專利名稱：序列圖像分割的方法、裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機圖像處理領(lǐng)域，尤其涉及一種序列圖像分割的方法、 裝置。
背景技術(shù)：
圖像分割是將圖像中具有特殊含義互相不交叉的不同區(qū)域分開來，使得 每一個區(qū)域都滿足特定區(qū)域的 一致性。圖像分割是醫(yī)學圖像處理的關(guān)鍵一步， 是跨越醫(yī)學和計算機科學綜合性研究課題，在醫(yī)學應用中具有特殊的重要意 義。醫(yī)學圖像分割是病變區(qū)域提取、特定組織測量以及實現(xiàn)三維重建的基礎(chǔ)。 隨著影像醫(yī)學在臨床醫(yī)學的成功應用，圖像分割在影像醫(yī)學中發(fā)揮著越來越大的作用。比如把肝臟從腹部計算機X射線斷層掃描斷層(computed tomography,簡稱CT)圖像中提取出來，是肝臟虛擬手術(shù)實現(xiàn)的一個基本前 提。在醫(yī)學領(lǐng)域的三維可視化過程中，需要對各層的CT序列圖像分別進行分 割，利用各層的分割結(jié)果進行三維重建，得到立體化的可視化圖像，在三維 可視化領(lǐng)域中，圖像分割是一龐大的運算處理過程?，F(xiàn)有技術(shù)在對一組序列圖像進行分割時， 一般是分別對各序列圖像獨立 進行分割，分別得到各張序列圖像的分割結(jié)果，因而，其分割速度很慢。發(fā)明內(nèi)容本發(fā)明實施例提供了 一種序列圖像分割的方法，提高序列圖像的分割速度。本發(fā)明實施例還提供了一種序列圖像分割的裝置，提高序列圖像的分割 速度。本發(fā)明實施例提供的序列圖像分割的方法，包括確定第一序列圖像中感興趣的組織的圖像，確定構(gòu)成所述第 一序列圖像 中組織的圖像的各像素點的灰度值以及坐標；計算第一平均值所述第一序列圖像中的組織圖像內(nèi)的像素點的灰度值 的平均值；將第二序列圖像中滿足條件的像素點所構(gòu)成的區(qū)域，作為第 一初始的種 子區(qū)域，其中，所述第二序列圖像相鄰于所述第一序列圖像，所述條件為所述 像素點的坐標與所述第 一序列圖像中組織的圖像的任一像素點的坐標相同， 并且，所述像素點的灰度值與所述第 一序列圖像中處于相同坐標的像素點的 灰度值的差值的絕對值小于預定的第一上限，并且，所述像素點的灰度值與 所述第一平均值的差值的絕對值小于預定的第二上限；對所述第一初始的種子區(qū)域開始進行種子區(qū)域生長，獲取所述第二序列 圖像中所述組織的圖像。本發(fā)明實施例提供的序列圖像分割的裝置，包括計算單元，用于計算，所述計算包括計算第 一平均值所述第 一序列圖像中的組織圖像內(nèi)的像素點的灰度值 的平均值，計算第一絕對值第二序列圖像中的像素點的灰度值與所述第一序列圖 像中處于相同坐標的像素點的灰度值的差值的絕對值，計算第二絕對值第二序列圖像中的像素點的灰度值與所述第一平均值 的差值的絕對值，判斷單元，用于判斷IK直的大小關(guān)系，包括判斷所述第一絕對值是否小于第一上限，所述第二絕對值是否小于第二上限；第 一種子區(qū)域生長單元，用于對初始的種子區(qū)域開始進行種子區(qū)域生長，獲取所述第二序列圖像中所述組織的圖像，所述初始的種子區(qū)域為滿足條 件像素點所構(gòu)成的區(qū)域，所述條件為所述像素點在所述第二序列圖^f象上， 所述像素點對應的第一絕對值小于第一上限，并且，所述像素點對應的第二 絕對值小于第二上限。