CN102376092A - 图像处理装置以及图像处理方法 - Google Patents
图像处理装置以及图像处理方法 Download PDFInfo
- Publication number
- CN102376092A CN102376092A CN2011102456369A CN201110245636A CN102376092A CN 102376092 A CN102376092 A CN 102376092A CN 2011102456369 A CN2011102456369 A CN 2011102456369A CN 201110245636 A CN201110245636 A CN 201110245636A CN 102376092 A CN102376092 A CN 102376092A
- Authority
- CN
- China
- Prior art keywords
- mentioned
- closed region
- energy
- image
- image processing
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Endoscopes (AREA)
- Image Processing (AREA)
Abstract
图像处理装置以及图像处理方法,具备:梯度强度计算部,根据生物体内管腔图像计算各像素的像素值的梯度强度;闭区域提取部,提取满足在区域内部不含梯度强度在规定值以上的像素且区域边界不以规定曲率以上的曲率向该区域内侧弯曲这一条件的闭区域;异常部位检测部,检测闭区域内部的异常部位,闭区域提取部具备:初始闭区域设定部,根据梯度强度设定具有闭区域的初始形状的初始闭区域;能量计算部,计算至少包含由闭区域外形决定的能量和由闭区域边界的梯度强度决定的能量的多个能量值;能量加权和计算部,计算多个能量的加权和,根据加权和使初始闭区域变形来提取闭区域,初始闭区域设定部具有根据梯度强度决定初始闭区域的设定范围的范围决定部。
Description
技术领域
本发明涉及对拍摄了生物体内管腔所得的生物体内管腔图像进行处理的图像处理装置以及图像处理方法。
背景技术
一直以来,作为导入到患者等被检者体内对体内管腔内进行观察的医用观察装置广泛普及了内窥镜。另外,近年来开发了在胶囊型壳体内部具有摄像装置和向体外无线发送由该摄像装置所摄像的图像数据的通信装置等的吞入型内窥镜(胶囊内窥镜)。因为对这些医用观察装置所摄像的体内管腔内的图像(生物体内管腔图像)进行观察/诊断需要较多的经验,所以希望具有辅助医师进行诊断的医疗诊断辅助功能。作为实现该功能的图像识别技术之一,提出了从生物体内管腔图像中自动检测病变等异常部位向医师等提示的技术。
例如,在日本特开2002-99896号公报中公开了如下这样的技术:采用形状依赖性滤波器稳定地检测作为乳癌的癌化部分特征之一的微钙化阴影的候选,而不受粗大构造及线构造的影响。在该日本特开2002-99896号公报中事先准备了第2形状依赖性滤波器,该第2形状依赖性滤波器以假定的微钙化阴影的形状为基础,根据摄影条件、读取条件、图像对比度、微钙化阴影尺寸这样的各种条件或者将这些条件组合的条件等来使滤波器特性最优化。并且,首先通过采用作为形态学滤波器(例如,参照小他,「多重構造要素を用いたモルフオロジ一フイルタによる微小石灰化像の抽出」,電子情報通信学会論文誌,D-II,Vol.J75-D-II,No.7,P1170~1176,July 1992,小他,「モルフオロジ一の基礎とそのマンモグラム処理への応用」,MEDICALIMAGING TECHNOLOGY,Vol.12,No.1,January 1994)的第1形状依赖性滤波器去除图像中的直线构造,生成表示微细构造部分的微细构造图像。然后,通过对微细构造图像实施采用了预先准备的第2形状依赖性滤波器的强调处理,生成与周围(包含没有被第1形状依赖性滤波器完全去除的粗大构造部分及线构造部分等的微钙化阴影候选以外的部分)相比仅相对地强调了微小钙化阴影候选的已强调处理图像。
但是,在上述内窥镜及胶囊内窥镜等医用观察装置所摄像的生物体内管腔图像中,例如存在多个由于消化管内壁的粘膜构造的折叠及弯曲而产生的沟及粘膜褶皱的轮廓等曲率较大弯曲这样的部位。因此,在将日本特开2002-99896号公报应用于生物体内管腔图像来检测病变等异常部位时,在去除直线构造的第1形状依赖性滤波器(形态学滤波器)中,依赖于滤波器的尺寸,上述的生物体组织所形成的沟位置及轮廓部分等那样曲率较大弯曲的部位会残留在微细构造图像上。另外,日本特开2002-99896号公报的第2形状依赖性滤波器用于强调特定的形状(微钙化阴影的形状),但反映在生物体内管腔图像上的异常部位不具有确定的形状。因此,很难像日本特开2002-99896号公报那样,事前假定异常部位的形状,然后设计用于对经由第1形状依赖性滤波器而残留的构造(例如前面叙述的曲率较大弯曲的部位)和异常部位进行区别的最佳形状依赖性滤波器。因此,即使将两种形状依赖性滤波器进行组合,也很难将异常部位与沟位置和轮廓部分进行区分检测。
另一方面,反映在生物体内管腔图像上的沟位置或轮廓部分可作为边缘提取。如果根据该边缘从生物体内管腔图像中提取闭区域,则可进行将沟位置或轮廓部分以外的区域作为对象的异常部位检测。由此,因为可从沟位置或轮廓部分以外的区域检测异常部位,所以可抑制将沟位置或轮廓部分误检测为异常部位的情况。这里,作为根据边缘来提取闭区域的方法例如可举出采用公知的动态轮廓提取法的方法。动态轮廓提取法是将图像内的边缘作为闭曲线提取的方法,该方法一边使初始闭曲线的形状变形,一边提取基于闭曲线的连续性、平滑度、闭曲线上的边缘强度的能量值之和最稳定的闭曲线。
但是,在仅仅应用上述这样的动态轮廓提取法提取闭区域时,通过怎样定义闭区域的初始位置及各个能量值而提取的闭区域大不相同。因此未必能够适当地提取闭区域,结果具有对沟位置或轮廓部分进行异常部位检测,并将它们误检测这样的情况。
发明内容
本发明是鉴于上述问题而作出的,其目的是提供可从生物体内管腔图像中高精度地检测异常部位的图像处理装置以及图像处理方法。
本发明的一个方式的图像处理装置具备:梯度强度计算部,其计算对生物体内管腔进行摄像所得的生物体内管腔图像的各个像素的像素值的梯度强度;闭区域提取部,其从上述生物体内管腔图像中提取闭区域,该闭区域满足如下条件:在该闭区域内部不包含上述梯度强度在规定值以上的像素且该闭区域的边界不以规定曲率以上的曲率向该闭区域的内侧弯曲;以及异常部位检测部,其检测上述闭区域内部的异常部位,上述闭区域提取部具备:初始闭区域设定部,其根据上述梯度强度设定具有上述闭区域的初始形状的初始闭区域;能量计算部,其计算至少包含由上述闭区域的外形决定的能量以及由上述闭区域的边界上的上述梯度强度决定的能量在内的多个能量的值;以及能量加权和计算部,其计算上述多个能量的加权和,上述闭区域提取部通过根据上述加权和使上述初始闭区域变形来提取上述闭区域,上述初始闭区域设定部具有根据上述梯度强度来决定初始闭区域的设定范围的范围决定部。
另外,本发明的其它方式的图像处理装置具备:梯度强度计算部,其计算对生物体内管腔进行摄像所得的生物体内管腔图像的各个像素的像素值的梯度强度;闭区域提取部,其从上述生物体内管腔图像中提取闭区域,该闭区域满足如下条件:在该闭区域内部不包含上述梯度强度在规定值以上的像素且该闭区域的边界不以规定曲率以上的曲率向该闭区域的内侧弯曲;以及异常部位检测部,其检测上述闭区域内部的异常部位,上述闭区域提取部具备:初始闭区域设定部,其根据上述梯度强度设定具有上述闭区域的初始形状的初始闭区域;能量计算部,其计算至少包含由上述闭区域的外形决定的能量以及由上述闭区域的边界上的上述梯度强度决定的能量在内的多个能量的值;以及能量权重设定部,其根据上述初始闭区域的位置,设定针对上述多个能量中的至少1个能量的权重;以及能量加权和计算部,其计算上述多个能量的加权和,上述闭区域提取部通过根据上述加权和使上述初始闭区域变形来提取上述闭区域。
另外,本发明的其它方式的图像处理方法包含以下步骤:梯度强度计算步骤,计算对生物体内管腔进行摄像所得的生物体内管腔图像的各个像素的像素值的梯度强度;闭区域提取步骤,从上述生物体内管腔图像中提取闭区域,该闭区域满足如下条件:在该闭区域内部不包含上述梯度强度在规定值以上的像素且该闭区域的边界不以规定曲率以上的曲率向该闭区域的内侧弯曲;以及异常部位检测步骤,检测上述闭区域内部的异常部位,上述闭区域提取步骤包含以下步骤:初始闭区域设定步骤,根据上述梯度强度设定具有上述闭区域的初始形状的初始闭区域;能量计算步骤,计算至少包含由上述闭区域的外形决定的能量以及由上述闭区域的边界上的上述梯度强度决定的能量在内的多个能量的值;以及能量加权和计算步骤,其计算上述多个能量的加权和,上述闭区域提取步骤通过根据上述加权和使上述初始闭区域变形来提取上述闭区域,上述初始闭区域设定步骤包含根据上述梯度强度来决定初始闭区域的设定范围的范围决定步骤。
另外,本发明的其它方式的图像处理方法包含以下步骤:梯度强度计算步骤,计算对生物体内管腔进行摄像所得的生物体内管腔图像的各个像素的像素值的梯度强度;闭区域提取步骤,从上述生物体内管腔图像中提取闭区域,该闭区域满足如下条件:在该闭区域内部不包含上述梯度强度在规定值以上的像素且该闭区域的边界不以规定曲率以上的曲率向该闭区域的内侧弯曲;以及异常部位检测步骤,检测上述闭区域内部的异常部位,上述闭区域提取步骤包含以下步骤:初始闭区域设定步骤,根据上述梯度强度设定具有上述闭区域的初始形状的初始闭区域;能量计算步骤,计算至少包含由上述闭区域的外形决定的能量以及由上述闭区域的边界上的上述梯度强度决定的能量在内的多个能量的值;能量权重设定步骤,根据上述初始闭区域的位置来设定针对上述多个能量中的至少1个能量的权重;以及能量加权和计算步骤,其计算上述多个能量的加权和,上述闭区域提取步骤通过根据上述加权和使上述初始闭区域变形来提取上述闭区域。
针对以上所述的情况和本发明的其它目的、特征、优点以及技术及产业上的意义,如果将以下本发明的详细说明与附图对照着阅读,则有助于进一步理解。
附图说明
图1是说明实施方式1的图像处理装置的功能结构的框图。
图2是说明闭区域的提取原理的说明图。
图3是示出在内部包含沟位置等边缘的闭区域的图。
图4是示出在图3中用单点划线示出的线上的像素值的变化曲线的图。
图5是示出在边界上包含轮廓部分等较大弯曲的边缘的闭区域的图。
图6是示出在图5中用单点划线示出的线上的像素值的变化曲线的图。
图7是计算实施方式1的图像处理装置进行的处理过程的整体流程图。
图8是示出生物体内管腔图像的一例的示意图。
图9是示出实施方式1中的设定范围决定处理的详细处理过程的流程图。
图10是示出从图8的生物体内管腔图像中提取出的平坦区域的示意图。
图11是示出配置于图10的平坦区域的中心线上的候选点的图。
图12是示出在平坦区域内的设定范围中设定的初始闭区域的一例的图。
图13是示出控制点数决定处理的详细处理过程的流程图。
图14是示出实施方式1中的能量权重设定处理的详细处理过程的流程图。
图15是示出闭区域提取处理的详细处理过程的流程图。
图16是示出异常部位检测处理的详细处理过程的流程图。
图17是说明实施方式2的图像处理装置的功能结构的框图。
图18是示出实施方式2的图像处理装置进行的处理过程的整体流程图。
图19是示出实施方式2中的设定范围决定处理的详细处理过程的流程图。
图20是示出生物体内管腔图像的一例的示意图。
图21是计算实施方式2中的能量权重设定处理的详细处理过程的流程图。
图22是说明实施方式3的图像处理装置的功能结构的框图。
图23是示出实施方式3的图像处理装置进行的处理过程的整体流程图。
图24是示出实施方式3中的设定范围决定处理的详细处理过程的流程图。
图25是示出实施方式3中的能量权重设定处理的详细处理过程的流程图。
图26是示出应用了本发明的计算机系统的结构的系统构成图。
图27是示出构成图26的计算机系统的主体部的结构的框图。
具体实施方式
以下,参照附图对本发明的优选实施方式进行说明。此外,本实施方式不限定本发明。另外,在各附图的记载中,对同一部分标注相同的符号。
