本發(fā)明涉及計(jì)算機(jī)數(shù)學(xué)、圖形學(xué)以及數(shù)字圖像處理技術(shù)，具體涉及一種基于多重判定的區(qū)域生長(zhǎng)檢測(cè)方法。
背景技術(shù)：
：區(qū)域生長(zhǎng)算法(Regiongrowingalgorithm，RGA)是一種由種子元素進(jìn)行擴(kuò)展生長(zhǎng)最終得到分割區(qū)域的方法。其首先在原網(wǎng)格數(shù)據(jù)上按照規(guī)則指定一些元素(頂點(diǎn)，三角面或者塊，即少數(shù)連通的點(diǎn)、面構(gòu)成的集合)作為種子，每個(gè)種子對(duì)應(yīng)一個(gè)分割的初始狀態(tài)，分割從種子開(kāi)始生長(zhǎng)、吸收相鄰的、未被標(biāo)記的、且滿足生長(zhǎng)條件的點(diǎn)元素，當(dāng)沒(méi)有新的點(diǎn)元素可以加入分割集合，或滿足終止條件的時(shí)候停止生長(zhǎng)過(guò)程，進(jìn)而得到區(qū)域生長(zhǎng)結(jié)果。但傳統(tǒng)的區(qū)域生長(zhǎng)算法忽略了在實(shí)際匹配中，需要的部分是二維圖像中占比例較小的部分這一事實(shí)。另外，傳統(tǒng)的生長(zhǎng)判斷條件只對(duì)比判斷點(diǎn)之間的關(guān)系，而忽略了二維圖片和判定點(diǎn)整體的聯(lián)系，這導(dǎo)致匹配出較多的干擾點(diǎn)，嚴(yán)重影響整體效果。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的發(fā)明目的在于：針對(duì)上述存在的問(wèn)題，提供一種基于多重判定的區(qū)域生長(zhǎng)檢測(cè)方法，用于醫(yī)學(xué)MRI以及CT圖像等進(jìn)行處理，準(zhǔn)確的提取出所需的組織的圖像，即目標(biāo)生長(zhǎng)結(jié)果圖。本發(fā)明的一種基于多重判定的區(qū)域生長(zhǎng)檢測(cè)方法，包括下列步驟：步驟1：輸入待檢測(cè)的目標(biāo)圖像，從目標(biāo)圖像的目標(biāo)區(qū)域手動(dòng)選擇初始點(diǎn)，讀取初始點(diǎn)的圖像位置，將初始點(diǎn)作為初始生長(zhǎng)點(diǎn)，由生長(zhǎng)點(diǎn)得到當(dāng)前生長(zhǎng)區(qū)域；步驟2：基于預(yù)設(shè)擴(kuò)展度，以生長(zhǎng)區(qū)域?yàn)橹行?，向四周進(jìn)行邊界擴(kuò)散，得到擴(kuò)散區(qū)域，并將擴(kuò)散區(qū)域作為當(dāng)前檢測(cè)區(qū)域，即將當(dāng)前生長(zhǎng)區(qū)域的最大X、Y坐標(biāo)MaX和MaxY分別加上預(yù)設(shè)擴(kuò)展度(比如1～2)，以及最小X、Y坐標(biāo)MinX、MinY分別減去預(yù)設(shè)擴(kuò)展度，從而得到擴(kuò)散區(qū)域；在邊界擴(kuò)散時(shí)，位于目標(biāo)圖像的邊界的生長(zhǎng)區(qū)域的邊界保持不變；步驟3：基于當(dāng)前生長(zhǎng)閾值，判定當(dāng)前檢測(cè)區(qū)域的每個(gè)像素點(diǎn)是否為生長(zhǎng)點(diǎn)：若當(dāng)前像素點(diǎn)滿足生長(zhǎng)閾值，且與生長(zhǎng)點(diǎn)相鄰，即存在為生長(zhǎng)點(diǎn)的相鄰像素點(diǎn)，則無(wú)需進(jìn)行邊緣點(diǎn)檢測(cè)，直接判定當(dāng)前像素點(diǎn)為生長(zhǎng)點(diǎn)；若當(dāng)前像素點(diǎn)滿足生長(zhǎng)閾值，且不與生長(zhǎng)點(diǎn)相鄰，即不存在為生長(zhǎng)點(diǎn)的相鄰像素點(diǎn)，則繼檢測(cè)當(dāng)前像素點(diǎn)是否為目標(biāo)圖像的邊緣點(diǎn)，若是，則當(dāng)前像素點(diǎn)為生長(zhǎng)點(diǎn)；否則，當(dāng)前像素點(diǎn)不是生長(zhǎng)點(diǎn)；若當(dāng)前像素點(diǎn)不滿足生長(zhǎng)閾值，且不與生長(zhǎng)點(diǎn)相鄰，即不存在為生長(zhǎng)點(diǎn)的相鄰像素點(diǎn)，則無(wú)需進(jìn)行邊緣點(diǎn)檢測(cè)，直接判定當(dāng)前像素點(diǎn)不是生長(zhǎng)點(diǎn)；若當(dāng)前像素點(diǎn)不滿足生長(zhǎng)閾值，且與生長(zhǎng)點(diǎn)相鄰，即存在為生長(zhǎng)點(diǎn)的相鄰像素點(diǎn)，則繼檢測(cè)當(dāng)前像素點(diǎn)是否為目標(biāo)圖像的邊緣點(diǎn)，若是，則當(dāng)前像素點(diǎn)為生長(zhǎng)點(diǎn)；否則，當(dāng)前像素點(diǎn)不是生長(zhǎng)點(diǎn)；其中，滿足生長(zhǎng)閾值是指基準(zhǔn)灰度PJ與當(dāng)前像素點(diǎn)的灰度值的差值在預(yù)設(shè)范圍內(nèi)，且生長(zhǎng)閾值PJ的初始值為初始生長(zhǎng)點(diǎn)的灰度值；步驟4：將當(dāng)前檢測(cè)區(qū)域中的生長(zhǎng)點(diǎn)加入到生長(zhǎng)區(qū)域中，得到更新后的生長(zhǎng)區(qū)域；判斷當(dāng)前生長(zhǎng)區(qū)域的邊界是否均位于目標(biāo)圖像的邊界，若是，則執(zhí)行步驟6；否則執(zhí)行步驟5：步驟5：更新基準(zhǔn)灰度PJ，并繼續(xù)執(zhí)行步驟2；其中更新基準(zhǔn)灰度PJ的更新為：計(jì)算當(dāng)前檢測(cè)區(qū)域中的生長(zhǎng)點(diǎn)的平均灰度值PN，基于當(dāng)前基準(zhǔn)灰度PJ得到更新后的基準(zhǔn)灰度：其中K為預(yù)設(shè)加權(quán)系數(shù)。通過(guò)大量實(shí)驗(yàn)，得到K的優(yōu)選值為0.25，從而在縮減本發(fā)明整體運(yùn)算時(shí)間的同時(shí)達(dá)到較好的效果。步驟6：基于目標(biāo)圖像的生長(zhǎng)區(qū)域和非生長(zhǎng)區(qū)域，進(jìn)行二值化區(qū)分，得到生長(zhǎng)結(jié)果圖并輸出。本發(fā)明通過(guò)邊緣檢測(cè)算法和擴(kuò)展式的區(qū)域生長(zhǎng)算法的有機(jī)結(jié)合，對(duì)圖像進(jìn)行了全面而準(zhǔn)確的生長(zhǎng)匹配。本發(fā)明對(duì)需要判斷的點(diǎn)的灰度和位置信息進(jìn)行了精細(xì)的判斷和處理，以保證得到準(zhǔn)確的結(jié)果，在使用擴(kuò)展的方法實(shí)行區(qū)域生長(zhǎng)檢測(cè)的情況下，最大程度上接近于現(xiàn)有生長(zhǎng)算法得到的結(jié)果精度，同時(shí)增大了結(jié)果的廣度。這種精細(xì)處理是通過(guò)對(duì)點(diǎn)的灰度信息，點(diǎn)的位置以及點(diǎn)是否屬于邊緣點(diǎn)這三者的判定有機(jī)結(jié)合而成，同時(shí)在判斷過(guò)程中對(duì)判斷條件(基準(zhǔn)灰度)進(jìn)行細(xì)微修正，防止出現(xiàn)因?yàn)槟繕?biāo)圖像的灰度變化造成的丟失生長(zhǎng)區(qū)的問(wèn)題。進(jìn)一步的，為了得到更精確的生長(zhǎng)區(qū)域，去除干擾點(diǎn)，步驟6還包括：對(duì)二值化區(qū)分得到的生長(zhǎng)結(jié)果圖先進(jìn)行腐蝕處理，再進(jìn)行膨脹修正處理，得到優(yōu)化生長(zhǎng)結(jié)果圖；最后，將二值化區(qū)分得到的生長(zhǎng)結(jié)果圖與優(yōu)化生長(zhǎng)結(jié)果圖進(jìn)行與運(yùn)算后，得到輸出的生長(zhǎng)結(jié)果圖并輸出。其中腐蝕和膨脹修正處理可以采用任一慣用方案。綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：本發(fā)明的技術(shù)優(yōu)勢(shì)在于：利用擴(kuò)展的方式掃描整個(gè)圖像，避免了傳統(tǒng)的區(qū)域生長(zhǎng)算法無(wú)法對(duì)離散物體進(jìn)行匹配的缺點(diǎn)，增加了區(qū)域生長(zhǎng)算法的使用范圍。此外，在掃描過(guò)程中，通過(guò)對(duì)生長(zhǎng)閾值進(jìn)行實(shí)時(shí)修正，更加精確地確定了點(diǎn)是否屬于生長(zhǎng)點(diǎn)，減少了干擾點(diǎn)出現(xiàn)的次數(shù)，降低了目標(biāo)圖像的灰度變化對(duì)檢測(cè)結(jié)果產(chǎn)生的影響，且對(duì)檢測(cè)區(qū)域的生長(zhǎng)點(diǎn)判定簡(jiǎn)便，保證了本發(fā)明的運(yùn)行速度；同時(shí)，本發(fā)明通過(guò)將灰度閥值判斷，臨近點(diǎn)判定和邊緣判定相結(jié)起來(lái)，實(shí)現(xiàn)了對(duì)離散生長(zhǎng)區(qū)域中生長(zhǎng)點(diǎn)的精確判斷，避免離散無(wú)關(guān)點(diǎn)的加入。附圖說(shuō)明圖1是本發(fā)明的檢測(cè)方法流程示意圖；圖2是擴(kuò)散區(qū)域示意圖；圖3是腐蝕和擴(kuò)展的可用結(jié)構(gòu)示意圖。具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合實(shí)施方式和附圖，對(duì)本發(fā)明作進(jìn)一步地詳細(xì)描述。本發(fā)明在手動(dòng)選擇初始點(diǎn)后，在原有的區(qū)域生長(zhǎng)算法的基礎(chǔ)上，將生長(zhǎng)范圍逐漸強(qiáng)制擴(kuò)展到目標(biāo)圖像的全部圖像數(shù)據(jù)上，優(yōu)化對(duì)離散點(diǎn)的匹配，基于邊緣檢測(cè)檢測(cè)離散點(diǎn)是否屬于可生長(zhǎng)區(qū)域；另外通過(guò)始點(diǎn)優(yōu)化基準(zhǔn)灰度，在生長(zhǎng)過(guò)程中不斷優(yōu)化生長(zhǎng)結(jié)果，以確保匹配到所需要的大區(qū)域圖像，避免匹配到滿足判斷條件的干擾點(diǎn)。最后對(duì)生長(zhǎng)結(jié)果進(jìn)行腐蝕和膨脹處理，去除干擾點(diǎn)，真正從整體上優(yōu)化了整個(gè)匹配過(guò)程，得到更精確的結(jié)果。參見(jiàn)圖1，本發(fā)明的具體過(guò)程為：步驟S1：加載目標(biāo)圖像；步驟S2：點(diǎn)擊目標(biāo)圖像的目標(biāo)區(qū)域，手動(dòng)選擇初始點(diǎn)(及初始生長(zhǎng)點(diǎn))；步驟S3：獲取初始點(diǎn)位置，得到生長(zhǎng)區(qū)域(初始生長(zhǎng)區(qū)域直接由初始生長(zhǎng)點(diǎn)構(gòu)成)的邊界坐標(biāo)；步驟S4：基于預(yù)設(shè)擴(kuò)展度(1個(gè)像素點(diǎn))，以當(dāng)前生長(zhǎng)區(qū)域?yàn)橹行模蛑車(chē)?個(gè)像素點(diǎn)進(jìn)行邊界擴(kuò)散，得到擴(kuò)散區(qū)域。即擴(kuò)散區(qū)域是指將當(dāng)前生長(zhǎng)區(qū)域的最大X，Y坐標(biāo)MaxX和MaxY及最小X，Y坐標(biāo)MinX，MinY分別增加和減少一像素后得到的區(qū)域，如果想要提高檢測(cè)的速度，可以調(diào)整擴(kuò)展度。如圖2所示，其中擴(kuò)散區(qū)域是：以N*N的當(dāng)前生長(zhǎng)區(qū)域?yàn)橹行那也话ó?dāng)前生長(zhǎng)區(qū)域的(N+2)*(N+2)區(qū)域。