CN113470788B - 多个数字切片的同步浏览方法和装置 - Google Patents
多个数字切片的同步浏览方法和装置 Download PDFInfo
- Publication number
- CN113470788B CN113470788B CN202110781790.1A CN202110781790A CN113470788B CN 113470788 B CN113470788 B CN 113470788B CN 202110781790 A CN202110781790 A CN 202110781790A CN 113470788 B CN113470788 B CN 113470788B
- Authority
- CN
- China
- Prior art keywords
- slice
- main
- point
- aligned
- digital
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 139
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 90
- 230000009466 transformation Effects 0.000 claims abstract description 90
- 238000010586 diagram Methods 0.000 claims abstract description 21
- 230000001575 pathological effect Effects 0.000 claims abstract description 17
- 238000013519 translation Methods 0.000 claims description 89
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000003491 array Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 125000004122 cyclic group Chemical group 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004061 bleaching Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种多个数字切片的同步浏览方法和装置,方法包括以下步骤:将病理切片转换为数字切片;选择一张数字切片为主切片Main,并获取主切片的导航缩略图MT;选择需要与主切片对齐操作的待对齐数字切片,并获得该待对齐数字切片的切片图XI和导航缩略图XT;判断待对齐数字切片与主切片Main的相似度并获取两者的仿射变换矩阵;根据仿射变换矩阵得到待对齐数字切片与主切片Main对齐后的缩略图,并将导航缩略图XT进行旋转、偏移和缩放处理,转化到待对齐数字切片的切片图XI上。本发明使数字切片在浏览平台中进行多屏同步浏览,方便了用户使用数字切片浏览对比功能,提高了医生的工作效率。
Description
技术领域
本发明涉及一种多个数字切片的同步浏览方法和装置,属于图像处理技术领域。
背景技术
数字切片是一种利用计算机图像技术将传统病理切片数字化后的切片形式。利用数字切片可以进行智能诊断、远程会诊等工作。利用数字切片进行工作时,需要利用数字切片浏览软件对数字切片进行浏览观察,发现病变部位。
在病理诊断中,病理医生需要利用不同的染色,将病变细胞显现出来,经常会对同一组织做多种不同染色的切片,在诊断过程中,对不同染色切片进行对比浏览,做出鉴别诊断。但在切片过程中会出现组织厚薄、大小不同,且在漂片和捞片过程中出现组织角度不一致、大小、旋转、翻转等情况。在遇到这情况下,传统的方法是通过浏览软件提供的旋转、放大、旋转、翻转等功能对每张切片分别调整,从而达到切片一致的情况,方便进行对比,但是但这种手工对比的方式,使用麻烦,效率低,特别是需要对比的切片数量较多时,需要每张切片调整,工作量巨大。
为了方便用户使用数字切片浏览对比功能,本发明提出一种多个数字切片的同步浏览方法。
发明内容
为了解决上述问题,本发明提出了一种多个数字切片的同步浏览方法和装置,能够方便用户对数字切片进行浏览对比。
本发明解决其技术问题采取的技术方案是:
第一方面,本发明实施例提供的一种多个数字切片的同步浏览方法,包括:
将病理切片转换为数字切片;
选择一张数字切片为主切片Main,并获取主切片的导航缩略图MT;
选择需要与主切片对齐操作的待对齐数字切片,并获得该待对齐数字切片的切片图XI和导航缩略图XT;判断待对齐数字切片与主切片Main的相似度并获取两者的仿射变换矩阵;
根据仿射变换矩阵得到待对齐数字切片与主切片Main对齐后的缩略图,并将待对齐数字切片的导航缩略图XT进行旋转、偏移和缩放处理,转化到待对齐数字切片的切片图XI上。
作为本实施例一种可能的实现方式,所述选择需要与主切片对齐操作的待对齐数字切片,并获得该待对齐数字切片的切片图XI和导航缩略图XT;判断待对齐数字切片与主切片Main的相似度并获取两者的仿射变换矩阵;包括:
分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX;
分别计算主切片导航缩略图MT与其SURF特征关键点KM、导航缩略图XT与其SURF特征关键点KX的SURF特征描述矩阵DM和SURF特征描述矩阵DX;
对SURF特征描述矩阵DM和SURF特征描述矩阵DX进行近似最近邻匹配得到匹配特征点D;
根据匹配特征点D判断待对齐数字切片与主切片Main的相似度,如果待对齐数字切片与主切片Main的相似度高则获取两者的仿射变换矩阵;否则选择其它待对齐数字切片与主切片进行对齐操作。
作为本实施例一种可能的实现方式,所述将病理切片转换为数字切片,包括:将病理切片放入数字切片扫描仪进行扫描转换数字化的病理切片。
作为本实施例一种可能的实现方式,所述选择一张数字切片为主切片Main,并获取主切片的导航缩略图MT,包括:在多屏浏览中选择要浏览的同组织数字切片,设置其中一张数字切片为主切片Main,并获取到主切片的导航缩略图MT,将其他要对比的切片存储到集合L并以主切片为基准进行对齐操作。
作为本实施例一种可能的实现方式,所述分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX,包括:
比较导航缩略图XT与主切片导航缩略图MT,使用Opencv中SURF函数创建SURF对象,设置关键点监测的阈值,并使用Detect方法分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX。
作为本实施例一种可能的实现方式,所述根据匹配特征点D判断待对齐数字切片与主切片Main的相似度,包括:
对匹配特征点D按距离进行排序,取前五个匹配特征点得出距离平均值A1,判断距离平均值A1是否小于相似阈值;
如果距离平均值A1小于相似阈值则代表当前两张图片高度相似,返回主切片导航缩略图MT的特征关键点并赋值给O以及排序后的匹配特征点D;
如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度。
作为本实施例一种可能的实现方式,如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度,包括:
如果距离平均值A1不小于相似阈值,则对导航缩略图XT沿Y轴进行翻转得到图片FM,并创建SURF对象,设置关键点监测阈值,使用Detect方法计算图片FM的SURF特征关键点KFM,使用Compute方法计算图片FM与SURF特征关键点KFM的特征描述矩阵DF,将特征描述矩阵DF与SURF特征描述矩阵DX使用FlannBasedMatcher近似法的Match方法进行最近邻近似匹配得到匹配特征点F,针对匹配特征点F按距离进行排序得到D',再次取前五个点得出距离平均值A2,如果A2小于相似阈值则代表当前图片进行了水平翻转,返回翻转后的特征关键点KFM赋值给O及翻转排序后的D';如果A2不小于相似阈值,代表当前两张图片相似度极低,故两张切片不是同一个组织,返回空Empty。
作为本实施例一种可能的实现方式,所述获取两者的仿射变换矩阵,包括:
所述获取两者的仿射变换矩阵,包括:
定义匹配特征点长度的两个数组P1和P2,设m=0,使用for循环遍历特征匹配点D,估计最优的仿射变换矩阵A,得到内联点inliers;
设b=O,使用for循环遍历inliers,寻找良好匹配点;
设j=0,使用for循环遍历良好匹配点GP,估计最优的仿射变换矩阵E;
如果图片不需要翻转处理,则将仿射变换矩阵E赋值给仿射变换矩阵AffineM;如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM。
作为本实施例一种可能的实现方式,估计最优的仿射变换矩阵A,得到内联点inliers,包括:
H为D[m],寻找H查询点索引在特征点O中的坐标赋值给P1[i],寻找H中被查询到的点的索引在特征点O中的坐标赋值给P2[i],m=m+1,如果m小于D的长度则继续寻找H查询点索引在特征点O中的坐标;如果m大于D的长度则使用RANSAC的estimateAffine2D来估计最优的仿射变换矩阵A,得到内联点inliers。
作为本实施例一种可能的实现方式,所述寻找良好匹配点,包括:
如果inliers[b]不为0,则证明该点为良好匹配点,添加到GP中,b=b+1,如果b小于inliers长度则继续遍历inliers,如果b大于inliers长度则定义良好匹配点的长度的两个数组GP1、GP2。
作为本实施例一种可能的实现方式,所述估计最优的仿射变换矩阵E,包括:
K为GP[j],寻找K查询点索引在特征点GP中的坐标赋值给GP1[i],寻找K中被查询到的点的索引在特征点GP中的坐标赋值给GP2[i],j=j+1,如果j小于GP的长度则继续寻找K查询点索引在特征点GP中的坐标;如果大于GP的长度则将得到的GP1、GP2通过使用RANSAC的estimateAffine2D来估计最优的仿射变换矩阵E。
作为本实施例一种可能的实现方式,如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM,包括:
如果当前图片进行了翻转,使用2x3矩阵来表示仿射变换,获取矩阵E中(0,0)、(0,1)、(0,2)、(1,0)、(1,1)、(1,2)点的值并分别赋值给A00,A01,A02,A10,A11,A12;根据矩阵E中的点获得角度DAngle,设置变量x,y分别为A02、A12的值,定义SX、SY分别为X、Y轴的缩放比例:
定义图像平移为双浮点型,根据Dangle的角度对图像进行平移:
定义双浮点型翻转Flip,使用Opencv中Mat类获得翻转矩阵FlipM;
使用Opencv中Mat类和图像平移量Translation获得平移矩阵TM,
得到仿射变换矩阵AffineM=E×FlipM+TM。
作为本实施例一种可能的实现方式,所述根据Dangle的角度对图像进行平移,包括:
如果DAngle小于90度,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×cos(DAngle÷180×π),0,0,-(SX×DM.Width×sin(DAngle÷180×π))};
如果DAngle在180度和90度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×cos((180-DAngle)÷180×π),0,0,-(SX×DM.Width×sin((180-DAngle)÷180×π))};
如果DAngle在0度和-90度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×sin(DAngle+90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))};
如果DAngle在180度和270度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×sin(-DAngle-90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))}。
第二方面,本发明实施例提供的一种多个数字切片的同步浏览装置,包括:
切片转换模块,用于将病理切片转换为数字切片;
主切片选择模块,用于选择一张数字切片为主切片Main,并获取主切片的导航缩略图MT;
切片判断模块,用于选择需要与主切片对齐操作的待对齐数字切片,并获得该待对齐数字切片的切片图XI和导航缩略图XT;判断待对齐数字切片与主切片Main的相似度并获取两者的仿射变换矩阵;
切片对齐模块,用于根据仿射变换矩阵得到待对齐数字切片与主切片Main对齐后的缩略图,并将待对齐数字切片的导航缩略图XT进行旋转、偏移和缩放处理,转化到待对齐数字切片的切片图XI上。
作为本实施例一种可能的实现方式,所述切片判断模块,包括:
特征关键点计算模块,用于分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX;
描述矩阵计算模块,用于分别计算主切片导航缩略图MT与其SURF特征关键点KM、导航缩略图XT与其SURF特征关键点KX的SURF特征描述矩阵DM和SURF特征描述矩阵DX;
匹配特征点模块,用于对SURF特征描述矩阵DM和SURF特征描述矩阵DX进行近似最近邻匹配得到匹配特征点D;
相似度判断模块,用于根据匹配特征点D判断待对齐数字切片与主切片Main的相似度,如果待对齐数字切片与主切片Main的相似度高则获取两者的仿射变换矩阵;否则选择其它待对齐数字切片与主切片进行对齐操作。
作为本实施例一种可能的实现方式,所述特征关键点计算模块,具体用于:比较导航缩略图XT与主切片导航缩略图MT,使用Opencv中SURF函数创建SURF对象,设置关键点监测的阈值,并使用Detect方法分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX。
作为本实施例一种可能的实现方式,所述相似度判断模块,具体用于:
对匹配特征点D按距离进行排序,取前五个匹配特征点得出距离平均值A1,判断距离平均值A1是否小于相似阈值;
如果距离平均值A1小于相似阈值则代表当前两张图片高度相似,返回主切片导航缩略图MT的特征关键点并赋值给O以及排序后的匹配特征点D;
如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度。
作为本实施例一种可能的实现方式,所述相似度判断模块,还具体用于:
定义匹配特征点长度的两个数组P1和P2,设m=0,使用for循环遍历特征匹配点D,估计最优的仿射变换矩阵A,得到内联点inliers;
设b=O,使用for循环遍历inliers,寻找良好匹配点;
设j=0,使用for循环遍历良好匹配点GP,估计最优的仿射变换矩阵E;
如果图片不需要翻转处理,则将仿射变换矩阵E赋值给仿射变换矩阵AffineM;如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM。
本发明实施例的技术方案可以具有的有益效果如下:
本发明通过实现自动对齐数字切片,解决了由于人工制片导致、组织角度、大小、旋转、翻转等不一致从而影响医生工作效率问题,使数字切片在浏览平台中进行多屏同步浏览,尤其是浏览平台中同组织不同角度、大小的数字切片的同步浏览,方便了用户使用数字切片浏览对比功能,提高了医生的工作效率。
附图说明:
图1是根据一示例性实施例示出的一种多个数字切片的同步浏览方法流程图;
图2是根据一示例性实施例示出的一种多个数字切片的同步浏览装置的结构图;
图3是根据一示例性实施例示出的一种获得数字切片对应矩阵的示意图;
图4是根据一示例性实施例示出的对图3根据矩阵调整后的切片示意图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明:
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
图1是根据一示例性实施例示出的一种多个数字切片的同步浏览方法流程图。如图1所示,本发明实施例提供的一种多个数字切片的同步浏览方法,包括:
将病理切片转换为数字切片。
将病理切片放入数字切片扫描仪进行扫描,得到转换数字化的病理切片,从而将病理切片转换为数字切片。
选择一张数字切片为主切片Main,并获取主切片的导航缩略图MT。
在多屏浏览中选择要浏览的同组织数字切片,设置其中一张数字切片为主切片Main,并获取到主切片的导航缩略图MT,将其他要对比的切片存储到集合L并以主切片为基准进行对齐操作。
选择需要与主切片对齐操作的待对齐数字切片,并获得该待对齐数字切片的切片图XI和导航缩略图XT;判断待对齐数字切片与主切片Main的相似度并获取两者的仿射变换矩阵。
进一步,该步骤具体包括:
分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX;
分别计算主切片导航缩略图MT与其SURF特征关键点KM、导航缩略图XT与其SURF特征关键点KX的SURF特征描述矩阵DM和SURF特征描述矩阵DX;
对SURF特征描述矩阵DM和SURF特征描述矩阵DX进行近似最近邻匹配得到匹配特征点D;
根据匹配特征点D判断待对齐数字切片与主切片Main的相似度,如果待对齐数字切片与主切片Main的相似度高则获取两者的仿射变换矩阵;否则选择其它待对齐数字切片与主切片进行对齐操作。
根据仿射变换矩阵得到待对齐数字切片与主切片Main对齐后的缩略图,并将待对齐数字切片的导航缩略图XT进行旋转、偏移和缩放处理,转化到待对齐数字切片的切片图XI上。
根据矩阵AffineM及主切片Main使用OpenCV的WarpAffine方法可直接得到对齐后的缩略图,由于切片缩略图与切片的像素比例为1:512,可将X缩略图的旋转、偏移、缩放转化到切片图XI上。
作为本实施例一种可能的实现方式,所述分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX,包括:
比较导航缩略图XT与主切片导航缩略图MT,使用Opencv中SURF函数创建SURF对象,设置关键点监测的阈值,并使用Detect方法分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX。
作为本实施例一种可能的实现方式,所述根据匹配特征点D判断待对齐数字切片与主切片Main的相似度,包括:
对匹配特征点D按距离进行排序,取前五个匹配特征点得出距离平均值A1,判断距离平均值A1是否小于相似阈值;针对D按距离进行排序,距离越远则代表两点相似度越低。取前五个点得出距离平均值A1,经大量测试两相似点距离在0.08内为优匹配,两张图片相似度最高,故相似阈值取值为0.08。
如果距离平均值A1小于相似阈值则代表当前两张图片高度相似,返回主切片导航缩略图MT的特征关键点并赋值给O以及排序后的匹配特征点D;
如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度。
作为本实施例一种可能的实现方式,如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度,包括:
如果距离平均值A1不小于相似阈值,则对导航缩略图XT沿Y轴进行翻转得到图片FM,并创建SURF对象,设置关键点监测阈值,使用Detect方法计算图片FM的SURF特征关键点KFM,使用Compute方法计算图片FM与SURF特征关键点KFM的特征描述矩阵DF,将特征描述矩阵DF与SURF特征描述矩阵DX使用FlannBasedMatcher近似法的Match方法进行最近邻近似匹配得到匹配特征点F,针对匹配特征点F按距离进行排序得到D',再次取前五个点得出距离平均值A2,如果A2小于相似阈值则代表当前图片进行了水平翻转,返回翻转后的特征关键点KFM赋值给O及翻转排序后的D';如果A2不小于相似阈值,代表当前两张图片相似度极低,故两张切片不是同一个组织,返回空Empty。
作为本实施例一种可能的实现方式,所述获取两者的仿射变换矩阵,包括:
所述获取两者的仿射变换矩阵,包括:
定义匹配特征点长度的两个数组P1和P2,设m=0,使用for循环遍历特征匹配点D,估计最优的仿射变换矩阵A,得到内联点inliers;
设b=O,使用for循环遍历inliers,寻找良好匹配点;
设j=0,使用for循环遍历良好匹配点GP,估计最优的仿射变换矩阵E;
如果图片不需要翻转处理,则将仿射变换矩阵E赋值给仿射变换矩阵AffineM;如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM。
作为本实施例一种可能的实现方式,估计最优的仿射变换矩阵A,得到内联点inliers,包括:
H为D[m],寻找H查询点索引在特征点O中的坐标赋值给P1[i],寻找H中被查询到的点的索引在特征点O中的坐标赋值给P2[i],m=m+1,如果m小于D的长度则继续寻找H查询点索引在特征点O中的坐标;如果m大于D的长度则使用RANSAC的estimateAffine2D来估计最优的仿射变换矩阵A,得到内联点inliers。
作为本实施例一种可能的实现方式,所述寻找良好匹配点,包括:
如果inliers[b]不为0,则证明该点为良好匹配点,添加到GP中,b=b+1,如果b小于inliers长度则继续遍历inliers,如果b大于inliers长度则定义良好匹配点的长度的两个数组GP1、GP2。
作为本实施例一种可能的实现方式,所述估计最优的仿射变换矩阵E,包括:
K为GP[j],寻找K查询点索引在特征点GP中的坐标赋值给GP1[i],寻找K中被查询到的点的索引在特征点GP中的坐标赋值给GP2[i],j=j+1,如果j小于GP的长度则继续寻找K查询点索引在特征点GP中的坐标;如果大于GP的长度则将得到的GP1、GP2通过使用RANSAC的estimateAffine2D来估计最优的仿射变换矩阵E。
作为本实施例一种可能的实现方式,如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM,包括:
如果当前图片进行了翻转,使用2x3矩阵来表示仿射变换,获取矩阵E中(0,0)、(0,1)、(0,2)、(1,0)、(1,1)、(1,2)点的值并分别赋值给A00,A01,A02,A10,A11,A12;根据矩阵E中的点获得角度DAngle,设置变量x,y分别为A02、A12的值,定义SX、SY分别为X、Y轴的缩放比例:
定义图像平移为双浮点型,根据Dangle的角度对图像进行平移:
定义双浮点型翻转Flip,使用Opencv中Mat类获得翻转矩阵FlipM;
使用Opencv中Mat类和图像平移量Translation获得平移矩阵TM,
得到仿射变换矩阵AffineM=E×FlipM+TM。
作为本实施例一种可能的实现方式,所述根据Dangle的角度对图像进行平移,包括:
如果DAngle小于90度,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×cos(DAngle÷180×π),0,0,-(SX×DM.Width×sin(DAngle÷180×π))};
如果DAngle在180度和90度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×cos((180-DAngle)÷180×π),0,0,-(SX×DM.Width×sin((180-DAngle)÷180×π))};
如果DAngle在0度和-90度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×sin(DAngle+90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))};
如果DAngle在180度和270度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×sin(-DAngle-90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))}。
如图2所示,本发明实施例提供的一种多个数字切片的同步浏览装置,包括:
切片转换模块,用于将病理切片转换为数字切片;
主切片选择模块,用于选择一张数字切片为主切片Main,并获取主切片的导航缩略图MT;
切片判断模块,用于选择需要与主切片对齐操作的待对齐数字切片,并获得该待对齐数字切片的切片图XI和导航缩略图XT;判断待对齐数字切片与主切片Main的相似度并获取两者的仿射变换矩阵;
切片对齐模块,用于根据仿射变换矩阵得到待对齐数字切片与主切片Main对齐后的缩略图,并将待对齐数字切片的导航缩略图XT进行旋转、偏移和缩放处理,转化到待对齐数字切片的切片图XI上。
作为本实施例一种可能的实现方式,所述切片判断模块,包括:
特征关键点计算模块,用于分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX;
描述矩阵计算模块,用于分别计算主切片导航缩略图MT与其SURF特征关键点KM、导航缩略图XT与其SURF特征关键点KX的SURF特征描述矩阵DM和SURF特征描述矩阵DX;
匹配特征点模块,用于对SURF特征描述矩阵DM和SURF特征描述矩阵DX进行近似最近邻匹配得到匹配特征点D;
相似度判断模块,用于根据匹配特征点D判断待对齐数字切片与主切片Main的相似度,如果待对齐数字切片与主切片Main的相似度高则获取两者的仿射变换矩阵;否则选择其它待对齐数字切片与主切片进行对齐操作。
作为本实施例一种可能的实现方式,所述特征关键点计算模块,具体用于:比较导航缩略图XT与主切片导航缩略图MT,使用Opencv中SURF函数创建SURF对象,设置关键点监测的阈值,并使用Detect方法分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX。
作为本实施例一种可能的实现方式,所述相似度判断模块,具体用于:
对匹配特征点D按距离进行排序,取前五个匹配特征点得出距离平均值A1,判断距离平均值A1是否小于相似阈值;
如果距离平均值A1小于相似阈值则代表当前两张图片高度相似,返回主切片导航缩略图MT的特征关键点并赋值给O以及排序后的匹配特征点D;
如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度。
作为本实施例一种可能的实现方式,所述相似度判断模块,还具体用于:
定义匹配特征点长度的两个数组P1和P2,设m=0,使用for循环遍历特征匹配点D,估计最优的仿射变换矩阵A,得到内联点inliers;
设b=O,使用for循环遍历inliers,寻找良好匹配点;
设j=0,使用for循环遍历良好匹配点GP,估计最优的仿射变换矩阵E;
如果图片不需要翻转处理,则将仿射变换矩阵E赋值给仿射变换矩阵AffineM;如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM。
利用本发明所述的装置对多个数字切片进行同步浏览的具体过程如下。
步骤S1.将病理切片放入数字切片扫描仪中,获得数字化后的病理切片。
步骤S2.在浏览软件多屏浏览中选择要浏览的同组织切片,设置其中一张切片为主切片Main,获取到主切片的导航缩略图MT,其他要对比的切片存储到L并以主切片为基准进行对齐操作。如图3所示,图3中左边组织切片为主切片,右边切片为要对比的切片。
步骤S3.使用for循环遍历L,设置i=0。
步骤S3.1.X=L[i],X为当前要与Main对齐的切片,获得X切片的导航缩略图XT、切片图XI。
步骤S3.2.比较缩略图XT与MT,使用Opencv中SURF函数,创建SURF对象,设置关键点监测的阈值,阈值越高监测的点越少。使用Detect方法分别计算两张缩略图的SURF特征关键点KM与KX。
步骤S3.3.使用Compute方法分别计算MT与KM、XT与KX的SURF特征描述矩阵DM、DX。
步骤S3.4.使用FlannBasedMatcher近似法的Match方法对描述矩阵DM、DX进行最近邻近似匹配得到匹配特征点D。
步骤S3.5.针对D按距离进行排序,距离越远则代表两点相似度越低。取前五个点得出距离平均值A1,经大量测试两相似点距离在0.08内为优匹配,两张图片相似度最高,故判断当前A1是否小于0.08。
步骤S3.5.1.如果A1小于0.08则代表当前两张图片高度相似,返回MT的特征关键点并赋值给O及排序后的D。
步骤S3.5.2.如果A1不小于0.08可能存在图片翻转,首先对XT切片缩略图沿Y轴进行翻转得到图片FM,再次创建SURF对象,设置关键点监测的阈值,使用Detect方法计算FM的SURF特征关键点KFM,使用Compute方法计算FM与KFM特征描述矩阵DF,将DF与DX使用FlannBasedMatcher近似法的Match方法进行最近邻近似匹配得到F,针对F按距离进行排序得到D,再次取前五个点得出距离平均值A2,如果A2小于0.08则代表当前图片进行了水平翻转,返回翻转后的特征关键点KFM赋值给O及翻转排序后的D;如果A2不小于0.08,代表当前两张图片相似度极低,故两张切片不是同一个组织,返回空Empty。
步骤S3.6.如果D为空则结束对比,提示用户当前两张切片非同一组织结束对齐;如果D不为空则转到步骤S3.6.1.获取仿射变换。
步骤S3.6.1.定义匹配特征点的长度的两个数组P1、P2,设m=0,使用for循环遍历特征匹配点D。
步骤S3.6.1.1.H为D[m],寻找H查询点索引在特征点O中的坐标赋值给P1[i],寻找H中被查询到的点的索引在特征点O中的坐标赋值给P2[i],m=m+1,如果m大于D的长度则转到下一步骤S3.6.1.2,如果m小于D的长度则转到继续步骤S3.6.1.1。
步骤S3.6.1.2.使用RANSAC的estimateAffine2D来估计最优的仿射变换矩阵A,得到得出内联点inliers。
步骤S3.6.2.设b=O,使用for循环遍历inliers。
步骤S3.6.2.1.如果inliers[b]不为0,则证明该点为良好匹配点,添加到GP中,b=b+1,如果b小于inliers长度则继续步骤S3.6.2.1,如果b大于小于inliers长度则转到下一步骤S3.6.2.2。
步骤S3.6.2.2.定义良好匹配点的长度的两个数组GP1、GP2,设j=0,使用for循环遍历良好匹配点GP。
步骤S3.6.2.3.K为GP[j],寻找K查询点索引在特征点GP中的坐标赋值给GP1[i],寻找K中被查询到的点的索引在特征点GP中的坐标赋值给GP2[i],j=j+1,如果j大于GP的长度则转到下一步骤S3.6.2.4,如果j小于GP的长度则继续步骤S3.6.2.3。
步骤S3.6.2.4.将得到的GP1、GP2通过使用RANSAC的estimateAffine2D来估计最优的仿射变换矩阵E。
步骤S3.6.3.如果当前图片进行了翻转,通常使用2x3矩阵来表示仿射变换,故获取矩阵E中(0,0)、(0,1)、(0,2)、(1,0)、(1,1)、(1,2)点的值并分别赋值给A00,A01,A02,A10,A11,A12。根据点可获得角度DAngle,设置变量x,y分别为A02、A12的值,定义SX、SY分别为X、Y轴的缩放比例:
步骤S3.6.4.定义平移Translation为双浮点型,
如果DAngle小于90度,则平移Translation为:
Translation={0,0,SX×DM.Width×cos(DAngle÷180×π),0,0,-(SX×DM.Width×sin(DAngle÷180×π))};
如果DAngle在180度和90度之间,则平移Translation为:
Translation={0,0,SX×DM.Width×cos((180-DAngle)÷180×π),0,0,-(SX×DM.Width×sin((180-DAngle)÷180×π))};
如果DAngle在0度和-90度之间,则平移Translation为:
Translation={0,0,SX×DM.Width×sin(DAngle+90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))};
如果DAngle在180度和270度之间,则平移Translation为:
Translation={0,0,SX×DM.Width×sin(-DAngle-90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))};
定义双浮点型翻转Flip,使用Opencv中Mat类获得翻转矩阵FlipM;
使用Opencv中Mat类和Translation获得平移矩阵TM;
则仿射变换矩阵AffineM=E×FlipM+TM。
步骤S4.根据矩阵AffineM及主切片Main使用OpenCV的WarpAffine方法可直接得到对齐后的缩略图,由于切片缩略图与切片的像素比例为1:512,可将X缩略图的旋转、偏移、缩放转化到切片图XI上。
步骤S5.i=i+1,如果i<=L的长度转到步骤S3.2.,如果i>L得长度则完成对齐。对图3完成对齐的数字切片如图4所示,图4中左边组织切片为主切片,右边切片为完成对齐的切片。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (6)
1.一种多个数字切片的同步浏览方法,其特征是,包括:
将病理切片转换为数字切片;
选择一张数字切片为主切片Main,并获取主切片的导航缩略图MT;
选择需要与主切片对齐操作的待对齐数字切片,并获得该待对齐数字切片的切片图XI和导航缩略图XT;判断待对齐数字切片与主切片Main的相似度并获取两者的仿射变换矩阵;
根据仿射变换矩阵得到待对齐数字切片与主切片Main对齐后的缩略图,并将待对齐数字切片的导航缩略图XT进行旋转、偏移和缩放处理,转化到待对齐数字切片的切片图XI上;
所述选择需要与主切片对齐操作的待对齐数字切片,并获得该待对齐数字切片的切片图XI和导航缩略图XT;判断待对齐数字切片与主切片Main的相似度并获取两者的仿射变换矩阵;包括:
分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX;
分别计算主切片导航缩略图MT与其SURF特征关键点KM、导航缩略图XT与其SURF特征关键点KX的SURF特征描述矩阵DM和SURF特征描述矩阵DX;
对SURF特征描述矩阵DM和SURF特征描述矩阵DX进行近似最近邻匹配得到匹配特征点D;
根据匹配特征点D判断待对齐数字切片与主切片Main的相似度,如果待对齐数字切片与主切片Main的相似度高则获取两者的仿射变换矩阵;否则选择其它待对齐数字切片与主切片进行对齐操作;
所述获取两者的仿射变换矩阵,包括:
定义匹配特征点长度的两个数组P1和P2,使用for循环遍历特征匹配点D,估计最优的仿射变换矩阵A,得到内联点inliers;
使用for循环遍历inliers,寻找良好匹配点;
使用for循环遍历良好匹配点GP,估计最优的仿射变换矩阵E;
如果图片不需要翻转处理,则将仿射变换矩阵E赋值给仿射变换矩阵AffineM;如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM;
所述估计最优的仿射变换矩阵A,得到内联点inliers,包括:
H为D[m],寻找H查询点索引在特征点O中的坐标赋值给P1[i],寻找H中被查询到的点的索引在特征点O中的坐标赋值给P2[i], m=m+1,如果m小于D的长度则继续寻找H查询点索引在特征点O中的坐标;如果m大于D的长度则使用RANSAC的 estimateAffine2D来估计最优的仿射变换矩阵A,得到内联点inliers;
所述寻找良好匹配点,包括:
如果inliers[b]不为0,则证明该点为良好匹配点,添加到GP中,b=b+1,如果b小于inliers长度则继续遍历inliers,如果b大于inliers长度则定义良好匹配点的长度的两个数组GP1、GP2;
所述估计最优的仿射变换矩阵E,包括:
K为GP[j],寻找K查询点索引在特征点GP中的坐标赋值给GP1[i],寻找K中被查询到的点的索引在特征点GP中的坐标赋值给GP2[i], j=j+1,如果j小于GP的长度则继续寻找K查询点索引在特征点GP中的坐标;如果大于GP的长度则将得到的GP1、GP2通过使用RANSAC的estimateAffine2D来估计最优的仿射变换矩阵E;
如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM,包括:
如果当前图片进行了翻转,使用2x3矩阵来表示仿射变换,获取矩阵E中(0,0)、(0,1)、(0,2)、(1,0)、(1,1)、(1,2)点的值并分别赋值给A00,A01,A02,A10,A11,A12;根据矩阵E中的点获得角度DAngle,设置变量x,y分别为A02、A12的值,定义SX、SY分别为X、Y轴的缩放比例:
定义图像平移为双浮点型,根据Dangle的角度对图像进行平移:
定义双浮点型翻转Flip,使用Opencv中Mat类获得翻转矩阵FlipM;
使用Opencv中Mat类和图像平移量Translation 获得平移矩阵TM,
得到仿射变换矩阵AffineM=EFlipM+TM;
所述根据Dangle的角度对图像进行平移,包括:
如果DAngle小于90度,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×cos(DAngle÷180×π),0,0,﹣(SX×DM.Width×sin(DAngle÷180×π))};
如果DAngle在180度和90度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×cos((180﹣DAngle)÷180×π),0,0,-(SX×DM.Width×sin((180-DAngle)÷180×π))};
如果DAngle在0度和-90度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×sin((DAngle+90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))};
如果DAngle在180度和270度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×sin((-DAngle-90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))}。
2.根据权利要求1所述的多个数字切片的同步浏览方法,其特征是,所述分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX,包括:
比较导航缩略图XT与主切片导航缩略图MT,使用Opencv中SURF函数创建SURF对象,设置关键点监测的阈值,并使用Detect方法分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX。
3.根据权利要求1所述的多个数字切片的同步浏览方法,其特征是,所述根据匹配特征点D判断待对齐数字切片与主切片Main的相似度,包括:
对匹配特征点D按距离进行排序,取前五个匹配特征点得出距离平均值A1,判断距离平均值A1是否小于相似阈值;
如果距离平均值A1小于相似阈值则代表当前两张图片高度相似,返回主切片导航缩略图MT的特征关键点并赋值给O以及排序后的匹配特征点D;
如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度;
如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度,包括:
如果距离平均值A1不小于相似阈值,则对导航缩略图XT沿Y轴进行翻转得到图片FM,并创建SURF对象,设置关键点监测阈值,使用Detect方法计算图片FM的SURF特征关键点KFM,使用Compute方法计算图片FM与SURF特征关键点KFM的特征描述矩阵DF,将特征描述矩阵DF与SURF特征描述矩阵DX使用FlannBasedMatcher近似法的Match方法进行最近邻近似匹配得到匹配特征点F,针对匹配特征点F按距离进行排序得到D',再次取前五个点得出距离平均值A2,如果A2小于相似阈值则代表当前图片进行了水平翻转,返回翻转后的特征关键点KFM赋值给O及翻转排序后的D';如果A2不小于相似阈值,代表当前两张图片相似度极低,故两张切片不是同一个组织,返回空Empty。
4.一种多个数字切片的同步浏览装置,其特征是,包括:
切片转换模块,用于将病理切片转换为数字切片;
主切片选择模块,用于选择一张数字切片为主切片Main,并获取主切片的导航缩略图MT;
切片判断模块,用于选择需要与主切片对齐操作的待对齐数字切片,并获得该待对齐数字切片的切片图XI和导航缩略图XT;判断待对齐数字切片与主切片Main的相似度并获取两者的仿射变换矩阵;
切片对齐模块,用于根据仿射变换矩阵得到待对齐数字切片与主切片Main对齐后的缩略图,并将待对齐数字切片的导航缩略图XT进行旋转、偏移和缩放处理,转化到待对齐数字切片的切片图XI上;
所述切片判断模块,包括:
特征关键点计算模块,用于分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX;
描述矩阵计算模块,用于分别计算主切片导航缩略图MT与其SURF特征关键点KM、导航缩略图XT与其SURF特征关键点KX的SURF特征描述矩阵DM和SURF特征描述矩阵DX;
匹配特征点模块,用于对SURF特征描述矩阵DM和SURF特征描述矩阵DX进行近似最近邻匹配得到匹配特征点D;
相似度判断模块,用于根据匹配特征点D判断待对齐数字切片与主切片Main的相似度,如果待对齐数字切片与主切片Main的相似度高则获取两者的仿射变换矩阵;否则选择其它待对齐数字切片与主切片进行对齐操作;
所述相似度判断模块,还具体用于:
定义匹配特征点长度的两个数组P1和P2,设m=0,使用for循环遍历特征匹配点D,估计最优的仿射变换矩阵A,得到内联点inliers;
使用for循环遍历inliers,寻找良好匹配点;
使用for循环遍历良好匹配点GP,估计最优的仿射变换矩阵E;
如果图片不需要翻转处理,则将仿射变换矩阵E赋值给仿射变换矩阵AffineM;如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM;
所述估计最优的仿射变换矩阵A,得到内联点inliers,包括:
H为D[m],寻找H查询点索引在特征点O中的坐标赋值给P1[i],寻找H中被查询到的点的索引在特征点O中的坐标赋值给P2[i],m=m+1,如果m小于D的长度则继续寻找H查询点索引在特征点O中的坐标;如果m大于D的长度则使用RANSAC的estimateAffine2D来估计最优的仿射变换矩阵A,得到内联点inliers;
所述寻找良好匹配点,包括:
如果inliers[b]不为0,则证明该点为良好匹配点,添加到GP中,b=b+1,如果b小于inliers长度则继续遍历inliers,如果b大于inliers长度则定义良好匹配点的长度的两个数组GP1、GP2;
所述估计最优的仿射变换矩阵E,包括:
K为GP[j],寻找K查询点索引在特征点GP中的坐标赋值给GP1[i],寻找K中被查询到的点的索引在特征点GP中的坐标赋值给GP2[i],j=j+1,如果j小于GP的长度则继续寻找K查询点索引在特征点GP中的坐标;如果大于GP的长度则将得到的GP1、GP2通过使用RANSAC的estimateAffine2D来估计最优的仿射变换矩阵E;
如果对图片进行翻转,则进行平移处理得到平移矩阵TM,根据平移矩阵TM计算仿射变换矩阵AffineM,包括:
如果当前图片进行了翻转,使用2x3矩阵来表示仿射变换,获取矩阵E中(0,0)、(0,1)、(0,2)、(1,0)、(1,1)、(1,2)点的值并分别赋值给A00,A01,A02,A10,A11,A12;根据矩阵E中的点获得角度DAngle,设置变量x,y分别为A02、A12的值,定义SX、SY分别为X、Y轴的缩放比例:
定义图像平移为双浮点型,根据Dangle的角度对图像进行平移:
定义双浮点型翻转Flip,使用Opencv中Mat类获得翻转矩阵FlipM;
使用Opencv中Mat类和图像平移量Translation获得平移矩阵TM,
得到仿射变换矩阵AffineM=EFlipM+TM;
所述根据Dangle的角度对图像进行平移,包括:
如果DAngle小于90度,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×cos(DAngle÷180×π),0,0,﹣(SX×DM.Width×sin(DAngle÷180×π))};
如果DAngle在180度和90度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×cos((180﹣DAngle)÷180×π),0,0,-(SX×DM.Width×sin((180-DAngle)÷180×π))};
如果DAngle在0度和-90度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×sin((DAngle+90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))};
如果DAngle在180度和270度之间,则图像平移量Translation为:
Translation={0,0,SX×DM.Width×sin((-DAngle-90)÷180×π),0,0,-(SX×DM.Width×cos((DAngle+90)÷180×π))}。
5.根据权利要求4所述的多个数字切片的同步浏览装置,其特征是,所述特征关键点计算模块,具体用于:比较导航缩略图XT与主切片导航缩略图MT,使用Opencv中SURF函数创建SURF对象,设置关键点监测的阈值,并使用Detect方法分别计算主切片导航缩略图MT与导航缩略图XT的SURF特征关键点KM与SURF特征关键点KX。
6.根据权利要求4所述的多个数字切片的同步浏览装置,其特征是,所述相似度判断模块,具体用于:
对匹配特征点D按距离进行排序,取前五个匹配特征点得出距离平均值A1,判断距离平均值A1是否小于相似阈值;
如果距离平均值A1小于相似阈值则代表当前两张图片高度相似,返回主切片导航缩略图MT的特征关键点并赋值给O以及排序后的匹配特征点D;
如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度;
如果距离平均值A1不小于相似阈值,则对导航缩略图XT进行翻转后重新计算匹配特征点D,再判断待对齐数字切片与主切片Main的相似度,包括:
如果距离平均值A1不小于相似阈值,则对导航缩略图XT沿Y轴进行翻转得到图片FM,并创建SURF对象,设置关键点监测阈值,使用Detect方法计算图片FM的SURF特征关键点KFM,使用Compute方法计算图片FM与SURF特征关键点KFM的特征描述矩阵DF,将特征描述矩阵DF与SURF特征描述矩阵DX使用FlannBasedMatcher近似法的Match方法进行最近邻近似匹配得到匹配特征点F,针对匹配特征点F按距离进行排序得到D',再次取前五个点得出距离平均值A2,如果A2小于相似阈值则代表当前图片进行了水平翻转,返回翻转后的特征关键点KFM赋值给O及翻转排序后的D';如果A2不小于相似阈值,代表当前两张图片相似度极低,故两张切片不是同一个组织,返回空Empty。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110781790.1A CN113470788B (zh) | 2021-07-08 | 2021-07-08 | 多个数字切片的同步浏览方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110781790.1A CN113470788B (zh) | 2021-07-08 | 2021-07-08 | 多个数字切片的同步浏览方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113470788A CN113470788A (zh) | 2021-10-01 |
CN113470788B true CN113470788B (zh) | 2023-11-24 |
Family
ID=77879628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110781790.1A Active CN113470788B (zh) | 2021-07-08 | 2021-07-08 | 多个数字切片的同步浏览方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113470788B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839253A (zh) * | 2013-11-21 | 2014-06-04 | 苏州盛景空间信息技术有限公司 | 一种基于局部仿射变换的任意点匹配方法 |
CN107194959A (zh) * | 2017-04-25 | 2017-09-22 | 北京海致网聚信息技术有限公司 | 基于切片进行图像配准的方法和装置 |
CN109409292A (zh) * | 2018-10-26 | 2019-03-01 | 西安电子科技大学 | 基于精细化特征优化提取的异源图像匹配方法 |
CN110070568A (zh) * | 2019-04-28 | 2019-07-30 | 重庆学析优科技有限公司 | 一种图片矫正方法及系统 |
CN110600106A (zh) * | 2019-08-28 | 2019-12-20 | 上海联影智能医疗科技有限公司 | 病理切片处理方法、计算机设备和存储介质 |
CN111275717A (zh) * | 2020-01-17 | 2020-06-12 | 杭州迪英加科技有限公司 | 不同染色切片的对比展示方法、电子设备及可读介质 |
CN112288734A (zh) * | 2020-11-06 | 2021-01-29 | 西安工程大学 | 一种基于图像处理的印花织物表面缺陷检测方法 |
CN112686932A (zh) * | 2020-12-15 | 2021-04-20 | 中国科学院苏州生物医学工程技术研究所 | 用于医学影像的图像配准方法及图像处理方法、介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117499672A (zh) * | 2018-08-27 | 2024-02-02 | 华为技术有限公司 | 一种视频图像预测方法及装置 |
-
2021
- 2021-07-08 CN CN202110781790.1A patent/CN113470788B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839253A (zh) * | 2013-11-21 | 2014-06-04 | 苏州盛景空间信息技术有限公司 | 一种基于局部仿射变换的任意点匹配方法 |
CN107194959A (zh) * | 2017-04-25 | 2017-09-22 | 北京海致网聚信息技术有限公司 | 基于切片进行图像配准的方法和装置 |
CN109409292A (zh) * | 2018-10-26 | 2019-03-01 | 西安电子科技大学 | 基于精细化特征优化提取的异源图像匹配方法 |
CN110070568A (zh) * | 2019-04-28 | 2019-07-30 | 重庆学析优科技有限公司 | 一种图片矫正方法及系统 |
CN110600106A (zh) * | 2019-08-28 | 2019-12-20 | 上海联影智能医疗科技有限公司 | 病理切片处理方法、计算机设备和存储介质 |
CN111275717A (zh) * | 2020-01-17 | 2020-06-12 | 杭州迪英加科技有限公司 | 不同染色切片的对比展示方法、电子设备及可读介质 |
CN112288734A (zh) * | 2020-11-06 | 2021-01-29 | 西安工程大学 | 一种基于图像处理的印花织物表面缺陷检测方法 |
CN112686932A (zh) * | 2020-12-15 | 2021-04-20 | 中国科学院苏州生物医学工程技术研究所 | 用于医学影像的图像配准方法及图像处理方法、介质 |
Non-Patent Citations (1)
Title |
---|
基于仿射变换的植物切片图像配准及三维重建;陈学峰;郭新宇;周淑秋;陆声链;;农机化研究(07);第82-85页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113470788A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Javed et al. | Real-time document localization in natural images by recursive application of a cnn | |
Varish et al. | Image retrieval scheme using quantized bins of color image components and adaptive tetrolet transform | |
CN106446004B (zh) | 数字病理全切片图像检索方法 | |
US10866984B2 (en) | Sketch-based image searching system using cell-orientation histograms and outline extraction based on medium-level features | |
CN115205489A (zh) | 一种大场景下的三维重建方法、系统及装置 | |
US9384519B1 (en) | Finding similar images based on extracting keys from images | |
CN110727819B (zh) | 一种尺度自适应病理全切片图像数据库检索方法 | |
US20040202385A1 (en) | Image retrieval | |
CN105335469A (zh) | 一种图像匹配、检索方法和装置 | |
CN110706294A (zh) | 一种色纺织物颜色差异度检测方法 | |
WO2020238059A1 (zh) | 图像处理方法、装置、存储介质及计算机设备 | |
CN113470788B (zh) | 多个数字切片的同步浏览方法和装置 | |
CN115471682A (zh) | 一种基于SIFT融合ResNet50的图像匹配方法 | |
CN110084269A (zh) | 基于云计算的图像特征优化方法 | |
CN110472085B (zh) | 三维图像搜索方法、系统、计算机设备和存储介质 | |
CN106204889B (zh) | 一种纸币荧光区域的定位方法和装置 | |
CN116881886A (zh) | 身份识别方法、装置、计算机设备和存储介质 | |
EP3086238A1 (en) | Visual search method, system and mobile terminal | |
CN105469015B (zh) | 一种快速定位拍码距离的方法及系统 | |
Kang et al. | An adaptive fusion panoramic image mosaic algorithm based on circular LBP feature and HSV color system | |
CN104574320B (zh) | 一种基于稀疏编码系数匹配的图像超分辨率复原方法 | |
CN109993782B (zh) | 一种环形生成对抗网络的异源遥感图像配准方法及装置 | |
CN112882781A (zh) | 一种智能边框检测和同屏的方法和存储设备 | |
Zhang et al. | A unified saliency detection framework for visible and infrared images | |
CN111556192A (zh) | 手机照片拖动比较排序方法及系统 |
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 |