本实施方式的图像处理装置对例如内窥镜或胶囊内窥镜等医用观察装置拍摄被检者体内的消化管等生物体内管腔所得的图像(生物体内管腔图像)进行处理,并进行从生物体内管腔图像中检测例如病变或出血部位等异常部位的处理。如上所述,在生物体内管腔图像中反映了粘膜构造等生物体组织所形成的沟的阴影及轮廓。在本实施方式中,为了抑制将该沟位置及轮廓部分误检测为异常部位的情况,在生物体内管腔图像中提取闭区域,以使这些沟位置及轮廓部分不包含在内部及边界中,并针对提取出的每个闭区域来检测异常部位。此外,在本实施方式中,生物体内管腔图像例如是每个像素都具有与R(红)、G(绿)、B(青)的各波长分量相对应的像素值的彩色图像。
实施方式1
首先,对实施方式1的图像处理装置进行说明。图1是说明实施方式1的图像处理装置1的功能结构的框图。实施方式1的图像处理装置1如图1所示具备图像取得部11、输入部12、显示部13、记录部14、运算部20和控制图像处理装置1整体动作的控制部15。
图像取得部11用于取得医用观察装置所摄像的生物体内管腔图像的图像数据,该图像取得部11所取得的生物体内管腔图像的图像数据被记录在记录部14中,由运算部20进行处理后,根据需要适当显示到显示部13上。图像取得部11在例如像医用观察装置是胶囊内窥镜的情况等那样在与医用观察装置之间交接图像数据时使用移动型记录介质的情况下,由可拆装自如地安装该记录介质并读出所保存的生物体内管腔图像的图像数据的读出装置构成。另外,当在适当位置设置预先保存医用观察装置所摄像的生物体内管腔图像的图像数据的服务器、并从该服务器取得该图像数据的结构的情况下,图像取得部11由用于与服务器连接的通信装置等构成。并且,经由该图像取得部11与服务器进行数据通信,取得生物体内管腔图像的图像数据。除此之外,也可以由经由电缆输入来自内窥镜等医用观察装置的图像信号的接口装置等构成。
输入部12例如由键盘、鼠标、触摸面板及各种开关等来实现,将输入信号输出至控制部15。显示部13由LCD及EL显示器等显示装置来实现,根据控制部15的控制显示包含生物体内管腔图像的各种画面。
记录部14由可更新记录的闪存等的ROM及RAM这样的各种IC存储器、内置或者利用数据通信端子连接的硬盘、CD-ROM等信息记录介质及其读取装置等来实现,该记录部14预先或者在每次处理中临时地记录用于使图像处理装置1动作而实现该图像处理装置1所具备的各种功能的程序及在该程序的执行中使用的数据等。在该记录部14中记录有图像取得部11所取得的生物体内管腔图像的图像数据。另外,在记录部14中记录有用于实现实施方式1的处理而从生物体内管腔图像中检测异常部位的图像处理程序141。
运算部20由CPU等硬件来实现,其处理生物体内管腔图像,进行用于检测异常部位的各种运算处理。该运算部20包含梯度强度计算部21、闭区域提取部22和异常部位检测部32。
梯度强度计算部21根据生物体内管腔图像的各像素的像素值来计算各像素的像素值的梯度强度。
闭区域提取部22将在区域内部不包含梯度强度是预先设定的规定值以上的像素且区域边界不以规定曲率以上的曲率向该区域内侧弯曲作为条件,从生物体内管腔图像中提取满足上述条件的闭区域。该闭区域提取部22具备初始闭区域设定部23、能量权重设定部29、能量计算部30和能量加权和计算部31,根据能量加权和计算部31所计算出的加权和使初始闭区域变形来提取闭区域。
初始闭区域设定部23设定具有闭区域的初始形状的初始闭区域。该初始闭区域设定部23具备范围决定部24、闭区域尺寸决定部27和控制点数决定部28。范围决定部24是根据各像素的梯度强度来决定设定初始闭区域的生物体内管腔图像中的范围(设定范围)的功能部,具备平坦区域提取部241和区域形状信息计算部242。平坦区域提取部241从生物体内管腔图像中,将由梯度强度值小到某种程度且梯度强度值与周围接近的多个像素构成的区域作为平坦区域提取。区域形状信息计算部242计算平坦区域的形状信息。该区域形状信息计算部242具备计算平坦区域中心线的中心线计算部243和计算中心线曲率的曲率计算部244。闭区域尺寸决定部27根据范围决定部24所决定的初始闭区域的设定范围来决定初始闭区域的尺寸。在实施方式1内,在该闭区域尺寸决定部27中,内接区域尺寸决定部271将具有规定的形状(例如,圆形状)且内接在初始闭区域的设定范围中的大小决定为初始闭区域的尺寸。此外,初始闭区域的形状不限于圆形状,可以为适当的形状。控制点数决定部28根据初始闭区域的尺寸来决定初始闭区域的后述的控制点数。这里,所谓控制点就是位于闭区域边界的座标点。该控制点数决定部28具备计算初始闭区域的面积的面积计算部281和计算初始闭区域的周围长的周围长计算部282。
能量权重设定部29根据初始闭区域的位置来设定对能量计算部30所计算的多个能量中的至少1个能量的权重。在实施方式1中,作为对后述内部能量的权重,设定2种权重(控制点数权重、区域形状权重)。该能量权重设定部29具备控制点数权重设定部291、区域形状权重设定部292。控制点数权重设定部291根据控制点数决定部28所决定的控制点数来设定控制点数权重。另外,虽然将在后面详细地进行叙述,但在实施方式1中,在平坦区域提取部241所提取的平坦区域内决定设定范围,在该设定范围内设定初始闭区域。区域形状权重设定部292根据初始闭区域设定位置处的平坦区域的形状信息来设定区域形状权重。
能量计算部30计算至少包含由闭区域的外形决定的能量以及由闭区域边界中的梯度强度决定的能量在内的多个能量的值。在实施方式1中,能量计算部30具备内部能量计算部301、图像能量计算部302和外部能量计算部303,并计算与由闭区域的外形决定的能量相当的内部能量和外部能量以及与由闭区域边界中的梯度强度决定的能量相当的图像能量这3个能量的各个值。这里,内部能量表示闭区域边界的平滑度,是表示闭区域的形状越平滑其值越小的能量。图像能量是表示闭区域边界中的梯度强度值越大其值越小的能量。外部能量是表示闭区域的大小越大其值越小的能量。
能量加权和计算部31计算能量计算部30所计算出的多个能量的加权和。此时,在实施方式1中,能量加权和计算部31采用能量权重设定部29所设定的控制点数权重以及区域形状权重对内部能量进行加权,然后计算该内部能量、图像能量以及外部能量的加权和。此外,不一定非要计算这3个能量的加权和,也可以计算这3个中的任意2个能量的加权和。
异常部位检测部32针对每个闭区域检测其边界内侧(内部)的异常部位。
控制部15由CPU等硬件来实现。该控制部15根据图像取得部11所取得的图像数据、从输入部12输入的输入信号和记录部14所记录的程序及数据等来进行对构成图像处理装置1的各部的指示及数据的传送等,并集中地控制图像处理装置1整体的动作。
这里,对实施方式1中闭区域提取部22进行的闭区域的提取原理进行说明。图2是说明闭区域的提取原理的说明图,示意性示出在闭区域提取部22中初始闭区域设定部23所设定的初始闭区域E1。如图2所示,初始闭区域E1被设定为在其边界上的像素中配置多个控制点Pc、并连接这些控制点Pc的区域。所配置的控制点Pc的数量根据初始闭区域的尺寸决定。并且,根据各控制点Pc的位置、该位置的梯度强度、各控制点Pc与重心(中心)P1的距离等,按照每个控制点Pc来计算上述内部能量、图像能量以及外部能量,通过使这3个能量的加权和成为最小来移动控制点Pc,使初始闭区域E1向区域扩展的方向变形,提取闭区域。
如果这样提取了闭区域,则检测闭区域内部的异常部位。在本例中,如在后面详细叙述那样,进行形态学处理(例如采用了球形构造要素的3维形态学处理(浓淡形态学))来检测异常部位。这里,在形态学处理中具有开(Opening)处理(参考:CG-ARTS協会、デイジタル画像処理、P179~180、収縮·膨張処理)和闭(Closing)处理(参考:CG-ARTS協会、デイジタル画像処理、P179~P180、収縮·膨張処理)。开处理是在将像素值视为高度的3维空间中计算当从对象区域的像素值小的一方(下侧)外接被称为构造要素的基准图形(在本例中是球形)进行移动时构造要素的外周最大值通过的轨跡(面)的处理。另一方面,闭处理是在同样的3维空间中计算当从对象区域的像素值大的一方(上侧)外接构造要素进行移动时构造要素的外周最小值通过的轨迹(面)的处理。并且,在采用了开处理的情况下,将所获得的轨跡上的值作为基准值使用,检测与实际像素值的差分大的像素作为异常部位。采用了闭处理的情况也同样,检测所获得的轨跡上的基准值与实际像素值的差分大的像素作为异常部位。
但是,在应用包含上述开处理及闭处理的形态学处理针对每个闭区域检测异常部位的情况下,如果在闭区域的内部包含有沟位置,则有时将该沟位置误检测为异常部位。图3是示出闭区域一例的示意图,示出被作成为在内部包含有沟位置等边缘51的闭区域。另外,图4示出像素值的变化曲线L31,将横轴作为在图3中用单点划线示出的线(跨越边缘51的线)上的边界像素P31、P32间的像素位置,将纵轴作为相应的各像素的像素值。在跨越边缘51的线上如图4所示,该像素值的变化在边缘位置局部较大地凹陷。因此,对内部包含边缘51的闭区域进行形态学处理(闭处理),在从上侧外接构造要素F3进行移动时(箭头A31),因为在构造要素F3相对于上述凹陷部分的宽度较大时构造要素F3进不到该部分中,所以可获得如在图4中用单点划线示出的轨跡L32(实际上为面)。这样,当在闭区域的内部含有沟位置等边缘51时,依赖于构造要素F3的形状而获得的基准值与实际的像素值较大地偏离。另一方面,如上所述,在异常部位的检测中,将所获得的轨跡L32上的值用作基准值,通过将各像素的像素值与基准值进行比较,来检测差值较大的像素作为异常部位。因此,当作成在闭区域的内部含有沟位置等边缘这样的闭区域时,有时边缘51的部分根据箭头A32所示的差分被误检测为异常部位。
同样,当闭区域的边界含有以规定曲率以上的曲率向内侧弯曲的轮廓部分时,有时将该轮廓部分误检测为异常部位。图5是示出闭区域的其它例的示意图,示出被作成为在边界处含有轮廓部分等以规定曲率以上的曲率向内侧弯曲的边缘52的闭区域。另外,图6示出像素值的变化曲线L41,将横轴作为在图5中用单点划线示出的线(跨越边缘52的弯曲部分的线)上的边界像素P41、P44之间的像素位置,将纵轴作为闭区域内部的边界像素p41、P42之间以及边界像素p43、P44之间的各个像素的像素值。在跨越边缘52的弯曲部分的线上如图6所示,其像素值的变化在弯曲位置中断。这里,对包含边界向内侧较大弯曲的边缘52的闭区域进行形态学处理(闭处理),当从上侧外接构造要素F4进行移动时(箭头A41),由于在构造要素F4相对于上述中断部分的间隔较大时构造要素F4进不到该部分中,所以能够获得如在图6中用单点划线示出的轨跡L42(实际上为面)。这样,当在闭区域的边界包含轮廓部分等向内侧较大弯曲的边缘时,与在闭区域的内部包含沟位置等边缘的情况相同,依赖于构造要素的形状而获得的基准值与实际的像素值较大地偏离,有时会根据箭头A42所示的差分将轮廓部分误检测为异常部位。
为了抑制以上这样的情况,在实施方式1中,闭区域提取部22进行满足如下条件的闭区域的提取,该条件是在区域内部不包含梯度强度是规定值以上的像素(边缘部分的像素)而且区域的边界不以规定曲率以上的曲率向内侧弯曲。由此,在应用形态学处理进行的后阶段的异常部位检测中,可适当地获得基准值。
接着,说明实施方式1的图像处理装置1进行的具体处理过程。图7是示出实施方式1的图像处理装置1进行的处理过程的整体流程图。通过运算部20执行记录部14所记录的图像处理程序141来实现这里说明的处理。
如图7所示,首先运算部20取得处理对象的生物体内管腔图像(步骤a1)。根据这里的处理,运算部20读出并取得由图像取得部11取得并记录在记录部14内的处理对象的生物体内管腔图像。图8是示出生物体内管腔图像的一例的示意图。如图8所示,在生物体内管腔图像中基本反映了消化管内壁的粘膜6等生物体组织,有时反映出血部位等异常区域(未图示)。另外,在生物体内管腔图像中,由于粘膜6的折叠及弯曲等而产生的沟、粘膜6的轮廓等表现为边缘61、62。此外在图8中,将一个边缘62作为较大弯曲的边缘示出。
接着,梯度强度计算部21根据生物体内管腔图像的各个像素的例如G值,针对每个像素计算梯度强度(步骤3)。这例如通过应用公知的边缘提取处理(参考:CG-ARTS協会、デイジタル画像処理、P114-P121、エツジ抽出)等来实现,该边缘提取处理使用了索贝尔(Sobel)滤波器等1阶微分滤波器及拉普拉斯(Laplacian)滤波器等2阶微分滤波器。采用G值是因为接近于血红蛋白的吸收波长频带、也容易获得感光度,所以能更好地显示生物体内管腔图像的构造。此外,这里根据各像素的G值来计算梯度强度,不过也可以计算各像素的亮度值,并根据亮度值来计算各像素的梯度强度。
