CN103903254B

CN103903254B - 一种x光图像处理方法、系统及x光图像处理设备

Info

Publication number: CN103903254B
Application number: CN201210589923.6A
Authority: CN
Inventors: 张晓东; 胡庆茂; 罗火灵; 张远修; 贾富仓
Original assignee: Shenzhen Institute of Advanced Technology of CAS
Current assignee: Shenzhen Institute of Advanced Technology of CAS
Priority date: 2012-12-31
Filing date: 2012-12-31
Publication date: 2017-08-11
Anticipated expiration: 2032-12-31
Also published as: CN103903254A

Abstract

本发明适用于生物医学图像处理技术领域，提供了一种X光图像处理方法、系统及X光图像处理设备，所述方法包括：获取待处理的X光图像；预处理所述X光图像，以去除所述X光图像中的噪声；计算所述X光图像的梯度图像；根据所述梯度图像的梯度直方图计算梯度阈值；将梯度图像中梯度值小于所述梯度阈值的所有像素点标记为种子点；将所述梯度图像和所述种子点作为分水岭算法的输入进行分水岭分割，得到X光图像的标记图像；对所述标记图像进行区域合并，二值化处理所述区域合并后的X光图像。使得对对X光图像处理过程的计算量较大大减小、且处理时间较短、精度高、且鲁棒性增强，提高了处理背景复杂的X光图像的处理能力。

Description

一种X光图像处理方法、系统及X光图像处理设备

技术领域

本发明属于生物医学图像处理技术领域，尤其涉及一种X光图像处理方法、系统及X光图像处理设备。

背景技术

人体X光图像是一种常用的医学诊断手段，由于受到设备以及拍片条件的影响，图像背景部分往往会比较复杂，如背景灰度不均匀，前景与背景灰度范围存在交叠等问题，十分影响医生对X光图像的阅读和诊断，也不利于X光图像的后续处理。

基于分水岭分割算法是对X光图像分割的一类重要方法，分水岭分割算法的优点是分割速度快，能够精确的定位小的边缘，但是由于图像梯度的极小值点通常会有很多，易导致严重的过分割。为了解决上述技术问题，目前通常采用多尺度形态学的分水岭算法对X光图像进行处理，该方法可以减少分水岭分割算法产生的过分割问题，但该方法的计算量较大，且处理时间较长。

综上，现有技术多尺度形态学的分水岭分割算法对X光图像处理过程的计算量较大、且处理时间较长。

发明内容

本发明实施例的目的在于提供一种X光图像处理方法，旨在解决现有技术多尺度形态学的分水岭分割算法对X光图像处理过程的计算量较大、且处理时间较长的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

本发明实施例是这样实现的，一种X光图像处理方法，所述方法包括：

获取待处理的X光图像；

预处理所述X光图像，以去除所述X光图像中的噪声；

计算所述X光图像的梯度图像；

根据所述梯度图像的梯度直方图计算梯度阈值，将梯度图像中梯度值小于所述梯度阈值的所有像素点标记为种子点，所述种子点为小于梯度阈值的所有极小值；

将所述梯度图像和所述种子点作为分水岭算法的输入进行分水岭分割，得到X光图像的标记图像，所述标记图像包括多个标记区域，其中，每个标记代表一个区域；

对所述标记图像进行区域合并；

二值化处理所述区域合并后的X光图像。

本发明实施例还提供了一种X光图像处理系统，所述系统包括：

获取单元，用于获取待处理的X光图像；

预处理单元，用于预处理所述X光图像，以去除所述X光图像中的噪声；

梯度图像计算单元，用于计算所述X光图像的梯度图像；

梯度阈值计算单元，用于根据所述梯度图像的梯度直方图计算梯度阈值，将梯度图像中梯度值小于所述梯度阈值的所有像素点标记为种子点；

分水岭分割单元，用于将所述梯度图像和所述种子点作为分水岭算法的输入进行分水岭分割，得到X光图像的标记图像，所述标记图像包括多个标记区域，其中，每个标记代表一个区域；

