本發(fā)明屬于圖像處理領域,特別是一種掩模掃描式最大類間方差閾值分割法及系統(tǒng)。
背景技術:
近紅外血管成像技術,廣泛應用于臨床靜脈血管成像和定位,安防系統(tǒng)的血管成像和虹膜檢測和識別,以及病理診斷和健康護理等眾多領域。
通常的近紅外血管成像經常受到硬件系統(tǒng)器件特性和外部環(huán)境的影響,使得所采集到的原始圖像信息里含有器件和系統(tǒng)的固有噪聲、外部環(huán)境的背景光噪聲、光電轉換的量子噪聲等多種噪聲。而這些噪聲使得成像對比度和分辨率都比較低,結果不能滿足臨床應用、檢測和鑒別、診斷和護理的要求。
目前針對上述問題,已經有很多方法和技術被提出來,用以處理含有各種噪聲成分的原始圖像數據,以區(qū)分真實血管圖像的信號和噪聲信號,提高血管圖像數據與周圍肌體組織圖像數據的對比度,從而能夠準確定位血管結構,生成清晰鮮明的目標血管圖像。
其中常用的方法有經典單閾值分割法、直方圖均衡化、高通銳化、以及全局大津閾值分割法等等。對圖像原始數據進行信號處理時,最常用到的像素分割方法是基于閾值二值化的分割法,即通過設定單個或多個閾值,將圖像的每個像素值分別歸類于目標像素和背景像素兩個類別,每個類別的像素賦予同一個值,生成僅含有高低兩種值的圖像作為分割結果。
上述圖像分割法中,直方圖雙峰法(Prewitt J M S.Object enhancement and extraction[J].Picture processing and Psychopictorics,1970,10(1),pp.15-19.)是一種基于直方圖的閾值確定方法。該方法假定所獲得圖像數據中的目標像素和背景像素在灰度上有較為明顯的差異,其直方圖呈雙峰分布,故可選取兩峰之間的谷底對應的灰度作為閾值。但是該方法采用圖像全局處理的方法,對于整個圖像產生單一閾值進行分割,在圖像細節(jié)豐富以及對比度較低時無法有效地分割出目標信息。
日本人大津展之提出了一種全局大津閾值分割法(Nobuyuki Ootsu,“A threshold selection method from gray-level histograms”,IEEE Trans.Syst Man Cybern Vol.SMC-9,1,Jan.1979,pp.62-66.),這是一種全局自適應二值化法確定閾值的方法,即最大類間方差閾值法。這種方法按圖像的灰度特性設定閾值,根據灰度閾值將圖像數據分為目標像素和背景像素兩大部類,對這兩類像素進行類間方差最大化的分割,即根據雙模直方圖假定包含兩類像素(目標像素和背景像素),通過計算獲取能將兩類像素區(qū)分開來的閾值,使得它們的類內方差最小;而由于像素間歐式距離恒定,所以在此閾值下它們的類間方差最大,該閾值定義為最佳閾值。
但在這類圖像分割方法中,確定閾值是一個極為重要卻較為困難的環(huán)節(jié)。使用廣泛的傳統(tǒng)大津閾值分割法,也僅僅針對圖像全局考慮,生成單一閾值。這種全域單一閾值方法,對低對比度的原始圖像處理,經常表現(xiàn)出力不從心,即不容易分辨目標圖像和背景圖像的輪廓差異,不易恢復再生清晰的目標圖像。
技術實現(xiàn)要素:
本發(fā)明所解決的技術問題在于提供一種圖像處理系統(tǒng)及方法。
實現(xiàn)本發(fā)明目的的技術解決方案為:一種圖像處理方法,包括以下步驟:
步驟1、采集圖像并對采集到的圖像進行預處理;
