CN116999081A - 一种多角度x射线成像的方法及系统 - Google Patents
一种多角度x射线成像的方法及系统 Download PDFInfo
- Publication number
- CN116999081A CN116999081A CN202311026415.1A CN202311026415A CN116999081A CN 116999081 A CN116999081 A CN 116999081A CN 202311026415 A CN202311026415 A CN 202311026415A CN 116999081 A CN116999081 A CN 116999081A
- Authority
- CN
- China
- Prior art keywords
- pixel
- filtering
- value
- image
- filtered
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 130
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4411—Constructional features of apparatus for radiation diagnosis the apparatus being modular
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/466—Displaying means of special interest adapted to display 3D data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于CT领域,公开了一种多角度X射线成像的方法及系统,方法包括:S1,从预设的多个成像角度获取被成像物体在X射线下的投影数据;S2,分别对每个投影数据进行重建,得到多张重建图像;S3,分别对每张重建图像进行滤波处理,得到多张滤波图像:S4,基于多张滤波图像获取被成像物体的三维模型。本发明无需对重建图像中的所有像素点都进行滤波处理,有效地提高了滤波的速度,从而提高了获得三维模型的速度。
Description
技术领域
本发明涉及CT领域,尤其涉及一种多角度X射线成像的方法及系统。
背景技术
多角度X射线成像指的是从不同的角度获取被成像物体的CT图像,然后基于多张CT图像来获取被成像物体的三维模型。现有技术中,在获得不同角度的重建图像之后,一般都需要先对重建图像进行滤波处理,以提高重建图像的精度。但是,现有技术在对重建图像进行滤波的过程中,一般是对整个重建图像进行滤波处理,但是,如图1所示,重建图像中的背景中包含的是非有用信息,对这些区域进行滤波,显然会浪费较多的算力,造成滤波的时间过长,从而使得获得三维模型的速度过慢。在图1中,椭圆型白色圆环之外的区域便是背景。
发明内容
本发明的目的在于公开一种多角度X射线成像的方法及系统,解决在通过X射线获取被成像物体的三维模型的过程中,如何提高对重建图像进行滤波的速度的问题。
为了达到上述目的,本发明提供如下技术方案:
一方面,本发明提供了一种多角度X射线成像的方法,包括:
S1,从预设的多个成像角度获取被成像物体在X射线下的投影数据;
S2,分别对每个投影数据进行重建,得到多张重建图像;
S3,基于如下方式分别对每张重建图像进行滤波处理,得到多张滤波图像:
S31,对重建图像进行二值化处理,得到二值化图像,在二值化处理的过程中,若像素点的灰度值大于设定的阈值T,则像素点的像素值被设置为255,否则,像素点的像素值被设置为0;
S32,获取二值化图像中,像素值为255的像素点组成的封闭区域Q;
S33,将封闭区域Q中的像素点的坐标保存到集合A;
S34,在重建图像中,分别对集合A中的每个坐标所对应的像素点进行滤波处理,得到滤波图像;
S4,基于多张滤波图像获取被成像物体的三维模型。
优选地,基于多张滤波图像获取被成像物体的三维模型,包括:
分别获取每张滤波图像中的前景区域,得到多张前景图像;
基于前景图像获取被成像物体的三维模型。
优选地,分别对集合A中的每个坐标所对应的像素点进行滤波处理,得到滤波图像,包括:
在重建图像中,获取集合A中的坐标对应的像素点的集合B;
分别对集合B中的每个像素点进行滤波处理,得到滤波图像。
优选地,分别对集合B中的每个像素点进行滤波处理,得到滤波图像,包括:
计算集合B中的每个像素点的滤波排序值;
基于滤波排序值对集合B中像素点进行滤波处理,得到经过滤波的像素点;
由所有经过滤波的像素点组成滤波图像。
优选地,滤波排序值的计算函数为:
为像素点a的滤波排序值,/>和/>分别表示设定的第一滤波参数和第二滤波参数,/>表示像素点a的8邻域的像素点的集合,/>和/>分别表示像素点a和像素点b的灰度值,/>表示/>中的灰度值的平均值,/>表示/>中符合预设的检测模型的像素点的数量。
优选地,对于像素点f,预设的检测模型为,像素点f为集合B中的任一个像素点:
表示集合/>中,符合如下不等式D的元素的数量:
neiA、neiB、neiC、neiD分别表示像素点f的第一邻域集合、第二邻域集合、第三邻域集合、第四邻域集合;将像素点f的坐标表示为,则neiA中的像素点的坐标为和/>,neiB中的像素点的坐标为/>和/>,neiC中的像素点的坐标为/>和/>,neiD中的像素点的坐标为/>和/>;c和d分别表示元素C中所包含的两个像素点;/>;/>和/>分别表示像素点c和像素点d的梯度值,/>表示像素点f的梯度值,/>表示预设的梯度值阈值,/>和/>分别表示像素点c和像素点d的灰度值,/>表示像素点f的灰度值,/>表示预设的灰度值阈值。
优选地,基于滤波排序值对集合B中像素点进行滤波处理,得到经过滤波的像素点,包括:
根据滤波排序值从大到小的顺序,依次对每个像素点进行滤波处理,得到经过滤波的像素点。
另一方面,本发明提供了一种多角度X射线成像的系统,包括第一获取模块、重建模块、滤波处理模块和第二获取模块;
第一获取模块用于从预设的多个成像角度获取被成像物体在X射线下的投影数据;
重建模块用于分别对每个投影数据进行重建,得到多张重建图像;
滤波处理模块用于基于如下方式分别对每张重建图像进行滤波处理,得到多张滤波图像:
对重建图像进行二值化处理,得到二值化图像,在二值化处理的过程中,若像素点的灰度值大于设定的阈值T,则像素点的像素值被设置为255,否则,像素点的像素值被设置为0;
获取二值化图像中,像素值为255的像素点组成的封闭区域Q;
将封闭区域Q中的像素点的坐标保存到集合A;
在重建图像中,分别对集合A中的每个坐标所对应的像素点进行滤波处理,得到滤波图像;
第二获取模块用于基于多张滤波图像获取被成像物体的三维模型。
本发明在对重建图像进行滤波处理的过程中,通过先获取二值化图像,然后在二值化图像中获取属于前景的封闭区域Q和集合A,接着集合A在重建图像中对属于前景的像素点进行滤波处理,得到了滤波处理的结果。与现有技术相比,本发明无需对重建图像中的所有像素点都进行滤波处理,有效地提高了滤波的速度,从而提高了获得三维模型的速度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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中的一些实施例。
图1为现有技术中的重建图像的一种示意图。
图2为一种多角度X射线成像的方法的一种示意图。
图3为一种多角度X射线成像的系统的一种示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图2所示的一种实施例,本发明提供了一种多角度X射线成像的方法,包括:
S1,从预设的多个成像角度获取被成像物体在X射线下的投影数据;
S2,分别对每个投影数据进行重建,得到多张重建图像;
S3,基于如下方式分别对每张重建图像进行滤波处理,得到多张滤波图像:
S31,对重建图像进行二值化处理,得到二值化图像,在二值化处理的过程中,若像素点的灰度值大于设定的阈值T,则像素点的像素值被设置为255,否则,像素点的像素值被设置为0;
S32,获取二值化图像中,像素值为255的像素点组成的封闭区域Q;
S33,将封闭区域Q中的像素点的坐标保存到集合A;
S34,在重建图像中,分别对集合A中的每个坐标所对应的像素点进行滤波处理,得到滤波图像;
S4,基于多张滤波图像获取被成像物体的三维模型。
本发明在对重建图像进行滤波处理的过程中,通过先获取二值化图像,然后在二值化图像中获取属于前景的封闭区域Q和集合A,接着集合A在重建图像中对属于前景的像素点进行滤波处理,得到了滤波处理的结果。与现有技术相比,本发明无需对重建图像中的所有像素点都进行滤波处理,有效地提高了滤波的速度,从而提高了获得三维模型的速度。
优选地,基于多张滤波图像获取被成像物体的三维模型,包括:
分别获取每张滤波图像中的前景区域,得到多张前景图像;
基于前景图像获取被成像物体的三维模型。
具体的,滤波图像中的前景区域,即为重建图像中的有效信息所在的区域。
具体的,可以将前景图像导入到VTK软件中,由VTK软件生成被成像物体的三维模型。
优选地,分别对集合A中的每个坐标所对应的像素点进行滤波处理,得到滤波图像,包括:
在重建图像中,获取集合A中的坐标对应的像素点的集合B;
分别对集合B中的每个像素点进行滤波处理,得到滤波图像。
具体的,重建图像的分辨率和二值化图像的分辨率相同。因此,根据二值化图像中的封闭区域Q的坐标的集合A,便能够得到重建图像中的属于前景部分的像素点的集合。
优选地,分别对集合B中的每个像素点进行滤波处理,得到滤波图像,包括:
计算集合B中的每个像素点的滤波排序值;
基于滤波排序值对集合B中像素点进行滤波处理,得到经过滤波的像素点;
由所有经过滤波的像素点组成滤波图像。
现有技术中,一般都是按照行顺序或列顺序来对像素点进行滤波处理,但是,这种滤波处理方式没有利用到前面的滤波结果,从而使得滤波的结果的准确程度不够高。因为,对于灰度值越高的像素点,其属于噪声的概率也越大,因此,对这些灰度值高的像素点先进行滤波处理后,滤波的结果对后面进行滤波处理的像素点的参考价值越大,从而使得滤波的结果更加准确。
优选地,滤波排序值的计算函数为:
为像素点a的滤波排序值,/>和/>分别表示设定的第一滤波参数和第二滤波参数,/>表示像素点a的8邻域的像素点的集合,/>和/>分别表示像素点a和像素点b的灰度值,/>表示/>中的灰度值的平均值,/>表示/>中符合预设的检测模型的像素点的数量。
滤波排序值除了考虑像素点a与周围的像素点在灰度值上的差别之后,还考虑了其符合预设的检测模型的像素点的数量,差别越大,符合预设的检测模型的像素点的数量越大,则像素点a属于噪声且需要优先进行滤波处理的概率越大。滤波排序值使得属于噪声的概率越大的像素点越早被进行滤波处理。这种方式使得越早被滤波的像素点对后面进行滤波处理的像素点的参考价值越大。
优选地,、/>的和为1,/>、/>都大于0。
优选地,对于像素点f,预设的检测模型为:
表示集合/>中,符合如下不等式D的元素的数量:
像素点f为集合B中的任一个像素点,neiA、neiB、neiC、neiD分别表示像素点f的第一邻域集合、第二邻域集合、第三邻域集合、第四邻域集合;将像素点f的坐标表示为,则neiA中的像素点的坐标为/>和/>,neiB中的像素点的坐标为/>和,neiC中的像素点的坐标为/>和/>,neiD中的像素点的坐标为和/>;c和d分别表示元素C中所包含的两个像素点;;/>和/>分别表示像素点c和像素点d的梯度值,/>表示像素点f的梯度值,/>表示预设的梯度值阈值,/>和/>分别表示像素点c和像素点d的灰度值,/>表示像素点f的灰度值,/>表示预设的灰度值阈值。
具体的,检测模型主要是从灰度值和梯度值两个方面检测像素点f是否属于图像的边缘所在的像素点,由于图像的边缘的信息非常重要,因此,对这些像素点优先进行滤波处理,能够为后面进行滤波处理的像素点提供更有价值的参考信息。提高滤波处理结果的准确程度。由于从灰度值和梯度值两方面综合进行计算,因此,检测的结果更加准确。
像素点f的8邻域中,当中仅有一个元素符合检测模型时,表示像素点属于图像边缘所在的像素点的概率越大,越重要,因此,越优先进行滤波处理。
优选地,基于滤波排序值对集合B中像素点进行滤波处理,得到经过滤波的像素点,包括:
根据滤波排序值从大到小的顺序,依次对每个像素点进行滤波处理,得到经过滤波的像素点。
优选地,根据滤波排序值从大到小的顺序,依次对每个像素点进行滤波处理,得到经过滤波的像素点,包括:
第一次滤波:
从集合B中选取滤波排序值最大的像素点;
若的滤波排序值大于设定的滤波排序值阈值,则在重建图像中采用第一滤波算法对/>进行滤波处理,得到图像/>;若/>的滤波排序值小于等于设定的滤波排序值阈值,则在重建图像中采用第二滤波算法/>进行滤波处理,得到图像/>;
将从集合B中删除;
第m次滤波:
从集合B中选取滤波排序值最大的像素点;
若的滤波排序值大于设定的滤波排序值阈值,则在/>中采用第一滤波算法对/>进行滤波处理,得到图像/>;若/>的滤波排序值小于等于设定的滤波排序值阈值,则在/>中采用第二滤波算法/>进行滤波处理,得到/>;
将从集合B中删除;
判断集合B中的元素的数量是否少于设定的数量阈值,若是,则结束滤波处理过程,若否,则继续对集合B中的滤波排序值最大的像素点进行滤波处理。
在本发明中,每次进行滤波处理都是在前一次进行滤波处理所获得的图像上进行的,因此,前面的滤波处理结果能够有效地指示后续的滤波处理,从而提高了滤波处理结果的准确程度。例如,当对所有的处于图像边缘的像素点进行滤波处理后,对于与图像边缘的像素点相邻的像素点,其在进行滤波处理时,便可以参考经过滤波处理的属于图像边缘的像素点的滤波结果来进行处理,由于提高了参考的数据的准确程度,因此,本发明提高了滤波处理结果的准确程度。
优选地,第一滤波算法包括NML算法、双边滤波算法等。
第二滤波算法包括中值滤波算法、高斯滤波算法等。
在本发明中,对于滤波排序值大于设定的滤波排序值阈值的像素点,本发明采用了保边效果更好,但是更加耗时的算法来进行滤波处理,而对于滤波排序值小于等于设定的滤波排序值阈值的像素点,本发明采用了耗时更短的算法来进行滤波处理,从而在避免大幅度提高滤波处理时间的同时,得到了更好的滤波结果。因为滤波排序值越大的像素点的参考价值越大,由于前面滤波处理过程引入了更多的具有更大的参考价值的滤波结果,因此,后续进行滤波处理时,可以使用速度更快的算法来得到满足要求的滤波结果。
另一方面,如图3所示,本发明提供了一种多角度X射线成像的系统,包括第一获取模块、重建模块、滤波处理模块和第二获取模块;
第一获取模块用于从预设的多个成像角度获取被成像物体在X射线下的投影数据;
重建模块用于分别对每个投影数据进行重建,得到多张重建图像;
滤波处理模块用于基于如下方式分别对每张重建图像进行滤波处理,得到多张滤波图像:
对重建图像进行二值化处理,得到二值化图像,在二值化处理的过程中,若像素点的灰度值大于设定的阈值T,则像素点的像素值被设置为255,否则,像素点的像素值被设置为0;
获取二值化图像中,像素值为255的像素点组成的封闭区域Q;
将封闭区域Q中的像素点的坐标保存到集合A;
在重建图像中,分别对集合A中的每个坐标所对应的像素点进行滤波处理,得到滤波图像;
第二获取模块用于基于多张滤波图像获取被成像物体的三维模型。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请实施例范围。这样,倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种多角度X射线成像的方法,其特征在于,包括:
S1,从预设的多个成像角度获取被成像物体在X射线下的投影数据;
S2,分别对每个投影数据进行重建,得到多张重建图像;
S3,基于如下方式分别对每张重建图像进行滤波处理,得到多张滤波图像:
S31,对重建图像进行二值化处理,得到二值化图像,在二值化处理的过程中,若像素点的灰度值大于设定的阈值T,则像素点的像素值被设置为255,否则,像素点的像素值被设置为0;
S32,获取二值化图像中,像素值为255的像素点组成的封闭区域Q;
S33,将封闭区域Q中的像素点的坐标保存到集合A;
S34,在重建图像中,分别对集合A中的每个坐标所对应的像素点进行滤波处理,得到滤波图像;
S4,基于多张滤波图像获取被成像物体的三维模型。
2.根据权利要求1所述的一种多角度X射线成像的方法,其特征在于,基于多张滤波图像获取被成像物体的三维模型,包括:
分别获取每张滤波图像中的前景区域,得到多张前景图像;
基于前景图像获取被成像物体的三维模型。
3.根据权利要求1所述的一种多角度X射线成像的方法,其特征在于,分别对集合A中的每个坐标所对应的像素点进行滤波处理,得到滤波图像,包括:
在重建图像中,获取集合A中的坐标对应的像素点的集合B;
分别对集合B中的每个像素点进行滤波处理,得到滤波图像。
4.根据权利要求3所述的一种多角度X射线成像的方法,其特征在于,分别对集合B中的每个像素点进行滤波处理,得到滤波图像,包括:
计算集合B中的每个像素点的滤波排序值;
基于滤波排序值对集合B中像素点进行滤波处理,得到经过滤波的像素点;
由所有经过滤波的像素点组成滤波图像。
5.根据权利要求4所述的一种多角度X射线成像的方法,其特征在于,滤波排序值的计算函数为:
;
为像素点a的滤波排序值,/>和/>分别表示设定的第一滤波参数和第二滤波参数,/>表示像素点a的8邻域的像素点的集合,/>和/>分别表示像素点a和像素点b的灰度值,/>表示/>中的灰度值的平均值,/>表示/>中符合预设的检测模型的像素点的数量。
6.根据权利要求5所述的一种多角度X射线成像的方法,其特征在于,对于像素点f,预设的检测模型为,像素点f为集合B中的任一个像素点:
;
表示集合/>中,符合如下不等式D的元素的数量:
;
neiA、neiB、neiC、neiD分别表示像素点f的第一邻域集合、第二邻域集合、第三邻域集合、第四邻域集合;将像素点f的坐标表示为,则neiA中的像素点的坐标为/>和,neiB中的像素点的坐标为/>和/>,neiC中的像素点的坐标为和/>,neiD中的像素点的坐标为/>和/>;c和d分别表示元素C中所包含的两个像素点;/>;/>和/>分别表示像素点c和像素点d的梯度值,/>表示像素点f的梯度值,/>表示预设的梯度值阈值,/>和/>分别表示像素点c和像素点d的灰度值,/>表示像素点f的灰度值,/>表示预设的灰度值阈值。
7.根据权利要求4所述的一种多角度X射线成像的方法,其特征在于,基于滤波排序值对集合B中像素点进行滤波处理,得到经过滤波的像素点,包括:
根据滤波排序值从大到小的顺序,依次对每个像素点进行滤波处理,得到经过滤波的像素点。
8.一种多角度X射线成像的系统,其特征在于,包括第一获取模块、重建模块、滤波处理模块和第二获取模块;
第一获取模块用于从预设的多个成像角度获取被成像物体在X射线下的投影数据;
重建模块用于分别对每个投影数据进行重建,得到多张重建图像;
滤波处理模块用于基于如下方式分别对每张重建图像进行滤波处理,得到多张滤波图像:
对重建图像进行二值化处理,得到二值化图像,在二值化处理的过程中,若像素点的灰度值大于设定的阈值T,则像素点的像素值被设置为255,否则,像素点的像素值被设置为0;
获取二值化图像中,像素值为255的像素点组成的封闭区域Q;
将封闭区域Q中的像素点的坐标保存到集合A;
在重建图像中,分别对集合A中的每个坐标所对应的像素点进行滤波处理,得到滤波图像;
第二获取模块用于基于多张滤波图像获取被成像物体的三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311026415.1A CN116999081A (zh) | 2023-08-15 | 2023-08-15 | 一种多角度x射线成像的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311026415.1A CN116999081A (zh) | 2023-08-15 | 2023-08-15 | 一种多角度x射线成像的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116999081A true CN116999081A (zh) | 2023-11-07 |
Family
ID=88574237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311026415.1A Pending CN116999081A (zh) | 2023-08-15 | 2023-08-15 | 一种多角度x射线成像的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116999081A (zh) |
-
2023
- 2023-08-15 CN CN202311026415.1A patent/CN116999081A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
CN107871319B (zh) | 限束器区域的检测方法、装置、x射线系统和存储介质 | |
JP2013137627A (ja) | 細胞輪郭線形成装置及びその方法、細胞輪郭線形成プログラム | |
CN111489337B (zh) | 一种自动光学检测伪缺陷去除方法及系统 | |
CN110610498A (zh) | 乳腺钼靶图像处理方法、系统、存储介质及设备 | |
CN115984148B (zh) | 一种高通量基因测序数据的去噪增强方法 | |
CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
CN108305265B (zh) | 微弱小目标图像实时处理方法及系统 | |
CN114298916A (zh) | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 | |
CN115965750A (zh) | 血管重建方法、装置、计算机设备和可读存储介质 | |
CN117132503A (zh) | 一种图像局部高亮区域修复方法、系统、设备及存储介质 | |
CN116563189A (zh) | 一种基于深度学习的医学图像跨对比度合成方法及系统 | |
CN116999081A (zh) | 一种多角度x射线成像的方法及系统 | |
Sánchez-González et al. | Colonoscopy image pre-processing for the development of computer-aided diagnostic tools | |
She et al. | SAGAN: Deep semantic-aware generative adversarial network for unsupervised image enhancement | |
CN114299081B (zh) | 一种上颌窦cbct图像分割方法、装置、存储介质及电子设备 | |
CN111815591B (zh) | 基于ct图像的肺结节检测方法 | |
RU2718429C1 (ru) | Устройство обнаружения локально-стационарных областей на изображении | |
Halim et al. | Surface reconstruction from computed tomography (CT) image of human head with the effect of noise | |
CN112052859A (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
CN111429364A (zh) | 图像恢复方法及装置 | |
CN111161174A (zh) | 一种血管模型建立方法、装置、计算机设备和存储介质 | |
CN112862708B (zh) | 图像噪声的自适应识别方法、传感器芯片以及电子设备 | |
CN116309922B (zh) | Ct灌注影像的去伪影方法、装置、设备和存储介质 | |
CN113221909B (zh) | 图像处理方法、装置及计算机可读存储介质 |
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 |