CN109712121A - 一种医学影像图片处理的方法、设备及装置 - Google Patents
一种医学影像图片处理的方法、设备及装置 Download PDFInfo
- Publication number
- CN109712121A CN109712121A CN201811529908.6A CN201811529908A CN109712121A CN 109712121 A CN109712121 A CN 109712121A CN 201811529908 A CN201811529908 A CN 201811529908A CN 109712121 A CN109712121 A CN 109712121A
- Authority
- CN
- China
- Prior art keywords
- image picture
- characteristic area
- characteristic
- picture
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种医学影像图片处理的方法、装置及设备。通过确定人体脑部的第一影像图片和第二影像图片,从第一影像图片和第二影像图片中提取特征区域,根据预设特征条件匹配第一影像图片的特征区域和第二影像图片中的特征区域,根据第一影像图片和第二影像图片之间相匹配的特征区域,对第一影像图片进行仿射变换。本说明书实施例记载的技术方案根据特征区域匹配包含造影和不含造影的影像图片,特征区域可以包含更多特征信息,基于特征区域匹配影像图片更精确,根据匹配结果对第一影像图片进行精确地仿射变换,使变换后的第一影像图片和第二影像图片在尺寸和图像内容分布位置方面达到大约一致。
Description
技术领域
本申请涉及计算机医学图像处理领域,尤其涉及一种医学图像处理的方法、设备及装置。
背景技术
在医学图像领域中,通常需要对人体脑部以非侵入方式获取人体脑部血管影像,并进行处理分析。在此过程中,需要获取人体脑部血管进行显影标记的图片和未进行显影标记的影像图片,匹配获取的两种影像图片,确定人体脑部血管的分布位置。但是由于两幅影像图片的拍摄时存在环境因素和人为因素的差异,使拍摄的两幅影像图片存在尺寸或图片内容分布位置等差异。
发明内容
本说明书实施例提供一种医学影像图片处理的方法、装置和设备,用以解决现有技术中确定的人体脑部血管分布状态不精确的问题。
本申请提供一种医学影像图片处理的方法,包括:
确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
从所述第一影像图片和所述第二影像图片中提取特征区域;
根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
本申请还提供一种医学影像图片处理的装置,包括:
图像确定模块,确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
特征提取模块,从所述第一影像图片和所述第二影像图片中提取特征区域;
匹配模块,根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
变换模块,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
本申请还提供一种电子设备,包括至少一个处理器及存储器,存储器存储有程序,并且被配置成至少由一个处理器执行以下步骤:
确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
从所述第一影像图片和所述第二影像图片中提取特征区域;
根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
本申请还提供一种计算机可读存储介质,包括与电子设备结合使用的程序,程序可被处理器执行完成以下步骤:确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
从所述第一影像图片和所述第二影像图片中提取特征区域;
根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
从第一影像图片和所述第二影像图片中提取特征区域,第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片,根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。本说明书实施例记载的技术方案中,特征区域可以包含更多特征信息,基于特征区域匹配第一影像图片和第二影像图片,匹配结果的精确度更高,这可以实现根据匹配结果对第一影像图片进行精确地仿射变换,确保变换后的第一影像图片和第二影像图片在尺寸和图像内容分布位置方面达到大约一致。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提出的一种医学影像图片处理方法的流程示意图;
图2为本说明书实施例提供的一种医学影像图片处理的方法的效果图;
图3为本说明书实施例提供的一种医学影像图片处理的方法的效果图;
图4为本说明书实施例提供的一种医学影像图片处理的方法的原理图;
图5为本说明书实施例提供的一种医学影像图片处理的方法的原理图;
图6为本说明书实施例提处的一种医学影像图片处理的装置的结构图。
具体实施方式
对现有技术进行分析发现,在匹配获取的两种影像图片之前,根据两幅影像图片中像素点的灰度相关性,根据像素点在两幅影像图片中分布位置的差异性确定两幅影像图片在尺寸或图片内容分布位置的差异。这种处理方式是基于图像中像素点的灰度相关性进行匹配,对于像素点来说,其灰度值所反映的特征值较为单一,这可能降低匹配结果的精确度。
