一种基于医学图像的器官组织轮廓线提取方法
【专利摘要】本发明提供一种基于医学图像的器官组织轮廓线提取方法，首先通过对图像进行光滑处理，去掉图像中低振幅的点，加强显示显著的边，同时保留原图像的结构，然后在光滑处理基础上的图像进行Canny边缘提取，最后在提取出来的一些散乱点的基础上，应用二维散乱点自动生成算法形成符合美学观点的图像。本发明主要包括：L0梯度最小化进行光滑处理；边缘检测；二维散乱点自动生成算法。通过此算法可以生成封闭的，不相交的轮廓线，特别对尖锐角处理效果非常好。
【专利说明】一种基于医学图像的器官组织轮廓线提取方法
【技术领域】
[0001] 本发明涉及一种在医学图像中的器官组织轮廓中进行轮廓线提取的方法。
【背景技术】
[0002] 最早提出的经典边缘检测方法大多从图像高频分量的增强出发，微分运算就成了 边缘提取的主要方法。一阶微分算子采用梯度模的近似形式，包括Roberts算子、sobel算 子、Prewitt算子、Laplacan算子以及Krish算子等，这些方法多是以将要处理像素为中心 的邻域作为进行灰度分析的基础，实现对图像边缘的提取，并已经取得了较好的效果。但是 这类方法也存在获得的边缘不连续、不封闭、像素宽、噪声干扰较严重等缺点。因此，这势必 要求在对医学图像进行边缘提取时，设计出一种能够形成美观的边缘连续的封闭的噪声干 扰比较小的方法。
[0003] 由于微分运算在增强边缘的同时也会增强噪声，所以在微分运算之前需要用滤波 降噪以减少噪声的影响，Marr和Hildreth提出LOG算法，利用高斯滤波器对图像进行平滑， 使用各向同性的拉普拉斯算子进行求导，判定导数的零交叉点为边缘点。Johncanny提出 Canny算子，并给出了边缘检测的三条准则。Canny算子也是一阶算子，实质是用一个准高 斯函数做平滑运算，然后用带方向的一阶微分算子来定位导数最大值，其贡献在于给出了 一种寻找最优算子的思路，即确立了最优准则。
[0004] 在此背景下，本发明设计出一种形成美观的连续的封闭的噪声干扰比较小的边缘 的方法，为医学图像的处理提供了帮助。
【发明内容】
[0005] 本发明解决的技术问题是：降低了现有的医学图像中轮廓线提取的噪声干扰，同 时绘制出美观的连续的轮廓线。
[0006] 本发明的技术方案为：一种基于医学图像的器官组织轮廓线提取方法，包括以下 三个步骤：
[0007] 步骤（1)、L0梯度最小化进行光滑处理：L0梯度最小化算法通过限制邻域像素的 强度变化的离散数量，在保留图像整体信息并且不影响整体精度的同时，通过增加陡度的 过渡提高最突出的边缘，通过对输入图像进行处理进行L0梯度最小化光滑处理，增强整个 图像的光滑度。
[0008] 步骤（2)、边缘检测：图像的边缘检测，就是用离散化梯度逼近函数根据二维灰度 矩阵梯度向量来寻找L0梯度最小化之后的图像的图像灰度矩阵的灰度跃变位置，然后将 这些灰度跃变位置连接起来就形成了边缘，在图像的边缘图像中提取出了梯度变化比较大 的点。
[0009] 步骤（3)、二维散乱点自动生成算法：通过将边缘图像中的点集进行轮廓分组，然 后对每一个轮廓的点集进行二维散乱点生成算法。通过点集的坐标生成没有叶子节点的欧 几里得最小生成树，以此为基础生成不闭合的，轮廓长度最小化的满足格式塔原理的轮廓。 最后，将每个轮廓的点集的处理结果显示在svg文件中得到整个图像的处理结果。
[0010] 本发明的原理在于：
[0011] (1)在进行L0梯度最小化光滑处理时，我们用计算稀疏梯度数量的方法，通过限 制强度变化点的周围的像素点的离散的数量来保持L0范数中的信息稀疏的追求。通过增 强的边如果他们的结构清楚即使在低像素的图片或者细边缘也能很好的保持原图的边的 特性。
[0012] (2)在进行边缘处理时，通过计算灰度矩阵的梯度向量，依靠离散化梯度逼近函 数来找到图像中灰度矩阵的灰度跃变位置，然后将找到的这些位置用线连起来就构成了边 缘。
[0013] (3)二维散乱点生成算法就是连接二维点生成美观的轮廓线，这些二维散乱点只 给出了坐标信息。通过把对轮廓线的限制转化为一个遵循格式塔原理的问题，我们期望的 轮廓Bmin是一个不相交的封闭的并且最小化边界长度的轮廓。算法的基础是没有叶子 节点的欧几里得最小生成树BCmin。BCmin和Bmin能通过调整拓扑约束的参数近似表示。 BCmin的近似的算法BC0能用一个贪婪算法快速的计算出来。BC0通过膨胀操作将度数大 于2的点去除，在经过雕刻操作将内部度数等于0的点剔除掉就可以满足Bmin的拓扑和最 小化需求，通过这两个步骤得到了最后结果Bout。通过大量的实验证明，Bout和Bmin是非 常相似的。
[0014] 本发明与现有技术相比的优点在于：
[0015] 1、本发明使用的图像预处理技术，为接下来的轮廓线提取提供了很好的输入。
[0016] 2、效率高：本发明中计算Bmin实际上是一个NP问题，然而计算Bout是线性时间 此算法对那些有急剧变化的拐角处处理结果也非常好。
[0017] 3、提取出的轮廓线对噪声干扰比较小。
【专利附图】
【附图说明】
[0018] 图1医学图像中的器官组织轮廓线提取方法的总体流程；
[0019] 图2a :输入医学图像b :L0梯度最小化光滑处理结果；
[0020] 图3a :图像去噪结果b :canny边缘检测结果；
[0021] 图4二维点分组结果；
[0022] 图 5a:点集 b:BC0 c:BCinf d:Bmin ;
[0023] 图6点的分类示意图；
[0024] 图 7a:BC0 b:detail c:inflated ;
[0025] 图 8a:Initial b:Exposed v0 c:Exposedv3 ;
[0026] 图9a :点集b :二维散乱点算法生成轮廓线；
[0027] 图10输入图像的轮廓线提取结果。
【具体实施方式】
[0028] 图1给出了医学图像中的器官组织轮廓中进行轮廓线提取的方法的总体处理流 程，下面结合其他附图及【具体实施方式】进一步说明本发明。
[0029] 本发明提供一种医学图像中的器官组织轮廓中进行轮廓线提取的方法，主要步骤 介绍如下：
[0030] 1、L0梯度最小化进行光滑处理
[0031] 在进行L0梯度最小化光滑处理时，我们用计算稀疏梯度数量的方法，通过限制强 度变化点的周围的像素点的离散的数量来保持L0范数中的信息稀疏的追求。通过增强的 边如果他们的结构清楚即使在低像素的图片或者细边缘也能很好的保持原图的边的特性。 在问题求解过程中，通过引入辅助变量交替最优化的策略求解，引入变量扩展原来的变量 并且反复的更新。在解决这个问题的时候，由于是离散的数据，又引入了新的子问题，每个 子问题都有解决方案，由于解决这个问题是很棘手的，所以我们的解决方法是一个很好的 保持原图像的特性并且很好的展示突出的结构的近似方法。
[0032] 在一维图像中，平滑在全局方式实现，通过限制非零梯度的数量提高最高对比度 边缘。在一维信号中，g是输入的离散的信号，f是光滑处理的结果。公式（1)离散的计算 了幅度的变化。公式（1)中P和P+1是两个相邻像素的索引，|fp-fp+l|是P的前向差分形 式的梯度，#{}是计算操作符，用来输出满足|fp-fp+i|〇的点的个数，也就是梯度的L0范 数。c(f)不是计算梯度值，因此在改变对比度的时候结果不会受到影响。
[0033] c (f) = # {p | | fp-fp+11 ^ 0}公式（1)
[0034] c(f)单独使用不会发挥作用，需要结合一定的约束条件，约束条件用来保证结果 f和输入信号g在结构上相似，如公式（2)所示。公式（2)中c (f) = k代表光滑结果f中 存在着k个非零梯度值。图1. le图是k = 6的结果，结果的信号图压缩了细节并且锐化了 主要的边，并且和原图信息保持一致，k的取值越大，越限制与原图的近似程度，然而能刻画 最好的显著的拐角。公式（2)中的（fp-gp)2是为了保证与原图保持最好的相似性，这样低 幅度的结构可以用可控的统计的方式首先被移除，这个方法的好处是不管k设为何值，由 于不采用局部滤波和平均值的操作，结果都不会出现模糊的现象。
[0035]
【权利要求】
1. 一种基于医学图像的器官组织轮廓线提取方法，其特征在于包括以下三个步骤： 步骤（1)、输入医学图像，用L0梯度最小化进行光滑处理：L0梯度最小化算法通过限制 邻域像素的强度变化的离散数量，在保留图像整体信息并且不影响整体精度的同时，通过 增加陡度的过渡提高最突出的边缘，通过对输入图像进行处理进行L0梯度最小化光滑处 理，增强整个图像的光滑度； 步骤（2)、边缘检测：图像的边缘检测，就是用离散化梯度逼近函数根据二维灰度矩阵 梯度向量来寻找L0梯度最小化之后的图像的图像灰度矩阵的灰度跃变位置，然后将这些 灰度跃变位置连接起来就形成了边缘，在图像的边缘图像中提取出了梯度变化比较大的 占 . 步骤（3)、二维散乱点自动生成算法：通过将边缘图像中的点集进行轮廓分组，然后对 每一个轮廓的点集进行二维散乱点生成算法；通过点集的坐标生成没有叶子节点的欧几里 得最小生成树，以此为基础生成不闭合的，轮廓长度最小化的满足格式塔原理的轮廓；最 后，将每个轮廓的点集的处理结果显示在svg文件中得到整个图像的处理结果。
2. 根据权利要求1所述的医学图像中的器官组织轮廓线提取方法，其特征在于：步骤 (1) 中所述的L0梯度最小化进行光滑处理方法，使用计算稀疏梯度数量的方法，通过限制 强度变化点的周围的像素点的离散的数量来保持L0范数中的信息稀疏的追求，结合图像 稀疏性的特点，利用10-范数作为正则项约束，保证了恢复图像的稀疏性要求；结构清楚的 边通过增强操作，即使是低像素的图片的边或者细边缘也能很好的保持原图的边的特性。
3. 根据权利要求1所述的医学图像中的器官组织轮廓线提取方法，其特征在于：步骤 (2) 中所述的边缘检测方法，该方法采用的是canny算法，在进行canny算法处理之前，首先 进行滤波处理，去掉噪声，使图像处理结果光滑；采用的滤波方法是高斯滤波，在使用滤波 之后使用canny边缘检测，有效的将一些噪点去除。
4. 根据权利要求1所述的医学图像中的器官组织轮廓线提取方法，其特征在于：步骤 (3) 中所述的二维散乱点自动生成算法，由于二维散乱点生成轮廓线的算法最后生成的是 全局的封闭的不相交的轮廓线，所以在此算法之前需要将canny算法的处理结果的图像的 点集进行分组，然后对每个分组进行二维散乱点生成算法生成轮廓线，最后再将每个分组 的处理结果显示在一个SVG文件中；所以在此算法之前需要将canny算法的处理结果的图 像的点集进行分组，首先将图像通过控制阀值将图像变换为二值图像，在二值图像中找到 各个轮廓，找到值为1的像素点然后在其邻域中进行查找，如果是值为1的像素点，则将点 加入这个轮廓中，否则进行下一个轮廓的查找；反复进行这个查找过程，直到所以的点都被 遍历；这样就可以把所有的点集分成若干个轮廓然后对每个分组进行二维散乱点生成算法 生成轮廓线，最后再将每个分组的处理结果显示在一个SVG文件中。
【文档编号】G06T5/00GK104299238SQ201410568966
【公开日】2015年1月21日 申请日期:2014年10月22日 优先权日:2014年10月22日
【发明者】李帅, 郭立新, 郝爱民, 秦洪 申请人:北京航空航天大学