基于数字图像处理的皮肤病识别APP
时间：2022-05-31 16:35:03 浏览次数：次
摘要：随着科技的进步，生活节奏的加快，环境污染的加重，皮肤病成为一种高发性疾病，针对此现状，设计一款关于现代常见皮肤病防治的手机应用软件，通过空间域滤波器、灰度拉伸以及直方图均匀化进行图像预处理，将图像相似的灰度值调整一致，便于图像分割与特征提取。将处理完的图像与数据库中的病样进行对比得出结果，最后系统给出患者相对应的治疗方案。
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.
关键词：手机APP;智能识别;图像转换;皮肤病防治
Key words： mobile phone APP;intelligent recognition;image conversion;skin disease prevention
中图分类号：TP391.4 文献标识码：A 文章编号：1006-4311（2020）02-0246-02
1 背景
現如今，我们处在一个经济飞速发展，科技日益进步的时代。但我们的生活节奏也随之加快了，每天都是两点式的作息生活，家—工作—家，像一些皮肤健康之类的“小问题”，也不再加以重视，老年人们也抱着小病不用去医院的心态，不加以关注皮肤健康，导致一些微小的皮肤病恶化，造成对身体健康甚至是威胁到生命安全的影响。同时，现在环境污染加重，饮食作息生活的不规律使得皮肤病成为了高发的常见病，小到雀斑、色斑，大到脂溢性角化病、麻风、基底细胞癌等。这些皮肤疾病无不或多或少的威胁着我们的身体健康。而在现在的日常生活之中，无论男女老少基本都在使用智能手机，本文设计一款关于识别常见皮肤病的手机APP，通过图像转换技术方便快捷地诊断所得的皮肤病，再通过数据分析与比对，推荐适合的治疗方案。
1.1 现状
随着科学技术的发展，当今的皮肤病理检验手段在不断地提升，所涉及到的领域也是越来越广，像体检，真菌检查，组织病理学检查等，分门别类，但像病理活检术是有创诊疗，会在检查的同时给身体留下疤痕，造成感染的风险。现在皮肤病的检测将重心放在了影像技术之一方面，随着像素的不断提高，大数据比对的精确、快捷都使得人们将视线投向了皮肤病计算机辅助诊疗研究的方面。研究的主要方向是图像转换，图像预处理，图像局部特征提取，特征比对以及对于特定症状的分析。图像处理在医学领域已经有了非常广泛的应用了，但是随着数据传输技术的提升，图像处理的更加完善，在于辅助检测与远程医疗方面，影像技术还是有着很大的发展空间的。
1.2 国内外发展史
在19世纪中后期，欧洲才出现了真正意义上专门针对皮肤疾病的医师，皮肤外科这一专项治疗也是于1870年开始萌芽的。紧接着，美国的医师开创了冷冻外科，这算是皮肤病治疗发展的开端。进入20世纪后，随着微描手术的普及，使得皮肤病医师们出现了对于皮肤成型修复的高潮，各种各样的技术如手术外科、激光外科的技术都得到了迅速的发展。1978年，世界皮肤外科学会成立，明确了皮肤外科成为一个独立的学科体系。
中国的皮肤外科在20世纪60年代才刚刚萌芽，1957年全国麻风防止专业会议召开，使得许多医师开始了解并学习矫形技术，这次的会议促进了中国皮肤外科的发展。1986全国第一届中国皮肤外科学术会议召开，王高嵩教授提出了“皮肤外科学”的概念。至此中国的皮肤外科的发展才正式开始。如今，全国各地一些大医院建立了皮肤外科专业组，应用大数据比对，图像预处理等技术，治疗皮肤病，并取得了卓越的成效。
1.3 意义
本文意图是设计一个手机应用软件，通过图像预处理、各种皮肤病特征、图像特征提取这些技术，快捷的分辨出患者所得皮肤病的种类，并给患者一些建议，让小问题不用去医院即可解决，大问题也可以不用担心个人的疏忽而导致病情的恶化。
2 图像预处理
由于图像在获取过程中，设备、环境、介质的影响，成像系统获取的图像受到这些种种条件限制和干扰，使得获取的图案有模糊、出现亮暗点等影响不能直接使用。为了消除这些影响，我们通过图像预处理，包括：灰度校正、消除噪声以及提取核心地区图像，来消除这些影响因素从而得到较完美的图像。
2.1 图像滤波
图像滤波是在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制是图像预处理中不可缺少的一项操作。而图像的滤波器大体分为两种。一种叫做空间滤波器，是使用空间模板进行的图像处理;另一种则是频率域滤波器，频率域滤波是对图像进行傅里叶变换，将图像由图像空间转换到频域空间，然后在频率域中对图像的频谱作分析处理，以改变图像的频率特征。而空间域这种滤波器还能细再分为线性滤波器与非线性滤波器。我们的手机软件更加适合选用的是空间域滤波的方法，所以大致介绍一下空间域滤波中线性滤波与非线性滤波的区别。
原理上线性滤波所运用的是算术运算，靠加减乘除这样的算术去实现滤波的，所以得到的转换函数结果是确定和唯一的，如：均值滤波器、高斯滤波器等;而非线性滤波器所应用的则是逻辑关系并没有对应固定的转换函数，如：最大值滤波器、最小值滤波器、中值滤波器等。在效果上线性滤波中的均值滤波有将图像模糊化的趋势，对椒盐噪声基本无能为力。而非线性滤波的中值滤波的优点是可以很好的过滤掉椒盐噪声，缺点是易造成图像的不连续性。这几种滤波器都是用来除去图像的噪音与模糊处理的。
2.2 图像增强
图像增强分为两种方法，分别是灰度拉伸与直方图均匀化。灰度拉伸属于线性点运算的一种。灰度拉伸，也称对比度拉伸。它扩展图像的直方图，使其充满整个灰度级范围内。而直方图均衡化的基本思想是把原始图像的直方图变换为均匀分布的形式。这样增加了灰度值的动态范围，从而达到增强图像整体对比度的效果。这两种图像增强的方式都是基于灰度图算法而实现的。这两者的差异在于直方图均匀化是因每个图像都有一定的灰度范围，此项技术将每个出现的灰度都均匀的保持在整个图的灰度范围之中;而灰度拉伸则是将处于一个范围中的灰度值拉伸到另一个范围中去。这两种图像处理手法在图像增强这一方面十分重要，两者相辅相成。
3 图像识别
图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和對象的技术。图像识别是现在人工智能的一个重要领域，同时在日常生活也有所应用，如现有的指纹识别，人脸识别等。在现在的图像识别技术中，大多数采用以图像主要的特征为依据的图像识别，精准度相对较高。识别分为三步，首先对所要识别的物体进行图像分割找出目标区域;其次，对目标区域特征识别;最后在系统所存储的数据库中找出特征相对应的物体与原物体进行匹配对比并给出结果。
3.1 图像分割
图像分割是把图像分成若干个特定的、具有独特性质的区域的技术。其作用是有助于快速提出图像主要特征的方法。通过从图像中灰度值等参考数值之间的较大差异将图像进行分割，此处运用了分水岭的算法，将灰度值看作为海拔高度值，扫描相当于海水浸没，浸没早的地方与浸没晚的地方就有着差异，通过此方法可分出图像中病变部分与正常皮肤。在进行拍照取样时，为了防止图像处理有误差，拍照者所拍摄的图像要只拍摄到皮肤与病变部位不能出现其他背景。
3.2 特征识别
经过图像分割之后，我们需要将病变部位与正常皮肤分辨出来，将病变部分特征提取出来，本文通过病变区的颜色以及形状特征的对比来进行判断。
3.2.1 颜色识别
在颜色识别中，我们通过灰度值的差异来进行颜色识别。与数据库中病变数据对比，找出同种颜色的病变信息。设患者拍摄的病变部分灰度值为a，对比参照的灰度值为b。第一步先用患者拍摄的病变图像灰度值a与患者病变颜色相同的病变信息所有灰度值b进行对比。
之后通过公式{1-（|a-b|/255）}*100%求出病变部分与对比部分相似几率，成为颜色相似度。
最后列出颜色相似度在70%以上的皮肤疾病种类与名称。
3.2.2 形状识别
在形状识别中，我们使用病变图像之间的圆形度的差异进行区分以及对比。设患者拍摄的病变部位圆形度为e1，对比的圆形度为e2。首先运用公式e=（4π*面积）/（周长*周长），算出所拍摄图像中病变部位的圆形度。e越接近1，图像越接近圆形;e越小，图像越不规则。之后运用公式（1-|e1-e2|）*100%算出患者所拍摄的病变部位与数据库中病变信息的形状相似度。最后列出有形状相似度在70%以上的皮肤疾病种类与名称。
3.3 结果
我们发现在进行图像特征提取中颜色比形状相似度所占比重大，因此我们用{（60%*颜色相似度）+（40%*形状相似度）}*100%得到最终的患者拍摄的病变部分与数据库中皮肤病信息的相似度，并将三种相似度最高的皮肤病信息以及其治疗方案告知患者。
4 创新点
系统通过APP进行拍摄识别，简单便捷。本系统相比于其他医疗设备使用更加灵活、便捷。而且，在操作方面也十分简便，只需要拍下来皮肤上病变的部位，就可以对病情进行分析。
病变特征识别经过三次筛选，结果准确。首先，在颜色识别中排除掉了颜色相似度70%以下的皮肤病样例排除;之后，在形状识别中排除了70%以下的皮肤病的案例;最后又综合两种识别结果，选出了最后相似度最高的十个病样。在三次筛选之后，识别得出的结果更加精准。
系统经识别后自动推荐治疗方案，专业可靠。系统在识别出所患病的种类后，此软件会给患者推荐治疗方案以及治疗该病效果好的专科医院，帮助患者解决问题。
5 总结与展望
本文通过对皮肤病变区域的拍照、图像预处理、图像特征识别等方法，得出识别结果，并能够准确推荐治疗医院及治疗方案，以帮助患者解决看病难等问题，为使用者带来便利。
参考文献：
[1]储霞，吴效明，黄岳山.一种基于人脸皮肤图像的色斑检测算法[J].微计算机信息，2009，25（21）：249-251.
[2]高帆杰.基于图像处理的皮肤病特征分析方法[J].科学中国人，2017（17）.
[3]孙银辉.色素性皮肤病图像预处理与内容检索研究[D].2016.
[4]宋帅领.色素性皮肤病图像的特征提取与识别[D].电子科技大学，2016.
[5]佚名.基于数字图像处理的手势识别APP[J].通讯世界，2018（8）：208-209.
[6]李楚，陈力，张乾燕.基于手机APP的电子请假系统的设计[J].价值工程，2018，37（27）：200-201.