毕业设计-基于LabVIEW的皮肤纹理特征的提取

基于 LabVIEW 的皮肤纹理特征的提取
光电与信息工程学院
106062010
指导教师
【摘要】制作一款用于皮肤纹理特征提取的 LabVIEW 程序，利用其 matlab 脚本节点调用 matlab，首先 用 LabVIEW 机器视觉采集图片，然后对其进行灰度处理，之后再得用 matlab 脚本节点的功能对图片进行处
在本文中将结合 LabVIEW 的完成皮肤纹 理参数特征的提取。在接下来我们将分别解决图像的采集，图象的灰度处理和纹理特征提取的一系列问 题。最终得到纹理参数再将其结合具体实际，将其应用到实际生活中。
2、设计思路与纹理特征提取算法
2.1 设计思路
2.3.2 灰度共生矩阵的特征参数
（1）能量：[ASM]= ∑������ ∑������ ������2(i,j,d,������)
能量是用来表 征图像灰度 分布的均匀 程度和纹理 的粗细程度 的，它的值 来源于灰度 共生矩阵中 元 素值平方和的大小[8]。如果能量值较大，说明所读取的纹理较均匀，变化较规则，共生矩阵中的元素分 布较集中；相反它的值越小时，说明共生矩阵所有值都相等也即所读取的纹理不均匀，变化比较规则性
【关键词】LabVIEW Matlab 图像采集 灰度共生矩阵
目录
1、引言............................................................................................................. 1 2、设计思路与纹理特征提取算法 ................................................................... 1
2.1 设计思路 ............................................................................................... 1 2.2 研究对象 ............................................................................................... 1 2.3 研究方法 ............................................................................................... 1
理 ，其 中 对 皮 肤 纹 理 特 的 提 取 是 以 灰 度 共 生 矩 阵 原理为基础的 [1]。观察所得到的参数，我们可以用这个程序去实现 一 些 功 能 ，比 如 可 以 分 析 一 些 皮 肤 ，从 其 中 得 到 纹 理 参 数，再与正常皮肤的纹理参数进行对比，从而可以初步的判 断所研究的皮肤是否有病变特征，同时我们还能分析和采集不同部位的皮肤纹理参数，来应用于身份的识别等 。
2.2 研究对象
本设计的研究对象主要是 人体皮肤纹理的图片， 其中包括不同部位不同 症状下的皮肤纹理图片 ， 其中不同部位 的皮肤纹理 图片主要用于 区分不同部 位的纹理参 数是否存在差 异性，然后 不同症状下 的 皮肤主要是区别同一部位下皮肤正常与不正常时纹理参数是否存在区别性。
2.3 研究方法
2.3.1 灰度共生矩阵
1、引言
随着人类社会的不断进步与发展，健康已然成为人们关注的焦点，其中有关于皮肤病理特征的研 究 更是引人注目。经过大量的研究表明不现部位不同情况下的皮肤纹理是存在差异性的。通过皮肤纹理特 征，我们不仅可以区别不同部位不同症状的皮肤，还可以应用于现代化技术。比如指纹识别、人脸识别 等等。
对于皮肤图片纹理特征的提取，我们可以先对采集到的图片进行灰度处理，然后利用灰度共生矩 阵 的计算原理提取出图片的纹理特征。在此我们们将用到两款软件。首先是 LabVIEW，一款以便捷、高 效、稳定著称的程序开发环境。它采用可视化的图形编程语言和平台，在程序编辑方面简洁易上手。是 一个强大的数据采集与仪器控制软件，为此它深放各个领域，为人民的生产研究等方面做出了巨大贡献 [2]。其次是 MATLAB,一款功能强大的商业数学软件，强大的数学计算能力为它带来了成千上万的粉丝， 大到工程计算、控制设计等高端领域，小到诸如图像处理、信号检测等领域[3]。
纹理特征的提取通常用的是灰度共生矩阵方法， 它能够有效的读取图片纹理的各个参数特征，在 灰 度共生矩阵纹理特征提取的研究下，渐渐的也出现了诸如小波分析法等一系列的方法。在灰度共生矩阵 对纹理特征的提取中，它的 mhk 值会因为纹理的粗细发生变化。通常在粗纹理下，主要集中分布在主 对角线附近，然而在细纹理下它不是远离主对角线，而是分散在各处。
1
度级，L 是最高级灰度。D 表示的是两个像素的位置关系，它是具有方向性的，其中两个坐标表是的是 像素的位置偏移量。d 表示的是该矩阵的生成步长，通过改变小 d 的大小，我们可以控制像素间的距离 与方向。������为该矩阵的生成方向，在本文中，我们选取四个比较常见的角度为本次研究的方向。
现在我们分析一幅二维数字图像 f(x,y)，它的大小为 C×D，灰度级别为 E。由灰度共生矩阵原理我们 可得到如下的关系式 P(i,j)=#｛(x1,y1),(x2,y2)∈C×D｜f(x1,y1)=i,f(x2,y2)=j｝其中#(x)表示集合 x 中的元 素个数，显然 P 为 E×E 的矩阵，若(x1,y1)与(x2,y2)间距离为 d,最后不然看出夹角������，通过此方式我们可 以得到不同距离和角度下的灰度共生矩阵[7]。