對(duì)于初始點(diǎn)不位于目標(biāo)圖像中央的情況，當(dāng)某個(gè)方向的X，Y參數(shù)抵達(dá)目標(biāo)圖像的邊界后將不再變化；當(dāng)四個(gè)方向均不再變化時(shí)邊界擴(kuò)散結(jié)束，此時(shí)對(duì)整個(gè)目標(biāo)圖像的全圖掃描完成。S5：對(duì)當(dāng)前擴(kuò)散區(qū)域的像素點(diǎn)進(jìn)行檢測(cè)判斷；S6：判斷當(dāng)前像素點(diǎn)是否滿足生長(zhǎng)閾值，即判斷較基準(zhǔn)灰度PJ(初始值為初始生長(zhǎng)點(diǎn)的灰度值)與當(dāng)前像素點(diǎn)的灰度值之差是否在預(yù)設(shè)范圍內(nèi)，比如是否小于或等于10；S7：判斷當(dāng)前像素點(diǎn)是否與生長(zhǎng)點(diǎn)相鄰，即存在屬于當(dāng)前生長(zhǎng)區(qū)域的相鄰點(diǎn)；所當(dāng)前像素點(diǎn)同時(shí)滿足條件：滿足生長(zhǎng)閾值且與生長(zhǎng)點(diǎn)相鄰；或者同時(shí)滿足條件：不滿足生長(zhǎng)閾值且與不與生長(zhǎng)點(diǎn)相鄰，則不用執(zhí)行步驟S8的判斷，直接執(zhí)行步驟S9；否則先執(zhí)行步驟S8；S8：判斷當(dāng)前像素點(diǎn)是否為目標(biāo)圖像的邊緣點(diǎn)，例如通過(guò)Sobel算子得到當(dāng)前像素點(diǎn)的一階梯度值，若一階梯度值大于或等于15，則當(dāng)前像素點(diǎn)為邊緣點(diǎn)。S9：將滿足下列三種條件之一的當(dāng)前像素點(diǎn)加入當(dāng)前生長(zhǎng)區(qū)域，即將滿足條件的當(dāng)前像素點(diǎn)作為生長(zhǎng)點(diǎn)：(1)當(dāng)前像素點(diǎn)滿足生長(zhǎng)閾值且與生長(zhǎng)點(diǎn)相鄰；(2)當(dāng)前像素點(diǎn)滿足生長(zhǎng)閾值且不與生長(zhǎng)點(diǎn)相鄰且為邊緣點(diǎn)；(3)當(dāng)前像素點(diǎn)不滿足生長(zhǎng)閾值且與生長(zhǎng)點(diǎn)相鄰且為邊緣點(diǎn)；擴(kuò)散區(qū)域的每個(gè)像素點(diǎn)的生長(zhǎng)點(diǎn)判定可由下表給出，其中1表示是，0表示否：滿足生長(zhǎng)閾值與生長(zhǎng)點(diǎn)相鄰邊緣點(diǎn)生長(zhǎng)點(diǎn)判定結(jié)果111/01001/001011100001110100S10：判斷對(duì)當(dāng)前擴(kuò)散區(qū)域的像素點(diǎn)檢測(cè)判斷是否完畢，即是否完成整個(gè)擴(kuò)散區(qū)域的檢測(cè)判斷，若是，則執(zhí)行步驟S11；否則執(zhí)行步驟S5；步驟S11：判斷是否對(duì)目標(biāo)圖像的全圖掃描完畢，若是則執(zhí)行步驟S13；否則執(zhí)行步驟S12；步驟S12：對(duì)基準(zhǔn)灰度PJ進(jìn)行更新后，返回步驟S4；其中基準(zhǔn)灰度PJ的更新步驟為：基于當(dāng)前擴(kuò)散區(qū)域被判定為生長(zhǎng)點(diǎn)的所有像素點(diǎn)，計(jì)算其平均灰度值PN，然后根據(jù)公式得到更行后的基準(zhǔn)灰度PJ：其中K為常數(shù)，經(jīng)過(guò)大量試驗(yàn)論證，k優(yōu)選值為k＝0.25。通過(guò)上述對(duì)基準(zhǔn)灰度PJ的迭代更行，可以有效防止PJ發(fā)生較大變化，使得以后的判斷結(jié)果相對(duì)穩(wěn)定，同時(shí)新加入點(diǎn)(當(dāng)前擴(kuò)散區(qū)域被判定為生長(zhǎng)點(diǎn)的像素點(diǎn))對(duì)PJ的修正增加后續(xù)判斷的正確率。在對(duì)如MRI圖進(jìn)行區(qū)域生長(zhǎng)匹配時(shí)，由于人體內(nèi)部組織較為復(fù)雜和人體皮膚組織厚度不均，導(dǎo)致MRI的亮度隨區(qū)域發(fā)生小幅度變化，在這種情況下，通過(guò)在區(qū)域生長(zhǎng)過(guò)程中不斷對(duì)生長(zhǎng)參數(shù)進(jìn)行修改，可以較好地彌補(bǔ)上述問(wèn)題。同時(shí)，使用基于實(shí)際使用經(jīng)驗(yàn)的權(quán)值運(yùn)算，可以在保證良好效果的同時(shí)簡(jiǎn)化運(yùn)算過(guò)程，保證運(yùn)算速度。步驟S13：基于目標(biāo)圖像的生長(zhǎng)區(qū)域和非生長(zhǎng)區(qū)域，進(jìn)行二值化區(qū)分，得到生長(zhǎng)結(jié)果圖，再利用腐蝕和膨脹對(duì)生長(zhǎng)結(jié)果圖進(jìn)行優(yōu)化后輸出。由于如果直接對(duì)原圖(目標(biāo)圖像)進(jìn)行腐蝕和膨脹處理，會(huì)導(dǎo)致原圖圖像數(shù)據(jù)細(xì)節(jié)的丟失，所以，本發(fā)明先將原圖按照是否屬于生長(zhǎng)點(diǎn)進(jìn)行二值化，屬于生長(zhǎng)區(qū)域的點(diǎn)為白色，即灰度值設(shè)置為0，其余點(diǎn)為黑色，即灰度值設(shè)置為1。然后對(duì)白色的點(diǎn)進(jìn)行腐蝕和膨脹處理，具體的方法是基于預(yù)構(gòu)造的腐蝕和膨脹的結(jié)構(gòu)元素，其可以有多種結(jié)構(gòu)，如圖3所示，優(yōu)選圖3中的十字型結(jié)構(gòu)。接著，基于所采用的腐蝕和膨脹的結(jié)構(gòu)元素在二值化圖像上進(jìn)行逐點(diǎn)移動(dòng)并進(jìn)行比較，根據(jù)比較的結(jié)果作出相應(yīng)處理。以生長(zhǎng)結(jié)果圖的骨架為白色點(diǎn)為例：作圖像腐蝕處理時(shí)，如果結(jié)構(gòu)元素中的所有白色點(diǎn)與它對(duì)應(yīng)的生長(zhǎng)結(jié)果圖(二值化圖像)完全相同，則該點(diǎn)為白色，否則為黑色。作圖像膨脹處理時(shí)，如果結(jié)構(gòu)元素中只要有一個(gè)及以上白色點(diǎn)與它對(duì)應(yīng)的生長(zhǎng)結(jié)果圖像素點(diǎn)相同，則該點(diǎn)為白色，否則為黑色。也就是說(shuō)，如果結(jié)構(gòu)元素中的所有白色點(diǎn)與它對(duì)應(yīng)的生長(zhǎng)結(jié)果圖像素點(diǎn)沒(méi)有一個(gè)相同，則該點(diǎn)為黑色，否則為白色。結(jié)構(gòu)元素中的所有白色點(diǎn)與它對(duì)應(yīng)的生長(zhǎng)結(jié)果圖像素點(diǎn)沒(méi)有一個(gè)相同，說(shuō)明大圖的這些像素點(diǎn)都是黑色的。首先對(duì)二值化圖進(jìn)行腐蝕處理，可以除去圖中的小干擾點(diǎn)，即將包含白色干擾點(diǎn)的部分全部變?yōu)楹谏?，同時(shí)位于生長(zhǎng)區(qū)域的點(diǎn)保留白色。然后使用同樣的結(jié)構(gòu)模型進(jìn)行膨脹，位于生長(zhǎng)區(qū)域的點(diǎn)由于保留有白色，會(huì)還原成原樣，而干擾點(diǎn)由于沒(méi)有白色，不再恢復(fù)。之后，將原二值化圖像(原生長(zhǎng)結(jié)果圖)與進(jìn)行過(guò)處理(腐蝕、膨脹)的二值化圖像進(jìn)行與運(yùn)算，保留原圖像上與腐蝕和膨脹處理后的二值化圖上白色的點(diǎn)坐標(biāo)相同的點(diǎn)，這樣可以在防止圖像細(xì)節(jié)紋理被破壞的情況下，去除圖像上的干擾點(diǎn)。以上所述，僅為本發(fā)明的具體實(shí)施方式，本說(shuō)明書(shū)中所公開(kāi)的任一特征，除非特別敘述，均可被其他等效或具有類(lèi)似目的的替代特征加以替換；所公開(kāi)的所有特征、或所有方法或過(guò)程中的步驟，除了互相排斥的特征和/或步驟以外，均可以任何方式組合。當(dāng)前第1頁(yè)1 2 3