本发明涉及一种图像分割处理方法及脑部ct图像的三维重建方法，可用于包括微纳米颗粒分布，细胞或缺陷检测在内的多种图像分割。
背景技术：
近年来，脑肿瘤图像分割技术在脑肿瘤临床治疗上显得越来越重要，目前比较流行的分割方法有基于模糊聚类法、基于区域生长法、基于可变形模型法、基于形态学分水岭法、基于异常检测法等等。其中又以分水岭和区域生长分割其准确、快速、高效，所以在实际操作中最为常用。但是由于分水岭对噪声过于敏感，改进的分水岭，虽然抗噪声效果明显，但是依然会产生过分割现象等。
目前的医学图像由于其组织多样性，单种分割法很难进行准确分割，而结合分水岭和区域生长的综合分割法取得了很好的分割效果，过分割现象得到一定的改善，但还是没有达到理想效果，而且对噪声敏感也是一个迫切的问题。为了解决这些问题；对于低密度、等密度或者混密度病变，ct图像病变区域与正常组织灰度变化不明显，但噪声明显，因而不利于分割。分水岭的优点就是能产生封闭连续的边缘，所以可以使用分水岭提取边缘，但是分水岭对噪声过于敏感，容易产生过分割问题，对此，我们可以结合改进的区域生长和形态学重建。形态学重建为了滤除噪声，改进的区域生长为了祛除过分割部分，从而产生理想的分割结果。
技术实现要素：
本发明的目的在于针对以上所述的技术的不足以及需要解决的问题，提出脑部ct图像的三维重建方法，因此在对脑部ct图像进行三维重建时，可以根据不同的组织特性，选择对应的步骤，提高了脑部ct图像的质量。
鉴于此，本发明提供了一种脑部ct图像的三维重建方法，包括：对脑部二维ct图像序列进行分割，其次提取和脑部的多个组织中每个组织相对应的分割序列；依照每个组织相对应的分割序列及所述的与每个组织相对应的三维重建流程对提取的每个组织进行三维图像的重建，同时对脑部ct二维图像进行三维重建。
在上述方案中，和脑部相对应的三维重建的步骤包括：采样改进的移动立方体(mc)算法在已提取的脑部图像的分割序列中提取等值面；
对提取的等值面相对应的三角面片进行舍取，在对取舍后的三角面片进行平滑处理，最后对平滑处理后的面片的等值面进行连接，重建脑部的三维图像。
在该技术方案中，改进的移动的立方体的算法是在体素立方体中抽取等值面，同时将黑色标记的顶点设置于等值面的内部，在建立一个包含256个索引项的三角剖分构型查找表。在对经过舍取后的三角面片进行平滑处理，采用形态学重建算法，通过形态学的开闭重建对所述的三角面片进行平滑处理。
在上述技术方案中，对提取的等值面相对应的三角面片进行舍取的步骤具体为：
对立方体的8个顶点进行分类，判断这8个顶点是在等值面外还是等值面内，根据8个顶点的分布情况，通过查找索引表，以此确定这立方体等值面的三角剖分的状态，说明等值面外用“0”表示，等值面内用“1”表示。因此一共有256种三角剖分的状态。根据其对称性可以将256种状态划分为128种。
在该技术方案中，在计算等值点和法向量时，对原始的移动立方体算法使用的是线性插值算法，过程复杂，两个相邻立方体之间共用的棱边要计算两次，严重影响了其运算的时间，因此，对于改进的移动立方体算法，采用黄金分割点法，用棱边的黄金分割点法替代线性插值点，极大的减少了计算量，提高了算法的整体的运算速度。
在该技术方案中，形态学开闭重建在滤波的过程中，可以完全的把比结构元素小的灰度区域完全的滤除掉，同时也可以把没有被形态学开闭运算所滤除掉的部分恢复出来。同时开闭重建也不会产生新的边界也不会导致边界偏移。
在上述方案中，采用改进的区域生长算法对所述的脑部二维ct图像进行分割。因为传统的区域生长法提取脑肿瘤的病灶区时，显示的是二值的图像，需要叠加到原图，此时产生的病灶区是过分割且精度低。为此选用改进的区域生长算法进一步的祛除过分割的区域，提高分割的精度。
在该方案中，采用多尺度梯度的分水岭对所述的脑部二维ct图像进行分割。梯度能够很好地突出灰度值变化比较大的边界区域且又能更好的增强图像中边缘轮廓信息，因此，对梯度图像作分水岭分割，能够取得更好的效果。
具体实施方式
本发明涉及一种图像分割处理方法及脑部ct图像的三维重建方法，首选对灰度图像进行形态学重建，进行滤噪处理；滤噪后的图像进行多尺度形态学变换，重复处理，直到获取整个图像的边界；利用分水岭算法对获取的图像进行特征标记，滤除其他封闭区域；采用改进区域生长对特征标记图像进行变换得到分割后的图像。
首先采用形态学重建利用开闭运算对灰度图像进行滤波去噪，通过腐蚀、膨胀及重建等运算。
开运算重构：
其中：°表示形态学开运算，r为(f-1)，nb表示尺度为n的对应的结构元素。b(rec)nb是迭代膨胀后的收敛的重建图像。
闭运算重构：
·表示形态学闭运算，h(rec)nb表示迭代腐蚀收敛的重建图像；
其次对滤噪后的图像进行多尺度形态学梯度，符合要求得到梯度图像，如果不能达到所需重复计算，得到图像后多尺度形态学梯度图图像后，利用分水岭算法进行变换，分割出区域轮廓，并进行特征标记；采用分水岭算法对中得到的特征标记图像进行变换，得到分割后的图像。
通过形态学梯度公式对形态学重建的图像计算形态学梯度，在对原图像求取局部极小值图像后，运用局部极小值图像对多尺度梯度图像作进一步计算，使得梯度图像只有区域最小值，准确找出目标的有效区域，并去除某些非噪点的无效目标，为采用分水岭算法进行图像分割提供标记。其中梯度公式为：
bi由b第i次膨胀所得(0≤i≤b)，对于边缘图像，((ib)-(iθbi))θbi-1；
对得到图像利用的分水岭算法采用欧式距离变换，并对图像进行强制特征标记，通过叠加原图，对分割好的区域进行利用区域生长法对区域进行定量分析；再通过设定生长准则，优化生长算法，定义独立随机函数round，选取m个基准点(am，bm)，通过标记图像进行区域生长判断，查看基准点选取的个数和图像最终分割精度的关系，得出最终图像。
对脑部二维ct图像序列进行分割，其次提取和脑部的多个组织中每个组织相对应的分割序列；依照每个组织相对应的分割序列及所述的与每个组织相对应的三维重建流程对提取的每个组织进行三维图像的重建，同时对脑部ct二维图像进行三维重建。
采样改进的移动立方体(mc)算法在已提取的脑部图像的分割序列中提取等值面；对立方体的8个顶点进行分类，判断这8个顶点是在等值面外还是等值面内，根据8个顶点的分布情况，通过查找索引表，以此确定这立方体等值面的三角剖分的状态，说明等值面外用“0”表示，等值面内用“1”表示。因此一共有256种三角剖分的状态。根据其对称性可以将256种状态划分为128种。在计算等值点和法向量时，对原始的移动立方体算法使用的是线性插值算法，过程复杂，两个相邻立方体之间共用的棱边要计算两次，严重影响了其运算的时间，因此，对于改进的移动立方体算法，采用黄金分割点法，用棱边的黄金分割点法替代线性插值点，极大的减少了计算量，提高了算法的整体的运算速度。
对提取的等值面相对应的三角面片进行舍取，在对取舍后的三角面片进行平滑处理，采用形态学重建算法，通过形态学的开闭重建对所述的三角面片进行平滑处理。形态学开闭重建在滤波的过程中，可以完全的把比结构元素小的灰度区域完全的滤除掉，同时也可以把没有被形态学开闭运算所滤除掉的部分恢复出来。同时开闭重建也不会产生新的边界也不会导致边界偏移。
上述仅为本发明的具体计算方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护的范围的行为。但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何形式的简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。