CN1547161A - 彩色多窗ct图像的自动生成方法 - Google Patents

Abstract

本发明提供了一说明书摘要种彩色多窗CT图像的自动生成方法。该方法首先是对CT图像进行区域分割，使不同的脏器或组织分别属于不同的局部区域。分割方法是利用CT成像时不同脏器或组织的不同CT值的分布范围，以及脏器的拓扑结构信息进行自动区域分割；其次是对分割后的区域进行校正处理。第三，对所分割出的不同区域，用不同的色调进行着色处理，最终生成病理报表，将多窗彩色CT图像与诊断结果同时打印输出。本发明克服了已有技术中多窗显示时同一种色彩造成观察上的干扰，使医生容易正确的诊断病灶的所在位置。

Description

彩色多窗CT图像的自动生成方法

技术领域

本发明涉及一种CT图像的自动处理方法，特别涉及一种彩色多窗CT图像的自动生成方法，该方法涉及到图像分割技术，伪彩色技术，以及多窗技术与不同色调的影射关系的建立。

背景技术

CT图像的处理技术，目前主要是根据其成像原理，通过相应的单灰级窗技术在相应的CT图像中将所关心的部分进行增强，给医生提供病情诊断的依据。因为病灶转移会导致侵蚀到其他的脏器或组织，例如，癌细胞的扩散转移。所以多窗技术在反映这个问题上就显得非常重要。虽然多窗技术解决了不同脏器同时增强显示的问题，但是由于多个脏器同时显示，又给观察者视线上造成了非常大的干扰，对医生的正确诊断造成不小的影响。因此目前在诊断中常用的还是单窗技术。

发明内容

本发明的目的在于克服已有技术中多窗显示时同一种色彩造成观察上的干扰而影响医生正确诊断病灶的缺点，提出一种彩色多窗CT图像的自动生成方法，该方法采用图像分割技术，将CT图像中所包含的不同脏器组织的区域进行分割，并对分割后的不同区域进行对比度增强，最后，用伪彩色技术，对不同区域用不同色调的颜色进行着色处理，完成多窗彩色CT图像的自动生成。

实现上述发明目的的技术方案是：首先，对CT图像进行区域分割，使不同的脏器或组织分别属于不同的局部区域。分割方法是利用CT成像时不同脏器或组织的不同CT值的分布范围，以及脏器的拓扑结构信息进行自动区域分割；其次是对分割后的区域进行校正处理。校正处理的目的是，在CT图像中，有可能存在因病变导致脏器的部分CT值改变，而使其导致误分割的现象。这时，我们根据正常人体组织的结构特性，将发生病变的局部区域进行提取，并给这个部分进行特殊色调的着色处理；第三，对所分割出的不同区域，用不同的色调进行着色处理，不同区域色彩的选择，可以选用软件系统提供的默认值，也可以在界面上由用户自己自由选择，最终生成病理报表，将多窗彩色CT图像与诊断结果同时打印输出。本发明克服了已有技术中多窗显示时因无色彩区分(灰度图)而造成观察上的干扰，使医生容易正确地诊断病灶的所在位置。

附图说明

图1是CT原图；

图2是肺窗二值图像；

图3是肌肉二值图像；

图4是骨窗二值图像；

图5是从图2获得的肺部大致区域；

图6是获得的人体组织所在的大致区域；

图7是删除文字等噪声后的人体组织区域；

图8是图5的反相图像；

图9是对图8贴标签去噪的结果；

图10是对图9贴标签去噪的结果；

图11是提取出的骨骼区域；

图12是提取出的肌肉区域；

图13是肺部区域原图信息；

图14是肺部区域增强信息；

图15是肌肉区域增强信息；

图16是骨骼区域增强信息；

图17是肺部伪彩色图；

图18是肌肉区域伪彩色图；

图19是骨骼区伪彩色图；

图20是多窗彩色CT图像；

图21是带有病灶的原图；

图22是病灶染色的多窗彩色CT图；

图23是对CT图像进行增强、着色与多窗显示流程图；

图24是区域分割流程图；

图25是病灶部分处理流程图。

具体实施方式

以下结合附图和流程图对本发明作进一步的详细描述。

本发明的彩色多窗CT图像的自动生成方法，分为以下几个具体步骤完成。

一、区域分割，其流程如图24所示。

在这里，区域分割的目的是将CT图像中所包含的不同脏器或组织所在区域进行分割。下面以肺部CT图像为例，对区域分割方法进行详细说明。

第1步：二值处理

在CT图像中，每种脏器或组织都有其特定的CT值，换句话说，每种不同的脏器或组织都有其不同的窗宽和窗位。因此本发明提供两种确定阈值方式供用户选择，第1种是根据成像原理设置默认方式，选择固定的某个脏器或组织的窗宽和窗位。第2种模式是用户可根据具体的需要手动调整窗宽和窗位。

参照图1的CT原图，因为胸部的CT图像中主要包含三个脏器部分：肺部、肌肉和骨头，包括纵隔，脂肪等。由两个阈值即可将三个不同的区域进行分割，分割算法如下：

经过阈值处理后得到图2的肺窗二值图像、图3的肌肉二值图像和图4的骨窗二值图像；

第2步：二值图像的校正处理

从图1的CT原图、图2的肺窗二值图像、图3的肌肉二值图像以及图4的骨窗二值图像图可以看到，虽然三个区域被分割出来，但是存在一些问题。对于肺部区域，因为图像中无人体组织的区域也是暗区，所以被当作肺部区域一同被提取出来；肺纹理中CT值小的部分，灰度值进入了肌肉窗，骨头区域中较暗的部分，如脊椎骨中部含有骨髓的部分。为此需要进行后处理。

1)删除无人体组织部分

首先对阈值处理后的图像进行贴标签处理，之后对每个标签目标物进行判别，设Ω_i是第i个标签目标，其面积为S_i，当S_i＞T_s(T_s：为阈值)时，再判断Ω_i的点是否分布在画面的边缘上，如果是，则为无人体组织的区域，进行删除。否则，则保留。对图2的肺窗二值图像处理的结果如图5的肺部大致区域所示。为了去除图像中的文字部分，将图3、图4和图5相加，得到图6的人体组织所在的大致区域，从图6的人体组织所在的大致区域可以看到，最大的白色区域是整个人体组织区域，所以对图6进行贴标签处理，只保留面积最大的目标物，得到图7删除文字等噪声后的人体组织区域。

2)对误分割部分进行校正处理

a.按照CT值从大到小的顺序进行处理，首先对肺部区域进行校正处理，将图5肺部大致区域反相得到图8的肺部大致区域反相图，对其进行贴标签处理，之后，对每个标签的平均坐标值按照下式进行计算。

公式1：每个标签的平均坐标值

设Ω_i是第i个标签目标，(x_k ⁽ⁱ⁾，y_k ⁽ⁱ⁾)∈Ω_i(k＝1，2，...，N_i)为该对象中的像素点坐标，则坐标均值( x⁽ⁱ⁾， y⁽ⁱ⁾为：

${\stackrel{\‾}{x}}^{\left(i\right)}=\underset{k=1}{\overset{N_i}{\mathrm{\Σ}}}{x}_k^{\left(i\right)},$ ${\stackrel{\‾}{y}}^{\left(i\right)}=\underset{k=1}{\overset{N_i}{\mathrm{\Σ}}}{y}_k^{\left(i\right)}$

公式2：标签目标所在的位置

标签目标所在的位置按下式计算该标签目标所在的位置：

$S_i=\sqrt{{\stackrel{\‾}{x}}^{{\left(i\right)}^2}+{\stackrel{\‾}{y}}^{{\left(i\right)}^2}}$

当S_i不在规定范围内的话，则删除该目标物。这样，所留下来的部分恰好是希望获得的局部区域。对所得到区域再进行一次反向处理，得到图9贴标签去噪的结果。

对图9再做一次贴标签处理，再计算一次目标物的平均坐标，对不满足规定范围的目标物进行删除，得到肺部区域如图10所示贴标签去噪的结果。

b.对骨骼区域进行校正处理

骨骼区域出现的问题主要是信息的丢失，因此，校正处理是对缺损的部分进行填充，填充的方法是对其进行闭运算。所述的闭运算为对二值图像先进行四近邻的膨胀运算，因着点、线的加粗，使原来间断的线被连接起来，之后再进行一次四近邻的腐蚀运算，可以将前面加粗的点线恢复，并且不破坏其已经连接起来的拓扑结构。例如，将图4的骨窗二值图像去除文字部分之后，进行闭运算处理，得到图11的骨骼区域。

