CN109257523A - 一种医学图像处理装置及图像处理方法 - Google Patents

一种医学图像处理装置及图像处理方法 Download PDF

Info

Publication number
CN109257523A
CN109257523A CN201811221715.4A CN201811221715A CN109257523A CN 109257523 A CN109257523 A CN 109257523A CN 201811221715 A CN201811221715 A CN 201811221715A CN 109257523 A CN109257523 A CN 109257523A
Authority
CN
China
Prior art keywords
image
module
pixel
resolution
image processing
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
CN201811221715.4A
Other languages
English (en)
Inventor
杨勇
黄淑英
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.)
Jiangxi University of Finance and Economics
Original Assignee
Jiangxi University of Finance and Economics
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 Jiangxi University of Finance and Economics filed Critical Jiangxi University of Finance and Economics
Priority to CN201811221715.4A priority Critical patent/CN109257523A/zh
Publication of CN109257523A publication Critical patent/CN109257523A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • H04N5/213—Circuitry for suppressing or minimising impulsive noise
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/142—Edging; Contouring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/20—Circuitry for controlling amplitude response
    • H04N5/202—Gamma control

Abstract

本发明公开了医学成像技术领域的一种医学图像处理装置及图像处理方法，包括图形控制单元、可编程逻辑模块、灰度处理模块、图像边缘检测模块、图像分割模块、数字信号处理器以及超分辨率模块；所述图形控制单元用于完成存储器的读写控制，图像的时序产生，主机的通讯控制，图形生成和程序运行控制，本发明采用基于现场可编辑逻辑门列阵和数字信号处理器为核心的硬件平台，采用凸集投影和帧间交错插值处理算法完成对实时图像超分辨率的输出，原理简单，具有灵活的空间域观察模型，并能够利用先验知识，同时减少信噪比，保证图像的高质量输出。

Description

一种医学图像处理装置及图像处理方法
技术领域
本发明公开了一种医学图像处理装置及图像处理方法，具体为医学成像技术领域。
背景技术
随着医学成像技术的发展与进步，图像处理在医学研究与临川医学中的应用越来越广泛，与一般意义上的图像处理相比较，医学的图像处理具有其特殊性及不同的侧重点，其目的是将原来不够清楚的图像复原，或者为了突出图像中的某些特殊信息，或对图像作模式分类等，而现有的图像处理大多只是对医学图像进行建模分析等，其图像常常存在清晰度较差的问题，在观察或者分析图像使容易出现观察失误甚至误诊的情况，影响患者的安全。为此，我们提出了一种医学图像处理装置及图像处理方法投入使用，以解决上述问题。
发明内容
本发明的目的在于提供一种医学图像处理装置及图像处理方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种医学图像处理装置及图像处理方法，包括图形控制单元、可编程逻辑模块、灰度处理模块、图像边缘检测模块、图像分割模块、数字信号处理器以及超分辨率模块；
所述图形控制单元用于完成存储器的读写控制，图像的时序产生，主机的通讯控制，图形生成和程序运行控制；
所述可编程逻辑模块对产生的图像进行截取，并对截取后的图像进行降采样处理，产生连续的四帧256×256的像素位移为0.5个像素的图像序列；
所述灰度处理模块用于将采集图像的像素值转化为灰度级范围；
所述图像边缘检测模块用于对原图像进行平滑处理，并使用拉普拉斯算子对图像边缘进行检测；
所述图像分割模块用于对图像进行分水岭切割，并利用评价指标对分割结果进行评价；
所述数字信号处理器用于对输入的降采样图像输入数据先进行双线性插值预处理后，将结果传输至系统数据库中；
所述超分辨率模块要求输入待处理的图像视频帧号、待处理的图像地址和生成的图像地址，并对所选择的图像帧进行超分辨处理，以获得更高质量的输出图像。
优选的，所述图形控制单元由TMS34020图形系统处理器、DRAM、EPROM、主机接口和总线切换组成。
优选的，所述可编程逻辑模块的存储密度为5980个逻辑单元，并包含20个128×36位的RAM块，总的RAM空间达到92160位，同时内嵌两个锁相环电路和一个用于连接SDRAM的特定双数据率接口。
优选的，该方法的具体步骤如下：
S1：输入采集图像，并将采集图像的像素值转化为灰度级范围；
S2：对原图像进行平滑处理，并使用拉普拉斯算子对图像边缘进行检测，并对原始图像的边缘进行提取；
S3：之后经过数据总线驱动送入所述数字信号处理器中作凸集投影处理；
S4：通过帧间交错处理后的超分辨率图像经过所述超分辨率模块转接入解码器中，通过图像接口与监视器对接。
优选的，所述步骤S2中，采用高斯滤波器对图像进行平滑处理，在图像边缘检测过程中，检测图像像素在原图像边缘的亮的一边和暗的一边利用零跨越，确定图像边缘的位置。
优选的，所述高斯滤波器对图像进行平滑处理时，假设f(i，j)为为二位图像的灰度值，其滤波窗口为A，(i，j)点的滤波输出为yij二维滤波可以表示为
其中med(f(i+r，j+s)|(r，s)∈A)表示将图像中落在滤波窗口A中的像素的灰度值进行从小到大排列，输出其中间值。
优选的，所述步骤S3中，凸集投影处理的具体步骤如下：
S31：把每帧低分辨率图像进行双线性插值放大，放大到跟高分辨率图像一样大小；
S32：对插值以后的低分辨率图像与参考图像进行运动估计，具体的有：
S321：在运动轨迹精确到每一个像素点(m1，m2，k)定义集合
S322：在集合定义的每一个像素点(m1，m2，k)计算模糊函数
S323：对参考图像进行双线性插值，并把插值以后的图像作为高分辨率图像f的初始设计f(t)(t＝0)；
S324：对集合定义的每一个像素点(m1，m2，k)并根据式计算残差r(ft)(m1，m2，k)。
与现有技术相比，本发明的有益效果是：本发明采用基于现场可编辑逻辑门列阵和数字信号处理器为核心的硬件平台，采用凸集投影和帧间交错插值处理算法完成对实时图像超分辨率的输出，原理简单，具有灵活的空间域观察模型，并能够利用先验知识，同时减少信噪比，保证图像的高质量输出，同时采用高斯滤波器对图像边缘进行检测，较好的解决了频域最优和空域最优化之间的矛盾，计算方法简单，并在过零点检测中具有各向同性的特点，保证图像边缘的封闭性，在处理较大图像的分割时，耗费时间短，计算量小。
附图说明
图1为本发明系统原理框图。
具体实施方式
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，所描述的实施例仅仅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。
请参阅图1，本发明提供一种技术方案：一种医学图像处理装置，包括图形控制单元、可编程逻辑模块、灰度处理模块、图像边缘检测模块、图像分割模块、数字信号处理器以及超分辨率模块；
所述图形控制单元用于完成存储器的读写控制，图像的时序产生，主机的通讯控制，图形生成和程序运行控制；
所述可编程逻辑模块对产生的图像进行截取，并对截取后的图像进行降采样处理，产生连续的四帧256×256的像素位移为0.5个像素的图像序列；
所述灰度处理模块用于将采集图像的像素值转化为灰度级范围；
所述图像边缘检测模块用于对原图像进行平滑处理，并使用拉普拉斯算子对图像边缘进行检测；
所述图像分割模块用于对图像进行分水岭切割，并利用评价指标对分割结果进行评价；
所述数字信号处理器用于对输入的降采样图像输入数据先进行双线性插值预处理后，将结果传输至系统数据库中；
所述超分辨率模块要求输入待处理的图像视频帧号、待处理的图像地址和生成的图像地址，并对所选择的图像帧进行超分辨处理，以获得更高质量的输出图像。
其中，所述图形控制单元由TMS34020图形系统处理器、DRAM、EPROM、主机接口和总线切换组成，所述可编程逻辑模块的存储密度为5980个逻辑单元，并包含20个128×36位的RAM块，总的RAM空间达到92160位，同时内嵌两个锁相环电路和一个用于连接SDRAM的特定双数据率接口。
本发明还提供了一种医学图像处理方法，该方法的具体步骤如下：
S1：输入采集图像，并将采集图像的像素值转化为灰度级范围；
S2：对原图像进行平滑处理，并使用拉普拉斯算子对图像边缘进行检测，并对原始图像的边缘进行提取，采用高斯滤波器对图像进行平滑处理，在图像边缘检测过程中，检测图像像素在原图像边缘的亮的一边和暗的一边利用零跨越，确定图像边缘的位置，所述高斯滤波器对图像进行平滑处理时，假设f(i，j)为为二位图像的灰度值，其滤波窗口为A，(i，j)点的滤波输出为yij二维滤波可以表示为
其中med(f(i+r，j+s)|(r，s)∈A)表示将图像中落在滤波窗口A中的像素的灰度值进行从小到大排列，输出其中间值；
S3：之后经过数据总线驱动送入所述数字信号处理器中作凸集投影处理，凸集投影处理的具体步骤如下：
S31：把每帧低分辨率图像进行双线性插值放大，放大到跟高分辨率图像一样大小；
S32：对插值以后的低分辨率图像与参考图像进行运动估计，具体的有：
S321：在运动轨迹精确到每一个像素点(m1，m2，k)定义集合
S322：在集合定义的每一个像素点(m1，m2，k)计算模糊函数
S323：对参考图像进行双线性插值，并把插值以后的图像作为高分辨率图像f的初始设计f(t)(t＝0)；
S324：对集合定义的每一个像素点(m1，m2，k)并根据式计算残差r(ft)(m1，m2，k)；
S4：通过帧间交错处理后的超分辨率图像经过所述超分辨率模块转接入解码器中，通过图像接口与监视器对接。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种医学图像处理装置，其特征在于：包括图形控制单元、可编程逻辑模块、灰度处理模块、图像边缘检测模块、图像分割模块、数字信号处理器以及超分辨率模块；
所述图形控制单元用于完成存储器的读写控制，图像的时序产生，主机的通讯控制，图形生成和程序运行控制；
所述可编程逻辑模块对产生的图像进行截取，并对截取后的图像进行降采样处理，产生连续的四帧256×256的像素位移为0.5个像素的图像序列；
所述灰度处理模块用于将采集图像的像素值转化为灰度级范围；
所述图像边缘检测模块用于对原图像进行平滑处理，并使用拉普拉斯算子对图像边缘进行检测；
所述图像分割模块用于对图像进行分水岭切割，并利用评价指标对分割结果进行评价；
所述数字信号处理器用于对输入的降采样图像输入数据先进行双线性插值预处理后，将结果传输至系统数据库中；
所述超分辨率模块要求输入待处理的图像视频帧号、待处理的图像地址和生成的图像地址，并对所选择的图像帧进行超分辨处理，以获得更高质量的输出图像。
2.根据权利要求1所述的一种医学图像处理装置，其特征在于：所述图形控制单元由TMS34020图形系统处理器、DRAM、EPROM、主机接口和总线切换组成。
3.根据权利要求1所述的一种医学图像处理装置，其特征在于：所述可编程逻辑模块的存储密度为5980个逻辑单元，并包含20个128×36位的RAM块，总的RAM空间达到92160位，同时内嵌两个锁相环电路和一个用于连接SDRAM的特定双数据率接口。
4.根据权利要求1所述的一种医学图像处理方法，其特征在于：该方法的具体步骤如下：
S1：输入采集图像，并将采集图像的像素值转化为灰度级范围；
S2：对原图像进行平滑处理，并使用拉普拉斯算子对图像边缘进行检测，并对原始图像的边缘进行提取；
S3：之后经过数据总线驱动送入所述数字信号处理器中作凸集投影处理；
S4：通过帧间交错处理后的超分辨率图像经过所述超分辨率模块转接入解码器中，通过图像接口与监视器对接。
5.根据权利要求4所述的一种医学图像处理方法，其特征在于：所述步骤S2中，采用高斯滤波器对图像进行平滑处理，在图像边缘检测过程中，检测图像像素在原图像边缘的亮的一边和暗的一边利用零跨越，确定图像边缘的位置。
6.根据权利要求5所述的一种医学图像处理方法，其特征在于：所述高斯滤波器对图像进行平滑处理时，假设f(i，j)为为二位图像的灰度值，其滤波窗口为A，(i，j)点的滤波输出为yij二维滤波可以表示为
其中med(f(i+r，j+s)|(r，s)∈A)表示将图像中落在滤波窗口A中的像素的灰度值进行从小到大排列，输出其中间值。
7.根据权利要求4所述的一种医学图像处理方法，其特征在于：所述步骤S3中，凸集投影处理的具体步骤如下：
S31：把每帧低分辨率图像进行双线性插值放大，放大到跟高分辨率图像一样大小；
S32：对插值以后的低分辨率图像与参考图像进行运动估计，具体的有：
S321：在运动轨迹精确到每一个像素点(m1，m2，k)定义集合
S322：在集合定义的每一个像素点(m1，m2，k)计算模糊函数
S323：对参考图像进行双线性插值，并把插值以后的图像作为高分辨率图像f的初始设计f(t)(t＝0)；
S324：对集合定义的每一个像素点(m1，m2，k)并根据式计算残差r(ft)(m1，m2，k)。
CN201811221715.4A 2018-10-19 2018-10-19 一种医学图像处理装置及图像处理方法 Pending CN109257523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811221715.4A CN109257523A (zh) 2018-10-19 2018-10-19 一种医学图像处理装置及图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811221715.4A CN109257523A (zh) 2018-10-19 2018-10-19 一种医学图像处理装置及图像处理方法

Publications (1)

Publication Number Publication Date
CN109257523A true CN109257523A (zh) 2019-01-22

Family

ID=65045487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811221715.4A Pending CN109257523A (zh) 2018-10-19 2018-10-19 一种医学图像处理装置及图像处理方法

Country Status (1)

Country Link
CN (1) CN109257523A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084765A (zh) * 2019-05-05 2019-08-02 Oppo广东移动通信有限公司 一种图像处理方法、图像处理装置及终端设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678728A (zh) * 2016-01-19 2016-06-15 西安电子科技大学 分区域管理的高效超分辨率成像装置及方法
CN107067369A (zh) * 2017-04-10 2017-08-18 牡丹江医学院 一种核磁图像超分辨率的系统及方法
CN107133965A (zh) * 2017-04-17 2017-09-05 商丘工学院 一种基于计算机图形图像形态学图像分割方法
CN108492248A (zh) * 2018-01-30 2018-09-04 天津大学 基于深度学习的深度图超分辨率方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678728A (zh) * 2016-01-19 2016-06-15 西安电子科技大学 分区域管理的高效超分辨率成像装置及方法
CN107067369A (zh) * 2017-04-10 2017-08-18 牡丹江医学院 一种核磁图像超分辨率的系统及方法
CN107133965A (zh) * 2017-04-17 2017-09-05 商丘工学院 一种基于计算机图形图像形态学图像分割方法
CN108492248A (zh) * 2018-01-30 2018-09-04 天津大学 基于深度学习的深度图超分辨率方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084765A (zh) * 2019-05-05 2019-08-02 Oppo广东移动通信有限公司 一种图像处理方法、图像处理装置及终端设备

Similar Documents

Publication Publication Date Title
US20210118144A1 (en) Image processing method, electronic device, and storage medium
KR101881243B1 (ko) 깊이 이미지를 프로세싱하기 위한 방법 및 장치
CN108596923B (zh) 三维数据的获取方法、装置以及电子设备
CN109389129A (zh) 一种图像处理方法、电子设备及存储介质
Groenendijk et al. On the benefit of adversarial training for monocular depth estimation
KR20110014067A (ko) 스테레오 컨텐트의 변환 방법 및 시스템
CN113221925B (zh) 一种基于多尺度图像的目标检测方法及装置
CN110276831B (zh) 三维模型的建构方法和装置、设备、计算机可读存储介质
CN112991365B (zh) 一种冠状动脉分割方法、系统及存储介质
CN114037714A (zh) 一种面向前列腺系统穿刺的3d mr与trus图像分割方法
CN110084751A (zh) 图像重建系统及方法
CN110751635A (zh) 一种基于帧间差分和hsv颜色空间的口腔检测方法
CN108305268B (zh) 一种图像分割方法及装置
CN111383207B (zh) 一种肌骨超声图像处理方法、系统、装置及可读存储介质
CN109257523A (zh) 一种医学图像处理装置及图像处理方法
CN114419060A (zh) 皮肤镜图像分割方法与系统
CN116664590B (zh) 基于动态对比增强磁共振图像的自动分割方法及装置
CN115861250B (zh) 自适应数据集的半监督医学图像器官分割方法及系统
CN110991230A (zh) 基于旋转候选框的任意方向遥感影像舰船检测方法及系统
Samudrala et al. Semantic Segmentation in Medical Image Based on Hybrid Dlinknet and Unet
US20230394632A1 (en) Method and image processing device for improving signal-to-noise ratio of image frame sequences
CN110648333B (zh) 基于中智学理论的乳腺超声视频图像实时分割系统
CN108765432B (zh) 一种颈动脉内中膜边界自动分割方法与系统
CN111985535A (zh) 一种通过神经网络优化人体深度图的方法及其装置
Zheng et al. Super-resolution of mammograms

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: 20190122

RJ01 Rejection of invention patent application after publication