CN102693535B - 一种检测dr图像中束光器区域的方法 - Google Patents

一种检测dr图像中束光器区域的方法 Download PDF

Info

Publication number
CN102693535B
CN102693535B CN201110072161.8A CN201110072161A CN102693535B CN 102693535 B CN102693535 B CN 102693535B CN 201110072161 A CN201110072161 A CN 201110072161A CN 102693535 B CN102693535 B CN 102693535B
Authority
CN
China
Prior art keywords
image
cluster
pixel
light concentrator
border
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.)
Active
Application number
CN201110072161.8A
Other languages
English (en)
Other versions
CN102693535A (zh
Inventor
康雨
李训青
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 Lanying Medical Technology Co ltd
Shenzhen Lanyun Industrial Co Ltd
Original Assignee
Shenzhen Landwind Industry 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 Landwind Industry Co Ltd filed Critical Shenzhen Landwind Industry Co Ltd
Priority to CN201110072161.8A priority Critical patent/CN102693535B/zh
Publication of CN102693535A publication Critical patent/CN102693535A/zh
Application granted granted Critical
Publication of CN102693535B publication Critical patent/CN102693535B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提出一种检测DR图像中束光器区域的方法，其包括步骤：对DR图像进行图像边缘检测，找到每行或每列给定方向上最大梯度幅值的像素点；对所述最大梯度幅值的像素点基于K-聚类算法进行自适应聚类；计算各个聚类的边界坐标，以及计算各个聚类中每个像素点的梯度幅值超过一设定阈值的像素点数量占该聚类全部像素点总数的比例值；依次判断计算出的各个聚类的比例值是否大于一设置值，若是，则该聚类的边界坐标为DR图像中束光器区域边界坐标的一部分；输出束光器区域在DR图像中的边界坐标本发明具有检测速度快和检测准确度高的优点。

