CN101080024A - 一种对医学灰度图像信号进行伪彩色处理的方法 - Google Patents

Abstract

本发明公开了一种对医学灰度图像信号进行伪彩色处理的方法，首先利用高斯低通滤波器对受到污染的医学图像去噪处理；然后利用交叉梯度算子求取医学灰度图像每个像素的梯度值，根据梯度值确定阈值；再次，根据梯度值和阈值的比较，分两种方式进行伪彩色编码，梯度值大于阈值采用红色进行伪彩色处理的编码方法，否则采用基于灰度值的非线性伪彩色编码方法，经过本发明处理后的医学图像更符合人眼的视觉特征，有效地提高了图像的对比度，增强层次感，突出了病灶区域，同时也可以根据不同的要求和医学图像的类型，通过调节映射函数中的参数获得不同的伪彩色处理结果。

Description

一种对医学灰度图像信号进行伪彩色处理的方法

技术领域

本发明涉及一种图像信号的处理方法，尤其是涉及一种对医学灰度图像信号进行伪彩色处理的方法。

背景技术

随着数字图像处理技术在医学中的广泛应用，人们正努力研究改善医学图像质量，试图通过各种处理手段从图像中获取更多、更准确的诊断信息，最终提高疾病的诊断水平。但是大多数医学图像如X射线、B超、CT、MRI为黑白图像，由于人眼对黑白灰度级的分辨能力较差，一般只能辨别二十几个灰度等级，因此一些细微灰度变化不能从图像中分辨出来。但是根据人眼的生理特征，人眼对彩色的变化远比对灰度的变化敏感，能同时区分上千种不同亮度、色调、饱和度的彩色图像。为了充分发挥人眼对彩色的视觉能力，人们往往将黑白图像变换为彩色图像，把人眼不能区分的微小灰度差别显示为明显色彩差异，即所谓伪彩色处理，从而使观察者能从伪彩色图像中提取更多的信息。

因此，对医学灰度图像进行伪彩色处理，使人眼能更充分地分辨和利用图像的信息是迫切需要解决的问题。目前，对灰度图像进行伪彩色处理的方法主要有密度分层法、灰度-彩色映射法和频率滤波法。

最简单的伪彩色处理方法是密度分层法，又叫灰度分层法。此方法主要通过将不同的灰度级赋予不同的颜色实现图像的伪彩色处理，但是伪彩色处理后的图像视觉效果不理想，彩色生硬，不够调和，并且当灰度级分层较多时，算法非常繁琐。

最常用的伪彩色处理方法是灰度-彩色映射法，典型的线性伪彩色处理方法，将黑白灰度图像变为具有多种颜色渐变的连续彩色图像，实现简单。如图1a、图1b、图1c和图1d所示，分别给出了线性灰度-彩色映射法的红色变换函数图、绿色变换函数图、蓝色变换函数图以及红绿蓝三色合成变换函数图。从图1d中可知，当灰度为L时呈纯红色，灰度为L/2时呈纯绿色，灰度为零时呈纯蓝色，当灰度为除L、L/2和零外的其它值时将由三基色(红、绿、蓝)混合成不同的色调。这种方法转换的伪彩色一般变化较均匀，颜色较丰富，但是存在一些缺点：

(1)灰度-彩色映射法仅仅根据灰度级别信息进行编码，没有突出图像中的边缘区域，而这些区域往往是病灶区域，从而不能准确的确定病灶所在；

(2)灰度-彩色映射法对于具有整体灰暗、明暗对比度差、组织间的边缘不明显等特征的医学图像，常常使得某些病灶区与灰暗的背景区域难以辨别；

(3)灰度-彩色映射法算法缺少灵活性，灰度值一旦确定，对应的颜色也确定了，即一幅灰度图像对应唯一的一幅彩色图像，不能满足医学图像不同的需求。

发明内容

本发明所要解决的技术问题是提出一种对医学灰度图像信号进行伪彩色处理的方法，在保证图像质量和提高对比度的前提下，使得医学图像轮廓更加清晰，突出了病灶区域，并增加了算法的灵活性。

本发明解决上述技术问题所采用的技术方案为：一种对医学灰度图像信号进行伪彩色处理的方法，其特征在于它包括以下步骤：

(1)利用高斯低通滤波器对医学灰度图像进行预处理；

(2)根据交叉梯度算子求取经预处理后的医学灰度图像的中的每个像素的梯度值，得到医学灰度图像对应的医学梯度图像；

(3)利用梯度值G确定阈值T，T＝W‖G‖_max，其中，权值W∈[0，1]，‖G‖_max为医学梯度图像梯度的最大值；

(4)比较医学梯度图像各像素的梯度值G和阈值T，当像素的梯度值G大于阈值T时，采用红色进行伪彩色处理，当像素的梯度值G小于或等于阈值T时，采用非线性伪彩色处理，通过医学灰度图像信号的亮度等级函数f(x，y)得到彩色图像三通道R、G和B的变换曲线，

$R=\left\{\begin{array}{c}0\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·,G\min \≤f(x,y)\≤\mathrm{Thre}1\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}1}{2(\mathrm{Thre}2-\mathrm{Thre}1)}\right)\right]}^{k1}\right|,\mathrm{Thre}1\≤f(x,y)\≤\mathrm{Thre}2,\\ 255...........................,\mathrm{Thre}2\≤f(x,y)\≤G\max \end{array}\right.$

$G=\left\{\begin{array}{c}\left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\π}G\min }{2(\mathrm{Thre}1-G\min )}\right)\right]}^{k2}\right|,G\min \≤f(x,y)\≤\mathrm{Thre}1\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}2}{2(\mathrm{Thre}1-\mathrm{Thre}2)}\right)\right]}^{k2}\right|,\mathrm{Thre}1\≤f(x,y)\≤\mathrm{Thre}2\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}2}{2(G\max -\mathrm{Thre}2)}\right)\right]}^{k2}\right|,\mathrm{Thre}2\≤f(x,y)\≤G\max \end{array}\right.,$

$B=\left\{\begin{array}{c}\left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}1}{2(G\min -\mathrm{Thre}1)}\right)\right]}^{k3}\right|,G\min \≤f(x,y)\≤\mathrm{Thre}1\\ 0\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·,\mathrm{Thre}1\≤f(x,y)\≤\mathrm{Thre}2\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}2}{2(G\max -\mathrm{Thre}2)}\right)\right]}^{k3}\right|,\mathrm{Thre}2\≤f(x,y)\≤G\max \end{array}\right.,$

其中，Gmax为医学灰度图像的最大灰度值，Gmin为医学灰度图像的最小灰度值，阈值Thre1＝Gmin+(Gmax-Gmin)/3，阈值Thre2＝Gmax-(Gmax-Gmin)/3，k1、k2、k3为R、G和B变换曲线的参数，其值为0～10之间的实数。

所述交叉梯度算子为 $G\left[f(x,y)\right]=\sqrt{{[f(x+1,y+1)-f(x,y)]}^2+{[f(x+1,y)-f(x,y+1)]}^2}.$

所述交叉梯度算子为G[f(x，y)]＝|f(x+1，y+1)-f(x，y)|+|f(x+1，y)-f(x，y+1)|。

所述权值W∈[0.6，1]。

所述k1＝k2＝k3＝1。

与现有技术相比，本发明提供的一种对医学灰度图像信号进行伪彩色处理的方法优点在于：本发明的伪彩色处理方法利用了图像的梯度信息，更容易辨别图像的边缘区域，对于梯度值G大于阈值T的像素，即边缘区域的部分，采用醒目的红色进行伪彩色处理，突出医学图像的病灶区域，使得病灶区域与灰暗的背景区域容易辨别，准确的确定病灶所在；对于梯度值G小于或等于阈值T的像素，设计了光滑的、非线性的正弦函数进行伪彩色处理，可以根据不同的要求和医学图像的类型改变函数中红色、绿色和蓝色的变换曲线的参数值k1、k2和k3，获得不同的彩色图像效果，增强了算法的灵活性；通过本发明的伪彩色处理方法使得处理后的图像颜色饱和度更丰富、纹理和边缘区域更明显，并大大提高了图像的对比度、层次感；本发明的算法简单，计算速度快，容易实现，且更符合人眼的视觉特点，随着灰度值的依次升高，颜色也逐渐加深，特别有利于展现医学图像的真实情况。

