專利名稱：用于在包含圖像值的圖像中確定閾值的方法、系統(tǒng)和計(jì)算機(jī)程序的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種方法，用于在包含圖像值的圖像中確定閾值。 本發(fā)明還涉及一種圖像分割的方法。
本發(fā)明還涉及一種圖像處理系統(tǒng)，用于分析包含圖像值的圖像。 本發(fā)明還涉及一種計(jì)算機(jī)程序。
背景技術(shù)：
可以由EP 1 320 069 A2 了解在開(kāi)始段落中提出的用于確定圖像中閾值 的方法。在已知的方法中使用了圖像分析步驟，其中全部圖像像素都用于 構(gòu)建圖像亮度直方圖，其后通過(guò)將預(yù)定百分比N的像素指定為屬于所找尋 的對(duì)象來(lái)確定圖像中的閾值。數(shù)值N隨后用于使用累積分布函數(shù)計(jì)算與該 預(yù)定百分比的所選像素相對(duì)應(yīng)的亮度值。
依據(jù)現(xiàn)有技術(shù)的已知方法的缺點(diǎn)是對(duì)于圖像中的不均勻性，其提供了 不準(zhǔn)確的結(jié)果，這個(gè)不均勻性起因于與圖像中不同區(qū)域相對(duì)應(yīng)的像素值的 固有的相當(dāng)大的重疊。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種方法，用于確定圖像中的閾值，從而能夠?yàn)?廣泛的圖像類型和圖像對(duì)比度實(shí)現(xiàn)改進(jìn)的分類結(jié)果。
為此，根據(jù)本發(fā)明的方法包括步驟
-分析圖像值，以確定邊緣點(diǎn)及相關(guān)梯度；
-相對(duì)于邊緣點(diǎn)將圖像值分類到多個(gè)類中；
-通過(guò)將來(lái)自為每一個(gè)類計(jì)算的亮度直方圖的數(shù)據(jù)與所述直方圖的統(tǒng) 計(jì)分析相結(jié)合來(lái)獲得圖像閾值。
根據(jù)本發(fā)明的方法因此首先檢測(cè)類邊界，將其定義為邊緣，并通過(guò)用 在邊界任一側(cè)上的數(shù)據(jù)點(diǎn)構(gòu)建兩個(gè)直方圖。此后，基于各自的直方圖(其近似于概率分布函數(shù))執(zhí)行統(tǒng)計(jì)分析。隨后，基于直方圖及其統(tǒng)計(jì)分析來(lái) 計(jì)算圖像中的閾值，以使得所選擇的圖像值的錯(cuò)誤分類的標(biāo)簽數(shù)量最少。 根據(jù)本發(fā)明的方法具有以下優(yōu)點(diǎn)。首先，即使在類在相當(dāng)大程度上合并時(shí)， 它也能夠計(jì)算閾值。其次，根據(jù)本發(fā)明的方法使用了存在于圖像中的空間 信息。第三，沒(méi)有作出與存在于圖像中的類成員數(shù)量有關(guān)的假設(shè)，這對(duì)于 方法的魯棒性是至關(guān)重要的。最后，對(duì)于醫(yī)學(xué)圖像，象例如磁共振圖像， 根據(jù)本發(fā)明的方法相對(duì)于部分體積效應(yīng)和亮度不均勻性(偏置場(chǎng))是魯棒的。
在方法的實(shí)施例中，分析圖像值的步驟包括步驟計(jì)算圖像對(duì)比度， 并對(duì)計(jì)算的圖像對(duì)比度自適應(yīng)地確定邊緣梯度閾值。
這個(gè)實(shí)施例操作如下。首先，按等式1所定義的來(lái)計(jì)算圖像或者區(qū)域
中的對(duì)比度，在此3f和，表示N維空間坐標(biāo)(對(duì)于醫(yī)學(xué)數(shù)據(jù)是3-D)， R是 一個(gè)區(qū)域，其可以是整個(gè)圖像或者用掩膜定義的區(qū)域。根據(jù)等式2，計(jì)算的
對(duì)比度值確定了邊緣閾值Tedge，其自動(dòng)地調(diào)整適合于圖像內(nèi)容。參數(shù)k是
預(yù)定常數(shù)，例如O.l，其反映了應(yīng)將什么比例的對(duì)比度值認(rèn)為是對(duì)邊緣檢測(cè) 所必需的。如果該對(duì)比度值與k相乘產(chǎn)生了小于1的值，等式2就將1指
定為Tedge值。此后，通過(guò)將按等式3所計(jì)算的梯度大小與邊緣閾值相比較
來(lái)檢測(cè)類的邊界(如等式4所示的)。等式4中的參數(shù)A確定步進(jìn)大小和邊 緣方向。當(dāng)不存在部分體積效應(yīng)(PVE)時(shí)，A的大小可以等于l。否則， 應(yīng)使用大于1的值，以使得PVE在所計(jì)算的像素位置上具有較小的影響。 C = max(/(;f);- min(/(刃;fe i ) (1)
<formula>formula see original document page 6</formula> (3)
注意，當(dāng)對(duì)輸入數(shù)據(jù)，特別是圖像進(jìn)行濾波以便在將等式1用于該數(shù) 據(jù)之前消除噪聲時(shí)，可以發(fā)現(xiàn)在等式1中給出的方案(其使用了在對(duì)比度 的最大值與最小值之間的差)的進(jìn)一步的改進(jìn)。改進(jìn)的另一個(gè)方式是使用 圖像中的所有像素或體素來(lái)計(jì)算亮度值的直方圖。于是，在百分?jǐn)?shù)N與K氣100-N)之間的差值表示對(duì)比度。例如，可以將N設(shè)定為百分之95，而 將K設(shè)定為百分之5。也可以設(shè)想對(duì)比度推導(dǎo)的其它組合(N=90; K=10; N=80; K^20等)。
還應(yīng)注意，等式3優(yōu)選地不限于圖像數(shù)據(jù)中的一個(gè)方向。通過(guò)用特別 是為三個(gè)正交方向計(jì)算的多個(gè)A ，并通過(guò)隨后選擇具有最大值的單一 A ， 進(jìn)一步改進(jìn)了根據(jù)本發(fā)明的方法的魯棒性。
最后，應(yīng)注意，為了消除來(lái)自圖像的一個(gè)區(qū)域的數(shù)據(jù)對(duì)根據(jù)本發(fā)明的 方法的總體性能的較大影響，可以限制能夠從遠(yuǎn)處空間區(qū)域提供的邊緣點(diǎn) 的最大和最小數(shù)量。例如，如果將圖像在空間上分為四個(gè)象限，就可以設(shè) 定條件允許每一個(gè)區(qū)域?yàn)楦鱾€(gè)直方圖Hl和Hu提供基本上相同或相似數(shù) 量的邊緣像素/體素。這個(gè)技術(shù)措施確保減小了特定區(qū)域?qū)Ω鶕?jù)本發(fā)明的閾 值確定方法的總體性能的影響。
在根據(jù)本發(fā)明的進(jìn)一步的實(shí)施例中，相對(duì)于邊緣點(diǎn)將圖像值分類到多 個(gè)類中的步驟包括步驟
-為每一個(gè)邊緣點(diǎn)確定邊緣方向；
-確定圖像中用于定義所述邊緣點(diǎn)和所述方向的數(shù)值對(duì)； -用預(yù)先定義的標(biāo)準(zhǔn)將所述值分配到不同類中。
對(duì)于每一個(gè)檢測(cè)到的邊界點(diǎn)，選擇在等式3中使用的兩個(gè)數(shù)據(jù)點(diǎn)。優(yōu) 選的，執(zhí)行在各圖像值之間的量值比較，例如可以將具有較大亮度的圖像 值(像素或體素)分配給第一直方圖，而將具有較低亮度的圖像值分配給 第二直方圖。由于是沿著梯度方向跨越邊緣選擇這些圖像值這一事實(shí)，在 其這些圖像值各自量值中總是存在差值。結(jié)果，將這些點(diǎn)分配給兩個(gè)分開(kāi) 的直方圉Hl和Hu，從而將較小亮度值分配給前者，較大的分配給后者。 以此方式，我們從每一個(gè)類選擇相等數(shù)量的點(diǎn)。在最終步驟中，計(jì)算這兩 個(gè)類的累積分布函數(shù)(C)。假定歸一化的直方圖近似于概率密度，可以按 等式5來(lái)計(jì)算它們。
<formula>formula see original document page 7</formula>
在根據(jù)本發(fā)明的方法的進(jìn)一步的實(shí)施例中，獲得圖像閾值的步驟包括 步驟-為每一個(gè)由此構(gòu)成的類計(jì)算歸一化的亮度直方圖； -計(jì)算對(duì)應(yīng)于每一個(gè)類的相應(yīng)累積分布函數(shù)； -用所述累積分布函數(shù)確定圖像閾值。
