專利名稱：影像目標(biāo)區(qū)域的提取方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字影像的處理與識(shí)別技術(shù)，具體涉及影像目標(biāo)區(qū)域的提取方法和裝置。
背景技術(shù)：
在數(shù)字影像的處理與識(shí)別技術(shù)中，背景分割的目的在于從影像的背景中分割出感 興趣的前景對(duì)象，即影像的目標(biāo)區(qū)域。閾值分割法是一種常用的背景分割方法，在閾值分割 法中，通常通過對(duì)影像直方圖分析后獲得背景分割閾值點(diǎn)，然后利用閾值分割(如整體閾 值、坐標(biāo)的閾值以及區(qū)域閾值等)手段獲取背景區(qū)域或直接獲取目標(biāo)影像區(qū)域。但對(duì)于背 景灰度變化明顯的影像，例如某些醫(yī)學(xué)DR影像，閾值分割法很難通過直方圖分析獲得，而 且工程穩(wěn)定性較差。閾值分割法有直接閾值法，也有和區(qū)域生長結(jié)合的背景分割法。其中，后者實(shí)現(xiàn)的 難點(diǎn)在于背景標(biāo)志點(diǎn)的正確且完美的選取，以及完整輪廓的獲得；尤其是背景標(biāo)志點(diǎn)的選 擇，容易造成漏選或者錯(cuò)選。當(dāng)背景區(qū)域被解剖區(qū)域分開而不能聯(lián)通時(shí)，若某塊背景區(qū)域無 背景標(biāo)志點(diǎn)，則該塊背景無法剔除，使得背景剔除不完整。在背景變化較劇烈的影像中，常用的背景分割方法容易導(dǎo)致影像的目標(biāo)區(qū)域缺省 顯示較白，對(duì)比度較差。需要通過調(diào)節(jié)增強(qiáng)曲線或\和窗寬窗位才能改善顯示效果。上述 問題和現(xiàn)象經(jīng)過進(jìn)一步分析，表明是一個(gè)缺省窗的選擇問題，雖然在算法上通過直方圖分 析能夠解決壓縮一部分背景區(qū)域的動(dòng)態(tài)范圍，但是如果背景區(qū)域比較大，而且背景像素灰 度變化較大，那么這一方法并不可靠?？梢姮F(xiàn)有技術(shù)中存在一定的缺陷，需要進(jìn)一步地改進(jìn)。

發(fā)明內(nèi)容
本發(fā)明提出一種影像目標(biāo)區(qū)域的提取方法和裝置，以及影像目標(biāo)區(qū)域的邊緣檢測(cè) 方法和裝置。為了實(shí)現(xiàn)這一目的，本發(fā)明所采取的技術(shù)方案如下。按照本發(fā)明實(shí)施例的第一方面，提供一種影像目標(biāo)區(qū)域的提取方法，包括以下步 驟讀取步驟，用于讀取影像數(shù)據(jù)；邊緣檢測(cè)步驟，用于檢測(cè)影像目標(biāo)區(qū)域的完整邊緣；識(shí) 別步驟，將滿足灰度和相對(duì)平滑度條件的像素點(diǎn)識(shí)別為影像中的背景標(biāo)志點(diǎn)；區(qū)域生長步 驟，以背景標(biāo)志點(diǎn)為種子點(diǎn)，目標(biāo)區(qū)域的完整邊緣為約束條件，對(duì)影像進(jìn)行區(qū)域生長，獲得 背景區(qū)域；目標(biāo)提取步驟，將區(qū)域生長獲得的背景區(qū)域進(jìn)行反取，從而獲得影像中的目標(biāo)區(qū) 域。按照本發(fā)明實(shí)施例的第二方面，提供一種影像目標(biāo)區(qū)域的邊緣檢測(cè)方法，包括以 下步驟計(jì)算影像中像素點(diǎn)的統(tǒng)計(jì)學(xué)近似邊緣參數(shù)；根據(jù)預(yù)設(shè)的閾值對(duì)統(tǒng)計(jì)學(xué)近似邊緣參 數(shù)進(jìn)行閾值判斷；將滿足判斷條件的像素點(diǎn)定義為邊緣點(diǎn)。