CN106600550A - 超声图像处理方法及*** - Google Patents
超声图像处理方法及*** Download PDFInfo
- Publication number
- CN106600550A CN106600550A CN201611070117.2A CN201611070117A CN106600550A CN 106600550 A CN106600550 A CN 106600550A CN 201611070117 A CN201611070117 A CN 201611070117A CN 106600550 A CN106600550 A CN 106600550A
- Authority
- CN
- China
- Prior art keywords
- edge
- denoising
- image data
- result
- image
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000001914 filtration Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000002604 ultrasonography Methods 0.000 claims description 69
- 230000004927 fusion Effects 0.000 claims description 35
- 230000002708 enhancing effect Effects 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 22
- 239000000203 mixture Substances 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 8
- 238000003709 image segmentation Methods 0.000 abstract description 5
- 238000002156 mixing Methods 0.000 abstract description 2
- 230000001629 suppression Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 30
- 239000000523 sample Substances 0.000 description 17
- 230000015654 memory Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000001161 mammalian embryo Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种超声图像处理方法及***,该超声图像处理方法包括:获取原始的超声图像数据;对原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像;对去噪图像进行边缘增强,得到边缘增强后的边缘增强图像;对边缘增强图像与原始的超声图像数据进行纹理混合,得到最终的超声图像。上述的超声图像处理方法及***在处理图像时不需要进行图像分割,就能够实现超声图像的边缘增强与斑点抑制的效果,而且还能够提高图像处理的效率。
Description
技术领域
本发明涉及超声图像技术领域,更具体的,本发明涉及一种超声图像处理方法及***。
背景技术
在使用超声成像***时,由于当连续发射源或非连续发射源发射的超声波投射到粗糙(相对于超声波长尺度)介质表面时,会产生一种结构性与破坏性的回波散射信号,它们在超声影像上形成了乘性的相干斑噪声,因此严重影响了图像的质量,尤其是使边缘和细节变得模糊,这不利于医生进行诊断。因此,研究如何抑制斑点噪声,同时保留或增强图像边缘或细节信息,以增强图像对比度和分辨率,从而更好地辅助医生进行诊断,具有重要意义。
目前对于图像增强和抑制斑点噪声提出了一种基于梯度分割的图像增强方法,其根据图像的梯度信息将图像分割为结构区域和非结构区域分别进行处理,在结构区域进行各项异性平滑和方向性增强,对非结构区域进行各项同性平滑。虽然这种基于梯度分割的图像增强方法在一定程度上可以抑制斑点噪声与增强图像边缘,但是图像增强的效果依赖于分割结果,而分割又是医学图像处理领域的难题。因此,分割结果如果错误不仅将导致较差的增强效果,而且容易留下比较明显的分割处理痕迹。
发明内容
本发明提供了一种超声图像处理方法及***,其无需进行图像分割,便能够实现增强图像边缘和抑制斑点噪声的效果。
为达到上述目的,本发明提供了以下技术方案:
一种超声图像处理方法,包括:
获取原始的超声图像数据;
对所述原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像;
对所述去噪图像进行边缘增强,得到边缘增强后的边缘增强图像;
对所述边缘增强图像与所述原始的超声图像数据进行纹理混合,得到最终的超声图像。
