一種x光胸片圖像處理方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明適用于圖像處理【技術(shù)領(lǐng)域】，提供了一種X光胸片圖像處理方法及系統(tǒng)，該方法包括：獲取X光胸片中身體邊界的位置信息及脊柱的位置信息；根據(jù)所述身體邊界的位置信息，確定X光胸片中的身體區(qū)域，并通過預(yù)先創(chuàng)建的多個(gè)身體模板與所述身體區(qū)域進(jìn)行相關(guān)性匹配，將相關(guān)性最高的身體模板外的圖像置為零以獲得初始圖像；通過中值濾波閾值算法從所述初始圖像中提取肋骨圖像；根據(jù)所述脊柱的位置信息將所述肋骨圖像劃分為左右兩個(gè)部分；通過預(yù)先創(chuàng)建的多個(gè)左右肋骨模板分別與所述左右兩個(gè)部分進(jìn)行相關(guān)性匹配以獲取相關(guān)性圖像，并對(duì)所述相關(guān)性圖像進(jìn)行劃分，獲得X光胸片中左右肋骨的位置信息。通過本發(fā)明可以快速、準(zhǔn)確的對(duì)X光胸片中的肋骨進(jìn)行定位。
【專利說明】一種X光胸片圖像處理方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，尤其涉及一種X光胸片圖像處理方法及系統(tǒng)。

【背景技術(shù)】
[0002] X光胸片是指通過X射線穿過胸部，投影在膠片上所形成的圖像，是一項(xiàng)常規(guī)體檢 的檢查項(xiàng)目。在檢查過程中，通常需要對(duì)X光胸片中的肋骨部分進(jìn)行定位和分割，以便對(duì)肋 骨及肺部的疾病作出診斷。
[0003] 在現(xiàn)有技術(shù)中，通常采用高斯曲面閾值法對(duì)X光胸片中的肋骨部分進(jìn)行分割處 理。然而，對(duì)于投影質(zhì)量較差的圖像，尤其是對(duì)圖像中肋骨中部消失，僅兩端可見的圖像，高 斯曲面閾值法無法達(dá)到預(yù)期效果，在肋骨圖像的提取中，大量肋骨圖像未被提取出來。而利 用最小二乘法對(duì)肋骨進(jìn)行擬合，則過分依賴對(duì)肋骨邊緣采樣點(diǎn)的選取，在X光胸片圖像中， 由于圖像的復(fù)雜性，采樣點(diǎn)選取不易，很容易引起定位和分割錯(cuò)誤。Yue提出的基于霍夫變 換的肋骨分割方法，其每張圖像處理耗時(shí)達(dá)到十幾分鐘，耗時(shí)較長(zhǎng)，處理效率較低。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明實(shí)施例在于提供一種X光胸片圖像處理方法，以快速、準(zhǔn)確的對(duì)X光胸片中 的肋骨進(jìn)行定位。
[0005] 本發(fā)明實(shí)施例的第一方面，提供一種X光胸片圖像處理方法，所述方法包括：
[0006] 獲取X光胸片中身體邊界的位置信息及脊柱的位置信息；
[0007] 根據(jù)所述身體邊界的位置信息，確定所述X光胸片中的身體區(qū)域，并通過預(yù)先創(chuàng) 建的多個(gè)身體模板與所述身體區(qū)域進(jìn)行相關(guān)性匹配，將相關(guān)性最高的身體模板外的圖像置 為零以獲得初始圖像；
[0008] 通過中值濾波閾值算法從所述初始圖像中提取肋骨圖像；
[0009] 根據(jù)所述脊柱的位置信息將所述肋骨圖像劃分為左右兩個(gè)部分；
