CN103914824A - 医学图像多目标区域勾画及任意目标区域面积计算方法 - Google Patents

医学图像多目标区域勾画及任意目标区域面积计算方法 Download PDF

Info

Publication number
CN103914824A
CN103914824A CN201310005912.3A CN201310005912A CN103914824A CN 103914824 A CN103914824 A CN 103914824A CN 201310005912 A CN201310005912 A CN 201310005912A CN 103914824 A CN103914824 A CN 103914824A
Authority
CN
China
Prior art keywords
point
coboundary
lower boundary
area
search
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
Application number
CN201310005912.3A
Other languages
English (en)
Other versions
CN103914824B (zh
Inventor
艾育华
陈芳炯
刘哲星
罗莹
郏岩岩
耿仁文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern Hospital Southern Medical University
Original Assignee
Southern Hospital Southern Medical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southern Hospital Southern Medical University filed Critical Southern Hospital Southern Medical University
Priority to CN201310005912.3A priority Critical patent/CN103914824B/zh
Publication of CN103914824A publication Critical patent/CN103914824A/zh
Application granted granted Critical
Publication of CN103914824B publication Critical patent/CN103914824B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于医学图像处理领域,涉及一种医学图像多目标区域勾画及任意目标区域面积计算的方法。本发明所述的方法分为目标区域勾画及目标区域面积计算两个主要步骤,可以勾画出多个目标区域,每个目标区域可以是任意形状。所述目标区域勾画方法是通过记录鼠标拖动形成边界。当内部存在不感兴趣的区域是,用内部边界进行勾画。边界具有连通性,并采用与图像不同的灰度值。计算面积的方法是对图像从上到下,从左到右进行扫描,找到第一个具有边界灰度值的点,从所述搜索起始点出发,对目标区域进行左扫描和右扫描,结果计入目标区域面积值,重复这一过程直到图像中没有边界点。

Description

医学图像多目标区域勾画及任意目标区域面积计算方法
技术领域
本发明属于医学图像处理领域,涉及一种对图像感兴趣区域进行勾画并计算其面积的方法,尤其是一种对医学图像多目标区域进行勾画并计算其面积的方法。
技术背景
在医疗诊断和放射治疗活动中,医学图像目标区域面积的测量有着重要意义。如对肿瘤体积大小的测量,是通过肿瘤的各个切片的面积的大小乘以切片的厚度,然后累积各个切片的体积大小得到的。获取图像的面积有很多算法可以实现,最常用的方法就是计算目标区域的像素点的个数,但是一般的算法要求目标区域必须是确定的,并且区域内不允许有空洞。
基于Freeman链码的图像面积计算方法是任意区域面积计算的经典方法,其基本思想是针对一个闭合区域,寻找到某一起始点,然后从起始点按Freeman编码规则进行编码,即可形成用于描述目标区域的边界链码。基于边界链码的计算需要一个合适的起始点,并且对边界进行编码是一件复杂的处理。现有的对鼠标划定的目标区域进行测量的算法也是基于Freeman链码的。其处理过程也是对边界编码之后,然后使用边界坐标方法计算每个区域的面积,在对所得的区域进行累计求和,继而得到所求目标区域的面积。但该算法在跟踪边界进行编码的时候,要求划定的目标区域中的空洞必须是内连于目标区域边界,显然这样的要求在医学图像的面积测量中并不具有一般性。
区域增长法是另一种重要的面积计算方法。该方法首先要对图像进行分割,由分割的结果计算目标区域的面积,在具有空洞的目标区域内,还要指定是增长的是区域内的面积还是区域外的面积,因此,对于手动圈定的目标区域来说,该方法并不适合。
名称为“一种任意连通边界围成的单区域图像面积计算方法”、申请号为201010265266.0的中国发明专利申请公开了一种基于边界跟踪的面积计算方法,该方法对目标区域按边界进行“O”型搜索,搜索复杂度高,并只能应用于单目标区域。
发明内容
针对现有技术的缺陷,本发明提供一种新的医学图像多目标区域勾画及任意目标区域面积计算方法,该方法对面积计算条件要求比较宽松,在目标区域内任意位置允许有一个或多个空洞,可以实现对多个目标区域的测量,并且不需要特别的编码处理即可获取所需面积。
本发明所述的一种医学图像多目标区域勾画及任意目标区域面积计算方法,包括以下步骤:利用鼠标对医学图像中感兴趣的区域即目标区域进行勾画,允许对独立的多个目标区域进行勾画;以及将目标区域面积初始值设为零,计算所勾画的任意目标区域的面积。
根据本发明所述的方法的进一步特征,所述的目标区域勾画包括以下步骤: 
a.记录鼠标拖动形成的线,所述线围成目标区域的边界;将目标区域的最外围定义为外部边界,当外部边界内部存在不感兴趣的区域时,用内部边界进行勾画;所述边界具有连通性,即所述鼠标拖动形成的线是闭合的;
b. 所述鼠标拖动形成的边界采用与图像不同的灰度值,定义为边界灰度值。
根据本发明所述的方法的进一步特征,所述的目标区域面积计算包括以下步骤:
i.对图像从上到下以及从左到右进行扫描,找到第一个具有边界灰度值的点,定义为搜索起始点;
ii.从所述搜索起始点出发,从该点的8邻域出发,按顺时针方式搜索,得到目标区域的外围边界;
iii.从所述搜索起始点出发,对目标区域进行左扫描和右扫描,结果计入目标区域面积值;
iv.重复步骤i至iii,直到图像中没有边界点时停止。
根据本发明所述的方法的进一步特征,所述的左扫描包括以下步骤:
A.把所述搜索起始点定义为第一上边界点;
B. 从所述第一上边界点出发向下搜索,找到第一个具有边界灰度值的点,定义为第一下边界点,所述第一上边界点和所述第二下边界点之间的像素点加入面积值;
C. 在所述第一上边界点的左邻域搜索得到第二上边界点,从所述第二上边界点向下搜索得到第二下边界点,所述第二上边界点和所述第二下边界点之间的像素点加入面积值;
D. 判断第二下边界点是否在第一下边界点的8邻域之内;如果是,则将当前第一上边界点的灰度值修改为非边界灰度值,然后将第二上边界点替代为当前第一上边界点,转到步骤C;如果否,则执行步骤E;
E. 判断所述第二下边界点是否位于第一下边界点的下方;如果是,则从第一下边界点往下搜索到下一个边界点,并在两点之间加一条边界线;如果否,则从第二下边界点往下搜索到下一个边界点,并在两点之间加一条边界线;
F. 将当前第一上边界点的灰度值修改为非边界灰度值,然后将第二上边界点替代为当前第一上边界点,转到步骤C;
G. 重复执行步骤C至F,直到初始搜索点的左邻域没有新边界点时停止。    
根据本发明所述的方法的进一步特征,所述的右扫描包括以下步骤:
I.把所述搜索起始点定义为第一上边界点;
II. 从所述第一上边界点出发向下搜索,找到第一个具有边界灰度值的点,定义为第一下边界点,所述第一上边界点和所述第二下边界点之间的像素点加入面积值;
III. 在所述第一上边界点的右邻域搜索得到第二上边界点,从所述第二上边界点向下搜索得到第二下边界点,所述第二上边界点和所述第二下边界点之间的像素点加入面积值;
IV. 判断第二下边界点是否在第一下边界点的8邻域之内;如果是,则将当前第一上边界点的灰度值修改为非边界灰度值,然后将第二上边界点替代为当前第一上边界点,转到步骤III;如果否,则执行步骤V;
V. 判断所述第二下边界点是否位于第一下边界点的下方;如果是,则从第一下边界点往下搜索到下一个边界点,并在两点之间加一条边界线;如果否,则从第二下边界点往下搜索到下一个边界点,并在两点之间加一条边界线;
VI. 将当前第一上边界点的灰度值修改为非边界灰度值,然后将第二上边界点替代为当前第一上边界点,转到步骤III;
VII. 重复执行步骤III至VI,直到初始搜索点的右邻域没有新边界点时停止。    
本发明所述的医学图像多目标区域勾画及任意目标区域面积计算方法的特点与优点在于:所述方法分为目标区域勾画及面积计算两个主要步骤,允许对多个目标区域进行勾画,也允许对任意形状的目标区域计算其面积。该方法对面积计算条件要求比较宽松,在目标区域内任意位置允许有一个或多个空洞,可以实现对多个目标区域的测量,并且不需要特别的编码处理即可获取所需面积。
附图说明
    图1是像素点的8邻域示意图。
    图2是像素点的左邻域示意图。
    图3是像素点的右邻域示意图。
    图4是目标区域左扫描过程示意图(目标区域无内边界)。
    图5是目标区域左扫描过程示意图(目标区域有内边界)。
图6是具有内部边界的目标区域经过第一次扫描后的剩余区域示意图。
    图7是本发明所述的医学图像多目标区域勾画及任意目标区域面积计算方法的流程图。
    图8是图7所示方法流程中的左扫描的具体流程图。
具体实施方式
本发明以及它的优选具体实施方式将在这里通过以下的图解具体实施例进行详细说明,以更好的理解本发明。需要明确的是,这些图解的具体实施例仅是用作示例,而不是对在所附的权利要求所定义的本发明的任何形式的限制。
