[发明专利]一种用于医学图像的拼接方法

说明书

本发明公开一种用于医学图像的拼接方法，包括步骤(1)对待拼接图像作预处理；(2)对预处理后的图像进行特征提取，即从图像中提取灰度变化明显的点、线、区域特征形成特征集；(3)将特征提取后的图像进行特征匹配得到拼接图；(4)判断图像拼接是否成功；(5)将成功拼接后的图像进行边界平滑处理得到最终的拼接图。本发明可以有效解决因为区域相似度高、空白区域多等引起的拼接问题，有比较高的健壮性和鲁棒性，拼接结果更加可靠，成功率高，普适性强。

技术领域

本发明涉及图像拼接领域，具体涉及一种用于医学图像的拼接方法。

背景技术

图像拼接是图像处理中一种常见的处理方式，也是研究的热点之一。图像拼接解决的问题一般是：通过对齐一系列空间重叠的图像，构成一个无缝的、清晰的图像，它具有比单个图像更高的分辨率和更大的视野。医学图像特别是数字病理切片中，由于显微成像视野小，常常会遇到需要拼接的情况。现阶段常用的拼接算法是基于区域的拼接算法。由于医学图像的特殊性，如区域相似度较高，空白区域过多等问题，普通的图像拼接方法会造成图像拼缝设置拼错，普适性不高。

发明内容

为解决上述问题，本发明提供一种适用于医学的、拼接效果好、结果可靠的图像拼接方法。

本发明的技术方案是：一种用于医学图像的拼接方法，包括以下步骤：

S1：对待拼接图像作预处理；

S2：对预处理后的图像进行特征提取，即从图像中提取灰度变化明显的点、线、区域特征形成特征集；

S3：将特征提取后的图像进行特征匹配得到拼接图；

S4：判断图像拼接是否成功；

S5：将成功拼接后的图像进行边界平滑处理得到最终的拼接图。

进一步地，步骤S1的图像预处理包括图像校正和噪声抑制。

进一步地，步骤S2特征提取采用canny算子，将预处理后的图像作canny边缘识别作为匹配特征。

进一步地，canny边缘识别具体包括以下步骤：

S2.1：使用模板和对预处理后的图像进行卷积运算，获得在边缘位置处特征被加强的图像；

S2.2：对步骤S2.1得到的图像进行非极大值抑制，得到边缘特征图。

进一步地，非极大值抑制的具体作法是：设定双线性阈值T_min和T_max，使大于T_max的为强边缘，小于T_max但大于T_min的为弱边缘，小于T_min的去掉，以此连接边缘，得到最后的边缘特征图。

进一步地，步骤S3采用距离变换算法进行特征匹配。

进一步地，距离变换算法具体包括以下步骤：

S3.1：在一张特征提取后的图像上取一小块作为模板块，记为M(x，y)，M(x，y)表示模板块内像素坐标为(x，y)处的灰度值；

S3.2：在另一需匹配的特征提取后的图像上取相同大小的匹配块，记为M_C(x，y)，M_C(x，y)表示匹配块内像素坐标为(x，y)处的灰度值；

S3.3：移动匹配块M_C(x，y)，分别计算匹配块M_C(x，y)在不同位置时，与模板块M(x，y)的距离该式的作用是计算模板块和匹配块所有对应点的灰度差绝对值的和，式中i、j分别表示x、y坐标，X、Y表示x、y坐标的最大值，即匹配块的长和宽；

S3.4：判断距离D的大小，D最小的位置为拼接差异最小处。