[0010] 通過預(yù)先創(chuàng)建的多個(gè)左右肋骨模板分別與所述左右兩個(gè)部分進(jìn)行相關(guān)性匹配以 獲取相關(guān)性圖像，并對(duì)所述相關(guān)性圖像進(jìn)行劃分，獲得X光胸片中左右肋骨的位置信息。 [0011] 本發(fā)明實(shí)施例的第二方面，提供一種X光胸片圖像處理系統(tǒng)，所述系統(tǒng)包括： [0012] 位置信息獲取單元，用于獲取X光胸片中身體邊界的位置信息及脊柱的位置信 息；
[0013] 初始圖像獲取單元，用于根據(jù)所述位置信息獲取單元獲取的身體邊界的位置信 息，確定所述X光胸片中的身體區(qū)域，并通過預(yù)先創(chuàng)建的多個(gè)身體模板與所述身體區(qū)域進(jìn) 行相關(guān)性匹配，將相關(guān)性最高的身體模板外的圖像置為零以獲得初始圖像；
[0014] 肋骨圖像獲取單元，用于通過中值濾波閾值算法從所述初始圖像中提取肋骨圖 像；
[0015] 圖像劃分單元，用于根據(jù)所述脊柱的位置信息將所述肋骨圖像劃分為左右兩個(gè)部 分；
[0016] 肋骨位置確定單元，用于通過預(yù)先創(chuàng)建的多個(gè)左右肋骨模板分別與所述左右兩個(gè) 部分進(jìn)行相關(guān)性匹配以獲取相關(guān)性圖像，并對(duì)所述相關(guān)性圖像進(jìn)行劃分，獲得X光胸片中 左右肋骨的位置信息。
[0017] 本發(fā)明實(shí)施例與現(xiàn)有技術(shù)相比存在的有益效果是：本發(fā)明實(shí)施例通過中值濾波閾 值算法代替高斯曲面閾值算法，在圖像質(zhì)量較好時(shí)，肋骨分割效果接近于高斯曲面閾值算 法，在圖像質(zhì)量較差時(shí)，仍然能盡可能的獲取肋骨部分，提高了算法的普適性。在肋骨定位 上，通過創(chuàng)建的身體模板和肋骨模板進(jìn)行相關(guān)性匹配而不依賴于X光胸片圖像中肋骨的幾 何形狀及位置分布，根據(jù)圖像自身的信息調(diào)整模板的尺寸，提高了算法的魯棒性。通過相關(guān) 性匹配對(duì)肋骨進(jìn)行定位，與霍夫變換相比，大大減少了圖像的處理時(shí)間（約50秒)，實(shí)現(xiàn)了肋 骨的快速定位。

【專利附圖】

【附圖說明】
[0018] 為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述 中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些 實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些 附圖獲得其他的附圖。
[0019] 圖1是本發(fā)明一實(shí)施例提供的X光胸片圖像處理方法的流程示意圖；
[0020] 圖2是本發(fā)明一實(shí)施例提供的X光胸片中身體邊界的位置及脊柱位置的示例圖；
[0021] 圖3是本發(fā)明一實(shí)施例提供的身體模板的示例圖；
[0022] 圖4是本發(fā)明一實(shí)施例提供的身體模板匹配的示例圖；
[0023] 圖5是本發(fā)明一實(shí)施例提供的肋骨圖像的示例圖；
[0024] 圖6是本發(fā)明一實(shí)施例提供的肋骨模板的示例圖；
[0025] 圖7中的7a是本發(fā)明一實(shí)施例提供的左肋骨相關(guān)性圖像的示例圖，7b是本發(fā)明一 實(shí)施例提供的右肋骨相關(guān)性圖像的示例圖；
[0026] 圖8是本發(fā)明一實(shí)施例提供的第一次閾值分割后的肋骨匹配位置的示例圖；
[0027] 圖9是本發(fā)明一實(shí)施例提供的第二次閾值分割后的肋骨匹配位置的示例圖；
[0028] 圖10是本發(fā)明一實(shí)施例提供的肋骨最佳角度匹配的示例圖；
[0029] 圖11是本發(fā)明一實(shí)施例提供的肋骨區(qū)域劃分的示例圖；
