CN102737395B - 一种医用x射线系统中的图像处理方法及装置 - Google Patents
一种医用x射线系统中的图像处理方法及装置 Download PDFInfo
- Publication number
- CN102737395B CN102737395B CN201110095626.1A CN201110095626A CN102737395B CN 102737395 B CN102737395 B CN 102737395B CN 201110095626 A CN201110095626 A CN 201110095626A CN 102737395 B CN102737395 B CN 102737395B
- Authority
- CN
- China
- Prior art keywords
- image
- point
- characteristic point
- medical
- gradient
- 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
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种医用X射线系统中的图像处理方法,包括:获取至少两幅图像;从所述至少两幅图像中提取特征点;对所述特征点进行匹配,根据匹配结果获得最优位移量;根据所述最优位移量将图像拼接。通过本发明实施例提出的方法,可以通过特征点的方式进行图像拼接,不依赖专门的外部标记和辅助工具,方便便捷而且系统简单,对特征点进行提取,然后再获取最优位移量的方法,可以一定程度上消除现有技术中曝光剂量、投射角度、运动因素等对拼接图像质量的影像,所以拼接后的图像质量更好。
Description
技术领域
本发明涉及一种医用X射线系统中的图像处理方法及装置。
背景技术
目前的X射线系统中,成像器件的尺寸有限,一般一幅图像仅限于人体的单一部位,而对于成年人体区域较大的部位,例如脊椎和腿,往往在一次曝光区域中无法全部显示,对于某些疾病,如脊柱侧弯、下肢畸形等,往往需要对病人的全脊柱、全下肢进行术前评估,以帮助制定手术计划,进行矫形或者关节置换,这对X射线系统提出了一个新的要求,如何对较大区域部位进行成像。现有技术中通过多幅重叠连续的子图像进行组合,用手工或者图像处理手段将图像拼接融合成一幅完整的图像,由于手工方式操作过程繁琐,效率低,医生更加喜欢自动的拼接过程。
目前的自动拼接方式常用的方式有两种,一种依赖设备上提供的专门标记、网格等非组织特征来进行拼接,比如对于计算机X射线摄影(computed radiography,CR)系统可通过一次曝光、两个成像板来获取图像,重叠区域由于射线透过量不同,产生灰度跳变,通过识别灰度跳变来进行匹配,但由于两个成像板与射线源的距离不同,图像放大率不同,需要进行校正,并且一次成像的射线张角较大,靠近图像两端的骨骼边界会变得模糊,而对于数字X射线摄影(digital radiography,DR)系统,可以小范围多次投射,利用外部标记物配准,但重叠部分X射线投射角度的差异使得标记容易产生形变,不一定可靠,而且有时标记需要与组织重叠,对临床诊断带来干扰;另一种主要依靠图像内容来拼接,不附加额外的标记,但存在这几个方面的问题:1、曝光剂量有差异,即就是相邻两次曝光,由于组织厚度的不同,剂量也不一定相同,使得曝光后两幅图像的灰度分布不一定相同,所以依靠灰度进行拼接并不可靠;2、投射角度有差异,例如如果采用球管与人体平行移动的方式曝光,则相邻两幅图像中同一组织的形态有差异,并不能完全吻合;3、生理运动、身体晃动因素的影响也使得同一组织在两幅图像中的形态有差异,这些问题影响了自动拼接的质量。
发明内容
本发明要解决的主要技术问题是,提供一种医用X射线系统中的图像处理方法及装置,可以对图像进行自动拼接并提高了拼接图像质量。
为解决上述技术问题,本发明提供一种医用X射线系统中的图像处理方法,包括:
获取至少两幅图像;
从所述至少两幅图像中提取特征点;
对所述特征点进行匹配,根据匹配结果获得最优位移量;
根据所述最优位移量将图像拼接。
本发明还提出了一种医用X射线系统中的图像处理装置,包括:
图像获取装置,用于获取至少两幅图像;
特征点提取装置,用于从所述至少两幅图像中提取特征点;
最优位移量获取装置,用于对所述特征点进行匹配,根据匹配结果获得最优位移量;
拼接装置,用于根据所述最优位移量将图像拼接。
本发明的有益效果是:通过本发明实施例提出的方法与装置,可以通过特征点的方式进行图像拼接,不依赖专门的外部标记和辅助工具,方便便捷而且系统简单,对特征点进行提取,然后再获取最优位移量的方法,可以一定程度上消除现有技术中曝光剂量、投射角度、运动因素等对拼接图像质量的影像,所以拼接后的图像质量更好。
附图说明
图1为本发明一种医用X射线系统中的图像处理方法的一实施例的流程图;
图2为本发明一种医用X射线系统中的图像处理方法的一实施例的输入的图像;