Description

一种检测DR图像中束光器区域的方法
技术领域
本发明涉及一种图像处理技术，尤其是涉及一种检测DR图像中束光器区域的方法。
背景技术
DR（Digital Radiography，数字化X射线摄影系统）设备由探测器、影像处理器、图像显示器等组成。透射过人体后的X线信号被探测获取，直接形成数字影像，数学影像数据传到计算机，在显示器上显示。
医生在使用DR设备拍摄人体图片时，往往需要通过束光器对球管输出的X射线范围进行限定，从而减少被拍摄者的射线吸收剂量，同时由于X线被限定在一个目标区域内，因此X射线的散射减少，有利于提高被拍摄组织的细节显示效果。但在对获取的DR图像进行一些列后处理时，根据束光器区域占DR图像面积的比例不同，会对DR图像的增强效果产生不同程度的负面影响。
专利号为5268967的美国专利，对一副具有束光器区域的图像进行边缘检测，将图像划分成许多互不重叠的小格，根据每个小格中的边缘信息来判定该小格是目标组织、背景、束光器区域或者是前述三种区域的重叠组合，然后不断缩小所划分的小格，重复上述过程，直到将组织和背景或者束光器区域划分开。专利号为5901240的美国专利，对一副具有束光器区域的图像的像素进行归类，然后对图像进行Hough变换，得出一组直线集合，然后利用树形结构对该集合中的直线进行组合，对形成的树结构进行搜索，从而得出束光器区域。
虽然上述美国专利公开的技术方案基本可以解决DR图像中对束光器区域的裁剪，但是，当人体组织的部分特征同束光器边界类似时，上述技术方案对束光器区域判定的准确性较差。
发明内容
本发明提出一种检测DR图像中束光器区域的方法，通过区域检测算法从DR图像中检测出束光器遮蔽区域（即束光器区域），为后续的图像增强过程提供更加有价值的数据，从而提高图像的整体质量。
本发明采用如下技术方案实现：一种检测DR图像中束光器区域的方法，其包括步骤：
对DR图像进行图像边缘检测，找到每行或每列给定方向上最大梯度幅值的像素点；
对所述最大梯度幅值的像素点基于K-聚类算法进行自适应聚类；
计算各个聚类的边界坐标，以及计算各个聚类中每个像素点的梯度幅值超过一设定阈值的像素点数量占该聚类全部像素点总数的比例值；
依次判断计算出的各个聚类的比例值是否大于一设置值，若是，则该聚类的边界坐标为DR图像中束光器区域边界坐标的一部分；
输出束光器区域在DR图像中的边界坐标。
在一个优选实施例中，本发明公开的所述检测DR图像中束光器区域的方法还包括步骤：对所述比例值小于设定值的所有聚类构成的聚类集合，利用聚类集合组成图像区域进行基于图像特征信息的特征判别。其中，所述特征判别的步骤包括：选出聚类集合中像素点最多的聚类计算边界；在边界两侧统计灰度变化，如果边界两侧的平均灰度变化比超过一个灰度阈值，则确认该边界为束光器区域的边界，否则依次在聚类集合中从像素点次多的聚类至像素点最少的聚类之中选取其中一个聚类计算选取聚类的边界，重复前述步骤，直到找到某个聚类的边界为束光器区域的边界。当在聚类集合中选取像素点最少的聚类计算边界后，该边界两侧的平均灰度变化未超过灰度阈值，则认为该图像中没有束光器区域。
其中，所述图像边缘检测的步骤包括：对DR图像进行低通滤波去噪处理；对DR图像进行边缘增强处理；对DR图像作基于方向限制的最大梯度幅值的边缘检测。
本发明结合DR设备束光器特点对图像像素进行筛选，大大减少聚类算法的搜索空间，提高计算速度；在聚类算法中引入自适应规则，根据图像不同智能判断所要进行分类的数量；提出基于概率的“真实性”表达，降低算法的误检率。
附图说明
图1是本发明的流程示意图。
具体实施方式
本发明提出一种对DR图像进行束光器区域的裁剪方法，通过区域检测算法，将束光器区域从图像中分离，为后续的图像增强过程提供更加有价值的数据，从而提高图像的整体质量。
结合图1所示，本发明包括如下实现步骤：
首先，对DR图像进行图像边缘检测，包括步骤S1-S4。
图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位。
步骤S1：对DR图像进行低通滤波去噪处理。
步骤S2：对DR图像进行边缘增强处理。
边缘检测主要基于导数计算，但受噪声影响；而对DR图像进行滤波降低噪声时将导致DR图像的边缘强度损失，故需要对DR图像进行边缘增强处理，将邻域中灰度有显著变化的像素点突出显示。
图像边缘增强处理一般通过计算梯度幅值完成。其中，现有的图像软件很多具备图像边缘增强的处理功能，且也有公开的专利申请揭露如何实现图像边缘增强处理，在此不再详细描述。
步骤S3：对DR图像作基于方向限制的最大梯度幅值的边缘检测。其中，分别从给定方向，在DR图像的边界向中心进行逐行或者逐列的具有方向性的边缘检测，找到每行或每列给定方向上变化最大的像素点（即最大梯度幅值的像素点）。
例如，对于一副给定的DR图像建立坐标，如大小为AxB(A、B分别代表DR图像长和宽的像素数量)，我们定义图像左边界的坐标为（0，Y），右边界的坐标为（A-1，Y），Y为0至B-1的任意数；上边界为（X，0），下边界为X，B-1），X为0至A-1的任意数。因此，在边缘检测中可以精确的找到每行或每列给定方向上变化最大的像素点的位置（即该像素点所在坐标）。
步骤S4：将从每行或每列给定方向上检测到的变化最大的像素点基于K-聚类算法进行自适应聚类。
利用DR图像局部区域特征阈值对从每行或每列给定方向上检测到的变化最大的像素点进行预筛选，剔除变化过小（即梯度幅值小于某一设定值的像素点）的像素点，以减少后续处理的像素点集合规模，从而减少处理时间。如果筛选后某方向上的变化点数量过少（即筛选后某方向上剩余的像素点数量小于一个预设的数值），则认为该方向上不存在束光器边界。
步骤S5：计算各个聚类的边界坐标，并计算各个聚类中每个像素点的梯度幅值超过一设定阈值的像素点数量占该聚类全部像素点总数的比例值。
在每个方向上，由筛选后变化点的波动范围（即该方向上像素点的梯度幅值最大值与梯度幅值最小值之间的波动范围）决定聚类数。聚类后，根据每类聚类中像素点所处位置的总体分布状况决定该聚类的边界坐标，比如，对完成聚类后的每类聚类中的像素点的坐标求平均值，获得该类聚的边界坐标。然后，计算各个聚类中每个像素点的梯度幅值超过一设定阈值的像素点数量占该聚类全部像素点总数的比例值。
步骤S6：判断各个聚类在上述步骤S5中计算出的比例值是否大于一设定值（该设定值为经验值，比如80%）。
若某一个聚类中梯度幅值超过一设定阈值的像素点的数量占该聚类中总像素点的比例大于设定值，判断认为该聚类中各像素点所在位置为束光器区域，对应的，该聚类的边界坐标为DR图像中束光器区域边界坐标的一部分，转入步骤S8；否则，转入步骤S7进一步进行判断。
步骤S7：对上述步骤S5中计算出比例值小于设定值的所有对应的聚类构成的聚类集合，利用聚类集合中所有像素点组成图像区域进行基于该图像区域的图像特征信息的特征判别。
首选，选出聚类集合中像素点最多的聚类计算边界；然后，在边界两侧统计灰度变化，如果边界两侧的平均灰度变化比超过一个灰度阈值，则确认该边界为束光器区域的边界，否则选取聚类集合中像素点次多的聚类计算边界，重复前述步骤，直到满足前面条件。若直到选取像素点最少的聚类计算边界后，该边界两侧的平均灰度变化未超过灰度阈值，则认为该聚类集合中不能找到满足条件的边界，即认为该图像中没有束光器区域。
步骤S8：输出束光器区域在DR图像中的边界坐标。
由于本发明从不同方向去检测束光器区域，当完成搜索后，会在每个给定方向上得到一个边界，假设我们从上下左右四个方向检测，则会得到四个边界，这时我们用“边界坐标”表达搜索到的边界位置，如右侧边界坐标为x=x1，y=任意有效值，上侧边界坐标为x=任意有效值，y=y1。
本发明重点在于如何检测DR图像中的束光器区域，最后是输出束光器区域的边界坐标，或称为输出得到的束光器区域在DR图像中的边界坐标。对于后续如何利用该边界坐标信息，参考方法是生成一个模板，在DR图像中将束光器区域标定出来，如束光器区域标定为0，其他区域为1，便于后续算法进行有针对性的处理。
综上，本发明首先对图像进行梯度检测，然后利用基于局部区域特征阈值的方法对梯度图像进行筛选，减少后续处理的点集合规模，然后对筛选后的点集合进行自适应聚类，给出候选边界以及该候选边界为“真实”束光器边界的概率值，针对低概率边界，结合图像中的特征信息 (标定区域中的灰度均值，方差等)对其“真实度”再次判定，最终得到整个束光器的区域。
与现有技术相比，本发明结合DR设备束光器特点对图像像素进行筛选，大大减少聚类算法的搜索空间，提高计算速度；在聚类算法中引入自适应规则，根据图像不同智能判断所要进行分类的数量；提出基于概率的“真实性”表达，降低算法的误检率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种检测DR图像中束光器区域的方法，其特征在于，包括步骤：
对DR图像进行图像边缘检测，找到每行或每列给定方向上最大梯度幅值的像素点；
对所述最大梯度幅值的像素点基于K-聚类算法进行自适应聚类；
计算各个聚类的边界坐标，以及计算各个聚类中每个像素点的梯度幅值超过一设定阈值的像素点数量占该聚类全部像素点总数的比例值；
依次判断计算出的各个聚类的比例值是否大于一设置值，若是，则该聚类的边界坐标为DR图像中束光器区域边界坐标的一部分；若不是，则对所述比例值小于设定值的所有聚类构成的聚类集合，利用聚类集合组成图像区域进行基于图像特征信息的特征判别；特征判别过程为：选出聚类集合中像素点最多的聚类计算边界；在边界两侧统计灰度变化，如果边界两侧的平均灰度变化比超过一个灰度阈值，则确认该边界为束光器区域的边界，否则依次在聚类集合中从像素点次多的聚类至像素点最少的聚类之中选取其中一个聚类计算选取聚类的边界，重复前述步骤，直到找到某个聚类的边界为束光器区域的边界，当在聚类集合中选取像素点最少的聚类计算边界后，该边界两侧的平均灰度变化未超过灰度阈值，则认为该图像中没有束光器区域；
输出束光器区域在DR图像中的边界坐标。
2.根据权利要求1所述检测DR图像中束光器区域的方法，其特征在于，所述图像边缘检测的步骤包括：
对DR图像进行低通滤波去噪处理；
对DR图像进行边缘增强处理；
对DR图像作基于方向限制的最大梯度幅值的边缘检测。
3.根据权利要求1所述检测DR图像中束光器区域的方法，其特征在于，所述设置值为80％。
CN201110072161.8A 2011-03-24 2011-03-24 一种检测dr图像中束光器区域的方法 Active CN102693535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110072161.8A CN102693535B (zh) 2011-03-24 2011-03-24 一种检测dr图像中束光器区域的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110072161.8A CN102693535B (zh) 2011-03-24 2011-03-24 一种检测dr图像中束光器区域的方法

