CN107680057A - 超声图像增强的方法及装置 - Google Patents
超声图像增强的方法及装置 Download PDFInfo
- Publication number
- CN107680057A CN107680057A CN201710897276.8A CN201710897276A CN107680057A CN 107680057 A CN107680057 A CN 107680057A CN 201710897276 A CN201710897276 A CN 201710897276A CN 107680057 A CN107680057 A CN 107680057A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- median
- ultrasonic image
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 21
- 238000002604 ultrasonography Methods 0.000 claims abstract description 61
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000009499 grossing Methods 0.000 claims abstract description 12
- 230000009467 reduction Effects 0.000 claims abstract description 10
- 230000001629 suppression Effects 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 46
- 238000000354 decomposition reaction Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000003709 image segmentation Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/10132—Ultrasound image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供了一种超声图像增强的方法及装置,涉及图像处理技术领域。该超声图像增强的方法包括:基于第一预设算法对原始超声图像进行降噪平滑处理,获得第一超声图像;基于第二预设算法对所述第一超声图像进行增强处理,获得第二超声图像;将所述第一超声图像以及所述第二超声图像进行融合,获得最终的增强图像。该超声图像增强的方法可以实现对超声图像中噪声的抑制,同时提高图像质量。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种超声图像增强的方法及装置。
背景技术
超声成像技术是利用超声波显示人体脏器二维或三维图形的成像技术。医学灰度超声图像往往存在一些直观的噪声,尤其是在超声成像过程中,超声波在传播时容易受人体组织性质的影响。当人体组织的结构尺寸和入射超声波波长相近或者小于波长时,超声束会反射散射,相位不同的散射回波相互干扰以及超声回波的干涉效应,在超声图像中会出现颗粒状的噪声,即斑点噪声。斑点噪声降低了超声图像的质量,使对比度较低的软组织中的正常组织和肿瘤不易分辨。给获取诊断信息带来困难。因此,使用超声检测时,为了有效提取超声图像特征,分析、识别和定量测量病变,从而便于医生做出正确的诊断,消除斑点噪声,并增强图像,这对于获取准确的诊断信息具有重要的意义。
目前,超声图像中的斑点噪声的抑制方法对抑制斑点噪声有一定的效果,但是不同程度地降低了图像的分辨率,在去除噪声的同时丢失了图像的边缘特征,造成了图像模糊。
在图像增强领域,现有图像增强技术采用的主要方法是将图像进行分割,将图像分成多个区域,例如,结构区域和非结构区域;然后针对不同的区域进行不同滤波和增强处理。虽然该方法在一定程度上可以实现图像增强,但是实时性比较差,同时由于图像分割技术还存在不准确的问题,从而导致处理后的超声图像的可靠性不足。
发明内容
有鉴于此,本发明实施例提供了一种超声图像增强的方法及装置,以解决上述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种超声图像增强的方法,所述方法包括:基于第一预设算法对原始超声图像进行降噪平滑处理,获得第一超声图像;基于第二预设算法对所述第一超声图像进行增强处理,获得第二超声图像;将所述第一超声图像以及所述第二超声图像进行融合,获得最终的增强图像。
一种超声图像增强的装置,所述装置包括:第一处理模块、第二处理模块以及图像融合模块,其中,所述第一处理模块用于基于第一预设算法对原始超声图像进行降噪平滑处理,获得第一超声图像;所述第二处理模块用于基于第二预设算法对所述第一超声图像进行增强处理,获得第二超声图像;所述图像融合模块用于将所述第一超声图像以及所述第二超声图像进行融合,获得最终的增强图像。
本发明实施例提供的超声图像增强的方法及装置,通过基于第一预设算法对原始超声图像进行降噪平滑处理,获得第一超声图像,然后基于第二预设算法对第一超声图像进行增强处理,获得第二超声图像,最后将第一超声图像以及第二超声图像进行融合,获得最终的增强图像。从而,可以不通过图像分割实现超声图像增强,以解决现有技术中需要将图像进行分割后再处理引起的实时性比较差,同时由于图像分割技术还存在不准确,从而导致处理后的超声图像的可靠性不足的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为使本发明实施例的目的、技术方案和优点更加清楚,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,都属于本发明保护的范围。
图1示出了本发明实施例提供的电子设备的方框示意图;
图2示出了本发明实施例提供的超声图像增强的方法的流程图;
图3示出了本发明实施例提供的超声图像增强的方法中步骤S110的流程图;
图4示出了本发明实施例提供的多级中值滤波的预设方向示意图;
图5示出了本发明实施例提供的一原始超声图像的灰度图;
图6示出了本发明实施例提供的图5示出的原始超声图像对应的增强图像的灰度图;
图7示出了本发明实施例提供的超声图像增强的装置的模块图;
图8示出了本发明实施例提供的超声图像增强的装置的第一处理模块的模块图。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
图1示出了一种可应用于本发明实施例中的电子设备的结构框图。如图1所示,电子设备100包括存储器102、存储控制器104,一个或多个(图中仅示出一个)处理器106、外设接口108、射频模块110、音频模块112、显示单元114等。这些组件通过一条或多条通讯总线/信号线116相互通讯。
存储器102可用于存储软件程序以及模块,如本发明实施例中的超声图像增强的方法及装置对应的程序指令/模块,处理器106通过运行存储在存储器102内的软件程序以及模块,从而执行各种功能应用以及数据处理,如本发明实施例提供的超声图像增强的装置。
存储器102可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。处理器106以及其他可能的组件对存储器102的访问可在存储控制器104的控制下进行。
外设接口108将各种输入/输出装置耦合至处理器106以及存储器102。在一些实施例中,外设接口108,处理器106以及存储控制器104可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
射频模块110用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通讯网络或者其他设备进行通讯。
音频模块112向用户提供音频接口,其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元114在电子设备100与用户之间提供一个显示界面。具体地,显示单元114向用户显示视频输出,这些视频输出的内容可包括文字、图形、视频及其任意组合。
可以理解,图1所示的结构仅为示意,电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
第一实施例
如图2示出了本发明实施例提供的超声图像增强的方法的流程图。请参见图2,该方法包括:
步骤S110:基于第一预设算法对原始超声图像进行降噪平滑处理,获得第一超声图像。
超声成像设备在超声成像过程中,常会受人体组织影响,形成斑点噪声。因此需要对原始超声图像进行处理,以抑制噪声。在对原始超声图像进行处理之前,应当先获取原始超声图像。因此,步骤S110之前,该超声图像增强的方法还包括:获取所述原始超声图像。
在本发明实施例中,首先对原始超声图像进行降噪平滑处理。以去除原始超声图像中的噪声,获得平滑的图像。
具体的,请参见图3,步骤S110可以包括:
步骤S111:对所述原始超声图像进行多级中值滤波处理,获得滤波后的图像。
在对原始超声图像进行多级中值处理过程中,先对原始超声图像进行多级中值滤波处理。
在本发明实施例中,具体的,对所述原始超声图像进行多级中值滤波处理,可以包括:基于预设中值滤波矩形窗口大小计算一像素点的四个预设方向的一维窗口分别对应的第一像素中值、第二像素中值、第三像素中值以及第四像素中值,所述预设方向包括水平方向、垂直方向、主对角线方向以及副对角线方向;获取所述第一像素中值、所述第二像素中值、所述第三像素中值以及所述第四像素中值中的最大值以及最小值;获取所述像素点的灰度值、所述最大值以及所述最小值对应的中值作为所述像素点的当前灰度值;重复基于预设中值滤波矩形窗口大小计算一像素点的四个预设方向的一维窗口分别对应的第一像素中值、第二像素中值、第三像素中值以及第四像素中值的步骤,至所述获取所述像素点的灰度值、所述最大值以及所述最小值对应的中值作为所述像素点的当前灰度值的步骤,直至获得所述原始超声图像中所有像素点的当前灰度值,以获得滤波后的图像。
在本发明实施例中,预设中值滤波矩形窗口大小可以为,win=2*k+1,即win为不小于3的奇数,其中,k为正整数。例如,预设中值滤波矩形窗口大小可以为5。需要说明的是,预设中值滤波矩形窗口大小在本发明实施例中并不作为限定,可以根据实际需求选定。
另外,可以理解的是,本发明实施例中的预设中值滤波矩形窗口大小为,以一像素点为中心的水平方向、垂直方向、主对角线以及副对角线方向的线段上像素点的个数,且该矩形窗口的外边上的像素点个数亦为预设中值滤波矩形窗口大小。请参见图4,图4中四条线代表预设方向,每条线上的像素点个数为预设中值滤波矩形窗口大小。
在本发明实施例中,预设方向可以为水平方向、垂直方向、主对角线方向以及副对角线方向。
从而,可以计算一像素点在水平方向、垂直方向、主对角线方向以及副对角线方向的四个一维窗口分别对应的中值,分别作为第一像素中值、第二像素中值、第三像素中值以及第四像素中值。
例如,计算一像素点I(i,j)在水平方向、垂直方向、主对角线方向以及副对角线方向的四个一维窗口分别对应的中值,得到第一像素中值M1,第二像素中值M2,第三像素中值M3,第四像素中值M4,M1、M2、M3、M4分别与水平方向、垂直方向、主对角线方向以及副对角线方向一一对应。其中,
M1=median({I(i+m,j),-k≤m≤k}),
M2=median({I(i,j+m),-k≤m≤k}),
M3=median({I(i+m,j+m),-k≤m≤k}),
M4=median({I(i+m,j-m),-k≤m≤k}),
k为(预设中值滤波矩形窗口大小-1)/2,m为自然数。
然后,可以再从第一像素中值、第二像素中值、第三像素中值以及第四像素中值中计算出最大值以及最小值。
例如,基于上述举例的第一像素中值M1,第二像素中值M2,第三像素中值M3,第四像素中值M4,计算最大值以及最小值,
再基于获得的最大值maxVal、最小值minVal以及该像素点的灰度值I(i,j)获取中值,作为该像素点的当前灰度值。
例如,该像素点的当前灰度值为I′(i,j)=median(minVal,maxVal,I(i,j))。
基于上述的步骤,对原始超声图像的各个像素点进行处理,可以获得各个像素点的当前灰度值,得到新的图像,作为滤波后的图像。
步骤S112:基于小波阈值去噪方法对所述滤波后的图像进行噪声抑制处理,获得所述第一超声图像。
然后再对滤波后的图像利用小波阈值去噪方法进行噪声抑制处理,以抑制图像中的噪声。
具体的,基于小波阈值去噪方法对所述滤波后的图像进行噪声抑制处理,可以包括:基于预设分解层数以及预设小波基函数对所述滤波后的图像对应的信号进行小波分解,获得每个分解层次对应的系数;基于预设阈值函数对所述每个分解层次对应的系数进行量化,获得量化后的每个分解层次对应的系数;基于所述量化后的每个分解层次对应的系数利用小波逆变换重构图像信号,获得第一超声图像。
在本发明实施例中,预设小波基函数可以为db3小波基函数。当然,预设小波基函数的具体函数类型在本发明实施例中并不作为限定。
在进行小波分解时,分解的层数非常重要,分解层数越大,噪声与信号的表现的特性越明显,越有利于两者的分离,但分解的层数越大,分解后再重构的信号失真也越多。
可选的,预设分解层数为3,即进行小波分解时,分解的层数为3。
当然,预设分解层数的具体数值在本发明实施例中并不作为限定。
从而,可以根据预设分解层数以及预设小波基函数对上述获得的滤波后的图像对应的信号进行分解,获得每个分解层次对应的系数。
然后,再利用预设阈值函数对每个分解层次对应的系数进行量化。在本发明实施例中,预设阈值函数可以为半软阈值函数,其为软阈值法和硬阈值法折衷的形式。例如,M为小波系数个数,σ为噪声标准方差。当然,具体的预设阈值函数在本发明实施例中并不作为限定。
根据阈值函数可以计算出上阈值t1以及下阈值t2。
具体的进行量化,可以为,
,其中,ωi,j为真实信号I′在尺度j上的第i个小波系数。sign(ωi,j)为ωi,j的符号。
从而,可以获得量化后的每个分解层次对应的系数,使信号的小波系数大多被保留,使噪声的小波系数大多为0。
最后再基于量化后的每个分解层次对应的系数利用小波逆变换重构出图像信号,获得第一超声图像。
步骤S112中,将信号通过小波变换后,信号产生的小波系数含有信号的重要信息,将信号经小波分解后小波系数较大,噪声的小波系数较小,并且噪声的小波系数要小于信号的小波系数,通过选取一个合适的阈值,大于阈值的小波系数被认为是由信号产生的,应予以保留,小于阈值的则认为是由噪声产生的,置为零从而达到去噪的目的
步骤S120:基于第二预设算法对所述第一超声图像进行增强处理,获得第二超声图像。
然后,再基于二阶微分进行图像增强处理。在本发明实施例中,采用锐化的方法,使图像边界细节增强,提高图像视觉效果,并且使图像的结构特征更好的识别。锐化的作用是使灰度反差增强,因为边缘和轮廓都位于灰度突变的地方,图像锐化通过微分而使图像边缘突出清晰。
在本发明实施例中,步骤S120可以包括:基于预设算子对所述第一超声图像的所有像素点分别对应的灰度值进行处理,获得所述第一超声图像的所有像素点分别对应的当前灰度值,以获得第二超声图像。
其中,预设算子可以为二阶微分算子。其具体可以为Wallis微分算子,Wallis微分算子结合拉普拉斯算子与对数算子。因为人眼对画面信号的处理过程中有一个近似的对数运算环节,所以通过对数运算构成非线性动态范围调整,可以得到图像的增强。其中,Wallis微分算子可以为, 计算时,log F(i,j)取46log(F(i,j)+1),以防止对0取对数,以及防止对数值很小。
例如,第一超声图像的一像素点I″(i,j)按照上述Wallis微分算子进行处理,可以为,
从而,可以对第一超声图像的所有像素点分别对应的灰度值按预设算子进行处理后,获得每个像素点的当前灰度值,以获得第二超声图像。
步骤S130:将所述第一超声图像以及所述第二超声图像进行融合,获得最终的增强图像。
在获得第一超声图像以及第二超声图像后,再将第一超声图像以及第二超声图像进行融合,以获得最终的增强图像。
具体的,步骤S130可以包括:基于预设权重系数计算函数将所述第二超声图像叠加于所述第一超声图像,获得最终的增强图像。
在本发明实施例中,预设权重系数计算函数可以为,
其中,N为用户设定的增强级别,N可以为不大于8的正整数,n为当前增强级别。从而可以计算出权重系数alfa,再将第二超声图像的所有像素都乘以权重系数alfa后,与第一超声图像的所有像素都乘以权重系数(1-alfa)后分别对应相加,可以理解的是,此处的分别对应相加为每个像素点对应相加,即将第二超声图像根据权重系数叠加于第一超声图像,获得融合后的图像。并且,在融合过程中,每个像素点在叠加后的灰度值的取值应满足[0,255],如果大于255,则置为255;如果小于0,则置为0。
从而,获得第一超声图像与第二超声图像融合后的图像,作为最终的增强图像。
请参见图5以及图6,图5示出了本发明实施例提供的一原始超声图像的灰度图,图6示出了本发明实施例提供的图5示出的原始超声图像对应的增强图像的灰度图,采用本发明实施例提供的超声图像增强的方法处理后的超声图像,相比原始超声图像,图像边缘更加清晰,增强了超声图像的特征信息。
本发明实施例提供的超声图像增强方法可以很好地实现对图像进行噪声抑制,同时提高图像质量,增强对比度,突出边缘、细节等结构特征,从而有利于疾病的诊断。
第二实施例
本发明第二实施例提供了一种超声图像增强的装置200,请参见图7,该超声图像增强的装置200包括第一处理模块210、第二处理模块220以及图像融合模块230。其中,所述第一处理模块210用于基于第一预设算法对原始超声图像进行降噪平滑处理,获得第一超声图像;所述第二处理模块220用于基于第二预设算法对所述第一超声图像进行增强处理,获得第二超声图像;所述图像融合模块230用于将所述第一超声图像以及所述第二超声图像进行融合,获得最终的增强图像。
在本发明实施例中,请参见图8,第一处理模块210包括中值滤波单元211以及小波去噪单元212。其中,所述中值滤波单元211用于对所述原始超声图像进行多级中值滤波处理,获得滤波后的图像;所述小波去噪单元212用于基于小波阈值去噪方法对所述滤波后的图像进行噪声抑制处理,获得所述第一超声图像。
在本发明实施例中,所述中值滤波单元211包括第一滤波子单元、第二滤波子单元、第三滤波子单元以及第四滤波子单元。其中,所述第一滤波子单元用于基于预设中值滤波矩形窗口大小计算一像素点的四个预设方向的一维窗口分别对应的第一像素中值、第二像素中值、第三像素中值以及第四像素中值,所述预设方向包括水平方向、垂直方向、主对角线方向以及副对角线方向;所述第二滤波子单元用于获取所述第一像素中值、所述第二像素中值、所述第三像素中值以及所述第四像素中值中的最大值以及最小值;所述第三滤波子单元用于获取所述像素点的灰度值、所述最大值以及所述最小值对应的中值作为所述像素点的当前灰度值;所述第四滤波子单元用于重复基于预设中值滤波矩形窗口大小计算一像素点的四个预设方向的一维窗口分别对应的第一像素中值、第二像素中值、第三像素中值以及第四像素中值的步骤,至所述获取所述像素点的灰度值、所述最大值以及所述最小值对应的中值作为所述像素点的当前灰度值的步骤,直至获得所述原始超声图像中所有像素点的当前灰度值,以获得滤波后的图像。
在本发明实施例中,小波去噪单元212包括第一去噪子单元、第二去噪子单元以及第三去噪子单元。其中,第一去噪子单元用于基于预设分解层数以及预设小波基函数对所述滤波后的图像对应的信号进行小波分解,获得每个分解层次对应的系数;第二去噪子单元用于基于预设阈值函数对所述每个分解层次对应的系数进行量化,获得量化后的每个分解层次对应的系数;第三去噪子单元用于基于所述量化后的每个分解层次对应的系数利用小波逆变换重构图像信号,获得第一超声图像。
在本发明实施例中,第二处理模块220具体用于基于预设算子对所述第一超声图像的所有像素点分别对应的灰度值进行处理,获得所述第一超声图像的所有像素点分别对应的当前灰度值,以获得第二超声图像。
在本发明实施例中,图像融合模块230具体用于基于预设权重系数计算函数将所述第二超声图像叠加于所述第一超声图像,获得最终的增强图像。
在本发明实施例中,该超声图像增强的装置200还包括图像获取模块。图像获取模块用于获取所述原始超声图像。
综上所述,本发明实施例提供的超声图像增强的方法及装置,通过基于第一预设算法对原始超声图像进行降噪平滑处理,获得第一超声图像,然后基于第二预设算法对第一超声图像进行增强处理,获得第二超声图像,最后将第一超声图像以及第二超声图像进行融合,获得最终的增强图像。从而,可以不通过图像分割实现超声图像增强,以解决现有技术中需要将图像进行分割后再处理引起的实时性比较差,同时由于图像分割技术还存在不准确,从而导致处理后的超声图像的可靠性不足的问题。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种超声图像增强的方法,其特征在于,所述方法包括:
基于第一预设算法对原始超声图像进行降噪平滑处理,获得第一超声图像;
基于第二预设算法对所述第一超声图像进行增强处理,获得第二超声图像;
将所述第一超声图像以及所述第二超声图像进行融合,获得最终的增强图像。
2.根据权利要求1所述的方法,其特征在于,所述基于第一预设算法对原始超声图像进行降噪平滑处理,包括:
对所述原始超声图像进行多级中值滤波处理,获得滤波后的图像;
基于小波阈值去噪方法对所述滤波后的图像进行噪声抑制处理,获得所述第一超声图像。
3.根据权利要求2所述的方法,其特征在于,对所述原始超声图像进行多级中值滤波处理,包括:
基于预设中值滤波矩形窗口大小计算一像素点的四个预设方向的一维窗口分别对应的第一像素中值、第二像素中值、第三像素中值以及第四像素中值,所述预设方向包括水平方向、垂直方向、主对角线方向以及副对角线方向;
获取所述第一像素中值、所述第二像素中值、所述第三像素中值以及所述第四像素中值中的最大值以及最小值;
获取所述像素点的灰度值、所述最大值以及所述最小值对应的中值作为所述像素点的当前灰度值;
重复基于预设中值滤波矩形窗口大小计算一像素点的四个预设方向的一维窗口分别对应的第一像素中值、第二像素中值、第三像素中值以及第四像素中值的步骤,至所述获取所述像素点的灰度值、所述最大值以及所述最小值对应的中值作为所述像素点的当前灰度值的步骤,直至获得所述原始超声图像中所有像素点的当前灰度值,以获得滤波后的图像。
4.根据权利要求2所述的方法,其特征在于,所述基于小波阈值去噪方法对所述滤波后的图像进行噪声抑制处理,包括:
基于预设分解层数以及预设小波基函数对所述滤波后的图像对应的信号进行小波分解,获得每个分解层次对应的系数;
基于预设阈值函数对所述每个分解层次对应的系数进行量化,获得量化后的每个分解层次对应的系数;
基于所述量化后的每个分解层次对应的系数利用小波逆变换重构图像信号,获得第一超声图像。
5.根据权利要求1所述的方法,其特征在于,所述基于第二预设算法对所述第一超声图像进行增强处理,包括:
基于预设算子对所述第一超声图像的所有像素点分别对应的灰度值进行处理,获得所述第一超声图像的所有像素点分别对应的当前灰度值,以获得第二超声图像。
6.根据权利要求1所述的方法,其特征在于,将所述第一超声图像以及所述第二超声图像进行融合,包括:
基于预设权重系数计算函数将所述第二超声图像叠加于所述第一超声图像,获得最终的增强图像。
7.根据权利要求1所述的方法,其特征在于,所述基于第一预设算法对原始超声图像进行降噪平滑处理之前,所述方法还包括:
获取所述原始超声图像。
8.一种超声图像增强的装置,其特征在于,所述装置包括:第一处理模块、第二处理模块以及图像融合模块,其中,
所述第一处理模块用于基于第一预设算法对原始超声图像进行降噪平滑处理,获得第一超声图像;
所述第二处理模块用于基于第二预设算法对所述第一超声图像进行增强处理,获得第二超声图像;
所述图像融合模块用于将所述第一超声图像以及所述第二超声图像进行融合,获得最终的增强图像。
9.根据权利要求8所述的装置,其特征在于,所述第一处理模块包括:中值滤波单元以及小波去噪单元,其中,
所述中值滤波单元用于对所述原始超声图像进行多级中值滤波处理,获得滤波后的图像;
所述小波去噪单元用于基于小波阈值去噪方法对所述滤波后的图像进行噪声抑制处理,获得所述第一超声图像。
10.根据权利要求9所述的装置,其特征在于,所述中值滤波单元包括第一滤波子单元、第二滤波子单元、第三滤波子单元以及第四滤波子单元,其中,
所述第一滤波子单元用于基于预设中值滤波矩形窗口大小计算一像素点的四个预设方向的一维窗口分别对应的第一像素中值、第二像素中值、第三像素中值以及第四像素中值,所述预设方向包括水平方向、垂直方向、主对角线方向以及副对角线方向;
所述第二滤波子单元用于获取所述第一像素中值、所述第二像素中值、所述第三像素中值以及所述第四像素中值中的最大值以及最小值;
所述第三滤波子单元用于获取所述像素点的灰度值、所述最大值以及所述最小值对应的中值作为所述像素点的当前灰度值;
所述第四滤波子单元用于重复基于预设中值滤波矩形窗口大小计算一像素点的四个预设方向的一维窗口分别对应的第一像素中值、第二像素中值、第三像素中值以及第四像素中值的步骤,至所述获取所述像素点的灰度值、所述最大值以及所述最小值对应的中值作为所述像素点的当前灰度值的步骤,直至获得所述原始超声图像中所有像素点的当前灰度值,以获得滤波后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710897276.8A CN107680057A (zh) | 2017-09-28 | 2017-09-28 | 超声图像增强的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710897276.8A CN107680057A (zh) | 2017-09-28 | 2017-09-28 | 超声图像增强的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107680057A true CN107680057A (zh) | 2018-02-09 |
Family
ID=61139003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710897276.8A Pending CN107680057A (zh) | 2017-09-28 | 2017-09-28 | 超声图像增强的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107680057A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255789A (zh) * | 2018-07-26 | 2019-01-22 | 张利军 | 基于计算机处理的图像分割系统 |
CN109934789A (zh) * | 2019-03-26 | 2019-06-25 | 湖南国科微电子股份有限公司 | 图像去噪方法、装置及电子设备 |
CN112348031A (zh) * | 2020-11-17 | 2021-02-09 | 安徽理工大学 | 一种去除指纹图像混合噪声的改进小波阈值去噪方法 |
CN113077394A (zh) * | 2021-03-25 | 2021-07-06 | 青岛海信医疗设备股份有限公司 | 图像处理方法、电子设备和存储介质 |
CN113344809A (zh) * | 2021-05-27 | 2021-09-03 | 同济大学 | 一种超声图像增强方法、系统和设备 |
CN113658302A (zh) * | 2021-08-23 | 2021-11-16 | 李帮音 | 一种三维动画数据处理方法及装置 |
CN117408929A (zh) * | 2023-12-12 | 2024-01-16 | 日照天一生物医疗科技有限公司 | 基于图像特征的肿瘤ct图像区域动态增强方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1919144A (zh) * | 2005-08-26 | 2007-02-28 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与斑点抑制方法 |
CN101459766A (zh) * | 2007-12-10 | 2009-06-17 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与噪声抑制的方法及其装置 |
-
2017
- 2017-09-28 CN CN201710897276.8A patent/CN107680057A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1919144A (zh) * | 2005-08-26 | 2007-02-28 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与斑点抑制方法 |
CN101459766A (zh) * | 2007-12-10 | 2009-06-17 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与噪声抑制的方法及其装置 |
Non-Patent Citations (3)
Title |
---|
罗忠亮 等: "基于小波分析的医学超声图像去噪与增强研究", 《计算机工程与应用》 * |
蒋葵: "医学超声图像的计算机辅助分析系统", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
邬长安: "图像空域滤波增强", 《数字图像处理、分析及应用》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255789A (zh) * | 2018-07-26 | 2019-01-22 | 张利军 | 基于计算机处理的图像分割系统 |
CN109934789A (zh) * | 2019-03-26 | 2019-06-25 | 湖南国科微电子股份有限公司 | 图像去噪方法、装置及电子设备 |
CN112348031A (zh) * | 2020-11-17 | 2021-02-09 | 安徽理工大学 | 一种去除指纹图像混合噪声的改进小波阈值去噪方法 |
CN113077394A (zh) * | 2021-03-25 | 2021-07-06 | 青岛海信医疗设备股份有限公司 | 图像处理方法、电子设备和存储介质 |
CN113077394B (zh) * | 2021-03-25 | 2022-09-27 | 青岛海信医疗设备股份有限公司 | 图像处理方法、电子设备和存储介质 |
CN113344809A (zh) * | 2021-05-27 | 2021-09-03 | 同济大学 | 一种超声图像增强方法、系统和设备 |
CN113658302A (zh) * | 2021-08-23 | 2021-11-16 | 李帮音 | 一种三维动画数据处理方法及装置 |
CN113658302B (zh) * | 2021-08-23 | 2024-04-12 | 麦应俊 | 一种三维动画数据处理方法及装置 |
CN117408929A (zh) * | 2023-12-12 | 2024-01-16 | 日照天一生物医疗科技有限公司 | 基于图像特征的肿瘤ct图像区域动态增强方法 |
CN117408929B (zh) * | 2023-12-12 | 2024-02-09 | 日照天一生物医疗科技有限公司 | 基于图像特征的肿瘤ct图像区域动态增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107680057A (zh) | 超声图像增强的方法及装置 | |
US20100092102A1 (en) | Method and apparatus for image processing | |
Wang et al. | High-resolution image reconstruction for portable ultrasound imaging devices | |
US8139891B2 (en) | System and method for structure enhancement and noise reduction in medical images | |
CN109003232B (zh) | 基于频域尺度平滑Shearlet的医学MRI图像去噪方法 | |
Bhateja et al. | An improved medical image fusion approach using PCA and complex wavelets | |
CN111815766A (zh) | 基于2d-dsa图像重建血管三维模型处理方法及系统 | |
Sa‐ing et al. | Multiscale adaptive regularisation Savitzky–Golay method for speckle noise reduction in ultrasound images | |
CN104574284A (zh) | 一种数字x射线图像对比度增强处理方法 | |
Ilesanmi et al. | Multiscale hybrid algorithm for pre-processing of ultrasound images | |
CN116342444B (zh) | 一种双通道多模态图像融合方法及电子设备 | |
Osman et al. | The effect of filtering algorithms for breast ultrasound lesions segmentation | |
WO2017190968A1 (en) | Device and method for denoising a vector-valued image | |
CN104463815B (zh) | Dsa图像生成方法及系统 | |
Kumar et al. | A new locally adaptive patch variation based CT image denoising | |
Lee et al. | Speckle reduction via deep content-aware image prior for precise breast tumor segmentation in an ultrasound image | |
CN106910166A (zh) | 一种图像处理方法和装置 | |
El-Shafai et al. | Traditional and deep-learning-based denoising methods for medical images | |
Noor et al. | Hybrid image fusion method based on discrete wavelet transform (DWT), principal component analysis (PCA) and guided filter | |
Kishore et al. | Denoising ultrasound medical images with selective fusion in wavelet domain | |
Lyakhov et al. | Low-bit hardware implementation of DWT for 3D medical images processing | |
Bhonsle et al. | Medical Image De-Noising Using Combined Bayes Shrink and Total Variation Techniques | |
Moussa et al. | Video despeckling using shearlet tensor-based anisotropic diffusion | |
Kumar et al. | Denoising of Iris image using stationary wavelet transform | |
Sriraam et al. | Performance evaluation of linear and nonlinear filters for despeckling B mode foetal heart ultrasound images |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |
|
RJ01 | Rejection of invention patent application after publication |