本發(fā)明屬于醫(yī)學(xué)成像領(lǐng)域，尤其涉及一種處理超聲影像均勻性和對(duì)比度的方法和裝置。

背景技術(shù)：

由于特定的成像原理，超聲成像(Ultrasound)輸出的影像受到不同程度噪聲的干擾，造成影像整體不均勻且對(duì)比度不高。超聲影像中的不均勻區(qū)域?qū)?huì)掩蓋超聲影像中的一些有用信息，容易對(duì)醫(yī)生的診斷造成干擾，因此，提高超聲影像的均勻性是保證超聲影像質(zhì)量的重要內(nèi)容之一，而超聲影像的低對(duì)比度容易造成超聲影像整體灰度單一，無(wú)法突出醫(yī)生所關(guān)注的細(xì)節(jié)(例如病變區(qū)域、組織邊界等)，因此，提高超聲影像的對(duì)比度也是保證超聲影像質(zhì)量的一項(xiàng)重要內(nèi)容。

現(xiàn)有的超聲影像的成像過(guò)程包括：探頭向目標(biāo)發(fā)射聚焦于同一深度的超聲波，經(jīng)過(guò)一定延時(shí)后，接收波束合成器接收從目標(biāo)發(fā)射回來(lái)的超聲波，并將該模擬信號(hào)通過(guò)延時(shí)聚焦、加權(quán)求和轉(zhuǎn)換為一線或多線數(shù)字掃描信號(hào)，所有的數(shù)字掃描信號(hào)經(jīng)過(guò)數(shù)字處理器、壓縮器(例如對(duì)數(shù)壓縮曲線)后，輸入至數(shù)字掃描變換器(Scan Converter)完成坐標(biāo)轉(zhuǎn)換得到匹配于顯示器的視頻數(shù)據(jù)(被稱為原始圖像像素灰度值)，這些匹配于顯示器的視頻數(shù)據(jù)經(jīng)過(guò)一對(duì)一的灰階映射后送往顯示器進(jìn)行顯示。

由于現(xiàn)有的超聲影像的成像過(guò)程中，其灰階映射是采用一對(duì)一的單映射曲線，因此導(dǎo)致特征區(qū)域?qū)Ρ榷炔粔蚋摺⒔M織區(qū)域均勻性不夠均勻等缺陷，既降低了超聲影像質(zhì)量，又不能滿足于醫(yī)療領(lǐng)域?qū)Τ曈跋竦奶卣鲄^(qū)域?qū)Ρ榷雀?、組織區(qū)域均勻性好的需求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種處理超聲影像均勻性和對(duì)比度的方法和裝置，以提高超聲影像的成像質(zhì)量，滿足醫(yī)療成像的要求。

本發(fā)明第一方面提供一種處理超聲影像均勻性和對(duì)比度的方法，所述方法包括：

對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理超聲圖像數(shù)據(jù)；

將所述預(yù)處理超聲圖像數(shù)據(jù)分割為特征區(qū)域和非特征區(qū)域，得到分區(qū)域圖像；

分別選用不同的灰階映射曲線對(duì)所述分區(qū)域圖像中的特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整后以輸出至顯示器件進(jìn)行顯示。

本發(fā)明第二方面提供一種處理超聲影像均勻性和對(duì)比度的裝置，所述裝置包括：

預(yù)處理模塊，用于對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理超聲圖像數(shù)據(jù)；

分割模塊，用于將所述預(yù)處理超聲圖像數(shù)據(jù)分割為特征區(qū)域和非特征區(qū)域，得到分區(qū)域圖像；

灰階調(diào)整模塊，用于分別選用不同的灰階映射曲線對(duì)所述分區(qū)域圖像中的特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整后以輸出至顯示器件進(jìn)行顯示。

從上述本發(fā)明技術(shù)方案可知，由于將預(yù)處理超聲圖像數(shù)據(jù)進(jìn)行了特征區(qū)域和非特征區(qū)域的分割，并分別選用不同的灰階映射曲線對(duì)特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整，因此，與現(xiàn)有技術(shù)相比，本發(fā)明提供的技術(shù)方案可以更有效地分割圖像并提升特征信息的對(duì)比度，同時(shí)由于灰度映射曲線組的對(duì)稱性，能夠完美融合特征區(qū)域的對(duì)比度與非特征區(qū)域的均勻性，對(duì)圖像分割的依賴程度較小的前提下，同樣獲得較好的圖像效果。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例一提供的處理超聲影像均勻性和對(duì)比度的方法的實(shí)現(xiàn)流程示意圖；

圖2是本發(fā)明實(shí)施例二提供的斷痕連接示意圖；

圖3是本發(fā)明實(shí)施例三提供的灰階映射曲線組合示意圖；

圖4是本發(fā)明實(shí)施例四提供的處理超聲影像均勻性和對(duì)比度的裝置的結(jié)構(gòu)示意圖；

圖5是本發(fā)明實(shí)施例五提供的處理超聲影像均勻性和對(duì)比度的裝置的結(jié)構(gòu)示意圖；

圖6是本發(fā)明實(shí)施例六提供的處理超聲影像均勻性和對(duì)比度的裝置的結(jié)構(gòu)示意圖；

圖7是本發(fā)明實(shí)施例七提供的處理超聲影像均勻性和對(duì)比度的裝置的結(jié)構(gòu)示意圖；

圖8-a是本發(fā)明實(shí)施例八提供的處理超聲影像均勻性和對(duì)比度的裝置的結(jié)構(gòu)示意圖；

圖8-b是本發(fā)明實(shí)施例九提供的處理超聲影像均勻性和對(duì)比度的裝置的結(jié)構(gòu)示意圖；

圖8-c是本發(fā)明實(shí)施例十提供的處理超聲影像均勻性和對(duì)比度的裝置的結(jié)構(gòu)示意圖；

圖8-d是本發(fā)明實(shí)施例十一提供的處理超聲影像均勻性和對(duì)比度的裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及有益效果更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明實(shí)施例提供一種處理超聲影像均勻性和對(duì)比度的方法，所述方法包括：對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理超聲圖像數(shù)據(jù)；將所述預(yù)處理超聲圖像數(shù)據(jù)分割為特征區(qū)域和非特征區(qū)域，得到分區(qū)域圖像；分別選用不同的灰階映射曲線對(duì)所述分區(qū)域圖像中的特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整后以輸出至顯示器件進(jìn)行顯示。本發(fā)明實(shí)施例還提供相應(yīng)的處理超聲影像均勻性和對(duì)比度的裝置。以下分別進(jìn)行詳細(xì)說(shuō)明。

請(qǐng)參閱附圖1，是本發(fā)明實(shí)施例一提供的處理超聲影像均勻性和對(duì)比度的方法的實(shí)現(xiàn)流程示意圖，主要包括以下步驟S101至步驟S103，詳細(xì)說(shuō)明如下：

S101，對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理超聲圖像數(shù)據(jù)。

在本發(fā)明實(shí)施例中，對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行預(yù)處理可以是對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行平滑操作，得到預(yù)處理超聲圖像數(shù)據(jù)。

S102，將預(yù)處理超聲圖像數(shù)據(jù)分割為特征區(qū)域和非特征區(qū)域，得到分區(qū)域圖像。

作為本發(fā)明一個(gè)實(shí)施例，將預(yù)處理超聲圖像數(shù)據(jù)分割為特征區(qū)域和非特征區(qū)域，得到分區(qū)域圖像可以通過(guò)如下步驟S1021至S1023實(shí)現(xiàn)：

S1021，采取梯度分割提取預(yù)處理超聲圖像數(shù)據(jù)中變化較大的強(qiáng)邊界以得到梯度分割的圖像分割結(jié)果。

具體地，采取梯度分割提取預(yù)處理超聲圖像數(shù)據(jù)中變化較大的強(qiáng)邊界以得到梯度分割的圖像分割結(jié)果可通過(guò)如下步驟Sa1至Sa3來(lái)實(shí)現(xiàn)，詳細(xì)說(shuō)明如下：

Sa1，獲取預(yù)處理超聲圖像數(shù)據(jù)每個(gè)像素的梯度幅值及其梯度幅值直方圖。

具體地，分別求取每個(gè)像素的水平方向梯度G_x和豎直方向梯度G_y，考慮到平方和平方根需要大量的計(jì)算開銷，在本發(fā)明實(shí)施例中，將每個(gè)像素水平方向梯度G_x的絕對(duì)值與豎直方向梯度G_y的絕對(duì)值之和作為每個(gè)像素的梯度幅值Grad，即Grad＝|G_x|+|G_y|。至于梯度幅值直方圖，在本發(fā)明實(shí)施例中，具體可以將大于零的梯度幅值從小到大排列作為橫坐標(biāo)，梯度幅值對(duì)應(yīng)的像素?cái)?shù)目作為縱坐標(biāo)，繪制梯度幅值直方圖。

Sa2，統(tǒng)計(jì)梯度幅值直方圖中梯度幅值大于0的總像素?cái)?shù)目Num。

Sa3，將預(yù)處理超聲圖像數(shù)據(jù)的像素中梯度幅值大于Grad_th的像素確定為特征區(qū)域的像素。

具體地，可以求取一個(gè)梯度幅值G₁，使預(yù)處理超聲圖像數(shù)據(jù)中對(duì)應(yīng)梯度大于G₁的數(shù)目等于所述Num的一半即50％*Num，將閾值Grad_th設(shè)置為G₁的倍數(shù)，例如1.5倍，梯度分割結(jié)果即包括梯度幅值Grad大于閾值閾值Grad_th的像素，即，將預(yù)處理超聲圖像數(shù)據(jù)的像素中梯度幅值Grad大于Grad_th的像素確定為特征區(qū)域的像素，這樣的像素構(gòu)成預(yù)處理超聲圖像數(shù)據(jù)中的特征區(qū)域。

