CN111311621B - 放射源成像的图像处理方法、装置和电子设备 - Google Patents
放射源成像的图像处理方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111311621B CN111311621B CN202010068628.0A CN202010068628A CN111311621B CN 111311621 B CN111311621 B CN 111311621B CN 202010068628 A CN202010068628 A CN 202010068628A CN 111311621 B CN111311621 B CN 111311621B
- Authority
- CN
- China
- Prior art keywords
- image
- radiation image
- dimensional radiation
- processed
- target
- 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
- 230000002285 radioactive effect Effects 0.000 title claims abstract description 35
- 238000003384 imaging method Methods 0.000 title claims abstract description 24
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 230000005855 radiation Effects 0.000 claims abstract description 228
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 230000007797 corrosion Effects 0.000 claims abstract description 21
- 238000005260 corrosion Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 50
- 239000011159 matrix material Substances 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003628 erosive effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000010339 dilation Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 230000000877 morphologic effect Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000005530 etching Methods 0.000 description 4
- 230000005251 gamma ray Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
Abstract
本发明提供了一种放射源成像的图像处理方法、装置和电子设备，涉及辐射探测及成像的技术领域，包括获取待处理三维辐射图像；并确定所述待处理三维辐射图像的灰度图，并基于所述灰度图确定所述待处理三维辐射图像的二值化图；对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息；利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像，其中，所述目标三维辐射图像的图像质量高于所述待处理三维辐射图像的图像质量，本申请缓解了通过现有技术对辐射图像进行处理时，处理效果较差的技术问题。
Description
技术领域
本发明涉及辐射探测及成像的技术领域，尤其是涉及一种放射源成像的图像处理方法、装置和电子设备。
背景技术
伽马射线是一种频率超高的强电磁波，γ射线光子没有电荷和静质量，它通过物质时不能直接使物质产生电离或激发，它不能直接被探测到，因此γ射线的探测主要依赖于γ射线光子通过物质时和物质原子进行一次相互作用，将全部或部分光子能量传递给吸收物质中的一个电子。它表现出光子的突变性和多变性，在吸收物质中产生光电效应、康普顿效应和电子对效应，产生次级电子，再引起物质的电离和激发，来实现对γ射线的探测。伽马射线探测已经是一种很成熟的技术，一般采用闪烁体晶体作为探测材料、耦合将信号进行放大的光电倍增管来采集数据。
编码板γ相机主要由编码板、位置灵敏探测器、光学相机、数据采集和传输电路以及计算机等部分组成。系统的成像过程为：放射源发出的γ射线经过编码孔准直器调制后在探测器上形成投影图像，将其离散化后经采集、传输电路进入计算机，经过特定算法重建出二维放射性强度分布图，然后再将重建的辐射图像与由普通光学照相机所采集的光学照片进行融合处理，最终得到融合图像，通过融合图像操作人员便可以快速获知放射性物质在探测视野中的准确位置。
为了获得高信噪比的辐射图像，需要对辐射图像中的噪声进行处理。伽马相机中噪声的来源较多，主要包括成像系统中每个硬件设备的影响、伽马射线的穿透性以及空间散射的影响等等。由于很难对每个环节所产生的噪声进行详细的分析，即使使用去噪算法处理后仍会存在一些噪点。
