CN104239887B - 一种医学图像处理方法及装置 - Google Patents

Abstract

本发明公开了一种医学图像的处理方法及装置，上述装置包括：原始图像获取模块，识别模块，均值估计模块，差分运算模块，非线性处理模块以及显示模块。本发明避免了靠近强亮度结构体附近的孤立亮点的漏检，以及降低了较小结构体被误检出为孤立目标点的概率。

Description

一种医学图像处理方法及装置

技术领域

本发明涉及图像处理领域，尤其涉及一种医学图像处理方法及装置。

背景技术

CFAR(Constant False Alarm Rate，恒虚警率)技术首先在雷达信号处理领域被提出，用于目标的检测；其基本原理为估计信号局部的均值作为背景杂波的估计，当前信号值与估计的背景值相比较，当超过某个设定阈值时即判断为检测到目标。后续延伸出多种CFAR的变形，但基本原理都类似，只是在均值估计方法上进行了优化。同样基于该技术在图像上的延伸，可以用于图像上孤立目标点的检测。授权公告号为CN1915178B，名为超声波诊断装置和超声波图像处理方法的专利，提出利用CFAR技术和MIP(Maximum IntensityProjection，最大密度投影)技术结合的方式，对相邻的多帧超声图像进行高亮钙化点的检测。该专利中提出了多种局部背景亮度估计的均值算子，并结合多帧图像极大值显示，提高钙化点的显示效果。

CFAR技术的假设是背景噪声是均匀的，虽然一些变形算子用于两个不同背景噪声交界处的检测率改进，但所述的两个背景噪声各自都还是均匀的；而实际上医学图像上由于人体组织的差异性导致图像上均匀组织和复杂的组织界面均存在，现有技术中的均值算子都是各向同性的，即均值估计不带有方向性。当孤立目标的亮点在均匀组织中时，这种算法会得到良好的检测效果，但是当目标靠近组织界面时，因为组织界面往往在医学图像中显示为更强的亮度，局部均值的背景估计也将是有较强的亮度，掩盖了所述孤立目标从而漏检。多帧的MIP技术可以让在单帧显示的孤立目标保持较长的显示时间，从而提高肉眼发现的概率，但对于靠近高亮组织界面的目标依然很难检测到。另外，一些小的结构体也很容易被误判为目标。

发明内容

本发明的目的是，提供一种医学图像处理方法及装置，以改善现有技术中医学图像中均匀组织与结构体采用同一种处理方法导致的位于结构体上的目标像素被漏检的问题，以提高目标的检出率。

本发明公开了一种医学图像的处理方法，包括：

步骤A：获取原始图像信息；

步骤B：识别原始图像中的均匀组织像素与结构体像素；

步骤C：对均匀组织像素进行各向同性均值估计，对结构体像素沿着结构体的方向进行各向异性均值估计，得到背景图像；

步骤D：用原始图像减去背景图像，得到差分图像；

步骤E：对上述差分图像进行非线性处理；

步骤F：显示处理后的差分图像。

优选地，上述步骤B通过判别邻域方式识别原始图像中的像素是均匀组织像素还是结构体像素，具体如下：

在当前像素的邻域获取n*n-1个像素，与当前像素一起组成n×n的矩阵，其中n为大于等于3的奇数，上述当前像素位于上述矩阵的中间位置；

提取上述矩阵中至少呈“米”字的四个方向，每个方向至少3个像素且必须包含当前像素，得到至少四个像素组；

分别计算每个像素组的方差；

判断得到的方差中最大方差与预设的阈值的大小；

若上述最大方差小于上述阈值，则当前像素所在位置为均匀组织；

若上述最大方差大于等于上述阈值，则当前像素所在位置为结构体。

优选地，上述方法进一步包括如下步骤：

继续对均匀组织像素继续进行2次以上各向同性均值估计，对结构体像素沿着结构体的方向进行2次以上各向异性均值估计，得到平滑的背景图像。

优选地，上述方法在显示前，还进一步执行以下步骤：

将非线性处理后的差分图像与上述原始图像叠加融合。

优选地，上述方法在显示前，还进一步执行以下步骤：

将非线性处理后的差分图像与上述背景图像叠加融合。

优选地，上述方法在显示差分图像的同时显示原始图像。

优选地，上述各向异性均值估计为各向异性滤波运算或各向异性扩散运算。

本发明进一步公开了一种医学图像的处理装置，上述装置包括：

原始图像获取模块，用于获取原始图像信息；

识别模块，用于识别原始图像中的均匀组织像素与结构体像素；

均值估计模块，用于对均匀组织像素进行各向同性均值估计，对结构体像素沿着结构体的方向进行各向异性均值估计，得到背景图像；

差分运算模块，用于用原始图像减去背景图像，得到差分图像；

非线性处理模块，用于对差分图像进行非线性处理；

显示模块，用于显示处理后的差分图像。

优选地，上述识别模块，用于在当前像素的邻域获取n*n-1个像素，与当前像素一起组成n×n的矩阵，其中n为大于等于3的奇数，上述当前像素位于上述矩阵的中间位置；提取上述矩阵中至少呈“米”字的四个方向，每个方向至少3个像素且必须包含当前像素，得到至少四个像素组；分别计算每个像素组的方差；判断得到的方差中最大方差与预设的阈值的大小；若上述最大方差小于上述阈值，则当前像素所在位置为均匀组织；若上述最大方差大于等于上述阈值，则当前像素所在位置为结构体。

优选地，上述装置还包括叠加融合模块，上述

叠加融合模块，用于将非线性处理后的差分图像与原始图像叠加融合；或者将非线性处理后的差分图像与背景图像叠加融合；

显示装置，用于显示经上述叠加融合模块处理后的差分图像及原始图像。

本发明避免了靠近强亮度结构体附近的孤立亮点的漏检，以及降低较小结构体被误检出为孤立目标点的概率。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明所述的医学图像的处理方法优选实施例的流程图；

图2是图1中步骤S102的具体流程图；

图3是原始图像上的像素在3*3邻域上形成的矩阵示意图；

图4是本发明所述医学图像处理装置优选实施例的原理框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，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用以解释本发明，并不用于限定本发明。

如图1所示，是本发明所述的医学图像的处理方法优选实施例的流程图，具体包括以下步骤：

步骤S101：获取原始图像信息；

步骤S102：识别像素，具体为：识别原始图像中的均匀组织像素与结构体像素；

本发明通过判别邻域方式识别原始图像中的均匀组织像素与结构体像素；具体如图2所示。

步骤S103：对像素进行均值估计，具体为：对均匀组织像素进行2次以上的各向同性均值估计，对结构体像素沿着结构体的方向进行2次以上的各向异性均值估计，得到平滑的背景图像；

值得说明的是，在其他实施例中，本步骤可以只对均匀组织像素及结构体像素均进行一次均值估计，但是由于无论是对均匀组织的像素还是对结构体的像素进行一次均值估计的操作后获得的背景图像相对来说还比较粗糙，为了获得更加平滑的背景图像，本实施例进行了多次估计，从而获得较平滑的背景图；其中，对结构体像素沿着结构体的方向进行的各向异性的均值估计可以是各向异性滤波运算，也可以是各向异性扩散运算，各向异性滤波运算及各向异性扩散运算均为现有技术，此处不再详细描述。

步骤S104：对图像进行差分处理，具体为：用原始图像减去背景图像，得到差分图像；

步骤S105：对上述差分图像进行非线性处理；

由于高亮孤立像素的像素值较高，因此原始图像与背景图像相减的结果必然为正数；所以本步骤最简单的处理方式为，将差分图像的正数保留，负数置0，但这样简单的处理方式效果一般；为了达到更好的效果，可以进一步将差分图像中的正数像素进行统计分析，例如进行直方图概率密度分析等。由于孤立像素在图像上所占的比例很小，例如假设孤立点所占比例为10％，则通过概率密度分析后，从中找出10％的高亮像素对应的像素值，即有90％的像素值小于上述像素值，以上述像素值作为判别阈值，低于该阈值的判别为噪声，高于该阈值的像素才判别为孤立高亮目标像素。为了提高目标像素显示效果，将低于阈值的噪声置0，而高于阈值的像素则保留，具体处理方式可以采用软阈值法，即将低于阈值的像素值置0，高于阈值的像素值减去阈值后乘以一个大于1的增强系数，用以放大目标像素的显示效果。当然在其他实施例中，也可以利用其他非线性的映射函数，实现低于阈值部分像素值的衰减和高于阈值像素值的放大。

步骤S106：对图像进行叠加融合，具体为：将非线性处理后的差分图像与原始图像叠加融合；或者将非线性处理后的差分图像与背景图像叠加融合；

本步骤是为了进一步降低漏检率；在其他实施例中，也可以省略本步骤；

叠加融合可以是简单的两幅图像相加融合，也可以通过将图像当前像素的像素值查表索引一个新的映射值，例如由原始的灰阶图映射为新的彩色图，从而提高目标像素的显示效果。

步骤S107：显示叠加融合后的图像及原始图像。

在其他实施例中，根据实际需要，可仅显示非线性处理后的差分图像，或者仅显示叠加融合后的图像。

如图2所示，是图1中步骤S102的具体流程图；本发明通过判别邻域方式识别原始图像中的像素是均匀组织像素还是结构体像素，具体包括以下步骤：

步骤S1021：在当前像素的邻域获取n*n-1个像素，与当前像素一起组成n×n的矩阵，其中n为大于等于3的奇数，上述当前像素位于上述矩阵的中间位置；

步骤S1022：提取上述矩阵中至少呈“米”字的四个方向，每个方向至少3个像素且必须包含当前像素，得到至少四个像素组；

如图3所示，是原始图像上的像素在3*3邻域上形成的矩阵示意图，9个像素依次编号为0,1,2,3,4,5,6,7,8；9个像素根据“米”字格，可以识别为四个方向，每个方向3个像素，则四个像素组为：

(0,4,8)；(1,4,7)；(2,4,6)；(3,4,5)；

目标像素的邻域越大，则可识别的方向越多，识别的准确性也就越高；比如，若矩阵为5*5，则可识别8个方向。

步骤S1023：分别计算每个像素组的方差；

方差只是用来衡量一组数值是否相近，标准偏差或者是每个像素值与均值相减的绝对值之和也能用来衡量一组像素数值是否相近，因此也可用于本发明中均匀组织像素和结构体像素的识别。

由于均匀组织各个方向都比较一致，所以各个方向的像素方差都较小，而对于结构体则往往沿结构体方向方差较小，垂直于结构体方向则方差较大，利用这一特性，本发明预先设置一个阈值，用以判断目标像素是均匀组织像素还是结构体像素；

步骤S1024：判断得到的方差中最大方差与预设的阈值的大小；若上述最大方差小于上述阈值，则执行步骤S1025；若上述最大方差大于等于上述阈值，则执行步骤S1026；

步骤S1025：当前像素所在位置为均匀组织；当前像素识别结束；

步骤S1026：当前像素所在位置为结构体，记录所有方差中最小值对应的方向，当前像素识别结束。

方差最小值对应的方向，即为结构体位于该像素的方向。

上述方法只是一种均匀组织像素和结构体像素识别的方法，同样基于邻域分析的当前像素二维梯度运算方法也可以用于均匀组织像素和结构体像素的识别，即梯度较大的像素判别为结构体，否则为均匀组织，而且通过二维梯度方法也可以识别结构体的方向，该方法属于本领域人员公知技术，本发明不再详细描述。

如图4所示，是本发明所述医学图像处理装置优选实施例的原理框图；包括：

原始图像获取模块10，用于获取原始图像信息；

识别模块20，用于通过判别邻域方式识别原始图像中的均匀组织像素与结构体像素；具体为：在当前像素的邻域获取n*n-1个像素，与当前像素一起组成n×n的矩阵，其中n为大于等于3的奇数，上述当前像素位于上述矩阵的中间位置；提取上述矩阵中至少呈“米”字的四个方向，每个方向至少3个像素且必须包含当前像素，得到至少四个像素组；分别计算每个像素组的方差；判断得到的方差中最大方差与预设的阈值的大小；若上述最大方差小于上述阈值，则当前像素所在位置为均匀组织；若上述最大方差大于等于上述阈值，则当前像素所在位置为结构体；

均值估计模块30，用于对均匀组织像素进行各向同性均值估计，对结构体像素沿着结构体的方向进行各向异性均值估计，得到背景图像；

差分运算模块40，用于用原始图像减去背景图像，得到差分图像；

非线性处理模块50，用于对差分图像进行非线性处理；

叠加融合模块60，用于将经非线性处理模块50处理后的差分图像与原始图像叠加融合；或者将经非线性处理模块50处理后的差分图像与背景图像叠加融合；

本模块是为了提高目标点的显示效果，从而进一步降低漏检率，在其他实施例中，可以省略本模块；

显示模块70，用于显示经叠加融合模块60处理后的差分图像和/或背景图像、原始图像。

上述说明示出并描述了本发明的优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (8)

1.一种医学图像的处理方法，其特征在于，应用于医学图像上孤立亮点的检测，包括：

步骤A：获取原始图像信息；

步骤B：识别原始图像中的均匀组织像素与结构体像素；

步骤C：对均匀组织像素进行各向同性均值估计，对结构体像素沿着结构体的方向进行各向异性均值估计，得到背景图像；

步骤D：用原始图像减去背景图像，得到差分图像；

步骤E：对所述差分图像进行非线性处理；

步骤F：显示处理后的差分图像；

其中，所述步骤B通过判别邻域方式识别原始图像中的像素是均匀组织像素还是结构体像素，具体如下：

在当前像素的邻域获取n*n-1个像素，与当前像素一起组成n×n的矩阵，其中n为大于等于3的奇数，所述当前像素位于所述矩阵的中间位置；

提取所述矩阵中至少呈“米”字的四个方向，每个方向至少3个像素且必须包含当前像素，得到至少四个像素组；

分别计算每个像素组的方差；

判断得到的方差中最大方差与预设的阈值的大小；

若所述最大方差小于所述阈值，则当前像素所在位置为均匀组织；

若所述最大方差大于等于所述阈值，则当前像素所在位置为结构体。

2.如权利要求1所述的方法，其特征在于，所述方法进一步包括如下步骤：

继续对均匀组织像素继续进行2次以上各向同性均值估计，对结构体像素沿着结构体的方向进行2次以上各向异性均值估计，得到平滑的背景图像。

3.如权利要求1所述的方法，其特征在于，所述方法在显示前，还进一步执行以下步骤：

将非线性处理后的差分图像与所述原始图像叠加融合。

4.如权利要求1或2所述的方法，其特征在于，所述方法在显示前，还进一步执行以下步骤：

将非线性处理后的差分图像与所述背景图像叠加融合。

5.如权利要求1所述的方法，其特征在于，所述方法在显示差分图像的同时显示原始图像。

6.如权利要求1或2所述的方法，其特征在于，所述各向异性均值估计为各向异性滤波运算或各向异性扩散运算。

7.一种医学图像的处理装置，其特征在于，所述装置包括：

原始图像获取模块，用于获取原始图像信息；

识别模块，用于识别原始图像中的均匀组织像素与结构体像素；

均值估计模块，用于对均匀组织像素进行各向同性均值估计，对结构体像素沿着结构体的方向进行各向异性均值估计，得到背景图像；

差分运算模块，用于用原始图像减去背景图像，得到差分图像；

非线性处理模块，用于对差分图像进行非线性处理；

显示模块，用于显示处理后的差分图像；

其中，所述识别模块，用于在当前像素的邻域获取n*n-1个像素，与当前像素一起组成n×n的矩阵，其中n为大于等于3的奇数，所述当前像素位于所述矩阵的中间位置；提取所述矩阵中至少呈“米”字的四个方向，每个方向至少3个像素且必须包含当前像素，得到至少四个像素组；分别计算每个像素组的方差；判断得到的方差中最大方差与预设的阈值的大小；若所述最大方差小于所述阈值，则当前像素所在位置为均匀组织；若所述最大方差大于等于所述阈值，则当前像素所在位置为结构体。

8.如权利要求7所述的装置，其特征在于，所述装置还包括叠加融合模块，所述

叠加融合模块，用于将非线性处理后的差分图像与原始图像叠加融合；或者将非线性处理后的差分图像与背景图像叠加融合；

显示装置，用于显示经所述叠加融合模块处理后的差分图像及原始图像。