合并单元，用于对所述标记图像进行区域合并；

二值化单元，用于二值化处理所述区域合并后的X光图像。

本发明实施例还提供了一种X光图像处理设备，所述X光图像处理设备包括所述的X光图像处理系统。

本发明实施例与现有技术相比，有益效果在于：获取待处理的X光图像，预处理所述X光图像，以去除所述X光图像中的噪声，计算所述X光图像的梯度图像，根据所述梯度图像的梯度直方图计算梯度阈值，将梯度图像中梯度值小于所述梯度阈值的所有像素点标记为种子点，所述种子点为小于梯度阈值的所有极小值，将所述梯度图像和所述种子点作为分水岭算法的输入进行分水岭分割，得到X光图像的标记图像，所述标记图像包括多个标记区域，其中，每个标记代表一个区域，对所述标记图像进行区域合并，二值化处理所述区域合并后的X光图像。使得对对X光图像处理过程的计算量较大大减小、且处理时间较短、精度高、且鲁棒性增强，提高了处理背景复杂的X光图像的处理能力。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的X光图像处理方法的实现的流程图；

图2a是本发明实施例一提供的梯度计算的示意图；

图2b是本发明实施例一提供的X光手图像的梯度图像；

图3a是本发明实施例一提供的X光胸片的梯度图像;

图3b是本发明实施例一提供的图3a中梯度图像的直方图;

图4a是本发明实施例一提供的原始X光图像;

图4b是本发明实施例一提供的为采用灰度阈值方法的分割图像;

图4c是本发明实施例一提供的为本发明方法的背景分割图像

图5是本发明实施例二提供的X光图像处理系统的结构图.

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。

本实施例中，对输入X光图像进行预处理，过滤掉图像中的噪声，利用简单的差分法计算梯度图像；接下来根据梯度直方图计算梯度阈值，将阈值以下的所有像素点标记为种子点，并作为分水岭算法的输入分割梯度图像，得到一系列由强梯度边缘组成的过分割区域；计算所有区域的平均灰度和面积，根据区域灰度值将小面积区域进行合并。我们处理的图像是X光图像负片，不失一般性，负片图像中背景要比前景亮，因此找到大于图像灰度平均值的最大面积区域作为背景，大于图像平均灰度值的最大面积区域作为前景，最后根据背景和前景的灰度比例，将其他区域进行分类（背景或者前景）。

本发明实施例提供了一种X光图像处理方法，所述方法包括：

获取待处理的X光图像；

预处理所述X光图像，以去除所述X光图像中的噪声；

计算所述X光图像的梯度图像；

根据所述梯度图像的梯度直方图计算梯度阈值，将梯度图像中梯度值小于所述梯度阈值的所有像素点标记为种子点；

对所述标记图像进行区域合并；

二值化处理所述区域合并后的X光图像。

获取单元，用于获取待处理的X光图像；

梯度图像计算单元，用于计算所述X光图像的梯度图像；

合并单元，用于对所述标记图像进行区域合并；

二值化单元，用于二值化处理所述区域合并后的X光图像。

以下结合具体实施例对本发明的实现进行详细描述：

实施例一

图1示出了本发明实施例一提供的X光图像处理方法的实现的流程图，详述如下：

在S101中，获取待处理的X光图像；

在S102中，预处理X光图像，以去除所述X光图像中的噪声；

本实施例中，在X光图像采集过程中，由于设备、环境等条件影响，在采集后的图像中不可避免会出现噪声，噪声的存在会严重影响后续的梯度计算，削弱原图像中的强边缘，因此，需要对X光图像进行预处理，以过滤掉X光图像中的噪声。

通过观察X光图像的直方图可以发现，X光图像中的高信号噪声点占据图像所有像素个数的比例较小，因此，可以利用该特点对X光图像的噪声进行过滤。

可选的，S102可以采用以下方法：

1、计算所述X光图像的灰度直方图；

2、根据所述灰度直方图，由高向低依次将每一灰度值对应的像素点个数进行累加，并计算累加像素点个数与所述X光图像像素点个数的比值，当所述比值大于预设噪声像素点个数与所述X光图像像素点个数的比值时，将当前的灰度值作为灰度阈值。

3、遍历所述X光图像，将所述X光图像中所有大于所述灰度阈值的像素点的灰度值设置为所述灰度阈值。

例如，可以从高向低依次统计X光图像中高灰度值像素的个数，当累计像素点个数占X光图像像素总数的比值大于预设噪声像素点个数与所述X光图像像素点个数的比值T1时，停止计算，得到灰度阈值T2，遍历整个X光图像，将X光图像中所有大于阈值T2的像素值，设置为T2，即可完成图像去噪，其中，对于阈值T1的设置，一般需要根据经验设置，比如T1取0.2%-0.8%。

在S103中，计算所述X光图像的梯度图像；

本实施例中，X光图像中前景和背景的交界处，具有较强的边缘特性，而在图像前景和背景区域内部边缘强度则相对较低，相邻像素的灰度差能够反应图像的边缘，同时为了考虑计算复杂度和鲁棒性，S102具体可以为，计算所述X光图像所有像素点的梯度值，其中，计算每一个像素点的梯度的过程具体为：

1、在水平方向计算当前像素点右面两个像素和与左边两个像素和之差的绝对值Dx，D_x＝|f(x+1，y)+f(x+2，y)-f(x-1，y)-f(x-2，y)|。

2、在垂直方向计算当前像素下面两个像素和与上面两个像素和之差的绝对值Dy，D_y＝|f(x，y+1)+f(x，y+2)-f(x，y-1)-f(x，y-2)|。

3、取Dx和Dy中的较大值作为该像素点的梯度值，Grad(x，y)＝max(D_x，D_y)。

请参阅图2a为梯度计算的示意图，图2b为X光手图像的梯度图像。

在S104中，根据所述梯度图像的梯度直方图计算梯度阈值，将梯度图像中梯度值小于所述梯度阈值的所有像素点标记为种子点；

为了将X光图像的前景与背景分开，因此不需要对X光图像的所有极小值区域进行分割；另外，X光图像中前景内部和背景中都存在大量的梯度噪声，如果直接进行分割，会得到大量的小区域，不但会增加分水岭分割的计算量，也不利于后续的区域合并。

优选的，可以预先计算一个梯度阈值，将该梯度阈值以下的区域中的所有像素点设置为种子点，即所述种子点为小于梯度阈值的所有像素点。值得注意的是，梯度阈值越大，产生的过分割区域就会越少，但是，梯度阈值不能大于前景与背景交界处边缘的梯度值，否则，背景与前景将会产生连通，最终导致分割失败。请参阅图3a为X光胸片的梯度图像，图3b为图3a中梯度图像的直方图，通过观察可以看出，X光胸片图像中低梯度值像素点的个数占据整个图像的比例较多，而高梯度值像素点的个数则相对比较少，而通过直方图可以看出，绝大多数像素梯度值集中在5以内（最大值为255）。因此利用该特性，设置一个梯度阈值T3，统计梯度直方图低梯度值像素个数，当其占X光图像像素点的个数的比例大于T3时，确定此时的梯度值为梯度阈值T4。然后，将所有梯度值小于T4的像素点都设置为种子点。

具体的S104可以采用如下方式计算：

1、计算所述梯度图像的梯度直方图；

2、根据所述梯度直方图，由低向高依次将每一灰度值对应的像素点个数进行累加，并计算累加像素点个数与所述X光图像像素点个数的比值，当所述比值大于预设值时，将当前的梯度值作为梯度阈值；

3、遍历所述梯度图像，将所述梯度图像中所有小于所述梯度阈值的像素点作为种子点。

本实施例中，为了保证图像前背景边界处边缘的连续，梯度阈值值不易取值太高，优选的，梯度阈值可取在0.5-0.8范围内取值。

在S105中，将所述梯度图像和所述种子点作为分水岭算法的输入进行分水岭分割，得到X光图像的标记图像，所述每个标记代表一个区域；

本实施例中，分水岭算法基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭，通常利用梯度幅值图像作为分水岭算法的输入图像进行分割。

本实施例中，经过分水岭分割，得到X光图像的标记图像，所述标记图像包括多个标记区域，其中，每个标记代表一个区域。

在S106中，对所述标记图像进行区域合并；

本实施例中，通过梯度阈值产生的种子点，减少了大量的小分割区域，但所得到的区域数还是较多，可以继续对区域合并，将同类的区域合并到一个区域中。合并策略应该尽量避免将前景合并到背景，同时背景区域也应尽量避免合并到前景，即将分割结果中的区域向其邻域中灰度最小的区域进行合并，根据X光图像的灰度特性，前景灰度值低，背景灰度值高，在合并过程中使得区域尽量与前景进行合并，避免了前景区域向背景合并的错误，基于此，在合并时可以定义两个限制条件：

1、判断当前区域面积是否大于面积阈值T5，若是，则不进行合并，如否，通过条件2继续判断；2、判断当前区域灰度值是否与背景灰度值接近，即该区域平均灰度值与所有区域的最大平均灰度值的比值是否大于阈值T6，如果是则不进行合并，这样避免了将背景区域向前景进行合并的错误，当当前区域面积小于T5并且当前区域平均灰度与所有区域的最大灰度Max之比小于T6时，首先检测该区域的相邻区域中，平均灰度最小的区域A，然后将当前区域合并至区域A中。合并完成后继续遍历下一个区域至所有区域都不能再合并为止，其中，T5、T6的取值由经验确定，比如T5可取所有分割区域中最大面积的0.6%-1.4%，而T6可取值0.6-1.0间的值。

优选的，S106具体可以采用以下方式实现：

判断当前区域面积是否大于预设面积阈值；

若大于，则当前区域不参与区域合并；

若小于，则判断当前区域平均灰度值与所有区域中的最大平均灰度值的比值是否大于预设值；

若大于，则当前区域不参与区域合并；

若小于，则计算当前区域的所有相邻区域的平均灰度，并获取平均灰度最小的区域，并将所述平均灰度最小的区域与当前区域进行合并。

在S107中，二值化处理所述区域合并后的X光图像。

本实施例中，分割图像通过区域合并过程后，剩余较少的大面积区域，再根据各个阈值的灰度特性进行分类得到X光图像的二值图像。首先对X光图像进行背景预分割：计算整个图像的平均灰度，然后在合并后的区域中，找出大于图像平均灰度的面积最大区域作为背景B，找出小于平均灰度的面积最大区域作为前景F，并计算两者的灰度比例s，得到一个初始的分割图像；由于X光图像中，背景部分灰度分布相对均匀，前景部分变化范围较大，当背景和前景的灰度比例s较大时，则前景背景的灰度分界阈值离背景灰度值较远，反之，则接近于背景灰度值，并假定其满足一条方向向下的二次曲线y=a*s2+b*s+c。

可以通过训练学习的方式，计算所述二次曲线的参数值a、b、c：首先选取一组训练X光图像，对训练X光图像中的每个X光图像进行手工分割，得到金标准图像；然后利用所述背景预分割方法对训练X光图像进行背景分割，记录每个图像中分割区域中背景B和前景F的灰度比si；不断调整y取值，例如其范围为可以在[0.5，1.0]，调节y值对分割区域归类为背景或者前景，直至分割结果与金标准图像的Dice系数最大（Dice系数是分割的背景与人工确定的正确的背景重叠率，越大越好，不大于1），记录此时的yi。计算所有训练图像的(si,yi)，采用最小二乘法计算二次曲线的参数(a，b，c)即可得到一个二次曲线。计算前景背景的二次分割阈值为：t=背景区域平均灰度值*y(s)（所述背景区域，例如，背景区域B），即如果区域的灰度值小于t，则该区域是前景，否则为背景，得到二值图像。

综上，所述S107具体可以采用如下方式：

对所述区域合并后的X光图像进行背景预分割，获取所述背景区域和前景区域的灰度比例s_p，其中，所述s_p满足开口方向向下的二次曲线y_p=a*s_p ²+b*s_p+c；

通过训练获取所述二次曲线的参数值a，b，c；

根据所述s_p、a，b，c，计算y_p；

根据所述y_p计算所述X光图像的二次分割阈值为：t=X光图像背景区域的平均灰度值*y_p；

根据所述二次分割阈值t对所述X光图像进行二次分割，得到所述X光图像的二值图像，具体分割过程为：如果当区域的灰度平均值小于t，则当前区域为前景，如果当区域的灰度平均值大于t，则当前区域为背景。

可选的，所述对所述区域合并后的X光图像进行背景预分割，获取所述背景区域和前景区域的灰度比例s_p，其中，所述s_p满足开口方向向下的二次曲线y_p=a*s_p ²+b*s_p+c具体为：

计算所述X光图像每一区域的平均灰度及X光图像的平均灰度；

在平均灰度大于X光图像的平均灰度的区域中，查找面积最大的区域作为所述X光图像的背景区域，在平均灰度小于X光图像的平均灰度的区域中，查找面积最大区域作为所述X光图像的前景区域，并计算所述背景区域和前景区域的灰度比例s_p，得到预分割图像，其中，所述s_p满足开口方向向下的二次曲线y_p=a*s_p ²+b*s_p+c；

可选的，所述通过训练获取所述二次曲线的参数值a，b，c具体为：

对预设训练图像组中的每一训练X光图像进行背景预分割，得到每一训练X光图像对应的s_i，；

调整获取所述s_i对应的y_i的取值,直到每一训练X光图像的背景分割图像与金标准图像之间的Dice系数最大，其中i为训练组中X光图像的索引号，i为大于2的整数，进而获取训练组中所有训练X光图像对应的（s_i，y_i）；

对所述训练组中所有训练X光图像对应的（s_i，y_i）进行最小二乘拟合，得到所述曲线y=a*s²+b*s+c对应的参数a，b，c。

图4a为原始X光图像，图4b为采用灰度阈值方法的分割图像，图4c为为本发明方法的背景分割图像，从图中可以看出由于原始X光图像背景灰度分布不均匀，而且前景与背景的灰度范围存在重叠，因此阈值分割得到的结果较差；而灰度阈值方法的分割图像方法分割效果也存在重叠；而采用本发明方法能够有效的对该类图像进行背景分割。

本发明实施例中，获取待处理的X光图像，预处理所述X光图像，以去除所述X光图像中的噪声，计算所述X光图像的梯度图像，根据所述梯度图像的梯度直方图计算梯度阈值，将梯度图像中梯度值小于所述梯度阈值的所有像素点标记为种子点，所述种子点为小于梯度阈值的所有极小值，将所述梯度图像和所述种子点作为分水岭算法的输入进行分水岭分割，得到X光图像的标记图像，所述标记图像包括多个标记区域，其中，每个标记代表一个区域，对所述标记图像进行区域合并，二值化处理所述区域合并后的X光图像。使得对对X光图像处理过程的计算量较大大减小、且处理时间较短、精度高、且鲁棒性增强，提高了处理背景复杂的X光图像的处理能力。

实施例二

图5示出了本发明实施例二提供的X光图像处理系统的结构图，为了便于说明，仅示出了与本发明实施例相关的部分，该系统可以是内置于X光图像处理设备的软件单元、硬件单元或者软硬结合单元。

所述系统包括：

获取单元51，用于获取待处理的X光图像；

预处理单元52，用于预处理所述X光图像，以去除所述X光图像中的噪声；

梯度图像计算单元53，用于计算所述X光图像的梯度图像；

梯度阈值计算单元54，用于根据所述梯度图像的梯度直方图计算梯度阈值，将梯度图像中梯度值小于所述梯度阈值的所有像素点标记为种子点，所述种子点为小于梯度阈值的所有像素点；

分水岭分割单元55，用于将所述梯度图像和所述种子点作为分水岭算法的输入进行分水岭分割，得到X光图像的标记图像，所述标记图像包括多个标记区域，其中，每个标记代表一个区域；

合并单元56，用于对所述标记图像进行区域合并；

二值化单元57，用于二值化处理所述区域合并后的X光图像。

可选的，所述预处理单元52，具体用于包括：

灰度直方图计算模块521，用于计算所述X光图像的灰度直方图；

灰度阈值确定模块522，用于根据所述灰度直方图，由高向低依次将每一灰度值对应的像素点个数进行累加，并计算累加像素点个数与所述X光图像像素点个数的比值，当所述比值大于预设噪声像素点个数与所述X光图像像素点个数的比值时，将当前的灰度值作为灰度阈值；

X光图像遍历模块523，用于遍历所述X光图像，将所述X光图像中所有大于所述灰度阈值的像素点的灰度值设置为所述灰度阈值。

可选的，所述梯度图像计算单元53包括：

第一计算模块531，用于在水平方向计算当前像素点右面两个像素和与左边两个像素和之差的绝对值Dx；

第二计算模块532，用于在垂直方向计算当前像素下面两个像素和与上面两个像素和之差的绝对值Dy；

梯度计算模块533，用于取Dx和Dy中的较大值作为当前像素点的梯度值。

可选的，所述梯度阈值计算单元54包括：

梯度直方图计算模块541，用于计算所述梯度图像的梯度直方图；

梯度阈值计算模块542，用于根据所述梯度直方图，由低向高依次将每一灰度值对应的像素点个数进行累加，并计算累加像素点个数与所述X光图像像素点个数的比值，当所述比值大于预设值时，将当前的梯度值作为梯度阈值；

梯度图像遍历模块543，用于遍历所述梯度图像，将所述梯度图像中所有小于所述梯度阈值的像素点作为种子点。

可选的，所述合并单元55包括：具体用于判断当前区域面积是否大于预设面积阈值，若大于，则当前区域不参与区域合并，若小于，则判断当前区域平均灰度值与所有区域的最大平均灰度值的比值是否大于预设值，若大于，则当前区域不参与区域合并，若小于，则计算当前区域的所有相邻区域的平均灰度，并将所述相邻区域中平均灰度最小的区域与当前区域进行合并。

可选的，所述二值化单元57包括：

预分割模块571，用于对所述区域合并后的X光图像进行背景预分割，获取所述背景区域和前景区域的灰度比例s_p，其中，所述s_p满足开口方向向下的二次曲线y_p=a*s_p ²+b*s_p+c；

训练模块572，用于通过训练获取所述二次曲线的参数值a，b，c；

y_p计算模块573，用于根据所述s_p、a，b，c，计算y_p；

二次分割阈值计算模块574，用于根据所述y_p计算所述X光图像的二次分割阈值为：t=X光图像背景区域的平均灰度值*y_p；

二次分割模块575，用于根据所述二次分割阈值t对所述X光图像进行二次分割，得到所述X光图像的二值图像，具体分割过程为：如果当区域的灰度平均值小于t，则当前区域为前景，如果当区域的灰度平均值大于t，则当前区域为背景。

可选的，所述预分割模块571，用于计算所述X光图像每一区域的平均灰度及X光图像的平均灰度，在平均灰度大于X光图像的平均灰度的区域中，查找面积最大的区域作为所述X光图像的背景区域，在平均灰度小于X光图像的平均灰度的区域中，查找面积最大区域作为所述X光图像的前景区域，并计算所述背景区域和前景区域的灰度比例s_p，得到预分割图像，其中，所述s_p满足开口方向向下的二次曲线y_p=a*s_p ²+b*s_p+c。

可选的，所述训练模块572，具体用于对预设训练图像组中的每一训练X光图像进行背景预分割，得到每一训练X光图像对应的s_i，；调整获取所述s_i对应的y_i的取值,直到每一训练X光图像的背景分割图像与金标准图像之间的Dice系数最大，其中i为训练组中X光图像的索引号，i为大于2的整数，进而获取训练组中所有训练X光图像对应的（s_i，y_i）；对所述训练组中所有训练X光图像对应的（s_i，y_i）进行最小二乘拟合，得到所述曲线y=a*s²+b*s+c对应的参数a，b，c。

本发明实施例提供的多X光图像处理系统可以使用在前述对应的方法实施例一中，详情参见上述实施例一的描述，在此不再赘述。

值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。

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

1.一种X光图像处理方法，其特征在于，所述方法包括：

获取待处理的X光图像；

预处理所述X光图像，以去除所述X光图像中的噪声；

计算所述X光图像的梯度图像；

对所述标记图像进行区域合并；

二值化处理所述区域合并后的X光图像；所述预处理X光图像，以去除所述X光图像中的噪声具体为：

计算所述X光图像的灰度直方图；

根据所述灰度直方图，由高向低依次将每一灰度值对应的像素点个数进行累加，并计算累加像素点个数与所述X光图像像素点个数的比值，当所述比值大于预设噪声像素点个数与所述X光图像像素点个数的比值时，将当前的灰度值作为灰度阈值；

遍历所述X光图像，将所述X光图像中所有大于所述灰度阈值的像素点的灰度值设置为所述灰度阈值。

2.如权利要求1所述的方法，其特征在于，所述计算所述X光图像的梯度图像具体为：计算所述X光图像所有像素点的梯度值，其中，计算每一个像素点的梯度的过程具体为：

在水平方向计算当前像素点右面两个像素和与左边两个像素和之差的绝对值Dx；

在垂直方向计算当前像素下面两个像素和与上面两个像素和之差的绝对值Dy；

取Dx和Dy中的较大值作为当前像素点的梯度值。

3.如权利要求1所述的方法，其特征在于，所述根据所述梯度图像的梯度直方图计算梯度阈值，将梯度图像中梯度值小于所述梯度阈值的所有像素点标记为种子点具体为：

计算所述梯度图像的梯度直方图；

根据所述梯度直方图，由低向高依次将每一灰度值对应的像素点个数进行累加，并计算累加像素点个数与所述X光图像像素点个数的比值，当所述比值大于预设值时，将当前的梯度值作为梯度阈值；

遍历所述梯度图像，将所述梯度图像中所有小于所述梯度阈值的像素点作为种子点。

4.如权利要求1所述的方法，其特征在于，所述对所述标记图像进行区域合并具体为：

判断当前区域面积是否大于预设面积阈值；

若大于，则当前区域不参与区域合并；

若小于，则判断当前区域平均灰度值与所有区域的最大平均灰度值的比值是否大于预设值；

若大于，则当前区域不参与区域合并；

若小于，则计算当前区域的所有相邻区域的平均灰度，并将所述相邻区域中平均灰度最小的区域与当前区域进行合并。

5.如权利要求1所述的方法，其特征在于，所述二值化处理所述区域合并后的X光图像包括：

对所述区域合并后的X光图像进行背景预分割，获取背景区域和前景区域的灰度比例s_p，其中，所述s_p满足开口方向向下的二次曲线y_p＝a*s_p ²+b*s_p+c；

通过训练获取所述二次曲线的参数值a，b，c；

根据所述s_p，a，b，c，计算y_p；

根据所述y_p计算所述X光图像的二次分割阈值为：t＝X光图像背景区域的平均灰度值*y_p；

6.如权利要求5所述的方法，其特征在于，所述对所述区域合并后的X光图像进行背景预分割，获取所述背景区域和前景区域的灰度比例s_p，其中，所述s_p满足开口方向向下的二次曲线y_p＝a*s_p ²+b*s_p+c具体为：

在平均灰度大于X光图像的平均灰度的区域中，查找面积最大的区域作为所述X光图像的背景区域，在平均灰度小于X光图像的平均灰度的区域中，查找面积最大区域作为所述X光图像的前景区域，并计算所述背景区域和前景区域的灰度比例s_p，得到预分割图像，其中，所述s_p满足开口方向向下的二次曲线y_p＝a*s_p ²+b*s_p+c。

7.如权利要求5所述的方法，其特征在于，所述通过训练获取所述二次曲线的参数值a，b，c具体为：

对预设训练图像组中的每一训练X光图像进行背景预分割，得到每一训练X光图像对应的s_i；

调整获取所述s_i对应的y_i的取值,直到每一训练X光图像的背景分割图像与金标准图像之间的Dice系数最大，其中i为训练组中X光图像的索引号，i为大于2的整数，进而获取训练组中所有训练X光图像对应的(s_i，y_i)；

对所述训练组中所有训练X光图像对应的(s_i，y_i)进行最小二乘拟合，得到曲线y＝a*s²+b*s+c对应的参数a，b，c。

8.一种X光图像处理系统，其特征在于，所述系统包括：

获取单元，用于获取待处理的X光图像；

梯度图像计算单元，用于计算所述X光图像的梯度图像；

合并单元，用于对所述标记图像进行区域合并；

二值化单元，用于二值化处理所述区域合并后的X光图像；

所述预处理单元，具体用于包括：

灰度直方图计算模块，用于计算所述X光图像的灰度直方图；

灰度阈值确定模块，用于根据所述灰度直方图，由高向低依次将每一灰度值对应的像素点个数进行累加，并计算累加像素点个数与所述X光图像像素点个数的比值，当所述比值大于预设噪声像素点个数与所述X光图像像素点个数的比值时，将当前的灰度值作为灰度阈值；

X光图像遍历模块，用于遍历所述X光图像，将所述X光图像中所有大于所述灰度阈值的像素点的灰度值设置为所述灰度阈值。

9.如权利要求8所述的系统，其特征在于，所述梯度图像计算单元包括：

第一计算模块，用于在水平方向计算当前像素点右面两个像素和与左边两个像素和之差的绝对值Dx；

第二计算模块，用于在垂直方向计算当前像素下面两个像素和与上面两个像素和之差的绝对值Dy；

梯度计算模块，用于取Dx和Dy中的较大值作为当前像素点的梯度值。

10.如权利要求8所述的系统，其特征在于，所述梯度阈值计算单元包括：

梯度直方图计算模块，用于计算所述梯度图像的梯度直方图；

梯度阈值计算模块，用于根据所述梯度直方图，由低向高依次将每一灰度值对应的像素点个数进行累加，并计算累加像素点个数与所述X光图像像素点个数的比值，当所述比值大于预设值时，将当前的梯度值作为梯度阈值；

梯度图像遍历模块，用于遍历所述梯度图像，将所述梯度图像中所有小于所述梯度阈值的像素点作为种子点。

11.如权利要求8所述的系统，其特征在于，所述合并单元包括：具体用于判断当前区域面积是否大于预设面积阈值，若大于，则当前区域不参与区域合并，若小于，则判断当前区域平均灰度值与所有区域的最大平均灰度值的比值是否大于预设值，若大于，则当前区域不参与区域合并，若小于，则计算当前区域的所有相邻区域的平均灰度，并将所述相邻区域中平均灰度最小的区域与当前区域进行合并。

12.如权利要求8所述的系统，其特征在于，所述二值化单元包括：

预分割模块，用于对所述区域合并后的X光图像进行背景预分割，获取背景区域和前景区域的灰度比例s_p，其中，所述s_p满足开口方向向下的二次曲线y_p＝a*s_p ²+b*s_p+c；

训练模块，用于通过训练获取所述二次曲线的参数值a，b，c；

y_p计算模块，用于根据所述s_p，a，b，c，计算y_p；

二次分割阈值计算模块，用于根据所述y_p计算所述X光图像的二次分割阈值为：t＝X光图像背景区域的平均灰度值*y_p；

二次分割模块，用于根据所述二次分割阈值t对所述X光图像进行二次分割，得到所述X光图像的二值图像，具体分割过程为：如果当区域的灰度平均值小于t，则当前区域为前景，如果当区域的灰度平均值大于t，则当前区域为背景。

13.如权利要求12所述的系统，其特征在于，所述预分割模块，用于计算所述X光图像每一区域的平均灰度及X光图像的平均灰度，在平均灰度大于X光图像的平均灰度的区域中，查找面积最大的区域作为所述X光图像的背景区域，在平均灰度小于X光图像的平均灰度的区域中，查找面积最大区域作为所述X光图像的前景区域，并计算所述背景区域和前景区域的灰度比例s_p，得到预分割图像，其中，所述s_p满足开口方向向下的二次曲线y_p＝a*s_p ²+b*s_p+c。

14.如权利要求12所述的系统，其特征在于，所述训练模块，具体用于

15.一种X光图像处理设备，其特征在于，所述X光图像处理设备包括权利要求8至14任一权利要求所述的X光图像处理系统。