CN102915537B - 基于帧的超声图像处理方法及系统 - Google Patents
基于帧的超声图像处理方法及系统 Download PDFInfo
- Publication number
- CN102915537B CN102915537B CN201210339674.5A CN201210339674A CN102915537B CN 102915537 B CN102915537 B CN 102915537B CN 201210339674 A CN201210339674 A CN 201210339674A CN 102915537 B CN102915537 B CN 102915537B
- Authority
- CN
- China
- Prior art keywords
- frame
- pixel
- edge pixel
- edge
- present frame
- 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
Abstract
本发明提供了一种基于帧的超声图像处理方法及系统,其中方法包括:步骤A、获取图像帧信息,由当前帧和前一帧的边缘像素点矩阵计算当前帧和所述前一帧的重叠性度量;步骤B、根据计算出的重叠性度量,判断当前帧和前一帧是否相关,若是,执行步骤C;若否,执行步骤D;步骤C、将当前帧和前一帧融合,得到中间图像,执行步骤E;步骤D、将当前帧置为中间图像;步骤E、去除孤立边缘像素点,做边缘增强变换,得到新的图像;步骤F、输出新的图像。本发明提供的基于帧的超声图像处理方法及系统,结合帧间相关信息,把前后两帧的信息进行融合,在融合后的图像上,仅对边缘进行增强变换处理,在增强边缘的同时避免增强边缘以外的图像上的散斑噪声。
Description
技术领域
本发明涉及一种数字图像处理领域,特别是涉及一种基于帧的超声图像处理方法及系统。
背景技术
超声成像,通常来说,是通过沿着已知的方向发送一组超声波,当其遇到不同声抗组织时,产生回声,利用超声波探测技术,形成二维图像,二维图像上的每个点对应照射物体不同位置的超声反射强度。在超声图像形成过程中,当超声波长与照射物体表面粗糙度相当时,就会产生散斑噪声。散斑噪声的存在,容易导致检测和增强照射物体的边缘非常困难。因此,需要一种图像边缘增强技术对图像进行处理。
典型的边缘增强技术有:(1),一阶微分算子,是指用固定尺寸的一阶微分算子与图像做卷积,然后提取图像的高频分量,再在高频分量上取阈值得到边缘区域,或者把高频分量叠加到原图上得到边缘增强图像;(2)二阶微分算子,是指采用固定尺寸的二阶微分算子与图像做卷积,提取图像的高频分量,然后取阈值或与原图叠加。(3)低通滤波方法,是指先采用低通滤波器(如高斯滤波器)对图像做低通滤波,得到图像的低频信息,用原始图像减去低频信息,得到图像的高频信息,把高频信息叠加到原图上得到边缘增强图像。上述几种方法可以在较短的时间内增强图像的边缘,但是,在增强边缘的同时也增强了散斑噪声,而且会把边缘和散斑噪声变宽。
发明内容
基于此,有必要针对超声图像增强技术中,在增强边缘的同时会增强散斑噪声,并且把边缘和散斑噪声变宽的问题,提供一种基于帧的超声图像处理方法及系统。
一种基于帧的超声图像处理方法,包括如下步骤:
步骤A、获取图像帧信息,并分别计算当前帧和前一帧的边缘像素点矩阵,根据当前帧和前一帧的边缘像素点矩阵计算所述当前帧和所述前一帧的重叠性度量;
步骤B、根据所述当前帧和所述前一帧的重叠性度量,判断当前帧和前一帧是否相关,若是,则执行步骤C;若否,则执行步骤D;
步骤C、将所述当前帧和所述前一帧融合,得到中间图像的边缘像素点矩阵和像素值矩阵,跳转执行步骤E;
步骤D、将所述当前帧的边缘像素点矩阵和像素值矩阵分别置为所述中间图像的边缘像素点矩阵和像素值矩阵;
步骤E、根据所述中间图像的边缘像素点矩阵,执行去除孤立边缘像素点的操作,然后逐点做边缘增强变换,得到边缘增强处理后的新的图像;
步骤F、输出增强变换处理后的新的图像。
在其中一个实施例中,在所述步骤A中,所述计算帧的边缘像素点矩阵,包括如下步骤:
步骤a1、对所述帧做平滑滤波处理的操作;
步骤a2、将平滑滤波处理后的当前帧分成M×N个块,每个块大小为BlockSize×BlockSize,边界不足处做延拓处理,其中,BlockSize为正整数,M、N为正整数;
步骤a3、从所述帧中选取其中一块为当前块;
步骤a4、计算所述当前块的灰度直方图、均值、方差和相关值;
计算所述当前块的均值BlockMean公式为:
BlockMean:
计算所述当前块的方差BlockVariance公式为:
BlockVariance:
计算所述当前块的相关值BlockCorrelation公式为:
BlockCorrelation:
其中,i、j为0至255的正整数,P(i)为求灰度直方图函数;
步骤a5、判断所述当前块是否满足以下条件:
BlockMean>MeanThresh&&(BlockVariance>VarianceThresh&&BlockCorrelation>Correlation);
或者满足以下条件:
BlockMean>MeanThresh&&(BlockVariance>VarianceThresh||BlockCorrelatoin>CorrelationThresh);
其中,MeanThresh为预设均值阈值,VarianceThresh为预设方差阈值,CorrelationThresh为预设相关值阈值;
若满足,则执行步骤a6;若不满足,则执行步骤a7;
步骤a6、将所述当前块中的所有像素点的像素值均赋值为1,跳转执行步骤a8;
步骤a7、将所述当前块中的所有像素点的像素值均赋值为0;
步骤a8、判断所述帧中的所有块是否均已处理结束,若是,则执行步骤a9;若否,则返回步骤a3;
步聚a9、像素值为1的像素点为边缘像素点,输出所述帧的边缘像素点矩阵。
在其中一个实施例中,在所述步骤A中,计算所述当前帧和前一帧的重叠性度量,包括如下步骤:
步骤A'1、分别计算所述当前帧和前一帧的边缘像素点的数目;
步骤A'2、计算所述当前帧和前一帧的重叠边缘像素点的数目;
步骤A'3、计算所述当前帧和前一帧的重叠性度量。
在其中一个实施例中,在所述步骤A'1中,所述计算帧的边缘像素点的数目具体步骤如下:
步骤R1、将所述边缘像素点数目置为零;
步骤R2、逐次选取像素点(i,j)为当前像素点;
步骤R3、判断所述当前像素点(i,j)的像素值是否为1,若是,则执行步骤R4;若否,则执行步骤R5;
步骤R4、将所述边缘像素点数目加1;
步骤R5、判断所述帧的所有像素点是否均已处理结束,若是,则执行步骤R6;若否,则执行步骤R2;
步骤R6、输出所述帧的边缘像素点的数目。
在其中一个实施例中,在所述步骤A'2中,所述计算所述当前帧和前一帧的重叠边缘像素点数目的具体步骤如下:
步骤T1、将所述重叠边缘像素点数目置零,执行步骤T2;
步骤T2、逐次取像素点(m,n)为当前点,执行步骤T3;
步骤T3、判断当前帧的像素点(m,n)的像素值与前一帧的像素点(m,n)的像素值是否相同,并且是否均为1,若是,则执行步骤T4;若否,则执行步骤T5;
步骤T4、将所述重叠边缘像素点数目加1;
步骤T5、判断所述当前帧和前一帧的所有像素点是否均已处理结束,若是,则执行步骤T6;若否,则执行步骤T2;
步骤T6、输出所述重叠边缘像素点数目。
在其中一个实施例中,在所述步骤A'3中,计算所述当前帧和前一帧的重叠性度量的公式如下:
其中,ON表示重叠边缘像素点数目,PNk表示当前帧的边缘像素点的数目,PNk-1表示前一帧的边缘像素点的数目,OverlapPt表示重叠性度量。
在其中一个实施例中,在所述步骤B中,判断所述当前帧和前一帧是否相关的具体步骤如下:
步骤b1、判断所述当前帧和前一帧的重叠性度量是否大于预设的重叠性度量阈值,若是,则判定所述当前帧和前一帧相关;若否,则判定所述当前帧和前一帧不相关。
在其中一个实施例中,在所述步骤C中,所述将当前帧和前一帧融合的计算公式如下:
融合后的中间图像的边缘像素点矩阵为:
其中,BEk'(i,j)为融合后的中间图像的边缘像素点矩阵,BEk(i,j)为当前帧的边缘像素点矩阵,BEk-1(i,j)为前一帧的边缘像素点矩阵;
融合后的中间图像的像素值矩阵为:
其中,Dk'(i,j)为中间图像的像素值矩阵,Dk(i,j)为当前帧的像素值矩阵,Dk-1(i,j)为前一帧的像素值矩阵。
在其中一个实施例中,在所述步骤E中,所述去除孤立边缘像素点的计算步骤如下:
步骤e1、采用八邻域跟踪的方法,在中间图像的边缘像素点矩阵上进行边缘跟踪,依次找出连接在一起的边缘链,并统计每个边缘链的像素点数目;
判断所述边缘链的长度是否小于预先设定的阈值;
如果某个边缘链的长度小于预先设定的阈值,则判定该边缘链为噪声,并在边缘像素点矩阵上把该边缘链上的所有像素点都赋值为0;
如果某个边缘链的长度大于预设的阈值,则保留该边缘链;
所述边缘增强变换的计算步骤如下:
步骤e2、如果BEk(i,j)=0,则认为当前点为非边缘像素点,不做变换处理,即EEk(i,j)=Dk'(i,j);
步骤e3、如果BEk'(i,j)>0,则取当前点的w*k邻域,计算邻域中像素值矩阵的平均值m,根据BEk'(i,j)的取值做不同的变换,其中w为从1至9的任意正整数,k为从1至9的任意正整数;
判断是否BEk'(i,j)=1,如果BEk'(i,j)=1,则按照下列公式进行变换:
如果BEk'(i,j)=0.5,则按照下列公式进行变换:
其中,EEk(i,j)为边缘增强变换后的新的图像的边缘像素点的像素值矩阵,a为水平伸缩因子,Nr为预设灰度最大值。
为实现本发明目的,还提供一种基于帧的超声图像处理系统,包括图像获取模块、判断模块、融合模块、设置模块、增强变换模块和输出模块,其中:
所述图像获取模块,用于获取图像帧信息,并分别计算当前帧和前一帧的边缘像素点矩阵,根据当前帧和前一帧的边缘像素点矩阵计算所述当前帧和所述前一帧的重叠性度量;
所述判断模块,用于根据所述当前帧和所述前一帧的重叠性度量,判断当前帧和前一帧是否相关;
所述融合模块,用于当判定当前帧和前一帧相关时,将所述当前帧和所述前一帧融合,得到中间图像的边缘像素点矩阵和像素值矩阵,跳转增强变换模块执行相应的操作;
所述设置模块,用于当判定当前帧和前一帧不相关时,将所述当前帧的边缘像素点矩阵和像素值矩阵分别置为所述中间图像的边缘像素点矩阵和像素值矩阵;
所述增强变换模块,用于根据所述中间图像的边缘像素点矩阵,执行去除孤立边缘像素点的操作,然后逐点做边缘增强变换,得到边缘增强处理后的新的图像;
所述输出模块,用于输出增强变换处理后的图像。
在其中一个实施例中,所述图像获取模块,还包括平滑滤波子模块、延拓处理子模块、选取子模块、第一计算子模块、第一判断子模块、第一赋值子模块、第二判断子模块、第一输出子模块和第二计算子模块,其中:
所述平滑滤波子模块,用于对图像帧做平滑滤波处理的操作;
所述延拓处理子模块,用于对所述图像帧的边界不足处做延拓处理操作;
所述选取子模块,用于从所述图像帧中选取其中一块为当前块;
所述第一计算子模块,用于计算所述当前块的灰度直方图、均值、方差、相关值;
所述第一判断子模块,用于判断所述当前块是否满足预设条件;
所述第一赋值子模块,用于当满足预设条件时,将所述当前块中的所有像素点的像素值均赋值为1,或当不满足预条件时,将所述当前块中的所有像素点的像素值均赋值为0;
所述第二判断子模块,用于判断所述图像帧中的所有块是否均已处理结束;
所述第一输出子模块,用于输出所述图像帧的边缘像素点矩阵;
所述第二计算子模块,用于计算所述当前帧和前一帧的重叠性度量。
