本发明涉及数据处理技术领域，具体涉及一种基于数据处理的药物崩解性能识别方法。该方法包括：采集片剂药物崩解过程中的多帧RGB图像并得到对应的灰度图像，获取每帧灰度图像中的边缘点以及药物区域，设定药物崩解的三个阶段；对于第一阶段，根据每个边缘点的梯度幅值差异以及边缘点的数量得到第一崩解程度；对于第二阶段，获取药物崩解区域的崩解程度以及药物扩散区域的扩散程度，根据崩解程度以及扩散程度得到第二崩解程度；对于第三阶段，构建药物区域对应的灰度游程矩阵计算长游程优势，根据长游程优势得到第三崩解程度；根据第一崩解程度、第二崩解程度以及第三崩解程度获取药物的崩解速度；使得获取到的崩解速度更加精准可靠。
1.一种基于数据处理的药物崩解性能识别方法，其特征在于，该方法包括以下步骤：采集连续的多帧RGB图像，所述RGB图像为片剂药物从加入溶剂到完全崩解过程中的图像；根据每帧所述RGB图像得到对应的灰度图像；对所有灰度图像进行边缘检测得到每帧灰度图像中的边缘点；
对每帧灰度图像进行阈值分割得到对应的药物区域，将药物加入溶剂后第一帧灰度图像记为初始灰度图像，所述初始灰度图像对应的药物区域记为初始药物区域，根据所述初始药物区域以及每帧灰度图像对应的药物区域设定药物崩解的第一阶段、第二阶段以及第三阶段；
对于药物崩解为第一阶段的灰度图像，计算所述边缘点与对应标准边缘点之间的梯度幅值差异，所述标准边缘点为所述初始灰度图像中的边缘点；根据所有所述梯度幅值差异以及所述边缘点的数量得到第一崩解程度；
对于药物崩解为第二阶段的灰度图像，基于每个边缘点的位置坐标进行聚类，得到药物崩解区域和药物扩散区域；获取所述药物崩解区域的崩解程度以及所述药物扩散区域的扩散程度，根据所述崩解程度以及所述扩散程度得到第二崩解程度；
对于药物崩解为第三阶段的灰度图像，构建灰度图像中药物区域对应的灰度游程矩阵，根据所述灰度游程矩阵计算长游程优势，根据所述长游程优势得到第三崩解程度；
根据所述第一崩解程度、第二崩解程度以及第三崩解程度获取药物的崩解速度；
所述根据所述初始药物区域以及每帧灰度图像对应的药物区域设定药物崩解的第一阶段、第二阶段以及第三阶段的方法，包括：获取每帧灰度图像中药物区域的面积；
当灰度图像中药物区域的面积与初始药物区域的面积差值为0时，所述灰度图像为药物崩解的第一阶段；
当灰度图像中药物区域的面积与初始药物区域的面积差值大于0，并且所述灰度图像的药物区域面积大于与其相邻前一帧灰度图像中药物区域的面积时，所述灰度图像为药物崩解的第二阶段；
当灰度图像中药物区域的面积与初始药物区域的面积差值大于0，并且所述灰度图像的药物区域面积与其相邻前一帧灰度图像中药物区域的面积相等时，所述灰度图像为药物崩解的第三阶段。
2.根据权利要求1所述的一种基于数据处理的药物崩解性能识别方法，其特征在于，所述根据所有所述梯度幅值差异以及所述边缘点的数量得到第一崩解程度的方法，包括：所述梯度幅值差异为所述边缘点与初始灰度图像中对应位置的标准边缘点之间的梯度幅值的差值；
根据每帧灰度图像中每个所述边缘点的梯度幅值差异以及所述边缘点的数量得到所述灰度图像的第一崩解程度，所述第一崩解程度的计算公式为：其中， 表示第一阶段下第 帧灰度图像对应的第一崩解程度； 表示灰度图像中边缘点的数量； 表示灰度图像中第 个边缘点对应的梯度幅值差异。
3.根据权利要求1所述的一种基于数据处理的药物崩解性能识别方法，其特征在于，所述基于每个边缘点的位置坐标进行聚类，得到药物崩解区域和药物扩散区域的方法，包括：获取每帧灰度图像中药物区域的中心点，以所述中心点为原点构建二维坐标系，从而得到每个边缘点的坐标；采用DBSCAN聚类算法对每帧灰度图像中的边缘点进行聚类得到两个类别，聚类距离为边缘点之间坐标位置的距离；
对每个类别内的边缘点进行凸包检测，边缘点数量多的类别为药物崩解区域，边缘点数量少的类别为药物扩散区域。
4.根据权利要求3所述的一种基于数据处理的药物崩解性能识别方法，其特征在于，所述获取每帧灰度图像中药物区域的中心点的方法，包括：以每帧灰度图像的左上角为原点构建直角坐标系，根据所述直角坐标系获取所述灰度图像的药物区域中每个像素点的坐标值，计算所述药物区域中所有像素点的横坐标平均值以及纵坐标平均值；所述横坐标平均值以及纵坐标平均值对应的点为所述药物区域的中心点。
5.根据权利要求4所述的一种基于数据处理的药物崩解性能识别方法，其特征在于，所述获取所述药物崩解区域的崩解程度以及所述药物扩散区域的扩散程度的方法，包括：构建所述药物崩解区域的灰度游程矩阵，基于所述灰度游程矩阵计算短游程优势；
获取所述药物崩解区域的面积，计算所述药物崩解区域的面积与初始药物区域的面积之间的比值；所述比值与所述短游程优势的乘积为所述药物崩解区域的崩解程度；
获取每帧灰度图像对应的饱和度图像，基于所述饱和度图像获取每个像素点的饱和度以及每个药物区域的中心点的饱和度，药物区域的中心点的饱和度为初始饱和度；
获取所述药物扩散区域的面积，计算所述药物扩散区域和药物崩解区域中每个像素点与药物区域的中心点之间的距离，获取每个方向上药物崩解区域中像素点与药物区域的中心点之间的最大距离；
其中， 表示药物扩散区域的扩散程度； 表示药物扩散区域中第 个像素点对应的饱和度； 表示中心点对应的初始饱和度； 表示药物扩散区域中所有像素点的数量； 表示药物扩散区域的面积； 表示药物扩散区域中第 个像素点与中心点之间的距离；
表示在中心点到药物扩散区域中第 个像素点的方向上，药物崩解区域中像素点与中心点之间的最大距离。
6.根据权利要求5所述的一种基于数据处理的药物崩解性能识别方法，其特征在于，所述根据所述崩解程度以及所述扩散程度得到第二崩解程度的方法，包括：获取所述药物崩解区域的面积与所述药物区域总面积的比值为所述崩解程度的权值，获取所述药物扩散区域的面积与所述药物区域总面积的比值为所述扩散程度的权重，对所述崩解程度和所述扩散程度加权求和得到第二崩解程度。
7.根据权利要求1所述的一种基于数据处理的药物崩解性能识别方法，其特征在于，所述根据所述长游程优势得到第三崩解程度的方法，包括：获取药物区域的每段游程中每个像素点与药物区域的中心点之间的距离，以所述距离对所述长游程优势进行修正得到第三崩解程度，所述第三崩解程度的计算公式为：其中， 表示第三阶段下第 帧灰度图像的第三崩解程度； 表示在药物区域中第 个灰度级的像素点连续出现第 个长度的次数；表示药物区域中灰度级的数量；表示药物区域中相同灰度级所游走的最大长度； 表示每段游程中第 个像素点与药物区域的中心点之间的距离； 表示指数函数运算； 表示灰度游程矩阵的长游程优势。
8.根据权利要求1所述的一种基于数据处理的药物崩解性能识别方法，其特征在于，所述根据所述第一崩解程度、第二崩解程度以及第三崩解程度获取药物的崩解速度的方法，包括：获取第一阶段、第二阶段以及第三阶段对应的灰度图像的数量，所述崩解速度的计算公式为：其中，表示崩解速度； 表示第 个阶段下第 帧灰度图像对应的第 崩解程度；
表示第 个阶段下第 帧灰度图像对应的第 崩解程度； 表示第 个阶段下灰度图像的数量； 表示所有阶段下灰度图像的总数量。
一种基于数据处理的药物崩解性能识别方法
技术领域
[0001] 本发明涉及数据处理技术领域，具体涉及一种基于数据处理的药物崩解性能识别方法。
背景技术
[0002] 一般口服固体制剂在服药后必须经过吸收进行血液循环，直至达到一定的血药浓度后才能奏效，因此药物从制剂内崩解释放出并溶解于体液是药物被吸收的前提，药物从固体制剂中溶出的过程通常为吸收过程的限速阶段，因此溶出速度是固体制剂质量控制的一个重要指标。固体制剂中的药物在被吸收前，必须经过崩解和溶解然后转为溶液的过程，而片剂的崩解是药物溶出的第一步，为了使药物能够迅速发挥药效，除了缓释片以及某些特殊用途的片剂以外，一般的片剂中都加有崩解剂；崩解剂是指能够使片剂在溶剂中迅速裂碎成细小颗粒的物质，使片剂中功能成分被迅速溶解吸收从而发挥作用；不同溶剂包括水、人工胃液以及人工肠液等透明溶剂。
[0003] 药物崩解的速度越快，表明药物释放速度越快，但是在药物的研发配制过程中，崩解剂的用量难以把握，进而导致研发的药物溶解速度难以控制；如果药物崩解速度缓慢，则药物的吸收速度可能会出现问题；另外，由于某些药物的药理作用剧烈，安全指数小，如果药物崩解速度太快导致吸收迅速，可能产生明显的不良反应，维持药效的时间也将缩短；因此在片剂药物的研发配制阶段，通常需要对药物在不同溶剂中崩解的速度进行检测，以进一步确定崩解剂的含量是否合理，从而实现片剂的质量控制。
[0004] 现有对片剂药物进行崩解速度的检测方法可以采用机器视觉检测，但大多数基于机器视觉对药物崩解过程分析时往往只考虑到药物面积与体积的变化，忽略了不同时间下药物细节纹理的变化，对药物崩解速度的评估存在较大误差，进而导致根据药物崩解速度判断药物崩解剂是否达到预期的结果不够准确，不能准确辅助药物研发。
发明内容
[0005] 为了解决上述技术问题，本发明的目的在于提供一种基于数据处理的药物崩解性能识别方法，该方法包括以下步骤：
[0006] 采集连续的多帧RGB图像，所述RGB图像为片剂药物从加入溶剂到完全崩解过程中的图像；根据每帧所述RGB图像得到对应的灰度图像；对所有灰度图像进行边缘检测得到每帧灰度图像中的边缘点；
[0007] 对每帧灰度图像进行阈值分割得到对应的药物区域，将药物加入溶剂后第一帧灰度图像记为初始灰度图像，所述初始灰度图像对应的药物区域记为初始药物区域，根据所述初始药物区域以及每帧灰度图像对应的药物区域设定药物崩解的第一阶段、第二阶段以及第三阶段；
[0008] 对于药物崩解为第一阶段的灰度图像，计算所述边缘点与对应标准边缘点之间的梯度幅值差异，所述标准边缘点为所述初始灰度图像中的边缘点；根据所有所述梯度幅值差异以及所述边缘点的数量得到第一崩解程度；
[0009] 对于药物崩解为第二阶段的灰度图像，基于每个边缘点的位置坐标进行聚类，得到药物崩解区域和药物扩散区域；获取所述药物崩解区域的崩解程度以及所述药物扩散区域的扩散程度，根据所述崩解程度以及所述扩散程度得到第二崩解程度；
[0010] 对于药物崩解为第三阶段的灰度图像，构建灰度图像中药物区域对应的灰度游程矩阵，根据所述灰度游程矩阵计算长游程优势，根据所述长游程优势得到第三崩解程度；
[0011] 根据所述第一崩解程度、第二崩解程度以及第三崩解程度获取药物的崩解速度。
[0012] 优选的，所述根据所述初始药物区域以及每帧灰度图像对应的药物区域设定药物崩解的第一阶段、第二阶段以及第三阶段的方法，包括：
[0013] 获取每帧灰度图像中药物区域的面积；
[0014] 当灰度图像中药物区域的面积与初始药物区域的面积差值为0时，所述灰度图像为药物崩解的第一阶段；
[0015] 当灰度图像中药物区域的面积与初始药物区域的面积差值大于0，并且所述灰度图像的药物区域面积大于与其相邻前一帧灰度图像中药物区域的面积时，所述灰度图像为药物崩解的第二阶段；
[0016] 当灰度图像中药物区域的面积与初始药物区域的面积差值大于0，并且所述灰度图像的药物区域面积与其相邻前一帧灰度图像中药物区域的面积相等时，所述灰度图像为药物崩解的第三阶段。
[0017] 优选的，所述根据所有所述梯度幅值差异以及所述边缘点的数量得到第一崩解程度的方法，包括：
[0018] 所述梯度幅值差异为所述边缘点与初始灰度图像中对应位置的标准边缘点之间的梯度幅值的差值；
[0019] 根据每帧灰度图像中每个所述边缘点的梯度幅值差异以及所述边缘点的数量得到所述灰度图像的第一崩解程度，所述第一崩解程度的计算公式为：
[0020]
[0021] 其中， 表示第一阶段下第 帧灰度图像对应的第一崩解程度； 表示灰度图像中边缘点的数量； 表示灰度图像中第 个边缘点对应的梯度幅值差异。
[0022] 优选的，所述基于每个边缘点的位置坐标进行聚类，得到药物崩解区域和药物扩散区域的方法，包括：
[0023] 获取每帧灰度图像中药物区域的中心点，以所述中心点为原点构建二维坐标系，从而得到每个边缘点的坐标；采用DBSCAN聚类算法对每帧灰度图像中的边缘点进行聚类得到两个类别，聚类距离为边缘点之间坐标位置的距离；
[0024] 对每个类别内的边缘点进行凸包检测，边缘点数量多的类别为药物崩解区域，边缘点数量少的类别为药物扩散区域。
[0025] 优选的，所述获取每帧灰度图像中药物区域的中心点的方法，包括：
[0026] 以每帧灰度图像的左上角为原点构建直角坐标系，根据所述直角坐标系获取所述灰度图像的药物区域中每个像素点的坐标值，计算所述药物区域中所有像素点的横坐标平均值以及纵坐标平均值；所述横坐标平均值以及纵坐标平均值对应的点为所述药物区域的中心点。
[0027] 优选的，所述获取所述药物崩解区域的崩解程度以及所述药物扩散区域的扩散程度的方法，包括：
[0028] 构建所述药物崩解区域的灰度游程矩阵，基于所述灰度游程矩阵计算短游程优势；
[0029] 获取所述药物崩解区域的面积，计算所述药物崩解区域的面积与初始药物区域的面积之间的比值；所述比值与所述短游程优势的乘积为所述药物崩解区域的崩解程度；
[0030] 获取每帧灰度图像对应的饱和度图像，基于所述饱和度图像获取每个像素点的饱和度以及每个药物区域的中心点的饱和度，药物区域的中心点的饱和度为初始饱和度；
[0031] 获取所述药物扩散区域的面积，计算所述药物扩散区域和药物崩解区域中每个像素点与药物区域的中心点之间的距离，获取每个方向上药物崩解区域中像素点与药物区域的中心点之间的最大距离；
[0032] 所述扩散程度的计算公式为：
[0033]
[0034] 其中， 表示药物扩散区域的扩散程度； 表示药物扩散区域中第 个像素点对应的饱和度； 表示中心点对应的初始饱和度； 表示药物扩散区域中所有像素点的数量；表示药物扩散区域的面积； 表示药物扩散区域中第 个像素点与中心点之间的距离；
表示在中心点到药物扩散区域中第 个像素点的方向上，药物崩解区域中像素点与中心点之间的最大距离。
[0035] 优选的，所述根据所述崩解程度以及所述扩散程度得到第二崩解程度的方法，包括：
[0036] 获取所述药物崩解区域的面积与所述药物区域总面积的比值为所述崩解程度的权值，获取所述药物扩散区域的面积与所述药物区域总面积的比值为所述扩散程度的权重，对所述崩解程度和所述扩散程度加权求和得到第二崩解程度。
[0037] 优选的，所述根据所述长游程优势得到第三崩解程度的方法，包括：
[0038] 获取药物区域的每段游程中每个像素点与药物区域的中心点之间的距离，以所述距离对所述长游程优势进行修正得到第三崩解程度，所述第三崩解程度的计算公式为：
[0039]
[0040] 其中， 表示第三阶段下第 帧灰度图像的第三崩解程度； 表示在药物区域中第 个灰度级的像素点连续出现第 个长度的次数；表示药物区域中灰度级的数量；表示药物区域中相同灰度级所游走的最大长度； 表示每段游程中第 个像素点与药物区域的中心点之间的距离； 表示指数函数运算； 表示灰度游程矩阵的长游程优势。
[0041] 优选的，所述根据所述第一崩解程度、第二崩解程度以及第三崩解程度获取药物的崩解速度的方法，包括：
[0042] 获取第一阶段、第二阶段以及第三阶段对应的灰度图像的数量，所述崩解速度的计算公式为：
[0043]
[0044] 其中，表示崩解速度； 表示第 个阶段下第 帧灰度图像对应的第 崩解程度； 表示第 个阶段下第 帧灰度图像对应的第 崩解程度； 表示第 个阶段下灰度图像的数量； 表示所有阶段下灰度图像的总数量。
[0045] 本发明具有如下有益效果：通过对药物崩解过程中药物区域面积的变化将药物崩解过程划分三个阶段，对每个阶段的药物区域的特征进行分析，结合梯度、灰度游程矩阵以及饱和度等多个因素获取每个阶段对应的崩解程度，基于每个阶段对应的崩解程度得到药物崩解的崩解速度，不仅考虑了药物的面积变化，还增加了对药物崩解过程中纹理细节的分析，基于药物崩解过程中的多个因素得到药物崩解速度的可靠性较高，计算出的药物崩解速度的结果更加准确。
附图说明
[0046] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0047] 图1为本发明一个实施例所提供的一种基于数据处理的药物崩解性能识别方法流程图；
[0048] 图2为本发明一个实施例所提供的一种药物崩解过程示意图。
具体实施方式
[0049] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于数据处理的药物崩解性能识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0050] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0051] 本申请适用于对阿奇霉素片药物崩解过程中崩解速度的分析，下面结合附图具体的说明本发明所提供的一种基于数据处理的药物崩解性能识别方法的具体方案。
[0052] 请参阅图1，其示出了本发明一个实施例提供的一种基于数据处理的药物崩解性能识别方法流程图，该方法包括以下步骤：
[0053] 步骤S100，采集连续的多帧RGB图像，RGB图像为片剂药物从加入溶剂到完全崩解过程中的图像；根据每帧RGB图像得到对应的灰度图像；对所有灰度图像进行边缘检测得到每帧灰度图像中的边缘点。
[0054] 具体的，布置相机对药物崩解的过程进行图像采集，药物崩解的过程是指药物从加入到溶剂中开始直至完全崩解的过程，获取药物崩解的过程中的连续多帧RGB图像，对每帧RGB图像进行灰度化处理得到对应的灰度图像；相应的，将每帧RGB图像转换到HSV空间中得到对应的HSV图像，本发明实施例中主要依据色彩的饱和程度进行分析，因此获取每帧HSV图像在饱和度S通道对应的饱和度图像。
[0055] 需要说明的是，本发明实施例中对药物崩解过程进行图像采集时使用微距延时摄影技术，采集时设置相机镜头与药物距离尽可能近，尽量避免光照对RGB图像产生影响。
[0056] 进一步的，对每帧灰度图像进行边缘检测，得到每帧灰度图像中的边缘点，本发明实施例中边缘检测的方法采用Sobel算子，Sobel算子为现有公知方法，不再赘述。
[0057] 步骤S200，对每帧灰度图像进行阈值分割得到对应的药物区域，将药物加入溶剂后第一帧灰度图像记为初始灰度图像，初始灰度图像对应的药物区域记为初始药物区域，根据初始药物区域以及每帧灰度图像对应的药物区域设定药物崩解的第一阶段、第二阶段以及第三阶段。
[0058] 具体的，对每帧灰度图像中的药物区域进行获取，本发明实施例中采用阈值分割的方法得到每帧灰度图像的药物区域进行识别，获取每帧灰度图像中药物区域的面积；为便于后续的分析比较，将药物刚加入到溶剂时采集的第一帧RGB图像对应的灰度图像作为初始灰度图像，初始灰度图像中的药物区域为初始药物区域。
[0059] 药物崩解的过程先是逐渐崩解破坏药物的表面，然后药物开始向四周进行扩散，扩散的同时伴随着药物的崩解；当药物全部崩解完成后，药物转换为颗粒状，然后颗粒状的药物继续崩解直至颗粒状药物消失完成药物的崩解过程。由于药物崩解的较为缓慢，因此在崩解的不同阶段时，药物均对应不同的现象，例如在崩解的初始阶段，溶出的药物不足以达到扩散的现象，但是在药物的边缘会发生模糊现象；由此可根据药物的变化情况对药物崩解的不同阶段进行划分。
[0060] 由于不同崩解阶段之间变化最直观的是药物区域，因此本发明实施例中基于药物区域的面积对不同崩解阶段进行识别划分；计算相邻两帧灰度图像中药物区域面积的差值，若差值为0，则说明在这两帧灰度图像中药物区域未发生扩散；随着崩解时间的增加，药物在崩解过程中，崩解出的颗粒物会在药物周边堆积并且随着随机面积的增大，从而推动药物颗粒向周边扩散，当崩解完成之后，不会再推动药物向周边扩散；因此当相邻两帧灰度图像中药物区域面积未发生变化时，可能是由于短时间内药物崩解完成而导致扩散面积不再变化的情况，因此结合初始灰度图像中的初始药物区域的面积进行分析。
[0061] 根据不同灰度图像中药物区域的面积将药物崩解过程划分为以下三个阶段：
[0062] 其中，第一阶段为初始崩解阶段，此时灰度图像对应药物区域的面积与初始药物区域的面积之间的差值为0，即 ； 表示第 帧灰度图像对应的药物区域的面积； 表示初始药物区域的面积。
[0063] 第二阶段为药物崩解阶段，此时灰度图像对应药物区域的面积与初始药物区域的面积之间的差值大于0，即 ；同时，由于药物发生崩解导致药物扩散，此时相邻两帧灰度图像之间药物区域的面积存在差异，即 ；其中， 表示第帧灰度图像对应的药物区域的面积。
[0064] 第三阶段为崩解完成阶段，由于药物崩解完成也即是崩解完成时，此时药物区域的面积不再变化，且药物区域面积大于初始药物区域的面积，即 且。
[0065] 步骤S300，对于药物崩解为第一阶段的灰度图像，计算边缘点与对应标准边缘点之间的梯度幅值差异，标准边缘点为初始灰度图像中的边缘点；根据所有梯度幅值差异以及边缘点的数量得到第一崩解程度。
[0066] 由步骤S200中将药物崩解过程划分为三个阶段，对每个阶段的崩解程度进行分析；请参阅图2，其示出一种药物崩解过程示意图；沿着图中箭头走向记为图像1‑图像4；图像1表示药物初始崩解的第一阶段，药物面积未发生变化，图像2与图像3表示药物崩解中的第二阶段，药物发生崩解并且逐渐扩散，图像4表示药物崩解完成的第三阶段，药物区域的面积不再发生变化。
[0067] 在对第一阶段的灰度图像进行分析时，由于药物未发生四周扩散的现象，因此此时只需要根据药物区域的边缘点进行评估。
[0068] 由步骤S100中对所有灰度图像均进行边缘检测得到其中的边缘点，由此可得到每帧灰度图像中药物区域的边缘点，获取每个边缘点的梯度幅值差异，该梯度幅值差异是指该边缘点与初始灰度图像中对应位置的标准边缘点之间梯度幅值的差值，梯度幅值差异越大，表明药物发生的崩解情况越大，梯度幅值的计算为现有公知技术，不再赘述。
[0069] 基于每帧灰度图像中边缘点对应的梯度幅值差异以及边缘点的数量得到每帧灰度图像对应的第一崩解程度为：
[0070]
[0071] 其中， 表示第一阶段下第 帧灰度图像对应的第一崩解程度； 表示灰度图像中边缘点的数量； 表示灰度图像中第 个边缘点对应的梯度幅值差异。
[0072] 以此类推，根据第一阶段下每帧灰度图像中边缘点的数量以及每个边缘点的梯度幅值差异得到该灰度图像对应的第一崩解程度。
[0073] 步骤S400，对于药物崩解为第二阶段的灰度图像，基于每个边缘点的位置坐标进行聚类，得到药物崩解区域和药物扩散区域；获取药物崩解区域的崩解程度以及药物扩散区域的扩散程度，根据崩解程度以及扩散程度得到第二崩解程度。
[0074] 具体的，当药物崩解处于第二阶段时，药物本身的形状发生了崩解，因此药物边缘点的位置发生变化；考虑到药物在第二阶段时出现四周扩散的现象，且该阶段中药物崩解为颗粒状，因此第二阶段中的药物区域可以划分为药物崩解区域和药物扩散区域。
[0075] 药物崩解区域是药物由片状转换为颗粒状的区域，该区域的边缘特征较为明显，但是由于颗粒状的药物相对于片状的药物纹理复杂度变大，并且随着颗粒状的药物进一步崩解向四周进行扩散，从而使得药物扩散区域存在渐变的特征，导致药物扩散区域中的边缘点较为模糊；本发明实施例中对药物崩解区域以及药物扩散区域的区分方法如下：
[0076] 首先，构建每帧灰度图像中的二维坐标系；以每帧灰度图像的左上角为原点构建初始的直角坐标系，根据该直角坐标系获取每帧灰度图像内药物区域中各个像素点的横坐标的平均值，以及各个像素点的纵坐标的平均值，以横坐标的平均值和纵坐标的平均值对应的点作为药物区域的中心点，以该中心点为坐标原点重新构建二维坐标系；同时根据饱和度图像中对应中心点位置的饱和度值作为该药物区域的初始饱和度。
[0077] 然后，基于二维坐标系获取每帧灰度图像中药物区域的边缘点的坐标，基于所有边缘点的坐标位置进行聚类，聚类的方法采用DBSCAN聚类算法，将所有的边缘点根据坐标位置聚为两个类别；由于药物崩解区域的边缘特征明显具备较多的边缘点，因此类别中边缘点数量多的一个类别为药物崩解区域的边缘点，对药物崩解区域的边缘点进行凸包检测得到灰度图像中的药物崩解区域；相应的，另外一个类别中的边缘点为药物扩散区域的边缘点，对药物扩散区域的边缘点进行凸包检测得到灰度图像中的药物扩散区域。
[0078] 进一步的，根据得到的第二阶段中每个灰度图像中的药物崩解区域以及药物扩散区域进行崩解程度的分析；构建药物崩解区域的灰度游程矩阵，灰度游程矩阵的行数为药物崩解区域中所有灰度级的数量，灰度游程矩阵的列数为相同灰度级所游走的最大长度，该灰度游程矩阵的构建方向为 方向，其中第 行第 列的数据 表示在药物崩塌区域中第 个灰度级的像素点连续出现第 个长度的次数；颗粒物越多表明药物崩解区域的崩解程度越大，且颗粒物越多药物崩解区域的短游程优势越大，因此基于药物崩解区域的灰度游程矩阵计算短游程优势，然后根据短游程优势获取药物崩解区域的崩解程度为：
[0079]
[0080] 其中， 表示药物崩解区域的崩解程度； 表示药物崩解区域的短游程优势，用于表示药物崩解区域表面的纹理复杂度； 表示在药物崩解区域中第 个灰度级的像素点连续出现第 个长度的次数；表示药物崩解区域中灰度级的数量；表示药物崩解区域中相同灰度级所游走的最大长度； 表示药物崩解区域的面积； 表示初始药物区域的面积。
[0081] 由于药物崩解之后，崩解产生的颗粒物会在药物的周边堆积，因此药物崩解区域的面积会增大，药物表面的纹理复杂度越高，因此基于药物崩解区域的面积以及药物崩解区域表面的纹理复杂度表示此时的崩解程度。
[0082] 进一步的，获取药物扩散区域的扩散程度；药物扩散区域中与药物崩解区域距离越近的位置，所包含的药物量越多，因此该位置像素点的饱和度越趋近于中心点的初始饱和度，中心点为上述获取的药物区域的中心点；获取任意方向上与中心点之间距离最大时对应在药物崩解区域中的像素点、以及药物扩散区域中每个像素点与中心点之间的距离，基于此获取该药物扩散区域的扩散程度为：
[0083]
[0084] 其中， 表示药物扩散区域的扩散程度； 表示药物扩散区域中第 个像素点对应的饱和度； 表示中心点对应的初始饱和度； 表示药物扩散区域中所有像素点的数量；表示药物扩散区域的面积； 表示药物扩散区域中第 个像素点与中心点之间的距离；
表示在中心点到药物扩散区域中第 个像素点的方向上，药物崩解区域中像素点与中心点之间的最大距离。
[0085] 药物扩散区域的面积越大，表明扩散程度越大；药物扩散区域中所有像素点到中心点之间的距离与在每个像素点对应方向上与中心点的最大距离的差值越大，说明药物扩散范围越大，进而表征药物扩散区域的扩散程度越大。
[0086] 根据药物崩解区域的崩解程度以及药物扩散区域的扩散程度获取第二阶段中对应药物区域的第二崩解程度，以药物崩解区域以及药物扩散区域所占面积的比例作为对应的权重，则第二崩解程度的计算方法为：
[0087]
[0088] 其中， 表示第二阶段下第 帧灰度图像的第二崩解程度； 表示药物崩解区域的崩解程度； 表示药物扩散区域的扩散程度； 表示药物崩解区域的面积； 表示药物扩散区域的面积； 表示第 帧灰度图像中药物区域的总面积。
[0089] 步骤S500，对于药物崩解为第三阶段的灰度图像，构建灰度图像中药物区域对应的灰度游程矩阵，根据灰度游程矩阵计算长游程优势，根据长游程优势得到第三崩解程度。
[0090] 具体的，当药物崩解在第三阶段时，药物由片剂形状转化为颗粒状且药物本身的边缘丢失，然后随着颗粒状药物继续崩解直至颗粒状药物边缘消失时，药物完全崩解。在此阶段中，由于药物崩解区域逐渐转换为药物扩散区域，因此构建此时药物区域的灰度游程矩阵，根据所述灰度游程矩阵计算对应的长游程优势，为了使得结果更加准确，本发明实施例中对长游程优势计算时，以每段游程中每个像素点相对于中心点的距离对长游程优势进行修正，从而获取药物区域的第三崩解程度为：
[0091]
[0092] 其中， 表示第三阶段下第 帧灰度图像的第三崩解程度； 表示在药物区域中第 个灰度级的像素点连续出现第 个长度的次数；表示药物区域中灰度级的数量；表示药物区域中相同灰度级所游走的最大长度； 表示每段游程中第 个像素点与药物区域的中心点之间的距离； 表示指数函数运算； 表示灰度游程矩阵的长游程优势，通过每段游程中像素点与药物区域的中心点之间的距离作为长游程优势的修正，越靠近药物区域中心点的游程在评估第三崩解程度时所占比重越大。
[0093] 步骤S600，根据第一崩解程度、第二崩解程度以及第三崩解程度获取药物的崩解速度。
[0094] 由步骤S300、步骤S400以及步骤S500中得到每个阶段下的灰度图像对应的第一崩解程度、第二崩解程度以及第三崩解程度；统计第一阶段、第二阶段以及第三阶段下分别对应的灰度图像的数量；根据各个阶段下灰度图像的数量以及每帧灰度图像的崩解程度获取药物的崩解速度，崩解速度为：
[0095]
[0096] 其中，表示崩解速度； 表示第 个阶段下第 帧灰度图像对应的第 崩解程度； 表示第 个阶段下第 帧灰度图像对应的第 崩解程度； 表示第 个阶段下灰度图像的数量； 表示所有阶段下灰度图像的总数量； 表示第 个阶段占整个崩解过程的比例，占比越高则该阶段越可能为药物崩解的主要阶段。
[0097] 由此可根据每个阶段下对应的崩解程度以及灰度图像的数量对药物的崩解速度进行评估计算，同一阶段下相邻帧灰度图像之间崩解程度的差异越大，则对应的药物崩解速度越大，并结合每个阶段下对应灰度图像的数量，侧面反映出每个阶段中药物崩解的时间；如果药物的崩解速度极为缓慢，则该药物的吸收速度可能会存在问题，并且对于一些药理作用剧烈的药物，如果崩解速度过快可能会产生明显的不良反应，因此可基于药物的崩解速度对药物中崩解剂是否达到预期进行判断，且得到的崩解速度可用于辅助后续药物的研发。
[0098] 综上所述，本发明实施例中通过获取药物崩解过程中的多帧灰度图像以及对应的饱和度图像进行分析，获取每张灰度图像中的边缘点以及药物区域，根据药物区域的面积的变化对整个药物崩解过程进行划分得到多个阶段；对于第一阶段，基于灰度图像中边缘点的梯度幅值差异以及边缘点数量获取第一崩解程度；对于第二阶段，将每帧灰度图像中的药物区域划分为药物崩解区域和药物扩散区域，获取药物崩解区域的崩解程度以及药物扩散区域的扩散程度，根据崩解程度和扩散程度得到第二崩解程度；对于第三阶段，构建每帧灰度图像中药物区域的灰度游程矩阵，根据灰度游程矩阵的长游程优势得到第三崩解程度；最终根据各个阶段的崩解程度综合分析得到该药物的崩解速度，对药物崩解过程分阶段分析得到的结果更加可靠，且基于图像数据的处理更加便捷和精准。
[0099] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0100] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0101] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
