JPH1099308A - デジタル画像の自動区画化方法及び装置 - Google Patents

デジタル画像の自動区画化方法及び装置

Info

Publication number
JPH1099308A
JPH1099308A JP9203520A JP20352097A JPH1099308A JP H1099308 A JPH1099308 A JP H1099308A JP 9203520 A JP9203520 A JP 9203520A JP 20352097 A JP20352097 A JP 20352097A JP H1099308 A JPH1099308 A JP H1099308A
Authority
JP
Japan
Prior art keywords
image
density
background
images
sub
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
Application number
JP9203520A
Other languages
English (en)
Inventor
Sherif Makram-Ebeid
マクラム−エベド シェリフ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Philips Electronics NV filed Critical Philips Electronics NV
Publication of JPH1099308A publication Critical patent/JPH1099308A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

(57)【要約】 【課題】 より低濃度の背景に対してコントラストを有
する不均一な濃度のリボン状の対象を表わすデジタル画
像を処理する方法を提供する。 【解決手段】 この方法は画像平面に平行な二次元ベー
スを有し、第三の次元で二進数でない濃度関数を有する
一又は複数の三次元構成要素のそれぞれでなされる一又
は複数のモルフォロジー的な開放操作からなる自動的に
区画化する段階を含む。好ましくは自動区画化段階は第
三の濃度次元を有する二次元空間構成要素の組により実
施される。この組は角度π／Ｎとπ／Ｎで等しく離間さ
れた異方的な二次元構成要素と一つの等方的な構成要素
からなる。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明はより小さな濃度の背
景とコントラストを有する不均一な濃度のリボン状の対
象を表すデジタル画像を処理する方法に関し、この方法
は自動区画化段階を含む。本発明はまた上記方法を実施
する医療システム用の装置に関する。
【０００２】本発明は特にＸ線画像システムのような医
療画像システム産業に応用される。本発明は特に脳血管
画像システムに応用される。
【０００３】
【従来の技術】冠状動脈画像の区画化及びこの動脈画像
の動脈の輪郭及び境界を自動的に決定する画像処理シス
テムはＣｈｉｅｎ−Ｃｈｕａｎ ＫＯ，Ｃｈｉ−Ｗｕ
ＭＡＯ，Ｙｕｎｇ−Ｎｉｅｎ ＳＵＮ，Ｓｈｅｉ−Ｈｓ
ｉ ＣＨＡＮＧによる論文、Ｉｎｔｅｒｎａｔｉｏｎａ
ｌ Ｊｏｕｒｎａｌ ｏｆ ＢｉｏＭｅｄｉｃａｌ Ｃ
ｏｍｐｕｔｉｎｇ，３９（１９９５），ｐｐ．１９３−
２０８，ＥＬＳＥＶＩＥＲ、”Ａ ｆｕｌｌｙ ａｕｔ
ｏｍａｔｅｄ ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆ ｃ
ｏｒｏｎａｒｙ ｂｏｒｄｅｒｓ ｆｒｏｍ ｔｈｅ
ｔｒｅｅ ｓｔｒｕｃｔｕｒｅ ｏｆ ｃｏｒｏｎａｒ
ｙ ａｎｇｉｏｇｒａｍｓ”から既に知られている。
【０００４】この方法はデジタルアンギオグラフィー画
像の収集及び動脈により形成される対象に関する情報を
画像の残り又は背景から分離するためにその画像を区画
化することからなる。区画化段階は一連のモルフォロジ
ー（形態学）的な操作からなる。このシーケンスはまず
第一に対象の境界を保持する一方でノイズを除去するた
めに元の画像に適用されるメディアンフィルタを含む。
平滑化された画像は続いてモルフォロジーフィルタによ
り処理される。
【０００５】画像を処理するために動脈は暗い背景上に
明るく現れるように表示される。モルフォロジーフィル
タは緩やかな濃度変化を有する背景部分を識別するため
に最初に該平滑化に適用される。このフィルタは２５画
素の直径を有する平坦な六角形のモルフォロジー構成要
素を用いるモルフォロジー的な閉鎖操作をなす。平坦な
モルフォロジー構成要素はフィルターの制限の内側の濃
度データは一定であるということを意味する。２５画素
の直径は元の画像で動脈の直径より大きい。この操作に
より六角形より狭い動脈は平滑化された画像から除去さ
れる。次に得られた画像は対象のエッジ情報をなお保持
している新たな画像を形成するために平滑化された画像
から引き算される。このモルフォロジー的な閉鎖操作は
背景抽出操作をなす。この目的のためにそれは浸食操作
に続く拡張操作を含む。
【０００６】モルフォロジー的な閉鎖による背景抽出操
作に続いて、コントラストを増強するために線形濃度規
格化、続いて２進画像を形成するための閾値決め動作が
なされる。画像を対象及び背景にする実際の区画化はこ
の２進画像でなされる。冠状動脈を平滑化し、背景抽出
処理中に壊された血管部分を修復することは２進閉鎖操
作を含む。動脈システムから余分な対象を除去するため
に以前の画像に適用される２進開放操作を更に含む。こ
れらの２つのモルフォロジー閉鎖及び開放操作で構成要
素は平坦である。操作は輪郭に基づく。
【０００７】なされた全てのモルフォロジー操作でアル
ゴリズムは反復的であり多くの計算時間を必要とする。
上記文献から知られている方法による画像区画化が終了
するのはこの段階である。知られている方法はより特徴
的にはコントラストの豊富な元画像に関し、ここで動脈
は明瞭に識別でき、または動脈の重複は比較的少なく、
動脈システムは木の形をむしろ有し、狭窄のような異常
が検出される。
【０００８】
【発明が解決しようとする課題】本発明の目的は特に脳
の部分の動脈システムを再現するデジタル画像用の自動
区画化システムを提供することにある。
【０００９】
【課題を解決するための手段】そのような画像を処理す
ることは新たで深刻な問題をもたらす。実際に脳の動脈
画像はアンギオグラムより小さなコントラストを有す
る；脳の動脈ネットワークは木の形ではなく、重畳によ
り血管の無数の交差で非常に密度が高い；同じ領域で血
管は露出中に血管をより不透明にするために患者に注入
された薬剤がこの高密度の動脈システムで満足できるよ
うに拡散しない事実により高度に変化するコントラスト
を有する非常に異なる直径を示す。
【００１０】これらの問題は実質的により低い濃度の背
景とコントラストを有する不均一な濃度のリボン状の対
象を表すデジタル画像を処理する方法であって：画像平
面に平行で、第三の次元で二進数でない濃度関数を有す
る二次元ベースを有する一又は複数の三次元構成要素に
対してなされる一又は複数のモルフォロジー的な開放操
作からなる方法により解決される。
【００１１】
【発明の実施の形態】本発明を以下に図を参照して詳細
に説明する。図は背景上で高度にコントラストを有する
リボンを形成する対象を示すデジタル画像をフィルター
する方法の種々の段階に関して以下に詳細に説明し、該
段階は自動画像区画化は画素が背景及び対象に属するよ
う画素をラベルするためになされ、最終的には対象はレ
ベル１、背景はレベル０を有する２進画像を構成する。
【００１２】例により予想できる使用に対して図１に示
されるように元のデジタル濃度画像は脳の動脈画像であ
る。この動脈画像ではもつれた長い暗いリボンを形成
し、それを診断及び治療のどちらのために調べるのも難
しい。画像は低いコントラストを有する。血管は識別が
難しく、無数の重複を有する。図２に示されるように区
画化処理の完了後には画像は２進画像になり、一定の濃
度レベルで均一な背景上でコントラストを示す図１の動
脈画像の動脈システムを専ら示す。
【００１３】本発明の方法は情報の損失なしに図１の画
像から図２の画像を得ることを可能にする。故に図２の
画像で医者が医療診断又は治療をなす場合の正確さは元
の画像でなされたときに可能であったことと比較して顕
著に改善される。機能ブロックにより本発明の方法を示
す図１９に示されるように区画化方法は好ましくは以下
の一連の段階からなる： １． デジタル画像の収集 図１に示されるようにデジタル画像はデジタル化された
濃度レベルを有する画素の二次元マトリックスＪ00の形
でデジタル画像形成手段１００により収集される。収集
された画像Ｊ00は動脈が明るい背景上に暗いリボンを形
成する脳の動脈画像を表す。この画像は最初にノイズを
除去するために例えば低域通過平滑化のようなフィルタ
ー操作１０１をなされる。
【００１４】続いて濃度は検出される対象が暗い背景上
に明るくなるようデジタル画像Ｊ01を提供するために当
業者に知られているいかなる方法により反転されうる。
これは当分野の技術レベルで知られている方法により処
理された画像と同じ型の画像をもたらす。本発明の方法
のそれに続く部分では血管が暗い背景上に明るいリボン
であるこれらの画像が用いられる。
【００１５】２． 背景の抽出 動脈システムに無関係ないかなる要素も粗く除去するた
めに背景抽出１１０が平滑化された画像Ｊ01上でなされ
る。図３は画像Ｊ01内の血管２０を横切る画素ラインΔ
１に沿った濃度プロファイルを示す。この濃度プロファ
イルは背景に対応する遅い濃度変化を有する部分１０及
び血管に対応する濃度のこぶを形成する部分２０を有す
る。
【００１６】図３に示されるように背景抽出はラインΔ
１の現在の画素Ｐ（ｘ，ｙ）上に中心を有するフィルタ
１０２の通過からなり、これは現在の画素Ｐ（ｘ，ｙ）
の左の所定の距離Ｒ１に位置する点Ａ１の濃度ＩA1とラ
インΔ１上の現在の画素Ｐ（ｘ，ｙ）の右の所定の距離
Ｒ１に位置する点Ｂ１の濃度ＩB1との間の平均を取る。
計算された平均濃度ＩP は現在画素Ｐ（ｘ，ｙ）に割り
当てられる。
【００１７】このフィルタ１０２の通過の結果として血
管により生ずる濃度のこぶ２０が除去され、背景部分３
０はその位置で推定される。このフィルター操作１０２
は値２Ｒ１が最大の血管の横断方向の寸法より大きい第
一の距離Ｒ１を有する第一のスケールに対してなされ
る。図４に示されるようにこのフィルター操作は更にま
た異なる距離Ｒ２を有する第二のスケールに対してなさ
れ、これは最小の血管の直径の関数として選択される。
【００１８】平滑化された画像Ｊ1 の血管２０ａ，２０
ｂの概略平面図である図５に示されるようにこのフィル
ター操作１０２は図３、４のような一以上のスケールに
対して実施されるのみならず画像平面Ｊ01内でπ／Ｍず
つ規則的に離間される方向Δ１からΔＭの複数のＭに関
しても実施される。好ましくはＭ＝８である。続いてこ
のフィルター操作１０２はπ／８毎の角度的に等間隔な
８つの方向でなされる。 各現在の点Ｐ（ｘ，ｙ）では
次に背景の濃度値はスケールと向きΔを変化することに
より推定される全ての値の最小値として推定される。操
作１０２は推定された背景画像ＪBGを提供する。
【００１９】続いて画像Ｊ0 は操作１０３により背景に
対して画像ＪBGから得られた推定された濃度値を平滑化
された画像Ｊ01の濃度データから引き算することにより
計算された濃度データを画素に割り当てることにより形
成される。この背景抽出方法は非常に正確である。何故
ならば背景の濃度値はまた推定され、血管の位置で引き
算されるからである。
【００２０】この背景抽出方法は非常に好ましい。何故
ならばそれは計算時間をそれほど多くは必要とせず、血
管の重複又は重畳される領域でどのような誤り又は不正
確さをも発生しないからである。画像Ｊ0 は作業画像で
あり；画像Ｊ0 は暗い背景に対して明るい血管を示す。 ３． ファジー区画化と称される区画化段階 ファジー区画化と称される第一の区画化段階１３０は画
像Ｊ0 上でなされ、背景の抽出を得る。「ファジー区画
化」という呼び方は従来技術から知られている他の区画
化方法からこの区画化を識別するために採用した。
【００２１】この区画化段階を実施するために処理され
る画像Ｊ0 は２進画像でなく、リボン状の血管は種々の
濃度を有し、実質的に均一にされた低い濃度の背景とコ
ントラストをなすものである。本発明の方法により、図
６に示されるように区画化される画像Ｊ0 は二次元画素
マトリックスの軸に対応する空間的次元（ｘ，ｙ）及び
二つの空間的次元の関数として変化するようプロットさ
れる濃度値Ｉ（ｘ，ｙ）に沿った第三の次元ｚを有する
疑似三次元表示として示される。この疑似表示された例
えば符号２０ａ、２０ｂのような動脈では背景に関して
それらの濃度値に依存した可変な高さのトンネル、即
ち、引き伸ばされた形を有し、上部が丸く、実質的に平
坦な背景から立ち上がっている、が形成される。図６で
は２つの動脈が相互に交差し、即ち実際にはそれらは重
畳されている。濃度画像Ｊ0 の交差部分での濃度は２つ
の動脈の濃度の和に等しい。これは図６の濃度のこぶ４
０により示される。
【００２２】このファジー区画化段階１３０はモルフォ
ロジー的な開放操作が一又は複数の三次元構成要素で実
施されることからなる。三次元は構成要素が画像平面
ｘ，ｙに平行な平面ｕ，ｖ内に空間的な二次元ベースを
有し、この２つの空間的な次元の関数として第三の次元
ｚで可変な濃度関数Ｇ（ｕ，ｖ）を表す二進数ではない
濃度関数Ｇを有するという意味である。
【００２３】図７に示すように構成要素のベースは例え
ば円である。その場合には要素は等方的である。濃度関
数Ｇ（ｕ，ｖ）は円の中心を通過する対称の軸ｚに関し
て回転により形成される。図８に示されるように方向ｄ
の短軸と方向Ｄの長軸とを有するようベースは引き伸ば
されうる。構成要素は従って異方性を有する。好ましく
はモルフォロジー的な開放操作は複数の構成要素により
なされる。
【００２４】図９に示されるように構成要素の組は向き
Ｄ１からＤＮの長軸を有する複数のＮ個の異方性構成要
素からなるよう形成され、これらは画像平面ｘ，ｙに平
行な面（ｕ，ｖ）でπ／Ｎとπ／Ｎで角度的に等間隔で
ある。図９で８つの構成要素Ｇ1 からＧ8 が示され、方
向Ｄ１からＤ８のその長軸は中心Ｏ1 からＯ8 を有し、
角度π／８で等間隔である。
【００２５】図９に示されるようにこの構成要素の組は
等方的な要素Ｇ9 を含み、そのベースは対象の中心Ｏ9
を示す。図６に示すように三次元画像Ｊ0 の一部分を示
し、図７、８には三次元構成要素の例が示され、モルフ
ォロジー的な開放操作がこの血管の部分の位置、大き
さ、濃度、方向を決定するよう異方性を有する又は等方
的な構造の要素の組の構成要素のどちらが所定の血管区
域で最も良いか決定するようになされる。
【００２６】この目的のために構成要素Ｇ1 からＧ9 の
第一の組が図９を参照して上記のように同じ方向に長い
区域を有する大きな直径の血管を検出するために第一の
スケールに対して形成され、構成要素の一又は複数の組
はより小さな血管を検出するためにより小さなスケール
に対して形成される。例えば図１０に示されるようにＧ
8 のタイプ及びそれに続くタイプＧ6 及びそれに続くタ
イプＧ5 の構成要素は血管２０ａに適合し、この血管２
０ａの３つの区域の大きさと方向と強度とが決定される
ことを可能にする。更にまたより小さなスケールの構成
要素Ｇ’3 は血管区域２０ｂ内に適合し、この区域の大
きさと方向と強度とが決定されることを可能にする。
【００２７】この方法の利点は２０ａ及び２０ｂのよう
な相互に交差する血管はそれぞれ区画化され、即ち交差
により誤差が形成されないことである。斯くして最初の
モルフォロジー的な開放操作は図９に示されるタイプの
等方的構成要素によりなされうる。この操作は該等方的
構成要素をそこに挿入される構成要素のような横断的な
寸法を有する円形の対象又はむしろ血管が検知される例
えば図１５に示されるような開放画像を形成するために
例えば図１４に示されるような画像に対して行と列に沿
って元の画像Ｊ00に対応する画像Ｊ0 にわたって通過さ
せることによりなされる。
【００２８】１４から１７の画像は実際の作業画像Ｊ0
に関して反転した濃度を有する。この画像処理方法では
そのような反転は純粋に表象的なものであり、ここで適
用されたのはよりよく理解されうる画像を得るためであ
る。続いて、複数のモルフォロジー的な開放操作がＮ個
の異方的な方向性を有する構成要素の組のそれぞれの要
素によりなされる。これらの操作はＮ個の開放画像の組
を形成するために長軸に平行な点の列に沿って画像Ｊ0
の点にわたって該異方的な構成要素を通過させることに
よりなされ、該主軸と同じ方向を有する各々の血管区域
が検出される。斯くして方向π／２の構成要素を適用す
ることにより形成された開放画像は図１６に示され、方
向π／４の構成要素は図１７に示される。
【００２９】一般に構成要素の濃度関数は例えば以下に
示すような１より大きな次数の単項式の関数又は二次関
数である： Ｇ（ｕ）＝ａ・ｕn ここでｕは画像処理軸による変数であり、例えば異方性
構成要素の主軸であり、ａは定数、ｎは一以上の定数で
ある。構成要素のスケールはこれらの定数の値を調整す
るために決定される。
【００３０】図１９に示されるように就中開放操作１３
０は第一の浸食副操作１１１からなる。図１１に示され
るように浸食は主軸Ｄ又はときにはｄ、又は所定の構成
要素Ｇの方向に平行な横座標ｘの軸により決定される平
面内の画像Ｊ0 の濃度プロファイルＩ（ｘ）上に形成さ
れる；この平面はまた濃度値がプロットされる座標ｚの
軸により決定される。浸食はこの面で最大値を示す構成
要素の濃度関数Ｇ（ｕ）によりなされる。浸食は接点Ｔ
で濃度プロファイルＩ（ｘ）の下の濃度関数Ｇ（ｕ）の
連続的なシフトにより濃度プロファイルＩ（ｘ）の各横
軸の点ｘ0 でなされる；このシフト中の関数Ｇ（ｕ）の
最大値の幾何的な軌跡は図１１で破線で示されるように
濃度プロファイルＩ（ｘ）の浸食された形ＩE （ｘ）を
決定する。
【００３１】図１９に示されるように開放操作はｘ，ｚ
平面で最小濃度を有する構成要素の反転された濃度関数
−Ｇ（ｕ）により浸食されたプロファイルＩE （ｘ）に
なされる第二の拡張副操作１１２からなる。拡張は接点
Ｔ’に該浸食されたプロファイルにわたり反転された濃
度関数−Ｇ（ｕ）の連続したシフトにより浸食されたプ
ロファイルＩE （ｘ）の各横座標点ｘ0 になされる。こ
のシフト中の関数−Ｇ（ｕ）の最小値の幾何的な軌跡は
図１２で破線で示されるように浸食された濃度プロファ
イルの拡張された形ＩD （ｘ）を決定する。
【００３２】図１３に示すように浸食／拡張操作は血管
区域に最も良く適合する構成要素を要素の組から決定す
ることを可能にする。長軸に平行な異方性要素の通過は
この長軸に沿った方向の顕著な長さを有する血管区域を
決定することを可能にし、一方で等方的要素の通過は血
管の横断方向の寸法を決定する。
【００３３】等方的要素の通過はまた動脈瘤のような非
常に重要な異常の検出を許容する。何故ならばこれらの
異常は血管に膨張を形成する丸い形を有するからであ
る。そのような異常は方向付けられた異方性構成要素と
等方性要素の関係によってのみ検出可能である。これら
の異常は一又は複数のスケールに対する構成要素の提案
された組により必ず検出される。
【００３４】図１９に示されるようにＮ個の開放画像は
Ｎ回の開放操作１３０により形成される。斯くして例え
ば９個の構成要素の場合には９つの開放操作１２１から
１２９がなされる。図１９に示されるように新たな画像
は開放画像に基づいて１１３で形成される。この新たな
画像で各画素はＮ＋１個の構成要素により計算された濃
度の最大の濃度を与えられる。この画像は最大濃度画像
ＪMAX と称される。
【００３５】操作１１４により異なる開放画像の情報は
また図１８に示される画像に再結集され、これは最大濃
度が与えられた図９の９つの構成要素により検出された
血管区域に対応する９つの向きの組に区画化された画像
である。異なる区画化された区域は対応する構成要素の
主軸に平行な線で示され、又は等方的な要素により検出
された部分の場合には点により示される。
【００３６】４． ２進区画化段階 続いてこの方法で初めて、２進画像ＪSBは閾値決め操作
１１５により形成される。閾値決め操作の終わりでこの
分野の技術水準から知られている方法により画像は接続
された領域へ分割される。２つの画素は多数の画素で表
されるこれら２つの画素間の距離が所定の距離より小さ
い場合には「接続されている」と称される。斯くして最
小面積の領域は決定され、それは接続された画素を含む
接続された領域と称される。操作１１６ではこのように
決められた接続された領域に属さない画素は除去され
る。
【００３７】このようにして図２に示される区画化され
た２進画像ＪB が得られる。区画化方法はモルフォロジ
ー的な開放操作を対象が暗い背景に対して明るい画像に
対して浸食／拡張副操作を用いて適用する。対象が浸食
／拡張副操作によるモルフォロジー的な閉鎖操作を用
い、及び上記構成要素の組を用いて明るい背景に対して
暗い画像に対する区画化方法を適用することは可能であ
り、等価である。背景減算操作は濃度が反転されている
ことを考慮に入れると上記のようになされる。
【００３８】図２０に示されるように脳の動脈画像を形
成する手段と組み合わせて用いられ、又は種々の放射線
手段と結合して用いられる医療用画像処理装置は：特に
動脈画像であるデジタル化された医療用画像の収集に対
してシステム１００と、上記説明されたセグメント化方
法を実施するマイクロプロセッサを含むデジタル画像デ
ータにアクセスを有する画像処理システム２００と、本
発明の方法に含まれる種々の画像を表示するマイクロプ
ロセッサの出力と結合された表示システム２０１とから
なる。
【００３９】
【発明の効果】本発明の方法の利点は画像を所定の方向
をそれぞれ有する血管部分へ区画化することである。斯
くの如く決定された方向のデータは他の近接又は交差す
る区域に関するデータと独立である。何故ならばこれら
の他の区域は異なる向きを有するからである。故に本発
明の方法は脳動脈画像区画化に特に適切である。
【００４０】本発明の方法の他の利点は計算時間が特に
少ないことであり、これはこの分野の技術水準では本発
明の方法は知られている方法の約７０倍速い。斯くして
本発明の方法を実施するデジタル医療画像を処理する医
療システム用の装置は非常に短い計算時間で非常によい
結果を提供する。
【図面の簡単な説明】
【図１】元の画像の濃度画像である。
【図２】図１の画像に対応する区画化された濃度画像で
ある。
【図３】異なるスケール及び異なる方向による背景の抽
出の段階を示す。
【図４】異なるスケール及び異なる方向による背景の抽
出の段階を示す。
【図５】異なるスケール及び異なる方向による背景の抽
出の段階を示す。
【図６】２つの空間的な座標を示す軸と１つの濃度を示
す軸を有する濃度画像の一部分をレリーフで表した斜視
図である。
【図７】等方的構成要素を示す斜視図である。
【図８】異方的構成要素を示す斜視図である。
【図９】画像平面に平行な面内で方向付けられた等方的
及び異方的な構成要素のベースを示す平面図である。
【図１０】血管の方向及びより良いスケールに関して最
良に方向付けられた構成要素での血管のマッチングを示
す。
【図１１】モルフォロジー的な開放操作を示す。
【図１２】モルフォロジー的な開放操作を示す。
【図１３】モルフォロジー的な開放操作を示す。
【図１４】脳の動脈画像を示す元の濃度画像である。
【図１５】等方的な構成要素によりモルフォロジー的に
開放画像を示す。
【図１６】π／２の向きを有する異方性構成要素により
モルフォロジー的に開放画像を示す。
【図１７】π／４の向きを有する異方性構成要素により
モルフォロジー的に開放画像を示す。
【図１８】方向付けられた等方的及び異方的な構成要素
によりフィルターされた結果得られた方向画像と呼ばれ
る画像を示し、ここで血管部分は特定の方向を有する線
又は点のいずれかによりマークされる。
【図１９】機能ブロックにより区画化方法を示す。
【図２０】本発明の方法を実施する装置を示す。
【符号の説明】
１０ 背景部分 ２０ 血管 ４０ 濃度のこぶ Ｊ01 デジタル画像 Ｊ00 収集された画像 Ｊ01 平滑化された画像 Δ１ 画素ライン Ｒ１ 距離 Ａ１、Ｂ１ 点 ＩA1、ＩB1 濃度 Ｐ（ｘ，ｙ） 現在の画素 ＩP 平均濃度 Ｇ（ｕ，ｖ） 濃度関数 ｄ、Ｄ、Ｄ１−ＤＮ 方向 Ｇ1 −Ｇ8 構成要素 Ｏ1 −Ｏ 中心 ＩE （ｘ） 浸食された形 ＩD （ｘ） 拡張された形

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 より小さな濃度の背景と不均一な濃度の
    コントラストを有するリボン状の対象を表すデジタル画
    像を処理する方法であって：画像平面に平行な二次元ベ
    ースを有し、第三の次元で二進数でない濃度関数を有す
    る一又は複数の三次元構成要素それぞれに対してなされ
    る一又は複数のモルフォロジー的な開放操作からなる自
    動区画化段階を含む方法。
  2. 【請求項２】対称の中心を有する等方的な二次元ベース
    を有し、対称の中心に最適（最大又は最小）値を有する
    二進数でない濃度関数を有し、該等方的構成要素を実質
    的に円形の対象が検出される開放画像を形成するために
    行及び列に沿ってデジタル画像の点を越えて通過させる
    ことによりなされるモルフォロジー的な開放操作と、 検出された円形の対象及び背景を含む区画化された画像
    を構成する操作とを区画化段階に更に含む請求項１記載
    の方法。
  3. 【請求項３】画像平面内で角度π／Ｎとπ／Ｎで角度的
    に等しく離間されたそれぞれの主軸を有する異方的な二
    次元ベースを有し、第三の次元でベースの主軸の中心に
    最適（最大又は最小）値を有する二進数でない濃度関数
    をそれぞれ有するＮ個の三次元構成要素の組の要素によ
    りそれぞれなされる複数のモルフォロジー的な開放操作
    と、 検出された該区域及び背景を含む区画化された画像を構
    成する操作とを区画化段階に更に含み、 該モルフォロジー的な開放操作は該主軸と同じ向きを有
    するそれぞれのリボン状の対象区域が検出されるＮ個の
    開放画像の組を形成するために該主軸に平行な点の並ん
    だ線に沿ったデジタル画像の点を越えて該異方的構成要
    素が通過することによりなされる請求項１記載の方法。
  4. 【請求項４】 構成要素の濃度関数は以下の式、 Ｇ（ｕ）＝ａ・ｕn のような１よりも高い次数の単項式、又は二次関数であ
    り、ここでｕは画像の平面に平行な処理軸による変数で
    あり、 ａは定数であり、 ｎは一以上の定数であり、変数の羃指数である請求項１
    乃至３のうちのいずれか１項記載の方法。
  5. 【請求項５】 モルフォロジー的な開放操作は画像内の
    異なる直径の対象の最も可能な検出のための定数の値を
    調整することにより複数の異なるスケールでなされる請
    求項１乃至４のうちのいずれか１項記載の方法。
  6. 【請求項６】 開放操作は：構成要素の主軸（Ｄ）又は
    所定の半径（Ｇ）の方向に平行な横座標（ｘ）の軸と、
    濃度値がプロットされる座標（ｚ）の軸と、この面で最
    大値を示す構成要素の濃度関数［Ｇ（ｕ）］とにより決
    定される平面内のデジタル画像の濃度プロファイルＩ
    （ｘ）上に形成された第一の浸食副操作と、 該平面で最小値を有する構成要素の反転された濃度関数
    ［−Ｇ（ｕ）］により浸食された濃度プロファイルＩE
    （ｘ）になされる第二の拡張副操作とからなり、 該第一の浸食副操作は接点（Ｔ）で濃度プロファイルＩ
    （ｘ）の下の濃度関数［Ｇ（ｕ）］の順次のシフトによ
    り、及び濃度プロファイル［Ｉ（ｘ）］の浸食された形
    ＩE （ｘ）として該濃度関数［Ｇ（ｕ）］の最大値の幾
    何的な軌跡の決定により濃度プロファイルの各横軸の点
    （ｘ0 ）でなされ、 該第二の拡張副操作は接点（Ｔ’）で該浸食された濃度
    プロファイル［ＩE （ｘ）］にわたり反転された濃度関
    数［−Ｇ（ｕ）］の順次のシフト及び浸食された濃度プ
    ロファイルの拡張された形［ＩD （ｘ）］として該濃度
    関数［−Ｇ（ｕ）］の最小値の幾何的な軌跡の決定によ
    り浸食された濃度プロファイルＩE （ｘ）の各横座標点
    ［ｘ0 ］になされる請求項１乃至５のうちのいずれか１
    項記載の方法。
  7. 【請求項７】 最大濃度画像と称される画像はモルフォ
    ロジー的な開放操作によりこの画素に対して決定される
    全ての値の最大値を各画素に割り当てることにより構成
    され、該最大濃度画像は２進画像を形成するよう閾値決
    めされる請求項１乃至５のうちのいずれか１項記載の方
    法。
  8. 【請求項８】 前もってデジタル画像（Ｊ0 ）が収集さ
    れ、これは背景と不均一な濃度のコントラストを有する
    リボン状の対象を表し、この画像で対象は高濃度の背景
    に対して低濃度の対象であり、区画化段階の前に：濃度
    反転副操作と、 ノイズ平滑化副操作と、からなる段階を含み、平滑化さ
    れた画像Ｊ01と称される画像を得、平滑化された画像に
    なされる背景抽出操作は：平滑化された画像の画素を角
    度π／Ｍとπ／Ｍで等しく角度的に離間されたＭ個のフ
    ィルタの組に通過させ、それぞれ現在の画素の反対側に
    位置する該平滑化された画像内の血管の半径より大きな
    距離（Ｒ1 ，Ｒ2 ）にある点の平均濃度を決定し、該平
    均を現在の画素に割り当てる副操作と、 その組のフィルタにより決定された濃度の最低濃度値が
    各画素に割り当てられる背景画像を形成する副操作と、 作業画像（Ｊ0 ）を形成するために平滑化された画像の
    背景を減算する副操作とからなる請求項１乃至７のうち
    のいずれか１項記載の方法。
  9. 【請求項９】 より高濃度の背景に対して不均一な濃度
    のコントラストを有するリボン状の対象を表わすデジタ
    ル画像を処理する方法であって、画像平面に平行な二次
    元ベースを有し、それぞれ第三の次元で二進数でない濃
    度関数を有する一又は複数の三次元構成要素でなされる
    一又は複数のモルフォロジー的な閉鎖操作からなる自動
    的に区画化する段階を含む方法。
  10. 【請求項１０】 実質的により低濃度の背景に対してコ
    ントラストを有する不均一な濃度のリボン状の対象を表
    わすデジタル画像を処理し、デジタル画像の収集用のシ
    ステムと、デジタル画像データにアクセスを有する画像
    処理システムと、収集された画像及び処理された画像を
    表示する表示システムとからなり、ここで画像処理シス
    テムは請求項１乃至９のうちのいずれか一項記載の方法
    を実施するマイクロプロセッサからなる医療システム用
    の装置。
JP9203520A 1996-07-31 1997-07-29 デジタル画像の自動区画化方法及び装置 Pending JPH1099308A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR9609641 1996-07-31
FR9609641 1996-07-31

Publications (1)

Publication Number Publication Date
JPH1099308A true JPH1099308A (ja) 1998-04-21

Family

ID=9494673

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9203520A Pending JPH1099308A (ja) 1996-07-31 1997-07-29 デジタル画像の自動区画化方法及び装置

Country Status (4)

Country Link
US (1) US6047090A (ja)
EP (1) EP0822515B1 (ja)
JP (1) JPH1099308A (ja)
DE (1) DE69734801T2 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007207009A (ja) * 2006-02-02 2007-08-16 Fujitsu Ltd 画像処理方法及び画像処理装置
JP2011097981A (ja) * 2009-11-04 2011-05-19 Mitsubishi Electric Corp 画像信号処理装置および画像信号処理方法
JP2013530755A (ja) * 2010-06-21 2013-08-01 ユニヴェルシティ プトラ マレーシア 少なくとも１つの３次元画像を構成する方法
JP2014526334A (ja) * 2011-09-13 2014-10-06 コーニンクレッカ フィリップス エヌ ヴェ 小孔の可視化を伴う血管の輪郭描画
JP2015232911A (ja) * 2015-09-11 2015-12-24 株式会社日立製作所 生体認証装置および方法

Families Citing this family (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6295392B1 (en) * 1998-05-20 2001-09-25 Itt Manufacturing Enterprises, Inc. Super resolution methods for electro-optical systems
US6366797B1 (en) * 1998-08-25 2002-04-02 The Cleveland Clinic Foundation Method and system for brain volume analysis
AUPQ449899A0 (en) 1999-12-07 2000-01-06 Commonwealth Scientific And Industrial Research Organisation Knowledge based computer aided diagnosis
US6980675B2 (en) * 2000-10-18 2005-12-27 Paieon, Inc. Method for processing images of coronary arteries
FR2818855A1 (fr) * 2000-12-26 2002-06-28 Koninkl Philips Electronics Nv Procede de traitement d'images
WO2002080108A1 (en) * 2001-04-02 2002-10-10 Koninklijke Philips Electronics N.V. Heart modeling using a template
US7526112B2 (en) * 2001-04-30 2009-04-28 Chase Medical, L.P. System and method for facilitating cardiac intervention
US7327862B2 (en) * 2001-04-30 2008-02-05 Chase Medical, L.P. System and method for facilitating cardiac intervention
WO2003024184A2 (en) * 2001-09-14 2003-03-27 Cornell Research Foundation, Inc. System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans
US6947040B2 (en) * 2001-10-23 2005-09-20 Siemens Corporate Research, Inc. Vessel detection by mean shift based ray propagation
GB0205000D0 (en) * 2002-03-04 2002-04-17 Isis Innovation Unsupervised data segmentation
US20030190063A1 (en) * 2002-03-08 2003-10-09 Acharya Kishore C. Method and system for performing coronary artery calcification scoring
US7149335B2 (en) * 2002-09-27 2006-12-12 General Electric Company Method and apparatus for enhancing an image
US7899245B2 (en) * 2002-12-30 2011-03-01 Lockheed Martin Corporation Morphological based segmenter
US20050043609A1 (en) * 2003-01-30 2005-02-24 Gregory Murphy System and method for facilitating cardiac intervention
WO2004068406A2 (en) * 2003-01-30 2004-08-12 Chase Medical, L.P. A method and system for image processing and contour assessment
US20040260540A1 (en) * 2003-06-20 2004-12-23 Tong Zhang System and method for spectrogram analysis of an audio signal
US20070014452A1 (en) * 2003-12-01 2007-01-18 Mitta Suresh Method and system for image processing and assessment of a state of a heart
US7616794B2 (en) * 2004-01-26 2009-11-10 Siemens Medical Solutions Usa, Inc. System and method for automatic bone extraction from a medical image
US7333643B2 (en) * 2004-01-30 2008-02-19 Chase Medical, L.P. System and method for facilitating cardiac intervention
US20050174085A1 (en) * 2004-02-10 2005-08-11 Olympus Corporation Micromanipulation system
US7248736B2 (en) * 2004-04-19 2007-07-24 The Trustees Of Columbia University In The City Of New York Enhancing images superimposed on uneven or partially obscured background
DE602005005348T2 (de) * 2004-09-22 2009-03-26 Koninklijke Philips Electronics N.V. Konforme segmentierung von organen auf medizinischen bildern
EP1828978A1 (en) * 2004-12-16 2007-09-05 Koninklijke Philips Electronics N.V. A method, an apparatus and a computer program for segmenting a structure in a multi-dimensional dataset
US7773787B2 (en) * 2005-04-19 2010-08-10 Siemens Medical Solutions Usa, Inc. Method and apparatus for detecting blood vessel boundaries using multi-scale mean-shift ray propagation
FR2889382A1 (fr) * 2005-07-29 2007-02-02 Canon Res Ct France Soc Par Ac Procede et dispositif de filtrage d'un signal numerique multidimensionnel et procedes et dispositifs de codage et decodage associes
US9042606B2 (en) * 2006-06-16 2015-05-26 Board Of Regents Of The Nevada System Of Higher Education Hand-based biometric analysis
US7860283B2 (en) 2006-10-25 2010-12-28 Rcadia Medical Imaging Ltd. Method and system for the presentation of blood vessel structures and identified pathologies
US7983459B2 (en) 2006-10-25 2011-07-19 Rcadia Medical Imaging Ltd. Creating a blood vessel tree from imaging data
US7940977B2 (en) 2006-10-25 2011-05-10 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies
US7873194B2 (en) * 2006-10-25 2011-01-18 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure
US7940970B2 (en) * 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
US8761466B2 (en) * 2008-01-02 2014-06-24 Bio-Tree Systems, Inc. Methods of obtaining geometry from images
US8781194B2 (en) * 2009-04-17 2014-07-15 Tufts Medical Center, Inc. Aneurysm detection
US8655084B2 (en) * 2009-06-23 2014-02-18 Board Of Regents Of The Nevada System Of Higher Education, On Behalf Of The University Of Nevada, Reno Hand-based gender classification
CN101770577B (zh) * 2010-01-18 2011-11-30 浙江林学院 无人机航片松材线虫病病死木的膨胀-剔除信息提取法
US8861814B2 (en) * 2010-12-22 2014-10-14 Chevron U.S.A. Inc. System and method for multi-phase segmentation of density images representing porous media
TR201101980A1 (tr) * 2011-03-01 2012-09-21 Ulusoy İlkay Bir nesne temelli bölütleme yöntemi.
JP5777650B2 (ja) * 2013-01-29 2015-09-09 富士フイルム株式会社 超音波診断装置および超音波画像生成方法
JP6226939B2 (ja) * 2015-11-30 2017-11-08 麗軌 清水 超低解像度画像作成装置及び超低解像度画像作成方法
CN109389116B (zh) * 2017-08-14 2022-02-08 阿里巴巴（中国）有限公司 一种字符检测方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5574803A (en) * 1991-08-02 1996-11-12 Eastman Kodak Company Character thinning using emergent behavior of populations of competitive locally independent processes
FR2708166A1 (fr) * 1993-07-22 1995-01-27 Philips Laboratoire Electroniq Procédé de traitement d'images numérisées pour la détection automatique de sténoses.
DE4435796C1 (de) * 1994-10-06 1995-12-07 Siemens Ag Verfahren zur automatischen Erkennung von Kanten und Durchmessern in Bildern
US5832134A (en) * 1996-11-27 1998-11-03 General Electric Company Data visualization enhancement through removal of dominating structures

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007207009A (ja) * 2006-02-02 2007-08-16 Fujitsu Ltd 画像処理方法及び画像処理装置
KR100908856B1 (ko) 2006-02-02 2009-07-21 후지쯔 가부시끼가이샤 화상 처리 방법 및 화상 처리기
JP2011097981A (ja) * 2009-11-04 2011-05-19 Mitsubishi Electric Corp 画像信号処理装置および画像信号処理方法
JP2013530755A (ja) * 2010-06-21 2013-08-01 ユニヴェルシティ プトラ マレーシア 少なくとも１つの３次元画像を構成する方法
JP2014526334A (ja) * 2011-09-13 2014-10-06 コーニンクレッカ フィリップス エヌ ヴェ 小孔の可視化を伴う血管の輪郭描画
JP2015232911A (ja) * 2015-09-11 2015-12-24 株式会社日立製作所 生体認証装置および方法

Also Published As

Publication number Publication date
DE69734801T2 (de) 2006-08-17
EP0822515A1 (fr) 1998-02-04
US6047090A (en) 2000-04-04
EP0822515B1 (fr) 2005-12-07
DE69734801D1 (de) 2006-01-12

Similar Documents

Publication Publication Date Title
JPH1099308A (ja) デジタル画像の自動区画化方法及び装置
Zhou et al. The detection and quantification of retinopathy using digital angiograms
US5768405A (en) Digital image processing method for local determination of the center and the width of objects in the form of contrasting bands on a background
Sun Automated identification of vessel contours in coronary arteriograms by an adaptive tracking algorithm
DE102006017113A1 (de) Verfahren und Vorrichtung zum Detektieren von Gefäßgrenzen
CN111145206A (zh) 肝脏图像分割质量评估方法、装置及计算机设备
DE102008007231A1 (de) Robustes Gefäßbaummodellieren
EP3497669B1 (en) Method for automatically detecting systemic arteries in arbitrary field-of-view computed tomography angiography (cta).
JPH114383A (ja) 連鎖段階を含む画像処理方法及びこの方法を実施する手段を含む医療用撮像装置
JPH0765154A (ja) 血管像の定量解析装置及びその定量解析方法
Palti-Wasserman et al. Identifying and tracking a guide wire in the coronary arteries during angioplasty from x-ray images
JP2005504595A (ja) 画像内の病変の評定
JPH07271976A (ja) 画像処理方法
Wang et al. A fast method for automated detection of blood vessels in retinal images
CN103324934B (zh) 基于平行结构检测与聚类的血管中心线自动提取方法
JPH06290276A (ja) ３次元場面の映像化用配置及び方法
US20040213445A1 (en) Method and apparatus for separating an object from an ultrasound image
CN112529918B (zh) 一种脑部ct图像中脑室区域分割的方法、装置及设备
Blondel et al. Automatic trinocular 3D reconstruction of coronary artery centerlines from rotational X-ray angiography
IL129201A (en) 4d kappa 5 gaussian noise reduction
JP4473578B2 (ja) 体の構造の孤立した視覚化されたものを形成する方法及び装置
Chen et al. An automated approach for fibrin network segmentation and structure identification in 3D confocal microscopy images
CN117078711A (zh) 医学图像分割方法、系统、电子设备和存储介质
CN113344895A (zh) 高精度的眼底血管管径测量方法、装置、介质和设备
Bouma et al. Evaluation of segmentation algorithms for intravascular ultrasound images

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20040727

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20070208

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20070724

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20071023

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20071026

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20080318