A. Wound Image Analysis System Over

A. Wound Image Analysis System Overview
Our quantitativewound assessment system consists of several
functional modules including wound image capture, wound image
storage, wound image preprocessing, wound boundary determination,
wound analysis by color segmentation and wound
trend analysis based on a time sequence of wound images for a
given patient.All these processing steps are carried out solely by
the computational resources of the smartphone. The functional
diagram of our quantitative wound assessment system is shown
as in Fig. 1 and explained later. Note that the words highlighted
in italics in the text correspond to specific blocks in figures
with block diagrams. While the image capture is the first step
in the flowchart, the image capture box is not one of the image
processing steps and is therefore presented later in Section IV.
A Nexus 4 smartphone was chosen due to its excellent
CPU+GPU performance and high-resolution camera. Although
there are likely performance variations across the cameras
of modern smartphones, such a study was considered
beyond the scope of this paper. After the wound image is captured,
the JPEG file path of this image is added into a wound
image database. This compressed image file, which cannot be
processed directly with our main image processing algorithms,
therefore needs to be decompressed into a 24-bit bitmap file
based on the standard RGB color model. In our system, we use
the built-in APIs of the Android smartphone platform to accomplish
the JPEG compression and decompression task. The
“image quality” parameter was used to control the JPEG compression
rate. Setting “image quality” to 80 was shown empirically
to provide the best balance between quality and storage
space. For an efficient implementation on the smartphone alone,
no method was used to further remove the artifacts introduced
by JPEG lossy compression.
In the Image preprocessing step, we first downsample the
high-resolution bitmap image to speed up the subsequent image
analysis and to eliminate excessive details that may complicate
wound image segmentation. In our case, we downsample
the original image (pixel dimensions 3264 × 2448) by a factor 4
in both the horizontal and vertical directions to pixel dimensions
of 816 × 612, which has proven to provide a good balance
between the wound resolution and the processing efficiency.
In practice, we use the standard API for image resize on the

ผลลัพธ์ (ไทย) 1:

ภาพรวมของระบบวิเคราะห์ภาพแผลอ.ระบบประเมิน quantitativewound ของเราประกอบด้วยหลายโมดูลทำงานรวมถึงจับภาพแผล บาดแผลรูปจัดเก็บ ประมวลผลเบื้องต้น การกำหนดขอบเขตของแผล รูปแผลวิเคราะห์ข้อมูล โดยแบ่งสีและแผลแผลวิเคราะห์แนวโน้มตามลำดับเวลาของภาพบาดแผลผู้ป่วยที่ระบุ ขั้นตอนการประมวลผลทั้งหมดเหล่านี้จะดำเนินการแต่เพียงผู้เดียวทรัพยากรคอมพิวเตอร์ของสมาร์ทโฟน การทำงานแสดงไดอะแกรมของระบบประเมินบาดแผลปริมาณของเราใน Fig. 1 และอธิบายในภายหลัง บันทึกย่อที่เน้นคำเป็นตัวเอียงในข้อความที่สอดคล้องกับบล็อกเฉพาะในตัวเลขด้วยบล็อกไดอะแกรม ในขณะที่จับภาพเป็นขั้นตอนแรกในแผนผังลำดับงาน กล่องจับภาพไม่ได้รูปอย่างใดอย่างหนึ่งขั้นตอนการประมวลผล และดังนั้นการนำเสนอในส่วน IVสมาร์ทโฟน Nexus 4 ถูกเลือกเนื่องจากมันยอดเยี่ยมประสิทธิภาพการทำงานของ CPU + GPU และกล้องความละเอียดสูง ถึงแม้ว่ามีแนวโน้มประสิทธิภาพรูปในกล้องถือเป็นของสมาร์ทโฟนที่ทันสมัย การศึกษานอกเหนือจากขอบเขตของเอกสารนี้ หลังจากแผล ภาพจับภาพเส้นทางของแฟ้ม JPEG ของภาพนี้ถูกเพิ่มเข้าไปในแผลฐานข้อมูลรูปภาพ บีบอัดไฟล์ภาพนี้ ซึ่งไม่สามารถประมวลผลโดยตรงกับภาพหลักของอัลกอริทึม การประมวลผลดังนั้นจึง จำเป็นต้องจะถูกคลายออกเป็นแฟ้มบิตแมป 24 บิตตามแบบจำลองมาตรฐาน RGB สี ระบบของเรา เราใช้Api ตัวของสมาร์ทโฟน Android แพลตฟอร์มเพื่อทำJPEG บีบอัดและคลายการบีบอัดงาน ที่"ภาพ" พารามิเตอร์ถูกใช้เพื่อควบคุมการบีบอัด JPEGอัตรา การตั้งค่า "คุณภาพของภาพ" 80 ถูกแสดง empiricallyให้สมดุลที่สุดระหว่างคุณภาพและการจัดเก็บพื้นที่ สำหรับการนำไปใช้อย่างมีประสิทธิภาพบนสมาร์ทโฟนเพียงอย่างเดียววิธีการไม่ใช้การเอาวัตถุที่แนะนำเพิ่มเติมโดย JPEG บีบอัดในภาพเบื้องขั้นตอน เรา downsample แรกรูปบิตแมปที่มีความละเอียดสูงเพื่อเร่งความเร็วภาพต่อมาการวิเคราะห์และ การกำจัดรายละเอียดมากเกินไปที่อาจ complicateบาดแผลแบ่งภาพ ในกรณีของเรา เรา downsampleภาพต้นฉบับ (ขนาดพิกเซล 3264 × 2448) โดยปัจจัย 4ทั้งในแนวนอน และแนวตั้งทิศทางขนาดพิกเซลของ 816 × 612 ซึ่งได้พิสูจน์ให้สมดุลที่ดีระหว่างการแก้ปัญหาของแผลและประสิทธิภาพการประมวลผลในทางปฏิบัติ เราใช้ API มาตรฐานสำหรับปรับขนาดภาพในการ

ผลลัพธ์ (ไทย) 3:

1 . แผลภาพรวมระบบการวิเคราะห์ภาพ
ระบบการประเมิน quantitativewound ของเราประกอบด้วยโมดูลการทำงานหลาย ๆรวมทั้งการจับภาพ

แผลแผล ข้อมูลภาพ , ภาพแผลติดกัน แผล ขอบแผลโดยความมุ่งมั่น
การวิเคราะห์สีการแบ่งส่วนและการวิเคราะห์แนวโน้มแผล
ตามลําดับเวลาบาดแผลภาพสําหรับ
ให้คนไข้กระบวนการทั้งหมดนี้จะดำเนินการแต่เพียงผู้เดียว โดย
ทรัพยากรการคำนวณของมาร์ทโฟน แผนภาพการทำงานของระบบการประเมินเชิงปริมาณแผล

ของเราจะแสดงในรูปที่ 1 และอธิบายในภายหลัง โปรดทราบว่าคำที่เน้น
ตัวเอียงในข้อความสอดคล้องกับบล็อกเฉพาะในตัวเลข
กับแผนภาพบล็อก ในขณะที่การจับภาพเป็น
ขั้นตอนแรกในผังงานภาพจับกล่องไม่ได้เป็นหนึ่งของภาพ
กระบวนการและจึงนำเสนอต่อไปใน มาตรา IV
Nexus 4 มาร์ทโฟนได้รับเลือกเนื่องจากประสิทธิภาพของ CPU และ GPU ยอดเยี่ยม
กล้องความละเอียดสูง แม้ว่าจะมีรูปแบบการแสดงแนวโน้ม

ผ่านกล้องของมาร์ทโฟนที่ทันสมัย เช่น การศึกษาถือเป็น
นอกเหนือขอบเขตของบทความนี้ หลังจากภาพบาดแผลถูก
,