JP2000011170A - 離散的ピクセル画像を強調する方法及び装置 - Google Patents

Abstract

(57)【要約】 （修正有） 【課題】 計算効率のよい態様で離散的ピクセル画像を
強調する手法を提供する。 【解決手段】 離散的ピクセル画像３６を表すピクセル
・データを処理して、ピクセル・データによって画定さ
れている画像の構造４８及び非構造５０を識別する。こ
れらの構造及び非構造は、異なる方式で処理される。構
造は、各々のピクセルについて勾配情報を算出し、これ
らの勾配情報を勾配閾値と比較すると共に、隣接ピクセ
ルの勾配方向を互いに比較することにより識別される。
構造を画定するエッジは、二値順序統計量フィルタ処理
される。構造は配向平滑化されると共に鮮鋭化される。
非構造は均一化平滑化されて、元のテクスチャが非構造
領域に配合される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、離散的な画素すな
わちピクセルによるイメージング手法に関し、より具体
的には、これらの画像においてピクセルを表す信号また
は値を分析し修正して、計算効率のよい態様でより一層
わかり易い全体画像を提供する手法に関する。この手法
は、磁気共鳴イメージングのような医用イメージング・
システム及び方法に特に適している。

【０００２】

【従来の技術】様々な離散的ピクセル・イメージング手
法が知られていて、現在利用されている。一般的には、
これらの手法は、画像マトリクスを構成する各々の離散
的ピクセルを表すデータの収集または取得が必要であ
る。ピクセルによって表されるデータを作るためには、
磁気共鳴法、Ｘ線法及びその他を含めた様々な方法を利
用することができる。用いられる特定の方法に応じて、
ピクセルのデータは検出されて、例えばディジタル値の
形態にエンコード（符号化）される。これらの値は、走
査している被検体の画像の中のピクセルの特定の相対位
置に割り当てられる。画像マトリクス全体を構成するピ
クセルを表すデータ値が取得された後に、個々のピクセ
ル値を処理することにより画像が再構成される。

【０００３】処理後の画像の有用性はしばしば、画像が
ユーザによって解釈され得る度合いに大きく依存する。
例えば、医用診断及び医療処置の分野では、ＭＲ画像、
Ｘ線画像及びその他の画像は、担当の医師または技師に
よって容易に理解され比較され得る場合に最も有用とな
る。更に、多数の画像処理パラメータが最終的な画像の
表示を制御し得るが、最適な画像表現を提供するために
これらのパラメータのうちどれを又は該パラメータのど
のような組み合わせを調節すればよいかを決定するのは
しばしば困難である。多くの場合に、画像処理手法は、
医師からの経験的なフィードバックに従って調節しなけ
ればならない。

【０００４】観測者による解釈が可能な再構成された離
散的ピクセル画像を提供する設備は、観測者も意識的に
気づいてはいないかも知れないような直感的な要素に頼
っている場合がある。例えば、医師または技師は、画像
の中の特定の構造または特定の特徴を捜す。医用イメー
ジングでは、これらの特徴としては、骨、軟組織または
体液が挙げられる。これらの構造は、連続したエッジ、
コントラスト、テクスチャなどによって画像の中で物理
的に画定することが出来る。これらの特徴の表現は、し
ばしば、各々のピクセルを表す検出値を最終的な画像に
用いられる修正された値へ変換するのに用いられる特定
の画像処理手法に大きく依存している。このように、用
いられる信号処理手法は、観測者が関心のある顕著な特
徴を見て把握する能力に大きな影響を与える可能性があ
る。従って、この手法は、異常な構造または異例の構造
を含めた諸構造を慎重に維持すると同時に、これらの構
造及び周囲の背景を解釈するための妥当なテクスチャ情
報及びコントラスト情報を提供するものでなければなら
ない。

【０００５】

【発明が解決しようとする課題】離散的ピクセル画像を
強調するための公知の信号処理システムには、いくつか
の欠点がある。例えば、これらのシステムは、顕著な特
徴または構造を容易に視覚化し得るような比較可能な画
像表現を一貫して提供し得ない可能性がある。再構成さ
れた画像の間の差異は、個々のスキャナ及び回路要素の
特殊性に起因しているかも知れないし、検出されたパラ
メータ（例えば、分子励起または受信放射線）における
ばらつきに起因しているかも知れない。更に、走査して
いる被検体の大きさ、組成及び位置に起因している可能
性もある。公知のシステムで採用されている信号処理手
法では、これらの手法を実現しているハードウェア装置
またはファームウェア装置が比較的融通性に欠けること
から、手法を再編成する又は調節することがしばしば困
難である。最後に、公知の信号処理手法は、しばしば、
特に効率的とは言えないような計算アルゴリズムを採用
しており、その結果、再構成される画像の形成に遅延を
生じたり、または信号処理能力を十分に活用することが
できなかったりする。

【０００６】

【課題を解決するための手段】本発明は、計算効率のよ
い態様で離散的ピクセル画像を強調する改良された手法
を提供する。この手法は、画像内の顕著な構造の識別及
びこのような構造を表すピクセルの識別を可能にする。
典型的な実施態様では、構造の識別に続いて、構造領域
及び非構造領域を含めた画像の各部分が平滑化される。
構造領域は、主要な配向(orientation) において構造的
特徴を強調するように平滑化することができる。非構造
領域は、顕著な構造に対する理解可能な背景を形成する
ように均一化することができる。構造は更に鮮鋭化する
ことができ、ノイズを表していると考えられる微小な部
分を識別することができる。これらのアーティファクト
は、その大きさ及び位置に応じて、平滑化するか、また
は画定された構造から除去することができる。元のテク
スチャを非構造領域に戻し加算することにより、非構造
的特徴及び構造的特徴の両方の解釈を更に容易にするこ
とができる。本発明の手法は、磁気共鳴イメージング・
システムで特に有用であるが、様々な方式に用いること
ができる。

【０００７】

【発明の実施の形態】ここで、図面を参照して説明する
と、まず図１には、離散的ピクセル・データを取得して
処理する回路要素に結合されたスキャナ１２を含む磁気
共鳴イメージング・システム１０が示されている。スキ
ャナ１２は、その支持構造１４内に被検体１６を載置し
て、組織、体液及びその他のような内部の特徴を表す画
像を取得することができる。スキャナ１２は、当業界で
周知の方式で電磁場を発生させる電磁的構成１８を含ん
でいる。スキャナ１２内部には励起及び検知用コイル２
０が設けられており、これらにより被検体１６内部の磁
気回転性物質を励起して物質からの放出波を検知する。

【０００８】コイル２０によって検知された信号は、被
検体内部の特定の位置で放出された励起信号を表すディ
ジタル値を構成するようにエンコードされて、信号取得
回路要素２２に送られる。信号取得回路要素２２はま
た、特定の画像取得シーケンス中にコイル２０によって
形成される磁場の構成及び配置のための制御信号を供給
する。信号取得回路要素２２は、エンコードされた画像
信号を信号処理回路２４に送信する。信号処理回路２４
は、メモリ回路２６内に記憶されている所定の制御ロジ
ック・ルーチンを実行し、信号取得回路２２から受信さ
れた信号をフィルタ処理すると共に調節して、取得され
た画像内の各々のピクセルを表すディジタル値を作成す
る。次いで、これらの値は、以後の処理及び表示のため
にメモリ回路２６に記憶される。

【０００９】信号処理回路２４は、入力装置２８から入
力インタフェイス回路３０を介して構成命令及び制御命
令を受信する。入力装置２８は典型的には、構成パラメ
ータを選択的に入力すると共に特定の画像取得シーケン
スを指令するためのオペレータ用ステーション及びキー
ボードを含んでいる。信号処理回路２４はまた、出力イ
ンタフェイス回路３４を介して出力装置３２に結合され
ている。出力装置３２は、典型的には、信号処理回路２
４によって実行される画像強調処理に基づいて再構成画
像を作成するためのモニタまたはプリンタを含んでい
る。

【００１０】本発明の議論では、磁気共鳴イメージング
・システムによって形成される離散的ピクセル画像を参
照しているが、ここに記載されている信号処理手法は、
いかなる特定のイメージング方式にも限定されていない
ことに留意されたい。従って、これらの手法は、とりわ
け、Ｘ線システム、ＰＥＴシステム及び計算機式断層撮
影システムによって取得される画像データに適用するこ
とが出来る。また、記載されている実施例では、信号処
理回路２４、メモリ回路２６、並びに入力及び出力イン
タフェイス回路３０及び３４は、プログラム内蔵ディジ
タル・コンピュータに含まれている。しかしながら、こ
こに記載した手法を実行する回路要素は、特定用途向け
マイクロプロセッサ、アナログ回路要素、またはディジ
タル回路要素とアナログ回路要素との組合せにおいて適
当なコーディングとして構成してもよい。

【００１１】図２は、システム１０を介して形成される
例示的な離散的ピクセル画像３６を示す。画像３６は離
散的ピクセル３８のマトリクスで構成されており、離散
的ピクセル３８は一連の行４０及び列４２を成すように
互いに隣接して配列されている。これらのピクセルの行
及び列は、所定のマトリクス幅４４及びマトリクス高さ
４６を与えている。典型的なマトリクスの寸法には、２
５６×２５６ピクセル、５１２×５１２ピクセル、１０
２４×１０２４ピクセルなどがある。入力装置２８（図
１参照）を介して特定の画像マトリクス・サイズを選択
してもよく、被検体サイズ対イメージング・サイズ及び
所望の分解能などの要因に応じて画像マトリクス寸法を
変えてもよい。

【００１２】図２に示すように、画像３６は、隣接する
ピクセルによって画定される長く連続した線から成るも
のとして示されている構造領域４８を含んでいる。画像
３６はまた、構造領域４８の外部に位置している非構造
領域５０を含んでいる。画像３６はまた、様々な大きさ
（即ち、隣接ピクセルの数）の孤立したアーティファク
ト５２を含んでいる可能性があり、これらのアーティフ
ァクト５２は、構造領域として画定されることもある
し、後述する手法に従って構造の画定(definition)から
除去されることもある。

【００１３】構造領域４８及び非構造領域５０は、図３
に全体的に示されている制御ロジックに従って画像３６
内で識別され強調される。この制御ロジックは、好まし
くは、メモリ回路２６内に記憶されている適当なプログ
ラミング・コードに基づいて信号処理回路２４によって
実行される。図３で参照番号６０によって全体的に示さ
れている制御ロジック・ルーチンは、工程６２におい
て、信号強調処理に用いられるパラメータの初期化から
開始する。この初期化工程は、以下の議論に記載される
パラメータについての既定値及びオペレータ選択値の読
み込みを含んでおり、これらのパラメータには、構造か
ら除去されるべき小さな領域のサイズ及び「フォーカス
・パラメータ」等がある。所望により、入力装置２８を
介してこれらのパラメータのうちのいくつかを入力する
ようにプロンプトを出して、画像マトリクス・サイズの
ような様々なパラメータ選択肢から選択するようにオペ
レータに対して要求してもよい。

【００１４】工程６４において、信号処理回路２４は、
画像３６を画定するピクセルについて取得された生の値
を収集して正規化する。図示の実施例では、この工程
は、各々のピクセルにおける強度を表すディジタル値を
読み込むことと、所望のダイナミック・レンジにわたっ
てこれらの強度値をスケーリングすることとを含んでい
る。例えば、画像における最大強度値及び最小強度値を
決定し、これらの値を用いて出力装置３２の全ダイナミ
ック・レンジにわたるスケーリング係数を作成してもよ
い。更に、各々のピクセル値に対してデータ・オフセッ
ト値を加算または減算して、取得されたデータにおける
強度シフトを補正してもよい。工程６４において、回路
２４はこのようにして、図３にＩｒと示されている生の
画像データを処理して、取得回路要素または被検体にお
けるばらつきに依存しないようにして、ダイナミック・
レンジの所望の部分、例えば、１２ビットに広がるよう
にフィルタ処理されたピクセル値を含んでいる正規化さ
れた画像Ｉｎを形成する。

【００１５】ここでの議論では画像３６内部の強度値を
参照しているが、本発明の手法は、個々のピクセル３８
についてエンコードされている画像３６の上述のような
値を処理するのに用いてもよいし、または他の値を処理
するのに用いてもよいことに留意されたい。このような
パラメータには、周波数またはカラー（色）などがあ
る。

【００１６】工程６６において、信号処理回路２４は、
画像の個々のピクセルを表すデータによって画定されて
いるような、画像３６内の構造４８を識別する所定のロ
ジック・ルーチンを実行する。本発明の手法に従って構
造を識別する例示的な工程は、図４を参照して後述す
る。工程６８では、工程６６において識別された構造が
配向平滑化されるが、これについては、図９〜図１２を
参照して後で説明する。この配向平滑化のために様々な
手法を用いることができるが、記載される実施例では、
主配向平滑化を実行してもよいし、主配向平滑化は構造
の広がりと広がりとの間のギャップをブリッジング（br
idging）する傾向にあるので、このようなブリッジング
を回避するために、局所配向平滑化を用いてもよい。工
程６８は、工程６６において定義される構造マスクＭｓ
に基づいて、正規化された画像Ｉｎに対して実行され
る。工程６８において実行される配向平滑化は、このよ
うにして、正規化された画像をフィルタ処理済み画像Ｉ
ｆへ変換し、フィルタ処理済み画像Ｉｆは更に後続の処
理によって修正される。

【００１７】フィルタ処理済み画像Ｉｆは、以下のよう
にして更に処理される。工程７０において、信号処理回
路２４が画像３６の非構造領域に対して均一化平滑化を
行う。図１３を参照して後に更に詳述するように、この
均一化平滑化は、非構造領域の特徴を、工程６６におい
て識別された構造を取り巻く環境に配合(blend) させる
ためのものである。工程７２において、工程６６におい
て識別された構造は、配向鮮鋭化される。配向鮮鋭化の
処理は、図１４を参照して後に更に詳述する。次いで、
工程７４において、フィルタ処理済み画像を、フィルタ
処理済み強度値及び元の正規化された強度範囲に基づい
て再正規化する。最後に、工程７６において、画像の非
構造領域に存在するテクスチャを、再正規化されたフィ
ルタ処理済み画像Ｉｆｎに戻し配合して、最終画像用の
背景基準を提供する。テクスチャ配合処理については、
図１５を参照して後述する。工程７６に続いて、結果と
して得られたピクセル画像値をメモリ回路２６に記憶し
て、画像３６への最終的な再構成を行う。

【００１８】図４は、画像３６内部の構造領域４８を識
別すると共に、構造領域の画定から小さな又はノイズの
多い孤立領域を除去するための制御ロジックにおける工
程を示している。上に示したように、図３では工程６６
としてまとめられている図４のロジックは、正規化され
た画像Ｉｎのピクセル・データから開始する。工程８０
において、各々のピクセルについてのＸ勾配成分及びＹ
勾配成分が算出される。この目的のためには様々な手法
を用いることができるが、現状で好ましい実施例では、
図５に示す３×３のソーベル（Sobel ）モジュールまた
はオペレータ１０２及び１０４を用いる。当業者には理
解されるように、モジュール１０２は、各々のピクセル
のＸ勾配成分を識別するために用いられ、またモジュー
ル１０４は、各々のピクセルのＹ勾配成分を識別するた
めに用いられる。この処理では、モジュール１０２及び
１０４は、関心のある個々のピクセルの上に、関心のあ
るピクセルを３×３モジュールの中央位置に配置した状
態で重畳される。各々のモジュール内部の要素位置にあ
る強度値に、対応する要素に含まれているスカラ値を乗
算し、結果として得られる値を合計して、対応するＸ勾
配成分及びＹ勾配成分に到達する。

【００１９】このようにして算出された勾配成分を用い
て、工程８２では、勾配の大きさＧｍａｇ及び勾配方向
Ｇｄｉｒが算出される。現状での好ましい手法では、各
々のピクセルの勾配の大きさは、それぞれのピクセルの
Ｘ勾配成分の絶対値及びＹ勾配成分の絶対値のうちの大
きい方に等い。勾配方向は、Ｙ成分をＸ成分で除算した
ものの逆正接を求めることにより決定される。Ｘ成分が
ゼロに等しいピクセルについては、勾配方向に、π／２
の値が割り当てられる。各々のピクセルについての勾配
の大きさの値及び勾配方向の値は、メモリ回路２６に保
存される。

【００２０】Ｘ勾配成分及びＹ勾配成分を識別し、ま
た、勾配の大きさ及び勾配方向を算出するために、代替
的な手法を採用してもよいことに留意されたい。例え
ば、当業者には、ソーベル（Sobel ）勾配モジュール１
０２及び１０４の代わりに、ロバーツ（Roberts ）のオ
ペレータまたはプリウィット（Prewitt） のオペレータ
のような他のモジュールを用いてもよいことが理解され
よう。更に、勾配の大きさは、Ｘ勾配成分の絶対値とＹ
勾配成分の絶対値との和に等しい値というように、他の
態様で割り当ててもよい。

【００２１】工程８２で決定された勾配の大きさの値に
基づいて、工程８４に示すように勾配ヒストグラムが形
成される。図６は、この種の勾配ヒストグラムの一例を
示している。参照番号１０６で示されているヒストグラ
ムは、特定の勾配値を有しているピクセルの特定の集団
の棒形式プロットである。これらの勾配値は水平軸１０
８に沿った位置によって示されており、各々の値につい
てのピクセル集団の個数は垂直軸１１０に沿って示され
ており、各々の個数は、離散的なレベル１１２に位置し
ている。得られた棒グラフは、段階的な勾配分布曲線１
１４を描く。当業者には、実際の具現の際に図６のヒス
トグラムはグラフ方式で表示される必要はなく、メモリ
回路要素に記憶されている値と協調して動作する信号処
理回路要素によって関数として決定してもよいことが理
解されよう。

【００２２】ヒストグラム１０６は、画像の構造成分を
非構造成分から分離するための勾配閾値を確定するのに
用いられる。閾値は、所望の勾配の大きさのレベルの所
に設定される。閾値またはそれより大きい値の勾配の大
きさを有しているピクセルは、画像内の構造を画定する
ための第１の規準を満たすものと考えられ、閾値よりも
小さい勾配の大きさを有しているピクセルは、最初は非
構造であると見なされる。構造を非構造から分離するの
に用いられる閾値は、好ましくは、自動的な処理または
以下に定義する「オートフォーカス」ルーチンによって
設定される。しかしながら、閾値は、オペレータの介入
（例えば、入力装置２８を介して）によって設定しても
よいし、または後述する処理を介して確定される自動的
な値をオペレータが上書きし、結果として得られる画像
に特定の情報を与えるようにしてもよいことに留意され
たい。

【００２３】図４にまとめたように、閾値を定めるため
の処理は、工程８６において、初期勾配閾値を選択する
ことにより開始する。図６で参照番号１１６として示さ
れているこの初期勾配閾値は、簡便には３０％といった
グローバル(global)ピクセル集団の百分位数に対応する
値に設定される。このようにして、ＩＧＴ値１１６の軸
１０８に沿った位置が、図６のヒストグラム１０６の左
手で軸１１０に隣接した端から右側に（即ち、勾配値が
増加する方向に）向かって移動しながらピクセル集団の
個数を加算していくことにより決定される。一旦、所望
の百分位数の値に到達したら、対応する勾配の大きさ
が、ＩＧＴに割り当てられる値となる。

【００２４】工程８８において、所望の構造のエッジの
検索が行われる。エッジの検索は、工程８６において選
択されたＩＧＴ値よりも大きな勾配の大きさを有してい
るピクセルの位置を求め、関心のある関連ピクセルを取
り巻く５×５ピクセルの隣接部を考察することにより進
行する。各々の関心のあるピクセルの５×５ピクセルの
隣接部の内部で、ＩＧＴよりも大きな勾配の大きさを有
しており、且つ所定の角度を超えて関心のあるピクセル
の方向と異なっているようなことのない方向を有してい
るピクセルの個数がカウントされる。現状で好ましい実
施例では、０．３５ラジアンの角度がこの比較工程にお
いて用いられる。５×５の隣接部での個数が、所定の
数、この実施例の場合には３を上回る場合には、この関
心のあるピクセルを関連エッジ・ピクセルとして識別す
る。工程９０において、関連エッジ・ピクセルとして工
程８８において識別されたピクセルには値１を割り当
て、他のすべてのピクセルにはゼロに等しい値を割り当
てた二値マスク画像が作成される。

【００２５】工程９２では、構造の潜在的な候補として
識別される小さな又はノイズの多いセグメントを、繰り
返し法により除去する。これらのセグメントを除去する
ための制御ロジックにおける工程が図７に示してある。
図７を参照すると、この処理は工程１２０において開始
し、ここでは、所望の値に等しい又はこれよりも大きな
勾配の大きさの値を有しているピクセルには１の値を割
り当て、他のすべてのピクセルにはゼロの値を割り当て
ることにより、二値画像が得られる。この二値画像すな
わちマスクは、工程９０（図４参照）において形成され
たものと実質的に同じである。工程１２２において、こ
の二値マスクにおいて１の値を有している各々のピクセ
ルに、画像の上方左手の隅から開始して下方右手に進む
インデクス番号を割り当てる。このインデクス番号は、
マスクの１の値を有している各々のピクセルについてイ
ンクリメント（増分）される。工程１２４において、マ
スクは、上方左手から開始して、小さな隣接部の内部の
ピクセルのインデクスの値を比較することにより行ごと
に分析される。例えば、あるインデクス番号を有してい
るピクセルが識別されたときに、４連結比較が行われ
る。この場合、関心のあるピクセルのインデクス番号
が、もし存在するならば、該関心のあるピクセルの上下
左右に直接に接して位置するピクセルのインデクス番号
と比較する。次いで、連結されたピクセルの各々につい
てのインデクス番号を、連結した隣接部内で最も小さな
インデクス番号に変更する。その後、ピクセル・マトリ
クスの全体を通してこの検索、比較及び再割り当てを続
行して、共通のインデクス番号が割り当てられている隣
接ピクセルから成る領域を求める。好ましい実施例で
は、参照番号１２４のこのインデクス番号マージ（併
合）工程を、図７の工程１２６によって示すように、数
回実行してもよい。各々のその後の繰り返しは、好まし
くは、反対方向に（すなわち、上から下へ、次いで下か
ら上へ）実行される。

【００２６】インデクス番号の後続の検索及びマージを
通じて行われる繰り返しの後には、インデクス番号のピ
クセル・マトリクスは、共通のインデクス番号を有して
いるピクセルから成る連続した領域を含んでいる。そし
て、図７の工程１２８に示すように、このインデクス・
マトリクスに現れる各々のインデクス番号を有している
ピクセルの数を数えることにより、該インデクス・マト
リクスからヒストグラムが作成される。当業者には明ら
かなように、インデクス番号を有している各々の独立し
たピクセルの連続した領域は、それぞれの独自のインデ
クス番号を有している。工程１３０では、所望の閾値よ
りも小さな集団を有しているインデクス番号によって表
されている領域が、図４の工程９０において決定された
構造の画定から除去される。現状での好ましい実施例で
は、５０ピクセルよりも小さいピクセル個数を有してい
る領域が工程１３０で除去される。但し、この工程で除
去されるべきピクセルの数は、マトリクス・サイズ、並
びに最終の画像内の構造の画定として許容されるべき孤
立したアーティファクトの量及びサイズの関数として選
択してもよい。

【００２７】図４に戻ると、小さなセグメントのピクセ
ルを工程９０において作成した二値マスクから除去した
状態で、工程９４に示すように、二値マスクに残ってい
るピクセルの数をカウントする。その結果得られる数を
用いて最終勾配閾値を決定してもよいが、構造の画定の
ための最終勾配閾値を決定する簡便な方法は、該得られ
たピクセルのカウント数に所望の数のピクセルを加算す
ることを含んでいるものであることがわかった。例え
ば、現状での好ましい実施例では、４０００の値を工程
９２から得られた二値マスクの個数（カウント）に加算
して、画像の構造画定における所望のピクセル数に到達
する。このパラメータは、デフォールト値として設定し
てもよいし、オペレータによって修正してもよい。一般
的には、加算の値が大きいほど、鮮鋭な画像が形成さ
れ、加算の値が小さいほど、平滑な画像が形成される。
この実施例では、このパラメータを「フォーカス・パラ
メータ」と呼び、フォーカス・パラメータをこのように
変化させて、構造及び非構造としてのピクセルの分類を
再画定することができる。

【００２８】所望の数の構造ピクセルをこのようにして
識別したら、図６に示したヒストグラム１０６に基づい
て、図４の工程９６に示すようにして最終勾配閾値また
はＦＧＴが決定される。具体的には、ヒストグラム１０
６の右手の端から始めて、各々の勾配の大きさの値ごと
の集団の個数を、参照番号１３２によって示すように左
手方向に移動しながら加算する。一旦、所望の数の構造
ピクセルに到達したら（即ち、工程９４においてカウン
トされたピクセルの数とフォーカス・パラメータとの
和）、対応する勾配の大きさの値を最終勾配閾値１３４
として定める。この最終勾配閾値に基づいて、ＦＧＴに
等しい又はこれよりも大きな値を有しているピクセルに
は１の値を割り当て、他のすべてのピクセルにはゼロの
値を割り当てることにより、新たな二値マスクが画定さ
れる。工程９８において、得られた二値マスクをフィル
タ処理して、図７の工程９２について上述したものと同
一の過程で、小さな孤立したセグメントを除去する。但
し、工程９８では、４連結隣接部ではなく、８連結隣接
部（即ち、関心のあるピクセルの境界を成しているエッ
ジ及びコーナを共有しているピクセルを含む）をインデ
クス番号マージ工程において考慮する。

【００２９】図４の工程１００では、前段の工程を通じ
て識別された画像の構造の候補を表している特徴のエッ
ジが、二値順序統計量フィルタ処理（binary rank orde
r filtering ）される。構造の候補として識別されたも
のをこのように強調するための手法としては様々なもの
を用いることができるが、二値順序統計量フィルタ処理
は、構造要素を画定するのに用いられる連続した特徴の
適当な幅を拡張すると共に画定するのに申し分のない結
果を与えることがわかった。工程１００の二値順序統計
量フィルタ処理を実現するための例示的な制御ロジック
における工程を図８に示す。

【００３０】図８を参照すると、二値順序統計量フィル
タ処理は、前の工程において作成され修正された二値マ
スクから、工程１４０において開始する。工程１４０で
は、回路２４は、二値マスク内で各々のピクセルが１の
値を有しているか否かを決定する。ピクセルがマスク内
で１の値を有していることが判明したら、工程１４２に
おいて隣接部のカウントを実行する。この隣接部のカウ
ントでは、関心のある構造ピクセルを取り巻く３×３の
隣接部内で、１の値を有している二値マスク内のピクセ
ルの個数をカウントする。この個数は、関心のあるピク
セルを含めたものである。工程１４４において、回路２
４は、工程１４２からの個数が、所望の個数ｍを超えた
か否かを決定する。この実施例では、工程１４４におい
て用いられるｍの値は２である。個数が値ｍを超えてい
ることが判明したら、工程１４６に示すように、関心の
あるピクセルに対して１の値が再割り当てされる。しか
しながら、個数がｍの値を超えていないものと判明した
ら、工程１４８に示すように、関心のあるピクセルは、
マスク内で０の値を割り当てられる。工程１４６及び工
程１４８に続いて、またはピクセルが工程１４０におい
てマスク内で元の値として１を有していない場合に、制
御は工程１５０に進む。

【００３１】工程１５０では、回路２４は、構造マスク
を再検査して、各々の関心のあるピクセルが０の値を有
しているか否かを決定する。０の値を有しているピクセ
ルの位置が見出されたら、回路２４は工程１５２に進ん
で、工程１４２に関して上述したものと同様の隣接部の
カウントを計算する。具体的には、関心のある非構造ピ
クセルの周囲の３×３の隣接部を検査して、この隣接部
において１のマスク値を有しているピクセルの個数を決
定する。工程１５４において、この隣接部の個数をパラ
メータｎと比較する。個数がパラメータｎを超えている
ことが判明したら、工程１５６においてこのピクセルに
ついてのマスク値を１に変更する。値がｎを超えていな
いことが判明したら、工程１５８に示すように、マスク
・ピクセルは、その０の値を維持する。この実施例で
は、工程１５４で用いられるｎの値は２である。工程１
５６または工程１５８の後には、結果として得られるマ
スクＭｓは、関心のある構造の特徴及び非構造領域を識
別する情報を含んでいる。詳しく述べると、マスク内で
１の値を有しているピクセルは、構造を識別するものと
見なされ、０の値を有しているピクセルは、非構造を示
すものと見なされる。

【００３２】このようにして画像の構造が識別された
ら、図３の工程６８に示すように、図９に線図として示
されているようなロジックを通して構造の配向平滑化が
行われる。図９に示すように、画像構造の配向平滑化
は、対応する構造についての正規化された値から開始し
て、所望の平滑化の種類に応じて異なる方式で進行する
ことができる。具体的には、図９で参照番号１６０と示
されているオペレータ入力に基づいて、論理判定ブロッ
ク１６２は、参照番号１６４に示されている主配向平滑
化を行うか、参照番号１６６に示されている局所配向平
滑化を行うかのいずれかを信号処理回路２４に指令す
る。主配向平滑化が選択されたら、構造ピクセルの強度
値を図１０に関して後に説明するようにして処理して、
二値マスクＭ′を作成する。図１０を参照して後で説明
する手順を繰り返した後に、マスクＭ′の値を工程１６
８において評価し、乗数α及びβを用いることにより構
造の強度値に対して平滑化を実行し、その結果得られた
値は、図９のブロック１７０、１７２及び１７４で、後
で説明するように加算される。

【００３３】参照番号１６４の主配向平滑化工程を説明
するために、ここで図１０を参照する。図１０に示すよ
うに、主配向平滑化は、工程１８０において、構造マス
クＭｓ内で構造ピクセルとして識別された各々のピクセ
ルに対して方向インデクスを割り当てることにより開始
する。この実施例では、各々の構造ピクセルに対して、
図１１に示すようにして、各々のピクセルについての統
計的な分散に従って４つの方向インデクスのうちの１つ
を割り当てている。図１１に示すように、各々の構造ピ
クセルを取り巻く局所的な隣接部１８２内で、ピクセル
・カーネルについての４つの方向における統計的な分散
を、周囲のピクセルの正規化された強度値を参照して算
出する。４つの算出された値から、分散が最小である方
向が選択され、図１１の参照番号１８４によって示すよ
うな対応する方向インデクスが割り当てられる。この実
施例では、これらの方向インデクスは、次のように割り
当てられる。即ち、４５°については「１」、１３５°
については「２」、９０°については「３」、及び０°
については「４」とする。これらの工程は、図１０の工
程番号１８６及び１８８にまとめられている。工程１９
０では、画像マトリクス・サイズに基づいて、局所面積
閾値が割り当てられている。この実施例では、２５６×
２５６ピクセルの画像については６の局所面積閾値を用
い、５１２×５１２ピクセルの画像については１４．２
５の値を用い、１０２４×１０２４ピクセルの画像につ
いては２３の値を用いる。

【００３４】工程１９２において、二値マスクＭ′が、
各々のピクセルについてゼロの値で初期化される。工程
１９４では、各々の構造ピクセルを取り巻く局所的な隣
接部内で工程１８８において設定された方向インデクス
を検査することにより、各々の構造ピクセルについて主
配向が確定される。この過程では、局所的な隣接部にお
いて見出される方向インデクスをカウントし、関心のあ
るピクセルに対して、最大のカウントを得るような方向
インデクス（または等しいカウントの場合には見出され
た最低のインデクス）を割り当てる。この実施例では、
工程１９４において主配向の方向を識別するのに用いら
れる隣接部のサイズは、考慮されている一連の画像マト
リクスの寸法で異なっている。具体的には、２５６×２
５６ピクセルの画像については３×３の隣接部が用いら
れ、５１２×５１２ピクセルの画像については５×５の
隣接部が用いられ、１０２４×１０２４ピクセルの画像
については９×９の隣接部が用いられる。

【００３５】工程１９６において、各々のピクセルにつ
いて、検索された隣接部において決定されたカウントを
局所面積閾値と比較する。カウントが局所面積閾値を超
えているものと判明したら、信号処理回路２４は工程１
９８に進む。この工程では、各々の構造ピクセルについ
ての強度値を関心のあるピクセルについての主方向にあ
る１×３のピクセルのカーネルの平均強度に等しく設定
する。続いて、工程２００において、二値マスクＭ′に
おける対応する位置の値を０から１へ変更する。工程１
９６において、カウントが特定のピクセルについて局所
面積閾値を超えていないことが判明したら、関心のある
ピクセルの強度値を工程２０２において示す重み付け平
均に等しく設定する。この重み付け平均は、以下の関係
によって決定される。

【００３６】重み付け平均＝（１／［１＋ｐ］）（入
力）＋（ｐ／［１＋ｐ］）（平滑化後の値） ここで、「入力」の値は、ルーチン１６４の開始時での
関心のあるピクセルの値であり、ｐは１と２００との間
の重み係数であり、「平滑化後の値」は関心のあるピク
セルの主方向にある１×３カーネルの平均強度である。
工程２００または工程２０２のいずれかから、回路２４
は図９の工程１６８に戻る。

【００３７】再び図９を見ると、工程１６８において、
二値マスクＭ′における各々のピクセルの値が評価され
る。値がゼロに等しいことが判明したら、工程１７０に
おいて、対応する強度値Ｉｉに重み係数αを乗算する。
この実施例では、係数αは０．４５に等しく設定されて
いる。次にブロック１７２にいて、上記の乗算で得られ
た値が、工程１７４において算出された、対応するピク
セルの正規化された強度値と重み係数βとの積に加算さ
れる。この実施例では、係数α及びβの和は１に等し
く、従ってβの値は０．５５となる。

【００３８】工程１６８において、二値マスクＭ′内で
特定のピクセルの値が１に等しいことが判明したら、制
御は判定ブロック１７６に進む。また、判定ブロック１
７６には、上述のブロック１７２において実行された加
算の後でも到達する。この実施例では、上述の主配向平
滑化工程は、所望の回数の繰り返しにわたって実行され
て、構造領域同士の間の十分な平滑化及びブリッジング
を行う。従って、工程１７６では、回路２４は、所望の
回数の繰り返しが完了したか否かを決定し、完了してい
なければ、工程１６４に戻って、構造領域を更に平滑化
する。この実施例では、オペレータは１回〜１０回のこ
のような繰り返しを選択することができる。

【００３９】前述したように、配向平滑化は、図９のブ
ロック１６６に示すような局所配向平滑化のための代替
的な一連の工程を通して進行することもできる。図１２
は、このような局所配向平滑化のための制御ロジックに
おける例示的な工程を示している。主配向平滑化の場合
と同様に、局所配向平滑化は、構造ピクセルの正規化さ
れた強度値から開始する。工程２０２において、主配向
平滑化処理について上述したものと同様にして、各々の
構造ピクセルの周囲の１×３ピクセルのカーネルについ
ての統計的な分散が各々のインデクス付き方向（図１１
参照）について算出される。工程２０４において、工程
２０２で各々のピクセルについて識別された統計的な分
散の最大値／最小値の比が算出される。工程２０６にお
いて、各々の構造ピクセルについてのこの比は、局所的
配向フィルタ処理用の緩和係数と呼ばれるパラメータＲ
と比較される。この実施例では、Ｒの値は、１と２００
との間に設定することができる。工程２０６において、
分散の比がＲよりも大きいことが判明したら、工程２０
８に示すように、関心のある構造ピクセルの強度値を最
小の分散の方向にある１×３ピクセルのカーネルについ
ての平均値と等しく設定することにより、局所的配向フ
ィルタ処理が達成される。工程２０６において、関心の
あるピクセルの分散の最大値と最小値との間の比がＲよ
りも大きくないことが判明したら、局所配向平滑化は行
われず、回路２４は工程２０８より先の点に進む。この
点から、制御は図９のブロック１７０に戻る。図９に示
すように、ブロック１７０において、各々の構造ピクセ
ルの強度値は重み係数αと乗算され、次いでブロック１
７２において、ブロック１７４で算出された対応するピ
クセルの正規化された強度値と重み係数βとの積と合計
される。上に示したように、工程１７６において、回路
２４は、所望の回数の繰り返しが完了したか否かを決定
し、完了していなければ、局所配向平滑化ブロック１６
６に戻って、所望の回数の繰り返しが完了するまで図１
２の工程を繰り返す。一旦、所望の繰り返しが完了した
ら、配向平滑化から得られたフィルタ処理済み画像Ｉｆ
が、後述する過程によって更にフィルタ処理される。

【００４０】図３を参照して前に述べたように、画像内
の識別された構造の配向平滑化に続いて、非構造の均一
化平滑化を行う。このような均一化平滑化の処理におけ
る工程を図１３に示されている。図１３に示すように、
この処理では、非構造ピクセルの正規化された強度値を
考察する。工程２１０において、各々の非構造ピクセル
についての平均隣接部強度値を算出する（構造ピクセル
が、考慮されている隣接部に含まれている場合には、こ
れらの構造ピクセルの正規化された値を考慮に入れ
る。）。この実施例では、工程２１０は、各々の非構造
ピクセルを取り巻く３×３の隣接部に基いて進行する。
この平均値は、関心のあるピクセルに割り当てられ、制
御は工程２１２に進む。工程２１２では、回路２４は、
所望の回数の繰り返しが完了したか否かを決定する。完
了していなければ、制御は工程２１０に戻って、非構造
ピクセルの強度値の更なる均一化を行う。一旦、所望の
回数の繰り返しが完了したら、図１３の均一化平滑化ル
ーチンから出る。この実施例では、オペレータは、均一
化平滑化の繰り返しの回数を１回〜１０回の範囲に設定
することができる。

【００４１】均一化平滑化に続いて、フィルタ処理され
た画像は、図３に関して前述したように、識別された構
造の配向鮮鋭化によって更に処理される。この処理を図
１４に更に詳細に示す。図１４に示すように、配向鮮鋭
化の処理連鎖は、工程２１４から開始し、ここで、各々
の構造ピクセルについてのラプラシアン値が図１１に示
すと共に上述したインデクス付き方向において算出され
る。ラプラシアン値は、以下の式から算出することがで
きる。

【００４２】Ｌ（ｋ）＝２．０＊Ｉ（ｋ）−Ｉ（ｋ−
１）−Ｉ（ｋ＋１） ここで、ｋは関心のある構造ピクセルであり、ｋ−１は
インデクス付き方向における関心のあるピクセルの前の
ピクセルであり、ｋ＋１はインデクス付き方向における
関心のあるピクセルの後のピクセルである。工程２１４
で算出されるラプラシアン値は、フィルタ処理された強
度値（即ち、構造についての平滑化後の値）に基づいて
いることに留意されたい。次いで、工程２１６におい
て、各々の構造ピクセルについての４つのラプラシアン
値の最大値が、エッジ画像Ｍｅを形成するために保存さ
れる。工程２１８では、各々の構造ピクセルについて、
図１１に示すインデクス付き方向で、関連隣接部におけ
る各々のピクセルについてのフィルタ処理（即ち、均一
化及び平滑化）後の値を再び用いて、３×１ピクセルの
カーネルについての統計的分散及び平均値が算出され
る。次いで、各々の構造ピクセルについて最小の分散の
方向をこれらの値から識別し、工程２２０に示すよう
に、最小の分散の方向での平均値を各々のピクセルにつ
いて保存する。工程２２２において、各々の構造ピクセ
ルについての最小の分散の方向での平均値に、係数γを
乗算する。この実施例では、γの値は、０．００００１
〜２．０にわたる範囲内に設定され得る。一般的には、
選択されるγの値が大きいほど、最終の画像における強
いエッジの全体的な鮮鋭度が大きくなる。工程２２４に
おいて、結果として得られる重み付けされた値が、対応
する構造ピクセルの当初のフィルタ処理済み値に加算さ
れる。次いで、得られたフィルタ処理済み画像値が、以
下に記載するようにして更に処理される。

【００４３】画像の構造的特徴の配向鮮鋭化に続いて、
画像全体を図３の工程７４に示すように再び再正規化す
る。この再正規化のためには様々な方法を用いることが
できるが、この実施例では、工程７２の後のフィルタ処
理済み画像におけるグローバル(global)平均ピクセル強
度を算出し、この平均値と、上述したフィルタ処理工程
の前の平均値との間の差に基づいて、正規化係数を決定
する。次いで、この正規化係数にフィルタ処理済みピク
セル強度を乗算し、この積に元のデータからのグローバ
ル最小強度値を加算することにより、各々のピクセルに
ついて新たな正規化された強度値が決定される。

【００４４】次いで、得られた再正規化されたフィルタ
処理済み画像は、図３ではＩｆｎと記されているが、こ
の画像は更に処理されて、元のデータからの非構造領域
のテクスチャに配合される。このテクスチャ配合工程
が、図１５に示されている。一般的には、図１５の各工
程は、非構造ピクセルの勾配の大きさに応じて、より多
く又はより少ない元のテクスチャを加算したりするのに
役立つ。具体的には、工程２２６において、各々の関心
のある非構造ピクセルの勾配の大きさを閾値Ｔと比較す
る。この実施例では、この閾値は、３００の値に設定さ
れている。勾配がこの閾値よりも大きくないことが判明
したら、工程２２８においてピクセルの強度値に値
「ａ」を乗算する。得られた積は、工程２３０におい
て、工程２３２で当該ピクセルの生の強度値（図３の工
程６４での正規化の前の値）に「１−ａ」に等しい値を
乗算した積と加算される。この結果の重み付けされた平
均値はピクセルに割り当てられる。

【００４５】工程２２６において、あるピクセルの勾配
の大きさの値が閾値Ｔよりもおおきいことが判明した
ら、工程２３４に示すように、このピクセル強度値に係
数「ｂ」が乗算される。次いで、得られた積は、工程２
３６において、工程２３８におけるこのピクセルの生の
強度値と「１−ｂ」に等しい乗数との積に加算される。
この実施例では、「ｂ」の値を０〜１の範囲内に設定す
ることができ、「ａ」の値は「ｂ」の値の１．５倍に等
しく設定される。当業者には明らかなように、図１５に
示された工程によって行われる重み付け平均処理は、非
構造領域にテクスチャを効果的に戻し加算し、上述のよ
うにしてフィルタ処理された構造にわかり易い環境を提
供する。工程２２６での比較を行うことにより、この処
理は、小さな勾配値を有しているピクセルについてはよ
り少ない元のテクスチャを効果的に加え、より大きな勾
配値を有しているピクセルについてはより多い元のテク
スチャを効果的に加える。所望により、「ａ」及び
「ｂ」の値は、この処理のこのような作用を増大させ又
は減少させるように設定することが出来る。

【図面の簡単な説明】

【図１】被検体の離散的ピクセル画像を強調するように
構成されている磁気共鳴イメージング・システムのブロ
ック図である。

【図２】構造及び非構造を画定する変動する強度を有し
ているピクセルのマトリクスで構成された例示的な離散
的ピクセル画像を示す線図である。

【図３】構造の識別、並びに画像内の構造領域及び非構
造領域の両方の強調のために離散的ピクセル画像を処理
するための例示的な制御ロジックにおける工程を示す流
れ図である。

【図４】離散的ピクセル画像における構造的特徴を識別
するための例示的な制御ロジックにおける工程を示す流
れ図である。

【図５】画像の各々の離散的ピクセルについて勾配成分
を作成するために図４の工程に用いられている要素また
はモジュールの線図である。

【図６】画像内で構造を非構造から分割するための勾配
閾値を識別するのに用いられる画像の勾配ヒストグラム
である。

【図７】構造の画定から小さな又はノイズの多い領域を
選択的に除去するための例示的な制御ロジックにおける
工程の流れ図である。

【図８】画像内で識別された構造的特徴を二値順序統計
量フィルタ処理によって処理するための例示的な制御ロ
ジックにおける工程の流れ図である。

【図９】画像内で識別された構造の配向平滑化のための
例示的な制御ロジックにおける工程を示す流れ図であ
る。

【図１０】図９に示された処理において主配向平滑化を
行うための例示的な制御ロジックにおける工程を示す流
れ図である。

【図１１】図１０の配向平滑化処理に用いられる方向イ
ンデクスの線図である。

【図１２】図９の処理を通じて局所配向平滑化を行うた
めの例示的な制御ロジックにおける工程の流れ図であ
る。

【図１３】離散的ピクセル画像の非構造領域の均一化平
滑化のための例示的な制御ロジックにおける工程の流れ
図である。

【図１４】離散的ピクセル画像における構造領域の配向
鮮鋭化のための例示的な制御ロジックにおける工程の流
れ図である。

【図１５】非構造領域のいくつかのテクスチャの特徴を
離散的ピクセル画像に再導入するための例示的な制御ロ
ジックにおける工程を示す流れ図である。

【符号の説明】

１０ 磁気共鳴イメージング・システム １２ スキャナ １４ 支持構造 １６ 被検体 １８ 電磁的構成 ２０ 励起及び検知用コイル ２２ 信号取得回路要素 ２４ 信号処理回路 ２６ メモリ回路 ２８ 入力装置 ３０ 入力インタフェイス回路 ３２ 出力装置 ３４ 出力インタフェイス回路 ３６ 画像 ３８ 離散的ピクセルのマトリクス ４０ ピクセル行 ４２ ピクセル列 ４４ マトリクス幅 ４６ マトリクス高さ ４８ 構造領域 ５０ 非構造領域 ５２ アーティファクト

Claims (10)

【特許請求の範囲】
1. 【請求項１】 複数の離散的ピクセル（３８）により画
   定される画像（３６）を強調する方法において、 ａ）画像内の関心のある構造（４８）を表す一群の構造
   ピクセルと非構造領域（５０）を表す一群の非構造ピク
   セルとを識別する工程（６６）と、 ｂ）前記関心のある構造（４８）を配向平滑化する工程
   （６８）と、 ｃ）前記非構造領域（５０）を均一化平滑化する工程
   （７０）と、 ｄ）前記関心のある構造（４８）を配向鮮鋭化する工程
   （７２）と、 ｅ）前記非構造領域（５０）にテクスチャ・データを配
   合する工程（７６）と、含んでいることを特徴とする前
   記方法。
2. 【請求項２】 前記工程ａにおいて、前記構造ピクセル
   の識別が、各々のピクセルについて勾配値（１０８）を
   決定し、勾配閾値（１３４）を定めて、該勾配閾値に対
   して所望の関係を有しているピクセルを識別することに
   より行われる請求項１に記載の方法。
3. 【請求項３】 前記勾配閾値を定めることが、前記ピク
   セルについての勾配値（１０８）を所望の値（１１６）
   と比較し、前記ピクセルについての勾配方向を互いに比
   較して、該比較に基づいてピクセルの個数をカウントす
   ることにより行われる請求項２に記載の方法。
4. 【請求項４】 前記定める工程に続いて、前記構造ピク
   セル（４８）を二値順序統計量フィルタ処理する工程
   （１００）を更に含んでいる請求項３に記載の方法。
5. 【請求項５】 前記工程ｂの前記配向平滑化は、前記構
   造ピクセル（４８）により画定される主配向を決定する
   工程（１８０〜１９４）と、該主配向の方向で前記構造
   ピクセルを平滑化する工程（１６４）とを含んでいる請
   求項１に記載の方法。
6. 【請求項６】 前記工程ｂの前記配向平滑化は、前記構
   造ピクセル（４８）の局所配向平滑化（１６６）を含ん
   でいる請求項１に記載の方法。
7. 【請求項７】 前記一群の構造ピクセル（４８）から、
   所望のサイズよりも小さい隣接ピクセルから成る孤立し
   た群（５２）を除去する工程（９２、９８）を更に含ん
   でいる請求項１に記載の方法。
8. 【請求項８】 前記工程ｃの前記均一化平滑化は、各々
   の非構造ピクセル（５０）について隣接ピクセルを表す
   値を平均する工程（２１０）を含んでいる請求項１に記
   載の方法。
9. 【請求項９】 前記工程ｅの前記テクスチャの配合は、
   非構造ピクセル（５０）についてのフィルタ処理された
   値及びフィルタ処理されていない値の重み付け平均を算
   出する工程（２２８、２３０、２３２、２３４、２３
   ６、２３８）を含んでいる請求項１に記載の方法。
10. 【請求項１０】 前記重み付け平均の算出における重み
    係数は、前記非構造ピクセル（５０）についての勾配値
    に基づいて選択される（２２６）請求項９に記載の方
    法。