CN111444925A - 各向异性影像的连通域识别方法、装置、系统和可读介质 - Google Patents
各向异性影像的连通域识别方法、装置、系统和可读介质 Download PDFInfo
- Publication number
- CN111444925A CN111444925A CN202010545514.0A CN202010545514A CN111444925A CN 111444925 A CN111444925 A CN 111444925A CN 202010545514 A CN202010545514 A CN 202010545514A CN 111444925 A CN111444925 A CN 111444925A
- Authority
- CN
- China
- Prior art keywords
- parameter
- connected domain
- user
- spatial position
- position range
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种各向异性影像的连通域识别方法、装置、系统和计算机可读介质。该方法包括:获取待识别的各向异性影像;基于颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将连通域结果呈现给用户;接收由用户输入的颜色容差参数和空间位置范围参数,对颜色容差参数和空间位置范围参数进行更新;以及基于更新后的颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将新的连通域结果呈现给用户。通过使用颜色容差参数和空间位置范围参数来对各向异性影像进行连通域识别,能够大幅度地提高识别的准确度;通过让用户根据初次连通域识别结果对颜色容差参数和空间位置范围参数进行调整,从而提高了识别结果的准确性。
Description
技术领域
本申请主要涉及图像处理技术领域,尤其涉及一种各向异性影像的连通域识别方法、装置、系统和计算机可读介质。
背景技术
影像识别通常是基于一定阈值亮度下的空间连通域来进行识别。当前所使用的连通域算法是基于每个方向上像素分布是一样的情况,即各向同性来实现的,未针对各向异性影像进行优化,因此对各向异性影像的连通域识别效果不佳。如何提高各向异性影像的连通域识别效果是本领域技术人员亟需解决的问题。
发明内容
本申请要解决的技术问题是提供一种各向异性影像的连通域识别方法、装置、系统和计算机可读介质,能够提高各向异性影像的连通域识别的准确性。
为解决上述技术问题,本申请提供了一种各向异性影像的连通域识别方法,包括以下步骤:获取待识别的各向异性影像;基于颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将连通域结果呈现给用户;接收由用户输入的颜色容差参数和空间位置范围参数,对颜色容差参数和空间位置范围参数进行更新;以及基于更新后的颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将新的连通域结果呈现给用户。
可选地,该方法还包括:接收用户对一个或多个连通域的选择;以及判断用户选择的连通域总数的个数,当用户选择的连通域总数为一个时,根据一个连通域得到连通域结果;当用户选择的连通域总数为多个时,接收用户对多个连通域的关系的输入,并根据多个连通域的关系对多个连通域进行处理,得到连通域结果。
可选地,该方法还包括:在生成连通域结果后,保存颜色容差参数和空间位置范围参数,并为颜色容差参数和空间位置范围参数分配相应的标识。
可选地,为颜色容差参数和空间位置范围参数分配相应的标识包括:接收由用户输入的标识;以及将用户输入的标识作为颜色容差参数和所述空间位置范围参数的标识。
可选地,为颜色容差参数和空间位置范围参数分配相应的标识包括:当各向异性影像为医学影像时,对连通域结果进行部位识别,得到部位识别结果;以及将部位识别结果作为颜色容差参数和所述空间位置范围参数的标识。
可选地,该方法还包括:对各向异性影像进行平滑化处理。
可选地,对多个连通域进行处理包括:对多个连通域进行叠加;或者对多个连通域进行削减。
可选地,该方法还包括:当所述各向异性影像为医学影像时,根据DICOM标签确定所述颜色容差参数和所述空间位置范围参数。
为解决上述技术问题,本申请还提供了一种各向异性影像的连通域识别装置,包括:获取模块,用于获取待识别的各向异性影像;第一识别模块,用于基于颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将连通域结果呈现给用户;更新模块,用于接收由用户输入的颜色容差参数和空间位置范围参数,对颜色容差参数和空间位置范围参数进行更新;以及第二识别模块,用于基于更新后的颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将新的连通域结果呈现给用户。
为解决上述技术问题,本申请还提供了一种各向异性影像的连通域识别系统,包括:存储器,用于存储可由处理器执行的指令;以及处理器,用于执行所述指令以实现如上所述的方法。
为解决上述技术问题,本申请还提供了一种存储有计算机程序代码的计算机可读介质,所述计算机程序代码在由处理器执行时实现如上所述的方法。
与现有技术相比,本申请具有以下优点:
通过使用颜色容差参数和空间位置范围参数来对各向异性影像进行连通域识别,能够大幅度地提高各向异性影像的连通域识别的准确度;
通过让用户根据初次连通域识别结果对颜色容差参数和空间位置范围参数进行调整,从而提高了连通域识别结果的准确性。
附图说明
包括附图是为提供对本申请进一步的理解,它们被收录并构成本申请的一部分,附图示出了本申请的实施例,并与本说明书一起起到解释本申请原理的作用。附图中:
图1示出了根据本申请一实施例的各向异性影像的连通域识别方法的流程示意图;
图2示出了根据本申请一实施例的各向异性影像的连通域识别方法的颜色容差参数和空间位置范围参数的输入界面示意图;
图3示出了根据本申请另一实施例的各向异性影像的连通域识别方法的流程示意图;
图4示出了根据本申请又一实施例的各向异性影像的连通域识别方法的流程示意图;
图5示出了根据本申请一实施例的各向异性影像的连通域识别装置的框图;
图6示出了根据本申请一实施例示出的各向异性影像的连通域识别系统的系统框图;
图7A示出了各向同性影像的分辨率示意图;
图7B示出了各向异性影像的分辨率示意图。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,或将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
本申请提供了一种各向异性影像的连通域识别方法。图1示出了根据本申请一实施例的各向异性影像的连通域识别方法的流程示意图。如图1所示,该方法包括以下步骤:
步骤101,获取待识别的各向异性影像;
步骤102,基于颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将连通域结果呈现给用户;
步骤103,接收由用户输入的颜色容差参数和空间位置范围参数,对颜色容差参数和空间位置范围参数进行更新;以及
步骤104,基于更新后的颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将新的连通域结果呈现给用户。
在步骤101中,各向异性影像的连通域识别系统获取待识别的各向异性影像。各向异性影像可以是二维影像,也可以是三维影像。可选地,系统还可以对各向异性影像进行平滑化处理。平滑化处理是指根据图像上的点进行开运算和闭运算,根据设定的毛刺像素值将对应大小范围内的毛刺平滑,其中毛刺像素值可以由用户在系统中预先进行设定。平滑化处理可以在步骤101-104任意两步骤之间进行,也可以在步骤104后进行,本申请对此不作限定。
在步骤102中,系统基于颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别。
颜色容差参数和空间位置范围参数是系统进行连通域识别时所使用的参数。颜色容差是指在选取颜色时所设置的选取范围。颜色容差越大,选取的颜色范围也越大。空间位置范围是指影像中两个像素点的路径距离的范围。一般而言,对于物理位置比较近的两个像素点,本身空间区域的限制确定了这两个像素点在连通域的路径中距离较短,路径上实际值的变化差异可能不会很大。因此可以允许的像素值差值较大,即颜色容差可以较大。反之,对于物理距离较远的两个像素点,这两个像素点在连通域的路径中距离较长,实际值在路径上的变化可能较大。因此减少这种物理距离较远的两点的像素值差值容差以保证其在连通域内的实际过渡均匀,即颜色容差可以较小。通过根据颜色容差参数和空间位置范围参数这两个参数来对各向异性影像进行连通域识别,可以大幅度地降低各向异性影像在各个方向上的空间距离的差别对连通域识别的影响,从而大幅度地提高各向异性影像的连通域识别的准确性。
颜色容差参数和空间位置范围参数可以由用户在系统中预先进行设定。可选地,当各向异性影像为医学影像时,系统可以根据DICOM标签(Tag)确定颜色容差参数和空间位置范围参数。医学影像可以为CT影像、MR影像或者PET影像等,按照标准DICOM格式进行存储。像素点在x,y方向的距离是通过DICOM Tag(0028 0030):Pixel Spacing读取,其在z方向的距离是通过DICOM Tag(0018 0088):Spacing between Slices(CT、MR模态)或DICOMTag(0018 0050):Slice Thickness(PET模态)读取得到。因此,系统可以根据上述DICOMTag确定初始的颜色容差参数和空间位置范围参数。在一个示例中,空间位置范围参数可以根据各向异性立体对角方向的距离得到最大距离,即最大距离范围设为(当各向异性影像为CT或MR模态时)或(当各向异性影像为PET模态时);而最小距离范围均设为直接相邻的最小距离,即取得三者的最小值:。通常情况下,Pixel Spacing的值远小于Spacing between Slices和 Slice Thickness,即最小距离也可默认为Pixel Spacing。对于颜色容差参数,从最小范围距离到最大范围距离的过程中,初始颜色容差参数可以预设为线性递减。例如,针对CT影像,初始颜色容差参数可以设为由300线性递减至50;针对MR影像,初始颜色容差参数可以设为512线性递减至128;针对PET影像,由于存在打药量的差别,初始颜色容差参数可以设为个序列中最大像素值的80%线性减少至最大像素值的20%。
基础的连通域算法可分为在各向同性的二维影像和各向同性的三维影像上使用。二维影像上的基础的连通域算法可以包括4邻域连通算法和8邻域连通算法等算法。三维影像上的基础的连通域算法可以包括6邻域连通算法、18邻域连通算法和26邻域连通算法等算法。
图7A示出了各向同性影像的分辨率示意图。图7B示出了各向异性影像的分辨率示意图。如图7B所示,以CT影像为例,图中长箭头所指方向为Z方向(轴向),短箭头所在的平面为X方向和Y方向所构成的XY平面。CT影像在单张影像里所展示出的XY平面多为相同分辨率。而与XY平面相比,CT影像在Z方向上为不同分辨率,即CT影像表现为各向异性。
各向同性的影像在连通域识别中只需要考虑邻近点对应的几个距离(直接相邻/对角相邻,或直接相邻/平面对角相邻/立体对角相邻),而各向异性的影像像素点的分布位置距离具有不确定性。因此,各向异性影像的像素点位置分布的距离位置可能性(即空间位置范围)应该是连续的,而像素亮度的差值(即颜色容差)也是连续的。为了让用户可以根据实际需要对各个相应距离位置上的像素差值都能合理地进行设定,用户需要能够连续动态调整颜色容差参数和空间位置范围的关系的曲线。图2示出了根据本申请一实施例的各向异性影像的连通域识别方法的颜色容差参数和空间位置范围参数的输入界面示意图。如图2所示,图2中的曲线为颜色容差参数和空间位置范围参数的关系。在初始状态中,该曲线可以被设为线性,即随着距离的增大,容差线性减小。坐标轴左上角表示空间位置范围参数小(即物理位置近)以及颜色容差参数大,坐标轴右下角代表空间位置范围参数小(即物理位置远)以及颜色容差参数小。该曲线说明了随着物理位置逐渐增大,像素值差值容差逐步减小。该曲线的形态可以由用户在系统中进行调整。
在对各向异性影像进行连通域识别后,系统将连通域识别结果呈现给用户。在一个示例中,用户可以在影像中选择目标对象上的一个点,然后系统会根据连通域识别结果帮助用户勾画出该目标对象在整个影像中的连通域。用户可以根据所看到的连通域识别结果判断颜色容差参数和空间位置范围参数该如何调整,并输入要调整的颜色容差参数和空间位置范围参数。
在步骤103中,系统接收由用户输入的颜色容差参数和空间位置范围参数,并根据用户输入的颜色容差参数和空间位置范围参数对颜色容差参数和空间位置范围参数进行更新。通过根据用户输入来对颜色容差参数和空间位置范围参数进行更新,可以达到用户理想的连通域选取效果。
在步骤104中,系统基于更新后的颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将新的连通域结果呈现给用户。此时,用户可以看到经过自己调整后的更准确的连通域识别结果。
综上所述,本申请的各向异性影像的连通域识别方法通过使用颜色容差参数和空间位置范围参数来对各向异性影像进行连通域识别,能够大幅度地提高各向异性影像的连通域识别的准确度;通过让用户根据初次连通域识别结果对颜色容差参数和空间位置范围参数进行调整,从而提高了连通域识别结果的准确性。
可选地,在生成连通域结果后,保存当前的颜色容差参数和空间位置范围参数,并为该颜色容差参数和空间位置范围参数分配相应的标识。这样一来,用户在下次识别相同的目标对象时,可以直接根据标识调用该颜色容差参数和空间位置范围参数,无需重新进行设定,提高了各向异性影像的连通域识别效率。
可选地,为颜色容差参数和空间位置范围参数分配相应的标识可以包括以下步骤:接收由用户输入的标识;以及将用户输入的标识作为颜色容差参数和所述空间位置范围参数的标识。系统接收由用户输入的标识,例如识别目标对象的名称,并将该标识作为该连通域结果的标识,从而实现用户对颜色容差参数和所述空间位置范围参数的标识的自定义,便于用户下次进行调用。
可选地,为颜色容差参数和空间位置范围参数分配相应的标识可以包括以下步骤:当各向异性影像为医学影像时,对连通域结果进行部位识别,得到部位识别结果;以及将部位识别结果作为颜色容差参数和所述空间位置范围参数的标识。当各向异性影像为医学影像时,连通域识别的目标对象为部位器官。医学影像可以为CT影像、MR影像或者PET影像等,按照标准DICOM格式进行存储。系统对连通域结果进行部位识别,可以得到该连通域结果所对应的部位名称。系统将部位识别结果作为该颜色容差参数和所述空间位置范围参数的标识,从而实现了对该颜色容差参数和所述空间位置范围参数的自动标识,便于用户下次进行调用。