由上可見，應用本發(fā)明實施例的技術(shù)方案，在得到一張序列圖像(記為 第一序列圖像)的分割結(jié)果(具體是圖像中感興趣的組織的圖像)后，計算 該已分割得到的感興趣的組織的圖像內(nèi)的像素點的灰度值的平均值，記為第 —平均值；根據(jù)該第一平均值，判斷與該第一序列圖像相鄰的下一序列圖像 (記為第二序列圖像)的像素點是否滿足條件該像素點與所述第一序列圖 像中處于相同坐標的像素點的灰度值的差值的絕對值小于預定的第一上限， 并且，所述像素點的灰度值與所述第一平均值的差值的絕對值小于預定的第 二上限；如果該像素點滿足條件，則將滿足上述條件的像素點所構(gòu)成的區(qū)域 作為初始的種子區(qū)域；對該初始的種子區(qū)域進行種子區(qū)域生長，得到該第二 序列圖像中該感興趣的組織的圖像?？梢姡瑧帽景l(fā)明實施例的技術(shù)方案， 在進行序列圖像分割的過程中，利用相鄰的圖像中的像素點的灰度值的相似 性的特點，通過簡單的灰度值計算、比較，在第二序列圖像上得到初始的種 子區(qū)域。由于對于相鄰的圖像而言，組織在相鄰的序列圖像中的形狀基本相 近，因此，在第二序列圖像上得到初始的種子區(qū)域，意味著該第二序列圖像 上的該組織的圖像已基本被分割出來。只需要在該初始的種子區(qū)域的基礎(chǔ)上 再進行區(qū)域生長進一步完整的該組織的分割圖像即可?？梢姂帽景l(fā)明實施 例的技術(shù)方案，有利于提高序列圖像的分割速度。


此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部 分，并不構(gòu)成對本發(fā)明的不當限定，在附圖中圖1為本發(fā)明實施例1中的序列圖像分割的方法流程示意圖；圖2為本發(fā)明實施例1中得到的第181張的序列圖像進行肝的圖像分割 的分割前后圖〗象對比示意圖；圖3為本發(fā)明實施例1中得到的第205張的序列圖像進行肝的圖像分割 的分割前后圖l象對比示意圖；圖4為本發(fā)明實施例1中得到的第243張的序列圖像進行肝的圖像分割 的分割前后圖像對比示意圖；圖5為本發(fā)明實施例2中的序列圖像分割的裝置結(jié)構(gòu)示意圖；圖6為本發(fā)明實施例3中的序列圖像分割的裝置結(jié)構(gòu)示意圖。
具體實施方式
下面將結(jié)合附圖以及具體實施例來詳細說明本發(fā)明，在此本發(fā)明的示意 性實施例以及說明用來解釋本發(fā)明，但并不作為對本發(fā)明的限定。實施例1:圖1為本實施例提供的序列圖像分割的方法流程示意圖，圖1就如何利 用已知的第 一序列圖像的分割結(jié)果，對相鄰的第二序列圖像進行分割進行了 示意性描述，如圖示，該方法包括步驟101:確定第一序列圖像中感興趣的組織的圖像，確定構(gòu)成所述第一 序列圖像中組織的圖像的各像素點的灰度值以及坐標。該第一序列圖像的分割結(jié)果已知，第一序列圖像可以為序列圖像組中第 一分割的序列圖像，其所采用的圖像分割方法可以為現(xiàn)有技術(shù)的各種圖像分 割方法，比如預計活動輪廓或者形變模型的分割、交互式圖像分割、基于 閾值的分割等；第一序列圖像也可以為利用本實施例方法進行分割得到分割 結(jié)果的序列圖像。本實施例就該第 一序列圖像為序列圖像組中第 一分割的圖像的情況，提供了一種改進的種子區(qū)域生長方法一動態(tài)自適應種子區(qū)域生長方法，可以利 用提供的動態(tài)自適應種子區(qū)域生長方法，對該第一序列圖像進行分割，確定第一序列圖像中的感興趣的組織的圖像，具體如下首先，在感興趣的區(qū)域內(nèi)感興趣的組織中選擇一像素點作為初始的種子 點，以該初始的種子點的第一鄰域(在本實施例中以選取3*3鄰域為例)為 初始的種子區(qū)域，設初始的種子點的坐標為坐標原點，根據(jù)函數(shù)式(l)計算 該初始的種子區(qū)域內(nèi)的像素點的灰度值的平均值meflw(x,j;)二丄2 2 gCx + r，y + c)( 1 )，其中，mean(x, y)為該初始的種子區(qū)域內(nèi)的像素點的灰度值的平均 值；r、 c分別為坐標x、 y的步長，其可以取值-1, 0, +1; g (x+r， y+c) 為坐標為(x+r, y+c)的像素點的灰度值。然后，根據(jù)函數(shù)式(2)計算該初始的種子點的第二鄰域(在本實施例中 以選取5x5鄰域為例)內(nèi)的像素點的灰度值的方差，將該方差作為本實施例 中的動態(tài)自適應區(qū)域生長算法的生長準則的歸并閾值《=」2￡ [g(jc + w + c)-固w(x，力]z 、厶"其中，5為該初始的種子點的第二鄰域(在本實施例中以選取5x5鄰域 為例)內(nèi)的像素點的灰度值的方差；mean(x， y)為該初始的種子區(qū)域的 灰度的平均值；r、 c分別為坐標x、 y的步長，其可以取值-2， -1， 0, +1, +2; g (x+r， y+c)為坐標為(x+r， y+c)的像素點的灰度值。再然后，根據(jù)所計算得到的歸并闊值5設置生長規(guī)則，在本實施例中將該 生長準則設置為>>) - JveO— < <5 ( 3 )其中，g(x, y)為待歸并的坐標為(x,y)的像素點的灰度值；AveGray 為當前種子區(qū)域內(nèi)的像素點的灰度值的平均值；AveGray的初始值為mean( x,y)。在確定了初始的種子區(qū)域、以及該初始的種子區(qū)域內(nèi)的像素點的灰度值的平均值mean (x, y)之后，利用關(guān)系式(3)對初始的種子區(qū)域進行種子 區(qū)域生長獲取分割結(jié)果，具體是進行以下步驟，直到找不到新的種子點為 止判斷當前種子區(qū)域相連通的像素點的灰度值g(x， y)與當前種子區(qū)域內(nèi) 的像素點的灰度值的平均值A(chǔ)veGray的差值的絕對值是否小于方差5 ,如果小 于，則將該像素點作為新的種子點，獲取新的種子區(qū)域該新的種子區(qū)域為 由所述新的種子點、以及更新前的種子區(qū)域內(nèi)的種子點構(gòu)成的區(qū)域；如果不 小于，繼續(xù)尋找下一新的種子點。即根據(jù)關(guān)系式(3)進行判斷，將滿足關(guān)系式(3)的與當前的種子區(qū)域 相連通的像素點作為新的種子點。當利用上述關(guān)系式(3)所示的生長規(guī)則找 不到新的種子點時，那么最終得到的種子區(qū)域內(nèi)的像素點所構(gòu)成的圖像則為 分割所得的組織的圖像。步驟102:計算第一平均值所述第一序列圖像中的組織圖像內(nèi)的像素點 的灰度值的平均值。設該第一平均值為AveGrayO。步驟103:獲取第二序列圖像中、坐標與第一序列圖像中的該感興趣的組 織的圖像中的像素點的坐標相同的各像素點。取第二序列圖像中的坐標分別與構(gòu)成該第 一序列圖像中的該感興趣的組 織的圖像的任意像素點的坐標相同的各像素點，將這些像素點所組成的集合 記為像素點的集合B。顯然，集合B在第二序列圖像上形成的區(qū)域在空間上為第一序列圖像中 組織的圖像在該第二序列圖像上的正投影。步驟104:計算第一絕對值該像素點的集合中的像素點的灰度值與該第一序列圖像中處于相同坐標的像素點的灰度值的差值的絕對值，計算第二絕對值該像素點的灰度值與第一平均值的差值的絕對值。