JP2002312775A - Image processor, radiation image processing system and image processing method - Google Patents
Image processor, radiation image processing system and image processing methodInfo
- Publication number
- JP2002312775A JP2002312775A JP2001115735A JP2001115735A JP2002312775A JP 2002312775 A JP2002312775 A JP 2002312775A JP 2001115735 A JP2001115735 A JP 2001115735A JP 2001115735 A JP2001115735 A JP 2001115735A JP 2002312775 A JP2002312775 A JP 2002312775A
- Authority
- JP
- Japan
- Prior art keywords
- threshold value
- histogram
- pixel value
- reduced
- determining
- 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
- 230000005855 radiation Effects 0.000 title claims description 13
- 238000003672 processing method Methods 0.000 title claims 5
- 238000000926 separation method Methods 0.000 claims abstract description 71
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 101100533652 Homo sapiens SLIRP gene Proteins 0.000 description 1
- 102100025491 SRA stem-loop-interacting RNA-binding protein, mitochondrial Human genes 0.000 description 1
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、ディジタル画像処
理（コンピュータ画像処理）の分野に関し、特にヒスト
グラム解析により２クラス或いは多クラスに分離する閾
値そしてクラス数を決定する方法及びこれを用いた装置
に関するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to the field of digital image processing (computer image processing), and more particularly to a method for determining a threshold value and the number of classes to be separated into two or more classes by histogram analysis and an apparatus using the same. Things.
【０００２】[0002]
【従来の技術】従来、ヒストグラム解析による閾値の自
動決定のための手法として判別分析法が知られている
（判別分析法の詳細は「判別および最小二乗規準に基づ
く自動しきい値選定法」電子通信学会論文誌（Ｄ）、Ｊ
６３−Ｄ，４２，ｐ３４９−３５６（１９８０）参
照）。2. Description of the Related Art Conventionally, a discriminant analysis method is known as a method for automatically determining a threshold value by histogram analysis (for details of the discriminant analysis method, see "Automatic Threshold Selection Method Based on Discriminant and Least Square Criterion"). IEICE Transactions (D), J
63-D, 42, p349-356 (1980)).
【０００３】この判別分析法などのように自動で閾値を
決定する方法では画像のヒストグラムを用いてクラス分
離度を定義しこれを最大とする閾値を最適閾値としてい
る。画像のヒストグラムは閾値によって各々のクラスに
分離される。２クラスの場合と多クラス（クラス数Ｍ）
の場合を図３（Ａ）、（Ｂ）に示す。図においてグラフ
の横軸は画像の画素値を表わしており画像の濃度を反映
している。また縦軸は画素数を表わし、画像中のその画
素値が占める割合を反映している。In a method of automatically determining a threshold value such as the discriminant analysis method, a class separation degree is defined using a histogram of an image, and a threshold value that maximizes the class separation degree is defined as an optimum threshold value. The histogram of the image is separated into each class by a threshold. 2 classes and multiple classes (M number of classes)
3A and 3B are shown in FIGS. In the figure, the horizontal axis of the graph represents the pixel value of the image and reflects the density of the image. The vertical axis represents the number of pixels, and reflects the ratio of the pixel value in the image.
【０００４】分離された各々のクラスの間にはクラス分
離度を定義することができる。２クラスの場合、閾値Ｔ
によってＬレベルの画素値が次の２クラスＳ1，Ｓ2に分
かれるとする。[0004] A class separation degree can be defined between each separated class. In the case of two classes, the threshold T
, The pixel value of L level is divided into the following two classes S 1 and S 2 .
【０００５】Ｓ1＝［１，２，・・・，Ｔ］ Ｓ2＝［Ｔ＋１，Ｔ＋２，・・・，Ｌ］S 1 = [1, 2,..., T] S 2 = [T + 1, T + 2,.
【０００６】この時、Ｔを１からＬ−１まで動かして各
々のクラス分離度を計算し、この中でクラス分離度が最
大となる閾値が求める最適閾値である。At this time, the class separation is calculated by moving T from 1 to L-1, and the threshold at which the class separation is the maximum is the optimum threshold to be obtained.
【０００７】次に多クラスの場合（クラス数がＭ）、以
下のＭ−１個の閾値ｋを設定する。 １≦ｋ1＜ｋ2＜・・・＜ｋM-1＜ＬNext, when there are many classes (the number of classes is M), the following M-1 thresholds k are set. 1 ≦ k 1 <k 2 <... <k M-1 <L
【０００８】閾値ｋによって以下のＭクラスに分離す
る。 Ｓj＝［ｋj-1，・・・，ｋj］（ｊ＝１，・・・，Ｍ）According to the threshold value k, M classes are separated as follows. S j = [k j−1 ,..., K j ] (j = 1,..., M)
【０００９】この時、Ｓj，Ｓj+1（ｊ＝１，・・・，Ｍ
−１）についてクラス分離度を計算することができる。At this time, S j , S j + 1 (j = 1,..., M
For -1), the class separation can be calculated.
【００１０】このクラス分離度をＭ−１個の閾値のすべ
ての組み合わせについて計算し、クラス分離度が最大と
なる閾値の組がＭクラスの最適閾値の組である。このよ
うにしてＭクラスの場合のクラス分離度ηMも決まる。
さらにはこのηMを用いて最適クラス数の評価量を定義
することができる。この最適クラス数の評価量を最大と
するクラス数が最適クラス数である。This class separation is calculated for all combinations of M-1 thresholds, and the set of thresholds that maximizes the class separation is the set of M-class optimal thresholds. In this way, the class separation η M for the M class is also determined.
Further, it is possible to define the evaluation value of the optimal number classes using the eta M. The number of classes that maximizes the evaluation amount of the optimal class number is the optimal class number.
【００１１】[0011]
【発明が解決しようとする課題】しかしながら、例えば
Ｘ線画像などの場合には画素値レベルＬは通常１２ビッ
ト＝４０９６と非常に大きい。この大きなＬに対して２
クラスの場合にはＬ−１＝４０９５回クラス分離度を計
算しなければならず、各クラス分離度の計算も平均値、
分散の計算に必要なデータ数が多くなってしまい計算時
間が大きくなってしまうという問題点があった。However, in the case of an X-ray image, for example, the pixel value level L is usually as large as 12 bits = 4096. 2 for this large L
In the case of a class, the class separation must be calculated L−1 = 4095 times, and the calculation of each class separation is also an average value,
There is a problem that the number of data required for the variance calculation increases and the calculation time increases.
【００１２】更に多クラスの場合にはクラス数がＭであ
れば、以下のL-1ＣM-1の閾値の組についてクラス分離度
の計算を行わなければならない。Further, in the case of a multi-class, if the number of classes is M, the class separation must be calculated for the following set of L-1 C M-1 thresholds.
【００１３】L-1ＣM-1＝（Ｌ−１）！／｛（Ｌ−１−Ｍ
−１）！×（Ｍ−１）！｝ L-1 C M-1 = (L-1)! / ｛(L-1-M
-1)! × (M-1)! ｝
【００１４】これはＭの増加とともに急激に大きくな
る。例えばＬ＝４０９６として、Ｍ＝２のときは４０９
５回、Ｍ＝３のときは８３８２４６５回、Ｍ＝４のとき
は１１４３６４７６４１５回といった具合でこのまま計
算したのでは膨大な時間がかかってしまう。This increases rapidly with an increase in M. For example, if L = 4096 and M = 2, 409
If M = 3, 8382465 times when M = 3, 11436447615 times when M = 4, it would take an enormous amount of time to calculate as it is.
【００１５】本発明の目的は、画像のヒストグラムをク
ラス分離する最適なクラス数及び／又は最適な閾値を高
速に求めることである。SUMMARY OF THE INVENTION It is an object of the present invention to quickly find an optimum number of classes and / or an optimum threshold for class separation of an image histogram.
【００１６】[0016]
【課題を解決するための手段】本発明の一観点によれ
ば、画素値レベルを縮小しない画像のヒストグラム及び
画素値レベルを縮小した画像のヒストグラムを作成する
ヒストグラム作成手段と、前記画素値レベルを縮小した
画像のヒストグラムを用いてクラス分離度が最大となる
第１の閾値の画素値を決定する第１の閾値決定手段と、
前記画素値レベルを縮小しない画像のヒストグラムを用
いて前記第１の閾値に対応する閾値を含む所定の範囲で
クラス分離度が最大となる第２の閾値の画素値を決定す
る第２の閾値決定手段とを具備する画像処理装置が提供
される。According to one aspect of the present invention, a histogram creating means for creating a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level is reduced, A first threshold value determining unit that determines a pixel value of a first threshold value at which the class separation degree is maximum using the histogram of the reduced image;
A second threshold value determination that determines a pixel value of a second threshold value that maximizes class separation in a predetermined range including a threshold value corresponding to the first threshold value using a histogram of an image whose pixel value level is not reduced. An image processing apparatus comprising:
【００１７】本発明の他の観点によれば、画素値レベル
を縮小しない画像のヒストグラム及び画素値レベルを縮
小した画像のヒストグラムを作成するヒストグラム作成
手段と、前記画素値レベルを縮小した画像のヒストグラ
ムを用いて３以上のクラスに分離するためのクラス分離
度が最大となる第１の閾値の画素値の組を決定する第１
の閾値組決定手段と、前記画素値レベルを縮小しない画
像のヒストグラムを用いて前記第１の閾値の組の各々の
閾値に対応する閾値を含む所定の各々の範囲で３以上の
クラスに分離するためのクラス分離度が最大となる第２
の閾値の画素値の組を決定する第２の閾値組決定手段と
を具備する画像処理装置が提供される。According to another aspect of the present invention, a histogram creating means for creating a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level has been reduced, and a histogram of an image whose pixel value level has been reduced. Is used to determine a set of pixel values of a first threshold value at which the class separation degree for separating into three or more classes is maximum.
And a threshold value set determining means, and using the histogram of the image in which the pixel value level is not reduced, is separated into three or more classes in a predetermined range including a threshold value corresponding to each threshold value of the first threshold value set. The second class separation degree to maximize
And a second threshold value group determining means for determining a pixel value group of the threshold value.
【００１８】本発明のさらに他の観点によれば、放射線
撮影装置と、当該撮影装置で得られた画像信号を処理す
る画像処理装置とを備える放射線画像処理システムであ
って、前記画像処理装置は、画素値レベルを縮小しない
画像のヒストグラム及び画素値レベルを縮小した画像の
ヒストグラムを作成するヒストグラム作成手段と、前記
画素値レベルを縮小した画像のヒストグラムを用いてク
ラス分離度が最大となる第１の閾値の画素値を決定する
第１の閾値決定手段と、前記画素値レベルを縮小しない
画像のヒストグラムを用いて前記第１の閾値に対応する
閾値を含む所定の範囲でクラス分離度が最大となる第２
の閾値の画素値を決定する第２の閾値決定手段とを具備
する放射線画像処理システムが提供される。According to still another aspect of the present invention, there is provided a radiation image processing system including a radiation imaging apparatus and an image processing apparatus for processing an image signal obtained by the imaging apparatus, wherein the image processing apparatus includes: A histogram creating unit for creating a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level is reduced, and a first class having the maximum class separation degree using the histogram of the image whose pixel value level is reduced. First threshold value determining means for determining a pixel value of the threshold value, and a class separation degree is determined to be maximum in a predetermined range including a threshold value corresponding to the first threshold value using a histogram of an image whose pixel value level is not reduced. The second
And a second threshold value determining unit that determines a pixel value of the threshold value.
【００１９】本発明のさらに他の観点によれば、放射線
撮影装置と、当該撮影装置で得られた画像信号を処理す
る画像処理装置とを備える放射線画像処理システムであ
って、前記画像処理装置は、画素値レベルを縮小しない
画像のヒストグラム及び画素値レベルを縮小した画像の
ヒストグラムを作成するヒストグラム作成手段と、前記
画素値レベルを縮小した画像のヒストグラムを用いて３
以上のクラスに分離するためのクラス分離度が最大とな
る第１の閾値の画素値の組を決定する第１の閾値組決定
手段と、前記画素値レベルを縮小しない画像のヒストグ
ラムを用いて前記第１の閾値の組の各々の閾値に対応す
る閾値を含む所定の各々の範囲で３以上のクラスに分離
するためのクラス分離度が最大となる第２の閾値の画素
値の組を決定する第２の閾値組決定手段とを具備する放
射線画像処理システムが提供される。According to still another aspect of the present invention, there is provided a radiation image processing system including a radiation imaging apparatus and an image processing apparatus for processing an image signal obtained by the imaging apparatus. A histogram creating unit that creates a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level is reduced, and 3 using the histogram of the image whose pixel value level is reduced.
A first threshold value set determining unit that determines a set of pixel values of a first threshold value at which the class separation degree for separating into the classes is the maximum, and a histogram of an image that does not reduce the pixel value level. A set of pixel values of a second threshold value that maximizes class separation for separating into three or more classes in predetermined ranges including a threshold value corresponding to each threshold value of the first set of threshold values is determined. There is provided a radiation image processing system comprising: a second threshold value set determining unit.
