CN111696047A - 一种医用成像设备的成像质量确定方法及系统 - Google Patents
一种医用成像设备的成像质量确定方法及系统 Download PDFInfo
- Publication number
- CN111696047A CN111696047A CN201910191582.9A CN201910191582A CN111696047A CN 111696047 A CN111696047 A CN 111696047A CN 201910191582 A CN201910191582 A CN 201910191582A CN 111696047 A CN111696047 A CN 111696047A
- Authority
- CN
- China
- Prior art keywords
- contour
- point
- determining
- die body
- image
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 35
- 238000003708 edge detection Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000003702 image correction Methods 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 229920005372 Plexiglas® Polymers 0.000 description 1
- 229910021417 amorphous silicon Inorganic materials 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 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
- G06T5/80—Geometric correction
-
- 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
- G06T7/13—Edge detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种医用成像设备的成像质量确定方法及系统。该成像质量确定方法,包括:获取利用医用成像设备获取的模体图像;利用边缘检测方法确定模体图像中的模体外边缘;利用实物模体对模体外边缘进行校正,得到校正模体图像;将校正模体图像平均划分成15*15个方块区域;在每个方块区域内利用灰度阈值方法识别孔目标;在每个识别出孔目标的方块区域内利用8向链码识别孔目标的边缘,确定每个孔目标的轮廓;将每个孔目标的轮廓与对应的实物模体上孔的轮廓进行对比得到比例因子;根据孔目标的数量和比例因子确定成像质量。本发明能够实现对成像灰度的范围和分辨能力的检查。
Description
技术领域
本发明涉及医学成像领域,特别是涉及一种医用成像设备的成像质量确定方法及系统。
背景技术
在医学领域,医用数字成像技术包括计算机X线摄影(Computed Radiography,CR)和数字化X线摄影(Digital Radiography,DR)。
CR的工作原理:X线曝光使IP影像板产生图像潜影;将IP影像板送入激光扫描器内进行扫描,在扫描器中IP影像板的潜影被激化后转变成可见光,读取后转变成电子信号,传输至计算机将数字图像显示出来。
DR的工作原理:在非晶硅影像板中,X线经荧光屏转变为可见光,再经薄膜场效应晶体管(Thin Film Transistor,TFT)电路按矩阵像素转换成电子信号传输至计算机,通过监视器将图像显示出来。
医用数字成像技术中,图像灰度的分布范围和分辨力决定了图像分辨的效果,为了直观检查成像灰度的范围和分辨能力,需要特定的成像模体,并对图像进行分析。
关于CR/DR数字成像的灰度和分辨力测试,德国QUART公司制作了CDRAD 2.0低对比度-细节模体。图1为CDRAD 2.0低对比度-细节模体图。在一块269mm×269mm×10mm的有机玻璃板上面有225个方块,每个方块中布置了平底的半孔。每一行的孔直径一样,但深度不一样,从左到右深度分别为0.3mm、0.4mm、0.5mm、0.6mm、0.8mm、1.0mm、1.3mm、1.6mm、2.0mm、2.5mm、3.2mm、4.0mm、5.0mm、6.3mm和8.0mm。每一列的孔深度一样,但直径不一样,从下向上,直径分别为0.3mm、0.4mm、0.5mm、0.6mm、0.8mm、1.0mm、1.3mm、1.6mm、2.0mm、2.5mm、3.2mm、4.0mm、5.0mm、6.3mm和8.0mm。第1到第3行每一个小方格里只有一个中心筒状孔,其余12行除了中心有一孔外,还在每一个小方格里的角落处随机设置了一个与中心孔一样大小深浅的孔。体模的厚度、孔的深度和直径的允许误差为±0.03mm。德国QUART公司研制了软件(CDRAD Analyser)用于分析图像低对比度细节,基于技术保密,但是没有公布其自动识别的原理和方法。目前亟需一种检查成像灰度的范围和分辨能力的方法。