在其中一个实施例中,所述图像获取模块还包括第一计算子模块、第二计算子模块和第三计算子模块,其中:
所述第一计算子模块,用于计算所述当前帧和前一帧的边缘像素点的数目;
所述第二计算子模块,用于计算所述当前帧和前一帧的重叠边缘像素点的数目;
所述第三计算子模块,用于计算所述当前帧和前一帧的重叠性度量。
在其中一个实施例中,所述判断模块,还包括第一判断子模块,其中:
所述第一判断子模块,用于判断所述当前帧和前一帧的重叠性度量是否大于预设的重叠性度量阈值,若是,则判定所述当前帧和前一帧相关;若否,则判定所述当前帧和前一帧不相关。
在其中一个实施例中,所述增强变换模块,还包括去除子模块和增强变换子模块,其中:
所述去除子模块,用于执行去除孤立边缘点的操作;
所述增强变换子模块,用于对边缘像素点做变换处理。
本发明的有益效果:上述基于帧的超声图像处理方法及系统,采用了分块检测边缘的方法,可以很好的区分出边缘块和非边缘块;同时,结合帧间相关信息,把前后两帧的信息进行融合,使得找出的边缘更全面更丰富;在融合后的图像上,仅针对边缘进行增强变换处理,可以很好的增强边缘,同时,避免增强边缘以外的图像上的散斑噪声,而且也避免边缘变宽。
附图说明
图1为本发明的基于帧相关的超声图像处理方法的一个实施例的流程图;
图2为图1中的计算当前帧的边缘像素点矩阵的方法流程图;
图3为图1中的计算重叠性度量的方法流程图;
图4为图1中的边缘增强变换方法流程图;
图5为本发明的基于帧的超声图像处理系统一个实施例的结构示意图。
具体实施方式
以下结合附图及具体实施例,对本发明做进一步说明。
如图1所示,本发明实施例的一种基于帧的超声图像处理方法的一个实施例的流程图,包括如下步骤:
步骤S100、分别获取当前帧Dk和前一帧Dk-1。
步骤S200、分别计算当前帧和前一帧的边缘像素点矩阵BEk和BEk-1,根据所述当前帧和所述前一帧的边缘像素点矩阵,分别计算所述当前帧和前一帧的重叠性度量OverlapPt,执行步骤S300;
所述重叠性度量,是评价当前帧和前一帧中重叠程度的一个参数,本实施例中,仅对当前帧和前一帧的边缘重叠程度进行评价。
作为一种可实施方式,如图2所示,所述步骤S200中,所述计算当前帧的边缘像素点矩阵具体包括如下步骤:
步骤S210、执行对当前帧做平滑滤波处理的操作;
较佳地,在本实施例中,所用平滑处理方法为高斯平滑滤波,但本发明不限于此种方法,同样可以用其他平滑滤波方法实现平滑滤波;
步骤S211、将平滑滤波处理后的当前帧分成M×N个块,每个块大小为BlockSize×BlockSize,边界不足处做延拓处理,其中,BlockSize为正整数,M、N为正整数;
步骤S212、从所述当前帧中取出其中一块为当前块,并计算所述当前块的灰度直方图P(i);
步骤S213、在当前块的灰度直方图上,计算所述当前块的均值、方差和相关值,其中:
计算所述当前块的均值公式为:
BlockMean:
计算所述当前块的方差公式为:
BlockVariance:
计算所述当前块的相关值公式为:
BlockCorrelation:
其中,i、j为0至255的正整数,P(i)为求灰度直方图函数;
步骤S214、判断所述当前块是否满足以下公式(4)或(5)至少一个预设条件,若是,则执行步骤S215;若否,则执行步骤S216;
所述预设条件为:
BlockMean>MeanThresh&&(BlockVariance>VarianceThresh&&BlockCorrelation>Correlation)(4);
BlockMean>MeanThresh&&(BlockVariance>VarianceThresh||BlockCorrelatoin>CorrelationThresh)(5);
其中,MeanThresh为预设均值阈值,VarianceThresh为预设方差阈值,CorrelationThresh为预设相关值阈值;
步骤S215、将所述当前块中的所有像素点的像素值均赋值为1,跳转执行步骤S217;
步骤S216、将所述当前块中的所有像素点的像素值均赋值为0,执行步骤S217;
步骤S217、判断是否完成对所有块的处理操作,若是,则执行步骤S218;若否,则返回步骤S212;
步聚S218、输出当前帧的边缘像素点矩阵BEk。
所述计算前一帧的边缘像素点矩阵的步骤与所述计算当前帧的边缘像素点矩阵的步骤相同,在此不再做重复描述。
作为一种可实施方式,在所述步骤S200中,计算所述当前帧和前一帧的重叠性度量具体包括如下步骤:
步骤S’211、计算所述当前帧和前一帧的边缘像素点的数目;
步骤S’212、计算所述当前帧和前一帧的重叠边缘像素点数;
步骤S’213、计算所述当前帧和前一帧的重叠性度量。
较佳地,如图2所示,在所述步骤S’211中,所述计算当前帧的边缘像素点的数目的具体步骤如下:
步骤P1、初始化,将所述边缘像素点的数目置零,所述边缘像素点的数目用参数PNk表示,即PNk=0;
步骤P2、逐次取像素点(i,j)为当前点;
步骤P3、判断所述当前点(i,j)的像素值是否为1,若是,则执行步骤P4;若否,则执行步骤P5;
步骤P4、将所述边缘像素点的数目加1,即PNk=PNk+1;
步骤P5、判断是否处理完所述当前帧的所有像素点,若是,则执行步骤P6;若否,则执行步骤P2;
步骤P6、输出所述当前帧的边缘像素点的数目PNk。
所述计算前一帧的边缘像素点的数目的步骤与所述计算当前帧的边缘像素点的数目的步骤相同,在此不再做重复描述。
较佳地,如图3所示,在所述步骤S’212中,所述计算所述当前帧和前一帧的重叠边缘像素点数目的具体步骤如下:
步骤Q1、初始化,将所述重叠边缘像素点数目置零,重叠边缘像素点数目用参数ON表示,即ON=0,执行步骤Q2;
步骤Q2、逐次取点(m,n)为当前点,执行步骤Q3;