所述的腐蚀运算是：设集合A被集合B腐蚀，则表示为AΘB，其定义为：

                   AΘB＝{x：B+xA}

其中表示子集关系，A称为输入图像，B称为结构元素。如果把B看作模板，那么，AΘB则由在平移模板的过程中，所有可以填入A内部的模板的原点组成。

所谓的膨胀运算是：腐蚀运算的对偶运算(逆运算)，可以通过对腐蚀来定义。AB，其定义为：

                     AB＝[A^cΘ(-B)]^c

其中，A^c代表A的补集。为了利用B膨胀A，可将B相对原点旋转180度得到-B，再利用-B对A^c腐蚀，腐蚀结果的补集，便是所求的结果。

例如，将图4的骨窗二值图像去除文字部分之后，进行闭运算处理，得到图11的骨骼区域。

c.对肌肉区域进行校正

当获得肺部区域和骨骼区域之后，对肌肉区域的校正用公式3即可获得：

图12肌肉区域＝图7删除文字等噪声后的人体组织区域-图10对图9贴标签去噪的结果-图11提取出的骨骼区域

图12即为校正后得到的肌肉区域。

根据上面的处理，就完成了对不同脏器的区域分割。对于其他部位CT图像的处理可以采用相同的方法进行。

二、如图23所示，对CT图像进行增强与着色：

1)图像的增强

在获得二值图像之后，将区域二值图像与原图作“与”操作，以肺区为例，经过区域分割之后，得到图13的肺部区域原图信息，对图13进行图像增强，增强方法可以采用一般的灰级窗展宽技术，也可以采用直方图均衡化方法，增强图为图14的肺部区域增强信息。

对其他的组织区域进行相同的操作，获得图15的肌肉区域增强信息和图16的骨骼区域增强信息。

2)进行着色处理

当获得若干个分割的单窗CT增强图像之后，选择一个用户观察习惯的颜色，例如，选择该颜色值为(R_C，G_C，B_C)，按照下面的伪彩色影射公式4，对该区域进行着色。

其中：f：原图的灰度值，M，N：为原图的长和宽

            C_max＝max{R_C，G_C，B_C}

C_max实际上确定了伪彩色的色调。例如，当C_max＝R_C时，该区域偏暖色调。

获得图17的肺部伪彩色图、图18的肌肉区域伪彩色图及图19的骨骼区伪彩色图。

3)多窗合成

最后，将所得到的各个分割开的单窗伪彩色图像进行合成，因为每个区域采用不同伪彩进行描述，所以在进行多窗观察时，根据人眼的视觉习惯，相互干扰减弱的同时，可以进行不同组织的联合观察，这样就有利于对病变的转移进行合理的论证，得到结果图20的多窗彩色CT图像。

三、如图25所示，对病灶部分进行处理

病灶区域的确定：

病灶区域的确定可以按照人体组织的拓扑结构给出一个可能的病灶区域，参照图21带有病灶的原图，根据两叶肺近似为镜像关系，获得左侧肺部的一个病灶区域，对病灶区域选择与正常组织不同的颜色按照公式4进行着色，得到图22病灶染色的多窗彩色CT图。

如果病灶区域比较小，或者特征比较微弱，则用户可以根据界面提供的手写画笔，将观测到的病灶区进行圈定，之后，利用公式4也可以对所圈定的病灶区进行着色。

本发明的优点与显著效果在于因为人眼对颜色的分辨能力比对亮度的分辨能力强，因此，在医学影像学常常用到伪彩色技术。一般现有的伪彩色技术是根据色温的原理，对不同亮暗进行不同的伪彩色影射，例如：较暗的部分用蓝色，逐渐过渡到较亮的部分为红色。这种技术在红外测试仪器，例如：红外乳腺仪等。以及彩色超声上多用，但是对于CT图像来说，这种经典的伪彩色方法则不适用。因此，本发明提出了不同区域不同色调，在相同区域中，用同色调不同深浅颜色对内部组织进行增强处理的方法，可以实现多窗同时显示。因为不同区域的色调不相同，所以多窗显示时，不但不会造成视觉上的干扰，而且可以便于观察病变在不同组织间的迁移状态。

Claims (7)

1、一种彩色多窗CT图像的自动生成方法，包括将CT图像中所包含的不同脏器或组织所在的区域进行分割，形成单灰级的多窗图像，其特征在于包括以下步骤：

一、区域分割步骤：

1)二值处理：提供两种确定的阈值方式：

①、选择固定的某个脏器或组织的窗宽和窗位；

②、根据具体的需要手动调整窗宽和窗位。

2)二值图像的校正处理：

①、删除无人体组织部分：

首先对二值处理后的图像贴标签，之后对每个标签目标物进行判别，如为无人体组织的区域，进行删除，否则，则保留。

②、对误分割部分进行校正处理：

a、按CT值从大到小进行处理，将图反相并对其贴标签，对每个标签的平均坐标值进行计算，计算该标签目标所在的位置；当标签目标不在规定范围内时，删除该目标物，留下的部分即为人体组织区域；对所得区域再进行反向处理，再一次计算目标物的位置，对不满足规定范围的目标物进行删除，得到较精确的人体组织区域图像。

b、对骨骼区域缺损的部分进行填充；

c、对肌肉区域的校正是用保留下来的人体组织部分去除校正处理后的部分，再去除对骨骼区域缺损部分的校正，即得到校正后的肌肉区域。

二、对校正后的CT图像进行增强与着色。

1)图像的增强：在获得二值图像后，将区域二值图像与原图作“与”操作，得到人体组织区域原图图像，然后对该图进行增强处理，得到人体组织区域增强图像和肌肉区域增强图像；

2)图像的着色：当获得获得若干个分割的单窗CT增强图像之后，选择颜色，对该区域进行着色，得到多个伪彩色增强CT图像；

3)最后，将所得到的多个分割的单窗伪彩色图像进行合成，合成的方法是，将几个单窗图17，18，19进行“或”操作，即可得到彩色多窗CT图像。

三、病灶部分的处理

病灶区域的确定：按照人体组织的拓扑结构给出一个可能的病灶区域，对病灶区域选择与正常组织不同的颜色进行着色，即可得到彩色多窗CT病灶图像。

2、根据权利要求1所述的彩色多窗CT图像的自动生成方法，其特征在于所述的对二值处理后的图像贴标签，之后对每个标签目标物进行判别的方法是设Ω_i是第i个标签目标，其面积为S_i，当S_i＞阈值T_s时，再判断Ω_i的点是否分布在画面的边缘上，如果是，则为无人体组织的区域，进行删除，否则，则保留。

3、根据权利要求1所述的彩色多窗CT图像的自动生成方法，其特征在于所述的对每个标签的平均坐标值进行计算的方法如下：

设Ω_i是第i个标签目标， $(x_k^{\left(i\right)},y_k^{\left(i\right)})\∈{\mathrm{\Ω}}_i(k=\mathrm{1,2},...,N_i)$ 为该对象中的像素点坐标，则坐标均值( x⁽ⁱ⁾， y⁽ⁱ⁾)为：

${\stackrel{\‾}{x}}^{\left(i\right)}=\underset{k=1}{\overset{N_i}{\mathrm{\Σ}}}{x}_k^{\left(i\right)},$ ${\stackrel{\‾}{y}}^{\left(i\right)}=\underset{k=1}{\overset{N_i}{\mathrm{\Σ}}}{y}_k^{\left(i\right)}$

按下式计算该标签目标所在的位置：

$S_i=\sqrt{{\stackrel{\‾}{x}}^{{\left(i\right)}^2}+{\stackrel{\‾}{y}}^{{\left(x\right)}^2}}$

当S_i不在规定范围内的话，则删除该目标物，这样，所留下来的部分恰好是希望获得的局部区域。

4、根据权利要求1所述的彩色多窗CT图像的自动生成方法，其特征在于所述的对骨骼区域缺损的部分进行填充的方法是对其进行闭运算。

5、根据权利要求1所述的彩色多窗CT图像的自动生成方法，其特征在于所述的增强方法可以采用一般的灰级窗展宽技术，也可以采用直方图均衡化方法。

6、根据权利要求1所述的彩色多窗CT图像的自动生成方法，其特征在于所述的选择颜色按照下面的伪彩色影射公式，对该区域进行着色：

选择可表示某个区域伪彩色的色度，在该色度下的颜色值为(R_C，G_C，B_C)，根据所选择的伪彩色色度，对该区域进行不同亮度下的影射，以获得相同色调不同深浅的颜色。

其中：f：为原图的灰度值，M，N：为原图的长和宽C_max＝max{R_C，G_C，B_C}，C_max实际上确定了伪彩色的色调，获得的伪彩色结果图像。

7、根据权利要求4所述的彩色多窗CT图像的自动生成方法，其特征在于所述的闭运算为对二值图像先进行四近邻的膨胀运算，因着点、线的加粗，使原来间断的线被连接起来，之后再进行一次四近邻的腐蚀运算，可以将前面加粗的点线恢复，并且不破坏其已经连接起来的拓扑结构。

Images