CN101836868A - 自适应的动态范围调整方法和设备 - Google Patents

Abstract

本发明提供一种自适应的动态范围调整方法和设备。在动态范围调整时，本发明首先根据当前帧的图像数据，对每个像素点进行是否为组织信息点的判断，将代表组织信息的点的值取平均得到组织信息均值。根据组织信息均值来调整旋转点的位置，保证在动态范围调整前后图像的组织信息亮度基本保持不变，而将弱信号及强信号按照需要进行压缩或拉伸。

Description

自适应的动态范围调整方法和设备

技术领域

本发明涉及超声成像领域，尤其涉及自适应的动态范围调整方法和设备。

背景技术

通常情况下，医用诊断超声***主要通过发射声波到人体组织，通过接收反射的回波信号来获取人体组织的信息。

图像是超声诊断***最终的结果表现，图像的质量直接决定了***的好坏。对于图像质量有几个常用的评价标准，其中对比度是二维超声图像的一个重要特征，良好的对比度可以有效地帮助医生诊断。对比度主要受限于***的信噪比以及动态范围的设置。信噪比是由***的前端电路和信号处理流程决定的，而动态范围与诊断条件相关。医生通过调整动态范围，可以改变图像对比度，对图像做出一定的有利于诊断的优化。目前采用的动态范围调整方法很多，常用的一种为：将调整前的图像灰度与调整后的灰度作线性映射，输入0-255对应输出0-255，取其中某一灰度值作为旋转点，通过将灰度映射直线绕旋转点旋转，来改变输出图像的动态范围，借此改变图像的对比度。对于旋转点的选取，多采用一个固定值。由于灰度映射直线的旋转点固定，当图像亮度变化较大时，动态范围调整后的图像并不能都达到较优的效果。医生一般希望在动态范围调整时，图像的组织灰度能够保持不变或者变化较小，而旋转点固定的动态调整方法无法做到这一点。

因此，需要一种自适应的动态范围调整方法和设备，以解决在动态范围调整时图像的组织灰度发生变化的问题。

发明内容

为解决上述问题，本发明提供一种自适应的动态范围调整方法和设备，该方法和设备通过改变旋转点的位置来适应不同增益下的图像动态范围调整。该旋转点是图像上组织信息均值的结果，可以实时调整，也可以定时调整或通过用户界面操作实现。

本发明提供的自适应的动态范围调整方法包括：图像数据获取步骤，用于获取当前帧的图像数据；组织信息均值计算步骤，用于根据所获取的图像数据计算组织信息均值；和旋转点计算步骤，用于根据计算得到的组织信息均值计算动态范围调整的旋转点。

本发明提供的自适应的动态范围调整设备，包括：图像数据获取单元，用于获取当前帧的图像数据；组织信息均值计算单元，用于根据所获取的图像数据计算组织信息均值；和旋转点计算单元，用于根据计算得到的组织信息均值计算动态范围调整的旋转点。

本发明可以改善图像动态范围调整时图像整体亮度变化的问题，并使图像在动态范围调整时都能保持较优的状态。

附图说明

通过结合以下附图，并且参考以下对具体实施方式的详细说明，可以对本发明有更透彻的理解。

图1示出的是B模式医用诊断超声成像***的结构框图。

图2示出的是利用根据本发明的一个实施例的自适应的动态范围调整方法进行图像显示的方法流程图。

图3示出的是利用根据本发明的一个实施例的对图像进行动态范围调整的示意图。

图4示出的是利用根据本发明的一个实施例的自适应的动态范围调整设备进行图像显示的设备方框图。

图5示出的是根据本发明的第一实施例计算图像组织信息均值的方法的流程图。

图6示出的是根据本发明的第二实施例计算图像组织信息均值的方法的流程图。

图7示出的是根据本发明的第三实施例计算图像组织信息均值的方法的流程图。

具体实施方式

图1示出的是B模式医用诊断超声成像***的结构框图。

如图1所示，通常B模式医用诊断超声***主要包括以下几个部分：

探头101由多个振元构成，振元在电压的激励下可以产生一定频带的声波，声波在人体组织内传播过程中被反射回探头101，由振元将回波信号转化为电信号。

发射电路102产生激励探头101发射所需要的电压，不同振元所需要的发射电压及发射延迟可能是不同的，发射电路2根据不同的需要为每个振元产生不同的发射电压及延迟。

接收通路103接收来自探头101转化后的电信号，对每个振元产生的电信号分别进行预放大、A/D转换等处理，为后面的处理做准备。

波束合成模块104对接收通路103处理过的每一个通路信号进行延迟相加，根据不同的延迟参数计算得到不同接收线上每一点的信号强度。还可以对不同通道的信号取不同权值进行相加，以改善横向分辨率。

B信号处理模块105对波束合成后的数据进行处理，包括包络检测、对数压缩、滤波、图像处理、动态范围调整等，最终处理为8比特的无符号数。

输出显示模块106对最终得到的数据进行输出显示。

对于动态范围调整，医生希望根据不同的诊断需要来决定将其他弱信号和强信号进行压缩以提高对比度，或者拉伸组织信号以提高细节分辨能力，而在调节过程中自己关心的组织信号亮度能够保持不变，从而保证图像不会发生整体上的变化。现有的图像动态范围调整技术，其输入输出映射曲线的旋转点是固定不变的，一般靠医生的经验来决定旋转点的尽可能适合的位置。而实际应用中，不同医生对组织信号亮度的需求是不一致的，固定旋转点的方法不可能每次都恰好匹配图像组织灰度，因此动态调整后的组织亮度可能发生变化。本发明可以有效地减少这种情况的发生。

根据本发明的一个实施例，在动态范围调整时，首先根据当前帧的数据，对每个像素点进行是否为组织信息点的判断，将代表组织信息的点的值取平均得到组织信息均值。假设数据源为当前帧的二维黑白图像，则组织信息均值即组织灰度均值。根据组织灰度均值来调整旋转点的位置，保证在动态范围调整前后图像的组织信息亮度基本保持不变，而将弱信号及强信号按照需要进行压缩或拉伸。

下面将参照附图对本发明进行详细说明。

如图2所示，利用根据本发明的一个实施例的自适应的动态范围调整方法进行图像显示的方法包括：图像数据获取步骤201、组织信息点判断及均值计算步骤202、动态范围调整步骤203以及最后的图像显示步骤204。

在图像数据获取步骤201中，***获取当前帧的数据用于下一步的处理。数据来源可以是数字扫描变换前的数据，也可以是数字扫描变换后的数据。在本发明的一个实施例中，数据值代表图像上每一点的灰度值。

在组织信息点判断及均值计算步骤202中，***根据上一步中获得的数据，判断每个单独的数据点是否代表组织信息。对于代表组织信息的数据，标记为组织信息点，参与图像组织信息均值统计，若不是组织信息点则被排除掉。根据判断得到的代表组织信息的点来计算组织信息均值，并输出结果到下一步。

在动态范围调整步骤203中，***对图像进行动态范围调整。参照图3，实现方式如下：

横坐标为输入DRin，纵坐标为输出DRout，初始状态下两者的对应关系为输入输出映射曲线23，输入的最大最小值分别对应输出的最大最小值。当需要调整输出的动态范围时，以输入输出映射曲线23上的某一点为旋转点，将输入输出映射曲线进行旋转，得到新的输入输出映射曲线24。若输出超出范围，则进行截位保护，即假设输出范围为[0，255]，若输出结果大于255，则取255；若小于0，则取0。旋转点Point根据组织信息点判断及均值计算步骤202输出的组织信息均值计算得到。当图像发生变化，组织信息均值也会相应改变，此时旋转点Point相应作出调整，如图3所示，输入输出映射曲线由24调整为25。