S1022，采取方差分割提取預(yù)處理超聲圖像數(shù)據(jù)中變化不明顯的弱邊界以得到方差分割的圖像分割結(jié)果。

需要說(shuō)明的是，由于方差分割提取的是變化不明顯的邊界，因此在方差分割之前，對(duì)預(yù)處理超聲圖像數(shù)據(jù)進(jìn)行多次平滑，以去除多余噪聲的同時(shí)保證圖像整體邊界的均一性。

作為本發(fā)明一個(gè)實(shí)施例，采取方差分割提取預(yù)處理超聲圖像數(shù)據(jù)中變化不明顯的弱邊界以得到方差分割的圖像分割結(jié)果可通過(guò)如下步驟Sb1至Sb3來(lái)實(shí)現(xiàn)，詳細(xì)說(shuō)明如下：

Sb1，利用第一窗函數(shù)遍歷第一窗口內(nèi)的像素點(diǎn)以獲取方差Var。

例如，對(duì)于輸入的圖像I(i,j)，遍歷3*3窗口內(nèi)的像素點(diǎn)獲取方差Var(i,j)的計(jì)算公式如下：

Sb2，利用第二窗函數(shù)遍歷預(yù)處理超聲圖像數(shù)據(jù)以求取遍歷過(guò)程中的方差Var的均值Var_mean和標(biāo)準(zhǔn)方差Var_std。

以窗口大小為11*11的窗函數(shù)為例(當(dāng)然，不限于這個(gè)窗口大小)，利用第二窗函數(shù)遍歷預(yù)處理超聲圖像數(shù)據(jù)以求取遍歷過(guò)程中的方差Var的均值Var_mean和標(biāo)準(zhǔn)方差Var_std的計(jì)算式如下：

Sb3，將方差Var大于第一預(yù)設(shè)值和第二預(yù)設(shè)值的像素確定為特征區(qū)域的像素，其中，第二預(yù)設(shè)值與均值Var_mean和標(biāo)準(zhǔn)方差Var_std相關(guān)。

顯然，輸入的超聲圖像數(shù)據(jù)應(yīng)該大于0是像素確定為特征區(qū)域的像素的先決條件。在本發(fā)明實(shí)施例中，第一預(yù)設(shè)值是固定值，例如可以是5*81，至于第二預(yù)設(shè)值，其與均值Var_mean和標(biāo)準(zhǔn)方差Var_std相關(guān)，是一個(gè)變動(dòng)值，例如，第二預(yù)設(shè)值可以是方差Var的均值Var_mean與標(biāo)準(zhǔn)方差Var_std之和。

S1023，融合梯度分割和方差分割的圖像分割結(jié)果后對(duì)融合結(jié)果進(jìn)行區(qū)域調(diào)整，以得到最終的分區(qū)域圖像。

作為本發(fā)明一個(gè)實(shí)施例，融合梯度分割和方差分割的圖像分割結(jié)果后對(duì)融合結(jié)果進(jìn)行區(qū)域調(diào)整，以得到最終的分區(qū)域圖像可以通過(guò)如下步驟Sc1和Sc2來(lái)實(shí)現(xiàn)，詳細(xì)說(shuō)明如下：

Sc1，對(duì)梯度分割和方差分割的圖像分割結(jié)果進(jìn)行取“或”操作得到融合結(jié)果。

所謂對(duì)梯度分割和方差分割的圖像分割結(jié)果進(jìn)行取“或”操作，也就是說(shuō)，只要像素是滿足梯度分割的圖像分割結(jié)果即梯度幅值大于Grad_th，或者，滿足方差分割的圖像分割結(jié)果即方差Var大于第一預(yù)設(shè)值和第二預(yù)設(shè)值，則該像素就是特征區(qū)域的像素或?qū)儆谔卣鲄^(qū)域。

Sc2，將經(jīng)步驟Sc1得到的融合結(jié)果進(jìn)行區(qū)域連通去除小結(jié)構(gòu)、斷痕連接和去除邊界毛刺操作，以得到最終的分區(qū)域圖像。

其中，融合結(jié)果進(jìn)行區(qū)域連通去除小結(jié)構(gòu)可以是四連通去除小結(jié)構(gòu)，將統(tǒng)計(jì)連通區(qū)域的像素?cái)?shù)目小于一定閾值的區(qū)域從特征區(qū)域中去除，具體過(guò)程包括如下1)至6)：

1)對(duì)融合結(jié)果，將特征區(qū)域的像素標(biāo)記為標(biāo)記值“1”，其余標(biāo)記為標(biāo)記值“0”；

2)左上角開始往下再往右逐線掃描所有標(biāo)記，掃描到的第一個(gè)非零像素，取其標(biāo)記值為1，其后每掃描到一個(gè)非零像素，標(biāo)記值設(shè)為前一標(biāo)記值加，重復(fù)過(guò)程直到掃描結(jié)束；

3)從右下角開始往上再往左逐線掃描標(biāo)記圖，對(duì)每一個(gè)非零像素，用其周圍的上下左右四個(gè)點(diǎn)中最大的標(biāo)記值代替該像素的標(biāo)記值，重復(fù)此過(guò)程直至掃描結(jié)束；

