專利名稱：基于單一尺度的醫(yī)學(xué)圖像邊緣檢測的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)學(xué)圖像處理領(lǐng)域，更具體而言，涉及一種基于單一尺度的醫(yī)學(xué)圖像邊緣檢測方法、裝置和系統(tǒng)。
背景技術(shù)：
醫(yī)學(xué)圖像已成為臨床診斷、病理分析及治療的重要依據(jù)。醫(yī)學(xué)圖像與普通圖像比較，本質(zhì)上具有模糊性和不均勻性。首先，醫(yī)學(xué)圖像具有灰度上的含糊性，在同一種組織中信號值(如CT值)會出現(xiàn)大幅度的變化。其次，由于局部體效應(yīng)，一個邊界上的體素中常常同時包含兩種物質(zhì)；一些病變組織由于侵襲周圍組織，其邊緣無法明確界定。另外，由于技術(shù)上的原因帶來的噪聲往往模糊了物體邊緣的高頻信號。因此，在對醫(yī)學(xué)圖像進(jìn)行處理的過程中，邊緣檢測的結(jié)果會直接影響到后續(xù)的治療過程，它是圖像分析的重要基礎(chǔ)，是底層視覺處理中最重要的環(huán)節(jié)之一。迄今為止出現(xiàn)的多種邊緣檢測方法，其中大多數(shù)是基于梯度的，如Sobel算子，Robert算子，Prewitt算子等。醫(yī)學(xué)圖像在獲取和傳輸過程中不可避免地會被各種噪聲污染，直接運用以上這些算子來檢測醫(yī)學(xué)圖像邊緣，將會因為噪聲的影響而提取出大量的虛假邊緣。多尺度邊緣檢測方法，是在不同的尺度進(jìn)行濾波，每一個尺度分解的結(jié)果代表該圖像在某一頻率范圍內(nèi)的信息。小尺度的濾波器對邊緣信號敏感，在小尺度上可以獲得精細(xì)變化的邊緣，但同時對噪聲敏感；在大尺度的濾波器對噪聲濾除效果好，可以得到穩(wěn)定的圖像邊緣，但是也將精細(xì)的細(xì)節(jié)給去掉。所以用多尺度分析的方法來綜合和描述邊緣結(jié)構(gòu)的多樣性。對每一尺度下的低頻圖像分別進(jìn)行邊緣提取，然后將不同尺度下的邊緣圖像融合，這樣既能提高抗噪聲能力，又能最大程度的提取圖像邊緣信息。因此，它既可以在大尺度下抑制噪聲，可靠的識別邊緣，又可以在小尺度下精確定位[6]。多尺度邊緣檢測思想是由 Ronsenfeld提出的，后經(jīng)過Marr和Hildretch完善，提出對圖像做平滑處理，采用一組濾波器分別檢測出不同范圍上的邊緣，按此方法進(jìn)行多尺度檢測。1992年Mallat用多尺度思想提出了基于奇異點檢測的多尺度邊緣檢測方法，多尺度邊緣的方法蓬勃發(fā)展起來?？傮w來說，該方法在大尺度下的子圖像對應(yīng)圖像中的輪廓，邊緣穩(wěn)定，抗噪性好，但定位精度差。 小尺度的子圖像保持圖像中豐富的細(xì)節(jié)信息，邊緣定位精度較高，但易受到噪聲的干擾。所以，首先在大尺度圖像下提取圖像主要輪廓，可靠的識別邊緣，在小尺度圖像中對應(yīng)位置的鄰域內(nèi)搜索邊緣點，得到這些邊緣的精確定位。對于那些在大尺度圖像中存在而在小尺度圖像對應(yīng)鄰域中沒有的邊緣點，則可能是斜坡邊緣，需要保留下來，為了得到更多的圖像邊緣細(xì)節(jié)，還需要提取小尺度圖像中的邊緣細(xì)節(jié)。這樣從粗到細(xì)的跟蹤圖像邊緣，可以獲得高
