CN110223261B - 医学图像处理方法和系统、存储介质及计算机设备 - Google Patents
医学图像处理方法和系统、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN110223261B CN110223261B CN201910419219.8A CN201910419219A CN110223261B CN 110223261 B CN110223261 B CN 110223261B CN 201910419219 A CN201910419219 A CN 201910419219A CN 110223261 B CN110223261 B CN 110223261B
- Authority
- CN
- China
- Prior art keywords
- histogram
- statistical
- pixels
- gray level
- preset value
- 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
- 238000000034 method Methods 0.000 claims abstract description 112
- 230000008569 process Effects 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims description 34
- 238000009825 accumulation Methods 0.000 claims description 27
- 230000011218 segmentation Effects 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 14
- 241001270131 Agaricus moelleri Species 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000009194 climbing Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000002059 diagnostic imaging Methods 0.000 claims description 8
- 230000035508 accumulation Effects 0.000 description 22
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 230000003902 lesion Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000002601 radiography Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000037062 Polyps Diseases 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- 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
- G06T2207/10—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种医学图像处理方法和系统、存储介质及计算机设备。一种医学图像处理方法,包括:获取包含目标区域的医学图像;根据所述目标区域的灰度分布规律得到对应的直方图;将所述直方图划分为多个统计区间;根据所述直方图从两侧向中心的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值;所述预设值随统计的统计区间的次数的增加而减小;以及根据统计结束时的终止位置点确定相应的窗宽和窗位。上述医学图像处理方法,随着统计次数的增加会加速统计过程的结束,确保希望显示的区域都能够落入到最终确定的窗宽中,使得最终处理得到的医学图像满足使用需求,无需医生进行二次调整。
Description
技术领域
本发明涉及医学图像处理领域,特别是涉及一种医学图像处理方法和系统、存储介质及计算机设备。
背景技术
医学图像中,需要选取合适的窗宽窗位使得图像中的感兴趣组织得到更好的显示,以便医生进行更好的诊断。传统的医学图像处理过程中往往不能很好地呈现出目标区域,从而不利于医生进行诊断,需要医生进行二次调整。
发明内容
基于此,有必要针对传统的医学图像处理过程中往往不能很好地呈现出目标区域,从而不利于医生进行诊断,需要医生进行二次调整的问题,提供一种医学图像处理处理方法和系统、存储介质及计算机设备。
一种医学图像处理方法,包括:
获取包含目标区域的医学图像;
根据所述目标区域的灰度分布规律得到对应的直方图;
将所述直方图划分为多个统计区间;
根据所述直方图从两侧到中心的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值;所述预设值随统计的累加次数的增加而减小,所述预设值根据所述直方图的形态更新;以及
根据统计结束时的终止位置点确定相应的窗宽和窗位。
上述医学图像处理方法,从小到大依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值以确定出相应的窗宽和窗位。在统计过程中,预设值随统计的统计区间的次数的增加而减小,也即随着统计次数的增加会加速统计过程的结束,确保希望显示的区域都能够落入到最终确定的窗宽中,使得最终处理得到的医学图像满足使用需求,无需医生进行二次调整。
在其中一个实施例中,根据所述窗宽和窗位显示所述医学图像。
在其中一个实施例中,所述获取包含目标区域的医学图像的步骤包括:
获取医学影像设备输出的医学图像;以及
对所述医学图像进行处理确定目标区域。
在其中一个实施例中,所述对所述医学图像进行处理确定目标区域的步骤为,利用阈值分割算法对所述医学图像进行处理确定目标区域。
在其中一个实施例中,所述将所述直方图划分为多个统计区间的步骤为,沿所述直方图的纵轴位置将所述直方图划分为多个统计区间;
所述根据所述直方图从两侧到中心的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤为,根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值。
在其中一个实施例中,所述沿所述直方图的纵轴位置将所述直方图划分为多个统计区间的步骤为,对所述直方图中的像素数目的最高点所对应的高度进行划分,划分为预设份以得到各统计区间。
在其中一个实施例中,所述根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤中,所述预设统计规律为:在当前统计区间内,先从所述直方图的左侧开始依次累计当前统计区间内的各灰度的像素个数,在未达到预设值时,再从所述直方图的右侧开始依次累计当前统计区间内的各灰度的像素个数或先从所述直方图的右侧开始依次累计当前统计区间内的各灰度的像素个数,在未达到预设值时,再从所述直方图的左侧开始依次累计当前统计区间内的各灰度的像素个数。
在其中一个实施例中,所述根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值达到的步骤包括:
按照预设统计规律累计当前统计区间内的各灰度的像素个数;在每完成一个灰度的像素个数的统计后,更新所述预设值;
在所述累计值达到所述预设值时,结束累计操作,并将统计结束时位于所述直方图左侧的终止累计点作为窗宽的起始点,将位于所述直方图右侧的终止累计点作为窗宽的截止点;以及
若在完成当前统计区间的统计后所述累计值仍小于所述预设值时,继续按照预设统计规律累计相邻的下一统计区间内的各灰度的像素个数直至所述累计值达到所述预设值。
在其中一个实施例中,所述根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值达到的步骤之前包括:将所述直方图左右两侧预设范围内的灰度进行去除,以形成所述直方图的初始有效区域;
所述根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤中为,在所述初始有效区域内进行统计。
在其中一个实施例中,在每完成一个灰度的像素个数的统计后,更新所述预设值的步骤为,根据所述直方图的灰度分布范围和所述直方图的高度爬升情况的至少一个确定每次更新过程所述预设值的减小量。
在其中一个实施例中,根据所述直方图的灰度分布范围和所述直方图的高度爬升情况确定每次更新过程中所述预设值的减小量,其中,所述预设值的计算公式为:
其中,所述A1表示更新后的预设值,A2表示更新前的预设值,S表示所述直方图内的像素个数或者有效像素总和,n表示当前统计的统计区间的数目,N表示总的统计区间数目,C1表示直方图的灰度截止值,C2表示直方图的灰度起始值,所述n/N对应于所述直方图的高度爬升情况,(C1-C2)对应于灰度分布范围。
在其中一个实施例中,所述将所述直方图划分为多个统计区间的步骤为,沿所述直方图的横轴位置将所述直方图划分为多个统计区间;
所述根据所述直方图从两侧到中心的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤为,根据所述横轴位置从两侧向中心移动的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值。
在其中一个实施例中,所述沿所述直方图的横轴位置将所述直方图划分为多个统计区间的步骤为,根据所述直方图中总的像素个数将所述直方图划分为预设份。
在其中一个实施例中,根据所述横轴位置从所述直方图两侧向中心移动的顺序为,先统计所述直方图左侧的统计区间,然后统计所述直方图右侧的统计区间,并在完成所述直方图右侧的统计区间的统计后返回至所述直方图的左侧统计区间的下一个相邻的统计区间进行统计或先统计所述直方图右侧的统计区间,然后统计所述直方图左侧的统计区间,并在完成所述直方图左侧的统计区间的统计后返回至所述直方图的右侧统计区间的下一个相邻的统计区间进行统计。
在其中一个实施例中,所述依次对各统计区间累计各灰度下的像素个数,直至累计值达到预设值的步骤为:在当前统计区间内,先从所述直方图的边缘侧开始向中心依次累计当前统计区间内的各灰度的像素个数,在完成当前统计区间的统计所述累计值仍未达到预设值时,移动至下一统计区间进行统计直至所述累计值达到所述预设值;在每完成一个灰度的像素个数的统计后,更新所述预设值。
在其中一个实施例中,在每完成一个灰度的像素个数的统计后,更新所述预设值为,根据所述直方图的灰度分布范围和向中心收缩的程度确定每次更新过程所述预设值的减小量。
在其中一个实施例中,所述预设值的计算公式为:
其中,所述B1表示更新后的预设值,B2表示更新前的预设值,Z表示所述直方图内的像素个数或者有效像素总和,x表示当前统计的统计区间的数目,X表示总的统计区间数目,D1表示直方图的灰度截止值,D2表示直方图的灰度起始值,所述x/X对应于所述直方图向中心收缩的程度和所述(D1-D2)对应于灰度分布范围。
一种医学图像处理系统,包括:
获取模块,用于获取医学图像;
处理模块,用于根据所述医学图像的灰度分布规律得到对应的直方图,并且将所述直方图划分为多个统计区间;
统计模块,用于根据所述直方图从两侧到中心的顺序依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值,所述预设值根据所述直方图的形态更新;
更新模块,用于将所述预设值随增加的统计的累计次数而更新成更小的预设值;以及
窗宽窗位确定模块,用于根据统计结束时的终止位置点确定相应的窗宽和窗位。
在其中一个实施例中,还包括:显示模块,用于根据所述窗宽和窗位显示所述医学图像。
一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一所述的方法的步骤。
一种计算机设备,包括存储器和处理器;所述处理器上存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
附图说明
图1为一实施例中的医学图像处理方法的流程图。
图2为图1中步骤S110的具体流程图。
图3为第一实施例中的目标区域的直方图。
图4为第二实施例中的目标区域的直方图。
图5为第三实施例中的目标区域的直方图。
图6为第四实施例中的目标区域的直方图。
图7为一实施例中的医学图像处理系统的结构框图。
图8为一实施例中的计算机设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请一实施例提供一种医学图像处理方法,通过该方法可以实现医学图像的窗宽和窗位的自动确定,也即上述医学图像处理方法会涉及到窗宽窗位技术,简称窗技术。窗技术是用以观察不同密度/信号的正常组织或病变的一种显示技术,包括窗宽(windowwidth,WW)和窗位(window level,WL)。传统的医学图像处理过程中,通常需要医生根据经验去设定相应的窗宽和窗位。当设定的窗宽和窗位无法满足图像显示效果的要求,则需要医生进行二次调整,增加了医生的工作量。本案提供的医学图像处理方法能够很好地解决上述问题。
图1为一实施例中的医学图像处理方法的流程图。本实施例中主要以该医学图像处理方法应用于计算机设备来举例说明。该计算机设备可以是终端,也可以是服务器。参见图1,该医学图像处理方法包括以下步骤:
步骤S110,获取包含目标区域的医学图像。
医学图像可以通过医疗成像设备拍摄得到。医疗成像设备可以为CT(ComputedTomography,电子计算机断层扫描CT)、DR(Digital Radiography,数字化X射线摄影)设备等。医疗图像可以为医疗成像设备拍摄到的二维图像,也可以为由二维图像通过重建形成的三维图像。目标区域就是从医学图像中选择一个图像区域,这个区域是图像分析所关注的重点,以便进行进一步处理。也即,目标区域是医生对医学图像内较为感兴趣的区域,例如肿瘤、结节、息肉、病灶等。
步骤S120,根据目标区域的灰度分布规律得到对应的直方图。
尤其是对于DR设备拍摄的数字图像,主要是运用窗技术来实现图像后处理。因此,根据目标区域的灰度分布情况来确定当前医学图像的窗宽和窗位,能够确保目标区域在整个医学图像中有较好的对比度,呈现较好的显示效果。
直方图是一种统计报告图,由一系列高度不等的纵向条纹或线段表示数据分布的情况。当纵向条纹或线段分布很密集的时候,该直方图也会呈现出曲线的形状。直方图一般用横坐标表示数据类型,纵坐标表示分布情况。在本实施例中,直方图的横坐标表示灰度,纵坐标表示对应灰度下的像素个数。也即本实施例中的直方图是通过对目标区域中的各像素的灰度分布情况进行统计,分别统计各灰度下的像素个数,然后根据灰度从小到大的顺序进行排布,得到该直方图。得到的直方图的形状由目标区域中的灰度分布情况决定。当目标区域中所包含的灰度较多且各灰度下的像素个数相对差异不是特别大时,整个直方图会呈现多峰分布的情况,也即具有较宽的跨度但是形成的波峰并不会过于陡峭的图形。当目标区域中包含的灰度较为集中时,整个直方图可能会呈现一种具有陡峭的单峰形状。
步骤S130,将直方图划分为多个统计区间。
在其中一个实施例中,步骤S130为沿直方图的纵轴位置将直方图划分为多个统计区间。
统计区间的划分是为了后面的统计过程。在一实施例中,根据上述直方图中的像素总数来进行划分,或者根据上述直方图中的最高点的高度来进行划分。划分过程中,多个统计区间可以具有相同的高度范围,也即在高度方向上将直方图均匀划分为预设等份,每一等份形成的统计区间均具有相同的步进高度。等份数可以根据目标区域内的像素总数以及形成的直方图形状来设定。在其他的实施例中,也可以根据目标区域的灰度分布规律划分为不均等的多个统计区间,比如随着高度的增加,每个统计区间的高度范围依次减小。
步骤S140,根据直方图从两侧到中心的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值。预设值随统计的累加次数的增加而减小。预设值根据直方图的形态更新。
在其中一个实施例中,上述步骤S140为根据纵轴位置从下到上的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值;预设值随统计的累加次数的增加而减小。
在统计过程中,从最小高度的统计区间开始,按照预设统计规律累计当前统计区间内各灰度下的像素个数,直至累计值达到预设值。如果完成了当前的统计区间内的统计,该累计值依然小于预设值,则对沿直方图纵轴方向的相邻的下一统计区间内的各灰度对应的像素个数进行统计,直至累计值达到预设值。在统计的过程中,每累计一个灰度对应的像素个数,预设值依次更新,并且预设值随着累加次数的增多而减小。在本实施例中,在第一次统计过程中,该预设值是预先设置的,可以由用户根据经验去设定一个预设值。例如,该预设值可以设置在该直方图内的像素总和的百分之五到百分之二十。可以理解,直方图的像素总和可以为初始的像素总和,也可以为进行处理后得到的有效区域内的像素总和。可选地,将预设值设置为直方图中的像素总和的百分之十五。
在上述统计过程中,每完成一个统计区间内的像素个数的统计作为一次统计过程,预设值会随累加次数的增加而减小。即,随着统计次数的增加,累计值越来越容易达到预设值,越来越容易结束统计过程,从而可以避免原本希望显示出来的灰度被移除不显示,确保最终处理得到的医学图像满足使用需求,无需医生进行二次调整。在本实施例中,每一次统计过程可以看做一次迭代,也即整个统计过程是一个迭代过程。
步骤S150,根据统计结束时的终止位置点确定相应的窗宽和窗位。
统计结束时是指累计值达到预设值的时刻。此时,对应的终止位置点包括位于直方图左侧的终止位置点和位于直方图右侧的终止位置点,从而根据二者对应的灰度即可以确定出来窗宽和窗位。其中,窗宽等于左右两侧的终止位置点对应的灰度的差值,窗位则是窗宽的中心点。
上述医学图像处理方法,根据直方图纵轴位置从下到上的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值以确定出相应的窗宽和窗位。在统计过程中,预设值随像素个数的累计次数的增加而减小,也即随着累计次数的增加会加速统计过程的结束,确保希望显示的区域都能够落入到最终确定的窗宽中,使得最终处理得到的医学图像满足使用需求,无需医生进行二次调整。
传统的医学图像处理过程,预设值是在统计开始之前就设置并固定下来的,这个预设值是根据经验设置的。每次统计过程中都采用相同的预设值,从而使得在统计过程中并不会考虑直方图的统计次数以及具体分布情况,导致最终得到的窗宽和窗位并不能使得目标区域具有较为清晰和明显的呈现效果。而通过上述方法,虽然最开始同样需要根据经验去设置初始预设值,但是随着每累加一个灰度对应的像素个数会对其进行一次更新,从而使得更新后的预设值越来越接近理想值,使得最终得到的窗宽和窗位能够使目标区域较好的呈现出来,无需医生进行二次调整。
在一实施例中,上述方法还包括步骤S160。
步骤S160,根据窗宽和窗位显示上述医学图像。
通常医学图像以灰度值的形式进行显示,为了包含更多的组织信息,医学图像的数据深度(位深)往往大于8bit,常见的有12bit、14bit、15bit、16bit等,但目前常用的显示设备只支持8bit的灰度显示,因此需要将大于8bit灰度的医学图像转换为8bit灰度。因此,在显示过程中,需要将医学图像的灰度范围根据上述窗宽和窗位转换到显示设备的灰度区间上来成像,方便用户进行查看。
医学图像处理医学图像中,选取合适的窗宽、窗位使得图像中的目标区域得到更好的显示,以便医生进行更好的诊断,而上述医学图像处理方法能计算合适的窗宽、窗位,不需要医生手动设置窗宽、窗位。尤其是在计算机控制下直接进行数字化X射线摄影(DR)时,部位多、数量大、摆位较为复杂,图像效果受摆位等的影响较大,因此,通过上述医学图像处理方法计算出合适的窗宽、窗位能很大程度提高图像效果的稳定性,并减少医生二次调整窗宽、窗位的工作量。
在一实施例中,步骤S110的具体流程参见图2,包括以下步骤:
步骤S210,获取医学影像设备输出的医学图像。
医学图像由医学影像设备对患者进行扫描,之后由计算机的相关模块对扫描数据进行处理得到。医学图像可以包括但不限于CT图像、核磁共振MR(Magnetic Resonance)图像、正电子发射计算机断层PET(positron emission tomography)图像、DR图像等。
步骤S220,对医学图像进行处理确定目标区域。
在本实施例中,图像处理就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。进行图像处理的方法可以是基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。根据是否需要人工参与,还可以使用自动分割方法、半自动分割方法或者是完全由用户医生、技师等用户进行目标区域勾勒的处理。对医学图像进行处理确定目标区域的过程包括去除获取的医学图像中的空气区域的影响的过程。例如,空气区域为非器官区域或者直接曝光区域,即,空曝区域。空曝区域指的是X射线发射出来后只经过空气到达平板。其中,目标区域可以是病灶或者肿瘤等。通过该方法确定出医学图像的目标区域能有效地排除空气区域的干扰,有利于医生根据医学图像进行医学诊断。
在一实施例中,利用阈值分割算法对医学图像进行处理确定目标区域。阈值分割算法利用图像中要提取的目标与背景在灰度上的差异,通过设定阈值来把像素分成若干类,从而实现目标与背景的分离。通过判断图像中的每一个像素的特征属性是否满足阈值的要求,来确定图像中的该像素是属于目标区域还是背景区域,再将一幅灰度图像转换成二值图像。在一实施例中,使用大津法(OTSU算法)进行阈值处理。在利用阈值分割算法对医学图像进行处理时,可以将灰度阈值或者和灰度阈值关联的参数作为阈值分割算法的关键值。而阈值的确定可以是用户根据经验值输入的,也可以是系统根据算法计算得到。阈值分割算法将灰度图像转换成二值图像,能有效的区分目标和背景。比如,医生想要通过医学图像观察胃部的肿瘤,那么通过阈值分割算法区分出肿瘤区域即目标区域与胃部的其他组织。
