CN104103047B - 一种心电图像倾斜度校正方法 - Google Patents
一种心电图像倾斜度校正方法 Download PDFInfo
- Publication number
- CN104103047B CN104103047B CN201410358221.6A CN201410358221A CN104103047B CN 104103047 B CN104103047 B CN 104103047B CN 201410358221 A CN201410358221 A CN 201410358221A CN 104103047 B CN104103047 B CN 104103047B
- Authority
- CN
- China
- Prior art keywords
- image
- angle
- index
- amplitude
- value
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种心电图像倾斜度校正方法,首先需要对倾斜图像做傅里叶变换得到其频谱图像,然后提取频谱图像中的幅度谱成分并做对数变换,计算频谱图像中在不同方向上的平均幅值并基于幅值最大值求取方法来获得倾斜角度。该方法简单实用,能够快速、准确的检测出倾斜图像的倾斜角度,最终的校正结果也表明此方法对于心电图像的倾斜度校正确实是一种行之有效的方法。
Description
技术领域
本发明涉及一种图像处理技术,特别涉及一种基于频率域图像处理技术的心电图像倾斜度校正方法。
背景技术
在生物医学领域,心血管疾病是危害人类生命健康的重要疾病之一,心电图、脑电图、脉诊和脉搏波曲线等医学曲线是当今诊断心脑血管疾病以及其他许多疾病的重要手段。然而传统的纸质图片存在容易破损、色彩褪色、难以查询和维护等缺点,因此在许多实际应用场合对纸质心电图做数字化处理是非常必要的。
对于纸质心电图像的数字化处理中首先需要扫描纸质心电图像并将其存储在数字化设备中,在此过程中由于机器固有缺陷、纸张摆位等原因使得扫描图像不可避免存在不同程度的倾斜,这给后续的数字化处理带来了极大困难,因此对于纸质心电图像的数字化处理第一步就是对其进行倾斜度校正。
目前常用的倾斜度校正方法有霍夫变换法、傅里叶变换法、交叉相关法、K-近邻聚类法和投影法等,其中霍夫变换法需要将图像二值化并变换到极坐标系中进行计算,其计算量比较大,鲁棒性较差,不太适合用于心电图像的倾斜度校正;交叉相关法因为计算量很大,通常也不被采用;K-近邻聚类法因有迭代环节,计算往往也需要消耗大量时间。因此,开发一种新的高效的心电图像倾斜度校正方法是非常必要的。
发明内容
本发明是针对目前常用的倾斜度校正方法计算量比较大,鲁棒性较差的问题,提出了一种心电图像倾斜度校正方法,基于频率域图像处理技术,能够快速准确的检测出倾斜图像的倾斜角度,方法简单实用,是一种有效的心电图倾斜度校正方法。
本发明的技术方案为:一种心电图像倾斜度校正方法,具体包括如下步骤:1)倾斜角度检测:
A:对倾斜心电图像做傅里叶变换得到其频谱图像,然后提取频谱图像中的幅度谱成分并做对数变换得到待处理幅度图像;
B:确定幅度图像的中心点位置o(p,q),
其中m、n分别是幅度图像的宽度和高度,p、q是幅度图像中心的坐标,p、q值取整;角度分辨率其中,是幅度图像对角线顶点与幅度图像中心点o的距离,dl等于1,表示相对于幅度图像中心半径为r处的单位弧长;
C:设置三个列向量jx,sh,g分别用来存放各个角度所对应方向上的幅值总和、累加个数和幅值平均值,
jx列向量计算方法:
计算每一个点相对于幅度图像中心的角度angle,
其中i=1,2,…m;j=1,2,…n;
每个角度对应一个角度索引值为
jx(index)为索引值index所对应角度方向上的所有像素点幅值总和,计算时将满足索引值index的像素点幅值f(i,j)累加到向量分量jx(index)上去,即jx(index)=jx(index)+f(i,j),同时sh(index)=sh(index)+1,其中,向量分量jx(index)和计数器分量sh(index)初始值均为0;
D:根据步骤C遍历幅度图像全部m×n个像素点并在各个相应角度方向上累加各图像像素点所对应的幅值并进行计数,最后计算每个角度索引所对应方向上的幅值平均值为g(·),
索引值index对应的幅值平均值为
E:比较幅值平均值向量g(·)中各值大小,得到各方向上的幅值平均值曲线图,从图中可检测两个波峰点;
F:倾斜角度其中s从左至右第一波峰点所对应的索引值,l第二波峰点所对应的索引值;
2)根据步骤1)检测得的倾斜角度对空间域倾斜图像相对于幅度图像中心进行二维刚体旋转变换实现图像倾斜角度校正。
本发明的有益效果在于:本发明心电图像倾斜度校正方法,该方法简单实用,能够快速、准确的检测出倾斜图像的倾斜角度,最终的校正结果也表明此方法对于心电图像的倾斜度校正确实是一种行之有效的方法。
附图说明
图1为本发明心电图像倾斜度校正方法流程图;
图2为本发明规整网格图及对应频谱图;
图3为本发明原心电图像及对应频谱图;
图4为本发明有倾斜的心电图像及对应频谱图;
图5为本发明各方向上的幅值平均值曲线图;
图6为本发明图像校正前后的对比图。
具体实施方式
该方法通过直接检测倾斜图像的频谱图像,计算频谱图像中在不同方向上的平均幅值并基于幅值最大值求取方法来获得倾斜角度。该方法简单实用,能够快速准确地检测出倾斜图像的倾斜角度,是一种高效的心电图像倾斜度校正方法。本发明所提出方法主要包括检测图像倾斜角度和根据倾斜角度将原始倾斜图像旋转校正两个方面的内容。
由于心电图像中最重要同时也最突出的组成部分就是网格背景,它在频谱图像中也有具体而明显的特征。如图2、3、4中的频谱图b),d),f)中均有两条垂直相交的高亮度谱线,它们与空间域图像中的网格背景有着直接的对应关系。针对一幅具有特定倾斜角度的心电图像而言,其在频谱图像中所对应的两条特征谱线也会有同样的倾斜角度。因此通过检测频谱图像中两条互相垂直高亮特征谱线的倾斜角度就可以获得空间域中原图像的倾斜角度,进而基于所检测出的倾斜角在空间域相对于图像中心通过刚体旋转变换方法即可实现图像倾斜度校正。
如图1所示心电图像倾斜度校正方法流程图,具体包括如下步骤:
1)倾斜角度检测:
首先需要对倾斜图像做傅里叶变换得到其频谱图像,然后提取频谱图像中的幅度谱成分并做对数变换。在这个过程中,对数变换实现了图像灰阶扩展和压缩的功能,它在扩展图像低灰度值的同时压缩图像高灰度值,让图像的灰度分布更加符合人的视觉特征。因此,做对数变换后的幅度谱图像更便于观察和运算。如图2所示规整网格图a)及对应频谱图b),如图3所示原心电图像c)及对应频谱图d),如图4所示有倾斜的心电图像e)及对应频谱图f)。
然后根据对数幅度谱图像检测倾斜角度。首先通过式(1)确定幅度图像的中心点位置o(p,q)。
其中m、n分别是幅度图像的宽度和高度,p、q是幅度图像中心的坐标。由于位置索引值只能取整,因此要将p、q值取整。为保证检测角度的精确度,对于检测倾斜角度的角度分辨率我们取对角线顶点相对于幅度图像中心点o变化1个单位对应的角度变化大小的一半,即
其中,是幅度图像对角线顶点与幅度图像中心点o的距离,dl等于1,表示相对于幅度图像中心半径为r处的单位弧长。对于角度分辨率为angle_resolution的检测方法来说,在[0,180]的角度范围中需要设置个点来存放角度信息。
设置三个列矩阵jx,sh,g分别用来存放各个角度所对应方向上的幅值总和、累加个数和幅值平均值。并按照图像I(i,j)的索引顺序i=1,2,…m;j=1,2,…n依次遍历整幅图像,计算每一个点相对于幅度图像中心的角度angle
每一个角度对应一个索引值index
对于像素点I(i,j),基于式(3)和(4)得到此点所对应角度angle和对应的索引值index,并以jx(index)表示索引值为index对应角度方向上的所有像素点幅值总和,计算时将满足索引值为index的像素点幅值f(i,j)(位于频谱图像第i行,第j列的像素点的幅度值)累加到向量分量jx(index)上去:
jx(index)=jx(index)+f(i,j)(5)
同时通过sh(index)累加1的方式记录下累加个数:
sh(index)=sh(index)+1(6)
其中,jx(index)和sh(index)初始值均为0。
根据公式(5)和(6)经过全部m×n个点的累加计算后得到索引值index对应的角度方向上的幅值平均值
这样,只需按从上到下、自左至右顺序扫描整个图像一次即可得各个角度所对应方向上的幅值平均值,如图5所示为各方向上的幅值平均值曲线图,比较向量g(·)中各值大小,即可通过检测两个波峰值得到平均幅值极大点所对应的角度索引值,其与原始图像的倾斜角度直接相关。
为保证倾斜角度检测的准确性,并考虑到两个波峰值所对应角度相差90°,而一般倾斜图像的倾斜角度不会超过90°,因此我们通过式(8)来具体计算倾斜角度,
其中s是从左至右第一波峰点所对应的索引值,l是第二波峰点所对应的索引值。
实例中获得的倾斜角度检测结果如下表1:
表1
分析表1中的数据可以看出,本发明所提出的倾斜角度检测方法对于角度的平均检测误差为0.0440°,均方差为0.0362°,误差都很小,这说明该方法对于倾斜角度的检测是非常准确的,本发明算法对于倾斜角度的检测效果接近完美并为后期的图像旋转校正处理奠定了坚实的基础。
2)图像倾斜度校正
根据步骤1)检测得的倾斜角度对空间域倾斜图像相对于幅度图像中心进行二维刚体旋转变换实现图像倾斜角度校正。如图6所示图像校正前后的对比图,a)为校正前,b)为校正后。
Claims (1)
1.一种心电图像倾斜度校正方法,其特征在于,具体包括如下步骤:
1)倾斜角度检测:
A: 对倾斜心电图像做傅里叶变换得到其频谱图像,然后提取频谱图像中的幅度谱成分并做对数变换得到待处理幅度图像;
B: 确定幅度图像的中心点位置,
,其中、分别是幅度图像的宽度和高度,p、q是幅度图像中心的坐标,p、 q值取整;角度分辨率,其中,是幅度图像对角线顶点与幅度图像中心点o的距离, dl等于1,表示相对于幅度图像中心半径为r处的单位弧长;
C:设置三个列向量jx,sh,g分别用来存放各个角度所对应方向上的幅值总和、累加个数和幅值平均值,
jx列向量计算方法:
计算每一个点相对于幅度图像中心的角度angle,
,其中;;
每个角度对应一个角度索引值为;
jx(index)为索引值index所对应角度方向上的所有像素点幅值总和,计算时将满足索引值index的像素点幅值累加到向量分量上去,即,同时,其中,向量分量和计数器分量sh(index)初始值均为0;
D: 根据步骤C遍历幅度图像全部个像素点并在各个相应角度方向上累加各图像像素点所对应的幅值并进行计数,最后计算每个角度索引所对应方向上的幅值平均值为,
索引值index对应的幅值平均值为;
E:比较幅值平均值向量中各值大小,得到各方向上的幅值平均值曲线图,从图中可检测两个波峰点;
F: 倾斜角度,其中s是从左至右第一波峰点所对应的索引值,l是第二波峰点所对应的索引值;
2)根据步骤1)检测得的倾斜角度对空间域倾斜图像相对于幅度图像中心进行二维刚体旋转变换实现图像倾斜角度校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410358221.6A CN104103047B (zh) | 2014-07-25 | 2014-07-25 | 一种心电图像倾斜度校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410358221.6A CN104103047B (zh) | 2014-07-25 | 2014-07-25 | 一种心电图像倾斜度校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104103047A CN104103047A (zh) | 2014-10-15 |
CN104103047B true CN104103047B (zh) | 2017-02-08 |
Family
ID=51671174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410358221.6A Expired - Fee Related CN104103047B (zh) | 2014-07-25 | 2014-07-25 | 一种心电图像倾斜度校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104103047B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220644B (zh) * | 2017-04-18 | 2020-04-24 | 天津大学 | 一种心电图扫描图像倾斜度校正方法 |
CN110111842B (zh) * | 2018-01-29 | 2021-06-29 | 深圳华大智造科技股份有限公司 | 图像清晰度分析及对焦方法、测序仪、系统与存储介质 |
CN109614972A (zh) * | 2018-12-06 | 2019-04-12 | 泰康保险集团股份有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
CN109718037B (zh) * | 2019-01-10 | 2020-11-24 | 周世香 | 就诊人体护理平台 |
CN110570398A (zh) * | 2019-08-14 | 2019-12-13 | 兰州理工大学 | 一种基于深度学习技术的线缆接头焊点合格性检测方法 |
CN111160339B (zh) * | 2019-12-24 | 2023-05-16 | 浙江大华技术股份有限公司 | 车牌矫正方法、图像处理设备及具有存储功能的装置 |
CN117745808B (zh) * | 2024-02-19 | 2024-05-03 | 南通市计量检定测试所 | 一种基于摄影测量的心电图像定位比对方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5987162A (en) * | 1996-03-27 | 1999-11-16 | Mitsubishi Denki Kabushiki Kaisha | Image processing method and apparatus for recognizing an arrangement of an object |
CN1755707A (zh) * | 2004-09-30 | 2006-04-05 | 德鑫科技股份有限公司 | 一种倾斜图像自动校正方法 |
CN101118596A (zh) * | 2007-09-04 | 2008-02-06 | 西安理工大学 | 一种基于支持向量机的车牌倾斜校正方法 |
CN101625760A (zh) * | 2009-07-28 | 2010-01-13 | 谭洪舟 | 一种证件图像倾斜校正的办法 |
CN102496018A (zh) * | 2011-12-08 | 2012-06-13 | 方正国际软件有限公司 | 一种文档倾斜检测方法及系统 |
-
2014
- 2014-07-25 CN CN201410358221.6A patent/CN104103047B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5987162A (en) * | 1996-03-27 | 1999-11-16 | Mitsubishi Denki Kabushiki Kaisha | Image processing method and apparatus for recognizing an arrangement of an object |
CN1755707A (zh) * | 2004-09-30 | 2006-04-05 | 德鑫科技股份有限公司 | 一种倾斜图像自动校正方法 |
CN101118596A (zh) * | 2007-09-04 | 2008-02-06 | 西安理工大学 | 一种基于支持向量机的车牌倾斜校正方法 |
CN101625760A (zh) * | 2009-07-28 | 2010-01-13 | 谭洪舟 | 一种证件图像倾斜校正的办法 |
CN102496018A (zh) * | 2011-12-08 | 2012-06-13 | 方正国际软件有限公司 | 一种文档倾斜检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
王志成等.记录图纸中ECG曲线数字化的方法研究.《华中科技大学学报(自然科学版)》.2003, * |
Also Published As
Publication number | Publication date |
---|---|
CN104103047A (zh) | 2014-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104103047B (zh) | 一种心电图像倾斜度校正方法 | |
CN104484667B (zh) | 一种基于亮度特征和轮廓完整性的轮廓提取方法 | |
CN104318548B (zh) | 一种基于空间稀疏度和sift特征提取的快速图像配准实现方法 | |
CN104613944B (zh) | 一种基于gwr和bp神经网络的分布式水深预测方法 | |
CN101251926B (zh) | 一种基于局部轮廓协方差矩阵的遥感图像配准方法 | |
CN105787937B (zh) | 一种基于osm的高分辨遥感影像道路变化检测方法 | |
CN105205858A (zh) | 一种基于单个深度视觉传感器的室内场景三维重建方法 | |
CN108051810A (zh) | 一种InSAR分布式散射体相位优化方法 | |
CN103983343B (zh) | 一种基于多光谱影像的卫星平台震颤检测方法及系统 | |
CN106548462A (zh) | 基于薄板样条插值的非线性sar图像几何校正方法 | |
CN105427298A (zh) | 基于各向异性梯度尺度空间的遥感图像配准方法 | |
CN103325105B (zh) | 一种高精度合成孔径雷达图像自动配准方法及设备 | |
CN105744256A (zh) | 基于图谱视觉显著的立体图像质量客观评价方法 | |
CN104764407B (zh) | 一种电缆护套厚度的精细测量方法 | |
CN105631872B (zh) | 基于多特征点的遥感图像配准方法 | |
CN101465002A (zh) | 椭圆目标的亚像素边缘定位方法 | |
CN105225216A (zh) | 基于空间距圆标记边缘检测的虹膜预处理算法 | |
CN103984929B (zh) | 扭曲指纹的校正方法及系统 | |
CN105654423A (zh) | 基于区域的遥感图像配准方法 | |
CN106682678A (zh) | 一种基于支撑域的图像角点检测和分类方法 | |
CN102096920B (zh) | 基于标靶图像的亚像素配准方法 | |
CN106384363A (zh) | 一种快速自适应权重立体匹配算法 | |
CN103839075B (zh) | 一种基于联合稀疏表示的sar图像分类方法 | |
CN104867106A (zh) | 一种深度图超分辨率方法 | |
CN110161503A (zh) | 基于三维等距圆模型的近距宽域sar高分辨成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Chen Zhaoxue Inventor after: Guo Yaoyao Inventor after: Yao Xiaofen Inventor after: Zhang Mengxue Inventor before: Chen Zhaoxue Inventor before: Guo Yaoyao Inventor before: Yao Xiaofen |
|
COR | Change of bibliographic data | ||
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 Termination date: 20190725 |