遲嘉驊

摘要：隨著科技的進(jìn)步，生活節(jié)奏的加快，環(huán)境污染的加重，皮膚病成為一種高發(fā)性疾病，針對(duì)此現(xiàn)狀，設(shè)計(jì)一款關(guān)于現(xiàn)代常見皮膚病防治的手機(jī)應(yīng)用軟件，通過空間域?yàn)V波器、灰度拉伸以及直方圖均勻化進(jìn)行圖像預(yù)處理，將圖像相似的灰度值調(diào)整一致，便于圖像分割與特征提取。將處理完的圖像與數(shù)據(jù)庫中的病樣進(jìn)行對(duì)比得出結(jié)果，最后系統(tǒng)給出患者相對(duì)應(yīng)的治療方案。

Abstract： With the advancement of science and technology， the acceleration of the pace of life， and the increase in environmental pollution， skin diseases have become a high-frequency disease. In response to this situation， a mobile phone application software for the prevention and treatment of modern common skin diseases is designed. Image pre-processing is performed through spatial domain filters， gray scale stretching， and histogram homogenization. The gray values of similar images are adjusted uniformly to facilitate image segmentation and feature extraction. The processed images are compared with the disease samples in the database to obtain the results. Finally， the system provides a corresponding treatment plan for the patient.

關(guān)鍵詞：手機(jī)APP;智能識(shí)別;圖像轉(zhuǎn)換;皮膚病防治

Key words： mobile phone APP;intelligent recognition;image conversion;skin disease prevention

中圖分類號(hào)：TP391.4? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2020）02-0246-02

1? 背景

現(xiàn)如今，我們處在一個(gè)經(jīng)濟(jì)飛速發(fā)展，科技日益進(jìn)步的時(shí)代。但我們的生活節(jié)奏也隨之加快了，每天都是兩點(diǎn)式的作息生活，家—工作—家，像一些皮膚健康之類的“小問題”，也不再加以重視，老年人們也抱著小病不用去醫(yī)院的心態(tài)，不加以關(guān)注皮膚健康，導(dǎo)致一些微小的皮膚病惡化，造成對(duì)身體健康甚至是威脅到生命安全的影響。同時(shí)，現(xiàn)在環(huán)境污染加重，飲食作息生活的不規(guī)律使得皮膚病成為了高發(fā)的常見病，小到雀斑、色斑，大到脂溢性角化病、麻風(fēng)、基底細(xì)胞癌等。這些皮膚疾病無不或多或少的威脅著我們的身體健康。而在現(xiàn)在的日常生活之中，無論男女老少基本都在使用智能手機(jī)，本文設(shè)計(jì)一款關(guān)于識(shí)別常見皮膚病的手機(jī)APP，通過圖像轉(zhuǎn)換技術(shù)方便快捷地診斷所得的皮膚病，再通過數(shù)據(jù)分析與比對(duì)，推薦適合的治療方案。

1.1 現(xiàn)狀

隨著科學(xué)技術(shù)的發(fā)展，當(dāng)今的皮膚病理檢驗(yàn)手段在不斷地提升，所涉及到的領(lǐng)域也是越來越廣，像體檢，真菌檢查，組織病理學(xué)檢查等，分門別類，但像病理活檢術(shù)是有創(chuàng)診療，會(huì)在檢查的同時(shí)給身體留下疤痕，造成感染的風(fēng)險(xiǎn)。現(xiàn)在皮膚病的檢測(cè)將重心放在了影像技術(shù)之一方面，隨著像素的不斷提高，大數(shù)據(jù)比對(duì)的精確、快捷都使得人們將視線投向了皮膚病計(jì)算機(jī)輔助診療研究的方面。研究的主要方向是圖像轉(zhuǎn)換，圖像預(yù)處理，圖像局部特征提取，特征比對(duì)以及對(duì)于特定癥狀的分析。圖像處理在醫(yī)學(xué)領(lǐng)域已經(jīng)有了非常廣泛的應(yīng)用了，但是隨著數(shù)據(jù)傳輸技術(shù)的提升，圖像處理的更加完善，在于輔助檢測(cè)與遠(yuǎn)程醫(yī)療方面，影像技術(shù)還是有著很大的發(fā)展空間的。