[0030] 圖12中的12a是本發(fā)明一實(shí)施例提供的拍攝質(zhì)量較差的X光胸片圖像，圖12b是 本發(fā)明一實(shí)施例提供的高斯曲面閾值算法獲取的肋骨圖像，圖12c是本實(shí)施例中值濾波閾 值算法獲取的肋骨圖像；
[0031] 圖13是本發(fā)明另一實(shí)施例提供的X光胸片圖像處理系統(tǒng)的結(jié)構(gòu)示意圖。

【具體實(shí)施方式】
[0032] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)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。
[0033] 為了說明本發(fā)明所述的技術(shù)方案，下面通過具體實(shí)施例來進(jìn)行說明。
[0034] 圖1示出了本發(fā)明一實(shí)施例提供的X光胸片圖像處理方法的實(shí)現(xiàn)流程，該方法過 程詳述如下：
[0035] 在步驟S101中，獲取X光胸片中身體邊界的位置信息及脊柱的位置信息。
[0036] 示例性的，本實(shí)施例通過分水嶺算法對(duì)X光胸片中身體邊界及脊柱的位置進(jìn)行確 定。需要說明的是，本實(shí)施例之所以選擇分水嶺算法，是因?yàn)榉炙畮X算法的基本思想是將圖 像看作是測(cè)地學(xué)上的拓?fù)涞孛?，圖像中每一像素點(diǎn)的灰度值表示該點(diǎn)的海拔高度，每一個(gè) 局部極小值及其影響區(qū)域稱為集水盆，而集水盆的邊界則形成分水嶺，并將梯度幅值圖像 作為分水嶺算法的輸入圖像進(jìn)行分割?；诖?，本實(shí)施例將平滑后的圖像（15X15中值濾 波處理獲得的圖像）代替梯度幅值圖像作為分水嶺算法的輸入圖像（I s_th)，這樣處理的優(yōu) 點(diǎn)是降低了分水嶺算法的過分割現(xiàn)象，同時(shí)能夠得到X光胸片中較明顯的身體邊界及脊柱 的位置。
[0037] 分水嶺算法輸出的圖像中除了包含所需的身體邊界和脊柱位置外，還存在肋骨、 鎖骨等橫向骨骼的邊界干擾，本實(shí)施例還通過垂直方向上的開運(yùn)算來濾除橫向邊界的干 擾，只保留縱向的身體邊界及脊柱位置。提取縱向長(zhǎng)度最大的3個(gè)連通域，并根據(jù)重心位置 的橫坐標(biāo)判斷身體的左右邊界及脊柱位置，其重心的位置從左到右分別為身體左邊界、脊 柱和身體右邊界(如圖2所示)。
[0038] 在步驟S102中，根據(jù)所述身體邊界的位置信息，確定所述X光胸片中的身體區(qū)域， 并通過預(yù)先創(chuàng)建的多個(gè)身體模板與所述身體區(qū)域進(jìn)行相關(guān)性匹配，將相關(guān)性最高的身體模 板外的圖像置為零以獲得初始圖像。
[0039] 由于不同的人身體形狀不同，本實(shí)施例根據(jù)人的身體形狀(尤其是肩部的消瘦程 度）創(chuàng)建Μ (M為大于0的整數(shù)，優(yōu)選的M=3)個(gè)身體模板(如圖3所示)，并根據(jù)所述身體邊 界的位置信息計(jì)算得到肩部寬度，根據(jù)所述肩部寬度，將創(chuàng)建的所述Μ個(gè)身體模板通過縮 放的方式與所述身體區(qū)域進(jìn)行相關(guān)性匹配(如圖4所示)，獲得相關(guān)性最高的身體模板，并將 相關(guān)性最高的身體模板外的圖像置為零以獲得初始圖像。
[0040] 其中，所述相關(guān)性匹配計(jì)算公式為：
[0041]

【權(quán)利要求】
1. 一種X光胸片圖像處理方法，其特征在于，所述方法包括： 獲取X光胸片中身體邊界的位置信息及脊柱的位置信息； 根據(jù)所述身體邊界的位置信息，確定所述X光胸片中的身體區(qū)域，并通過預(yù)先創(chuàng)建的 多個(gè)身體模板與所述身體區(qū)域進(jìn)行相關(guān)性匹配，將相關(guān)性最高的身體模板外的圖像置為零 以獲得初始圖像； 通過中值濾波閾值算法從所述初始圖像中提取肋骨圖像； 根據(jù)所述脊柱的位置信息將所述肋骨圖像劃分為左右兩個(gè)部分； 通過預(yù)先創(chuàng)建的多個(gè)左右肋骨模板分別與所述左右兩個(gè)部分進(jìn)行相關(guān)性匹配以獲取 相關(guān)性圖像，并對(duì)所述相關(guān)性圖像進(jìn)行劃分，獲得X光胸片中左右肋骨的位置信息。
2. 如權(quán)利要求1所述的方法，其特征在于，所述相關(guān)性匹配計(jì)算公式為： f (x，y)。 其中，f (x, y)表示原圖像，w (x, y)表示匹配模板，F(xiàn)(u, v)表示f (x, y)的傅里葉變 換，H(u，v)表示w (x，y)的傅里葉變換，"。"表示相關(guān)性運(yùn)算，表示復(fù)共軛。
3. 如權(quán)利要求1所述的方法，其特征在于，所述通過中值濾波閾值算法從所述初始圖 像中提取肋骨圖像包括： 對(duì)所述初始圖像進(jìn)行小半徑中值濾波處理獲得平滑圖像； 對(duì)所述初始圖像進(jìn)行大半徑中值濾波處理，并將大半徑中值濾波處理后的圖像作為閾 值平面對(duì)所述平滑圖像進(jìn)行分割，獲得肋骨圖像； 根據(jù)預(yù)設(shè)閾值對(duì)所述肋骨圖像進(jìn)行二值化處理。
4. 如權(quán)利要求1所述的方法，其特征在于，所述通過預(yù)先創(chuàng)建的多個(gè)左右肋骨模板分 別與所述左右兩個(gè)部分進(jìn)行相關(guān)性匹配以獲取相關(guān)性圖像，并對(duì)所述相關(guān)性圖像進(jìn)行劃 分，獲得X光胸片中左右肋骨的位置信息包括： 將預(yù)先創(chuàng)建的多個(gè)左右肋骨模板通過縮放和/或旋轉(zhuǎn)的方式分別與所述左右兩個(gè)部 分進(jìn)行相關(guān)性匹配，獲得相關(guān)性圖像； 以相關(guān)系匹配過程中獲得的最大相關(guān)值的N倍為門限對(duì)所述相關(guān)性圖像進(jìn)行劃分，獲 得一個(gè)或多個(gè)肋骨匹配位置，所述N為大于零但小于1的常數(shù)； 以所述N倍為門限對(duì)所述一個(gè)或多個(gè)肋骨匹配位置進(jìn)行劃分以獲得分離后的每一個(gè) 肋骨的匹配位置。
5. 如權(quán)利要求4所述的方法，其特征在于，所述方法還包括： 通過以下公式獲取左右肋骨模板的最佳旋轉(zhuǎn)角度：
其中，X、Y為匹配得到的肋骨位置起始坐標(biāo)，K、L為權(quán)值，其中左肋骨K的取值范圍為 0. 8彡K彡1. 2的常數(shù)，L的取值范圍為0. 02彡L彡0. 03的常數(shù)；右肋骨K的取值范圍為 0. 8彡K彡1. 2的常數(shù)，L的取值范圍為0. 8彡L彡1. 2的常數(shù)。
6. 如權(quán)利要求1至5任一項(xiàng)所述的方法，其特征在于，所述方法還包括： 獲取相鄰肋骨模板匹配位置的中線，并根據(jù)所述中線，通過最小二乘法擬合出作為肋 骨區(qū)域分界線的二次曲線。
