CN111815538B - 基于数字图像处理技术的肝硬化超声图像肝包膜提取方法 - Google Patents

Abstract

本发明提供了一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，用于对肝脏浅表切面图像进行处理，其包括以下步骤：利用滑动窗口算法对超声图像的上部进行遍历，以识别所述超声图像中是否有肝腹水区域；对超声图像依次进行高斯模糊处理、二值化处理、形态学闭运算处理以得到二值超声图像。随后基于遍历算法对处理后的二值超声图像进行搜索，寻找肝包膜对应的像素点集以构成肝包膜的预测膜；将预测膜融合到原始的超声图像中，采用灰度差分算法从预测膜中剔除伪膜的像素点，以得到肝包膜的真实膜。本发明可以同时得到肝包膜的预测膜和真实膜，为后续的形态特征分析提供了保障。

Description

基于数字图像处理技术的肝硬化超声图像肝包膜提取方法

技术领域

本发明涉及医疗影像领域，具体地，涉及一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法。

背景技术

肝硬化作为当下一种常见的慢性进行性治病，对人体具有较为严重的危害，随着其病变程度的发展，可逐渐导致门脉高压和终末期肝病，甚至于导致最终死亡，因此，对于早期的肝硬化辅助诊断与治疗在临床上则显得十分的重要。

目前，利用超声图像对肝硬化进行早期诊断主要可以分为两个方面，一个是基于肝包膜的形态特征进行分析，另一个是基于肝实质纹理特征进行分析。其中，在利用肝包膜形态特征进行分析时，如何快速、准确地提取到肝包膜线则显得十分重要。传统的肝包膜提取方法主要依靠医护工作者手工标记的方式进行，其效率较低，且较为依赖经验，因此，不能满足于当下临床辅助诊断的需求。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，通过采用数字图像处理技术，实现肝包膜的自动提取。

本发明提供的技术方案是：

一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，用于对肝脏浅表切面图像进行处理，其特征在于包括以下步骤：

(S1)利用滑动窗口算法对超声图像的上部进行遍历，以识别所述超声图像中是否有肝腹水区域；

(S2)利用高斯模糊算法对超声图像进行处理，以降低图像噪声以及细节层次；

(S3)对高斯模糊处理后的超声图像使用多尺度细节增强与模糊集合变换方法进行先局部后整体的图像增强；

(S4)对图像增强后的超声图像进行二值化处理，并运用孤岛移除算法去除二值图像中的孤立噪声点，得到二值超声图像；

(S5)利用形态学闭运算对二值超声图像进行处理；处理后二值超声图中下方为肝脏图像区域，上方为单色的独立连通区域；

(S6)基于遍历算法对处理后的二值超声图像进行搜索，寻找肝包膜对应的像素点集以构成肝包膜的预测膜；将预测膜融合到原始的超声图像中，采用灰度差分算法从预测膜中剔除伪膜的像素点，以得到肝包膜的真实膜。

本发明的进一步改进在于，步骤(S1)中具体包括以下步骤：

(S11)采用采用一个L×L的方形窗口并以步长L在超声图像上半部分自左向右、自上向下滑动，从而遍历超声图像的上半部分；遍历过程中，求取每个窗口的平均灰度，并将平均灰度与窗口阈值进行比较，若平均灰度小于所述窗口阈值，则判断该窗口中存在肝腹水特征；

(S12)统计含有肝腹水特征窗口的数量S_f，将其除以超声图像上半部分中的窗口数量S_a，得到肝腹水特征系数；当肝腹水特征系数大于固定阈值P时，判断超声图像中包括肝腹水区域。

本发明的进一步改进在于，步骤(S3)包括以下步骤：

(S31)利用三个不同尺度的高斯核函数分别与高斯模糊处理后的超声图像I进行卷积运算，得到三个高斯模糊图像B₁,B₂,B₃，其表达式为：

B₁＝G₁*I,B₂＝G₂*I,B₃＝G₃-I

其中，G₁,G₂,G₃分别为标准差为1,2,4的高斯核；

(S32)将超声图像I分别与三个高斯模糊图像B₁,B₂,B₃相减，得到三个细节图像D₁,D₂,D₃，其表达式为：

D₁＝I-B₁,D₂＝B₁-B₂,D₃＝B₂-B₃

(S33)设置不同权重将各细节图像整合成最终的细节图像D'，其表示为：

D′＝(1-ω₁×sgn(D₁))×D₁+ω₂×D₂+ω₃×D₃

其中，ω₁，ω₂，ω₃分别为权重；

(S33)采用模糊集合灰度变换算法对细节增强后的图像进行整体增强。

本发明的进一步改进在于，超声图像中包括肝腹水区域时，步骤(S6)中，寻找与肝包膜对应的像素点包括以下步骤：

(S601)在所述二值超声图像的顶部选取多数量的起点；

(S602)从各起点向下搜索，寻找与二值超声图像顶部的单色的独立连通区域颜色相反的首个像素点，并将该像素点作为与肝包膜对应的像素点。

本发明的进一步改进在于，超声图像中包括肝腹水区域时，步骤(S6)中，寻找与肝包膜对应的像素点包括以下步骤：

(S611)在所述二值超声图像的顶部选取多数量的起点；

(S612)从各起点向下搜索，以寻找与肝包膜对应的像素点；

从某个起点向下搜索的过程中，寻找第一个与二值超声图像顶部的单色的独立连通区域颜色相反的像素点，并继续向下搜索，直到找到与超声图像顶部的单色的独立连通区域颜色相同的像素点，并将该像素点作为与肝包膜对应的像素点，若没有找到该像素点，则跳过该起点。

本发明的进一步改进在于，在所述二值超声图像的顶部选取起点的过程中，将所述二值超声图像的顶部边缘的各个像素点作为起点。

本发明的进一步改进在于，步骤(S6)中，获取肝包膜的真实膜包括以下步骤：

(S621)将预测膜的各像素点融合到原始的超声图像中；

(S622)在融合后的图像中，遍历预测膜的各像素点；对预测膜的某个像素点进行遍历过程中，计算该像素点在竖直方向相邻的若干个像素点的平均值；若平均值小于伪膜阈值，则该预测膜的像素点为真实膜的像素点，否则将该预测膜的像素点不是真实膜的像素点。

与现有技术相比，本发明具有如下的有益效果：

1)通过图像处理算法可以实现肝包膜的自动提取，提高了工作效率；

2)通过本发明可以实现初始肝包膜预测膜以及最终真实肝包膜的同时提取，为后续的形态特征分析提供了保障。预测膜中包含了肝包膜的趋势信息，而预测膜中包含了肝包膜的波动情况，具有丰富的细节；预测膜与真实膜相结合，可以为下游的肝病自动判断提供了丰富的特征。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为基于数字图像处理技术的肝硬化超声图像肝包膜提取方法的流程图；

图2为滑动窗口检测原理示意图；

图3为无腹水图像肝包膜遍历搜索算法原理示意图；

图4为有腹水图像肝包膜遍历搜索算法原理示意图；

图5为真实膜提取过程的示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对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，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明的实施例包括一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，该方法用于对肝脏浅表切面图像进行处理，肝脏浅表切面图像是在患者特定位置获取的超声波图像。肝脏浅表切面图像如图3所示，该图包括了肝脏上缘的肝包膜，图像的下半部分为肝实质，上半部分为其他器官。

如图1所示，图1为基于数字图像处理技术的肝硬化超声图像肝包膜提取方法的流程图，该方法包括以下步骤：

(S1)利用滑动窗口算法对超声图像的上部进行遍历，以识别所述超声图像中是否有肝腹水区域。本步骤具体包括：

(S11)采用采用一个L×L的方形窗口并以步长L在超声图像上半部分自左向右、自上向下滑动，从而遍历超声图像的上半部分；遍历过程中，求取每个窗口的平均灰度，并将平均灰度与窗口阈值进行比较，若平均灰度小于所述窗口阈值，则判断该窗口中存在肝腹水特征；滑动窗口检测原理如图2所示。

具体的，如果超声图像大小为M×N，则滑动窗口遍历区域(超声图像的上半部分)大小为M×N/2,从而可知窗口按步长L遍历一行或者一列时，分别可以得到如公式1所示的窗口数量，遍历整个超声图像上半部分时可以得到公式2所示的总体窗口数量。

S_r＝M/L；

S_c＝(N/2)/L (1)

S_a＝S_r×S_c (2)

式中S_r,S_c,S_a分别表示超声图像中一行、一列和整个上半部分的滑动窗口数量。判断各窗口中存在肝腹水特征时，采用的窗口阈值为60。

(S12)统计含有肝腹水特征窗口的数量S_f，将其除以超声图像上半部分中的窗口数量S_a，得到肝腹水特征系数；当肝腹水特征系数大于固定阈值P时，判断超声图像中包括肝腹水区域。是否包括肝腹水区域的判别规则如表1所示。

表1超声图像中是否有腹水区域的鉴别标准

(S2)利用高斯模糊算法对超声图像进行处理，以降低图像噪声以及细节层次。

本步骤中利用高斯模糊滤波器对超声图像进行处理，其定义如公式(3)所示。

式中r是模糊半径，σ是正态分布的标准偏差。在二维空间中，分布不为零的像素组成的卷积矩阵与原始图像做变换，每个像素的值都是周围相邻像素值的加权平均。原始像素的值有最大的高斯分布值，所以有最大的权重，相邻像素随着距离原始像素越来越远，其权重也越来越小，从而在保留边缘效果的基础上，实现了超声图像的去噪。

(S3)对高斯模糊处理后的超声图像使用多尺度细节增强与模糊集合变换方法进行先局部后整体的图像增强。本步骤具体包括：

(S31)利用三个不同尺度的高斯核函数分别与高斯模糊处理后的超声图像I进行卷积运算，得到三个高斯模糊图像B₁,B₂,B₃，其表达式为：

B₁＝G₁*I,B₂＝G₂*I,B₃＝G₃-I (4)

其中，G₁,G₂,G₃分别为标准差为1,2,4的高斯核；

(S32)将超声图像I分别与三个高斯模糊图像B₁,B₂,B₃相减，得到三个细节图像D₁,D₂,D₃，其表达式为：

D₁＝I-B₁,D₂＝B₁-B₂,D₃＝B₂-B₃ (5)

(S33)设置不同权重将各细节图像整合成最终的细节图像D'，其表示为：

D′＝(1-ω₁×sgn(D₁))×D₁+ω₂×D₂+ω₃×D₃ (6)

其中，ω₁，ω₂，ω₃分别为权重；通常情况下，ω₁，ω₂，ω₃分别设置为0.5、0.5、0.25。

(S33)采用模糊结合对细节增强后的图像进行整体增强。通过该算法，可以使得图像中暗的像素更暗，亮的像素更亮，这也恰好适合于肝超声图像的全局增强处理，能够更好地满足后续形态学处理的需求。

(S4)对图像增强后的超声图像进行二值化处理，并运用孤岛移除算法去除二值图像中的孤立噪声点，得到二值超声图像。

本步骤中，首先利用自适应阈值算法对去噪及增强之后的超声图像进行二值化处理，由于肝实质中存在的条索可能会导致二值化后的图像中含有部分孤立噪声点，因此，在进行形态学处理之前，则需要通过面积法设置一定的阈值，对于小于该阈值的孤立噪声区域进行去除，从而得到更加简洁的二值超声图像。

(S5)利用形态学闭运算对二值超声图像进行处理；处理后二值超声图中下方为肝脏图像区域，上方为单色的独立连通区域。形态学闭运算通常包括膨胀操作和腐蚀操作。最终得到的二值超声图像如图3所示。

(S6)基于遍历算法对处理后的二值超声图像进行搜索，寻找肝包膜对应的像素点集以构成肝包膜的预测膜；将预测膜融合到原始的超声图像中，采用灰度差分算法从预测膜中剔除伪膜的像素点，以得到肝包膜的真实膜。本步骤需要分为两部分：获取肝包膜的预测膜以及获取肝包膜的真实膜。获取肝包膜的预测膜需要考虑有肝腹水和没有肝腹水两种情况。具体的：

如图3所示，在没有肝腹水的超声图像中寻找与肝包膜对应的像素点包括以下步骤：

(S601)在所述二值超声图像的顶部选取多数量的起点；

(S602)从各起点向下搜索，寻找与二值超声图像顶部的单色的独立连通区域颜色相反的首个像素点，并将该像素点作为与肝包膜对应的像素点。

在二值超声图像中，图像下方肝实质的像素值为0，图像上方的单连通区域的像素值为1。在具体实施的过程中，将二值超声图像的顶部边缘的每个像素点均作为起点依次进行遍历。对某个起点遍历过程中，沿着纵坐标正方向遍历搜索，当检测到像素灰度值为0时，停止该列的搜索，并将该点定义为肝包膜的“预测膜”上一点P₁ ^*。然后，将点P₁从初始位置以步长1像素沿x轴平移，依次得到P₁,P₂,P₃,……,P_m共m个像素点，并以它们为起点重复上述的遍历搜索方法，即可得到最终组成肝包膜“预测膜”的m个像素点P₁ ^*,P₂ ^*,P₃ ^*,……,P_m ^*。

如图4所示，对于有肝腹水的超声图像，寻找与肝包膜对应的像素点包括以下步骤：

(S611)在所述二值超声图像的顶部选取多数量的起点；

(S612)从各起点向下搜索，以寻找与肝包膜对应的像素点；

从某个起点向下搜索的过程中，寻找第一个与二值超声图像顶部的单色的独立连通区域颜色相反的像素点，并继续向下搜索，直到找到与超声图像顶部的单色的独立连通区域颜色相同的像素点，并将该像素点作为与肝包膜对应的像素点，若没有找到该像素点，则跳过该起点。

有肝腹水的情况下，各起点的选择方式与没有肝腹水的情况相同。二者区别在于对每列像素进行遍历的过程。在具体实施的过程中，在每一列进行遍历搜索时，起点以及其所在的单连通区域的像素灰度为1，当检测到像素灰度值为0时，继续演y轴方向进行搜索，直到再次检测到灰度值为1的像素点，即可将该像素点定义为肝包膜上像素点，最后保存所有检索到的像素点P_f1 ^*,P_f2 ^*,P_f3 ^*,……,P_fm ^*即可组成有腹水超声图像的肝包膜“预测膜”。此外，由于有腹水情况下的肝包膜通常情况下存在断裂点，因此当检测到断裂部分所在列时，由于在检测到灰度值为0的像素后无法再次检测到灰度值为1的像素点，则直接跳过该列继续进行下一列的遍历搜索，这种情况下该列不存在预测膜的像素点。

如图5所示，肝包膜的预测膜的获取过程中，图像经过了复杂的处理，特别是经过膨胀腐蚀之后，原本超声图像上间断不连续的肝包膜变得连续，从而在间断处形成图5c所示的伪膜，因此在获取真实膜的过程中，需要将预测膜中伪膜的像素点剔除，并将剩余的像素点作为真实膜的像素点，其具体包括以下步骤：

(S621)将膨胀后的预测膜的各像素点融合到原始的超声图像中；

(S622)在融合后的图像中，遍历预测膜的各列的像素点；对预测膜的某个列的像素点进行遍历过程中，计算该列像素点在竖直方向肝包膜预测膜范围内的若干个像素点的平均值；若平均值小于伪膜阈值，则该预测膜的像素点为真实膜的像素点，否则将该预测膜的像素点不是真实膜的像素点。

在具体实施过程中，请参阅图5，假设膨胀后的“预测膜”区域像素点坐标为(x,y)，其中x∈(1,m)，当膨胀之后的“预测膜”融合到原始超声图像上后，依次从第一列开始逐列查找“伪膜”的存在。经过膨胀后，预测膜的在竖直方向会占据一定的范围，膨胀后的线条宽度为遍历过程中求取像素平均值的范围。根据公式7原理，如果原始超声图像中每一列在“预测膜”的y值范围内像素值平均值大于阈值P，则证明此处为真实肝包膜，从而保存“预测膜”中此列的原始像素值；相反，如果其范围内平均值小于伪膜阈值P，则证明此处预测的肝包膜为“伪膜”，因此应该将“预测膜”中此列的像素值设为0。对整幅图像所有列遍历结束之后，“预测膜”中剩余的像素点即可组成最终所需要的反应原始超声图像的真实的肝包膜。

式中G₁(i,j)表示“预测膜”图像中坐标为(i,j)时的肝包膜像素灰度值，G₂(x,y)表示原始超声图像在坐标为(x,y)像素点处的灰度值，G₃(i,j)表示真实肝包膜中坐标为(i,j)时的像素灰度值。

在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“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申请和简化描述，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申请的限制。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (5)

1.一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，用于对肝脏浅表切面图像进行处理，其特征在于包括以下步骤：

(S1)利用滑动窗口算法对超声图像的上部进行遍历，以识别所述超声图像中是否有肝腹水区域；

(S2)利用高斯模糊算法对超声图像进行处理，以降低图像噪声以及细节层次；

(S3)对高斯模糊处理后的超声图像使用多尺度细节增强与模糊集合变换方法进行先局部后整体的图像增强；

(S4)对图像增强后的超声图像进行二值化处理，并运用面积法设置阈值，对于小于该阈值的孤立噪声区域进行去除，得到二值超声图像；

(S5)利用形态学闭运算对二值超声图像进行处理；处理后二值超声图中下方为肝脏图像区域，上方为单色的独立连通区域；

(S6)基于遍历算法对处理后的二值超声图像进行搜索，寻找肝包膜对应的像素点集以构成肝包膜的预测膜；将预测膜融合到原始的超声图像中，采用灰度差分算法从预测膜中剔除伪膜的像素点，以得到肝包膜的真实膜；其中：

在没有肝腹水的超声图像中寻找与肝包膜对应的像素点包括以下步骤：

(S601)在所述二值超声图像的顶部选取多数量的起点；

(S602)从各起点向下搜索，寻找与二值超声图像顶部的单色的独立连通区域颜色相反的首个像素点，并将该像素点作为与肝包膜对应的像素点；

对于有肝腹水的超声图像，寻找与肝包膜对应的像素点包括以下步骤：

(S611)在所述二值超声图像的顶部选取多数量的起点；

(S612)从各起点向下搜索，以寻找与肝包膜对应的像素点；

从某个起点向下搜索的过程中，寻找第一个与二值超声图像顶部的单色的独立连通区域颜色相反的像素点，并继续向下搜索，直到找到与超声图像顶部的单色的独立连通区域颜色相同的像素点，并将该像素点作为与肝包膜对应的像素点，若没有找到该像素点，则跳过该起点。

2.根据权利要求1所述的一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，其特征在于，步骤(S1)中具体包括以下步骤：

(S11)采用采用一个L×L的方形窗口并以步长L在超声图像上半部分自左向右、自上向下滑动，从而遍历超声图像的上半部分；遍历过程中，求取每个窗口的平均灰度，并将平均灰度与窗口阈值进行比较，若平均灰度小于所述窗口阈值，则判断该窗口中存在肝腹水特征；

(S12)统计含有肝腹水特征窗口的数量S _f ，将其除以超声图像上半部分中的窗口数量S _a ，得到肝腹水特征系数；当肝腹水特征系数大于固定阈值P时，判断超声图像中包括肝腹水区域。

3.根据权利要求1所述的一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，其特征在于，步骤(S3)包括以下步骤：

(S31)利用三个不同尺度的高斯核函数分别与高斯模糊处理后的超声图像I进行卷积运算，得到三个高斯模糊图像B₁,B₂,B₃，其表达式为：

其中，G ₁,G₂,G₃分别为标准差为1,2,4的高斯核；

(S32)将超声图像I分别与三个高斯模糊图像B₁,B₂,B₃相减，得到三个细节图像D₁,D₂,D₃，其表达式为：

(S33)设置不同权重将各细节图像整合成最终的细节图像D'，其表示为：

其中，ω₁，ω₂，ω₃分别为权重；

(S33)采用模糊集合灰度变换算法对细节增强后的图像进行整体增强。

4.根据权利要求1所述的一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，其特征在于，在所述二值超声图像的顶部选取起点的过程中，将所述二值超声图像的顶部边缘的各个像素作为起点。

5.根据权利要求1所述的一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，其特征在于，步骤(S6)中，获取肝包膜的真实膜包括以下步骤：

(S621)将预测膜的各像素点融合到原始的超声图像中；

(S622)在融合后的图像中，遍历预测膜的各像素点；对预测膜的某个像素点进行遍历过程中，计算该像素点在竖直方向相邻的若干个像素点的平均值；若平均值小于伪膜阈值，则该预测膜的像素点为真实膜的像素点，否则将该预测膜的像素点不是真实膜的像素点。

Images