图3示出了根据本申请另一实施例的各向异性影像的连通域识别方法的流程示意图。如图3所示,该方法包括以下步骤:
步骤301,获取待识别的各向异性影像;
步骤302,基于颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将连通域结果呈现给用户;
步骤303,接收由用户输入的颜色容差参数和空间位置范围参数,对颜色容差参数和空间位置范围参数进行更新;
步骤304,基于更新后的颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将新的连通域结果呈现给用户;
步骤305,接收用户对一个或多个连通域的选择;
步骤306,判断用户选择的连通域总数的个数;当用户选择的连通域总数为一个时,执行步骤307;当用户选择的连通域总数为多个时,执行步骤308;
步骤307,根据一个连通域得到连通域结果;
步骤308,接收用户对多个连通域的关系的输入;以及
步骤309,根据多个连通域的关系对多个连通域进行处理,得到连通域结果。
其中,步骤301-304可以参考前述实施例中相对应的步骤101-104,在此不再展开描述。
在步骤305中,系统接收用户对一个或多个连通域的选择。用户基于连通域结果对连通域进行选择,所选择的连通域为识别目标对象的一部分或全部。
在步骤306中,系统判断用户在步骤305中所选择的总数的个数。当用户选择的连通域总数为一个时,系统执行步骤307。当用户选择的连通域总数为多个时,执行步骤308。
在步骤307中,用户只选择了一个连通域,因此该连通域即为识别目标对象,系统根据该连通域得到最终的连通域结果。
在步骤308中,用户选择了多个连通域,因此系统接收用户对多个连通域的关系的输入,以获取多个连通域之间的关系。
在步骤309中,系统根据用户输入的多个连通域的关系对多个连通域进行处理,得到最终的连通域结果。可选地,对多个连通域进行处理可以包括对多个连通域进行叠加,或者对多个连通域进行削减。当用户所选的多个连通域均为识别目标对象的一部分时,用户输入多个连通域的关系为相加,则系统对多个连通域进行叠加以得到连通域结果。当用户所选的一个连通域为大于识别目标对象的连通域时,用户可以在该连通域中选择需要删减的连通域,则系统会根据用户的输入对该连通域进行削减以得到连通域结果。
综上所述,通过根据用户对连通域的选择和多个连通域关系的输入,可以更简单快捷地得到更准确的连通域结果,从而大幅度地提高了各向异性影像的连通域识别的效率。
图4示出了根据本申请又一实施例的各向异性影像的连通域识别方法的流程示意图。如图4所示,该方法包括以下步骤:
步骤401,获取待识别的各向异性影像;
步骤402,基于颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将连通域结果呈现给用户;
步骤403,接收用户对一个或多个连通域的选择;
步骤404,接收由用户输入的颜色容差参数和空间位置范围参数,对颜色容差参数和空间位置范围参数进行更新;
步骤405,基于更新后的颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将新的连通域结果呈现给用户;
步骤406,接收用户对一个或多个连通域的选择;
步骤407,接收用户对多个连通域的关系的输入;以及
步骤408,根据多个连通域的关系对多个连通域进行处理,得到连通域结果。
其中,步骤401、402、404、405可以分别参考前述实施例中相对应的步骤101、102、103和104,步骤403和406可以参考前述实施例中相对应的步骤305,步骤407和408可以分别参考前述实施例中相对应的步骤308和309,在此不再展开描述。
通过步骤403和406中两次对用户所选择的一个或多个连通域进行接收,可以让用户在初次连通域识别结果和第二次连通域识别结果中选择合适的连通域,可以进一步更简单快捷地得到更准确的连通域结果,从而进一步地提高了各向异性影像的连通域识别的效率。
本申请还提供了一种各向异性影像的连通域识别装置。图5示出了根据本申请一实施例的各向异性影像的连通域识别装置的框图。如图5所示,各向异性影像的连通域识别装置500包括获取模块501、第一识别模块502、更新模块503以及第二识别模块504。
获取模块501用于获取待识别的各向异性影像。第一识别模块502用于基于颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将连通域识别结果呈现给用户。更新模块503用于接收由用户输入的颜色容差参数和空间位置范围参数,对颜色容差参数和空间位置范围参数进行更新。第二识别模块504用于基于更新后的颜色容差参数和空间位置范围参数对各向异性影像进行连通域识别,并将新的连通域识别结果呈现给用户。上述模块所执行的功能可参考前述实施例中的相应步骤101-104,在此不再展开描述。
本申请还提供了一种各向异性影像的连通域识别系统,包括:存储器,用于存储可由处理器执行的指令;以及处理器,用于执行所述指令以实现本申请的各向异性影像的连通域识别方法。
图6示出了根据本申请一实施例示出的各向异性影像的连通域识别系统的系统框图。各向异性影像的连通域识别系统600可包括内部通信总线601、处理器(Processor)602、只读存储器(ROM)603、随机存取存储器(RAM)604、以及通信端口605。当应用在个人计算机上时,各向异性影像的连通域识别系统还可以包括硬盘607。内部通信总线601可以实现各向异性影像的连通域识别系统600组件间的数据通信。处理器602可以进行判断和发出提示。在一些实施例中,处理器602可以由一个或多个处理器组成。通信端口605可以实现各向异性影像的连通域识别系统600与外部的数据通信。在一些实施例中,各向异性影像的连通域识别系统600可以通过通信端口605从网络发送和接受信息及数据。各向异性影像的连通域识别系统600还可以包括不同形式的程序储存单元以及数据储存单元,例如硬盘607,只读存储器(ROM)603和随机存取存储器(RAM)604,能够存储计算机处理和/或通信使用的各种数据文件,以及处理器602所执行的可能的程序指令。处理器执行这些指令以实现方法的主要部分。处理器处理的结果通过通信端口传给用户设备,在用户界面上显示。
上述的各向异性影像的连通域识别方法可以实施为计算机程序,保存在硬盘607中,并可记载到处理器602中执行,以实施本申请的各向异性影像的连通域识别方法。
本申请还提供了一种存储有计算机程序代码的计算机可读介质,所述计算机程序代码在由处理器执行时实现如上所述的方法。
各向异性影像的连通域识别方法实施为计算机程序时,也可以存储在计算机可读存储介质中作为制品。例如,计算机可读存储介质可以包括但不限于磁存储设备(例如,硬盘、软盘、磁条)、光盘(例如,压缩盘(CD)、数字多功能盘(DVD))、智能卡和闪存设备(例如,电可擦除可编程只读存储器(EPROM)、卡、棒、键驱动)。此外,本文描述的各种存储介质能代表用于存储信息的一个或多个设备和/或其它机器可读介质。术语“机器可读介质”可以包括但不限于能存储、包含和/或承载代码和/或指令和/或数据的无线信道和各种其它介质(和/或存储介质)。
应该理解,上文所描述的实施例仅是示意。本文描述的实施例可在硬件、软件、固件、中间件、微码或者其任意组合中实现。对于硬件实现,处理单元可以在一个或者多个特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器和/或设计为执行本文所述功能的其它电子单元或者其结合内实现。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述申请披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示例性实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
本申请的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或者其组合。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。例如,计算机可读介质可包括,但不限于,磁性存储设备(例如,硬盘、软盘、磁带……)、光盘(例如,压缩盘CD、数字多功能盘DVD……)、智能卡以及闪存设备(例如,卡、棒、键驱动器……)。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个申请实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
虽然本申请已参照当前的具体实施例来描述,但是本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本申请,在没有脱离本申请精神的情况下还可作出各种等效的变化或替换,因此,只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。
Claims (11)
1.一种各向异性影像的连通域识别方法,包括以下步骤:
获取待识别的各向异性影像;
基于颜色容差参数和空间位置范围参数对所述各向异性影像进行连通域识别,并将连通域结果呈现给用户;
接收由所述用户输入的颜色容差参数和空间位置范围参数,对所述颜色容差参数和所述空间位置范围参数进行更新;以及
基于更新后的颜色容差参数和空间位置范围参数对所述各向异性影像进行连通域识别,并将新的连通域结果呈现给用户。
2.如权利要求1所述的方法,其特征在于,还包括:
接收所述用户对一个或多个所述连通域的选择;以及
判断所述用户选择的连通域总数的个数,当所述用户选择的连通域总数为一个时,根据所述一个连通域得到连通域结果;当所述用户选择的连通域总数为多个时,接收所述用户对所述多个连通域的关系的输入,并根据所述多个连通域的关系对所述多个连通域进行处理,得到连通域结果。
3.如权利要求1所述的方法,其特征在于,还包括:
在生成所述连通域结果后,保存所述颜色容差参数和所述空间位置范围参数,并为所述颜色容差参数和所述空间位置范围参数分配相应的标识。
4.如权利要求3所述的方法,其特征在于,所述为所述颜色容差参数和所述空间位置范围参数分配相应的标识包括:
接收由所述用户输入的标识;以及
将所述用户输入的标识作为所述颜色容差参数和所述空间位置范围参数的标识。
5.如权利要求3所述的方法,其特征在于,所述为所述颜色容差参数和所述空间位置范围参数分配相应的标识包括:
当所述各向异性影像为医学影像时,对所述连通域结果进行部位识别,得到部位识别结果;以及
将所述部位识别结果作为所述颜色容差参数和所述空间位置范围参数的标识。
6.如权利要求1所述的方法,其特征在于,还包括:
对所述各向异性影像进行平滑化处理。
7.如权利要求2所述的方法,其特征在于,所述对所述多个连通域进行处理包括:
对所述多个连通域进行叠加;或者
对所述多个连通域进行削减。
8.如权利要求1所述的方法,其特征在于,还包括:
当所述各向异性影像为医学影像时,根据DICOM标签确定所述颜色容差参数和所述空间位置范围参数。
9.一种各向异性影像的连通域识别装置,包括:
获取模块,用于获取待识别的各向异性影像;
第一识别模块,用于基于颜色容差参数和空间位置范围参数对所述各向异性影像进行连通域识别,并将连通域识别结果呈现给用户;
更新模块,用于接收由所述用户输入的颜色容差参数和空间位置范围参数,对所述颜色容差参数和所述空间位置范围参数进行更新;以及
第二识别模块,用于基于更新后的颜色容差参数和空间位置范围参数对所述各向异性影像进行连通域识别,并将新的连通域识别结果呈现给用户。
10.一种各向异性影像的连通域识别系统,包括:
存储器,用于存储可由处理器执行的指令;以及处理器,用于执行所述指令以实现如权利要求1-8任一项所述的方法。
11.一种存储有计算机程序代码的计算机可读介质,所述计算机程序代码在由处理器执行时实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545514.0A CN111444925B (zh) | 2020-06-16 | 2020-06-16 | 各向异性影像的连通域识别方法、装置、系统和可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545514.0A CN111444925B (zh) | 2020-06-16 | 2020-06-16 | 各向异性影像的连通域识别方法、装置、系统和可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111444925A true CN111444925A (zh) | 2020-07-24 |
CN111444925B CN111444925B (zh) | 2020-12-04 |
Family
ID=71657712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010545514.0A Active CN111444925B (zh) | 2020-06-16 | 2020-06-16 | 各向异性影像的连通域识别方法、装置、系统和可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111444925B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130201358A1 (en) * | 2012-02-06 | 2013-08-08 | Apple Inc. | Efficient Line Detection Method |
CN105389811A (zh) * | 2015-10-30 | 2016-03-09 | 吉林大学 | 一种基于多级阈值分割的多模态医学图像处理方法 |
CN111105427A (zh) * | 2019-12-31 | 2020-05-05 | 佛山科学技术学院 | 一种基于连通区域分析的肺部图像分割方法及系统 |
-
2020
- 2020-06-16 CN CN202010545514.0A patent/CN111444925B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130201358A1 (en) * | 2012-02-06 | 2013-08-08 | Apple Inc. | Efficient Line Detection Method |
CN105389811A (zh) * | 2015-10-30 | 2016-03-09 | 吉林大学 | 一种基于多级阈值分割的多模态医学图像处理方法 |
CN111105427A (zh) * | 2019-12-31 | 2020-05-05 | 佛山科学技术学院 | 一种基于连通区域分析的肺部图像分割方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘国华: "《HALCON数字图像处理》", 30 June 2018, 西安电子科技大学出版社 * |
林荔: "肝脏血管骨架的三维重建及实现", 《廊坊师范学院学报 (自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111444925B (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10803554B2 (en) | Image processing method and device | |
CN109598728B (zh) | 图像分割方法、装置、诊断系统及存储介质 | |
CN111179230B (zh) | 遥感影像对比变化检测方法、装置、存储介质及电子设备 | |
CN111192239B (zh) | 遥感影像变化区域检测方法、装置、存储介质及电子设备 | |
WO2014123619A1 (en) | System and method for identifying similarities in different images | |
CN111291825A (zh) | 病灶分类模型训练方法、装置、计算机设备和存储介质 | |
CN112348817B (zh) | 车位识别方法、装置、车载终端和存储介质 | |
CN113724243B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US10699156B2 (en) | Method and a device for image matching | |
JP7379684B2 (ja) | 画像生成方法及び装置並びにコンピュータプログラム | |
Liu et al. | A new robust markerless method for automatic image-to-patient registration in image-guided neurosurgery system | |
US8306354B2 (en) | Image processing apparatus, method, and program | |
JP5430636B2 (ja) | データ取得装置、方法及びプログラム | |
CN107480673B (zh) | 确定医学图像中感兴趣区域的方法、装置及图像编辑系统 | |
JP2019502994A (ja) | 自動核セグメンテーション | |
CN111444925B (zh) | 各向异性影像的连通域识别方法、装置、系统和可读介质 | |
CN112330787B (zh) | 图像标注方法、装置、存储介质和电子设备 | |
CN111383207A (zh) | 一种肌骨超声图像处理方法、系统、装置及可读存储介质 | |
CN111199188B (zh) | 遥感影像差异图的像素处理方法、装置、存储介质及设备 | |
CN111027469B (zh) | 人体部位识别方法、计算机设备和可读存储介质 | |
KR20160140194A (ko) | Pacs 이미지의 개인화 분석 기반 이상 검출 방법 및 그 장치 | |
JP2016053763A (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP2016081472A (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN114331942A (zh) | 多期医学图像的处理方法、系统、计算机存储介质及设备 | |
CN112102295A (zh) | Dr图像配准方法、装置、终端和计算机可读存储介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 3 / F, building 9, smart industry innovation park, 36 Changsheng South Road, Jiaxing Economic and Technological Development Zone, 314000, Zhejiang Province Patentee after: Zhejiang Taimei Medical Technology Co., Ltd Address before: 3 / F, building 9, smart industry innovation park, 36 Changsheng South Road, Jiaxing City, Zhejiang Province, 314001 Patentee before: MOBILEMD SYSTEM (JIAXING) Co.,Ltd. |
|
CP03 | Change of name, title or address |