CN103247035B - 基于数字x光机的医学图像处理装置、方法及系统 - Google Patents
基于数字x光机的医学图像处理装置、方法及系统 Download PDFInfo
- Publication number
- CN103247035B CN103247035B CN201310186315.5A CN201310186315A CN103247035B CN 103247035 B CN103247035 B CN 103247035B CN 201310186315 A CN201310186315 A CN 201310186315A CN 103247035 B CN103247035 B CN 103247035B
- Authority
- CN
- China
- Prior art keywords
- image
- memory
- original image
- matrix
- gray
- 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)
Abstract
本发明涉及医疗器械技术领域,提供一种基于数字X光机的医学图像处理装置、方法及系统,所述装置包括X射线发射单元、感光单元、中央处理单元和数据传输单元;所述中央处理单元包括处理器和与其连的第一存储器、第二存储器和图像预处理单元;采用分开设置的第一存储器和第二存储器,一个用于存放原始图像信息,另一个用于存储经图像预处理后的图像信息,将原始图像的存取与经预处理后的图像的写入读取分开,提高了医学图像数据读写效率;图像预处理单元将原始图像进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理,对原始图像中的冗余信息进行排除,增大了有用信息的存储和传输,既提升了传输效率。
Description
技术领域
本发明涉及医疗器械技术领域,特别涉及一种基于数字X光机的医学图像处理装置、方法及系统。
背景技术
现代医学中,医学图像是医生判断病人病情的重要资料,对诊断是至关重要的,现在对于医学图像采集和处理有一些已知的方法。
医学图像采集通常如图1所示结构示意图,因X射线不可见的特点,电荷耦合元件CCD相机不能直接采集X射线,所以通过闪烁屏将X射线转换成微弱的可见光,并由影像增强板将微弱的光信号增强,转换后的光线为可见光,可见光经反射镜改变光路后被大接收度、短焦距镜头组收集到CCD相机,CCD相机输出的数字图像嵌入式系统后送计算机显示、处理和存储。
常见的医学图像的处理方式可从一些公开的文献资料中获知,但通常各种医疗成像设备对数据都是没有经过压缩的,对接受或采集到的图像不做处理便传输至电脑PC机,属于传统的“图像采集-PC机-终端控制设备”模式,也通常采用的是单一的有线数据传输方式。例如,《医疗卫生装备》2008年第29卷4期公开的《嵌入式系统在医疗仪器上的应用》中,提出采用非晶硅做转换X射线材料,运用多功能DR摄影技术,将所摄得的图像运用后处理软件进行一系列后处理工作,如在系统的操作界面内进行图像的裁剪、放大、缩小、影像增强、黑白反转等。又如,《微型计算机与应用》2011年第30卷13期公开的《基于ARM9的CMOS图像采集系统的设计与实现》中,提出采用32位ARM微处理器、CMOS图像传感器和CPLD为核心器件,主要功能模块有SDRAM存储单元、图像采集单元、以太网传输模块、Flash模块,应用于图像监控、医疗检测领域等。
然而,当医院采用高分辨率CCD图像传感器,对病人进行多次连拍或者多个CCD图像传感器多角度拍摄时,采集的数据量是很大的,传统的“图像采集-PC机-终端控制设备”模式会传输大量不必要的信息,增加了数据传输和存储的负担,更重要的是,冗余信息对有用信息产生较大干扰,降低了医生诊断准确性。
进一步地,当需要多个CCD图像传感器同时工作或多角度拍摄时,传统的有线传输的多条传输线会严重约束CCD图像传感器的应用范围。
发明内容
为解决以上技术问题,本发明提出了一种基于数字X光机的医学图像处理装置、方法及系统,具有功耗低、实时性好,稳定性高的特点。
本发明提供一种基于数字X光机的医学图像处理装置,包括:
X射线发射单元00,用于发射X射线;
感光单元10,用于将穿越人体后的X射线转换成电信号,包括CCD图像传感器11;
中央处理单元20,用于控制原始图像采集,存储和预处理原始图像;
所述中央处理单元20包括处理器21和与其连的第一存储器22、第二存储器23和图像预处理单元24;所述处理器21控制CCD图像传感器11采集原始图像,将采集后的原始图像缓存于第一存储器22中,所述图像预处理单元24对原始图像进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理,经预处理后的图像数据缓存于第二存储器23中;
数据传输单元30,用于传输第二存储器23中的经预处理完成后的图像数据。
优选地,所述压缩处理采用JPEG2000压缩方法,包括预处理和核心处理,所述预处理包括图像分片、直流电平位移和分量变换,所述所述核心处理包括小波变换、量化和熵编码。