根據(jù)等式6，計(jì)算閾值T，使對(duì)靠近邊界的代表樣本的正確決策之和最 大化。在進(jìn)一步的實(shí)施例中，計(jì)算閾值T到Hl和Hu的峰值位置的距離。 當(dāng)與一個(gè)峰值相比，所計(jì)算的T值非?？拷硪粋€(gè)峰值位置時(shí)，可以搜索 更靠近在兩個(gè)峰值之間的中點(diǎn)的更好的位置。為了代替所計(jì)算的T值，新 位置應(yīng)產(chǎn)生接近用由等式6計(jì)算的原始T值所獲得的最大差值(例如至少 是其90%)的一個(gè)差值。
r,m嚴(yán)(C丄(/)-Cw(/)) (6)
在根據(jù)本發(fā)明的方法的再進(jìn)一步的實(shí)施例中，為統(tǒng)計(jì)分析的可允許輸 出結(jié)果選擇預(yù)定特征，該方法還包括歩驟 -計(jì)算多個(gè)局部對(duì)比度邊緣；
-相對(duì)于所述多個(gè)局部對(duì)比度邊緣將圖像值分類到多個(gè)類中，用于構(gòu)成 多個(gè)相應(yīng)的局部亮度直方-通過(guò)將來(lái)自為每一個(gè)類計(jì)算的所述多個(gè)亮度直方圖的數(shù)據(jù)與所述多 個(gè)亮度直方圖的統(tǒng)計(jì)分析相結(jié)合來(lái)獲得多個(gè)局部圖像閾值。
這個(gè)實(shí)施例具有額外的優(yōu)點(diǎn)，即該方法可以評(píng)估由將借助所提出的方 法計(jì)算的閾值用于預(yù)定值而產(chǎn)生的分割誤差。除了或代替總體分析，可以 在局部執(zhí)行以上操作。局部應(yīng)用允許使用局部最優(yōu)的閾值，在許多情況下 它會(huì)得到比全局閾值更好的結(jié)果。局部分析還允許比較從直方圖統(tǒng)計(jì)量提 取的幾個(gè)統(tǒng)計(jì)量，以判斷圖像中是否存在特定效應(yīng)。例如，MR圖像會(huì)因亮 度不均勻性(也稱為偏置場(chǎng))而受損，所述亮度不均勻性由設(shè)備參數(shù)、掃 描協(xié)議和患者特點(diǎn)產(chǎn)生。偏置場(chǎng)是不均勻的倍增場(chǎng)，引起不同組織的亮度 值重疊。
在根據(jù)本發(fā)明的方法的再進(jìn)一步的實(shí)施例中，其中在圖像內(nèi)定義了多 個(gè)感興趣區(qū)，為每一個(gè)感興趣區(qū)執(zhí)行圖像值的分類，基于對(duì)每一個(gè)所選擇 的感興趣區(qū)的各個(gè)直方圖和統(tǒng)計(jì)量的分析，來(lái)為每一個(gè)選擇的感興趣區(qū)建 立閾值。
這個(gè)技術(shù)措施基于以下觀點(diǎn)還可以將分類步驟應(yīng)用于圖像中的一個(gè)感興趣區(qū)(ROI)，并可以將從該ROI提取的統(tǒng)計(jì)量與另一個(gè)ROI的統(tǒng)計(jì)量 相比較?？梢栽趫D像中定義多個(gè)ROI，可以從每一個(gè)ROI分析中提取統(tǒng)計(jì) 量，可以將在全部ROI中的此類統(tǒng)計(jì)量的集合用于進(jìn)一步的分析，例如偏 置場(chǎng)評(píng)估。ROI可以是整個(gè)圖像、由掩膜定義的任何形狀(及此類未連通 區(qū)的集合)、或者由具有少量參數(shù)的數(shù)學(xué)公式所定義的塊，諸如矩形、正方 形或圓形。
根據(jù)本發(fā)明的圖像分割方法包括按參考前文所述的，用于確定圖像中 閾值的方法。根據(jù)本發(fā)明的方法對(duì)于處理磁共振圖像，特別是腦部的磁共 振圖像，具有特別高的價(jià)值。為了分割磁共振腦部圖像，必須將腦部組織 分為兩類腦脊液(CSF)和白質(zhì)-灰質(zhì)(WM-GM)d適合的輸入圖像是顱 骨剝離的3D腦部MR圖像，其中，根據(jù)本發(fā)明，并不進(jìn)行關(guān)于可利用的對(duì) 比度(例如Tl和T2)的假設(shè)?？梢酝ㄟ^(guò)應(yīng)用一個(gè)可公開(kāi)利用的工具來(lái)進(jìn) 行顱骨剝離，例如S. Smith, BET2: Brain extraction tool, University of Oxford http :〃www. fmrib. ox. ac.uk/fsl/bet2.
一旦提取了CSF，就可以執(zhí)行WM和GM的分離。執(zhí)行該分離的原因 是l)在許多MR對(duì)比中，在WM與GM之間的對(duì)比度常常小于在每一 個(gè)WM和GM與CSF之間的對(duì)比度。在使用非最佳參數(shù)設(shè)置的MR掃描中， 中WM和GM在直接聚類算法可能會(huì)終結(jié)于一個(gè)聚類，及2)異常狀態(tài)可 能會(huì)影響WM和GM的磁特性。這使得對(duì)WM和GM區(qū)的更精細(xì)的分析變 得必要。例如，大量的鐵聚集改變了基底神經(jīng)節(jié)的T2特性，并導(dǎo)致在這些 區(qū)域中產(chǎn)生較差的亮度。
根據(jù)本發(fā)明的分割方法使用了如參考前文所述的閾值確定方法，來(lái)標(biāo) 記WM和GM。在使用了該閾值確定方法后，與將兩個(gè)區(qū)域標(biāo)記為WM和 GM有關(guān)的決定可以使用與它們的預(yù)期相對(duì)亮度值有關(guān)的知識(shí)。例如，如果 使用了利用T1加權(quán)的圖像，就將具有較高亮度值的區(qū)域指定為WM。為此 還可以使用WM和GM組織的相對(duì)位置，例如GM具有圍繞CSF的外圍區(qū) 域。
優(yōu)選的，對(duì)于具有基本上被降低的對(duì)比度的圖像，根據(jù)本發(fā)明的分割 方法通過(guò)使用局部計(jì)算的直方圖來(lái)計(jì)算局部適應(yīng)性閾值。
根據(jù)本發(fā)明的圖像處理系統(tǒng)包括具有處理器的計(jì)算機(jī)，其被布置為用于
-通過(guò)分析圖像內(nèi)像素值中的梯度來(lái)確定對(duì)比度邊緣點(diǎn)；
-相對(duì)于對(duì)比度邊緣點(diǎn)對(duì)圖像像素進(jìn)行分類，從而計(jì)算各自的亮度直方
-計(jì)算對(duì)應(yīng)于每一個(gè)所述直方圖的相應(yīng)概率群分布函數(shù)(probability mass flmction);
-用所述概率群分布函數(shù)確定圖像閾值。
根據(jù)本發(fā)明的圖像處理系統(tǒng)為圖像處理提供了準(zhǔn)確且魯棒性的工具， 并可以適當(dāng)?shù)剡M(jìn)行合并，特別是在醫(yī)院信息系統(tǒng)中用于圖像分析。會(huì)進(jìn)一 步參考圖3來(lái)論述圖像處理系統(tǒng)。在權(quán)利要求6、 7中闡明了圖像處理系統(tǒng) 更多的有利實(shí)施例。
參考以下所述的實(shí)施例來(lái)闡明本發(fā)明的這些及其它方面，從而變得顯 而易見(jiàn)。


圖1以示意性方式呈現(xiàn)了根據(jù)本發(fā)明的閾值確定方法的實(shí)施例。
圖2以示意性方式呈現(xiàn)了累積分布函數(shù)的操作步驟的實(shí)施例。
圖3以示意性方式呈現(xiàn)了偏置場(chǎng)對(duì)各個(gè)直方圖峰值造成的效果。
圖4以示意性方式呈現(xiàn)了根據(jù)本發(fā)明的圖像處理系統(tǒng)的實(shí)施例。
圖5以示意性方式呈現(xiàn)了根據(jù)本發(fā)明的計(jì)算機(jī)程序的流程圖的實(shí)施例。
具體實(shí)施例方式
圖1以示意性方式呈現(xiàn)了根據(jù)本發(fā)明的閾值確定方法的實(shí)施例。將根 據(jù)本發(fā)明的方法1布置為在步驟3，在考慮確定邊緣點(diǎn)及其相關(guān)梯度的情況 下分析圖像的圖像值(像素或體素)。這可以通過(guò)在步驟3a根據(jù)例如以上 給出的等式1計(jì)算圖像對(duì)比度來(lái)有利地執(zhí)行。隨后，在步驟3b，可以使用 適合的邊緣檢測(cè)器來(lái)確定邊緣點(diǎn)，之后是在步驟5a確定邊緣方向。隨后， 選擇位于邊緣不同側(cè)的適合的像素對(duì)或體素對(duì)5b。在根據(jù)本發(fā)明的方法的 步驟5，對(duì)由此選擇的體素對(duì)或像素對(duì)進(jìn)行分類，優(yōu)選地借助于使用預(yù)先定 義的分類順序。例如，可以使用分類器5c，從而根據(jù)像素或體素各自的絕對(duì)值大小將像素或體素分為兩類。根據(jù)本發(fā)明的方法前進(jìn)到步驟7，其中， 通過(guò)將來(lái)自為每一個(gè)類所計(jì)算的亮度直方圖的數(shù)據(jù)與這些直方圖的統(tǒng)計(jì)分
析相結(jié)合來(lái)獲得圖像閾值。優(yōu)選的，在步驟7a中，通過(guò)分析像素或體素的 兩個(gè)類的項(xiàng)目來(lái)建立各自的直方圖。然后，在步驟7b，通過(guò)使靠近邊緣的 代表性樣本的正確決策之和最大化來(lái)計(jì)算閾值，例如根據(jù)上述的等式6采 用累積分布函數(shù)7d。
相對(duì)于從現(xiàn)有技術(shù)獲知的方法，根據(jù)本發(fā)明的方法是優(yōu)秀的，特別是 因?yàn)槠淠軌驅(qū)⒕哂蟹浅＞o密中心的分類分開(kāi)，其使用了空間和特征空間信 息，并能夠處理軟性分類成員資格，即不具有二進(jìn)制成員資格值的特征值。 最后，根據(jù)本發(fā)明的方法在其運(yùn)行速度上是出眾的。
注意，由于根據(jù)本發(fā)明的方法具有統(tǒng)計(jì)基礎(chǔ)這一事實(shí)，本發(fā)明的方法 并不限于一種應(yīng)用。盡管用此方法相關(guān)于空間圖像信息計(jì)算了在分類之間 的邊界，但是對(duì)于非圖像數(shù)據(jù)，其可以以許多方式來(lái)定義。對(duì)于非圖像數(shù) 據(jù)，可以以針對(duì)應(yīng)用的特定方式，或者通過(guò)使用差值來(lái)檢測(cè)類到類所轉(zhuǎn)換。 一旦確定了它們，就可以類似地填充直方圖。對(duì)與圖像相關(guān)數(shù)據(jù)的優(yōu)選應(yīng) 用包括以下任何一項(xiàng)對(duì)紅外圖像的處理，因?yàn)檫@類數(shù)據(jù)中的對(duì)比度隨環(huán) 境溫度變化；醫(yī)學(xué)圖像的處理，在醫(yī)學(xué)圖像中，對(duì)比度的顯著變化來(lái)自于 特定成像協(xié)議；具有低對(duì)比度的普通視頻數(shù)據(jù)；顯示出圖像對(duì)比度中差別 的使用造影劑的分子成像。
還要注意，根據(jù)本發(fā)明的方法通?？梢栽趫D像中的任何感興趣區(qū)(ROI)
開(kāi)始，可以將其稱為總體分析。在特定情況下，除了或代替總體分析，可 以在局部上執(zhí)行以上操作。局部應(yīng)用允許使用局部最優(yōu)的閾值，這在許多 情況下會(huì)產(chǎn)生比全局閾值更好的結(jié)果。局部分析還允許比較從直方圖統(tǒng)計(jì) 中提取的幾個(gè)統(tǒng)計(jì)量，以判斷圖像中是否存在特定效應(yīng)。例如，MR圖像會(huì) 因亮度不均勻性(也稱為偏置場(chǎng))而受損，亮度不均勻性由設(shè)備參數(shù)、掃 描協(xié)議和患者特點(diǎn)產(chǎn)生。偏置場(chǎng)是不均勻的倍增場(chǎng)，并引起不同組織的亮 度值具有更多重疊。
最后，可以在步驟7c計(jì)算偏置場(chǎng)?？梢栽趫D像內(nèi)設(shè)定多個(gè)感興趣區(qū) ROI_l， ROI_2，并針對(duì)兩個(gè)ROI獨(dú)立地執(zhí)行根據(jù)本發(fā)明的分析(見(jiàn)步驟3、 5; 3，、 5，)。然后，可以在步驟7將從R01—1和R01—2提取的統(tǒng)計(jì)量相互進(jìn)行比較，為進(jìn)一步的分析提供數(shù)據(jù)輸入，例如偏置場(chǎng)評(píng)估。盡管在該示 范性實(shí)施例中定義了兩個(gè)感興趣區(qū)，但可以定義任意多個(gè)感興趣區(qū)。參考 圖3解釋根據(jù)本發(fā)明的方法的這個(gè)特點(diǎn)。
圖2以示意性方式呈現(xiàn)了累積分布函數(shù)的操作步驟的實(shí)施例20。為圖 示說(shuō)明的目的，選擇了人腦部的磁共振(MR)圖像。圖像11表示原始MR Tl圖像，而圖像12表示所選擇的滿足梯度約束和其他要素的體素。白色體 素是用于白質(zhì)的候選，而黑色體素是用于灰質(zhì)的候選。如在前文中所述的， 根據(jù)本發(fā)明的方法計(jì)算相應(yīng)的直方圖13。直方圖13a表示白質(zhì)直方圖，而 直方圖13b表示灰質(zhì)直方圖。在14中給出相應(yīng)的累積分布函數(shù)(CDF)， 而由14a給出了白質(zhì)CDF，由14b 了給出灰質(zhì)CDF。通過(guò)使用如上所述的 等式6計(jì)算相應(yīng)的亮度值14c，作為所尋求的閾值。在15中給出了采用閾 值14c的圖像分割的結(jié)果。
圖3呈現(xiàn)了偏置場(chǎng)對(duì)各個(gè)直方圖峰值造成的效果的示意性說(shuō)明17。由 此，將尺寸為24X24 (寬-長(zhǎng))的正方形塊作用于圖像，在水平或垂直方向 上該塊的位置按照每次8個(gè)體素的方式進(jìn)行移動(dòng)。對(duì)于每一個(gè)塊，確定邊 緣產(chǎn)生的體素，根據(jù)各個(gè)體素計(jì)算直方圖。在直方圖中，峰值位置理想地 對(duì)應(yīng)于組織亮度。當(dāng)提供偏置場(chǎng)時(shí)，這個(gè)峰值應(yīng)該被加寬。頂上一行17a 表示用于三個(gè)數(shù)據(jù)集的白質(zhì)峰值位置分布，而底下一行17b顯示用于相同 數(shù)據(jù)集的灰質(zhì)峰值位置分布。最左邊的圖屬于沒(méi)有偏置場(chǎng)影響的數(shù)據(jù)集； 因此是單獨(dú)的大峰值。中間欄對(duì)應(yīng)于具有10%偏置場(chǎng)的數(shù)據(jù)集，而最右邊 的欄具有30%偏置場(chǎng)。隨著偏置場(chǎng)影響增大，直方圖峰值變得越來(lái)越不明 顯，并且寬度變得更大。可以存在許多度量來(lái)評(píng)價(jià)這個(gè)加寬效應(yīng)，其中一 個(gè)是峰值高度相對(duì)于總體素的比值。根據(jù)這個(gè)值，可以接受全局閾值，要 求局部分析，或者運(yùn)行偏置場(chǎng)校正算法。
圖4以示意性方式呈現(xiàn)了根據(jù)本發(fā)明的圖像處理系統(tǒng)的實(shí)施例。該系 統(tǒng)包括計(jì)算機(jī)20，具有輸入22，用于以任何適合的方式接收對(duì)象適合的源 圖像數(shù)據(jù)22a，特別是患者的診斷圖像。例如，計(jì)算機(jī)20可以步及源圖像 數(shù)據(jù)的采集。在該情況中，可以以模擬形式采集圖像數(shù)據(jù)，并用適合的A/D 轉(zhuǎn)換器轉(zhuǎn)換為數(shù)字形式，用于進(jìn)一步的處理。還可以以數(shù)字形式接收?qǐng)D像 數(shù)據(jù)，例如通過(guò)數(shù)字形式的直接采集，或在已經(jīng)由遠(yuǎn)程計(jì)算機(jī)/醫(yī)療器械采集之后再經(jīng)由計(jì)算機(jī)網(wǎng)絡(luò)接收。計(jì)算機(jī)20的核心由處理器24構(gòu)成，其被 布置為分析圖像值，以確定邊緣點(diǎn)及相關(guān)梯度。為此，處理器24優(yōu)選地運(yùn) 行適合的計(jì)算機(jī)程序25。計(jì)算機(jī)20包括存儲(chǔ)單元28，其被布置為存儲(chǔ)在 處理器運(yùn)行期間由處理器訪問(wèn)的任何合適的例程。計(jì)算機(jī)20還包括工作存 儲(chǔ)器26，通常基于RAM。存儲(chǔ)單元28可以用于當(dāng)不處理圖像數(shù)據(jù)時(shí)對(duì)其 進(jìn)行存儲(chǔ)(或者存儲(chǔ)其一部分)，并用于存儲(chǔ)對(duì)圖像數(shù)據(jù)的操作及任何其它 適用的補(bǔ)充信息，如預(yù)定的特征23。工作存儲(chǔ)器26通常保存正進(jìn)行處理的 (部分)圖像數(shù)據(jù)，以及用于適合的圖像處理模塊的指令，所述圖像處理 模塊用于處理部分圖像數(shù)據(jù)。
處理器24進(jìn)一步被布置為相對(duì)于邊緣點(diǎn)將圖像值分類到多個(gè)類中。優(yōu) 選的，使用適合的分類器27，特別是軟件形式的。處理器24再進(jìn)一步被布 置為通過(guò)將來(lái)自為每一個(gè)類計(jì)算的亮度直方圖的數(shù)據(jù)與所述直方圖的統(tǒng)計(jì) 分析相結(jié)合來(lái)獲得圖像閾值。優(yōu)選地，使用適合的軟件27a來(lái)實(shí)現(xiàn)這個(gè)特 征，當(dāng)由處理器啟動(dòng)時(shí)，其產(chǎn)生所尋求的結(jié)果。優(yōu)選地，計(jì)算機(jī)20包括輸 出29，其被適當(dāng)?shù)夭贾脼樘峁╅撝荡_定的結(jié)果和/或采用所述閾值的圖像分 割的結(jié)果。有利地，輸出29被布置為將適合的數(shù)據(jù)寫入計(jì)算機(jī)可讀文件中。
圖5以示意性方式呈現(xiàn)了根據(jù)本發(fā)明的計(jì)算機(jī)程序的流程圖的實(shí)施例。 根據(jù)本發(fā)明的計(jì)算機(jī)程序30包括指令，該指令用于使處理器遵照指令33， 在考慮了確定邊緣點(diǎn)及其相關(guān)梯度的情況下，分析圖像的圖像值(像素或 體素)。這可以有利地通過(guò)根據(jù)指令33a計(jì)算圖像對(duì)比度來(lái)執(zhí)行，例如使用 以上給出的等式l。隨后，遵照指令33b，可以使用適合的邊緣檢測(cè)器來(lái)確 定邊緣點(diǎn)，之后是按指令35a確定邊緣方向。隨后，選擇位于邊緣不同側(cè) 的適合的像素對(duì)或體素對(duì)。按照根據(jù)本發(fā)明的計(jì)算機(jī)程序的指令35，對(duì)由 此選擇的體素對(duì)或像素對(duì)進(jìn)行分類，優(yōu)選的是通過(guò)用預(yù)定的分類順序。例 如，可以使用分類指令35c，從而根據(jù)像素或體素的絕對(duì)值大小來(lái)將像素或 體素分為兩類。根據(jù)本發(fā)明的計(jì)算機(jī)程序30前進(jìn)到指令37，其中通過(guò)將來(lái) 自為每一個(gè)類計(jì)算的亮度直方圖的數(shù)據(jù)與這些直方圖的統(tǒng)計(jì)分析相結(jié)合來(lái) 獲得圖像閾值。優(yōu)選地，通過(guò)按照指令37a分析這兩類像素或體素的項(xiàng)來(lái) 建立各自的直方圖。隨后，根據(jù)指令37b，通過(guò)使靠近邊緣的代表樣本的正 確決策之和最大化，來(lái)計(jì)算閾值，例如根據(jù)上述的等式6。最后，可以根據(jù)指令37c計(jì)算偏置場(chǎng)?？梢栽趫D像中設(shè)定多個(gè)感興趣
區(qū)ROIJ、 ROI—2 (未示出)，并且針對(duì)兩個(gè)ROI獨(dú)立地執(zhí)行根據(jù)本發(fā)明的 分析。然后，按照指令37，可以將從R01—1和R01—2提取的統(tǒng)計(jì)量進(jìn)行相 互比較，為進(jìn)一步分析提供數(shù)據(jù)輸入，例如偏置場(chǎng)評(píng)估。
盡管在附圖和前述說(shuō)明中詳細(xì)顯示并描述了本發(fā)明，但這種顯示和描 述應(yīng)認(rèn)為是說(shuō)明性或示范性的，不是限制性的；本發(fā)明不限于所公開(kāi)的實(shí) 施例。
權(quán)利要求
1、一種方法(1)，用于確定包含圖像值的圖像中的閾值，所述方法包括步驟-分析(3)所述圖像值，以確定邊緣點(diǎn)及相關(guān)的梯度；-相對(duì)于所述邊緣點(diǎn)將圖像值分類(5)到多個(gè)類中；-通過(guò)將來(lái)自為每一個(gè)類計(jì)算的亮度直方圖的數(shù)據(jù)與所述直方圖的統(tǒng)計(jì)分析相結(jié)合來(lái)獲得(7)圖像閾值。
2、 根據(jù)權(quán)利要求1所述的方法，其中，所述分析(3)圖像值的步驟 包括步驟計(jì)算圖像對(duì)比度(3a)，并針對(duì)所計(jì)算的圖像對(duì)比度自適應(yīng)地確 定所述邊緣的梯度閾值。
3、 根據(jù)權(quán)利要求1所述的方法，其中，所述相對(duì)于所述邊緣點(diǎn)將圖像值分類(5)到多個(gè)類中的步驟包括步驟-為每一個(gè)邊緣點(diǎn)確定邊緣方向(5a);-確定所述圖像中定義了所述邊緣點(diǎn)和所述方向的數(shù)值對(duì)(5b);-用預(yù)先定義的標(biāo)準(zhǔn)將所述值分配到不同類中(5c)。
4、 根據(jù)權(quán)利要求3所述的方法，其中，所述獲得圖像閾值(7)的步驟包括步驟-為每一個(gè)由此構(gòu)成的類計(jì)算歸一化亮度直方圖(7a);-計(jì)算對(duì)應(yīng)于每一個(gè)類的各自的累積分布函數(shù)(7b);-用所述累積分布函數(shù)來(lái)確定所述圖像閾值(7c)。
5、 根據(jù)權(quán)利要求4所述的方法，其中，基于所述累積分布函數(shù)，使用最優(yōu)化函數(shù)來(lái)計(jì)算所述圖像閾值。
6、 根據(jù)權(quán)利要求1所述的方法，其中，為所述統(tǒng)計(jì)分析的可允許結(jié)果 選擇預(yù)定特征，所述方法還包括步驟-計(jì)算多個(gè)局部對(duì)比度邊緣；-相對(duì)于所述多個(gè)局部對(duì)比度邊緣將圖像值分類到多個(gè)類中，用于構(gòu)成多個(gè)各自的局部亮度直方圖；-通過(guò)將來(lái)自為每一個(gè)類計(jì)算的所述多個(gè)亮度直方圖的數(shù)據(jù)與所述多 個(gè)亮度直方圖的統(tǒng)計(jì)分析相結(jié)合來(lái)獲得多個(gè)局部圖像閾值。
7、 根據(jù)權(quán)利要求6所述的方法，其中，在所述圖像內(nèi)定義多個(gè)感興趣 區(qū)(ROI_l、 ROI—2)，為每一個(gè)感興趣區(qū)執(zhí)行圖像值分類，并基于對(duì)于每 一個(gè)所選擇的感興趣區(qū)的各自的直方圖和統(tǒng)計(jì)量的分析來(lái)建立閾值。
8、 根據(jù)權(quán)利要求7所述的方法，其中，使用為所述多個(gè)感興趣區(qū)獲得 的所述統(tǒng)計(jì)量來(lái)確定用以描述所述圖像的特征(7c)。
9、 一種圖像分割方法，包括根據(jù)前述權(quán)利要求1-8中任意一項(xiàng)的用于 確定所述圖像中的閾值的方法。
10、 一種圖像處理系統(tǒng)，用于分析包括圖像值的圖像(22a)，所述系 統(tǒng)包括具有處理器(24)的計(jì)算機(jī)(20)，所述處理器被布置為用于-分析(25)所述圖像值來(lái)確定邊緣點(diǎn)及相關(guān)梯度； -相對(duì)于所述邊緣點(diǎn)將圖像值分類(27)到多個(gè)類中； -通過(guò)將來(lái)自每一個(gè)類的亮度直方圖的數(shù)據(jù)與所述直方圖的統(tǒng)計(jì)分析 相結(jié)合來(lái)獲得(27a)圖像閾值。
11、 根據(jù)權(quán)利要求10所述的系統(tǒng)，其中，所述統(tǒng)計(jì)分析包括為每一 個(gè)亮度直方圖計(jì)算累積分布函數(shù)，所述處理器進(jìn)一步被布置為基于所述累 積分布函數(shù)，使用最優(yōu)化函數(shù)來(lái)計(jì)算所述圖像閾值。
12、 根據(jù)前述權(quán)利要求10或11中任意一項(xiàng)所述的系統(tǒng)，其中，所述 計(jì)算機(jī)被進(jìn)一步布置為存儲(chǔ)用于所述統(tǒng)計(jì)分析的可允許結(jié)果的預(yù)定特征(23)，所述處理器進(jìn)一步被布置為-計(jì)算多個(gè)局部對(duì)比度邊緣；-相對(duì)于所述多個(gè)局部對(duì)比度邊緣將圖像值分類到多個(gè)類中，用于構(gòu)成 多個(gè)各自的局部亮度直方圖；-通過(guò)將來(lái)自為每一個(gè)類計(jì)算的所述多個(gè)亮度直方圖的數(shù)據(jù)與所述多 個(gè)亮度直方圖的統(tǒng)計(jì)分析相結(jié)合來(lái)獲得多個(gè)局部圖像閾值。
13、 一種計(jì)算機(jī)程序(30)，包括指令，用于使處理器執(zhí)行根據(jù)前述權(quán) 利要求1-9中任意一項(xiàng)所述的方法的步驟。
全文摘要
本發(fā)明涉及一種方法(1)，用于確定包含圖像值的圖像中的閾值，所述方法包括步驟分析(3)圖像值，以確定邊緣點(diǎn)及相關(guān)梯度；相對(duì)于邊緣點(diǎn)將圖像值分類(5)到多個(gè)類中；通過(guò)將來(lái)自為每一個(gè)類計(jì)算的亮度直方圖的數(shù)據(jù)與所述直方圖的統(tǒng)計(jì)分析相結(jié)合來(lái)獲得(7)圖像閾值。本發(fā)明還涉及一種圖像分割方法、一種圖像處理系統(tǒng)和一種計(jì)算機(jī)程序。
文檔編號(hào)G06T5/00GK101479762SQ200780023614
公開(kāi)日2009年7月8日 申請(qǐng)日期2007年6月19日 優(yōu)先權(quán)日2006年6月23日
發(fā)明者A·伊金 申請(qǐng)人:皇家飛利浦電子股份有限公司