在一个实施例中,所述对所述原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像的步骤包括:
对所述原始的超声图像数据执行迭代滤波去噪的步骤;
当迭代次数达到第一预设迭代次数时,停止迭代并将第一预设迭代次数对应的去噪结果作为所述去噪图像。
在一个实施例中,所述迭代滤波去噪的步骤包括:
将第一输入图像数据进行各向同性滤波,获取各向同性滤波结果,其中,所述第一输入图像数据包括原始的超声图像数据;
将所述各向同性滤波结果与所述第一输入图像数据进行加权融合,以获取去噪结果。
在一个实施例中,所述对所述去噪图像进行边缘增强,得到边缘增强后的边缘增强图像的步骤包括:
对所述去噪图像数据执行迭代边缘增强的步骤;
当迭代边缘增强次数达到第二预设迭代次数时,停止迭代并将第二预设迭代次数对应的边缘增强结果作为所述边缘增强图像。
在一个实施例中,所述迭代边缘增强的步骤包括:
构造边缘滤波器;
将第二输入图像数据中的每个像素与所述边缘滤波器进行卷积,得到所述第二输入图像的多方向边缘响应结果,其中,所述第二输入图像数据包括所述去噪图像;
对所述多方向边缘响应结果进行多方向融合,获得多方向融合结果;
将所述第二次输入图像与所述多方向融合结果进行加权叠加,得到边缘增强结果。
在一个实施例中,所述对所述边缘增强图像与所述原始的超声图像数据进行纹理混合的步骤包括:
对所述边缘增强图像与所述原始的超声图像数据进行线性加权叠加。
在一个实施例中,还包括:
保存、输出并显示所述最终的超声图像。
一种超声图像处理***,包括:
获取模块,用于获取原始的超声图像数据;
去噪模块,用于对所述原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像;
边缘增强模块,用于对所述去噪图像进行边缘增强,得到边缘增强后的边缘增强图像;
纹理混合模块,用于对所述边缘增强图像与所述原始的超声图像数据进行纹理混合,得到最终的超声图像。
在一个实施例中,所述去噪模块包括:
滤波单元,用于对所述第一输入图像数据进行各向同性滤波,获得各向同性滤波结果;
融合单元,用于将所述各向同性滤波结果与所述第一输入图像数据进行加权融合,得到去噪结果;
第一计数单元,用于计数,当迭代去噪次数达到第一预设迭代次数时,所述融合单元将得到的所述第一预设迭代次数对应的去噪结果作为所述去噪图像。
在一个实施例中,所述边缘增强模块包括:
边缘滤波器构造单元,用于构造边缘滤波器;
边缘响应融合单元,用于将第二输入图像数据中的每个像素与所述边缘滤波器进行卷积,得到多方向边缘响应结果,并对所述多方向边缘响应结果进行多方向融合,得到多方向融合结果;
边缘增强单元,用于将所述第二输入图像数据与所述多方向融合结果进行加权叠加,得到边缘增强结果;
第二计数单元,用于计数,当迭代边缘增强次数达到第二预设迭代次数时,所述边缘增强单元将得到的第二预设迭代次数对应的边缘增强结果作为所述边缘增强图像。
在一个实施例中,所述纹理混合模块还用于对所述边缘增强图像与所述原始的超声图像数据进行线性加权叠加。
在一个实施例中,还包括:
存储模块,用于保存所述最终的超声图像;
输出模块,用于输出并显示最终的超声图像。
上述的超声图像处理方法及***,通过将原始的超声图像数据进行滤波去噪来抑制图像的斑点噪声,然后将去噪处理后的图像进行边缘增强,最后将得到的边缘增强图像进行纹理混合处理,得到最终处理后的超声图像,上述的超声图像处理方法及***通过对原始超声图像数据进行滤波去噪和边缘增强处理得到最终处理后的超声图像,在图像的处理过程中不需要进行图像分割,就能够同时实现超声图像的边缘增强与斑点抑制的效果,且避免了图像处理过程中比较明显的处理痕迹。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为一个实施例的超声设备的结构框图;
图2为一个实施例的超声图像处理方法的流程示意图;
图3为一个实施例的对原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像的过程示意图;
图4为一个实施例的对原始的超声图像数据进行迭代滤波去噪的过程示意图;
图5为一个示例的对原始的超声图像数据进行迭代滤波去噪的示意图;
图6为一个实施例的对去噪图像进行边缘增强,得到边缘增强后的边缘增强图像的过程示意图;
图7为一个实施例的迭代边缘增强的过程示意图;
图8为一个实施例的超声图像处理***的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在整个说明书中当某些事物“包括”或“包含”元件时,除非另有指定,否则还可包括另一元件。另外,诸如“..单元”或“..模块”等的术语指至少一个功能或操作的单元,并且所述单元可被实现为硬件、软件或者硬件和软件组合。
