CN104574327A - 一种乳腺图像处理方法和装置 - Google Patents

Abstract

本发明实施例公开了一种乳腺图像处理方法和装置，所述方法包括：提取乳腺图像的腺体区域；获取所述腺体区域的腺体分布特征；将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型；确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。与现有技术相比，本发明根据乳腺图像的腺体分布特征，区别处理不同类型的乳腺图像，能够使得处理结果更有针对性，准确率更高。

Description

一种乳腺图像处理方法和装置

技术领域

本发明涉及图像处理技术领域，具体涉及一种乳腺图像处理方法和装置。

背景技术

由于不同患者的腺体组成成分不同，且乳腺的腺体分布更为变化多样，所以，对于不同患者的乳腺X线图像(以下简称乳腺图像)可能存在较大区别，这些区别可能导致乳腺图像的边缘信息、对比度和噪声等特征均有所不同。

目前，处理不同类型的乳腺图像仅局限于运用相同的一套乳腺图像处理方法，并未针对不同的乳腺图像进行区别处理，这会导致得到的乳腺图像处理结果细节信息模糊机率变大。如对不同类型的乳腺图像进行增强处理时，只是运用固定的一套乳腺图像增强方法，可能会导致一部分乳腺图像欠增强，而另一部分乳腺图像过增强的问题，最终使得乳腺图像的细节信息或病变信息无法被清晰显示。

发明内容

有鉴于此，本发明提供了一种乳腺图像处理方法和装置。

本发明提供了一种乳腺图像处理方法，所述方法包括：

提取乳腺图像的腺体区域；

获取所述腺体区域的腺体分布特征；

将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型；

确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。

优选地，所述提取乳腺图像的腺体区域，包括：

确定乳腺图像的皮肤线位置，并根据所述皮肤线位置，确定所述乳腺图像的乳头位置；

将所述乳腺图像的乳头位置的预设范围内的区域切分为若干等大的子区域，并计算各个子区域的标准差与最大灰度值的比值；

将所述比值大于预设值的子区域确定为腺体边界区域，并计算各个腺体边界区域的分割阈值；

将各个腺体边界区域的分割阈值的平均值作为所述乳腺图像的分割腺体区域阈值，对所述乳腺图像的所述腺体边界区域进行分割，得到腺体区域。

优选地，所述获取所述腺体区域的腺体分布特征，包括：

对所述腺体区域进行平滑处理后，计算所述腺体区域的直方图；

对所述直方图进行灰度腐蚀处理后，将最接近所述直方图的横坐标最小值的波谷位置确定为A点，并将所述直方图中距离所述A点最近的局部波峰位置确定为B点；

计算所述A点与所述B点构成的直线的斜率，所述斜率用于表示所述腺体区域的腺体分布特征。

优选地，所述方法还包括：

根据所述腺体区域占所述乳腺图像的前景部分的比例，确定所述乳腺图像的乳腺密度；

相应的，将所述腺体分布特征与预设的乳腺图像特征分类标准进行比较，确定所述乳腺图像的图像类型，具体为：

结合所述乳腺密度和所述腺体分布特征，与预设的乳腺图像特征分类标准进行比较，确定所述乳腺图像的图像类型。

优选地，所述确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理，包括：

预先设置图像类型与乳腺图像增强方式的对应关系；

确定与所述乳腺图像的图像类型相对应的乳腺图像增强方式；

利用所述乳腺图像增强方式对所述乳腺图像进行增强。

本发明还提供了一种乳腺图像处理装置，所述装置包括：

提取模块，用于提取乳腺图像的腺体区域；

获取模块，用于获取所述腺体区域的腺体分布特征；

比较模块，用于将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型；

处理模块，用于确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。

优选地，所述提取模块包括：

第一确定子模块，用于确定乳腺图像的皮肤线位置，并根据所述皮肤线位置，确定所述乳腺图像的乳头位置；

划分子模块，用于将所述乳腺图像的乳头位置的预设范围内的区域切分为若干等大的子区域，并计算各个子区域的标准差与最大灰度值的比值；

第二确定子模块，用于将所述比值大于预设值的子区域确定为腺体边界区域，并计算各个腺体边界区域的分割阈值；

分割子模块，用于将各个腺体边界区域的分割阈值的平均值作为所述乳腺图像的分割腺体区域阈值，对所述乳腺图像的所述腺体边界区域进行分割，得到腺体区域。

优选地，所述获取模块包括：

第一计算子模块，用于对所述腺体区域进行平滑处理后，计算所述腺体区域的直方图；

第三确定子模块，用于对所述直方图进行灰度腐蚀处理后，将最接近所述直方图的横坐标最小值的波谷位置确定为A点，并将所述直方图中距离所述A点最近的局部波峰位置确定为B点；

第二计算子模块，用于计算所述A点与所述B点构成的直线的斜率，所述斜率用于表示所述腺体区域的腺体分布特征。

优选地，所述装置还包括：

确定模块，用于根据所述腺体区域占所述乳腺图像的前景部分的比例，确定所述乳腺图像的乳腺密度；

相应的，所述比较模块，具体用于结合所述乳腺密度和所述腺体分布特征，与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型。

优选地，所述处理模块包括：

设置子模块，用于预先设置图像类型与乳腺图像增强方式的对应关系；

第四确定子模块，用于确定与所述乳腺图像的图像类型相对应的乳腺图像增强方式；

增强子模块，用于利用所述乳腺图像增强方式对所述乳腺图像进行增强。

本发明提供一种乳腺图像处理方法，首先提取乳腺图像的腺体区域；其次，获取所述腺体区域的腺体分布特征；再次，将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型；最后，确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。与现有技术相比，本发明根据乳腺图像的腺体分布特征，区别处理不同类型的乳腺图像，能够使得处理结果细节信息更清楚，准确率更高。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的一种乳腺图像处理方法流程图；

图2(a)为本发明实施例一提供的原始的乳腺X线图像；

图2(b)为本发明实施例一提供的对所述乳腺X线图像的前景区域取反色，并利用合适的窗宽窗位显示的图像示意图；

图2(c)为图2(a)所示的乳腺图像的前景区域直方图；

图3(a)为本发明实施例一提供的候选的腺体区域示意图；

图3(b)为本发明实施例一提供的所述乳腺图像中确定的腺体边界区域示意图；

图3(c)为本发明实施例一提供的为所述乳腺图像中确定的腺体区域示意图；

图4为本发明实施例一提供的一种乳腺图像的腺体区域的直方图示意图；

图5为本发明实施例一提供的两种不同类型的乳腺图像的腺体区域的直方图

图6为本发明实施例一提供的另一种乳腺图像处理方法流程图；

图7(a)为本发明实施例一提供的多尺度增强的第一层和第二层的参数设置列表示意图；

图7(b)为本发明实施例一提供的多尺度增强的第三层和第四层的参数设列表示意图；

图7(c)为本发明实施例一提供的多尺度增强的第五层的参数设置列表示意图；

图8为本发明实施例一提供的利用不同参数对乳腺图像进行增强处理后腺体区域的局部灰度变化图；

图9为本发明实施例二提供的一种乳腺图像处理装置结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例一

参考图1，图1为本发明实施例一提供的乳腺图像处理方法流程图，所述方法包括：

S101：提取乳腺图像的腺体区域。

由于乳腺图像的腺体区域可以反映乳腺的腺体分布情况，所以，本实施例在对所述乳腺图像进行处理之前，首先需要提取乳腺图像的腺体区域。具体的提取乳腺图像的腺体区域的方法较多，本实施例所使用的方法不限定保护范围。

实际应用中，可以根据乳腺图像的乳头位置和所述乳头位置的附近区域的特征确定腺体区域。具体的，首先确定乳腺图像的皮肤线位置。其中，可以通过分割乳腺图像得到所述乳腺图像的前景区域，进而确定所述乳腺图像的皮肤线位置。具体的，可以利用灰度或梯度等特征进行分割，寻找所述乳腺图像的前景二值区域边界，并将其作为皮肤线位置。其次，根据所述皮肤线位置，确定所述乳腺图像的乳头位置。其中，可以通过所述乳腺图像的皮肤线拐点或者曲率等特征确定乳头位置。再次，将所述乳腺图像的乳头位置的预设范围内的区域切分为若干等大的子区域，并计算各个子区域的标准差与最大灰度值的比值。如图2(a)所示，为原始的乳腺X线图像。图2(b)所示，为对所述乳腺X线图像的前景区域取反色，并利用合适的窗宽窗位显示的图像。本实施例后续的处理均是在图2(a)的基础上进行的，处理结果均是在图2(b)基础上显示的。具体的，如图3(a)所示，为对图2(a)进行分割处理得到的候选腺体区域示意图，为帮助结果看得更清楚，显示在图2(b)基础上。其中，在选择子区域时，可以选择128×128像素尺寸的区域作为子区域，尽量不考虑靠近边界和靠近皮肤线的区域。在各个子区域切分完成后，计算各个子区域的标准差。具体的，按照公式(1)计算每个小区域标准差：

$S\tan \mathrm{dard}={\left(\frac{1}{M\×N}\underset{i=0}{\overset{N}{\mathrm{\Σ}}}\underset{j=0}{\overset{M}{\mathrm{\Σ}}}{(I_{\mathrm{ROI}}(i,j)-\mathrm{\μ})}^2\right)}^{\frac{1}{2}}---\left(1\right)$

其中，I_ROI表示每个子区域灰度值，M,N分别为子区域的宽度和高度，μ为子区域均值。再次，利用公式(2)计算各个子区域的标准差与所述子区域内的最大灰度值的比值R：

$R=\frac{S\tan \mathrm{dard}}{\mathrm{MaxGray}}---\left(2\right)$

其中，MaxGray为所述子区域内的最大灰度值。

最后，选择各个子区域中比值R大于预设值的子区域作为腺体边界区域。如图3(b)所示，为所述乳腺图像中确定的腺体边界区域示意图。当确定所述乳腺图像的腺体边界区域后，计算各个腺体边界区域的分割阈值。比如，可以根据灰度，利用大津阈值法或者区域增长等分割方法，得到各个腺体边界区域的分割阈值。计算各个腺体边界区域的分割阈值的平均值，并将所述平均值作为所述乳腺图像的分割腺体区域阈值，最终对所述乳腺图像的所述腺体边界区域进行分割，得到腺体区域。如图3(c)所示，为所述乳腺图像中确定的腺体区域示意图，其中，轮廓线表示腺体区域的边界。

另一种提取乳腺图像的腺体区域的方法中，可以根据所述乳腺图像的乳腺密度确定腺体区域。

具体的，首先通过图像处理分割方法分割乳腺图像得到前景区域，比如可以利用灰度或梯度等特征进行分割，并计算前景区域直方图。其次，根据所述乳腺图像的乳腺密度α，并在所述前景区域直方图中，从左侧开始选择面积直到所选择的面积占整个前景区域直方图面积比例等于α，将该选择的面积对应的像素灰度值作为分割腺体阈值。在前景区域中将像素灰度值不大于该分割腺体阈值的像素灰度值的区域作为腺体区域。

如图2(c)所示，图2(c)为图2(a)所示的乳腺图像的前景区域直方图，其中标记了根据腺体密度α确定的分割腺体区域的阈值位置。其中，根据所述阈值确定所述乳腺图像的腺体区域即可。

S102：获取所述腺体区域的腺体分布特征。

本实施例中，提取所述乳腺图像的腺体区域后，获取所述腺体区域的腺体分布特征。其中，所述腺体分布特征为用于表征所述腺体区域集中度的特征。本实施例可以提取所述腺体区域的不同特征，能够达到分辨乳腺腺体集中度即可。

实际应用中，可以根据腺体区域灰度特征，分析腺体区域直方图形状，分类出腺体集中特征不同的图像。具体的，首先对所述腺体区域进行平滑处理，以便去除所述腺体区域的噪声等干扰信息。其中，可以利用平滑滤波器平滑所述腺体区域，具体的，可以使用高斯滤波器平滑所述腺体区域。其次，计算所述腺体区域的直方图。参考图4，为一种乳腺图像的腺体区域的直方图示意图。横坐标表示像素灰度值，纵坐标表示处于同一灰度值的像素个数。之后对计算得到的直方图进行灰度腐蚀处理，也就是说，可以利用灰度腐蚀形态学操作去除直方图的毛刺，避免其对后续算法的影响。具体的，可以选择较小的腐蚀尺寸对所述直方图进行腐蚀，例如腐蚀尺寸等于5。再次，如图4，将最接近所述直方图的横坐标最小值的波谷位置确定为A点，并将所述直方图中距离所述A点最近的局部波峰位置确定为B点。其中，局部波峰为一定范围内的波峰，不同于所述直方图整体的波峰。将所述直方图上的A点和B点连接构成直线，并计算该直线的斜率。所述斜率可以用于表示所述腺体区域的腺体分布特征。如图5所示，为两种不同类型的乳腺图像的腺体区域的直方图。其中，粗线表示腺体-集中度较高型乳腺图像的直方图，细线表示腺体集中度较低型乳腺图像的直方图。从图中对比可知，A点和B点连接直线的斜率大于A’点和B’点连接直线的斜率。也就是说，通过直方图中确定的两点连成直线的斜率可以确定腺体区域的腺体分布特征。另外，本实施例还可以根据腺体区域的纹理特征，确定所述腺体区域的分布特征。具体的，首先计算0°，45°，90°，135°四个角度的灰度共生矩阵，灰度共生矩阵是指图像灰度在一定距离一定方向上的变化程度，反映乳腺图像上像素之间不同方向的空间分布、变化幅度等信息。其次，根据所述灰度共生矩阵，计算所述腺体区域的对比度、一致性、相关性、聚类等特征表征不同的纹理信息。例如，腺体分布集中的乳腺图像的灰度差较大的像素对数量少，因此灰度共生矩阵对比度特征值小，反之该特征值较大。因此，可以通过训练灰度共生矩阵的多个纹理特征，得到相关特征模型，从而利用纹理特征模型分类出所述腺体区域集中度特征不同的乳腺图像。

值的说明的是，本实施例也可以通过其他方式获取所述腺体区域的腺体分布特征，不局限于上述两种。

S103：将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型。

本实施例中，预先设置乳腺图像分类标准，其中，所述乳腺图像分类标准可以是乳腺图像的图像类型与腺体分布特征的对应关系。具体的，可以将所述腺体分布特征与所述乳腺图像分类标准中各个图像类型对应的腺体分布特征比较，当所述腺体分布特征确定匹配的图像类型后，可以将所述图像类型确定为所述乳腺图像的图像类型。

其中，乳腺图像的图像类型可以包括腺体集中型、腺体非集中型。或者，还可以根据腺体分布特征将乳腺图像划分为若干种类型，具体类型的个数不做限制。

S104：确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。

本实施例中，可以预先设置各种类型的乳腺图像的处理方式，当确定所述乳腺图像的图像类型后，可以直接利用与其对应的处理方式对所述乳腺图像进行处理。

实际应用中，可以将上述乳腺图像处理方法应用于乳腺图像增强领域。具体的，预先设置图像类型与乳腺图像增强方式的对应关系。其次，确定与所述乳腺图像的图像类型相对应的乳腺图像增强方式。最后，利用所述乳腺图像增强方式对所述乳腺图像进行增强。

其中，本实施例可以利用金字塔或者小波变换等多尺度乳腺图像增强方法增强所述乳腺图像，并针对所述乳腺图像的图像类型控制增强方法的等级。

本发明实施例提供一种乳腺图像处理方法，首先提取乳腺图像的腺体区域；其次，获取所述腺体区域的腺体分布特征；再次，将所述腺体分布特征与预设的乳腺图像特征分类标准进行比较，确定所述乳腺图像的图像类型；最后，确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。与现有技术相比，本发明实施例根据乳腺图像的腺体分布特征，区别处理不同类型的乳腺图像，能够使得处理结果的准确率更高。

值得注意的是，本实施例不仅可以通过乳腺图像的腺体分布特征进行乳腺图像的图像类型分类，而且还可以综合考虑乳腺图像的乳腺密度。参考图6，为本发明实施例提供的另一种乳腺图像处理方法流程图，所述方法包括：

S601：确定乳腺图像的乳腺密度。

其中，本实施例可以通过多种方法达到确定乳腺图像的乳腺密度的目的。其中，乳腺密度可以通过所述腺体区域占所述乳腺图像的前景部分的比例表示。另外，本实施例可以通过曝光条件和物理压迫厚度等前端信息确定乳腺密度，或者可以通过提取腺体和脂肪区域特征，比如提取相关纹理特征，再通过分类器进行训练，可以利用支持向量机作为分类器，最终达到确定乳腺图像的乳腺密度的目的。

实际应用中，可以根据乳腺图像的乳腺密度对所述乳腺图像进行分类。通常，可以根据乳腺密度将乳腺图像分成四类，其中，腺体区域占整个图像的前景部分比例小于等于25％属于一类，大于25％小于等于50％属于二类，大于50％小于等于75％属于三类，大于75％属于四类。

S602：提取乳腺图像的腺体区域。

S603：获取所述腺体区域的腺体分布特征。

其中，S602，S603在此不再赘述，可参照S101，S102进行理解。

S604：根据所述乳腺图像的乳腺密度和腺体分布特征，确定所述乳腺图像的图像类型。

本实施例中，可以综合考虑乳腺图像的乳腺密度和腺体分布特征，将乳腺图像分类为预设种类的图像类型。例如，可以根据乳腺密度预先将乳腺图像分为致密性高和致密性低两种图像类型。同时，根据腺体分布特征将乳腺图像分为集中度高和集中度低两种图像类型。综合上述两种图像类型分类方式，可以将乳腺图像分为四种图像类型：致密性高集中度高的图像类型、致密性高集中度低的图像类型、致密性低集中度高的图像类型和致密性低集中度低的图像类型。

S605：确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。

本实施例以对乳腺图像进行增强处理为例，将乳腺图像分为四种图像类型：致密性高集中度高的图像类型、致密性高集中度低的图像类型、致密性低集中度高的图像类型和致密性低集中度低的图像类型。另外，预先设置使用多尺度乳腺图像增强方法且分解层数为5层，也就是说，将所述乳腺图像分解为5层，对每一层均进行图像细节的增强处理、边缘增强处理和对比度增强处理。其中，对比度增强处理可以通过压缩曲线完成，在腺体区域和脂肪区域压缩程度不同，分别用k_Gland,k_Adipose表示；图像细节增强处理可以通过对数曲线完成，由参数Gain_Log控制；边缘增强处理的参数可以直接由Gain_Bound控制。针对上述四种图像类型的特征，设定合适的增强参数，其中对比度增强参数k_Gland均设置为1，利用参数k_Adipose相对变化控制对比度，参数设置如图7(a)、7(b)、7(c)所示。其中，图7(a)为多尺度增强的第一层和第二层的参数设置列表；图7(b)为多尺度增强的第三层和第四层的参数设列表；图7(c)为多尺度增强的第五层的参数设置列表。根据不同的参数设置分别对不同类型的乳腺图像进行增强处理。

本发明实施例中，利用不同增强等级的增强方法处理不同类型的乳腺图像，均能得到高质量的增强效果。以致密性低集中度高的乳腺图像为例，分别利用图7(a)、7(b)和7(c)中为致密性低集中度低的图像类型配置的参数和致密性低集中度高的图像类型配置的参数对其进行增强处理，得到腺体区域的局部灰度变化图，如图8所示。其中，致密性低集中度低的图像类型对应灰度变化如图8粗线所示，致密性低集中度高的图像类型对应灰度变化如图8细线所示。从图8可以看出，从粗线条到细线条的变化，拉伸了腺体区域内部灰度变化范围，从而提升了腺体区域对比度，进而起到了更好的增强效果。

实施例二

参考图9，为本发明实施例二提供的乳腺图像处理装置结构示意图，所述装置包括：

提取模块901，用于提取乳腺图像的腺体区域；

获取模块902，用于获取所述腺体区域的腺体分布特征；

比较模块903，用于将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型；

处理模块904，用于确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。

其中，所述提取模块可以包括：

第一确定子模块，用于确定乳腺图像的皮肤线位置，并根据所述皮肤线位置，确定所述乳腺图像的乳头位置；

划分子模块，用于将所述乳腺图像的乳头位置的预设范围内的区域切分为若干等大的子区域，并计算各个子区域的标准差与最大灰度值的比值；

第二确定子模块，用于将所述比值大于预设值的子区域确定为腺体边界区域，并计算各个腺体边界区域的分割阈值；

分割子模块，用于将各个腺体边界区域的分割阈值的平均值作为所述乳腺图像的分割腺体区域阈值，对所述乳腺图像的所述腺体边界区域进行分割，得到腺体区域。

另外，所述获取模块可以包括：

第一计算子模块，用于对所述腺体区域进行平滑处理后，计算所述腺体区域的直方图；

第三确定子模块，用于对所述直方图进行灰度腐蚀处理后，将最接近所述直方图的横坐标最小值的波谷位置确定为A点，并将所述直方图中距离所述A点最近的局部波峰位置确定为B点；

第二计算子模块，用于计算所述A点与所述B点构成的直线的斜率，所述斜率用于表示所述腺体区域的腺体分布特征。

为了更精确的处理各种类型的乳腺图像，所述装置还可以包括：

确定模块，用于根据所述腺体区域占所述乳腺图像的前景部分的比例，确定所述乳腺图像的乳腺密度；

相应的，所述比较模块，具体用于结合所述乳腺密度和所述腺体分布特征，与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型。

另外，所述处理模块具体可以包括：

设置子模块，用于预先设置图像类型与乳腺图像增强方式的对应关系；

第四确定子模块，用于确定与所述乳腺图像的图像类型相对应的乳腺图像增强方式；

增强子模块，用于利用所述乳腺图像增强方式对所述乳腺图像进行增强。

本发明实施例提供的乳腺图像处理装置，所述装置包括：提取模块，用于提取乳腺图像的腺体区域；获取模块，用于获取所述腺体区域的腺体分布特征；比较模块，用于将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型；处理模块，用于确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。与现有技术相比，本发明实施例能够根据乳腺图像的腺体分布特征，区别处理不同类型的乳腺图像，能够使得处理结果的准确率更高。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明实施例所提供的乳腺图像处理方法和装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种乳腺图像处理方法，其特征在于，所述方法包括：

提取乳腺图像的腺体区域；

获取所述腺体区域的腺体分布特征；

将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型；

确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。

2.根据权利要求1所述的方法，其特征在于，所述提取乳腺图像的腺体区域，包括：

确定乳腺图像的皮肤线位置，并根据所述皮肤线位置，确定所述乳腺图像的乳头位置；

将所述乳腺图像的乳头位置的预设范围内的区域切分为若干等大的子区域，并计算各个子区域的标准差与最大灰度值的比值；

将所述比值大于预设值的子区域确定为腺体边界区域，并计算各个腺体边界区域的分割阈值；

将各个腺体边界区域的分割阈值的平均值作为所述乳腺图像的分割腺体区域阈值，对所述乳腺图像的所述腺体边界区域进行分割，得到腺体区域。

3.根据权利要求1所述的方法，其特征在于，所述获取所述腺体区域的腺体分布特征，包括：

对所述腺体区域进行平滑处理后，计算所述腺体区域的直方图；

对所述直方图进行灰度腐蚀处理后，将最接近所述直方图的横坐标最小值的波谷位置确定为A点，并将所述直方图中距离所述A点最近的局部波峰位置确定为B点；

计算所述A点与所述B点构成的直线的斜率，所述斜率用于表示所述腺体区域的腺体分布特征。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述腺体区域占所述乳腺图像的前景部分的比例，确定所述乳腺图像的乳腺密度；

相应的，所述将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型，具体为：

结合所述乳腺密度和所述腺体分布特征，与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型。

5.根据权利要求1所述的方法，其特征在于，所述确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理，包括：

预先设置图像类型与乳腺图像增强方式的对应关系；

确定与所述乳腺图像的图像类型相对应的乳腺图像增强方式；

利用所述乳腺图像增强方式对所述乳腺图像进行增强。

6.一种乳腺图像处理装置，其特征在于，所述装置包括：

提取模块，用于提取乳腺图像的腺体区域；

获取模块，用于获取所述腺体区域的腺体分布特征；

比较模块，用于将所述腺体分布特征与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型；

处理模块，用于确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理。

7.根据权利要求6所述的装置，其特征在于，所述提取模块包括：

第一确定子模块，用于确定乳腺图像的皮肤线位置，并根据所述皮肤线位置，确定所述乳腺图像的乳头位置；

划分子模块，用于将所述乳腺图像的乳头位置的预设范围内的区域切分为若干等大的子区域，并计算各个子区域的标准差与最大灰度值的比值；

第二确定子模块，用于将所述比值大于预设值的子区域确定为腺体边界区域，并计算各个腺体边界区域的分割阈值；

分割子模块，用于将各个腺体边界区域的分割阈值的平均值作为所述乳腺图像的分割腺体区域阈值，对所述乳腺图像的所述腺体边界区域进行分割，得到腺体区域。

8.根据权利要求6所述的装置，其特征在于，所述获取模块包括：

第一计算子模块，用于对所述腺体区域进行平滑处理后，计算所述腺体区域的直方图；

第三确定子模块，用于对所述直方图进行灰度腐蚀处理后，将最接近所述直方图的横坐标最小值的波谷位置确定为A点，并将所述直方图中距离所述A点最近的局部波峰位置确定为B点；

第二计算子模块，用于计算所述A点与所述B点构成的直线的斜率，所述斜率用于表示所述腺体区域的腺体分布特征。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

确定模块，用于根据所述腺体区域占所述乳腺图像的前景部分的比例，确定所述乳腺图像的乳腺密度；

相应的，所述比较模块，具体用于结合所述乳腺密度和所述腺体分布特征，与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型。

10.根据权利要求6所述的装置，其特征在于，所述处理模块包括：

设置子模块，用于预先设置图像类型与乳腺图像增强方式的对应关系；

第四确定子模块，用于确定与所述乳腺图像的图像类型相对应的乳腺图像增强方式；

增强子模块，用于利用所述乳腺图像增强方式对所述乳腺图像进行增强。