4)從左上角開始往下再往右逐線掃描標(biāo)記圖，對(duì)每一個(gè)非零像素，用其周圍上下左右四個(gè)點(diǎn)中最大的標(biāo)記值代替該像素的標(biāo)記值。重復(fù)過(guò)程直到掃描結(jié)束；

5)重復(fù)3)、4)過(guò)程一定次數(shù)(例如2次)后，結(jié)束本次操作，具有相同標(biāo)記值的像素構(gòu)成一個(gè)連通區(qū)域；

6)具有相同標(biāo)記值(≥1)的像素構(gòu)成一個(gè)連通區(qū)域，若某一連通區(qū)域的像素?cái)?shù)目小于預(yù)定閾值(例如：10)，則將該標(biāo)記值的像素初始邊界值從1變?yōu)?。

斷痕連接是將融合結(jié)果中存在的一些斷裂的邊緣線采用一種基于“邊緣模式”的連接算法得到連續(xù)邊緣，在3*3窗口，邊緣的存在形式有16種連接方式，如附圖2所示，具體過(guò)程包括如下1)和2)：

1)逐一掃描輸入初始邊界中的每個(gè)像素，若為邊界像素點(diǎn)，則在梯度圖像Grad中找到附圖2示例的16種邊緣模式，計(jì)算該點(diǎn)對(duì)應(yīng)的16種邊界模式下的三個(gè)像素的梯度幅值之和(例如為M1、M2、…、M16)，如果最大值M_max(例如M_max＝max{[M1、M2、…、M16]})大于一定閾值，那么M_max對(duì)應(yīng)的邊界模式中的三個(gè)像素為邊緣點(diǎn)，否則不是邊緣點(diǎn)；

2)重復(fù)1)一定的次數(shù)(例如5)，結(jié)束本過(guò)程。

去除邊界毛刺的操作是將初始邊界的毛刺修正平滑，具體過(guò)程包括如下1)至3)：

1)掃描所有的像素，若某個(gè)像素周圍一定窗口(例如3*3)內(nèi)邊界點(diǎn)(值為1的像素)的個(gè)數(shù)大于一定閾值(例如4)，則該像素被判定為邊界點(diǎn)；

2)若該像素周圍的一定窗口(例如3*3)內(nèi)非邊界點(diǎn)(值為0的點(diǎn))的個(gè)數(shù)小于一定閾值(例如2)，則該像素被判定為非邊界點(diǎn)；

3)重復(fù)1)、2)一定次數(shù)，結(jié)束本過(guò)程。

S103，分別選用不同的灰階映射曲線對(duì)分區(qū)域圖像中的特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整后以輸出至顯示器件進(jìn)行顯示。

考慮到特征區(qū)域中包含具有一定灰度變化的區(qū)域，既包含灰度值較大的邊界(例如肝包膜、血管邊界等)，同時(shí)也有灰度值較小的邊界(例如血管內(nèi)部、腎椎體等)，S型曲線能將灰度值較小的區(qū)域壓縮到更黑，將灰度值較大的區(qū)域提升得更亮，隨之對(duì)比度得到提升，非特征區(qū)域中包含灰度變化遲緩的區(qū)域，同時(shí)該部分的亮度一般較中等偏下，反S型曲線將該部分灰度值進(jìn)行了灰度均一性處理，即進(jìn)一步提升圖像非特征區(qū)域的均勻性，因此，在本發(fā)明實(shí)施例中，分別選用不同的灰階映射曲線對(duì)分區(qū)域圖像中的特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整后以輸出至顯示器件進(jìn)行顯示可以是：選用灰階映射曲線組合中的S型曲線對(duì)特征區(qū)域中的像素進(jìn)行查表映射；以及，選用灰階映射曲線組合中的反S型曲線對(duì)非特征區(qū)域中的像素進(jìn)行查表映射。

本發(fā)明實(shí)施例所用的灰階映射曲線組合如附圖3所示，一般有16條灰階映射曲線，其中一條直線，8條S型曲線，7條反S型曲線。現(xiàn)有技術(shù)是通過(guò)查表獲取灰階映射值，本發(fā)明實(shí)施例是通過(guò)計(jì)算特征區(qū)域與非特征區(qū)域的信號(hào)統(tǒng)計(jì)特征，自動(dòng)選取不同的灰階映射曲線，以達(dá)到均勻性與對(duì)比度的優(yōu)化。在特征區(qū)域與非特征區(qū)域灰度區(qū)別不大的情況下，需要提高圖像的對(duì)比度，將兩者間的差距相對(duì)應(yīng)地提升，反之亦然，具體過(guò)程包括如下a)至c)：

a)計(jì)算特征區(qū)域與非特征區(qū)域的灰度平均值分別為Fea_mean與Bac_mean；

b)計(jì)算特征區(qū)域與非特征區(qū)域的灰度平均值之間的偏差

D＝|Fea_mean-(Fea_mean+Bac_mean)/2|；

c)判斷公式如下：

1)若D/Bac_mean<0.2，則選取灰階映射曲線組合7，對(duì)特征區(qū)域利用組合7中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合7中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

2)0.2≤D/Bac_mean<0.3，選取灰階映射曲線組合6，對(duì)特征區(qū)域利用組合6中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合6中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

3)0.3≤D/Bac_mean<0.4，選取灰階映射曲線組合5，對(duì)特征區(qū)域利用組合5中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合5中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

4)0.4≤D/Bac_mean<0.5，選取灰階映射曲線組合4，對(duì)特征區(qū)域利用組合4中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合4中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

5)0.5≤D/Bac_mean<0.6，選取灰階映射曲線組合3，對(duì)特征區(qū)域利用組合3中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合3中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

6)0.6≤D/Bac_mean<0.7，選取灰階映射曲線組合2，對(duì)特征區(qū)域利用組合2中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合2中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

7)D/Bac_mean≥0.8，選取灰階映射曲線組合1，對(duì)特征區(qū)域利用組合1中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合1中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射。

從上述附圖1示例的處理超聲影像均勻性和對(duì)比度的方法可知，由于將預(yù)處理超聲圖像數(shù)據(jù)進(jìn)行了特征區(qū)域和非特征區(qū)域的分割，并分別選用不同的灰階映射曲線對(duì)特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整，因此，與現(xiàn)有技術(shù)相比，本發(fā)明提供的技術(shù)方案可以更有效地分割圖像并提升特征信息的對(duì)比度，同時(shí)由于灰度映射曲線組的對(duì)稱性，能夠完美融合特征區(qū)域的對(duì)比度與非特征區(qū)域的均勻性，對(duì)圖像分割的依賴程度較小的前提下，同樣獲得較好的圖像效果。

請(qǐng)參閱附圖4，是本發(fā)明實(shí)施例四提供的處理超聲影像均勻性和對(duì)比度的裝置的結(jié)構(gòu)示意圖。為了便于說(shuō)明，附圖4僅示出了與本發(fā)明實(shí)施例相關(guān)的部分。附圖4示例的處理超聲影像均勻性和對(duì)比度的裝置可以是附圖1示例的處理超聲影像均勻性和對(duì)比度的方法的執(zhí)行主體。附圖4示例的處理超聲影像均勻性和對(duì)比度的裝置主要包括預(yù)處理模塊401、分割模塊402和灰階調(diào)整模塊403，其中：

預(yù)處理模塊401，用于對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理超聲圖像數(shù)據(jù)。

在本發(fā)明實(shí)施例中，預(yù)處理模塊401對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行預(yù)處理可以是預(yù)處理模塊401對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行平滑操作，得到預(yù)處理超聲圖像數(shù)據(jù)。

分割模塊402，用于將預(yù)處理超聲圖像數(shù)據(jù)分割為特征區(qū)域和非特征區(qū)域，得到分區(qū)域圖像。

灰階調(diào)整模塊403，用于分別選用不同的灰階映射曲線對(duì)分區(qū)域圖像中的特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整后以輸出至顯示器件進(jìn)行顯示。

需要說(shuō)明的是，以上附圖4示例的處理超聲影像均勻性和對(duì)比度的裝置的實(shí)施方式中，各功能模塊的劃分僅是舉例說(shuō)明，實(shí)際應(yīng)用中可以根據(jù)需要，例如相應(yīng)硬件的配置要求或者軟件的實(shí)現(xiàn)的便利考慮，而將上述功能分配由不同的功能模塊完成，即將所述處理超聲影像均勻性和對(duì)比度的裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。而且，實(shí)際應(yīng)用中，本實(shí)施例中的相應(yīng)的功能模塊可以是由相應(yīng)的硬件實(shí)現(xiàn)，也可以由相應(yīng)的硬件執(zhí)行相應(yīng)的軟件完成，例如，前述的預(yù)處理模塊，可以是具有執(zhí)行前述對(duì)輸入的超聲圖像數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理超聲圖像數(shù)據(jù)的硬件，例如預(yù)處理器，也可以是能夠執(zhí)行相應(yīng)計(jì)算機(jī)程序從而完成前述功能的一般處理器或者其他硬件設(shè)備；再如前述的灰階調(diào)整模塊，可以是執(zhí)行分別選用不同的灰階映射曲線對(duì)分區(qū)域圖像中的特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整后以輸出至顯示器件進(jìn)行顯示的硬件，例如灰階調(diào)整器，也可以是能夠執(zhí)行相應(yīng)計(jì)算機(jī)程序從而完成前述功能的一般處理器或者其他硬件設(shè)備(本說(shuō)明書提供的各個(gè)實(shí)施例都可應(yīng)用上述描述原則)。

附圖4示例的分割模塊402可以包括梯度分割單元501、方差分割單元502和區(qū)域調(diào)整單元503，如附圖5所示本發(fā)明實(shí)施例五提供的處理超聲影像均勻性和對(duì)比度的裝置，其中：

梯度分割單元501，用于采取梯度分割提取預(yù)處理超聲圖像數(shù)據(jù)中變化較大的強(qiáng)邊界以得到梯度分割的圖像分割結(jié)果。

方差分割單元502，用于采取方差分割提取預(yù)處理超聲圖像數(shù)據(jù)中變化不明顯的弱邊界以得到方差分割的圖像分割結(jié)果。

需要說(shuō)明的是，由于方差分割提取的是變化不明顯的邊界，因此在方差分割單元502進(jìn)行方差分割之前，對(duì)預(yù)處理超聲圖像數(shù)據(jù)進(jìn)行多次平滑，以去除多余噪聲的同時(shí)保證圖像整體邊界的均一性。

區(qū)域調(diào)整單元503，用于融合梯度分割和方差分割的圖像分割結(jié)果后對(duì)融合結(jié)果進(jìn)行區(qū)域調(diào)整，以得到最終的分區(qū)域圖像。

附圖5示例的梯度分割單元501可以包括第一獲取單元601、統(tǒng)計(jì)單元602和第一確定單元603，方差分割單元502可以包括第二獲取單元604、求取單元605和第二確定單元606，如附圖6所示本發(fā)明實(shí)施例六提供的處理超聲影像均勻性和對(duì)比度的裝置，其中：

第一獲取單元601，用于獲取預(yù)處理超聲圖像數(shù)據(jù)每個(gè)像素的梯度幅值及其梯度幅值直方圖。

具體地，第一獲取單元601分別求取每個(gè)像素的水平方向梯度G_x和豎直方向梯度G_y，考慮到平方和平方根需要大量的計(jì)算開銷，在本發(fā)明實(shí)施例中，第一獲取單元601將每個(gè)像素水平方向梯度G_x的絕對(duì)值與豎直方向梯度G_y的絕對(duì)值之和作為每個(gè)像素的梯度幅值Grad，即Grad＝|G_x|+|G_y|。至于梯度幅值直方圖，在本發(fā)明實(shí)施例中，第一獲取單元601具體可以將大于零的梯度幅值從小到大排列作為橫坐標(biāo)，梯度幅值對(duì)應(yīng)的像素?cái)?shù)目作為縱坐標(biāo)，繪制梯度幅值直方圖。

統(tǒng)計(jì)單元602，用于統(tǒng)計(jì)梯度幅值直方圖中梯度幅值大于0的總像素?cái)?shù)目Num。

第一確定單元603，用于將預(yù)處理超聲圖像數(shù)據(jù)的像素中梯度幅值大于Grad_th的像素確定為特征區(qū)域的像素，其中，Grad_th為G₁的倍數(shù)，G₁是使預(yù)處理超聲圖像數(shù)據(jù)中對(duì)應(yīng)梯度大于G₁的數(shù)目等于Num的一半的一個(gè)像素的梯度幅值。

具體地，第一確定單元603可以求取一個(gè)梯度幅值G₁，使預(yù)處理超聲圖像數(shù)據(jù)中對(duì)應(yīng)梯度大于G₁的數(shù)目等于所述Num的一半即50％*Num，將閾值Grad_th設(shè)置為G₁的倍數(shù)，例如1.5倍，梯度分割結(jié)果即包括梯度幅值Grad大于閾值閾值Grad_th的像素，即，將預(yù)處理超聲圖像數(shù)據(jù)的像素中梯度幅值Grad大于Grad_th的像素確定為特征區(qū)域的像素，這樣的像素構(gòu)成預(yù)處理超聲圖像數(shù)據(jù)中的特征區(qū)域。

第二獲取單元604，用于利用第一窗函數(shù)遍歷第一窗口內(nèi)的像素點(diǎn)以獲取方差Var。

例如，對(duì)于輸入的圖像I(i,j)，第二獲取單元604遍歷3*3窗口內(nèi)的像素點(diǎn)獲取方差Var(i,j)的計(jì)算公式如下：

求取單元605，用于利用第二窗函數(shù)遍歷預(yù)處理超聲圖像數(shù)據(jù)以求取遍歷過(guò)程中的方差Var的均值Var_mean和標(biāo)準(zhǔn)方差Var_std。

以窗口大小為11*11的窗函數(shù)為例(當(dāng)然，不限于這個(gè)窗口大小)，求取單元605利用第二窗函數(shù)遍歷預(yù)處理超聲圖像數(shù)據(jù)以求取遍歷過(guò)程中的方差Var的均值Var_mean和標(biāo)準(zhǔn)方差Var_std的計(jì)算式如下：

第二確定單元606，用于將方差Var大于第一預(yù)設(shè)值和第二預(yù)設(shè)值的像素確定為特征區(qū)域的像素，第二預(yù)設(shè)值與均值Var_mean和標(biāo)準(zhǔn)方差Var_std相關(guān)。

顯然，輸入的超聲圖像數(shù)據(jù)應(yīng)該大于0是像素確定為特征區(qū)域的像素的先決條件。在本發(fā)明實(shí)施例中，第一預(yù)設(shè)值是固定值，例如可以是5*81，至于第二預(yù)設(shè)值，其與均值Var_mean和標(biāo)準(zhǔn)方差Var_std相關(guān)，是一個(gè)變動(dòng)值，例如，第二預(yù)設(shè)值可以是方差Var的均值Var_mean與標(biāo)準(zhǔn)方差Var_std之和。

附圖5示例的區(qū)域調(diào)整單元503可以包括融合單元701和后處理單元702，如附圖7所示本發(fā)明實(shí)施例七提供的處理超聲影像均勻性和對(duì)比度的裝置，其中：

融合單元701，用于對(duì)梯度分割和方差分割的圖像分割結(jié)果進(jìn)行取“或”操作得到融合結(jié)果。

所謂融合單元701對(duì)梯度分割和方差分割的圖像分割結(jié)果進(jìn)行取“或”操作，也就是說(shuō)，只要像素是滿足梯度分割的圖像分割結(jié)果即梯度幅值大于Grad_th，或者，滿足方差分割的圖像分割結(jié)果即方差Var大于第一預(yù)設(shè)值和第二預(yù)設(shè)值，則該像素就是特征區(qū)域的像素或?qū)儆谔卣鲄^(qū)域。

后處理單元702，用于將融合結(jié)果進(jìn)行區(qū)域連通去除小結(jié)構(gòu)、斷痕連接和去除邊界毛刺操作，以得到最終的分區(qū)域圖像。

其中，融合結(jié)果進(jìn)行區(qū)域連通去除小結(jié)構(gòu)可以是四連通去除小結(jié)構(gòu)，將統(tǒng)計(jì)連通區(qū)域的像素?cái)?shù)目小于一定閾值的區(qū)域從特征區(qū)域中去除，具體過(guò)程包括如下1)至6)：

1)對(duì)融合結(jié)果，將特征區(qū)域的像素標(biāo)記為標(biāo)記值“1”，其余標(biāo)記為標(biāo)記值“0”；

2)左上角開始往下再往右逐線掃描所有標(biāo)記，掃描到的第一個(gè)非零像素，取其標(biāo)記值為1，其后每掃描到一個(gè)非零像素，標(biāo)記值設(shè)為前一標(biāo)記值加，重復(fù)過(guò)程直到掃描結(jié)束；

3)從右下角開始往上再往左逐線掃描標(biāo)記圖，對(duì)每一個(gè)非零像素，用其周圍的上下左右四個(gè)點(diǎn)中最大的標(biāo)記值代替該像素的標(biāo)記值，重復(fù)此過(guò)程直至掃描結(jié)束；

4)從左上角開始往下再往右逐線掃描標(biāo)記圖，對(duì)每一個(gè)非零像素，用其周圍上下左右四個(gè)點(diǎn)中最大的標(biāo)記值代替該像素的標(biāo)記值。重復(fù)過(guò)程直到掃描結(jié)束；

5)重復(fù)3)、4)過(guò)程一定次數(shù)(例如2次)后，結(jié)束本次操作，具有相同標(biāo)記值的像素構(gòu)成一個(gè)連通區(qū)域；

6)具有相同標(biāo)記值(≥1)的像素構(gòu)成一個(gè)連通區(qū)域，若某一連通區(qū)域的像素?cái)?shù)目小于預(yù)定閾值(例如：10)，則將該標(biāo)記值的像素初始邊界值從1變?yōu)?。

斷痕連接是將融合結(jié)果中存在的一些斷裂的邊緣線采用一種基于“邊緣模式”的連接算法得到連續(xù)邊緣，在3*3窗口，邊緣的存在形式有16種連接方式，如附圖2所示，具體過(guò)程包括如下1)和2)：

1)逐一掃描輸入初始邊界中的每個(gè)像素，若為邊界像素點(diǎn)，則在梯度圖像Grad中找到附圖2示例的16種邊緣模式，計(jì)算該點(diǎn)對(duì)應(yīng)的16種邊界模式下的三個(gè)像素的梯度幅值之和(例如為M1、M2、…、M16)，如果最大值M_max(例如M_max＝max{[M1、M2、…、M16]})大于一定閾值，那么M_max對(duì)應(yīng)的邊界模式中的三個(gè)像素為邊緣點(diǎn)，否則不是邊緣點(diǎn)；

2)重復(fù)1)一定的次數(shù)(例如5)，結(jié)束本過(guò)程。

去除邊界毛刺的操作是將初始邊界的毛刺修正平滑，具體過(guò)程包括如下1)至3)：

1)掃描所有的像素，若某個(gè)像素周圍一定窗口(例如3*3)內(nèi)邊界點(diǎn)(值為1的像素)的個(gè)數(shù)大于一定閾值(例如4)，則該像素被判定為邊界點(diǎn)；

2)若該像素周圍的一定窗口(例如3*3)內(nèi)非邊界點(diǎn)(值為0的點(diǎn))的個(gè)數(shù)小于一定閾值(例如2)，則該像素被判定為非邊界點(diǎn)；

3)重復(fù)1)、2)一定次數(shù)，結(jié)束本過(guò)程。

附圖4至7任一示例的灰階調(diào)整模塊403可以包括第一映射單元801和第二映射單元802，如附圖8-a至8-d所示本發(fā)明實(shí)施例八至十一提供的處理超聲影像均勻性和對(duì)比度的裝置，其中：

第一映射單元801，用于選用灰階映射曲線組合中的S型曲線對(duì)特征區(qū)域中的像素進(jìn)行查表映射；

第二映射單元802，用于選用灰階映射曲線組合中的反S型曲線對(duì)非特征區(qū)域中的像素進(jìn)行查表映射。

考慮到特征區(qū)域中包含具有一定灰度變化的區(qū)域，既包含灰度值較大的邊界(例如肝包膜、血管邊界等)，同時(shí)也有灰度值較小的邊界(例如血管內(nèi)部、腎椎體等)，S型曲線能將灰度值較小的區(qū)域壓縮到更黑，將灰度值較大的區(qū)域提升得更亮，隨之對(duì)比度得到提升，非特征區(qū)域中包含灰度變化遲緩的區(qū)域，同時(shí)該部分的亮度一般較中等偏下，反S型曲線將該部分灰度值進(jìn)行了灰度均一性處理，即進(jìn)一步提升圖像非特征區(qū)域的均勻性，因此，在本發(fā)明實(shí)施例中，灰階調(diào)整模塊403分別選用不同的灰階映射曲線對(duì)分區(qū)域圖像中的特征區(qū)域和非特征區(qū)域進(jìn)行灰階調(diào)整后以輸出至顯示器件進(jìn)行顯示可以是：第一映射單元801選用灰階映射曲線組合中的S型曲線對(duì)特征區(qū)域中的像素進(jìn)行查表映射，以及第二映射單元802選用灰階映射曲線組合中的反S型曲線對(duì)非特征區(qū)域中的像素進(jìn)行查表映射。

本發(fā)明實(shí)施例所用的灰階映射曲線組合如附圖3所示，一般有16條灰階映射曲線，其中一條直線，8條S型曲線，7條反S型曲線。現(xiàn)有技術(shù)是通過(guò)查表獲取灰階映射值，本發(fā)明實(shí)施例是通過(guò)計(jì)算特征區(qū)域與非特征區(qū)域的信號(hào)統(tǒng)計(jì)特征，自動(dòng)選取不同的灰階映射曲線，以達(dá)到均勻性與對(duì)比度的優(yōu)化。在特征區(qū)域與非特征區(qū)域灰度區(qū)別不大的情況下，需要提高圖像的對(duì)比度，將兩者間的差距相對(duì)應(yīng)地提升，反之亦然，具體過(guò)程包括如下a)至c)：

a)計(jì)算特征區(qū)域與非特征區(qū)域的灰度平均值分別為Fea_mean與Bac_mean；

b)計(jì)算特征區(qū)域與非特征區(qū)域的灰度平均值之間的偏差

D＝|Fea_mean-(Fea_mean+Bac_mean)/2|；

c)判斷公式如下：

1)若D/Bac_mean<0.2，則選取灰階映射曲線組合7，對(duì)特征區(qū)域利用組合7中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合7中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

2)0.2≤D/Bac_mean<0.3，選取灰階映射曲線組合6，對(duì)特征區(qū)域利用組合6中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合6中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

3)0.3≤D/Bac_mean<0.4，選取灰階映射曲線組合5，對(duì)特征區(qū)域利用組合5中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合5中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

4)0.4≤D/Bac_mean<0.5，選取灰階映射曲線組合4，對(duì)特征區(qū)域利用組合4中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合4中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

5)0.5≤D/Bac_mean<0.6，選取灰階映射曲線組合3，對(duì)特征區(qū)域利用組合3中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合3中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

6)0.6≤D/Bac_mean<0.7，選取灰階映射曲線組合2，對(duì)特征區(qū)域利用組合2中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合2中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射；

7)D/Bac_mean≥0.8，選取灰階映射曲線組合1，對(duì)特征區(qū)域利用組合1中的S型曲線對(duì)特征區(qū)域點(diǎn)進(jìn)行查表映射，對(duì)非特征區(qū)域利用組合1中的反S型曲線對(duì)非特征區(qū)域進(jìn)行查表映射。

需要說(shuō)明的是，上述裝置各模塊/單元之間的信息交互、執(zhí)行過(guò)程等內(nèi)容，由于與本發(fā)明方法實(shí)施例基于同一構(gòu)思，其帶來(lái)的技術(shù)效果與本發(fā)明方法實(shí)施例相同，具體內(nèi)容可參見本發(fā)明方法實(shí)施例中的敘述，此處不再贅述。

本領(lǐng)域普通技術(shù)人員可以理解上述實(shí)施例的各種方法中的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件來(lái)完成，該程序可以存儲(chǔ)于一計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，存儲(chǔ)介質(zhì)可以包括：只讀存儲(chǔ)器(ROM，Read Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁盤或光盤等。

以上對(duì)本發(fā)明實(shí)施例所提供的處理超聲影像均勻性和對(duì)比度的方法和裝置進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說(shuō)明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。