CN115100048A - 一种图像处理方法、设备及装置 - Google Patents
一种图像处理方法、设备及装置 Download PDFInfo
- Publication number
- CN115100048A CN115100048A CN202210635507.9A CN202210635507A CN115100048A CN 115100048 A CN115100048 A CN 115100048A CN 202210635507 A CN202210635507 A CN 202210635507A CN 115100048 A CN115100048 A CN 115100048A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- image
- pixel
- sub
- noise suppression
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 178
- 230000001629 suppression Effects 0.000 claims abstract description 144
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 26
- 230000000875 corresponding effect Effects 0.000 claims description 136
- 230000015654 memory Effects 0.000 claims description 31
- 230000009466 transformation Effects 0.000 claims description 18
- 230000002596 correlated effect Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000002604 ultrasonography Methods 0.000 description 58
- 238000010586 diagram Methods 0.000 description 18
- 230000004044 response Effects 0.000 description 12
- 208000031513 cyst Diseases 0.000 description 10
- 210000004204 blood vessel Anatomy 0.000 description 9
- 206010011732 Cyst Diseases 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 238000001914 filtration Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012285 ultrasound imaging Methods 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10132—Ultrasound image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供一种图像处理方法、设备及装置。本申请实施例获取待处理的超声图像,对获取到的待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;针对多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据子图像中每个像素点对应的噪声抑制参数,对子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据目标区域中各个像素点的灰度值,对目标区域的对比度参数进行调整;对图像处理后得到的各个子图像进行图像重建,得到待处理的超声图像对应的优化超声图像。
Description
技术领域
本申请涉及超声波技术领域,尤其涉及一种图像处理方法、设备及装置。
背景技术
医学超声成像可以实时查看病变组织的内部结构,并且对人体无辐射,目前被广泛应用于临床检查过程中。
但是由于超声成像的声学技术原理,在成像过程中极易受到声波干涉、散射、和电子噪声等的干扰,导致超声图像的斑点噪声较为严重,整体清晰度和局部对比度低于CT等医学成像方式。因此,在通过超声设备采集到超声图像后,需要对超声图像进行处理以提高图像质量。
发明内容
本申请实施例提供一种图像处理方法、设备及装置,用以对超声图像进行处理,以提升超声图像的质量。
第一方面,本申请实施例提供一种图像处理方法,包括:
获取待处理的超声图像,并对获取到的所述待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
针对所述多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的所述纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整;
对图像处理后得到的各个子图像进行图像重建,得到所述待处理的超声图像对应的优化超声图像。
可选的,根据下列方式确定所述子图像中每个像素点对应的噪声抑制参数:
针对所述子图像中的任意一个像素点,确定以所述像素点为中心的预设大小的局部窗口中各个参考像素点的像素均值和像素方差;
根据所述局部窗口中各个参考像素点的像素均值和像素方差、以及预设的图像噪声方差,确定所述像素点对应的局部统计特征判断系数;其中所述局部统计特征判断系数用于表征所述像素点所在区域的区域类型,所述区域类型包括纹理区域和噪声区域;
根据所述像素点对应的局部统计特征判断系数对初始噪声去除程度参考因子进行调整;其中所述噪声去除程度参考因子与噪声去除的程度正相关,所述局部统计特征判断系数与调整后的噪声去除程度参考因子负相关;
根据调整后的噪声去除程度参考因子、所述局部窗口中参考像素点的个数、所述像素点的像素值、所述各个参考像素点的像素均值和像素方差,确定所述像素点对应的噪声抑制参数。
可选的,所述根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理,具体包括:
针对所述子图像中的任意一个像素点,根据以所述像素点为中心的预设大小的局部窗口中各个参考像素点对应的噪声抑制参数,分别对每个参考像素点的像素值进行线性变换处理;
根据所述局部窗口中包含的参考像素点的个数,对所述局部窗口中各个参考像素点对应的变换处理后的像素值作均值化处理,将均值化处理的结果作为所述像素点对应的噪声抑制处理后的像素值。
可选的,根据下列公式对所述参考像素点的像素值进行线性变换处理:
Ii′(x)=akIi+bk
其中,Ii′(x)为所述参考像素点对应的变换处理后的像素值,Ii为所述参考像素点对应的变换处理前的像素值,ak、bk为所述参考像素点对应的噪声抑制参数。
可选的,根据下列公式确定所述像素点对应的局部统计特征判断系数:
可选的,所述噪声抑制参数包括第一噪声抑制参数和第二噪声抑制参数;
根据下列公式确定所述像素点对应的第一噪声抑制参数:
其中,ak为所述参考像素点对应的第一噪声抑制参数,ω为所述局部窗口中参考像素点的个数,Ii为所述参考像素点的像素值,μk为所述局部窗口中各个参考像素点的像素均值,为所述局部窗口中各个参考像素点的像素方差,ε为调整后的噪声去除程度参考因子;
根据下列公式确定所述像素点对应的第二噪声抑制参数:
bk=μk-ak*μk
其中,bk为所述参考像素点对应的第二噪声抑制参数,ak为所述参考像素点对应的第一噪声抑制参数,μk为所述局部窗口中各个参考像素点的像素均值。
可选的,所述根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整,具体包括:
针对所述目标区域中的任意一个像素点,确定所述像素点的灰度值;
将所述像素点的灰度值与预设的灰度阈值进行比较,若所述像素点的灰度值大于所述灰度阈值,则增大所述像素点的灰度值;若所述像素点的灰度值不大于所述灰度阈值,则减小所述像素点的灰度值。
第二方面,本申请实施例提供一种图像处理设备,该设备包括至少一个处理器、以及至少一个存储器;其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行下列过程:
获取待处理的超声图像,并对获取到的所述待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
针对所述多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的所述纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整;
对图像处理后得到的各个子图像进行图像重建,得到所述待处理的超声图像对应的优化超声图像。
第三方面,本申请实施例提供一种图像处理装置,包括:
获取模块,用于获取待处理的超声图像,并对获取到的所述待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
处理模块,用于针对所述多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的所述纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整;
重建模块,用于对图像处理后得到的各个子图像进行图像重建,得到所述待处理的超声图像对应的优化超声图像。
第四方面,本申请实施例提供一种计算机可读写存储介质,其包括程序代码,当所述程序代码在电子设备上运行时,所述程序代码用于使所述电子设备执行上述第一方面所述方法的步骤。
本申请实施例中,获取待处理的超声图像,并对获取到的待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;针对多个不同尺度的子图像中的部分或全部子图像分别进行噪声抑制处理,对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的纹理结构进行图像增强处理,对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的纹理结构进行图像增强处理,对图像处理后得到的各个子图像进行图像重建,得到待处理的超声图像对应的优化超声图像。基于本申请实施例提供的图像处理方式,通过噪声抑制处理可以较好地抑制图像中的斑点噪声,通过对纹理结构进行图像增强处理可以提高纹理和边缘的可视化程度,通过对子图像中的目标区域的对比度参数进行调整可以提高目标区域的边缘对比度以及清晰度,提高超声图像的质量,得到优化超声图像。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍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为本申请实施例一种超声设备的结构示意图;
图2为本申请实施例一种超声设备实现超声图像的原理示意图;
图3为本申请实施例另一种图像处理方法的应用场景图;
图4为本申请实施例一种图像处理方法流程图;
图5为本申请实施例一种待处理的超声图像的示意图;
图6为本申请实施例一种对获取到的待处理超声图像进行多尺度分解的示意图;
图7为本申请实施例一种对子图像中的各个像素点进行噪声抑制处理的流程图;
图8为本申请实施例一种对像素点补边的示意图;
图9为本申请实施例一种滑动窗口移动的示意图;
图10为本申请实施例另一种滑动窗口移动的示意图;
图11为本申请实施例一种确定子图像中每个像素点对应的噪声抑制参数的流程图;
图12为本申请实施例一种纹理结构增强处理的流程图;
图13为本申请实施例一种像素点的边缘方向和垂直方向的示意图;
图14为本申请实施例一种像素点的特征向量的示意图;
图15为本申请实施例一种超声图像中血管的示意图;
图16为本申请实施例一种超声图像中囊肿的示意图;
图17为本申请实施例一种待处理的超声图像和处理后的优化超声图像效果对比示意图;
图18为本申请实施例一种图像处理整体流程图;
图19为本申请实施例提供一种图像处理设备的结构示意图;
图20为本申请实施例提供一种图像处理装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
并且,在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;文本中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗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,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本申请实施例描述的应用场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本申请实施例中的图像处理方法可以应用于超声设备,如图1所示,为本申请实施例提供的一种超声设备的结构框图。
应该理解的是,图1所示超声设备仅是一个范例,并且超声设备可以具有比图1中所示的更多的或者更少的部件,可以组合两个或多个的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
图1中示例性示出了根据示例性实施例中超声设备的硬件配置框图。
如图1所示,超声设备例如可以包括:处理器110、存储器120、显示单元130和探头140;其中,
探头140,用于发射超声信号;
显示单元130,用于显示超声图像;
存储器120被配置为存储用于超声成像所需的数据,可包括软件程序,应用界面数据等;
处理器110,分别与探头140、显示单元130和存储器120相连接,被配置为执行:
获取待处理的超声图像,并对获取到的待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
针对多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据子图像中每个像素点对应的噪声抑制参数,对子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据目标区域中各个像素点的灰度值,对目标区域的对比度参数进行调整;
对图像处理后得到的各个子图像进行图像重建,得到待处理的超声图像对应的优化超声图像;
通过显示单元130展示处理后的优化超声图像。
图2为根据本申请一个实施例的应用原理的示意图。其中,该部分可由图1所示超声设备的部分模块或功能组件实现,下面将仅针对主要的部件进行说明,而其它部件,如存储器、控制器、控制电路等,此处将不进行赘述。
如图2所示,应用环境中可以包括用户界面210、用于显示用户界面的显示单元220以及处理器230。
显示单元220可以包括显示面板221、背光组件222。其中,显示面板221被配置为对超声图像进行显示,背光组件222位于显示面板221背面,背光组件222可以包括多个背光分区(图中未示出),各背光分区可以发光,以点亮显示面板221。
处理器230可以被配置为控制背光组件222中各背光分区的背光源亮度,以及控制探头发射超声信号,并接收超声回波信号并进行分析得到超声图像。
其中,处理器230可以优化超声图像,抑制图像中的斑点噪声,提高纹理和边缘的可视化程度,提高目标区域的边缘对比度以及清晰度,提高超声图像的质量。
另外,本申请实施例还可以在超声设备采集到待处理的超声图像之后,由独立于超声设备之外的其它处理设备对超声图像进行图像处理。
如图3所示,为本申请实施例另一种图像处理方法的应用场景图。图中包括:超声设备10、服务器20、存储器30;
其中,超声设备10用于采集超声图像,并将采集到的超声图像存储至存储器30中。
对超声图像进行处理时,首先通过网络从存储器30中获取待处理的超声图像,服务器20对获取到的待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;针对多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据子图像中每个像素点对应的噪声抑制参数,对子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据目标区域中各个像素点的灰度值,对目标区域的对比度参数进行调整;对图像处理后得到的各个子图像进行图像重建,得到待处理的超声图像对应的优化超声图像。
本申请中的描述中仅就单个服务器和存储器加以详述,但是本领域技术人员应当理解的是,示出的超声设备10、服务器20和存储器30旨在表示本申请的技术方案涉及超声设备、服务器以及存储器的操作。对单个服务器和存储器加以详述至少为了说明方便,而非暗示对服务器和存储器的数量、类型或是位置等具有限制。应当注意,如果向图示环境中添加附加模块或从其中去除个别模块,不会改变本申请的示例实施例的底层概念。
需要说明的是,本申请实施例中的存储器30例如可以是缓存系统、也可以是硬盘存储、内存存储等等。此外,本申请提出的图像处理方法不仅适用于图3所示的应用场景,还适用于任何有图像处理需求的装置。
如图4所示,本申请实施例提供的一种图像处理方法流程图,具体可以包括以下步骤:
步骤S401、获取待处理的超声图像,并对获取到的待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
步骤S402、针对多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据子图像中每个像素点对应的噪声抑制参数,对子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据目标区域中各个像素点的灰度值,对目标区域的对比度参数进行调整;
步骤S403、对图像处理后得到的各个子图像进行图像重建,得到待处理的超声图像对应的优化超声图像。
在步骤S401中,待处理超声图像是基于原始超声回波信号生成的,待处理超声图像中保留了更多的原始信号信息,如图5所示,是获取到的待处理的超声图像的示意图;采用预设算法对获取到的待处理超声图像进行多尺度分解,得到多个不同尺度的子图像;其中预设算法可以是以下中的任一种:拉普拉斯金字塔分解方式、小波金字塔分解方式、高斯金字塔分解方式。
本申请实施例中优先选择高斯金字塔分解方式对获取到的待处理超声图像进行多尺度分解,将图像分解到多个不同尺度上,其中下一层图像的长和宽是上一层图像的1/2。例如,原始超声图像尺寸为M*N,进行高斯金字塔分解后,可以获得M*N,1/2M*1/2*N,1/4*M*1/4*N...等逐层尺寸减小的多个尺度的图像。由于层数越多,最小尺度的图像越小,细节信息将会变得很少,在此基础上提高细节分辨率的意义不大,本申请实施例中优选的多尺度分解层数设置为三到五层;如图6所示,为本申请实施例提供的一种对获取到的待处理超声图像进行多尺度分解的示意图。
在步骤S402中,在将待处理超声图像进行多尺度分解之后,得到的多个不同尺度的子图像,本申请实施例针对多个不同尺度的子图像中的部分或全部子图像分别执行图像处理操作。
其中,本申请实施例针对子图像执行的图像处理操作包括但不限于:
噪声抑制处理、纹理结构增强处理、对比度增强处理。
下面针对上述图像处理操作分别进行说明。
1、噪声抑制处理;
实施中,本申请实施例在对子图像进行噪声抑制处理时,是针对子图像中每个像素点分别进行噪声抑制处理;并且,子图像中的每个像素点对应一个噪声抑制参数,实施中,根据像素点对应的噪声抑制参数对该像素点进行噪声抑制处理。
由于针对子图像中各个像素点进行噪声抑制处理的方式相同,下文介绍中以子图像中的一个像素点为例进行说明。
如图7所示,本申请实施例提供一种对子图像中的像素点进行噪声抑制处理的流程图。
步骤S701、针对子图像中的任意一个像素点,根据以像素点为中心的预设大小的局部窗口中各个参考像素点对应的噪声抑制参数,分别对每个参考像素点的像素值进行线性变换处理;
步骤S702、根据局部窗口中包含的参考像素点的个数,对局部窗口中各个参考像素点对应的变换处理后的像素值作均值化处理,将均值化处理的结果作为像素点对应的噪声抑制处理后的像素值。
本申请实施例通过滑动窗口的方式对每张子图像进行处理,且在预设大小的局部窗口中,子图像中的每个像素点对应于一个局部窗口的中心。
滑动窗口的原理概括来讲为:在规模为W×H的图像中,按一定规律移动w×h的局部窗口(W>w,H>h),对局部窗口内像素点的像素值进行一系列运算,运算结束后局部窗口向右或向下移动一步,但是,对于位置在边缘处的像素点,在使用滑动窗口方式处理时,边缘像素点可能并不位于局部窗口中心,对于边缘像素点,根据边缘像素点周围的参考像素点的灰度值,对边缘像素点进行补边操作,如图8所示,根据局部窗口的大小,为了保证边缘像素点位于局部窗口的中心,在子图像的边缘增加像素点。
如图9所示,滑动窗口向右移动,如图10所示,为另一种滑动窗口向右移动之后向下移动直到完成对整幅图像的处理;滑动窗口主要针对中心像素,相邻像素的值可以通过已经计算好的整张图像的值直接取值,而不需要取出块后再计算。
例如,可以是将局部窗口的大小设定为500*500像素大小,使用局部窗口对5000*5000像素大小的子图像进行遍历。
本申请实施例中将局部窗口中的像素点称为参考像素点。
在步骤S701中,需要确定局部窗口中的各个参考像素点的噪声抑制参数,根据各个参考像素点对应的噪声抑制参数,分别对每个参考像素点的像素值进行线性变换处理。
下面结合附图11,介绍下本申请实施例确定像素点对应的噪声抑制参数的方式。
如图11所示,本申请实施例提供一种确定像素点对应的噪声抑制参数的流程图。
步骤S1101、针对子图像中的任意一个像素点,确定以像素点为中心的预设大小的局部窗口中各个参考像素点的像素均值和像素方差;
步骤S1102、根据局部窗口中各个参考像素点的像素均值和像素方差、以及预设的图像噪声方差,确定像素点对应的局部统计特征判断系数;其中局部统计特征判断系数用于表征像素点所在区域的区域类型,区域类型包括纹理区域和噪声区域;
步骤S1103、根据像素点对应的局部统计特征判断系数对初始噪声去除程度参考因子进行调整;其中噪声去除程度参考因子与噪声去除的程度正相关,局部统计特征判断系数与调整后的噪声去除程度参考因子负相关;
步骤S1104、根据调整后的噪声去除程度参考因子、局部窗口中参考像素点的个数、像素点的像素值、各个参考像素点的像素均值和像素方差,确定像素点对应的噪声抑制参数。
在不同尺度的子图像中,噪声区域和纹理细节区域很难被准确分开,对不同尺度的子图像进行噪声抑制处理,为了控制噪声抑制处理过程对纹理结构的误平滑处理,需要自适应地调整不同部位的噪声抑制程度,所以在对子图像进行斑点噪声抑制之前,根据像素点对应的局部统计特征判断系数判断像素点所在区域的区域类型。
在步骤S1102中,根据下列公式确定像素点对应的局部统计特征判断系数:
局部统计特征判断系数k用于表征像素点所在区域的区域类型,当k越大,表明该像素点更趋向纹理区域;当k越小,表明该像素点更趋向噪声区域。
因为对待处理的超声图像进行多尺度分解时进行降采样处理,尺度越小的子图像越平滑,图像中所包含的斑点噪声越少;对于像素点趋于噪声区域、纹理区域等不同性质的区域,即使将噪声区域与纹理区域分开处理,也会造成不同区域的明显差异,所以需要对不同尺度的子图像设置不同的噪声去除程度参考因子。本申请实施例对于噪声区域和纹理区域使用统一的处理方式,但是对于不同的像素点自适应的选择不同的噪声去除程度参考因子,确保超声图像的子图像能够取得较优异的斑点抑制效果。
在步骤S1103中,根据像素点对应的局部统计特征判断系数对初始噪声去除程度参考因子进行调整;其中噪声去除程度参考因子与噪声去除的程度正相关,局部统计特征判断系数与调整后的噪声去除程度参考因子负相关;
在本申请实施例中,噪声去除程度参考因子与噪声去除的程度正相关,直接影响到斑点噪声去除的程度效果,噪声去除程度参考因子越大,噪声去除效果越大,图像越平滑;为了在抑制噪声的同时减少对纹理结构的破坏,所以需要根据像素点对应的局部统计特征判断系数对初始噪声去除程度参考因子进行调整,调整规则为:当像素点越趋向于噪声区域时,噪声去除程度参考因子值越大;当像素点越趋向于纹理区域时,噪声去除程度参考因子越小。
在本申请实施例中,假设初始噪声去除程度参考因子为ε,调整后的噪声去除程度参考因子为εa,其中,εa=ε(1-k)或εa=ε*e-G*k。
本申请实施例调整后的噪声去除程度参考因子εa=ε*e-G*k中的G可以为本领域技术人员预先设置的经验数值,并且调整后的噪声去除程度参考因子εa=ε*e-G*k中的G可以根据具体的应用场景进行合理设置。
在步骤S1104中,根据调整后的噪声去除程度参考因子、局部窗口中参考像素点的个数、像素点的像素值、各个参考像素点的像素均值和像素方差,确定像素点对应的噪声抑制参数包括第一噪声抑制参数和第二噪声抑制参数。
本申请实施例根据下列公式确定像素点对应的第一噪声抑制参数:
其中,ak为参考像素点对应的第一噪声抑制参数,ω为局部窗口中参考像素点的个数,Ii为参考像素点的像素值,μk为局部窗口中各个参考像素点的像素均值,为局部窗口中各个参考像素点的像素方差,ε为调整后的噪声去除程度参考因子;
根据下列公式确定像素点对应的第二噪声抑制参数:
bk=μk-ak*μk
其中,bk为参考像素点对应的第二噪声抑制参数,ak为参考像素点对应的第一噪声抑制参数,μk为局部窗口中各个参考像素点的像素均值。
本申请实施例在得到每个像素点对应的噪声抑制参数之后,根据各个参考像素点对应的噪声抑制参数,分别对每个参考像素点的像素值进行线性变换处理。
在步骤S701中,本申请实施例根据下列公式对参考像素点的像素值进行线性变换处理:
Ii′(x)=akIi+bk
其中,Ii′(x)为参考像素点对应的变换处理后的像素值,Ii为参考像素点对应的变换处理前的像素值,ak、bk为参考像素点对应的噪声抑制参数。
在步骤S702中,本申请实施例根据下列公式对局部窗口中各个参考像素点对应的变换处理后的像素值作均值化处理:
其中,Ii′(x)为参考像素点对应的变换处理后的像素值,Ii为参考像素点对应的变换处理前的像素值,ak、bk为参考像素点对应的噪声抑制参数,ω为局部窗口中参考像素点的个数。
2、纹理结构增强处理;
实施中,对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的纹理结构进行图像增强处理。
如图12所示,本申请实施例一种纹理结构增强处理的流程图。
步骤S1201、基于噪声抑制处理后的子图像中的像素点,构建结构张量矩阵;每个像素点对应一个结构张量矩阵;
步骤S1202、采用结构张量矩阵获取各噪声抑制处理后的子图像的特征向量和特征值;
步骤S1203、根据结构张量矩阵的特征值计算反应纹理结构置信程度的表征量;
步骤S1204、将噪声抑制处理后的子图像转换到频域,得到频域信息;
步骤S1205、基于频域信息得到带通滤波器的在各像素点处的各方向尺度的偶对称滤波响应和奇对称滤波响应;
步骤S1206、针对每个像素点,基于像素点的各方向尺度的偶对称滤波响应和奇对称滤波响应确定像素点的边缘显著性参数;
步骤S1207、对噪声抑制处理后的子图像进行纹理结构识别;
步骤S1208、采用线性插值算法得到增强后图像。
在检测噪声抑制处理后的子图像边缘时,可以采用索贝尔(sobel)算子等传统算子类边缘检测方法,但是很难保证边缘方向求取的准确性,且不能很准确地将边缘检测出来,不能很好地检测出纹理结构。
为了能够提高提取边缘的准确性,本申请实施例中基于结构张量矩阵获取噪声抑制处理后的子图像的特征值和特征向量,基于特征值和特征向量构建扩散张量。
其中,根据结构张量矩阵获取特征向量和特征值,如下列公式所示:
其中,J表示结构张量矩阵,Ix表示水平方向梯度,Iy表示垂直方向梯度,表示水平方向梯度的平方值,Gσ表示标准差为σ的高斯核,ω1,ω2分别表示特征向量,这两个特征向量体现了邻域灰度差异最大和最小的两个方向,μ1,μ2分别表示特征值,这两个特征值体现了邻域灰度差异最大和最小强度。边缘方向如图13所示,特征向量如图14所示。图14中,T1和T2分别表示切线方向上的特征向量,N1和N2分别表示法线方向上的特征向量,上述特征向量通过数学公式都可以计算得到,不再赘述。
通过矩阵的两个特征值μ1,μ2计算反应纹理结构置信程度的表征量B_P:
本申请实施例提供确定像素点的边缘显著性方式,将方波展开为傅里叶级数后,所有的傅里叶分量都是正弦波,当方波相位处于0°和180°时,分别对应着上升沿和下降沿;将三角波展开为傅里叶级数后,所有的傅里叶分量都是余弦波,当三角波相位处于90°和270°时,分别对应着波峰和波谷。如果把信号的上升沿、下降沿、波峰和波谷看作信号的边缘,则傅里叶变换后相位一致性最大的位置则对应着信号边缘的位置。基于该原理,本申请实施例中,可以基于带通滤波器来进行频域滤波,例如,里斯Riesz滤波器、log-gabor滤波器,gabor滤波器,本申请实施例中为了提高边缘检测的准确性,优先使用里斯Riesz滤波器。
将噪声抑制处理后的子图像转换到频域,得到频域信息,基于频域信息得到带通滤波器的在各像素点处的各方向尺度的偶对称滤波响应和奇对称滤波响应;针对每个像素点,基于像素点的各方向尺度的偶对称滤波响应和奇对称滤波响应确定像素点的边缘显著性参数。
以信号fM为例,Riesz滤波器对第一类子图的频域信号滤波后结果为:
fM=(f,fR)=(f,r1*f,r2*f)=(even,odd)
其中,fR是2维信号f(即噪声抑制处理后的子图像)的Rieze变换,r1和,r2分别表示Riesz滤波器奇部分和偶部分,even和odd分别表示偶对称滤波响应和奇对称的滤波响应。
Riesz滤波器r1和,r2的空域表达式下列公式所示:
其中,x1、x2为第一类子图在频域(x1、x2)位置处的信号值。得到每个位置处的器r1和,r2的空域表达式之后,可以得到每个像素点的边缘显著性参数。
为了确保边缘检测结果的准确性,需要在多个尺度s上使用相位不对称计算:
其中,Edge_P为边缘显著性参数、odds为像素点在方向尺度s下的奇对称滤波响应、evens为方向尺度s下的偶对称滤波响应、Ts为方向尺度s下的噪声估计、ε为大于0的常数。
每个像素点在频域可包括多个方向尺度,例如8个或者12个,可根据实际需求的配置。
在确定纹理结构置信程度的表征量B_P和像素点的边缘显著性Edge_P之后,根据纹理阈值T_B,边缘阈值T_Edge,便可以识别出纹理结构的内部区域和边缘区域,具体判定规则如下:
若纹理结构置信程度的表征量B_P≤纹理阈值T_B,且像素点的边缘显著性Edge_P≤边缘阈值T_Edge,则判断为纹理结构内部区域;若像素点的边缘显著性Edge_P≥边缘阈值T_Edge,则判断为纹理结构边缘区域。
本申请实施例的纹理阈值T_B、边缘阈值T_Edge,可以为本领域技术人员预先设置的经验数值,并且该预设纹理阈值T_B、边缘阈值T_Edge可以根据具体的应用场景进行合理设置。
对于纹理结构内部区域,采用方向性平滑处理,提高纹理结构的连续性,平滑方式可以采用下面公式,通过调整ωt的值来控制平滑程度。
I′(x,y)=(1-ωt)*I(x,y)+0.5*ωt*(t1+t2)
其中,t1和t2为在求得切向特征向量之后,通过简单的线性插值计算即得到该方向上两端近邻点的像素结果。
对于纹理结构边缘区域,采用锐化处理,增强边缘的强度,锐化处理方式可以采用下面公式,通过调整ωn的值来控制锐化程度。
I″(x,y)=(1+ωn)*I(x,y)-0.5*ωn*(n1+n2)
其中,n1和n2为在求得法向特征向量之后,通过简单的线性插值计算即可得到该方向上两端近邻点的像素结果。
本申请实施例中ωt的值、ωn的值,可以为本领域技术人员预先设置的经验数值,并且该ωt的值、ωn的值可以根据具体的应用场景进行合理设置,对于同一尺度的子图像的像素点中ωt的值相同、ωn的值相同;各个不同尺度的子图像中ωt的值、ωn的值可以设置为不同的值。
3、对比度增强处理;
实施中,对图像的纹理结构增强之后,根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域,根据目标区域中各个像素点的灰度值,对目标区域的对比度参数进行调整。
需要说明的是,本申请实施例预先设置需要进行对比度增强的目标区域的类型,预先设置目标区域的特征,这样,在进行对比度增强处理时,根据预先设置的目标区域的特征,从图像增强处理后的子图像中识别出目标区域。
例如,目标区域是血管、囊肿等特殊部位,预先设置的目标区域的特征是边缘近似闭合状态下的圆形或椭圆形、目标区域在局部区域内存在大多数像素点的灰度值相对很低;通过霍夫变换方法检测近似闭合状态下的圆形或椭圆形边缘;在查找到的闭合边缘之后,对查找到的闭合边缘内部区域的像素进行灰度值统计,当闭合边缘内部区域的像素点的灰度值大部分都很低时,可以认为该区域为血管、囊肿等特殊部位,即目标区域。如图15所示,两条血管是近似闭合状态下的椭圆形;如图16所示,本申请实施例提供一种超声图像中囊肿示意图。
在确定图像增强处理后的子图像中的目标区域之后,根据目标区域中各个像素点的灰度值,对目标区域的对比度参数进行调整。
本申请实施例针对目标区域中的任意一个像素点,确定像素点的灰度值;将像素点的灰度值与预设的灰度阈值进行比较,若像素点的灰度值大于灰度阈值,则增大像素点的灰度值;若像素点的灰度值不大于灰度阈值,则减小像素点的灰度值。
一种可选的实施方式中,增大像素点的灰度值的方式为该像素点灰度值乘增大系数,例如,增大系数设置为1.5;减小像素点的灰度值的方式为该像素点灰度值乘减小系数,例如,减小系数设置为0.5。
本申请实施例的增大系数、减小系数、灰度阈值可以为本领域技术人员预先设置的经验数值,并且该预设增大系数、减小系数、灰度阈值可以根据具体的应用场景进行合理设置。
一种可选的实施方式中,对于血管、囊肿这一类特殊部位,因为通常情况下,血管壁的灰度值较大,囊肿壁也会存在一层膜,比囊肿内部区域的灰度大许多;在根据目标区域中各个像素点的灰度值,对目标区域的对比度参数进行调整之后,进一步再提高血管、囊肿这一类特殊部位的局部对比度,对于血管、囊肿这些部位的边缘进行增强处理;即对血管壁边缘相邻区域的高灰度值继续增大,对囊肿壁边缘处的高灰度值继续增大。
通过对目标区域进行对比度增强处理和边缘的增强处理,有效提高目标区域的边界清晰度和对比度。
在步骤S403中,对图像处理后得到的各个子图像进行图像重建,得到待处理的超声图像对应的优化超声图像。
进行金字塔重建操作时,分别将在不同尺度上的处理结果进行重建,最终得到与原始图像尺寸相同的超声图像处理结果;例如,L1,L2,L3…Ld层图像尺寸分别为M*N,1/2M*1/2N,1/4M*1/4N…1/2*(d-1)*M*1/2*(d-1)*N;步骤2~3在L1,L2,L3…Ld层的结果分别为:O1,O2,O3,…Od,重建过程从下往上,依次对Od,…O3,O2进行重建。
O3扩展到与然后O2等大,然后进行相加,直至到最顶层,在相邻两尺度的超声图像进行融合时,将下一层尺度的图像扩大到上一层尺度的图像大小;然后将相邻两尺度的超声图像中相同位置的像素点的像素值的进行加权求和作为下一层尺度的图像融合到上一层尺度的图像中的融合结果;上述重建和重建过程一直到初始层即O1,最终得到优化后的超声图像。如图17所示,本申请实施例提供的一种待处理的超声图像和处理后的优化超声图像效果对比示意图。
如图18所示,本申请实施例一种图像处理整体流程图,具体可以包括如下步骤:
步骤S1801、获取待处理的超声图像,并对获取到的待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
针对多个不同尺度的子图像中的部分或全部子图像分别执行步骤S1802~步骤S1811;
针对一个子图像中的任意一个像素点,通过步骤S1802~步骤S1805确定像素点对应的噪声抑制参数;
步骤S1802、针对子图像中的任意一个像素点,确定以像素点为中心的预设大小的局部窗口中各个参考像素点的像素均值和像素方差;
步骤S1803、根据局部窗口中各个参考像素点的像素均值和像素方差、以及预设的图像噪声方差,确定像素点对应的局部统计特征判断系数;
步骤S1804、根据像素点对应的局部统计特征判断系数对初始噪声去除程度参考因子进行调整;
步骤S1805、根据调整后的噪声去除程度参考因子、局部窗口中参考像素点的个数、像素点的像素值、各个参考像素点的像素均值和像素方差,确定像素点对应的噪声抑制参数;
针对一个子图像中的任意一个像素点,通过步骤S1806、步骤S1807对像素点进行噪声抑制处理;
步骤S1806、针对子图像中的任意一个像素点,根据以像素点为中心的预设大小的局部窗口中各个参考像素点对应的噪声抑制参数,分别对每个参考像素点的像素值进行线性变换处理;
步骤S1807、根据局部窗口中包含的参考像素点的个数,对局部窗口中各个参考像素点对应的变换处理后的像素值作均值化处理,将均值化处理的结果作为像素点对应的噪声抑制处理后的像素值;
步骤S1808、对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的纹理结构进行图像增强处理;
步骤S1809、根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;
步骤S1810、针对目标区域中的任意一个像素点,确定像素点的灰度值;将像素点的灰度值与预设的灰度阈值进行比较,若像素点的灰度值大于灰度阈值,则增大像素点的灰度值;若像素点的灰度值不大于灰度阈值,则减小像素点的灰度值;
步骤S1811、对图像处理后得到的各个子图像进行图像重建,得到待处理的超声图像对应的优化超声图像。
下面参照图19来描述根据本申请的这种实施方式的图像处理设备1900。图19的图像处理设备1900仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图19所示,图像处理设备1900的组件可以包括但不限于:上述至少一个处理器1901、上述至少一个存储器1902、连接不同系统组件(包括存储器1902和处理器1901)的总线1903。
总线1903表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器1902可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1921或高速缓存存储器1922,还可以进一步包括只读存储器(ROM)1923。
存储器1902还可以包括具有一组(至少一个)程序模块1924的程序/实用工具1925,这样的程序模块1924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
图像处理设备1900也可以与一个或多个外部设备1904(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与图像处理设备1900交互的设备通信,或与使得该图像处理设备1900能与一个或多个其它计算装置进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1905进行。并且,图像处理设备1900还可以通过网络适配器1906与一个或者多个网络(例如局域网(LAN),广域网(WAN)或公共网络,例如因特网)通信。如图19所示,网络适配器1906通过总线1903与用于图像处理设备1900的其它模块通信。应当理解,尽管图中未示出,可以结合图像处理设备1900使用其它硬件或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器1901具体用于执行下列过程:
获取待处理的超声图像,并对获取到的所述待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
针对所述多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的所述纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整;
对图像处理后得到的各个子图像进行图像重建,得到所述待处理的超声图像对应的优化超声图像。
可选的,所述处理器1901具体用于:
根据下列方式确定所述子图像中每个像素点对应的噪声抑制参数:
针对所述子图像中的任意一个像素点,确定以所述像素点为中心的预设大小的局部窗口中各个参考像素点的像素均值和像素方差;
根据所述局部窗口中各个参考像素点的像素均值和像素方差、以及预设的图像噪声方差,确定所述像素点对应的局部统计特征判断系数;其中所述局部统计特征判断系数用于表征所述像素点所在区域的区域类型,所述区域类型包括纹理区域和噪声区域;
根据所述像素点对应的局部统计特征判断系数对初始噪声去除程度参考因子进行调整;其中所述噪声去除程度参考因子与噪声去除的程度正相关,所述局部统计特征判断系数与调整后的噪声去除程度参考因子负相关;
根据调整后的噪声去除程度参考因子、所述局部窗口中参考像素点的个数、所述像素点的像素值、所述各个参考像素点的像素均值和像素方差,确定所述像素点对应的噪声抑制参数。
可选的,所述处理器1901具体用于:
针对所述子图像中的任意一个像素点,根据以所述像素点为中心的预设大小的局部窗口中各个参考像素点对应的噪声抑制参数,分别对每个参考像素点的像素值进行线性变换处理;
根据所述局部窗口中包含的参考像素点的个数,对所述局部窗口中各个参考像素点对应的变换处理后的像素值作均值化处理,将均值化处理的结果作为所述像素点对应的噪声抑制处理后的像素值。
可选的,所述处理器1901具体用于:
根据下列公式对所述参考像素点的像素值进行线性变换处理:
Ii′(x)=akIi+bk
其中,Ii′(x)为所述参考像素点对应的变换处理后的像素值,Ii为所述参考像素点对应的变换处理前的像素值,ak、bk为所述参考像素点对应的噪声抑制参数。
可选的,所述处理器1901具体用于:
根据下列公式确定所述像素点对应的局部统计特征判断系数:
可选的,所述处理器1901具体用于:
根据下列公式确定所述像素点对应的第一噪声抑制参数:
其中,ak为所述参考像素点对应的第一噪声抑制参数,ω为所述局部窗口中参考像素点的个数,Ii为所述参考像素点的像素值,μk为所述局部窗口中各个参考像素点的像素均值,为所述局部窗口中各个参考像素点的像素方差,ε为调整后的噪声去除程度参考因子;
根据下列公式确定所述像素点对应的第二噪声抑制参数:
bk=μk-ak*μk
其中,bk为所述参考像素点对应的第二噪声抑制参数,ak为所述参考像素点对应的第一噪声抑制参数,μk为所述局部窗口中各个参考像素点的像素均值。
可选的,所述处理器1901具体用于:
针对所述目标区域中的任意一个像素点,确定所述像素点的灰度值;
将所述像素点的灰度值与预设的灰度阈值进行比较,若所述像素点的灰度值大于所述灰度阈值,则增大所述像素点的灰度值;若所述像素点的灰度值不大于所述灰度阈值,则减小所述像素点的灰度值。
如图20所示,本申请实施例提供一种图像处理装置2000,包括:
获取模块2001,用于获取待处理的超声图像,并对获取到的所述待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
处理模块2002,用于针对所述多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的所述纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整;
重建模块2003,用于对图像处理后得到的各个子图像进行图像重建,得到所述待处理的超声图像对应的优化超声图像。
可选的,所述处理模块2002具体用于:
根据下列方式确定所述子图像中每个像素点对应的噪声抑制参数:
针对所述子图像中的任意一个像素点,确定以所述像素点为中心的预设大小的局部窗口中各个参考像素点的像素均值和像素方差;
根据所述局部窗口中各个参考像素点的像素均值和像素方差、以及预设的图像噪声方差,确定所述像素点对应的局部统计特征判断系数;其中所述局部统计特征判断系数用于表征所述像素点所在区域的区域类型,所述区域类型包括纹理区域和噪声区域;
根据所述像素点对应的局部统计特征判断系数对初始噪声去除程度参考因子进行调整;其中所述噪声去除程度参考因子与噪声去除的程度正相关,所述局部统计特征判断系数与调整后的噪声去除程度参考因子负相关;
根据调整后的噪声去除程度参考因子、所述局部窗口中参考像素点的个数、所述像素点的像素值、所述各个参考像素点的像素均值和像素方差,确定所述像素点对应的噪声抑制参数。
可选的,所述根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理,所述处理模块2002具体用于:
针对所述子图像中的任意一个像素点,根据以所述像素点为中心的预设大小的局部窗口中各个参考像素点对应的噪声抑制参数,分别对每个参考像素点的像素值进行线性变换处理;
根据所述局部窗口中包含的参考像素点的个数,对所述局部窗口中各个参考像素点对应的变换处理后的像素值作均值化处理,将均值化处理的结果作为所述像素点对应的噪声抑制处理后的像素值。
可选的,所述处理模块2002具体用于:
根据下列公式对所述参考像素点的像素值进行线性变换处理:
Ii′(x)=akIi+bk
其中,Ii′(x)为所述参考像素点对应的变换处理后的像素值,Ii为所述参考像素点对应的变换处理前的像素值,ak、bk为所述参考像素点对应的噪声抑制参数。
可选的,所述处理模块2002具体用于:
根据下列公式确定所述像素点对应的局部统计特征判断系数:
可选的,所述噪声抑制参数包括第一噪声抑制参数和第二噪声抑制参数,所述处理模块2002具体用于:
根据下列公式确定所述像素点对应的第一噪声抑制参数:
其中,ak为所述参考像素点对应的第一噪声抑制参数,ω为所述局部窗口中参考像素点的个数,Ii为所述参考像素点的像素值,μk为所述局部窗口中各个参考像素点的像素均值,为所述局部窗口中各个参考像素点的像素方差,ε为调整后的噪声去除程度参考因子;
根据下列公式确定所述像素点对应的第二噪声抑制参数:
bk=μk-ak*μk
其中,bk为所述参考像素点对应的第二噪声抑制参数,ak为所述参考像素点对应的第一噪声抑制参数,μk为所述局部窗口中各个参考像素点的像素均值。
可选的,所述根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整,所述处理模块2002具体用于:
针对所述目标区域中的任意一个像素点,确定所述像素点的灰度值;
将所述像素点的灰度值与预设的灰度阈值进行比较,若所述像素点的灰度值大于所述灰度阈值,则增大所述像素点的灰度值;若所述像素点的灰度值不大于所述灰度阈值,则减小所述像素点的灰度值。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器,上述指令可由处理器执行以完成上述图像处理方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如本申请提供的图像处理方法的任一方法。
在示例性实施例中,本申请提供的一种图像处理方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的图像处理方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于图像处理方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如“如“语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
获取待处理的超声图像,并对获取到的所述待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
针对所述多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的所述纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整;
对图像处理后得到的各个子图像进行图像重建,得到所述待处理的超声图像对应的优化超声图像。
2.如权利要求1所述的方法,其特征在于,根据下列方式确定所述子图像中每个像素点对应的噪声抑制参数:
针对所述子图像中的任意一个像素点,确定以所述像素点为中心的预设大小的局部窗口中各个参考像素点的像素均值和像素方差;
根据所述局部窗口中各个参考像素点的像素均值和像素方差、以及预设的图像噪声方差,确定所述像素点对应的局部统计特征判断系数;其中所述局部统计特征判断系数用于表征所述像素点所在区域的区域类型,所述区域类型包括纹理区域和噪声区域;
根据所述像素点对应的局部统计特征判断系数对初始噪声去除程度参考因子进行调整;其中所述噪声去除程度参考因子与噪声去除的程度正相关,所述局部统计特征判断系数与调整后的噪声去除程度参考因子负相关;
根据调整后的噪声去除程度参考因子、所述局部窗口中参考像素点的个数、所述像素点的像素值、所述各个参考像素点的像素均值和像素方差,确定所述像素点对应的噪声抑制参数。
3.如权利要求1或2所述的方法,其特征在于,所述根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理,具体包括:
针对所述子图像中的任意一个像素点,根据以所述像素点为中心的预设大小的局部窗口中各个参考像素点对应的噪声抑制参数,分别对每个参考像素点的像素值进行线性变换处理;
根据所述局部窗口中包含的参考像素点的个数,对所述局部窗口中各个参考像素点对应的变换处理后的像素值作均值化处理,将均值化处理的结果作为所述像素点对应的噪声抑制处理后的像素值。
4.如权利要求3所述的方法,其特征在于,根据下列公式对所述参考像素点的像素值进行线性变换处理:
Ii′(x)=akIi+bk
其中,Ii′(x)为所述参考像素点对应的变换处理后的像素值,Ii为所述参考像素点对应的变换处理前的像素值,ak、bk为所述参考像素点对应的噪声抑制参数。
6.如权利要求2所述的方法,其特征在于,所述噪声抑制参数包括第一噪声抑制参数和第二噪声抑制参数;
根据下列公式确定所述像素点对应的第一噪声抑制参数:
其中,ak为所述参考像素点对应的第一噪声抑制参数,ω为所述局部窗口中参考像素点的个数,Ii为所述参考像素点的像素值,μk为所述局部窗口中各个参考像素点的像素均值,为所述局部窗口中各个参考像素点的像素方差,ε为调整后的噪声去除程度参考因子;
根据下列公式确定所述像素点对应的第二噪声抑制参数:
bk=μk-ak*μk
其中,bk为所述参考像素点对应的第二噪声抑制参数,ak为所述参考像素点对应的第一噪声抑制参数,μk为所述局部窗口中各个参考像素点的像素均值。
7.如权利要求1所述的方法,其特征在于,所述根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整,具体包括:
针对所述目标区域中的任意一个像素点,确定所述像素点的灰度值;
将所述像素点的灰度值与预设的灰度阈值进行比较,若所述像素点的灰度值大于所述灰度阈值,则增大所述像素点的灰度值;若所述像素点的灰度值不大于所述灰度阈值,则减小所述像素点的灰度值。
8.一种图像处理设备,其特征在于,该设备包括至少一个处理器、以及至少一个存储器;其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行下列过程:
获取待处理的超声图像,并对获取到的所述待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
针对所述多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的所述纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整;
对图像处理后得到的各个子图像进行图像重建,得到所述待处理的超声图像对应的优化超声图像。
9.如权利要求8所述的设备,其特征在于,所述处理器具体用于:
针对所述子图像中的任意一个像素点,确定以所述像素点为中心的预设大小的局部窗口中各个参考像素点的像素均值和像素方差;
根据所述局部窗口中各个参考像素点的像素均值和像素方差、以及预设的图像噪声方差,确定所述像素点对应的局部统计特征判断系数;其中所述局部统计特征判断系数用于表征所述像素点所在区域的区域类型,所述区域类型包括纹理区域和噪声区域;
根据所述像素点对应的局部统计特征判断系数对初始噪声去除程度参考因子进行调整;其中所述噪声去除程度参考因子与噪声去除的程度正相关,所述局部统计特征判断系数与调整后的噪声去除程度参考因子负相关;
根据调整后的噪声去除程度参考因子、所述局部窗口中参考像素点的个数、所述像素点的像素值、所述各个参考像素点的像素均值和像素方差,确定所述像素点对应的噪声抑制参数。
10.一种图像处理装置,其特征在于,包括:
获取模块,用于获取待处理的超声图像,并对获取到的所述待处理的超声图像进行多尺度分解,得到多个不同尺度的子图像;
处理模块,用于针对所述多个不同尺度的子图像中的部分或全部子图像分别执行以下图像处理操作:根据所述子图像中每个像素点对应的噪声抑制参数,对所述子图像中的各个像素点进行噪声抑制处理;对噪声抑制处理后的子图像进行纹理结构识别,以及对识别到的所述纹理结构进行图像增强处理;根据预先设置的目标区域的特征,识别图像增强处理后的子图像中的目标区域;根据所述目标区域中各个像素点的灰度值,对所述目标区域的对比度参数进行调整;
重建模块,用于对图像处理后得到的各个子图像进行图像重建,得到所述待处理的超声图像对应的优化超声图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635507.9A CN115100048A (zh) | 2022-06-06 | 2022-06-06 | 一种图像处理方法、设备及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635507.9A CN115100048A (zh) | 2022-06-06 | 2022-06-06 | 一种图像处理方法、设备及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115100048A true CN115100048A (zh) | 2022-09-23 |
Family
ID=83289149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210635507.9A Pending CN115100048A (zh) | 2022-06-06 | 2022-06-06 | 一种图像处理方法、设备及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100048A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309187A (zh) * | 2023-05-15 | 2023-06-23 | 济南科汛智能科技有限公司 | 一种儿童肺炎医疗影像智能增强方法 |
CN116824168A (zh) * | 2023-08-29 | 2023-09-29 | 青岛市中医医院(青岛市海慈医院、青岛市康复医学研究所) | 基于图像处理的耳部ct特征提取方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046658A (zh) * | 2015-06-26 | 2015-11-11 | 北京大学深圳研究生院 | 一种低照度图像处理方法和装置 |
CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
CN113077394A (zh) * | 2021-03-25 | 2021-07-06 | 青岛海信医疗设备股份有限公司 | 图像处理方法、电子设备和存储介质 |
CN113592776A (zh) * | 2021-06-30 | 2021-11-02 | 北京旷视科技有限公司 | 图像处理方法及装置、电子设备、存储介质 |
CN114022444A (zh) * | 2021-11-04 | 2022-02-08 | 青岛海信医疗设备股份有限公司 | 超声图像的处理方法及装置 |
CN114450710A (zh) * | 2019-10-10 | 2022-05-06 | 爱克发有限公司 | 用于噪声降低的方法和装置 |
-
2022
- 2022-06-06 CN CN202210635507.9A patent/CN115100048A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046658A (zh) * | 2015-06-26 | 2015-11-11 | 北京大学深圳研究生院 | 一种低照度图像处理方法和装置 |
CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
CN114450710A (zh) * | 2019-10-10 | 2022-05-06 | 爱克发有限公司 | 用于噪声降低的方法和装置 |
CN113077394A (zh) * | 2021-03-25 | 2021-07-06 | 青岛海信医疗设备股份有限公司 | 图像处理方法、电子设备和存储介质 |
CN113592776A (zh) * | 2021-06-30 | 2021-11-02 | 北京旷视科技有限公司 | 图像处理方法及装置、电子设备、存储介质 |
CN114022444A (zh) * | 2021-11-04 | 2022-02-08 | 青岛海信医疗设备股份有限公司 | 超声图像的处理方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309187A (zh) * | 2023-05-15 | 2023-06-23 | 济南科汛智能科技有限公司 | 一种儿童肺炎医疗影像智能增强方法 |
CN116824168A (zh) * | 2023-08-29 | 2023-09-29 | 青岛市中医医院(青岛市海慈医院、青岛市康复医学研究所) | 基于图像处理的耳部ct特征提取方法 |
CN116824168B (zh) * | 2023-08-29 | 2023-11-21 | 青岛市中医医院(青岛市海慈医院、青岛市康复医学研究所) | 基于图像处理的耳部ct特征提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115100048A (zh) | 一种图像处理方法、设备及装置 | |
Joel et al. | An extensive review on Despeckling of medical ultrasound images using various transformation techniques | |
CN109791692B (zh) | 使用来自感兴趣区域的不同视角的多个图像进行计算机辅助检测以提高检测准确度的系统和方法 | |
Coupé et al. | Nonlocal means-based speckle filtering for ultrasound images | |
US9025858B2 (en) | Method and apparatus for automatically generating optimal 2-dimensional medical image from 3-dimensional medical image | |
EP2380132B1 (en) | Denoising medical images | |
CN113077394B (zh) | 图像处理方法、电子设备和存储介质 | |
US20120281923A1 (en) | Device, system, and method of image processing utilizing non-uniform image patch recurrence | |
US20130202177A1 (en) | Non-linear resolution reduction for medical imagery | |
Ben Abdallah et al. | Adaptive noise-reducing anisotropic diffusion filter | |
CN114022444A (zh) | 超声图像的处理方法及装置 | |
CA2812421A1 (en) | System, method and computer program for automated window memoization | |
US20080107352A1 (en) | System and Method for Structure Enhancement and Noise Reduction in Medical Images | |
US20170035394A1 (en) | Ultrasonic diagnostic device | |
Law et al. | Efficient implementation for spherical flux computation and its application to vascular segmentation | |
Wen et al. | An adaptive kernel regression method for 3D ultrasound reconstruction using speckle prior and parallel GPU implementation | |
US7508968B2 (en) | Image compounding based on independent noise constraint | |
Xu et al. | Research on Optimization Scheme for Blocking Artifacts after Patch‐Based Medical Image Reconstruction | |
JP5122650B2 (ja) | 経路近傍レンダリング | |
Wang et al. | An edge-preserving adaptive image denoising | |
EP2633499B1 (en) | Volume visualisation based on distance | |
Anu Priya et al. | Multimodality brain tumor image fusion using wavelet and contourlet transformation | |
EP4022565A1 (en) | Segmenting a tubular feature | |
CN112927196B (zh) | 钙化积分方法及装置 | |
WO2007113720A1 (en) | Automatic cardiac band detection on breast mri |
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 |