專利名稱：基于方向加權(quán)中值濾波的超聲圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及超聲成像中的數(shù)據(jù)后處理技術(shù)，特別涉及提高超聲圖像質(zhì)量的圖像處理技術(shù)，更具體地說(shuō)，涉及一種用于超聲圖像去噪和增強(qiáng)的方向加權(quán)中值濾波方法。
背景技術(shù)：
在超聲圖像形成過(guò)程中，當(dāng)超聲波長(zhǎng)與照射物體表面粗糙度相當(dāng)時(shí)，就會(huì)產(chǎn)生斑點(diǎn)噪聲，這一現(xiàn)象可以用隨機(jī)散射模型來(lái)解釋。這些噪聲的存在，使得超聲圖像的清晰度不高，這也是超聲成像的主要缺點(diǎn)之一。超聲圖像特有的散斑噪聲不僅使得超聲圖像的質(zhì)量較差，尤其是掩蓋和降低了圖像某些細(xì)節(jié)信息，也使得對(duì)圖像細(xì)節(jié)的識(shí)別和分析變得更加困難。為以后的病情診斷及定量分析，圖像特征提取和識(shí)別造成不利的影響。因此，抑制這些散斑噪聲，改善圖像質(zhì)量是超聲圖像分析和識(shí)別的重要預(yù)處理環(huán)節(jié)。超聲圖像的斑點(diǎn)噪聲去除問(wèn)題一直是國(guó)內(nèi)外超聲成像技術(shù)的重要課題之一。超聲圖像去噪一般要求有效抑制散斑噪聲，同時(shí)要保留對(duì)后期分析和診斷有用的圖像細(xì)節(jié)信息。超聲圖像去噪的主要難點(diǎn)在于1)散斑噪聲可以大致看作為一種乘性噪聲；2)噪聲的隨機(jī)性質(zhì)比較復(fù)雜；3)噪聲易與圖像細(xì)節(jié)相混，而圖像細(xì)節(jié)又復(fù)雜且多樣。目前，針對(duì)抑制超聲圖像散斑噪聲，改善圖像質(zhì)量，人們已經(jīng)提出了許多方法。I)圖像平均方法利用在不同時(shí)間、不同頻率或不同掃描方向得到同一目標(biāo)的一系列圖像，將它們平均形成一幅復(fù)合圖像以提高圖像的信噪比(SNR)。盡管這種方法簡(jiǎn)單、快速，然而它受到一些限制需要嚴(yán)格控制系列圖像的形成，而且需要圖像的配準(zhǔn)；由于圖像模糊的影響，一些小的細(xì)節(jié)(例如小的血管、紋理等)會(huì)丟失，因此降低了空間分辨能力。2)自適應(yīng)加權(quán)中值濾波方法對(duì)圖像中的每一個(gè)像素點(diǎn)的值，用其局部鄰域窗口的加權(quán)中值代替。設(shè)定窗口中心點(diǎn)為(in，in)，窗口大小為(2w+l) X (2w+l)，則窗口內(nèi)各點(diǎn)加權(quán)系數(shù)計(jì)算為weight (i, j) = [w(i0, i0)_a*d* σ 2/m]其中，[·]為取整運(yùn)算，a為系數(shù)，d為點(diǎn)(i, j)到中心點(diǎn)(in, in)的距離，σ 2和m分別為局部鄰域窗口內(nèi)的方差和均值。取鄰域窗口內(nèi)的加權(quán)中值代替中心點(diǎn)的像素值。其中，鄰域窗口內(nèi)各點(diǎn)的權(quán)值能夠根據(jù)圖像的局部統(tǒng)計(jì)特征來(lái)自動(dòng)選取，鄰域窗口的大小也能夠根據(jù)其局部信噪比自動(dòng)調(diào)節(jié)。