【００２０】本発明のさらに他の観点によれば、画素値
レベルを縮小しない画像のヒストグラム及び画素値レベ
ルを縮小した画像のヒストグラムを作成するヒストグラ
ム作成ステップと、前記画素値レベルを縮小した画像の
ヒストグラムを用いてクラス分離度が最大となる第１の
閾値の画素値を決定する第１の閾値決定ステップと、前
記画素値レベルを縮小しない画像のヒストグラムを用い
て前記第１の閾値に対応する閾値を含む所定の範囲でク
ラス分離度が最大となる第２の閾値の画素値を決定する
第２の閾値決定ステップとを具備する画像処理方法が提
供される。According to still another aspect of the present invention, a histogram creating step for creating a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level is reduced, A first threshold value determining step of determining a pixel value of a first threshold value at which the class separation degree becomes the maximum using the histogram, and corresponding to the first threshold value using a histogram of an image whose pixel value level is not reduced. A second threshold value determining step of determining a pixel value of a second threshold value at which the class separation degree becomes maximum in a predetermined range including the threshold value.
【００２１】本発明のさらに他の観点によれば、画素値
レベルを縮小しない画像のヒストグラム及び画素値レベ
ルを縮小した画像のヒストグラムを作成するヒストグラ
ム作成ステップと、前記画素値レベルを縮小した画像の
ヒストグラムを用いて３以上のクラスに分離するための
クラス分離度が最大となる第１の閾値の画素値の組を決
定する第１の閾値組決定ステップと、前記画素値レベル
を縮小しない画像のヒストグラムを用いて前記第１の閾
値の組の各々の閾値に対応する閾値を含む所定の各々の
範囲で３以上のクラスに分離するためのクラス分離度が
最大となる第２の閾値の画素値の組を決定する第２の閾
値組決定ステップとを具備する画像処理方法が提供され
る。According to still another aspect of the present invention, a histogram creating step for creating a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level is reduced, A first threshold value set determining step of determining a set of pixel values of a first threshold value at which a class separation degree for separating into three or more classes using a histogram is determined, and an image of which the pixel value level is not reduced is determined. A pixel value of a second threshold value that maximizes class separation for separating into three or more classes in predetermined ranges including threshold values corresponding to each threshold value of the first set of threshold values using a histogram. And a second threshold value set determining step of determining a set of the threshold values.
【００２２】本発明によれば、まず、画素値レベルを縮
小しないヒストグラムを用いてクラス分離度が最大とな
る第１の閾値の画素値を決定して粗いクラス分離を行
い、次に、画素値レベルを縮小しないヒストグラムを用
いてクラス分離度が最大となる第２の閾値の画素値を決
定して細かなクラス分離を行うことにより、高速に最適
な閾値を決定することができる。According to the present invention, first, the pixel value of the first threshold value at which the class separation degree is maximum is determined by using the histogram which does not reduce the pixel value level, and coarse class separation is performed. The optimal threshold value can be determined at high speed by determining the pixel value of the second threshold value at which the class separation degree becomes the maximum using the histogram whose level is not reduced and performing fine class separation.
【００２３】[0023]
【発明の実施の形態】図１は、本発明の実施形態による
Ｘ線撮像システムの構成を示す。Ｘ線撮像システム６
は、Ｘ線発生装置制御部４、画像入力部５、画像処理部
７、画像保存部８、診断モニタ９、操作部１０を制御す
る。Ｘ線源３は、Ｘ線発生装置制御部４の制御によりＸ
線を放射する。Ｘ線センサ１は、Ｘ線源３から患者２を
介して受けたＸ線を検出する。画像入力部５は、Ｘ線セ
ンサ１から画像を入力する。画像処理部７は、入力され
た画像等を処理する。画像保存部８は、画像を保存する
ことができる。操作部１０は、操作者の操作によりＸ線
撮像システムに種々の指示等を行う。診断モニタ９は、
画像を表示する。Ｘ線撮像システム制御部６は、ネット
ワーク１１を介して、プリンタ１２、診断ワークステー
ション１３及び画像データベース１４に接続される。FIG. 1 shows the configuration of an X-ray imaging system according to an embodiment of the present invention. X-ray imaging system 6
Controls the X-ray generator control unit 4, the image input unit 5, the image processing unit 7, the image storage unit 8, the diagnostic monitor 9, and the operation unit 10. The X-ray source 3 controls the X-ray under the control of the X-ray generator controller 4.
Emits rays. The X-ray sensor 1 detects X-rays received from the X-ray source 3 via the patient 2. The image input unit 5 inputs an image from the X-ray sensor 1. The image processing unit 7 processes an input image or the like. The image storage unit 8 can store an image. The operation unit 10 gives various instructions to the X-ray imaging system by an operation of the operator. The diagnostic monitor 9
Display an image. The X-ray imaging system controller 6 is connected to a printer 12, a diagnostic workstation 13, and an image database 14 via a network 11.
【００２４】図２は、Ｘ線撮像システムのヒストグラム
処理のアルゴリズムを示す。２クラスの場合、ステップ
１では、ヒストグラムの濃度レベル数Ｌを（１／Ｎ）に
縮小する。ここで、Ｎは必ずしも整数でなくても良い。
ステップ２では、画素値レベルＬを（１／Ｎ）に縮小し
た画素値レベルｌによってヒストグラムを作成する。こ
のヒストグラムを用いてクラス分離度を順次計算してゆ
き、クラス分離度最大となる閾値Ｔ１を求める。このＴ
１は大まかな精度での最適な閾値となっている。FIG. 2 shows an algorithm of the histogram processing of the X-ray imaging system. In the case of two classes, in step 1, the number L of density levels of the histogram is reduced to (1 / N). Here, N does not necessarily have to be an integer.
In step 2, a histogram is created based on the pixel value level 1 obtained by reducing the pixel value level L to (1 / N). The class separation is sequentially calculated using this histogram, and a threshold T1 that maximizes the class separation is obtained. This T
1 is an optimal threshold with a rough accuracy.
【００２５】そして、ステップ３では、元のヒストグラ
ムにおける粗い最適閾値に対応する閾値を含む一定の範
囲内で精細な最適閾値を求める。すなわち、元の画素値
レベルＬのヒストグラムを用いてより精細な最適閾値Ｔ
２を求める。この際にはＴ１に対応する閾値を基準に或
る範囲（Ｌに比べてごく小さなＮ程度の範囲）を設定
し、この範囲内でのみクラス分離度を順次計算してゆ
き、クラス分離度最大となる閾値Ｔ２を求める。Then, in step 3, a fine optimal threshold is obtained within a certain range including a threshold corresponding to a coarse optimal threshold in the original histogram. That is, using the histogram of the original pixel value level L, a finer optimal threshold T
Ask for 2. At this time, a certain range (a range of about N which is very small compared to L) is set based on the threshold value corresponding to T1, and the class separation is sequentially calculated only within this range, and the class separation is maximized. A threshold T2 that satisfies
【００２６】このようにして、画素値レベルｌのヒスト
グラムによるｌ回のクラス分離度の計算及び決められた
小さな範囲内のＮ程度回のクラス分離度の計算で最適な
閾値を求めることができ、処理の高速化が実現できる。In this manner, an optimum threshold value can be obtained by calculating the class separation degree l times by the histogram of the pixel value level 1 and calculating the class separation degree N times within a predetermined small range, High-speed processing can be realized.
【００２７】多クラス（クラス数Ｍが３以上）の場合も
同様に画素値レベルｌのヒストグラムを用いてクラス分
離度をすべての閾値の組合わせについて順次計算してゆ
き、クラス分離度最大となる閾値の組［Ｔ１］を求め
る。ここで、［］は閾値の組を表わす。この［Ｔ１］は
大まかな精度での最適な閾値の組となっている。Similarly, in the case of multi-classes (the number of classes M is 3 or more), the class separation is sequentially calculated for all combinations of the threshold values using the histogram of the pixel value level 1, and the class separation is maximized. A set of threshold values [T1] is obtained. Here, [] represents a set of thresholds. This [T1] is a set of optimal thresholds with rough accuracy.
【００２８】そして次に元の画素値レベルＬのヒストグ
ラムを用いてより精細な最適閾値の組［Ｔ２］を求め
る。この際には閾値の組［Ｔ１］における各々の閾値に
対応する閾値を基準に或る範囲（Ｌに比べてごく小さな
Ｎ程度の範囲）を設定し、この範囲内でのみクラス分離
度を順次計算してゆき、クラス分離度最大となる閾値の
組［Ｔ２］を求める。Then, a finer set of optimal thresholds [T2] is obtained using the histogram of the original pixel value level L. At this time, a certain range (a range of about N which is very small compared to L) is set based on the threshold corresponding to each threshold in the set of thresholds [T1], and the class separation degree is sequentially determined only within this range. Through the calculation, a set of threshold values [T2] that maximize the class separation degree is obtained.
【００２９】この時、例えばＮ＝１６としてｌ＝２５６
で閾値の組合わせは、Ｍ＝２のときは２５５回、Ｍ＝３
のときは３２３８５回、Ｍ＝４のときは２７３１１３５
回となり、前述のＬ＝４０９６の場合に比べて格段に少
なくなる。At this time, for example, assuming that N = 16, 1 = 256
The combination of thresholds is 255 when M = 2 and M = 3
32385 times when, and 2731135 when M = 4
The number of times is much smaller than in the case of L = 4096.
【００３０】まず画素値レベルＬのヒストグラムをＨ
（ｐ）、画素値レベルｌのヒストグラムをｈ（ｐ）とし
て、Ｈ（ｐ）を（１／Ｎ）に縮小してｈ（Ｐ）を作成す
る方法を説明する。これは図４に示すように、Ｈ（ｐ）
においてＮ画素分の頻度をたしてｈ（ｐ）の１画素分の
頻度とする。Ｌ＝Ｎ×ｌのときはこれによって完全な縮
小ヒストグラムが出来上がる。Ｌ＝Ｎ×（ｌ−１）＋ｒ
のようにＬがＮで割り切れずｒだけ余る場合は最後の画
素値ｌをｒとするかもしくはｒが均等にばらまかれるよ
うに間隔を設定してやれば良い。First, the histogram of the pixel value level L is represented by H
(P) A method of creating h (P) by reducing H (p) to (1 / N), where h (p) is the histogram of the pixel value level l. This is, as shown in FIG. 4, H (p)
Then, the frequency for N pixels is added to the frequency for one pixel of h (p). When L = N × 1, this results in a complete reduced histogram. L = N × (l−1) + r
In the case where L is not divisible by N and remains by r as shown in the above, the last pixel value l may be set to r or an interval may be set so that r is evenly distributed.
【００３１】次にｈ（ｐ）を用いて２クラスの最適閾
値、Ｍクラスの最適閾値、最適クラス数を高速に算出す
る方法を説明していく。２クラスの最適閾値を求める場
合、図５に示すようにまずヒストグラムｈ（ｐ）を用い
て粗い最適閾値Ｔ１を求める。最適閾値の求め方の１つ
として、判別分析法がある（判別分析法の詳細は「判別
および最小二乗規準に基づく自動しきい値選定法」電子
通信学会論文誌（Ｄ）、Ｊ６３−Ｄ，４２，ｐ３４９−
３５６（１９８０）参照）。Next, a description will be given of a method of calculating the optimum threshold value of the two classes, the optimum threshold value of the M class, and the optimum number of classes using h (p) at a high speed. When obtaining the two classes of optimal thresholds, a coarse optimal threshold T1 is first determined using the histogram h (p) as shown in FIG. One of methods for obtaining the optimum threshold is a discriminant analysis method (for details of the discriminant analysis method, see "Automatic threshold value selection method based on discriminant and least square criterion", IEICE Transactions (D), J63-D, 42, p349-
356 (1980)).
【００３２】判別分析法では、図３（Ａ）に示すように
画像のヒストグラムをある閾値によってクラス１とクラ
ス２に分離するものとしてクラス１とクラス２の間のク
ラス分離度を以下のηによって定義する。In the discriminant analysis method, as shown in FIG. 3A, assuming that the histogram of an image is separated into class 1 and class 2 by a certain threshold value, the class separation between class 1 and class 2 is determined by the following η. Define.
【００３３】 [0033]
【００３４】であり、σW 2はクラス内分散、σB 2はクラ
ス間分散である。μ1はクラス１の平均値、μ2はクラス
２の平均値、μTは全平均値、σ1 2はクラス１の分散、
σ2 2はクラス２の分散、ω1はクラス１の生起確率、ω2
はクラス２の生起確率である。Where σ W 2 is the intra-class variance and σ B 2 is the inter-class variance. μ 1 is the average of class 1, μ 2 is the average of class 2, μ T is the overall average, σ 1 2 is the variance of class 1,
σ 2 2 is the variance of class 2, ω 1 is the probability of occurrence of class 1, ω 2
Is the probability of occurrence of class 2.
【００３５】閾値ＴによってＬレベルの画素値が以下の
２クラスＳ1，Ｓ2に分かれるとする。It is assumed that the L-level pixel values are divided into the following two classes S 1 and S 2 by the threshold value T.