优选地,所述降噪处理采用Kalman滤波降噪方法,采用反馈控制方法估计过程状态。
优选地,所述有效灰度选择包括采用图像二值化处理和阈值处理;
所述图像二值化包括设定某一阈值T,用T将图像的数据分成两大部分:大于T的像素群和小于T的像素群;
所述阈值处理包括先由用户指定或通过算法生成一个阈值,如果图像中某像素的灰度值小于该阈值,则将该像素的灰度值设置为0或255,否则灰度值设置为255或0;
所述阈值T采用计算均方差或者计算类分离指标方法确定。
本发明还提供一种基于数字X光机的医学图像处理系统,包括以上图像处理装置,还包括上位机40和数据中心50;
所述上位机40通过电缆线与所述图像处理装置、数据中心50相连接,数据中心50接收和存储所述图像处理装置传送来的经预处理后的图像数据。
本发明还提供一种基于数字X光机的医学图像处理方法,包括:
101、接收透过人体后的X射线;
102、将X射线转换成电信号,采集原始图像信息,将采集的原始图像信息缓存于第一存储器中;
103、从第一存储器中读出缓存的原始图像信息,对原始图像信息进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理;
104、将经预处理后的图像数据缓存于第二存储器中;
105、将经预处理完成后的图像数据传输出去。
优选地,所述压缩处理采用JPEG2000压缩方法,包括预处理和核心处理,所述预处理包括图像分片、直流电平位移和分量变换,所述所述核心处理包括小波变换、量化和熵编码。
优选地,所述降噪处理采用Kalman滤波降噪方法,采用反馈控制方法估计过程状态。
优选地,所述有效灰度选择包括采用图像二值化处理和阈值处理;
所述图像二值化处理包括设定某一阈值T,用T将图像的数据分成两大部分:大于T的像素群和小于T的像素群;
所述阈值处理包括根据以上阈值T修改像素的灰度值,如果图像中某像素的灰度值小于该阈值,则将该像素的灰度值设置为0或255,否则灰度值设置为255或0;
所述阈值T采用计算均方差或者计算类分离指标方法确定。
本发明采用分开设置的第一存储器和第二存储器,一个用于存放原始图像信息,另一个用于存储经图像预处理后的图像信息,使得能够将原始图像的存取与经预处理后的图像的写入读取分开,避免了针对同一存储器的数据同时读写操作而导致的存储和处理效率的降低,提高了医学图像数据读写效率,在医学图像处理领域具有较广阔的应用前景,本发明图像预处理单元将原始图像进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理,对原始图像中的冗余信息进行排除,增大了有用信息的存储和传输,既提升了传输效率,又避免了冗余信息对医生诊断所带来的干扰,提升了基于数字X光机进行诊断的准确性。
附图说明
图1现有数字X光机结构框图。
图2为本发明数字X光机的医学图像处理装置优选实施例结构示意图;
图3为本发明数字X光机的医学图像处理系统优选实施例结构示意图;
图4为本发明的医学图像处理流程示意图;
图5为本发明数字X光机的医学图像处理方法优选实施例流程示意图;
图6为本发明实施例kalman滤波预估-校正状态变化结构图;
图7为本发明实施例kalman滤波离散-时间线性系统的状态方程和输出方程的矢量结构图;
图8为本发明实施例kalman滤波观测模型的矢量结构图;
图9本发明实施例kalman滤波流程示意图。
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,对本发明做进一步详细说明。
本发明提供一种数字X光机的医学图像处理装置100,优选的实施结构示意图如图2所示,包括:
X射线发射单元00,用于发射X射线;
感光单元10,用于将穿越人体后的X射线转换成电信号,包括CCD图像传感器11,
中央处理单元20,用于控制原始图像采集,存储和预处理原始图像,包括处理器21和与其连的第一存储器22、第二存储器23和图像预处理单元24;所述处理器21控制CCD图像传感器11采集原始图像,将采集后的原始图像缓存于第一存储器22中,所述图像预处理单元24对原始图像进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理,经预处理后的图像数据缓存于第二存储器23中;
本发明采用分开设置的第一存储器和第二存储器,一个用于存放原始图像信息,另一个用于存储经图像预处理后的图像信息,使得能够将原始图像的存取与经预处理后的图像的写入读取分开,避免了针对同一存储器的数据同时读写操作而导致的存储和处理效率的降低,提高了医学图像数据读写效率,在医学图像处理领域具有较广阔的应用前景,本发明图像预处理单元24将原始图像进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理,对原始图像中的冗余信息进行排除,增大了有用信息的存储和传输,既提升了传输效率,又避免了冗余信息对医生诊断所带来的干扰,提升了基于数字X光机进行诊断的准确性。
优选的,所述处理器21采用ARM7系列处理器、ARM9系列处理器、ARM11系列处理器或Cortex处理器的任意一种,以上选择是基于医学图像对较强数据能力的要求和成本的考量,ARM系列处理器具有明显适应性。
优选的,所述第一存储器22和第二存储器23采用SDRAM存储器或FLASH存储器的任意一种。
数据传输单元30,用于传输第二存储器23中的经预处理完成后的图像数据、控制信令以及其他相关数据。
所述数据传输单元30为无线数据传输模块31或/和千兆网卡传输模块32,所述无线数据传输模块31或/和千兆网卡传输模块32与处理器21相连,进行数据的传输;也即是说,数据传输单元30可以采用有线的千兆网卡传输模块32,也可以采用无线数据传输模块31,当需要多个CCD图像传感器同时工作或多角度拍摄时,无线数据传输模块的无线传输特性将不受有线连接的传输线的限制,将更加适用。
优选的,所述无线传输模块31采用NETGEAR的A6200千兆无线网卡、D-Link的11ac千兆无线网卡任意一种进行传输。
优选的,所述千兆网卡传输模块32采用3Com公司的3C996-T网卡、Accton公司的EN1407-T网卡或TP-LINK公司的TG-6421网卡的任意一种进行传输。
作为一种优选实施例,本发明提供一种基于数字X光机的医学图像处理系统,如图3所示,包括上述图像处理装置100、上位机40和数据中心50;
所述上位机40通过电缆线与所述图像处理装置100、数据中心50相连接,数据中心50接收和存储图像处理装置100传送来的经预处理后的图像数据,
所述上位机40为控制终端,可以为一般的PC机、笔记本、IPAD或手机等移动终端,用于向X射线发射单元00、感光单元10发送操作控制指令,设定中央处理单元20、数据传输单元30的工作模式,接收存储数据传输单元30传来的图像数据。
本发明的信号处理流程如图4所示,X射线发射单元00发射X光信号,穿过人体后到达感光单元10,感光单元10的CCD图像传感器11将X光信号转换成数字信号,传给中央处理单元20,在处理器21控制下,先将原始图像数据缓存于第一存储器22中,然后将存储于第一存储器22中的原始图像数据在图像预处理单元24中进行图像预处理,然后将经预处理后的图像数据缓存于第二存储器23中,最后将经预处理后的图像数据通过数据传输单元30发送出去。
本发明感光单元10处理流程包括,首先进行初始化,中断寄存器配置,开外部寄存器,CCD图像传感器11驱动载入系统(linux)内核,设置图像数据传输通道等,进入循环状态。然后打开CCD图像传感器11,并对设备进行初始化,设置要拍摄图片的大小、分辨率等。接着CCD图像传感器11开始捕获图像,等到一帧图像捕获完成后停止捕获,关闭CCD图像传感器11,并向处理器发出图像捕获完成的信号。
本发明提供一种基于数字X光机的医学图像处理方法,如图5所示,包括:
101、接收透过人体后的X射线
102、将X射线转换成电信号,采集原始图像信息,将采集的原始图像信息缓存于第一存储器中;
103、从第一存储器中读出缓存的原始图像信息,对原始图像信息进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理。
104、将经预处理后的图像数据缓存于第二存储器中;
105、将经预处理完成后的图像数据传输出去。
本发明采用分开设置的第一存储器和第二存储器,一个用于存放原始图像信息,另一个用于存储经图像预处理后的图像信息,使得能够将原始图像的存取与经预处理后的图像的写入和读取分开,避免了针对同一存储器的数据同时读写操作而导致的存储和处理效率的降低,提高了医学图像数据读写效率,在医学图像处理领域具有较广阔的应用前景,本发明图像预处理单元24将原始图像进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理,对原始图像中的冗余信息进行排除,增大了有用信息的存储和传输,既提升了传输效率,又避免了冗余信息对医生诊断所带来的干扰,提升了基于数字X光机进行诊断的准确性。
上述图像预处理单元(24)和步骤103都涉及对原始图像进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理,下面针对其具体处理方式,分别予以介绍。
对图像进行压缩处理有多种现有技术可进行选择,例如采用JPEG图像压缩算法等,由于考虑到医学图像对精度有较高要求,本发明优选采用JPEG2000无损压缩算法对原始图像进行压缩处理。
本发明采用的JPEG2000压缩方法,包括:预处理和核心处理;
所述预处理包括:图像分片、直流电平(DC)位移和分量变换。
图像分片,是在编码前,把源图像进行分割,分成若干互不重叠的拼接块(tiling),对每一个拼接块进行编码操作。这样以拼接块为基本单位独立编码,可以处理较大的图像、节省存储空间。同时还能够在图像的特定位置截取具有特定要求的重构子图。
直流电平(DC)位移是在对每个拼接块进行正向离散小波变换之前,进行直流电平位移。目的是在解码时,能够从有符号的数值中正确恢复重构的无符号样本值。
分量变换是线性变换:将图像RGB转换成YCbCr色彩空间,以便进行核心处理。
所述核心处理包括小波变换、量化和熵编码。
小波变换对系数图像的不同级数进行解码,可以得到具有不同空间分辨率的图像。本专利中在JPEG2000编码系统选择整数Daubech ies(5,3)小波滤波器,是可逆非线性的,可以用于有损或者无损压缩。由于整数Daubech ies(5,3)小波滤波器为本领域现有技术,不再详述。
量化是根据变换后图像的特征、重构图像质量要求等因素来设计合理的量化步长。JPEG2000核心系统采用恒域标量量化。在每个子带可以有不同的步长。但是在一个子带中只有一个量化步长。可以根据给定的质量水平等因素来选择步长(JPEG中所应用的),来获得一个固定的比率。
图像经过小波变换、量化后,在一定程度上减少了空域和频域上的冗余度,但是数据在统计意义上还存在一定的相关性。
熵编码可以消除统计相关性,把量化后的子带分割成小矩形块(称为码块),分别对每个码块编码。
所述降噪处理有多种现有技术都可以进行,例如基于偏微分方程的图像降噪算法等,由于考虑到经本发明经以上压缩处理后图像的特殊性,本发明优选采用Kalman滤波降噪算法。
卡尔曼滤波用反馈控制的方法估计过程状态:滤波器估计过程某一时刻的状态,然后以(含噪声的)测量变量的方式获得反馈。因此卡尔曼滤波可分为两个部分:时间更新方程和测量更新方程。时间更新方程负责及时向前推算当前状态变量和误差协方差估计的值,以便为下一个时间状态构造先验估计。测量更新方程负责反馈,也就是说,它将先验估计和新的测量变量结合以构造改进的后验估计。
时间更新方程也可视为预估方程,测量更新方程可视为校正方程。最后的估计算法成为一种具有数值解的预估-校正算法,如图6所示。时间更新方程将当前状态变量作为先验估计及时地向前投射到测量更新方程,测量更新方程校正先验估计以获得状态的后验估计。
时间更新方程和测量更新方程中的状态方程、观测方程、滤波估计、kalman增益、协方差矩阵的确定是kalman滤波的关键。确定过程如下:
系统的状态方程由图7所给出的模型决定。假定状态转移矩阵Φ(k+1,k),激励转移矩阵Γ(k+1,k)是已知的,并且是确定性的,w(k)为图像信号激励。而观测模型由图8给出,其中状态转移矩阵H(k+1)和观测误差v(k+1)也是已知的,并且是确定性的,x(k+1)图像信号激励。它们可以写为
x(k+1)=Φ(k+1,k)x(k)+Γ(k+1,k)w(k),k=0,1,… 状态方程
z(k+1)=H(k+1)x(k+1)+v(k+1) 观测方程
kalman滤波估计
由Kalman所给出的最优线性滤波估计是由下面的递归矩阵公式决定的,即
初始条件
这里K(k+1)称为卡尔曼增益,表达式为
K(k+1)=P(k+1|k)HT(k+1)
×[H(k+1)P(k+1|k)HT(k+1)+R(k+1)]-1,k=0,1,…
其中P(k+1|k)表示单步预测误差协方差矩阵,R(k+1)为tk时刻的协方差矩阵,假设已知,并且是确定的。
单步预测误差协方差矩阵(单步性能)
P(k+1|k)=Φ(k+1,k)P(k|k)ΦT(k+1,k)+Γ(k+1,k)QkΓT(k+1,k)
初始条件P(0|0)=P0,k=0,1…
滤波误差的误差协方差矩阵(协方差递归形式)
P(k+1|k+1)=[I-K(k+1)H(k+1)]P(k+1|k),k=0,1…
性能评价(系统状态的kalman滤波估计的协方差矩阵)
计算完时间更新方程和测量更新方程后,kalman的滤波过程如图9所示。整个过程都是一直重复时间更新方程和测量更新方程,得到滤波后的状态矢量和单步预测误差协方差矩阵Pk。
图中:
Xk=Φk|k-1Xk-1+Γk|k-1Wk-1
Zk=HkXk+Vk
式中:Xk——是一个n×1维矢量,称为tk时刻的状态矢量;X0是一个n×1维矢量,称为t0时刻的初始条件或初始状态矢量;Φk|k-1是一个n×n维矩阵,称为tk-1时刻至tk时刻的状态转移矩阵;Γk|k-1是一个n×p维矩阵,称为tk-1时刻至tk时刻的激励转移矩阵;Pk|k-1是一个n×n维矩阵,称为tk-1时刻至tk时刻的单步预测误差协方差矩阵;P0是一个n×n维矩阵,称为t0时刻的初始条件或初始单步预测误差协方差矩阵;Kk是一个n×n维矩阵,称为tk时刻的卡尔曼增益;Hk是一个m×n维矢量,称为tk时刻的测量矩阵;Zk是一个m×1维矢量,称为tk时刻的观测(测量)矢量;Rk是一个n×n维正定矩阵,称为tk-1时刻的协方差矩阵;Qk-1是一个n×n维正定矩阵,称为tk-1时刻的协方差矩阵;Vk是一个m×1维矢量,代表在tk时刻的测量误差;Wk-1是一个p×1维矢量,称为tk时刻的激励矢量。
Kalman滤波算法可以明显减弱图像背景上的纵向条纹噪声和随机涨落噪声,对图像的细节信息保持得很好,几乎不会有损失。
灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法,目的是为了改善画质,使图像的显示效果更加清晰。灰度变换有时又被称为图像的对比度增强或对比度拉伸。例如为了显示出图像的细节部分或提高图像的清晰度,需要将图像整个范围的灰度级或其中某一段(a,b)灰度级扩展或压缩到(a′,b′),这些都要求采用灰度变换方法。
本发明所述有效灰度选择就是把视野感知范围的灰度进行变换,变换的目的是把感知范围内的灰度变为显示的灰度加以扩展,而把不能感知的灰度进行压缩。
所述有效灰度选择算法有多种现有技术都可以进行,例如采用基于遗传退火方法的灰度图像选择算法等,见《基于遗传退火方法的灰度图像阈值选择算法》,计算机仿真,2010年第4期,由于考虑到经本发明经以上压缩处理和降噪声处理后图像的特殊性,本发明优选采用以下有效灰度选择算法。
从图像输入装置得到的图像数据,以浓淡表示,各个像素与某一灰度值相对应。设原图像像素的灰度值D=f(x,y),处理后图像像素的灰度值D′=g(x,y),则灰度增强可表示为:
g(x,y)=T[f(x,y)]或D'=T(D)
要求D和D′都在图像的灰度范围之内。函数称为灰度变换函数,它描述了输入灰度值和输出灰度值之间的转换关系。
本专利中采用二值化和阈值处理对灰度进行处理。具体原理如下:
所述图像二值化包括设定某一阈值T,用T将图像的数据分成两大部分:大于T的像素群和小于T的像素群。
所述阈值处理包括先由用户指定或通过算法生成一个阈值,如果图像中某像素的灰度值小于该阈值,则将该像素的灰度值设置为0或255,否则灰度值设置为255或0,变换函数表达式如下:
其中T为指定的阈值。阈值T是门限值,比它大就是白,比它小就是黑。
阈值T可以采用均方差最小计算,首先扫描整个图片,确定亮度最高和最低点,分别作为1和0,然后从1和0中间依次按一个比较小的台阶(例如先处理成256级灰度)依次作为二值化的分界,就是大于这个亮度的算1,小于的算0,然后计算所有点实际亮度与二值化以后的亮度的方差,依次遍历计算所有的分界点,计算所有的方差和,取方差和最小的值作为T值。该变换函数是阶跃函数,只需给出阈值点T即可(本发明中T值可取为1)。经过阈值处理后的图像变成了一幅黑白二值图。
作为另一种方式,阈值T可以采用如下计算类分离指标方法获得:
计算输入图像灰度级的归一直方图的灰度值,用h(i)表示。
计算灰度均值μT
计算直方图的零阶累积矩w(k)和一阶累积矩μ(k)
计算类分离指标
求的最大值,并将其所对应的k值作为最佳阈值T。
经过阈值处理后的图像变成了一幅黑白二值图。
经过以上描述,原始图像完成了压缩处理、降噪处理、有效灰度选择处理实现了对原始图像数据的压缩、降噪和灰度选择,提高了图像识别的有效性,经过处理后,就可以将数据进行存储和传输。
本发明所举实施方式或者实施例对本发明的目的、技术方案和优点进行了进一步的详细说明,所应理解的是,以上所举实施方式或者实施例仅为本发明的优选实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于数字X光机的医学图像处理装置,包括:
X射线发射单元(00),用于发射X射线;
感光单元(10),用于将穿越人体后的X射线转换成电信号,包括CCD图像传感器(11);
中央处理单元(20),用于控制原始图像采集,存储和预处理原始图像;
其特征在于:
所述中央处理单元(20)包括处理器(21)和与其连的第一存储器(22)、第二存储器(23)和图像预处理单元(24);所述处理器(21)控制CCD图像传感器(11)采集原始图像,将采集后的原始图像缓存于第一存储器(22)中,所述图像预处理单元(24)对原始图像进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理,经预处理后的图像数据缓存于第二存储器(23)中;
所述降噪处理采用Kalman滤波降噪方法,采用反馈控制方法估计过程状态;卡尔曼滤波分为两个部分:时间更新方程和测量更新方程;时间更新方程负责及时向前推算当前状态变量和误差协方差估计的值,以便为下一个时间状态构造先验估计;测量更新方程负责反馈,即它将先验估计和新的测量变量结合以构造改进的后验估计;
所述改进的后验估计为最优线性滤波估计是由下面的递归矩阵公式决定的,即
初始条件
z(k+1)=H(k+1)x(k+1)+v(k+1)为观测方程,H(k+1)为状态转移矩阵和v(k+1)为观测误差,x(k+1)=Φ(k+1,k)x(k)+Γ(k+1,k)w(k),k=0,1,…为图像信号激励,K(k+1)称为卡尔曼增益,表达式为
K(k+1)=P(k+1|k)HT(k+1)
×[H(k+1)P(k+1|k)HT(k+1)+R(k+1)]-1,k=0,1,…
R(k+1)为tk时刻的协方差矩阵,P(k+1|k)表示单步预测误差协方差矩阵,
P(k+1|k)=Φ(k+1,k)P(k|k)ΦT(k+1,k)+Γ(k+1,k)QkΓT(k+1,k)
初始条件P(0|0)=P0,k=0,1…
Φ(k+1,k)为状态转移矩阵,Γ(k+1,k)为激励转移矩阵,Qk为tk时刻的协方差矩阵;P0是一个n×n维矩阵,称为t0时刻的初始条件或初始单步预测误差协方差矩阵;
所述有效灰度选择包括采用图像二值化处理和阈值处理;
所述图像二值化包括设定某一阈值T,用T将图像的数据分成两大部分:大于T的像素群和小于T的像素群;
所述阈值处理包括先由用户指定或通过算法生成一个阈值,如果图像中某像素的灰度值小于该阈值,则将该像素的灰度值设置为0或255,否则灰度值设置为255或0;
所述阈值T采用计算均方差或者计算类分离指标方法确定;
数据传输单元(30),用于传输第二存储器(23)中的经预处理完成后的图像数据。
2.根据权利要求1所述基于数字X光机的医学图像处理装置,其特征在于,
所述处理器(21)采用ARM7系列处理器、ARM9系列处理器、ARM11系列处理器或Cortex处理器的任意一种;
所述第一存储器(22)和第二存储器(23)采用SDRAM存储器或FLASH存储器的任意一种;
所述数据传输单元(30)为无线数据传输模块(31)或/和千兆网卡传输模块(32),所述无线数据传输模块(31)或/和千兆网卡传输模块(32)与处理器(21)相连。
3.根据权利要求1所述基于数字X光机的医学图像处理装置,其特征在于,所述压缩处理采用JPEG2000压缩方法,包括预处理和核心处理,所述预处理包括图像分片、直流电平位移和分量变换,所述核心处理包括小波变换、量化和熵编码。
4.一种基于数字X光机的医学图像处理系统,其特征在于,包括权利要求1-3任一图像处理装置,还包括上位机(40)和数据中心(50);
所述上位机(40)通过电缆线与所述图像处理装置、数据中心(50)相连接,数据中心(50)接收和存储所述图像处理装置传送来的经预处理后的图像数据。
5.一种基于数字X光机的医学图像处理方法,其特征在于,包括:
101、接收透过人体后的X射线;
102、将X射线转换成电信号,采集原始图像信息,将采集的原始图像信息缓存于第一存储器中;
103、从第一存储器中读出缓存的原始图像信息,对原始图像信息进行预处理,包括对原始图像进行压缩处理、降噪处理、有效灰度选择处理;
所述降噪处理采用Kalman滤波降噪方法,采用反馈控制方法估计过程状态;卡尔曼滤波分为两个部分:时间更新方程和测量更新方程;时间更新方程负责及时向前推算当前状态变量和误差协方差估计的值,以便为下一个时间状态构造先验估计;测量更新方程负责反馈,即它将先验估计和新的测量变量结合以构造改进的后验估计;
所述改进的后验估计为最优线性滤波估计是由下面的递归矩阵公式决定的,即
初始条件
z(k+1)=H(k+1)x(k+1)+v(k+1)为观测方程,H(k+1)为状态转移矩阵和v(k+1)为观测误差,x(k+1)=Φ(k+1,k)x(k)+Γ(k+1,k)w(k),k=0,1,…为图像信号激励,K(k+1)称为卡尔曼增益,表达式为
K(k+1)=P(k+1|k)HT(k+1)
×[H(k+1)P(k+1|k)HT(k+1)+R(k+1)]-1,k=0,1,…
R(k+1)为tk时刻的协方差矩阵,P(k+1|k)表示单步预测误差协方差矩阵,
P(k+1|k)=Φ(k+1,k)P(k|k)ΦT(k+1,k)+Γ(k+1,k)QkΓT(k+1,k)
初始条件P(0|0)=P0,k=0,1…
Φ(k+1,k)为状态转移矩阵,Γ(k+1,k)为激励转移矩阵,Qk为tk时刻的协方差矩阵;P0是一个n×n维矩阵,称为t0时刻的初始条件或初始单步预测误差协方差矩阵;
所述有效灰度选择包括采用图像二值化处理和阈值处理;
所述图像二值化处理包括设定某一阈值T,用T将图像的数据分成两大部分:大于T的像素群和小于T的像素群;
所述阈值处理包括根据以上阈值T修改像素的灰度值,如果图像中某像素的灰度值小于该阈值,则将该像素的灰度值设置为0或255,否则灰度值设置为255或0;
所述阈值T采用计算均方差或者计算类分离指标方法确定;
104、将经预处理后的图像数据缓存于第二存储器中;
105、将经预处理完成后的图像数据传输出去。
6.根据权利要求5所述基于数字X光机的医学图像处理方法,其特征在于,所述压缩处理采用JPEG2000压缩方法,包括预处理和核心处理,所述预处理包括图像分片、直流电平位移和分量变换,所述核心处理包括小波变换、量化和熵编码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310186315.5A CN103247035B (zh) | 2013-05-20 | 2013-05-20 | 基于数字x光机的医学图像处理装置、方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310186315.5A CN103247035B (zh) | 2013-05-20 | 2013-05-20 | 基于数字x光机的医学图像处理装置、方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103247035A CN103247035A (zh) | 2013-08-14 |
CN103247035B true CN103247035B (zh) | 2017-07-11 |
Family
ID=48926540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310186315.5A Active CN103247035B (zh) | 2013-05-20 | 2013-05-20 | 基于数字x光机的医学图像处理装置、方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103247035B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103491163A (zh) * | 2013-09-22 | 2014-01-01 | 江苏美伦影像系统有限公司 | 一种医学影像处理及传输系统 |
CN103637814A (zh) * | 2013-11-20 | 2014-03-19 | 刘国平 | 一种放射科数字肠胃机成像控制系统及其运行方法 |
CN103610469A (zh) * | 2013-11-20 | 2014-03-05 | 刘国平 | 一种放射科数字x线摄影系统及其运行方法 |
JP6205654B2 (ja) * | 2015-04-07 | 2017-10-04 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | 画像処理方法及び画像処理装置 |
CN108806775A (zh) * | 2018-06-06 | 2018-11-13 | 谢显孝 | 一种医学影像显示方法及装置 |
CN108650470A (zh) * | 2018-06-27 | 2018-10-12 | 宁波舜宇智能科技有限公司 | 图像处理系统及图像处理方法 |
CN109313608B (zh) * | 2018-09-19 | 2023-05-02 | 深圳市汇顶科技股份有限公司 | 图像校验系数的读取方法、闪存控制器、系统及存储介质 |
CN110101362B (zh) * | 2019-04-29 | 2021-12-17 | 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 | 一种关于oct和octa的图像噪声去除的方法 |
CN111539954B (zh) * | 2020-05-25 | 2024-01-23 | 国网湖南省电力有限公司 | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、系统及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1931093A (zh) * | 2005-09-15 | 2007-03-21 | 吴大怡 | 颅颌面锥束计算机断层成像装置 |
CN101241395A (zh) * | 2007-08-22 | 2008-08-13 | 中国人民解放军国防科学技术大学 | 扫描输入法 |
CN101301192A (zh) * | 2007-05-10 | 2008-11-12 | 中国科学院自动化研究所 | 一种多模态自发荧光断层分子影像仪器及重建方法 |
CN102024143A (zh) * | 2010-11-16 | 2011-04-20 | 湖南大学 | 高速医药生产线上药液异物图像跟踪识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100483276C (zh) * | 2006-06-02 | 2009-04-29 | 中国科学院自动化研究所 | 一种基于噪声估计的自适应状态反馈预测控制方法 |
-
2013
- 2013-05-20 CN CN201310186315.5A patent/CN103247035B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1931093A (zh) * | 2005-09-15 | 2007-03-21 | 吴大怡 | 颅颌面锥束计算机断层成像装置 |
CN101301192A (zh) * | 2007-05-10 | 2008-11-12 | 中国科学院自动化研究所 | 一种多模态自发荧光断层分子影像仪器及重建方法 |
CN101241395A (zh) * | 2007-08-22 | 2008-08-13 | 中国人民解放军国防科学技术大学 | 扫描输入法 |
CN102024143A (zh) * | 2010-11-16 | 2011-04-20 | 湖南大学 | 高速医药生产线上药液异物图像跟踪识别方法 |
Non-Patent Citations (1)
Title |
---|