针对上述问题，还未提出有效解决方案。
发明内容
有鉴于此，本发明的目的在于提供一种放射源成像的图像处理方法、装置和电子设备，以缓解了通过现有技术对辐射图像进行处理时，处理效果较差的技术问题。
第一方面，本发明实施例提供了一种放射源成像的图像处理方法，包括：获取待处理三维辐射图像；并确定所述待处理三维辐射图像的灰度图，并基于所述灰度图确定所述待处理三维辐射图像的二值化图；对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息；利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像，其中，所述目标三维辐射图像的图像质量高于所述待处理三维辐射图像的图像质量。
进一步地，确定所述待处理三维辐射图像的灰度图包括：通过加权平均灰度处理方法，提取所述待处理三维辐射图像的像素点矩阵数据中每个像素点的各个目标分量；获取每个目标分量的权重值；对所述各个目标分量和所述权重值进行加权求和计算，得到加权求和计算结果；基于所述加权求和计算结果生成所述待处理三维辐射图像的灰度图。
进一步地，基于所述灰度图确定所述待处理三维辐射图像的二值化图包括：将所述灰度图中大于预设恢复度值的像素灰度值设置为极大值；并将所述灰度图中小于或者等于预设恢复度值的像素灰度值设置为极小值，得到所述二值化图。
进一步地，对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的三维辐射图像包括：基于所述二值化图去除所述待处理三维辐射图像中的噪点像素；基于所述二值化图过滤所述待处理三维辐射图像中放射源所在区域的边缘像素值，得到所述腐蚀处理之后的二值化图；对腐蚀处理之后的二值化图进行膨胀操作，得到去除噪声点之后的三维辐射图像。
进一步地，基于所述二值化图去除所述待处理三维辐射图像中的噪点像素包括：控制目标卷积核在所述待处理三维辐射图像上执行平移操作；若在执行所述平移操作的过程中，匹配到噪点像素，则将当前时刻所述目标卷积核的中心位置所对应的像素设置为目标数值；反复执行上述操作，直至所述二值化图中全部噪点像素的像素均设置为所述目标数值。
进一步地，利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息包括：将所述去除噪声点之后的二值化图恢复为二维灰度图像，并计算所述二维灰度图像和所述二维的正太分布矩阵的乘积，得到目标二维灰度图像；对所述目标二维灰度图像的二值化图进行膨胀操作，得到目标二值化图；通过距离变换算法对所述目标二值化图进行处理，得到所述待处理三维辐射图像中的前景区域；基于所述前景区域确定目标标签矩阵；其中，所述目标标签矩阵为通过分水岭算法确定出的前景区域的栅栏边界所对应的位置的像素值；将所述目标标签矩阵中目标数值所对应的位置确定为所述轮廓信息。
进一步地，利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像包括：绘制所述待处理的三维辐射图像的轮廓信息的外接矩形；根据所述外接矩形的大小来匹配与其相同大小的高斯蒙版，生成新的辐射图像灰度图；对所述新的辐射图像灰度图进行伪彩映射生成所述目标三维辐射图像。
第二方面，本发明实施例提供了一种放射源成像的图像处理装置，包括：获取单元，用于获取待处理三维辐射图像；并确定所述待处理三维辐射图像的灰度图，并基于所述灰度图确定所述待处理三维辐射图像的二值化图；第一处理单元，用于对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；确定单元，用于利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息；第二处理单元，用于利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像，其中，所述目标三维辐射图像的图像质量高于所述待处理三维辐射图像的图像质量。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并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上述第一方面中任一项所述的方法的步骤。
第四方面，本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面中任一项所述的方法的步骤。
在本发明实施例中，首先获取待处理三维辐射图像；并确定待处理三维辐射图像的灰度图，并基于灰度图确定所述待处理三维辐射图像的二值化图；接下来，对二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；之后，利用去除噪声点之后的二值化图确定待处理三维辐射图像中放射源的轮廓信息；最后，利用放射源轮廓外接矩形算法对轮廓信息进行处理，得到目标三维辐射图像。通过上述描述可知，本发明提供了一种去除三维辐射图像噪点和优化三维辐射图像显示效果的方法，此方法在尽可能的保持原始信息完整性的同时，能够提高三维辐射图像的信噪比，可以改善显示效果，获取高质量的三维辐射数字图像，进而缓解了通过现有技术对辐射图像进行处理时，处理效果较差的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的一种放射源成像的图像处理方法的流程图；
图2是根据本发明实施例的另一种放射源成像的图像处理方法的流程图；
