CN103034857A - 自动检测影像图片中曝光区域的方法及系统 - Google Patents
自动检测影像图片中曝光区域的方法及系统 Download PDFInfo
- Publication number
- CN103034857A CN103034857A CN2012105498832A CN201210549883A CN103034857A CN 103034857 A CN103034857 A CN 103034857A CN 2012105498832 A CN2012105498832 A CN 2012105498832A CN 201210549883 A CN201210549883 A CN 201210549883A CN 103034857 A CN103034857 A CN 103034857A
- Authority
- CN
- China
- Prior art keywords
- image
- penetration region
- exposure area
- zone
- initial
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于图像处理技术领域,提供了一种自动检测影像图片中曝光区域的方法,包括下述步骤:步骤A,获取待检测的影像图片;步骤B,接收输入的体位信息;步骤C,若输入的体位信息为普通体位,则以普通分割阈值对图像进行二值化处理从中分割出曝光区域;步骤D,若输入的体位信息为特殊体位,则分别获取图像中X光线的穿透区域和初始曝光区域,然后通过穿透区域对初始曝光区域进行边界修正,获取最终的曝光区域。使用本发明提供的自动检测技术可以对图像的曝光区域自动进行检测,总体的准确率在98%以上,在图像处理的所有过程中,可以去除去非曝光区域图像数据的处理,提高了程序运行效率。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种自动检测影像图片中曝光区域的方法及系统。
背景技术
对于医学领域或其他领域的影像图片,经常需要选取图片上的曝光区域来进行有针对的分析。由于图像曝光区域与非曝光区域的灰度值存在差异,通过设定好合适的阈值,利用形态学里面的阈值分割方法,可以估计出曝光区域的位置和大小。但是有很多体位图像在获取时需使用束光器曝光,由于不同体位、组织设定的剂量不同、束光器挡板老化及挡板附近的X光线散射等原因,致使直接采用一个小阈值进行二值化的方法提取曝光区域,穿透区域的边界存在很大的误差,如果采用一个大的阈值来二值化,曝光区域的过暗部分与非曝光区域之间的边界就不能被准确的区分开。
发明内容
本发明所要解决的第一个技术问题在于提供一种自动检测影像图片中曝光区域的方法,旨在自动检测出曝光区域,减少医生手动选取区域所带来的工作量,为图像作区域均衡处理提供方便。
本发明是这样实现的,一种自动检测影像图片中曝光区域的方法,包括下述步骤:
步骤A,获取待检测的影像图片;
在步骤B中,接收输入的体位信息;
步骤C,若输入的体位信息为普通体位,则以普通分割阈值对图像进行二值化处理从中分割出曝光区域;
步骤D,若输入的体位信息为特殊体位,则分别获取图像中X光线的穿透区域和初始曝光区域,然后通过所述穿透区域对所述初始曝光区域进行边界修正,获取最终的曝光区域。
进一步地,所述步骤C包括下述步骤:
步骤C1,求取待检测图像像素值的平均值,以所述平均值作为所述普通分割阈值;
步骤C2,以所述普通分割阈值对待检测图像进行二值化分割,得到曝光区域;
步骤C3,对步骤C2得到的曝光区域进行开运算处理,并放大至原始大小。
进一步地,所述步骤D包括下述步骤:
步骤D1,确定待检测图像中X光线的穿透区域;
步骤D2,根据所述穿透区域得到初始曝光区域;
步骤D3,通过所述穿透区域对所述初始曝光区域进行边界修正。
进一步地,所述步骤D1包括下述步骤:
步骤D11,对待检测图像进行GAMMA校正;
步骤D12,对校正后的图像分块,并求得每个图像块的最大值;
步骤D13,对所有图像块的最大值进行排序,以其中的近似最大值作为一次分割阈值;
步骤D14,以所述一次分割阈值对图像进行二值化分割,得到穿透区域;
步骤D15,对步骤D14得到的穿透区域进行开运算处理。
进一步地,所述步骤D2包括下述步骤:
步骤D21,对所述穿透区域求反后再和待检测图像求与;
步骤D22,对步骤D21得到的图像的像素值求平均,将求得的平均值作为二次分割阈值;
步骤D23,以所述二次分割阈值对待检测图像进行二值化分割,得到初始曝光区域;
步骤D24,对步骤D23得到的初始曝光区域进行开运算。
进一步地,所述步骤D3包括下述步骤:
步骤D31,确定所述初始曝光区域中的最大连通区域,并得到所述最大连通区域的宽高比;
步骤D32,若所述宽高比大于1,则执行步骤D34,若所述宽高比小于1,则执行步骤D33;
