醫學圖像增強方法和設備的制作方法
【專利摘要】本發明提供一種醫學圖像增強方法和設備，該方法包括：獲得輸入圖像，所述輸入圖像中包括病變特征區域和背景結構區域，所述病變特征區域的屬性特征包括形狀、紋理和輪廓，采用傅里葉變換算法，對輸入圖像進行形狀的相似變換和旋轉變換，以對輸入圖像的形狀屬性進行增強；對經過形狀相似變換和旋轉變換后的輸入圖像進行平滑濾波處理，以抑制輸入圖像中的噪聲成分，并平滑輸入圖像中背景結構區域的特征細節，以便增強病變特征區域；對經過所述平滑濾波處理后的輸入圖像進行小波變換處理，進一步選擇性增強輸入圖像中的病變特征區域，凸顯病變特征區域，提高圖像對比度，從而有利于提高醫生診斷準確性。
【專利說明】醫學圖像增強方法和設備
【技術領域】
[0001]本發明屬于圖像處理【技術領域】，具體是涉及一種醫學圖像增強方法和設備。
【背景技術】
[0002]乳腺癌是女性較為常見的一種婦科病，嚴重威脅著女性的健康。隨著醫學成像技術的發展，醫學圖像已經成為臨床診斷、病理分析及治療的重要依據，其中X線以其空間分辨率高、對腫塊和鈣化較為敏感等優點，已經成為乳腺癌診斷中一種廣泛使用的手段。
[0003]但是目前，使用乳腺X線圖像進行診斷時仍有較高的誤診率，主要是因為較差的圖像質量，比如特征區域即病變區域與周圍組織結構背景間的對比度較弱，特征區域形狀多變、邊界模糊等。已經使用的圖像增強方法比如直方圖均衡化方法，基于直方圖統計結果來計算灰度轉換函數，經過直方圖均衡處理后，圖像的直方圖變換為均勻分布的直方圖，以獲得最大信息量，它只能得到全局均衡化的處理結果，無法實現細節和邊緣增強效果。再如反銳化方法，通過對原始圖像特定局部區域進行反銳化處理，以達到增強其邊緣和細節信息的效果。但是由于沒有充分考慮圖像中特征區域與周圍組織結構的對比度，在低對比度時增強效果不理想。
[0004]上述現有方法中，無法將病變特征區域從醫學圖像凸顯出來以便于診斷，使得圖像質量不高，從而影響醫生診斷的準確性。

【發明內容】

[0005]針對現有技術中存在的問題，本發明提供一種醫學圖像增強方法和設備，以實現凸顯病變特征區域，提高圖像對比度，從而提高醫生診斷準確性的目的。
[0006]本發明提供了一種醫學圖像增強方法，包括:
[0007]獲得輸入圖像，所述輸入圖像中包括病變特征區域和背景結構區域，所述病變特征區域的屬性特征包括形狀、紋理和輪廓；
[0008]采用傅里葉變換算法，對所述輸入圖像進行形狀的相似變換和旋轉變換；
[0009]對經過所述形狀相似變換后的輸入圖像進行平滑濾波處理；
[0010]對經過所述平滑濾波處理后的輸入圖像進行小波變換處理；
[0011 ] 輸出經過所述小波變換處理后的輸入圖像。
[0012]本發明提供了一種醫學圖像增強設備，包括:
[0013]獲取模塊，用于獲得輸入圖像，所述輸入圖像中包括病變特征區域和背景結構區域，所述病變特征區域的屬性特征包括形狀、紋理和輪廓；
[0014]傅里葉變換模塊，用于采用傅里葉變換算法，對所述輸入圖像進行形狀的相似變換和旋轉變換；
[0015]平滑濾波模塊，用于對經過所述形狀相似變換后的輸入圖像進行平滑濾波處理；
[0016]小波變換模塊，用于對經過所述平滑濾波處理后的輸入圖像進行小波變換處理；
[0017]輸出模塊，用于輸出經過所述小波變換處理后的輸入圖像。[0018]本發明提供的醫學圖像增強方法和設備，采用傅里葉變換算法，對輸入圖像進行形狀的相似變換和旋轉變換，以對輸入圖像的形狀屬性進行增強；對經過形狀相似變換和旋轉變換后的輸入圖像進行平滑濾波處理，以抑制輸入圖像中的噪聲成分，并平滑輸入圖像中背景結構區域的特征細節，以便增強病變特征區域；對經過所述平滑濾波處理后的輸入圖像進行小波變換處理，進一步選擇性增強輸入圖像中的病變特征區域，凸顯病變特征區域，提高圖像對比度，從而有利于提高醫生診斷準確性。
【專利附圖】

【附圖說明】
[0019]圖1為本發明醫學圖像增強方法實施例一的流程圖；
[0020]圖2為本發明醫學圖像增強方法實施例二的流程圖；
[0021]圖3為本發明醫學圖像增強設備實施例一的結構示意圖；
[0022]圖4為本發明醫學圖像增強設備實施例二的結構示意圖。
【具體實施方式】
[0023]圖1為本發明醫學圖像增強方法實施例一的流程圖，如圖1所示，該方法包括:
[0024]步驟101、獲得輸入圖像，所述輸入圖像中包括病變特征區域和背景結構區域，所述病變特征區域的屬性特征包括形狀、紋理和輪廓；
[0025]本實施例中，輸入圖像即為原始拍攝獲得的圖像，對于患有乳腺疾病的病人，該輸入圖像中既包含有病變特征的影像區域，又包含有在病變區域周圍的正常組織結構，這些組織結構影像相當于病變影像的背景，對疾病的診斷具有不利影響。對于乳腺疾病而言，在輸入圖像中存在病變特征區域，該病變特征區域中的特征點，即病理特征一般體現為腫塊和微鈣化簇。而對于這些特征點，或者說病變特征區域一般從形狀、紋理和輪廓這些屬性上進行描述與診斷。
[0026]步驟102、采用傅里葉變換算法，對所述輸入圖像進行形狀的相似變換和旋轉變換；
[0027]具體地，對輸入圖像首相采用傅里葉變化算法，針對形狀屬性對其進行形狀相似變換和旋轉變換，以適應紋理、輪廓的任意取向，即不對紋理和輪廓產生影響。
[0028]步驟103、對經過所述形狀相似變換和旋轉變換后的輸入圖像進行平滑濾波處理；
[0029]之后，對輸入圖像進一步進行平滑濾波處理，以平滑輸入圖像中的背景結構區域的細節信息。
[0030]在實際應用中，可以采用自適應多級非線性濾波器來對輸入圖像進行平滑濾波處理。
[0031]步驟104、對經過所述平滑濾波處理后的輸入圖像進行小波變換處理，以增強所述病變特征區域；
[0032]步驟105、輸出經過所述小波變換處理后的輸入圖像。
[0033]本實施例中，對于經過平滑濾波處理后的輸入圖像，采用小波變換的方法對其進行增強處理。由于小波變換處理是一種多尺度下對輸入圖像進行的局部變換，因此，基于小波變換可以對輸入圖像進行分割處理，以對病變特征區域進行增強，從而使得病變特征區域得以凸顯，以便提取出包含于病變特征區域中的病理特征，比如腫塊、鈣化點情形。
[0034]最后，將小波變換后的輸入圖像輸出，以作為醫生診斷的依據。
[0035]本實施例中，采用傅里葉變換算法，對輸入圖像進行形狀的相似變換和旋轉變換，以對輸入圖像的形狀屬性進行增強；對經過形狀相似變換和旋轉變換后的輸入圖像進行平滑濾波處理，以抑制輸入圖像中的噪聲成分，并平滑輸入圖像中背景結構區域的特征細節，以便增強病變特征區域；對經過所述平滑濾波處理后的輸入圖像進行小波變換處理，進一步選擇性增強輸入圖像中的病變特征區域，凸顯病變特征區域，提高圖像對比度，從而有利于提聞醫生診斷準確性。
[0036]圖2為本發明醫學圖像增強方法實施例二的流程圖，如圖2所示，該方法包括:
[0037]步驟201、獲得輸入圖像，所述輸入圖像中包括病變特征區域和背景結構區域，所述病變特征區域的屬性特征包括形狀、紋理和輪廓；
[0038]步驟202、采用傅里葉變換算法，對所述輸入圖像進行形狀的相似變換和旋轉變換；
[0039]步驟203、對經過所述形狀相似變換和旋轉變換后的輸入圖像進行平滑濾波處理；
[0040]步驟204、以第一權重系數乘以經過所述平滑濾波處理后的輸入圖像，以整體增強經過所述平滑濾波處理后的輸入圖像；
[0041 ] 本實施例中，在對輸入圖像進行平滑濾波處理之后，并行進行以下兩種處理過程:一是對平滑濾波后的輸入圖像整體上進行增強，即乘以第一權重系數；一是對平滑濾波后的輸入圖像進行小波變換處理，以對輸入圖像進行分割，從而對病變特征區域有針對性地進行增強。
[0042]步驟205、確定經過所述平滑濾波處理后的輸入圖像中的病變特征區域和背景結構區域；
[0043]步驟206、采用小波變換算法，根據確定的病變特征區域和背景結構區域對所述經過所述平滑濾波處理后的輸入圖像進行分割處理，得到與所述確定的病變特征區域對應的第一子輸入圖像和與所述確定的背景結構區域對應的第二子輸入圖像；
[0044]步驟207、采用小波逆變換算法，分別對所述第一子輸入圖像和所述第二子輸入圖像進行重構處理；
[0045]步驟208、對經過所述重構處理后的第一子輸入圖像和第二子輸入圖像進行疊加；
[0046]本實施例中，對平滑濾波后的輸入圖像進行小波變換處理，具體來說，首先需確定經過所述平滑濾波處理后的輸入圖像中的病變特征區域和背景結構區域，由于平滑濾波處理后已經對背景結構區域進行了平滑，可以容易地確定出輸入圖像中的病變特征區域和背景結構區域。進而，采用小波變換算法，根據確定的病變特征區域和背景結構區域對所述經過所述平滑濾波處理后的輸入圖像進行分割處理，得到與所述確定的病變特征區域對應的第一子輸入圖像和與所述確定的背景結構區域對應的第二子輸入圖像。
[0047]本實施例中，可以根據實際使用需求，僅在宏觀上對病變特征區域和背景結構區域進行分割，也可以進行更細層次的分割。
[0048]進而，采用小波逆變換算法，分別對所述第一子輸入圖像和所述第二子輸入圖像進行重構處理。通過分割和重構處理過程，輸入圖像的病變特征區域和背景結構區域明顯的區分開來。之后，對經過所述重構處理后的第一子輸入圖像和第二子輸入圖像進行疊加，具體來說，以第二權重系數乘以經過所述重構處理后的第一子輸入圖像，以第三權重系數乘以經過所述重構處理后的第二子輸入圖像；以乘以所述第二權重系數后的第一子輸入圖像減去乘以所述第三權重系數后的第二子輸入圖像。
[0049]進一步地，所述根據確定的病變特征區域和背景結構區域對所述經過所述平滑濾波處理后的輸入圖像進行分割處理，得到與所述確定的病變特征區域對應的第一子輸入圖像和與所述確定的背景結構區域對應的第二子輸入圖像之后，還包括:
[0050]根據不同病理特征，對與所述確定的病變特征區域對應的第一子輸入圖像進行分類劃分。
[0051]本實施例中，還可以根據病理特征的不同，比如腫瘤特征、鈣化點特征、腫塊大小等，對病變特征區域進行進一步的分類劃分，相應的，重構的過程針對分類后的各子特征區域，從而使得病變特征區域體現的病變特征更加明顯。
[0052]步驟209、將經過所述小波變換處理后的輸入圖像與乘以所述第一權重系數的輸入圖像置加；
[0053]步驟210、對疊加后的輸入圖像進行線性放大；
[0054]步驟211、輸出經過所述線性放大后的輸入圖像。
[0055]最后，將小波變換重構疊加后的輸入圖像與平滑濾波后的輸入圖像進行疊加，并線性放大，得到輸出圖像。
[0056]本實施例中，采用傅里葉變換算法，對輸入圖像進行形狀的相似變換和旋轉變換，以對輸入圖像的形狀屬性進行增強；對經過形狀相似變換和旋轉變換后的輸入圖像進行平滑濾波處理，以抑制輸入圖像中的噪聲成分，并平滑輸入圖像中背景結構區域的特征細節，以便增強病變特征區域；對經過所述平滑濾波處理后的輸入圖像進行分割、分類、重構的小波變換處理，通過合理地選擇各權重系數，可以選擇性增強輸入圖像中的病變特征區域，凸顯病變特征區域，提高圖像對比度，從而有利于提高醫生診斷準確性。
[0057]圖3為本發明醫學圖像增強設備實施例一的結構示意圖，如圖3所示，該設備包括:
[0058]獲取模塊11，用于獲得輸入圖像，所述輸入圖像中包括病變特征區域和背景結構區域，所述病變特征區域的屬性特征包括形狀、紋理和輪廓；
[0059]傅里葉變換模塊12，用于采用傅里葉變換算法，對所述輸入圖像進行形狀的相似變換和旋轉變換；
[0060]平滑濾波模塊13，用于對經過所述形狀相似變換后的輸入圖像進行平滑濾波處理；
[0061]小波變換模塊14，用于對經過所述平滑濾波處理后的輸入圖像進行小波變換處理；
[0062]輸出模塊15,用于輸出經過所述小波變換處理后的輸入圖像。
[0063]本實施例的設備可以用于執行圖1所示方法實施例的技術方案，其實現原理和技術效果類似，此處不再贅述。
[0064]圖4為本發明醫學圖像增強設備實施例二的結構示意圖，如圖4所示，該設備在圖3所示實施例的基礎上,還包括:
[0065]計算模塊21，用于以第一權重系數乘以經過所述平滑濾波處理后的輸入圖像，以整體增強經過所述平滑濾波處理后的輸入圖像；
[0066]相應的，所述輸出模塊15，包括:
[0067]第一疊加單元151，用于將經過所述小波變換處理后的輸入圖像與乘以所述第一權重系數的輸入圖像疊加；
[0068]線性放大單元152，用于對疊加后的輸入圖像進行線性放大；
[0069]輸出單元153，用于輸出經過所述線性放大后的輸入圖像。
[0070]進一步地，所述小波變換模塊14，包括:
[0071]確定單元141，用于確定經過所述平滑濾波處理后的輸入圖像中的病變特征區域和背景結構區域；
[0072]分割單元142，用于采用小波變換算法，根據確定的病變特征區域和背景結構區域對所述經過所述平滑濾波處理后的輸入圖像進行分割處理，得到與所述確定的病變特征區域對應的第一子輸入圖像和與所述確定的背景結構區域對應的第二子輸入圖像；
[0073]重構單元143，用于采用小波逆變換算法，分別對所述第一子輸入圖像和所述第二子輸入圖像進行重構處理；
[0074]第二疊加單元144，用于對經過所述重構處理后的第一子輸入圖像和第二子輸入圖像進行疊加。
[0075]具體地，所述第二疊加單元144，具體用于:
[0076]以第二權重系數乘以經過所述重構處理后的第一子輸入圖像，以第三權重系數乘以經過所述重構處理后的第二子輸入圖像；
[0077]以乘以所述第二權重系數后的第一子輸入圖像減去乘以所述第三權重系數后的第二子輸入圖像。
[0078]進一步地，所述小波變換模塊14還包括:
[0079]分類單元145，用于根據不同病理特征，對與所述確定的病變特征區域對應的第一子輸入圖像進行分類劃分。
[0080]本實施例的設備可以用于執行圖2所示方法實施例的技術方案，其實現原理和技術效果類似，此處不再贅述。
[0081]本領域普通技術人員可以理解:實現上述方法實施例的全部或部分步驟可以通過程序指令相關的硬件來完成，前述的程序可以存儲于一計算機可讀取存儲介質中，該程序在執行時，執行包括上述方法實施例的步驟；而前述的存儲介質包括:R0M、RAM、磁碟或者光盤等各種可以存儲程序代碼的介質。
[0082]最后應說明的是:以上各實施例僅用以說明本發明的技術方案，而非對其限制；盡管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解:其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發明各實施例技術方案的范圍。
【權利要求】
1.一種醫學圖像增強方法，其特征在于，包括: 獲得輸入圖像，所述輸入圖像中包括病變特征區域和背景結構區域，所述病變特征區域的屬性特征包括形狀、紋理和輪廓； 采用傅里葉變換算法，對所述輸入圖像進行形狀的相似變換和旋轉變換； 對經過所述形狀相似變換和旋轉變換后的輸入圖像進行平滑濾波處理； 對經過所述平滑濾波處理后的輸入圖像進行小波變換處理，以增強所述病變特征區域； 輸出經過所述小波變換處理后的輸入圖像。
2.根據權利要求1所述的方法，其特征在于，所述對經過所述平滑濾波處理后的輸入圖像進行小波變換處理之前，還包括: 以第一權重系數乘以經過所述平滑濾波處理后的輸入圖像，以整體增強經過所述平滑濾波處理后的輸入圖像； 相應的，所述輸出經過所述小波變換處理后的輸入圖像，包括: 將經過所述小波變換處理后的輸入圖像與乘以所述第一權重系數的輸入圖像疊加； 對疊加后的輸入圖像進行線性放大； 輸出經過所述線性放大后的輸入圖像。
3.根據權利要求2所`述的方法，其特征在于，所述對經過所述平滑濾波處理后的輸入圖像進行小波變換處理，包括: 確定經過所述平滑濾波處理后的輸入圖像中的病變特征區域和背景結構區域； 采用小波變換算法，根據確定的病變特征區域和背景結構區域對所述經過所述平滑濾波處理后的輸入圖像進行分割處理，得到與所述確定的病變特征區域對應的第一子輸入圖像和與所述確定的背景結構區域對應的第二子輸入圖像； 采用小波逆變換算法，分別對所述第一子輸入圖像和所述第二子輸入圖像進行重構處理； 對經過所述重構處理后的第一子輸入圖像和第二子輸入圖像進行疊加。
4.根據權利要求3所述的方法，其特征在于，所述對經過所述重構處理后的第一子輸入圖像和第二子輸入圖像進行疊加，包括: 以第二權重系數乘以經過所述重構處理后的第一子輸入圖像，以第三權重系數乘以經過所述重構處理后的第二子輸入圖像； 以乘以所述第二權重系數后的第一子輸入圖像減去乘以所述第三權重系數后的第二子輸入圖像。
5.根據權利要求3或4所述的方法，其特征在于，所述根據確定的病變特征區域和背景結構區域對所述經過所述平滑濾波處理后的輸入圖像進行分割處理，得到與所述確定的病變特征區域對應的第一子輸入圖像和與所述確定的背景結構區域對應的第二子輸入圖像之后，還包括: 根據不同病理特征，對與所述確定的病變特征區域對應的第一子輸入圖像進行分類劃分。
6.一種醫學圖像增強設備，其特征在于，包括: 獲取模塊，用于獲得輸入圖像，所述輸入圖像中包括病變特征區域和背景結構區域，所述病變特征區域的屬性特征包括形狀、紋理和輪廓； 傅里葉變換模塊，用于采用傅里葉變換算法，對所述輸入圖像進行形狀的相似變換和旋轉變換； 平滑濾波模塊，用于對經過所述形狀相似變換后的輸入圖像進行平滑濾波處理； 小波變換模塊，用于對經過所述平滑濾波處理后的輸入圖像進行小波變換處理； 輸出模塊，用于輸出經過所述小波變換處理后的輸入圖像。
7.根據權利要求6所述的設備，其特征在于，還包括: 計算模塊，用于以第一權重系數乘以經過所述平滑濾波處理后的輸入圖像，以整體增強經過所述平滑濾波處理后的輸入圖像； 相應的，所述輸出模塊，包括: 第一疊加單元，用于將經過所述小波變換處理后的輸入圖像與乘以所述第一權重系數的輸入圖像疊加； 線性放大單元，用于對疊加后的輸入圖像進行線性放大； 輸出單元，用于輸出經過所述線性放大后的輸入圖像。
8.根據權利要求7所述的設備，其特征在于，所述小波變換模塊，包括: 確定單元，用于確定經過所述平滑濾波處理后的輸入圖像中的病變特征區域和背景結構區域；` 分割單元，用于采用小波變換算法，根據確定的病變特征區域和背景結構區域對所述經過所述平滑濾波處理后的輸入圖像進行分割處理，得到與所述確定的病變特征區域對應的第一子輸入圖像和與所述確定的背景結構區域對應的第二子輸入圖像； 重構單元，用于采用小波逆變換算法，分別對所述第一子輸入圖像和所述第二子輸入圖像進行重構處理； 第二疊加單元，用于對經過所述重構處理后的第一子輸入圖像和第二子輸入圖像進行置加。
9.根據權利要求8所述的設備，其特征在于，所述第二疊加單元，具體用于: 以第二權重系數乘以經過所述重構處理后的第一子輸入圖像，以第三權重系數乘以經過所述重構處理后的第二子輸入圖像； 以乘以所述第二權重系數后的第一子輸入圖像減去乘以所述第三權重系數后的第二子輸入圖像。
10.根據權利要求8或9所述的設備，其特征在于，所示小波變換模塊，還包括: 分類單元，用于根據不同病理特征，對與所述確定的病變特征區域對應的第一子輸入圖像進行分類劃分。
【文檔編號】A61B6/00GK103824265SQ201410081927
【公開日】2014年5月28日 申請日期:2014年3月7日 優先權日:2014年3月7日
【發明者】宋曉東, 陳迺迪, 錢唯, 劉遠明 申請人:杭州千思科技有限公司