专利名称：一种医学影像图形的分割方法
一种医学影像图形的分割方法技术领域：
本发明涉及医学影像处理领域，尤其涉及一种医学影像图形的分割方法。背景技术：
医学影像处理领域中，经常需要采用电脑对图像进行分离，以获得有用的信息并 进行电脑辅助的图像分析。现有的图像分割技术分为基于区域的分割方法和基于边缘的分 割方法。
该领域现有的图像处理方法包括
(1)中国专利“一种基于区域生长和蚁群聚类的图像分割方法”(申请号 200710018667. 4)披露了一种基于区域生长和蚁群聚类的图像分割方法，采用四邻域的中 值滤波去滤除噪声；选择具有灰度值最大的像素点作为种子点进行区域生长；然后利用区 域生长后提到的空间信息和灰度信息定义一种新的引导函数，用到蚁群算法中在区域之间 进行聚类合并，获得最终的分割结果。
(2)中国专利“基于水平集和分水岭方法的医学图像分割方法”(申请号 02126555. 0)披露了一种基于水平集和Watershed方法的医学图像分割方法，包括去除噪 声的各向异性扩散滤波；采用Watershed方法，对图像进行过度分割；堆数据结构的建立， 用于定位窄带中具有最小时间T的网格点；采用!^stMarching方法，对图像进行最后的分 割。应用于CT或MR影像得分割。
现有技术的缺点在于，医学图像分割存在的问题是还没有一种通用的分割方法能 够解决所有的问题。每一种方法都有其特点和适用范围。
发明内容
本发明所要解决的技术问题是，提供一种通用的分割方法，能够不单纯的对于某 一类图像或者某一个人体组织的图像进行分割，而是一种具有普适性的图像分割方法。
为了解决上述问题，本发明提供了一种医学影像图形的分割方法，包括如下步骤 提供一幅图像；以像素尺寸为单位，将数字图像调整为边长为2n个像素正方形，所述η是自 然数；分割图像以确定兴趣区域；将该兴趣区域所在的正方形区域从原来的图像中分离出 来；针对分离出来的区域再次执行上述分割与分离图像的步骤，以提高分割效果。
作为可选的技术方案，所述图像的类型选自于X光图像、CT图像、核磁共振图像和 B超图像中的一种。
作为可选的技术方案，所述分割图像的步骤进一步包括根据灰度值差异分解图 像区域，并将分解好的区域边界做标记；删除小面积区域；填充和删除微小区域；计算各个 连通域的面积并排序；根据排序位置确定兴趣区域。
作为可选的技术方案，所述根据灰度值差异分解图像区域的步骤进一步包括设 定一灰度一致性的允许范围；将图像纵横切割成四个相同矩形区域；考察分割后的区域内 部的灰度最大值与最小值的差异是否在允许范围内；如果在允许范围内，则停止对该区域3的分割；如果不在允许范围内，则继续重复上述分割步骤，直至分割后的区域内部的灰度最 大值与最小值的差异在允许范围内为止。
作为可选的技术方案，所述删除小面积区域的步骤进一步包括设定一最小比例 范围；应用图像的开操作运算删除区域像素面积与整幅图像面积的比例小于所述最小比例 范围的8连通域。
作为可选的技术方案，所述填充和删除微小区域的步骤进一步包括设定一填充 半径值；应用图像膨胀与腐蚀算法，采用一填充半径为所述填充半径值的结构模版，对边缘 孔洞和微小区域进行填充和删除。
作为可选的技术方案，所述找出确定排序位置的兴趣区域的步骤进一步包括根 据图像类型，确定待分割区域的区域面积排序；根据所述区域面积排序，在各个连通域的排 序信息中找出兴趣区域。
本发明的优点在于，对图形采用医学影像图形的分割方法进行初步分割，再确定 兴趣区域所在位置，然后针对该位置再进行多次迭代式的分割以获得更好的效果。该方 法不依赖于具体的人体组织和具体的图像来源，只要是灰度图像都可以采用该方法进行分 割，因此具有普适性。
附图1所示是本发明的具体实施方式
的实施步骤示意图
附图2至附图5是采用本发明的具体实施方式
所述方法所处理一肝脏图像的分解 示意附图6所示是采用本发明的具体实施方式
所述方法的实施效果对比示意图。
具体实施方式
下面结合附图对本发明提供的一种医学影像图形的分割方法的具体实施方式
做 详细说明。
附图1所示是本具体实施方式
的实施步骤示意图，包括步骤S100，提供一幅图 像；步骤S110，以像素尺寸为单位，将数字图像调整为正方形；步骤S121，根据灰度值差异 分解图像区域，并将分解好的区域边界做标记；步骤S122，删除小面积区域；步骤S123，填 充和删除微小区域；步骤S124，计算各个连通域的面积并排序；步骤S125，根据排序位置 确定兴趣区域；步骤S130，将该兴趣区域所在的正方形区域从原来的图像中分离出来；步 骤S140，针对分离出来的正方形区域，再次执行上述分割与分离图像的步骤，以提高分割效果。
参考步骤S100，提供一幅图像。所述图像的类型选自于X光图像、CT图像、核磁共 振图像和B超图像中等各种常见医疗影像中的一种。附图2所示为本具体实施方式
中提供 的一肝脏图像。
参考步骤S110，以像素尺寸为单位，将数字图像调整为正方形。
由于所获得数字图像可能是任何一种不规则的图像，为了后续处理上的方面，本 步骤将以像素尺寸为单位，将数字图像调整为正方形，其边长为2n个像素(η是自然数)，以 便于后续的图像分割算法。由于目前的医学影像虽然不一定都是边长为2"个像素的矩形，但是有用的信息通常也都集中在中心区域，因此本步骤不会造成有用信息的丢失。
附图3所示及为将附图2所示图像按照上述方法分解后的结果。
参考步骤S121，根据灰度值差异分解图像区域，并将分解好的区域边界做标记。
本步骤的一种可选实现方式是设定一灰度一致性的允许范围，例如图像整体灰 度表达范围的10% ；将图像纵横切割成四个相同矩形区域；考察分割后的区域内部的灰度 最大值与最小值的差异是否在允许范围内；如果在允许范围内，则停止对该区域的分割； 如果不在允许范围内，则继续重复上述分割步骤，直至分割后的区域内部的灰度最大值与 最小值的差异在允许范围内为止。
以上步骤实质是根据灰度值差异分解图像区域，并将分解好的区域边界做标记， 使图像最后看起来由多个方形格构成，而每个方格内部的灰度都是相似的。
附图4所示为采用以上步骤对附图3所示图像进行分析处理后的结果。
参考步骤S122，删除小面积区域。
本步骤的一种可选实现方式是设定一最小比例范围，该比例范围是指应用图像 的开操作运算删除区域像素面积(像素数量)与整幅图像面积的比例，例如可以设置为 5% ；应用图像的开操作运算删除区域像素面积与整幅图像面积的比例小于所述最小比例 范围(例如5%)的8连通域。
参考步骤S123，填充和删除微小区域。
本步骤的一种可选实现方式是设定一填充半径值，例如8个像素；应用图像膨胀 与腐蚀算法，采用一填充半径为所述填充半径值的结构模版，对边缘孔洞和微小区域进行 填充和删除。
附图5所示为采用上述步骤对附图4所示图像进行分析处理后的结果。
参考步骤S1M，计算各个连通域的面积并排序。
将上述处理完毕的图形按照灰度一致性分割成多个联通区域，分别计算每个联通 区域的面积，并对各个区域按照面积排序。
参考步骤S125，根据排序位置确定兴趣区域。
本步骤的一种可选实现方式是根据图像类型，确定待分割区域的区域面积排序； 根据所述区域的面积排序，在各个连通域的排序信息中找出兴趣区域。
具体的说，对于一类确定的图像(比如肝脏MR图像)，待分割区域的区域面积排序 总是确定的(比如在肝脏MR图像中，同一截面位置的肝区面积在图像中的面积排序位置是 确定的)，具有普遍性，因此可以通过图像类型确定待分割区域的排序位置，并将处于该排 序位置的区域认定为兴趣区域。
以上步骤S121至步骤S125为可选步骤，其根本目的是分割图像，以确定兴趣区 域。在其他的具体实施方式
中也可以根据图像的特点调整分割后图形的形状、数目、一致性 判断标准、删除和填充小面积区域的算法以及确定兴趣区域的算法等，以获得最好的分割 效果。
参考步骤S130，将该兴趣区域所在的正方形区域从原来的图像中分离出来。
该步骤的目的是在原始图像中对待分割图像进行重定位。首先计算初步分割得到 的兴趣区域的形心在原始图像中的位置坐标P(x，y)；再确定以此形心为中心能包含兴趣 区域的最小正方形的尺寸，边长为L ；最后根据P(x，y)和L的值，从原始图像中重新定位新的正方形区域，该新的正方形区域应当是原始图像中能够包含兴趣区域的最小正方形。
参考步骤S140，针对分离出来的正方形区域，再次执行上述分割与分离图像的步 骤，以提高分割效果。
重复执行步骤S121至步骤S125，并在执行过程中选择比上一次更为严格的参数， 以获得更精密的结果。如果上述再次执行之后的分割结果仍然不能满足需求，还可以继续 多次执行上述步骤，循环停止的判断是根据当前的分割图与专家分割图的比较来决定的， 专家分割图是指类似后面例子中的C1，C2，C3。也就是说，当分割后得到的区域与专家分割 区域最为相似时，循环终止。对于某一类待分割图像，也可以通过适量的学习后，得到经验 参数或循环次数，来控制实际分割时循环的终止。
附图6所示为将上述方法应用于一组核磁共振图像的肝脏分割所得到的结果，其 中每一行的三张图片是相同的，而第一列的A1、A2与A3图为采用四叉树初步分割所获得的 结果，第二列的B1、B2与B3图为同一行的图片采用四叉树迭代分割，即本具体实施方式
所 述方法所获得的结果，第三列的Cl、C2与C3图为业内资深专家采用手工分割的结果，可以 作为标准的分割结果，以资参照。图Al中肝脏右上方(圈出的半岛区域)存在的错误分割 在A2中得以纠正；在Bl中丢失的区域(圈出的右上角)在B2中得到修正；在Cl中过度分 割区域(圈出的右侧半岛)在C2中能够删除。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为 本发明的保护范围。
权利要求
1.一种医学影像图形的分割方法，其特征在于，包括如下步骤 提供一幅图像；以像素尺寸为单位，将数字图像调整为边长为2n个像素正方形，所述η是自然数； 分割图像，以确定兴趣区域；将该兴趣区域所在的正方形区域从原来的图像中分离出来； 针对分离出来的正方形区域再次执行上述分割与分离图像的步骤，以提高分割效果。
2.根据权利要求1所述的医学影像图形的分割方法，其特征在于，所述图像的类型选 自于X光图像、CT图像、核磁共振图像和B超图像中的一种。
3.根据权利要求1或2所述的医学影像图形的分割方法，其特征在于，所述分割图像的 步骤进一步包括根据灰度值差异分解图像区域，并将分解好的区域边界做标记； 删除小面积区域； 填充和删除微小区域； 计算各个连通域的面积并排序； 根据排序位置确定兴趣区域。
4.根据权利要求3所述的医学影像图形的分割方法，其特征在于，所述根据灰度值差 异分解图像区域的步骤进一步包括设定一灰度一致性的允许范围； 将图像纵横切割成四个相同矩形区域；考察分割后的区域内部的灰度最大值与最小值的差异是否在允许范围内； 如果在允许范围内，则停止对该区域的分割；如果不在允许范围内，则继续重复上述分割步骤，直至分割后的区域内部的灰度最大 值与最小值的差异在允许范围内为止。
5.根据权利要求3所述的医学影像图形的分割方法，其特征在于，所述删除小面积区 域的步骤进一步包括设定一最小比例范围；应用图像的开操作运算删除区域像素面积与整幅图像面积的比例小于所述最小比例 范围的8连通域。
6.根据权利要求3所述的医学影像图形的分割方法，其特征在于，所述填充和删除微 小区域的步骤进一步包括设定一填充半径值；应用图像膨胀与腐蚀算法，采用一填充半径为所述填充半径值的结构模版，对边缘孔 洞和微小区域进行填充和删除。
7.根据权利要求3所述的医学影像图形的分割方法，其特征在于，所述找出确定排序 位置的兴趣区域的步骤进一步包括根据图像类型，确定待分割区域的区域面积排序；根据所述区域面积排序，在各个连通域的排序信息中找出兴趣区域。
全文摘要
一种医学影像图形的分割方法，包括如下步骤提供一图像；以像素尺寸为单位，将数字图像调整为正方形；分割图像以确定兴趣区域；将该兴趣区域所在的正方形区域从原来的图像中分离出来；针对分离出来的正方形区域再次执行上述分割与分离图像的步骤，以提高分割效果。本发明的优点在于，对图形采用医学影像图形的分割方法进行初步分割，再确定兴趣区域所在位置，然后针对该位置再进行多次迭代式的分割以获得更好的效果。该方法不依赖于具体的人体组织和具体的图像来源，只要是灰度图像都可以采用该方法进行分割，因此具有普适性。
文档编号A61B8/00GK102034232SQ20091019642
公开日2011年4月27日 申请日期2009年9月25日 优先权日2009年9月25日
发明者迟冬祥 申请人:上海电机学院