的邊緣線條特征較細(xì)，不易于輪廓提取，因此需要對(duì)roi區(qū)域進(jìn)行數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算，即先膨脹連接部分?jǐn)帱c(diǎn)和空洞，再腐蝕保證精度，閉運(yùn)算的同時(shí)要確保邊緣曲線閉合，將閉合的區(qū)域進(jìn)行填充，便于邊緣提取。經(jīng)過數(shù)學(xué)形態(tài)學(xué)處理后，對(duì)提取的邊緣輪廓進(jìn)行矩形擬合。

2、標(biāo)記塊矩形擬合

標(biāo)志塊為矩形，所以本發(fā)明對(duì)閉合邊緣曲線進(jìn)行矩形擬合。對(duì)于二維平面內(nèi)的任意矩形，采用慣性力矩的方法對(duì)擬合矩形的重心位置進(jìn)行估算，具體估算方法如下：采用公式(4)～公式(7)計(jì)算閉合曲線所圍區(qū)域內(nèi)的每個(gè)像素點(diǎn)對(duì)應(yīng)的m01和m10；其中，mij為矩形區(qū)域內(nèi)像素點(diǎn)位置(i+j)階原點(diǎn)矩，即m01和m10為矩形區(qū)域內(nèi)像素點(diǎn)位置1階原點(diǎn)矩；將所有的m01和m10按大到小或從小到大排序，m01和m10的中值即為擬合矩形的重心位置。

其中，f(x,y)為權(quán)值，當(dāng)統(tǒng)計(jì)點(diǎn)(x,y)在閉合曲線所圍區(qū)域內(nèi)時(shí)取1，否則取0；p、q為閉合曲線所圍區(qū)域的最小外接矩形的長(zhǎng)和寬，可以通過各輪廓點(diǎn)坐標(biāo)得到，s為閉合區(qū)域面積。

得到矩形重心位置后，遍歷輪廓邊緣坐標(biāo)，計(jì)算重心與每一個(gè)邊緣坐標(biāo)的絕對(duì)距離，選取距離最大的四個(gè)點(diǎn)，分別為p1(x,y),p2(x,y),p3(x,y),p4(x,y)，這四個(gè)點(diǎn)即為標(biāo)志塊的四個(gè)頂點(diǎn)。

獲得3個(gè)標(biāo)志塊的頂點(diǎn)后，對(duì)這12個(gè)頂點(diǎn)的坐標(biāo)進(jìn)行排序，令其按照左上、左下、右上、右下的順序進(jìn)行存儲(chǔ)。這左上、左下、右上、右下點(diǎn)即為傷票的四個(gè)點(diǎn)，即，實(shí)現(xiàn)了采集圖片中傷票的定位。

步驟六、透視變換：

將定位好的圖片，進(jìn)行透視變換，將其從當(dāng)前坐標(biāo)系中映射到固定大小的模板坐標(biāo)系中。透視變換是一種二維坐標(biāo)到二維坐標(biāo)之間的線性變換，它保持了二維圖形的“平直性”(即：直線經(jīng)過變換之后依然是直線)和“平行性”(即：二維圖形之間的相對(duì)位置關(guān)系保持不變，平行線依然是平行線，且直線上點(diǎn)的位置順序不變)。

步驟七、信息提取：

透視變換后，整張傷票映射到二維直角坐標(biāo)系上，從而確定了傷票每一個(gè)選項(xiàng)的坐標(biāo)，遍歷每一個(gè)坐標(biāo)的8×8區(qū)域像素值，設(shè)定一個(gè)閾值，大于閾值的則為選中點(diǎn)。

下面結(jié)合采集的傷票圖片對(duì)步驟進(jìn)行更進(jìn)一步的說明。

步驟一、相關(guān)系數(shù)匹配法粗定位。

采集傷票大小為640×480，模板傷票大小為420×420。傷票模板圖與模板匹配結(jié)果圖如圖2所示。

步驟二、相關(guān)系數(shù)匹配法改進(jìn)，提高匹配速度。

通過改進(jìn)算法，可以提高1/4計(jì)算效率，省略50％的搜索位置，提高運(yùn)算速度，經(jīng)過實(shí)際運(yùn)算，效率可以提高10倍左右，并且不影響匹配精度。

表1兩種算法耗時(shí)比較

步驟三、對(duì)roi區(qū)域進(jìn)行自適應(yīng)閾值預(yù)處理。

對(duì)采集的圖片進(jìn)行固定閾值分析以及自適應(yīng)閾值分析，結(jié)果如圖3所示?？梢园l(fā)現(xiàn)，固定閾值無(wú)法兼顧光照和陰影的補(bǔ)償，左下角部分受陰影的影響，導(dǎo)致選取的閾值過高，右上角部分受光照的影響，導(dǎo)致選取的閾值過低，無(wú)法得到清晰完整的二值圖片。而自適應(yīng)閾值可以很好的補(bǔ)償光照和陰影的缺陷，恢復(fù)完整圖像。

步驟四、進(jìn)行數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算保證標(biāo)記塊區(qū)域?yàn)殚]合區(qū)域

對(duì)數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算處理后的圖片進(jìn)行矩形擬合，將閉合曲線所圍區(qū)域用實(shí)心表示，然后對(duì)其進(jìn)行矩形擬合，選取左上角、右上角和下方擬合矩形結(jié)果，處理結(jié)果如圖4所示。

步驟五、標(biāo)記塊矩形擬合，精確提取傷票四個(gè)角點(diǎn)

擬合矩形過程中，令矩形的四個(gè)角點(diǎn)分別按照左上、左下、右上、右下的順序進(jìn)行存儲(chǔ)。所以，精確提取四個(gè)角點(diǎn)時(shí)分別提取“危重死亡”標(biāo)記塊的左上角點(diǎn)、“染毒”標(biāo)記塊的右上角點(diǎn)、下方標(biāo)記塊的左下角點(diǎn)和右下角點(diǎn)，如圖5所示。

步驟六、透視變換。

透視變換的目的是將精確定位的傷票區(qū)域映射到模板坐標(biāo)系中，便于傷票信息提取。模板坐標(biāo)系中，傷票中每個(gè)選項(xiàng)點(diǎn)的坐標(biāo)位置均已確定，可以根據(jù)閾值確定選中點(diǎn)。

綜上所述，以上僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。