CN117392038B - 医学图像直方图均衡化方法、装置、电子设备和存储介质 - Google Patents
医学图像直方图均衡化方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117392038B CN117392038B CN202311650246.9A CN202311650246A CN117392038B CN 117392038 B CN117392038 B CN 117392038B CN 202311650246 A CN202311650246 A CN 202311650246A CN 117392038 B CN117392038 B CN 117392038B
- Authority
- CN
- China
- Prior art keywords
- equal area
- histogram
- grid
- area
- subarea
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000011218 segmentation Effects 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 abstract description 9
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了医学图像直方图均衡化方法、装置、电子设备和存储介质,属于医学图像处理技术领域。该方法包括:获取待处理的医学图像,并进行网格化处理,得到多个非等面积子区域,确定每个非等面积子区域直方图在预设的分段数目下的信息熵之和,根据其中的最大信息熵,将每个非等面积子区域的直方图划分为多段,对每个非等面积子区域对应的多段直方图均进行均衡化,得到每个非等面积子区域对应的均衡子区域,通过插值方法,将全部的均衡子区域进行拼接,得到均匀图像。本发明根据医学图像的灰度分布特点,把整幅医学图像划分为多个非等面积子区域,对每个非等面积子区域进行均衡化,相较于全局均衡化而言,能够提高医学图像的均衡化效果及一致性。
Description
技术领域
本发明涉及医学图像处理技术领域,尤其涉及一种医学图像直方图均衡化方法、装置、电子设备和存储介质。
背景技术
随着医学的快速发展,对医学图像的清晰度要求也日益提高,为了更加清晰地显示由机器采集到的医学图像,更加准确地辅助医生诊断和治疗,通常会对采集到的医学图像进行增强。
目前,对医学图像进行直方图均衡化是医学图像增强常用的一种方法,主要是通过调整医学图像的动态范围,使得图像灰度分布更均匀,图像对比度更好,清晰度更高。
但是,由于目前常用的直方图均衡化是对整幅医学图像做全局均衡化,对灰度级较少的医学图像均衡化处理后,医学图像亮的区域变得过亮,暗的部分过暗,背景噪声也通常被放大,容易导致出现部分区域对比度下降及局部细节变差甚至丢失的问题。
发明内容
为了解决现有技术中存在的容易导致出现部分区域对比度下降及局部细节变差甚至丢失的问题,本发明提供了如下技术方案。
本发明一方面提供了一种医学图像直方图均衡化的方法,包括:
获取待处理的医学图像;
对所述待处理的医学图像进行网格化处理,得到多个非等面积子区域;
针对每个预设的分段数目,确定每个非等面积子区域直方图在该分段数目下的信息熵之和;
根据信息熵之和中的最大信息熵,将每个非等面积子区域的直方图划分为多段;
对每个非等面积子区域对应的多段直方图均进行均衡化,得到每个非等面积子区域对应的均衡子区域;
通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像。
优选地,对所述待处理的医学图像进行网格化处理,得到多个非等面积子区域,包括:
将所述待处理的医学图像划分为多个等面积的网格区域;
针对每个网格区域,判断该网格区域是否满足公式,若是,则选取与该网格区域相邻的网格区域并合并,得到新的网格区域,并继续判断新的网格区域是否满足所述公式,直到新的网格区域不满足所述公式为止,将新的网格区域作为非等面积子区域,若否,则将该网格区域作为非等面积子区域,其中,/>为网格区域的灰度范围,/>为该网格区域内灰度为/>的像素数目,/>为该网格区域的像素数目,/>为预设的阈值。
优选地,选取与该网格区域相邻的网格区域,包括:
针对每个相邻的网格区域,通过公式,确定该相邻的网格区域的均衡值/>;选取所述均衡值最小的网格区域。
优选地,针对每个预设的分段数目,确定每个非等面积子区域直方图在该分段数目下的信息熵之和,包括:
针对每个预设的分段数目,根据该预设的分段数目,通过公式和/>,确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵,其中,/>为子直方图信息熵,/>为图像灰度级,为非等面积子区域的直方图内灰度为/>的像素数目,/>为非等面积子区域的第/>个子直方图的像素总数,/>为灰度值为/>的像素出现的概率,/>为预设的分段数目;确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵之和,得到每个非等面积子区域在不同分段数目下的信息熵之和。
优选地,根据信息熵之和中的最大信息熵,将每个非等面积子区域的直方图划分为多段,包括:
确定最大信息熵对应的分段数目;
针对每个非等面积子区域的直方图,确定该非等面积子区域的直方图的灰度均值;
以所述灰度均值作为分界阈值,将每个非等面积子区域的直方图首先分为两段,当所分的段数为最大信息熵对应的分段数目时,则分段结束,否则再分别针对已分段的每段直方图,确定该段的灰度均值,并以该段的最小灰度值、灰度均值和最大灰度值生成新的分段,直到每个非等面积子区域的直方图总分段数等于最大信息熵对应的分段数目为止。
优选地,通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像,包括:
通过双线性插值公式,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像,其中,/>为均匀图像,/>为线性插值处理操作,/>为第/>个非等面积子区域,/>为第/>个非等面积子区域对应的均衡子区域。
本发明的第二方面,提供一种医学图像直方图均衡化装置,包括:
获取模块,用于获取待处理的医学图像;
网格处理模块,用于对所述待处理的医学图像进行网格化处理,得到多个非等面积子区域;
确定模块,用于针对每个预设的分段数目,确定每个非等面积子区域直方图在该分段数目下的信息熵之和;
划分模块,用于根据信息熵之和中的最大信息熵,将每个非等面积子区域的直方图划分为多段;
均衡模块,用于对每个非等面积子区域对应的多段直方图均进行均衡化,得到每个非等面积子区域对应的均衡子区域;
插值模块,用于通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像。
本发明的第三方面提供一种电子设备,包括处理器和存储器,所述存储器存储有多条指令,所述处理器用于读取所述指令并执行如第一方面所述的方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述多条指令可被处理器读取并执行如第一方面所述的方法。
本发明提供的医学图像直方图均衡化的方法、装置、电子设备和存储介质,具有如下有益效果:本发明根据医学图像的灰度分布特点,把整幅医学图像划分为多个非等面积子区域,使得非等面积子区域内的灰度具有近似性,并选取信息熵最大时的分段数目作为所述子区域直方图的最佳分段数目,然后分别对每个非等面积子区域进行均衡化,再将均衡子区域进行拼接,得到均匀图像,相较于现有技术中的全局均衡化而言,能够提高医学图像的均衡化效果及一致性,避免出现部分区域对比度下降及局部细节变差甚至丢失的问题,同时提高了均衡化的速度与效率。
附图说明
图1为本发明实施例提供的一种医学图像直方图均衡化的方法流程示意图。
图2为本发明实施例提供的一种非等面积子区域对应的直方图分段示意图。
图3为本发明实施例提供的一种医学图像直方图均衡化装置的原理结构图。
具体实施方式
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施,该终端可以包括一个或多个如下部件:处理器、存储器和显示屏。其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分,通过运行或执行存储在存储器内的指令、程序、代码集或指令集,以及调用存储在存储器内的数据,执行终端的各种功能和处理数据。
存储器可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory,ROM)。存储器可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
除此之外,本领域技术人员可以理解,上述终端的结构并不构成对终端的限定,终端可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。比如,终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件,在此不再赘述。
实施例一
如图1所示,本实施例提供了一种医学图像直方图均衡化的方法,包括:
S101:获取待处理的医学图像。
在本发明实施例中,待处理的医学图像包括灰度图像,具体由医疗器材采集得到的。
S102:对所述待处理的医学图像进行网格化处理,得到多个非等面积子区域。
由于医学图像不同区域的灰度分布存在较大的不同,如果对整幅医学图像直接做全局均衡化,那么医学图像亮的区域变得过亮,暗的部分过暗,背景噪声也通常被放大,因此,在本发明实施例中,可以对待处理的医学图像进行网格化处理,得到多个非等面积子区域,其中,每个非等面积子区域内的灰度分布都是近似的,也就是说,不同的非等面积子区域内的灰度分布不具有近似性,后续分别对多个非等面积子区域进行均衡化,这样就可以提高医学图像的均衡化效果及一致性。
进一步的,本发明实施例提供了一种对待处理的医学图像进行网格化处理,得到多个非等面积子区域的具体实施方法,如下:
将所述待处理的医学图像划分为多个等面积的网格区域;针对每个网格区域,判断该网格区域是否满足公式,若是,则选取与该网格区域相邻的网格区域并合并,得到新的网格区域,并继续判断新的网格区域是否满足所述公式,直到新的网格区域不满足所述公式为止,将新的网格区域作为非等面积子区域,若否,则将该网格区域作为非等面积子区域,其中,/>为网格区域的灰度范围,/>为该网格区域内灰度为/>的像素数目,/>为该网格区域的像素数目,/>为预设的阈值。
也就是说,把整幅图像划分为若干个等面积的网格区域,通常网格面积选取较小(例如/>等),网格区域/>的灰度范围为/>,网格区域是否与其相邻的网格区域进行合并的条件如下:
;
其中,为/>位置处的网格区域内灰度为/>的像素数目,/>为/>位置处的网格区域的像素数目,/>为预设的阈值。
在此需要说明的是,位置处的网格区域指的就是当前正在通过公式进行判断的网格区域。
当上述条件成立时,此网格区域不马上进行独立均衡化,而是与相邻的网格区域进行合并,如果上述不等式成立,则网格区域与相邻的网格区域一直进行合并,直到不等式不成立为止,上述网格区域的位置角标随网格区域合并情况动态变化,即合并后的网格区域视为一个新的网格区域,该新的网格区域即为一个非等面积子区域。
从上述可以看出,该过程就是首先把整幅医学图像划分为多个等面积的网格区域,再把符合公式的网格区域合并,从而进一步划分为多个非等面积子区域。
在此还需要说明的是,与该网格区域相邻的网格区域通常不止一个,因此,为了提高均衡效果,本发明实施例在选取与该网格区域相邻的网格区域的过程中,可以采用如下的方式:
针对每个相邻的网格区域,通过公式,确定该相邻的网格区域的均衡值,其中,/>为该相邻的网格区域的均衡值,/>为该相邻的网格区域的灰度范围,/>为该相邻的网格区域内灰度为/>的像素数目,/>为该相邻的网格区域的像素数目;选取所述均衡值最小的网格区域,其中,均衡值最小的网格区域称之为相邻优先合并的网格区域。
至此,通过步骤S102,得到个非等面积子区域,这里的非等面积,指的是普遍情况,实际包含等面积的特殊情形。
S103:针对每个预设的分段数目,确定每个非等面积子区域直方图在该分段数目下的信息熵之和。
由于非等面积子区域的直方图划分的段数不同,最后均衡化的效果也不同,因此,为了保证经过直方图均衡化后得到最佳的图像效果,本发明实施例在对每个非等面积子区域的直方图的分段数目选取时,不能仅仅依靠经验随便选取分段数目,而是要根据非等面积子区域图像的最大信息熵确定分段数目。
因此,本发明在得到多个非等面积子区域后,需要确定针对每个预设的分段数目,确定每个非等面积子区域直方图在该分段数目下的信息熵之和。
具体的,针对每个预设的分段数目,根据该预设的分段数目,通过公式和/>,确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵,其中,/>为子直方图信息熵,/>为图像灰度级,/>为非等面积子区域的直方图内灰度为/>的像素数目,/>为非等面积子区域的第个子直方图的像素总数,/>为灰度值为/>的像素出现的概率,/>为预设的分段数目,确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵之和,得到非等面积子区域在不同分段数目下的信息熵之和。
在此需要说明的是,预设的分段数目为2的n次方,如1、2、4、8等。
S104:根据信息熵之和中的最大信息熵,将每个非等面积子区域的直方图划分为多段。
在本发明实施例中,根据信息熵之和中的最大信息熵,将每个非等面积子区域的直方图划分为多段的具体实施方式如下:确定最大信息熵对应的分段数目;针对每个非等面积子区域的直方图,确定该非等面积子区域的直方图的灰度均值;以所述灰度均值作为分界阈值,将每个非等面积子区域的直方图首先分为两段,当所分的段数为最大信息熵对应的分段数目时,则分段结束,否则再分别针对已分段的每段直方图,确定该段的灰度均值,并以该段的最小灰度值、灰度均值和最大灰度值生成新的分段,直到每个非等面积子区域的直方图总分段数等于最大信息熵对应的分段数目为止。
例如,假设某个非等面积子区域的预设的分段数目为4,即,将该非等面积子区域对应的直方图划分为4段,针对该非等面积子区域,确定该非等面积子区域的直方图的灰度均值为,第一次划分的分界阈值选取直方图的灰度均值/>,第二次划分的阈值分别选取、/>内的灰度均值作为分界阈值,后续的划分以此类推,这样该非等面积子区域的直方图就划分为四段,分别是/>、/>、/>和/>,其中,/>,/>和/>分别代表整个直方图的最小灰度值与最大灰度值,/>为/>的灰度均值,/>,/>为/>的灰度均值,如图2所示,图2中的/>表示灰度值,/>表示灰度值的数量。
