CN107316291A - 乳腺图像处理方法及乳腺成像设备 - Google Patents

乳腺图像处理方法及乳腺成像设备 Download PDF

Info

Publication number
CN107316291A
CN107316291A CN201710468784.4A CN201710468784A CN107316291A CN 107316291 A CN107316291 A CN 107316291A CN 201710468784 A CN201710468784 A CN 201710468784A CN 107316291 A CN107316291 A CN 107316291A
Authority
CN
China
Prior art keywords
image
frequency
galactophore
low
greyscale transformation
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
Application number
CN201710468784.4A
Other languages
English (en)
Other versions
CN107316291B (zh
Inventor
江春花
赵书睿
王汉禹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201710468784.4A priority Critical patent/CN107316291B/zh
Publication of CN107316291A publication Critical patent/CN107316291A/zh
Priority to CA3168047A priority patent/CA3168047A1/en
Priority to EP17914031.4A priority patent/EP3622476A4/en
Priority to PCT/CN2017/120325 priority patent/WO2018227943A1/en
Priority to CA3067078A priority patent/CA3067078C/en
Priority to CN201780092082.9A priority patent/CN110832540B/zh
Priority to US16/023,340 priority patent/US10949950B2/en
Priority to US17/201,084 priority patent/US11562469B2/en
Application granted granted Critical
Publication of CN107316291B publication Critical patent/CN107316291B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种乳腺图像处理方法及乳腺成像设备。该方法包括：获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像；依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数；依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。通过上述技术方案，解决了乳腺图像处理过于依赖经验性参数，且其均衡效果不佳的问题，在一定程度上实现了乳腺图像厚度均衡的自动化，能够获得灰度分布更加均匀的乳腺图像，从而使乳腺图像更加符合临床需求。

Description

乳腺图像处理方法及乳腺成像设备
技术领域
本发明实施例涉及医学图像处理技术，尤其涉及一种乳腺图像处理方法及乳腺成像设备。
背景技术
全数字化乳腺摄影成像过程中，乳腺是在压迫板压迫时进行拍摄的。但是，由于压迫板压迫不到乳腺边缘，使得拍摄时的乳腺厚度不均匀。这种厚度不均匀就导致了拍摄获得的乳腺图像中边缘处的脂肪和里侧的脂肪灰度值差异较大。这种情况下，如果想要看到所有的乳腺组织，则整个乳腺图像的对比度会较差，不利于诊断；如果想要有较好的对比度显示，则边缘处的脂肪可能就在窗宽外，显示不到，导致信息丢失，同样不利于诊断。
目前，针对乳腺厚度不均匀导致的乳腺图像的灰度不均匀，常用的方法是基于距离的厚度均衡方法和基于模板的厚度均衡方法。然而，上述两种方法均是基于经验的厚度均衡，其获得的乳腺图像仍然会出现灰度不均匀的现象，具有一定的局限性。
发明内容
本发明实施例提供一种乳腺图像处理方法及乳腺成像设备，以实现在一定程度上乳腺图像的厚度均衡的自动化，获得灰度更加均匀的乳腺图像。
第一方面，本发明实施例提供了一种乳腺图像处理方法，包括：
获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像；
依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数；
依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
第二方面，本发明实施例还提供了一种乳腺图像的厚度均衡装置，该装置包括：
图像获取模块，用于获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像；
灰度变换参数确定模块，用于依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数；
目标图像生成模块，用于依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
第三方面，本发明实施例还提供了一种乳腺成像设备，包括：用于发射X射线的X射线源；用于采集X射线源发射的X射线的探测器，所述探测器用于采集原始扫描图像；用于放置乳腺的乳腺托板；用于压迫乳腺的压迫板；及用于对图像进行处理的图像处理器，其中，所述图像处理器用于执行本发明实施例中任一所述的乳腺图像处理方法。
本发明实施例通过获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像，使得后续的处理能够保留图像细节，只改变图像对比度，从而达到灰度均匀的目的；通过依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数，能够使得灰度变换参数的确定不再过多地依赖于经验性参数，而是根据低频乳腺图像的特征自动确定，以减少乳腺图像处理过程中主观操作带来的误差；通过依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像，能够获得灰度分布更加均匀的乳腺图像，从而使其更加符合临床需求。
附图说明
图1是本发明实施例一中的一种乳腺图像处理方法的流程图；
图2是本发明实施例一中的乳腺拍摄示意图；
图3是本发明实施例一中的原始扫描图像和对数域上的扫描图像；
图4是本发明实施例一中的乳腺分割模板；
图5是本发明实施例一中的低频原始图像和高频原始图像；
图6是本发明实施例一中的低频乳腺图像及乳腺宽度获取示意图；
图7是本发明实施例二中的一种乳腺图像处理方法的流程图；
图8是本发明实施例三中的一种乳腺图像处理方法的流程图；
图9是本发明实施例三中的对低频乳腺图像进行裁剪的裁剪示意图；
图10是本发明实施例四中的一种乳腺图像处理方法的流程图；
图11是本发明实施例四中的第二设定函数系数与灰度均值差值的取值关系示意图；
图12是本发明实施例五中的一种乳腺图像的厚度均衡装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种乳腺图像处理方法的流程图。该方法可以由乳腺图像处理装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在能够进行乳腺摄影的医疗设备中，例如典型的是乳腺X线摄影设备，例如乳腺干板X线摄影系统、专用屏片摄影系统或全视野数字乳腺X线摄影系统(Full-Field Digital Mammography，FFDM)等。如图1所示，本实施例的方法具体包括如下步骤：
S110、获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像。
具体地，如图2所示，可利用诸如FFDM的乳腺摄影系统对乳腺进行拍摄。首先，利用托板201和压迫板202压迫乳腺203，然后从拍摄视角204对乳腺203进行拍摄，即可获得图3所示的原始扫描图像310。从图2中可以看出，压迫乳腺203时，由于受压迫力度以及压迫角度等因素的影响，乳腺轮廓边缘区域205往往不能很好地被压迫，使得乳腺203的厚度不均匀，从而导致最终获得的图3中的原始扫描图像310灰度不均匀，如：乳腺中部区域302明显暗于乳腺轮廓边缘区域301及乳腺根部区域303，且乳腺轮廓边缘区域301的灰度与背景区域304的灰度比较接近，这样的原始扫描图像作为诊断参考时，不利于对乳腺疾病的诊断，因此需要对该原始扫描图像进行厚度均衡处理，即灰度变换，以得到符合临床需求的乳腺图像。
在获得原始扫描图像之后，为了降低计算复杂度和计算量，可以对其进行预处理操作。比如，利用X射线的衰减服从指数分布的特性，对原始扫描图像进行对数变换，将其变换为对数域(即LOG域)上的扫描图像，即图3所示的LOG扫描图像320。之后，可以利用诸如细节保持性较好的双边滤波或适用性较强的小波滤波的滤波算法对该LOG扫描图像进行滤波，分别获得低频图像和高频图像。该低频图像决定了乳腺图像的总体形状(整体光色)，而高频图像决定了乳腺图像的细节部分，所以后续进行灰度变换的处理对象主要为低频图像，以达到只改变图像对比度，不影响图像细节的目的。
当然，在对数变换前后或滤波处理前后，可以利用图4的乳腺分割模板进行乳腺区域的提取(即裁剪)，获得仅包含乳腺区域而不包含背景区域的乳腺图像。该乳腺分割模板是预先对原始扫描图像进行相关的分割检测，去掉直接曝光区(即背景区域)、胸墙区及植入物区等之后获得的。
也就是说，上述的预处理操作过程可以是裁剪、对数变换和滤波，也可以是对数变换、裁剪和滤波，还可以是对数变换、滤波和裁剪，具体地执行顺序，可以依据实际需要进行选择。
S120、依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数。
其中，灰度变换参数是用于进行灰度变换的具体参数，其是实现灰度变换的操作依据，比如可以是进行灰度变换的至少一个灰度变化区间对应的灰度变换公式。
要实现乳腺图像的厚度均衡，即灰度变换，就要确定用于灰度变换的灰度变换参数。而该灰度变换参数是针对具体的低频图像的，所以，要分析并获取低频图像的图像特征。由于原始扫描图像中灰度不均匀的部分多集中在乳腺区域的脂肪部分，所以可以仅针对低频乳腺图像进行图像特征的获取，而具体需要获取的图像特征应该是低频乳腺图像中脂肪的灰度分布，并以此来确定灰度变换参数。但是，乳腺主要是由腺体和脂肪构成，两种组织的灰度没有明确的分界线，而且进行灰度变换的目的是为了实现整个乳腺图像的灰度均衡，所以在获取灰度变换参数的过程中，除了主要考虑脂肪的灰度分布之外，还应该考虑腺体的灰度分布，即需要同时获取低频乳腺图像中脂肪的灰度分布和腺体的灰度分布，并由这两者共同确定低频图像的灰度变换参数。也就是说，本发明实施例中的灰度变换参数，并非直接依据经验来确定，而是需要具体分析该低频图像中腺体的灰度分布和脂肪的灰度分布来确定。
具体地，在S110获得了低频图像之后，可以对该低频图像对应的乳腺图像(即低频乳腺图像)进行灰度分析，比如直方图分析或阈值分割等，以获得其中腺体的灰度分布和脂肪的灰度分布。然后，可以基于该腺体的灰度分布和该脂肪的灰度分布来确定需要进行灰度变换的灰度变换区间，并根据确定的灰度变换区间和实际的变换需求来确定灰度变换参数。
S130、依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
具体地，在获取了灰度变换参数之后，就可以利用该灰度变换参数对S110中获得的低频图像进行灰度变换，获得厚度均衡后的低频图像，即目标低频图像。之后，再将该目标低频图像与S110中获取的高频图像进行重构，即将目标低频图像中和高频图像中对应的像素点的灰度值进行相加，以获得厚度均衡后的图像，即目标图像。
本实施例的技术方案，本发明实施例通过获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像，使得后续的处理能够保留图像细节，只改变图像对比度，从而达到灰度均匀的目的；通过依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数，能够使得灰度变换参数的确定不再过多地依赖于经验性参数，而是根据低频乳腺图像的特征自动确定，以减少乳腺图像处理过程中主观操作带来的误差；通过依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像，能够获得灰度分布更加均匀的乳腺图像，从而使其更加符合临床需求。
在上述技术方案的基础上，S110优选可以是获取原始扫描图像，并对所述原始扫描图像进行滤波，分别获得低频原始图像和高频原始图像；对所述低频原始图像进行分割，获得低频乳腺图像。相应地，S130可以是依据所述灰度变换参数，对所述低频原始图像进行灰度变换，获得厚度均衡后的目标低频原始图像；对所述目标低频原始图像和所述高频原始图像进行重构，生成目标原始图像。
具体地，首先获取原始扫描图像，并对其进行LOG变换，获得LOG扫描图像。然后，对该LOG扫描图像进行滤波，获得如图5所示的包含背景区域的、与LOG扫描图像对应的低频原始图像501和高频原始图像502。之后，再利用图4的乳腺分割模板对低频原始图像501进行裁剪，获得如图6所示的低频乳腺图像600，此图像即为后续进行灰度变换参数获取的基础图像。这样设置的好处在于，通过对数变换、滤波和裁剪的预处理操作，能够有效减少图像的数据量，从而降低后续灰度变换参数确定的计算复杂度和计算量。当然，低频原始图像和高频原始图像也可以直接基于原始扫描图像来获得。
相应地，S130具体为利用灰度变换参数对上述获得的低频原始图像501进行灰度变换，获得厚度均衡后的低频原始图像，即目标低频原始图像，该目标低频原始图像中包含背景区域。之后，再将该目标低频原始图像与上述获取的高频原始图像502进行重构，以获得厚度均衡后的原始图像，即目标原始图像。这样获得的最终可应用于临床的图像就是与原始扫描图像完全对应的、包含背景区域的完整图像，可便于后续的其他操作处理。
在上述技术方案的基础上，S110优选还可以是获取原始扫描图像，并依据所述原始扫描图像获取乳腺图像；对所述乳腺图像进行滤波，分别获得低频乳腺图像和高频乳腺图像。相应地，S130则可以是依据所述灰度变换参数，对所述低频乳腺图像进行灰度变换，获得厚度均衡后的目标低频乳腺图像；对所述目标低频乳腺图像和所述高频乳腺图像进行重构，生成目标乳腺图像。
具体地，首先获取原始扫描图像，并对其进行LOG变换，获得LOG扫描图像。然后，利用图4的乳腺分割模板对该LOG扫描图像进行裁剪，获得仅包含乳腺区域的乳腺图像。之后，再对该乳腺图像进行滤波，获得相应的低频乳腺图像和高频乳腺图像。此低频乳腺图像即为图6所示的低频乳腺图像600。这样设置的好处在于，通过对数变换、裁剪和滤波的预处理操作，能够进一步减少图像的数据量，从而降低后续灰度变换参数确定及目标图像生成的计算复杂度和计算量。同样地，图像裁剪的对象也可以是原始扫描图像。
相应地，S130具体为利用灰度变换参数对上述获得的低频乳腺图像进行灰度变换，获得厚度均衡后的低频乳腺图像，即目标低频乳腺图像，该目标低频乳腺图像中仅包含乳腺区域。之后，再将该目标低频乳腺图像与上述获取的高频乳腺图像进行重构，以获得厚度均衡后的乳腺图像，即目标乳腺图像。这样获得的最终可应用于临床的图像是不包含背景区域的，能够减少后续其他操作处理中的数据量。
实施例二
图7为本发明实施例二提供的一种乳腺图像处理方法的流程图，本实施例在上述实施例一的基础上，对“依据所述灰度分布，确定灰度变换参数”进行了进一步优化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。本实施例的方法包括：
S210、获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像。
S220、依据所述原始扫描图像对应的乳腺图像的灰度最大值、所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换区间。
具体地，确定灰度变换参数，要首先确定一个合理的灰度变换区间，即确定低频图像中需要进行灰度变换的目标灰度最大值(灰度变换区间的区间最大值)和目标灰度最小值(灰度变换区间的区间最小值)，由这两个值确定灰度变换区间。低频图像中只要在这个灰度变换区间内的所有像素点的灰度都要依据后续确定的灰度变换参数进行灰度变换。
由实施例一中S110的说明可知，原始扫描图像的乳腺区域(即原始扫描图像对应的乳腺图像)中的乳腺轮廓边缘区域的灰度值整体上要大于乳腺区域中其他区域的灰度值，且其与背景区域的灰度值较为接近，所以，要达到整个乳腺图像的厚度均衡，乳腺轮廓边缘区域通常是要进行灰度变换。那么，灰度变换区间的区间最大值就可以由乳腺图像中的灰度最大值来确定。其确定方式可以是直接统计整个乳腺图像中的灰度最大值；也可以是先确定出灰度最大值通常所在的图像区域，然后只对该图像区域进行灰度值的统计，确定出灰度最大值。
根据低频乳腺图像的灰度分布可知，腺体的灰度整体上小于脂肪的灰度，两者的灰度分布共同构成了乳腺图像的双峰式灰度直方图，且两者的灰度分布之间没有明确的分界线。所以，不能够单纯依靠脂肪的灰度分布或者腺体的灰度分布来确定区间最小值，而应该综合考虑两者的灰度分布情况。比如，可以简单地根据脂肪的灰度分布和腺体的灰度分布来确定一个灰度分割阈值，以此作为区间最小值；也可以根据脂肪和腺体的灰度分布确定灰度分割阈值之后，再综合考虑灰度分割阈值与脂肪的灰度分布的关系，来确定一个更加合适的区间最小值。
S230、依据所述灰度变换区间，确定所述灰度变换参数。
具体地，在确定了灰度变换区间之后，可以依据实际需要，确定该灰度变换区间内的灰度变换公式。该灰度变换区间可以是一个，也可以是划分为多个的灰度变换子区间，该灰度变换子区间的划分可以是经验划分，也可以依据灰度变换区间的灰度值进行自动划分，比如灰度均分或者依据距离乳腺轮廓边缘不同距离所对应的灰度值进行划分等；而每个区间或子区间对应的灰度变换公式可以是线性公式，也可以是非线性公式，其可以依据实际应用需求进行设定。
示例性地，S240可以为：将所述灰度变换区间分为N个灰度变换子区间，并确定每一个所述灰度变换子区间对应的灰度变换线段，所述N为正整数；对N个所述灰度变换线段进行曲线拟合，获得所述灰度变换参数。
具体地，可以依据灰度变换区间确定出该灰度变换区间对应的乳腺区域内的距离-灰度曲线，然后依据该距离-灰度曲线，将灰度变换区间划分为正整数个，即N个灰度变换子区间。其中，距离指的是图像中某一个像素点到乳腺轮廓边缘的最小距离，即从该像素点至乳腺轮廓边缘上每一个像素点进行连线，可以确定出多个连线的长度，这些长度中总存在最短的一个，该最短的连线即为该像素点距乳腺轮廓边缘的最小距离。
灰度变换区间的区间最大值通常对应于乳腺轮廓边缘上的某个像素点的灰度值，而区间最小值通常对应于乳腺区域内部的某一个或某几个像素点的灰度值。从区间最小值对应的多个像素点中找出与乳腺轮廓边缘间的最小距离最大的一个像素点，然后遍历该像素点至乳腺轮廓边缘之间所有的像素点，就可以得到灰度变换区间对应的乳腺区域内不同的像素点与乳腺轮廓边缘之间的最小距离。而对于每一个最小距离而言，均存在与其对应的至少一个像素点，对该至少一个像素点的所有灰度值取均值，就可以得到该最小距离对应的灰度值。这样，根据上述的遍历结果，可以同时得到灰度变换区间对应的乳腺区域内，不同的最小距离及其对应的灰度值，以最小距离为横坐标，与最小距离对应的灰度值为纵坐标，就能够建立距离-灰度曲线。
能够理解的是，在实际的处理过程中，该距离-灰度曲线是一个横坐标有限的离散曲线，其横坐标最小值为区间最大值对应的某个像素点的最小距离，横坐标最大值为区间最小值对应的某个像素点的最小距离，而在两者之间的横坐标值就为实际统计出的最小距离值，其通常是有限个，而非数值连续的无限个。那么，就可以根据该距离-灰度曲线上，除了横坐标最大值和横坐标最小值对应的灰度值之外的其他有限个灰度值(假定为N个)，将灰度变换区间划分为相应个数个灰度变换子区间，即N个灰度变换子区间。
然后，可以确定每个灰度变换子区间对应的灰度变换线段。线段斜率可以自行设定，也可以根据灰度变换子区间的两个区间端点值和灰度变换区间的区间端点值来确定，比如斜率可以定义为灰度变换区间的区间最小值的2倍与灰度变换子区间的两个区间端点值之和的商。在斜率确定之后，可以进一步确定线段表达式。对于第一段线段，其线段初始点为灰度变换区间的区间端点值，那么可以根据点斜式直接确定第一段线段的表达式；而后续的每一个线段的初始点均可以是前一段线段的末端点，该末端点值可以根据前一段线段的表达式和灰度变换子区间的区间端点值计算得到，这样就可以利用点斜式计算出每一个线段的表达式。这样，就确定了每一个灰度变换子区间对应的灰度变换线段。
之后，可以对上述获得的所有灰度变换线段进行拟合，以获得灰度变换参数，比如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变换线段进行曲线拟合以获得灰度变换曲线，该灰度变换曲线的参数即为灰度变换参数。这样设置的好处在于，可以更加细致化地确定灰度变换参数，从而减少灰度变换后低频图像的灰度跳跃，使得低频图像的灰度变换效果更加连续、更加平滑。
S240、依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
本实施例的技术方案，通过获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像，使得后续的处理能够保留图像细节，只改变图像对比度，从而达到灰度均匀的目的；通过依据所述原始扫描图像对应的乳腺图像的灰度最大值、所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换区间，并依据所述灰度变换区间，确定所述灰度变换参数，能够使得灰度变换参数的确定不再过多地依赖于经验性参数，而是根据低频乳腺图像的特征自动确定，以减少厚度均衡过程中主观操作带来的误差；依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像，能够获得灰度分布更加均匀的乳腺图像，从而使乳腺图像更加符合临床需求的效果。
实施例三
图8为本发明实施例三提供的一种乳腺图像处理方法的流程图，本实施例在上述实施例二的基础上，对“依据所述原始扫描图像对应的乳腺图像的灰度最大值、所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换区间”进行了进一步优化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。本实施例的方法包括：
S310、获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像。
S320、对所述低频图像对应的低频乳腺图像进行裁切处理，获得第一低频乳腺图像。
具体地，根据实施例一的说明可知，低频乳腺图像是对原始扫描图像进行了对数变换、滤波及裁剪等预处理之后获得的，也就是说，该低频乳腺图像已经经过了初步的去噪。但是，考虑到灰度变换区间确定的精度直接影响到最终的厚度均衡效果，还需要对低频乳腺图像进行进一步的处理，比如，去掉其中灰度值较低的不稳定因素，和/或灰度值较高的对灰度变换区间的确定影响较大的因素。经过上述处理后所获得的图像，即第一低频乳腺图像，就能够用于更加精确地确定灰度变换区间。
而上述处理过程，可以是获取低频乳腺图像的灰度直方图或累计灰度直方图，然后按照经验，直接去掉该灰度直方图或累计灰度直方图中前后各一定比例的直方图，比如去掉累计灰度直方图中累计频率小于5％及大于95％的部分；也可以是根据经验及具体的低频乳腺图像特征，进行个性化地裁剪去除，比如根据乳腺的个体化差异，去除低频乳腺图像中乳腺轮廓一侧一定宽度的图像；还可以是将上述两种方法进行结合，综合性地进行图像处理等。
示例性地，S320可以为：
A、依据所述低频图像对应的低频乳腺图像确定乳腺宽度，并依据所述乳腺宽度确定所述低频乳腺图像的裁剪宽度。
其中，乳腺宽度指的是乳腺图像中乳腺最宽一处的宽度，具体可以是乳腺轮廓至背离乳腺轮廓一侧图像边缘的垂直距离中的最大值。参见图2，在理想的乳腺拍摄摆位情况下，从乳头至背离乳腺轮廓一侧图像边缘的垂直距离即为乳腺宽度206。
具体地，根据低频乳腺图像确定出其对应的乳腺宽度，然后根据乳腺宽度与裁剪宽度之间的预设比例关系，来确定该低频乳腺图像对应的裁剪宽度。该预设比例关系是考虑到乳腺的个体化差异而预先设定的用于对经验性的裁剪宽度进行调整的比例关系式，其可以是根据临床经验获得经验计算关系式，例如可以是：其中，Wc为待求解的裁剪宽度，其可以用像素点个数来表征，单位为个，也可以用长度来表征，单位为cm；Wr为依据低频乳腺图像获取的乳腺宽度，单位与Wc的单位保持一致；Wt为经验统计的乳腺宽度，单位与Wc的单位保持一致；Nt为经验设定的像素点个数，该像素个数与具体的图像分辨率有关。比如，经验统计的乳腺宽度Wt为1.5cm，在像素点尺寸为0.085mm的图像分辨率下，1.5cm对应的像素点个数约为170个，即Wt为170，而Nt为1000，那么裁剪宽度Wc＝(170*Wr)/1000。这样设置的好处在于，可以在乳腺图像厚度均衡的过程中，更多地考虑到乳腺的个体化差异，减少本发明实施例中乳腺图像厚度均衡方法的局限性，使得最终获得的目标图像更加具有针对性，更加符合临床需求。
示例性地，上述依据所述低频图像对应的低频乳腺图像确定乳腺宽度可以为：获取所述低频图像对应的低频乳腺图像中设定区域的图像，作为第三低频乳腺图像；获取所述第三低频乳腺图像中的垂直距离集，并将所述垂直距离集中的最大值确定为乳腺宽度，所述垂直距离集由所述第三低频乳腺图像中乳腺轮廓上的每一个像素点至背离乳头一侧的图像边缘的垂直距离构成。
其中，设定区域指的是低频乳腺图像中去除可能包含其他人体区域的部分之后的图像区域。参见图6，设定区域601可以是在低频乳腺图像600中，沿第一设定方向602和第二设定方向603，各去除设定去除比例(如1/6)的第一比例区域604和第二比例区域605之后的剩余图像区域。当然，该设定区域601的确定，也可以是从低频乳腺图像600的乳头部分开始，沿着第一设定方向602和第二设定方向603各保留设定保留比例(如1/3)的图像区域。上述第一设定方向601和第二设定方向602与背离乳腺轮廓一侧的图像边缘的延伸方向一致，上述设定去除比例和设定保留比例均可以是根据临床获得的乳腺图像中其他人体区域出现的位置而经验设定。
具体地，在实际中确定乳腺宽度时，考虑到低频乳腺图像是利用乳腺分割模板进行裁剪来获取的，而乳腺分割模板是从原始扫描图像中自动分割检测获得的。当原始扫描图像中包含诸如手臂等其他人体区域时，所获得的乳腺分割模板中也可能包含上述其他人体区域，所以低频乳腺图像中也可能含有除乳腺之外的其他人体区域。这样，低频乳腺图像中的最大宽度并不一定对应于乳腺宽度，所以还需要对低频乳腺图像进行进一步的处理，即获取低频乳腺图像中设定区域的图像，作为第三低频乳腺图像。然后，获取该第三低频乳腺图像中乳腺轮廓上的每一个像素点至背离乳头一侧的图像边缘的垂直距离，构成垂直距离集。之后，确定出该垂直距离集中的最大垂直距离值，将其确定为该低频乳腺图像的乳腺宽度。通常情况下，该乳腺宽度对应于乳头至背离乳头一侧的图像边缘的垂直距离。
B、依据所述裁剪宽度，对所述低频乳腺图像中的乳腺轮廓进行裁剪，获得第二低频乳腺图像。
具体地，参见图9，从低频乳腺图像900的乳腺轮廓901开始，沿着乳腺轮廓901的径向方向902，向乳腺区域内部延伸裁剪宽度903的距离，可以确定出一个与乳腺轮廓相似的裁剪区域904。然后，从低频乳腺图像900中裁剪掉该裁剪区域904，获得裁剪后的低频乳腺图像，即第二低频乳腺图像。
C、按照设定比例，去除所述第二低频乳腺图像对应的灰度直方图中低灰度值一侧的直方图，获得裁剪直方图，并将所述裁剪直方图对应的图像确定为第一低频乳腺图像。
其中，设定比例是预先设置的百分比，用于对灰度直方图进行去除处理，其通常是经验设定，比如设定比例可以设置为1％-3％之间的某个数值。
具体地，获取第二低频乳腺图像的灰度直方图，然后在该灰度直方图中灰度值较低的一侧，去除设定比例的直方图，获得裁剪处理后的裁剪直方图。该裁剪直方图对应的图像就是最终需要的第一低频乳腺图像。
S330、确定所述第一低频乳腺图像的分割阈值，并依据所述分割阈值对所述第一低频乳腺图像进行分割，获得腺体灰度均值及脂肪灰度均值。
具体地，根据上述各实施例的说明可知，第一低频乳腺图像的灰度直方图为双峰图，那么可以利用图像分割算法对其进行分割处理，以获得第一低频乳腺图像中脂肪和腺体各自的灰度分布。本实施例中优选采用分割速度和分割精度均较好的大律法进行灰度分割阈值的确定。
比如，利用大律法对第一低频乳腺图像的灰度直方图进行处理，获得脂肪和腺体的灰度分割阈值，记为f_Divide。该灰度分割阈值是第一低频乳腺图像中脂肪和腺体的灰度分界处，也是灰度变换区间的区间最小值的最小取值极限。之后，可以利用该灰度分割阈值对第一低频乳腺图像的灰度直方图进行分割。其中，灰度大于f_Divide的是脂肪区，计算脂肪区的灰度均值，即可获得脂肪灰度均值，记为meanFat；灰度小于f_Divide的是腺体区，计算腺体区的灰度均值，即可获得腺体灰度均值，记为meanLow。
S340、依据所述分割阈值、所述腺体灰度均值及所述脂肪灰度均值，确定所述灰度变换区间的区间最小值。
具体地，按照灰度变换区间的区间最小值的设定计算公式，利用分割阈值f_Divide、腺体灰度均值meanLow及脂肪灰度均值meanFat，确定出区间最小值。上述设定计算公式通常可以通过对上述三个参数的临床数据进行分析而经验设定。
S350、将所述原始扫描图像对应的乳腺图像的灰度最大值确定为灰度变换区间的区间最大值。
具体地，根据实施例二中S220的说明，灰度变换区间的区间最大值可以由乳腺图像中的灰度最大值来确定。在本实施例中，考虑到乳腺图像中乳腺轮廓边缘区域的灰度值整体上要大于乳腺图像中其他区域的灰度值，所以优选地获取图3中原始扫描图像310对应的乳腺图像中乳腺轮廓305上各个像素点的灰度值，然后获取这些灰度值中的灰度最大值，作为灰度变换区间的区间最大值，以进一步减少计算量。
S360、依据所述区间最小值和所述区间最大值，确定所述灰度变换区间。
S370、依据所述灰度变换区间，确定所述灰度变换参数。
S380、依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
本实施例的技术方案通过第一低频乳腺图像的获取，以及基于该所述第一低频乳腺图像的分割阈值、腺体灰度均值及脂肪灰度均值的获取，能够一定程度上自动地、更加准确地确定灰度变换区间的区间最小值；同时，通过将乳腺图像的灰度最大值确定为灰度变换区间的区间最大值，能够进一步减少乳腺图像厚度均衡过程的计算量，提高厚度均衡方法的运算速度。解决了乳腺图像的厚度均衡过于依赖经验性参数，且其均衡效果不佳的问题，能够更加自动、更加快速、更加准确地获得灰度分布更加均匀的乳腺图像，以满足临床需求。
实施例四
图10为本发明实施例四提供的一种乳腺图像处理方法的流程图，本实施例在上述实施例三的基础上，对“依据所述分割阈值、所述腺体灰度均值及所述脂肪灰度均值，确定所述灰度变换区间的区间最小值”进行了进一步优化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。本实施例的方法包括：
S410、获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像。
S420、对所述低频图像对应的低频乳腺图像进行裁切处理，获得第一低频乳腺图像。
S430、确定所述第一低频乳腺图像的分割阈值，并依据所述分割阈值对所述第一低频乳腺图像进行分割，获得腺体灰度均值及脂肪灰度均值。
S440、依据所述腺体灰度均值及所述脂肪灰度均值，确定所述第一低频乳腺图像中腺体与脂肪的灰度均值差值。
具体地，将S430获取的第一低频乳腺图像中的脂肪灰度均值meanFat及腺体灰度均值meanLow做差，以获得腺体与脂肪的灰度均值差值，记为div，即div＝meanFat-meanLow。
该灰度均值差值div的大小能够定性地表征灰度变换区间的区间最小值的取值情况。比如，如果div较大，则表示低频图像中腺体和脂肪的灰度值相差较大，可供灰度变换的空间大，区间最小值就应取得比较靠近f_Divide，即从灰度分割阈值f_Divide稍往脂肪端的灰度偏一点即可；如果div较小，则表示低频图像中腺体和脂肪的灰度值相差较小，可供灰度变换的空间小，压区间最小值就应取得略远离f_Divide，即从灰度分割阈值f_Divide往脂肪端的灰度多偏一点即可。当然，该区间最小值能够通过本实施例中的后续步骤进行定量化的确定。
S450、依据所述乳腺图像的灰度最大值，确定所述乳腺图像对应的灰度区间。
具体地，对原始扫描图像对应的乳腺图像进行灰度统计分析，确定出其中的灰度最大值max，也可以同时确定出灰度最小值min。然后，以0或者灰度最小值min为乳腺图像对应的灰度区间的区间最小值，以灰度最大值max，或者灰度最大值max和灰度最小值min的差值绝对值为灰度区间的区间最大值，构成灰度区间。也就是说，灰度区间可以是[0,max]，也可以是[min,(max-min)]。
S460、将所述灰度区间划分为设定数量的灰度子区间，确定出所述灰度均值差值所对应的所述灰度子区间作为目标子区间。
其中，设定数量是预先设定的一个数值，用于确定灰度区间的灰度子区间划分数量，其通常可以根据后续S470中系数k的精细度进行经验设定，比如可以设定为3-10之间的数值。
具体地，在确定了灰度区间之后，可以依据设定数量及设定灰度分界值对其进行区间划分。注意，这里的设定灰度分界值也是用于灰度子区间的划分，其通常也可以根据后续S470中系数k的精细度进行经验设定。比如，设定数量为5，设定灰度分界值分别为100、180、230和280，那么以上述灰度区间[0,max]为例，其就可以划分为[0,100]、[101,180]、[181,230]、[231,280]和[281,max]的灰度子区间。
然后，将灰度均值差值div的数值与上述每个灰度子区间进行比较，以确定出灰度均值差值div具体对应于那个灰度子区间，并将确定的灰度子区间作为灰度均值差值div的目标子区间。比如，如果div＝232，那么目标子区间就是上述第4个灰度子区间，即[231,280]为灰度均值差值div目标子区间。
S470、依据所述目标子区间确定第二设定函数的系数，并依据所述系数、所述分割阈值、所述脂肪灰度均值及所述第二设定函数，确定所述灰度变换区间的区间最小值。
其中，第二设定函数指的是确定灰度变换区间的区间最小值的设定计算公式，其可以通过分析临床数据而经验设定。例如，依据本实施例S440中对区间最小值取值及脂肪灰度均值关系的分析，可以经验性设定第二设定函数为：MinGray＝k*f_Divide+(1-k)*meanFat，其中，MinGray为灰度变换区间的区间最小值；k为系数，可以根据灰度均值差值div确定；f_Divide为灰度分割阈值；meanFat为脂肪灰度均值。
具体地，根据上述第二设定函数的表达式可知，先确定系数k，然后再结合灰度分割阈值f_Divide和脂肪灰度均值meanFat，就能够确定出区间最小值MinGray的具体数值。而上述的两个参数f_Divide和meanFat已经在步骤S430中获取，只有系数k未知，而系数k可以通过灰度均值差值div和S460中确定的目标子区间来确定。注意，当k取值为1时，根据上述第二设定函数可知，灰度变换区间的区间最小值MinGray取值为灰度分割阈值f_Divide，即区间最小值取值到最小取值极限。
示例性地，依据所述目标子区间确定第二设定函数的系数包括：判断所述目标子区间是否为所述灰度区间的末位区间；若是，则第二设定函数的系数为1；若否，则依据所述灰度均值差值、所述目标子区间的灰度最大值及第一设定函数，确定第二设定函数的系数。
其中，末位区间指的是灰度区间的区间最大值所在的灰度子区间，比如S460中的灰度子区间[281,500]。第一设定函数指的是预先设定的、用于计算第二设定函数的系数的计算公式，其也可以经验设定，比如，依据本实施例S440中对灰度均值差值div及区间最小值取值关系的分析，可以经验性设定第一设定函数为：k(i)＝weight(i)*div/valueMax(i)，其中，i表示灰度子区间的序号，其通常对应于目标子区间的序号；weight为权重值，其通常是根据临床数据设置的调整性数值；valueMax为第i个灰度子区间的灰度最大值，也即该灰度子区间的区间最大值。
具体地，首先判断S460中确定的目标子区间是否是乳腺图像对应的所有灰度子区间中的末位区间。如果目标子区间是末位区间，那么第二设定函数的系数k取值为1。如果目标子区间不是末位区间，那么根据目标子区间的序号可以确定出i的取值，进而确定出weight和valueMax的取值，然后再结合灰度均值差值div，就可以根据第一设定函数确定出第二设定函数的系数k。比如，div＝232时，目标子区间为[231,280]，其对应的i为4，valueMax(4)为280，假设weight(4)取值为0.9，那么k＝0.9*232/280＝0.75。又比如，以S460中确定的灰度子区间为例，结合权重weight，就可以得到系数k与灰度均值差值div的取值关系图，如图11所示。
S480、将所述原始扫描图像对应的乳腺图像的灰度最大值确定为灰度变换区间的区间最大值。
S490、依据所述区间最小值和所述区间最大值，确定所述灰度变换区间。
S4100、依据所述灰度变换区间，确定所述灰度变换参数。
S4110、依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
本实施例的技术方案通过获取灰度均值差值和灰度均值差值所在的目标子区间，并结合第一设定函数确定第二设定函数的系数；再通过系数、灰度分割阈值和脂肪灰度均值，利用第二设定函数确定灰度变换区间的区间最小值，能够在一定程度上实现灰度变换区间的自动确定，解决了乳腺图像的厚度均衡过于依赖经验性参数的问题，达到了在一定程度上实现乳腺图像厚度均衡的自动化，获得灰度分布更加均匀的乳腺图像，从而使乳腺图像更加符合临床需求的效果。
以下是本发明实施例提供的乳腺图像的厚度均衡装置的实施例，该装置与上述各实施例的乳腺图像处理方法属于同一个发明构思，在乳腺图像的厚度均衡装置的实施例中未详尽描述的细节内容，可以参考上述乳腺图像处理方法的实施例。
实施例五
图12为本发明实施例五提供的一种乳腺图像的厚度均衡装置的结构示意图，该装置具体包括图像获取模块1210、灰度变换参数确定模块1220和目标图像生成模块1230。
其中，图像获取模块1210，用于获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像；
灰度变换参数确定模块1220，用于依据图像获取模块1210获取的低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数；
目标图像生成模块1230，用于依据灰度变换参数确定模块1220确定的灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
可选地，所述图像获取模块1210具体用于：
获取原始扫描图像，并对所述原始扫描图像进行滤波，分别获得低频原始图像和高频原始图像；
对所述低频原始图像进行分割，获得低频乳腺图像；
相应的，所述目标图像生成模块1230具体用于：
依据所述灰度变换参数，对所述低频原始图像进行灰度变换，获得厚度均衡后的目标低频原始图像；
对所述目标低频原始图像和所述高频原始图像进行重构，生成目标原始图像。
可选地，所述图像获取模块1210具体用于：
获取原始扫描图像，并依据所述原始扫描图像获取乳腺图像；
对所述乳腺图像进行滤波，分别获得低频乳腺图像和高频乳腺图像；
相应的，所述目标图像生成模块1230具体用于：
依据所述灰度变换参数，对所述低频乳腺图像进行灰度变换，获得厚度均衡后的目标低频乳腺图像；
对所述目标低频乳腺图像和所述高频乳腺图像进行重构，生成目标乳腺图像。
可选地，所述灰度变换参数确定模块1220包括：
灰度变换区间确定子模块，用于依据所述原始扫描图像对应的乳腺图像的灰度最大值、所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换区间；
灰度变换参数确定子模块，用于依据所述灰度变换区间，确定所述灰度变换参数。
进一步地，所述灰度变换区间确定子模块包括：
第一低频乳腺图像获取单元，用于对所述低频图像对应的低频乳腺图像进行裁切处理，获得第一低频乳腺图像；
灰度均值获取单元，用于确定所述第一低频乳腺图像的分割阈值，并依据所述分割阈值对所述第一低频乳腺图像进行分割，获得腺体灰度均值及脂肪灰度均值；
区间最小值确定单元，用于依据所述分割阈值、所述腺体灰度均值及所述脂肪灰度均值，确定所述灰度变换区间的区间最小值；
区间最大值确定单元，用于将所述原始扫描图像对应的乳腺图像的灰度最大值确定为灰度变换区间的区间最大值；
灰度变换区间确定单元，用于依据所述区间最小值和所述区间最大值，确定所述灰度变换区间。
可选地，所述第一低频乳腺图像获取单元包括：
裁剪宽度确定子单元，用于依据所述低频图像对应的低频乳腺图像确定乳腺宽度，并依据所述乳腺宽度确定所述低频乳腺图像的裁剪宽度；
第二低频乳腺图像获取子单元，用于依据所述裁剪宽度，对所述低频乳腺图像中的乳腺轮廓进行裁剪，获得第二低频乳腺图像；
第一低频乳腺图像确定子单元，用于按照设定比例，去除所述第二低频乳腺图像对应的灰度直方图中低灰度值一侧的直方图，获得裁剪直方图，并将所述裁剪直方图对应的图像确定为第一低频乳腺图像。
其中，所述裁剪宽度确定子单元具体用于：
获取所述低频图像对应的低频乳腺图像中设定区域的图像，作为第三低频乳腺图像；
获取所述第三低频乳腺图像中的垂直距离集，并将所述垂直距离集中的最大值确定为乳腺宽度，所述垂直距离集由所述第三低频乳腺图像中乳腺轮廓上的每一个像素点至背离乳头一侧的图像边缘的垂直距离构成。
可选地，所述区间最小值确定单元包括：
灰度均值差值确定子单元，用于依据所述腺体灰度均值及所述脂肪灰度均值，确定所述第一低频乳腺图像中腺体与脂肪的灰度均值差值；
灰度区间确定子单元，用于依据所述乳腺图像的灰度最大值，确定所述乳腺图像对应的灰度区间；
目标子区间确定子单元，用于将所述灰度区间划分为设定数量的灰度子区间，确定出所述灰度均值差值所对应的所述灰度子区间作为目标子区间；
区间最小值确定子单元，用于依据所述目标子区间确定第二设定函数的系数，并依据所述系数、所述分割阈值、所述脂肪灰度均值及所述第二设定函数，确定所述灰度变换区间的区间最小值。
其中，所述区间最小值确定子单元具体用于：
判断所述目标子区间是否为所述灰度区间的末位区间；
若是，则第二设定函数的系数为1；
若否，则依据所述灰度均值差值、所述目标子区间的灰度最大值及第一设定函数，确定第二设定函数的系数；
其中，所述末位区间是所述灰度区间的区间最大值所在的灰度子区间。
可选地，所述灰度变换参数确定子模块具体用于：
将所述灰度变换区间分为N个灰度变换子区间，并确定每一个所述灰度变换子区间对应的灰度变换线段，所述N为正整数；
对N个所述灰度变换线段进行曲线拟合，获得所述灰度变换参数。
通过本发明实施例五的一种乳腺图像的厚度均衡装置，解决了乳腺图像的厚度均衡过于依赖经验性参数，且其均衡效果不佳的问题，在一定程度上实现了乳腺图像厚度均衡的自动化，能够获得灰度分布更加均匀的乳腺图像，从而使其更加符合临床需求。
本发明实施例所提供的乳腺图像的厚度均衡装置可执行本发明任意实施例所提供的乳腺图像处理方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述乳腺图像的厚度均衡装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元和模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种乳腺图像处理方法，该方法包括：
获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像；
依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数；
依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的乳腺图像处理方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的乳腺图像处理方法。
实施例七
本发明实施例七提供了一种乳腺成像设备，该设备至少包括：用于发射X射线的X射线源；用于采集X射线源发射的X射线的探测器，所述探测器用于采集原始扫描图像；用于放置乳腺的乳腺托板；用于压迫所述乳腺的压迫板；及用于对图像进行处理的图像处理器，其中，所述图像处理器用于执行一种乳腺图像处理方法，该方法包括：
获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像；
依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数；
依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
当然，本发明实施例所提供的一种乳腺成像设备，其图像处理器不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的乳腺图像处理方法中的相关操作。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种乳腺图像处理方法，其特征在于，包括：
获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像；
依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数；
依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像。
2.根据权利要求1所述的方法，其特征在于，所述获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像，包括：
获取原始扫描图像，并对所述原始扫描图像进行滤波，分别获得低频原始图像和高频原始图像；
对所述低频原始图像进行分割，获得低频乳腺图像；
相应的，所述依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像包括：
依据所述灰度变换参数，对所述低频原始图像进行灰度变换，获得厚度均衡后的目标低频原始图像；
对所述目标低频原始图像和所述高频原始图像进行重构，生成目标原始图像。
3.根据权利要求1所述的方法，其特征在于，所述获取原始扫描图像，并依据所述原始扫描图像获取低频图像和高频图像，包括：
获取原始扫描图像，并依据所述原始扫描图像获取乳腺图像；
对所述乳腺图像进行滤波，分别获得低频乳腺图像和高频乳腺图像；
相应的，所述依据所述灰度变换参数，对所述低频图像进行灰度变换，获得厚度均衡后的目标低频图像，并对所述目标低频图像和所述高频图像进行重构，生成目标图像，包括：
依据所述灰度变换参数，对所述低频乳腺图像进行灰度变换，获得厚度均衡后的目标低频乳腺图像；
对所述目标低频乳腺图像和所述高频乳腺图像进行重构，生成目标乳腺图像。
4.根据权利要求1所述的方法，其特征在于，所述依据所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换参数包括：
依据所述原始扫描图像对应的乳腺图像的灰度最大值、所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换区间；
依据所述灰度变换区间，确定所述灰度变换参数。
5.根据权利要求4所述的方法，其特征在于，所述依据所述原始扫描图像对应的乳腺图像的灰度最大值、所述低频图像对应的低频乳腺图像的腺体及脂肪的灰度分布，确定灰度变换区间包括：
对所述低频图像对应的低频乳腺图像进行裁切处理，获得第一低频乳腺图像；
确定所述第一低频乳腺图像的分割阈值，并依据所述分割阈值对所述第一低频乳腺图像进行分割，获得腺体灰度均值及脂肪灰度均值；
依据所述分割阈值、所述腺体灰度均值及所述脂肪灰度均值，确定所述灰度变换区间的区间最小值；
将所述原始扫描图像对应的乳腺图像的灰度最大值确定为灰度变换区间的区间最大值；
依据所述区间最小值和所述区间最大值，确定所述灰度变换区间。
6.根据权利要求5所述的方法，其特征在于，所述对所述低频图像对应的低频乳腺图像进行裁切处理，获得第一低频乳腺图像包括：
依据所述低频图像对应的低频乳腺图像确定乳腺宽度，并依据所述乳腺宽度确定所述低频乳腺图像的裁剪宽度；
依据所述裁剪宽度，对所述低频乳腺图像中的乳腺轮廓进行裁剪，获得第二低频乳腺图像；
按照设定比例，去除所述第二低频乳腺图像对应的灰度直方图中低灰度值一侧的直方图，获得裁剪直方图，并将所述裁剪直方图对应的图像确定为第一低频乳腺图像。
7.根据权利要求6所述的方法，其特征在于，所述依据所述低频图像对应的低频乳腺图像确定乳腺宽度包括：
获取所述低频图像对应的低频乳腺图像中设定区域的图像，作为第三低频乳腺图像；
获取所述第三低频乳腺图像中的垂直距离集，并将所述垂直距离集中的最大值确定为乳腺宽度，所述垂直距离集由所述第三低频乳腺图像中乳腺轮廓上的每一个像素点至背离乳头一侧的图像边缘的垂直距离构成。
8.根据权利要求5所述的方法，其特征在于，所述依据所述分割阈值、所述腺体灰度均值及所述脂肪灰度均值，确定所述灰度变换区间的区间最小值包括：
依据所述腺体灰度均值及所述脂肪灰度均值，确定所述第一低频乳腺图像中腺体与脂肪的灰度均值差值；
依据所述乳腺图像的灰度最大值，确定所述乳腺图像对应的灰度区间；
将所述灰度区间划分为设定数量的灰度子区间，确定出所述灰度均值差值所对应的所述灰度子区间作为目标子区间；
依据所述目标子区间确定第二设定函数的系数，并依据所述系数、所述分割阈值、所述脂肪灰度均值及所述第二设定函数，确定所述灰度变换区间的区间最小值。
9.根据权利要求8所述的方法，其特征在于，所述依据所述目标子区间确定第二设定函数的系数包括：
判断所述目标子区间是否为所述灰度区间的末位区间；
若是，则第二设定函数的系数为1；
若否，则依据所述灰度均值差值、所述目标子区间的灰度最大值及第一设定函数，确定第二设定函数的系数；
其中，所述末位区间是所述灰度区间的区间最大值所在的灰度子区间。
10.根据权利要求4所述的方法，其特征在于，所述依据所述灰度变换区间，确定所述灰度变换参数包括：
将所述灰度变换区间分为N个灰度变换子区间，并确定每一个所述灰度变换子区间对应的灰度变换线段，所述N为正整数；
对N个所述灰度变换线段进行曲线拟合，获得所述灰度变换参数。
11.一种乳腺成像设备，其特征在于，包括：
用于发射X射线的X射线源；
用于采集X射线源发射的X射线的探测器，所述探测器用于采集原始扫描图像；
用于放置乳腺的乳腺托板；
用于压迫所述乳腺的压迫板；及
用于对图像进行处理的图像处理器，其中，所述图像处理器用于执行如权利要求1-10任一项所述的乳腺图像处理方法。
CN201710468784.4A 2017-06-14 2017-06-14 乳腺图像处理方法及乳腺成像设备 Active CN107316291B (zh)

Priority Applications (8)

Application Number Priority Date Filing Date Title
CN201710468784.4A CN107316291B (zh) 2017-06-14 2017-06-14 乳腺图像处理方法及乳腺成像设备
CA3067078A CA3067078C (en) 2017-06-14 2017-12-29 System and method for image processing
EP17914031.4A EP3622476A4 (en) 2017-06-14 2017-12-29 IMAGE PROCESSING SYSTEM AND METHOD
PCT/CN2017/120325 WO2018227943A1 (en) 2017-06-14 2017-12-29 System and method for image processing
CA3168047A CA3168047A1 (en) 2017-06-14 2017-12-29 System and method for image processing
CN201780092082.9A CN110832540B (zh) 2017-06-14 2017-12-29 图像处理系统和方法
US16/023,340 US10949950B2 (en) 2017-06-14 2018-06-29 System and method for image processing
US17/201,084 US11562469B2 (en) 2017-06-14 2021-03-15 System and method for image processing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710468784.4A CN107316291B (zh) 2017-06-14 2017-06-14 乳腺图像处理方法及乳腺成像设备

Publications (2)

Publication Number Publication Date
CN107316291A true CN107316291A (zh) 2017-11-03
CN107316291B CN107316291B (zh) 2021-04-23

Family

ID=60181940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710468784.4A Active CN107316291B (zh) 2017-06-14 2017-06-14 乳腺图像处理方法及乳腺成像设备

Country Status (1)

Country Link
CN (1) CN107316291B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108711171A (zh) * 2018-05-28 2018-10-26 中国人民解放军陆军军医大学第二附属医院 基于磁共振图像直方图阈值分割技术测量乳房组织中腺体含量的方法
WO2018227943A1 (en) * 2017-06-14 2018-12-20 Shenzhen United Imaging Healthcare Co., Ltd. System and method for image processing
CN110490857A (zh) * 2019-08-20 2019-11-22 上海联影医疗科技有限公司 图像处理方法、装置、电子设备和存储介质
US10949950B2 (en) 2017-06-14 2021-03-16 Shanghai United Imaging Healthcare Co., Ltd. System and method for image processing
CN113674367A (zh) * 2021-08-20 2021-11-19 上海宝藤生物医药科技股份有限公司 一种电泳后脂蛋白胆固醇试剂扫描图的预处理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130223711A1 (en) * 2012-02-24 2013-08-29 Riverain Technologies, LLC Maching Learning Techniques for Pectoral Muscle Equalization and Segmentation in Digital Mammograms
CN104394767A (zh) * 2012-06-11 2015-03-04 富士胶片株式会社 放射线图像处理装置及方法
CN104574361A (zh) * 2014-11-27 2015-04-29 沈阳东软医疗系统有限公司 一种乳腺外周组织均衡的图像处理方法和装置
CN104616255A (zh) * 2015-01-11 2015-05-13 北京工业大学 基于乳腺x线图像的自适应增强方法
CN104952044A (zh) * 2014-03-28 2015-09-30 上海联影医疗科技有限公司 一种乳腺x线图像的增强方法
CN105701796A (zh) * 2015-12-31 2016-06-22 上海联影医疗科技有限公司 乳房图像的厚度均衡方法及装置、乳房摄影系统
CN106228520A (zh) * 2016-07-22 2016-12-14 上海联影医疗科技有限公司 图像增强方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130223711A1 (en) * 2012-02-24 2013-08-29 Riverain Technologies, LLC Maching Learning Techniques for Pectoral Muscle Equalization and Segmentation in Digital Mammograms
CN104394767A (zh) * 2012-06-11 2015-03-04 富士胶片株式会社 放射线图像处理装置及方法
CN104952044A (zh) * 2014-03-28 2015-09-30 上海联影医疗科技有限公司 一种乳腺x线图像的增强方法
CN104574361A (zh) * 2014-11-27 2015-04-29 沈阳东软医疗系统有限公司 一种乳腺外周组织均衡的图像处理方法和装置
CN104616255A (zh) * 2015-01-11 2015-05-13 北京工业大学 基于乳腺x线图像的自适应增强方法
CN105701796A (zh) * 2015-12-31 2016-06-22 上海联影医疗科技有限公司 乳房图像的厚度均衡方法及装置、乳房摄影系统
CN106228520A (zh) * 2016-07-22 2016-12-14 上海联影医疗科技有限公司 图像增强方法及装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018227943A1 (en) * 2017-06-14 2018-12-20 Shenzhen United Imaging Healthcare Co., Ltd. System and method for image processing
US10949950B2 (en) 2017-06-14 2021-03-16 Shanghai United Imaging Healthcare Co., Ltd. System and method for image processing
US11562469B2 (en) 2017-06-14 2023-01-24 Shanghai United Imaging Healthcare Co., Ltd. System and method for image processing
CN108711171A (zh) * 2018-05-28 2018-10-26 中国人民解放军陆军军医大学第二附属医院 基于磁共振图像直方图阈值分割技术测量乳房组织中腺体含量的方法
CN110490857A (zh) * 2019-08-20 2019-11-22 上海联影医疗科技有限公司 图像处理方法、装置、电子设备和存储介质
CN113674367A (zh) * 2021-08-20 2021-11-19 上海宝藤生物医药科技股份有限公司 一种电泳后脂蛋白胆固醇试剂扫描图的预处理方法
WO2023020374A1 (zh) * 2021-08-20 2023-02-23 上海宝藤生物医药科技股份有限公司 电泳后脂蛋白胆固醇试剂扫描图的预处理方法
CN113674367B (zh) * 2021-08-20 2024-03-26 上海宝藤生物医药科技股份有限公司 一种电泳后脂蛋白胆固醇试剂扫描图的预处理方法

Also Published As

Publication number Publication date
CN107316291B (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
CN107316291A (zh) 乳腺图像处理方法及乳腺成像设备
CN111862044B (zh) 超声图像处理方法、装置、计算机设备和存储介质
CN110889826B (zh) 眼部oct图像病灶区域的分割方法、装置及终端设备
CN107292815B (zh) 乳腺图像的处理方法、装置及乳腺成像设备
CN108682008B (zh) 一种白细胞图像清晰度评价方法及装置
CN108272434B (zh) 对眼底图像进行处理的方法及装置
Kanwal et al. Region based adaptive contrast enhancement of medical X-ray images
Chai et al. Edge detection in ultrasound images using speckle reducing anisotropic diffusion in canny edge detector framework
Su et al. De-emphasis of distracting image regions using texture power maps
CN114332132A (zh) 图像分割方法、装置和计算机设备
EP3893202A1 (en) 3d analysis with optical coherence tomography images
Hasikin et al. Adaptive fuzzy intensity measure enhancement technique for non-uniform illumination and low-contrast images
JP2018185265A (ja) 情報処理装置、制御方法、及びプログラム
Yerramneni et al. A generalized grayscale image processing framework for retinal fundus images
CN116645418A (zh) 基于2d和3d相机的屏幕按钮检测方法、装置及其相关介质
CN114298920B (zh) 一种超视野ct图像重建模型训练和超视野ct图像重建方法
CN109813259B (zh) 高动态x射线成像方法、存储介质和装置
Intriago-Pazmiño et al. Quantitative Measures for Medical Fundus and Mammography Images Enhancement
CN114494098A (zh) 一种锂电池x射线图像增强方法、装置以及存储介质
WO2008056305A1 (en) Noise reduction of an image signal
Singh et al. Dark channel processing for medical image enhancement
Ramlan et al. Image Enhancement Methods for Anterior Segment Photographed Images
Pad et al. Maximally localized radial profiles for tight steerable wavelet frames
David Low illumination image enhancement algorithm using iterative recursive filter and visual gamma transformation function
CN113409306A (zh) 一种检测装置、训练方法、训练装置、设备和介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant