專利名稱：三維可視化的方法、裝置的制作方法
專利說明三維可視化的方法、裝置 技術(shù)鄰域 本發(fā)明涉及計算機(jī)圖像處理領(lǐng)域，尤其涉及一種三維可視化的方法、裝置。

背景技術(shù)：
醫(yī)學(xué)圖像可視化，就是把由計算機(jī)X射線斷層掃描(computedtomography，簡稱CT)、磁共振成像(Magnetic Resonance Imaging，簡稱MRI)等數(shù)字化成像技術(shù)獲得的人體信息在計算機(jī)上直觀地表現(xiàn)為三維效果，從而提供用傳統(tǒng)手段無法獲得的結(jié)構(gòu)信息。由于其能夠為醫(yī)生提供具有真實感的三維圖像，便于醫(yī)生根據(jù)所提供的圖像多角度、多層次的進(jìn)行觀察和分析，因此醫(yī)學(xué)圖像可視化在輔助診斷、醫(yī)學(xué)教學(xué)等方面發(fā)揮著重要的作用。
現(xiàn)有技術(shù)的圖像可視化處理主要包括下的步驟 對人體圖像數(shù)據(jù)進(jìn)行分割處理，得到感興趣的各組織的圖像數(shù)據(jù)，比如，目前要處理的是一肝區(qū)域的圖像，肝的內(nèi)部包含有血管、腫瘤，那么對該區(qū)域的圖像進(jìn)行圖像分割，分割后分別得到的肝、血管、腫瘤的組織的圖像；然后應(yīng)用三維重建技術(shù)，將分割得到的各組織進(jìn)行三維重建，將其轉(zhuǎn)變?yōu)榫哂兄庇^立體效果的各組織構(gòu)成的三維圖像，展示組織或器官的三維形態(tài)，從而提供若干傳統(tǒng)手段無法獲得的解剖結(jié)構(gòu)信息，向醫(yī)生為治療或手術(shù)提供參考，有利于提高醫(yī)療行業(yè)的現(xiàn)代化程度。
由于人體數(shù)據(jù)的復(fù)雜性，在某一組織內(nèi)存在其它組織，比如肝臟內(nèi)部有各種血管，那么對于這些內(nèi)部有其它組織的組織，比如肝臟，經(jīng)分割之后，對于這些內(nèi)部還存在其他組織的組織，其被分割后的圖像內(nèi)部還會存在一些空洞(其內(nèi)部的其他組織的“印記”)，比如，對于肝而言，由于肝內(nèi)還存在血管或者其他的神經(jīng)組織，那么在分割之后，這些原存在在肝內(nèi)部的等組織會在分割得到的肝的圖像內(nèi)部留下“印記”具體表現(xiàn)為圖像的空洞，特別的對于血管、神經(jīng)等組織，其在被分割后的肝組織的圖像中留下的“印記”為細(xì)小的空洞。而另外，由于被分割的圖像中存在隨機(jī)噪聲，這些隨機(jī)噪聲也會在分割的圖像中留下“印記”表現(xiàn)為細(xì)小的空洞。那么對于最后獲得的分割得到的圖像，其中細(xì)小空洞可能是其中的其內(nèi)部的細(xì)小組織(比如血管)的“印記”，也有可能是噪聲的“印記”，造成在將分割之后的各組織進(jìn)行三維重建后，在需要進(jìn)行透明化顯示各層的圖像時，較難判斷其中的空洞是真實的組織還是噪聲，導(dǎo)致較難判斷各種組織之間的空間位置關(guān)系，噪聲嚴(yán)重時甚至?xí)沟脦缀文Ｐ偷膬?nèi)部雜亂無章，給醫(yī)學(xué)診斷帶來難度。


發(fā)明內(nèi)容
本發(fā)明實施例提供了一種三維可視化的方法，能夠?qū)€體的人體圖像數(shù)據(jù)進(jìn)行可視化，并且有利于準(zhǔn)確顯示各組織之間的空間關(guān)系。
本發(fā)明實施例還提供了一種三維可視化的裝置，應(yīng)用該裝置能夠?qū)€體的人體圖像數(shù)據(jù)進(jìn)行可視化，并且有利于準(zhǔn)確顯示各組織之間的空間關(guān)系。
本發(fā)明實施例還提供了三維可視化的方法，包括 對計算機(jī)X射線斷層掃描圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像； 根據(jù)感興趣的各組織的圖像特性，對所述感興趣的區(qū)域的圖像進(jìn)行圖像分割，獲取所述區(qū)域內(nèi)、感興趣的各組織的圖像； 對內(nèi)部包含有其它要分割的組織的組織的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理； 根據(jù)各組織的圖像，進(jìn)行三維重建，獲取三維圖像。
本發(fā)明實施例提供的，三維可視化的裝置，包括 輸入單元，用于輸入計算機(jī)X射線斷層掃描圖像； 預(yù)處理單元，用于對所述輸入單元輸入的計算機(jī)X射線斷層掃描圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像； 分割單元，用于對所述感興趣的區(qū)域的圖像進(jìn)行圖像分割，獲取所述區(qū)域內(nèi)、感興趣的各組織的圖像； 形態(tài)學(xué)處理單元，用于對內(nèi)部包含有其它要分割的組織的組織的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理； 三維重建單元，用于根據(jù)各組織的圖像，進(jìn)行三維重建，獲取三維圖像。
由上可見，應(yīng)用本發(fā)明實施例的技術(shù)方案，由于在對圖像進(jìn)行分割前，對CT圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像，能夠向用戶準(zhǔn)確的明確所感興趣的圖像的位置，以便能夠準(zhǔn)確地對所感興趣的區(qū)域進(jìn)行圖像分割，有利于提高圖像可視化質(zhì)量。
在本發(fā)明實施例的技術(shù)方案中，在分割之后，對內(nèi)部包含有其它組織的組織的圖像進(jìn)行形態(tài)學(xué)處理，消除這些組織的圖像內(nèi)部的細(xì)小物體，在纖細(xì)處分離物體和平滑較大物體邊界，并且填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界，避免現(xiàn)有技術(shù)中由于細(xì)小空洞的存在所導(dǎo)致的各種組織之間的空間位置關(guān)系難以判斷的問題，應(yīng)用本發(fā)明實施例的技術(shù)方案有利于準(zhǔn)確顯示各組織之間的空間關(guān)系。



此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，并不構(gòu)成對本發(fā)明的不當(dāng)限定，在附圖中 圖1為本發(fā)明實施例1的提供的一種三維可視化的方法流程示意圖； 圖2為本發(fā)明實施例1中預(yù)處理方法得到的包含肝的區(qū)域的圖像； 圖3為本發(fā)明實施例1中包含肝的區(qū)域的圖像示意圖； 圖4為本發(fā)明實施例1中用直方圖統(tǒng)計得到的直方圖； 圖5為本發(fā)明實施例1中使用動態(tài)自適應(yīng)區(qū)域增長算法對肝進(jìn)行分割得到的肝的圖像； 圖6為本發(fā)明實施例1中初始的種子區(qū)域D0示意圖； 圖7為本發(fā)明實施例1中使用三維體素生長算法對血管進(jìn)行分割得到的血管的圖像； 圖8為本發(fā)明實施例1中使用三維體素生長算法對腫瘤進(jìn)行分割得到的血管的圖像； 圖9為本發(fā)明實施例1中對圖5所示的肝的圖像進(jìn)行形態(tài)學(xué)處理后得到的圖像； 圖10為本發(fā)明實施例1中由相鄰層上的各四個像素組成立方體示意圖； 圖11為本發(fā)明實施例1提供的另一種三維可視化的方法流程示意圖； 圖12為本發(fā)明實施例2提供的一種三維可視化的裝置結(jié)構(gòu)示意圖； 圖13為本發(fā)明實施例3提供的一種三維可視化的裝置結(jié)構(gòu)示意圖； 圖14為本發(fā)明實施例4提供的一種三維可視化的裝置結(jié)構(gòu)示意圖； 圖15為本發(fā)明實施例5提供的一種三維可視化的裝置結(jié)構(gòu)示意圖； 圖16為本發(fā)明實施例6提供的一種三維可視化的裝置結(jié)構(gòu)示意圖； 圖17為本發(fā)明實施例7提供的一種三維可視化的裝置結(jié)構(gòu)示意圖。

具體實施例方式 下面將結(jié)合附圖以及具體實施例來詳細(xì)說明本發(fā)明，在此本發(fā)明的示意性實施例以及說明用來解釋本發(fā)明，但并不作為對本發(fā)明的限定。
實施例1 圖1為本實施例提供的三維可視化的方法流程示意圖，如圖示，該方法包括 步驟101獲取CT圖像。
目前，醫(yī)學(xué)CT數(shù)據(jù)是通過CT來獲取的。CT圖像是以不同的灰度來表示，反映組織對X線的吸收程度。因此，與X線圖像所示的黑白影像一樣，黑影表示低吸收區(qū)，即低密度區(qū)，如含氣體多的肺部；白影表示高吸收區(qū)，即高密度區(qū)，如骨骼。但是CT與X線圖像相比，CT的密度分辨力高，即有高的密度分辨力(density resolutiln)。因此，人體軟組織的密度差別雖小，吸收系數(shù)雖多接近于水，也能形成對比而成像。所以，CT掃描可以更好地顯示由軟組織構(gòu)成的器官，如腦、脊髓、縱隔、肺、肝、膽、胰以及盆部器官等，并在良好的解剖圖像背景上顯示出病變的影像。CT圖像是層面圖像，常用的是橫斷面。為了顯示整個器官，需要多個連續(xù)的層面圖像，通過CT設(shè)備上圖像的重建程序的使用，還可重建冠狀面和矢狀面的層面圖像，可以多角度查看器官和病變的關(guān)系。
步驟102對CT圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像。
醫(yī)學(xué)圖像與普通圖像相比，具有模糊性和不均勻的特點，因而首先對CT圖像進(jìn)行預(yù)處理，突出目標(biāo)區(qū)域，能夠為下一步的分割做好準(zhǔn)備工作。針對CT圖像，可以采用增強(qiáng)、圖像格式轉(zhuǎn)化等方式執(zhí)行本步驟，突出顯示感興趣的區(qū)域的圖像。在本實施例中可以采用以下的預(yù)處理方式 由于人眼能夠辨識的灰階范圍比較小，而CT值中所包含的信息大大超過了人眼所能辨識的范圍，因而我們在CT中引入灰度窗的概念，利用灰度窗來充分利用圖片中所含的信息，灰度窗由窗寬(Window Width)和窗位(WindowCenter)確定。窗寬和窗位是CT檢查中用以觀察不同密度的正常組織或病變組織的一種顯示技術(shù)。窗寬是CT圖像上所感興趣的區(qū)域的圖像的CT值范圍，在此CT值范圍內(nèi)的組織和病變均以不同的模擬灰度顯示；窗位是灰度窗的中心位置，同樣的窗寬，由于窗位不同，其所包括CT值范圍的CT值也有差異。在本實施例中，欲顯示某一感興趣的區(qū)域內(nèi)的組織的結(jié)構(gòu)細(xì)節(jié)時，應(yīng)設(shè)置適合觀察該區(qū)域的窗寬和窗位，以獲得最佳顯示。
在確定了灰度窗之后，根據(jù)以下的函數(shù)式(1)，計算CT圖像中的各像素點的灰度值 其中，g(x，y)為計算得到的坐標(biāo)為(x，y)的像素點的灰度值，f(x，y)為坐標(biāo)為(x，y)的像素點的CT值，WP為所設(shè)的窗寬，WW為所設(shè)的窗位，WP、WW可以根據(jù)經(jīng)驗進(jìn)行設(shè)置，比如當(dāng)前的所感興趣的區(qū)域為肝的區(qū)域，而根據(jù)經(jīng)驗可知該區(qū)域的CT值范圍為300到420，那么可以將窗寬WP的大小設(shè)為360，窗位WW設(shè)為60。
由函數(shù)式(1)可以看出，對于CT值不在區(qū)間范圍[WP-WW/2，WP+WW/2](灰度窗)內(nèi)的像素點，令其灰度值等于0；而對于CT值在區(qū)間范圍[WP-WW/2，WP+WW/2]內(nèi)的像素點，根據(jù)函數(shù)式[f(x，y)-(WP-WW/2)]*255/WW計算各像素點的灰度值，各像素點的灰度值與該像素點的原始CT值成線性關(guān)系，并且保證計算獲得的各像素點的灰度值大于0且小于255。
根據(jù)函數(shù)式(1)得到的圖像的各像素點的灰度值后，將CT圖像中的各像素點分別按照計算得到灰度值顯示出來，由上述函數(shù)式(1)可見，對于像素點的CT值不在灰度窗內(nèi)的像素點，在顯示的平面上均為黑色背景，只有CT值在灰度窗內(nèi)的像素點才能夠以一定的灰度值顯示出來。那么所顯示出來的圖像中包括該感興趣的區(qū)域，即從所顯示出來的圖像中能夠看出感興趣的區(qū)域的圖像。比如圖2所示為根據(jù)上述預(yù)處理方法得到的包含肝的區(qū)域的圖像。
需要說明的是，在函數(shù)式(1)中，還可以令CT值不在感興趣的區(qū)域的像素點CT值范圍內(nèi)的像素點的灰度值等于255，即令其在顯示時顯示為白色的背景。
應(yīng)用上述的方法，還可以用窗口移動的方式保證用戶可以自由地觀看任意感興趣的區(qū)域的圖像，但是這種方法不容易對感興趣的數(shù)據(jù)有一個準(zhǔn)確的了解。為此我們提供了一種基于直方圖統(tǒng)計分析的CT圖像預(yù)處理算法，算法實現(xiàn)的具體步驟如下 第一步，直方圖統(tǒng)計，圖3中區(qū)域301就是需要的統(tǒng)計區(qū)域。通過對大量CT圖像的數(shù)據(jù)的統(tǒng)計分析，可以得到圖4所示的直方圖，由圖4可見，感興趣區(qū)域(肝區(qū))的像素點的CT值大概集中在(0～255)這個范圍內(nèi)，將該范圍記為感興趣的CT范圍P，有了這個比較準(zhǔn)確的數(shù)據(jù)分析，就有利于下一步的圖像分割工作。
第二步，計算感興趣區(qū)域的圖像的各像素點的灰度值，由圖4所示的統(tǒng)計分析的結(jié)果可知，由于感興趣的區(qū)域的像素點的CT值大概集中在(0～255)這個范圍內(nèi)，而為了更好的保留原始CT圖像的數(shù)據(jù)細(xì)節(jié)，可以采用以下的函數(shù)式進(jìn)行變換，即對于CT值在感興趣的CT范圍P內(nèi)的像素點，使這些像素點的灰度值等于該點的原始CT值，而對于CT值不在感興趣的CT范圍P內(nèi)的像素點，使其的灰度值等于零，具體如函數(shù)式(2)所示
式中InGray為像素點的原始CT值，OutGray為像素點的灰度值。
根據(jù)函數(shù)式(2)求得圖像的各像素點的灰度值后，按照計算得到的各像素點的灰度值顯示圖像，由上述函數(shù)式(2)可以看出，對于CT值不在感興趣的CT范圍P內(nèi)的像素點，在顯示的圖像上表現(xiàn)為黑色背景，而對于CT值在感興趣的CT范圍P內(nèi)的像素點，則以灰度值等于其CT值顯示出來。
需要說明的是，在函數(shù)式(2)中，還可以對于CT值不在感興趣的CT范圍P內(nèi)的像素點，令其灰度值等于255，即令其在顯示時顯示為白色的背景。對于CT值在感興趣的CT范圍P內(nèi)的像素點，令其灰度值與其原始的CT值成線性關(guān)系，而不是直接等于其原始CT值。
步驟103根據(jù)用戶感興趣的各組織的圖像特性，對感興趣的區(qū)域的圖像進(jìn)行圖像分割，獲取該區(qū)域內(nèi)、用戶感興趣的各組織的圖像。
對圖像進(jìn)行分割，提取出感興趣的器官、組織或病變體，以便后面根據(jù)被分割的客體，重新進(jìn)行三維幾何建模，以達(dá)到輔助醫(yī)療診斷、手術(shù)規(guī)劃和手術(shù)模擬的目的。
本發(fā)明根據(jù)需要分割的各組織的圖像特性，選取不同的分割方法，對圖像進(jìn)行分割，假設(shè)當(dāng)前用戶感興趣的區(qū)域為器官肝的區(qū)域，需要分割的組織分別為肝、肝內(nèi)的血管、肝內(nèi)的病變組織腫瘤。由于根據(jù)CT成像的原理可知，肝與其附近的其它組織的灰度值比較相近，而血管以及腫瘤的灰度值與肝、以及其它組織的灰度值成比較明顯的反差，本實施例針對各組織的特點，對各組織采用不同的分割方法，以對肝的區(qū)域的圖像進(jìn)行圖像分割，要分割的感興趣的組織為肝、血管、腫瘤為例 對于肝，由于其與附近的其它組織(比如肝的附近的膽)的灰度值比較相近，在對肝進(jìn)行分割時，有可能會分割出一些其附近的不屬于肝本身的其它組織，特別的如果對其進(jìn)行三維分割時，帶出的組織更多，因此本實施例針對肝的分割提出了基于二維分割的動態(tài)自適應(yīng)區(qū)域增長算法。
動態(tài)自適應(yīng)區(qū)域增長算法為現(xiàn)有技術(shù)的區(qū)域增長算法的改進(jìn)，區(qū)域增長法的基本思想是將具有相似性的像素集合起來構(gòu)成區(qū)域。初始區(qū)域是很小的鄰域，甚至是單個像素，然后依據(jù)生長準(zhǔn)則，逐步擴(kuò)大區(qū)域。區(qū)域生長過程如下1、先為每個子區(qū)域賦一組參數(shù)，該參數(shù)要能夠反映各目標(biāo)體的特性，而且能將不同的目標(biāo)分開。2、考查邊界，若相鄰區(qū)域平均度量之間的差異小，則邊界弱，反之則強(qiáng)。邊界弱的相鄰區(qū)域合并，強(qiáng)邊界繼續(xù)保留。3、重復(fù)該過程，直到?jīng)]有需要合并的區(qū)域為止。該方法的關(guān)鍵在于種子點的位置、生長準(zhǔn)則和生長順序等。
在本實施例中應(yīng)用的動態(tài)自適應(yīng)區(qū)域增長算法具體如下 首先，在感興趣的區(qū)域中當(dāng)前需要分割的組織(在本實施例中為肝)中選擇一像素點作為初始的種子點，然后將該初始的種子點的第一鄰域(在本實施例中選取3*3鄰域)作為初始的種子區(qū)域，然后根據(jù)函數(shù)式(3)計算該初始的種子區(qū)域內(nèi)的像素點的灰度值的平均值，記為第一平均值 其中，mean(x，y)為計算得到的該初始的種子區(qū)域內(nèi)的像素點的灰度值的平均值，r、c分別為坐標(biāo)x、y的步長，其取值均可為-1，0，或+1，g(x+r，y+c)為坐標(biāo)為(x+r，y+c)的像素點的灰度值。
然后，根據(jù)函數(shù)式(4)計算該初始的種子點的第二鄰域(在本實施例中選取5×5鄰域)內(nèi)的像素點的灰度值與所述第一平均值的方差，將該方差作為本實施例中的動態(tài)子適應(yīng)區(qū)域增長算法的生長準(zhǔn)則的歸并閾值 其中，mean(x，y)為該初始的種子區(qū)域內(nèi)的像素點的灰度值的平均值，r、c分別為坐標(biāo)x、y的步長，其取值均可為-2，-1，0，+1，或+2，g(x+r，y+c)為坐標(biāo)為(x+r，y+c)的像素點的灰度值。
再然后，根據(jù)所計算得到的歸并閾值δ設(shè)置生長規(guī)則，在本實施例中該生長準(zhǔn)則可設(shè)為 |g(x，y)-AveGray|＜δ(4) 其中，g(x，y)為待歸并的坐標(biāo)為(x，y)的像素點的灰度值，AveGray為當(dāng)前種子區(qū)域內(nèi)的各像素點的灰度值的平均值，AveGray的初始值為mean(x，y)。根據(jù)關(guān)系式(4)所示的生長規(guī)則，對初始的種子區(qū)域進(jìn)行種子區(qū)域生長，獲取分割結(jié)果。該種子區(qū)域生長具體是 進(jìn)行以下步驟，直到找不到新的種子點為止 判斷當(dāng)前種子區(qū)域相相連通的像素點的灰度值g(x，y)與當(dāng)前種子區(qū)域內(nèi)的像素點的灰度值的平均值A(chǔ)veGray的差值的絕對值是否小于方差δ，如果小于，則將該像素點作為新的種子點，獲取新的種子區(qū)域，該新的種子區(qū)域由所述新的種子點、以及更新前的種子區(qū)域內(nèi)的種子點共同構(gòu)成；如果不小于，繼續(xù)尋找下一新的種子點。
當(dāng)利用關(guān)系式(4)所示的生長規(guī)則找不到新的種子點時，那么最終得到的種子區(qū)域內(nèi)的像素點所構(gòu)成的圖像便為分割所得的組織的圖像。如圖5所示為使用本實施例的動態(tài)自適應(yīng)區(qū)域增長算法對肝進(jìn)行分割得到的肝的圖像。
對于血管、腫瘤，由于這些組織與附近組織的灰度值相差較大，故對其的分割比較不易帶出其它組織，可以對它們使用基于三維的分割方法，本實施例還提供了一種基于三維的分割方法，記為三維體素生長算法，具體如下 該算法采用了多次迭代的方式進(jìn)行動態(tài)體素生長。相對于傳統(tǒng)的基于三維的分割方法，三維體素生長算法可以根據(jù)當(dāng)前區(qū)域的局部統(tǒng)計特性，自適應(yīng)地動態(tài)調(diào)整每一次迭代的最優(yōu)閾值范圍，從而加強(qiáng)算法的魯棒性與實用性。
首先，在感興趣的區(qū)域內(nèi)、當(dāng)前需要分割的組織(在本實施例中以血管為例)中選擇一像素點作為初始的種子點。
然后，將三維空間中與初始的種子點相鄰的26個像素點(在本實施例中稱為體素)所構(gòu)成的區(qū)域，作為初始的種子區(qū)域D0，如圖6所示。根據(jù)函數(shù)式(5)計算該初始的種子區(qū)域內(nèi)D0的體素的灰度值的平均值mean(x，y，z)，根據(jù)函數(shù)式(6)計算初始的種子區(qū)域內(nèi)D0的體素的灰度值與該初始的種子區(qū)域內(nèi)的體素的灰度值得平均值mean(x，y，z)的方差δ0 其中，mean(x，y，z)為初始的種子區(qū)域D0內(nèi)的體素的灰度值的平均值，g(x+r，y+c，z+d)為坐標(biāo)為(x+r，y+c，z+d)的像素點的灰度值，r、c、d分別為坐標(biāo)x、y、z的步長。
然后，進(jìn)行步驟(1)、(2)，直到找不到新的種子點為止 (1)根據(jù)函數(shù)式(7)更新閾值范圍Ωn Ωn＝[mn-1-θσn-1，mn-1+θσn-1](7)， 其中，n為迭代的次數(shù)，mn-1為第n-1次(上一次)迭代時的種子區(qū)域∏n-1內(nèi)的所有像素點的灰度值的平均值，σn-1為第n-1次迭代時的種子區(qū)域∏n-1內(nèi)的像素點的灰度值與所述初始的種子區(qū)域內(nèi)的象素點的灰度值的平均值的方差，θ為預(yù)設(shè)的參數(shù)； (2)根據(jù)閾值范圍Ωn、以及正在生長的種子區(qū)域∏n-1，獲取新的種子區(qū)域∏n，其中新的種子區(qū)域∏n由種子區(qū)域∏n-1、和新的種子點構(gòu)成，其中新的種子點滿足條件與種子區(qū)域∏n-1相連通、且該像素點和與種子區(qū)域∏n-1內(nèi)的像素點的灰度值的平均值mn在閾值范圍Ωn內(nèi)。
當(dāng)找不到新的種子點時，最終得到的種子區(qū)域∏n內(nèi)的像素點所構(gòu)成的圖像則為分割所得的組織的圖像。如圖7所示為使用本實施例所提供的三維體素生長算法對血管進(jìn)行分割得到的血管的圖像。
同理，應(yīng)用上述的體素生長算法對腫瘤進(jìn)行分割，可以得到圖8所示的腫瘤的圖像。
步驟104對內(nèi)部包含有其它組織的組織的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理。
在本實施例中，以感興趣的區(qū)域為肝的區(qū)域為例，由于肝的內(nèi)部還包含有血管、腫瘤等其它組織，那么在分割獲取肝的圖像時，分割得到的肝的圖像的內(nèi)部存在有這些組織的“印記”，這些“印記”表現(xiàn)為細(xì)小的空洞，而同時由于噪聲的存在，在對圖像進(jìn)行分割操作時，噪聲也有可能會在分割得到圖像中留下“印記”，其表現(xiàn)亦為細(xì)小的空洞，導(dǎo)致最終分割得到的圖像中的細(xì)小的空洞可能是其它組織(比如血管)的“印記”也有可能為噪聲的“印記”。如圖5所示。如果直接將步驟103中分割得到的各組織直接進(jìn)行三維重建，那么三維重建后，在需要進(jìn)行透明化顯示各層的圖像時，較難判斷其中的細(xì)小的空洞是真實的組織還是噪聲，從而較難判斷各種組織之間的空間位置關(guān)系，噪聲嚴(yán)重時甚至?xí)沟脦缀文Ｐ偷膬?nèi)部雜亂無章。
為了克服上述的問題，本實施例在步驟103后還進(jìn)行本步驟，以當(dāng)前感興趣的區(qū)域為肝區(qū)域為例，在對該區(qū)域的圖像進(jìn)行分割獲取如圖5所示的肝的圖像之后，對肝的分割結(jié)果(如圖5所示的圖像)進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理。
數(shù)學(xué)形態(tài)學(xué)是以形態(tài)結(jié)構(gòu)元素為基礎(chǔ)對圖像進(jìn)行分析的數(shù)學(xué)工具。它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的。
數(shù)學(xué)形態(tài)學(xué)的基本運算有四個膨脹、腐蝕、開啟和閉合。基于這些基本運算可以推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)實用算法。
數(shù)學(xué)形態(tài)學(xué)中二值圖像的形態(tài)變換是一種針對集合的處理過程。其形態(tài)算子的實質(zhì)是表達(dá)物體或形狀的集合與結(jié)構(gòu)元素間的相互作用，結(jié)構(gòu)元素的形狀就決定了這種運算所提取的信號的形狀信息數(shù)學(xué)形態(tài)學(xué)處理在圖像的應(yīng)用中是在圖像中移動一個結(jié)構(gòu)元素，然后將結(jié)構(gòu)元素與下面的二值圖像進(jìn)行交、并等集合運算?；镜男螒B(tài)運算是腐蝕和膨脹。
在數(shù)學(xué)形態(tài)學(xué)中，結(jié)構(gòu)元素是最重要最基本的概念。結(jié)構(gòu)元素在形態(tài)變換中的作用相當(dāng)于信號處理中的“濾波窗口”。用B(x)代表結(jié)構(gòu)元素，對工作空間E中的每一點x，腐蝕和膨脹的定義為 腐蝕
膨脹
用B(x)對E進(jìn)行腐蝕的結(jié)果就是把結(jié)構(gòu)元素B平移后使B包含于E的所有像素點構(gòu)成的集合。用B(x)對E進(jìn)行膨脹的結(jié)果就是把結(jié)構(gòu)元素B平移后使B與E的交集非空的像素點構(gòu)成的集合。先腐蝕后膨脹的過程稱為開運算。它具有消除細(xì)小物體，在纖細(xì)處分離物體和平滑較大物體邊界的作用。先膨脹后腐蝕的過程稱為閉運算。它具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。
在本實施例中對圖5所示的肝的圖像采用開運算、以及閉運算對肝的分割結(jié)果，平滑肝的圖像的邊緣，去除其邊緣連結(jié)的其它組織，并且填充其內(nèi)部的細(xì)小的空洞，如圖9所示為對圖5所示的肝的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理后得到的圖像。
步驟105根據(jù)各組織的圖像，進(jìn)行三維重建，獲取三維圖像。
可以采用現(xiàn)有技術(shù)的各種三維重建技術(shù)對各組織的圖像進(jìn)行三維重建。在本實施例中以采用Marching Cubes(MC)方法對各組織進(jìn)行三維重建為例。
MC方法的基本思想是，給定一個等值面的值c，對于三維數(shù)據(jù)場中的一個六面體體素，比較其8個頂點處的函數(shù)值和給定的等值面的值c，如果頂點處函數(shù)值大于或者等于c，則將其設(shè)為1，否則將其設(shè)為0。如果一個體素全部頂點的值都為1或者為0，則說明沒有等值面經(jīng)過該體素，否則該體素必與等值面相交。
等值面的定義如下 {(x，y，z)|s(x，y，z)＝c}， 其中c 為常數(shù)，由體素的八個角的值唯一決定。s(x，y，z)＝a0+a1x+a2y+a3z+a4xy+a5xz+a6yz+a7xyz，ai(i＝0，1，...，7)為常數(shù)，x、y、z分別為三維數(shù)據(jù)常的三維坐標(biāo)。
體素是一邏輯上的立方體，由相鄰層上的各四個像素組成立方體上的8個頂點，如圖10所示。算法以掃描線方式逐個處理數(shù)據(jù)場中每一立方體體素，求出每一體素內(nèi)包含的等值面，由此生成整個數(shù)據(jù)場的等值面。
基于以上分析，MC方法用一個字節(jié)的空間構(gòu)造了一個體素狀態(tài)表，該狀態(tài)表中的每一位可表示出該體元中的一個角點的0或者1的狀態(tài)，從而確定等值面與體素相交情況。等值面與體素邊界的交點通過該邊兩端點函數(shù)值的線性插值求出，并將這些交點連接成三角形或者多邊形。在求出立方體元中的三角形面片后，首先根據(jù)中心差分方法計算出體元各頂點處的梯度值，然后用線性插值計算出三角形頂點處的梯度，也就是頂點處的法向量。
對已經(jīng)分割好的各組織的圖像，可以利用可視化工具包(VisualizationToolkit，簡稱VTK)函數(shù)庫，根據(jù)MC算法抽取等值面，具體步驟如下 第一、利用VTK中的vtkBMPReader類讀取分割好的圖片，并將其信息保存在vtkStructuredPoints類中； 第二、利用vtkContourFilter類設(shè)定等值面的值，提取出感興趣的輪廓； 第三、調(diào)用vtkPolyDataMapper函數(shù)，將經(jīng)過各種vtkContourFilter處理后的應(yīng)用數(shù)據(jù)映射為幾何數(shù)據(jù)，根據(jù)這些幾何數(shù)據(jù)構(gòu)造得到三維的肝的區(qū)域的圖像肝的內(nèi)部包括血管、腫瘤分割得到的各組織。
第四、為了得到更好的顯示效果，還可一定義vtkActor，指定場景光照，視角，焦點等信息，并用vtkRender類將繪制場景中的實體渲染出來，得到更加立體的可視化三維圖像。
由上可見，應(yīng)用本發(fā)明實施例的技術(shù)方案，由于在對圖像進(jìn)行分割前，對CT圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像，能夠向用戶準(zhǔn)確的明確所感興趣的圖像的位置，以便能夠準(zhǔn)確地對所感興趣的區(qū)域進(jìn)行圖像分割，有利于提高圖像可視化質(zhì)量。
在本發(fā)明實施例的技術(shù)方案中，在分割之后，對內(nèi)部包含有其它組織的組織的圖像進(jìn)行形態(tài)學(xué)處理，消除這些組織的圖像內(nèi)部的細(xì)小物體，在纖細(xì)處分離物體和平滑較大物體邊界，并且填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界，避免現(xiàn)有技術(shù)中由于細(xì)小空洞的存在所導(dǎo)致的各種組織之間的空間位置關(guān)系難以判斷的問題，應(yīng)用本發(fā)明實施例的技術(shù)方案有利于準(zhǔn)確顯示各組織之間的空間關(guān)系。
需要說明的是，如圖11所示，在本實施例中在步驟103之后，步驟105之前還可以進(jìn)行以下的步驟 步驟1101對內(nèi)部不包含有其它組織的組織的圖像進(jìn)行中值濾波處理。該步驟1101既可以在步驟104之前也可以在步驟104之后，圖11以其在步驟104為例進(jìn)行示意。
這里所述的內(nèi)部不包含有其它組織的組織，具體比如血管、腫瘤等 中值濾波具體是，對一個滑動窗口內(nèi)的諸像素灰度值排序，用其中值代替窗口中心像素的原來灰度值，它是一種非線性的圖像平滑法，它對脈沖干擾級椒鹽噪聲的抑制效果好，在抑制隨機(jī)噪聲的同時能有效保護(hù)邊緣少受模糊。
增加本步驟可以抑制這些圖像中的椒鹽噪聲，進(jìn)一步優(yōu)化這些圖像的質(zhì)量，以使最終得到更優(yōu)的三維可視化圖像。
增加本步驟之后，那么顯然步驟105中，根據(jù)各組織的圖像，進(jìn)行三維重建，獲取三維圖像，具體是對經(jīng)過中值濾波處理后的圖像、以及經(jīng)過數(shù)學(xué)形態(tài)學(xué)處理后的圖像進(jìn)行三維重建。
實施例2 圖12為本實施例提供的一種三維可視化的裝置結(jié)構(gòu)示意圖，如圖示，該裝置包括 輸入單元121，用于輸入CT圖像。
其原理參見實施例1中的步驟101的描述。
預(yù)處理單元122，用于對輸入單元121所輸入的CT圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像?？梢赃x擇現(xiàn)有的各種預(yù)處理方法對圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像。
其原理參見實施例1中的步驟102的描述。
分割單元123，用于對經(jīng)過預(yù)處理單元122處理得到的所述感興趣的區(qū)域的圖像進(jìn)行圖像分割，獲取所述區(qū)域內(nèi)、用戶感興趣的各組織的圖像。其所應(yīng)用的分割方法可以采用現(xiàn)有技術(shù)的各種分割方法。
其詳細(xì)的原理參見實施例1中的步驟103的描述。
假設(shè)當(dāng)前分割得到肝、血管、腫瘤的各組織的圖像，分割后的各組織的圖像分別參見圖5、7、8。
形態(tài)學(xué)處理單元124，用于分割單元123分割得到的組織的圖像中、內(nèi)部包含有第二組織的組織的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理。
其原理參見實施例1中的步驟104的描述。比如，對圖5所示的分割后得到的肝的圖像進(jìn)行形態(tài)學(xué)處理，其處理后的圖像如圖9所示。
三維重建單元115，用于根據(jù)各組織的圖像，進(jìn)行三維重建，獲取三維圖像。
其原理參見實施例1中的步驟105的描述。
由上可見，應(yīng)用本發(fā)明實施例的技術(shù)方案，由于在對圖像進(jìn)行分割前，對計算機(jī)X射線斷層掃描(computed tomography，簡稱CT)圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像，能夠向用戶準(zhǔn)確的突出顯示所感興趣的圖像的位置，以便能夠準(zhǔn)確地對所感興趣的區(qū)域進(jìn)行圖像分割，有利于提高圖像可視化質(zhì)量。
在本發(fā)明實施例的技術(shù)方案中，在分割之后，對內(nèi)部包含有其它組織的組織的圖像進(jìn)行形態(tài)學(xué)處理，消除這些組織的圖像內(nèi)部的細(xì)小物體，在纖細(xì)處分離物體和平滑較大物體邊界，并且填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界，避免現(xiàn)有技術(shù)中由于細(xì)小空洞的存在所導(dǎo)致的各種組織之間的空間位置關(guān)系難以判斷的問題，應(yīng)用本發(fā)明實施例的技術(shù)方案有利于準(zhǔn)確顯示各組織之間的空間關(guān)系。
實施例3 圖13為本實施例提供的一種三維可視化的裝置結(jié)構(gòu)示意圖，如圖示，該裝置與圖12所示的裝置所不同的是，本實施例的裝置還可以包括 中值濾波單元131，用于對內(nèi)部不包含有其它組織的組織的圖像進(jìn)行中值濾波處理，將處理后的圖像輸入至所述三維重建單元135。
三維重建單元135根據(jù)經(jīng)中值濾波單元131濾波處理后的組織、以及形態(tài)學(xué)處理單元124處理后的組織進(jìn)行三維重建。
實施例4 圖14為本實施例提供的一種三維可視化的裝置結(jié)構(gòu)示意圖，如圖示，該裝置與圖13所示的裝置所不同的是，本實施例的分割單元143還可以包括 第一計算單元1431，用于計算，所述計算包括 計算當(dāng)前種子區(qū)域內(nèi)的像素點的灰度值的平均值，其中所述種子區(qū)域初始為以指定的初始的種子點為中心的、預(yù)定的鄰域， 計算以所述初始的種子點為中心的、第二鄰域內(nèi)的像素點的灰度值與所述平均值的方差， 計算當(dāng)前種子區(qū)域相鄰的像素點的灰度值與當(dāng)前種子區(qū)域內(nèi)的像素點的灰度值的平均值的差值的絕對值； 第一判斷單元1432，用于判斷當(dāng)前種子區(qū)域相鄰的像素點是否滿足所述像素點的灰度值與所述平均值的差值的絕對值是否小于所述方差， 第一種子區(qū)域計算單元1433，用于當(dāng)?shù)谝慌袛鄦卧?432判定當(dāng)前種子區(qū)域相鄰的像素點的灰度值與所述平均值的差值的絕對值小于所述方差時，獲取新的種子區(qū)域，所述新的種子區(qū)域由所述新的種子點和更新前的種子區(qū)域構(gòu)成，所述新的種子點為滿足條件的像素點，所述條件為所述像素點與當(dāng)前種子區(qū)域連通，并且，所述像素點的灰度值與當(dāng)前種子區(qū)域內(nèi)的像素點的灰度值的平均值的差值的絕對值小于所述方差。
對于內(nèi)部包含有要分割的其它組織的組織(比如肝，其內(nèi)部還包含有血管、腫瘤等要分割得組織)，可以應(yīng)用第一計算單元1431、第一判斷單元1432、第一種子區(qū)域計算單元1433對圖像進(jìn)行分割獲取，而對于其它的組織可以采用現(xiàn)有技術(shù)的各種分割方法進(jìn)行分割獲取。
其具體原理參見實施例1步驟102的相應(yīng)描述。
實施例5 圖15為本實施例提供的一種三維可視化的裝置結(jié)構(gòu)示意圖，如圖示，該裝置與圖14所示的裝置所不同的是，本實施例的分割單元153還可以包括 第二計算單元1531，用于計算，所述計算包括 計算確定區(qū)域內(nèi)的像素的灰度值的平均值mn， 計算所述確定區(qū)域內(nèi)的像素點與所述初始的種子點的灰度值的方差σn， 根據(jù)函數(shù)式Ωn＝[mn-1-θσn-1，mn-1+θσn-1]，計算閾值范圍Ωn， 其中n為迭代的次數(shù)，n的初始值為零， 其中當(dāng)n等于零時，m0為初始的種子區(qū)域內(nèi)的像素的灰度值的平均值，所述初始的種子區(qū)域為由初始的種子點、以及三維空間中與所述初始的種子點相鄰的所有像素點構(gòu)成的區(qū)域，mn-1為第n-1次迭代時的種子區(qū)域∏n-1內(nèi)的所有像素的灰度值的平均值，σn-1為第n-1次迭代時的種子區(qū)域∏n-1內(nèi)的各像素與所述初始的種子點的灰度值的方差，θ為預(yù)設(shè)的參數(shù)； 第二判斷單元1532，判斷與所述種子區(qū)域∏n-1連通的像素點是否滿足條件所述像素點、與所述種子區(qū)域∏n-1內(nèi)的像素點的灰度值的平均值mn是否在所述閾值范圍Ωn內(nèi)； 第二種子區(qū)域更新單元153，用于當(dāng)所述第二判斷單元判定與所述種子區(qū)域∏n-1連通的像素點、與所述種子區(qū)域∏n-1內(nèi)的各像素點的灰度值的平均值mn在所述閾值范圍Ωn內(nèi)時，計算新的種子區(qū)域∏n， 其中所述新的種子區(qū)域∏n由種子區(qū)域∏n-1、和滿足所述第二判斷單元的判斷條件的像素點構(gòu)成。
對于內(nèi)部不包含有要分割的其它組織的組織(比如血管、腫瘤等要分割的組織)，可以采用第二計算單元1531、第二判斷單元1532、第二種子區(qū)域更新單元153進(jìn)行分割得到。可選的，其分割得到的圖像可以輸入到中值濾波單元131進(jìn)行中值濾波處理。
其具體原理參見實施例1步驟102的相應(yīng)描述。
實施例6 圖16為本實施例提供的一種三維可視化的裝置結(jié)構(gòu)示意圖，如圖示，該裝置與圖12所示的裝置所不同的是，本實施例的預(yù)處理單元162還可以包括 灰度窗確定單元1621，根據(jù)所述感興趣的區(qū)域的大小，確定灰度窗的窗位、窗寬，其中所述窗寬為根據(jù)經(jīng)驗預(yù)設(shè)的、所述感興趣的區(qū)域的計算機(jī)X射線斷層掃描圖像的計算機(jī)X射線斷層掃描值范圍，窗位為所述灰度窗的中心位置； 第三計算單元1622，用于根據(jù)函數(shù)式

計算所述圖像中的各像素點的灰度值， 其中所述g(x，y)為坐標(biāo)為(x，y)的像素點被賦的灰度值，f(x，y)為坐標(biāo)為(x，y)的像素點的計算機(jī)X射線斷層掃描值，WP為窗寬，WW為窗位。
其具體原理參見實施例1步驟102的相應(yīng)描述。
實施例7 圖17為本實施例提供的一種三維可視化的裝置結(jié)構(gòu)示意圖，如圖示，該裝置與圖16所示的裝置所不同的是，本實施例的預(yù)處理單元172還可以包括 直方圖統(tǒng)計單元1721，用于對大量的計算機(jī)X射線斷層掃描圖像進(jìn)行直方圖統(tǒng)計，獲取所述感興趣的區(qū)域的計算機(jī)X射線斷層掃描圖像的計算機(jī)X射線斷層掃描值范圍，根據(jù)所述得到的范圍得到所述窗寬，將所述窗寬輸入到灰度窗確定單元1621，灰度窗確定單元1621根據(jù)所輸入的窗寬確定所述灰度窗。
其具體原理參見實施例1步驟102的相應(yīng)描述。
需要說明的是，在本發(fā)明實施例中的三維可視化裝置可以為由硬件構(gòu)成的獨立的設(shè)備或硬件模塊，亦可以為以軟件的形式存儲在一個計算機(jī)可讀存儲介質(zhì)中的功能模塊。
綜上，應(yīng)用本發(fā)明實施例的技術(shù)方案，由于在對圖像進(jìn)行分割前，對計算機(jī)X射線斷層掃描(computed tomography，簡稱CT)圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像，能夠向用戶準(zhǔn)確的突出顯示所感興趣的圖像的位置，以便能夠準(zhǔn)確地對所感興趣的區(qū)域進(jìn)行圖像分割，有利于提高圖像可視化質(zhì)量。
在本發(fā)明實施例的技術(shù)方案中，在分割之后，對內(nèi)部包含有其它組織的組織的圖像進(jìn)行形態(tài)學(xué)處理，消除這些組織的圖像內(nèi)部的細(xì)小物體，在纖細(xì)處分離物體和平滑較大物體邊界，并且填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界，避免現(xiàn)有技術(shù)中由于細(xì)小空洞的存在所導(dǎo)致的各種組織之間的空間位置關(guān)系難以判斷的問題，應(yīng)用本發(fā)明實施例的技術(shù)方案有利于準(zhǔn)確顯示各組織之間的空間關(guān)系。
以上對本發(fā)明實施例所提供的技術(shù)方案進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個例對本發(fā)明實施例的原理以及實施方式進(jìn)行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明實施例的原理；同時，對于本鄰域的一般技術(shù)人員，依據(jù)本發(fā)明實施例，在具體實施方式
以及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。
權(quán)利要求
1. 一種三維可視化的方法，其特征是，包括
對計算機(jī)X射線斷層掃描圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像；
根據(jù)感興趣的各組織的圖像特性，對所述感興趣的區(qū)域的圖像進(jìn)行圖像分割，獲取所述區(qū)域內(nèi)、感興趣的各組織的圖像；
對內(nèi)部包含有其它組織的組織的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理；
根據(jù)各組織的圖像，進(jìn)行三維重建，獲取三維圖像。
2. 根據(jù)權(quán)利要求1所述的三維可視化的方法，其特征是，根據(jù)感興趣的各組織的圖像特性，在對所述感興趣的區(qū)域的圖像進(jìn)行圖像分割，獲取所述區(qū)域內(nèi)、感興趣的各組織的圖像之后，在根據(jù)各組織的圖像，進(jìn)行三維重建，獲取三維圖像之前，還包括
對內(nèi)部不包含有其它組織的組織的圖像進(jìn)行中值濾波處理。
3. 根據(jù)權(quán)利要求1所述的三維可視化的方法，其特征是，如果所述組織的圖像與背景的對比度小，對所述感興趣的區(qū)域的圖像進(jìn)行圖像分割，包括
在所述區(qū)域內(nèi)感興趣的組織的圖像內(nèi)指定一像素點作為初始的種子點；
以所述初始的種子點為中心的第一鄰域內(nèi)作為初始的種子區(qū)域，計算第一平均值所述初始的種子區(qū)域內(nèi)的像素點的灰度值的平均值；
計算以所述初始的種子點為中心的、預(yù)設(shè)的第二鄰域內(nèi)的像素點的灰度值與所述第一平均值的方差；
進(jìn)行以下步驟，直到找不到新的種子點為止
判斷當(dāng)前種子區(qū)域相連通的像素點的灰度值與所述第一平均值的差值的絕對值是否小于所述方差，如果是，則將所述像素點作為新的種子點，獲取新的種子區(qū)域，否則，繼續(xù)尋找下一新的種子點，
所述新的種子區(qū)域由所述新的種子點、以及更新前的種子區(qū)域內(nèi)的種子點構(gòu)成；
直到找不到新的種子點時，當(dāng)前種子區(qū)域內(nèi)的像素點所構(gòu)成的圖像則為所述感興趣的組織的圖像。
4. 根據(jù)權(quán)利要求1所述的三維可視化的方法，其特征是，如果所述感興趣的組織的圖像與背景的對比度大，對所述感興趣的區(qū)域的圖像進(jìn)行圖像分割，包括
在所述區(qū)域內(nèi)感興趣的組織的圖像內(nèi)指定一像素點作為初始的種子點；
將所述初始的種子點、以及三維空間中與所述初始的種子點相鄰的像素點構(gòu)成的區(qū)域作為初始的種子區(qū)域；
計算所述初始的種子區(qū)域內(nèi)的像素的灰度值的平均值m0，計算所述初始的種子區(qū)域內(nèi)的像素點與所述初始的種子點的灰度值的方差σ0；
進(jìn)行以下步驟，直到找不到新的種子點為止
根據(jù)函數(shù)式Ωn＝[mn-1-θσn-1’mn-1+θσn-1]，更新閾值范圍Ωn，
其中n為迭代的次數(shù)，mn-1為第n-1次迭代時的種子區(qū)域∏n-1內(nèi)的像素的灰度值的平均值，σn-1為第n-1次迭代時的種子區(qū)域∏n-1內(nèi)的各像素點與所述初始的種子點的灰度值的方差，θ為預(yù)設(shè)的參數(shù)；
根據(jù)閾值范圍Ωn、種子區(qū)域∏n-1’獲取新的種子區(qū)域∏n，其中所述新的種子區(qū)域∏n由所述種子區(qū)域∏n-1和新的種子點構(gòu)成，所述新的種子點滿足條件與所述種子區(qū)域∏n-1連通、且所述新的種子點和所述種子區(qū)域∏n-1內(nèi)的所有像素點，所述新的種子區(qū)域∏n內(nèi)的像素點的灰度值的平均值mn在所述閾值范圍Ωn內(nèi)；
直到找不到新的種子點時，當(dāng)前的種子區(qū)域內(nèi)的像素點所構(gòu)成的圖像為所述感興趣的組織的圖像。
5. 根據(jù)權(quán)利要求1至4之任一所述的三維可視化的方法，其特征是，對計算機(jī)X射線斷層掃描圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像，包括
根據(jù)所述感興趣的區(qū)域的大小，確定灰度窗的窗位、窗寬，
其中所述窗寬為根據(jù)經(jīng)驗預(yù)設(shè)的、所述感興趣的區(qū)域的計算機(jī)X射線斷層掃描圖像的計算機(jī)X射線斷層掃描值范圍，窗位為所述灰度窗的中心位置；
根據(jù)函數(shù)式
計算所述圖像中的各像素點的灰度值，
其中，所述g(x，y)為計算獲得的坐標(biāo)為(x，y)的像素點的灰度值，f(x，y)為坐標(biāo)為(x，y)的像素點的計算機(jī)X射線斷層掃描值，WP為所述窗寬，WW為所述窗位；
按照所計算的各像素點的灰度值顯示圖像。
6. 根據(jù)權(quán)利要求5所述的三維可視化的方法，其特征是，所述窗寬為對大量的計算機(jī)X射線斷層掃描圖像進(jìn)行直方圖統(tǒng)計所獲取的所述感興趣的區(qū)域的計算機(jī)X射線斷層掃描圖像的計算機(jī)X射線斷層掃描值范圍。
7. 根據(jù)權(quán)利要求1至4所述的三維可視化的方法，其特征是，所述感興趣的區(qū)域的計算機(jī)X射線斷層掃描圖像的計算機(jī)X射線斷層掃描值范圍為
之內(nèi)，對計算機(jī)X射線斷層掃描圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像，具體為，
根據(jù)函數(shù)式
計算所述圖像中的各像素點的灰度值，
按照所計算的各像素點的灰度值顯示圖像。
8. 一種三維可視化的裝置，其特征是，包括
輸入單元，用于輸入計算機(jī)X射線斷層掃描圖像；
預(yù)處理單元，用于對所述輸入單元輸入的計算機(jī)X射線斷層掃描圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像；
分割單元，用于對所述感興趣的區(qū)域的圖像進(jìn)行圖像分割，獲取所述區(qū)域內(nèi)、感興趣的各組織的圖像；
形態(tài)學(xué)處理單元，用于對內(nèi)部包含有其它要分割的組織的組織的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理；
三維重建單元，用于根據(jù)各組織的圖像，進(jìn)行三維重建，獲取三維圖像。
9. 根據(jù)權(quán)利要求8所述的三維可視化的裝置，其特征是，所述裝置還包括
中值濾波單元，用于對內(nèi)部不包含有其它組織的組織的圖像進(jìn)行中值濾波處理，將處理后的圖像輸入至所述三維重建單元。
10. 根據(jù)權(quán)利要求9所述的三維可視化的裝置，其特征是，所述分割單元包括
第一計算單元，用于計算，所述計算包括
計算當(dāng)前種子區(qū)域內(nèi)的像素點的灰度值的平均值，其中所述種子區(qū)域初始為以指定的初始的種子點為中心的、預(yù)定的鄰域，
計算以所述初始的種子點為中心的、第二鄰域內(nèi)的像素點的灰度值與所述平均值的方差，
計算當(dāng)前種子區(qū)域相鄰的像素點的灰度值與當(dāng)前種子區(qū)域內(nèi)的像素點的灰度值的平均值的差值的絕對值；
第一判斷單元，用于判斷當(dāng)前種子區(qū)域相鄰的像素點是否滿足所述絕對值是否小于所述方差，
第一種子區(qū)域計算單元，用于當(dāng)所述第一判斷單元判定所述絕對值小于所述方差時，獲取新的種子區(qū)域，所述新的種子區(qū)域由所述新的種子點和更新前的種子區(qū)域構(gòu)成，所述新的種子點為滿條件的像素點，所述條件為所述像素點與當(dāng)前種子區(qū)域連通，并且，所述像素點的灰度值與當(dāng)前種子區(qū)域內(nèi)的像素點的灰度值的平均值的差值的絕對值小于所述方差。
11. 根據(jù)權(quán)利要求9或10所述的三維可視化的裝置，其特征是，所述分割單元包括
第二計算單元，用于計算，所述計算包括
計算確定區(qū)域內(nèi)的像素的灰度值的平均值mn，
計算所述確定區(qū)域內(nèi)的像素點與所述初始的種子點的灰度值的方差σn，
根據(jù)函數(shù)式Ωn＝[mn-1-θσn-1’mn-1+θσn-1]，計算閾值范圍Ωn，
其中n為迭代的次數(shù)，n的初始值為零，
其中當(dāng)n等于零時，m0為初始的種子區(qū)域內(nèi)的像素的灰度值的平均值，所述初始的種子區(qū)域為由初始的種子點、以及三維空間中與所述初始的種子點相鄰的所有像素點構(gòu)成的區(qū)域，
mn-1為第n-1次迭代時的種子區(qū)域∏n-1內(nèi)的所有像素的灰度值的平均值，σn-1為第n-1次迭代時的種子區(qū)域∏n-1內(nèi)的各像素與所述初始的種子點的灰度值的方差，θ為預(yù)設(shè)的參數(shù)；
第二判斷單元，判斷與所述種子區(qū)域∏n-1連通的像素點是否滿足條件所述像素點、與所述種子區(qū)域∏n-1內(nèi)的像素點的灰度值的平均值mn是否在所述閾值范圍Ωn內(nèi)；
第二種子區(qū)域更新單元，用于當(dāng)所述第二判斷單元判定與所述種子區(qū)域∏n-1連通的像素點與所述種子區(qū)域∏n-1內(nèi)的各像素點的灰度值的平均值mn在所述閾值范圍Ωn內(nèi)時，計算新的種子區(qū)域∏n，
其中所述新的種子區(qū)域∏n由種子區(qū)域∏n-1、和滿足所述第二判斷單元的判斷條件的像素點構(gòu)成。
12. 根據(jù)權(quán)利要求9所述的三維可視化的裝置，其特征是，所述預(yù)處理單元包括
灰度窗確定單元，根據(jù)所述感興趣的區(qū)域的大小，確定灰度窗的窗位、窗寬，其中所述窗寬為根據(jù)經(jīng)驗預(yù)設(shè)的、所述感興趣的區(qū)域的計算機(jī)X射線斷層掃描圖像的計算機(jī)X射線斷層掃描值范圍，窗位為所述灰度窗的中心位置；
第三計算單元，用于根據(jù)函數(shù)式
計算所述圖像中的各像素點的灰度值，
其中所述g(x，y)為計算得到的坐標(biāo)為(x，y)的像素點的灰度值，f(x，y)為坐標(biāo)為(x，y)的像素點的計算機(jī)X射線斷層掃描值，WP為所述窗寬，WW為所述窗位。
13. 根據(jù)權(quán)利要求12所述的三維可視化的裝置，其特征是，所述預(yù)處理單元包括
直方圖統(tǒng)計單元，用于對大量的計算機(jī)X射線斷層掃描圖像進(jìn)行直方圖統(tǒng)計，獲取所述感興趣的區(qū)域的計算機(jī)X射線斷層掃描圖像的計算機(jī)X射線斷層掃描值范圍，根據(jù)得到的范圍得到所述窗寬。
全文摘要
本發(fā)明涉及計算機(jī)圖像處理領(lǐng)域，本發(fā)明實施例公開了一種三維可視化的方法、裝置，該方法包括對計算機(jī)X射線斷層掃描圖像進(jìn)行預(yù)處理，突出感興趣的區(qū)域的圖像；根據(jù)感興趣的各組織的圖像特性，對所述感興趣的區(qū)域的圖像進(jìn)行圖像分割，獲取所述區(qū)域內(nèi)、感興趣的各組織的圖像；對內(nèi)部包含有其它要分割的組織的組織的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理；根據(jù)各組織的圖像，進(jìn)行三維重建，獲取三維圖像。應(yīng)用本發(fā)明實施例的技術(shù)方案能夠?qū)€體的人體圖像數(shù)據(jù)進(jìn)行可視化，并且有利于準(zhǔn)確顯示各組織之間的空間位置關(guān)系。
文檔編號G06T5/00GK101271574SQ200810026899
公開日2008年9月24日 申請日期2008年3月20日 優(yōu)先權(quán)日2008年3月20日
發(fā)明者鮑蘇蘇, 方馳華, 彭豐平, 魯朝敏, 徐清振 申請人:華南師范大學(xué), 南方醫(yī)科大學(xué)珠江醫(yī)院