关于本发明所述的医学图像多目标区域勾画及任意目标区域面积计算方法的各个步骤,已经在上文做出详细描述,这里不再赘述。
边界搜索的8邻域、左邻域、右邻域的定义分别如图1、图2、图3所示。在图1、图2和图3中,最中间的点代表当前边界点,例如图1中点101、图2中点201、图3中点301,8邻域是指该像素点周边的8个像素点。因为边界是连通的,因此在当前的边界点的8邻域必定存在另一个边界点。左邻域指8邻域中除右边三个邻域外的其他邻域;右邻域指8邻域中除左边三个邻域外的其他邻域。
用鼠标对图像进行勾画的两种可能结果如图4和图5所示,其中,边界为黑色粗体部分。图4是一种没有内部边界的情况,边界402指示一种连通闭合的外部边界。图5是一种同时具有外部边界和内部边界的情况,边界502指示一种连通闭合的外部边界;边界503指示一种连通闭合的内部边界。可以勾画出多个目标区域,每个目标区域有一个外部边界,但可能存在多个内部边界。
目标区域勾画得到的边界采用与图像灰度值不同的唯一的灰度值,具体实施有多种方式,一种方式是勾画结果保存在一个独立的图像中,这时得到的图像是二值图像,分别为边界值和非边界值。另一种方式是勾画结果叠加到原图像,这时可找出未被图像使用的灰度值作为勾画边界的灰度值;如果图像使用了所有灰度值,则可先对图像进行预处理,如灰度值的平移,使图像不使用所有的灰度值。注意到预处理是边界勾画和面积计算的一个中间步骤,对图像的修改不会保存,因此实际应用不会造成图像的失真。
在完成目标区域勾画后,进入面积计算程序。首先,图像从上到下按行扫描,每行从左到右扫描,扫描到第一个具有边界灰度值的点,定义为搜索起始点,从该点开始当前目标区域面积的计算。图4和图5给出了目标区域的两种不同形式,其中,图4是没有内部边界的形式,图5是具有内部边界的目标区域。图4中的点401和图5中的点501分别指示了本目标区域的搜索起始点。
接下来参见图4和图5,以左扫描为例来介绍扫描的具体方式。在图4中,从搜索起始点往下扫描,直到一个下边界点,将扫描得到的像素点加入面积值,然后从搜索起始点的左邻域搜索得到下一个边界点,并从该边界点往下搜索到新的下边界点。可以看到因为先后两个上边界点和先后两个下边界点是连通点,所以认为两个上边界点和两个下边界点之间没有其他的边界点。这时从上往下扫描得到的像素点加入面积值,并继续往左边搜索,直到没有找到边界点。
图5显示了存在内部边界时左扫描的情况,扫描开始阶段和图4所指示的流程相同,但在中间某次扫描中,如图5中点504所指示的情况,先后两次向下扫描的过程中先后两个下边界点不是连通的,这时认为出现了内部边界,则在内部边界往下到下一个边界之间加一条新的边界线,如图6中点601所指示。
右扫描的执行流程和左扫描类似,只是扫描方向不同。
图6指示了图5目标区域经过左扫描和右扫描后的剩下点目标区域,其中边界线601指示了左扫描过程中由于下边界点不连通而补充的边界线,边界线602指示了右扫描过程中由于下边界点不连通而补充的边界线。虚线围成部分是左扫描和右扫描计算得到的面积。可以看到经过一次左扫描和右扫描后还存在目标区域,必须再做一遍左扫描和右扫描。
当存在多个目标区域时,上述左扫描和右扫描需重复多次,直到图像没有边界像素点时结束。
虽然本发明已经结合特定实施例进行了描述,对于本领域技术人员显然还有许多变动、修饰和改变。相应地,所有这些变动、修饰和改变都将落入本发明的精神与所附的权利要求的范围之内。

Claims (5)

1.一种医学图像多目标区域勾画及任意目标区域面积计算方法,其特征在于,包括以下步骤:
利用鼠标对医学图像中感兴趣的区域即目标区域进行勾画,允许对独立的多个目标区域进行勾画;以及
将目标区域面积初始值设为零,计算所勾画的任意目标区域的面积。
2.根据权利要求1所述的方法,其特征在于,所述的目标区域勾画包括以下步骤: 
a.记录鼠标拖动形成的线,所述线围成目标区域的边界;将目标区域的最外围定义为外部边界,当外部边界内部存在不感兴趣的区域时,用内部边界进行勾画;所述边界具有连通性,即所述鼠标拖动形成的线是闭合的;
b. 所述鼠标拖动形成的边界采用与图像不同的灰度值,定义为边界灰度值。
3.根据权利要求1所述的方法,其特征在于,所述的目标区域面积计算包括以下步骤:
i.对图像从上到下以及从左到右进行扫描,找到第一个具有边界灰度值的点,定义为搜索起始点;
ii.从所述搜索起始点出发,从该点的8邻域出发,按顺时针方式搜索,得到目标区域的外围边界;
iii.从所述搜索起始点出发,对目标区域进行左扫描和右扫描,结果计入目标区域面积值;
iv.重复步骤i至iii,直到图像中没有边界点时停止。
4.根据权利要求3所述的方法,其特征在于,所述的左扫描包括以下步骤:
A.把所述搜索起始点定义为第一上边界点;
B.  从所述第一上边界点出发向下搜索,找到第一个具有边界灰度值的点,定义为第一下边界点,所述第一上边界点和所述第二下边界点之间的像素点加入面积值;
C.  在所述第一上边界点的左邻域搜索得到第二上边界点,从所述第二上边界点向下搜索得到第二下边界点,所述第二上边界点和所述第二下边界点之间的像素点加入面积值;
D.  判断第二下边界点是否在第一下边界点的8邻域之内;如果是,则将当前第一上边界点的灰度值修改为非边界灰度值,然后将第二上边界点替代为当前第一上边界点,转到步骤C;如果否,则执行步骤E;
E.  判断所述第二下边界点是否位于第一下边界点的下方;如果是,则从第一下边界点往下搜索到下一个边界点,并在两点之间加一条边界线;如果否,则从第二下边界点往下搜索到下一个边界点,并在两点之间加一条边界线;
F.  将当前第一上边界点的灰度值修改为非边界灰度值,然后将第二上边界点替代为当前第一上边界点,转到步骤C;
G.  重复执行步骤C至F,直到初始搜索点的左邻域没有新边界点时停止。
5.根据权利要求3所述的方法,其特征在于,所述的右扫描包括以下步骤:
I.把所述搜索起始点定义为第一上边界点;
II. 从所述第一上边界点出发向下搜索,找到第一个具有边界灰度值的点,定义为第一下边界点,所述第一上边界点和所述第二下边界点之间的像素点加入面积值;
III. 在所述第一上边界点的右邻域搜索得到第二上边界点,从所述第二上边界点向下搜索得到第二下边界点,所述第二上边界点和所述第二下边界点之间的像素点加入面积值;
IV. 判断第二下边界点是否在第一下边界点的8邻域之内;如果是,则将当前第一上边界点的灰度值修改为非边界灰度值,然后将第二上边界点替代为当前第一上边界点,转到步骤III;如果否,则执行步骤V;
V.  判断所述第二下边界点是否位于第一下边界点的下方;如果是,则从第一下边界点往下搜索到下一个边界点,并在两点之间加一条边界线;如果否,则从第二下边界点往下搜索到下一个边界点,并在两点之间加一条边界线;
VI. 将当前第一上边界点的灰度值修改为非边界灰度值,然后将第二上边界点替代为当前第一上边界点,转到步骤III;
VII. 重复执行步骤III至VI,直到初始搜索点的右邻域没有新边界点时停止。
CN201310005912.3A 2012-12-31 2013-01-08 医学图像多目标区域勾画及任意目标区域面积计算方法 Expired - Fee Related CN103914824B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310005912.3A CN103914824B (zh) 2012-12-31 2013-01-08 医学图像多目标区域勾画及任意目标区域面积计算方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
CN201210586479 2012-12-31
CN2012105864792 2012-12-31
CN201210586479.2 2012-12-31
CN201310005912.3A CN103914824B (zh) 2012-12-31 2013-01-08 医学图像多目标区域勾画及任意目标区域面积计算方法

Publications (2)

Publication Number Publication Date
CN103914824A true CN103914824A (zh) 2014-07-09
CN103914824B CN103914824B (zh) 2017-02-08

Family

ID=51040481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310005912.3A Expired - Fee Related CN103914824B (zh) 2012-12-31 2013-01-08 医学图像多目标区域勾画及任意目标区域面积计算方法

Country Status (1)

Country Link
CN (1) CN103914824B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537661A (zh) * 2014-12-26 2015-04-22 张长隆 一种单目摄像头测量面积的方法和系统
CN107885538A (zh) * 2016-09-28 2018-04-06 北京京东尚科信息技术有限公司 在图片上添加热区链接的方法和装置
CN110246173A (zh) * 2018-08-14 2019-09-17 浙江大华技术股份有限公司 一种判断形状区域的方法和装置
CN111369579A (zh) * 2020-03-03 2020-07-03 东南数字经济发展研究院 一种提取三维云建模目标区域轮廓的方法
CN111784705A (zh) * 2020-06-24 2020-10-16 上海联影医疗科技有限公司 感兴趣区域的勾画方法、装置、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101403610A (zh) * 2008-11-06 2009-04-08 陕西科技大学 一种基于数字图像法测量皮革面积的系统及其方法
CN101706843A (zh) * 2009-11-16 2010-05-12 杭州电子科技大学 一种乳腺cr图像交互式读片方法
CN101950420A (zh) * 2010-08-26 2011-01-19 广东宝莱特医用科技股份有限公司 一种由任意连通边界围成的单区域图像面积计算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101403610A (zh) * 2008-11-06 2009-04-08 陕西科技大学 一种基于数字图像法测量皮革面积的系统及其方法
CN101706843A (zh) * 2009-11-16 2010-05-12 杭州电子科技大学 一种乳腺cr图像交互式读片方法
CN101950420A (zh) * 2010-08-26 2011-01-19 广东宝莱特医用科技股份有限公司 一种由任意连通边界围成的单区域图像面积计算方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
N.F.SHILBAYEH 等: "An Efficient Structural Mouse Gesture Approach for Recognizing Hindi Digits", 《JOURNAL OF APPLIED SCIENCES》 *
吴元敏: "基于Freeman链码的图像中多个区域面积的计算方法", 《计算机工程与应用》 *
杨万扣 等: "数字图像中基于链码的目标面积计算方法", 《计算机工程》 *
郭尚 等: "基于像素的计算大量连通区域面积的快速算法", 《计算机工程与设计》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537661A (zh) * 2014-12-26 2015-04-22 张长隆 一种单目摄像头测量面积的方法和系统
CN107885538A (zh) * 2016-09-28 2018-04-06 北京京东尚科信息技术有限公司 在图片上添加热区链接的方法和装置
CN107885538B (zh) * 2016-09-28 2020-12-22 北京京东尚科信息技术有限公司 在图片上添加热区链接的方法和装置
CN110246173A (zh) * 2018-08-14 2019-09-17 浙江大华技术股份有限公司 一种判断形状区域的方法和装置
CN110246173B (zh) * 2018-08-14 2023-11-03 浙江大华技术股份有限公司 一种判断形状区域的方法和装置
CN111369579A (zh) * 2020-03-03 2020-07-03 东南数字经济发展研究院 一种提取三维云建模目标区域轮廓的方法
CN111784705A (zh) * 2020-06-24 2020-10-16 上海联影医疗科技有限公司 感兴趣区域的勾画方法、装置、设备和存储介质
CN111784705B (zh) * 2020-06-24 2024-04-02 上海联影医疗科技股份有限公司 感兴趣区域的勾画方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN103914824B (zh) 2017-02-08

Similar Documents

Publication Publication Date Title
Wang et al. Fusing bird’s eye view lidar point cloud and front view camera image for 3d object detection
CN107016677B (zh) 一种基于fcn和cnn的云图分割方法
Birenbaum et al. Multi-view longitudinal CNN for multiple sclerosis lesion segmentation
CN111079685B (zh) 一种3d目标检测方法
CN103914824A (zh) 医学图像多目标区域勾画及任意目标区域面积计算方法
CN102068281B (zh) 一种占位性病变超声图像的处理方法
CN104933709A (zh) 基于先验信息的随机游走ct肺组织图像自动分割方法
Pavoni et al. TagLab: AI‐assisted annotation for the fast and accurate semantic segmentation of coral reef orthoimages
CN102354396A (zh) 基于水平集函数的灰度不均匀图像分割方法
CN111028327A (zh) 一种三维点云的处理方法、装置及设备
CN109540023B (zh) 基于二值网格编码模板结构光的物体表面深度值测量方法
CN104346833A (zh) 一种基于单目视觉的车辆重构算法
CN111047603B (zh) 一种基于新型马尔可夫随机场和区域合并的航拍图像混合分割算法
CN111325750A (zh) 一种基于多尺度融合u型链神经网络的医学图像分割方法
CN109410266A (zh) 基于四模Census变换和离散视差搜索的立体匹配算法
Kitrungrotsakul et al. Liver segmentation using superpixel-based graph cuts and restricted regions of shape constrains
CN103679808A (zh) 利用二维核磁图像重建头部三维模型的方法及系统
EP4405893A1 (en) A computer-implemented method of enhancing object detection in a digital image of known underlying structure, and corresponding module, data processing apparatus and computer program
Kaur et al. Skin lesion segmentation using an improved framework of encoder‐decoder based convolutional neural network
CN103914840B (zh) 一种针对非简单背景的人体轮廓自动提取方法
CN107305252B (zh) 主动提取目标深度细节的快速成像方法
CN103903227A (zh) 一种图像降噪的方法和装置
CN108182700B (zh) 一种基于两次特征检测的图像配准方法
Somasundaram et al. A method for filling holes in objects of medical images using region labeling and run length encoding schemes
CN104143203A (zh) 一种图像编辑传播方法

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170208