图3是根据本发明实施例的一种放射源成像的图像处理方法中步骤S106的流程图；
图4是根据本发明实施例的一种放射源成像的图像处理装置的示意图；
图5是根据本发明实施例的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
根据本发明实施例，提供了一种放射源成像的图像处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种放射源成像的图像处理方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取待处理三维辐射图像；并确定所述待处理三维辐射图像的灰度图，并基于所述灰度图确定所述待处理三维辐射图像的二值化图；
步骤S104，对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；
步骤S106，利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息；
步骤S108，利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像，其中，所述目标三维辐射图像的图像质量高于所述待处理三维辐射图像的图像质量。
在本发明实施例中，首先获取待处理三维辐射图像；并确定待处理三维辐射图像的灰度图，并基于灰度图确定所述待处理三维辐射图像的二值化图；接下来，对二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；之后，利用去除噪声点之后的二值化图确定待处理三维辐射图像中放射源的轮廓信息；最后，利用放射源轮廓外接矩形算法对轮廓信息进行处理，得到目标三维辐射图像。通过上述描述可知，本发明提供了一种去除三维辐射图像噪点和优化三维辐射图像显示效果的方法，此方法在尽可能的保持原始信息完整性的同时，能够提高三维辐射图像的信噪比，可以改善显示效果，获取高质量的三维辐射数字图像，进而缓解了通过现有技术对辐射图像进行处理时，处理效果较差的技术问题。
如图2所示，放射源发出的γ射线经过编码孔准直器调制后在探测器上形成投影图像，使用特定算法对投影图像进行处理，以重建出解码后的辐射图像。在得到辐射图像之后，可以将辐射图像和光学图像进行融合，得到融合图像。通过图像重建获得的辐射图像是一个二维数值矩阵，根据二维数值矩阵数值的大小将其映射成三维的彩色图像，这个过程通常称之为伪彩映射。使用jet对辐射图像进行伪彩映射，jet表示灰度图像数值从低到高对应颜色从冷到暖。一张图像是由像素点矩阵构成，对图像进行操作即为对图像的像素点矩阵进行操作。每一个像素点的颜色由红、绿、蓝三个颜色变量表示(R、G、B)，通过对R、G、B三个颜色通道的处理来获取期望的灰度图像。一般情况下灰度图的提取方法有三种方式。
方式一：最大值灰度处理方法
首先，提取所述待处理三维辐射图像的像素点矩阵数据中每个像素点的目标分量的最大值。
具体地，最大值灰度处理方法，提取待处理三维辐射图像的像素点矩阵数据每个位置R、G、B三个分量中的最大值作为灰度值生成二维灰度图像，公式如下：
gray(i,j)＝max(R(i,j),G(i,j),B(i,j))。
其中，R(i,j)、G(i,j)、B(i,j)为待处理三维辐射图像的像素点矩阵数据中像素点(i,j)处的R、G、B分量。
然后，基于所述每个像素点的目标分量的最大值生成所述待处理三维辐射图像的灰度图。
方式二：平均值处理方法
首先，提取所述待处理三维辐射图像的像素点矩阵数据中每个像素点在各个目标分量求和平均值。
具体地，平均值处理方法，提取待处理三维辐射图像的像素点矩阵数据中每个位置R、G、B三个分量计算求和平均值作为灰度值生成二维灰度图像，公式如下：
其中，R(i,j)、G(i,j)、B(i,j)为待处理三维辐射图像的像素点矩阵数据中像素点(i,j)处的R、G、B分量。
然后，基于所述每个像素点在各个目标分量求和平均值生成所述待处理三维辐射图像的灰度图。
方式三：加权平均灰度处理方法
首先，提取所述待处理三维辐射图像的像素点矩阵数据中每个像素点的各个目标分量；
然后，获取每个目标分量的权重值；
接下来，对所述各个目标分量和所述权重值进行加权求和计算，得到加权求和计算结果；
最后，基于所述加权求和计算结果生成所述待处理三维辐射图像的灰度图。
具体地，提取待处理三维辐射图像的像素点矩阵数据中每个位置的R、G、B三个分量(即，上述每个像素点的目标分量)，为每个目标分量设置一个权重值，对目标分量和权重值进行加权求和计算，加权求和计算的结果作为灰度值生成待处理三维辐射图像的灰度图，公式如下，其中ω代表权值：
gray(i,j)＝ω1R(i,j)+ω2G(i,j)+ω3B(i,j))。
灰度图展示出来的效果应该是放射源所在位置最亮，由于本申请使用的是jet伪彩映射，图像中代表放射源的像素值其特点是红色通道的数值会大于绿、蓝两个颜色通道的数值，所以这里使用提取红色通道的数值作为灰度值的方法来获得灰度图像，即使用加权平均灰度处理方法，将红色通道的权值设置为1，将绿、蓝两个通道的权值都设置为0。
在得到待处理三维辐射图像的灰度图之后，就可以基于灰度图确定所述待处理三维辐射图像的二值化图。
在一个可选的实施方式中，步骤S102，基于所述灰度图确定所述待处理三维辐射图像的二值化图包括如下过程：
将所述灰度图中大于预设恢复度值的像素灰度值设置为极大值；并将所述灰度图中小于或者等于预设恢复度值的像素灰度值设置为极小值，得到所述二值化图。
具体地，二值化图是指图像的每个像素只能取两个值，通常是0和1(即只有两种颜色，前景为白色，背景为黑色)，每个像素点均为黑色或者白色的数字图像。在本申请中，可以将灰度图中大于预设恢复度值的像素灰度值设置为极大值；并将所述灰度图中小于或者等于预设恢复度值的像素灰度值设置为极小值，得到二值化图。
在得到待处理三维辐射图像的二值化图之后，就可以对二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图。
在一个可选的实施方式中，步骤S104，对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的三维辐射图像包括如下过程：
(1)、基于所述二值化图去除所述待处理三维辐射图像中的噪点像素；具体地，包括：首先，控制目标卷积核在所述待处理三维辐射图像上执行平移操作；若在执行所述平移操作的过程中，匹配到噪点像素，则将当前时刻所述目标卷积核的中心位置所对应的像素设置为目标数值；反复执行上述操作，直至所述二值化图中全部噪点像素的像素均设置为所述目标数值。
(2)、基于所述二值化图过滤所述待处理三维辐射图像中放射源所在区域的边缘像素值，得到所述腐蚀处理之后的二值化图；
(3)、对腐蚀处理之后的二值化图进行膨胀操作，得到去除噪声点之后的三维辐射图像。
在提取完待处理三维辐射图像的二值化图之后，可以对二值化图进行形态学操作。形态学(或数学形态学)是度量和分析基本形状的图像处理方法的基本框架与集合。形态学通常用于处理二值化图。通过滑动结构化元素或核(卷积核)来实现形态学的腐蚀和膨胀，去除白噪声(例如，去除三维辐射图像中的噪点)。
使用形态学的开运算来去除辐射图像中的噪点，开运算是指先进行形态学的腐蚀处理再进行形态学的膨胀操作。首先确定目标卷积核的大小，使用目标卷积核在待处理三维辐射图像上进行步长为1的平移操作。当目标卷积核匹配到噪点像素时，目标卷积核中心位置的像素将会被替换为0，最终二值化图中噪点区域为1的值全部被替换为了0。当目标卷积核匹配到二值化图中放射源区域的像素时，像素值保持不变，不会被替换为0，使用这种卷积核过滤像素的方法最终将二值化图中被认为是噪点的像素值去除掉。其中，若待处理三维辐射图像中目标卷积核所框选的区域内的像素值不全为1，则该区域为噪点区域；若待处理三维辐射图像中目标卷积核所框选的区域内的像素值全为1，则该区域为放射源区域。对二值化图进行腐蚀处理会将三维辐射图像放射源所在区域的像素值的边缘像素过滤掉，再使用与“腐蚀”相反的形态学操作“膨胀”，设置与“腐蚀”操作相同的卷积核来恢复被腐蚀掉的边缘像素。
在本申请中，在对二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图之后，就可以利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息。
在一个可选实施方式中，如图3所示，步骤S106，利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息包括如下过程：
(1)、将所述去除噪声点之后的二值化图恢复为二维灰度图像，并计算所述二维灰度图像和所述二维的正太分布矩阵的乘积，得到目标二维灰度图像。
(2)、对所述目标二维灰度图像的二值化图进行膨胀操作，得到目标二值化图。
在本申请中，在得到腐蚀、膨胀操作后去除噪点的三维辐射图像的二值化图像之后，将所述去除噪声点之后的二值化图恢复为二维灰度图像，并计算所述二维灰度图像和所述二维的正太分布矩阵的乘积，得到目标二维灰度图像(即，图3中的灰度图所表示的过程)，之后，可以对所述目标二维灰度图像的二值化图进行膨胀操作，得到目标二值化图(即，图3中二值图所表示的过程)。与上一次膨胀操作不相同的是，此次所进行的膨胀操作时不再使用与腐蚀处理时同样大小的卷积核，而是使用更大的卷积核，其中，膨胀操作的卷积核的大小根据辐射图像的实际情况而定，本申请对此不作具体限定。对去除噪点后的二值化图进行膨胀操作之后，三维辐射图像的二值图中大部分区域仍为黑色的背景，下一步需要使用距离变换算法来提取三维辐射图像的二值化图中的前景区域。
(3)、通过距离变换算法对所述目标二值化图进行处理，得到所述待处理三维辐射图像中的前景区域。
具体地，在本申请中，可以使用距离变换算法对目标二值化图进行处理(即，图3中的距离变换所表示的过程)，得到待处理三维辐射图像中的前景区域。
距离变换算法的处理对象通常都是二值化图，二值化图其实就是把图像分为两部分，即背景和物体两部分，物体又称前景目标。三维辐射图像的二值化图只有0和1两个值，距离变换算法是计算三维辐射图像的二值化图中非零像素点到最近的零像素点的距离，也就是到零像素点的最短距离。三维辐射图像的二值化图中前景目标中的像素点距离背景越远，那么距离越大，如果用这个距离替换像素值，将这些像素值重新生成一张灰度图像，那么新生成的灰度图像中这个点越亮。通过设置合适的阈值对距离变换后的灰度图像(二值化图变换后变为了灰度图像，这里再将灰度图变为二值化图)进行二值化处理，再通过设定阈值会得到辐射图像二值图的重心部分，即为前景区域。
(4)、基于所述前景区域确定目标标签矩阵；其中，所述目标标签矩阵为通过分水岭算法确定出的前景区域的栅栏边界所对应的位置的像素值。
(5)、将所述目标标签矩阵中目标数值所对应的位置确定为所述轮廓信息。
在本申请中，在确定出前景区域之后，就可以通过分水岭算法确定出的前景区域的栅栏边界所对应的位置的像素值，并基于该像素值确定目标标签矩阵。
需要说明的是，分水岭算法，是一种基于拓扑理论的数学形态学的分割方法，这是一种交互式的图像分割。在确定背景区域和前景区域时，需要为三维辐射图像中的已知对象打上不同的标签。例如，如果三维辐射图像的某个区域肯定是前景，则使用某个颜色(或灰度值)标签标记它；如果某个区域肯定是背景区域，则使用另外一种颜色标签标记它，而剩下的不确定是前景还是背景的区域就用0标记。
在获取了三维辐射图像的二值化的背景区域和前景区域之后，发现会多出一部分未知区域。由于在通过距离变换算法对二值化图进行处理时，缩小了二值化图中的白色区域，此时，三维辐射图像的二值化图减去距离变换后的前景区域和背景区域所剩的白色区域即为未知区域。此时，可以将三维辐射图像的二值化图的背景区域标记为0，其它的对象使用从1开始的正整数标记。接下来，将三维辐射图像的二值化图的前景区域作为种子(即，图3中的寻找种子所表示的过程)，从这里进行灌水，向四周涨水，让水漫起来找到最后的漫出点(即，栅栏边界)，越过这个点后各个山谷中的水开始合并(即辐射图像二值图前景区域漫水后开始扩展，与非零值相遇认为是开始合并)，将找到的栅栏边界所对应的位置(即合并的位置)设置为-1，生成目标标签矩阵(即，图3中的生成标签和分水岭变换所表示的过程)。最终，目标标签矩阵中为-1的位置即为分水岭算法找到的三维辐射图像的轮廓信息。
在本申请中，在利用去除噪声点之后的二值化图确定待处理三维辐射图像中放射源的轮廓信息之后，就可以利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像，具体包括如下过程：
(1)、绘制所述待处理的三维辐射图像的轮廓信息的外接矩形；
(2)、根据所述外接矩形的大小来匹配与其相同大小的高斯蒙版，生成新的辐射图像灰度图；
(3)、对所述新的辐射图像灰度图进行伪彩映射生成所述目标三维辐射图像。
通过上述描述可知，通过上述处理方式能够确定三维辐射图像中放射源的轮廓信息，但是三维辐射图像的轮廓信息的形状是不规则的，因此需要在其轮廓外部绘制一个外接矩形。
在本申请中，可以在目标标签矩阵中使用-1包围起来的轮廓有一个规律，以任何一个-1作为中心，其周围与之最近的八个像素点中只有两个是-1，假如以顺时针方向进行循环，那么这两个-1一个为首，一个为尾。根据此规律寻找一圈即可得到一个轮廓的坐标数组，根据坐标数据X,Y的最大值和最小值来绘制三维辐射图像轮廓的外接矩形。也就是说，在本申请中，针对目标标签矩阵中的像素点，以顺时针方向进行循环，确定每个像素点所对应的数值为-1的像素点，从而得到多个数值为-1的像素点，从而得到轮廓的坐标数组。之后，就可以根据轮廓的坐标数组中最大值坐标和最小值坐标来绘制三维辐射图像轮廓的外接矩形。
最后，根据三维辐射图像的轮廓信息的外接矩形的大小来匹配与之相同大小的高斯蒙版，从而生成新的辐射图像灰度图，并对新的辐射图像灰度图进行伪彩映射生成优化后的辐射图像，即目标三维辐射图像。
实施例二：
本发明实施例还提供了一种放射源成像的图像处理装置，该放射源成像的图像处理装置主要用于执行本发明实施例上述内容所提供的放射源成像的图像处理方法，以下对本发明实施例提供的放射源成像的图像处理装置做具体介绍。
图4是根据本发明实施例的一种放射源成像的图像处理装置的示意图，如图4所示，该放射源成像的图像处理装置主要包括获取单元10，第一处理单元20，确定单元30和第二处理单元40，其中：
获取单元10，用于获取待处理三维辐射图像；并确定所述待处理三维辐射图像的灰度图，并基于所述灰度图确定所述待处理三维辐射图像的二值化图；
第一处理单元20，用于对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；
确定单元30，用于利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息；
第二处理单元40，用于利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像，其中，所述目标三维辐射图像的图像质量高于所述待处理三维辐射图像的图像质量。
在本发明实施例中，首先获取待处理三维辐射图像；并确定待处理三维辐射图像的灰度图，并基于灰度图确定所述待处理三维辐射图像的二值化图；接下来，对二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；之后，利用去除噪声点之后的二值化图确定待处理三维辐射图像中放射源的轮廓信息；最后，利用放射源轮廓外接矩形算法对轮廓信息进行处理，得到目标三维辐射图像。通过上述描述可知，本发明提供了一种去除三维辐射图像噪点和优化三维辐射图像显示效果的方法，此方法在尽可能的保持原始信息完整性的同时，能够提高三维辐射图像的信噪比，可以改善显示效果，获取高质量的三维辐射数字图像，进而缓解了通过现有技术对辐射图像进行处理时，处理效果较差的技术问题。
可选地，获取单元，用于：通过加权平均灰度处理方法，提取所述待处理三维辐射图像的像素点矩阵数据中每个像素点的各个目标分量；获取每个目标分量的权重值；对所述各个目标分量和所述权重值进行加权求和计算，得到加权求和计算结果；基于所述加权求和计算结果生成所述待处理三维辐射图像的灰度图。
可选地，获取单元，还用于：将所述灰度图中大于预设恢复度值的像素灰度值设置为极大值；并将所述灰度图中小于或者等于预设恢复度值的像素灰度值设置为极小值，得到所述二值化图。
可选地，第一处理单元，用于：基于所述二值化图去除所述待处理三维辐射图像中的噪点像素；基于所述二值化图过滤所述待处理三维辐射图像中放射源所在区域的边缘像素值，得到所述腐蚀处理之后的二值化图；对腐蚀处理之后的二值化图进行膨胀操作，得到去除噪声点之后的三维辐射图像。
可选地，第一处理单元，还用于：控制目标卷积核在所述待处理三维辐射图像上执行平移操作；若在执行所述平移操作的过程中，匹配到噪点像素，则将当前时刻所述目标卷积核的中心位置所对应的像素设置为目标数值；反复执行上述操作，直至所述二值化图中全部噪点像素的像素均设置为所述目标数值。
可选地，确定单元，用于：将所述去除噪声点之后的二值化图恢复为二维灰度图像，并计算所述二维灰度图像和所述二维的正太分布矩阵的乘积，得到目标二维灰度图像；对所述目标二维灰度图像的二值化图进行膨胀操作，得到目标二值化图；通过距离变换算法对所述目标二值化图进行处理，得到所述待处理三维辐射图像中的前景区域；基于所述前景区域确定目标标签矩阵；其中，所述目标标签矩阵为通过分水岭算法确定出的前景区域的栅栏边界所对应的位置的像素值；将所述目标标签矩阵中目标数值所对应的位置确定为所述轮廓信息。
可选地，第二处理单元，用于：绘制所述待处理的三维辐射图像的轮廓信息的外接矩形；根据所述外接矩形的大小来匹配与其相同大小的高斯蒙版，生成新的辐射图像灰度图；对所述新的辐射图像灰度图进行伪彩映射生成所述目标三维辐射图像。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
实施例三：
参见图5，本发明实施例还提供一种电子设备100，包括：处理器50，存储器51，总线52和通信接口53，所述处理器50、通信接口53和存储器51通过总线52连接；处理器50用于执行存储器51中存储的可执行模块，例如计算机程序。
其中，存储器51可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器51用于存储程序，所述处理器50在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中，或者由处理器50实现。
处理器50可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51，处理器50读取存储器51中的信息，结合其硬件完成上述方法的步骤。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元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单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种放射源成像的图像处理方法，其特征在于，包括：
获取待处理三维辐射图像；并确定所述待处理三维辐射图像的灰度图，并基于所述灰度图确定所述待处理三维辐射图像的二值化图；
对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；
利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息；
利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像，其中，所述目标三维辐射图像的图像质量高于所述待处理三维辐射图像的图像质量；
利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像包括：
绘制所述待处理的三维辐射图像的轮廓信息的外接矩形；
根据所述外接矩形的大小来匹配与其相同大小的高斯蒙版，生成新的辐射图像灰度图；
对所述新的辐射图像灰度图进行伪彩映射生成所述目标三维辐射图像。
2.根据权利要求1所述的方法，其特征在于，确定所述待处理三维辐射图像的灰度图包括：
通过加权平均灰度处理方法，提取所述待处理三维辐射图像的像素点矩阵数据中每个像素点的各个目标分量；
获取每个目标分量的权重值；
对所述各个目标分量和所述权重值进行加权求和计算，得到加权求和计算结果；
基于所述加权求和计算结果生成所述待处理三维辐射图像的灰度图。
3.根据权利要求1所述的方法，其特征在于，基于所述灰度图确定所述待处理三维辐射图像的二值化图包括：
将所述灰度图中大于预设恢复度值的像素灰度值设置为极大值；并将所述灰度图中小于或者等于预设恢复度值的像素灰度值设置为极小值，得到所述二值化图。
4.根据权利要求1所述的方法，其特征在于，对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的三维辐射图像包括：
基于所述二值化图去除所述待处理三维辐射图像中的噪点像素；
基于所述二值化图过滤所述待处理三维辐射图像中放射源所在区域的边缘像素值，得到所述腐蚀处理之后的二值化图；
对腐蚀处理之后的二值化图进行膨胀操作，得到去除噪声点之后的三维辐射图像。
5.根据权利要求4所述的方法，其特征在于，基于所述二值化图去除所述待处理三维辐射图像中的噪点像素包括：
控制目标卷积核在所述待处理三维辐射图像上执行平移操作；
若在执行所述平移操作的过程中，匹配到噪点像素，则将当前时刻所述目标卷积核的中心位置所对应的像素设置为目标数值；
反复执行上述操作，直至所述二值化图中全部噪点像素的像素均设置为所述目标数值。
6.根据权利要求1所述的方法，其特征在于，利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息包括：
将所述去除噪声点之后的二值化图恢复为二维灰度图像，并计算所述二维灰度图像和二维的正太分布矩阵的乘积，得到目标二维灰度图像；
