CN105678750B - 医学图像的灰度映射曲线生成方法及装置 - Google Patents
医学图像的灰度映射曲线生成方法及装置 Download PDFInfo
- Publication number
- CN105678750B CN105678750B CN201511027401.7A CN201511027401A CN105678750B CN 105678750 B CN105678750 B CN 105678750B CN 201511027401 A CN201511027401 A CN 201511027401A CN 105678750 B CN105678750 B CN 105678750B
- Authority
- CN
- China
- Prior art keywords
- grey scale
- curve
- value
- gray value
- gray
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
医学图像的灰度映射曲线生成方法及装置,所述灰度映射曲线生成方法包括:确定距离‑灰度曲线,所述距离是医学图像目标区域中像素点与目标区域边缘像素点间的最小距离,所述灰度是与最小距离对应的像素点灰度值的平均值;将距离‑灰度曲线分为N段,获取N个灰度映射线段的斜率和其上初始点灰度值生成灰度映射线段,第N个灰度映射线段的斜率关联距离‑灰度曲线上预设点灰度值与与其对应的第N个曲线段上首末两点灰度值平均值的比值;第N个灰度映射线段上初始点灰度值关联第(N‑1)个灰度映射线段上初始点灰度值和第(N‑1)个曲线段的灰度变化量;拟合灰度映射线段获得灰度映射曲线。本技术方案的灰度映射曲线可使得目标区域灰度均匀,符合临床需求。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种医学图像的灰度映射曲线生成方法及装置。
背景技术
随着计算机科学和信息技术的发展,医学成像技术得到了迅速的发展,各种医学影像系统不断涌现。如磁共振成像(MRI,Magnetic Resonance Imaging)、计算机断层扫描(CT,Computed Tomography)、正电子发射计算机断层扫描(PET,Positron EmissionComputed Tomography)、X射线摄影系统、全视野数字乳房X线摄影系统(FFDM,full-fielddigital mammography)、数字乳腺断层摄影系统(DBT,digital breast tomosynthesis)等。
对采用医学影像系统拍摄获得的医学图像而言,可能会出现拍摄获得的医学图像中目标区域的灰度值不均匀,不符合实际的临床需求,如:医学图像的目标区域边缘及其邻域的灰度值与其内部的灰度值差异较大,而所述目标区域边缘的灰度值和背景区域的灰度值较为接近,进而导致在一定的窗宽窗位下对医学图像进行诊断时,所述目标区域边缘的信息会有所丢失,若在该边缘上存在病灶,则会造成漏诊。此外,所述目标区域边缘的灰度值和背景区域的灰度值较为接近,也会导致漏诊现象的发生。
目前对于上述的情况通常通过灰度映射曲线来对目标区域边缘及其邻域的灰度值进行调整,灰度映射曲线的生成则可以通过不同的方式获得,如:基于模板,基于距离等。然而采用现有方式获得的灰度映射曲线,一方面不能适用于所有的医学图像,另一方面仍然会存在调整后的目标区域的灰度值仍然不均匀的现象,调整后的目标区域不符合实际的临床需求。
因此,如何能够生成一种灰度映射曲线,以使得采用该映射曲线对医学图像中目标区域边缘及其邻域的灰度值进行调整时,调整后的目标区域的灰度值符合实际的临床需求,成为目前亟待解决的问题之一。
发明内容
本发明要解决的问题是提供一种医学图像的灰度映射曲线生成方法及装置,以使得采用所述灰度映射曲线对所述医学图像中的目标区域进行调整后,目标区域灰度值均匀,提高所述医学图像的质量。
为解决上述问题,本发明技术方案提供一种医学图像的灰度映射曲线生成方法,其特征在于,包括:
确定距离-灰度曲线,所述距离是指所述医学图像的目标区域中任一像素点
与所述目标区域边缘的像素点之间的最小距离,所述灰度是指与所述最小距离对应的像素点的灰度值的平均值;
将所述距离-灰度曲线分为N段,确定与灰度映射线段对应的曲线段;
获取N个灰度映射线段的斜率和其上初始点的灰度值以生成所述灰度映射线段,第N个灰度映射线段的斜率关联于所述距离-灰度曲线上一预设点灰度值与与其对应的第N个曲线段上首末两点灰度值的平均值的比值;所述第N个灰度映射线段上初始点的灰度值关联于第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量;
对所述灰度映射线段进行拟合以获得灰度映射曲线。
可选的,所述第N个灰度映射线段的斜率为所述距离-灰度曲线上一预设点灰度值与第N个曲线段上首末两点灰度值的平均值的比值。
可选的,所述第N个灰度映射线段上初始点的灰度值为第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量之和。
可选的,所述第(N-1)个曲线段所对应的灰度变化量为第(N-1)个曲线段首末两点距离之差与首点与所述预设点距离之差的比值和所述首点灰度值与所述预设点灰度值之差的乘积。
可选的,所述灰度映射曲线灰度区间的最小值为所述预设点灰度值,最大值为所述目标区域边缘的最大灰度值,所述距离-灰度曲线分段的数目等于大于所述预设点灰度值的灰度值的数目。
可选的,所述灰度映射曲线灰度区间的最小值为所述目标区域边缘的最小灰度值,最大值为所述预设点灰度值,所述距离-灰度曲线分段的数目等于小于所述预设点灰度值的灰度值的数目。
为解决上述问题,本发明技术方案还提供一种医学图像的灰度映射曲线生成装置,其特征在于,包括:
曲线生成单元,用于确定距离-灰度曲线,所述距离是指所述医学图像的目标区域中任一像素点与所述目标区域边缘的像素点之间的最小距离,所述灰度是指与所述最小距离对应的像素点的灰度值的平均值;
分段单元,用于将所述距离-灰度曲线分为N段,确定与灰度映射线段对应的曲线段;
灰度映射线段获取单元,用于获取N个灰度映射线段的斜率和其上初始点的灰度值以生成所述灰度映射线段,第N个灰度映射线段的斜率关联于所述距离-灰度曲线上一预设点灰度值与与其对应的第N个曲线段上首末两点灰度值的平均值的比值;所述第N个灰度映射线段上初始点的灰度值关联于第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量;
拟合单元,用于对所述灰度映射线段进行拟合以获得灰度映射曲线。
可选的,所述第N个灰度映射线段的斜率为所述距离-灰度曲线上一预设点灰度值与第N个曲线段上首末两点灰度值的平均值的比值。
可选的,所述第N个灰度映射线段上初始点的灰度值为第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量之和。
可选的,所述第(N-1)个曲线段所对应的灰度变化量为第(N-1)个曲线段首末两点距离之差与首点与所述预设点距离之差的比值和所述首点灰度值与所述预设点灰度值之差的乘积。
可选的,所述灰度映射曲线灰度区间的最小值为所述预设点灰度值,最大值为所述目标区域边缘的最大灰度值,所述距离-灰度曲线分段的数目等于大于所述预设点灰度值的灰度值的数目。
可选的,所述灰度映射曲线灰度区间的最小值为所述目标区域边缘的最小灰度值,最大值为所述预设点灰度值,所述距离-灰度曲线分段的数目等于小于所述预设点灰度值的灰度值的数目。
与现有技术相比,本发明技术方案具有以下优点:
获得距离-灰度曲线,所述距离为所述医学图像的目标区域中任一像素点与所述目标区域边缘的像素点之间的最小距离,所述灰度是指与所述最小距离对应的像素点的灰度值的平均值;基于所述距离-灰度曲线来确定灰度映射线段,并对所述灰度映射线段进行拟合以获得灰度映射曲线。由于基于距离-灰度曲线来获取灰度映射曲线,因此可以对距离所述目标区域边缘不同距离的区域的灰度值进行映射,且根据分段后的距离-灰度曲线上首末两点的距离灰度特性,以及所述距离-灰度曲线上一预设点的距离灰度特性来确定灰度映射线段的斜率和初始点灰度值以生成灰度映射线段,进而通过对灰度映射线段的拟合来获取灰度映射曲线,以所述灰度映射曲线对所述目标区域的灰度值进行映射,可以使得最终获得的目标区域的灰度值均匀,且所述目标区域边缘及其邻域的灰度值与其内部的灰度值趋于一致,符合实际的临床需求。进而使得在一定窗宽窗位下进行诊断时,目标区域边缘的信息不会有所损失,提高了诊断的准确率。
附图说明
图1是本发明实施例的医学图像的灰度映射曲线生成方法的流程图;
图2是本发明实施例的距离-灰度曲线的示意图;
图3是本发明实施例的生成灰度映射线段过程中距离-灰度曲线的曲线段上相应各点的示意图;
图4是本发明实施例的医学图像的灰度映射曲线示意图;
图5是本发明实施例的医学图像的灰度映射曲线生成装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。
正如现有技术中所描述的,目前采集到的医学图像中目标区域存在灰度值不均匀的情况,尤其是所述目标区域边缘及其邻域的灰度值与内部灰度值差异较大,目标区域边缘的灰度值与背景区域的灰度值较接近,进而会导致漏诊。因此,发明人提出生成灰度映射曲线以对所述医学图像进行灰度变换,进而使得目标区域边缘及其附近一定邻域的灰度值与其邻域附近区域的灰度值趋于一致,符合实际的临床需求。
以下通过具体的实施例对本发明的技术方案进行详细的说明。
参见图1,图1是本发明实施例的医学图像的灰度映射曲线生成方法的流程图,如图1所示,所述医学图像的灰度映射曲线生成方法包括:
S101:确定距离-灰度曲线,所述距离是指所述医学图像的目标区域中任一像素点与所述目标区域边缘的像素点之间的最小距离,所述灰度是指与所述最小距离对应的像素点的灰度值的平均值;
S102:将所述距离-灰度曲线分为N段,确定与灰度映射线段对应的曲线段;
S103:获取N个灰度映射线段的斜率和其上初始点的灰度值以生成所述灰度映射线段,第N个灰度映射线段的斜率关联于所述距离-灰度曲线上一预设点灰度值与与其对应的第N个曲线段上首末两点灰度值的平均值的比值;所述第N个灰度映射线段上初始点的灰度值关联于第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量;
S104:对所述灰度映射线段进行拟合以获得灰度映射曲线。
在执行S101之前,首先需将所述医学图像中的目标区域分割出来,所述目标区域为用户的感兴趣区域,如可以为乳房区域、胸部区域等。基于分割出的目标区域来确定距离-灰度曲线。本实施例中,所述距离是指对于所述目标区域中的每一个像素点而言,其与所述目标区域边缘的每一个像素点之间均存在一个距离,即该像素点和目标区域边缘的每一个像素点之间连线的长度,在这些长度当中总存在一条最短的,该最短的连线即为所述目标区域中一个像素点与所述目标区域边缘的像素点之间的最小距离,遍历所述目标区域中所有的像素点,可以得到不同的像素点与所述目标区域边缘的像素点之间的最小距离,如0.5cm、0.8cm、1cm等。而对于每一个最小距离而言,均存在与其对应的像素点,将与其对应的像素点的灰度值相加除以对应的像素点的个数则得到与该最小距离对应的灰度值。举例来说:像素点a、像素点b、像素点c到所述目标区域边缘的像素点之间的最小距离均为0.5cm,则与最小距离0.5cm对应的灰度值为像素点a、像素点b、像素点c的灰度值之和除以三。
遍历所述目标区域中的所有像素点,得到每一个像素点到所述目标区域边缘的像素点之间的最小距离,同时也得到与该最小距离对应的灰度值,以所述最小距离为横坐标,与其对应的灰度值为纵坐标,建立距离-灰度曲线,如图2所示,图2是本发明实施例的距离-灰度曲线的示意图,图2中的距离-灰度曲线的横坐标距离是以像素点个数来表示的,也即通过像素点个数来衡量每一个像素点到所述目标区域边缘的像素点之间的最小距离,根据图2可以知晓距离目标区域边缘不同距离时对应的灰度值。
本领域技术人员知晓,对于目标区域边缘及其邻域的灰度值与所述邻域附近(内部)灰度值不一致的情况而言,有可能是目标区域边缘及其邻域的灰度值比其内部灰度值高,也有可能是目标区域边缘及其邻域的灰度值比其内部灰度值低。对于从医学影像系统采集到的医学图像而言,通常为正片(目标区域的灰度值低于背景区域的灰度值),而医生诊断时采用的医学图像则通常为对正片经过一系列后处理后的负片(目标区域的灰度值高于背景区域的灰度值)。对于采集的医学图像(正片)而言,较多出现的是目标区域边缘及其邻域的灰度值高于内部的灰度值,且目标区域边缘的灰度值与背景区域的灰度值较为接近,而对于医学图像的处理通常是基于正片的,因此本实施例中,以对正片中出现的目标区域边缘及其邻域的灰度值高于其内部灰度值为例进行相应的说明,而为了使得所述目标区域边缘及其邻域的灰度值与其内部的灰度值趋于一致,需对所述目标区域边缘及其邻域的灰度值进行压缩,也即本实施例中最终生成的灰度映射曲线为灰度压缩曲线。
执行S102,本实施中是先获取灰度映射线段,然后再对其进行拟合以得到灰度映射曲线,而灰度映射线段的获得则是基于S101中确定的灰度距离-曲线,因此本步中先对距离-灰度曲线进行分段以确定灰度映射线段的数目。本实施例中由于是对正片进行处理,因此灰度映射曲线的作用应该是将目标区域边缘(灰度值高)和其邻域所在区域的灰度值进行相应的压缩,因此灰度映射曲线的灰度区间的最大值为所述目标区域边缘的最大灰度值,而灰度映射曲线的灰度区间的最小值则是根据实际需求而定,如若需要对距离所述目标区域边缘预定距离范围内的区域的灰度值进行映射,则所述灰度映射曲线的灰度区间的最小值为距离-灰度曲线上预定距离所对应的灰度值,本实施例中为所述距离-灰度曲线上预设点P的灰度值(参见图3所示),因此,在实际处理过程中,可以根据实际需要压缩的区域,来确定该区域与所述目标区域边缘的距离进而根据该距离在所述距离-灰度曲线上确定与该距离对应的灰度值,也即灰度映射曲线的灰度区间的最小值。本实施例中,将距离-灰度曲线划分为几段取决于大于灰度映射曲线的灰度区间的最小值的灰度值的数目,也即图3中大于预设点P的灰度值的数目。
需要说明的是,本实施例中为了更加清楚地表示正片中在远离目标区域边缘的过程中所述目标区域中距离所述目标区域边缘最小距离相同的像素点的平均灰度值(距离-灰度曲线中的灰度值)随着与所述目标区域边缘最小距离的不同对应的像素点的平均灰度值的变化趋势,故图3中示出了连续的距离-灰度曲线,但是实际处理过程中,对于距离-灰度曲线而言,由于不同的距离对应的是到目标区域边缘的最小距离相同的所有像素点的灰度值的平均值,因此距离所述目标区域边缘的不同的最小距离所对应的灰度值并不连续,故,大于所述预设点的灰度值的灰度值的数目为有限个。举例来说,若预设点P的灰度值为200,大于预设点P的灰度值有300、400、500、600,700,即大于预设点P的灰度值的灰度值的数目为5,则将所述距离-灰度曲线分为5段。
执行S103,基于S102获得的分段后的曲线段,获取与该曲线段对应的灰度映射线段。请参见图3,图3是本发明实施例的医学图像的灰度映射曲线生成示意图,如图3所示,图中所示曲线为距离-灰度曲线,在对所述距离-灰度曲线分段后,可以得到不同的曲线段,本实施例中,以A点和B点之间的曲线段及A点对应的灰度值为灰度映射曲线的灰度区间的最大值为例,说明与曲线段AB对应的灰度映射线段的生成过程,图3中预设点P的灰度值则为灰度映射曲线的灰度区间的最小值。
本实施例中,对于曲线段AB而言,与其对应的灰度映射线段A′B′的斜率为所述距离-灰度曲线上预设点P的灰度值,与曲线段AB上首点A的灰度值与末点B的灰度值的平均值的比值。也即:
其中:K为斜率,GP为预设点P的灰度值、GA为曲线段AB上首点A的灰度值、GB为曲线段AB上末点B的灰度值。同样地对于与其他曲线段对应的灰度映射线段而言其斜率的计算方式与计算曲线段AB对应的灰度映射线段A′B′的方式相类似,只要在上述公式中带入该曲线段的首点和末点的灰度值即可。
本实施例中,对所述灰度映射线段上初始点的灰度值则通过如下方式获得,对于曲线段AB而言与其对应的灰度映射线段A′B′的初始点A′的灰度值即为A点的灰度值,由于A点为灰度映射曲线的灰度区间的最大值,因此A′点的灰度值是已知的。故,根据灰度映射线段A′B′的初始点A′的灰度值以及灰度映射线段A′B′的斜率,通过点斜式的计算公式即可以获得与曲线段AB对应的灰度映射线段A′B′的表达式。而对于与曲线段BC对应的灰度映射线段B′C′而言,其斜率的计算方式与灰度映射线段A′B′的斜率的计算方式相类似,而灰度映射线段B′C′的初始点B′的灰度值则为灰度映射线段A′B′上初始点A′的灰度值与曲线段AB所对应的灰度变化量的之和,也即:
其中:GB′为初始点B′的灰度值,GA′为初始点A′的灰度值,dA为曲线段AB上首点对应的距离,dB为曲线段AB上末点对应的距离,dP为预设点P对应的距离,GA为曲线段AB上首点A的灰度值,GP为预设点P的灰度值。
由于GA′、dA、dB、dP、GA以及GP均为已知,因此可以计算出灰度映射线段B′C′的初始点B′的灰度值,进而根据灰度映射线段B′C′的初始点B′的灰度值以及B′C′的斜率获得灰度映射线段B′C′的表达式。依次类推,可以计算出与每一个曲线段对应的灰度映射线段的表达式。
本实施例中,是以灰映射曲线的灰度区间的最大灰度值作为第一个灰度映射线段上的初始点的灰度值为例进行说明的,在其他实施例中,也可以以所述灰度映射曲线的灰度区间的最小值,如预设点P的灰度值作为第一个灰度映射线段上的初始点的灰度值,由于预设点P的灰度值已知,因此可以通过第一个灰度映射线段上初始点的灰度值与第一个曲线段对应的灰度变化量之和来获取第二个灰度映射线段上初始点的灰度值,然后依此类推,获取每一个灰度映射线段上初始点的灰度值,进而根据每一个灰度映射线段上初始点的灰度值和该灰度映射线段的斜率获取该灰度映射线段的表达式。
执行S104,对通过上述方式获得灰度映射线段进行拟合,本实施例中可以采用最小二乘法、拉格朗日插值法、牛顿迭代法、三次样条插值等对灰度映射线段进行拟合以获得灰度映射曲线。
请参见图4,图4是本发明实施例的医学图像的灰度映射曲线示意图,如图4所示,图4中的[Min,Max]为本实施例的灰度映射曲线的作用范围,也即该灰度映射曲线将灰度值位于[Min,Max]之间的灰度值进行了相应的映射,其中Min对应于图3中预设点P的灰度值,Max对应于图3中A点的灰度值。
本实施例中是将该区间的灰度值进行了相应的压缩。对于正片而言小于Min的灰度区间通常对应的是目标区域的内部,而大于Max的灰度区间通常对应的是背景区域。通过图4所示的灰度映射曲线可以将目标区域边缘一定范围内的灰度值进行映射,而对目标区域内部的灰度值没有影响,且根据距离-灰度曲线生成的灰度映射曲线对所述目标区域边缘及其邻域的灰度值进行映射后可以使得所述目标区域边缘及其邻域的灰度值与该邻域附近的灰度值趋于一致,整个目标区域的灰度值均匀,使得后续在一定窗宽窗位下对所述目标区域进行诊断时,目标区域边缘的信息不会有所丢失,避免了漏诊现象的发生。
此外,通过图4所示的灰度映射曲线,对所述目标区域边缘及其邻域的灰度值进行了压缩,而背景区域的灰度值没有变化,因此可以很好的将目标区域边缘和背景区域区分开,降低了诊断过程中的漏诊率,进而也提高了诊断的准确率。
需要说明的是,本实施例中是以对采集到的医学图像(正片)中目标区域边缘及其邻域的灰度值高于所述邻域附近的灰度值为例进行说明的,也即本实施例中的灰度映射曲线实现的是对距离目标区域边缘一定范围区域的灰度值进行压缩,而对于目标区域边缘及其邻域的灰度值低于所述邻域附近的灰度值的医学图像而言,如负片,则仍然可以通过本发明实施例的方案生成灰度映射曲线,而此时灰度曲线的功能则是将所述目标区域边缘及其邻域的区域的灰度值抬高以使得其灰度值与该邻域附近区域的灰度值趋于一致。
对于生成具有扩张功能的灰度映射曲线而言,每一个灰度映射线段的斜率及其上初始点的灰度值的计算方式与生成具有压缩功能的灰度映射曲线的过程中,每一个灰度映射线段及其上初始点的灰度值的计算方式相类似,此处不再赘述,不同的是,此时灰度映射曲线灰度区间的最小值为所述目标区域边缘的最小灰度值,最大值则为所述预设点灰度值,而所述距离-灰度曲线分段的数目则等于小于所述预设点灰度值的灰度值的数目。
基于上述的医学图像的灰度映射曲线生成方法,本发明实施例还提供一种医学图像的灰度映射曲线生成装置,请参见图5,图5是本发明实施例的医学图像的灰度映射曲线生成装置的结构示意图,如图5所示,所述医学图像的灰度映射曲线生成装置包括:
曲线生成单元101:用于确定距离-灰度曲线,所述距离是指所述医学图像的目标区域中任一像素点与所述目标区域边缘的像素点之间的最小距离,所述灰度是指与所述最小距离对应的像素点的灰度值的平均值;
分段单元102,用于将所述距离-灰度曲线分为N段,确定与灰度映射线段对应的曲线段;
灰度映射线段获取单元103,用于获取N个灰度映射线段的斜率和其上初始点的灰度值以生成所述灰度映射线段,第N个灰度映射线段的斜率关联于所述距离-灰度曲线上一预设点灰度值与与其对应的第N个曲线段上首末两点灰度值的平均值的比值;所述第N个灰度映射线段上初始点的灰度值关联于第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量;
拟合单元104,用于对所述灰度映射线段进行拟合以获得灰度映射曲线。
本实施例中,所述第N个灰度映射线段的斜率为所述距离-灰度曲线上一预设点灰度值与第N个曲线段上首末两点灰度值的平均值的比值。所述第N个灰度映射线段上初始点的灰度值为第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量之和。而所述第(N-1)个曲线段所对应的灰度变化量则为第(N-1)个曲线段首末两点距离之差与首点与所述预设点距离之差的比值和所述首点灰度值与所述预设点灰度值之差的乘积。
本实施例中若所述灰度映射曲线为压缩曲线,则所述灰度映射曲线灰度区间的最小值为所述预设点灰度值,最大值为所述目标区域边缘的最大灰度值,所述距离-灰度曲线分段的数目等于大于所述预设点灰度值的灰度值的数目。
若所述灰度映射曲线为扩张曲线,则所述灰度映射曲线灰度区间的最小值为所述目标区域边缘的最小灰度值,最大值为所述预设点灰度值,所述距离-灰度曲线分段的数目等于小于所述预设点灰度值的灰度值的数目。
上述的医学图像的灰度映射曲线生成装置的具体实施可以参见上述的医学图像的灰度映射曲线生成方法进行,此处不再赘述。
综上所述,本发明实施例提供的医学图像的灰度映射曲线生成方法,至少具有如下有益效果:
获得距离-灰度曲线,所述距离为所述医学图像的目标区域中任一像素点与所述目标区域边缘的像素点之间的最小距离,所述灰度是指与所述最小距离对应的像素点的灰度值的平均值;基于所述距离-灰度曲线来确定灰度映射线段,并对所述灰度映射线段进行拟合以获得灰度映射曲线。由于基于距离-灰度曲线来获取灰度映射曲线,因此可以对距离所述目标区域边缘不同距离的区域的灰度值进行映射,且根据分段后的距离-灰度曲线上首末两点的距离灰度特性,以及所述距离-灰度曲线上一预设点的距离灰度特性来确定灰度映射线段的斜率和初始点灰度值以生成灰度映射线段,进而通过对灰度映射线段的拟合来获取灰度映射曲线,以所述灰度映射曲线对所述目标区域的灰度值进行映射,可以使得最终获得的目标区域的灰度值均匀,且所述目标区域边缘及其邻域的灰度值与其内部的灰度值趋于一致,符合实际的临床需求。进而使得在一定窗宽窗位下进行诊断时,目标区域边缘的信息不会有所损失,提高了诊断的准确率。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (12)
1.一种医学图像的灰度映射曲线生成方法,其特征在于,包括:
确定距离-灰度曲线,所述距离是指所述医学图像的目标区域中任一像素点与所述目标区域边缘的像素点之间的最小距离,所述灰度是指与所述最小距离对应的像素点的灰度值的平均值;
将所述距离-灰度曲线分为N段,确定与灰度映射线段对应的曲线段;
获取N个灰度映射线段的斜率和其上初始点的灰度值以生成所述灰度映射线段,第N个灰度映射线段的斜率关联于所述距离-灰度曲线上一预设点灰度值与与其对应的第N个曲线段上首末两点灰度值的平均值的比值;所述第N个灰度映射线段上初始点的灰度值关联于第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量;所述预设点是指所述距离-灰度曲线上距离为预定距离的点;
对所述灰度映射线段进行拟合以获得灰度映射曲线。
2.如权利要求1所述的医学图像的灰度映射曲线生成方法,其特征在于,所述第N个灰度映射线段的斜率为所述距离-灰度曲线上一预设点灰度值与第N个曲线段上首末两点灰度值的平均值的比值。
3.如权利要求1所述的医学图像的灰度映射曲线生成方法,其特征在于,所述第N个灰度映射线段上初始点的灰度值为第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量之和。
4.如权利要求1至3任一项所述的医学图像的灰度映射曲线生成方法,其特征在于,所述第(N-1)个曲线段所对应的灰度变化量为第(N-1)个曲线段首末两点距离之差与首点与所述预设点距离之差的比值和所述首点灰度值与所述预设点灰度值之差的乘积。
5.如权利要求1所述的医学图像的灰度映射曲线生成方法,其特征在于,所述灰度映射曲线灰度区间的最小值为所述预设点灰度值,最大值为所述目标区域边缘的最大灰度值,所述距离-灰度曲线分段的数目等于大于所述预设点灰度值的灰度值的数目。
6.如权利要求1所述的医学图像的灰度映射曲线生成方法,其特征在于,所述灰度映射曲线灰度区间的最小值为所述目标区域边缘的最小灰度值,最大值为所述预设点灰度值,所述距离-灰度曲线分段的数目等于小于所述预设点灰度值的灰度值的数目。
7.一种医学图像的灰度映射曲线生成装置,其特征在于,包括:
曲线生成单元,用于确定距离-灰度曲线,所述距离是指所述医学图像的目标区域中任一像素点与所述目标区域边缘的像素点之间的最小距离,所述灰度是指与所述最小距离对应的像素点的灰度值的平均值;
分段单元,用于将所述距离-灰度曲线分为N段,确定与灰度映射线段对应的曲线段;
灰度映射线段获取单元,用于获取N个灰度映射线段的斜率和其上初始点的灰度值以生成所述灰度映射线段,第N个灰度映射线段的斜率关联于所述距离-灰度曲线上一预设点灰度值与与其对应的第N个曲线段上首末两点灰度值的平均值的比值;所述第N个灰度映射线段上初始点的灰度值关联于第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量;所述预设点是指所述距离-灰度曲线上距离为预定距离的点;
拟合单元,用于对所述灰度映射线段进行拟合以获得灰度映射曲线。
8.如权利要求7所述的医学图像的灰度映射曲线生成装置,其特征在于,所述第N个灰度映射线段的斜率为所述距离-灰度曲线上一预设点灰度值与第N个曲线段上首末两点灰度值的平均值的比值。
9.如权利要求7所述的医学图像的灰度映射曲线生成装置,其特征在于,所述第N个灰度映射线段上初始点的灰度值为第(N-1)个灰度映射线段上初始点的灰度值和第(N-1)个曲线段所对应的灰度变化量之和。
10.如权利要求7至9任一项所述的医学图像的灰度映射曲线生成装置,其特征在于,所述第(N-1)个曲线段所对应的灰度变化量为第(N-1)个曲线段首末两点距离之差与首点与所述预设点距离之差的比值和所述首点灰度值与所述预设点灰度值之差的乘积。
11.如权利要求7所述的医学图像的灰度映射曲线生成装置,其特征在于,所述灰度映射曲线灰度区间的最小值为所述预设点灰度值,最大值为所述目标区域边缘的最大灰度值,所述距离-灰度曲线分段的数目等于大于所述预设点灰度值的灰度值的数目。
12.如权利要求7所述的医学图像的灰度映射曲线生成装置,其特征在于,所述灰度映射曲线灰度区间的最小值为所述目标区域边缘的最小灰度值,最大值为所述预设点灰度值,所述距离-灰度曲线分段的数目等于小于所述预设点灰度值的灰度值的数目。
Priority Applications (14)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511027401.7A CN105678750B (zh) | 2015-12-31 | 2015-12-31 | 医学图像的灰度映射曲线生成方法及装置 |
EP21174529.4A EP3920133A1 (en) | 2015-12-31 | 2016-12-29 | Methods and systems for image processing |
PCT/CN2016/113079 WO2017114473A1 (en) | 2015-12-31 | 2016-12-29 | Methods and systems for image processing |
GB1710525.5A GB2548767B (en) | 2015-12-31 | 2016-12-29 | Methods and systems for image processing |
RU2019134059A RU2797310C2 (ru) | 2015-12-31 | 2016-12-29 | Способы и системы для обработки изображений |
EP16881262.6A EP3398159B1 (en) | 2015-12-31 | 2016-12-29 | Methods and systems for image processing |
BR112018013602-6A BR112018013602A2 (pt) | 2015-12-31 | 2016-12-29 | métodos e sistemas de processamento de imagem |
CN202210868915.9A CN115049563A (zh) | 2015-12-31 | 2016-12-29 | 一种图像处理方法和系统 |
CN201680083009.0A CN108780571B (zh) | 2015-12-31 | 2016-12-29 | 一种图像处理方法和系统 |
RU2018127759A RU2705014C1 (ru) | 2015-12-31 | 2016-12-29 | Способы и системы для обработки изображений |
US15/638,327 US10290108B2 (en) | 2015-12-31 | 2017-06-29 | Methods and systems for image processing |
US16/410,119 US11049254B2 (en) | 2015-12-31 | 2019-05-13 | Methods and systems for image processing |
US17/361,315 US11880978B2 (en) | 2015-12-31 | 2021-06-28 | Methods and systems for image processing |
US18/419,528 US20240185425A1 (en) | 2015-12-31 | 2024-01-22 | Methods and systems for image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511027401.7A CN105678750B (zh) | 2015-12-31 | 2015-12-31 | 医学图像的灰度映射曲线生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105678750A CN105678750A (zh) | 2016-06-15 |
CN105678750B true CN105678750B (zh) | 2018-06-19 |
Family
ID=56189897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511027401.7A Active CN105678750B (zh) | 2015-12-31 | 2015-12-31 | 医学图像的灰度映射曲线生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678750B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3920133A1 (en) | 2015-12-31 | 2021-12-08 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for image processing |
CN107220931B (zh) * | 2017-08-02 | 2020-08-18 | 安康学院 | 一种基于灰度级映射的高动态范围图像重建方法 |
CN109993159B (zh) * | 2018-01-02 | 2023-07-25 | 上海西门子医疗器械有限公司 | 用于图像诊断系统的窗口设置方法和装置 |
CN109993691B (zh) * | 2019-04-02 | 2022-11-11 | 济南大学 | 基于分段式线性转换的非均匀图像转换方法及系统 |
CN112446894B (zh) * | 2020-12-04 | 2024-03-26 | 沈阳工业大学 | 基于方向空间的图像分割方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1489111A (zh) * | 2003-08-21 | 2004-04-14 | 上海交通大学 | 基于局部统计特性和彩色空间变换的遥感影像融合方法 |
CN1744688A (zh) * | 2005-09-14 | 2006-03-08 | 上海广电(集团)有限公司中央研究院 | 一种基于最大最小值进行动态视频层次处理的方法 |
CN101211459A (zh) * | 2007-12-21 | 2008-07-02 | 上海广电集成电路有限公司 | 一种针对边界点进行处理的直方图均衡方法 |
KR20090055403A (ko) * | 2007-11-28 | 2009-06-02 | 엘지디스플레이 주식회사 | 콘트라스트 개선 장치 및 방법 |
CN102982536A (zh) * | 2012-11-05 | 2013-03-20 | 华为技术有限公司 | 处理图像的方法和设备 |
CN104268840A (zh) * | 2014-09-30 | 2015-01-07 | 成都市晶林科技有限公司 | 一种红外图像直方图去冗余的灰度等间距映射的增强方法 |
CN104899849A (zh) * | 2014-01-21 | 2015-09-09 | 武汉联影医疗科技有限公司 | 一种多目标交互式图像分割方法和装置 |
CN105225210A (zh) * | 2015-10-14 | 2016-01-06 | 南京第五十五所技术开发有限公司 | 一种基于暗通道的自适应直方图增强去雾方法 |
-
2015
- 2015-12-31 CN CN201511027401.7A patent/CN105678750B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1489111A (zh) * | 2003-08-21 | 2004-04-14 | 上海交通大学 | 基于局部统计特性和彩色空间变换的遥感影像融合方法 |
CN1744688A (zh) * | 2005-09-14 | 2006-03-08 | 上海广电(集团)有限公司中央研究院 | 一种基于最大最小值进行动态视频层次处理的方法 |
KR20090055403A (ko) * | 2007-11-28 | 2009-06-02 | 엘지디스플레이 주식회사 | 콘트라스트 개선 장치 및 방법 |
CN101211459A (zh) * | 2007-12-21 | 2008-07-02 | 上海广电集成电路有限公司 | 一种针对边界点进行处理的直方图均衡方法 |
CN102982536A (zh) * | 2012-11-05 | 2013-03-20 | 华为技术有限公司 | 处理图像的方法和设备 |
CN104899849A (zh) * | 2014-01-21 | 2015-09-09 | 武汉联影医疗科技有限公司 | 一种多目标交互式图像分割方法和装置 |
CN104268840A (zh) * | 2014-09-30 | 2015-01-07 | 成都市晶林科技有限公司 | 一种红外图像直方图去冗余的灰度等间距映射的增强方法 |
CN105225210A (zh) * | 2015-10-14 | 2016-01-06 | 南京第五十五所技术开发有限公司 | 一种基于暗通道的自适应直方图增强去雾方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105678750A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105678750B (zh) | 医学图像的灰度映射曲线生成方法及装置 | |
US11232543B2 (en) | System and method for image correction | |
US8861886B2 (en) | Enhanced visualization for medical images | |
CN105118030B (zh) | 医学图像金属伪影的校正方法及装置 | |
US9600877B2 (en) | Quantitative imaging | |
US8433120B2 (en) | Method for image processing of mammographic images | |
CN111127430A (zh) | 确定医学影像显示参数的方法及装置 | |
US20050201599A1 (en) | Diagnostic imaging support apparatus and diagnostic imaging support method | |
US20200279409A1 (en) | Partial Volume Correction in Multi-Modality Emission Tomography | |
US11657500B2 (en) | System and method for assessing a pulmonary image | |
US8520923B2 (en) | Reporting organ volume for a medical digital image | |
CN105701796B (zh) | 乳房图像的厚度均衡方法及装置、乳房摄影系统 | |
JP5654561B2 (ja) | 輪郭形成のための自動コントラスト増強法 | |
JP7278224B2 (ja) | 医用画像の病変の定量化される態様 | |
WO2019092575A1 (en) | System and method for quantification of tissue over time | |
CN115100067A (zh) | 图像重建方法及装置 | |
JP6747785B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
JP2012500991A (ja) | 対象のサイズの変更を決定する装置 | |
Dawood et al. | The importance of contrast enhancement in medical images analysis and diagnosis | |
TW202033159A (zh) | 圖像處理方法、裝置及系統、電子設備及電腦可讀儲存媒體 | |
CN111918610A (zh) | 胸部x线图像的灰度变换方法、灰度变换程序、灰度变换装置、服务器装置以及变换方法 | |
JP6254477B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN114820483A (zh) | 图像检测方法、装置及计算机设备 | |
CN115568873B (zh) | 一种ct影像自动调整方法 | |
JP3596792B2 (ja) | 異常陰影候補領域を含む局所領域の抽出方法および装置 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Shanghai, China Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Shanghai, China Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |