CN113822820A - 一种图像校正方法、装置及电子设备 - Google Patents

一种图像校正方法、装置及电子设备 Download PDF

Info

Publication number
CN113822820A
CN113822820A CN202111234539.XA CN202111234539A CN113822820A CN 113822820 A CN113822820 A CN 113822820A CN 202111234539 A CN202111234539 A CN 202111234539A CN 113822820 A CN113822820 A CN 113822820A
Authority
CN
China
Prior art keywords
image
data
bias field
correcting
region
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.)
Pending
Application number
CN202111234539.XA
Other languages
English (en)
Inventor
赵静怡
刘楠
张涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Electric Group Corp Zhihui Medical Equipment Branch
Original Assignee
Shanghai Electric Group Corp Zhihui Medical Equipment Branch
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Electric Group Corp Zhihui Medical Equipment Branch filed Critical Shanghai Electric Group Corp Zhihui Medical Equipment Branch
Priority to CN202111234539.XA priority Critical patent/CN113822820A/zh
Publication of CN113822820A publication Critical patent/CN113822820A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种图像校正方法、装置及电子设备，其中拼接图像校正方法，包括：将获取的分段数据进行校正，使各分段数据的亮度显示在同一设定范围内；通过图像融合对校正后的分段数据进行处理，得到拼接后的数据；基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像。通过对获取的分段数据进行校正，使得各分段数据的亮度显示在同一设定范围内，然后基于图像融合技术对分段数据进行拼接，并基于拼接后的数据得到偏置场，基于偏置场实现对原始图像的校正，从而达到使拼接后的图像整体亮度均匀的目的。

Description

一种图像校正方法、装置及电子设备
技术领域
本发明涉及磁共振医学图像处理技术领域，具体而言，涉及一种图像校正方法、装置及电子设备。
背景技术
对于单一的磁共振图像，灰度不均匀主要有两个方面的原因。一方面与磁共振设备本身相关，如静态场不均匀、梯度场涡流、射频信号发射和接收不均匀。另一方面与成像物体本身因素相关，包括物体的形状、位置，物体在磁体中的方位以及成像物体磁导率和电解质特性等。
关于与磁共振设备本身相关的不均匀问题，静态场不均匀可以通过匀场技术解决，梯度场涡流可以通过特殊的硬件设计来消除。通过前瞻性方法可以处理表面线圈接收信号不均匀。前瞻性方法是指在MRI图像获取过程中对图像灰度不均匀性进行校正。前瞻性方法主要分为三类，包括基于水模的方法(从水模图像中提取不均匀场来校正同一位置的表面线圈图像)、基于多线圈的方法(利用体线圈图像来校正表面线圈图像)、基于特殊序列的方法(利用序列参数的差异计算出灰度不均匀场)。现有技术中使用表面线圈和体线圈同时接收磁共振数据，从而进行表面线圈的灵敏度校正，该方法属于基于多线圈的方法，在不增加扫描时间的同时，可以较好的校正图像均匀性。
关于与成像物体本身因素相关的不均匀问题，一般采用回溯性方法处理。回溯性方法是在MRI图像获取之后，校正图像的灰度不均匀。回溯性方法主要分为四类，包括基于滤波的方法(将灰度不均匀场看作图像的低频成分，用高通滤波器滤除低频的灰度不均匀场，达到校正图像的目的)、基于曲面拟合的方法(将灰度不均匀场看作是一个曲面，用曲面拟合的方法拟合出灰度不均匀场)、基于图像分割的方法(在图像分割的过程中引入灰度不均匀校正，最终同时达到图像分割和灰度不均匀校正的目的)、基于直方图的方法(结合灰度不均匀场的特性，对图像直方图进行一定的处理，使不均匀的图像得到校正)。
前瞻性方法对图像的灰度不均匀校正效果比较好，但是该技术一般需要提前进行预扫描，用预扫描的数据来校正后续扫描数据，时间效率不高。另外该方法只能校正由近线圈效应等硬件造成的图像不均匀，与成像物体本身因素相关的不均匀问题无法校正。
回溯性方法虽然不依赖于先验知识，不增加扫描时间，但是容易出现过校正的现象。图像虽然很均匀，但是组织间的对比度信息被改变，图像原有的信息丢失。而且该方法直接对于全脊柱拼接图像的效果不佳，因为全脊柱拼接图像颈椎、腰椎、胸椎各段图像亮度差距较大。
对于全脊柱拼接图像，除了上述单独每幅图像的信号不均匀问题，还有颈椎、腰椎、胸椎各段图像整体亮度不均匀的问题。现有方法中通过修改分段图像的窗宽窗位，使得图像显示更均匀。但是该方法无法从根本上解决分段图像亮度不一致问题。拼接后的图像依旧存在整体亮度不均匀的问题。
发明内容
为解决上述问题，本发明实施例的目的在于提供一种图像校正方法、装置及电子设备，至少解决现有技术中拼接后的图像存在整体亮度不均匀的问题。
第一方面，本发明实施例公开一种拼接图像校正方法，包括：
将获取的分段数据进行校正，使各分段数据的亮度显示在同一设定范围内；
通过图像融合对校正后的分段数据进行处理，得到拼接后的数据；
基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像。
可选的，基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像，包括：
分割拼接后的数据的感兴趣区域；
基于所述感兴趣区域获取偏置场；
对所述偏置场的边缘进行处理，使得图像整体均匀过渡；
基于边缘处理后的偏置场对原始图像进行处理，得到校正后的图像。
可选的，基于边缘处理后的偏置场对原始图像进行处理，得到校正后的图像，包括：
将原始图像除以偏置场。
可选的，所述对所述偏置场的边缘进行处理，使得图像整体均匀过渡，包括：
对所述偏置场的边缘进行处理，保留非感兴趣区域像素值的前提下，使得图像整体均匀过渡。
可选的，所述将获取的分段数据进行校正，包括：
基于图像分割的灰度直方图校准，将获取的分段数据进行校正。
可选的，所述基于图像分割的灰度直方图校准，将获取的分段数据进行校正，包括：
识别图像重叠区域；
获取重叠区域组织；
获取重叠区域组织的灰度直方图；
基于所述灰度直方图，调整直方图分布，从而改善各分段数据的总体亮度，完成灰度匹配；
基于灰度匹配的映射关系和原始图像的像素，对分段数据进行校正。
可选的，所述识别图像重叠区域，包括：
标记图像重叠区域，若重叠区域小于设置值，扩大重叠范围。
可选的，所述获取重叠区域组织，包括：
利用图像阈值分割技术，获取重叠区域组织；
所述利用图像阈值分割技术，获取重叠区域组织，包括：
基于图像中要提取的目标区域与其背景在灰度特性上的差异，图像为具有不同灰度级的两类区域的组合；
选取阈值，以确定图像中每个像素点所属区域，产生相应的二值图像，所属区域包括目标区域或背景区域。
第二方面，本发明实施例还公开一种拼接图像校正装置，包括：
分段数据校正模块，用于将获取的分段数据进行校正，使各分段数据的亮度显示在同一设定范围内；
拼接模块，用于通过图像融合对校正后的分段数据进行处理，得到拼接后的数据；
图像校正模块，用于基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像。
第三方面，本发明实施例还公开一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被所述处理器执行时实现如第一方面任一项所述的一种拼接图像校正方法中的步骤。
本发明实施例有益效果在于：
通过对获取的分段数据进行校正，使得各分段数据的亮度显示在同一设定范围内，然后基于图像融合技术对分段数据进行拼接，并基于拼接后的数据得到偏置场，基于偏置场实现对原始图像的校正，从而达到使拼接后的图像整体亮度均匀的目的。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
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，下面将对实施例或现有技术描述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的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种拼接图像校正方法流程图；
图2示出了本发明实施例所提供的一种拼接图像校正方法的另一个流程图；
图3示出了本发明实施例所提供的基于图像分割的灰度直方图校准的流程图；
图4示出了本发明实施例所提供的基于图像分割的均匀性校准的流程图；
图5a、5b和图5c分别示出了本发明实施例颈椎、胸椎、腰椎的分段示意图；
图6a、6b、6c和图6d分别示出了本发明实施例Range_CT、Range_TC、Range_TL和Range_LT的示意图；
图7a、7b、7c和图7d分别示出了本发明实施例二值图像MASK_CT，MASK_TC，MASK_TL，MASK_LT的示意图；
图8a示出了本发明实施例颈胸段ROI_CT和ROI_TC原始直方图分布示意图；
图8b示出了本发明实施例颈胸段ROI_CT和ROI_TC平滑后直方图分布示意图；
图9a示出了本发明实施例颈胸段ROI_CT和ROI_TC灰度匹配前直方图分布示意图；
图9b示出了本发明实施例颈胸段ROI_CT和ROI_TC灰度匹配后直方图分布示意图；
图10a示出了本发明实施例颈椎图像未分段图像校正前的示意图；
图10b示出了本发明实施例颈椎图像分段图像校正后的示意图；
图11a示出了本发明实施例颈椎、胸椎和腰椎的原始分段图像的示意图；
图11b示出了本发明实施例基于图像分割的分段直方图灰度匹配后的校正图像的示意图；
图11c示出了本发明实施例基于图像分割的偏置场校正的示意图；
图11d示出了本发明实施例校正后的均匀图像的示意图；
图12示出了本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”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发明和简化描述，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发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
ROI：感兴趣区域。
分段图像灰度直方图校正，用于冠状位的全身图像拼接。直接利用直方图来区分背景和组织信号的方法不是非常准确。而且直接利用直方图分布，不符合矢状位的全脊柱拼接图像，对于全脊柱图像均匀性校正效果不佳。
实施例一：
如图1所示，一种拼接图像校正方法，包括：
步骤S101：将获取的分段数据进行校正，使各分段数据的亮度显示在同一设定范围内；
分段数据即分段图像的数据。
步骤S102：通过图像融合对校正后的分段数据进行处理，得到拼接后的数据；
步骤S103：基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像。
可选的，步骤S103基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像，包括：
各分段数据校正完毕后，可进行图像融合，得到完全的拼接数据；
分割拼接后的数据的感兴趣区域；
基于所述感兴趣区域获取偏置场。
通过图像分割，得到图像感兴趣区域，用于后续偏置场校正。
尽管已经调整了各分段数据的总体亮度，使得整体拼接图像更均匀。但是由于磁共振仪器本身硬件原因，以及扫描过程中的各类偏差等因素可导致MRI图像上的亮度差异，此类差异仅依靠调整灰度直方图的分布变化是不够的。偏置场可以表示图像强度值在同一组织内变化，通过计算偏置场校正图像的原始亮度分布。
对所述偏置场的边缘进行处理，使得图像整体均匀过渡；
由于在图像分割的过程中，仅仅校正了感兴趣区域的偏置场，导致偏置场和周围其他信号之间存在明显分界，所以需要对边缘部分进行过渡，在最大程度保留非感兴趣区域组织像素值的前提下，使得图像整体均匀过渡，即对图像边缘进行边缘平滑。
基于边缘处理后的偏置场对原始图像进行处理，得到校正后的图像。
可选的，基于边缘处理后的偏置场对原始图像进行处理，得到校正后的图像，包括：
将原始图像除以偏置场。
可选的，步骤S101中将获取的分段数据进行校正，包括：
基于图像分割的灰度直方图校准，将获取的分段数据进行校正。
可选的，所述基于图像分割的灰度直方图校准，将获取的分段数据进行校正，包括：
识别图像重叠区域；
可选的，所述识别图像重叠区域，包括：
标记图像重叠区域，若重叠区域小于设置值，扩大重叠范围。
利用图像配准等技术，标记图像重叠区域。若重叠区域过小，可适当扩大重叠范围，此处略有误差对后续结果影响不大。
获取重叠区域组织；
可选的，所述获取重叠区域组织，包括：
利用图像阈值分割技术，获取重叠区域组织；
所述利用图像阈值分割技术，获取重叠区域组织，包括：
基于图像中要提取的目标区域与其背景在灰度特性上的差异，图像为具有不同灰度级的两类区域的组合；选取阈值，以确定图像中每个像素点所属区域，产生相应的二值图像，所属区域包括目标区域或背景区域。
即利用图像中要提取的目标区域与其背景在灰度特性上的差异，把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合，选取比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。
获取重叠区域组织的灰度直方图；
灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。将灰度直方图根据重叠区域分别绘制，每张直方图上有两组数据，分别来自上下拼接两幅图像的重叠区域组织。
基于所述灰度直方图，调整直方图分布，从而改善各分段数据的总体亮度，完成灰度匹配；
由于重叠区域的组织结构相同，所以灰度直方图分布应该接近一致。但由于分段数据在采集时，线圈不同、组织距离线圈的位置不同，所以各分段图像总体灰度分布并不相同。根据这一原理，可调整直方图分布，从而改善各分段数据的总体亮度，达到整体拼接图像。
对于多段分段数据的直方图分布的调整，具体有两类操作方式。第一类，默认以首段数据直方图分布为标准，其余各段数据依次校正直方图。第二类，在各段数据中，指定某一段的数据的直方图分布为标准，其余各段数据依次向该段数据分布靠拢。
基于灰度匹配的映射关系和原始图像的像素，对分段数据进行校正。
本实施例，适配全脊柱图像拼接前的分段图像，使得图像融合的结果更均匀；
基于图像重叠区域计算灰度直方图，可以保证下上组织的差异最小，结果可靠性高；
基于图像分割，提取感兴趣区域，可以抑制压饱和带等不需要被均匀的图像区域，使得图像结果更符合临床要求，避免图像均匀性过校正的情况。
本实施例，通过精确识别图像重叠区域计算直方图分布，不仅可以降低图像运算数据量，而且由于重叠区域的组织基本一致，后续的灰度匹配鲁棒性更好。
通过图像分割，可以更精确的区分背景信号和组织信号，获取重叠区域的目标组织。
通过图像分割，提取感兴趣区域，使得拼接图像的偏置场计算效果更好。
通过偏置场边缘平滑，解决压饱和带等不需要校正的区域自然过渡。
实施例二：
本实施例以颈椎、胸椎、腰椎，三段图像拼接为例
1、识别图像重叠区域
将颈椎、胸椎、腰椎三张分段图像分别标记为Img_Cervical、Img_Thoracic、Img_Lumbar，详见图5a、5b和5c。此处三段图像显示在同一窗宽窗位下，可见颈椎段信号偏低，而腰椎段信号值偏高。利用图像配准等技术，标记图像重叠区域Range_CT(Cervical-Thoracic)，Range_TC(Thoracic-Cervical)，Range_TL(Thoracic–Lumbar)，Range_LT(Lumbar–Thoracic)，详见图6a、6b、6c和6d。
2、利用图像阈值分割技术，获取重叠区域组织
利用图像中要提取的目标区域与其背景在灰度特性上的差异，把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合，选取一个合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域。结合图像膨胀腐蚀技术，根据边缘信号填充内部图像，产生相应的二值图像MASK_CT，MASK_TC，MASK_TL，MASK_LT，详见图7a至图7d。将图像重叠区域的ROI分别标记为ROI_CT，ROI_TC，ROI_TL，ROI_LT。
ROI_CT＝Range_CT.*MASK_CT
3、计算重叠区域组织的灰度直方图
灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。将灰度直方图根据重叠区域分别绘制，每张直方图上有两组数据，分别来自上下拼接两幅图像的重叠区域组织。
得到颈胸段直方图和胸腰段直方图，每张直方图上有两组数据，分别来自上下拼接两幅图像的ROI。以颈椎图像和胸椎图像为例，直方图数据来源为ROI_CT和ROI_TC。在计算灰度直方图时，为了更快的获取后续灰度匹配的特征点，此处进行了直方图平滑，详见图8a和图8b。
4、灰度匹配
由于重叠区域的组织结构相同，所以灰度直方图分布应该接近一致。但由于分段数据在采集时，线圈不同、组织距离线圈的位置不同，所以各分段图像总体灰度分布并不相同。根据这一原理，可调整直方图分布，从而改善各分段数据的总体亮度，达到整体拼接图像。
根据图8a和8b可见颈椎段整体信号值偏低。由于图像分割已经去除了非感兴趣区域组织，所以灰度匹配采用三点法进行。通过算法识别灰度直方图上的第一峰值、第二峰值和最大像素值位置。以胸椎段分布为基准，调整颈椎段信号分布，采用线性插值，详见图9a和9b。
5、校正图像
根据灰度匹配后的映射关系，参照原始图像中的像素可以得到校正后的图像，详见图10a和图10b。从10a和图10b可见，原本颈椎段信号偏低，通过校正后，信号值分布已接近胸椎段。该图像可用于后续图像拼接。
6、分割融合后的感兴趣区域
各分段数据校正完毕后，可进行图像融合，得到完全的全脊柱拼接数据。详见图11B。通过图像分割，区分背景信号和组织信号。根据图像的先验知识判断图像是否有饱和带，胸部等低信号区域是否需要参与均匀性校准。此处默认全脊柱图像的所有组织均参与均匀性校准。根据图像分割得到的组织信号，计算图像的偏置场，进一步进行拼接图像的均匀性校准。
7、计算偏置场
尽管在之前的步骤中，已经调整了各分段数据的总体亮度，使得整体拼接图像更均匀。但是由于磁共振仪器本身硬件原因，以及扫描过程中的各类偏差等因素可导致MRI图像上的亮度差异，此类差异仅依靠调整灰度直方图的分布变化是不够的。偏置场可以表示图像强度值在同一组织内变化，通过计算偏置场，可以校正图像的原始亮度分布。详见图11C。
8、偏置场边缘过渡
由于在图像分割的过程中，仅仅校正了感兴趣区域的偏置场，导致偏置场和周围其他信号之间存在明显分界，所以需要对边缘部分进行过渡，在最大程度保留非感兴趣区域组织像素值的前提下，使得图像整体均匀过渡。
9、校正图像
根据公式
I(x)＝b(x)J(x)+n(x)，
其中b(x)代表偏置场，J(x)代表校正后图像，n(x)代表噪声信号，I(x)代表原始全脊柱拼接图像。由于图像分割已经去除了背景噪声n(x)，所以此处仅考虑I(x)＝b(x)J(x)。将原始图像除以偏置场，即可得到校正后的全脊柱均匀图像，详见图11D。
实施例三：
本发明还提供了一种拼接图像校正装置，包括：
分段数据校正模块，用于将获取的分段数据进行校正，使各分段数据的亮度显示在同一设定范围内；
拼接模块，用于通过图像融合对校正后的分段数据进行处理，得到拼接后的数据；
图像校正模块，用于基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像。
可选的，基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像，包括：
分割拼接后的数据的感兴趣区域；
基于所述感兴趣区域获取偏置场；
对所述偏置场的边缘进行处理，使得图像整体均匀过渡；
基于边缘处理后的偏置场对原始图像进行处理，得到校正后的图像。
可选的，基于边缘处理后的偏置场对原始图像进行处理，得到校正后的图像，包括：
将原始图像除以偏置场。
可选的，所述对所述偏置场的边缘进行处理，使得图像整体均匀过渡，包括：
对所述偏置场的边缘进行处理，保留非感兴趣区域像素值的前提下，使得图像整体均匀过渡。
可选的，所述将获取的分段数据进行校正，包括：
基于图像分割的灰度直方图校准，将获取的分段数据进行校正。
可选的，所述基于图像分割的灰度直方图校准，将获取的分段数据进行校正，包括：
识别图像重叠区域；
获取重叠区域组织；
获取重叠区域组织的灰度直方图；
基于所述灰度直方图，调整直方图分布，从而改善各分段数据的总体亮度，完成灰度匹配；
基于灰度匹配的映射关系和原始图像的像素，对分段数据进行校正。
可选的，所述识别图像重叠区域，包括：
标记图像重叠区域，若重叠区域小于设置值，扩大重叠范围。
可选的，所述获取重叠区域组织，包括：
利用图像阈值分割技术，获取重叠区域组织；
所述利用图像阈值分割技术，获取重叠区域组织，包括：
基于图像中要提取的目标区域与其背景在灰度特性上的差异，图像为具有不同灰度级的两类区域的组合；
选取阈值，以确定图像中每个像素点所属区域，产生相应的二值图像，所属区域包括目标区域或背景区域。
第二方面，本发明实施例还公开一种拼接图像校正装置，包括：
分段数据校正模块，用于将获取的分段数据进行校正，使各分段数据的亮度显示在同一设定范围内；
拼接模块，用于通过图像融合对校正后的分段数据进行处理，得到拼接后的数据；
图像校正模块，用于基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像。
实施例四：
此外，本发明实施例还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述拼接图像校正方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
具体的，参见图12所示，本发明实施例还提供了一种电子设备，该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中，该电子设备还包括：存储在存储器1150上并可在处理器1120上运行的计算机程序，计算机程序被处理器1120执行时实现上述拼接图像校正方法实施例的各个过程。
收发器1130，用于在处理器1120的控制下接收和发送数据。
本发明实施例中，总线架构(用总线1110来代表)，总线1110可以包括任意数量互联的总线和桥，总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线以及存储器控制器、外围总线、加速图形端口(Accelerate Graphical Port，AGP)、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括：工业标准体系结构(Industry Standard Architecture，ISA)总线、微通道体系结构(Micro Channel Architecture，MCA)总线、扩展ISA(Enhanced ISA，EISA)总线、视频电子标准协会(Video Electronics Standards Association，VESA)、外围部件互连(Peripheral Component Interconnect，PCI)总线。
处理器1120可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，FPGA)、复杂可编程逻辑器件(Complex ProgrammableLogicDevice，CPLD)、可编程逻辑阵列(Programmable Logic Array，PLA)、微控制单元(Microcontroller Unit，MCU)或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(Random Access Memory，RAM)、闪存(FlashMemory)、只读存储器(Read-Only Memory，ROM)、可编程只读存储器(ProgrammableROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
总线1110还可以将，例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起，总线接口1140在总线1110和收发器1130之间提供接口，这些都是本领域所公知的。因此，本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器1130从其他设备接收外部数据，收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质，还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解，在本发明实施例中，存储器1150可进一步包括相对于处理器1120远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络(ad hoc network)、内联网(intranet)、外联网(extranet)、虚拟专用网(VPN)、局域网(LAN)、无线局域网(WLAN)、广域网(WAN)、无线广域网(WWAN)、城域网(MAN)、互联网(Internet)、公共交换电话网(PSTN)、普通老式电话业务网(POTS)、蜂窝电话网、无线网络、无线保真(Wi-Fi)网络以及两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信(GSM)系统、码分多址(CDMA)系统、全球微波互联接入(WiMAX)系统、通用分组无线业务(GPRS)系统、宽带码分多址(WCDMA)系统、长期演进(LTE)系统、LTE频分双工(FDD)系统、LTE时分双工(TDD)系统、先进长期演进(LTE-A)系统、通用移动通信(UMTS)系统、增强移动宽带(Enhance Mobile Broadband，eMBB)系统、海量机器类通信(massive Machine Type of Communication，mMTC)系统、超可靠低时延通信(UltraReliable Low Latency Communications，uRLLC)系统等。
应理解，本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非易失性存储器包括：只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存(Flash Memory)。
易失性存储器包括：随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如：静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中，存储器1150存储了操作系统1151和应用程序1152的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。
具体而言，操作系统1151包含各种系统程序，例如：框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序，例如：媒体播放器(Media Player)、浏览器(Browser)，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
实施例五：
此外，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述拼接图像校正方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
计算机可读存储介质包括：永久性和非永久性、可移动和非可移动媒体，是可以保留和存储供指令执行设备所使用指令的有形设备。计算机可读存储介质包括：电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备以及上述任意合适的组合。计算机可读存储介质包括：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带存储、磁带磁盘存储或其他磁性存储设备、记忆棒、机械编码装置(例如在其上记录有指令的凹槽中的穿孔卡或凸起结构)或任何其他非传输介质、可用于存储可以被计算设备访问的信息。按照本发明实施例中的界定，计算机可读存储介质不包括暂时信号本身，例如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如穿过光纤电缆的光脉冲)或通过导线传输的电信号。
在本申请所提供的几个实施例中，应该理解到，所披露的装置、电子设备和方法，可以通过其他的方式实现。例如，以上描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的、机械的或其他的形式连接。
所述作为分离部件说明的单元可以是或也可以不是物理上分开的，作为单元显示的部件可以是或也可以不是物理单元，既可以位于一个位置，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或全部单元来解决本发明实施例方案要解决的问题。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术作出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(包括：个人计算机、服务器、数据中心或其他网络设备)执行本发明各个实施例所述方法的全部或部分步骤。而上述存储介质包括如前述所列举的各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换的技术方案，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种拼接图像校正方法，其特征在于，包括：
将获取的分段数据进行校正，使各分段数据的亮度显示在同一设定范围内；
通过图像融合对校正后的分段数据进行处理，得到拼接后的数据；
基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像。
2.根据权利要求1所述的拼接图像校正方法，其特征在于，所述基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像，包括：
分割拼接后的数据的感兴趣区域；
基于所述感兴趣区域获取偏置场；
对所述偏置场的边缘进行处理，使得图像整体均匀过渡；
基于边缘处理后的偏置场对原始图像进行处理，得到校正后的图像。
3.根据权利要求2所述的拼接图像校正方法，其特征在于，基于边缘处理后的偏置场对原始图像进行处理，得到校正后的图像，包括：
将原始图像除以偏置场。
4.根据权利要求2所述的拼接图像校正方法，其特征在于，所述对所述偏置场的边缘进行处理，使得图像整体均匀过渡，包括：
对所述偏置场的边缘进行处理，保留非感兴趣区域像素值的前提下，使得图像整体均匀过渡。
5.根据权利要求1所述的拼接图像校正方法，其特征在于，所述将获取的分段数据进行校正，包括：
基于图像分割的灰度直方图校准，将获取的分段数据进行校正。
6.根据权利要求5所述的拼接图像校正方法，其特征在于，所述基于图像分割的灰度直方图校准，将获取的分段数据进行校正，包括：
识别图像重叠区域；
获取重叠区域组织；
获取重叠区域组织的灰度直方图；
基于所述灰度直方图，调整直方图分布，从而改善各分段数据的总体亮度，完成灰度匹配；
基于灰度匹配的映射关系和原始图像的像素，对分段数据进行校正。
7.根据权利要求6所述的拼接图像校正方法，其特征在于，所述识别图像重叠区域，包括：
标记图像重叠区域，若重叠区域小于设置值，扩大重叠范围。
8.根据权利要求6所述的拼接图像校正方法，其特征在于，所述获取重叠区域组织，包括：
利用图像阈值分割技术，获取重叠区域组织；
所述利用图像阈值分割技术，获取重叠区域组织，包括：
基于图像中要提取的目标区域与其背景在灰度特性上的差异，图像为具有不同灰度级的两类区域的组合；
选取阈值，以确定图像中每个像素点所属区域，产生相应的二值图像，所属区域包括目标区域或背景区域。
9.一种拼接图像校正装置，其特征在于，包括：
分段数据校正模块，用于将获取的分段数据进行校正，使各分段数据的亮度显示在同一设定范围内；
拼接模块，用于通过图像融合对校正后的分段数据进行处理，得到拼接后的数据；
图像校正模块，用于基于图像分割的均匀性校正和拼接后的数据得到偏置场，基于偏置场得到校正后的图像。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的一种拼接图像校正方法中的步骤。
CN202111234539.XA 2021-10-22 2021-10-22 一种图像校正方法、装置及电子设备 Pending CN113822820A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111234539.XA CN113822820A (zh) 2021-10-22 2021-10-22 一种图像校正方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111234539.XA CN113822820A (zh) 2021-10-22 2021-10-22 一种图像校正方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN113822820A true CN113822820A (zh) 2021-12-21

Family

ID=78917182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111234539.XA Pending CN113822820A (zh) 2021-10-22 2021-10-22 一种图像校正方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN113822820A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114792288A (zh) * 2022-06-22 2022-07-26 湖南大学 一种曲面屏图像的灰度校正方法及相关装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101112315A (zh) * 2007-08-24 2008-01-30 珠海友通科技有限公司 X线透视人体影像自动融合拼接方法
CN104135931A (zh) * 2012-02-22 2014-11-05 皇家飞利浦有限公司 用于减少成像数据中的局部伪影的方法和系统
US20170193655A1 (en) * 2015-12-30 2017-07-06 Case Western Reserve University Radiomic features on diagnostic magnetic resonance enterography
CN109523495A (zh) * 2018-10-15 2019-03-26 北京东软医疗设备有限公司 图像处理方法及装置、设备和存储介质
CN111583120A (zh) * 2020-05-22 2020-08-25 上海联影医疗科技有限公司 图像拼接方法、装置、设备和存储介质
CN113436203A (zh) * 2021-06-02 2021-09-24 亳州学院 一种心室膜自动分割方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101112315A (zh) * 2007-08-24 2008-01-30 珠海友通科技有限公司 X线透视人体影像自动融合拼接方法
CN104135931A (zh) * 2012-02-22 2014-11-05 皇家飞利浦有限公司 用于减少成像数据中的局部伪影的方法和系统
US20170193655A1 (en) * 2015-12-30 2017-07-06 Case Western Reserve University Radiomic features on diagnostic magnetic resonance enterography
CN109523495A (zh) * 2018-10-15 2019-03-26 北京东软医疗设备有限公司 图像处理方法及装置、设备和存储介质
CN111583120A (zh) * 2020-05-22 2020-08-25 上海联影医疗科技有限公司 图像拼接方法、装置、设备和存储介质
CN113436203A (zh) * 2021-06-02 2021-09-24 亳州学院 一种心室膜自动分割方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114792288A (zh) * 2022-06-22 2022-07-26 湖南大学 一种曲面屏图像的灰度校正方法及相关装置
CN114792288B (zh) * 2022-06-22 2022-09-16 湖南大学 一种曲面屏图像的灰度校正方法及相关装置

Similar Documents

Publication Publication Date Title
US10997701B1 (en) System and method for digital image intensity correction
CN106056537B (zh) 一种医学图像拼接方法及装置
Huntenburg Evaluating nonlinear coregistration of BOLD EPI and T1w images
CN109035203B (zh) 医学图像处理方法、装置、设备及存储介质
CN111583120B (zh) 图像拼接方法、装置、设备和存储介质
CN111754553B (zh) 多模态扫描图像配准方法、装置、计算机设备和存储介质
CN105741241B (zh) 基于合成增强图像的肿瘤区域图像增强方法及系统
CN110598696B (zh) 医学图像扫描定位方法、医学图像扫描方法和计算机设备
CN101887581B (zh) 图像融合方法及设备
US9082159B2 (en) Non-rigid composition of multiple overlapping medical imaging volumes
CN110610529B (zh) 磁共振扫描仪的主磁场均匀化方法、设备和介质
RU2589461C2 (ru) Устройство для создания присваиваний между областями изображения и категориями элементов
US11747424B2 (en) Magnetic resonance imaging apparatus, image processing apparatus, and image processing method
JP2002527834A (ja) 画像化方法
JP2013220319A (ja) 画像処理装置、方法及びプログラム
CN113223028A (zh) 一种基于mr和ct的多模态肝脏肿瘤分割方法
CN111462018B (zh) 图像中的影像摆正方法、计算机设备和存储介质
CN113822820A (zh) 一种图像校正方法、装置及电子设备
CN109146802B (zh) 一种磁共振图像的均匀度校正方法及装置
JP2006255046A (ja) 磁気共鳴映像法および画像処理装置
CN112150485B (zh) 图像分割方法、装置、计算机设备和存储介质
US20130072782A1 (en) System and method for automatic magnetic resonance volume composition and normalization
EP1610679A1 (en) Method of estimating the spatial variation of magnetic resonance imaging radiofrequency (rf) signal intensities within an object from the measured intensities in a uniform spin density medium surrounding the object
US20230099906A1 (en) Image registration method, computer device, and storage medium
JP4945225B2 (ja) 画像処理装置及びプログラム

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