設該像素點的集合B中的像素點的序號為i， i大于1小于n， n為該集合 B中像素點的個數(shù)。根據(jù)函數(shù)式(4)計算第一絕對值dl:dl+i(x,力-g(x，力l (4),根據(jù)函數(shù)式(5)計算第二絕對值d2:d2 = |& O，力-JwGra_yO| ( 5 ),函數(shù)式(4)、 (5)中，gi(x,力為集合中第i個像素點的灰度值，(x， y) 為第i個像素點的坐標，g(;c,力為第一序列圖像中坐標為(x， y)的像素點的 灰度值，AveGrayO為步驟102得到的第一平均值。步驟105,判斷第一絕對值、第二絕對值是否分別小于預定的第一上P艮、 第二上限，如果是，則執(zhí)行步驟106;否則，跳轉(zhuǎn)執(zhí)行步驟107。設預定的第一上限為51 ，第二上限為52 ,判斷第一絕對值dl是否小于<51, 且第二絕對值d2是否小于《2，如果是，則執(zhí)行步驟106;否則，跳轉(zhuǎn)至步驟 107。另外，如果在步驟101中，第一序列圖像的獲取是采用動態(tài)自適應種子 區(qū)域生長方法得到的話，在本步驟中可以將51、 52設置為等于函數(shù)式(2)中 的5。步驟106:標記該像素點。本步驟可以采用現(xiàn)有技術(shù)的各種方法進行，比如可以但不限于緩存該 像素點的坐標。步驟107:判斷是否遍歷步驟103所確定的各像素點，如果是，則執(zhí)行步 驟109;否則，執(zhí)行步驟108:取該集合中的另一未遍歷的像素點，對該像素點從步驟104開始進行處理。判斷當前像素點的序號i是否小于n，如果i化，則判定未遍歷該像素像 素點的集合B中的所有像素點，執(zhí)行步驟108;如果i〉^n,則判定已遍歷該 像素點的集合B中的各像素點，執(zhí)行步驟109。步驟108:取該像素點的集合中的另一未遍歷的像素點，返回步驟104對 該像素點進行處理。令i=i+l取下一像素點，返回步驟104對該像素點進行處理。步驟109:將步驟106所標記的所有像素點所構(gòu)成的區(qū)域作為初始的種子 區(qū)域，對該初始的種子區(qū)域開始進行種子區(qū)域生長，獲取所述第二序列圖像 中所述組織的圖像。種子區(qū)域生長方法的基本思想是，將具有相似性質(zhì)的像素集合起來構(gòu)成 區(qū)域。首先在待分割的目標區(qū)域中選擇一個種子點作為生長的起始點，然后 在種子點的鄰域中搜索那些與種子點的相似特征度滿足指定生長準則的像素 作為新的種子點，并該新合并的種子點與已有的種子點合并形成新的種子區(qū) 域，繼續(xù)以上搜索和合并過程，直到?jīng)]有新的像素點為止，此時的種子區(qū)域 內(nèi)的像素點所構(gòu)成的圖像便為分割得到的圖像。按照預設的生長準則，對該初始的種子區(qū)域開始進行種子區(qū)域生長，該 生長準則可以但不限于按照現(xiàn)有技術(shù)進行設置。在本實施例中可以但不限于使用步驟101提供的動態(tài)自適應種子區(qū)域生 長方法。具體可以參考步驟101中的相應描述，在此不再贅述。圖1只是利用已知的第一序列圖像的分割結(jié)果對于W目鄰的第二序列圖 像進行分割的示意性描述，并且在步驟101中就該第一序列圖像為第一張進 行分割的序列圖像的情況下，對如何獲取該第 一序列圖像序列的分割結(jié)果進 行了優(yōu)選方案的描述。利用圖1的流程，在得到第二序列圖像后，可以依照 上述的方法根據(jù)該第二序列圖像中的該組織的圖像獲取與所述第二序列圖像相鄰的第三序列圖像中的組織的圖像。具體方法同理，可以參見步驟102到 步驟109的描述。依次類推可以依據(jù)本實施例所提供的技術(shù)方案完成各張序 列圖像的分割。如圖2、 3、 4所示應用本實施例的技術(shù)方案進行實驗得到的，對CT序列 圖像的第181張、205張、243張的序列圖像進行肝的圖像分割的分割前后圖 像對比示意圖。圖2中的20為原始的CT圖像，21為對原始的CT圖像20 中的肝組織201進行分割得到的圖像。圖3中的30為原始的CT圖像，31為 對原始的CT圖像30中的肝組織301進行分割得到的圖像。圖4中的40為原 始的CT圖像，41為對原始的CT圖像40中的肝組織401進行分割得到的圖 像。由圖中的對比可見，應用本實施例技術(shù)方案能夠?qū)崿F(xiàn)較為準確的圖像分 割。由上可見，應用本發(fā)明實施例的技術(shù)方案，在得到一張序列圖像(記為 第一序列圖像)的分割結(jié)果(具體是圖像中感興趣的組織的圖像)后，計算 該以分割得到的感興趣的組織圖像內(nèi)的像素點的灰度值的平均值，記為第一 平均值；根據(jù)該第一平均值，判斷與該第一序列圖像相鄰的下一序列圖像(記 為第二序列圖像)的像素點是否滿足條件該像素點的灰度值與所述第一序 列圖像中處于相同坐標的像素點的灰度值的差值的絕對值小于預定的第一上 限，并且該像素點的灰度值與所述第一平均值的差值的絕對值小于預定的第 二上限，如果滿足，則將滿足上述條件的像素點所構(gòu)成的區(qū)域作為初始的種 子區(qū)域；對該初始的種子區(qū)域進行種子區(qū)域生長，得到該第二序列圖像中該 組織的圖像?？梢?，應用本實施例的技術(shù)方案，在進行序列圖像分割的過程 中，利用相鄰的圖像的灰度值的相似性的特點，通過簡單的灰度值計算、比 較，在第二序列圖像上得到初始的種子區(qū)域。由于對于相鄰的圖像而言，確 定組織在相鄰的序列圖像中的形狀基本相近，因此，在第二序列圖像上得到 初始的種子區(qū)域意味著該第二序列圖像上的該組織的圖像已基本被分割出 來。只需要在該初始的種子區(qū)域的基礎(chǔ)上再進行區(qū)域生長進一步完整的該組織的分割圖像即可。可見應用本實施例的技術(shù)方案，有利于提高序列圖像的 分割速度。實施例2:如圖5所示為本實施例提供的序列圖像分割的裝置結(jié)構(gòu)示意圖，如圖示， 該裝置包括計算單元501,用于計算，所述計算包括計算第一平均值已知的感興趣的組織的圖像內(nèi)的像素點的灰度值的平 均值，其中所述已知的感興趣的組織的圖像為第一序列圖像中感興趣的組 織的圖像。該第一序列圖像可以為序列圖像組中第一分割的序列圖像，其所 釆用的圖像分割方法可以為現(xiàn)有技術(shù)的各種圖像分割方法，比如預計活動 輪廓或者形變模型的分割、交互式圖像分割、基于閾值的分割等；其也可以 為利用本實施例方法進行分割得到分割結(jié)果的序列圖像。計算第一絕對值第二序列圖像中的像素點的灰度值與所述第 一序列圖 像中處于相同坐標的像素點的灰度值的差值的絕對值，具體可以參見實施例1 步驟104中函數(shù)式(4)。計算第二絕對值第二序列圖像中的像素點的灰度值與所述第 一平均值 的差值的絕對值，具體可以參見實施例1步驟104中函數(shù)式(5 )。判斷單元502,用于判斷數(shù)值的大小關(guān)系，包括判斷所述第一絕對值是 否小于預定的第一上限；判斷所述第二絕對值是否小于預定的第二上限。具 體原理可以參見實施例1中步驟105的描述。第一種子區(qū)域生長單元503，用于對初始的種子區(qū)域開始進行種子區(qū)域生 長，獲取所述第二序列圖像中所述組織的圖像，其中所述初始的種子區(qū)域由 滿足條件第一絕對值小于第一上限，所述第二絕對值小于第二上限的像素 點構(gòu)成，記為第一初始的種子區(qū)域。即第一種子區(qū)域生長單元503在判斷單元502判定第一絕對值小于第一上限，并且第二絕對值小于第二上限時，將第一絕對值、第二絕對值所對應 的第二序列圖像中的像素點所構(gòu)成的區(qū)域作為第一初始的種子區(qū)域，并且應 用種子區(qū)域生長方法對該第一初始的種子區(qū)域進行區(qū)域生長，直到區(qū)域不能 在生長為止，那么此時的種子區(qū)域內(nèi)的像素點所構(gòu)成的圖像便為第二序列圖 像上的該組織的圖像，得到第二序列圖像的分割結(jié)果。具體原理可以參見實 施例1中步驟109的描述。由上可見，應用本實施例的技術(shù)方案，在得到一張序列圖像(記為第一 序列圖像)的分割結(jié)果(具體是圖像中感興趣的組織的圖像)后，計算該以 分割得到的感興趣的組織圖像內(nèi)的像素點的灰度值的平均值，記為第一平均值；根據(jù)該第一平均值，判斷與該第一序列圖像相鄰的下一序列圖像(記為 第二序列圖像)的像素點的灰度值與所述第 一序列圖 <象中處于相同坐標的像 素點的灰度值的差值的絕對值小于預定的第 一上限，所述像素點的灰度值與 所述第一平均值的差值的絕對值小于預定的第二上限，如果均是，則將滿足 上述條件的像素點所構(gòu)成的區(qū)域作為初始的種子區(qū)域；對該初始的種子區(qū)域 進行種子區(qū)域生長，得到該第二序列圖像中該組織的圖像。可見，應用本實 施例的技術(shù)方案，在進行序列圖像分割的過程中，利用相鄰的圖像的灰度的 相似性的特點，通過簡單的灰度值計算、比較，在第二序列圖像上得到一初 始的種子區(qū)域。由于對于相鄰的圖像而言，確定組織在相鄰的序列圖像中的 形狀基本相近，因此，在第二序列圖像上得到一初始的種子區(qū)域意味著該第 二序列圖像上的該組織的圖像已基本被分割出來。只需要在該初始的種子區(qū) 域的基礎(chǔ)上再進行區(qū)域生長進一步完整的該組織的分割圖像即可?？梢姂?本實施例的技術(shù)方案，有利于提高序列圖像的分割速度。實施例3:如圖6所示為本實施例的序列圖像分割的裝置結(jié)構(gòu)示意圖，如圖示，本 實施例的裝置與實施例2中的裝置所不同之處在于以下在本實施例中，所述計算單元601所進行的計算還可以包括計算第四平均值當前種子區(qū)域內(nèi)的像素點的灰度值的平均值，其中所 述種子區(qū)域的初始區(qū)域為以指定的初始的種子點為中心的、預定的第一鄰 域，記為初始的種子區(qū)域，所述初始的種子點為所述第一序列圖像中的組 織中的像素點。即計算單元601初始計算初始的種子區(qū)域內(nèi)的像素點的灰度 值的平均值，該計算可以參見實施例1步驟101中函數(shù)式(1)的描述，并且 在每次更新種子區(qū)域后，計算單元601計算當前的種子區(qū)域內(nèi)的像素點的灰 度值的平均值，計算同理于函數(shù)式(l)，只是其中用于計算平均值的像素點 更多了而已。計算單元601所進行的計算還可以包括計算以所述初始的種子點為中 心的、第二鄰域內(nèi)的像素點的灰度值與所述第四平均值的方差。具體可以參 見實施例1步驟101中函數(shù)式(2)。計算單元601所進行的計算還可以包括計算當前種子區(qū)域相連通的像 素點的灰度值與當前種子區(qū)域內(nèi)的像素點的灰度值的平均值的差值的絕對 值。具體可以為實施例1步驟101中關(guān)系式(3 )中的Ig"力-^wGrayl 。所述判斷單元602執(zhí)行的判斷數(shù)值的大小關(guān)系還包括判斷當前種子區(qū)域相 連通的像素點的灰度值與所述平均值的差值的絕對值是否小于所述方差。其 判斷的關(guān)系式可以參見實施例1步驟101中關(guān)系式(3)。本實施例的裝置還可以包括第二種子區(qū)域生長單元604,用于當所述判斷單元602判定與當前種子 區(qū)域相連通的像素點的灰度值與所述平均值的差值的絕對值小于所述方差 時，獲取新的種子區(qū)域，所述新的種子區(qū)域由所述新的種子點和更新前的 種子區(qū)域構(gòu)成，所述新的種子點為滿足條件灰度值與所述平均值的差值的 絕對值小于所述方差的^f象素點。當利用關(guān)系式(3)所示的生長規(guī)則找不到新的種子點時，那么最終得到 的種子區(qū)域內(nèi)的像素點所構(gòu)成的圖像則為分割所得的組織的圖像。由上可見，本實施例提供的裝置支持使用動態(tài)自適應種子區(qū)域生長方法， 從而可以應用動態(tài)自適應種子區(qū)域生長方法得到第一分割的序列圖像的分割 結(jié)果。另外，在本實施例中，如果應用動態(tài)自適應種子區(qū)域生長方法得到第一 分割的序列圖像的分割結(jié)果，那么可以但不限于令預定的第一上限、第二上限等于以所述初始的種子點為中心的、第二鄰域內(nèi)的像素點的灰度值與所 述平均值的方差。在本實施例中，第二種子區(qū)域生長單元604、第一種子區(qū)域生長單元503 既可以分別獨立設置，再可以集成設置在一起。需要說明的是，在本發(fā)明實施例中的裝置可以為由硬件構(gòu)成的獨立的設 備或硬件模塊，亦可以為以軟件的形式存儲在一個計算機可讀存儲介質(zhì)中的 功能模塊。以上對本發(fā)明實施例所提供的技術(shù)方案進行了詳細介紹，本文中應用了明只是用于幫助理解本發(fā)明實施例的原理；同時，對于本領(lǐng)域的一般技術(shù)人 員，依據(jù)本發(fā)明實施例，在具體實施方式
以及應用范圍上均會有改變之處， 綜上所述，本說明書內(nèi)容不應理解為對本發(fā)明的限制。，以上實施例的"i兌
權(quán)利要求
1、一種序列圖像分割的方法，其特征是，包括計算第一平均值已知的感興趣的組織的圖像內(nèi)的像素點的灰度值的平均值，其中所述已知的感興趣的組織的圖像為第一序列圖像中感興趣的組織的圖像；將第二序列圖像中滿足條件的像素點所構(gòu)成的區(qū)域，作為第一初始的種子區(qū)域，其中，所述第二序列圖像相鄰于所述第一序列圖像，所述條件為所述像素點的坐標與所述第一序列圖像中組織的圖像的任一像素點的坐標相同，并且，所述像素點的灰度值與所述第一序列圖像中處于相同坐標的像素點的灰度值的差值的絕對值小于預定的第一上限，并且，所述像素點的灰度值與所述第一平均值的差值的絕對值小于預定的第二上限；對所述第一初始的種子區(qū)域開始進行種子區(qū)域生長，獲取所述第二序列圖像中所述組織的圖像。
2、 根據(jù)權(quán)利要求l所述的序列圖像分割的方法，其特征是，所述第一序 列圖像中感興趣的組織的圖像的獲取，包括在所述第一序列圖像中指定初始的種子點，所述初始的種子點在所述組 織的圖像中；以所述初始的種子點為中心的第一鄰域內(nèi)作為第二初始的種子區(qū)域，計 算第二平均值所述第二初始的種子區(qū)域內(nèi)的像素點的灰度值的平均值；計算以所述初始的種子點為中心的、預設的第二鄰域內(nèi)的像素點的灰度 值與所述第二平均值的方差；進行以下步驟，直到找不到新的種子點為止計算第三平均值當前種子區(qū)域內(nèi)的像素點的灰度值的平均值，判斷當前種子區(qū)域相連通的像素點的灰度值與所述第三平均值的差值的絕對值是否小于所述方差，如果是，則將所述像素點作為新的種子點，獲取新的種子區(qū)域，否則，繼續(xù)尋找下一新的種子點，所述新的種子區(qū)域為由 所述新的種子點、以及更新前的種子區(qū)域內(nèi)的種子點構(gòu)成的區(qū)域；直到找不到新的種子點時，當前的種子區(qū)域內(nèi)的像素點所構(gòu)成的圖像則 為所述第一序列圖像中感興趣的組織的圖像。
3、 根據(jù)權(quán)利要求2所述的序列圖像分割的方法，其特征是，所述第一上 限、第二上限均等于所述方差。
4、 一種序列圖像分割的裝置，其特征是，包括 計算單元，用于計算，所述計算包括計算第一平均值已知的感興趣的組織的圖像內(nèi)的像素點的灰度值的平 均值，其中所述已知的感興趣的組織的圖像為第一序列圖像中感興趣的組 織的圖像，計算第 一絕對值第二序列圖像中的像素點的灰度值與所述第 一序列圖 像中處于相同坐標的像素點的灰度值的差值的絕對值，計算第二絕對值第二序列圖像中的像素點的灰度值與所述第一平均值 的差值的絕對值，判斷單元，用于判斷凄W直的大小關(guān)系，包括判斷所述第 一絕對值是否小于第一上限，所述第二絕對值是否小于第二 上限；第 一種子區(qū)域生長單元，用于對初始的種子區(qū)域開始進行種子區(qū)域生長， 獲取所述第二序列圖像中所述組織的圖像，所述初始的種子區(qū)域為滿足條 件像素點所構(gòu)成的區(qū)域，所述條件為所述像素點在所述第二序列圖像上， 所述像素點對應的第一絕對值小于第一上限，并且，所述^f象素點對應的第二 絕對值小于第二上限。
5、 根據(jù)權(quán)利要求4所述序列圖像分割的裝置，其特征是，所述計算單元 所進行的計算還包括計算第四平均值當前種子區(qū)域內(nèi)的像素點的灰度值的平均值，其中所述種子區(qū)域的初始區(qū)域為以指定的初始的種子點為中心的、預 定的第一鄰域，所述初始的種子點為所述第一序列圖^^中的組織中的^f象素 占，計算以所述初始的種子點為中心的、第二鄰域內(nèi)的像素點的灰度值與所 述第四平均值的方差，計算第三絕對值與當前種子區(qū)域相連通的像素點的灰度值與所述第四 平均值的差值的絕對值；所述判斷單元判斷凄t值的大小關(guān)系還包括判斷所述第三絕對值是否小于所迷方差;所述裝置還包括第二種子區(qū)域生長單元，用于當所述判斷單元判定所述第三絕對值是 否小于所述方差時，獲取新的種子區(qū)域，所述新的種子區(qū)域由新的種子點 和更新前的種子區(qū)域構(gòu)成，所述新的種子點滿足條件其灰度值與所述第四 平均值的差值的絕對值小于所述方差的像素點。
6、 根據(jù)權(quán)利要求5所述序列圖像分割的裝置，其特征是，所述第一上限、 第二上限均等于所述方差。
全文摘要
本發(fā)明涉及計算機圖像處理領(lǐng)域，本發(fā)明實施例公開了一種序列圖像分割的方法、裝置。該方法具體是應用第一序列圖像的分割結(jié)果，通過灰度值計算比較得到與第一序列圖像相鄰的第二序列圖像中的初始的種子區(qū)域，對該初始的種子區(qū)域進行種子區(qū)域生長，得到該第二序列圖像上該組織完整的分割結(jié)果。應用本發(fā)明的技術(shù)方案能夠提高序列圖像的分割速度。
文檔編號G06T17/00GK101256669SQ200810026898
公開日2008年9月3日 申請日期2008年3月20日 優(yōu)先權(quán)日2008年3月20日
發(fā)明者龐雄文, 彭豐平, 方馳華, 劍 楊, 鮑蘇蘇 申請人:華南師范大學;南方醫(yī)科大學珠江醫(yī)院