基于JPEG 2000技术的数字电影编解码系统原理剖析;刘达;《现代电影技术》;20080111(第1期);第14-15页第三节"JPEG 2000核心编码系统" * |
Also Published As
Publication number | Publication date |
---|---|
CN103247035A (zh) | 2013-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103247035B (zh) | 基于数字x光机的医学图像处理装置、方法及系统 | |
Liu et al. | A fast fractal based compression for MRI images | |
JP5156427B2 (ja) | カプセル内視鏡システム | |
Cao et al. | Lossless image compression through super-resolution | |
CN105282548B (zh) | 动态压缩比选择 | |
CN104376568B (zh) | 一种基于格式的dicom医学图像处理方法 | |
CN104081436A (zh) | 用于针对视觉数据压缩的像素预测的方法和设备 | |
Joshi et al. | Multi-focus image fusion using non-local mean filtering and stationary wavelet transform | |
CN109889841A (zh) | 图像压缩方法及装置 | |
CN113705426A (zh) | 人脸校验方法、装置、服务器及可读存储介质 | |
CN111652921A (zh) | 一种单目深度预测模型的生成方法及单目深度预测方法 | |
CN114897728A (zh) | 图像增强方法、装置、终端设备以及存储介质 | |
Nagoor et al. | Lossless compression for volumetric medical images using deep neural network with local sampling | |
CN114651270A (zh) | 通过时间可变形卷积进行深度环路滤波 | |
CN115359066B (zh) | 用于内窥镜的病灶检测方法、装置、电子设备及存储介质 | |
Ma | Blind image quality assessment: Exploiting new evaluation and design methodologies | |
Sun et al. | No-reference image quality assessment through sift intensity | |
Barzen et al. | Accelerated deep lossless image coding with unified paralleleized GPU coding architecture | |
Arya et al. | An Effective Method for the Compression of Images Used in Virtual Environments | |
CN116188346B (zh) | 内窥镜图像的画质增强方法及装置 | |
CN117095074B (zh) | 一种基于深度学习的医学图像的双重去噪方法及装置 | |
Kanna et al. | Radiological Imaging Techniques Using Dwt Methodology | |
Vaghela et al. | DCAN: DenseNet with Channel Attention Network for Super-resolution of Wireless Capsule Endoscopy | |
CN116957968B (zh) | 一种消化道内窥镜图像增强方法、系统、设备及介质 | |
CN112673396B (zh) | 检测医学成像中的对象运动 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20191120 Address after: 400084 15-3, building 5, No. 101, Cuibai Road, Chunhui road street, Dadukou District, Chongqing Patentee after: Chongqing Defang Information Technology Co., Ltd. Address before: 400065 No. 2, Chongwen Road, Nanshan street, Nan'an District, Chongqing Patentee before: Chongqing University of Posts and Telecommunications |