相對(duì)于單純的中值濾波，這種自適應(yīng)加權(quán)處理在保留細(xì)節(jié)方面取得了一定的效果。但是對(duì)窗口的選擇很敏感，限制了處理效果，在去除噪聲的同時(shí)，也會(huì)導(dǎo)致一些細(xì)微細(xì)節(jié)的損失。3)小波閾值收縮是一類重要的去除散斑噪聲的方法，這種方法主要基于Donoho提出的小波軟閾值(soft-thresholding)收縮去噪首先將圖像小波分解，設(shè)定一個(gè)閾值，對(duì)于小于閾值的小波系數(shù)用零代替，而對(duì)于大于閾值的小波系數(shù)用它減去閾值代替，被處理后的小波系數(shù)作小波反變換，就可以得到重建圖像。同時(shí)，還有許多對(duì)于小波閾值的改進(jìn)算法。然而，上述方法主要是針對(duì)高斯分布的噪聲，解決其它分布的噪聲時(shí)，效果不甚理想；同時(shí)，小波閾值的選取也是一個(gè)需要著重解決的問(wèn)題，既不能選的太大而丟失一些邊緣和局部細(xì)節(jié)，也不能選的太小而對(duì)噪聲的抑制不充分。如何選擇小波變換的尺度和閾值尚無(wú)確定方法。4)基于各向異性擴(kuò)散模型的去噪方法。各向異性擴(kuò)散實(shí)際上是一個(gè)非線性的偏微分方程，由圖像的梯度來(lái)決定擴(kuò)散速度，能夠同時(shí)兼顧噪聲消除和特征保持兩個(gè)方面。目前，以Perona-Malik(PM)模型為代表的各向異性擴(kuò)散方程(Anisotropic Diffusion,AD)得到了廣泛的應(yīng)用。Yu等將各向異性擴(kuò)散方程應(yīng)用到散斑抑制中，提出了去除散斑噪聲的各向異性擴(kuò)散模型(Speckle Reducing AnisotropicDiffusion, SRAD)。Yu等修正了擴(kuò)散系數(shù)，使擴(kuò)散方程能夠根據(jù)圖像噪聲的情況而調(diào)整擴(kuò)散系數(shù)，并且能夠?qū)D像的細(xì)節(jié)信息更加敏感。但SRAD模型也存在明顯的缺陷模型中尺度函數(shù)是由初始圖像中盡可能大的均勻區(qū)域計(jì)算得到的，模型的關(guān)鍵是如何選取圖像中一個(gè)盡可能大的，合適的均勻區(qū)域，這一區(qū)域的選取往往很大程度上影響著擴(kuò)散結(jié)果，給實(shí)驗(yàn)結(jié)果帶來(lái)較大的偶然性。此外，SRAD模型所使用的局部統(tǒng)計(jì)信息實(shí)際上是各向同性的，這也背離了各向異性擴(kuò)散算法的本質(zhì)。而且各向異性擴(kuò)散需要多次迭代處理才能取得比較好的效果，迭代又是非常耗時(shí)的，所以該算法很難滿足超聲實(shí)時(shí)處理的需求?？偨Y(jié)一下，現(xiàn)有的去除超聲圖像散斑噪聲的方法有兩個(gè)比較關(guān)鍵的不足需要提高一是在對(duì)圖像平滑去除噪聲的同時(shí)，對(duì)細(xì)節(jié)和邊緣的模糊比較嚴(yán)重，導(dǎo)致了一些邊緣細(xì)節(jié)的損失，影響了后期的診斷與分析；二是處理的時(shí)間復(fù)雜度比較高，難以滿足超聲成像系 統(tǒng)實(shí)時(shí)處理顯示圖像的需求。

發(fā)明內(nèi)容
本發(fā)明的目的是提供基于方向加權(quán)中值濾波的超聲圖像處理方法，該處理方法在去噪的同時(shí)有效地保護(hù)了超聲圖像的邊緣細(xì)節(jié)信息，而且本處理方法采用的基礎(chǔ)算法是中值濾波，算法簡(jiǎn)單，時(shí)間復(fù)雜度低。為達(dá)到上述目的，本發(fā)明采用了以下技術(shù)方案基于方向加權(quán)中值濾波的超聲圖像處理方法，包括以下步驟(I)計(jì)算所述超聲圖像中每個(gè)像素點(diǎn)的邊緣幅度和邊緣方向；(2)取所述圖像中的一像素點(diǎn)作為當(dāng)前點(diǎn)；(3)根據(jù)所述當(dāng)前點(diǎn)的邊緣幅度或邊緣方向判斷該當(dāng)前點(diǎn)是否為邊緣點(diǎn)，如果不是邊緣點(diǎn)，則對(duì)該當(dāng)前點(diǎn)進(jìn)行自適應(yīng)加權(quán)中值濾波處理；如果是邊緣點(diǎn)，則對(duì)該當(dāng)前點(diǎn)進(jìn)行下面步驟(4) (5) (6)的處理；(4)取該當(dāng)前點(diǎn)的M*N鄰域,選擇該M*N鄰域中與該當(dāng)前點(diǎn)的邊緣方向相關(guān)的點(diǎn)作為處理點(diǎn)；(5)取所述處理點(diǎn)的像素值和邊緣幅度值，對(duì)所述處理點(diǎn)的像素值用相應(yīng)的邊緣幅度值加權(quán)，對(duì)加權(quán)后的值進(jìn)行排序，找出中間值；(6)用所述中間值對(duì)應(yīng)的像素值替換該當(dāng)前點(diǎn)的像素值；(7)取下一個(gè)像素點(diǎn)作為當(dāng)前點(diǎn)進(jìn)行步驟(3)的處理，直到處理完所述圖像中的所有像素點(diǎn)，最后輸出處理后的圖像。步驟(I)的一種具體實(shí)施方式
，所述像素點(diǎn)的邊緣幅度和邊緣方向的計(jì)算方法包括(Ia)計(jì)算該像素點(diǎn)的水平方向和垂直方向的梯度，設(shè)定該像素點(diǎn)的位置為(i，j)，該像素點(diǎn)的像素值為I(i，j)，則該像素點(diǎn)的水平方向的梯度Gx (i，j)、垂直方向的梯度Gy (i, j)的計(jì)算方式如下
Gx(i, j) = I (i, j+l)_I (i, j_l) Gy (i, j) = I (i+1, j)-I (i_l, j)；(lb)計(jì)算該像素點(diǎn)的梯度幅度GradientAm和梯度方向GradientAn,計(jì)算方式如下GradientAm — y Gx2 + Gyz GradientAn = atan (Gy/Gx)(Ic)判斷該像素點(diǎn)的梯度幅度GradientAm是否大于預(yù)先設(shè)定的閾值，如果該梯度幅度GradientAm大于或等于所述閾值，則取該梯度幅度GradientAm、該梯度方向GradientAn為該像素點(diǎn)的邊緣幅度和邊緣方向，表示該像素點(diǎn)為邊緣點(diǎn)；如果該梯度幅度GradientAm小于所述閾值，則設(shè)定該像素點(diǎn)的邊緣幅度和邊緣方向均為負(fù)值，表示該像素點(diǎn)不是邊緣點(diǎn)。步驟(I)的另一種具體實(shí)施方式
，所述像素點(diǎn)的邊緣幅度和邊緣方向的計(jì)算方法包括(Ia)選取不同方向的邊緣檢測(cè)算子；(Ib)將每個(gè)方向的邊緣檢測(cè)算子中的數(shù)值與該像素點(diǎn)的鄰域中的對(duì)應(yīng)像素值相乘后求和，求和后取絕對(duì)值作為輸出值；(Ic)在不同方向的輸出值中，將最大值減去最小值得差值，如果該差值大于或等于預(yù)先設(shè)定的閾值，則取所述不同方向的輸出值中的最大值為該像素點(diǎn)的邊緣幅度值，取該最大值對(duì)應(yīng)的邊緣檢測(cè)算子的方向?yàn)樵撓袼攸c(diǎn)的邊緣方向，表示該像素點(diǎn)為邊緣點(diǎn)；如果該差值小于所述閾值，則設(shè)定該像素點(diǎn)的邊緣幅度和邊緣方向均為負(fù)值，表示該像素點(diǎn)不是邊緣點(diǎn)。步驟(4)的第一種具體實(shí)施方式
，從所述M*N鄰域中選擇與所述當(dāng)前點(diǎn)的邊緣方向相關(guān)的點(diǎn)作為處理點(diǎn)的方法包括(4a)選取不同方向的取點(diǎn)模板；(4b)從所述不同方向的取點(diǎn)模板中，取與所述當(dāng)前點(diǎn)的邊緣方向最接近的方向?qū)?yīng)的取點(diǎn)模板；(4c)在所述M*N鄰域中，取被所述最接近的方向?qū)?yīng)的取點(diǎn)模板擊中的點(diǎn)作為處理點(diǎn)。步驟(4)的第二種具體實(shí)施方式
，從所述M*N鄰域中，選擇邊緣方向與所述當(dāng)前點(diǎn)的邊緣方向的差值小于預(yù)先設(shè)定的閾值的點(diǎn)作為處理點(diǎn)。步驟(5)具體實(shí)施時(shí)，所述處理點(diǎn)的像素值用相應(yīng)的邊緣幅度值進(jìn)行加權(quán)處理指得是該像素值與相應(yīng)的邊緣幅度值進(jìn)行相乘處理。由于上述技術(shù)方案的運(yùn)用，本發(fā)明與現(xiàn)有技術(shù)相比具有下列優(yōu)點(diǎn)本發(fā)明的基于方向加權(quán)中值濾波的超聲圖像處理方法，在中值濾波的基礎(chǔ)上，考慮了圖像的邊緣方向和邊緣幅度信息，針對(duì)某個(gè)具體的當(dāng)前像素點(diǎn)，只選取鄰域窗口中與當(dāng)前點(diǎn)邊緣方向相近的點(diǎn)做中值濾波，而且中值的排序選取是在用邊緣幅度加權(quán)后的像素值上進(jìn)行的，本發(fā)明的方法能夠很好的區(qū)分超聲圖像的噪聲和邊緣信息，使得在去噪的同時(shí)有效地保護(hù)了超聲圖像的邊緣細(xì)節(jié)信息，更加有利于后期的診斷與分析。而且本發(fā)明采用的基礎(chǔ)算法是中值濾 波，算法簡(jiǎn)單，時(shí)間復(fù)雜度低，處理耗時(shí)少，更加符合超聲成像系統(tǒng)實(shí)時(shí)處理顯示圖像的要求。


附圖I為本發(fā)明的流程示意圖；附圖2為本發(fā)明中通過(guò)梯度計(jì)算圖像像素點(diǎn)的邊緣幅度和邊緣方向的流程示意圖；附圖3為本發(fā)明中通過(guò)邊緣檢測(cè)算子計(jì)算圖像像素點(diǎn)的邊緣幅度和邊緣方向的流程示意圖；、附圖4顯示了邊緣檢測(cè)算子作用的2*2鄰域的取法示意圖；附圖5顯示了四個(gè)不同方向的邊緣檢測(cè)算子；附圖6為本發(fā)明中通過(guò)當(dāng)前點(diǎn)的邊緣方向選擇處理點(diǎn)的流程示意圖；附圖7顯示了四個(gè)不同方向的取點(diǎn)模板；附圖8為本發(fā)明中通過(guò)當(dāng)前點(diǎn)與鄰域中的點(diǎn)的邊緣方向差來(lái)選擇處理點(diǎn)的流程示意圖。
具體實(shí)施例方式下面結(jié)合附圖來(lái)進(jìn)一步闡述本發(fā)明。本發(fā)明提出了一種方向加權(quán)中值濾波算法，該算法的基本思路如圖I所示，以超聲圖像為背景，在中值濾波的基礎(chǔ)上，考慮了圖像的邊緣方向和邊緣幅度信息，針對(duì)某個(gè)具體的當(dāng)前點(diǎn)，只選取濾波窗口中與當(dāng)前點(diǎn)邊緣方向相近的點(diǎn)做中值濾波，而且中值的排序選取是在用邊緣幅度加權(quán)后的像素值上進(jìn)行的。方向加權(quán)中值濾波算法考慮到邊緣不同于背景，其灰度分布存在明顯的差異，而且這種差異具有方向性，因此采用邊緣幅度和邊緣方向結(jié)合的方法?；诜较蚣訖?quán)中值濾波算法，用于超聲圖像的去噪和增強(qiáng)。該算法的流程圖參見(jiàn)圖1，首先計(jì)算圖像I中每個(gè)像素點(diǎn)的邊緣幅度和邊緣方向；然后在此基礎(chǔ)上，逐點(diǎn)處理，針對(duì)每一像素點(diǎn)，根據(jù)邊緣方向選擇其M*N鄰域中方向相關(guān)的點(diǎn)作為處理點(diǎn)；最后，針對(duì)鄰域中選出的處理點(diǎn)，用邊緣幅度進(jìn)行加權(quán)中值濾波處理。在導(dǎo)入超聲圖像數(shù)據(jù)后，主要包括以下步驟(I)計(jì)算超聲圖像中每個(gè)像素點(diǎn)的邊緣幅度EdgeAm和邊緣方向EdgeAn ;(2)取圖像中的一像素點(diǎn)作為當(dāng)前點(diǎn)；(3)根據(jù)當(dāng)前點(diǎn)的邊緣幅度或邊緣方向判斷該當(dāng)前點(diǎn)是否為邊緣點(diǎn)，如果不是邊緣點(diǎn)，則對(duì)該當(dāng)前點(diǎn)進(jìn)行自適應(yīng)加權(quán)中值濾波處理，該自適應(yīng)加權(quán)中值濾波處理的方法采用的是現(xiàn)有技術(shù)，具體參見(jiàn)“背景技術(shù)”;如果是邊緣點(diǎn)，則對(duì)該當(dāng)前點(diǎn)進(jìn)行下面步驟⑷(5)
(6)的處理；(4)取該當(dāng)前點(diǎn)的M*N鄰域,選擇該M*N鄰域中與該當(dāng)前點(diǎn)的邊緣方向相關(guān)的點(diǎn)作為處理點(diǎn)；(5)取上述處理點(diǎn)的像素值和邊緣幅度值，對(duì)處理點(diǎn)的像素值用相應(yīng)的邊緣幅度值加權(quán)，對(duì)加權(quán)后的值進(jìn)行排序，找出中間值；(6)用上述中間值對(duì)應(yīng)的像素值替換當(dāng)前點(diǎn)的像素值；(7)取下一個(gè)像素點(diǎn)作為當(dāng)前點(diǎn)進(jìn)行步驟(3)的處理，直到處理完圖像中的所有像素點(diǎn)，最后輸出處理后的圖像。
