CN104574361A - 一种乳腺外周组织均衡的图像处理方法和装置 - Google Patents
一种乳腺外周组织均衡的图像处理方法和装置 Download PDFInfo
- Publication number
- CN104574361A CN104574361A CN201410707789.4A CN201410707789A CN104574361A CN 104574361 A CN104574361 A CN 104574361A CN 201410707789 A CN201410707789 A CN 201410707789A CN 104574361 A CN104574361 A CN 104574361A
- Authority
- CN
- China
- Prior art keywords
- image
- high frequency
- gain
- frequency imaging
- layer
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
-
- 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
- G06T2207/30068—Mammography; Breast
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种乳腺外周组织均衡的图像处理方法及装置,其中方法包括:从乳腺原始图像中提取人体有效组织掩膜图像;对所述原始图像进行灰度变换得到待处理图像,分解待处理图像得到一个低频图像和多个高频图像;根据掩膜图像、待处理图像和腺体组成百分比计算得到灰度映射曲线;采用灰度映射曲线对低频图像进行灰度映射得到映射后低频图像;对每个高频图像作增益处理得到增益后高频图像;对映射后低频图像和增益后高频图像作重构处理得到均衡后的图像。本发明能够针对个体差异作适应性调整,既保证均衡效果又减小噪声和伪影,还提高了处理效率。
Description
技术领域
本发明涉及医学图像处理领域,具体涉及一种乳腺外周组织均衡的图像处理方法和装置。
背景技术
乳腺组织分布特点致使中心区域与边缘区域存在大范围灰度差异,若采用固定的亮度对比度仅可以观察到一部分组织,若采用动态范围压缩方法,压缩幅度小容易引起均衡效果不足,压缩幅度过大又会引起噪声、伪影过强的问题,严重时还可能改变腺体组织区域原始的灰度分布特征。
现有技术中,通常使用大尺寸卷积核方法对乳腺外周组织均衡,该方法具体是采用固定的压缩系数对图像作整体处理,由于乳腺靠近胸墙一侧组织信息与外周组织密度差异较大,采用固定的压缩系数,压缩系数过大,腺体区域原始灰度特征可能会发生变化,压缩系数过小均衡效果不足,外周组织不能完全被看清楚,因此,固定的压缩系数无法保证图像中所有的组织都被很好地处理,另外,大尺寸卷积核方法常采用卷积核尺寸达到100~300,致使该均衡处理的计算量非常大,处理效率较低。
因此,如何针对乳腺外周组织进行合理高效地均衡处理已经成为乳腺组织观测临床应用中最关注的一个技术问题。
发明内容
为了解决上述技术问题,本发明提供了一种乳腺外周组织均衡的图像处理方法和装置,既保证均衡效果又减小噪声和伪影,还提高了处理效率。
在本发明第一方面,提供了一种乳腺外周组织均衡的图像处理方法,所述方法包括:
从乳腺原始图像中提取人体有效组织掩膜图像;
对所述原始图像进行灰度变换得到待处理图像,分解所述待处理图像得到一个低频图像和多个高频图像;
根据所述掩膜图像、所述待处理图像和腺体组成百分比计算得到灰度映射曲线;
采用灰度映射曲线对低频图像进行灰度映射得到映射后低频图像;
对每个高频图像作增益处理得到增益后高频图像;
对所述映射后低频图像和所述增益后高频图像作重构处理得到均衡后的图像。
优选的,所述根据掩膜图像、待处理图像和腺体组成百分比计算得到灰度映射曲线,包括:
根据掩膜图像统计人体有效组织区域直方图,根据所述直方图、所述腺体组成百分比和预置的外周组织百分比确定阈值Tg和Ta,以及根据腺体组成百分比确定压缩系数Kg和Ka;其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
根据Kg、Ka、Tg、Ta和所述待处理图像灰度最大值maxP确定至少三个特征点,并根据所述至少三个特征点拟合生成灰度映射曲线。
优选的,所述对每个高频图像作增益处理得到增益后高频图像,包括:
根据每个高频图像对应的低频图像灰度信息确定每个高频图像对应的第一增益系数;
根据每个高频图像的灰度信息确定每个高频图像对应的第二增益系数;
按照公式Si’=Gain2i*(Gain1i*Si-Si)+Si,计算得到增益后高频图像;其中,Gain2i表示第i层高频图像对应的第二增益系数,Gain1i表示第i层高频图像对应的第一增益系数,Si表示第i层高频图像,Si’表示增益后第i层高频图像,i的取值范围是1、2、……N-1、N,N是指所述多分辨率金字塔算法分解待处理图像时所采用的最大层数。
优选的,所述根据每个高频图像对应的低频图像的灰度信息确定每个高频图像对应的第一增益系数,包括:
根据每层高频图像对应的低频图像确定对应的Tg和Ta,其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
按照公式Fgi=(FgN-Fa)*i/N+Fa,计算第i层高频图像腺体区域对应参数Fgi,其中FgN是第N层高频图像腺体区域对应参数,FgN取值范围为1~5,Fa是外周组织区域对应参数,Fa取值范围为0.5~1;
根据第i层高频图像特征点A1(0,Fgi)、A2(Tg,Fgi)、A3(Ta,Fa)和A4(maxP,Fa)拟合得到第一增益曲线,根据所述第一增益曲线确定第i层高频图像对应的第一增益系数。
优选的,所述根据每个高频图像的灰度信息确定每个高频图像对应的第二增益系数,包括:
计算人体有效组织内高频增益最大值max(abs(Si(ROI)))、平均值ts1和二倍平均值ts2,并确定衰减系数Fs,该衰减系数Fs取值范围为0.5~1,且Fs大于Fa;Fa是外周组织区域对应参数,Fa取值范围为0.5~1,其中,Si(ROI)是第i层高频图像的人体有效组织区;
根据第i层高频图像特征点B1(0,1)、B2(ts1,1)、B3(ts2,Fs)和B4(max(abs(Si(ROI))),Fa)计算得到第二增益曲线,根据所述第二增益曲线确定第i层高频图像对应的第二增益系数。
优选的,所述对所述映射后低频图像和所述增益后高频图像作重构处理得到均衡后的图像,包括:
按照如下方式依次实现第i层的重构处理,其中i依次取值为N、N-1、N-2……2、1:
对第i层高频图像对应的低频图像作内插卷积得到低频图像GRi,再计算所述低频图像GRi增益后第i层高频图像Si’之间的和值GSi;每i层重构结果作为第i-1层高频图像对应的低频图像;
对掩膜图像进行降采样得到降采样掩膜图像,根据降采样的掩膜图像确定图像边缘区域Edgei;
按照GSi*Edgei>Ibi标记图像边缘区域的外轮廓区域,其中Ibi是第i层高频图像对应的低频图像的背景中特征灰度值;
按照公式GPi=(GRi+(k*Si’*Edgei+Si’*(1-Edgei))),其中k取值范围为0~1,计算第i层重构结果GPi,再将重构结果GPi中外轮廓区域的像素赋值为Ibi,依次实现第i层的重构处理直到完成第1层重构处理得到均衡后的图像。
优选的,所述分解所述待处理图像得到一个低频图像和多个高频图像具体为:采用多分辨率金字塔算法分解所述待处理图像得到一个低频图像和多个高频图像。
在本发明第二方面,提供了一种乳腺外周组织均衡的图像处理装置,所述装置包括:
提取单元,用于从乳腺原始图像中提取人体有效组织掩膜图像;
分解单元,用于对所述原始图像进行灰度变换得到待处理图像,分解所述待处理图像得到一个低频图像和多个高频图像;
灰度映射曲线拟合单元,用于根据所述掩膜图像、所述待处理图像和腺体组成百分比计算得到灰度映射曲线;
映射单元,用于采用灰度映射曲线对低频图像进行灰度映射得到映射后低频图像;
增益处理单元,用于对每个高频图像作增益处理得到增益后高频图像;
重构处理单元,用于对所述映射后低频图像和所述增益后高频图像作重构处理得到均衡后的图像。
优选的,所述灰度映射曲线拟合单元,包括:
阈值确定子单元,用于根据掩膜图像统计人体有效组织区域直方图,根据所述直方图、所述腺体组成百分比和预置的外周组织百分比确定阈值Tg和Ta,以及根据腺体组成百分比确定压缩系数Kg和Ka;其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
拟合子单元,用于根据Kg、Ka、Tg、Ta和所述待处理图像灰度最大值maxP确定至少三个特征点,并根据所述至少三个特征点拟合生成灰度映射曲线。
优选的,所述增益处理单元,包括:
第一增益系数确定子单元,用于根据每个高频图像对应的低频图像灰度信息确定每个高频图像对应的第一增益系数;
第二增益系数确定子单元,用于根据每个高频图像的灰度信息确定每个高频图像对应的第二增益系数;
增益处理子单元,用于按照公式Si’=Gain2i*(Gain1i*Si-Si)+Si,计算得到增益后高频图像;其中,Gain2i表示第i层高频图像对应的第二增益系数,Gain1i表示第i层高频图像对应的第一增益系数,Si表示第i层高频图像,Si’表示增益后第i层高频图像,i的取值范围是1、2、……N-1、N,N是指所述多分辨率金字塔算法分解待处理图像时所采用的最大层数。
优选的,所述第一增益系数确定单元,包括:
灰度分割值确定子单元,用于根据每层高频图像对应的低频图像确定对应的Tg和Ta,其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
区域对应参数确定子单元,用于按照公式Fgi=(FgN-Fa)*i/N+Fa,计算第i层高频图像腺体区域对应参数Fgi,其中FgN是第N层高频图像腺体区域对应参数,FgN取值范围为1~5,Fa是外周组织区域对应参数,Fa取值范围为0.5~1;
第一增益系数计算子单元,用于根据第i层高频图像特征点A1(0,Fgi)、A2(Tg,Fgi)、A3(Ta,Fa)和A4(maxP,Fa)计算得到第一增益曲线,根据所述第一增益曲线确定第i层高频图像对应的第一增益系数。
优选的,所述第二增益系数确定子单元,包括:
参数计算子单元,用于计算人体有效组织内高频增益最大值max(abs(Si(ROI)))、平均值ts1和二倍平均值ts2,并确定衰减系数Fs,该衰减系数取值范围为0.5~1,且Fs大于Fa;Fa是外周组织区域对应参数,Fa取值范围为0.5~1;
其中,Si(ROI)是第i层高频图像的人体有效组织区;
第二增益系数计算子单元,用于根据第i层高频图像特征点B1(0,1)、B2(ts1,1)、B3(ts2,Fs)和B4(max(abs(Si(ROI))),Fa)拟合得到第二增益曲线,根据所述第二增益曲线确定第i层高频图像对应的第二增益系数。
优选的,所述重构处理单元,包括:
和值计算子单元,用于对第i层高频图像对应的低频图像作内插卷积得到低频图像GRi,再计算所述低频图像GRi与增益后第i层高频图像Si’之间的和值GSi,每i层重构结果作为第i-1层高频图像对应的低频图像;其中i依次取值为N、N-1、N-2……2、1;
图像边缘区域确定子单元,用于对掩膜图像进行降采样得到降采样掩膜图像,根据降采样的掩膜图像确定图像边缘区域Edgei;
图像边缘区域外轮廓确定子单元,用于按照GSi*Edgei>Ibi标记图像边缘区域的外轮廓区域,其中Ibi是第i层高频图像对应的低频图像的背景中特征灰度值;
重构处理子单元,用于按照公式GPi=(GRi+(k*Si’*Edgei+Si’*(1-Edgei))),其中k取值范围为0~1,计算第i层重构结果GPi,再将重构结果GPi中外轮廓区域的像素赋值为Ibi,依次实现第i层的重构处理直到完成第1层重构处理得到均衡后的图像。
本发明提供的技术方案与现有的技术方案相比,具有如下有益效果:
本发明基于图像的腺体组成计算得到灰度映射曲线,利用该灰度映射曲线对低频图像进行映射处理,这样,能够减小中心区域与外周组织的灰度差异;接着再对每一层高频图像进行增益处理,这样,使得腺体区域和外周组织高频信息更均衡,最后,对低频图像和增益处理后的高频图像进行重构得到均衡后的图像。由于灰度映射曲线是基于腺体组成拟合得到的曲线,一方面,可以在保证腺体原始特征分布的前提下,能够合理控制均衡的强度;另一方面,由于考虑了图像个体的差异,一定程度上提高了处理结果的一致性。另外,由于本发明对待处理图像进行多尺度的分解,可在多个尺度下进行均衡处理,具有较高的处理效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一的乳腺外周组织均衡的图像处理方法的流程图;
图2为本发明实施例二的乳腺外周组织均衡的图像处理方法的流程图;
图3为本发明实施例三的乳腺外周组织均衡的图像处理装置的结构图;
图4为本发明实施例四的乳腺外周组织均衡的图像处理装置中重构处理单元的结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一
参考图1,图1为本发明实施例一的一种乳腺外周组织均衡的图像处理方法的流程图,本实施例方法具体可以包括:
步骤101,从乳腺原始图像中提取人体有效组织掩膜图像。
本实施例中,首先获取乳腺部分原始图像,其次,通过对原始图像分割的方式实现对从该原始图像中提取人体有效组织掩膜图像。目前由多种方法适用于乳腺部分原始图像分割,比如基于直方图的O TSU分割方法、基于区域增长的方法等分割方法,由于乳腺部分原始图像人体组织与背景对比比较鲜明,因此,优选的,在本实施例具体实现时可以采用基于直方图的O TSU分割方法。具体的,乳腺部分原始图像分割的方法为现有技术,采用何种方法实现提取掩膜图像均不影响本实施例的实施。
步骤102,对所述原始图像进行灰度变换得到待处理图像,分解所述待处理图像得到一个低频图像和多个高频图像。
乳腺原始图像是指图像摄影***采集到的未经过任何处理的图像数据,在目前常规的图像处理方法中,均需要对原始图像进行灰度变换得到与实际密度呈线性化的数据,以便于实现后续所有的数据计算处理。这里的灰度变换可以采用对数变换或者其他线性变换处理。
在具体实现时,可采用多分辨率金字塔算法分解所述待处理图像得到一个低频图像和多个高频图像。多分辨率金字塔算法是图像融合算法中应用较广泛的一类算法,其原理是先将已空间配准的每幅图像用金字塔表示,并将所有图像的金字塔在各相应层上以一定的融合规则进行融合得到合成的金字塔,再将合成的金字塔用金字塔生成的逆过程重构图像得到处理后的图像。在本实施例中,优选的可以采用拉普拉斯金字塔算法。
具体的,本步骤是将经过灰度变换得到的待处理图像分解成一个低频图像GN+1和多个高频图像S1、S2、……SN。其中,N是指所述多分辨率金字塔算法分解待处理图像所采用的最大层数。从第1层至第N层每一层对应一个高频图像,则经过分解之后得到N个高频图像和一个低频图像。
高频图像S1、S2、……SN,随着层次的增大图像尺寸以2的倍数逐层递减。一般通过改变不同层次上的高频信息实现对不同层次信息的增强,因此,基于多分辨率金字塔算法目前在x线图像处理领域被广泛使用,其分解和重构过程也已成为现有技术。在本实施例中,具体可以采用尺寸为5*5的低通滤波器,分解所采用的最大层数N为10。当然,根据不同的需求也可以采用其他尺寸和其他最大层数,这些并不影响本实施例的实施。
步骤103,根据所述掩膜图像、所述待处理图像和腺体组成百分比计算得到灰度映射曲线。
步骤104,采用灰度映射曲线对低频图像进行灰度映射得到映射后低频图像。
由于个体差异统一线性压缩不能适应所有情况,对于致密性乳腺如果外周组织灰度压缩程度过大会改变原始腺体分布特征,而对于稀疏型乳腺外周组织灰度压缩程度过小又达不到预期的效果。因此本发明根据腺体组成动态生成灰度映射曲线,利用该曲线对低频图像进行均衡,以实现对于腺体区域灰度尽量保持原始特征,对于外周组织采用非线性的方式逐步增加压缩幅度。
本实施例具体可以通过以下方法拟合生成灰度映射曲线,包括:
第一步,根据所述掩膜图像统计人体有效组织区域直方图,根据所述直方图、所述腺体组成百分比和预置的外周组织百分比确定阈值Tg和Ta,以及根据腺体组成百分比确定压缩系数Kg和Ka;其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
第二步,根据Kg、Ka、Tg、Ta和所述待处理图像灰度最大值maxP,确定至少三个特征点,并根据所述至少三个特征点拟合生成灰度映射曲线。
在具体实现时,可以确定四个特征点分别如下:
P1(0,0)、P2(Tg,Tg)、P3(Ta,(Ta-Tg)*Kg)、P4(maxP,(maxP-Ta)*Ka),从这四个点中选择三个或者四个,采用多项式拟合算法或者线性拟合算法拟合生成灰度映射曲线。
实际操作中,第一步的具体实现过程是:统计人体有效组织区域灰度直方图Hist,根据腺体组成百分比α和预置的外周组织百分比β(β是指皮肤组织区域像素个数占整个ROI区域像素个数的百分比),α+β应不大于1;根据腺体组成百分比α和阈值β计算灰度阈值Tg和Ta,将人体组织区域分为三个部分,分别是腺体、脂肪、皮肤,其中,Tg是用来分割腺体组织与脂肪组织的灰度阈值;Ta是用来分割脂肪组织与皮肤组织的灰度阈值。还需要根据腺体组成百分比α确定压缩系数Kg和Ka,这两个压缩系数可以根据下表确定,当百分比α较大时,压缩系数Kg和Ka取值应较大。
具体的,可以通过预先设置的腺体组成百分比与压缩系数Kg和Ka的对应关系来确定压缩系数Kg和Ka;
具体的,可以通过以下表格中所示的腺体组成百分比与压缩系数的对应关系来确定Kg和Ka。即,根据腺体组成百分比α落入的数值范围来确定对应的压缩系数。
上述灰度阈值Tg和Ta的具体计算过程如下:首先统计人体组织区域像素个数,人体组织区域像素总数M乘以腺体组成百分比α得到夏天组织所包含像素个数Sg;S乘以(1-β)得到腺体与脂肪组织区域所包含像素个数Sa;设定一个累加器初始值为零,然后i从零开始遍历人体组织区域灰度直方图Hist,经过一个灰度直方图通道累加器将该通道数值Hist[i]加到累加器总数total中,当累加器total开始大于Sg时,记录当前i值为Tg;当total开始大于Sg时,记录当前i值为Ta。
实际操作中,第二步的具体实现过程是:采用多项式拟合算法对四个特征点进行拟合处理得到一条曲线,将该曲线作为灰度映射曲线。
步骤105,对每个高频图像作增益处理得到增益后高频图像。
由于腺体组织和外周组织对比度和噪声差异都很大,因此对低频图像进行灰度映射处理能改变低频图像的灰度分布范围,但其对腺体区域的对比度改善并不明显,而外周组织仍然具备很强的对比,因此还需要对不同层次上的高频图像进行增益处理,以改善图像对比分布不均衡的现象。
在具体实现时,可以预先针对所有高频图像设置一组固定的增益系数,利用这些固定的增益系数对不同层次上的高频信息进行处理。一般设置高频图像的增益系数为大于1的数值。当然为了更好地提高高频图像增益处理效果,可以参考更多的因素为每层高频图像设置动态变化的增益系数。
步骤106,对所述映射后低频图像和所述增益后高频图像作重构处理得到均衡后的图像。
需要说明的是,本实施例中图像重构处理与正常金字塔重构过程是一样的,即通过对低频图像内插后卷积再与高频图像相加,逐层处理直到重构到最后一层得到均衡后的图像。
需要说明的是,本实施例中描述的S101-S106各个步骤间并没有严格的先后顺序要求,在具体实现时,可以按照图1所示的执行顺序,也可以按照其他执行顺序比如先并列执行S101和S102,再并列执行S103、S104以及S105,最后执行S106,当然也可以按照其他执行顺序实现本发明。通过上述实施例可以看出,本发明基于图像的腺体组成拟合得到灰度映射曲线,利用该灰度映射曲线对低频图像进行映射处理,这样,能够减小中心区域与外周组织的灰度差异;接着再对每一层高频图像进行增益处理,这样,使得腺体区域和外周组织高频信息更均衡,最后,对低频图像和增益处理后的高频图像进行重构得到均衡后的图像。由于灰度映射曲线是基于腺体组成拟合得到的曲线,一方面,可以在保证腺体原始特征分布的前提下,能够合理控制均衡的强度;另一方面,由于考虑了图像个体的差异,一定程度上提高了处理结果的一致性。另外,由于本发明对待处理图像进行多尺度分解,可以在多个尺度下进行均衡处理,能够保证较高的处理效率。
针对上述实施例一中步骤104的具体实现,本发明还提供了优选方案,即为高频图像设置动态变化的增益系数,利用设置的增益系数对高频图像进行增益处理,以提高增益效果。该优选方法,包括:步骤1041~1043,
步骤1041,根据每个高频图像对应的低频图像灰度信息确定每个高频图像对应的第一增益系数。
具体的,通过以下方式确定第一增益系数,包括:
根据每层高频图像对应的低频图像确定对应的Tg和Ta,其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
在具体实现时,也可以直接采用上述实施例1中关于灰度映射曲线拟合过程中确定的阈值Tg和Ta;但由于重构过程中这两个值可能会发生变化,因此对于每一层高频图像都根据对应的低频图像确定对应的Tg和Ta这两个阈值,其效果更好。
按照公式Fgi=(FgN-Fa)*i/N+Fa,计算第i层高频图像腺体区域对应参数Fgi,其中FgN是第N层高频图像腺体区域对应参数,FgN取值范围为1~5,Fa是外周组织区域对应参数,Fa取值范围为0.5~1;
根据第i层高频图像特征点A1(0,Fgi)、A2(Tg,Fgi)、A3(Ta,Fa)和A4(maxP,Fa)拟合得到第一增益曲线,根据所述第一增益曲线确定第i层高频图像对应的第一增益系数。
步骤1042,根据每个高频图像的灰度信息确定每个高频图像对应的第二增益系数。
具体的,通过以下方式确定第二增益系数,包括:
计算人体有效组织内高频增益最大值max(abs(Si(ROI)))、平均值ts1和二倍平均值ts2,并确定衰减系数Fs,该衰减系数Fs取值范围为0.5~1,且Fs大于Fa,Fa是外周组织区域对应参数,Fa取值范围为0.5~1;其中,Si(ROI)是第i层高频图像的人体有效组织区;
根据第i层高频图像特征点B1(0,1)、B2(ts1,1)、B3(ts2,Fs)和B4(max(abs(Si(ROI))),Fa)拟合得到第二增益曲线,根据所述第二增益曲线确定第i层高频图像对应的第二增益系数。
步骤1043,按照公式Si’=Gain2i*(Gain1i*Si-Si)+Si,计算得到增益后高频图像;其中,Gain2i表示第i层高频图像对应的第二增益系数,Gain1i表示第i层高频图像对应的第一增益系数,Si表示第i层高频图像,Si’表示增益后第i层高频图像,i的取值范围是1、2、……N-1、N,N是指所述多分辨率金字塔算法分解待处理图像所采用的最大层数。
由于上述方法确定的高频图像的增益考虑了图像对比度、噪声分布特点,使得图像腺体区域对比度改善的同时并不会引起噪声的增加,另外由于处理方法可以与多尺度分解增强方法融合使用,因此效率更高。
在上述实施例一的基础上,本发明还提供了更优选的方案,该方案与实施一方案的区别在于,在重构处理的过程中增加了伪影处理,以进一步减小图像中伪影影响、进一步提高均衡效果。下面通过实施例二对该优选方案进行解释说明。
实施例二
参考图2,图2为本发明实施例二的一种乳腺外周组织均衡的图像处理方法的流程图,本实施例方法具体可以包括:
步骤201,从乳腺原始图像中提取人体有效组织掩膜图像;
步骤202,对所述原始图像进行灰度变换得到待处理图像,分解所述待处理图像得到一个低频图像和多个高频图像;
步骤203,根据所述掩膜图像、所述待处理图像和腺体组成百分比计算得到灰度映射曲线;
步骤204,采用灰度映射曲线对低频图像进行灰度映射得到映射后低频图像;
步骤205,对每个高频图像作增益处理得到增益后高频图像;
步骤201~205与实施例一中步骤S101~S105相同,可以参考实施例一中相应的描述,在此不再赘述。步骤206,对映射后低频图像和增益后高频图像作伪影和重构处理得到均衡后的图像。
需要说明的是,本实施例中描述的S201-S206各个步骤间并没有严格的先后顺序要求,在具体实现时,可以按照S201-S206的执行顺序,也可以按照其他执行顺序比如先并列执行S201和S202,再并列执行S203、S204以及S205,最后执行S206,当然也可以按照其他执行顺序实现本发明。
具体的,本步骤S206可以按照以下方式实现,包括:
按照如下方式依次实现第i层的重构处理,其中i依次取值为N、N-1、N-2……2、1:
对第i层高频图像对应的低频图像作内插卷积得到低频图像GRi,再计算所述低频图像GRi增益后第i层高频图像Si’之间的和值GSi;每i层重构结果作为第i-1层高频图像对应的低频图像;
对掩膜图像进行降采样得到降采样掩膜图像,根据降采样的掩膜图像确定图像边缘区域Edgei;
按照GSi*Edgei>Ibi标记图像边缘区域的外轮廓区域,其中Ibi是第i层高频图像对应的低频图像的背景中特征灰度值;背景中特征灰度值是指图像中非人体组织区域所有灰度的平均值或者中值;
按照公式GPi=(GRi+(k*Si’*Edgei+Si’*(1-Edgei))),其中k取值范围为0~1,计算第i层重构结果GPi,再将重构结果GPi中外轮廓区域的像素赋值为Ib,依次实现第i层的重构处理直到完成第1层重构处理得到均衡后的图像。
上述本发明实施例二的方法是在实施例一中重构处理的基础上增加伪影处理,发明人分析图像边缘附近对比最强,图像高频加强后引起的伪影在边缘附近最为明显,而其他区域则很弱,因此本发明的伪影处理主要针对图像边缘附近,以减小图像中伪影影响、进一步提高均衡效果。
实施例三
为实现上述方法,本发明还提供了乳腺外周组织均衡的图像处理装置。
参考图3,图3为本发明实施例三的一种乳腺外周组织均衡的图像处理装置的结构图,本实施例装置具体可以包括:
提取单元301,用于从乳腺原始图像中提取人体有效组织掩膜图像;
分解单元302,用于对所述原始图像进行灰度变换得到待处理图像,分解所述待处理图像得到一个低频图像和多个高频图像;
灰度映射曲线拟合单元303,用于根据所述掩膜图像、所述待处理图像和腺体组成百分比计算得到灰度映射曲线;
映射单元304,用于采用灰度映射曲线对低频图像进行灰度映射得到映射后低频图像;
增益处理单元305,用于对每个高频图像作增益处理得到增益后高频图像;
重构处理单元306,用于对映射后低频图像和增益后高频图像作重构处理得到均衡后的图像。
优选的,所述分解单元具体用于对所述原始图像进行灰度变换得到待处理图像,采用多分辨率金字塔算法分解所述待处理图像得到一个低频图像和多个高频图像。这里的灰度变换可以采用对数变换或者其他线性变换。
优选的,所述灰度映射曲线拟合单元,包括:
阈值确定子单元,用于根据掩膜图像统计人体有效组织区域直方图,根据所述直方图、所述腺体组成百分比和预置的外周组织百分比确定阈值Tg和Ta,以及根据腺体组成百分比确定压缩系数Kg和Ka;其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
拟合子单元,用于根据Kg、Ka、Tg、Ta和所述待处理图像灰度最大值maxP,确定至少三个特征点,并根据所述至少三个特征点拟合生成灰度映射曲线。
具体的,所述拟合子单元,可以用于根据Kg、Ka、Tg、Ta和所述待处理图像灰度最大值maxP,确定四个特征点,并根据所述四个特征点拟合生成灰度映射曲线,其中,所述四个特征点分别是:P1(0,0)、P2(Tg,Tg)、P3(Ta,(Ta-Tg)*Kg)、P4(maxP,(maxP-Ta)*Ka)。
所述拟合子单元可以采用多项式拟合算法或者线性拟合算法生成灰度映射曲线。
优选的,所述增益处理单元,包括:
第一增益系数确定子单元,用于根据每个高频图像对应的低频图像的灰度信息确定每个高频图像对应的第一增益系数;
第二增益系数确定子单元,用于根据每个高频图像的灰度信息确定每个高频图像对应的第二增益系数;
增益处理子单元,用于按照公式Si’=Gain2i*(Gain1i*Si-Si)+Si,计算得到增益后高频图像;其中,Gain2i表示第i层高频图像对应的第二增益系数,Gain1i表示第i层高频图像对应的第一增益系数,Si表示第i层高频图像,Si’表示增益后第i层高频图像,i的取值范围是1、2、……N-1、N,N是指所述多分辨率金字塔算法分解待处理图像所采用的最大层数。
优选的,所述第一增益系数确定单元,包括:
灰度分割值确定子单元,用于根据每层高频图像对应的低频图像确定对应的Tg和Ta,其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
区域对应参数确定子单元,用于按照公式Fgi=(FgN-Fa)*i/N+Fa,计算第i层高频图像腺体区域对应参数Fgi,其中FgN是第N层高频图像腺体区域对应参数,FgN取值范围为1~5,Fa是外周组织区域对应参数,Fa取值范围为0.5~1;
第一增益系数计算子单元,用于根据第i层高频图像特征点A1(0,Fgi)、A2(Tg,Fgi)、A3(Ta,Fa)和A4(maxP,Fa)拟合得到第一增益曲线,根据所述第一增益曲线作为第i层高频图像对应的第一增益系数。
优选的,所述第二增益系数确定子单元,包括:
参数计算子单元,用于计算人体有效组织内高频增益最大值max(abs(Si(ROI)))、平均值ts1和二倍平均值ts2,并确定衰减系数Fs,该衰减系数Fs取值范围为0~1,且Fs大于Fa,Fa是外周组织区域对应参数,Fa取值范围为0.5~1;其中,Si(ROI)是第i层高频图像的人体有效组织区;
第二增益系数计算子单元,用于根据第i层高频图像特征点B1(0,1)、B2(ts1,1)、B3(ts2,Fs)和B4(max(abs(Si(ROI))),Fa)拟合得到第二增益曲线,根据所述第二增益曲线确定第i层高频图像对应的第二增益系数。
优选的,本发明还提供了另一种乳腺外周组织均衡的图像处理装置,实施例四与实施例三的区别在于重构处理单元不同,其他单元相同均可参照上述实施例三中各单元的描述。
如图4所示,所述重构处理单元,包括:
和值计算子单元,用于对第i层高频图像对应的低频图像作内插卷积得到低频图像GRi,再计算所述低频图像GRi与增益后第i层高频图像Si’之间的和值GSi,第i层重构结果作为第i-1层高频图像对应的低频图像;其中i依次取值为N、N-1、N-2……2、1;
图像边缘区域确定子单元3061,用于对掩膜图像进行降采样得到降采样掩膜图像,根据降采样的掩膜图像确定图像边缘区域Edgei;
图像边缘区域外轮廓确定子单元3062,用于按照GSi*Edgei>Ibi标记图像边缘区域的外轮廓区域,其中Ibi是第i层高频图像对应的低频图像的背景中特征灰度值;
重构处理子单元3063,用于按照公式
GPi=(GRi+(k*Si’*Edgei+Si’*(1-Edgei))),其中k取值范围为0~1,计算第i层重构结果GPi,再将重构结果GPi中外轮廓区域的像素赋值为Ibi,依次实现第i层的重构处理直到完成第1层重构处理得到均衡后的图像。
通过上述实施例可以看出,本发明提供的乳腺外周组织均衡的图像处理装置,基于图像的腺体组成拟合得到灰度映射曲线,利用该灰度映射曲线对低频图像进行映射处理,这样,能够减小中心区域与外周组织的灰度差异;接着再对每一层高频图像进行增益处理,这样,使得腺体区域和外周组织高频信息更均衡,最后,对低频图像和增益处理后的高频图像进行重构得到均衡后的图像。由于灰度映射曲线是基于腺体组成拟合得到的曲线,一方面,可以在保证腺体原始特征分布的前提下,能够合理控制均衡的强度;另一方面,由于考虑了图像个体的差异,一定程度上提高了处理结果的一致性。另外,由于本发明对待处理图像进行多尺度的分解,可以在多个尺度下进行均衡处理,能够保证较高的处理效率。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明实施例所提供的一种乳腺外周组织均衡的图像处理方法和装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种乳腺外周组织均衡的图像处理方法,其特征在于,所述方法包括:
从乳腺原始图像中提取人体有效组织掩膜图像;
对所述原始图像进行灰度变换得到待处理图像,分解所述待处理图像得到一个低频图像和多个高频图像;
根据所述掩膜图像、所述待处理图像和腺体组成百分比计算得到灰度映射曲线;
采用灰度映射曲线对低频图像进行灰度映射得到映射后低频图像;
对每个高频图像作增益处理得到增益后高频图像;
对所述映射后低频图像和所述增益后高频图像作重构处理得到均衡后的图像。
2.根据权利要求1所述的方法,其特征在于,所述根据掩膜图像、待处理图像和腺体组成百分比计算得到灰度映射曲线,包括:
根据掩膜图像统计人体有效组织区域直方图,根据所述直方图、所述腺体组成百分比和预置的外周组织百分比确定阈值Tg和Ta,以及根据腺体组成百分比确定压缩系数Kg和Ka;其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
根据Kg、Ka、Tg、Ta和所述待处理图像灰度最大值maxP确定至少三个特征点,并根据所述至少三个特征点拟合生成灰度映射曲线。
3.根据权利要求1所述的方法,其特征在于,所述对每个高频图像作增益处理得到增益后高频图像,包括:
根据每个高频图像对应的低频图像灰度信息确定每个高频图像对应的第一增益系数;
根据每个高频图像的灰度信息确定每个高频图像对应的第二增益系数;
按照公式Si’=Gain2i*(Gain1i*Si-Si)+Si,计算得到增益后高频图像;其中,Gain2i表示第i层高频图像对应的第二增益系数,Gain1i表示第i层高频图像对应的第一增益系数,Si表示第i层高频图像,Si’表示增益后第i层高频图像,i的取值范围是1、2、……N-1、N,N是指所述多分辨率金字塔算法分解待处理图像时所采用的最大层数。
4.根据权利要求3所述的方法,其特征在于,所述根据每个高频图像对应的低频图像的灰度信息确定每个高频图像对应的第一增益系数,包括:
根据每层高频图像对应的低频图像确定对应的Tg和Ta,其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
按照公式Fgi=(FgN-Fa)*i/N+Fa,计算第i层高频图像腺体区域对应参数Fgi,其中FgN是第N层高频图像腺体区域对应参数,FgN取值范围为1~5,Fa是外周组织区域对应参数,Fa取值范围为0.5~1;
根据第i层高频图像特征点A1(0,Fgi)、A2(Tg,Fgi)、A3(Ta,Fa)和A4(maxP,Fa)拟合得到第一增益曲线,根据所述第一增益曲线确定第i层高频图像对应的第一增益系数。
5.根据权利要求3所述的方法,其特征在于,所述根据每个高频图像的灰度信息确定每个高频图像对应的第二增益系数,包括:
计算人体有效组织内高频增益最大值max(abs(Si(ROI)))、平均值ts1和二倍平均值ts2,并确定衰减系数Fs,该衰减系数Fs取值范围为0.5~1,且Fs大于Fa;Fa是外周组织区域对应参数,Fa取值范围为0.5~1,其中,Si(ROI)是第i层高频图像的人体有效组织区;
根据第i层高频图像特征点B1(0,1)、B2(ts1,1)、B3(ts2,Fs)和B4(max(abs(Si(ROI))),Fa)计算得到第二增益曲线,根据所述第二增益曲线确定第i层高频图像对应的第二增益系数。
6.根据权利要求1所述的方法,其特征在于,所述对所述映射后低频图像和所述增益后高频图像作重构处理得到均衡后的图像,包括:
按照如下方式依次实现第i层的重构处理,其中i依次取值为N、N-1、N-2……2、1:
对第i层高频图像对应的低频图像作内插卷积得到低频图像GRi,再计算所述低频图像GRi增益后第i层高频图像Si’之间的和值GSi;每i层重构结果作为第i-1层高频图像对应的低频图像;
对掩膜图像进行降采样得到降采样掩膜图像,根据降采样的掩膜图像确定图像边缘区域Edgei;
按照GSi*Edgei>Ibi标记图像边缘区域的外轮廓区域,其中Ibi是第i层高频图像对应的低频图像的背景中特征灰度值;
按照公式GPi=(GRi+(k*Si’*Edgei+Si’*(1-Edgei))),其中k取值范围为0~1,计算第i层重构结果GPi,再将重构结果GPi中外轮廓区域的像素赋值为Ibi,依次实现第i层的重构处理直到完成第1层重构处理得到均衡后的图像。
7.根据权利要求1所述的方法,其特征在于,所述分解所述待处理图像得到一个低频图像和多个高频图像具体为:
采用多分辨率金字塔算法分解所述待处理图像得到一个低频图像和多个高频图像。
8.一种乳腺外周组织均衡的图像处理装置,其特征在于,所述装置包括:
提取单元,用于从乳腺原始图像中提取人体有效组织掩膜图像;
分解单元,用于对所述原始图像进行灰度变换得到待处理图像,分解所述待处理图像得到一个低频图像和多个高频图像;
灰度映射曲线拟合单元,用于根据所述掩膜图像、所述待处理图像和腺体组成百分比计算得到灰度映射曲线;
映射单元,用于采用灰度映射曲线对低频图像进行灰度映射得到映射后低频图像;
增益处理单元,用于对每个高频图像作增益处理得到增益后高频图像;
重构处理单元,用于对所述映射后低频图像和所述增益后高频图像作重构处理得到均衡后的图像。
9.根据权利要求8所述的装置,其特征在于,所述灰度映射曲线拟合单元,包括:
阈值确定子单元,用于根据掩膜图像统计人体有效组织区域直方图,根据所述直方图、所述腺体组成百分比和预置的外周组织百分比确定阈值Tg和Ta,以及根据腺体组成百分比确定压缩系数Kg和Ka;其中,Tg表示腺体组织与脂肪组织灰度分割值,Ta表示脂肪组织与皮肤组织灰度分割值;
拟合子单元,用于根据Kg、Ka、Tg、Ta和所述待处理图像灰度最大值maxP确定至少三个特征点,并根据所述至少三个特征点拟合生成灰度映射曲线。
10.根据权利要求8所述的装置,其特征在于,所述增益处理单元,包括:
第一增益系数确定子单元,用于根据每个高频图像对应的低频图像灰度信息确定每个高频图像对应的第一增益系数;
第二增益系数确定子单元,用于根据每个高频图像的灰度信息确定每个高频图像对应的第二增益系数;
增益处理子单元,用于按照公式Si’=Gain2i*(Gain1i*Si-Si)+Si,计算得到增益后高频图像;其中,Gain2i表示第i层高频图像对应的第二增益系数,Gain1i表示第i层高频图像对应的第一增益系数,Si表示第i层高频图像,Si’表示增益后第i层高频图像,i的取值范围是1、2、……N-1、N,N是指所述多分辨率金字塔算法分解待处理图像时所采用的最大层数。
11.根据权利要求8所述的装置,其特征在于,所述重构处理单元,包括:
和值计算子单元,用于对第i层高频图像对应的低频图像作内插卷积得到低频图像GRi,再计算所述低频图像GRi与增益后第i层高频图像Si’之间的和值GSi,每i层重构结果作为第i-1层高频图像对应的低频图像;其中i依次取值为N、N-1、N-2……2、1;
图像边缘区域确定子单元,用于对掩膜图像进行降采样得到降采样掩膜图像,根据降采样的掩膜图像确定图像边缘区域Edgei;
图像边缘区域外轮廓确定子单元,用于按照GSi*Edgei>Ibi标记图像边缘区域的外轮廓区域,其中Ibi是第i层高频图像对应的低频图像的背景中特征灰度值;
重构处理子单元,用于按照公式GPi=(GRi+(k*Si’*Edgei+Si’*(1-Edgei))),其中k取值范围为0~1,计算第i层重构结果GPi,再将重构结果GPi中外轮廓区域的像素赋值为Ibi,依次实现第i层的重构处理直到完成第1层重构处理得到均衡后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410707789.4A CN104574361B (zh) | 2014-11-27 | 2014-11-27 | 一种乳腺外周组织均衡的图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410707789.4A CN104574361B (zh) | 2014-11-27 | 2014-11-27 | 一种乳腺外周组织均衡的图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574361A true CN104574361A (zh) | 2015-04-29 |
CN104574361B CN104574361B (zh) | 2017-12-29 |
Family
ID=53090333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410707789.4A Active CN104574361B (zh) | 2014-11-27 | 2014-11-27 | 一种乳腺外周组织均衡的图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574361B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488765A (zh) * | 2015-11-23 | 2016-04-13 | 沈阳东软医疗***有限公司 | 一种图像动态范围调整方法及装置 |
CN105701796A (zh) * | 2015-12-31 | 2016-06-22 | 上海联影医疗科技有限公司 | ***图像的厚度均衡方法及装置、***摄影*** |
WO2017059605A1 (zh) * | 2015-10-07 | 2017-04-13 | 南京巨鲨显示科技有限公司 | 针对乳腺钼靶图像的显示器灰度曲线校正***及方法 |
CN107292815A (zh) * | 2017-06-14 | 2017-10-24 | 上海联影医疗科技有限公司 | 乳腺图像的处理方法、装置及乳腺成像设备 |
CN107316291A (zh) * | 2017-06-14 | 2017-11-03 | 上海联影医疗科技有限公司 | 乳腺图像处理方法及乳腺成像设备 |
CN107862699A (zh) * | 2017-09-22 | 2018-03-30 | 中国科学院深圳先进技术研究院 | 骨骼ct图像的骨骼边缘提取方法、装置、设备及存储介质 |
CN108009992A (zh) * | 2016-10-28 | 2018-05-08 | 北京东软医疗设备有限公司 | 一种图像调整的方法和装置 |
WO2018227943A1 (en) * | 2017-06-14 | 2018-12-20 | Shenzhen United Imaging Healthcare Co., Ltd. | System and method for image processing |
US10290108B2 (en) | 2015-12-31 | 2019-05-14 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for image processing |
CN110838091A (zh) * | 2019-10-25 | 2020-02-25 | 北京中电慧视科技有限公司 | 完全自适应的红外图像对比度增强方法及*** |
CN111311605A (zh) * | 2020-01-15 | 2020-06-19 | 深圳市安健科技股份有限公司 | X射线图像分割方法及终端 |
US10949950B2 (en) | 2017-06-14 | 2021-03-16 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
CN113724144A (zh) * | 2020-05-22 | 2021-11-30 | 北京小米移动软件有限公司 | 一种图像处理方法及终端设备上的图像信号处理器 |
CN113892967A (zh) * | 2021-09-07 | 2022-01-07 | 青岛海信医疗设备股份有限公司 | 一种超声图像的处理方法和超声仪器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5528703A (en) * | 1992-02-18 | 1996-06-18 | Neopath, Inc. | Method for identifying objects using data processing techniques |
CN102142133A (zh) * | 2011-04-19 | 2011-08-03 | 西安电子科技大学 | 基于非下采样Directionlet变换和压缩感知的乳腺X线图像增强方法 |
CN102456222A (zh) * | 2010-10-29 | 2012-05-16 | 深圳迈瑞生物医疗电子股份有限公司 | 图像中组织均衡的方法和装置 |
CN102890817A (zh) * | 2011-07-22 | 2013-01-23 | 深圳市蓝韵实业有限公司 | 医学图像的处理方法及*** |
-
2014
- 2014-11-27 CN CN201410707789.4A patent/CN104574361B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5528703A (en) * | 1992-02-18 | 1996-06-18 | Neopath, Inc. | Method for identifying objects using data processing techniques |
CN102456222A (zh) * | 2010-10-29 | 2012-05-16 | 深圳迈瑞生物医疗电子股份有限公司 | 图像中组织均衡的方法和装置 |
CN102142133A (zh) * | 2011-04-19 | 2011-08-03 | 西安电子科技大学 | 基于非下采样Directionlet变换和压缩感知的乳腺X线图像增强方法 |
CN102890817A (zh) * | 2011-07-22 | 2013-01-23 | 深圳市蓝韵实业有限公司 | 医学图像的处理方法及*** |
Non-Patent Citations (1)
Title |
---|
丰国栋: "数字化X线摄影图像增强方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10467738B2 (en) | 2015-10-07 | 2019-11-05 | Nanjing Jusha Display Technology Co., Ltd. | Display gray scale curve correction system and method for molybdenum target mammography |
WO2017059605A1 (zh) * | 2015-10-07 | 2017-04-13 | 南京巨鲨显示科技有限公司 | 针对乳腺钼靶图像的显示器灰度曲线校正***及方法 |
CN105488765B (zh) * | 2015-11-23 | 2018-12-07 | 沈阳东软医疗***有限公司 | 一种图像动态范围调整方法及装置 |
CN105488765A (zh) * | 2015-11-23 | 2016-04-13 | 沈阳东软医疗***有限公司 | 一种图像动态范围调整方法及装置 |
CN105701796A (zh) * | 2015-12-31 | 2016-06-22 | 上海联影医疗科技有限公司 | ***图像的厚度均衡方法及装置、***摄影*** |
US11880978B2 (en) | 2015-12-31 | 2024-01-23 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for image processing |
US11049254B2 (en) | 2015-12-31 | 2021-06-29 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for image processing |
CN105701796B (zh) * | 2015-12-31 | 2018-09-18 | 上海联影医疗科技有限公司 | ***图像的厚度均衡方法及装置、***摄影*** |
US10290108B2 (en) | 2015-12-31 | 2019-05-14 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for image processing |
CN108009992B (zh) * | 2016-10-28 | 2020-06-16 | 北京东软医疗设备有限公司 | 一种图像调整的方法和装置 |
CN108009992A (zh) * | 2016-10-28 | 2018-05-08 | 北京东软医疗设备有限公司 | 一种图像调整的方法和装置 |
CN110832540A (zh) * | 2017-06-14 | 2020-02-21 | 上海联影医疗科技有限公司 | 图像处理***和方法 |
US11562469B2 (en) | 2017-06-14 | 2023-01-24 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
CN107292815A (zh) * | 2017-06-14 | 2017-10-24 | 上海联影医疗科技有限公司 | 乳腺图像的处理方法、装置及乳腺成像设备 |
US10949950B2 (en) | 2017-06-14 | 2021-03-16 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
CN107316291A (zh) * | 2017-06-14 | 2017-11-03 | 上海联影医疗科技有限公司 | 乳腺图像处理方法及乳腺成像设备 |
CN110832540B (zh) * | 2017-06-14 | 2023-08-01 | 上海联影医疗科技股份有限公司 | 图像处理***和方法 |
WO2018227943A1 (en) * | 2017-06-14 | 2018-12-20 | Shenzhen United Imaging Healthcare Co., Ltd. | System and method for image processing |
CN107862699A (zh) * | 2017-09-22 | 2018-03-30 | 中国科学院深圳先进技术研究院 | 骨骼ct图像的骨骼边缘提取方法、装置、设备及存储介质 |
CN110838091A (zh) * | 2019-10-25 | 2020-02-25 | 北京中电慧视科技有限公司 | 完全自适应的红外图像对比度增强方法及*** |
CN111311605B (zh) * | 2020-01-15 | 2023-07-04 | 深圳市安健科技股份有限公司 | X射线图像分割方法及终端 |
CN111311605A (zh) * | 2020-01-15 | 2020-06-19 | 深圳市安健科技股份有限公司 | X射线图像分割方法及终端 |
CN113724144A (zh) * | 2020-05-22 | 2021-11-30 | 北京小米移动软件有限公司 | 一种图像处理方法及终端设备上的图像信号处理器 |
CN113892967A (zh) * | 2021-09-07 | 2022-01-07 | 青岛海信医疗设备股份有限公司 | 一种超声图像的处理方法和超声仪器 |
CN113892967B (zh) * | 2021-09-07 | 2023-10-27 | 青岛海信医疗设备股份有限公司 | 一种超声图像的处理方法和超声仪器 |
Also Published As
Publication number | Publication date |
---|---|
CN104574361B (zh) | 2017-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574361A (zh) | 一种乳腺外周组织均衡的图像处理方法和装置 | |
CN107358586B (zh) | 一种图像增强方法、装置及设备 | |
CN101727658B (zh) | 图像处理方法及装置 | |
EP3224800B1 (en) | Simulating dose increase by noise model based multi scale noise reduction | |
CN110517327B (zh) | 一种基于颜色校正和对比度拉伸的水下图像增强方法 | |
CN108876733B (zh) | 一种图像增强方法、装置、设备和存储介质 | |
Nguyen et al. | Bounded self-weights estimation method for non-local means image denoising using minimax estimators | |
Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
TWI433053B (zh) | 運用像素區域特性之影像銳利度強化方法及系統 | |
CN110533614B (zh) | 一种结合频域和空域的水下图像增强方法 | |
CN102663695A (zh) | 基于小波变换的dr图像去噪方法及*** | |
CN110322404B (zh) | 一种图像增强方法及*** | |
CN104680485A (zh) | 一种基于多分辨率的图像去噪方法及装置 | |
Borges et al. | Pipeline for effective denoising of digital mammography and digital breast tomosynthesis | |
CN104574284A (zh) | 一种数字x射线图像对比度增强处理方法 | |
EP2232434A1 (en) | Method of generating a multiscale contrast enhanced image. | |
CN101889295B (zh) | 生成多尺度对比度增强的图像的方法 | |
CN111507912B (zh) | 乳腺图像增强方法、装置及计算机可读存储介质 | |
CN104978720A (zh) | 一种视频图像雨滴去除方法及装置 | |
Agaian et al. | Novel medical image enhancement algorithms | |
Sahoo | Biomedical image fusion and segmentation using glcm | |
JP4072491B2 (ja) | 画像処理装置、画像処理方法、プログラム及びコンピュータ可読媒体 | |
CN114450710A (zh) | 用于噪声降低的方法和装置 | |
Batna | Comparative study between wavelet thresholding techniques (hard, soft and invariant-translation) in ultrasound images | |
CN101930599B (zh) | 一种医学图像增强方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Patentee after: DongSoft Medical System Co., Ltd. Address before: Hunnan New Century Road 110179 Shenyang city of Liaoning Province, No. 16 Patentee before: Dongruan Medical Systems Co., Ltd., Shenyang |