林丽红 周文强 罗冠泰 张陈涛＊

1 福建（泉州）哈工大工程技术研究院 （福建 泉州 362000）

2 泉州市中医院 （福建 泉州 362000）

内容提要：采用足底压力测量板采集足底压力数据，运用双线性插值的方法对图像上采样，以提高图像分辨率并平滑图像。根据采集数据的噪声特点提出了加权的中值滤波方法，与传统中值滤波方法相比，既滤除了图像的噪声信息，也保留图像的细节数据信息。根据足底各区域的比例关系，实现足底区域分割。

足底是人体站立时与支撑表面相互接触作用的唯一部位，足底压力分析研究对人体站立和行走有着重要的意义[1]。足底压力检测可帮助医师诊断足部疾病如足跟痛、筋膜炎、足跟骨刺增生等或有不良习惯等导致的潜在风险。足底压力测量技术发展过程经历了直接足印法、足底压力扫描、测力板、测力台、压力板、压力鞋及鞋垫[2,3]。

本文采用足底压力测量板采集足底压力数据，对图像数据进行去噪、平滑等预处理，再提取足底图像区域并识别方位，以此进行足底的区域分割，可辅助医师判断足部是否存在问题或者用于个性化鞋垫定制。

1.足底压力测量设备

足底压力测量板主要由柔性阵列式压力传感器组成，传感器采用PET薄膜作为基材制作的电子元器件，工作时随着施加在传感器表面压力的增加对应的电阻值变小。本文采用的传感器阵列排布为52×44，一共2288个传感器单元，如图1所示，正面和背面分别按照列和行分布引线。当人站在测量板表面时，传感器受到表面压力产生压阻效应，通过高速运放和AD转换芯片将压力传感器产生的电压转换为数字信号。当对全部传感单元进行一次有效采样后，控制器对采样数据进行打包，采用USB通信方式向上位机输出采样的数据[4]。

图1. 压力传感器（注：1a.正面；1b.背面）

上位机获得的采样数据并不是实际的足底压力值，该采样数据与实际值呈线性比例关系，由前期标定可获得该比例系数，由此可得到足底压力分布矩阵。

2.足底压力图像采集及预处理

上位机获得足底压力测量板输出的压力分布矩阵，矩阵的行列数与传感器的力敏点的行列数量一致。为了反应足底的不同区域在整个走步过程中的压力分布情况，本文以平均足底压力图像特征作为分析数据，平均足底压力图像即每个像素点的值为整个时间周期上该像素点压力的平均值[5]。采集的足底压力灰度图像如图2所示。

图2. 足底压力灰度图

原始的压力图像分辨率比较低，为了更清晰地观察压力分布情况，对图像进行放大处理，本文采用的上采样算法为双线性插值法，内插的像素值由相邻的四个像素值决定[6]。如公式（1）所示。

经上采样后的图像显得更加平滑和清晰，为了更直观观察压力分布情况，再把图像转换成RGB云图，如图3所示。

图3. 足底压力RGB图

3.图像去噪及分割

采集图像过程中传感器会受到干扰，容易引入噪声，进行图像分析前需对图像进行去噪处理。采集的足底图像噪声多数为椒盐噪点和片状噪声，如图4所示。使用中值滤波可以有效去除椒盐噪点[7]。如图5为经过中值滤波后的图像，算法可滤除噪声信息，但同时使得边界信息模糊，尤其脚趾区域得细节信息被滤除。

图4. 带噪声的压力图

图5. 中值滤波去噪后的图像

根据图像的噪点像素值一般较小，分布比较离散，梯度较小且与足部主体区域距离较大的特点，本文提出了加权中值滤波算法，如公式（2）表示。

注：g(x)—去噪处理后的数据；f(x)—原始数据；wi—邻域内像素的权重值；▽fi—当前像素点到各邻域点的梯度值；d(x,y)—当前像素点到足部主体的距离。

采用以上算法可去除足部区域外的噪声信息，为避免足部中间区域的模糊，以过滤后的足部区域作为模板，获取原始图像的足部感兴趣区域，如图6所示，图像滤除了噪声信息，同时保留了脚趾部分的有效数据。

图6. 本文算法去噪后的压力图

图7. 足底分割图

4.小结

本文采用了足底压力测量板获取足底压力数据，为更好地研究足部压力分布状况，需先对数据进行预处理，文中用双线性插值法进行图像放大，提高图像的分辨率且使图像显得平滑。根据采集图像的噪声特点，文中提出了一种加权的中值滤波算法，与传统中值滤波算法相比，不仅有效滤除噪声信息，且保留了足底图像的细节信息，尤其是脚趾区域的数据。文章最后还对足底进行分割，以根据各个区域的压力分布情况辅助医师做诊断或者进行个性化鞋垫定制。