步骤Q3、判断当前帧的点(m,n)的像素值与前一帧的点(m,n)的像素值是否相同,并且值为1,用参数表示,即BEk(m,n)=BEk-1(m,n)=1,其中m、n为1至255的整数,若是,则执行步骤Q4;若否,则执行步骤Q5;
步骤Q4、将所述重叠边缘像素点数目加1,即ON=ON+1,执行步骤Q5;
步骤Q5、判断是否处理完所述当前帧和前一帧的所有点,若是,则执行步骤Q6;若否,则执行步骤Q2;
步骤Q6、输出所述重叠边缘像素点数目;
步骤Q7、计算出重叠性度量OverlapPt。
判断所述当前帧与前一帧的对应像素点的像素值是否相同,且值是否均为1,如果两帧对应像素点的像素值相同,则为重叠的像素点;如果二者的值都为1,则可判定,所述两个像素点都为边缘像素点,即重叠的边缘像素点。
较佳地,在所述步骤S’213中,计算所述当前帧和前一帧的重叠性度量的公式如下:
其中,ON表示重叠边缘像素点数目,PNk表示当前帧的边缘像素点的数目,PNk-1表示前一帧的边缘像素点的数目,OverlapPt表示重叠性度量。
步骤S300、根据所述当前帧和所述前一帧的重叠性度量,判断所述当前帧和前一帧是否相关,若是,则执行步骤S400;若否,则执行步骤S500。
作为一种可实施方式,在所述步骤S300中,判断所述当前帧和前一帧是否相关的具体步骤如下:
S310、设定重叠性度量的阈值;
S311、判断所述重叠性度量是否大于重叠性度量的阈值,若是,则当前帧和前一帧相关;若否,则当前帧和前一帧不相关;
用公式表示如下:
其中,OverlapPtThresh为预设的重叠性度量阈值,FrameCorrelation为两帧相关性,当FrameCorrelation为1时,表示当前帧和前一帧相关,当FrameCorrelation为0时,表示当前帧和前一帧不相关。
步骤S400、将所述当前帧和前一帧融合,得到中间图像的边缘像素点矩阵和像素值矩阵,跳转执行步骤S600。
作为一种可实施方式,所述将当前帧和前一帧融合的计算公式如下:
融合后的中间图像的边缘像素点矩阵为:
其中,BEk'(i,j)为融合后的中间图像的边缘像素点矩阵,BEk(i,j)为当前帧的边缘像素点矩阵,BEk-1(i,j)为前一帧的边缘像素点矩阵;
融合后的中间图像的像素值矩阵为:
其中,Dk'(i,j)为中间图像的像素值矩阵,Dk(i,j)为当前帧的像素值矩阵,Dk-1(i,j)为前一帧的像素值矩阵。
步骤S500、将所述当前帧的边缘像素点矩阵和像素值矩阵分别设置为所述中间图像的边缘像素点矩阵和像素值矩阵,即Dk'=Dk,BEk'=BEk,执行步骤S600。
步骤S600、根据所述中间图像的边缘像素点矩阵,执行去除孤立边缘像素点的操作,然后逐点做边缘增强变换处理,得到边缘增强处理后的新的图像,执行步骤S700。
较佳地,所述去除孤立边缘像素点的方法如下:采用八邻域跟踪的方法,在中间图像的边缘像素点矩阵上进行边缘跟踪,依次找出连接在一起的边缘链,并统计每个边缘链的长度(即边缘链的像素点的数目);如果某个边缘链的长度小于预先设定的阈值,则认为该边缘链为噪声,并把该边缘链上的所有点的边缘像素点矩阵都赋值为0;如果某个边缘链的长度大于预设的阈值,则保留该边缘链。
作为一种可实施方式,如图4所示,所述边缘增强变换的步骤如下:
X1、逐次取点(i,j)为当前点;
X2、判断所述当前点(i,j)的像素值是否大于零,即是否BEk'(i,j)>0,若是,则执行步骤X3,若否,则执行步骤X8,此时,BEk'(i,j)=0,则认为当前点为非边缘像素点,不做变换处理,即EEk(i,j)=Dk'(i,j),其中,EEk(i,j)为边缘增强变换后的新的图像的边缘像素点的像素值矩阵;
X3、取所述当前点(i,j)的w*k邻域;
X4、计算所述w*k邻域中像素的均值m,并预设灰度最大值参数Nr和水平伸缩因子a,其中,w为从1至9的任意正整数,k为从1至9的任意正整数;
X5、判断是否BEk'(i,j)=1,若是,执行步骤X6;若否,则执行步骤X7;
较佳地,根据BEk'(i,j)的取值做不同的变换;
X6、以点(i,j)为变量,用下列公式(10)变换,
此时,BEk'(i,j)=1,
X7、以点(i,j)为变量,用下列公式(11)变换;
此时,BEk'(i,j)=0.5,
X8、判断是否处理所有点的操作结束,若是,则执行步骤X9,若否,则返回执行步骤X1;
X9、输出边缘增强变换处理结果EEk。
步骤S700、输出处理后的新的图像。
本发明实施例采用分块检测边缘的方法,可以很好地区分边缘块和非边缘块;结合帧间相关信息,把前后两帧融合,使得找出的边缘更准确;在融合后的图像上,仅仅针对边缘做增强变换处理,不会增强图像上的散斑噪声,而且不会使边缘变宽。
本发明实施例还提供了一种基于帧的超声图像处理系统,如图5所示,包括图像获取模块U1、判断模块U2、融合模块U3、设置模块U4、增强变换模块U5和输出模块U6,其中:
所述图像获取模块U1,用于获取图像帧信息,并分别计算当前帧和前一帧的边缘像素点矩阵,根据当前帧和前一帧的边缘像素点矩阵计算所述当前帧和所述前一帧的重叠性度量;
所述判断模块U2,用于根据所述当前帧和所述前一帧的重叠性度量,判断当前帧和前一帧是否相关;
所述融合模块U3,用于当判定当前帧和前一帧相关时,将所述当前帧和所述前一帧融合,得到中间图像的边缘像素点矩阵和像素值矩阵,跳转增强变换模块执行相应的操作;
所述设置模块U4,用于当判定当前帧和前一帧不相关时,将所述当前帧的边缘像素点矩阵和像素值矩阵分别置为所述中间图像的边缘像素点矩阵和像素值矩阵;
所述增强变换模块U5,用于根据所述中间图像的边缘像素点矩阵,执行去除孤立边缘像素点的操作,然后逐点做边缘增强变换,得到边缘增强处理后的新的图像;
所述输出模块U6,用于输出增强变换处理后的图像。
作为一种可实施方式,在其中一个实施例中,所述图像获取模块,还包括平滑滤波子模块U7、延拓处理子模块U8、选取子模块U9、第一计算子模块U10、第一判断子模块U11、第一赋值子模块U12、第二判断子模块U13、第一输出子模块U14和第二计算子模块U15,其中:
所述平滑滤波子模块U7,用于对图像帧做平滑滤波处理的操作;
所述延拓处理子模块U8,用于对所述图像帧的边界不足处做延拓处理操作;
所述选取子模块U9,用于从所述图像帧中选取其中一块为当前块;
所述第一计算子模块U10,用于计算所述当前块的灰度直方图、均值、方差和相关值;
所述第一判断子模块U11,用于判断所述当前块是否满足预设条件;
所述第一赋值子模块U12,用于当满足预设条件时,将所述当前块中的所有像素点的像素值均赋值为1,或当不满足预条件时,将所述当前块中的所有像素点的像素值均赋值为0;
所述第二判断子模块U13,用于判断所述图像帧中的所有块是否均已处理结束;
所述第一输出子模块U14,用于输出所述图像帧的边缘像素点矩阵;
所述第二计算子模块U15,用于计算所述当前帧和前一帧的重叠性度量。
在其中一个实施例中,所述图像获取模块还包括第一计算子模块U16、第二计算子模块U17和第三计算子模块U18,其中:
所述第一计算子模块U16,用于计算所述当前帧和前一帧的边缘像素点的数目;
所述第二计算子模块U17,用于计算所述当前帧和前一帧的重叠边缘像素点的数目;
所述第三计算子模块U18,用于计算所述当前帧和前一帧的重叠性度量。
作为一种可实施方式,所述增强变换模块,还包括去除子模块U19和增强变换子模块U20,其中:
所述去除子模块U19,用于执行去除孤立边缘点的操作;
所述增强变换子模块U20,用于对边缘像素点做变换处理。
较佳地,所述判断模块,还包括第一判断子模块U21,其中:
所述第一判断子模块U21,用于判断所述当前帧和前一帧的重叠性度量是否大于预设的重叠性度量阈值,若是,则判定所述当前帧和前一帧相关;若否,则判定所述当前帧和前一帧不相关。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种基于帧的超声图像处理方法,其特征在于,包括如下步骤:
步骤A、获取图像帧信息,并分别计算当前帧和前一帧的边缘像素点矩阵,根据当前帧和前一帧的边缘像素点矩阵计算所述当前帧和所述前一帧的重叠性度量;
步骤B、根据所述当前帧和所述前一帧的重叠性度量,判断当前帧和前一帧是否相关,若是,则执行步骤C;若否,则执行步骤D;
步骤C、将所述当前帧和所述前一帧融合,得到中间图像的边缘像素点矩阵和像素值矩阵,跳转执行步骤E;
步骤D、将所述当前帧的边缘像素点矩阵和像素值矩阵分别置为中间图像的边缘像素点矩阵和像素值矩阵;
步骤E、根据所述中间图像的边缘像素点矩阵,执行去除孤立边缘像素点的操作,然后逐点做边缘增强变换,得到边缘增强处理后的新的图像;
步骤F、输出增强变换处理后的新的图像。
2.根据权利要求1所述的基于帧的超声图像处理方法,其特征在于,在所述步骤A中,所述计算帧的边缘像素点矩阵,包括如下步骤:
步骤a1、对所述帧做平滑滤波处理的操作;
步骤a2、将平滑滤波处理后的当前帧分成M×N个块,每个块大小为BlockSize×BlockSize,边界不足处做延拓处理,其中,BlockSize为正整数,M、N为正整数;
步骤a3、从所述帧中选取其中一块为当前块;
步骤a4、计算所述当前块的灰度直方图、均值、方差和相关值;
计算所述当前块的均值BlockMean公式为:
BlockMean:
计算所述当前块的方差BlockVariance公式为:
BlockVariance:
计算所述当前块的相关值BlockCorrelation公式为:
BlockCorrelation:
其中,r为所述当前块的灰度直方图的灰度级,取值为0至255的正整数,P(r)为求灰度直方图函数,u为所述当前块的均值BlockMean;
步骤a5、判断所述当前块是否满足以下条件:
BlockMean>MeanThresh&&(BlockVariance>VarianceThresh&&BlockCorrelation>CorrelationThresh);
或者满足以下条件:
BlockMean>MeanThresh&&(BlockVariance>VarianceThresh//BlockCorrelation>CorrelationThresh);
其中,MeanThresh为预设均值阈值,VarianceThresh为预设方差阈值,CorrelationThresh为预设相关值阈值;
若满足,则执行步骤a6;若不满足,则执行步骤a7;
步骤a6、将所述当前块中的所有像素点的像素值均赋值为1,跳转执行步骤a8;
步骤a7、将所述当前块中的所有像素点的像素值均赋值为0;
步骤a8、判断所述帧中的所有块是否均已处理结束,若是,则执行步骤a9;若否,则返回步骤a3;
步聚a9、像素值为1的像素点为边缘像素点,输出所述帧的边缘像素点矩阵。
3.根据权利要求2所述的基于帧的超声图像处理方法,其特征在于,在所述步骤A中,计算所述当前帧和前一帧的重叠性度量,包括如下步骤:
步骤A'1、分别计算所述当前帧和前一帧的边缘像素点的数目;
步骤A'2、计算所述当前帧和前一帧的重叠边缘像素点的数目;
步骤A'3、计算所述当前帧和前一帧的重叠性度量。
4.根据权利要求3所述的基于帧的超声图像处理方法,其特征在于,在所述步骤A'1中,所述计算帧的边缘像素点的数目具体步骤如下:
步骤R1、将所述边缘像素点数目置为零;
步骤R2、逐次选取像素点(i,j)为当前像素点;
步骤R3、判断所述当前像素点(i,j)的像素值是否为1,若是,则执行步骤R4;若否,则执行步骤R5;
步骤R4、将所述边缘像素点数目加1;
步骤R5、判断所述帧的所有像素点是否均已处理结束,若是,则执行步骤R6;若否,则执行步骤R2;
步骤R6、输出所述帧的边缘像素点的数目。
5.根据权利要求3所述的基于帧的超声图像处理方法,其特征在于,在所述步骤A'2中,所述计算所述当前帧和前一帧的重叠边缘像素点数目的具体步骤如下:
步骤T1、将所述重叠边缘像素点数目置零,执行步骤T2;
步骤T2、逐次取像素点(i’,j’)为当前点,执行步骤T3;
步骤T3、判断当前帧的像素点(i’,j’)的像素值与前一帧的像素点的像素值是否相同,并且是否均为1,若是,则执行步骤T4;若否,则执行步骤T5;
步骤T4、将所述重叠边缘像素点数目加1;
步骤T5、判断所述当前帧和前一帧的所有像素点是否均已处理结束,若是,则执行步骤T6;若否,则执行步骤T2;
步骤T6、输出所述重叠边缘像素点数目。
6.根据权利要求3所述的基于帧的超声图像处理方法,其特征在于,在所述步骤A'3中,计算所述当前帧和前一帧的重叠性度量的公式如下:
其中,ON表示重叠边缘像素点数目,PNk表示当前帧的边缘像素点的数目,PNk-1表示前一帧的边缘像素点的数目,OverlapPt表示重叠性度量。
7.根据权利要求1所述的基于帧的超声图像处理方法,其特征在于,在所述步骤B中,判断所述当前帧和前一帧是否相关的具体步骤如下:
步骤b1、判断所述当前帧和前一帧的重叠性度量是否大于预设的重叠性度量阈值,若是,则判定所述当前帧和前一帧相关;若否,则判定所述当前帧和前一帧不相关。
8.根据权利要求1所述的基于帧的超声图像处理方法,其特征在于,在所述步骤C中,所述将当前帧和前一帧融合的计算公式如下:
融合后的中间图像的边缘像素点矩阵为:
其中,BEk'(i,j)为融合后的中间图像的边缘像素点矩阵,BEk(i,j)为当前帧的边缘像素点矩阵,BEk-1(i,j)为前一帧的边缘像素点矩阵;
融合后的中间图像的像素值矩阵为:
其中,Dk'(i,j)为中间图像的像素值矩阵,Dk(i,j)为当前帧的像素值矩阵,Dk-1(i,j)为前一帧的像素值矩阵。
9.根据权利要求8所述的基于帧的超声图像处理方法,其特征在于,在所述步骤E中,所述去除孤立边缘像素点的计算步骤如下:
步骤e1、采用八邻域跟踪的方法,在中间图像的边缘像素点矩阵上进行边缘跟踪,依次找出连接在一起的边缘链,并统计每个边缘链的像素点数目;
判断所述边缘链的长度是否小于预先设定的阈值;
如果某个边缘链的长度小于预先设定的阈值,则判定该边缘链为噪声,并在边缘像素点矩阵上把该边缘链上的所有像素点都赋值为0;
如果某个边缘链的长度大于预设的阈值,则保留该边缘链;
所述边缘增强变换的计算步骤如下:
步骤e2、如果BEK'(i,j)=0,则认为当前点为非边缘像素点,不做变换处理,即EEk(i,j)=Dk'(i,j);
步骤e3、如果BEk'(i,j)>0,则取当前点的w*k邻域,计算邻域中像素值矩阵的平均值m,根据BEk'(i,j)的取值做不同的变换,其中w为从1至9的任意正整数,k为从1至9的任意正整数;
判断是否BEk'(i,j)=1,如果BEk'(i,j)=1,则按照下列公式进行变换:
如果BEk'(i,j)=0.5,则按照下列公式进行变换:
其中,EEk(i,j)为边缘增强变换后的新的图像的边缘像素点的像素值矩阵,a为水平伸缩因子,Nr为预设灰度最大值,x为输入的像素值,y为输出的像素值。
10.一种基于帧的超声图像处理系统,其特征在于,包括图像获取模块、判断模块、融合模块、设置模块、增强变换模块和输出模块,其中:
所述图像获取模块,用于获取图像帧信息,并分别计算当前帧和前一帧的边缘像素点矩阵,根据当前帧和前一帧的边缘像素点矩阵计算所述当前帧和所述前一帧的重叠性度量;
所述判断模块,用于根据所述当前帧和所述前一帧的重叠性度量,判断当前帧和前一帧是否相关;
所述融合模块,用于当判定当前帧和前一帧相关时,将所述当前帧和所述前一帧融合,得到中间图像的边缘像素点矩阵和像素值矩阵,跳转增强变换模块执行相应的操作;
所述设置模块,用于当判定当前帧和前一帧不相关时,将所述当前帧的边缘像素点矩阵和像素值矩阵分别置为中间图像的边缘像素点矩阵和像素值矩阵;
所述增强变换模块,用于根据所述中间图像的边缘像素点矩阵,执行去除孤立边缘像素点的操作,然后逐点做边缘增强变换,得到边缘增强处理后的新的图像;
所述输出模块,用于输出增强变换处理后的图像。
11.根据权利要求10所述的基于帧的超声图像处理系统,其特征在于,所述图像获取模块,还包括平滑滤波子模块、延拓处理子模块、选取子模块、第一计算子模块、第一判断子模块、第一赋值子模块、第二判断子模块以及第一输出子模块,其中:
所述平滑滤波子模块,用于对图像帧做平滑滤波处理的操作;
所述延拓处理子模块,用于将平滑滤波处理后的当前帧分成M×N个块,每个块大小为BlockSize×BlockSize,边界不足处做延拓处理,其中,BlockSize为正整数,M、N为正整数;
所述选取子模块,用于从所述图像帧中选取其中一块为当前块;
所述第一计算子模块,用于计算所述当前块的灰度直方图、均值、方差、相关值,其中,计算所述当前块的均值BlockMean公式为:
BlockMean:
计算所述当前块的方差BlockVariance公式为:
BlockVariance:
计算所述当前块的相关值BlockCorrelation公式为:
BlockCorrelation:
其中,r为所述当前块的灰度直方图的灰度级,取值为0至255的正整数,P(r)为求灰度直方图函数,u为所述当前块的均值BlockMean;
所述第一判断子模块,用于判断所述当前块是否满足以下条件:
BlockMean>MeanThresh&&(BlockVariance>VarianceThresh&&BlockCorrelation>CorrelationThresh);
或者满足以下条件:
BlockMean>MeanThresh&&(BlockVariance>VarianceThresh//BlockCorrelation>CorrelationThresh);
其中,MeanThresh为预设均值阈值,VarianceThresh为预设方差阈值,CorrelationThresh为预设相关值阈值;
所述第一赋值子模块,用于当满足预设条件时,将所述当前块中的所有像素点的像素值均赋值为1,或当不满足预条件时,将所述当前块中的所有像素点的像素值均赋值为0;
所述第二判断子模块,用于判断所述图像帧中的所有块是否均已处理结束;
所述第一输出子模块,用于在所述第二判断子模块判断所述图像帧中的所有块均已处理结束后,像素值为1的像素点为边缘像素点,输出所述图像帧的边缘像素点矩阵。
12.根据权利要求11所述的基于帧的超声图像处理系统,其特征在于,所述图像获取模块还包括第二计算子模块、第三计算子模块和第四计算子模块,其中:
所述第二计算子模块,用于计算所述当前帧和前一帧的边缘像素点的数目;
所述第三计算子模块,用于计算所述当前帧和前一帧的重叠边缘像素点的数目;
所述第四计算子模块,用于计算所述当前帧和前一帧的重叠性度量。
13.根据权利要求10所述的基于帧的超声图像处理系统,其特征在于,所述判断模块,还包括第三判断子模块,其中:
所述第三判断子模块,用于判断所述当前帧和前一帧的重叠性度量是否大于预设的重叠性度量阈值,若是,则判定所述当前帧和前一帧相关;若否,则判定所述当前帧和前一帧不相关。
14.根据权利要求10所述的基于帧的超声图像处理系统,其特征在于,
所述融合模块将当前帧和前一帧融合的计算公式如下:
融合后的中间图像的边缘像素点矩阵为:
其中,BEk'(i,j)为融合后的中间图像的边缘像素点矩阵,BEk(i,j)为当前帧的边缘像素点矩阵,BEk-1(i,j)为前一帧的边缘像素点矩阵;
融合后的中间图像的像素值矩阵为:
其中,Dk'(i,j)为中间图像的像素值矩阵,Dk(i,j)为当前帧的像素值矩阵,Dk-1(i,j)为前一帧的像素值矩阵;
所述增强变换模块,还包括去除子模块和增强变换子模块,其中:
所述去除子模块,用于去除孤立边缘像素点,具体为:
采用八邻域跟踪的方法,在中间图像的边缘像素点矩阵上进行边缘跟踪,依次找出连接在一起的边缘链,并统计每个边缘链的像素点数目,判断所述边缘链的长度是否小于预先设定的阈值,如果某个边缘链的长度小于预先设定的阈值,则判定该边缘链为噪声,并在边缘像素点矩阵上把该边缘链上的所有像素点都赋值为0;如果某个边缘链的长度大于预设的阈值,则保留该边缘链;
所述增强变换子模块,用于进行边缘增强变化计算,具体为:
在BEK'(i,j)=0时,认为当前点为非边缘像素点,不做变换处理,即EEk(i,j)=Dk'(i,j);
在BEk'(i,j)>0时,则取当前点的w*k邻域,计算邻域中像素值矩阵的平均值m,根据BEk'(i,j)的取值做不同的变换,其中w为从1至9的任意正整数,k为从1至9的任意正整数;
判断是否BEk'(i,j)=1,如果BEk'(i,j)=1,则按照下列公式进行变换:
如果BEk'(i,j)=0.5,则按照下列公式进行变换:
其中,EEk(i,j)为边缘增强变换后的新的图像的边缘像素点的像素值矩阵,a为水平伸缩因子,Nr为预设灰度最大值,x为输入的像素值,y为输出的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210339674.5A CN102915537B (zh) | 2012-09-14 | 2012-09-14 | 基于帧的超声图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210339674.5A CN102915537B (zh) | 2012-09-14 | 2012-09-14 | 基于帧的超声图像处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102915537A CN102915537A (zh) | 2013-02-06 |
CN102915537B true CN102915537B (zh) | 2015-12-16 |
Family
ID=47613890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210339674.5A Active CN102915537B (zh) | 2012-09-14 | 2012-09-14 | 基于帧的超声图像处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102915537B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105448263B (zh) * | 2015-12-31 | 2018-05-01 | 华为技术有限公司 | 显示驱动装置及显示驱动方法 |
CN105957071B (zh) * | 2016-04-26 | 2019-04-12 | 浙江宇视科技有限公司 | 一种灯组定位方法及装置 |
CN108090887B (zh) * | 2016-11-23 | 2020-09-04 | 杭州海康威视数字技术股份有限公司 | 一种视频图像处理方法及装置 |
CN110415179A (zh) * | 2019-06-06 | 2019-11-05 | 聚融医疗科技(杭州)有限公司 | 一种基于超声序列相似度的时间复合方法及装置 |
CN111126254A (zh) * | 2019-12-23 | 2020-05-08 | Oppo广东移动通信有限公司 | 图像识别方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101453575A (zh) * | 2007-12-05 | 2009-06-10 | 中国科学院计算技术研究所 | 一种视频字幕信息提取方法 |
CN101739566A (zh) * | 2009-12-04 | 2010-06-16 | 重庆大学 | 基于自适应投影模板法的车牌定位方法 |
-
2012
- 2012-09-14 CN CN201210339674.5A patent/CN102915537B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101453575A (zh) * | 2007-12-05 | 2009-06-10 | 中国科学院计算技术研究所 | 一种视频字幕信息提取方法 |
CN101739566A (zh) * | 2009-12-04 | 2010-06-16 | 重庆大学 | 基于自适应投影模板法的车牌定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102915537A (zh) | 2013-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102915537B (zh) | 基于帧的超声图像处理方法及系统 | |
Aslantas et al. | A comparison of criterion functions for fusion of multi-focus noisy images | |
US8744167B2 (en) | Method, medium, and apparatus of filtering depth noise using depth information | |
CN102281386B (zh) | 一种对视频图像进行自适应去噪的方法及装置 | |
CN100474337C (zh) | 一种基于径向基神经网络的有噪运动模糊图像复原方法 | |
CN106251318B (zh) | 一种序列图像的去噪装置及方法 | |
CN104978715A (zh) | 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法 | |
CN103347190B (zh) | 一种边相关的联合彩色去马赛克和放大方法 | |
CN101877124A (zh) | 一种医学图像的滤波方法及系统 | |
Gao et al. | Based on soft-threshold wavelet de-noising combining with Prewitt operator edge detection algorithm | |
CN104134211A (zh) | 一种基于高斯滤波器多分辨率滤波的带钢缺陷检测方法 | |
CN110349090B (zh) | 一种基于牛顿二阶插值的图像缩放方法 | |
Kang et al. | Fusing soft-decision-adaptive and bicubic methods for image interpolation | |
Zhou et al. | Breaking through the haze: An advanced non-homogeneous dehazing method based on fast fourier convolution and convnext | |
Luo et al. | Global feature fusion attention network for single image dehazing | |
Garg et al. | Speckle noise reduction in medical ultrasound images using coefficient of dispersion | |
CN103778615A (zh) | 基于区域相似性的多聚焦图像融合方法 | |
CN102521804A (zh) | 基于窗口改进的多级中值滤波的图像边缘检测方法 | |
Nasonova et al. | Determination of image edge width by unsharp masking | |
Srivastava et al. | A novel wavelet edge detection algorithm for noisy images | |
CN100580702C (zh) | 角膜内皮细胞图像处理方法 | |
CN100367800C (zh) | 基于感知清晰度的图像处理方法 | |
Zhang et al. | An improved edge detection algorithm based on mathematical morphology and directional wavelet transform | |
JPH05346956A (ja) | 画像信号の処理装置 | |
CN102223469B (zh) | 一种基于彩色图像的椒盐噪声滤波方法 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 215123 floor 5, building a and floor 4, building C, No. 27, Xinfa Road, Suzhou Industrial Park, Suzhou, Jiangsu Patentee after: Feiyinuo Technology Co.,Ltd. Address before: 215123 unit 501, building C8, bio nano Park, No. 218, Xinghu street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee before: VINNO TECHNOLOGY (SUZHOU) Co.,Ltd. |