專利名稱：一種基于Canny模型的三維醫(yī)學(xué)圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及三維醫(yī)學(xué)圖像的交互式快速分割方法。
背景技術(shù)：
為了準(zhǔn)確的分辨醫(yī)學(xué)圖像中的正常組織結(jié)構(gòu)和異常病變，需要對醫(yī)學(xué)圖像進(jìn)行分 割。傳統(tǒng)的圖像分割方法主要包括(1)基于邊緣的分割方法通常利用區(qū)域間不同性質(zhì)(如區(qū)域內(nèi)灰度不連續(xù) 性)劃分出各個(gè)區(qū)域之間的分界線，這類方法包括并行微分算子法(如Roberts、Sobel、 Laplacian.Marr等算子)、串行邊界搜索方法、基于曲面擬合的方法等；(2)基于區(qū)域的分割方法通常利用同一區(qū)域內(nèi)的均一性識別圖像中的不同區(qū) 域，包括閾值法、區(qū)域生長和分裂合并、分類器和聚類、基于隨機(jī)場的方法等。但由于醫(yī)學(xué)圖像的成像原理和組織本身的特性差異，而且圖像的形成受到諸如噪 音、場偏移效應(yīng)、局部體效應(yīng)和組織運(yùn)動，組織和組織之間，組織和器官之間，器官和器官之 間等等之間的影響，快速準(zhǔn)確的實(shí)現(xiàn)三維醫(yī)學(xué)圖像分割是非常必要的。因此，有必要針對醫(yī) 學(xué)應(yīng)用這個(gè)領(lǐng)域，研究一種方法能夠按照人們的主觀意思自愿的去分割目標(biāo)區(qū)域，而且又 能快速準(zhǔn)確的提取目標(biāo)邊緣信息。這樣，有利于快速對感興趣目標(biāo)進(jìn)行整體觀察和準(zhǔn)確分 析。

發(fā)明內(nèi)容
本發(fā)明提供一種基于Canny模型的三維醫(yī)學(xué)圖像分割方法，該方法不僅具有較快 較準(zhǔn)確的圖像分割速度，而且具有人機(jī)交互功能，能夠根據(jù)操作者的意愿分割得到感興趣 的目標(biāo)邊緣；同時(shí)，本發(fā)明便于觀察到病變組織(或器官)形狀等，有利于做出準(zhǔn)確的醫(yī)學(xué) 分析及進(jìn)一步判斷。為了方便地描述本發(fā)明內(nèi)容，首先對一些術(shù)語進(jìn)行定義。定義1 感興趣目標(biāo)。待分割的對象物體，如腫瘤，肝臟等。定義2 圖像尺寸大小。二維醫(yī)學(xué)切片圖像的尺寸大小為MXN，M表示二維醫(yī)學(xué)切 片圖像長度方向的像素點(diǎn)個(gè)數(shù)，N表示二維醫(yī)學(xué)切片圖像寬度方向的像素點(diǎn)個(gè)數(shù)。三維醫(yī) 學(xué)圖像的尺寸大小為MXNXK，表示有K張尺寸大小為MXN的二維醫(yī)學(xué)切片圖像。定義3 圖像灰度。指圖像中的亮度信息，沒有任何顏色信息。定義4 =3X3中值濾波器。將當(dāng)前像素點(diǎn)及其周圍8個(gè)像素點(diǎn)的灰度值按從大到 小排列，取排列在最中間的那個(gè)數(shù)值作為當(dāng)前像素點(diǎn)的灰度值。定義5 圖像梯度。指圖像灰度值變化的向量場，包括梯度大小和梯度方向。梯度 大小指灰度值的最大變化率，梯度方向指灰度值增長最快的方向。定義6 生長算法。首先選擇一個(gè)初始像素點(diǎn)，然后向四周搜索滿足一定規(guī)則、與 初始像素點(diǎn)屬于同一類別且相互連通的所有像素點(diǎn)。將這些像素點(diǎn)保存起來，即可得到所 期望的結(jié)果。
定義7 邊緣端點(diǎn)。指邊緣線的斷裂點(diǎn)。定義8 邊緣斷裂方向。指邊緣線在端點(diǎn)處的切線方向并指向斷開的邊緣 位置。該 方向與邊緣端點(diǎn)處的梯度方向相垂直。定義9 毛刺。指從邊緣線上分叉出來的小短線，由端點(diǎn)和分叉點(diǎn)的連線構(gòu)成。一 般是由于噪聲和細(xì)化過程造成的。定義10:數(shù)學(xué)形態(tài)學(xué)。用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中 對應(yīng)形狀以達(dá)到對圖像分析和識別的目的。膨脹是其中一個(gè)基本運(yùn)算，公式為
=。其中A為圖像集合，B為結(jié)構(gòu)元素廠表示做關(guān)于原點(diǎn)的映射，()
!￡表示平移1，n表示交集， 表示空集， 為膨脹運(yùn)算符。本發(fā)明詳細(xì)技術(shù)方案如下一種基于Canny模型的三維醫(yī)學(xué)圖像分割方法，如圖1所示，包括以下步驟步驟1 截取包含感興趣目標(biāo)的三維區(qū)域圖像。在尺寸為MXNXK的原始三維醫(yī)學(xué) 圖像I m中，截取一個(gè)包含感興趣目標(biāo)的、尺寸為mXnXk的三維區(qū)域圖像I k ；其中m彡M， n < N，k < K。本步驟將待處理的原始三維醫(yī)學(xué)圖像的尺寸大小就從原來的MXNXK縮小到了 mXnXk，可加快圖像處理速度，也有利于提高目標(biāo)分割的準(zhǔn)確率。步驟2 對步驟1所得的三維區(qū)域圖像Imnk進(jìn)行中值濾波。中值濾波的目的是為了 減少噪聲對三維區(qū)域圖像Imnk的影響；中值濾波時(shí)，可采用3 X 3大小或5 X 5大小的中值濾 波器。步驟3 計(jì)算中值濾波后的三維區(qū)域圖像Imnk所有像素點(diǎn)的梯度，得到三維區(qū)域圖 像Imnk的梯度圖像Dmnk。將中值濾波后的三維區(qū)域圖像I k中任意一幀切片圖像的像素點(diǎn)表示為(i，j)， 像素點(diǎn)(i，j)的灰度值表示為I(i，j)，其中1彡i彡m，l彡j彡n;首先計(jì)算像素點(diǎn)(i，j) 的橫向梯度 dx(i，j)和縱向梯度 dy(i，j)，其中 dx(i，j) = I(i+1，j)_I(i，j)，dy(i，j)= I(i，j+l)_I(i，j)；然后計(jì)算像素點(diǎn)(i，j)的梯度值大小M(i，j)和梯度方向9 (i，j)，得 到三維區(qū)域圖像Imnk的梯度圖像Dmnk，其中M(i,j) = ^jd2x(i,j) + d2y(i,j) , 0 (i，j) = arctan[dx(i, j)/dy(i，j)]步驟4 提取梯度圖像Dmnk的Canny邊緣信息圖像C k。對梯度圖像Dmnk中的每一 幀梯度圖像Dmn，進(jìn)行如下操作步驟4-1 規(guī)定像素點(diǎn)(i，j)的梯度線，即將梯度方向?qū)儆?0，Ji/8]、(7^1/8, 9^1/8]或(15^1/8,2^1]的像素點(diǎn)(i，j)歸入水平線梯度像素點(diǎn)，將梯度方向?qū)儆?n/8， 3^1/8]或(9^1/8,11^1/8]的像素點(diǎn)(i，j)歸入第一對角線梯度像素點(diǎn)，將梯度方向?qū)儆?(3^/8,5^1/8]或(11^1/8,13^1/8]的像素點(diǎn)(i，j)歸入垂直線梯度像素點(diǎn)，將梯度方向 屬于(5^1/8,7^1/8]或(13^1/8,15^1/8]的像素點(diǎn)(i，j)歸入第二對角線梯度像素點(diǎn)。步驟4-2 采用非極大值抑制方法提取梯度值屋脊。取像素點(diǎn)(i，j)及位于像素 點(diǎn)(i，j)的梯度線上相鄰的兩個(gè)像素點(diǎn)，比較三個(gè)像素點(diǎn)的梯度值大小，若像素點(diǎn)(i，j)的 梯度值小于其梯度線上相鄰兩個(gè)像素點(diǎn)梯度值，則將像素點(diǎn)(i，j)的梯度值置為“0”，否則 保留像素點(diǎn)(i，j)的梯度值，得到非極大值抑制后的圖像N(i，j)，其寬屋脊帶已細(xì)化成只有一個(gè)像素點(diǎn)寬，并保留了屋脊的高度值。步驟4-3 采用雙門限閾值方法實(shí)現(xiàn)Canny邊緣信息提取。選取兩個(gè)固定的閾值 ^和12，且t2 = 2*Tl，0 < T2<Mmax(i，j)，其中Mmax(i，j)為該幀梯度圖像D 中的最 大梯度值；將非極大值抑制后的圖像N(i，j)中所有像素點(diǎn)的梯度值與閾值^或h分別 進(jìn)行比較，將梯度值大于閾值^或的像素點(diǎn)的梯度值置為“1”，否則置為“0”，分別得 到兩個(gè)閾值邊緣圖像和T2 ；然后以高閾值邊緣圖像T2為基礎(chǔ)，加入低閾值邊緣圖像中 與高閾值邊緣圖像T2中邊緣相連通的所有邊緣點(diǎn)，得到該幀梯度圖像D 的Canny邊緣信 息圖像Cmn。步驟4-4 對梯度圖像Dmnk中的每一幀梯度圖像Dmn進(jìn)行步驟4-1至步驟4_3的操 作，得到梯度圖像Dmnk的Canny邊緣信息圖像Cmnk。步驟5 用戶交互。用戶在三維區(qū)域圖像I k中間第t張圖像中感興趣目標(biāo)的 邊緣附近確定一個(gè)像素點(diǎn)位置(i。，j。)，其中0 < t < k。步驟6 確定三維區(qū)域圖像I k中間第t張圖像1_的感興趣目標(biāo)邊緣E_，具體包 括以下步驟步驟6-1 搜索鄰近邊緣點(diǎn)位置。在相應(yīng)的第t張Canny邊緣信息圖像C_中，根 據(jù)步驟5確定的像素點(diǎn)位置(iQ，j0)，由近及遠(yuǎn)的向四周搜索邊緣點(diǎn)。步驟6-2 提取邊緣線。以步驟6-1搜索到的邊緣點(diǎn)作為起始點(diǎn)，通過生長算法， 獲取與其相連通的所有邊緣點(diǎn)，從而提取整條邊緣線。步驟6-3 提取封閉的邊緣線。若步驟6-2獲得的是封閉的邊緣線，則轉(zhuǎn)入步驟 6-4;否則，找到一條邊緣線，然后沿著當(dāng)前邊緣線兩個(gè)端點(diǎn)的斷裂的方向分別查找另外的 邊緣線，將找到的邊緣線的端點(diǎn)與當(dāng)前邊緣線相鄰的端點(diǎn)用直線連接起來作為感興趣目標(biāo) 邊緣線；重復(fù)本步驟，直至完成封閉邊緣線的提取。步驟6-4 去除毛刺。在步驟6-3得到的封閉邊緣線中，刪除所有的毛刺邊緣，得 到三維區(qū)域圖像Imnk中間第t幀圖像1_的感興趣目標(biāo)邊緣E_。步驟8 確定相鄰幀Canny邊緣信息圖像中感興趣目標(biāo)邊緣區(qū)域。將第t幀圖像 的目標(biāo)邊緣6_膨脹成為若干像素寬度的邊緣區(qū)域，作為第t+1幀圖像I (t+1)和第t-1
幀圖像I^h)的感興趣目標(biāo)邊緣搜索區(qū)域。步驟9 搜索感興趣目標(biāo)邊緣線。在第t+1張和t-1張Canny邊緣信息圖像Cmn(t+1) 和C^t—D中對應(yīng)的步驟8所確定的感興趣目標(biāo)邊緣區(qū)域內(nèi)分別搜索最長的邊緣線。步驟10 提取封閉目標(biāo)邊緣并去除毛刺。對于步驟9搜索到的第t+1幀Canny邊 緣信息圖像C (t+1)和第t-1幀Canny邊緣圖像中的最長邊緣線，依照步驟6_3和步 驟5-4的處理過程，即可分別獲得三維區(qū)域圖像Imnk中第t+1幀圖像Imn(t+1)的感興趣目標(biāo) 邊緣Emn(t+1)和t-1幀圖像I^h)的感興趣目標(biāo)邊緣E^H)。步驟11 重復(fù)步驟8至步驟10，直到獲得整個(gè)三維區(qū)域圖像Imnk的感興趣目標(biāo)邊 緣Emnk，就能從整個(gè)原始三維醫(yī)學(xué)圖像中提取到感興趣目標(biāo)邊緣Emnk，從而完成三維醫(yī)學(xué) 圖像的分割。需要說明的是1、步驟1獲得的包含用戶感興趣目標(biāo)的三維區(qū)域圖像I k尺寸大小是由用戶交互 決定的。
2、步驟2中的中值濾波器窗口大小選擇由圖像噪聲決定，窗口越大，去除噪聲效 果越好，但相應(yīng)的計(jì)算量也會增加。3、步驟3到步驟4實(shí)現(xiàn)了對三維區(qū)域圖像Imnk的Canny邊緣的提取。由于Canny 邊緣能夠準(zhǔn)確的描述目標(biāo)對象的準(zhǔn)確邊緣，這樣就為后續(xù)的處理提供了準(zhǔn)確保障。其中步 驟4-3中所述雙門限閾值^和12滿足0<x2<Mfflax(i, j)的關(guān)系，其中M_(i， j)為該幀梯度圖像D 中的最大梯度值。通常情況下，若雙門限閾值^和^取值越大 (接近于M_ (i,j))，所提取到的Canny邊緣就越少，可能會漏掉真實(shí)的邊緣信息；若雙門限 閾值^和12取值越小(接近于0)，則所提取到的Canny邊緣就越多，可能會將一些噪聲 誤作為邊緣信息而提取。因此，雙門限閾值^和12取值應(yīng)當(dāng)適中，最好是T2 = 2Ti = 2/3Mmax(i，j)。本發(fā)明采用基于Canny邊緣模型的方法，首先通過用戶交互截取包含用戶感興趣 目標(biāo)的三維區(qū)域圖像Imnk ；然后對三維區(qū)域圖像I k進(jìn)行中值濾波以去除圖像噪聲；接著再 采用Canny方法獲得中值濾波后三維區(qū)域圖像Imnk的Canny邊緣信息圖像Cmnk ；之后根據(jù)用 戶在某一幀圖像目標(biāo)邊緣附近的交互點(diǎn)坐標(biāo)(、，1)、搜索目標(biāo)邊緣、提取完整的封閉的目 標(biāo)邊緣；最后提取出三維區(qū)域圖像Imnk中所有幀的感興趣目標(biāo)邊緣E k作為三維醫(yī)學(xué)圖像 的分割結(jié)果。采用本發(fā)明提出的基于Canny模型的三維醫(yī)學(xué)圖像分割方法，使用了較少的 用戶交互過程，計(jì)算量較小，能夠快速有效地提取三維醫(yī)學(xué)圖像中感興趣目標(biāo)的邊緣信息， 從而完成三維醫(yī)學(xué)圖像的分割。


圖1是本發(fā)明流程示意圖。
具體實(shí)施例方式本發(fā)明技術(shù)方案在實(shí)現(xiàn)時(shí)，首先使用Matlab語言編寫程序；然后使用三維MRI或 CT醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行參數(shù)設(shè)定和程序優(yōu)化處理；最后使用C++語言重寫程序代碼及交互界 面框架，以提高程序性能。
權(quán)利要求
一種基于Canny模型的三維醫(yī)學(xué)圖像分割方法，包括以下步驟步驟1截取包含感興趣目標(biāo)的三維區(qū)域圖像；在尺寸為M×N×K的原始三維醫(yī)學(xué)圖像IMNK中，截取一個(gè)包含感興趣目標(biāo)的、尺寸為m×n×k的三維區(qū)域圖像Imnk；其中m≤M，n≤N，k≤K；步驟2對步驟1所得的三維區(qū)域圖像Imnk進(jìn)行中值濾波；步驟3計(jì)算中值濾波后的三維區(qū)域圖像Imnk所有像素點(diǎn)的梯度，得到三維區(qū)域圖像Imnk的梯度圖像Dmnk；將中值濾波后的三維區(qū)域圖像Imnk中任意一幀切片圖像的像素點(diǎn)表示為(i，j)，像素點(diǎn)(i，j)的灰度值表示為I(i，j)，其中1≤i≤m，1≤j≤n；首先計(jì)算像素點(diǎn)(i，j)的橫向梯度dx(i，j)和縱向梯度dy(i，j)，其中dx(i，j)＝I(i+1，j)-I(i，j)，dy(i，j)＝I(i，j+1)-I(i，j)；然后計(jì)算像素點(diǎn)(i，j)的梯度值大小M(i，j)和梯度方向θ(i，j)，得到三維區(qū)域圖像Imnk的梯度圖像Dmnk，其中θ(i，j)＝arctan[dx(i，j)/dy(i，j)]步驟4提取梯度圖像Dmnk的Canny邊緣信息圖像Cmnk；對梯度圖像Dmnk中的每一幀梯度圖像Dmn，進(jìn)行如下操作步驟4-1規(guī)定像素點(diǎn)(i，j)的梯度線，即將梯度方向?qū)儆?0，π/8]、(7π/8，9π/8]或(15π/8，2π]的像素點(diǎn)(i，j)歸入水平線梯度像素點(diǎn)，將梯度方向?qū)儆?π/8，3π/8]或(9π/8，11π/8]的像素點(diǎn)(i，j)歸入第一對角線梯度像素點(diǎn)，將梯度方向?qū)儆?3π/8，5π/8]或(11π/8，13π/8]的像素點(diǎn)(i，j)歸入垂直線梯度像素點(diǎn)，將梯度方向?qū)儆?5π/8，7π/8]或(13π/8，15π/8]的像素點(diǎn)(i，j)歸入第二對角線梯度像素點(diǎn)；步驟4-2采用非極大值抑制方法提取梯度值屋脊；取像素點(diǎn)(i，j)及位于像素點(diǎn)(i，j)的梯度線上相鄰的兩個(gè)像素點(diǎn)，比較三個(gè)像素點(diǎn)的梯度值大小，若像素點(diǎn)(i，j)的梯度值小于其梯度線上相鄰兩個(gè)像素點(diǎn)梯度值，則將像素點(diǎn)(i，j)的梯度值置為“0”，否則保留像素點(diǎn)(i，j)的梯度值，得到非極大值抑制后的圖像N(i，j)；步驟4-3采用雙門限閾值方法實(shí)現(xiàn)Canny邊緣信息提取；選取兩個(gè)固定的閾值τ1和τ2，且0＜τ1＜τ2＜Mmax(i，j)，其中Mmax(i，j)為該幀梯度圖像Dmn中的最大梯度值；將非極大值抑制后的圖像N(i，j)中所有像素點(diǎn)的梯度值與閾值τ1或τ2分別進(jìn)行比較，將梯度值大于閾值τ1或τ2的像素點(diǎn)的梯度值置為“1”，否則置為“0”，分別得到兩個(gè)閾值邊緣圖像T1和T2；然后以高閾值邊緣圖像T2為基礎(chǔ)，加入低閾值邊緣圖像T1中與高閾值邊緣圖像T2中邊緣相連通的所有邊緣點(diǎn)，得到該幀梯度圖像Dmn的Canny邊緣信息圖像Cmn；步驟4-4對梯度圖像Dmnk中的每一幀梯度圖像Dmn進(jìn)行步驟4-1至步驟4-3的操作，得到梯度圖像Dmnk的Canny邊緣信息圖像Cmnk；步驟5用戶交互；用戶在三維區(qū)域圖像Imnk中間第t張圖像Imnt中感興趣目標(biāo)的邊緣附近確定一個(gè)像素點(diǎn)位置(i0，j0)，其中0≤t≤k；步驟6確定三維區(qū)域圖像Imnk中間第t張圖像Imnt的感興趣目標(biāo)邊緣Emnt，具體包括以下步驟步驟6-1搜索鄰近邊緣點(diǎn)位置；在相應(yīng)的第t張Canny邊緣信息圖像Cmnt中，根據(jù)步驟5確定的像素點(diǎn)位置(i0，j0)，由近及遠(yuǎn)的向四周搜索邊緣點(diǎn)；步驟6-2提取邊緣線；以步驟6-1搜索到的邊緣點(diǎn)作為起始點(diǎn)，通過生長算法，獲取與其相連通的所有邊緣點(diǎn)，從而提取整條邊緣線；步驟6-3提取封閉的邊緣線；若步驟6-2獲得的是封閉的邊緣線，則轉(zhuǎn)入步驟6-4；否則，找到一條邊緣線，然后沿著當(dāng)前邊緣線兩個(gè)端點(diǎn)的斷裂的方向分別查找另外的邊緣線，將找到的邊緣線的端點(diǎn)與當(dāng)前邊緣線相鄰的端點(diǎn)用直線連接起來作為感興趣目標(biāo)邊緣線；重復(fù)本步驟，直至完成封閉邊緣線的提??；步驟6-4去除毛刺；在步驟6-3得到的封閉邊緣線中，刪除所有的毛刺邊緣，得到三維區(qū)域圖像Imnk中間第t幀圖像Imnt的感興趣目標(biāo)邊緣Emnt；步驟8確定相鄰幀Canny邊緣信息圖像中感興趣目標(biāo)邊緣區(qū)域；將第t幀圖像Imnt的目標(biāo)邊緣Emnt膨脹成為若干像素寬度的邊緣區(qū)域，作為第t+1幀圖像Imn(t+1)和第t-1幀圖像Imn(t-1)的感興趣目標(biāo)邊緣區(qū)域；步驟9搜索感興趣目標(biāo)邊緣線；在第t+1張和t-1張Canny邊緣信息圖像Cmn(t+1)和Cmn(t-1)中對應(yīng)的步驟8所確定的感興趣目標(biāo)邊緣區(qū)域內(nèi)分別搜索最長的邊緣線；步驟10提取封閉目標(biāo)邊緣并去除毛刺；對于步驟9搜索到的第t+1幀Canny邊緣信息圖像Cmn(t+1)和第t-1幀Canny邊緣圖像Cmn(t-1)中的最長邊緣線，依照步驟6-3和步驟5-4的處理過程，即可分別獲得三維區(qū)域圖像Imnk中第t+1幀圖像Imn(t+1)的感興趣目標(biāo)邊緣Emn(t+1)和t-1幀圖像Imn(t-1)的感興趣目標(biāo)邊緣Emn(t-1)；步驟11重復(fù)步驟8至步驟10，直到獲得整個(gè)三維區(qū)域圖像Imnk的感興趣目標(biāo)邊緣Emnk，就能從整個(gè)原始三維醫(yī)學(xué)圖像IMNK中提取到感興趣目標(biāo)邊緣Emnk，從而完成三維醫(yī)學(xué)圖像的分割。FSA00000103253200011.tif
2.根據(jù)權(quán)利要求1所述的基于Canny模型的三維醫(yī)學(xué)圖像分割方法，其特征在于，步驟 2對步驟1所得的三維區(qū)域圖像Imnk進(jìn)行中值濾波時(shí)，采用3X3大小或5X5大小的中值濾 波器。
3.根據(jù)權(quán)利要求1所述的基于Canny模型的三維醫(yī)學(xué)圖像分割方法，其特征在于，步驟 4-3 中所述閾值 t2 = 2t1 = 2/3Mmax(i，j)。
4.根據(jù)權(quán)利要求1所述的基于Canny模型的三維醫(yī)學(xué)圖像分割方法，其特征在于，步驟 8中所述若干像素寬度為15 25像素寬度。
全文摘要
一種基于Canny模型的三維醫(yī)學(xué)圖像分割方法，屬于圖像處理技術(shù)領(lǐng)域。首先通過用戶交互在原始三維醫(yī)學(xué)圖像IMNK中截取包含用戶感興趣目標(biāo)的三維區(qū)域圖像Imnk；然后對三維區(qū)域圖像Imnk進(jìn)行中值濾波以去除圖像噪聲；接著再采用Canny方法獲得中值濾波后三維區(qū)域圖像Imnk的Canny邊緣信息圖像Cmnk；之后根據(jù)用戶在某一幀圖像目標(biāo)邊緣附近的交互點(diǎn)坐標(biāo)(i0，j0)、搜索目標(biāo)邊緣、提取完整的封閉的目標(biāo)邊緣；最后提取出三維區(qū)域圖像Imnk中所有幀的感興趣目標(biāo)邊緣Emnk作為三維醫(yī)學(xué)圖像的分割結(jié)果。采用本發(fā)明提出的基于Canny模型的三維醫(yī)學(xué)圖像分割方法，使用了較少的用戶交互過程，計(jì)算量較小，能夠快速有效地提取三維醫(yī)學(xué)圖像中感興趣目標(biāo)的邊緣信息，從而完成三維醫(yī)學(xué)圖像的分割。
文檔編號G06T7/00GK101826209SQ201010159129
公開日2010年9月8日 申請日期2010年4月29日 優(yōu)先權(quán)日2010年4月29日
發(fā)明者吳炳榮, 解梅 申請人:電子科技大學(xué)