对所述目标二维灰度图像的二值化图进行膨胀操作，得到目标二值化图；
通过距离变换算法对所述目标二值化图进行处理，得到所述待处理三维辐射图像中的前景区域；
基于所述前景区域确定目标标签矩阵；其中，所述目标标签矩阵为通过分水岭算法确定出的前景区域的栅栏边界所对应的位置的像素值；
将所述目标标签矩阵中目标数值所对应的位置确定为所述轮廓信息。
7.一种放射源成像的图像处理装置，其特征在于，包括：
获取单元，用于获取待处理三维辐射图像；并确定所述待处理三维辐射图像的灰度图，并基于所述灰度图确定所述待处理三维辐射图像的二值化图；
第一处理单元，用于对所述二值化图进行腐蚀处理和/或膨胀操作，得到去除噪声点之后的二值化图；
确定单元，用于利用去除噪声点之后的二值化图确定所述待处理三维辐射图像中放射源的轮廓信息；
第二处理单元，用于利用放射源轮廓外接矩形算法对所述轮廓信息进行处理，得到目标三维辐射图像，其中，所述目标三维辐射图像的图像质量高于所述待处理三维辐射图像的图像质量；
所述第二处理单元，具体用于：绘制所述待处理的三维辐射图像的轮廓信息的外接矩形；根据所述外接矩形的大小来匹配与其相同大小的高斯蒙版，生成新的辐射图像灰度图；对所述新的辐射图像灰度图进行伪彩映射生成所述目标三维辐射图像。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并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上述权利要求1至6任一项所述的方法的步骤。
9.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行上述权利要求1至6任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068628.0A CN111311621B (zh) | 2020-01-20 | 2020-01-20 | 放射源成像的图像处理方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068628.0A CN111311621B (zh) | 2020-01-20 | 2020-01-20 | 放射源成像的图像处理方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111311621A CN111311621A (zh) | 2020-06-19 |
| CN111311621B true CN111311621B (zh) | 2023-12-29 |
Family
ID=71159770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010068628.0A Active CN111311621B (zh) | 2020-01-20 | 2020-01-20 | 放射源成像的图像处理方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111311621B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112091992B (zh) * | 2020-10-13 | 2022-03-01 | 广州酒家集团利口福食品有限公司 | 一种刷蛋液机械手的路径规划方法及装置 |
| CN117437151B (zh) * | 2023-12-21 | 2024-03-08 | 成都市晶林科技有限公司 | 一种噪声抑制的伪彩映射方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08212341A (ja) * | 1995-02-03 | 1996-08-20 | Nippon Hihakai Kensa Kk | 放射線透過写真の画像処理方法及びその装置 |
| CN106296670A (zh) * | 2016-08-02 | 2017-01-04 | 黑龙江科技大学 | 一种基于Retinex‑分水岭‑Canny算子的红外图像边缘检测方法 |
| CN108460793A (zh) * | 2018-03-28 | 2018-08-28 | 中国矿业大学(北京) | X射线图像的分形维数确定方法及煤矸的分选方法 |
| CN108830852A (zh) * | 2018-07-13 | 2018-11-16 | 上海深博医疗器械有限公司 | 三维超声肿瘤辅助测量系统及方法 |
-
2020
- 2020-01-20 CN CN202010068628.0A patent/CN111311621B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08212341A (ja) * | 1995-02-03 | 1996-08-20 | Nippon Hihakai Kensa Kk | 放射線透過写真の画像処理方法及びその装置 |
| CN106296670A (zh) * | 2016-08-02 | 2017-01-04 | 黑龙江科技大学 | 一种基于Retinex‑分水岭‑Canny算子的红外图像边缘检测方法 |
| CN108460793A (zh) * | 2018-03-28 | 2018-08-28 | 中国矿业大学(北京) | X射线图像的分形维数确定方法及煤矸的分选方法 |
