027 ：
[0032] S1021，从预处理图像每层图像的像素中随机选取两个像素，分别作为两个簇中每 个簇的中心。
[0033] K-均值聚类（K-meansclustering)是MacQueen提出的一种非监督实时聚类算 法，在最小化误差函数的基础上将数据划分为预定的类数K。在本发明实施例中，K可以取 2,即两个簇（Cluster)。
[0034] S1022,分别计算剩下的像素到两个簇中心的欧几里得距离，并将剩下的像素分配 到欧几里得距离较短的簇。
[0035] 像素到簇中心的欧几里得距萇，其中，（XHi)为像 素的坐标，（x2,y2)为簇中心的坐标。
[0036] S1023,根据聚类结果，重新计算两个簇中每个簇的中心。
[0037] 具体计算方法是取簇中所有像素各自维度的算术平均数。
[0038] S1024,将预处理图像每层图像中全部像素按照重新计算所得中心重新聚类。
[0039] S1025,重复步骤S1022至S1024,直至聚类结果不再变化。
[0040] 在本发明实施例中，所谓聚类结果不再变化是指，本次聚类的结果与前一次聚类 的结果一样。
[0041]S1026,将两个簇中心灰度值高的部分确定为腹部脂肪。
[0042] S1027,将腹部脂肪两个簇中一个簇内所有像素灰度值置"1"，将腹部脂肪两个簇 中另一簇内所有像素灰度值置"〇"，得到腹部脂肪的二值模板。
[0043] S103,将腹部脂肪的初始图像分割为皮下脂肪的外轮廓图像和内脏脂肪的初始分 害_像。
[0044] 具体地，在本发明实施例中，将腹部脂肪的初始图像分割为皮下脂肪的外轮廓图 像和内脏脂肪的初始分割图像包括如下步骤S1031至步骤S1037 :
[0045] S1031，通过Canny算子检测腹部脂肪的外轮廓。
[0046] S1032,采用水平扫描线从上到下扫描前述实施例步骤S1027获取的腹部脂肪的 二值模板。
[0047] S1034,计算每一条扫描线与腹部脂肪的交点。
[0048] S1035,按照X轴方向上的坐标值从小到大对交点进行排序，选取X轴方向上的坐 标值最小的像素的坐标和X轴方向上的坐标值最大的像素的坐标。
[0049] S1036,将第一线段和第二线段上的所有像素灰度值置1，得到内脏脂肪的初始分 割图像，其中，第一线段为X轴方向上的坐标值最小的像素与距离其较近一侧扫描线的边 界点相连构成的线段，第二线段为X轴方向上的坐标值最大的像素与距离其较近一侧扫描 线的边界点相连构成的线段。
[0050] S1037,将X轴方向上的坐标值最小的像素和X轴方向上的坐标值最大的像素相连 构成的线段上的所有像素灰度值置1，得到皮下脂肪的外轮廓图像。
[0051] S104,对内脏脂肪的初始分割图像进行水平集进化，得到所述内脏脂肪的最终图 像。
[0052] 具体地，在本发明实施例中，对内脏脂肪的初始分割图像进行水平集进化，得到所 述内脏脂肪的最终图像包括如下步骤S1041至步骤S1043 :
[0053] S1041，通过最小化能量函数得到梯度向量流场。
[0054] 梯度向量流（GVFSnake)是一种同时从两个方向捕获图像边缘的外部力场，它是 图像函数的边缘图f的梯度向量扩散，由二维向量场f(X，y) = [u(x,y),v(x,y)]组成，梯 度向量流场通过最小化能量函数得到：
[0055]
[0056] S1042,以腹部脂肪边界作为二维连续函数的一个水平集，通过不断地更新二维连 续函数以演化隐含在所述二维连续函数中的曲线。
[0057] 在本发明实施例中，二维连续函数可以是levelset函数。若使用Ψ表示二维连 续函数（例如，levelset函数），则更新二维连续函数以演化隐含在所述二维连续函数中 的曲线可用以下方式表示：
[0058]
[0059] 二维连续函数（例如，levelset函数）的零水平集表示目标曲线Γ(t)，即：
[0060] 「⑴=.丨X| (//(xJpOj，其中，X.表不X是向量。
[0061]S1043,在二维连续函数的水平集为零时得到的图像作为内脏脂肪的最终图像。
[0062] 二维连续函数中曲线演化的速度由两部分构成，S卩，与曲线曲率有关的内部力项 和与GVF相关的外部力项。当二维连续函数（例如，level set函数）的水平集为零时，内 脏脂肪分割结束。
[0063] S105,将皮下脂肪的外轮廓图像与内脏脂肪的最终图像的乘积与内脏脂肪的最终 图像做相减运算，所得结果作为皮下脂肪的最终图像。
[0064] 从上述本发明实施例提供的基于核磁共振影像的腹部脂肪分割方法可知，由于初 始核磁共振影像的预处理、预处理图像中的腹部脂肪和所述腹部脂肪周围组织部分的分 害I]、以及腹部脂肪初始图像的再分割等，整个处理过程无需参数输入，自动化程度极高，与 现有技术相比，本发明提供的方法可以快速、准确地对皮下脂肪与内脏脂肪进行分割。
[0065] 下面对用于执行上述基于核磁共振影像的腹部脂肪分割方法的本发明实施例的 基于核磁共振影像的腹部脂肪分割装置进行说明，其基本逻辑结构参考附图2。为了便于说 明，附图2示例的基于核磁共振影像的腹部脂肪分割装置仅仅示出了与本发明实施例相关 的部分，主要包括预处理模块201、第一分割模块202、第二分割模块203、进化模块204和运 算模块205,各模块详细说明如下 ：
[0066] 预处理模块201，用于对初始的核磁共振影像进行预处理，所述初始的核磁共振影 像是包含腹部脂肪和所述腹部脂肪周围组织成一体的核磁共振影像；
[0067] 第一分割模块202,用于分割所述预处理图像中的腹部脂肪和所述腹部脂肪周围 组织部分，得到所述腹部脂肪的初始图像；
[0068] 第二分割模块203,用于将所述腹部脂肪的初始图像分割为皮下脂肪的外轮廓图 像和内脏脂肪的初始分割图像；
[0069] 进化模块204,用于对所述内脏脂肪的初始分割图像进行水平集进化，得到所述内 脏脂肪的最终图像；
[0070] 运算模块205,用于将所述皮下脂肪的外轮廓图像与所述内脏脂肪的最终图像的 乘积与所述内脏脂肪的最终图像做相减运算，所得结果作为所述皮下脂肪的最终图像。
[0071] 需要说明的是，以上附图2示例的基于核磁共振影像的腹部脂肪分割装置的实施 方式中，各功能模块的划分仅是举例说明，实际应用中可以根据需要，例如相应硬件的配置 要求或者软件的实现的便利考虑，而将上述功能分配由不同的功能模块完成，即将所述基 于核磁共振影像的腹部脂肪分割装置的内部结构划分成不同的功能模块，以完成以上描述 的全部或者部分功能。而且，实际应用中，本实施例中的相应的功能模块可以是由相应的硬 件实现，也可以由相应的硬件执行相应的软件完成，例如，前述的预处理模块，可以是具有 执行前述对初始的核磁共振影像进行预处理的硬件，例如预处理器，也可以是能够执行相 应计算机程序从而完成前述功能的一般处理器或者其他硬件设备；再如前述的运算模块， 可以是具有执行前述将皮下脂肪的外轮廓图像与内脏脂肪的最终图像的乘积与内脏脂肪 的最终图像做相减运算，所得结果作为皮下脂肪的最终图像功能的硬件，例如运算器，也可 以是能够执行相应计算机程序从而完成前述功能的一般处理器或者其他硬件设备（本说 明书