发明内容
本发明的目的是提供一种医用成像设备的成像质量确定方法及系统,实现对成像灰度的范围和分辨能力的检查。
一种医用成像设备的成像质量确定方法,包括:
获取利用医用成像设备获取的模体图像;
利用边缘检测方法确定所述模体图像中的模体外边缘;
利用实物模体对所述模体外边缘进行校正,得到校正模体图像;
将所述校正模体图像平均划分成15*15个方块区域;
在每个方块区域内利用灰度阈值方法识别孔目标;
在每个识别出孔目标的方块区域内利用8向链码识别孔目标的边缘,确定每个孔目标的轮廓;
将每个孔目标的轮廓与对应的实物模体上孔的轮廓进行对比得到比例因子;
根据所述孔目标的数量和所述比例因子确定成像质量。
可选的,所述利用边缘检测方法确定所述模体图像中的模体外边缘,具体包括:
利用边缘检测算子确定所述模体图像的轮廓;
在所述轮廓内利用线检测算子确定模体图像中的直线;
从所述直线中选出横向直线中的两个边缘直线和纵向直线中的两个边缘直线,得到四条外边线;
根据四条外边线的位置确定四条外边线构成的四边形的四个顶点,从而得到模体外边缘。
可选的,所述利用实物模体对所述模体外边缘进行校正,得到校正模体图像,具体包括:
确定实物模体的一条横向外边线和一条纵向外边线相对于对应的模体图像中的外边线的长度比例;
确定实物模体的任意一条外边线相对于对应的模体图像中的外边线的旋转角度;
根据所述长度比例和所述旋转角度对所述模体外边缘进行校正。
可选的,所述8向链码的中心像素点的右侧方向为0方向,右上角方向为1方向,上方方向为2方向,左上角方向为3方向,左侧方向为4方向,左下角方向为5方向,下方方向为6方向,右下角方向为7方向;
所述在每个识别出孔目标的方块区域内利用8向链码识别孔目标的边缘,确定每个孔目标的轮廓,具体包括:
将识别出孔目标的模体图像转换成二值图像,将灰度值小于预设灰度值的像素点标记为1,灰度值大于或等于预设灰度值的像素点标记为0;
在每个识别出孔目标的方块区域内,从左上角开始按照从上到下、从左至右的顺序依次扫描每个像素点,直到扫描到第一个标记为1的像素点,得到轮廓起始点;
将所述轮廓起始点确定为中心像素点,将中心像素点的5方向确定为扫描起始方向;
从所述扫描起始方向开始逆时针逐一扫描该中心像素点的8个邻域点,得到扫描结果;
若所述扫描结果表示8个邻域点不存在标记为1的像素点,则确定所述轮廓起始点为孤立点,停止轮廓跟踪;
若所述扫描结果表示8个邻域点中存在标记为1的像素点,则以8个邻域点中扫描到的第一个标记为1的像素点为轮廓点;
判断所述轮廓点是否为轮廓起始点,得到判断结果;
若所述判断结果表示所述轮廓点不是轮廓起始点,则更新所述轮廓点为中心像素点,在当前轮廓点相对上一个中心像素点的方向上逆时针步进5个方向,得到更新后的扫描起始方向,并返回步骤“从所述扫描起始方向开始逆时针逐一扫描该中心像素点的8个邻域点,得到扫描结果”;
若所述判断结果表示所述轮廓点为轮廓起始点,则停止轮廓跟踪,并从所述轮廓起始点开始依次连接各个轮廓点,得到孔目标的轮廓。
本发明还公开一种医用成像设备的成像质量确定系统,包括:
模体图像获取模块,用于获取利用医用成像设备获取的模体图像;
边缘检测模块,用于利用边缘检测方法确定所述模体图像中的模体外边缘;
校正模块,用于利用实物模体对所述模体外边缘进行校正,得到校正模体图像;
区域划分模块,用于将所述校正模体图像平均划分成15*15个方块区域;
目标识别模块,用于在每个方块区域内利用灰度阈值方法识别孔目标;
目标轮廓确定模块,用于在每个识别出孔目标的方块区域内利用8向链码识别孔目标的边缘,确定每个孔目标的轮廓;
对比模块,用于将每个孔目标的轮廓与对应的实物模体上孔的轮廓进行对比得到比例因子;
成像质量确定模块,用于根据所述孔目标的数量和所述比例因子确定成像质量。
可选的,所述边缘检测模块包括:
轮廓确定单元,用于利用边缘检测算子确定所述模体图像的轮廓,
直线检测单元,用于在所述轮廓内利用线检测算子确定模体图像中的直线;
边线筛选单元,用于从所述直线中选出横向直线中的两个边缘直线和纵向直线中的两个边缘直线,得到四条外边线;
顶点确定单元,用于根据四条外边线的位置确定四条外边线构成的四边形的四个顶点,从而得到模体外边缘。
可选的,所述校正模块包括:
长度比例确定单元,用于确定实物模体的一条横向外边线和一条纵向外边线相对于对应的模体图像中的外边线的长度比例;
旋转角度确定单元,用于确定实物模体的任意一条外边线相对于对应的模体图像中的外边线的旋转角度;
校正单元,用于根据所述长度比例和所述旋转角度对所述模体外边缘进行校正。
可选的,所述8向链码的中心像素点的右侧方向为0方向,右上角方向为1方向,上方方向为2方向,左上角方向为3方向,左侧方向为4方向,左下角方向为5方向,下方方向为6方向,右下角方向为7方向;
所述目标轮廓确定模块包括:
二值转换单元,用于将识别出孔目标的模体图像转换成二值图像,将灰度值小于预设灰度值的像素点标记为1,灰度值大于或等于预设灰度值的像素点标记为0;
首个像素点扫描单元,用于在每个识别出孔目标的方块区域内,从左上角开始按照从上到下、从左至右的顺序依次扫描每个像素点,直到扫描到第一个标记为1的像素点,得到轮廓起始点;
8向链码初始化单元,用于将所述轮廓起始点确定为中心像素点,将中心像素点的5方向确定为扫描起始方向;
邻域点扫描单元,用于从所述扫描起始方向开始逆时针逐一扫描该中心像素点的8个邻域点,得到扫描结果;
孤立点确定单元,用于若所述扫描结果表示8个邻域点不存在标记为1的像素点,则确定所述轮廓起始点为孤立点,停止轮廓跟踪;
轮廓点确定单元,用于若所述扫描结果表示8个邻域点中存在标记为1的像素点,则以8个邻域点中扫描到的第一个标记为1的像素点为轮廓点;
判断单元,用于判断所述轮廓点是否为轮廓起始点,得到判断结果;
8向链码更新单元,用于若所述判断结果表示所述轮廓点不是轮廓起始点,则更新所述轮廓点为中心像素点,在当前轮廓点相对上一个中心像素点的方向上逆时针步进5个方向,得到更新后的扫描起始方向,并返回所述邻域点扫描单元;
轮廓确定单元,用于若所述判断结果表示所述轮廓点为轮廓起始点,则停止轮廓跟踪,并从所述轮廓起始点开始依次连接各个轮廓点,得到孔目标的轮廓。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明所公开的医用成像设备的成像质量确定方法及系统,能够实现对成像质量的检查,通过将成像模体中的孔轮廓与实物模体中的孔进行对比,成像模体中的孔轮廓越接近与实物模体中的孔的轮廓,即比例因子越接近于1,则表示成像质量越高,成像灰度的范围和分辨能力越好,因此本发明能够实现对成像灰度的范围和分辨能力的检查。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为CDRAD 2.0低对比度-细节模体图;
图2本发明实施例1的医用成像设备的成像质量确定方法的方法流程图;
图3为本发明实施例1的医用成像设备的成像质量确定方法中校正前后的图像对比图;
图4为本发明实施例1的医用成像设备的成像质量确定方法中区域划分后的模体图像;
图5为本发明识别出的某个孔目标的图像;
图6为本发明所采用的8向链码的示意图;
图7位本发明提取出的孔目标的轮廓图;
图8为本发明实施例2医用成像设备的成像质量确定系统的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
图2本发明实施例1的医用成像设备的成像质量确定方法的方法流程图。
参见图2,该医用成像设备的成像质量确定方法,包括:
步骤101:获取利用医用成像设备获取的模体图像;该模体采用图1所示的CDRAD2.0低对比度-细节模体。
步骤102:利用边缘检测方法确定所述模体图像中的模体外边缘;
该步骤102具体包括:
a、利用边缘检测算子确定所述模体图像的轮廓。
边缘检测算子采用Sobel算子。Sobel算子为:
其中x方向为模体图像的横向方向,y方向为模体图像的纵向方向。
在x,y方向的图像灰度变换为
其中A表示模体图像,Gx及Gy分别代表经横向及纵向边缘检测的模体图像。
则变换后的模体图像为:
G=|Gx|+|Gy|
b、在所述轮廓内利用线检测算子确定模体图像中的直线;具体为:
在变换后的模体图像G中,采用线检测算子:
则初始线图为:R0=L*G
其中R0为检测出直线后的模体图像。
设定直线检测灰度阈值,则可标记出模体图像中的直线:
其中1表示属于直线的像素点,0表示不属于直线的像素点,L0为直线检测灰度阈值,R表示标记出直线的模体图像。
这样,检测出225个方块的边线,即16条横线和16条竖线。
c、从所述直线中选出横向直线中的两个边缘直线和纵向直线中的两个边缘直线,得到四条外边线;
d、根据四条外边线的位置确定四条外边线构成的四边形的四个顶点,从而得到模体外边缘。
步骤103:利用实物模体对所述模体外边缘进行校正,得到校正模体图像。实物模体为图1中的CDRAD 2.0低对比度-细节模体。
该步骤103具体包括:
确定实物模体的一条横向外边线和一条纵向外边线相对于对应的模体图像中的外边线的长度比例。
确定实物模体的任意一条外边线相对于对应的模体图像中的外边线的旋转角度。
根据所述长度比例和所述旋转角度对所述模体外边缘进行校正。
下面为本发明步骤步骤103的一个具体实施方式。
本发明通过计算图形在x、y方向的几何修正因子S(Sx,Sy,Sθ)对图像进行校正,其中Sx为实物与图像在水平方向的比例因子;Sy为实物与图像在竖直方向的比例因子;Sθ分量为实物相对图像在围绕中心旋转的角度。通过几何修正因子S可以对图像的奇变进行校正。这样可以实现实物C到图像A的转换,从而实现图像的自动几何定标定位。
图3为本发明实施例1的医用成像设备的成像质量确定方法中校正前后的图像对比图。其中(a)为实物模体,(b)为校正前的模体图像,(c)为矫正后的模体图像。
参见图3,实物模体的4个顶点abcd与模体图像的4个顶点efgh分别对应,则:
Sx=ef/ab
Sy=fg/bc
Sθ=θef/ab
步骤104:将所述校正模体图像平均划分成15*15个方块区域。
图4为本发明实施例1的医用成像设备的成像质量确定方法中区域划分后的模体图像。
通过步骤103中图像的自动几何定标,基本锁定图像A的范围。在此范围内,将区域均分为15×15的225个方块区域,实现图像的自动几何分区A(i,j),其中i为方块区域所在行数,i=1,2,…,15;j为方块区域所在列数,j=1,2,…,15;A(i,j)表示第i行第j列的方块区域。
步骤105:在每个方块区域内利用灰度阈值方法识别孔目标。
在225个方块区域中,分别从每个方块区域的中心开始,依次向四周寻找,直至到达方块区域的边界。通过灰度的阈值进行判断,如果某个像素点的灰度值与背景有差异,则视为能识别,确定为孔目标像素。
图5为本发明识别出的某个孔目标的图像。
步骤106:在每个识别出孔目标的方块区域内利用8向链码识别孔目标的边缘,确定每个孔目标的轮廓。
图6为本发明所采用的8向链码的示意图。
参见图6,所述8向链码的中心像素点的右侧方向为0方向,右上角方向为1方向,上方方向为2方向,左上角方向为3方向,左侧方向为4方向,左下角方向为5方向,下方方向为6方向,右下角方向为7方向。
该步骤107具体包括:
将识别出孔目标的模体图像转换成二值图像,将灰度值小于预设灰度值的像素点标记为1,灰度值大于或等于预设灰度值的像素点标记为0。假设图像A(i,j)中的灰度矩阵为f0(l,m),选取阈值L1,像素灰度小于L1的值取1,其余取0,按式计算,这样将灰度图像转变成二值化图像矩阵fe(l,m),其中值为1的区域为目标区域。
在每个识别出孔目标的方块区域内,从左上角开始按照从上到下、从左至右的顺序依次扫描每个像素点,直到扫描到第一个标记为1的像素点,得到轮廓起始点;
将所述轮廓起始点确定为中心像素点,将中心像素点的5方向确定为扫描起始方向;
从所述扫描起始方向开始逆时针逐一扫描该中心像素点的8个邻域点,得到扫描结果;
若所述扫描结果表示8个邻域点不存在标记为1的像素点,则确定所述轮廓起始点为孤立点,停止轮廓跟踪;
若所述扫描结果表示8个邻域点中存在标记为1的像素点,则以8个邻域点中扫描到的第一个标记为1的像素点为轮廓点;
判断所述轮廓点是否为轮廓起始点,得到判断结果;
若所述判断结果表示所述轮廓点不是轮廓起始点,则更新所述轮廓点为中心像素点,在当前轮廓点相对上一个中心像素点的方向上逆时针步进5个方向,得到更新后的扫描起始方向,并返回步骤“从所述扫描起始方向开始逆时针逐一扫描该中心像素点的8个邻域点,得到扫描结果”;
若所述判断结果表示所述轮廓点为轮廓起始点,则停止轮廓跟踪,并从所述轮廓起始点开始依次连接各个轮廓点,得到孔目标的轮廓。
在上面的过程中,初始方向为5,是因为方向4已经扫描过了。在后面的步骤中逆时针步进5个方向,是为了避免重复扫描,同时避免扫描时遗漏像素点。
图7位本发明提取出的孔目标的轮廓图。
该8向链码算法能提取任意区域的外轮廓线。对于内部有空洞的内轮廓线,只要先做标记,找到内轮廓线上的最高点,运用该8向链码算法即可提取出内轮廓线。
步骤107:将每个孔目标的轮廓与对应的实物模体上孔的轮廓进行对比得到比例因子。
比例因子的计算公式为:Fi,j=Ci,j/Ai,j。
其中,Fi,j为比例因子,i为孔目标所在的行数,j为孔目标所在的列数,Ci,j孔目标所对应的实物模体上孔的轮廓,Ai,j为孔目标的轮廓。
步骤108:根据所述孔目标的数量和所述比例因子确定成像质量。
实施例2:
图8为本发明实施例2医用成像设备的成像质量确定系统的系统结构图。
参见图8,该医用成像设备的成像质量确定系统,包括:
模体图像获取模块201,用于获取利用医用成像设备获取的模体图像;
边缘检测模块202,用于利用边缘检测方法确定所述模体图像中的模体外边缘;
校正模块203,用于利用实物模体对所述模体外边缘进行校正,得到校正模体图像;
区域划分模块204,用于将所述校正模体图像平均划分成15*15个方块区域;
目标识别模块205,用于在每个方块区域内利用灰度阈值方法识别孔目标;
目标轮廓确定模块206,用于在每个识别出孔目标的方块区域内利用8向链码识别孔目标的边缘,确定每个孔目标的轮廓;
对比模块207,用于将每个孔目标的轮廓与对应的实物模体上孔的轮廓进行对比得到比例因子;
成像质量确定模块208,用于根据所述孔目标的数量和所述比例因子确定成像质量。
可选的,所述边缘检测模块202包括:
轮廓确定单元,用于利用边缘检测算子确定所述模体图像的轮廓,
直线检测单元,用于在所述轮廓内利用线检测算子确定模体图像中的直线;
边线筛选单元,用于从所述直线中选出横向直线中的两个边缘直线和纵向直线中的两个边缘直线,得到四条外边线;
顶点确定单元,用于根据四条外边线的位置确定四条外边线构成的四边形的四个顶点,从而得到模体外边缘。
可选的,所述校正模块包括:
长度比例确定单元,用于确定实物模体的一条横向外边线和一条纵向外边线相对于对应的模体图像中的外边线的长度比例;
旋转角度确定单元,用于确定实物模体的任意一条外边线相对于对应的模体图像中的外边线的旋转角度;
校正单元,用于根据所述长度比例和所述旋转角度对所述模体外边缘进行校正。
可选的,所述8向链码的中心像素点的右侧方向为0方向,右上角方向为1方向,上方方向为2方向,左上角方向为3方向,左侧方向为4方向,左下角方向为5方向,下方方向为6方向,右下角方向为7方向;
所述目标轮廓确定模块206包括:
二值转换单元,用于将识别出孔目标的模体图像转换成二值图像,将灰度值小于预设灰度值的像素点标记为1,灰度值大于或等于预设灰度值的像素点标记为0;
首个像素点扫描单元,用于在每个识别出孔目标的方块区域内,从左上角开始按照从上到下、从左至右的顺序依次扫描每个像素点,直到扫描到第一个标记为1的像素点,得到轮廓起始点;
8向链码初始化单元,用于将所述轮廓起始点确定为中心像素点,将中心像素点的5方向确定为扫描起始方向;
邻域点扫描单元,用于从所述扫描起始方向开始逆时针逐一扫描该中心像素点的8个邻域点,得到扫描结果;
孤立点确定单元,用于若所述扫描结果表示8个邻域点不存在标记为1的像素点,则确定所述轮廓起始点为孤立点,停止轮廓跟踪;
轮廓点确定单元,用于若所述扫描结果表示8个邻域点中存在标记为1的像素点,则以8个邻域点中扫描到的第一个标记为1的像素点为轮廓点;
判断单元,用于判断所述轮廓点是否为轮廓起始点,得到判断结果;
8向链码更新单元,用于若所述判断结果表示所述轮廓点不是轮廓起始点,则更新所述轮廓点为中心像素点,在当前轮廓点相对上一个中心像素点的方向上逆时针步进5个方向,得到更新后的扫描起始方向,并返回所述邻域点扫描单元;
轮廓确定单元,用于若所述判断结果表示所述轮廓点为轮廓起始点,则停止轮廓跟踪,并从所述轮廓起始点开始依次连接各个轮廓点,得到孔目标的轮廓。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明所公开的医用成像设备的成像质量确定方法及系统,能够实现对成像质量的检查,通过将成像模体中的孔轮廓与实物模体中的孔进行对比,成像模体中的孔轮廓越接近与实物模体中的孔的轮廓,即比例因子越接近于1,则表示成像质量越高,成像灰度的范围和分辨能力越好,因此本发明能够实现对成像灰度的范围和分辨能力的检查。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种医用成像设备的成像质量确定方法,其特征在于,包括:
获取利用医用成像设备获取的模体图像;
利用边缘检测方法确定所述模体图像中的模体外边缘;
利用实物模体对所述模体外边缘进行校正,得到校正模体图像;
将所述校正模体图像平均划分成15*15个方块区域;
在每个方块区域内利用灰度阈值方法识别孔目标;
在每个识别出孔目标的方块区域内利用8向链码识别孔目标的边缘,确定每个孔目标的轮廓;
将每个孔目标的轮廓与对应的实物模体上孔的轮廓进行对比得到比例因子;
根据所述孔目标的数量和所述比例因子确定成像质量。
2.根据权利要求1所述的医用成像设备的成像质量确定方法,其特征在于,所述利用边缘检测方法确定所述模体图像中的模体外边缘,具体包括:
利用边缘检测算子确定所述模体图像的轮廓;
在所述轮廓内利用线检测算子确定模体图像中的直线;
从所述直线中选出横向直线中的两个边缘直线和纵向直线中的两个边缘直线,得到四条外边线;
根据四条外边线的位置确定四条外边线构成的四边形的四个顶点,从而得到模体外边缘。
3.根据权利要求2所述的医用成像设备的成像质量确定方法,其特征在于,所述利用实物模体对所述模体外边缘进行校正,得到校正模体图像,具体包括:
确定实物模体的一条横向外边线和一条纵向外边线相对于对应的模体图像中的外边线的长度比例;
确定实物模体的任意一条外边线相对于对应的模体图像中的外边线的旋转角度;
根据所述长度比例和所述旋转角度对所述模体外边缘进行校正。
4.根据权利要求1所述的医用成像设备的成像质量确定方法,其特征在于,所述8向链码的中心像素点的右侧方向为0方向,右上角方向为1方向,上方方向为2方向,左上角方向为3方向,左侧方向为4方向,左下角方向为5方向,下方方向为6方向,右下角方向为7方向;
所述在每个识别出孔目标的方块区域内利用8向链码识别孔目标的边缘,确定每个孔目标的轮廓,具体包括:
将识别出孔目标的模体图像转换成二值图像,将灰度值小于预设灰度值的像素点标记为1,灰度值大于或等于预设灰度值的像素点标记为0;
在每个识别出孔目标的方块区域内,从左上角开始按照从上到下、从左至右的顺序依次扫描每个像素点,直到扫描到第一个标记为1的像素点,得到轮廓起始点;
将所述轮廓起始点确定为中心像素点,将中心像素点的5方向确定为扫描起始方向;
从所述扫描起始方向开始逆时针逐一扫描该中心像素点的8个邻域点,得到扫描结果;
若所述扫描结果表示8个邻域点不存在标记为1的像素点,则确定所述轮廓起始点为孤立点,停止轮廓跟踪;
若所述扫描结果表示8个邻域点中存在标记为1的像素点,则以8个邻域点中扫描到的第一个标记为1的像素点为轮廓点;
判断所述轮廓点是否为轮廓起始点,得到判断结果;
