本發(fā)明主要應(yīng)用于醫(yī)療超聲診斷技術(shù)領(lǐng)域，尤其涉及一種超聲圖像的處理方法及處理系統(tǒng)。

背景技術(shù)：

超聲圖像中，噪聲尤其是散斑噪聲會(huì)掩蓋和降低圖像某些細(xì)節(jié)信息，嚴(yán)重影響超聲影像的品質(zhì)；抑制超聲圖像中的散斑噪聲和增強(qiáng)邊緣可以極大提高圖像質(zhì)量。

現(xiàn)有的超聲圖像去噪算法主要有空間域局部統(tǒng)計(jì)濾波算法、基于多尺度變換的濾波算法、各向異性擴(kuò)散濾波算法。

公開號(hào)為CN 104299191 A的專利文獻(xiàn)“一種超聲圖像去噪方法及中值濾波方法”中使用多個(gè)方向?yàn)V波器確定每一像素的局部區(qū)域方向，再基于確定的局部方向進(jìn)行中值濾波；該方案相對(duì)傳統(tǒng)中值濾波和維納濾波器，其去噪效果和邊緣處理有了一定的提高，但邊緣處理僅限于保留而沒有增強(qiáng)，邊緣連續(xù)性也沒有改善。

公開號(hào)為US5497777A的專利授權(quán)文獻(xiàn)“Speckle noise filtering in ultrasound imaging”對(duì)超聲圖像進(jìn)行多級(jí)小波變換，然后對(duì)系數(shù)進(jìn)行閾值修正，最后進(jìn)行小波反變換；小波閾值法有軟閾值法和硬閾值法之分，但是硬閾值法中容易造成小波數(shù)據(jù)的不連續(xù)，從而影響圖像的細(xì)節(jié)，而軟閾值法中較大小波系數(shù)總數(shù)被縮減導(dǎo)致圖像過于平滑。

授權(quán)公告號(hào)為CN 102073994 B的專利文獻(xiàn)“基于多尺度各向異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方法”提出對(duì)圖像進(jìn)行小波分解，根據(jù)每個(gè)尺度下的噪聲區(qū)域均值確定擴(kuò)散閾值從而計(jì)算擴(kuò)散參數(shù)，利用擴(kuò)散參數(shù)對(duì)小波系數(shù)進(jìn)行加權(quán)計(jì)算再小波反變換；該方法中通過分線性擴(kuò)散參數(shù)對(duì)小波系數(shù)處理相當(dāng)于進(jìn)行了各向異性擴(kuò)散；該方法比較好的抑制了斑點(diǎn)噪聲和增強(qiáng)了邊緣，但是過于平滑實(shí)質(zhì)區(qū)域清晰度不夠。

綜上所述，傳統(tǒng)空域?yàn)V波法可以抑制斑點(diǎn)噪聲但是不能增強(qiáng)邊緣甚至是可能模糊邊緣；小波閾值法處理不管是軟閾值還是硬閾值都存在影響圖像特征的問題；雖然各向異性擴(kuò)散濾波可以達(dá)到去噪保邊的效果，但是容易出現(xiàn)過平滑及部分實(shí)質(zhì)區(qū)域清晰度不夠的情況。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述問題，本發(fā)明的目的在于提供一種超聲圖像的處理方法及處理系統(tǒng)。

相應(yīng)的，本發(fā)明一實(shí)施方式提供的超聲圖像的處理方法包括以下步驟：

S1、獲取原始的超聲圖像；

S2、對(duì)所述原始的超聲圖像進(jìn)行非線性相干擴(kuò)散濾波去噪保邊預(yù)處理獲得預(yù)處理超聲圖像；

S3、對(duì)所述預(yù)處理超聲圖像的邊緣以及非邊緣區(qū)域進(jìn)行增強(qiáng)處理以生成增強(qiáng)超聲圖像；

S4、對(duì)所述增強(qiáng)超聲圖像進(jìn)行銳化去模糊處理生成最終需求的超聲圖像。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述步驟S2具體包括：

P1、根據(jù)結(jié)構(gòu)矩陣獲取特征向量以及特征值；

其中，J_ρ表示結(jié)構(gòu)矩陣，I_x表示水平梯度，I_y表示垂直梯度，*表示卷積，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核，w₁,w₂表示特征向量，μ₁,μ₂表示特征值，T表示轉(zhuǎn)置；

P21、根據(jù)所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，λ₂＝α，α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，s為擴(kuò)散因子；

P3、根據(jù)所述結(jié)構(gòu)張量構(gòu)建NCD方程，其表達(dá)為：

為求導(dǎo)符號(hào)，I(x,y,t)表示對(duì)應(yīng)像素點(diǎn)(x，y)在t時(shí)刻下的超聲圖像，div表示散度算子，I₀表示初始時(shí)刻下的超聲圖像，D表示結(jié)構(gòu)張量，▽I表示對(duì)I求梯度。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述步驟S2具體包括：

P1、根據(jù)結(jié)構(gòu)矩陣獲取特征向量以及特征值；

其中，J_ρ表示結(jié)構(gòu)矩陣，I_x表示水平梯度，I_y表示垂直梯度，*表示卷積，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核，w₁,w₂表示特征向量，μ₁,μ₂表示特征值，T表示轉(zhuǎn)置；

P22、根據(jù)超聲圖像梯度獲取不同梯度區(qū)域內(nèi)新的擴(kuò)散速度；

根據(jù)不同梯度區(qū)域內(nèi)新的擴(kuò)散速度，所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α′，

α′＝α·e^(1-g)

α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，α′表示不同梯度區(qū)域內(nèi)擴(kuò)散速度，Norm()表示歸一化處理；s為擴(kuò)散因子。

P3、根據(jù)所述結(jié)構(gòu)張量構(gòu)建NCD方程，其表達(dá)為：

為求導(dǎo)符號(hào)，I(x,y,t)表示對(duì)應(yīng)像素點(diǎn)(x，y)在t時(shí)刻下的超聲圖像，div表示散度算子，I₀表示初始時(shí)刻下的超聲圖像，D表示結(jié)構(gòu)張量，▽I表示對(duì)I求梯度。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述步驟S2具體包括：

P1、根據(jù)結(jié)構(gòu)矩陣獲取特征向量以及特征值；

其中，J_ρ表示結(jié)構(gòu)矩陣，I_x表示水平梯度，I_y表示垂直梯度，*表示卷積，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核，w₁,w₂表示特征向量，μ₁,μ₂表示特征值，T表示轉(zhuǎn)置；

P23、根據(jù)不同時(shí)刻下的擴(kuò)散因子，所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α，

s(0)＝s,

s(t+1)＝s(t)·e^-λ,λ∈(0,1]

α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，s(t)表示在t時(shí)刻下的擴(kuò)散因子。

P3、根據(jù)所述結(jié)構(gòu)張量構(gòu)建NCD方程，其表達(dá)為：

為求導(dǎo)符號(hào)，I(x,y,t)表示對(duì)應(yīng)像素點(diǎn)(x，y)在t時(shí)刻下的超聲圖像，div表示散度算子，I₀表示初始時(shí)刻下的超聲圖像，D表示結(jié)構(gòu)張量，▽I表示對(duì)I求梯度。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述步驟S3具體包括：

M1、對(duì)所述預(yù)處理超聲圖像使用Sobel算子進(jìn)行邊緣檢測，以獲取邊緣過渡圖像；

對(duì)所述預(yù)處理超聲圖像使用Laplace算子進(jìn)行圖像突變信息檢測，以獲取拉普拉斯圖像；

以及提取預(yù)處理超聲圖像中的高頻信息；

所述高頻信息的表達(dá)式為：

I_HP＝I-I_ncd,其中，I表示原始的超聲圖像，I_ncd表示預(yù)處理超聲圖像；

M2、將所述邊緣過渡圖像和所述拉普拉斯圖像進(jìn)行點(diǎn)乘，并將其結(jié)果疊加到所述預(yù)處理超聲圖像上，以獲得邊緣補(bǔ)償圖像；

其表達(dá)式為：

I_edgeEnhance＝I_ncd+mag(▽I_ncd*G_ρ)·▽²I_ncd，

其中，I_edgeEnhanec表示邊緣補(bǔ)償圖像，▽I_ncd表示對(duì)I_ncd求梯度，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核；