在整个说明书中,“超声图像”指通过使用超声信号获得的对象的图像。另外,还可实现不同模式的超声图像。例如,超声图像可包括亮度(B)模式图像、彩色多普勒图像、频谱多普勒图像、运动(M)模式图像、弹性模式图像中的至少一个。其中,亮度(B)模式图像用亮度表示从对象10反射的超声回波信号的振幅,彩色多普勒图像通过使用多普勒效应用颜色表示运动对象的速度,频谱多普勒图像通过使用多普勒效应以频谱的形式表示运动对象的图像,运动(M)模式图像表示预定位置处的对象的时变运动,弹性模式图像用图像表示压力施加到对象时对象的反应与在未将压力施加到对象时对象的反应之间的差异。上述的超声图像可以是二维(2D)图像、三维(3D)图像或四维(4D)图像。
对象可指身体的一部分。例如,对象可包括器官,诸如,肝脏、心脏、颈半透明带(NT)、大脑、***、腹部或胚胎。
在整个说明书中,“用户”可以包括但不限于医生、护士、医学实验技术人员或者超声医师的医疗专家。
现在将结合附图1详细介绍示例性实施例,然而本发明构思可以以很多不同的形式被实现,并且不应被解释为限于阐述此的示例性实施例。此外,为了清楚地描述示例性实施例,在附图中与示例性实施例的描述不相关的部分将被省略,并且在整个说明书中相同的标号表示相同的元件。
图1为一个实施例的超声设备框图,如图1所示,该超声设备100包括:图像获取单元110、控制器120、显示器150和存储器160。在其他实施例中超声设备100还可包括比示出的组件更多或更少的组件。上述元件间通过总线170连接。
图像获取单元110可包括探头20、超声发射/接收单元112和图像处理器114。
探头20根据从超声发射/接收单元施加的驱动信号将超声信号发射到对象10,并接收从对象10反射的超声回波信号。探头20可包括多个换能器,多个换能器根据发送到探头20的电信号振动,并产生超声波,即,声能。另外,探头20可有线或者无线地连接到超声设备100的主体。需要说明的是,超声设备100可以包括多个探头20。探头20可包括一维(1D)探头、1.5D探头、矩阵(2D)探头、三维(3D)探头和四维(4D)探头中的至少一个。
发射单元116将驱动信号提供给探头20。发射单元116包括脉冲产生单元118、发射延迟单元120和脉冲发生器122。脉冲产生单元118根据预定脉冲重复频率(PRF)产生用于形成发生超声波的脉冲,发射延迟单元120将用于确定发射方向性的延迟时间应用到脉冲。应用了延迟时间的每个脉冲相应的时刻将驱动信号(驱动脉冲)应用到探头20。
接收单元124通过对从探头20接收到的超声回波信号进行处理来产生超声数据,并可包括放大器126、模数转换器(ADC)128、波束合成器130和信号预处理单元132。放大器126对每个通道中的回波信号进行放大,ADC128对放大的回波信号进行模数转换。波束合成器130将用于确定接收方向性的延迟时间应用于数字转换后的回波信号,并将转换处理后信号的相加来产生超声图像数据。信号预处理单元132用于对波束合成器130产生的超声图像数据进行预处理。
图像处理器114通过由超声发射/接收单元112产生的超声图像数据进行扫描转换来产生超声图像。超声图像不仅可以包括灰阶超声图像,而且还可以包括多普勒图像,其中,灰阶超声图像是通过根据幅度(A)模式,亮度(B)模式和运动(M)模式对对象进行扫描而获得。
B模式通用处理单元136从超声图像数据提取B模式分量并处理B模式分量。高级图像处理单元138用于对B模式通用处理单元136进行进一步的图像优化处理。图像生成单元140可基于高级图像处理单元138处理后的B模式分量来产生将信号强度表示为亮度的超声图像。
类似地,多普勒处理单元138可以从超声图像数据中提出多普勒分量,图像生成单元140可基于提取出的多普勒分量产生对象的运动表示为颜色或波形的多普勒图像。
类似地,图像生成单元140还可以生成运动(M)模式图像、弹性模式图像等,图中未示出。
此外,图像处理器114可通过文本或图形在超声图像中显示各种附加信息。例如,图像处理器114可将与超声图像的全部或一部分相关的至少一个注释添加到超声图像。也就是说,图像处理器114可分析超声图像,并基于分析结果将与超声图像的全部或一部分相关的至少一个注释添加到超声图像。
控制器120可以控制超声设备100的总体操作。例如,控制器120可以控制图像获取单元110、显示器150和存储器160等的总体操作。
显示器150可显示超声设备100中处理的信息。例如,显示器150可以显示超声图像,或者可显示与控制相关的用户界面(UI)或者图形用户界面(GUI)。显示器150可显示超声图像的局部区域。
存储器160可包括用于控制器120的处理信息,并存储输入/输出数据。例如,原始的超声图像数据、处理过程中的图像数据以及最终的超声图像等等。当然,存储器160还可存储受测者信息、探头信息身体标记和其他信息等。
存储器160包括以下项之中的至少一种类型的存储介质:闪存型、硬盘型、微型多媒体卡、卡型存储器(例如SD和XD存储器)、随机存取存储器(RAM)、只读存储器(ROM)等。另外,超声设备100还可使用网上用作存储器的网络存储器或者云存储器。
下面结合图2,详细介绍高级图像处理单元138对原始的超声图像数据的超声图像处理过程。
在一个实施例中,如图2所示,提出一种超声图像处理方法,该方法包括以下步骤:
步骤201,获取原始的超声图像数据。