該算法中，通過(guò)邊緣幅度控制減少了噪聲對(duì)中值濾波的影響，邊緣方向信息的加入又使得該算法對(duì)邊緣方向特別敏感，保留細(xì)節(jié)能力強(qiáng)，減少了邊緣模糊的程度。因此，這種改進(jìn)的中值濾波算法，在去除散斑噪聲能力、保持邊緣能力以及處理速度等指標(biāo)上均取得了比較好的效果。上述算法中，步驟(I)計(jì)算圖像I中每點(diǎn)的邊緣幅度和方向，有很多種方法能夠?qū)崿F(xiàn)。這里給出兩種具體的實(shí)施方法1.通過(guò)圖像的梯度幅度和方向得到圖像的邊緣幅度和方向；2.用不同方向的邊緣檢測(cè)算子得到圖像的邊緣幅度和方向。但不僅限于這兩種方 法。方法I :通過(guò)圖像的梯度幅度和方向得到圖像的邊緣幅度和方向的方法，其流程圖參見(jiàn)圖2。首先，根據(jù)水平方向的梯度Gx(i，j)和垂直方向的梯度Gy (i，j)計(jì)算圖像的梯度幅度GradientAm和梯度方向GraditenAn,計(jì)算方式如下設(shè)定圖像像素點(diǎn)的位置為(i, j)，該像素點(diǎn)的像素值為I(i，j)，則該像素點(diǎn)的Gx (i, j)、Gy (i, j)Gx(i, j) = I (i, j+l)_I (i, j_l) Gy (i, j) = I (i+1, j)-I (i_l, j)則該像素點(diǎn)的梯度幅度GradientAm和梯度方向GraditenAn GradientAm — ^Gx2 + Gy2 GradientAn = atan (Gy/Gx)其次,判斷該像素點(diǎn)的梯度幅度值是否大于預(yù)先設(shè)定的閾值Gradi entAmThresh。如果大于或等于閾值，則表示該像素點(diǎn)為邊緣點(diǎn)，把梯度幅度看作是邊緣幅度，梯度方向看作是邊緣方向；如果小于閾值，則認(rèn)為無(wú)邊緣(表示該像素點(diǎn)不是邊緣點(diǎn))，把邊緣幅度和方向都設(shè)成負(fù)值(比如-I)，以便在后面處理中區(qū)分像素點(diǎn)是否為邊緣點(diǎn)。即
.iEdge^naO = GradientAii1(U) GradientAm[l1) > GradientAmThresh
I (. Edge An (.2, j; = CradientAiiU,])’
I (EdgeAmfU) = —I產(chǎn)t產(chǎn)」· ,-, ,
4^GradientAmiL] j < GradientAmThresh
VtEdgeAiil.!,]; = —I.…對(duì)圖像I的所有像素點(diǎn)逐點(diǎn)進(jìn)行上述處理，則得到每個(gè)像素點(diǎn)的邊緣幅度EdgeAm和邊緣方向EdgeAn。方法2 :通過(guò)不同方向的邊緣檢測(cè)算子得到圖像邊緣幅度和方向的方法，參見(jiàn)圖3，首先選取一組有不同方向的邊緣檢測(cè)算子；其次把這組算子分別作用于圖像上的一像素點(diǎn)的鄰域上，得到每個(gè)方向上算子的輸出；比較各個(gè)方向上的輸出，如果差別比較大，選取最大的輸出作為當(dāng)前像素點(diǎn)的邊緣幅度，最大輸出對(duì)應(yīng)的算子的方向?yàn)檫吘壏较?；如果差別不大，則認(rèn)為當(dāng)前像素點(diǎn)不是邊緣點(diǎn)。舉例說(shuō)明，選取如圖5所示的四個(gè)方向(90度，O度，45度，135度)上的邊緣檢測(cè)算子，使用該組邊緣檢測(cè)算子計(jì)算圖像上每點(diǎn)的邊緣幅度和方向，參見(jiàn)圖3，首先，針對(duì)圖像中的一像素點(diǎn)(i，j)，取如圖4所示的2*2鄰域上的點(diǎn)；然后，把圖5所示的四個(gè)方向的邊緣檢測(cè)算子分別作用于圖4的2*2鄰域，取每個(gè)算子模板與鄰域模板中的對(duì)應(yīng)數(shù)值相乘后求和的絕對(duì)值，作為輸出值OperatorAm = [am90, amO, am45, aml35]，相應(yīng)的方向OperatorAn=[90,0,45,135];接著，比較四個(gè)方向上的輸出值，如果差別比較大，也就是四個(gè)方向的輸出值中最大值減去最小值的差大于或等于預(yù)先設(shè)定的閾值OperatorAmThresh,則表示該像素點(diǎn)為邊緣點(diǎn)，當(dāng)前像素點(diǎn)(i，j)的邊緣幅度為輸出的最大值，邊緣方向?yàn)樽畲笾祵?duì)應(yīng)的邊緣檢測(cè)算子的方向，假設(shè)輸出的最大值為am45，則邊緣幅度為am45，邊緣方向?yàn)?5。如果輸出差別很小，也就是最大值減去最小值的差小于閾值，則認(rèn)為無(wú)邊緣(表示當(dāng)前像素點(diǎn)不是邊緣點(diǎn))，當(dāng)前像素點(diǎn)的邊緣幅度和方向都設(shè)成負(fù)值(比如-I)。用公式表示如下
權(quán)利要求
1.基于方向加權(quán)中值濾波的超聲圖像處理方法，其特征在于包括以下步驟 (1)計(jì)算所述超聲圖像中每個(gè)像素點(diǎn)的邊緣幅度和邊緣方向； (2)取所述圖像中的一像素點(diǎn)作為當(dāng)前點(diǎn)； (3)根據(jù)所述當(dāng)前點(diǎn)的邊緣幅度或邊緣方向判斷該當(dāng)前點(diǎn)是否為邊緣點(diǎn)，如果不是邊緣點(diǎn)，則對(duì)該當(dāng)前點(diǎn)進(jìn)行自適應(yīng)加權(quán)中值濾波處理；如果是邊緣點(diǎn)，則對(duì)該當(dāng)前點(diǎn)進(jìn)行下面步驟⑷(5) (6)的處理； ⑷取該當(dāng)前點(diǎn)的M*N鄰域，選擇該M*N鄰域中與該當(dāng)前點(diǎn)的邊緣方向相關(guān)的點(diǎn)作為處理點(diǎn)； (5)取所述處理點(diǎn)的像素值和邊緣幅度值，對(duì)所述處理點(diǎn)的像素值用相應(yīng)的邊緣幅度值加權(quán)，對(duì)加權(quán)后的值進(jìn)行排序，找出中間值； (6)用所述中間值對(duì)應(yīng)的像素值替換該當(dāng)前點(diǎn)的像素值； (7)取下一個(gè)像素點(diǎn)作為當(dāng)前點(diǎn)進(jìn)行步驟(3)的處理，直到處理完所述圖像中的所有像素點(diǎn)，最后輸出處理后的圖像。
2.根據(jù)權(quán)利要求I所述的基于方向加權(quán)中值濾波的超聲圖像處理方法，其特征在于在步驟(I)中，所述像素點(diǎn)的邊緣幅度和邊緣方向的計(jì)算方法包括 (Ia)計(jì)算該像素點(diǎn)的水平方向和垂直方向的梯度，設(shè)定該像素點(diǎn)的位置為(i，j)，該像素點(diǎn)的像素值為I (i，j)，則該像素點(diǎn)的水平方向的梯度Gx (i，j)、垂直方向的梯度Gy (i，j)的計(jì)算方式如下Gx (i, j) = I (i，j+l)-I (i，j-1) Gy (i, j) = I (i+1, j)_I (i_l, j)； (lb)計(jì)算該像素點(diǎn)的梯度幅度GradientAm和梯度方向GradientAn,計(jì)算方式如下
3.根據(jù)權(quán)利要求I所述的基于方向加權(quán)中值濾波的超聲圖像處理方法，其特征在于在步驟(I)中，所述像素點(diǎn)的邊緣幅度和邊緣方向的計(jì)算方法包括 (Ia)選取不同方向的邊緣檢測(cè)算子； (Ib)將每個(gè)方向的邊緣檢測(cè)算子中的數(shù)值與該像素點(diǎn)的鄰域中的對(duì)應(yīng)像素值相乘后求和，求和后取絕對(duì)值作為輸出值； (Ic)在不同方向的輸出值中，將最大值減去最小值得差值，如果該差值大于或等于預(yù)先設(shè)定的閾值，則取所述不同方向的輸出值中的最大值為該像素點(diǎn)的邊緣幅度值，取該最大值對(duì)應(yīng)的邊緣檢測(cè)算子的方向?yàn)樵撓袼攸c(diǎn)的邊緣方向，表示該像素點(diǎn)為邊緣點(diǎn)；如果該差值小于所述閾值，則設(shè)定該像素點(diǎn)的邊緣幅度和邊緣方向均為負(fù)值，表示該像素點(diǎn)不是邊緣點(diǎn)。
4.根據(jù)權(quán)利要求I所述的基于方向加權(quán)中值濾波的超聲圖像處理方法，其特征在于在步驟(4)中，從所述M*N鄰域中選擇與所述當(dāng)前點(diǎn)的邊緣方向相關(guān)的點(diǎn)作為處理點(diǎn)的方法包括(4a)選取不同方向的取點(diǎn)模板； (4b)從所述不同方向的取點(diǎn)模板中，取與所述當(dāng)前點(diǎn)的邊緣方向最接近的方向?qū)?yīng)的取點(diǎn)模板； (4c)在所述M*N鄰域中，取被所述最接近的方向?qū)?yīng)的取點(diǎn)模板擊中的點(diǎn)作為處理點(diǎn)。
5.根據(jù)權(quán)利要求I所述的基于方向加權(quán)中值濾波的超聲圖像處理方法，其特征在于在步驟(4)中，從所述M*N鄰域中，選擇邊緣方向與所述當(dāng)前點(diǎn)的邊緣方向的差值小于預(yù)先設(shè)定的閾值的點(diǎn)作為處理點(diǎn)。
6.根據(jù)權(quán)利要求I所述的基于方向加權(quán)中值濾波的超聲圖像處理方法，其特征在于在步驟(5)中，所述處理點(diǎn)的像素值用相應(yīng)的邊緣幅度值進(jìn)行加權(quán)處理指得是該像素值與相應(yīng)的邊緣幅度值進(jìn)行相乘處理。
全文摘要
本發(fā)明公開了基于方向加權(quán)中值濾波的超聲圖像處理方法，該方法在中值濾波的基礎(chǔ)上，考慮了圖像的邊緣方向和邊緣幅度信息，針對(duì)某個(gè)具體的當(dāng)前像素點(diǎn)，只選取鄰域窗口中與當(dāng)前點(diǎn)邊緣方向相近的點(diǎn)做中值濾波，而且中值的排序選取是在用邊緣幅度加權(quán)后的像素值上進(jìn)行的，本發(fā)明的方法能夠很好的區(qū)分超聲圖像的噪聲和邊緣信息，使得在去噪的同時(shí)有效地保護(hù)了超聲圖像的邊緣細(xì)節(jié)信息，更加有利于后期的診斷與分析。而且本發(fā)明采用的基礎(chǔ)算法是中值濾波，算法簡(jiǎn)單，時(shí)間復(fù)雜度低，處理耗時(shí)少，更加符合超聲成像系統(tǒng)實(shí)時(shí)處理顯示圖像的要求。
文檔編號(hào)G06T5/00GK102663708SQ201210128319
公開日2012年9月12日 申請(qǐng)日期2012年4月27日 優(yōu)先權(quán)日2012年4月27日
發(fā)明者馬睿 申請(qǐng)人:飛依諾科技(蘇州)有限公司