CN100496402C - 图像处理方法、图像处理***以及x-射线ct*** - Google Patents

图像处理方法、图像处理***以及x-射线ct*** Download PDF

Info

Publication number
CN100496402C
CN100496402C CNB2005100713442A CN200510071344A CN100496402C CN 100496402 C CN100496402 C CN 100496402C CN B2005100713442 A CNB2005100713442 A CN B2005100713442A CN 200510071344 A CN200510071344 A CN 200510071344A CN 100496402 C CN100496402 C CN 100496402C
Authority
CN
China
Prior art keywords
pixel
standard deviation
image processing
local standard
classification
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.)
Expired - Fee Related
Application number
CNB2005100713442A
Other languages
English (en)
Other versions
CN1698540A (zh
Inventor
萩原明
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.)
GE Medical Systems Global Technology Co LLC
Original Assignee
GE Medical Systems Global Technology Co LLC
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 GE Medical Systems Global Technology Co LLC filed Critical GE Medical Systems Global Technology Co LLC
Publication of CN1698540A publication Critical patent/CN1698540A/zh
Application granted granted Critical
Publication of CN100496402C publication Critical patent/CN100496402C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G06T2207/10124—Digitally reconstructed radiograph [DRR]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明的目的是提供一种用于处理包含多个结构图像数据项的图像信息的图像处理方法，其在图像质量方面甚至部分也没有退化。利用包含在在层析图像信息中描绘的处理区域中的图像数据，生成装置(210)生成累积分布函数的曲线，其对每一像素值提供假定确定值的像素的累积数量。解算装置(220)利用累积分布函数的曲线解算出局部标准偏差。计算装置(230)基于局部标准偏差中的最小值的最小标准偏差计算多个区域标识阀值。分类装置(240)基于区域标识阀值将局部标准偏差分类，或最终将具有局部标准偏差的像素分类。此外选择装置(250)对基于区域标识阀值将像素分入的每一类别选择定义平滑滤波器的加权系数。处理装置(260)将加权系数应用至包含在层析图像信息中的像素，从而获得平滑滤波。

Description

图像处理方法、图像处理***以及X-射线CT***
技术领域
本发明涉及一种对包含在图像信息中的各自的结构图像数据项执行不同种类的图像处理的图像处理方法、图像处理***以及X-射线CT***。
背景技术
近年来，随着X射线CT***的盛行，数字图像信息甚至已开始经常用于医学领域中。在医学领域中，对对象的层析图像信息被主要作为数字图像信息处理，并证明其有助于对象的检查。此外，由于说明需要清楚的图像，对数字图像信息进行包括噪声分量的去除的图像处理。
在图像处理中，用于平滑或锐化的空间滤波器用以去除噪声分量或基于空间频率分量之间的差锐化边界(例如涉及非专利文献1)。
[非专利文献1]“用于科学测量的图像数据处理”(SatoshiKawada，CQ Publishing，1994年4月30日，pp.143-180)
然而，依据前面的背景技术，由于对全部数字图像信息或对选择出的图像信息均匀地执行图像处理，可以改进和部分地降低图像质量。即，平滑滤波器用于最小化噪声，表示相同的结构的图像数据具有其被最小化的噪声分量，但结构图像数据项之间的边界被混淆。这导致不清楚的图像。当使用锐化滤波器时，尽管锐化滤波器与平滑滤波器相反地工作，也会发生相同的现象。
具体地，至于对在涉及的医学实践中采用的对象的层析图像信息，要求全部层像信息尽可能的好以用于说明。图像质量方面的降低也不是所想要的，哪怕是部分退化。此外，在包括X-射线CT***的图像物理治疗设备中，当通过图像处理对其进行改进时，通过修改成像环境至相同的程度可以升级图像质量。例如，在X-射线CT***的情况中，通过增大对患者辐射的X-射线的剂量可以改进由层析图像信息表示的图像质量。然而，这增大了对患者的负荷，并因此不是优选地。
因此，重要的是如何实现一种能够生成包含多个结构图像数据项并表示其质量甚至部分也没有退化的图像的图像信息的图像处理方法、图像处理***以及X-射线CT***。
发明内容
因此，本发明的目的是提供一种能够生成包含多个结构图像数据项并表示其质量甚至部分也没有退化的图像的图像信息的图像处理方法、图像处理***以及X-射线CT***。
为了解决上面的问题并实现上面的目的，依据本发明的第一方面的图像处理方法包括步骤：生成提供像素的累积数量的累积分布函数的曲线，像素的累积数量是包含在包括多个像素的数字图像信息中和对每一像素值不超过确定的像素值的像素的数量；利用累积分布函数的曲线解算出局部标准偏差，该局部标准偏差是属于研究域的局部像素的值的标准偏差，所述研究域包括利用像素的累积数量确定的预定数量的像素，并在移位研究域的同时重复解算，从而使研究域覆盖全部的像素累积数量；检测由重复生成的多个局部标准偏差中的最小值；将最小值乘以多个区域指定值，以计算多个区域标识阀值；基于多个区域标识阀值分类多个局部标准偏差；选择用于每一类别的图像处理参数；以及利用图像处理参数，对包含在数字图像信息并且利用类别指定其局部标准偏差的图像数据执行图像处理。
依据本发明的第一方面，从数字图像信息生成累积分布函数的曲线。累积分布函数的曲线用于重复地计算局部标准函数。基于多个局部区域标准偏差中的最小值计算区域标识阀值。基于区域标识阀值分类局部标准偏差。选择每一类别的图像处理参数。选择的图像处理参数用于对包含在数字图像信息和以类别指定其局部标准偏差的图像数据执行图像处理。
依据本发明的第二方面的图像处理方法的特征在于：图像处理参数包括限定使像素值平滑的平滑滤波器的加权系数。
依据本发明的第二方面，图像处理参数包括限定平滑滤波器的加权系数。
依据本发明的第三方面的图像处理方法的特征在于：解算是用于解算出为等价于包含在数字图像信息中的像素的总数的预定数量的像素的局部标准偏差的总标准偏差。
依据本发明的第三方面，基于总标准偏差评估包含在每一条数字图像信息中的像素的分散的幅度。
此外，依据本发明的第四方面的图像处理方法的特征在于：计算是用于基于总标准偏差计算边界标识阀值。
依据本发明的第四方面，将边界标识阀值设置为相对于数字图像信息的全部条的相同值。
此外，依据本发明的第五方面的图像处理方法的特征在于：图像处理参数包括限定使像素值锐化的锐化滤波器的加权系数。
依据本发明的第五方面，图像处理参数包括限定用于锐化而设计的锐化滤波器的加权系数。
此外，依据本发明的第六方面的图像处理方法的特征在于：选择是用于基于边界标识阀值选择对于每一类别的图像处理参数是限定平滑滤波器或锐化滤波器，还是限定像素中没有变化。
依据本发明的第六方面，选择是确定是否采用平滑滤波器或锐化滤波器，或像素值是否改变。
此外，依据本发明的第七方面的图像处理方法的特征在于：选择是用于当选择限定锐化滤波器的图像处理参数作为用于每一类别的处理参数时，对超过多个区域标识阀值中的最大值局部标准偏差的类别指定加权系数。
依据本发明的第七方面，选择是用于选择用于最大值局部标准偏差的类别的加权系数。
此外，依据本发明的第八方面的图像处理方法的特征在于：通过在平滑滤波器或锐化滤波器的核中指定的全部加权系数的总和来归一化加权系数。
依据本发明的第八方面，归一化加权系数以限定像素值至预定范围。
此外，依据本发明的第九方面的图像处理方法的特征在于：通过CT数量表示的像素值适于由X-射线CT***生成的数字图像信息。
依据本发明的第九方面，采用由X-射线CT***生成的数字图像信息。
此外，依据本发明的第十方面的图像处理***包括：生成装置，其用于生成提供像素的累积数量的累积分布函数的曲线，像素的累积数量是包含在包括多个像素的数字图像信息中和对每一像素值不超过确定的像素值的像素的数量；解算装置，其用于利用累积分布函数的曲线解算出局部标准偏差，该局部标准偏差是属于研究域的局部像素的值的标准偏差，所述研究域包括利用像素的累积数量确定的预定数量的像素，并在移位研究域的同时重复解算，从而使研究域覆盖全部的像素累积数量；计算装置，其用于检测由解算得到的多个局部标准偏差中的最小值，并将最小值乘以多个区域指定值，以计算多个区域标识阀值；分类装置，其用于基于多个区域标识阀值分类多个局部标准偏差；选择装置，其用于选择用于每一类别的图像处理参数；以及处理装置，其用于利用图像处理参数，对包含在数字图像信息并且利用类别指定其局部标准偏差的图像数据执行图像处理。
依据本发明的第十方面，生成设备从数字图像信息生成累积分布函数的曲线。解算设备利用累积分布函数的曲线用于重复地计算局部标准函数。计算设备基于多个局部区域标准偏差中的最小值计算区域标识阀值。分类设备基于区域标识阀值分类局部标准偏差。选择设备选择每一类别的图像处理参数。处理设备利用选择的图像处理参数用于对包含在数字图像信息和以类别指定其局部标准偏差的图像数据执行图像处理。
此外，依据本发明的第十一方面的图像处理***的特征在于：图像处理参数涉及限定使像素值平滑的平滑滤波器的加权系数。
依据本发明的第十一方面，图像处理参数包括限定平滑滤波器的加权系数。
此外，依据本发明的第十二方面的图像处理方法的特征在于：解算装置解算出为等价于包含在数字图像信息中的像素的总数的预定数量的像素的局部标准偏差的总标准偏差。
依据本发明的第十二方面，解算装置基于总标准偏差评估包含在数字图像信息中的全部像素的总标准偏差。
此外，依据本发明的第十三方面的图像处理方法的特征在于：计算设备基于总标准偏差和最小值计算边界标识阀值。
依据本发明的第十三方面，计算设备基于总标准偏差和最小值计算边界标识阀值。
此外，依据本发明的第十四方面的图像处理方法的特征在于：图像处理参数涉及限定使像素值锐化的锐化滤波器的加权系数。
依据本发明的第十四方面，图像处理参数包括限定使像素值锐化的锐化滤波器的加权系数。
此外，依据本发明的第十五方面的图像处理***的特征在于：选择设备基于边界标识阀值选择对于每一类别的图像处理参数是否限定平滑滤波器或锐化滤波器或限定像素中没有变化。
依据本发明的第十五方面，选择设备选择是否采用平滑滤波器或锐化滤波器或像素值是否改变。
此外，依据本发明的第十六方面的图像处理***的特征在于：当选择设备选择限定锐化滤波器的图像处理参数作为用于每一类别的处理参数时，选择设备对超过多个区域标识阀值中的最大值局部标准偏差的类别指定加权系数。
依据本发明的第十六方面，选择设备选择用于最大值局部标准偏差的类别的锐化滤波器。
此外，依据本发明的第十七方面的图像处理***的特征在于：通过在平滑滤波器或锐化滤波器的核中指定的全部加权系数的总和归一化加权系数。
依据本发明的第十七方面，归一化加权系数以限定像素值至预定范围。
此外，依据本发明的第十八方面的图像处理***的特征在于：通过CT数量表示的像素值适于由X-射线CT***生成的数字图像信息。
依据本发明的第十八方面，采用由X-射线CT***生成的数字图像信息。
此外，依据本发明的第十九方面的X-射线CT***包括：扫描器机架，其辐射X-射线射束至对象，以从对象获取投影数据；以及扫描器控制台，其利用投影数据重构图像以生成表示对象的数字图像信息，其中扫描器控制台包括图像处理***，所述图像处理***包括：生成装置，其用于生成提供像素的累积数量的累积分布函数的曲线，像素的累积数量是包含在包括多个像素的数字图像信息中和对每一像素值不超过确定的像素值的像素的数量；解算装置，其用于利用累积分布函数的曲线解算出局部标准偏差，该局部标准偏差是属于研究域的局部像素的值的标准偏差，所述研究域包括利用像素的累积数量确定的预定数量的像素，并在移位研究域的同时重复解算，从而使研究域覆盖全部的像素累积数量；计算装置，其用于检测由解算得到的多个局部标准偏差中的最小值，并将最小值乘以多个区域指定值，以计算多个区域标识阀值；分类装置，其用于基于多个区域标识阀值分类多个局部标准偏差；选择装置，其用于选择用于每一类别的图像处理参数；以及处理装置，其用于利用图像处理参数，对包含在数字图像信息并且利用类别指定其局部标准偏差的图像数据执行图像处理。
依据本发明的第十九方面，在包括在扫描器控制台的图像处理***中，生成设备从数字图像信息生成累积分布函数的曲线。解算设备利用累积分布函数的曲线用于重复地计算局部标准函数。计算设备基于多个局部区域标准偏差中的最小值计算区域标识阀值。分类设备基于区域标识阀值分类局部标准偏差。选择设备选择每一类别的图像处理参数。处理设备利用选择的图像处理参数用于对包含在数字图像信息和以类别指定其局部标准偏差的图像数据执行图像处理。
如上面所述，依据本发明，从数字图像信息生成累积分布函数的曲线。累积分布函数的曲线用于重复地计算局部标准函数。基于多个局部区域标准偏差中的最小值计算区域标识阀值。基于区域标识阀值分类局部标准偏差。选择设备对类别的每一个选择图像处理参数。选择的图像处理参数用于对包含在数字图像信息和以类别指定其局部标准偏差的图像数据执行图像处理。因此，采样包含在数字图像信息中的多个结构图像数据项，并且最佳的图像处理参数用于对每一结构图像数据或结构图像数据项之间的每一边界执行图像处理。因此，可以避免利用相同的图像处理参数执行的图像处理引起的图像处理方面的部分退化，可以不会图像质量的整个退化地缓和表现为条纹假象等的图像质量方面的部分退化。
从如附图所述的本发明的优选实施例的下面说明中，本发明的其它对象和优点将明显。
附图说明
图1是示出了图像处理***和X-射线CT***的全部结构方块图。
图2是示出了图像处理***的功能性结构的功能性方块图。
图3示出了处理的层析图像信息和区域。
图4示出了累积分布函数的曲线和像素值的分布函数的曲线。
图5说明性示出了在累积分布函数的曲线和从曲线解算出的局部标准偏差中表示的研究域。
图6示出了核的例子。
图7示出了与类别相关的核的例。
图8是说明了依据本发明的第一实施例在图像处理***中所要被执行的操作的流程。
图9示出了在其中没有结构图像数据包含在处理区域时的情况中生成的累积分布函数的曲线。
图10是描述了依据第二实施例在图像处理***中执行的操作的流程(部分1)。
图11是描述了通过依据第二实施例的图像处理***执行的操作的流程(部分2)。
具体实施方式
参照附图，下面说明依据本发明的优选实施例的图像处理方法、图像处理***和X-射线CT***。需要注意，本发明不局限于实施例。
(实施例1)
首先，下面说明依据第一实施例的图像处理***和X-射线CT***的全部结构。图1是X-射线CT***的方块图。如图1所示，X-射线CT***包括扫描器机架2和操作员控制台6。
扫描器机架2包括X-射线管20。没有示出X-射线，并通过准置器22将从X-射线管20辐射的X-射线重新组合成例如扇形X-射线束或所谓的扇形射束X-射线，并将其辐射至检测器阵列24。
检测器阵列24具有在其中扇形射束X-射线扩展的方向上以矩阵设置的多个X-射线检测器元件。检测器阵列24是具有以矩阵设置的多个X-射线检测器元件的多通道X-射线检测器。
多个检测器阵列24整个形成柱形凹X-射线入射表面。检测器阵列24的每一个包括例如闪烁器和光电二极管的组合，但其不局限于这种组合。可替代地，例如，利用碲化镉(CdTe)等的半导体X-射线检测器元件或采用氙气的离子室式X-射线检测器元件也可以起到这种作用。X-射线管20、准置器22和检测器阵列24组成X-辐射/检测部件。
数据获取器单元26连接至检测器阵列24。数据获取器单元26获取被组成检测器阵列24的式X-射线检测器元件的每一个检测的检测数据。通过X-射线控制器28控制经X-射线管20的X-辐射。省略X-射线管20和X-射线控制器28之间的连接关系以及准置器22和准置器控制器30之间连接关系的说明。通过准置器控制器30控制准置器22。
将开始于X-射线管20并且以准置器控制器30结束的前述元件结合进扫描器机架2的旋转结构34。于此，请求对象1躺于在他的/她的侧面上的托架31之上，并将其运载进入旋转结构34的中心中的孔29。旋转结构34在旋转控制器36的控制下旋转。X-射线管20发射X-射线，并且检测器阵列24检测由对象1发射的X-射线。省略旋转结构34和旋转控制器36之间的连接关系的说明。
操作员控制台6包括图像重构单元60。以例如计算机实现图像重构单元60。控制接口62连接至图像重构单元60。扫描器机架2连接至控制接口62。图像重构单元60通过控制接口62控制扫描器机架2。
通过控制界面62控制结合进扫描器机架2中的数据获取单元26、X-射线控制器28、准置器控制器30和旋转控制器36。省略控制接口62至数据获取单元26、X-射线控制器28、准置器控制器30和旋转控制器36的连接说明。
数据采集缓冲器64连接至图像重构单元60。结合进扫描器机架2的数据获取单元26连接至数据采集缓冲器64。将由数据获取单元26获取的数据通过数据控制缓冲器64传送至图像重构单元60。
利用发射的X-射线信号，也就是通过数据采集缓冲器64获取的投影数据，图像重构单元60重构图像。此外，存储单元66连接至图像重构单元60。将表示重构图像的层析图像信息以及用于实现***的功能的程序等存储进存储单元66中。
此外，显示装置68和操作装置70连接至图像重构单元60。在显示装置68上显示由图像重构单元60提供的层析图像信息和其它信息。操作员操纵操作装置70，以输入被转移至图像重构单元60的各种指令或各条信息。操作员使用显示装置68和操作装置70交互地操作X-射线CT***。
通过未示出的通信设备经存储单元44将图像处理***40连接至接合进操作员控制台6的存储单元66。在独立于操作员控制台6的操纵台上设置图像处理***40。图像处理***转移表示重构图像并被存储于存储单元66中的层析图像信息至存储单元44，并且图像处理单元41执行图像处理。以例如计算机实现图像处理单元41。
此外，显示装置42和操作装置43连接至图像处理单元41。在显示装置42上显示从图像处理单元41发送的层析图像信息和其它信息。操作员操纵操作装置43，以输入被转移至图像处理单元41的各种指令或各条信息。操作员利用显示装置42和操作装置43交互地操作图像处理***。
图2是图像处理***40的功能性方块图。除了层析图像信息设备200之外，图像处理***40包括区域描绘设备205、指定/生成设备210、解算设备220、计算设备230、分类设备240、选择设备250、处理设备260和显示设备270。
层析图像信息200是表示对象1的轴向部分的层析图像的数字图像信息，并将其从结合进操作员控制台6的存储单元66转移至存储单元44。图3(A)示出了表示对象1的肺野的图像的层析图像信息200的例子。图3(A)示出了整个的层析图像信息200，其包括例如512行像素和512列像素的矩阵。每一像素假定表示256级灰度色标中的色调的值。在X-射线CT***的情况中，通过由限定如从作为0的水获得的像素值和从作为-1000的空气获得的像素值归一化的CT编号表示像素值。
区域描绘设备205描绘处理区域201以指定随后说明的图像处理的对象。在描绘过程中，在于显示装置42上显示的层析图像中描绘感兴趣的区域(ROI)，并对区域中的像素执行图像处理。如图3(A)所示，感兴趣的区域例如是矩形区域，其位置在层析图像中，并且由通过操作装置43的输入选择其尺寸。
图3(B)示出了从在图3(A)中示出的处理区域201采样的层析图像信息200。参照图3(B)，从在图3(A)中示出的全部肺野的层析图像采样包含表示支气管和血管的图像以及支气管中空气的图像的图像数据项的层析图像信息200。下文中，假定沿着从对处理区域201采样的层析图像信息200执行图像处理进行说明。当在对其执行图像处理的区域被描绘为处理区域201时，可以缩短图像处理时间，并且可以更有效地获得图像处理。
生成设备210生成提供关于每一像素值假定确定的像素值的像素的数量的累积分布函数的曲线。例如通过获得在图3(B)中示出的层析图像信息200，结合图4说明累积分布函数。在图3(B)中示出的层析图像信息200主要包括包含在支气管和脉管区域中和在支气管区域中的空气区域中的两个图像数据项。在两个区域的每一个中，通常假定不是噪声分量的全部像素为相同的像素值。因此，假定横坐标轴表示像素值，而纵坐标轴表示像素的数量，分布函数f(x)的曲线表示假定关于包含在支气管和脉管区域中的像素值和包含在如图4(A)所示分别描绘的空气区域中的像素值的最大值的像素的数量。
现在，提供了像素的总数不超过确定的像素值以及包含在处理区域201中的像素的累积数量的累积分布函数将是F(x)。此时，如图4(B)所示描绘了函数F(x)的曲线。数学上，函数f(x)和F(x)具有如下表示的关系：
[数学的]
F ( X ) : = ∫ - 1000 X f ( x ) dx
将积分的下限设置为最小的像素值。即，当通过CT数量表示像素值时，将积分的下限设置为从空气获得的-1000的CT数量。函数f(x)和F(x)之间的关系等于概率密度函数和在静态概率论中限定的累积分布函数之间的关系，并且其算术性质适于概率密度函数和累积分布函数。
基于前述限定，假定属于组成在图4(A)中示出的分布函数f(x)曲线中表示的空气图像数据的像素值的域C1的像素的总数是P1，并且属于组成支气管和脉管图像数据的像素值的域C2的像素的总数是P2。在这种情况下，关于在图4(B)中示出的累积分布函数F(x)的曲线中表示的像素值的域C1出现的像素的累积数量中的变化是P1，并且关于像素值的域C2出现的像素的累积数量中的变化是P2。因此，把包含在处理区域201中的结构图像数据项，例如包含在支气管和脉管区域以及空气区域中的图像数据项认作具有像素P1或P2的大的总数的图像数据项，并表示为如图4(B)所示具有陡峭梯度的累积分布函数将是F(x)的曲线的一部分。相反，当采样具有陡峭梯度的在图4(B)中示出的累积分布函数的曲线的部分时，可以采样包含在处理区域201中的结构图像数据项，并且可以检测组成结构图像数据项的像素值。
顺便提及，包含在实际层析图像信息200中的像素值和与此指定的像素的数量是积分值。在这种情况下，在从例如-1000的最小值顺序地增加像素值的同时，通过使假定相同像素值的像素的数量和通过坐标轴表示的像素的累积数量计算累积分布函数F(x)。将坐标轴上的初始值设置为零。
利用由生成设备210生成的累积分布函数将是F(x)的曲线，解算设备200解算出像素值的局部标准偏差。由生成设备210生成的累积分布函数F(x)的曲线包围包含在处理区域201中的结构图像数据和噪声数据。因此，包含在层析图像信息200中的像素值显示出关于真实值的偏差。为了采样以具有如图4(B)所示的陡峭梯度的曲线的部分表示和显示出偏差的像素，计算局部标准偏差。假定为像素值的采样的数量是N，单独像素是c，并且像素值或采样的平均值是μ，如下限定标准偏差σ：
σ2＝∑(c-μ)2/N
标准偏差表示关于平均值采样的偏差的幅度。当采样被限制为属于随后说明的研究域的像素值，把采样的标准偏差认作局部标准偏差。
图5说明性示出了利用累积分布函数F(x)的曲线计算局部标准偏差的方法。参照图5，横坐标轴表示像素的累积数量，而纵坐标轴表示像素值。通过横坐标轴和纵坐标轴表示的内容与在图4(B)中示出的相反。其试图清楚地示出计算关于像素的累积数量的像素值的局部标准偏离的步骤。具有陡峭梯度并表示支气管和脉管区域以及空气区域的像素的曲线的部分分别对应于图5的曲线的平坦部分。利用局部标准偏差采样平坦部分。顺便提及，具有在图5中示出的横坐标轴上的预定宽度的域的每一个表示像素的数量。因此，具有双倍宽度的域表示像素的双倍数。
解算设备220指定由表示像素的累积数量的横坐标轴上像素的预定数量组成的研究域。利用包括在图像处理***40中的操作装置43指定像素的预定数量。操作员基于包含在处理区域20中的像素的数量或包含在处理区域20中的结构图像数据的尺寸指定像素的预定数量。解算设备220然后解算出为利用在研究域的末端处的像素的累积数量确定的像素值的标准偏差的局部标准偏差。
图5示出了从第一至第三研究域计算的局部标准偏差SD1至SD3。第一研究域表示组成空气区域的像素。由于与第一研究域有关的累积分布函数F(x)的曲线的部分是平坦的，包括噪声的像素显示出小的局部标准偏差SD1。第二研究域表示组成边界区域的像素。由于与第二研究域有关的累积分布函数F(x)的曲线的部分具有陡峭梯度，包括噪声的像素显示出大的局部标准偏差SD2。第三研究域表示组成支气管和脉管区域的像素。由于与第三研究域有关的累积分布函数F(x)的曲线的部分是平坦的，包括噪声的像素显示出小的局部标准偏差SD3。即，局部标准偏差SD2大于局部标准偏差SD1和SD3。显示出小的局部标准偏差的研究域表示结构图像数据项。
确定研究域的像素的累积数量是改变的，每次计算局部标准偏差。这是重复的，直至相对于像素的全部累积数量计算局部标准偏差。依据包括在研究域中的预定数量的像素改变像素的累积数量，从而可以避免对采样结构图像数据的错误，并且可以考虑像素的全部累积数量。图5仅示出了作为显示出大大不同的局部标准偏差的典型举例的第一至第三研究域。
计算设备230检测为由解算设备220得到的局部标准偏差中的最小值的最小的标准偏差，然后基于最小的标准偏差计算区域标识阀值。于此，区域标识阀值是用作判据的阀值，基于该判据采样结构图像数据，比如包含在支气管和脉管或空气区域中的图像数据。此外，计算设备230使最小的标准偏差乘以多个区域表示值。在包括在图像处理***40中的操作装置43处输入区域表示值。操作员表示区域表示值和区域表示值的数量。例如，当将区域表示值设置为1和2时，计算的区域标识阀值对应于作为最小的标准偏差分别与1和2的乘积所计算的局部标准偏差。其后，用例子组成说明，其中为了简洁，指定两个区域指定值。然而，区域指定值的数量不局限于2，而是可以是3或更大。
分类设备240基于通过计算设备230计算的区域标识阀值分类像素值。例如，当区域标识阀值是最小标准偏差分别与1和2的乘积时，将显示出局部标准偏差等于或者小于最小标准偏差与1的乘积的像素值分类为类别A。将显示出局部标准偏差大于最小标准偏差与1的乘积以及等于或小于最小标准偏差与2的乘积的像素值分类为类别B。将显示出局部标准偏差大于最小标准偏差与2的乘积的像素值分类为类别C。这样，可将全部像素值分类成类别A至C的任何一种。
选择设备250指定用于每一类别的图像处理参数。于此，采用限定执行空间滤波的平滑滤波器或锐化滤波器或限定像素值中不变化的加权系数作为图像处理参数。现在，将在下面说明为在层析图像信息200上执行的图像处理的空间滤波。
对于空间滤波，对临近包含在层析图像信息200的像素的每一个的像素的值执行算术和逻辑运算，其以像素作为中心，从而解算出新的像素值。将空间滤波的卷积核(下文中的核)应用至对其执行算术和逻辑运算的临近像素。图6示出了核的例子。该核具有行内和列内三像素的矩阵。通过表示横向位置的参数i和表示纵向位置的参数j表示矩阵中像素位置的每一个。此外，将加权系数Wij分配给每一像素位置。通过对下面的表达式赋予各自的像素位置处的像素值Aij提供在矩阵中心的像素值B：
[数学的]
B = Σ i Σ j WijAij
依据加权系数Wij的值将空间滤波器限定为平滑滤波器或锐化滤波器。例如，当被分配给各自的像素位置的加权系数Wij全部是1s，空间滤波器被限定为采用平均值作为新的像素值的平滑滤波器。当将加权系数Wij赋予中心像素位置，即加权系数W00假定负值，而其它加权系数假定正值，空间滤波器被限定为锐化滤波器。
下面表示通过加权系数Wij的总数W归一化的像素值B。
[数学的]
W = Σ i Σ j Wij
像素值B′＝B/W是已经历图像处理的新的像素值。这样，可将像素值限定至预定范围。
选择设备250选择用于每一类别的最佳加权系数Wij。图7示出了作为在图6中示出的核中被指定的加权系数所相对于类别A至C被选择的加权系数Wij的例子。如图7所示相同的部分应用与在图6中所示的核中指定的参数j相关的加权系数。图7(A)示出了集中地执行平滑滤波并具有设置为1的全部加权系数Wij的核。加权系数Wij与类别A相关，在结构图像数据的中心处的像素属于类别A。图7(B)示出了几乎不执行平滑滤波、并具有设置为1的中心加权系数W00以及设置为0.5的其它加权系数Wij的核。加权系数Wij与类别A相关，结构图像数据的中心和边缘之间介入的像素属于类别B。图7(C)示出了不执行平滑滤波、并具有设置为1的中心加权系数W00以及设置为0的其它加权系数Wij的核。加权系数Wij与类别C相关，结构图像数据的边缘上的像素属于类别C。因此，当选择在7(C)中示出的核，完全不执行图像处理，并且像素值因此一点也不改变。
依据通过分类设备240将像素分类成的类别以及通过选择设备250对类别选择的加权系数Wij，处理设备260执行图像处理。于此，处理设备260基于组成图像数据的像素的值域选择类别，以用于包含在处理区域201中的每一图像数据，并应用空间滤波器，其中指定与类别相关的加权系数Wij。例如，假定区域标识阀值包括为最小的标准偏差分别与1和2相乘的乘积的两个阀值，并且将全部像素值分类成三种类别A至C的任何一种。在这种情况中，如果所要被图像处理的像素假定为属于类别B的像素值，将其核指定如图7(B)所示的加权系数Wij的空间滤波器应用至像素。
显示设备270显示被处理的图像信息，通过处理设备260对被处理的图像信息执行图像处理。
下面，结合附图8说明在图像处理***40中所要被执行的操作。图8是说明了在图像处理***40中所要被执行的操作的流程。首先，操作员操纵操作员控制台6以获取层析图像信息200(步骤S901)。层析图像信息200是通过扫描器机架2对对象获取的数字层析图像信息。操作员然后利用区域描绘设备205从层析图像信息200采样处理区域201(步骤S902)。
其后，图像处理***40利用生成设备210计算假定确定的像素值的像素的累积数量，以用于来自包含在处理区域201中的层析图像信息200的每一像素值。生成设备200然后生成累积分布函数F(x)的曲线(步骤S903)。图像处理***40然后利用解算设备220重复地解算出越过在累积分布函数F(x)的曲线中表示的像素的累积数量的整个范围的局部标准偏差SD(步骤S904)。
其后，图像处理***40利用计算设备230获得局部标准偏差中的最小标准偏差，并基于通过操作员指定的区域指定值计算区域标识阀值(步骤S905)。图像处理***40依据区域标识阀值，基于局部标准偏差然后利用分类设备240分类包含在处理区域201中的像素(步骤S906)。
此外，图像处理***40利用选择设备250选择加权系数Wij，即，用于基于区域标识阀值像素被分类成的每一类别的核(步骤S907)。其后，通过应用为每一类别而选择的核，图像处理***40利用处理设备260一个像素一个像素地对包含在处理区域201中的层析图像信息200执行图像处理(步骤S908)。
其后，图像处理***40依据包含在由图像处理生成的处理区域201中的图像数据在显示装置42上显示层析图像(步骤S909)。然后处理结束。
如上所述，依据第一实施例，基于包含在处理区域201中的层析图像信息200生成提供了假定确定的值以用于每一像素值的像素的累积数量的累积分布函数的曲线。利用累积分布函数的曲线解算出像素值的局部标准偏差。基于为局部标准偏差中的最小值的最小标准偏差计算多个区域标识阀值。基于区域标识阀值分类局部标准偏差，或分类最终显示出局部标准偏差的像素。此外，选择限定平滑滤波器的加权系数Wij以用于基于区域标识阀值像素被分类成的类别的每一个。加权系数Wij用于平滑包含在层析图像信息200中的像素的值。因此，基于包含在处理区域201中的图像数据项的局部标准偏差中的最小标准偏差可以采样显示出小的局部标准偏差的结构数据项，并且可以仅对结构图像数据项执行平滑。
此外，依据第一实施例，图像处理***40通过通信线路连接至操作员控制台6。可替代地，操作员控制台6可以具有与图像处理***40的性能的相同的性能。
此外，依据第一实施例，处理由X-射线CT***生成的层析图像信息。然而，本发明不局限于由X-射线CT***。本发明可以适于由X-射线成像***、磁共振成像***或核医疗学成像***广泛地生成的数字图像信息，或适于利用比如CCD或CMOS的固态成像装置生成的数字图像信息。
此外，依据第一实施例，对二维层析图像信息执行图像处理。可替代地，可对由多条两维层析图像信息构成的三维层析图像信息至执行类似的图像处理。
此外，已第一实施例，对静态层析图像信息执行图像处理。可替代地，可以对时序变化的数字动画信息执行类似的图像处理。
此外，依据第一实施例，选择限定平滑滤波器的不同加权系数Wij，以用于基于区域标识阀值像素被分类成的类别。加权系数Wij用于平滑包含在层析图像信息200中的像素。于此，加权系数Wij可以不改变类似于图7(C)中示出的像素值的加权系数。为了避免平滑滤波得到的混淆，特别将加权系数应用至结构图像数据的边缘。
(第二实施例)
依据第一实施例，通过计算局部标准偏差采样在处理区域201中包含的结构图像数据项。可替代地，依据可以执行的相同方法和锐化可以采样包含在处理区域201中的结构图像数据项之间的边界数据。依据第二实施例，可以采样和锐化图像数据项之间的边界数据。
本发明的第二实施例具有如图1所示的相同的硬件结构。因此省略硬件结构的说明。此外，除了解算设备220、计算设备230和选择设备250，在图2中示出的图像处理***40还包括新的工具。下面仅说明附加的工具。
选择设备220计算为包括不是像素的预定数量的像素的总数的属于研究域的像素值的标准偏差的总标准偏差。总标准偏差是包含在处理区域201中的层析图像信息200的总差量的量度。
计算设备230基于由解算设备220解算出的总标准偏差计算边界标识阀值，并通过对边界标识阀值和总标准偏差进行比较计算边界区域。顺便提及，边界标识阀值是用作用于采样属于在图5中示出的第二研究域2并被包含在支气管和脉管与空气区域之间的边界区域中的像素的判据的阀值。
在边界标识阀值的说明之前，将在下面说明包含在层析图像信息200中的结构区域之间的边界区域。首先，如以在图5中示出的第二研究域的例子所示，组成结构区域之间的边界区域的像素的局部标准偏差大于其它区域。另一方面，组成包含在处理区域201中的层析图像信息200的像素的局部标准偏差基于结构图像项和成像环境而变化。因此，基于固定值的局部标准偏差采样边界区域是困难的。因此，总标准偏差适用作用于评估包含在层析图像信息200的每一条中的像素的局部标准偏差之间的差的设备。计算设备230对用局部标准偏差除以总标准偏差计算出的比率与边界标识阀值进行比较。当该比率超过边界标识阀值，标识边界区域。因此，可以不考虑包含在每一条层析图像信息200中的像素的局部标准偏差之间的差，标识边界区域。
局部标准偏差基于包括像素的预定数量的研究域的宽度而变化，并因此将其设置为预定值。例如，将像素的预定数量限定为包含在处理区域201中的像素的总数的三分之一，边界标识阀值设置为1/3。结合图9说明为什么将边界标识阀值设置为1/3的原因。图9示出了当没有具体的结构图像数据包含在处理区域201时获得的累积分布函数的曲线。在这种情况中，层析图像信息200包括随机的噪声分量，并且认为像素值在预定宽度中均匀分布。在图9中示出的累积分布函数的曲线中，像素值通常成比例于像素的累积数量。在这种情况中，当包括在研究域中的像素的预定数量是像素的总数的三分之一时，局部标准偏差是总标准偏差的约三分之一。当局部标准偏差对总标准偏差的比率超过1/3，可以标识结构图像。这样，可将边界标识阀值设置为1/3。
选择设备250包括锐化滤波器的核，其中指定为每一类别而选择的加权系数Wij。于此，在图6中示出的以矩阵为形式设置的加权系数Wij具有被赋予正和负的不同符号的中心加权系数W00和其它加权系数。
结合图10和11说明在包括在第二实施例中的图像处理***40中执行的操作。图10和11是描述了在包括在第二实施例中的图像处理***40中执行的操作的流程。首先，操作中从操作员控制台6获取层析图像信息200(步骤S401)。层析图像信息200是表示对象1和通过扫描器机架2获取的数字层析图像信息。操作员利用区域描绘设备205描绘层析图像信息200中处理区域201(步骤S402)。
其后，图像处理单元41利用生成设备210计算利用包含在处理区域201中的层析图像信息对每一像素假定确定值的像素的累积数量，并生成累积分函数F(X)的曲线(步骤S403)。图像处理单元41然后利用解算设备220解算出总标准偏差，并也计算跨过像素的累积数量的整个范围的像素的局部标准偏差SD(步骤S404)。将解算出其局部标准偏差的像素的研究域设置为大约像素的总数的三分之一。
其后，图像处理单元41利用计算设备230检测局部标准偏差中的最小标准偏差，并利用由操作员指定的区域指定值计算区域标识阀值(步骤S405)。此外，利用总标准偏差，图像处理单元41利用计算设备230计算边界标识阀值(步骤S406)。于此，将边界标识阀值设置为例如超过总标准偏差的三分之一的值。此外，通过基于区域标识阀值分类像素的局部偏差，图像处理单元41利用分类设备240分类包含在处理区域201中的像素(步骤S407)。图像处理单元41然后利用选择设备250选择加权系数Wij，即对基于区域标识阀值将像素分类成的每一类别的核的平滑(S408)。
其后，图像处理单元41利用计算设备230检查像素，以了解像素的局部标准偏差是否超过边界标识阀门值，从而这样检查是否标识边界区域(S409)。当标识了边界区域时(在步骤S409中的检查是肯定)，检查像素的局部标准偏差以了解它是否超过区域标识阀值中的最大值(S410)。当局部标准偏差超过区域标识阀值中的最大值(在步骤S410中的检查是肯定)，选择锐化滤波器的核作为用于其局部标准偏差超过区域标识阀值中的最大值的像素的类别的加权系数Wij(S411)。
此外，当没有发现组成边界区域的像素(在步骤S409中的检查是肯定)，或尽管发现了组成边界区域的像素，但像素的局部标准偏差没有超过区域标识阀值中的最大值(在步骤S410中的检查是肯定)，图像处理单元41不在步骤S411处选择锐化滤波器，但操作延续至下一步骤。
其后，通过应用与类别相关的核，图像处理单元41利用处理设备260一个像素一个像素地对包含在处理区域201中的层析图像信息200执行图像处理(步骤S412)。图像处理单元41然后在显示装置42显示通过包含在处理区域201中并由图像处理获得的图像数据表示的层析图像(S413)。操作然后终止。
如上面所述，依据第二实施例，基于包含在处理区域201中的层析图像信息200生成提供了对每一像素值假定确定值的像素的累积数量的累积分布函数的曲线。累积分布函数的曲线用于解算出像素值的局部标准偏差和总标准偏差。基于为局部标准偏差中的最小值的最小标准偏差计算多个区域标识阀值，并且基于总标准偏差计算边界标识阀值。基于区域标识阀值分类局部标准偏差，或分类最终显示出局部标准偏差的像素。此外，选择限定平滑滤波器的加权系数Wij以用于基于区域标识阀值像素被分类成的类别的每一个。此外，如果发现由其局部标准偏差超过边界标识阀值的像素构成的边界区域，对边界区域选择限定锐化滤波器的加权系数Wij。这样，为了平滑滤波或锐化滤波，将加权系数Wij应用至包含在层析图像200中的像素。即，可以采样和图像处理包含在处理区域201中的结构区域和结构图像之间的边界区域，即，对结构区域和边界区域的每一个均匀地执行平滑滤波或锐化滤波。
此外，依据第二实施例，对基于区域标识阀值像素被分类成的类别的每一个唯一地选择确定平滑滤波器的加权系数Wij。为了平滑滤波，将加权系数Wij应用至包含在层析图像信息200中的像素。加权系数Wij可以包括限定类似在图7(C)中示出的像素值中没有变化的加权系数。
可以构造本发明多种广泛不同的实施例，只要其不脱离本发明的精神和范围。可以理解本发明不局限于说明中描述的具体实施例，仅在附加权利要求中对其进行限定。

Claims (10)

1、一种图像处理方法，其包括步骤：
生成提供像素的累积数量的累积分布函数的曲线，像素的累积数量是包含在包括多个像素的数字图像信息中和对每一像素值不超过确定的像素值的像素的数量；
利用累积分布函数的曲线解算出局部标准偏差，该局部标准偏差是属于研究域的局部像素的值的标准偏差，所述研究域包括利用像素的累积数量确定的预定数量的像素，并在移位研究域的同时重复该解算，从而使研究域覆盖全部的像素累积数量；
检测由重复而生成的多个局部标准偏差中的最小值；
将最小值乘以多个区域指定值，以计算多个区域标识阀值；
基于多个区域标识阀值分类该多个局部标准偏差；
选择用于每一类别的图像处理参数；以及
利用图像处理参数，对图像数据执行图像处理，所述图像数据包含在数字图像信息中并且利用类别指定所述图像数据的局部标准偏差。
2、一种图像处理***(40)，其包括：
生成装置(210)，其用于生成提供像素的累积数量的累积分布函数的曲线，像素的累积数量是包含在包括多个像素的数字图像信息中和对每一像素值不超过确定的像素值的像素的数量；
解算装置(220)，其用于利用累积分布函数的曲线解算出局部标准偏差，该局部标准偏差是属于研究域的局部像素的值的标准偏差，所述研究域包括利用像素的累积数量确定的预定数量的像素，并在移位研究域的同时重复该解算，从而使研究域覆盖全部的像素累积数量；
计算装置(230)，其用于检测由解算得到的多个局部标准偏差中的最小值，并将最小值乘以多个区域指定值，以计算多个区域标识阀值；
分类装置(240)，其用于基于多个区域标识阀值分类多个局部标准偏差；
选择装置(250)，其用于选择对于每一类别的图像处理参数；以及
处理装置(260)，其用于利用图像处理参数对图像数据执行图像处理，所述图像数据包含在数字图像信息中并且利用类别指定所述图像数据的局部标准偏差。
3、依据权利要求2的图像处理***(40)，其中图像处理参数指的是限定使像素值平滑的平滑滤波器的加权系数。
4、依据权利要求2的图像处理***(40)，其中解算装置(220)解算出总标准偏差，其是等价于包含在数字图像信息中的像素总数的预定数量的像素的局部标准偏差。
5、依据权利要求4的图像处理***(40)，其中计算装置(230)基于总标准偏差和最小值计算边界标识阀值。
6、依据权利要求5的图像处理***(40)，其中图像处理参数指的是限定使像素值锐化的锐化滤波器的加权系数。
7、依据权利要求6的图像处理***(40)，其中选择装置(250)基于边界标识阀值选择对于每一类别的图像处理参数是限定平滑滤波器或是锐化滤波器，还是限定像素值中没有变化。
8、依据权利要求7的图像处理***(40)，其中当选择装置(250)选择限定锐化滤波器的图像处理参数作为用于每一类别的图像处理参数时，选择装置(250)对超过多个区域标识阀值中最大值的局部标准偏差的类别指定加权系数。
9、依据权利要求3至8中任一权利要求所述的图像处理***(40)，其中通过在平滑滤波器或锐化滤波器的核中指定的全部加权系数的总和来归一化加权系数。
10、一种X-射线CT***，其包括：
扫描器机架(2)，其辐射X-射线射束至对象，以从对象获取投影数据；以及
扫描器控制台(60)，其利用投影数据重构图像，以生成表示对象的数字图像信息，其中
扫描器控制台包括图像处理***(40)，所述图像处理***(40)包括：生成装置(210)，其用于生成提供像素的累积数量的累积分布函数的曲线，像素的累积数量是包含在包括多个像素的数字图像信息中和对每一像素值不超过确定的像素值的像素的数量；解算装置(220)，其用于利用累积分布函数的曲线解算出局部标准偏差，该局部标准偏差是属于研究域的局部像素的值的标准偏差，所述研究域包括利用像素的累积数量确定的预定数量的像素，并在移位研究域的同时重复该解算，从而使研究域覆盖像素的全部累积数量；计算装置(230)，其用于检测由解算得到的多个局部标准偏差中的最小值，并将最小值乘以多个区域指定值，以计算多个区域标识阀值；分类装置(240)，其用于基于多个区域标识阀值来分类多个局部标准偏差；选择装置(250)，其用于选择用于每一类别的图像处理参数；以及处理装置(260)，其用于利用图像处理参数对图像数据执行图像处理，所述图像数据包含在数字图像信息中并且利用类别指定所述图像数据的局部标准偏差。
CNB2005100713442A 2004-05-17 2005-05-17 图像处理方法、图像处理***以及x-射线ct*** Expired - Fee Related CN100496402C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP146705/04 2004-05-17
JP2004146705A JP3930493B2 (ja) 2004-05-17 2004-05-17 画像処理方法、画像処理装置およびｘ線ｃｔ装置

Publications (2)

Publication Number Publication Date
CN1698540A CN1698540A (zh) 2005-11-23
CN100496402C true CN100496402C (zh) 2009-06-10

Family

ID=34978856

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2005100713442A Expired - Fee Related CN100496402C (zh) 2004-05-17 2005-05-17 图像处理方法、图像处理***以及x-射线ct***

Country Status (4)

Country Link
US (1) US20050254721A1 (zh)
EP (1) EP1598780A1 (zh)
JP (1) JP3930493B2 (zh)
CN (1) CN100496402C (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682433A (zh) * 2011-02-26 2012-09-19 Ge医疗***环球技术有限公司 图像处理设备和程序

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4459137B2 (ja) * 2005-09-07 2010-04-28 株式会社東芝 画像処理装置及びその方法
US7590303B2 (en) * 2005-09-29 2009-09-15 Samsung Electronics Co., Ltd. Image enhancement method using local illumination correction
US20080205786A1 (en) * 2006-12-13 2008-08-28 Zhang Young Method and system for filtering images in video coding
US8194984B2 (en) 2007-03-05 2012-06-05 Fujitsu Limited Image processing system that removes noise contained in image data
US20110148861A1 (en) * 2008-04-08 2011-06-23 Vereniging Voor Christelijk Hoger Onderwijs, Wetenschappelijk Pet data processing system, an arrangement, a method and a computer program product for determining a distribution of a tracer uptake
WO2010038536A1 (ja) * 2008-09-30 2010-04-08 株式会社 日立メディコ Ｘ線ｃｔ装置
GB0906461D0 (en) * 2009-04-15 2009-05-20 Siemens Medical Solutions Partial volume correction via smoothing at viewer
JP5534840B2 (ja) * 2010-02-03 2014-07-02 キヤノン株式会社 画像処理装置、画像処理方法、画像処理システム及びプログラム
DE102010013221B4 (de) * 2010-03-29 2012-06-28 Siemens Aktiengesellschaft Verfahren zur hervorgehobenen Darstellung von Objekten bei interventionellen angiographischen Untersuchungen sowie Vorrichtung zur Durchführung des Verfahrens
CN101894268B (zh) * 2010-07-16 2012-05-23 西安理工大学 一种可消除底单干扰的印鉴真伪识别方法
US8674315B2 (en) * 2010-11-12 2014-03-18 Siemens Medical Solutions Usa, Inc. Method and apparatus for using image cumulative distribution function for tomographic reconstruction quality control
US8761540B2 (en) * 2011-06-14 2014-06-24 Kabushiki Kaisha Toshiba Method and system for estimating noise level
JP5942216B2 (ja) * 2011-10-12 2016-06-29 東芝メディカルシステムズ株式会社 Ｘ線ｃｔ装置及び画像処理装置
CN103226808B (zh) * 2012-01-30 2016-09-21 深圳迈瑞生物医疗电子股份有限公司 一种图像增强方法和***
CN104135931B (zh) * 2012-02-22 2017-06-20 皇家飞利浦有限公司 用于减少成像数据中的局部伪影的方法和***
WO2014034797A1 (ja) 2012-08-31 2014-03-06 株式会社 東芝 Ｘ線ｃｔ装置
EP4201304A1 (en) * 2012-10-24 2023-06-28 Nidek Co., Ltd. Ophthalmic analysis apparatus
CN105208937B (zh) * 2013-05-10 2018-04-03 株式会社岛津制作所 图像处理装置
CA2941533A1 (en) 2014-03-06 2015-09-11 Raven Industries, Inc. System and method for sensing an edge
JP6491823B2 (ja) * 2014-04-30 2019-03-27 株式会社Ａｚｅ 医用画像診断支援装置、方法およびプログラム
JP6256608B2 (ja) * 2014-07-04 2018-01-10 株式会社島津製作所 画像再構成処理方法
JP6438280B2 (ja) * 2014-11-28 2018-12-12 株式会社ニューフレアテクノロジー マルチ荷電粒子ビーム描画装置及びマルチ荷電粒子ビーム描画方法
JP6563214B2 (ja) * 2015-02-26 2019-08-21 キヤノンメディカルシステムズ株式会社 医用画像処理装置および医用画像処理方法
CN104809712B (zh) * 2015-05-15 2018-01-16 河海大学常州校区 一种基于粗糙集的图像快速修复方法
CN107613870B (zh) * 2015-05-22 2021-03-26 株式会社岛津制作所 图像处理装置以及图像处理程序
JP6685762B2 (ja) * 2016-02-22 2020-04-22 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
JP6619258B2 (ja) * 2016-02-29 2019-12-11 株式会社日立製作所 Ｘ線検出器、ｘ線ｃｔ装置、ｘ線検出方法、及びｘ線検出プログラム
US10904534B2 (en) * 2016-04-19 2021-01-26 Dolby Laboratories Licensing Corporation Enhancement layer masking for high-dynamic range video coding
WO2017219962A1 (en) 2016-06-21 2017-12-28 Zhejiang Dahua Technology Co., Ltd. Systems and methods for image processing
CN106097286B (zh) * 2016-06-21 2019-02-12 浙江大华技术股份有限公司 一种图像处理的方法及装置
US10210635B2 (en) * 2016-06-29 2019-02-19 Siemens Medical Solutions Usa, Inc. Reconstruction quality assessment with local non-uniformity in nuclear imaging
JP6801366B2 (ja) * 2016-10-27 2020-12-16 株式会社リコー 線幅測定方法、線幅測定プログラム、記憶媒体及び情報処理装置
JP6778158B2 (ja) 2017-07-27 2020-10-28 株式会社日立製作所 Ｘ線ｃｔ装置、画像生成方法および画像生成プログラム
US10937155B2 (en) * 2018-12-10 2021-03-02 General Electric Company Imaging system and method for generating a medical image

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4907156A (en) * 1987-06-30 1990-03-06 University Of Chicago Method and system for enhancement and detection of abnormal anatomic regions in a digital image
US5426684A (en) * 1993-11-15 1995-06-20 Eastman Kodak Company Technique for finding the histogram region of interest for improved tone scale reproduction of digital radiographic images
TW514513B (en) * 1996-02-06 2002-12-21 Deus Technologies Inc Method for the detection of lung nodule in radiological images using digital image processing and artificial neural network
KR100207660B1 (ko) * 1996-03-09 1999-07-15 윤종용 양자화된 평균 분리 히스토그램 등화를 이용한 화질 개선 방법 및 그 회로
JP3174288B2 (ja) * 1997-09-01 2001-06-11 ジーイー横河メディカルシステム株式会社 Ｃｔ画像作成方法およびｘ線ｃｔ装置
JP2001187046A (ja) * 1999-12-27 2001-07-10 Ge Medical Systems Global Technology Co Llc マルチスライスｘ線ｃｔ装置及びその制御方法
KR100456017B1 (ko) * 2002-02-06 2004-11-08 삼성전자주식회사 히스토그램 매칭을 이용한 콘트라스트 향상 장치 및 방법
WO2003070102A2 (en) * 2002-02-15 2003-08-28 The Regents Of The University Of Michigan Lung nodule detection and classification
JP3870105B2 (ja) * 2002-02-22 2007-01-17 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 逆投影方法およびｘ線ｃｔ装置
US6965702B2 (en) * 2002-02-27 2005-11-15 Eastman Kodak Company Method for sharpening a digital image with signal to noise estimation
JP3950782B2 (ja) * 2002-05-22 2007-08-01 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー ３次元逆投影方法およびｘ線ｃｔ装置
JP4030827B2 (ja) * 2002-08-13 2008-01-09 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 投影データ作成方法、画素データ作成方法およびマルチ検出器ｘ線ｃｔ装置
GB2395263A (en) * 2002-11-12 2004-05-19 Qinetiq Ltd Image analysis
JP4056922B2 (ja) * 2003-04-21 2008-03-05 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 放射線計算断層画像装置
JP2004313657A (ja) * 2003-04-21 2004-11-11 Ge Medical Systems Global Technology Co Llc 放射線計算断層画像装置
JP2005040582A (ja) * 2003-07-07 2005-02-17 Ge Medical Systems Global Technology Co Llc Ｘ線ｃｔ撮像方法およびｘ線ｃｔ装置
JP3942178B2 (ja) * 2003-07-29 2007-07-11 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔシステム
JP3909048B2 (ja) * 2003-09-05 2007-04-25 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置およびｘ線管
JP4090970B2 (ja) * 2003-09-09 2008-05-28 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 放射線断層画像撮影装置と放射線断層画像撮影方法および画像生成装置と画像生成方法
JP2005137390A (ja) * 2003-11-04 2005-06-02 Ge Medical Systems Global Technology Co Llc Ｃｔ画像生成方法およびｘ線ｃｔ装置
JP4201686B2 (ja) * 2003-11-04 2008-12-24 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置
JP4342274B2 (ja) * 2003-11-04 2009-10-14 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682433A (zh) * 2011-02-26 2012-09-19 Ge医疗***环球技术有限公司 图像处理设备和程序
CN102682433B (zh) * 2011-02-26 2018-03-27 Ge医疗***环球技术有限公司 图像处理设备和程序

Also Published As

Publication number Publication date
CN1698540A (zh) 2005-11-23
JP3930493B2 (ja) 2007-06-13
EP1598780A1 (en) 2005-11-23
JP2005323926A (ja) 2005-11-24
US20050254721A1 (en) 2005-11-17

Similar Documents

Publication Publication Date Title
CN100496402C (zh) 图像处理方法、图像处理***以及x-射线ct***
US7574249B2 (en) Device-less gating of physiological movement for improved image detection
US10274439B2 (en) System and method for spectral x-ray imaging
KR100963186B1 (ko) 방사선을 이용하여 액체형태물품에 대한 보안검사를수행하는 방법 및 장치
CN104995690B (zh) 多能量x射线显微镜数据采集及图像重建***及方法
US8254656B2 (en) Methods and system for selective resolution improvement in computed tomography
CN1879562B (zh) X射线ct图象重建方法和x射线ct***
US20210204899A1 (en) Method and system for motion assessment and correction in digital breast tomosynthesis
US20040017935A1 (en) Temporal image comparison method
US10607099B2 (en) Methods and systems for imaging performance analysis
US11988616B2 (en) CT scanner calibration
US20220130068A1 (en) Determining rotation axis from x-ray radiographs
JP2007195966A (ja) トモシンセシス画質制御の方法及び装置
US8406376B2 (en) Radiographic apparatus
Körner et al. Increasing throughput in x-ray computed tomography measurement of surface topography using sinogram interpolation
Yosifov et al. Probability of detection applied to X-ray inspection using numerical simulations
US20040022425A1 (en) Temporal image comparison method
CN110211091A (zh) 一种高分辨图像重构方法、装置及隐裂无损检测***
US20210049794A1 (en) Method for image reconstruction of an object, in particular based on computed-tomography image reconstruction, and apparatus, system and computer program product for the same
Bouhaouel et al. Task-specific acquisition trajectories optimized using observer models
US20240104724A1 (en) Radiomics standardization
JP2009237704A (ja) ３次元画像化方法およびｘ線断層像撮影装置
US8348508B2 (en) Wave ramp test method and apparatus
Zemek et al. Automatic marker-free estimation methods for the axis of rotation in sub-micron X-ray computed tomography
Yang et al. Extra projection data identification method for fast-continuous-rotation industrial cone-beam CT

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20090610

Termination date: 20110517