[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

摘要

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。

主权项

1.一种面向虚拟人超大规模切片图像的序列化自动分割方法，其特征在于：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该像素邻域的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；S13：对第二矩阵进行矩阵求逆，用第一矩阵左乘该逆矩阵，并用该结果再左乘第一矩阵，从而得到第三矩阵，通过行列对应，查重后得到稀疏矩阵；以下为稀疏矩阵的获得过程：第一矩阵内每一个像素在整个图片中的编号存储在一个第四矩阵中其中W₄为第四矩阵，no为第一矩阵内每一个像素在整个图片中的编号，w为图片的宽度，n为第一矩阵的行数和列数：建立m×1大小矩阵的第五矩阵：W₅[k]＝W₄[(k‑len)％n²]；建立m×1大小矩阵的第六矩阵：W₆[k]＝W₄[(k‑len)/n²]；建立m×1大小矩阵的第七矩阵：W₇[k]＝W₃[(k‑len)％n²][(k‑len)/n²]；其中m为图像中除了边缘像素以外的像素个数即第一矩阵的个数*第三矩阵的行数*第三矩阵的列数，W₅为第五矩阵，W₆为第六矩阵，W₇为第七矩阵，k为矩阵元素，len为第一矩阵对应的像素点之前的像素点个数*第三矩阵大小；通过第五矩阵，第六矩阵，第七矩阵建立稀疏矩阵,第七矩阵中任何零元素将被忽略,第七矩阵中在第五矩阵和第六矩阵处的重复值将被叠加；S14：将稀疏矩阵每行相加到对角线元素处，并把S11得到的二值矩阵中非零值对应的元素乘以设定的阈值加到该矩阵对角线元素处后得到系数矩阵A；W₈为稀疏矩阵，W₉为S11得到的二值矩阵，n为矩阵的行数或列数，λ为阈值；S15：设方程Aδ＝b，其中A为上一步中得到的系数矩阵，δ是要求的不透明度蒙版，b是S11中得到的二值矩阵按列排列成的1维向量，求解方程得到不透明度蒙版；S16：将上一步获得的不透明度蒙版与原图片对应像素相乘，获得欲获取区域。