CN107622475A - 图像拼接中的灰度校正方法 - Google Patents

Abstract

一种图像拼接中的灰度校正方法，包括：选取两幅相邻的图像作为待拼接图像；在所述待拼接图像中界定感兴趣区域；在所述待拼接图像中选出基准图像；根据基准图像的感兴趣区域灰度值对非基准图像的感兴趣区域灰度值进行校正。本发明的图像拼接中的灰度校正方法能够基于图像特征，生成相应的校正方案，具有自适应性。本方法能够在不损失原有图像人体区域的对比度，甚至会提升原有图像的对比度的情况下完成灰度校正。

Description

图像拼接中的灰度校正方法

技术领域

本发明涉及图像处理领域，特别涉及X射线图像拼接中的灰度校正方法。

背景技术

利用X射线观察大面积的人体区域时，单幅图像不足以覆盖整个病灶区域，因此需要拍摄多幅图像，并将多幅图像利用拼接融合方法将其拼接成一幅大图像，以便医生整体分析病灶。由于人体各部位存在的差异，为了使得拍摄获得的不同部位达到更好的显示效果，在拍摄不同部位时会使用不同剂量的X射线。因此曝光剂量的不同和人体各部位的差异将导致不同部位的图像之间在灰度水平上会有较大差异，这种差异当然也会体现在拼接后的图像中。这种灰度差异会给医生诊断和分析病人病情造成不利影响，增加误检率。

现有技术中采用亮度映射方法来消除拼接后的图像中的灰度差异，亮度映射方法是通过调节每幅图像的窗宽窗位，不修改每幅图像的灰度值来实现拼接后的图像的灰度效果一致，这种方法的缺陷在于，当每幅图像通过不同剂量的X射线进行拍摄时，由于人体对不同剂量的X射线衰减程度不同，简单的通过调节窗宽窗位是不能使得拼接后的图像整体灰度趋于一致。

发明内容

本发明要解决的问题是通过对待拼接图像中的感兴趣区域和非感兴趣区域进行不同方式的校正，使拼接后的图像的灰度值趋于一致。

为了达到上述目的，本发明提供一种图像拼接中的灰度校正方法，包括：

选取两幅相邻的图像作为待拼接图像；

在所述待拼接图像中界定感兴趣区域；

在所述待拼接图像中选出基准图像；

根据基准图像的感兴趣区域灰度值对非基准图像的感兴趣区域灰度值进行校正。

可选的，所述的方法，在待拼接图像中，以感兴趣区域的灰度值变化范围大的图像作为基准图像。

可选的，所述的方法，还包括：

获取待拼接图像的重叠区域；

根据基准图像的感兴趣区域与所述基准图像的重叠区域的交集的灰度值对非基准图像的感兴趣区域灰度值进行校正。

可选的，所述的方法中，所述对非基准图像的感兴趣区域灰度值进行校正包括：

根据第一区域和第二区域的灰度值变化范围的比值计算校正斜率，第一区域为基准图像的感兴趣区域与基准图像的重叠区域的交集，第二区域为非基准图像的感兴趣区域与非基准图像的重叠区域的交集；

根据所述校正斜率对非基准图像的感兴趣区域灰度值进行校正。

可选的，所述的方法，还包括：

根据所述校正斜率、第一区域及第二区域的灰度均值计算截距；

根据所述校正斜率和截距对非基准图像的感兴趣区域进行校正。

可选的，所述的方法，还包括：

在待拼接图像中界定非感兴趣区域；

根据基准图像的非感兴趣区域灰度值对非基准图像的非感兴趣区域灰度值进行校正。

可选的，所述的方法，还包括：

获取待拼接图像的重叠区域；

根据基准图像的非感兴趣区域与所述基准图像的重叠区域的交集的灰度值对非基准图像的非感兴趣区域灰度值进行校正。

可选的，所述的方法中，所述对非基准图像的非感兴趣区域灰度值进行校正包括：

根据第三区域和第四区域的灰度均值获得校正参数，第三区域为基准图像的非感兴趣区域与基准图像的重叠区域的交集，第四区域为非基准图像的非感兴趣区域与非基准图像的重叠区域的交集；

根据所述校正参数对非基准图像的非感兴趣区域进行非线性校正。

可选的，所述的方法，还包括：

对感兴趣区域和非感性区域的边界进行平滑处理。

本发明还提供一种图像拼接中的灰度校正方法，包括：

选取待拼接图像；

在所述待拼接图像中界定感兴趣区域；

获取待拼接图像的重叠区域；

在所述待拼接图像中选出基准图像；

根据基准图像的感兴趣区域与基准图像的重叠区域的交集的灰度值对非基准图像的感兴趣区域进行线性校正；

根据基准图像的非感兴趣区域与基准图像的重叠区域的交集的灰度值对非基准图像的非感兴趣区域进行非线性校正。

根据本发明的图像拼接中的校正方法能够基于图像特征，生成相应的校正方案，具有自适应性。本方法能够在不损失待拼接图像人体区域对比度，甚至会提升待拼接图像对比度的情况下完成灰度校正，且减少了整个拼接过程中的计算量。

附图说明

图1是本发明的ROI区域的校正的流程示意图；

图2是本发明的待拼接图像的区域的示意图；

图3是本发明的非ROI区域的压缩曲线的示意图；

图4是本发明的非ROI区域的校正流程的示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。

通过X射线拍摄大面区域时，需要拍摄多幅连续图像，并将多幅图像利用拼接融合方法将其拼接成一幅大图像，以便医生整体分析病灶。拼接的过程一般是在多幅图像中确定两幅相邻的图像进行拼接，形成一新的图像，接着继续找两幅相邻的图像继续拼接，直到将所有的图像拼接完成为止。

图像区域可以分为感兴趣区域和非感兴趣区域，所述感兴趣区域(以下简称ROI区域)一般是指图像中的人体区域，即对医生的诊断有参考意义的区域，也可以是其他的如设备测试过程中模体成像时的模体区域，或可能对诊断和检测相关的区域。非感兴趣区域(以下简称非ROI区域)是指图像中的X射线未经过人体或其他物体的直接曝光区域，这部分区域在图像中一般呈现相同灰度值。本发明的图像拼接过程中的灰度校正方法，首先对ROI区域进行校正，而后进一步对非ROI区域进行校正，使拼接后的图像在灰度上达到整体上的效果一致。

ROI区域的校正

图1是ROI区域的校正的流程示意图。如图1所示，拼接图像中对于感兴趣区域的校正方法包括以下步骤：

S10，对待拼接图像界定ROI区域；S11，计算待拼接图像的重叠部分；S12，在所述待拼接图像中选出基准图像；S13，根据基准图像的重叠部分的ROI区域对非基准图像的ROI区域进行校正。

关于ROI区域的界定，首先要计算ROI区域的模板。一般在负片中ROI区域的灰度会高于非ROI区域的灰度，通过设置灰度阈值等方法在图片中标记出ROI区域和非ROI区域，并形成模板，如模板中ROI区域标记为1、非ROI区域标记为0。

接下来利用坐标算法得到两幅图像的重叠区域坐标。所述坐标算法是计算待拼接图像的重叠区域坐标的方法，该方法利用待拼接图像上的尺的刻度进行计算，具体是检测待拼接图像的上边界和下边界的尺的刻度，通过尺的刻度来计算待拼接图像的重叠区域坐标，除了所述的尺的刻度的方法以外也可以通过图像中特征点匹配的方法计算出重叠区域的坐标。

在上述骤中，对于界定ROI区域步骤和计算重叠区域的步骤顺序不做限定，也可以先做重叠区域的计算，再做ROI区域的界定。

对于待拼接两幅图像的重叠区域中，ROI区域对应的像素点灰度值理论上应该是一致的。因此，本发明中通过计算待拼接图像的重叠区域的ROI区域的灰度均值，以其中一幅待拼接图像为基准图像，对另一幅待拼接图像的ROI区域进行线性修正，消除拼接后的图像在整体上的灰度偏差。

对于基准图像的选择，首先将待拼接的两幅图像中的每幅图像假设为基准图像分别求出校正斜率(K)，以校正斜率大于1的图像作为最终的基准图像，而另一幅作为待线性修正的图像。在其他实施例中，也可以不包括判断基准图像的步骤，直接以待拼接的两幅图像中的任一图像作为基准图像。

校正斜率＝(基准图像的ROI区域的重叠区域的最大灰度值-基准图像的ROI区域的重叠区域的最小灰度值)/(非基准图像的ROI区域的重叠区域的最大灰度值-非基准图像的ROI区域的重叠区域的最小灰度值)

所述校正斜率的计算方法也可以简化为：

校正斜率＝基准图像的ROI区域的重叠区域灰度变化范围/非基准图像的ROI区域的重叠区域灰度变化范围

根据计算校正斜率的公式可知，满足校正斜率>1的图像的对比度会比另一幅图像的对比度高，以对比度高的图像作为基准进行修正能提高拼接后图像的整体对比度。

在上述步骤校正斜率的计算也可以不限于重叠区域，可以是以基准图像的ROI区域和非基准图像的ROI区域计算。

对非基准图像的偏差校正，目的是将两幅待拼接图像ROI区域线性变换到相同的灰度范围和相同的灰度均值水平上，因此首先要计算基准图像的重叠ROI区域的灰度均值和灰度分布范围，基于这个灰度均值和灰度分布范围得到非基准图像的线性转换公式；最后，利用线性转换公式对非基准图像的ROI区域进行校正。

基于上述理论，本发明中采用校正斜率和截距的线性变化方法，其中

截距(b)＝基准图像的重叠区域的ROI区域灰度均值-校正斜率×非基准图像的重叠区域的ROI区域灰度均值；

非基准图像ROI区域变化后的灰度值＝k×非基准图像ROI区域变化前的灰度值+b。

图2是本发明的待拼接图像的区域的示意图。如图2所述，图中包括了三幅待拼接的图像a、b、c，拼接的过程为先拼接图像a和图像b，再拼接图像a和图像b生成的图像和图像c，因为图像a和图像b生成的图像和图像c拼接的过程与拼接图像a和图像b的步骤完全相同，因此在此只描述图像a和图像b的拼接步骤。

首先，计算图像a的ROI区域11和图像b的ROI区域21；再通过图像的上边界尺和下边界尺的刻度计算图像a的重叠区域10和图像b的重叠区域20；图像a的ROI区域11和图像a的重叠区域10的交集作为第一区域110，图像b中ROI区域21和重叠区域20的交集作为第二区域210，分别计算第一区域110和第二区域210的灰度变化范围，并以灰度变化范围大的区域所属的图像作基准图像(假设比较结果为第一区域110的灰度变化范围大于第二区域210的灰度变化范围)；根据第一区域110的灰度变化范围和第二区域210的灰度变化范围计算校正斜率；进一步根据第一区域110的灰度均值、第二区域210的灰度均值及校正斜率计算截距；最后根据所述校正斜率和截距对图像b中ROI区域的像素点的灰度值进行校正。

非ROI区域的校正

非ROI区域一般不包含任何与临床诊断相关信息，但是非ROI区域是图像的背景区域，当图像中的背景区域的灰度不一致时也会引起医生对人体区域的判断错误，此外也会影响视觉效果。换句话说，一副图像人体区域是一致的，但是背景不一致，同样会引起医生视觉上的差别，也有可能会引起误诊。因此本发明中，进一步要对非ROI区域进行一致性校正。

关于非ROI区域的校正本发明中采用压缩曲线的方法，将两幅图像中的非ROI区域压缩到同一灰度水平，具体压缩的公式为：

其中，x为校正之前的非ROI区域像素点的灰度值，y为校正之后的非ROI区域像素点的灰度值。

公式中的T为分段函数阈值，该阈值可以手动设置，也可以根据均值和方差的计算进行自动求出，在x≤T时，用于压缩非ROI区域，x>T时灰度值保持不变。因此阈值T为人体区域和非ROI区域灰度的分界点。

图3是本发明的非ROI区域的压缩曲线示意图，如图3所示，其中圆圈标记处代表的是阈值T，横坐标代表压缩前图像的灰度，纵坐标代表压缩后图像的灰度。灰度压缩曲线是指横坐标0-T的部分曲线，由图3可以看到，压缩前图像的灰度为0-1000的范围大约对应压缩后图像的灰度为0-500范围，也就是说压缩后的图像灰度范围比压缩前的图像灰度范围窄，同时对应的灰度值也变小。

对于压缩程度参数α的确定是基于基准图像的重叠区域中的非ROI区域的灰度均值来计算得到。首先计算基准图像的非ROI区域的重叠区域灰度均值(y₁)，再计算非基准图像的非ROI区域的重叠区域灰度均值(x₁)，将上述均值带入到公式中，并通过逆运算求出非基准图像的压缩程度参数α。

图4是本发明的非ROI区域的校正的流程示意图。如图4所示，对非ROI区域的校正包括以下步骤：S20，获取基准图像的非ROI区域的重叠区域灰度均值，这一步骤中的基准图像、非ROI区域及重叠区域的获取与ROI区域的校正时的方法相同，此处不再赘述；S21，获取非基准图像的非ROI区域的重叠区域灰度均值；S22，计算压缩程度参数，根据上述步骤获得的基准图像的非ROI区域的重叠区域灰度均值和非基准图像的非ROI区域的重叠区域灰度均值来计算压缩程度参数α；S23，根据压缩程度参数α对非基准图像的非ROI区域进行校正；S24，融合基准图像与非基准图像，所述融合可以是对应点取灰度平均值等方法。

在上述步骤中同样可以是以基准图像的整个非ROI区域灰度均值和非基准图像的整个非ROI区域灰度均值来计算压缩程度参数α。

进一步为了确保压缩曲线的平滑性，在实际使用时，对其进行平滑操作，平滑操作起到对整个曲线进行平滑的作用，因为上述函数为分段函数，在阈值T的位置有可能不够平滑，会引起图像灰度变化剧烈，影响图像效果，因此利用平滑滤波核，做一次平滑滤波，使曲线更光滑一些。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (10)

1.一种图像拼接中的灰度校正方法，其特征在于，包括：

选取两幅相邻的图像作为待拼接图像；

在所述待拼接图像中界定感兴趣区域；

在所述待拼接图像中选出基准图像；

根据基准图像的感兴趣区域灰度值对非基准图像的感兴趣区域灰度值进行校正。

2.根据权利要求1所述的方法，其特征在于，在待拼接图像中，以感兴趣区域的灰度值变化范围大的图像作为基准图像。

3.根据权利要求1所述的方法，其特征在于，还包括：

获取待拼接图像的重叠区域；

根据基准图像的感兴趣区域与所述基准图像的重叠区域的交集的灰度值对非基准图像的感兴趣区域灰度值进行校正。

4.根据权利要求3所述的方法，其特征在于，所述对非基准图像的感兴趣区域灰度值进行校正包括：

根据第一区域和第二区域的灰度值变化范围的比值计算校正斜率，第一区域为基准图像的感兴趣区域与基准图像的重叠区域的交集，第二区域为非基准图像的感兴趣区域与非基准图像的重叠区域的交集；

根据所述校正斜率对非基准图像的感兴趣区域灰度值进行校正。

5.根据权利要求4所述的方法，其特征在于，还包括：

根据所述校正斜率、第一区域及第二区域的灰度均值计算截距；

根据所述校正斜率和截距对非基准图像的感兴趣区域进行校正。

6.根据权利要求1所述的方法，其特征在于，还包括：

在待拼接图像中界定非感兴趣区域；

根据基准图像的非感兴趣区域灰度值对非基准图像的非感兴趣区域灰度值进行校正。

7.根据权利要求6所述的方法，其特征在于，还包括：

获取待拼接图像的重叠区域；

根据基准图像的非感兴趣区域与所述基准图像的重叠区域的交集的灰度值对非基准图像的非感兴趣区域灰度值进行校正。

8.根据权利要求7所述的方法，其特征在于，所述对非基准图像的非感兴趣区域灰度值进行校正包括：

根据第三区域和第四区域的灰度均值获得校正参数，第三区域为基准图像的非感兴趣区域与基准图像的重叠区域的交集，第四区域为非基准图像的非感兴趣区域与非基准图像的重叠区域的交集；

根据所述校正参数对非基准图像的非感兴趣区域进行非线性校正。

9.根据权利要求8所述的方法，其特征在于，还包括：

对感兴趣区域和非感性区域的边界进行平滑处理。

10.一种图像拼接中的灰度校正方法，其特征在于，包括：

选取待拼接图像；

在所述待拼接图像中界定感兴趣区域；

获取待拼接图像的重叠区域；

在所述待拼接图像中选出基准图像；

根据基准图像的感兴趣区域与基准图像的重叠区域的交集的灰度值对非基准图像的感兴趣区域进行线性校正；

根据基准图像的非感兴趣区域与基准图像的重叠区域的交集的灰度值对非基准图像的非感兴趣区域进行非线性校正。