接着,范围决定部24执行设定范围决定处理(步骤a5)。图9示出实施方式1中的设定范围决定处理的详细处理过程的流程图。
如图9所示,在设定范围决定处理中,首先,平坦区域提取部241根据在图7的步骤a3中针对每个像素计算出的梯度强度,从处理对象的生物体内管腔图像中将梯度强度值小到某种程度的区域、例如梯度强度值是预先设定的阈值以下的区域作为平坦区域提取(步骤b1)。这可通过例如应用公知的区域合并法(参考:CG-ARTS協会、デイジタル画像処理、P196、領域分割処理)等来实现。此外,这里将梯度强度值是规定阈值以下的区域作为平坦区域提取,但也可以加上颜色(像素值)来提取平坦区域。具体地说,可根据在图7的步骤a3中针对每个像素计算出的梯度强度值和处理对象的生物体内管腔图像的像素值,将由梯度强度值小到某种程度(梯度强度值是规定阈值以下)且具有与周围像素的像素值接近的像素值的多个像素构成的区域作为平坦区域提取。
接着,作为中心线计算部243计算在步骤b1中提取出的平坦区域的中心线的处理,首先,提取平坦区域的轮廓线(步骤b3)。这是通过例如应用公知的轮廓跟踪法(参考:CG-ARTS協会、デイジタル画像処理、P178~P179、輪郭追跡)等来实现的。
接着,中心线计算部243针对每个像素计算与在步骤b3中提取出的轮廓线的距离,并将各像素的像素值作为针对相应的像素所计算出的距离的值,作成距离图像(步骤b5)。并且,中心线计算部243检测距离图像的脊线,作为平坦区域的中心线(步骤b7)。这是通过例如应用骨格提取(骨架)处理来实现的。图10是示出从图8的生物体内管腔图像中提取出的平坦区域之1的示意图,其示出图8中的边缘61与边缘62所夹的部分即平坦区域E51。在图9的步骤b7中,从图10的平坦区域E51中获得该中心线L5。
接着,曲率计算部244将在步骤b7中计算出的中心线曲率作为平坦区域的形状信息计算。即,首先曲率计算部244在中心线上等间隔地配置多个候选点(步骤b9)。接着,曲率计算部244针对在步骤b9中配置的每个候选点计算针对邻接的2个候选点的内积,作为在相应候选点上的中心线曲率(步骤b11)。图11是示出在图10的平坦区域E51的中心线L5上配置的候选点P5的图。这里,如果着眼于候选点P5中的例如候选点P5-1,则在图9的步骤b11中计算分别朝向邻接的各候选点P5-2、P5-3的矢量V51、V52的内积,作为中心线L5在候选点P5-1上的曲率值。
接着,范围决定部24对在步骤b11中针对每个候选点所计算出的曲率进行阈值处理。并且,范围决定部24选出曲率是预先设定的阈值以下的候选点,将所选出的候选点范围决定为平坦区域内的初始闭区域的设定范围(步骤b13)。在步骤b11中获得的曲率值大的候选点位置、即中心线较大弯曲的位置处,在该候选点附近的平坦区域的外侧存在边缘的端点或者较大弯曲的边缘的可能性高。例如,虽然图11的候选点P5-1上的中心线L5的曲率可作为大于其它候选点的值来获得,但在平坦区域E51的内侧该候选点P5-1的附近具有如图8所示那样较大弯曲的边缘62。在图9的步骤b13中,选出该候选点P5-1这样的曲率值大的候选点以外的候选点(曲率值小的候选点),将所选出的候选点P5的范围作为初始闭区域的设定范围。例如在图11的例子中,将除了候选点P5-1以外的候选点P5全部选出,并将所选出的候选点P5的范围作为初始闭区域的设定范围。
此外,当存在多个在步骤b1中检测出的平坦区域的情况下,针对每个平坦区域进行步骤b3~步骤b13的处理,并分别决定各平坦区域中的初始闭区域的设定范围。如果针对每个平坦区域决定了初始闭区域的设定范围,则返回图7的步骤a5,然后转移至步骤a6。
并且,在步骤a6中,内接区域尺寸决定部271从图9的步骤b13所决定的设定范围内的候选点中选择一个候选点。例如,根据设定范围内的各候选点(像素)在通过图9的步骤b5所作成的距离图像中的像素值,来选择距离图像中的像素值最大的候选点。此外,也可以从设定范围内的候选点中随机进行选择。
接着,内接区域尺寸决定部271计算与平坦区域的轮廓线内接的圆形区域的半径r,作为初始闭区域的尺寸,该圆形区域将在步骤a6中选择出的候选点的候选点位置作为中心位置(步骤a7)。并且,初始闭区域设定部23将在步骤a6中选择出的候选点的候选点位置作为中心位置,将在步骤a7中与针对相应的中心位置计算出的平坦区域的轮廓线内接的半径r的圆形区域设定为初始闭区域(步骤a9)。图12是示出针对从在图11所示的候选点P5中被决定为设定范围的候选点范围内选择出的1个候选点P5-4,设定为半径r的圆形区域的初始闭区域E52的图。
当如以上这样在设定范围内设定了初始闭区域(闭区域的初始形状)时,控制点数决定部28继续执行控制点数决定处理,决定初始闭区域的控制点数(步骤a11)。图13是示出控制点数决定处理的详细处理过程的流程图。
如图13所示,在控制点数决定处理中,首先面积计算部281计算初始闭区域的面积(步骤c1)。接着,周围长计算部282计算初始闭区域的周围长(步骤c3)。然后,控制点数决定部28根据面积或周围长来决定初始闭区域的控制点数(步骤c5)。例如,根据下式(1),面积越大或周围长越长设定得控制点数越多。
控制点数=面积或周围长/规定系数...(1)
此外,这里虽然根据面积或周围长来设定控制点数,但也可以采用双方来决定控制点数。另外,在根据面积来设定控制点数的情况下可以不进行步骤c3的处理,同样在根据周围长设定控制点数的情况下可以不进行步骤c1的处理。如果决定了控制点数,则返回图7的步骤a11,然后转移至步骤a13。
并且,在步骤a13中,能量权重设定部29执行能量权重设定处理,并设定初始闭区域的控制点数权重以及区域形状权重。图14是示出实施方式1中的能量权重设定处理的详细处理过程的流程图。
如图14所示,在能量权重设定处理中,首先控制点数权重设定部291根据初始闭区域的控制点数来设定对内部能量的控制点数权重(步骤d1)。如参照图2所记述的那样,将初始闭区域设定为连接多个控制点的区域,所以控制点数越多成为越平滑的曲线,表示闭区域边界的平滑度的内部能量成为小值。因此,为了使每个闭区域的内部能量的比率恒定,根据下式(2)来设定对内部能量的控制点数权重,以使控制点数越多其值越大。
控制点数权重=控制点数×规定系数...(2)
接着,区域形状权重设定部292根据初始闭区域的中心位置的平坦区域的形状信息(针对作为中心位置的候选点在图9的步骤b11中计算出的中心线曲率),设定对内部能量的区域形状权重(步骤d3)。如上所述,当初始闭区域的中心位置处的中心线曲率大时,在其周边平坦区域的外侧存在边缘的端点及较大弯曲的边缘的可能性高。在步骤d3中,为了不提取这种边缘端点进入内部的闭区域及包含其边界较大弯曲的边缘的闭区域,根据下式(3)设定对内部能量的区域形状权重,使得平坦区域的形状信息(作为中心位置的候选点上的中心线曲率)越大其值越大。
区域形状权重=作为中心位置的候选点上的中心线曲率×规定系数...(3)
如果设定了控制点数权重以及区域形状权重,则返回图7的步骤a13,并转移至步骤a15的闭区域提取处理。图15是示出闭区域提取处理的详细处理过程的流程图。
如图15所示,在闭区域提取处理中,首先内部能量计算部301关于初始闭区域,针对每个控制点计算表示闭区域边界越平滑其值越小的内部能量(Einternal)(步骤e1)。例如,根据下式(4),基于所关注的控制点(xi、yi)与邻接的两个控制点(xi-1、yi-1)、(xi+1、yi+1)之间的矢量的内积来计算内部能量E。并且,对所获得的能量E的值加权在图14的能量权重设定处理中设定的控制点数权重以及区域形状权重,作为内部能量Einternal的值。该内部能量Einternal被限制为,所关注的控制点相对于邻接控制点的位置不以规定曲率以上的曲率向闭区域的内侧弯曲。
接着,图像能量计算部302关于初始闭区域,针对每个控制点计算表示闭区域边界上的梯度强度越大其值越小的图像能量(Eimage)(步骤e3)。例如,图像能量Eimage由下式(5)表示,并计算为关注的控制点位置的像素的梯度强度的倒数。
并且,外部能量计算部303针对每个控制点计算表示闭区域的大小越大其值越小的外部能量的值(步骤e5)。该外部能量Eexternal是所关注的控制点朝向闭区域的扩展方向的能量,例如,由下式(6)来表示,并计算为闭区域重心与所关注的控制点的距离的倒数。
其中,
此外,式子(5)的β以及式子(6)的γ分别表示对相应能量的权重系数,可根据经验法则来决定值。另外,该β、γ的各个值可以为固定值,也可以构成为例如根据用户的操作输入等来可变地设定。
并且,能量加权和计算部31采用动态轮廓提取法(参考:CG-ARTS協会、デイジタル画像処理、P196-P200、領域分割処理)求出内部能量、图像能量以及外部能量的加权和的最小值,由此提取闭区域(步骤e7)。
更详细地说,各能量的加权和被计算为如下这3个能量的加权和的总和,即:如上所述针对每个控制点计算的通过控制点数权重以及区域形状权重加权所得的内部能量Einternal、针对每个控制点计算出的图像能量Eimage、以及针对每个控制点计算出的外部能量Eexternal,该计算式由下式(7)表示。
这里,N表示控制点的个数。在步骤e7中,通过将初始闭区域变形,使该加权和为最小,来提取闭区域。如果提取出闭区域,则返回图7的步骤a15,然后转移至步骤a17。
并且,在步骤a17中,初始闭区域设定部23判定在设定范围内是否具有可选择的候选点。例如,将设定范围内的候选点中的其位置是已经提取完毕的闭区域外的候选点作为可选择的候选点来判定其有无,由此不选择已经提取完毕的闭区域内部所包含的候选点。此外,这里的判定是候选点位置是否在已经提取完毕的闭区域外的判定,将该候选点位置作为中心位置的初始闭区域即使与已经提取完毕的闭区域重叠也不要紧。在具有可选择的候选点的情况下(步骤a17:是),返回步骤a6,内接区域尺寸决定部271从可选择的候选点中选择例如距离图像中的像素值最大的候选点。然后,对所选择的候选点进行步骤a7以后的处理。
另一方面,在设定范围内没有可选择的候选点的情况下(步骤17:否),闭区域提取部22继续判定有无未作为闭区域提取的区域。并且,在具有未作为闭区域提取的区域的情况下(步骤a19:是),闭区域提取部22在该未作为闭区域提取的区域中设定初始闭区域(步骤a21)。这里的初始闭区域的设定为了仅包含未作为闭区域提取的区域,例如只要设定圆形状的初始闭区域即可。其中,设定初始闭区域,使其中心位置不包含在已经提取完毕的闭区域内部且不包含边缘位置的像素(梯度强度值大的像素)。然后,闭区域提取部22针对已设定的初始闭区域执行闭区域提取处理(步骤a23)。虽然该闭区域提取处理只要以与图15的闭区域提取处理大致相同的过程来执行即可,但在这里的处理中,不对内部能量进行控制点数权重以及区域形状权重的加权。
然后,返回步骤a19,反复上述的处理,直至判定为生物体内管腔图像内的整个区域(边缘位置除外)作为闭区域提取为止。并且,当判定为没有未作为闭区域提取的区域时(步骤a19:否),异常部位检测部32执行异常部位检测处理(步骤a25)。在实施方式1中,例如是如下的方法:对进行了公知闭处理的闭图像进行公知的开处理并对所获得的像素值(基准值)与初始像素值的差分进行阈值处理来检测异常部位。
图16是示出异常部位检测处理的详细处理过程的流程图。如图16所示,在异常部位检测处理中,异常部位检测部32对每个闭区域执行循环A的处理(步骤f1~步骤f9)。在该循环A中,异常部位检测部32首先针对处理对象的闭区域的每个像素计算基准值(步骤f3)。接着,异常部位检测部32针对处理对象的闭区域的各个像素计算其像素值与在步骤f3中计算出的基准值之间的差分(步骤f5)。然后,异常部位检测部32对差分进行阈值处理,将差分是预先设定的阈值以上的像素检测为异常部位(步骤f7)。如果针对全部闭区域执行了循环A的处理,则返回图7的步骤a25,然后结束处理。此外,向显示部13输出图16的异常部位检测处理的结果(在步骤f7中的异常部位的检测结果),例如进行可将生物体内管腔图像中的异常部位与其它区域可识别地显现出来这样的显示,对医师等用户予以提示。
