CN101540040B - 自动检测限束器边界的方法与装置 - Google Patents

自动检测限束器边界的方法与装置 Download PDF

Info

Publication number
CN101540040B
CN101540040B CN2008100661475A CN200810066147A CN101540040B CN 101540040 B CN101540040 B CN 101540040B CN 2008100661475 A CN2008100661475 A CN 2008100661475A CN 200810066147 A CN200810066147 A CN 200810066147A CN 101540040 B CN101540040 B CN 101540040B
Authority
CN
China
Prior art keywords
defining clipper
image
border
straight line
automatic detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN2008100661475A
Other languages
English (en)
Other versions
CN101540040A (zh
Inventor
饶玉明
孙文武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Mindray Bio Medical Electronics Co Ltd
Original Assignee
Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Mindray Bio Medical Electronics Co Ltd filed Critical Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority to CN2008100661475A priority Critical patent/CN101540040B/zh
Priority to US12/345,475 priority patent/US8135191B2/en
Publication of CN101540040A publication Critical patent/CN101540040A/zh
Application granted granted Critical
Publication of CN101540040B publication Critical patent/CN101540040B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10116X-ray image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing

Abstract

本发明公开了一种自动检测限束器边界或区域的方法与装置,所述方法主要包括用于读取通过X射线成像系统获得的影像的读取步骤,用于检测X射线影像上前景和背景、前景和组织之间的过渡点的检测步骤,以及利用这些检测到的过渡点,通过HT或RT变换,检测前景和背景、前景和组织之间的边界直线的变换步骤。该检测方法与装置计算简单、检测率高、能够有效地解决漏检和假阳性问题。

Description

自动检测限束器边界的方法与装置
技术领域
本发明涉及一种X射线影像处理方法与装置,特别是涉及一种自动检测X射线影像中的限束器边界或区域的方法与装置。
背景技术
在X射线影像中,限束器(Collimator,也称为束光器,遮光器等)区域通常称为前景(Foreground)。前景影像是无用信息,在X射线影像的增强处理中,常常需要将这一区域的像素去除,避免无用信息对图像增强处理的影响,使增强效果更好,影像的质量更优。限束器裁剪可以分为自动裁剪和手动裁剪。然而,手动裁剪有一定的弊端,一方面手动裁剪增加了临床放射科技师的工作量,由此降低了临床摄片的效率;另一方面手动裁剪必须是影像后处理后才能进行,那么前景的无用信息已经和有用的解剖组织信息一起被分析和处理,严重影响了图像的分析和处理,降低了影像品质,而且数据量增大使后处理速度变慢。由于X射线散射,ROI区域(在这里ROI区域特指影像上除去前景区域后剩下的区域)与前景之间的过渡变得很复杂;同时可能由于高密度组织的关系或者为了减少X射线剂量导致的曝光不足,导致组织与前景边界不分明,对比度太低;或者由于估计不足的大剂量曝光导致多区域(包括限束器区域)被X射线打透,在影像上限束器区域变得异常的不规则;另外,各类特殊的拍摄体位导致影像上表现的限束器边界为不规则多边形等。这些因素常常导致利用传统常用的边缘检测方法去检测限束器边界是无效的,从而使限束器区域自动识别变得困难。
目前的X射线成像系统中或早些时候的X射线成像系统中,限束器边缘(Collimation Edge)定位是依靠定位器(X射线球管或者限束器的运动控制装置)反馈的限束器位置信息,这种定位器被固定在X射线成像设备中。临床拍摄X射线影像时,需根据不同体位的需要,常常可能要求探测器或者球管处于旋转的状态,这样使得定位器反馈的信息可能不能直接使用,或者成为完全没用的信息。另外,在可移动的床边机(简便式X射线成像系统)没有这种类似的定位器。事实上,由于机械原因或者系统原因,存在着球管和探测器的中心吻合的不是很好,导致定位器获取的限束器位置信息无法正确地用在影像上进行限束器边界的定位,加之由于X射线的散射等原因,使定位器提供的边界信息并不精确。甚至在一些早期的X射线成像系统中,由于定位器和控制台可能并不存在通讯接口,使得这些数据不能被传输,那么只能通过临床技师根据具体影像情况手动定位或裁减影像上限束器的边界。
按照一种现有技术介绍的检测限束器边界的方法,首先,通过四个属性(幅度、跨度、背景偏差、最大斜率)和最小均方误差方程来选取前景和背景之间的过渡点,而通过类似的方法,弱化这些条件,增加像素灰度值控制等方法,确定前景和组织之间的过渡点,同时将满足部分特征的点,标示为其它类过渡点,将这些过渡点依次标示为相应等级。其中前景和背景的过渡点等级最高,前景和组织之间的过渡点次之,其他过渡点最低。然后,利用这些过渡点进行霍夫变换,不同等级的点在霍夫空间中被赋与的权值是不同的(等级高的过渡点获得的霍夫权值也相应的高),通过满足霍夫变换阈值的限定条件将检测到的直线确定为候选直线。接着,基于单曝光假设,可以确定限束器边界不能在背景中,限束器边界两边的动态范围不能太相似,限束器边界的间断点数量不能太多,限束器边界要有持续不变的极性,限束器边界要相对直。通过上述准则设计一系列的特征控制用来排除不合适的限束器边界候选直线。通过上述判断的直线,也就经过了线(line)级别的测试。然后,在这些直线中找出最满足限束器边界的组合,这一抉择是区域级别的判断,利用线对之间的几何和区域属性(包括平行性,正交性,凸面性,外形,向心性、占有性、边界、周长、对比度等等)来控制选取最优的组合。在确定最优限束器边界组合后,还需要根据放射区域(限束器边界包含区域)不应排斥大块的背景区,放射区域不能基本全是背景(放射区域的90%是背景)以及放射区域应该包含大的有用信息(解剖信息)区域,来进一步控制检测到最终的限束器边界组合的有效性。
按照另一种现有技术中介绍的检测限束器边界的方法,首先,将原始图像利用Sobel边缘检测算子分别产生带状方向(上下左右四个方向)的边缘梯度图像,每个方向产生一幅梯度图像。然后,将原始图像和相应的梯度图像缩小(可选1/4,1/8,1/16等)并映射至Radon变换空间以进行峰值检测。在Radon变换空间检测峰值是采取限制的角度来搜索区间,例如限束器上下的边界显然不能有0-45或者136-179度之间的斜角。如得到满足阈值的局部最大峰值,并根据其梯度特性判断它的有效性,最后在所有有效性的峰值中根据低区域高影响原则确定某一峰值为假定限束器边界的对应峰值。获得每个方向上(对应于假定的四边形限束器四个边界)的峰值,根据相应直线方程可以得到限束器边界。对检测到的限束器边界,根据整体区域特性(限束器区域内的像素最大值要小于非限束器区域的,具体地它的值应该小于某个阈值等)确定该边界是否有效。
从以上的介绍不难看出,现有技术存在的问题是:算法过于复杂,运算速度慢;准确率有待于进一步提高,例如骨骼和软组织之间的过渡边界可能会被误认为是限束器区域的边界;需要有比较准确的背景像素阈值信息来校验检测到的每个边界直线是否有效和校验检测到的整体限束器边界是否有效;对于对比度太差的欠曝光影像,或者过度曝光的影像可能不是很有效,同时也会出现假阳性的情况。
发明内容
本发明的目的是为了克服现有技术存在的缺陷,提供一种计算简单、检测率高、以及能够有效解决漏检和假阳性问题的自动检测限束器边界的方法与装置。为了实现这一目的,本发明所采取的技术方案如下。
按照本发明实施例的第一方面,提供一种自动检测限束器边界的方法,包括:读取步骤,用于读取通过X射线成像系统获得的影像;检测步骤,用于检测X射线影像上前景和背景、前景和组织之间的过渡点;以及变换步骤,利用检测到的过渡点,通过HT或RT变换,检测前景和背景、前景和组织之间的边界直线。
优选的是,所述检测步骤进一步包括对影像从左到右逐行检测过渡点和从右到左逐行检测过渡点,以及对影像从上到下逐列检测过渡点和从下到上逐列检测过渡点。
再优选的是,所述检测步骤进一步包括对影像中的每行和每列像素进行滤波,以分别生成行滤波后的影像和列滤波后的影像,对行滤波后的影像逐行进行检测,对列滤波后的影像逐列进行检测。
还优选的是,所述检测步骤进一步包括:根据灰度值开始增加的起点和灰度值不变的终点,利用终点像素值与起点像素值之差和终点像素与起点像素之间的距离确定过渡区域,然后选取灰度增加变化最快的点、过渡区域的中点、起点、终点、或预定像素长度内灰度值变化最大时像素长度的中点为过渡点。
进一步优选的是,前景与背景之间的过渡点以及前景与组织之间的过渡点在每行或每列最多只能确定一个过渡点,且前景与背景之间过渡点的检测和前景与组织之间过渡点的检测是独立的。
再进一步优选的是,将影像分为上、下、左、右四个空间来进行所述检测步骤和所述变换步骤;以及在进行所述变换步骤时,在左、右方向上将角度空间限制在θ∈[-20,20],在上、下方向上将角度空间限制在θ∈{[70,90]∪[-90,-70]}。
还进一步优选的是,在进行所述变换步骤时,限定检测到的满足阈值条件的局部峰值的数目。
可选的是,按照本发明实施例第一方面的自动检测限束器边界的方法,还包括分析步骤,用于对X射线影像进行直方图分析和/或累积直方图分析,以获取影像上有效的像素灰度最大值和最小值。
再可选的是,按照本发明实施例第一方面的自动检测限束器边界的方法,还包括预处理步骤,用于对读取的影像进行按比例缩放和/或进行适当裁剪,然后再进行后续步骤的处理。
还可选的是,按照本发明实施例第一方面的自动检测限束器边界的方法,还包括第一判断步骤,用于在对影像进行检测之前,计算影像各侧边缘区域中整行或整列像素的灰度平均值和/或方差,如果该灰度平均值小于预定阈值和/或该方差小于预定阈值,则初步认为所检测影像的该侧上存在有限束器区域。
进一步可选的是,按照本发明实施例第一方面的自动检测限束器边界的方法,还包括第二判断步骤,对检测到的每条限束器边界直线,先假定该直线为真实的限束器边界直线,从而得到过渡区域和前景区域,然后计算落在过渡区域上的过渡点数量与落在前景区域上的过渡点数量的比值,如果该比值大于预定阈值,则将该边界直线确定为有效边界直线。其中所述预定阈值随限束器边界直线距影像中心距离的减小而增大,并且所述预定阈值可在预定范围内分段取值或者是距离的线性递减函数,所述预定阈值取值范围在0.5至1.5之间。
进一步可选的是,按照本发明实施例第一方面的自动检测限束器边界的方法,还包括第三判断步骤,对于获得的多条限束器边界直线或第二判断步骤确定的多组有效边界直线,将最满足轴对称条件的边界直线确定为限束器边界。
进一步可选的是,按照本发明实施例第一方面的自动检测限束器边界的方法,还包括修正步骤,利用已检测到的相向边界的影像位置来获得当前边界离影像中心的偏移量,假如该偏移量偏离已知的可能偏移量,则计算边界直线后方位置的限束器区域中行或列像素灰度方差,如果该方差大于预定阈值,则确定该边界直线为错检的边界直线并予以删除;以及利用轴对称条件和限束器中心与探测器中心之间的偏移量,来捡回被漏检的边界直线。其中利用限束器与探测器之间没有其他物体时获得的X射线影像,检测限束器边界并确定该边界到影像中心的距离,该距离为所述偏移量;或者,通过计算检测到的最接近矩形的限束器边界相向边界直线到影像中心的距离,来获得所述偏移量。其中灰度平均值的预定阈值和灰度方差的预定阈值各为有效最大灰度值的百分比。
进一步可选的是,按照本发明实施例第一方面的自动检测限束器边界的方法,还包括输出步骤,用于将限束器区域置1或0,将非限束器区域置0或1,从而输出二值图像。
按照本发明实施例的第二方面,提供一种自动检测限束器边界的装置,其特征在于,包括:读取模块,用于读取通过X射线成像系统获得的影像;检测模块,用于检测X射线影像上前景和背景、前景和组织之间的过渡点;以及变换模块,利用检测到的过渡点,通过HT或RT变换,检测前景和背景、前景和组织之间的边界直线。其中所述检测模块对影像中的每行和每列像素先进行滤波,以分别生成行滤波后的影像和列滤波后的影像;然后,对行滤波后的影像从左到右逐行检测过渡点和从右到左逐行检测过渡点,对列滤波后的影像从上到下逐列检测过渡点和从下到上逐列检测过渡点。
可选的是,按照本发明实施例第二方面的自动检测限束器边界的装置还包括分析模块,用于对X射线影像进行直方图分析和/或累积直方图分析,以获取影像上有效的像素灰度最大值和最小值。
再可选的是,按照本发明实施例第二方面的自动检测限束器边界的装置还包括预处理模块,用于对读取的影像进行按比例缩放和/或进行适当裁剪,然后再由后续模块进行处理。
还可选的是,按照本发明实施例第二方面的自动检测限束器边界的装置还包括第一判断模块,用于在对影像进行检测之前,计算影像边缘区域中整行或整列像素的灰度平均值和/或方差,如果该灰度平均值小于预定阈值和/或该方差小于预定阈值,则确定所检测的影像上存在有限束器区域。
进一步可选的是,按照本发明实施例第二方面的自动检测限束器边界的装置还包括第二判断模块,对检测到的每条限束器边界候选直线,先假定该直线为真实的限束器边界直线,从而得到过渡区域和前景区域,然后计算落在过渡区域上的过渡点数量与落在前景区域上的过渡点数量的比值,如果该比值大于预定阈值,确定该边界直线为有效边界直线。
进一步可选的是,按照本发明实施例第二方面的自动检测限束器边界的装置还包括第三判断模块,对于获得的多条限束器边界直线或第二判断模块确定的多组有效边界直线,将最满足轴对称条件的边界直线确定为限束器边界。
进一步可选的是,按照本发明实施例第二方面的自动检测限束器边界的装置还包括修正模块,利用已检测到的相向边界的影像位置来获得当前边界离影像中心的偏移量,假如该偏移量偏离已知的可能偏移量,则计算边界直线后方位置的限束器区域中行或列像素灰度方差,如果该方差大于预定阈值,则确定该边界直线为错检的边界直线并予以删除;以及利用轴对称条件和限束器中心与探测器中心之间的偏移量,来捡回被漏检的边界直线。
进一步可选的是,按照本发明实施例第二方面的自动检测限束器边界的装置还包括输出模块,用于将限束器区域置1或0,将非限束器区域置0或1,从而输出二值图像。
采用本发明技术方案的自动检测限束器边界的方法与装置通过快速检测具有对比度的区域之间的过渡点,通过对这些过渡点做限定方向、限定角度、限定每个方向区域上最多只能获取若干预定数目的局部峰值的方法进行霍夫变换或雷登变换来检测边界直线,接着利用位置、灰度、灰度变化等信息对检测到的直线进行有效性刷选,然后充分利用限束器对应边轴对称原理(或近似轴对称原理),以获取最优组合的直线组,最后对限束器对应边之间做自动校正,以进一步确保边界有效性,进一步甄别,删除假阳性,捡回漏检边界。因此,计算简单、检测率高、能够有效地解决漏检和假阳性问题。
下面将结合附图并通过具体的实施例对本发明进行进一步说明。
附图说明
图1是按照本发明实施例的自动检测限束器边界方法的流程图;
图2是限束器区域示意图;
图3是另一种限束器区域示意图;
图4是按照本发明实施例的限束器区域判断方法流程图;
图5是按照本发明实施例的左、右方向区域间过渡点检测流程图;
图6是按照本发明实施例的上、下方向区域间过渡点检测流程图;
图7是HT/RT变换原理示意图;
图8是按照本发明实施例的边界有效性判断流程图;
图9是按照本发明实施例的边界整体判断流程图;
图10是按照本发明实施例的限束器边界自动修正流程图;
图11是按照本发明实施例的自动检测限束器边界装置的结构框图。
具体实施方式
如附图1所示,按照本实施例的自动检测限束器边界或区域的方法除包括读取步骤101、检测步骤109和变换步骤111外,还可选地包括其他步骤。在读取步骤101中,读入原始影像,该影像由X射线成像系统获取,并且该影像可以已经通过简单校正(如坏点坏线和无效像素去除等校正),而并未经过任何影像增强技术的处理(然而,增强过的影像也可适用本实施例的方法)。读入的影像可以不进行预处理,也可以进行预处理(步骤103),即按比例缩放和/或适当裁减。缩放的目的是为了加快运算,提高运算速度;根据需要进行适当的裁减,可以控制根本没必要的检测。
在分析步骤105中,对读取步骤101获取的影像进行直方图分析和/或累积直方图分析,这一步仅仅是为了得到获取影像上有效的像素灰度最大值(PixelMaxValue,简称为P_Max)和最小值(PixelMinValue,简称为P_Min)。该值可以直接是影像上像素灰度最值,也可以累积直方图上一定比例所对应的灰度值(例如99%像素灰度都落在其内的值为最大像素值,那么最小值对应地仅有1%像素灰度值小于它,具体地这一值可以有不同的比例)。进行该步骤的目的是该项数值将在后续步骤中使用到。
在第一判断步骤107中,对限束器区域进行初步判断,即首先对图像进行初步分析,以判断这幅影像上是否有限束器。假设限束器边界分布在影像上的四个区域方向上(上、下、左、右四个方向),并同时基于这样的考虑:1)限束器区域像数灰度变化应该相对稳定,至少是整行或整列上的灰度比较均匀的;2)限束器区域像素的灰度值应该比较小,因为这是非曝光区,它的像素灰度的理想值应该是零,但是由于存在X射线穿透和散射的原因,限束器区域的像素并非是零,但也应该比较小。如果对影像进行灰度值反转处理,那么最小值也就变成最大值了,该判断思想方法也是适用的;3)限束器应该是密闭的,没有缝和洞,所以在影像上限束器区域不应该包含直接曝光区或带;4)限束器区域总是从影像边沿开始。基于以上四点假设,计算距离影像边缘很近的某一位置(例如距离边缘10或20个像素距离的位置)的整行或列(行用于对上下边缘,列用于对左右边缘)像素灰度值的平均值和/或方差,并比较该灰度平均值是否小于预定阈值和/或该方差是否小于预定阈值,如果该条件成立,则可断定所检测的影像上有限束器区域。这样的像素灰度值均值的阈值可以取影像最大灰度值的一个比例,例如0.8*P_Max。而方差要考虑这样的情况,该位置的行或列可能穿过前景和背景两个区域,特别是在限束器平面和探测器平面不是平行而是存在角度的情况下,限束器区域投影到探测器平面上往往表现为一个不规则四边形而不是矩形,这时该处计算得到灰度值的方差是很大的,如图2和图3所示。所以方差这个指标应该在第二判断步骤113中使用,实现方法构成可以参考图4。这里需要强调,假如限束器相对位置信息(展开的窗口尺寸)可以从自动限束器通过通讯得到,那么就可以知道限束器上、下窗口或左、右窗口是否是完全打开的,这样就可以得到影像上的限束器区域的分布,那么第一判断步骤107是不需要的。
在检测步骤109中,进行区域间过渡点的检测。影像上的区域主要可以表征为三种类型,它们分别是前景(限束器区域)、背景(直接曝光区)和解剖组织。那么前景和背景、前景和组织、背景和组织之间就会存在明显的对比度。一般的说来,背景区域像素灰度值最高,其次是组织区域,然后是前景。这里需要提出,组织区域由于软组织和骨骼密度差异太大,所以影像上还可以出现明显的骨骼和软组织的对比度较强,这也是造成分割困难的因素之一,即骨骼区域和软组织区域之间过渡被误认为是限束器区域和组织区域之间过渡。检测步骤109进一步包含以下步骤:首先,为防止噪声的影响,也使局部灰度变化性质一致,要对影像上的每行和每列像素进行滑动均值滤波,分别生成两个影像数据(行滤波后影像和列滤波后影像);然后,对行滤波后的影像从左到右逐行检测过渡点和从右到左逐行检测过渡点,对列滤波后的影像从上到下逐列检测过渡点和从下到上进行逐列检测过渡点。如何去判断过渡属性呢?充分利用区域之间的对比度和X射线散射的性质,具体的参考图5和图6。例如,在第一判断步骤107中判断可能影像左边存在限束器区域,见图5中框501标注(上方区域参考图6中框603)。按步骤107中假设的原则,如果存在有前景区域(限束器区域)和别的区域相连,在两区域的过渡区域处,像素灰度值总是从前景区域向另外一个区域从左到右不断增大。如果另外一个区域是背景区域,那么增大幅度一定很大,否则增大幅度可能不是特别大,参考图5中框502标注(上方区域参考图6中的框604)。所以检测步骤109中,有两个属性在这里被表达,它们是从灰度值开始增加(起点)到灰度值不变(终点),每次灰度值增加量至少要大于1,终点像素值和起点像素值之间的差(PixelValueVariation简写为P_V_Var)和终点像素和起点像素之间的距离大小(P_Distance)。前景和不同区域之间过渡的总的灰度值变化大小是不一致的,在这里可以设两个阈值P_V_Var_TH1和P_V_Var_TH2,分别对应于前景和背景之间过渡与前景和组织之间过渡最小的总的灰度变化值,例如可取P_V_Var_TH1=0.4*P_Max和P_V_Var_TH2=3*P_Min。终点像素和起点像素之间的距离主要是为了用来消除坏点、坏线以及噪声的影响,它也应该有个阈值P_Dist_TH,该值不宜取太大,一般地,设置10≤P_Dist_TH≤30。以上两个属性确定了区域之间的过渡区域。前景和背景之间过渡点以及前景和组织之间过渡点在每行或每列最多只能确定一个过渡点,而前景和背景之间过渡点的检测与前景和组织之间过渡点的检测是独立的,互不影响。如何在过渡区域中选取到最合理的过渡点呢?这个方法可以有很多选择,例如选取灰度增大变化最快的点,也可以选取过渡区域的中点,或选择起点或终点,还可以选取例如固定像素长度(如可以取10个像素)内灰度值变化最大时候像素长度的中点。通过大数据试验后,最后一种选取方法被发现是最有效的。所有方向上的检测只需要检测至图像中心。事实上,考虑到可以获取限束器相对几何尺寸位置信息(如窗口尺寸、限束器平面和探测器之间的夹角、点源距、焦点离限束器的距离),那么根据投影原理,就可以知道限束器边缘在探测器上的分布。如果限束器窗口规则,限束器中心和探测器中心精确吻合,那么分布应该是准确的,从而可以直接得到限束器区域在影像上的分布,而不需要更多的复杂算法去支持自动分割。但是常常由于机械原因或者硬件设备要求所限,使得用投影方法获得的限束器区域在影像上的分布变得不够准确,从而不能直接使用。如果能得到限束器区域在影像上的大体分布,那么在每个方向上就可以划分一个有效检测区,从而使检测区域缩小,加快过渡点的检测。实际上,将影像分为四个区进行检测,在很大程度上可以避免在全局搜索检测上消耗太多的时间。
在变换步骤111中,对步骤109检测的结果进行霍夫变换或雷登变换(简称HT/RT)以检测限束器边界。HT/RT检测直线已经被广泛使用在很多领域,是一项比较成熟的方法。本实施例中,HT/RT是采用参数方程ρ=x*cosθ+y*sinθ,图像平面上的一个点就对应到参数ρ-θ平面上的一条曲线上,如图7所示。本实施例利用HT/RT检测限束器边界,也是将检测空间如步骤109中所述那样,分为上、下、左、右四个空间。而角度空间(θ)根据实际情况也有所限制,在左、右方向上θ∈[-20,20],在上、下方向上θ∈{[70,90]∪[-90,-70]},角度能够根据不同的需要进行设置。限定区域和角度也就是缩小检测空间,对于加快检测速度是很有帮助的。在每个方向区域,原则上可以只检测一条直线,作为限束器边界的候选。但是,由于各种原因,只检测一条直线可能不是和边界直线最吻合的那一条,所以可能需要检测若干条直线作为限束器边界候选。这些直线可能存在着一条最适合做限束器边界的直线。所以,需要在上、下、左、右四个方向的影像区域上分别检测若干条直线,作为限束器上、下、左、右边界的候选直线。具体的操作和最常用的HT/RT检测方法一样,总在每个方向区域上做HT/RT检测,让HT/RT检测到满足大于阈值的若干个(如2-4个)局部峰值,每检测一个局部峰值,须将周围的值清零,以免使检测的结果简单地重复,每个局部峰值点都确定了唯一的(ρ,θ),每一组(ρ,θ)都通过方程ρ=x*cosθ+y*sinθ唯一地确定一条直线。通过了步骤111的HT/RT,在影像的上、下、左、右四个区域上分别得到若干条候选直线,每个区域的上的候选直线条数可能不相同,这和该区域满足阈值条件的局部峰值的个数有关。这里需要强调的是,假如检测区域已经确定是一个限束器边界的较小的有效检测区(如步骤109中提及的限束器相对几何尺寸位置信息已知),那么只需在这个小区域中检测一条直线作为限束器边界候选直线即可。
在第二判定步骤113中,对变换步骤111检测到的限束器边界候选直线进行甄别,删除不满足限束器边界条件的直线。每个方向区域通过霍夫变换得到限束器边界直线,其中有些直线可能不是限束器的有效边界直线。每个方向区域上也仅仅只有一条边界直线是和限束器边界最吻合的。限束器边界必须具备这样的特征,即限束器边界应该处于影像区域之间(前景和背景之间、前景和组织之间)的过渡区域上,过渡区域之外应该包含很少的过渡点。在步骤109中检测到的大部分过渡点应该落在限束器边界直线附近,而且根据步骤109中所述的检测原则,应该要求很多过渡点直接落在直线上,影像区域之间的过渡区域之外不应该分布较多的过渡点。由于根据步骤109中所述的检测原则确保了很多过渡点直接落在直线上,所以可以用一个属性来简单的表征这一点:步骤109检测到的这一区域的过渡点离候选限束器边界直线的距离小于某个值(阈值)的点认为是过渡区域内的过渡点,而候选直线后方的限束器区域的点被认为是落在前景区域上的过渡点。那么落在过渡区域上的过渡点的数量和落在前景区域上的过渡点的数量的比值越大,越能说明候选限束器边界直线处于前景和其它区域的过渡区域上,它是合理的限束器边界直线的可能性就大。落在过渡区域上的过渡点的数量和落在前景区域上的过渡点的数量的比值记为ValidTransitionRate,有效的候选限束器边界直线的这一比值应该大于一个阈值ValidTransitionRate_TH(简写VTR_TH),这个阈值应该是随着该候选限束器边界直线离影像中心的距离(LineAndCenter_Distance简写LC_Dist)减小而增大的,因为越是靠近影像中心,往往假阳性的可能性越大,所以对其限制也应该相应地加强。简单的设置VTR_TH这个参数,可以考虑将影像边界到影像中心的距离分为三个范围,候选限束器边界直线离影像中心的距离落在最远的、中间的、最近的范围时,ValidTransitionRate_TH分别取不同的数值。例如,影像边界到影像中心的距离为1500,则LC_Dist<500,VTR_TH=1.5;500<=LC_Dist<1000,VTR_TH=1.0;LC_Dist>=1000,VTR_TH=0.5。在步骤107中提及计算影像边缘很近的某一位置(例如距离边缘10或20个像素距离的位置)的整行(针对上、下边缘)或整列(针对左、右边缘)像素灰度值和方差。而方差要考虑这样的情况,该位置的行或列可能穿过前景和背景两个区域,特别是在限束器平面和探测器平面不是平行而是存在角度的情况下,限束器区域投影到探测器平面上往往表现为一个不规则四边形而不是矩形,这时该处计算得到灰度值的方差是很大的,参见图3。那么根据候选边界直线在影像上的位置信息,可以判断该位置的行或列是否穿过前景和背景两个区域。假如该位置的行或列处于可能的前景区域,如果这一方差大于某个阈值(这个阈值可以是最大像素值的一个比例,例如0.2*P_Max),那么该限束器边界候选直线是无效的候选直线。由于限束器区域如在步骤107讨论的一样,该区域分布的像素的灰度值应该比较小,那么衡量该区域的像素的灰度值也是一个很客观的方法。充分考虑到过度曝光情况,限束器边界的散射十分的严重,以至于限束器边界不再像是直线而是凹曲线,从而导致一限束器边界直线后方的限束器区域可能包含了部分高灰度值像素。所以限束器区域中高灰度值像素占整个限束器区域像素的比例应该是表征这个候选限束器边界直线有效性的一个很重要的标准。所以定义大于灰度值最大像素值的一个比例的像素为高灰度值像素,例如这个比例可以选取0.8*P_Max,而高灰度值像素占整个限束器区域像素的比例不应该大于一个阈值,这个阈值应该是与候选限束器边界离影像边界有关,离影像边界越近,阈值应该越大,因为一方面候选限束器边界离影像边界越近,表明假定的限束器区域就越小,由于过度曝光情况导致限束器区域内高像素点的数量就越多,从而这个比例越大。另一方面,由于候选限束器边界离影像中心越近,假阳性的风险也就越大,具体如图8所示。假如限束器窗口的相对几何尺寸位置信息和SID已知,那么限束器在探测器平板上的投影也是已知的。同样和步骤109中叙述的一样,只在小区域中检测一条直线作为限束器边界候选直线,那么第二判断步骤113是不需要的。
在第三判断步骤115中,对检测得到的限束器边界候选直线或步骤113得到的有效限束器边界候选直线进行整体上判断,以保留一组最理想的限束器边界直线。一般来说,对于限束器组件(X射线源组件)不可以单独旋转时,限束器对应边应该具备相对于过影像中心的垂线和水平线(垂线对应于左右边界直线,水平线对应于上下边界直线)为对称轴的轴对称性,该对称性可能不满足严格的几何学上的定义,但是应该能够近似满足。假如限束器组件(X射线源组件)可以单独旋转运动,那么此时的对称轴应该是影像中心的垂线和水平线相应地做旋转后的轴。根据轴对称原理,内角应该相等,线上各点到达对称轴的距离应该相等。由于可能存在限束器中心和探测器中心并不是对应的,对称轴可能需要平移。最满足轴对称的边界直线对被定义为最优组合条件之一。另外,假如对应边之间都处于一个平行状态(或近似平行状态),那么相邻边界直线应该尽量的相互垂直。这里要提及,由于步骤113考虑了离中心越近的限束器边界候选直线假阳性可能性越大,并且在参数上作了一些限制,有理由相信相对离中心近的限束器组合应该具有一定的优先级,以上叙述可以用图9来表示。这里要指出,假如限束器窗口的相对几何尺寸位置信息和SID已知,同样和步骤109中叙述的一样,步骤115是不需要的。
在修正步骤117中,对一些可能存在的检测失败(如漏检和错检)进行修正。经过了步骤101-115可以获取一个最优的限束器边界直线组,而且大数据试验表明检测成功率已经相当的高。到这里基本上已经检测到有效的限束器边界,也就实现了对限束器区域的检测。通过实验可以知道,存在一些极少数检测结果可能因为影像上的某一方向区域(上、下、左、右四个区域中)由于前景和组织之间的对比度完全不可见,而导致的漏检;由于组织之间的过渡极类似限束器和其他区域之间的过渡,而导致的错检。步骤117用来解决这样一些问题。首先,获取限束器中心和探测器中心机械层面上是否对齐的信息,假如有偏移应该知道上下偏移量和左右偏移量。假如已经检测到限束器左、右边界的一边(上、下也类似地处理),那么根据偏移量和轴对称信息,可以知道对应限束器边界的位置,并同时对这一限束器边界进行分析。对该边后方的限束器区域某一位置行或列的像素灰度值进行方差分析,来判断是否具备步骤107中所述的那样,限束器区域像数灰度变化应该相对稳定,至少是整行或整列上的灰度应该比较均匀,方差应该小于一个阈值,例如这个阈值可以取0.2*P_Max。同时该方向区域应该满足步骤107中的判断。一般说来,已经检测到的边界应该至少离影像边缘比较远,即通过偏移量计算得到的边界在影像上的位置应该离影像边缘不应该太近,应该有适当的缓冲区,因为很可能边缘就是限束器区域和其他区域的过渡带。反之,如果根据偏移量得到限束器边界直线经过上述分析,不能满足上述要求,那么原来已经检测到的那条限束器边界直线应该作为假阳性(即错检)删除。假如影像上对应边(上、下和左、右分别称之为对应边)的限束器边界均已经被检测到,那么也应该进一步根据偏移量检测其是否满足轴对称性。这一轴对称性的要求应该是宽容的,因为常常由于过渡性的因素,检测到限束器对应的两边界在相似性上不会稍微降低,并且对每一个边界都做上述的方差分析。通过定期校正获取这样的偏移量,具体实现方法是打开限束器(确保探测器上、下、左、右应该包含限束器区域),确保限束器和探测器之间的X射线照射范围没有任何物体,用较低剂量给予直接曝光,获得前景和背景对比度很好的影像(该影像应该只有前景区域和背景区域),利用上述方法对该影像进行分割,校正人员确定分割结果良好,记录相对于影像中心而言,检测得到限束器的上、下边界和左、右边界的偏移量,对不同大小的限束器窗口多次曝光,取均值。这样,就获得了限束器中心和探测器中心之间的相对偏移量。还有一种方法是,对成功检测到的限束器边界直线,判断它们是否是严格的矩形。假如是,那么可以计算限束器边界每一边到影像中心的距离,从而得到偏移量。假设第n次获得的偏移量为Offset_n,上一次偏移量为Offset_old,那么新偏移量为:Offset_new=[Offset_old*(n-1)+Offset_n]/n。当n大于某个数N(例如N可取200)时,Offset_new=Offset_n,同时当前n被记为1。将n和Offset_old分别写在一个文件中,每一次需要用到或更新Offset时,进行读写文件即可。要求n<N的目的是为了定期更新Offset,以确保任何机械位置的校正或变化带来Offset的更新,如图10所示。这里也要指出,假如限束器窗口的相对几何尺寸位置信息和SID已知,同样和步骤109叙述一样,步骤117是不需要的。
在输出步骤119中,将影像分为限束器区域和非限束器区域,将限束器区域置1或0,将非限束器区域置0或1,从而输出二值图像。
如图11所示,按照实施例的自动检测限束器边界的装置除包括读取模块1101、检测模块1109和变换模块1111外,还可选地包括其他模块。其中读取模块1101用于读取通过X射线成像系统获得的影像,以供进行检测或分析。检测模块1109用于检测X射线影像上前景、背景和组织之间的过渡点。检测模块1109被配置成对影像中的每行和每列像素进行滑动均值滤波,以分别生成行滤波后的影像和列滤波后的影像;然后,对行滤波后的影像从左到右逐行检测过渡点和从右到左逐行检测过渡点,对列滤波后的影像从上到下逐列检测过渡点和从下到上逐列检测过渡点。变换模块1111用于通过HT或RT变换将检测的过渡点变换为限束器边界直线。检测模块1109和变换模块1111将影像分为上、下、左、右四个空间来进行检测和HT或RT变换,并且变换模块在左、右方向上将角度空间限制在θ∈[-20,20],在上、下方向上将角度空间限制在θ∈{[70,90]∪[-90,-70]}。
读取模块1101读入的影像在进行后续处理之前,可以不进行预处理,也可以由预处理模块1103进行预处理,即按比例缩放和/或进行适当裁减;缩放的目的是为了加快运算,提高运算速度;根据需要进行适当的裁减,可以控制根本没必要的检测。分析模块1105用于对X射线影像进行直方图分析和/或累积直方图分析,以获取影像上像素灰度最大值和最小值,然后再进行检测。第一判断模块1107用于在对影像进行检测之前,计算影像边缘区域中整行或整列像素的灰度平均值和/或方差,如果该灰度平均值小于预定阈值和/或该方差小于预定阈值,则确定所检测的影像上存在有限束器。对于检测到的限束器边界直线,第二判断模块1113关于每条限束器边界直线计算落在过渡区域上的过渡点数量与落在前景区域上的过渡点数量的比值,如果该比值大于预定阈值,确定该边界直线为有效边界直线。对于获得的多条限束器边界直线或第二判断模块确定的多组有效边界直线,第三判断模块1115将最满足轴对称条件的边界直线确定为限束器边界。修正模块1117用于对一些可能存在的检测失败(如漏检和错检)进行修正,利用轴对称条件和限束器中心与探测器中心之间的偏移量,来捡回被漏检的边界直线;利用已检测到的相向边界的影像位置获得当前边界离影像中心的偏移量,假如这一偏移量和已知的可能偏移量差距过大,则计算边界直线后方一定位置的限束器区域中行或列像素灰度方差,如果该方差大于预定阈值,则确定该边界直线为错检的边界直线并予以删除,同时利用轴对称条件和限束器中心与探测器中心之间的偏移量,来捡回被漏检的边界直线。输出模块1119用于将限束器区域置1或0,将非限束器区域置0或1,从而输出二值图像。
以上通过具体的实施例对本发明进行了说明,但本发明并不限于这些具体的实施例。本领域技术人员应该明白,还可以对本发明做各种修改、等同替换、变化等等,例如改变步骤顺序或模块连接次序。但是,只要未背离本发明的精神,都应在本发明的保护范围之内。另外,本申请说明书和权利要求书中所使用的一些术语,如“左”、“右”、“上”、“下”等等,仅仅是为了便于描述,而不是对本发明的限制。

Claims (32)

1.一种自动检测限束器边界的方法,其特征在于,包括:
读取步骤,用于读取通过X射线成像系统获得的影像;
检测步骤,用于检测X射线影像上前景和背景、前景和组织之间的过渡点;以及
变换步骤,利用检测到的过渡点,通过霍夫变换或雷登变换,检测前景和背景、前景和组织之间的边界直线,
其中所述检测步骤进一步包括:
对影像从左到右逐行检测过渡点和从右到左逐行检测过渡点,以及对影像从上到下逐列检测过渡点和从下到上逐列检测过渡点。
2.如权利要求1所述的自动检测限束器边界的方法,其特征在于,还包括:
分析步骤,用于对X射线影像进行直方图分析,以获取影像上有效的像素灰度最大值和最小值。
3.如权利要求1所述的自动检测限束器边界的方法,其特征在于,还包括:
分析步骤,用于对X射线影像进行累积直方图分析,以获取影像上有效的像素灰度最大值和最小值。
4.如权利要求1所述的自动检测限束器边界的方法,其特征在于,还包括:
预处理步骤,用于对读取的影像进行按比例缩放和/或进行适当裁剪,然后再进行后续步骤的处理。
5.如权利要求2或3所述的自动检测限束器边界的方法,其特征在于,还包括:
第一判断步骤,用于在对影像进行检测之前,计算影像各侧边缘区域中整行或整列像素的灰度平均值,如果该灰度平均值小于预定阈值,则初步认为所检测影像的该侧上存在有限束器区域。
6.如权利要求2或3所述的自动检测限束器边界的方法,其特征在于,还包括:
第一判断步骤,用于在对影像进行检测之前,计算影像各侧边缘区域中整行或整列像素的灰度方差,如果该灰度方差小于预定阈值,则初步认为所检测影像的该侧上存在有限束器区域。
7.如权利要求2或3所述的自动检测限束器边界的方法,其特征在于,还包括:
第一判断步骤,用于在对影像进行检测之前,计算影像各侧边缘区域中整行或整列像素的灰度平均值和灰度方差,如果该灰度平均值小于预定阈值和该灰度方差小于预定阈值,则初步认为所检测影像的该侧上存在有限束器区域。
8.如权利要求1所述的自动检测限束器边界的方法,其特征在于,还包括:
第二判断步骤,对检测到的每条限束器边界直线,先假定该直线为真实的限束器边界直线,从而得到过渡区域和前景区域,然后计算落在过渡区域上的过渡点数量与落在前景区域上的过渡点数量的比值,如果该比值大于预定阈值,则将该边界直线确定为有效边界直线。
9.如权利要求8所述的自动检测限束器边界的方法,其特征在于:
所述预定阈值随限束器边界直线距影像中心距离的减小而增大,并且所述预定阈值可在预定范围内分段取值或者是距离的线性递减函数,所述预定阈值取值范围在0.5至1.5之间。
10.如权利要求1或8所述的自动检测限束器边界的方法,其特征在于,还包括:
第三判断步骤,对于获得的多条限束器边界直线或第二判断步骤确定的多组有效边界直线,将最满足轴对称条件的边界直线确定为限束器边界。
11.如权利要求1所述的自动检测限束器边界的方法,其特征在于,还包括:
修正步骤,利用已检测到的相向边界的影像位置来获得当前边界离影像中心的偏移量,假如该偏移量偏离已知的可能偏移量,则计算边界直线后方位置的限束器区域中行或列像素灰度方差,如果该方差大于预定阈值,则确定该边界直线为错检的边界直线并予以删除;以及利用轴对称条件和限束器中心与探测器中心之间的偏移量,来捡回被漏检的边界直线。
12.如权利要求11所述的自动检测限束器边界的方法,其特征在于:
利用限束器与探测器之间没有其他物体时获得的X射线影像,检测限束器边界并确定该边界到影像中心的距离,该距离为当前边界离影像中心的偏移量;或者,通过计算检测到的最接近矩形的限束器边界的相向边界直线到影像中心的距离,来获得当前边界离影像中心的偏移量。
13.如权利要求5所述的自动检测限束器边界的方法,其特征在于:
灰度平均值的预定阈值为有效最大灰度值的百分比。
14.如权利要求7所述的自动检测限束器边界的方法,其特征在于:
灰度平均值的预定阈值为有效最大灰度值的百分比。
15.如权利要求6所述的自动检测限束器边界的方法,其特征在于:
灰度方差的预定阈值为有效最大灰度值的百分比。
16.如权利要求7所述的自动检测限束器边界的方法,其特征在于:
灰度方差的预定阈值为有效最大灰度值的百分比。
17.如权利要求11所述的自动检测限束器边界的方法,其特征在于:
灰度方差的预定阈值为有效最大灰度值的百分比。
18.如权利要求1所述的自动检测限束器边界的方法,其特征在于,还包括:
输出步骤,用于将限束器区域置1或0,将非限束器区域置0或1,从而输出二值图像。
19.如权利要求1所述的自动检测限束器边界的方法,其特征在于,所述检测步骤进一步包括:
对影像中的每行和每列像素进行滤波,以分别生成行滤波后的影像和列滤波后的影像,对行滤波后的影像逐行进行检测,对列滤波后的影像逐列进行检测。
20.如权利要求1或19所述的自动检测限束器边界的方法,其特征在于,所述检测步骤进一步包括:
根据灰度值开始增加的起点和灰度值不变的终点,利用终点像素值与起点像素值之差和终点像素与起点像素之间的距离确定过渡区域,然后选取灰度增加变化最快的点、过渡区域的中点、起点、终点、或预定像素长度内灰度值变化最大时像素长度的中点为过渡点。
21.如权利要求1或19所述的自动检测限束器边界的方法,其特征在于:
前景与背景之间的过渡点以及前景与组织之间的过渡点在每行或每列最多只能确定一个过渡点,且前景与背景之间过渡点的检测和前景与组织之间过渡点的检测是独立的。
22.如权利要求1所述的自动检测限束器边界的方法,其特征在于:将影像分为上、下、左、右四个空间来进行所述检测步骤和所述变换步骤;以及在进行所述变换步骤时,在左、右方向上将角度空间限制在θ∈[-20,20],在上、下方向上将角度空间限制在θ∈{[70,90]∪[-90,-70]}。
23.如权利要求1所述的自动检测限束器边界的方法,其特征在于:在进行所述变换步骤时,限定检测到的满足阈值条件的局部峰值的数目。
24.一种自动检测限束器边界的装置,其特征在于,包括:
读取模块,用于读取通过X射线成像系统获得的影像;
检测模块,用于检测X射线影像上前景和背景、前景和组织之间的过渡点;以及
变换模块,利用检测到的过渡点,通过霍夫变换或雷登变换,检测前景和背景、前景和组织之间的边界直线,
其中所述检测模块还配置成:
对影像从左到右逐行检测过渡点和从右到左逐行检测过渡点,以及对影像从上到下逐列检测过渡点和从下到上逐列检测过渡点。
25.如权利要求24所述的自动检测限束器边界的装置,其特征在于,还包括:
分析模块,用于对X射线影像进行直方图分析,以获取影像上有效的像素灰度最大值和最小值。
26.如权利要求24所述的自动检测限束器边界的装置,其特征在于,还包括:
分析模块,用于对X射线影像进行累积直方图分析,以获取影像上有效的像素灰度最大值和最小值。
27.如权利要求24所述的自动检测限束器边界的装置,其特征在于,还包括:
预处理模块,用于对读取的影像进行按比例缩放和/或进行适当裁剪,然后再由后续模块进行处理。
28.如权利要求25或26所述的自动检测限束器边界的装置,其特征在于,还包括:
第一判断模块,用于在对影像进行检测之前,计算影像边缘区域中整行或整列像素的灰度平均值和/或方差,如果该灰度平均值小于预定阈值和/或该方差小于预定阈值,则确定所检测的影像上存在有限束器区域。
29.如权利要求24所述的自动检测限束器边界的装置,其特征在于,还包括:
第二判断模块,对检测到的每条限束器边界候选直线,先假定该直线为真实的限束器边界直线,从而得到过渡区域和前景区域,然后计算落在过渡区域上的过渡点数量与落在前景区域上的过渡点数量的比值,如果该比值大于预定阈值,确定该边界直线为有效边界直线。
30.如权利要求24或29所述的自动检测限束器边界的装置,其特征在于,还包括:
第三判断模块,对于获得的多条限束器边界直线或第二判断模块确定的多组有效边界直线,将最满足轴对称条件的边界直线确定为限束器边界。
31.如权利要求24所述的自动检测限束器边界的装置,其特征在于,还包括:
修正模块,利用已检测到的相向边界的影像位置来获得当前边界离影像中心的偏移量,假如该偏移量偏离已知的可能偏移量,则计算边界直线后方位置的限束器区域中行或列像素灰度方差,如果该方差大于预定阈值,则确定该边界直线为错检的边界直线并予以删除;以及利用轴对称条件和限束器中心与探测器中心之间的偏移量,来捡回被漏检的边界直线。
32.如权利要求24所述的自动检测限束器边界的装置,其特征在于,还包括:
输出模块,用于将限束器区域置1或0,将非限束器区域置0或1,从而输出二值图像。
CN2008100661475A 2008-03-21 2008-03-21 自动检测限束器边界的方法与装置 Expired - Fee Related CN101540040B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN2008100661475A CN101540040B (zh) 2008-03-21 2008-03-21 自动检测限束器边界的方法与装置
US12/345,475 US8135191B2 (en) 2008-03-21 2008-12-29 Method and device for automatically detecting collimation edges

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2008100661475A CN101540040B (zh) 2008-03-21 2008-03-21 自动检测限束器边界的方法与装置

Publications (2)

Publication Number Publication Date
CN101540040A CN101540040A (zh) 2009-09-23
CN101540040B true CN101540040B (zh) 2012-12-12

Family

ID=41088982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008100661475A Expired - Fee Related CN101540040B (zh) 2008-03-21 2008-03-21 自动检测限束器边界的方法与装置

Country Status (2)

Country Link
US (1) US8135191B2 (zh)
CN (1) CN101540040B (zh)

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8135200B2 (en) * 2008-07-03 2012-03-13 Infimed, Inc. Imaging auto shutter ROI
US20100276962A1 (en) * 2009-04-29 2010-11-04 Gm Global Technology Operations, Inc. Active face shade detection in auto sun-shade system
JP5536491B2 (ja) * 2010-03-01 2014-07-02 ダンロップスポーツ株式会社 ゴルフスイングの診断方法
EP2500864B1 (en) * 2011-03-15 2020-05-06 Agfa Nv Irradiation field recognition
CN102693535B (zh) * 2011-03-24 2015-09-23 深圳市蓝韵实业有限公司 一种检测dr图像中束光器区域的方法
JP2013059511A (ja) * 2011-09-14 2013-04-04 Fujifilm Corp 画像処理装置
JP5802524B2 (ja) * 2011-11-21 2015-10-28 株式会社Pfu 画像処理装置、画像処理方法、および画像処理プログラム
KR101885774B1 (ko) * 2011-12-27 2018-09-11 삼성전자주식회사 방사선 영상 처리 방법 및 그에 따른 방사선 영상 처리 장치
US9070012B1 (en) 2012-01-11 2015-06-30 Sr2 Group, Llc System and method for uncued discrimination of bated features in image
WO2013192624A1 (en) * 2012-06-22 2013-12-27 Northeastern University Fiber orientation image processing methods and systems
CN103714527A (zh) * 2012-09-29 2014-04-09 深圳市蓝韵实业有限公司 Dr图像的裁剪方法
KR101879855B1 (ko) * 2012-12-22 2018-07-19 (주)지오투정보기술 영상의 왜곡보정을 통해 공간모델링을 수행하는 수치지도제작 시스템
US20140264078A1 (en) * 2013-03-12 2014-09-18 Agfa Healthcare Nv Radiation Image Read-Out and Cropping System
CN104680503B (zh) * 2013-11-26 2018-11-20 上海西门子医疗器械有限公司 医学图像处理方法、医学图像处理装置及医学x线影像设备
CN104161531B (zh) * 2014-05-04 2015-09-30 上海联影医疗科技有限公司 限束器边缘的获取方法及装置、x射线摄影设备
CN105574840B (zh) * 2014-10-16 2018-09-18 航天信息股份有限公司 基于图像的粮面走道板检测方法和装置
CN104307115B (zh) * 2014-11-03 2018-02-27 上海联影医疗科技有限公司 动态电子限光筒、电子容积调强拉弧放射治疗系统
KR102279026B1 (ko) * 2014-11-07 2021-07-19 삼성전자주식회사 적어도 하나의 객체를 포함하는 영상에서 객체를 추출하여 보정한 영상을 제공하는 장치 및 방법
CN106327511A (zh) * 2015-07-02 2017-01-11 南京普爱医疗设备股份有限公司 一种基于x射线图像限束器检测方法
US10032077B1 (en) * 2015-10-29 2018-07-24 National Technology & Engineering Solutions Of Sandia, Llc Vehicle track identification in synthetic aperture radar images
CN107818556B (zh) * 2016-08-31 2021-06-29 江苏邦融微电子有限公司 电容式指纹采集系统的坏线自检测和自修复方法
CN107977973B (zh) * 2016-10-25 2020-08-11 北京东软医疗设备有限公司 一种获取医疗诊断图像中限束器照射野边界的方法及装置
CN108304840B (zh) * 2017-08-31 2022-11-11 腾讯科技(深圳)有限公司 一种图像数据处理方法以及装置
CN107977974B (zh) * 2017-10-16 2023-06-13 深圳康桥软件技术有限公司 一种束光器边界检测方法和系统
CN107871319B (zh) * 2017-11-21 2021-09-17 上海联影医疗科技股份有限公司 限束器区域的检测方法、装置、x射线系统和存储介质
CN109893153B (zh) * 2017-12-08 2023-10-20 上海西门子医疗器械有限公司 调整准直器位置的方法和装置
CN108345893B (zh) * 2018-03-15 2021-01-26 京东方科技集团股份有限公司 一种直线检测方法、装置、计算机存储介质及终端
CN110353707A (zh) * 2018-03-26 2019-10-22 通用电气公司 准直器边界检测方法的训练方法和系统
WO2019228482A1 (en) 2018-05-30 2019-12-05 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image processing
CN109242840B (zh) * 2018-08-29 2021-01-12 上海联影医疗科技股份有限公司 检测乳房图像中限束器区域的方法、在乳房图像中确定边界的方法和医疗设备
CN110823134B (zh) * 2018-07-23 2021-07-23 北京大恒图像视觉有限公司 一种靶线计算及工业传感器安装检测方法
CN109242880A (zh) * 2018-08-24 2019-01-18 国网福建省电力有限公司漳州供电公司 一种基于图像处理的电力线提取方法
EP3663982B1 (en) * 2018-12-05 2023-09-13 Agfa Nv Method to improve the segmentation performance of a computer implemented deep learning algorithm
CN109829899B (zh) * 2019-01-18 2020-08-07 创新奇智(广州)科技有限公司 一种针对钢卷端面缺陷检测的背景抑制算法
CN109875589B (zh) * 2019-01-29 2023-05-16 东软医疗系统股份有限公司 一种血管机系统的对中误差的测量方法和装置
CN110211184A (zh) * 2019-06-25 2019-09-06 珠海格力智能装备有限公司 一种led显示屏幕中灯珠定位方法、定位装置
CN110555832B (zh) * 2019-09-02 2023-09-19 山东建筑大学 汽车发动机连杆质量多参数检测方法,设备及存储介质
CN112785612B (zh) * 2020-08-28 2022-09-13 青岛经济技术开发区海尔热水器有限公司 基于小波变换的图像边缘检测方法
CN113077437B (zh) * 2021-03-31 2023-07-25 上海晨兴希姆通电子科技有限公司 工件质量检测方法及其系统
CN113674197B (zh) * 2021-07-02 2022-10-04 华南理工大学 一种太阳能电池背面电极的分割方法
CN113203745A (zh) * 2021-07-05 2021-08-03 中航锂电科技有限公司 一种叠片装置及极片翻折的检测方法
CN113642847B (zh) * 2021-07-15 2023-08-04 中国农业大学 对虾质量的估算方法和装置
CN113870120B (zh) * 2021-12-07 2022-03-01 领伟创新智能系统(浙江)有限公司 一种基于pq-mean分布的加工表面纹理倾斜校正方法
CN114332066B (zh) * 2022-01-05 2024-02-13 合肥工业大学 一种基于图像差分的针孔对准检测方法及装置
CN115100228B (zh) * 2022-07-25 2022-12-20 江西现代职业技术学院 图像处理方法、系统、可读存储介质及计算机设备
CN116327232B (zh) * 2023-03-27 2023-09-22 北京朗视仪器股份有限公司 一种头颅摄影装置参数校准方法、装置及设备
CN117351034B (zh) * 2023-12-04 2024-02-13 深圳市丰源升科技有限公司 一种钙钛矿电池激光划线方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5901240A (en) * 1996-12-12 1999-05-04 Eastman Kodak Company Method for detecting the collimation field in a digital radiography
US6212291B1 (en) * 1998-01-29 2001-04-03 Eastman Kodak Company Method for recognizing multiple irradiation fields in digital radiography
CN1596829A (zh) * 2003-09-19 2005-03-23 Ge医疗系统环球技术有限公司 射线计算机断层成像设备和其中使用的射线检测器

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2596744B2 (ja) * 1987-04-16 1997-04-02 富士写真フイルム株式会社 放射線照射野認識方法
JP3923131B2 (ja) * 1997-03-31 2007-05-30 富士フイルム株式会社 放射線画像の照射野認識方法および装置、並びに黒化処理方法および装置
US6317510B1 (en) * 1997-12-19 2001-11-13 Fuji Photo Film Co., Ltd. Blackening processing method and apparatus
JP3878401B2 (ja) 2000-09-14 2007-02-07 シャープ株式会社 画像処理装置、画像処理方法およびそれを記録した記録媒体
US7110588B2 (en) * 2001-05-10 2006-09-19 Agfa-Gevaert N.V. Retrospective correction of inhomogeneities in radiographs
US6836570B2 (en) * 2001-11-14 2004-12-28 Eastman Kodak Company Method for contrast-enhancement of digital portal images
DE10309166A1 (de) 2003-02-28 2004-09-16 Siemens Ag Röntgendiagnostikeinrichtung mit Bildrechner zur Richtungsfilterung
CN1685373B (zh) 2003-03-14 2011-03-02 富士通株式会社 钞票的识别方法和识别装置
JP4368350B2 (ja) 2003-05-27 2009-11-18 株式会社日立メディコ X線画像診断装置
US7391895B2 (en) * 2003-07-24 2008-06-24 Carestream Health, Inc. Method of segmenting a radiographic image into diagnostically relevant and diagnostically irrelevant regions
US7508970B2 (en) * 2004-12-24 2009-03-24 General Electric Company Systems, methods and apparatus for detecting a collimation edge in digital image radiography
US7920730B2 (en) * 2005-10-07 2011-04-05 Siemens Medical Solutions Usa, Inc. Automatic bone detection in MRI images
JP5010859B2 (ja) 2005-12-21 2012-08-29 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像生成装置
US8064678B2 (en) * 2007-10-22 2011-11-22 Genetix Corporation Automated detection of cell colonies and coverslip detection using hough transforms

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5901240A (en) * 1996-12-12 1999-05-04 Eastman Kodak Company Method for detecting the collimation field in a digital radiography
US6212291B1 (en) * 1998-01-29 2001-04-03 Eastman Kodak Company Method for recognizing multiple irradiation fields in digital radiography
CN1596829A (zh) * 2003-09-19 2005-03-23 Ge医疗系统环球技术有限公司 射线计算机断层成像设备和其中使用的射线检测器

Also Published As

Publication number Publication date
US8135191B2 (en) 2012-03-13
CN101540040A (zh) 2009-09-23
US20090238433A1 (en) 2009-09-24

Similar Documents

Publication Publication Date Title
CN101540040B (zh) 自动检测限束器边界的方法与装置
CN109378052B (zh) 图像标注的预处理方法及系统
CN101237811B (zh) 眼科装置定位系统和相关的方法
US8787690B2 (en) Binarizing an image
US6101238A (en) System for generating a compound x-ray image for diagnosis
DE102018133188A1 (de) Abstandbestimmung einer probenebene in einem mikroskopsystem
US7957569B2 (en) Orientation of radiographic images
CN103903254B (zh) 一种x光图像处理方法、系统及x光图像处理设备
CN105761252A (zh) 图像分割的方法及装置
CN1503169A (zh) 为数字射线照片的基于模型的解释设置初始值
DE102006034374A1 (de) Verfahren und Anordnung zur Röntgenbildaufnahme
US20190163949A1 (en) Intelligent tumor tracking system
CN105139409B (zh) 基于蚁群算法的二维图像分割方法
CN107871319A (zh) 限束器区域的检测方法、装置、x射线系统和存储介质
CN112102282A (zh) 一种基于Mask RCNN的医学图像中不同节数腰椎的自动识别方法
CN111462071B (zh) 一种图像处理方法和系统
DE112012004847B4 (de) Verfahren und System zum Detektieren von Linien in einem Bild und Spurdetektionssystem zum Analysieren von Straßenbildern
CN105224911A (zh) 一种多视角实时行人检测方法及系统
CN102693535B (zh) 一种检测dr图像中束光器区域的方法
Slager et al. Contouromat—A hard-wired left ventricular angio processing system. I. Design and application
CN103793905A (zh) 确定脑部图像冠状位方向的方法及装置
US20160210740A1 (en) Method and system for spine position detection
CN106909869A (zh) 一种矩阵式二维码的采样网格划分方法及装置
KR101377910B1 (ko) 화상 처리 방법 및 화상 처리 장치
CN103034857B (zh) 自动检测图像中曝光区域的方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20121212

Termination date: 20160321

CF01 Termination of patent right due to non-payment of annual fee