一种三灰度因素三维阈值立体图形的形成方法与流程

本发明一种三灰度因素三维阈值立体图形的形成方法属于图像处理技术领域。

背景技术：

阈值分割法是一种基于区域的图像分割技术，原理是把图像象素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

对于医学CT图像，往往器官和其他组织的灰度级有明显区别，因此多采用一个阈值来对图像进行分割。为了自动分割阈值，日本学者提出了基于灰度直方图的Otsu算法，为了提高图像分割的准确性，还出现了二维Otsu算法，甚至三维Otsu算法，图像分割越来越准确。

然而，随着阈值维度的增加，对于阈值的展示就越来越困难，还没有出现一种能够很好展示多维阈值的图形化方法。

技术实现要素：

为了直观展示多维阈值，本发明公开了一种三灰度因素三维阈值立体图形的形成方法，即提出了一种全新的三维阈值图形化展示方法，实现将多维阈值及对应像素个数放置在立体图中进行展示的发明目的。

本发明的目的是这样实现的：

一种三灰度因素三维阈值立体图形的形成方法，所针对的图像包括以下参数：分辨率为 M×N，有L个灰度级，分别为0,1,...,L-1；包括以下步骤：

步骤a、统计像素灰度级为i的像素个数为ni，其中，i＝0,1,...,L-1；

步骤b、统计梯度灰度级为j的像素个数为nj，其中，j＝0,1,...,L-1；

步骤c、统计邻域灰度级为k的像素个数为nk，其中，k＝0,1,...,L-1；

步骤d、统计像素灰度级为i，梯度灰度级为j，邻域灰度级为k的像素个数nijk；

步骤e、建立分辨率为L×L×L的正立方体，将像素个数nijk填入横坐标方向第i+1，纵坐标方向第j+1，竖坐标方向第k+1个格子中；

步骤f、以像素灰度级容限为a、梯度灰度级容限为b、邻域灰度级容限为c为基础，建立一个截面半径分别为a、b、c的椭球体；

步骤g、按照以下规则摆放椭球体：

规则一、椭球体的中心与正立方体横坐标、纵坐标和竖坐标均为0的点重合，

规则二、半径为a的方向垂直于正立方体横坐标，半径为b的方向垂直于正立方体纵坐标，半径为c的方向垂直于正立方体竖坐标方向摆放；

步骤g、将椭球体按照中心从(0,0,0)坐标向(L,0,L)的方向运动；

步骤h、将步骤g中椭球体遍历空间与正立方体有交集的区域保留，得到三维阈值立体图形。

上述三灰度因素三维阈值立体图形的形成方法，步骤b中梯度灰度级的计算方法为以下三种中的任意一种：

方法一、如果像素坐标为(x,y)，梯度灰度级计算方法为：

如果x≠M，梯度灰度级为|gray(x+1,y)-gray(x,y)|；如果x＝M，梯度灰度级为|gray(M,y)-gray(1,y)|；

方法二、如果像素坐标为(x,y)，梯度灰度级计算方法为：

如果y≠N，梯度灰度级为|gray(x,y+1)-gray(x,y)|；如果y＝N，梯度灰度级为 |gray(x,N)-gray(x,1)|；

方法三、如果像素坐标为(x,y)，梯度灰度级计算方法为：

如果x≠M且y≠N，梯度灰度级为|gray(x+1,y)-gray(x,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x＝M但y≠N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x≠M但y＝N，梯度灰度级为|gray(x+1,y)-gray(x,y)|/2+|gray(x,N)-gray(x,1)|/2；如果x＝M且y＝N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,N)-gray(x,1)|/2；

其中，|·|为绝对值运算符，gray(·,·)为取灰度级运算符。

上述三灰度因素三维阈值立体图形的形成方法，步骤c中邻域灰度级的计算方法，首先将图像向上、下、左、右、左上、右上、左下和右下八个方向补充，每个方向复制一个分辨率为M×N的图像，形成分辨率为3M×3N的图像，然后按照以下六种方法中的任意一种计算坐标为(x,y)的像素的邻域灰度级：

方法一、邻域灰度级计算方法为：

方法二、邻域灰度级计算方法为：

方法三、邻域灰度级计算方法为：

方法四、邻域灰度级计算方法为：

方法五、邻域灰度级计算方法为：

方法六、邻域灰度级计算方法为：

其中，gray(·,·)为取分辨率为3M×3N的图像灰度级运算符。

有益效果：

本发明一种三灰度因素三维阈值立体图形的形成方法，将像素灰度级和两种邻域灰度级相结合，再结合一种图形绘制方法，提出了一种全新的三维阈值图形化展示方法，能够将多维阈值及对应像素个数放置在立体图中进行展示，有利于动态观察阈值规律变化对于图像分割效果的影响规律，找到最佳分割阈值。

附图说明

图1是椭球体在正立方体上运行轨迹示意图。

图2是得到的三维阈值立体图形视角一示意图。

图3是得到的三维阈值立体图形视角二示意图。

具体实施方式

下面结合附图对本发明具体实施例作进一步详细描述。

具体实施例一

本实施例是本发明三灰度因素三维阈值立体图形的形成方法实施例。

本实施例的三灰度因素三维阈值立体图形的形成方法，所针对的图像包括以下参数：分辨率为M×N，有L个灰度级，分别为0,1,...,L-1；包括以下步骤：

步骤a、统计像素灰度级为i的像素个数为ni，其中，i＝0,1,...,L-1；

步骤b、统计梯度灰度级为j的像素个数为nj，其中，j＝0,1,...,L-1；

步骤c、统计邻域灰度级为k的像素个数为nk，其中，k＝0,1,...,L-1；

步骤d、统计像素灰度级为i，梯度灰度级为j，邻域灰度级为k的像素个数nijk；

步骤e、建立分辨率为L×L×L的正立方体，将像素个数nijk填入横坐标方向第i+1，纵坐标方向第j+1，竖坐标方向第k+1个格子中；

步骤f、以像素灰度级容限为a、梯度灰度级容限为b、邻域灰度级容限为c为基础，建立一个截面半径分别为a、b、c的椭球体；

步骤g、按照以下规则摆放椭球体：

规则一、椭球体的中心与正立方体横坐标、纵坐标和竖坐标均为0的点重合，

规则二、半径为a的方向垂直于正立方体横坐标，半径为b的方向垂直于正立方体纵坐标，半径为c的方向垂直于正立方体竖坐标方向摆放；

步骤g、将椭球体按照中心从(0,0,0)坐标向(L,0,L)的方向运动，如图1所示；

步骤h、将步骤g中椭球体遍历空间与正立方体有交集的区域保留，得到三维阈值立体图形，如图2和图3所示，其中，图2与图1同角度。

具体实施例二

本实施例是本发明三灰度因素三维阈值立体图形的形成方法实施例。

本实施例的三灰度因素三维阈值立体图形的形成方法，在具体实施例一的基础上，进一步限定步骤b中梯度灰度级的计算方法为以下三种中的任意一种：

方法一、如果像素坐标为(x,y)，梯度灰度级计算方法为：

如果x≠M，梯度灰度级为|gray(x+1,y)-gray(x,y)|；如果x＝M，梯度灰度级为 |gray(M,y)-gray(1,y)|；

方法二、如果像素坐标为(x,y)，梯度灰度级计算方法为：

如果y≠N，梯度灰度级为|gray(x,y+1)-gray(x,y)|；如果y＝N，梯度灰度级为 |gray(x,N)-gray(x,1)|；

方法三、如果像素坐标为(x,y)，梯度灰度级计算方法为：

如果x≠M且y≠N，梯度灰度级为 |gray(x+1,y)-gray(x,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x＝M但y≠N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x≠M但y＝N，梯度灰度级为|gray(x+1,y)-gray(x,y)|/2+|gray(x,N)-gray(x,1)|/2；如果x＝M且y＝N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,N)-gray(x,1)|/2；

其中，|·|为绝对值运算符，gray(·,·)为取灰度级运算符。

具体实施例三

本实施例是本发明三灰度因素三维阈值立体图形的形成方法实施例。

本实施例的三灰度因素三维阈值立体图形的形成方法，在具体实施例一的基础上，进一步限定步骤c中邻域灰度级的计算方法，首先将图像向上、下、左、右、左上、右上、左下和右下八个方向补充，每个方向复制一个分辨率为M×N的图像，形成分辨率为3M×3N的图像，然后按照以下六种方法中的任意一种计算坐标为(x,y)的像素的邻域灰度级：

方法一、邻域灰度级计算方法为：

方法二、邻域灰度级计算方法为：

方法三、邻域灰度级计算方法为：

方法四、邻域灰度级计算方法为：

方法五、邻域灰度级计算方法为：

方法六、邻域灰度级计算方法为：

其中，gray(·,·)为取分辨率为3M×3N的图像灰度级运算符。

具体实施例四

本实施例是一种三维阈值立体图形展开方法实施例。

本实施例的三维阈值立体图形展开方法，在具体实施例一、具体实施例二或具体实施例三的基础上，将三维阈值立体图形展开成不定进制三位一维数据，包括以下步骤：

步骤i、根据像素灰度级i，确定像素灰度级i下的梯度灰度级进制t1(i)；

步骤j、根据像素灰度级i和梯度灰度级j，确定像素灰度级i和梯度灰度级j下的邻域灰度级进制t2(i,j)；

步骤k、按照像素灰度级为高位，梯度灰度级为中位，邻域灰度级为低位的原则，将像素灰度级、梯度灰度级和邻域灰度级展开成三位数据；

步骤l、按照像素灰度级，梯度灰度级和邻域灰度级均由小到大的原则，将步骤k得到的三位数据排列，得到一维数据。

本实施例的三维阈值立体图形展开方法，能够将三维阈值转换成一维数据，在进行阈值分割时，减少维度，有利于提高阈值分割运算速度，实现图像实时分割。

具体实施例五

本实施例是一种三维阈值立体图形展开方法实施例。

本实施例的三维阈值立体图形展开方法，在具体实施例一、具体实施例二或具体实施例三的基础上，进一步限定：

在步骤e后面还包括以下步骤：按照像素灰度级为高位，梯度灰度级为中位，邻域灰度级为低位的原则，将像素灰度级、梯度灰度级和邻域灰度级展开成L进制的三位数据；

在步骤h后面还包括以下步骤：按照像素灰度级，梯度灰度级和邻域灰度级均由小到大的原则，将步骤h得到的三位数据排列，得到一维数据。

本实施例的三维阈值立体图形展开方法，能够将三维阈值转换成一维数据，在进行阈值分割时，减少维度，有利于提高阈值分割运算速度，实现图像实时分割。

具体实施例六

本实施例是一种三维阈值立体图形展开方法实施例。

本实施例的三维阈值立体图形展开方法，在具体实施例一、具体实施例二或具体实施例三的基础上，进一步限定还包括以下步骤：

步骤i、根据像素灰度级i，确定像素灰度级i下的梯度灰度级进制t1(i)；

步骤j、根据像素灰度级i和梯度灰度级j，确定像素灰度级i和梯度灰度级j下的邻域灰度级进制t2(i,j)；

步骤k、按照像素灰度级为高位，梯度灰度级为中位，邻域灰度级为低位的原则，将像素灰度级、梯度灰度级和邻域灰度级展开成三位数据；

步骤l、按照椭球体运动方向所遇到像素先后顺序为由小到大的原则，将步骤k得到的三位数据排列，得到一维数据。

本实施例的三维阈值立体图形展开方法，能够将三维阈值转换成一维数据，在进行阈值分割时，减少维度，有利于提高阈值分割运算速度，实现图像实时分割。