CN105976335A - 影像处理方法 - Google Patents
影像处理方法 Download PDFInfo
- Publication number
- CN105976335A CN105976335A CN201610302181.2A CN201610302181A CN105976335A CN 105976335 A CN105976335 A CN 105976335A CN 201610302181 A CN201610302181 A CN 201610302181A CN 105976335 A CN105976335 A CN 105976335A
- Authority
- CN
- China
- Prior art keywords
- curve
- image
- boundary
- boundary curve
- initial
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title abstract description 3
- 238000000034 method Methods 0.000 claims abstract description 95
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 22
- 230000000877 morphologic effect Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000005728 strengthening Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 23
- 210000004204 blood vessel Anatomy 0.000 description 19
- 239000012528 membrane Substances 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000002604 ultrasonography Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 210000002808 connective tissue Anatomy 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开一种影像处理方法,用以求得边界范围。该方法包含对物体的内壁取样影像;从该影像撷取第一边界曲线;从该影像撷取多条初始边界曲线;根据该多条初始边界曲线求得第一参考曲线;根据该第一参考曲线及该第一边界曲线求得厚度;根据该第一边界曲线及该厚度处理该多条初始边界曲线以求得多条候选边界曲线;根据该多条候选边界曲线求得第二参考曲线;根据该第二参考曲线从该多条候选边界曲线上选取一组节点;将该组节点相连以形成结果边界曲线;及根据该第一边界曲线及该结果边界曲线界定该边界范围。藉此界定模糊影像的边界范围。
Description
技术领域
本发明揭露一种影像处理方法,尤指一种可根据多条初始边界曲线求得结果边界曲线,以界定边界范围的影像处理方法。
背景技术
利用能量波侦测物体内部,已是工程或医学领域常见的应用。为人们所熟知的力学波(如超音波)或电磁波(如X光)皆常用以侦测物体内部,并据以成像以供检视分析。
然而,以自动化程序在模糊影像中界定边界曲线实不易执行。以医疗领域的应用举例而言,心血管科医师常使用医疗用超音波侦测患者颈部,以侦测血管的内中膜厚度(intima-media thickness,IMT)的边界范围,若内中膜厚度过厚,则可警示心血管疾病的风险过高。然而,超音波影像成像后常模糊不清,故高度倚赖相关人员(如医师、检验师、工程师等)的人工判读。若不采用人工判读,则不易界定出欲侦测的边界范围。在人工判读不可或缺的前提下,即使有原始影像,亦不易以影像处理方法得知模糊的原始影像中的边界曲线,此现状不仅造成人力需求的负担,更使大量资料分析难以实现。
因此,有必要设计一种新型的影像处理方法,以克服上述缺陷。
发明内容
本发明的目的在于提供一种影像处理方法,可根据多条初始边界曲线求得结果边界曲线,以界定边界范围,以协助相关人员更容易地界定欲侦测的边界范围,并提高自动化分析的可行性与正确率。
为达上述目的,本发明提供一种影像处理方法,用以求得边界范围,该方法包含:
对物体的内壁取样影像;
从该影像撷取第一边界曲线;
从该影像撷取多条初始边界曲线;
根据该多条初始边界曲线求得第一参考曲线;
根据该第一参考曲线及该第一边界曲线求得厚度;
根据该第一边界曲线及该厚度处理该多条初始边界曲线以求得多条候选边界曲线;
根据该多条候选边界曲线求得第二参考曲线;
根据该第二参考曲线从该多条候选边界曲线上选取一组节点;
将该组节点相连以形成结果边界曲线;及
根据该第一边界曲线及该结果边界曲线界定该边界范围;
其中该第一边界曲线对应于该边界范围的第一侧,且该多条初始边界曲线、该多条候选边界曲线、及该结果边界曲线对应于该边界范围的第二侧。
较佳的,根据该第一边界曲线及该厚度处理该多条初始边界曲线以求得该多条候选边界曲线的步骤包含:
根据该第一边界曲线及该厚度界定容许范围,或者根据该第一边界曲线、该厚度及门槛值界定该容许范围;及
调整该多条初始边界曲线中超过该容许范围的部分,以求得该多条候选边界曲线。
较佳的,根据该第二参考曲线从该多条候选边界曲线上选取该组节点的步骤包含:
以多条轴线,划于该多条候选边界曲线上,该多条轴线垂直于该第一侧及该第二侧,从而使该多条轴线及该多条候选边界曲线形成一组候选节点;及
挑选每条轴线上最接近该第二参考曲线的候选节点,以形成该组节点。
较佳的,该多条初始边界曲线包含第一初始边界曲线,从该影像撷取该多条初始边界曲线的步骤包含:
将该影像的对比度提高以形成第二影像;
对该第二影像执行平滑滤波处理以形成第三影像;
对该第三影像执行第一二值化处理以形成第四影像;
对该第四影像执行第一形态学处理以形成第五影像;及
根据该第五影像撷取该第一初始边界曲线。
较佳的,该多条初始边界曲线还包含第二初始边界曲线,从该影像撷取该多条初始边界曲线的步骤还包含:
对该第二影像执行滤波处理以形成第六影像;
对该第六影像执行影像强化以形成第七影像;及
根据该第七影像撷取该第二初始边界曲线。
较佳的,该多条初始边界曲线还包含第三初始边界曲线,从该影像撷取该多条初始边界曲线的步骤还包含:
对该第七影像执行第二二值化处理以形成第八影像;
对该第八影像执行第二形态学处理以形成第九影像;及
根据该第九影像撷取该第三初始边界曲线。
较佳的,该滤波处理包含中值滤波处理和/或边缘滤波处理;该第一形态学处理包含膨胀处理和/或浸蚀处理;该第二形态学处理包含膨胀处理和/或浸蚀处理。
较佳的,该第一参考曲线为根据该多条初始边界曲线的位置信息执行平均计算而求得的平均曲线。
较佳的,该第二参考曲线为根据该多条候选边界曲线的位置信息执行平均计算而求得的平均曲线。
较佳的,从该影像撷取第一边界曲线的步骤包含:
将该影像的对比度降低以形成第十影像;
将该第十影像执行平滑滤波以形成第十一影像;
将该第十一影像执行边缘强化以形成第十二影像;
将该第十二影像执行二值化、及膨胀处理以形成第十三影像;
将该第十三影像执行浸蚀处理以形成第十四影像;以及
根据该第十四影像撷取第一边界曲线。
综上所述,本发明影像处理方法通过对物体的内壁取样影像;从该影像撷取第一边界曲线;从该影像撷取多条初始边界曲线;根据该多条初始边界曲线求得第一参考曲线;根据该第一参考曲线及该第一边界曲线求得厚度;根据该第一边界曲线及该厚度处理该多条初始边界曲线以求得多条候选边界曲线;根据该多条候选边界曲线求得第二参考曲线;根据该第二参考曲线从该多条候选边界曲线上选取一组节点;将该组节点相连以形成结果边界曲线;及根据该第一边界曲线及该结果边界曲线界定该边界范围,可清楚界定模糊影像的边界范围,以协助相关人员更容易的界定欲侦测的边界范围,并提高自动化分析的可行性与正确率。
为了对本发明的上述及其他方面有更佳的了解,下文特举较佳实施例,并配合所附图式,作详细说明如下:
附图说明
图1为本发明实施例中观测到的血管内壁的超音波影像图。
图2为本发明实施例中,取样影像的示意图。
图3为本发明实施例的影像处理方法的流程图。
图4为本发明实施例中,撷取初始边界曲线的方法流程图。
图5为图4的各步骤对应额影像处理变化图。
图6为本发明实施例中,撷取初始边界曲线的方法流程图。
图7为图6中各步骤对应的影像处理变化图。
图8为本发明实施例中,撷取初始边界曲线的方法流程图。
图9为图8的各步骤对应的影像处理变化图。
图10为本发明实施例中,第一参考曲线置于取样的影像的示意图。
图11为图3的步骤380的原理说明示意图。
图12为图3的步骤320撷取第一边界曲线的方法流程图。
图13为对应于图12的影像处理变化图。
图14为本发明实施例中,血管超音波影像及对应的第一边界曲线及结果边界曲线的示意图。
具体实施方式
为使对本发明的目的、构造、特征、及其功能有进一步的了解,兹配合实施例详细说明如下。
在说明书及权利要求书当中使用了某些词汇来指称特定的元件。所属领域中具有通常知识者应可理解,制造商可能会用不同的名词来称呼同一个元件。本说明书及权利要求书并不以名称的差异来作为区分元件的方式,而是以元件在功能上的差异来作为区分的准则。在通篇说明书及权利要求当中所提及的「包括」为开放式的用语,故应解释成「包括但不限定于」。
图1为本发明实施例中观测到的血管内壁的超音波影像图100。血管包含上方血管壁(vessel wall)110、下方血管壁120及供血液流通的内腔(lumen)130。图1所示的两箭头之间,可为待观测的血管壁的内中膜厚度(IMT),亦即待界定的边界范围。需要特别说明的是,血管壁包括内膜、中膜和外膜,其中,该中膜位于该内膜和该外膜之间,该内膜界定内腔130。
图2为本发明实施例中取样影像210的示意图。如上述,若不采用本发明实施例提供的方法,则须倚靠人工判读,方可得知待界定的边界范围(例如血管的内中膜厚度),故不仅耗费人力,也不利于提升自动化判读的正确度。当采用本案实施例的方法,可于下方血管壁120及内腔130的交界处取样影像210(图2中虚线方框),且于影像210撷取第一边界曲线220。于本例中,第一边界曲线220可为下方血管壁120的内膜界面(lumen-intima interface;LII)-内腔曲线。图2中另还可见第二边界曲线230,第二边界曲线230可为下方血管壁120的中膜-外膜界面(media-adventitia interface;MAI)曲线。第一边界曲线220及第二边界曲线230之间的边界范围,可为前述的内中膜厚度。
由图2可见,由于成像后内腔的灰阶度较低(偏黑)且内膜灰阶度偏高(偏白),故第一边界曲线220可较明确地求得。然而,由于中膜与外膜成像后的灰阶度相似,故第二边界曲线230易被内中膜厚度的影像影响而较不易辨识,须进一步处理方可明确界定,其方法详述于下。
图3为本发明实施例的影像处理方法300的流程图。参见图1和图2,影像处理方法300为用以决定血管的内中膜厚度,其可包含以下步骤,其中步骤330可对应于图4至图9,步骤340至360可对应于图10,步骤370至390可对应于图11,各步骤将详述于下文:
步骤310:于下方血管壁120及内腔130的交界处取样影像210;
步骤320:从影像210撷取第一边界曲线220;
步骤330:从影像210撷取多条初始边界曲线2301-230x;
步骤340:根据多条初始边界曲线2301-230x求得第一参考曲线240;
步骤350:根据第一参考曲线240及第一边界曲线220求得厚度TH;
步骤360:根据第一边界曲线220及厚度TH处理多条初始边界曲线2301-230x以求得多条候选边界曲线2301’-230x’;
步骤370:根据多条候选边界曲线2301’-230x’求得第二参考曲线235;
步骤380:根据第二参考曲线235从多条候选边界曲线2301’-230x’上选取一组节点P1-Pk;
步骤390:将节点P1-Pk相连以形成结果边界曲线239;及
步骤395:根据第一边界曲线220及结果边界曲线239界定边界范围,以决定内中膜厚度。
其中,第一边界曲线220可对应于边界范围的第一侧,例如(但不限于)上侧。初始边界曲线2301-230x、候选边界曲线2301’-230x’、及结果边界曲线239可对应于边界范围的第二侧,例如(但不限于)下侧。上述步骤求得的结果边界曲线239,即可为图2所示的第二边界曲线230,若以量测血管的内中膜厚度的应用为例,则可为中膜-外膜界面(MAI)曲线。上述步骤330至380所述的初始边界曲线及候选边界曲线,其个数为x。步骤380的节点P1-Pk的个数为k。x、k可为大于1的正整数,且可根据工程需求而调整。下文以x=3为例,说明本发明实施例的原理。
图4为本发明实施例中,撷取初始边界曲线2301的方法流程图。图3的步骤330所述的初始边界曲线2301,可例如以下列步骤求得:
步骤4301:将影像210的对比度提高以形成第二影像2102;
步骤4302:对第二影像2101执行平滑滤波(smoothing filter)处理,以形成第三影像2103;
步骤4303:对第三影像2103执行二值化(binarization)处理以形成第四影像;
步骤4304:对第四影像执行形态学处理(morphological process)以形成第五影像2105;及
步骤4305:根据第五影像2015撷取初始边界曲线2301。
图5为图4的各步骤对应的影像处理变化图。如图5所示的影像210的画面分布可知,线段2105a实质上为所求的中膜-外膜界面(MAI)曲线。步骤4301提高影像210的对比度后,可利于后续的影像处理。步骤4302的平滑滤波处理可例如为高斯滤波(Gaussian filter)或双向滤波(bilateral filter)处理,其可减少噪声(de-noise)、使影像较均匀平滑。步骤4303的二值化处理可使影像由灰阶影像转为黑白影像,可利于处理影像中的边界部分。步骤4304所述的形态学处理可包含膨胀(dilation)处理及/或浸蚀(erosion)处理,在此以两者兼具为例。膨胀处理可藉由膨胀方式填补并消除高灰阶(如白色部分)的暗点,浸蚀处理可使影像的布局缩回膨胀处理前的图样,故可有填补空洞的效果。将第三影像2103进行二值化处理及膨胀处理可产生影像2105’。将影像2105’进行浸蚀处理可产生第五影像2105,并据以撷取初始边界曲线2301。初始边界曲线2301可叠加回影像210以供比对。
第五影像2105的线段2105a上方的部分可实质上对应于中膜-外膜界面(MAI)曲线的上方,故经处理后,原应显示为黑色区域,但观看第二影像2102、第三影像2103,可见左半部的中膜-外膜界面(MAI)曲线较不清晰(例如图5中区域A),因此经过二值化(步骤4303)及形态学处理(步骤4304)后,线段2105a上方的部分显示为白色区域。因此,步骤4305中根据第五影像2015的黑色区域及白色区域的分界处所撷取的初始边界曲线2301(如图5所示)与线段2105a(其可实质上对应于所求的中膜-外膜界面曲线)并不一致且具有误差,于本示例中,尤其于影像的左半部此误差较显著。因此,根据本发明实施例,除了初始边界曲线2301,仍须根据其他初始边界曲线,如2302、2303,以求得更正确的边界范围(本示例的边界范围即内中膜厚度)。
图6为本发明实施例中,撷取初始边界曲线2302的方法流程图。图3的步骤330所述的初始边界曲线2302,可例如以下列步骤求得:
步骤4301:将影像210的对比度提高以形成第二影像2102;
步骤6302:对第二影像2102执行滤波处理以形成第六影像7106;
步骤6303:对第六影像执行影像强化(image enhancement)以形成第七影像7107;及
步骤6304:根据第七影像7107撷取初始边界曲线2302。
图7为图6中各步骤对应的影像处理变化图。步骤6302所述的滤波处理可例如包含中值滤波(medium filter)处理和/或边缘滤波(edge filter)处理,在此以两者兼具为例。中值滤波处理可用以消除斑点噪声。边缘滤波处理可侦测影像中的边缘位置,此处可例如采用索贝尔滤波(Sobel filter)处理作为边缘滤波处理的演算方式。图7中,对第二影像2102执行中值滤波处理可产生影像7106’,对影像7106’执行边缘滤波处理可产生第六影像7106。步骤6303中,对第六影像7106执行影像强化可使影像的边界更加明确,并产生第七影像7107。步骤6304中,第七影像7107的白色区域的下缘可近似地对应于所求的中膜-外膜界面(MAI)曲线,故可根据第七影像7107撷取初始边界曲线2302。初始边界曲线2302可用以叠加于影像210。如图5所示,于影像左半部,初始边界曲线2301可能与较为接近所求的中膜-外膜界面曲线的线段2105a有所误差,故使用图6和图7的步骤撷取的初始边界曲线2302,及下文所述的初始边界曲线2303,可补偿第五影像2105的线段2105a及初始边界曲线2301之间的误差。
图8为本发明实施例中,撷取初始边界曲线2303的方法流程图。图3的步骤330所述的初始边界曲线2303,可例如以下列步骤求得:
步骤4301:将影像210的对比度提高以形成第二影像2102;
步骤6302:对第二影像2102执行滤波处理以形成第六影像7106;
步骤6303:对第六影像执行影像强化(image enhancement)以形成第七影像7107;
步骤8304:对第七影像7107执行二值化处理以形成第八影像8108;
步骤8305:对第八影像8108执行形态学处理以形成第九影像8109;及
步骤8306:根据该第九影像8109撷取初始边界曲线2303。
图9为图8的各步骤对应的影像处理变化图。步骤4301、6302及6303的说明如上文,故不赘述。步骤8304中,对第七影像7107执行二值化处理可突显影像中的边缘部分。步骤8305的形态学处理可包含浸蚀处理及/或膨胀处理,此处以两者兼具为例。步骤8305中,对于第八影像8108执行浸蚀处理后可产生影像8109’,此浸蚀处理可消除低灰阶区域(如黑色区域)的杂点部分,从而有利于后续影像处理的正确性。对于影像8109’执行膨胀处理可回复浸蚀处理缩减的面积,从而产生第九影像8109。步骤8306中,第九影像8109的白色区域的下缘可近似地对应于所求的中膜-外膜界面(MAI)曲线,故可根据第九影像8109撷取初始边界曲线2303。
如图4至图9所示,可求得初始边界曲线2301、2302、2303。图3的步骤340中,可根据初始边界曲线2301至230x(在此以2301至2303为例)求得第一参考曲线240。根据本发明实施例,可根据初始边界曲线2301、2302、2303的位置信息执行平均计算,所得的平均曲线可为第一参考曲线240。此平均计算可使用算术平均、加权平均、几何平均或其他计算函数。所述的位置信息可例如为初始边界曲线2301至2303的纵轴方向的坐标值。所述的纵轴方向可为实质上垂直于影像210的第一侧(如上侧)及第二侧(如下侧)。图10的本发明实施例中,第一参考曲线240置于取样的影像210的示意图。经平均计算后,可求得第一参考曲线240,且第一参考曲线240与第一边界曲线220之间可为厚度TH。
步骤360中,根据第一边界曲线220及厚度TH处理初始边界曲线2301-230x以求得候选边界曲线,可例如为根据第一边界曲线220及厚度TH界定容许范围,及调整初始边界曲线2301-230x中超过该容许范围的部分,以求得该多条候选边界曲线2301’-230x’。举例而言,可将第一边界曲线220下方的厚度TH形成的一带状区域定义为该容许范围,若初始边界曲线2301上有n个画素(n为正整数)落于该容许范围之外,则可将初始边界曲线2301的n个画素删除、或执行曲线调整,以将落于容许范围的外的曲线部分拉入该容许范围,从而产生候选边界曲线2301’。根据本发明实施例,亦可例如将第一边界曲线220下方的厚度TH乘以参数、或以其他数学函式校正,以产生所述的容许范围。
根据本发明实施例,步骤360中,亦可根据第一边界曲线220、厚度TH及门槛值界定所述的容许范围,以调整初始边界曲线2301-230x中超过该容许范围的部分,从而求得候选边界曲线2301’-230x’。该门槛值可例如为第一边界曲线220及厚度TH形成的带状区域的上、下m个画素(m为正整数),或该带状区域的上、下距离,且该距离为厚度TH的k%(100≤k<0)等。
步骤360可将初始边界曲线2301-230x中,位置过于偏移的部分去除,以使候选边界曲线2301’-230x’落于较为合理的容许范围内。步骤370中,可使用候选边界曲线2301’-230x’执行平均计算(其可为算术平均、加权平均、几何平均或其他计算函数),所得的平均曲线可为第二参考曲线235。
图11为图3的步骤380的原理说明示意图。步骤380提及候选边界曲线2301’至230x’,图11中以候选边界曲线2301’至2303’为例。图11的本发明实施例中,根据第二参考曲线235及候选边界曲线2301’-2303’选取一组节点P1-P18的操作示意图。第二参考曲线235已近似所求的第二边界曲线230(例如血管超音波检测欲寻找的中膜-外膜界面MAI曲线),但由于第二参考曲线235由候选边界曲线2301’-2303’执行平均计算而得到,故相异于由影像中直接量测得到的曲线。因此,为使最后结果更接近由影像中直接量测得到的曲线,可执行图11的操作。步骤380可包含:
步骤3801:以多条轴线A1-Ak,划于候选边界曲线2301’-230x’上,该多条轴线A1-Ak实质上垂直于该第一侧及该第二侧,从而使该多条轴线A1-Ak及该多条候选边界曲线2301’-230x’形成一组候选节点;及
步骤3802:挑选每条轴线A1-Ak上最接近该第二参考曲线235的候选节点,以形成该组节点P1-Pk。
以x=3且k=18为例,以便说明,但本发明实施例不限于此样态。所述的候选节点可为轴线A1-A18与候选边界曲线2301’-230x’的多个交界点,图11中,每一轴线上可有3个候选节点。关于步骤3802,以轴线A1为例,轴线A1上的候选节点中,以候选边界曲线2301’与轴线A1的交界点距离第二参考曲线235最近,故候选边界曲线2301’与轴线A1的交界点可被选为轴线A1上的节点P1;又,轴线A2上以候选边界曲线2302’与轴线A2的交界点距离第二参考曲线235最近,故候选边界曲线2302’与轴线A2的交界点可被选为轴线A2上的节点P2…依此类推,可于轴线A1-A18上挑选得到节点P1-P18。如步骤390所述,再将节点P1-P18相连,可形成结果边界曲线239。
如图11的原理求得的结果边界曲线239,即可对应于图2的第二边界曲线230,若以血管超音波检验的应用为例,则结果边界曲线239可为先前技术较不易判别的中膜-外膜界面(MAI)曲线,但使用本发明实施例的方法则可界定求得。于图11中,因轴线A1-A18的个数仅为18,故结果边界曲线239呈现微锯齿状,然而,图11仅为用以说明操作原理的示例,当轴线的个数足够,亦即取样率较高,且显示装置的分辨率足够时,则所得的结果边界曲线239实可为更细密的曲线。
图12为本发明实施例中,图3的步骤320撷取第一边界曲线220的方法流程图。图13对应于图12的影像处理变化图。步骤320可包含:
步骤3201:将影像210的对比度降低以形成影像1301;进入步骤3202及3206;
步骤3202:将影像1301执行平滑滤波以形成影像1302;
步骤3203:将影像1302执行边缘强化以形成影像1303;
步骤3204:将影像1303执行二值化、及膨胀处理以形成影像1304;
步骤3205:将影像1304执行浸蚀处理以形成影像1305;进入步骤3208;
步骤3206:将影像1301执行边缘滤波处理以形成影像1306;
步骤3207:将影像1306执行边缘侦测(boundary detection)以求得门槛界线1380;进入步骤3209;
步骤3208:根据影像1305撷取第一边界曲线220;进入步骤3209;
步骤3209:判断第一边界曲线220是否在门槛界线1380的范围内,若是,进入步骤3210;若否,进入步骤3211;
步骤3210:第一边界曲线220位于合理的范围内,显示第一边界曲线220;
步骤3211:第一边界曲线220位于合理的范围外,回报误差讯息。
步骤3201的平滑滤波处理可例如为高斯滤波或双向滤波处理,步骤3206所述的边缘滤波处理可例如为索贝尔滤波处理,步骤3201至3205、3206所述的各种滤波处理方式及对应功效可参考前文,故不重述。步骤3201至3205、3208可求得第一边界曲线220,步骤3208至3211可为选择性执行的步骤,用以检查已撷取的第一边界曲线220是否位于合理的范围。本例中,步骤3209所述的门槛界线1380的范围,可例如为门槛界线1380的下方。以血管超音波检测的应用为例,第一边界曲线220可为血管壁的内膜界面-内腔(LII)曲线。
图14为本发明实施例中,血管超音波影像210a至210d及对应的第一边界曲线220a至220d及结果边界曲线239a至239d的示意图。以影像210a为例,经采用本发明实施例的方法,可求得第一边界曲线220a及结果边界曲线239a,第一边界曲线220a可为内腔-内膜界面(LII)曲线,结果边界曲线239a可为中膜-外膜界面(MAI)曲线,此二曲线之间的边界范围可为所求的内中膜厚度(IMT)。由图14可见,本发明实施例揭露的方法可有效地从初始的影像(如影像210a至210d)撷取出界面曲线,尤其可克服影像模糊处难以定义界面曲线造成的误判。此处以血管超音波的应用为例,说明本发明的原理,但本发明的应用并不限于医疗领域。举例而言,于流体分析、气象或海洋研究、土木结构、机械分析或其他须执行影像讯号分析的领域,均可使用本发明实施例揭露的方法,以辅助相关人员界定模糊影像中的界面曲线。对于处理模糊影像的各种应用,实有助益。
综上,本发明影像处理方法通过对物体的内壁取样影像;从该影像撷取第一边界曲线;从该影像撷取多条初始边界曲线;根据该多条初始边界曲线求得第一参考曲线;根据该第一参考曲线及该第一边界曲线求得厚度;根据该第一边界曲线及该厚度处理该多条初始边界曲线以求得多条候选边界曲线;根据该多条候选边界曲线求得第二参考曲线;根据该第二参考曲线从该多条候选边界曲线上选取一组节点;将该组节点相连以形成结果边界曲线;及根据该第一边界曲线及该结果边界曲线界定该边界范围。本发明可清楚界定模糊影像的边界范围,以协助相关人员更容易的界定欲侦测的边界范围,并提高自动化分析的可行性与正确率。
本发明已由上述相关实施例加以描述,然而上述实施例仅为实施本发明的范例。必需指出的是,已揭露的实施例并未限制本发明的范围。相反地,在不脱离本发明的精神和范围内所作的更动与润饰,均属本发明的专利保护范围。
Claims (10)
1.一种影像处理方法,用以求得边界范围,其特征在于,该方法包含:
对物体的内壁取样影像;
从该影像撷取第一边界曲线;
从该影像撷取多条初始边界曲线;
根据该多条初始边界曲线求得第一参考曲线;
根据该第一参考曲线及该第一边界曲线求得厚度;
根据该第一边界曲线及该厚度处理该多条初始边界曲线以求得多条候选边界曲线;
根据该多条候选边界曲线求得第二参考曲线;
根据该第二参考曲线从该多条候选边界曲线上选取一组节点;
将该组节点相连以形成结果边界曲线;及
根据该第一边界曲线及该结果边界曲线界定该边界范围;
其中该第一边界曲线对应于该边界范围的第一侧,且该多条初始边界曲线、该多条候选边界曲线、及该结果边界曲线对应于该边界范围的第二侧。
2.如权利要求1所述的方法,其特征在于,根据该第一边界曲线及该厚度处理该多条初始边界曲线以求得该多条候选边界曲线的步骤包含:
根据该第一边界曲线及该厚度界定容许范围,或者根据该第一边界曲线、该厚度及门槛值界定该容许范围;及
调整该多条初始边界曲线中超过该容许范围的部分,以求得该多条候选边界曲线。
3.如权利要求1所述的方法,其特征在于,根据该第二参考曲线从该多条候选边界曲线上选取该组节点的步骤包含:
以多条轴线,划于该多条候选边界曲线上,该多条轴线垂直于该第一侧及该第二侧,从而使该多条轴线及该多条候选边界曲线形成一组候选节点;及
挑选每条轴线上最接近该第二参考曲线的候选节点,以形成该组节点。
4.如权利要求1所述的方法,该多条初始边界曲线包含第一初始边界曲线,其特征在于,从该影像撷取该多条初始边界曲线的步骤包含:
将该影像的对比度提高以形成第二影像;
对该第二影像执行平滑滤波处理以形成第三影像;
对该第三影像执行第一二值化处理以形成第四影像;
对该第四影像执行第一形态学处理以形成第五影像;及
根据该第五影像撷取该第一初始边界曲线。
5.如权利要求4所述的方法,该多条初始边界曲线还包含第二初始边界曲线,其特征在于,从该影像撷取该多条初始边界曲线的步骤还包含:
对该第二影像执行滤波处理以形成第六影像;
对该第六影像执行影像强化以形成第七影像;及
根据该第七影像撷取该第二初始边界曲线。
6.如权利要求5所述的方法,该多条初始边界曲线还包含第三初始边界曲线,其特征在于,从该影像撷取该多条初始边界曲线的步骤还包含:
对该第七影像执行第二二值化处理以形成第八影像;
对该第八影像执行第二形态学处理以形成第九影像;及
根据该第九影像撷取该第三初始边界曲线。
7.如权利要求6所述的方法,其特征在于,该滤波处理包含中值滤波处理和/或边缘滤波处理;该第一形态学处理包含膨胀处理和/或浸蚀处理;该第二形态学处理包含膨胀处理和/或浸蚀处理。
8.如权利要求1所述的方法,其特征在于,该第一参考曲线为根据该多条初始边界曲线的位置信息执行平均计算而求得的平均曲线。
9.如权利要求1所述的方法,其特征在于,该第二参考曲线为根据该多条候选边界曲线的位置信息执行平均计算而求得的平均曲线。
10.如权利要求1所述的方法,其特征在于,从该影像撷取第一边界曲线的步骤包含:
将该影像的对比度降低以形成第十影像;
将该第十影像执行平滑滤波以形成第十一影像;
将该第十一影像执行边缘强化以形成第十二影像;
将该第十二影像执行二值化、及膨胀处理以形成第十三影像;
将该第十三影像执行浸蚀处理以形成第十四影像;以及
根据该第十四影像撷取第一边界曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610302181.2A CN105976335B (zh) | 2016-05-09 | 2016-05-09 | 影像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610302181.2A CN105976335B (zh) | 2016-05-09 | 2016-05-09 | 影像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105976335A true CN105976335A (zh) | 2016-09-28 |
CN105976335B CN105976335B (zh) | 2018-11-09 |
Family
ID=56991804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610302181.2A Active CN105976335B (zh) | 2016-05-09 | 2016-05-09 | 影像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105976335B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993743A (zh) * | 2019-04-09 | 2019-07-09 | 飞依诺科技(苏州)有限公司 | 血管图像处理方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040116808A1 (en) * | 2002-11-06 | 2004-06-17 | Terry Fritz | Ultrasonic blood vessel measurement apparatus and method |
CN101527047A (zh) * | 2008-03-05 | 2009-09-09 | 深圳迈瑞生物医疗电子股份有限公司 | 使用超声图像检测组织边界的方法与装置 |
US20110182489A1 (en) * | 2010-01-25 | 2011-07-28 | King Jen Chang | Method for retrieving a tumor contour of an image processing system |
CN104665872A (zh) * | 2014-12-29 | 2015-06-03 | 深圳开立生物医疗科技股份有限公司 | 一种基于超声图像的颈动脉内中膜厚度测量方法和装置 |
-
2016
- 2016-05-09 CN CN201610302181.2A patent/CN105976335B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040116808A1 (en) * | 2002-11-06 | 2004-06-17 | Terry Fritz | Ultrasonic blood vessel measurement apparatus and method |
CN101527047A (zh) * | 2008-03-05 | 2009-09-09 | 深圳迈瑞生物医疗电子股份有限公司 | 使用超声图像检测组织边界的方法与装置 |
US20110182489A1 (en) * | 2010-01-25 | 2011-07-28 | King Jen Chang | Method for retrieving a tumor contour of an image processing system |
CN104665872A (zh) * | 2014-12-29 | 2015-06-03 | 深圳开立生物医疗科技股份有限公司 | 一种基于超声图像的颈动脉内中膜厚度测量方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993743A (zh) * | 2019-04-09 | 2019-07-09 | 飞依诺科技(苏州)有限公司 | 血管图像处理方法、装置、设备及存储介质 |
CN109993743B (zh) * | 2019-04-09 | 2023-06-06 | 飞依诺科技(苏州)有限公司 | 血管图像处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105976335B (zh) | 2018-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5498299B2 (ja) | 2次元超音波映像に対応する2次元ct映像を提供するシステムおよび方法 | |
KR101625256B1 (ko) | 심장 m-모드 뷰들의 자동 분석 | |
Menchón-Lara et al. | Fully automatic segmentation of ultrasound common carotid artery images based on machine learning | |
CN102163326B (zh) | 血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均匀度分析方法 | |
JP5226978B2 (ja) | 超音波診断装置及び画像処理プログラム | |
JP6295956B2 (ja) | 超音波診断装置、及び超音波診断装置の制御方法 | |
EP1882450A1 (en) | Ultrasonographic device and image processing method thereof | |
CN104665872A (zh) | 一种基于超声图像的颈动脉内中膜厚度测量方法和装置 | |
KR100875413B1 (ko) | 컬러 플로우 영상의 이득을 조절하는 영상 처리 시스템 및방법 | |
JP2005169155A (ja) | 超音波診断装置 | |
CN109919953B (zh) | 颈动脉内中膜厚度测量的方法、系统和设备 | |
WO2022071264A1 (ja) | プログラム、モデル生成方法、情報処理装置及び情報処理方法 | |
JP6191328B2 (ja) | 超音波診断装置、超音波画像解析方法、およびプログラム | |
CN105976335A (zh) | 影像处理方法 | |
Delsanto et al. | User-independent plaque characterization and accurate IMT measurement of carotid artery wall using ultrasound | |
JP2018068495A (ja) | 超音波画像処理装置及びプログラム | |
JP2006068373A (ja) | 乳頭検出装置およびそのプログラム | |
JP2801536B2 (ja) | 超音波画像処理装置 | |
CN112137721A (zh) | 一种基于超声图像的穿刺针针尖与血管壁深度定位方法 | |
JP3662835B2 (ja) | 超音波診断装置 | |
WO2022071265A1 (ja) | プログラム、情報処理装置及び情報処理方法 | |
JP2018068494A (ja) | 超音波画像処理装置及びプログラム | |
CN112826535A (zh) | 一种超声成像中自动定位血管的方法和装置及设备 | |
TW201737857A (zh) | 影像處理方法 | |
JP6661497B2 (ja) | 超音波診断装置、及びその作動方法 |
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 |