CN109410224A - 一种图像分割方法、系统、装置及存储介质 - Google Patents

一种图像分割方法、系统、装置及存储介质 Download PDF

Info

Publication number
CN109410224A
CN109410224A CN201811340444.4A CN201811340444A CN109410224A CN 109410224 A CN109410224 A CN 109410224A CN 201811340444 A CN201811340444 A CN 201811340444A CN 109410224 A CN109410224 A CN 109410224A
Authority
CN
China
Prior art keywords
image
distance
distance map
point
bianry
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.)
Granted
Application number
CN201811340444.4A
Other languages
English (en)
Other versions
CN109410224B (zh
Inventor
王顺顺
王卫平
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.)
ANKE HIGH-TECH Co Ltd SHENZHEN CITY
Original Assignee
ANKE HIGH-TECH Co Ltd SHENZHEN CITY
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 ANKE HIGH-TECH Co Ltd SHENZHEN CITY filed Critical ANKE HIGH-TECH Co Ltd SHENZHEN CITY
Priority to CN201811340444.4A priority Critical patent/CN109410224B/zh
Publication of CN109410224A publication Critical patent/CN109410224A/zh
Application granted granted Critical
Publication of CN109410224B publication Critical patent/CN109410224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30016Brain

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种图像分割方法、系统、装置及存储介质,所述方法包括:获取通过手动分割输入的两幅二值图像;分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。本发明图像分割过程不依赖原始图像,通过计算手动分割输入的两幅二值图像的正向距离图和负向距离图得到距离图,再将中间图像的距离图转换为二值图像后得到中间图像的分割结果并输出,在保证较高的分割精度的同时大大提高了分割效率。

Description

一种图像分割方法、系统、装置及存储介质
技术领域
本发明涉及医学图像分割技术领域,尤其涉及一种图像分割方法、系统、装置及存储介质。
背景技术
医学图像分割是医学图像处理与分析领域中极具挑战性的研究课题之一,也是近年来研究的热点问题。图像的分割结果是进行重建、可视化等后续处理的基础,所以医学图像分割是医学图像处理到分析的关键环节,因此医学图像分割算法的研发具有重要的理论价值和广泛的应用价值。
现有的分割方法依据分割方式的不同,可以分为手动分割、自动分割和半自动分割三种,手动分割方法是由医生对每一幅图像手动勾勒出分割区域,因此该方法具有很高的准确性,然而手动分割的效率很低且可重复性差,受医生的技术水平、主观意识等影响较大,因此该方法在实际应用中通常作为备选方案。自动分割算法的目的是由算法完成全部的分割工作,该方法效率高、可重复强,目前已经发展出多种原理的自动分割方法,然而目前任何一种自动分割算法难以胜任不同的分割场景,且受图像噪声、初始位置等的影响较大,分割结果的准确性和稳定性难以满足要求。半自动分割算法通常由医生勾勒出前后两幅图像的分割结果,由算法依据医生手动分割的结果对中间图像进行分割,实现了分割效率和精度的平衡,是目前实际采用最多的一种分割方式。现有的半自动分割方式通常是借助全自动分割算法对中间图像进行分割,由医生的手动分割结果作为约束,从而降低算法分割带来的误差,尽管如此,这种方式依然受图像质量的影响较大。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术上述缺陷,本发明提供一种图像分割方法、系统、装置及存储介质,本发明图像分割过程不依赖原始图像,通过计算手动分割输入的两幅二值图像的正向距离图和负向距离图得到距离图,再将中间图像的距离图转换为二值图像后得到中间图像的分割结果并输出,在保证较高的分割精度的同时大大提高了分割效率。
本发明解决技术问题所采用的技术方案如下:
一种图像分割方法,其中,所述图像分割方法包括:
获取通过手动分割输入的两幅二值图像;
分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;
根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;
根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。
所述的图像分割方法,其中,所述二值图像包括区域内部和区域外部,区域内部对应二值图像中灰度值非0点的集合,区域外部对应二值图像中灰度值为0的点的集合。
所述的图像分割方法,其中,以二值图像边界为参照,分别计算每个像素点到边界的最小距离,若像素点位于二值图像区域内部,将得到的距离值赋予像素点,若像素点位于二值图像区域外部,则将距离值的相反数赋予像素点,得到的计算结果为距离图;所述距离图上值大于0的点表示区域内像素,小于0的点表示区域外像素,等于0的点表示边界点。
所述的图像分割方法,其中,所述正向距离图为二值图像区域内部的点到边界的最小距离,所述正向距离图用于反映二值图像区域内部像素点的空间位置关系;所述负向距离图为二值图像区域外部的点到边界的最小距离,所述负向距离图用于反映二值图像区域外部像素点的空间位置关系。
所述的图像分割方法,其中,计算两幅二值图像的正向距离图具体包括:
计算像素点八邻域内其上方、左方以及左上方的距离值的最小值;
若最小值出现在其上方或左方,则将距离值加1赋予当前点,若最小值出现在其左上方,则将距离值加1.2赋予当前点,得到自左上到右下依此递增的结果;
以同样的方式再次计算右上到左下、左下到右上和右下到左上三个方向的距离值,正向距离图取四个方向结果对应点的最小值。
所述的图像分割方法,其中,计算两幅二值图像的负向距离图具体包括:
将所有二值图像区域外部的点的距离值取一个负数表示最小值;
所述最小值为二值图像左上方点到右下方点的距离的相反数,并不重复地记录二值图像区域外部的位于二值图像边界点八邻域内的点坐标;
将每个点八邻域内点的距离值的最大值进行判断,若最大值出现在对应点的四邻域内,则将最大值减1赋予当前点,若最大值不在对应点的四邻域内,则将最大值减1.2赋予当前点;
将所有记录的点计算完成后,以所有点为新的边界向边界外部迭代,直至找不到边界外部点。
所述的图像分割方法,其中,所述根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图具体包括:
若待分割图像上某点坐标在两幅距离图上对应点的距离值分别为,待分割图像到两幅距离图的距离分别为,则当前点的距离值d为:
所述的图像分割方法,其中,所述根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出具体包括:
将插值得到的距离图上距离值小于0的点的灰度值设置为0,将距离值大于0的点的灰度值设置为255,得到中间图像的分割结果并输出。
一种图像分割系统,其中,所述图像分割系统包括:
图像获取模块,用于获取通过手动分割输入的两幅二值图像;
计算组合模块,用于分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;
算法执行模块,用于根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;
结果输出模块,用于根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。
一种图像分割装置,其中,所述图像分割装置包括所述图像分割系统,还包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像分割程序,所述图像分割程序被所述处理器执行时实现如上所述的图像分割方法的步骤。
一种存储介质,其中,所述存储介质存储有图像分割程序,所述图像分割程序被处理器执行时实现如上所述图像分割方法的步骤。
本发明公开了一种图像分割方法、系统、装置及存储介质,所述方法包括:获取通过手动分割输入的两幅二值图像;分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。本发明图像分割过程不依赖原始图像,通过计算手动分割输入的两幅二值图像的正向距离图和负向距离图得到距离图,再将中间图像的距离图转换为二值图像后得到中间图像的分割结果并输出,在保证较高的分割精度的同时大大提高了分割效率。
附图说明
图1是本发明图像分割方法的较佳实施例的流程图;
图2是本发明图像分割方法的较佳实施例中手动勾勒区域演示图像的示意图;
图3是本发明图像分割方法的较佳实施例中经过图像分割处理后的分割结果示意图;
图4是本发明图像分割方法的较佳实施例中将分割结果进行三维重建的效果示意图;
图5是本发明图像分割系统的较佳实施例的原理图;
图6为本发明图像分割装置的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明较佳实施例所述的图像分割方法,如图1所示,一种图像分割方法,其中,所述图像分割方法包括以下步骤:
步骤S10、获取通过手动分割输入的两幅二值图像;
步骤S20、分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;
步骤S30、根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;
步骤S40、根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。
为避免图像噪声、图像不均匀等对分割算法带来的影响,本发明中的图像分割过程不依赖原始图像,仅通过输入的两幅手动分割得到的二值图像(二值图像是指将图像上的每一个像素只有两种可能的取值或灰度等级状态,人们经常用黑白、B&W、单色图像表示二值图像)计算中间图像的分割结果。
具体地,将二值图像分为两部分,二值图像区域内部和区域外部,分别对应图像中灰度值非0点的集合和灰度值为0的点的集合。以二值图像边界为参照,分别计算每个像素点到边界的最小距离,若该点位于二值图像区域内部,将得到的距离值赋予该点,若该点位于二值图像区域外部,则将距离值的相反数赋予该点,通过这种表示方法得到的结果我们称之为距离图,距离图上值大于0的点代表区域内像素,小于0的点代表区域外像素,等于0的点代表边界点,且绝对值越大表示该点距离边界越远。
为了加快距离图的计算过程,本发明将其拆分为两个步骤,首先计算二值图像区域内部的点到边界的最小距离,即距离图中大于0的部分,称之为正向距离图,随后计算二值图像区域外部的点到边界的最小距离,即距离图中小于0的部分,称之为负向距离图。
正向距离图反映了二值图像区域内像素点的空间位置关系,本发明中给出了一种快速的正向距离计算方法,有效的降低了计算复杂度。计算两幅二值图像的正向距离图的方法具体为:首先计算像素点八邻域内其上方、左方、左上方的距离值的最小值,若最小值出现在其上方或左方,将该距离值加1赋予当前点,若最小值出现在其左上方,则将该距离值加1.2赋予当前点,由此得到自左上到右下依此递增的结果;以同样的方式再次计算右上到左下、左下到右上和右下到左上三个方向,正向距离图取这四个方向结果对应点的最小值。
在正向距离图的基础上计算两幅二值图像的负向距离图,其中,负向距离图用于反映二值图像区域外部像素点的空间位置关系;本发明中采用边缘扩散的形式计算负向距离,计算两幅二值图像的负向距离图的方法具体为:首先将所有二值图像区域外部的点的距离值取一个很小的负数表示最小值,该最小值为图像左上方点到右下方点的距离的相反数,然后不重复地记录二值图像区域外的位于图像边界点八邻域内的点坐标,这些点可以表述为图像边界外部一圈的点,并将每个点八邻域内点的距离值的最大值进行判断,若最大值出现在该点的四邻域内,则将该最大值减1赋予当前点,若最大值不在四邻域内,则将该最大值减1.2赋予当前点,将所有记录的点计算完成后,以这些点为新的边界向边界外部迭代,直至找不到边界外部点。
负向距离图的计算过程中,每一个区域外的点仅需计算一次,得到的负向距离图与正向距离图组合成二值图像的距离图。
根据两幅二值图像得到的距离图以及其中间待分割图像分别到两幅距离图的距离,利用线性插值算法得到中间图像的距离图,具体为:若待分割图像上某点坐标在两幅距离图上对应点的距离值分别为,待分割图像到两幅距离图的距离分别为,则当前点的距离值d为:
将插值得到的距离图转换为二值图像,得到最终分割结果并输出,根据距离图的定义,将插值得到的距离图上距离值小于0的点的灰度值设置为0,将距离值大于0的点的灰度值设置为为255(把白色与黑色之间按对数关系分成若干级,称为“灰度等级”,范围一般从0到255,白色为255,黑色为0,故黑白图片也称灰度图像),由此得到中间图像的分割结果。
为了进一步说明本发明的图像分割方法,下面以以图像分割处理过程进行说明:
如图2所示,读取待分割的图像序列并手动勾勒出前后两个分割区域,两个分割区域中间间隔的图像数目由医生根据待分割目标的实际形状来确定,本实例中中间待分割数目优先为10。本实例中分割区域为任意区域和形状,分割区域的数目可以为多个,为简化演示,只展示分割区域为一个的情况。
将手动分割结果和待分割图像数目传入算法内部,该过程由系统自动完成,算法依次计算手动分割结果对应的正向距离图和负向距离图,并采用线性插值得到中间图像的距离图,最后将距离图转化为二值图像输出。
输出的二值图像即为算法自动分割的结果,并由系统显示出来,如图3所示。图4展示了对本发明得到的分割结果进行三维重建处理得到的三维模型,可以看出本发明的分割结果具有很好的连续性。
本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
进一步地,如图5所示,基于上述图像分割方法,本发明还相应提供了一种图像分割系统,所述图像分割系统包括:图像获取模块101,用于获取通过手动分割输入的两幅二值图像;计算组合模块102,用于分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;算法执行模块103,用于根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;结果输出模块104,用于根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。
进一步地,如图6所示,基于上述图像分割方法和系统,本发明还相应提供了一种图像分割装置,所述图像分割装置包括如上所述的图像分割系统,还包括处理器10、存储器20及显示器30。图6仅示出了图像分割装置的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述图像分割装置的内部存储单元,例如图像分割装置的硬盘或内存。所述存储器20在另一些实施例中也可以是所述图像分割装置的外部存储设备,例如所述图像分割装置上配备的插接式硬盘,智能存储卡(Smart MediaCard, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器20还可以既包括所图像分割装置的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述图像分割装置的应用软件及各类数据,例如所述安装图像分割装置的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器20上存储有图像分割程序40,该图像分割程序40可被处理器10所执行,从而实现本申请中图像分割方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行所述存储器20中存储的程序代码或处理数据,例如执行所述图像分割方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。所述显示器30用于显示在所述图像分割装置的信息以及用于显示可视化的用户界面。所述图像分割装置的部件10-30通过系统总线相互通信。
在一实施例中,当处理器10执行所述存储器20中图像分割程序40时实现以下步骤:
获取通过手动分割输入的两幅二值图像;
分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;
根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;
根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。
本发明还提供一种存储介质,其中,所述存储介质存储有图像分割程序,所述图像分割程序被处理器执行时实现所述图像分割方法的步骤;具体如上所述。
综上所述,本发明提供一种图像分割方法、系统、装置及存储介质,所述方法包括:获取通过手动分割输入的两幅二值图像;分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。本发明图像分割过程不依赖原始图像,通过计算手动分割输入的两幅二值图像的正向距离图和负向距离图得到距离图,再将中间图像的距离图转换为二值图像后得到中间图像的分割结果并输出,在保证较高的分割精度的同时大大提高了分割效率。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的存储介质中,所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种图像分割方法,其特征在于,所述图像分割方法包括:
获取通过手动分割输入的两幅二值图像;
分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;
根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;
根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。
2.根据权利要求1所述的图像分割方法,其特征在于,所述二值图像包括区域内部和区域外部,区域内部对应二值图像中灰度值非0点的集合,区域外部对应二值图像中灰度值为0的点的集合;
以二值图像边界为参照,分别计算每个像素点到边界的最小距离,若像素点位于二值图像区域内部,将得到的距离值赋予像素点,若像素点位于二值图像区域外部,则将距离值的相反数赋予像素点,得到的计算结果为距离图;所述距离图上值大于0的点表示区域内像素,小于0的点表示区域外像素,等于0的点表示边界点。
3.根据权利要求1所述的图像分割方法,其特征在于,所述正向距离图为二值图像区域内部的点到边界的最小距离,所述正向距离图用于反映二值图像区域内部像素点的空间位置关系;所述负向距离图为二值图像区域外部的点到边界的最小距离,所述负向距离图用于反映二值图像区域外部像素点的空间位置关系。
4.根据权利要求3所述的图像分割方法,其特征在于,计算两幅二值图像的正向距离图具体包括:
计算像素点八邻域内其上方、左方以及左上方的距离值的最小值;
若最小值出现在其上方或左方,则将距离值加1赋予当前点,若最小值出现在其左上方,则将距离值加1.2赋予当前点,得到自左上到右下依此递增的结果;
以同样的方式再次计算右上到左下、左下到右上和右下到左上三个方向的距离值,正向距离图取四个方向结果对应点的最小值。
5.根据权利要求3所述的图像分割方法,其特征在于,计算两幅二值图像的负向距离图具体包括:
将所有二值图像区域外部的点的距离值取一个负数表示最小值;
所述最小值为二值图像左上方点到右下方点的距离的相反数,并不重复地记录二值图像区域外部的位于二值图像边界点八邻域内的点坐标;
将每个点八邻域内点的距离值的最大值进行判断,若最大值出现在对应点的四邻域内,则将最大值减1赋予当前点,若最大值不在对应点的四邻域内,则将最大值减1.2赋予当前点;
将所有记录的点计算完成后,以所有点为新的边界向边界外部迭代,直至找不到边界外部点。
6.根据权利要求1所述的图像分割方法,其特征在于,所述根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图具体包括:
若待分割图像上某点坐标在两幅距离图上对应点的距离值分别为,待分割图像到两幅距离图的距离分别为,则当前点的距离值d为:
7.根据权利要求1所述的图像分割方法,其特征在于,所述根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出具体包括:
将插值得到的距离图上距离值小于0的点的灰度值设置为0,将距离值大于0的点的灰度值设置为255,得到中间图像的分割结果并输出。
8.一种图像分割系统,其特征在于,所述图像分割系统包括:
图像获取模块,用于获取通过手动分割输入的两幅二值图像;
计算组合模块,用于分别计算两幅二值图像的正向距离图和负向距离图,并将正向距离图和负向距离图组合得到各自的距离图;
算法执行模块,用于根据两幅二值图像得到的距离图以及中间待分割图像分别得到两幅距离图的距离,通过线性插值算法得到中间图像的距离图;
结果输出模块,用于根据插值结果将中间图像的距离图转换为二值图像,得到中间图像的分割结果并输出。
9.一种图像分割装置,其特征在于,所述图像分割装置包括如权利要求8所述的图像分割系统,还包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像分割程序,所述图像分割程序被所述处理器执行时实现如权利要求1-7任一项所述的图像分割方法的步骤。
10.一种存储介质,其特征在于,所述存储介质存储有图像分割程序,所述图像分割程序被处理器执行时实现如权利要求1-7任一项所述图像分割方法的步骤。
CN201811340444.4A 2018-11-12 2018-11-12 一种图像分割方法、系统、装置及存储介质 Active CN109410224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811340444.4A CN109410224B (zh) 2018-11-12 2018-11-12 一种图像分割方法、系统、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811340444.4A CN109410224B (zh) 2018-11-12 2018-11-12 一种图像分割方法、系统、装置及存储介质

Publications (2)

Publication Number Publication Date
CN109410224A true CN109410224A (zh) 2019-03-01
CN109410224B CN109410224B (zh) 2022-04-15

Family

ID=65472681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811340444.4A Active CN109410224B (zh) 2018-11-12 2018-11-12 一种图像分割方法、系统、装置及存储介质

Country Status (1)

Country Link
CN (1) CN109410224B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070002375A1 (en) * 2005-06-30 2007-01-04 Lexmark International, Inc. Segmenting and aligning a plurality of cards in a multi-card image
CN101819679A (zh) * 2010-04-19 2010-09-01 李楚雅 三维医学图像分割方法
CN102013102A (zh) * 2010-12-01 2011-04-13 华中科技大学 一种图像中的粘连细胞分割方法
US20170109893A1 (en) * 2015-10-19 2017-04-20 Shanghai United Imaging Healthcare Co., Ltd. Method and system for image segmentation
CN106611416A (zh) * 2015-10-19 2017-05-03 上海联影医疗科技有限公司 一种医学图像中肺分割的方法及装置
CN107506766A (zh) * 2017-08-25 2017-12-22 沈阳东软医疗系统有限公司 图像分割方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070002375A1 (en) * 2005-06-30 2007-01-04 Lexmark International, Inc. Segmenting and aligning a plurality of cards in a multi-card image
CN101819679A (zh) * 2010-04-19 2010-09-01 李楚雅 三维医学图像分割方法
CN102013102A (zh) * 2010-12-01 2011-04-13 华中科技大学 一种图像中的粘连细胞分割方法
US20170109893A1 (en) * 2015-10-19 2017-04-20 Shanghai United Imaging Healthcare Co., Ltd. Method and system for image segmentation
CN106611416A (zh) * 2015-10-19 2017-05-03 上海联影医疗科技有限公司 一种医学图像中肺分割的方法及装置
CN107506766A (zh) * 2017-08-25 2017-12-22 沈阳东软医疗系统有限公司 图像分割方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AHMED M. MHARIB等: "Survey on liver CT image segmentation methods", 《ARTIF INTELL REV》 *
李旭辉: "基于统计形状模型的肝脏自动分割算法的研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *

Also Published As

Publication number Publication date
CN109410224B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
Possa et al. A multi-resolution FPGA-based architecture for real-time edge and corner detection
US9396530B2 (en) Low memory content aware image modification
CN111738265B (zh) Rgb-d图像的语义分割方法、系统、介质及电子设备
US9117262B2 (en) Learned piece-wise patch regression for image enhancement
US20130127824A1 (en) Object Selection in Stereo Image Pairs
CN114004754A (zh) 一种基于深度学习的场景深度补全系统及方法
CN107492142B (zh) 3d渲染的基于照明引导示例的风格化
Fuentes-Jimenez et al. Texture-generic deep shape-from-template
CN116797768A (zh) 全景图像减少现实的方法和装置
CN113254568B (zh) 一种与地图服务结合的实时分析处理方法、装置及介质
Madessa et al. A deep learning approach for specular highlight removal from transmissive materials
CN113506305B (zh) 三维点云数据的图像增强方法、语义分割方法及装置
US11281935B2 (en) 3D object detection from calibrated 2D images
CN117058384B (zh) 一种三维点云语义分割的方法及系统
US20180089886A1 (en) Rendering via ray-depth field intersection
Jiang et al. AdaptMVSNet: Efficient Multi-View Stereo with adaptive convolution and attention fusion
CN109410224A (zh) 一种图像分割方法、系统、装置及存储介质
US12086965B2 (en) Image reprojection and multi-image inpainting based on geometric depth parameters
CN116091784A (zh) 一种目标跟踪方法、设备及存储介质
CN116362966A (zh) 图像处理方法和装置
CN116228850A (zh) 物体姿态估计方法、装置、电子设备及可读存储介质
Li et al. Stereo Matching Accelerator With Re-Computation Scheme and Data-Reused Pipeline for Autonomous Vehicles
CN113205579A (zh) 三维重建方法、装置、设备及存储介质
Cambra et al. A generic tool for interactive complex image editing
CN113627429B (zh) 一种图像的低纹理区域识别方法、装置、存储介质及设备

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
GR01 Patent grant
GR01 Patent grant