[发明专利]一种基于数学形态学的医学图像的分割算法

摘要

本发明公开了医学图像处理技术领域的一种基于数学形态学的医学图像的分割算法，其特征在于：该基于数学形态学的医学图像的分割算法包括如下步骤：S1：医学图像形态重建；S2：多尺度医学图像形态梯度计算；S3：医学图像形态梯度修正；S4：医学图像分水岭变换及区域合并，该种基于数学形态学的医学图像的分割算法，设计合理，实用性强，能够有效的除去噪音图像分隔的干扰，而且可以消除过分隔区域，同时具有很强的区域轮廓定位能力，大大提高了图像分割效果，使得医生或者医学研究人员对医学图像上显示的器官和组织的更好的辨认。

主权项

1.一种基于数学形态学的医学图像的分割算法，其特征在于：该基于数学形态学的医学图像的分割算法包括如下步骤：S1：医学图像形态重建：首先对医学图像进行一次开重建，具体公式为：(Y～N(f)＝Y(rec)(YN(f)，f))，当对医学图像开重建完成后，再对开重建后的医学图像进行一次闭重建，具体公式为(T～N(f)＝Y(rec)(TN(f)，f))，式中Y，T分别表示形态学中的开运算和闭运算，f表示要重建的图像，(rce)表示重建运算，N表示运算使用的结构元素的尺寸；S2：多尺度医学图像形态梯度计算：假设B_i(0≤i≤n)为一组正方形的结构元素，B_i的大小为(2i+1)×(2i+1)个像素点，则多尺度梯度的计算公式为式中f为原始图像，n为运算使用的结构元素的尺寸；S3：医学图像形态梯度修正：假设梯度等级为l时，相应的结构半径r(l)为：0≤l≤max(l),0<a<1，式中r₀为最大半径，max(l)为梯度最大值，a为调节因子，设对应的层面经修正后转变为g_l'，则：g′_l＝T(l,r(l)),0≤l≤max(l)，将每一层面的输出进行合并，即确定修正后的梯度g'：S4：医学图像分水岭变换及区域合并：首先把分水岭分割算法获得的区域使用区域相邻图像表示，其次采用相邻边缘强度信息进行区域合并，相邻边缘强度的定义为：扫描相邻区域间的边缘像素,如果其梯度值高于预设的阈值D1,则令其为强边缘像素,区域间的强边缘像素占相邻边缘像素的比例称为相邻边缘强度，合并算法为：1)设定一个区域面积的阈值Dsize,扫描所有区域,记录区域面积小于Dsize的区域,从面积最小的区域Ri(结点ni)开始，①在Ri的所有相邻区域中,找出与其相邻边缘强度最小的区域Rj(结点nj)；②合并Ri和Rj区域，更新区域相邻图；2)重复步骤1),直到没有区域面积小于Dsize。