CN106204548B - 图像分辨方法及装置 - Google Patents
图像分辨方法及装置 Download PDFInfo
- Publication number
- CN106204548B CN106204548B CN201610505008.2A CN201610505008A CN106204548B CN 106204548 B CN106204548 B CN 106204548B CN 201610505008 A CN201610505008 A CN 201610505008A CN 106204548 B CN106204548 B CN 106204548B
- Authority
- CN
- China
- Prior art keywords
- image
- projection
- gray value
- resolving
- projected
- 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
Images
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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30068—Mammography; Breast
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种图像分辨方法及装置,所述图像分辨方法用于分辨乳房X射线摄影系统采集的投影图像,包括:根据投影图像的最大灰度值,分辨低剂量图像;根据投影图像的梯度图像的最大灰度值或者投影图像的标准差与其灰度平均值的比值,分辨模体图像;根据投影图像胸壁侧位置的灰度值,分辨病理图像。本发明技术方案可以对不同类型的投影图像进行准确的分辨,在一定程度上提高了乳房X射线摄影系统的普适度。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像分辨方法及装置。
背景技术
随着计算机科学和信息技术的发展,医学成像技术也得到了迅速的发展,各种医用影像系统不断涌现。全视野数字乳房X射线摄影系统(FFDM,full-field digitalmammography)作为乳腺癌的筛查和诊断得到了广泛的应用。
对于乳房X射线摄影系统而言,除了在正常条件(通常指正常剂量)下拍摄受检者的乳房图像以外,为了测试对乳房图像进行后处理的算法的性能,也会对模体(一般而言模体与正常乳房图像差异较大)进行拍摄,如PMMA模体,对模体进行拍摄获得的图像称为模体图像。另外,在实际拍摄过程中,有可能会由于技师的操作失误,导致最终拍摄获得的乳房图像与正常条件下拍摄获得的乳房图像的差异较大(如曝光剂量过低后获得的低剂量图像)。此外,在实际应用中,也需要对乳房进行穿刺获得的病理组织成像。通常称正常条件下拍摄获得的受检者的乳房图像为正常图像,而为了和正常图像进行区分,将上述提及的模体图像、与正常条件下拍摄获得的乳房图像差异较大的乳房图像以及病理图像称为异常图像。对于乳房X射线摄影系统而言,如果对异常图像采用与正常图像相同的图像后处理算法,最终获得的图像质量将达不到实际的临床需求。
因此,如何对乳房X射线摄影系统采集到的图像进行分辨,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图像分辨方法及装置,以对乳房X射线摄影系统采集到的图像进行分辨,进而可以针对采集到的不同图像进行相应的后处理,以获得符合实际临床需求的图像。
为解决上述问题,本发明技术方案提供一种图像分辨方法,用于分辨乳房X射线摄影系统采集的投影图像,包括:
根据投影图像的最大灰度值,分辨低剂量图像;
根据投影图像的梯度图像的最大灰度值或者投影图像的标准差与其灰度平均值的比值,分辨模体图像;
根据投影图像胸壁侧位置的灰度值,分辨病理图像。
可选的,所述根据投影图像的梯度图像的最大灰度值分辨模体图像包括:在所述投影图像的梯度图像的最大灰度值小于第二灰度值时,确定所述投影图像为模体图像。
可选的,所述第二灰度值的范围为[40,50]。
可选的,所述根据投影图像的标准差与其灰度平均值的比值分辨模体图像包括:在所述投影图像的标准差与所述投影图像的灰度平均值的比值小于预设值时,确定所述投影图像为模体图像。
可选的,所述预设值的范围为[60,80]。
可选的,所述根据投影图像胸壁侧位置的灰度值,分辨病理图像包括:分割所述投影图像以获得目标区域和背景区域,若分割后的投影图像的胸壁侧位置存在灰度值之和为零的像素列,所述投影图像为病理图像。
可选的,以分辨低剂量图像、模体图像、病理图像的顺序对所述图像进行分辨。
