[发明专利]一种检测DR图像中束光器区域的方法

说明书

技术领域

本发明涉及一种图像处理技术，尤其是涉及一种检测DR图像中束光器区域的方法。

背景技术

DR（Digital Radiography，数字化X射线摄影系统）设备由探测器、影像处理器、图像显示器等组成。透射过人体后的X线信号被探测获取，直接形成数字影像，数学影像数据传到计算机，在显示器上显示。

医生在使用DR设备拍摄人体图片时，往往需要通过束光器对球管输出的X射线范围进行限定，从而减少被拍摄者的射线吸收剂量，同时由于X线被限定在一个目标区域内，因此X射线的散射减少，有利于提高被拍摄组织的细节显示效果。但在对获取的DR图像进行一些列后处理时，根据束光器区域占DR图像面积的比例不同，会对DR图像的增强效果产生不同程度的负面影响。

专利号为5268967的美国专利，对一副具有束光器区域的图像进行边缘检测，将图像划分成许多互不重叠的小格，根据每个小格中的边缘信息来判定该小格是目标组织、背景、束光器区域或者是前述三种区域的重叠组合，然后不断缩小所划分的小格，重复上述过程，直到将组织和背景或者束光器区域划分开。专利号为5901240的美国专利，对一副具有束光器区域的图像的像素进行归类，然后对图像进行Hough变换，得出一组直线集合，然后利用树形结构对该集合中的直线进行组合，对形成的树结构进行搜索，从而得出束光器区域。

虽然上述美国专利公开的技术方案基本可以解决DR图像中对束光器区域的裁剪，但是，当人体组织的部分特征同束光器边界类似时，上述技术方案对束光器区域判定的准确性较差。

发明内容

本发明提出一种检测DR图像中束光器区域的方法，通过区域检测算法从DR图像中检测出束光器遮蔽区域（即束光器区域），为后续的图像增强过程提供更加有价值的数据，从而提高图像的整体质量。

本发明采用如下技术方案实现：一种检测DR图像中束光器区域的方法，其包括步骤：

对DR图像进行图像边缘检测，找到每行或每列给定方向上最大梯度幅值的像素点；

对所述最大梯度幅值的像素点基于K-聚类算法进行自适应聚类；

计算各个聚类的边界坐标，以及计算各个聚类中每个像素点的梯度幅值超过一设定阈值的像素点数量占该聚类全部像素点总数的比例值；

依次判断计算出的各个聚类的比例值是否大于一设置值，若是，则该聚类的边界坐标为DR图像中束光器区域边界坐标的一部分；

输出束光器区域在DR图像中的边界坐标。

在一个优选实施例中，本发明公开的所述检测DR图像中束光器区域的方法还包括步骤：对所述比例值小于设定值的所有聚类构成的聚类集合，利用聚类集合组成图像区域进行基于图像特征信息的特征判别。其中，所述特征判别的步骤包括：选出聚类集合中像素点最多的聚类计算边界；在边界两侧统计灰度变化，如果边界两侧的平均灰度变化比超过一个灰度阈值，则确认该边界为束光器区域的边界，否则依次在聚类集合中从像素点次多的聚类至像素点最少的聚类之中选取其中一个聚类计算选取聚类的边界，重复前述步骤，直到找到某个聚类的边界为束光器区域的边界。当在聚类集合中选取像素点最少的聚类计算边界后，该边界两侧的平均灰度变化未超过灰度阈值，则认为该图像中没有束光器区域。

其中，所述图像边缘检测的步骤包括：对DR图像进行低通滤波去噪处理；对DR图像进行边缘增强处理；对DR图像作基于方向限制的最大梯度幅值的边缘检测。

本发明结合DR设备束光器特点对图像像素进行筛选，大大减少聚类算法的搜索空间，提高计算速度；在聚类算法中引入自适应规则，根据图像不同智能判断所要进行分类的数量；提出基于概率的“真实性”表达，降低算法的误检率。

附图说明

图1是本发明的流程示意图。

具体实施方式

本发明提出一种对DR图像进行束光器区域的裁剪方法，通过区域检测算法，将束光器区域从图像中分离，为后续的图像增强过程提供更加有价值的数据，从而提高图像的整体质量。

结合图1所示，本发明包括如下实现步骤：

首先，对DR图像进行图像边缘检测，包括步骤S1-S4。 

图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位。