5精度的邊緣定位，并抑制噪聲。但是，由于尺度選擇的不確定性和該算法的復(fù)雜性，需要不斷的比較相鄰尺度下的邊緣點的位置而且不能確定選擇的尺度最大值和相鄰尺度的間隔， 在實際應(yīng)用中并不適用于快速的邊緣提取。多尺度邊緣檢測方法的提出在很大程度上克服了噪聲的影響，它主要是利用各尺度下的高斯函數(shù)對圖像進(jìn)行拉普拉斯算子的邊緣檢測，然后綜合各尺度下的邊緣得到圖像邊緣。雖然該方法提高了算法的抗噪性，但它比較繁瑣，需要計算多個尺度，不方便得到圖像的邊緣。如果只考慮單一尺度時的邊緣檢測，則由于尺度選擇的不同，對圖像的去噪和平滑效果也不同，得到的圖像邊緣存在各種各樣的缺點。邊緣檢測的實質(zhì)就是利用某種算法來提取圖像中物體和背景的交界線。小尺度邊緣檢測時，獲得的邊緣含有較多的細(xì)節(jié)信息，對噪聲的反應(yīng)比較敏感。因此，需要一種改進(jìn)的單一尺度圖像邊緣檢測算法，能夠在更好地體現(xiàn)圖像中的高頻細(xì)節(jié)特征，以便在邊緣檢測中避免出現(xiàn)不連續(xù)的線狀邊緣，從而能夠克服現(xiàn)有技術(shù)中單一尺度圖像邊緣檢測中圖像去噪和平滑過度的問題。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)中的上述問題，綜合運用平滑算法，模糊集理論等，提出一種平滑處理，模糊增強(qiáng)與單一尺度邊緣檢測相結(jié)合的方法，對經(jīng)過平滑后的圖像進(jìn)行模糊增強(qiáng)預(yù)處理，然后利用邊緣檢測方法在單一尺度下提取圖像的邊緣。在本發(fā)明的一個方案中，公開了一種醫(yī)學(xué)圖像邊緣檢測方法，包括以下步驟(a) 獲得輸入圖像；(b)對所述輸入圖像進(jìn)行平滑處理；(c)對經(jīng)過所述平滑處理后的輸入圖像進(jìn)行模糊學(xué)圖像增強(qiáng)，以增強(qiáng)其對比度；(d)對經(jīng)過所述模糊學(xué)圖像增強(qiáng)的圖像進(jìn)行單一尺度的邊緣檢測；并且(e)輸出經(jīng)過所述單一尺度的邊緣檢測的圖像，其中，步驟(c)中的模糊學(xué)圖像增強(qiáng)包括以下步驟(a. 1)將經(jīng)過所述平滑處理后的輸入圖像經(jīng)過G變換，得到與圖像模糊特征平面對應(yīng)的特征矩陣，其元素為Lij = G(Xij)，(i = 1，2，. . .，M ;j = 1， 2，...，N) ； (a. 2)在所述模糊特征平面上，對特征Lij進(jìn)行對比度增強(qiáng)得到Icij = Er(Lij)； 以及(a. 3)對增強(qiáng)的模糊特征Icij進(jìn)行G—1逆變換，得到經(jīng)過所述模糊學(xué)圖像增強(qiáng)的圖像； 在步驟(a. 1)中的所述G變換為
權(quán)利要求
1.一種方法，包括以下步驟(a)獲得輸入圖像；(b)對所述輸入圖像進(jìn)行平滑處理；(c)對經(jīng)過所述平滑處理后的輸入圖像進(jìn)行模糊學(xué)圖像增強(qiáng)，以增強(qiáng)其對比度；(d)對經(jīng)過所述模糊學(xué)圖像增強(qiáng)的圖像進(jìn)行單一尺度的邊緣檢測；并且(e)輸出經(jīng)過所述單一尺度的邊緣檢測的圖像， 其中，步驟(c)中的模糊學(xué)圖像增強(qiáng)包括以下步驟(a. 1)將經(jīng)過所述平滑處理后的輸入圖像經(jīng)過G變換，得到與圖像模糊特征平面對應(yīng)的特征矩陣，其元素為 Lij = G(Xij)，(i = l，2，...，M;j = 1,2,... ,N)；(a. 2)在所述模糊特征平面上，對特征Lij進(jìn)行對比度增強(qiáng)得到Icij = Er(Lij)；以及 (a. 3)對增強(qiáng)的模糊特征Icij進(jìn)行G—1逆變換，得到經(jīng)過所述模糊學(xué)圖像增強(qiáng)的圖像； 在步驟(a. 1)中的所述G變換為
2.如權(quán)利要求1所述的方法，其中，在步驟(a. 1)中，F(xiàn)e優(yōu)選為1或2，Xfflax為255。
3.如權(quán)利要求1所述的方法，其中， 步驟(e. 1)中所使用的二維高斯函數(shù)為
4.一種裝置，包括用于獲得輸入圖像的模塊；用于對所述輸入圖像進(jìn)行平滑處理的模塊；用于對經(jīng)過所述平滑處理后的輸入圖像進(jìn)行模糊學(xué)圖像增強(qiáng)，以增強(qiáng)其對比度的模塊；用于對經(jīng)過所述模糊學(xué)圖像增強(qiáng)的圖像進(jìn)行單一尺度的邊緣檢測；并且用于輸出經(jīng)過所述單一尺度的邊緣檢測的圖像的模塊， 其中，所述用于進(jìn)行模糊學(xué)圖像增強(qiáng)的模塊進(jìn)一步用于(a. 1)將經(jīng)過所述平滑處理后的輸入圖像經(jīng)過G變換，得到與圖像模糊特征平面對應(yīng)的特征矩陣，其元素為 Lij = G(Xij)，(i = l，2，...，M;j = 1,2,... ,N)；(a. 2)在所述模糊特征平面上，對特征Lij進(jìn)行對比度增強(qiáng)得到Icij = Er(Iij)；以及 (a. 3)對增強(qiáng)的模糊特征Icij進(jìn)行G—1逆變換，得到經(jīng)過所述模糊學(xué)圖像增強(qiáng)的圖像； 在(a. 1)中的所述G變換為
5.一種醫(yī)學(xué)圖像處理系統(tǒng)，包括 醫(yī)學(xué)圖像采集設(shè)備，用于采集醫(yī)學(xué)圖像；通信電路，用于將所采集的醫(yī)學(xué)圖像有助于有線或無線方式傳輸至邊緣檢測電路； 邊緣檢測電路，其被配置為執(zhí)行如權(quán)利要求1所述的方法；顯示裝置，用于從所述邊緣檢測電路接收經(jīng)過邊緣增強(qiáng)的醫(yī)學(xué)圖像，并顯示所述經(jīng)過邊緣增強(qiáng)的醫(yī)學(xué)圖像；以及存儲裝置，用于存儲所采集的醫(yī)學(xué)圖像及/或經(jīng)過處理的醫(yī)學(xué)圖像。
全文摘要
本文提出了一種改進(jìn)的單一合適尺度邊緣檢測方法，并將該方法應(yīng)用到醫(yī)學(xué)圖像的邊緣檢測中。該方法首先用平滑算法，對圖像進(jìn)行平滑，使圖像中一些無用的細(xì)節(jié)信息平滑掉，抑制噪聲和高頻干擾成分；隨后利用模糊增強(qiáng)算法加大邊緣兩側(cè)灰度的差異，然后利用基于高斯核的單一合適尺度過零點邊緣檢測方法提取圖像的邊緣。
文檔編號G06T5/00GK102184532SQ20111013953
公開日2011年9月14日 申請日期2011年5月27日 優(yōu)先權(quán)日2011年5月27日
發(fā)明者張萌萌 申請人:北方工業(yè)大學(xué)