在分析超声图像之前首先需要读取超声图像的原始数据,具体的,超声图像的原始数据由图1中的图像获取单元110的探头20获取,即:探头20根据从超声发射/接收单元施加的驱动信号将超声信号发射到对象10,并接收从对象10反射的超声回波信号,且可以根据探头20的类型可以获取的超声图像为一维(1D)、1.5D、矩阵(2D)、三维(3D)或四维(4D)的超声图像。
步骤203,对超声图像的原始数据进行滤波去噪处理,得到去噪后的去噪图像。
在本实施例中,需要说明的是,由于超声束空间分辨率有限,组织反射面不光滑等因素会导致噪声图像的斑点噪声,而这些噪声会掩盖图像的有用信息,从而对医生的诊断产生干扰,因此需要对图像进行降噪处理。图像的降噪方法很多,主要包括各向同性滤波和各向异性滤波的去噪方法。在本实施例中,采用各向同性滤波去噪。各向同性滤波去噪采用迭代的方式将本次各向同性滤波结果与上次的去噪结果进行融合,对原始的超声图像数据进行迭代滤波去噪,这样不仅能够抑制斑点噪声,而且同时还保证了超声图像的分辨率。
步骤205,对去噪图像进行边缘增强处理,得到边缘增强后的边缘增强图像。
在本实施例中,首先对上述步骤203获取的去噪图像采用方向性滤波来使其具有多方向边缘响应结果,再对多方向边缘响应结果进行多次多方向融合,将本次多方向融合结果与上次边缘增强结果进行迭代叠加实现所述去噪图像的边缘增强处理,根据预设的迭代次数进行图像边缘增强处理,以得到增强后的边缘增强图像。
步骤207,对边缘增强图像与原始的超声图像数据进行纹理混合处理,得到最终的超声图像。
为了保持图像的细节与纹理等信息,将边缘增强后的边缘增强图像与原始的超声图像数据进行加权融合,以得到最终的超声图像。
上述的超声图像处理方法,获取超声图像的原始数据;对超声图像的原始数据进行滤波去噪;对去噪图像进行边缘增强;对边缘增强后的边缘增强图像进行纹理混合,得到处理后的超声图像。本实施例通过将将原始的超声图像数据进行滤波去噪来抑制图像的斑点噪声,然后将去噪处理后的图像进行边缘增强,最后将得到的边缘增强图像进行纹理混合处理,得到最终处理后的超声图像,上述的超声图像处理方法通过对原始超声图像数据进行滤波去噪和边缘增强处理得到最终处理后的超声图像,在图像的处理过程中不需要进行图像分割,就能够同时实现超声图像的边缘增强与斑点抑制的效果,且避免了图像处理过程中比较明显的处理痕迹。
在一个实施例中,如图3所示,对原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像的步骤包括:
步骤302,对原始的超声图像数据执行迭代滤波去噪的步骤。
对原始的超声图像数据进行迭代滤波去噪,将当前滤波结果与上次去噪结果进行融合,上次去噪结果经过滤波得到当前滤波结果。在本实施例中,滤波方法可以采用各向同性滤波。
步骤304,当迭代次数达到第一预设迭代次数时,停止迭代并将第一预设迭代次数对应的去噪结果作为去噪图像。
当迭代次数达到第一预设迭代次数时,停止迭代滤波过程。并将第一预设迭代次数时得到的去噪结果作为去噪图像。
在一个实施例中,如图4和图5所示,迭代滤波去噪的步骤包括:
步骤402,将第一输入图像数据进行各向同性滤波,获取各向同性滤波结果,其中,第一输入图像数据包括原始的超声图像数据。
在本实施例中,采用中值滤波对第一输入图像数据进行滤波去噪,得到各向同性滤波结果Medn。另外,各向同性滤波还可以采用高斯平滑滤波、均值滤波的方式,具体实现过程不再赘述。
步骤404,将各向同性滤波结果与第一输入图像数据进行加权融合,获取去噪结果。
当迭代次数为n时,第n次去噪结果的计算公式为:
Fn=β×Medn+(1-β)×Fn-1,
Medn=f(Fn-1),
其中,Fn为第n次去噪结果,Fn-1为第n-1次去噪结果,β为融合系数,且满足0≤β≤1,f()为各向同性滤波。
按照上述公式中描述的方式重复执行迭代去噪步骤,当迭代次数达到第一预设迭代次数时,将第一预设迭代次数时的去噪结果作为去噪图像。
在一个实施例中,如图6所示,对去噪图像进行边缘增强,得到边缘增强后的边缘增强图像的步骤包括:
步骤602,对去噪图像数据执行迭代边缘增强的步骤。
将上述实施例获取的去噪图像采用方向性滤波来使其具有多方向边缘响应结果,再对多方向边缘响应结果进行多次多方向融合,将本次多方向融合结果与上次边缘增强结果进行迭代叠加实现所述去噪图像的边缘增强处理,根据预设的迭代次数进行图像边缘增强处理,以得到增强后的边缘增强图像。
步骤604,当迭代边缘增强次数达到第二预设迭代次数时,停止迭代并将第二预设迭代次数对应的边缘增强结果作为边缘增强图像。
当迭代次数达到第二预设迭代次数时,停止迭代边缘增强过程。并将第二预设迭代次数时得到的边缘增强结果作为边缘增强图像。
在一个实施例中,如图7所示,迭代边缘增强的步骤包括:
步骤702,构造边缘滤波器。
在本实施例中,根据以下公式进行构造边缘滤波器,具体的公式为:
其中,δ1和δ2分别为X方向和Y方向滤波器的尺度,一般地,δ1=δ2;m为滤波器的个数。
步骤704,将第二输入图像数据中的每个像素与边缘滤波器进行卷积,得到第二输入图像的多方向边缘响应结果,其中,第二输入图像数据包括去噪图像。
步骤706,对多方向边缘响应结果进行多方向融合,获得多方向融合结果。
对于上述步骤704获取的多方向边缘响应结果,采用基于各向异性权重的融合方法,进行多方向响应融合。具体的实现公式如下:
其中,Ri为某个方向的边缘响应结果。m为方向数目,即上述的滤波器的个数。ωi为某个方向的权重因子,α为调节因子。
步骤708,将第二次输入图像与多方向融合结果进行加权叠加,得到边缘增强结果。
当迭代次数为n时,第n次去噪结果的计算公式为:
En=En-1+δ×Rn,
Rn=g(En-1),
其中,En为第n次边缘增强结果,En-1为第n-1次边缘增强结果,δ为增强系数,且满足0≤δ≤2,g()为多方向融合。Rn为第n次多方向融合结果。
按照上述公式中描述的方式重复执行迭代增强步骤,当迭代次数达到第二预设迭代次数时,将第二预设迭代次数时的边缘增强结果作为边缘增强图像。
在一个实施例中,所述边缘增强图像与原始的超声图像数据进行纹理混合处理的步骤包括:对边缘增强图像与原始的超声图像数据进行线性加权叠加。
在本实施例中,对边缘增强图像与原始的超声图像数据进行线性加权叠加可以通过以下公式实现:
P=γE+(1-γ)×I,
其中,P为最终的超声图像,E为边缘增强图像,I为原始的超声图像数据,γ为调节因子,且0≤γ≤1。
通过上述步骤对边缘增强图像与原始的超声图像数据进行线性加权叠加,能够恢复或保持超声图像的细节。
在一个实施例中,超声图像处理方法还包括:保存并输出最终的超声图像。
输出包括不限于显示和/或打印上述步骤获取的超声图像。在一个实施例中,如图8所示,还提出一种超声图像处理***800,包括:获取模块802、去噪模块804、边缘增强模块806和纹理混合模块808。
获取模块802,用于获取原始的超声图像数据。去噪模块804,用于对所述原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像。边缘增强模块806,用于对去噪图像进行边缘增强,得到边缘增强后的边缘增强图像。纹理混合模块808,用于对边缘增强图像与原始的超声图像数据进行纹理混合,得到最终的超声图像。
在一个实施例中,去噪模块804包括:
滤波单元,用于对第一输入图像数据进行各向同性滤波,获得各向同性滤波结果;
融合单元,用于将各向同性滤波结果与第一输入图像数据进行加权融合,得到去噪结果;
第一计数单元,用于计数,当迭代去噪次数达到第一预设迭代次数时,融合单元将得到的第一预设迭代次数时的去噪结果作为去噪图像。
在一个实施例中,边缘增强模块806包括:
边缘滤波器构造单元,用于构造边缘滤波器;
边缘响应融合单元,用于将第二输入图像数据中的每个像素与边缘滤波器进行卷积,得到多方向边缘响应结果,并对多方向边缘响应结果进行多方向融合,得到多方向融合结果;
边缘增强单元,用于将第二输入图像数据与多方向融合结果进行加权叠加,得到边缘增强结果;
第二计数单元,用于计数,当迭代边缘增强次数达到第二预设迭代次数时,边缘增强单元将得到的第二预设迭代次数时的边缘增强结果作为边缘增强图像。
在一个实施例,纹理混合模块808还用于对边缘增强图像与原始的超声图像数据进行线性加权叠加。
在一个实施例中,***800还包括:
存储模块810,用于保存最终的超声图像;
输出模块812,用于输出并显示最终的超声图像。
上述的超声图像处理***,通过将原始的超声图像数据进行滤波去噪来抑制图像的斑点噪声,然后将去噪处理后的图像进行边缘增强,最后将得到的边缘增强图像进行纹理混合处理,得到最终处理后的超声图像,上述的超声图像处理***通过对原始超声图像数据进行滤波去噪和边缘增强处理得到最终处理后的超声图像,在图像的处理过程中不需要进行图像分割,就能够同时实现超声图像的边缘增强与斑点抑制的效果,且避免了图像处理过程中比较明显的处理痕迹。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,***和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,***和方法,可以通过其它的方式实现。例如,以上所描述的***实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,***或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种超声图像处理方法,其特征在于,包括:
获取原始的超声图像数据;
对所述原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像;
对所述去噪图像进行边缘增强,得到边缘增强后的边缘增强图像;
对所述边缘增强图像与所述原始的超声图像数据进行纹理混合,得到最终的超声图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像的步骤包括:
对所述原始的超声图像数据执行迭代滤波去噪的步骤;
当迭代次数达到第一预设迭代次数时,停止迭代并将第一预设迭代次数对应的去噪结果作为所述去噪图像。
3.根据权利要求2所述的方法,其特征在于,所述迭代滤波去噪的步骤包括:
将第一输入图像数据进行各向同性滤波,获取各向同性滤波结果,其中,所述第一输入图像数据包括原始的超声图像数据;
将所述各向同性滤波结果与所述第一输入图像数据进行加权融合,以获取去噪结果。
4.根据权利要求1所述的方法,其特征在于,所述对所述去噪图像进行边缘增强,得到边缘增强后的边缘增强图像的步骤包括:
对所述去噪图像数据执行迭代边缘增强的步骤;
当迭代边缘增强次数达到第二预设迭代次数时,停止迭代并将第二预设迭代次数对应的边缘增强结果作为所述边缘增强图像。
5.根据权利要求4所述的方法,其特征在于,所述迭代边缘增强的步骤包括:
构造边缘滤波器;
将第二输入图像数据中的每个像素与所述边缘滤波器进行卷积,得到所述第二输入图像的多方向边缘响应结果,其中,所述第二输入图像数据包括所述去噪图像;
对所述多方向边缘响应结果进行多方向融合,获得多方向融合结果;
将所述第二次输入图像与所述多方向融合结果进行加权叠加,得到边缘增强结果。
6.根据权利要求1所述的方法,其特征在于,所述对所述边缘增强图像与所述原始的超声图像数据进行纹理混合的步骤包括:
对所述边缘增强图像与所述原始的超声图像数据进行线性加权叠加。
7.根据权利要求1所述的方法,其特征在于,还包括:
保存、输出并显示所述最终的超声图像。
8.一种超声图像处理***,其特征在于,包括:
获取模块,用于获取原始的超声图像数据;
去噪模块,用于对所述原始的超声图像数据进行滤波去噪,得到滤波后的去噪图像;
边缘增强模块,用于对所述去噪图像进行边缘增强,得到边缘增强后的边缘增强图像;
纹理混合模块,用于对所述边缘增强图像与所述原始的超声图像数据进行纹理混合,得到最终的超声图像。
9.根据权利要求8所述的***,其特征在于,所述去噪模块包括:
滤波单元,用于对所述第一输入图像数据进行各向同性滤波,获得各向同性滤波结果;
融合单元,用于将所述各向同性滤波结果与所述第一输入图像数据进行加权融合,得到去噪结果;
第一计数单元,用于计数,当迭代去噪次数达到第一预设迭代次数时,所述融合单元将得到的所述第一预设迭代次数对应的去噪结果作为所述去噪图像。
10.根据权利要求8所述的***,其特征在于,所述边缘增强模块包括:
边缘滤波器构造单元,用于构造边缘滤波器;
边缘响应融合单元,用于将第二输入图像数据中的每个像素与所述边缘滤波器进行卷积,得到多方向边缘响应结果,并对所述多方向边缘响应结果进行多方向融合,得到多方向融合结果;
边缘增强单元,用于将所述第二输入图像数据与所述多方向融合结果进行加权叠加,得到边缘增强结果;
第二计数单元,用于计数,当迭代边缘增强次数达到第二预设迭代次数时,所述边缘增强单元将得到的第二预设迭代次数对应的边缘增强结果作为所述边缘增强图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611070117.2A CN106600550B (zh) | 2016-11-29 | 2016-11-29 | 超声图像处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611070117.2A CN106600550B (zh) | 2016-11-29 | 2016-11-29 | 超声图像处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106600550A true CN106600550A (zh) | 2017-04-26 |
CN106600550B CN106600550B (zh) | 2020-08-11 |
Family
ID=58593876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611070117.2A Active CN106600550B (zh) | 2016-11-29 | 2016-11-29 | 超声图像处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600550B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389174A (zh) * | 2018-03-30 | 2018-08-10 | 苏州佳世达电通有限公司 | 超音波成像***及超音波成像方法 |
CN108542422A (zh) * | 2018-03-06 | 2018-09-18 | 武汉轻工大学 | B超图像优化方法、装置及计算机可读存储介质 |
CN109350118A (zh) * | 2018-12-05 | 2019-02-19 | 宁波可凡电器有限公司 | 超声扫描辅助处理机构 |
CN109934789A (zh) * | 2019-03-26 | 2019-06-25 | 湖南国科微电子股份有限公司 | 图像去噪方法、装置及电子设备 |
CN110599405A (zh) * | 2018-06-13 | 2019-12-20 | 青岛海信医疗设备股份有限公司 | 一种超声图像增强方法、装置和计算机设备 |
WO2020078102A1 (zh) * | 2018-10-17 | 2020-04-23 | 北京达佳互联信息技术有限公司 | 图像增强方法、装置和计算机可读存储介质 |
WO2023138273A1 (zh) * | 2022-01-18 | 2023-07-27 | 武汉联影医疗科技有限公司 | 图像增强方法和*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07336560A (ja) * | 1994-06-03 | 1995-12-22 | Fujitsu General Ltd | 輪郭増強回路の雑音除去回路 |
CN1919144A (zh) * | 2005-08-26 | 2007-02-28 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与斑点抑制方法 |
CN1980321A (zh) * | 2005-12-09 | 2007-06-13 | 逐点半导体(上海)有限公司 | 一种图像增强处理***和处理方法 |
CN104103040A (zh) * | 2013-04-10 | 2014-10-15 | 上海联影医疗科技有限公司 | 一种图像增强的方法 |
CN105005989A (zh) * | 2015-06-30 | 2015-10-28 | 长安大学 | 一种弱对比度下的车辆目标分割方法 |
CN105741241A (zh) * | 2016-01-27 | 2016-07-06 | 中南民族大学 | 基于合成增强图像的肿瘤区域图像增强方法及*** |
-
2016
- 2016-11-29 CN CN201611070117.2A patent/CN106600550B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07336560A (ja) * | 1994-06-03 | 1995-12-22 | Fujitsu General Ltd | 輪郭増強回路の雑音除去回路 |
CN1919144A (zh) * | 2005-08-26 | 2007-02-28 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与斑点抑制方法 |
CN1980321A (zh) * | 2005-12-09 | 2007-06-13 | 逐点半导体(上海)有限公司 | 一种图像增强处理***和处理方法 |
CN104103040A (zh) * | 2013-04-10 | 2014-10-15 | 上海联影医疗科技有限公司 | 一种图像增强的方法 |
CN105005989A (zh) * | 2015-06-30 | 2015-10-28 | 长安大学 | 一种弱对比度下的车辆目标分割方法 |
CN105741241A (zh) * | 2016-01-27 | 2016-07-06 | 中南民族大学 | 基于合成增强图像的肿瘤区域图像增强方法及*** |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108542422A (zh) * | 2018-03-06 | 2018-09-18 | 武汉轻工大学 | B超图像优化方法、装置及计算机可读存储介质 |
CN108389174A (zh) * | 2018-03-30 | 2018-08-10 | 苏州佳世达电通有限公司 | 超音波成像***及超音波成像方法 |
CN108389174B (zh) * | 2018-03-30 | 2021-06-08 | 苏州佳世达电通有限公司 | 超音波成像***及超音波成像方法 |
CN110599405A (zh) * | 2018-06-13 | 2019-12-20 | 青岛海信医疗设备股份有限公司 | 一种超声图像增强方法、装置和计算机设备 |
CN110599405B (zh) * | 2018-06-13 | 2023-06-16 | 青岛海信医疗设备股份有限公司 | 一种超声图像增强方法、装置和计算机设备 |
WO2020078102A1 (zh) * | 2018-10-17 | 2020-04-23 | 北京达佳互联信息技术有限公司 | 图像增强方法、装置和计算机可读存储介质 |
CN109350118A (zh) * | 2018-12-05 | 2019-02-19 | 宁波可凡电器有限公司 | 超声扫描辅助处理机构 |
CN109350118B (zh) * | 2018-12-05 | 2021-04-20 | 深圳市迈捷生命科学有限公司 | 超声扫描辅助处理机构 |
CN109934789A (zh) * | 2019-03-26 | 2019-06-25 | 湖南国科微电子股份有限公司 | 图像去噪方法、装置及电子设备 |
WO2023138273A1 (zh) * | 2022-01-18 | 2023-07-27 | 武汉联影医疗科技有限公司 | 图像增强方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN106600550B (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600550A (zh) | 超声图像处理方法及*** | |
US11238562B2 (en) | Ultrasound system with deep learning network for image artifact identification and removal | |
Suhling et al. | Myocardial motion analysis from B-mode echocardiograms | |
JP5525867B2 (ja) | 超音波診断装置、画像処理装置、超音波診断装置の制御方法、及び画像処理方法 | |
JP6081139B2 (ja) | 超音波診断装置、医用画像処理装置、及び医用画像処理方法 | |
US8202220B2 (en) | Ultrasound diagnostic apparatus | |
US20140147013A1 (en) | Direct echo particle image velocimetry flow vector mapping on ultrasound dicom images | |
CN105073020B (zh) | 超声波诊断装置及超声波图像处理方法 | |
CN105596032A (zh) | 超声波诊断装置以及控制方法 | |
DE102007027366A1 (de) | Bildgebungsvorrichtung und Bildgebungsverfahren | |
CN113543721B (zh) | 用于采集复合3d超声图像的方法和*** | |
CN101292883A (zh) | 超声三维快速成像方法及其装置 | |
JP2007518512A (ja) | 心筋灌流を表示するための画像分割 | |
CN106030657B (zh) | 医学4d成像中的运动自适应可视化 | |
Saris et al. | A comparison between compounding techniques using large beam-steered plane wave imaging for blood vector velocity imaging in a carotid artery model | |
EP3754558A1 (en) | Method and system for generating a synthetic elastrography image | |
EP3692925A1 (en) | Methods and systems for valve regurgitation assessment | |
JP7061232B2 (ja) | 超音波画像の取得をガイドするためのシステム及び方法 | |
Sun et al. | A pipeline for the generation of synthetic cardiac color Doppler | |
Touil et al. | Analysis of motion tracking in echocardiographic image sequences: Influence of system geometry and point-spread function | |
CN112351742A (zh) | 用于执行跨瓣压量化的方法和*** | |
JP6998477B2 (ja) | カラードップラー超音波イメージングを行うための方法及びシステム | |
US20230305126A1 (en) | Ultrasound beamforming method and device | |
CN103761716A (zh) | 超声***中的自适应伪差去除方法及*** | |
JP6132665B2 (ja) | 超音波診断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 518057 Shenzhen Nanshan District, Guangdong Province Applicant after: Biologic medical Science and Technology Co., Ltd. is opened in Shenzhen Address before: 518051 Yizhe Building, Yuquan Road, Nanshan District, Shenzhen City, Guangdong Province, 4th, 5th, 8th, 9th and 10th Floors Applicant before: Biologic medical Science and Technology Co., Ltd. is opened in Shenzhen |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |