一种超声图像滤波方法
【技术领域】
[0001]本发明属于超声成像领域，更具体地，涉及一种超声图像滤波方法。
【背景技术】
[0002]超声成像是医学成像领域的重要内容，其优点是无辐射，设备和使用成本低，超声成像提供了更加丰富的细节信息，给医生和被诊断者直观的感觉，降低了医生的专业技术要求和提高了判断的可靠性。同时，超声图像具有严重的噪声，噪声不但影响视觉效果，也一定程度上干扰医生的判断，因此，超声图像的滤波一直是医学超声成像中的一个热点问题。目前的滤波方法基本是基于Mean Shift原理，通过对原始图像在一定范围内取平均，或者与一些平滑的模板做卷积，达到平滑的目的。一般而言，这些传统方法存在的问题是:容易丢失图像的细节，理由是其滤波是通过平滑实现的；第二是容易引起数据模型的整体变形；最后鲁棒性差，与所使用的参数密切相关。
【发明内容】
[0003]针对现有技术的以上缺陷或改进需求，本发明提供了一种超声图像滤波方法，其目的在于通过将阈值分割和连通域跟踪算法配合滤出斑点噪声，由此解决现有的超声滤波方法丢失图像细节、整体变形、鲁棒性差的技术问题。
[0004]为实现上述目的，按照本发明的一个方面，提供了超声图像滤波方法，包括以下步骤:
[0005](1)对于待滤波超声图像采用大津算法进行分割，得到二值图像；
[0006](2)对于步骤(1)中获得的二值图像，先进行腐蚀运算，后进行膨胀运算，得到目标区域和噪声分隔的二值图像；
[0007](3)将步骤(2)中获得的目标区域和噪声分隔的二值图像进行连通区域跟踪，具体步骤如下:
[0008]目标区域跟踪:对于二值图像中的所有亮点，通过邻域搜索将其分隔为若干个独立连通区域；
[0009](4)对于步骤(3)中获得的独立连通区域，根据预设的阈值，保留超过阈值的独立连通区域作为目标区域；
[0010](5)将待滤波超声图像的目标区域作为滤波后的超声图像，其他区域置为背景。
[0011]优选地，所述超声图像滤波方法，其还包括步骤:(6)将步骤(5)得到的滤波后的超声图像的边缘进行平滑运算。
[0012]优选地，所述超声图像滤波方法，其步骤(6)所述平滑运算采用高斯滤波。
[0013]优选地，所述超声图像滤波方法，其步骤(3)所述邻域搜索具体步骤如下:
[0014](3-1)任意选取一个亮点作为种子点，将其标记；
[0015](3-2)搜索其邻域，若为亮点，则将这些目标点均进行标记；
[0016](3-3)不断搜索标记过的点的邻域，直到所有标记过的点的邻域内的点均已经标记或为暗点，将这些标记的亮点作为一个独立连通区域；
[0017](3-4)在剩下的亮点中重复执行步骤(3-1)-(3-3)，直至所有亮点被标记，即所有的亮点被划分在某一个独立连通区域内。
[0018]总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果:
[0019]1、与噪声、伪影相比，超声图像中的目标的相对是比较亮的，于是，通过阈值分割，可以大致将噪声和伪影与目标分开。
[0020]2、对二值图像进行“开”操作，尽可能将一些小的目标或者贴近目标的噪声与目标区断开。
[0021]3、通过对目标点邻域的搜索，将所有与目标点连通的点作为一个集合，从而将目标、噪声和伪影分隔开，认为体积较大的几个目标是为实际的超声成像目标，其它视作是噪声和伪影。
[0022]4、在原始图像中，将非成像目标的灰度赋为0，成像目标的亮点赋予其原始的灰度值，成像目标的暗点则取其邻域中非0点的均值，得到滤波后的图像。因此，本滤波方法并没有改变图像中目标的灰度，而是尽可能将背景、伪影和噪声与目标区分开，故滤波后的图像不当会保持原始数据的特征，而且不会发生目标的变形。
[0023]综上，本发明方法能够有效对超声图像进行滤波，剔除噪声，保持原始数据的特征，并且目标不会发生任何的形变，同时，本方法计算量适中，算法难度小，实现容易。
【附图说明】
[0024]图1本发明滤波流程图；
[0025]图2滤波前三维医学超声图像体绘制图像；
[0026]图3滤波前三维超声数据中心处三个断面图像；
[0027]图4滤波后三维医学超声图像体绘制图像；
[0028]图5滤波后三维超声数据中心处三个断面图像。
【具体实施方式】
[0029]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0030]超声成像具有十分广泛的临床应用价值，而图像中大量的噪声不但影响了视觉的效果，而可能会影响医生对成像目标的判断。故超声图像的滤波一直是相关领域的研究热点，本方法的方法不再是基于Mean Shift原理，而是将超声图像中的目标与背景、噪声和伪影分隔开，然后将非兴趣目标均视作是背景，最后利用传统的高斯滤波对图像进行处理。
[0031]本发明提供的超声图像滤波方法，包括以下步骤:
[0032](1)对于待滤波超声图像采用大津算法进行分割，得到二值图像；一般而言，目标呈现是高亮，而背景相对较暗，故亮的点认为是目标图像上的点。优选采用如下步骤，进行分割:
[0033]将原始超声图像近似分为两类，目标和背景:设图像的灰度级为L，灰度为i的像素的点数设为队。灰度值为i出现的概率为PiZ^/N。于是，寻找一个门限t，将图像分为使得两类目标之间的灰度方差最大。图像中灰度值大于阈值的点赋值为255，其余为0。
[0034](2)对于步骤(1)中获得的二值图像，先进行腐蚀运算，后进行膨胀运算，将不同的目标分隔开，得到目标区域和噪声分隔的二值图像；
[0035]利用腐蚀膨胀运算将小的目标从大目标中分开，其中腐蚀运算是一种消除边界点的方法，用结构元素模板与二值图像做“与”操作，使的二值图像廋一圈。膨胀运算与腐蚀运算类似，不同之处是将结构元素模板与图像做“或”操作，使物体的边界向外部扩张。由于本发明的目的是对超声图像进行滤波，因此采取先腐蚀后膨胀的策略，在数学形态学中也称为是开运算。
[0036](3)将步骤⑵中获得的目标区域和噪声分隔的二值图像进行连通区域跟踪，具体步骤如下:
[0037]目标区域跟踪:对于二值图像中的所有亮点，通过邻域搜索将其分隔为若干个独立连通区域。
[0038]为实现上述过程，可采取如下步骤:
[0039](3-1)任意选取一个亮点作为种子点，将其标记；
[0040](3-2)搜索其邻域，若为亮点，则将这些目标点均进行标记；
[0041](3-3)不断搜索标记过的点的邻域，直到所有标