骨骼分割边界确定方法、装置、电子设备及存储介质转让专利
申请号 : CN202210024144.5
文献号 : CN114066886B
文献日 : 2022-05-06
发明人 : 李宗阳 , 燕霞 , 郭振东 , 何璇
申请人 : 北京威高智慧科技有限公司
摘要 :
权利要求 :
1.一种骨骼分割边界确定方法,其特征在于,包括:获取针对人体目标区域进行连续扫描得到的原始扫描图像帧的序列,其中,所述人体目标区域包括第一骨骼和第二骨骼;
根据各所述原始扫描图像帧中各像素点的灰度值,确定与各所述原始扫描图像帧相对应的粗糙度图像;其中,所述粗糙度图像是基于各像素点的粗糙度值确定,所述粗糙度值基于像素点邻域内的邻域像素点的灰度值确定;
针对每一个粗糙度图像,基于灰度增强图像公式确定与所述原始扫描图像帧相对应的灰度增强图像;其中,所述灰度增强图像公式为J=aG+bR,G表示所述原始扫描图像帧,R表示所述粗糙度图像,a表示使用线性回归确定的与所述原始扫描图像帧对应的权重参数,b表示使用线性回归确定的与所述粗糙度图像对应的权重参数,J表示所述灰度增强图像;
针对每一个原始扫描图像帧,基于与所述原始扫描图像帧相对应的灰度增强图像,确定所述第一骨骼和所述第二骨骼的骨骼分割边界;
其中,所述根据各所述原始扫描图像帧中各像素点的灰度值,确定与各所述原始扫描图像帧相对应的粗糙度图像,包括:针对所述原始扫描图像帧中的每一个像素点,确定与所述像素点的邻域内的邻域像素点,确定各邻域像素点的灰度值方差,并将所述灰度值方差确定为所述像素点的粗糙度值;
根据所述原始扫描图像帧中各像素点所对应的粗糙度值,确定与所述原始扫描图像帧相对应的粗糙度图像。
2.根据权利要求1所述的方法,其特征在于,所述像素点的邻域内的邻域像素点为与所述像素点相邻的8个或24个像素点。
3.根据权利要求1所述的方法,其特征在于,还包括:针对每一个原始扫描图像帧,对所述原始扫描图像帧进行边缘检测,确定与所述原始扫描图像帧相对应的边缘信息图像;
针对每一个原始扫描图像帧,根据所述原始扫描图像帧的中心点,向所述原始扫描图像帧的各边缘点投射射线,基于预先设定的峰谷峰检测函数,确定与各射线上各像素点所对应的峰谷峰值,并根据所述峰谷峰值确定与所述原始扫描图像帧相对应的峰谷峰增强图像;
相应的,所述基于与所述原始扫描图像帧相对应的灰度增强图像,确定所述第一骨骼和所述第二骨骼的骨骼分割边界,包括:基于与所述原始扫描图像帧相对应的灰度增强图像、所述边缘信息图像以及所述峰谷峰增强图像,确定所述第一骨骼和所述第二骨骼的骨骼分割边界。
4.根据权利要求3所述的方法,其特征在于,所述基于预先设定的峰谷峰检测函数,确定与各射线上各像素点所对应的峰谷峰值,包括:针对每一条射线上的每个像素点,根据所述像素点所属射线上与所述像素点相对应的邻域像素点,确定所述邻域像素点中的灰度最小值;在所述灰度最小值所对应的像素点以及所述中心点之间,确定第一灰度最大值,并在所述灰度最小值所对应的像素点以及所述射线上的边缘点之间,确定第二灰度最大值;
根据所述灰度最小值、所述第一灰度最大值以及所述第二灰度最大值,确定所述像素点对应的峰谷峰值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述灰度最小值、所述第一灰度最大值以及所述第二灰度最大值,确定所述像素点对应的峰谷峰值,包括:基于所述灰度最小值以及所述第一灰度最大值,确定第一灰度差值,并基于所述灰度最小值以及所述第二灰度最大值,确定第二灰度差值;
基于所述第一灰度差值以及所述第二灰度差值,确定所述像素点对应的峰谷峰值。
6.根据权利要求4所述的方法,其特征在于,所述基于与所述原始扫描图像帧相对应的灰度增强图像、所述边缘信息图像以及所述峰谷峰增强图像,确定所述第一骨骼和所述第二骨骼的骨骼分割边界,包括:
将与所述原始扫描图像帧相对应的灰度增强图像、边缘信息图像以及峰谷峰增强图像相加,确定参考图像帧;
基于所述参考图像帧的中心点向所述参考图像帧的上一参考图像帧的各边缘点分别投射射线,根据各射线上的局部极值点确定各射线的射线半径;
对各射线半径进行平滑滤波,确定初始边界,并对与所述原始扫描图像帧相对应的灰度增强图像在所述初始边界内的部分进行处理,得到分割图像;
若所述分割图像的面积小于预设面积阈值,则确定所述分割图像的边界为所述第一骨骼和所述第二骨骼的骨骼分割边界。
7.根据权利要求1所述的方法,其特征在于,所述基于与所述原始扫描图像帧相对应的灰度增强图像,确定所述第一骨骼和所述第二骨骼的骨骼分割边界,包括:基于与所述原始扫描图像帧相对应的灰度增强图像,确定图像分割阈值;
基于所述图像分割阈值对所述原始扫描图像帧进行分割,得到至少两个待处理骨骼区域;
根据所述至少两个待处理骨骼区域,确定第一骨骼区域集合以及第二骨骼区域集合,并将所述第一骨骼区域集合与所述第二骨骼区域集合的边界作为所述第一骨骼和所述第二骨骼的骨骼分割边界。
8.根据权利要求7所述的方法,其特征在于,所述根据所述至少两个待处理骨骼区域,确定第一骨骼区域集合以及第二骨骼区域集合,包括:若存在相邻的两个待处理骨骼区域的距离大于预设距离,则根据所述两个待处理骨骼区域确定第一骨骼区域集合;
针对所述第一骨骼区域集合中的每一个第一骨骼区域,若存在与所述第一骨骼区域的距离小于所述预设距离的待处理骨骼,则将所述待处理骨骼区域作为第一骨骼区域,并更新所述第一骨骼区域集合;
基于所述至少两个待处理骨骼区域以及更新完成的第一骨骼区域集合,确定第二骨骼区域集合。
9.一种骨骼分割边界确定装置,其特征在于,包括:序列获取模块,用于获取针对人体目标区域进行连续扫描得到的原始扫描图像帧的序列,其中,所述人体目标区域包括第一骨骼和第二骨骼;
粗糙度图像确定模块,用于根据各所述原始扫描图像帧中各像素点的灰度值,确定与各所述原始扫描图像帧相对应的粗糙度图像;其中,所述粗糙度图像是基于各像素点的粗糙度值确定,所述粗糙度值基于像素点邻域内的邻域像素点的灰度值确定;
灰度增强图像确定模块,用于针对每一个粗糙度图像,基于灰度增强图像公式确定与所述原始扫描图像帧相对应的灰度增强图像;其中,所述灰度增强图像公式为J=aG+bR,G表示所述原始扫描图像帧,R表示所述粗糙度图像,a表示使用线性回归确定的与所述原始扫描图像帧对应的权重参数,b表示使用线性回归确定的与所述粗糙度图像对应的权重参数,J表示所述灰度增强图像;
骨骼分割边界确定模块,用于针对每一个原始扫描图像帧,基于与所述原始扫描图像帧相对应的灰度增强图像,确定所述第一骨骼和所述第二骨骼的骨骼分割边界;
其中,所述粗糙度图像确定模块,还用于针对所述原始扫描图像帧中的每一个像素点,确定与所述像素点的邻域内的邻域像素点,确定各邻域像素点的灰度值方差,并将所述灰度值方差确定为所述像素点的粗糙度值;根据所述原始扫描图像帧中各像素点所对应的粗糙度值,确定与所述原始扫描图像帧相对应的粗糙度图像。
10.一种电子设备,其特征在于,所述电子设备包括:一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1‑8中任一所述的骨骼分割边界确定方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1‑8中任一所述的骨骼分割边界确定方法。
说明书 :
骨骼分割边界确定方法、装置、电子设备及存储介质
技术领域
背景技术
学习方法。传统分割方法包括滤波、自动化阈值、形态学处理等方式,通过传统分割方法难
以准确的区分骨骼和其他组织的分割边界,存在分割准确率低的问题;深度学习方法需要
大量的标注数据来对深度学习模型进行训练和测试,但是,人体骨骼的标注数据难以获取,
并且人体骨骼存在个体差异性(尤其是人体的部分下肢骨骼),仍然存在分割准确率和速度
低的问题。
发明内容
值基于像素点邻域内的邻域像素点的灰度值确定;
表示所述粗糙度图像,a表示使用线性回归确定的与所述原始扫描图像帧对应的权重参数,
b表示使用线性回归确定的与所述粗糙度图像对应的权重参数,J表示所述灰度增强图像;
的粗糙度值确定,所述粗糙度值基于像素点邻域内的邻域像素点的灰度值确定;
bR,G表示所述原始扫描图像帧,R表示所述粗糙度图像,a表示使用线性回归确定的与所述
原始扫描图像帧对应的权重参数,b表示使用线性回归确定的与所述粗糙度图像对应的权
重参数,J表示所述灰度增强图像;
帧相对应的粗糙度图像,针对每一个粗糙度图像,基于灰度增强图像公式确定与原始扫描
图像帧相对应的灰度增强图像,针对每一个原始扫描图像帧,基于与原始扫描图像帧相对
应的灰度增强图像,确定第一骨骼和第二骨骼的骨骼分割边界,解决了人工分析速度慢且
准确性低的问题以及通过固定阈值分割时骨骼分割边界确定不准确的问题,实现了提高骨
骼分割边界确定的准确性的技术效果。
附图说明
附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可
以根据这些附图得到其他的附图。
具体实施方式
于描述,附图中仅示出了与本发明相关的部分而非全部结构。
由骨骼分割边界确定装置来执行,该装置可以通过软件和/或硬件的形式实现,该硬件可以
是电子设备,可选的,电子设备可以是移动终端,PC端等。
和第二骨骼会在同一原始扫描图像帧中成像。
1000;而皮肤、肌肉、血管等非骨质区域的灰度值较低,例如:灰度值范围在‑100至250。在本
实施例中,CT灰度值范围可以设置在‑1200和2400之间,也可以为其他范围值,不作具体限
定。首先确定一个初始灰度阈值,该初始灰度阈值应当能够将皮肤,肌肉,血管等非骨质区
域完全划分至背景区域中,而前景区域中只保留骨密度较高区域。因此,将初始灰度阈值设
置为能涵盖非骨质区域部分的灰度值,如初始灰度阈值可以为450‑500之间的数值,具体数
值可以根据实际情况设定。其次,统计灰度值在初始灰度阈值与第一灰度阈值范围内的像
素点个数,记为T1,第一灰度阈值可以是区分低骨密度和高骨密度的灰度值,例如:若初始
灰度阈值为500,第一灰度阈值为1000(例如:第一灰度阈值可在950‑1050之间,优选的,在
990‑1010之间,进一步可以是1000),则统计灰度值在500‑1000之间的像素点个数,记为T1。
进而,统计灰度值在第一灰度阈值与第二灰度阈值范围内的像素点个数,记为T2,第二灰度
阈值可以是高骨密度区域的灰度值上限,例如:第二灰度阈值可以在1500‑1800之间,具体
数值可以根据实际情况设定。若第一灰度阈值为1000,第二灰度阈值为1500,则统计灰度值
在1000‑1500范围内的像素点个数,记为T2。并且,可以根据上述统计的各范围内的像素点
个数,记灰度比值为T2/T1,记为T。当T值小于第一预设值时(例如,该预设值为0.4‑0.6),表
明该原始扫描图像帧中灰度值高亮区域较少,即骨密度较高区域少,可以确定为骨质稀疏
区域。骨质稀疏区域是位于人体骨骼关节部位的区域。
分割准确度低。
散程度。粗糙度图像可以是根据各像素点所对应的粗糙度值构成的图像。邻域像素点可以
是像素点周围一定区域内除像素点本身之外的像素点,可选的,像素点的邻域内的邻域像
素点为与像素点相邻的8个或24个像素点,类似的,更加需要也可以设置为其他数量的像素
点,优选的选择的数量为8个。
值,将像素点的灰度值和其邻域内的邻域像素点的灰度值进行统计计算,确定该像素点与
全部邻域像素点的灰度值的离散情况,记为该像素点的粗糙度值。统计计算的方式可以是
标准差,方差等统计学计算方式。进而,可以根据各像素点的粗糙度值,构建与原始扫描图
像帧相对应的粗糙度图像。
描图像帧,R表示粗糙度图像,a表示使用线性回归确定的与原始扫描图像帧对应的权重参
数,b表示使用线性回归确定的与粗糙度图像对应的权重参数,J表示灰度增强图像。
是根据实际需求或分析确定的,在本实施例中不做具体限定。
骨和膝关节。可选的,若存在两个第二骨骼,则存在分割结果中存在两个骨骼分割边界情
况,可以对骨骼分割边界处相重合的部分进行处理,将处理后的结果作为第一骨骼和第二
骨骼的骨骼分割边界。
骨骼对应的待处理骨骼区域以及一个与第二骨骼对应的待处理骨骼区域,并且,在图像采
集和处理的过程中,可能存在噪声干扰等情况,会导致第一骨骼或第二骨骼对应至少两个
待处理骨骼区域。
一个连通域确定为一个待处理骨骼区域。
骼分割边界。
区域进行整合,分为两个集合,一个为第一骨骼区域集合,另一个为第二骨骼区域集合。进
而,可以将第一骨骼区域集合与第二骨骼区域集合的边界作为第一骨骼和第二骨骼的骨骼
分割边界。通过这种方式能够获得其骨骼区域和非骨骼区域(即组织区域)之间更为精准的
边界阈值,从而实现对骨质稀疏区域的骨骼和非骨骼的边界更为准确的分割。
相邻的两个待处理骨骼区域可以理解为某一个待处理骨骼区域和与该待处理骨骼区域周
围各待处理骨骼区域中与该待处理骨骼区域距离最近的待处理骨骼区域,示例性的,待处
理骨骼区域A周围的待处理骨骼区域为B、C和D,A与B之间的距离为8像素,A与C之间的距离
为4像素,A与D之间的距离为6像素,则可以确定待处理骨骼区域A和待处理骨骼区域C为相
邻的两个待处理骨骼区域。对于第一骨骼和第二骨骼之间距离在图像中像素点为1‑5个的
区域,难以被准确的区分,无法保证边界分割的准确性。
一骨骼区域集合中的元素,并将与该待处理骨骼区域相邻的待处理骨骼区域确定为第二骨
骼区域集合中的元素。
一骨骼区域集合。
合。并且,对新加入的第一骨骼区域继续进行搜寻,直到不存在与第一骨骼区域集合中任一
第一骨骼区域的距离小于预设距离的待处理骨骼区域,确定第一骨骼区域更新完成。
帧相对应的粗糙度图像,针对每一个粗糙度图像,基于灰度增强图像公式确定与原始扫描
图像帧相对应的灰度增强图像,针对每一个原始扫描图像帧,基于与原始扫描图像帧相对
应的灰度增强图像,确定第一骨骼和第二骨骼的骨骼分割边界,解决了人工分析速度慢且
准确性低的问题以及通过固定阈值分割时骨骼分割边界确定不准确的问题,实现了提高骨
骼分割边界确定的准确性的技术效果。
可参见本实施例的技术方案,在本实施例中还增加了边缘信息图像以及峰谷峰增强图像的
确定及使用方式。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
一种股骨‑膝关节的原始扫描图像帧的示意图,其中,股骨和膝关节分别为第一骨骼和第二
骨骼。图5为本发明实施例二所提供的一种胫骨‑膝关节的原始扫描图像帧的示意图,其中,
胫骨和膝关节分别为第一骨骼和第二骨骼。图6为本发明实施例二所提供的一种胫腓骨‑踝
关节的原始扫描图像帧的示意图,其中,胫腓骨和踝关节分别为第一骨骼和第二骨骼。
度值。
对应的峰谷峰值,并根据峰谷峰值确定与原始扫描图像帧相对应的峰谷峰增强图像。
函数。峰谷峰值是经由峰谷峰检测函数计算得到的数值。峰谷峰增强图像是根据各像素点
所对应的峰谷峰值构成的图像。
个边缘点投射射线,通过峰谷峰检测函数对各条射线上的各个像素点进行处理,得到与各
个像素点相对应的峰谷峰值。根据各个像素点的峰谷峰值可以组成与原始扫描图像帧相对
应的峰谷峰增强图像。
确定第一灰度最大值,并在灰度最小值所对应的像素点以及射线上的边缘点之间,确定第
二灰度最大值;根据灰度最小值、第一灰度最大值以及第二灰度最大值,确定像素点对应的
峰谷峰值。
以及向射线投射方向上与该像素点相邻的5个等。灰度最小值可以是像素点与邻域像素点
值中灰度值最小的数值。第一灰度最大值可以是灰度最小值的像素点与中心点之间的灰度
最大值。第二灰度最大值可以是灰度最小值的像素点与射线上的边缘点之间的灰度最大
值。
所对应的像素点和中心点之间的各个像素点的灰度值中,确定出灰度最大值,为第一灰度
最大值。在灰度最小值所对应的像素点和该像素点所属射线上的边缘点之间的各个像素点
的灰度值中,确定出灰度最大值,为第二灰度最大值。进一步的,将第一灰度最大值与灰度
最小值的差值和第二灰度最大值与灰度最小值的差值乘积的方差作为与该像素点对应的
峰谷峰值。
度最小值以及第二灰度最大值,确定第二灰度差值;基于第一灰度差值以及第二灰度差值,
确定像素点对应的峰谷峰值。
素点对应的峰谷峰值。
骨骼分割边界。
像的灰度值中的各个局部极值点,对各个局部极值点进行处理可以确定射线上的某一像素
点为边界点,并将中心点与该边界点之间的距离作为与该射线相对应的射线半径。
确定射线的投射方向,边缘点还可以是边界点可能对应的最远像素点。
二骨骼的区域图像。
描图像帧相对应的灰度增强图像在初始边界处的部分进行一系列的图像后处理,例如:去
除小空洞、去处小噪声点、开运算等图像形态学方法,可以得到完整的分割图像。
的面积值收敛,原始扫描图像帧已达到第一骨骼的边缘,此时,可以确定分割图像的边界为
第一骨骼和第二骨骼的骨骼分割边界。
时,可以认为停止骨骼生长。因此,可以认为分割图像的面积存在由大至小的过程。根据连
续多个原始扫描图像帧的分割图像的面积,确定面积变化趋势满足先增大,再减小的趋势。
当分割图像的面积小于预设面积阈值时,可以认为分割图像的面积达到了收敛条件,确定
分割图像的边界为股骨‑髋关节的骨骼分割边界。
图像帧)的灰度图像,R表示粗糙度图像,a和b为使用线性回归获取分类准确率最高的权重
参数,J表示为增强后的灰度图像数据(灰度增强图像)。股骨‑膝关节的灰度增强图像如图7
所示,胫骨‑膝关节的灰度增强图像如图8所示。以股骨‑髋关节的骨骼分割边界确定方式和
股骨‑膝关节的骨骼分割边界确定方式为例分别说明。
在‘峰‑谷‑峰’特点,定义‘峰谷峰’检测核函数(峰谷峰检测函数),由前景中心点向图像各
区域投射射线,确定射线上各像素点的峰谷峰值,进一步,获取‘峰谷峰’增强图像I(峰谷峰
增强图像,峰谷峰增强图像由各像素点的峰谷峰值组合得到),股骨‑髋关节的峰谷峰增强
图像如图9所示,在峰谷峰增强图像中可以增强双边缘区域,双边缘区域指的是股骨和髋关
节结合处的分别属于股骨和髋关节的骨质稀疏区域的边界,需要说明的是在如股骨和髌骨
类似的结合处也存在这种双边缘区域。结合图像J、E、I的信息(参考图像帧)确定股骨头‑髋
关节边界。利用当前帧的预测中心点,向360度投射射线,在射线上统计靠近上一帧前景边
缘区域的增强后的灰度图像数据的灰度值,计算和记录射线上的局部极值点位置和射线半
径,并将记录的各射线半径序列作高斯平滑滤波,最后使用射线半径内区域(初始边界内的
部分)作为股骨‑髋关节分割边界。在分割边界(初始边界)内使用自适应阈值分割增强的增
强后的灰度图像数据J,运用去除小空洞、去除小噪声点、开运算等图像形态学方法获取完
整的分割图像。在射线半径小于设定阈值后,停止由股骨往近端(头部方向)的区域生长或
者当分割图像的面积小于预设面积阈值后,停止由股骨往近端的区域生长,可选的,预设面
积阈值可以是前景像素值统计个数的阈值,可选的,可以设置为1至5。需要说明的是,上述
区域生长停止的条件还可以应用在其他类似骨骼区域的分割边界确定方法中。在区域生长
停止时,可将确定出的边界确定为股骨‑髋关节的骨骼分割边界。
景区域的面积可以判断前景区域进入收缩阶段,此时,不再加入新的连通域,同时前景区域
生长方向由外扩转为内收,直至收敛结束。这样做的目的是:在股骨向近端生长时,由于髋
骨和股骨会在同一帧中同时出现,通过上述方式可以分割股骨和髋骨。其中,不再加入新的
连通域可以采用以下方式实现:设置一个掩膜对象,为忽略掩膜。将上一帧的前景区域与当
前帧的前景区域作差值,差值区域即为当前帧缩小的区域,将该差值区域加入忽略掩膜中,
忽略掩膜将持续累加。若有新的连通域与忽略掩膜重合,则新连通域无法加入当前帧的前
景区域。不再加入新的连通域的方式只在进入收缩过程后启动。
膝关节边界。利用当前帧的预测中心点,向当前帧上方投射射线(预设角度)。当前帧的上方
指的是股骨和髌骨的骨骼分割边界所在的范围,可以以当前帧的预测中心点与当前帧左上
方顶点的连线为第一边界,以当前帧的预测中心点与当前帧右上方顶点的连线为第二边
界,将第一边界与第二边界之间的角度作为预设角度。在射线上统计靠近上一帧前景边缘
区域的增强后的灰度图像数据的灰度值,计算和记录射线上的局部极值点位置和射线半
径,使用平滑后的射线半径内区域作为股骨‑髌骨分割边界。股骨‑膝关节处的另外一个难
点是股骨远端终点与胫骨近端起点相互干扰。
去除小噪声点、开运算等图像形态学方法获取完整的分割图像。在射线半径小于设定阈值
后,停止由股骨往远端的区域生长或者当分割图像的面积小于预设面积阈值后,停止由股
骨往远端的区域生长。在区域生长停止时,可将确定出的边界确定为股骨‑膝关节的骨骼分
割边界。
景区域面积完全不变,例如前后两帧中前景图像区域的面积差值较小。因此,跟踪中心点和
各边缘点,以判断区域生长各阶段。在生长过程中,结合胫骨平台由股骨的中部突起的先验
信息,若前景区域进入收缩阶段,则不再加入新的连通域,同时前景区域生长方向由外扩转
为内收,直至收敛结束。这样做的目的是:在对股骨向远端生长时,由于胫骨和股骨可能会
在同一帧中同时出现,通过上述方式可以分割股骨和胫骨。
域像素点,确定各邻域像素点的灰度值方差,并将灰度值方差确定为像素点的粗糙度值,根
据原始扫描图像帧中各像素点所对应的粗糙度值,确定与原始扫描图像帧相对应的粗糙度
图像,针对每一个粗糙度图像,基于灰度增强图像公式确定与原始扫描图像帧相对应的灰
度增强图像,针对每一个原始扫描图像帧,对原始扫描图像帧进行边缘检测,确定与原始扫
描图像帧相对应的边缘信息图像,并根据原始扫描图像帧的中心点,向原始扫描图像帧的
各边缘点投射射线,基于预先设定的峰谷峰检测函数,确定与各射线上各像素点所对应的
峰谷峰值,并根据峰谷峰值确定与原始扫描图像帧相对应的峰谷峰增强图像,进而,基于与
原始扫描图像帧相对应的灰度增强图像、边缘信息图像以及峰谷峰增强图像,确定第一骨
骼和第二骨骼的骨骼分割边界,解决了人工分析速度慢且准确性低的问题以及通过固定阈
值分割时骨骼分割边界确定不准确的问题,实现了提高骨骼分割边界确定的准确性的技术
效果。
分割边界确定模块340。
320,用于根据各所述原始扫描图像帧中各像素点的灰度值,确定与各所述原始扫描图像帧
相对应的粗糙度图像;其中,所述粗糙度图像是基于各像素点的粗糙度值确定,所述粗糙度
值基于像素点邻域内的邻域像素点的灰度值确定;灰度增强图像确定模块330,用于针对每
一个粗糙度图像,基于灰度增强图像公式确定与所述原始扫描图像帧相对应的灰度增强图
像;其中,所述灰度增强图像公式为J=aG+bR,G表示所述原始扫描图像帧,R表示所述粗糙度
图像,a表示使用线性回归确定的与所述原始扫描图像帧对应的权重参数,b表示使用线性
回归确定的与所述粗糙度图像对应的权重参数,J表示所述灰度增强图像;骨骼分割边界确
定模块340,用于针对每一个原始扫描图像帧,基于与所述原始扫描图像帧相对应的灰度增
强图像,确定所述第一骨骼和所述第二骨骼的骨骼分割边界。
述灰度值方差确定为所述像素点的粗糙度值;根据所述原始扫描图像帧中各像素点所对应
的粗糙度值,确定与所述原始扫描图像帧相对应的粗糙度图像。
像;针对每一个原始扫描图像帧,根据所述原始扫描图像帧的中心点,向所述原始扫描图像
帧的各边缘点投射射线,基于预先设定的峰谷峰检测函数,确定与各射线上各像素点所对
应的峰谷峰值,并根据所述峰谷峰值确定与所述原始扫描图像帧相对应的峰谷峰增强图
像;相应的,骨骼分割边界确定模块340,还用于基于与所述原始扫描图像帧相对应的灰度
增强图像、所述边缘信息图像以及所述峰谷峰增强图像,确定所述第一骨骼和所述第二骨
骼的骨骼分割边界。
值;在所述灰度最小值所对应的像素点以及所述中心点之间,确定第一灰度最大值,并在所
述灰度最小值所对应的像素点以及所述射线上的边缘点之间,确定第二灰度最大值;根据
所述灰度最小值、所述第一灰度最大值以及所述第二灰度最大值,确定所述像素点对应的
峰谷峰值。
值;基于所述第一灰度差值以及所述第二灰度差值,确定所述像素点对应的峰谷峰值。
帧的中心点向所述参考图像帧的上一参考图像帧的各边缘点分别投射射线,根据各射线上
的局部极值点确定各射线的射线半径;对各射线半径进行平滑滤波,确定初始边界,并对与
所述原始扫描图像帧相对应的灰度增强图像在所述初始边界内的部分进行处理,得到分割
图像;若所述分割图像的面积小于预设面积阈值,则确定所述分割图像的边界为所述第一
骨骼和所述第二骨骼的骨骼分割边界。
割,得到至少两个待处理骨骼区域;根据所述至少两个待处理骨骼区域,确定第一骨骼区域
集合以及第二骨骼区域集合,并将所述第一骨骼区域集合与所述第二骨骼区域集合的边界
作为所述第一骨骼和所述第二骨骼的骨骼分割边界。
一骨骼区域集合中的每一个第一骨骼区域,若存在与所述第一骨骼区域的距离小于所述预
设距离的待处理骨骼,则将所述待处理骨骼区域作为第一骨骼区域,并更新所述第一骨骼
区域集合;基于所述至少两个待处理骨骼区域以及更新完成的第一骨骼区域集合,确定第
二骨骼区域集合。
帧相对应的粗糙度图像,针对每一个粗糙度图像,基于灰度增强图像公式确定与原始扫描
图像帧相对应的灰度增强图像,针对每一个原始扫描图像帧,基于与原始扫描图像帧相对
应的灰度增强图像,确定第一骨骼和第二骨骼的骨骼分割边界,解决了人工分析速度慢且
准确性低的问题以及通过固定阈值分割时骨骼分割边界确定不准确的问题,实现了提高骨
骼分割边界确定的准确性的技术效果。
称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
(包括系统存储器402和处理单元401)的总线403。
例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)
总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统406可以用于读写不可移
动的、非易失性磁介质(图11未显示,通常称为“硬盘驱动器”)。尽管图11中未示出,可以提
供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光
盘(例如CD‑ROM, DVD‑ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器
可以通过一个或者多个数据介质接口与总线403相连。系统存储器402可以包括至少一个程
序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发
明各实施例的功能。
模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模
块407通常执行本发明所描述的实施例中的功能和/或方法。
该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器
等等)通信。这种通信可以通过I/O接口(输入/输出接口)411进行。并且,电子设备40还可以
通过网络适配器412与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,
例如因特网)通信。如图所示,网络适配器412通过总线403与电子设备40的其它模块通信。
应当明白,尽管图11中未示出,可以结合电子设备40使用其它硬件和/或软件模块,包括但
不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以
及数据备份存储系统等。
值基于像素点邻域内的邻域像素点的灰度值确定;
表示所述粗糙度图像,a表示使用线性回归确定的与所述原始扫描图像帧对应的权重参数,
b表示使用线性回归确定的与所述粗糙度图像对应的权重参数,J表示所述灰度增强图像;
存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或
器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具
有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器
(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑
ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储
介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件
使用或者与其结合使用。
于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可
读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于
由指令执行系统、装置或者器件使用或者与其结合使用的程序。
Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语
言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立
的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或
服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包
括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利
用因特网服务提供商来通过因特网连接)。
重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行
了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还
可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。