若所述判断结果表示所述轮廓点不是轮廓起始点,则更新所述轮廓点为中心像素点,在当前轮廓点相对上一个中心像素点的方向上逆时针步进5个方向,得到更新后的扫描起始方向,并返回步骤“从所述扫描起始方向开始逆时针逐一扫描该中心像素点的8个邻域点,得到扫描结果”;
若所述判断结果表示所述轮廓点为轮廓起始点,则停止轮廓跟踪,并从所述轮廓起始点开始依次连接各个轮廓点,得到孔目标的轮廓。
5.一种医用成像设备的成像质量确定系统,其特征在于,包括:
模体图像获取模块,用于获取利用医用成像设备获取的模体图像;
边缘检测模块,用于利用边缘检测方法确定所述模体图像中的模体外边缘;
校正模块,用于利用实物模体对所述模体外边缘进行校正,得到校正模体图像;
区域划分模块,用于将所述校正模体图像平均划分成15*15个方块区域;
目标识别模块,用于在每个方块区域内利用灰度阈值方法识别孔目标;
目标轮廓确定模块,用于在每个识别出孔目标的方块区域内利用8向链码识别孔目标的边缘,确定每个孔目标的轮廓;
对比模块,用于将每个孔目标的轮廓与对应的实物模体上孔的轮廓进行对比得到比例因子;
成像质量确定模块,用于根据所述孔目标的数量和所述比例因子确定成像质量。
6.根据权利要求5所述的医用成像设备的成像质量确定系统,其特征在于,所述边缘检测模块包括:
轮廓确定单元,用于利用边缘检测算子确定所述模体图像的轮廓;
直线检测单元,用于在所述轮廓内利用线检测算子确定模体图像中的直线;
边线筛选单元,用于从所述直线中选出横向直线中的两个边缘直线和纵向直线中的两个边缘直线,得到四条外边线;
顶点确定单元,用于根据四条外边线的位置确定四条外边线构成的四边形的四个顶点,从而得到模体外边缘。
7.根据权利要求6所述的医用成像设备的成像质量确定系统,其特征在于,所述校正模块包括:
长度比例确定单元,用于确定实物模体的一条横向外边线和一条纵向外边线相对于对应的模体图像中的外边线的长度比例;
旋转角度确定单元,用于确定实物模体的任意一条外边线相对于对应的模体图像中的外边线的旋转角度;
校正单元,用于根据所述长度比例和所述旋转角度对所述模体外边缘进行校正。
8.根据权利要求5所述的医用成像设备的成像质量确定系统,其特征在于,所述8向链码的中心像素点的右侧方向为0方向,右上角方向为1方向,上方方向为2方向,左上角方向为3方向,左侧方向为4方向,左下角方向为5方向,下方方向为6方向,右下角方向为7方向;
所述目标轮廓确定模块包括:
二值转换单元,用于将识别出孔目标的模体图像转换成二值图像,将灰度值小于预设灰度值的像素点标记为1,灰度值大于或等于预设灰度值的像素点标记为0;
首个像素点扫描单元,用于在每个识别出孔目标的方块区域内,从左上角开始按照从上到下、从左至右的顺序依次扫描每个像素点,直到扫描到第一个标记为1的像素点,得到轮廓起始点;
8向链码初始化单元,用于将所述轮廓起始点确定为中心像素点,将中心像素点的5方向确定为扫描起始方向;
邻域点扫描单元,用于从所述扫描起始方向开始逆时针逐一扫描该中心像素点的8个邻域点,得到扫描结果;
孤立点确定单元,用于若所述扫描结果表示8个邻域点不存在标记为1的像素点,则确定所述轮廓起始点为孤立点,停止轮廓跟踪;
轮廓点确定单元,用于若所述扫描结果表示8个邻域点中存在标记为1的像素点,则以8个邻域点中扫描到的第一个标记为1的像素点为轮廓点;
判断单元,用于判断所述轮廓点是否为轮廓起始点,得到判断结果;
8向链码更新单元,用于若所述判断结果表示所述轮廓点不是轮廓起始点,则更新所述轮廓点为中心像素点,在当前轮廓点相对上一个中心像素点的方向上逆时针步进5个方向,得到更新后的扫描起始方向,并返回所述邻域点扫描单元;
轮廓确定单元,用于若所述判断结果表示所述轮廓点为轮廓起始点,则停止轮廓跟踪,并从所述轮廓起始点开始依次连接各个轮廓点,得到孔目标的轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910191582.9A CN111696047B (zh) | 2019-03-14 | 2019-03-14 | 一种医用成像设备的成像质量确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910191582.9A CN111696047B (zh) | 2019-03-14 | 2019-03-14 | 一种医用成像设备的成像质量确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111696047A true CN111696047A (zh) | 2020-09-22 |
CN111696047B CN111696047B (zh) | 2023-08-22 |
Family
ID=72475092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910191582.9A Active CN111696047B (zh) | 2019-03-14 | 2019-03-14 | 一种医用成像设备的成像质量确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111696047B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004008961A (ja) * | 2002-06-07 | 2004-01-15 | Mitsubishi Heavy Ind Ltd | 農産物の品質判定装置及び農産物の品質判定方法 |
CN102663393A (zh) * | 2012-03-02 | 2012-09-12 | 哈尔滨工程大学 | 基于旋转校正的手指静脉图像感兴趣区域提取方法 |
US20120243012A1 (en) * | 2011-03-24 | 2012-09-27 | Seiko Epson Corporation | Image processing apparatus, printing apparatus, image processing method, and image processing program |
CN103020609A (zh) * | 2012-12-30 | 2013-04-03 | 上海师范大学 | 复杂纤维图像的识别方法 |
CN103996029A (zh) * | 2014-05-23 | 2014-08-20 | 安庆师范学院 | 表情相似度度量方法及装置 |
US20150163376A1 (en) * | 2013-12-06 | 2015-06-11 | Fujitsu Limited | Apparatus for and method of processing document image |
CN104778674A (zh) * | 2015-04-30 | 2015-07-15 | 武汉大学 | 一种基于时间序列的顺逆光交通图像自适应增强方法 |
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 |
CN105379264A (zh) * | 2013-07-02 | 2016-03-02 | 盖伊·马丁 | 用于成像设备建模与校准的系统和方法 |
WO2017052431A1 (en) * | 2015-09-23 | 2017-03-30 | Prismatic Sensors Ab | Determining the orientation of an edge-on x-ray detector with respect to the direction of incoming x-rays |
CN106714681A (zh) * | 2014-07-23 | 2017-05-24 | 凯内蒂科尔股份有限公司 | 用于在医学成像扫描期间追踪和补偿患者运动的系统、设备和方法 |
CN107544041A (zh) * | 2016-06-29 | 2018-01-05 | 上海联影医疗科技有限公司 | 磁共振成像测试模体组件 |
-
2019
- 2019-03-14 CN CN201910191582.9A patent/CN111696047B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004008961A (ja) * | 2002-06-07 | 2004-01-15 | Mitsubishi Heavy Ind Ltd | 農産物の品質判定装置及び農産物の品質判定方法 |
US20120243012A1 (en) * | 2011-03-24 | 2012-09-27 | Seiko Epson Corporation | Image processing apparatus, printing apparatus, image processing method, and image processing program |
CN102663393A (zh) * | 2012-03-02 | 2012-09-12 | 哈尔滨工程大学 | 基于旋转校正的手指静脉图像感兴趣区域提取方法 |
CN103020609A (zh) * | 2012-12-30 | 2013-04-03 | 上海师范大学 | 复杂纤维图像的识别方法 |
CN105379264A (zh) * | 2013-07-02 | 2016-03-02 | 盖伊·马丁 | 用于成像设备建模与校准的系统和方法 |
US20150163376A1 (en) * | 2013-12-06 | 2015-06-11 | Fujitsu Limited | Apparatus for and method of processing document image |
CN103996029A (zh) * | 2014-05-23 | 2014-08-20 | 安庆师范学院 | 表情相似度度量方法及装置 |
CN106714681A (zh) * | 2014-07-23 | 2017-05-24 | 凯内蒂科尔股份有限公司 | 用于在医学成像扫描期间追踪和补偿患者运动的系统、设备和方法 |
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 |
CN104778674A (zh) * | 2015-04-30 | 2015-07-15 | 武汉大学 | 一种基于时间序列的顺逆光交通图像自适应增强方法 |
WO2017052431A1 (en) * | 2015-09-23 | 2017-03-30 | Prismatic Sensors Ab | Determining the orientation of an edge-on x-ray detector with respect to the direction of incoming x-rays |
CN107544041A (zh) * | 2016-06-29 | 2018-01-05 | 上海联影医疗科技有限公司 | 磁共振成像测试模体组件 |
Non-Patent Citations (3)
Title |
---|
ISMAEL DARIBO: "Arbitrarily Shaped Motion Prediction for Depth Video Compression Using Arithmetic Edge Coding" * |
张从华: "医用诊断 X 射线数字图像评价模体与轮廓提取研究" * |
董爱萍: "小尺度图像旋转失真分析与矫正方法研究" * |
Also Published As
Publication number | Publication date |
---|---|
CN111696047B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106994023B (zh) | 锥形束计算机断层成像系统的几何参数确定方法 | |
CN106667512B (zh) | X射线成像设备的几何校正方法、乳腺断层成像设备 | |
CN107665497B (zh) | 一种医学图像中计算心胸比的方法 | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN110033407B (zh) | 一种盾构隧道表面图像标定方法、拼接方法及拼接系统 | |
CN108245788B (zh) | 一种双目测距装置及方法、包括该装置的加速器放疗系统 | |
US10102631B2 (en) | Edge detection bias correction value calculation method, edge detection bias correction method, and edge detection bias correcting program | |
JP3993240B2 (ja) | 三次元対象物中に含まれる関心要素の、特に乳房撮影法における定位検査中の位置決定法 | |
CN111105466B (zh) | 一种ct系统中相机的标定方法 | |
CN112258593A (zh) | 单目相机下ct或pet-ct智能定位扫描方法 | |
CN116421205A (zh) | 一种锥束ct系统校正方法 | |
CN112509060B (zh) | 基于图像深度学习的ct二次扫描定位方法、系统 | |
CN113160223A (zh) | 轮廓的确定方法、确定装置、检测设备及存储介质 | |
CN111696047B (zh) | 一种医用成像设备的成像质量确定方法及系统 | |
CN108364325B (zh) | 规则样品x射线ct投影图位置平移偏差检测及校正方法 | |
CN115767049A (zh) | 一种基于图像追踪的几何校正方法及系统 | |
CN113436214B (zh) | 布氏硬度压痕圆测量方法、系统及计算机可读存储介质 | |
CN115496657A (zh) | 低分辨率成像的病理切片数字化方法及系统 | |
CN112603346B (zh) | 一种基于标记物成像的探测器偏转校正方法 | |
CN113706630A (zh) | 基于一组水平平行线标定相机俯仰角的方法 | |
US8311365B2 (en) | Analysis method for regional image | |
Danyu et al. | A simple calibration method for line-structured light vision sensor based on planar target of different positions | |
CN109084721B (zh) | 用于确定半导体器件中的目标结构的形貌参数的方法和设备 | |
CN111507977A (zh) | 一种图像中钡剂信息提取方法 | |
CN109754365B (zh) | 一种图像处理方法及装置 |
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 |