CN116703784B - 一种心脏超声图像视觉增强方法 - Google Patents
一种心脏超声图像视觉增强方法 Download PDFInfo
- Publication number
- CN116703784B CN116703784B CN202310961315.1A CN202310961315A CN116703784B CN 116703784 B CN116703784 B CN 116703784B CN 202310961315 A CN202310961315 A CN 202310961315A CN 116703784 B CN116703784 B CN 116703784B
- Authority
- CN
- China
- Prior art keywords
- shadow
- target
- boundary
- image corresponding
- limiting parameter
- 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 38
- 238000002604 ultrasonography Methods 0.000 claims description 19
- 230000002708 enhancing effect Effects 0.000 claims description 13
- 230000000747 cardiac effect Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000012216 screening Methods 0.000 abstract 1
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
-
- 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
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种心脏超声图像视觉增强方法,包括:采集心脏区域超声图像,获取目标限制参数对应的增强图像,进而得到增强图像中的所有阴影部分,根据所有阴影部分边缘上的像素点获取每个阴影部分的边界连线,根据边界连线获取边界灰度因子以及边界宽度因子,进一步得到所有阴影部分的影响系数,根据影响系数、边界灰度因子以及边界宽度因子获取每个阴影部分的分界程度,筛选清晰阴影,根据分界程度与清晰阴影的数量获取目标限制参数的优选程度,根据优选程度获取最佳限制参数,进而得到最佳增强图像。本发明与人为设置限制参数获取增强图像相比,对于心脏细节的增强效果更好。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种心脏超声图像视觉增强方法。
背景技术
在医疗影像中,心脏超声图像技术可以直观地得到人体大致的心脏轮廓图像,但由于得到的心脏区域图像存在一定的模糊程度,影响医生的诊断,所以需要对得到的心脏超声图像进行图像增强。
限制对比度的自适应直方图均衡化为图像增强的主要方式之一,因其自身灵活的自适应性以及可以有效避免增强图像过程中噪声出现的特点而被广泛应用,其中限制对比度参数作为可控的关键参数之一,其数值的大小会直接影响最后的图像效果。但由于限制对比度参数无法依据心脏超声图像因素合理变化的局限性,导致最后的图像效果并不能很好地表现心脏区域的细节部分。
发明内容
本发明提供一种心脏超声图像视觉增强方法,以解决现有的问题。
本发明的一种心脏超声图像视觉增强方法采用如下技术方案:
本发明一个实施例提供了一种心脏超声图像视觉增强方法,该方法包括以下步骤:
采集心脏区域超声图像;将预设的初始参考数值作为目标限制参数,获取目标限制参数对应的增强图像;获取目标限制参数对应的增强图像中的所有阴影部分;根据所有阴影部分边缘上的像素点获取每个阴影部分的边界连线;
根据目标限制参数对应的增强图像中每个阴影部分的边界连线获取每个阴影部分的边界灰度因子以及边界宽度因子;根据边界灰度因子以及边界宽度因子获取所有阴影部分的影响系数;根据影响系数、边界灰度因子以及边界宽度因子获取每个阴影部分的分界程度;
将分界程度大于预设的分界程度阈值的阴影部分作为清晰阴影;根据目标限制参数对应的增强图像中每个阴影部分的分界程度与清晰阴影的数量获取目标限制参数的优选程度;
根据目标限制参数的优选程度获取最佳限制参数;将最佳限制参数对应的增强图像作为心脏区域超声图像的最佳增强图像。
优选的,所述获取目标限制参数对应的增强图像,包括的具体步骤如下:
根据目标限制参数对心脏区域超声图像进行限制对比度的自适应直方图均衡化,将得到的增强图像作为目标限制参数对应的增强图像。
优选的,所述获取目标限制参数对应的增强图像中的所有阴影部分,包括的具体步骤如下:
获取目标限制参数对应的增强图像中所有灰度值与灰度阈值相等的像素点,作为种子点;
以每个种子点为开始,进行区域合并操作,包括:获取种子点八邻域内与种子点的灰度值差值的绝对值小于或等于灰度范围的所有像素点,作为合并像素点,将合并像素点与种子点合并为同一个区域;获取合并像素点八邻域范围内与种子点的灰度值差值的绝对值小于或等于灰度范围的所有像素点,作为新的合并像素点,将新的合并像素点与种子点合并为同一个区域;以此类推,直到无新的合并像素点时停止迭代;将最终得到的区域作为阴影部分。
优选的,所述根据所有阴影部分边缘上的像素点获取每个阴影部分的边界连线,包括的具体步骤如下:
将目标限制参数对应的增强图像中每个阴影部分的边缘上的像素点作为每个阴影部分的边缘像素点;以目标限制参数对应的增强图像中任意一个阴影部分为目标阴影部分,将其余阴影部分作为非目标阴影部分,将目标阴影部分上任意一个边缘像素点作为目标边缘像素点;获取所有非目标阴影部分的边缘像素点中距离目标边缘像素点最近的边缘像素点,作为目标边缘像素点的临近边缘像素点,将目标边缘像素点与临近边缘像素点之间的连线作为目标阴影部分的一个边界连线;根据目标阴影部分上每个边缘像素点获取目标阴影部分的所有边界连线;获取目标限制参数对应的增强图像中每个阴影部分的边界连线。
优选的,所述边界灰度因子的获取方法为:
其中,为目标限制参数对应的增强图像中第/>个阴影部分的边界灰度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上第/>个像素点的灰度值;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上像素点的个数;为目标限制参数对应的增强图像中第/>个阴影部分的边界连线的个数。
优选的,所述边界宽度因子的获取方法为:
其中,为目标限制参数对应的增强图像中第/>个阴影部分的边界宽度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上像素点的个数;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界连线的个数;/>为目标限制参数对应的增强图像中所有阴影部分的所有边界连线中像素点个数最大的边界连线对应的像素点个数。
优选的,所述根据边界灰度因子以及边界宽度因子获取所有阴影部分的影响系数,包括的具体步骤如下:
其中,为目标限制参数对应的增强图像中所有阴影部分的影响系数;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界灰度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界宽度因子;/>为目标限制参数对应的增强图像中阴影部分的个数;/>为双曲正切函数;/>为超参数。
优选的,所述根据影响系数、边界灰度因子以及边界宽度因子获取每个阴影部分的分界程度,包括的具体步骤如下:
其中,为目标限制参数对应的增强图像中第/>个阴影部分的分界程度;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界灰度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界宽度因子;/>为目标限制参数对应的增强图像中所有阴影部分的影响系数。
优选的,所述根据目标限制参数对应的增强图像中每个阴影部分的分界程度与清晰阴影的数量获取目标限制参数的优选程度,包括的具体步骤如下:
其中,为目标限制参数的优选程度;/>为目标限制参数对应的增强图像中第/>个阴影部分的分界程度;/>为目标限制参数对应的增强图像中阴影部分的个数;/>为目标限制参数对应的增强图像中清晰阴影的个数;/>为双曲正切函数, />为超参数。
优选的,所述根据目标限制参数的优选程度获取最佳限制参数,包括的具体步骤如下:
对目标限制参数的优选程度进行判断操作,包括:当优选程度大于或等于预设的优选程度阈值时,将目标限制参数作为最佳限制参数;当优选程度小于预设的优选程度阈值时,将目标限制参数与预设的参数步长相加,得到新的目标限制参数,获取新的目标限制参数的优选程度;重复对新的目标限制参数进行判断操作,直到得到最佳限制参数时停止迭代。
本发明的技术方案的有益效果是:本发明获取目标限制参数对应的增强图像,进而得到增强图像中的所有阴影部分,根据所有阴影部分边缘上的像素点获取每个阴影部分的边界连线,根据边界连线获取边界灰度因子以及边界宽度因子,进一步得到所有阴影部分的影响系数,根据影响系数、边界灰度因子以及边界宽度因子获取每个阴影部分的分界程度,筛选清晰阴影,清晰阴影为阴影部分与边界对比明显且边界较细的阴影部分,根据分界程度与清晰阴影的数量获取目标限制参数的优选程度,根据优选程度获取最佳限制参数,进而得到最佳增强图像,使得得到的最佳增强图像中各个阴影部分清晰且分界明显,心脏细节更加清晰,本发明与人为设置限制参数获取增强图像相比,对于心脏细节的增强效果更好。
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为本发明的一种心脏超声图像视觉增强方法的步骤流程图;
图2为人体心脏超声灰度图。
图3为心脏区域超声图像;
图4为对心脏区域超声图像进行直方图均衡化增强的增强图像;
图5为较小的限制参数对应的增强图像;
图6为较大的限制参数对应的增强图像;
图7为最佳增强图像。
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,对依据本发明提出的一种心脏超声图像视觉增强方法,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。
下面结合附图具体的说明本发明所提供的一种心脏超声图像视觉增强方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种心脏超声图像视觉增强方法的步骤流程图,该方法包括以下步骤:
S001.采集心脏区域超声图像。
利用超声仪器对患者的心脏进行超声波扫描,得到人体心脏超声图像,为了便于后续分析,对人体心脏超声图像进行灰度化处理,得到人体心脏超声灰度图,参见图2。利用高斯滤波对人体心脏超声灰度图进行去噪,对去噪后的图像进行剪裁,仅获取图像中心的心脏区域,将剪裁后的图像记为心脏区域超声图像,参见图3。
至此,获取了心脏区域超声图像。
S002.获取限制参数对应的增强图像中阴影部分的边界灰度因子以及边界宽度因子。
需要说明的是,心脏区域超声图像中心脏细节显现不明显,影响医生对患者的诊疗,因此需要对心脏区域超声图像进行增强。利用传统的直方图均衡化方法对心脏区域超声图像进行增强时,心脏区域超声图像中的噪声也得到了放大,增强效果差。利用传统的直方图均衡化方法对心脏区域超声图像进行增强得到的增强图像参见图4。而限制对比度的自适应直方图均衡化方法可以有效避免增强心脏区域超声图像中的噪声,但由于限制对比度参数无法依据心脏区域超声图像因素合理变化的局限性,导致最后的增强图像并不能很好地表现心脏区域的细节部分。因此本发明实施例旨在获取最佳限制参数来对心脏区域超声图像进行限制对比度的自适应直方图均衡化增强,使得心脏区域的细节可清晰呈现。
在本发明实施例中,预设一个初始参数值,将/>作为目标限制参数,根据目标限制参数对心脏区域超声图像进行限制对比度的自适应直方图均衡化,得到目标限制参数对应的增强图像。在本发明实施例中,/>,在其他实施例中,实施人员可根据实际实施情况设置初始参数值。
需要说明的是,在心脏区域超声图像中,阴影部分与其对应的边界部分的灰度对比程度会随着限制参数的增大而增大,起初二者的灰度对比程度的增大会使心脏区域超声图像细节更加明显,但随着限制参数的持续增长,会使对应的增强图像中各处的阴影部分与其对应的边界部分过于明显,导致对应的增强图像呈多个边界较明显的阴影块分布,影响细节区域的观察。因此,可通过分析各个限制参数所对应的增强图像中阴影部分与边界部分的灰度对比程度,来确定限制参数可被用于调节的优选程度。在对心脏区域增强图像使用不同限制参数的限制对比度的自适应直方图均衡化时,对应的增强图像中受影响变化最明显的特征是图像中各个阴影部分与其对应的边界部分的灰度对比程度的变化剧烈,因此可以通过分析阴影部分的分布特征得到对应的分布规律,以便后续获取阴影部分与其对应的边界部分的分界程度。
在调整不同的限制参数来增强心脏区域图像时,心脏区域图像中的阴影部分会随着限制参数的增大而变深,其对应的平均灰度值会降低,在图像中阴影部分呈现更加趋于块状表示,其中块状阴影部分均为形状不规则的小块密集分布。图5为较小的限制参数对应的增强图像,图6为较大的限制参数对应的增强图像,图5和图6中白色方块区域表示相同的阴影部分,图5为限制参数较小时的增强图像,阴影部分块状不明显,而图6为限制参数较大时的增强图像,阴影部分块状明显。增强图像中阴影分布变化规律仅反映了对应阴影部分的随着限制参数变化的分布规律,而阴影部分的块状表示则是由阴影部分和与之对应的边界部分共同作用的结果。因此,需要分析阴影部分与对应边界部分之间的关系,才能分析阴影部分呈块状的程度,得到表示阴影部分与其对应的边界部分的分界程度。
需要进一步说明的是,在调整不同的限制参数进行图像增强过程中,对应的增强图像中阴影部分对应的边界部分会随着限制参数的变化呈现出不同的灰度以及宽度大小。若当前阴影部分对应的边界部分的灰度值越高,则说明该边界部分在灰度图像中的颜色越趋于白色,而由于阴影部分在灰度图像中的颜色趋于黑色,与颜色越趋于白色的边界部分会形成更明显的灰度对比,从而导致图像中各个阴影部分之间的分界更加明显;若当前阴影部分对应的边界部分的宽度大小越小,则说明该边界部分在灰度图像中的边界大小更细,导致图像中各个阴影部分之间的距离缩短,使图像中各个阴影部分之间分布更密集。随着限制参数的增大,阴影部分对应的边界部分的灰度值会越来越高,而对应的宽度也会越来越小,从而导致图像中各个阴影部分更加趋于互相不粘连的块状分布,增强图像中的阴影部分与其对应的边界部分的对比会更加明显。因此,可分析阴影部分边界的分布规律获取阴影部分的边界灰度因子以及边界宽度因子,以便后续根据边界灰度因子以及边界宽度因子获取阴影部分与其对应的边界部分的分界程度。
在本发明实施例中,首先获取目标限制参数对应的增强图像中的阴影部分,具体为:
预设一个灰度阈值以及一个灰度范围/>,获取目标限制参数对应的增强图像中所有灰度值为/>的像素点,作为种子点。以每个种子点为开始,进行区域合并操作,包括:获取种子点八邻域内与种子点的灰度值差值的绝对值小于或等于灰度范围/>的所有像素点,作为合并像素点,将合并像素点与种子点合并为同一个区域。获取合并像素点八邻域范围内与种子点的灰度值差值的绝对值小于或等于灰度范围/>的所有像素点,作为新的合并像素点,将新的合并像素点与种子点合并为同一个区域。依次类推,直到无新的合并像素点时停止迭代。将最终得到的一个区域作为一个阴影部分,如此可得到多个阴影部分。在本发明实施例中,灰度阈值/>,灰度范围/>,在其他实施例中,实施人员可根据实际实施情况设置灰度阈值以及灰度范围。
其次,获取目标限制参数对应的增强图像中每个阴影部分的边界连线,具体为:
将目标限制参数对应的增强图像中每个阴影部分的边缘上的像素点作为每个阴影部分的边缘像素点。以目标限制参数对应的增强图像中任意一个阴影部分为目标阴影部分,将其余阴影部分作为非目标阴影部分,将目标阴影部分上任意一个边缘像素点作为目标边缘像素点。获取所有非目标阴影部分的边缘像素点中距离目标边缘像素点最近的边缘像素点,作为目标边缘像素点的临近边缘像素点,获取目标边缘像素点与临近边缘像素点之间的连线,将该连线作为目标阴影部分的一个边界连线。同理,将目标阴影部分上每个边缘像素点分别作为目标边缘像素点,获取每个目标边缘像素点对应的边界连线,如此得到了目标阴影部分的所有边界连线。同理,获取目标限制参数对应的增强图像中每个阴影部分的边界连线。
根据目标限制参数对应的增强图像中每个阴影部分的边界连线获取每个阴影部分的边界灰度因子:
其中,为目标限制参数对应的增强图像中第/>个阴影部分的边界灰度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上第/>个像素点的灰度值;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上像素点的个数;为目标限制参数对应的增强图像中第/>个阴影部分的边界连线的个数;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上所有像素点的灰度值之和;为目标限制参数对应的增强图像中第/>个阴影部分所有边界连线上所有像素点的灰度值之和,即第/>个阴影部分的边界部分的灰度值总和;/>用于对/>进行归一化,将边界灰度因子限制在[0,1]的范围内;当边界灰度因子越大时,说明目标限制参数对应的增强图像中第/>个阴影部分的边界部分越趋近于白色。
根据目标限制参数对应的增强图像中每个阴影部分的边界连线获取每个阴影部分的边界宽度因子:
其中,为目标限制参数对应的增强图像中第/>个阴影部分的边界宽度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上像素点的个数;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界连线的个数;/>为目标限制参数对应的增强图像中所有阴影部分的所有边界连线中像素点个数最大的边界连线对应的像素点个数,用于对/>进行归一化,将边界宽度因子限制在[0,1]范围内;/>表示目标限制参数对应的增强图像中第/>个阴影部分的所有边界连线上像素点个数总和,即目标限制参数对应的增强图像中第/>个阴影部分对应的边界部分的宽度总和;/>为目标限制参数对应的增强图像中第/>个阴影部分对应的边界部分的平均宽度;边界宽度因子越小,则说明第/>个阴影部分对应的边界部分在目标限制参数对应的增强图像中的边界大小更细,使得增强图像中各个阴影部分之间的距离缩短,各个阴影部分之间分布更密集。
至此,获取了目标限制参数对应的增强图像中每个阴影部分的边界灰度因子以及边界宽度因子。
S003.获取限制参数对应的增强图像中阴影部分的分界程度。
需要说明的是,在实际处理边界灰度与边界宽度的过程中,二者存在着一定的关联:当其他条件不变时,当边界宽度增大时,边界部分的整体面积会相对增大,导致原本较小边界部分的边界灰度会因边界部分面积的增大而产生一定程度的降低。因此可根据边界灰度因子以及边界宽度因子获取边界宽度对边界灰度的影响系数。
在本发明实施例中,获取目标限制参数对应的增强图像中所有阴影部分的影响系数,来反应边界宽度对边界灰度的影响:
其中,为目标限制参数对应的增强图像中所有阴影部分的影响系数;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界灰度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界宽度因子;/>为目标限制参数对应的增强图像中阴影部分的个数;/>为双曲正切函数,用于对/>进行归一化;/>为超参数,用于防止恒趋近于1,在本发明实施例中/>,在其他实施例中实施人员可根据具体实施情况设置超参数/>的值;当影响系数越大时,说明目标限制参数下边界宽度对边界灰度的影响越小,由于边界宽度与边界灰度的重要性相同,而边界宽度对应的逻辑是负相关,边界灰度对应的逻辑是正相关,因此将边界宽度因子放置在分母,将边界灰度因子放置在分子。而为了表示边界宽度对边界灰度整体的影响,则将增强图像中所有的边界部分进行累计处理。而归一化后的数据取为负数并与1相加,则是为了使用影响系数与影响效果呈负相关,以便后续分界程度的计算。
根据影响系数以及目标限制参数对应的增强图像中每个阴影部分的边界灰度因子、边界宽度因子获取每个阴影部分的分界程度:
其中,为目标限制参数对应的增强图像中第/>个阴影部分的分界程度;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界灰度因子,边界灰度因子越大,第/>个阴影部分对应的边界部分在目标限制参数对应的增强图像中的颜色越趋近于白色;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界宽度因子,边界宽度因子越小,第/>个阴影部分对应的边界部分在目标限制参数对应的增强图像中的边界大小更细,使得增强图像中各个阴影部分之间的距离缩短,各个阴影部分之间分布更密集;/>为目标限制参数对应的增强图像中所有阴影部分的影响系数;当边界灰度因子越大,边界宽度因子越小时,第/>个阴影部分的分界程度越高,目标限制参数对应的增强图像中第/>个阴影部分与周围阴影部分之间的分界越明显,第/>个阴影部分的清晰程度越高。
至此,获取了目标限制参数对应的增强图像中每个阴影部分的分界程度。
S004.根据分界程度获取限制参数的优选程度。
需要说明的是,阴影部分的分界程度可以很好地反映目标限制参数对应的增强图像中阴影部分呈块状分布的程度,分界程度越大,则阴影部分呈块状分布的程度越高,目标限制参数对应的增强图像中呈块状的阴影数量越多。
在本发明实施例中,预设一个分界程度阈值,若目标限制参数对应的增强图像中目标阴影部分的分界程度大于或等于分界程度阈值/>,则目标阴影部分为清晰度较好,若目标阴影部分的分界程度小于分界程度阈值/>,则目标阴影部分清晰度较差。对目标限制参数对应的增强图像中所有阴影部分进行判断,获取所有清晰度较好的阴影部分,将每个清晰度较好的阴影分布记为清晰阴影。在本发明实施例中,/>,在其他实施例中,实施人员可根据实际实施情况设置分界程度阈值。
根据分界程度与清晰阴影的数量综合分析得到目标限制参数的优选程度:
其中,为目标限制参数的优选程度;/>为目标限制参数对应的增强图像中第/>个阴影部分的分界程度;/>为目标限制参数对应的增强图像中阴影部分的个数;/>为目标限制参数对应的增强图像中清晰阴影的个数;/>为双曲正切函数,目的是为了对/>进行归一化;当阴影部分的分界程度越大,且清晰阴影的个数越多时,目标限制参数对应的增强图像中阴影部分对应的边界部分与阴影部分的对比度越明显,阴影部分对应的边界部分的边界大小更细,各个阴影部分之间的距离更短,各个阴影部分之间分布更密集,目标限制参数对应的增强图像中心脏细节增强效果越好,此时目标限制参数的优选程度越大。
至此,获取了目标限制参数的优选程度。
S005.获取最佳限制参数,进行心脏区域超声图像的增强。
需要说明的是,阴影部分与其对应的边界部分的灰度对比程度会随着限制参数的增大而增大,起初二者的灰度对比程度的增大会使心脏区域超声图像细节更加明显,但随着限制参数的持续增长,会使对应的增强图像中各处的阴影部分与其对应的边界部分过于明显,导致对应的增强图像呈多个边界较明显的阴影块分布,影响细节区域的观察。
预设一个优选程度阈值以及一个参数步长/>,对目标限制参数的优选程度进行判断:当目标限制参数的优选程度大于或等于优选程度阈值/>时,将目标限制参数作为最佳限制参数;当目标限制参数的优选程度小于优选程度阈值/>时,将目标限制参数与参数步长/>相加,得到一个新的限制参数值,将该新的限制参数值作为新的目标限制参数,利用步骤S002至S004中的方法获取新的目标限制参数的优选程度,对新的目标限制参数的优选程度进行判断,重复该过程,直到得到最佳限制参数时停止迭代。在本发明实施例中,,/>,在其他实施例中,实施人员可根据实际实施情况设置优选程度阈值以及参数步长。
将最佳限制参数对应的增强图像作为心脏区域超声图像的最佳增强图像,本发明实施例中的最佳增强图像参见图7。
通过以上步骤,完成了心脏超声图像的视觉增强。
本发明实施例通过获取目标限制参数对应的增强图像,得到增强图像中的所有阴影部分,根据所有阴影部分边缘上的像素点获取每个阴影部分的边界连线,根据边界连线获取边界灰度因子以及边界宽度因子,进一步得到所有阴影部分的影响系数,根据影响系数、边界灰度因子以及边界宽度因子获取每个阴影部分的分界程度,筛选清晰阴影,清晰阴影为阴影部分与边界对比明显且边界较细的阴影部分,根据分界程度与清晰阴影的数量获取目标限制参数的优选程度,根据优选程度获取最佳限制参数,进而得到最佳增强图像,使得得到的最佳增强图像中各个阴影部分清晰且分界明显,心脏细节更加清晰,本发明与人为设置限制参数获取增强图像相比,对于心脏细节的增强效果更好。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种心脏超声图像视觉增强方法,其特征在于,该方法包括以下步骤:
采集心脏区域超声图像;将预设的初始参考数值作为目标限制参数,获取目标限制参数对应的增强图像;获取目标限制参数对应的增强图像中的所有阴影部分;根据所有阴影部分边缘上的像素点获取每个阴影部分的边界连线;
根据目标限制参数对应的增强图像中每个阴影部分的边界连线获取每个阴影部分的边界灰度因子以及边界宽度因子;根据边界灰度因子以及边界宽度因子获取所有阴影部分的影响系数;根据影响系数、边界灰度因子以及边界宽度因子获取每个阴影部分的分界程度;
将分界程度大于预设的分界程度阈值的阴影部分作为清晰阴影;根据目标限制参数对应的增强图像中每个阴影部分的分界程度与清晰阴影的数量获取目标限制参数的优选程度;
根据目标限制参数的优选程度获取最佳限制参数;将最佳限制参数对应的增强图像作为心脏区域超声图像的最佳增强图像;
所述根据目标限制参数对应的增强图像中每个阴影部分的分界程度与清晰阴影的数量获取目标限制参数的优选程度,包括的具体步骤如下:
其中,为目标限制参数的优选程度;/>为目标限制参数对应的增强图像中第/>个阴影部分的分界程度;/>为目标限制参数对应的增强图像中阴影部分的个数;/>为目标限制参数对应的增强图像中清晰阴影的个数;/>为双曲正切函数,/>为超参数;
所述根据目标限制参数的优选程度获取最佳限制参数,包括的具体步骤如下:
对目标限制参数的优选程度进行判断操作,包括:当优选程度大于或等于预设的优选程度阈值时,将目标限制参数作为最佳限制参数;当优选程度小于预设的优选程度阈值时,将目标限制参数与预设的参数步长相加,得到新的目标限制参数,获取新的目标限制参数的优选程度;重复对新的目标限制参数进行判断操作,直到得到最佳限制参数时停止迭代。
2.根据权利要求1所述的一种心脏超声图像视觉增强方法,其特征在于,所述获取目标限制参数对应的增强图像,包括的具体步骤如下:
根据目标限制参数对心脏区域超声图像进行限制对比度的自适应直方图均衡化,将得到的增强图像作为目标限制参数对应的增强图像。
3.根据权利要求1所述的一种心脏超声图像视觉增强方法,其特征在于,所述获取目标限制参数对应的增强图像中的所有阴影部分,包括的具体步骤如下:
获取目标限制参数对应的增强图像中所有灰度值与灰度阈值相等的像素点,作为种子点;
以每个种子点为开始,进行区域合并操作,包括:获取种子点八邻域内与种子点的灰度值差值的绝对值小于或等于灰度范围的所有像素点,作为合并像素点,将合并像素点与种子点合并为同一个区域;获取合并像素点八邻域范围内与种子点的灰度值差值的绝对值小于或等于灰度范围的所有像素点,作为新的合并像素点,将新的合并像素点与种子点合并为同一个区域;以此类推,直到无新的合并像素点时停止迭代;将最终得到的区域作为阴影部分。
4.根据权利要求1所述的一种心脏超声图像视觉增强方法,其特征在于,所述根据所有阴影部分边缘上的像素点获取每个阴影部分的边界连线,包括的具体步骤如下:
将目标限制参数对应的增强图像中每个阴影部分的边缘上的像素点作为每个阴影部分的边缘像素点;以目标限制参数对应的增强图像中任意一个阴影部分为目标阴影部分,将其余阴影部分作为非目标阴影部分,将目标阴影部分上任意一个边缘像素点作为目标边缘像素点;获取所有非目标阴影部分的边缘像素点中距离目标边缘像素点最近的边缘像素点,作为目标边缘像素点的临近边缘像素点,将目标边缘像素点与临近边缘像素点之间的连线作为目标阴影部分的一个边界连线;根据目标阴影部分上每个边缘像素点获取目标阴影部分的所有边界连线;获取目标限制参数对应的增强图像中每个阴影部分的边界连线。
5.根据权利要求1所述的一种心脏超声图像视觉增强方法,其特征在于,所述边界灰度因子的获取方法为:
其中,为目标限制参数对应的增强图像中第/>个阴影部分的边界灰度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上第/>个像素点的灰度值;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上像素点的个数;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界连线的个数。
6.根据权利要求1所述的一种心脏超声图像视觉增强方法,其特征在于,所述边界宽度因子的获取方法为:
其中,为目标限制参数对应的增强图像中第/>个阴影部分的边界宽度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分第/>条边界连线上像素点的个数;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界连线的个数;/>为目标限制参数对应的增强图像中所有阴影部分的所有边界连线中像素点个数最大的边界连线对应的像素点个数。
7.根据权利要求1所述的一种心脏超声图像视觉增强方法,其特征在于,所述根据边界灰度因子以及边界宽度因子获取所有阴影部分的影响系数,包括的具体步骤如下:
其中,为目标限制参数对应的增强图像中所有阴影部分的影响系数;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界灰度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界宽度因子;/>为目标限制参数对应的增强图像中阴影部分的个数;为双曲正切函数;/>为超参数。
8.根据权利要求1所述的一种心脏超声图像视觉增强方法,其特征在于,所述根据影响系数、边界灰度因子以及边界宽度因子获取每个阴影部分的分界程度,包括的具体步骤如下:
其中,为目标限制参数对应的增强图像中第/>个阴影部分的分界程度;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界灰度因子;/>为目标限制参数对应的增强图像中第/>个阴影部分的边界宽度因子;/>为目标限制参数对应的增强图像中所有阴影部分的影响系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961315.1A CN116703784B (zh) | 2023-08-02 | 2023-08-02 | 一种心脏超声图像视觉增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961315.1A CN116703784B (zh) | 2023-08-02 | 2023-08-02 | 一种心脏超声图像视觉增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116703784A CN116703784A (zh) | 2023-09-05 |
CN116703784B true CN116703784B (zh) | 2023-10-20 |
Family
ID=87843617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310961315.1A Active CN116703784B (zh) | 2023-08-02 | 2023-08-02 | 一种心脏超声图像视觉增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703784B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117422628B (zh) * | 2023-12-18 | 2024-03-05 | 三亚中心医院(海南省第三人民医院、三亚中心医院医疗集团总院) | 一种心脏血管超声检查数据优化增强方法 |
CN117455779B (zh) * | 2023-12-22 | 2024-03-26 | 天津市胸科医院 | 一种医疗超声影像仪辅助增强系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548135A (zh) * | 2016-10-17 | 2017-03-29 | 北海益生源农贸有限责任公司 | 一种路面障碍检测方法 |
CN109377461A (zh) * | 2018-10-02 | 2019-02-22 | 浙江师范大学 | 一种基于nsct的乳腺x射线图像自适应增强方法 |
WO2021081841A1 (zh) * | 2019-10-30 | 2021-05-06 | 未艾医疗技术(深圳)有限公司 | 基于vrds 4d医学影像的脾脏肿瘤识别方法及相关装置 |
CN114359597A (zh) * | 2021-11-26 | 2022-04-15 | 西安交通大学 | 一种基于视觉的油箱内盖识别及位姿参数感知方法 |
CN114549340A (zh) * | 2022-01-07 | 2022-05-27 | 北京旷视科技有限公司 | 对比度增强方法、计算机程序产品、存储介质及电子设备 |
CN114766043A (zh) * | 2019-11-27 | 2022-07-19 | 智动科技有限公司 | 用于车道检测的方法和系统 |
CN116468641A (zh) * | 2023-05-23 | 2023-07-21 | 重庆邮电大学 | 一种红外血管图像增强处理方法 |
-
2023
- 2023-08-02 CN CN202310961315.1A patent/CN116703784B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548135A (zh) * | 2016-10-17 | 2017-03-29 | 北海益生源农贸有限责任公司 | 一种路面障碍检测方法 |
CN109377461A (zh) * | 2018-10-02 | 2019-02-22 | 浙江师范大学 | 一种基于nsct的乳腺x射线图像自适应增强方法 |
WO2021081841A1 (zh) * | 2019-10-30 | 2021-05-06 | 未艾医疗技术(深圳)有限公司 | 基于vrds 4d医学影像的脾脏肿瘤识别方法及相关装置 |
CN114766043A (zh) * | 2019-11-27 | 2022-07-19 | 智动科技有限公司 | 用于车道检测的方法和系统 |
CN114359597A (zh) * | 2021-11-26 | 2022-04-15 | 西安交通大学 | 一种基于视觉的油箱内盖识别及位姿参数感知方法 |
CN114549340A (zh) * | 2022-01-07 | 2022-05-27 | 北京旷视科技有限公司 | 对比度增强方法、计算机程序产品、存储介质及电子设备 |
CN116468641A (zh) * | 2023-05-23 | 2023-07-21 | 重庆邮电大学 | 一种红外血管图像增强处理方法 |
Non-Patent Citations (2)
Title |
---|
Muna Darweesh,Saeed Al Mansoori,Hussain AlAhmad.Simple Roads Extraction Algorithm Based on Edge Detection Using Satellite Images.IEEE.2020,第578-582页. * |
甲状腺、乳腺超声影像自动分析技术综述;龚勋,杨菲,杜章锦,师恩,赵绪,杨子奇,邹海鹏,罗俊;软件学报;第1-39页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116703784A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116703784B (zh) | 一种心脏超声图像视觉增强方法 | |
JP5753791B2 (ja) | ノイズ除去された所定の解像度の医療画像を提供する方法、所定の解像度のノイズ除去された所定の解像度の医療画像を提供するシステム | |
CN116883537B (zh) | 基于图像增强的普通外科手术影像采集方法 | |
CN117649357B (zh) | 一种基于图像增强的超声图像处理方法 | |
WO2013038333A2 (en) | Method and system for enhancing image quality | |
CN117422628B (zh) | 一种心脏血管超声检查数据优化增强方法 | |
CN117853386B (zh) | 一种肿瘤图像增强方法 | |
CN104899862A (zh) | 基于全局与局部阈值的视网膜血管分割算法 | |
CN110610498A (zh) | 乳腺钼靶图像处理方法、系统、存储介质及设备 | |
CN116993628B (zh) | 一种用于肿瘤射频消融引导的ct图像增强系统 | |
CN114529475A (zh) | 基于二维伽马校正和色调映射的图像增强方法及系统 | |
CN110163825B (zh) | 一种人类胚胎心脏超声图像去噪和增强方法 | |
CN111260641A (zh) | 一种基于人工智能的掌上超声成像系统及其方法 | |
CN112598607B (zh) | 基于改进加权clahe的内窥镜图像血管增强算法 | |
Sharma et al. | Identification of pre-processing technique for enhancement of mammogram images | |
CN117036310A (zh) | 一种dicom影像外围轮廓的识别提取方法 | |
CN117474775A (zh) | 一种心脏超声图像优化增强方法 | |
CN101897592B (zh) | X射线影像中金属异物的提取方法和装置 | |
CN114863498A (zh) | 一种基于AGC和Frangi的手部静脉红外图像的增强与分割方法 | |
CN116993764B (zh) | 一种胃部ct智能分割提取方法 | |
CN111145155A (zh) | 一种睑板腺腺体的识别方法 | |
CN113450340A (zh) | 一种皮肤纹理检测系统 | |
Martens | Adaptive contrast enhancement through residue-image processing | |
Kalhor et al. | Assessment of histogram-based medical image contrast enhancement techniques; an implementation | |
EP1520255A2 (en) | Methods of anisotropic diffusion and foveal segmentation of digital images |
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 |