在一实施例中,步骤S130为对直方图中的像素数目的最高点所对应的高度进行划分,均匀划分为预设等份以得到具有相同高度范围的各统计区间。将直方图中的最高点的高度即直方图中纵坐标最大的点的纵坐标划分为预设等份。比如,在直方图中最高点的高度为8000,也即对应灰度下的像素的个数为8000,那么将8000划分为预设等份。每一等份的高度范围作为步进高度。比如将8000划分为100等份,那么每一等份的高度跨度为80,即步进高度为80。图3中,最高点出现在灰度X位置,此时根据其高度将其划分为N个等份,每一等份作为一个统计区间,每个统计区间内具有相同的高度跨度。
在本实施例中,步骤S140具体为,按照预设统计规律累计最小高度下的统计区间内的各灰度的像素个数,在累计过程中不断判断累计值是否达到预设值,如果是则结束累计操作,如果完成当前统计区间内的统计后累计值仍小于预设值,则继续按照预设统计规律统计下一高度的统计区间内的各灰度的像素个数,直至累计值达到预设值时结束累计操作。也即在本实施例中,如果累计值一直没有达到预设值,则会不停的往下一统计区间进行统计。以图3为例,按照预设统计规律去统计第一统计区间内的各灰度的像素个数。
在本实施例中,预设统计规律为,在当前统计区间内,先从直方图的左侧开始依次累计当前统计区间内的各灰度的像素个数,然后再从直方图的右侧开始依次累计当前统计区间内的各灰度的像素个数。在其他实施例中,预设统计规律为,在当前统计区间内,先从直方图的右侧开始依次累计当前统计区间内的各灰度的像素个数,在未达到预设值时,再从直方图的左侧开始依次累计当前统计区间内的各灰度的像素个数。
具体地,在第一统计区间的统计过程中,先从左侧开始统计该第一统计区间内的各灰度的像素个数,如果统计值一直没有达到预设值,则在完成第一统计区间内左侧的统计之后,跳转到右侧开始统计其在第一统计区间内的各灰度的像素个数。统计过程中,统计值一旦达到预设值,则停止整个统计过程,如果一直没有达到预设值,则会一直统计下去,直至完成第一统计区间内的统计。如果还是未达到预设值,则完成第一统计区间的统计,进入第二统计区间的统计过程。第二统计区间的统计过程与第一统计区间的统计过程相同,均按照预设统计规律进行统计。后面的统计过程实际就相当于是一个循环迭代的过程,整个统计的终点就是累计值达到预设值。在本实施例中,在每累计一个灰度对应的像素个数时,会按照预设规律去更新预设值,以使得预设值越来越贴近理想值,确保最终得到的窗宽和窗位具有较理想的状态。
在统计结束时,将统计结束时位于直方图左侧的终止累计点作为窗宽的起始点,将位于直方图右侧的终止累计点作为窗宽的截止点。具体地,以图4为例,当前统计区间的最大纵坐标为1800,在直方图左侧统计到灰度为1294处还没有达到预设值但已经到了该统计区间的上沿,即,灰度为1294处已经是当前统计区间的最大纵坐标所在的水平线与直方图的交点,那么,左侧统计到灰度为1294处就已经完成了当前统计区间在左侧的统计。此时,转到直方图右侧进行统计。在该统计区间,在还未达到区间上沿时,该曲线开始向下掉头,因此,沿着曲线逐灰度地继续累计,假设在直方图右侧累计到灰度为3166处,累计值达到当前预设值,那么此时窗宽的起始点为灰度为1294对应的点,截止点为灰度为3166对应的点。每累计一个灰度对应的像素个数,预设值更新一次,并且不断减小。需要说明的是,此时直方图右侧统计到的位置点即灰度为3166的点对应的像素个数没有超过当前统计区间,符合上述统计规律。同理,如果是在直方图左侧累计到的像素个数达到预设值,那么此时将在左侧累计的像素个数达到预设值的点作为直方图的起始点,将右侧最后累计的点作为直方图的截止点。
得到直方图的起始点和截止点后,可以根据起始点和截止点确定窗宽和窗位。窗宽等于截止点和起始点的灰度差值,窗位则截止点和起始点的灰度之和的二分之一,也即窗宽的中心。比如,起始值为1000,截止值为4000,那么窗宽为3000,窗位为2500。可以理解,前述实施例中所提及的数值仅仅是为了更好地说明本申请,而不构成对本申请的限定。
传统的窗宽窗位确定过程中,并不会更新预设值,很容易出现图5这种情况,直方图的起始点为灰度为1316对应的点,截止点为灰度为3006对应的点。经过对比可以发现,显然,图5中的直方图右侧的截止点相对于图4向中心走的更多,而对于截止点向右的那部分图像,用户是看不到或者看不清楚的,也就是说传统的方法中很容易导致最后呈现的图像中失去了本来用户想要看到的一部分医学图像。本申请中的更新预设值,能保留这部分被去除的但用户却想要看到的图像。也就是前文提到的能够避免原本希望显示出来的灰度被移除不显示,确保最终处理得到的医学图像满足使用需求,无需医生进行二次调整的过程。
在一实施例中,上述步骤S140步骤之前还可以包括,将直方图左右两侧预设范围内的灰度进行去除,以形成直方图的初始有效区域的步骤。这样,步骤S140则是对初始有效区域内的像素个数进行统计的过程。由于在目标区域的直方图中存在一些不稳定的点,因此在本实施例中将直方图左右两侧预设范围内的灰度进行去除,以避免这些不稳定点的干扰。比如,将直方图的左右两侧各按一定比例的灰度删除。一般比例在目标区域的总像素个数的百分之五以内,比如在直方图左右两侧各去除百分之一的灰度,去除后形成直方图的初始有效区域。将初始有效区域的直方图中的最高点划分为预设等份以得到步进高度。通过去除目标区域的直方图中一些不稳定的点,使根据最后计算得到的窗宽、窗位显示的图像的显示效果更加稳定,有利于医生进行医学诊断。
在一实施例中,在整个统计过程中,在每完成一个灰度的像素个数的统计后,更新上述预设值。具体地,每次更新过程中,会根据直方图的灰度分布范围和直方图的高度爬升情况的至少一个确定每次更新过程预设值的减小量。在本实施例中,直方图的灰度分布范围指的是根据直方图中的最小灰度值和最大灰度值确定的范围。如果统计之前有对直方图进行处理,则以处理后的直方图中的最小灰度值和最大灰度值来进行确定。直方图的高度爬升情况由直方图的波峰的陡峭程度来确定。通过根据直方图的灰度分布范围和直方图的高度爬升情况来更新预设值,可以使得预设值能够结合直方图的具体形态来进行更新,确保更新后的预设值能够尽可能接近理想值。
在本实施例中,会同时考虑直方图的灰度分布范围和直方图的高度爬升情况,从而使得其无论是对于具有尖锐的单峰形状的直方图还是具有平缓大跨度的多峰直方图均可以适用。在其他的实施例中,也可以根据直方图的形态来确定具体是根据哪些因素来更新预设值。比如,在检测到直方图为尖锐的单峰形状时,可以仅根据直方图的高度爬升情况来确定每次更新过程的减小量,如果检测到直方图为平缓的多峰形状时,可以仅根据直方图的灰度分布范围来确定每次更新过程的减小量。
在一实施例中,会同时考虑直方图的灰度分布范围和直方图的高度爬升情况来确定预设值的减小量。此时预设值的计算公式为:
其中,A1表示更新后的预设值,A2表示当前预设值,S表示直方图内的像素或者有效像素个数总和,n表示当前统计的统计区间的数目,N表示总的统计区间数目,C1表示直方图的灰度截止值,C2表示直方图的灰度起始值。在本实施例中,n/N对应于直方图的爬升高度情况。(C1-C2)对应于灰度分布范围的影响项。由该计算公式可知,在同一统计区间,该减数是不变的,不同的统计区间,该减数是变化的。具体地,在同一统计区间中,每一次累计都将上一次累计时的预设值减去相同的一个值,在不同的统计区间中,预设值所减去的值不同。具体地,沿着纵轴位置,高度越低的统计区间内预设值减去的值越小,高度越高的统计区间内预设值减去的值越大,从而加快统计结束点的到来。
上述方法中,预设值根据直方图的灰度分布范围和高度爬升情况进行更新,而传统的方法中的预设值是一个不变的数值,根据本实施例中的预设值得到的窗宽和窗位相比传统的方法更加合理。
在另一实施例中,步骤130为沿直方图的横轴位置将直方图划分为多个统计区间。
统计区间的划分是为了后面的统计过程。在一实施例中,根据上述直方图中的像素总数或者有效像素总数来进行划分。划分过程中,每个统计区间可以具有不同的宽度范围,也即在直方图的横轴方向上将直方图划分为像素个数均匀的预设等份。等份数可以根据目标区域内的像素总数以及形成的直方图形状来设定。在其他的实施例中,也可以根据目标区域的灰度分布规律划分为每份像素个数不均等的多个统计区间,比如随着向中心的收缩,每个统计区间的像素个数依次减小。
在本实施例中,上述步骤S140为根据横轴位置从直方图两侧向中心移动的顺序,依次对各统计区间累计各灰度下的像素个数,直至累计值达到预设值;预设值随统计的累加次数的增加而减小。
具体地,如图6所示,根据直方图的横轴方向将直方图划分为第一统计区间、第二统计区间……第X-1统计区间以及第X统计区间,每个统计区间内的像素个数相同。先在第一统计区间内累计从左到右依次累计每个灰度对应的像素个数,即沿横轴按从左侧向中心移动的顺序累计像素个数。若累计值一直都未达到预设值,则转至直方图右侧在第X区间内从右向左累计每个灰度对应的像素个数,即沿横轴按从右侧向中心移动的顺序累计像素个数。也就是根据横轴位置从直方图两侧向中心移动的顺序,依此对各统计区间累计各灰度下的像素个数,直至累计值达到预设值。根据统计结束时的终止位置点确定相应的窗宽和窗位。
在一实施例中,上述步骤S130为,根据直方图中总的像素个数或者总的有效像素个数将直方图划分为预设等份,以使得每一统计区间所包含的像素个数相同。以每一等份的像素个数将直方图沿横轴方向划分为预设等份,使每一个统计区间的像素个数都等于划分的每一等份的像素个数,每个统计区间的宽度不一定相同。比如将80000个像素划分为100等份,那么每一等份的像素个数为800,即每个统计区间的像素个数都为800。
在一实施例中,上述横轴位置从直方图两侧向中心移动的顺序为,先统计直方图左侧的统计区间,然后统计直方图右侧的统计区间,并在完成直方图右侧的统计区间的统计后返回至所述直方图的左侧统计区间的下一个相邻的统计区间进行统计。在其他实施例中,上述横轴位置从直方图两侧向中心移动的顺序为,先统计直方图右侧的统计区间,然后统计直方图左侧的统计区间,并在完成直方图左侧的统计区间的统计后返回至直方图的右侧统计区间的下一个相邻的统计区间进行统计。
具体地,在当前统计区间内,先从直方图的边缘侧开始向中心依次累计当前统计区间内的各灰度的像素个数,在完成当前统计区间的统计累计值仍未达到预设值时,移动至下一统计区间进行统计直至累计值达到预设值。在每完成一个灰度的像素个数的统计后,更新上述预设值。即,累计左侧的统计区间内的各灰度的像素个数,在累计过程中不断判断累计值是否达到预设值,如果是则结束累计操作,如果完成左侧当前统计区间内的统计后累计值仍小于预设值,则转至直方图右侧累计右侧当前统计区间内的各灰度的像素个数,直至累计值达到预设值时结束累计操作。也即在本实施例中,如果累计值一直没有达到预设值,则会不停的往下一统计区间进行统计。以图6为例,统计第一统计区间内的各灰度的像素个数,若在第一统计区间内累计的像素个数一直小于预设值,则在完成第一统计区间内左侧的统计之后,跳转到右侧的第X统计区间从直方图右侧开始统计像素个数。统计过程中,统计值一旦达到预设值,则停止整个统计过程,如果一直没有达到预设值,则会一直统计下去,直至完成第X统计区间内的统计。如果还是未达到预设值,则完成第X统计区间的统计,进入第二统计区间的统计过程。第二统计区间的统计过程与第一统计区间的统计过程相同,从第二统计区间的左侧向右开始累计。后面的统计过程实际就相当于是一个循环迭代的过程,整个统计的终点就是累计值达到预设值。在本实施例中,在每累计一个灰度对应的像素个数时,会按照预设规律去更新预设值,以使得预设值越来越贴近理想值,确保最终得到的窗宽和窗位具有较理想的状态。并在统计结束时,将统计结束时位于直方图左侧的终止累计点作为窗宽的起始点,将位于直方图右侧的终止累计点作为窗宽的截止点。可以理解,前述实施例中所提及的数值仅仅是为了更好地说明本申请,而不构成对本申请的限定。
在本实施例中,在执行根据横轴位置从直方图两侧向中心移动的顺序,依次对各统计区间累计各灰度下的像素个数,直至累计值达到预设值的步骤之前还包括,将直方图左右两侧预设范围内的灰度进行去除,以形成直方图的初始有效区域的步骤。对各统计区间累计各灰度下的像素个数则是对初始有效区域内的像素个数进行统计的过程。具体地,对直方图进行预处理,删除直方图左右两侧一些不稳定的点,如图6所示。图6中的SS区和SS1区为预处理过程删除的区域。步骤S130是对预处理后的直方图沿横轴方向划分为预设份,每个统计区间内的像素个数相同。
在一实施例中,在每完成一个灰度的像素个数的统计后,根据直方图的灰度分布范围和向中心收缩的程度确定每次更新过程所述预设值的减小量来更新上述预设值。
在一实施例中,上述预设值的计算公式为:
其中,B1表示更新后的预设值,B2表示更新前的预设值,Z表示直方图内的像素个数或者有效像素总和,x表示当前统计的统计区间的数目,X表示总的统计区间数目(比如共有10个统计区间,当前正在统计第二统计区间,此时x=2,X=10。),D1表示直方图的灰度截止值,D2表示直方图的灰度起始值,所述x/X对应于所述直方图向中心收缩的程度和所述(D1-D2)对应于灰度分布范围。
在一实施例中,一种医学图像处理系统包括获取模块810、处理模块820、统计模块830、更新模块840以及窗宽窗位确定模块850,如图7所示。获取模块810用于获取医学图像。处理模块820用于根据目标区域的灰度分布规律得到对应的直方图,并且将直方图划分为多个统计区间。统计模块830用于根据预设统计规律累计各灰度下的像素个数,直至累计值达到预设值。更新模块840用于将预设值随增加的统计的累计次数而更新成更小的预设值。窗宽窗位确定模块850用于根据统计结束时的终止位置点确定相应的窗宽和窗位。
在一实施例中,上述医学图像处理系统还包括显示模块860。显示模块860用于根据上述窗宽和窗位显示上述医学图像。
在一实施例中,上述获取模块810包括接收模块和分割模块。接收模块用于获取医学影像设备输出的医学图像。分割模块用于对医学图像进行处理确定目标区域。
在一实施例中,上述分割模块在对医学图像进行处理确定目标区域的过程中利用阈值分割算法对上述医学图像进行处理确定目标区域。
在其中一个实施例中,处理模块820沿直方图的纵轴位置将直方图划分为多个统计区间。统计模块830用于根据所述纵轴位置从下到上的顺序依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值。预设值根据直方图的形态更新。
在一实施例中,上述处理模块820对上述直方图中的最高点的高度进行划分,划分为预设份以得到各统计区间。
在一实施例中,上述统计模块830统计时的预设统计规律为,在当前统计区间内,先从直方图的左侧开始依次累计当前统计区间内的各灰度的像素个数,然后再从直方图的右侧开始依次累计当前统计区间内的各灰度的像素个数或先从直方图的右侧开始依次累计当前统计区间内的各灰度的像素个数,在未达到预设值时,再从直方图的左侧开始依次累计当前统计区间内的各灰度的像素个数。
在一实施例中,上述统计模块830包括计算模块、判断模块以及执行模块。计算模块用于按照预设统计规律累计当前统计区间内的各灰度的像素个数。在每完成一个灰度的像素个数的统计后,上述更新模块840更新该预设值。判断模块用于判断累计值是否达到预设值。执行模块用于在累计值达到预设值时,结束累计操作,并将统计结束时位于直方图左侧的终止累计点作为窗宽的起始点,将位于直方图右侧的终止累计点作为窗宽的截止点,以及在完成当前统计区间的统计后累计值仍小于预设值时,使计算模块按照预设统计规律累计相邻的下一统计区间内的各灰度的像素个数直至所述累计值达到预设值。根据统计结束时的终止位置点确定相应的窗宽和窗位为根据起始点和截止点确定窗宽和窗位。
可以理解,也可以在每完成每几个灰度的像素个数的统计后,上述更新模块840更新该预设值。
在一实施例中,上述医学图像处理系统还包括预处理模块。预处理模块用于将直方图左右两侧预设范围内的灰度进行去除,以形成直方图的初始有效区域。统计模块830在初始有效区域内进行统计。
在一实施例中,上述在统计过程中,按照预设规律更新预设值为,根据直方图的灰度分布范围和直方图的高度爬升情况的至少一个确定每次更新过程预设值的减小量。
在一实施例中,根据直方图的灰度分布范围和直方图的高度爬升情况确定每次更新过程中预设值的减小量。
在一实施例中,上述在统计过程中预设值的计算公式为:
其中,A1表示更新后的预设值,A2表示更新前的预设值,S表示直方图内的像素个数或者有效像素总和,n表示当前统计的统计区间的数目,N表示总的统计区间数目,C1表示直方图的灰度截止值,C2表示直方图的灰度起始值,n/N对应于所述直方图的高度爬升情况,(C1-C2)对应于灰度分布范围。
在另一实施例中,处理模块820沿直方图的横轴位置将所述直方图划分为多个统计区间。统计模块830用于根据横轴位置从两侧向中心移动的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值。
在一实施例中,处理模块820根据直方图中总的像素个数将直方图划分为预设份。
在一实施例中,根据横轴位置从直方图两侧向中心移动的顺序为,先统计直方图左侧的统计区间,然后统计直方图右侧的统计区间,并在完成直方图右侧的统计区间的统计后返回至直方图的左侧统计区间的下一个相邻的统计区间进行统计或先统计直方图右侧的统计区间,然后统计直方图左侧的统计区间,并在完成直方图左侧的统计区间的统计后返回至直方图的右侧统计区间的下一个相邻的统计区间进行统计。
在一实施例中,在每完成一个灰度的像素个数的统计后,更新预设值为,根据直方图的灰度分布范围和向中心收缩的程度确定每次更新过程预设值的减小量。
在一实施例中,预设值的计算公式为:
其中,B1表示更新后的预设值,B2表示更新前的预设值,Z表示直方图内的像素个数或者有效像素总和,x表示当前统计的统计区间的数目,X表示总的统计区间数目,D1表示直方图的灰度截止值,D2表示直方图的灰度起始值,x/X对应于直方图向中心收缩的程度和(D1-D2)对应于灰度分布范围。
上述方法和系统可以在计算机设备中实现。该计算机设备的内部结构图如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现前述任一实施例中的医学图像处理方法的步骤。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一实施例中,一种存储介质,其上存储有计算机程序。该计算机程序被处理器执行时实现如上任一方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (21)
1.一种医学图像处理方法,其特征在于,包括:
获取包含目标区域的医学图像;
根据所述目标区域的灰度分布规律得到对应的直方图;
将所述直方图划分为多个统计区间;
根据所述直方图从两侧到中心的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值;所述预设值随统计的累加次数的增加而减小,所述预设值根据所述直方图的形态更新;以及
根据统计结束时的终止位置点确定相应的窗宽和窗位。
2.根据权利要求1所述的方法,其特征在于,还包括:根据所述窗宽和窗位显示所述医学图像。
3.根据权利要求1所述的方法,其特征在于,所述获取包含目标区域的医学图像的步骤包括:
获取医学影像设备输出的医学图像;以及
对所述医学图像进行处理确定目标区域。
4.根据权利要求3所述的方法,其特征在于,所述对所述医学图像进行处理确定目标区域的步骤为,利用阈值分割算法对所述医学图像进行处理确定目标区域。
5.根据权利要求1所述的方法,其特征在于,所述将所述直方图划分为多个统计区间的步骤为,沿所述直方图的纵轴位置将所述直方图划分为多个统计区间;
所述根据所述直方图从两侧到中心的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤为,根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值。
6.根据权利要求5所述的方法,其特征在于,所述沿所述直方图的纵轴位置将所述直方图划分为多个统计区间的步骤为,对所述直方图中的像素数目的最高点所对应的高度进行划分,划分为预设份以得到各统计区间。
7.根据权利要求6所述的方法,其特征在于,所述根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤中,所述预设统计规律为:在当前统计区间内,先从所述直方图的左侧开始依次累计当前统计区间内的各灰度的像素个数,在未达到预设值时,再从所述直方图的右侧开始依次累计当前统计区间内的各灰度的像素个数或先从所述直方图的右侧开始依次累计当前统计区间内的各灰度的像素个数,在未达到预设值时,再从所述直方图的左侧开始依次累计当前统计区间内的各灰度的像素个数。
8.根据权利要求7所述的方法,其特征在于,所述根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤包括:
按照预设统计规律累计当前统计区间内的各灰度的像素个数;在每完成一个灰度的像素个数的统计后,更新所述预设值;
在所述累计值达到所述预设值时,结束累计操作,并将统计结束时位于所述直方图左侧的终止累计点作为窗宽的起始点,将位于所述直方图右侧的终止累计点作为窗宽的截止点;以及
若在完成当前统计区间的统计后所述累计值仍小于所述预设值时,继续按照预设统计规律累计相邻的下一统计区间内的各灰度的像素个数直至所述累计值达到所述预设值。
9.根据权利要求8所述的方法,其特征在于,所述根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤之前包括:将所述直方图左右两侧预设范围内的灰度进行去除,以形成所述直方图的初始有效区域;
所述根据所述纵轴位置从下到上的各统计区间,根据所述直方图从两侧到中心的顺序并按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤中为,在所述初始有效区域内进行统计。
10.根据权利要求8所述的方法,其特征在于,在每完成一个灰度的像素个数的统计后,更新所述预设值的步骤为,根据所述直方图的灰度分布范围和所述直方图的高度爬升情况的至少一个确定每次更新过程所述预设值的减小量。
12.根据权利要求1所述的方法,其特征在于,所述将所述直方图划分为多个统计区间的步骤为,沿所述直方图的横轴位置将所述直方图划分为多个统计区间;
所述根据所述直方图从两侧到中心的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤为,根据所述横轴位置从两侧向中心移动的顺序,依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值。
13.根据权利要求12所述的方法,其特征在于,所述沿所述直方图的横轴位置将所述直方图划分为多个统计区间的步骤为,根据所述直方图中总的像素个数将所述直方图划分为预设份。
14.根据权利要求13所述的方法,其特征在于,根据所述横轴位置从所述直方图两侧向中心移动的顺序为,先统计所述直方图左侧的统计区间,然后统计所述直方图右侧的统计区间,并在完成所述直方图右侧的统计区间的统计后返回至所述直方图的左侧统计区间的下一个相邻的统计区间进行统计或先统计所述直方图右侧的统计区间,然后统计所述直方图左侧的统计区间,并在完成所述直方图左侧的统计区间的统计后返回至所述直方图的右侧统计区间的下一个相邻的统计区间进行统计。
15.根据权利要求14所述的方法,其特征在于,所述依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值的步骤为:在当前统计区间内,先从所述直方图的边缘侧开始向中心依次累计当前统计区间内的各灰度的像素个数,在完成当前统计区间的统计所述累计值仍未达到预设值时,移动至下一统计区间进行统计直至所述累计值达到所述预设值;在每完成一个灰度的像素个数的统计后,更新所述预设值。
16.根据权利要求15所述的方法,其特征在于,在每完成一个灰度的像素个数的统计后,更新所述预设值为,根据所述直方图的灰度分布范围和向中心收缩的程度确定每次更新过程所述预设值的减小量。
18.一种医学图像处理系统,其特征在于,包括:
获取模块,用于获取医学图像;
处理模块,用于根据所述医学图像的灰度分布规律得到对应的直方图,并且将所述直方图划分为多个统计区间;
统计模块,用于根据所述直方图从两侧到中心的顺序依次对各统计区间按照预设统计规律累计各灰度下的像素个数,直至累计值达到预设值,所述预设值根据所述直方图的形态更新;
更新模块,用于将所述预设值随增加的统计的累计次数而更新成更小的预设值;以及
窗宽窗位确定模块,用于根据统计结束时的终止位置点确定相应的窗宽和窗位。
19.根据权利要求18所述的医学图像处理系统,其特征在于,还包括:显示模块,用于根据所述窗宽和窗位显示所述医学图像。
20.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~17任一所述的方法的步骤。
21.一种计算机设备,包括存储器和处理器;所述处理器上存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~17任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910419219.8A CN110223261B (zh) | 2019-05-20 | 2019-05-20 | 医学图像处理方法和系统、存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910419219.8A CN110223261B (zh) | 2019-05-20 | 2019-05-20 | 医学图像处理方法和系统、存储介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110223261A CN110223261A (zh) | 2019-09-10 |
CN110223261B true CN110223261B (zh) | 2022-03-01 |
Family
ID=67821677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910419219.8A Active CN110223261B (zh) | 2019-05-20 | 2019-05-20 | 医学图像处理方法和系统、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223261B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110969619B (zh) * | 2019-12-19 | 2021-06-29 | 广州柏视医疗科技有限公司 | 一种自动识别鼻咽癌原发肿瘤的方法及装置 |
CN111166362B (zh) * | 2019-12-31 | 2021-12-03 | 推想医疗科技股份有限公司 | 医学图像的显示方法及装置、存储介质及电子设备 |
CN111402889A (zh) * | 2020-03-16 | 2020-07-10 | 南京奥拓电子科技有限公司 | 音量阈值确定方法与装置、语音识别系统及排队机 |
CN113516328B (zh) * | 2020-07-13 | 2022-09-02 | 阿里巴巴集团控股有限公司 | 数据处理方法、服务提供方法、装置、设备和存储介质 |
CN112562829B (zh) * | 2021-02-19 | 2021-05-14 | 南京景三医疗科技有限公司 | 一种自适应生成dicom影像默认窗宽窗位的方法 |
CN113487542B (zh) * | 2021-06-16 | 2023-08-04 | 成都唐源电气股份有限公司 | 一种接触网导线磨耗区域的提取方法 |
CN115312164A (zh) * | 2022-09-15 | 2022-11-08 | 佛山读图科技有限公司 | 医学断层图像自动设置窗宽窗位的方法与系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0896125A (ja) * | 1994-09-29 | 1996-04-12 | Shimadzu Corp | 医療用画像表示装置 |
CN101105862A (zh) * | 2007-08-02 | 2008-01-16 | 宁波大学 | 一种医学图像窗口参数的自适应调整方法 |
CN101527829A (zh) * | 2008-03-07 | 2009-09-09 | 华为技术有限公司 | 视频数据处理方法及装置 |
CN104835140A (zh) * | 2015-03-04 | 2015-08-12 | 中国计量科学研究院 | 医用ct模体图像量化评价方法 |
CN104905808A (zh) * | 2014-03-12 | 2015-09-16 | 上海联影医疗科技有限公司 | 定位片图像的实时显示方法和定位片图像的实时显示系统 |
CN105023273A (zh) * | 2015-07-01 | 2015-11-04 | 张逸凡 | 一种医学图像的感兴趣区域调节窗宽和窗位的方法 |
CN105654501A (zh) * | 2016-02-22 | 2016-06-08 | 北方工业大学 | 基于模糊阈值的自适应图像分割方法 |
CN106650734A (zh) * | 2016-12-29 | 2017-05-10 | 上海联影医疗科技有限公司 | 定位图像子区域识别方法、医学图像显示方法及装置 |
CN107481208A (zh) * | 2017-09-13 | 2017-12-15 | 许人灿 | Dicom医学影像动态线性调窗方法 |
CN109035203A (zh) * | 2018-06-25 | 2018-12-18 | 青岛海信医疗设备股份有限公司 | 医学图像处理方法、装置、设备及存储介质 |
CN109273074A (zh) * | 2018-11-27 | 2019-01-25 | 数坤(北京)网络科技有限公司 | 一种用于医疗图像的网络模型调整方法及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7869637B2 (en) * | 2006-07-31 | 2011-01-11 | Siemens Medical Solutions Usa, Inc. | Histogram calculation for auto-windowing of collimated X-ray image |
-
2019
- 2019-05-20 CN CN201910419219.8A patent/CN110223261B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0896125A (ja) * | 1994-09-29 | 1996-04-12 | Shimadzu Corp | 医療用画像表示装置 |
CN101105862A (zh) * | 2007-08-02 | 2008-01-16 | 宁波大学 | 一种医学图像窗口参数的自适应调整方法 |
CN101527829A (zh) * | 2008-03-07 | 2009-09-09 | 华为技术有限公司 | 视频数据处理方法及装置 |
CN104905808A (zh) * | 2014-03-12 | 2015-09-16 | 上海联影医疗科技有限公司 | 定位片图像的实时显示方法和定位片图像的实时显示系统 |
CN104835140A (zh) * | 2015-03-04 | 2015-08-12 | 中国计量科学研究院 | 医用ct模体图像量化评价方法 |
CN105023273A (zh) * | 2015-07-01 | 2015-11-04 | 张逸凡 | 一种医学图像的感兴趣区域调节窗宽和窗位的方法 |
CN105654501A (zh) * | 2016-02-22 | 2016-06-08 | 北方工业大学 | 基于模糊阈值的自适应图像分割方法 |
CN106650734A (zh) * | 2016-12-29 | 2017-05-10 | 上海联影医疗科技有限公司 | 定位图像子区域识别方法、医学图像显示方法及装置 |
CN107481208A (zh) * | 2017-09-13 | 2017-12-15 | 许人灿 | Dicom医学影像动态线性调窗方法 |
CN109035203A (zh) * | 2018-06-25 | 2018-12-18 | 青岛海信医疗设备股份有限公司 | 医学图像处理方法、装置、设备及存储介质 |
CN109273074A (zh) * | 2018-11-27 | 2019-01-25 | 数坤(北京)网络科技有限公司 | 一种用于医疗图像的网络模型调整方法及设备 |
Non-Patent Citations (4)
Title |
---|
Automatic Windowing for Highly Dynamic Industrial X-ray Image Based on Short-Term Energy of Gray Histogram;Fenglin Tan et al.;《Journal of Nondestructive Evaluation》;20170628;第1-10页 * |
一种16位灰度图像自动调窗算法;吕磊 赵勋杰;《光电技术应用》;20160831;第31卷(第4期);第27-30页,第45页 * |
一种改进的磁共振图像自动调窗算法;沈琴 等;《中国医疗器械杂志》;20111231;第35卷(第4期);第253-255页 * |
灰度直方图在床边CR胸片调窗技术中的应用;王振 等;《实用放射杂志》;20080531;第24卷(第5期);第712-713页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110223261A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223261B (zh) | 医学图像处理方法和系统、存储介质及计算机设备 | |
US8861886B2 (en) | Enhanced visualization for medical images | |
CN106683144B (zh) | 一种图像迭代重建方法及装置 | |
US5960102A (en) | X-ray image processing method and device for performing that method in which a portion corresponding to an x-ray absorption filter is selectively processed | |
CN108198185B (zh) | 眼底病灶图像的分割方法及、装置、存储介质、处理器 | |
CN109509186B (zh) | 基于大脑ct图像的缺血性脑卒中病灶检测方法及装置 | |
DE102006027670A1 (de) | Bildbasierte Artefaktreduktion bei der PET/CT Bildgebung | |
CN105118030B (zh) | 医学图像金属伪影的校正方法及装置 | |
CN103918004B (zh) | 金属伪影校正算法的自适应应用 | |
US20160260212A1 (en) | Vessel segmentation method | |
CN106651986A (zh) | 计算机断层成像伪影校正方法 | |
CN116071355A (zh) | 一种用于外周血管影像的辅助分割系统及方法 | |
CN107978003B (zh) | 一种ct图像金属伪影的处理方法及装置 | |
CN111524200A (zh) | 在投影图像中分割金属对象的方法、设备、程序和介质 | |
CN113160245A (zh) | 基于分块区域生长法的ct脑实质分割系统、方法及装置 | |
CN102113019A (zh) | 定位用于确定图像不对称性的镜像线的交互式方法 | |
US11222411B2 (en) | Method for automatically adapting an image data set obtained by an x-ray device | |
CN114862873A (zh) | Ct图像分割处理方法及装置 | |
CN111373438A (zh) | 用于对器官成像的方法和装置 | |
CN116091444A (zh) | 侧枝评价方法及装置、存储介质、终端 | |
Indraswari et al. | 3D region merging for segmentation of teeth on Cone-Beam Computed Tomography images | |
KR102477991B1 (ko) | 의료 영상 처리 방법 및 장치 | |
CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
DE69911958T2 (de) | Selbst segmentierung/konturgewinnungsverfahren | |
EP0635804B1 (en) | Image processing method and device for performing that method |
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 |