按照本發(fā)明實(shí)施例的第三方面，提供一種影像目標(biāo)區(qū)域的提取裝置，包括以下模 塊讀取模塊，用于讀取影像數(shù)據(jù)；邊緣檢測(cè)模塊，用于檢測(cè)影像目標(biāo)區(qū)域的完整邊緣；識(shí)別模塊，將滿足灰度和相對(duì)平滑度條件的像素點(diǎn)識(shí)別為影像中的背景標(biāo)志點(diǎn)；區(qū)域生長模 塊，以背景標(biāo)志點(diǎn)為種子點(diǎn)，目標(biāo)區(qū)域的完整邊緣為約束條件，對(duì)影像進(jìn)行區(qū)域生長，獲得 背景區(qū)域；目標(biāo)提取模塊，將區(qū)域生長獲得的背景區(qū)域進(jìn)行反取，從而獲得影像中的目標(biāo)區(qū) 域。按照本發(fā)明實(shí)施例的第四方面，提供一種影像目標(biāo)區(qū)域的邊緣檢測(cè)裝置，包括以 下模塊計(jì)算模塊，用于計(jì)算影像中像素點(diǎn)的統(tǒng)計(jì)學(xué)近似邊緣參數(shù)；判斷模塊，根據(jù)預(yù)設(shè)的 閾值對(duì)統(tǒng)計(jì)學(xué)近似邊緣參數(shù)進(jìn)行閾值判斷；檢測(cè)模塊，用于將滿足判斷條件的像素點(diǎn)定義 為邊緣點(diǎn)，并將邊緣點(diǎn)的集合定義為目標(biāo)區(qū)域的邊緣。按照本發(fā)明實(shí)施例的方法和裝置，將影像中影響影像顯示的背景區(qū)域剔除，以獲 得影像的目標(biāo)區(qū)域，然后再對(duì)目標(biāo)區(qū)域進(jìn)行優(yōu)化顯示，降低背景區(qū)域的影響，改善影像的顯 示效果。


圖1為本發(fā)明實(shí)施例的影像目標(biāo)區(qū)域提取的基本技術(shù)方案流程圖；圖2為待處理的人體頭顱影像；圖3為待處理的人體大腿影像；圖4為邊緣檢測(cè)Carmy算子處理后的人體頭顱影像邊緣；圖5為邊緣檢測(cè)Carmy算子處理后的人體大腿影像邊緣；圖6為本發(fā)明實(shí)施例的邊緣檢測(cè)方法處理后的人體頭顱影像邊緣；圖7為本發(fā)明實(shí)施例的邊緣檢測(cè)方法處理后的人體大腿影像邊緣；圖8為本發(fā)明實(shí)施例的識(shí)別背景標(biāo)志點(diǎn)的人體頭顱影像圖；圖9為本發(fā)明實(shí)施例的識(shí)別背景標(biāo)志點(diǎn)的人體大腿影像圖；圖10為本發(fā)明實(shí)施例的背景分割后提取的人體頭顱區(qū)域影像圖；圖11為本發(fā)明實(shí)施例的背景分割后提取的人體大腿區(qū)域影像圖；圖12為本發(fā)明實(shí)施例的影像目標(biāo)區(qū)域的提取裝置結(jié)構(gòu)示意圖；圖13為本發(fā)明實(shí)施例的影像目標(biāo)區(qū)域的邊緣檢測(cè)裝置結(jié)構(gòu)示意具體實(shí)施例方式如圖1所示，按照本實(shí)施例的影像目標(biāo)區(qū)域的提取方法主要包括讀取步驟101、邊 緣檢測(cè)步驟103、識(shí)別步驟105、區(qū)域生長步驟107、以及目標(biāo)提取步驟109。采用按照本實(shí) 施例的影像目標(biāo)區(qū)域的提取方法對(duì)影像進(jìn)行處理的具體過程如下讀取步驟101讀入的影像是經(jīng)過限束器處理程序后的，和經(jīng)過了壞點(diǎn)、壞線的校正。少量的壞 點(diǎn)、壞線，可能不影響該項(xiàng)處理的最終結(jié)果，但是大量的壞點(diǎn)、壞線，可能影響檢測(cè)準(zhǔn)確性。 可以將限束器以內(nèi)的影像區(qū)域選取為感興趣區(qū)域，以供后續(xù)處理，選取感興趣區(qū)域可以降 低計(jì)算量，便于識(shí)別。圖2、3中分別為頭顱影像和大腿影像，影像感興趣區(qū)域中，由于濾線 柵放置錯(cuò)誤，導(dǎo)致背景灰度變化劇烈，而且影像中包含單薄衣物及其他異物的成像像素區(qū) 域。邊緣檢測(cè)步驟103
現(xiàn)有的邊緣檢測(cè)方法中，一般利用邊緣檢測(cè)算子進(jìn)行邊緣檢測(cè)；邊緣檢測(cè)算子包 括Sobel、Prewitt、Roberts、LOG、Zerocross、以及Canny算子。現(xiàn)有的邊緣檢測(cè)方法很難 保證獲得物體的完整邊緣輪廓，而且假陽性邊緣檢出率較高。比如檢測(cè)邊緣較佳算子Carmy 算子(見圖4、5)，其檢測(cè)出的邊緣并非具有完美的連續(xù)性，在邊緣較弱的地方會(huì)出現(xiàn)斷點(diǎn)， 而且會(huì)出現(xiàn)大量的非物體真正邊緣的假邊緣，導(dǎo)致背景分割錯(cuò)誤。為此將采用具有連續(xù)性 的統(tǒng)計(jì)學(xué)手段，間接獲得完整目標(biāo)區(qū)域的邊緣輪廓。其方法如下將影像中的一行像素行向量設(shè)為Xj = {x I Xljj, χ2,」，...,Xij j, . . . , χΜ?！,其中，i = 1, 2, 3, . . . , Μ, j = 1,2,3,...,
N, i，j分別為圖像的行與列，Xi,j為坐標(biāo)(i，j)處的像素灰度值整幅影像像素矩陣為X= (XijX2jiiijXj)1的8鄰域?yàn)閤N(ijJ) = {叉|叉 ,押}，其中，111 = -1，0，1;11 = -1，0，1Xi,j的8鄰域標(biāo)準(zhǔn)差為CJu = J^Z Σ< W "Μ,/ ,其中，= ι- Σ Σ(‘，為 8 鄰域均值
V ” m=-ln=-1” m=-ln=-lXi,j的8鄰域灰度中值為Mi, j = Median (xN(i,」))，即將xN(i,」)按像素灰度值從小到大(或從大到小)依次排 序后取其中間值根據(jù)統(tǒng)計(jì)學(xué)中評(píng)價(jià)產(chǎn)品質(zhì)量的方法(CV = S/Y, S為樣本標(biāo)準(zhǔn)差，Y為樣本均值)， 設(shè)計(jì)影像邊緣檢測(cè)方案。在產(chǎn)品質(zhì)量評(píng)價(jià)中，其指標(biāo)參數(shù)通常成正態(tài)分布，其平均值更具統(tǒng) 計(jì)學(xué)判斷依據(jù)。而在影像分析中，只有在局部小的區(qū)域中具有一定的正態(tài)分布特性。由于 圖像中噪聲干擾不可避免，像素中強(qiáng)噪聲點(diǎn)的干擾會(huì)較大幅度的改變平均值Pi.j，而且平 均值也會(huì)對(duì)邊緣有一定的平滑作用，從而影響最終判斷結(jié)果。為此將采用中值作為圖像邊 緣過渡檢查的一個(gè)指標(biāo)。綜上分析將圖像邊緣信息的統(tǒng)計(jì)學(xué)近似邊緣參數(shù)定義為=Edgy = O 即像素點(diǎn)的8鄰域標(biāo)準(zhǔn)差_灰度中值比。為降低運(yùn)算復(fù)雜度，節(jié)約時(shí)間，通過大量的實(shí)驗(yàn)，發(fā)現(xiàn)在一定的邊緣精度要求范圍 內(nèi)，可以將統(tǒng)計(jì)學(xué)近似邊緣參數(shù)簡化為=Edgiij= c^.j/Xi,」，即該像素點(diǎn)的8鄰域標(biāo)準(zhǔn)差-像 素灰度比。統(tǒng)計(jì)學(xué)近似邊緣參數(shù)的計(jì)算方法中，標(biāo)準(zhǔn)差不限于所述的8鄰域標(biāo)準(zhǔn)差，還可以 使用其他多鄰域標(biāo)準(zhǔn)差，例如4鄰域標(biāo)準(zhǔn)差等，計(jì)算方法與8鄰域標(biāo)準(zhǔn)差類似?？梢援?dāng)出現(xiàn) 黑點(diǎn)時(shí)，即該點(diǎn)像素灰度值為0，直接將該點(diǎn)定義為邊緣。通過閾值法，當(dāng)像素點(diǎn)的統(tǒng)計(jì)學(xué) 近似邊緣參數(shù)大于閾值時(shí)，定義為邊緣點(diǎn)，其中，統(tǒng)計(jì)學(xué)近似邊緣參數(shù)閾值是與影像有關(guān)的 經(jīng)驗(yàn)值。最后將邊緣點(diǎn)的集合定義為目標(biāo)區(qū)域的邊緣。檢測(cè)結(jié)果如圖6、7。雖然邊緣比較 粗，并非單像素邊緣，但是該方法獲得輪廓完整，而且假邊緣性干擾較少，對(duì)背景分割極為 有利。識(shí)別步驟105。識(shí)別步驟用于識(shí)別影像中的背景標(biāo)志點(diǎn)。為提高算法的抗干擾能力，首先可以采用直方圖分析法，獲得影像灰度的最大值 和最小值。最大(最小)值定義為將感興趣區(qū)域像素依次累計(jì)，取其較大(較小)灰度像素?cái)?shù)占總像素?cái)?shù)的一定比例作為最大(最小)值MaX_Gray (MiruGray)。該比例可根據(jù)需要 選擇適當(dāng)百分比，典型情況下可取5 %。為減小計(jì)算量，加快處理速度，可以根據(jù)影像的高灰度特性進(jìn)行直接判斷，將影像 中灰度大于灰度最大值MaX_Gray的像素點(diǎn)直接作為背景標(biāo)志點(diǎn)。但對(duì)于背景像素點(diǎn)很少 或沒有背景像素點(diǎn)的影像會(huì)出現(xiàn)錯(cuò)誤，如腰椎等部位成像。針對(duì)該類特殊情況，將前述灰度 最大值Max_Gray的獲取百分比降低為到0. 5%中的某一特定值，可將背景假陽性率進(jìn) 一步降低。經(jīng)過大量實(shí)驗(yàn)表明，在將灰度最大值獲取降為可滿足該類影像增強(qiáng)的需求。通過大量影像分析發(fā)現(xiàn)，背景區(qū)域由于沒有物體，X射線直接照射到成像設(shè)備，基 本為0衰減，使得成像灰度較高且在局部區(qū)域內(nèi)具有均勻性，與物體成像灰度特性有著較 大區(qū)別。X射線分布不均勻，因此只有在局部背景區(qū)域具有均勻性。因此在不考慮噪聲的情 況下，背景區(qū)域成像灰度，在一定的區(qū)域內(nèi)可以認(rèn)為是均勻的，即統(tǒng)計(jì)學(xué)標(biāo)準(zhǔn)差為0。由于在 實(shí)際成像中噪聲的影響不可避免，在自動(dòng)獲取背景標(biāo)志點(diǎn)時(shí)，可根據(jù)統(tǒng)計(jì)學(xué)噪聲分布特性 或高灰度特性進(jìn)行判斷。然而，球管發(fā)出的X射線分布不均勻，濾線柵在局部區(qū)域?qū)ι渚€的 過度阻斷，使得在背景區(qū)域也可出現(xiàn)較低灰度像素區(qū)域；同時(shí)高致密物體由于X射線的穿 透性差，在一定的條件，其灰度信息也可以呈現(xiàn)出較高的均勻性，類似與背景像素灰度的統(tǒng) 計(jì)學(xué)特性。對(duì)于上述要求背景提取精確的情況，為將上述假陽性特點(diǎn)加以區(qū)別，可以不采用 根據(jù)影像的高灰度特性進(jìn)行直接判斷的方法，而是采用高灰度特性與統(tǒng)計(jì)學(xué)噪聲分布特性 綜合判斷的方法，對(duì)每個(gè)像素點(diǎn)進(jìn)行灰度與相對(duì)平滑度判斷，將滿足灰度與相對(duì)平滑度判 斷條件的像素點(diǎn)定義為背景標(biāo)志點(diǎn)，從而降低背景標(biāo)志點(diǎn)的假陽性率。具體判斷方法如 下首先進(jìn)行灰度判斷根據(jù)灰度最大值MaX_Gray自適應(yīng)選擇灰度閾值。若像素灰度 滿足灰度閾值條件，則進(jìn)行相對(duì)平滑度判斷；然后計(jì)算相對(duì)平滑度考慮到影像中具有的均勻性的影像(背景與高致密物體) 具有類似的標(biāo)準(zhǔn)差特性，及同類影像由于X射線分布不均、噪聲、低密度衣物等的影響因素 使得其統(tǒng)計(jì)學(xué)特性具有較大差異性，為將前類影像(背景與高致密物體)的均勻性進(jìn)行拉 伸異化，同時(shí)將后類影像(背景像素灰度差異變化劇烈的影像)統(tǒng)計(jì)學(xué)差異特性進(jìn)行壓縮 同化，本算法中的相對(duì)平滑度定義為8鄰域標(biāo)準(zhǔn)差-灰度中值比，即σ i, /Mi, J,與上文中的 統(tǒng)計(jì)學(xué)近似邊緣參數(shù)相同。為降低運(yùn)算復(fù)雜度，節(jié)約時(shí)間，可以將相對(duì)平滑度簡化為ο、’J Xi,」，即該像素點(diǎn)的8鄰域標(biāo)準(zhǔn)差-像素灰度比。相對(duì)平滑度的計(jì)算方法中，標(biāo)準(zhǔn)差不限于 所述的8鄰域標(biāo)準(zhǔn)差，還可以使用其他多鄰域標(biāo)準(zhǔn)差，例如4鄰域標(biāo)準(zhǔn)差等，計(jì)算方法與8 鄰域標(biāo)準(zhǔn)差類似。最后進(jìn)行相對(duì)平滑度判斷若該像素點(diǎn)的相對(duì)平滑度滿足相對(duì)平滑度閾值條件， 則將其定義為背景標(biāo)志點(diǎn)；背景標(biāo)志點(diǎn)的相對(duì)平滑度通常小于0. 005，在算法中相對(duì)平滑 度閾值可以取小于0. 005的點(diǎn)，為避免低密度均勻物體干擾，在算法中相對(duì)平滑度閾值可 以適當(dāng)降低，典型值取0. 0022。背景標(biāo)志點(diǎn)自動(dòng)識(shí)別的影像實(shí)例圖見圖8、9，其中高亮度點(diǎn)即為自動(dòng)識(shí)別出的背 景標(biāo)志點(diǎn)。區(qū)域生長步驟107
區(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。首先對(duì)每一個(gè) 需要分割的區(qū)域找一個(gè)或多個(gè)種子點(diǎn)像素，作為生長起始點(diǎn)，然后將種子點(diǎn)像素周圍鄰域 中與種子點(diǎn)像素具有相同或相似性質(zhì)的像素合并到種子點(diǎn)所在的區(qū)域內(nèi)。將這些新像素當(dāng) 作新的種子點(diǎn)，繼續(xù)進(jìn)行以上尋找過程，直到?jīng)]有滿足條件的像素點(diǎn)被包括進(jìn)來為止。本發(fā)明實(shí)施例中，以識(shí)別步驟105獲得的背景標(biāo)志點(diǎn)為種子點(diǎn)，邊緣檢測(cè)步驟103 獲得的目標(biāo)區(qū)域的完整邊緣為約束條件，對(duì)影像進(jìn)行區(qū)域生長，獲得背景區(qū)域。由于每幅影像間的差異性較大，其統(tǒng)計(jì)學(xué)邊緣閾值也存在一定的差異；為確保獲 得完整邊緣輪廓，防止區(qū)域生長泄露，可以采用自適應(yīng)閾值法自動(dòng)調(diào)整邊緣信息。自適應(yīng)約 束條件可以包括但不限于灰度約束和背景區(qū)域面積約束，其中灰度約束為采用全局灰 度閾值約束，大于閾值時(shí)自適應(yīng)調(diào)整邊緣閾值；背景區(qū)域面積約束為當(dāng)獲得的背景區(qū)域 面積大于其閾值時(shí)，則需要自適應(yīng)調(diào)整邊緣閾值。其中，全局灰度閾值和背景區(qū)域面積閾值 均是與影像有關(guān)的經(jīng)驗(yàn)值。目標(biāo)提取步驟109將上述步驟獲取的背景影像反取，然后對(duì)反取后獲得的影像區(qū)域進(jìn)行腐蝕去噪， 進(jìn)而取得影像的目標(biāo)區(qū)域。從圖10、11，可以看出影像中的衣物等其他低密度干擾物影像基 本去除，將解剖區(qū)域完整保留。如圖12所示，按照本實(shí)施例的影像目標(biāo)區(qū)域提取裝置主要包括讀取模塊1201、邊 緣檢測(cè)模塊1203、識(shí)別模塊1205、區(qū)域生長模塊1207、以及目標(biāo)提取模塊1209。其中，讀 取模塊1201用于讀取影像數(shù)據(jù)；邊緣檢測(cè)模塊1203用于檢測(cè)影像目標(biāo)區(qū)域的完整邊緣； 識(shí)別模塊1205用于將滿足灰度和相對(duì)平滑度條件的像素點(diǎn)識(shí)別為影像中的背景標(biāo)志點(diǎn)； 區(qū)域生長模塊1207用于以背景標(biāo)志點(diǎn)為種子點(diǎn)，目標(biāo)區(qū)域的完整邊緣為約束條件，對(duì)影像 進(jìn)行區(qū)域生長，獲得背景區(qū)域；目標(biāo)提取模塊1209用于將區(qū)域生長獲得的背景區(qū)域進(jìn)行反 取，從而獲得影像中的目標(biāo)區(qū)域。其中，邊緣檢測(cè)模塊1203包括計(jì)算單元1211用于計(jì)算影 像中像素點(diǎn)的統(tǒng)計(jì)學(xué)近似邊緣參數(shù)；判斷單元1213用于根據(jù)預(yù)設(shè)的閾值對(duì)統(tǒng)計(jì)學(xué)近似邊 緣參數(shù)進(jìn)行閾值判斷；檢測(cè)單元1215用于將滿足判斷條件的像素點(diǎn)定義為邊緣點(diǎn)。如圖13所示，按照本實(shí)施例的影像目標(biāo)區(qū)域邊緣檢測(cè)裝置主要包括計(jì)算模塊 1301、判斷模塊1303、以及檢測(cè)模塊1305。其中計(jì)算模塊1301用于計(jì)算影像中像素點(diǎn)的統(tǒng) 計(jì)學(xué)近似邊緣參數(shù)；判斷模塊1303用于根據(jù)預(yù)設(shè)的閾值對(duì)統(tǒng)計(jì)學(xué)近似邊緣參數(shù)進(jìn)行閾值 判斷；檢測(cè)模塊1305用于將滿足判斷條件的像素點(diǎn)定義為邊緣點(diǎn)。以上通過具體的實(shí)施例對(duì)本發(fā)明進(jìn)行了說明，但本發(fā)明并不限于這些具體的實(shí)施 例。本領(lǐng)域技術(shù)人員應(yīng)該明白，還可以對(duì)本發(fā)明做各種修改、等同替換、變化等等，例如將上 述實(shí)施例中的一個(gè)步驟或模塊分為兩個(gè)或更多個(gè)步驟或模塊來實(shí)現(xiàn)，或者相反，將上述實(shí) 施例中的兩個(gè)或更多個(gè)步驟或模塊的功能放在一個(gè)步驟或模塊中來實(shí)現(xiàn)。在邊緣檢測(cè)步驟 或模塊中，可以采用不同的邊緣檢測(cè)方法檢測(cè)邊緣。在識(shí)別步驟或模塊中，進(jìn)行灰度和相對(duì) 平滑度判斷的前后順序可以互換。在區(qū)域生長步驟或模塊中，可以采用不同的約束條件進(jìn) 行區(qū)域生長。但是，只要未背離本發(fā)明的精神，都應(yīng)在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
一種影像目標(biāo)區(qū)域的提取方法，其特征在于，包括以下步驟讀取步驟，用于讀取影像數(shù)據(jù)；邊緣檢測(cè)步驟，用于檢測(cè)影像目標(biāo)區(qū)域的完整邊緣；識(shí)別步驟，將滿足灰度和相對(duì)平滑度條件的像素點(diǎn)識(shí)別為影像中的背景標(biāo)志點(diǎn)；區(qū)域生長步驟，以背景標(biāo)志點(diǎn)為種子點(diǎn)，目標(biāo)區(qū)域的完整邊緣為約束條件，對(duì)影像進(jìn)行區(qū)域生長，獲得背景區(qū)域；目標(biāo)提取步驟，將區(qū)域生長獲得的背景區(qū)域進(jìn)行反取，從而獲得影像中的目標(biāo)區(qū)域。
2.根據(jù)權(quán)利要求1所述的影像目標(biāo)區(qū)域的提取方法，其特征在于，所述邊緣檢測(cè)步驟 包括計(jì)算影像中像素點(diǎn)的統(tǒng)計(jì)學(xué)近似邊緣參數(shù)； 根據(jù)預(yù)設(shè)的閾值對(duì)統(tǒng)計(jì)學(xué)近似邊緣參數(shù)進(jìn)行閾值判斷； 將滿足判斷條件的像素點(diǎn)定義為邊緣點(diǎn)。
3.根據(jù)權(quán)利要求2所述的影像目標(biāo)區(qū)域的提取方法，其特征在于，所述統(tǒng)計(jì)學(xué)近似邊 緣參數(shù)為多鄰域標(biāo)準(zhǔn)差_灰度中值比或者多鄰域標(biāo)準(zhǔn)差_像素灰度比。
4.根據(jù)權(quán)利要求1所述的影像目標(biāo)區(qū)域的提取方法，其特征在于，所述相對(duì)平滑度為 多鄰域標(biāo)準(zhǔn)差_灰度中值比或者多鄰域標(biāo)準(zhǔn)差_像素灰度比。
5.根據(jù)權(quán)利要求1所述的影像目標(biāo)區(qū)域的提取方法，其特征在于，所述區(qū)域生長步驟 還包括采用自適應(yīng)閾值法自動(dòng)調(diào)整所述目標(biāo)區(qū)域的完整邊緣。
6. 一種影像目標(biāo)區(qū)域的邊緣檢測(cè)方法，其特征在于，包括以下步驟 計(jì)算影像中像素點(diǎn)的統(tǒng)計(jì)學(xué)近似邊緣參數(shù)；根據(jù)預(yù)設(shè)的閾值對(duì)統(tǒng)計(jì)學(xué)近似邊緣參數(shù)進(jìn)行閾值判斷； 將滿足判斷條件的像素點(diǎn)定義為邊緣點(diǎn)。
7.根據(jù)權(quán)利要求6所述的影像目標(biāo)區(qū)域的邊緣檢測(cè)方法，其特征在于，所述統(tǒng)計(jì)學(xué)近 似邊緣參數(shù)為多鄰域標(biāo)準(zhǔn)差_灰度中值比或者多鄰域標(biāo)準(zhǔn)差_像素灰度比。
8. 一種影像目標(biāo)區(qū)域的提取裝置，其特征在于，包括以下模塊 讀取模塊，用于讀取影像數(shù)據(jù)；邊緣檢測(cè)模塊，用于檢測(cè)影像目標(biāo)區(qū)域的完整邊緣；識(shí)別模塊，將滿足灰度和相對(duì)平滑度條件的像素點(diǎn)識(shí)別為影像中的背景標(biāo)志點(diǎn)； 區(qū)域生長模塊，以背景標(biāo)志點(diǎn)為種子點(diǎn)，目標(biāo)區(qū)域的完整邊緣為約束條件，對(duì)影像進(jìn)行 區(qū)域生長，獲得背景區(qū)域；目標(biāo)提取模塊，將區(qū)域生長獲得的背景區(qū)域進(jìn)行反取，從而獲得影像中的目標(biāo)區(qū)域。
9.根據(jù)權(quán)利要求8所述的影像目標(biāo)區(qū)域的提取裝置，其特征在于，所述邊緣檢測(cè)模塊 包括計(jì)算單元，用于計(jì)算影像中像素點(diǎn)的統(tǒng)計(jì)學(xué)近似邊緣參數(shù)； 判斷單元，用于根據(jù)預(yù)設(shè)的閾值對(duì)統(tǒng)計(jì)學(xué)近似邊緣參數(shù)進(jìn)行閾值判斷； 檢測(cè)單元，用于將滿足判斷條件的像素點(diǎn)定義為邊緣點(diǎn)。
10.一種影像目標(biāo)區(qū)域的邊緣檢測(cè)裝置，其特征在于，包括以下模塊 計(jì)算模塊，用于計(jì)算影像中像素點(diǎn)的統(tǒng)計(jì)學(xué)近似邊緣參數(shù)；判斷模塊，根據(jù)預(yù)設(shè)的閾值對(duì)統(tǒng)計(jì)學(xué)近似邊緣參數(shù)進(jìn)行閾值判斷；檢測(cè)模塊，用于將滿足判斷條件的像素點(diǎn)定義為邊緣點(diǎn)。
全文摘要
本發(fā)明公開了一種影像目標(biāo)區(qū)域的提取方法和裝置。其中所述方法主要包括讀取影像數(shù)據(jù)；檢測(cè)影像目標(biāo)區(qū)域的完整邊緣；將滿足灰度和相對(duì)平滑度條件的像素點(diǎn)識(shí)別為影像中的背景標(biāo)志點(diǎn)；以背景標(biāo)志點(diǎn)為種子點(diǎn)，目標(biāo)區(qū)域的完整邊緣為約束條件，對(duì)影像進(jìn)行區(qū)域生長，獲得背景區(qū)域；最后將區(qū)域生長獲得的背景區(qū)域進(jìn)行反取，從而獲得影像中的目標(biāo)區(qū)域。按照本發(fā)明實(shí)施例的影像目標(biāo)區(qū)域的提取方法和裝置，將影像中影響影像顯示的背景區(qū)域剔除，以獲得影像的目標(biāo)區(qū)域，然后再對(duì)目標(biāo)區(qū)域進(jìn)行優(yōu)化顯示，降低背景區(qū)域的影響，改善影像的顯示效果。
文檔編號(hào)G06K9/46GK101901342SQ20091010772
公開日2010年12月1日 申請(qǐng)日期2009年5月27日 優(yōu)先權(quán)日2009年5月27日
發(fā)明者孫文武, 徐啟飛 申請(qǐng)人:深圳邁瑞生物醫(yī)療電子股份有限公司