CN104915924B - 一种自动实现三维超声图像定标的方法 - Google Patents

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

一种自动实现三维超声图像定标的方法

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。