7. -種X光胸片圖像處理系統(tǒng)，其特征在于，所述系統(tǒng)包括： 位置信息獲取單元，用于獲取X光胸片中身體邊界的位置信息及脊柱的位置信息； 初始圖像獲取單元，用于根據(jù)所述位置信息獲取單元獲取的身體邊界的位置信息，確 定所述X光胸片中的身體區(qū)域，并通過預(yù)先創(chuàng)建的多個(gè)身體模板與所述身體區(qū)域進(jìn)行相關(guān) 性匹配，將相關(guān)性最高的身體模板外的圖像置為零以獲得初始圖像； 肋骨圖像獲取單元，用于通過中值濾波閾值算法從所述初始圖像中提取肋骨圖像； 圖像劃分單元，用于根據(jù)所述脊柱的位置信息將所述肋骨圖像劃分為左右兩個(gè)部分； 肋骨位置確定單元，用于通過預(yù)先創(chuàng)建的多個(gè)左右肋骨模板分別與所述左右兩個(gè)部分 進(jìn)行相關(guān)性匹配以獲取相關(guān)性圖像，并對(duì)所述相關(guān)性圖像進(jìn)行劃分，獲得X光胸片中左右 肋骨的位置信息。
8. 如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述相關(guān)性匹配計(jì)算公式為： f (X，y)。Μχ# ·? 汐 其中，f (x, y)表示原圖像，w (x, y)表示匹配模板，F(xiàn)(u, v)表示f (x, y)的傅里葉變 換，H(u，v)表示w (x，y)的傅里葉變換，"。"表示相關(guān)性運(yùn)算，表示復(fù)共軛。
9. 如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述肋骨圖像獲取單元包括： 平滑圖像獲取模塊，用于對(duì)所述初始圖像進(jìn)行小半徑中值濾波處理獲得平滑圖像； 肋骨圖像獲取模塊，用于對(duì)所述初始圖像進(jìn)行大半徑中值濾波處理，并將大半徑中值 濾波處理后的圖像作為閾值平面對(duì)所述平滑圖像進(jìn)行分割，獲得肋骨圖像； 二值化處理模塊，用于根據(jù)預(yù)設(shè)閾值對(duì)所述肋骨圖像進(jìn)行二值化處理。
10. 如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述肋骨位置確定單元包括： 相關(guān)性圖像獲取模塊，用于將預(yù)先創(chuàng)建的多個(gè)左右肋骨模板通過縮放和/或旋轉(zhuǎn)的方 式分別與所述左右兩個(gè)部分進(jìn)行相關(guān)性匹配，獲得相關(guān)性圖像； 第一位置確定模塊，用于以相關(guān)系匹配過程中獲得的最大相關(guān)值的N倍為門限對(duì)所述 相關(guān)性圖像進(jìn)行劃分，獲得一個(gè)或多個(gè)肋骨匹配位置，所述N為大于零但小于1的常數(shù)； 第二位置確定模塊，用于以所述N倍為門限對(duì)所述一個(gè)或多個(gè)肋骨匹配位置進(jìn)行劃分 以獲得分離后的每一個(gè)肋骨的匹配位置； 其中，通過以下公式獲取左右肋骨模板的最佳旋轉(zhuǎn)角度：
其中左肋骨K的取值范圍為0. 8彡K彡1. 2的常數(shù)，L的取值范圍為0. 02彡L彡0. 03 的常數(shù)；右肋骨K的取值范圍為0. 8彡K彡1. 2的常數(shù)，L的取值范圍為0. 8彡L彡1. 2的 常數(shù)。
11. 如權(quán)利要求7至10任一項(xiàng)所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括： 擬合單元，用于獲取相鄰肋骨模板匹配位置的中線，并根據(jù)所述中線，通過最小二乘法 擬合出作為肋骨區(qū)域分界線的二次曲線。
【文檔編號(hào)】G06T7/00GK104252708SQ201310269818
【公開日】2014年12月31日 申請(qǐng)日期:2013年6月28日 優(yōu)先權(quán)日:2013年6月28日
【發(fā)明者】胡慶茂, 李雪晨, 周壽軍 申請(qǐng)人:深圳先進(jìn)技術(shù)研究院