圖像分割裝置、圖像分割方法及圖像處理系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供一種圖像分割裝置、圖像分割方法及圖像處理系統(tǒng)。圖像分割方法具備平滑濾波步驟、區(qū)域設(shè)置步驟、邊緣求取步驟、判斷步驟和圖像分割步驟。在判斷步驟判斷為圖像的噪聲大的情況下，圖像分割步驟使用基于區(qū)域的水平集方法分割圖像，在判斷步驟判斷為圖像的噪聲不大、而且進(jìn)一步判斷為圖像不模糊的情況下，圖像分割步驟使用基于梯度的水平集方法分割圖像。根據(jù)本發(fā)明的圖像分割裝置、圖像分割方法及圖像處理系統(tǒng)，與圖像的噪聲是否大和圖像是否模糊相應(yīng)地選擇適當(dāng)?shù)乃郊椒ǎ軌虺浞掷脠D像的特征信息，對于不同特征的圖像取得理想的分割效果。
【專利說明】
圖像分割裝置、圖像分割方法及圖像處理系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及一種圖像分割裝置、圖像分割方法及圖像處理系統(tǒng)?！颈尘凹夹g(shù)】
[0002]圖像分割是圖像處理和分析的關(guān)鍵步驟。例如，醫(yī)學(xué)影像分割在醫(yī)學(xué)影像處理研究方面具有重要意義，它作為中間處理是后續(xù)的圖像處理包括配準(zhǔn)、測量等的基礎(chǔ)。在醫(yī)學(xué)影像中準(zhǔn)確定位病灶、確定病灶范圍，對于后續(xù)的診斷和治療有著至關(guān)重要的影響。早期的醫(yī)學(xué)影像分割是由醫(yī)療工作者通過手工描繪出邊界，可重復(fù)性低，工作量繁重。隨著計算機(jī)和圖像處理技術(shù)的發(fā)展，計算機(jī)輔助的醫(yī)學(xué)圖像分割成為越來越重要的研究方向。
[0003]水平集方法是求解曲線演化問題的一種方法，它將曲線或曲面的演化問題轉(zhuǎn)化為高一維的空間中水平基函數(shù)曲面演化的方式來求解，可以允許拓?fù)涞淖兓菆D像分割的重要工具。目前，水平集方法可以被劃分為兩大類:基于梯度的水平集方法和基于區(qū)域的水平集方法。基于梯度的水平集方法來源于非專利文獻(xiàn)1中提出的框架，其基本原理是利用圖像的梯度在分割對象的邊界處停止曲線演化。而基于區(qū)域的水平集方法來源于非專利文獻(xiàn)2中提出的框架，其基本原理是假定圖像中分割邊界的內(nèi)外區(qū)域各自具有統(tǒng)計上均勻的強(qiáng)度。
[0004]在近幾年，為了改進(jìn)傳統(tǒng)水平集方法的分割效果，一些新的方法被提出來。例如， 非專利文獻(xiàn)3使用了基于梯度的水平集方法，非專利文獻(xiàn)4使用了基于區(qū)域的水平集方法。 另外，專利文獻(xiàn)1針對三維肺血管圖像，將圖像區(qū)域均值(對應(yīng)于區(qū)域)和圖像邊緣能量 (對應(yīng)于梯度)同時加入總能量函數(shù)中，采用水平集方法求解能量最小的優(yōu)化問題。
[0005]非專利文獻(xiàn) 1:《Shape modeling with front propagat1n:A level set approach)), Mailadi ；
[0006]非專利文南犬 2: ((Boundary detect1n by minimizing funct1nals)), Mumford-Shah ；
[0007]非專利文獻(xiàn) 3:《Distance Regularized Level Set Evolut1n and its Applicat1n to Image Segmentat1n)), C.Li, C.Xu, C.Gui, and M.D.Fox, IEEE Trans.1mage Processing, vol.19(12), 2010 ；
[0008]非專利文獻(xiàn)4:《A Level Set Method for Image Segmentat1n in the Presence of Intensity Inhomogeneities with Applicat1n to MRI》，C.Li, R.Huang, Z.Ding, C.Gatenby, D.N.Metaxas, and J.C.Gore, IEEE Trans.1mage Processing, vol.20 (7), pp.2007-2016, 2011。
[0009]專利文獻(xiàn) 1:CNl〇2243759B[〇〇1〇]然而，在上述現(xiàn)有技術(shù)中，仍然存在如下所述的技術(shù)問題。例如，非專利文獻(xiàn)3等基于梯度的水平集方法的主要問題是在圖像具有低梯度值的弱邊界時分割效果不好。而非專利文獻(xiàn)4等基于區(qū)域的水平集方法的主要問題是當(dāng)圖像在各區(qū)域的強(qiáng)度不均勻時，分割的效果不好。
[0011]另外，專利文獻(xiàn)1是僅針對三維肺血管圖像做出的發(fā)明，不考慮各種圖像的不同情況，而總是將圖像區(qū)域均值(對應(yīng)于區(qū)域)和圖像邊緣能量(對應(yīng)于梯度)同時加入總能量函數(shù)中并采用水平集方法求解。因此，專利文獻(xiàn)1難以保證對各種圖像都適用，而且運(yùn)算量大，造成設(shè)備處理負(fù)荷增加。
[0012]例如，超聲圖像由于其成像的固有特點(diǎn)，使得圖像噪聲大，斑點(diǎn)多，對比度不高，月中塊內(nèi)部灰度不均勻和邊界不清晰的情況都有可能出現(xiàn)。無論使用現(xiàn)有技術(shù)中的上述哪種方法，都很難對不同特征的超聲圖像都取得理想的分割效果。
【發(fā)明內(nèi)容】

[0013]本發(fā)明的目的在于提供一種圖像分割裝置、圖像分割方法及圖像處理系統(tǒng)，能夠在不同的實(shí)際場景中確保良好的分割效果。
[0014]為了達(dá)到以上效果，本發(fā)明提供一種圖像分割裝置，用于分割圖像，其特征在于， 具備:平滑濾波單元，對所述圖像進(jìn)行平滑濾波；區(qū)域設(shè)置單元，在平滑濾波后的所述圖像中設(shè)置感興趣區(qū)域；邊緣求取單元，對所述感興趣區(qū)域求取邊緣信息；判斷單元，能夠根據(jù)所述平滑濾波后的圖像、所述感興趣區(qū)域以及基于所述邊緣信息的邊緣值，判斷所述圖像是否噪聲大、以及所述圖像是否模糊；以及圖像分割單元，基于所述判斷單元的判斷結(jié)果， 使用基于梯度的水平集方法或基于區(qū)域的水平集方法分割所述圖像；在所述判斷單元判斷為所述圖像的噪聲大的情況下，所述圖像分割單元使用基于區(qū)域的水平集方法分割所述圖像，在所述判斷單元判斷為所述圖像的噪聲不大、而且進(jìn)一步判斷為所述圖像不模糊的情況下，所述圖像分割單元使用基于梯度的水平集方法分割所述圖像。
[0015]另外，本發(fā)明還提供一種圖像分割方法，用于分割圖像，其特征在于，包括:平滑濾波步驟，對所述圖像進(jìn)行平滑濾波；區(qū)域設(shè)置步驟，在平滑濾波后的所述圖像中設(shè)置感興趣區(qū)域；邊緣求取步驟，對所述感興趣區(qū)域求取邊緣信息；判斷步驟，能夠根據(jù)所述平滑濾波后的圖像、所述感興趣區(qū)域以及基于所述邊緣信息的邊緣值，判斷所述圖像是否噪聲大、以及所述圖像是否模糊；以及圖像分割步驟，基于所述判斷步驟的判斷結(jié)果，使用基于梯度的水平集方法或基于區(qū)域的水平集方法分割所述圖像；在所述判斷步驟判斷為所述圖像的噪聲大的情況下，所述圖像分割步驟使用基于區(qū)域的水平集方法分割所述圖像，在所述判斷步驟判斷為所述圖像的噪聲不大、而且進(jìn)一步判斷為所述圖像不模糊的情況下，所述圖像分割步驟使用基于梯度的水平集方法分割所述圖像。
[0016]另外，本發(fā)明還提供一種圖像處理系統(tǒng)，用于對圖像進(jìn)行處理并輸出處理后的圖像，其特征在于，具備:圖像獲取裝置，用于獲取圖像；上述圖像分割裝置，用于分割由所述圖像獲取裝置獲取的圖像；以及輸出裝置，輸出由所述圖像分割裝置分割后的圖像。
[0017]根據(jù)本發(fā)明的圖像分割裝置、圖像分割方法及圖像處理系統(tǒng)，與圖像的噪聲是否大和圖像是否模糊相應(yīng)地選擇適當(dāng)?shù)乃郊椒?，能夠充分利用圖像的特征信息，對于不同特征的圖像取得理想的分割效果。而且，能夠容易地結(jié)合到其他的分割方法中。另外，能夠容易地通過軟件或硬件實(shí)現(xiàn)，僅需在用于現(xiàn)有的軟件或硬件的基礎(chǔ)上做較小的改動。
[0018]本發(fā)明的圖像分割方法也可以是:所述判斷步驟還能夠判斷所述圖像的強(qiáng)度是否均勻，在所述判斷步驟判斷為所述圖像的噪聲不大且所述圖像模糊、而且進(jìn)一步判斷為所述圖像的強(qiáng)度均勻的情況下，所述圖像分割步驟使用基于區(qū)域的水平集方法分割所述圖像，在所述判斷步驟判斷為所述圖像的噪聲不大且所述圖像模糊、而且進(jìn)一步判斷為所述圖像的強(qiáng)度不均勻的情況下，所述圖像分割步驟使用基于梯度的水平集方法分割所述圖像。
[0019]由此，在圖像的噪聲是否大和圖像是否模糊的基礎(chǔ)上，進(jìn)一步與圖像的強(qiáng)度是否均勻相應(yīng)地選擇適當(dāng)?shù)乃郊椒?，能夠更充分地利用圖像的特征信息，對于不同特征的圖像取得更為理想的分割效果。
[0020]本發(fā)明的圖像分割方法也可以是:在所述判斷步驟中，根據(jù)所述平滑濾波步驟利用不同的平滑濾波參數(shù)對所述圖像進(jìn)行平滑濾波時的邊緣值彼此的差值，判斷所述圖像是否噪聲大。
[0021]由此，提供了判斷圖像是否噪聲大的一種具體方式。根據(jù)本方式，僅通過改變平滑濾波參數(shù)并判斷所計算出的邊緣值彼此的差值即可，能夠利用上述圖像分割處理中已經(jīng)利用過的邊緣值，減少了處理量，減輕了處理負(fù)荷。
[0022]本發(fā)明的圖像分割方法也可以是:在所述判斷步驟中，以所述平滑濾波步驟利用不同的平滑濾波參數(shù)對參考圖像進(jìn)行平滑濾波時的邊緣值彼此的差值作為噪聲閾值，在所述平滑濾波步驟利用不同的平滑濾波參數(shù)對所述圖像進(jìn)行平滑濾波時的邊緣值彼此的差值大于所述噪聲閾值的情況下，判斷為所述圖像的噪聲大。
[0023]由此，提供了用于判斷圖像是否噪聲大的閾值的一種設(shè)置方式。根據(jù)本方式，利用與針對要分割的圖像類似的處理，針對參考圖像求取邊緣值彼此的差值作為噪聲閾值即可，能夠使處理過程簡化。
[0024]本發(fā)明的圖像分割方法也可以是:在所述判斷步驟中，根據(jù)所述圖像的所述感興趣區(qū)域與預(yù)定的初始輪廓之間的邊緣值，判斷所述圖像是否模糊。
[0025]由此，提供了判斷圖像是否模糊的一種具體方式。根據(jù)本方式，僅通過判斷圖像的感興趣區(qū)域與預(yù)定的初始輪廓之間的邊緣值即可，能夠利用上述圖像分割處理中已經(jīng)利用過的邊緣值，減少了處理量，減輕了處理負(fù)荷，并且提高準(zhǔn)確性。
[0026]本發(fā)明的圖像分割方法也可以是:在所述判斷步驟中，以參考圖像的感興趣區(qū)域與初始輪廓之間的邊緣值作為模糊閾值，在所述圖像的所述感興趣區(qū)域與初始輪廓之間的邊緣值小于所述模糊閾值的情況下，判斷為所述圖像模糊。
[0027]由此，提供了用于判斷圖像是否模糊的閾值的一種設(shè)置方式。根據(jù)本方式，利用與針對要分割的圖像類似的處理，針對參考圖像求取感興趣區(qū)域與初始輪廓之間的邊緣值作為模糊閾值即可，能夠使處理過程簡化。
[0028]本發(fā)明的圖像分割方法也可以是:在所述判斷步驟中，根據(jù)所述圖像的預(yù)定的初始輪廓內(nèi)的灰度均勻度，判斷所述圖像的強(qiáng)度是否均勻。
[0029]由此，提供了判斷圖像的強(qiáng)度是否均勻的一種具體方式。根據(jù)本方式，通過適當(dāng)設(shè)置圖像的初始輪廓并求取其內(nèi)部的灰度均勻度，能夠減少處理量，減輕處理負(fù)荷，并提高準(zhǔn)確性。
[0030]本發(fā)明的圖像分割方法也可以是:在所述判斷步驟中，以參考圖像的初始輪廓內(nèi)的灰度均勻度作為均勻度閾值，在所述圖像的預(yù)定的初始輪廓內(nèi)的灰度均勻度滿足均勻度閾值的情況下，判斷為所述圖像的強(qiáng)度均勻。
[0031]由此，提供了用于判斷圖像的強(qiáng)度是否均勻的閾值的一種設(shè)置方式。根據(jù)本方式，利用與針對要分割的圖像類似的處理，針對參考圖像求取初始輪廓內(nèi)的灰度均勻度作為均勻度閾值即可，能夠使處理過程簡化。
[0032]另外，本發(fā)明的圖像分割方法的上述各個方式都能夠通過圖像分割裝置或圖像處理系統(tǒng)實(shí)現(xiàn)。另外，本發(fā)明不限于上述圖像分割方法、圖像分割裝置及圖像處理系統(tǒng)，也可以通過使計算機(jī)執(zhí)行上述圖像分割方法的圖像分割程序或者構(gòu)成上述圖像分割裝置的集成電路來實(shí)現(xiàn)?！靖綀D說明】
[0033]圖1示出根據(jù)本發(fā)明的圖像處理系統(tǒng)的結(jié)構(gòu)框圖。
[0034]圖2示出根據(jù)本發(fā)明的第一實(shí)施例的圖像分割方法的流程圖。
[0035]圖3示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法的流程圖。
[0036]圖4示出根據(jù)本發(fā)明的一個具體例中判斷圖像是否噪聲大的流程圖。
[0037]圖5示出圖4所示的具體例中用于判斷圖像是否噪聲大的閾值的設(shè)置方法的流程圖。
[0038]圖6示出根據(jù)本發(fā)明的另一個具體例中判斷圖像是否模糊的流程圖。
[0039]圖7示出圖6所示的具體例中用于判斷圖像是否模糊的閾值的設(shè)置方法的流程圖。
[0040]圖8示出根據(jù)本發(fā)明的又一個具體例中判斷圖像強(qiáng)度是否均勻的流程圖。
[0041]圖9示出圖8所示的具體例中用于判斷圖像強(qiáng)度是否均勻的閾值的設(shè)置方法的流程圖。
[0042]圖10示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法用于一個腫瘤超聲圖像的結(jié)果。
[0043]圖11示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法用于一個腫瘤超聲圖像的結(jié)果。
[0044]圖12示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法用于一個腫瘤超聲圖像的結(jié)果。
[0045]圖13示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法用于一個腫瘤超聲圖像的結(jié)果?！揪唧w實(shí)施方式】
[0046]以下結(jié)合附圖及實(shí)施例對本發(fā)明進(jìn)行更詳細(xì)的說明。此外，在附圖中給同一或者相應(yīng)部分附以同一附圖標(biāo)記，省略重復(fù)的說明。
[0047]圖1示出根據(jù)本發(fā)明的圖像處理系統(tǒng)的示意性結(jié)構(gòu)框圖。
[0048]如圖1所示，根據(jù)本發(fā)明的圖像處理系統(tǒng)包括圖像獲取裝置100、圖像分割裝置 200和輸出單元300。所述圖像獲取裝置100用于獲取圖像以及將所述圖像傳輸給圖像分割裝置200。所述圖像分割裝置200用于對由圖像獲取裝置100提供的圖像進(jìn)行分割處理。 處理所需或所生成的各種數(shù)據(jù)例如存儲在共享存儲器中。所述輸出單元300用于輸出(和 /或顯示)經(jīng)圖像分割裝置200分割處理的結(jié)果。
[0049]圖像分割裝置200包括平滑濾波單元10、區(qū)域設(shè)置單元20、邊緣求取單元30、判斷單元40和圖像分割單元50。圖像分割裝置200所具備的這些結(jié)構(gòu)可以分別由獨(dú)立的電路結(jié)構(gòu)作為硬件來實(shí)現(xiàn)，也可以通過處理器執(zhí)行存儲器中存儲的程序作為功能模塊來實(shí)現(xiàn)， 以下具體說明。
[0050]所述平滑濾波單元10用于對由圖像獲取裝置100提供的圖像進(jìn)行平滑濾波，并將經(jīng)過平滑濾波的圖像傳輸給區(qū)域設(shè)置單元20、邊緣求取單元30和判斷單元40。
[0051]所述區(qū)域設(shè)置單元20用于在平滑濾波后的圖像中設(shè)置感興趣區(qū)域，并把感興趣區(qū)域的設(shè)置結(jié)果傳輸給所述邊緣求取單元30和判斷單元40。
[0052]所述邊緣求取單元30用于求取當(dāng)前圖像中感興趣區(qū)域的邊緣信息。求取圖像邊緣信息可以使用現(xiàn)有的圖像邊緣檢測算法，比如坎尼(canny)算法。
[0053]所述判斷單元40讀取平滑濾波單元10輸出的經(jīng)過平滑濾波的圖像、區(qū)域設(shè)置單元20設(shè)置的感興趣區(qū)域、以及邊緣求取單元30輸出的邊緣信息，利用該邊緣信息計算邊緣值，并例如判斷圖像是否噪聲大、圖像是否模糊、圖像的強(qiáng)度是否均勻。
[0054]例如，判斷單元40可以分別計算圖像的噪聲參數(shù)、模糊參數(shù)和均勻參數(shù)，并從共享存儲器中讀取參考圖像的噪聲參數(shù)、模糊參數(shù)和均勻參數(shù)，對圖像的噪聲、模糊和均勻的特征進(jìn)行分析。
[0055]所述圖像分割單元50利用由判斷單元40得出的圖像特征對當(dāng)前圖像進(jìn)行分割處理。在此，例如可以借助已知的水平集方法進(jìn)行所述分割處理。另外，所述圖像分割單元50 也可以還對圖像進(jìn)行其他后處理。
[0056]以下具體說明本發(fā)明的第一實(shí)施例所涉及的由圖像分割裝置200執(zhí)行的圖像分割方法。圖2示出根據(jù)本發(fā)明的第一實(shí)施例的圖像分割方法的流程圖。
[0057]如圖2所示，本發(fā)明的第一實(shí)施例的圖像分割方法包括平滑濾波步驟S101、區(qū)域設(shè)置步驟S102、邊緣求取步驟S103、判斷步驟S104和圖像分割步驟S105。
[0058]在平滑濾波步驟S101中，平滑濾波單元10對圖像進(jìn)行平滑濾波。
[0059]在區(qū)域設(shè)置步驟S102中，區(qū)域設(shè)置單元20在平滑濾波后的所述圖像中設(shè)置感興趣區(qū)域。
[0060]在邊緣求取步驟S103中，邊緣求取單元30對感興趣區(qū)域求取邊緣信息。
[0061]在判斷步驟S104中，判斷單元40首先根據(jù)平滑濾波后的圖像、感興趣區(qū)域以及基于邊緣信息的邊緣值，判斷圖像是否噪聲大(子步驟S1041)。
[0062]在子步驟S1041的判斷結(jié)果為圖像的噪聲大的情況下，執(zhí)行圖像分割步驟S105的子步驟S1051，使用基于區(qū)域的水平集方法分割圖像。
[0063]在子步驟S1041的判斷結(jié)果為圖像的噪聲不大的情況下，進(jìn)一步判斷圖像是否模糊(子步驟S1042)。
[0064]在子步驟S1042的判斷結(jié)果為圖像模糊的情況下，執(zhí)行圖像分割步驟S105的子步驟S1051，使用基于區(qū)域的水平集方法分割圖像。
[0065]在子步驟S1042的判斷結(jié)果為圖像不模糊的情況下，執(zhí)行圖像分割步驟S105的子步驟S1052,使用基于梯度的水平集方法分割圖像。
[0066]根據(jù)本發(fā)明的第一實(shí)施例，與圖像的噪聲是否大和圖像是否模糊相應(yīng)地選擇適當(dāng)?shù)乃郊椒?，能夠充分利用圖像的特征信息，對于不同特征的圖像取得理想的分割效果。 而且，能夠容易地結(jié)合到其他的分割方法中。另外，能夠容易地通過軟件或硬件實(shí)現(xiàn)，僅需在用于現(xiàn)有的軟件或硬件的基礎(chǔ)上做較小的改動。
[0067]以下具體說明本發(fā)明的第二實(shí)施例所涉及的由圖像分割裝置200執(zhí)行的圖像分割方法。第二實(shí)施例在第一實(shí)施例的基礎(chǔ)上加入了對圖像的強(qiáng)度是否均勻的判斷，其他可以參照第一實(shí)施例。以下僅重點(diǎn)說明其與第一實(shí)施例的不同點(diǎn)，其與第一實(shí)施例相同或類似之處省略說明。
[0068]根據(jù)本發(fā)明的第二實(shí)施例，判斷單元40還能夠判斷圖像的強(qiáng)度是否均勻。在判斷步驟中由判斷單元40判斷為圖像的噪聲不大且圖像模糊、而且進(jìn)一步判斷為圖像的強(qiáng)度均勻的情況下，在圖像分割步驟中，圖像分割單元50使用基于區(qū)域的水平集方法分割所述圖像。另外，在判斷步驟中由判斷單元40判斷為圖像的噪聲不大且圖像模糊、而且進(jìn)一步判斷為圖像的強(qiáng)度不均勻的情況下，在圖像分割步驟中，圖像分割單元50使用基于梯度的水平集方法分割所述圖像。以下具體說明。
[0069]圖3示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法的流程圖。
[0070]在方法步驟S201中，讀取要分割的圖像。
[0071]在方法步驟S202中，對所讀取的圖像進(jìn)行平滑濾波，比如可以使用現(xiàn)有技術(shù)中的引導(dǎo)濾波(guided filter)算法。
[0072]在方法步驟S203中，設(shè)置感興趣區(qū)域。感興趣區(qū)域的設(shè)置方法，可以是人工選擇包含分割對象的大致區(qū)域，也可以是按照經(jīng)驗(yàn)自動選擇固定位置的區(qū)域。
[0073]在方法步驟S204中，對經(jīng)過平滑濾波的圖像的感興趣區(qū)域獲取邊緣圖像，比如使用現(xiàn)有技術(shù)中的canny算法。然后計算邊緣值，比如使用現(xiàn)有技術(shù)計算邊緣圖像中邊緣像素點(diǎn)的均值。
[0074]在方法步驟S205中，判斷圖像噪聲的特征。
[0075]如果在方法步驟S205中判斷圖像噪聲大，則接下來進(jìn)行方法步驟S209,使用基于區(qū)域的水平集方法進(jìn)行分割。
[0076]如果在方法步驟S205中判斷圖像噪聲不大，則接下來進(jìn)行方法步驟S206。
[0077]在方法步驟S206中，判斷當(dāng)前圖像是否模糊。
[0078]如果在方法步驟S206中判斷當(dāng)前像素模糊，則接下來進(jìn)行方法步驟S207。
[0079]如果在方法步驟S206中判斷當(dāng)前像素不模糊，則接下來進(jìn)行方法步驟S208,使用基于梯度的水平集方法進(jìn)行分割。
[0080]在接下來的方法步驟S207中，判斷當(dāng)前圖像是否強(qiáng)度均勻。
[0081]如果在方法步驟S207中判斷當(dāng)前圖像強(qiáng)度均勻，則接下來進(jìn)行步驟S209,使用基于區(qū)域的水平集方法進(jìn)行分割。
[0082]如果在方法步驟S207中判斷當(dāng)前圖像強(qiáng)度不均勻，則接下來進(jìn)行方法步驟S208， 使用基于梯度的水平集方法進(jìn)行分割。
[0083]接下來在方法步驟S210中輸出方法步驟S208或方法步驟S209得到的分割結(jié)果。
[0084]上述步驟S202對應(yīng)于本發(fā)明的平滑濾波步驟，步驟S203對應(yīng)于區(qū)域設(shè)置步驟， 步驟S204中獲取邊緣圖像對應(yīng)于邊緣求取步驟，步驟S205至S207對應(yīng)于判斷步驟，步驟 S208和S209對應(yīng)于圖像分割步驟。
[0085]根據(jù)本發(fā)明的第二實(shí)施例，在圖像的噪聲是否大和圖像是否模糊的基礎(chǔ)上，進(jìn)一步與圖像的強(qiáng)度是否均勻相應(yīng)地選擇適當(dāng)?shù)乃郊椒ǎ軌蚋浞值乩脠D像的特征信息，對于不同特征的圖像取得更為理想的分割效果。
[0086]以下具體說明本發(fā)明的一個具體例。本具體例能夠適用于上述第一實(shí)施例或上述第二實(shí)施例。
[0087]根據(jù)本具體例中，在判斷步驟中，判斷單元40根據(jù)在平滑濾波中利用不同的平滑濾波參數(shù)對要分割的圖像進(jìn)行平滑濾波時的邊緣值彼此的差值，判斷該圖像是否噪聲大。 以下具體說明。
[0088]圖4示出根據(jù)本發(fā)明的一個具體例中判斷圖像是否噪聲大的流程圖。
[0089]在方法步驟S301中，設(shè)置與此前在圖2的S101或圖3的S202中設(shè)置的平滑濾波參數(shù)不同的新的平滑濾波參數(shù)。
[0090]在方法步驟S302中，以方法步驟S301設(shè)置的參數(shù)對圖像進(jìn)行平滑濾波。比如使用現(xiàn)有技術(shù)中的guided filter算法。
[0091]在方法步驟S303中，對方法步驟S302濾波得到的圖像中對應(yīng)圖2的方法步驟 S102或圖3的步驟S203設(shè)置的感興趣區(qū)域，獲取邊緣圖像，比如使用現(xiàn)有技術(shù)中的canny 算法。然后計算邊緣值，比如使用現(xiàn)有技術(shù)計算邊緣圖像中邊緣像素點(diǎn)的均值。
[0092]在方法步驟S304中，計算圖2的步驟S103或圖3的方法步驟S204得到的邊緣值和方法步驟S303得到的邊緣值的差值。
[0093]在方法步驟S305中，判斷方法步驟S304中得到的邊緣值的差值是否大于閾值。
[0094]如果在方法步驟S305中判斷差值大于閾值，則接下來進(jìn)行方法步驟S306,即判斷為圖像噪聲大。
[0095]如果在方法步驟S305中判斷差值不大于閾值，則接下來進(jìn)行方法步驟S307,即判斷為圖像噪聲不大。
[0096]由此，提供了判斷圖像是否噪聲大的一種具體方式。根據(jù)本方式，僅通過改變平滑濾波參數(shù)并判斷所計算出的邊緣值彼此的差值即可，能夠利用上述圖像分割處理中已經(jīng)計算出的邊緣值，減少了處理量，減輕了處理負(fù)荷。
[0097]關(guān)于上述閾值即噪聲閾值，例如可以預(yù)先設(shè)置閾值，也可以使用下述方式設(shè)置閾值。即，以利用上述不同的平滑濾波參數(shù)對參考圖像進(jìn)行平滑濾波時的邊緣值彼此的差值作為噪聲閾值，在利用上述不同的平滑濾波參數(shù)對要分割的圖像進(jìn)行平滑濾波時的邊緣值彼此的差值大于所述噪聲閾值的情況下，判斷為要分割的圖像的噪聲大。以下具體說明。
[0098]圖5示出圖4所示的具體例中用于判斷圖像是否噪聲大的閾值的設(shè)置方法的流程圖。
[0099]在方法步驟S401中，對所讀取的參考圖像進(jìn)行平滑濾波，比如使用現(xiàn)有技術(shù)中的 guided filter算法。用于設(shè)置閾值的參考圖像可以是人工按照經(jīng)驗(yàn)選擇的圖像，也可以是系統(tǒng)按照歷史記錄自動選擇的圖像。
[0100]在方法步驟S402中，設(shè)置感興趣區(qū)域。感興趣區(qū)域的設(shè)置方法，可以是人工選擇包含分割對象的大致區(qū)域，也可以是按照經(jīng)驗(yàn)自動選擇固定位置的區(qū)域。
[0101]在方法步驟S403中，對經(jīng)過平滑濾波的參考圖像的感興趣區(qū)域獲取邊緣圖像，比如使用現(xiàn)有技術(shù)中的canny算法。然后計算邊緣值，比如使用現(xiàn)有技術(shù)計算邊緣圖像中邊緣像素點(diǎn)的均值。
[0102]在方法步驟S404中，設(shè)置新的平滑濾波參數(shù)。
[0103]在方法步驟S405中，以方法步驟S404設(shè)置的參數(shù)對參考圖像進(jìn)行平滑濾波，比如使用現(xiàn)有技術(shù)中的guided filter算法。
[0104]在方法步驟S406中，對方法步驟S405濾波得到的圖像中對應(yīng)方法步驟S402設(shè)置的感興趣區(qū)域，獲取邊緣圖像，比如使用現(xiàn)有技術(shù)中的canny算法。然后計算邊緣值，比如使用現(xiàn)有技術(shù)計算邊緣圖像中邊緣像素點(diǎn)的均值。
[0105]在方法步驟S407中，計算方法步驟S403和方法步驟S406得到的邊緣值的差值。
[0106]在方法步驟S408中，把方法步驟S407得到的邊緣值的差值設(shè)為判斷圖像噪聲的閾值即噪聲閾值。
[0107]由此，提供了用于判斷圖像是否噪聲大的閾值的一種設(shè)置方式。根據(jù)本方式，利用與針對要分割的圖像類似的處理，針對參考圖像求取邊緣值彼此的差值作為噪聲閾值即可，能夠使處理過程簡化。
[0108]以下具體說明本發(fā)明的另一個具體例。本具體例能夠適用于上述第一實(shí)施例或上述第二實(shí)施例。
[0109]根據(jù)本具體例中，在判斷步驟中，判斷單元40根據(jù)要分割的圖像的感興趣區(qū)域與預(yù)定的初始輪廓之間的邊緣值，判斷該圖像是否模糊。以下具體說明。
[0110]圖6示出根據(jù)本發(fā)明的另一個具體例中判斷圖像是否模糊的流程圖。
[0111]在方法步驟S501中，對圖2的步驟S101或圖3的方法步驟S202濾波得到的圖像中初始輪廓內(nèi)的區(qū)域，獲取邊緣圖像，比如使用現(xiàn)有技術(shù)中的canny算法。初始輪廓是與感興趣區(qū)域不同的區(qū)域，其設(shè)置方法可以是人工選擇分割對象內(nèi)部的大致區(qū)域，也可以是按照經(jīng)驗(yàn)自動選擇固定位置的區(qū)域。
[0112]在方法步驟S502中，使用圖2的步驟S103或圖3的方法步驟S204得到的邊緣圖像和方法步驟S501得到的邊緣圖像，計算感興趣區(qū)域和初始輪廓間部分圖像的邊緣值。計算邊緣值可以使用現(xiàn)有技術(shù)，比如計算感興趣區(qū)域和初始輪廓間部分圖像的邊緣像素點(diǎn)的均值。
[0113]在方法步驟S503中，判斷方法步驟S502中得到的邊緣值是否小于閾值。
[0114]如果在方法步驟S503中判斷差值小于閾值，則接下來進(jìn)行方法步驟S504,即判斷為圖像模糊。
[0115]如果在方法步驟S503中判斷差值不小于閾值，則接下來進(jìn)行方法步驟S505,即判斷為圖像不模糊。
[0116]由此，提供了判斷圖像是否模糊的一種具體方式。根據(jù)本方式，僅通過判斷圖像的感興趣區(qū)域與預(yù)定的初始輪廓之間的邊緣值即可，能夠利用上述圖像分割處理中已經(jīng)計算出的邊緣值，減少了處理量，減輕了處理負(fù)荷。通過適當(dāng)設(shè)置感興趣區(qū)域和初始輪廓，例如使得邊緣位于感興趣區(qū)域與初始輪廓之間，能夠有效地利用感興趣區(qū)域與初始輪廓之間的邊緣值判斷圖像是否模糊，提高了準(zhǔn)確性。
[0117]關(guān)于上述閾值即模糊閾值，例如可以預(yù)先設(shè)置閾值，也可以使用下述方式設(shè)置閾值。即，以參考圖像的感興趣區(qū)域與初始輪廓之間的邊緣值作為模糊閾值，在要分割的圖像的感興趣區(qū)域與初始輪廓之間的邊緣值小于該模糊閾值的情況下，判斷為要分割的圖像模糊。以下具體說明。
[0118]圖7示出圖6所示的具體例中用于判斷圖像是否模糊的閾值的設(shè)置方法的流程圖。
[0119]在方法步驟S601中，對所讀取的參考圖像進(jìn)行平滑濾波，比如使用現(xiàn)有技術(shù)中的 guided filter算法。用于設(shè)置閾值的參考圖像可以是人工按照經(jīng)驗(yàn)選擇的圖像，也可以是系統(tǒng)按照歷史記錄自動選擇的圖像。
[0120]在方法步驟S602中，設(shè)置感興趣區(qū)域。感興趣區(qū)域的設(shè)置方法，可以是人工選擇包含分割對象的大致區(qū)域，也可以是按照經(jīng)驗(yàn)自動選擇固定位置的區(qū)域。
[0121]在方法步驟S603中，對經(jīng)過平滑濾波的參考圖像的感興趣區(qū)域獲取邊緣圖像，比如使用現(xiàn)有技術(shù)中的canny算法。
[0122]在方法步驟S604中，對方法步驟S601濾波得到的參考圖像中初始輪廓內(nèi)的區(qū)域， 獲取邊緣圖像，比如使用現(xiàn)有技術(shù)中的canny算法。初始輪廓是與感興趣區(qū)域不同的區(qū)域， 其設(shè)置方法可以是人工選擇分割對象內(nèi)部的大致區(qū)域，也可以是按照經(jīng)驗(yàn)自動選擇固定位置的區(qū)域。
[0123]在方法步驟S605中，使用方法步驟S603得到的邊緣圖像和方法步驟S604得到的邊緣圖像，計算感興趣區(qū)域和初始輪廓間部分圖像的邊緣值。計算邊緣值可以使用現(xiàn)有技術(shù)，比如計算感興趣區(qū)域和初始輪廓間部分圖像的邊緣像素點(diǎn)的均值。
[0124]在方法步驟S606中，把計算方法步驟S605得到的邊緣值設(shè)為判斷圖像模糊的閾值即模糊閾值。
[0125]由此，提供了用于判斷圖像是否模糊的閾值的一種設(shè)置方式。根據(jù)本方式，利用與針對要分割的圖像類似的處理，針對參考圖像求取感興趣區(qū)域與初始輪廓之間的邊緣值作為模糊閾值即可，能夠使處理過程簡化。
[0126]以下具體說明本發(fā)明的又一個具體例。本具體例能夠適用于上述第二實(shí)施例。
[0127]根據(jù)本具體例中，在判斷步驟中，判斷單元40根據(jù)要分割的圖像的預(yù)定的初始輪廓內(nèi)的灰度均勻度，判斷該圖像的強(qiáng)度是否均勻。以下具體說明。
[0128]圖8示出根據(jù)本發(fā)明的又一個具體例中判斷圖像強(qiáng)度是否均勻的流程圖。
[0129]在方法步驟S701中，對圖2的步驟S101或圖3的方法步驟S202濾波得到的圖像中初始輪廓內(nèi)的區(qū)域，例如使用現(xiàn)有技術(shù)計算圖像像素的標(biāo)準(zhǔn)差。初始輪廓的設(shè)置方法，可以是人工選擇分割對象內(nèi)部的大致區(qū)域，也可以是按照經(jīng)驗(yàn)自動選擇固定位置的區(qū)域。
[0130]在方法步驟S702中，判斷方法步驟S701中得到的標(biāo)準(zhǔn)差是否小于閾值。
[0131]如果在方法步驟S702中判斷標(biāo)準(zhǔn)差小于閾值，則接下來進(jìn)行方法步驟S703,即判斷為圖像強(qiáng)度均勻。
[0132]如果在方法步驟S702中判斷差值不小于閾值，則接下來進(jìn)行方法步驟S704,即判斷為圖像強(qiáng)度不均勻。
[0133]由此，提供了判斷圖像的強(qiáng)度是否均勻的一種具體方式。根據(jù)本方式，通過適當(dāng)設(shè)置圖像的初始輪廓并求取其內(nèi)部的灰度均勻度，能夠減少處理量，減輕處理負(fù)荷。通過適當(dāng)設(shè)置初始輪廓，例如使其僅包括關(guān)注對象(例如腫瘤)的內(nèi)部，能夠有效地利用初始輪廓內(nèi)部的灰度均勻度判斷圖像的強(qiáng)度是否均勻，提高了準(zhǔn)確性。
[0134]關(guān)于上述閾值即均勻度閾值，例如可以預(yù)先設(shè)置閾值，也可以使用下述方式設(shè)置閾值。即，以參考圖像的初始輪廓內(nèi)的灰度均勻度作為均勻度閾值，在要分割的圖像的預(yù)定的初始輪廓內(nèi)的灰度均勻度滿足均勻度閾值的情況下，判斷為該圖像的強(qiáng)度均勻。
[0135]其中，圖8中以像素的標(biāo)準(zhǔn)差作為像素的灰度均勻度的一個例子，但在判斷圖像強(qiáng)度是否均勻時，可以使用各種計算圖像灰度均勻度的現(xiàn)有技術(shù)，比如標(biāo)準(zhǔn)差、或方差等。 在采用其他參數(shù)時，參數(shù)的大小與圖像強(qiáng)度的均勻度高低之間的關(guān)系可能成正比，也可能成反比。此時，只要灰度均勻度滿足均勻度閾值則判斷為該圖像的強(qiáng)度均勻，不限于上述小于閾值的情況。即，這里的滿足均勻度閾值指的是不差于均勻度閾值。
[0136]圖9示出圖8所示的具體例中用于判斷圖像強(qiáng)度是否均勻的閾值的設(shè)置方法的流程圖。
[0137]在方法步驟S801中，對所讀取的參考圖像進(jìn)行平滑濾波，比如使用現(xiàn)有技術(shù)中的 guided filter算法。用于設(shè)置閾值的參考圖像可以是人工按照經(jīng)驗(yàn)選擇的圖像，也可以是系統(tǒng)按照歷史記錄自動選擇的圖像。
[0138]在方法步驟S802中，對方法步驟S801濾波得到的圖像中初始輪廓內(nèi)的區(qū)域，例如使用現(xiàn)有技術(shù)計算圖像像素的標(biāo)準(zhǔn)差。初始輪廓的設(shè)置方法，可以是人工選擇分割對象內(nèi)部的大致區(qū)域，也可以是按照經(jīng)驗(yàn)自動選擇固定位置的區(qū)域。
[0139]在方法步驟S803中，把計算方法步驟S802得到的標(biāo)準(zhǔn)差設(shè)為判斷圖像強(qiáng)度均勻的閾值即均勻度閾值。
[0140]由此，提供了用于判斷圖像的強(qiáng)度是否均勻的閾值的一種設(shè)置方式。根據(jù)本方式， 利用與針對要分割的圖像類似的處理，針對參考圖像求取初始輪廓內(nèi)的灰度均勻度作為均勻度閾值即可，能夠使處理過程簡化。
[0141]以下通過圖10至圖13示出本發(fā)明的第二實(shí)施例用于腫瘤超聲圖像的結(jié)果。其中， 白色虛線矩形框所示為選擇的感興趣區(qū)域，白色實(shí)線矩形框所示為選擇的初始輪廓。
[0142]圖10示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法用于一個腫瘤超聲圖像的結(jié)果。
[0143]根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法，圖10所示的輸入圖像被判斷為圖像噪聲不大，模糊，均勻，根據(jù)第二實(shí)施例的圖像分割方法(參見圖3所示的流程圖)選擇使用基于區(qū)域的水平集方法。從對比結(jié)果顯示，對圖10所示的輸入圖像，基于區(qū)域的水平集方法的結(jié)果優(yōu)于基于梯度的水平集方法的結(jié)果。
[0144]圖11示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法用于一個腫瘤超聲圖像的結(jié)果。
[0145]根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法，圖11所示的輸入圖像被判斷為圖像噪聲大，模糊，均勻，根據(jù)第二實(shí)施例的圖像分割方法(參見圖3所示的流程圖)選擇使用基于區(qū)域的水平集方法。從對比結(jié)果顯示，對圖11所示的輸入圖像，基于區(qū)域的水平集方法的結(jié)果優(yōu)于基于梯度的水平集方法的結(jié)果。
[0146]圖12示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法用于一個腫瘤超聲圖像的結(jié)果。
[0147]根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法，圖12所示的輸入圖像被判斷為圖像噪聲不大，模糊，不均勻，根據(jù)第二實(shí)施例的圖像分割方法(參見圖3所示的流程圖)選擇使用基于梯度的水平集方法。從對比結(jié)果顯示，對圖12所示的輸入圖像，基于梯度的水平集方法的結(jié)果優(yōu)于基于區(qū)域的水平集方法的結(jié)果。
[0148]圖13示出根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法用于一個腫瘤超聲圖像的結(jié)果。
[0149]根據(jù)本發(fā)明的第二實(shí)施例的圖像分割方法，圖13所示的輸入圖像被判斷為圖像噪聲不大，不模糊，根據(jù)第二實(shí)施例的圖像分割方法(參見圖3所示的流程圖)選擇使用基于梯度的水平集方法。從對比結(jié)果顯示，對圖13所示的輸入圖像，基于梯度的水平集方法的結(jié)果優(yōu)于基于區(qū)域的水平集方法的結(jié)果。
[0150]以上以超聲圖像為例說明了本發(fā)明的分割結(jié)果，但本發(fā)明能夠適用于各種圖像， 不限于超聲圖像，也可以適用于MRI圖像或CT圖像等，還可以適用于醫(yī)療用途以外的圖像。 另外，本發(fā)明所分割的圖像例如可以被利用于科學(xué)研究、生物體數(shù)據(jù)獲取等多個領(lǐng)域。另夕卜，本發(fā)明所分割的圖像例如也可以作為中間數(shù)據(jù)，被利用于疾病診斷和健康管理等領(lǐng)域。
[0151]以上參照【附圖說明】了本發(fā)明的實(shí)施例。其中，以上說明的實(shí)施例僅是本發(fā)明的具體例子，用于理解本發(fā)明，而不用于限定本發(fā)明的范圍。本領(lǐng)域技術(shù)人員能夠基于本發(fā)明的技術(shù)思想對各實(shí)施例進(jìn)行各種變形、組合和要素的合理省略，由此得到的方式也包括在本發(fā)明的范圍內(nèi)。
【主權(quán)項(xiàng)】
1.一種圖像分割裝置，用于分割圖像，其特征在于，具備:平滑濾波單元，對所述圖像進(jìn)行平滑濾波；區(qū)域設(shè)置單元，在平滑濾波后的所述圖像中設(shè)置感興趣區(qū)域；邊緣求取單元，對所述感興趣區(qū)域求取邊緣信息；判斷單元，能夠根據(jù)所述平滑濾波后的圖像、所述感興趣區(qū)域以及基于所述邊緣信息 的邊緣值，判斷所述圖像是否噪聲大、以及所述圖像是否模糊；以及圖像分割單元，基于所述判斷單元的判斷結(jié)果，使用基于梯度的水平集方法或基于區(qū) 域的水平集方法分割所述圖像；在所述判斷單元判斷為所述圖像的噪聲大的情況下，所述圖像分割單元使用基于區(qū)域 的水平集方法分割所述圖像，在所述判斷單元判斷為所述圖像的噪聲不大、而且進(jìn)一步判斷為所述圖像不模糊的情 況下，所述圖像分割單元使用基于梯度的水平集方法分割所述圖像。2.如權(quán)利要求1所述的圖像分割裝置，其特征在于，所述判斷單元還能夠判斷所述圖像的強(qiáng)度是否均勻，在所述判斷單元判斷為所述圖像的噪聲不大且所述圖像模糊、而且進(jìn)一步判斷為所述 圖像的強(qiáng)度均勻的情況下，所述圖像分割單元使用基于區(qū)域的水平集方法分割所述圖像， 在所述判斷單元判斷為所述圖像的噪聲不大且所述圖像模糊、而且進(jìn)一步判斷為所 述圖像的強(qiáng)度不均勻的情況下，所述圖像分割單元使用基于梯度的水平集方法分割所述圖像。3.—種圖像分割方法，用于分割圖像，其特征在于，包括:平滑濾波步驟，對所述圖像進(jìn)行平滑濾波；區(qū)域設(shè)置步驟，在平滑濾波后的所述圖像中設(shè)置感興趣區(qū)域；邊緣求取步驟，對所述感興趣區(qū)域求取邊緣信息；判斷步驟，能夠根據(jù)所述平滑濾波后的圖像、所述感興趣區(qū)域以及基于所述邊緣信息 的邊緣值，判斷所述圖像是否噪聲大、以及所述圖像是否模糊；以及圖像分割步驟，基于所 述判斷步驟的判斷結(jié)果，使用基于梯度的水平集方法或基于區(qū)域的水平集方法分割所述圖 像；在所述判斷步驟判斷為所述圖像的噪聲大的情況下，所述圖像分割步驟使用基于區(qū)域 的水平集方法分割所述圖像，在所述判斷步驟判斷為所述圖像的噪聲不大、而且進(jìn)一步判斷為所述圖像不模糊的情 況下，所述圖像分割步驟使用基于梯度的水平集方法分割所述圖像。4.如權(quán)利要求3所述的圖像分割方法，其特征在于，所述判斷步驟還能夠判斷所述圖像的強(qiáng)度是否均勻，在所述判斷步驟判斷為所述圖像的噪聲不大且所述圖像模糊、而且進(jìn)一步判斷為所述 圖像的強(qiáng)度均勻的情況下，所述圖像分割步驟使用基于區(qū)域的水平集方法分割所述圖像， 在所述判斷步驟判斷為所述圖像的噪聲不大且所述圖像模糊、而且進(jìn)一步判斷為所 述圖像的強(qiáng)度不均勻的情況下，所述圖像分割步驟使用基于梯度的水平集方法分割所述圖像。5.如權(quán)利要求3或4所述的圖像分割方法，其特征在于，在所述判斷步驟中，根據(jù)所述平滑濾波步驟利用不同的平滑濾波參數(shù)對所述圖像進(jìn)行 平滑濾波時的邊緣值彼此的差值，判斷所述圖像是否噪聲大。6.如權(quán)利要求5所述的圖像分割方法，其特征在于，在所述判斷步驟中，以所述平滑濾波步驟利用不同的平滑濾波參數(shù)對參考圖像進(jìn)行平 滑濾波時的邊緣值彼此的差值作為噪聲閾值，在所述平滑濾波步驟利用不同的平滑濾波參 數(shù)對所述圖像進(jìn)行平滑濾波時的邊緣值彼此的差值大于所述噪聲閾值的情況下，判斷為所 述圖像的噪聲大。7.如權(quán)利要求3或4所述的圖像分割方法，其特征在于，在所述判斷步驟中，根據(jù)所述圖像的所述感興趣區(qū)域與預(yù)定的初始輪廓之間的邊緣 值，判斷所述圖像是否模糊。8.如權(quán)利要求7所述的圖像分割方法，其特征在于，在所述判斷步驟中，以參考圖像的感興趣區(qū)域與初始輪廓之間的邊緣值作為模糊閾 值，在所述圖像的所述感興趣區(qū)域與初始輪廓之間的邊緣值小于所述模糊閾值的情況下， 判斷為所述圖像模糊。9.如權(quán)利要求4所述的圖像分割方法，其特征在于，在所述判斷步驟中，根據(jù)所述圖像的預(yù)定的初始輪廓內(nèi)的灰度均勻度，判斷所述圖像 的強(qiáng)度是否均勻。10.如權(quán)利要求9所述的圖像分割方法，其特征在于，在所述判斷步驟中，以參考圖像的初始輪廓內(nèi)的灰度均勻度作為均勻度閾值，在所述 圖像的預(yù)定的初始輪廓內(nèi)的灰度均勻度滿足均勻度閾值的情況下，判斷為所述圖像的強(qiáng)度 均勻。11.一種圖像處理系統(tǒng)，用于對圖像進(jìn)行處理并輸出處理后的圖像，其特征在于，具 備:圖像獲取裝置，用于獲取圖像；如權(quán)利要求1或2所述的圖像分割裝置，用于分割由所述圖像獲取裝置獲取的圖像；以 及輸出裝置，輸出由所述圖像分割裝置分割后的圖像。
【文檔編號】G06T7/00GK106033602SQ201510104269
【公開日】2016年10月19日
【申請日】2015年3月10日
【發(fā)明人】王瑾娟
【申請人】株式會社日立制作所