CN110163857B - 图像背景区域的检测方法、装置、存储介质及x射线系统 - Google Patents

图像背景区域的检测方法、装置、存储介质及x射线系统 Download PDF

Info

Publication number
CN110163857B
CN110163857B CN201910441812.2A CN201910441812A CN110163857B CN 110163857 B CN110163857 B CN 110163857B CN 201910441812 A CN201910441812 A CN 201910441812A CN 110163857 B CN110163857 B CN 110163857B
Authority
CN
China
Prior art keywords
image
gray value
segmentation threshold
background
gray
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
CN201910441812.2A
Other languages
English (en)
Other versions
CN110163857A (zh
Inventor
江春花
滕万里
张娜
赵书睿
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 CN201910441812.2A priority Critical patent/CN110163857B/zh
Publication of CN110163857A publication Critical patent/CN110163857A/zh
Priority to PCT/CN2020/091969 priority patent/WO2020238819A1/en
Priority to US17/456,568 priority patent/US20220084305A1/en
Application granted granted Critical
Publication of CN110163857B publication Critical patent/CN110163857B/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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/10116—X-ray 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
    • G06T2207/20172—Image enhancement details

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像背景区域的检测方法、装置、存储介质及X射线系统。该图像背景区域的检测方法包括：根据大津法及预设分割条件对图像进行分割以确定第一分割阈值；根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值；根据所述第二分割阈值确定图像的背景区域。本发明实施例的技术方案实现了图像背景区域的自动检测，检测结果准确度高，通过对检测的背景区域的灰度值的设定可有效提高图像的对比度。

