一種基于醫(yī)學圖像的器官組織輪廓線提取方法
【專利摘要】本發(fā)明提供一種基于醫(yī)學圖像的器官組織輪廓線提取方法，首先通過對圖像進行光滑處理，去掉圖像中低振幅的點，加強顯示顯著的邊，同時保留原圖像的結(jié)構(gòu)，然后在光滑處理基礎上的圖像進行Canny邊緣提取，最后在提取出來的一些散亂點的基礎上，應用二維散亂點自動生成算法形成符合美學觀點的圖像。本發(fā)明主要包括：L0梯度最小化進行光滑處理；邊緣檢測；二維散亂點自動生成算法。通過此算法可以生成封閉的，不相交的輪廓線，特別對尖銳角處理效果非常好。
【專利說明】一種基于醫(yī)學圖像的器官組織輪廓線提取方法

【技術(shù)領域】
[0001] 本發(fā)明涉及一種在醫(yī)學圖像中的器官組織輪廓中進行輪廓線提取的方法。

【背景技術(shù)】
[0002] 最早提出的經(jīng)典邊緣檢測方法大多從圖像高頻分量的增強出發(fā)，微分運算就成了 邊緣提取的主要方法。一階微分算子采用梯度模的近似形式，包括Roberts算子、sobel算 子、Prewitt算子、Laplacan算子以及Krish算子等，這些方法多是以將要處理像素為中心 的鄰域作為進行灰度分析的基礎，實現(xiàn)對圖像邊緣的提取，并已經(jīng)取得了較好的效果。但是 這類方法也存在獲得的邊緣不連續(xù)、不封閉、像素寬、噪聲干擾較嚴重等缺點。因此，這勢必 要求在對醫(yī)學圖像進行邊緣提取時，設計出一種能夠形成美觀的邊緣連續(xù)的封閉的噪聲干 擾比較小的方法。
[0003] 由于微分運算在增強邊緣的同時也會增強噪聲，所以在微分運算之前需要用濾波 降噪以減少噪聲的影響，Marr和Hildreth提出LOG算法，利用高斯濾波器對圖像進行平滑， 使用各向同性的拉普拉斯算子進行求導，判定導數(shù)的零交叉點為邊緣點。Johncanny提出 Canny算子，并給出了邊緣檢測的三條準則。Canny算子也是一階算子，實質(zhì)是用一個準高 斯函數(shù)做平滑運算，然后用帶方向的一階微分算子來定位導數(shù)最大值，其貢獻在于給出了 一種尋找最優(yōu)算子的思路，即確立了最優(yōu)準則。
[0004] 在此背景下，本發(fā)明設計出一種形成美觀的連續(xù)的封閉的噪聲干擾比較小的邊緣 的方法，為醫(yī)學圖像的處理提供了幫助。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明解決的技術(shù)問題是：降低了現(xiàn)有的醫(yī)學圖像中輪廓線提取的噪聲干擾，同 時繪制出美觀的連續(xù)的輪廓線。
[0006] 本發(fā)明的技術(shù)方案為：一種基于醫(yī)學圖像的器官組織輪廓線提取方法，包括以下 三個步驟：
[0007] 步驟（1)、L0梯度最小化進行光滑處理：L0梯度最小化算法通過限制鄰域像素的 強度變化的離散數(shù)量，在保留圖像整體信息并且不影響整體精度的同時，通過增加陡度的 過渡提高最突出的邊緣，通過對輸入圖像進行處理進行L0梯度最小化光滑處理，增強整個 圖像的光滑度。
[0008] 步驟（2)、邊緣檢測：圖像的邊緣檢測，就是用離散化梯度逼近函數(shù)根據(jù)二維灰度 矩陣梯度向量來尋找L0梯度最小化之后的圖像的圖像灰度矩陣的灰度躍變位置，然后將 這些灰度躍變位置連接起來就形成了邊緣，在圖像的邊緣圖像中提取出了梯度變化比較大 的點。
[0009] 步驟（3)、二維散亂點自動生成算法：通過將邊緣圖像中的點集進行輪廓分組，然 后對每一個輪廓的點集進行二維散亂點生成算法。通過點集的坐標生成沒有葉子節(jié)點的歐 幾里得最小生成樹，以此為基礎生成不閉合的，輪廓長度最小化的滿足格式塔原理的輪廓。 最后，將每個輪廓的點集的處理結(jié)果顯示在svg文件中得到整個圖像的處理結(jié)果。
[0010] 本發(fā)明的原理在于：
[0011] (1)在進行L0梯度最小化光滑處理時，我們用計算稀疏梯度數(shù)量的方法，通過限 制強度變化點的周圍的像素點的離散的數(shù)量來保持L0范數(shù)中的信息稀疏的追求。通過增 強的邊如果他們的結(jié)構(gòu)清楚即使在低像素的圖片或者細邊緣也能很好的保持原圖的邊的 特性。
[0012] (2)在進行邊緣處理時，通過計算灰度矩陣的梯度向量，依靠離散化梯度逼近函 數(shù)來找到圖像中灰度矩陣的灰度躍變位置，然后將找到的這些位置用線連起來就構(gòu)成了邊 緣。
[0013] (3)二維散亂點生成算法就是連接二維點生成美觀的輪廓線，這些二維散亂點只 給出了坐標信息。通過把對輪廓線的限制轉(zhuǎn)化為一個遵循格式塔原理的問題，我們期望的 輪廓Bmin是一個不相交的封閉的并且最小化邊界長度的輪廓。算法的基礎是沒有葉子 節(jié)點的歐幾里得最小生成樹BCmin。BCmin和Bmin能通過調(diào)整拓撲約束的參數(shù)近似表示。 BCmin的近似的算法BC0能用一個貪婪算法快速的計算出來。BC0通過膨脹操作將度數(shù)大 于2的點去除，在經(jīng)過雕刻操作將內(nèi)部度數(shù)等于0的點剔除掉就可以滿足Bmin的拓撲和最 小化需求，通過這兩個步驟得到了最后結(jié)果Bout。通過大量的實驗證明，Bout和Bmin是非 常相似的。
[0014] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于：
[0015] 1、本發(fā)明使用的圖像預處理技術(shù)，為接下來的輪廓線提取提供了很好的輸入。
[0016] 2、效率高：本發(fā)明中計算Bmin實際上是一個NP問題，然而計算Bout是線性時間 此算法對那些有急劇變化的拐角處處理結(jié)果也非常好。
[0017] 3、提取出的輪廓線對噪聲干擾比較小。

【專利附圖】

【附圖說明】
[0018] 圖1醫(yī)學圖像中的器官組織輪廓線提取方法的總體流程；
[0019] 圖2a :輸入醫(yī)學圖像b :L0梯度最小化光滑處理結(jié)果；
[0020] 圖3a :圖像去噪結(jié)果b :canny邊緣檢測結(jié)果；
[0021] 圖4二維點分組結(jié)果；
[0022] 圖 5a:點集 b:BC0 c:BCinf d:Bmin ;
[0023] 圖6點的分類示意圖；
[0024] 圖 7a:BC0 b:detail c:inflated ;
[0025] 圖 8a:Initial b:Exposed v0 c:Exposedv3 ;
[0026] 圖9a :點集b :二維散亂點算法生成輪廓線；
[0027] 圖10輸入圖像的輪廓線提取結(jié)果。

【具體實施方式】
[0028] 圖1給出了醫(yī)學圖像中的器官組織輪廓中進行輪廓線提取的方法的總體處理流 程，下面結(jié)合其他附圖及【具體實施方式】進一步說明本發(fā)明。
[0029] 本發(fā)明提供一種醫(yī)學圖像中的器官組織輪廓中進行輪廓線提取的方法，主要步驟 介紹如下：
[0030] 1、L0梯度最小化進行光滑處理
[0031] 在進行L0梯度最小化光滑處理時，我們用計算稀疏梯度數(shù)量的方法，通過限制強 度變化點的周圍的像素點的離散的數(shù)量來保持L0范數(shù)中的信息稀疏的追求。通過增強的 邊如果他們的結(jié)構(gòu)清楚即使在低像素的圖片或者細邊緣也能很好的保持原圖的邊的特性。 在問題求解過程中，通過引入輔助變量交替最優(yōu)化的策略求解，引入變量擴展原來的變量 并且反復的更新。在解決這個問題的時候，由于是離散的數(shù)據(jù)，又引入了新的子問題，每個 子問題都有解決方案，由于解決這個問題是很棘手的，所以我們的解決方法是一個很好的 保持原圖像的特性并且很好的展示突出的結(jié)構(gòu)的近似方法。
[0032] 在一維圖像中，平滑在全局方式實現(xiàn)，通過限制非零梯度的數(shù)量提高最高對比度 邊緣。在一維信號中，g是輸入的離散的信號，f是光滑處理的結(jié)果。公式（1)離散的計算 了幅度的變化。公式（1)中P和P+1是兩個相鄰像素的索引，|fp-fp+l|是P的前向差分形 式的梯度，#{}是計算操作符，用來輸出滿足|fp-fp+i|〇的點的個數(shù)，也就是梯度的L0范 數(shù)。c(f)不是計算梯度值，因此在改變對比度的時候結(jié)果不會受到影響。
[0033] c (f) = # {p | | fp-fp+11 ^ 0}公式（1)
[0034] c(f)單獨使用不會發(fā)揮作用，需要結(jié)合一定的約束條件，約束條件用來保證結(jié)果 f和輸入信號g在結(jié)構(gòu)上相似，如公式（2)所示。公式（2)中c (f) = k代表光滑結(jié)果f中 存在著k個非零梯度值。圖1. le圖是k = 6的結(jié)果，結(jié)果的信號圖壓縮了細節(jié)并且銳化了 主要的邊，并且和原圖信息保持一致，k的取值越大，越限制與原圖的近似程度，然而能刻畫 最好的顯著的拐角。公式（2)中的（fp-gp)2是為了保證與原圖保持最好的相似性，這樣低 幅度的結(jié)構(gòu)可以用可控的統(tǒng)計的方式首先被移除，這個方法的好處是不管k設為何值，由 于不采用局部濾波和平均值的操作，結(jié)果都不會出現(xiàn)模糊的現(xiàn)象。
[0035]

【權(quán)利要求】
1. 一種基于醫(yī)學圖像的器官組織輪廓線提取方法，其特征在于包括以下三個步驟： 步驟（1)、輸入醫(yī)學圖像，用L0梯度最小化進行光滑處理：L0梯度最小化算法通過限制 鄰域像素的強度變化的離散數(shù)量，在保留圖像整體信息并且不影響整體精度的同時，通過 增加陡度的過渡提高最突出的邊緣，通過對輸入圖像進行處理進行L0梯度最小化光滑處 理，增強整個圖像的光滑度； 步驟（2)、邊緣檢測：圖像的邊緣檢測，就是用離散化梯度逼近函數(shù)根據(jù)二維灰度矩陣 梯度向量來尋找L0梯度最小化之后的圖像的圖像灰度矩陣的灰度躍變位置，然后將這些 灰度躍變位置連接起來就形成了邊緣，在圖像的邊緣圖像中提取出了梯度變化比較大的 占 . 步驟（3)、二維散亂點自動生成算法：通過將邊緣圖像中的點集進行輪廓分組，然后對 每一個輪廓的點集進行二維散亂點生成算法；通過點集的坐標生成沒有葉子節(jié)點的歐幾里 得最小生成樹，以此為基礎生成不閉合的，輪廓長度最小化的滿足格式塔原理的輪廓；最 后，將每個輪廓的點集的處理結(jié)果顯示在svg文件中得到整個圖像的處理結(jié)果。
2. 根據(jù)權(quán)利要求1所述的醫(yī)學圖像中的器官組織輪廓線提取方法，其特征在于：步驟 (1) 中所述的L0梯度最小化進行光滑處理方法，使用計算稀疏梯度數(shù)量的方法，通過限制 強度變化點的周圍的像素點的離散的數(shù)量來保持L0范數(shù)中的信息稀疏的追求，結(jié)合圖像 稀疏性的特點，利用10-范數(shù)作為正則項約束，保證了恢復圖像的稀疏性要求；結(jié)構(gòu)清楚的 邊通過增強操作，即使是低像素的圖片的邊或者細邊緣也能很好的保持原圖的邊的特性。
3. 根據(jù)權(quán)利要求1所述的醫(yī)學圖像中的器官組織輪廓線提取方法，其特征在于：步驟 (2) 中所述的邊緣檢測方法，該方法采用的是canny算法，在進行canny算法處理之前，首先 進行濾波處理，去掉噪聲，使圖像處理結(jié)果光滑；采用的濾波方法是高斯濾波，在使用濾波 之后使用canny邊緣檢測，有效的將一些噪點去除。
4. 根據(jù)權(quán)利要求1所述的醫(yī)學圖像中的器官組織輪廓線提取方法，其特征在于：步驟 (3) 中所述的二維散亂點自動生成算法，由于二維散亂點生成輪廓線的算法最后生成的是 全局的封閉的不相交的輪廓線，所以在此算法之前需要將canny算法的處理結(jié)果的圖像的 點集進行分組，然后對每個分組進行二維散亂點生成算法生成輪廓線，最后再將每個分組 的處理結(jié)果顯示在一個SVG文件中；所以在此算法之前需要將canny算法的處理結(jié)果的圖 像的點集進行分組，首先將圖像通過控制閥值將圖像變換為二值圖像，在二值圖像中找到 各個輪廓，找到值為1的像素點然后在其鄰域中進行查找，如果是值為1的像素點，則將點 加入這個輪廓中，否則進行下一個輪廓的查找；反復進行這個查找過程，直到所以的點都被 遍歷；這樣就可以把所有的點集分成若干個輪廓然后對每個分組進行二維散亂點生成算法 生成輪廓線，最后再將每個分組的處理結(jié)果顯示在一個SVG文件中。
【文檔編號】G06T5/00GK104299238SQ201410568966
【公開日】2015年1月21日 申請日期:2014年10月22日 優(yōu)先權(quán)日:2014年10月22日
【發(fā)明者】李帥, 郭立新, 郝愛民, 秦洪 申請人:北京航空航天大學