專利名稱：一種醫(yī)學(xué)圖像的邊緣增強(qiáng)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種醫(yī)學(xué)圖像的邊緣增強(qiáng)方法。
醫(yī)學(xué)影像的邊緣是影像的初級特征，保證影像的邊緣使信息不受損失是很重要的。然而，對于某些醫(yī)學(xué)影像，根據(jù)臨床影像診斷的需要，還需對其邊緣信息進(jìn)行增強(qiáng)，以提取并突出顯示臨床診斷所需的影像的某些特征信息。這是由于1)實際獲取影像的過程中，其要觀察和分析的標(biāo)志物體和背景相區(qū)別的邊緣的灰度差較小，造成二者對比度常常較低；2)影像信號在信號處理、數(shù)據(jù)采集和傳輸?shù)拳h(huán)節(jié)中，不可避免地要引入一些噪聲，因而進(jìn)一步使影像降質(zhì)；3)在平滑和濾除噪聲分量的同時，也會使影像邊緣受到平滑而變得模糊。因此，如何在增強(qiáng)模糊邊緣的同時，抑制各種噪聲，如高斯噪聲和脈沖噪聲等的影響，是設(shè)計邊緣增強(qiáng)算子的關(guān)鍵。
在數(shù)字圖像處理技術(shù)中，用于圖像邊緣增強(qiáng)的方法較多，如梯度(gradient)算子、拉普拉斯(Laplacian)算子、零交叉邊緣檢測(或Laplacian-of-Gaussian，LOG)算子和索貝爾(Sobel)算子等。這些邊緣增強(qiáng)算子由于各自的算法不同，因此圖像邊緣增強(qiáng)的效果不同。由于人體組織結(jié)構(gòu)的高度復(fù)雜性，各種醫(yī)學(xué)影像設(shè)備獲得的原始醫(yī)學(xué)影像中必然包含了大量及其復(fù)雜和豐富的人體器官和組織的信息，而醫(yī)學(xué)影像中的邊緣特征信息是反映人體器官和組織的最有效、最重要內(nèi)容之一。用什么樣的邊緣增強(qiáng)方法才能提取出對臨床診斷有幫助的邊緣特征信息是醫(yī)學(xué)圖像處理首先要研究的最主要內(nèi)容。
本發(fā)明提供的技術(shù)方案是一種醫(yī)學(xué)圖像的邊緣增強(qiáng)方法，通過拉普拉斯(Laplacian)濾波器、序值(rank value)濾波器、邊緣檢測器、增益單元和/或求和單元的組合，或通過拉普拉斯濾波器、序值濾波器、邊緣檢測器、增益單元、求和單元中的任一個使用兩次或多次，獲得邊緣增強(qiáng)效果算子(operator)，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
上述拉普拉斯濾波器、序值濾波器、邊緣檢測器、增益單元、求和單元中的任兩個或兩個以上組合以及其中任一個使用兩次或多次，獲得邊緣增強(qiáng)效果算子。用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
或者，通過拉普拉斯濾波器、序值濾波器的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
或者，通過序值濾波器、拉普拉斯濾波器、邊緣檢測器的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
或者，通過序值濾波器、拉普拉斯濾波器、增益單元及求和單元的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
或者，通過序值濾波器、拉普拉斯濾波器、邊緣檢測器、增益單元及求和單元的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
或者，將邊緣檢測器使用兩次或多次，獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
或者，將拉普拉斯濾波器、序值濾波器、邊緣檢測器和增益單元組合，其中序值濾波器使用兩次或多次，獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
這種邊緣增強(qiáng)方法中，每個單元的基本原理和具體表達(dá)是1、拉普拉斯(Laplacian)濾波器拉普拉斯(Laplacian)濾波器是一個二維函數(shù)的二階導(dǎo)數(shù)標(biāo)量算子，被定義為▿2f(x,y)=(∂2∂x2+∂2∂y2)f(x,y)]]>對于一幅圖像P1(x，y)，拉晉拉斯(Laplacian)算子的離散模型為P2(x，y)＝4P1(x，y)-P1(x-1，y)-P1(x+1，y)-P1(x，y-1)-P1(x，y+1)2、序值(rank value)濾波器序值(rank value)濾波器是以圖像中的每一個象素為中心，取n×n的鄰域，將鄰域灰度值從小到大排序，新圖像的每一個象素的灰度值取為其鄰域的某一個序值，該濾波器常用于濾掉圖像的噪聲。例如當(dāng)新圖像的每一個象素的灰度值取為其鄰域的中間值或平均值，分別稱為中值濾波器或平均值濾波器；按照序值大小，如最小值、最大值或中間值，亦稱為第一、第N或第(N+1)/2序值濾波器(其中N為鄰域中非零灰度值象素的數(shù)目)。
3、邊緣檢測器一幅圖像經(jīng)邊緣檢測器作用后，結(jié)果圖像中每一個象素的灰度值正比于該象素與其鄰域象素的灰度差。因此，原始圖像中與鄰域象素的灰度差大的象素，結(jié)果圖像中該象素的灰度值大；反之則灰度值小。
該邊緣檢測器還能夠用其它的邊緣檢測器取代，其結(jié)果圖像的邊緣檢測效果略有差異。這些邊緣檢測器是Sobel邊緣檢測器、Compass梯度邊緣檢測器、Robert邊緣檢測器、Kirsch邊緣檢測器和Gaussian差分邊緣檢測器。
4、增益單元和一幅圖像P1(x，y)的每一個象素乘以常數(shù)G，新圖像表示為P2(x，y)＝G×P1(x，y)5、求和單元兩幅大小(象素)相同的圖像P1(x，y)和P2(x，y)，兩幅圖像相加表示為P3(x，y)＝P1(x，y)+P2(x，y)本發(fā)明應(yīng)用上述邊緣增強(qiáng)方法獲得的一些相關(guān)的邊緣增強(qiáng)效果算子分別對醫(yī)學(xué)圖像進(jìn)行處理，能夠產(chǎn)生并顯示增強(qiáng)的醫(yī)學(xué)灰度圖像的邊界特征，通過分析醫(yī)學(xué)圖像的這些邊緣特征，為臨床影像學(xué)診斷各種疾病提供有力依據(jù)。例如能夠從各種影像設(shè)備獲取的原始影像中提取并分辨腫瘤組織的特征信息；能夠提取并顯示圖像中相關(guān)區(qū)域?qū)?yīng)的組織結(jié)構(gòu)信息；顯示并增強(qiáng)組織中的，或隱含在組織中、正常情況下原始醫(yī)學(xué)圖像中未能顯示出的血管信息；顯示并增強(qiáng)醫(yī)學(xué)圖像中灰影團(tuán)的邊界信息等。
將拉普拉斯(Laplacian)濾波器、序值(rank value)濾波器、邊緣檢測器、增益單元和求和單元按照數(shù)學(xué)的組合方法進(jìn)行組合，這些單元之間的組合數(shù)是非常大的。組合方式不同，獲得的算子對圖像處理后的效果是不同的，判斷一種算子對醫(yī)學(xué)圖像處理后獲得的信息是否有價值，是以這種算子對一種醫(yī)學(xué)圖像處理后獲得的信息是否有助于醫(yī)學(xué)臨床診斷為依據(jù)的。不同的醫(yī)學(xué)影像設(shè)備，由于其獲得醫(yī)學(xué)影像的原理和方法不同，因此，醫(yī)學(xué)影像中包含的信息是不同的，所以，同一種算子處理不同醫(yī)學(xué)影像設(shè)備獲得的同一人體部位醫(yī)學(xué)影像后得到的信息也是不同的。這說明應(yīng)用這種邊緣增強(qiáng)方法獲得的邊緣增強(qiáng)效果算子在臨床醫(yī)學(xué)影像學(xué)診斷領(lǐng)域中的應(yīng)用具有極強(qiáng)的適用性和極大的擴(kuò)展性。一方面，通過不同組合獲得的數(shù)量巨大的不同算子為臨床影像學(xué)診斷提供有價值的信息；另一方面，隨著醫(yī)學(xué)影像技術(shù)的不斷創(chuàng)新與發(fā)展，新的醫(yī)學(xué)影像設(shè)備的不斷出現(xiàn)，這種醫(yī)學(xué)圖像邊緣增強(qiáng)方法和由此獲得的邊緣增強(qiáng)效果算子在臨床影像學(xué)診斷領(lǐng)域中的應(yīng)用將不斷拓寬。
圖5為未經(jīng)本發(fā)明處理的原始圖像；圖6為本發(fā)明對圖5處理后的結(jié)果圖像。
圖7為未經(jīng)本發(fā)明處理的原始圖像；圖8為本發(fā)明對圖7處理后的結(jié)果圖像。
實施例1原始圖像輸入后依次經(jīng)序值(rank value)濾波器、拉普拉斯(Laplacian)濾波器、邊緣檢測器、增益單元及求和單元處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征的結(jié)果圖像。
實施例2原始圖像輸入后依次經(jīng)拉普拉斯濾波器、序值濾波器、邊緣檢測器及增益單元處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征的結(jié)果圖像。
實施例3原始圖像輸入后依次經(jīng)第一個序值濾波器、第二個序值濾波器、拉普拉斯濾波器、邊緣檢測器、增益單元處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征的結(jié)果圖像。其中第一個序值濾波器的序值+第二個序值濾波器的序值為N+1(N為鄰域中非零灰度值象素的數(shù)目)。
實施例4原始圖像輸入后依次經(jīng)邊緣檢測器、序值濾波器處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征的結(jié)果圖像。
實施例5原始圖像輸入后經(jīng)邊緣檢測器處理，處理結(jié)果再次用邊緣檢測器處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征的結(jié)果圖像。
實施例6通過拉普拉斯濾波器、序值濾波器的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
實施例7通過序值濾波器、拉普拉斯濾波器、邊緣檢測器的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
實施例8通過序值濾波器、拉普拉斯濾波器、增益單元及求和單元的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
權(quán)利要求
1.一種醫(yī)學(xué)圖像的邊緣增強(qiáng)方法，通過拉普拉斯濾波器、序值濾波器、邊緣檢測器、增益單元和/或求和單元的組合，或通過拉普拉斯濾波器、序值濾波器、邊緣檢測器、增益單元、求和單元中的任一個使用兩次或多次，獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于上述拉普拉斯濾波器、序值濾波器、邊緣檢測器、增益單元、求和單元中的任兩個或兩個以上組合以及其中任一個使用兩次或多次，獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于通過拉普拉斯濾波器、序值濾波器的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于通過序值濾波器、拉普拉斯濾波器、邊緣檢測器的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于通過序值濾波器、拉普拉斯濾波器、增益單元及求和單元的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于通過序值濾波器、拉普拉斯濾波器、邊緣檢測器、增益單元及求和單元的組合獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于將邊緣檢測器使用兩次或多次，獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
8.根據(jù)權(quán)利要求2所述的方法，其特征在于將拉普拉斯濾波器、序值濾波器、邊緣檢測器和增益單元組合，其中序值濾波器使用兩次或多次，獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊緣進(jìn)行增強(qiáng)處理，而得到增強(qiáng)的醫(yī)學(xué)灰度圖像的邊緣特征。
全文摘要
本發(fā)明公開了一種醫(yī)學(xué)圖像的邊緣增強(qiáng)方法，通過拉普拉斯濾波器、序值濾波器、邊緣檢測器、增益單元和/或求和單元的組合，獲得邊緣增強(qiáng)效果算子，用該算子對醫(yī)學(xué)圖像邊沿進(jìn)行數(shù)字圖像處理，而得到清晰、連續(xù)、光滑的醫(yī)學(xué)灰度圖像的邊緣特征。通過分析醫(yī)學(xué)圖像的這些邊緣特征，能夠從各種影像設(shè)備獲取的原始影像中提取并分辨腫瘤組織的特征信息；能夠提供圖像中相關(guān)區(qū)域?qū)?yīng)的組織結(jié)構(gòu)信息、組織中的血管信息和灰影團(tuán)的邊界信息等，為臨床影像學(xué)診斷各種疾病提供有力依據(jù)。相關(guān)方法形成的產(chǎn)品能夠產(chǎn)生極大的社會效益和經(jīng)濟(jì)效益，具有極大的市場。
文檔編號G06T5/10GK1405734SQ02139210
公開日2003年3月26日 申請日期2002年10月28日 優(yōu)先權(quán)日2002年10月28日
發(fā)明者李凱揚(yáng), 相艷, 楊宣東 申請人:武漢大學(xué)