用于骨骼表面提取与自动分割的图像处理方法与系统与流程

1.本发明涉及一种医疗图像处理技术，尤其是涉及一种用于骨骼表面提取与自动分割的图像处理方法与系统。


背景技术：

2.计算机辅助手术导航系统被广泛应用于各种手术中，目的是提高手术的准确性和精确度。这些手术需要对手术区域进行分割。分割包括对手术操作感兴趣的区域进行数字提取，对于专家来说可谓是一个乏味的过程。
3.为了加快这一过程，需要对要操作的区域进行自动分割，然后由专家修复检测到的故障。


技术实现要素：

4.为解决上述问题，本发明的目的在于提供一种用于骨骼表面提取与自动分割的图像处理方法与系统，能够用以辅助对手术区域的图像进行自动分割，实现对手术操作感兴趣的区域的自动数字提取，完成对要操作的区域的自动分割。
5.根据本发明的一方面，提供一种用于骨骼表面提取与自动分割的图像处理方法，用以基于骼骨图像执行骨骼表面的自动分割，其中包括以下步骤：步骤s01：对所述骨骼图像应用高斯平滑滤波处理以减少噪声并突出显示边缘；步骤s02：应用top-hat过滤处理以突出显示图像轮廓周围的区域；步骤s03：应用基于otsu阈值的分割方法以提取骨骼边缘；步骤s04：从使用otsu阈值的分割结果创建标记图像；和步骤s05：应用基于标记的分水岭过滤处理。
6.优选地，在步骤s02中，使用用以输出作为原图像与经过开运算结果的差值图的白色top-hat变换。
7.优选地，在步骤s03中，可根据像素强度对输入图像分类，将图像分成对应于骨骼表面外侧的背景和对应于骨骼部分的前景两部分。
8.优选地，在步骤s04中，可对输入图像中的极小值设置标记图像并赋予一个标签，用以标记最小值所在位置。
9.优选地，可将标记图像和最小值所在图片进行重合，从而找到最小值所在的点，然后确定以这个点为中心的周围边界。
10.根据本发明的另一方面，提供一种用于骨骼表面提取与自动分割的图像处理系统，用以基于骨骼图像执行骨骼表面的自动分割，其包括以下单元：高斯平滑滤波器，构成为对骨骼图像应用高斯平滑滤波处理以减少噪声并突出显示边缘；top-hat变换滤波器，构成为应用top-hat过滤处理以突出显示图像轮廓周围的区域；otsu阈值过滤器，构成为应用基于otsu阈值的分割方法从而提取骨骼边缘；和分水岭过滤器，构成为从使用otsu阈值的分割结果创建标记图像并应用基于标记的分水岭过滤处理。
11.根据本发明的还一方面，提供一种电子设备，其包括：处理器和存储器；其中，存储
器用于存储所述处理器可执行指令；处理器用于从存储器中读取可执行指令，并执行指令以实现上述任一方法的步骤。
12.根据本发明的又一方面，提供一种计算机可读存储介质，其存储有计算机程序，用于执行上述任一方法的步骤。根据本发明的再一方面，提供一种计算机程序产品，包括计算机程序，该程序被计算机执行时实现任一方法或者发挥上述的系统的功能。
13.根据本发明提供的算法可用于股骨和胫骨的自动分割，但不限于此。
附图说明
14.通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式。
15.图1是根据本发明一示例性实施例的图像处理方法的流程示意图。
16.图2是根据本发明一示例性实施例的图像处理方法的第一阶段，其中，图像（a）示出原始图像，图像（b）示出原始图像经第一步分割后的效果。
17.图3是示出根使用大津阈值分割后的效果。
18.图4是根据本发明一示例性实施例的图像处理方法的最终分割图像。
19.图5是根据本发明一示例性实施例的图像处理系统的示意图。
具体实施方式
20.下面，将参考附图详细地描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。
21.除非另外具体说明，否则在这些实施例中阐述的部件、单元和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
22.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
23.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。
24.本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
25.终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
26.示例性方法图1是根据本发明一示例性实施例的图像处理方法的流程示意图。本实施例可应用在电子设备上以执行骨骼表面的自动分割，如图1所示，包括以下步骤：步骤s01：对图像应用高斯平滑滤波器以减少噪声并突出显示边缘；步骤s02：应用top-hat过滤器以突出显示明亮的元素，从而可高亮显示图像轮廓周围更亮的区域；步骤s03：应用基于otsu阈值的分割方法提取有光泽的骨骼边缘；步骤s04：从使用otsu阈值的分割结果创建标记图像；步骤s05：应用基于标记的分水岭过滤器。
27.优选地，其中突出显示为使用亮色的高亮显示和/或使用不同颜色填充等使得相比相邻区域更为显著地进行显示的方式。为简化描述，下面以高亮显示为例进行说明。
28.作为本发明的实施方式，能够用作为从ct（计算机断层扫描）图像中分割股骨和胫骨的方法。该分割包括从图像中提取骨骼表面。下面就以从ct图像中分割股骨和胫骨的方法为例进行说明。
29.该方法分为两个基本阶段。第一阶段的重点是减少图像噪声和突出边缘。第二阶段的目的是提取骨骼表面。
30.《第一阶段》《步骤s01：高斯平滑处理或高斯平滑滤波器》分割过程的第一步包括对如图2的（a）的原始图像文件使用高斯平滑降低图像的噪声级，用于该处理的高斯平滑滤波器允许突出显示图像的边缘，这对骨骼分割非常有用。
31.从数学上讲，对图像应用高斯平滑与用高斯函数卷积图像是相同的。
32.将应用于图像中每个像素的变换定义为：，（式1），其中x是水平轴上距原点的距离，y是垂直轴上距原点的距离，σ是高斯分布的标准偏差。
33.该分布的值用于构造应用于原始图像的卷积矩阵。
34.《步骤s02：基于top-hat变换的显示处理或top-hat变换滤波器》当通过上述步骤s01噪声被降低了时，使用形态学运算高亮显示成最亮的颜色，这些颜色对应于骨骼的表面。
35.为了达到这一效果，使用了top-hat变换，基于该top-hat变换的top-hat变换过滤器提取并突出显示给定图像的小元素和细节。对于骨骼分割，必须使用白色top-hat变换，其定义为原图像与经过开运算结果（基于结构元素）的差值图。
36.基于此top-hat变换，可以取出大于结构元素的局部极大值，从而能够保留比结构元素小的部分并保留比周围环境亮的像素，即[0]其环境中最亮元素。
[0037]
此变换定义为：，（式2），
其中，f是图像，b是一个结构元素，并且
∘
表示形态开操作。
[0038]
如此，可以得到图2的（b）所示的第一阶段的结果，即图2的（a）的原始图像经第一阶段分割后的效果。
[0039]
一旦完成了降噪、边缘高亮和突出显示闪亮元素的整个过程，将执行骨骼分割的第二阶段。
[0040]
《第二阶段》在第二阶段中，将完全提取骨骼表面。
[0041]
《步骤s03：基于otsu阈值的分割方法或otsu阈值过滤器》otsu阈值用于提取最亮的表面，基于otsu阈值的过滤器允许创建标签图像（labeled image），该标签图像根据像素强度将输入图像分为若干类。一旦这个过程完成，就有可能获得分割的初始近似值，这不是完美的，但它是最终过程的起点。图3示出了使用otsu阈值的分割结果。
[0042]
《步骤s04：从使用otsu阈值的分割结果创建标记图像的分水岭自动标记处理或带有自动标记的分水岭过滤器》如图3所示的使用otsu阈值的分割结果还不够完美，因为在所分割的骨骼表面上显示有一些空洞。
[0043]
为了消除这些空洞，使用了带有自动标记（marker）的分水岭过滤器，本来，标记的选择是一个很困难的过程，但是，在本发明实施方式中，通过结合使用之前的使用otsu阈值的分割结果，可以简化该标记的选择过程。
[0044]
《步骤s05：应用基于标记的分水岭处理或分水岭过滤器》分水岭分割处理用于使用图像特征的梯度下降和沿区域边界的弱点分析将像素划分为区域。这种变换是一种快速灵活的图像分割工具，并且可能完全没有参数。
[0045]
它基于这样一个原则，即如果将图像视为地形并划分为流域，则希望每个流域包含一个感兴趣的对象。
[0046]
该分水岭过滤器的输出是对于每个区域具有唯一值的标签图像。如果分水岭生成2个区域，则属于一个区域的所有像素都将具有值a，而属于另一个区域的所有像素都可以具有值b。未指定的像素的背景值为0。
[0047]
使用分水岭最简单的方法是对图像进行预处理，并计算图像边缘的分水岭变换。在这种情况下，分水岭线将与限制相对应，问题将得到解决。但是在实际中这并没用，因为区域内总有比目标处更小的值，因为噪声会在目标表面引入最小值。因此，有很多分水岭处于重要边界，尽管也有一些不处于重要边界。
[0048]
为了减少图像中极小值的数量，本发明提供了一个标记图像，该标记图像标记输入图像中的极小值并给它们一个标签。最小值由标记施加在输入图像上。输出图像标签是带有标注记号（bookmark，书签）的图像标签。
[0049]
根据本发明的一个实施例，为了克服大量最小值的出现所带来的选择问题，一个带有标记（自行标记）的图片被用来标记最小值所在位置。带有标记的图片和最小值所在图片进行重合，从而找到（输出output）带有标注记号的图。
[0050]
也就是说，因为噪声原因，一张图会有很多最小值，但只有在某个区域内的最小值才是关心的，另外这个区域是有个固定位置的，因此先跟一个标记好区域记号的图进行重
合，在这个记号周围找到最小值所在的点，然后以这个点为中心，把周围的一圈边界确定下来。
[0051]
为了创建标记的图像，对分割图像使用otsu阈值，因为otsu过滤器获得了由骨骼最亮部分组成的图像，因此可以查找亮环并将标记放置在其中心，这些标记将使用相同的标签进行标记，用于分割整个骨骼区域。亮环外的区域被标记为图像的背景。
[0052]
结果，分割好的骨骼区域如图4所示。
[0053]
《技术效果》图像滤波器的设计一直是图像处理领域的研究热点。根据本发明的算法适当地采用了如下滤波器或滤波处理，为图像的去噪、修复、分割、识别以优异的效果而注入了活力，从而该算法可用于股骨和胫骨的自动分割，但不限于此。在此，将滤波器视为等同或相当于与其相应的滤波处理。
[0054]
具体地，在根据本发明执行的自动骨骼分割的步骤中，通过高斯平滑处理，可以有效地减少原图像的噪声并突出显示边缘；通过top-hat变换处理，可以突出显示图像轮廓周围更亮的区域；通过基于otsu（大津）阈值的分割，可以有效地将图像分成对应于骨骼表面外侧的背景和对应于骨骼部分的前景两部分；通过结合标记的分水岭算法处理，实现图像轮廓的封闭，从而得到分割好的手术用骨骼图像。
[0055]
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
[0056]
参见图5所示的根据本发明的系统构成框图，本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。
[0057]
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置或设备。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
[0058]
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
[0059]
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。