本發(fā)明屬于數(shù)字圖像處理
技術(shù)領(lǐng)域：
，利用采集到的術(shù)后角膜OCT（光學(xué)相干斷層掃描技術(shù)）影像數(shù)據(jù)，提出了一種全自動的圖像分割方法。
背景技術(shù)：
：現(xiàn)如今，隨著大數(shù)據(jù)時(shí)代的到來和醫(yī)學(xué)儀器設(shè)備的發(fā)展，影像數(shù)據(jù)逐日遞增，為了能夠更加充分的利用和分析影像數(shù)據(jù)，計(jì)算機(jī)輔助智能醫(yī)學(xué)影像處理技術(shù)應(yīng)運(yùn)而生，并得到了廣泛應(yīng)用：如視網(wǎng)膜分層、腎臟器官分割、光密度分析等。目前現(xiàn)有的基于角膜OCT影像的圖像分割處理技術(shù)有：1、通過建立兩個(gè)不同分布高斯模型來分割角膜和背景圖像；2、應(yīng)用圖論和動態(tài)規(guī)劃的方法尋找角膜邊界，并且從背景圖像中分割出角膜圖像，此方法也能作用于存在中央噪聲的角膜圖像；3、利用增強(qiáng)型的智能剪刀與人工交互的方法獲得角膜邊界，從而分割角膜圖像；4、利用普魯伊特（Prewitt）邊緣檢測算子與手動分割相結(jié)合，得到角膜邊界的擬合曲線，從而分割角膜圖像。以上提到的這些角膜圖像分割技術(shù)還存在以下缺陷和不足：（1）大多數(shù)方法都針對正常的角膜進(jìn)行設(shè)計(jì)，并不能處理不正常的角膜數(shù)據(jù)，例如存在中央豎直噪聲的、經(jīng)歷角膜手術(shù)后的圖像；（2）部分角膜分割方法還依賴于半自動的人工分割，不能達(dá)到全自動、智能化圖像處理的要求。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提出了一種基于術(shù)后角膜OCT影像數(shù)據(jù)的圖像分割方法，首次提供了針對縱向角膜圖像的全自動邊界分割，對包括有傷口的角膜圖像和存在中央噪聲的角膜圖像均可以從背景圖像中分割出來。本方法的實(shí)施過程主要包括了以下4個(gè)方面：圖像預(yù)處理，坎尼邊緣檢測、中央豎直噪聲定位和角膜上下邊界分割：步驟1.圖像預(yù)處理：首先裁切原始OCT圖像去除無關(guān)的眼前節(jié)結(jié)構(gòu)圖像；然后利用大津閾值法得到角膜二值圖像；最后在二值圖像上進(jìn)行數(shù)學(xué)形態(tài)學(xué)操作處理；步驟2.坎尼邊緣檢測：將坎尼邊緣檢測器作用于預(yù)處理后的角膜圖像，得到坎尼映射圖像；步驟3.中央豎直噪聲定位：對于存在中央豎直噪聲的角膜圖像，利用坎尼映射圖像定位中央豎直噪聲；步驟4.角膜上下邊界分割：從坎尼映射圖像上，以掃描的方式直接獲得上邊界，通過拉平坎尼映射圖像后掃描的方式獲得下邊界；對于存在中央噪聲的圖像再以插值的方法校正已獲得的上下邊界檢測結(jié)果；最終將角膜圖像從背景圖像中分割出來。步驟1中，裁切原始OCT圖像時(shí)，去除掉與角膜無關(guān)的眼前節(jié)結(jié)構(gòu)圖像。步驟1中，將裁切后得到的圖像與一設(shè)定的常系數(shù)1.5相乘，增強(qiáng)圖像的對比度，再利用大津閾值法將圖像轉(zhuǎn)為二值圖像。步驟1中，數(shù)學(xué)形態(tài)學(xué)操作時(shí)，連續(xù)地順序進(jìn)行膨脹、閉操作和孔洞填充處理，用以增強(qiáng)角膜邊界。步驟3中，當(dāng)角膜圖像上存在中央豎直噪聲時(shí)，首先在圖像的中央?yún)^(qū)域檢測每列邊緣點(diǎn)的數(shù)目，當(dāng)檢測到的邊緣點(diǎn)數(shù)量超過2時(shí)就定位為存在中央噪聲的列。圖像的中央?yún)^(qū)域設(shè)定為200~400列之間。步驟4中，首先從上往下掃描坎尼映射圖像，將掃描到的第一個(gè)邊緣點(diǎn)作為角膜的上邊界；然后以上邊界為基準(zhǔn)拉平坎尼映射圖像，在拉平后的坎尼映射圖像上，從上邊界下方10個(gè)像素的位置起往下掃描，將掃描到的第一個(gè)邊緣點(diǎn)作為角膜的下邊界，并返回原坎尼映射圖像中的位置，最終得到上、下邊界的邊緣點(diǎn)。本發(fā)明所達(dá)到的有益效果：本發(fā)明首次提供了一種具有可行性、有效性和創(chuàng)新性的術(shù)后角膜OCT影像數(shù)據(jù)的自動化圖像分割方法，不僅能夠分割存在傷口的角膜圖像，而且對存在中央噪聲的角膜圖像也一樣適用。該發(fā)明共采集了100個(gè)病人的術(shù)后角膜數(shù)據(jù)，通過坎尼邊緣檢測器、中央豎直噪聲定位、坎尼映射圖拉平等手段自動分割角膜圖像，提高了角膜圖像分割的精確性，避免了手動分割主觀性強(qiáng)、效率低等缺點(diǎn)，有效提高了醫(yī)學(xué)影像數(shù)據(jù)的后期利用率。附圖說明圖1（a）術(shù)后角膜OCT圖像，橢圓部分標(biāo)注了角膜的傷口位置；圖1（b）存在中央豎直噪聲的術(shù)后角膜OCT圖像；圖2（a）二值化圖像；圖2（b）形態(tài)學(xué)操作后的圖像；圖3（a）坎尼映射圖像；圖3（b）坎尼映射圖像為錯誤的邊緣檢測結(jié)果；圖4是拉平后的坎尼映射圖像；圖5是角膜邊緣檢測結(jié)果圖。具體實(shí)施方式下面對本發(fā)明的具體實(shí)施步驟作進(jìn)一步詳細(xì)的描述。本發(fā)明公開的一種基于術(shù)后角膜OCT影像數(shù)據(jù)的圖像分割方法，其中用于分割的角膜結(jié)構(gòu)分別是角膜的上邊界和角膜的下邊界，實(shí)驗(yàn)中用到的角膜影像數(shù)據(jù)僅存在一處傷口。本全自動角膜圖像分割方法由以下步驟組成：1、角膜圖像預(yù)處理，主要包含了下面兩個(gè)步驟：（1）角膜圖像裁剪對每張輸入的角膜圖像進(jìn)行適當(dāng)裁剪以去除圖像上與角膜無關(guān)的眼前節(jié)結(jié)構(gòu)，如房角和虹膜等，同時(shí)也保證了實(shí)驗(yàn)圖像數(shù)據(jù)大小統(tǒng)一，為318*617像素，橫向分辨率為1.2厘米/像素。實(shí)驗(yàn)使用的原始圖像如圖1（a）、（b）所示，且（b）圖為存在中央豎直噪聲的圖像。（2）角膜圖像預(yù)處理將步驟（1）得到的圖像與常系數(shù)1.5相乘，增強(qiáng)圖像的對比度，利用大津閾值法將圖像轉(zhuǎn)為二值圖像，如圖2（a）所示，接著連續(xù)地順序操作數(shù)學(xué)形態(tài)學(xué)膨脹、閉操作和孔洞填充運(yùn)算，用來增強(qiáng)角膜邊界，結(jié)果如圖2（b）所示。2、坎尼邊緣檢測基于坎尼算子的邊緣檢測器，由于內(nèi)置了高斯濾波函數(shù)對于噪聲圖像具有很好的性能，并且減少了圖像去噪的預(yù)處理步驟，利用坎尼邊緣檢測器能夠盡可能多的檢測出圖像中的實(shí)際邊緣，避免錯誤邊界，并且可以通過參數(shù)設(shè)置確定保留邊緣細(xì)節(jié)的多寡，本實(shí)驗(yàn)中設(shè)置坎尼邊緣檢測器的高低閾值分別為0.96和0.384，高斯平滑窗口大小為5.6。最終得到的坎尼映射圖像如圖3（a）所示。3、中央豎直偽影定位當(dāng)角膜圖像上存在中央豎直噪聲時(shí)，如圖1（b）所示的角膜圖像直接使用坎尼邊緣檢測器會得到錯誤的結(jié)果，如圖3（b）所示，因此在實(shí)驗(yàn)過程中需要確定中央豎直偽影的位置：首先在圖像的中央?yún)^(qū)域（本實(shí)驗(yàn)設(shè)定為200~400列之間）檢測每列邊緣點(diǎn)的數(shù)目，由于正確的角膜只存在上下兩個(gè)邊緣點(diǎn)，因此當(dāng)檢測到的邊緣點(diǎn)數(shù)量超過2時(shí)就定位為存在中央噪聲的列。4、角膜上下邊界分割由于角膜傷口的存在，將同樣存在邊緣點(diǎn)數(shù)目大于3的結(jié)果。因此在該步驟中：首先從上往下掃描坎尼映射圖像，將掃描到的第一個(gè)邊緣點(diǎn)作為角膜的上邊界；然后以上邊界為基準(zhǔn)拉平坎尼映射圖像，結(jié)果如圖4所示，在拉平后的坎尼映射圖像上，從上邊界下方10個(gè)像素的位置起往下掃描，將掃描到的第一個(gè)邊緣點(diǎn)作為角膜的下邊界，并返回原坎尼圖像中的位置，最終得到上、下邊界的邊緣點(diǎn)。當(dāng)角膜存在中央豎直噪聲時(shí)，由于已經(jīng)事先得到了噪聲的位置，只要以插值的方法校正上下邊界檢測結(jié)果即可。最終的角膜分割結(jié)果如圖5所示，成功將角膜圖像從背景圖像中分割出來。5、實(shí)驗(yàn)結(jié)果本發(fā)明提出的方法在100個(gè)角膜OCT影像數(shù)據(jù)上進(jìn)行了驗(yàn)證，該方法自動分割上下邊界的結(jié)果與手動分割上下邊界的結(jié)果如表1所示，可以發(fā)現(xiàn)其分割的性能能夠達(dá)到手動分割的效果。此外，發(fā)現(xiàn)下邊界存在的誤差較大，主要由于部分角膜圖像下邊界兩側(cè)缺失，圖像分辨率降低。表1：自動分割與手動分割的結(jié)果對比（像素）邊界自動VS手動1自動VS手動2手動1VS手動2上邊界0.75±0.780.86±0.780.83±0.85下邊界1.13±1.761.20±1.780.96±1.15至此，一種基于術(shù)后角膜OCT影像數(shù)據(jù)的圖像分割方法已經(jīng)實(shí)現(xiàn)并進(jìn)行了驗(yàn)證。本發(fā)明融合了坎尼邊緣檢測器、中央豎直噪聲定位、圖像拉平、角膜邊界提取等步驟，使自動分割可以取代手動分割，提高了角膜圖像分割的效率和正確率。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變形，這些改進(jìn)和變形也應(yīng)視為本發(fā)明的保護(hù)范圍。當(dāng)前第1頁1 2 3