Publications (2)

Publication Number Publication Date
CN102693535A CN102693535A (zh) 2012-09-26
CN102693535B true CN102693535B (zh) 2015-09-23

Family

ID=46858939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110072161.8A Active CN102693535B (zh) 2011-03-24 2011-03-24 一种检测dr图像中束光器区域的方法

Country Status (1)

Country Link
CN (1) CN102693535B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN104715478B (zh) * 2015-03-05 2017-12-29 深圳市安健科技股份有限公司 一种检测影像图片中曝光区域的方法及系统
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
CN112734654B (zh) * 2020-12-23 2024-02-02 中国科学院苏州纳米技术与纳米仿生研究所 一种图像处理方法、装置、设备和存储介质
CN117495722B (zh) * 2023-12-25 2024-03-29 青岛天仁微纳科技有限责任公司 一种纳米压印光刻的图像处理方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1529284A (zh) * 2003-09-29 2004-09-15 上海交通大学 基于分水岭算法的视频对象提取方法
CN101540040A (zh) * 2008-03-21 2009-09-23 深圳迈瑞生物医疗电子股份有限公司 自动检测限束器边界的方法与装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1529284A (zh) * 2003-09-29 2004-09-15 上海交通大学 基于分水岭算法的视频对象提取方法
CN101540040A (zh) * 2008-03-21 2009-09-23 深圳迈瑞生物医疗电子股份有限公司 自动检测限束器边界的方法与装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种自适应梯度幅值的边缘检测算法;姚刚，刘勇，夏道平，王勇;《计算机与数字工程》;20101130;第38卷(第11期);17-21页 *
陆爽,杜加萍,彭力.Canny算子和K-均值聚类用于手背静脉识别.《2009中国智能自动化会议论文集》.2009, *