本说明书实施例通过确定人体脑部的第一影像图片和第二影像图片,其中,第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片,从第一影像图片和第二影像图片中提取特征区域,根据预设特征条件匹配第一影像图片的特征区域和所述第二影像图片中的特征区域,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。本说明书实施例记载的技术方案中,特征区域可以包含更多特征信息,基于特征区域匹配第一影像图片和第二影像图片,匹配结果的精确度更高,这可以实现根据匹配结果对第一影像图片进行精确地仿射变换,确保变换后的第一影像图片和第二影像图片在尺寸和图像内容分布位置方面达到大约一致。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例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。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提出的一种医学影像图片处理方法的流程示意图,所述方法如下所示。
S101:确定人体脑部的第一影像图片和第二影像图片。
在本说明书实施例中,第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片。通过对比第一图像和第二图像的差异,确定脑部血管的分布状态。
S102:从所述第一影像图片和所述第二影像图片中提取特征区域。
在本说明书实施例中,特征区域可以反映影像图片的信息。因此,通过对第一影像图片和第二影像图片的特征区域进行分析,可以大致确定第一影像图片和第二影像图片的差异。
在本说明书实施例中,可以是根据影像图片中点的灰度值确定预设灰度条件,根据该预设灰度条件确定特征区域。比如,可以根据影像图片中灰度的最大值和最小值确定灰度等级,筛选区域内灰度的平均值在预设灰度等级内的区域,作为特征区域。其中,可以根据影像图片的尺寸设置特征区域的尺寸,这样,通过确定第一影像图片和第二影像图片中灰度等级对应的特征区域,可以大致确定两幅图像的差异。
在本说明书实施例中,从所述第一影像图片和所述第二影像图片中提取特征区域,可以包括:
从所述第一影像图片和所述第二影像图片中筛选符合预设灰度条件的特征点;
根据所述特征点确定包含所述特征点的特征区域。
在本说明书实施例中,预设灰度条件可以是将第一影像图片和第二影像图片中各自的灰度极值点作为特征点,这里灰度极值点可以是灰度极大值点和灰度极小值点中的至少一种。
这样,从所述第一影像图片和所述第二影像图片中筛选符合预设灰度条件的特征点,包括:
从所述第一影像图片和所述第二影像图片中筛选灰度极值点;
根据所述灰度极值点确定符合预设灰度条件的特征点。
在本说明书实施例中,预设灰度条件还可以是将第一影像图片和第二影像图片中各自落入统一的预设灰度值范围的点作为特征点。因此,对预设灰度条件不做具体限定,可以根据需要设置。
图2为本说明书实施例提供的一种医学影像图片处理的方法的效果图,示出了未对人体脑部中的血管进行显影标记的图片中的特征点。
图3为本说明书实施例提供的一种医学影像图片处理的方法的效果图,示出了已对人体脑部中的血管进行显影标记的图片中的特征点。
图2中的m点和图3中的n点是检测出的特征点。方形区域Q1表示包含m的特征区域,方形区域Q2表示包含n的特征区域。特征区域的可以是方形,也可以是六边形或其它形状,在此不作具体限制。
S103:根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域。
由于特征区域可以大致反映影像图片的特征信息,因此,将第一影像图片中的特征区域和第二影像图片中的特征区域做匹配,可以确定第一影像图片和第二影像图片中相似度满足阈值的特征区域在其各自所属的影像图片中分布位置,进而确定第一影像图片和第二影像图片的差异。
在本说明书实施例中,第一影像图片和第二影像图片中的特征区域之间的相似度体现于特征区域内的灰度变化值的相似度。这样,所述预设特征条件可以是所述灰度变化值的相似度达到阈值。这样,根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域,包括:
根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值;
根据匹配结果确定所述第一影像图片和所述第二影像图片中相匹配的特征区域。
在本说明书实施例中,特征区域的灰度变化值可以包括该特征区域沿至少一个目标方向的灰度变化值。因此,在根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值之前,还可以包括:
对各特征点,确定以所述特征点为起点满足预设灰度变化条件的目标方向。
目标方向是根据特征区域内的灰度变化的信息确定的方向,因此,目标方向可以随着特征区域的旋转而同步变化。
具体地,确定以所述特征点为起点满足预设灰度变化条件的目标方向,可以是统计特征区域内在特征点某一方向的区域内的灰度变化,若该灰度变化满足预设灰度变化条件,则将该方向作为目标方向,比如,可以统计以该特征点为顶点的扇形区域内的像素点的灰度值的方差,比较在不同方向选取的扇形区域的灰度值的方差,确定灰度值的方差最小的扇形区域,将选取该扇形区域时的方向作为目标方向。其中,也可以以其它形状确定目标方向,比如菱形,矩形,六边形,在此不做具体限制。
在这种情况下,根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值,可以包括:
对各特征区域进行处理,确定所述特征区域沿其所包含的特征点对应的目标方向的至少一个灰度特征向量,确定所述特征区域沿垂直于所述目标方向的至少一个灰度特征向量;
根据所述灰度特征向量的相似度匹配所述第一影像图片中的特征区域的各灰度特征向量与所述第二影像图片的特征区域的各灰度特征向量。
在本说明书实施例中,对各特征区域进行处理,确定所述特征区域沿其所包含的特征点对应的目标方向的至少一个灰度特征向量,确定所述特征区域沿垂直于所述目标方向的至少一个灰度特征向量,可以包括:
根据所述目标方向和所述目标方向的垂直方向划分各特征区域,得到各特征区域的子区域;
确定所述子区域沿其所属的各特征区域的目标方向的至少一个灰度特征向量,确定所述子区域沿垂直于其所属的各特征区域的所述垂直方向的至少一个灰度特征向量。
这样,若第一影像图片与第二影像图片中反映相同灰度变化的特征区域在其各自所属的影像图片中的分布存在旋转导致的偏差,则第一影像图片中的该特征区域的目标方向和像素点的位置相对于第二影像图片中的对应特征区域的目标方向和像素点的位置也存在这种旋转导致的偏差,通过以目标方向和目标方向的垂直方向划分子区域,确定子区域的灰度特征向量,可以在第一影像图片和第二影像图片中灰度变化相同的两个特征区域之间即使存在旋转导致的偏差的情况下,确定的灰度特征向量依然相同,通过这种灰度特征向量匹配第一影像图片和第二影像图片中的特征区域受特征区域的旋转偏差的影响小,因此匹配结果更精确。
图4为本说明书实施例提供的一种医学影像图片处理的方法的原理图,示出了在确定各特征区域的特征向量的原理示意图。
在图4中,o点是第一影像图片中的一个特征点,f是根据o点确定的目标方向,可以以目标方向f为水平方向,以垂直于f的方向为竖直方向,将特征区域划分为16个子区域,A是其中一个子区域。这样,可以确定子区域A内沿f方向的至少一个灰度特征向量和垂直于f方向的至少一个灰度特征向量。其中,子区域的可以是正方形、长方形或其他形状,在此不做具体限定。
其中,以目标方向和为水平方向以目标方向的垂直方向为竖直方向划分子区域是确定特征区域的灰度特征向量的一种方式。也可以针对每个特征区域,根据该特征区域内的特征点和目标方向、目标方向的垂直方向建立坐标系,直接统计特定坐标范围的区域的灰度变化,确定该特征区域的灰度特征向量,因此,在此对根据特征区域的特征点和目标方向确定特征区域的灰度特征向量的具体形式不做具体限定。
在本申请实施例中,根据所述灰度特征向量的相似度匹配所述第一影像图片中的特征区域的各灰度特征向量与所述第二影像图片的特征区域的各灰度特征向量,可以是,用穷举法将第一影像图片中所有特征区域的灰度特征向量与第二影像图片中所有特征区域的灰度特征向量匹配,确定相匹配的特征区域的灰度特征向量之间的相似度,若该相似度满足阈值,将该相似度对应的匹配方式作为第一影像图片的特征区域和第二影像图片配准的匹配方式,此时,第一影像图片和第二影像图片中相匹配的特征区域反映的灰度信息大致相同。
S104:根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
在本说明书实施例中,可以根据第一影像图片与第二影像图片特征区域的匹配关系确定特征点的匹配关系。
在本说明书实施例中,在第一影像图片和所述第二影像图片存在平移、缩放、旋转等偏移关系时,第一影像图片和所述第二影像图片之间相匹配的特征区域所包含的特征点也存在相应的位置偏移关系。这样,根据所述第一影像图片和第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,包括:
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域中包含的特征点的位置偏差确定变换参数;
根据所述变换参数,对所述第一影像图片进行变换。
在本说明书实施例中,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域中特征点的位置偏差确定变换参数,可以包括:
根据述第一影像图片和所述第二影像图片之间相匹配的特征区域中的特征点的分布位置确定仿射矩阵。
图5为本说明书实施例提供的一种医学影像图片处理的方法的原理图处理的。
图5示出了根据匹配的特征区域的特征点对第一影像图片进行变换的原理示意图。如图5所示,P1表示第一影像图片,P2表示第二影像图片,a、b、c表示P1中的特征点,a’、b’、c’表示P2中的特征点,其中,a→a’,b→b’,c→c’表示特征点之间的匹配关系,在图5中,特征点a’、e’、f’之间的相对距离比d、e、f之间的相对距离大,表示P2相比P1图像尺寸发生了变化。则可通过d’、e’、f’在P1中的分布位置与d、e、f在P2中的分布位置确定仿射矩阵,根据该仿射矩阵,对P1进行变换,使变换后的P1中d、e、f的分布位置与d’、e’、f’在P4中的分布位置相同。
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,可以看做对第一影像图片进行平移、旋转、缩放等变换。
由于特征区域可以包含更多特征信息,基于特征区域匹配第一影像图片和第二影像图片,匹配结果的精确度更高,可以实现根据匹配结果对第一影像图片进行精确地仿射变换,确保变换后的第一影像图片和第二影像图片在尺寸和图像内容分布位置方面达到大约一致。
在本说明书实施例中,可以对变换后的第一影像图片与第二影像图片进行剪影,获得包含人体脑部中的血管的造影图。这样,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同,可以包括:
将所述变换后的第一影像图片与所述第二影像图片相减,得到包含所述人体脑部中的血管的影像图片。
由于特征区域可以包含更多特征信息,基于特征区域匹配第一影像图片和第二影像图片,匹配结果的精确度更高,可以实现根据匹配结果对第一影像图片进行精确地仿射变换,确保变换后的第一影像图片和第二影像图片在尺寸和图像内容分布位置方面达到大约一致。因此,通过对这种方式变换的第一影像图片与第二影像图片相减,得到的包含人体脑部中的血管的影像图片能更精确地反映人体脑部中的血管的分布。
图6为本说明书实施例提处的一种医学影像图片处理的装置的结构图。
本说明书实施例提供一种医学影像图片处理装置,可以包括:
图像确定模块601,确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
特征提取模块602,从所述第一影像图片和所述第二影像图片中提取特征区域;
匹配模块603,根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
变换模块604,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
该装置通过根据特征区域匹配包含造影和不含造影的影像图片,由于特征区域可以包含更多特征信息,因此,基于特征区域匹配第一影像图片和第二影像图片,匹配结果的精确度更高,根据匹配结果对第一影像图片进行精确地仿射变换,确保变换后的第一影像图片和第二影像图片在尺寸和图像内容分布位置方面达到大约一致。
可选地,从所述第一影像图片和所述第二影像图片中提取特征区域,包括:
从所述第一影像图片和所述第二影像图片中筛选符合预设灰度条件的特征点;
根据所述特征点确定包含所述特征点的特征区域。
可选地,从所述第一影像图片和所述第二影像图片中筛选符合预设灰度条件的特征点,包括:
从所述第一影像图片和所述第二影像图片中筛选灰度极值点;
根据所述灰度极值点确定符合预设灰度条件的特征点。
可选地,根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域,包括:
根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值;
根据匹配结果确定所述第一影像图片和所述第二影像图片中相匹配的特征区域。
可选地,在根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值之前,还包括:
对各特征点,确定以所述特征点为起点满足预设灰度变化条件的目标方向;
根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值,包括:
对各特征区域进行处理,确定所述特征区域沿其所包含的特征点对应的目标方向的至少一个灰度特征向量,确定所述特征区域沿垂直于所述目标方向的至少一个灰度特征向量;
根据所述灰度特征向量的相似度匹配所述第一影像图片中的特征区域的各灰度特征向量与所述第二影像图片的特征区域的各灰度特征向量。
可选地,所述对各特征区域进行处理,确定所述特征区域沿其所包含的特征点对应的目标方向的至少一个灰度特征向量,确定所述特征区域沿垂直于所述目标方向的至少一个灰度特征向量,包括:
根据所述目标方向和所述目标方向的垂直方向划分各特征区域,得到各特征区域的子区域;
确定各子区域沿其所属的各特征区域的目标方向的至少一个灰度特征向量,确定各子区域沿垂直于其所属的各特征区域的所述垂直方向的至少一个灰度特征向量。
可选地,根据所述第一影像图片和第二影像图片中相匹配的特征区域,对所述第一影像图片进行仿射变换,包括:
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域中包含的特征点的位置偏差确定变换参数;
根据所述变换参数,对所述第一影像图片进行变换。
可选地,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域中包含的特征点的位置偏差确定变换参数,包括:
根据述第一影像图片和所述第二影像图片之间相匹配的特征区域中包含的特征点的分布位置确定仿射矩阵。
可选地,还包括:
将所述变换后的第一影像图片与所述第二影像图片相减,得到包含所述人体脑部中的血管的影像图片。
本说明书实施例提供一种电子设备,其特征在于,包括至少一个处理器及存储器,存储器存储有程序,并且被配置成至少由一个处理器执行以下步骤:
确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
从所述第一影像图片和所述第二影像图片中提取特征区域;
根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
本说明书实施例还提供一种包括与电子设备结合使用的程序,程序可被处理器执行完成以下步骤:
确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
从所述第一影像图片和所述第二影像图片中提取特征区域;
根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (20)
1.一种医学影像图片处理的方法,其特征在于,包括:
确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
从所述第一影像图片和所述第二影像图片中提取特征区域;
根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
2.如权利要求1所述的方法,其特征在于,从所述第一影像图片和所述第二影像图片中提取特征区域,包括:
从所述第一影像图片和所述第二影像图片中筛选符合预设灰度条件的特征点;
根据所述特征点确定包含所述特征点的特征区域。
3.如权利要求2所述的方法,其特征在于,从所述第一影像图片和所述第二影像图片中筛选符合预设灰度条件的特征点,包括:
从所述第一影像图片和所述第二影像图片中筛选灰度极值点;
根据所述灰度极值点确定符合预设灰度条件的特征点。
4.如权利要求2所述的方法,其特征在于,根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域,包括:
根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值;
根据匹配结果确定所述第一影像图片和所述第二影像图片中相匹配的特征区域。
5.如权利要求4所述的方法,其特征在于,在根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值之前,还包括:
对各特征点,确定以所述特征点为起点满足预设灰度变化条件的目标方向;
根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值,包括:
对各特征区域进行处理,确定所述特征区域沿其所包含的特征点对应的目标方向的至少一个灰度特征向量,确定所述特征区域沿垂直于所述目标方向的至少一个灰度特征向量;
根据所述灰度特征向量的相似度匹配所述第一影像图片中的特征区域的各灰度特征向量与所述第二影像图片的特征区域的各灰度特征向量。
6.如权利要求5所述的方法,其特征在于,所述对各特征区域进行处理,确定所述特征区域沿其所包含的特征点对应的目标方向的至少一个灰度特征向量,确定所述特征区域沿垂直于所述目标方向的至少一个灰度特征向量,包括:
根据所述目标方向和所述目标方向的垂直方向划分各特征区域,得到各特征区域的子区域;
确定各子区域沿所属的各特征区域的目标方向的至少一个灰度特征向量,确定各子区域沿垂直于其所属的各特征区域的所述垂直方向的至少一个灰度特征向量。
7.如权利要求4所述的方法,其特征在于,根据所述第一影像图片和所述第二影像图片中相匹配的特征区域,对所述第一影像图片进行仿射变换,包括:
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域中包含的特征点的位置偏差确定变换参数;
根据所述变换参数,对所述第一影像图片进行变换。
8.如权利要求7所述的方法,其特征在于,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域中包含的特征点的位置偏差确定变换参数,包括:
根据述第一影像图片和所述第二影像图片之间相匹配的特征区域中的特征点的分布位置确定仿射矩阵。
9.如权利要求1所述的方法,其特征在于,所述方法还包括:
将所述变换后的第一影像图片与所述第二影像图片相减,得到包含所述人体脑部中的血管的影像图片。
10.一种医学影像图片处理的装置,其特征在于,包括:
图像确定模块,确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
特征提取模块,从所述第一影像图片和所述第二影像图片中提取特征区域;
匹配模块,根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
变换模块,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
11.如权利要求10所述的装置,其特征在于,从所述第一影像图片和所述第二影像图片中提取特征区域,包括:
从所述第一影像图片和所述第二影像图片中筛选符合预设灰度条件的特征点;
根据所述特征点确定包含所述特征点的特征区域。
12.如权利要求11所述的装置,其特征在于,从所述第一影像图片和所述第二影像图片中筛选符合预设灰度条件的特征点,包括:
从所述第一影像图片和所述第二影像图片中筛选灰度极值点;
根据所述灰度极值点确定符合预设灰度条件的特征点。
13.如权利要求11所述的装置,其特征在于,根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域,包括:
根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值;
根据匹配结果确定所述第一影像图片和所述第二影像图片中相匹配的特征区域。
14.如权利要求13所述的装置,其特征在于,在根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值之前,还包括:
对各特征点,确定以所述特征点为起点满足预设灰度变化条件的目标方向;
根据预设特征条件匹配所述第一影像图片的特征区域的灰度变化值和所述第二影像图片的特征区域的灰度变化值,包括:
对各特征区域进行处理,确定所述特征区域沿其所包含的特征点对应的目标方向的至少一个灰度特征向量,确定所述特征区域沿垂直于所述目标方向的至少一个灰度特征向量;
根据所述灰度特征向量的相似度匹配所述第一影像图片中的特征区域的各灰度特征向量与所述第二影像图片的特征区域的各灰度特征向量。
15.如权利要求14所述的装置,其特征在于,所述对各特征区域进行处理,确定所述特征区域沿其所包含的特征点对应的目标方向的至少一个灰度特征向量,确定所述特征区域沿垂直于所述目标方向的至少一个灰度特征向量,包括:
根据所述目标方向和所述目标方向的垂直方向划分各特征区域,得到各特征区域的子区域;
确定各子区域沿其所属的各特征区域的目标方向的至少一个灰度特征向量,确定各子区域沿垂直于其所属的各特征区域的所述垂直方向的至少一个灰度特征向量。
16.如权利要求13所述的装置,其特征在于,根据所述第一影像图片和第二影像图片中相匹配的特征区域,对所述第一影像图片进行仿射变换,包括:
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域中包含的特征点的位置偏差确定变换参数;
根据所述变换参数,对所述第一影像图片进行变换。
17.如权利要求16所述的装置,其特征在于,根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域中包含的特征点的位置偏差确定变换参数,包括:
根据述第一影像图片和所述第二影像图片之间相匹配的特征区域中包含的特征点的分布位置确定仿射矩阵。
18.如权利要求10所述的装置,其特征在于,所述装置还包括:
将所述变换后的第一影像图片与所述第二影像图片相减,得到包含所述人体脑部中的血管的影像图片。
19.一种电子设备,其特征在于,包括至少一个处理器及存储器,存储器存储有程序,并且被配置成至少由一个处理器执行以下步骤:
确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
从所述第一影像图片和所述第二影像图片中提取特征区域;
根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
20.一种计算机可读存储介质,其特征在于,包括与电子设备结合使用的程序,程序可被处理器执行完成以下步骤:
确定人体脑部的第一影像图片和第二影像图片,所述第一影像图片和第二影像图片中的其中之一影像图片为未对所述人体脑部中的血管进行显影标记时的影像图片,所述第一影像图片和第二影像图片中的另一影像图片为对人体脑部中的血管进行显影标记时的影像图片;
从所述第一影像图片和所述第二影像图片中提取特征区域;
根据预设特征条件匹配所述第一影像图片的特征区域和所述第二影像图片中的特征区域;
根据所述第一影像图片和所述第二影像图片之间相匹配的特征区域,对所述第一影像图片进行仿射变换,得到变换后的第一影像图片与第二影像图片之间相匹配的特征区域分布位置相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529908.6A CN109712121B (zh) | 2018-12-14 | 2018-12-14 | 一种医学影像图片处理的方法、设备及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529908.6A CN109712121B (zh) | 2018-12-14 | 2018-12-14 | 一种医学影像图片处理的方法、设备及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109712121A true CN109712121A (zh) | 2019-05-03 |
CN109712121B CN109712121B (zh) | 2023-05-23 |
Family
ID=66255797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811529908.6A Active CN109712121B (zh) | 2018-12-14 | 2018-12-14 | 一种医学影像图片处理的方法、设备及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109712121B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598751A (zh) * | 2018-12-14 | 2019-04-09 | 强联智创(北京)科技有限公司 | 一种医学影像图片处理的方法、设备及装置 |
CN110245678A (zh) * | 2019-05-07 | 2019-09-17 | 华中科技大学 | 一种异构孪生区域选取网络及基于该网络的图像匹配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578093A (zh) * | 2012-07-18 | 2014-02-12 | 成都理想境界科技有限公司 | 图像配准方法、装置及增强现实*** |
CN107240130A (zh) * | 2017-06-06 | 2017-10-10 | 苍穹数码技术股份有限公司 | 遥感影像配准方法、装置及*** |
CN107610164A (zh) * | 2017-09-11 | 2018-01-19 | 北京空间飞行器总体设计部 | 一种基于多特征混合的高分四号影像配准方法 |
CN109598751A (zh) * | 2018-12-14 | 2019-04-09 | 强联智创(北京)科技有限公司 | 一种医学影像图片处理的方法、设备及装置 |
-
2018
- 2018-12-14 CN CN201811529908.6A patent/CN109712121B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578093A (zh) * | 2012-07-18 | 2014-02-12 | 成都理想境界科技有限公司 | 图像配准方法、装置及增强现实*** |
CN107240130A (zh) * | 2017-06-06 | 2017-10-10 | 苍穹数码技术股份有限公司 | 遥感影像配准方法、装置及*** |
CN107610164A (zh) * | 2017-09-11 | 2018-01-19 | 北京空间飞行器总体设计部 | 一种基于多特征混合的高分四号影像配准方法 |
CN109598751A (zh) * | 2018-12-14 | 2019-04-09 | 强联智创(北京)科技有限公司 | 一种医学影像图片处理的方法、设备及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598751A (zh) * | 2018-12-14 | 2019-04-09 | 强联智创(北京)科技有限公司 | 一种医学影像图片处理的方法、设备及装置 |
CN109598751B (zh) * | 2018-12-14 | 2023-05-23 | 强联智创(苏州)医疗科技有限公司 | 一种医学影像图片处理的方法、设备及装置 |
CN110245678A (zh) * | 2019-05-07 | 2019-09-17 | 华中科技大学 | 一种异构孪生区域选取网络及基于该网络的图像匹配方法 |
CN110245678B (zh) * | 2019-05-07 | 2021-10-08 | 华中科技大学 | 一种基于异构孪生区域选取网络的图像匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109712121B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949899B (zh) | 图像三维测量方法、电子设备、存储介质及程序产品 | |
US9426444B2 (en) | Depth measurement quality enhancement | |
CN106157310B (zh) | 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法 | |
JP5337845B2 (ja) | デジタル画像上での測定の実施法 | |
Wagner et al. | Robust and unobtrusive marker tracking on mobile phones | |
US9552641B2 (en) | Estimation of shift and small image distortion | |
US20190320154A1 (en) | Electronic system including image processing unit for reconstructing 3d surfaces and iterative triangulation method | |
KR100810326B1 (ko) | 다해상도 3차원 모델 생성 방법 | |
Tudisco et al. | An extension of digital volume correlation for multimodality image registration | |
CN109712121A (zh) | 一种医学影像图片处理的方法、设备及装置 | |
CN111220235A (zh) | 水位监测方法及装置 | |
CN108460738A (zh) | 基于b样条的医学图像倾斜校正方法 | |
Aouadi et al. | Accurate and precise 2D–3D registration based on X-ray intensity | |
CN109598751A (zh) | 一种医学影像图片处理的方法、设备及装置 | |
CN114913287B (zh) | 一种三维人体模型重建方法及*** | |
JP2009146150A (ja) | 特徴位置検出方法及び特徴位置検出装置 | |
Bajpai et al. | High quality real-time panorama on mobile devices | |
CN113284081B (zh) | 深度图超分辨率优化方法、装置、处理设备及存储介质 | |
CN107231551B (zh) | 一种图像检测方法及装置 | |
Van Wyk | Markerless augmented reality on ubiquitous mobile devices with integrated sensors | |
JP2005292027A (ja) | 三次元形状計測・復元処理装置および方法 | |
CN113362244B (zh) | 基于优先级和数据使用计划的图像处理方法 | |
Kim et al. | Comparison of Free-Viewpoint-Based Heterogeneous Sensor Fusion for 3D Data Generation | |
Weng et al. | Image Stitching Based on Discrete Wavelet Transform and Slope Fusion | |
Weng et al. | Check for updates Image Stitching Based on Discrete Wavelet Transform and Slope Fusion |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |