CN103767728A - 影像辨识方法及影像辨识*** - Google Patents

Abstract

本发明提供一种影像辨识方法及影像辨识***，尤其是一种影像自动辨识、分析、测量方法与***，可应用于胎儿超音波影像，影像辨识方法包含下列步骤：(a)以滤波运算子调整影像以减少噪声并均匀化(同质化)相同物件结构的像素表现；(b)通过统计色阶分布信息函数分析影像并根据统计色阶分布信息函数的最大信息乱度状态将数个像素单元分类为疑似前景像素单元与背景像素单元；以及(c)在疑似前景像素单元中以形状轮廓设定值搜寻并辨识一目标结构影像。本发明的影像辨识方法可提升辨识目标物的组织、构造、结构影像及测量影像的效率与准确度。

Description

影像辨识方法及影像辨识***

技术领域

本发明是关于一种影像辨识方法及影像辨识***，尤其是超音波影像自动化辨识、分析、测量方法及***，其中超音波影像包含胎儿超音波影像；具体而言，本发明是关于一种可分析影像、提高辨识效率及能够自动化测量的影像辨识、分析、测量方法及影像辨识、分析、测量***。

背景技术

由于超音波检测具有即时、低成本、容易使用及非侵入性等优点，普遍应用于生医领域，尤其是应用在侦测孕妇子宫内胎儿的成长状况。一般而言，医师是使用超音波检测器侦测胎儿的超音波动态影像，并尝试捕捉最佳角度以撷取即时影像。在实际应用中，超音波检测器包含影像辨识***，且影像辨识***能够读取撷取后即时影像的内容且提供数个影像分析工具。然而，上述影像分析工具需由使用者手动控制以判读影像内容，且需手动测量影像内容。

举例而论，医师需目视搜寻目标影像，其中目标影像包含头颅、股骨或其他器官。需说明的是，若目标影像过于模糊，则目视搜寻的方法容易产生误差，难以判断目标影像的正确位置，进而影响目标影像的判读结果。

此外，当医师通过影像分析工具测量目标影像时，是采用手动拖曳尺规的方式进行测量目标影像的长度。值得注意的是，此方法容易费时，无法有效提供较佳的医疗品质。除此之外，若目标影像的判读结果误差过大，还影响后续测量尺寸的结果。综合上述诸多因素，传统式的影像辨识***仍存在许多缺点。

发明内容

有鉴于上述现有技术的问题，本发明提出一种可分析影像并提高辨识效率的影像辨识方法及影像辨识***，用以辨识、分析及测量影像，尤其用以分析超音波影像。

在一方面，本发明提供一种具有统计色阶分布信息函数的影像辨识方法，以提高影像辨识效率。

在一方面，本发明提供一种使用向量分析物件边缘的影像辨识方法，以侦测目标结构影像。

在一方面，本发明提供一种判断目标影像尺寸的影像测量方法，并能将测量结果自动转换为尺寸(由像素单位转换为尺寸单位)，以提升影像测量效率。

在一方面，本发明提供一种可自动化辨识并快速测量的影像辨识***，以提高影像分析的准确度。

在另一方面，本发明提供一种影像辨识可读媒体，其中影像辨识可读媒体储存影像辨识方法或影像辨识***，具有辨识影像及测量影像内容的功效。

本发明的一方面提供一种影像辨识方法，应用于影像，其中影像包含复数个像素单元，影像辨识方法包含下列步骤：(a)以滤波运算子调整影像以减少噪声并均匀化(同质化)相同物件结构的像素表现；(b)通过统计色阶分布信息函数分析影像并根据统计色阶分布信息函数的最大信息乱度状态将该等像素单元分类为疑似前景像素单元与背景像素单元；以及(c)在疑似前景像素单元中以形状轮廓设定值搜寻并辨识一目标结构影像。在实际情况中，该目标结构影像可以是组织影像、构造影像或器官结构影像，但不以此为限。

本发明的另一方面提供一种影像辨识方法，应用于影像，包含下列步骤：(a)以边缘运算子侦测该影像中的向性边缘；(b)强化向性边缘；(c)反转色阶；以及(d)以形状轮廓设定值搜寻目标结构影像，其中形状轮廓设定值对应相连结构。在一实施例中，向性边缘是指水平方向边缘，但不以此例为限。

本发明的一方面提供一种影像辨识***，用以辨识影像，其中影像包含复数个像素单元，且影像辨识***包含影像处理模块、分析模块及辨识模块。影像处理模块具有滤波运算子，其中滤波运算子调整影像以减少噪声并均匀化(同质化)相同物件结构的像素表现。分析模块连接于影像处理模块并内存第一运算模式，其中第一运算模式具有统计色阶分布信息函数，且分析模块在第一运算模式中通过统计色阶分布信息函数分析影像并根据最大信息乱度状态，将该等像素单元分类为疑似前景像素单元与背景像素单元。此外，影像辨识***依据物件的型态和分布特性，选择最佳物件做为目标物件。

相对于现有技术，根据本发明的影像辨识方法及影像辨识***是利用统计色阶分布信息函数以定义像素单元，进而辨识目标物件影像结构，以达到提升影像辨识度的功效。此外，影像辨识方法可通过边缘运算子分析影像，并使用形状轮廓设定值辨识目标结构影像。在实际应用中，影像辨识***还具有测量影像的功能，且平均约2.28秒完成分析、辨识及测量。

关于本发明的优点与精神可以通过以下的发明详述及所附图式得到进一步的了解。

附图说明

图1为本发明的影像辨识方法的实施例流程图；

图2A为本发明的原始影像示意图；

图2B为本发明的统计色阶分布信息函数处理后的影像示意图；

图2C为本发明的辨识目标结构影像的影像示意图；

图3为本发明的影像辨识方法的另一实施例流程图；

图4为本发明的影像辨识方法的另一实施例流程图；

图5A为本发明的原始影像示意图；

图5B为本发明的强化向性边缘后的影像示意图；

图5C为本发明的辨识目标结构影像的影像示意图；

图6A及图6B为本发明的影像辨识方法的另一实施例流程图；

图7为本发明的影像辨识方法的实施例流程图；

图8A及图8B为本发明的影像辨识方法的另一实施例流程图；

图9A及图9B为本发明的影像辨识方法的另一实施例流程图；

图10A为本发明的影像辨识方法使用矩形图框测量的实施例示意图；

图10B为本发明的影像辨识方法使用矩形图框测量的实施例示意图；

图11为本发明的影像辨识***的实施例示意图；

图12为本发明的影像辨识***的另一实施例示意图；

图13为本发明的影像辨识***的另一实施例示意图；以及

图14为本发明的影像辨识***的另一实施例示意图。

【主要元件符号说明】

1、1A、1B、1C：影像辨识***

2：动态影像读取装置

3：显示装置

10A：矩形图框

10B：矩形图框

20A：股骨目标影像

20B：股骨目标影像

30：影像处理模块

40：分析模块

50：辨识模块

200A：长边距离

200B：对角距离

610：顶点测量模块

620：图框测量模块

步骤S100～步骤S2001

具体实施方式

根据本发明的一具体实施例为一种影像辨识方法，应用于影像。在此方法中，该影像可以为超音波影像，但不以胎儿超音波为限。

请参照图1，图1为本发明的影像辨识方法的实施例流程图。如图1所示，该影像辨识方法首先执行步骤S100，以滤波运算子调整影像以减少噪声并均匀化(同质化)相同物件结构的像素表现。在实际情况中，影像包含复数个像素单元，其中像素单元为影像中呈矩阵阵列排列的像素点。在原始影像中，该等像素单元中的色块变异性极大，故以滤波运算子降低影像的变异性及将影像锐利化或平滑化，以简化影像的结构信息。在实际应用中，滤波运算子可以是影像运算矩阵，可调整各像素单元的色块，但不以此为限。换言之，滤波运算子可减少影像中不必要的噪声，为影像辨识的前置处理。

接着，影像辨识方法执行步骤S200，通过统计色阶分布信息函数分析影像，并根据统计色阶分布信息函数的最大信息乱度状态将该等像素单元分类为疑似前景像素单元与背景像素单元。需说明的是，统计色阶分布信息函数为一种影像分析工具，能够大幅过滤影像，达到影像辨识的功效。至于统计色阶分布信息函数及最大乱度状态的详细实施方法，将在本文的另一实施例中说明。

然后，影像辨识方法执行步骤S300，在疑似前景像素单元中以形状轮廓设定值搜寻并辨识目标结构影像。需说明的是，目标结构影像包含头骨(skull)、股骨(femur)或其他器官的影像，且各器官具有相对应的形状轮廓设定值。举例而言，股骨的轮廓具有长形结构，而头骨具有类似圆形的结构，其中股骨跟头骨分别具有对应的股骨轮廓设定值及头骨轮廓设定值，使得该影像辨识方法根据股骨轮廓设定值或头骨轮廓设定值以辨识股骨目标影像或头骨目标影像。此外，在此流程中，可通过股骨长形结构的两端具有圆形结构定义形状轮廓设定值，进而辨识目标结构影像。

以股骨目标影像为例，请参照图2A～图2C，其中图2A为本发明的原始影像示意图；图2B为本发明的统计色阶分布信息函数处理后的影像示意图；图2C为本发明的辨识目标结构影像的影像示意图。在实际情况中，使用者可通过超音波侦测装置撷取超音波影像，图2A是揭示超音波影像的原始影像。值得注意的是，经影像辨识方法执行步骤S100及S200后，图2B所示的影像具有清楚的股骨轮廓及其他类似轮廓。此外，经影像辨识方法执行步骤S300后，可辨识出如图2C中的股骨目标影像。

除图1的影像辨识方法外，本发明还通过数个步骤详细说明统计色阶分布信息函数的分析方法。请参照图3，图3为本发明的影像辨识方法的另一实施例流程图。如图3所示，影像辨识方法在步骤S100后执行步骤S201，标准化影像以撷取该等像素单元的复数个色阶值及各色阶值的显像频率。具体而论，色阶值的范围为0～2^c-1，其中色阶值为0对应的颜色为黑色，且色阶值为2^c-1对应的颜色为白色。c为位元数值(bit number)，用以编码影像像素表现。举例而言，8bits超音波影像，其中c=8;16bits超音波影像，其中c=16。在此步骤中，影像辨识方法撷取各像素单元的色阶值，且各色阶值的显像频率为各色阶值出现的频率。

接着，影像辨识方法执行步骤S203，产生对应显像频率的显像机率。需说明的是，在步骤S201中，该方法取得各色阶值的显像频率，则步骤S203产生各色阶值出现的机率，即为显像频率。

然后，影像辨识方法执行步骤S205，在统计色阶分布信息函数输入该等色阶值及对应该等色阶值的显像机率。在此方法中，统计色阶分布信息函数为乱度信息函数(entropy information theory)，但不以此为限。进一步而论，影像辨识方法是使用乱度信息函数判断可用的像素单元，进而辨识目标结构影像。

举例而论，影像辨识方法执行标准化影像后，可得到显像频率P及其范围

其中色阶值j范围为0到2^c-1，且影像熵值(image entropy)H(P)可由以下方程式[1]～[4]求得：

$H\left(A\right)=-\underset{i=0}{\overset{j}{\mathrm{\Σ}}}{p}_i\log p_i---\left[1\right];$

$H\left(B\right)=-\underset{i=j}{\overset{2^c-1}{\mathrm{\Σ}}}{p}_i\log p_i---\left[2\right];$

其中色阶值j∈{0…2^c-1}，A∈{0…j}，B∈{2^c-1…j}。

接着，影像辨识方法执行步骤S207，产生最大信息乱度状态时，决定对应最大信息乱度状态的色阶值为色阶分界值。在本方法中，当统计色阶分布信息函数产生最大信息乱度状态时，则决定对应最大信息乱度状态的色阶值为色阶分界值。需说明的是，色阶分界值为疑似前景像素单元及背景像素单元的分类色阶界值。进一步而论，影像辨识方法是通过方程式[1]-[4]计算出可区分疑似前景与背景的色阶分界值，进而选定所需的疑似前景像素单元。

影像辨识方法执行步骤S209，转换大于或等于色阶分界值的该等色阶值为色阶极大值并转换小于色阶分界值的该等色阶值为色阶极小值以二值化分类疑似前景像素单元及背景像素单元。需说明的是，色阶极大值为2^c-1，对应颜色为白色；色阶极小值为0，对应颜色为黑色。举例而言，如图2A及图2B所示，其中大于或等于色阶分界值的色阶值被转换为白色，且小于色阶分界值的色阶值被转换为黑色。此外，若为8bits影像，则c为8，且色阶极大值为255。

接着，影像辨识方法执行步骤S211，定义对应色阶极大值的该等像素单元为疑似前景像素单元。本方法通过定义上述该等像素单元为疑似前景像素单元，进而执行进阶影像辨识的动作。此外，如前所述，本方法通过步骤S300以在选取的该等像素单元中辨识目标结构影像。需说明的是，本发明的影像辨识方法是通过乱度信息函数选定色阶分界值，以提高影像辨识的效率。

请参照图4，图4为本发明的影像辨识方法的另一实施例流程图。如图4所示，影像辨识方法在步骤S300后还执行步骤S400，是否辨识目标结构影像。若该方法在步骤S300无法辨识目标结构影像，则执行步骤S600。在实际情况中，由于影像辨识方法可能在步骤100中过滤太多有效信息，使得后续的影像辨识失效，故需要另一组辨识方法。换言之，若影像辨识方法在步骤S100～S400无法辨识目标结构影像，则执行步骤S600，以边缘运算子侦测影像中的向性边缘。需说明的是，向性边缘可以是水平方向边缘、垂直方向边缘或斜向方向边缘。在此实施例中，向性边缘为水平方向边缘。值得注意的是，步骤S600并未使用如步骤S100中的滤波运算子进行前置影像处理，故能够保留原始影像中的细节。换言之，该等步骤S600～S900是针对原始影像的该等像素单元的各色阶值直接进行计算，具有高度的辨识结果。

此外，上述边缘运算子可以是矩阵运算子，尤其是旋积运算子(convolution operator)。举例而言，以股骨(femur)目标影像为例，其对应的边缘运算子与原始影像的关系式为：

$I=I_s*\left[\begin{array}{ccc}1& 2& 1\\ 0& 0& 0\\ -1& -2& -1\end{array}\right]$

其中I为处理后的影像，I_s为原始影像，且矩阵运算子为边缘运算子。在此流程中，由于影像中的股骨结构具有水平方向性，而上述边缘运算子是用以侦测水平方向的边缘以侦测股骨的位置。

接着，影像辨识方法执行步骤S700，强化向性边缘。请参照图5A及图5B，其中图5A为本发明的原始影像示意图，且图5B为本发明的强化向性边缘后的影像示意图。如图5A及图5B所示，图5B中的向性边缘的轮廓明显地锐利化。

此外，影像辨识方法执行步骤S800，反转色阶；以及步骤S900，以形状轮廓设定值搜寻目标结构影像，其中形状轮廓设定值对应相连结构。请参照图5C，图5C为本发明的辨识目标结构影像的影像示意图。在此流程中，目标结构影像为股骨，但不以此为限。如图5B及图5C所示，图5B中的股骨结构为黑色连续长形物体，经反转色阶后，图5C的股骨结构为白色连续长形物体。需说明的是，图5C中的股骨目标影像是通过形状轮廓设定值搜寻后的结果。至于步骤S900中的形状轮廓设定值及其搜寻方法，与步骤S300相同，在此不加以赘述。

除图4的影像辨识方法外，本发明还通过数个步骤详细说明边缘侦测的分析方法。请参照图6A及图6B，图6A及图6B为本发明的影像辨识方法的另一实施例流程图。如图6A及图6B所示，影像辨识方法在步骤S600后执行步骤S701，伸张向性边缘以强化向性边缘。

在步骤S600中，可通过以下方程式[5]～[7]强化向性边缘：

$G_x=I*\left[\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ 1& 0& -1\end{array}\right]---\left[5\right]$

$G_y=I*\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]---\left[6\right]$

$I*=\sqrt{G_x^2+G_y^2}---\left[7\right]$

其中G_x为横向运算子，G_y为纵向运算子，且步骤S701通过上述运算子强化影像中的向性边缘，可提高影像中的向性边缘结构的锐利度及对比程度。需说明的是，图5A中股骨结构的色阶与图5B不同，故需执行步骤S801A及步骤S801B。值得注意的是，影像包含该等像素单元，各像素单元具有色阶值，且该等色阶值是介于色阶极大值与色阶极小值之间。

在此流程中，影像辨识方法执行步骤S801A，若色阶值较接近色阶极大值，转换色阶值为色阶极小值；以及步骤S801B，若色阶值较接近色阶极小值，转换色阶值为色阶极大值。如前所述，色阶极大值为2^c-1，对应颜色为白色；色阶极小值为0，对应颜色为黑色。换言之，若原色阶值较接近白色，则转换为黑色；若原色阶值较接近黑色，则转换为白色。如图5B及图5C所示，转换色阶并辨识目标结构影像后，影像辨识方法能够得到精确的结果。相对于图1及图3的影像辨识方法，图4及图6A及图6B的影像辨识方法能够提高目标结构影像的辨识度，进而达到提高影像辨识效率的功效。

需说明的是，在其他流程中，影像辨识方法可省略步骤S100～步骤S400，而仅执行图4中的步骤S600～步骤S900或执行图6A及图6B中的步骤S600～步骤S900。举例而言，请参照图7，图7为本发明的影像辨识方法的实施例流程图。如图7所示，影像辨识方法仅具有如图4中的步骤S600～步骤S900。换句话说，影像辨识方法可单一使用边缘运算方法进行影像侦测，而不使用统计色阶分布信息函数的分析方法，并无特定的限制。

除此之外，本发明还提供进阶实施例流程图以说明影像辨识方法具有提升测量效率的功效。请参照图8A及图8B，图8A及图8B为本发明的影像辨识方法的另一实施例流程图。如图8A及图8B所示，相对于图4的流程图，图8A及图8B在执行步骤S400或步骤S900后还执行步骤S1000，撷取目标结构影像的相对的第一顶点座标及第二顶点座标。以股骨目标影像为例，第一顶点座标及第二顶点座标为股骨结构相对两端的座标。

接着，影像辨识方法执行步骤S1001，根据第一顶点座标及第二顶点座标测量目标结构影像的长度。举例而言，可通过点座标与另一点座标的距离计算方法计算第一顶点座标与第二顶点座标的距离，进而得到目标结构影像的长度。具体而论，图8A及图8B所示的影像辨识方法具有测量目标结构影像尺寸的功效。此外，步骤S1000及步骤S1001可依照实际需求在图1、图3、图6A及图6B或图7执行，使得上述影像辨识方法还具有测量的功效。具体而论，步骤S1000及步骤S1001可在图1的步骤S300后、图3的步骤S300后、图6A及图6B的步骤S400或步骤S900后、或图7的步骤S900后执行，并无特定的限制。

需说明的是，除了图8A及图8B的影像辨识方法通过顶点座标的计算方法取得目标结构影像的长度，本发明还提供另一种影像辨识方法以说明其他测量方法。请参照图9A及图9B，图9A及图9B为本发明的影像辨识方法的另一实施例流程图。如图9A及图9B所示，步骤S2000，以矩形图框套合并切齐目标结构影像的边缘。举例而言，可如图10A及图10B所示，其中图10A及图10B分别为本发明的影像辨识方法使用矩形图框测量的实施例示意图。如图10A所示，矩形图框10A套合并切齐股骨目标影像20A的边缘。在另一实施例中，如图10B所示，矩形图框10B套合并切齐股骨目标影像20B的边缘。

接着，影像辨识方法还执行步骤S2001，根据矩形图框的长宽比例，决定矩形图框的对角距离或长边距离为目标结构影像的长度。举例而言，可如图10A所示，矩形图框10A的长宽具有狭长形状，则决定矩形图框10A的长边距离200A为股骨目标影像20A的长度。此外，可如图10B所示，矩形图框10B的长宽并非具有狭长形状，则决定矩形图框10B的对角距离200B为股骨目标影像20B的长度。

相对于图8A及图8B的步骤S1000～步骤S1001，图9A及图9B的步骤S2000～步骤S2001是使用矩形图框测量目标结构影像的长度，还达到简化测量方法并能提高测量效率的功效。在实际情况中，图9A及图9B的影像辨识方法平均约2.28秒可完成步骤S100～步骤2001，但不以此为限。此外，步骤S2000及步骤S2001可依照实际需求在图1、图3、图6A及图6B或图7执行，使得上述影像辨识方法还具有测量的功效。具体而论，步骤S2000及步骤S2001可在图1的步骤S300后、图3的步骤S300后、图6A及图6B的步骤S400或步骤S900后、或图7的步骤S900后执行，并无特定的限制。

根据本发明的一具体实施例为一种影像辨识***用以辨识影像，其中影像包含复数个像素单元。在此实施例中，该影像可以为超音波影像，其中超音波影像包含胎儿超音波影像，但不以此为限。

请参照图11，图11为本发明的影像辨识***的实施例示意图。在实际应用中，影像辨识***1可设置于动态影像读取装置2中或连接于动态影像读取装置2，其中动态影像读取装置2可以是超音波影像读取装置，但不以此为限。在此实施例中，影像辨识***1设置于动态影像读取装置2，且动态影像读取装置2传送影像至影像辨识***1；或影像辨识***1传送指令至动态影像读取装置2，使得动态影像读取装置2传送影像至影像辨识***1。

如图11所示，影像辨识***1包含影像处理模块30、分析模块40及辨识模块50。影像处理模块30具有滤波运算子，其中滤波运算子调整影像以减少噪声并均匀化相同物件结构的像素表现。

分析模块40连接于影像处理模块30并内存第一运算模式，其中第一运算模式具有统计色阶分布信息函数，且分析模块40在第一运算模式中通过统计色阶分布信息函数分析影像并根据最大信息乱度状态将该等像素单元分类为疑似前景像素单元与背景像素单元。辨识模块50连接于分析模块40并内存至少一形状轮廓设定值，其中辨识模块50在疑似前景像素单元中以至少一形状轮廓设定值搜寻并辨识目标结构影像。

需说明的是，在第一运算模式中，分析模块40标准化影像以撷取该等像素单元的复数个色阶值及各色阶值的显像频率并产生对应显像频率的显像机率。在实际情况中，影像包含该等像素单元，其中像素单元为影像中呈矩阵阵列排列的像素点。在原始影像中，该等像素单元中的色块变异性极大，故影像处理模块30以滤波运算子降低影像的变异性及将影像锐利化或平滑化，以简化影像的结构信息。在实际应用中，滤波运算子可以是影像运算矩阵，可调整各像素单元的色块，但不以此为限。换言之，滤波运算子可减少影像中不必要的噪声，为影像辨识的前置处理。

在此实施例中，影像处理模块30传送处理后的影像至分析模块40，且分析模块40标准化影像以撷取该等像素单元的复数个色阶值及各色阶值的显像频率。具体而论，色阶值的范围为0～2^c-1，其中色阶值为0对应的颜色为黑色，且色阶值为2^c-1对应的颜色为白色。在此实施例中，影像辨识***1使用分析模块40撷取各像素单元的色阶值，且各色阶值的显像频率为各色阶值出现的频率。此外，若为8bits影像，则c为8，且色阶极大值为255。

此外，分析模块根据该等显像频率产生对应显像频率的显像机率，其中各色阶值出现的机率，即为显像频率。在实际情况中，分析模块40将该等色阶值及对应该等色阶值的显像机率输入于统计色阶分布信息函数。在此实施例中，统计色阶分布信息函数为乱度信息函数(entropy information theory)，但不以此为限。进一步而论，影像辨识***1是使用乱度信息函数判断可用的像素单元，进而辨识目标结构影像。

举例而论，分析模块40标准化影像后，可得到显像频率P及其范围

其中色阶值j范围为2^c-1，c为8，且影像熵值(image entropy)H(P)可通过上述影像辨识方法中的方程式[1]～[4]求得。值得注意的是，当统计色阶分布信息函数根据该等色阶值及对应该等色阶值的显像机率产生最大信息乱度状态时，分析模块40决定对应最大信息乱度状态的色阶值为色阶分界值。在本实施例中，当统计色阶分布信息函数产生最大信息乱度状态时，亦即乱度信息函数发生最大乱度，则决定对应最大信息乱度状态的色阶值为色阶分界值。进一步而论，分析模块40是通过方程式[1]-[4]计算出可区分疑似前景与背景的色阶分界值，进而选定所需疑似前景像素单元。

需说明的是，分析模块40转换大于或等于色阶分界值的该等色阶值为色阶极大值并转换小于色阶分界值的该等色阶值为色阶极小值。需说明的是，当c为8，则色阶极大值为255，对应颜色为白色；色阶极小值为0，对应颜色为黑色。举例而言，如图2A及图2B所示，其中大于或等于色阶分界值的色阶值被转换为白色，且小于截色阶分界值的色阶值被转换为黑色。

此外，辨识模块50选取对应色阶极大值的该等像素单元，进而辨识目标结构影像。需说明的是，目标结构影像包含头骨(skull)、股骨(femur)或其他器官的影像，且各器官具有相对应的形状轮廓设定值。举例而言，股骨的轮廓具有长形结构，而头骨具有类似圆形的结构，其中股骨跟头骨分别具有对应的股骨轮廓设定值及头骨轮廓设定值，使得该影像辨识方法根据股骨轮廓设定值或头骨轮廓设定值以辨识股骨目标影像或头骨目标影像。此外，在此实施例中，可通过股骨长形结构的两端具有圆形结构定义轮廓设定值，进而辨识目标结构影像。

以股骨目标影像为例，请参照图2A～图2C，其中图2A为本发明的原始影像示意图；图2B为本发明的统计色阶分布信息函数处理后的影像示意图；图2C为本发明的辨识目标结构影像的影像示意图。在实际情况中，使用者可通过动态影像读取装置2撷取超音波影像，且图2A为揭示超音波影像的原始影像。值得注意的是，经分析模块40使用统计色阶分布信息函数分析影像后，图2B所示的影像具有清楚的股骨轮廓及其他类似轮廓。此外，辨识模块50以形状轮廓设定值辨识影像后，可辨识出如图2C中的股骨目标影像。

在此实施例中，分析模块40还内存第二运算模式，且第二运算模式具有边缘运算子。在实际情况中，当分析模块40在第一运算模式中无法辨识目标结构影像，则分析模块40进行第二运算模式中通过边缘运算子侦测影像中的向性边缘，且分析模块40反转该等像素单元的色阶并以轮廓设定值搜寻目标结构影像。需说明的是，向性边缘可以是水平方向边缘、垂直方向边缘或斜向方向边缘。在此实施例中，向性边缘为水平方向边缘。在实际情况中，由于影像处理模块可能过滤太多有效信息，使得辨识模块50无法辨识目标结构影像，故需要在第二运算模式中重新辨识影像。当辨识模块50无法辨识目标结构影像，则分析模块40重新读取原始影像，而非使用影像处理模块30处理后的影像，且分析模块40在第二运算模式中以边缘运算子侦测该影像中的向性边缘。

值得注意的是，在第二运算模式中，分析模块40是使用原始影像，故能够保留原始影像中的细节。换言之，分析模块40是针对原始影像的该等像素单元的各色阶值直接进行计算，具有高度的辨识结果。

此外，上述边缘运算子可以为矩阵运算子，尤其是旋积运算子(convolution operator)。至于旋积运算子与影像的关系式的说明，与影像辨识方法中的边缘运算子相同，在此不加以赘述。

需说明的是，分析模块40侦测影像中的边缘后，在第二运算模式中伸张向性边缘以强化向性边缘。如图5A及图5B所示，图5B中的向性边缘的轮廓明显地锐利化。

进一步而论，分析模块40是通过上述影像辨识方法中的上述方程式[5]～[7]强化边缘，进而提高影像中的边缘结构的锐利度及对比程度。至于详细的强化边缘方式，已经在前文说明，在此不加以赘述。

需说明的是，图5A中股骨结构的色阶与图5B不同，需要转换色阶。值得注意的是，影像包含该等像素单元，各像素单元具有色阶值，且该等色阶值是介于色阶极大值与色阶极小值之间。在实际情况中，当分析模块40判断色阶值较接近色阶极大值，则转换色阶值为色阶极小值；当分析模块40判断色阶值较接近色阶极小值，则转换色阶值为色阶极大值。

如前所述，色阶极大值为255，对应颜色为白色；色阶极小值为0，对应颜色为黑色。换言之，若原色阶值较接近白色，则转换为黑色；若原色阶值较接近黑色，则转换为白色。

此外，辨识模块50以轮廓设定值搜寻该目标结构影像，其中形状轮廓设定值对应相连结构。请参照图5C，图5C为本发明的影像辨识方法的辨识目标结构影像的影像示意图。在此流程中，目标结构影像为股骨，但不以此为限。如图5B及图5C所示，图5B中的股骨结构为黑色，经反转色阶后，图5C的股骨结构为白色连续长形物体。需说明的是，图5C中的股骨目标影像是通过形状轮廓设定值搜寻后的结果。至于形状轮廓设定值及其搜寻方法，如前所述，在此不加以赘述。如图5B及图5C所示，分析模块40转换色阶，且辨识模块50辨识目标结构影像后，影像辨识***1能够得到精确的结果。相对于第一运算模式，第二运算模式能够提高目标结构影像的辨识度，进而达到提高影像辨识效率的功效。

如图11所示，显示装置3连接于动态影像读取装置2及影像辨识***1，其中显示装置3用以显示动态影像读取装置2输出的动态影像及影像辨识***1输出的该等影像。在实际应用中，使用者可通过显示装置3接收原始影像、分析后的影像及/或辨识后的影像，并无特定的限制。

请参照图12，图12为本发明的影像辨识***的另一实施例示意图。相对于影像辨识***1，图12的影像辨识***1A仅具有分析模块40及辨识模块50。换言之，影像辨识***1A并非进行原始影像的前置处理，直接使用分析模块40分析原始影像，可在上述第二运算模式进行分析。

请参照图13，图13为本发明的影像辨识***的另一实施例示意图。相对于影像辨识***1，图13的影像辨识***1B还包含顶点测量模块610及图框测量模块620。如图13所示，顶点测量模块610连接于辨识模块50，其中顶点测量模块610撷取目标结构影像的相对的第一顶点座标及第二顶点座标并根据第一顶点座标及第二顶点座标测量目标结构影像的长度。具体而论，辨识模块50传送目标结构影像至顶点测量模块610，且顶点测量模块610根据第一顶点座标及第二顶点座标测量目标结构影像的长度。以股骨目标影像为例，第一顶点座标及第二顶点座标为股骨结构相对两端的座标。

接着，顶点测量模块610根据第一顶点座标及第二顶点座标测量目标结构影像的长度。举例而言，可通过点座标与另一点座标的距离计算方法计算第一顶点座标与第二顶点座标的距离，进而得到目标结构影像的长度。具体而论，影像辨识***1B具有测量目标结构影像尺寸的功效。

此外，图框测量模块620连接于辨识模块50，其中图框测量模块620以矩形图框套合并切齐目标结构影像的边缘并根据矩形图框的长宽比例决定矩形图框的对角距离或长边距离为目标结构影像的长度。举例而言，可如图10A所示，矩形图框10A套合并切齐股骨目标影像20A的边缘；或如图10B所示，矩形图框10B套合并切齐股骨目标影像20B的边缘。在实际情况中，图框测量模块620根据矩形图框的长宽比例，决定矩形图框的对角距离或长边距离为目标结构影像的长度。举例而言，可如图10A所示，矩形图框10A的长宽具有狭长形状，则决定矩形图框10A的长边距离200A为股骨目标影像20A的长度。此外，可如图10B所示，矩形图框10B的长宽并非具有狭长形状，则决定矩形图框10B的对角距离200B为股骨目标影像20B的长度。

相对于顶点测量模块610，图框测量模块620是使用矩形图框测量目标结构影像的长度，还达到简化测量方法并能提高测量效率的功效。在实际情况中，影像辨识***1B能够平均约2.28秒完成原始影像的辨识及测量，但不以此为限。此外，请参照图14，图14为本发明的影像辨识***的另一实施例示意图。相对于影像辨识模块1B，影像辨识模块1C仅使用分析模块40的第二运算模式分析影像并使用顶点测量模块610或图框测量模块620测量目标结构影像，以达到辨识及测量的功效。需说明的是，影像辨识***1B及影像辨识***1C测量目标结构影像的长度后，将长度信息传送至显示装置3，利于使用者观看测量结果。

值得注意的是，本发明的影像辨识方法及影像辨识***可实施为电脑程序产品的电脑可读媒体。进一步而论，本发明提供一种影像辨识可读媒体，其中影像辨识可读媒体储存影像辨识方法或影像辨识***，且影像辨识可读媒体具有辨识影像及测量影像内容的功效。

换句话说，影像辨识方法及影像辨识***可以实施为各种形式，例如：硬件实施例、软件实施例(包含韧体、常驻软件或微程式码等)。此外，影像辨识方法及影像辨识***可以实施为软件与硬件的实施例，例如：影像辨识电子模块、影像辨识嵌入式***，但不以此为限。在实际应用中，本发明的影像辨识方法及影像辨识***可通过有形的媒体形式实施为电脑程式产品，其中电脑程式产品具有复数个影像程序码，且该等影像程序码包含上述影像辨识方法或上述影像辨识***。

一个或更多个电脑可使用或可读取媒体的组合都可以利用。举例来说，电脑可使用或可读取媒体可以是(但并不限于)电子的、磁的、光学的、电磁的、红外线的或半导体的***、装置、设备或传播媒体。更具体的电脑可读取媒体实施例可以包括下列所示(非限定的例示)：由一个或多个连接线所组成的电气连接、可携式的电脑磁片、硬碟机、随机存取存储器(RAM)、只读存储器(ROM)、可抹除程序化只读存储器(EPROM或快闪存储器)、光纤、可携式光碟片(CD-ROM)、光学储存装置、传输媒体(例如网际网络(Internet)或内部网络(intranet)的基础连接)、或磁储存装置。需注意的是，电脑可使用或可读取媒体还可以为纸张或任何可用于将程序列印在其上而使得该程序可以再度被电子化的适当媒体，例如通过光学扫描该纸张或其他媒体，然后再编译、解译或其他合适的必要处理方式，然后可再度被储存在电脑存储器中。在本文中，电脑可使用或可读取媒体可以是任何用于保持、储存、传送、传播或传输程序码的媒体，以供与其相连接的指令执行***、装置或设备来处理。电脑可使用媒体可包括其中储存有电脑可使用程序码的传播数据信号，不论是以基频(baseband)或是部分载波的型态。电脑可使用程序码的传输可以使用任何适体的媒体，包括(但并不于)无线、有线、光纤缆线、射频(RF)等。

用于执行本发明操作的电脑程序码可以使用一种或多种程序语言的组合来撰写，包括物件导向程序语言(例如Java、Smalltalk、C++或其他类似者)以及传统程序程序语言(例如C程序语言或其他类似的程序语言)。程序码可以独立软件套件的形式完整的在使用者的电脑上执行或部分在使用者的电脑上执行，或部分在使用者电脑而部分在远端电脑，或者全部在远端电脑或服务器上执行。在后面的情况，远端电脑可以任何形式的网络连接至使用者的电脑，包括区域网络(LAN)或广域网络(WAN)，或者也可利用外部电脑来做连结(例如利用网际网络服务提供者来连接至网际网络)。

本发明的相关叙述会参照依据本发明具体实施例的***、装置、方法及电脑程序产品的流程图及/或方块图来进行说明。当可理解每一个流程图及/或方块图中的每一个方块，以及流图及/或方块图中方块的任何组合，可以使用电脑程序指令来实施。这些电脑程序指令可供通用型电脑或特殊电脑的处理器或其他可程序化数据处理装置所组成的机器来执行，而指令经由电脑或其他可程序化数据处理装置处理以便实施流程图及/或方块图中所说明的功能或操作。

这些电脑程序指令亦可被储存在电脑可读取媒体上，以便指示电脑或其他可程序化数据处理装置来进行特定的功能，而这些储存在电脑可读取媒体上的指令构成一制成品，其内包括的指令可实施流程图及/或方块图中所说明的功能或操作。

电脑程序指令亦可被载入到电脑上或其他可程序化数据处理装置，以便在电脑或其他可程序化装置上进行一***操作步骤，而在该电脑或其他可程序化装置上执行该指令时产生电脑实施程序以达成流程图及/或方块图中所说明的功能或操作。

在图式中显示依据本发明各种实施例的***、装置、方法及电脑程序产品可实施的架构、功能及操作的流程图及方块图。因此，流程图或方块图中的每个方块可表示一模块、区段、或部分的程序码，其包含一个或多个可执行指令，以实施指定的逻辑功能。另当注意者，某些其他的实施例中，方块所述的功能可以不依图中所示的顺序进行。举例来说，两个图示相连接的方块事实上亦可以同时执行，或依所牵涉到的功能在某些情况下亦可以依图示相反的顺序执行。此外亦需注意者，每个方块图及/或流程图的方块，以及方块图及/或流程图中方块的组合，可通过基于特殊目的硬件的***来实施，或者通过特殊目的硬件与电脑指令的组合，来执行特定的功能或操作。

相对于现有技术，根据本发明的影像辨识方法及影像辨识***是利用统计色阶分布信息函数以定义疑似前景像素单元，进而辨识目标结构影像，以达到提升影像辨识度的功效。此外，影像辨识方法可通过边缘运算子分析影像，并使用形状轮廓设定值辨识目标结构影像。在实际应用中，影像辨识***还具有测量影像的功能，且平均约2.28秒完成分析、辨识及测量。

通过以上较佳具体实施例的详述，是希望能更加清楚描述本发明的特征与精神，而并非以上述所公开的较佳具体实施例来对本发明的范畴加以限制。相反地，其目的是希望能涵盖各种改变及具相等性的安排于本发明所欲申请的专利范围的范畴内。

Claims (10)

1.一种影像辨识方法，其特征在于，应用于一影像，包含下列步骤：

(a)以一边缘运算子侦测该影像中的一向性边缘；

(b)强化该向性边缘；

(c)反转色阶；以及

(d)以一形状轮廓设定值搜寻一目标结构影像，其中该形状轮廓设定值对应一相连结构。

2.如权利要求1所述的影像辨识方法，其特征在于，在(b)步骤中包含：

伸张该向性边缘以强化该向性边缘。

3.如权利要求1所述的影像辨识方法，其特征在于，该影像包含复数个像素单元，各像素单元具有一色阶值，且该等色阶值是介于一色阶极大值与一色阶极小值之间，该影像辨识方法在(c)步骤中包含：

若该色阶值较接近该色阶极大值，转换该色阶值为该色阶极小值；以及

若该色阶值较接近该色阶极小值，转换该色阶值为该色阶极大值。

4.一种影像辨识方法，应用于一影像，其特征在于，该影像包含复数个像素单元，该影像辨识方法包含下列步骤：

(a)以一滤波运算子调整该影像以减少噪声并均匀化相同物件结构的像素表现；

(b)通过一统计色阶分布信息函数分析该影像，并根据该统计色阶分布信息函数的一最大信息乱度状态将该等像素单元分类为一疑似前景像素单元与一背景像素单元；以及

(c)在该疑似前景像素单元中以一形状轮廓设定值搜寻并辨识一目标结构影像。

5.如权利要求4所述的影像辨识方法，其特征在于，在(b)步骤包含：

标准化该影像以撷取该等像素单元的复数个色阶值及各色阶值的一显像频率；以及

产生对应该显像频率的一显像机率。

6.如权利要求5所述的影像辨识方法，其特征在于，在(b)步骤包含：

在该统计色阶分布信息函数输入该等色阶值及对应该等色阶值的该显像机率；

产生该最大信息乱度状态时，决定对应该最大信息乱度状态的该色阶值为一色阶分界值；

转换大于或等于该色阶分界值的该等色阶值为一色阶极大值并转换小于该色阶分界值的该等色阶值为一色阶极小值以二值化分类该疑似前景像素单元及该背景像素单元；以及

定义对应该色阶极大值的该等像素单元为该疑似前景像素单元。

7.一种影像辨识***，用以辨识一影像，其特征在于，该影像包含复数个像素单元，且该影像辨识***包含：

一影像处理模块，具有一滤波运算子，其中该滤波运算子调整该影像以减少噪声并均匀化相同物件结构的像素表现；

一分析模块，连接于该影像处理模块并内存一第一运算模式，其中该第一运算模式具有一统计色阶分布信息函数，且该分析模块在该第一运算模式中通过该统计色阶分布信息函数分析该影像并根据一最大信息乱度状态将该等像素单元分类为一疑似前景像素单元与一背景像素单元；以及

一辨识模块，连接于该分析模块并内存至少一形状轮廓设定值，其中该辨识模块在该疑似前景像素单元中以该至少一形状轮廓设定值搜寻并辨识一目标结构影像，且该形状轮廓设定值对应一相连结构。

8.如权利要求7所述的影像辨识***，其特征在于，在该第一运算模式中，该分析模块标准化该影像以撷取该等像素单元的复数个色阶值及各色阶值的一显像频率并产生对应该显像频率的一显像机率。

9.如权利要求8所述的影像辨识***，其特征在于，该统计色阶分布信息函数根据该等色阶值及对应该等色阶值的该显像机率产生该最大信息乱度状态，且该分析模块决定对应该最大信息乱度状态的该色阶值为一色阶分界值并转换大于或等于该色阶分界值的该等色阶值为一色阶极大值，转换小于该色阶分界值的该等色阶值为一色阶极小值。

10.如权利要求7所述的影像辨识***，其特征在于，该分析模块还内存一第二运算模式，且该第二运算模式具有一边缘运算子；当该分析模块在该第一运算模式中无法辨识该目标结构影像，则该分析模块在该第二运算模式中通过该边缘运算子侦测该影像中的一向性边缘，且该分析模块反转该等像素单元的色阶并以一形状轮廓设定值搜寻该目标结构影像。

Images