DE69724906T2

DE69724906T2 - Numerisches Bildverarbeitungsverfahren zur automatischen Extraktion bandförmiger Objekte

Info

Publication number: DE69724906T2
Application number: DE69724906T
Authority: DE
Inventors: Sherif Makram-Ebeid
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 1996-10-16
Filing date: 1997-10-07
Publication date: 2004-07-22
Anticipated expiration: 2017-10-08
Also published as: JPH10143648A; DE69724906D1; US6134353A; EP0840252B1; EP0840252A1

Description

Die Erfindung betrifft ein Verfahren zur Verarbeitung eines numerischen Bildes zur automatischen Extraktion der grundsätzlich bandförmig dargestellten Objekte des Hintergrunds. Die Erfindung betrifft auch ein Gerät zur Durchführung des Verfahrens in Verbindung mit einem medizinischen Bildgebungssystem.
Die Erfindung kommt vor allem in der Industrie zur Herstellung von Röntgenbildgeräten mit Systemen zur Anzeige von Arteriogrammen und Vorrichtungen zum Einsatz, die mit einem fluoroskopischen Betriebsmodus ausgestattet sind.
Ein Bildverarbeitungsverfahren für die robuste Darstellung von Objekten ist bereits aus der Veröffentlichung mit dem Titel „Robust Object Representation Through Object-Relevant Use of Scale" von Bryan MORSE, Stephen PIZER et alii aus „104 SPIE, Band 2167, Image Processing, 1994, S. 104–115", bekannt. Diese Veröffentlichung beschreibt ein Verfahren zur Segmentierung eines Bildes zum Trennen von Objekten und deren Darstellung in einer geeigneten Form für ihre Verfolgung (Identifizierung, Tracking). Ziel des Verfahrens ist es, eine solche Darstellung ohne rauschbedingte Beeinträchtigungen des Bildes beim Ändern der Vergrößerung ohne Änderung der Auflösung, bei Unschärfe etc. zu erreichen. Diese Veröffentlichung definiert ein erstes Konzept mit der Bezeichnung „CORE", was die Stelle der im Objektzentrum befindlichen Punkte entsprechend der Messung mit Maßstäben ist, die proportional zur Breite des besagten Objekts sind. Ein Punkt wird als im Zentrum oder auch auf einer Medianlinie beifindlich bezeichnet, wenn er zwei Bedingungen erfüllt. Die erste Bedingung ist, dass mindestens zwei Randpunkte bestehen müssen, die in einem Abstand r (bezeichnet mit halber Breite) oder auch im Radius zu diesem Medianpunkt liegen. Die zweite Bedingung ist, dass die Richtung der besagten halben Breite r an den besagten Rändern normal sein muss. Diese Veröffentlichung definiert ein zweites Konzept für die Anwendung des Verfahrens, welches darin besteht, dass die Messskala, definiert durch einen Parameter σ, proportional zur halben Breite r sein muss. In der besagten Veröffentlichung stellt das Konzept „CORE" keine Objekte mit einem einzigen Maßstab von einem Ende zum andern des Bildes dar, und stellt selbst auch kein bestimmtes Objekt mit einem einzigen Maßstab im Innern des Objekts dar. Das Konzept „CORE" stellt ein Objekt gleichzeitig in einer Spanne von Maßstäben dar, die gesonderte Kurven im Innern eines Maßstabraums bilden.
Die Schritte dieses Segmentierungsverfahrens erfordern zuerst die Berechnung der mit „CORE" bezeichneten Elemente in Unterschritten, um:

1/ das Bild in mehreren Maßstäben zu glätten, um einen Maßstabraum aufzubauen, der das Bild mit multiplen Auflösungen beschreibt,
2/ mit jedem Maßstab potentielle Punktewolken an den Rändern zu bestimmen, die eine erste Unscharfeinheit (fuzzy) mit der Bezeichnung „boundariness" bilden, die mit geeigneten Operatoren berechnet werden,
3/ mediane Punktewolken zu bestimmen, die eine zweite Unscharfeinheit (fuzzy) mit der Bezeichnung „medialness" bilden, die durch die Assoziation aller potentiellen Randpunkte definiert werden und die nach den beiden weiter oben beschriebenen Bedingungen im multipel auflösenden Raum berechnet werden,
4/ (rigide) Gräte in der Unscharfeinheit mit der Bezeichnung „medialness" zu finden, die Intensitätsmaxima dieser zweiten Unscharfeinheit sind.

Das in dem aufgeführten Dokument beschriebene Verfahren bedingt die Lokalisierung dort, wo die Mittellinien eines Objekts im numerischen Bild unter Verwendung von Punktewolken an den Rändern zu medianen Punktewolken führen, um den Begriff Unscharfeinheit möglichst lange beizubehalten, in einem multipel auflösenden Raum, unter Einbezug für jede Berechnung von zwei Raumvariablen, die die Koordinaten des laufenden Punktes im Bilde sind, einer Variablen σ, die der Kern der multipel auflösenden Glättungsfilter ist und die proportional zu einem zu findenden Radius r ist, und einer mit dem besagten laufenden Punkt verbundenen Intensitätsvariablen. Diese Berechnungen müssen folglich mit einer extrem hohen Anzahl von Punkten durchgeführt werden, und dies in einer nichteuklidischen Geometrie. Dieses Verfahren wird nicht speziell zur Durchführung der Segmentierung eines Bildes angewandt, welches das Objekte in einer besonderen vorbestimmten Form zeigt.
Eine Methode zur Detektion von Mustern ist aus dem Patent der Vereinigten Staaten US Nr. 5.539.838 (Shimura) bekannt. Die Methode des Shimura-Patents versucht, zwei Einheiten zu begrenzen = eine erste Einheit der Punkte, die zum „Muster" des Objekts gehören, und eine zweite Einheit der Punkte, die nicht zum „Muster" des Objekts gehören. So beschreibt das Shimura-Patent einen Kreisfilter, der auf das numerische Bild gebracht wird, um den Intensitätsunterschied zwischen dem Zentrum des Filters und der peripheren Punkte zu berechnen und durch Schwellenunterteilung zu entscheiden, welche Punkte zum Muster des Objekts gehören und welche Punkte ausgeschlossen werden. Diese Methode grenzt ein relativ unscharfes Muster ein. Das Diagramm der Ränder weist eine Neigung auf, womit die Ränder demnach nicht scharf sind und nicht in der Form von präzisen Randpunkten extrahiert werden können. Das Shimura-Patent lehrt keine Methode für den Erhalt präziser und tauglicher Randpunkte für das Objekt von Interesse. Dieses Dokument lehrt auch keine Methode zum Ableiten der Medianpunkte des Objekts. Man erinnere daran, dass die Medianpunkte nicht nur interne Punkte im Objekt sind, sondern spezifisch eine in gleicher Distanz zu den Rändern liegende Linie bilden. Es müssen folglich die Randpunkt mit großer Präzision entnommen werden, um eine Medianlinie mit großer Präzision zu erhälten Veröffentlichung von R. L. Ogniewicz, „Skeleton-Space: a Multiscale Description Combining Region an Boundary Information" in „Proceedings of the Computer Society, Conference on Computer Vision and Pattern Recognition, Seattle, 21.–23. Juni 1994, IEEE, Seiten 746–751, beschreibt eine Methode zur Bestimmung der Ränder und der Medianlinien eines Objekts. Die Methode dieser Veröffentlichung geht von einer Serie numerischer, in mehreren Maßstäben aufgegliederter Bilder aus, d. h. wo die Intensitäten der Punkte nur NULL oder EINS sein können. In einem aufgegliederten Bild liefert diese Methode eine Technik mit:
Einem Schritt zur Bestimmung der Grenzen des Objekts in den Bildern mit mehreren Maßstäben. Der Schritt zur Bestimmung der Grenzen des Objekts wird nicht beschrieben, sondern diese Grenzen werden automatisch aufgegliedert und in die Form kleiner linearer, aneinandergegliederter Ketten gebracht (siehe 1).
Einem Schritt zum direkten Auffinden der medianen Linien des Objekts (siehe 1, 2, 4, 8). Der Schritt zum Finden der medianen Linien beinhaltet eine Verbesserung und Vereinfachung der „VORONOI"-Methode (auch bekannt unter dem Namen „Grassfire"). Diese Verbesserung nutzt die Propagation einer „Kreisfront" ausgehend von den aufgegliederten, als Kreismittelpunkte betrachteten Randpunkten. Für jeden Kreis propagiert die Peripherie des Kreises vom besagten Mittelpunkt des am Rand des Objektes gelegenen Kreises ausgehend: Die Kreisperipherien begegnen sich auf der Medianlinie. Die beschriebene Methode ist demnach eine aufgegliederte Voronoi-Methode.
Ein Ziel dieser Erfindung ist die Bereitstellung eines Verfahrens zur Verarbeitung eines numerischen Bildes, welches das Problem der automatischen Extraktion, und nicht der Segmentierung, von substantiell bandförmigen, auf dem Hintergrund eines nume rischen Bildes dargestellten Objekten mit der Anwendung von einfachen Schritten an einer Reihe von Pixeln löst, bewerkstelligt in einer euklidischen Geometrie und mit wenig Verbrauch an Rechenzeit.
Dieses Ziel wird mit solch einem Verfahren erreicht, das die dem Anspruch 1 entsprechenden Schritte beinhaltet.
Das der Erfindung entsprechende Verfahren weist zahlreiche Vorzüge auf. In dem Verfahren werden die Berechnungen in flachen, einzeln verarbeiteten Bildern vorgenommen. Die Berechnungen sind einfach, und die Rechenzeit ist kurz. Das Verfahren kann für die Extraktion und die Identifizierung von Gefäßen in komplexen Arteriogrammen, zur Charakterisierung von Stenosen oder Aneurysmen in Arteriogrammen, zur Entfernung von Objekten mit einer auch als bandförmig bekannten Geometrie mit zu den Gefäßen unterschiedlichen Breiten wie Steigungen, die bei der Untersuchung von Arteriogrammen der Lungen zur Detektion eines Emphysems hinderlich sind, angewandt werden.
Das Verfahren und eine das Verfahren anwendende Vorrichtung werden hiernach in Anwendungsbeispielen beschrieben und mit beigefügten schematischen Figuren veranschaulicht, von denen:
1A ein numerisches Originalbild J₀₀ zeigt;
1B ein gefiltertes Bild J₀ ist;
1C bis 1H geglättete Bilder J(σ_i) im selben Maßstab σ_i sind, und unter diesen Figuren
1C ein numerisches Bild J_iBG der Hintergrundbestimmung ist;
1D ein numerischen Bild J_i ist, dessen Hintergrund extrahiert wurde;
1E eine binäre Karte K_i der Randpixel ist;
1F ein numerisches Bild J_iMED) der Randpixel ist;
1G ein durch isotrope Auswahl ausgewähltes numerisches Bild J_ISO der Medianpixel ist;
1H ein durch anisotrope oder seitliche Auswahl ausgewähltes numerisches Bild J_LAT der Medianpixel ist;
1I ein numerisches Bild J_SK der durch Tracking aneinandergegliederten Medianpixel ist, um das Skelett der Objekte zu bilden;
1J ein im Maßstab des Originalbilds durch Integration der Kreisflächen in Verbindung mit den Medianpixeln rekonstruiertes numerisches Bild JR ist;
2 die Schritte des Verfahrens in der Form von Funktionsblöcken darstellt;
3A und 3B einen Extraktionsschritt des Hintergrunds in einem bestimmten Maßstab σ_i nach verschiedenen Richtungen zeigt;
4 den Extraktionsschritt der Ränder in einem bestimmten Maßstab σ_i zeigt,
5A im Suchschritt der potentiellen Medianpixel in einem bestimmten Maßstab σ_i die Generierung eines Kreises mit einem Radius R_i zeigt;
5B die Extraktion eines ersten potentiellen Medianpixels an einer bestimmten Lokalisierung in Verbindung mit einem ersten Randpixelpaar zeigt, und
5C die Extraktion eines zweiten potentiellen Medianpixels an derselben Lokalisierung in Verbindung mit einem zweiten Randpixelpaar zeigt, um einen isotropen Unterauswahlschritt durchzuführen;
5D den Unterschritt zur seitlichen Auswahl der potentiellen Medianpixel zur Bereitstellung der Medianpixel zeigt;
6 den Tracking-Schritt der Medianpixel zur Bereitstellung der Skelettpixel zeigt;
7 den Untersuchungsschritt der Radienvariationen eines Objekts entlang dem Skelett dieses Objekts zeigt;
8 ein medizinisches Röntgenstrahlengerät zum Aufbau von numerischen Bildern zeigt.
VERFAHREN
Die Figuren werden hiernach im Detail in Verbindung mit den verschiedenen Schritten eines Verfahrens zur Verarbeitung eines numerischen Bildes mit der Darstellung von bandförmigen Objekten im Kontrast zum Hintergrund beschrieben. Diese Schritte führen eine Skelettierung der Bildobjekte durch, um die den Medianlinien der Objekte zugehörigen Pixel automatisch bereitzustellen und um letztlich das numerische Bild zu rekonstruieren, wobei die Objekte ein stärker gegen den Hintergrund kontrastierendes Intensitätsniveau mit der Bezeichnung erhöhtes Intensitätsniveau haben.
Wie auf 1A bei der als Beispiel vorgesehenen Anwendung gezeigt ist das numerische Originalbild J₀₀ ein Arteriogramm. Auf diesem Arteriogramm gibt es Gefäße mit sehr unterschiedlichen Durchmessern, mit hier dunklen Bändern auf einem nicht einheitlichen Hintergrund dargestellt. Die Gefäße feinen Durchmessers sind besonders schwer zu unterscheiden.
Wie auf 17 dargestellt ist das Bild J_R nach Ablauf des Segmentierungsverfahrens noch numerisch und weist ausschließlich das Arteriensystem des Arteriogramms der 1A auf, mit einem erhöhten Intensitätsniveau im Kontrast zum einheitlichen Hintergrund dargestellt.
In Bezug auf 2, die das Verfahren in der Form von Funktionsblöcken zeigt, beinhaltet das Bildverarbeitungsverfahren vorzugsweise die hiernach beschriebene Schrittfolge:
1/ Erfassung (100) eines numerischen Bildes J₀₀
Wie auf 1A dargestellt wird das numerische Bild mit numerischen Bildformatierungsverfahren 100 in der Form einer zweidimensionalen Pixelmatrix J₀₀ mit numerischen Intensitätsniveaus erfasst. Das erfasste Bild J₀₀ weist in diesem Beispiel ein Arteriogramm und Gefäße auf, die dunkle Bänder auf einem helleren Hintergrund bilden.
Das erfasste Bild wird dann einer Filterung 110 unterzogen, die die Intensität z. B. mit einer herkömmlichen Tabulationsmethode (Look-up Table) erhöht, um ein als Beispiel auf 1B dargestelltes numerisches Bild J₀ auszugeben.
2/ Mehrfach auflösende Filterung (10.1–10.N)
Das gefilterte Bild J₀ wird einer Serie von N Tiefpassfiltern 10. bis 10.N mit als Kernen isotropen Gaußschen Funktionen mit von σ₁ bis σ_N verschiedenen Standardabweichungen unterzogen, welche die Auflösungen bestimmen, die den durch diese Filterung erhaltenen geglätteten N Bildern J'_l i bis J'_N entsprechen. Die Anzahl N entspricht z. B. 2 ≤ N ≤ 100, und der Index i entspricht 1 ≤ i ≤ N. Vorzugsweise ist N = 10. Am Beispiel, in dem N = 10, wird die mehrfach auflösende Filterung durchgeführt, indem das Bild J₀ durch zehn Gaußsche Filter 10.1 bis 10.10 geleitet wird, mit respektive durch Standardabweichungen σ i bis σ₁₀, die zehn numerische Bilder J'₁ bis J'₁₀ liefern, die mit zehn verschiedenen Auflösungen geglättet wurden, gekennzeichneten Kernen. Die Standardabweichungen σ₁ werden mit dem Ausdruck „Maßstab σ₁" bezeichnet, und die entsprechenden Bilder mit J'_i.
In jedem der Bilder der Serie untersucht man den Gefäßtyp und eine Schwelle, gekennzeichnet durch ihre Halbbreite mit der Bezeichnung R_i wie: R_i > σ_i. Man untersucht z. B. Gefäße mit einer Halbbreite R_i = k·σ_i, wobei k eine Konstante ist. Vorzugsweise ist k = 3, womit R_i = 3 σ_i. Der Koeffizient k und der Maßstab σ_i definieren folglich den Gefäßtyp, den man in jedem der Bilder J'_i der Serie zu erkennen sucht. Die Anzahl und der Wert der Maßstäbe σ_i müssen sorgfältig gewählt werden, um die Detektion aller Gefäße, von sehr feinen Gefäßen bis sehr breiten Gefäßen oder anderen bandförmigen Objekten zu erkennen.
3/ Extraktion des Hintergrunds
sEin Schritt 20.1 bis 20.N zur Extraktion des Hintergrunds wird respektive an jedem geglätteten Bild J'_i im Maßstab σ_i vorgenommen, um bei jeder Auflösung die zum Arteriensystem fremden Elemente zu entfernen.
3A zeigt ein Intensitätsprofil I entlang einer Pixellinie L1, die sich im geglätteten Bild J'_i mit einem Gefäß Va schneidet. Dieses Intensitätsprofil zeigt einen Teil Val mit langsamen, dem Hintergrund entsprechenden Intensitätsvariationen und einen Teil Vag, der eine dem Gefäß entsprechende Intensitätskuppel bildet. Die Extraktion des Hintergrunds beinhaltet, das geglättete Bild J'_i durch einen Filter 20.i zu leiten, zentriert auf ein laufendes Pixel P(x, y) der Linie L1, und einen Durchschnitt zwischen einer Intensität I_A eines Pixels A, in einer bestimmten Distanz D_i links vom laufenden Pixel P(x, y) gelegen, und einer Intensität I_B eines Pixels B, in der selben Distanz D_i rechts vom laufenden Pixel P(x, y) auf der Linie L1 gelegen, zu nehmen. Die berechnete Durchschnittsintensität wird dem laufenden Pixel P(x, y) zugeteilt.
Durch das Leiten durch diesen Filter 20.i wird die Intensitätskuppel Vag aufgrund des Gefäßes entfernt, und es wird ein Teil Va3 des Intensitätsniveaus bewertet, um an der Stelle des Gefäßes den Hintergrund zu bilden.
Dieser Filterschritt 20.i wird unter Annahme im Maßstab σ_i eines Distanzwertes D_i vorgenommen wie: Di > Ri = kσi; z. B. Di > 3σi.
In Bezug auf 3B, die schematisch Gefäße 2Va und 2Vb in einem geglätteten Bild J'_i zeigt, wird der Filterschritt 20.i in eine Vielzahl P von Richtungen L1 bis LP durchgeführt, die regelmäßig auf der Bildfläche J'_i von π/P in π/P verteilt sind. Vorzugsweise ist P = 8,k und man führt die Filterung 20.i in 8 in regelmäßige Winkeln unterteilte Richtungen von π/8 in π/8 durch.
An jedem laufenden Pixel P(x, y) wird dann der Intensitätswert des Hintergrunds als schwächster Wert aller gewerteten Werte bewertet, indem man die Orientierung L1 bei LP im gegebenen Maßstab σ_i variieren lässt. Mit dieser Filteroperation 20.i wird ein bewertetes Bild des Hintergrunds J_iBG für jeden Maßstab σ_i erhalten, wie z. B. auf 1C dargestellt.
Dann, wie z. B. auf 1D dargestellt, wird ein Bild J_i gebildet, indem den Pixeln der berechneten Intensitätsdaten, nachdem in einem Subtraktionsschritt 30.i die für den Hintergrund bewerteten und im Bild J_iBG entnommenen Intensitätswerte subtrahiert werden, Intensitätsdaten des dementsprechenden geglätteten Bildes J'_i zugeteilt werden.
Man erhält dann N Bilder, deren Hintergrund, bezeichnet J_i, in den verschiedenen Maßstäben σ_i extrahiert wurden.
Dieses Verfahren zur Extraktion des Hintergrunds ist sehr vorteilhaft, da es keine Mängel, Fehler oder Ungenauigkeiten in den übereinander liegenden Bereichen der Gefäße verursacht und weil es nicht gefräßig an Rechenzeit ist.
4/ Extraktion der Obiektränder in der Bildserie J_i
Es wird ein Schritt 40.i durchgeführt zur Extraktion der Gefäßränder mit Radien R_i, untersucht in jedem Bild J_i in einem bestimmten Maßstab σ_i, einschließlich einer Bestimmung der Intensitätsgradienten mittels der Berechnung der Abweichung der Größenordnung 1 der Intensitätsfunktion im Bild J_i entlang den rechtwinkligen Abtastachsen mit der Bezeichnung x'x und y'y in jedem zu verarbeitenden laufenden Pixel P(x, y).
Vorzugsweise wird der Intensitätsgradient mit dem Durchlaufen von entlang der parallelen Richtungen zu den Achsen x'x und y'y orientierten Filtern erhalten, die unter dem Namen „Sovel" bekannt sind und hiernach mit Sovel_x entlang der Achse x'x und Sovel_y entlang der Achse y'y bezeichnet werden. Die Anwendung der Sovel-Filter wird in einer allgemeinen Lehrveröffentlichung mit dem Titel „Computer Vision" von Dana H. Balard und Christopher M. Brown, veröffentlicht von PRENTICE-HALL, Inc., Englewood, Cliffs, New Jersey, US, 07632 S. 77, 1.6–17, in Bezug auf 3. 10C beschrieben.
Wie auf 4 gezeigt erhält man durch die Anwendung der Filter Sovel_x und Sovel_y die Komponenten
und
1 entlang den Achsen x'x und y'y des Intensitätsgradientenvektors
zum laufenden Pixel P(x, y). Die Berechnung des Verhältnisses dieser Komponenten
und
3 liefert den Wert der Tangente eines Winkels , den dieser Gradientenvektor
z. B. mit der als Bezug genommenen Achse x'x bildet. Für die Berechnung der Summe der Komponentenprojektionen
und
5 über die Richtung zieht man von diesem Gradientenvektor auch das Modul
vorzeichengetreu ab. Man
definiert so an jedem laufenden Pixel den Gradientenvektor durch seinen Orientierungswinkel_und sein Modul
Der Winkel_wird dann mit einem Schritt π/M, wobei M eine Konstante ist, aufgegliedert. Die Konstante M wird z. B. gleich 8 gewählt, und die Winkelteilung gleich π /8. Der mit dem Modul des Gradienten_
assoziierte Winkel ist dann nicht mehr_, sondern ein Winkel θ_j, der ein aufgegliederter Winkel ist, am nächsten bei_gesucht. Im Falle einer Winkelteilung π/8 erhält der mit dem Gradienten assoziierte Winkel θ_j die Werte: θ₁ = 0; θ2 = π/8; θ3 = π/4; θ4 = 3π/8; θ5 = π/2; θ6 = 5π/8; θ7 = 3π/4; θ8 = 7π/8.
Die Extraktion der Ränder in einem Bild J_i in einem bestimmten Maßstab σ_i beinhaltet dann die Entfernung der nicht äußersten Gradienten. Diese Operation wird durch das Abtasten des verarbeiteten Bildes J_i entlang einer Vielzahl Q von regelmäßig auf der Fläche des Bildes verteilten Richtungen vorgenommen, von π/Q in π/Q.
In einem Beispiel wählt man Q = 8. In diesem Fall entsprechen die Abtastrichtungen den aufgegliederten Winkeln θ₁ bis θ₈. Die laufenden Pixel, die einen maximalen Gradienten in Bezug auf ihre Nachbarn in jeder bestimmten Richtung zeigen, werden als Randpixel gewählt, und ihre Intensität wird auf Null gesetzt, während die Intensität der Pixel, die einen nicht maximalen Gradienten zeigen, auf 1 gesetzt werden oder umgekehrt.
In einem anderen Beispiel wählt man Q = 4. Die Abtastrichtungen entsprechen z. B. den aufgegliederten Winkeln θ₁, θ₃, θ₅, θ₇. In diesem Fall werden beim Abtasten die Gradienten mit den Winkeln θ₂ und θ₈ in die Richtung θ₁ projiziert, während die Gradienten mit den Winkeln θ₄ und θ₆ in die Richtung θ₅ projiziert werden. Die laufenden Pixel, die einen maximalen Gradienten zeigen, werden ausgewählt und wie weiter oben beschrieben entfernt.
Es sind andere Abtastmethoden entlang einer kleinen Anzahl in regelmäßige Winkel unterteilte Achsen auf einer Bildfläche möglich. Beim Abtasten werden die Gradienten in diejenige Richtung projiziert, die am nächsten zu ihrer berechneten Orientierung θ₁ bis θ_M liegt, und die entsprechenden Pixel mit den maximalen Projektionswerten der Gradienten werden als Randpixel ausgewählt.
Ein binäres Bild K_i mit der Bezeichnung Randpixelkarte wird ausgehend von diesen Daten in jedem Maßstab σ_i aufgebaut, wie z. B. auf 1E gezeigt.
5/ Extraktion potentieller Medianpixel
5.1 – Lokalisierung potentieller Medianpixel
Jedes Randpixel ist mit Merkmalen versehen, die sind: seine Koordinaten x, y im Bild K_i und eine Richtung θ_j unter θ₁ bis θ_M.
Die Richtung θ_j ist diejenige des Gradientenvektors mit einer Ungenauigkeit unter π/M. In dem beschriebenen Beispiel ist die Richtung θ_j diejenige des Gradientenvektors mit einer Ungenauigkeit unter π/8; der Winkel_des Gradientenvektors liegt in einer Spanne von ± π/8, zentriert auf die aufgegliederte Richtung θ_j.
Diese Merkmale werden verwendet, um in jedem der numerischen Bilder J_i in einem Schritt 50.i eine Lokalisierung der potentiellen Medianpixel vorzunehmen, d. h. der substantiell in gleichem Abstand zu den bandförmigen Objekträndern oder Gefäßen liegenden Pixel.
Zu diesem Zweck generiert man in Schritt 50.i in jedem Bild J_i in Bezug auf 5A zuerst einen Kreis, bezeichnet C_i, mit einem Zentrum Ω_i, einem Radius des Wertes R_i, mit dem Maßstab σ_i verbunden wie zuvor beschrieben, und gebildet aus Pixeln P_j, P'_j, angeordnet ausgehend vom Zentrum Ω_i in einem zu R_i grundlegend gleichen Abstand entlang Radien, die aufgegliedert in die aufgegliederten Richtungen θ_j der weiter oben definierten Intensitätsgradienten orientiert sind. Dann tastet man jedes Bild J_i auf herkömmliche Art ab, z. B. entlang der Achse x'x, und in Bezug auf 5B wendet man jedem laufenden Pixel P(x, y) zur Lokalisierung x, y das Zentrum Ω_i des wie zuvor generierten Kreises an. Man sucht, ob es mindestens ein Randpixel E1 gibt, das grundsätzlich mit einem Pixel P_j, P'_j des Kreises C_i auf einem Radius in einer der aufgegliederten Richtungen θ_j zusammenfällt, und ob die aufgegliederte Orientierungsrichtung des mit diesem Randpixel E₁ assoziierten Intensitätsgradienten
19 grundsätzlich mit der Richtung θ_j dieses Radius zusammenfällt. Ein solches Randpixel E₁ ist dann auf einem ersten Tangentenradius eines Randes B₁ befindlich, das Pixel E₁ gegenüber dem Kreis des Zentrums Ω_i einschließend, bei x, y lokalisiert und eines Radius R_i.
Wenn solch ein erstes Randpixel E₁ gefunden wird, sucht man unter denselben Bedingungen, ob es ein zweites Randpixel E₁ gibt, verschieden zum ersten, grundsätzlich in Übereinstimmung mit einem anderen Pixel des Kreises C_i auf einem Radius in eine andere der aufgegliederten Richtungen θ_j, und ob die aufgegliederte Orientierungsrichtung des mit diesem Randpixel E₂ assoziierten Intensitätsgradienten
2 10 dann mit der Rich tung dieses Radius übereinstimmt. Ein solches zweites Randpixel E₂ ist dann auf einem zweiten Tangentenradius eines Randes B₂ befindlich, das Pixel E₂ gegenüber dem Kreis des Zentrums Ω_i einschließend, bei x, y lokalisiert und eines Radius R_i.
Die Randpixel E₁ und E₂ werden gepaart, wenn diese Bedingungen vereint sind und wenn außerdem die Gradientenvektoren entweder alle beide zum Zentrum Ω_i oder in die entgegengesetzte Richtung gerichtet sind, abhängig davon, ob das zu verarbeitende Bild J_i aus dunklen Obj ekten auf hellem Hintergrund oder umgekehrt gebildet wird. Unter diesen beiden Bedingungen gibt es einen Kreis C_i mit einem Radius R_i, grundlegend zum ersten Rand B₁ und zu einem zweiten Rand B₂, respektive bei E₁ und E₂, tangential. Man kann so in einem Bild J_i oder in verschiedenen Bildern J_i in verschiedenen Maßstäben σ_i mehrere Randpixelpaare E₁, E₂ definierten, die einer bestimmten Lokalisierung x, y entsprechen. Die mit diesen Paaren assoziierten Zentren Ω_i werden als potentielle Medianpixel Ω_iP bezeichnet.
5.2 -Vertrauensmaß
In Schritt 50.i assoziiert man außerdem jedem potentiellen medianen Pixel Ω _iP ein Vertrauensmaß, grundlegend in der Pixelausrichtung des Paars E₁, E₂ zu liegen.
Zu diesem Zweck definiert man in Bezug auf die 5B und 5C den zwischen diesen aufgegliederten Richtungen θ_E1, θ_E2 mit den Pixeln des Paars E₁, E₂ assoziierte Intensitätsgradienten, und man definiert eine bevorzugte aufgegliederte Richtung ψh, assoziiert mit dem potentiellen Medianpixel Ω_iP, das ein Maß des Halbwinkels Δψ zwischen den aufgegliederten Richtungen θ_E1, θ_E2 festlegt. Der Index h ist eine mit j verbundene Aufgliederungskonstante. Das mit einem potentiellen Medianpixel Ω _iP assoziierte Vertrauensmaß wird durch das Produkt des kleinsten der beiden Werte des Intensitätsgradienten in Bezug auf respektive die Pixel des Paars E1 und E2 mit dem Sinuswert des Halbwinkels Δψ erhalten. Dieses Vertrauensmaß ist umso größer, je mehr der Sinus des Halbwinkels Δψ nahe 1 ist, also der Halbwinkel Δψ nahe π/2 ist, entsprechend dem Fall, in dem das potentielle Medianpixel nahe der Ausrichtung mit den Pixeln des Paars E₁, E₂ ist, wie auf 5C gezeigt.
Die Daten in Bezug auf die Lokalisierung der potentiellen Medianpixel Ω_iP und die assoziierten Vertrauensmaße werden dann entnommen und gespeichert. Jedes der entsprechenden Pixel Ω_iP ist ein Kandidat zur Bildung der Medianpixel der Objekte. Es müssen die besten Kandidaten ausgesucht werden. Ein numerisches Bild J_P im Anfangs maßstab des Bildes J₀, gebildet aus den potentiellen Medianpixeln Ω_iP, ist auf 1F dargestellt.
6/ Extraktion der Medianpixel
6.1- Isotrope Auswahl
In einem Schritt 60i untersucht man an einer bestimmten Lokalisierung x, y, ob es in einem selben Bild J_i oder in verschiedenen Bildern J_i in verschiedenen Maßstäben mehrere potentielle Medianpixel gibt, die mit Pixelpaaren verschiedenen Rands E₁, E₂ assoziiert und mit verschiedenen Vertrauensmaßen assoziiert sind. In diesem Fall wird eine erste, sogenannte Isotrope Auswahl durchgeführt, um den besten Kandidaten beizubehalten. Diese Auswahl besteht in der Bestimmung desjenigen potentiellen Medianpixels mit dieser Lokalisierung x, y in einem Bild J_i, das außerdem das maximale Vertrauensmaß hat, und im Entfernen der anderen potentiellen Medianpixel selber Lokalisierung im selben Bild J_i. Außerdem kann man ein potentielles Medianpixel mit einem maximalen Vertrauensmaß gegenüber potentiellen Medianpixeln selber Lokalisierung x, y auswählen, die jedoch verschiedenen Bildern J₁ bis J_M entnommen wurden. In diesem Fall begünstigt man die Detektion von Objekten mit einem zu 2R_I unterschiedlichen Durchmesser, d. h. kleiner oder größer, was im Falle von Objektkreuzungen ein großer Vorteil ist. Die verbleibenden potentiellen Medianpixel bilden ein numerisches Bild J_ISO wie auf 1G dargestellt.
6.2 – Anisotrope Auswahl
Diese verbleibenden potentiellen Medianpixel liegen aufgrund ihres maximalen Vertrauensmaßes grundlegend in der Ausrichtung der assoziierten Pixel des Paares E₁, E₂.
Die verbleibenden potentiellen Medianpixel haben unterschiedliche Lokalisierungen. Man nimmt jetzt in einem Schritt 70 eine zweite, anisotropisch bezeichnete Auswahl vor. Zu diesem Zweck wird das Bild entlang einer zur vorgezogenen Richtung Ψ_h rechtwinkligen Geraden abgetastet. Ein potentielles Medianpixel Ω_iP wird als Medianpixel Ω_iM ausgewählt, wenn seine Intensität gegenüber seinen Nachbarn in einem Fenster zu dem weiter oben definierten Radius R_i kleiner oder gleich groß ist.
Ein numerisches Bild J_MED wie auf 1H dargestellt wird im Maßstab des Bildes J₀ aufgebaut, mit allen als Medianpixel Ω_iM der bandförmigen Objekte oder Gefäße ausgewählten Pixeln, die aus allen Bildern J_i extrahiert wurden.
7/ Tracking der Medianpixel zum Aufbau des Objektskeletts
In einem Bild J_MED werden die im vorhergehenden Schritt als Medianpixel der Objekte extrahierten Pixel in einem Schritt 80 zum Aufbau des Objektskeletts ausgehend von einem Anfangs-Medianpixel unter Bestimmung der angrenzenden Pixel aneinandergegliedert.
Die extrahierten Medianpixel Ω_iM werden mit ihren Merkmalen versehen, die ihnen im Bild J_MED und in den Bildern J_i, wo sie extrahiert wurden, entnommen wurden:
ihrer Lokalisierung x, y im Bild J_MED
ihrer Anfangsintensität im Bild J_MED
der bevorzugten Richtung ψh, die ihnen assoziiert wird und die im geglätteten Bild J_i bestimmt wurde,
dem Maßstab σ_i des geglätteten Bildes J_i, aus dem sie extrahiert wurden.
In Bezug auf 6 wird das Bild J_MED auf herkömmliche Weise abgetastet. Man sucht in einem Anfangs-Medianpixel die besten Nachbarn unter den anderen Medianpixeln, um das Vorgängerpixel und das Nachfolgepixel des Skeletts zu bilden.
Zu diesem Zweck bestimmt man einen Suchwinkel ± σψ vorher, z. B. ± π/8, um die bevorzugte Richtung ψ_h, und man sucht die besten Nachbarn in der so gebildeten Sektorenzone zwischen den Geraden ψ' und ψ'', die um ψ_h die Winkel ± σψ bilden. In dieser Sektorenzone bestimmt man eine maximale Suchdistanz d vorher, z. B. d = 15 Pixel. Man sucht dann die Vorgänger- und Nachfolgepixel, die die Intensität haben, die am nächsten zu der des Anfangspixels in der Sektorenzone und innerhalb der Distanzspanne liegt. Dazu lässt man die Aneinandergliederung nicht nur der Medianpixel zu, die aus einem selben geglätteten Bild in einem bestimmten Maßstab σ_i extrahiert wurden, sondern auch der Medianpixel, die aus anderen Medianbildern in den nächstliegenden Maßstäben extrahiert wurden. Man bestimmt z. B. vorher, dass man als beste Nachbarn der Medianpixel diejenigen zulässt, die aus den geglätteten Bildern in einem oder zwei größeren oder kleineren Maßstäben extrahiert wurden.
Die als beste Vorgänger oder Nachfolger gefundenen Medianpixel Ω_iM, auch Adjazenten bezeichnet, sind mit dem betrachteten Medianpixel verbunden. Dann sucht man nach und nach einerseits die besten Vorgänger und andererseits die besten Nachfolger, und man baut so ausgehend von dem numerischen Bild J_MED eine Pixelgliederung, die das Skelett der Objekte darstellen, die aus den Medianpixeln gebildet werden, d. h. der in gleicher Distanz zum Rand der Objekte gelegenen Pixeln, auf. Wenn man keinen Vorgänger oder Nachfolger für eine bestimmte Kette mehr findet, beendet man die Kette, und man beginnt eine andere Kette ausgehend von einem anderen Medianpixel als Anfangspixel. Dies führt dazu, dass die Skelette der verschiedenen Objekte voneinander unabhängig extrahiert werden, wie auf dem Bild J_SK der 1I gezeigt.
Für spätere Anwendungen teilt man z. B. jedem Pixel von Medianpixelketten Nummern q einer kontinuierlichen Folge zu.
8/ Anwendungen
8.1 Wiederaufbau von Bildobjekten
Mit dieser Anwendung führt man eine zusätzliche Operation 80 für den Wiederaufbau bandförmiger Objekte durch, indem man die Flächen der verschiedenen Kreise des Radius R_i integriert, die mit den verschiedenen Maßstäben σ_i verbunden sind, und diesen Flächen die Intensitäten dieser Zentren zuteilt.
Man erhält so ein numerisches Bild J_A, wie auf 1J dargestellt, der Objekte, deren Intensität erhöht wurde, da man als Medianpixel Ω_iM und später als Skelettpixel die Pixel mit extremen Intensitätswerten ausgewählt hat. Dieses Bild kann entweder angezeigt oder in geeigneten Systemen gespeichert werden.
Es werden eine gewisse Anzahl Daten in Bezug auf jedes Pixel des Skeletts gespeichert. Diese Daten sind:
seine Nummer q,
der Radius R_i des dem Maßstab des Bildes, aus dem das Pixel extrahiert wurde, entsprechenden Kreises.
8.2 Entfernung von störenden Objekten aus dem Bild
Mit der weiter oben beschriebenen Methode werden die Objekte einzeln extrahiert, da die Pixel des Skeletts mit der beschriebenen Tracking-Methode bestimmt werden, die, da sie nicht Teil desselben Objekts sind, die Vorgänger- oder Nachfolgepixel entfernt, deren bevorzugte Richtung ψ_h zu weit von derjenigen der verfolgten Pixel entfernt ist. Somit können zwei sich kreuzende Objekte nicht als ein einziges Objekt erkannt werden: Sie werden als individuelle Objekte erkannt.
Dieser Vorteil wird für eine Operation 81 zur Entfernung von störenden Objekten aus dem Bild verwendet. So bereitet es Schwierigkeiten in Arteriogrammen des Thorax bei der Suche nach einem Emphysem, wenn die Rippen bandförmige Objekte sind, die die Untersuchung der Gefäße, ebenfalls bandförmig, doch unterschiedlichen Durchmessers, behindern. Die von den Rippen gebildeten Objekte werden entfernt, indem die Bandförmigen Objekte mit dem den Rippen entsprechenden Durchmessern extrahiert werden.
8.3 Detektion von Stenosen oder Aneurysmen
Mit einer anderen Anwendung werden Variationskurven der Radien R_i in Bezug auf die Nummer „q" des Skelettpixels mit einer Operation 82 erzeugt, die die einfache Erkennung einer abrupten Variation des Objektdurchmessers ermöglicht, wir 7 zeigt.
Auf solchen Kurven erkennt man somit abrupte Verengungen ST, die Stenosen entsprechen können, oder abrupte Vergrößerungen des Objektdurchmessers, was Aneurysmen entsprechen kann. Man ist gebührend sicher, dass eine Vergrößerung des Durchmessers sich an einem bestimmten Objekt auf einen Aneurysmus bezieht, und nicht einer Kreuzung von Objekten zugrunde liegt, da die Objekte voneinander unabhängig extrahiert werden.
Dies unterscheidet sich zum Ergebnis eines Segmentierungsverfahrens, demzufolge man zwei Objekte, die sich kreuzen oder überdecken, nicht trennen kann.
RÖNTGENSTRAHLENGERÄT
In Bezug auf 8 enthält in einem Beispiel ein numerisches Radiographiesystem eine Röntgenstrahlenquelle 1; einen beweglichen Tisch 2 zur Aufnahme eines Patienten; eine Bildverstärkervorrichtung 3, gekoppelt an eine Bildröhre 4, die Daten an ein System 5 zur numerischen Bildverarbeitung liefert, das einen Mikroprozessor aufweist. Dieser letztere beinhaltet mehrere Ausgänge, worunter einen Ausgang 6, der zur Anzeige von Röntgenbildern oder Intensitätsbildern an einen Monitor 7 gekoppelt ist.
Das numerische Röntgenbild kann 512 × 512 oder 1024 × 1024 Pixel aufweisen, mit 8 Bits oder 10 Bits kodiert. Jedes Pixel kann somit einer der 256 oder 1024 Intensitätsniveaus zugeteilt werden. Zum Beispiel haben die dunklen Bildbereiche eine niedere Intensitätsstufe, und die hellen Bereiche eine hohe Intensitätsstufe.
Das numerische Bild kann im fluoroskopischen Modus erhalten werden. Die Erfindung kann besonders bei der Verarbeitung arteriographischer Bilder eingesetzt werden.
Die numerische Bildverarbeitung nach dem weiter oben beschriebenen Verfahren wird in seinen verschiedenen Schritten und Operationen im System 5 vorgenommen. Die Daten werden in einem nicht dargestellten Speicherbereich gespeichert und falls erforderlich auf dem Monitor angezeigt. Es können außerdem nicht dargestellte Aufzeichnungsverfahren verwendet werden.

Claims

Verfahren zur Verarbeitung eines numerischen Bildes zur automatischen Extraktion von grundsätzlich auf einem Hintergrund dargestellten bandförmigen Objekten, wobei dieses Verfahren eine Operation zur Skelettierung der Objekte beinhaltet und das Verfahren dadurch gekennzeichnet ist, das es Schritte enthält zur: 1) Bildung ausgehend vom nicht aufgegliederten Bild (J₀) von geglätteten nicht aufgegliederten Bildern (J_i) in mehreren Maßstäben (σ_i), 2) Extraktion der Randpixel der Objekte in jedem geglätteten Bild einschließlich der Extraktion eines Pixels als Randpixel eines Objektes, wenn der Wert des mit diesem Pixel assoziierten Intensitätsgradienten lokal in einer aufgegliederte Orientierungsrichtung θ₁... θ_M) dieses Gradienten maximal ist, 3) Extraktion von potentiellen Medianpixeln (Ω_iP) in jedem geglätteten Bild, einschließlich der Extraktion eines Pixels als potentielles Medianpixel, wenn es im Zentrum Ω₁) eines Kreises mit einem Radius (R_i) lokalisiert ist, über eine Proportionalitätskonstante (k) mit dem Maßstab (σ₁) verbunden, an den extrahierten Rändern tangential zu einem gesonderten Randpixelpaar (E₁, E₂), und wenn es mit dem Vertrauensmaß verbunden ist, dass das Zentrum (Ω₁) des Kreises und die Pixel des besagten Randpixelpaares (E₁, E₂) grundsätzlich ausgerichtet sind, 4) Extraktion der Medianpixel Ω_iM im numerischen Bild, einschließlich der Extraktion eines Pixels als Medianpixel durch eine erste Auswahl der aus den verschiedenen geglätteten Bildern extrahierten Medianpixel, die das maximale Vertrauensmaß für eine selbe Lokalisierung haben, und durch eine zweite Auswahl der verbleibenden potentiellen Medianpixel, die lokal eine grundsätzlich substantielle Intensität entsprechend der Ausrichtungsrichtung der zuvor extrahierten Medianpixel haben, 5) Verfolgung der besagten extrahierten Medianpixel in einem numerischen Bild (J_MED), gebildet aus den extrahierten Medianpixeln, um die Skelette der Objekte zu bilden.
Verfahren nach Anspruch 1, in dem in Schritt 3) ein Pixel als potentielles Medianpixel (Ω_iP) extrahiert wird, mit dem Zentrum (Ω_i) des besagten Kreises assoziiert: wenn die Pixel des besagten Pixelpaares (E₁, E₂) unterschiedlichen Rands grundsätzlich in dem besagten Kreis befindlich sind, auf Tangentenradien des besagten Kreises, die grundsätzlich mit den aufgegliederten Orientierungsrichtungen der Gradienten der besagten Randpixel (E₁, E₂) des Paares übereinstimmen, und wenn das besagte extrahierte potentielle Medianpixel mit einem vom Produkt des kleinsten Wertes der Intensitätsgradienten des Randpixelpaars mit dem Sinuswert des Halbwinkels zwischen den aufgegliederten Orientierungsrichtungen der entsprechenden Gradienten assoziiertes Vertrauensmaß hat und die Extraktion ebenso viele mit einer selben Lokalisierung (x, y) assoziierte potentielle Medianpixel aufweist, wie es derartige Paare in den verschiedenen geglätteten Bildern (J_i) gibt.
Verfahren nach Anspruch 2, in dem: in Schritt 4) die erste Auswahl eines potentiellen Medianpixels unter mehreren potentiellen Medianpixeln selber Lokalisierung in verschiedenen geglätteten Bildern (J_i) die Extraktion desjenigen bewirkt, dessen das Vertrauensmaß bildendes Produkt maximal ist, und die zweite Auswahl eines Medianpixels unter verbleibenden potentiellen Medianpixeln die Extraktion desjenigen bewirkt, der eine maximale Intensität aufweist, betrachtet in einer rechtwinkligen Orientierungsrichtung zur aufgegliederten Orientierungsrichtung (ψh) der Winkelhalbierenden zwischen den aufgegliederten Orientierungsrichtungen (θ_j) der Gradienten der Randpixel des Paares ((E₁, E₂) in Assoziation mit diesem Medianpixel.
Verfahren nach Anspruch 3, in dem: in Schritt 5) das Tracking der extrahierten Medianpixel in Assoziation mit jedem extrahierten Medianpixel vorgenommen wird, mit Merkmalen einschließlich: seiner Lokalisierung im numerischen Bild (J_ME _D), seiner Intensität im numerischen Bild (J_ME _D), dem Maßstab (σ_i) des geglätteten Bildes (J_i), aus dem es extrahiert wurde, einer bevorzugten Richtung (ψ_h), gebildet aus den aufgegliederten Orientierungsrichtungen der Winkelhalbierenden zwischen den aufgegliederten Orientierungsrichtungen (θ_j) der Gradienten der beiden Randpixel (E_I, E₂). des Paares, das ihr im geglätteten Bild (J_i), aus dem es extrahiert wurde, assoziiert ist, und der Bestimmung, ausgehend von einer Lokalisierung eines extrahierten Medianpixels, eines benachbarten Medianpixels, definiert als extrahiertes Medianpixel mit Distanz- (d), Intensitäts- (I) und Maßstabseigenschaften (σ_i), und Bevorzugung einer Richtung (ψ_h) innerhalb vorbestimmter Spannen und nach und nach Aneinandergliederung von benachbarten Medianpixel.
Verfahren nach einem der Ansprüche 2 bis 4, in dem: Schritt 3) die Generierung eines Kreises im Zentrum (Ω_i), lokalisiert am laufenden Pixel P(x, y) zeigt, gebildet aus um das Zentrum angeordneten Pixeln in einer grundsätzlich zum Radius (R_i) gleichen Distanz, proportional zum Maßstab (σ_i) des geglätteten Bildes (J_i), wobei diese Pixel des Kreises außerdem auf Radien in aufgegliederten Orientierungsrichtungen (θ₁... θ_M) angeordnet sind, in Assoziation mit den Intensitätsgradienten der Randpixel, und das die Passage dieses Kreises durch das geglättete Bild beinhaltet, die Suche eines ersten Randpixels (E₁), das grundsätzlich mit einem Pixel des Kreises übereinstimmt, mit einer aufgegliederten Richtung (θ_E1) des Gradienten, die grundsätzlich mit dem Radius des Kreises übereinstimmt und, nachdem dieses erste Randpixel (E1) gefunden wurde die Suche eines zweiten Randpixels (E2), das grundsätzlich mit einem anderen Randpixel übereinstimmt, mit einer aufgegliederten Orientierungsrichtung (θ_E2) des Gradienten, die grundsätzlich mit dem entsprechenden Radius des Kreises übereinstimmt, um ein Pixelpaar (E1, E2) zu bilden, mit einem zum Pixelzentrum (Ω_i) assoziierten Rand, was ein potentielles Medianpixel (Ω_iP) bildet.
Verfahren nach einem der Ansprüche 2 bis 5, einschließlich in Schritt 2) der Extraktion von Randpixeln, der Bestimmung von Orientierungen der Intensitätsgradienten, der Aufgliederung dieser Orientierungen in eine Vielzahl von Richtungen (θ₁ bis θ_M), angular aufgeteilt von π/M in π/M auf einer geglätteten Bildfläche in dem betrachteten Maßstab (σ_i) und der Anwendung eines Kriteriums zur Extraktion der Randpixel, bestehend aus der Bedingung, dass ein Pixel als Randpixel erfasst und später extrahiert wird, wenn der Wert des Gradienten maximal in lokaler Betrachtung in dieser bestimmten aufgegliederten Richtung liegt.
Verfahren nach Anspruch 6, einschließlich in Schritt 4) der zweiten Auswahl der Medianpixel, der Bestimmung einer aufgegliederten Orientierungsrichtung der Winkelhalbierenden zur Bildung einer bevorzugten Richtung (ψ_h) in Assoziation mit dem potentiellen Medianpixel (Ω_iP) dem Abtasten des betrachteten geglätteten Bildes rechtwinklig zu dieser bevorzugten Richtung und der Auswahl eines Medianpixels mit extremem Intensi tätswert in dieser Richtung in einem zum Radius (R_i) des Kreises kleineren oder gleich großen Fenster.
Verfahren nach einem der Ansprüche 1 bis 7, mit zusätzlich einem Schritt zur Rekonstruktion der bandförmigen Objekte durch die Integration der Kreisflächen verschiedener Radien (R_i), mit den Maßstäben (σ_i) verbunden, mit als Zentrum den Skelettpixeln unter Zuteilung der Intensitäten dieser Zentren an diese Flächen.
Verfahren nach einem der Ansprüche 1 bis 8, mit zusätzlich einem Schritt zur Bestimmung der Durchmesservariationen der bandförmigen Objekte mit der Untersuchung der Radiusvariationen (R_i) unter Berücksichtigung einer Nummer (q) einer jeden aufeinanderfolgenden Pixeln zugeteilten Folge des Skeletts.
Verfahren nach einem der Ansprüche 1 bis 9, mit einschließlich einem Schritt zur Extraktion des Hintergrunds, bewerkstelligt an geglätteten Bildern vor dem Schritt zur Extraktion der Randpixel, bestehend aus: einem Unterschritt zur Passage der Pixel des geglätteten Bildes durch einen Satz von P Filtern, regelmäßig angular von π/P in π/P orientiert, die jeweils einen Intensitätsdurchschnitt der beiderseits des laufenden Pixels befindlichen Pixel festlegen, in einer zum Radius (R_i) der Gefäße in dem gesagten geglätteten Bild größeren Distanz (D_i), und die dem laufenden Pixel diesen Durchschnitt zuteilen, einem Unterschritt zum Aufbau eines Hintergrundbildes (J_iBO), wo jedem Pixel der niedrigste Intensitätswert unter den von den Filtern des Satzes festgelegten Intensitäten zugeteilt wird, einem Unterschritt zur Subtraktion des Hintergrunds im geglätteten Bild.
Vorrichtung für medizinisches System zur Verarbeitung numerischer medizinischer Bilder mit bandförmigen Objekten auf einem Hintergrund, einschließlich einem Bildaufnahmesystem, einem Bildverarbeitungssystem mit Zugang zu den numerischen Bilddaten und einem Anzeigesystem der aufgenommenen Bilder und der verarbeiteten Bilder, Vorrichtung, in dem das System zur Verarbeitung von Bildern einen Mikroprozessor zur Umsetzung des Verfahrens nach einem der Ansprüche 1 bis 10 aufweist.