如以上所说明的那样,在实施方式1中,从生物体内管腔图像中提取出平坦区域,在该平坦区域内决定的设定范围中设定初始闭区域。因此,可设定在内部不包含边缘的初始闭区域。另外,此时作为平坦区域的形状信息计算其中心线的曲率,将除去如下位置的中心线上的范围决定为设定范围,该位置是中心线曲率较大且在外侧存在边缘端点或者较大弯曲的边缘的可能性高的位置。并且,针对表示闭区域边界的平滑度的内部能量,加权被设定成控制点数越多其值越大的控制点数权重,并且加权被设定成作为初始闭区域中心位置的中心线上的位置的曲率越大其值越大的区域形状权重,然后利用动态轮廓提取法来提取闭区域。
如上所述,因为通过使初始闭区域向区域扩展的方向变形来提取闭区域,所以当在初始闭区域的外侧存在边缘的端点及较大弯曲的边缘时,在使初始闭区域变形的过程中,有时边缘进入闭区域内部或者闭区域的边界沿着边缘扩展,从而提取出其边界包含较大弯曲的边缘这样的闭区域。根据实施方式1,在平坦区域内可将中心线上的弯曲较小的位置作为设定范围,在中心线上的弯曲较大的位置上不设定初始闭区域。然后,可将中心线上的弯曲较小的位置作为中心位置设定初始闭区域,并且对其内部能量进行与作为中心位置的中心线上的位置处的中心线曲率相应的权重(基于区域形状权重的加权)。然后,可通过扩展这种进行了位置以及权重设定的初始闭区域来提取闭区域,使其在内部不包含反映在生物体内管腔图像中的沟位置、其边界不含有轮廓部分,针对每个闭区域,可通过应用形态学处理来检测闭区域内部的异常部位。由此,不会将沟位置或轮廓部分误检测为异常部位,能够从生物体内管腔图像中高精度地检测出异常部位。
此外,在实施方式1中,将所选择的候选点的候选点位置作为中心位置,将与平坦区域的轮廓线内接的半径r的圆形区域设定为初始闭区域。另外,在图7的步骤a21中例如设定圆形状的初始闭区域,使其包含未作为闭区域提取的区域。与此相对可根据所选择的候选点的距离图像中的像素值来计算设定为初始闭区域的圆形区域的半径r,并作为初始闭区域的尺寸。另外,在图7的步骤a21中,可根据要设定的初始闭区域的中心位置的距离图像的像素值来计算圆形区域的半径r。具体地说,根据下式(8)来计算半径r。或者,可根据下式(9)来计算半径r。在下式(8)、(9)中,原点位置是候选点位置或在图7的步骤a21中设定的初始闭区域的中心位置。另外,距离图像值是原点位置在距离图像中的像素值。
半径r=原点位置的距离图像值×规定系数...(8)
半径r=原点位置的距离图像值-规定值 ...(9)
另外,在实施方式1中,作为对内部能量的权重,设定了2种权重(控制点数权重、区域形状权重),不过也可以设定任意一方的权重。另外,在仅设定区域形状权重的情况下,可使在初始闭区域中设定的控制点数恒定。
另外,图1所示的功能结构仅为一例,不仅限于此。例如,图1为在范围决定部24中具有平坦区域提取部241以及区域形状信息计算部242的结构,不过在运算部20中可计算平坦区域的形状信息,范围决定部24根据平坦区域的形状信息来决定设定范围,在能量权重设定部29中只要区域形状权重设定部292能够根据平坦区域的形状信息来设定区域形状权重就不限于范围决定部24所具有的结构。
实施方式2
首先,说明实施方式2的图像处理装置的结构。图17是说明实施方式2的图像处理装置1a的功能结构的框图。此外,对与在实施方式1中说明的结构相同的结构标注同一符号。实施方式2的图像处理装置1a如图17所示具备图像取得部11、输入部12、显示部13、记录部14a、运算部20a和控制图像处理装置1a整体动作的控制部15。
在记录部14a中记录有用于实现实施方式2的处理而从生物体内管腔图像中检测异常部位的图像处理程序141a。
另外,运算部20a包含梯度强度计算部21、闭区域提取部22a和异常部位检测部32。并且,在实施方式2中,闭区域提取部22a具备初始闭区域设定部23a、能量权重设定部29a、能量计算部30和能量加权和计算部31。
初始闭区域设定部23a设定初始闭区域。该初始闭区域设定部23a具备范围决定部25a、闭区域尺寸决定部27a和控制点数决定部28,范围决定部25a以及闭区域尺寸决定部27a的结构与实施方式1不同。在实施方式2中,范围决定部25a具备边缘提取部251a、端点检测部252a和方向计算部253a。边缘提取部251a根据生物体内管腔图像的各像素的梯度强度将梯度强度是规定值以上的像素作为边缘提取。端点检测部252a检测边缘的端点。方向计算部253a将与端点连接的边缘(从端点延伸的边缘)的方向作为端点方向计算。
另外,闭区域尺寸决定部27a与实施方式1同样,根据范围决定部26a所决定的初始闭区域的设定范围来决定初始闭区域的尺寸,不过在实施方式2中,根据与边缘的距离,来决定在设定范围内设定的初始闭区域的尺寸。此外,虽然在实施方式2中,初始闭区域的形状也为圆形状,但不限于此,可以为适当的形状。
能量权重设定部29a根据初始闭区域的位置,设定对能量计算部30所计算的多个能量中的至少1个能量的权重。该能量权重设定部29a具备控制点数权重设定部291和端点方向权重设定部293a,作为对内部能量的权重,设定2种权重(控制点数权重、端点方向权重)。端点方向权重设定部293a根据初始闭区域的设定位置与端点方向来设定端点方向权重。
接着,说明实施方式2的图像处理装置1a进行的具体处理过程。图18是示出实施方式2的图像处理装置1a进行的处理过程的全部流程图。此外,这里说明的处理是通过运算部20a执行在记录部14a中记录的图像处理程序141a来实现的。另外,在图18中,对与实施方式1相同的处理步骤标注同一符号。
如图18所示,在实施方式2中,在步骤a3中梯度强度计算部21计算出处理对象的生物体内管腔图像的各个像素的梯度强度之后,范围决定部26a执行设定范围决定处理(步骤g5)。图19是示出实施方式2中的设定范围决定处理的详细处理过程的流程图。
如图19所示,在设定范围决定处理中,首先,边缘提取部251a根据在图18的步骤a3中针对每个像素计算出的梯度强度,从处理对象的生物体内管腔图像中将梯度强度值例如是预先设定的阈值以上的像素作为边缘提取(步骤h1)。这是通过应用公知的Canny(坎尼)、Harris(哈里斯)等边缘提取技术来实现的。
接着,端点检测部252a检测在步骤h1中提取出的边缘端点(步骤h3)。边缘端点的检测可通过应用例如公知的特征点提取技术(参考:CG-ARTS協会、デイジタル画像処理、p188、細線の特徴点抽出)来实现。
接着,方向计算部253a根据所检测的端点将与端点连接的边缘的方向作为端点方向计算(步骤h5)。具体地说,将连接与端点像素相距规定距离的位置的像素(是与端点连接的边缘上的像素)的方向作为端点方向计算。在检测到多个端点的情况下,针对每个端点计算端点方向。
接着,范围决定部25a将与端点连接的直线和在步骤h5中计算出的端点方向所成的角度(以下,也称为“端点方向角度”)是规定阈值以下的像素区域决定为初始闭区域的设定范围(步骤h7)。例如可如下进行端点方向角度的计算。即,首先将生物体内管腔图像的各个像素依次作为处理对象,将连接处理对象的像素与端点的直线和在步骤h5中计算出的端点方向所成的角度作为端点方向角度计算。这里,当存在多个端点时,选出与处理对象的像素最近的端点,将连接处理对象的像素和所选出的端点的直线与针对该端点在步骤h5中计算出的端点方向所成的角度作为端点方向角度计算。或者可计算与跟处理对象像素相距的距离是预先设定的规定距离内的端点的端点方向角度。此时,在具有多个与处理对象像素相距的距离是规定距离内的端点时,分别计算与各个端点的端点方向角度,将最小的端点方向角度作为关于处理对象像素的端点方向角度。图20是示出生物体内管腔图像的一例的示意图。在图20中示出作为粘膜7的沟位置或轮廓部分的边缘71、72。在该图20的例子中,利用图19的步骤h3的处理来检测边缘72的端点P61,通过步骤h5的处理,将连接端点P61和在边缘72上与端点P61相距规定距离的像素P62的方向作为端点方向计算。并且,在步骤h7中,例如在由边缘71包围的区域内部,将与端点P61连接的直线和端点方向所成的端点方向角度是规定阈值以下的像素的区域作为初始闭区域的设定范围。
在与端点连接的直线和端点方向所成的端点方向角度大的像素位置处,在该像素位置附近存在边缘端点或者较大弯曲的边缘的可能性高。例如,在与端点P61连接的直线和端点方向所成的角度θ3较大的像素P65附近,存在边缘72的端点P61。因此,在图19的步骤h5中,将该像素P65这样的端点方向角度较大的像素除外的区域作为初始闭区域的设定范围。即,例如连接像素P63与端点P61的直线和端点方向所成的角度θ1、或者连接像素P64与端点P61的直线和端点方向所成的角度θ2小到某种程度,所以这样的像素P63及像素P64在初始闭区域的设定范围内。
然后,范围决定部25a在步骤h7所决定的设定范围内配置候选点(步骤h9)。例如,范围决定部25a针对每个连接分量来划分决定为设定范围的像素,并针对所划分的每个区域计算重心。并且,范围决定部25a对所计算出的重心位置分别配置候选点。
此外,当利用在步骤h1中检测出的边缘将生物体内管腔图像划分为多个区域时,针对每个该区域进行步骤h3~步骤h9的处理,并分别决定初始闭区域的设定范围。如果决定了初始闭区域的设定范围,则返回图18的步骤g5,然后转移至步骤g6。
然后,在步骤g6中,闭区域尺寸决定部27a从在图19的步骤h9中配置于设定范围内的候选点中选择1个(步骤g6)。例如,从设定范围内的候选点中选择在图19的步骤h7中计算出的端点方向角度最小的候选点。此外,对候选点的选择方法没有特别地限定,可从设定范围内的候选点中随机进行选择。
接着,闭区域尺寸决定部27a计算将在步骤a6中选择出的候选点的候选点位置作为中心位置的圆形区域(比到达边缘的距离短、与边缘不重合的大小的圆形区域)的半径r,作为初始闭区域的尺寸(步骤7)。然后,初始闭区域设定部23a将在步骤g6中选择出的候选点的候选点位置作为中心位置,将在步骤g7中针对相应的中心位置计算出的比到达边缘的距离短的半径r的圆形区域设定为初始闭区域(步骤9)。
当如以上那样在设定范围内设定了初始闭区域(闭区域的初始形状)时,控制点数决定部28继续执行控制点数决定处理(参照图13),针对初始闭区域决定控制点数(步骤a11)。并且,在之后的步骤g13中,能量权重设定部29a执行能量权重设定处理,针对初始闭区域设定控制点数权重以及端点方向权重。图21是示出实施方式2中的能量权重设定处理的详细处理过程的流程图。
如图21所示,在能量权重设定处理中,首先,控制点数权重设定部291根据初始闭区域的控制点数设定对内部能量的控制点数权重(步骤i1)。这是利用与图14的步骤d1同样的处理来实现的。
接着,端点方向权重设定部293a根据针对作为初始闭区域的中心位置的重心计算出的端点方向角度来设定对内部能量的端点方向权重(步骤i3)。如上所述,当初始闭区域的中心位置的端点方向角度大时,在其周边存在边缘的端点及较大弯曲的边缘的可能性高。在步骤i3中,为了不提取这种边缘端点进入内部的闭区域和其边界包含较大弯曲的边缘这样的闭区域,根据下式(10)设定对内部能量的端点方向权重,使端点方向角度越大其值越大。
端点方向权重=作为中心位置的重心处的端点方向角度×规定系数...(10)
如果设定了控制点数权重以及端点方向权重,则返回图18的步骤g13,然后转移至步骤g15。然后,在步骤g15中,闭区域提取部22a执行闭区域提取处理。这是通过与在实施方式1中说明的图15的闭区域提取处理同样的处理过程来实现的。但是,在实施方式2中,作为步骤e7的处理,能量加权和计算部31通过求出加权了在图21的能量权重设定处理中设定的控制点数权重以及端点方向权重的内部能量、图像能量以及外部能量的加权和的最小值来提取闭区域。
接着,初始闭区域设定部23a判定在设定范围内是否具有可选择的候选点。与在实施方式1中说明的图7的步骤a17同样地进行这里的判定。然后,在具有可选择的候选点的情况下(步骤g17:是),返回步骤g6,闭区域尺寸决定部27a从可选择的候选点中选择例如距离图像中的像素值最大的候选点。然后,针对所选择的候选点进行步骤g7以后的处理。另一方面,在设定范围内没有可选择的候选点的情况下(步骤g17:否),转移至步骤a19。
如以上所说明的那样,在实施方式2中,从生物体内管腔图像中提取边缘,并检测其端点。然后,将除去与端点连接的直线和端点方向所成的端点方向角度小且在外侧存在边缘端点或者较大弯曲的边缘的可能性高的像素的区域决定为初始闭区域的设定范围。并且,对表示闭区域边界的平滑度的内部能量加权被设定为初始闭区域的中心位置处的端点方向角度越大其值越大的端点方向权重,然后利用动态轮廓提取法来提取闭区域。根据该实施方式2,可实现与实施方式1同样的效果。
此外,在实施方式2内,从设定范围内的候选点中选择在图19的步骤h7中计算出的端点方向角度最小的候选点。另一方面,在图18的步骤a21中,如实施方式1所说明的那样,设定例如圆形状的初始闭区域,使其包含未作为闭区域提取的区域。与此相对,可根据下式(11)计算各候选点的评价值,并从评价值最高的候选点中依次选择候选点。另外,在图18的步骤a21中,可根据下式(11)计算未作为闭区域提取的区域的各像素的评价值,并设定将评价值高的像素作为中心位置的初始闭区域。在下式(11)中,距离图像值是评价对象像素在距离图像中的像素值。
评价值=端点方向角度×规定系数+距离图像值...(11)
另外,图17所示的功能结构仅为一例,不限于此。例如,图17为在范围决定部25a中具备边缘提取部251a、端点检测部252a以及方向计算部253a的结构,但在运算部20a中可计算端点方向,范围决定部25a根据端点方向来决定设定范围,在能量权重设定部29a中只要端点方向权重设定部293a能够根据端点方向来设定端点方向权重就不限定为范围决定部25a所具有的结构。
实施方式3
首先,说明实施方式3的图像处理装置的结构。图22是说明实施方式3的图像处理装置1b的功能结构的框图。此外,对与在实施方式1中说明的结构相同的结构标注同一符号。实施方式3的图像处理装置1b如图22所示具备图像取得部11、输入部12、显示部13、记录部14b、运算部20b和控制图像处理装置1b整体动作的控制部15。
在记录部14b中记录有用于实现实施方式3的处理而从生物体内管腔图像中检测异常部位的图像处理程序141b。
另外,运算部20b包含梯度强度计算部21、闭区域提取部22b和异常部位检测部32。并且,在实施方式3中,闭区域提取部22b具备初始闭区域设定部23b、能量权重设定部29b、能量计算部30和能量加权和计算部31。
初始闭区域设定部23b设定初始闭区域。该初始闭区域设定部23b具备范围决定部26b、闭区域尺寸决定部27b和控制点数决定部28,范围决定部26b以及闭区域尺寸决定部27b的结构与实施方式1不同。在实施方式3中,范围决定部26b具备边缘提取部261b、距离图像计算部262b、脊线检测部263b和脊线形状信息计算部264b。边缘提取部261b根据生物体内管腔图像的各像素的梯度强度,将梯度强度是规定值以上的像素作为边缘提取。距离图像计算部262b计算表示与边缘的距离的距离图像。脊线检测部263b检测距离图像的脊线。脊线形状信息计算部264b计算脊线的形状信息。该脊线形状信息计算部264b具备计算脊线曲率的脊线曲率计算部265b。
另外,闭区域尺寸决定部27b与实施方式1同样,根据范围决定部26b所决定的初始闭区域的设定范围来决定初始闭区域的尺寸,不过在实施方式3中,在该闭区域尺寸决定部27b中,脊线闭区域尺寸决定部272b根据从设定范围内的边缘到脊线的距离来决定在设定范围内设定的初始闭区域的尺寸。此外,虽然在实施方式3中也将初始闭区域的形状设为圆形状,但不限于此,可以为适当的形状。
能量权重设定部29b根据初始闭区域的位置,设定对能量计算部30计算的多个能量中的至少1个能量的权重。该能量权重设定部29b具备控制点数权重设定部291和脊线形状权重设定部294b,作为对内部能量的权重,设定2种权重(控制点数权重、脊线形状权重)。然后,脊线形状权重设定部294b根据初始闭区域的设定位置的脊线形状信息来设定脊线形状权重。
接着,说明实施方式3的图像处理装置1b进行的具体处理过程。图23是计算实施方式3的图像处理装置1b进行的处理过程的整体流程图。此外,这里说明的处理是通过运算部20b执行在记录部14b中记录的图像处理程序141b来实现的。另外,在图23中,对与实施方式1相同的处理步骤标注同一符号。
如图23所示,在实施方式3中,在步骤a3中梯度强度计算部21计算处理对象的生物体内管腔图像的各个像素的梯度强度之后,范围决定部26b执行设定范围决定处理(步骤j5)。图24是示出实施方式3中的设定范围决定处理的详细处理过程的流程图。
如图24所示,在设定范围决定处理中,首先,边缘提取部261b根据在图23的步骤a3中针对每个像素计算出的梯度强度,从处理对象的生物体内管腔图像中将梯度强度值例如是预先设定的阈值以上的像素作为边缘提取(步骤k1)。这是通过应用例如公知的Canny、Harris等边缘提取技术来实现的。
接着,距离图像计算部262b针对每个像素计算与在步骤k1中提取出的边缘的距离,将各像素的像素值作为针对相应像素所计算出的距离值,作成距离图像(步骤k3)。并且,脊线检测部263b检测距离图像的脊线(步骤k5)。这是通过应用例如骨格提取(骨架)处理等来实现的。
接着,脊线曲率计算部265b将在步骤k5中计算出的脊线曲率作为脊线的形状信息计算。即,首先脊线曲率计算部265b在脊线上等间隔地配置多个候选点(步骤k7)。接着,脊线曲率计算部265b针对在步骤k7中配置的每个候选点计算针对邻接的2个候选点的内积,作为脊线的曲率(步骤k9)。
接着,范围决定部26b对在步骤k9中按照每个候选点计算出的曲率进行阈值处理。并且,范围决定部26b选出曲率是预先设定的阈值以下的候选点,将所选出的候选点范围决定为初始闭区域的设定范围(步骤k11)。
此外,当利用在步骤k1中检测出的边缘将生物体内管腔图像划分为多个区域时,针对每个该区域进行步骤k3~步骤k11的处理,并分别决定初始闭区域的设定范围。如果决定了初始闭区域的设定范围,则返回图23的步骤j5,然后转移至步骤j6。
并且,在步骤j6中,脊线闭区域尺寸决定部272b从图24的步骤k7所决定的设定范围内的候选点中选择一个候选点。例如,根据设定范围内的各候选点(像素)在通过图24的步骤k3所作成的距离图像中的像素值,来选择距离图像的像素值最大的候选点。此外,对候选点的选择方法没有特别地限定,可从设定范围内的候选点中随机进行选择。
接着,脊线闭区域尺寸决定部272b计算将在步骤j6中选择出的候选点的候选点位置作为中心位置的圆形区域的半径r,作为初始闭区域的尺寸(步骤j7)。此时,半径r根据从该初始闭区域的中心位置到边缘的距离设定为距离越远其值越大。并且,初始闭区域设定部23b将在步骤j6中选择出的候选点的候选点位置作为中心位置,将在步骤j7中针对相应的中心位置计算出的半径r的圆形区域设定为初始闭区域(步骤j9)。
当如以上那样在设定范围内设定了初始闭区域(闭区域的初始形状)时,接着控制点数决定部28执行控制点数决定处理(参照图13),对初始闭区域决定控制点数(步骤a11)。然后,在接下来的步骤j13中,能量权重设定部29b执行能量权重设定处理,针对初始闭区域设定控制点数权重以及脊线形状权重。图25是示出实施方式3中的能量权重设定处理的详细处理过程的流程图。
如图25所示,在能量权重设定处理中,首先,控制点数权重设定部291根据初始闭区域的控制点数,设定对内部能量的控制点数权重(步骤11)。这是通过与图14的步骤d1同样的处理来实现的。
接着,脊线形状权重设定部294b根据初始闭区域的中心位置的脊线的形状信息(针对作为中心位置的候选点在图24的步骤k9中计算出的脊线曲率),来设定对内部能量的脊线形状权重(步骤13)。这里,将脊线检测为与生物体内管腔图像中的边缘位置的距离远的像素位置。在通过图24的步骤k9针对该脊线所获得的曲率值大的候选点位置、即脊线较大弯曲的位置处,与实施方式1的情况相同,在该候选点附近存在边缘端点或者较大弯曲的边缘的可能性高。在步骤13中,为了不提取边缘端点进入内部的闭区域和其边界包含较大弯曲的边缘这样的闭区域,根据下式(12)来设定对内部能量的脊线形状权重,以使脊线的形状信息(作为中心位置的候选点处的脊线曲率)越大其值越大。
脊线形状权重=作为中心位置的候选点中的脊线曲率×规定系数...(12)
如果设定了控制点数权重以及脊线形状权重,则返回图23的步骤j13,然后转移至步骤j15。并且,在步骤j15中,闭区域提取部22b执行闭区域提取处理。这是通过与在实施方式1中说明的图15的闭区域提取处理同样的处理过程来实现的。但是,在实施方式3中,作为步骤e7的处理,能量加权和计算部31通过求出加权了在图25的能量权重设定处理中设定的控制点数权重以及脊线形状权重的内部能量、图像能量以及外部能量的加权和的最小值来提取闭区域。
接着,初始闭区域设定部23b判定在设定范围内是否具有可选择的候选点。与在实施方式1中说明的图7的步骤a17同样地进行这里的判定。并且,在具有可选择的候选点的情况下(步骤j17:是),返回步骤j6,脊线闭区域尺寸决定部272b从可选择的候选点中选择例如距离图像中的像素值最大的候选点。然后,针对所选择的候选点进行步骤j7以后的处理。另一方面,在设定范围内没有可选择的候选点的情况下(步骤i17:否),转移至步骤a19。
如以上所说明的那样,在实施方式3中,代替实施方式1的平坦区域的中心线,检测与边缘的距离远的脊线,根据该曲率来决定初始闭区域的设定范围,设定对内部能量的脊线形状权重。根据该实施方式3,可起到与实施方式1同样的效果。
此外,在实施方式3中,根据设定范围内的各候选点的距离图像中的像素值,从距离图像中的像素值大的候选点中依次选择候选点。另外,在图23的步骤a21中,如实施方式1所说明的那样,例如设定圆形状的初始闭区域,使其包含未作为闭区域提取的区域。与此相对,可根据下式(13)来计算各候选点的评价值,从评价值最高的候选点、详细地说从在脊线上距离图像中的像素值大的候选点中依次选择候选点。另外,在图23的步骤a21中,可根据下式(13)计算未作为闭区域提取的区域的各像素的评价值,设定将评价值高的像素作为中心位置的初始闭区域。在下式(13)中,脊线位置标志是评价对象的像素(候选点或未作为闭区域提取的区域的像素)是否是脊线上的位置的标志信息,候选点情况下的脊线位置标志=1,未作为闭区域提取的区域的像素的脊线位置标志=0。另外,距离图像值是评价对象的像素在距离图像中的像素值。
评价值=脊线位置标志×规定系数+距离图像值...(13)
另外,图22所示的功能结构仅为一例,不限于此。例如,图22为在范围决定部26b中具备边缘提取部261b、距离图像计算部262b、脊线检测部263b以及脊线形状信息计算部264b的结构,不过在运算部20b中可计算脊线的形状信息,范围决定部26b根据脊线的形状信息来决定设定范围,在能量权重设定部29b中只要脊线形状权重设定部294b能够根据脊线的形状信息设定脊线形状权重就不限定于范围决定部26所具有的结构。
另外,上述实施方式1的图像处理装置1、实施方式2的图像处理装置1a以及实施方式3的图像处理装置1b可通过在个人计算机或工作站等计算机系统中执行预先准备的程序来实现。以下,说明与在各实施方式1~3中说明的图像处理装置1、1a、1b具有同样的功能、并执行图像处理程序141、141a、141b的计算机系统。
图26是示出本变形例中的计算机系统400的结构的系统结构图,图27是示出构成该计算机系统400的主体部410的结构的框图。如图26所示,计算机系统400具备:主体部410、用于根据来自主体部410的指示在显示画面421上显示图像等信息的显示器420、用于向该计算机系统400输入各种信息的键盘430和用于指定显示器420的显示画面421上的任意位置的鼠标440。
另外,该计算机系统400中的主体部410如图26以及图27所示具有:CPU 411、RAM 412、ROM 413、硬盘驱动器(HDD)414、可接受CD-ROM 460的CD-ROM驱动器415、可拆装地连接USB存储器470的USB端口416、连接显示器420、键盘430以及鼠标440的I/O接口417、用于与局域网或广域网(LAN/WAN)N1连接的LAN接口418。
此外,在该计算机系统400中连接有用于与互联网等公共线路N3连接的调制解调器450,并且经由LAN接口418以及局域网或广域网N1连接作为其它计算机系统的个人计算机(PC)481、服务器482、打印机483等。
