本发明涉及一种基于图像处理的瘢痕治疗效果的评估方法。该方法包括以下步骤：(1)分别获取患者治疗前瘢痕图像、治疗后瘢痕图像以及治疗前邻近瘢痕的正常皮肤图像；(2)分别对获取的图像进行预处理得到治疗前瘢痕RGB图像、治疗后瘢痕RGB图像和正常皮肤RGB图像；对预处理后的治疗前瘢痕RGB图像和治疗后瘢痕RGB图像进行配准，得到已配准治疗后瘢痕RGB图像；分别计算治疗前瘢痕RGB图像与正常皮肤RGB图像的互信息为I(A,B)和已配准治疗后瘢痕RGB图像与正常皮肤RGB图像之间的互信息为I(C,B)；判断I(C,B)是否大于I(A,B)，若是，则治疗效果好，否则治疗效果差。与现有技术相比，本发明具有评估结果可靠、可重复性和实用性强等优点。
1.一种基于图像处理的瘢痕治疗效果的评估方法，其特征在于，该方法包括以下步骤：(1)分别获取患者治疗前瘢痕图像、治疗后瘢痕图像以及治疗前邻近瘢痕的正常皮肤图像；
(2)分别对获取的图像进行预处理得到治疗前瘢痕RGB图像、治疗后瘢痕RGB图像和正常皮肤RGB图像；
(3)采用医学图像处理软件对预处理后的治疗前瘢痕RGB图像和治疗后瘢痕RGB图像进行配准，得到已配准治疗后瘢痕RGB图像；
(4)分别计算治疗前瘢痕RGB图像与正常皮肤RGB图像的互信息为I(A,B)和已配准治疗后瘢痕RGB图像与正常皮肤RGB图像之间的互信息为I(C,B)；
(5)判断I(C,B)是否大于I(A,B)，若是，则治疗效果好，否则治疗效果差。
2.根据权利要求1所述的一种基于图像处理的瘢痕治疗效果的评估方法，其特征在于，步骤(2)包括如下子步骤：(2a)将治疗前瘢痕图像、治疗后瘢痕图像以及正常皮肤图像均转化成RGB图像；
(2b)将步骤(2a)中的RGB图像进行图像增强处理，得到高清晰度的RGB图像；
(2c)将增强处理后的高清晰度的RGB图像分别进行缩放得到大小相同的治疗前瘢痕RGB图像、治疗后瘢痕RGB图像和正常皮肤RGB图像。
3.根据权利要求1所述的一种基于图像处理的瘢痕治疗效果的评估方法，其特征在于，所述的医学图像处理软件为ITK软件。
4.根据权利要求3所述的一种基于图像处理的瘢痕治疗效果的评估方法，其特征在于，步骤(3)具体包括以下子步骤：(3a)将治疗前瘢痕RGB图像作为参考图像，治疗后瘢痕RGB图像作为待配准图像，并选择R通道、G通道和B通道中任意一个通道，采用ITK软件中的所有配准函数进行配准并保存相应的配准结果；
(3b)对所有配准结果进行匹配，使得同一解剖点在治疗前瘢痕RGB图像和治疗后瘢痕RGB图像上有相同的空间位置，并获得相对应的配准函数以及该配准函数相应的参数；
(3c)利用步骤(3b)中获取到的配准函数和相应的参数对治疗前瘢痕RGB和治疗后瘢痕RGB图像的另外两个通道进行配准，得到已配准治疗后瘢痕RGB图像。
5.根据权利要求1所述的一种基于图像处理的瘢痕治疗效果的评估方法，其特征在于，所述的步骤(4)具体为：(4a)分别获取治疗前瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息并计算其平均值得到I(A,B)；
(4b)分别获取已配准治疗后瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息并计算其平均值得到I(C,B)。
6.根据权利要求5所述的一种基于图像处理的瘢痕治疗效果的评估方法，其特征在于，步骤(4a)中分别根据式(1)计算获取治疗前瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息：其中，i表示RGB图像的通道，i取值为R通道或G通道或B通道，ΩAi是治疗前瘢痕RGB图像i通道灰度值的集合，ΩBi是正常皮肤RGB图像i通道灰度值的集合，pi(a)为i通道内治疗前瘢痕RGB图像灰度值为a时的边缘概率分布，pi(b)为i通道内正常皮肤RGB图像灰度值为b时的边缘概率分布，pi(a,b)为i通道内治疗前瘢痕RGB图像灰度值为a且正常皮肤RGB图像灰度值为b时的联合概率分布。
7.根据权利要求5所述的一种基于图像处理的瘢痕治疗效果的评估方法，其特征在于，步骤(4b)中分别根据式(2)计算获取已配准治疗后瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息：其中，i表示RGB图像的通道，i取值为R通道或G通道或B通道，ΩCi是已配准治疗后瘢痕RGB图像i通道灰度值的集合，ΩBi是正常皮肤RGB图像i通道灰度值的集合，pi(c)为i通道内已配准治疗后瘢痕RGB图像灰度值为c时的边缘概率分布，pi(b)为i通道内正常皮肤RGB图像灰度值为b时的边缘概率分布，pi(c,b)为i通道内已配准治疗后瘢痕RGB图像灰度值为c且正常皮肤RGB图像灰度值为b时的联合概率分布。
一种基于图像处理的瘢痕治疗效果的评估方法
技术领域
[0001] 本发明涉及一种瘢痕治疗效果的评估方法，尤其是涉及一种基于图像处理的瘢痕治疗效果的评估方法。
背景技术
[0002] 瘢痕治疗效果的评估是临床医学的一个热点问题，对瘢痕的治疗效果进行准确的临床评估，有助于医生选择每个阶段正确的治疗手段，对瘢痕疾病的临床治疗和研究具有重要意义。
[0003] 瘢痕评估主要分为瘢痕评估量表和瘢痕评估工具。瘢痕评估量表主要从瘢痕颜色、厚度、表面特征、柔软程度和表面积五个方面进行评价。常见的瘢痕量表有：温哥华瘢痕量表、西雅图瘢痕量表、斯通布鲁克瘢痕评估量表、曼切斯特瘢痕量表、病人和观察者瘢痕评估量表。温哥华瘢痕量表是临床上使用最广泛的评估量表，观察者通过观察给出评估分数，分值越高瘢痕越严重。瘢痕评估量表简单、方便，但是主观性很强，与观察者密切相关。而瘢痕评估工具主要从瘢痕颜色、厚度、表面特征、柔软程度和表面积五个方面进行评价。
国际上通过三色反射率比色法、窄带分光光度法进行颜色的客观评价，超声和病理活检进行疤痕厚度评价，快速相位变化在体测量法(PRIMOS)进行表面特征评价，网格计数法和摄影测量法进行表面积评价，皮肤弹性测量仪进行柔软程度的测量。虽然瘢痕评估工具能客观的评价疤痕的某一属性，但是不便于临床广泛推广，患者接受度差。
发明内容
[0004] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于图像处理的瘢痕治疗效果的评估方法。
[0005] 本发明的目的可以通过以下技术方案来实现：
[0006] 一种基于图像处理的瘢痕治疗效果的评估方法，该方法包括以下步骤：
[0007] (1)分别获取患者治疗前瘢痕图像、治疗后瘢痕图像以及治疗前邻近瘢痕的正常皮肤图像；
[0008] (2)分别对获取的图像进行预处理得到治疗前瘢痕RGB图像、治疗后瘢痕RGB图像和正常皮肤RGB图像；
[0009] (3)采用医学图像处理软件对预处理后的治疗前瘢痕RGB图像和治疗后瘢痕RGB图像进行配准，得到已配准治疗后瘢痕RGB图像；
[0010] (4)分别计算治疗前瘢痕RGB图像与正常皮肤RGB图像的互信息为I(A,B)和已配准治疗后瘢痕RGB图像与正常皮肤RGB图像之间的互信息为I(C,B)；
[0011] (5)判断I(C,B)是否大于I(A,B)，若是，则治疗效果好，否则治疗效果差。
[0012] 步骤(2)包括如下子步骤：
[0013] (2a)将治疗前瘢痕图像、治疗后瘢痕图像以及正常皮肤图像均转化成RGB图像；
[0014] (2b)将步骤(2a)中的RGB图像进行图像增强处理，得到高清晰度的RGB图像；
[0015] (2c)将增强处理后的高清晰度的RGB图像分别进行缩放得到大小相同的治疗前瘢痕RGB图像、治疗后瘢痕RGB图像和正常皮肤RGB图像。
[0016] 所述的医学图像处理软件为ITK软件。
[0017] 步骤(3)具体包括以下子步骤：
[0018] (3a)将治疗前瘢痕RGB图像作为参考图像，治疗后瘢痕RGB图像作为待配准图像，并选择R通道、G通道和B通道中任意一个通道，采用ITK软件中的所有配准函数进行配准并保存相应的配准结果；
[0019] (3b)对所有配准结果进行匹配，使得同一解剖点在治疗前瘢痕RGB图像和治疗后瘢痕RGB图像上有相同的空间位置，并获得相对应的配准函数以及该配准函数相应的参数；
[0020] (3c)利用步骤(3b)中获取到的配准函数和相应的参数对治疗前瘢痕RGB和治疗后瘢痕RGB图像的另外两个通道进行配准，得到已配准治疗后瘢痕RGB图像。
[0021] 所述的步骤(4)具体为：
[0022] (4a)分别获取治疗前瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息并计算其平均值得到I(A,B)；
[0023] (4b)分别获取已配准治疗后瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息并计算其平均值得到I(C,B)。
[0024] 步骤(4a)中分别根据式(1)计算获取治疗前瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息：
[0025]
[0026] 其中，i表示RGB图像的通道，i取值为R通道或G通道或B通道，ΩAi是治疗前瘢痕RGB图像i通道灰度值的集合，ΩBi是正常皮肤RGB图像i通道灰度值的集合，pi(a)为i通道内治疗前瘢痕RGB图像灰度值为a时的边缘概率分布，pi(b)为i通道内正常皮肤RGB图像灰度值为b时的边缘概率分布，pi(a,b)为i通道内治疗前瘢痕RGB图像灰度值为a且正常皮肤RGB图像灰度值为b时的联合概率分布。
[0027] 步骤(4b)中分别根据式(2)计算获取已配准治疗后瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息：
[0028]
[0029] 其中，i表示RGB图像的通道，i取值为R通道或G通道或B通道，ΩCi是已配准治疗后瘢痕RGB图像i通道灰度值的集合，ΩBi是正常皮肤RGB图像i通道灰度值的集合，pi(c)为i通道内已配准治疗后瘢痕RGB图像灰度值为c时的边缘概率分布，pi(b)为i通道内正常皮肤RGB图像灰度值为b时的边缘概率分布，pi(c,b)为i通道内已配准治疗后瘢痕RGB图像灰度值为c且正常皮肤RGB图像灰度值为b时的联合概率分布。
[0030] 与现有技术相比，本发明具有如下优点：
[0031] (1)采用图像处理技术，分别对治疗前瘢痕图像、治疗后瘢痕图像以及正常皮肤图像进行一系列处理，最后得到治疗前瘢痕RGB图像与正常皮肤RGB图像的互信息和已配准治疗后瘢痕RGB图像与正常皮肤RGB图像之间的互信息，通过两个互信息的对比评估治疗效果的好坏，开创了新的瘢痕治疗效果的评估方法，同时通过互信息计算相似性来量化评估瘢痕的治疗效果，避免了主观性，评估结构可信度高，同时具有可重复性和较强的实用性；
[0032] (2)利用专业的医学图像处理软件ITK来配准瘢痕图像，给瘢痕图像的配准提供了一个很好的平台。
附图说明
[0033] 图1为本发明评估方法的流程图，
[0034] 图2为五个不同患者的已配准治疗后瘢痕RGB图像；
[0035] 图3为五个不同患者图像配准过程中的匹配结果图像。
具体实施方式
[0036] 下面结合附图和具体实施例对本发明进行详细说明。
[0037] 实施例
[0038] 如图1所示，一种基于图像处理的瘢痕治疗效果的评估方法，该方法主要包括图像预处理阶段、图像配准阶段和互信息计算阶段，具体地该方法包括以下步骤：
[0039] 执行步骤1：分别获取患者治疗前瘢痕图像、治疗后瘢痕图像以及治疗前邻近瘢痕的正常皮肤图像，该实施例中采用高清的相机拍摄获得上述3个图片，并执行步骤2。
[0040] 执行步骤2：分别对获取的图像进行预处理得到治疗前瘢痕RGB图像、治疗后瘢痕RGB图像和正常皮肤RGB图像，并执行步骤3。
[0041] 具体地步骤2包括如下子步骤：
[0042] (2a)图像转化：将治疗前瘢痕图像、治疗后瘢痕图像以及正常皮肤图像均转化成RGB图像；
[0043] (2b)图像增强：将步骤(2a)中的RGB图像进行图像增强处理，得到高清晰度的RGB图像；
[0044] (2c)图像缩放：将增强处理后的高清晰度的RGB图像分别进行缩放得到大小相同的治疗前瘢痕RGB图像、治疗后瘢痕RGB图像和正常皮肤RGB图像。
[0045] 本发明的处理都是基于灰度图像，所以要将拍摄得到的彩色图像转化为RGB图像，再通过图像增强处理提高图像清晰度，同时为了加快处理的速度，本发明对图像进行缩放处理。
[0046] 执行步骤3：采用医学图像处理软件对预处理后的治疗前瘢痕RGB图像和治疗后瘢痕RGB图像进行配准，得到已配准治疗后瘢痕RGB图像，并执行步骤4。本实施例中医学图像处理软件采用ITK软件，由于瘢痕图像是在不同时间拍摄的，拍摄角度、光线也不同，所以治疗前后的瘢痕图像总会存在几何畸变，鉴于此本发明需要对治疗前后的瘢痕图像进行配准。ITK中拥有很多配准方法，有简单的平移、仿射变换，也有非刚性变换；同时还可以根据自身需求修改程序，给瘢痕图像的配准提供了一个很好的平台，具体的该步骤3包括如下子步骤：
[0047] 执行步骤301：将治疗前瘢痕RGB图像作为参考图像，治疗后瘢痕RGB图像作为待配准图像，并选择R通道、G通道和B通道中任意一个通道，采用ITK软件中的所有配准函数进行配准并保存相应的配准结果；
[0048] 执行步骤302：对所有配准结果进行匹配，使得同一解剖点在治疗前瘢痕RGB图像和治疗后瘢痕RGB图像上有相同的空间位置，并获得相对应的配准函数以及该配准函数相应的参数；
[0049] 执行步骤303：利用步骤302中获取到的配准函数和相应的参数对治疗前瘢痕RGB和治疗后瘢痕RGB图像的另外两个通道进行配准，得到已配准治疗后瘢痕RGB图像。
[0050] 执行步骤4：分别计算治疗前瘢痕RGB图像与正常皮肤RGB图像的互信息为I(A,B)和已配准治疗后瘢痕RGB图像与正常皮肤RGB图像之间的互信息为I(C,B)，并执行步骤5。其中步骤4具体为：
[0051] (4a)分别根据式(1)获取治疗前瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息并计算三个通道的互信息总和，再其平均值得到I(A,B)：
[0052]
[0053] 其中，i表示RGB图像的通道，i取值为R通道或G通道或B通道，ΩAi是治疗前瘢痕RGB图像i通道灰度值的集合，ΩBi是正常皮肤RGB图像i通道灰度值的集合，pi(a)为i通道内治疗前瘢痕RGB图像灰度值为a时的边缘概率分布，pi(b)为i通道内正常皮肤RGB图像灰度值为b时的边缘概率分布，pi(a,b)为i通道内治疗前瘢痕RGB图像灰度值为a且正常皮肤RGB图像灰度值为b时的联合概率分布。
[0054] (4b)分别根据式(2)获取已配准治疗后瘢痕RGB图像与正常皮肤RGB图像的R通道、G通道和B通道的互信息并计算三个通道的互信息总和，再其平均值得到I(C,B)：
[0055]
[0056] 其中，i表示RGB图像的通道，i取值为R通道或G通道或B通道，ΩCi是已配准治疗后瘢痕RGB图像i通道灰度值的集合，ΩBi是正常皮肤RGB图像i通道灰度值的集合，pi(c)为i通道内已配准治疗后瘢痕RGB图像灰度值为c时的边缘概率分布，pi(b)为i通道内正常皮肤RGB图像灰度值为b时的边缘概率分布，pi(c,b)为i通道内已配准治疗后瘢痕RGB图像灰度值为c且正常皮肤RGB图像灰度值为b时的联合概率分布。
[0057] 本发明比较治疗前瘢痕RGB图像以及已配准治疗后瘢痕RGB图像与正常皮肤RGB图像之间的相似性，利用互信息来计算相似性，通过互信息计算结果来量化瘢痕的治疗效果，避免了主观性，具有可重复性和实用性。
[0058] 执行步骤5：判断I(C,B)是否大于I(A,B)，若是，则治疗效果好，否则治疗效果差。
[0059] 具体地，本实施例针对5个不同患者进行治疗效果评估，所采用的操作环境为：硬件环境配置：CPU：酷睿i5-4460处理器(6M缓存，最高至3.4GHz)，内存：12G，Linux操作系统，软件环境配置：ITK、Matlab、相关的医学编程开发软件。选取5组来自不同患者的治疗前瘢痕图像、治疗后瘢痕图像以及治疗前邻近瘢痕的正常皮肤图像，依次为脖子、后背、手臂纹身、手臂和男子胸部5组图像，为了该评估的准确性治疗前邻近瘢痕的2个部位的正常皮肤图像，并分别通过上述评估方法进行了一系列操作。其中将治疗前瘢痕RGB图像作为参考图像，治疗后瘢痕RGB图像作为待配准图像进行配准操作，结果如如表1所示，具体地：该实施例中首先选择B通道，采用ITK软件中的所有配准函数进行配准并保存相应的配准结果；然后并对所有配准结果进行匹配，使得同一解剖点在治疗前瘢痕RGB图像和治疗后瘢痕RGB图像上有相同的空间位置，并获得相对应的配准函数以及该配准函数相应的参数，同时得到此时的匹配结果，均在表1中显示，表中平移变换或仿射变换均为获取到的配准函数，X、Y为其对应的变换参数，分别表示X、Y两个方向上图像的平移量；最后利用获取到的配准函数和相应的参数对治疗前瘢痕RGB和治疗后瘢痕RGB图像的另外两个通道即R通道和G通道进行配准，得到已配准治疗后瘢痕RGB图像。
[0060] 表1配准结果
[0061]
[0062]
[0063] 进一步地，分别对5组图像进行互信息求取从而进行治疗效果的评估，表2即为评估结果对比表。由表可知，脖子、后背、手臂和男子胸部这些部位的已配准治疗后瘢痕RGB图像与正常皮肤RGB图像的互信息均大于治疗前瘢痕RGB图像与正常皮肤RGB图像的互信息，说明已配准治疗后瘢痕RGB图像与正常皮肤RGB图像更相似，治疗效果好；而手臂纹身的结果则相反，治疗前瘢痕RGB图像与正常皮肤RGB图像更相似，治疗效果差。
[0064] 表2评估结果对比表
[0065]