附图说明

图1a为线性灰度-彩色映射法红色变换函数图；

图1b为线性灰度-彩色映射法绿色变换函数图；

图1c为线性灰度-彩色映射法蓝色变换函数图；

图1d为线性灰度-彩色映射法红绿蓝三色合成变换函数图；

图2为本发明的伪彩色处理方法框图；

图3为本发明对梯度值G小于或等于阈值T的像素进行伪彩色处理的函数图(k1＝k2＝k3＝1)；

图4a为头骨医学灰度图像；

图4b为图4a经过典型的线性伪彩色处理方法处理后的图像；

图4c为图4a经过本发明的伪彩色处理方法处理后的图像(W＝0.6，k1＝k2＝k3＝1)；

图4d为图4a经过本发明的伪彩色处理方法处理后的图像(W＝0.6，k1＝2，k2＝1.2，k3＝5.6)；

图4e为图4a经过本发明的伪彩色处理方法处理后的图像(W＝0.1，k1＝k2＝k3＝1)；

图4f为图4a经过本发明的伪彩色处理方法处理后的图像(W＝0.28，k1＝k2＝k3＝1)；

图4g为图4a经过本发明的伪彩色处理方法处理后的图像(W＝1.0，k1＝k2＝k3＝1)；

图4h为图4a经过本发明的伪彩色处理方法处理后的图像(W＝0.6，k1＝10，k2＝k3＝1)；

图4i为图4a经过本发明的伪彩色处理方法处理后的图像(W＝0.6，k1＝5，k2＝2，k3＝1)；

图4j为图4a经过本发明的伪彩色处理方法处理后的图像(W＝0.8，k1＝0.5，k2＝5，k3＝8)；

图5a为***医学灰度图像；

图5b为图5a经过典型的线性伪彩色处理方法处理后的图像；

图5c为图5a经过本发明的伪彩色处理方法处理后的图像(k1＝k2＝k3＝1)。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

如图2所示，本发明的一种对医学灰度图像信号进行伪彩色处理的方法具体步骤如下：

由于医学图像在获取、传输和转换过程中会造成某些降质，容易受到噪声的污染，因此，首先必须对降质的医学图像进行预处理。利用高斯(Gauss)低通滤波器，在模板操作过程中采用高斯平滑模板 $\frac{1}{16}\left[\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right],$ 经滤波处理后图像中的噪声被滤除，提高了图像的信噪比。

根据Roberts交叉梯度算子求取经预处理后的医学灰度图像中的每个像素的梯度值。交叉梯度算子为 $G\left[f(x,y)\right]=\sqrt{{[f(x+1,y+1)-f(x,y)]}^2+{[f(x+1,y)-f(x,y+1)]}^2},$ 为保证不影响计算精度情况下，节省计算时间，降低计算复杂度，本实施例采用了绝对差算法的交叉梯度算子G[f(x，y)]＝|f(x+1，y+1)-f(x，y)|+|f(x+1，y)-f(x，y+1)|来得到医学灰度图像对应的医学梯度图像。对于M×N的医学灰度图像信号的亮度等级函数f(x，y)，其中，x＝0～M-1，y＝0～N-1，像素点(M-1，y)和(x，N-1)为医学灰度图像下边和右边的边缘点，根据交叉梯度算子其梯度值是无法进行计算的，故在本实施例中采用(M-2，y)的梯度值代替(M-1，y)的梯度值，用(x，N-2)的梯度值代替(x，N-1)的梯度值。

利用梯度值G确定阈值T，T＝W‖G‖_max，其中，权值W∈[0，1]，‖G‖_max为医学梯度图像梯度的最大值，其梯度可以由Robert交叉梯度算子得出。在本实施例中，权值W∈[0.6，1]，权值W是通过对图4a所示的头骨医学灰度图像和图5a所示的***医学灰度图像以及其他医学灰度图像进行多次调整权值实验比较统计，观测结果显示当权值W选取0.1～0.5之间的数时，伪彩色效果不是很理想，参见图4e即W＝0.1时和图4f即W＝0.28时所示的伪彩色效果图。而当权值W选取0.6～1之间的数时，参见图4c、图4d、图4h、图4i即W＝0.6，图4j即W＝0.8和图4g即W＝1.0，伪彩色效果很明显，因此选取权值W为0.6～1之间的数。

对已确定的医学梯度图像各像素的梯度值G和阈值T进行比较，当像素的梯度值G大于阈值T时，则对该像素采用醒目的红色进行伪彩色处理。一般情况下，图像由边缘、纹理和平坦区域3个部分构成，但由于医学灰度图像大多数整体灰暗，明暗对比度差，灰度分布范围窄，组织间的边缘不明显，为了突出病灶区域，须先找出图像的边缘区域，病灶区域与边缘有密切的关系。同时，由于梯度值G大于阈值T的像素常常位于图像的边缘区域，采用醒目的红色进行伪彩色处理，能有效地刺激人的视觉，突出病灶区域。

对梯度值G小于或等于阈值T的像素基于灰度值处理，设计了光滑的、非线性的正弦函数进行伪彩色处理，通过灰度图像信号的亮度等级函数f(x，y)得到彩色图像三通道R、G和B的变换曲线，

$R=\left\{\begin{array}{c}0\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·,G\min \≤f(x,y)\≤\mathrm{Thre}1\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}1}{2(\mathrm{Thre}2-\mathrm{Thre}1)}\right)\right]}^{k1}\right|,\mathrm{Thre}1\≤f(x,y)\≤\mathrm{Thre}2,\\ 255............................,\mathrm{Thre}2\≤f(x,y)\≤G\max \end{array}\right.$

$G=\left\{\begin{array}{c}\left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\π}G\min }{2(\mathrm{Thre}1-G\min )}\right)\right]}^{k2}\right|,G\min \≤f(x,y)\≤\mathrm{Thre}1\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}2}{2(\mathrm{Thre}1-\mathrm{Thre}2)}\right)\right]}^{k2}\right|,\mathrm{Thre}1\≤f(x,y)\≤\mathrm{Thre}2\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}2}{2(G\max -\mathrm{Thre}2)}\right)\right]}^{k2}\right|,\mathrm{Thre}2\≤f(x,y)\≤G\max \end{array}\right.,$

$B=\left\{\begin{array}{c}\left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}1}{2(G\min -\mathrm{Thre}1)}\right)\right]}^{k3}\right|,G\min \≤f(x,y)\≤\mathrm{Thre}1\\ 0\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·,\mathrm{Thre}1\≤f(x,y)\≤\mathrm{Thre}2\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}2}{2(G\max -\mathrm{Thre}2)}\right)\right]}^{k3}\right|,\mathrm{Thre}2\≤f(x,y)\≤G\max \end{array}\right.,$

其中，Gmax为医学灰度图像的最大灰度值，Gmin为医学灰度图像的最小灰度值，阈值Thre1＝Gmin+(Gmax-Gmin)/3，阈值Thre2＝Gmax-(Gmax-Gmin)/3，k1、k2、k3为R、G和B变换曲线的参数，其值为0～10之间的实数，可以通过适当地改变k1、k2、k3的值，得到不同的彩色图像效果，如图4h(k1＝10，k2＝k3＝1)、图4i(k1＝5，k2＝2，k3＝1)和图4j(k1＝0.5，k2＝5，k3＝8)所示。图3给出了当梯度值G小于或等于阈值T且k1＝k2＝k3＝1时进行伪彩色处理的函数(灰度和彩色的映射关系)。

当梯度值G小于或等于阈值T时，对医学灰度图像信号进行伪彩色处理，取W＝0.6，k1＝k2＝k3＝1，具体代码如下：

//图像数据的起始位置

unsigned char*hData；

hData＝(unsigned char*)FindDIBBits((LPSTR)lpBi)；

//lpBi是指向BITMAPINFOHEADER结构的指针

LPBITMAPINFOHEADER lpBi；

//图像的高度和宽度

int nHeight     ＝lpBi-＞biHeight；

int nWidth      ＝lpBi-＞biWidth；

LONG lLineBytes ＝WIDTHBYTES(nWidth*8)；

//最大灰度值和最小灰度值

unsigned char  GrayMax＝0；

unsigned char  GrayMin＝255；

//两个阈值

unsigned char  GrayThre1；

unsigned char  GrayThre2；

//存储彩色图像的内存空间

data＝new BYTE[WIDTHBYTES(lpBi-＞biWidth*24)*lpBi-＞biHeight]；//中间变量double temp1；double temp3；double temp5；double temp7；double temp9；double temp12；//开辟内存，生成梯度场的图像unsigned char*GradPoint＝new unsigned char[nWidth*nHeight]；unsigned char*GradTemp＝GradPoint；unsigned char*GradTemp2＝GradPoint；int R；int B；int G；double k1＝1；double k2＝1；double k3＝1；double w＝0.6；for(int I＝0；I＜nHeight；I++){

 for(int J＝0；J＜nWidth；J++)

 {

      //指向梯度场的像素的指针

      GradTemp2＝GradPoint+lLineBytes*I+J；

      //如果梯度大于阈值，则采用红色进行伪彩色处理

      if((*GradTemp2)＞＝w*GradMax)

      {

            *(data+I*lLineBytes*3+J*3)  ＝0；

            *(data+I*lLineBytes*3+J*3+1)＝0；

            *(data+I*lLineBytes*3+J*3+2)＝255；

      }

      //否则，按照灰度值采用非线性伪彩色处理

      else

{

unsigned char Temp0；

Temp0＝*(hData+I*WIDTHBYTES(lpBi-＞biWidth*8)+J)；

if(Temp0＞＝GrayMin && Temp0＜GrayThre1)

{

   //蓝变换

   temp1＝sin((PI*(Temp0-GrayThre1))/(2*GrayMin-2*GrayThre1))；

   B    ＝(unsigned char)abs(255*(pow(temp1，k3)))；

   //绿变换

   temp3＝sin((PI*(Temp0-GrayMin))/(2*GrayThre1-2*GrayMin))；

   G    ＝(unsigned char)abs(255*(pow(temp3，k2)))；

   //红变换

   R＝0；

  }

if(Temp0＞＝GrayThre1 && Temp0＜＝GrayThre2)

{

   //蓝变换

   B    ＝0；

   //绿变换

   temp5＝sin((PI*(Temp0-GrayThre2))/(2*GrayThre1-2*GrayThre2))；

   G    ＝(unsigned char)abs(255*(pow(temp5，k2)))；

   //红变换

   temp7＝sin((PI*(Temp0-GrayThre1))/(2*GrayThre2-2*GrayThre1))；

   R    ＝(unsigned char)abs(255*(pow(temp7，k1)))；

}

else if(Temp0＞＝GrayThre2 && Temp0＜＝GrayMax)

{

   //蓝变换

   temp9＝sin((PI*(Temp0-GrayThre2))/(2*GrayMax-2*GrayThre2))；

   B    ＝(unsigned char)abs(255*(pow(temp9，k3)))；

   //绿变换

   temp12＝sin((PI*(Temp0-GrayThre2))/(2*GrayMax-2*GrayThre2))；

   G     ＝(unsigned char)abs(255*(pow(temp12，k2)))；

   //红变换

   R    ＝255；

}

       //将生成的R、G、B分量存入目标缓冲区

       *(data+I*WIDTHBYTES(lpBi-＞biWidth*8)*3+J*3)  ＝B；

       *(data+I*WIDTHBYTES(lpBi-＞biWidth*8)*3+J*3+1)＝G；

       *(data+I*WIDTHBYTES(lpBi-＞biWidth*8)*3+J*3+2)＝R；

     }

   }

}

图4a为整体灰暗、明暗对比度差、组织间的边缘不明显的头骨医学灰度图像，图5a为含有病灶区的***医学灰度图像，病灶区出现在亮度大的区域，即图中的方框区域，但在图中很不明显，而且对比度低、图像整体灰暗，不能准确的确定病灶所在，这就往往会出现误诊现象，因此，对其进行伪彩色处理显得十分必要。对图4a和图5a分别采用典型的线性伪彩色处理方法处理图像，处理后的图像如图4b和图5b所示，从图中可以看出其效果不是很理想，采用本发明的伪彩色处理方法处理图像，处理后的图像如图4c、图4d和图5c所示，其中，图4c和图5c为k1＝k2＝k3＝1时伪彩色处理得到的图像，图5c中小方框中的区域为病灶的准确位置，图4d为改变k1、k2和k3参数值为k1＝2，k2＝1.2，k3＝5.6时伪彩色处理得到的图像，比较图4c和图4d，说明可以通过改变红色、绿色、蓝色变换曲线的参数值k1、k2和k3来满足医学灰度图像不同的类型的不同要求得到不同的彩色图像效果，大大增强了算法的灵活性。较图4b和图5b，图4c、图4d和图5c的颜色饱和度更丰富，纹理和边缘区域更明显，轮廓和细节更为清晰，层次感强，病灶区域与灰暗的背景区域更容易辨别。

Claims (5)

1、一种对医学灰度图像信号进行伪彩色处理的方法，其特征在于它包括以下步骤：

(1)利用高斯低通滤波器对医学灰度图像进行预处理；

(2)根据交叉梯度算子求取经预处理后的医学灰度图像的中的每个像素的梯度值，得到医学灰度图像对应的医学梯度图像；

(3)利用梯度值G确定阈值T，T＝W‖G‖_max，其中，权值W∈[0，1]，‖G‖_max为医学梯度图像梯度的最大值；

(4)比较医学梯度图像各像素的梯度值G和阈值T，当像素的梯度值G大于阈值T时，采用红色进行伪彩色处理，当像素的梯度值G小于或等于阈值T时，采用非线性伪彩色处理，通过医学灰度图像信号的亮度等级函数f(x，y)得到彩色图像三通道R、G和B的变换曲线，

$R=\left\{\begin{array}{c}0......................,G\min \≤f(x,y)\≤\mathrm{Thre}1\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}1}{2(\mathrm{Thre}2-\mathrm{Thre}1)}\right)\right]}^{k1}\right|,\mathrm{Thre}1\≤f(x,y)\≤\mathrm{Thre}2\\ 255....................,\mathrm{Thre}2\≤f(x,y)\≤G\max \end{array}\right.,$

$G=\left\{\begin{array}{c}\left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πG}\min }{2(\mathrm{Thre}1-G\min )}\right)\right]}^{k2}\right|,G\min \≤f(x,y)\≤\mathrm{Thre}1\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}2}{2(\mathrm{Thre}1-\mathrm{Thre}2)}\right)\right]}^{k2}\right|,\mathrm{Thre}1\≤f(x,y)\≤\mathrm{Thre}2\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}2}{2(G\max -\mathrm{Thre}2)}\right)\right]}^{k2}\right|,\mathrm{Thre}2\≤f(x,y)\≤G\max \end{array}\right.,$

$B=\left\{\begin{array}{c}\left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}1}{2(G\min -\mathrm{Thre}1)}\right)\right]}^{k3}\right|,G\min \≤f(x,y)\≤\mathrm{Thre}1\\ 0........................,\mathrm{Thre}1\≤f(x,y)\≤\mathrm{Thre}2\\ \left|255{\left[\sin \left(\frac{\mathrm{\πf}(x,y)-\mathrm{\πThre}2}{2(G\max -\mathrm{Thre}2)}\right)\right]}^{k3}\right|,\mathrm{Thre}2\≤f(x,y)\≤G\max \end{array}\right.,$

其中，Gmax为医学灰度图像的最大灰度值，Gmin为医学灰度图像的最小灰度值，阈值Thre1＝Gmin+(Gmax-Gmin)/3，阈值Thre2＝Gmax-(Gmax-Gmin)/3，k1、k2、k3为R、G和B变换曲线的参数，其值为0～10之间的实数。

2、如权利要求1所述的一种对医学灰度图像信号进行伪彩色处理的方法，其特征在于所述交叉梯度算子为 $G\left[f(x,y)\right]=\sqrt{{[f(x+1,y+1)-f(x,y)]}^2+{[f(x+1,y)-f(x,y+1)]}^2}.$

3、如权利要求2所述的一种对医学灰度图像信号进行伪彩色处理的方法，其特征在于所述交叉梯度算子为G[f(x，y)]＝|f(x+1，y+1)-f(x，y)|+|f(x+1，y)-f(x，y+1)|。

4、如权利要求1所述的一种对医学灰度图像信号进行伪彩色处理的方法，其特征在于所述权值W∈[0.6，1]。

5、如权利要求1所述的一种对医学灰度图像信号进行伪彩色处理的方法，其特征在于所述k1＝k2＝k3＝1。

Images