CN107590814A - 一种三维图像的二值化处理方法及系统 - Google Patents
一种三维图像的二值化处理方法及系统 Download PDFInfo
- Publication number
- CN107590814A CN107590814A CN201710778776.XA CN201710778776A CN107590814A CN 107590814 A CN107590814 A CN 107590814A CN 201710778776 A CN201710778776 A CN 201710778776A CN 107590814 A CN107590814 A CN 107590814A
- Authority
- CN
- China
- Prior art keywords
- value
- gray level
- scope
- gray
- level value
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种三维图像的二值化处理方法及系统,包括:步骤S100获取待处理的三维图像中各像素点的灰度值,将各像素点的灰度值组成当前灰度值范围;步骤S200根据所述当前灰度值范围和预设二值化算法,计算得到分割阈值;步骤S300根据所述分割阈值,对所述待处理的三维图像进行二值化处理,得到所述待处理的三维图像对应的二值化图像。本发明的三维图像的二值化处理中的预设二值化算法可以应用于三维的像素点坐标来计算分割阈值;且分割阈值是根据每个待处理的三维图像量身计算得到的,计算量小,精度高;第一灰度值和第二灰度值也是根据待处理的三维图像的当前像素点范围设置的,二值化图像更自然、清晰。
Description
技术领域
本发明涉及图像二值化领域,尤其涉及一种三维图像的二值化处理方法及系统。
背景技术
随着技术的发展,医学图像中的CT图像从二维(2D)图像向三维(3D)图像发展,以便提供给医护人员更直观、更清晰的图像信息。
为了使目标物体的轮廓清晰地凸显出来,一般会将CT图像进行二值化处理,在处理时,会将背景剔除,只保留前景进行计算。
现有的二值化处理都是针对二维CT图像,无法应用于三维CT图像,对三维CT图像进行二值化。另外,在现有的二维CT图像二值化处理时,都是采用固定的灰度值对所有的二维CT图像进行二值化处理,因每个二维CT图像的灰度值范围不同,利用固定的灰度值计算前景和背景的分割阈值会大大增加计算量,且分割阈值的精确度存在误差。
发明内容
本发明的目的是提供一种三维图像的二值化处理方法及系统,大大减小了计算量,降低计算时间,提高了分割阈值的精确度。
本发明提供的技术方案如下:
一种三维图像的二值化处理方法,包括:步骤S100获取待处理的三维图像中各像素点的灰度值,将各像素点的灰度值组成当前灰度值范围;步骤S200根据所述当前灰度值范围和预设二值化算法,计算得到分割阈值;步骤S300根据所述分割阈值,对所述待处理的三维图像进行二值化处理,得到所述待处理的三维图像对应的二值化图像。
在上述技术方案中,分割阈值是根据待处理的三维图像动态计算得到的,计算量较小,且根据量身计算得到的分割阈值进行二值化处理,使得到的二值化图像的精度更高。
进一步,所述步骤S200包括:步骤S210判断所述当前灰度值范围中的最小灰度值是否为负值,若是,则执行步骤S211,若否,则执行步骤S212;步骤S211根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值,计算得到参考灰度值范围;步骤S212将所述当前灰度值范围作为所述参考灰度值范围。
在上述技术方案中,先对当前灰度值范围进行数据校准,以保证后续能够顺利计算分割阈值。
进一步,所述步骤S200还包括:步骤S220选择所述参考灰度值范围内的一个灰度值作为参考灰度值;步骤S221根据所述参考灰度值,得到所述参考灰度值范围内小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第一比例;步骤S222根据所述参考灰度值范围内小于所述参考灰度值的各灰度值,计算得到第一平均灰度值;步骤S223根据所述参考灰度值,得到所述参考灰度值范围内不小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第二比例;步骤S224根据所述参考灰度值范围内不小于所述参考灰度值的各灰度值,计算得到第二平均灰度值;步骤S225根据所述第一比例、第一平均灰度值、第二比例和第二平均灰度值,计算得到当前方差值并存储;步骤S226选择所述参考灰度值范围内未被遍历过的一个灰度值更新所述步骤S221中的参考灰度值;并轮循步骤S221-226,直至遍历完所述参考灰度值范围内的所有灰度值;步骤S227将存储的所有当前方差值中最大的当前方差值对应的参考灰度值作为参考阈值。
在上述技术方案中,根据参考灰度值范围计算每个像素点对应的当前方差值,得到对应的参考阈值,从而得到分割阈值,计算量较小,且精度较高。
进一步,所述步骤S200还包括:步骤S230当所述参考灰度值范围是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则根据所述参考阈值和所述当前灰度值范围中的最小灰度值,计算得到分割阈值;步骤S231当所述参考灰度值范围不是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则将所述参考阈值作为所述分割阈值。
在上述技术方案中,如果参考灰度值范围是经过平移后得到的,在得到参考阈值后,需要进行反向平移,以得到准确的分割阈值,保证得到较清晰的二值化图像。
进一步,所述步骤S300包括:步骤S310分别将所述待处理的三维图像中各像素点的灰度值与所述分割阈值进行比较;步骤S320将灰度值小于所述分割阈值的所有像素点的灰度值设为第一灰度值;步骤S330将灰度值不小于所述分割阈值的所有像素点的灰度值设为第二灰度值。
在上述技术方案中,将待处理的三维图像中所有像素点的灰度值都与分割阈值进行比较,从而将所有像素点的灰度值设为两种灰度值,即二值化后的图像中只存在两种灰度值以区分前景和背景。
进一步,所述第一灰度值为所述当前灰度值范围内的最小灰度值;所述第二灰度值为所述当前灰度值范围内的最大灰度值。
在上述技术方案中,第一灰度值和第二灰度值会随着不同的三维图像进行变化,使二值化图像更自然、清晰。
本发明还提供一种三维图像的二值化处理系统,包括:获取模块,用于获取待处理的三维图像中各像素点的灰度值,将各像素点的灰度值组成当前灰度值范围;计算模块,与所述获取模块电连接,所述计算模块用于根据所述当前灰度值范围和预设二值化算法,计算得到分割阈值;处理模块,与所述计算模块电连接,所述处理模块用于根据所述分割阈值,对所述待处理的三维图像进行二值化处理,得到所述待处理的三维图像对应的二值化图像。
在上述技术方案中,分割阈值是根据待处理的三维图像动态计算得到的,计算量较小,且根据量身计算得到的分割阈值进行二值化处理,使得到的二值化图像的精度更高。
进一步,还包括:判断模块,与所述获取模块和所述计算模块电连接,所述判断模块用于判断所述当前灰度值范围中的最小灰度值是否为负值;所述计算模块,当所述当前灰度值范围中的最小灰度值为负值时,所述计算模块进一步用于根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值,计算得到参考灰度值范围;以及,当前灰度值范围中的最小灰度值不为负值时,所述计算模块将所述当前灰度值范围作为所述参考灰度值范围。
进一步,还包括:设置模块,与所述计算模块电连接,所述设置模块用于选择所述参考灰度值范围内的一个灰度值作为参考灰度值;所述计算模块,进一步用于根据所述参考灰度值,计算得到所述参考灰度值范围内小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第一比例;以及,根据所述参考灰度值范围内小于所述参考灰度值的各灰度值,计算得到第一平均灰度值;以及,根据所述参考灰度值,得到所述参考灰度值范围内不小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第二比例;以及,根据所述参考灰度值范围内不小于所述参考灰度值的各灰度值,计算得到第二平均灰度值;以及,根据所述第一比例、第一平均灰度值、第二比例和第二平均灰度值,计算得到当前方差值;存储模块,与所述计算模块和所述设置模块电连接,所述存储模块存储所述当前方差值;所述设置模块,进一步用于选择所述参考灰度值范围内未被遍历过的一个灰度值更新所述参考灰度值;并轮循,直至遍历完所述参考灰度值范围内的所有灰度值;以及,将存储的所有当前方差值中最大的当前方差值对应的参考灰度值作为参考阈值。
进一步,所述计算模块,进一步用于当所述参考灰度值范围是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则根据所述参考阈值和所述当前灰度值范围中的最小灰度值,计算得到分割阈值;以及,当所述参考灰度值范围不是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则将所述参考阈值作为所述分割阈值。
与现有技术相比,本发明的三维图像的二值化处理方法及系统有益效果在于:
三维图像的二值化处理中的预设二值化算法可以应用于三维的像素点坐标来计算分割阈值;且分割阈值是根据每个待处理的三维图像量身计算得到的,计算量小,精度高;第一灰度值和第二灰度值也是根据待处理的三维图像的当前像素点范围设置的,二值化图像更自然、清晰。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对一种三维图像的二值化处理方法及系统的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明三维图像的二值化处理方法一个实施例的流程图;
图2是本发明三维图像的二值化处理方法一个实施例的部分流程图;
图3是本发明三维图像的二值化处理方法另一个实施例的部分流程图;
图4是本发明三维图像的二值化处理系统一个实施例的结构示意图;
图5是本发明三维图像的二值化处理系统另一个实施例的结构示意图。
附图标号说明:
10.获取模块,20.计算模块,30.处理模块,40.判断模块,50.设置模块,60.存储模块。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
在本发明的一个实施例中,如图1所示,一种三维图像的二值化处理方法,包括:
步骤S100获取待处理的三维图像中各像素点的灰度值,将各像素点的灰度值组成当前灰度值范围;
步骤S200根据所述当前灰度值范围和预设二值化算法,计算得到分割阈值;
步骤S300根据所述分割阈值,对所述待处理的三维图像进行二值化处理,得到所述待处理的三维图像对应的二值化图像。
具体的,待处理的三维图像可以理解为未经过二值化处理的三维医学CT图像。拍摄时的光线、目标物体等因素都会影像各像素点的灰度值。
二值化就是通过设置图像上各像素点的灰度值,以使整个图像呈现出明显的只有黑和白的视觉效果。待处理的三维图像是由多个像素点组成的,每个像素点的位置都有其对应的坐标,且每个坐标都有对应的灰度值,而将获取的每个像素点的灰度值组成当前灰度值范围,是为后续根据每个待处理的三维图像计算对应的分割阈值作基础。
预设二值化算法是指可以应用于三维图像的二值化算法,预设二值化算法是对每个像素点进行计算,因本实施例中的像素点坐标是三维的,即(x,y,z),因此,在根据每个像素点进行分割阈值计算的编程时,需要将每个像素点的坐标增加一维,将原二维像素点(x,y)更新为三维像素点(x,y,z)。
本实施例中的分割阈值是根据待处理的三维图像的当前灰度值范围和预设二值化算法量身计算得到的,因此,每个待处理的三维图像对应的分割阈值都是不同的,即本实施例中的分割阈值是动态计算得到的;且在计算过程中是根据当前灰度值范围计算分割阈值,相比于用固定值计算二值化的分割阈值,计算量会小很多,且在深度学习的场景下,会有大数据量的计算,一次单位时间缩短,计算时间将大幅缩小。若采用固定值范围计算分割阈值,因是针对固定值范围内的每一个灰度值计算的,将会产生很多无效计算,例如:固定值范围设置为[-20000,20000],但是待处理的三维图像的当前灰度值范围可能仅为[-180,800],若采用固定值范围进行分割阈值的计算,会造成很大的计算量,计算时间将大大增加。
根据量身计算得到的分割阈值来对待处理的三维图像进行二值化处理,使得到的二值化图像精度更高。
本实施例中的分割阈值是根据待处理的三维图像动态计算得到的,计算量较小,且根据量身计算得到的分割阈值进行二值化处理,使得到的二值化图像的精度更高。
在本发明的另一个实施例中,除与上述相同的之外,如图2所示,步骤S200包括:步骤S210判断所述当前灰度值范围中的最小灰度值是否为负值,若是,则执行步骤S211,若否,则执行步骤S212;步骤S211根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值(的绝对值),计算得到参考灰度值范围;步骤S212将所述当前灰度值范围作为所述参考灰度值范围。
具体的,为了区分前景和后影,需要将分割阈值计算出来,以剔除背景、凸显前景。从待处理的三维图像上获取的各像素点的灰度值,因光线、目标物体等问题会出现负值的情况,因此需要做平移处理。平移处理的方式,即得到参考灰度值范围,是为了预设二值化算法考虑,也为了方便工程师进行编程。例如:若对大津算法进行一定的修改,使其应用于三维图像的二值化计算上,进行平移处理的参考灰度值范围就大大方便了工程师后续的编程。
参考灰度值范围只要保证属于参考灰度值范围内的最小灰度值大于等于零即可,因此,只要将当前灰度值范围内的各灰度值加上最小灰度值的绝对值即可得到参考灰度值范围。
例如:待处理的三维图像上有5个像素点,每个像素点的灰度值组成的当前灰度值范围为{-80,-20,23,516,800},当前灰度值范围内最小灰度值为-80,将每个灰度值加上最小灰度值的绝对值(即加上|-80|),即得到参考灰度值范围{0,60,103,596,880}。
若当前灰度值范围内的最小灰度值本来就大于等于零,那也就没有必要执行平移操作,直接将当前灰度值范围设为参考灰度值范围即可。
本实施例中,先对当前灰度值范围进行数据校准,以保证后续能够顺利计算分割阈值。
优选地,步骤S200还包括:
步骤S220选择所述参考灰度值范围内的一个灰度值作为参考灰度值;
步骤S221根据所述参考灰度值,得到所述参考灰度值范围内小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第一比例;
步骤S222根据所述参考灰度值范围内小于所述参考灰度值的各灰度值,计算得到第一平均灰度值;
步骤S223根据所述参考灰度值,得到所述参考灰度值范围内不小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第二比例;
步骤S224根据所述参考灰度值范围内不小于所述参考灰度值的各灰度值,计算得到第二平均灰度值;
步骤S225根据所述第一比例、第一平均灰度值、第二比例和第二平均灰度值,计算得到当前方差值并存储;
步骤S226选择所述参考灰度值范围内未被遍历过的一个灰度值更新所述步骤S221中的参考灰度值;并轮循步骤S221-226,直至遍历完所述参考灰度值范围内的所有灰度值;
步骤S227将存储的所有当前方差值中最大的当前方差值对应的参考灰度值作为参考阈值。
优选地,步骤S200还包括:步骤S230当所述参考灰度值范围是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值(的绝对值)计算得到时,则根据所述参考阈值和所述当前灰度值范围中的最小灰度值(的绝对值),计算得到分割阈值;步骤S231当所述参考灰度值范围不是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值(的绝对值)计算得到时,则将所述参考阈值作为所述分割阈值。
具体的,本实施例是根据每个待处理的三维图像的参考灰度值范围(由当前灰度值范围平移后得到)来计算每幅三维图像对应的分割阈值,分割阈值是根据计算每个像素点对应的当前方差值得到的。
具体的计算过程参考如下:
假设待处理的三维图像有10个像素点,其各自的灰度值组成的当前灰度值范围为{-80,-20,23,105,200,312,516,702,800,920},经过平移后得到的参考灰度值范围为{0,60,103,185,280,392,596,782,880,1000},选择参考灰度值范围内一个灰度值作为参考灰度值,例如:将(x1,y1,z1)对应的平移后的灰度值0作为参考灰度值,则(x1,y1,z1)对应的:
第一比例为:0÷10=0;
第一平均灰度值为:0;
第二比例为:10÷10=1;
第二平均灰度值为:(0+60+103+185+280+392+596+782+880+1000)÷10=427.8;
当前方差值为:0*1*(0-427.8)*(0-427.8)=0;
将(x2,y2,z2)对应的平移后的灰度值60作为参考灰度值,则(x2,y2,z2)对应的:
第一比例为:1÷10=0.1;
第一平均灰度值为:0÷11=0;
第二比例为:9÷10=0.9;
第二平均灰度值为:(60+103+185+280+392+596+782+880+1000)÷9=475.3(当存在除不尽的情况时,可以考虑保证相应的位置,例如:保证小数点后一位);
当前方差值为0.1*0.9*(0-475.3)*(0-475.3)=20331.9;
以此类推,直到算出每个像素点对应的当前方差值,如下述表一所示。根据表一所示,最大的当前方差值为99691.26,其对应的参考灰度值为596,因此,将596作为参考阈值,而此参考阈值是当前灰度值经过平移后得到的,因此,分割阈值为:596-|-80|=516。
表一
本实施例中根据参考灰度值范围计算每个像素点对应的当前方差值,得到对应的参考阈值,从而得到分割阈值,计算量较小,且精度较高。另外,如果参考灰度值范围是经过平移后得到的,在得到参考阈值后,需要进行反向平移,以得到准确的分割阈值,保证得到较清晰的二值化图像。
在本发明的另一个实施例中,除与上述相同的之外,如图3所示,步骤S300包括:步骤S310分别将所述待处理的三维图像中各像素点的灰度值与所述分割阈值进行比较;步骤S320将灰度值小于所述分割阈值的所有像素点的灰度值设为第一灰度值;步骤S330将灰度值不小于所述分割阈值的所有像素点的灰度值设为第二灰度值。
优选地,所述第一灰度值为所述当前灰度值范围内的最小灰度值;所述第二灰度值为所述当前灰度值范围内的最大灰度值。
具体的,计算出分割阈值的目的就是为了用分割阈值来区分前景和背景,从而将背景去除,以凸显前景。而将待处理的三维图像中所有像素点的灰度值都与分割阈值进行比较,从而将所有像素点的灰度值设为两种灰度值,即二值化后的图像中只存在两种灰度值以区分前景和背景。
第一灰度值是指背景的灰度值,第二灰度值是指前景的灰度值,一般来说背景的灰度值比前景的灰度值低。本实施例中是根据当前灰度值范围的最小灰度值和最大灰度值设置的第一灰度值和第二灰度值,使二值化图像更自然,前景的凸出效果更好。
二值化处理过程的例子如下:
假设待处理的三维图像有10个像素点,其各自的灰度值组成的当前灰度值范围为{-80,-20,23,105,200,312,516,702,800,920},分割阈值为:516。第一灰度值为-80,第二灰度值为920;将各像素点的灰度值与516进行比较,(x1,y1,z1)的当前灰度值-80小于516,因此,(x1,y1,z1)的二值化后的灰度值设为-80;(x2,y2,z2)的当前灰度值-20小于516,因此,(x2,y2,z2)的二值化后的灰度值设为-80……以此类推,直达将所有像素点的灰度值设为第一灰度值或第二灰度值,参考表二。
表二
本实施例中根据待处理的三维图像的当前灰度值范围来设置前景和背景的灰度值,即第一灰度值和第二灰度值会随着不同的三维图像进行变化,使二值化图像更自然、清晰。
在本发明的另一个实施例中,如图1、2、3所示,一种三维图像的二值化处理方法,包括:
步骤S100获取待处理的三维图像中各像素点的灰度值,将各像素点的灰度值组成当前灰度值范围;
步骤S200根据所述当前灰度值范围和预设二值化算法,计算得到分割阈值;步骤S200包括:
步骤S210判断所述当前灰度值范围中的最小灰度值是否为负值,若是,则执行步骤S211,若否,则执行步骤S212;步骤S211根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值,计算得到参考灰度值范围;步骤S212将所述当前灰度值范围作为所述参考灰度值范围;
步骤S220选择所述参考灰度值范围内的一个灰度值作为参考灰度值;步骤S221根据所述参考灰度值,得到所述参考灰度值范围内小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第一比例;步骤S222根据所述参考灰度值范围内小于所述参考灰度值的各灰度值,计算得到第一平均灰度值;步骤S223根据所述参考灰度值,得到所述参考灰度值范围内不小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第二比例;步骤S224根据所述参考灰度值范围内不小于所述参考灰度值的各灰度值,计算得到第二平均灰度值;步骤S225根据所述第一比例、第一平均灰度值、第二比例和第二平均灰度值,计算得到当前方差值并存储;步骤S226选择所述参考灰度值范围内未被遍历过的一个灰度值更新所述步骤S221中的参考灰度值;并轮循步骤S221-226,直至遍历完所述参考灰度值范围内的所有灰度值;步骤S227将存储的所有当前方差值中最大的当前方差值对应的参考灰度值作为参考阈值;
步骤S230当所述参考灰度值范围是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则根据所述参考阈值和所述当前灰度值范围中的最小灰度值,计算得到分割阈值;步骤S231当所述参考灰度值范围不是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则将所述参考阈值作为所述分割阈值;
步骤S300根据所述分割阈值,对所述待处理的三维图像进行二值化处理,得到所述待处理的三维图像对应的二值化图像;
步骤S300包括:
步骤S310分别将所述待处理的三维图像中各像素点的灰度值与所述分割阈值进行比较;步骤S320将灰度值小于所述分割阈值的所有像素点的灰度值设为第一灰度值;步骤S330将灰度值不小于所述分割阈值的所有像素点的灰度值设为第二灰度值;其中,第一灰度值为所述当前灰度值范围内的最小灰度值;所述第二灰度值为所述当前灰度值范围内的最大灰度值。
具体的,本实施例中的三维图像的二值化处理方法中的预设二值化算法可以应用于三维的像素点坐标来计算分割阈值;且分割阈值是根据每个待处理的三维图像量身计算得到的,计算量小,精度高;第一灰度值和第二灰度值也是根据待处理的三维图像的当前像素点范围设置的,二值化图像更自然、清晰。
在本发明的另一个实施例中,如图4所示,一种三维图像的二值化处理系统,包括:
获取模块10,用于获取待处理的三维图像中各像素点的灰度值,将各像素点的灰度值组成当前灰度值范围;
计算模块20,与所述获取模块电连接,所述计算模块用于根据所述当前灰度值范围和预设二值化算法,计算得到分割阈值;
处理模块30,与所述计算模块电连接,所述处理模块用于根据所述分割阈值,对所述待处理的三维图像进行二值化处理,得到所述待处理的三维图像对应的二值化图像。
具体的,待处理的三维图像可以理解为未经过二值化处理的三维医学CT图像。拍摄时的光线、目标物体等因素都会影像各像素点的灰度值。
二值化就是通过设置图像上各像素点的灰度值,以使整个图像呈现出明显的只有黑和白的视觉效果。待处理的三维图像是由多个像素点组成的,每个像素点的位置都有其对应的坐标,且每个坐标都有对应的灰度值,而将获取的每个像素点的灰度值组成当前灰度值范围,是为后续根据每个待处理的三维图像计算对应的分割阈值作基础。
预设二值化算法是指可以应用于三维图像的二值化算法,预设二值化算法是对每个像素点进行计算,因本实施例中的像素点坐标是三维的,即(x,y,z),因此,在根据每个像素点进行分割阈值计算的编程时,需要将每个像素点的坐标增加一维,将原二维像素点(x,y)更新为三维像素点(x,y,z)。
本实施例中的分割阈值是根据待处理的三维图像的当前灰度值范围和预设二值化算法量身计算得到的,因此,每个待处理的三维图像对应的分割阈值都是不同的,即本实施例中的分割阈值是动态计算得到的;且在计算过程中是根据当前灰度值范围计算分割阈值,相比于用固定值计算二值化的分割阈值,计算量会小很多,且在尝试学习的场景下,会有大数据量的计算,一量单位时间缩短,计算时间将大幅缩小。
根据量身计算得到的分割阈值来对待处理的三维图像进行二值化处理,使得到的二值化图像精度更高。
本实施例中的分割阈值是根据待处理的三维图像动态计算得到的,计算量较小,且根据量身计算得到的分割阈值进行二值化处理,使得到的二值化图像的精度更高。
在本发明的另一个实施例中,除与上述相同的之外,如图5所示,还包括:
判断模块40,与所述获取模块和所述计算模块电连接,所述判断模块用于判断所述当前灰度值范围中的最小灰度值是否为负值;
所述计算模块20,当所述当前灰度值范围中的最小灰度值为负值时,所述计算模块进一步用于根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值(的绝对值),计算得到参考灰度值范围;以及,当前灰度值范围中的最小灰度值不为负值时,所述计算模块将所述当前灰度值范围作为所述参考灰度值范围。
具体的,为了区分前景和后影,需要将分割阈值计算出来,以剔除背景、凸显前景。从待处理的三维图像上获取的各像素点的灰度值,因光线、目标物体等问题会出现负值的情况,因此需要做平移处理。
参考灰度值范围只要保证属于参考灰度值范围内的最小灰度值大于等于零即可,因此,只要将当前灰度值范围内的各灰度值加上最小灰度值的绝对值即可得到参考灰度值范围。平移的具体例子请参考对应的方法实施例,在此不作赘述。
若当前灰度值范围内的最小灰度值本来就大于等于零,那也就没有必要执行平移操作,直接将当前灰度值范围设为参考灰度值范围即可。
本实施例中,先对当前灰度值范围进行数据校准,以保证后续能够顺利计算分割阈值。
在本发明的另一个实施例中,除与上述相同的之外,如图5所示,还包括:
设置模块50,与所述计算模块20电连接,所述设置模块用于选择所述参考灰度值范围内的一个灰度值作为参考灰度值;
所述计算模块20,进一步用于根据所述参考灰度值,计算得到所述参考灰度值范围内小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第一比例;以及,根据所述参考灰度值范围内小于所述参考灰度值的各灰度值,计算得到第一平均灰度值;以及,根据所述参考灰度值,得到所述参考灰度值范围内不小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第二比例;以及,根据所述参考灰度值范围内不小于所述参考灰度值的各灰度值,计算得到第二平均灰度值;以及,根据所述第一比例、第一平均灰度值、第二比例和第二平均灰度值,计算得到当前方差值;
存储模块60,与所述计算模块20和所述设置模块50电连接,所述存储模块存储所述当前方差值;
所述设置模块50,进一步用于选择所述参考灰度值范围内未被遍历过的一个灰度值更新所述参考灰度值;并轮循,直至遍历完所述参考灰度值范围内的所有灰度值;以及,将存储的所有当前方差值中最大的当前方差值对应的参考灰度值作为参考阈值。
优选地,所述计算模块20,进一步用于当所述参考灰度值范围是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值(的绝对值)计算得到时,则根据所述参考阈值和所述当前灰度值范围中的最小灰度值(的绝对值),计算得到分割阈值;以及,当所述参考灰度值范围不是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值(的绝对值)计算得到时,则将所述参考阈值作为所述分割阈值。
具体的,本实施例是根据每个待处理的三维图像的参考灰度值范围(由当前灰度值范围平移后得到)来计算每幅三维图像对应的分割阈值,分割阈值是根据计算每个像素点对应的当前方差值得到的。具体的计算过程的例子请参考对应的方法实施例,在此不作赘述。
本实施例中根据参考灰度值范围计算每个像素点对应的当前方差值,得到对应的参考阈值,从而得到分割阈值,计算量较小,且精度较高。另外,如果参考灰度值范围是经过平移后得到的,在得到参考阈值后,需要进行反向平移,以得到准确的分割阈值,保证得到较清晰的二值化图像。
优选地,处理模块30,进一步用于分别将所述待处理的三维图像中各像素点的灰度值与所述分割阈值进行比较;以及,将灰度值小于所述分割阈值的所有像素点的灰度值设为第一灰度值;以及,将灰度值不小于所述分割阈值的所有像素点的灰度值设为第二灰度值。
优选地,所述第一灰度值为所述当前灰度值范围内的最小灰度值;所述第二灰度值为所述当前灰度值范围内的最大灰度值。
具体的,计算出分割阈值的目的就是为了用分割阈值来区分前景和背景,从而将背景去除,以凸显前景。而将待处理的三维图像中所有像素点的灰度值都与分割阈值进行比较,从而将所有像素点的灰度值设为两种灰度值,即二值化后的图像中只存在两种灰度值以区分前景和背景。
第一灰度值是指背景的灰度值,第二灰度值是指前景的灰度值,一般来说背景的灰度值比前景的灰度值低。本实施例中是根据当前灰度值范围的最小灰度值和最大灰度值设置的第一灰度值和第二灰度值,使二值化图像更自然,前景的凸出效果更好。
本实施例中根据待处理的三维图像的当前灰度值范围来设置前景和背景的灰度值,即第一灰度值和第二灰度值会随着不同的三维图像进行变化,使二值化图像更自然、清晰。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种三维图像的二值化处理方法,其特征在于,包括:
步骤S100获取待处理的三维图像中各像素点的灰度值,将各像素点的灰度值组成当前灰度值范围;
步骤S200根据所述当前灰度值范围和预设二值化算法,计算得到分割阈值;
步骤S300根据所述分割阈值,对所述待处理的三维图像进行二值化处理,得到所述待处理的三维图像对应的二值化图像。
2.如权利要求1所述的三维图像的二值化处理方法,其特征在于,所述步骤S200包括:
步骤S210判断所述当前灰度值范围中的最小灰度值是否为负值,若是,则执行步骤S211,若否,则执行步骤S212;
步骤S211根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值,计算得到参考灰度值范围;
步骤S212将所述当前灰度值范围作为所述参考灰度值范围。
3.如权利要求2所述的三维图像的二值化处理方法,其特征在于,所述步骤S200还包括:
步骤S220选择所述参考灰度值范围内的一个灰度值作为参考灰度值;
步骤S221根据所述参考灰度值,得到所述参考灰度值范围内小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第一比例;
步骤S222根据所述参考灰度值范围内小于所述参考灰度值的各灰度值,计算得到第一平均灰度值;
步骤S223根据所述参考灰度值,得到所述参考灰度值范围内不小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第二比例;
步骤S224根据所述参考灰度值范围内不小于所述参考灰度值的各灰度值,计算得到第二平均灰度值;
步骤S225根据所述第一比例、第一平均灰度值、第二比例和第二平均灰度值,计算得到当前方差值并存储;
步骤S226选择所述参考灰度值范围内未被遍历过的一个灰度值更新所述步骤S221中的参考灰度值;并轮循步骤S221-226,直至遍历完所述参考灰度值范围内的所有灰度值;
步骤S227将存储的所有当前方差值中最大的当前方差值对应的参考灰度值作为参考阈值。
4.如权利要求3所述的三维图像的二值化处理方法,其特征在于,所述步骤S200还包括:
步骤S230当所述参考灰度值范围是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则根据所述参考阈值和所述当前灰度值范围中的最小灰度值,计算得到分割阈值;
步骤S231当所述参考灰度值范围不是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则将所述参考阈值作为所述分割阈值。
5.如权利要求1所述的三维图像的二值化处理方法,其特征在于,所述步骤S300包括:
步骤S310分别将所述待处理的三维图像中各像素点的灰度值与所述分割阈值进行比较;
步骤S320将灰度值小于所述分割阈值的所有像素点的灰度值设为第一灰度值;
步骤S330将灰度值不小于所述分割阈值的所有像素点的灰度值设为第二灰度值。
6.如权利要求5所述的三维图像的二值化处理方法,其特征在于:
所述第一灰度值为所述当前灰度值范围内的最小灰度值;
所述第二灰度值为所述当前灰度值范围内的最大灰度值。
7.一种采用上述权利要求1-6任一所述的三维图像的二值化处理系统,其特征在于,包括:
获取模块,用于获取待处理的三维图像中各像素点的灰度值,将各像素点的灰度值组成当前灰度值范围;
计算模块,与所述获取模块电连接,所述计算模块用于根据所述当前灰度值范围和预设二值化算法,计算得到分割阈值;
处理模块,与所述计算模块电连接,所述处理模块用于根据所述分割阈值,对所述待处理的三维图像进行二值化处理,得到所述待处理的三维图像对应的二值化图像。
8.如权利要求7所述的三维图像的二值化处理系统,其特征在于,还包括:
判断模块,与所述获取模块和所述计算模块电连接,所述判断模块用于判断所述当前灰度值范围中的最小灰度值是否为负值;
所述计算模块,当所述当前灰度值范围中的最小灰度值为负值时,所述计算模块进一步用于根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值,计算得到参考灰度值范围;以及,当前灰度值范围中的最小灰度值不为负值时,所述计算模块将所述当前灰度值范围作为所述参考灰度值范围。
9.如权利要求8所述的三维图像的二值化处理系统,其特征在于,还包括:
设置模块,与所述计算模块电连接,所述设置模块用于选择所述参考灰度值范围内的一个灰度值作为参考灰度值;
所述计算模块,进一步用于根据所述参考灰度值,计算得到所述参考灰度值范围内小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第一比例;以及,根据所述参考灰度值范围内小于所述参考灰度值的各灰度值,计算得到第一平均灰度值;以及,根据所述参考灰度值,得到所述参考灰度值范围内不小于所述参考灰度值的灰度值个数在所述参考灰度值范围内灰度值总数的第二比例;以及,根据所述参考灰度值范围内不小于所述参考灰度值的各灰度值,计算得到第二平均灰度值;以及,根据所述第一比例、第一平均灰度值、第二比例和第二平均灰度值,计算得到当前方差值;
存储模块,与所述计算模块和所述设置模块电连接,所述存储模块存储所述当前方差值;
所述设置模块,进一步用于选择所述参考灰度值范围内未被遍历过的一个灰度值更新所述参考灰度值;并轮循,直至遍历完所述参考灰度值范围内的所有灰度值;以及,将存储的所有当前方差值中最大的当前方差值对应的参考灰度值作为参考阈值。
10.如权利要求9所述的三维图像的二值化处理系统,其特征在于:
所述计算模块,进一步用于当所述参考灰度值范围是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则根据所述参考阈值和所述当前灰度值范围中的最小灰度值,计算得到分割阈值;以及,当所述参考灰度值范围不是根据所述当前灰度值范围和所述当前灰度值范围中的最小灰度值计算得到时,则将所述参考阈值作为所述分割阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710778776.XA CN107590814A (zh) | 2017-09-01 | 2017-09-01 | 一种三维图像的二值化处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710778776.XA CN107590814A (zh) | 2017-09-01 | 2017-09-01 | 一种三维图像的二值化处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107590814A true CN107590814A (zh) | 2018-01-16 |
Family
ID=61050685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710778776.XA Pending CN107590814A (zh) | 2017-09-01 | 2017-09-01 | 一种三维图像的二值化处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107590814A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022252345A1 (zh) * | 2021-06-04 | 2022-12-08 | 华为技术有限公司 | 3d地图的压缩、解压缩方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1790378A (zh) * | 2005-12-21 | 2006-06-21 | 北大方正集团有限公司 | 一种图像的二值化方法及系统 |
US20100158373A1 (en) * | 2008-12-18 | 2010-06-24 | Dalong Li | Methods and apparatus for auto image binarization |
CN102842116A (zh) * | 2012-06-30 | 2012-12-26 | 南京汇兴博业数字设备有限公司 | 图像内快速响应矩阵码的光照均衡处理方法 |
CN103020925A (zh) * | 2011-09-27 | 2013-04-03 | 上海微电子装备有限公司 | 模板图像的获取方法 |
CN103810716A (zh) * | 2014-03-13 | 2014-05-21 | 北京工商大学 | 基于灰度搬移和Renyi熵的图像分割方法 |
CN103942762A (zh) * | 2014-04-24 | 2014-07-23 | 胡建国 | 一种二维码预处理的方法及其装置 |
CN104484659A (zh) * | 2014-12-30 | 2015-04-01 | 南京巨鲨显示科技有限公司 | 一种对医学彩色和灰阶图像自动识别及校准的方法 |
WO2017031716A1 (zh) * | 2015-08-26 | 2017-03-02 | 北京云江科技有限公司 | 自然场景图像中手写体数学公式结构分析与识别方法 |
CN106651896A (zh) * | 2016-09-30 | 2017-05-10 | 南京航空航天大学 | 沥青混合料的ct图像的材质分类方法 |
-
2017
- 2017-09-01 CN CN201710778776.XA patent/CN107590814A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1790378A (zh) * | 2005-12-21 | 2006-06-21 | 北大方正集团有限公司 | 一种图像的二值化方法及系统 |
US20100158373A1 (en) * | 2008-12-18 | 2010-06-24 | Dalong Li | Methods and apparatus for auto image binarization |
CN103020925A (zh) * | 2011-09-27 | 2013-04-03 | 上海微电子装备有限公司 | 模板图像的获取方法 |
CN102842116A (zh) * | 2012-06-30 | 2012-12-26 | 南京汇兴博业数字设备有限公司 | 图像内快速响应矩阵码的光照均衡处理方法 |
CN103810716A (zh) * | 2014-03-13 | 2014-05-21 | 北京工商大学 | 基于灰度搬移和Renyi熵的图像分割方法 |
CN103942762A (zh) * | 2014-04-24 | 2014-07-23 | 胡建国 | 一种二维码预处理的方法及其装置 |
CN104484659A (zh) * | 2014-12-30 | 2015-04-01 | 南京巨鲨显示科技有限公司 | 一种对医学彩色和灰阶图像自动识别及校准的方法 |
WO2017031716A1 (zh) * | 2015-08-26 | 2017-03-02 | 北京云江科技有限公司 | 自然场景图像中手写体数学公式结构分析与识别方法 |
CN106651896A (zh) * | 2016-09-30 | 2017-05-10 | 南京航空航天大学 | 沥青混合料的ct图像的材质分类方法 |
Non-Patent Citations (4)
Title |
---|
CHUNSHI SHA ET.AL: "A robust 2D Otsu’s thresholding method in image segmentation", 《JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION》 * |
唐辉: "虚拟血管镜的关键算法研究与系统开发", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
姚国鹏: "基于骨骼CT图象的三维重构", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
赵小川: "《MATLAB图像处理 能力提高与应用案例》", 31 January 2014, 北京:北京航空航天大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022252345A1 (zh) * | 2021-06-04 | 2022-12-08 | 华为技术有限公司 | 3d地图的压缩、解压缩方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1303839B1 (en) | System and method for median fusion of depth maps | |
CN102509343B (zh) | 一种基于双目图像和对象轮廓的虚实遮挡处理方法 | |
CN111833393A (zh) | 一种基于边缘信息的双目立体匹配方法 | |
CN104599314A (zh) | 三维模型重建方法与系统 | |
CN110689564B (zh) | 一种基于超像素聚类的牙弓线绘制方法 | |
CN103826032B (zh) | 深度图后期处理方法 | |
CN107085825A (zh) | 图像虚化方法、装置及电子设备 | |
CN112989947B (zh) | 一种人体关键点的三维坐标的估计方法及装置 | |
Yang et al. | Multi-view semantic learning network for point cloud based 3D object detection | |
CN109087325A (zh) | 一种基于单目视觉的直接法点云三维重建及尺度确定方法 | |
CN103177451A (zh) | 基于图像边缘的自适应窗口和权重的立体匹配算法 | |
CN111932552B (zh) | 一种主动脉建模的方法及装置 | |
CN107578469A (zh) | 一种基于单张照片的3d人体建模方法及装置 | |
CN102740096A (zh) | 一种基于时空结合的动态场景立体视频匹配方法 | |
CN110475078A (zh) | 摄像机曝光时间调整方法及终端设备 | |
CN116452752A (zh) | 联合单目稠密slam与残差网络的肠壁重建方法 | |
CN116310095A (zh) | 一种基于深度学习的多视图三维重建方法 | |
Do | Application of neural networks for stereo-camera calibration | |
CN117611542B (zh) | 一种基于胎儿宫内颅脑影像检测方法及系统 | |
CN107590814A (zh) | 一种三维图像的二值化处理方法及系统 | |
CN111310772B (zh) | 用于双目视觉slam的点线特征选取方法及系统 | |
CN116385577A (zh) | 虚拟视点图像生成方法及装置 | |
CN116070997A (zh) | 一种基于虚拟现实的物流仓库管理方法和系统 | |
CN113255514B (zh) | 基于局部场景感知图卷积网络的行为识别方法 | |
CN115239559A (zh) | 一种融合视图合成的深度图超分辨率方法及系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201116 Address after: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Jiji Intellectual Property Operation Co.,Ltd. Address before: 201616 Shanghai city Songjiang District Sixian Road No. 3666 Applicant before: Phicomm (Shanghai) Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180116 |