CN104915924B - 一种自动实现三维超声图像定标的方法 - Google Patents
一种自动实现三维超声图像定标的方法 Download PDFInfo
- Publication number
- CN104915924B CN104915924B CN201510245107.7A CN201510245107A CN104915924B CN 104915924 B CN104915924 B CN 104915924B CN 201510245107 A CN201510245107 A CN 201510245107A CN 104915924 B CN104915924 B CN 104915924B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- point
- seed point
- dimensional ultrasound
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Abstract
本发明公开了一种自动实现三维超声图像定标的方法,包括以下步骤:设置一个扫描模型,模型中间含有一个近似的球体,球体与周围物质的材质不同;用三维超声扫描该模型;重建该模型的三维超声图像;通过图像处理的方法计算球体在三维图像中的体素数量,再根据体素的大小,计算球体的体积;与实际球体的体积对比,从而获得三维超声成像的标定值。本发明的标定结果准确可靠,计算速度快,自动化程度高。
Description
技术领域
本发明属于超声成像技术领域,具体地说涉及一种自动实现三维超声图像定标的方法。
背景技术
二维超声因其无辐射,价格便宜而在临床应用中得到广泛的应用。相比较而言,三维超声能够获得扫描对象完整的信息,提供更加直观的数据,因此,近年来受到研究人员的广泛重视。现有的对三维超声成像的方法主要有:1)机械扫描法;2)面阵成像法。机械扫描法有两种,一种是扇形扫描,另一种是平行扫描,通过采集多幅二维图像做三维重建后得到三维超声图像,优点是成本低,缺点是图像质量与采样帧数关系密切,实际图像质量并不高。面阵成像法具有便捷快速,多向多平面扫描获得实时三维图像的优点,由于面阵所需的阵元数量巨大和通道数多而使得其加工困难,造价相对较高。在三维超声的应用中,一个重要的问题就是图像定标,即估计三维超声在长度、面积和体积的测量误差,根据误差值估算三维超声测量值的改正数。
为了估计误差值,一般的做法是:利用三维超声机对定标物进行三维成像,然后在三维或多幅二维图像中,人工勾勒出扫描物体的轮廓,统计轮廓内的像素或体素的数量,再根据三维超声像素/体素的大小,计算扫描物体的体积,根据测量体积与实际物体体积的差异,对三维超声进行定标。这种方法稳定性强,但与定标人员的操作水平相关性大,而且重复性不太好,误差比较大。
发明内容
针对现有技术的不足,本发明的目的在于提供一种自动实现三维超声图像定标的方法,能够有效降低三维超声成像定标的复杂度,减少人工参与的程度,提高定标的精度。
本发明是通过如下技术方案实现上述目的的。
一种自动实现三维超声图像定标的方法,包括以下步骤:
(1)设置一个三维超声扫描的模型,该模型中间有一个球形物体,该球形物体即作为定标物;
(2)利用三维超声机扫描设置的模型;
(3)重建该模型的三维超声图像;
(4)对每帧图像进行阈值分割处理,变换为黑白图像;
(5)通过区域增长的方式,计算经步骤(4)处理后的每帧图像中球形物体的像素数量;
(6)根据步骤(5)的计算结果,计算球形物体在三维超声图像中的体素数量,再结合体素的大小,计算球形物体的体积;
(7) 根据步骤(6)计算的体积与实际球形物体的体积,计算定标参数。
在上述技术方案中,步骤(3)具体为,对于扇形扫描的数据,将扫描区域的极坐标转换为直角坐标形式,为扫描深度, 为扫描仰角,为扫描方位角,,,直角坐标的横、纵坐标分别为:
变换为直角坐标后,相当于得到平行扫描物体的一系列图像,一般而言,图像的间隔比较大,此时需要在图像之间进行内插,普通采用的方法是双线性或三线性内插。内插数量的计算方法如下
其中,为图像之间的间隔,是像素大小,内插之后,图像之间的间隔等于像素的大小,意味着生成的体数据在三维坐标轴方向的分辨率都相同,然后,将体数据保存为.raw格式。
在上述技术方案中,步骤(4)中的图像处理过程具体如下:
步骤一,设图像包含个灰度级,灰度值为的像素点数为 ,图像总的象素点数为,灰度值为的点的概率为:
步骤二,门限将整幅图像分为暗区和亮区两类,则类间方差是的函数:
式中,为类的面积与图像总面积之比,,,
为类的均值,,;
步骤三,选择最佳门限使类间方差最大,灰度值低于门限的像素赋为黑色,灰度值大于门限的像素赋值为白色;
步骤四,对阈值分割后的图像进行腐蚀和膨胀运算,去除毛刺,填充一些小的空隙。
在上述技术方案中,步骤(5)中的计算方法具体如下:
步骤一,通常,在连续扫描的多帧图像的正中间一帧图像中,球形物体的灰度值应该在整个图像中占主体的地位,特别是在图像的中间部位。因此,根据此原则,确定中间一帧图像的中心点为初始种子点;
步骤二,设置种子点集合和目标点集合,将初始种子点加入到种子点集合和目标点集合中,此处的目标点集合即为球形物体的像素点集合;
步骤三,对于种子点集合中的每个点,搜索其8邻域内的像素点,如果邻域点的像素值与种子点像素值相同,则加入到种子点集合和目标点集合中。同时,对所有访问过的点都做一个标记;
步骤四,判断每个种子点8邻域内的点是否已经被标记过,若被标记过,则从种子点集合中删除;
步骤五,若种子点集合为空,则退出,并统计该帧图像上目标点集合中的点数,否则返回步骤三;
步骤六,在当前帧图像的目标点集合中,寻找一个最接近图像中心的目标点,作为下一幅图像(相邻图像)的种子点,重复二至五步
步骤七,统计各帧图像上的目标点集合中的点数,即球形物体的像素点数。
本发明与现有技术相比,具有以下的有益效果:
1、采用阈值分割技术,将图像分为两类,简化了后续分类的难度。
2、采用了腐蚀和膨胀的算法,对毛刺进行了剔除,并填充了小的孔洞,从而提高了长度、面积和体积计算的精确性。
3、通过区域增长的方式,保证了所有连通区域均被能检测出来,控制种子点的规模,减少了后续计算的复杂度。
附图说明
图1 是本发明自动实现三维超声图像定标方法的流程图。
图2是一个球形定标物的超声图像。
图3是图2经过阈值分割处理后的图像。
图4是图3经过腐蚀膨胀操作后的图像。
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。
以下首先就本发明的技术术语进行解释和说明:
阈值分割:对于灰度图像,确定一个门限值,灰度值低于门限的像素赋为一种颜色(如黑色),灰度值大于门限的像素赋值为相反色(如白色),处理后,图像上只有两种颜色。
腐蚀和膨胀:数学形态学的方法,腐蚀:如果目标点周围有一个点与其灰度值不同,则该点可以被腐蚀掉;膨胀的过程正好相反,主要目的是去除毛刺和填充一些小的孔洞。
区域增长:寻找同质区域的图像处理算法,从一个种子点开始,不断搜索其周围点,如果周围点的像素值与种子点相同或者相近,则加入到同一类中,然后,从新加入的种子点不断向外搜索,直到遍历完整个图像为止。
如图1所示,本实施例提供一种自动实现三维超声图像定标的方法,包括以下步骤:
(1)设置一个三维超声扫描的模型,该模型中间有一个球形物体,该球形物体即作为定标物;
(2)利用三维超声机扫描设置的模型;
(3)重建该模型的三维超声图像;
(4)对每帧图像进行阈值分割处理,变换为黑白图像;
(5)通过区域增长的方式,计算经步骤(4)处理后的每帧图像中球形物体的像素数量;
(6)根据步骤(5)的计算结果,计算球形物体在三维超声图像中的体素数量,再结合体素的大小,计算球形物体的体积;
(7) 根据步骤(6)计算的体积与实际球形物体的体积,计算定标参数。
在上述技术方案中,步骤(3)具体为,对于扇形扫描的数据,将扫描区域的极坐标转换为直角坐标形式, 为扫描深度, 为扫描仰角,为扫描方位角,,,直角坐标的横、纵坐标分别为:
变换为直角坐标后,相当于得到平行扫描物体的一系列图像,一般而言,图像的间隔比较大,此时需要在图像之间进行内插,普通采用的方法是双线性或三线性内插。内插数量的计算方法如下
其中,为图像之间的间隔,是像素大小,内插之后,图像之间的间隔等于像素的大小,意味着生成的体数据在三维坐标轴方向的分辨率都相同,然后,将体数据保存为.raw格式。
在上述技术方案中,步骤(4)中的图像处理过程具体如下:
步骤一,设图像包含个灰度级,灰度值为的像素点数为 ,图像总的象素点数为,灰度值为的点的概率为:
骤二,门限将整幅图像分为暗区和亮区两类,则类间方差是的函数:
式中,为类的面积与图像总面积之比,,,
为类的均值,,;
步骤三,选择最佳门限使类间方差最大,灰度值低于门限的像素赋为黑色,灰度值大于门限的像素赋值为白色;
步骤四,对阈值分割后的图像进行腐蚀和膨胀运算,去除毛刺,填充一些小的空隙。
在上述技术方案中,步骤(5)中的计算方法具体如下:
步骤一,通常,在连续扫描的多帧图像的正中间一帧图像中,球形物体的灰度值应该在整个图像中占主体的地位,特别是在图像的中间部位。因此,根据此原则,确定中间一帧图像的中心点为初始种子点;
步骤二,设置种子点集合和目标点集合,将初始种子点加入到种子点集合和目标点集合中,此处的目标点集合即为球形物体的像素点集合;
步骤三,对于种子点集合中的每个点,搜索其8邻域内的像素点,如果邻域点的像素值与种子点像素值相同,则加入到种子点集合和目标点集合中。同时,对所有访问过的点都做一个标记;
步骤四,判断每个种子点8邻域内的点是否已经被标记过,若被标记过,则从种子点集合中删除;
步骤五,若种子点集合为空,则退出,并统计该帧图像上目标点集合中的点数,否则返回步骤三。
步骤六,在当前帧图像的目标点集合中,寻找一个最接近图像中心的目标点,作为下一幅图像(相邻图像)的种子点,重复二至五步
步骤七,统计各帧图像上的目标点集合中的点数,即球形物体的像素点数。
本领域的技术人员容易理解,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 (4)
1.一种自动实现三维超声图像定标的方法,其特征在于包括以下步骤:
(1)设置一个三维超声扫描的模型,该模型中间有一个球形物体,该球形物体即作为定标物;
(2)利用三维超声机扫描设置的模型;
(3)重建该模型的三维超声图像;
(4)对每帧图像进行阈值分割处理,变换为黑白图像;
(5)通过区域增长的方式,计算经步骤(4)处理后的每帧图像中球形物体的像素数量;
(6)根据步骤(5)的计算结果,计算球形物体在三维超声图像中的体素数量,再结合体素的大小,计算球形物体的体积;
(7) 根据步骤(6)计算的体积与实际球形物体的体积,计算定标参数。
2.根据权利要求1所述的自动实现三维超声图像定标的方法,其特征在于:步骤(3)所述的重建操作具体为对于扇形扫描的数据,将扫描区域的极坐标转换为直角坐标形式,为扫描深度, 为扫描仰角,为扫描方位角,,,直角坐标的横、纵坐标分别为:
变换为直角坐标后,通过对扫描图像进行双或三线性的内插,使得内插后的体数据在三维坐标轴方向的分辨率都相同,保存为.raw格式的数据,内插数量的计算方法如下
其中,为图像之间的间隔,是像素大小,内插之后,图像之间的间隔等于像素的大小。
3.根据权利要求1所述的自动实现三维超声图像定标的方法,其特征在于步骤(4)中的图像处理过程具体如下:
步骤一,设图像包含个灰度级,灰度值为的像素点数为 ,图像总的象素点数为,灰度值为的点的概率为:
步骤二,门限将整幅图像分为暗区和亮区两类,则类间方差是的函数:
式中,为类的面积与图像总面积之比,,,
为类的均值,,;
步骤三,选择最佳门限使类间方差最大,灰度值低于门限的像素赋为黑色,灰度值大于门限的像素赋值为白色;
步骤四,对阈值分割后的图像进行腐蚀和膨胀运算,去除毛刺,填充空隙。
4.根据权利要求1所述的自动实现三维超声图像定标的方法,其特征在于步骤(5)中的计算方法具体如下:
步骤一,确定连续扫描的多帧图像的正中间一帧图像的中心点为初始种子点;
步骤二,设置种子点集合和目标点集合,将初始种子点加入到种子点集合和目标点集合中,此处的目标点集合即为球形物体的像素点集合;
步骤三,对于种子点集合中的每个点,搜索其8邻域内的像素点,如果邻域点的像素值与种子点像素值相同,则加入到种子点集合和目标点集合中,同时,对所有访问过的点都做一个标记;
步骤四,判断每个种子点8邻域内的点是否已经被标记过,若被标记过,则从种子点集合中删除;
步骤五,若种子点集合为空,则退出,并统计该帧图像上目标点集合中的点数,否则返回步骤三;
步骤六,在当前帧图像的目标点集合中,寻找一个最接近图像中心的目标点,作为下一幅图像即相邻图像的种子点,重复步骤二至步骤五;
步骤七,统计各帧图像上的目标点集合中的点数,即球形物体的像素点数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510245107.7A CN104915924B (zh) | 2015-05-14 | 2015-05-14 | 一种自动实现三维超声图像定标的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510245107.7A CN104915924B (zh) | 2015-05-14 | 2015-05-14 | 一种自动实现三维超声图像定标的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104915924A CN104915924A (zh) | 2015-09-16 |
CN104915924B true CN104915924B (zh) | 2018-01-26 |
Family
ID=54084964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510245107.7A Active CN104915924B (zh) | 2015-05-14 | 2015-05-14 | 一种自动实现三维超声图像定标的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104915924B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766874B (zh) * | 2017-09-07 | 2021-06-04 | 深圳度影医疗科技有限公司 | 一种超声容积生物学参数的测量方法及测量系统 |
CN113838210A (zh) * | 2021-09-10 | 2021-12-24 | 西北工业大学 | 一种将超声图像转换为3d模型的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100998512A (zh) * | 2007-01-10 | 2007-07-18 | 华中科技大学 | 三维超声影像的重建方法 |
CN101569541A (zh) * | 2008-04-29 | 2009-11-04 | 香港理工大学 | 三维超声波成像系统 |
CN103400365A (zh) * | 2013-06-26 | 2013-11-20 | 成都金盘电子科大多媒体技术有限公司 | 肺区ct序列自动分割方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050033123A1 (en) * | 2003-07-25 | 2005-02-10 | Siemens Medical Solutions Usa, Inc. | Region of interest methods and systems for ultrasound imaging |
CN102920477B (zh) * | 2012-03-05 | 2015-05-20 | 杭州弘恩医疗科技有限公司 | 医学影像的目标区域边界确定装置和方法 |
-
2015
- 2015-05-14 CN CN201510245107.7A patent/CN104915924B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100998512A (zh) * | 2007-01-10 | 2007-07-18 | 华中科技大学 | 三维超声影像的重建方法 |
CN101569541A (zh) * | 2008-04-29 | 2009-11-04 | 香港理工大学 | 三维超声波成像系统 |
CN103400365A (zh) * | 2013-06-26 | 2013-11-20 | 成都金盘电子科大多媒体技术有限公司 | 肺区ct序列自动分割方法 |
Non-Patent Citations (3)
Title |
---|
"An Improved Non-local Means Filter for Image Denoising";Yi Zhan等;《Intelligent Computation and Bio-Medical Instrumentation(ICBMI),2011 International Conference on》;20111217;第31-34页 * |
"PHASE GROUPING-BASED NEEDLE SEGMENTATION IN 3-D TRANS-RECTAL ULTRASOUND-GUIDED PROSTATE TRANS-PERINEAL THERAPY";WU QIU等;《Ultrasound in Med.& Biol.》;20140122;第40卷(第4期);第804–816页 * |
"一种快速、自动的三维超声标定方法";宋章军等;《北京生物医学工程》;20091231;第28卷(第6期);第601-605,613页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104915924A (zh) | 2015-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110230998B (zh) | 基于线激光和双目相机的快速精密三维测量方法和装置 | |
CN101887589B (zh) | 一种基于立体视觉的实拍低纹理图像重建方法 | |
TWI520078B (zh) | Optical flow tracking method and device | |
CN106650701B (zh) | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 | |
CN104794713B (zh) | 基于arm和双目视觉的温室作物数字化成像方法 | |
CN106408596B (zh) | 基于边缘的局部立体匹配方法 | |
CN103559725B (zh) | 一种面向视觉跟踪的无线传感器节点优化选择方法 | |
CN114283203B (zh) | 一种多相机系统的标定方法及系统 | |
CN105069789A (zh) | 基于编码网格模板的结构光动态场景深度获取方法 | |
CN107991665A (zh) | 一种基于定焦相机的对标靶三维坐标连续测量方法 | |
CN106033614A (zh) | 一种强视差下的移动相机运动目标检测方法 | |
CN110738731A (zh) | 一种用于双目视觉的3d重建方法和系统 | |
CN104915924B (zh) | 一种自动实现三维超声图像定标的方法 | |
Shivakumar et al. | Real time dense depth estimation by fusing stereo with sparse depth measurements | |
CN110110687A (zh) | 基于颜色信息和三维轮廓信息的树上水果自动识别方法 | |
CN110851978B (zh) | 一种基于可见性的摄像机位置优化方法 | |
CN113096183A (zh) | 一种基于激光雷达与单目相机的障碍物检测与测量方法 | |
TWI571099B (zh) | 深度估測裝置及方法 | |
CN100359286C (zh) | 图像处理提高激光测量精度的方法 | |
CN107945166B (zh) | 基于双目视觉的待测物体三维振动轨迹的测量方法 | |
CN113723380B (zh) | 基于雷达技术的人脸识别方法、装置、设备和存储介质 | |
CN102542563A (zh) | 一种移动机器人前向单目视觉的建模方法 | |
Botterill et al. | Design and calibration of a hybrid computer vision and structured light 3D imaging system | |
CN112258635B (zh) | 基于改进双目匹配sad算法的三维重建方法及装置 | |
CN110751731B (zh) | 一种用于结构光的3d重建方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180821 Address after: 430074 Wuhan Donghu New Technology Development Zone Guanggu International Chamber of Commerce Building 2-2 Guandongyuan Road Patentee after: Wuhan Dizheng Yahe Technology Co., Ltd. Address before: 213164 room 1106, block C, Tianrun science and technology building, Changzhou science and Technology City, Changzhou, Jiangsu. Patentee before: DZYAHO (CHANGZHOU) ELECTRONIC TECHNOLOGY CO., LTD. |
|
TR01 | Transfer of patent right |