【技术实现步骤摘要】
一种立位全脊柱图像自动无缝拼接的方法及装置
本专利技术涉及图像处理
,尤其涉及一种立位全脊柱图像自动无缝拼接的方法及装置。
技术介绍
脊柱侧凸俗称脊柱侧弯,它是一种脊柱的三维畸形,包括冠状位、矢状位和轴位上的序列异常。正常人的脊柱从后面看应该是一条直线,并且躯干两侧对称。如果从正面看有双肩不等高或后面看到有后背左右不平,就应怀疑“脊柱侧凸”。这个时候应拍摄站立位的全脊柱X线片来做判断,而拍摄时的图像会经过3次曝光获取3张分离的图像,然后对所获得的分段影像再进行对接获取全脊柱的整体影像。目前,对接影像的工作需要技术人员手动设置和调整,对接后的影像即作为临床判断依据,但是,仅凭技术人员的目视对接存在很大的主观臆断和视觉误差,而且还需要设置部分参数并调整图像位置,效率较低并且无法提供准确的拼接图像。Sift特征提取算法是由DavidLowe发表的一种基于多尺度空间的特征提取算法,它在空间尺度中寻找极值点,对旋转、尺度变换、亮度变换都具有不变性,是目前特征提取领域使用最为广泛的算法之一。但由于Sift算法在计算特征点主 ...
【技术保护点】
1.一种立位全脊柱图像自动无缝拼接的方法,其特征在于:/nS1、分别获取两幅原始图像的特征点描述集;/nS2、匹配两幅原始图像的特征点描述集,获取重叠区域坐标;/nS3、根据重叠区域坐标对两幅原始图像进行图像拼接。/n
【技术特征摘要】
1.一种立位全脊柱图像自动无缝拼接的方法,其特征在于:
S1、分别获取两幅原始图像的特征点描述集;
S2、匹配两幅原始图像的特征点描述集,获取重叠区域坐标;
S3、根据重叠区域坐标对两幅原始图像进行图像拼接。
2.根据权利要求1所述的立位全脊柱图像自动无缝拼接的方法,其特征在于:步骤S1具体包括如下内容,
S11、针对每幅原始图像分别构建高斯差分金字塔;
S12、分别提取两幅原始图像的局部极值点;
S13、根据两幅原始图像的局部极值点分别构建两幅原始图像的特征点描述集。
3.根据权利要求2所述的立位全脊柱图像自动无缝拼接的方法,其特征在于:步骤S11具体包括如下内容,
S111、对其中一幅原始图像进行上采样,获取上采样图像,其长宽为该原始图像的两倍;
S112、对上采样图像进行下采样,获取下采样图像,其长宽为该原始图像的0.5倍;
S113、使用高斯核对生成的下采样图像进行6次卷积,获取6幅高斯模糊图像;
S114、将6幅高斯模糊图像进行两两差分,获取5幅高斯差分图像;
S115、取倒数第三张高斯模糊图像作为原始图像返回步骤S111,直到重复操作S次,生成S层高斯差分图像,组成该原始图像的高斯差分金字塔;
S116、重复步骤S111-S115,获取另一幅原始图像的高斯差分金字塔。
4.根据权利要求3所述的立位全脊柱图像自动无缝拼接的方法,其特征在于:所述高斯核为
其中,σ为正态分布的标准差,有σi=ki-1σ0,k=21/S,i为卷积次数;S为金字塔层数;x,y为计算的像素坐标点,等于log2(len),len为下采样图像长宽中的较小值。
5.根据权利要求3所述的立位全脊柱图像自动无缝拼接的方法,其特征在于:步骤S12包括如下内容,
S121、针对其中一个高斯差分金字塔,取出其每层的第2-5幅高斯差分图像,遍历每幅高斯差分图像的每个像素点,并将每个像素点都设为目标点;
S122、将某个目标点的像素值与自身周边8个相邻坐标点的像素值进行比较,判断其是否为最大值或最小值,若是,进入步骤S123,若否,则选择下一个目标点继续遍历;
S123、将某个目标点的像素值和与其相邻的上下两幅高斯差分图像相同的坐标点及该坐标点周边8个相邻坐标点的像素值进行比较,判断该目标点是否为最大值或者最小值,若是,记该目标点为局部极值点,若否,则选择下一个目标点继续遍历;
S124、计算局部极值点在高斯差分图像中x,y方向的梯度,去除高斯差分图像的边缘点;
S125、将局部极值点的坐标转换至该高斯差分金字塔第一层的坐标(x1,y1);
其中,x1=xi×2i-1;y1=yi×2i-1;i为当前局部极值点所在的层数。
6.根据权利要求5所述的立位全脊柱图像自动无缝拼接的方法,其特征在于:步骤S13具体包括如下内容,
S131、以其中一幅原始图像的局部极值点为中心,取9*9大小的第一区域,去除同x行和同y列,剩余区域分成16个2x2的第二区域;
S132、...
【专利技术属性】
技术研发人员:郑德雁,陈集房,麻元兴,
申请(专利权)人:浙江卡易智慧医疗科技有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。