并且,该计算机系统400可通过读出并执行在记录介质中记录的图像处理程序(例如实施方式1的图像处理程序141、实施方式2的图像处理程序141a及实施方式3的图像处理程序141b)来实现图像处理装置(例如,实施方式1的图像处理装置1、实施方式2的图像处理装置1a及实施方式3的图像处理装置1b)。这里,所谓记录介质除了CD-ROM 460及USB存储器470之外,还包括如下介质等记录可由计算机系统400读取的图像处理程序的所有记录介质:包含MO光盘、DVD光盘、软盘(FD)及IC卡等的“移动用物理介质”;在计算机系统400内外具备的HDD 414、RAM 412及ROM 413等“固定用物理介质”;如经由调制解调器450连接的公共线路N3及连接有作为其它计算机系统的PC 481或服务器482的局域网或广域网N1等那样、在程序发送时短期存储程序的“通信介质”。
即,图像处理程序以计算机可读取的方式记录在“可移动用物理介质”、“固定用物理介质”、“通信介质”等记录介质中,计算机系统400通过从这样的记录介质中读出并执行图像处理程序来实现图像处理装置。此外,图像处理程序不仅限于通过计算机系统400执行,在作为其它计算机系统的PC 481及服务器482执行图像处理程序的情况和它们联动地执行图像处理程序的情况下,也能够同样地应用本发明。
另外,本发明不仅限于上述各实施方式1~3及其变形例,可通过适当组合各实施方式及变形例所公开的多个构成要素来形成各种发明。例如,可从各实施方式及变形例所示的全部构成要素中去除几个构成要素来形成。或者,可适当组合不同的实施方式及变形例所示的构成要素来形成。
根据以上说明的本发明,能够起到可从生物体内管腔图像中高精度地检测异常部位这样的效果。
Claims (30)
1.一种图像处理装置,其具备:
梯度强度计算部,其计算对生物体内管腔进行摄像所得的生物体内管腔图像的各个像素的像素值的梯度强度;
闭区域提取部,其从上述生物体内管腔图像中提取闭区域,该闭区域满足如下条件:在该闭区域内部不包含上述梯度强度在规定值以上的像素且该闭区域的边界不以规定曲率以上的曲率向该闭区域的内侧弯曲;以及
异常部位检测部,其检测上述闭区域内部的异常部位,
上述闭区域提取部具备:
初始闭区域设定部,其根据上述梯度强度设定具有上述闭区域的初始形状的初始闭区域;
能量计算部,其计算至少包含由上述闭区域的外形决定的能量以及由上述闭区域的边界上的上述梯度强度决定的能量在内的多个能量的值;以及
能量加权和计算部,其计算上述多个能量的加权和,
上述闭区域提取部通过根据上述加权和使上述初始闭区域变形来提取上述闭区域,
上述初始闭区域设定部具有根据上述梯度强度来决定初始闭区域的设定范围的范围决定部。
2.根据权利要求1所述的图像处理装置,其中,
上述能量计算部具备:
内部能量计算部,其计算内部能量,其中,上述闭区域的形状越平滑,该内部能量表现出越小的值;
图像能量计算部,其计算图像能量,其中,上述闭区域的边界上的上述梯度强度的值越大,该图像能量表现出越小的值;以及
外部能量计算部,其计算外部能量,其中,上述闭区域的大小越大,该外部能量表现出越小的值,
上述闭区域提取部使上述初始闭区域变形,使得上述内部能量、上述图像能量以及上述外部能量中的至少2个能量的加权和变得最小,由此提取上述闭区域。
3.根据权利要求1所述的图像处理装置,其中,
上述范围决定部具备平坦区域提取部,该平坦区域提取部从上述生物体内管腔图像中提取由多个像素构成的平坦区域,该多个像素的上述梯度强度的值具有相互接近的值,
上述范围决定部在上述平坦区域内决定上述设定范围。
4.根据权利要求3所述的图像处理装置,其中,
上述范围决定部具备区域形状信息计算部,该区域形状信息计算部计算上述平坦区域的形状信息,
上述范围决定部根据上述平坦区域的形状信息来决定上述设定范围。
5.根据权利要求4所述的图像处理装置,其中,
上述区域形状信息计算部具备:
中心线计算部,其计算上述平坦区域的中心线;以及
曲率计算部,其计算上述中心线的曲率,
上述区域形状信息计算部将上述中心线的曲率作为上述平坦区域的形状信息。
6.根据权利要求1所述的图像处理装置,其中,
上述范围决定部具备边缘提取部,该边缘提取部将上述生物体内管腔图像的各个像素中的上述梯度强度在规定值以上的像素作为边缘提取,
上述范围决定部根据上述边缘来决定上述设定范围。
7.根据权利要求6所述的图像处理装置,其中,
上述范围决定部具备:
端点检测部,其检测上述边缘的端点;以及
方向计算部,其计算与上述端点连接的上述边缘的方向作为端点方向,
上述范围决定部根据上述端点方向来决定上述设定范围。
8.根据权利要求6所述的图像处理装置,其中,
上述范围决定部具备距离图像计算部,该距离图像计算部计算表示与上述边缘的距离的距离图像,
上述范围决定部根据上述距离图像来决定上述设定范围。
9.根据权利要求8所述的图像处理装置,其中,
上述初始闭区域设定部根据上述设定范围的像素在上述距离图像中的像素值,在该像素值大的位置上设定上述初始闭区域。
10.根据权利要求8所述的图像处理装置,其中,
上述初始闭区域设定部具备闭区域尺寸决定部,该闭区域尺寸决定部根据上述设定范围的像素在上述距离图像中的像素值来决定上述初始闭区域的尺寸。
11.根据权利要求8所述的图像处理装置,其中,
上述范围决定部具备脊线检测部,该脊线检测部检测上述距离图像的脊线,
上述范围决定部根据上述脊线来决定上述设定范围。
12.根据权利要求11所述的图像处理装置,其中,
上述初始闭区域设定部根据上述设定范围所包含的上述脊线上的像素在上述距离图像中的像素值,在该像素值大的位置上设定上述初始闭区域。
13.根据权利要求11所述的图像处理装置,其中,
上述范围决定部具备脊线形状信息计算部,该脊线形状信息计算部计算上述脊线的形状信息,
上述范围决定部根据上述脊线的形状信息来决定上述设定范围。
14.根据权利要求13所述的图像处理装置,其中,
上述脊线形状信息计算部具备脊线曲率计算部,该脊线曲率计算部计算上述脊线的曲率,
上述脊线形状信息计算部将上述脊线的曲率作为上述脊线的形状信息。
15.根据权利要求1所述的图像处理装置,其中,
上述初始闭区域设定部具备闭区域尺寸决定部,该闭区域尺寸决定部根据上述设定范围来决定上述初始闭区域的尺寸。
16.根据权利要求15所述的图像处理装置,其中,
上述闭区域尺寸决定部具备内接区域尺寸决定部,该内接区域尺寸决定部将具有规定形状并内接于上述设定范围的大小决定为上述初始闭区域的尺寸。
17.根据权利要求15所述的图像处理装置,其中,
上述范围决定部具备:
边缘提取部,其将上述生物体内管腔图像的各个像素中的上述梯度强度在规定值以上的像素作为边缘提取;
距离图像计算部,其计算表示与上述边缘的距离的距离图像;以及
脊线检测部,其检测上述距离图像的脊线,
上述闭区域尺寸决定部具备脊线闭区域尺寸决定部,该脊线闭区域尺寸决定部根据从上述边缘到上述脊线的距离来决定上述初始闭区域的尺寸。
18.根据权利要求15所述的图像处理装置,其中,
上述初始闭区域被设定为连接多个控制点而成的区域,移动该控制点来进行上述变形,
上述初始闭区域设定部具备控制点数决定部,该控制点数决定部根据上述初始闭区域的尺寸来决定上述控制点的数量。
19.根据权利要求18所述的图像处理装置,其中,
上述控制点数决定部具备面积计算部,该面积计算部计算上述初始闭区域的面积,
上述控制点数决定部根据上述面积来决定上述控制点的数量。
20.根据权利要求18所述的图像处理装置,其中,
上述控制点数决定部具备周围长计算部,该周围长计算部计算上述初始闭区域的周围长,
上述控制点数决定部根据上述周围长来决定上述控制点的数量。
21.一种图像处理装置,其具备:
梯度强度计算部,其计算对生物体内管腔进行摄像所得的生物体内管腔图像的各个像素的像素值的梯度强度;
闭区域提取部,其从上述生物体内管腔图像中提取闭区域,该闭区域满足如下条件:在该闭区域内部不包含上述梯度强度在规定值以上的像素且该闭区域的边界不以规定曲率以上的曲率向该闭区域的内侧弯曲;以及
异常部位检测部,其检测上述闭区域内部的异常部位,
上述闭区域提取部具备:
初始闭区域设定部,其根据上述梯度强度设定具有上述闭区域的初始形状的初始闭区域;
能量计算部,其计算至少包含由上述闭区域的外形决定的能量以及由上述闭区域的边界上的上述梯度强度决定的能量在内的多个能量的值;以及
能量权重设定部,其根据上述初始闭区域的位置,设定针对上述多个能量中的至少1个能量的权重;以及
能量加权和计算部,其计算上述多个能量的加权和,
上述闭区域提取部通过根据上述加权和使上述初始闭区域变形来提取上述闭区域。
22.根据权利要求21所述的图像处理装置,其中,
上述初始闭区域被设定为连接多个控制点的区域,移动该控制点来进行上述变形,
上述初始闭区域具备控制点数决定部,该控制点数决定部根据上述初始闭区域的尺寸来决定上述控制点的数量,
上述能量权重设定部设定与上述控制点的数量相应的上述权重。
23.根据权利要求21所述的图像处理装置,其中,
上述初始闭区域设定部在上述生物体内管腔图像中的由多个像素构成的平坦区域内设定上述初始闭区域,所述多个像素的上述梯度强度的值具有相互接近的值,
上述初始闭区域设定部具备区域形状信息计算部,该区域形状信息计算部计算上述平坦区域的形状信息,
上述能量权重设定部具备区域形状权重设定部,该区域形状权重设定部根据上述平坦区域的形状信息来设定与上述初始闭区域的设定位置处的上述平坦区域的形状相应的权重。
24.根据权利要求23所述的图像处理装置,其中,
上述区域形状信息计算部具备:
中心线计算部,其计算上述平坦区域的中心线;以及
曲率计算部,其计算上述中心线的曲率,
上述中心线的曲率越大,上述区域形状权重设定部将针对由上述闭区域的外形决定的能量的权重设定得越大。
25.根据权利要求21所述的图像处理装置,其中,
上述初始闭区域设定部根据上述生物体内管腔图像中的上述梯度强度值在规定值以上的边缘来设定上述初始闭区域,
上述初始闭区域设定部具备:
端点检测部,其检测上述边缘的端点;以及
方向计算部,其计算与上述端点连接的上述边缘的方向作为端点方向,
上述能量权重设定部根据上述初始闭区域的设定位置和上述端点方向来设定上述权重。
26.根据权利要求25所述的图像处理装置,其中,
连接上述端点与上述初始闭区域的设定位置的直线和上述端点方向所成的角度越大,上述能量权重设定部将针对由上述闭区域的外形决定的能量的权重设定得越大。
27.根据权利要求21所述的图像处理装置,其中,
上述初始闭区域设定部根据上述生物体内管腔图像中的上述梯度强度的值在规定值以上的边缘来设定上述初始闭区域,
上述初始闭区域设定部具备:
距离图像计算部,其计算表示与上述边缘的距离的距离图像;
脊线检测部,其检测上述距离图像的脊线;以及
脊线形状信息计算部,其计算上述脊线的形状信息,
上述能量权重设定部具有脊线形状权重设定部,该脊线形状权重设定部根据上述脊线的形状信息设定与上述初始闭区域的设定位置处的上述脊线的形状相应的权重。
28.根据权利要求27所述的图像处理装置,其中,
上述脊线形状信息计算部具备脊线曲率计算部,该脊线曲率计算部计算上述脊线的曲率,
上述脊线的曲率越大,上述脊线形状权重设定部将针对由上述闭区域的外形决定的能量的权重设定得越大。
29.一种图像处理方法,该图像处理方法包含以下步骤:
梯度强度计算步骤,计算对生物体内管腔进行摄像所得的生物体内管腔图像的各个像素的像素值的梯度强度;
闭区域提取步骤,从上述生物体内管腔图像中提取闭区域,该闭区域满足如下条件:在该闭区域内部不包含上述梯度强度在规定值以上的像素且该闭区域的边界不以规定曲率以上的曲率向该闭区域的内侧弯曲;以及
异常部位检测步骤,检测上述闭区域内部的异常部位,
上述闭区域提取步骤包含以下步骤:
初始闭区域设定步骤,根据上述梯度强度设定具有上述闭区域的初始形状的初始闭区域;
能量计算步骤,计算至少包含由上述闭区域的外形决定的能量以及由上述闭区域的边界上的上述梯度强度决定的能量在内的多个能量的值;以及
能量加权和计算步骤,其计算上述多个能量的加权和,
上述闭区域提取步骤通过根据上述加权和使上述初始闭区域变形来提取上述闭区域,
上述初始闭区域设定步骤包含根据上述梯度强度来决定初始闭区域的设定范围的范围决定步骤。
30.一种图像处理方法,该图像处理方法包含以下步骤:
梯度强度计算步骤,计算对生物体内管腔进行摄像所得的生物体内管腔图像的各个像素的像素值的梯度强度;