M3、對(duì)獲取的高頻信息進(jìn)行補(bǔ)償以及對(duì)邊緣補(bǔ)償圖像的非邊緣區(qū)域進(jìn)行增強(qiáng)以生成增強(qiáng)超聲圖像；

其表達(dá)式為：

I_add＝I_edgeEnhance+(1-β·mag(▽I_ncd*G_ρ))·I_HP

其中，I_add表示增強(qiáng)超聲圖像，β為細(xì)節(jié)信號(hào)衰減因子，其取值范圍為0至1。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述步驟S4具體包括：

N1、對(duì)所述增強(qiáng)超聲圖像同時(shí)進(jìn)行高斯濾波處理和對(duì)比度處理以分別獲得模糊圖像和對(duì)比度圖像；

其表達(dá)式分別為：

I_blur＝I_add*G_ρ，

I_contrast＝I_add+(I_add-I_mean)*c，

其中，I_blur表示模糊圖像，I_add表示增強(qiáng)超聲圖像，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核；I_contrast表示對(duì)比度圖像，I_mean表示增強(qiáng)超聲圖像的均值，c表示對(duì)比度因子；

N2、根據(jù)所述增強(qiáng)超聲圖像以及模糊圖像形成模板圖像；

其表達(dá)式分別為：

I_mask＝I_add-I_blur，其中，I_mask表示模板圖像；

N3、將所述模板圖像融合至所述對(duì)比度圖像中形成最終需求的超聲圖像。

I_sharp＝I_contrast+k·I_mask，

其中，I_sharp表示最終需求的超聲圖像，k表示權(quán)重系數(shù)，k≥0。

相應(yīng)地，為了實(shí)現(xiàn)上述發(fā)明目的之一，本發(fā)明一實(shí)施方式提供一種超聲圖像的處理系統(tǒng)，所述系統(tǒng)包括：

獲取模塊，用于獲取原始的超聲圖像；

預(yù)處理模塊，用于對(duì)所述原始的超聲圖像進(jìn)行非線性相干擴(kuò)散濾波去噪保邊預(yù)處理獲得預(yù)處理超聲圖像；

邊緣增強(qiáng)模塊，用于對(duì)所述預(yù)處理超聲圖像的邊緣以及非邊緣區(qū)域進(jìn)行增強(qiáng)處理以生成增強(qiáng)超聲圖像；

銳化去模糊模塊，用于對(duì)所述增強(qiáng)超聲圖像進(jìn)行銳化去模糊處理生成最終需求的超聲圖像。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述預(yù)處理模塊具體用于：

根據(jù)結(jié)構(gòu)矩陣獲取特征向量以及特征值；

其中，J_ρ表示結(jié)構(gòu)矩陣，I_x表示水平梯度，I_y表示垂直梯度，*表示卷積，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核，w₁,w₂表示特征向量，μ₁,μ₂表示特征值，T表示轉(zhuǎn)置；

所述預(yù)處理模塊還用于：根據(jù)所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，λ₂＝α，α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，s為擴(kuò)散因子；

所述預(yù)處理模塊還用于：根據(jù)所述結(jié)構(gòu)張量構(gòu)建NCD方程，其表達(dá)為：

為求導(dǎo)符號(hào)，I(x,y,t)表示對(duì)應(yīng)像素點(diǎn)(x，y)在t時(shí)刻下的超聲圖像，div表示散度算子，I₀表示初始時(shí)刻下的超聲圖像，D表示結(jié)構(gòu)張量，▽I表示對(duì)I求梯度。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述預(yù)處理模塊具體用于：

根據(jù)結(jié)構(gòu)矩陣獲取特征向量以及特征值；

其中，J_ρ表示結(jié)構(gòu)矩陣，I_x表示水平梯度，I_y表示垂直梯度，*表示卷積，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核，w₁,w₂表示特征向量，μ₁,μ₂表示特征值，T表示轉(zhuǎn)置；

