CN110136089B - 一种人类胚胎心脏超声图像增强方法 - Google Patents

一种人类胚胎心脏超声图像增强方法 Download PDF

Info

Publication number
CN110136089B
CN110136089B CN201910432273.6A CN201910432273A CN110136089B CN 110136089 B CN110136089 B CN 110136089B CN 201910432273 A CN201910432273 A CN 201910432273A CN 110136089 B CN110136089 B CN 110136089B
Authority
CN
China
Prior art keywords
gray
image
histogram
calculating
new
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
CN201910432273.6A
Other languages
English (en)
Other versions
CN110136089A (zh
Inventor
刘斌
许钊
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.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201910432273.6A priority Critical patent/CN110136089B/zh
Publication of CN110136089A publication Critical patent/CN110136089A/zh
Application granted granted Critical
Publication of CN110136089B publication Critical patent/CN110136089B/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
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T2207/10132—Ultrasound image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

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：
Figure BDA0002069384100000021
Figure BDA0002069384100000022
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，Hi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：
Figure BDA0002069384100000023
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：Hi r＝Hi-CLi，如果在裁剪后出现
Figure BDA0002069384100000026
则记
Figure BDA0002069384100000025
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
Figure BDA0002069384100000024
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ni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：
Figure BDA0002069384100000031
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：si＝L×Pi；
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：
Figure BDA0002069384100000041
Figure BDA0002069384100000042
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，Hi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：
Figure BDA0002069384100000043
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：Hi r＝Hi-CLi，如果在裁剪后出现
Figure BDA0002069384100000045
则记
Figure BDA0002069384100000046
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
Figure 1
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ni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：
Figure BDA0002069384100000051
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：si＝L×Pi；
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 (3)

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；
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，Hi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：
Figure FDA0002953386060000011
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：Hi r＝Hi-CLi，如果在裁剪后出现
Figure FDA0002953386060000012
则记
Figure FDA0002953386060000013
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
Figure FDA0002953386060000014
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′。
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：
Figure FDA0002953386060000021
Figure FDA0002953386060000022
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：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ni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：
Figure FDA0002953386060000023
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：si＝L×Pi；
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。
CN201910432273.6A 2019-05-23 2019-05-23 一种人类胚胎心脏超声图像增强方法 Active CN110136089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910432273.6A CN110136089B (zh) 2019-05-23 2019-05-23 一种人类胚胎心脏超声图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910432273.6A CN110136089B (zh) 2019-05-23 2019-05-23 一种人类胚胎心脏超声图像增强方法

Publications (2)

Publication Number Publication Date
CN110136089A CN110136089A (zh) 2019-08-16
CN110136089B true CN110136089B (zh) 2021-04-23

Family

ID=67572673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910432273.6A Active CN110136089B (zh) 2019-05-23 2019-05-23 一种人类胚胎心脏超声图像增强方法

Country Status (1)

Country Link
CN (1) CN110136089B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112438B (zh) * 2021-04-29 2024-05-07 中国船舶重工集团公司第七二三研究所 一种基于裁剪直方图的图像增强方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999905A (zh) * 2012-11-15 2013-03-27 天津工业大学 基于自适应pcnn的眼底图像血管自动检测方法
US9928437B2 (en) * 2015-04-29 2018-03-27 Shanghai United Imaging Healthcare Co., Ltd. Method and system for crystal identification
CN104899876B (zh) * 2015-05-18 2018-04-06 天津工业大学 一种基于自适应高斯差分的眼底图像血管分割方法
BR112018013602A2 (pt) * 2015-12-31 2019-04-09 Shanghai United Imaging Healthcare Co., Ltd. métodos e sistemas de processamento de imagem
CN106251300B (zh) * 2016-07-26 2019-04-09 华侨大学 一种基于Retinex的快速夜间雾天图像复原方法
CN106296612B (zh) * 2016-08-09 2019-07-02 南京工业大学 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法
CN106846316B (zh) * 2017-02-10 2020-03-27 云南电网有限责任公司电力科学研究院 一种gis内部典型缺陷图像自动识别方法

Also Published As

Publication number Publication date
CN110136089A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
CN110176010B (zh) 一种图像检测方法、装置、设备及存储介质
JP2012524329A (ja) 多重尺度画像の正規化及び強調
CN101105862A (zh) 一种医学图像窗口参数的自适应调整方法
CN117422628B (zh) 一种心脏血管超声检查数据优化增强方法
CN110163825B (zh) 一种人类胚胎心脏超声图像去噪和增强方法
CN111166362B (zh) 医学图像的显示方法及装置、存储介质及电子设备
CN106570871A (zh) 模糊c均值颈动脉超声图像内中膜厚度测量方法及系统
CN112132854B (zh) 图像分割的方法及装置，以及电子设备
CN112446880B (zh) 图像处理方法、电子设备及可读存储介质
CN110136088B (zh) 一种人类胚胎心脏超声图像去噪方法
CN111161268B (zh) 图像处理方法、装置、电子设备及计算机存储介质
CN114677391A (zh) 一种脊椎图像分割方法
WO2019225084A1 (ja) 情報処理装置、情報処理方法、コンピュータプログラム
CN110956632A (zh) 钼靶图像中胸大肌区域自动检测方法及装置
CN103177421B (zh) 超声医学图像的降噪处理方法
CN116188488B (zh) 基于灰度梯度的b超图像病灶区域分割方法及装置
CN111260641A (zh) 一种基于人工智能的掌上超声成像系统及其方法
CN110136089B (zh) 一种人类胚胎心脏超声图像增强方法
CN117036310A (zh) 一种dicom影像外围轮廓的识别提取方法
CN116993764B (zh) 一种胃部ct智能分割提取方法
CN113160248B (zh) 一种图像处理方法、装置、设备及可读存储介质
CN113450340A (zh) 一种皮肤纹理检测系统
Na'am et al. Filter technique of medical image on multiple morphological gradient (MMG) method
CN115439423B (zh) 一种基于ct图像的识别方法、装置、设备及存储介质
CN109829921B (zh) 一种头部的ct图像的处理方法及其系统、设备、存储介质

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