闭区域提取步骤,从上述生物体内管腔图像中提取闭区域,该闭区域满足如下条件:在该闭区域内部不包含上述梯度强度在规定值以上的像素且该闭区域的边界不以规定曲率以上的曲率向该闭区域的内侧弯曲;以及
异常部位检测步骤,检测上述闭区域内部的异常部位,
上述闭区域提取步骤包含以下步骤:
初始闭区域设定步骤,根据上述梯度强度设定具有上述闭区域的初始形状的初始闭区域;
能量计算步骤,计算至少包含由上述闭区域的外形决定的能量以及由上述闭区域的边界上的上述梯度强度决定的能量在内的多个能量的值;
能量权重设定步骤,根据上述初始闭区域的位置来设定针对上述多个能量中的至少1个能量的权重;以及
能量加权和计算步骤,其计算上述多个能量的加权和,
上述闭区域提取步骤通过根据上述加权和使上述初始闭区域变形来提取上述闭区域。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010-187678 | 2010-08-24 | ||
JP2010187678A JP5620194B2 (ja) | 2010-08-24 | 2010-08-24 | 画像処理装置、画像処理方法、および画像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102376092A true CN102376092A (zh) | 2012-03-14 |
CN102376092B CN102376092B (zh) | 2015-10-28 |
Family
ID=44650834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110245636.9A Expired - Fee Related CN102376092B (zh) | 2010-08-24 | 2011-08-24 | 图像处理装置以及图像处理方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8620042B2 (zh) |
EP (1) | EP2423875B1 (zh) |
JP (1) | JP5620194B2 (zh) |
CN (1) | CN102376092B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014084083A1 (ja) * | 2012-11-29 | 2014-06-05 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
CN104244802A (zh) * | 2012-04-23 | 2014-12-24 | 奥林巴斯株式会社 | 图像处理装置、图像处理方法以及图像处理程序 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5570866B2 (ja) * | 2010-04-30 | 2014-08-13 | オリンパス株式会社 | 画像処理装置、画像処理装置の作動方法、および画像処理プログラム |
JP5620194B2 (ja) * | 2010-08-24 | 2014-11-05 | オリンパス株式会社 | 画像処理装置、画像処理方法、および画像処理プログラム |
JP5658945B2 (ja) * | 2010-08-24 | 2015-01-28 | オリンパス株式会社 | 画像処理装置、画像処理装置の作動方法、および画像処理プログラム |
JP6265588B2 (ja) * | 2012-06-12 | 2018-01-24 | オリンパス株式会社 | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム |
CN104203075B (zh) | 2012-11-07 | 2017-03-01 | 奥林巴斯株式会社 | 医疗用图像处理装置 |
WO2014205632A1 (en) * | 2013-06-24 | 2014-12-31 | Adobe Systems Incorporated | Gravity point drawing method |
JPWO2016117018A1 (ja) | 2015-01-20 | 2017-10-26 | オリンパス株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101052989A (zh) * | 2005-09-06 | 2007-10-10 | 索尼株式会社 | 图像处理装置、掩模作成方法以及程序 |
WO2009154125A1 (ja) * | 2008-06-17 | 2009-12-23 | オリンパス株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5239591A (en) * | 1991-07-03 | 1993-08-24 | U.S. Philips Corp. | Contour extraction in multi-phase, multi-slice cardiac mri studies by propagation of seed contours between images |
US5487116A (en) * | 1993-05-25 | 1996-01-23 | Matsushita Electric Industrial Co., Ltd. | Vehicle recognition apparatus |
DE69429743T2 (de) * | 1993-06-29 | 2002-10-02 | Koninkl Philips Electronics Nv | Verfahren und Gerät zur Bestimmung einer Kontur in einem durch eine Dichteverteilung gekennzeichneten Raum |
US6422994B1 (en) * | 1997-09-24 | 2002-07-23 | Olympus Optical Co., Ltd. | Fluorescent diagnostic system and method providing color discrimination enhancement |
US6546117B1 (en) * | 1999-06-10 | 2003-04-08 | University Of Washington | Video object segmentation using active contour modelling with global relaxation |
JP2000331143A (ja) * | 1999-05-14 | 2000-11-30 | Mitsubishi Electric Corp | 画像処理方法 |
US6631206B1 (en) * | 1999-08-30 | 2003-10-07 | University Of Washington | Image filtering in HSI color space |
US6678416B1 (en) * | 2000-02-08 | 2004-01-13 | University Of Washington | Detecting and segmenting local deformation in a tracked video object |
US6728401B1 (en) * | 2000-08-17 | 2004-04-27 | Viewahead Technology | Red-eye removal using color image processing |
JP2002099896A (ja) | 2000-09-22 | 2002-04-05 | Fuji Photo Film Co Ltd | 異常陰影候補検出方法および装置 |
DE10157958B4 (de) * | 2000-11-29 | 2012-11-15 | Omron Corp. | Bildverarbeitungsverfahren und-vorrichtung |
US7003061B2 (en) * | 2000-12-21 | 2006-02-21 | Adobe Systems Incorporated | Image extraction from complex scenes in digital video |
US7217266B2 (en) * | 2001-05-30 | 2007-05-15 | Anderson R Rox | Apparatus and method for laser treatment with spectroscopic feedback |
JP4147033B2 (ja) * | 2002-01-18 | 2008-09-10 | オリンパス株式会社 | 内視鏡装置 |
JP2004187998A (ja) * | 2002-12-12 | 2004-07-08 | Fuji Photo Film Co Ltd | 異常陰影形状抽出装置 |
JP2004294498A (ja) * | 2003-03-25 | 2004-10-21 | Fuji Photo Film Co Ltd | 自動撮影システム |
DE602004028471D1 (de) * | 2003-06-13 | 2010-09-16 | Philips Intellectual Property | Dreidimensionale bildsegmentierung |
FI20031835A (fi) * | 2003-12-15 | 2005-06-16 | Instrumentarium Corp | Menetelmä ja järjestelmä referenssimerkin paikantamiseksi digitaalisista projektiokuvista |
CA2572425A1 (en) * | 2004-07-09 | 2006-01-19 | Intellectual Property Bank Corp. | Method for displaying bioinformation using millimeter-wave band electromagnetic wave, device for acquiring and displaying bioinformation |
US7646902B2 (en) * | 2005-02-08 | 2010-01-12 | Regents Of The University Of Michigan | Computerized detection of breast cancer on digital tomosynthesis mammograms |
US20070260214A1 (en) * | 2006-01-13 | 2007-11-08 | Olympus Medical Systems Corp. | Medical procedure through natural body opening |
JP4644794B2 (ja) * | 2006-03-30 | 2011-03-02 | 株式会社日立メディコ | 画像認識装置 |
JP4912787B2 (ja) * | 2006-08-08 | 2012-04-11 | オリンパスメディカルシステムズ株式会社 | 医療用画像処理装置及び医療用画像処理装置の作動方法 |
US7949162B2 (en) * | 2006-08-14 | 2011-05-24 | Siemens Medical Solutions Usa, Inc. | System and method for solid component evaluation in mixed ground glass nodules |
JP5121204B2 (ja) * | 2006-10-11 | 2013-01-16 | オリンパス株式会社 | 画像処理装置、画像処理方法、および画像処理プログラム |
US8103077B2 (en) * | 2006-12-11 | 2012-01-24 | Siemens Aktiengesellschaft | Method and system for locating opaque regions in chest X-ray radiographs |
US7856130B2 (en) * | 2007-03-28 | 2010-12-21 | Eigen, Inc. | Object recognition system for medical imaging |
WO2009013636A2 (en) * | 2007-05-22 | 2009-01-29 | The University Of Western Ontario | A method for automatic boundary segmentation of object in 2d and/or 3d image |
JP5106928B2 (ja) * | 2007-06-14 | 2012-12-26 | オリンパス株式会社 | 画像処理装置および画像処理プログラム |
JP5534607B2 (ja) * | 2008-02-25 | 2014-07-02 | 株式会社日立メディコ | 医用画像処理装置及び、そのプログラム |
US8180154B2 (en) * | 2008-03-25 | 2012-05-15 | Techfinity, Inc. | Method and apparatus for region-based segmentation image processing using region mapping |
JP4626692B2 (ja) * | 2008-09-12 | 2011-02-09 | ソニー株式会社 | 物体検出装置、撮像装置、物体検出方法およびプログラム |
DE102009006636B4 (de) * | 2008-12-30 | 2016-02-18 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung einer 2D-Kontur einer in 3D-Bilddaten abgebildeten Gefäßstruktur |
JP4710979B2 (ja) * | 2009-01-09 | 2011-06-29 | ソニー株式会社 | 対象物検出装置、学習装置、対象物検出方法およびプログラム |
JP5258694B2 (ja) * | 2009-07-27 | 2013-08-07 | 富士フイルム株式会社 | 医用画像処理装置および方法並びにプログラム |
US8781160B2 (en) * | 2009-12-31 | 2014-07-15 | Indian Institute Of Technology Bombay | Image object tracking and segmentation using active contours |
JP5452242B2 (ja) * | 2010-01-15 | 2014-03-26 | オリンパス株式会社 | 画像処理装置、内視鏡システム、プログラム及び画像処理装置の作動方法 |
US8948474B2 (en) * | 2010-01-25 | 2015-02-03 | Amcad Biomed Corporation | Quantification method of the feature of a tumor and an imaging method of the same |
JP5570866B2 (ja) * | 2010-04-30 | 2014-08-13 | オリンパス株式会社 | 画像処理装置、画像処理装置の作動方法、および画像処理プログラム |
JP5620194B2 (ja) * | 2010-08-24 | 2014-11-05 | オリンパス株式会社 | 画像処理装置、画像処理方法、および画像処理プログラム |
JP5658945B2 (ja) * | 2010-08-24 | 2015-01-28 | オリンパス株式会社 | 画像処理装置、画像処理装置の作動方法、および画像処理プログラム |
US9042620B2 (en) * | 2011-03-10 | 2015-05-26 | Siemens Corporation | Method and system for multi-organ segmentation using learning-based segmentation and level set optimization |
-
2010
- 2010-08-24 JP JP2010187678A patent/JP5620194B2/ja active Active
-
2011
- 2011-08-22 EP EP11006850A patent/EP2423875B1/en not_active Not-in-force
- 2011-08-23 US US13/215,599 patent/US8620042B2/en active Active
- 2011-08-24 CN CN201110245636.9A patent/CN102376092B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101052989A (zh) * | 2005-09-06 | 2007-10-10 | 索尼株式会社 | 图像处理装置、掩模作成方法以及程序 |
WO2009154125A1 (ja) * | 2008-06-17 | 2009-12-23 | オリンパス株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104244802A (zh) * | 2012-04-23 | 2014-12-24 | 奥林巴斯株式会社 | 图像处理装置、图像处理方法以及图像处理程序 |
CN104244802B (zh) * | 2012-04-23 | 2017-03-15 | 奥林巴斯株式会社 | 图像处理装置、图像处理方法以及图像处理程序 |
WO2014084083A1 (ja) * | 2012-11-29 | 2014-06-05 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
CN104812288A (zh) * | 2012-11-29 | 2015-07-29 | 奥林巴斯株式会社 | 图像处理装置、图像处理方法和图像处理程序 |
US9672610B2 (en) | 2012-11-29 | 2017-06-06 | Olympus Corporation | Image processing apparatus, image processing method, and computer-readable recording medium |
Also Published As
Publication number | Publication date |
---|---|
EP2423875A1 (en) | 2012-02-29 |
CN102376092B (zh) | 2015-10-28 |
US8620042B2 (en) | 2013-12-31 |
US20120051654A1 (en) | 2012-03-01 |
EP2423875B1 (en) | 2013-04-03 |
JP2012045055A (ja) | 2012-03-08 |
JP5620194B2 (ja) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102376092A (zh) | 图像处理装置以及图像处理方法 | |
CN102254320B (zh) | 图像处理装置及图像处理方法 | |
CN102376091B (zh) | 图像处理装置以及图像处理方法 | |
CN102436650B (zh) | 图像处理装置以及图像处理方法 | |
CN103164852B (zh) | 图像处理装置以及图像处理方法 | |
US8611623B2 (en) | Network construction apparatus, method and program | |
CN102314605A (zh) | 图像处理装置以及图像处理方法 | |
Ding et al. | A novel deep learning pipeline for retinal vessel detection in fluorescein angiography | |
CN102314604B (zh) | 图像处理装置和图像处理方法 | |
US8463065B2 (en) | Linear feature detection method and apparatus | |
US8483480B2 (en) | Method and system for factoring an illumination image | |
CN102737374B (zh) | 图像处理装置以及图像处理方法 | |
US8385655B2 (en) | Method and system for generating intrinsic images using single reflectance technique | |
CN103945755A (zh) | 图像处理装置、图像处理方法和图像处理程序 | |
Bulten et al. | Automated segmentation of epithelial tissue in prostatectomy slides using deep learning | |
CN108038879A (zh) | 一种食品体积估计方法及其装置 | |
US9754155B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
US8798392B2 (en) | Method and system for generating intrinsic images using a smooth illumination constraint | |
Chen et al. | Random walk-based automated segmentation for the prognosis of malignant pleural mesothelioma | |
EP2506212B1 (en) | Image processing apparatus, image processing method, and image processing program | |
Lawankar et al. | Segmentation of liver using marker watershed transform algorithm for CT scan images | |
Wang et al. | Segmentation and separation of venous vasculatures in liver CT images | |
Thomaz et al. | Liver segmentation from MDCT using regiongrowing based on t location-scale distribution | |
Patel et al. | A W-Net Based Architecture with Residual Block for Liver Segmentation | |
ZHOU et al. | Nuclei Segmentation and Count in Breast Pathology Image with Deep Learning |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151028 Termination date: 20180824 |