【００３６】Ｓ1＝［１，２，・・・，Ｔ］ Ｓ2＝［Ｔ＋１，Ｔ＋２，・・・，Ｌ］S 1 = [1, 2,..., T] S 2 = [T + 1, T + 2,.
【００３７】そしてＴを１からＬ−１まで動かして各々
のクラス分離度を計算し、クラス分離度が最大となる閾
値Ｔ１を求める。ただし、（１）式においてσT 2はＴに
よらず一定であるから分離度最大となるＴを求めるので
あればσB 2のみ計算すれば良い。このようにしてヒスト
グラムｈ（ｐ）を用いて粗い最適閾値Ｔ１が求まる。Then, T is moved from 1 to L-1 to calculate each class separation, and a threshold T1 at which the class separation is maximized is obtained. However, in equation (1), σ T 2 is constant irrespective of T, so that only T σ B 2 needs to be calculated to find T at which the degree of separation is maximum. Thus, the rough optimal threshold value T1 is obtained using the histogram h (p).
【００３８】次に、この粗い最適閾値Ｔ１とヒストグラ
ムＨ（ｐ）を用いて精細な最適閾値Ｔ２を求める。ま
ず、図５に示すようにＴ１に対応するヒストグラムＨ
（ｐ）上の値Ｔ１’（ＬがＮで割り切れる場合Ｔ１’＝
Ｎ×Ｔ１）を含むように探索範囲をヒストグラムＨ
（ｐ）上に設定する。Next, a fine optimal threshold T2 is obtained using the coarse optimal threshold T1 and the histogram H (p). First, as shown in FIG. 5, the histogram H corresponding to T1
(P) The above value T1 ′ (when L is divisible by N, T1 ′ =
N × T1), and set the search range to histogram H.
(P) Set above.
【００３９】この探索範囲内で閾値を動かして前述のよ
うに各々のクラス分離度を計算し、クラス分離度が最大
となる閾値Ｔ２を求める。これが最終的に求める精細な
最適閾値である。By moving the threshold within this search range, each class separation is calculated as described above, and the threshold T2 at which the class separation is maximized is obtained. This is the fine optimal threshold finally determined.
【００４０】続いてＭクラスの最適閾値を算出する方法
について説明する。Ｍクラスの場合も図３（Ｂ）に示す
ように画像のヒストグラムをＭ−１個の閾値によって各
々隣り合うクラスを分離するものとする。Next, a method for calculating the optimum threshold value of the M class will be described. In the case of the M class as well, as shown in FIG. 3B, it is assumed that the histogram of the image separates each adjacent class by M-1 threshold values.
【００４１】この時も判別分析法によれば２クラスの場
合と同様に各クラス間のクラス分離度を同様に定義する
事ができる。この時のクラス間分散σB 2は、次式によっ
て定義される。At this time, according to the discriminant analysis method, the class separation between the classes can be defined in the same manner as in the case of the two classes. The inter-class variance σ B 2 at this time is defined by the following equation.
【００４２】[0042]
【数１】 (Equation 1)
【００４３】これを用いればクラス間分散最大になるよ
うなＭ−１個の閾値の組を最適閾値の組とすることがで
きる。By using this, a set of M-1 threshold values that maximize the inter-class variance can be set as an optimum threshold value set.
【００４４】したがって図６に示すように、まずヒスト
グラムｈ（ｐ）を用いて粗い最適閾値の組ｔ１［ｑ］
（ｑ＝１，２，・・・，Ｍ−１）を求める。ｔ１を求め
るためには１からｌの範囲でＭ−１個の閾値の組のすべ
ての組合わせについて前記クラス間分散σB 2を計算し、
これを最大とする閾値の組がｔ１である。Therefore, as shown in FIG. 6, first, a set of rough optimal threshold values t1 [q] is obtained using the histogram h (p).
(Q = 1, 2,..., M−1). To obtain t1, the inter-class variance σ B 2 is calculated for all combinations of M−1 threshold values in the range of 1 to l,
The set of thresholds that maximizes this is t1.
【００４５】そしてｔ１のそれぞれの閾値にヒストグラ
ムＨ（ｐ）上で対応させた閾値の組をｔ２［ｑ］（ｑ＝
１，２，・・・，Ｍ−１）としてこの各々の閾値を含む
ように探索範囲をヒストグラムＨ（ｐ）上にＭ−１個設
定する。各々の閾値を各々の探索範囲で動かしたすべて
の組合わせについて前記クラス間分散σB 2を計算し、こ
れを最大とする閾値の組が精細な最適閾値の組ｔ２であ
る。A set of thresholds corresponding to the respective thresholds of t1 on the histogram H (p) is represented by t2 [q] (q =
M-1, search ranges are set on the histogram H (p) so as to include these respective thresholds as 1, 2,..., M-1). The inter-class variance σ B 2 is calculated for all combinations in which each threshold is moved in each search range, and the set of thresholds that maximizes this is the fine optimal threshold set t2.
【００４６】最後に最適クラス数を算出する方法につい
て説明する。これはＭクラスの場合のクラス分離度ηM
を用いて最適クラス数の評価量を定義することができ
る。この最適クラス数の評価量Ｑ（Ｍ）の一例として
は、次式が用いることができる。Finally, a method for calculating the optimum number of classes will be described. This is the class separation η M for the M class.
Can be used to define the evaluation quantity of the optimal number of classes. The following equation can be used as an example of the evaluation quantity Q (M) of the optimum number of classes.
【００４７】Ｑ（Ｍ）＝ｌｏｇ（ηM／（１−ηM））−
ｌｏｇ（Ｍ2−１）Q (M) = log (η M / (1−η M )) −
log (M 2 -1)
【００４８】このＱ（Ｍ）をヒストグラムｈ（ｐ）上で
クラス数Ｍを定められたクラス数の範囲（Ｃｍｉｎ〜Ｃ
ｍａｘ）で動かしながら各々前述のＭクラスの場合のク
ラス分離度ηMを計算しＱ（Ｍ）を求める。そして（Ｃ
ｍｉｎ〜Ｃｍａｘ）の範囲でＱ（Ｍ）を最大とするＭを
最適なクラス数とすることができる。This Q (M) is converted into a class number range (Cmin-C
max) to calculate Q (M) by calculating the class separation degree η M for each of the aforementioned M classes. And (C
M that maximizes Q (M) in the range of (min to Cmax) can be set as the optimal number of classes.
【００４９】本実施形態によれば、最適なクラス数及び
最適な閾値を求める計算の高速化を図る事が出来る。According to the present embodiment, it is possible to speed up the calculation for obtaining the optimum number of classes and the optimum threshold.
【００５０】本実施形態は、コンピュータがプログラム
を実行することによって実現することができる。また、
プログラムをコンピュータに供給するための手段、例え
ばかかるプログラムを記録したＣＤ−ＲＯＭ等の記録媒
体又はかかるプログラムを伝送するインターネット等の
伝送媒体も本発明の実施形態として適用することができ
る。上記のプログラム、記録媒体及び伝送媒体は、本発
明の範疇に含まれる。This embodiment can be realized by a computer executing a program. Also,
Means for supplying the program to the computer, for example, a recording medium such as a CD-ROM in which the program is recorded, or a transmission medium such as the Internet for transmitting the program can also be applied as an embodiment of the present invention. The above-described program, recording medium, and transmission medium are included in the scope of the present invention.
【００５１】なお、上記実施形態は、何れも本発明を実
施するにあたっての具体化のほんの一例を示したものに
過ぎず、これらによって本発明の技術的範囲が限定的に
解釈されてはならないものである。すなわち、本発明は
その技術思想、またはその主要な特徴から逸脱すること
なく、様々な形で実施することができる。It should be noted that the above embodiments are merely examples of embodiments for carrying out the present invention, and the technical scope of the present invention should not be interpreted in a limited manner. It is. That is, the present invention can be implemented in various forms without departing from the technical idea or the main features.
【００５２】[0052]
【発明の効果】以上説明したように本発明によれば、ま
ず、画素値レベルを縮小しないヒストグラムを用いてク
ラス分離度が最大となる第１の閾値の画素値を決定して
粗いクラス分離を行い、次に、画素値レベルを縮小しな
いヒストグラムを用いてクラス分離度が最大となる第２
の閾値の画素値を決定して細かなクラス分離を行うこと
により、高速に最適な閾値を決定することができる。As described above, according to the present invention, first, a pixel value of the first threshold value at which the class separation degree is maximized is determined by using a histogram which does not reduce the pixel value level, and coarse class separation is performed. And then using a histogram that does not reduce the pixel value level to obtain a second
By determining the pixel value of the threshold value and performing fine class separation, the optimum threshold value can be determined at high speed.
【図１】システム構成例の図である。FIG. 1 is a diagram of a system configuration example.
【図２】処理の流れを示すフローチャートである。FIG. 2 is a flowchart showing a processing flow.
【図３】閾値によるクラス分割を表わす概念図である。FIG. 3 is a conceptual diagram illustrating class division by a threshold.
【図４】ヒストグラムの縮小を表わす概念図である。FIG. 4 is a conceptual diagram illustrating reduction of a histogram.
【図５】２クラスの場合の対応する閾値及び閾値の探索
範囲を表わす概念図である。FIG. 5 is a conceptual diagram showing a corresponding threshold value and a search range of the threshold value in the case of two classes.
【図６】多クラスの場合の対応する閾値及び閾値の探索
範囲を表わす概念図である。FIG. 6 is a conceptual diagram showing a corresponding threshold value and a search range of the threshold value in the case of multi-class.
１ Ｘ線センサー ２ 患者 ３ Ｘ線源 ４ Ｘ線発生装置制御部 ５ 画像入力部 ６ Ｘ線撮影システム制御部 ７ 画像入力部 ８ 画像保存部 ９ 診断モニター １０ 操作部 １１ ネットワーク １２ プリンター １３ 診断ワークステーション １４ 画像データベース Reference Signs List 1 X-ray sensor 2 Patient 3 X-ray source 4 X-ray generator control unit 5 Image input unit 6 X-ray imaging system control unit 7 Image input unit 8 Image storage unit 9 Diagnostic monitor 10 Operation unit 11 Network 12 Printer 13 Diagnostic workstation 14 Image Database
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｈ０４Ｎ 7/18 Ａ６１Ｂ 6/00 ３５０Ｍ Ｈ０４Ｎ 1/40 Ｆ Ｆターム(参考） 4C093 AA26 CA29 EE01 EE09 FD01 FD03 FD09 FF08 FH06 FH07 5B047 AA17 AB02 DB01 DC04 5B057 AA08 BA03 CA08 CB06 CH08 DA17 DB09 DC23 5C054 AA01 CA02 EA01 EA05 FC00 FC16 HA00 5C077 LL19 MP01 PP27 PQ08 PQ19 RR16 TT09 ──────────────────────────────────────────────────の Continued on the front page (51) Int.Cl. 7 Identification symbol FI theme coat ゛ (reference) H04N 7/18 A61B 6/00 350M H04N 1/40 FF term (reference) 4C093 AA26 CA29 EE01 EE09 FD01 FD03 FD09 FF08 FH06 FH07 5B047 AA17 AB02 DB01 DC04 5B057 AA08 BA03 CA08 CB06 CH08 DA17 DB09 DC23 5C054 AA01 CA02 EA01 EA05 FC00 FC16 HA00 5C077 LL19 MP01 PP27 PQ08 PQ19 RR16 TT09
Claims (15)
グラム及び画素値レベルを縮小した画像のヒストグラム
を作成するヒストグラム作成手段と、 前記画素値レベルを縮小した画像のヒストグラムを用い
てクラス分離度が最大となる第１の閾値の画素値を決定
する第１の閾値決定手段と、 前記画素値レベルを縮小しない画像のヒストグラムを用
いて前記第１の閾値に対応する閾値を含む所定の範囲で
クラス分離度が最大となる第２の閾値の画素値を決定す
る第２の閾値決定手段とを具備する画像処理装置。1. A histogram creating means for creating a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level is reduced, and the class separation degree is maximized by using the histogram of the image whose pixel value level is reduced. First threshold value determining means for determining a pixel value of a first threshold value, and class separation in a predetermined range including a threshold value corresponding to the first threshold value using a histogram of an image whose pixel value level is not reduced An image processing apparatus comprising: a second threshold value determining unit that determines a pixel value of a second threshold value at which the degree is maximum.
別分析法により第１及び第２の閾値を決定する請求項１
記載の画像処理装置。2. The method according to claim 1, wherein the first and second threshold value determining means determine the first and second threshold values by a discriminant analysis method.
The image processing apparatus according to any one of the preceding claims.
グラム及び画素値レベルを縮小した画像のヒストグラム
を作成するヒストグラム作成手段と、 前記画素値レベルを縮小した画像のヒストグラムを用い
て３以上のクラスに分離するためのクラス分離度が最大
となる第１の閾値の画素値の組を決定する第１の閾値組
決定手段と、 前記画素値レベルを縮小しない画像のヒストグラムを用
いて前記第１の閾値の組の各々の閾値に対応する閾値を
含む所定の各々の範囲で３以上のクラスに分離するため
のクラス分離度が最大となる第２の閾値の画素値の組を
決定する第２の閾値組決定手段とを具備する画像処理装
置。3. A histogram creating means for creating a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level has been reduced, and into three or more classes using the histogram of the image whose pixel value level has been reduced. First threshold value group determining means for determining a pixel value group of a first threshold value at which the class separation degree for separation is maximum, and the first threshold value using a histogram of an image whose pixel value level is not reduced A second threshold value for determining a set of pixel values of a second threshold value that maximizes class separation for separating into three or more classes in a predetermined range including a threshold value corresponding to each threshold value of the set An image processing apparatus comprising: a set determining unit.
２の閾値の組のクラス分離度を用いて所定の評価量が最
大又は最小となるクラス数を決定するクラス数決定手段
を具備する請求項３記載の画像処理装置。4. A class number determining means for determining a class number at which a predetermined evaluation amount becomes maximum or minimum using the class separation of the second set of threshold values within a predetermined class number range. The image processing device according to claim 3.
判別分析法により第１及び第２の閾値の組を決定する請
求項３又は４記載の画像処理装置。5. The first and second threshold value group determining means,
5. The image processing apparatus according to claim 3, wherein a set of the first and second thresholds is determined by a discriminant analysis method.
れた画像信号を処理する画像処理装置とを備える放射線
画像処理システムであって、 前記画像処理装置は、 画素値レベルを縮小しない画像のヒストグラム及び画素
値レベルを縮小した画像のヒストグラムを作成するヒス
トグラム作成手段と、 前記画素値レベルを縮小した画像のヒストグラムを用い
てクラス分離度が最大となる第１の閾値の画素値を決定
する第１の閾値決定手段と、 前記画素値レベルを縮小しない画像のヒストグラムを用
いて前記第１の閾値に対応する閾値を含む所定の範囲で
クラス分離度が最大となる第２の閾値の画素値を決定す
る第２の閾値決定手段とを具備する放射線画像処理シス
テム。6. A radiation image processing system comprising: a radiation imaging apparatus; and an image processing apparatus that processes an image signal obtained by the imaging apparatus, wherein the image processing apparatus is configured to generate an image whose pixel value level is not reduced. A histogram creating means for creating a histogram and a histogram of an image having a reduced pixel value level, and a pixel value of a first threshold value at which class separation is maximized using the histogram of the image having the reduced pixel value level. A threshold value determining unit, and a pixel value of a second threshold value having a maximum class separation degree in a predetermined range including a threshold value corresponding to the first threshold value using a histogram of an image whose pixel value level is not reduced. A radiation image processing system comprising: a second threshold value determining means for determining the threshold value.
別分析法により第１及び第２の閾値を決定する請求項６
記載の放射線画像処理システム。7. The first and second threshold value determining means determines the first and second threshold values by a discriminant analysis method.
A radiographic image processing system according to claim 1.
れた画像信号を処理する画像処理装置とを備える放射線
画像処理システムであって、 前記画像処理装置は、 画素値レベルを縮小しない画像のヒストグラム及び画素
値レベルを縮小した画像のヒストグラムを作成するヒス
トグラム作成手段と、 前記画素値レベルを縮小した画像のヒストグラムを用い
て３以上のクラスに分離するためのクラス分離度が最大
となる第１の閾値の画素値の組を決定する第１の閾値組
決定手段と、 前記画素値レベルを縮小しない画像のヒストグラムを用
いて前記第１の閾値の組の各々の閾値に対応する閾値を
含む所定の各々の範囲で３以上のクラスに分離するため
のクラス分離度が最大となる第２の閾値の画素値の組を
決定する第２の閾値組決定手段とを具備する放射線画像
処理システム。8. A radiation image processing system comprising: a radiation imaging apparatus; and an image processing apparatus that processes an image signal obtained by the imaging apparatus, wherein the image processing apparatus includes an image processing apparatus configured to generate an image whose pixel value level is not reduced. A histogram creating means for creating a histogram and a histogram of an image having a reduced pixel value level, and a first class separation degree for maximizing class separation for separating into three or more classes using the histogram of the image having the reduced pixel value level. First threshold value set determining means for determining a set of pixel values of the threshold value, and a predetermined value including a threshold value corresponding to each threshold value of the first set of threshold values using a histogram of an image whose pixel value level is not reduced. And a second threshold value group determining unit that determines a pixel value group of a second threshold value that maximizes the class separation degree for separating into three or more classes in each of the ranges. Radiation image processing system that.
ラス数の範囲で前記第２の閾値の組のクラス分離度を用
いて所定の評価量が最大又は最小となるクラス数を決定
するクラス数決定手段を具備する請求項８記載の放射線
画像処理システム。9. The image processing apparatus further comprising: a class for determining a class number at which a predetermined evaluation amount is maximum or minimum using a class separation degree of the second set of threshold values within a predetermined class number range. 9. The radiation image processing system according to claim 8, further comprising a number determination unit.
は、判別分析法により第１及び第２の閾値の組を決定す
る請求項８又は９記載の放射線画像処理システム。10. The radiographic image processing system according to claim 8, wherein said first and second threshold value group determining means determines the first and second threshold value group by a discriminant analysis method.
トグラム及び画素値レベルを縮小した画像のヒストグラ
ムを作成するヒストグラム作成ステップと、 前記画素値レベルを縮小した画像のヒストグラムを用い
てクラス分離度が最大となる第１の閾値の画素値を決定
する第１の閾値決定ステップと、 前記画素値レベルを縮小しない画像のヒストグラムを用
いて前記第１の閾値に対応する閾値を含む所定の範囲で
クラス分離度が最大となる第２の閾値の画素値を決定す
る第２の閾値決定ステップとを具備する画像処理方法。11. A histogram creating step of creating a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level is reduced, and the class separation is maximized by using the histogram of the image whose pixel value level is reduced. A first threshold value determining step of determining a pixel value of a first threshold value, and class separation in a predetermined range including a threshold value corresponding to the first threshold value using a histogram of an image whose pixel value level is not reduced A second threshold value determining step of determining a pixel value of a second threshold value having a maximum degree.
は、判別分析法により第１及び第２の閾値を決定する請
求項１１記載の画像処理方法。12. The image processing method according to claim 11, wherein said first and second threshold value determining steps determine the first and second threshold values by a discriminant analysis method.
トグラム及び画素値レベルを縮小した画像のヒストグラ
ムを作成するヒストグラム作成ステップと、 前記画素値レベルを縮小した画像のヒストグラムを用い
て３以上のクラスに分離するためのクラス分離度が最大
となる第１の閾値の画素値の組を決定する第１の閾値組
決定ステップと、 前記画素値レベルを縮小しない画像のヒストグラムを用
いて前記第１の閾値の組の各々の閾値に対応する閾値を
含む所定の各々の範囲で３以上のクラスに分離するため
のクラス分離度が最大となる第２の閾値の画素値の組を
決定する第２の閾値組決定ステップとを具備する画像処
理方法。13. A histogram creating step of creating a histogram of an image whose pixel value level is not reduced and a histogram of an image whose pixel value level is reduced, and using the histogram of the image whose pixel value level has been reduced into three or more classes. A first threshold value group determining step of determining a pixel value set of a first threshold value at which the class separation degree for separation is maximum; and a first threshold value using a histogram of an image whose pixel value level is not reduced. A second threshold value for determining a set of pixel values of a second threshold value that maximizes class separation for separating into three or more classes in a predetermined range including a threshold value corresponding to each threshold value of the set An image processing method comprising: a set determining step.
第２の閾値の組のクラス分離度を用いて所定の評価量が
最大又は最小となるクラス数を決定するクラス数決定ス
テップを具備する請求項１３記載の画像処理方法。14. A class number determining step of determining a class number at which a predetermined evaluation amount is maximum or minimum using the class separation of the second set of threshold values within a predetermined class number range. An image processing method according to claim 13.
プは、判別分析法により第１及び第２の閾値の組を決定
する請求項１３又は１４記載の画像処理方法。15. The image processing method according to claim 13, wherein the first and second threshold value pairs determining step determines the first and second threshold value pairs by a discriminant analysis method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001115735A JP2002312775A (en) | 2001-04-13 | 2001-04-13 | Image processor, radiation image processing system and image processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001115735A JP2002312775A (en) | 2001-04-13 | 2001-04-13 | Image processor, radiation image processing system and image processing method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002312775A true JP2002312775A (en) | 2002-10-25 |
Family
ID=18966588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001115735A Pending JP2002312775A (en) | 2001-04-13 | 2001-04-13 | Image processor, radiation image processing system and image processing method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002312775A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005267452A (en) * | 2004-03-19 | 2005-09-29 | Seiko Epson Corp | Image processor, image processing method, and image processing program |
| CN100347722C (en) * | 2004-12-24 | 2007-11-07 | 佳能株式会社 | Method and device of determing binary-state threshold of text, and storage medium |
| JP2010081604A (en) * | 2008-09-25 | 2010-04-08 | Sharp Corp | Method and system for locating text in digital image |
| JP2012239518A (en) * | 2011-05-16 | 2012-12-10 | Hoya Corp | Electronic endoscope system, image processing method and software |
| EP2735269A1 (en) * | 2011-07-19 | 2014-05-28 | Hitachi Medical Corporation | X-ray image diagnosis device and method for controlling x-ray generation device |
-
2001
- 2001-04-13 JP JP2001115735A patent/JP2002312775A/en active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005267452A (en) * | 2004-03-19 | 2005-09-29 | Seiko Epson Corp | Image processor, image processing method, and image processing program |
| JP4581445B2 (en) * | 2004-03-19 | 2010-11-17 | セイコーエプソン株式会社 | Image processing apparatus, image processing method, and image processing program |
| CN100347722C (en) * | 2004-12-24 | 2007-11-07 | 佳能株式会社 | Method and device of determing binary-state threshold of text, and storage medium |
| JP2010081604A (en) * | 2008-09-25 | 2010-04-08 | Sharp Corp | Method and system for locating text in digital image |
| JP4745430B2 (en) * | 2008-09-25 | 2011-08-10 | シャープ株式会社 | Method and system for positioning text in digital images |
| US8189917B2 (en) | 2008-09-25 | 2012-05-29 | Sharp Laboratories Of America, Inc. | Methods and systems for locating text in a digital image |
| JP2012239518A (en) * | 2011-05-16 | 2012-12-10 | Hoya Corp | Electronic endoscope system, image processing method and software |
| EP2735269A1 (en) * | 2011-07-19 | 2014-05-28 | Hitachi Medical Corporation | X-ray image diagnosis device and method for controlling x-ray generation device |
| EP2735269A4 (en) * | 2011-07-19 | 2015-03-25 | Hitachi Medical Corp | X-ray image diagnosis device and method for controlling x-ray generation device |
| US9384547B2 (en) | 2011-07-19 | 2016-07-05 | Hitachi, Ltd. | X-ray image diagnostic apparatus and method for controlling X-ray generation device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9898825B2 (en) | Segmentation of magnetic resonance imaging data | |
| EP3671531A1 (en) | Semantic segmentation of non-euclidean 3d data sets using deep learning | |
| US9881360B2 (en) | Multi-scale active contour segmentation | |
| JP5016603B2 (en) | Method and apparatus for automatic and dynamic vessel detection | |
| US7835562B2 (en) | Methods and apparatus for noise reduction filtering of images | |
| CN112492388B (en) | Video processing method, device, equipment and storage medium | |
| JP5039310B2 (en) | Cerebral hemorrhage segmentation device | |
| WO2005110232A1 (en) | Image processing device and method thereof | |
| US20080097942A1 (en) | System and Method for Automated Suspicious Object Boundary Determination | |
| CN1716316A (en) | Color segmentation-based stereo 3D reconstruction system and process | |
| JP2000003454A (en) | Method and device for identifying structure image component | |
| US11455730B2 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
| WO2006013514A1 (en) | System and method for automated suspicious object boundary determination | |
| US20150325018A1 (en) | Standalone annotations of axial-view spine images | |
| WO1985004090A1 (en) | X-ray ct image processor | |
| JP2002312775A (en) | Image processor, radiation image processing system and image processing method | |
| CN106027854A (en) | United filtering denoising method which is applied to a camera and is applicable to be realized in FPGA (Field Programmable Gate Array) | |
| WO2009110260A1 (en) | Image treating device | |
| US8144965B2 (en) | Image processing apparatus, image processing method, and computer storage medium | |
| JP2021111228A (en) | Learning device, learning method, and program | |
| US20100061656A1 (en) | Noise reduction of an image signal | |
| CN115797186A (en) | Image restoration method and device, electronic equipment and storage medium | |
| KR20190067551A (en) | Method for contrast enhancement of medical diagnostic image using statistical estimation and mapping function modeling technique | |
| CN102802530B (en) | Image processing apparatus, X-ray image diagnosis apparatus and image processing method | |
| JP2015100657A (en) | Information processing device and method |