CN113313690B - 一种皮革纤维mct序列切片图像的同根区域智能检测方法 - Google Patents

Abstract

本发明公开一种皮革纤维MCT序列切片图像的同根区域智能检测方法，包括：1)生成遮罩轮廓；2)对遮罩轮廓进行8‑邻域平移择优定位从而实现快速择优定位；3)由遮罩轮廓线生成目标图像同根区域轮廓生成像素点；4)由轮廓生成像素点拟合同根区域轮廓线。本发明所述方法通过求取图像中的一条边缘到另一边缘的平均距离；图像中两条边缘线之间的平均距离；求参考遮罩与目标图像边缘距离最近位置的方法，即8‑邻域平移参考遮罩最优位置检测算法和参考遮罩最优位置快速平移检测算法；最终由参考遮罩搜索目标图像同根区域轮廓的智能方法。由此确定的目标图像同根区域轮廓可以有效地自动完成对皮革纤维MCT切片图像的分割。

Description

一种皮革纤维MCT序列切片图像的同根区域智能检测方法

技术领域

本发明公开一种皮革纤维MCT序列切片图像的同根区域智能检测方法，属于皮革图像处理的技术领域。

背景技术

皮革纤维的编织结构一直是业界关注的问题。到目前为止，人们对皮革纤维编织结构的认识还很肤浅。研究皮革纤维的编织结构具有重要的理论价值和应用价值。

显微X射线断层扫描(MCT)技术可在不破坏样本的情况下，获取样本内部结构的切片图像，其图像能够显示尺寸在几十到几百微米的纤维编织结构。利用皮革纤维的MCT切片图像可以进行皮革纤维的三维重构，从而展示皮革纤维的编织结构及其规律。而皮革纤维的MCT切片图像的去噪和分割是进行三维重构的基础。图像去噪、分割和重构方法众多，但没有一种通用的方法可以处理所有类型的图像。而基于X射线断层扫描(MCT)技术的皮革纤维结构研究成果很少。

皮革纤维显微X射线断层扫描(MCT)序列图像的相邻图像具有高度相似性。一帧图像的ROI，Region of Interest,中文名称为目标关注区域，可作为提取相邻图像同根区域的参考遮罩，利用参考遮罩从一系列切片图像中提取同根区域无疑会提高图像分割的准确性和可靠性。其中，同一束纤维在不同切片图像所呈现的同根图像具有同根属性。因此，怎样对皮革纤维MCT序列切片图像的同根区域进行高效检测就显得尤为重要。

发明内容

针对现有技术的不足，本发明公开一种皮革纤维MCT序列切片图像的同根区域智能检测方法。

本发明针对皮革纤维MCT切片图像，提出了遮罩轮廓到目标区域边缘之间距离的计量方法，即平均距离方法，设计了给定参考遮罩情形下的图像边缘寻优算法。

本发明详细的技术方案如下：

一种皮革纤维MCT序列切片图像的同根区域智能检测方法，其特征在于，包括：

1)生成遮罩轮廓；

2)对遮罩轮廓进行8-邻域平移择优定位从而实现快速择优定位；

3)由遮罩轮廓线生成目标图像同根区域轮廓生成像素点；

4)由轮廓生成像素点拟合同根区域轮廓线。

根据本发明优选的，所述步骤1)生成遮罩轮廓包括：

1-1)轮廓提取：对去噪后的MCT断层扫描图像的二值化图像进行边缘提取；

此处可采用常规的图像边缘检测方法对去噪后的MCT断层扫描图像的二值化图像进行边缘提取，如图2a所示；

1-2)制作参考轮廓

在步骤1-1)获得的目标图像轮廓中选定参考轮廓，通过计算机图像边缘搜索方法或人工勾勒方法制作参考轮廓线，如图2b所示。

根据本发明优选的，所述步骤1)生成遮罩轮廓还包括：

1-3)自动校准参考轮廓线

对步骤1-2)中选定参考轮廓线上的每一像素点，在给定搜索半径δ内搜索图像边缘线，以确定新的轮廓生成点：

如果没有新的轮廓生成点，则以原参考轮廓线上的点作为新的轮廓生成点，然后用三次样条曲线拟合新的轮廓生成点，从而生成新的参考轮廓线，即参考遮罩轮廓。最后将新的参考轮廓线所围成的区域分割出来，例如图2b所示的样子，此步骤是针对人工制作的参考轮廓线通常比较粗糙，不够精细，而做出的校准操作。

根据本发明优选的，所述步骤2)包括：

2-1)确定两图像区域轮廓之间的平均距离：

两像素点(x,y)与(s,t)之间的距离定义为

其中，数字图像区域的轮廓线是由有限个像素点构成的；

像素点(x,y)与平面区域轮廓线C之间的距离定义为

设C₀和C₁是两条数字图像区域轮廓线，定义C₀到C₁的平均距离为：

其中，|C₀|表示数字图像轮廓线C₀的像素数；

综上说明：d₀(C₀,C₁)＝d₀(C₁,C₀)不一定成立；

所述C₀与C₁之间的平均距离为

2-2)8-邻域平移参考遮罩最优位置检测算法如下：

将参考遮罩轮廓C₀向8-邻域即“四面八方”分别平移一个像素，并计算平移后的参考轮廓到目标图像边缘的平均距离，其中平均距离最小的参考轮廓位置为新参考遮罩轮廓，参见图3中，所述0表示参考遮罩所在位置，即0位，其中，周围的数字1～8表示参考遮罩平移后的位置，即分别为1位、2位、3位、4位、5位、6位、7位和8位；

2-3)参考遮罩轮廓最优位置快速平移检测算法：

按照步骤2-2)方法继续进行迭代计算，在有限步内得到最优遮罩轮廓C₀.最后得到的遮罩轮廓C₀作为目标图像的轮廓，当8-邻域平移边缘检测算法生成的新遮罩位于1位、2位、3位、4位、5位、6位、7位和8位中的某个位置时，按图4所示的参考遮罩平移方位图平移到其相邻像素位置(无数字像素点)，并计算参考遮罩轮廓到目标图像边缘的距离。取平均距离最小的位置作为最新参考遮罩轮廓位置，作为C₀.如此迭代计算下去，必可在有限步内得到最优遮罩轮廓C₀.最后得到的遮罩轮廓C₀作为目标图像的轮廓。

根据本发明优选的，所述步骤3)由遮罩轮廓线生成目标图像同根区域轮廓生成像素点的方法为：以参考遮罩轮廓为母版，按照平均距离最小准则检测目标图像的同根区域轮廓像素集。

根据本发明优选的，所述步骤3)的具体步骤为：

设C₀是参考遮罩轮廓，C₁是目标图像边缘，δ是给定正数，对C₀中每一个像素点(x,y)，记

其中，P_x,y,n,δ表示C₁上到像素点(x,y)距离小于δ的且距离最短的点构成的像素点集；

P_n,δ为由遮罩轮廓C₀生成的轮廓像素点集，若P_x,y,n,δ≠Φ(不空)，则

否则,(x,y)∈P_n,δ。

根据本发明优选的，所述步骤4)由轮廓生成像素点拟合同根区域轮廓线的方法为：

若P_n,δ＝Φ，则C₀作为目标图像轮廓；否则，用三次样条函数拟合P_n,δ生成一条连续的数字曲线，由它替代C₀作为新的参考遮罩轮廓，并计算新参考轮廓到目标图像边缘线的平均距离：取平均距离最小的参考遮罩轮廓作为最新参考遮罩轮廓；

直到不再生成新的参考遮罩轮廓或参考遮罩轮廓达到预定次数为止；

最终的参考轮廓线即为目标图像中同根区域的轮廓线。

本发明的技术优势在于：

本发明所述方法通过求取图像中的一条边缘到另一边缘的平均距离；图像中两条边缘线之间的平均距离；求参考遮罩与目标图像边缘距离最近位置的方法，即8-邻域平移参考遮罩最优位置检测算法和参考遮罩最优位置快速平移检测算法；最终由参考遮罩搜索目标图像同根区域轮廓的智能方法。由此确定的目标图像同根区域轮廓可以有效地自动完成对皮革纤维MCT切片图像的分割。

附图说明

图1是本发明所述方法的流程图；

图2a和图2b分别是图像边缘及参考种子轮廓线：

图2a是经步骤1-1)提取出的边缘图像；

图2b是经步骤1-2)所得到的参考轮廓；

图3是参考遮罩平移方位图；

图4是本发明所述步骤2-3)所述参照遮罩轮廓平移位置示意图；

图5a-图5d是参考遮罩与目标图像ROI轮廓线生成图；

图5a为参考图像边缘；

图5b为参考遮罩轮廓；

图5c为目标图像边缘，其中灰色线条为参考轮廓线；

图5d由参考轮廓生成的目标图像的同根区域轮廓线，图中灰色线所示。

具体实施方式

下面结合实施例和说明书附图对本发明做详细的说明，但不限于此。

实施例1、

如图1所示，一种皮革纤维MCT序列切片图像的同根区域智能检测方法，包括：

1)生成遮罩轮廓；

2)对遮罩轮廓进行8-邻域平移择优定位从而实现快速择优定位；

3)由遮罩轮廓线生成目标图像同根区域轮廓生成像素点；

4)由轮廓生成像素点拟合同根区域轮廓线。

所述步骤1)生成遮罩轮廓包括：

1-1)轮廓提取：对去噪后的MCT断层扫描图像的二值化图像进行边缘提取；此处可采用常规的图像边缘检测方法对去噪后的MCT断层扫描图像的二值化图像进行边缘提取，如图2a所示；

1-2)制作参考轮廓

在步骤1-1)获得的目标图像轮廓中选定参考轮廓，通过计算机图像边缘搜索方法或人工勾勒方法制作参考轮廓线，如图2b所示。

所述步骤2)包括：

2-1)确定两图像区域轮廓之间的平均距离：

两像素点(x,y)与(s,t)之间的距离定义为

其中，数字图像区域的轮廓线是由有限个像素点构成的；

像素点(x,y)与平面区域轮廓线C之间的距离定义为

设C₀和C₁是两条数字图像区域轮廓线，定义C₀到C₁的平均距离为：

其中，|C₀|表示数字图像轮廓线C₀的像素数；

综上说明：d₀(C₀,C₁)＝d₀(C₁,C₀)不一定成立；

所述C₀与C₁之间的平均距离为

2-2)8-邻域平移参考遮罩最优位置检测算法如下：

如图3、4所示，将参考遮罩轮廓C₀向8-邻域即“四面八方”分别平移一个像素，并计算平移后的参考轮廓到目标图像边缘的平均距离，其中平均距离最小的参考轮廓位置为新参考遮罩轮廓，参见图3中，所述0表示参考遮罩所在位置，即0位，其中，周围的数字1～8表示参考遮罩平移后的位置，即分别为1位、2位、3位、4位、5位、6位、7位和8位；

2-3)参考遮罩轮廓最优位置快速平移检测算法：

按照步骤2-2)方法继续进行迭代计算，在有限步内得到最优遮罩轮廓C₀.最后得到的遮罩轮廓C₀作为目标图像的轮廓，当8-邻域平移边缘检测算法生成的新遮罩位于1位、2位、3位、4位、5位、6位、7位和8位中的某个位置时，按图4所示的参照遮罩平移方位图平移到其相邻像素位置(无数字像素点)，并计算参考遮罩轮廓到目标图像边缘的距离。取平均距离最小的位置作为最新参考遮罩轮廓位置，作为C₀.如此迭代计算下去，必可在有限步内得到最优遮罩轮廓C₀.最后得到的遮罩轮廓C₀作为目标图像的轮廓。

所述步骤2)的具体执行步骤为：

第一步：计算C₀无移动，称为0位时的d₀＝d(C₀→C₁)；

第二步：进行8-邻域平移边缘检测；

首先计算C₀向右移动一个像素，称为1位时的d₁＝d(C₀→C₁)：

若d₁＞d₀，则令d₀＝d₁；

其次计算C₀位于2位时的d₁＝d(C₀→C₁)：

若d₁>d₀，则令d₀＝d₁；

依次类推，直到把八个像素点位的d₁＝d(C₀→C₁)全部计算完毕，最后取d₀所对应的轮廓线作为最新C₀；

如果d₀所对应的点位为0位时，则0位所对应的轮廓线即为新图像参考轮廓线；否则，转入第三步；

第三步：继续平移寻优，当d₀所对应的点位为1位、2位、3位、4位、5位、6位、7位、8位中的某个位置时，按图4所示，计算新的C₀以及平移至其相邻像素点处(无数字像素点)的最优平移，从而得到最佳位置参考轮廓线C₀；

如此迭代计算下去，在有限步内得到最优参考轮廓线C₀；

所述步骤3)由遮罩轮廓线生成目标图像同根区域轮廓生成像素点的方法为：以参考遮罩轮廓为母版，按照平均距离最小准则检测目标图像的同根区域轮廓像素集。

所述步骤3)的具体步骤为：

设C₀是参考遮罩轮廓，C₁是目标图像边缘，δ是给定正数，对C₀中每一个像素点(x,y)，记

其中，P_x,y,n,δ表示C₁上到像素点(x,y)距离小于δ的且距离最短的点构成的像素点集；

P_n,δ为由遮罩轮廓C₀生成的轮廓像素点集，若P_x,y,n,δ≠Φ(不空)，则

否则,(x,y)∈P_n,δ。

所述步骤4)由轮廓生成像素点拟合同根区域轮廓线的方法为：

若P_n,δ＝Φ，则C₀作为目标图像轮廓；

否则，用三次样条函数拟合P_n,δ生成一条连续的数字曲线，由它替代C₀作为新的参考遮罩轮廓，并计算新参考轮廓到目标图像边缘线的平均距离：取平均距离最小的参考遮罩轮廓作为最新参考遮罩轮廓；设C₀是最优参考轮廓线，P_n,δ是上述第四步获得的最新参考轮廓生成像素集，用三次样条曲线拟合像素点集P_n,δ，得到闭合轮廓线。此轮廓线作为是最优参考轮廓线C₀，直到不再生成新的参考遮罩轮廓或参考遮罩轮廓达到预定次数为止；最终的参考轮廓线即为目标图像中同根区域的轮廓线，如图5d所示。

实施例2、

如实施例1所述的一种皮革纤维MCT序列切片图像的同根区域智能检测方法，其区别在于，所述步骤1)生成遮罩轮廓还包括：

1-3)自动校准参考轮廓线

对步骤1-2)中选定参考轮廓线上的每一像素点，在给定搜索半径δ内搜索图像边缘线，以确定新的轮廓生成点：

如果没有新的轮廓生成点，则以原参考轮廓线上的点作为新的轮廓生成点，然后用三次样条曲线拟合新的轮廓生成点，从而生成新的参考轮廓线，即参考遮罩轮廓。最后将新的参考轮廓线所围成的区域分割出来，例如图2b所示的样子，此步骤是针对人工制作的参考轮廓线通常比较粗糙，不够精细，而做出的校准操作。

上述过程所得到的新图像同根区域轮廓线作为下一帧相邻图像的参考轮廓线，继续进行下一帧图像同根区域轮廓线检测。

通过实施例1、2所述方法算法，可以检测出所有切片图像的同根区域。

Claims (4)

1.一种皮革纤维MCT序列切片图像的同根区域智能检测方法，其特征在于，包括：

1)生成遮罩轮廓；

2)对遮罩轮廓进行8-邻域平移择优定位从而实现快速择优定位；

3)由遮罩轮廓线生成目标图像同根区域轮廓像素点集；

4)由像素点集拟合同根区域轮廓线；

所述步骤2)包括：

2-1)确定两图像区域轮廓之间的平均距离：

两像素点(x，y)与(s，t)之间的距离定义为

像素点(x，y)与平面区域轮廓线C之间的距离定义为

设参考遮罩轮廓C₀和目标图像边缘C₁是两条数字图像区域轮廓线，定义C₀到C₁的平均距离为：

其中，|C₀|表示数字图像轮廓线C₀的像素数；

所述C₀与C₁之间的平均距离为

2-2)8-邻域平移参考遮罩最优位置检测算法如下：

将参考遮罩轮廓C₀向8-邻域分别平移一个像素，并分别计算平移后的参考轮廓到目标图像边缘的平均距离，其中平均距离最小的参考轮廓位置为新参考遮罩轮廓；

2-3)参考遮罩轮廓最优位置快速平移检测算法：

按照步骤2-2)方法继续进行迭代计算，在有限步内得到最优遮罩轮廓，最后得到的最优遮罩轮廓作为目标图像的轮廓；

所述步骤3)由遮罩轮廓线生成目标图像同根区域轮廓像素点集的方法为：以参考遮罩轮廓为母版，按照平均距离最小准则检测目标图像的同根区域轮廓像素点集；

所述步骤3)的具体步骤为：

设C₀是参考遮罩轮廓，C₁是目标图像边缘，δ是给定正数，对C₀中每一个像素点(x，y)，记

其中，P_{x，y，n，δ}表示C₁上到像素点(x，y)距离小于δ的且距离最短的点构成的所述像素点集；

P_n，δ为由最优遮罩轮廓生成的轮廓像素点集，若P_{x，y，n，δ}≠Φ，则

否则，(x，y)∈P_n，δ。

2.根据权利要求1所述一种皮革纤维MCT序列切片图像的同根区域智能检测方法，其特征在于，所述步骤1)生成遮罩轮廓包括：

1-1)轮廓提取：对去噪后的MCT断层扫描图像的二值化图像进行边缘提取；

1-2)制作参考轮廓

在步骤1-1)获得的目标图像轮廓中选定参考轮廓。

3.根据权利要求2所述一种皮革纤维MCT序列切片图像的同根区域智能检测方法，其特征在于，所述步骤1)生成遮罩轮廓还包括：

1-3)自动校准参考轮廓线

对步骤1-2)中选定参考轮廓线上的每一像素点，在给定搜索半径δ内搜索图像边缘线，以确定新的轮廓生成点：如果没有新的轮廓生成点，则以原参考轮廓线上的点作为新的轮廓生成点，然后用三次样条曲线拟合新的轮廓生成点，从而生成新的参考轮廓线，即参考遮罩轮廓。

4.根据权利要求1所述一种皮革纤维MCT序列切片图像的同根区域智能检测方法，其特征在于，所述步骤4)由轮廓生成像素点拟合同根区域轮廓线的方法为：

若P_n，δ＝Φ，则C₀作为目标图像轮廓；

否则，用三次样条函数拟合P_n，δ生成一条连续的数字曲线，由它替代C₀作为新的参考遮罩轮廓，并计算新参考轮廓到目标图像边缘线的平均距离：取平均距离最小的参考遮罩轮廓作为最新参考遮罩轮廓；

直到不再生成新的参考遮罩轮廓或参考遮罩轮廓达到预定次数为止；

最终的参考轮廓线即为目标图像中同根区域的轮廓线。

Images