| CN108830852A (zh) * | 2018-07-13 | 2018-11-16 | 上海深博医疗器械有限公司 | 三维超声肿瘤辅助测量系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| Automatic 3D segmentation of CT images based on active contour models;Huiyan Jiang 等;2009 11th IEEE International Conference on Computer-Aided Design and Computer Graphics;摘要、第1节最后1段，第3节，第5节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111311621A (zh) | 2020-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
| US11017509B2 (en) | Method and apparatus for generating high dynamic range image | |
| US10291823B2 (en) | Apparatus and method for color calibration | |
| US11295158B2 (en) | Image processing apparatus, image processing method, and storage medium for extracting an irradiation field of a radiograph | |
| CN111311621B (zh) | 放射源成像的图像处理方法、装置和电子设备 | |
| US20210358132A1 (en) | Method and apparatus for extracting edge of object in depth image and computer readable storage medium | |
| CN111091571A (zh) | 细胞核分割方法、装置、电子设备及计算机可读存储介质 | |
| EP2002648A1 (en) | Temperature artifact correction | |
| Bettahar et al. | PDE-based enhancement of color images in RGB space | |
| CN106919883B (zh) | 一种qr码的定位方法及装置 | |
| CN111325671B (zh) | 网络训练方法、装置、图像处理方法及电子设备 | |
| Vyavahare et al. | Segmentation using region growing algorithm based on CLAHE for medical images | |
| CN105608674A (zh) | 一种基于图像配准、插值和去噪的图像增强方法 | |
| JP5662890B2 (ja) | 画像処理方法、画像処理装置及び画像処理プログラム、並びに、画像処理による放射線量推定方法 | |
| EP3018626B1 (en) | Apparatus and method for image segmentation | |
| Banerjee et al. | Bacterial foraging-fuzzy synergism based image Dehazing | |
| Todd-Pokropek et al. | The use of computers for image processing in nuclear medicine | |
| Wang et al. | A bilateral filtering based ringing elimination approach for motion-blurred restoration image | |
| CN111696064B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
| CN114299081A (zh) | 一种上颌窦cbct图像分割方法、装置、存储介质及电子设备 | |
| JP7418171B2 (ja) | 画像処理装置、放射線撮影システム、画像処理方法及びプログラム | |
| Schmalz et al. | A graph-based approach for robust single-shot structured light | |
| Xu et al. | Highly precise partial volume correction for PET images: An iterative approach via shape consistency | |
| Salazar Colores et al. | Statistical multidirectional line dark channel for single‐image dehazing | |
| CN107808385B (zh) | 基于幂律分布的彩色图像分水岭分割方法 |
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 |