在此还需要说明的是,根据预设的分段数目,计算每个非等面积子区域对应的子直方图信息熵的过程中,需要根据预设的分段数目包括的每个段数,都通过公式确定一次每个非等面积子区域对应的子直方图信息熵,如,假设预设的分段数目为1、2、4、8,当分段数目为1时,通过公式确定每个非等面积子区域对应的子直方图信息熵,并将每个非等面积子区域的子直方图对应的信息熵之和,作为所述非等面积子区域在分段数目为1时的信息熵;当分段数目为2时,通过公式确定每个非等面积子区域对应的子直方图信息熵,并将每个非等面积子区域对应的子直方图信息熵之和,作为所述非等面积子区域在分段数目为2时的信息熵;当分段数目为4时,通过公式确定每个非等面积子区域对应的子直方图信息熵,并将每个非等面积子区域对应的子直方图信息熵之和,作为所述非等面积子区域在分段数目为4时的信息熵;当分段数目为8时,通过公式确定每个非等面积子区域对应的子直方图信息熵,并将每个非等面积子区域对应的子直方图信息熵之和,作为所述非等面积子区域在分段数目为8时的信息熵。
S105:对每个非等面积子区域对应的多段直方图均进行均衡化,得到每个非等面积子区域对应的均衡子区域。
进一步的,由于在实际应用中,图像最大信息熵所对应的分段数目能使医学图像的均衡化效果最好,因此,在本发明实施例中,可以确定所述非等面积子区域在不同分段数目下的信息熵中最大信息熵,并根据最大信息熵对应的分段数目,将每个非等面积子区域的直方图划分为多段。
最后,再将每个非等面积子区域的直方图划分成多段直方图后,对每个非等面积子区域对应的多段直方图均进行均衡化,得到每个非等面积子区域对应的均衡子区域。
另外,找出信息熵最大时的直方图分段数,即/>,/>最大值的选取以至少取到信息熵存在拐点为准,其中/>代表分段数为/>时对应的信息熵。对S103中非等面积子区域预设的分段数目以及其所对应的信息熵进行最小二乘法多项式拟合,通过寻峰计算出对应最高峰位置处的值,即信息熵最大时的分段数/>,满足下述条件:
(a)如果时熵最大,则选取/>;
(b)如果条件(a)不成立,则存在:
,
其中,和/>为正整数,/>为小于/>的任意分段数,/>为大于/>的任意分段数,/>、/>、/>分别代表直方图分段数为/>、/>、/>时的信息熵。
将与数值最接近的预设分段值/>作为该子区域的分段数目进行子区域均衡化。
进一步的,通过最小二乘多项式拟合方法寻找最佳分段数目,可以减少预设分段数的计算量,即并非所有预设分段数都需要计算最大熵。通过计算少量预设分段数及其对应的信息熵可以拟合得到最佳分段数目,再按所述分段数目进行分段和子区域均衡化。
S106:通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像。
进一步的,在对每个非等面积子区域进行均衡化之后,需要将这些非等面积子区域进行拼接,还原成整幅医学图像。
在本发明实施例中,可以通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像。
在此需要说明的是,为了使非等面积子区域之间的过渡更均匀,得到均匀性更好的图像,在本发明实施例中,通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像具体可以如下:
通过双线性插值公式,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像,其中,/>为均匀图像,/>为线性插值处理操作,为第/>个非等面积子区域,/>为第/>个非等面积子区域对应的均衡子区域。
通过上述方法,本发明根据医学图像的灰度分布特点,把整幅医学图像划分为多个非等面积子区域,使得非等面积子区域内的灰度具有近似性,并选取信息熵最大时的分段数目作为所述子区域直方图的最佳分段数目,然后分别对每个非等面积子区域进行均衡化,再将均衡子区域进行拼接,得到均匀图像,相较于现有技术中的全局均衡化而言,能够提高医学图像的均衡化效果及一致性,避免出现部分区域对比度下降及局部细节变差甚至丢失的问题,同时提高了均衡化的速度与效率。
也就是说,本发明根据医学图像的灰度分布特点,把整幅医学图像划分为多个非等面积子区域,一方面可以通过条件判断的方式合并网格区域,使得最终合并后的非等面积子区域具有近似的灰度分布,以提高图像的均衡化效果及一致性,另一方面,不需要再对每个网格区域进行独立均衡化,而是对符合条件的尽可能大的区域进行均衡化,显著降低了均衡化计算的次数和复杂度,提高了均衡化的速度与效率。
另外,本发明对分段数目的选取,既不是默认选取整个区域,即分段数目为一,也不是随意选取一个经验的分段数目,而是通过计算图像的信息熵,选取信息熵最大时的分段数目作为最佳分段数目,然后做动态直方图均衡化处理,以保证经过直方图均衡化后得到最佳的图像效果。
最后,本发明结合双线性插值的方法把这些处理过的非等面积子区域拼接在一起,以避免出现非等面积子区域之间的阶梯块效应或非自然过渡。
实施例二
本实施例提供一种医学图像直方图均衡化装置,如图3所示,包括:获取模块301,用于获取待处理的医学图像;网格处理模块302,用于对所述待处理的医学图像进行网格化处理,得到多个非等面积子区域;确定模块303,用于针对每个预设的分段数目,确定每个非等面积子区域直方图在该分段数目下的信息熵之和;划分模块304,用于根据信息熵之和中的最大信息熵,将每个非等面积子区域的直方图划分为多段;均衡模块305,用于对每个非等面积子区域对应的多段直方图均进行均衡化,得到每个非等面积子区域对应的均衡子区域;插值模块306,用于通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像。
所述网格处理模块302具体用于,将所述待处理的医学图像划分为多个等面积的网格区域;针对每个网格区域,判断该网格区域是否满足公式,若是,则选取与该网格区域相邻的网格区域并合并,得到新的网格区域,并继续判断新的网格区域是否满足所述公式,直到新的网格区域不满足所述公式为止,将新的网格区域作为非等面积子区域,若否,则将该网格区域作为非等面积子区域,其中,/>为网格区域的灰度范围,/>为该网格区域内灰度为/>的像素数目,/>为该网格区域的像素数目,/>为预设的阈值。
所述网格处理模块302还用于,针对每个相邻的网格区域,通过公式,确定该相邻的网格区域的均衡值,其中,为该相邻的网格区域的均衡值。/>为该相邻的网格区域的灰度范围,/>为该相邻的网格区域内灰度为/>的像素数目,/>为该相邻的网格区域的像素数目;选取所述均衡值最小的网格区域。
所述确定模块303具体用于,针对每个预设的分段数目,根据该预设的分段数目,通过公式和/>,确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵,其中,/>为子直方图信息熵,/>为图像灰度级,/>为非等面积子区域的直方图内灰度为/>的像素数目,/>为非等面积子区域的第/>个子直方图的像素总数,/>为灰度值为/>的像素出现的概率,/>为预设的分段数目,确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵之和,得到非等面积子区域在不同分段数目下的信息熵之和。
所述划分模块304具体用于,确定最大信息熵对应的分段数目;针对每个非等面积子区域的直方图,确定该非等面积子区域的直方图的灰度均值;以所述灰度均值作为分界阈值,将每个非等面积子区域的直方图首先分为两段,当所分的段数为最大信息熵对应的分段数目时,则分段结束,否则再分别针对已分段的每段直方图,确定该段的灰度均值,并以该段的最小灰度值、灰度均值和最大灰度值生成新的分段,直到每个非等面积子区域的直方图总分段数等于最大信息熵对应的分段数目为止。
所述插值模块306具体用于,通过双线性插值公式,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像,其中,/>为均匀图像,为线性插值处理操作,/>为第/>个非等面积子区域,/>为第/>个非等面积子区域对应的均衡子区域。
该装置可实现上述实施例一提供的肿瘤预后效果评估的方法,具体的预测方法可参见实施例一中的描述,在此不再赘述。
实施例三
本发明提供了一种电子设备,包括处理器和存储器,所述存储器存储有多条指令,所述处理器用于读取所述指令并执行前述实施例一中的任一种方法。其中处理器和存储器可以通过总线或者其他方式连接,以通过总线连接为例。处理器可以为中央处理器(Central Processing Unit,CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本申请实施例中的方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例四
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令可被所述处理器加载并执行,以使所述处理器能够执行如实施例一中的任意一种方法。该计算机可读存储介质可以是有形存储介质,诸如随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、软盘、硬盘、可移动存储盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种医学图像直方图均衡化方法,其特征在于,包括:
获取待处理的医学图像;
对所述待处理的医学图像进行网格化处理,得到多个非等面积子区域;
针对每个预设的分段数目,确定每个非等面积子区域直方图在该分段数目下的信息熵之和;
根据信息熵之和中的最大信息熵,将每个非等面积子区域的直方图划分为多段;
对每个非等面积子区域对应的多段直方图均进行均衡化,得到每个非等面积子区域对应的均衡子区域;
通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像;
对所述待处理的医学图像进行网格化处理,得到多个非等面积子区域,包括:
将所述待处理的医学图像划分为多个等面积的网格区域;
针对每个网格区域,判断该网格区域是否满足公式,若是,则选取与该网格区域相邻的网格区域并合并,得到新的网格区域,并继续判断新的网格区域是否满足所述公式,直到新的网格区域不满足所述公式为止,将新的网格区域作为非等面积子区域,若否,则将该网格区域作为非等面积子区域,其中,/>为网格区域的灰度范围,/>为该网格区域内灰度为/>的像素数目,/>为该网格区域的像素数目,为预设的阈值;
针对每个预设的分段数目,确定每个非等面积子区域直方图在该分段数目下的信息熵之和,包括:
针对每个预设的分段数目,根据该预设的分段数目,通过公式和 />,确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵,其中,/>为子直方图信息熵,/>为图像灰度级,/>为非等面积子区域的直方图内灰度为/>的像素数目,/>为非等面积子区域的第/>个子直方图的像素总数,/>为灰度值为/>的像素出现的概率,/>为预设的分段数目;确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵之和,得到每个非等面积子区域在不同分段数目下的信息熵之和;
根据信息熵之和中的最大信息熵,将每个非等面积子区域的直方图划分为多段,包括:
确定最大信息熵对应的分段数目;
针对每个非等面积子区域的直方图,确定该非等面积子区域的直方图的灰度均值;
以所述灰度均值作为分界阈值,将每个非等面积子区域的直方图首先分为两段,当所分的段数为最大信息熵对应的分段数目时,则分段结束,否则再分别针对已分段的每段直方图,确定该段的灰度均值,并以该段的最小灰度值、灰度均值和最大灰度值生成新的分段,直到每个非等面积子区域的直方图总分段数等于最大信息熵对应的分段数目为止;
通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像,包括:
通过双线性插值公式,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像,其中,/>为均匀图像,/>为线性插值处理操作,/>为第/>个非等面积子区域,/>为第/>个非等面积子区域对应的均衡子区域。
2.根据权利要求1所述的一种医学图像直方图均衡化方法,其特征在于,选取与该网格区域相邻的网格区域,包括:
针对每个相邻的网格区域,通过公式,确定该相邻的网格区域的均衡值/>;选取所述均衡值最小的网格区域。
3.一种医学图像直方图均衡化装置,其特征在于,包括:
获取模块,用于获取待处理的医学图像;
网格处理模块,用于对所述待处理的医学图像进行网格化处理,得到多个非等面积子区域;
确定模块,用于针对每个预设的分段数目,确定每个非等面积子区域直方图在该分段数目下的信息熵之和;
划分模块,用于根据信息熵之和中的最大信息熵,将每个非等面积子区域的直方图划分为多段;
均衡模块,用于对每个非等面积子区域对应的多段直方图均进行均衡化,得到每个非等面积子区域对应的均衡子区域;
插值模块,用于通过插值方法,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像;
所述网格处理模块具体用于,将所述待处理的医学图像划分为多个等面积的网格区域;针对每个网格区域,判断该网格区域是否满足公式,若是,则选取与该网格区域相邻的网格区域并合并,得到新的网格区域,并继续判断新的网格区域是否满足所述公式,直到新的网格区域不满足所述公式为止,将新的网格区域作为非等面积子区域,若否,则将该网格区域作为非等面积子区域,其中,/>为网格区域的灰度范围,/>为该网格区域内灰度为/>的像素数目,/>为该网格区域的像素数目,为预设的阈值;
所述确定模块具体用于,针对每个预设的分段数目,根据该预设的分段数目,通过公式和 />,确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵,其中,/>为子直方图信息熵,/>为图像灰度级,/>为非等面积子区域的直方图内灰度为/>的像素数目,/>为非等面积子区域的第/>个子直方图的像素总数,/>为灰度值为/>的像素出现的概率,/>为预设的分段数目;确定每个非等面积子区域在该预设的分段数目下对应的子直方图信息熵之和,得到每个非等面积子区域在不同分段数目下的信息熵之和;
所述划分模块具体用于,确定最大信息熵对应的分段数目;针对每个非等面积子区域的直方图,确定该非等面积子区域的直方图的灰度均值;以所述灰度均值作为分界阈值,将每个非等面积子区域的直方图首先分为两段,当所分的段数为最大信息熵对应的分段数目时,则分段结束,否则再分别针对已分段的每段直方图,确定该段的灰度均值,并以该段的最小灰度值、灰度均值和最大灰度值生成新的分段,直到每个非等面积子区域的直方图总分段数等于最大信息熵对应的分段数目为止;
所述插值模块具体用于,通过双线性插值公式,将每个非等面积子区域对应的均衡子区域进行拼接,得到均匀图像,其中,/>为均匀图像,/>为线性插值处理操作,/>为第/>个非等面积子区域,/>为第/>个非等面积子区域对应的均衡子区域。
4.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有多条指令,所述处理器用于读取所述指令并执行如权利要求1-2任一所述的医学图像直方图均衡化方法。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述多条指令可被处理器读取并执行如权利要求1-2任一所述的医学图像直方图均衡化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311650246.9A CN117392038B (zh) | 2023-12-05 | 2023-12-05 | 医学图像直方图均衡化方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311650246.9A CN117392038B (zh) | 2023-12-05 | 2023-12-05 | 医学图像直方图均衡化方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117392038A CN117392038A (zh) | 2024-01-12 |
CN117392038B true CN117392038B (zh) | 2024-03-08 |
Family
ID=89463314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311650246.9A Active CN117392038B (zh) | 2023-12-05 | 2023-12-05 | 医学图像直方图均衡化方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117392038B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551854A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 不平衡医学影像处理***及其处理方法 |
CN102156888A (zh) * | 2011-04-27 | 2011-08-17 | 西安电子科技大学 | 基于特征点局部颜色及分布特征的图像拣出方法 |
CN102184560A (zh) * | 2011-03-25 | 2011-09-14 | 南昌航空大学 | 一种基于模板的ccd-dr图像拼接方法 |
CN103914811A (zh) * | 2014-03-13 | 2014-07-09 | 中国科学院长春光学精密机械与物理研究所 | 一种基于高斯混合模型的图像增强算法 |
CN104160409A (zh) * | 2012-01-02 | 2014-11-19 | 意大利电信股份公司 | 用于图像分析的方法和*** |
CN104392462A (zh) * | 2014-12-16 | 2015-03-04 | 西安电子科技大学 | 一种基于显著分割子区域对的sar图像配准方法 |
CN104794705A (zh) * | 2015-03-27 | 2015-07-22 | 努比亚技术有限公司 | 基于图像局部内容特征的图像去雾方法及装置 |
CN105139430A (zh) * | 2015-08-27 | 2015-12-09 | 哈尔滨工程大学 | 一种基于图熵的医学图像聚类方法 |
CN113435377A (zh) * | 2021-07-06 | 2021-09-24 | 吴国军 | 一种医疗手掌静脉图像采集监控方法及*** |
CN113506305A (zh) * | 2021-06-09 | 2021-10-15 | 西交利物浦大学 | 三维点云数据的图像增强方法、语义分割方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1605406A3 (en) * | 2004-06-11 | 2006-09-20 | Lyyn AB | Detection of objects in colour images |
WO2022051775A1 (en) * | 2020-09-04 | 2022-03-10 | Abova, Inc. | Method for x-ray dental image enhancement |
-
2023
- 2023-12-05 CN CN202311650246.9A patent/CN117392038B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551854A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 不平衡医学影像处理***及其处理方法 |
CN102184560A (zh) * | 2011-03-25 | 2011-09-14 | 南昌航空大学 | 一种基于模板的ccd-dr图像拼接方法 |
CN102156888A (zh) * | 2011-04-27 | 2011-08-17 | 西安电子科技大学 | 基于特征点局部颜色及分布特征的图像拣出方法 |
CN104160409A (zh) * | 2012-01-02 | 2014-11-19 | 意大利电信股份公司 | 用于图像分析的方法和*** |
CN103914811A (zh) * | 2014-03-13 | 2014-07-09 | 中国科学院长春光学精密机械与物理研究所 | 一种基于高斯混合模型的图像增强算法 |
CN104392462A (zh) * | 2014-12-16 | 2015-03-04 | 西安电子科技大学 | 一种基于显著分割子区域对的sar图像配准方法 |
CN104794705A (zh) * | 2015-03-27 | 2015-07-22 | 努比亚技术有限公司 | 基于图像局部内容特征的图像去雾方法及装置 |
CN105139430A (zh) * | 2015-08-27 | 2015-12-09 | 哈尔滨工程大学 | 一种基于图熵的医学图像聚类方法 |
CN113506305A (zh) * | 2021-06-09 | 2021-10-15 | 西交利物浦大学 | 三维点云数据的图像增强方法、语义分割方法及装置 |
CN113435377A (zh) * | 2021-07-06 | 2021-09-24 | 吴国军 | 一种医疗手掌静脉图像采集监控方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117392038A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161279B (zh) | 医学图像分割方法、装置及服务器 | |
CN110796624B (zh) | 一种图像生成方法、装置及电子设备 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN111080654B (zh) | 图像的病变区域分割方法、装置及服务器 | |
CN111091572B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
US9613405B2 (en) | Scalable massive parallelization of overlapping patch aggregation | |
CN108074220A (zh) | 一种图像的处理方法、装置及电视机 | |
CN112967207A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN113920022A (zh) | 一种图像优化方法、装置、终端设备及可读存储介质 | |
JP2012022652A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN111127341A (zh) | 图像处理方法和装置、及存储介质 | |
CN111383191B (zh) | 用于血管断裂修复的图像处理方法及装置 | |
CN111325671B (zh) | 网络训练方法、装置、图像处理方法及电子设备 | |
CN117392038B (zh) | 医学图像直方图均衡化方法、装置、电子设备和存储介质 | |
CN111507923B (zh) | 一种视频图像的噪声处理方法、装置、设备和介质 | |
CN112037141A (zh) | 图像去噪方法、装置、存储介质及电子设备 | |
CN115278104B (zh) | 一种图像亮度调整方法、装置、电子设备及存储介质 | |
CN114399494B (zh) | 异常细胞检测分割方法、装置、设备及存储介质 | |
CN111275622A (zh) | 图像拼接方法、装置及终端设备 | |
CN113269812B (zh) | 图像预测模型的训练及应用方法、装置、设备、存储介质 | |
CN112200730B (zh) | 图像滤波处理方法、装置、设备及存储介质 | |
CN114998172A (zh) | 图像处理方法及相关*** | |
CN111260663B (zh) | 鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质 | |
CN114140348A (zh) | 一种对比度增强方法、装置及设备 |
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 |