一种图像形态学滤波方法
【技术领域】
[0001] 本发明涉及高性能数字辐射成像技术领域，更具体地说，涉及一种图像形态学滤 波方法。
【背景技术】
[0002] 工业CT是工业用计算机断层成像技术的简称，它能在对被测物无损伤条件下，以 计算机二维断层图像或三维立体图像的形式，清晰、准确、直观地展示被测物内部的结构、 组成、材质及缺损状况，被誉为当今最佳无损检测和无损评估技术。在CT扫描和计算机图像 重建的过程中，不可避免地存在一些噪声点和杂质，这就需要在进一步分析和处理图像之 前，采用滤波算法去除图像中存在的噪声，其中，数学形态学的应用能够在图像去噪的同 时，保持感兴趣区域的形态特征，是一种工业CT广泛使用的滤波方法。
[0003] 在工业CT领域，对被测物进行三维重建时，三维图像由若干层二维断层图像叠加 而成。CT扫描的断层多达数十层甚至数百层，数据量非常之大，具有海量性，并且进行形态 学滤波时往往会进行连续多次的滤波操作，因此对三维图像的形态学滤波进行加速处理、 增强图像操作的实时性显得尤其重要。但是，发明人发现，现有技术中对于三维图像的处理 往往是将其对应的巨量像素点依次进行滤波操作，进而得到对应的去噪图像，但是，这种方 式对三维图像的形态学滤波的处理速度较慢，对应的图像操作的实时性较差。
[0004] 综上所述，现有技术中对三维图像的形态学滤波存在处理速度较慢及实时性较差 的问题。
【发明内容】
[0005] 本发明的目的是提供一种图像形态学滤波方法，以解决现有技术中对三维图像的 形态学滤波中存在的处理速度较慢及实时性较差的问题。
[0006] 为了实现上述目的，本发明提供如下技术方案：
[0007] -种图像形态学滤波方法，包括：
[0008] 获取图像信息及形态学处理信息，其中，所述图像信息包括原始图像及该原始图 像的图像尺寸，所述形态学处理信息包括滤波运算类型及与该滤波运算类型对应的结构元 素；
[0009] 依据所述图像尺寸、所述结构元素及图像处理器的内存对所述原始图像进行分 解，得到多个子图像；
[0010] 利用所述图像处理器对所述多个子图像依次进行与所述滤波运算类型对应的基 于所述结构元素实现的滤波运算，其中，所述图像处理器在处理任一子图像时，利用所述图 像处理器的多个处理单元对该子图像包含的全部像素点同时进行滤波运算。
[0011]优选的，依据所述图像尺寸、所述结构元素及图像处理器的内存对所述原始图像 进行分解，得到多个子图像，包括：
[0012]依据所述图像尺寸、所述结构元素及图像处理器的内存对所述原始图像进行分 解，得到多个子图像;其中，每个子图像的子图像尺寸之和等于所述图像尺寸，依据任一子 图像的子图像尺寸及所述结构元素进行计算得到的对该子图像进行滤波运算所需内存小 于所述图像处理器的内存。
[0013] 优选的，获取所述图像信息及形态学处理信息之后，还包括：
[0014] 依据所述图像尺寸、所述结构元素及所述图像处理器的内存对所述结构元素进行 分解，得到多个子结构元素；
[0015] 利用所述图像处理器对所述多个子图像依次进行与所述滤波运算类型对应的基 于所述结构元素实现的滤波运算，包括：
[0016] 步骤A:确定所述多个子结构元素中的任意一个子结构元素为当前结构元素，并确 定所述子图像为当前子图像；
[0017] 步骤B:基于当前结构元素，利用所述图像处理器对所述多个当前子图像依次进行 与所述滤波运算类型对应的滤波运算，并确定得到的子图像为当前子图像；
[0018] 步骤C:判断所述多个子结构元素中是否存在未被用于滤波运算的子结构元素，如 果是，则确定未被用于滤波运算的子结构元素中的任意一个子结构元素为当前结构元素， 返回执行步骤B;如果否，则停止操作。
[0019] 优选的，所述图像处理器中的任一处理单元进行与所述滤波运算类型对应的滤波 运算，包括：
[0020] 获取全局工作项ID;
[0021] 依据所述全局工作项ID访问全局内存的源数据存储空间，并获取所述源数据存储 空间中存储的子图像的相应位置上的像素点，将该像素点及所述结构元素的结构元素窗口 内的数据复制到工作项私有内存；
[0022]利用所述工作项私有内存中存储的像素点及对应结构元素窗口内的数据对该像 素点进行与所述滤波运算类型对应的滤波运算，并将运算所得结果返回至全局内存中与所 述全局工作项ID对应的目标数据存储空间中。
[0023]优选的，依据所述全局工作项ID访问全局内存中的源数据存储空间，包括：
[0024]依据所述全局工作项ID访问全局内存中的源数据存储空间，其中，所述源数据存 储空间为每次获取子图像时创建的，所述源数据存储空间的尺寸为所述结构元素窗口滑动 覆盖当前获取的子图像后所得的尺寸。
[0025]优选的，将运算所得结果返回至全局内存中与所述全局工作项ID对应的目标数据 存储空间中，包括：
[0026]将运算所得结果返回至全局内存中与所述全局工作项ID对应的目标数据存储空 间中，其中，所述目标数据存储空间为预先创建的，所述目标数据存储空间的尺寸为所述多 个子图像中尺寸最大的子图像对应的尺寸。
[0027] 优选的，所述图像处理器为图形处理器GPU，利用所述图像处理器对所述多个子图 像依次进行与所述滤波运算类型对应的基于所述结构元素实现的滤波运算，包括：
[0028]设置所述GPU对应的kernel内核程序的参数，并启动执行该kernel内核程序，以调 度所述GPU中的多个处理单元依次对所述多个子图像进行滤波运算。
[0029] 优选的，该方法基于开放运算语言OpenCL实现。
[0030] 本发明提供的一种图像形态学滤波方法，包括:获取图像信息及形态学处理信息， 其中，所述图像信息包括原始图像及该原始图像的图像尺寸，所述形态学处理信息包括滤 波运算类型及与该滤波运算类型对应的结构元素;依据所述图像尺寸、所述结构元素及图 像处理器的内存对所述原始图像进行分解，得到多个子图像;利用所述图像处理器对所述 多个子图像依次进行与所述滤波运算类型对应的基于所述结构元素实现的滤波运算，其 中，所述图像处理器在处理任一子图像时，利用所述图像处理器的多个处理单元对该子图 像包含的全部像素点同时进行滤波运算。本申请公开的上述技术方案中，将原始图像分解 成多个子图像，进而利用图像处理器对每个子图像进行滤波运算，并且图像处理器对任一 子图像进行滤波运算时为图像处理器利用其具有的多个处理单元对该子图像中包含的全 部像素点同时进行滤波运算，不同于现有技术中对像素点的依次计算，从而大大加快了处 理速度，保证了处理实时性。
【附图说明】
[0031] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。
[0032] 图1为本发明实施例提供的一种图像形态学滤波方法的流程图；
[0033] 图2为本发明实施例提供的一种图像形态学滤波方法中步骤S13的流程图；
[0034] 图3为本发明实施例提供的一种图像形态学滤波方法中两层循环的执行示意图；
[0035] 图4为本发明实施例提供的一种图像形态学滤波方法中GPU与CPU的逻辑关系示意 图。
【具体实施方式】
[0036]下面将结合本发明