步骤D33,判断穿透区域的左边与初始曝光区域的左边的距离,以及穿透区域的右边与初始曝光区域的右边的距离是否小于初始穿透区域宽的1/4,若是,则用穿透区域的左、右边作为最终曝光区域的左、右边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域;
步骤D34,判断穿透区域的上边与初始曝光区域的上边的距离,以及穿透区域的下边与初始曝光区域的下边的距离是否小于初始穿透区域高的1/4,若是,则用穿透区域的上、下边作为最终曝光区域的上、下边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域。
本发明还提供了一种自动检测影像图片中曝光区域的系统,包括:
图像获取模块,用于获取待检测的影像图片;
体位判断模块,用于判断所述影像图片中的图像体位是普通体位还是特殊体位;
第一曝光区域分割模块,用于在所述体位信息为普通体位时,以普通分割阈值对图像进行二值化处理从中分割出曝光区域;
第二曝光区域分割模块,用于在所述体位信息为特殊体位时,分别获取图像中X光线的穿透区域和初始曝光区域,然后通过所述穿透区域对所述初始曝光区域进行边界修正,获取最终的曝光区域。
进一步地,所述第一曝光区域分割模块包括:
普通分割阈值确定子模块,用于求取待检测图像像素值的平均值,以所述平均值作为所述普通分割阈值;
普通分割子模块,用于以所述普通分割阈值对待检测图像进行二值化分割,得到曝光区域;
普通曝光区域处理子模块,用于对所述普通分割子模块得到的曝光区域进行开运算处理,并放大至原始大小。
进一步地,所述第二曝光区域分割模块包括:
穿透区域确定子模块,用于确定待检测图像中X光线的穿透区域;
初始曝光区域确定子模块,用于根据所述穿透区域得到初始曝光区域;
修正子模块,用于通过所述穿透区域对所述初始曝光区域进行边界修正。
进一步地,所述穿透区域确定子模块用于首先对待检测图像进行GAMMA校正,然后对校正后的图像分块,并求得每个图像块的最大值,对所有图像块的最大值进行排序,以其中的近似最大值作为一次分割阈值,再以所述一次分割阈值对图像进行二值化分割,得到穿透区域,并对穿透区域进行开运算处理;
所述初始曝光区域确定子模块用于首先对所述穿透区域求反后再和待检测图像求与,然后对求与得到的图像的像素值求平均,将求得的平均值作为二次分割阈值;再以所述二次分割阈值对待检测图像进行二值化分割,得到初始曝光区域,最后对初始曝光区域进行开运算;
所述修正子模块用于首先确定所述初始曝光区域中的最大连通区域,并得到所述最大连通区域的宽高比;若所述宽高比小于等于1,则判断穿透区域的左边与初始曝光区域的左边的距离,以及穿透区域的右边与初始曝光区域的右边的距离是否小于初始穿透区域宽的1/4,若是,则用穿透区域的左、右边作为最终曝光区域的左、右边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域;若所述宽高比大于1,则判断穿透区域的上边与初始曝光区域的上边的距离,以及穿透区域的下边与初始曝光区域的下边的距离是否小于初始穿透区域高的1/4,若是,则用穿透区域的上、下边作为最终曝光区域的上、下边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域。
使用本发明提供的自动检测技术可以对图像的曝光区域自动进行检测,总体的准确率在98%以上,在图像处理的所有过程中,可以去除去非曝光区域图像数据的处理,提高了程序运行效率;另一方面,给医生减少了负担;还有去除了非曝光区域对图像均衡效果的影响。
附图说明
图1是本发明提供的自动检测影像图片中曝光区域的方法的实现流程图;
图2是本发明提供的普通体位的图像进行曝光区域确定的实现流程图;
图3是本发明提供的确定待检测图像中X光线的穿透区域的流程图;
图4是本发明提供的初始曝光区域的确定流程图;
图5是本发明提供的对初始曝光区域进行修正的流程图;
图6是本发明提供的通过穿透区域的边界来修正初始曝光区域的示意图;
图7、图8分别是本发明提供的普通体位、特殊体位的检测效果图;
图9是本发明提供的自动检测影像图片中曝光区域的系统的结构原理图;
图10是本发明提供的第一曝光区域分割模块的结构图;
图11是本发明提供的第二曝光区域分割模块的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明先对所要检测的体位图像进行分类,像一些曝光区域分界比较明显的且干扰比较小的普通体位图像,选用简单的区域检测算法,直接可以准确的计算出曝光区域;而针对其它特殊体位,则选用二次阈值的方法,对初始检测出的曝光区域进行修正。普通体位图像选取一个阈值,就可以分割出曝光区域,对检测出的曝光区域进行噪声点等的去干扰,再通过逐行、逐列的扫描求出曝光区域的边界;对于特殊体位图像,通过设定一个大的阈值获取到图像中X光线所穿透的区域,再设定一个小的阈值,获取到体位图像中的初始曝光区域,最后用穿透区域对初始曝光区域的边界进行修正,获取到最终所需的曝光区域。
图1示出了本发明提供的自动检测影像图片中曝光区域的方法的实现流程,详述如下。
在步骤A中,获取待检测的影像图片。
在图像处理技术中,为了满足终端显示设备的分辨率等要求,通常需要进行预处理以改变图像的尺寸,若本发明中获取到的原始图片与终端显示设备的参数不适配,则需要进行预处理,本发明中通过下采样将待检测图像处理为512*512的格式。
在步骤B中,接收输入的体位信息
在医学影像中,手、足等部位的曝光区域的边界比较明显且干扰较小,易于识别,可定义为普通体位,而腰椎、颈椎等部位识别难度较大,可定义为特殊体位。
在步骤C中,若输入的体位信息为普通体位,则以普通分割阈值对图像进行二值化处理从中分割出曝光区域。
本发明中,对于普通体位的图像,可选用简单的区域检测算法,如图2所示,包括下述步骤:
步骤C1,求取待检测图像像素值的平均值,以平均值作为普通分割阈值.
步骤C2,以普通分割阈值对待检测图像进行二值化分割,得到曝光区域。
步骤C3,对步骤C2得到的曝光区域进行开运算处理,并放大至原始大小。
在图像处理中,开运算指使用同一个结构元素对图像先腐蚀再进行膨胀,其中腐蚀处理可以将粘连的目标物进行分离,而膨胀处理则可以将断开的目标物进行接续,开运算通常用来消除小对象物、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积,可消除小颗粒噪声,可基本保持目标原有大小不变。
在步骤D中,若输入的体位信息为特殊体位,则分别获取图像中X光线的穿透区域和初始曝光区域,然后通过穿透区域对初始曝光区域进行边界修正,获取最终的曝光区域。
首先需确定待检测图像中X光线的穿透区域,本发明中初始曝光区域也是根据此传统区域得到,然后再进一步通过穿透区域对初始曝光区域进行边界修正。下文对具体原理进行分述。
确定待检测图像中X光线的穿透区域的流程如图3所示,包括下述步骤:
步骤D11,对待检测图像进行GAMMA校正。
步骤D12,对校正后的图像分块,并求得每个图像块灰度的最大值。
步骤D13,对所有图像块灰度的最大值进行排序,以其中的近似最大值作为一次分割阈值。
本发明中,考虑到噪声影响,并不选择排序后的最大值作为一次分割阈值,而是选择离序列最大值一定距离的值(本发明中命名为近似最大值)作为一次分割阈值,例如序列中有100个值,其中第100个值最大,本发明选取第90个值作为近似最大值。
步骤D14,以一次分割阈值对图像进行二值化分割,得到穿透区域。
步骤D15,对步骤D14得到的穿透区域进行开运算处理。
初始曝光区域的确定流程如图4所示,包括下述步骤:
步骤D21,对穿透区域求反后再和待检测图像求与。
步骤D22,对步骤D21得到的图像的像素值求平均,将求得的平均值作为二次分割阈值。
此处求平均是用有效像素点的个数去平均,有效像素点为穿透区域求反后的非零像素点。
步骤D23,以二次分割阈值对待检测图像进行二值化分割,得到初始曝光区域。
步骤D24,对步骤D23得到的初始曝光区域进行开运算。
参照图5,修正过程如下:
步骤D31,确定初始曝光区域中的最大连通区域,并得到最大连通区域的宽高比;
步骤D32,若宽高比大于1,则执行步骤D34,若宽高比小于等于1,则执行步骤D33;
步骤D33,判断穿透区域的左边与初始曝光区域的左边的距离,以及穿透区域的右边与初始曝光区域的右边的距离是否小于初始穿透区域宽的1/4,若是,则用穿透区域的左、右边作为最终曝光区域的左、右边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域;
步骤D34,判断穿透区域的上边与初始曝光区域的上边的距离,以及穿透区域的下边与初始曝光区域的下边的距离是否小于初始穿透区域高的1/4,若是,则用穿透区域的上、下边作为最终曝光区域的上、下边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域。
采用图3为边界修正的示意图,对图像边界进行修正时,必须先对体位方向进行判定,如果为竖向时,对ROI的左右边界用穿透区域进行修正,反之修正上下边界。
曝光区域边界的修正是用穿透区域的边界来作为参考的,如图6所示,假如体位方向为竖向,填充有“网格线”的边框为穿透区域的四个边界,填充有“点”的为修正区域,由于体位为竖向,所以要对左右两个边界进行修正,修正的操作是在修正区域内找穿透区域边界,如果有穿透区域的边界,则用穿透区域的边界替换初始曝光区域ROI的边界,其中修正区域的高和初始曝光区域相同,宽为初始曝光区域ROI的1/4。
图7、图8分别为普通体位、特殊体位的检测结果,从图7中可以看出,普通体位的检测结果是不受图像整体亮度的变化而变化,而特殊体位的检测结果则会随亮度变化,因此需要做GAMMA校正。图8中,第2幅图像为X光线穿透区域,第3幅图像为初始曝光区域,用穿透区域对初始曝光区域进行左右修正,得到最终的检测区域。
本领域普通技术人员可以理解实现上述各实施例提供的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该存储介质可以为ROM/RAM、磁盘、光盘等。
图9示出了本发明提供的自动检测影像图片中曝光区域的系统的结构原理,为了便于描述,仅示出了与本发明相关的部分,其中的各个模块、子模块可以是内置于计算机等处理终端中的软件单元。
参照图9,该系统包括图像获取模块91、体位信息接收模块92、第一曝光区域分割模块93、第二曝光区域分割模块94。其中,图像获取模块91用于获取待检测的影像图片。体位信息接收模块92用于接收输入的体位信息。第一曝光区域分割模块93在接收到的体位信息为普通体位时,以普通分割阈值对图像进行二值化处理从中分割出曝光区域。第二曝光区域分割模块94在接收到的体位信息为特殊体位时,分别获取图像中X光线的穿透区域和初始曝光区域,然后通过穿透区域对初始曝光区域进行边界修正,获取最终的曝光区域。
进一步地,如图10所示,第一曝光区域分割模块93包括普通分割阈值确定子模块931、普通分割子模块932、普通曝光区域处理子模块933,普通分割阈值确定子模块931用于求取待检测图像像素值的平均值,以平均值作为普通分割阈值,然后普通分割子模块932以普通分割阈值对待检测图像进行二值化分割,得到曝光区域,最后由普通曝光区域处理子模块933对普通分割子模块得到的曝光区域进行开运算处理,并放大至原始大小。
进一步地,如图11所示,第二曝光区域分割模块94包括用于确定待检测图像中X光线的穿透区域的穿透区域确定子模块941、用于根据穿透区域得到初始曝光区域的初始曝光区域确定子模块942和用于通过穿透区域对初始曝光区域进行边界修正的修正子模块943。具体地,穿透区域确定子模块941首先对待检测图像进行GAMMA校正,然后对校正后的图像分块,并求得每个图像块的最大值,对所有图像块的最大值进行排序,以其中的近似最大值作为一次分割阈值,再以一次分割阈值对图像进行二值化分割,得到穿透区域,并对穿透区域进行开运算处理。初始曝光区域确定子模块942首先对穿透区域求反后再和待检测图像求与,然后对求与得到的图像的像素值求平均,将求得的平均值作为二次分割阈值;再以二次分割阈值对待检测图像进行二值化分割,得到初始曝光区域,最后对初始曝光区域进行开运算。修正子模块943用于首先确定初始曝光区域中的最大连通区域,并得到最大连通区域的宽高比;若宽高比小于等于1,则判断穿透区域的左边与初始曝光区域的左边的距离,以及穿透区域的右边与初始曝光区域的右边的距离是否小于初始穿透区域宽的1/4,若是,则用穿透区域的左、右边作为最终曝光区域的左、右边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域;若宽高比大于1,则判断穿透区域的上边与初始曝光区域的上边的距离,或穿透区域的下边与初始曝光区域的下边的距离是否小于初始穿透区域高的1/4,若是,则用穿透区域的上、下边作为最终曝光区域的上、下边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域。
上述各个模块、子模块的工作原理如上文所述,此处不再赘述。
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 (10)
1.一种自动检测影像图片中曝光区域的方法,其特征在于,包括下述步骤:
步骤A,获取待检测的影像图片;
在步骤B中,接收输入的体位信息;
步骤C,若输入的体位信息为普通体位,则以普通分割阈值对图像进行二值化处理从中分割出曝光区域;
步骤D,若输入的体位信息为特殊体位,则分别获取图像中X光线的穿透区域和初始曝光区域,然后通过所述穿透区域对所述初始曝光区域进行边界修正,获取最终的曝光区域。
2.如权利要求1所述的方法,其特征在于,所述步骤C包括下述步骤:
步骤C1,求取待检测图像像素值的平均值,以所述平均值作为所述普通分割阈值;
步骤C2,以所述普通分割阈值对待检测图像进行二值化分割,得到曝光区域;
步骤C3,对步骤C2得到的曝光区域进行开运算处理,并放大至原始大小。
3.如权利要求1所述的方法,其特征在于,所述步骤D包括下述步骤:
步骤D1,确定待检测图像中X光线的穿透区域;
步骤D2,根据所述穿透区域得到初始曝光区域;
步骤D3,通过所述穿透区域对所述初始曝光区域进行边界修正。
4.如权利要求3所述的方法,其特征在于,所述步骤D1包括下述步骤:
步骤D11,对待检测图像进行GAMMA校正;
步骤D12,对校正后的图像分块,并求得每个图像块灰度的最大值;
步骤D13,对所有图像块灰度的最大值进行排序,以其中的近似最大值作为一次分割阈值;
步骤D14,以所述一次分割阈值对图像进行二值化分割,得到穿透区域;
步骤D15,对步骤D14得到的穿透区域进行开运算处理。
5.如权利要求3或4所述的方法,其特征在于,所述步骤D2包括下述步骤:
步骤D21,对所述穿透区域求反后再和待检测图像求与;
步骤D22,对步骤D21得到的图像的像素值求平均,将求得的平均值作为二次分割阈值;
步骤D23,以所述二次分割阈值对待检测图像进行二值化分割,得到初始曝光区域;
步骤D24,对步骤D23得到的初始曝光区域进行开运算。
6.如权利要求3所述的方法,其特征在于,所述步骤D3包括下述步骤:
步骤D31,确定所述初始曝光区域中的最大连通区域,并得到所述最大连通区域的宽高比;
步骤D32,若所述宽高比大于1,则执行步骤D34,若所述宽高比小于等于1,则执行步骤D33;
步骤D33,判断穿透区域的左边与初始曝光区域的左边的距离,以及穿透区域的右边与初始曝光区域的右边的距离是否小于初始穿透区域宽的1/4,若是,则用穿透区域的左、右边作为最终曝光区域的左、右边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域;
步骤D34,判断穿透区域的上边与初始曝光区域的上边的距离,以及穿透区域的下边与初始曝光区域的下边的距离是否小于初始穿透区域高的1/4,若是,则用穿透区域的上、下边作为最终曝光区域的上、下边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域。
7.一种自动检测影像图片中曝光区域的系统,其特征在于,包括:
图像获取模块,用于获取待检测的影像图片;
体位信息接收模块,用于接收输入的体位信息;
第一曝光区域分割模块,用于在所述体位信息为普通体位时,以普通分割阈值对图像进行二值化处理从中分割出曝光区域;
第二曝光区域分割模块,用于在所述体位信息为特殊体位时,分别获取图像中X光线的穿透区域和初始曝光区域,然后通过所述穿透区域对所述初始曝光区域进行边界修正,获取最终的曝光区域。
8.如权利要求7所述的系统,其特征在于,所述第一曝光区域分割模块包括:
普通分割阈值确定子模块,用于求取待检测图像像素值的平均值,以所述平均值作为所述普通分割阈值;
普通分割子模块,用于以所述普通分割阈值对待检测图像进行二值化分割,得到曝光区域;
普通曝光区域处理子模块,用于对所述普通分割子模块得到的曝光区域进行开运算处理,并放大至原始大小。
9.如权利要求7所述的系统,其特征在于,所述第二曝光区域分割模块包括:
穿透区域确定子模块,用于确定待检测图像中X光线的穿透区域;
初始曝光区域确定子模块,用于根据所述穿透区域得到初始曝光区域;
修正子模块,用于通过所述穿透区域对所述初始曝光区域进行边界修正。
10.如权利要求9所述的系统,其特征在于:
所述穿透区域确定子模块用于首先对待检测图像进行GAMMA校正,然后对校正后的图像分块,并求得每个图像块灰度的最大值,对所有图像块灰度的最大值进行排序,以其中的近似最大值作为一次分割阈值,再以所述一次分割阈值对图像进行二值化分割,得到穿透区域,并对穿透区域进行开运算处理;
所述初始曝光区域确定子模块用于首先对所述穿透区域求反后再和待检测图像求与,然后对求与得到的图像的像素值求平均,将求得的平均值作为二次分割阈值;再以所述二次分割阈值对待检测图像进行二值化分割,得到初始曝光区域,最后对初始曝光区域进行开运算;
所述修正子模块用于首先确定所述初始曝光区域中的最大连通区域,并得到所述最大连通区域的宽高比;若所述宽高比小于等于1,则判断穿透区域的左边与初始曝光区域的左边的距离,以及穿透区域的右边与初始曝光区域的右边的距离是否小于初始穿透区域宽的1/4,若是,则用穿透区域的左、右边作为最终曝光区域的左、右边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域;若所述宽高比大于1,则判断穿透区域的上边与初始曝光区域的上边的距离,以及穿透区域的下边与初始曝光区域的下边的距离是否小于初始穿透区域高的1/4,若是,则用穿透区域的上、下边作为最终曝光区域的上、下边,若否,则无需修正,直接将初始曝光区域作为最终曝光区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210549883.2A CN103034857B (zh) | 2012-12-18 | 2012-12-18 | 自动检测图像中曝光区域的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210549883.2A CN103034857B (zh) | 2012-12-18 | 2012-12-18 | 自动检测图像中曝光区域的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103034857A true CN103034857A (zh) | 2013-04-10 |
CN103034857B CN103034857B (zh) | 2016-02-17 |
Family
ID=48021736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210549883.2A Active CN103034857B (zh) | 2012-12-18 | 2012-12-18 | 自动检测图像中曝光区域的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103034857B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103637815A (zh) * | 2013-12-18 | 2014-03-19 | 深圳市安健科技有限公司 | 乳腺自动曝光参考区域的确定方法及系统 |
CN104715478A (zh) * | 2015-03-05 | 2015-06-17 | 深圳市安健科技有限公司 | 一种检测影像图片中曝光区域的方法及系统 |
CN105608702A (zh) * | 2015-12-29 | 2016-05-25 | 深圳安科高技术股份有限公司 | 一种mra脑图像数据的背景抑制方法及系统 |
CN106651858A (zh) * | 2017-01-11 | 2017-05-10 | 洛阳师范学院 | 一种检测影像图片中曝光区域的方法及系统 |
CN110310283A (zh) * | 2018-10-26 | 2019-10-08 | 北京连心医疗科技有限公司 | 一种ct影像中头部倾斜的自动检测及校正方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005057493A1 (en) * | 2003-12-10 | 2005-06-23 | Agency For Science, Technology And Research | Methods and apparatus for binarising images |
CN101853376A (zh) * | 2010-02-10 | 2010-10-06 | 西安理工大学 | 一种乳腺微钙化点计算机辅助检测方法 |
CN102592128A (zh) * | 2011-12-20 | 2012-07-18 | Tcl集团股份有限公司 | 一种动态图像检测处理方法、装置及显示终端 |
-
2012
- 2012-12-18 CN CN201210549883.2A patent/CN103034857B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005057493A1 (en) * | 2003-12-10 | 2005-06-23 | Agency For Science, Technology And Research | Methods and apparatus for binarising images |
CN101853376A (zh) * | 2010-02-10 | 2010-10-06 | 西安理工大学 | 一种乳腺微钙化点计算机辅助检测方法 |
CN102592128A (zh) * | 2011-12-20 | 2012-07-18 | Tcl集团股份有限公司 | 一种动态图像检测处理方法、装置及显示终端 |
Non-Patent Citations (2)
Title |
---|
付忠良: "图像阈值选取方法的构造", 《中国图像图形学报》 * |
宁春玉: "医学影像后处理技术的研究及其在X线影像优化中的应用", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103637815A (zh) * | 2013-12-18 | 2014-03-19 | 深圳市安健科技有限公司 | 乳腺自动曝光参考区域的确定方法及系统 |
CN103637815B (zh) * | 2013-12-18 | 2015-08-19 | 深圳市安健科技有限公司 | 乳腺自动曝光参考区域的确定方法及系统 |
CN104715478A (zh) * | 2015-03-05 | 2015-06-17 | 深圳市安健科技有限公司 | 一种检测影像图片中曝光区域的方法及系统 |
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 |
CN105608702A (zh) * | 2015-12-29 | 2016-05-25 | 深圳安科高技术股份有限公司 | 一种mra脑图像数据的背景抑制方法及系统 |
CN105608702B (zh) * | 2015-12-29 | 2018-10-30 | 深圳安科高技术股份有限公司 | 一种mra脑图像数据的背景抑制方法及系统 |
CN106651858A (zh) * | 2017-01-11 | 2017-05-10 | 洛阳师范学院 | 一种检测影像图片中曝光区域的方法及系统 |
CN110310283A (zh) * | 2018-10-26 | 2019-10-08 | 北京连心医疗科技有限公司 | 一种ct影像中头部倾斜的自动检测及校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103034857B (zh) | 2016-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3637320B1 (en) | Computer program, learning apparatus, detecting apparatus, learning method, and detecting method | |
CN101540040B (zh) | 自动检测限束器边界的方法与装置 | |
CN103034857B (zh) | 自动检测图像中曝光区域的方法及系统 | |
US7391895B2 (en) | Method of segmenting a radiographic image into diagnostically relevant and diagnostically irrelevant regions | |
US5982916A (en) | Method and apparatus for automatically locating a region of interest in a radiograph | |
JP5016603B2 (ja) | 自動及び動的血管検出のための方法並びに装置 | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
CN102034232B (zh) | 一种医学影像图形的分割方法 | |
CN103903254B (zh) | 一种x光图像处理方法、系统及x光图像处理设备 | |
CN103460254B (zh) | 基于图像内容的自动亮度检测方法与装置 | |
Kwok et al. | Automatic pectoral muscle segmentation on mammograms by straight line estimation and cliff detection | |
KR20130049091A (ko) | 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치 | |
CN102693535B (zh) | 一种检测dr图像中束光器区域的方法 | |
CN1977770B (zh) | 计算脑溢血3d体积的方法和装置 | |
CN105447879A (zh) | 乳房图像中检测胸肌的方法及装置 | |
CN104574327A (zh) | 一种乳腺图像处理方法和装置 | |
KR20210005690A (ko) | 정보 처리 장치, 정보 처리 방법, 컴퓨터 프로그램 | |
CN102968633A (zh) | 基于ct侧位定位片的腰椎识别方法和装置 | |
CN114757950A (zh) | 超声图像处理方法、装置以及计算机可读存储介质 | |
CN112102282A (zh) | 一种基于Mask RCNN的医学图像中不同节数腰椎的自动识别方法 | |
CA2831377C (en) | Systems and methods for automatic detection and testing of images for clinical relevance | |
CN104715478A (zh) | 一种检测影像图片中曝光区域的方法及系统 | |
CN101393607B (zh) | 利用快速边界跟踪实现脑血管图像识别的方法 | |
CN108629786B (zh) | 图像边缘检测方法及装置 | |
JP6833825B2 (ja) | 画像内の物体間のギャップを識別する方法及び装置 |
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 | ||
C56 | Change in the name or address of the patentee | ||
CP03 | Change of name, title or address |
Address after: 518000, Room 408, building A, Hua Han Innovation Park, Nanshan District, Shenzhen, Guangdong Patentee after: SHENZHEN ANGELL TECHNOLOGY CO., LTD. Address before: 518000 Hua Han Road, 16, Nanshan District, Guangdong, Shenzhen Province, China Han technology, 3A Patentee before: Shenzhen Angell Technology Co., Ltd. |