[发明专利]一种基于医学图像的器官组织轮廓线提取方法

说明书

技术领域

本发明涉及一种在医学图像中的器官组织轮廓中进行轮廓线提取的方法。

背景技术

最早提出的经典边缘检测方法大多从图像高频分量的增强出发，微分运算就成了边缘提取的主要方法。一阶微分算子采用梯度模的近似形式，包括RobertS算子、sobel算子、Prewitt算子、Laplacan算子以及Krish算子等，这些方法多是以将要处理像素为中心的邻域作为进行灰度分析的基础，实现对图像边缘的提取，并已经取得了较好的效果。但是这类方法也存在获得的边缘不连续、不封闭、像素宽、噪声干扰较严重等缺点。因此，这势必要求在对医学图像进行边缘提取时，设计出一种能够形成美观的边缘连续的封闭的噪声干扰比较小的方法。

由于微分运算在增强边缘的同时也会增强噪声，所以在微分运算之前需要用滤波降噪以减少噪声的影响，Marr和Hildreth提出LOG算法，利用高斯滤波器对图像进行平滑，使用各向同性的拉普拉斯算子进行求导，判定导数的零交叉点为边缘点。Johncanny提出Canny算子，并给出了边缘检测的三条准则。Canny算子也是一阶算子，实质是用一个准高斯函数做平滑运算，然后用带方向的一阶微分算子来定位导数最大值，其贡献在于给出了一种寻找最优算子的思路，即确立了最优准则。

在此背景下，本发明设计出一种形成美观的连续的封闭的噪声干扰比较小的边缘的方法，为医学图像的处理提供了帮助。

发明内容

本发明解决的技术问题是：降低了现有的医学图像中轮廓线提取的噪声干扰，同时绘制出美观的连续的轮廓线。

本发明的技术方案为：一种基于医学图像的器官组织轮廓线提取方法，包括以下三个步骤：

步骤(1)、L0梯度最小化进行光滑处理：L0梯度最小化算法通过限制邻域像素的强度变化的离散数量，在保留图像整体信息并且不影响整体精度的同时，通过增加陡度的过渡提高最突出的边缘，通过对输入图像进行处理进行L0梯度最小化光滑处理，增强整个图像的光滑度。

步骤(2)、边缘检测：图像的边缘检测，就是用离散化梯度逼近函数根据二维灰度矩阵梯度向量来寻找L0梯度最小化之后的图像的图像灰度矩阵的灰度跃变位置，然后将这些灰度跃变位置连接起来就形成了边缘，在图像的边缘图像中提取出了梯度变化比较大的点。

步骤(3)、二维散乱点自动生成算法：通过将边缘图像中的点集进行轮廓分组，然后对每一个轮廓的点集进行二维散乱点生成算法。通过点集的坐标生成没有叶子节点的欧几里得最小生成树，以此为基础生成不闭合的，轮廓长度最小化的满足格式塔原理的轮廓。最后，将每个轮廓的点集的处理结果显示在svg文件中得到整个图像的处理结果。

本发明的原理在于：

(1)在进行L0梯度最小化光滑处理时，我们用计算稀疏梯度数量的方法，通过限制强度变化点的周围的像素点的离散的数量来保持L0范数中的信息稀疏的追求。通过增强的边如果他们的结构清楚即使在低像素的图片或者细边缘也能很好的保持原图的边的特性。

(2)在进行边缘处理时，通过计算灰度矩阵的梯度向量，依靠离散化梯度逼近函数来找到图像中灰度矩阵的灰度跃变位置，然后将找到的这些位置用线连起来就构成了边缘。

(3)二维散乱点生成算法就是连接二维点生成美观的轮廓线，这些二维散乱点只给出了坐标信息。通过把对轮廓线的限制转化为一个遵循格式塔原理的问题，我们期望的轮廓Bmin是一个不相交的封闭的并且最小化边界长度的轮廓。算法的基础是没有叶子节点的欧几里得最小生成树BCmin。BCmin和Bmin能通过调整拓扑约束的参数近似表示。BCmin的近似的算法BC0能用一个贪婪算法快速的计算出来。BC0通过膨胀操作将度数大于2的点去除，在经过雕刻操作将内部度数等于0的点剔除掉就可以满足Bmin的拓扑和最小化需求，通过这两个步骤得到了最后结果Bout。通过大量的实验证明，Bout和Bmin是非常相似的。

本发明与现有技术相比的优点在于：

1、本发明使用的图像预处理技术，为接下来的轮廓线提取提供了很好的输入。

2、效率高：本发明中计算Bmin实际上是一个NP问题，然而计算Bout是线性时间此算法对那些有急剧变化的拐角处处理结果也非常好。

3、提取出的轮廓线对噪声干扰比较小。

附图说明

图1医学图像中的器官组织轮廓线提取方法的总体流程；

图2a：输入医学图像 b：L0梯度最小化光滑处理结果；

图3a：图像去噪结果 b：canny边缘检测结果；