首先用到的是 LabVIEW 的视觉处理模块，该模块在图像的采集与保存方面使用便捷。在该程序中 调用的摄像头为本计算机所携带的摄像头，捕捉到的图像清晰度会有所欠缺。在后续制作中，也通过了 直接读取手机拍摄的照片进行纹理分析。采集到的图片需要经过灰度化和像素处理，以此来减少计算量， 程序运行更加快捷，从而提高准确度。在 MATLAB 脚本助手中实现灰度共生矩阵的程序编辑，从而实 现对纹理特征的提取。总体设计思路为：运行程序，采集图像、保存图像、灰度化图像、处理图像，得 到相应的纹理特征参数[4]。
灰度共生矩阵由两个不同位置的像素之间的关系定义的，它是亮度分布特性的反映，在图片中它 能 反映图片中亮度大体一致的像素分布的特性[5]。它以二阶统计的方式来表示图像亮度的变化，它是纹理 特征定义的基础。
灰度共生矩阵表示的是，从我们选择的点（令该点灰度级为 i）到另外一点（灰度级为 j）的概率， 两点间的位置关系为 d(Dx,Dy) [6]。我们用 P(i,j,d, ������) = {[(x,y),(x+Dx,y+Dy)∣f(x,y) = i,f(x+Dx,y+Dy) = j]} 来表灰度共生矩阵。式中：x = 0,1,2, ,M-1；y = 0,1,2, ,N-1。x,y 是图像的像元坐标；i,j = 0,1,⋯,L-1 是灰
2.3.1 灰度共生矩阵................................................................................ 1 2.3.2 灰度共生矩阵的特征参数............................................................. 2 2.4 预期结果 ............................................................................................... 3 3、系统结构与功能介绍 .................................................................................. 3 3.1 机器视觉 ............................................................................................... 3 3.2 图像采集模块........................................................................................ 3 3.3Matlab Script 节点技术.......................................................................... 3 3.4 图像采集模块....................................................................................... 4 3.5 图像处理模块....................................................................................... 5 4、实验处理分析.............................................................................................. 5 4.1 不同部位的皮肤纹理图片处理.............................................................. 5 4.1.1 对 palm 图像 a 进行处理............................................................... 5 4.1.2 对 palm 图像 b 进行处理............................................................... 6 4.1.3 对 finger 图像 c 进行处理.............................................................. 6 4.1.4 对 carbon fibre 图像 d 进行处理 .................................................... 6 4.1.5 数据处理与分析............................................................................ 7 4.2 相同部位不同状况下的皮肤纹理图片处理........................................... 8 4.2.1 对红斑病图像 e（治疗前）进行处理 ........................................... 8 4.2.2 对红斑病图像 f(治疗后)进行处理................................................. 8 4.2.3 数据处理与分析............................................................................ 9 5、小结............................................................................................................. 9 6、参考文献 ....................................................................................................10