專利名稱：利用霍夫變換的肌肉圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像處理方法，尤其涉及一種利用霍夫變換的基于B超采集的肌肉圖像處理方法。
背景技術(shù)：
肌肉是構(gòu)成人體的重要組織，它分布在各組織器官和骨骼的周圍，其功能為產(chǎn)生收縮并引導(dǎo)運(yùn)動(dòng)，在運(yùn)動(dòng)中扮演著至關(guān)重要的作用，而肌肉的構(gòu)成又十分復(fù)雜，定量分析和評(píng)估肌肉功能狀態(tài)是運(yùn)動(dòng)醫(yī)學(xué)和運(yùn)動(dòng)功能康復(fù)研究中的難點(diǎn)和熱點(diǎn)。
超聲成像是一種實(shí)時(shí)、無創(chuàng)和便攜的成像方法，自從面世以來已經(jīng)被廣泛地應(yīng)用在各個(gè)科研領(lǐng)域。超聲是第一種可以輔助診斷肌肉疾病的成像技術(shù)，隨著超聲技術(shù)的趨于成熟，大量的研究者利用二維超聲圖像診斷肌肉疾病，如肌肉神經(jīng)疾病、肌肉惡性腫瘤、肌肉血腫和肌肉撕裂等。從上世紀(jì)90年代起，有學(xué)者開始利用超聲去定量地評(píng)估肌肉的功能狀態(tài)，并把分析結(jié)果應(yīng)用在生物力學(xué)的研究領(lǐng)域，如肌肉的功能性研究，人體運(yùn)動(dòng)分析，肌肉的硬度(彈性)測(cè)量等。
利用二維超聲能夠獲取人體肌肉圖像并分析得到肌肉的結(jié)構(gòu)性參數(shù)，以此來評(píng)估肌肉的功能狀態(tài)。主要采用肌肉橫斷面積、橫截面厚寬比、肌纖維長(zhǎng)、肌肉厚度和羽狀角等結(jié)構(gòu)性參數(shù)來表述肌肉的狀態(tài)變化。其中，肌肉厚度是一個(gè)重要參數(shù)，因此如何快速、準(zhǔn)確地測(cè)量肌肉厚度顯得尤為重要。目前對(duì)于肌肉厚度的測(cè)量?jī)H限于人工手動(dòng)測(cè)量，其缺乏客觀性，測(cè)量精度難以控制，并且對(duì)于測(cè)量大批量的肌肉厚度，操作過程費(fèi)時(shí)費(fèi)力。
有報(bào)道指出骨骼肌厚度可由相應(yīng)的羽狀角信息推算出來。有文獻(xiàn)提出了一種肌纖維方位估計(jì)的半自動(dòng)方法，用雷登變換(Radon Transform)實(shí)現(xiàn)了肌肉羽狀角的自動(dòng)跟蹤和計(jì)算。發(fā)明內(nèi)容
本發(fā)明基于上述現(xiàn)有技術(shù)操作復(fù)雜、精度低的缺點(diǎn)，基于B超采集的肌肉圖像，提出了一種操作簡(jiǎn)單、精度高、速度快的利用霍夫變換的肌肉圖像處理方法，其特征在于，包括以下步驟
(1)肌肉圖像預(yù)處理使用灰度變換函數(shù)對(duì)預(yù)處理圖像進(jìn)行灰度變換，調(diào)整圖像的對(duì)比度；
(2)使用最大類間方差法按照?qǐng)D像的灰度特性對(duì)圖像進(jìn)行二值分割，將采集到的圖像分割出上下兩條肌膜；
(3)采用霍夫變換，找出霍夫矩陣中至少兩個(gè)峰值點(diǎn)，檢測(cè)出圖像中的上下兩條肌膜位置，在兩條肌膜位置提取直線并進(jìn)行標(biāo)記，根據(jù)標(biāo)記的直線信息，計(jì)算上下兩條直線中處在相同列的對(duì)應(yīng)點(diǎn)的距離之和，得到肌肉的面積；肌肉的平均厚度為
3平均厚度=肌肉長(zhǎng)度
其中，肌肉長(zhǎng)度即為圖像的寬度。
本發(fā)明的利用霍夫變換的肌肉圖像處理方法能夠客觀、快速、準(zhǔn)確、高重復(fù)性的測(cè)量出肌肉的厚度。


圖I為本發(fā)明一實(shí)施例利用霍夫變換的肌肉圖像處理方法的流程圖2為本發(fā)明一實(shí)施例利用霍夫變換的肌肉圖像處理方法的肌肉圖像的預(yù)處理圖像；
圖3為本發(fā)明一實(shí)施例利用霍夫變換的肌肉圖像處理方法的肌肉圖像處理并標(biāo)記后的圖像；
圖4為本發(fā)明一實(shí)施例利用霍夫變換的肌肉圖像處理方法的圖像空間中的點(diǎn)與參數(shù)空間中的直線對(duì)偶示意圖5為本發(fā)明一實(shí)施例利用霍夫變換的肌肉圖像處理方法的圖像空間中的直線與參數(shù)空間中的點(diǎn)對(duì)偶示意圖6為本發(fā)明一實(shí)施例利用霍夫變換的肌肉圖像處理方法的參數(shù)空間中的累加數(shù)組示意圖7為本發(fā)明一實(shí)施例利用霍夫變換的肌肉圖像處理方法的極坐標(biāo)方程下的點(diǎn)線對(duì)偶示意圖。
具體實(shí)施方式
下面將結(jié)合附圖以及具體實(shí)施例來對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。
如圖I所示，為本發(fā)明利用霍夫變換的肌肉圖像處理方法的流程圖，本發(fā)明基于B 超采集的肌肉圖像，提供一種操作簡(jiǎn)單、精度高、速度快的利用霍夫變換的肌肉圖像處理方法，包括以下步驟
(I)肌肉圖像預(yù)處理使用灰度變換函數(shù)對(duì)預(yù)處理圖像(如圖2所示)進(jìn)行灰度變換，調(diào)整圖像的對(duì)比度；
(2)使用最大類間方差法按照?qǐng)D像的灰度特性對(duì)圖像進(jìn)行二值分割，將采集到的圖像分割出上下兩條肌膜；
(3)采用霍夫變換，找出霍夫矩陣中至少兩個(gè)峰值點(diǎn)，檢測(cè)出圖像中的上下兩條肌膜位置，在兩條肌膜位置提取直線并進(jìn)行標(biāo)記(如圖3所示)，根據(jù)標(biāo)記的直線信息，計(jì)算上下兩條直線中處在相同列的對(duì)應(yīng)點(diǎn)的距離之和，得到肌肉的面積；肌肉的平均厚度為
平均厚度=胃$肌肉長(zhǎng)度
其中，肌肉長(zhǎng)度即為圖像的寬度。
本發(fā)明的霍夫變換利用點(diǎn)-線的對(duì)偶性，即圖像空間共線的點(diǎn)對(duì)應(yīng)在參數(shù)空間里相交的線，反過來，在參數(shù)空間中交于同一個(gè)點(diǎn)的所有直線在圖像空間里都有共線的點(diǎn)與之對(duì)應(yīng)。
在圖像空間X-Y中，所有共線的點(diǎn)(X，y)都可以用直線方程表示為
y = mx+c (I. I)
其中m為直線的斜率，c為截距，同時(shí)式(I. I)又可以寫為
c = -xm+y (I. 2)
上式可以看作是參數(shù)空間C-M中的一條直線方程，其中直線的斜率為X，截距為y。
比較式(I. I)和式(I. 2)，可以看出，圖像空間中的一點(diǎn)(x，y)對(duì)應(yīng)參數(shù)空間中的一條直線，而圖像空間中的一條直線又是由參數(shù)空間中的一點(diǎn)(m，c)來決定的?；舴蜃儞Q的基本思想是將上述兩式看作是圖像空間中的點(diǎn)和參數(shù)空間中的點(diǎn)的共同約束條件，并由此定義一個(gè)從圖像空間到參數(shù)空間的一對(duì)映射。如圖4所示，為圖像空間中的點(diǎn)與參數(shù)空間中的直線對(duì)偶示意圖，體現(xiàn)了這種點(diǎn)-線之間的對(duì)偶關(guān)系。圖如5(a)所示圖像空間中位于同一直線的點(diǎn)，如圖5(b)所示是圖像中直線上的點(diǎn)經(jīng)過式(1.2)映射到參數(shù)空間中的一簇直線，圖像空間中的一條直線上的點(diǎn)經(jīng)過霍夫變換后，對(duì)應(yīng)的參數(shù)空間中的直線相交于一點(diǎn)，這一點(diǎn)是確定的，確定該點(diǎn)在參數(shù)空間中的位置即可知道圖像中直線的參數(shù)?；舴蜃儞Q把在圖像空間中的直線檢測(cè)問題轉(zhuǎn)換到參數(shù)空間里對(duì)點(diǎn)的檢測(cè)問題，通過在參數(shù)空間里進(jìn)行簡(jiǎn)單的累加統(tǒng)計(jì)完成檢測(cè)任務(wù)。
在具體計(jì)算過程中，需要將參數(shù)空間M-C離散化為二維的累加數(shù)組，設(shè)這個(gè)數(shù)組為(m, c),如圖6所不，同時(shí)設(shè)[mmin, mmax]和[cmin, cmax]分別為斜率和截距的取值范圍。開始時(shí)置數(shù)組A全為零,然后對(duì)于每一個(gè)空間中的給定邊緣點(diǎn)，讓m取遍[mmin,mmax]內(nèi)所有可能的值，并根據(jù)式(1.2)算出對(duì)應(yīng)的C。再根據(jù)m和c的值(設(shè)都已經(jīng)取整)對(duì)數(shù)組元素 A(m,c) =A(m，c)+l。累加結(jié)束后，通過檢測(cè)數(shù)組A中局部峰值點(diǎn)的位置確定參數(shù)m和c的值。
如果直線的斜率無限大(比如X = a形式的直線)，采用式(1.2)是無法完成檢測(cè)的，為了能夠正確識(shí)別和檢測(cè)任意方向和任意位置的直線，可以用直線極坐標(biāo)方程來替代 (I. I)式
P = xcos Θ +ysin Θ (I. 3)
如圖7(a)所示，圖像空間中一條直線1，Θ為I過原點(diǎn)的垂線與X軸正方向的夾角，P為原點(diǎn)到I的距離。這時(shí)，參數(shù)空間就變?yōu)镻-θ空間，X-Y空間中的任意一條直線對(duì)應(yīng)了 P-θ空間內(nèi)的一個(gè)點(diǎn)，由式(1.3)可知，X-Y空間內(nèi)的一點(diǎn)對(duì)應(yīng)了 P-θ空間中的一條正弦曲線。如果有一組位于參數(shù)P和Θ決定的直線上的點(diǎn)，則每個(gè)點(diǎn)對(duì)應(yīng)了參數(shù)空間中的一條正弦曲線，所有這些曲線必交于點(diǎn)(P，Θ)如圖7(b)所示。
同樣，在計(jì)算的過程中需要對(duì)參數(shù)空間進(jìn)行離散化，每個(gè)單元的中心點(diǎn)坐標(biāo)為
Θ =(η--)ΑΘ (η = \,2,...Νβ)2(1.4)’ =( _ 圣)Δρ {n = WNp)
其中Δ θ = Ji/N0, N0為參數(shù)θ分割段數(shù)Δ ρ = π /Np ,Np是參數(shù)P的分割段數(shù)，Z = max(Vx2 +/)是圖像中的點(diǎn)距原點(diǎn)的距離最大值。具體計(jì)算過程與上文相似，將相應(yīng)的參數(shù)置換即可。
利用霍夫變換在圖像中檢測(cè)直線的基本策略就是由圖像空間中的邊緣點(diǎn)去計(jì)算參數(shù)空間中的參考點(diǎn)的可能軌跡，并在一個(gè)累加器中對(duì)計(jì)算的參考點(diǎn)計(jì)數(shù)，最后選出峰值。 霍夫變換實(shí)質(zhì)上是一種投票機(jī)制，對(duì)參數(shù)空間中的離散點(diǎn)進(jìn)行投票，若投票值超過某一門限值，則認(rèn)為有足夠的圖像點(diǎn)位于該參考點(diǎn)所決定的直線上。這種方法受噪聲和直線出現(xiàn)間斷的影響較小。
根據(jù)超聲肌肉圖像的特點(diǎn)，至少需找出前兩個(gè)峰值點(diǎn)，才能檢測(cè)出圖像中的上下兩條肌膜位置。根據(jù)標(biāo)記的直線信息，計(jì)算上下兩條直線中處在相同列的對(duì)應(yīng)點(diǎn)的距離之和，此即為肌肉的面積，根據(jù)以下公式即可計(jì)算肌肉的平均厚度。
權(quán)利要求
1.一種利用霍夫變換的肌肉圖像處理方法，其特征在于，包括以下步驟 (1)肌肉圖像預(yù)處理使用灰度變換函數(shù)對(duì)預(yù)處理圖像進(jìn)行灰度變換，調(diào)整圖像的對(duì)比度； (2)使用最大類間方差法按照?qǐng)D像的灰度特性對(duì)圖像進(jìn)行二值分割，將采集到的圖像分割出上下兩條肌膜； (3)采用霍夫變換，找出霍夫矩陣中至少兩個(gè)峰值點(diǎn)，檢測(cè)出圖像中的上下兩條肌膜位置，在兩條肌膜位置提取直線并進(jìn)行標(biāo)記，根據(jù)標(biāo)記的直線信息，計(jì)算上下兩條直線中處在相同列的對(duì)應(yīng)點(diǎn)的距離之和，得到肌肉的面積；肌肉的平均厚度為
全文摘要
本發(fā)明提供一種利用霍夫變換的肌肉圖像處理方法，其采用霍夫變換，自動(dòng)標(biāo)記出上下兩條肌膜的位置，設(shè)計(jì)算法計(jì)算出上下兩條肌膜之間的厚度根據(jù)肌肉圖像的特點(diǎn)，至少需找出霍夫矩陣中前兩個(gè)峰值點(diǎn)，才能檢測(cè)出圖像中的上下兩條肌膜位置，在兩條肌膜位置提取直線，根據(jù)標(biāo)記的直線信息，計(jì)算上下兩條直線中處在相同列的對(duì)應(yīng)點(diǎn)的距離之和，此即為肌肉的面積，用肌肉的面積除以肌肉的長(zhǎng)度即可計(jì)算出肌肉的平均厚度，其中肌肉長(zhǎng)度即為圖像的寬度，本發(fā)明的圖像處理方法，能夠快速、準(zhǔn)確地測(cè)量出肌肉的厚度，并可集成到現(xiàn)有超聲采集設(shè)備中進(jìn)行肌肉厚度的實(shí)時(shí)測(cè)量。
文檔編號(hào)A61B5/00GK102920436SQ20121041701
公開日2013年2月13日 申請(qǐng)日期2012年10月25日 優(yōu)先權(quán)日2012年10月25日
發(fā)明者陳燁, 蘇蘭芳, 李慧慧, 陳濱, 周永進(jìn), 王磊 申請(qǐng)人:深圳先進(jìn)技術(shù)研究院