一种基于图像处理的血管内壁自动寻找方法
【技术领域】
[0001]本发明属于计算机医学图像分析领域，具体涉及一种基于图像处理的血管内壁自动寻找方法。
【背景技术】
[0002]在血管内断层成像系统对血管进行成像后，一个非常重要的应用是获取血管的内径和面积大小，并根据得到的正常血管内径和面积大小与异常血管(主要是针对由于血管病变引起的狭窄问题)内径和面积大小进行对比，得出异常血管与正常血管内径变化的比例。因此，如何有效地、自动且准确地寻找血管内部的边缘是实现该功能的基础。
【发明内容】
[0003]发明目的:为解决现有技术中存在的问题，本发明提供一种基于图像处理算法实现的血管断层图像中血管内壁边缘的自动、准确寻找方法。
[0004]技术方案:为实现上述技术目的，本发明提出了一种基于图像处理的血管内壁自动寻找方法，包括如下步骤:
[0005](I)读取需要原始血管内壁断层图像；
[0006](2)图像去噪:利用图像去噪算法对图像进行去噪处理；
[0007](3)对比度调节:由于实际采集到的数据最大值不能完全利用图像位数，以及组织结构的不同使得每次采集到的图像中的灰度值会发生一定的变化，所以需要对图像进行对比度调节以保证后期算法的稳定性，通过采用对比度调节算法实现对图像对比度的调节，使图像中的血管更加清晰；
[0008](4)灰度形态学闭运算:采用针对灰度图像的形态学闭运算模糊内部的散斑噪声和细微干扰结构；
[0009](5)图像分割获取血管区域:对灰度形态学闭运算后的血管图像进行分割运算获取血管组织，从而得到分割图像；
[0010](6)去除中心导管干扰:去除分割图像中对应的导管区域，得到血管组织区域；
[0011](7)极坐标转换获取血管边缘:将血管分割区域通过坐标转换，得到血管内断层成像系统采集血管时每个A-Scan对应的血管分割区域，其中，所述的坐标转换需要控制的参数包括坐标转换的原点位置和坐标转换后的图像大小，坐标转换的原点位置选择在整个图像的中心位置，该位置对应血管内断层成像系统进行旋转采集数据的中心；坐标转换过程是从坐标转换原点位置发出的射线上对血管组织进行采样，坐标转换后图像大小与该过程中采样点的数目相关，其中每一列数据代表一个血管内断层成像系统采集的A-Scan数据；在一列数据中寻找第一个出现的血管分割区域位置，即对应血管的内部位置，遍历所有列得到血管的内壁边缘在直角坐标中的位置；对于未找到血管组织的列，采用直接连接相邻列血管位置；
[0012](8)逆坐标转换映射血管边缘:通过逆坐标变换将血管内壁信息映射到极坐标系中，即原始图像坐标系，最终实现对血管内壁边缘信息的自动寻找。
[0013]其中，步骤(I)中，所述的原始血管内壁断层图像为从血管内断层成像系统中实时采集得到的图像或读取事先采集并保存的图像数据。
[0014]由于血管内断层成像系统在采集过程中会出现噪声，同时由于血管内部及血管壁内部组织的不均匀性存在的散斑噪声，最终造成血管内断层成像系统采集到血管图像中噪声相对较大，为了后期寻找血管内壁边缘算法的稳定性，因此需要利用图像去噪算法对图像中的噪声进行抑制。步骤(2)中，所述的去噪算法为高斯去噪算法或中值滤波去噪算法，优选地，选用中值滤波去噪算法。
[0015]由于血管内断层成像系统在采集数据时的数据位数为16位数据，实际采集到的最大数据不能够完全利用这些位数，例如只有12位数据，因此得到的图像整体效果偏暗。另外，由于组织结构的不同，每次采集到的图像中的灰度值也会发生一定的变化。为了保证后期算法的稳定性，因此需要对图像进行对比度调节。步骤(3)中，实现对比度调节的算法为直方图均衡化或局部图像对比度调节算法，优选地，采用局部对比度调节算法进行实现，经过对比度调整后的图像中血管变得更加清晰。
[0016]由于血管组织内部结构的不均匀性，散斑噪声相对较大，虽然前面的去噪算法去除了一部分噪声，但是对于分割算法来说，噪声依然非常大，不利于稳定地寻找到血管组织，因此采用针对灰度图像的形态学闭运算模糊内部的散斑噪声和细微干扰结构(如支架造成的亮点)。步骤(4)中，所述的灰度图像形态学闭运算的结构算子采用NXN个像素的矩形算子实现。通过该运算后，血管组织相对于非血管组织的背景更加明显。
[0017]步骤(5)中，分割运算采用的分割算法为固定阈值法或自动阈值法，从而实现血管组织与背景的自动分割，优选地，选用自动阈值法中的大津法。
[0018]血管内断层成像系统成像过程中会对导管成像，并将导管的尺寸作为血管图像中心位置的依据。由于导管成像相对较亮，在分割过程中容易被认为是血管组织的一部分，因此有必要将导管从分割结果中去除。另外，由于导管的尺寸是已知的，因此可以根据其尺寸直接从图像中心画出导管内的区域进行去除。步骤(6)中，通过在中心直接画出导管区域，将分割区域中与导管区域重合的部分去除掉，剩下的分割区域即为血管组织区域。
[0019]如果血管图像不受到干扰，能够完整地获得整个血管组织的区域，那么分割得到的血管区域应该是一个圆环，可以直接通过获取圆环的内部边缘获取血管的内壁边缘，但是由于会存在干扰(如图支架遮挡，其下面的血管组织未成像)，血管分割区域是断开的，因此无法通过上述方法分辨血管的内壁边缘和外壁边缘。步骤(7)中，采用将血管分割区域通过极坐标转换，得到血管内断层成像系统采集血管时每个A-Scan对应的血管分割区域，极坐标转换需要控制的参数有:坐标转换的中心位置和坐标转换后的图像大小。其中极坐标转换的原点位置选择在整个图像的中心位置，该位置对应血管内断层成像系统进行旋转采集数据的中心；坐标转换过程是从坐标转换原点位置发出的射线上对血管组织进行采样，坐标转换后图像大小与该过程中采样点的数目相关，其中每一列数据代表一个血管内断层成像系统采集的A-Scan数据。因此，该坐标转换后的图像宽度越大，射线相对越密集，最终得到的血管内壁边缘信息细节表现能力越好，反之，则血管内壁边缘信息细节表现能力差，不过更能体现血管内壁边缘的总体趋势。血管内断层成像系统采集的一个A-Scan对应的每一列数据，寻找第一个出现的血管分割区域位置，即对应血管的内部位置，遍历所有列得到血管的内壁边缘在直角坐标中的位置。对于未找到血管组织的列，采用直接连接相邻列血管位置。
[0020]有益效果:本发明的基于图像处理的血管内壁自动寻找方法可以实现血管断层图像中血管内壁边缘的自动、准确寻找。
【附图说明】
[0021 ]图1为本发明的方法流程示意图；
[0022]图2为读取的原始血管内壁断层图像；
[0023]图3为图像去噪后得到的图像；
[0024]图4为调节对比度后的图像；
[0025]图5为经灰度图像形态学闭运算后的图像；
[0026]图6为经图像分割后获取的血管区域的图像；
[0027]图7为导管在血管断层图像中的尺寸位置示意图；
[0028]图8为除掉导管区域的血管区域的图像；
[0029]图9为血管分割区域通过坐标转换，得到血管内断层成像系统采集血管时每个A-Scan对应的血管分割区域的示意图；
[0030]图10为经逆坐标变换得到血管的内壁边缘在直角坐标中的位置；
[0031]图11为最终得到的血管内壁边缘的图。
【具体实施方式】
[0032]下面通过具体的实施例详细说明本发明。
[0033]如图1所示，本发明主要包括以下步骤:
[0034](I)读取需要原始血管内壁断层图像:该图像可以是从血管内断层成像系统中实时采集得到的图像，也可以是之前采集到的并保存在