Description

图像背景区域的检测方法、装置、存储介质及X射线系统
技术领域
本发明实施例涉及图像分割技术领域，尤其涉及一种图像背景区域的检测方法、装置、存储介质及X射线系统。
背景技术
随着科技的不断进步，医疗设备的检测水平也逐渐提高。现有的医疗图像往往含有一个背景区域，也就是不含有待检测信息的区域，也可称之为直接曝光区域。背景区域的存在降低了图像的对比度，影响了医生的诊断。
现有的图像检测方法，如利用方差或者阈值进行检测，往往由于医学图像的复杂度及噪声的存在而导致检测不准确，还容易将包含待检测信息的区域误判为背景区域，导致待检测组织图像的不连续。
发明内容
本发明实施例提供了一种图像的背景区域的检测方法、装置、存储介质及X射线系统，以实现图像背景区域的自动检测，检测方法准确度高，提高了图像的对比度。
第一方面，本发明实施例提供了一种图像的背景区域的检测方法，该图像的背景区域的检测方法，包括：
根据大津法及预设分割条件对图像进行分割以确定第一分割阈值；
根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值；
根据所述第二分割阈值确定图像的背景区域。
第二方面，本发明实施例还提供了一种图像的背景区域的检测装置，该图像的背景区域的检测装置，包括：
第一分割阈值获取模块，用于根据大津法及预设分割条件对图像进行分割以确定第一分割阈值；
第二分割阈值获取模块，用于根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值；
背景区域确定模块，用于根据所述第二分割阈值确定图像的背景区域。
第三方面，本发明实施例还提供了一种X射线系统，该X射线系统，包括：放射源、限束器、光野定位灯、胸片盒、平板探测器、以及背景区域的检测装置，其中，所述背景区域的检测装置用于执行本发明任一实施例所提供的背景区域的检测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本发明任一实施例所提供的背景区域的检测方法。
本发明实施例的技术方案，通过大津法及预设分割条件对图像进行分割，再根据图像像素的灰度值及个数对分割阈值进行调整，从而确定图像的背景区域，实现了图像背景区域的自动检测，检测结构准确可靠，提高了图像的对比度和质量。
附图说明
图1是本发明实施例一中的一种图像的背景区域的检测方法的流程图；
图2A是本发明实施例二中的一种图像的背景区域的检测方法的流程图；
图2B是本发明实施例二中的一种图像的灰度直方图的示意图；
图3是本发明实施例三中的一种图像的背景区域的检测装置的结构示意图；
图4是本发明实施例四中的一种X射线系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的一种图像的背景区域的检测方法的流程图，本实施例可适用于图像背景检测的情况，该方法可以由图像的背景区域的检测装置来执行，具体包括如下步骤：
步骤110、根据大津法及预设分割条件对图像进行分割以确定第一分割阈值。
其中，大津法又称为最大类间方差法，是一种自适应的阈值确定方法。主要通过将图像按灰度分为前景和背景两部分，并使得前景与背景两类灰度的方差最大，确定图像的阈值。预设分割条件可以由用户设定，也可以是根据图像的灰度分布确定，或者根据经验值进行设定。对图像进行分割指的是通过阈值将图像的像素进行分类，一般是根据图像的灰度值进行分类，也可以根据图像的色彩、亮度等参数进行分类。
可选的，为了便于描述，本发明任意实施例中所述的图像的形式可以是灰度直方图的形式。当然，所述图像也可以是其原有的形式。
可选的，在根据大津法及预设分割条件对图像进行分割之前，还包括：
对所述图像进行预处理，其中，所述预处理包括图像滤波、平滑处理、图像增强、图像抑制、亮度或者色彩变换、或几何变换。
其中，对图像进行预处理指的是在进行分割之前对图像所进行任意一种处理，并不限于上述几种预处理。
可选的，在对图像进行分割之前，还包括：
对图像的灰度直方图进行平滑；和/或，
根据设定规则缩小所述灰度直方图的检测范围。
其中，设所述灰度直方图中灰度的最大值为BMAX，最小值为BMIN，可以在所述灰度直方图中，将灰度值大于BMAX的95％及小于BMIN的105％的灰度值对应的像素去掉，也可以是98％、102％或者94％、106％或者其他值，本发明对此不进行限定。通过对所述图像的灰度直方图进行平滑处理，为后续的阈值的调整提供了便利。
可选的，所述根据大津法及预设分割条件对图像进行分割以确定第一分割阈值，包括：
根据图像中各个像素点的灰度值以及所述预设分割条件确定待选分割阈值；
根据所述待选分割阈值对所述图像进行分割，将所述图像的像素分为背景组和目标组；
计算所述背景组和所述目标组的方差，根据计算出的所述方差确定所述第一分割阈值。
其中，所述根据图像中各个像素点的灰度值以及所述预设分割条件确定待选分割阈值，可以是根据图像像素的灰度值确定灰度的最大值和最小值，确定最小值与预设分割条件区间的所有灰度值为待选分割阈值，所述区间包括最小值和预设分割条件。预设分割条件可以由用户设定，也可以根据经验值设定，还可以是根据图像的灰度分布确定。根据所述待选分割阈值对所述图像进行分割，可以是遍历所述待选分割阈值，在每次循环中，选定一个分割阈值，分局所述分割阈值将所述图像的像素分为背景组和目标组，其中，背景组像素的灰度值小于或小于等于分割阈值，目标组像素的灰度大于或大于等于分割阈值。
可选的，所述预设分割条件可以是所述第一分割阈值应小于所述图像的灰度直方图的平均高度，即第一个分割阈值应小于图像的灰度直方图中所有点的纵坐标(个数)的平均值。
可选的，所述计算所述背景组和所述目标组的方差，根据计算出的所述方差确定所述第一分割阈值，包括：
计算所述背景组和所述目标组的方差；
将所计算的方差中最大的方差对应的待选分割阈值确定为所述第一分割阈值。
步骤120、根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值。
当所述图像的形式为灰度直方图时，假定灰度直方图的横坐标为所述图像中各个像素点的灰度值，纵坐标为像素点的个数。相应的，根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值，包括：
根据图像的灰度直方图对所述第一分割阈值进行调整；
将所述灰度直方图上，灰度值大于所述第一分割阈值的灰度值作为待选调整阈值；
将所述待选调整阈值分成N等份，其中，N为大于等于2的正整数，比如3、8、9、12等；
按灰度从小到大的顺序比较每份的灰度平均值，当第i份的灰度平均值小于第i+1份的灰度平均值，则将灰度直方图中第i份待选调整阈值的中心对应的灰度值确定为第二分割阈值。
可选的，也可通过其他方式选取第二分割阈值，其原则是，根据图像的灰度直方图(横坐标为所述图像中各个像素点的灰度值，纵坐标为像素点的个数)，将所述第一分割阈值沿灰度增大的方向，调整至灰度直方图曲线的波谷处，所述波谷处对应的像素个数均小于其周围的其他点的个数，该波谷所对应的灰度值即为第二分割阈值。
步骤130、根据所述第二分割阈值确定图像的背景区域。
具体的，可以根据所述第二分割阈值对应的灰度值及所述图像的最大灰度值确定图像的背景区域。即可以将第二分割阈值对应的灰度值与图像的最大灰度值区间的灰度值对应的像素所组成的区域确定为图像的背景区域。
可选的，也可根据图像的最大值的设定百分比的灰度及第二分割阈值对应的灰度值区间的灰度值对应的像素所组成的区域确定为图像的背景区域。其中，所述设定百分比可以是用户指定，也可是根据经验值设定，或者根据图像灰度分布设定。所述设定百分比可以是98％、95％或者其他值。
本发明实施例的技术方案，通过大津法及预设分割条件对图像进行分割，再根据图像像素的灰度值及个数对分割阈值进行调整，从而确定图像的背景区域，实现了图像背景区域的自动检测，检测结构准确可靠，提高了图像的对比度和质量。
实施例二
图2A为本发明实施例二中的一种图像背景区域的检测方法的流程图，本实施例的技术方案在上述技术方案的基础上进一步细化，可选的，如图2A所示，本发明实施例图像背景区域的检测方法，包括：
步骤210、根据大津法及预设分割条件对图像进行分割以确定第一分割阈值。
步骤220、根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值。
步骤230、获取大于所述第二分割阈值对应的第一灰度值的各个灰度值作为待选灰度值。
图2B本发明实施例二中的一种图像的灰度直方图的示意图，如图2B所示，其横坐标为图像各个像素的灰度值，纵坐标为灰度值对应的像素的个数。通过步骤220可以确定第二分割阈值，将第二分割阈值对应的灰度值称为第一灰度值，将所有大于第一灰度值的灰度值作为待选灰度值，即图2B中第一灰度值右侧至灰度值最大值(图2B中的最大值)区间的所有灰度值为待选灰度值。
步骤240、如果所述待选灰度值对应的像素点的个数为所有待选灰度值中最多的，则将所述待选灰度值确定为第二灰度值，根据所述第一灰度值和所述第二灰度值确定所述图像的背景区域。
如图2B所示，第二灰度值即为图2B中，第一灰度值右侧的纵坐标最大的点所对应的灰度值，即曲线波峰所对应的灰度值。
可选的，可通过逐点进行比较来获取纵坐标最大(即个数最多)的点；或者采用将第一灰度值右侧的所有点按着纵坐标进行排序，从而获取纵坐标最大的点；或者将将第一灰度值右侧的所有点进行分组，再获取平均值最大的组，将该组纵坐标最大的点对应的灰度作为第二灰度值，也可以采用任意一种现有的算法进行纵坐标最大值的获取，本发明对此不进行限定。
可选的，所述根据所述第一灰度值和所述第二灰度值确定所述图像的背景区域，包括：
当所述第一灰度值和所述第二灰度值对应的像素点个数的差值的绝对值大于设定值时，根据所述第一灰度值与所述第二灰度值确定背景区的背景分割阈值，将大于所述背景分割阈值的所有像素点组成的区域确定为所述图像的背景区域。
其中，设定值可以是用户输入的，也可以是根据经验值设定的，可以是默认的值，如20、25、30或者更大更小的值。
当第一灰度值与第二灰度值的差值的绝对值小于设定值时，则认为图像比较平稳，不存在背景区域，从而不对图像进行背景检测。
可选的，所述根据所述第一灰度值与所述第二灰度值确定背景区的背景分割阈值，包括：根据所述第一灰度值对应的像素点个数及所述第二灰度值对应的像素点个数，确定背景分割阈值像素点个数；确定所述第一灰度值及所述第二灰度值区间内，所述背景分割阈值像素点个数对应的灰度值为背景分割阈值。
可选的，根据所述第一灰度值对应的像素点个数及所述第二灰度值对应的像素点个数，确定背景分割阈值像素点个数，包括：
获取第一灰度值对应的像素点个数及所述第二灰度值对应的像素点个数的差值的绝对值；
确定第一灰度值对应的像素点个数与所述差值的绝对值的设定百分比的和为背景分割阈值像素点个数。
其中，所述设定百分比可以是8％、10％、15％或者其他值。设定百分比可以由用户输入确定，也可以是默认的，还可以根据图像直方图中第一灰度值与第二灰度值区间的分布曲线来自动获取。可选的，可以根据图像直方图中，第一灰度值与第二灰度值区间的分布曲线的变化率来确定设定百分比。
当所述背景分割阈值像素点个数对应多个灰度值时，可选取其中最小灰度值为背景分割阈值；也可选择最大灰度值为背景分割阈值；或者选择灰度值的平均值、中值为背景分割阈值。对此本发明不进行限定。
可选的，可以选择图像直方图中，第一灰度值与第二灰度值区间的分布曲线的变化率最大的点对应的灰度值为背景分割阈值。
本发明实施例的技术方案，通过大津法及预设分割条件对图像进行分割，通过第一灰度值及第二灰度值的确定，精确了图像背景区域的范围，通过判断第一灰度值与第二灰度值的差值与设定值的关系，保障了背景检测的有效性，从而有效防止了误检，进一步提高了图像背景检测的准确性。
实施例三
图3是本发明实施例三中的一种图像的背景区域的检测装置的结构示意图，如图3所示，图像背景区域的检测装置包括：第一分割阈值获取模块310，第二分割阈值获取模块320和背景区域确定模块330。
其中，第一分割阈值获取模块310，用于根据大津法及预设分割条件对图像进行分割以确定第一分割阈值大津法；第二分割阈值获取模块320，用于根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值；背景区域确定模块330，用于根据所述第二分割阈值确定图像的背景区域。
本发明实施例的技术方案，通过大津法及预设分割条件对图像进行分割，再根据图像像素的灰度值及个数对分割阈值进行调整，从而确定图像的背景区域，实现了图像背景区域的自动检测，检测结构准确可靠，提高了图像的对比度和质量。
可选的，所述图像的背景区域的检测装置，还包括：
预处理模块，用于在根据大津法及预设分割条件对图像进行分割之前，对所述图像进行预处理，其中，所述预处理包括图像滤波、平滑处理、图像增强、图像抑制、亮度或者色彩变换、或几何变换。
可选的，第一分割阈值获取模块310，具体用于：
根据图像中各个像素点的灰度值以及所述预设分割条件确定待选分割阈值；
根据所述待选分割阈值对所述图像进行分割，将所述图像的像素分为背景组和目标组；
计算所述背景组和所述目标组的方差，根据计算出的所述方差确定所述第一分割阈值。
可选的，第二分割阈值获取模块320，包括：
待选灰度值获取单元，用于获取大于所述第二分割阈值对应的第一灰度值的各个灰度值作为待选灰度值；
第二灰度值确定单元，用于如果所述待选灰度值对应的像素点的个数为所有待选灰度值中最多的，则将所述待选灰度值确定第二灰度值；
背景区域确定单元，用于根据所述第一灰度值和所述第二灰度值确定所述图像的背景区域。
可选的，背景区域确定单元，包括：
背景分割阈值确定子单元，用于当所述第一灰度值和所述第二灰度值对应的像素点个数的差值的绝对值大于设定值时，根据所述第一灰度值与所述第二灰度值确定背景区的背景分割阈值。
背景区域确定子单元，用于将大于所述背景分割阈值的所有像素点组成的区域确定为所述图像的背景区域。
可选的，背景分割阈值确定子单元，具体用于：
当所述第一灰度值和所述第二灰度值对应的像素点个数的差值的绝对值大于设定值时，根据所述第一灰度值对应的像素点个数及所述第二灰度值对应的像素点个数，确定背景分割阈值像素点个数；确定所述第一灰度值及所述第二灰度值区间内，所述背景分割阈值像素点个数对应的灰度值为背景分割阈值。
可选的，图像的形式为灰度直方图，其中，所述灰度直方图的横坐标为所述图像中各个像素点的灰度值，纵坐标为像素点的个数。其中，预设分割条件为所述图像的灰度直方图中所有像素点的灰度值对应的个数的平均值。所述图像的背景区域的检测装置，还包括：
平滑模块，用于对所述灰度直方图进行平滑；和/或，
范围缩小模块，用于根据设定规则缩小所述灰度直方图的检测范围。
本发明实施例所提供的图像的背景区域的检测装置可执行本发明任意实施例所提供的图像的背景区域的检测方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四中的一种X射线系统的结构示意图，如图4所示，X射线系统包括：
放射源410、限束器420、胸片盒430、平板探测器440、以及背景区域的检测装置450(图中未给出)。
其中，背景区域的检测装置450用于执行本发明任一实施例所提供的背景区域的检测方法，平板探测器440内置于胸片盒430中。
示例性的，放射源410提供的X射线经限束器420调整后对目标进行拍摄，经平板探测器440及胸片盒430生成该目标的图像，再将该图像发送至背景区域的检测装置450实现该图像的背景区域检测。可选的，图像可以是实时拍摄的，也可以是保存在胸片盒430中的。
本发明实施例所提供的X射线系统，通过增加了背景区域的检测装置450，实现了图像背景区域的自动检测，检测结构准确可靠，提高了图像的对比度和质量。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例所提供的一种图像的背景区域的检测方法，该方法包括：
根据大津法及预设分割条件对图像进行分割以确定第一分割阈值；
根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值；
根据所述第二分割阈值确定图像的背景区域。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的图像的背景区域的检测方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的图像的背景区域的检测方法。
值得注意的是，上述图像的背景区域的检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种图像背景区域的检测方法，其特征在于，包括：
根据大津法及预设分割条件对图像进行分割以确定第一分割阈值；
根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值；
根据所述第二分割阈值确定图像的背景区域；
所述根据所述第二分割阈值确定图像的背景区域，包括：
根据第一灰度值对应的像素点个数及第二灰度值对应的像素点个数，确定背景分割阈值像素点个数；
确定所述第一灰度值及所述第二灰度值区间内，所述背景分割阈值像素点个数对应的灰度值为背景分割阈值；
根据所述背景分割阈值确定所述图像的背景区域；
其中，所述第一灰度值为大于所述第二分割阈值对应的灰度值，所述第二灰度值为第一灰度值的各个灰度值对应的像素点的个数最多的灰度值。
2.根据权利要求1所述的检测方法，其特征在于，在根据大津法及预设分割条件对图像进行分割之前，还包括：
对所述图像进行预处理，其中，所述预处理包括图像滤波、平滑处理、图像增强、图像抑制、亮度或者色彩变换、或几何变换。
3.根据权利要求1所述的检测方法，其特征在于，所述根据大津法及预设分割条件对图像进行分割以确定第一分割阈值，包括：
根据图像中各个像素点的灰度值以及所述预设分割条件确定待选分割阈值；
根据所述待选分割阈值对所述图像进行分割，将所述图像的像素分为背景组和目标组；
计算所述背景组和所述目标组的方差，根据计算出的所述方差确定所述第一分割阈值。
4.根据权利要求1所述的检测方法，其特征在于，所述根据所述第二分割阈值确定图像的背景区域，包括：
获取大于所述第二分割阈值对应的所述第一灰度值的各个灰度值作为待选灰度值；
如果所述待选灰度值对应的像素点的个数为所有待选灰度值中最多的，则将所述待选灰度值确定为所述第二灰度值；
根据所述第一灰度值和所述第二灰度值确定所述图像的背景区域。
5.根据权利要求4所述的检测方法，其特征在于，所述根据所述第一灰度值和所述第二灰度值确定所述图像的背景区域，包括：
当所述第一灰度值和所述第二灰度值对应的像素点个数的差值的绝对值大于设定值时，根据所述第一灰度值与所述第二灰度值确定背景区的背景分割阈值，将大于所述背景分割阈值的所有像素点组成的区域确定为所述图像的背景区域。
6.根据权利要求1-5任一项所述的检测方法，其特征在于，所述图像的形式为灰度直方图，其中，所述灰度直方图的横坐标为所述图像中各个像素点的灰度值，纵坐标为像素点的个数。
7.根据权利要求6所述的检测方法，其特征在于，所述预设分割条件包括所述第一分割阈值小于所述图像的灰度直方图的平均高度。
8.根据权利要求6所述的检测方法，其特征在于，在对图像进行分割之前，还包括：
对所述灰度直方图进行平滑；和/或，
根据设定规则缩小所述灰度直方图的检测范围。
9.一种图像背景区域的检测装置，其特征在于，包括：
第一分割阈值获取模块，用于根据大津法及预设分割条件对图像进行分割以确定第一分割阈值；
第二分割阈值获取模块，用于根据所述图像中每个灰度值对应的像素点的个数及所述图像中每个像素点的灰度值对所述第一分割阈值进行调整，得到第二分割阈值；
背景区域确定模块，用于根据所述第二分割阈值确定图像的背景区域；
所述背景区域确定单元，包括：
背景分割阈值确定子单元，具体用于：根据第一灰度值对应的像素点个数及第二灰度值对应的像素点个数，确定背景分割阈值像素点个数；确定所述第一灰度值及所述第二灰度值区间内，所述背景分割阈值像素点个数对应的灰度值为背景分割阈值；
根据所述背景分割阈值确定所述图像的背景区域；
其中，所述第一灰度值为大于所述第二分割阈值对应的灰度值，所述第二灰度值为第一灰度值的各个灰度值对应的像素点的个数最多的灰度值。
10.一种X射线系统，其特征在于，所述X射线系统包括：放射源、限束器、胸片盒、平板探测器、以及背景区域的检测装置，其中，所述背景区域的检测装置用于执行如权利要求1-8中任一所述的背景区域的检测方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的背景区域的检测方法。
CN201910441812.2A 2019-05-24 2019-05-24 图像背景区域的检测方法、装置、存储介质及x射线系统 Active CN110163857B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910441812.2A CN110163857B (zh) 2019-05-24 2019-05-24 图像背景区域的检测方法、装置、存储介质及x射线系统
PCT/CN2020/091969 WO2020238819A1 (en) 2019-05-24 2020-05-24 Systems and methods for image processing
US17/456,568 US20220084305A1 (en) 2019-05-24 2021-11-24 Systems and methods for image processing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910441812.2A CN110163857B (zh) 2019-05-24 2019-05-24 图像背景区域的检测方法、装置、存储介质及x射线系统

Publications (2)

Publication Number Publication Date
CN110163857A CN110163857A (zh) 2019-08-23
CN110163857B true CN110163857B (zh) 2022-03-04

Family

ID=67632890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910441812.2A Active CN110163857B (zh) 2019-05-24 2019-05-24 图像背景区域的检测方法、装置、存储介质及x射线系统

Country Status (1)

Country Link
CN (1) CN110163857B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020238819A1 (en) * 2019-05-24 2020-12-03 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image processing
CN111128347A (zh) * 2019-12-10 2020-05-08 青岛海信医疗设备股份有限公司 医学影像显示方法和通信终端
CN111062954B (zh) * 2019-12-30 2022-07-08 中国科学院长春光学精密机械与物理研究所 一种基于差分信息统计的红外图像分割方法、装置及设备
CN111860166B (zh) * 2020-06-18 2024-07-12 浙江大华技术股份有限公司 图像检测的方法、装置、计算机设备和存储介质
CN115272321B (zh) * 2022-09-28 2023-01-10 山东军冠纺织有限公司 一种基于机器视觉的纺织品缺陷检测方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118030B (zh) * 2015-08-11 2018-08-03 上海联影医疗科技有限公司 医学图像金属伪影的校正方法及装置
CN105374025B (zh) * 2015-09-30 2018-05-04 上海联影医疗科技有限公司 乳房图像获取方法及装置、乳房摄影系统
CN105447879B (zh) * 2015-12-15 2018-04-03 上海联影医疗科技有限公司 乳房图像中检测胸肌的方法及装置
CN107292815B (zh) * 2017-06-14 2020-09-01 上海联影医疗科技有限公司 乳腺图像的处理方法、装置及乳腺成像设备
CN107564021A (zh) * 2017-09-25 2018-01-09 上海联影医疗科技有限公司 高衰减组织的检测方法、装置及数字乳房x线摄影系统
CN108108739B (zh) * 2017-12-18 2021-11-16 上海联影医疗科技股份有限公司 图像目标区域的检测方法、装置、x射线系统及存储介质
CN108682008B (zh) * 2018-05-07 2019-04-16 江苏康尚生物医疗科技有限公司 一种白细胞图像清晰度评价方法及装置
CN108765421B (zh) * 2018-05-30 2021-01-12 上海联影医疗科技股份有限公司 乳房医学图像处理方法、装置和aec曝光参数获取方法
CN109389653B (zh) * 2018-09-27 2023-01-03 上海联影医疗科技股份有限公司 心脏图像重建方法、装置、计算机设备和可读存储介质
CN113610923A (zh) * 2018-07-26 2021-11-05 上海联影智能医疗科技有限公司 扫描定位方法、装置、计算机设备及计算机可读存储介质
CN109060842B (zh) * 2018-08-14 2020-12-29 西南大学 基于曲面拟合校正的柑橘表面缺陷检测方法
CN109447912B (zh) * 2018-10-18 2022-04-19 广东欧谱曼迪科技有限公司 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法
CN109461148A (zh) * 2018-10-30 2019-03-12 兰州交通大学 基于二维Otsu的钢轨缺陷分割自适应快速算法
CN109758170B (zh) * 2019-01-10 2023-02-10 北京东软医疗设备有限公司 X射线成像设备的曝光参数调节方法和装置

Also Published As

Publication number Publication date
CN110163857A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
CN110163857B (zh) 图像背景区域的检测方法、装置、存储介质及x射线系统
CN108009544B (zh) 目标检测方法及装置
CN110176010B (zh) 一种图像检测方法、装置、设备及存储介质
CN108108739B (zh) 图像目标区域的检测方法、装置、x射线系统及存储介质
US8279930B2 (en) Image processing apparatus and method, program, and recording medium
WO2020182036A1 (zh) 图像处理方法、装置、服务器及存储介质
CN107622501B (zh) 一种医学图像的边界检测的方法
CN110046627B (zh) 一种乳腺影像识别的方法及装置
CN110458827B (zh) 医学影像坏点的检测方法、装置、设备及介质
CA2775757A1 (en) Method of processing body inspection image and body inspection apparatus
CN110853024B (zh) 医疗图像处理方法、装置、存储介质及电子设备
JP2016200970A (ja) 主被写体検出方法、主被写体検出装置及びプログラム
CN107316291B (zh) 乳腺图像处理方法及乳腺成像设备
CN109461144B (zh) 一种乳腺影像识别的方法及装置
CN116071355A (zh) 一种用于外周血管影像的辅助分割系统及方法
CN113808135B (zh) 图像亮度异常检测方法、电子设备及存储介质
CN109758170B (zh) X射线成像设备的曝光参数调节方法和装置
CN109559318B (zh) 基于积分算法的局部自适应图像阈值处理方法
CN117853510A (zh) 基于双边滤波和自适应阈值的Canny边缘检测方法
CN110428411B (zh) 一种基于二次曝光的背光板检测方法及系统
JP2007202811A (ja) 照射野認識装置、照射野認識方法およびそのプログラム
CN114266799B (zh) 一种识别束光器边框方法、装置、计算机设备及存储介质
KR101617551B1 (ko) 얼굴 검출 능력 향상을 위한 이미지 처리 방법 및 시스템
CN116109695A (zh) 质心定位方法及相关设备
JPWO2018011928A1 (ja) 画像処理装置、画像処理装置の作動方法及び画像処理装置の作動プログラム

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

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.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant