CN108416749A - 一种超声图像处理方法、装置和计算机设备 - Google Patents

一种超声图像处理方法、装置和计算机设备 Download PDF

Info

Publication number
CN108416749A
CN108416749A CN201810167109.2A CN201810167109A CN108416749A CN 108416749 A CN108416749 A CN 108416749A CN 201810167109 A CN201810167109 A CN 201810167109A CN 108416749 A CN108416749 A CN 108416749A
Authority
CN
China
Prior art keywords
ultrasonoscopy
textural characteristics
algorithm
image
characterize
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
Application number
CN201810167109.2A
Other languages
English (en)
Inventor
邸影
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.)
Neusoft Medical Systems Co Ltd
Original Assignee
Neusoft Medical Systems 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 Neusoft Medical Systems Co Ltd filed Critical Neusoft Medical Systems Co Ltd
Priority to CN201810167109.2A priority Critical patent/CN108416749A/zh
Publication of CN108416749A publication Critical patent/CN108416749A/zh
Pending legal-status Critical Current

Links

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种超声图像处理方法、装置和计算机设备。本申请提供的超声图像处理方法，包括：提取待处理的超声图像的纹理特征；确定与所述纹理特征匹配的图像增强算法；根据所述图像增强算法，对所述超声图像进行增强处理。本申请提供的超声图像处理方法、装置和计算机设备，通过提取待处理的超声图像的纹理特征，进而结合提取的纹理特征，确定与纹理特征匹配的图像增强算法对待处理的超声图像进行增强处理，这样，采用确定的图像增强算法，能够针对性地对超声图像进行增强处理，使超声图像的细节更加清晰，有效地改善超声图像的视觉效果。

Description

一种超声图像处理方法、装置和计算机设备
技术领域
本申请涉及图像处理技术，尤其涉及一种图像处理方法、装置和计算机设备。
背景技术
医用超声诊断设备因其安全、实时、费用低等优点，越来越多地应用于医学诊断中。由于超声特定的成像机制和检测组织的不均匀性，使得超声成像容易受到各种噪声的干扰，超声图像的质量严重下降，而超声图像质量的好坏直接影响临床的诊断效果，因此，需要对超声图像进行处理，以提高图像质量。
目前，常采用图像增强算法对超声图像进行增强处理，以使超声图像的细节更加清晰。例如，当前常用的图像增强算法可以包括：灰度变换算法、同态滤波算法和Gamma校正算法等，可以任意选择一种算法进行图像增强的处理。但是，当前的增强方法仍然不能达到很好的效果，影响超声图像的质量。
发明内容
有鉴于此，本申请提供一种超声图像处理方法、装置和计算机设备，以解决现有的增强方法不能达到较好的处理效果的问题。
本申请第一方面提供一种超声图像处理方法，包括：
提取待处理的超声图像的纹理特征；
确定与所述纹理特征匹配的图像增强算法；
根据所述图像增强算法，对所述超声图像进行增强处理。
进一步地，所述确定与所述纹理特征匹配的图像增强算法，包括：
当所述纹理特征表征所述超声图像纹理清晰时，确定与所述纹理特征匹配的图像增强算法为线性灰度变换算法；
当所述纹理特征表征所述超声图像纹理模糊时，确定与所述纹理特征匹配的图像增强算法为直方图均衡化算法。
进一步地，所述纹理特征包括灰度差分统计法中的对比度和熵，所述纹理特征表征所述超声图像纹理清晰，包括：
当所述超声图像的对比度大于第一预设阈值，且所述超声图像的熵小于第二预设阈值时，表征所述超声图像纹理清晰；
所述纹理特征表征所述超声图像纹理模糊，包括：
当所述超声图像的对比度不大于所述第一预设阈值，和/或，所述超声图像的熵不小于所述第二预设阈值时，表征所述超声图像纹理模糊。
进一步地，所述提取待处理的超声图像的纹理特征之前，所述方法还包括：
对所述超声图像进行滤波处理。
进一步地，所述对所述超声图像进行滤波处理，包括：
采用空间域图像去噪算法结合变换域图像去噪算法，对所述超声图像进行滤波处理。
本申请第二方面提供一种超声图像处理装置，包括提取模块、第一处理模块和第二处理模块，其中，
所述提取模块，用于提取待处理的超声图像的纹理特征；
所述第一处理模块，用于确定与所述纹理特征匹配的图像增强算法；
所述第二处理模块，用于根据所述图像增强算法，对所述超声图像进行增强处理。
进一步地，所述第一处理模块，具体用于当所述纹理特征表征所述超声图像纹理清晰时，确定与所述纹理特征匹配的图像增强算法为线性灰度变换算法；当所述纹理特征表征所述超声图像纹理模糊时，确定与所述纹理特征匹配的图像增强算法为直方图均衡化算法。
进一步地，所述纹理特征包括灰度差分统计法中的对比度和熵，所述纹理特征表征所述超声图像纹理清晰，包括：
当所述超声图像的对比度大于第一预设阈值，且所述超声图像的熵小于第二预设阈值时，表征所述超声图像纹理清晰；
所述纹理特征表征所述超声图像纹理模糊，包括：
当所述超声图像的对比度不大于所述第一预设阈值，和/或，所述超声图像的熵不小于所述第二预设阈值时，表征所述超声图像纹理模糊。
进一步地，所述第二处理模块，还用于在所述提取模块提取待处理的超声图像的纹理特征之前，对所述超声图像进行滤波处理。
进一步地，所述第二处理模块，具体用于采用空间域图像去噪算法结合变换域图像去噪算法，对所述超声图像进行滤波处理。
本申请第三方面提供一种计算机存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本申请第一方面提供的方法的步骤。
本申请第四方面提供一种计算机设备，包括存储器、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，所述处理器执行所述程序时实现本申请第一方面提供的方法的步骤。
本申请提供的超声图像处理方法、装置和计算机设备，通过提取待处理的超声图像的纹理特征，进而结合提取的纹理特征，确定与纹理特征匹配的图像增强算法对待处理的超声图像进行增强处理，这样，采用确定的图像增强算法，能够针对性地对超声图像进行增强处理，使超声图像的细节更加清晰，有效地改善超声图像的视觉效果。并且，对于不同的超声图像，由于各超声图像的纹理特征不同，因此，可结合各超声图像的纹理特征，选择不同的图像增强算法对各超声图像进行处理，这样，针对不同的超声图像，均能够有效地改善超声图像的视觉效果。
附图说明
图1为本申请提供的超声图像处理方法实施例一的流程图；
图2为本申请提供的超声图像处理方法实施例二的流程图；
图3为本申请提供的超声图像处理方法实施例三的流程图；
图4为本申请一示例性实施例示出的超声图像处理装置所在计算机设备的硬件结构图；
图5为本申请提供的超声图像处理装置实施例一的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请提供一种超声图像处理方法、装置和计算机设备，以解决现有的增强方法不能达到较好的处理效果的问题。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本申请提供的超声图像处理方法实施例一的流程图。该方法的执行主体可以为单独的超声图像处理装置，也可以为集成有超声图像处理装置的计算机设备，下面以执行主体为单独的超声图像处理装置为例进行说明。请参照图1，本实施例提供的超声图像处理方法，可以包括：
S101、提取待处理的超声图像的纹理特征。
具体的，纹理作为物体表面的一种自然属性，是人类视觉系统区分自然界物体的重要依据(不同的物体具有不同的纹理特征，根据纹理特征，可以识别物体)。纹理是指存在于图像中的某一范围内的形状很小的、半周期性或有规律地排列的图案，在图像中使用纹理表示图像的均匀、细致、粗糙等现象。纹理特征是指图像灰度级的变化，主要用于描述物体表面粗糙度、规则性和方向性等特性。
此外，本实施例提供的方法，可以采用灰度共生矩阵法、灰度差分统计法、同步自回归模型法和高斯马尔可夫随机场模型法等方法来提取待处理的超声图像的纹理特征。有关各方法的具体实现原理和实现过程可以参见现有技术的描述，此处不再赘述。
例如，可采用灰度共生矩阵法提取超声图像的角二阶距、对比度和熵等；再例如，可以采用灰度差分统计法提取超声图像的角二阶距、对比度、熵和平均值等。
下面以采用灰度差分统计法提取待处理的超声图像的对比度和熵为例进行说明。具体的，该方法的具体实现原理为：
设(x,y)为图像中的一个像素点，该像素点与像素点(x+Δx,y+Δy)的灰度值的差值称为灰度差分gΔ(x,y)，即
gΔ(x,y)＝g(x,y)-g(x+Δx,y+Δy)
设灰度差分的所有可能取值共有m级，令点(x,y)在整个画面上移动，累计出gΔ(x,y)取不同值的次数，由此便可以作出gΔ(x,y)的直方图，由直方图可计算得到gΔ(x,y)取值为i时的概率pΔ(i)。
进一步地，按照公式(1)和公式(2)计算图像的对比度con和熵ent：
S102、确定与上述纹理特征匹配的图像增强算法。
具体的，参见前面的介绍可知，不同的物体具有不同的纹理特征，对于超声图像，即不同的组织对应的超声图像的纹理特征不同。本步骤中，所述的“匹配”，可以理解为，不同的组织对应的超声图像在做增强处理时，可以采用不同的增强算法。
进一步地，参见前面的介绍可知，纹理特征是指图像灰度级的变化。本步骤中所述的“匹配”，还可以理解为，当图像的灰度级的变化不同时，选用不同的图像增强算法对图像进行增强处理。例如，当图像的灰度级的变化比较明显，即图像的对比度比较明显时，采用简单的图像增强算法对图像进行处理；当图像的灰度级的变化不明显，即图像的对比度比较接近时，采用增强效果更明显的图像增强算法对图像进行处理。
此外，本步骤中所述的“匹配”，还可以理解为，纹理特征能够用来表征一个图像的清晰度，不同的清晰度的图像在做增强处理时，可以采用不同的增强算法。比如，一个图像如果相对来说比较清晰，那么在增强处理时可以采用简单一些的算法，稍微增强就可以了；而如果一个图像比较模糊，就采用增强效果更明显的一些算法。
例如，在本申请一可能的实现方式中，可根据提取的超声图像的纹理特征、以及预设的纹理特征与图像增强算法的对应关系，确定与上述纹理特征匹配的图像增强算法。
例如，在一可能的实现方式中，纹理特征包括共生矩阵法中的对比度，预设的纹理特征与图像增强算法的对应关系如表1所示，这样，本步骤中，即可根据提取的超声图像的共生矩阵法中的对比度和如表1所示的纹理特征与图像增强算法的对应关系，确定与提取的纹理特征匹配的图像增强算法。例如，在一实施例中，提取的超声图像的共生矩阵法中的对比度为c，其中，c小于A，本例中，确定与提取的纹理特征匹配的图像增强算法为同态滤波算法。
表1预设的纹理特征与图像增强算法的对应关系
共生矩阵法中的对比度 图像增强算法
小于A 同态滤波算法
[A B] Gamma校正算法
大于B 偏微分方程算法
需要说明的是，本实施例提供的方法，正是由于提取了图像的纹理特征，进而确定与上述纹理特征匹配的图像增强算法，并采用上述纹理特征对图像进行处理，这样，才能够针对性地对超声图像进行增强处理，使超声图像的细节更加清晰，有效地改善超声图像的视觉效果。
S103、根据上述图像增强算法，对上述超声图像进行增强处理。
具体的，当经过步骤S102确定了与提取的纹理特征匹配的图像增强算法后，本步骤中，就根据确定的图像增强算法，对上述超声图像进行增强处理，这样，采用确定的图像增强算法，能够针对性地对超声图像进行增强处理，使超声图像的细节更加清晰，有效地改善超声图像的视觉效果。
本实施例提供的超声图像处理方法，通过提取待处理的超声图像的纹理特征，进而结合提取的纹理特征，确定与纹理特征匹配的图像增强算法对待处理的超声图像进行增强处理，这样，采用确定的图像增强算法，能够针对性地对超声图像进行增强处理，使超声图像的细节更加清晰，有效地改善超声图像的视觉效果。并且，对于不同的超声图像，由于各超声图像的纹理特征不同，因此，可结合各超声图像的纹理特征，选择不同的图像增强算法对各超声图像进行处理，这样，针对不同的超声图像，均能够有效地改善超声图像的视觉效果。
图2为本申请提供的超声图像处理方法实施例二的流程图。本实施例涉及的是确定与纹理特征匹配的图像增强算法的具体过程。参见图2，在上述实施例的基础上，本实施例提供的方法，步骤S102具体包括：
S201、当上述纹理特征表征上述超声图像纹理清晰时，确定与上述纹理特征匹配的图像增强算法为线性灰度变换算法。
S202、当上述纹理特征表征上述超声图像纹理模糊时，确定与上述纹理特征匹配的图像增强算法为直方图均衡化算法。
具体的，纹理特征能够表征图像的纹理特性，例如，表征图像纹理清晰或表征图像纹理模糊。因此，本实施例提供的方法，可根据提取的纹理特征表征的纹理特性来确定与提取的纹理特征匹配的图像增强算法，当纹理特征表征超声图像纹理清晰时，确定与上述纹理特征匹配的图像增强算法为线性灰度变换算法；当纹理特征表征超声图像纹理模糊时，确定与上述纹理特征匹配的图像增强算法为直方图均衡化算法。
可选地，在一可能的实现方式中，提取的纹理特征包括灰度差分统计法中的对比度和熵，此时，当超声图像的对比度大于第一预设阈值，且上述超声图像的熵小于第二预设阈值时，表征上述超声图像纹理清晰，确定与上述纹理特征匹配的图像增强算法为线性灰度变换算法。进一步地，当超声图像的对比度不大于上述第一预设阈值，和/或，上述超声图像的熵不小上述第二预设阈值时，表征上述超声图像纹理模糊，确定与上述纹理特征匹配的图像增强算法为直方图均衡化算法。
下面简单介绍一下线性灰度变换算法和直方图均衡化算法的具体原理。
具体的，线性灰度变换的过程可表示为G(x,y)＝T(g(x,y))，即将图像中每个像素点(x,y)的灰度值g(x,y)，通过变换函数T变换成灰度值G(x,y)。需要说明的是，在采用线性灰度变换算法对图像进行增强处理时，根据不同的需求，可选择不同的变换函数。
例如，在一可能的实现方式中，当超声图像的最大灰度值与最小灰度值的差值小于第三预设阈值时，即超声图像的灰度值的范围较小时，选择第一变换函数对超声图像进行增强处理；其中，第一变换函数为连续函数。
进一步地，当超声图像的最大灰度值与最小灰度值的差值大于或者等于第三预设阈值时，即超声图像的灰度值的范围较大时，选择第二变换函数对超声图像进行增强处理；其中，第二变换函数为分段函数。
例如，在一可能的实现方式中，第一变换函数可以为：
G(x,y)＝ag(x,y)+b
第二变换函数可以为：
其中，g(x,y)为超声图像中像素点(x,y)的灰度值；G(x,y)为像素点(x,y)变换后的灰度值；a、b、c、d、e均为常数；[M1M2]为超声图像中的感兴趣区域的灰度值的范围；[0M3]为超声图像的灰度值的范围。
进一步地，直方图均衡化算法是将图像的直方图改变为在整个灰度范围内基本均匀地分布的形式，由此扩大像素灰度的动态范围，增强图像的对比度。直方图均衡化算法的实现过程包括：
(1)计算超声图像的灰度直方图H[i]
需要说明的是，灰度直方图中，横坐标为灰度级，纵坐标为各灰度级的像素点的数目。具体实现时，可先确定超声图像的所有灰度级，进而统计超声图像中各灰度级的像素点的数目，得到灰度直方图。
(2)计算比例因子
具体的，比例因子a＝255/n，其中，n为超声图像中像素点的总数目。
(3)对所有存在的灰度级i，计算累积直方图C[i]
具体的，采用如下公式得到累积直方图C[i]：
C[i]＝C[i-1]+aH[i]
需要说明的是，C[0]＝aH[0]。
(4)根据像素点(x,y)的灰度值g(x,y)，计算该像素点变换后的灰度值G(x,y)
具体的，可按照如下公式计算像素点(x,y)变换后的灰度值：
G(x,y)＝C[g(x,y)]
结合上面的例子，例如，超声图像中的像素点(x,y)的灰度值为100，则经变换后，该像素点的灰度值为C[100]，根据步骤(1)至(3)，可以计算得到C[100]。
图3为本申请提供的超声图像处理方法实施例三的流程图。本申请提供的方法，与前述实施例提供的方法的区别在于：在对超声图像进行增强之前，先对超声图像进行滤波处理。这样，可去除超声图像的噪声，避免噪声对后续的图像增强处理造成影响，以使图像增强的效果更好。请参照图3，本实施例提供的方法，可以包括：
S301、对待处理的超声图像进行滤波处理。
具体的，本步骤中，可采用空间域图像去噪算法对待处理的超声图像进行滤波处理，例如，可采用中值滤波算法、均值滤波算法和高斯滤波算法等。当然，也可采用变换域图像去噪算法对待处理的超声图像进行滤波处理，例如，可采用基于小波变换的图像去噪算法、基于傅里叶变换的图像去噪算法、基于沃尔什-哈达玛变换的图像去噪算法和基于余弦变换的图像算法等。
可选地，在本申请一可能的实现方式中，可采用空间域图像去噪算法结合变换域图像去噪算法，对待处理的超声图像进行滤波处理。
例如，在一实施例中，可采用高斯滤波算法结合基于傅里叶变换的图像去噪算法对待处理的超声图像进行滤波处理。
再例如，在另一实施例中，可采用中值滤波算法结合基于小波变换的图像去噪算法对待处理的超声图像进行处理。
具体的，中值滤波算法的基本原理是图像中的一点的值用该点的一个领域中各点值的中值代替，从而消除噪声点。具体的实现过程包括：(1)设置领域窗口。例如，可将领域窗口设置为四领域或八领域；(2)用领域窗口中各点值的中值代替该点的值。例如，当领域窗口中包含的像素个数为偶数，此时，将各个像素的灰度值进行排序，中值取排在中间的两个像素的灰度值的平均值。再例如，若领域窗口包含的像素个数为奇数，此时，将各个像素的灰度值进行排序，中值取排在中间的像素的灰度值。
进一步地，基于小波变换的图像去噪算法的基本原理是：有用信号通常表现为低频信号或是一些比较平稳的信号，而噪声信号则通常表现为高频信号，对原始信号进行小波分解后，噪声部分通常包含在高频系统中，这样，可对小波分解的高频系统以门限阈值等形式进行量化处理，最后再对信号重构即可达到去噪的目的。
本实施例提供的方法，采用空间域图像去噪算法结合变换域图像去噪算法，对待处理的超声图像进行滤波处理。这样，可有效地去除各种干扰引起的噪声，有效地改善超声图像的视觉效果。
S302、提取上述超声图像的纹理特征。
S303、确定与上述纹理特征匹配的图像增强算法。
S304、根据上述图像增强算法，对上述超声图像进行增强处理。
具体的，步骤S302至S304的具体实现过程及实现原理可以参见实施例一步骤S101至S103的描述，此处不再赘述。
本实施例提供的超声图像处理方法，通过对超声图像进行滤波处理，并提取超声图像的纹理特征，进而确定与提取的纹理特征匹配的图像增强算法，从而根据确定的图像增强算法，对超声图像进行增强处理。这样，可有效地去除噪声，有效地提高超声图像的质量，此外，选择与纹理特征匹配的图像增强算法对超声图像进行增强处理，能够使超声图像的细节更加清晰，因此，本申请提供的图像处理方法，能够有效地提高超声图像的质量。
与前述超声图像处理方法的实施例相对应，本申请还提供了超声图像处理装置的实施例。
本申请超声图像处理装置的实施例可以应用在计算机设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在计算机设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图4所示，为本申请超声图像处理装置所在计算机设备的一种硬件结构图，除了图4所示的存储器410、处理器420、网络接口430和内存440之外，实施例中装置所在的计算机设备通常根据该超声图像处理装置的实际功能，还可以包括其他硬件，对此不再赘述。
图5为本申请提供的超声图像处理装置实施例一的结构示意图。请参照图5，本实施例提供的超声图像处理装置，可以包括提取模块510、第一处理模块520和第二处理模块530，其中，
所述提取模块510，用于提取待处理的超声图像的纹理特征；
所述第一处理模块520，用于确定与所述纹理特征匹配的图像增强算法；
所述第二处理模块530，用于根据所述图像增强算法，对所述超声图像进行增强处理。
具体的，本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
进一步地，所述第一处理模块520，具体用于当所述纹理特征表征所述超声图像纹理清晰时，确定与所述纹理特征匹配的图像增强算法为线性灰度变换算法；当所述纹理特征表征所述超声图像纹理模糊时，确定与所述纹理特征匹配的图像增强算法为直方图均衡化算法。
进一步地，所述纹理特征包括灰度差分统计法中的对比度和熵，所述纹理特征表征所述超声图像纹理清晰，包括：
当所述超声图像的对比度大于第一预设阈值，且所述超声图像的熵小于第二预设阈值时，表征所述超声图像纹理清晰；
所述纹理特征表征所述超声图像纹理模糊，包括：
当所述超声图像的对比度不大于所述第一预设阈值，和/或，所述超声图像的熵不小于所述第二预设阈值时，表征所述超声图像纹理模糊。
进一步地，所述第二处理模块530，还用于在所述提取模块提取待处理的超声图像的纹理特征之前，对所述超声图像进行滤波处理。
进一步地，所述第二处理模块530，具体用于采用空间域图像去噪算法结合变换域图像去噪算法，对所述超声图像进行滤波处理。
本申请还提供一种计算机存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本申请第一方面提供的方法的步骤。
具体的，适合于存储计算机程序指令和数据的计算机存储介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。此外，处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
请继续参照图4，本申请还提供一种计算机设备，包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序，所述处理器420执行所述程序时实现本申请第一方面提供的方法的步骤。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (12)

1.一种超声图像处理方法，其特征在于，所述方法包括：
提取待处理的超声图像的纹理特征；
确定与所述纹理特征匹配的图像增强算法；
根据所述图像增强算法，对所述超声图像进行增强处理。
2.根据权利要求1所述的方法，其特征在于，所述确定与所述纹理特征匹配的图像增强算法，包括：
当所述纹理特征表征所述超声图像纹理清晰时，确定与所述纹理特征匹配的图像增强算法为线性灰度变换算法；
当所述纹理特征表征所述超声图像纹理模糊时，确定与所述纹理特征匹配的图像增强算法为直方图均衡化算法。
3.根据权利要求2所述的方法，其特征在于，所述纹理特征包括灰度差分统计法中的对比度和熵，所述纹理特征表征所述超声图像纹理清晰，包括：
当所述超声图像的对比度大于第一预设阈值，且所述超声图像的熵小于第二预设阈值时，表征所述超声图像纹理清晰；
所述纹理特征表征所述超声图像纹理模糊，包括：
当所述超声图像的对比度不大于所述第一预设阈值，和/或，所述超声图像的熵不小于所述第二预设阈值时，表征所述超声图像纹理模糊。
4.根据权利要求1所述的方法，其特征在于，所述提取待处理的超声图像的纹理特征之前，所述方法还包括：
对所述超声图像进行滤波处理。
5.根据权利要求4所述的方法，其特征在于，所述对所述超声图像进行滤波处理，包括：
采用空间域图像去噪算法结合变换域图像去噪算法，对所述超声图像进行滤波处理。
6.一种超声图像处理装置，其特征在于，所述装置包括提取模块、第一处理模块和第二处理模块，其中，
所述提取模块，用于提取待处理的超声图像的纹理特征；
所述第一处理模块，用于确定与所述纹理特征匹配的图像增强算法；
所述第二处理模块，用于根据所述图像增强算法，对所述超声图像进行增强处理。
7.根据权利要求6所述的装置，其特征在于，所述第一处理模块，具体用于当所述纹理特征表征所述超声图像纹理清晰时，确定与所述纹理特征匹配的图像增强算法为线性灰度变换算法；当所述纹理特征表征所述超声图像纹理模糊时，确定与所述纹理特征匹配的图像增强算法为直方图均衡化算法。
8.根据权利要求7所述的装置，其特征在于，所述纹理特征包括灰度差分统计法中的对比度和熵，所述纹理特征表征所述超声图像纹理清晰，包括：
当所述超声图像的对比度大于第一预设阈值，且所述超声图像的熵小于第二预设阈值时，表征所述超声图像纹理清晰；
所述纹理特征表征所述超声图像纹理模糊，包括：
当所述超声图像的对比度不大于所述第一预设阈值，和/或，所述超声图像的熵不小于所述第二预设阈值时，表征所述超声图像纹理模糊。
9.根据权利要求6所述的装置，其特征在于，所述第二处理模块，还用于在所述提取模块提取待处理的超声图像的纹理特征之前，对所述超声图像进行滤波处理。
10.根据权利要求9所述的装置，其特征在于，所述第二处理模块，具体用于采用空间域图像去噪算法结合变换域图像去噪算法，对所述超声图像进行滤波处理。
11.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-5所述方法的步骤。
12.一种计算机设备，包括存储器、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，所述处理器执行所述程序时实现权利要求1-5所述方法的步骤。
CN201810167109.2A 2018-02-28 2018-02-28 一种超声图像处理方法、装置和计算机设备 Pending CN108416749A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810167109.2A CN108416749A (zh) 2018-02-28 2018-02-28 一种超声图像处理方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810167109.2A CN108416749A (zh) 2018-02-28 2018-02-28 一种超声图像处理方法、装置和计算机设备

Publications (1)

Publication Number Publication Date
CN108416749A true CN108416749A (zh) 2018-08-17

Family

ID=63129338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810167109.2A Pending CN108416749A (zh) 2018-02-28 2018-02-28 一种超声图像处理方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN108416749A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800820A (zh) * 2019-01-30 2019-05-24 四川大学华西医院 一种基于超声造影图像均匀程度的分类方法
CN109934784A (zh) * 2019-03-12 2019-06-25 中国科学院长春光学精密机械与物理研究所 图像增强方法、装置、设备及计算机可读存储介质
CN110533609A (zh) * 2019-08-16 2019-12-03 域鑫科技（惠州）有限公司 适用于内窥镜的图像增强方法、装置和存储介质
CN111080535A (zh) * 2019-11-05 2020-04-28 浙江大华技术股份有限公司 图像增强方法和计算机存储介质
CN111223054A (zh) * 2019-11-19 2020-06-02 深圳开立生物医疗科技股份有限公司 超声图像评估方法和装置
CN111597284A (zh) * 2020-04-29 2020-08-28 武汉子雨科技有限公司 一种快速提取测绘地理信息数据的方法
CN114979458A (zh) * 2021-02-26 2022-08-30 华为技术有限公司 一种图像的拍摄方法及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102314673A (zh) * 2011-08-02 2012-01-11 中国科学院长春光学精密机械与物理研究所 一种自适应图像增强方法
CN102982511A (zh) * 2012-09-17 2013-03-20 中国人民解放军理工大学气象学院 一种图像智能优化处理方法
CN105869135A (zh) * 2015-01-19 2016-08-17 青岛软控机电工程有限公司 轮胎缺陷的检测方法和装置
CN106815853A (zh) * 2016-12-14 2017-06-09 海纳医信（北京）软件科技有限责任公司 对眼底图像中视网膜血管的分割方法和装置
CN107742301A (zh) * 2017-10-25 2018-02-27 哈尔滨理工大学 基于图像分类的复杂背景下输电线路图像处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102314673A (zh) * 2011-08-02 2012-01-11 中国科学院长春光学精密机械与物理研究所 一种自适应图像增强方法
CN102982511A (zh) * 2012-09-17 2013-03-20 中国人民解放军理工大学气象学院 一种图像智能优化处理方法
CN105869135A (zh) * 2015-01-19 2016-08-17 青岛软控机电工程有限公司 轮胎缺陷的检测方法和装置
CN106815853A (zh) * 2016-12-14 2017-06-09 海纳医信（北京）软件科技有限责任公司 对眼底图像中视网膜血管的分割方法和装置
CN107742301A (zh) * 2017-10-25 2018-02-27 哈尔滨理工大学 基于图像分类的复杂背景下输电线路图像处理方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800820A (zh) * 2019-01-30 2019-05-24 四川大学华西医院 一种基于超声造影图像均匀程度的分类方法
CN109934784A (zh) * 2019-03-12 2019-06-25 中国科学院长春光学精密机械与物理研究所 图像增强方法、装置、设备及计算机可读存储介质
CN110533609A (zh) * 2019-08-16 2019-12-03 域鑫科技（惠州）有限公司 适用于内窥镜的图像增强方法、装置和存储介质
CN110533609B (zh) * 2019-08-16 2022-05-27 域鑫科技（惠州）有限公司 适用于内窥镜的图像增强方法、装置和存储介质
CN111080535A (zh) * 2019-11-05 2020-04-28 浙江大华技术股份有限公司 图像增强方法和计算机存储介质
CN111223054A (zh) * 2019-11-19 2020-06-02 深圳开立生物医疗科技股份有限公司 超声图像评估方法和装置
CN111223054B (zh) * 2019-11-19 2024-03-15 深圳开立生物医疗科技股份有限公司 超声图像评估方法和装置
CN111597284A (zh) * 2020-04-29 2020-08-28 武汉子雨科技有限公司 一种快速提取测绘地理信息数据的方法
CN114979458A (zh) * 2021-02-26 2022-08-30 华为技术有限公司 一种图像的拍摄方法及电子设备
CN114979458B (zh) * 2021-02-26 2023-08-22 华为技术有限公司 一种图像的拍摄方法及电子设备

Similar Documents

Publication Publication Date Title
CN108416749A (zh) 一种超声图像处理方法、装置和计算机设备
Nobi et al. A New Method to Remove Noise in Magnetic Resonance and Ultrasound Images.
Mateo et al. Finding out general tendencies in speckle noise reduction in ultrasound images
Singh et al. Feature enhancement in medical ultrasound videos using contrast-limited adaptive histogram equalization
Yu et al. Ultrasound speckle reduction by a SUSAN-controlled anisotropic diffusion method
CN108876733B (zh) 一种图像增强方法、装置、设备和存储介质
JP2006116307A (ja) 後処理を通じた２次元超音波映像の画質改善方法及び装置
Goyal et al. A three stage integrated denoising approach for grey scale images
EP1849310A2 (en) Adaptive image de-noising by pixels relation maximization
Mei et al. Improved non-local self-similarity measures for effective speckle noise reduction in ultrasound images
Sahli et al. Analytic approach for fetal head biometric measurements based on log gabor features
Obukhova et al. Review of noise reduction methods and estimation of their effectiveness for medical endoscopic images processing
CN108629740A (zh) 一种图像去噪的处理方法及装置
Resham et al. Noise reduction, enhancement and classification for sonar images
Nisha et al. Wavelet coefficients thresholding techniques for denoising MRI images
CN109584190A (zh) 一种基于小波变换低频直方图受限的对比度图像增强方法
Zhu et al. Two-stage non-local means filtering with adaptive smoothing parameter
Rajalaxmi et al. Entropy-based straight kernel filter for echocardiography image denoising
Yang Research on image filtering method to combine mathematics morphology with adaptive median filter
CN110706170B (zh) 一种便携式b型超声诊断设备图像的去噪方法
Magud et al. An algorithm for medical ultrasound image enhancement by speckle noise reduction
Satapathy et al. A new approach of image denoising based on adaptive multi-resolution technique
Zhu et al. Speckle noise suppression techniques for ultrasound images
Radhika et al. An adaptive optimum weighted mean filter and bilateral filter for noise removal in cardiac MRI images
Fang et al. Speckle suppression algorithm for ultrasound image based on Bayesian nonlocal means filtering

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: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province

Applicant after: Shenyang Neusoft Medical Systems Co.,Ltd.

Address before: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province

Applicant before: SHENYANG NEUSOFT MEDICAL SYSTEMS Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180817