CN111192220B - 基于连通域分割的医疗图像降噪方法、装置及存储介质 - Google Patents

基于连通域分割的医疗图像降噪方法、装置及存储介质 Download PDF

Info

Publication number
CN111192220B
CN111192220B CN202010009011.1A CN202010009011A CN111192220B CN 111192220 B CN111192220 B CN 111192220B CN 202010009011 A CN202010009011 A CN 202010009011A CN 111192220 B CN111192220 B CN 111192220B
Authority
CN
China
Prior art keywords
image
region
interest
straight line
noise reduction
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
CN202010009011.1A
Other languages
English (en)
Other versions
CN111192220A (zh
Inventor
钟勇
霍颖瑜
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.)
Foshan University
Original Assignee
Foshan University
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 Foshan University filed Critical Foshan University
Priority to CN202010009011.1A priority Critical patent/CN111192220B/zh
Publication of CN111192220A publication Critical patent/CN111192220A/zh
Application granted granted Critical
Publication of CN111192220B publication Critical patent/CN111192220B/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based 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
    • G06T2207/10072—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
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20024—Filtering details
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及基于连通域分割的医疗图像降噪方法、装置及存储介质，包括以下：步骤101、获取用户的医疗图像信息作为第一图像；步骤102、计算所述第一图像的感兴趣区域图像，将所述感兴趣区域图像从所述第一图像中裁剪出来作为第二图像；步骤103、对第二图像进行滤波得到第三图像；步骤104、生成与所述第一图像具有相同边框的空模版图像，将所述第二图像与所述空模版图像相加得到降噪后的医疗图像。本发明能够通过将医疗图像的感兴趣区域提取出来，并只针对感兴趣区域图像进行降噪处理，最后将降噪后的感兴趣区域图像与空模板图像相加，实现对医疗图像的快速降噪。

