手掌图像自动诊病关键点定位分割方法

胡欣楠 韩仲志

（1.山东中医药大学药学院，山东 济南 250300；2.青岛农业大学信息科学学院，山东 青岛 266109）

0 引言

生物识别技术（Biometrics）是指计算机利用人体本身所拥有的生物特征来进行自动身份识别的技术，常基于计算机的方法及人体所拥有的生物特征来进行自动疾病诊断及健康评估。利用计算机进行自动手掌诊病则是一种较新的生物识别方法，近年来，得到国内外研究人员的充分重视，甚至欧美国家也投入到此方面的研究当中[1-2]。手掌诊病产生于古老的中医学理论，20世纪末，张大鹏教授[3]开辟该研究领域以来发展极为迅速，他在中医理论和全息医学的启发下创新地提出了生物诊断技术概念及研究方向[3]。哈尔滨工业大学邬向前等[4-5]先后进行了自动舌像诊断、自动脉诊、自动虹膜诊断以及自动手掌诊断等方面的研究，并取得了较大的研究成果。香港理工大学建立了第一个掌纹库（PolyU palmprint datebase)[6]，本文对手掌诊病过程进行了分析，分析了计算机对手掌图像识别的预处理过程，提出了一种手掌关键点的定位方法。

1 图像采集与预处理

用扫描仪采集手掌的图像，扫描时按轻轻平放在扫描仪上，为了使扫描背景为黑色，扫描仪盖板完全打开，实验用的扫描仪型号为佳能 CanoScan 8800F，平板式CCD扫描仪，光学分辨：4800dpi*9600dp；最大分辨率：19200dpi，扫描范围：216*297mm；使用的计算机为联想ideaCentre Kx 8160：CPU为 Intel酷睿 2四核 Q8300 2.5GHz， 内存DDRIII4G；闪存1G，硬盘 500G；Winows XP操作系统。Matlab2008a下编程，扫描得到的部分图片如图1。

图1 通过扫描仪获得的部分手掌图片

图像的预处理包括图像的增强、去噪、中值滤波、边缘检测、形态学操作和图像的色彩空间转换等常规的预处理方法。

由于图像比较大影响处理速度首先进行图像压缩，然后灰度化，中值滤波去噪，对比度增强，二值化，然后提取手掌区域，进行边缘检测，手掌图像的预处理过程如图2。

图2 手掌图像的预处理过程

2 关键点定位

下面以边界标记的方法，寻找边界，求出边界距半径r的函数f(·)的分布；方法为，首先在图像（图3H）中像素的x、y坐标逐行逐列扫描，找到第一个像素值为1的点坐标（x1，y1）如图3A圆圈内点，然后限定三个搜索方向（向左、向左上、向上）如图3B，找第二个像素值为1的点坐标（x2，y2），计算（x1，y1）与（x2，y2）距离 r1；接着限定 8-联通方向搜索如图 3C，找到两个像素为 1 的点（x1，y1）和（x3，y3），舍掉刚才走过的点（x1，y1）点，计算坐标点（x1，y1）与（x3，y3）的半径 r3；如此在8联通区域寻找下一个点，直到搜索到最后一个点为起始点时第一个像素点结束。计算与起始点（x1，y1）的距离，保存各点的距离数据与点的位置。做出各点的距离r的函数f(·)如图4A。计算该函数的导数y=f′(·)，得到导数曲线图（图 4B），在边缘图像（图 2H）上标记 y=f′(·)=0的点，标记后的图像如图5A。这些点的位置即为手掌图像的突变点，即为手指的指尖和指丫处。根据边界搜寻的顺序很容易得出各个手指指尖和指丫处坐标。

图3 边界标记搜索示意图

图4 关键点定位方法

关键点定位方法的思路为：首先找到一个左下角的点作为起始点，然后计算各个边缘点到起始点的距离，并画出距离曲线，对距离曲线求一阶倒数，得到倒数曲线，极值点即为关键点。在求图像的距离曲线时由于边界不是很平滑可能会陷入局部极小点，所以要进行适当的形态学操作。

最后一步是在对待分割的手掌图像（图5B）上按照关键点（图 5A）进行分割，可以分割出各个手指部分和手掌部分的独立图像，分割的效果图如图5C。这就为下一步进行手掌病灶区域的定位奠定了良好的基础。

3 结论

为了研究采用手掌图像自动诊病的可行性。通过利用计算机对手掌图像识别过程进行分析，基于图像处理的方法，采用扫描仪扫描的部分手掌图片，基于这些图片进行关键点的定位和分割方法进行了研究，通过适当的预处理方法过的了手掌清晰的边界，提出了一种采用求距离倒数的方法进行关键点的标记，实验证明标记的效果良好。本文所提出系统设计思想和关键点的标记方法对手掌自动诊病系统的开发具有积极意义。

［1］A.Jain,R.Bolle and S.Pankanti,Biometrics：Personal Identification in Networked Society[M].Kluwer Academic Publishers,1999.

［2］N.Duta,A.K.Jain,and K.V.Mardia,Matching of palmprint [J].Pattern Recognition Letters,vol.23,no.4,pp.477-485,2001.

［3］D.Zhang,Automated Biometrics-Technologies and Systems [J].Kluwer Academic Publishers,2000.

［4］Xiangqian Wu,Kuanquan Wang,David Zhang,Bo Huang,Palmprint Classification Using Principal Lines[J].Pattern Recognition.2004,37(10)：1987-1998.

［5］Xiangqian Wu,Kuanquan Wang,David Zhang, “Fusion of Phase and Orientation Information for Palmprint Authentication”,Pattern Analysis and Application,Dec.2005.

［6］http：//www.pudn.com/downloads92/sourcecode/others/detail357842.html [EB/OL].

［7］Han Zhongzhi,Li Yanzhao,Zhang Jiapeng,Zhao Yougang.Counting Ear Rows in Maize Using Image Process Method[C].IEEE ICIC2010.6,(3)：333-336.