影像目标区域的提取方法和装置制造方法及图纸

本发明专利技术公开了一种影像目标区域的提取方法和装置。其中所述方法主要包括：读取影像数据；检测影像目标区域的完整边缘；将满足灰度和相对平滑度条件的像素点识别为影像中的背景标志点；以背景标志点为种子点，目标区域的完整边缘为约束条件，对影像进行区域生长，获得背景区域；最后将区域生长获得的背景区域进行反取，从而获得影像中的目标区域。按照本发明专利技术实施例的影像目标区域的提取方法和装置，将影像中影响影像显示的背景区域剔除，以获得影像的目标区域，然后再对目标区域进行优化显示，降低背景区域的影响，改善影像的显示效果。

【技术实现步骤摘要】

本专利技术涉及数字影像的处理与识别技术，具体涉及影像目标区域的提取方法和装置。
技术介绍
在数字影像的处理与识别技术中，背景分割的目的在于从影像的背景中分割出感 兴趣的前景对象，即影像的目标区域。阈值分割法是一种常用的背景分割方法，在阈值分割 法中，通常通过对影像直方图分析后获得背景分割阈值点，然后利用阈值分割(如整体阈 值、坐标的阈值以及区域阈值等)手段获取背景区域或直接获取目标影像区域。但对于背 景灰度变化明显的影像，例如某些医学DR影像，阈值分割法很难通过直方图分析获得，而 且工程稳定性较差。阈值分割法有直接阈值法，也有和区域生长结合的背景分割法。其中，后者实现的 难点在于背景标志点的正确且完美的选取，以及完整轮廓的获得；尤其是背景标志点的选 择，容易造成漏选或者错选。当背景区域被解剖区域分开而不能联通时，若某块背景区域无 背景标志点，则该块背景无法剔除，使得背景剔除不完整。在背景变化较剧烈的影像中，常用的背景分割方法容易导致影像的目标区域缺省 显示较白，对比度较差。需要通过调节增强曲线或\和窗宽窗位才能改善显示效果。上述 问题和现象经过进一步分析，表明是一个缺省窗的选择问题，虽然在算法上通过直方图分 析能够解决压缩一部分背景区域的动态范围，但是如果背景区域比较大，而且背景像素灰 度变化较大，那么这一方法并不可靠。可见现有技术中存在一定的缺陷，需要进一步地改进。
技术实现思路
本专利技术提出一种影像目标区域的提取方法和装置，以及影像目标区域的边缘检测 方法和装置。为了实现这一目的，本专利技术所采取的技术方案如下。按照本专利技术实施例的第一方面，提供一种影像目标区域的提取方法，包括以下步 骤读取步骤，用于读取影像数据；边缘检测步骤，用于检测影像目标区域的完整边缘；识 别步骤，将满足灰度和相对平滑度条件的像素点识别为影像中的背景标志点；区域生长步 骤，以背景标志点为种子点，目标区域的完整边缘为约束条件，对影像进行区域生长，获得 背景区域；目标提取步骤，将区域生长获得的背景区域进行反取，从而获得影像中的目标区 域。按照本专利技术实施例的第二方面，提供一种影像目标区域的边缘检测方法，包括以 下步骤计算影像中像素点的统计学近似边缘参数；根据预设的阈值对统计学近似边缘参 数进行阈值判断；将满足判断条件的像素点定义为边缘点。按照本专利技术实施例的第三方面，提供一种影像目标区域的提取装置，包括以下模 块读取模块，用于读取影像数据；边缘检测模块，用于检测影像目标区域的完整边缘；识别模块，将满足灰度和相对平滑度条件的像素点识别为影像中的背景标志点；区域生长模 块，以背景标志点为种子点，目标区域的完整边缘为约束条件，对影像进行区域生长，获得 背景区域；目标提取模块，将区域生长获得的背景区域进行反取，从而获得影像中的目标区 域。按照本专利技术实施例的第四方面，提供一种影像目标区域的边缘检测装置，包括以 下模块计算模块，用于计算影像中像素点的统计学近似边缘参数；判断模块，根据预设的 阈值对统计学近似边缘参数进行阈值判断；检测模块，用于将满足判断条件的像素点定义 为边缘点，并将边缘点的集合定义为目标区域的边缘。按照本专利技术实施例的方法和装置，将影像中影响影像显示的背景区域剔除，以获 得影像的目标区域，然后再对目标区域进行优化显示，降低背景区域的影响，改善影像的显 示效果。附图说明图1为本专利技术实施例的影像目标区域提取的基本技术方案流程图；图2为待处理的人体头颅影像；图3为待处理的人体大腿影像；图4为边缘检测Carmy算子处理后的人体头颅影像边缘；图5为边缘检测Carmy算子处理后的人体大腿影像边缘；图6为本专利技术实施例的边缘检测方法处理后的人体头颅影像边缘；图7为本专利技术实施例的边缘检测方法处理后的人体大腿影像边缘；图8为本专利技术实施例的识别背景标志点的人体头颅影像图；图9为本专利技术实施例的识别背景标志点的人体大腿影像图；图10为本专利技术实施例的背景分割后提取的人体头颅区域影像图；图11为本专利技术实施例的背景分割后提取的人体大腿区域影像图；图12为本专利技术实施例的影像目标区域的提取装置结构示意图；图13为本专利技术实施例的影像目标区域的边缘检测装置结构示意具体实施例方式如图1所示，按照本实施例的影像目标区域的提取方法主要包括读取步骤101、边 缘检测步骤103、识别步骤105、区域生长步骤107、以及目标提取步骤109。采用按照本实 施例的影像目标区域的提取方法对影像进行处理的具体过程如下读取步骤101读入的影像是经过限束器处理程序后的，和经过了坏点、坏线的校正。少量的坏 点、坏线，可能不影响该项处理的最终结果，但是大量的坏点、坏线，可能影响检测准确性。 可以将限束器以内的影像区域选取为感兴趣区域，以供后续处理，选取感兴趣区域可以降 低计算量，便于识别。图2、3中分别为头颅影像和大腿影像，影像感兴趣区域中，由于滤线 栅放置错误，导致背景灰度变化剧烈，而且影像中包含单薄衣物及其他异物的成像像素区 域。边缘检测步骤103现有的边缘检测方法中，一般利用边缘检测算子进行边缘检测；边缘检测算子包 括Sobel、Prewitt、Roberts、LOG、Zerocross、以及Canny算子。现有的边缘检测方法很难 保证获得物体的完整边缘轮廓，而且假阳性边缘检出率较高。比如检测边缘较佳算子Carmy 算子(见图4、5)，其检测出的边缘并非具有完美的连续性，在边缘较弱的地方会出现断点， 而且会出现大量的非物体真正边缘的假边缘，导致背景分割错误。为此将采用具有连续性 的统计学手段，间接获得完整目标区域的边缘轮廓。其方法如下将影像中的一行像素行向量设为Xj = {x I Xljj, χ2,」，...,Xij j, . . . , χΜ。·},其中，i = 1, 2, 3, . . . , Μ, j = 1,2,3,...,N, i，j分别为图像的行与列，Xi,j为坐标(i，j)处的像素灰度值整幅影像像素矩阵为X= (XijX2jiiijXj)1的8邻域为xN(ijJ) = {叉|叉 ,押}，其中，111 = -1，0，1;11 = -1，0，1Xi,j的8邻域标准差为CJu = J^Z Σ< W "Μ,/ ,其中，= ι- Σ Σ(‘，为 8 邻域均值V ” m=-ln=-1” m=-ln=-lXi,j的8邻域灰度中值为Mi, j = Median (xN(i,」))，即将xN(i,」)按像素灰度值从小到大(或从大到小)依次排 序后取其中间值根据统计学中评价产品质量的方法(CV = S/Y, S为样本标准差，Y为样本均值)， 设计影像边缘检测方案。在产品质量评价中，其指标参数通常成正态分布，其平均值更具统 计学判断依据。而在影像分析中，只有在局部小的区域中具有一定的正态分布特性。由于 图像中噪声干扰不可避免，像素中强噪声点的干扰会较大幅度的改变平均值Pi.j，而且平 均值也会对边缘有一定的平滑作用，从而影响最终判断结果。为此将采用中值作为图像边 缘过渡检查的一个指标。综上分析将图像边缘信息的统计学近似边缘参数定义为=Edgy = O 即像素点的8邻域标准差_灰度中值比。为降低运算复杂度，节约时间，通过大量的实验，发现在一定的边缘精度要求范围 内，可以将统计学近似边缘参数本文档来自技高网...

【技术保护点】
一种影像目标区域的提取方法，其特征在于，包括以下步骤：读取步骤，用于读取影像数据；边缘检测步骤，用于检测影像目标区域的完整边缘；识别步骤，将满足灰度和相对平滑度条件的像素点识别为影像中的背景标志点；区域生长步骤，以背景标志点为种子点，目标区域的完整边缘为约束条件，对影像进行区域生长，获得背景区域；目标提取步骤，将区域生长获得的背景区域进行反取，从而获得影像中的目标区域。

【技术特征摘要】

【专利技术属性】
技术研发人员：徐启飞，孙文武，
申请(专利权)人：深圳迈瑞生物医疗电子股份有限公司，
类型：发明
国别省市：94