Description

基于连通域分割的医疗图像降噪方法、装置及存储介质
技术领域
本发明涉及人工智能领域，尤其涉及基于连通域分割的医疗图像降噪方法、装置及存储介质。
背景技术
患者往往去医院问诊时，会需要拍摄医疗图像亦或是需要获取医疗影像图，所以对器官的精确显示在现代医疗中起到非常重要的作用。在很多医学成像技术中，由于超声成像的非侵入性，硬件的便携性，实时成像以及性价比高等特性已被广泛的应用于医疗辅助诊断中。但相比于其他成像设备，如CT和核磁共振，超声的噪声非常多。
现有的噪声滤除往往需要对整张图像进行处理，这样一来无疑增加了图像处理的时间，当今市场需要一种医疗图像降噪方法，能够针对感兴趣区域进行噪声去除，从而减少运算量，加快图像降噪的速度。
发明内容
本发明的目的是解决现有技术的不足，提供基于连通域分割的医疗图像降噪方法、装置及存储介质。本发明能够通过将医疗图像的感兴趣区域提取出来，并只针对感兴趣区域图像进行降噪处理，最后将降噪后的感兴趣区域图像与空模板图像相加，实现对医疗图像的快速降噪。
为了实现上述目的，本发明采用以下的技术方案：
本发明提出一基于连通域分割的医疗图像降噪方法，包括以下：
步骤101、获取用户的医疗图像信息作为第一图像；
步骤102、计算所述第一图像的感兴趣区域图像，将所述感兴趣区域图像从所述第一图像中裁剪出来作为第二图像；
步骤103、对第二图像进行滤波得到第三图像；
步骤104、生成与所述第一图像具有相同边框的空模版图像，将所述第二图像与所述空模版图像相加得到降噪后的医疗图像。
进一步，上述步骤102中的计算所述第一图像的感兴趣区域图像具体包括以下：
步骤201、将所述第一图像二值化得到第四图像；
步骤202、提取所述第四图像中最大的连通区域图像即为所述第一图像的感兴趣区域图像。
进一步，所述步骤102中的裁剪感兴趣区域图像的方式为：
步骤301、遍历所述感兴趣区域图像，寻找感兴趣区域图像的上、下、左、右四个方位的灰度跳变点；
步骤302、分别构建左、右两条第一直线，所述第一直线沿竖直方向且经过所述左、右方位的灰度跳变点；
步骤303、分别构建上、下两条第二直线，所述第二直线沿水平方向且经过所述上、下方位的灰度跳变点；
步骤304，将所述第一直线与所述第二直线形成的矩形框裁剪下来即为所述第二图像。
进一步，上述步骤103中对第二图像进行滤波得到第三图像具体包括以下：
对输入的第二图像按照下式进行处理，
w[n]＝Bin[n]+(b1w[n-1])+b2w[n-2]+b3w[n-3]/b0；
out[n]＝Bw[n]+(b1out[n+1])+b2out[n+2]+b3out[n+3]/b0)；
其中，
Figure BDA0002356430900000021
b0＝1.57825+2.44413q+1.4281q2+0.422205q3，
b1＝2.44413q+2.85619q2+1.26661q3，
b2＝-(1.4281q2+1.26661q3)，
b3＝0.422205q3，
B＝1-[(b1+b2+b3)/b0]
进一步，上述步骤104中进行图像相加采用的为通过调用OpenCV中的addWeighted函数将所述第二图像与所述空模版图像线性相加得到降噪后的医疗图像。
本发明还提出基于连通域分割的医疗图像降噪装置，包括：
图像获取模块，所述图像获取模块用于获取用户的医疗图像信息作为第一图像；
感兴趣区域图像计算模块，所述感兴趣区域图像计算模块用于计算所述第一图像的感兴趣区域图像，将所述感兴趣区域图像从所述第一图像中裁剪出来作为第二图像；
去噪模块，所述去噪模块用于对所述第二图像进行滤波得到第三图像；
整合模块，所述整合模块包括图像生成子单元以及图像相加子单元，
所述图像生成子单元用于生成与所述第一图像具有相同边框的空模版图像；
所述图像相加子单元用于将所述第二图像与所述空模版图像相加得到降噪后的医疗图像。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现所述连通域分割的医疗图像降噪方法的步骤。
本发明的有益效果为：本发明通过提出基于连通域分割的医疗图像降噪方法、装置及存储介质，能够通过将医疗图像的感兴趣区域提取出来，并只针对感兴趣区域图像进行降噪处理，最后将降噪后的感兴趣区域图像与空模板图像相加，实现对医疗图像的快速降噪。
附图说明
图1所示为本发明一基于连通域分割的医疗图像降噪方法的流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
结合图1，提出一基于连通域分割的医疗图像降噪方法，包括以下：
步骤101、获取用户的医疗图像信息作为第一图像；
步骤102、计算所述第一图像的感兴趣区域图像，将所述感兴趣区域图像从所述第一图像中裁剪出来作为第二图像；
步骤103、对第二图像进行滤波得到第三图像；
步骤104、生成与所述第一图像具有相同边框的空模版图像，将所述第二图像与所述空模版图像相加得到降噪后的医疗图像。
作为本发明的优选实施方式，上述步骤102中的计算所述第一图像的感兴趣区域图像具体包括以下：
步骤201、将所述第一图像二值化得到第四图像；
步骤202、提取所述第四图像中最大的连通区域图像即为所述第一图像的感兴趣区域图像。
作为本发明的优选实施方式，所述步骤102中的裁剪感兴趣区域图像的方式为：
步骤301、遍历所述感兴趣区域图像，寻找感兴趣区域图像的上、下、左、右四个方位的灰度跳变点；
步骤302、分别构建左、右两条第一直线，所述第一直线沿竖直方向且经过所述左、右方位的灰度跳变点；
步骤303、分别构建上、下两条第二直线，所述第二直线沿水平方向且经过所述上、下方位的灰度跳变点；
步骤304，将所述第一直线与所述第二直线形成的矩形框裁剪下来即为所述第二图像。
作为本发明的优选实施方式，上述步骤103中对第二图像进行滤波得到第三图像具体包括以下：
对输入的第二图像按照下式进行处理，
w[n]＝Bin[n]+(b1w[n-1])+b2w[n-2]+b3w[n-3]/b0；
out[n]＝Bw[n]+(b1out[n+1])+b2out[n+2]+b3out[n+3]/b0)；
其中，
Figure BDA0002356430900000041
b0＝1.57825+2.44413q+1.4281q2+0.422205q3，
b1＝2.44413q+2.85619q2+1.26661q3，
b2＝-(1.4281q2+1.26661q3)，
b3＝0.422205q3，
B＝1-[(b1+b2+b3)/b0]
作为本发明的优选实施方式，上述步骤104中进行图像相加采用的为通过调用OpenCV中的addWeighted函数将所述第二图像与所述空模版图像线性相加得到降噪后的医疗图像。
本发明先是将获得的医疗图像的感兴趣区域图像找到，之后将感兴趣区域图像通过连通域分割出来，之后进行滤波，这样一来仅仅对感兴趣区域图像进行处理即可，减少了大量的计算量，并在滤波后与原图像尺寸的空模版进行图像相加得到滤波后的医疗图像，完成滤波。
本发明还提出基于连通域分割的医疗图像降噪装置，包括：
图像获取模块，所述图像获取模块用于获取用户的医疗图像信息作为第一图像；
感兴趣区域图像计算模块，所述感兴趣区域图像计算模块用于计算所述第一图像的感兴趣区域图像，将所述感兴趣区域图像从所述第一图像中裁剪出来作为第二图像；
去噪模块，所述去噪模块用于对所述第二图像进行滤波得到第三图像；
整合模块，所述整合模块包括图像生成子单元以及图像相加子单元，
所述图像生成子单元用于生成与所述第一图像具有相同边框的空模版图像；
所述图像相加子单元用于将所述第二图像与所述空模版图像相加得到降噪后的医疗图像。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现所述连通域分割的医疗图像降噪方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (4)

1.基于连通域分割的医疗图像降噪方法，其特征在于，包括以下：
步骤101、获取用户的医疗图像信息作为第一图像；
步骤102、计算所述第一图像的感兴趣区域图像，将所述感兴趣区域图像从所述第一图像中裁剪出来作为第二图像；
步骤103、对第二图像进行滤波得到第三图像；
步骤104、生成与所述第一图像具有相同边框的空模版图像，将所述第二图像与所述空模版图像相加得到降噪后的医疗图像；
上述步骤102中的计算所述第一图像的感兴趣区域图像具体包括以下：
步骤201、将所述第一图像二值化得到第四图像；
步骤202、提取所述第四图像中最大的连通区域图像即为所述第一图像的感兴趣区域图像；
所述步骤102中的裁剪感兴趣区域图像的方式为：
步骤301、遍历所述感兴趣区域图像，寻找感兴趣区域图像的上、下、左、右四个方位的灰度跳变点；
步骤302、分别构建左、右两条第一直线，所述第一直线沿竖直方向且经过所述左、右方位的灰度跳变点；
步骤303、分别构建上、下两条第二直线，所述第二直线沿水平方向且经过所述上、下方位的灰度跳变点；
步骤304，将所述第一直线与所述第二直线形成的矩形框裁剪下来即为所述第二图像；
上述步骤103中对第二图像进行滤波得到第三图像具体包括以下：
对输入的第二图像按照下式进行处理，
w[n]＝Bin[n]+(b1w[n-1])+b2w[n-2]+b3w[n-3]/b0；
out[n]＝Bw[n]+(b1out[n+1])+b2out[n+2]+b3out[n+3]/b0)；
其中，
Figure FDA0004091004760000011
b0＝1.57825+2.44413q+1.4281q2+0.422205q3，
b1＝2.44413q+2.85619q2+1.26661q3，
b2＝-(1.4281q2+1.26661q3)，
b3＝0.422205q3，
B＝1-[(b1+b2+b3)/b0]。
2.根据权利要求1所述的基于连通域分割的医疗图像降噪方法，其特征在于，上述步骤104中进行图像相加采用的为通过调用OpenCV中的addWeighted函数将所述第二图像与所述空模版图像线性相加得到降噪后的医疗图像。
3.基于连通域分割的医疗图像降噪装置，其特征在于，包括：
图像获取模块，所述图像获取模块用于获取用户的医疗图像信息作为第一图像；
感兴趣区域图像计算模块，所述感兴趣区域图像计算模块用于计算所述第一图像的感兴趣区域图像，将所述感兴趣区域图像从所述第一图像中裁剪出来作为第二图像；
去噪模块，所述去噪模块用于对所述第二图像进行滤波得到第三图像；
整合模块，所述整合模块包括图像生成子单元以及图像相加子单元，
所述图像生成子单元用于生成与所述第一图像具有相同边框的空模版图像；
所述图像相加子单元用于将所述第二图像与所述空模版图像相加得到降噪后的医疗图像；
所述计算所述第一图像的感兴趣区域图像具体包括以下：
步骤201、将所述第一图像二值化得到第四图像；
步骤202、提取所述第四图像中最大的连通区域图像即为所述第一图像的感兴趣区域图像；
所述裁剪感兴趣区域图像的方式为：
步骤301、遍历所述感兴趣区域图像，寻找感兴趣区域图像的上、下、左、右四个方位的灰度跳变点；
步骤302、分别构建左、右两条第一直线，所述第一直线沿竖直方向且经过所述左、右方位的灰度跳变点；
步骤303、分别构建上、下两条第二直线，所述第二直线沿水平方向且经过所述上、下方位的灰度跳变点；
步骤304，将所述第一直线与所述第二直线形成的矩形框裁剪下来即为所述第二图像；
所述对所述第二图像进行滤波得到第三图像具体包括以下：
对输入的第二图像按照下式进行处理，
w[n]＝Bin[n]+(b1w[n-1])+b2w[n-2]+b3w[n-3]/b0；
out[n]＝Bw[n]+(b1out[n+1])+b2out[n+2]+b3out[n+3]/b0)；
其中，
Figure FDA0004091004760000031
b0＝1.57825+2.44413q+1.4281q2+0.422205q3，
b1＝2.44413q+2.85619q2+1.26661q3，
b2＝-(1.4281q2+1.26661q3)，
b3＝0.422205q3，
B＝1-[(b1+b2+b3)/b0]。
4.一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，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1-2中任一项所述方法的步骤。
CN202010009011.1A 2020-01-06 2020-01-06 基于连通域分割的医疗图像降噪方法、装置及存储介质 Active CN111192220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010009011.1A CN111192220B (zh) 2020-01-06 2020-01-06 基于连通域分割的医疗图像降噪方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010009011.1A CN111192220B (zh) 2020-01-06 2020-01-06 基于连通域分割的医疗图像降噪方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111192220A CN111192220A (zh) 2020-05-22
CN111192220B true CN111192220B (zh) 2023-04-25

