【《基于Python脚本语言的一个商用医学影像处理系统设计》9100字】

IV基于Python脚本语言的一个商用医学影像处理系统设计摘要在现代的医学领域中,医学影像处理技术伴随着电子计算机与影像科学技术的进展,开始逐渐形成了生物医学领域发展中最主要的又一个医学重要分支。CT成像本身存在空间清晰度参数和层厚度参数、人体腔内的组织和器官的蠕动情况等诸多的外部干扰因素,这同时也直接导致出现了医学影像中存在的噪声和污染、细节信号的隐藏、病灶边界的模糊等诸多问题,对影像医学的诊断水平和影像处理结果的客观准确性都产生巨大了的潜在影响。医学图象处理是计算机与医学影像的交叉发展，利用电脑采集的医学数据进行可视化处理，可以极大地提高对图像的处理能力。进而提高了医学检测的精度和准确性。医疗图像处理技术对于生物医学研发、医疗教育等领域有着重大价值,但是因为商业医疗图像处理技术开发周期长,设计复杂度较高,从而导致商业医疗图像处理设备比较昂贵,虽然现在已有部分商业医疗影像处理的案例导致商业医疗图像处理技术的设计复杂度大大降低,然而，由于这些研究开发的案例中并没有提供先进的医学影像处理技术，所以本论文采用Python脚本语言来开发一个商用医学影像处理软件,主要功能涉及对人体CT影像进行直方图灰点变换、边缘分析、平滑过滤以及阈值分离等功能的实现。以图像处理高新技术为基础,应用Python图象处理技术的软件包,对医疗图像处理具有了良好的品质提高效果,这样就能综合地抽取医学影像处理数据,从而确定了疾病信息的病灶部位,从而提升了判断的准确性。关键词：Python；界面开发；图像处理；边缘检测目录TOC\o"1-3"\h\u266961、绪论 588521.1引言 5216571.2选题背景及意义 619791.3研究现状 738261.3.1国内外研究现状 7253221.4论文结构 820142、图像处理的发展历史及发展趋势 9238982.1图像处理的发展历史 9233072.2图像处理的发展方向 9179153、图像处理技术 10322143.1图像存储与标准 10159233.2文件格式 1139733.3图像伪彩色增强 11178563.4图像滤波 1116422（1）均值滤波 1126274（2）中值滤波 11110963.5图像分割 122342（1）阈值分割 1211931（2）边缘分割 12311234、基于Python的医学图像处理系统 13160834.1开发工具简介 13133264.2系统包含的功能 1379644.2.1系统主界面 14288344.2.2图像增强 15110554.2.3图像分割 17308724.2.4图像变换 1914813五、全文总结 2322401参考文献 251、绪论1.1引言 随着人工智能技术的飞速发展，以及Python技术的应用,在图片辨识中,将更多的图片使用Python进行处理教学将会变得更快速简单,所以我们在Python上进行医疗影像处理的研究,不但便于今后进行基于python的医学图像处理课堂教学与实验效果演示,而且还能够将以后的医学图像处理教学更好地和新一代人工智能技术进行融合。1.2选题背景及意义随着人类生命质量的改善以及医疗数字科技的蓬勃发展,现代人对自己的卫生素质也越来越重视。而医疗影像科技的蓬勃发展,使其在疾病诊断、术后规划和检查、处理病情等方面都具有了无法取代的功能,已成为现今医学接受和使用的主要治疗手段和环节REF_Ref30556\r\h[1]。不但给医师的判断和治疗提供了依据,同时也因其快捷、无创、经济等特性而在临床上获得了应用,尤其是针对手术过程中的各个环节所起到的巨大辅助效果，同时也对新兴的中远程治疗领域,有着很大的实际价值和意义REF_Ref12279\r\h[2]。目前,人类医学对各种临床医学技术图像信息质量的准确掌握已大部分是源自应用于各种B超、彩色脉冲多普勒、X射线显微立体透视、核磁共振立体成像系统以及各种医用和各类特种医疗电子内窥镜系统以及用于各种设备高度数字化和管理自动化的各种高级医用图像装置。