医学图像边界检测与轮廓线提取绪论.pptx

轮廓线的提取 主要内容 研究背景 如今，医学成像技术，如计算机断层扫描、磁共振、PET和B超等，被广泛用于医疗诊断和外科手术规划中。随着计算机成、像和扫描技术的发展，现在已经可以由医学图像（如CT图像）生成医用三维模型。 重建后的三维模型可以提供宝贵的医疗信息，可以作为一个强大的诊断工具使外科医生能够了解人体复杂的解剖学结构，还可以用于制造人造器官（人造骨，血管）和各种医学仿真和分析。 医学图像生成三维模型 对医学图像的三维重建，现在存在着很多方法，但大多数可以归为两类： 基于轮廓线的方法 用于进行颅骨及人脸三维重构的CT数据，从原始数据的采集到生成重构所需的轮廓，即等值线，经历了如下图的数据流程。 CT切片图像预处理 由于CT数据的采集过程中不可避免地产生噪声，同时还会造成数据的比例、位置和角度等发生变化，所以在使用这些数据进行三维重构之前必须对其 进行一定处理，这样才能使得后续的模型生成、绘制和其它的三维处理获得较好的性能。 为实现颅骨和人脸的三维重构，需要从二维CT断层图像提取出人脸及颅骨的轮廓线，为三维重构做好数据准备。 CT切片图像预处理 在通过CT机获取颅骨及人脸的数据之后，也要把CT机输出的符合DICOM标准的数据转换为便于处理的自己定义的IMA格式(主要包括图像的灰度信息)，如下所示。 图像平滑 图像平滑的目的是去除数据采集过程中产生的噪声。图像平滑的原则是:用滤波器有选择的去除噪声。 常用的滤波器有： 高斯滤波、均值滤波 中值滤波、双边滤波（Bilateral filter） 轮廓提取算子 图象的一阶导数可以用于检测图象的边缘，一阶导数通常可以通过二维梯度来近似计算，于是产生了各种提取图象边缘的梯度算子。比较常见的梯度算子有： Prewitt算子 Sobel算子 Canny算子 高斯拉普拉斯算子 实质是一种基于梯度的滤波器:滤除梯度较小的像素，留下梯度值较大的边缘像素。 轮廓提取算子 四邻域法 用四邻域法提取骨骼轮廓线的思路简单地说就是:在二值图象中，用判断骨骼上每个象素点四邻域内其他象素点灰度的方法提取轮廓线 具体地讲就是:在二值化的CT图象上，骨骼上的点均呈白色而背景图象中的象素点均呈黑色，对于图象上的每个白色象素点来说，以该点为中心判断它的四邻域内其它象素点的灰度，若四邻域内有一个象素点的灰度与该点不同，也就是四邻域中有一个点为黑色，则该白色点为骨骼轮廓线上的点，否则该点就是骨骼内部的点。用该方法对图象上的所有白色象素点进行判断就会得到骨骼的全部轮廓线，由于骨骼在CT图象上是离散分布的，所以用四邻域法得到的骨骼轮廓线是离散分布的若干条封闭的曲线并且是单象素曲线。 射线扫描 用梯度算子和四邻域法取得的骨骼轮廓线是若干条封闭的曲线，包括内外两层。为了得到无厚度的三维颅骨模型必须对提取到的轮廓线进行简化，取出最外层的骨骼轮廓线。 当射线接触到轮廓线时 终止该条射线的扫射保 留每条射线在轮廓线上 碰到的第一个点。当四 个方向全部扫射完以后就会得到骨骼最外层的轮廓线，该轮廓线是一组不封闭的，离散的曲线段。 射线扫描 经过射线扫描后得到的外层轮廓线 轮廓线的平滑处理 一旦有了轮廓数据，就可通过连接相邻轮廓线上的数据点创建表面模型。但医学图像的人为因素较多，有时相邻轮廓的形状差异变化很大，这导致拟合后形成的模型表面粗糙，多褶皱。这就需要用平滑算法处理轮廓数据，减缓轮廓数据中的突变，获得较为平滑的轮廓线，进而通过蒙皮算法生成较为平滑的模型表面。 双向平滑滤波 a.股骨头模型轮廓线；b.没有进行滤波时形成的模型表面；c.经过双向平滑滤波后形成的模型表面 综合应用