本發(fā)明涉及計算機數(shù)學(xué)、圖形學(xué)以及數(shù)字圖像處理技術(shù)，具體涉及一種基于多重判定的區(qū)域生長檢測方法。
背景技術(shù)：
：區(qū)域生長算法(Regiongrowingalgorithm，RGA)是一種由種子元素進行擴展生長最終得到分割區(qū)域的方法。其首先在原網(wǎng)格數(shù)據(jù)上按照規(guī)則指定一些元素(頂點，三角面或者塊，即少數(shù)連通的點、面構(gòu)成的集合)作為種子，每個種子對應(yīng)一個分割的初始狀態(tài)，分割從種子開始生長、吸收相鄰的、未被標(biāo)記的、且滿足生長條件的點元素，當(dāng)沒有新的點元素可以加入分割集合，或滿足終止條件的時候停止生長過程，進而得到區(qū)域生長結(jié)果。但傳統(tǒng)的區(qū)域生長算法忽略了在實際匹配中，需要的部分是二維圖像中占比例較小的部分這一事實。另外，傳統(tǒng)的生長判斷條件只對比判斷點之間的關(guān)系，而忽略了二維圖片和判定點整體的聯(lián)系，這導(dǎo)致匹配出較多的干擾點，嚴(yán)重影響整體效果。技術(shù)實現(xiàn)要素：本發(fā)明的發(fā)明目的在于：針對上述存在的問題，提供一種基于多重判定的區(qū)域生長檢測方法，用于醫(yī)學(xué)MRI以及CT圖像等進行處理，準(zhǔn)確的提取出所需的組織的圖像，即目標(biāo)生長結(jié)果圖。本發(fā)明的一種基于多重判定的區(qū)域生長檢測方法，包括下列步驟：步驟1：輸入待檢測的目標(biāo)圖像，從目標(biāo)圖像的目標(biāo)區(qū)域手動選擇初始點，讀取初始點的圖像位置，將初始點作為初始生長點，由生長點得到當(dāng)前生長區(qū)域；步驟2：基于預(yù)設(shè)擴展度，以生長區(qū)域為中心，向四周進行邊界擴散，得到擴散區(qū)域，并將擴散區(qū)域作為當(dāng)前檢測區(qū)域，即將當(dāng)前生長區(qū)域的最大X、Y坐標(biāo)MaX和MaxY分別加上預(yù)設(shè)擴展度(比如1～2)，以及最小X、Y坐標(biāo)MinX、MinY分別減去預(yù)設(shè)擴展度，從而得到擴散區(qū)域；在邊界擴散時，位于目標(biāo)圖像的邊界的生長區(qū)域的邊界保持不變；步驟3：基于當(dāng)前生長閾值，判定當(dāng)前檢測區(qū)域的每個像素點是否為生長點：若當(dāng)前像素點滿足生長閾值，且與生長點相鄰，即存在為生長點的相鄰像素點，則無需進行邊緣點檢測，直接判定當(dāng)前像素點為生長點；若當(dāng)前像素點滿足生長閾值，且不與生長點相鄰，即不存在為生長點的相鄰像素點，則繼檢測當(dāng)前像素點是否為目標(biāo)圖像的邊緣點，若是，則當(dāng)前像素點為生長點；否則，當(dāng)前像素點不是生長點；若當(dāng)前像素點不滿足生長閾值，且不與生長點相鄰，即不存在為生長點的相鄰像素點，則無需進行邊緣點檢測，直接判定當(dāng)前像素點不是生長點；若當(dāng)前像素點不滿足生長閾值，且與生長點相鄰，即存在為生長點的相鄰像素點，則繼檢測當(dāng)前像素點是否為目標(biāo)圖像的邊緣點，若是，則當(dāng)前像素點為生長點；否則，當(dāng)前像素點不是生長點；其中，滿足生長閾值是指基準(zhǔn)灰度PJ與當(dāng)前像素點的灰度值的差值在預(yù)設(shè)范圍內(nèi)，且生長閾值PJ的初始值為初始生長點的灰度值；步驟4：將當(dāng)前檢測區(qū)域中的生長點加入到生長區(qū)域中，得到更新后的生長區(qū)域；判斷當(dāng)前生長區(qū)域的邊界是否均位于目標(biāo)圖像的邊界，若是，則執(zhí)行步驟6；否則執(zhí)行步驟5：步驟5：更新基準(zhǔn)灰度PJ，并繼續(xù)執(zhí)行步驟2；其中更新基準(zhǔn)灰度PJ的更新為：計算當(dāng)前檢測區(qū)域中的生長點的平均灰度值PN，基于當(dāng)前基準(zhǔn)灰度PJ得到更新后的基準(zhǔn)灰度：其中K為預(yù)設(shè)加權(quán)系數(shù)。通過大量實驗，得到K的優(yōu)選值為0.25，從而在縮減本發(fā)明整體運算時間的同時達到較好的效果。步驟6：基于目標(biāo)圖像的生長區(qū)域和非生長區(qū)域，進行二值化區(qū)分，得到生長結(jié)果圖并輸出。本發(fā)明通過邊緣檢測算法和擴展式的區(qū)域生長算法的有機結(jié)合，對圖像進行了全面而準(zhǔn)確的生長匹配。本發(fā)明對需要判斷的點的灰度和位置信息進行了精細(xì)的判斷和處理，以保證得到準(zhǔn)確的結(jié)果，在使用擴展的方法實行區(qū)域生長檢測的情況下，最大程度上接近于現(xiàn)有生長算法得到的結(jié)果精度，同時增大了結(jié)果的廣度。這種精細(xì)處理是通過對點的灰度信息，點的位置以及點是否屬于邊緣點這三者的判定有機結(jié)合而成，同時在判斷過程中對判斷條件(基準(zhǔn)灰度)進行細(xì)微修正，防止出現(xiàn)因為目標(biāo)圖像的灰度變化造成的丟失生長區(qū)的問題。進一步的，為了得到更精確的生長區(qū)域，去除干擾點，步驟6還包括：對二值化區(qū)分得到的生長結(jié)果圖先進行腐蝕處理，再進行膨脹修正處理，得到優(yōu)化生長結(jié)果圖；最后，將二值化區(qū)分得到的生長結(jié)果圖與優(yōu)化生長結(jié)果圖進行與運算后，得到輸出的生長結(jié)果圖并輸出。其中腐蝕和膨脹修正處理可以采用任一慣用方案。綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：本發(fā)明的技術(shù)優(yōu)勢在于：利用擴展的方式掃描整個圖像，避免了傳統(tǒng)的區(qū)域生長算法無法對離散物體進行匹配的缺點，增加了區(qū)域生長算法的使用范圍。此外，在掃描過程中，通過對生長閾值進行實時修正，更加精確地確定了點是否屬于生長點，減少了干擾點出現(xiàn)的次數(shù)，降低了目標(biāo)圖像的灰度變化對檢測結(jié)果產(chǎn)生的影響，且對檢測區(qū)域的生長點判定簡便，保證了本發(fā)明的運行速度；同時，本發(fā)明通過將灰度閥值判斷，臨近點判定和邊緣判定相結(jié)起來，實現(xiàn)了對離散生長區(qū)域中生長點的精確判斷，避免離散無關(guān)點的加入。附圖說明圖1是本發(fā)明的檢測方法流程示意圖；圖2是擴散區(qū)域示意圖；圖3是腐蝕和擴展的可用結(jié)構(gòu)示意圖。具體實施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合實施方式和附圖，對本發(fā)明作進一步地詳細(xì)描述。本發(fā)明在手動選擇初始點后，在原有的區(qū)域生長算法的基礎(chǔ)上，將生長范圍逐漸強制擴展到目標(biāo)圖像的全部圖像數(shù)據(jù)上，優(yōu)化對離散點的匹配，基于邊緣檢測檢測離散點是否屬于可生長區(qū)域；另外通過始點優(yōu)化基準(zhǔn)灰度，在生長過程中不斷優(yōu)化生長結(jié)果，以確保匹配到所需要的大區(qū)域圖像，避免匹配到滿足判斷條件的干擾點。最后對生長結(jié)果進行腐蝕和膨脹處理，去除干擾點，真正從整體上優(yōu)化了整個匹配過程，得到更精確的結(jié)果。參見圖1，本發(fā)明的具體過程為：步驟S1：加載目標(biāo)圖像；步驟S2：點擊目標(biāo)圖像的目標(biāo)區(qū)域，手動選擇初始點(及初始生長點)；步驟S3：獲取初始點位置，得到生長區(qū)域(初始生長區(qū)域直接由初始生長點構(gòu)成)的邊界坐標(biāo)；步驟S4：基于預(yù)設(shè)擴展度(1個像素點)，以當(dāng)前生長區(qū)域為中心，向周圍1個像素點進行邊界擴散，得到擴散區(qū)域。即擴散區(qū)域是指將當(dāng)前生長區(qū)域的最大X，Y坐標(biāo)MaxX和MaxY及最小X，Y坐標(biāo)MinX，MinY分別增加和減少一像素后得到的區(qū)域，如果想要提高檢測的速度，可以調(diào)整擴展度。如圖2所示，其中擴散區(qū)域是：以N*N的當(dāng)前生長區(qū)域為中心且不包括當(dāng)前生長區(qū)域的(N+2)*(N+2)區(qū)域。對于初始點不位于目標(biāo)圖像中央的情況，當(dāng)某個方向的X，Y參數(shù)抵達目標(biāo)圖像的邊界后將不再變化；當(dāng)四個方向均不再變化時邊界擴散結(jié)束，此時對整個目標(biāo)圖像的全圖掃描完成。S5：對當(dāng)前擴散區(qū)域的像素點進行檢測判斷；S6：判斷當(dāng)前像素點是否滿足生長閾值，即判斷較基準(zhǔn)灰度PJ(初始值為初始生長點的灰度值)與當(dāng)前像素點的灰度值之差是否在預(yù)設(shè)范圍內(nèi)，比如是否小于或等于10；S7：判斷當(dāng)前像素點是否與生長點相鄰，即存在屬于當(dāng)前生長區(qū)域的相鄰點；所當(dāng)前像素點同時滿足條件：滿足生長閾值且與生長點相鄰；或者同時滿足條件：不滿足生長閾值且與不與生長點相鄰，則不用執(zhí)行步驟S8的判斷，直接執(zhí)行步驟S9；否則先執(zhí)行步驟S8；S8：判斷當(dāng)前像素點是否為目標(biāo)圖像的邊緣點，例如通過Sobel算子得到當(dāng)前像素點的一階梯度值，若一階梯度值大于或等于15，則當(dāng)前像素點為邊緣點。S9：將滿足下列三種條件之一的當(dāng)前像素點加入當(dāng)前生長區(qū)域，即將滿足條件的當(dāng)前像素點作為生長點：(1)當(dāng)前像素點滿足生長閾值且與生長點相鄰；(2)當(dāng)前像素點滿足生長閾值且不與生長點相鄰且為邊緣點；(3)當(dāng)前像素點不滿足生長閾值且與生長點相鄰且為邊緣點；擴散區(qū)域的每個像素點的生長點判定可由下表給出，其中1表示是，0表示否：滿足生長閾值與生長點相鄰邊緣點生長點判定結(jié)果111/01001/001011100001110100S10：判斷對當(dāng)前擴散區(qū)域的像素點檢測判斷是否完畢，即是否完成整個擴散區(qū)域的檢測判斷，若是，則執(zhí)行步驟S11；否則執(zhí)行步驟S5；步驟S11：判斷是否對目標(biāo)圖像的全圖掃描完畢，若是則執(zhí)行步驟S13；否則執(zhí)行步驟S12；步驟S12：對基準(zhǔn)灰度PJ進行更新后，返回步驟S4；其中基準(zhǔn)灰度PJ的更新步驟為：基于當(dāng)前擴散區(qū)域被判定為生長點的所有像素點，計算其平均灰度值PN，然后根據(jù)公式得到更行后的基準(zhǔn)灰度PJ：其中K為常數(shù)，經(jīng)過大量試驗論證，k優(yōu)選值為k＝0.25。通過上述對基準(zhǔn)灰度PJ的迭代更行，可以有效防止PJ發(fā)生較大變化，使得以后的判斷結(jié)果相對穩(wěn)定，同時新加入點(當(dāng)前擴散區(qū)域被判定為生長點的像素點)對PJ的修正增加后續(xù)判斷的正確率。在對如MRI圖進行區(qū)域生長匹配時，由于人體內(nèi)部組織較為復(fù)雜和人體皮膚組織厚度不均，導(dǎo)致MRI的亮度隨區(qū)域發(fā)生小幅度變化，在這種情況下，通過在區(qū)域生長過程中不斷對生長參數(shù)進行修改，可以較好地彌補上述問題。同時，使用基于實際使用經(jīng)驗的權(quán)值運算，可以在保證良好效果的同時簡化運算過程，保證運算速度。步驟S13：基于目標(biāo)圖像的生長區(qū)域和非生長區(qū)域，進行二值化區(qū)分，得到生長結(jié)果圖，再利用腐蝕和膨脹對生長結(jié)果圖進行優(yōu)化后輸出。由于如果直接對原圖(目標(biāo)圖像)進行腐蝕和膨脹處理，會導(dǎo)致原圖圖像數(shù)據(jù)細(xì)節(jié)的丟失，所以，本發(fā)明先將原圖按照是否屬于生長點進行二值化，屬于生長區(qū)域的點為白色，即灰度值設(shè)置為0，其余點為黑色，即灰度值設(shè)置為1。然后對白色的點進行腐蝕和膨脹處理，具體的方法是基于預(yù)構(gòu)造的腐蝕和膨脹的結(jié)構(gòu)元素，其可以有多種結(jié)構(gòu)，如圖3所示，優(yōu)選圖3中的十字型結(jié)構(gòu)。接著，基于所采用的腐蝕和膨脹的結(jié)構(gòu)元素在二值化圖像上進行逐點移動并進行比較，根據(jù)比較的結(jié)果作出相應(yīng)處理。以生長結(jié)果圖的骨架為白色點為例：作圖像腐蝕處理時，如果結(jié)構(gòu)元素中的所有白色點與它對應(yīng)的生長結(jié)果圖(二值化圖像)完全相同，則該點為白色，否則為黑色。作圖像膨脹處理時，如果結(jié)構(gòu)元素中只要有一個及以上白色點與它對應(yīng)的生長結(jié)果圖像素點相同，則該點為白色，否則為黑色。也就是說，如果結(jié)構(gòu)元素中的所有白色點與它對應(yīng)的生長結(jié)果圖像素點沒有一個相同，則該點為黑色，否則為白色。結(jié)構(gòu)元素中的所有白色點與它對應(yīng)的生長結(jié)果圖像素點沒有一個相同，說明大圖的這些像素點都是黑色的。首先對二值化圖進行腐蝕處理，可以除去圖中的小干擾點，即將包含白色干擾點的部分全部變?yōu)楹谏?，同時位于生長區(qū)域的點保留白色。然后使用同樣的結(jié)構(gòu)模型進行膨脹，位于生長區(qū)域的點由于保留有白色，會還原成原樣，而干擾點由于沒有白色，不再恢復(fù)。之后，將原二值化圖像(原生長結(jié)果圖)與進行過處理(腐蝕、膨脹)的二值化圖像進行與運算，保留原圖像上與腐蝕和膨脹處理后的二值化圖上白色的點坐標(biāo)相同的點，這樣可以在防止圖像細(xì)節(jié)紋理被破壞的情況下，去除圖像上的干擾點。以上所述，僅為本發(fā)明的具體實施方式，本說明書中所公開的任一特征，除非特別敘述，均可被其他等效或具有類似目的的替代特征加以替換；所公開的所有特征、或所有方法或過程中的步驟，除了互相排斥的特征和/或步驟以外，均可以任何方式組合。當(dāng)前第1頁1 2 3