CN108108739B - 图像目标区域的检测方法、装置、x射线系统及存储介质 - Google Patents
图像目标区域的检测方法、装置、x射线系统及存储介质 Download PDFInfo
- Publication number
- CN108108739B CN108108739B CN201711362282.XA CN201711362282A CN108108739B CN 108108739 B CN108108739 B CN 108108739B CN 201711362282 A CN201711362282 A CN 201711362282A CN 108108739 B CN108108739 B CN 108108739B
- Authority
- CN
- China
- Prior art keywords
- gray value
- pixel gray
- image
- pixel
- target area
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像目标区域的检测方法、装置、X射线系统及存储介质,该方法包括:获取待检测图像,待检测图像包括人体区域;基于高斯加权大津法求取所述人体区域的曲线图,曲线图用于表示像素灰度值与该像素灰度值对应的高斯加权类间方差的关系;确定曲线图中的有效波峰以及有效波峰对应的像素灰度值;确定待检测图像中,像素灰度值为有效波峰对应的像素灰度值的像素数量;根据有效波峰对应的像素数量和像素灰度值确定分割阈值;根据分割阈值确定待检测图像中的目标区域。解决了现有的图像目标区域检测方法的准确性较低的问题,实现了提高目标区域检测准确性的目的,进而提高了图像后处理的效果。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种图像目标区域的检测方法、装置、X射线系统及存储介质。
背景技术
在医学图像中,经常需要对目标区域进行检测,然后基于检测结果进行图像后处理,比如在乳腺图像研究中,经常需要识别出植入物所在区域,以便在乳腺图像的后处理中排除该非感兴趣区域,以提高后续图像处理的效果,比如提升图像对比度等。
现有的图像目标区域检测或植入物的检测,通常采用大津法对待检测图像进行自动分割。但是,当目标区域与背景的大小比例比较悬殊,或图像存在多个明显的像素等级区域时,图像目标区域检测的准确性较低。
发明内容
本发明实施例提供的图像目标区域的检测方法、装置、X射线系统及存储介质,解决了现有的图像目标区域检测方法的准确性较低的问题。
第一方面,本发明实施例提供了一种图像目标区域的检测方法,包括:
获取待检测图像,所述待检测图像包括人体区域;
基于高斯加权大津法求取所述人体区域的曲线图,所述曲线图用于表示像素灰度值与该像素灰度值对应的高斯加权类间方差的关系;
确定所述曲线图中的有效波峰以及所述有效波峰对应的像素灰度值;
确定待检测图像中,像素灰度值为所述有效波峰对应的像素灰度值的像素数量;
根据所述有效波峰对应的像素数量和像素灰度值确定分割阈值;
根据所述分割阈值确定所述待检测图像中的目标区域。
进一步,所述确定所述曲线图中的有效波峰以及所述有效波峰对应的像素灰度值,包括:
获取所述曲线图中的每一个波峰与预设参考波谷的差值;
将所述差值超过预设差值阈值的所述波峰作为有效波峰。
进一步,所述预设参考波谷的确定方法包括:
确定目标区域的像素灰度值与其它区域的像素灰度值的大小;
根据所述目标区域的像素灰度值与其它区域的像素灰度值的大小确定所述预设参考波谷的位置。
进一步,所述根据所述目标区域的像素灰度值与其它区域的像素灰度值的大小确定所述预设参考波谷的位置,包括:
当所述目标区域的像素灰度值小于其他像素的像素灰度值时,将与所述波峰相连的像素灰度值较小的波谷作为预设参考波谷;
当所述目标区域的像素灰度值大于其他像素的像素灰度值时,将与所述波峰相连的像素灰度值较大的波谷作为预设参考波谷。
进一步,所述曲线图为采用高斯加权大津法对所述待检测图像的人体区域的灰度直方图进行分析得到的;
所述获取待检测图像中,像素灰度值为所述有效波峰对应的像素灰度值的像素数量,包括:
根据所述有效波峰对应的像素灰度值,在所述灰度直方图中查找该像素灰度值对应的像素数量。
进一步,所述根据所述有效波峰对应的像素数量和像素灰度值确定分割阈值,包括:
如果所述曲线图中,所述有效波峰的像素灰度值对应的像素数量均大于或等于预设像素阈值,则所述待检测图像中不存在目标区域;
如果所述曲线图中,存在像素灰度值对应的像素数量小于预设像素阈值的有效波峰,则将该有效波峰作为目标波峰;
确定所述目标区域的像素灰度值与其它区域的像素灰度值的大小关系;
根据所述目标区域的像素灰度值与其它区域的像素灰度值的大小关系选择目标波峰,并将所选择的目标波峰对应的像素灰度值作为分割阈值。
进一步,所述根据所述目标区域的像素灰度值与其它区域的像素灰度值的大小关系选择目标波峰,并将所选择的目标波峰对应的像素灰度值作为分割阈值,包括:
当所述目标区域的像素灰度值小于其他像素的像素灰度值时,将像素灰度值最小的目标波峰的像素灰度值作为分割阈值;
当所述目标区域的像素灰度值大于其他像素的像素灰度值时,将像素灰度值最大的目标波峰的像素灰度值作为分割阈值。
第二方面,本发明实施例还提供了一种图像目标区域的检测装置,包括:
图像获取模块,用于获取待检测图像,所述待检测图像包括人体区域;
曲线图求取模块,用于基于高斯加权大津法求取所述人体区域的曲线图,所述曲线图用于表示像素灰度值与该像素灰度值对应的高斯加权类间方差的关系;
有效波峰确定模块,用于确定所述曲线图中的有效波峰以及所述有效波峰对应的像素灰度值;
像素数量获取模块,用于确定待检测图像中,像素灰度值为所述有效波峰对应的像素灰度值的像素数量;
分割阈值确定模块,用于根据所述有效波峰对应的像素数量和像素灰度值确定分割阈值;
目标区域提取模块,用于根据所述分割阈值确定所述待检测图像中的目标区域。
第三方面,本发明实施例还提供了一种医疗影像系统,所述医疗影像系统包括:
投影数据获取装置,用于获取包含目标区域的待检测图像的投影数据;
计算机设备,连接所述投影数据获取装置,所述计算机设备包括存储器和一个或多个处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器在执行所述程序时根据所述投影数据确定待检测图像,并执行如第一方面所述的图像目标区域的检测方法。
第四方面,本发明实施例还提供了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如第一方面所述的图像目标区域的检测方法。
本实施例提供的图像目标区域的检测方法的技术方案,通过高斯加权大津法求取待检测图像的人体区域的曲线图,通过高斯权重将待检测图像的灰度分布情况考虑进去,确定曲线图中的有效波峰以及有效波峰对应的像素灰度值;根据像素灰度值获取有效波峰对应的像素数量;根据有效波峰对应的像素数量和像素灰度值确定分割阈值,降低了目标区域与背景的像素数量差异对分割阈值准确性的影;根据分割阈值确定待检测图像中的目标区域。解决了现有的图像目标区域检测方法的准确性较低的问题,实现了提高目标区域检测准确性的目的,进而提高了图像后处理的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图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。
图1是本发明实施例一提供的图像目标区域的检测方法的流程图;
图2是本发明实施例一提供的乳腺X射线图像的正片;
图3是本发明实施例一提供的人体区域的模板图;
图4是本发明实施例一提供的基于高斯加权大津法获取的人体区域的曲线图;
图5是本发明实施例一提供的人体区域的灰度直方图;
图6是本发明实施例一提供的标识出与曲线图的波峰波谷对应关系的灰度直方图;
图7是本发明实施例一提供的目标区域的模板图;
图8是本发明实施例二提供的图像目标区域的检测装置的结构框图;
图9是本发明实施例三提供的医疗影像系统的结构框图;
图10是本发明实施例三提供的计算机设备的结构框图。
图标:
01-空气区域;02-人体区域;03-目标区域。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,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。
实施例一
图1是本发明实施例一提供的图像目标区域的检测方法的流程图。本实施例的技术方案适用于从灰度图像中检测目标区域的情况,尤其是从X射线图像中检测目标区域的情况,比如,检测乳腺X射线图像的植入物区域。该方法可以由本发明实施例提供的图像目标区域的检测装置来执行,该装置可以采用软件和/或硬件的方式实现,并配置在处理器中应用。该方法具体包括如下步骤:
S101、获取待检测图像,待检测图像包括人体区域。
本实施例以检测乳腺图像中的植入物区域为例进行说明,因此待检测图像为乳腺X射线图像,如图2所示,包括空气区域01、人体区域02,以及植入物区域,即为要检测的目标区域03。
S102、基于高斯加权大津法求取人体区域的曲线图,曲线图用于表示像素灰度值与该像素灰度值对应的高斯加权类间方差的关系。
对于乳腺X射线图像,由于乳腺密度较低,所以乳腺的像素灰度值与空气区域01的像素灰度值的差异较小,空气区域01的存在会增加数据计算量,以及影响目标区域检测或图像处理的效果,因此,为了提高目标区域检测或是图像处理的效果,本实施例可以仅对人体区域02进行分析,即在目标区域检测分析之前,先从乳腺X射线图像中提取人体区域02。
为了提取乳腺X射线图像的人体区域02,本实施例先将乳腺X射线图像的正片通过灰度值变换转换为乳腺X射线图像的负片,由于空气密度最低,因此在X射线图像的负片中,空气的像素灰度值为0,以像素灰度值0为分割阈值,生成提取人体区域02的人体模板图,如图3所示,在人体模板图中,人体区域02的像素灰度值为1,空气区域01的像素灰度值为0,通过该人体模板图即可从乳腺X射线图像的正片中提取人体区域02。
为了提高目标区域检测的准确性,需要人体区域的像素灰度值信息具有较高的准确性,但在通常情况下,由于乳房皮肤线附近的乳房厚度小于乳房其它区域的厚度,所以导致X射线在乳房皮肤线附近区域的衰减较快,所以在乳腺X射线图像正片中的空气区域与人体部分的连接处,即乳房皮肤线附近区域出现亮圈(如图2所示),因此,为了提高人体区域02的像素灰度值的准确性,本实施例在提取人体区域02之前,先降低乳腺X射线图像正片中的乳房皮肤线附近区域的像素灰度值,使其与乳腺组织的像素灰度值相近。本实施例可以通过曲线压缩等方式实现降低乳房皮肤附近区域的像素灰度值,使其与内部灰度值相似,有利于提高人体区域02的像素灰度值的准确性,进而提高目标区域检测的准确性,特别是对于通过大剂量X射线获取的乳腺X射线图像时,目标区域检测准确性的提高尤其明显。
人体区域02提取后,为了准确地从人体区域02检测出植入物区域,通常需要设置用于提取目标区域的分割阈值。为了准确地确定该分割阈值,本实施例通过高斯加权大津法求取乳腺X射线图像的人体区域02的曲线图,如图4所示,以获取像素灰度值与该像素灰度值对应的方差的关系。可选地,本实施例先求取乳腺X射线图像的人体区域02的灰度直方图,如图5所示,然后采用高斯加权大津法对灰度直方图进行分析以生成所需的曲线图。高斯加权大津法在经典大津法的基础上引入了高斯权重,将图像的灰度分布情况考虑进去,相对于经典大津法,高斯加权大津法的曲线图更能准确地反映像素灰度值与该像素灰度值对应方差以及图像在该像素灰度值附近的灰度分布情况的关系。
S103、确定曲线图中的有效波峰以及有效波峰对应的像素灰度值。
由于乳腺X射线图像中通常存在多个灰度等级区域,所以曲线图中会有多个波峰(图4中以*示出),为了提高图像处理速度,通常先对波峰进行初步分析,从而将波峰划分为有效波峰和无效波峰,然后仅对有效波峰以及有效波峰对应的像素灰度值进行分析,将无效波峰直接忽略。
有效波峰的确定方法可以是:获取曲线图中的每一个波峰与预设参考波谷(图5中以菱形示出)的差值;将差值超过预设差值阈值的波峰作为有效波峰。通常情况下,一个波峰对应两个波谷,或是对应一个波谷和一个起始点,或是对应一个波谷和一个结束点,或是一个起始点和一个结束点,当波峰不存在两个与之相连的波谷时,将与该波峰相连的起始点或结束点作为该波峰的波谷。因此,预设参考波谷的选择方式比较多,本实施例选择每个波峰的一个波谷作为该波峰的预设参考波谷,具体选择哪一个波谷作为预设参考波谷还需考虑目标区域与其它区域的像素数量的大小关系。
由于乳腺组织的密度较低,而且植入物的密度通常大于乳腺组织的密度,所述在乳腺X射线图像的正片中,目标区域或是植入物区域的像素灰度值通常小于其他人体区域02的像素灰度值;由于X射线图像的正片和负片可通过像素灰度值反相处理进行转换,所以在X射线图像的负片中,目标区域或是植入物区域的像素灰度值通常大于其他人体区域02的像素灰度值,因此X射线图像正片对应的曲线图与X射线图像负片对应的曲线图呈镜像关系,预设参考波谷的位置也呈镜像关系。鉴于此,本实施例中的预设参考波谷的选择方式为:当目标区域的像素灰度值小于其他像素的像素灰度值时,将与波峰相连的像素灰度值较小的波谷作为预设参考波谷;当目标区域的像素灰度值大于其他像素的像素灰度值时,将与波峰相连的像素灰度值较大的波谷作为预设参考波谷。
统计所有波峰与预设参考波谷的差值,根据所有波峰与预设参考波谷的差值求取峰值均值,将低于峰值均值的波峰作为无效波峰,将高于或等于峰值均值的波峰作为有效波峰。
S104、确定待检测图像中,像素灰度值为有效波峰对应的像素灰度值的像素数量。
有效波峰确定后,还需要确定有效波峰对应的像素灰度值,然后获取每个像素灰度值对应的像素数量,即将有效波峰与像素数量进行关联对应。为了提高像素数量确定的速度,在有效波峰对应的像素灰度值确定后,直接在X射线图像的灰度直方图上,查找每个有效波峰(图6中以*示出)对应的像素灰度值的像素数量。
本实施例将像素数量作为分割阈值确定的一个因素,有利于提高分割阈值的准确性,尤其在目标区域与其它区域的像素数量差异较大时,可以显著提高分割阈值的准确性。
S105、根据有效波峰对应的像素数量和像素灰度值确定分割阈值。
图4的横坐标为像素灰度值,由于X射线图像中的目标区域或植入物区域的像素灰度值最小,所以目标区域或植入物区域对应图4的左边起第一个波峰。可以理解的是,当乳房中不存在植入物时,左边起第一个波峰不存在,而左边起第二个波峰将顺次成为左边起第一个波峰,而且当X射线图像中不存在目标区域时,则不存在目标区域检测的必要性,因此在确定分割阈值之前,要判断X射线图像中是否存在植入物区域。
因此本实施例中,如果所述曲线图中,存在像素灰度值对应的像素数量小于预设像素阈值的有效波峰,则将该有效波峰作为目标波峰,如图6中的灰度直方图所示,通过*标识可以看出曲线图中的三个波峰在图6中的位置,将预设像素数量阈值以横线示出,即横轴上面的横线,此时只有曲线图的左起第一个波峰的像素灰度值对应的像素数量小于该预设像素数量阈值,而曲线图左起第二个波峰的像素灰度值对应的像素数量位于该横线之上,因此,可以通过比较曲线图中的有效波峰的像素灰度值对应的像素数量与像素灰度值的大小,来判断X射线图像中是否存在植入物或目标区域。
当植入物区域不存在时,可以终止植入物区域的检测,或输出“不存在植入物区域”等字样。当植入物区域存在时,确定目标区域的像素灰度值与其它区域的像素灰度值的大小关系;根据目标区域的像素灰度值与其它区域的像素灰度值的大小关系选择目标波峰,并将所选择的目标波峰对应的像素灰度值作为分割阈值。本实施例中的预设像素数量阈值可选为所有有效波峰的像素数量的均值,具体使用时可以根据实际情况进行确定,只要能够分辨出X射线图像中是否存在目标区域或植入物区域即可。
当目标区域的像素灰度值小于其他像素的像素灰度值时,将像素灰度值最小的目标波峰的像素灰度值作为分割阈值;当目标区域的像素灰度值大于其他像素的像素灰度值时,将像素灰度值最大的目标波峰的像素灰度值作为分割阈值。因为,乳腺X射线图像的正片和负片中的分割阈值所在的目标波峰呈镜像关系,可以理解为,当目标区域的像素灰度值小于其他像素的像素灰度值时,将沿像素灰度值变大方向上的第一个目标波峰的像素灰度值作为分割阈值。当目标区域的像素灰度值大于其他像素的像素灰度值时,将沿像素灰度值变小方向上的第一个目标波峰的像素灰度值作为分割阈值。
S106、根据分割阈值确定待检测图像中的目标区域。
分割阈值确定后,根据分割阈值生成目标区域模板图,如图7所示,该模板图为0-1模板图,即目标区域的像素灰度值为1,其他部分的像素灰度值为0,通过该目标区域模板图从乳腺X射线图像中提取目标区域。
本实施例提供的图像目标区域的检测方法的技术方案,通过高斯加权大津法求取待检测图像的人体区域的曲线图,通过高斯权重将待检测图像的灰度分布情况考虑进去,确定曲线图中的有效波峰以及有效波峰对应的像素灰度值;根据像素灰度值获取有效波峰对应的像素数量;根据有效波峰对应的像素数量和像素灰度值确定分割阈值,降低了目标区域与背景的像素数量差异对分割阈值准确性的影;根据分割阈值从X射线图像中提取目标区域。解决了现有的图像目标区域检测方法的准确性较低的问题,实现了提高目标区域检测准确性的目的,进而提高了图像后处理的效果。
实施例二
图8是本发明实施例二提供的图像目标区域的检测装置的结构框图。该装置用于执行上述任意实施例所提供的图像目标区域的检测方法,该控制装置可选为软件或硬件实现。如图8所示,该装置包括:
图像获取模块11,用于获取待检测图像,所述待检测图像包括人体区域;
曲线图求取模块12,用于基于高斯加权大津法求取所述人体区域的曲线图,所述曲线图用于表示像素灰度值与该像素灰度值对应的高斯加权类间方差的关系;
有效波峰确定模块13,用于确定所述曲线图中的有效波峰以及所述有效波峰对应的像素灰度值;
像素数量获取模块14,用于确定所述待检测图像中,像素灰度值为所述有效波峰对应的像素灰度值的像素数量;
分割阈值确定模块15,用于根据所述有效波峰对应的像素数量和像素灰度值确定分割阈值;
目标区域提取模块16,用于根据所述分割阈值确定所述待检测图像中的目标区域。
本发明实施例提供的图像目标区域的检测装置的技术方案,通过高斯加权大津法求取待检测图像的人体区域的曲线图,通过高斯权重将待检测图像的灰度分布情况考虑进去,确定曲线图中的有效波峰以及有效波峰对应的像素灰度值;根据像素灰度值获取有效波峰对应的像素数量;根据有效波峰对应的像素数量和像素灰度值确定分割阈值,降低了目标区域与背景的像素数量差异对分割阈值准确性的影;根据分割阈值确定待检测图像中的目标区域。解决了现有的图像目标区域检测方法的准确性较低的问题,实现了提高目标区域检测准确性的目的,进而提高了图像后处理的效果。
本发明实施例所提供的图像目标区域的检测装置可执行本发明任意实施例所提供的图像目标区域的检测方法,具备执行方法相应的功能模块和有益效果。
实施例三
图9是本发明实施例三提供的医疗影像系统的结构框图。如图9所示,该系统包括投影数据获取装置2和计算机设备3,影像获取装置1用于获取包含异物的待测者的目标部位的医疗影像数据;计算机设备3连接所述投影数据获取装置2,如图10所示,计算机设备3包括处理器301、存储器302、输入装置303以及输出装置304;计算机设备3中处理器301的数量可以是一个或多个,图10中以一个处理器301为例;计算机设备3中的处理器301、存储器302、输入装置303以及输出装置304可以通过总线或其他方式连接,图10中以通过总线连接为例。
存储器302作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的图像目标区域的检测方法对应的程序指令/模块(例如,图像获取模块11、曲线图求取模块12、有效波峰确定模块13、像素数量获取模块14、分割阈值确定模块15以及目标区域提取模块16)。处理器301通过运行存储在存储器302中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的图像目标区域的检测方法。
存储器302可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器302可进一步包括相对于处理器301远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置303可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。
输出装置304可包括显示屏等显示设备,例如,用户终端的显示屏。
实施例四
本发明实施例四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图像目标区域的检测方法,该方法包括:
获取待检测图像,所述待检测图像包括人体区域;
基于高斯加权大津法求取所述人体区域的曲线图,所述曲线图用于表示像素灰度值与该像素灰度值对应的高斯加权类间方差的关系;
确定所述曲线图中的有效波峰以及所述有效波峰对应的像素灰度值;
确定所述待检测图像中,像素灰度值为所述有效波峰对应的像素灰度值的像素数量;
根据所述有效波峰对应的像素数量和像素灰度值确定分割阈值;
根据所述分割阈值确定所述待检测图像中的目标区域。
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图像目标区域的检测方法中的相关操作。
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,简称ROM)、随机存取存储器(RandomAccess Memory,简称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图像目标区域的检测方法。
值得注意的是,上述图像目标区域的检测装置的实施例中,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。
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 (10)
1.一种图像目标区域的检测方法,其特征在于,包括:
获取待检测图像,所述待检测图像包括人体区域;
基于高斯加权大津法求取所述人体区域的曲线图,所述曲线图用于表示像素灰度值与该像素灰度值对应的高斯加权类间方差的关系;
确定所述曲线图中的有效波峰以及所述有效波峰对应的像素灰度值;
确定所述待检测图像中有效波峰对应的像素灰度值的像素数量;
根据所述有效波峰对应的像素数量和像素灰度值确定分割阈值;
根据所述分割阈值确定所述待检测图像中的目标区域。
2.根据权利要求1所述的方法,其特征在于:所述确定所述曲线图中的有效波峰以及所述有效波峰对应的像素灰度值,包括:
获取所述曲线图中的每一个波峰与预设参考波谷的差值;
将所述差值超过预设差值阈值的所述波峰作为有效波峰。
3.根据权利要求2所述的方法,其特征在于:所述预设参考波谷的确定方法包括:
确定目标区域的像素灰度值与其它区域的像素灰度值的大小;
根据所述目标区域的像素灰度值与其它区域的像素灰度值的大小确定所述预设参考波谷的位置。
4.根据权利要求3所述的方法,其特征在于:所述根据所述目标区域的像素灰度值与其它区域的像素灰度值的大小确定所述预设参考波谷的位置,包括:
当所述目标区域的像素灰度值小于其他像素的像素灰度值时,将与所述波峰相连的像素灰度值较小的波谷作为预设参考波谷;
当所述目标区域的像素灰度值大于其他像素的像素灰度值时,将与所述波峰相连的像素灰度值较大的波谷作为预设参考波谷。
5.根据权利要求1所述的方法,其特征在于:所述曲线图为采用高斯加权大津法对所述待检测图像的人体区域的灰度直方图进行分析得到的;
确定所述待检测图像中有效波峰对应的像素灰度值的像素数量,包括:
根据所述有效波峰对应的像素灰度值,在所述灰度直方图中查找该像素灰度值对应的像素数量。
6.根据权利要求1-5任一所述的方法,其特征在于:所述根据所述有效波峰对应的像素数量和像素灰度值确定分割阈值,包括:
如果所述曲线图中,所述有效波峰的像素灰度值对应的像素数量均大于或等于预设像素阈值,则所述待检测图像中不存在目标区域;
如果所述曲线图中,存在像素灰度值对应的像素数量小于所述预设像素阈值的有效波峰,则将该有效波峰作为目标波峰;
确定所述目标区域的像素灰度值与其它区域的像素灰度值的大小关系;
根据所述目标区域的像素灰度值与其它区域的像素灰度值的大小关系选择目标波峰,并将所选择的目标波峰对应的像素灰度值作为分割阈值。
7.根据权利要求6所述的方法,其特征在于:所述根据所述目标区域的像素灰度值与其它区域的像素灰度值的大小关系选择目标波峰,并将所选择的目标波峰对应的像素灰度值作为分割阈值,包括:
当所述目标区域的像素灰度值小于其他像素的像素灰度值时,将像素灰度值最小的目标波峰的像素灰度值作为分割阈值;
当所述目标区域的像素灰度值大于其他像素的像素灰度值时,将像素灰度值最大的目标波峰的像素灰度值作为分割阈值。
8.一种图像目标区域的检测装置,其特征在于,包括:
图像获取模块,用于获取待检测图像,所述待检测图像包括人体区域;
曲线图求取模块,用于基于高斯加权大津法求取所述人体区域的曲线图,所述曲线图用于表示像素灰度值与该像素灰度值对应的高斯加权类间方差的关系;
有效波峰确定模块,用于确定所述曲线图中的有效波峰以及所述有效波峰对应的像素灰度值;
像素数量获取模块,用于确定所述待检测图像中有效波峰对应的像素灰度值的像素数量;
分割阈值确定模块,用于根据所述有效波峰对应的像素数量和像素灰度值确定分割阈值;
目标区域提取模块,用于根据所述分割阈值确定所述待检测图像中的目标区域。
9.一种医疗影像系统,其特征在于,所述医疗影像系统包括:
投影数据获取装置,用于获取包含目标区域的待检测图像的投影数据;
计算机设备,连接所述投影数据获取装置,所述计算机设备包括存储器和一个或多个处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器在执行所述程序时根据所述投影数据确定待检测图像,并执行如权利要求1-7中任一所述的图像目标区域的检测方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,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如权利要求1-7中任一所述的图像目标区域的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711362282.XA CN108108739B (zh) | 2017-12-18 | 2017-12-18 | 图像目标区域的检测方法、装置、x射线系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711362282.XA CN108108739B (zh) | 2017-12-18 | 2017-12-18 | 图像目标区域的检测方法、装置、x射线系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108108739A CN108108739A (zh) | 2018-06-01 |
CN108108739B true CN108108739B (zh) | 2021-11-16 |
Family
ID=62209680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711362282.XA Active CN108108739B (zh) | 2017-12-18 | 2017-12-18 | 图像目标区域的检测方法、装置、x射线系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108108739B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223104B (zh) * | 2018-11-23 | 2023-10-10 | 杭州海康威视数字技术股份有限公司 | 一种包裹提取及跟踪方法、装置及电子设备 |
CN110097542B (zh) * | 2019-04-19 | 2023-09-12 | 中山大学 | 芯片气泡的检测方法、装置及存储介质 |
EP4428818A2 (en) * | 2019-05-24 | 2024-09-11 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for processing x-ray images |
WO2020238819A1 (en) * | 2019-05-24 | 2020-12-03 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
CN110728678A (zh) * | 2019-10-22 | 2020-01-24 | 上海联影医疗科技有限公司 | 一种图像区域分类方法、系统、装置及存储介质 |
CN110163857B (zh) * | 2019-05-24 | 2022-03-04 | 上海联影医疗科技股份有限公司 | 图像背景区域的检测方法、装置、存储介质及x射线系统 |
CN110503114B (zh) * | 2019-08-29 | 2023-04-07 | 中国科学院深圳先进技术研究院 | 图像特征提取方法、装置、肿瘤识别系统及存储介质 |
CN110795998B (zh) * | 2019-09-19 | 2023-03-24 | 深圳云天励飞技术有限公司 | 人流量的检测方法、装置、电子设备及可读存储介质 |
CN113297943B (zh) * | 2021-05-18 | 2022-12-02 | 北京远舢智能科技有限公司 | 基于混合现实的设备辅助控制技术 |
CN113191451B (zh) * | 2021-05-21 | 2024-04-09 | 北京文安智能技术股份有限公司 | 图像数据集处理方法和目标检测模型训练方法 |
CN113592831B (zh) * | 2021-08-05 | 2024-03-19 | 北京方正印捷数码技术有限公司 | 印刷误差的检测方法、装置和存储介质 |
CN115272321B (zh) * | 2022-09-28 | 2023-01-10 | 山东军冠纺织有限公司 | 一种基于机器视觉的纺织品缺陷检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2399629A (en) * | 2003-01-22 | 2004-09-22 | Univ Brunel | Automatic thresholding algorithm method and apparatus |
CN103578095A (zh) * | 2012-07-24 | 2014-02-12 | 南京理工大学 | 基于灰度直方图的多阈值分割法 |
CN104952060A (zh) * | 2015-03-19 | 2015-09-30 | 杭州电子科技大学 | 一种红外行人感兴趣区域自适应分割提取方法 |
CN105447879A (zh) * | 2015-12-15 | 2016-03-30 | 上海联影医疗科技有限公司 | 乳房图像中检测胸肌的方法及装置 |
CN105513035A (zh) * | 2014-09-22 | 2016-04-20 | 北京计算机技术及应用研究所 | 一种被动毫米波图像中人体隐匿物品的检测方法及其系统 |
-
2017
- 2017-12-18 CN CN201711362282.XA patent/CN108108739B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2399629A (en) * | 2003-01-22 | 2004-09-22 | Univ Brunel | Automatic thresholding algorithm method and apparatus |
CN103578095A (zh) * | 2012-07-24 | 2014-02-12 | 南京理工大学 | 基于灰度直方图的多阈值分割法 |
CN105513035A (zh) * | 2014-09-22 | 2016-04-20 | 北京计算机技术及应用研究所 | 一种被动毫米波图像中人体隐匿物品的检测方法及其系统 |
CN104952060A (zh) * | 2015-03-19 | 2015-09-30 | 杭州电子科技大学 | 一种红外行人感兴趣区域自适应分割提取方法 |
CN105447879A (zh) * | 2015-12-15 | 2016-03-30 | 上海联影医疗科技有限公司 | 乳房图像中检测胸肌的方法及装置 |
Non-Patent Citations (5)
Title |
---|
基于各向异性自适应高斯加权方向窗的非局部三维Otsu图像门限分割;颜学颖 等;《电子与信息学报》;20121130;第34卷(第11期);全文 * |
基于图像处理的纱线细度测量;姬建正;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20120715(第07期);全文 * |
基于多光谱海洋遥感图像的地物分离方法研究;吴迪;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130215(第02期);论文第36-38、46-47页 * |
基于多峰分布最大类间方差的垩白米粒检测方法;徐建东 等;《光电子•激光》;20120531;第23卷(第5期);全文 * |
快速递归多阈值分割算法;申铉京 等;《吉林大学学报(工学版)》;20160331;第46卷(第2期);第528-533页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108108739A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108739B (zh) | 图像目标区域的检测方法、装置、x射线系统及存储介质 | |
CN108765369B (zh) | 肺结节的检测方法、装置、计算机设备和存储介质 | |
US10635890B2 (en) | Facial recognition method and apparatus, electronic device, and storage medium | |
CN111862044B (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
CN110532851B (zh) | 指静脉识别方法、装置、计算机设备和存储介质 | |
CN109272002B (zh) | 一种骨龄片的分类方法及装置 | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
CN107871319B (zh) | 限束器区域的检测方法、装置、x射线系统和存储介质 | |
CN107622501B (zh) | 一种医学图像的边界检测的方法 | |
CN112184733B (zh) | 一种宫颈异常细胞检测装置及方法 | |
CN112037185A (zh) | 染色体分裂相图像筛选方法、装置及终端设备 | |
CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
CN108765421B (zh) | 乳房医学图像处理方法、装置和aec曝光参数获取方法 | |
CN111105427A (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
CN114693604A (zh) | 脊椎医学影像处理方法、装置、设备及存储介质 | |
CN112034981A (zh) | 显示终端控制方法、显示终端及计算机可读存储介质 | |
CN105374025B (zh) | 乳房图像获取方法及装置、乳房摄影系统 | |
US8160336B2 (en) | Reducing false positives for automatic computerized detection of objects | |
Shih | A precise automatic system for the hair assessment in hair‐care diagnosis applications | |
CN111199228A (zh) | 一种车牌定位的方法及装置 | |
CN114418848B (zh) | 视频处理方法、装置、存储介质及电子设备 | |
US11055852B2 (en) | Fast automatic trimap generation and optimization for segmentation refinement | |
CN113724237A (zh) | 齿痕识别方法、装置、计算机设备及存储介质 | |
CN109934870B (zh) | 目标检测方法、装置、设备、计算机设备和存储介质 | |
CN111369532A (zh) | 乳腺x射线影像的处理方法和装置 |
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 |