图像中梯度特征的确定方法及装置、脊柱手术机器人制造方法及图纸

本发明专利技术提供了一种图像中梯度特征的确定方法及装置、脊柱手术机器人，图像中梯度特征的确定方法包括：确定GPU设备中对目标图像中第i个像素块进行处理时可用的第一目标线程块，其中，所述第i个像素块包括N个像素，所述第一目标线程块包括N个线程，N大于等于2且小于等于所述GPU设备单次运行支持的最大线程数，1≤i≤M，M为所述目标图像包括的像素块的总量，M≥1且为整数；针对所述第i个像素块，所述N个线程调用预先封装的像素梯度特征计算核函数并行计算所述N个像素的梯度，以计算出M个像素块中像素的梯度，其中，一个线程针对一个像素；根据M个像素块中所有像素的梯度，确定所述目标图像的梯度特征，可以加快梯度特征的计算速度。度。度。

【技术实现步骤摘要】
图像中梯度特征的确定方法及装置、脊柱手术机器人


[0001]本专利技术涉及图像处理
，具体涉及图像中梯度特征的确定方法及装置、脊柱手术机器人。

技术介绍

[0002]脊柱手术辅助机器人技术中，借助二维或者三维医学影像对病灶点进行准确定位，以实现手术中的精准穿刺。其中，对于借助三维医学图像进行定位来说，需要在术中对患者的脊柱进行实时扫描得的三维医学图像，然后在该三维医学图像上逐个锥体进行手术规划，再进行手术置钉对病灶点进行准确定位，但是，目前的三维医学图像是CT图像，因此，在术中进行规划，耗时较长，且拍摄CT图像会产生大量的辐射。而对于基于二维医学图像比如X
‑
RAY图像来说，仅需术中拍摄正侧位两张图像，分别从两张图像上逐个椎体进行手术规划，但是，由于是基于二维图像，因此，难以形成三维立体空间结构特征，由此导致手术规划难度较大。因此现有技术中，采用术前CT图像进行手术规划，再通过术前CT图像和术中X
‑
RAY图像的融合，将术前CT图像上的手术规划映射到X
‑
RAY图像中，从而降低了手术规划的难度，节省手术规划的时间，同时既减少了术中辐射，同时缩短了术中时间。
[0003]但是，在进行术前CT图像和术中X
‑
RAY图像融合时，需要计算术前CT图像和术中X
‑
RAY图像的梯度特征，而由于术前CT图像和术中X
‑
RAY图像一般较大，由此术前CT图像和术中X
‑
RAY图像的梯度特征的计算速度较慢。

技术实现思路

[0004]本专利技术实施例提供图像中梯度特征的确定方法及装置、脊柱手术机器人，用于克服或者缓解现有技术中的上述问题。
[0005]本专利技术采用的技术方案为：
[0006]一种图像中梯度特征的确定方法，其包括：
[0007]确定GPU设备中对目标图像中第i个像素块进行处理时可用的第一目标线程块，其中，所述第i个像素块包括N个像素，所述第一目标线程块包括N个线程，N大于等于2且小于等于所述GPU设备单次运行支持的最大线程数，1≤i≤M，M为所述目标图像包括的像素块的总量，M≥1且为整数；
[0008]针对所述第i个像素块，所述N个线程调用预先封装的像素梯度特征计算核函数并行计算所述N个像素的梯度，以计算出M个像素块中像素的梯度，其中，一个线程针对一个像素；
[0009]根据M个像素块中所有像素的梯度，确定所述目标图像的梯度特征。
[0010]一种图像中梯度特征的确定装置，其包括：
[0011]线程块确定单元，用于确定GPU设备中对目标图像中第i个像素块进行处理时可用的第一目标线程块，其中，所述第i个像素块包括N个像素，所述第一目标线程块包括N个线程，N大于等于2且小于等于所述GPU设备单次运行支持的最大线程数，1≤i≤M，M为所述目
标图像包括的像素块的总量，M≥1且为整数；
[0012]梯度计算单元，用于针对所述第i个像素块，所述N个线程调用预先封装的像素梯度特征计算核函数并行计算所述N个像素的梯度，以计算出M个像素块中像素的梯度，其中，一个线程针对一个像素；
[0013]梯度特征确定单元，用于根据M个像素块中所有像素的梯度，确定所述目标图像的梯度特征。
[0014]一种电子设备，所述电子设备包括：
[0015]处理器、存储器，所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行本申请中任意一实施例所述的方法。
[0016]一种计算机存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现本申请中任意一实施例所述的方法。
[0017]一种脊柱手术机器人，其特征在于，包括GPU设备，所述GPU设备用于执行如下步骤：
[0018]确定GPU设备中对术前三维CT源图像的二维投影图像中第i1个像素块进行处理时可用的第一目标线程块，以及对X
‑
RAY图像中第i2个像素块进行处理时可用的第二目标线程块，其中，所述第i1个像素块包括N1个像素，所述第一目标线程块包括N1个线程，所述第i2个像素块包括N2个像素，所述第二目标线程块包括N2个线程，N1、N2大于等于2且小于等于所述GPU设备单次运行支持的最大线程数，1≤i1≤M1，1≤i2≤M1，M1为所述术前三维CT源图像的二维投影图像包括的像素块的总量，M1≥1且为整数，M2为所述X
‑
RAY图像包括的像素块的总量，M2≥1且为整数；
[0019]针对所述第i1个像素块，所述N1个线程调用预先封装的像素梯度特征计算核函数并行计算所述N1个像素的梯度，以计算出M1个像素块中像素的梯度，其中，一个线程针对一个像素；
[0020]针对所述第i2个像素块，所述N2个线程调用预先封装的像素梯度特征计算核函数并行计算所述N2个像素的梯度，以计算出M2个像素块中像素的梯度，其中，一个线程针对一个像素；
[0021]根据M1个像素块中像素的梯度，确定所述术前三维CT源图像的二维投影图像的梯度特征；
[0022]根据M2个像素块中像素的梯度，确定所述X
‑
RAY图像的梯度特征；
[0023]根据所述术前三维CT源图像的二维投影图像的梯度特征以及所述X
‑
RAY图像的梯度特征，确定所述术前三维CT源图像的二维投影图像和X
‑
RAY图像的相似度；
[0024]响应于所述相似度满足设定的相似度函数，对所述术前三维CT源图像和X
‑
RAY图像进行融合处理得到融合图像以将在所述术前CT图像上的手术规划映射到所述X
‑
RAY图像上。
[0025]本专利技术实施例提供的技术方案中，通过确定GPU设备中对目标图像中第i个像素块进行处理时可用的第一目标线程块，其中，所述第i个像素块包括N个像素，所述第一目标线程块包括N个线程，N大于等于2且小于等于所述GPU设备单次运行支持的最大线程数，1≤i≤M，M为所述目标图像包括的像素块的总量，M≥1且为整数；针对所述第i个像素块，所述N个线程调用预先封装的像素梯度特征计算核函数并行计算所述N个像素的梯度，以计算出M
个像素块中像素的梯度，其中，一个线程针对一个像素；根据M个像素块中所有像素的梯度，确定所述目标图像的梯度特征，可以加快梯度特征的计算速度，比如应用到术前CT图像和术中X
‑
RAY图像的梯度特征的计算时，可以加快术前CT图像和术中X
‑
RAY图像的梯度特征计算速度。
附图说明
[0026]图1为本申请实施例一种图像中梯度特征的确定方法流程示意图；
[0027]图2为本申请实施例一种图像间相似度的确定方法流程示意图；
[0028]图3为本申请实施例一种图像融合方法流程示意图；
[0029]图4为本申请实施例一种图像中梯度特征的确定装置的结构示意图；
...

【技术保护点】

【技术特征摘要】
1.一种图像中梯度特征的确定方法，其特征在于，包括：确定GPU设备中对目标图像中第i个像素块进行处理时可用的第一目标线程块，其中，所述第i个像素块包括N个像素，所述第一目标线程块包括N个线程，N大于等于2且小于等于所述GPU设备单次运行支持的最大线程数，1≤i≤M，M为所述目标图像包括的像素块的总量，M≥1且为整数；针对所述第i个像素块，所述N个线程调用预先封装的像素梯度特征计算核函数并行计算所述N个像素的梯度，以计算出M个像素块中像素的梯度，其中，一个线程针对一个像素；根据M个像素块中所有像素的梯度，确定所述目标图像的梯度特征。2.根据权利要求1所述的方法，其特征在于，所述确定GPU设备中对目标图像中第i个像素块进行处理时可用的第一目标线程块，包括：根据预先建立的像素块和线程块之间的索引关系，确定GPU设备中对目标图像中第i个像素块进行处理时可用的第一目标线程块。3.根据权利要求1所述的方法，其特征在于，所述N个线程调用预先封装的像素梯度特征计算核函数并行计算所述N个像素的梯度之前，包括：根据预先建立的线程和像素之间的索引关系，确定每个线程与每个像素之间的处理关系，以使得所述N个线程调用预先封装的像素梯度特征计算核函数并行计算所述N个像素的梯度。4.根据权利要求1所述的方法，其特征在于，所述N个线程调用预先封装的像素梯度特征计算核函数并行计算所述N个像素的梯度，以计算出M个像素块中像素的梯度，包括：所述N个线程调用预先封装的像素梯度特征计算核函数对所述N个像素并行进行水平方向和垂直方向的边缘检测，以计算所述N个像素的水平梯度和垂直梯度；对应地，所述根据M个像素块中所有像素的梯度，确定所述目标图像的梯度特征，包括：根据所述M个像素块中所有像素的水平梯度和垂直梯度，分别确定所述目标图像的水平梯度特征和垂直梯度特征。5.根据权利要求1所述的方法，其特征在于，所述根据所述M个像素块中所有像素的水平梯度和垂直梯度，分别确定所述目标图像的水平梯度特征和垂直梯度特征，之后包括：将所述目标图像的水平梯度特征和垂直梯度特征分别存储在水平梯度特征空间和垂直梯度特征空间中。6.根据权利要求1所述的方法，其特征在于，所述确定GPU设备中对目标图像中第i个像素块进行处理时可用的第一目标线程块，之前包括：对术前三维CT源图像进行图像重建生成二维投影图像，并将所述二维投影图像作为所述目标图像。7.根据权利要求6所述的方法，其特征在于，所述对术前三维CT源图像进行图像重建生成二维投影图像，并将所述二维投影图像作为所述目标图像，包括：基于图像变换矩阵，对所述术前三维CT源图像进行图像变换得到术前三维CT校正图像；对所述术前三维CT校正图像进行投影处理生成二维投影图像。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：将所述术前三维CT源图像作为浮动图像，并将其对应的术中X
‑
RAY图像作为固定图像；所述根据M个像素块中所有像素的梯度，确定所述目标图像的梯度特征，之后包括：根据所述二维投影图像的梯度特征和所述固定图像的梯度特征，对所述图像变换矩阵进行调
整，以重新生成二维投影图像。9.根据权利要求8所述的方法，其特征在于，所述根据所述二维投影图像的梯度特征和所述固定图像的梯度特征，对所述图像变换矩阵进行调整，以重新生成二维投影图像，包括：根据所述二维投影图像的梯度特征和所述固定图像的梯度特征，计算所述二维投影图像和所述固定图像的相似度；根据所述相似度，对所述图像变换矩阵进行调整，以重新生...

【专利技术属性】
技术研发人员：李亚，谢永召，宫明波，要文杰，陈露，田庆，赵海霞，
申请(专利权)人：北京柏惠维康科技有限公司，
类型：发明
国别省市：