在图像显示步骤204中，经过动态范围调整的信号，转化为8比特的数据进行显示输出。

需要注意的是，图2中的图像数据获取步骤201和组织信息点判断及均值计算步骤202还可以有其他变化。例如，***可以将计算得到的组织信息均值与先前的一帧或多帧的组织信息均值进行相关处理，即进行加权相加以得到更新的组织信息均值。具体而言，***在图像数据获取步骤201获取当前帧的图像数据，在组织信息点判断及均值计算步骤202判断每个数据点是否代表组织信息，计算得到当前帧的组织信息均值并存储，并继续进行余下步骤直至完成动态范围调整。当调整下一帧图像的动态范围时，***在组织信息点判断及均值计算步骤202计算得到该帧的组织信息均值，并与前一次存储的组织信息均值进行加权相加，作为组织信息点判断及均值计算步骤202输出的数据即更新的组织信息均值并存储，便于进行以后的处理。组织信息点判断及均值计算步骤202输出的数据可以是由当前帧的计算结果与前面几帧的计算结果进行加权相加的结果，而不需要局限于与前一帧的计算结果进行加权相加的结果，组织信息点判断及均值计算步骤202输出的数据TisMean的计算公式可以为：

TisMean＝TisMean_L1*T₁+TisMean_L2 *T₂+…+TisMean_Lm *T_m+TisMean_C*T_m+1 (1)

其中TisMean_Lm为存储的上一帧组织信息均值，TisMean_C为计算得到的当前帧的组织信息均值；T_m分别为加权系数，并且T₁+T₂+…+T_m+1＝1，其中m为正整数。

如图4所示，利用根据本发明的一个实施例的自适应的动态范围调整设备进行图像显示的设备主要包括：信号处理单元401、动态范围调整单元402、组织信息均值计算单元405、旋转点计算单元406、图像后处理单元403和图像显示单元404。

在信号处理单元401中，前端波束合成后的RF数据，经过包络检测、滤波等处理，得到B模式的幅度信号，处理过程包括对数转换。处理后的数据输入动态范围调整单元402，动态范围调整单元402对信号的动态范围进行调整。

图像后处理单元403对经过动态范围调整后的数据进行数字扫描变换、图像增强等处理，并将数据压缩为8比特的无符号数，送图像显示单元404输出图像。同时图像后处理单元403中的数据也送组织信息均值计算单元405进行组织信息均值计算，其数据来源可以是图像后处理单元403中任何一步处理后的数据，可以是数字扫描变换前后的阶段数据，也可以是图像增强处理前后的阶段数据。旋转点计算单元406根据组织信息均值计算单元405计算得到的组织信息均值及动态范围调整单元402的数据位宽，计算得到动态范围调整所需要的动态旋转点，送动态范围调整单元402。

对于图4中组织信息均值计算单元405的图像组织信息均值计算方法，下面给出几种算法。

图5示出的是根据本发明的第一实施例计算图像组织信息均值的方法的流程图。

在步骤501中，对得到的图像数据的每一像素点进行3×3邻域的均值滤波，计算得到均值数据GrayAvg。若获取的数据阶段在数字扫描变换之前，则将每一帧的扫描线按照顺序组成矩阵，对其中的每一点进行3×3邻域的均值滤波。其目的是为减少噪声对后面计算的干扰。3×3均值滤波计算公式可以如下：

$\mathrm{GrayAvg}(i,j)=\underset{q=-1}{\overset{1}{\mathrm{\Σ}}}\underset{p=-1}{\overset{1}{\mathrm{\Σ}}}\mathrm{Gray}(i+p,j+q)/9---\left(2\right)$

其中Gray(i，j)为原始图像像素值。

在步骤502中，对经过滤波的每个像素点，计算其5×5邻域的方差Var。计算公式可以如下：

$\mathrm{Var}(i,j)=\underset{p=-2}{\overset{+2}{\mathrm{\Σ}}}\underset{q=-2}{\overset{+2}{\mathrm{\Σ}}}|\mathrm{GrayAvg}(i+p,j+q)-\mathrm{GrayAvg}\left(i\right)\left(j\right)|---\left(3\right)$

其中GrayAvg为在步骤501中经过均值滤波后的图像像素值。

在步骤503中，将计算得到的方差Var与设定的门限VarThreshold相比较。若Var＞VarThreshold，则认为当前像素点不是组织信息点，停止计算当前像素点；若Var≤VarThreshold，则继续下一步判断。VarThreshold可根据多次实验得到。若图像数据为8比特，则VarThreshold的取值范围可以是40-70，比如可以取60。

在步骤504中，对均值滤波后的图像数据GrayAvg计算中心像素点的二维拉普拉斯LAPLACIAN值Lap，计算模板可以用{{0，-1，0}，{-1，4，-1}，{0，-1，0}}。

在步骤505中，将计算得到的二维LAPLACIAN值Lap与设定的门限LapThreshold相比较。若Lap＜LapThreshold，则认为当前像素点不满足认定为组织信息点的某些条件，停止计算当前像素点；若Lap≥LapThreshold，则判定当前像素点为组织信息点，参与下一步的计算。LapThreshold可根据多次实验得到。若图像数据为8比特，则VarThreshold的取值范围可以是2-4，比如可以取4。

在步骤506中，将满足上述条件的像素点标记为组织信息点。

在步骤507中，将所有组织信息点的像素值取平均，得到当前帧图像的组织信息均值TisMean。

需要注意的是，对于步骤504，如果当前帧的图像数据过于极端，图像组织信息均值TisMean的计算可能出现异常，此时TisMean的值可能过大或过小，从而不能代表组织灰度信息。由此，根据图像组织信息均值设定旋转点会不合适，图像动态范围调整后的图像会出现不能达到预期目的的结果。

图6示出的是根据本发明的第二实施例计算图像组织信息均值的方法的流程图。该方法在计算得到的TisMean基础上加一个限制范围。当超出范围时，认为计算误差较大，采用另外的方法来确定TisMean。

在步骤601中，对得到的图像数据的每一像素点进行3×3邻域的均值滤波，计算得到均值数据GrayAvg。

在步骤602中，对经过滤波的每个像素点，计算其5×5邻域的方差Var。

在步骤603中，将计算得到的方差Var与设定的门限VarThreshold相比较。若Var＞VarThreshold，则认为当前像素点不满足认定为组织信息点的某些条件，停止计算当前像素点；若Var≤VarThreshold，则继续下一步判断。

在步骤604中，对均值滤波后的图像数据GrayAvg计算中心像素点的二维LAPLACIAN值Lap，计算模板可以用{{0，-1，0}，{-1，4，-1}，{0，-1，0}}。

在步骤605中，将计算得到的二维LAPLACIAN值Lap与设定的门限LapThreshold相比较。若Lap＜LapThreshold，则认为当前像素点不满足认定为组织信息点的某些条件，停止计算当前像素点；若Lap≥LapThreshold，则判定当前像素点为组织信息点，参与下一步的计算。

在步骤606中，将满足上述条件的像素点标记为组织信息点。

在步骤607中，将所有组织信息点的像素值取平均，得到当前帧图像的组织信息均值TisMean。

在步骤608中，对上一步计算得到的组织信息均值，按照计算结果采取不同的处理。设定一个范围[MinMean，MaxMean]，若TisMean落在范围内，则执行步骤609；否则执行步骤610。MinMean与MaxMean可以由试验统计得到。在本发明的一个实施例中，范围选取[20，160]。

在步骤609中，若TisMean落在范围内，则TisMean就是最终的组织信息均值。

在步骤610中，若TisMean超出设定的范围，则TisMean取预定的值Gray。

对于步骤608中的范围选取，基于以下的考虑。医生在观察图像时总会将组织信息调整到一个合适的灰度值。不同的医生可能对组织灰度值的需求并不一致，但总体而言，适合组织的灰度值有一个范围，过高或过低都不利于医生的诊断。因此，步骤608中的MinMean与MaxMean可以确定一个合适的范围。当计算得到的TisMean超出这个范围时，认为组织信息均值计算单元405可能出现较大误差，直接使用计算结果可能导致图像效果不理想。为避免这种情况的出现，在步骤610中，对TisMean直接赋值一个较通用的数，如64或者其他。

相对于第一实施例，第二实施例先对计算得到的组织信息均值进行判断。若计算得到的组织信息均值超出了合理范围，则不使用计算得到的组织信息均值，这样减少了在图像动态范围调整中发生错误的可能。

图7示出的是根据本发明的第三实施例计算图像组织信息均值的方法的流程图。与第一实施例相比，第三实施例增加了对数字时间增益补偿DTGC(Digital Time Gain Compensation)的考虑。医生在使用超声设备时，会人为地选择DTGC拨杆位置。当DTGC曲线有突变时，图像亮度会有变化。由于组织信息点的判断依赖于像素灰度值，因此DTGC曲线的形态会影响到组织判断的准确性。第三实施例首先消除DTGC对获得的图像数据的影响，从而抵消DTGC对算法精度的影响。参照图7，具体流程如下。

在步骤701中，消除DTGC对获得的图像数据的影响。在本发明的一个实施例中，这通过将当前获得的图像数据除以DTGC增益因子来实现。在本发明的另一实施例中，当获得的图像数据和DTGC均为对数处理后的数据时，可以将获得的图像数据与对应深度的DTGC进行加权相加，如下式所示：

Gray′(i，j)＝Gray(i，j)-DTGC(j)        (4)

其中Gray(i，j)为原始图像数据，DTGC(j)为对应深度下的DTGC值。

在步骤702中，对上一步得到的图像数据Gray′(i，j)进行3×3邻域的均值滤波，计算得到均值数据GrayAvg。

在步骤703中，对经过滤波的每个像素点，计算其5×5邻域的方差Var。

在步骤704中，将计算得到的方差Var与设定的门限VarThreshold相比较。若Var＞VarThreshold，则认为当前像素点不是组织信息点，停止计算当前像素点；若Var≤VarThreshold，则继续下一步判断。

在步骤705中，对均值滤波后的图像数据GrayAvg计算中心像素点的二维LAPLACIAN值Lap。

在步骤706中，将计算得到的二维LAPLACIAN值Lap与设定的门限LapThreshold相比较。若Lap＜LapThreshold，则认为当前像素点不满足认定为组织信息点的某些条件，停止计算当前像素点；若Lap≥LapThreshold，则判定当前像素点为组织信息点，参与下一步的计算。

在步骤707中，将满足上述条件的像素点标记为组织信息点。

在步骤708中，将所有组织信息点的像素值取平均，得到当前帧图像的组织信息均值TisMean。

以上是图像组织信息点判断及均值计算的三个实施例。需要注意的是，在第二实施例的步骤601之前，也可以将获得的图像数据与对应深度的DTGC加权相加，从而抵消DTGC对算法精度的影响。以上步骤中还可以进行以下适当的变化。

在步骤501、601、702中的均值滤波，也可以取5×5邻域范围或者其他，其目的是为了减少噪声对计算的影响。还可以用其他滤波方法，如中值滤波等，取滤波后的数据进入下一步计算。当然，也可以简化计算而不进行均值滤波。

在步骤502、602、703中，对经过滤波的每个像素点，也可以采用3×3邻域的方法来计算方差Var。

在步骤504、604、705中，用于计算二维LAPLACIAN值的模板也可以用{{0，1，0}，{1，-4，1}，{0，1，0}}来代替，相应的步骤505、605、706中，判断式修改为Lap＞LapThreshold，相应LapThreshold的值也要调整。

现回到图4，旋转点计算单元406计算旋转点Point的方法如下。

假设组织信息均值计算单元405接收的图像数据位宽为N，RF信号经过信号处理单元401处理后送动态范围调整单元402的数据位宽为M，则旋转点Point的计算根据组织信息均值计算单元405计算得到的组织信息均值TisMean，按照如下公式计算：

Point＝TisMean*2^(M-N)          (5)

旋转点Point的计算还可以采用其他方法，如将上述方法与固定旋转点方法加权。假设固定旋转点方法的旋转点设置为P，则：

Point＝TisMean*2^(M-N)*T_auto+P*T_s      (6)

其中T_auto+T_s＝1，T_auto和T_s的取值范围为[0，1]，M、N的含义与公式5相同。

当T_auto＝1时，公式6与公式5相同，此时的旋转点Point绝对匹配计算得到的组织信息均值；当T_auto＝0时，旋转点Point的计算方法即为通用的固定旋转点方法。这种方法可以通过调整T_auto的大小，调整经过动态范围调整后的图像效果，适应范围更广。

当然，公式6还可以有其他变形，如公式7所示。其核心思想一致，都是与固定旋转点方法加权。

Point＝TisMean*2^(M-N)*sin²(a*π/2)+P*cos²(a*π/2)       (7)

其中a为一系数，取值范围为[0，1]，其余符号的含义与公式6相同。

另外，对于组织信息均值的计算，数据源既可以是8比特的灰度值，也可以是包络检测后的数据。当数据源是包络检测后的数据时，由此计算得到的组织信息均值需要转化为8比特，以确定旋转点的位置。

对于动态范围的调整，输出不一定要求为8比特。假设动态范围调整的输入是12比特，动态范围调整的输出也可以是12比特。然后在图像显示以前将数据量化为8比特。此时的旋转点需要根据计算得到的组织信息均值量化为12比特，以适应动态范围调整的输入输出。

本发明在一定程度上解决了图像动态范围调整时会造成图像整体变化的问题，使在图像动态范围调整前后，组织的灰度保持在一定范围内，从而提高图像的整体效果。

以上通过特定的实施例对本发明进行了详细的描述，但本发明并不限于上述实施例。在不脱离本发明范围的前提下，可以对本发明进行各种修改和变更。本发明的范围由所附权利要求书限定。

Claims (18)

1.一种自适应的动态范围调整方法，包括：

图像数据获取步骤，获取当前帧的图像数据；

组织信息均值计算步骤，根据所获取的图像数据计算组织信息均值；和

旋转点计算步骤，根据计算得到的组织信息均值计算动态范围调整的旋转点。

2.如权利要求1所述的方法，其中，在所述组织信息均值计算步骤与所述旋转点计算步骤之间还包括相关处理步骤，所述相关处理步骤将计算得到的组织信息均值与先前的一帧或多帧的组织信息均值进行加权相加以得到更新的组织信息均值。

3.如权利要求1或2所述的方法，其中，在所述图像数据获取步骤和所述组织信息均值计算步骤之间还包括补偿消除步骤，所述补偿消除步骤消除数字时间增益补偿对所获取的图像数据的影响。

4.如权利要求1-3中任一项所述的方法，其中，在所述组织信息均值计算步骤和所述旋转点计算步骤之间还包括组织信息均值判断步骤，判断计算得到的组织信息均值是否异常。

5.如权利要求4所述的方法，其中所述组织信息均值判断步骤判断计算得到的组织信息均值是否落在预定范围内，若计算得到的组织信息均值落在预定范围内，则计算得到的组织信息均值无异常；否则，将计算得到的组织信息均值设为预定值。

6.如权利要求1-5中任一项所述的方法，其中，所述组织信息均值计算步骤包括：

组织信息点判断步骤，判断所获取的图像数据的各个数据点是否代表组织信息并将代表组织信息的数据点标记为组织信息点；和

均值计算步骤，将所有组织信息点的数据值取平均，得到组织信息均值。

7.如权利要求6所述的方法，其中所述组织信息点判断步骤包括：

方差计算步骤，计算所获取的图像数据的各个数据点的n*n邻域的方差，其中n为正整数；

方差比较步骤，将计算得到的方差与方差门限相比较，若计算得到的方差大于方差门限，则判定当前数据点不是组织信息点，停止计算当前数据点；否则，则继续下一步；

二维拉普拉斯值计算步骤，计算中心数据点的二维拉普拉斯值；和

二维拉普拉斯值比较步骤，将计算得到的二维拉普拉斯值与二维拉普拉斯值门限相比较，若计算得到的二维拉普拉斯值小于二维拉普拉斯值门限，则判定当前数据点不是组织信息点，停止计算当前数据点；否则，则判定当前数据点为组织信息点。

8.如权利要求7所述的方法，其中，在所述方差计算步骤之前还包括滤波步骤，所述滤波步骤对所获取的图像数据进行滤波以减少噪声的影响。

9.如权利要求1-8中任一项所述的方法，其中，所述旋转点计算步骤通过将所述组织信息均值与预定旋转点进行加权相加来得到所述旋转点。

10.一种自适应的动态范围调整设备，包括：

图像数据获取单元，用于获取当前帧的图像数据；

组织信息均值计算单元，用于根据所获取的图像数据计算组织信息均值；和

旋转点计算单元，用于根据计算得到的组织信息均值计算动态范围调整的旋转点。

11.如权利要求10所述的设备，其中，还包括相关处理单元，用于将计算得到的组织信息均值与先前的一帧或多帧的组织信息均值进行加权相加以得到更新的组织信息均值。

12.如权利要求10或11所述的设备，其中，还包括补偿消除单元，用于消除数字时间增益补偿对所获取的图像数据的影响。

13.如权利要求10-12所述的设备，其中，还包括组织信息均值判断单元，用于判断计算得到的组织信息均值是否异常。

14.如权利要求13所述的设备，其中所述组织信息均值判断单元判断计算得到的组织信息均值是否落在预定范围内，若计算得到的组织信息均值落在预定范围内，则计算得到的组织信息均值无异常；否则，将计算得到的组织信息均值设为预定值。

15.如权利要求10-14中任一项所述的设备，其中，所述组织信息均值计算单元包括：

组织信息点判断装置，用于判断所获取的图像数据的各个数据点是否代表组织信息并将代表组织信息的数据点标记为组织信息点；和

均值计算装置，用于将所有组织信息点的数据值取平均，得到组织信息均值。

16.如权利要求15所述的设备，其中所述组织信息点判断装置包括：

方差计算模块，用于计算所获取的图像数据的各个数据点的n*n邻域的方差，其中n为正整数；

方差比较模块，用于将计算得到的方差与方差门限相比较，若计算得到的方差大于方差门限，则判定当前数据点不是组织信息点，停止计算当前数据点；否则，则继续下一步；

二维拉普拉斯值计算模块，用于计算中心数据点的二维拉普拉斯值；和

二维拉普拉斯值比较模块，用于将计算得到的二维拉普拉斯值与二维拉普拉斯值门限相比较，若计算得到的二维拉普拉斯值小于二维拉普拉斯值门限，则判定当前数据点不是组织信息点，停止计算当前数据点；否则，则判定当前数据点为组织信息点。

17.如权利要求16所述的设备，其中，所述组织信息点判断装置还包括滤波模块，用于对所获取的图像数据进行滤波以减少噪声的影响。

18.如权利要求10-17中任一项所述的设备，其中，所述旋转点计算单元通过将所述组织信息均值与预定旋转点进行加权相加来得到所述旋转点。

Images