【技术实现步骤摘要】
本专利技术涉及图像数据处理，具体涉及一种血管造影图像增强方法。
技术介绍
1、在临床实践中，医生通常需要人工观察医学影像中的血管壁，容易出现主观误差，因此通过结合计算机视觉技术对血管造影图像进行增强可以有效提高对血管壁识别的准确性。
2、由于血管内壁出现病变如血栓、动脉瘤等病变时，在图像中的灰度值较小，利用传统的分割算法无法有效获取完整的血管壁，导致血管图像显示不完整，病变区域没有完整保留在血管图像中，无法得到较为理想的分割效果，以增强图像中血管壁部分，导致对血管造影图像的增强效果不佳，影响识血管壁的准确性。
技术实现思路
1、本专利技术提供一种血管造影图像增强方法，以解决现有的问题。
2、本专利技术的一种血管造影图像增强方法采用如下技术方案：
3、本专利技术一个实施例提供了一种血管造影图像增强方法，该方法包括以下步骤：
4、获取血管图像；
5、根据血管图像中像素点的灰度值和梯度值获得像素点的选取系数，根据选取系数的大小获取分割阈值，利用分割阈值对血管图像进行二值化获得血管二值图像；
6、将血管二值图像对应的边缘图像记为血管边缘图像，根据边缘像素点之间的距离获得边缘像素点的第一距离，对第一距离进行聚类，根据聚类结果获得余像素点，构建滑动窗口对血管边缘图像进行遍历，根据滑动窗口内余像素点的第一距离的均值获得滑动窗口在遍历过程中对应位置下形态学算法的核的边长；结合滑动窗口在不同位置下形态学算法的核的边长对血管边缘图
7、根据掩膜图像和血管图像获取新血管图像。
8、进一步地，所述根据血管图像中像素点的灰度值和梯度值获得像素点的选取系数，根据选取系数的大小获取分割阈值，包括的具体方法为：
9、首先，获取血管图像中所有像素点的灰度值，并利用sobel算子获取所有像素点的梯度值；
10、然后，预设超参数和，将超参数与像素点的灰度值相乘获得第一选取因子，将超参数与像素点的梯度值相乘获得第二选取因子；
11、最后，将第一选取因子和第二选取因子的和值记为像素点的选取系数，将血管图像中最大选取系数所对应像素点的灰度值，作为血管图像的分割阈值。
12、进一步地，所述根据边缘像素点之间的距离获得边缘像素点的第一距离，包括的具体方法为：
13、在血管边缘图像中，将任意一个边缘像素点记为目标像素点，获取过目标像素点的切线，将切线对应垂线上与目标像素点最近的边缘像素点，记为目标像素点的第一像素点，将目标像素点与第一像素点之间的距离记为目标像素点的第一距离。
14、进一步地，所述对第一距离进行聚类，根据聚类结果获得余像素点，包括的具体方法为：
15、预设k-means聚类算法的值，并利用k-means聚类算法对所有边缘像素点的第一距离进行聚类，获得若干个聚类簇，获取任意聚类簇中所有第一距离的平均值记为聚类簇的距离参数，将所有距离参数中数值最大时对应的聚类簇删除，将删除后剩余的聚类簇中的边缘像素点记为余像素点。
16、进一步地，所述构建滑动窗口对血管边缘图像进行遍历，根据滑动窗口内余像素点的第一距离的均值获得滑动窗口在遍历过程中对应位置下形态学算法的核的边长，包括的具体方法为：
17、构建大小为的滑动窗口对血管边缘图像进行遍历，其中为预设的超参数，获取滑动窗口中余像素点的数量；
18、获取滑动窗口在遍历过程中任意位置下形态学算法的核的边长，具体计算方法为：
19、
20、其中，表示形态学算法的核的边长，表示滑动窗口内余像素点的数量；表示滑动窗口内第个余像素点的第一距离；表示向上取整。
21、进一步地，所述结合滑动窗口在不同位置下形态学算法的核的边长对血管边缘图像进行形态学操作，获得第一血管边缘图像，包括的具体方法为：
22、结合滑动窗口在不同位置下形态学算法的核的边长，对血管边缘图像进行形态学的闭运算操作，获得第一血管边缘图像。
23、进一步地，所述根据第一血管边缘图像中边缘像素点的斜率差异获得病变区域顶点，包括的具体方法为：
24、对血管二值图像进行连通域检测获取血管二值图像中的若干个连通域，获取第一血管边缘图像中各边缘线中所有像素点的斜率，将任意边缘线中所有边缘像素点的斜率所形成的序列记为边缘线的斜率序列，获取斜率序列对应的后向差分序列记为边缘线的斜率差分序列，获取任意边缘线的斜率差分序列中所有元素的平均值记为平均变化斜率，将大于平均变化斜率的元素所对应的边缘像素点记为疑似病变点，获取任意疑似病变点所属连通域中所有余像素点的第一距离的平均值记为疑似病变点的参考数，当疑似病变点为余像素点且疑似病变点的第一距离小于参考数时，将疑似病变点记为病变点；
25、将任意边缘像素点记为目标像素点，当目标像素点相邻两侧的个边缘像素点包含病变点时，将目标像素点与相邻两侧的个边缘像素点所构成的集合记为像素点集合，获取像素点集合内所有边缘像素点的斜率的方差记为目标像素点的第一斜率方差，获取目标像素点所在边缘线上所有边缘像素点的斜率的方差记为目标像素点的第二斜率方差，当第一斜率方差大于第二斜率方差时，将目标像素点记为病变区域顶点，其中为预设的超参数。
26、进一步地，所述获取若干个连续相邻的像素点形成的像素点组，结合病变区域顶点所在滑动窗口在对应位置下形态学算法的核的边长，利用形态学算法对第一血管边缘图像中的边缘线进行迭代形态学操作，在形态学操作过程中，根据任意两个像素点组中边缘像素点的斜率差异获得迭代特征参数，根据迭代特征参数的大小结束迭代操作获得掩膜图像，包括的具体方法为：
27、首先，将任意边缘线的所有边缘像素点的第一距离的方差记为边缘线的整体距离方差，将任意边缘线的所有边缘像素点的斜率的方差记为边缘线的整体斜率方差；将边缘线中每个连续的边缘像素点作为一组记为像素点组，根据像素点组的内边缘像素点的斜率和第一距离获得交界点，其中为预设的超参数；
28、然后，将由病变点构成的像素点组记为病变点组，将由不是病变点的边缘像素点构成的像素点组记为正常点组；结合病变区域顶点所在滑动窗口在对应位置下形态学算法的核的边长，利用形态学算法对第一血管边缘图像中的边缘线进行迭代膨胀处理操作；迭代膨胀过程中，根据任意两个像素点组中边缘像素点的斜率，获得迭代特征参数，具体计算方法为：
29、
30、其中，表示迭代特征参数；表示像素点组中边缘像素点的数量；表示本文档来自技高网...
【技术保护点】
1.一种血管造影图像增强方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述根据血管图像中像素点的灰度值和梯度值获得像素点的选取系数，根据选取系数的大小获取分割阈值，包括的具体方法为：
3.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述根据边缘像素点之间的距离获得边缘像素点的第一距离，包括的具体方法为：
4.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述对第一距离进行聚类，根据聚类结果获得余像素点，包括的具体方法为：
5.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述构建滑动窗口对血管边缘图像进行遍历，根据滑动窗口内余像素点的第一距离的均值获得滑动窗口在遍历过程中对应位置下形态学算法的核的边长，包括的具体方法为：
6.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述结合滑动窗口在不同位置下形态学算法的核的边长对血管边缘图像进行形态学操作，获得第一血管边缘图像，包括的具体方法为：
7.根据权利要求1所述一种
8.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述获取若干个连续相邻的像素点形成的像素点组，结合病变区域顶点所在滑动窗口在对应位置下形态学算法的核的边长，利用形态学算法对第一血管边缘图像中的边缘线进行迭代形态学操作，在形态学操作过程中，根据任意两个像素点组中边缘像素点的斜率差异获得迭代特征参数，包括的具体方法为：
9.根据权利要求8所述一种血管造影图像增强方法，其特征在于，所述根据像素点组的内边缘像素点的斜率和第一距离获得交界点，根据迭代特征参数的大小结束迭代操作获得掩膜图像，包括：
10.根据权利要求8所述一种血管造影图像增强方法，其特征在于，所述根据像素点组的内边缘像素点的斜率和第一距离获得交界点，具体获取方法为：
...【技术特征摘要】
1.一种血管造影图像增强方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述根据血管图像中像素点的灰度值和梯度值获得像素点的选取系数，根据选取系数的大小获取分割阈值，包括的具体方法为：
3.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述根据边缘像素点之间的距离获得边缘像素点的第一距离，包括的具体方法为：
4.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述对第一距离进行聚类，根据聚类结果获得余像素点，包括的具体方法为：
5.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述构建滑动窗口对血管边缘图像进行遍历，根据滑动窗口内余像素点的第一距离的均值获得滑动窗口在遍历过程中对应位置下形态学算法的核的边长，包括的具体方法为：
6.根据权利要求1所述一种血管造影图像增强方法，其特征在于，所述结合滑动窗口在不同位置下形态学算法的核的边长对血管边缘...
【专利技术属性】
技术研发人员：尹铭楠，李林，曾彦彰，
申请(专利权)人：济南科汛智能科技有限公司，
类型：发明
国别省市：
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。