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；
[0042](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。
[0043](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；
[0044]阈值设置，可根据图像本身的性质，按照面积大小设置阈值或者按照面积排名设置阈值。
[0045](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。
[0046](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，优选采用高斯滤波。利用高斯函数生成一定大小的模板，通过模板与上述图像进行卷积，得到高斯滤波的结果图像。
[0047]以下为实施例:
[0048]—种超声图像滤波方法，应用于三维超声图像滤波:
[0049](1)三维超声图像的阈值分割，设输入三维图像的大小为nwidth*nheight*ndepth，图像的灰度级为L = 256，灰度为i的像素的点数设为队，nwidth*nheight*ndepth = W...+NL 1D 灰度值为 i 出现的概率为 Pi= Ν ；/Νο 于是，寻找一个门限t，将三维图像分为亮目#Cl和暗背景02，则类间方差σ与t的关系是σ =a!*a2 (u!-u2) ~2，式中，a!、a2为类 c:、c2总面积之比，a 丄=sum(P ；) i>t, a2= l_a 1；u n u2分别为两个类的均值，+= sum(i*P i)/a1i<t, u2= sum(i*P 2)/a2, i> = t，选择一个最佳门限 t，使的类间方差最大。在计算得到阈值之后，原始图像中灰度大于阈值的赋为255，其它赋为0，生成二值图像。
[0050](2)对二值图像进行腐蚀和膨胀操作。在本方法中，腐蚀的操作是:以二值体数据中的每个体素为中心的3 X 3 X 3窗口内，判断是否有灰度值为0的点，如果有，则将当前点赋值为0 ;膨胀的操作是:以二值体数据中的每个体素为中心的3 X 3 X 3窗口内，判断是否有灰度值为255的点，如果有，则将当前点赋值为255。不断进行腐蚀和膨胀操作，在二值化的三维图像中，形成具有一定数量的灰度值为255的多个连通的区域。
[0051](3)在二值图像中，任意选择一个灰度值为255的目标点(一般建议选择接近三维图像中心的点)，加入到一个集合，搜索其二十六邻域内是否有灰度值为255的点，如果有则加入到点集合中，同时，对集合中的点进行标记，若集合中某个点的二十六邻域均已经被搜索过，则标记为1，否则为0 ;下一步就是在点集合中任意选择一个标记为0的点，搜索其二十六邻域内是否有亮点，并将亮点加入到点集合中，然后将其标记为1 ;然后，不断从点集合中选择标记值为0的点，并不断搜索其邻域以重复上述过程，直至点集合中所有的点均被标记为1为止。
[0052](4)完成步骤(3)相当于得到一个连通的目标集合，而实际二值化的图像，可能有很多连通的目标集合，于是，在从剩余的灰度值为255的点中任意选择一个点(未被标记的点)，重复步骤(3)的过程，获得相应的连通点集合。不断执行(3)-(4)，直到二值图像中所有的点均被标记为止。
[0053](5)在步骤(4)得到的点集合中，若点集合的体积小于一定的数量，则将这些点的灰度均赋为0。
[0054](6)对比原始三维图像和步骤(5)的二值图像，体素在二值图像兴趣目标外的灰度值为0，则将原始图像中相应像素的灰度值赋为0 ;体素在二值图像兴趣目标内的灰度值为255，则赋予其原始图像中对应位置的灰度值，体素在二值图像兴趣目标内的灰度值为0，则赋予其原始图像二十六邻域中非0点的均值。
[0055](7)利用高斯模板对步骤￠)图像进行滤波，具体为:先利用二维高斯模板为{1，2，3，2，1 ;2，5，6，5，2 ;3，6，8，6，3 ;2，5，6，5，2 ; 1，2，3，2，1}，对 5*5*5 窗口中的 5*5 图像进行二维滤波，生成5*1的数据；然后，再利用{3，6，8，6，3}再进行卷积；得到窗口中心点的滤波结果。
[0056]本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种超声图像滤波方法，其特征在于，包括以下步骤: (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； (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； (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: 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； (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； (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。2.如权利要求1所述的超声图像滤波方法，其特征在于，所述方法还包括步骤:(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。3.如权利要求2所述的超声图像滤波方法，其特征在于，步骤(6)所述平滑运算采用高斯滤波。4.如权利要求1所述的超声图像滤波方法，其特征在于，步骤(3)所述邻域搜索具体步骤如下: (3-1)任意选取一个亮点作为种子点，将其标记； (3-2)搜索其邻域，若为亮点，则将这些目标点均进行标记； (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； (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。
【专利摘要】本发明公开了一种超声图像滤波方法，包括以下步骤：(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；(2)对二值图像，先进行腐蚀运算，后进行膨胀运算；(3)进行连通区域跟踪，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；(4)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；(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。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。
【IPC分类】G06T5/00
【公开号】CN105303533
【申请号】CN201510736092
【发明人】侯文广, 陈子轩, 徐泽楷, 王学文, 卢晓东
【申请人】华中科技大学
【公开日】2016年2月3日
【申请日】2015年11月3日