CN106023078A - 一种dr影像的拼接方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，尤其涉及一种DR影像的拼接方法，该方法包括：采集图像：DR系统采用正直摄影的方式采集图像；然后图像配准：首先将DR系统采集的图像数据在低分辨率下进行粗略配准，然后将粗略配准后的图像数据在高分辨率下进行精细配准；最后进行图像融合：即采用基于多频带的曲线进行融合，消除图像中的重影。本发明通过使用DR系统进行正直摄影，拍摄场景简单；通过使用粗略配准和精细配准对DR系统的X光透视效应具有较好的容忍度；图像融合技术针对现有拼接方法存在伪影的问题，采用基于多频带的曲线融合有效的避免了伪影，即很好的消除了重影。

Description

一种DR影像的拼接方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种DR影像的拼接方法。

背景技术

随着医疗技术的不断发展，直接数字化X射线摄影系统(Digital Radiography即DR系统)在诊断和医学中有着广泛的应用。但是，当前的临床DR系统只能提供有限的视野，这在很多情况下存在限制，例如：在人体脊椎或长骨等骨科诊断和手术治疗中，获取完整的解剖结构图像是至关重要的，当医生需要观察一幅图像边缘的区域时要根据自己的就诊经验对多幅在不同时刻、具有重叠区域的不同部位图片进行手工拼接或是使用photoshop等第三方工具进行拼接。虽然研究者探索出各种图像拼接算法，但是多用于相机照片的拼接。相机照片跟DR系统的成像原理有很大的不同，因此造成了X光影像配准的困难。当前的拼接算法都是从相机拼接中移植过来，没有考虑到X光的透视影响。而且现有的图像拼接方法对重叠度要求较高，较高的重叠度意味着曝光次数的增多，对病人危害极大。而且对重叠度要求固定，不能灵活的处理重叠度不同的影像。同时现有的X光拼接算法处理旋转、缩放，加剧算法的复杂性从而算法运行时间指数级别增加，但实际DR拍摄中并不存在这么复杂的拍摄场景，99％采用正直摄影。现有的拼接融合算法中还存在很明显的伪影。

发明内容

本发明的目的是克服现有技术存在的缺陷，提供一种快速、拼接流程简单的DR影像的拼接方法。

实现本发明目的的技术方案是：一种DR影像的拼接方法，该方法包括如下步骤：

1)采集图像：DR系统采用正直摄影的方式采集图像；

2)图像配准：首先将DR系统采集的图像数据在低分辨率下进行粗略配准，然后将粗略配准后的图像数据在高分辨率下进行精细配准；

3)图像融合：对步骤2)处理后的图像，采用基于多频带的曲线进行融合，消除图像中的重影。

作为本发明的优化方案，步骤1)中采集图像时，DR系统的射线主光轴与像平面垂直，拍摄时的基线与像平面平行。

作为本发明的优化方案，采用DR系统对图像进行重复拍摄，图像成像的重叠部分大于两次拍摄时射线源距离的十分之一。

作为本发明的优化方案，步骤2)中进行粗略配准时，首先将DR系统采集的图像的分辨率降低，然后结合canny边缘算子和相位相关法得出图像在低分辨率下的粗略配准。

作为本发明的优化方案，进行精细配准时，首先提高粗略配准后图像的分辨率，使用MLNC测度函数来衡量两幅图像之间的相似度。

作为本发明的优化方案，使用MLNC测度函数来衡量两幅图像之间的相似度时，首先将两幅图像的重叠部分细分为很多窗口，然后针对每个窗口求取归一化相关系数，将所有取得的归一化相关系数求平均值。

作为本发明的优化方案，步骤3)中对图像进行融合时，在高频部分使用曲率大的曲线，融合曲线的数学模型如公式(1)所示；在低频部分使用曲率小的曲线，融合曲线的数学模型如公式(2)所示，中频部分融合曲线的数学模型如公式(3)所示；

$ratio=\left\{\begin{array}{c}8*{\left(\frac{i}{dist}\right)}^4,i\&le;center\\ 1-8*{\left(\frac{i-dist}{dist}\right)}^4,center<i\&le;dist\end{array}\right.---\left(1\right)$

$ratio=\left\{\begin{array}{c}2*{\left(\frac{i}{dist}\right)}^2,i\&le;center\\ 1-2*{\left(\frac{i-dist}{dist}\right)}^2,center<i\&le;dist\end{array}\right.---\left(2\right)$

$ratio=\left\{\begin{array}{c}4*{\left(\frac{i}{dist}\right)}^3,i\&le;center\\ 1-4*{\left(\frac{i-dist}{dist}\right)}^3,center<i\&le;dist\end{array}\right.---\left(3\right)$

其中，ratio表示融合曲线的曲率，i表示待融合的像素点距离重叠区域上边界的距离，dist表示重叠区域上下边界的距离，center为dist的中心位置，融合结果的像素值为：

Pix_result＝Pix_A*ratio+Pix_B*(1-ratio) (4)

其中，Pix_result为重叠区域某一点的融合结果像素值，Pix_A为该点在图像A中对应的像素值，Pix_B为该点在图像B中对应的像素值。

本发明具有积极的效果：1)本发明通过使用DR系统进行正直摄影，拍摄场景简单；

2)本发明通过使用粗略配准和精细配准对DR系统的X光透视效应具有较好的容忍度；

3)本发明的图像融合技术针对现有拼接方法存在伪影的问题，采用基于多频带的曲线融合有效的避免了伪影，即很好的消除了重影。

附图说明

为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：

图1是本发明的影像采集场景图；

图2是本发明的影像透视图；

图3是本发明的配准算法流程图；

图4是多频带融合曲线实施例图；

图5是多频带融合曲线实施例图。

具体实施方式

如图1-图5所示，本发明公开了一种DR影像的拼接方法，该方法包括如下步骤：

1)采集图像：DR系统采用正直摄影的方式采集图像；

2)图像配准：首先将DR系统采集的图像数据在低分辨率下进行粗略配准，然后将粗略配准后的图像数据在高分辨率下进行精细配准；

3)图像融合：对步骤2)处理后的图像，采用基于多频带的曲线进行融合，消除图像中的重影。

如图1所示，在步骤1)中采集图像时，DR系统的射线主光轴与像平面垂直，拍摄时的基线与像平面平行。

采用DR系统对图像进行重复拍摄，图像成像的重叠部分大于两次拍摄时射线源距离的十分之一，从图1看，重叠部分大于h₂-h₁的十分之一，其中，几次拍摄中不要求重叠部分相同。

如图2所示，如果o1、o2是两个相机，只会看到人体的表面，通过相机从不同角度观察人体的表面都是一样的结果，即一个像素点对应表面一点。当前的拼接算法都是根据相机成像原理对X光影像拼接，很少有人在拼接中考虑到透视的影响；如果图2中o1、o2为射线源，则图中细节部分的直线在像1中为直线，像2中为点，X影像中的一点代表一X线穿过人体时一条路径，传统的方法很难配准。

如图3所示，在步骤2)中进行粗略配准时，首先将DR系统采集的图像的分辨率降低，然后结合canny边缘算子和相位相关法得出图像在低分辨率下的粗略配准。由于根据实际经验和对X光影像的观察发现，虽然在不同角度对人体同一个关键解剖结构拍片，得到的影像虽然在细节中发生了很大的变化，并且这种变化并非刚体变换，这也是导致传统的针对相机的配准方法不能用于X光影像配准的重要原因，但是如果将分辨率降低，低分辨率图像包含较少的细节，利用低分辨率图像进行粗略配准对X光透视效应有较好的容忍度。首先将将图像分辨率降低，在低分辨率下保留的细节部分减少，此时结合canny边缘算子和相位相关法就可以很容易得出在低分辨率下的粗略配准。

粗略配准由于是在低分辨率下进行的，比如1/8的低分辨率下偏移1个像素将导致原图偏移8个像素，因此进行精细配准是需要的。粗略配准阶段将精细配准的范围缩小，精细配准只需要在粗略配准的结果上、下微调，当重叠部分相似度达到最大时，就获得最佳的匹配。进行精细配准时，首先提高粗略配准后图像的分辨率，使用MLNC测度函数来衡量两幅图像之间的相似度。使用MLNC测度函数来衡量两幅图像之间的相似度时，首先将两幅图像的重叠部分细分为很多窗口，然后针对每个窗口求取归一化相关系数，将所有取得的归一化相关系数求平均值。由于X光影像存在透视变形，不可能存在一模一样的重叠部分，甚至相差很大，利用传统的相似度衡量函数无法胜任该工作。本发明提出了使用MLNC(mean oflocal normalize correlation)测度函数来衡量两幅图像之间的相似度，这种相似度评测函数对影像的局部变形有很好的容忍度，其中公式(5)中的nc为两幅图像重叠部分之间归一化相关系数，如果针对整个重叠部分使用归一化相关系数，它是非线性的，一块小区域的完全不同但是其他所有区域都相同都会导致相关性很低，公式(6)的MLNC将重叠部分细分为很多窗口，然后针对每个窗口求取归一化相关系数，将所有取得的归一化相关系数求均值，这样将归一化相关系数转化为线性的，如果有一个窗口完全不一样，对整体匹配的影响权重不至于过大。

$nc=\frac{{\mathrm{\&Sigma;}}_m{\mathrm{\&Sigma;}}_n\&lsqb;(r-\stackrel{\&OverBar;}{r})(f-\stackrel{\&OverBar;}{f})\&rsqb;}{\sqrt{{\mathrm{\&Sigma;}}_m{\mathrm{\&Sigma;}}_n{(r-\stackrel{\&OverBar;}{r})}^2{\mathrm{\&Sigma;}}_m{\mathrm{\&Sigma;}}_n{(f-\stackrel{\&OverBar;}{f})}^2}}---\left(5\right)$

$MLNC=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{nc}}_i---\left(6\right)$

其中，m代表窗口的长度，n代表窗口的宽度，M代表窗口的个数。

如果使用传统的“渐进渐出”的融合方法会出现重影，经过分析，重影是由重叠区域的高频部分引起的，但是如果整幅图使用曲率很大的曲线可以消除重影，但是此时也消除了图像的细节部分，为了在消除重影的同时能保留更多的信息，在高频部分采用曲率更大的曲线，低频部分使用曲率小的曲线，融合曲线如图4和5所示。

融合曲线数学模型：

低频部分：

$ratio=\left\{\begin{array}{c}2*{\left(\frac{i}{dist}\right)}^2,i\&le;center\\ 1-2*{\left(\frac{i-dist}{dist}\right)}^2,center<i\&le;dist\end{array}\right.---\left(1\right)$

中频部分：

$ratio=\left\{\begin{array}{c}4*{\left(\frac{i}{dist}\right)}^3,i\&le;center\\ 1-4*{\left(\frac{i-dist}{dist}\right)}^3,center<i\&le;dist\end{array}\right.---\left(2\right)$

高频部分：

$ratio=\left\{\begin{array}{c}8*{\left(\frac{i}{dist}\right)}^4,i\&le;center\\ 1-8*{\left(\frac{i-dist}{dist}\right)}^4,center<i\&le;dist\end{array}\right.---\left(3\right)$

结合图4中A、B两幅图像的重叠区域，i表示待融合的像素点距离重叠区域上边界的距离，dist为重叠区域上下边界距离，center为dist的中心位置。融合结果的像素值为：

Pix_result＝Pix_A*ratio+Pix_B*(1-ratio) (4)

其中，Pix_result为重叠区域某一点的融合结果像素值，Pix_A该点在图像A中对应的像素值，Pix_B为该点在图像B中对应的像素值，ratio为曲线曲率。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种DR影像的拼接方法，其特征在于：所述方法包括如下步骤：

1)采集图像：DR系统采用正直摄影的方式采集图像；

2)图像配准：首先将DR系统采集的图像数据在低分辨率下进行粗略配准，然后将粗略配准后的图像数据在高分辨率下进行精细配准；

3)图像融合：对步骤2)处理后的图像，采用基于多频带的曲线进行融合，消除图像中的重影。

2.根据权利要求1所述的一种DR影像的拼接方法，其特征在于：所述的步骤1)中采集图像时，DR系统的射线主光轴与像平面垂直，拍摄时的基线与像平面平行。

3.根据权利要求2所述的一种DR影像的拼接方法，其特征在于：采用DR系统对图像进行重复拍摄，图像成像的重叠部分大于两次拍摄时射线源距离的十分之一。

4.根据权利要求1所述的一种DR影像的拼接方法，其特征在于：所述的步骤2)中进行粗略配准时，首先将DR系统采集的图像的分辨率降低，然后结合canny边缘算子和相位相关法得出图像在低分辨率下的粗略配准。

5.根据权利要求4所述的一种DR影像的拼接方法，其特征在于：进行精细配准时，首先提高粗略配准后图像的分辨率，使用MLNC测度函数来衡量两幅图像之间的相似度。

6.根据权利要求5所述的一种DR影像的拼接方法，其特征在于：使用MLNC测度函数来衡量两幅图像之间的相似度时，首先将两幅图像的重叠部分细分为很多窗口，然后针对每个窗口求取归一化相关系数，将所有取得的归一化相关系数求平均值。

7.根据权利要求1所述的一种DR影像的拼接方法，其特征在于：在步骤3)中对图像进行融合时，在高频部分使用曲率大的曲线，融合曲线的数学模型如公式(1)所示；在低频部分使用曲率小的曲线，融合曲线的数学模型如公式(2)所示，中频部分融合曲线的数学模型如公式(3)所示；

$ratio=\left\{\begin{array}{c}8*{\left(\frac{i}{dist}\right)}^4,i\&le;center\\ 1-8*{\left(\frac{i-dist}{dist}\right)}^4,center<i\&le;dist\end{array}\right.---\left(1\right)$

$ratio=\left\{\begin{array}{c}2*{\left(\frac{i}{dist}\right)}^2,i\&le;center\\ 1-2*{\left(\frac{i-dist}{dist}\right)}^2,center<i\&le;dist\end{array}\right.---\left(2\right)$

$ratio=\left\{\begin{array}{c}4*{\left(\frac{1}{dist}\right)}^3,i\&le;center\\ 1-4*{\left(\frac{i-dist}{dist}\right)}^3,center<i\&le;dist\end{array}\right.---\left(3\right)$

其中，ratio表示融合曲线的曲率，i表示待融合的像素点距离重叠区域上边界的距离，dist表示重叠区域上下边界的距离，center为dist的中心位置，融合结果的像素值为：

Pix_result＝Pix_A*ratio+Pix_B*(1-ratio) (4)

其中，Pix_result为重叠区域某一点的融合结果像素值，Pix_A为该点在图像A中对应的像素值，Pix_B为该点在图像B中对应的像素值。