CN115908428B - 一种用于调节并指牵开器的图像处理方法及系统 - Google Patents
一种用于调节并指牵开器的图像处理方法及系统 Download PDFInfo
- Publication number
- CN115908428B CN115908428B CN202310193891.6A CN202310193891A CN115908428B CN 115908428 B CN115908428 B CN 115908428B CN 202310193891 A CN202310193891 A CN 202310193891A CN 115908428 B CN115908428 B CN 115908428B
- Authority
- CN
- China
- Prior art keywords
- target area
- gray level
- degree
- image
- retractor
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000013507 mapping Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 15
- 210000004553 finger phalanx Anatomy 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 210000001519 tissue Anatomy 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 206010052428 Wound Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 206010034972 Photosensitivity reaction Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000036211 photosensitivity Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明的一种用于调节并指牵开器的图像处理方法及系统,获取并指的X光医学图像,对图像进行分割,获取并指的目标区域和背景区域;获取目标区域的像素点的梯度以及像素点的种类数量,确定像素点的重要程度;确定丢失程度;根据丢失程度以及目标区域的灰度级数量,确定目标区域的灰度级映射范围和背景区域的灰度级映射范围,对目标区域和背景区域进行直方图均衡化,得到均衡后的目标区域和背景区域,将两区域对应的进行合并,得到增强后的X光医学图像;根据增强后的X光医学图像,辅助医生进行并指牵开器的调节。即本发明通过对X光医学图像进行直方图均衡化处理的灰度级映射范围的确定,能够有效减少图像细节信息的缺失。
Description
技术领域
本发明涉及图像数据处理领域,具体为一种用于调节并指牵开器的图像处理方法及系统。
背景技术
并指是指两个及以上的手指或者脚趾并在一起,它是一种先天性畸形。
而并指的治疗需要通过手术进行,其利用微创的手段置入皮肤牵开装置,也即将并指牵开器固定在并指的两个手指之间,每天进行一定的延长,通过长时间积累,可以将两并指之间的皮肤和其他的软组织逐渐的拉宽,后期再将中间的皮肤切断,缝合伤口,完成治疗。
而治疗过程中并指牵开器需要根据医疗影像内并指的指骨位置变化进行调节,其一般利用成本低、速度快、可靠性高的X光透射成像技术进行检查。但是由于人体组织的复杂性以及射线散射和机器噪声的影响,直接采集得到的X光医学图像对比度低,存在图像不清楚的问题。因此需要对X光医学图像进行图像增强处理才能为诊断提供准确的参考。
其中,直方图均衡化算法是最常用的对比度增强方法之一,但由于X光医学图像亮度较低,其灰度直方图集中分布于灰度级较低的灰度范围内,若直接进行直方图均衡化会使图像过增强,严重失真,并且直方图均衡化会造成部分灰度级合并,导致细节信息丢失。
因此,急需一种避免细节信息丢失的图像处理方法,为后续进行调节并指牵开器提供准确的依据。
发明内容
本发明的目的在于提供一种用于调节并指牵开器的图像处理方法及系统,用于解决图像处理时的图像细节信息丢失的问题。
本发明提供的一种用于调节并指牵开器的图像处理方法的技术方案,包括以下步骤:
获取并指的X光医学图像,对X光医学图像进行分割,获取并指的目标区域和背景区域;
获取所述目标区域的像素点的梯度以及像素点的种类数量,确定像素点的重要程度;基于所述重要程度,确定丢失程度;根据所述丢失程度以及目标区域的灰度级数量,确定目标区域的灰度级映射范围;进而得到背景区域的灰度级映射范围;
根据目标区域的灰度级映射范围,对目标区域进行直方图均衡化,得到均衡后的目标区域;根据背景区域的灰度级映射范围,对背景区域进行直方图均衡化,得到均衡后的背景区域;将均衡后的目标区域和背景区域进行合并,得到增强后的X光医学图像;
根据所述增强后的X光医学图像,辅助医生进行并指牵开器的调节。
优选地,确定像素点的重要程度的具体过程为:
(1)利用Sobel算子计算目标区域中各像素点的梯度幅值,获得目标区域中所有像素点的梯度幅值的集合,其中n表示目标区域的像素点数量,为目标区域中第i个像素点的梯度幅值;
(2)统计任意一像素点以及该任意一像素点的预设邻域内的像素点的种类数量;
(3)根据任意一像素点的梯度幅值以及该任意一像素点的像素点的种类数量,获得图像内目标区域中各像素点的重要程度。
优选地,所述丢失程度的获取过程为:
获取目标区域的灰度直方图,确定目标区域的灰度级;
基于每个灰度级内对应的像素点的重要程度,确定各灰度级的重要程度的均值;
根据目标区域各灰度级的重要程度的均值,计算目标区域中的细节信息的丢失程度。
优选地,所述计算目标区域中的细节信息的丢失程度为:
其中,表示目标区域中的第j个灰度级的归并概率,公式为:
,
其中,G为目标区域中的细节信息的丢失程度,表示目标区域中的第j个灰度级的重要程度的均值,表示目标区域中的第j个灰度级上的像素点数量,表示目标区域中所有灰度级上像素点数量的均值,m表示目标区域的灰度级的数量。
优选地,确定目标区域的灰度级映射范围为[255-H,255],H为划分灰度级映射范围的阈值;
其中:
其中,G表示目标区域中的细节信息的丢失程度,m表示目标区域中的灰度级数量,表示目标区域的最大灰度级与最小灰度级的差值,R表示X光医学图像的最大灰度级与最小灰度级的差值,e为自然常数,表示向下取整。
优选地,所述增强后的X光医学图像,辅助医生进行并指牵开器的调节的具体过程为:
根据获取的增强后的X光医学图像,使用DNN语义分割方式分割图像中的当前指骨区域;
根据获取的当前指骨区域,统计当前并指的指骨之间的距离数据;根据当前的指骨之间的距离数据以及前一次的指骨之间的距离数据的差值调节并指牵开器的延长距离。
本发明还提供了一种用于调节并指牵开器的图像处理系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被处理器执行时实现上述一种用于调节并指牵开器的图像处理方法的技术方案。
本发明的有益效果:
本发明提供的一种用于调节并指牵开器的图像处理方法及系统,通过对X光医学图像进行图像处理,能够在有效抑制对比度过度增强和保护指骨区域细节信息的同时达到合理的对比度增强进而分割出准确的指骨区域,根据并指的指骨位置变化实现并指牵开器的调节。也即本申请中通过对图像进行初步分割得到目标区域进行目标区域中各像素点的重要程度的获取,也即能够考虑到目标区域的梯度幅值以及像素点的种类数量,从目标区域的清晰度和层次数量入手,确定图像中并指手掌的组织结构的丰富程度,进而根据重要程度确定像素的丢失程度,从而确定像素点是否真正缺失;进一步地,根据丢失程度以及目标区域的灰度级数量,来确定后续进行均衡化的灰度级映射范围,也即考虑到了像素点的归并以及当前目标区域的灰度级数量,对直方图均衡化的灰度级映射范围进行重新调节,能够使可能被归并的像素点尽可能的在灰度级中,避免图像内的细节信息的丢失;使得在直方图均衡化之后,能够得到准确的X光医学图像,能够在手续医生对并指调节器进行调节时提供准确的参考。
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和优点,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的介绍,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它附图。
图1是本发明的一种用于调节并指牵开器的图像处理方法的步骤流程图;
图2是带有并指牵引器的X光医学图像。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的方案,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明的场景针对的是在并指治疗过程中并指牵开器需要根据X光医学图像内并指的指骨位置变化进行调节,但由于人体组织的复杂性以及射线散射和机器噪声的影响,直接采集得到的X光医学图像对比度存在较低的问题,从而提供一种图像增强处理的方法,为后续医生对并指牵开器的调节提供辅助参考。
具体地,以某并指患者为例,如图1所示,对本发明提供的一种用于调节并指牵开器的图像处理方法进行具体介绍该图像处理方法包括以下步骤:
步骤1,获取并指的X光医学图像,对X光医学图像进行分割,获取并指的目标区域和背景区域。
本实施例中,采用X射线仪器采集带有并指牵引器的并指手掌的X光医学图像,如图2所示。
本实施例中根据采集到的X光医学图像,计算并指手掌的X光医学图像的像素灰度均值A,将像素灰度均值A作为设定阈值,将其与像素灰度值进行比较,即像素灰度值小于等于A的背景区域和像素灰度值大于A的目标区域,即X光医学图像内的骨骼区域,实现X光医学图像的初步分割得到背景区域和目标区域。
需要说明的是,X线使人体组织结构成像基于两点:一是X线的基本特性,也就是穿透性、可吸收性、荧光效应、感光效应;二是人体组织结构固有的密度和厚度差异。当X线穿过人体不同密度、厚度的组织时,被组织不同程度的吸收,使到达射线接受装置的X线量不同,从而形成黑白对比的影像。物质密度越高对X线吸收越多。
根据对X线吸收程度的不同,把生物体组织分三类:
①高密度组织,如骨、钙化,在X线片上呈白色。
②中等密度组织,如软骨、肌肉、神经、实质器官、结缔组织、体液,呈灰白色。
③低密度组织,如脂肪、含气组织,呈灰黑或深黑色。
此外,生物体组织越厚,透过的X线越少,越白。
基于上述中X光医学图像的特点,也即非黑即白或者灰白的图像特征,以像素灰度均值A为设定阈值,对X光医学图像进行图像分割,也能够对目标和背景进行区分。
当然作为其他实施方式,本发明中还可以采用连通域算法或者K-means聚类算法进行目标区域和背景区域的分割,进行得到目标区域和背景区域;由于连通域算法或者K-means聚类算法均为现有技术,此处不再进行过多赘述。
步骤2,获取所述目标区域的像素点的梯度以及像素点的种类数量,确定像素点的重要程度;基于所述重要程度,确定丢失程度;根据所述丢失程度以及目标区域的灰度级数量,确定目标区域的灰度级映射范围;进而得到背景区域的灰度级映射范围;
根据目标区域的灰度级映射范围,对目标区域进行直方图均衡化,得到均衡后的目标区域;根据背景区域的灰度级映射范围,对背景区域进行直方图均衡化,得到均衡后的背景区域;将均衡后的目标区域和背景区域进行合并,得到增强后的X光医学图像。
本实施例中,确定像素点的重要程度的具体过程为:
(1)利用Sobel算子计算目标区域中各像素点的梯度幅值,获得所有像素点的梯度幅值的集合,其值越大,该局部区域越清晰,其中n表示图像内目标区域的像素点数量,为目标区域中第i个像素点的梯度幅值;
(2)统计任意一像素点以及该任意一像素点的预设邻域内的像素点的种类数量;
(3)根据任意一像素点的梯度幅值以及该任意一像素点的像素点的种类数量,获得图像内目标区域中第i个像素点的重要程度为:
其中,表示目标区域中第i个像素点的梯度幅值,其值越大,该像素点越清晰,表示目标区域中第i个像素点的八邻域内(包括该像素点)中的像素灰度值的种类数量,。
由此,获得目标区域中各像素点的重要程度集合,其中,为标区域中第i个像素点的重要程度,n表示图像内目标区域的像素点数量。
需要说明的是,X光医学图像的质量可通过图像清晰度和层次获取,表示第i个像素点的清晰程度;表示第i个像素点的层次数量,即两者的乘积越大,图像内的该局部区域内的手掌组织结构越清晰,且层次越丰富,可以提供更多、更准确的诊断信息,因此该像素点越重要。其中层次数量,也即像素点的种类数量,其是表示局部范围内并指手掌组织结构的变化,也就是说该像素点周围的邻域内的局部范围内的像素灰度值的种类越多,层次数量越大,证明该手掌的组织结构的越丰富。
需要说明的是,上述中的预设邻域可以为8邻域,也可以为4邻域。本实施例中以8邻域为例进行详细说明。
需要说明的是,上述实施例中选取梯度幅值以及像素点的种类数量仅仅是通过两个参数共同进行灰度级映射范围的调节,其仅仅关注计算的重要程度的大小,用于后续的丢失程度的确定。
同时,由于目标区域是指骨区域,其是位于图像中部,不处于图像边界,因此不会造成八邻域像素点的缺失。
本实施例中的丢失程度的获取过程为:
获取目标区域的灰度直方图,确定目标区域的灰度级;
基于每个灰度级内对应的像素点的重要程度,确定各灰度级的重要程度的均值;
根据目标区域各灰度级的重要程度的均值,计算目标区域中的细节信息的丢失程度;
目标区域中的细节信息的丢失程度G为:
其中,表示目标区域中的第j个灰度级的归并概率,公式为:
,
其中,表示目标区域中的第j个灰度级的重要程度的均值,表示目标区域中的第j个灰度级上的像素点数量,表示目标区域中所有灰度级上像素点数量的均值,即目标区域中所有灰度级上像素点数量之和除以灰度级个数。
上述中的是统计目标区域中各灰度级上的所有像素点的重要程度的均值,表示目标区域各灰度级的重要程度,获得集合,其中m表示目标区域的灰度级的数量。
需要说明的是,在直方图均衡化算法的灰度级归并过程中当灰度级上的像素点数量较少时,易造成灰度级归并,即越大,该灰度级被归并的概率越大,故和的乘积越大时,则目标区域的细节信息的丢失程度越大。因此本实施例中根据图像内目标区域中各像素点的重要程度和目标区域的各灰度级上像素点数量的统计特征,获取目标区域进行直方图均衡化时的细节信息的丢失程度,为后续的灰度级映射范围的选取提供参考,用以保护目标区域细节信息不丢失。
本实施例中,划分目标区域的灰度级映射范围中的阈值H为:
其中,255表示本方案设定的X光医学图像的直方图均衡化的灰度级映射范围,G表示目标区域中的细节信息的丢失程度,m表示目标区域中的灰度级数量,表示目标区域的最大灰度级与最小灰度级的差值,R表示X光医学图像的最大灰度级与最小灰度级的差值,e为自然常数,表示向下取整,的取值范围为(0,1)。
上述公式中,当目标区域的细节信息丢失程度G越大,且目标区域的灰度级数量m越多(分布范围越广)时,直方图均衡化的灰度级映射范围就越大,即越大,灰度级映射范围越大,用以保护目标区域的细节信息、减少冗余信息的影响和保持图像的明暗立体效果。
需要说明的是,由于目标区域可能存在灰度级范围较大,但灰度级数量较少的情况,即目标区域的灰度级分布内存在大量像素点数量为0的灰度级,因此根据信息熵可知,此类灰度级不存在信息量,为冗余信息,因此需要进一步根据目标区域的灰度级数量校正灰度级映射范围,从而确定灰度级映射范围。
同时,上述实施例中选取丢失程度以及灰度级数量仅仅是通过两个参数共同进行灰度级映射范围的调节,至于丢失程度G大、灰度级数量m小,或者丢失程度G小、灰度级数量m大的关系,本实施例中并不关注,其仅仅关注两参数的乘积的大小。
其中的表示目标区域的灰度级分布与X光医学图像的灰度级分布的占比,当目标区域的灰度级分布占比越大,则图像的明暗立体效果越明显,灰度级映射范围的H的值就越大。
至此,获得X光医学图像内背景区域的直方图均衡化的灰度级映射范围为[0,254-H],目标区域的直方图均衡化的灰度级映射范围为[255-H,255]。
本实施例中,根据目标区域的灰度级映射范围和背景区域的灰度级映射范围,对所述目标区域和所述背景区域进行直方图均衡化,得到均衡后的目标区域和背景区域;将均衡后的目标区域和背景区域进行合并,得到增强后的X光医学图像。
其中,上述实施例中,由于直方图均衡化的灰度级映射原理为根据灰度级映射范围与直方图灰度级累积分布概率的乘积获取变换后的灰度级,因此需要先获取背景区域和目标区域的灰度直方图,再进行直方图均衡化。
上述实施例中的均衡后的目标区域和背景区域进行合并,是将均衡后的背景区域和目标区域进行图像的并集计算。
本发明中根据目标区域确定的合适的灰度级映射范围,可以有效防止较小分布概率的灰度级被合并,导致细节信息丢失。
需要说明的是,本发明通过X光医学图像的特征,确定直方图均衡化时的自适应灰度级映射范围,使增强后的图像能有效抑制对比度过度增强,减少整幅图像内的细节信息的丢失,能够为后续医生的诊断提供重要的指骨区域的细节信息。
步骤3,根据所述增强后的X光医学图像,辅助医生进行并指牵开器的调节。
本实施例中辅助医生进行并指牵开器的调节的具体过程为:
根据获取的增强后的X光医学图像,使用DNN语义分割方式分割图像中的当前指骨区域;
根据获取的当前指骨区域,统计当前并指的指骨之间的距离数据;根据当前的指骨之间的距离数据以及前一次的指骨之间的距离数据的差值调节并指牵开器的延长距离。
其中,前一次的指骨之间的距离数据的获取过程与当前的指骨之间的距离数据的过程相同,也即先按照步骤1-2对前一次的X光医学图像进行图像增强处理,之后对统增强处理的后的图像进行图像分割得到指骨区域,并统计前一次的指骨之间的距离数据。
需要说明的是,并指牵开器的使用过程为利用微创的手段置入皮肤牵开装置,将牵开器固定在并指的两个手指之间,并对并指牵开器的延长距离进行控制,而延长距离的确定是根据前后两次的获取的指骨区域上的指骨之间的距离数据进行确定的,进而基于延长距离将并指之间的皮肤和其他的软组织逐渐的拉宽,最后再将中间的皮肤切断,缝合伤口,完成治疗,由此实现并指牵开器的调节。
上述中的DNN网络的训练过程为:
训练数据集:使用的数据集为X光透射成像技术采集的并指手掌的X光医学图像数据集。
标签数据:需要分割的像素,共分为2类,即训练集对应标签标注过程为:单通道的语义标签,对应位置像素属于背景区域的标注为0,属于指骨区域的标注为1。
损失函数:使用的loss函数为交叉熵损失函数。
至此,通过DNN语义分割,获取并指手掌的X光医学图像内的指骨区域。
需要说明的是,上述中的前后两次之间的间隔,一般设置为24小时或者12小时,当然也可以根据患者的实际情况进行设定。本实施例中的前后两次的时间间隔为24小时。
上述中的距离数据的获取方式为在并指牵开器植入并指中时,确定其中一组固定针附近的并指的两个指骨边缘上一个标记点,每日计算该标记点的距离,进而计算相邻两天该标记点的距离差值,将距离差值作为并指牵开器的延长距离,对并指牵开器进行调节。
当然作为其他实施方式,还可以在每组固定针附近的并指的两个指骨边缘上分别人工标记至少两组相对应的点,每日计算人工标记的各组点的距离,进而计算相邻两天同一组标记点的距离差值,根据各组固定针附近人工标记的至少两组相对应点的距离差值的均值,调节并指牵开器上每组固定针的延长距离。需要说明的是,距离差值的均值即为延长距离。
本发明的方案由于X光医学图像亮度较低,其灰度直方图集中分布于灰度级较低的灰度范围内,即灰度级较低处像素点数量较多,若直接进行直方图均衡化会使图像过增强,严重失真,本发明将图像的灰度直方图分为两个直方图分别进行直方图均衡化可以较好的抑制这种现象;并根据目标区域的灰度直方图特征,计算其所需的直方图均衡化的灰度级映射范围,用以减少目标区域的细节信息丢失量。
本发明还提供了一种用于调节并指牵开器的图像处理系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被处理器执行时实现上述一种用于调节并指牵开器的图像处理方法的步骤。
由于上述已对一种用于调节并指牵开器的图像处理方法的方法实施例进行了详细的介绍,此处不再进行过多赘述。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (4)
1.一种用于调节并指牵开器的图像处理方法,其特征在于,包括以下步骤:
获取并指的X光医学图像,对X光医学图像进行分割,获取并指的目标区域和背景区域;
获取所述目标区域的像素点的梯度以及像素点的种类数量,确定像素点的重要程度;基于所述重要程度,确定丢失程度;根据所述丢失程度以及目标区域的灰度级数量,确定目标区域的灰度级映射范围;进而得到背景区域的灰度级映射范围;
根据目标区域的灰度级映射范围,对目标区域进行直方图均衡化,得到均衡后的目标区域;根据背景区域的灰度级映射范围,对背景区域进行直方图均衡化,得到均衡后的背景区域;将均衡后的目标区域和背景区域进行合并,得到增强后的X光医学图像;
根据所述增强后的X光医学图像,辅助医生进行并指牵开器的调节;
确定像素点的重要程度的具体过程为:
(1)利用Sobel算子计算目标区域中各像素点的梯度幅值,获得目标区域中所有像素点的梯度幅值的集合,其中n表示目标区域的像素点数量,为目标区域中第i个像素点的梯度幅值;
(2)统计任意一像素点以及该任意一像素点的预设邻域内的像素点的种类数量;
(3)根据任意一像素点的梯度幅值以及该任意一像素点的像素点的种类数量,获得图像内目标区域中各像素点的重要程度;
所述丢失程度的获取过程为:
获取目标区域的灰度直方图,确定目标区域的灰度级;
基于每个灰度级内对应的像素点的重要程度,确定各灰度级的重要程度的均值;
根据目标区域各灰度级的重要程度的均值,计算目标区域中的细节信息的丢失程度;
所述计算目标区域中的细节信息的丢失程度为:
其中,表示目标区域中的第j个灰度级的归并概率,公式为:
,
其中,G为目标区域中的细节信息的丢失程度,表示目标区域中的第j个灰度级的重要程度的均值,表示目标区域中的第j个灰度级上的像素点数量,表示目标区域中所有灰度级上像素点数量的均值,m表示目标区域的灰度级的数量。
2.根据权利要求1中所述的一种用于调节并指牵开器的图像处理方法,其特征在于,确定目标区域的灰度级映射范围为[255-H,255],H为划分灰度级映射范围的阈值;
其中:
其中,G表示目标区域中的细节信息的丢失程度,m表示目标区域中的灰度级数量,表示目标区域的最大灰度级与最小灰度级的差值,R表示X光医学图像的最大灰度级与最小灰度级的差值,e为自然常数,表示向下取整。
3.根据权利要求1中所述的一种用于调节并指牵开器的图像处理方法,其特征在于,根据所述增强后的X光医学图像,辅助医生进行并指牵开器的调节的具体过程为:
根据获取的增强后的X光医学图像,使用DNN语义分割方式分割图像中的当前指骨区域;
根据获取的当前指骨区域,统计当前并指的指骨之间的距离数据;根据当前的指骨之间的距离数据以及前一次的指骨之间的距离数据的差值调节并指牵开器的延长距离。
4.一种用于调节并指牵开器的图像处理系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述的一种用于调节并指牵开器的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310193891.6A CN115908428B (zh) | 2023-03-03 | 2023-03-03 | 一种用于调节并指牵开器的图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310193891.6A CN115908428B (zh) | 2023-03-03 | 2023-03-03 | 一种用于调节并指牵开器的图像处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115908428A CN115908428A (zh) | 2023-04-04 |
CN115908428B true CN115908428B (zh) | 2023-05-12 |
Family
ID=85733793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310193891.6A Active CN115908428B (zh) | 2023-03-03 | 2023-03-03 | 一种用于调节并指牵开器的图像处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908428B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116110053B (zh) * | 2023-04-13 | 2023-07-21 | 济宁能源发展集团有限公司 | 基于图像识别的集装箱表面信息检测方法 |
CN117237342B (zh) * | 2023-11-13 | 2024-02-02 | 中国人民解放军总医院第八医学中心 | 一种呼吸康复ct影像智能分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757950A (zh) * | 2022-06-15 | 2022-07-15 | 深圳瀚维智能医疗科技有限公司 | 超声图像处理方法、装置以及计算机可读存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7079287B1 (en) * | 2000-08-01 | 2006-07-18 | Eastman Kodak Company | Edge enhancement of gray level images |
US7840066B1 (en) * | 2005-11-15 | 2010-11-23 | University Of Tennessee Research Foundation | Method of enhancing a digital image by gray-level grouping |
CN101114340A (zh) * | 2007-09-06 | 2008-01-30 | 成都方程式电子有限公司 | 直方图均衡化图像处理的vlsi实现系统及方法 |
CN103606137B (zh) * | 2013-11-13 | 2016-04-13 | 天津大学 | 保持背景和细节信息的直方图均衡化方法 |
CN105654438A (zh) * | 2015-12-27 | 2016-06-08 | 西南技术物理研究所 | 基于局部直方图均衡的灰度图像拟合增强方法 |
CN106651818A (zh) * | 2016-11-07 | 2017-05-10 | 湖南源信光电科技有限公司 | 基于改进的直方图均衡化低照度图像增强算法 |
CN108447040A (zh) * | 2018-02-09 | 2018-08-24 | 深圳市朗驰欣创科技股份有限公司 | 直方图均衡化方法、装置及终端设备 |
CN111340824B (zh) * | 2020-02-26 | 2022-07-12 | 青海民族大学 | 一种基于数据挖掘的图像特征分割方法 |
CN111563863B (zh) * | 2020-04-22 | 2023-06-23 | 江苏理工学院 | 一种直方图受限的图像增强方法及装置 |
CN114549670B (zh) * | 2022-02-23 | 2023-04-07 | 京东方数字科技有限公司 | 图像处理方法及图像处理系统 |
CN115311176B (zh) * | 2022-10-12 | 2023-03-07 | 江苏菲尔浦物联网有限公司 | 基于直方图均衡化的夜间图像增强方法 |
-
2023
- 2023-03-03 CN CN202310193891.6A patent/CN115908428B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757950A (zh) * | 2022-06-15 | 2022-07-15 | 深圳瀚维智能医疗科技有限公司 | 超声图像处理方法、装置以及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115908428A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115908428B (zh) | 一种用于调节并指牵开器的图像处理方法及系统 | |
EP1321899B1 (en) | Method and apparatus for enhancing the contrast of a medical diagnostic image acquired using collimation | |
EP2715663B1 (en) | Apparatus for generating assignments between image regions of an image and element classes | |
CN116152505B (zh) | 基于x光数据的骨骼目标识别分割方法 | |
JP2008520344A (ja) | 放射線写真画像の向きを検知及び補正する方法 | |
CN115359052A (zh) | 基于聚类算法的医疗影像增强方法 | |
CN110910404B (zh) | 一种抗噪声数据的乳腺超声结节分割方法 | |
CN114066886B (zh) | 骨骼分割边界确定方法、装置、电子设备及存储介质 | |
CN112308823B (zh) | 医学图像中感兴趣区域的定位方法及装置 | |
CN116580037B (zh) | 一种基于深度学习的鼻咽癌图像分割方法及系统 | |
CN111513743B (zh) | 一种骨折检测方法及装置 | |
CN116309647B (zh) | 颅脑病灶图像分割模型构建方法、图像分割方法及设备 | |
Kaewlek et al. | Metal artifact reduction and image quality evaluation of lumbar spine CT images using metal sinogram segmentation | |
CN113469945B (zh) | 基于ct与mri显像融合的骶神经建模方法及系统 | |
Setiyono et al. | The optimization of mastoid CT image using windows and kernel reconstructions | |
CN114596251A (zh) | 一种膝关节x光影像质控方法及装置 | |
Zhang et al. | Medical image fusion based a densely connected convolutional networks | |
IDOWU et al. | Improved Enhancement Technique for Medical Image Processing | |
Chen et al. | A region-based Retinex with data filling for the enhancement of electronic portal images | |
CN116344001B (zh) | 一种基于人工智能的医疗信息可视化管理系统及方法 | |
CN117237342B (zh) | 一种呼吸康复ct影像智能分析方法 | |
CN114037775B (zh) | 骨骼结构生长方法、装置、电子设备及存储介质 | |
Ren | Optimization of Lung CT Image Processing and Recognition Based on E-SRG Segmentation Algorithm | |
CN115661096B (zh) | 一种胃食管结合部癌食道下段侵犯长度的影像判断方法 | |
CN115578554B (zh) | 一种血管病灶识别方法、装置、电子设备和可读存储介质 |
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 |