本发明专利技术公开一种医学图像坏点自动检测方法及系统。其中，所述方法包括步骤：将待检测医学图像坏点凸显处理为图像D(x,y)；求取图像D(x,y)中各个像素点像素值的均值M，以阈值系数a乘以均值M作为检测阈值，从图像D(x,y)中分离出坏点区域；选择阈值系数a的值，确保分离出的坏点区域小于或等于图像区域K；分别从每个坏点区域中提取灰度值为最大值的像素点为坏点位置，输出坏点的位置信息。本发明专利技术将自动检测和人工视觉检测相结合，通过自动计算检测阈值和快捷的人工辅助修正检测阈值来提高自动坏点检测准确性和检测效率，具有坏点检测效率高的优点。
【技术实现步骤摘要】
本专利技术涉及一种图像处理技术，尤其是涉及一种医学图像坏点自动检测方法及系统。
技术介绍
数字化X光机的所配置的CCD或者平板探测器在拍摄图像的时候，通常会出现位置固定的异常“亮”或“暗”的像素点，这些像素点被称为坏点。坏点是指灰度值表现异常的像素点，通常表现为相对于背景的“亮点”或者“暗点”。“亮点”是指图像灰度明显大于临域平均灰度的像素，“暗点”是指图像灰度明显小于临域平均灰度的像素。坏点的存在会在一定程度上影响医生的阅片和诊断。目前检测坏点的方法分为人工视觉检测、自动检测和上两种结合三类。其中完全依靠人工视觉检测效率较低，对于后两种检测方法，目前的技术在检测效率上和准确性上仍有可提升的空间。目前视觉检测是坏点检测一种比较准确的方法，但对于1024*1024的图像，每次针对一行数据进行显示，共计需要进行1024次视觉检测，过多的人工检测次数，不利于提高工作效率。而门限检测坏点的方法，虽然可以自动进行，但是存在检测门限设定的问题，而检测门限是坏点检测的关键所在。在美国专利号5 657400的专利“Automatic identification and correction of bad pixels in a large area solid state x-ray detector”，以及美国专利号5854655的专利 “Defective pixel detection circuit of a solid state image pick-up device capable of detecting defective pixels with low power consumption and high precision，and image pick-up device having such detection circuit”之中，虽然分别提出了利用检测门限进行坏点检测，但是都没有涉及如何设定检测门限。中国专利申请号200410020792.5公开一种“医学影像坏点自动检测门限确定方法”，提出了具体的坏点检测及阈值设定方法，该专利技术中引用了安捷伦(Agilent Technologies)的坏点定义以及U.S.Pat.No.5,854,655中的坏点检测公式，将图像划分为多个区域，进行初步检测，然后针对每个区域根据其所提出的“迹迹相关”的方法来进行人工视觉检测，从而反复调整阈值来达到最佳的检测效果。该技术方案虽然结合了自动和人工检测两方面的优点，但具有如下缺陷：1、自动检测坏点阈值的选择工作量较大，需要通过多张图像联合反复检测确认坏点位置，不能较好的突出医学图像中的坏点，导致自动检测坏点的检测准确率非常有限；2、所提出的人工检测方法需要针对多帧图像反复进行，人工工作量仍然较大，且人工检测效率较低。
技术实现思路
本专利技术提出一种医学图像坏点自动检测方法及系统，将自动检测和人工视觉检测相结合，通过自动计算检测阈值和快捷的人工辅助修正检测阈值来提高自动坏点检测准确性和检测效率。本专利技术采用如下技术方案实现：一种医学图像坏点自动检测方法，其包括步骤：将待检测医学图像坏点凸显处理为图像D(x,y)，其中， ，为像素点(x,y)的灰度值，和分别为求取像素点(x,y)的灰度值的平方与平方根，为以像素点(x,y)为中心的图像区域K中各个像素点对应灰度值的平均值； 求取图像D(x,y)中各个像素点像素值的均值M，以阈值系数a乘以均值M作为检测阈值，从图像D(x,y)中分离出坏点区域；选择阈值系数a的值，确保分离出的坏点区域小于或等于图像区域K；分别从每个坏点区域中提取灰度值为最大值的像素点为坏点位置，输出坏点的位置信息。在一个优选实施例中，所述医学图像坏点自动检测方法还包括步骤：采集多帧连续的医学图像；对采集的多帧医学图像进行叠加并平均处理，得到待检测医学图像。其中，待检测医学图像中每个像素点的像素值分别为每个像素点对应在各帧医学图像中像素值的均值。其中，图像区域K为待检测医学图像中k x k个像素点的区域。其中，求取均值M的步骤包括：剔除图像D(x,y)中像素值最大和像素值最小的两个极值像素点；对图像D(x,y)中其余像素点的像素值进行均值计算，求取图像D(x,y)的均值M。其中，阈值系数a的初始值为1。另外，本专利技术还公开一种医学图像坏点自动检测系统，其包括：坏点凸显处理模块，用于将待检测医学图像坏点凸显处理为图像D(x,y)，其中，，为像素点(x,y)的灰度值，和分别为求取像素点(x,y)的灰度值的平方与平方根，为以像素点(x,y)为中心的图像区域K中各个像素点对应灰度值的平均值； 检测阈值确定模块，用于求取图像D(x,y)中各个像素点像素值的均值M，以阈值系数a乘以均值M作为检测阈值，从图像D(x,y)中分离出坏点区域；检测阈值调节模块，用于选择阈值系数a的值，确保分离出的坏点区域小于或等于图像区域K；坏点分离模块，用于分别从每个坏点区域中提取灰度值为最大值的像素点为坏点位置，输出坏点的位置信息。在一个优选实施例中，所述医学图像坏点自动检测系统还包括：图像采集与叠加处理模块，采集多帧连续的医学图像，对采集的多帧医学图像进行叠加并平均处理，得到待检测医学图像。与现有技术相比，本专利技术具有如下有益效果：1、本专利技术通过能够更好的突出医学图像中坏点区域的坏点自动检测，使得后续的检测阈值选择容错性更高，并提高了坏点的检出率。2、本专利技术给出了简便的视觉修正检测阈值手段，无需通过拍摄多张图像进行联合检测，只需要人工直觉判断，在保证所有被分离出来的坏点区域小于或等于K调节阈值系数a即可实现快速的检测阈值修正，从而大大提高坏点的检测效率。附图说明图1是本专利技术的流程示意图；图2是本专利技术的系统结构示意图。具体实施方式本专利技术将自动检测和人工视觉检测相结合，采用更高的自动检测准确率和更快捷的人工辅助修正阈值来提高自动坏点检测准确性和检测效率。如图1所示，在一个具体实施例中，本专利技术包括如下实现步骤：步骤S1、对数字化X光机的所配置的CCD或平板探测器所输出的医学影像，在医学影像中采集多帧连续的医学图像；然后，对采集的多帧医学图像进行叠加并平均处理，得到待检测医学图像，即：对采集的每帧医学图像，逐点计算每个像素点对应在各帧医学图像中像素值的均值，以各个像素点的均值作为待检测医学图像。比如，像素点(x,y)在连续的3幅医学图像1、医学图像2和医学图像3中的像素值分别为A1、A2和A3，则像素点(x,y)的平均值是：（A1+A2+A3）/3。步骤S2、识别待检测医学图像中的坏点，并对坏点进行“坏点凸显”处理。利用以下公式对待检测医学图像进行坏点凸显处理，获得图像D(x,y)：...
【技术保护点】
一种医学图像坏点自动检测方法，其特征在于，所述方法包括步骤：将待检测医学图像坏点凸显处理为图像D(x,y)，其中，???????????????????????????????????????????????，为像素点(x,y)的灰度值，和分别为求取像素点(x,y)的灰度值的平方与平方根，为以像素点(x,y)为中心的图像区域K中各个像素点对应灰度值的平均值；?求取图像D(x,y)中各个像素点像素值的均值M，以阈值系数a乘以均值M作为检测阈值，从图像D(x,y)中分离出坏点区域；选择阈值系数a的值，确保分离出的坏点区域小于或等于图像区域K；分别从每个坏点区域中提取灰度值为最大值的像素点为坏点位置，输出坏点的位置信息。2011102497424100001dest_path_image002.jpg,2011102497424100001dest_path_image004.jpg,2011102497424100001dest_path_image006.jpg,2011102497424100001dest_path_image008.jpg,2011102497424100001dest_path_image010.jpg...
【技术特征摘要】
1. 一种医学图像坏点自动检测方法，其特征在于，所述方法包括步骤：
将待检测医学图像坏点凸显处理为图像D(x,y)，其中， ，为像素点(x,y)的灰度值，和分别为求取像素点(x,y)的灰度值的平方与平方根，为以像素点(x,y)为中心的图像区域K中各个像素点对应灰度值的平均值；
求取图像D(x,y)中各个像素点像素值的均值M，以阈值系数a乘以均值M作为检测阈值，从图像D(x,y)中分离出坏点区域；
选择阈值系数a的值，确保分离出的坏点区域小于或等于图像区域K；
分别从每个坏点区域中提取灰度值为最大值的像素点为坏点位置，输出坏点的位置信息。
2.根据权利要求1所述医学图像坏点自动检测方法，其特征在于，所述方法还包括步骤：
采集多帧连续的医学图像；
对采集的多帧医学图像进行叠加并平均处理，得到待检测医学图像。
3.根据权利要求2所述医学图像坏点自动检测方法，其特征在于，待检测医学图像中每个像素点的像素值分别为每个像素点对应在各帧医学图像中像素值的均值。
4.根据权利要求1所述医学图像坏点自动检测方法，其特征在于，图像区域K为待检测医学图像中k x k个像素点的区域。
5.根据权利要求1所述医学图像坏...
【专利技术属性】
技术研发人员：康雨，李训青，
申请(专利权)人：深圳市蓝韵实业有限公司，
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。