CN1405734A - 一种医学图像的边缘增强方法 - Google Patents

Abstract

本发明公开了一种医学图像的边缘增强方法，通过拉普拉斯滤波器、序值滤波器、边缘检测器、增益单元和/或求和单元的组合，获得边缘增强效果算子，用该算子对医学图像边沿进行数字图像处理，而得到清晰、连续、光滑的医学灰度图像的边缘特征。通过分析医学图像的这些边缘特征，能够从各种影像设备获取的原始影像中提取并分辨肿瘤组织的特征信息；能够提供图像中相关区域对应的组织结构信息、组织中的血管信息和灰影团的边界信息等，为临床影像学诊断各种疾病提供有力依据。相关方法形成的产品能够产生极大的社会效益和经济效益，具有极大的市场。

Description

一种医学图像的边缘增强方法

技术领域

本发明涉及一种医学图像的边缘增强方法。

背景技术

随着科学技术的发展，代表了最新科技发展水平的、新的医学影像设备不断出现，各种医学影像设备的数字化、网络化、医学影像的资源共享和远程会诊等发展迅猛。在现代临床诊断中，几乎各类疾病的诊断正越来越多地依赖于各类医学影像设备和相关影像诊断技术，因为各类现代先进的医学影像设备能够为医生提供大量丰富的影像信息。在现代影像诊断中，首先医学影像设备必须提供高清晰、高分辨和高灰度级的数字影像，同时数字医学影像的后处理能够显示更丰富的医学影像信息，为临床诊断提供有力的依据。

医学影像的边缘是影像的初级特征，保证影像的边缘使信息不受损失是很重要的。然而，对于某些医学影像，根据临床影像诊断的需要，还需对其边缘信息进行增强，以提取并突出显示临床诊断所需的影像的某些特征信息。这是由于：1)实际获取影像的过程中，其要观察和分析的标志物体和背景相区别的边缘的灰度差较小，造成二者对比度常常较低；2)影像信号在信号处理、数据采集和传输等环节中，不可避免地要引入一些噪声，因而进一步使影像降质；3)在平滑和滤除噪声分量的同时，也会使影像边缘受到平滑而变得模糊。因此，如何在增强模糊边缘的同时，抑制各种噪声，如高斯噪声和脉冲噪声等的影响，是设计边缘增强算子的关键。

在数字图像处理技术中，用于图像边缘增强的方法较多，如：梯度(gradient)算子、拉普拉斯(Laplacian)算子、零交叉边缘检测(或Laplacian-of-Gaussian，LOG)算子和索贝尔(Sobel)算子等。这些边缘增强算子由于各自的算法不同，因此图像边缘增强的效果不同。由于人体组织结构的高度复杂性，各种医学影像设备获得的原始医学影像中必然包含了大量及其复杂和丰富的人体器官和组织的信息，而医学影像中的边缘特征信息是反映人体器官和组织的最有效、最重要内容之一。用什么样的边缘增强方法才能提取出对临床诊断有帮助的边缘特征信息是医学图像处理首先要研究的最主要内容。

发明内容

本发明所要解决的问题是：提供一种医学图像的边缘增强方法，这种方法对医学图像进行处理，得到增强的医学灰度图像的边缘特征。

本发明提供的技术方案是：一种医学图像的边缘增强方法，通过拉普拉斯(Laplacian)滤波器、序值(rank value)滤波器、边缘检测器、增益单元和/或求和单元的组合，或通过拉普拉斯滤波器、序值滤波器、边缘检测器、增益单元、求和单元中的任一个使用两次或多次，获得边缘增强效果算子(operator)，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

上述拉普拉斯滤波器、序值滤波器、边缘检测器、增益单元、求和单元中的任两个或两个以上组合以及其中任一个使用两次或多次，获得边缘增强效果算子。用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

或者，通过拉普拉斯滤波器、序值滤波器的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

或者，通过序值滤波器、拉普拉斯滤波器、边缘检测器的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

或者，通过序值滤波器、拉普拉斯滤波器、增益单元及求和单元的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

或者，通过序值滤波器、拉普拉斯滤波器、边缘检测器、增益单元及求和单元的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

或者，将边缘检测器使用两次或多次，获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

或者，将拉普拉斯滤波器、序值滤波器、边缘检测器和增益单元组合，其中序值滤波器使用两次或多次，获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

这种边缘增强方法中，每个单元的基本原理和具体表达是：

1、拉普拉斯(Laplacian)滤波器：

拉普拉斯(Laplacian)滤波器是一个二维函数的二阶导数标量算子，被定义为： ${\▿}^{2}f(x,y)=(\frac{{\∂}^2}{\∂x^2}+\frac{{\∂}^2}{\∂y^2})f(x,y)$

对于一幅图像P1(x，y)，拉晋拉斯(Laplacian)算子的离散模型为：

P2(x，y)＝4P1(x，y)-P1(x-1，y)-P1(x+1，y)-P1(x，y-1)-P1(x，y+1)

2、序值(rank value)滤波器：

序值(rank value)滤波器是以图像中的每一个象素为中心，取n×n的邻域，将邻域灰度值从小到大排序，新图像的每一个象素的灰度值取为其邻域的某一个序值，该滤波器常用于滤掉图像的噪声。例如：当新图像的每一个象素的灰度值取为其邻域的中间值或平均值，分别称为中值滤波器或平均值滤波器；按照序值大小，如最小值、最大值或中间值，亦称为第一、第N或第(N+1)/2序值滤波器(其中N为邻域中非零灰度值象素的数目)。

3、边缘检测器：

一幅图像经边缘检测器作用后，结果图像中每一个象素的灰度值正比于该象素与其邻域象素的灰度差。因此，原始图像中与邻域象素的灰度差大的象素，结果图像中该象素的灰度值大；反之则灰度值小。

该边缘检测器还能够用其它的边缘检测器取代，其结果图像的边缘检测效果略有差异。这些边缘检测器是：Sobel边缘检测器、Compass梯度边缘检测器、Robert边缘检测器、Kirsch边缘检测器和Gaussian差分边缘检测器。

4、增益单元和：

一幅图像P1(x，y)的每一个象素乘以常数G，新图像表示为：

P2(x，y)＝G×P1(x，y)

5、求和单元：

两幅大小(象素)相同的图像P1(x，y)和P2(x，y)，两幅图像相加表示为：

P3(x，y)＝P1(x，y)+P2(x，y)

本发明应用上述边缘增强方法获得的一些相关的边缘增强效果算子分别对医学图像进行处理，能够产生并显示增强的医学灰度图像的边界特征，通过分析医学图像的这些边缘特征，为临床影像学诊断各种疾病提供有力依据。例如：能够从各种影像设备获取的原始影像中提取并分辨肿瘤组织的特征信息；能够提取并显示图像中相关区域对应的组织结构信息；显示并增强组织中的，或隐含在组织中、正常情况下原始医学图像中未能显示出的血管信息；显示并增强医学图像中灰影团的边界信息等。

将拉普拉斯(Laplacian)滤波器、序值(rank value)滤波器、边缘检测器、增益单元和求和单元按照数学的组合方法进行组合，这些单元之间的组合数是非常大的。组合方式不同，获得的算子对图像处理后的效果是不同的，判断一种算子对医学图像处理后获得的信息是否有价值，是以这种算子对一种医学图像处理后获得的信息是否有助于医学临床诊断为依据的。不同的医学影像设备，由于其获得医学影像的原理和方法不同，因此，医学影像中包含的信息是不同的，所以，同一种算子处理不同医学影像设备获得的同一人体部位医学影像后得到的信息也是不同的。这说明：应用这种边缘增强方法获得的边缘增强效果算子在临床医学影像学诊断领域中的应用具有极强的适用性和极大的扩展性。一方面，通过不同组合获得的数量巨大的不同算子为临床影像学诊断提供有价值的信息；另一方面，随着医学影像技术的不断创新与发展，新的医学影像设备的不断出现，这种医学图像边缘增强方法和由此获得的边缘增强效果算子在临床影像学诊断领域中的应用将不断拓宽。

附图说明

图1为未经本发明处理的原始图像；

图2为本发明对图1处理后的结果图像；

图3为未经本发明处理的原始图像；

图4为本发明对图3处理后的结果图像；

图5为未经本发明处理的原始图像；

图6为本发明对图5处理后的结果图像。

图7为未经本发明处理的原始图像；

图8为本发明对图7处理后的结果图像。

具体实施方式

本发明将拉普拉斯(Laplacian)滤波器、序值(rank value)滤波器、边缘检测器、增益单元及求和单元通过不同组合；具体组合过程中，每一个单元或不使用、或使用一次、或使用一次以上，但组合过程中必须不少于两个单元(含同一单元使用两次或以上)，可获得不同的边缘增强效果算子(operator)，实现对医学影像诊断有帮助的边缘增强效果(参见并比较图1和图2、图3和图4、图5和图6、图7和图8)。

实施例1：原始图像输入后依次经序值(rank value)滤波器、拉普拉斯(Laplacian)滤波器、边缘检测器、增益单元及求和单元处理，而得到增强的医学灰度图像的边缘特征的结果图像。

实施例2：原始图像输入后依次经拉普拉斯滤波器、序值滤波器、边缘检测器及增益单元处理，而得到增强的医学灰度图像的边缘特征的结果图像。

实施例3：原始图像输入后依次经第一个序值滤波器、第二个序值滤波器、拉普拉斯滤波器、边缘检测器、增益单元处理，而得到增强的医学灰度图像的边缘特征的结果图像。其中第一个序值滤波器的序值+第二个序值滤波器的序值为：N+1(N为邻域中非零灰度值象素的数目)。

实施例4：原始图像输入后依次经边缘检测器、序值滤波器处理，而得到增强的医学灰度图像的边缘特征的结果图像。

实施例5：原始图像输入后经边缘检测器处理，处理结果再次用边缘检测器处理，而得到增强的医学灰度图像的边缘特征的结果图像。

实施例6：通过拉普拉斯滤波器、序值滤波器的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

实施例7：通过序值滤波器、拉普拉斯滤波器、边缘检测器的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

实施例8：通过序值滤波器、拉普拉斯滤波器、增益单元及求和单元的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

Claims (8)

1.一种医学图像的边缘增强方法，通过拉普拉斯滤波器、序值滤波器、边缘检测器、增益单元和/或求和单元的组合，或通过拉普拉斯滤波器、序值滤波器、边缘检测器、增益单元、求和单元中的任一个使用两次或多次，获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

2.根据权利要求1所述的方法，其特征在于：上述拉普拉斯滤波器、序值滤波器、边缘检测器、增益单元、求和单元中的任两个或两个以上组合以及其中任一个使用两次或多次，获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

3.根据权利要求1所述的方法，其特征在于：通过拉普拉斯滤波器、序值滤波器的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

4.根据权利要求1所述的方法，其特征在于：通过序值滤波器、拉普拉斯滤波器、边缘检测器的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

5.根据权利要求1所述的方法，其特征在于：通过序值滤波器、拉普拉斯滤波器、增益单元及求和单元的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

6.根据权利要求1所述的方法，其特征在于：通过序值滤波器、拉普拉斯滤波器、边缘检测器、增益单元及求和单元的组合获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

7.根据权利要求1所述的方法，其特征在于：将边缘检测器使用两次或多次，获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

8.根据权利要求2所述的方法，其特征在于：将拉普拉斯滤波器、序值滤波器、边缘检测器和增益单元组合，其中序值滤波器使用两次或多次，获得边缘增强效果算子，用该算子对医学图像边缘进行增强处理，而得到增强的医学灰度图像的边缘特征。

Images