可选的,所述根据投影图像的最大灰度值,分辨低剂量图像包括:在所述投影图像的最大灰度值小于第一灰度值时,确定所述投影图像为低剂量图像。
可选的,所述第一灰度值的范围为[100,300]。
为解决上述问题,本发明技术方案还提供一种图像分辨装置,用于分辨乳房X射线摄影系统采集的投影图像,包括:
低剂量图像分辨单元,用于根据投影图像的最大灰度值,分辨低剂量图像;
模体图像分辨单元,用于根据投影图像的梯度图像的最大灰度值或者投影图像的标准差与其灰度平均值的比值,分辨模体图像;
病理图像分辨单元,用于根据投影图像胸壁侧位置的灰度值,分辨病理图像。
与现有技术相比,本发明技术方案具有以下优点:
基于对乳房X射线摄影系统采集到的投影图像的最大灰度值来分辨低剂量图像;根据投影图像的梯度图像的最大灰度值或者投影图像的标准差与其灰度平均值的比值来分辨模体图像;根据投影图像胸壁侧位置的灰度值来分辨病理图像;在对所述投影图像的分辨过程中,由于考虑了不同类型的投影图像的灰度特性,并根据该灰度特性对其进行相应的分辨,故可以准确的分辨出不同类型的投影图像,基于对所述投影图像准确的分辨,可以对不同类型的投影图像匹配相应的图像后处理算法,进而使得乳房X射线摄影系统最终输出的图像可以符合实际的临床需求,在一定程度上提高了乳房X射线摄影系统的普适度。
进一步地,分割所述投影图像以获得目标区域和背景区域,通过判断分割后的投影图像的胸壁侧位置是否存在灰度值之和为零的像素列来分辨病理图像,实现起来较容易,且分辨的准确度高。
附图说明
图1是本发明实施方式的图像分辨方法的流程示意图;
图2是本发明实施例一的图像分辨方法的流程示意图;
图3是本发明实施例二的图像分辨方法的流程示意图。
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,乳房X射线摄影系统除了会采集正常条件下受检者的乳房图像(正常图像)以外,还可能会采集到异常图像,如:病理图像,对于病理图像而言,其不像乳房图像包括皮肤、脂肪、腺体等组织,因此,针对乳房图像的厚度均衡算法、植入物检测算法、胸墙检测算法等,对于病理图像而言是没有必要的,若要对其像对乳房图像一样进行厚度均衡处理,最终获得的病理图像的质量较差,不符合实际的临床需求。
而对于均匀模体而言,如PMMA模体,针对乳房图像的厚度均衡算法、植入物检测算法、胸墙检测算法等也是没有必要的,若对其采用与乳房图像同样的处理方法,最终获得的PMMA图像反而会不均匀。这是因为采用对乳房图像进行处理的方法来处理PMMA图像,在对PMMA图像进行增强时,可能会出现过增强,而对PMMA图像的增强,增强时的尺度应较小,窗宽窗位的调节则应较宽,这样的处理才可以保证PMMA图像的均匀性。
此外,在实际应用中较多采用的是自动曝光控制(AEC),即根据实际的腺体组成给出合适的曝光剂量,只要技师执行规范的操作,最终都可以获得正常的乳房图像。然而,实际操作过程中可能会出现由于技师操作不规范,如在按下曝光手闸的过程中,提前松开了曝光手闸,进而导致曝光剂量不足,获得了低剂量的乳房图像,同样地,若对该低剂量的乳房图像以处理正常曝光剂量下获得的乳房图像的后处理方法对其进行处理,最终获得的乳房图像的质量仍然会不符合实际的临床需求。
因此,对于上述的异常图像而言,应针对不同的图像类型对其进行相应的后处理以获得符合实际临床需求的图像,而在此之前先对乳房X射线摄影系统采集到的图像的类型进行分辨则至关重要。
图1是本发明实施方式的图像分辨方法的流程示意图,如图1所示,所述图像分辨方法包括:
S11:根据投影图像的最大灰度值,分辨低剂量图像;
S12:根据投影图像的梯度图像的最大灰度值或者投影图像的标准差与其灰度平均值的比值,分辨模体图像;
S13:根据投影图像胸壁侧位置的灰度值,分辨病理图像。
对应于本发明实施方式的图像分辨方法,本发明实施方式还提供一种图像分辨装置,用于分辨乳房X射线摄影系统采集的投影图像,所述图像分辨装置包括:
低剂量图像分辨单元,用于根据投影图像的最大灰度值,分辨低剂量图像;
模体图像分辨单元,用于根据投影图像的梯度图像的最大灰度值或者投影图像的标准差与其灰度平均值的比值,分辨模体图像;
病理图像分辨单元,用于根据投影图像胸壁侧位置的灰度值,分辨病理图像。
本实施方式中由于根据了投影图像的灰度特性来对其进行分辨,因此分辨的准确度高,以下结合具体实施例来对本发明实施方式的图像分辨方法进行详细的说明。
实施例一
本领域技术人员知晓,低剂量投影图像、模体图像、病理图像以及乳房图像基本涵盖了乳房X射线摄影系统采集到的所有图像类型,本实施例中,在对采集到的投影图像进行分辨时,考虑到对投影图像分辨的时效性以及实际实现过程中的复杂度,以先分辨采集到的投影图像是否是低剂量图像、在确定投影图像不是低剂量图像的前提下,再分辨所述投影图像是否是模体图像,在确定所述投影图像不是模体图像的前提下,再分辨所述投影图像是否为病理图像,若所述投影图像不是病理图像,则确定该投影图像为乳房图像的顺序来对采集到的投影图像进行分辨。在其他实施例中也可以不按照上述的判断顺序来对采集到的投影图像进行分辨,因此对投影图像采用上述的顺序进行分辨不应作为对本发明技术方案的限定。
请参见图2,图2是本发明实施例一的图像分辨方法的流程示意图,如图2所示,本实施例的图像分辨方法包括:
S101:计算所述投影图像的最大灰度值;
S102:判断所述投影图像的最大灰度值是否小于第一灰度值;
S103:若所述投影图像的最大灰度值小于所述第一灰度值,则所述投影图像为低剂量图像;
S104:若所述投影图像的最大灰度值不小于所述第一灰度值,对所述投影图像进行梯度变换以获得梯度图像;
S105:判断所述梯度图像的最大灰度值是否小于第二灰度值;
S106:若所述梯度图像的最大灰度值小于所述第二灰度值,则所述投影图像为模体图像;
S107:若所述梯度图像的最大灰度值不小于所述第二灰度值,分割所述投影图像以获得目标区域和背景区域;
S108:判断分割后的投影图像的胸壁侧位置是否存在灰度值之和为零的像素列;
S109:若分割后的投影图像的胸壁侧位置存在灰度值之和为零的像素列,则所述投影图像为病理图像;
S110:若分割后的投影图像的胸壁侧位置不存在灰度值之和为零的像素列,则所述投影图像为乳房图像。
执行S01,对乳房X射线摄影系统采集到的投影图像的灰度值进行计算,确定该投影图像中的最大灰度值。
执行S102,判断所述投影图像的最大灰度值是否小于第一灰度值,所述第一灰度值可以通过对采集到的低剂量图像的样本进行统计后获得,本实施例中,所述第一灰度值的范围为[100,300]。
执行S103,在采集到的投影图像的最大灰度值小于所述第一灰度值时,确定所述投影图像为低剂量图像,后续对该投影图像进行处理时,采用与其匹配的图像后处理算法以获得符合实际临床需求的乳房图像。
考虑到对于正常乳房图像和模体图像而言,正常乳房图像中的乳房边缘是整幅乳房图像中灰度变化最剧烈的地方,因此,在对其进行梯度变换后,其梯度图像中的最大灰度值会比较大。而对于模体图像而言,模体本身是均匀的,因此模体图像中没有灰度变化很剧烈的地方,故在对模体图像进行梯度变换后,其梯度图像中不存在较突出的灰度值,且对其进行梯度变换之后,梯度图像上的最大灰度值也较小,因此可以通过对采集到的投影图像进行梯度变换,以将模体图像分辨出来。执行S104:对投影图像的最大灰度值不小于所述第一灰度值的投影图像进行梯度变换以获得梯度图像,本实施例中,考虑到X射线的衰减服从指数分布,为了降低计算复杂度和计算量,在对所述投影图像进行梯度变换前,可以先对其进行对数变换,此外,由于实际拍摄过程中,受到剂量等因素的影响,会导致采集到的投影图像中噪声较大,而梯度变换时的算子对噪声比较敏感,为了降低噪声对梯度变换结果的影响,因此在对所述投影图像进行对数变换后,可以对进行了对数变换的投影图像去噪。本实施例中,采用高斯滤波的方式来对经过对数变换的投影图像去噪,在其他实施例中也可以采用均值滤波的方式对进行了对数变换的投影图像去噪。对进行了对数变换和去噪后的投影图像进行梯度变换,本实施例中,具体的可以通过sobel梯度算子对经过对数变换和去噪后的投影图像进行梯度变换。
执行S105,对上述进行了对数变换、去噪以及梯度变换后的投影图像的灰度值进行计算,并判断其最大灰度值是否小于第二灰度值。所述第二灰度值的范围取决于模体自身的特性,对于不同的模体,所述第二灰度值的取值范围有所不同。本实施例中,若所述模体为PMMA模体,则所述第二灰度值的范围为[40,50]。
执行S106,若所述梯度图像的最大灰度值小于所述第二灰度值,则所述投影图像为模体图像。实际应用中,在确定所述投影图像为模体图像后,对其进行相应的后处理,利用模体成像,并对模体图像进行相应的分析,可以对乳房X射线摄影系统的性能进行评估。
考虑到对于乳房图像而言其在拍摄过程中,受检者的胸壁侧势必会抵靠探测器,因此对采集到的乳房图像进行分割,分割后获得的目标区域中在胸壁侧位置(实际应用中对于不同的乳房采用不同的拍摄协议时,胸壁侧位置在采集到的乳房图像中均有相应的定义)处像素列的灰度值之和肯定不为零。而对于病理图像而言,分割后获得的背景区域中在胸壁侧位置处像素列的灰度值为零。因此,可以根据对分割后的投影图像中,胸壁侧位置处像素列的灰度值之和是否为零来判断所述投影图像是否为乳房图像还是病理图像。
执行S107,对投影图像的梯度图像的最大灰度值不小于所述第二灰度值的投影图像进行分割以获得目标区域和背景区域。本实施例中,采用大津法对所述投影图像进行分割,具体地,先获取所述投影图像的灰度直方图,然后采用大津法对所述投影图像进行分割,分割后获得二值化的图像。在其他实施例中,还可以采用分水岭算法对所述投影图像进行分割。
执行S108,对分割后获得的二值化图像中胸壁侧位置处的像素列的灰度值之和进行判断,即将胸壁侧位置处的像素列的像素点的灰度值进行相加后,判断灰度值之和是否为零。
需要说明的是,不同的乳房X射线摄影系统,针对不同的拍摄部位及拍摄协议其对胸壁侧位置的定义也有所不同,因此,判断过程中,胸壁侧位置需由实际的乳房X射线摄影系统对拍摄获得的图像中胸壁侧位置的定义而定。
执行S109,若S108中计算获得的胸壁侧位置处的像素列的灰度值之和为零,则所述投影图像为病理图像。在确定所述投影图像为病理图像后,同样可以针对该病理图像进行相应的处理,以使得医生可以根据后处理后获得病理图像进行正确的诊断。
执行S110,若S108中计算获得的胸壁侧位置处的像素列的灰度值之和不为零,则确定该投影图像为乳房图像,进而可以对该乳房图像采用厚度均衡、植入物检测算法、胸墙检测算法等进行后处理,以获得符合实际临床需求的图像。
通过执行S101~S110,可以对乳房X射线摄影系统采集获得的投影图像进行准确的分辨,进而可以基于分辨的结果来对不同的投影图像匹配相应的后处理算法,以获得符合实际临床需求的图像,在一定程度上提高了乳房X射线摄影系统的普适度。
对应于本实施例提供的图像分辨方法,本实施例还提供一种图像分辨装置,用于分辨乳房X射线摄影系统采集的投影图像,所述图像分辨装置包括:
第一计算单元,用于计算所述投影图像的最大灰度值;
第一判断单元,用于判断所述投影图像的最大灰度值是否小于第一灰度值;
第一确定单元,用于在所述第一判断单元输出是时,确定所述投影图像为低剂量图像;
梯度变换单元,用于在所述第一判断单元输出否时,对所述投影图像进行梯度变换以获得梯度图像;
第二判断单元,用于判断所述梯度图像的最大灰度值是否小于第二灰度值;
第二确定单元,用于在所述第二判断单元输出是时,确定所述投影图像为模体图像;
第一分割单元,用于在所述第二判断单元输出否时,分割所述投影图像以获得目标区域和背景区域;
第三判断单元,用于判断所述分割后的投影图像的胸壁侧位置是否存在灰度值之和为零的像素列;
第三确定单元,用于在所述第三判断单元输出是时,确定所述投影图像为病理图像;
第四确定单元,用于在所述第三判断单元输出否时,确定所述投影图像为乳房图像。
本实施例中,低剂量图像分辨单元包括:第一计算单元、第一判断单元、第一确定单元;模体图像分辨单元包括:梯度单元、第二判断单元、第二点确定单元;病理图像分辨单元包括:第一分割单元、第三判断单元、第三确定单元。所述图像分辨装置的具体实施可参考所述图像分辨方法的实施,在此不再赘述。
实施例二
请参见图3,图3是本发明实施例二的图像分辨方法的流程示意图,如图3所示,本实施例的图像分辨方法包括:
S201:计算所述投影图像的最大灰度值;
S202;判断所述投影图像的最大灰度值是否小于第一灰度值;
S203:若所述投影图像的最大灰度值小于所述第一灰度值,则所述投影图像为低剂量图像;
S204:若所述投影图像的最大灰度值不小于所述第一灰度值,计算所述投影图像的标准差与所述投影图像的灰度平均值的比值;
S205:判断所述投影图像的标准差与所述投影图像的灰度平均值的比值是否小于预设值;
S206:若所述投影图像的标准差与所述投影图像的灰度平均值的比值小于所述预设值,则所述投影图像为模体图像;
S207:若所述投影图像的标准差与所述投影图像的灰度平均值的比值不小于所述预设值,分割所述投影图像以获得目标区域和背景区域;
S208:判断分割后的投影图像的胸壁侧位置是否存在灰度值之和为零的像素列;
S209:若分割后的投影图像的胸壁侧位置存在灰度值之和为零的像素列,则所述投影图像为病理图像;
S210:若分割后的投影图像的胸壁侧位置不存在灰度值之和为零的像素列,则所述投影图像为乳房图像。
本实施例中,S201~S203与实施例一中相类似,此处不再赘述。与实施例一中不同的是,本实施例中,确定模体图像的方法与实施例一中有所不同。考虑到模体图像整体灰度比非模体图像整体灰度更为均匀,因此模体图像的标准差相对较小。此外,图像的整体灰度与标准差之间具有一定的相关性,通常图像的整体灰度越大(剂量越大)图像中各像素点的差异也越大,或者说图像灰度值的波动范围会随着剂量的增加而有所增加,也就是说对于同样的模体而言,剂量稍低点时其标准差较小,剂量有所增加时,标准差也会有所增加,因此,在确定模体图像时,需将剂量对图像标准差带来的影响去除。故,本实施例中,通过执行S204~S206来确定乳房X射线摄影系统采集到的投影图像是否为模体图像,具体地:
执行S204:在所述投影图像的最大灰度值不小于所述第一灰度值时,计算所述投影图像的标准差与所述投影图像的灰度平均值的比值,所述投影图像的标准差通过如下公式获得:
执行S205:判断S204中计算出的所述投影图像的标准差与所述投影图像的灰度平均值的比值是否小于预设值,本实施例中预设值可以根据对多个模体样本进行测量获得,若所述模体为PMMA模体,所述预设值的范围为[60,80]。
执行S206,确定投影图像的标准差与其灰度平均值的比值小于所述预设值的投影图像为模体图像。执行S207,在该比值不小于所述预设值时,分割所述投影图像以获得目标区域和背景区域。本实施例中S207~S210中确定病理图像和乳房图像的方法与实施例一中相类似,此处不再赘述。
通过实施例二中的S201~S210,也实现了对低剂量图像、模体图像、病理图像以及乳房图像的分辨。
对应于本实施例的图像分辨方法,本实施例还提供一种图像分辨装置,用于分辨乳房X射线摄影系统采集的投影图像,所述图像分辨装置包括:
第二计算单元,用于计算所述投影图像的最大灰度值;
第四判断单元,用于判断所述投影图像的最大灰度值是否小于第一灰度值;
第五确定单元,用于在所述第四判断单元输出是时,确定所述投影图像为低剂量图像;
第三计算单元,用于在所述第四判断单元输出否时,计算所述投影图像的标准差与所述投影图像的灰度平均值的比值;
第五判断单元,用于判断所述投影图像的标准差与所述投影图像的灰度平均值的比值是否小于预设值;
第六确定单元,用于在所述第五判断单元输出是时,确定所述投影图像为模体图像;
第二分割单元,用于在所述第五判断单元输出否时,分割所述投影图像以获得目标区域和背景区域;
第六判断单元,用于判断分割后的投影图像的胸壁侧位置是否存在灰度值之和为零的像素列;
第七确定单元,用于在所述第六判断单元输出是时,确定所述投影图像为病理图像;
第八确定单元,用于在所述第六判断单元输出否时,确定所述投影图像为乳房图像。
本实施例中,低剂量图像分辨单元包括:第二计算单元、第四判断单元、第五确定单元;模体图像分辨单元包括:第三确定单元、第五判断单元、第六确定单元;病理图像分辨单元包括:第二分割单元、第六判断单元、第七确定单元。所述图像分辨装置的具体实施可以参考所述图像分辨方法的实施,在此不再赘述。
综上所述,本发明实施例提供的图像分辨方法,至少具有如下有益效果:
基于对乳房X射线摄影系统采集到的投影图像的最大灰度值来分辨低剂量图像;根据投影图像的梯度图像的最大灰度值或者投影图像的标准差与其灰度平均值的比值来分辨模体图像;根据投影图像胸壁侧位置的灰度值来分辨病理图像;在对所述投影图像的分辨过程中,由于考虑了不同类型的投影图像的灰度特性,并根据该灰度特性对其进行相应的分辨,故可以准确的分辨出不同类型的投影图像,基于对所述投影图像准确的分辨,可以对不同类型的投影图像匹配相应的图像后处理算法,进而使得乳房X射线摄影系统最终输出的图像可以符合实际的临床需求,在一定程度上提高了乳房X射线摄影系统的普适度。
进一步地,分割所述投影图像以获得目标区域和背景区域,通过判断分割后的投影图像的胸壁侧位置是否存在灰度值之和为零的像素列来分辨病理图像,实现起来较容易,且分辨的准确度高。
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 (9)
1.一种图像分辨方法,用于分辨乳房X射线摄影系统采集的投影图像,其特征在于,包括:
根据投影图像的最大灰度值,分辨所述投影图像是否是低剂量图像;
根据投影图像的梯度图像的最大灰度值或者投影图像的标准差与其灰度平均值的比值,分辨所述投影图像是否是模体图像;
根据投影图像胸壁侧位置的灰度值,分辨所述投影图像是否是病理图像;
根据分辨的所述低剂量图像、所述模体图像、所述病理图像,进行相应的后处理,以获得符合实际临床需求的图像。
2.如权利要求1所述的图像分辨方法,其特征在于,所述根据投影图像的梯度图像的最大灰度值分辨模体图像包括:在所述投影图像的梯度图像的最大灰度值小于第二灰度值时,确定所述投影图像为模体图像。
3.如权利要求2所述的图像分辨方法,其特征在于,所述第二灰度值的范围为[40,50]。
4.如权利要求1所述的图像分辨方法,其特征在于,所述根据投影图像的标准差与其灰度平均值的比值分辨模体图像包括:在所述投影图像的标准差与所述投影图像的灰度平均值的比值小于预设值时,确定所述投影图像为模体图像。
5.如权利要求4所述的图像分辨方法,其特征在于,所述预设值的范围为[60,80]。
6.如权利要求1所述的图像分辨方法,其特征在于,所述根据投影图像胸壁侧位置的灰度值,分辨病理图像包括:分割所述投影图像以获得目标区域和背景区域,若分割后的投影图像的胸壁侧位置存在灰度值之和为零的像素列,所述投影图像为病理图像。
7.如权利要求1所述的图像分辨方法,其特征在于,以分辨低剂量图像、模体图像、病理图像的顺序对所述图像进行分辨。
8.如权利要求1所述的图像分辨方法,其特征在于,所述根据投影图像的最大灰度值,分辨低剂量图像包括:在所述投影图像的最大灰度值小于第一灰度值时,确定所述投影图像为低剂量图像。
9.如权利要求8所述的图像分辨方法,其特征在于,所述第一灰度值的范围为[100,300]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610505008.2A CN106204548B (zh) | 2016-06-30 | 2016-06-30 | 图像分辨方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610505008.2A CN106204548B (zh) | 2016-06-30 | 2016-06-30 | 图像分辨方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106204548A CN106204548A (zh) | 2016-12-07 |
CN106204548B true CN106204548B (zh) | 2021-09-28 |
Family
ID=57464339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610505008.2A Active CN106204548B (zh) | 2016-06-30 | 2016-06-30 | 图像分辨方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106204548B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709913B (zh) * | 2016-12-30 | 2019-10-08 | 上海联影医疗科技有限公司 | 锥束ct入射强度计算方法和装置 |
CN107590788A (zh) * | 2017-09-12 | 2018-01-16 | 新疆大学 | 一种遥感图像处理方法 |
CN112033250B (zh) * | 2020-10-26 | 2021-02-02 | 湖南大学 | 一种钢直尺自动检定装置及检定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013064958A1 (en) * | 2011-11-03 | 2013-05-10 | Koninklijke Philips Electronics N.V. | Image data processing |
CN103886576A (zh) * | 2013-11-22 | 2014-06-25 | 沈阳东软医疗系统有限公司 | 一种腺体组织特征灰度检测方法及装置 |
CN104023230A (zh) * | 2014-06-23 | 2014-09-03 | 北京理工大学 | 一种基于梯度关联性的无参考图像质量评价方法 |
CN104835140A (zh) * | 2015-03-04 | 2015-08-12 | 中国计量科学研究院 | 医用ct模体图像量化评价方法 |
-
2016
- 2016-06-30 CN CN201610505008.2A patent/CN106204548B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013064958A1 (en) * | 2011-11-03 | 2013-05-10 | Koninklijke Philips Electronics N.V. | Image data processing |
CN103886576A (zh) * | 2013-11-22 | 2014-06-25 | 沈阳东软医疗系统有限公司 | 一种腺体组织特征灰度检测方法及装置 |
CN104023230A (zh) * | 2014-06-23 | 2014-09-03 | 北京理工大学 | 一种基于梯度关联性的无参考图像质量评价方法 |
CN104835140A (zh) * | 2015-03-04 | 2015-08-12 | 中国计量科学研究院 | 医用ct模体图像量化评价方法 |
Non-Patent Citations (2)
Title |
---|
人乳腺癌裸鼠移植瘤剂量密集化疗和常规化疗后瘤体积变化与Bcl-2蛋白表达的关系;杨农;《中国肿瘤临床》;20080831;第35卷(第16期);第1.6节 * |
基于灰度图像的曝光量估计方法;赵芳;《应用科技》;20090831;第36卷(第8期);第2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN106204548A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11109945B2 (en) | Method of evaluating an orthodontic aligner | |
CN103886576B (zh) | 一种腺体组织特征灰度检测方法及装置 | |
KR101439412B1 (ko) | 영상에서 종괴의 경계 검출 방법 | |
CN106204548B (zh) | 图像分辨方法及装置 | |
López et al. | Digital image analysis in breast cancer: an example of an automated methodology and the effects of image compression | |
JP6598850B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN116071355A (zh) | 一种用于外周血管影像的辅助分割系统及方法 | |
US10497117B2 (en) | Automated percentage of breast density measurements for full field digital mammography | |
KR101789513B1 (ko) | 디지털 병리 시스템의 이미지 품질 평가 방법 | |
CN109758170B (zh) | X射线成像设备的曝光参数调节方法和装置 | |
Torres et al. | Morphological area gradient: System-independent dense tissue segmentation in mammography images | |
CN105374025B (zh) | 乳房图像获取方法及装置、乳房摄影系统 | |
Soni et al. | CT scan based brain tumor recognition and extraction using Prewitt and morphological dilation | |
US10943350B2 (en) | Automated segmentation of histological sections for vasculature quantification | |
EP1520255A2 (en) | Methods of anisotropic diffusion and foveal segmentation of digital images | |
CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
CN109949243B (zh) | 一种钙化伪影消除方法、设备及计算机存储介质 | |
CN114387219A (zh) | 眼底动静脉交叉压迫特征的检测方法、装置、介质及设备 | |
KR20120007862A (ko) | Mr 영상을 이용한 자동 간 분할 방법 | |
Lamonaca et al. | Living Environment Quality Monitoring: Image pre-processing to improve the human lymphocyte micronucleus detection | |
CN112712499B (zh) | 一种物体检测方法、装置以及计算机可读存储介质 | |
CN109377478A (zh) | 一种骨关节炎自动分级方法 | |
CN105147310B (zh) | 乳房图像获取方法及装置、乳房摄影系统 | |
Lu et al. | A Residual Based Adaptive Image Sharpening Scheme | |
Mustra et al. | Dense tissue segmentation in digitized mammograms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai. Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai. Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |