CN110136089A - 一种人类胚胎心脏超声图像增强方法 - Google Patents

Abstract

本发明公开了一种人类胚胎心脏超声图像增强方法，包括以下步骤：S1:计算图像的大津阈值；S2:获取图像的灰度直方图，利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级得到新灰度直方图；S3:将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。本发明公开的方法在增强的过程中对图像的对比度做出了限制，有效地避免了因为增强后图像对比度过高而产生的图像噪声放大的问题，对医学图像尤其是人类胚胎心脏超声图像这类本身就含有较多噪声的图像来说效果更加明显。

Description

一种人类胚胎心脏超声图像增强方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人类胚胎心脏超声图像增强方法。

背景技术

目前，超声技术是检测胎儿心脏是否健康的重要手段，但是由于胎儿的特殊性，超声需要额外穿过胎儿母亲的腹部脂肪才能针对胚胎心脏进行成像，这就导致超声图像往往会存在比其他情况下更低的对比度。针对这种情况，目前的解决方法有以下几种，首先是依据医疗人员的经验，利用未处理的超声图像进行诊断，这种方法对医疗人员的技术水平要求非常高，会消耗大量时间和精力，并且容易造成误诊；第二个是利用直方图均衡化或者微分掩模的方法对图像进行增强，这种方法可以在一定程度上提高对比度，但是这种方法对图像质量的要求比较高并且无法针对图像进行自适应的增强；最后是利用机器学习的方法，使用大量的人类胚胎心脏的超声图像作为训练集，最后得到增强的效果，这种方法需要大量的数据作为训练集，而临床上这些数据很难获得，并且这种方法对硬件的要求很高，耗时也比较长。

发明内容

根据现有技术存在的问题，本发明公开了一种人类胚胎心脏超声图像增强方法，包括以下步骤：

S1:计算超声图像的大津阈值；

S2:获取超声图像的灰度直方图，利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级得到新灰度直方图；

S3:将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。

所述计算超声图像的大津阈值具体采用如下方式：

S11：统计灰度值大于阈值T和小于阈值T的像素出现的概率：对于长宽为 M×N的图像，图像中像素值小于阈值T的像素个数记为N₀，像素值大于阈值T 的像素个数记为N₁，则灰度值小于阈值T和大于阈值T的像素在图像中出现的概率分别为：

其中ω₀+ω₁＝1，N₀+N₁＝M×N；

S12：计算类间方差：设μ₀为概率ω₀对应的像素平均灰度，μ₁为ω₁对应的像素平均灰度，μ＝ω₀μ₀+ω₁μ₁为整幅图像的平均灰度，则类间方差为

g＝ω₀ω₁(μ₀μ₁)²

S13：采取遍历的方法得到g取最大值时对应的阈值T即为大津阈值。

S2具体采用如下方式：

S21：计算图像的灰度直方图：首先对图像灰度级进行统计，每获取一个像素灰度值，则对应的灰度级像素数量加1，遍历整幅图像即获得整幅图像的灰度直方图H；

S22：计算直方图的裁剪长度：设i为灰度值，H_i为此灰度值对应的灰度直方图高度，根据获取的图像的大津阈值T计算第i个灰度直方图柱子的裁剪长度为：

S23：将原灰度直方图柱子的长度减去裁剪长度，即可得到剩余的灰度直方图柱子长度：H_i ^r＝H_i-CL_i，如果在裁剪后出现则记

S24：将裁去的灰度直方图长度平均分配给所有的灰度级对应的灰度直方图柱子长度得到新的灰度直方图：设r为灰度级的个数，则每个灰度级对应的最终高度为对灰度直方图中的每一个灰度级都采用相同的操作即得到新的灰度直方图H′。

将新灰度直方图映射成新图像采用如下方式：

S51：计算灰度累计频率：设n_i为对应灰度级的像素个数，n为图像像素总个数，r为灰度级的个数，则每一个灰度级的灰度累计频率为：

S52：计算灰度映射函数：设L为灰度直方图中的灰度级最大值，则灰度映射函数表示为：s_i＝L×P_i；

S53：利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。

由于采用了上述技术方案，本发明提供的一种人类胚胎心脏超声图像增强方法，该方法可以自适应地对人类胚胎心脏超声图像进行增强，对质量较低的图像也能有较好的处理效果，对之后的医生诊断和三维重建等工作提供了比较好的前期准备工作；本方法在增强的时候限制了图像对比度，有效防止了图像对比度过大而产生的噪声放大和细节丢失；和基于机器学习的方法相比，本方法不需要训练集的支撑，易于编程实现，算法复杂度较低。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的方法流程图

图2为本发明输入的图像

图3为本发明灰度直方图裁剪示意图

图4为本发明裁剪下的灰度平均分配的示意图

图5为本发明最终结果示意图

具体实施方式

为使本发明的技术方案和优点更加清楚，下面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的描述：

如图1所示的一种人类胚胎心脏超声图像增强方法，具体包括以下步骤：

S1:计算图像的大津阈值；所述计算图像的大津阈值具体采用如下方式：

S11：统计灰度值大于阈值T和小于阈值T的像素出现的概率：对于长宽为 M×N的图像，图像中像素值小于阈值T的像素个数记为N₀，像素值大于阈值T 的像素个数记为N₁，则灰度值小于阈值T和大于阈值T的像素在图像中出现的概率分别为：

其中ω₀+ω₁＝1，N₀+N₁＝M×N；

S12：计算类间方差：设μ₀为概率ω₀对应的像素平均灰度，μ₁为ω₁对应的像素平均灰度，μ＝ω₀μ₀+ω₁μ₁为整幅图像的平均灰度，则类间方差为

g＝ω₀ω₁(μ₀μ₁)²

S13：采取遍历的方法得到g取最大值时对应的阈值T即为大津阈值。

S2:获取图像的灰度直方图，利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级得到新灰度直方图。

S21：计算图像的灰度直方图：首先对图像灰度级进行统计，每获取一个像素灰度值，则对应的灰度级像素数量加1，遍历整幅图像即获得整幅图像的灰度直方图H；

S22：计算直方图的裁剪长度：设i为灰度值，H_i为此灰度值对应的灰度直方图高度，根据获取的图像的大津阈值T计算第i个灰度直方图柱子的裁剪长度为：

S23：将原灰度直方图柱子的长度减去裁剪长度，即可得到剩余的灰度直方图柱子长度：H_i ^r＝H_i-CL_i，如果在裁剪后出现则记

S24：将裁去的灰度直方图长度平均分配给所有的灰度级对应的灰度直方图柱子长度得到新的灰度直方图：设r为灰度级的个数，则每个灰度级对应的最终高度为对灰度直方图中的每一个灰度级都采用相同的操作即得到新的灰度直方图H′。

S3:将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。如图1所示。

S31：计算灰度累计频率：由S45可得到的新的灰度直方图H′，设n_i为对应灰度级的像素个数，n为图像像素总个数，r为灰度级的个数，则每一个灰度级的灰度累计频率为：

S32：计算灰度映射函数：设L为灰度直方图中的灰度级最大值，则灰度映射函数可以表示为：s_i＝L×P_i；

S33：由S52求出灰度映射函数之后，利用灰度映射函数将每一个灰度级映射到新的灰度级，即可得到增强后的图像

本发明公开的一种人类胚胎心脏超声图像增强方法，本方法是一种自适应的图像增强方法，对不同亮度、质量的图像都能有比较好的增强效果；除此之外，本发明公开的方法在增强的过程中对图像的对比度做出了限制，有效地避免了因为增强后图像对比度过高而产生的图像噪声放大的问题，对医学图像尤其是人类胚胎心脏超声图像这类本身就含有较多噪声的图像来说效果更加明显。另外本方法复杂度较低，在实现上相对来说比较简单，运行速度也比较快；最后，人类胚胎心脏超声图像采集相对困难，目前尚未有可用的数据集提供给基于机器学习的方法使用，而本方法不需要训练数据集，仅需要原始数据即可得到最后结果，对使用者比较友好。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种人类胚胎心脏超声图像增强方法，其特征在于包括以下步骤：

S1:计算超声图像的大津阈值；

S2:获取超声图像的灰度直方图，利用大津阈值计算灰度直方图的裁剪长度，对灰度直方图进行裁剪并且将裁去的部分分配给所有灰度级得到新灰度直方图；

S3:将新灰度直方图映射成新图像：计算灰度累计频率和灰度映射函数、利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。

2.根据权利要求1所述的一种人类胚胎心脏超声图像增强方法，其特征还在于：所述计算超声图像的大津阈值具体采用如下方式：

S11：统计灰度值大于阈值T和小于阈值T的像素出现的概率：对于长宽为M×N的图像，图像中像素值小于阈值T的像素个数记为N₀，像素值大于阈值T的像素个数记为N₁，则灰度值小于阈值T和大于阈值T的像素在图像中出现的概率分别为：

其中ω₀+ω₁＝1，N₀+N₁＝M×N；

S12：计算类间方差：设μ₀为概率ω₀对应的像素平均灰度，μ₁为ω₁对应的像素平均灰度，μ＝ω₀μ₀+ω₁μ₁为整幅图像的平均灰度，则类间方差为

g＝ω₀ω₁(μ₀μ₁)²

S13：采取遍历的方法得到g取最大值时对应的阈值T即为大津阈值。

3.根据权利要求2所述的一种人类胚胎心脏超声图像增强方法，其特征还在于：S2具体采用如下方式：

S21：计算超声图像的灰度直方图：首先对图像灰度级进行统计，每获取一个像素灰度值，则对应的灰度级像素数量加1，遍历整幅图像即获得整幅图像的灰度直方图H；

S22：计算直方图的裁剪长度：设i为灰度值，H_i为此灰度值对应的灰度直方图高度，根据获取的图像的大津阈值T计算第i个灰度直方图柱子的裁剪长度为：

S23：将原灰度直方图柱子的长度减去裁剪长度，即可得到剩余的灰度直方图柱子长度：H_i ^r＝H_i-CL_i，如果在裁剪后出现则记

S24：将裁去的灰度直方图长度平均分配给所有的灰度级对应的灰度直方图柱子长度得到新的灰度直方图：设r为灰度级的个数，则每个灰度级对应的最终高度为对灰度直方图中的每一个灰度级都采用相同的操作即得到新的灰度直方图H′。

4.根据权利要求3所述的一种人类胚胎心脏超声图像增强方法，其特征还在于：将新灰度直方图映射成新图像采用如下方式：

S51：计算灰度累计频率：设n_i为对应灰度级的像素个数，n为图像像素总个数，r为灰度级的个数，则每一个灰度级的灰度累计频率为：

S52：计算灰度映射函数：设L为灰度直方图中的灰度级最大值，则灰度映射函数表示为：s_i＝L×P_i；

S53：利用灰度映射函数将每一个灰度级映射到新的灰度级得到增强后图像。