通常的情况条件下,由各种医疗仪器设备成像所能获得到的各种医学图像质量性能的高低优劣都和各种医疗器械本身的光学成像技术原理,所依处的外界环境因素及医疗机器设备自身固有的光学参数等都是存在着密不可分的相互关系,但是在面对这些不可克服抗力因素下所可能造成的医学图像的损坏问题与图像畸变的问题,我们还必须考虑利用数码影像的处理技术，正确地处理和处理医学影像,使其信号特性更加适应于临床治疗的预期标准和需要,以便产生更加丰富的医疗临床参考价值REF_Ref30954\r\h[3]。这样对一些人眼很难直接进行正确诊断的临床图像,通过计算机对其图象信号加以处理,就能够比较符合人眼的观察,可以迅速、精确、安全地获取有用信息。本项目采用Python编程语言，用于图象处理系统的软件开发,该系统软件一方面可以进行课堂教学使用,在课堂教学中通过引入图形分析方法,将复杂的运算方法转化为简单的实际操作,并通过比较图像在处理前后的结果,通过这种方法，可以增强学习者对数据的直觉,一方面能极大地调动学生的学习热情,另一方面可以在课堂教学中同时提供给学习者的课堂上和课后的实际应用,这样不但能够巩固课堂上学到的知识,同时也可以训练学生的实践能力。1.3研究现状1.3.1国内外研究现状近年来,工业、航空航天、军工、医疗健康等诸多应用技术领域都对数字图像分析处理技术的应用需求也愈来的愈高。不管是在人们日常生活中还是在建筑的运用过程中所涉及到的建筑照片大多数都为数字照片。数字图像是指以至少一个数位阵列所表示出来的一组图像,而构成这一组数位阵列中的其他所有的部分也就都被统称为数字像素,图像通常采用以二进制编码的数学方法来描述这些图像阵列中所有的这些特定点。由于现代计算机技术日新月异的高速发展,图象的日益复杂清晰,所需计算机处理出的各种图象信息量也就来越多,数据处理过程的运算速度也愈来的愈趋慢,所以要选择图象信息的处理运算速度快、程序的编写简便,同样的嵌入性语言来进行图像处理程序的开发,可以说大大的地可以提高了处理图像的运算速度,程序的编写更加容易,同样的嵌入性的语言来进行图像处理程序的开发,可以说大大的地可以提高了处理图像的速度REF_Ref30987\r\h[4]。目前国内外不少研究者都采用了MATLAB作为大数据分析开发的工具,Python编程语言相对于MATLAB来说，是一种对编程更简单，更严格的编程语言,最主要的一个优点则是由于其的开放性与免费,同时也由于其Python库语言的应用的范围更加的灵活性、广泛,在图像信息处理技术领域中的VideoCapture库、PIL库(PythonImagingLibraryPython)库以及Pytesser库都仅仅只是给学者朋友们带来的了几个初步的印象,而后ScikitLearn突起。这是在NumPy,SciPy和matplotlib库的基础上建立起来的,依靠其通用性、开源化的特性可以作为一种更加简单易用而又有效实用的数据信息挖掘分析工具和数据信息分析处理方法的开发应用工具使用REF_Ref31013\r\h[5]。另外，开放源代码库（OpenCV）和跨平台的计算机视觉库（OpenCV）也是相当的优秀,已开发完成包括了的图像处理等计算机视觉技术的使用等方面的标准化的方法,其中的大部分都使用到了C++的编程语言完成,它提供的各种主要的接口几乎涵盖到了C、C++、Python、Java语言和MATLABREF_Ref31042\r\h[6]。由于人工智能的蓬勃发展,现在已经开始有人使用Python实现影像处理,比如图象增强、图象分离、镜像等,而python所具有的快速开发能力和面向对象等许多特性,也是在其他编程语言库中所无可相比拟的,并且PIL库中还同时提供出了大量的操作模板:Image、ImageDraw以及ImageEnhance这三个模板。Image类也是PIL类中最主要的一个类型之中能够用来进行一些简单的图片的读取﹑旋转﹑格式转换、图片大小调整等操作REF_Ref31088\r\h[7]。图片分割的分类方式也有很多,整合开发环境与PyCharm,可以完成各种的图片划分,有很多时候可以使用OpenCV库中的函数来实现,而相应的辅助库也可以使用pipinstall命令来实现使用。Python是一种用于解释类的高级程序，它拥有一个包含大量标准的数据库,并且在Python社区中它还提供给了用户大量的第三方模板库REF_Ref31121\r\h[8]。据来自全球最著名的代码托管平台Github中得到的最新有关的消息中指出,Python作为编程语言之一现在几乎已经完全变成了流行世界上的三种编程语言的首选的编程语言之一,Python作为编程语言所具有的这诸多的优点也使得了其能够迅速成为当今流行于世界上的三种热门的编程语言之一REF_Ref31150\r\h[9]。现在,在医学图像的加工和分析领域,有许多开源的医学应用和系统软件，Python和OpenCV都在使用,Python和OpenCV为我们提供了许多开放源码的医学图片处理工具REF_Ref31176\r\h[10]。1.4论文结构本文的章节结构安排如下：绪论。最开始对选题的背景和作用加以了说明,然后对目前国内外的研究状况做了简要的介绍，并对Python脚本语言在医疗影像处理中的优势进行了阐述。图像处理的发展历程与发展趋势。介绍了图像信息处理和传输过程中一些常见问题的相关国际标准,并分别对其中各个主要图像的处理传输技术问题，并给出了Python医疗影像处理系统的具体实现方法。全文总结，针对本系统进行一个总结，讲述该系统的优点以及医学图像处理未来的发展期望。致谢。

2、图像处理的发展历史及发展趋势2.1图像处理的发展历史(1)20世纪20年代-Bartline电缆图片传送系统美国报纸行业最先采用了图象处理技术,将Bartlanr电缆图像传送系统传输一幅数字图像所需要的时间,从原来一个月左右的时间缩短到了三个小时以内。用电缆传送图片,先要对进行解码,之后再在接收端用特制的打印装置重新处理图像,由于Bartlane系列的升级,图象品质获得了提高,也增强了图象的灰度层次。（2）20世纪60年代--信息技术的发展，出现了图像处理一九六四年,对"旅行者7号"上拍摄的大部分照片都采用了计算机进行数据处理,从而提高了照片质量;该技术目前已在美国的阿波罗载人登月飞机等空间探测器上有所应用。（3）20世纪70年代--图像处理开始应用于医学Godfrey和G.N.Hounsfield先生,以及Allan博士和M.Cormack博士,因为在当年他们俩所能研究到的课题都是关于"断层(CT)"相关技术问题而因此能够通过合作而共同的获得到了当年的诺贝尔生物医学奖,他在背后所提出来的另一项最主要的科研发展思路则都是关于如何更有效的利用计算机的轴向断层成像技术(ComputerisedAxialTomography(CAT))。（4）20世纪80年代90年代--多媒体技术；图像压缩、文字提取遥感：卫星、航空。安全：指纹识别、视频跟踪及监控系统等。医疗：整形，立体脑图像配准，核磁共振成像研究，虚拟支气管内窥镜。视频和多媒体系统。工业生产中的应用。电子商务等领域逐渐蓬勃发展。2.2图像处理的发展方向图像处理技术的发展方向有四个：(1)朝高速，高清晰度,立体化,多媒体,智能化和标准化等方面的发展,具有特色。这意味着不仅是要提高电脑的运算速度,还有就是A/D速度和D/A运算的速度也都必须要实时化。(2)提升清晰度。重点是提升采集分辨率和显示清晰度,其主要问题是显像管的制造质量和像素图形刷新存取速率。(3)立体化。图形为二维数据,而数量更大的三维空间图形将随意进行绘图和虚拟现实技术的发展,将获得应用。(4)多媒体技术化.在20世纪90时代产生的新多媒体领域,其核心技术在于对图象信息的缩小,目前关于数据压缩的国外技术标准已有很多种,并且还在蓬勃发展中,并将向着人们接受和管理信息最自然的方法发展。(5)现代化。力求使电脑认知和了解可以依照人的认知和思维实际工作,可以充分考虑到主观思维概率和非逻辑思维。(6)规范化.从总体上讲,图像处理技术目前还缺乏统一标准。2、图像技术和数码技术的融合。走向立体影像或立体影像的发展。3、智能硬件晶片的发展与探索。当前，因为与多媒体技术的密切联系,智能硬件晶片也已经愈来愈多了,例如美国Thomson集团ST13220,利用Systolic技术构建了运动预测仪,把影像数据处理的许多功用都固化在了晶片上,为实际工作。4、新概念与新方法的研究。目前图像处理电路研究已经过了初创造阶段、发展期、应用阶段和应用期,近年来,许多新技术被引进,许多新的计算方法被应用到了Wavelet、Fractal、Morphology等，遗传算法和神经网络技术等,当中Fractal技术广泛应用于图像信息加工、绘图加工、图像分析,并且还应用于物理学研究、计算机数学、生命、神经系统和音乐教育等领域。3、图像处理技术3.1图像存储与标准当代影像科技飞速发展,医疗图像的研究与发展也日益深入走向日益完善,使用的范围也在日益的扩大,带来医疗的综合效益越来越明显,它将能够帮助更好地和辅助临床医务人员更清晰、直接准确地观察看到患者身体组织结构,使现代医学影像技术能够与现代医院诊断、科研在工作实践与实践教学过程中要担当得起重要责任。其主要弊端一点也都很明显,就是由于各种移动医疗设备的生成医疗图像数据信息的处理方法和数据保存文件的存储格式的不同,使得其功能在实际使用过程中受限。为了尽快解决好这一问题，美国放射学会与美国电子厂商联盟在一起共同组建成立了这样一个技术委员会,委员会首先推出了一个医疗数位影像及传送接口标准,即DICOM标准,使美国所有的医疗电子设备之间的传输接口标准都实现到了完全统一,减少了不同医疗设备所生成的医学图像数据之间的存储数据格式、传送数据格式上的巨大差别,并最终在公元一九九三年正式推出了医疗数位图像存储及数据传送规范REF_Ref32662\r\h[11]。3.2文件格式DICOM图像文件若要获得有效显示,需要先将转换成一个与之相兼容的标准图像格式,这通常也是基于DICOM图形标准所产生的。一般最简单有效的图像转换的方法当然也是我们先确定要如何将它转换成与医疗设备所产生出来的医疗设备所无关位图的图像,在具体实施图像转换的操作过程以前需要我们要先根据实际需要先确定通过DICOM图像文件标签中的关于图像值的这几个最重要的信息来实现数据获取与计算,随后我们再依次按照我们从数据元素的标签信息中提取所能获取的到图片的一些相关的信息,使用由这些医疗设备所能生成的图片中的那些图片实际的相关物理数据来替代掉在这些DICOM文件标签信息中的和这些图片中所处相应的位置上的像素点的有关实际的相关物理数据,最后我们需要再来依次的使用一些相关的算法进行的转换和计算来将这些图片的实际相关的相关物理数据来转换成符合我们的相应所需要的医疗设备的实际无关位的图像素灰度数据,并来加以显示REF_Ref32705\r\h[12]。3.3图像伪彩色增强伪彩增强法原理是指将同一灰度图像中的几乎所有的不同的灰度级,通过一个线性的或完全非线性的灰度映射函数来转换成一个完全的不同灰度的伪彩色,并可从中直接得到彩色图像。它的优势在于使用了伪色增强,能够更高效地获得图像信号在原图中更好的识别细节，更好的识别目标。3.4图像滤波医学图象不仅涉及人们感兴趣的区域同时还具有干扰影响,尽管对图象进行了灰度化处理,但是图像难免会存在噪声。那么噪声是怎么产生的呢,噪声是因为设备、环境等因素在图象中产生的过程形成的,而为了能过使对图像影响因素能够变小,因此我们可以采用对图象进行滤波去噪。一般对图像滤波的方式主要有如下几类:（1）均值滤波均值滤波顾名思义,是将图像范围内的所有图像进行平均化处理以抑制噪声。该方案的另一个很大的缺陷就是会出现感兴趣区域同时也会被模糊化现象。这类滤波器能够使用各种方式实现均值,其中包含了算术平均数、几何均值,以及谐波平均数等。（2）中值滤波中值滤波基本原则是将在图象或序列信号中心点所在象素点的小数值替换为在该区域的中值,这样某些灰阶值比较特别的节点就会被修改为与周围相同的数值,进而使这些噪音消除。这个滤波算法又由于它具有实现了运算过程简单、计算速度快、除杂噪声效果比较良好的等诸多优点,所以它曾是长期以来被许多人都认为它是非线性滤波器算法的代表。但是实际上它也并没有无法被运用在所有的图像中处理,因为它显然对于图像有尖角时如滤去除过高的噪声就会导致严重地损失图像讯号中的高频信号,从而会导致图像的处理中边缘细节的模糊不清,对其他诸如此类的图像细节也产生破坏。3.5图像分割图像分割技术的主要目标就在于如何把一张医学图片中的所有感兴趣的区域都在一张含有了大量的冗余信息的医学图片集中被尽量地精确地被抽取出来。图像分割技术是计算机进行图像特征的提取、机器学习特征的分析研究的重要基础,也是计算机图像的处理技术和图像分析技术等学科领域关键的研究前沿课题方向之一,同时，这也成为了图象处理中的一个难点。以下是一些常用的图像分割方法：（1）阈值分割阈值分割是一个相对普遍和简单的像素划分技术,阈值分割利用灰度的均一性把像素分为一个甚至许多的阈值级别,同时针对像素部分范围中的灰度不同选择每一个目标区域的阈值范围,最后使用这些阈值进行切割。（2）边缘分割边界分割法是指通过寻找图象灰度值和其结构不一样的区域,而这种地方就是图象中物体的边界。基本思路就是首先检查图象中的边界点,因为在图象中边界处图象的灰色值通常并不连续性,所以对这个不连续性可利用求导加以检查REF_Ref8\r\h[13];然后再以特定策略把边界点连接成轮廓,并成为划分区。而边界检测则是找出不同地区的界限处,并判断其最有效率的二个特征值是梯度向量的方位和幅度。

4、基于Python的医学图像处理系统4.1开发工具简介Python语言是由荷兰数学与计算机技术理论研究学习的吉多.范罗苏姆在一九九零年代初期所设计,作为一种工具的替代物，称为ABC编程语言REF_Ref41\r\h[14]。Python采用了更加有效的先进架构，能够更有效地实现面向对象的编程。Python的动态特性，以及对类类编程的理解，使得其在大部分平台上都能快速开发出脚本，REF_Ref64\r\h[15],但是，由于平台的不断升级，编程语言的新功能也越来越多，所以它已经成为独立的大型项目的一种语言REF_Ref84\r\h[16]。因为Python语言的具有高度简单性、可自我识别性特点以及高度可持续扩展性,越来越多优秀的软件研发设计机构开始在一些国外项目采用了Python语言进行大规模科学的计算,部分全球的著名的高校也已经开始了使用了Python语言进行的程序开发设计教育。很多基于开放源码库的科学软件和计算科学软件中都已经提供给了Python的界面,当中也包含了著名的OpenCV、三维可视化的VTK、ITK等。在Python等编程语言中专门给出的科学数值计算类扩充类库的例子就会有更多的了,比如以下三个典型的数学运算类库：NumPy,SciPy,matplotlib，它们都是为Python之类的编程语言，提供了数组管理、数值运算和绘图等功能，所以，一个由Python编程语言和大量扩展库构成的研究环境，特别有助于工程人员管理试验数据，制作图表，或为科学研究提供统计应用。4.2系统包含的功能图4-1系统功能模块图4.2.1系统主界面图4-2主界面图4.2.2图像增强直方图均衡化首先导入sys和cv2库,使用sys.argv[1]函数加载输入的图像,在通过cv2.CvtColor函数可以将一般的照片转化为灰色的照片，使用cv2.equalizeHist函数使灰度图像的直方图平衡,在利用cv2.CvtColor函数可以把图像空间转化为YUV的空间,cv2.equalizeHist函数均衡Y通道,最后通过cv2.cvtColor函数将其转换回BGR格式,cv2.Imshow函数的输出图像。以下结果图片为直方图均衡化的结果:图4-3直方图均衡化（2）锐化处理锐化处理需要用到python的PIL库，通过PIL库导入图像和图像过滤器功能，image.Open和show函数来建立图像对象的显示,调用filter()方法完成滤波运算,用imagefilter.sharpen函数建立filter对象,让对象中有能使用锐化的矩阵，最后通过show函数显示图像。以下是图像锐化增强处理结果：图4-4锐化增强（3）中值滤波通过将邻域内的各个像素的灰度值从小到大加以排名,取其中数值为领域中像素的最大值。在OpenCV中使用medianBlur函数可以进行中间值的滤波和图像处理。图4-5中值滤波处理4.2.3图像分割（1）阈值分割使用PyCharm程序,通过import命令导入cv2、skimage、matplotlib等图像库,通过调用cv2.imread函数来读取图像,通过调用skimage.filters.threshold_*函数来实现图像阈值分割。以下是阈值分割的结果：图4-6阈值分割（2）边缘检测：边缘检测有三个方法能够实现检测,Sobel、canny、log算法,通过Python-OpenCV中的canny库就能够检测图像的界限,然后使用参数minVaL和maxVaL来设定最小最大的阈值,然后使用参数aperture_size找到图片的梯度,然后再使用参数gradient来找到梯度为弥散矩形波的公式,由此可以进行边缘检测,下面是边缘提取的结果：图4-7Sobel边缘提取图4-8canny边缘提取图4-9log边缘提取4.2.4图像变换（1）傅里叶变换：傅里叶转换主要使用python中numpy包中的fft函数来完成，首先导入numpy包，然后通过函数numpy.linespace（）设定自变量x的区间范围，通过函数numpy.cos（x）设置y的值是cos（x），使用函数plt.subplot（2.1.1）将图形分为两部分，最后使用函数numpy.fft.fft（）进行一维傅里叶变换，使用函数pit.show（）显示图像。以下图片的傅里叶变换的转换结果：图4-10傅里叶变换（2）伪彩色增强利用PyCharm编程,用import命令导入cv2，然后利用cvtColor进行色彩空间的转换从而实现图像伪彩色增强。以下是伪彩色增强的结果：图4-11伪彩色增强（3）几何变换：利用python可以基于image模块实现图象的宽度的变化、转动的视角,以及图象的倾斜,图象的缩放采用resize()成员医数,可以对图象执行缩放,可以在入参中规定缩放后的宽度,图象的转动采用成员函数rotate(),可以对图象执行转动在入参中规定按逆时针方向转动的视角,图象的倾斜采用transpose()成员函数.在入参中可以设定转换方式,从而实现图像的几何变换。以下是几何变换的结果：图4-12左旋转图4-13右旋转五、全文总结本课题的研究中，我阅读了很多有关的资料，深入的研究算法之后，认真的编写程序，本文介绍了一种以Python为核心的医学影像处理系统。本文主要完成了如下工作。程序设计方面的主要研究成果:在掌握了Python脚本语言之后,并了解Pytohn脚本脚本的编写环境之后,深入研究了现有图像处理软件系统的基本架构和组成,以及基本的图象处理算法编程方法。经典图象处理算法研究：几种典型图象处理算法的研究。在理解算法的基础上，将算法转换为Python，然后将其写入到程序中。系统在医学图像处理方面的应用:本系统主要分为以下几个模块：图像增强模块:目前的影像强化技术在临床当中使用十分普遍,Python图像处理工具包,可以简单的完成如直方图象均衡化、图像锐化处理过程。图像分割模块:生物医学图象的分离为目标分离、特征提取以及参数的量化检验创造了物质基础和必要条件,使更高层的生物医学图象理解与检验变为可能。在本模型中融合了常用的分离方法,如利用峰谷来实现图像分离,并且支援了四个最常用算子的边缘检测功能。（3）图像变换模块：图象的几何变换是利用操作界面进行图象的压缩、翻转和镜像的运算,将图象转换为可表示的图象,而灰度转换是根据一定的色彩变化关系，将源图象中的每个图象的灰度值逐个地转换成不同的灰度值,其目的是为提高画质,使图象的表示结果更为生动清晰。图像运算模块：图像计算处理技能,一般常见的计算方法分为如下几类:点计算、几何算法、代数计算和逻辑计算。本模组目前融合了一般的线性变换功能,即可对图片的亮度、对比度等作微小的调节,并支援对医疗图片的扩大、压缩、镜像等处理过程。与此同时,还在该模组中增加了目前医院普遍使用的医疗图片开窗显示技术,能够透过设定适当的窗宽、窗位实现对医疗图片的管理任务。本系统主要完成了基本的图像处理功能，可以满足图像处理的基本要求，具有很好的可扩展性，另外软件界面较为友好，当然本系统也有许多不足的地方。1.软件中的图像处理功能还应继续完善和添加。

参考文献杨璐珍.《医学图像增强处理方法的研究与实现》[J].2011,7-8.林利,王立伟.Matlab在医学图像处理中的应用[J].牡丹江医学院学报.2003,24(1):67-70.JanErikSolem,朱文涛,袁勇(译).Python计算机视觉编程[M].北京:人民邮电出版社,20