[发明专利]一种面向虚拟人超大规模切片图像的序列化自动分割方法

说明书

本发明公开了一种面向虚拟人超大规模切片图像的序列化自动分割方法，S1：基于闭式解决算法对第一张虚拟人切片图像进行分割；S2：基于距离变换算法生成欲获取区域种子点；S3：根据上述获得的种子点采用S1中的方式对第二张虚拟人切片图像进行分割处理，将第二张获得的种子点对第三张虚拟人切片图像进行分割，如此循环完成最后一张图像的分割；S4：对于分割结束后的欲获取区域图片，按序叠加后获得虚拟人器官三维立体图像。本方法基于虚拟人超大规模序列化图片，自动分割其中感兴趣区域，为虚拟人后续研究提供素材和基础，在分割方法方面采用了应用于自然场景分割的闭式解决方法，分割结果更加精细，可获得精准的三维模型。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种面向虚拟人超大规模切片图像的序列化自动分割方法。

背景技术

在医学工程方面，关于虚拟人的研究促进了人类医学、生物科学事业的发展，并提供了方便而又强大的工具。目前中国的虚拟人可视化研究已经进入到人体器官组织的三维模型重建和理解阶段，庞大的数据集使得人工分割难以承受，虚拟人超大规模切片图像的序列化自动分割方法可以高质量，高精度，高速度，并对大数据集进行自动分割。为虚拟人的研究提供了基础材料。

现有技术中有采用人工手动分割提取图片，但是该方法工作量大，需要浪费大量的人力和时间；还有采用基于HIS颜色空间设置色度、亮度相似系数判定是否为同类像素来进行图像分割，但是该方法的缺陷是重于人工交互，要求实施者的经验高，不同实施者可能得到不同分割结果，标准不统一。另外还有一种方法是把人工标定的种子点作为起点，向周围生长，判定的与当前像素同类的像素点则添加到欲获取区域中，以获得分割区域，但是在实际分割过程中分割算法复杂度较高，难以编程实现，分割时消耗时间和内存大。

发明内容

根据现有技术存在的问题，本发明公开了一种面向虚拟人超大规模切片图像的序列化自动分割方法包括以下步骤:

S1：基于闭式解决算法对第一张虚拟人切片图像进行分割：根据欲获取区域中手动选择的多个种子点坐标集合采用闭式解决算法获得不透明度蒙版，将不透明度蒙版与序列化图像按照像素进行融合后获得仅有欲获取区域的图片；

S2：基于距离变换算法生成欲获取区域种子点：将S1中获得的不透明度蒙版用距离变换算法进行处理，在处理得到的图片中寻找局部最大值，将最大值所在位置作为种子点；

S3：根据上述获得的种子点采用S1中的方式对第二张虚拟人切片图像进行分割处理，将第二张获得的种子点对第三张虚拟人切片图像进行分割，如此循环完成最后一张虚拟人切片图像的分割；

S4：对于分割结束后的欲获取区域图片，按序叠加后获得虚拟人器官三维立体图像，供医学研究。

S1具体采用如下方式：

S11：输入虚拟人序列化图片，在第一张图片的欲获取区域上选取多个种子点，遍历整张图片，将种子点置1，其余点置为0，获得二值矩阵；

S12：建立第一矩阵，矩阵元素为RGB分量，记录除图像边缘外的像素及其邻域的RGB信息，计算该矩阵中所有像素点每个颜色分量的平均值，用邻域像素的每个颜色空间分量与当前像素点的颜色分量做乘积后减去平均值，得到第二矩阵；

其中T₁：

T₂：

其中W₁为第一矩阵，W₂为第二矩阵，ε取值10^-7—10^-5，n²为第一矩阵的大小，T₂是中间变量，ε是调节抠图平滑度的参数；