基于Web技术的医疗图像脱敏系统的设计与实现

针对目前医疗图像脱敏系统尚未普及、传统人工脱敏效率不高等问题,设计并实现基于Web技术的医疗图像脱敏系统。基于PyCharm开发平台,采用Flask框架封装脱敏操作,设计脱敏系统的可视化界面并实现前后端交互。该脱敏系统总体架构分为单张超声图像脱敏、批量超声图像脱敏、单张CT图像脱敏、批量CT图像脱敏4个模块。实验结果表明,针对1 000张CT图像和1 000张超声图像,该系统可分别在12.78 s与14.07 s内批量完成这两类图像敏感信息的脱敏工作,符合临床使用要求。     

基于python的图像采集器开发

本文设计了一种在Python的基础上进行图像采集的工具,本文研究的实时图像主要是通过现有的数码相机来进行获取的,在实验中的图像信息主要是基于Linux系统中的到的,而且这些信息也是利用Python语言的脚本Opencv数码相机自带的一些图像处理与识别技术来获取的,这些设计的可靠性非常的高而且本身的灵活性以及稳定性就非常的突出,这种采集方法还有一个显著的特点就是成本非常的低,本文中的图像将通过Python脚本分析收集到的输入数据为基础,并且将C编程引入到开发中来,因为要处理图像之后会出现各种各样的数据结果,因此对于C编程的引入也是根据不同的需求来进行关联,最终的目的是为了PPT页面的实现。本文的核心是详细介绍了利用Python开发技术实现的图像采集功能,一种基于Python实现的图像采集器。     

自适应天牛须优化与K均值聚类的图像分割算法研究

在机器识别中,图像分割是重要的一个步骤,传统分割手段存在一定缺陷。针对传统K均值聚类分割的初始聚类中心敏感的缺陷进行了优化,利用自适应天牛须优化算法,避免了这一问题。通过实验结果表明,该算法(ABASK)对图像进行分割,既可以保证图像轮廓的分割,同时还可以更多地保留图像细节。