專利名稱：醫(yī)學超聲圖像直線檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種醫(yī)學超聲圖像直線檢測方法。
背景技術(shù)：
醫(yī)學超聲圖像中的直線檢測廣泛應用于自由臂三維超聲成像系統(tǒng)的超聲標定等 其它應用領(lǐng)域?，F(xiàn)有的方法主要有全手動檢測和基于霍夫變換的直線檢測兩種方法。全手 動的檢測方法在檢測過程中需要操作人員在每幀圖像中選擇兩個關(guān)鍵點來確定直線，這種 方法耗時較長，整個過程都需要人工操作，且檢測結(jié)果受操作人員主觀因素影響較大?；?霍夫變換的檢測方法可以實現(xiàn)檢測過程的自動化，但這種方法計算量大，不能實現(xiàn)對視頻 超聲圖像的實時檢測，且抗噪聲性能差，對低信噪比圖像的檢測效果不佳，并且檢測結(jié)果會 受到超聲圖像中斑點噪聲的嚴重影響。

發(fā)明內(nèi)容
為克服上述缺陷，本發(fā)明的目的在于提出一種能對低信噪比的醫(yī)學超聲圖像中的 直線進行自動檢測的方法，并且使圖像中的斑點噪聲對檢測結(jié)果的影響盡量小，而且處理 過程中的計算量不能太大，使計算機能夠?qū)Σ杉降囊曨l圖像進行實時處理。為達到上述目的，本發(fā)明醫(yī)學超聲圖像直線檢測方法，包括以下步驟(1)對當前的幀圖像進行抽樣；(2)找出每個抽樣樣本中的邊緣點；(3)使用隨機抽樣一致性算法對找出的邊緣點進行計算，并根據(jù)計算結(jié)果選取一 條直線作為檢測到的直線。優(yōu)先的，在上述的步驟(1)之前還包括步驟A 選取圖像中的感興趣區(qū)域；相應的 步驟(1)具體為對當前的幀圖像中的感興趣區(qū)域進行抽樣。優(yōu)先的，上述步驟A具體為在圖像中通過點選形成凸多邊形，該凸多邊形內(nèi)的區(qū) 域為所述感興趣區(qū)域。優(yōu)先的，上述步驟(1)具體為在水平方向選取處于所述感興趣區(qū)域中的多個單 列像素，所選取的每個單列像素為一個抽樣樣本。優(yōu)先的，上述步驟(1)具體為預先設定一個正整數(shù)N作為采樣間隔，然后在水平 方向每隔N個像素點垂直選取處于所述感興趣區(qū)域中的單列像素作為一個抽樣樣本。優(yōu)先的，上述步驟(2)具體為對每個抽樣樣本進行差分，找出所述每個抽樣樣本 中的邊緣點。優(yōu)先的，上述步驟(2)具體為設定一個灰度閾值Tl，從差分后的所述每個抽樣樣 本中從上至下選取第一個灰度值超過所述灰度閾值Tl的像素點作為邊緣點；如果都沒有 超過所述灰度閾值Tl則選取最大灰度值點作為邊緣點。優(yōu)先的，在上述步驟(1)與步驟(2)之間還包括步驟B 對采集到的所有抽樣樣本 使用低通濾波器進行濾波。
優(yōu)先的，上述的步驟⑶具體為(31)將所述找出的各邊緣點兩兩組合成備選直線；(32)計算每條所述備選直線的一致點數(shù)；(33)搜索所述備選直線的一致點數(shù)的最大值d ；(34)如果只有一條備選直線的一致點數(shù)為d，則該條備選直線為檢測到的直 線； 如果有多條備選直線的一致點數(shù)都為d，則對其中每條備選直線都計算其d個一致點到該 備選直線的距離和，并選取距離和最小的那條備選直線為檢測到的直線。優(yōu)先的，上述的步驟(32)具體為(321)計算每個邊緣點到每條備選直線的距離；(322)將步驟(321)的結(jié)果與預先設定的距離閾值T2比較；(323)針對每條備選直線，統(tǒng)計到該條備選直線的距離小于所述距離閾值T2的邊 緣點的數(shù)量，該數(shù)量即為該條備選直線的一致點數(shù)。上述本發(fā)明的方法中，通過只對圖像中的感興趣區(qū)域進行直線檢測來減少計算 量，并采取濾波等措施，來抑制噪聲對檢測結(jié)果的影響；并盡量排除圖像中無關(guān)信息，大大 地減少圖像處理等操作的計算量，加快了對視頻圖像的實時檢測速度。


圖1為本發(fā)明醫(yī)學超聲圖像直線檢測方法實施例一的流程框圖。圖2為本發(fā)明醫(yī)學超聲圖像直線檢測方法實施例二的流程框圖。圖3為本發(fā)明醫(yī)學超聲圖像直線檢測方法實施例三的流程框圖。圖4為圖2或圖3所示的流程框圖中“設定感興趣區(qū)域”步驟的示意圖。圖5為圖1至圖3所示的流程框圖中“對當前的幀圖像進行抽樣”步驟的示意圖。圖6為圖1至圖3所示的流程框圖中“找出抽樣樣本中的邊緣點”步驟的示意圖。圖7為圖1至圖3所示的流程框圖中“使用隨機抽樣一致性算法對找出的邊緣點 進行計算，并根據(jù)計算結(jié)果選取一條直線作為檢測到的直線”步驟的示意圖。圖8為本發(fā)明醫(yī)學超聲圖像直線檢測方法實施例五的流程框圖。
具體實施例方式下面結(jié)合附圖和實施例對本發(fā)明作進一步的說明。實施例1本發(fā)明醫(yī)學超聲圖像直線檢測方法，如圖1所示，包括以下步驟101、對當前的幀圖像進行抽樣；其中，抽樣的過程是這樣的對當前幀圖像按照預先設定好的抽樣間隔垂直采樣。 預先設定好一個正整數(shù)N作為采樣間隔，然后在水平方向每隔N個像素點垂直選取單列像 素作為一個抽樣樣本。直線檢測將通過這些抽樣樣本來實現(xiàn)。102、找出抽樣樣本中的邊緣點；S卩設定一個灰度閾值Tl，將抽樣樣本差分后從 上至下選取第一個灰度值超過所述灰度閾值Tl的像素點作為邊緣點，如果都沒有超過所 述灰度閾值Tl則選取最大灰度值點作為邊緣點。103、使用隨機抽樣一致性算法對找出的邊緣點進行計算，并根據(jù)計算結(jié)果選取一條直線作為檢測到的直線。其方法是如果有η條抽樣樣本，那么就有η個邊緣點，它們可 以兩兩組合成η*(η-1)/2條備選直線。對這η*(η-1)/2條備選直線，我們計算它們的一致 點數(shù)如果某邊緣點到某條直線的距離小于預先設定的距離閾值Τ2，就認為此邊緣點與這 條備選直線一致；也就是說我們針對每條備選直線，統(tǒng)計到該條備選直線的距離小于所述 距離閾值Τ2的邊緣點的數(shù)量，該數(shù)量即為該條備選直線的一致點數(shù)。通過對非一致點的排 除，可以很好地消除斑點噪聲對最終檢測結(jié)果的影響。搜索η*(η-1)/2條備選直線相應的 一致點數(shù)的最大值d。如果只有一條備選直線的一致點數(shù)為d，則該條直線為檢測到的直 線；如果有多條備選直線的一致點數(shù)都為d，則對其中每條備選直線都計算其d個一致點到 該直線的距離和，并選取距離和最小的那條備選直線為檢測到的直線。本實施例中，通過對當前的圖像幀進行抽樣，可大大地減少圖像處理量。能夠?qū)崿F(xiàn) 對視頻中每幀圖像的實時檢測。實施例2本發(fā)明醫(yī)學超聲圖像直線檢測方法，如圖2所示，包括以下步驟201、設定感興趣區(qū)域；即在開始實時檢測前，通過在屏幕上顯示的圖像中選取多邊形的頂點形成凸多 邊形(圓形或橢圓形屬于凸多邊形一種特例，因此本發(fā)明中的凸多邊形包括圓形或橢圓 形)，凸多邊形內(nèi)的區(qū)域為感興趣區(qū)域，后續(xù)的直線檢測步驟將只對感興趣區(qū)域內(nèi)的圖像進 行。(如圖4)202、對當前的幀圖像中的感興趣區(qū)域進行抽樣；抽樣的過程是這樣的對當前幀圖像按照預先設定好的抽樣間隔垂直采樣。預先 設定好一個正整數(shù)N作為采樣間隔，然后在水平方向每隔N個像素點垂直選取處于感興趣 區(qū)域中的單列像素作為抽樣樣本。直線檢測將通過這些抽樣樣本來實現(xiàn)。(如圖5)203、找出抽樣樣本中的邊緣點；S卩設定一個灰度閾值Tl，將抽樣樣本差分后從 上至下選取第一個灰度值超過所述灰度閾值Tl的像素點作為邊緣點，如果都沒有超過所 述灰度閾值Tl則選取最大灰度值點作為邊緣點。(如圖6)204、使用隨機抽樣一致性算法對找出的邊緣點進行計算，并根據(jù)計算結(jié)果選取一 條直線作為檢測到的直線。其方法是如果有η條抽樣樣本，那么就有η個邊緣點，它們可 以兩兩組合成η* (η-1) /2條備選直線。對這η* (η-1) /2條備選直線，我們計算它們的一致 點數(shù)如果某邊緣點到某條直線的距離小于預先設定的距離閾值Τ2，就認為此邊緣點與這 條備選直線一致；也就是說我們針對每條備選直線，統(tǒng)計到該條備選直線的距離小于所述 距離閾值Τ2的邊緣點的數(shù)量，該數(shù)量即為該條備選直線的一致點數(shù)。通過對非一致點的排 除，可以很好地消除斑點噪聲對最終檢測結(jié)果的影響。搜索η*(η-1)/2條備選直線相應的 一致點數(shù)的最大值d。如果只有一條備選直線的一致點數(shù)為d，則該條直線為檢測到的直 線；如果有多條備選直線的一致點數(shù)都為d，則對其中每條備選直線都計算其d個一致點到 該直線的距離和，并選取距離和最小的那條備選直線為檢測到的直線。(如圖7)本實施例中，通過只對感興趣區(qū)域進行直線檢測來減少計算量，并盡量排除圖像 中無關(guān)信息對直線檢測結(jié)果的影響，大大加快對視頻中每幀圖像的實時檢測速度。實施例3本發(fā)明醫(yī)學超聲圖像直線檢測方法，如圖3所示，包括以下步驟
301、設定感興趣區(qū)域；即在開始實時監(jiān)測前，通過在屏幕顯示的圖像中選取凸多邊形的頂點確定一個凸多邊形，凸多邊形內(nèi)的區(qū)域為感興趣區(qū)域，后續(xù)的直線檢測步驟將只對感興趣區(qū)域內(nèi)的 圖像進行。(如圖4)。302、對當前的幀圖像中的感興趣區(qū)域進行抽樣；抽樣的過程是這樣的對當前幀圖像按照預先設定好的抽樣間隔垂直采樣。預先 設定好一個正整數(shù)N作為采樣間隔，然后在水平方向每隔N個像素點垂直選取處于感興趣 區(qū)域中的單列像素作為抽樣樣本。直線檢測將通過這些抽樣樣本來實現(xiàn)。(如圖5)303、對采集到的所有抽樣樣本使用低通濾波器進行濾波；這一步可以抑制常規(guī)噪聲對檢測結(jié)果的影響。304、找出抽樣樣本中的邊緣點。對濾波后的抽樣樣本進行差分；設定一個灰度閾 值Tl，將差分后的抽樣樣本從上至下選取第一個灰度值超過所述灰度閾值Tl的像素點作 為邊緣點，如果都沒有超過所述灰度閾值Tl則選取最大灰度值點作為邊緣點。(如圖6)305、使用隨機抽樣一致性算法對找出的邊緣點進行計算，并根據(jù)計算結(jié)果選取一 條直線作為檢測到的直線。其方法是如果有η條抽樣樣本，那么就有η個邊緣點，它們可 以兩兩組合成η* (η-1) /2條備選直線。對這η* (η-1) /2條備選直線，我們計算它們的一致 點數(shù)如果某邊緣點到某條直線的距離小于預先設定的距離閾值Τ2，就認為此邊緣點與這 條備選直線一致；也就是說我們針對每條備選直線，統(tǒng)計到該條備選直線的距離小于所述 距離閾值Τ2的邊緣點的數(shù)量，該數(shù)量即為該條備選直線的一致點數(shù)。通過對非一致點的排 除，可以很好地消除斑點噪聲對最終檢測結(jié)果的影響。搜索η*(η-1)/2條備選直線相應的 一致點數(shù)的最大值d。如果只有一條備選直線的一致點數(shù)為d，則該條直線為檢測到的直 線；如果有多條備選直線的一致點數(shù)都為d，則對其中每條備選直線都計算其d個一致點到 該直線的距離和，并選取距離和最小的那條備選直線為檢測到的直線。(如圖7)本實施例中，通過對采集到的所有抽樣樣本使用低通濾波器進行濾波，從而達到 抑制常規(guī)的噪聲對檢測結(jié)果的影響的目的，大大地增強了后續(xù)檢測結(jié)果的準確性，減少后 續(xù)的圖像處理量，可進一步加快對視頻中每幀圖像的實時檢測速度。實施例4401、設定感興趣區(qū)域；即在開始實時監(jiān)測前，通過在屏幕顯示的圖像中選取凸多邊形的頂點確定一個 凸多邊形，凸多邊形內(nèi)的區(qū)域為感興趣區(qū)域，后續(xù)的直線檢測步驟將只對感興趣區(qū)域內(nèi)的 圖像進行。402、對當前的幀圖像中的感興趣區(qū)域進行抽樣；抽樣的過程是這樣的對于當前幀圖像，在水平方向隨機選取處于感興趣區(qū)域中 的多個單列像素，每個單列像素作為一個抽樣樣本。403、對采集到的所有抽樣樣本使用低通濾波器進行濾波；這一步可以抑制常規(guī)的噪聲對檢測結(jié)果的影響。404、找出抽樣樣本中的邊緣點。對濾波后的抽樣樣本進行差分；設定一個灰度閾 值Tl，將差分后的抽樣樣本從上至下選取第一個灰度值超過所述灰度閾值Tl的像素點作 為邊緣點，如果都沒有超過所述灰度閾值Tl則選取最大灰度值點作為邊緣點。(如圖6)
405、使用隨機抽樣一致性算法對找出的邊緣點進行計算，并根據(jù)計算結(jié)果選取一條直線作為檢測到的直線。其方法是如果有η條抽樣樣本，那么就有η個邊緣點，它們可 以兩兩組合成η* (η-1) /2條備選直線。對這η* (η-1) /2條備選直線，我們計算它們的一致 點數(shù)如果某邊緣點到某條直線的距離小于預先設定的距離閾值Τ2，就認為此邊緣點與這 條備選直線一致；也就是說我們針對每條備選直線，統(tǒng)計到該條備選直線的距離小于所述 距離閾值Τ2的邊緣點的數(shù)量，該數(shù)量即為該條備選直線的一致點數(shù)。通過對非一致點的排 除，可以很好地消除斑點噪聲對最終檢測結(jié)果的影響。搜索η*(η-1)/2條備選直線相應的 一致點數(shù)的最大值d。如果只有一條備選直線的一致點數(shù)為d，則該條直線為檢測到的直 線；如果有多條備選直線的一致點數(shù)都為d，則對其中每條備選直線都計算其d個一致點到 該直線的距離和，并選取距離和最小的那條備選直線為檢測到的直線。(如圖7)作為實施例3的變形，本實施例中的步驟402采用非固定間隔來對感興趣區(qū)域進 行抽樣，也能達到實施例3類似的效果。實施例5從上述的各實施例中可以看出，上述的各實施例可以實現(xiàn)對單幀圖像的檢測。為 了實現(xiàn)對視頻圖像進行實時檢測，只需在檢測直線完成后，增加一個對下一幀圖像進行檢 測的步驟即可，如圖8所示。綜上所述，本發(fā)明的方法克服了現(xiàn)有技術(shù)需要人工操作，計算量很大且不能實時 檢測的缺點；增強了抗噪性，降低了對噪聲敏感度，能夠很好地消除斑點噪聲對檢測結(jié)果的 影響，能夠?qū)σ曨l超聲圖像進行自動、實時的檢測。顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明的方法進行各種改變而不脫離本發(fā)明的精 神范圍。因此如果這些改變屬于本發(fā)明權(quán)利要求書及其等同技術(shù)范圍內(nèi)，則本發(fā)明也意圖 涵蓋這些改變。
權(quán)利要求
一種醫(yī)學超聲圖像直線檢測方法，其特征在于，包括以下步驟(1)對當前的幀圖像進行抽樣；(2)找出每個抽樣樣本中的邊緣點；(3)使用隨機抽樣一致性算法對找出的邊緣點進行計算，并根據(jù)計算結(jié)果選取一條直線作為檢測到的直線。
2.如權(quán)利要求1所述的醫(yī)學超聲圖像直線檢測方法，其特征在于在所述的步驟(1) 之前還包括步驟A 選取圖像中的感興趣區(qū)域；相應的步驟(1)具體為對當前的幀圖像中 的感興趣區(qū)域進行抽樣。
3.如權(quán)利要求2所述的醫(yī)學超聲圖像直線檢測方法，其特征在于所述步驟A具體為 在圖像中通過點選形成凸多邊形，該凸多邊形內(nèi)的區(qū)域為所述感興趣區(qū)域。
4.如權(quán)利要求2所述的醫(yī)學超聲圖像直線檢測方法，其特征在于所述步驟(1)具體 為在水平方向上選取處于所述感興趣區(qū)域中的多個單列像素，所選取的每個單列像素為 一個抽樣樣本。
5.如權(quán)利要求2所述的醫(yī)學超聲圖像直線檢測方法，其特征在于所述步驟(1)具體 為預先設定一個正整數(shù)N作為采樣間隔，然后在水平方向每隔N個像素點垂直選取處于所 述感興趣區(qū)域中的單列像素作為一個抽樣樣本。
6.如權(quán)利要求2所述的醫(yī)學超聲圖像直線檢測方法，其特征在于所述步驟(2)具體 為對每個抽樣樣本進行差分，找出所述每個抽樣樣本中的邊緣點。
7.如權(quán)利要求6所述的醫(yī)學超聲圖像直線檢測方法，其特征在于所述步驟(2)具體 為設定一個灰度閾值Tl，從差分后的所述每個抽樣樣本中從上至下選取第一個灰度值超 過所述灰度閾值Tl的像素點作為邊緣點；如果都沒有超過所述灰度閾值Tl則選取最大灰 度值點作為邊緣點。
8.如權(quán)利要求1至權(quán)利要求7任一權(quán)利要求所述的醫(yī)學超聲圖像直線檢測方法，其特 征在于在步驟(1)與步驟(2)之間還包括步驟B 對采集到的所有抽樣樣本使用低通濾波 器進行濾波。
9.如權(quán)利要求1至權(quán)利要求7任一權(quán)利要求所述的醫(yī)學超聲圖像直線檢測方法，其特 征在于所述的步驟(3)具體為(31)將所述找出的各邊緣點兩兩組合成備選直線；(32)計算每條所述備選直線的一致點數(shù)；(33)搜索所述備選直線的一致點數(shù)的最大值d；(34)如果只有一條備選直線的一致點數(shù)為d，則該條備選直線為檢測到的直線；如果 有多條備選直線的一致點數(shù)都為d，則對其中每條備選直線都計算其d個一致點到該備選 直線的距離和，并選取距離和最小的那條備選直線為檢測到的直線。
10.如權(quán)利要求9所述的醫(yī)學超聲圖像直線檢測方法，其特征在于所述的步驟(32) 具體為(321)計算每個邊緣點到每條備選直線的距離；(322)將步驟(321)的結(jié)果與預先設定的距離閾值T2比較；(323)針對每條備選直線，統(tǒng)計到該條備選直線的距離小于所述距離閾值T2的邊緣點 的數(shù)量，該數(shù)量即為該條備選直線的一致點數(shù)。
全文摘要
本發(fā)明公開了一種醫(yī)學超聲圖像直線檢測方法，為了克服現(xiàn)有技術(shù)需要人工操作，抗噪性能差，計算量很大且不能實時檢測等缺點而發(fā)明；包括以下步驟(1)選取感興趣區(qū)域；(2)對當前的幀圖像進行抽樣；(3)找出每個抽樣樣本中的邊緣點；(4)使用隨機抽樣一致性算法對找出的邊緣點進行計算，并根據(jù)計算結(jié)果選取一條直線作為檢測到的直線。采用上述方法大大地減少了醫(yī)學超聲圖像直線檢測處理的計算量，增強了抗噪性，降低了對噪聲敏感度，能夠很好地消除斑點噪聲對檢測結(jié)果的影響，能夠?qū)σ曨l超聲圖像進行實時、自動的檢測。
文檔編號G06T7/00GK101807297SQ20091000567
公開日2010年8月18日 申請日期2009年2月16日 優(yōu)先權(quán)日2009年2月16日
發(fā)明者劉慶江, 劉志剛, 劉煒, 孫豐榮, 梅良模, 王慶浩, 賈曉波 申請人:海信集團有限公司;山東大學