Family

ID=70708755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010009011.1A Active CN111192220B (zh) 2020-01-06 2020-01-06 基于连通域分割的医疗图像降噪方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111192220B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111833317A (zh) * 2020-06-30 2020-10-27 佛山科学技术学院 基于增强现实的工业产品规格检测方法及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509197A (zh) * 2018-09-26 2019-03-22 沈阳东软医疗系统有限公司 一种分割感兴趣区域的方法、装置、设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509197A (zh) * 2018-09-26 2019-03-22 沈阳东软医疗系统有限公司 一种分割感兴趣区域的方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111192220A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
US10168526B2 (en) Cell contour formation apparatus and method of the same, and non-transitory computer readable storage medium storing a cell contour formation program
Coupé et al. Bayesian non local means-based speckle filtering
US20110125030A1 (en) Medical diagnostic device and method of improving image quality of medical diagnostic device
Vedula et al. Towards CT-quality ultrasound imaging using deep learning
Yu et al. PCANet based nonlocal means method for speckle noise removal in ultrasound images
KR20140089669A (ko) 영상에서 스펙클을 제거하는 방법, 장치 및 시스템.
CN107316291B (zh) 乳腺图像处理方法及乳腺成像设备
US20140254920A1 (en) Method and apparatus for enhancing quality of 3d image
KR102195047B1 (ko) 3d이미지 품질을 향상시키는 방법과 장치
CN110163825B (zh) 一种人类胚胎心脏超声图像去噪和增强方法
CN111192220B (zh) 基于连通域分割的医疗图像降噪方法、装置及存储介质
CN112037151A (zh) 基于小波分析的图像去噪方法
US20220296216A1 (en) Image processing method and apparatus based on contrast-enhanced ultrasound images
Hu et al. Cluster driven anisotropic diffusion for speckle reduction in ultrasound images
Shedbalkar et al. A comparative analysis of filters for noise reduction and smoothening of brain MRI images
US20090227871A2 (en) Automatic Identification of Orientation in Medical Diagnostic Ultrasound
CN107564021A (zh) 高衰减组织的检测方法、装置及数字乳房x线摄影系统
CN114170378A (zh) 医疗设备、血管及内部斑块三维重建方法和装置
CN102890817A (zh) 医学图像的处理方法及系统
Tsantis et al. Inter-scale wavelet analysis for speckle reduction in thyroid ultrasound images
Sheta Restoration of medical images using genetic algorithms
Chinnaswamy et al. Performance evaluation of filters for de-noising the intravascular ultrasound (IVUS) images
Jalab et al. Liver CT enhancement using fractional differentiation and integration
Shajahan et al. Denoising of impulse noise using partition-supported median, interpolation and dwt in dental X-ray images
Green Wavelet-based denoising of cardiac PET data

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