CN108460738A - 基于b样条的医学图像倾斜校正方法 - Google Patents
基于b样条的医学图像倾斜校正方法 Download PDFInfo
- Publication number
- CN108460738A CN108460738A CN201810153351.4A CN201810153351A CN108460738A CN 108460738 A CN108460738 A CN 108460738A CN 201810153351 A CN201810153351 A CN 201810153351A CN 108460738 A CN108460738 A CN 108460738A
- Authority
- CN
- China
- Prior art keywords
- image
- medical image
- spline
- corrected
- edge
- 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 38
- 238000012937 correction Methods 0.000 claims abstract description 25
- 238000003708 edge detection Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 17
- 238000002591 computed tomography Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000002595 magnetic resonance imaging Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000013519 translation 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
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种基于B样条的医学图像倾斜校正方法,包括:获取待校正的医学图像,并对所述待校正的医学图像进行二值化处理以获取二值化的医学图像;根据B样条梯度算子对所述二值化的医学图像进行边缘检测,并获得二值化的边缘图像;计算所述边缘图像的包围盒,以得到所述边缘图像的实际大小,进而根据所述边缘图像的实际大小截取所述待校正的医学图像的子图像;计算所述子图像的质心和归一化的中心矩,并得到旋转角;将待校正的医学图像按照所述旋转角反向旋转,以获取校正后的医学图像,能够实现对灰度不均匀的倾斜图像的校正。
Description
技术领域
本发明涉及医学图像处理技术领域,特别涉及一种基于B样条的医学图 像倾斜校正方法以及一种非临时性计算机可读存储介质。
背景技术
在医学图像成像过程中,尤其在CT(Computed Tomography,电子计算 机断层扫描)和MRI(Magnetic Resonance,磁共振成像)成像过程中,由于 存在相关设备欠稳定、患者随意欲动或情绪紧张等问题,使生成的图像常常 存在较为严重的倾斜现象,这给后续的图像匹配和图像融合带来极大的困难。
为了解决图像倾斜的问题,国内外专家学者进行了各种有益的探索,提 出一些较为实用的方法,例如投影法(projectionprofile)、霍夫变换法(Hough transform,霍夫变换)和近邻法(component nearest neighbor clustering)。其中, 投影法是常用的倾斜校正方法之一,它是基于对投影图形形状进行分析的方 法,但是由于需要计算每个倾斜角的投影形状,因此这种方法的计算量非常 大;Hough变换法是借助于Hough变换,用图像空间目标像素的坐标去计算 参数空间中参考点的可能轨迹,该方法对于直线图形效果较好,校正精度较 高;近邻法是通过找出所有连通区中心点的K个最近邻点,计算每对最近邻 点的矢量方向并统计生成直方图,直方图的峰值对应于整个页面的倾斜角, 由于在图像中连通成分较多,因此也相当费时。
但是,上述方法存在的问题是,无法对灰度不均匀的倾斜图像进行倾斜 面校正。
发明内容
本发明的目的是提供一种基于B样条的医学图像倾斜校正方法,能够实 现对灰度不均匀的倾斜图像的校正。
为解决上述问题,本发明的第一方面提供了一种基于B样条的医学图像 倾斜校正方法,包括以下步骤:获取待校正的医学图像,并对所述待校正的 医学图像进行二值化处理以获取二值化的医学图像;根据B样条梯度算子对 所述二值化的医学图像进行边缘检测,并获得二值化的边缘图像;计算所述 边缘图像的包围盒,以得到所述边缘图像的实际大小,进而根据所述边缘图 像的实际大小截取所述待校正的医学图像的子图像;计算所述子图像的质心 和归一化的中心矩,并得到旋转角;将待校正的医学图像按照所述旋转角反向旋转,以获取校正后的医学图像。
进一步地,所述根据B样条梯度算子对所述二值化的医学图像进行边缘 检测采用如下公式:
其中,▽f为像素点(x,y)的梯度大小,Bx和By为B样条梯度算子。
进一步地,所述计算所述二值化的边缘图像的包围盒为计算所述二值化 的边缘图像的上、下、左、右的边界。
进一步地,所述子图像的质心通过所述子图像的零阶矩和一阶矩计算。
进一步地,所述旋转角采用如下公式获得:
其中,M′1,1、M′2,0和M'0,2为中心矩。
根据本发明的另一个方面提供一种非临时性计算机可读存储介质,其上 存储有计算机程序,该程序被处理器执行时实现所述的医学图像倾斜校正方 法。
根据本发明提出的基于B样条的医学图像倾斜校正方法,对待校正的医 学图像进行二值化处理并获取二值化的医学图像,根据B样条梯度算子对二 值化的医学图像进行边缘检测,并获得二值化的边缘图像,计算二值化的边 缘图像的包围盒,得到边缘图像的实际大小,根据边缘图像的事迹大小截取 待校正的医学图像的子图像,计算子图像的质心和归一化的中心矩,并得到 旋转角,对待校正的医学图像按照旋转角反向旋转,获取校正后的医学图像。
本发明的上述技术方案具有如下有益的技术效果:能够快速准确的检测 出图像的倾斜角,还适用于灰度不均的倾斜图像。
附图说明
图1为根据本发明实施例的基于B样条的医学图像倾斜校正方法的流程 图;
图2a为根据本发明一个实施例的医学图像正倾斜模型;
图2b为根据本发明另一个实施例的医学图像负倾斜模型;
图3a为根据本发明一个具体实施例的待校正的医学图像;
图3b为根据本发明另一个具体实施例的待校正的医学图像;
图4a为根据本发明一个具体实施例的待校正的医学图像的边缘图像;
图4b为根据本发明另一个具体实施例的待校正的医学图像的边缘图像;
图5a为根据本发明一个具体实施例的边缘图像的包围盒图像;
图5b为根据本发明另一个具体实施例的边缘图像的包围盒图像;
图6a为根据本发明一个具体实施例的待校正图像的子图像;
图6b为根据本发明另一个具体实施例的待校正图像的子图像;
图7a为根据本发明一个具体实施例的校正后的医学图像;
图7b为根据本发明另一个具体实施例的校正后的医学图像;
其中,一个具体实例为对CT图像进行校正,另一个具体实施例为对MRI 图像进行校正。
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明了,下面结合具体实施 方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例 性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结 构和技术的描述,以避免不必要地混淆本发明的概念。
在附图中示出了根据本发明实施例的层结构示意图。这些图并非是按比 例绘制的,其中为了清楚的目的,放大了某些细节,并且可能省略了某些细 节。图中所示出的各种区域、层的形状以及它们之间的相对大小、位置关系 仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领 域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区 域/层。
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。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅 用于描述目的,而不能理解为指示或暗示相对重要性。
下面参考附图来描述本发明实施例提出的基于B样条的图像倾斜校正方 法。
图1为根据本发明实施例的基于B样条的医学图像倾斜校正方法的流程 图。根据图像区域倾斜方向,医学图像有两种可能的倾斜方式:正倾斜和负 倾斜,如图2a和2b所示,正倾斜表示相对于X轴,图像逆时针旋转了α度, 负倾斜表示相对于X轴,图像顺时针旋转了α度,由此可知,图像倾斜的实 质是图像主轴X‘与坐标轴X之间有一个倾斜角α,只要求得该倾斜角α,即 可把图像绕质心O旋转-α度即可。
如图1所示,本发明实施例的基于B样条的医学图像倾斜校正方法包括 以下步骤:
S1:获取待校正的医学图像,并对待校正的医学图像进行二值化处理以 获取二值化的医学图像。
需要说明的是,对医学图像进行二值化处理即使待校正的医学图像的灰 度值为0或1。其中,待处理的医学图像F的大写可为M×N,左上角像素位 置为(1,1),像素点(x,y)的灰度值为f(x,y)。如图3a和3b所示,分别是本 发明一个具体实施例中待处理的CT图像和另一个具体实施例中待处理的 MRI图像。
S2:根据B样条梯度算子对二值化的医学图像进行边缘检测,并获得二 值化的边缘图像。
需要说明的是,n次B样条函数的定义为:
其中,是组合公式。根据Bn(x)的相关性质,可知Bn(x)满 足平滑函数要求,即一个平滑函数的平滑性和逼近性时相互矛盾的。实质上, Bn(x)的平滑性相当于一个低通滤波器,对于Bn(x),当n值增大时,则Bn(x)的 平滑性能增强,低通滤波性能较好,但处理时间也相应增大,当n值减小时, 则Bn(x)的逼近性较好,能够较好的保护细节,但低通滤波性能较弱。在本实 施例中为了在平滑性和逼近性中取得平衡使n=3,即3次B样条函数。
由式(1)可知B3(x)的表达式为:
对于3次B样条函数的一阶导数为:
其中,sgn(x)为符号函数,并且有对于给定的待处理的医 学图像F可以看成是一个曲面的均匀采样,因此,我们可以用B样条函数对 其进行平滑,对图像可用下述曲面来近似描述:
Bk×l(x-i,y-j)=Bk(x-i)Bl(y-j) 5)
由式(4)和(5)可知,曲面是待处理的医学图像F和k次样条及l次 样条函数离散卷积的结果,在本发明实施例中,k=l=3,当x,y取整数时, Nk,l(x,y)为像素点(x,y)的3×3领域。由式(4)可知曲面是二次连续可微的,即 该曲面是一个光滑曲面。根据B样条函数的局部性质,利用式(4)和(5) 可以进一步得到:
根据式(6),可以得到沿和方向倒数:
由式(2)、(3)和(7),分别计算3次B样条拟合曲面沿和方向倒数卷 积模版:
其中,从边缘检测的角度来看,Bx和By分别为水平边缘和垂直边缘卷积 核,即B样条的梯度算子。
进一步地,根据B样条梯度算子对二值化的医学图像进行边缘检测采用 如下公式:
其中,▽f为像素点(x,y)的梯度大小,Bx和By为B样条梯度算子。如图 4a和4b所示,分别根据B样条梯度算子对二值化的医学图像进行边缘检测 获得CT图像和MRI图像的边缘图像。
S3:计算边缘图像的包围盒,以得到边缘图像的实际大小,进而根据边 缘图像的实际大小截取待校正的医学图像的子图像。
其中,计算二值化的边缘图像的包围盒为计算二值化的边缘图像的上、 下、左、右的边界。
具体地,B_Flag可设定为边界标记,B_Flag∈{1,2,3,4}分别表示寻找包围盒的上、下、左、右的边界,Value为边界的初始行号或列号,B_Value为边界值; Seek_F表示当前边界标志,Seek_F=1表示还没有找到当前边界;Seek_F=0表 示找到当前边界。
如果B_Flag=1,则在当前行所有像素灰度值累加和大于等于1时,即在 当前行至少有1个白色像素点时,判断找到包围盒的上边界,令Seek_F=0; 否则B_Value=B_Value+1,继续逐行寻找。
如果B_Flag=2,则在当前行所有像素灰度值累加和大于等于1时,即在 当前行至少有1个白色像素点时,判断找到包围盒的下边界,令Seek_F=0; 否则B_Value=B_Value-1,继续逐行寻找。
如果B_Flag=3,则在当前行所有像素灰度值累加和大于等于1时,即在 当前列至少有1个白色像素点时,判断找到包围盒的左边界,令Seek_F=0; 否则B_Value=B_Value+1,继续逐列寻找。
如果B_Flag=4,则在当前行所有像素灰度值累加和大于等于1时,即在 当前列至少有1个白色像素点时,判断找到包围盒的右边界,令Seek_F=0; 否则B_Value=B_Value-1,继续逐列寻找。
其中,得到边缘图像的包围盒即为得到边缘图像的实际大小,可根据边 缘图像的实际大小截取待校正的医学图像的子图像F_Sub。如图5a和5b分 别为CT图像和MRI图像对应的包围盒图像,图6a和6b为根据包围盒图像 截取的CT图像和MRI图像的子图像。
S4:计算子图像的质心和归一化的中心矩,并得到旋转角。
需要说明的是,由于图像区域的某些矩对于平移、旋转、尺度等几何变 换具有一些不变的特性,因此矩的表示方法在物体分类和识别方面具有重要 意义。
对于二元有界函数g(x,y),它的(p+q)阶矩定义为:
对二维离散函数m(x,y),(9)式可表示为:
其中,(p+q)为矩的阶。
由此,零阶矩是物体的面积,二元有界函数g(x,y)的零阶矩为:
对于一幅数字图像即待校正的医学图像,可以认为是一个二维离散函数 m(x,y),因此,其零阶矩为:
由此可知,二维离散函数m(x,y)的一阶矩或高阶矩,除以M0,0后,均与物 体的大小无关,即待校正的图像一阶矩或高阶矩除以M0,0后,与待校正的医 学图像的子图像实际大小无关。
当p=1,q=0和p=0,q=1时,
则为图像中一个物体的质心坐标,在本发明实施例中,为待校 正的医学图像的子图像的质心坐标,进一步为了获得矩的不变特征,采用中 心矩以及归一化的中心矩。
具体地,由于为物体的质心,所以中心矩的定义为:
因为中心矩以质心作为原点进行计算,所以中心矩具有位置无关性。
进一步地,使二阶中心矩从M′1,1变得最小的旋转角α可以由下式得出:
进一步地,可以获取旋转角α为:
其中,x,y为物体的主轴,M′1,1、M'2,0和M'0,2为中心矩。
基于上述分析,可以认为,医学图像倾斜的原因是由于图像的主轴绕质 心相对于水平轴旋转了一定角度α,上述物体为待校正的医学图像的子图像, 其中心点O即为质心。
S5:将待校正的医学图像按照旋转角反向旋转,以获取校正后的医学图 像。
由此,在计算获得旋转角α后,将待校正的医学图像以中心点为旋转轴 按照旋转角进行反向旋转,即可获取校正后的医学图像。如图7a和7b所示, 分别为经过校正后的CT图像和MRI图像。
综上所述,根据本发明提出的基于B样条的医学图像倾斜校正方法,对 待校正的医学图像进行二值化处理并获取二值化的医学图像,根据B样条梯 度算子对二值化的医学图像进行边缘检测,并获得二值化的边缘图像,计算 二值化的边缘图像的包围盒,得到边缘图像的实际大小,根据边缘图像的事 迹大小截取待校正的医学图像的子图像,计算子图像的质心和归一化的中心 矩,并得到旋转角,将待校正的医学图像按照旋转角反向旋转,获取校正后 的医学图像。由此,本发明实施例的医学图像校正方法能够快速准确的检测出图像的倾斜角,还适用于灰度不均的倾斜图像。
本发明实施例还提出了一种非临时性计算机可读存储介质,其上存储有 计算机程序,该程序被处理器执行时实现的医学图像倾斜校正方法。
根据本发明实施例的非临时性计算机可读存储介质,通过基于B样条的 医学图像倾斜校正方法能够快速准确的检测出图像的倾斜角,还适用于灰度 不均的倾斜图像。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释 本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和 范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保 护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和 边界、或者这种范围和边界的等同形式内的全部变化和修改例。
以上参照本发明的实施例对本发明予以了说明。但是,这些实施例仅仅 是为了说明的目的,而并非为了限制本发明的范围。本发明的范围由所附权 利要求及其等价物限定。不脱离本发明的范围,本领域技术人员可以做出多 种替换和修改,这些替换和修改都应落在本发明的范围之内。
尽管已经详细描述了本发明的实施方式,但是应该理解的是,在不偏离 本发明的精神和范围的情况下,可以对本发明的实施方式做出各种改变、替 换和变更。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式 的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做 出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。 而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之 中。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或 计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、 或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个 其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘 存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图 和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程 和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、 嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通 过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流 程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的 装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设 备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器 中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或 多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上, 使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的 处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图 一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步 骤。
Claims (7)
1.一种基于B样条的医学图像倾斜校正方法,其特征在于,包括以下步骤:
获取待校正的医学图像,并对所述待校正的医学图像进行二值化处理以获取二值化的医学图像;
根据B样条梯度算子对所述二值化的医学图像进行边缘检测,并获得二值化的边缘图像;
计算所述边缘图像的包围盒,以得到所述边缘图像的实际大小,进而根据所述边缘图像的实际大小截取所述待校正的医学图像的子图像;
计算所述子图像的质心和归一化的中心矩,并得到旋转角;
将待校正的医学图像按照所述旋转角反向旋转,以获取校正后的医学图像。
2.根据权利要求1所述的基于B样条的医学图像倾斜校正方法,其特征在于,所述根据B样条梯度算子对所述二值化的医学图像进行边缘检测采用如下公式:
其中,为像素点(x,y)的梯度大小,Bx和By为B样条梯度算子。
3.根据权利要求1所述的基于B样条的医学图像倾斜校正方法,其特征在于,所述计算所述二值化的边缘图像的包围盒为计算所述二值化的边缘图像的上、下、左、右的边界。
4.根据权利要求1所述的基于B样条的医学图像倾斜校正方法,其特征在于,所述子图像的质心通过所述子图像的零阶矩和一阶矩计算。
5.根据权利要求1所述的基于B样条的医学图像倾斜校正方法,其特征在于,所述归一化的中心矩通过所述子图像的质心获得。
6.根据权利要求1所述的基于B样条的医学图像倾斜校正方法,其特征在于,所述旋转角采用如下公式获得:
其中,M′1,1、M′2,0和M′0,2为中心矩。
7.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现根据权利要求1-6中任一项所述的医学图像倾斜校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810153351.4A CN108460738A (zh) | 2018-02-11 | 2018-02-11 | 基于b样条的医学图像倾斜校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810153351.4A CN108460738A (zh) | 2018-02-11 | 2018-02-11 | 基于b样条的医学图像倾斜校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108460738A true CN108460738A (zh) | 2018-08-28 |
Family
ID=63217382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810153351.4A Pending CN108460738A (zh) | 2018-02-11 | 2018-02-11 | 基于b样条的医学图像倾斜校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108460738A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584165A (zh) * | 2018-11-30 | 2019-04-05 | 泰康保险集团股份有限公司 | 一种数字图像的矫正方法、装置、介质及电子设备 |
CN109671131A (zh) * | 2018-12-28 | 2019-04-23 | 上海联影智能医疗科技有限公司 | 影像校正方法、装置、医疗影像设备及存储介质 |
CN110298901A (zh) * | 2019-06-25 | 2019-10-01 | 沈阳东软智能医疗科技研究院有限公司 | 磁共振图像校正方法、装置、存储介质及设备 |
CN112383670A (zh) * | 2020-11-10 | 2021-02-19 | 武汉天有科技有限公司 | 一种试卷扫描自动扶正方法及装置 |
CN113358068A (zh) * | 2021-04-26 | 2021-09-07 | 福建数博讯信息科技有限公司 | 一种落地式脚手架的校正方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5974189A (en) * | 1993-05-24 | 1999-10-26 | Eastman Kodak Company | Method and apparatus for modifying electronic image data |
CN104506828A (zh) * | 2015-01-13 | 2015-04-08 | 中南大学 | 一种无有效重叠变结构的定点定向视频实时拼接方法 |
-
2018
- 2018-02-11 CN CN201810153351.4A patent/CN108460738A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5974189A (en) * | 1993-05-24 | 1999-10-26 | Eastman Kodak Company | Method and apparatus for modifying electronic image data |
CN104506828A (zh) * | 2015-01-13 | 2015-04-08 | 中南大学 | 一种无有效重叠变结构的定点定向视频实时拼接方法 |
Non-Patent Citations (2)
Title |
---|
李卫平 等: "《运动控制系统原理与应用》", 30 June 2013, 华中科技大学出版社 * |
潘梅森: "医学图像倾斜校正方法与应用研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584165A (zh) * | 2018-11-30 | 2019-04-05 | 泰康保险集团股份有限公司 | 一种数字图像的矫正方法、装置、介质及电子设备 |
CN109671131A (zh) * | 2018-12-28 | 2019-04-23 | 上海联影智能医疗科技有限公司 | 影像校正方法、装置、医疗影像设备及存储介质 |
CN109671131B (zh) * | 2018-12-28 | 2023-12-22 | 上海联影智能医疗科技有限公司 | 影像校正方法、装置、医疗影像设备及存储介质 |
CN110298901A (zh) * | 2019-06-25 | 2019-10-01 | 沈阳东软智能医疗科技研究院有限公司 | 磁共振图像校正方法、装置、存储介质及设备 |
CN110298901B (zh) * | 2019-06-25 | 2023-07-04 | 沈阳东软智能医疗科技研究院有限公司 | 磁共振图像校正方法、装置、存储介质及设备 |
CN112383670A (zh) * | 2020-11-10 | 2021-02-19 | 武汉天有科技有限公司 | 一种试卷扫描自动扶正方法及装置 |
CN113358068A (zh) * | 2021-04-26 | 2021-09-07 | 福建数博讯信息科技有限公司 | 一种落地式脚手架的校正方法及装置 |
CN113358068B (zh) * | 2021-04-26 | 2023-06-20 | 福建数博讯信息科技有限公司 | 一种落地式脚手架的校正方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460738A (zh) | 基于b样条的医学图像倾斜校正方法 | |
Buerger et al. | Hierarchical adaptive local affine registration for fast and robust respiratory motion estimation | |
US10062174B2 (en) | 2D/3D registration | |
EP3128919B1 (en) | Lung segmentation and bone suppression techniques for radiographic images | |
US20160117797A1 (en) | Image Processing Apparatus and Image Processing Method | |
CN109472820B (zh) | 单目rgb-d相机实时人脸重建方法及装置 | |
CN110223222B (zh) | 图像拼接方法、图像拼接装置和计算机可读存储介质 | |
EP2839432B1 (en) | Patient monitor and method | |
JP2017510427A5 (zh) | ||
US20140035909A1 (en) | Systems and methods for generating a three-dimensional shape from stereo color images | |
CN106611416B (zh) | 一种医学图像中肺分割的方法及装置 | |
CN104268853A (zh) | 一种红外图像与可见光图像配准方法 | |
WO1999042031A9 (en) | Method and system for the automated delineation of lung regions and costophrenic angles in chest radiographs | |
CN107194959A (zh) | 基于切片进行图像配准的方法和装置 | |
Tavares | Analysis of biomedical images based on automated methods of image registration | |
Park et al. | Deformable registration of CT and cone-beam CT with local intensity matching | |
US10034610B2 (en) | System and method for registration of brain images | |
EP1956553B1 (en) | Visual enhancement of interval changes using a temporal subtraction technique. | |
Jo et al. | Pulmonary nodule registration in serial CT scans using global rib matching and nodule template matching | |
JP2008503294A6 (ja) | 識別方法、コンピュータプログラム及びコンピュータプログラム装置 | |
CN111126418A (zh) | 一种基于平面透视投影的倾斜影像匹配方法 | |
CN117611525A (zh) | 一种受电弓滑板磨耗视觉检测方法和系统 | |
Zhong et al. | Triple screening point cloud registration method based on image and geometric features | |
CN112800966A (zh) | 一种视线的追踪方法及电子设备 | |
CN102073997A (zh) | 小型文档图像透视复原方法 |
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: 20180828 |
|
RJ01 | Rejection of invention patent application after publication |