CN105335945A - 图像处理装置及图像处理方法 - Google Patents

Abstract

本发明提供图像处理装置及图像处理方法。所述图像处理装置包括：第一获取单元，其被配置为针对图像的多个块获得识别信息，第二获取单元，其被配置为根据基于所述识别信息确定的所述图像的区域的像素值，来获得用于图像处理的信息，以及图像处理单元，其被配置为基于所述第二获取单元获得的所述信息，来进行所述图像的图像处理。

Description

图像处理装置及图像处理方法

本申请是申请日为2012年3月9日、申请号为201210061577.4、发明名称为“图像处理装置及图像处理方法”的发明专利申请的分案申请。

技术领域

本发明涉及对通过放射线摄像获得的图像的图像处理。尤其，本发明涉及一种用于确定图像处理的处理方法的技术。

背景技术

随着数字技术的进步，目前能够输出X射线图像作为数字数据的二维X射线传感器(例如，平板检测器(FPD))得到广泛使用。用于医疗的X射线摄像通常用在医疗诊断领域。因此，对适于诊断的数字图像处理的需求正在增长。

日本特开昭61-68031号公报讨论了如下的方法，该方法通过输入被摄体的摄像部位或者摄像方法的信息来将预定图像处理算法应用于图像处理。根据该方法，能够基于输入的信息，对图像进行适于诊断的数字图像处理。

此外，对能够无需针对各个图像输入图像处理参数而实现通用图像处理的技术的需求，也正在增长。

日本特开2006-087934号公报讨论了执行通过图像分析从图像中去除诊断不需要的部分的方法。不需要的部分是例如需要诊断的照射野(irradiationfield)区域以外的区域以及X射线直接照射传感器的部分。对剩余的部分进行直方图分析，并获得图像处理参数。

当进行X射线动图像(movingimage)的摄像时，摄像范围被连续改变。因此，准直器(collimator)进行的X射线的缩窄、直接暴露于X射线的区域的有/无、人体的特征构造(例如肺野、骨区域)的形状及位置关系以及特征结构在图像中的大小被连续改变。由于拍摄了丰富多样的图像，因此如果能够将通用图像处理用于图像的处理，则会很方便。

此外，由于需要减少X射线的发射量，因此无法总获得期望质量的图像。因此，图像处理(例如灰度(gradation)处理、动态范围压缩处理、噪声降低处理、以及边缘增强处理)的重要性增加。

然而，由于根据在日本特开昭61-68031号公报中讨论的关于摄像部位以及摄像方法的信息的输入方法，需要针对各个图像输入信息，因此该方法无法普遍应用于各种图像。

此外，根据在日本特开2006-087934号公报中讨论的方法，仅能够对确定了参数的图像的部位，来进行根据识别处理对照射野以外的区域以及X射线直接照射的区域的提取。因此，无法根据该方法处理所有图像。

发明内容

本发明旨在提供一种能够与图像多样性无关地、稳定地设置图像处理的处理方法的构造。

根据本发明的一个方面，提供一种图像处理装置，所述图像处理装置包括：第一获取单元，其被配置为针对图像的多个块获得识别信息；第二获取单元，其被配置为根据基于所述识别信息确定的所述图像的区域的像素值，来获得用于图像处理的信息；以及图像处理单元，其被配置为基于所述第二获取单元获得的所述信息，来对所述图像进行图像处理。

