RA脑图像数据中图像模板对应数据去除，并进行MIP重建，得到 血管图像。本发明对T0F-MRA脑图像中的外围头皮信息进行自动去除，抑制了MIP处理结果 的背景噪声，达到改善血管细节结构、突出血管结构形态、降低百叶窗噪声的效果，并得到 了清晰的血管图像。
【附图说明】
[0020] 图1为本发明所述MRA脑图像数据的背景抑制方法较佳实施例的流程图。
[0021 ] 图2为T0F-MRA脑图像。
[0022]图3为T0F-MRA脑图像的轮廓示意图。
[0023]图4为靠近轮廓的外围头皮高亮区域示意图。
[0024]图5a为未进行背景抑制MIP处理结果示意图。
[0025]图5b为进行过背景抑制MIP处理结果示意图。
[0026]图6为本发明所述MRA脑图像数据的背景抑制系统较佳实施例的功能结构框图。
【具体实施方式】
[0027] 本发明提供一种MRA脑图像数据的背景抑制方法及系统，为使本发明的目的、技术 方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理 解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0028] 请参见图1，其为本发明所述MRA脑图像数据的背景抑制方法较佳实施例的流程 图。如图1所示，所述MRA脑图像数据的背景抑制方法包括： 步骤S100、对原始MRA脑图像数据进行图像亮度归一化处理与图像平滑处理，得到第一 处理MRA脑图像； 步骤S200、获取轮廓阈值，对第一处理MRA脑图像进行阈值化处理后，提取图像的外轮 廓链码信息； 步骤S300、根据图像的外轮廓链码信息选取种子点，并通过区域生长法获取靠近轮廓 的尚壳区域； 步骤S400、根据高亮区域的信息建立图像模板，将原始MRA脑图像数据中图像模板对应 数据去除，并进行MIP重建，得到血管图像。
[0029]本发明中，对如图2所示的T0F-MRA脑图像中的外围头皮信息进行自动去除，抑制 了 MIP三维重建处理结果中的背景信息，获取更加清晰准确的血管图像。
[0030]较佳的，所述步骤S100中具体包括： 步骤S101、获取原始MRA脑图像数据的最大亮度值_，以
做为原始MRA 脑图像数据中各片层图像数据的归一化因子，归一化各片层图像数据，得到归一化MRA脑图 像数据;其中，，:難...，深Μ，N为图像片层数。
[0031] 步骤S102、根据cvSmooth函数对归一化MRA脑图像数据进行平滑处理，得到第一处 理MRA脑图像。
[0032] 具体的，在步骤S102中运用OpenCV库中的cvSmooth函数对归一化MRA脑图像数据 进行平滑处理。
[0033] 图像亮度归一化处理使得图像数据的亮度较为均衡，避免由于部分片层图像过亮 或过暗而影响图像处理结果。而且，对图像做平滑处理，有效的降低噪声影响，增强边缘连 续性。
[0034] 较佳的，所述步骤S200中具体包括： 步骤S201、计算选取轮廓阈值，对第一处理MRA脑图像进行阈值分割，获取MRA数据的二 值化轮廓数据； 步骤S202、对二值化轮廓数据进行轮廓提取，获取外轮廓链码信息。
[0035]更具体的，在步骤S201中计算选取轮廓阈值时时先取图像数据的四个角的小块区 域，分别计算四个小块区域的最大亮度值：
取涵的局部最大亮度值 作为图像的轮廓阈值 在步骤S201中利用轮廓阈值$对经步骤S100处理后的第一处理MRA脑图像（即T0F-MRA 脑图像)进行阈值分割，如果图像的当前像素点灰度值〉&则为1，否则为〇,得到MRA数据的 二值化轮廓数据； 在步骤S202中对二值化轮廓数据进行轮廓提取时运用OpenCV库中的cvFindContours 函数获取获取外轮廓链码信息（即T0F-MRA脑图像的轮廓信息），如图3所示。
[0036]较佳的，所述步骤S300中具体包括： 步骤S301、对所述轮廓链码信息进行水平分组和竖直分组，获取轮廓在各行的左右边 界点和在各列的上下边界点； 步骤S302、逐行选取取靠近水平分组中左边界点的一个亮度超过亮度阈值的点作为种 子点，运用区域增长法获取靠近轮廓左边界的高亮度区域，直至获得所有靠近轮廓左边界 的左高亮度区域RL; 步骤S303、逐行选取取靠近水平分组中右边界点的一个亮度超过亮度阈值的点作为种 子点，运用区域增长法获取靠近轮廓右边界的高亮度区域，直至获得所有靠近轮廓右边界 的右高亮度区域RR; 步骤S304、逐行选取取靠近水平分组中上边界点的一个亮度超过亮度阈值的点作为种 子点，运用区域增长法获取靠近轮廓上边界的高亮度区域，直至获得所有靠近轮廓上边界 的上高亮度区域RT; 步骤S305、逐行选取取靠近水平分组中下边界点的一个亮度超过亮度阈值的点作为种 子点，运用区域增长法获取靠近轮廓下边界的高亮度区域，直至获得所有靠近轮廓下边界 的下高亮度区域RB。
[0037]具体的，在步骤S302-步骤S305中，在某行（如中间行）中选取一个较靠近水平分 组中左（右、上或下）边界的一个高亮度点作为种子点，运用区域增长法获取靠近轮廓左 (右、上或下）边界的高亮度区域，该区域如果满足所有点都靠近左（右、上或下）边界，即距 离D〈Td(其中：
Td为指定阈值），则认为该区域为外围头皮高亮区域，标记该区 域。
[0038]较佳的，所述步骤S400中具体包括： 步骤S401、根据获得的左高亮度区域RL、右高亮度区域RR、上高亮度区域RT及下高亮度 区域RB创建一个图像模版T;其中，
步骤S402、根据图像模版T将原始MRA脑图像数据中与图像模板T对应数据抠除，得到第 二处理MRA脑图像。
[0039] 步骤S403、对第二处理MRA脑图像进行MIP三维重建处理，获得血管图像。
[0040]在步骤S401中创建的图像模版T(即靠近轮廓的外围头皮高亮区域)如图4所示。根 据图像模板τ将原始MRA脑图像数据中图像模板T对应的数据抠除，即找到图像模板T中值为 1的位置，将其像素亮度置〇,得到第二处理MRA脑图像;再对第二处理MRA脑图像进行MIP三 维重建处理，获得血管图像，调整透视角度进行MIP处理，可以获得各个方位的血管图像，如 图5b所示;对比未使用该方法进行对比抑制的结果，如图5a所示，效果明显改善。
[0041 ]可见，本发明对T0F-MRA脑图像中的外围头皮信息进行自动去除，抑制了MIP处理 结果的背景噪声，达到改善血管细节结构、突出血管结构形态、降低百叶窗噪声的效果，并 得到了清晰的血管图像。
[0042] 基于上述方法实施例，本发明还提供了一种MRA脑图像数据的背景抑制系统。如图 6所示，所述MRA脑图像数据的背景抑制系统包括： 预处理模块100,用于对原始MRA脑图像数据进行图像亮度归一化处理与图像平滑处 理，得到第一处理MRA脑图像； 轮廓检测模块200,用于获取轮廓阈值，对第一处理MRA脑图像进行阈值化处理后，提取 图像的外轮廓链码信息； 外围高信号检查模块300,用于根据图像的外轮廓链码信息选取种子点，并通过区域生 长法获取靠近轮廓的高亮区域； 重建模块400,用于根据高亮区域的信息建立图像模板，将原始MRA脑图像数据中图像 模板对应数据去除，并进行MIP重建，得到血管图像。
[0043] 进一步的，在所述MRA脑图像数据的背景抑制系统中，所述预处理模块100具体包 括： 归一化单元，用于获取原始MRA脑图像数据的最大亮度值_，以
做为 原始MRA脑图像数据中各片层图像数据的归一化因子，归一化各片层图像数据，得到归一化 MRA脑图像数据;其中，
N为图像片层数； 平滑处理单元，用于根据cvSmooth函数对归一化MRA脑图像数据进行平滑处理，得到第 一处理MRA脑图像。
[0044]进一步的，在所述MRA脑图像数据的背景抑制系统中，所述轮廓检测模块200具体 包括： 二值化处理单元，用于计算选取轮廓阈值，对第一处理MRA脑图像进行阈值分割，获取 MRA数据的二值化轮廓数据； 链码信息提取单元，用于对二值化轮廓数据进行轮廓提取，获取外轮廓链码信息。 [0045]进一步的，在所述MRA脑图像数据的背景抑制系统中，所述外围高信号检查模块 300具体包括： 边界点获取单元，用于对所述轮廓链码信息进行水平分组和竖直分组，获取轮廓在各 行的左右边界点和在各列的上下边界点； 左高亮度区域获取单元，用于逐行选取取靠近水平分组中左边界点的一个亮度超过亮 度阈值的点作为种子点，运用区域增长法获取靠近轮廓左边界的高亮度区域，直至获得所 有靠近轮廓左边界的左高亮度区域RL; 右高亮度区域获取单元，用于逐行选取取靠近水平分组中右边界点的一个亮度超过亮 度阈值的点作为种子点，运用区域增长法获取靠近轮廓右边界的高亮度区域，直至获得所 有靠近轮廓右边界的右高亮度区域RR; 上高亮度区域获取单元，用于逐行选取取靠近水平分组