CN110111318B - 一种环形伪影的检测方法和系统 - Google Patents

一种环形伪影的检测方法和系统 Download PDF

Info

Publication number
CN110111318B
CN110111318B CN201910359114.8A CN201910359114A CN110111318B CN 110111318 B CN110111318 B CN 110111318B CN 201910359114 A CN201910359114 A CN 201910359114A CN 110111318 B CN110111318 B CN 110111318B
Authority
CN
China
Prior art keywords
image
ring
polar coordinate
original image
determining
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
Application number
CN201910359114.8A
Other languages
English (en)
Other versions
CN110111318A (zh
Inventor
鲍园
王毅
曹文静
李翔
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare 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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201910359114.8A priority Critical patent/CN110111318B/zh
Publication of CN110111318A publication Critical patent/CN110111318A/zh
Priority to US16/862,636 priority patent/US11544821B2/en
Application granted granted Critical
Publication of CN110111318B publication Critical patent/CN110111318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Geometry (AREA)

Abstract

本申请实施例公开了一种环形伪影的检测方法和系统。所述环形伪影的检测方法包括：获取原始图像；将所述原始图像中的像素点映射到极坐标图像中；确定所述极坐标图像中的待保护区域；对所述极坐标图像中所述待保护区域以外的至少一个区域进行平滑处理，获得平滑图像；基于所述极坐标图像和所述平滑图像，生成残差图像；基于所述残差图像，确定原始图像中所述环形伪影的位置。本申请可以将原始图像映射到极坐标图中梯形或三角形区域和采用梯度角度图像进行图像处理，可以减少噪声影响，从而可以检测环形伪影的准确位置，为成像设备检测或空气校正提供信息。

Description

一种环形伪影的检测方法和系统
技术领域
本申请涉及图像处理领域，特别涉及一种环形伪影的检测方法和系统。
背景技术
医学影像设备(例如，电子计算机断层扫描(Computed Tomography，CT)设备、C臂(C-arm)机等)，重建出的图像通常会出现同心的环形伪影，对图像质量造成不利的影响。在实际使用中，可以对图像进行校正以消除其中的环形伪影。因此如果可以自动判断图像中是否有环形伪影，再根据结果决定是否对图像做伪影校正，将给图像质量的提高带来极大的方便。
发明内容
基于此，提供一种环形伪影的检测方法和系统。
本申请实施例之一提供一种环形伪影的检测方法。所述方法包括：获取原始图像；将所述原始图像中的像素点映射到极坐标图像中；确定所述极坐标图像中的待保护区域；对所述极坐标图像中所述待保护区域以外的至少一个区域进行平滑处理，获得平滑图像；基于所述极坐标图像和所述平滑图像，生成残差图像；基于所述残差图像，确定原始图像中所述环形伪影的位置。
在一些实施例中，所述将所述原始图像中的像素点映射到极坐标图像中包括：确定成像中心在原始图像中的位置；确定原始图像中，以所述位置为中心由内到外的多个环；将所述多个环上的像素点分别映射到极坐标图像中的多行或多列中的直线上；其中，多个环与所述多行或所述多列一一对应。
在一些实施例中，所述将所述多个环上的像素点分别映射到极坐标图像中的多行或多列中的直线上包括：对于多个环中的每一个：基于环上的像素点进行插值运算，获得至少一个插值像素点；将所述环上的像素点以及所述至少一个插值像素点映射到极坐标图像中的一行或一列中的直线上。
在一些实施例中，所述直线的长度与其对应的环的半径正相关。
在一些实施例中，所述将所述原始图像中的像素点映射到极坐标图像中包括：将所述原始图像中的像素点映射到极坐标图像中梯形或三角形区域内。
在一些实施例中，所述确定所述极坐标图像中的待保护区域包括：对所述极坐标图像进行边界提取，获得强边界区域。
在一些实施例中，所述边界提取的方法包括以下中的一种或多种的组合：阈值分割、拉普拉斯算子、索贝尔算子、罗伯特算子、马尔算子、坎尼算子、沈峻算子。
在一些实施例中，所述确定所述极坐标图像中的待保护区域还包括：基于所述强边界区域进行区域扩张，生成待保护区域。
在一些实施例中，所述基于所述极坐标图像和所述平滑图像，生成残差图像包括：将所述极坐标图像与所述平滑图像中相应像素点的像素值相减，得到所述残差图像。
在一些实施例中，基于所述残差图像，确定原始图像中所述环形伪影的位置包括：对所述残差图像按行求均值或按列求均值；将均值大于第一设定阈值的行或列对应的原始图像中的环确定为所述环形伪影区域，或者将均值小于第二设定阈值的行或列对应的原始图像中的环确定为所述环形伪影区域。
在一些实施例中，基于所述残差图像，确定原始图像中所述环形伪影的位置包括：基于所述残差图像生成梯度角度图像；对所述梯度角度图像按行求均值或按列求均值；确定峰值或谷值所在的行或列；所述峰值为大于第三设定阈值的均值，谷值为小于第四设定阈值的均值；将峰值所在行或列与距离其最近的谷值所在行或列作为一个峰谷位置对；筛选出峰谷位置对中，行间距或列间距小于设定距离值的峰谷位置对；基于筛选出的峰谷位置对中的行或列对应的原始图像中的环，确定所述环形伪影区域。
在一些实施例中，所述基于所述残差图像生成梯度角度图像包括：计算所述残差图像中的像素值的梯度角度值，得到所述梯度角度图像；其中，所述梯度角度值反映残差图像中像素值沿图像至少两个不同方向变化量的比值大小。
本申请实施例之一提供一种环形伪影的检测系统。所述系统包括获取模块、映射模块、待保护区域确定模块、平滑处理模块、残差图像生成模块和环形伪影确定模块；所述获取模块用于获取原始图像；所述映射模块用于将所述原始图像中的像素点映射到极坐标图像中；所述待保护区域确定模块用于确定所述极坐标图像中的待保护区域；所述平滑处理模块用于对所述极坐标图像中所述待保护区域以外的至少一个区域进行平滑处理，获得平滑图像；所述残差图像生成模块用于基于所述极坐标图像和所述平滑图像，生成残差图像；所述环形伪影确定模块用于基于所述残差图像，确定原始图像中所述环形伪影的位置。
本申请实施例之一提供一种环形伪影的检测装置。所述装置包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当所述至少一个处理器执行所述指令时，实现如本申请任一实施例所述环形伪影的检测方法。
本申请实施例之一提供一种计算机可读存储介质。所述存储介质存储计算机指令，当计算机读取所述存储介质中的所述计算机指令后，所述计算机执行如本申请任一实施例所述环形伪影的检测方法。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请一些实施例所示的一种示例性成像系统的示意图；
图2是根据本申请一些实施例所示的一种示例性计算设备的硬件和/或软件组件的示意图；
图3是根据本申请一些实施例所示的处理设备的示例性框图；
图4是根据本申请一些实施例所示的环形伪影检测方法的示例性流程图；
图5是根据本申请一些实施例所示的极坐标图像映射方法的示例性流程图；
图6是根据本申请一些实施例所示的环形伪影位置确定方法的示例性流程图；
图7是根据本申请一些实施例所示的原始图像的示意图；
图8是根据本申请一些实施例所示的极坐标图像的示意图；
图9是根据本申请一些实施例所示的强边界区域图像的示意图；
图10是根据本申请一些实施例所示的平滑图像的示意图；
图11是根据本申请一些实施例所示的残差图像的示意图；
图12是根据本申请一些实施例所示的梯度角度图像的示意图；
图13是根据本申请一些实施例所示的像素值均值图像的示意图；以及
图14是根据本申请一些实施例所示的峰谷位置对图像的示意图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
参照附图并考虑以下描述，本申请的这些和其他特征以及相关的结构元件以及制造的部件和经济的结合的操作和功能的方法可以变得更加明显，且都构成本申请的一部分。然而，应当明确地理解，附图仅仅是为了说明和描述的目的，并不意图限制本申请的范围。应当理解的是，附图不是按比例的。
图1是根据本申请一些实施例所示的一种示例性成像系统100的示意图。
成像系统100可以包括成像设备110、网络120、处理设备140和存储设备150。在一些实施例中，所述成像系统100还可以包括至少一个终端130。该成像系统100中的各个组件之间可以通过网络120互相连接。例如，成像设备110和至少一个终端130可以通过网络120连接或通信。
在一些实施例中，成像设备110可以对检测区域内的对象进行扫描，得到该对象的扫描数据。在一些实施例中，成像设备110可以用于获取医学图像数据，被扫描对象可以是人体或动物的整体或部分器官或组织，如头部等。在一些实施例中，成像设备110可以用于获取工业图像数据，被扫描对象可以是工件。在一些实施例中，成像设备110可以是X光成像设备，例如计算机断层扫描仪(CT)、C-臂机(C-arm)等。
网络120可以包括能够促进成像系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，成像系统100的至少一个组件(例如，成像设备110、处理设备140、存储设备150、至少一个终端130)可以通过网络120与成像系统100中至少一个其他组件交换信息和/或数据。例如，处理设备140可以通过网络120从成像设备110获得输出图像。又例如，处理设备140可以通过网络120从至少一个终端130获得用户(如，医生)指令。网络120可以或包括公共网络(例如，互联网)、专用网络(例如，局部区域网络(LAN))、有线网络、无线网络(例如，802.11网络、Wi-Fi网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任意组合。例如，网络120可以包括有线网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共电话交换网络(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等或其任意组合。在一些实施例中，网络120可以包括至少一个网络接入点。例如，网络120可以包括有线和/或无线网络接入点，例如基站和/或互联网交换点，成像系统100的至少一个组件可以通过接入点连接到网络120以交换数据和/或信息。
至少一个终端130可以与成像设备110、处理设备140和/或存储设备150通信和/或连接。例如，至少一个终端130可以从处理设备140获得检测图像。又例如，至少一个终端130可以获得通过成像设备110获取的输出图像，并将输出图像发送到处理设备140以进行处理。在一些实施例中，至少一个终端130可以包括移动设备131、平板计算机132、膝上型计算机133等或其任意组合。例如，移动设备131可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备等或其任意组合。在一些实施例中，至少一个终端130可以包括输入设备、输出设备等。输入设备可以包括字母数字和其他键。输入设备可以选用键盘输入、触摸屏(例如，具有触觉或触觉反馈)输入、语音输入、眼睛跟踪输入、大脑监测系统输入或任何其他类似的输入机制。通过输入设备接收的输入信息可以通过如总线传输到处理设备140，以进行进一步处理。其他类型的输入设备可以包括光标控制装置，例如鼠标、轨迹球或光标方向键等。输出设备可以包括显示器、扬声器、打印机等或其任意组合。在一些实施例中，至少一个终端130可以是处理设备140的一部分。
处理设备140可以处理从成像设备110、存储设备150、至少一个终端130或成像系统100的其他组件获得的数据和/或信息。例如，处理设备140可以从成像设备110中获取原始图像，检测原始图像中存在的伪影，例如环形伪影。在一些实施例中，处理设备140可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，处理设备140可以是本地或远程的。例如，处理设备140可以通过网络120从成像设备110、存储设备150和/或至少一个终端130访问信息和/或数据。又例如，处理设备140可以直接连接到成像设备110、至少一个终端130和/或存储设备150以访问信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。在一些实施例中，处理设备140可以由计算设备200实现。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备150可以存储成像设备110的输出图像。例如，原始图像。在一些实施例中，存储设备150可以存储从成像设备110、至少一个终端130和/或处理设备140获得的数据。在一些实施例中，存储设备150可以存储处理设备140用来执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可以包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，存储设备150可以在云平台上实现。
在一些实施例中，存储设备150可以连接到网络120以与成像系统100中的至少一个其他组件(例如，处理设备140、至少一个终端130)通信。成像系统100中的至少一个组件可以通过网络120访问存储设备150中存储的数据或指令。在一些实施例中，存储设备150可以是处理设备140的一部分。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。可以以各种方式组合本申请描述的示例性实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性实施例。例如，存储设备150可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本申请的范围。
图2是根据本申请一些实施例所示的一种示例性计算设备200的硬件和/或软件组件的示意图。
计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210可以执行计算机指令(例如，程序代码)，并根据本申请描述的方法执行处理设备140的功能。计算机指令可以包括例如执行本申请描述的特定功能的常规方法、程序、对象、组件、数据结构、过程、模块和功能。例如，处理器210可以处理成像设备110、至少一个终端130、存储设备150和/或成像系统100中的任何其他组件的数据。在一些实施例中，处理器210可以包括至少一个硬件处理器，诸如微控制器、微处理器、精简指令集计算机(RISC)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高阶RISC机器(ARM)、可编程逻辑器件(PLD)、能够执行至少一个功能的任何电路或处理器或类似物，或其任意组合。
仅为了说明的目的，在计算设备200中仅描述了一个处理器。然而，应该注意的是，本申请中的计算设备200还可以包括多个处理器，由此本申请中描述的由一个处理器执行的操作和/或方法步骤也可以由多个处理器联合地或单独地执行。例如，如果在本申请中，计算设备200的处理器执行操作A和操作B，则应该理解，操作A和操作B也可以由计算设备200中的多个不同的处理器共同地或单独地执行(例如，第一处理器执行操作A并且第二处理器执行操作B、或者第一处理器和第二处理器共同执行操作A和B)。
存储器220可以存储从成像设备110、至少一个终端130、存储设备150和/或成像系统100中的任何其他组件获得的数据/信息。在一些实施例中，存储器220可以包括大容量存储器、可移动存储器、易失性读写内存、只读存储器(ROM)等或其任意组合。例如，大容量存储器可以包括磁盘、光盘、固态硬盘等。可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘和磁带等。易失性读取和写入存储器可以包括随机存取存储器(RAM)。RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDRSDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，存储器220可以存储至少一个程序和/或指令用来执行在本申请中描述的示例性方法。
输入/输出(I/O)230可以用于输入和/或输出信号、数据、信息等。在一些实施例中，I/O230可以使用户与处理设备140交互。在一些实施例中，I/O230可以包括输入设备和输出设备。示例性的输入设备可以包括键盘、鼠标、触摸屏、麦克风等或其任意组合。示例性的输出设备可以包括显示设备、扬声器、打印机、投影仪等或其任意组合。示例性显示设备可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面显示器、电视设备、阴极射线管等或其任意组合。
通信端口240可以连接到网络(例如，网络120)以促进数据通信。通信端口240可以在处理设备140和成像设备110、至少一个终端130和/或存储设备150之间建立连接。连接可以包括有线连接、无线连接。有线连接可以包括例如电缆、光缆、电话线等或其任意组合。无线连接可以包括例如BluetoothTM链路、Wi-FiTM链路、WiMaxTM链路、WLAN链路、ZigBee链路、移动网络链路(例如，3G、4G、5G等)等或其任意组合。在一些实施例中，通信端口240可以是和/或包括标准化的通信端口，诸如RS232、RS485等。在一些实施例中，通信端口240可以是专门设计的通信端口。例如，通信端口240可以根据数字成像和医学通信(DICOM)协议来设计。
图3是根据本申请一些实施例所示的处理设备的示例性框图。
如图3所示，处理设备140可以包括获取模块310、映射模块320、待保护区域确定模块330、平滑处理模块340、残差图像生成模块350和环形伪影确定模块360。获取模块310可以用于获取图像。具体的，获取模块310可以用于获取原始图像。在一些实施例中，原始图像可以是当前时刻拍摄的图像，也可以是历史时刻拍摄并存储在存储设备(如存储设备150)中的图像。在一些实施例中，该原始图像可以是对应人体区域(如，胸部、头部、手臂、腰部、膝关节等)的图像。
