CN109523495B - 图像处理方法及装置、设备和存储介质 - Google Patents
图像处理方法及装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109523495B CN109523495B CN201811198980.5A CN201811198980A CN109523495B CN 109523495 B CN109523495 B CN 109523495B CN 201811198980 A CN201811198980 A CN 201811198980A CN 109523495 B CN109523495 B CN 109523495B
- Authority
- CN
- China
- Prior art keywords
- gray
- distribution
- image
- gray scale
- transformation function
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 318
- 230000009466 transformation Effects 0.000 claims abstract description 140
- 230000001131 transforming effect Effects 0.000 claims abstract description 33
- 241001270131 Agaricus moelleri Species 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 168
- 238000013507 mapping Methods 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 42
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 101710097665 Leucine aminopeptidase 1 Proteins 0.000 description 8
- 102100033292 Leucine-rich repeat-containing protein 7 Human genes 0.000 description 8
- 101710082688 Probable leucine aminopeptidase 1 Proteins 0.000 description 8
- 102100023981 Lamina-associated polypeptide 2, isoform alpha Human genes 0.000 description 7
- 101710097668 Leucine aminopeptidase 2 Proteins 0.000 description 7
- 238000005315 distribution function Methods 0.000 description 7
- 101710082686 probable leucine aminopeptidase 2 Proteins 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像处理方法及装置、设备和存储介质,所述图像处理方法包括:获取第一图像与第二图像的重叠区域在所述第一图像内的灰度分布,得到第一灰度分布;获取所述重叠区域在所述第二图像内的灰度分布,得到第二灰度分布;参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数;根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状。实施本申请实施例,可以将两幅图像的灰度差异调整至预定的正常范围内。进而,如果对变换至匹配状态的两幅图像进行拼接,可以尽可能避免拼接所得图像在拼接处两侧出现异常的灰度差异。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及图像处理方法及装置、设备和存储介质。
背景技术
在医学成像、无人机航拍、遥感成像等成像场景中,需要将拍摄同一对象得到的两幅或多幅图像进行图像拼接,被拼接的图像通常是不同时间拍摄所得。被拍对象在不同拍摄时间的位置变化,拍摄设备在不同拍摄时间的位置变化,或其他变化因素,均可能导致不同图像间存在异常的灰度差异,如拍摄对象的相同部分在不同图像中的灰度存在较大差异,或者,拍摄对象相邻的两部分在不同图像中的灰度对比度存在较大差异。进而,拼接所得图像在拼接处两侧出现异常的灰度差异,影像拼接质量。
发明内容
本申请提供图像处理方法及装置、设备和存储介质,以降低不同图像间存在异常的灰度差异的概率。
根据本申请实施例的第一方面,提供一种图像处理方法,包括步骤:
获取第一图像与第二图像的重叠区域在所述第一图像内的灰度分布,得到第一灰度分布;
获取所述重叠区域在所述第二图像内的灰度分布,得到第二灰度分布;
参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数;所述灰度变换函数用于匹配所述第一灰度分布与所述第二灰度分布;
根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态。
在一个实施例中,所述灰度变换函数用于变换所述第一灰度分布,变换后的第一灰度分布与所述第二灰度分布匹配;
参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数,包括:
计算所述第一灰度分布到所述第二灰度分布的映射关系,得到所述灰度变换函数。
在一个实施例中,所述第一灰度分布为所述重叠区域在所述第一图像内的灰度直方图;所述第二灰度分布为所述重叠区域在所述第二图像内的灰度直方图;
计算所述第一灰度分布到所述第二灰度分布的映射关系,得到所述灰度变换函数,包括:
基于所述第二灰度分布为规定化后的直方图,对所述第一灰度分布进行直方图规定化,计算出所述映射关系。
在一个实施例中,计算所述第一灰度分布到所述第二灰度分布的映射关系,得到所述灰度变换函数,包括:
采用Parzen窗法对所述映射关系进行插值平滑,得到所述灰度变换函数。
在一个实施例中,根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态,包括:
根据所述灰度变换函数,对所述第一图像内各像素点的灰度值进行变换。
在一个实施例中,所述灰度变换函数包括第一灰度变换函数与第二灰度变换函数;
所述第一灰度变换函数用于变换所述第一灰度分布,变换后的第一灰度分布与预定的基准灰度分布匹配;所述基准灰度分布为所述第一灰度分布与所述第二灰度分布的加权结果;
所述第二灰度变换函数用于变换所述第二灰度分布,变换后的第二灰度分布与所述基准灰度分布匹配;
参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数,包括:
计算所述第一灰度分布到所述基准灰度分布的第一映射关系,得到所述第一灰度变换函数;
计算所述第二灰度分布到所述基准灰度分布的第二映射关系,得到所述第二灰度变换函数。
在一个实施例中,所述第一灰度分布为所述重叠区域在所述第一图像内的灰度直方图;所述第二灰度分布为所述重叠区域在所述第二图像内的灰度直方图;
参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数,包括:
以所述基准灰度分布为规定化后的直方图,对所述第一灰度分布进行直方图规定化,得到所述第一映射关系;
以所述基准灰度分布为规定化后的直方图,对所述第二灰度分布进行直方图规定化,得到所述第二映射关系。
在一个实施例中,参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数,包括:
采用Parzen窗法,分别对所述第一映射关系与所述第二映射关系进行插值平滑,得到所述第一灰度变换函数与所述第二灰度变换函数。
在一个实施例中,根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态,包括:
根据所述第一灰度变换函数,对所述第一图像内各像素点的灰度值进行变换;
根据所述第二灰度变换函数,对所述第二图像内各像素点的灰度值进行变换。
在一个实施例中,所述第一图像与所述第二图像为图像配准后的两幅图像,所述方法还包括以下步骤:
对灰度变换至匹配状态的第一图像与第二图像进行拼接。
在一个实施例中,所述第一图像与所述第二图像为脊柱不同部位的医学图像。
根据本申请实施例的第二方面,提供一种图像处理装置,包括:
第一分布获取模块,用于获取第一图像与第二图像的重叠区域在所述第一图像内的灰度分布,得到第一灰度分布;
第二分布获取模块,用于获取所述重叠区域在所述第二图像内的灰度分布,得到第二灰度分布;
变换函数计算模块,用于参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数;所述灰度变换函数用于匹配所述第一灰度分布与所述第二灰度分布;
图像灰度变换模块,用于根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态。
在一个实施例中,所述灰度变换函数用于变换所述第一灰度分布,变换后的第一灰度分布与所述第二灰度分布匹配;
所述变换函数计算模块被配置为:
计算所述第一灰度分布到所述第二灰度分布的映射关系,得到所述灰度变换函数。
在一个实施例中,所述第一灰度分布为所述重叠区域在所述第一图像内的灰度直方图;所述第二灰度分布为所述重叠区域在所述第二图像内的灰度直方图;
所述变换函数计算模块还被配置为:
基于所述第二灰度分布为规定化后的直方图,对所述第一灰度分布进行直方图规定化,计算出所述映射关系。
在一个实施例中,所述变换函数计算模块还被配置为:
采用Parzen窗法对所述映射关系进行插值平滑,得到所述灰度变换函数。
在一个实施例中,所述图像灰度变换模块被配置为:
根据所述灰度变换函数,对所述第一图像内各像素点的灰度值进行变换。
在一个实施例中,所述装置还包括:
图像拼接模块,用于对灰度变换至匹配状态的第一图像与第二图像进行拼接。
在一个实施例中,所述第一图像与所述第二图像为脊柱不同部位的医学图像。
根据本申请实施例的第三方面,提供一种计算机设备,包括:
处理器;
存储处理器可执行指令的存储器;
其中,所述处理器耦合于所述存储器,用于读取所述存储器存储的程序指令,并作为响应,执行如上所述方法中的操作。
根据本申请实施例的第四方面,提供一个或多个机器可读存储介质,其上存储有指令,当由一个或多个处理器执行时,使得计算机设备执行如上所述方法中的操作。
应用本申请实施例,可以通过获取两幅图像的重叠区域,在其中每幅图像内的灰度分布,计算出用于匹配所述两幅图像内重叠区域的灰度分布的灰度变换函数,并根据所述灰度变换函数,将所述两幅图像的灰度变换至匹配状态。由于灰度变换函数可以匹配两幅图像内重叠区域的灰度分布,重叠区域的灰度分布匹配时,两幅图像的重叠区域中相同对象的灰度差异在预定的正常范围内。因此,根据所述灰度变换函数,将所述两幅图像的灰度变换至匹配状态后,两幅图像的灰度差异,及图像中相同对象的灰度差异也在预定的正常范围内。
进而,如果对变换至匹配状态的两幅图像进行拼接,可以尽可能避免拼接所得图像在拼接处两侧出现异常的灰度差异。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1A是本申请一示例性实施例示出的图像处理方法的流程图;
图1B是本申请一示例性实施例示出的第一图像的示意图;
图1C是本申请一示例性实施例示出的第二图像的示意图;
图2是本申请另一示例性实施例示出的图像处理方法的流程图;
图3A是本申请另一示例性实施例示出的图像处理方法的流程图;
图3B是本申请一示例性实施例示出的初步估计的重叠区域的示意图;
图3C是本申请一示例性实施例示出的互信息分布曲线图;
图3D是本申请一示例性实施例示出的重叠区域的示意图;
图3E是本申请另一示例性实施例示出的重叠区域的示意图;
图3F是本申请一示例性实施例示出的配准后的重叠区域的示意图;
图3G是本申请另一示例性实施例示出的配准后的重叠区域的示意图;
图3H是本申请一示例性实施例示出的第一灰度分布的示意图;
图3I是本申请一示例性实施例示出的第二灰度分布的示意图;
图3J是本申请一示例性实施例示出的第二灰度分布被直方图规定化后的灰度分布;
图3K是本申请一示例性实施例示出的直方图规划出的灰度变换函数的灰度图;
图3L是本申请一示例性实施例示出的灰度变换函数的示意图;
图3M是本申请一示例性实施例示出的插值平滑后的灰度变换函数的示意图;
图3N是本申请一示例性实施例示出的未匹配第一图像与第二图像时得到的全脊柱MR图像;
图3O是本申请一示例性实施例示出的图像处理方法得到的全脊柱MR图像;
图4A至图4C是本申请一示例性实施例示出的实现图像处理的MR系统的架构图;
图5是本申请一示例性实施例示出的MR系统的原理图;
图6是本申请一示例性实施例示出的计算机设备的硬件结构示意图;
图7是本申请一示例性实施例示出的图像处理装置的框图。
具体实施方式
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,在不脱离本发明范围的情况下,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”。
本申请实施例涉及的第一图像与第二图像,可以是医学成像、无人机航拍、遥感成像等成像场景中,不同时间针对相同的拍摄对象(拍摄物体和/或拍摄环境),拍出的不同图像。一些情况下,两幅图像中至少有部分区域含有相同的拍摄内容,相同的拍摄内容可以指拍摄物体的相同部位,或者,指拍摄环境的同一环境区;另一些情况下,两幅图像中至少部分区域含有相邻的拍摄内容,相邻的拍摄内容可以指拍摄物体的相邻部位,或者,指拍摄环境的相邻环境区。
由于两幅图像是不同时间拍摄得到的图像,而被拍对象在不同拍摄时间的位置变化,拍摄设备在不同拍摄时间的位置变化,或其他与应用场景相关的变化因素,均可能导致两幅图像间存在异常的灰度差异。如果构建全景图像或三维图像时拼接两幅图像,拼接所得图像在拼接处两侧会出现异常的灰度差异。
本申请方案的设计人员为了尽可能降低两幅图像间异常的灰度差异,提出了一种图像处理方法,该方法通过获取两幅图像的重叠区域,在其中每幅图像内的灰度分布,计算出用于匹配所述两幅图像内重叠区域的灰度分布的灰度变换函数,并根据所述灰度变换函数,将所述两幅图像的灰度变换至匹配状态。由于灰度变换函数可以匹配两幅图像内重叠区域的灰度分布,重叠区域的灰度分布匹配时,两幅图像的重叠区域中相同对象的灰度差异在预定的正常范围内。因此,根据所述灰度变换函数,将所述两幅图像的灰度变换至匹配状态后,两幅图像的灰度差异,及图像中相同对象的灰度差异也在预定的正常范围内。以下结合附图详述下本申请实施例的图像处理过程:
请参阅图1A,图1A是本申请一示例性实施例示出的图像处理方法的流程图,可以应用于计算机设备,包括步骤S101至步骤S104:
步骤S101、获取第一图像与第二图像的重叠区域在所述第一图像内的灰度分布,得到第一灰度分布。
步骤S102、获取所述重叠区域在所述第二图像内的灰度分布,得到第二灰度分布。
步骤S103、参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数;所述灰度变换函数用于匹配所述第一灰度分布与所述第二灰度分布。
步骤S104、根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态。
本申请实施例应用的计算机设备,可以是成像系统中的图像处理设备,如医学成像领域中,CT成像系统中的图像重建设备,或者MR成像系统的主计算机;也可以是成像系统外其他具备图像处理功能的计算机设备。
实际应用中,本申请实施例可以实时从成像系统获取第一图像及第二图像;也可以调取预存的第一图像及第二图像。
本申请方案的技术人员经研究发现,正常情况下,两幅图像中含有相同拍摄内容或者相邻拍摄内容的区域,相同区域的灰度差值应该为零或者在预设的阈值内。当被拍对象位置变化,拍摄设备的位置变化,或其他与应用场景相关的因素发生变化时,会导致两幅图像中含有相同拍摄内容或者相邻拍摄内容的区域,存在异常的灰度差异。
例如:医学场景中,由于MR扫描的FOV(英文全称Fieldof view,视野)的限制,扫描脊柱时,一个扫描过程难以扫描到全脊柱的图像数据,而是需要多个扫描过程,每个扫描过程扫描部分脊柱,得到部分脊柱的MR重建图像,拼接多个扫描过程得到的MR重建图像,才能得到全脊柱MR图像。
其中,相邻两个扫描过程得到两幅MR重建图像,会存在包含脊柱相同部位的图像区域,或相邻脊柱部分的图像区域。具体如图1B和1C所示,图1B为第一图像,图1C为第二图像,图1B中的LAP1区域与图1C中的LAP2区域,包含有脊柱相同部位的图像。LAP1区域与LAP2区域具有相同的灰度或差值在预定灰度差范围内的灰度。但是,由于不同扫描过程中MR磁场或者脂肪等因素的变化,导致图1B中的LAP1区域与图1C中的LAP2区域存在异常的灰度差异,如灰度差超过预定的正常灰度差范围。
本申请方案的设计人员,先将两幅图像中含有相同拍摄内容或者相邻拍摄内容的区域,称作重叠区域,如图1B中的LAP1区域与图1C中的LAP2区域,类似于图像拼接领域中的重叠区域,灰度的差值应该在预设阈值内
然后,鉴于重叠区域本应具有相同的灰度或差值在预定灰度差范围内的灰度这一特性,通过匹配两幅图像的重叠区域的灰度分布至相同,或差异在预定的差异范围,计算出能够匹配两幅图像的灰度至相同,或在预定的差异范围的灰度变换函数。
实际计算灰度变换函数的过程中,可以实时确定第一图像与第二图像的重叠区域,然后计算出重叠区域在第一图像中的灰度分布,及重叠区域在第二图像中的灰度分布,得到第一灰度分布与第二灰度分布;也可以预先计算并存储第一灰度分布与第二灰度分布,实时调取预存的第一灰度分布与第二灰度分布。这里确定重叠区域时,可以通过图像特征识别技术,识别出第一图像与第二图像中含有相同图像特征的区域。
其他例子中,也可以根据图像各区域与拍摄对象各部分的对应关系,初步估计出可能含有拍摄对象相同部位或相邻部分的区域,然后在初始估计的区域,对图像内容进行匹配检索,得出重叠区域。
得出重叠区域后,可以在第一图像与第二图像分别标识出重叠区域,如图1B中的LAP1区域与图1C中的LAP2区域,然后计算第一图像中被标识出的区域的灰度分布,得到第一灰度分布,计算第二图像中被标识出的区域的灰度分布,得到第二灰度分布。
需要说明的是,第一灰度分布或第二灰度分布,可以是统计重叠区域在第一图像或第二图像中各像素点的灰度后,划分出预定数目的灰度级范围,如16个,前一个灰度级范围的最大边界,与后一个灰度级范围的最小边届重叠,然后统计出第一图像或第二图像中的重叠区域内,灰度在每个灰度级范围内的像素点的个数,将各灰度级范围及各灰度级范围内的像素点的个数,构成灰度直方图,得到第一灰度分布或第二灰度分布。
另一例子中,也可以计算出第一图像或第二图像中的重叠区域内,灰度在每个灰度级范围内的各像素点的个数,及这些像素点的灰度最大值或平均值,将每个灰度级范围内的像素点的个数及各像素点的灰度最大值或平均值,构成灰度直方图,得到第一灰度分布或第二灰度分布。
另一例子中,还可以通过拟合第一图像或第二图像中的重叠区域内,各像素点及各像素点的灰度,计算出重叠区域在第一图像或第二图像中的灰度分布函数或灰度分布曲线,得到第一灰度分布或第二灰度分布。其他例子中,也可以采取其他方式得到第一灰度分布或第二灰度分布,本申请实施例对此不做限制。
得到第一灰度分布与第二灰度分布后,可以以其中一个灰度分布为基准灰度分布,另一个灰度分布为待变换灰度分布,变换待变换灰度分布直至与基准灰度分布相匹配,获得灰度变换函数;也可以两个灰度分布的加权结果为基准灰度分布,分别变换两个灰度分布至基准灰度分布匹配,计算出灰度变换函数,具体可以参见以下实施例:
一实施例中,所述灰度变换函数用于变换所述第一灰度分布,变换后的第一灰度分布与所述第二灰度分布匹配。这里提到的匹配表示相同或差异在预定范围内。
其中,参照所述第一灰度分布与所述第二灰度分布,计算灰度变换函数时,可以计算所述第一灰度分布到所述第二灰度分布的映射关系,得到所述灰度变换函数。
而实际计算所述映射关系时,可以参照第一灰度分布与第二灰度分布的不同形式,采用不同的方式。
比如:所述第一灰度分布为所述重叠区域在所述第一图像内的灰度直方图;所述第二灰度分布为所述重叠区域在所述第二图像内的灰度直方图;可以基于所述第二灰度分布为规定化后的直方图,对所述第一灰度分布进行直方图规定化,计算出所述映射关系。某些情况下,可以采用现有的直方图规定划应用,将所述第二灰度分布作为规定化后的直方图,将所述第一灰度分布作为待进行直方图规定化的直方图,输入直方图规定划应用,接收直方图规定化应用的输出,即可得到所述映射关系。这提到的映射关系可以为两个数据集间的对应关系;直方图规定化的目的就是调整原始图像的直方图使之符合某一规定直方图的要求。设Pr(r)和Pz(z)分别表示原始灰度图像和目标图像的灰度分布概率密度函数。根据直方图规定化的特点与要求,应使原始图像的直方图具有Pz(z)所表示的形状。因此,建立Pr(r)和Pz(z)之间的关系是直方图规定化解决的问题。
另外,考虑到灰度直方图与实际的灰度分布存在一定的差异,在计算出所述映射关系后,可以采用Parzen窗法对所述映射关系进行插值平滑,得到所述灰度变换函数。这样在一定程度上,可以提高灰度变换函数的准确性。
其中,Parzen窗又称为核密度估计,是概率论中用来估计位置概率密度函数的非参数方法之一,它的基本思想是利用一定范围内各点密度的平均值,对总体密度函数进行估计,或者说利用Parzen窗函数对样本在取值空间中进行插值。这里提到的一定范围,可以是预定数目的灰度级范围,如16个灰度级范围。
Parzen窗函数可记为K(x,xi),其中,x为待估计位置,xi为已知样本点位置,窗函数与待估计位置与样本点之间距离|x-xi|相关,且满足如下公式(1):
K(x,xi)≥0,∫K(x,xi)dx=1 (1);
上述公式(1)表示样本点对所有可能点的影响之和为1,因此常作为加权系数用于插值。
将Parzen窗函数视为各个样本点对带求解位置的贡献(权重),即可利用已知的16个灰度区间xi的灰度变换函数f(xi)插值出任意灰度值x的灰度变换函数f(x):
之后,利用插值获得的灰度变换函数f(x)对各像素灰度值x进行变换。
常见的Parzen函数有方窗,高斯窗等。其中方窗定义为:
高斯窗的形式为:
其中,x满足均值为xi的方差为σ2的正态分布。
再比如,所述第一灰度分布为通过拟合第一图像中的重叠区域内,各像素点及各像素点的灰度,计算出的重叠区域在第一图像中的灰度分布函数或灰度分布曲线;所述第二灰度分布为通过拟合第二图像中的重叠区域内,各像素点及各像素点的灰度,计算出的重叠区域在第二图像中的灰度分布函数或灰度分布曲线。可以通过拟合第一灰度分布至与第二灰度分布匹配,拟合出灰度变换函数。
通过上述实施例得到灰度变换函数后,在将所述第一图像与所述第二图像的灰度变换至匹配状态时,可以根据所述灰度变换函数,仅对所述第一图像内各像素点的灰度值进行变换。其中,灰度变换函数的自变量为某个像素点的变换前的灰度,因变量为该像素点变换后的灰度,因此,在对所述第一图像内各像素点的灰度值进行变换时,可以分别将所述第一图像内各像素点的灰度值作为自变量,代入灰度变换函数,得出因变量的数值后,以因变量的数值分别替换对应像素点的灰度值。
另一实施例中,所述灰度变换函数包括第一灰度变换函数与第二灰度变换函数;所述第一灰度变换函数用于变换所述第一灰度分布,变换后的第一灰度分布与预定的基准灰度分布匹配;所述基准灰度分布为所述第一灰度分布与所述第二灰度分布的加权结果;所述第二灰度变换函数用于变换所述第二灰度分布,变换后的第二灰度分布与所述基准灰度分布匹配。
其中,参照所述第一灰度分布与所述第二灰度分布,计算灰度变换函数时,可以计算所述第一灰度分布到所述基准灰度分布的第一映射关系,得到所述第一灰度变换函数;计算所述第二灰度分布到所述基准灰度分布的第二映射关系,得到所述第二灰度变换函数。
而实际计算第一映射关系或第二映射关系时,可以参照第一灰度分布或第二灰度分布的不同形式,采用不同的方式。
比如:所述第一灰度分布为所述重叠区域在所述第一图像内的灰度直方图;所述第二灰度分布为所述重叠区域在所述第二图像内的灰度直方图;可以以所述基准灰度分布为规定化后的直方图,对所述第一灰度分布进行直方图规定化,得到所述第一映射关系;以所述基准灰度分布为规定化后的直方图,对所述第二灰度分布进行直方图规定化,得到所述第二映射关系。
某些情况下,可以采用现有的直方图规定化应用,将所述基准灰度分布作为规定化后的直方图,将所述第一灰度分布或所述第二灰度分布作为待进行直方图规定化的直方图,输入直方图规定化应用,接收直方图规定化应用输出,即可得到所述第一映射关系或第二映射关系。这提到的映射关系可以为两个数据集间的对应关系。
考虑到,灰度直方图与实际的灰度分布存在一定的差异,在计算出所述第一映射关系和/或第二映射关系后,可以采用Parzen窗法对所述第一映射关系进行插值平滑,得到所述第一灰度变换函数;和/或,采用Parzen窗法对所述第二映射关系进行插值平滑,得到所述第二灰度变换函数。这样在一定程度上,可以提高灰度变换函数的准确性。
再比如,所述第一灰度分布为通过拟合第一图像中的重叠区域内,各像素点及各像素点的灰度,计算出的重叠区域在第一图像中的灰度分布函数或灰度分布曲线;所述第二灰度分布为通过拟合第二图像中的重叠区域内,各像素点及各像素点的灰度,计算出的重叠区域在第二图像中的灰度分布函数或灰度分布曲线。可以通过拟合第一灰度分布至与基准灰度分布匹配,拟合出第一灰度变换函数;通过拟合第二灰度分布至与基准灰度分布匹配,拟合出第二灰度变换函数。
通过上述实施例得到第一灰度变换函数与第二灰度分布函数后,在将所述第一图像与所述第二图像的灰度变换至匹配状态时,可以根据所述第一灰度变换函数,对所述第一图像内各像素点的灰度值进行变换;根据所述第二灰度变换函数,对所述第二图像内各像素点的灰度值进行变换。具体变换过程可以参照前一实施例,在此不再赘述。
在其他实施例中,还可以采取其他灰度分布为基准灰度分布,通过匹配第一灰度分布与第二灰度分布,计算出灰度分布函数,并变换第一图像与第二图像的灰度至匹配状态,本申请实施例对此不做赘述。
由上述实施例可知,本申请的方案可以根据所述灰度变换函数,将所述两幅图像的灰度变换至匹配状态,匹配状态下,两幅图像的灰度差异,及图像中相同对象的灰度差异也在预定的正常范围内。
进而,如果将本申请方案的图像处理方法应用至图像拼接过程中,可以对变换至匹配状态的两幅图像进行拼接,尽可能避免拼接所得图像在拼接处两侧出现异常的灰度差异,提高图像拼接质量。
本申请的方案应用在图像拼接过程中时,所述第一图像与所述第二图像可以为图像配准后的两幅图像,或者图像配准前的两幅图像,本申请的图像处理方法还可以对灰度变换至匹配状态的第一图像与第二图像进行拼接。具体可以参见附图2所示方法,该方法可以包括步骤S201-步骤S205:
步骤S201、获取第一图像与第二图像的重叠区域在所述第一图像内的灰度分布,得到第一灰度分布。
步骤S202、获取所述重叠区域在所述第二图像内的灰度分布,得到第二灰度分布。
步骤S203、参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数;所述灰度变换函数用于匹配所述第一灰度分布与所述第二灰度分布。
步骤S204、根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态。
步骤S205、对灰度变换至匹配状态的第一图像与第二图像进行拼接。
本申请实施例的技术内容与前述实施例中的技术内容相应,如第一图像、第二图像、灰度分布、灰度变换函数、匹配等等,在此不再赘述。
区别在于,第一图像与第二图像是待拼接的两幅图像。一例子中,拍摄得到的两幅图像的图像空间是图像配准后的两幅图像;如果拍摄得到的两幅图像的图像空间匹配(如图像空间的差异在预定范围内),两幅图像不需要配准,第一图像与第二图像可以无需配准的两幅图像。这里提到的图像配准可以指刚体以及非刚体配准。
另一例子中,拍摄得到的两幅图像的图像空间不匹配(如图像空间的差异在预定范围外),那么需要配准两幅图像后,再将所述第一图像与所述第二图像的灰度变换至匹配状态。
如果第一图像与第二图像是图像配准前的两幅图像,确定重叠区域后,需要对重叠区域进行配准,使得两个图像中配准后的重叠区域的像素点一一对应,如图1B中的LAP1区域与图1C中的LAP2区域,可以进行配准。
然后计算配准后的重叠区域在第一图像的灰度分布得到第一灰度分布,计算配准后的重叠区域在第一图像的灰度分布,得到第二灰度分布。具体可以参照图1A至图1C涉及的实施例,在此不再赘述。
如果第一图像与第二图像是图像配准后的两幅图像,直接参照图1A至图1C涉及的实施例,获取第一灰度分布与第二灰度分布即可。
步骤S203与步骤S204,也可以参照图1A至图1C所示的实施例,在此不再赘述。
不同之处在于,如果第一图像与第二图像是图像配准后的两幅图像,直接参照参照图1A至图1C所示的实施例,根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态。
如果第一图像与第二图像是图像配准前的两幅图像,将第一图像与第二图像配准后,再根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态。
对于步骤S205,对灰度变换至匹配状态的第一图像与第二图像进行拼接时,可以直接第一图像拷贝到第二图像上,两个图像的重叠区域重合。
由上述实施例可知,本申请的图像处理方法,可以提高拼接图像的质量,具体到医学领域时,可以提高被检体的医学图像的拼接图像的质量,这里的医学图像可以是US图像(US全称Ultrasound,译文超声)、CT图像(全称Computed Tomography,译文电子计算机断层扫描)、MR图像(全称Magnetic Resonance Imaging,译文磁共振成像)、或其他类型的医学成像。具体的如脊柱不同部位的医学图像。
以下以第一图像与第二图像为待拼接的脊柱不同部位的MR图像为例,介绍下拼接出全脊柱的MR图像的图像处理过程,具体可以参见附图3A所示方法,该方法可以包括步骤S301-步骤S305:
步骤S301、获取第一脊柱MR图像与第二脊柱MR图像的重叠区域在所述第一脊柱MR图像内的灰度分布,得到第一灰度分布。
步骤S302、获取所述重叠区域在所述第二脊柱MR图像内的灰度分布,得到第二灰度分布。
步骤S303、参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数;所述灰度变换函数用于匹配所述第一灰度分布与所述第二灰度分布。
步骤S304、根据所述灰度变换函数,将所述第一脊柱MR图像与所述第二脊柱MR图像的灰度变换至匹配状态。
步骤S305、对灰度变换至匹配状态的第一脊柱MR图像与第二脊柱MR图像进行拼接。
本申请实施例的技术内容与前述实施例中的技术内容相应,如灰度分布、灰度变换函数、匹配等等,在此不再赘述。
其中,第一脊柱MR图像与第二脊柱MR图像,为MR系统的不同扫描过程中,扫描脊柱的不同区域得到的重建图像,可以包含脊柱的相同部位的图像,即具有重叠区域,如图1B的LAP1区域与图1C的LAP2区域。
为了提高拼接所得的全脊柱MR图像的成像质量,在确定重叠区域时,可以根据DICOM tag的image position信息和图像信息初步估计出可能的重叠区域,在初始估计的重叠区域的基础上,由图像内容进行匹配检索进行计算得到最终的重叠区域。其中,DICOM标准是医学图像的存储和传输协议,有些字段用来表示图像的信息,比如图像的矩阵大小,图像采集时的图像在病人坐标系统下的位置等,这些字段被称为DICOM tag。
一例子中,可以参照图1B与图1C,通过以下操作确定重叠区域:
根据DICOM tag信息确定大概的重叠区域大小,如图1B中第一幅图像的LAP1区域;截取第一幅图像中重叠区域图像,如图3B所示;在第二幅图上基于互信息的相似性遍历搜索,得到互信息分布曲线,如图3C所示曲线,峰值的位置就是精确估计的重叠区域位置。如图3D与图3E分别所示的重叠区域。
确定出重叠区域后,如果待拼接的第一脊柱MR图像与第二脊柱MR图像是配准前的两幅图像,顺次对两幅图像的重叠区域进行刚体与非刚体配准,使得两幅图像的重叠区域的像素点一一对应。图3D与图3E分别所示的重叠区域,配准后,分别如图3F与图3G所示。
确定好重叠区域后,可以参照图1A至图2涉及的实施例,确定第一灰度分布与第二灰度分布,在灰度分布为灰度直方图时,以图3F与图3G所示重叠区域为例,图3H所示的第一灰度分布为图3F所示重叠区域的灰度直方图,图3I所示的第二灰度分布为图3G所示重叠区域的灰度直方图。
采用直方图规定化方式计算灰度变换函数时,图3I所示的第二灰度分布进行直方图规定化后,如图3J所示。
一例子中,按照以下公式,可以计算出灰度变换函数:
Imap(x,y)=I2overlap(x,y)/I'2overlap(x,y) (5);
其中,I2overlap是图3I所示的第二灰度分布,I'2overlap是图3J所示的直方图规定化后的灰度分布,Imap是灰度变换函数对应的灰度图,如图3K所示,其中每个点的值是该点在图像I2overlap上的灰度对应的灰度变换函数值。其中一些点为0,比如I'2overlap中像素为0的点。再根据Imap的灰度直方图,计算出灰度变换函数,如图3L所示。
采用parzen窗法,对图3L所示灰度变换函数进行插值平滑后,平滑后的灰度变换函数如图3M所示。
采用图3M所示的灰度变换函数,将所述第一脊柱MR图像与所述第二脊柱MR图像的灰度变换至匹配状态。具体可以参照图2涉及的实施例,在此不再赘述。
对灰度变换至匹配状态的第一脊柱MR图像与第二脊柱MR图像进行拼接后,拼接出的全脊柱MR图像如图3O所示,图3N为未采用本申请的方案直接拼接出的全脊柱MR图像。从图中可见,本案基于灰度直方图统计信息的变换,对对图像整体灰度变换,及局部图像的灰度变换效果均比较明显。
以下结合一实施例介绍下可以实现本申请的图像处理方法的一种系统:
如图4A所示,简单示意了MR系统的组成,可以包括检查床、磁体、梯度线圈、射频线圈、主计算机、梯度放大器、射频控制器和控制台。
其中,磁体是产生磁场的装置。
结合参见图4B所示,在磁体之外,磁共振系统200还可以包括三维梯度子系统210、射频发射子系统220和射频接收子系统230。
三维梯度子系统210可以用于进行MR信号的空间定位编码,产生梯度回波。该三维梯度子系统210可以包括梯度信号产生器211、梯度放大器212和梯度线圈213。
所述梯度信号发生器211用于产生三维梯度脉冲信号,所述三维梯度脉冲信号包括选层方向梯度信号、频率编码梯度信号以及相位编码梯度信号。所述梯度信号产生器211可以包括如图4C所示的处理器31、机器可读存储介质32以及数模转换器,其中,处理器31和机器可读存储介质32通常借由内部总线33相互连接。在其他可能的实现方式中,所述梯度信号产生器211还可能包括外部接口34,以能够与其他设备或者部件进行通信。其中,机器可读存储介质32上存储有控制梯度信号产生的控制逻辑40。
所述梯度放大器212用于将所述三维梯度脉冲信号进行放大。
所述梯度线圈213用于利用所述三维梯度脉冲信号来产生三维梯度磁场。所述三维梯度磁场用于使图像具有空间信息。该梯度线圈可以包括三组独立的线圈,分别为X轴梯度线圈,Y轴梯度线圈和Z轴梯度线圈。
射频系统可以包括上述的图4A中的射频线圈、射频控制器等,主要用于向被测物体发射信号,从被测物体接收信号,因此射频线圈有发射线圈和接收线圈之分,例如,图4B所示的射频发射子系统220和射频接收子系统230,
图4A中的主计算机可以负责MR的成像序列的发送、射频信号采集、数据运算、图像重建和显示。
为了更清楚的理解MR的系统结构,可以继续参考图5示意的MR系统的原理示意图。如图5所示,磁共振成像装置40可以包括扫描仪41,具有一个空腔42,用于收容躺在支撑床43上的受检体,扫描仪41包括用于生成静磁场的主磁体44、用于生成沿X方向、Y方向、Z方向的梯度场的梯度线圈45和用于发射RF脉冲的RF发射线圈46。
RF脉冲产生装置51包括RF控制单元511、RF功率放大器510和RF发射线圈46。RF控制单元511通过RF功率放大器510控制RF发射线圈46来发射RF脉冲。RF功率放大器510将RF控制单元511输出的信号进行功率放大,之后提供给RF发射线圈46,以发射所需的RF脉冲。脉冲产生装置51根据成像序列的要求间隔特定时间重复产生特定脉冲。脉冲产生装置51可与序列控制单元59连接,其中序列控制单元59通过处理器53与RF控制单元511连接,在其他例子中,序列控制单元59可与脉冲产生装置51直接或间接连接。序列控制单元59可控制RF控制单元511,来产生所需的RF脉冲序列。
在本例中,磁共振成像装置40还包括梯度控制单元54和梯度功率放大器55。梯度控制单元54通过梯度功率放大器55控制梯度线圈45来产生梯度场。梯度场叠加在静磁场上,对受检体内的核自旋进行空间编码。梯度线圈45可以包括沿三个正交空间方向(X方向、Y方向和Z方向)各自独立的梯度线圈,从而实现空间编码。根据成像序列,脉冲产生装置51产生RF脉冲,梯度控制单元54控制梯度线圈45产生梯度场。梯度控制单元54也可与序列控制单元59连接,图示中序列控制单元59通过处理器53与梯度控制单元54连接,在其他实施例中,序列控制单元59可与梯度控制单元54直接或间接连接。序列控制单元59可控制梯度控制单元54,产生所需的梯度序列。
RF接收线圈47可以是接收线圈单元组成的阵列,来接收回波信号。接收线圈47一般靠近受检体放置。回波信号可被放大器49放大,放大后的回波信号给接收单元50。接收单元50可对回波信号进行处理并数字化,生成数字化的投影强度信号,提供给图像重建单元52。图像重建单元52根据投影强度信号重建图像。
处理器53与机器可读存储介质62相连。所述机器可读存储介质62存储有能够被所述处理器53执行的机器可读指令。所述处理器53执行所述机器可读指令,配置梯度控制单元54和RF控制单元55,从而完成成像序列。
某些场景下,本申请实施例的图像处理方法,可以应用于前述MR系统的主计算机,拼接出全脊柱MR图像。
与本申请图像处理方法的示例相对应,本申请还提供了图像处理装置的示例。图像处理装置可以应用于各种计算机设备,如个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、导航设备、电子邮件收发设备、游戏控制台、平板计算机、互联网电视、智能机车、无人驾驶汽车、智能交互平板、智能家居设备或者这些设备中的任意几种设备的组合。
如图6所示,为本申请图像处理装置应用的计算机设备的硬件结构示意图,该计算机设备可以包括处理器610、内存620、非易失性存储器630。其中,内存620和非易失性存储器630为机器可读存储介质,处理器610和机器可读存储介质620、630可借由内部总线640相互连接。在其他可能的实现方式中,所述计算机设备还可能包括网络接口650,以能够与其他设备或者部件进行通信。除了图6所示的处理器610、内存620、网络接口650、以及非易失性存储器630之外,该设备根据实际功能需要还可以包括其他硬件,图6中不再一一示出。
在不同的例子中,所述机器可读存储介质620、630可以是ROM(Read-Only Memory,只读存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、DVD等),或者类似的存储介质,或者它们的组合。
进一步,机器可读存储介质、可具体为内存620上存储有与图像处理装置对应的机器可执行指令。从功能上划分,如图7所示,图像处理装置可包括第一分布获取模块710、第二分布获取模块720、变换函数计算模块730和图像灰度变换模块740。
其中,第一分布获取模块710,用于获取第一图像与第二图像的重叠区域在所述第一图像内的灰度分布,得到第一灰度分布。
第二分布获取模块720,用于获取所述重叠区域在所述第二图像内的灰度分布,得到第二灰度分布。
变换函数计算模块730,用于参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数;所述灰度变换函数用于匹配所述第一灰度分布与所述第二灰度分布。
图像灰度变换模块740,用于根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态。
一例子中,所述灰度变换函数用于变换所述第一灰度分布,变换后的第一灰度分布与所述第二灰度分布匹配。
变换函数计算模块730可以被配置为:
计算所述第一灰度分布到所述第二灰度分布的映射关系,得到所述灰度变换函数。
作为例子,所述第一灰度分布为所述重叠区域在所述第一图像内的灰度直方图;所述第二灰度分布为所述重叠区域在所述第二图像内的灰度直方图;
变换函数计算模块730还可以被配置为:
基于所述第二灰度分布为规定化后的直方图,对所述第一灰度分布进行直方图规定化,计算出所述映射关系。
作为例子,变换函数计算模块730还可以被配置为:
采用Parzen窗法对所述映射关系进行插值平滑,得到所述灰度变换函数。
作为例子,图像灰度变换模块740可以被配置为:
根据所述灰度变换函数,对所述第一图像内各像素点的灰度值进行变换。
另一例子中,所述灰度变换函数包括第一灰度变换函数与第二灰度变换函数;
所述第一灰度变换函数用于变换所述第一灰度分布,变换后的第一灰度分布与预定的基准灰度分布匹配;所述基准灰度分布为所述第一灰度分布与所述第二灰度分布的加权结果;
所述第二灰度变换函数用于变换所述第二灰度分布,变换后的第二灰度分布与所述基准灰度分布匹配。
变换函数计算模块730可以被配置为:
计算所述第一灰度分布到所述基准灰度分布的第一映射关系,得到所述第一灰度变换函数;
计算所述第二灰度分布到所述基准灰度分布的第二映射关系,得到所述第二灰度变换函数。
作为例子,所述第一灰度分布为所述重叠区域在所述第一图像内的灰度直方图;所述第二灰度分布为所述重叠区域在所述第二图像内的灰度直方图;
变换函数计算模块730还可以被配置为:
以所述基准灰度分布为规定化后的直方图,对所述第一灰度分布进行直方图规定化,得到所述第一映射关系;
以所述基准灰度分布为规定化后的直方图,对所述第二灰度分布进行直方图规定化,得到所述第二映射关系。
作为例子,变换函数计算模块730还可以被配置为:
采用Parzen窗法,分别对所述第一映射关系与所述第二映射关系进行插值平滑,得到所述第一灰度变换函数与所述第二灰度变换函数。
作为例子,图像灰度变换模块740还可以被配置为:
根据所述第一灰度变换函数,对所述第一图像内各像素点的灰度值进行变换;
根据所述第二灰度变换函数,对所述第二图像内各像素点的灰度值进行变换。
另一例子中,本申请的图像处理装置还可以包括:
图像拼接模块,用于对灰度变换至匹配状态的第一图像与第二图像进行拼接。
作为例子,所述第一图像与所述第二图像为脊柱不同部位的医学图像。
本实施例的装置中各个单元(或模块)的功能和作用的实现过程,具体详见上述图像处理装置中对应的单元或模块,在此不再赘述。
本领域技术人员在考虑说明书及实践这里公开的内容后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像处理方法,其特征在于,包括步骤:
获取第一图像与第二图像的重叠区域在所述第一图像内的灰度分布,得到第一灰度分布;
获取所述重叠区域在所述第二图像内的灰度分布,得到第二灰度分布;
参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数;所述灰度变换函数用于匹配所述第一灰度分布与所述第二灰度分布;
根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态;
所述灰度变换函数包括第一灰度变换函数与第二灰度变换函数;
所述第一灰度变换函数用于变换所述第一灰度分布,变换后的第一灰度分布与预定的基准灰度分布匹配;所述基准灰度分布为所述第一灰度分布与所述第二灰度分布的加权结果;
所述第二灰度变换函数用于变换所述第二灰度分布,变换后的第二灰度分布与所述基准灰度分布匹配;
参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数,包括:
计算所述第一灰度分布到所述基准灰度分布的第一映射关系,得到所述第一灰度变换函数;
计算所述第二灰度分布到所述基准灰度分布的第二映射关系,得到所述第二灰度变换函数。
2.根据权利要求1所述的方法,其特征在于,所述第一灰度分布为所述重叠区域在所述第一图像内的灰度直方图;所述第二灰度分布为所述重叠区域在所述第二图像内的灰度直方图;
参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数,包括:
以所述基准灰度分布为规定化后的直方图,对所述第一灰度分布进行直方图规定化,得到所述第一映射关系;
以所述基准灰度分布为规定化后的直方图,对所述第二灰度分布进行直方图规定化,得到所述第二映射关系。
3.根据权利要求2所述的方法,其特征在于,参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数,包括:
采用Parzen窗法,分别对所述第一映射关系与所述第二映射关系进行插值平滑,得到所述第一灰度变换函数与所述第二灰度变换函数;
根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态,包括:
根据所述第一灰度变换函数,对所述第一图像内各像素点的灰度值进行变换;
根据所述第二灰度变换函数,对所述第二图像内各像素点的灰度值进行变换。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括以下步骤:
对灰度变换至匹配状态的第一图像与第二图像进行拼接。
5.根据权利要求4所述的方法,其特征在于,所述第一图像与所述第二图像为脊柱不同部位的医学图像。
6.一种图像处理装置,其特征在于,包括:
第一分布获取模块,用于获取第一图像与第二图像的重叠区域在所述第一图像内的灰度分布,得到第一灰度分布;
第二分布获取模块,用于获取所述重叠区域在所述第二图像内的灰度分布,得到第二灰度分布;
变换函数计算模块,用于参照所述第一灰度分布与所述第二灰度分布,确定出灰度变换函数;所述灰度变换函数用于匹配所述第一灰度分布与所述第二灰度分布;
图像灰度变换模块,用于根据所述灰度变换函数,将所述第一图像与所述第二图像的灰度变换至匹配状态;
所述灰度变换函数包括第一灰度变换函数与第二灰度变换函数;
所述第一灰度变换函数用于变换所述第一灰度分布,变换后的第一灰度分布与预定的基准灰度分布匹配;所述基准灰度分布为所述第一灰度分布与所述第二灰度分布的加权结果;
所述第二灰度变换函数用于变换所述第二灰度分布,变换后的第二灰度分布与所述基准灰度分布匹配;
所述变换函数计算模块具体用于:
计算所述第一灰度分布到所述基准灰度分布的第一映射关系,得到所述第一灰度变换函数;
计算所述第二灰度分布到所述基准灰度分布的第二映射关系,得到所述第二灰度变换函数。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
图像拼接模块,用于对灰度变换至匹配状态的第一图像与第二图像进行拼接。
8.根据权利要求7所述的装置,其特征在于,所述第一图像与所述第二图像为脊柱不同部位的医学图像。
9.一种计算机设备,其特征在于,包括:
处理器;
存储处理器可执行指令的存储器;
其中,所述处理器耦合于所述存储器,用于读取所述存储器存储的程序指令,并作为响应,执行如权利要求1-5中任一项所述方法中的操作。
10.一个或多个机器可读存储介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得计算机设备执行如权利要求1-5中任一项所述方法中的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811198980.5A CN109523495B (zh) | 2018-10-15 | 2018-10-15 | 图像处理方法及装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811198980.5A CN109523495B (zh) | 2018-10-15 | 2018-10-15 | 图像处理方法及装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109523495A CN109523495A (zh) | 2019-03-26 |
CN109523495B true CN109523495B (zh) | 2022-04-01 |
Family
ID=65771878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811198980.5A Active CN109523495B (zh) | 2018-10-15 | 2018-10-15 | 图像处理方法及装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523495B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3973506A4 (en) * | 2019-06-17 | 2022-08-03 | Shanghai United Imaging Healthcare Co., Ltd. | SYSTEMS AND METHODS FOR IMAGE PROCESSING |
CN113822820A (zh) * | 2021-10-22 | 2021-12-21 | 上海电气(集团)总公司智惠医疗装备分公司 | 一种图像校正方法、装置及电子设备 |
CN114387332B (zh) * | 2022-01-17 | 2022-11-08 | 江苏省特种设备安全监督检验研究院 | 一种管道测厚方法及装置 |
CN115661467B (zh) * | 2022-12-28 | 2023-05-05 | 中国科学院自动化研究所 | 脑血管图像分割方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1476811A (zh) * | 2002-07-29 | 2004-02-25 | ��ʽ���綫֥ | X射线图像处理装置及x射线图像处理方法 |
CN102693533A (zh) * | 2012-03-12 | 2012-09-26 | 清华大学 | 一种医学数字图像拼接方法 |
CN102737395A (zh) * | 2011-04-15 | 2012-10-17 | 深圳迈瑞生物医疗电子股份有限公司 | 一种医用x射线系统中的图像处理方法及装置 |
CN107292872A (zh) * | 2017-06-16 | 2017-10-24 | 艾松涛 | 图像处理方法/系统、计算机可读存储介质及电子设备 |
CN107622475A (zh) * | 2016-07-14 | 2018-01-23 | 上海联影医疗科技有限公司 | 图像拼接中的灰度校正方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937454B (zh) * | 2012-11-13 | 2015-11-25 | 航天恒星科技有限公司 | 一种全反射光学拼接相机的能量补偿与色差消除方法 |
CN105530502B (zh) * | 2014-09-28 | 2018-05-22 | 株式会社理光 | 根据立体相机拍摄的图像帧生成视差图的方法和装置 |
CN105279735B (zh) * | 2015-11-20 | 2018-08-21 | 沈阳东软医疗系统有限公司 | 一种图像拼接的融合方法、装置及设备 |
CN106940877B (zh) * | 2016-01-05 | 2021-04-20 | 富士通株式会社 | 图像处理装置及方法 |
CN106652044A (zh) * | 2016-11-02 | 2017-05-10 | 浙江中新电力发展集团有限公司 | 一种虚拟场景建模方法及系统 |
CN107103579A (zh) * | 2017-04-12 | 2017-08-29 | 湖南源信光电科技股份有限公司 | 一种面向图像拼接的ransac改进方法 |
CN107016647B (zh) * | 2017-04-26 | 2019-11-22 | 武汉大学 | 全景图像色调一致性纠正方法及系统 |
CN107958442A (zh) * | 2017-12-07 | 2018-04-24 | 中国科学院自动化研究所 | 多幅显微图像拼接中的灰度校正方法及装置 |
-
2018
- 2018-10-15 CN CN201811198980.5A patent/CN109523495B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1476811A (zh) * | 2002-07-29 | 2004-02-25 | ��ʽ���綫֥ | X射线图像处理装置及x射线图像处理方法 |
CN102737395A (zh) * | 2011-04-15 | 2012-10-17 | 深圳迈瑞生物医疗电子股份有限公司 | 一种医用x射线系统中的图像处理方法及装置 |
CN102693533A (zh) * | 2012-03-12 | 2012-09-26 | 清华大学 | 一种医学数字图像拼接方法 |
CN107622475A (zh) * | 2016-07-14 | 2018-01-23 | 上海联影医疗科技有限公司 | 图像拼接中的灰度校正方法 |
CN107292872A (zh) * | 2017-06-16 | 2017-10-24 | 艾松涛 | 图像处理方法/系统、计算机可读存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109523495A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523495B (zh) | 图像处理方法及装置、设备和存储介质 | |
US11633146B2 (en) | Automated co-registration of prostate MRI data | |
CN109523584B (zh) | 图像处理方法、装置、多模态成像系统、存储介质及设备 | |
JP5960163B2 (ja) | 校正スキャン、コイル感度マップ及びナビゲータを使用する、剛体動き補償のためのパラレルmri方法 | |
US7062078B2 (en) | Method and device for the registration of images | |
NL2003804C2 (en) | System and method for automated scan planning using symmetry detection and image registration. | |
US10191134B2 (en) | Method and apparatus for dynamic distortion correction of magnetic resonance image recordings | |
KR102584166B1 (ko) | 리스케일링과 인공신경망을 적용한 자기 공명 영상 처리 장치 및 그 방법 | |
Kyme et al. | Marker‐free optical stereo motion tracking for in‐bore MRI and PET‐MRI application | |
JP2006255046A (ja) | 磁気共鳴映像法および画像処理装置 | |
US12008695B2 (en) | Methods and systems for translating magnetic resonance images to pseudo computed tomography images | |
CN109633500B (zh) | 横向弛豫映射图的确定方法、装置以及磁共振成像设备 | |
US20130154639A1 (en) | Method of capturing magnetic resonance image and magnetic resonance imaging apparatus using the same | |
US10489941B2 (en) | Reconstruction of an image data set from measurement data of an image capturing device | |
US6891370B2 (en) | Method and system for three dimensional phase unwrapping | |
US20100130849A1 (en) | System and method for patient motion compensation during magnetic resonance scans | |
US20220292673A1 (en) | On-Site training of a machine-learning algorithm for generating synthetic imaging data | |
KR20190117234A (ko) | 인공신경망을 이용한 자기 공명 영상의 영상 프로토콜 선택 장치와 방법 및 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 | |
CN114494014A (zh) | 一种磁共振图像超分辨率重建方法及装置 | |
CN112669450A (zh) | 人体模型构建方法和个性化人体模型构建方法 | |
KR102429284B1 (ko) | 컴바인이 적용되는 자기 공명 영상 처리 장치 및 그 방법 | |
KR102475390B1 (ko) | 3d 마스크 자동 생성 기법이 적용되는 자기 공명 영상 처리 장치 및 그 방법 | |
US20230099906A1 (en) | Image registration method, computer device, and storage medium | |
US9953397B2 (en) | System and method for medical image correction | |
CN113384260B (zh) | 加速因子调节方法、磁共振成像扫描方法、装置和设备 |
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 |