CN107169978B - 超声图像边缘检测方法及系统 - Google Patents

Abstract

本发明提供了一种超声图像边缘检测方法及系统，所述检测方法包括以下步骤：S1、对待检测图像进行滤波处理；S2、获取所述待检测图像内一点作为第一参考点；S3、以所述第一参考点为中心点，等角度发散出N条第一检测线，自所述第一参考点在第一预设范围内遍历每条所述第一检测线，依次判断每条所述第一检测线上是否有满足阈值条件的计算点，若是，将所述计算点记录为当前第一检测线对应的第一边缘点；若否，将当前所述第一检测线上的第一边缘点标记为失败值；S4、获得所述第一边缘点的集合，根据所述第一边缘点的集合获得所述待检测图像的边缘。本方法能降低噪声干扰，对模糊边缘和连续边缘的检测具有鲁棒性，效果较好。

Description

超声图像边缘检测方法及系统

技术领域

本发明属于信号与图像处理领域，特别涉及一种超声图像边缘检测方法及系统。

背景技术

超声检查是一种医疗诊断技术，由于其价格便宜、对人体安全以及较好的适应性，被广泛用于各种医疗检查。

超声成像的原理是利用回声与原声波的差异产生图像，超声波经物体反射后会产生变化，变化与物体的形状特性有关，所以可以根据反射波来确定物体的外形。临床应用上，超声射入体内，由表面到深部，将经过不同声阻抗和不同衰减特性的器官与组织，从而产生不同的反射与衰减。这种不同的反射与衰减是构成超声图像的基础。将接收到的回声，根据回声强弱，用明暗不同的光点依次显示在影屏上，则可显出人体的断面超声图像。人体器官表面有被膜包绕，被膜同其下方组织的声阻抗差大，形成良好界面反射，超声象图上出现完整而清晰的周边回声，从而显出器官的轮廓，根据周边回声能判断器官的形状与大小。与其他医学影像诊断相比，超声诊断具有无损、无痛、价廉、方便、实时等优点，因此超声诊断成为医学临床诊断的重要手段之一。

在现有的超声成像技术中，比较容易受到图像噪声的干扰，对模糊的边缘和不连续边缘的检测效果不佳，另外，边缘检测的方向和边缘灰阶阈值的设置也难以确定。

发明内容

为了解决上述问题之一，本发明提出一种超声图像的边缘检测方法。

本发明提供了一种超声图像边缘检测方法，所述检测方法包括以下步骤：

S1、对待检测图像进行滤波处理；

S2、获取所述待检测图像内一点作为第一参考点；

S3、以所述第一参考点为中心点，等角度发散出N条第一检测线，自所述第一参考点在第一预设范围内遍历每条所述第一检测线，依次判断每条所述第一检测线上是否有满足阈值条件的计算点，若是，将所述计算点记录为当前第一检测线对应的第一边缘点；若否，将当前所述第一检测线上的第一边缘点标记为失败值；

S4、获得所述第一边缘点的集合，根据所述第一边缘点的集合获得所述待检测图像的边缘。

作为本发明的进一步改进，所述S2步骤包括：

将所述待检测图像二值化处理，识别封闭的连续零灰阶区域，对该区域内的像素点取算术平均值作为所述第一参考点。

作为本发明的进一步改进，所述S3步骤包括：

自所述第一参考点，沿所述第一检测线在所述第一预设范围内依次步进一个像素距离作为计算点，分别计算各个所述计算点在其所属的所述第一检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，若某一所述计算点的计算值大于预设边缘阈值，则将该计算点记录为其所属的所述第一检测线对应的第一边缘点；若该条所述第一检测线上所有所述计算点的计算值均小于预设边缘阈值，则将该条所述第一检测线上的第一边缘点标记为失败值。

作为本发明的进一步改进，所述S4步骤包括：

通过曲线插值的方法获得所述失败值所属的所述第一检测线上的第一边缘点。

作为本发明的进一步改进，所述S4步骤后还包括：

S5、计算所述第一边缘点集合中所有所述第一边缘点的算术平均值作为第二参考点，以所述第二参考点为中心点，等角度发散出N条第二检测线，自所述第二参考点遍历每一条所述第二检测线，在第二预设范围内，依次步进一个像素距离作为计算点，分别计算各个所述计算点在其所属的第二检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，取计算值最大的计算点为其所属的所述第二检测线对应的第二边缘点；

S6、获得所述第二边缘点的集合，根据所述第二边缘点的集合获得所述待检测图像的边缘。

作为本发明的进一步改进，所述S6步骤后还包括：

S7、重复S5和S6步骤，以m-1次处理后的边缘点计算得到的第m个参考点作为第m次处理的基准，进行迭代运算，直至第m个参考点与第m-1个参考点之间的距离小于预设稳定阈值，终止迭代并得到最终的所述待检测图像的边缘。

为了实现上述发明目的之一，本发明还提供了一种超声图像边缘检测系统，其特征在于，所述系统包括：

滤波模块，用于对待检测图像进行滤波处理；

数据采集模块，用于获取所述待检测图像内一点作为第一参考点；

数据分析模块，基于所述数据采集模块采集的结果，将所述第一参考点作为中心点，等角度发散出N条第一检测线，自所述第一参考点在第一预设范围内遍历每条所述第一检测线，依次判断每条所述第一检测线上是否有满足阈值条件的计算点，若是，将所述计算点记录为当前第一检测线对应的第一边缘点；若否，将当前所述第一检测线上的第一边缘点标记为失败值；

数据处理模块，用于在获得所述第一边缘点的集合后，处理所述第一边缘点的集合以获得所述待检测图像的边缘。

作为本发明的进一步改进，所述滤波模块具体用于：

将所述待检测图像二值化处理，识别封闭的连续零灰阶区域，对该区域内的像素点取算术平均值作为所述第一参考点。

作为本发明的进一步改进，所述数据分析模块具体用于：

自所述第一参考点，沿所述第一检测线在所述第一预设范围内依次步进一个像素距离作为计算点，分别计算各个所述计算点在其所属的所述第一检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，若某一所述计算点的计算值大于预设边缘阈值，则将该计算点记录为其所属的所述第一检测线对应的第一边缘点；若该条所述第一检测线上所有所述计算点的计算值均小于预设边缘阈值，则将该条所述第一检测线上的第一边缘点标记为失败值。

作为本发明的进一步改进，所述数据处理模块具体用于：

通过曲线插值的方法获得所述失败值所属的所述第一检测线上的第一边缘点。

作为本发明的进一步改进，所述系统还包括：

数据优化模块，计算所述数据处理模块处理后的所述第一边缘点集合中所有第一边缘点的算术平均值作为第二参考点，以所述第二参考点为中心点，等角度发散出N条第二检测线，自所述第二参考点遍历每一条所述第二检测线，在第二预设范围内，依次步进一个像素距离作为计算点，分别计算各个所述计算点在其所属的所述第二检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，取计算值最大的计算点为其所属的所述第二检测线上的第二边缘点；

所述数据处理模块对每条所述第二检测线上的第二边缘点进行处理，获得第二边缘点集合，作为所述待检测图像的边缘。

作为本发明的进一步改进，所述数据优化模块还包括：

校验模块，用于控制所述数据优化模块和所述数据处理模块重复计算，以m-1次处理后的边缘点计算得到的第m个参考点作为第m次处理的基准，进行迭代运算，直至第m个参考点与第m-1个参考点之间的距离小于预设稳定阈值，终止迭代并得到最终的所述待检测图像的边缘。

本发明的有益效果：本发明提出的一种超声图像边缘检测方法及系统，能有效检测具有封闭边缘的组织结构超声图像的边缘，该方法能降低噪声的干扰，不依赖于边缘处的灰阶阈值和边缘方向，对模糊边缘和连续边缘的检测具有鲁棒性，并且效果较好。

附图说明

图1为本发明一实施例中超声图像边缘检测方法的流程图；

图2为本发明一实施例中超声图像边缘检测最优方法的流程图；

图3为本发明一实施例中超声图像边缘检测系统的模块示意图；

具体实施例

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

以下详细描述本发明技术方案的具体实施例，本发明提出了一种超声图像的边缘检测方法，该方法主要应用于具体封闭边缘的组织结构。结合图1所示的方法流程图，所述检测方法包括以下步骤：

S1、对待检测图像进行滤波处理。得到超声图像时一般会产生许多噪声，进而影响超声图像的质量，同时也不利于对图像边缘的检测。

在本实施例中，具体的滤波处理方法包括：中值滤波或高斯滤波。具体的，所述中值滤波是指把数字图像或数字序列其中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点；所述高斯滤波是指对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。滤波处理后减少了噪声对图像边缘检测的干扰，并且使图像边缘变得连续，有利于后续进一步的边缘检测。

S2、获取所述待检测图像内一点作为第一参考点，在本实施例中，通过使用自动识别的方法获得所述第一参考点，具体方法为：

将待检测的图像进行二值化处理，根据所检测的组织结构或器官，设定相应的灰阶阈值，识别出二值化处理后封闭并且连续的零灰阶区域，将该区域作为待检测图像封闭边缘的内部区域，对所有该区域的像素点取算数平均值，得到的点则为所述第一参考点。特别的，在本实施例中，灰阶阈值的获取可根据图像边缘内部和外部具有显著的灰阶差异，通过分析待检测的图像或其局部区域的灰度直方图来获得。

同时，在本发明其他实施例中，使用者也可以根据经验判断区分出待检测图像的封闭边缘内部和外部，并在待检测的封闭边缘内部手动选取任一点作为第一参考点。

S3、以所述第一参考点为中心点，等角度发散出N条第一检测线，其中，每两条所述第一检测线之间的夹角角度为φ＝2π/N，选定某一条所述第一检测线为参考线，其余每条检测线与所述参考线自所述第一参考点沿逆时针或顺时针方向的夹角依次为θ＝n*φ，0≤n≤N-1。

进一步的，将所述第一参考点标记为(x₀,y₀)，自所述第一参考点(x₀,y₀)在第一预设范围内遍历每条所述第一检测线，依次判断每条所述第一检测线上是否有满足阈值条件的计算点；具体的，在本实施例中，沿所述第一检测线在所述第一预设范围内依次步进一个像素距离作为计算点，其中，任意一条检测线上的计算点坐标可记录为(x₀+r*cosθ,y₀±r*sinθ)，对所述第一边缘点的搜索顺序为自所述第一参考点沿顺时针方向依次搜索，则对应的每一条检测线上的计算点对应所述参考线的坐标记录为(x₀+r*cosθ,y₀-r*sinθ)，需要说明的是，r表示计算点到所述第一参考点(x₀,y₀)的像素距离，r的取值范围可根据所检测的组织结构或器官的正常尺寸范围来确定，同时，r的取值范围与所述第一预设范围相同。

在本发明其他实施例中，也可以自所述第一参考点沿逆时针方向依次搜索，则对应的每一条检测线上的计算点对应所述参考线的坐标可记录为(x₀+r*cosθ,y₀+r*sinθ)，由于搜索方向对搜索结果不具有本质上的影响，故本发明不对搜索方向进行特殊限定。

其中，所述阈值条件为：以所述第一参考点(x₀,y₀)为起点，从r＝0开始，计算各个所述计算点在其所属的所述第一检测线延伸方向的两侧A个相互对应的像素点的灰阶差值和的平均值，具体计算公式如下：

其中，gray(x,y)为用于计算像素点(x,y)灰阶值的函数，graydiff为预设边缘阈值；具体的，所述预设边缘阈值是指根据所检测的组织结构或器官在通常情况下的边缘灰阶值所设定的一个预设值。特别的，根据不同的组织结构或器官，计算所选取的像素点A可为不同的取值数量。

进一步的，在本实施例中，若在搜索计算中出现计算得到的像素点为非整数值，则可对当前计算的非整数值进行四舍五入再取整处理，按照取整后的像素点来获取该像素点的灰阶值，或根据其周围的点，通过插值的方式来获得该像素点的灰阶值。

若某一所述计算点的计算值大于所述预设边缘阈值，则将所述计算点记录为当前搜索的所述第一检测线所对应的第一边缘点；若小于预设边缘阈值，将当前所述第一检测线上的第一边缘点标记为失败值，具体的，所述失败值是指可以表示搜索失败的坐标值，在本实施例中，将所述失败值设置为(-1,-1)。

S4、获得所述第一边缘点的集合，根据所述第一边缘点的集合获得所述待检测图像的边缘。进一步的，对于记录为所述失败值的检测线，可使用曲线插值的方式来填补，具体的，曲线插值方法可采用三次样条插值、贝塞尔曲线或其他能够达到类似效果的方法，若无法填补的，最终以失败值标记。

进一步的，结合图2所示方法流程，为了能得到更加准确的图像边缘，本实施例中还包括步骤：

S5、计算所述第一边缘点集合中所有所述第一边缘点的算术平均值作为第二参考点，以所述第二参考点为中心点，等角度发散出N条第二检测线，自所述第二参考点遍历每一条所述第二检测线，在第二预设范围内，依次步进一个像素距离作为计算点，分别计算各个所述计算点在其所属的所述第二检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，计算方法与步骤S3中一致，取计算值最大的计算点为其所属的所述第二检测线上的第二边缘点；其中，所述第二预设范围是指，在当前检测的所述第二检测线上，与其最为接近的所述第一边缘点到所述第二参考点距离的前后20个像素距离以内的范围。

S6、获得所述第二边缘点的集合，根据所述第二边缘点的集合获得所述待检测图像的边缘。

S7、重复S5和S6步骤，以m-1次处理后的边缘点计算得到的第m个参考点作为第m次处理的基准，进行迭代运算，直至第m个参考点与所述第m-1个参考点之间的距离小于预设稳定阈值，终止迭代并得到最终的待检测图像的边缘；具体的，所述预设稳定阈值是指，每次计算得到的参考点与上一次计算得到的参考点之间的距离的变化率较小的一个范围值。

结合图3所示，本发明还提供了一种超声图像边缘检测系统，所述系统包括：滤波模块100、数据采集模块200、数据分析模块300、数据处理模块400、数据优化模块500和校验模块600。

其中，滤波模块100用于对待检测图像进行滤波处理；在本实施例中，具体处理方法包括中值滤波或高斯滤波，所述中值滤波是指把数字图像或数字序列其中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点；所述高斯滤波是指对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。滤波处理后减少了噪声对图像边缘检测的干扰，并且使图像边缘变得连续，以便有利于后续的边缘检测。

进一步的，在本实施例中，数据采集模块200用于获取所述待检测图像内任一点作为第一参考点，通过使用自动识别的方法获得所述第一参考点。

具体的，所述数据采集模块200可用于：通过将待检测的图像进行二值化处理，根据所检测的组织结构或器官，设定相应的灰阶阈值，识别出二值化处理后封闭并且连续的零灰阶区域，将该区域作为待检测图像封闭边缘的内部区域，对所有该区域的像素点取算数平均值，得到的点则为所述第一参考点。特别的，数据采集模块200还可根据图像边缘内部和外部具有显著的灰阶差异，通过分析待检测的图像或其局部区域的灰度直方图来获得所述灰阶阈值。

数据分析模块300用于：基于所述数据采集模块200采集的结果，将所述第一参考点作为中心点，等角度发散出N条第一检测线，其中，每两条所述第一检测线之间的夹角角度为φ＝2π/N，选定某一条所述第一检测线为参考线，其余每条检测线与所述参考线自所述第一参考点沿逆时针或顺时针方向的夹角依次为θ＝n*φ，0≤n≤N-1。

进一步的，将所述第一参考点标记为(x₀,y₀)，自所述第一参考点(x₀,y₀)在第一预设范围内遍历每条所述第一检测线，依次判断每条所述第一检测线上是否有满足阈值条件的计算点；沿所述第一检测线在第一预设范围内依次步进一个像素距离作为计算点，其中，任意一条检测线上的计算点的坐标可记录为(x₀+r*cosθ,y₀±r*sinθ)；在本实施例中，对所述第一边缘点的搜索顺序为自所述第一参考点沿顺时针方向依次搜索，则对应的每一条检测线上的计算点对应所述参考线的坐标记录为(x₀+r*cosθ,y₀-r*sinθ)，需要说明的是，r表示计算点到所述第一参考点(x₀,y₀)的像素距离，r的取值范围根据所检测的组织结构或器官的正常尺寸范围来确定，同时，r的取值范围与所述第一预设范围相同。

进一步的，所述数据分析模块300也可以自所述第一参考点沿逆时针方向对所述第一边缘点进行搜索，则对应的每一条检测线上的计算点对应所述参考线的坐标可记录为(x₀+r*cosθ,y₀+r*sinθ)，由于搜索方向对搜索结果不具有本质上的影响，故本发明不对搜索方向进行特殊限定。

以所述第一参考点(x₀,y₀)为起点，从r＝0开始，计算各个所述计算点在其所属的第一检测线延伸方向的两侧A个相互对应的像素点的灰阶差值和的平均值，具体计算公式如下：

其中，gray(x,y)为所述数据分析模块300用于计算像素点(x,y)灰阶值的函数，graydiff为预设边缘阈值，并且所述数据分析模块300可根据所检测的组织结构或器官在通常情况下的边缘灰阶值来设定预设边缘阈值。特别的，所述数据分析模块300还可根据不同的组织结构或器官，计算所选取的像素点A可为不同的取值数量。

在本实施例中，若在搜索计算中出现计算得到的像素点为非整数值，所述数据分析模块300可对该非整数值进行四舍五入再取整，按照取整后的像素点来获取灰阶值，或根据其周围的点，通过插值的方式来获得灰阶值。

在计算中，若某一所述计算点的计算值大于所述预设边缘阈值，所述数据分析模块300将该计算点记为当前搜索的所述第一检测线所对应的第一边缘点；若小于预设边缘阈值，所述数据分析模块300将该计算点所属的所述第一检测线上的第一边缘点标记为失败值；具体的，所述失败值是指可以表示搜索失败的坐标值，在本实施例中，将所述失败值设置为(-1,-1)

数据处理模块400用于：在获得所述第一边缘点的集合后，处理所述第一边缘点的集合以获得所述待检测图像的边缘。进一步的，对于记录为所述失败值的检测线，所述数据处理模块400使用曲线插值的方式来填补，具体的，曲线插值方法可采用三次样条插值、贝塞尔曲线或其他能够达到类似效果的方法，若无法填补的，最终以失败值标记。

数据优化模块500用于：计算所述第一边缘点集合中所有所述第一边缘点的算术平均值作为第二参考点，以所述第二参考点为中心点，等角度发散出N条第二检测线，自所述第二参考点遍历每一条所述第二检测线，在第二预设范围内，依次步进一个像素距离作为计算点，使用所述数据分析模块300的计算方法，分别计算各个所述计算点在其所属的所述第二检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，取计算值最大的计算点为其所属第二检测线上的第二边缘点；其中，所述第二预设范围是指，在当前检测的所述第二检测线上，与其最为接近的所述第一边缘点到所述第二参考点距离的前后20个像素距离以内的范围。

同时，所述数据处理模块400对每条所述第二检测线上的第二边缘点进行处理，获得第二边缘点集合，作为所述待检测图像的边缘。

校验模块600用于：控制所述数据优化模块500和所述数据处理模块400重复计算，以m-1次处理后的边缘点计算得到的第m个参考点作为第m次处理的基准，进行迭代运算，直至第m个参考点与所述第m-1个参考点之间的距离小于预设稳定阈值，终止迭代并得到最终的待检测图像的边缘；具体的，具体的，所述预设稳定阈值是指，每次计算得到的参考点与上一次计算得到的参考点之间的距离的变化率较小的一个范围值。

本发明提出的一种超声图像边缘检测方法及系统，能有效检测具有封闭边缘的组织结构超声图像的边缘，该方法能降低噪声的干扰，不依赖于边缘处的灰阶阈值和边缘方向，对模糊边缘和连续边缘的检测具有鲁棒性，并且效果较好。

应当理解，虽然本说明书按照实施例加以描述，但并非每个实施例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施例。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。

Claims (10)

1.一种超声图像边缘检测方法，其特征在于，所述检测方法包括以下步骤：

S1、对待检测图像进行滤波处理；

S2、获取所述待检测图像内一点作为第一参考点；

S3、以所述第一参考点为中心点，等角度发散出N条第一检测线，自所述第一参考点在第一预设范围内遍历每条所述第一检测线，依次判断每条所述第一检测线上是否有满足阈值条件的计算点，若是，将所述计算点记录为当前第一检测线对应的第一边缘点；若否，将当前所述第一检测线上的第一边缘点标记为失败值；

S4、获得所述第一边缘点的集合，根据所述第一边缘点的集合获得所述待检测图像的边缘；

S5、计算所述第一边缘点集合中所有所述第一边缘点的算术平均值作为第二参考点，以所述第二参考点为中心点，等角度发散出N条第二检测线，自所述第二参考点遍历每一条所述第二检测线，在第二预设范围内，依次步进一个像素距离作为计算点，分别计算各个所述计算点在其所属的第二检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，取计算值最大的计算点为其所属的所述第二检测线对应的第二边缘点；

S6、获得所述第二边缘点的集合，根据所述第二边缘点的集合获得所述待检测图像的边缘。

2.根据权利要求1所述的超声图像边缘检测方法，其特征在于，所述S2步骤包括：

将所述待检测图像二值化处理，识别封闭的连续零灰阶区域，对该区域内的像素点取算术平均值作为所述第一参考点。

3.根据权利要求1所述的超声图像边缘检测方法，其特征在于，所述S3步骤包括：

自所述第一参考点，沿所述第一检测线在所述第一预设范围内依次步进一个像素距离作为计算点，分别计算各个所述计算点在其所属的所述第一检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，若某一所述计算点的计算值大于预设边缘阈值，则将该计算点记录为其所属的所述第一检测线对应的第一边缘点；若该条所述第一检测线上所有所述计算点的计算值均小于预设边缘阈值，则将该条所述第一检测线上的第一边缘点标记为失败值。

4.根据权利要求1所述的超声图像边缘检测方法，其特征在于，所述S4步骤包括：

通过曲线插值的方法获得所述失败值所属的所述第一检测线上的第一边缘点。

5.根据权利要求1所述的超声图像边缘检测方法，其特征在于，所述S6步骤后还包括：

S7、重复S5和S6步骤，以m-1次处理后的边缘点计算得到的第m个参考点作为第m次处理的基准，进行迭代运算，直至第m个参考点与第m-1个参考点之间的距离小于预设稳定阈值，终止迭代并得到最终的所述待检测图像的边缘。

6.一种超声图像边缘检测系统，其特征在于，所述系统包括：

滤波模块，用于对待检测图像进行滤波处理；

数据采集模块，用于获取所述待检测图像内一点作为第一参考点；

数据分析模块，基于所述数据采集模块采集的结果，将所述第一参考点作为中心点，等角度发散出N条第一检测线，自所述第一参考点在第一预设范围内遍历每条所述第一检测线，依次判断每条所述第一检测线上是否有满足阈值条件的计算点，若是，将所述计算点记录为当前第一检测线对应的第一边缘点；若否，将当前所述第一检测线上的第一边缘点标记为失败值；

数据处理模块，用于在获得所述第一边缘点的集合后，处理所述第一边缘点的集合以获得所述待检测图像的边缘；

数据优化模块，计算所述数据处理模块处理后的所述第一边缘点集合中所有第一边缘点的算术平均值作为第二参考点，以所述第二参考点为中心点，等角度发散出N条第二检测线，自所述第二参考点遍历每一条所述第二检测线，在第二预设范围内，依次步进一个像素距离作为计算点，分别计算各个所述计算点在其所属的所述第二检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，取计算值最大的计算点为其所属的所述第二检测线上的第二边缘点；

所述数据处理模块对每条所述第二检测线上的第二边缘点进行处理，获得第二边缘点集合，作为所述待检测图像的边缘。

7.根据权利要求6所述的超声图像边缘检测系统，其特征在于，所述滤波模块具体用于：

将所述待检测图像二值化处理，识别封闭的连续零灰阶区域，对该区域内的像素点取算术平均值作为所述第一参考点。

8.根据权利要求6所述的超声图像边缘检测系统，其特征在于，所述数据分析模块具体用于：

自所述第一参考点，沿所述第一检测线在所述第一预设范围内依次步进一个像素距离作为计算点，分别计算各个所述计算点在其所属的所述第一检测线延伸方向的两侧若干个相互对应的像素点的灰阶差值和的平均值，若某一所述计算点的计算值大于预设边缘阈值，则将该计算点记录为其所属的所述第一检测线对应的第一边缘点；若该条所述第一检测线上所有所述计算点的计算值均小于预设边缘阈值，则将该条所述第一检测线上的第一边缘点标记为失败值。

9.根据权利要求6所述的超声图像边缘检测系统，其特征在于，所述数据处理模块具体用于：

通过曲线插值的方法获得所述失败值所属的所述第一检测线上的第一边缘点。

10.根据权利要求6所述的超声图像边缘检测系统，其特征在于，所述系统还包括：

校验模块，用于控制所述数据优化模块和所述数据处理模块重复计算，以m-1次处理后的边缘点计算得到的第m个参考点作为第m次处理的基准，进行迭代运算，直至第m个参考点与第m-1个参考点之间的距离小于预设稳定阈值，终止迭代并得到最终的所述待检测图像的边缘。

Images