通过以下参照附图对示例性实施例的详细描述，本发明的其他特征和方面将变得清楚。

附图说明

包含在说明书中、构成说明书的一部分的附图，示出了本发明的示例性实施例、特征和方面，并且与文字说明一起，用于解释本发明的原理。

图1示出了根据本发明的第一示例性实施例的X射线图像处理系统的配置。

图2是示出根据第一示例性实施例的图像分析处理单元的处理流程的流程图。

图3示出了根据本发明的第二示例性实施例的X射线图像处理系统的配置。

图4是示出根据第二示例性实施例的图像分析处理单元的处理流程的流程图。

图5示出了根据本发明的第三示例性实施例的X射线图像处理系统的配置。

图6是示出根据第三示例性实施例的图像分析处理单元的处理流程的流程图。

图7示出了能够实现本发明的计算机系统的示例。

具体实施方式

以下，将参照附图详细描述本发明的各种示例性实施例、特征及方面。

下面，将参照图1描述根据本发明的第一示例性实施例的X射线图像处理系统。

X射线图像处理系统100包括X射线生成单元101以及二维X射线传感器104。X射线生成单元101能够生成每秒3至30个X射线脉冲。二维X射线传感器104接收通过被摄体102的X射线103，并与X射线脉冲同步地进行X射线动图像的摄像。根据以下描述的示例性实施例，X射线生成单元101能够连续发射X射线，使得能够通过二维X射线传感器104获取每秒3至30个图像的摄像。

此外，X射线图像处理系统100包括图像分析处理单元105以及图像处理单元106。图像分析处理单元105分析由二维X射线传感器104输出的动图像的各个帧并输出图像分析值。图像处理单元106基于图像分析值进行动图像的各个帧的图像处理。

此外，X射线图像处理系统100包括显示进行了图像处理的动图像的图像显示单元107。

图像分析处理单元105的配置是本示例性实施例的最具特征性的配置，下面对其进行详细描述。

图像分析处理单元105包括块分割单元108和第一获取单元109。块分割单元108将动图像的各个帧分割成块。各个块包括预定数量的像素。第一获取单元109针对各个块计算识别信息或者从外部装置获取识别信息计算结果。以下的示例性实施例描述由第一获取单元109计算识别信息的情况。

图像分析处理单元105还包括区域识别单元110和第二获取单元111。区域识别单元110提取满足预定识别条件的块。第二获取单元111基于区域识别单元110提取的块中的像素，来获取图像处理所需的信息。以下将第二获取单元111输出的信息称为图像分析处理单元105的图像分析值。

现在参照图2所示的流程图描述具有上述配置的图像分析处理单元105的操作。在以下的描述中，为了简化描述，从二维X射线传感器104输出的动图像的各个帧是由512×512个像素构成的图像。此外，关于由图像分析处理单元105进行的图像分析处理，从该图像输出两个像素值(大和小)作为图像处理所需的信息。

此外，通过将由提取的两个像素值(大和小)表示的像素值范围转换为预定像素值范围，图像处理单元106进行增强对比度的灰度处理。

在步骤S201中，图像分析处理单元105将从二维X射线传感器104输出的动图像的各个帧输入到块分割单元108中。块分割单元108将512×512个像素的图像分割成例如64×64个块，并输出获得的块。各个块由例如8×8个像素构成。

在步骤S202中，图像分析处理单元105将已经从块分割单元108输出的块输入到第一获取单元109中。第一获取单元109根据块中的像素，计算块中的像素值的变化作为识别信息。虽然可以有能够表示块中的像素的变化的各种值，但是根据本实施例，在以下公式中，使用方差(variance)值Var。

$Var=\underset{l=0}{\overset{L-1}{\Σ}}{(1-Mean)}^{2}P\left(l\right)---\left(1\right)$

在上述公式中，L表示输入图像的最大可能像素值，P(l)表示通过将像素值为l的块中的像素数除以块中的总像素数并对值进行标准化获取的值。Mean表示块中像素的平均值。针对已输入到第一获取单元109中的所有块进行识别信息计算处理。从而，根据本实施例的处理，输出与64×64个块相对应的64×64数量的方差值Var作为识别信息。

在步骤S203中，图像分析处理单元105将从第一获取单元109输出的识别信息输入到区域识别单元110中。区域识别单元110确定由识别信息表示的块中的像素的变化是否满足预定的识别条件，并输出与满足识别条件的识别信息相对应的块作为关注块(blockofinterest)。

如果使用方差值Var作为识别信息，则例如通过使用在以下公式(其中，Var(x,y)为块Blk(x,y)的相应方差值)中的识别条件，能够确定位置(x,y)处的块(Blk)(x,y)是否为关注块。

$Blk(x,y)=\left\{\begin{array}{c}blocksof\mathrm{int}erest(Var\left(x,y\right)\&GreaterEqual;T_{\mathrm{var}})\\ otherblocks(Var\left(x,y\right)<T_{var})\end{array}\right.---\left(2\right)$

在上述公式中，T_var是用于关注块与其它块的识别的阈值。将通过经验获得的值用于T_var。根据该示例，将作为统计量的方差值处于预定范围内的块确定为关注块。

在步骤S204中，图像分析处理单元105将由区域识别单元110输出的关注块以及由二维X射线传感器104输出的动图像的各个帧输入到第二获取单元111中。第二获取单元111根据动图像的各个帧的像素当中的关注块中像素，计算最小值和最大值，并输出所述值作为图像处理所需的信息。

最小值和最大值是表示关注块中的像素值的分布的值。此外，所述最小值和最大值是由图像分析处理单元105输出的图像分析值。图像处理单元106通过将由两个像素值表示的像素值的范围转换为预定像素值范围，来增强已输入的动图像的各个帧的对比度并输出结果。图像处理单元106基于像素值的分布信息，进行图像的灰度处理。

根据本示例性实施例，将图像分割成块，并基于块中的像素值的局部变化，识别关注块。接着，根据识别出的关注块中的像素，计算两个像素值(大和小)。将获得的像素值确定为图像分析值。将这些图像分析值用作增强动图像的各个帧的对比度的灰度处理所需的两个像素值(大和小)。

根据本示例性实施例的配置，基于诸如局部区域的方差值的统计信息，获得图像处理所需的信息。从而，不使用从动图像的各个帧提取的图像语义信息(例如被摄体类型或者位置关系)。因此，无需识别/理解诸如被摄体类型或者位置关系的图像语义信息。从而，能够实现通用图像处理，该通用图像处理不依赖于准直器的有/无和X射线直接照射的部位的有/无以及被摄体的摄像部位。

虽然根据以上描述，在步骤S201中，图像分析处理单元105将由二维X射线传感器104输出的动图像的各个帧直接输入到块分割单元108中，但是能够在图像的输入之前进行图像缩小处理。

例如，如果动图像的各个帧的相邻2×2像素的平均值被设置为1个像素的值，则能够将图像的大小缩小一半。如果进行图像缩小处理，使得维持图像分析处理所需的信息量，则能够实现由于使用平均值作为像素值带来的噪声降低以及由像素数量的减少带来的处理速度的提高。

此外，在步骤S201中，块分割单元108可以将图像分割成块，使得某一块中的像素不属于另一块。块分割单元108还可以将图像分割成块，使得相邻块相互交叠并且位于交叠部位的像素属于多个块。

例如，在图像在块之间具有边缘的情况下，如果块不交叠，则边缘信息将丢失。另一方面，如果块交叠，则能够获得边缘信息并存储。

此外，虽然在以上描述中，使用方差值Var作为识别信息，但是表示块中的变化的统计值不限于方差值。例如，可以使用以下公式中的能量Egy以及熵Epy。

$Egy=\underset{l=0}{\overset{L-1}{\&Sigma;}}{\left(P\right(l\left)\right)}^2$

$Epy=-\underset{l=0}{\overset{L-1}{\&Sigma;}}P\left(l\right)\log P\left(l\right)---\left(3\right)$

考虑到计算量以及为了使在步骤S203中使用的识别条件的定义容易，可以使用表示图像的纹理特性的统计值。

此外，在以上描述中，虽然在步骤S202中第一获取单元109计算表示块中像素的变化的特征量作为识别信息，但是也可以计算多个特征量。

例如，根据块中的像素计算表示边缘部分的存在的统计值，并将获得的统计量添加到识别信息。此外，在步骤S203中，将从关注块排除包括强边缘以及指向特定方向的边缘的块的条件添加到识别条件。

用于评价边缘部分的存在的评价值是根据块中像素的最大值和最小值的差及(fy(i,j),fx(i,j))、按照以下公式计算的梯度强度mag(i,j)和梯度方向θ(i,j)的平均值或者峰值，其中，(fy(i,j),fx(i,j))是通过在块中像素(i,j)的纵向/横向上应用微分滤波器而获得的结果。

$mag(i,j)=\sqrt{fx{(i,j)}^2+fy{(i,j)}^2}$

$\mathrm{\&theta;}={\tan }^{-1}\frac{fy(i,j)}{fx(i,j)}---\left(4\right)$

根据上述的配置，在步骤S203中，能够考虑边缘信息来识别关注块。

由于能够考虑边缘信息来识别关注块，因此能够从关注块中排除直接暴露于X射线的二维X射线传感器104的受光面的边缘部。此外，能够从关注块中排除包括诸如金属的人工制品的区域。

此外，能够计算基于块中像素的统计值(例如最小值、最大值、平均值、中值以及峰值)，并能够将所述统计值添加到识别信息。如果将这种值添加到识别信息，则在步骤S203中，例如，将从关注块中排除统计值相对像素值太高或者太低的块的条件添加到识别条件。

根据该配置，在步骤S203中，能够考虑像素值来识别关注块。以这种方式，能够将X射线直接照射的部位以及照射野之外的区域从图像中去除。

此外，在识别信息中可以包括块的位置信息。在步骤S203中，例如，可以将不是对图像的边而是对图像的中央加权的条件添加到识别条件。根据该配置，通常，当进行X射线摄像时，将被摄体的关注部位设置在图像的中央位置。

此外，不在图像的中央设置照射野的边。以这种方式，能够以简单的方式获得稳定的图像处理所需的信息。

根据以上描述，图像处理单元106进行的图像处理是灰度处理，并且图像分析处理单元105获得灰度处理所需的图像分析值。

然而，本发明的图像处理不限于灰度处理。例如，图像处理选择单元115(未示出)可以从灰度处理、动态范围压缩处理、噪声降低处理以及边缘增强处理中选择任意一个或多个操作。接着，获得与选择的图像处理相对应的识别信息。

根据噪声降低处理，X射线发射量小的区域的信息是重要的。因此，将像素值添加到识别信息，并根据传感器的信噪比确定X射线发射量小的低像素值区域作为关注区域。以这种方式，能够进行与噪声特性相匹配的噪声降低处理。

第二获取单元111获取关注块中孤立阴影的出现次数作为噪声评价值，并且图像处理单元106基于评价值确定例如平滑滤波器的大小。噪声降低处理的识别信息和识别条件与灰度数据转换处理的识别信息和识别条件不同。

此外，根据边缘增强处理，重要的是不增强X射线发射量小的区域。另外，诸如肺野的高像素值区域的信息也是重要的。

例如，选择满足上述公式(2)的条件的高像素值区域作为关注块。这是因为，可以从排除X射线直接照射的、分散小的区域之后的被摄体区域中选择信息。

例如，第二获取单元111从关注块的图像的空间频率获取要增强的频带作为分析值，并且图像处理单元106基于分析值确定增强滤波器的大小。边缘增强处理的识别信息和识别条件与灰度数据转换处理以及噪声降低处理的识别信息和识别条件不同。

根据动态范围压缩处理，如同在灰度数据转换处理中获得的那样，根据关注块中的像素获得最小值和最大值作为图像分析值，并且，基于图像分析值进行动态范围压缩处理。

此外，第二获取单元111从关注块中的像素获取用于动态范围压缩处理的频率处理的带作为分析值，并且图像处理单元106基于分析值确定处理滤波器的大小。

在这种情况下，生成两个关注区域，并从各个区域获取图像处理所需的信息。

如上所述，动态范围压缩处理的识别信息和识别条件与灰度数据转换处理、噪声降低处理以及边缘增强处理的识别信息和识别条件不同。

边缘增强处理和动态范围压缩处理是频率处理。因此，期望块的大小大于选择灰度数据转换处理或者噪声降低处理时使用的块的大小。

此外，图像处理单元106进行的图像处理可以是上述灰度处理、动态范围压缩处理、噪声降低处理以及边缘增强处理的全部或者组合。如果进行上述处理的全部或者组合，则图像处理分析单元105计算多个识别信息、多个关注块、多个图像处理所需的信息，从而能够计算由图像处理单元106进行的图像处理所需的所有图像分析值。

此外，可以从设置在X射线图像处理系统100中的操作控制台(未示出)选择由图像处理单元106进行的图像处理。如果从操作控制台选择图像处理，则图像处理分析单元105根据选择的图像处理获得需要的识别信息、关注块、图像处理所需的信息，并获得图像分析值。

此外，第一获取单元109和区域识别单元110是相对块的独立处理。因此，如果使用诸如图形处理单元(GPU)的并行处理单元，则能够并行执行块分割后的处理。从而，能够进一步提高处理速度。

现在，参照图3描述根据本发明的第二示例性实施例的X射线图像处理系统。

当使用诸如GPU的并行处理单元时，根据第二示例性实施例的X射线图像处理系统是有用的。与X射线图像处理系统100类似，X射线图像处理系统300也包括X射线生成单元101和二维X射线传感器104。X射线生成单元101能够生成每秒3至30个X射线脉冲。二维X射线传感器104接收通过被摄体102的X射线103，并与X射线脉冲同步地，进行作为X射线图像的动图像的摄像。

此外，X射线图像处理系统300包括图像分析处理单元301和图像处理单元106。图像分析处理单元301分析从二维X射线传感器104输出的动图像的各个帧，并输出图像分析值。图像处理单元106基于图像分析值进行动图像的各个帧的图像处理。

如同第一示例性实施例的情况那样，图3中的图像分析单元301包括将动图像的各个帧分割成预定数量像素的块的块分割单元108。图像分析处理单元301包括针对各个分割的块计算识别信息的第一获取单元109以及提取满足预定识别条件的块的区域识别单元110。

此外，图像分析处理单元301包括信息计算单元302，该信息计算单元302计算从块分割单元108输出的各个块的图像处理所需的信息。此外，图像分析处理单元301包括第二获取单元303。第二获取单元303从信息计算单元302输出的信息，获取图像处理所需的信息。信息计算单元302输出的信息与由区域识别单元110识别的关注块相对应。

现在，参照图4所示的流程图描述具有上述配置的图像分析处理单元301的操作。在以下的描述中，为了简化描述，如同在第一示例性实施例中描述的那样，从二维X射线传感器104输出的动图像的各个帧是由512×512个像素构成的图像。此外，由图像分析处理单元105进行的图像分析处理，是从该图像提取两个像素值(大和小)作为特征量的处理。

此外，通过将由提取的两个像素值(大和小)表示的像素值范围转换为预定像素值范围，图像处理单元106进行增强对比度的灰度处理。

步骤S401与第一示例性实施例中的步骤S201类似。换句话说，图像分析处理单元301将从二维X射线传感器104输出的动图像的各个帧输入到块分割单元108中，并且，块分割单元108输出分割后的块。

在步骤S402中，图像分析处理单元301将从块分割单元108输出的块输入到第一获取单元109和信息计算单元302中。如同第一示例性实施例的情况那样，第一获取单元109计算表示块中像素值的变化的特征量作为识别信息。

另一方面，信息计算单元302计算块中像素的平均值。对输入的所有块应用计算处理。换言之，根据本实施例的处理的假定，输出与64×64个块相对应的识别信息64×64及信息64×64。

步骤S403与第一示例性实施例中的步骤S203类似。换言之，图像分析处理单元301将由第一获取单元109输出的识别信息输入到区域识别单元110中，区域识别单元110输出满足识别条件的块作为关注块。

在步骤S404中，图像分析处理单元301将由信息计算单元302输出的信息以及从区域识别单元110输出的关注块，输入到第二获取单元303中。第二获取单元303从各个块的平均值当中的关注块的平均值，选择最小值和最大值，并输出该值作为图像分析处理单元301的图像分析值。

图像处理单元106通过将由最小值和最大值(即图像分析值)表示的像素值的范围转换为预定像素值范围，来增强输入的动图像的各个帧的对比度。

根据上述处理，第一获取单元109、信息计算单元302以及区域识别单元110优选由诸如GPU的并行处理单元实现。

根据本示例性实施例，将图像分割为块，并获得块中像素的像素值的局部变化以及块中像素的平均值。接着，基于像素值的局部变化识别关注块。此外，将预先获得的关注块中像素的像素平均值的最小值和最大值选择作为图像分析值，并将所述图像分析值用于灰度处理。

根据该配置，在步骤S402中，除了识别信息以外，还通过使用并行计算处理单元预先计算图像处理需要的信息。从而，在步骤S404中，可以通过从已经从512×512个像素缩减到64×64个块的数据简单地选择图像分析值，来进行处理。

与在第一示例性实施例中在步骤S204中根据关注块的像素计算图像处理所需的信息时的速度相比，能够以更高的速度进行该选择。

因此，根据第二示例性实施例的配置，除了与第一示例性实施例类似的效果以外，还能够实现利用并行处理单元的优点的高速处理。

此外，根据第二示例性实施例，如同第一示例性实施例的情况那样，可以在步骤S401之前进行图像缩小处理。

此外，根据第二示例性实施例，如同第一示例性实施例的情况那样，可以将图像分割，以使得在步骤S401中的块分割中，相邻块交叠。

可以将与在第一示例性实施例中使用的信息类似的识别信息用于第二示例性实施例。此外，可以使用多个特征量。

如同在第一示例性实施例中不受限制一样，第二示例性实施例的图像处理单元106进行的图像处理不限于灰度处理。图像处理还适用于动态范围压缩处理、噪声降低处理以及边缘增强处理。

此外，根据第二示例性实施例，如同第一示例性实施例的情况那样，可以从设置在X射线图像处理系统300中的操作控制台(未示出)选择图像处理单元106进行的图像处理。可以基于选择的图像处理，来改变从图像分析处理单元301输出的图像分析值。

根据上述配置，根据第二示例性实施例，能够获得与在第一示例性实施例中描述的那样类似的效果。

现在，参照图5描述根据本发明的第三示例性实施例的X射线图像处理系统。X射线图像处理系统500包括X射线生成单元101和二维X射线传感器104。X射线生成单元101能够生成每秒3至30个X射线脉冲。二维X射线传感器104接收通过被摄体102的X射线103，并与X射线脉冲同步地，进行作为X射线图像的动图像的摄像。

此外，X射线图像处理系统500包括图像分析处理单元501和图像处理单元106。图像分析处理单元501分析从二维X射线传感器104输出的动图像的各个帧，并输出图像分析值。图像处理单元106基于图像分析值进行动图像的各个帧的图像处理。

如同第一示例性实施例的情况那样，图5中的图像分析处理单元501包括块分割单元108、第一获取单元109和区域识别单元110。块分割单元108将动图像的各个帧分割成块。各个块包括预定数量的像素。第一获取单元109针对各个块计算识别信息。区域识别单元110提取满足识别信息中的预定识别条件的块。

此外，图像分析处理单元501还包括第二获取单元111。第二获取单元111基于关注块的像素获取图像处理所需的信息。图像分析处理单元501将从第二获取单元111输出的值作为图像分析值输出。

图5中的图像分析处理单元501除了第一示例性实施例中的图像分析处理单元105的配置以外，还包括机器学习单元502。

机器学习单元502包括存储大量的样本图像数据和训练数据的训练数据库503。样本图像数据是过去获取的图像数据。训练数据是通过将与样本图像数据相对应的关注块，与例如通过预先手动输入获得的关注块的数据组合获取的数据。

此外，机器学习单元502包括块分割单元504和获取单元505。块分割单元504与图像处理单元105类似，块分割单元504通过将存储在训练数据库503中的样本图像数据分割成块来计算识别信息。

此外，机器学习单元502包括学习由区域识别单元110使用的识别条件的识别条件学习单元506。识别条件学习单元506基于根据样本图像数据计算的识别信息和存储在训练数据库503中的关注块的数据，来学习识别条件。

具有上述配置的图像分析处理单元501除了具有与第一示例性实施例类似的、对动图像进行图像分析处理和图像处理的图像处理流程以外，还具有通过使用训练数据学习识别条件的学习流程。由于图像处理流程与以上根据第一示例性实施例描述的处理类似，因此不再重复描述。下面，参照图6的流程图描述学习流程的操作。

在步骤S601中，图像分析处理单元501从训练数据库503中读出样本图像，并将图像输入到块分割单元504中。块分割单元504对样本图像进行与图像处理流程类似的块分割处理，并输出获得的结果。

在步骤S602中，图像分析处理单元501将从块分割单元504输出的块输入到获取单元505中。获取单元505对各个块进行与上述图像处理类似的识别信息计算处理，并针对各个块计算识别信息。

在步骤S603中，图像分析处理单元501将从获取单元505输出的识别信息以及存储在训练数据库503中的关注块的数据输入到识别条件学习单元506中。

识别条件学习单元506基于从样本图像获得的识别信息以及相应关注块的数据，获取识别条件。期望能够通过例如由支持向量机(SVM，supportvectormachine)进行的机器学习处理，来进行学习。

通过学习流程获得的识别条件用于图像处理流程中的关注块的识别。

第三示例性实施例的X射线图像处理系统500的配置与第一示例性实施例中的X射线图像处理系统100的配置类似，但是还包括机器学习单元502。然而，第二示例性实施例的图像处理系统300也可以被配置为具有机器学习单元502。

根据本示例性实施例，根据包括预先准备的样本图像数据以及与样本图像数据相对应的关注块的数据的训练数据，能够通过机器学习来学习由区域识别单元110使用的识别条件。

以这种方式，例如，根据训练数据，能够有效地获得根据第一示例性实施例的公式(2)的阈值处理中使用的阈值。此外，由于使用大量的训练数据，因此能够学习适用于各种图像的识别条件。

此外，由于能够将数据添加到训练数据，因此能够容易地改善识别条件。

虽然图1、图3和图5中所示的单元为专用硬件，但是系统的硬件功能可以通过软件实现。如果通过软件实现各个单元，则通过在信息处理装置中安装软件并通过使用信息处理装置的计算功能执行软件以实现图像处理方法，来实现图1、图3和图5中所示的单元的功能。

通过执行软件，例如执行从二维X射线传感器104输出的动图像的各个帧的图像分析处理和图像处理过程。

图7是示出信息处理装置和外围装置的硬件配置的框图。信息处理装置1000与摄像装置2000以相互能够通信的方式连接。

<信息处理装置>

中央处理单元(CPU)1010通过使用存储在随机存取存储器(RAM)1020或者只读存储器(ROM)1030中的程序和数据，进行信息处理装置1000的总体控制。CPU1010能够通过执行程序来执行关于预先确定的图像处理的计算处理。

RAM1020包括用于临时存储从磁光盘1060或者硬盘1050加载的程序或者数据的区域。RAM1020还包括用于临时存储从摄像装置2000获取的X射线透视动图像数据的区域。此外，RAM1020包括当CPU执行各种处理时由CPU1010使用的工作区。ROM1030存储信息处理装置1000的设置数据和引导程序。

在硬盘1050中，存储使包括在计算机中的CPU1010执行由图1至图6所示的各个单元进行的各个处理而使用的操作系统(OS)、程序以及数据。根据CPU1010的控制，将程序和数据加载到RAM1020，并通过CPU1010(计算机)处理。此外，在硬盘1050中能够存储X射线透视动图像数据。

磁光盘1060是信息存储介质的示例。存储在硬盘1050中的程序和数据的部分或全部可以存储在磁光盘1060中。

鼠标1070和键盘1080在信息处理装置1000的操作者针对CPU1010输入各种指令时使用。打印机1090能够将在图像显示单元107上显示的图像打印到记录介质上。

显示设备1100包括阴极射线管(CRT)显示器或者液晶屏。显示设备1100能够使用图像或者字符显示CPU1010进行的处理的结果。例如，能够显示在通过图1、图3和图5所示的各个单元处理后从图像显示单元107输出的图像。在这种情况下，图像显示单元107用作将图像显示在显示设备1100上的显示控制单元。信息处理装置1000的各个单元通过总线1040相互连接。从而，能够在各个单元之间发送、接收数据。

<摄像装置2000>

接下来，描述摄像装置2000。摄像装置2000能够进行动图像的摄像，并且是诸如X射线透视装置的装置。将获得的图像数据发送到信息处理装置1000。可以将多个图像的数据集中发送到信息处理装置1000。也可以每次进行摄像时发送数据。

如上所述，根据本发明，提供了能够对各种各样的图像进行通用图像处理的系统。

虽然参照示例性实施例对本发明进行了描述，但是应当理解，本发明并不限于所公开的示例性实施例。应当对所附权利要求的范围给予最宽的解释，以使其涵盖所有这些变型例以及等同的结构和功能。

Claims (15)

1.一种图像处理装置，所述图像处理装置包括：

第一获取单元，其被构造为针对图像的多个块，获取块中的像素值的变化；

区域识别单元，其被构造为确定所述块中的像素值的变化是否满足预定变化条件，并且识别满足所述预定变化条件的块的区域；

第二获取单元，其构造为获取由所述区域识别单元识别的所述块的区域的像素值；以及

图像处理单元，其被构造为通过使用由所述第二获取单元获取的像素值，来进行增强所述图像的对比度的图像处理。

2.根据权利要求1所述的图像处理装置，所述第一获取单元针对所述图像的所述多个块获得识别信息。

3.根据权利要求2所述的图像处理装置，其中，所述识别信息包括用于评价所述块中的边缘部分的存在的评价值，并且，从所述区域识别单元要获取的区域排除预定边缘部分。

4.根据权利要求2所述的图像处理装置，所述图像处理装置还包括选择单元，所述选择单元被构造为选择所述图像处理单元要进行的图像处理，并且根据所述选择单元选择的所述图像处理，来改变所述第二获取单元的所述识别信息或识别条件。

5.根据权利要求4所述的图像处理装置，其中，根据所述选择单元选择的所述图像处理，来改变所述块的大小。

6.根据权利要求1所述的图像处理装置，其中，所述图像处理单元进行灰度处理、动态范围压缩处理、噪声降低处理以及边缘增强处理中的至少一个。

7.根据权利要求1所述的图像处理装置，

其中，所述识别信息包括表示所述块的像素值的变化的统计值，并且

其中，所述第二获取单元识别所述统计值处在块的预定范围内的块作为所述区域。

8.根据权利要求1所述的图像处理装置，

其中，所述第二获取单元获取表示由所述区域识别单元输出的所述块的区域的像素值的分布信息，并且

其中，所述图像处理单元基于所述像素值的分布信息，对所述图像进行灰度处理和动态范围压缩处理中的至少一者。

9.根据权利要求1所述的图像处理装置，

其中，所述第二获取单元从表示由所述区域识别单元输出的所述块的区域中的像素，获取噪声评价值，并且

其中，所述图像处理单元基于所述评价值，对所述图像进行噪声降低处理。

10.根据权利要求1所述的图像处理装置，其中，所述识别信息包括表示所述图像的纹理特性的统计值。

11.根据权利要求9所述的图像处理装置，其中，所述噪声评价值包括根据所述块的像素值获得的方差值以及最大值与最小值之间的差值。

12.根据权利要求1所述的图像处理装置，其中，所述第一获取单元以使得块交叠的方式进行相邻块之间的分割。

13.根据权利要求1所述的图像处理装置，其中，所述图像处理单元还包括被构造为预先将所述图像缩小到预定大小的图像缩小单元。

14.根据权利要求1所述的图像处理装置，其中，所述第二获取单元还包括：

识别条件学习单元，其被构造为通过使用多个样本图像以及预先获得的与样本图像相对应的关注块的数据，来学习要用于所述关注块的识别信息。

15.一种图像处理方法，所述图像处理方法包括：

针对图像的多个块，获取块中的像素值的变化；

确定所述块中的像素值的变化是否满足预定变化条件；

识别满足所述预定变化条件的块的区域；

获取识别出的所述块的区域的像素值；以及

通过使用获取的所述像素值，来进行增强所述图像的对比度的图像处理。