1.2 國內(nèi)外發(fā)展史

在19世紀(jì)中后期，歐洲才出現(xiàn)了真正意義上專門針對(duì)皮膚疾病的醫(yī)師，皮膚外科這一專項(xiàng)治療也是于1870年開始萌芽的。緊接著，美國的醫(yī)師開創(chuàng)了冷凍外科，這算是皮膚病治療發(fā)展的開端。進(jìn)入20世紀(jì)后，隨著微描手術(shù)的普及，使得皮膚病醫(yī)師們出現(xiàn)了對(duì)于皮膚成型修復(fù)的高潮，各種各樣的技術(shù)如手術(shù)外科、激光外科的技術(shù)都得到了迅速的發(fā)展。1978年，世界皮膚外科學(xué)會(huì)成立，明確了皮膚外科成為一個(gè)獨(dú)立的學(xué)科體系。

中國的皮膚外科在20世紀(jì)60年代才剛剛萌芽，1957年全國麻風(fēng)防止專業(yè)會(huì)議召開，使得許多醫(yī)師開始了解并學(xué)習(xí)矯形技術(shù)，這次的會(huì)議促進(jìn)了中國皮膚外科的發(fā)展。1986全國第一屆中國皮膚外科學(xué)術(shù)會(huì)議召開，王高嵩教授提出了“皮膚外科學(xué)”的概念。至此中國的皮膚外科的發(fā)展才正式開始。如今，全國各地一些大醫(yī)院建立了皮膚外科專業(yè)組，應(yīng)用大數(shù)據(jù)比對(duì)，圖像預(yù)處理等技術(shù)，治療皮膚病，并取得了卓越的成效。

1.3 意義

本文意圖是設(shè)計(jì)一個(gè)手機(jī)應(yīng)用軟件，通過圖像預(yù)處理、各種皮膚病特征、圖像特征提取這些技術(shù)，快捷的分辨出患者所得皮膚病的種類，并給患者一些建議，讓小問題不用去醫(yī)院即可解決，大問題也可以不用擔(dān)心個(gè)人的疏忽而導(dǎo)致病情的惡化。

2? 圖像預(yù)處理

由于圖像在獲取過程中，設(shè)備、環(huán)境、介質(zhì)的影響，成像系統(tǒng)獲取的圖像受到這些種種條件限制和干擾，使得獲取的圖案有模糊、出現(xiàn)亮暗點(diǎn)等影響不能直接使用。為了消除這些影響，我們通過圖像預(yù)處理，包括：灰度校正、消除噪聲以及提取核心地區(qū)圖像，來消除這些影響因素從而得到較完美的圖像。

2.1 圖像濾波

圖像濾波是在盡量保留圖像細(xì)節(jié)特征的條件下對(duì)目標(biāo)圖像的噪聲進(jìn)行抑制是圖像預(yù)處理中不可缺少的一項(xiàng)操作。而圖像的濾波器大體分為兩種。一種叫做空間濾波器，是使用空間模板進(jìn)行的圖像處理;另一種則是頻率域?yàn)V波器，頻率域?yàn)V波是對(duì)圖像進(jìn)行傅里葉變換，將圖像由圖像空間轉(zhuǎn)換到頻域空間，然后在頻率域中對(duì)圖像的頻譜作分析處理，以改變圖像的頻率特征。而空間域這種濾波器還能細(xì)再分為線性濾波器與非線性濾波器。我們的手機(jī)軟件更加適合選用的是空間域?yàn)V波的方法，所以大致介紹一下空間域?yàn)V波中線性濾波與非線性濾波的區(qū)別。

原理上線性濾波所運(yùn)用的是算術(shù)運(yùn)算，靠加減乘除這樣的算術(shù)去實(shí)現(xiàn)濾波的，所以得到的轉(zhuǎn)換函數(shù)結(jié)果是確定和唯一的，如：均值濾波器、高斯濾波器等;而非線性濾波器所應(yīng)用的則是邏輯關(guān)系并沒有對(duì)應(yīng)固定的轉(zhuǎn)換函數(shù)，如：最大值濾波器、最小值濾波器、中值濾波器等。在效果上線性濾波中的均值濾波有將圖像模糊化的趨勢(shì)，對(duì)椒鹽噪聲基本無能為力。而非線性濾波的中值濾波的優(yōu)點(diǎn)是可以很好的過濾掉椒鹽噪聲，缺點(diǎn)是易造成圖像的不連續(xù)性。這幾種濾波器都是用來除去圖像的噪音與模糊處理的。

2.2 圖像增強(qiáng)

圖像增強(qiáng)分為兩種方法，分別是灰度拉伸與直方圖均勻化。灰度拉伸屬于線性點(diǎn)運(yùn)算的一種。灰度拉伸，也稱對(duì)比度拉伸。它擴(kuò)展圖像的直方圖，使其充滿整個(gè)灰度級(jí)范圍內(nèi)。而直方圖均衡化的基本思想是把原始圖像的直方圖變換為均勻分布的形式。這樣增加了灰度值的動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。這兩種圖像增強(qiáng)的方式都是基于灰度圖算法而實(shí)現(xiàn)的。這兩者的差異在于直方圖均勻化是因每個(gè)圖像都有一定的灰度范圍，此項(xiàng)技術(shù)將每個(gè)出現(xiàn)的灰度都均勻的保持在整個(gè)圖的灰度范圍之中;而灰度拉伸則是將處于一個(gè)范圍中的灰度值拉伸到另一個(gè)范圍中去。這兩種圖像處理手法在圖像增強(qiáng)這一方面十分重要，兩者相輔相成。

3? 圖像識(shí)別

圖像識(shí)別，是指利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解，以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù)。圖像識(shí)別是現(xiàn)在人工智能的一個(gè)重要領(lǐng)域，同時(shí)在日常生活也有所應(yīng)用，如現(xiàn)有的指紋識(shí)別，人臉識(shí)別等。在現(xiàn)在的圖像識(shí)別技術(shù)中，大多數(shù)采用以圖像主要的特征為依據(jù)的圖像識(shí)別，精準(zhǔn)度相對(duì)較高。識(shí)別分為三步，首先對(duì)所要識(shí)別的物體進(jìn)行圖像分割找出目標(biāo)區(qū)域;其次，對(duì)目標(biāo)區(qū)域特征識(shí)別;最后在系統(tǒng)所存儲(chǔ)的數(shù)據(jù)庫中找出特征相對(duì)應(yīng)的物體與原物體進(jìn)行匹配對(duì)比并給出結(jié)果。

3.1 圖像分割

圖像分割是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域的技術(shù)。其作用是有助于快速提出圖像主要特征的方法。通過從圖像中灰度值等參考數(shù)值之間的較大差異將圖像進(jìn)行分割，此處運(yùn)用了分水嶺的算法，將灰度值看作為海拔高度值，掃描相當(dāng)于海水浸沒，浸沒早的地方與浸沒晚的地方就有著差異，通過此方法可分出圖像中病變部分與正常皮膚。在進(jìn)行拍照取樣時(shí)，為了防止圖像處理有誤差，拍照者所拍攝的圖像要只拍攝到皮膚與病變部位不能出現(xiàn)其他背景。

3.2 特征識(shí)別

經(jīng)過圖像分割之后，我們需要將病變部位與正常皮膚分辨出來，將病變部分特征提取出來，本文通過病變區(qū)的顏色以及形狀特征的對(duì)比來進(jìn)行判斷。

3.2.1 顏色識(shí)別

在顏色識(shí)別中，我們通過灰度值的差異來進(jìn)行顏色識(shí)別。與數(shù)據(jù)庫中病變數(shù)據(jù)對(duì)比，找出同種顏色的病變信息。設(shè)患者拍攝的病變部分灰度值為a，對(duì)比參照的灰度值為b。第一步先用患者拍攝的病變圖像灰度值a與患者病變顏色相同的病變信息所有灰度值b進(jìn)行對(duì)比。

之后通過公式{1-（|a-b|/255）}*100%求出病變部分與對(duì)比部分相似幾率，成為顏色相似度。

最后列出顏色相似度在70%以上的皮膚疾病種類與名稱。

3.2.2 形狀識(shí)別

在形狀識(shí)別中，我們使用病變圖像之間的圓形度的差異進(jìn)行區(qū)分以及對(duì)比。設(shè)患者拍攝的病變部位圓形度為e1，對(duì)比的圓形度為e2。首先運(yùn)用公式e=（4π*面積）/（周長*周長），算出所拍攝圖像中病變部位的圓形度。e越接近1，圖像越接近圓形;e越小，圖像越不規(guī)則。之后運(yùn)用公式（1-|e1-e2|）*100%算出患者所拍攝的病變部位與數(shù)據(jù)庫中病變信息的形狀相似度。最后列出有形狀相似度在70%以上的皮膚疾病種類與名稱。

3.3 結(jié)果

我們發(fā)現(xiàn)在進(jìn)行圖像特征提取中顏色比形狀相似度所占比重大，因此我們用{（60%*顏色相似度）+（40%*形狀相似度）}*100%得到最終的患者拍攝的病變部分與數(shù)據(jù)庫中皮膚病信息的相似度，并將三種相似度最高的皮膚病信息以及其治療方案告知患者。

4? 創(chuàng)新點(diǎn)

系統(tǒng)通過APP進(jìn)行拍攝識(shí)別，簡(jiǎn)單便捷。本系統(tǒng)相比于其他醫(yī)療設(shè)備使用更加靈活、便捷。而且，在操作方面也十分簡(jiǎn)便，只需要拍下來皮膚上病變的部位，就可以對(duì)病情進(jìn)行分析。

病變特征識(shí)別經(jīng)過三次篩選，結(jié)果準(zhǔn)確。首先，在顏色識(shí)別中排除掉了顏色相似度70%以下的皮膚病樣例排除;之后，在形狀識(shí)別中排除了70%以下的皮膚病的案例;最后又綜合兩種識(shí)別結(jié)果，選出了最后相似度最高的十個(gè)病樣。在三次篩選之后，識(shí)別得出的結(jié)果更加精準(zhǔn)。

系統(tǒng)經(jīng)識(shí)別后自動(dòng)推薦治療方案，專業(yè)可靠。系統(tǒng)在識(shí)別出所患病的種類后，此軟件會(huì)給患者推薦治療方案以及治療該病效果好的?？漆t(yī)院，幫助患者解決問題。

5? 總結(jié)與展望

本文通過對(duì)皮膚病變區(qū)域的拍照、圖像預(yù)處理、圖像特征識(shí)別等方法，得出識(shí)別結(jié)果，并能夠準(zhǔn)確推薦治療醫(yī)院及治療方案，以幫助患者解決看病難等問題，為使用者帶來便利。

參考文獻(xiàn)：

[1]儲(chǔ)霞，吳效明，黃岳山.一種基于人臉皮膚圖像的色斑檢測(cè)算法[J].微計(jì)算機(jī)信息，2009，25（21）：249-251.

[2]高帆杰.基于圖像處理的皮膚病特征分析方法[J].科學(xué)中國人，2017（17）.

[3]孫銀輝.色素性皮膚病圖像預(yù)處理與內(nèi)容檢索研究[D].2016.

[4]宋帥領(lǐng).色素性皮膚病圖像的特征提取與識(shí)別[D].電子科技大學(xué)，2016.

[5]佚名.基于數(shù)字圖像處理的手勢(shì)識(shí)別APP[J].通訊世界，2018（8）：208-209.

[6]李楚，陳力，張乾燕.基于手機(jī)APP的電子請(qǐng)假系統(tǒng)的設(shè)計(jì)[J].價(jià)值工程，2018，37（27）：200-201.