图3为本发明一种医用X射线系统中的图像处理方法的一实施例的局部梯度极大值点图像;
图4为本发明一种医用X射线系统中的图像处理方法的一实施例的极大值点筛选后的图像;
图5为本发明一种医用X射线系统中的图像处理方法的一实施例的拼接后的图像;
图6为本发明一种医用X射线系统中的图像处理方法的一实施例的均衡后的图像;
图7为本发明一种医用X射线系统中的图像处理方法的一实施例的均衡、融合后的图像;
图8为本发明一种医用X射线系统中的图像处理装置的一实施例的模块图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
在进行图像处理之前,按照常规方式设定系统拍摄状态,获得至少两幅待拼接的图像,保证两幅图像之间有一部分内容重叠。
如图1所示为本发明一种医用X射线系统中的图像处理方法的一实施例流程图,包括:
101、获取拼接位移区间;
设定合理的拼接范围可以加快拼接的速度并且提高拼接的准确性。拼接搜索范围越大,拼接错误的可能性越大,而且花费的时间也更长,此步骤的目的是尽可能地减小拼接的搜索范围,减少拼接的时间。一般情况下,X射线系统的软件可以获取机器的位置、拍摄状态等几何信息,如数字X射线摄影系统可利用的信息有:源像距(Source Image Distance,SID)、光野尺寸、探测器高度、球管高度、球管角度等。利用这些信息可粗略计算出图像的重叠量,再结合被拍摄者的位置、系统误差等参数,可将搜索范围限定在一个比较小的区间。
系统的走位方式有多种,可以是球管旋转-探测器平移式的,可以是球管-探测器平行移动式的,也可以是球管-探测器旋转式的,每种走位方式都可以利用系统参数进行计算。如球管旋转-探测器平移式系统中,相邻图像的重叠内容不发生畸变,只要知道探测器的位置和光野的大小就可以准确计算出拼接的位移量;而平行移动系统获取的图像是有畸变的,这使得不能准确计算出拼接的位移量。这里给出一种球管与探测器平行移动时利用几何信息计算拼接区间的方法,此方法利用物体前表面和后表面与探测器的距离来估算拼接区间。
此步骤为可选步骤,因为很多系统不能获取几何信息。这时,任意的平移量都有可能是最佳的拼接位置,这要求算法要在最大的移动范围进行搜索,通常这样会降低算法的效率,也会降低算法的准确性。当不能获取几何信息时,可依据经验来设定搜索区间,比如:如果探测器是纵向走位,则图像之间水平方向的偏移必定很小,垂直方向的重叠量也不会达到整幅图像的高度(即完全重叠),而且为了保护被拍摄者接受较小的辐射剂量,也不会将曝光的重叠区域设置得很大,这些经验规则可以有助于减小拼接的搜索范围。
103、预处理;
预处理的目的是为了提高拼接的速度和准确性,在进行拼接之前针对信号特点做出适当的处理。例如针对X射线系统成像器件的像元尺寸很小,即使几厘米长的重叠区域也会有几十万的像素,再加上要不断改变重叠区域来找到最优拼接位置,所参与计算的数据就更多这一特点,在一个较粗的尺度上进行图像匹配可以很大程度上解决速度这一问题。另外,针对X射线摄影的剂量很低,图像的信噪比比CT、MRI等图像低得多,在小尺度图像上不容易区分图像解剖结构与噪声这一特点,可以通过改变图像尺度来解决,例如可将图像降采样为原来的1/n,这里n可依经验进行选取,对于一幅最大尺寸为3000个像素的图像,n可取8。为了减小频率混叠,降采样前可加入滤波处理。如果输入图像为X射线原始图像,此处的预处理也可以加入一定的增强和降噪处理,以改善图像质量,提高拼接准确性,如利用金字塔分解提升高频细节的对比度,利用X射线量子信噪比(Signal Noise Ratio,SNR)与剂量的关系对不同信噪比细节进行不同程度的压缩,以实现降噪。
预处理为可选步骤,如果对速度要求不高、图像噪声较小或者图像本身数据量不大的情形,也可不执行此步骤。
105、提取特征点;
如何提取图像的有效特征是X射线影像拼接的重点。前面已经说明,依据图像内容的拼接有三个方面的问题,即:曝光剂量有差异、投射角度有差异、运动因素。这三个因素使得X射线影像重叠区域的灰度分布和解剖结构产生变化,增加了拼接的难度。本实施例采用计算局部梯度极值的方法提取特征点,加入梯度方向的限制选择重合点,能够较大程度地减弱上述三个问题带来的影响。首先,梯度极值与图像灰度绝对值无关,与灰度的分布也无关,它反映的是图像局部灰度变化,因此曝光剂量对其影响不大;其次,梯度极值对应灰度过渡的较大变化点,即图像边缘的重心,相邻图像中,虽然解剖结构可能产生一定变化,但前一幅图像中的边缘在后一幅图像中仍然还是边缘,这一点是不变的,并且大多数边缘的走向差异不大,在最优拼接位置,所有走向相似的边缘的重合概率应该最大,这对于解剖形态有变化的图像来说,是一种比较优化的拼接策略。
此步骤的过程为:计算每个像素点的梯度幅度和方向,求取各个梯度方向上的局部梯度幅度极大值点。
首先计算水平和垂直方向的梯度图。可加入一定程度的滤波,表达式如下:
其中,Gx为水平方向梯度图,Gy为垂直方向梯度图,I为输入图像,表示水平方向一阶导数,表示垂直方向一阶导数,G为高斯模板,*为卷积。之后计算梯度幅度。梯度幅度表示梯度的强度,与方向无关,计算表达式如下:
其中,Gm为梯度幅度图像。
然后计算梯度方向图。为了保证角度范围在[-π,π],可按如下方式计算每个像素点的梯度方向
这里,gx为该像素点水平方向的梯度,gy为该像素点垂直方向的梯度。
最后,对每个像素点,沿着方向选取局部小邻域δ,判断该像素点是否是局部邻域中的极大值点。假定当前像素点坐标为(x,y),其局部邻域坐标集合如下:
因为或者可能非整数,像素点的灰度可用双线性插值来计算。
若满足
可认为像素点(x,y)即为局部极大值点。对所有像素进行极大值分析,记录极大值点坐标,得到极大值点图像A,输入图像与极大值点图像如图2和图3。
δ可依据经验进行选择,例如可选择1。
107、筛选特征点;
从图3中可以看出,上述过程提取了大量的极值点,其极值点既有解剖组织边界也有非组织边界如噪声点等。非组织边界,尤其是噪声,因为是随机产生的,它不具有拼接意义,会影响拼接的结果,因此需要尽可能地去除。实际上,由于相邻图像中同一物体边界的形态会有一定差别,似乎最合理的做法是只利用最感兴趣组织的特征进行拼接,比如对于长骨拼接,应只利用骨骼进行拼接,但存在的问题是,很多组织有很好的局部相似性,长骨中某一段骨骼与本不相连的另一段骨骼可能衔接很好,出现特征欠缺,导致拼接反而出错,因此只利用最感兴趣组织的特征也不是最佳。一种综合考虑提取感兴趣特征和弥补特征欠缺的筛选原则是:抑制噪声点、排除非解剖极值点。
噪声的特征有两个:一是局部性,一是幅度较弱。局部性的表现是极值点的连通长度很短,这可以通过对极值点图像A进行二值化标识(属于不同连通域的极值点用不同的像素值取代),然后去掉长度小于某个阈值T1的连通域的办法来解决;对于幅度较弱的特性,可以对幅度图像施加阈值T2,排除弱梯度极值点。T1和T2可依据经验来选择,对于一幅300×300左右像素的图像,T1可取10,T2可依据极值点梯度的直方图进行选择,如极值点总数的80%对应的梯度。
非解剖极值点主要指图像的背景区域。在拍摄图像时,往往会包含一部分背景,而由于噪声、阳极效应、滤线栅等因素影响,背景图像并不是绝对均匀的,前述极值点提取过程会引入大量的背景极值点,如图4,这些极值点主要呈随机状态,对拼接起了负面的作用,应该尽量去除。去除背景极值点可考虑两个重要特征:一是灰度特征,一是梯度特征。背景部分由于没有(或者有较少的)物体遮挡,所接收的射线较多,灰度较高;同时,背景部分的不均匀程度低,梯度较小。满足这两个特征的像素坐标集合为:
其中,(xi,yi)为背景像素坐标,T3为灰度阈值,T4为梯度阈值。T3和T4可依据经验进行选取,也可以自适应确定。
确定了背景像素之后,将背景部分的极值点删除,得到筛选后的图像,如图4。
本步骤为可选步骤。
109、计算最优位移量;
本步骤利用前面得到的极值点图像进行拼接。在极值点图像中,极值点的连接形成了图像的边缘结构,极值点图像也是边缘图像,它反映了图像的结构和走向。这里给出一种同时利用图像中的所有边缘进行匹配的方案,实验证明这比分别用各个边缘进行匹配时带来的不确定性小。比如如果在一幅图像中寻找与另一幅图像中某一条肋骨边缘最相似的一条边缘,很可能找到的不是同一肋骨边缘,因为投射角度的差异以及人体运动会使得同一边缘在两幅图像中形态产生变化,即使找到了对应的肋骨边缘,也不一定能够找到最佳的拼接位置,而用大量边缘进行匹配时,考虑了整体的信息,不确定性变小了。
本发明给出一种利用重合概率确定图像相似性的方法。当重合概率最大时,位移量为最优位移量。
这里,“重合”的条件为:对应的像素均为极值点,并且两点的梯度方向差异小于Δ,即满足:
Δ可依据经验进行选择,如
对于某一拼接位移量Δx和Δy,假定两幅图像重叠区域的极值点数分别为C1和C2,其中重合的极值点数为C,则第一幅图像的重合概率为第二幅图像的重合概率为用进行相似性测量,当P最大时,得到最优位移量Δxopt和Δyopt,即求解如下表达式的最大值:
其中,C1|Δx,Δy、C2|Δx,Δy、C|Δx,Δy分别表示位移量为Δx和Δy时,重叠区域中第一幅图像的极值点数、第二幅图像的极值点数、重合的极值点数。
上式包含的意义:当重叠区域内的极值点数C1和C2固定时,重合的极值点数C越多,表达式值越大,图像越匹配;该表达式随着每幅图像重合概率P1或P2的增大而增大,与重叠区域大小无关。上述表达式避免了图像信息量的多少对相似性的影响,同时也比利用归一化互相关计算相似性的方法简单、效率高。
对上述方法进行概括,得到计算最优位移量的方法为:
输入某一位移量;
对该位移量下对应的极值点对,筛选梯度方向差异小于预定阈值的点对,作为重合的极值点对;
利用重合极值点对的数量与重叠区域中总的极值点对数量的关系计算匹配率;
输入其他位移量,找到匹配率最大时对应的位移量,该位移量为最优位移量。
111、调整最优位移量。
该步骤为可选步骤。如果已经进行过降采样,那么说明前述计算最优位移量的过程是在较粗的尺度下进行的,此步骤将位移量调整到正常的尺度下。
首先将位移量恢复到与原始图像尺寸大小匹配。假定已经计算的最优位移量为Δxopt和Δyopt,图像的采样率为则恢复到原始尺寸时位移量为n·Δxopt和n·Δyopt。
然后确定局部微调范围。局部邻域的大小为(2n-1)×(2n-1),即水平方向微调范围为(n·Δxopt-n,n·Δxopt+n),垂直方向微调范围为(n·Δyopt-n,n·Δyopt+n)。
最后在局部邻域内重新计算最优位移量。此步骤在一个较小的位移范围内重新匹配图像,如果仍然使用极值点图像,则可用步骤109描述的最大重合概率来计算,如果使用的是灰度图像,则有多种方法可以选择,如绝对差和(SAD,sum of absolute difference)、差方和(SSD,sum of squared differences)、归一化互相关(NCC,normalized crosscorrelation)等等,它们计算相似性的表达式分别为:
SAD:
SSD:
NCC:
其中,I1|Δx,Δy、I2|Δx,Δy分别表示位移量为Δx和Δy时,第一幅图像重叠部分的像素灰度和第二幅图像重叠部分的像素灰度。N为重叠区域像素数量,μ1、μ2分别表示位移量为Δx和Δy时,第一幅图像重叠部分的灰度均值和第二幅图像重叠部分的灰度均值。
至此,拼接过程结束,一幅完整的下肢图像如图5。为了得到更好的图像效果,可继续进行如下两个可选步骤。
113、灰度均衡。
此步骤为可选步骤。从图5中可以看出,虽然已经将两幅图像连接起来,但是图像效果不佳,主要有两个方面:一是图像组织内的亮度不一致,比如图5中第一幅图像软组织明显比第二幅图像软组织亮;二是两幅图像连接处过渡不平滑,能看到明显的拼接缝。
灰度均衡主要解决第一个问题,将图像不同部分/区域的亮度/灰度调整到接近一致的过程可称之为均衡。拼接图像的灰度差异发生在图像与图像之间,这种差异一般由曝光剂量的差异、图像处理算法的差异导致。均衡处理可有两种基本思路,一种不依赖重叠区域,直接在拼接后的数据上处理,依据图像间的灰度差异属于低频信息的特征,将图像进行多频分解,压缩低频图像(即本底图)的灰度范围,再将图像合成,通过这种方法处理后的图像,图像整体的灰度差异有所减弱,但也会减弱组织内外的对比度,使得图像较灰。另一种方法利用拼接过程已经找出的两幅图像对应关系,用相似部分的灰度差异推导图像整体的灰度调整表达式,这种方法的实现过程有如下几个步骤:
一、统计相似区域的二维联合直方图。可将灰度分布范围窄的图像灰度作为横坐标(假设为第二幅)、灰度分布范围宽的图像灰度作为纵坐标(假设为第一幅),建立二维联合直方图矩阵,这样做的目的是为了保证在灰度映射时图像的灰度范围不会变小、细节不会丢失。矩阵中的任一元素p(x,y)表示第二幅图像中灰度为x、第一幅图像中灰度为y的对应像素点个数。
二、计算灰度映射点。二维联合直方图矩阵中,任一水平坐标x,可能存在多个p(x,y)不为0的y值,需要选择一个y值与x进行对应。可依据最大概率进行选择,即对于水平坐标x,选择作为x的映射点。
三、计算拟合表达式。对每一个x,计算出对应的映射点y,然后用最小二乘法进行拟合,求出多项式系数aj,即:
其中为基函数,一般选择aj为待求的多项式系数,q为多项式阶数,为方便起见,可选择1,h为映射点个数,k为映射点索引。
四、应用拟合表达式。依据上述计算出的系数aj,对第二幅图像的像素进行灰度校正,表达式为其中xout为校正后的像素灰度,xin为校正前的像素灰度。
其中,步骤一、二可以用其他方法取代。如:在重叠区域中,分别选择若干对应的局部小区域,利用小区域的灰度均值建立灰度映射点。
以上过程对于两幅图像的拼接已经足够,但如果是多幅图像的拼接,需要考虑映射方向的问题,即应该同时向灰度分布范围最宽图像方向进行映射,否则会出现一幅图像两种映射的现象。经过灰度均衡后的图像如图6。
115、融合;
此步骤为可选步骤。此步骤的作用是改善图5和图6中拼接图像的连接部分,使得图像过渡更加自然。融合可采用系数渐变的方式对重叠区域进行加权,沿着拼接的方向改变系数,如果是垂直方向拼接,则系数沿着垂直方向变化,同一像素行系数相同,如果是水平方向拼接,则系数沿着水平方向变化,同一像素列系数相同。假定两幅图像重叠深度为d,则第二幅图像沿着拼接方向的融合系数为:
第一幅图像的融合系数为1-ft。其中,t为重叠深度索引,m为融合曲线的阶数,m越大融合程度越弱,m≥1,floor(·)为取整操作。
按上述方法进行图像融合后,效果如图7。
如图8所示,为本发明一种医用X射线系统中的图像处理装置一实施例的模块图,包括:
801、图像获取装置,用于获取至少两幅图像;
803、特征点提取装置,用于从所述至少两幅图像中提取特征点;
805、最优位移量获取装置,用于对所述特征点进行匹配,根据匹配结果获得最优位移量;
807、拼接装置,用于根据所述最优位移量将图像拼接。
优选地,还包括:
拼接位移区间获取装置,用于获取拼接位移区间;
所述特征点提取装置从拼接位移区间内提取特征点。
优选地:
所述拼接位移区间根据光学仪器的位置与拍摄状态得到;
或,
所述拼接位移区间由系统预先设定;
或,
所述拼接位移区间根据待测物体前表面和后表面与探测器的距离计算得到。
优选地,还包括:
预处理装置,用于对所述图像进行预处理,所述预处理包括降采样、图像增强或图像降噪中的至少一种。
优选地,所述预处理装置采用的预处理方法为降采样,还包括:
最优位移量调整装置,用于确定局部微调范围,在所述局部微调范围内重新计算最优位移量。
优选地,还包括:
特征点筛选装置,用于筛选特征点;
所述最优位移量获取装置处理的特征点是筛选后得到的特征点。
优选地,所述特征点筛选装置筛选特征点的方法包括:去除噪声点和/或去除非解剖极值点。
优选地,还包括:
灰度均衡装置,用于对拼接后的图像进行处理,将图像不同部分/区域的亮度/灰度调整到接近一致。
优选地,所述灰度均衡装置具体用于:
对拼接后的图像进行多频分解,压缩低频图像的灰度范围,再将图像合成。
优选地,所述灰度均衡装置具体用于:
获得所述图像的相似区域;
统计所述相似区域的二维联合直方图;
对所述二维联合直方图中的任一个水平坐标x,计算灰度映射点y;
对所述二维联合直方图中的所有水平坐标x与映射点y,计算拟合表达式;
应用所述拟合表达式校正灰度。
优选地,还包括:
融合装置,用于以系数渐变的方式对两幅图像的重叠区域灰度进行加权求和,沿着拼接方向改变系数。
优选地:
所述特征点提取装置提取的特征点包括:局部梯度特征点、灰度特征点、梯度特征点、小波特征点、角特征点或者尺度特征点中的至少一种。
优选地:
所述特征点为局部梯度特征点;
所述特征点提取装置具体用于:
计算水平和垂直方向的梯度图;
根据所述梯度图计算梯度幅度;
计算每个像素点的梯度方向,获得梯度方向图;
极大值分析,即就是对每个像素点,沿该像素点的梯度方向选取局部小邻域,判断该像素点是否是所述局部小邻域中的极大值点,若是则该点为特征点。
优选地:
所述最优位移量获取装置获取最优位移量时采用的算法包括:绝对差和、差方和或归一化互相关中的至少一种。
优选地:
所述最优位移量获取装置获取最优位移量时采用的算法包括:
输入某一位移量;
对该位移量下对应的极值点对,筛选梯度方向差异小于某个阈值的点对,作为重合的极值点对;
利用重合极值点对的数量与重叠区域中总的极值点对数量的关系计算匹配率;
输入其他位移量,找到匹配率最大时对应的位移量,该位移量为最优位移量。
本发明还提出了一种医用X射线系统中的图像处理系统,其包括了前述的医用X射线系统中的图像处理装置。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (13)
1.一种医用X射线系统中的图像处理方法,其特征在于,包括:
获取至少两幅图像;
从所述至少两幅图像中提取特征点,其中提取特征点包括计算图像中每个像素点的梯度幅度和梯度方向,求取各个梯度方向上的局部梯度幅度极大值点;
对所述特征点进行匹配,根据匹配结果获得最优位移量;
根据所述最优位移量将图像拼接;
所述对特征点进行匹配,根据匹配结果获得最优位移量的步骤包括:
输入某一位移量;
对该位移量下对应的极值点对,筛选梯度方向差异小于某个阈值的点对,作为重合的极值点对;
利用重合极值点对的数量与重叠区域中总的极值点对数量的关系计算匹配率;输入其他位移量,找到匹配率最大时对应的位移量,该位移量为最优位移量。
2.如权利要求1所述的医用X射线系统中的图像处理方法,其特征在于,获取至少两幅图像之后还包括:
获取拼接位移区间;
所述从图像中提取特征点的步骤在拼接位移区间内进行。
3.如权利要求2所述的医用X射线系统中的图像处理方法,其特征在于:
所述拼接位移区间根据光学仪器的位置与拍摄状态得到;
或,
所述拼接位移区间由系统预先设定;
或,
所述拼接位移区间根据待测物体前表面和后表面与探测器的距离计算得到。
4.如权利要求2所述的医用X射线系统中的图像处理方法,其特征在于,获取至少两幅图像之后还包括:
对所述图像进行预处理,所述预处理包括降采样、图像增强或图像降噪中的至少一种。
5.如权利要求4所述的医用X射线系统中的图像处理方法,其特征在于,所述预处理方法为降采样,所述“对所述特征点进行匹配,根据匹配结果获得最优位移量”之后还包括:
将所述最优位移量调整到正常的尺度下;
确定局部微调范围;
在所述局部微调范围内重新计算最优位移量。
6.如权利要求1所述的医用X射线系统中的图像处理方法,其特征在于,从所述至少两幅图像中提取特征点之后还包括:
筛选特征点,所述筛选特征点的方法包括去除噪声点和/或去除非解剖极值点;所述去除噪声点包括:对极值点图像进行二值化标识,然后去掉长度小于预设阈值的连通域;
所述去除非解剖极值点包括:根据集合确定背景像素,将背景像素部分的极值点删除;其中,(xi,yi)为背景像素坐标,I(xi,yi)为(xi,yi)点的输入图像,Gm(xi,yi)为(xi,yi)点的梯度幅度图像,T3为灰度阈值,T4为梯度阈值;
所述对所述特征点进行匹配,根据匹配结果获得最优位移量的步骤中的特征点是筛选后得到的特征点。
7.如权利要求1所述的医用X射线系统中的图像处理方法,其特征在于,所述根据所述最优位移量将图像拼接的步骤之后还包括:
对拼接后的图像进行处理,将图像不同部分/区域的亮度/灰度调整到接近一致。
8.如权利要求7所述的医用X射线系统中的图像处理方法,其特征在于,所述对拼接后的图像进行处理,将图像不同部分/区域的亮度/灰度调整到接近一致的步骤具体包括:
对拼接后的图像进行多频分解,压缩低频图像的灰度范围,再将图像合成;
或,
获得所述图像的相似区域;
统计所述相似区域的二维联合直方图;
对所述二维联合直方图中的任一个水平坐标x,计算灰度映射点y;
对所述二维联合直方图中的所有水平坐标x与映射点y,计算拟合表达式;
应用所述拟合表达式校正灰度。
9.如权利要求1所述的医用X射线系统中的图像处理方法,其特征在于,还包括:
以系数渐变的方式对两幅图像的重叠区域灰度进行加权求和,沿着拼接方向改变系数。
10.如权利要求1所述的医用X射线系统中的图像处理方法,其特征在于:
所述特征点为局部梯度特征点;
所述从至少两幅图像中提取特征点的步骤包括:
计算水平和垂直方向的梯度图;
根据所述梯度图计算梯度幅度;
计算每个像素点的梯度方向,获得梯度方向图;
极大值分析,即就是对每个像素点,沿该像素点的梯度方向选取局部小邻域,
判断该像素点是否是所述局部小邻域中的极大值点,若是则该点为特征点。
11.一种医用X射线系统中的图像处理装置,其特征在于,包括:
图像获取装置,用于获取至少两幅图像;
特征点提取装置,用于从所述至少两幅图像中提取特征点;其中所述特征点提取装置用于计算图像中每个像素点的梯度幅度和梯度方向,求取各个梯度方向上的局部梯度幅度极大值点;
最优位移量获取装置,用于对所述特征点进行匹配,根据匹配结果获得最优位移量;
拼接装置,用于根据所述最优位移量将图像拼接;
所述最优位移量获取装置获取最优位移量时采用的算法包括:
输入某一位移量;
对该位移量下对应的极值点对,筛选梯度方向差异小于某个阈值的点对,作为重合的极值点对;
利用重合极值点对的数量与重叠区域中总的极值点对数量的关系计算匹配率;
输入其他位移量,找到匹配率最大时对应的位移量,该位移量为最优位移量。
12.如权利要求11所述的医用X射线系统中的图像处理装置,其特征在于:
所述特征点为局部梯度特征点;
所述特征点提取装置具体用于:
计算水平和垂直方向的梯度图;
根据所述梯度图计算梯度幅度;
计算每个像素点的梯度方向,获得梯度方向图;
极大值分析,即就是对每个像素点,沿该像素点的梯度方向选取局部小邻域,
判断该像素点是否是所述局部小邻域中的极大值点,若是则该点为特征点。
13.一种医用X射线系统中的图像处理系统,其特征在于,包括如权利要求11或12所述的医用X射线系统中的图像处理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110095626.1A CN102737395B (zh) | 2011-04-15 | 2011-04-15 | 一种医用x射线系统中的图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110095626.1A CN102737395B (zh) | 2011-04-15 | 2011-04-15 | 一种医用x射线系统中的图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102737395A CN102737395A (zh) | 2012-10-17 |
CN102737395B true CN102737395B (zh) | 2017-07-11 |
Family
ID=46992817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110095626.1A Active CN102737395B (zh) | 2011-04-15 | 2011-04-15 | 一种医用x射线系统中的图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102737395B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729834B (zh) * | 2013-12-23 | 2016-08-17 | 西安华海盈泰医疗信息技术有限公司 | 一种x射线影像的自适应拼接方法及其拼接系统 |
CN104794701A (zh) * | 2014-01-21 | 2015-07-22 | 富士通株式会社 | 图像拼接装置、方法以及图像处理设备 |
CN103925893B (zh) * | 2014-04-17 | 2017-01-11 | 广东正业科技股份有限公司 | 一种卷绕电池的质量检测方法 |
CN105184760B (zh) * | 2014-05-30 | 2018-12-04 | 财团法人金属工业研究发展中心 | 牙体影像的接合方法 |
CN104050651B (zh) * | 2014-06-19 | 2017-06-30 | 青岛海信电器股份有限公司 | 一种场景图像的处理方法及装置 |
CN106093816B (zh) * | 2016-05-30 | 2019-06-11 | 上海联影医疗科技有限公司 | 一种用于磁共振设备的线圈定位方法及磁共振成像方法 |
CN106447664A (zh) * | 2016-09-30 | 2017-02-22 | 上海联影医疗科技有限公司 | 确定匹配点对的方法及图像获取方法 |
US10580135B2 (en) | 2016-07-14 | 2020-03-03 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for splicing images |
CN106485650A (zh) * | 2016-09-30 | 2017-03-08 | 上海联影医疗科技有限公司 | 确定匹配点对的方法及图像获取方法 |
CN107622475B (zh) * | 2016-07-14 | 2021-04-30 | 上海联影医疗科技股份有限公司 | 图像拼接中的灰度校正方法 |
CN106651771B (zh) * | 2016-10-12 | 2020-01-07 | 深圳蓝韵医学影像有限公司 | 一种数字x射线图像拼接方法及系统 |
CN108876827B (zh) * | 2017-05-12 | 2022-01-11 | 上海西门子医疗器械有限公司 | X射线检查系统中的摄像机图像的显示配准方法及装置 |
CN109389577B (zh) * | 2017-08-10 | 2022-05-03 | 上海西门子医疗器械有限公司 | X射线图像处理方法和系统及计算机存储介质 |
TWI684994B (zh) * | 2018-06-22 | 2020-02-11 | 國立臺灣科技大學 | 脊椎影像註冊方法 |
CN109523495B (zh) * | 2018-10-15 | 2022-04-01 | 北京东软医疗设备有限公司 | 图像处理方法及装置、设备和存储介质 |
CN109949233B (zh) * | 2019-02-18 | 2022-12-13 | 深圳蓝影医学科技股份有限公司 | 滤除x射线图像中散射线的方法、系统、设备及存储介质 |
CN110533590A (zh) * | 2019-07-31 | 2019-12-03 | 华南理工大学 | 一种基于特征点的图像拼接方法 |
EP4308976A1 (en) * | 2021-03-19 | 2024-01-24 | Shenzhen Xpectvision Technology Co., Ltd. | Image sensor |
CN112837225B (zh) * | 2021-04-15 | 2024-01-23 | 浙江卡易智慧医疗科技有限公司 | 一种立位全脊柱图像自动无缝拼接的方法及装置 |
CN116337626B (zh) * | 2023-05-24 | 2023-08-01 | 长江三峡集团实业发展(北京)有限公司 | 隧道开挖面模型试验装置和开挖面塌陷模型的获取方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1881254A (zh) * | 2005-06-15 | 2006-12-20 | 株式会社东芝 | 图像处理装置以及图像处理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070242859A1 (en) * | 2006-04-17 | 2007-10-18 | International Business Machines Corporation | Brain shape as a biometric |
US8150192B2 (en) * | 2006-11-27 | 2012-04-03 | Merge Cad Inc. | System and method for feature score mapping and visualization of medical images |
-
2011
- 2011-04-15 CN CN201110095626.1A patent/CN102737395B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1881254A (zh) * | 2005-06-15 | 2006-12-20 | 株式会社东芝 | 图像处理装置以及图像处理方法 |
Non-Patent Citations (2)
Title |
---|
基于静态小波分解和能量函数优化的图像拼接;肖甫 等;《光子学报》;20070430;第36卷(第4期);第2部分 * |
直接数字化X线摄影系统图像处理方法研究;谌家喜;《中国博士学位论文全文数据库 信息科技辑》;20090615(第6期);第6章 * |
Also Published As
Publication number | Publication date |
---|---|
CN102737395A (zh) | 2012-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102737395B (zh) | 一种医用x射线系统中的图像处理方法及装置 | |
US9262827B2 (en) | Lung, lobe, and fissure imaging systems and methods | |
CN106056537B (zh) | 一种医学图像拼接方法及装置 | |
CN105705096B (zh) | 用于显示医学图像的方法和设备 | |
JP5337845B2 (ja) | デジタル画像上での測定の実施法 | |
WO2019020048A1 (zh) | 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统 | |
CN105641814B (zh) | 用于处理医学图像的装置、方法和程序以及放射治疗装置 | |
RU2589461C2 (ru) | Устройство для создания присваиваний между областями изображения и категориями элементов | |
CN110189352A (zh) | 一种基于口腔cbct图像的牙根提取方法 | |
CN1620990A (zh) | 在ct血管造影术中分割结构的方法及设备 | |
US9269165B2 (en) | Rib enhancement in radiographic images | |
CN106504237A (zh) | 确定匹配点对的方法及图像获取方法 | |
Wang et al. | Automated segmentation of CBCT image using spiral CT atlases and convex optimization | |
US10568600B2 (en) | System and method for detecting anatomical regions | |
TW201219013A (en) | Method for generating bone mask | |
CN111508068B (zh) | 一种应用于双目内窥镜图像的三维重建方法及系统 | |
CN103886621A (zh) | 一种自动提取床板的方法 | |
CN112087970A (zh) | 信息处理装置、信息处理方法、计算机程序 | |
CN104318565B (zh) | 基于等梯度距离的双向区域增长的视网膜血管分割交互式方法 | |
CN105678750B (zh) | 医学图像的灰度映射曲线生成方法及装置 | |
JP2006139782A (ja) | 画像を重ね合わせる方法 | |
CN107564021A (zh) | 高衰减组织的检测方法、装置及数字乳房x线摄影系统 | |
US5933518A (en) | Method and device for image processing for automatically detecting objects in digitized images | |
CN106447664A (zh) | 确定匹配点对的方法及图像获取方法 | |
CN111050650B (zh) | 用于确定辐射剂量的方法、系统和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20121017 Assignee: Shenzhen Mindray Animal Medical Technology Co.,Ltd. Assignor: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd. Contract record no.: X2022440020009 Denomination of invention: Image processing method and device in a medical X-ray system Granted publication date: 20170711 License type: Common License Record date: 20220804 |