【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及一般的圖像數(shù)據(jù)處理，尤其涉及x光圖像的增項(xiàng)處理方法，具體涉及基于cyclegan的x光圖像增強(qiáng)方法。
技術(shù)介紹
1、x光圖像是由x射線裝置成像獲得的圖像，最為常見(jiàn)的是醫(yī)用dr，ct等設(shè)備經(jīng)過(guò)檢查后獲得的圖像，x光圖像的質(zhì)量好壞直接影響到醫(yī)生的判斷，而影響x光圖像質(zhì)量的因素有多種多樣，譬如：確保患者在拍攝過(guò)程中保持靜止，減少運(yùn)動(dòng)偽影。使用適當(dāng)?shù)钠毓鈪?shù)，根據(jù)患者的體型和拍攝部位調(diào)整設(shè)置。用合適的拍攝距離和角度，減少圖像失真。避免過(guò)度或不足曝光，通過(guò)優(yōu)化曝光時(shí)間和劑量獲得更清晰的圖像等。當(dāng)然，隨著設(shè)備的升級(jí)，在拍攝方面，硬件已經(jīng)更新得比較完善，依賴于人工經(jīng)驗(yàn)控制的東西越來(lái)越少，因此，現(xiàn)有提升x光圖像質(zhì)量的方式通常是在圖像的后處理上。
2、圖像的后處理一般是利用圖像處理軟件，通過(guò)調(diào)整圖像的對(duì)比度，使不同密度的組織在圖像中表現(xiàn)得更加明顯，其原理是通過(guò)拉伸或壓縮圖像的灰度級(jí)范圍，增強(qiáng)圖像中亮部和暗部之間的差異，使邊緣和細(xì)節(jié)更清晰。或者將原本黑白的圖像轉(zhuǎn)換為彩色圖像，從而通過(guò)顏色來(lái)更好的區(qū)分不同組織部位，以及對(duì)圖像進(jìn)行動(dòng)態(tài)范圍壓縮，使得在顯示器上顯示時(shí)壓縮圖像的動(dòng)態(tài)范圍，使所有細(xì)節(jié)都能被清晰看到。
3、中國(guó)專利技術(shù)專利申請(qǐng)公布號(hào)cn114972067a公開(kāi)了一種x光小牙片圖像增強(qiáng)方法，該方法利是利用自適應(yīng)伽馬變換對(duì)x光小牙片圖像灰度矯正，通過(guò)圖像的灰度信息自適應(yīng)地確定其參數(shù)，對(duì)矯正過(guò)的圖像采用sobel邊緣檢測(cè)算法和高斯高通濾波器獲得細(xì)節(jié)特征圖像，并與原始x光小牙片圖像權(quán)值融合，最后根據(jù)灰度直方圖特點(diǎn)自
技術(shù)實(shí)現(xiàn)思路
1、為了解決直接拍攝獲得的x光圖像質(zhì)量低，夾雜背景偽影的問(wèn)題，本申請(qǐng)?zhí)峁┗赾yclegan的x光圖像增強(qiáng)方法，用于增強(qiáng)x光圖像，使得圖像是背景無(wú)偽影及噪聲的高清晰度圖像，通過(guò)確定最佳的窗寬窗位，即可實(shí)現(xiàn)對(duì)x光圖像這些無(wú)用噪聲分布的過(guò)濾，達(dá)到符合要求的x光閱片顯示，突出前景中有利于臨床診斷的前景內(nèi)容的目的。
2、為了達(dá)到上述目的，本申請(qǐng)所采用的技術(shù)方案為：
3、基于cyclegan的x光圖像增強(qiáng)方法，包括以下步驟：
4、步驟stp1，圖像預(yù)處理，采用二值分割算法保持原始格式類型實(shí)現(xiàn)roi提取，再利用高斯過(guò)濾對(duì)原始圖像img1進(jìn)行平滑去噪，利用大津方法對(duì)原始圖像img1執(zhí)行二值閾值處理，利用形態(tài)學(xué)閉運(yùn)算對(duì)對(duì)原始圖像img1的邊緣細(xì)節(jié)進(jìn)行完善，利用二進(jìn)制掩膜計(jì)算roi對(duì)應(yīng)的邊界框并提取roi區(qū)域，并對(duì)原始圖像img1進(jìn)行像素及反像素迭代處理，獲得n張由預(yù)處理圖像img2組成的圖片集合m0；
5、步驟stp2，圖像增強(qiáng)訓(xùn)練，將步驟stp1中的圖片集合m0輸入cyclegan模型中進(jìn)行數(shù)據(jù)集訓(xùn)練，獲得由16bit的單通道灰度圖像img3組成的增強(qiáng)圖片集合m1；訓(xùn)練過(guò)程采用微數(shù)據(jù)增強(qiáng)方法，所述微數(shù)據(jù)增強(qiáng)方法是采用將每個(gè)d(x)替換為d(t(x))，其中，x是原始圖像img1或預(yù)處理圖像img2，d是鑒別器，t是微數(shù)據(jù)增強(qiáng)操作過(guò)程；所述微數(shù)據(jù)增強(qiáng)操作過(guò)程t包括下述至少一個(gè)維度的調(diào)整：
6、a.隨機(jī)亮度調(diào)整：向輸入張量添加隨機(jī)亮度x；
7、b.隨機(jī)飽和度調(diào)整：x通過(guò)隨機(jī)縮放輸入張量的顏色通道來(lái)調(diào)整輸入張量的飽和度；
8、c.隨機(jī)對(duì)比度調(diào)整：x通過(guò)隨機(jī)縮放像素值來(lái)調(diào)整輸入張量的對(duì)比度；
9、d.隨機(jī)平移調(diào)整：x按指定比率0.125對(duì)輸入張量應(yīng)用隨機(jī)平移；
10、e.隨機(jī)裁剪調(diào)整：通過(guò)將輸入張量?jī)?nèi)的矩形區(qū)域歸零來(lái)應(yīng)用隨機(jī)剪切,切口的大小和位置是隨機(jī)的;
11、步驟stp3，自適應(yīng)窗寬和窗位的確定采用基于直方圖面積的自適應(yīng)窗寬窗位算法，基于圖像分割的自適應(yīng)窗寬窗位算法，基于直方圖極值點(diǎn)的自適應(yīng)窗寬窗位算法中任意一種實(shí)現(xiàn)；其中，基于直方圖面積的自適應(yīng)窗寬窗位算法具體包括以下步驟：
12、步驟stp3.1，輸入圖像為16bit的經(jīng)過(guò)圖像增強(qiáng)后的單通道灰度圖像img3，背景默認(rèn)為65535；
13、步驟stp3.2，計(jì)算輸入圖像img3像素強(qiáng)度的直方圖，強(qiáng)度值范圍從0到65535;
14、步驟stp3.3，由于直方圖分布中存在多個(gè)密集極值點(diǎn)，應(yīng)用移動(dòng)平均值來(lái)平滑直方圖，窗口大小為30；
15、步驟stp3.4，計(jì)算直方圖的總面積，分別將總累積和0.05%和8%相對(duì)應(yīng)的直方圖的最小索引和最大索引，作為窗口邊界；
16、步驟stp3.5，將窗口位置計(jì)算為最小索引和最大索引的平均值，將窗口寬度計(jì)算為最大索引和最小索引之間的差值；
17、步驟stp3.6，將計(jì)算出的窗寬和窗位轉(zhuǎn)換為256-bin直方圖中的像素值。
18、優(yōu)選地，步驟stp3中所述基于圖像分割的自適應(yīng)窗寬窗位算法，具體包括以下步驟：
19、步驟stp3-1.輸入圖像為16bit的經(jīng)過(guò)圖像增強(qiáng)后的單通道灰度圖像img3，背景默認(rèn)為65535；
20、步驟stp3-2.通過(guò)對(duì)輸入圖像img3應(yīng)用高斯混合模型(gmm),將具有兩個(gè)分量的高斯混合模型擬合到原始圖像的像素值的直方圖，通過(guò)高斯混合模型(gmm)，用于區(qū)分圖像img3中的不同強(qiáng)度區(qū)域以確定我們需要的最佳前景的直方圖閾值;
21、步驟stp3-3.gmm中兩個(gè)高斯分量均值的平均值，即為分割圖像的最佳閾值;
22、步驟stp3-4.從計(jì)算的閾值到最大強(qiáng)度值65535的范圍內(nèi)選擇特定的像素值，所選值是圖像中重復(fù)次數(shù)最多的值;
23、步驟stp3-5.步驟stp3-4計(jì)算出的像素值用于確定圖像img3調(diào)整的窗寬和窗位，窗位為圖像img3中重復(fù)次數(shù)最多的值，窗寬為圖像中重復(fù)次數(shù)最多的-最佳閾值的兩倍。
24、優(yōu)選地，步驟stp3中所述基于直方圖極值點(diǎn)的自適應(yīng)窗寬窗位算法，具體包括以下步驟：
25、步驟stp3-a.輸入圖像為16bit的經(jīng)過(guò)圖像增強(qiáng)后的單通道灰度圖像img3，背景默認(rèn)為65535；
26、步驟stp3-b.計(jì)算輸入圖像img3像素強(qiáng)度的直方圖，強(qiáng)度值范圍從0到65535;
27、步驟stp3-c.由于直方圖分布中存在多個(gè)密集極值點(diǎn)，應(yīng)用移動(dòng)平均值來(lái)平滑直方圖，窗口大小為30；
28、步驟stp3-d.計(jì)算直方圖中的局部極小值和極大值；
29、步驟stp3-e.通過(guò)考慮鄰近點(diǎn)來(lái)調(diào)整檢測(cè)到的極小值點(diǎn)和值，以涵蓋包括最左邊和最右邊的點(diǎn)，進(jìn)行峰度調(diào)整；
30、步驟stp3-f.迭代調(diào)整后的極小值點(diǎn)，以找到相鄰最小值之間的直方圖下的最大面積,面積最大的窗口被視為感興趣區(qū)域,窗口級(jí)別被確定為所選窗口內(nèi)相鄰最大值的最大點(diǎn),窗寬是根據(jù)所選窗位與相鄰最小值之間的距離計(jì)算的;
31、步驟stp3-g.將計(jì)算出的窗寬和窗位轉(zhuǎn)換為256-bin直方圖中本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于CycleGAN的X光圖像增強(qiáng)方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于CycleGAN的X光圖像增強(qiáng)方法，其特征在于，步驟STP3中所述基于圖像分割的自適應(yīng)窗寬窗位算法，具體包括以下步驟：
3.根據(jù)權(quán)利要求1所述的基于CycleGAN的X光圖像增強(qiáng)方法，其特征在于，步驟STP3中所述基于直方圖極值點(diǎn)的自適應(yīng)窗寬窗位算法，具體包括以下步驟：
【技術(shù)特征摘要】
1.基于cyclegan的x光圖像增強(qiáng)方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于cyclegan的x光圖像增強(qiáng)方法，其特征在于，步驟stp3中所述基于圖像分割的自適應(yīng)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李佳琪，
申請(qǐng)(專利權(quán))人：曉智未來(lái)成都科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。