步驟2、對預處理后的圖像進行對比度優(yōu)化處理,提高目標圖像與背景圖像的對比度;
步驟3、生成初始掃描掩模;
步驟4、對步驟2處理后的圖像進行掩模掃描二值化處理;
步驟5、對二值化處理后的圖像進行質量評估,若質量指標未達到預設的范圍則生成新的掃描掩模并返回步驟4;若質量指標達到預設的范圍則輸出最終二值化圖像。
一種實現(xiàn)上述處理方法的系統(tǒng),包括
光源,用于對目標物體進行照射;
圖像采集單元,用于對目標圖像進行采集;
圖像預處理單元,接收圖像采集單元采集的原始圖像,并對圖像進行灰度量化和高斯平滑濾波處理,濾除圖像中的高頻噪聲;
圖像數據處理單元,用于對圖像進行直方圖均衡化處理后再對圖像進行掩模二值化處理,生成處理后的二值化圖像;
圖像顯示單元,用于對處理后的圖像進行顯示;
中央處理器,用于對上述各單元進行協(xié)調控制。
本發(fā)明與現(xiàn)有技術相比,其顯著優(yōu)點為:1)本發(fā)明方法的泛用性好,對于同一原始圖像數據陣列,可施行更準確的目標圖像分割;2)用本發(fā)明方法處理后的圖像對比度高,對于同一原始圖像數據陣列,可得到更高的圖像對比度、更多的圖像細節(jié),具有更高的信噪比;3)本發(fā)明方法的分辨度高,對于低對比度的原始圖像數據陣列,有更好的目標圖像分割性能,能更明確區(qū)分目標圖像特征與背景圖像特征的差異,得到更清晰的目標圖像;4)本發(fā)明方法的廣譜穩(wěn)定性好,不僅適用于近紅外光譜,對可見光等其他波段的圖像數據陣列也有穩(wěn)定的改善效果;5)本發(fā)明方法的可移植性強,本發(fā)明的核心算法可在上位機編制和實行,也可上位機和下位機系統(tǒng)集成實行,還可嵌入下位機實行可攜帶全自動智能化集成系統(tǒng);6)本發(fā)明尤其適用于在系統(tǒng)噪聲和背景噪聲嚴重影響圖像質量的條件下,能夠在低對比度的血管圖像中區(qū)分所測目標血管與其它肌體組織,對血管結構進行精確定位和還原,以生成更為精確的血管二維分布圖像和三維構造圖像,從而可提供血管分布和構造的更為精確的信息。
下面結合附圖對本發(fā)明作進一步詳細描述。
附圖說明
圖1是本發(fā)明的圖像處理方法流程圖。
圖2是本發(fā)明的圖像處理系統(tǒng)結構框圖。
圖3是本發(fā)明的圖像處理系統(tǒng)的功能架構示意圖。
圖4是本發(fā)明的圖像處理系統(tǒng)的前端處理模塊。
圖5是本發(fā)明的圖像處理系統(tǒng)的后端處理模塊。
圖6是使用本發(fā)明方法處理的結果與其它方法處理結果的對比圖,其中上左圖:波長810nm光照下的手背原始圖像,上中圖:直方圖均衡化處理后的成像結果圖;上右圖:直方圖雙峰法單閾值分割處理后的成像結果圖;下左圖:高通銳化處理后的成像結果圖,下中圖:傳統(tǒng)全局大津法處理后的成像結果圖,下右圖:本發(fā)明方法處理后的成像結果圖。
圖7是使用本發(fā)明方法處理的結果與其它方法處理結果的指標定量比較圖。
具體實施方式
一種圖像處理方法,包括以下步驟:
步驟1、采集圖像并對采集到的圖像進行預處理;對采集的圖像進行預處理具體是對圖像進行灰度量化和高斯平滑濾波處理,濾除圖像信號里的高頻噪聲。
步驟2、對預處理后的圖像進行對比度優(yōu)化處理,提高目標圖像與背景圖像的對比度;對預處理后的圖像進行對比度優(yōu)化處理具體是對圖像進行直方圖均衡化處理,從而提高目標圖像與背景圖像的對比度。
步驟3、生成初始掃描掩模;具體包括以下步驟:
步驟3-1、設置初始化二值化統(tǒng)計映射表,該映射表大小與所處理圖像尺寸相同,該映射表的初始值設置為零;
步驟3-2、掩模設置,取尺寸大小為m*m的掩模作為圖像二值化處理的最小單元,m代表掩模邊長占用的像素數目,其數值小于矩形對象圖像的最小邊長占用的像素數目。
步驟4、對步驟2處理后的圖像進行掩模掃描二值化處理;具體包括以下步驟:
步驟4-1、掩模掃描,掩模左邊緣與圖像左上角邊緣對齊,以圖像左上角第一塊與掩模尺寸一致的區(qū)域為起始子域,以從左至右、從上至下的方式,以預置的掃描步長進行掃描,直至遍歷至掩模右邊緣與圖像右下角邊緣對齊,掃描結束;
掩模掃描過程中,以預置的掃描步長進行掃描時,新的掩模位置跟前次掩模位置邊界相連,或跟前次掩模位置存在重合,保證圖像處理的連續(xù)性。
步驟4-2、對于每步掃描掩模覆蓋的區(qū)域,進行基于最大類間方差法的閾值二值化分割處理,具體為:對于每步掃描掩模覆蓋的區(qū)域使用大津法找出該區(qū)域的最優(yōu)二值化閾值,然后根據此閾值對圖像進行二值化處理,高于該閾值的像素賦值為1,低于該閾值的像素賦值為0,并將該區(qū)域的像素值疊加到步驟3-1中二值化統(tǒng)計映射表的對應位置中,每步掃描均會生成一個二值圖像陣列,該圖像陣列大小和對應的掩模大小相同,其像素值均一一映射疊加至二值化統(tǒng)計映射表的對應位置;
步驟4-3、對二值化統(tǒng)計映射表各像素進行判別處理,具體是結合掃描步長,確定每個點被掃描到參與掩模運算的次數,根據每個點被掃描到的次數,生成一個與像素位置一一對應的閾值映射表,將二值化統(tǒng)計映射表的像素值與閾值映射表對應位置的值進行比較,大于閾值者設定為1,小于閾值者設定為0,生成該次處理的二值化圖像。
閾值映射表中的閾值與每個點被掃描到次數存在比率關系k,該比率關系根據需要進行調整,調整該比率即可改變閾值映射表,所述比率關系k不為0。
步驟5、對二值化處理后的圖像進行質量評估,若質量指標未達到預設的范圍則生成新的掃描掩模并返回步驟4;若質量指標達到預設的范圍則輸出最終二值化圖像。對二值化處理后的圖像進行質量評估時,質量評估的內容包括歸一化平均梯度、信噪比、對比度噪聲比。
一種實現(xiàn)上述處理方法的系統(tǒng),包括
光源,用于對目標物體進行照射,用于發(fā)出可見光或不可見光;
圖像采集單元,用于對目標圖像進行采集;
圖像預處理單元,接收圖像采集單元采集的原始圖像,并對圖像進行灰度量化和高斯平滑濾波處理,濾除圖像中的高頻噪聲;
圖像數據處理單元,用于對圖像進行直方圖均衡化處理后再對圖像進行掩模二值化處理,生成處理后的二值化圖像;
圖像顯示單元,用于對處理后的圖像進行顯示;
中央處理器,用于對上述各單元進行協(xié)調控制。
該系統(tǒng)還包括依次連接的波長選擇單元和準直和分光單元,設置在光源和目標物體之間。
下面進行更詳細的描述。
本發(fā)明公開一種圖像處理方法。本發(fā)明公開的圖像處理和圖像成像方法是一種掩模掃描式最大類間方差閾值分割法圖像處理和成像方法,該方法包含一種對原始數字圖像信號陣列全域施行掩模掃描、在掩模覆蓋的子域內對原始圖像含有的目標圖像信息和背景圖像信息進行二值分割、對原始圖像全域進行自適應掩模掃描分割的算法以及實現(xiàn)自適應掩模掃描分割的信號處理流程,對二維或三維圖像全域的信號進行掩模掃描式最大類間方差閾值分割處理,抑制混雜在原始圖像信號里的各種背景光噪聲和器件以及系統(tǒng)噪聲的影響,抽出高對比度的圖像信息,生成高清晰度的目標圖像?;诒景l(fā)明的圖像處理和成像系統(tǒng),所得到的圖像細節(jié)豐富,具有更高的對比度,使得目標圖像的視覺效果更為清晰。本發(fā)明尤其適用于處理原始對比度較低的圖像,通過掃描分割提取目標圖像的有效位置信息以提高圖像對比度。
本發(fā)明的圖像處理方法可用于處理光譜圖像包括可見光和不可見光產生的圖像,也可處理其它方式所獲取信號包括但不限于電磁信號和聲音信號,目標是生成高清晰度的圖像。本發(fā)明不僅可用于二維圖像,還可用于三維圖像。本發(fā)明的實施例涉及一種生物醫(yī)用圖像處理方法,尤其是一種近紅外靜脈血管圖像處理方法以及實現(xiàn)該方法的高分辨度靜脈血管成像系統(tǒng)。以下以一種近紅外靜脈血管二維圖像處理方法以及實現(xiàn)該方法的高分辨度靜脈二維血管成像系統(tǒng)為例對本發(fā)明做詳細的描述。
本發(fā)明的目的是增強目標圖像的信噪比、抽提并強化目標圖像與背景圖像的邊界差異即提高目標圖像輪廓的清晰度、提高圖像成像質量指標的歸一化平均梯度和對比度噪聲比。所述圖像處理的核心內容包括掩模掃描式最大類間方差閾值分割法(在不致誤解的前提下,所述掩模掃描式最大類間方差閾值分割法將在本發(fā)明中簡稱為掩模掃描分割法,基于所述掩模掃描分割法生成高分辨度圖像的過程和結果稱為掩模掃描分割法成像)以及施行該方法的算法、步驟和實現(xiàn)方法與方案。所述系統(tǒng)結構是基于前述掩模掃描分割法成像技術的高分辨度成像系統(tǒng)結構,包含硬件結構和軟件架構以及通信線路和接口。本發(fā)明的實現(xiàn)方案和核心結構包含下述功能結構和步驟,即視頻或圖像信號的連續(xù)采集和圖像信號按幀讀取、圖像信號預處理、對比度初步優(yōu)化、掩模參數設置、掩模掃描最大類間方差二值化分割、自適應優(yōu)化。本發(fā)明將人體靜脈血管圖像信號成分稱為目標圖像,將靜脈血管周圍其它肌體的圖像信號成分稱為背景圖像。根據應用要求和光源與圖像信號生成的關系,本發(fā)明的圖像信號采集方式可以是反射式、透射式、散射式或非線性波長生成包括熒光圖像等。所述光源的波長范圍可以是可見光或不可見光波段。根據實際應用,所述圖像可以是靜止圖像或動態(tài)圖像,包括視頻圖像信號。所述圖像將按幀讀入所實現(xiàn)的圖像處理系統(tǒng),其特征是對每幀讀入圖像進行幀信號完整性的判斷,以避免信號不完整或像素缺失帶來的不利影響。
本發(fā)明包含一種對原始數字圖像信號的像素陣列進行掩模掃描、像素分類的方法,該方法對二維原始圖像的像素陣列進行掩模設置、對掩模下的圖像信號進行掃描式最大類間方差閾值分割處理,抑制混雜在原始圖像信號里各種背景光噪聲和器件以及系統(tǒng)噪聲的影響,抽出高對比度的圖像信息,生成高清晰度的目標圖像。本發(fā)明適用于但不限于近紅外血管成像系統(tǒng),包括靜脈成像,手指、手掌、手背、面部血管成像,以及其它肌體部位的血管成像系統(tǒng),上述成像包括二維和三維成像。最直接的臨床應用,包括但不限于靜脈穿刺輔助定位、靜脈血管三維成像、針刺定位等等,以及血管特征識別、眼睛識別、面部識別等檢測和鑒定應用。
本發(fā)明原理為:對于含有多重圖像信號成分的生物醫(yī)學圖像,施行掩模掃描式最大類間方差閾值分割,實現(xiàn)自適應局部最佳處理,提高對比信噪比等圖像質量評估指標,生成高分辨度的目標圖像。本發(fā)明原理的主要技術步驟包括:對低對比度的原始圖像信號,施行直方圖均衡化,以實現(xiàn)對比度的初步提高;再通過設置掩模和掃描掩模的方法對掩模覆蓋圖像的每個局部像素進行二值化處理,實現(xiàn)局部自適應而非全局的處理方式;對于每個掩模區(qū)域內的處理,假定圖像包含兩類像素(目標像素和背景像素),通過計算獲取能將兩類像素分開的閾值,使得它們的類內方差最?。挥捎谙袼亻g歐氏距離恒定,所以它們的類間方差最大,該閾值即為最佳閾值;據此最佳閾值,通過經典二值化的方式,可將掩模區(qū)域中目標靜脈血管特征與非靜脈血管的背景肌體特征更鮮明地區(qū)分出來;對整幅圖像中所有像素點在掩模掃描過程中的二值化結果進行統(tǒng)計優(yōu)化判別,可以得到每一像素的最佳二值化結果,從而實現(xiàn)全圖的最佳分割處理。本發(fā)明實行過程中,將根據前述分割結果對所生成圖像的質量施行定量評估;所述評估采用的技術指標,包括但不限于歸一化平均梯度、信噪比、對比度噪聲比等等;所述評估指標達到預設最佳指標范圍內時,認定設置的掩模為最佳掩模;為獲取最佳掩模,可能需要重復多個掃描二值化和圖像質量評估過程,這個過程在本發(fā)明技術中稱為自適應優(yōu)化過程。
圖2是本發(fā)明一個實現(xiàn)和測試方案的系統(tǒng)結構圖,所包含的主要單元分別說明如下。中央處理器1000,其功能和結構包括內存儲器、控制器、處理器、界面接口,用以存儲相關軟件程序、控制和驅動程序、存儲、處理、輸出數據等等。該中央處理器可以是上位機,可以是上位機和下位機的結合,也可以是專用處理器或嵌入式處理器系統(tǒng);本公開的案例中采用上位機即泛用計算機作為中央處理器,本發(fā)明技術相關的圖像處理算法、控制程序、輸出輸入界面、分析和顯示程序,就預置于該計算機內或通過該計算機進行控制和施行。光源120及其驅動和控制單元110、以及波長選擇單元130;本發(fā)明適用的光源包括可見光和不可見光,本發(fā)明實現(xiàn)及測試和評估案例將采用近紅外光源為例。目標物體150;本發(fā)明中將以人體組織為例,更具體地,以人體手背為目標物體。反射光160;本發(fā)明技術適用于各種透射、散射、反射成像的圖像,在方案實施案例中,以反射光成像的圖像為例。圖像采集單元220及其驅動與控制單元210,包含光信號檢測器、相關光學組件和電子組件以及驅動和控制組件;本方案將用CCD陣列組件模塊來采集圖像信號。圖像預處理單元310,其功能包含通過預置軟件程序對所述系統(tǒng)所采集的圖像信號進行濾波平滑處理、經該預處理的圖像信號送入中央處理器1000。圖像處理單元320,由預置于中央處理器的軟件程序進行解析、施行本發(fā)明技術的處理。圖像顯示單元400,包含顯示軟件程序、信號界面與接口、顯示屏。操作單元500,在本實現(xiàn)案例中為操作鍵盤或觸控屏幕、相關的操作按鈕和光機電控制按鈕以及所需界面接口。外存儲媒介610及其接口620,本實現(xiàn)方案中以預置于計算機的磁盤及其USB接口為例。
結合圖3,所述軟件系統(tǒng)的前端功能結構和處理機制含有控制模塊單元和顯示模塊單元,所述軟件系統(tǒng)的后端功能結構和處理機制含有圖像采集通信單元、信號解析模塊單元、圖像處理模塊單元。所述軟件系統(tǒng)具有移植性,即可在上位機實行,也可嵌入于下位機實現(xiàn)。本實現(xiàn)方案以上位機實現(xiàn)為例。上位機接收到系統(tǒng)所采集的圖像信號(本發(fā)明實現(xiàn)方案中為視頻圖像信號)后,系統(tǒng)軟件對原始視頻信號進行初始化處理,包括上位機軟件對視頻信號進行解析,將視頻轉化為圖像序列,對每一幀圖像進行處理。
圖3是本發(fā)明技術軟件架構的前端功能結構及其處理機制,該前端結構及其功能包括用戶控制指令的交互(I/O)、與后端處理機制的交互、圖像顯示。該前端處理機制的實現(xiàn)基于上位機的集成開發(fā)環(huán)境與商用圖形界面開發(fā)框架。前端功能程序采用面向對象設計,XML用于存儲傳輸給前端的數據,Javascript用于前端界面的渲染。
圖4顯示本發(fā)明軟件系統(tǒng)后端功能結構及其處理機制,該后端結構功能包括實時視頻圖像數據采集、視頻圖像信號解析和幀圖像轉換、圖像像素信息的分類和存儲、目標圖像的生成和輸出。本發(fā)明實現(xiàn)方案中,后端功能結構的實現(xiàn)基于Visual Studio 2012集成開發(fā)環(huán)境,并配置開源計算機視覺開發(fā)工具OpenCV,為視頻解析與圖像處理模塊提供應用程序接口。后端軟件開發(fā)也可采用C++面向對象程序設計,使得程序具備一定的模塊特性和可移植特性。
結合圖1,本發(fā)明的圖像處理方法,包括以下步驟:
1.將三通道彩色圖像轉化為單通道灰度圖像,并進行灰度量化;
2.對灰度圖像進行高斯平滑濾波。主要目的是減少乃至去除原始圖像中的噪聲影響;
3.對濾波后的圖像進行直方圖均衡化處理。由于采集到的原始信號對比度較低,該功能的主要目的是擴展原始圖像的像素取值的動態(tài)范圍,提高圖像對比度,從而強化目標靜脈血管與非靜脈血管肌體部分的輪廓差異;
4.對直方圖均衡化后的圖像進行掩模掃描二值化處理,目的是將圖像數據中目標血管像素與非血管肌體部分的像素以二值的形式進行分類。該處理過程細分步驟如下:
4.1)設置初始化二值化統(tǒng)計映射表:該映射表大小與所處理圖像尺寸相同,該映射表的初始值設置為零,該映射表將用于統(tǒng)計最終各對應位置的像素被分類為目標像素(或背景像素)的次數。
4.2)掩模設置:取尺寸大小為m*m的掩模作為圖像二值化處理的最小單元,m代表掩模邊長占用的像素數目,其數值小于矩形對象圖像的最小邊長占用的像素數目。
4.3)掩模掃描:掩模左邊緣與圖像左上角邊緣對齊,以圖像左上角第一塊與掩模尺寸一致的區(qū)域為起始子域,以從左至右、從上至下的方式,以預置的掃描步長進行掃描,直至遍歷至掩模右邊緣與圖像右下角邊緣對齊,掃描結束;
4.4)對于每步掃描掩模覆蓋的區(qū)域,進行基于最大類間方差法的閾值二值化分割處理。對于每個區(qū)域使用大津法找出該區(qū)域的最優(yōu)二值化閾值,然后根據此閾值對圖像進行二值化,高于該閾值的像素賦值為1(此為歸一化后灰度圖的最大值),低于該閾值的像素賦值為0,并將該區(qū)域的像素值疊加到4.1)中初始化生成的二值化統(tǒng)計映射表的對應位置中。每步掃描會生成一個二值圖像陣列,該圖像陣列大小和對應的掩模大小相同,其像素值將一一映射疊加至二值化統(tǒng)計映射表的對應位置;
4.5)對二值化統(tǒng)計映射表各像素進行判別處理。掃描結束后,二值化統(tǒng)計映射表的像素值保存著該位置的像素值被判定為1的次數,而最終生成的二值圖像需要對每個位置的像素值取值為1還是0進行判別。結合掃描步長,可以得出每個點被掃描到參與掩模運算的次數,根據每個點被掃描到的次數,可以生成一個與像素位置一一對應的閾值映射表,我們這里可以將閾值設定為每個點被掃描到次數的一定比率,調整這個比率即可改變閾值映射表。將第三方圖像的像素值與閾值映射表對應位置的值進行比較,大于閾值者設定為1,小于閾值者設定為0,生成該次處理的二值化圖像。
5.系統(tǒng)對輸出的二值化圖像進行質量指標的定量評估。如果質量指標尚未達到預設最佳指標范圍,則重新生成新的掃描掩模,再次進入掃描二值化處理。當質量指標達到預設最佳指標范圍內時,認定所設置的掩模為最佳掩模,系統(tǒng)輸出最終二值化圖像。
實施例
本實施例中使用近紅外光作為光源照射目標肌體后生成的圖像作為處理對象。光源波長為810nm,目標圖像為人體手背的靜脈血管。手背皮膚下面有血管分布,血管包括靜脈血管,本實施例中的目標圖像以靜脈血管圖像為例。
所述實施例使用覆蓋可見光和近紅外波段的矩陣光檢測器接收來自手背的反射光信號,該反射光信號包含靜脈反射光信號、非靜脈肌體的反射光信號、各種器件噪聲以及背景光噪聲信號成分;所述實施例對采集到的反射光圖像數據進行信號預處理,該處理包括平滑化濾波去除噪聲;通過直方圖均衡化,初步提高目標血管圖像與周圍肌體圖像的對比度,以增強顯示血管圖像與周圍肌體組織圖像的輪廓差異。所述實施例在圖像信號預處理后,對直方圖均衡化的圖像像素陣列設定掩模,對每個掩模下的圖像像素進行二值化處理,在所述每個掩模二值化的過程中采用類間方差最大化的方法來確定掩模局部最優(yōu)二值化閾值。所述實施例對于整個圖像的每個子域產生一套自適應的二值化閾值,進而完成二值化分割出靜脈血管與非靜脈血管部分。
圖6是用5種不同技術處理所得結果的效果圖比較,圖6的右下角是本發(fā)明技術所得的圖像處理和成像結果。在同一噪聲背景下,本發(fā)明得到了視覺效果最為清晰的靜脈血管圖像。圖7是對同一原始圖像用5種不同技術處理所得結果的定量圖示,即對圖6所示圖像進行指標定量圖示的結果。對應于圖7,表1也列出了各指標具體定量結果。比較各指標可見,在保持信噪比幾乎不變的條件下,基于本發(fā)明技術和實現(xiàn)方案的圖像處理結果,歸一化平均梯度比其它技術和結構分別提高6.8%~46.5%,對比度噪聲比分別提高2%~143%。
表1 各種圖像處理技術的定量指標比較
由圖6和表1可知,本發(fā)明方法處理后的目標圖像與背景圖像的輪廓差異(邊界清晰度)明顯得到強化。由上可知,本發(fā)明基于經典的閾值二值化思想,提出一種掩模掃描式最大類間方差閾值分割法,以局部確定最佳分割閾值的方式對圖像局部進行二值分割,結合統(tǒng)計學判別的方法實現(xiàn)全局二值化分割,并通過自適應的方法實現(xiàn)最優(yōu)分割性能。本發(fā)明的方法對采集到的圖像原始數據進行掃描式分割處理,可以將血管與周圍組織的信號分離開來。原始圖像數據經過本發(fā)明方法的處理,圖像對比度得到提高,所生成的血管圖像跟周圍肌體組織圖像有更加清晰明顯的分界,血管圖像的分辨度即可識別度得到明顯提高?;诒景l(fā)明技術的系統(tǒng)圖像處理結果表明,圖像定量評價指標,如歸一化平均梯度和對比度噪聲比相比其它技術和結構都得到了提高。