映射模块320可以用于映射像素点。具体的，映射模块320可以将原始图像中的像素点映射到极坐标图像中。在一些实施例中，映射模块320可以确定成像中心在原始图像中的位置；确定原始图像中，以所述位置为中心由内到外的多个环；将多个环上的像素点分别映射到极坐标图像中的多行或多列中的直线上；其中，多个环与所述多行或多列一一对应。在一些实施例中，映射模块320可以将原始图像中的像素点映射到极坐标图像中梯形或三角形区域内。
待保护区域确定模块330可以用于确定图像中的待保护区域。具体的，待保护区域确定模块330可以用于确定所述极坐标图像中的待保护区域。在一些实施例中，待保护区域确定模块330可以对极坐标图像进行边界提取，获得强边界区域。在一些实施例中，待保护区域确定模块330可以基于强边界区域进行区域扩张，生成待保护区域。
平滑处理模块340可以用于对所述图像中的区域进行平滑处理，获得平滑图像。具体的，平滑处理模块340可以用于对极坐标图像中待保护区域以外的至少一个区域进行平滑处理，获得平滑图像。在一些实施例中，平滑滤波处理方法可以包括盒式滤波法、均值滤波法、高斯滤波法、邻域平均法、中值滤波法、双边滤波法、导向滤波法等。
残差图像生成模块350可以用于生成残差图像。具体的，残差图像生成模块350可以用于基于极坐标图像和平滑图像，生成残差图像。在一些实施例中，残差图像生成模块350可以将极坐标图像与平滑图像中相应像素点的像素值相减，得到残差图像。
环形伪影确定模块360可以用于确定原始图像中环形伪影的位置。具体的，环形伪影确定模块360可以用于基于残差图像，确定原始图像中环形伪影的位置。在一些实施例中，环形伪影确定模块360可以对残差图像按行求均值或按列求均值；将均值大于第一设定阈值的行或列对应的原始图像中的环确定为所述环形伪影区域，或者将均值小于第二设定阈值的行或列对应的原始图像中的环确定为环形伪影区域。在一些实施例中，环形伪影确定模块360可以基于残差图像生成梯度角度图像；对梯度角度图像按行求均值或按列求均值；确定峰值或谷值所在的行或列；所述峰值为大于第三设定阈值的均值，谷值为小于第四设定阈值的均值；将峰值所在行或列与距离其最近的谷值所在行或列作为一个峰谷位置对；筛选出峰谷位置对中，行间距或列间距小于设定距离值的峰谷位置对；基于筛选出的峰谷位置对中的行或列对应的原始图像中的环，确定环形伪影区域。
图4是根据本申请一些实施例所示的环形伪影检测方法的示例性流程图。具体的，环形伪影检测方法400可以由处理设备140执行。例如，环形伪影检测方法400可以以程序或指令的形式存储在存储装置(如存储设备150、存储器220)中，当成像系统100(如处理设备140)执行该程序或指令时，可以实现环形伪影检测方法400。如图4所示，环形伪影检测方法400可以包括：
步骤410，获取原始图像。具体的，步骤410可以由获取模块310执行。
在一些实施例中，原始图像可以是成像设备110的输出图像。在一些实施例中，输出图像可以是成像设备110最近一张输出图像，也可以是成像过程中的其他输出图像。在一些实施例中，原始图像可以是人体部位所在的图像。在一些实施例中，人体部位可以是受检者的组织、器官和/或身体部位。具体地，组织可以包括但不限肌肉组织、神经组织、骨组织、上皮组织等；器官可以包括但不限心脏、肝脏、肺部、胃部、肾部等；身体部位可以包括但不限于头、手、手臂、脚、小腿、大腿、腹部、胸部等。仅作为示例，获取模块310可以获取如图7所示的原始图像。
在一些实施例中，获取原始图像的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如获取模块310)调用。
步骤420，将原始图像中的像素点映射到极坐标图像中。具体的，步骤420可以由映射模块320执行。
在一些实施例中，原始图像中的像素点可以携带像素点信息。在一些实施例中，像素点信息可以包括在原始图像中的坐标值、像素值(或图像值)，其中，像素值又可以包括亮度值、灰度值、CT值、RGB值、对比度或信噪比等。在一些实施例中，极坐标图像中的像素点可以携带像素点信息。在一些实施例中，像素点信息可以包括在极坐标图像中的坐标值和像素值(或图像值)，其中像素值又可以包括灰度值、亮度值、CT值、RGB值、对比度或信噪比等。
在一些实施例中，对原始图像中像素点的坐标位置进行变换，从而将原始图像中的像素点映射或迁移到新的位置上，得到极坐标图像。可以理解，原始图像中的像素点在极坐标图像中有与之对应的像素点，这一对像素点具有相同的像素值，但是在各自的图像中具有不同的坐标位置。仅仅作为示例，原始图像中的像素点a在极坐标图像中对应的像素点为b，像素点a的像素值与像素点b的像素值相同，而像素点a在原始图像中的坐标位置为第24行、第30列，像素点b在原始图像中的坐标位置为第2行、第28列。在一些实施例中，可以以成像中心在原始图像中的位置为中心，将围绕该中心由内到外的环上的像素点，一一映射到极坐标图像中的行中。其中，原始图像中的环与极坐标图像中的行对应。在一些实施例中，极坐标图像中由上到下的行分别对应原始图像中围绕中心由内到外的环。在一些实施例中，也可以将原始图像中的环上的像素点，映射到极坐标对应的列中。其中，原始图像中的环与极坐标图像中的列对应。在一些实施例中，还可以按照其他规则对原始图像中像素点的坐标位置进行变换，将像素点映射到极坐标图像中，本申请在此不做任何限定。
在一些实施例中，原始图像中的像素点映射到极坐标图像中后，可以形成梯形或三角形的区域。在一些实施例中，该梯形可以为等腰梯形或不等腰梯形。在一些实施例中，该三角形可以为等腰三角形、等边三角形或不等边三角形。在一些实施例中，原始图像中的像素点可以映射到极坐标图像中梯形或三角形区域内。仅作为示例，映射模块320可以将原始图像中的像素点映射到如图8所示的极坐标图像中，该极坐标图像中仅梯形区域中的像素点具有像素值。梯形区域以外背景区域的像素点的像素值可以视为无效值，不会对后续图像处理运算的结果产生影响。在一些实施例中，梯形区域以外背景区域的像素点的像素值可以设为0。关于极坐标图像映射方法的更多描述可以在本申请的其他地方(如流程图5及其相关描述中)找到，在此不作赘述。
在一些实施例中，极坐标图像映射的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如映射模块320)调用。
步骤430，确定极坐标图像中的待保护区域。具体的，步骤430可以由待保护区域确定模块330执行。
在一些实施例中，可以对极坐标图像进行边界提取，获得强边界区域。在一些实施例中，可以将所述强边界区域作为待保护区域，对于待保护区域中的像素点不进行运算处理。在一些实施例中，强边界区域可以为极坐标图像中对应人体组织密度较高的区域，即CT值较高的区域，例如极坐标图像中骨头所在的区域。在一些实施例中，该边界提取的方法可以包括以下中的一种或多种的组合：阈值分割、拉普拉斯算子、索贝尔算子、罗伯特算子、马尔算子、坎尼算子、沈峻算子。具体的，通过边界提取方法可以提取极坐标图像中对应人体组织密度较高的边界，得到强边界区域。在一些实施例中，可以基于该强边界区域进行区域扩张，将强保护区域以及扩张后的区域作为待保护区域。在一些实施例中，该区域扩张可以包括以强边界为起点向强边界区域外扩张，该强边界区域扩张后的区域即为待保护区域。具体的，以强边界上的像素点为起点向外扩张几个(如，5个、6个、7个或8个)像素点，将强边界区域以外的上述像素点纳入强边界区域，扩张后的区域和原强边界区域一起组成待保护区域。仅作为示例，待保护区域确定模块330可以确定如图9所示的极坐标图像中的待保护区域。
在一些实施例中，确定待保护区域的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如待保护区域确定模块330)调用。
步骤440，对极坐标图像中待保护区域以外的至少一个区域进行平滑处理，获得平滑图像。具体的，步骤440可以由平滑处理模块340执行。
在一些实施例中，待保护区域以外的区域可以包括背景区域和人体组织区域。在一些实施例中，待保护区域以外的人体组织区域可以为极坐标图像中对应人体组织密度较低的区域，即CT值较低的区域，例如极坐标图像中人体肌肉组织、脑髓组织、神经组织等所在的区域。在一些实施例中，平滑处理可以为对极坐标图像中待保护区域以外的区域进行平滑处理。仅作为示例，对极坐标图像平滑滤波处理时，判断参与平滑滤波处理的像素点是否属于待保护区域，例如判断该像素点的坐标位置是否落入图9中确定的待保护区域，是的话则将该像素点从平滑运算中剔除，对剩余的像素点进行相应运算。在一些实施例中，平滑处理还可以为对极坐标图像中待保护区域和背景区域以外的区域进行平滑处理。可以理解，上述平滑处理为仅对保护区域以外的人体组织所在的区域进行平滑处理。在一些实施例中，平滑处理方法可以包括盒式滤波法、均值滤波法、高斯滤波法、邻域平均法、中值滤波法、双边滤波法、导向滤波法等。仅作为示例，平滑处理模块340可以对极坐标图像中待保护区域以外的区域进行平滑处理，获得如图10所示的平滑图像。图10所述的平滑图像中，落入图9中确定的待保护区域的像素点的像素值保持原来的像素值(即对应于图8中的像素值)不变。
在一些实施例中，进行平滑处理的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如平滑处理模块340)调用。
步骤450，基于极坐标图像和平滑图像，生成残差图像。具体的，步骤450可以由残差图像生成模块350执行。
在一些实施例中，残差图像可以为极坐标图像与平滑图像中相应像素点的像素值相减得到的图像。仅作为示例，残差图像生成模块350可以基于极坐标图像和平滑图像，生成如图11所示的残差图像，该残差图像中落入图9中确定的待保护区域的像素点的像素值为0。
在一些实施例中，生成残差图像的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如残差图像生成模块350)调用。
步骤460，基于残差图像，确定原始图像中环形伪影的位置。具体的，步骤460可以由环形伪影确定模块360执行。
在一些实施例中，确定原始图像中环形伪影的位置可以包括对残差图像按行求均值或按列求均值，根据求均值结果确定伪影环所在的位置。以下以按行求均值作为示例，进行阐述。可以理解，在其他一些实施例中，可以对残差图像按列求均值，以确定伪影环所在位置。具体的，对残差图像中像素点的像素值按行求均值。在一些实施例中，环形伪影可以为具有一定宽度的亮环或暗环。在一些实施例中，可以将像素值求均值结果大于第一设定阈值的行对应的原始图像中的环确定为环形伪影区域，如，亮环。或者，将像素值求均值结果小于第二设定阈值的行对应的原始图像中的环确定为环形伪影区域，例如，暗环。在一些实施例中，第一设定阈值和第二设定阈值可以由操作人员(如，医生)根据经验提前设置。在一些实施例中，该第一设定阈值和第二设定阈值可以具有相同的绝对值，两者互为相反数。在一些实施例中，像素值求均值结果满足设定条件的行或列可以包括一个或多个，对应的原始图像中的环也可以包括一个或多个，即环形伪影区域中可以包括一个或多个环形伪影。在一些实施例中，还可以对残差图像按行求和或按列求和，根据求和结果确定伪影环所在的位置。在一些实施例中，还可以对残差图像作进一步的运算处理，基于处理后的图像确定原始图像中环形伪影位置。关于替代方法的更多描述可以在本申请的其他地方(如流程图6及其相关描述中)找到，在此不作赘述。
在一些实施例中，确定环形伪影位置的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如环形伪影确定模块360)调用。
应当注意的是，以上关于流程400及其描述，仅出于说明的目的而提供，并非旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的修正和改变。然而，这些修正和改变不会背离本申请的范围。例如，可以将原始图像中的像素点映射到极坐标图像中平行四边形区域。
图5是根据本申请一些实施例所示的极坐标图像映射方法500的示例性流程图。具体的，极坐标图像映射方法500可以由处理设备140执行。例如，极坐标图像映射方法500可以以程序或指令的形式存储在存储装置(如存储设备150、存储器220)中，当成像系统100(如处理设备140)执行该程序或指令时，可以实现极坐标图像映射方法500。如图5所示，极坐标图像映射方法500可以包括：
步骤510，确定成像中心在原始图像中的位置。具体的，步骤510可以由映射模块320执行。
在一些实施例中，成像中心可以是成像设备110的扫描中心，如CT设备扫描时机架的旋转中心。在一些实施例中，该成像中心可以为原始图像的几何中心，也可以为原始图像的其他位置。该成像中心由成像设备110的操作人员(如，医生)指定。在一些实施例中，成像中心在原始图像中的位置可以由成像设备110记载并输出显示在原始图像中。在一些实施例中，成像中心在原始图像中的位置可以为在直角坐标系中的坐标值。例如，X＝50mm，Y＝55mm。
在一些实施例中，确定成像中心位置的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如映射模块320)调用。
步骤520，确定原始图像中，以所述位置为中心由内到外的多个环。具体的，步骤520可以由映射模块320执行。
在一些实施例中，该多个环可以为多个圆环，该多个圆环从成像中心由内到外半径依次增大。在一些实施例中，该多个圆环的间距可以相同，也可以不相同。在一些实施例中，圆环的宽度可以为一个像素。在一些实施例中，原始图像中的所有像素点可以位于该多个圆环上。在一些实施例中，该一个圆环上的像素点可以形成一个基本连续的圆环，也可以形成多段圆弧(如，一段、两段、三段或四段)。
在一些实施例中，确定原始图像中多个环的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如映射模块320)调用。
步骤530，将多个环上的像素点分别映射到极坐标图像中的多行或多列中的直线上；其中，多个环与所述多行或所述多列一一对应。具体的，步骤530可以由映射模块320执行。
在一些实施例中，多个环上的像素点可以分别映射到极坐标图像中的多行直线上，也可以分别映射到极坐标图像中的多列直线上。该多个环可以分别与多行或多列直线一一对应。在一些实施例中，该多行直线的长度可以由上向下或由下向上逐渐增大。在一些实施例中，该多列直线的长度可以由左向右或由右向左逐渐增大。在一些实施例中，多行或多列直线的长度可以提前预设。在一些实施例中，该多行或多列直线可以组成梯形或三角形区域。在一些实施例中，该多行或多列直线的长度与其对应的环的半径正相关。
在一些实施例中，原始图像中的环上像素点可能较少，例如靠近成像中心的环，此时将环上的像素映射到极坐标图像中行或列后，形成的直线很短，或者直线上的像素点很稀疏。因此，对于多个环中的每一个环，可以基于环上的像素点进行插值运算，获得一个或多个插值像素点；将每个环上的像素点以及该一个或多个插值像素点映射到极坐标图像中的一行直线上或一列直线上。在一些实施例中，可以设定多行或多列上直线的长度，并基于直线的长度确定插值像素点的个数。具体的，可以以原始图像中成像中心作为坐标系的原点，原始图像行所在方向为X轴，向右为正，原始图像列所在方向为Y轴，向上为正。将环与正X轴的相交的像素点作为第一个像素点，沿逆时针方向依次对像素点编号，根据行或列直线的长度对应进行插值。例如，可以将上述像素点按其在环上的间距比例，根据对应行上的直线的长度从该直线的一端依次排至直线的另一端，然后对应对环上的像素点中间稀疏或缺失的部分进行插值。在一些实施例中，该插值像素点的像素值可以为该环上所有像素点的像素值的均值(例如算术平均值、加权平均值)，也可以是其他运算方法得到的一个运算值(如中位数值、拟合后所得的区域均值等)。在一些实施例中，还可以通过最近邻插值法、双线性插值法、双立方插值法等插值方法获得插值像素点的像素值。
在一些实施例中，将环上的像素点映射到直线上的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如映射模块320)调用。
应当注意的是，以上关于流程500及其描述，仅出于说明的目的而提供，并非旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的修正和改变。然而，这些修正和改变不会背离本申请的范围。例如，步骤530，可以直接将环上的像素点先映射到极坐标图像中的一行或一列中的直线上，然后在极坐标图像中的直线上进行插值。
图6是根据本申请一些实施例所示的环形伪影位置确定方法600的示例性流程图。具体的，环形伪影位置确定方法600可以由处理设备140执行。例如，环形伪影位置确定方法600可以以程序或指令的形式存储在存储装置(如存储设备150、存储器220)中，当成像系统100(如处理设备140)执行该程序或指令时，可以实现环形伪影位置确定方法600。如图6所示，环形伪影位置确定方法600可以包括：
步骤610，基于残差图像生成梯度角度图像。具体的，步骤610可以由环形伪影确定模块360执行。
在一些实施例中，基于残差图像生成梯度角度图像可以包括计算残差图像中的像素值的梯度角度值，得到梯度角度图像。在一些实施例中，计算残差图像中的像素值的梯度角度值可以通过梯度角度函数进行计算。其中，所述梯度角度值反映残差图像中像素值沿图像至少两个不同方向变化量的比值大小。在一些实施例中，梯度角度函数可以包括：
Figure BDA0002046346630000191
其中，I指残差图像中的像素值，y指残差图像矩阵的列方向，x指残差图像矩阵的行方向。
仅作为示例，环形伪影确定模块360可以基于残差图像(如图11所示)生成梯度角度图像(如图12所示)，该梯度角度图像中仅梯形区域中包含有部分像素点。
在一些实施例中，生成梯度角度图像的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如环形伪影确定模块360)调用。
步骤620，对梯度角度图像按行求均值或按列求均值。具体的，步骤620可以由环形伪影确定模块360执行。
在一些实施例中，环形伪影确定模块360可以对梯度角度图像中像素点的像素值按行求均值或按列求均值。在一些实施例中，该均值可以包括算术平均值、加权平均值，也可以是其他运算方法得到的一个运算值(如中位数值、拟合后所得的区域均值等)。
在一些实施例中，环形伪影确定模块360还可以对各行或各列的像素值均值进行归一化，例如将各行或各列的像素值均值归一化到指定范围内。所述指定范围可以是±0.5，±1或者±2.5之间。仅作为示例，环形伪影确定模块360可以对梯度角度图像(如图12所示)按行求均值，然后进行归一化得到如图13所示的曲线图。如图13所示，横坐标为行号，可以理解为其与潜在环半径对应，纵坐标为相应行的像素值均值，可以理解为其与该行对应的原始图像中的环的位置上出现伪影环的概率成正比或者正相关。
在一些实施例中，按行求均值或按列求均值的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如环形伪影确定模块360)调用。
步骤630，确定峰值或谷值所在的行或列；所述峰值为大于第三设定阈值的均值，谷值为小于第四设定阈值的均值。具体的，步骤630可以由环形伪影确定模块360执行。
以下以按行求均值结果作为示例，进行阐述。可以理解，在其他一些实施例中，例如，在将原始图像中的行映射到极坐标图像中的列的实施例中，可以以按列求均值结果，确定峰值或谷值所在的行或列。具体的，在一些实施例中，确定峰值或谷值所在的行可以包括确定大于第三设定阈值的均值或小于第四设定阈值的均值在梯度角度图像中的行或列。在一些实施例中，该第三设定阈值和第四设定阈值可以由操作人员(如，医生)根据经验提前设置。在一些实施例中，该第三设定阈值和第四设定阈值的绝对值可以相同，两者互为相反数。在一些实施例中，大于第三设定阈值的峰值可以包括一个或多个。在一些实施例中，小于第四设定阈值的谷值也可以包括一个或多个。
仅作为示例，如图14所示，第三设定阈值可以设置为0.15，第四设定阈值可以设置为-0.15，环形伪影确定模块360可以搜索大于第三设定阈值的峰值(例如，点2、点5、点9)和小于第四设定阈值的谷值(例如，点1、点3、点4、点6、点7、点8)，并确定上述峰值和谷值对应的行。
在一些实施例中，确定峰值或谷值所在的行或列的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如环形伪影确定模块360)调用。
步骤640，将峰值所在行或列与距离其最近的谷值所在行或列作为一个峰谷位置对。具体的，步骤640可以由环形伪影确定模块360执行。
在一些实施例中，峰值和谷值所在行或列的距离(图14中峰值与谷值对应的横坐标的距离)可以反映原始图像中潜在伪影环的宽度。下面以行为示例，进行阐述。
在一些实施例中，峰值与其邻近的谷值可以包括0个、1个或2个。例如，图14中与点5邻近的谷值包括点4和点6两个。又例如，图14中与点9邻近的谷值仅点8一个。在一些实施例中，可以筛选出与峰值距离最近的谷值将两者作为一个峰谷位置对。在一些实施例中，峰谷对的数量可以包括一个或多个。仅作为示例，如图14所示，在图14中将点2与点3作为一个峰谷对、将点5与点4作为一个峰谷对、将点8与点9作为一个峰谷对。进一步的，可以将峰谷对对应的行作为峰谷位置对。例如，图14中，将点2与点3对应的行作为一个峰谷位置对、将点5与点4对应的行作为一个峰谷位置对、将点8与点9对应的行作为一个峰谷位置对。
在一些实施例中，确定峰谷位置对的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如环形伪影确定模块360)调用。
步骤650，筛选出峰谷位置对中，行间距或列间距小于设定距离值的峰谷位置对。具体的，步骤650可以由环形伪影确定模块360执行。
可以理解，峰值和谷值所在行或列的距离(图14中峰值与谷值对应的横坐标的距离)可以反映原始图像中潜在伪影环的宽度。当所述距离过大时，峰谷位置对对应在原始图像中的位置就不是伪影环。而这样的峰谷位置对可能是由噪声污染产生的。在一些实施例中，设定距离值可以由操作人员(如，医生)根据经验提前设置。在一些实施例中，环形伪影确定模块360可以筛选出行间距或列间距小于设定距离值的峰谷位置对，可以理解当行间距或列间距满足条件时，如小于设定距离值，峰谷位置对对应的原始图像的位置处才是伪影环。因此，需要对峰谷位置对进行筛选。在一些实施例中，筛选出的峰谷位置对可以包括一个或多个。仅作为示例，如图14所示，环形伪影确定模块360可以根据设定距离值筛选出点5与点4为一个有效的峰谷位置对、筛选出点8与点9为另一个有效的峰谷位置对，其中点2与点3的横坐标距离因超过设定距离值而不能作为一个有效峰谷位置对。
在一些实施例中，筛选峰谷位置对的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如环形伪影确定模块360)调用。
步骤660，基于筛选出的峰谷位置对中的行或列对应的原始图像中的环，确定环形伪影区域。具体的，步骤660可以由环形伪影确定模块360执行。
在一些实施例中，筛选出的峰谷位置对中的行或列可以包括一个或多个。例如，如图14所示，筛选出的峰谷位置对有两个，对应的梯度角度图像中的四行，同时对应原始图像中的环也为两个，即环形伪影区域中包括两个环形伪影。在一些实施例中，环形伪影可以为具有一定宽度的亮环或暗环。具体的，如图14所示，峰谷位置对点4和点5所在横坐标的距离与原始图像中伪影环的宽度正相关，点4对应原始图像中环形伪影上从亮到暗的边界，点5对应原始图像中环形伪影上从暗到亮的边界，该伪影环为暗环。
在一些实施例中，确定环形伪影区域的指令可以存储在存储装置(如存储设备150、存储器220)中，并可以由处理设备140(如环形伪影确定模块360)调用。
应当注意的是，以上关于流程600及其描述，仅出于说明的目的而提供，并非旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的修正和改变。然而，这些修正和改变不会背离本申请的范围。例如，步骤610中的梯度角度函数可以为其他的函数形式。又例如，步骤620中可以不对各行或各列的像素值均值进行归一化，而直接用像素值均值进行后续处理步骤。
本申请实施例可能带来的有益效果包括但不限于：(1)将原始图像映射到极坐标图像中进行处理，可以简化图像处理过程；(2)将原始图像映射到极坐标图中梯形或三角形区域，相对于整幅图像而言减少了插值像素点，可以减少噪声影响；(3)分割出图像中的待保护区域不进行处理，可以减弱CT值较高的像素点对伪影检测结果的影响，从而提高检测精度；(4)采用梯度角度图像进行处理，可以减少噪声影响。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (13)

1.一种环形伪影的检测方法，其特征在于，包括：
获取原始图像；
将所述原始图像中的像素点映射到极坐标图像中；
确定所述极坐标图像中的待保护区域；
对所述极坐标图像中所述待保护区域以外的至少一个区域进行平滑处理，获得平滑图像；
基于所述极坐标图像和所述平滑图像，生成残差图像；
基于所述残差图像，确定原始图像中所述环形伪影的位置。
2.如权利要求1所述的方法，其特征在于，所述将所述原始图像中的像素点映射到极坐标图像中包括：
确定成像中心在原始图像中的位置；
确定原始图像中，以所述位置为中心由内到外的多个环；
将所述多个环上的像素点分别映射到极坐标图像中的多行或多列中的直线上；其中，多个环与所述多行或所述多列一一对应。
3.如权利要求2所述的方法，其特征在于，所述将所述多个环上的像素点分别映射到极坐标图像中的多行或多列中的直线上包括：
对于多个环中的每一个：
基于环上的像素点进行插值运算，获得至少一个插值像素点；
将所述环上的像素点以及所述至少一个插值像素点映射到极坐标图像中的一行或一列中的直线上。
4.如权利要求2所述的方法，其特征在于，所述直线的长度与其对应的环的半径正相关。
5.如权利要求1所述的方法，其特征在于，所述将所述原始图像中的像素点映射到极坐标图像中包括：
将所述原始图像中的像素点映射到极坐标图像中梯形或三角形区域内。
6.如权利要求1所述的方法，其特征在于，所述确定所述极坐标图像中的待保护区域包括：
对所述极坐标图像进行边界提取，获得强边界区域；
基于所述强边界区域进行区域扩张，生成待保护区域。
7.如权利要求1所述的方法，其特征在于，所述基于所述极坐标图像和所述平滑图像，生成残差图像包括：
将所述极坐标图像与所述平滑图像中相应像素点的像素值相减，得到所述残差图像。
8.如权利要求1所述的方法，其特征在于，基于所述残差图像，确定原始图像中所述环形伪影的位置包括：
对所述残差图像按行求均值或按列求均值；
将均值大于第一设定阈值的行或列对应的原始图像中的环确定为环形伪影区域，或者将均值小于第二设定阈值的行或列对应的原始图像中的环确定为所述环形伪影区域。
9.如权利要求1所述的方法，其特征在于，基于所述残差图像，确定原始图像中所述环形伪影的位置包括：
基于所述残差图像生成梯度角度图像；
对所述梯度角度图像按行求均值或按列求均值；
确定峰值或谷值所在的行或列；所述峰值为大于第三设定阈值的均值，谷值为小于第四设定阈值的均值；
将峰值所在行或列与距离其最近的谷值所在行或列作为一个峰谷位置对；
筛选出峰谷位置对中，行间距或列间距小于设定距离值的峰谷位置对；
基于筛选出的峰谷位置对中的行或列对应的原始图像中的环，确定所述环形伪影区域。
10.如权利要求9所述的方法，其特征在于，所述基于所述残差图像生成梯度角度图像包括：
计算所述残差图像中的像素值的梯度角度值，得到所述梯度角度图像；其中，所述梯度角度值反映残差图像中像素值沿图像至少两个不同方向变化量的比值大小。
11.一种环形伪影的检测系统，其特征在于，包括获取模块、映射模块、待保护区域确定模块、平滑处理模块、残差图像生成模块和环形伪影确定模块，其中，
所述获取模块用于获取原始图像；
所述映射模块用于将所述原始图像中的像素点映射到极坐标图像中；
所述待保护区域确定模块用于确定所述极坐标图像中的待保护区域；
所述平滑处理模块用于对所述极坐标图像中所述待保护区域以外的至少一个区域进行平滑处理，获得平滑图像；
所述残差图像生成模块用于基于所述极坐标图像和所述平滑图像，生成残差图像；
所述环形伪影确定模块用于基于所述残差图像，确定原始图像中所述环形伪影的位置。
12.一种环形伪影的检测装置，其特征在于，所述装置包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当所述至少一个处理器执行所述指令时，实现如权利要求1～10中任一项所述的方法。
13.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取所述存储介质中的所述计算机指令后，所述计算机执行如权利要求1～10中任一项所述的方法。
CN201910359114.8A 2019-04-30 2019-04-30 一种环形伪影的检测方法和系统 Active CN110111318B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910359114.8A CN110111318B (zh) 2019-04-30 2019-04-30 一种环形伪影的检测方法和系统
US16/862,636 US11544821B2 (en) 2019-04-30 2020-04-30 Systems and methods for determining ring artifact

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910359114.8A CN110111318B (zh) 2019-04-30 2019-04-30 一种环形伪影的检测方法和系统

Publications (2)

Publication Number Publication Date
CN110111318A CN110111318A (zh) 2019-08-09
CN110111318B true CN110111318B (zh) 2021-06-29

Family

ID=67487696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910359114.8A Active CN110111318B (zh) 2019-04-30 2019-04-30 一种环形伪影的检测方法和系统

Country Status (2)

Country Link
US (1) US11544821B2 (zh)
CN (1) CN110111318B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114271791B (zh) * 2022-01-12 2023-03-24 广州永士达医疗科技有限责任公司 一种oct成像系统的伪影检测方法及装置
CN116047412B (zh) * 2023-03-28 2023-06-02 深圳惟德精准医疗科技有限公司 标记物的伪影坐标去除方法及相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102274040A (zh) * 2010-06-10 2011-12-14 东软飞利浦医疗设备系统有限责任公司 一种去除ct图像中环状伪影的后处理方法
CN105321155A (zh) * 2015-10-29 2016-02-10 北京理工大学 一种cbct图像环形伪影消除方法
CN106651981A (zh) * 2016-12-07 2017-05-10 深圳先进技术研究院 一种环形伪影修正的方法及装置
CN109636872A (zh) * 2018-12-10 2019-04-16 合肥中科离子医学技术装备有限公司 基于滑动窗口差值和条带噪声检测的cbct环形伪影消除方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7860341B2 (en) * 2006-07-21 2010-12-28 Varian Medical Systems, Inc. System and method for correcting for ring artifacts in an image
US8520974B2 (en) * 2008-01-11 2013-08-27 Shimadzu Corporation Image processing method, an apparatus therefor and a tomographic apparatus for removing artifacts from a sectional image
US8260017B2 (en) * 2009-02-19 2012-09-04 Kabushiki Kaisha Toshiba Rotation center identifying method and apparatus, ring artifact correction method, and X-ray diagnostic apparatus employing the same
TWI392378B (zh) * 2009-02-25 2013-04-01 Sunplus Technology Co Ltd 消除影像上色彩失真的裝置及方法
DE102012205769A1 (de) * 2012-04-10 2013-10-10 Siemens Aktiengesellschaft Quantifizierung von Ringartefakten
WO2018103015A1 (zh) * 2016-12-07 2018-06-14 深圳先进技术研究院 一种环形伪影修正的方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102274040A (zh) * 2010-06-10 2011-12-14 东软飞利浦医疗设备系统有限责任公司 一种去除ct图像中环状伪影的后处理方法
CN105321155A (zh) * 2015-10-29 2016-02-10 北京理工大学 一种cbct图像环形伪影消除方法
CN106651981A (zh) * 2016-12-07 2017-05-10 深圳先进技术研究院 一种环形伪影修正的方法及装置
CN109636872A (zh) * 2018-12-10 2019-04-16 合肥中科离子医学技术装备有限公司 基于滑动窗口差值和条带噪声检测的cbct环形伪影消除方法

Also Published As

Publication number Publication date
US20200380640A1 (en) 2020-12-03
US11544821B2 (en) 2023-01-03
CN110111318A (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
US11331066B2 (en) Imaging method and system for determining a scan area
US10521886B2 (en) System and method for image correction
US11462316B2 (en) Systems and methods for evaluating medical image
CN110349236A (zh) 一种图像校正方法和系统
JP2020025780A (ja) 画像処理装置、画像処理方法、及びプログラム
CN107895390B (zh) 电子计算机断层扫描图像数据处理系统及方法
CN110111318B (zh) 一种环形伪影的检测方法和系统
CN111462071B (zh) 一种图像处理方法和系统
CN113989407B (zh) Ct影像中肢体部位识别模型训练方法及系统
CN111260703B (zh) 一种获取脊柱拉直图像集的方法、系统、介质及存储介质
US10977485B2 (en) Method for identifying RT positioning image, computer program, and computer storage
CN111568451A (zh) 一种曝光剂量调节方法和系统
CN111681205B (zh) 图像分析方法、计算机设备和存储介质
EP4428818A2 (en) Systems and methods for processing x-ray images
CN113256670A (zh) 图像处理方法及装置、网络模型的训练方法及装置
JP2018114031A (ja) 眼底画像処理装置
CN108038840A (zh) 一种图像处理方法、装置、图像处理设备及存储介质
CN111369636A (zh) 一种图像重建方法、系统、装置及存储介质
CN113962958B (zh) 一种征象检测方法及装置
WO2022253223A1 (en) Systems and methods for image reconstruction
WO2022214093A1 (en) Systems and methods for image processing
CN110084866B (zh) 一种计算机断层成像方法和装置
Chen et al. A platform‐independent method to reduce CT truncation artifacts using discriminative dictionary representations
US20230419455A1 (en) System and method for image correction
US20240169490A1 (en) Systems, methods, storage mediums for image processing

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: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant