CN104103061A - 医学x线图像的分割方法及*** - Google Patents

Abstract

本发明公开一种医学X光图像的分割方法及***。其中所述方法包括步骤：对读入的医学X光图像I(x，y)进行灰度值归一化处理为N(x，y)，并对图像N(x，y)平滑处理为S(x，y)；使用二值化分割法对平滑图像S(x，y)进行初次分割，提取初始分割线；将初始分割线均分为N段并分段进行平滑去噪处理；在归一化图像N(x，y)中从上到下遍历分段平滑曲线L_n上的每一点L_n(x，y)，计算每一点L_n(x，y)的梯度方向ΔL_n(x，y)，获得梯度方向向量；计算每一条梯度向量的一阶差分并寻找其斜率最大点得到一条新分割线；用新分割线L′代替初始分割线L，并重复上述分段平滑步骤和计算梯度向量寻找斜率最大点步骤并减小K的取值，当K＜5时得到的曲线就是最终分割线。本发明能后续出处理和诊断打下基础，具有实现简单和分割准确的优点。

Description

医学X线图像的分割方法及***

技术领域

本发明涉及一种医学图像分割处理技术，尤其是涉及一种医学X线图像在低对比度条件下进行组织区域分割的方法及***。

背景技术

图像分割作为图像分析和模式识别的前提，其目的就是把图像空间中具有特定意义的不同区域分开，以便图像特征的提取，这些区分开的区域之间互不相交，每个区域都满足特定区域的一致性。图像分割的效果直接影响到后续的特征提取、图像分析和模式识别，因此一直以来都是图像处理中的重要问题，也是计算机视觉中的经典难题。

中国专利申请CN200710070013.6提出一种基于振荡网络的医学图像分割方法，是针对于光照不均匀的图像难以用统一的门限进行分割、对噪声和灰度不均匀较敏感等问题。本发明方法首先建立振荡网络接着在网络内搜索寻找振荡发起点，由发起点开始振荡，向周边邻域进行迭代扩充、接着振荡发生结束后，以有无标记为根据分割出“目标”和“背景”。在本技术方案综合了图像分割中基于边缘跟踪的方法和基于区域生长方法的优点，但是对于边界模糊的图像振荡法效果不佳。

中国专利申请CN200810199019.8提出一种静脉图像分割方法，，该技术方案公开了一种静脉图像分割方法，将原静脉图像转换为方向场图像，避免了原静脉图像由于全局照度不均对分割效果的影响。利用本技术方案可以实现对照度不均、粗细不均以及边界模糊的静脉图像进行分割，但是方向场图像的容易造成组织细部的丢失。

发明内容

本发明所要解决的技术问题是提出一种医学X光图像中低对比度条件下的组织区域分割的方法，通过读入X光图像，使用自使用多次迭代方式由粗到精的精确定位组织边缘，用于自动分割X光医学图像中对比度接近或者边界模糊不清的不同组织区域。

本发明采用如下技术方案实现：一种医学X光图像的分割方法，其包括步骤：

A、对读入的医学X光图像I(x，y)进行灰度值归一化处理，得到归一化图像N(x，y)，并对图像N(x，y)进行平滑处理，得到平滑图像S(x，y)；

B、使用二值化分割法对平滑图像S(x，y)进行初次分割，提取初始分割线；

C、将初始分割线均分为N段并分段进行平滑去噪处理，得到分段平滑曲线L_n，1≤n≤N且n为自然数；

D、在归一化图像N(x，y)中从上到下遍历分段平滑曲线L_n上的每一点L_n(x，y)，计算每一点L_n(x，y)的梯度方向ΔL_n(x，y)，然后以点L_n(x，y)为中心，按照梯度方向，取前后各K个像素组成一维向量K的初始取值为图像宽度的像素数量，则向量的总长度为i＝2k+1；

E、计算每一条梯度向量的一阶差分并寻找其斜率最大点，将这一点坐标记录为Δi，将在图像N(x，y)上的位置就是新的分割点记为L_n′(x，y)，按照上述方式从上至下地更新所有分割点，得到一条新分割线；

F、用新分割线L′代替初始分割线L，重复上述步骤D并减小K的取值，当K＜5时得到的曲线就是最终分割线；

G、以最终分割线对医学X光图像进行分割处理。

其中，步骤A是对归一化图像N(x，y)使用5*5的平滑滤波模板进行处理，得到平滑图像S(x，y)。

其中，步骤B是使用边缘提取算子得到初始分割线。

其中，步骤C是使用二次曲线拟合的方式进行曲线平滑，得到分段平滑曲线L_n。

其中，3＜N≤10。

一种医学X光图像的分割***，其特征在于，包括：

预处理模块，用于对读入的医学X光图像I(x，y)进行灰度值归一化处理，得到归一化图像N(x，y)，并对图像N(x，y)进行平滑处理，得到平滑图像S(x，y)；

初始分割线确定模块，用于使用二值化分割法对平滑图像S(x，y)进行初次分割，提取初始分割线；

平滑处理模块，用于将初始分割线均分为N段并分段进行平滑去噪处理，得到分段平滑曲线L_n，1≤n≤N且n为自然数；

梯度方向向量计算模块，用于在归一化图像N(x，y)中从上到下遍历分段平滑曲线L_n上的每一点L_n(x，y)，计算每一点L_n(x，y)的梯度方向ΔL_n(x，y)，然后以点L_n(x，y)为中心，按照梯度方向，取前后各K个像素组成一维向量K的初始取值为图像宽度的像素数量，则向量的总长度为i＝2k+1；

新分割线确定模块，用于计算每一条梯度向量的一阶差分并寻找其斜率最大点，将这一点坐标记录为Δi，将在图像N(x，y)上的位置就是新的分割点记为L_n′(x，y)，按照上述方式从上至下地更新所有分割点，得到一条新分割线；

迭代计算处理模块，用于使用新分割线L′代替初始分割线L，由平滑处理模块重复曲线分段平滑和由梯度方向向量计算模块进行梯度方向向量计算并减小K的取值，当K＜5时得到的曲线就是最终分割线；

分割处理模块，用于以最终分割线对医学X光图像进行分割处理。

与现有技术相比，本发明具有如下有益效果：

本发明通过不断查找梯度变换率最大的点，多次迭代不断将分割边界精确化，从而将不同的组织区分出来，能够让后处理和增强根据每个区域各自独特的图像特征进行信息检测与处理，为后续出处理和诊断打下基础，具有实现简单和分割准确的优点。

附图说明

图1是本发明一个实施例的流程示意图；

图2A和图2B分别为一张医学X光图像在分割处理前和分割处理后的示意图；

图3是本发明一个实施例的结构框图。

具体实施方式

本发明方法提出了一种医学X光图像中低对比度条件下的组织区域分割的方法，是一种由“粗”到“精”的分割方法，通过不断查找梯度变换率最大的点，多次迭代不断将分割边界精确化，从而将不同的组织区分出来。本发明适用于低对比度或者边界模糊的X线医学图像不同组织的分割，能够让后处理和增强根据每个区域各自独特的图像特征进行信息检测与处理，为后续出处理和诊断打下基础。

结合图1、图2A和图2B所示，本发明一个优选实施例具体包括如下步骤：

步骤S1、对读入的医学X光图像进行灰度值归一化及平滑处理。

首先，对读入的医学X光图像I(x，y)的灰度值进行归一化处理，将待分割图像中每一点的像素值转化至(0，1)区间内，使医学X光图像I(x，y)的整体图像灰度值均衡化。归一化处理的方式为：

$N(x,y)=\frac{I(x,y)-I_{\min }}{I_{\max }-I_{\min }}$

N(x，y)为归一化后的图像，I(x，y)为读入的医学X光图像，I_max为I(x，y)中像素最大值，I_min为I(x，y)中像素最小值。

其次，对归一化后的图像N(x，y)使用5*5的平滑滤波模板消除可能影响组织分割结果的图像细节得到平滑图像S(x，y)，本实施例中使用均值平滑模版。

步骤S2、对平滑图像S(x，y)进行初次分割，提取初始分割线L。

使用二值化分割方法对平滑图像S(x，y)进行初次分割，并使用边缘提取算子得到初始分割线L。在本实施例中使用了自适应图像二值化方法和Canny边缘提取算子。

步骤S3、将初始分割线L分段进行平滑去噪处理。

按照分割线L的长度将其均分为N段，3＜N≤10。每一段使用曲线平滑的方式去除离散度较大的点，在本发明实施例中使用了二次曲线拟合的方式进行曲线平滑，得到分段平滑曲线L_n，1≤n≤N且n为自然数。

步骤S4、获取梯度方向向量

在归一化图像N(x，y)中从上到下遍历分段平滑曲线L_n上的每一点L_n(x，y)，计算每一点L_n(x，y)的梯度方向ΔL_n(x，y)，然后以点L_n(x，y)为中心，按照梯度方向，取前后各K个像素组成一维向量K的初始取值为图像宽度的像素数量的则向量的总长度为i＝2k+1。

步骤S5、新分割点定位

计算每一条梯度向量的一阶差分并寻找其斜率最大点，将这一点坐标记录为Δi，将在图像N(x，y)上的位置就是新的分割点记为L_n′(x，y)。按照上述方式从上至下地更新所有分割点，得到一条新分割线L′。

步骤S6、迭代更新获得最终分割线。

回到步骤S3，用新分割线L′代替初始分割线L，并重复上述步骤S4重新进行分段平滑处理并减小K的取值，当K＜5时得到的曲线就是最终分割线。

步骤S7、以最终分割线对医学X光图像进行分割处理。

结合图3所示，在本发明一个实施例中，本发明提出的组织分割***包括：实现上述步骤S1的预处理模块、实现上述步骤S2的初始分割线确定模块、实现上述步骤S3的平滑处理模块、实现上述步骤S4的梯度方向向量计算模块、实现上述步骤S5的新分割线确定模块、实现上述步骤S6的迭代计算处理模块以及实现上述步骤S7的分割处理模块。

综上，本发明通过不断查找梯度变换率最大的点，多次迭代不断将分割边界精确化，从而将不同的组织区分出来，能够让后处理和增强根据每个区域各自独特的图像特征进行信息检测与处理，为后续出处理和诊断打下基础，具有实现简单和分割准确的优点。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种医学X光图像的分割方法，其特征在于，包括步骤：

A、对读入的医学X光图像I(x，y)进行灰度值归一化处理，得到归一化图像N(x，y)，并对图像N(x，y)进行平滑处理，得到平滑图像S(x，y)；

B、使用二值化分割法对平滑图像S(x，y)进行初次分割，提取初始分割线；

C、将初始分割线均分为N段并分段进行平滑去噪处理，得到分段平滑曲线L_n，1≤n≤N且n为自然数；

D、在归一化图像N(x，y)中从上到下遍历分段平滑曲线L_n上的每一点L_n(x，y)，计算每一点L_n(x，y)的梯度方向ΔL_n(x，y)，然后以点L_n(x，y)为中心，按照梯度方向，取前后各K个像素组成一维向量K的初始取值为图像宽度的像素数量，则向量的总长度为i＝2k+1；

E、计算每一条梯度向量的一阶差分并寻找其斜率最大点，将这一点坐标记录为Δi，将在图像N(x，y)上的位置就是新的分割点记为L_n′(x，y)，按照上述方式从上至下地更新所有分割点，得到一条新分割线；

F、用新分割线L′代替初始分割线L，并重复上述步骤D并减小K的取值，当K＜5时得到的曲线就是最终分割线；

G、以最终分割线对医学X光图像进行分割处理。

2.根据权利要求1所述医学X光图像的分割方法，其特征在于，步骤A是对归一化图像N(x，y)使用5*5的平滑滤波模板进行处理，得到平滑图像S(x，y)。

3.根据权利要求1所述医学X光图像的分割方法，其特征在于，步骤B是使用边缘提取算子得到初始分割线。

4.根据权利要求1所述医学X光图像的分割方法，其特征在于，步骤C是使用二次曲线拟合的方式进行曲线平滑，得到分段平滑曲线L_n。

5.根据权利要求1所述医学X光图像的分割方法，其特征在于，3＜N≤10。

6.一种医学X光图像的分割***，其特征在于，包括：

预处理模块，用于对读入的医学X光图像I(x，y)进行灰度值归一化处理，得到归一化图像N(x，y)，并对图像N(x，y)进行平滑处理，得到平滑图像S(x，y)；

初始分割线确定模块，用于使用二值化分割法对平滑图像S(x，y)进行初次分割，提取初始分割线；

平滑处理模块，用于将初始分割线均分为N段并分段进行平滑去噪处理，得到分段平滑曲线L_n，1≤n≤N且n为自然数；

梯度方向向量计算模块，用于在归一化图像N(x，y)中从上到下遍历分段平滑曲线L_n上的每一点L_n(x，y)，计算每一点L_n(x，y)的梯度方向ΔL_n(x，y)，然后以点L_n(x，y)为中心，按照梯度方向，取前后各K个像素组成一维向量K的初始取值为图像宽度的像素数量，则向量的总长度为i＝2k+1；

新分割线确定模块，用于计算每一条梯度向量的一阶差分并寻找其斜率最大点，将这一点坐标记录为Δi，将在图像N(x，y)上的位置就是新的分割点记为L_n′(x，y)，按照上述方式从上至下地更新所有分割点，得到一条新分割线；

迭代计算处理模块，用于使用新分割线L′代替初始分割线L，由平滑处理模块重复曲线分段平滑和由梯度方向向量计算模块进行梯度方向向量计算并减小K的取值，当K＜5时得到的曲线就是最终分割线；

分割处理模块，用于以最终分割线对医学X光图像进行分割处理。

7.根据权利要求6所述医学X光图像的分割***，其特征在于，预处理模块是对归一化图像N(x，y)使用5*5的平滑滤波模板进行处理，得到平滑图像S(x，y)。

8.根据权利要求6所述医学X光图像的分割***，其特征在于，初始分割线确定模块是使用边缘提取算子得到初始分割线。

9.根据权利要求6所述医学X光图像的分割***，其特征在于，平滑处理模块是使用二次曲线拟合的方式进行曲线平滑，得到分段平滑曲线L_n。

10.根据权利要求6所述医学X光图像的分割***，其特征在于，3＜N≤10。