Also Published As

Publication number Publication date
CN102693535A (zh) 2012-09-26

Similar Documents

Publication Publication Date Title
CN102693535B (zh) 一种检测dr图像中束光器区域的方法
CN102043950B (zh) 基于canny算子和边缘点统计的车辆轮廓识别方法
Liao et al. Automatic segmentation for cell images based on bottleneck detection and ellipse fitting
CN103903254B (zh) 一种x光图像处理方法、系统及x光图像处理设备
CN102156996B (zh) 一种图像边缘检测的方法
CN109447065A (zh) 一种乳腺影像识别的方法及装置
CN104899876B (zh) 一种基于自适应高斯差分的眼底图像血管分割方法
CN109410230A (zh) 一种可抗噪声的改进Canny图像边缘检测方法
EP2085928B1 (en) Detection of blobs in images
CN103218605A (zh) 一种基于积分投影与边缘检测的快速人眼定位方法
CN102855617A (zh) 自适应图像处理方法及系统
CN107705288A (zh) 伪目标运动强干扰下的危险气体泄漏红外视频检测方法
CN104463892B (zh) 基于水平集及GVF Snake精确定位的菌落图像分割方法
CN104537342B (zh) 一种结合山脊边界检测及霍夫变换的快速车道线检测方法
CN101984916A (zh) 基于数字图像处理技术的血管管径测量方法
CN106485252B (zh) 图像配准试验点阵靶标图像特征点识别方法
CN106504289B (zh) 一种室内目标检测方法及装置
CN102073872B (zh) 基于图像的寄生虫虫卵形状识别方法
CN105118051B (zh) 一种应用于静态图像人体分割的显著性检测方法
CN107481225A (zh) 一种自动寻找最优参数分割粘连细胞的方法
CN103914829B (zh) 一种含噪图像边缘检测方法
CN106097369A (zh) 一种smt物料盘x射线透视图像分割检测与计数统计方法及装置
CN102957878A (zh) 医学图像坏点自动检测方法及系统
CN115775210A (zh) 一种广域眼底相机图像融合方法、系统及存储介质
CN109101985A (zh) 一种基于自适应邻域测试的图像误匹配点对剔除方法

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
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20151204

Address after: 518000, Guangdong, Shiyan City, Shenzhen province Baoan District Stone Street neighborhood committee, brick village, Liyuan Industrial Zone, hung long hi tech Industrial Park (blue rhyme Industrial Park), 2, 1 floor

Patentee after: Shenzhen blue ribbon medical imaging Co., Ltd.

Address before: Futian District King Road Shenzhen city Guangdong province 518000 No. 81 country garden building E 601

Patentee before: Landwind Co., Ltd.

CB03 Change of inventor or designer information

Inventor after: Zheng Jie

Inventor after: Chen Jing

Inventor before: Kang Yu

Inventor before: Li Xunqing

CB03 Change of inventor or designer information
TR01 Transfer of patent right

Effective date of registration: 20180508

Address after: 518000 Shenzhen, Baoan District, Guangdong Shiyan street, Lang Xin neighborhood committee, brick factory village, Liyuan Industrial Zone, hung lung hi tech Industrial Park (blue Yun Industrial Park), 1 1 buildings.

Co-patentee after: Landwind Co., Ltd.

Patentee after: Shenzhen blue ribbon medical imaging Co., Ltd.

Address before: 518000 Shenzhen, Baoan District, Guangdong Shiyan street, Lang Xin neighborhood committee, brick factory village, Liyuan Industrial Zone, hung lung hi tech Industrial Park (blue Yun Industrial Park), 1 1 buildings.

Patentee before: Shenzhen blue ribbon medical imaging Co., Ltd.

TR01 Transfer of patent right
CP03 Change of name, title or address

Address after: No.103, baguang District Service Center, No.2 BaiShaWan Road, baguang community, Kuiyong street, Dapeng New District, Shenzhen, Guangdong 518000

Patentee after: Shenzhen Lanying Medical Technology Co.,Ltd.

Patentee after: Shenzhen Lanyun Industrial Co., Ltd

Address before: 518000 Shenzhen, Baoan District, Guangdong Shiyan street, Lang Xin neighborhood committee, brick factory village, Liyuan Industrial Zone, hung lung hi tech Industrial Park (blue Yun Industrial Park), 1 1 buildings.

Patentee before: SHENZHEN LANYUN MEDICAL IMAGE CO.,LTD.

Patentee before: Shenzhen Lanyun Industrial Co., Ltd

CP03 Change of name, title or address