所述預(yù)處理模塊還用于：根據(jù)超聲圖像梯度獲取不同梯度區(qū)域內(nèi)新的擴(kuò)散速度；

根據(jù)不同梯度區(qū)域內(nèi)新的擴(kuò)散速度，所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α′，

α′＝α·e^(1-g)

α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，α′表示不同梯度區(qū)域內(nèi)擴(kuò)散速度，Norm()表示歸一化處理；s為擴(kuò)散因子。

所述預(yù)處理模塊還用于：根據(jù)所述結(jié)構(gòu)張量構(gòu)建NCD方程，其表達(dá)為：

為求導(dǎo)符號(hào)，I(x,y,t)表示對(duì)應(yīng)像素點(diǎn)(x，y)在t時(shí)刻下的超聲圖像，div表示散度算子，I₀表示初始時(shí)刻下的超聲圖像，D表示結(jié)構(gòu)張量，▽I表示對(duì)I求梯度。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述預(yù)處理模塊具體用于：

根據(jù)結(jié)構(gòu)矩陣獲取特征向量以及特征值；

其中，J_ρ表示結(jié)構(gòu)矩陣，I_x表示水平梯度，I_y表示垂直梯度，*表示卷積，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核，w₁,w₂表示特征向量，μ₁,μ₂表示特征值，T表示轉(zhuǎn)置；

所述預(yù)處理模塊還用于：根據(jù)不同時(shí)刻下的擴(kuò)散因子，所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α，

s(0)＝s,

s(t+1)＝s(t)·e^-λ,λ∈(0,1]

α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，s(t)表示在t時(shí)刻下的擴(kuò)散因子。

所述預(yù)處理模塊還用于：根據(jù)所述結(jié)構(gòu)張量構(gòu)建NCD方程，其表達(dá)為：

為求導(dǎo)符號(hào)，I(x,y,t)表示對(duì)應(yīng)像素點(diǎn)(x，y)在t時(shí)刻下的超聲圖像，div表示散度算子，I₀表示初始時(shí)刻下的超聲圖像，D表示結(jié)構(gòu)張量，▽I表示對(duì)I求梯度。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述邊緣增強(qiáng)模塊具體用于：

對(duì)所述預(yù)處理超聲圖像使用Sobel算子進(jìn)行邊緣檢測，以獲取邊緣過渡圖像；對(duì)所述預(yù)處理超聲圖像使用Laplace算子進(jìn)行圖像突變信息檢測，以獲取拉普拉斯圖像；以及提取預(yù)處理超聲圖像中的高頻信息；

所述高頻信息的表達(dá)式為：

I_HP＝I-I_ncd,其中，I表示原始的超聲圖像，I_ncd表示預(yù)處理超聲圖像；

所述邊緣增強(qiáng)模塊還用于：將所述邊緣過渡圖像和所述拉普拉斯圖像進(jìn)行點(diǎn)乘，并將其結(jié)果疊加到所述預(yù)處理超聲圖像上，以獲得邊緣補(bǔ)償圖像；

其表達(dá)式為：

I_edgeEnhance＝I_ncd+mag(▽I_ncd*G_ρ)·▽²I_ncd，

其中，I_edgeEnhance表示邊緣補(bǔ)償圖像，▽I_ncd表示對(duì)I_ncd求梯度，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核；

所述邊緣增強(qiáng)模塊還用于：對(duì)獲取的高頻信息進(jìn)行補(bǔ)償以及對(duì)邊緣補(bǔ)償圖像的非邊緣區(qū)域進(jìn)行增強(qiáng)以生成增強(qiáng)超聲圖像；

其表達(dá)式為：

I_add＝I_edgeEnhance+(1-β·mag(▽I_ncd*G_ρ))·I_HP

其中，I_add表示增強(qiáng)超聲圖像，β為細(xì)節(jié)信號(hào)衰減因子，其取值范圍為0至1。

作為本發(fā)明一實(shí)施方式的進(jìn)一步改進(jìn)，所述銳化去模糊模塊具體用于：

對(duì)所述增強(qiáng)超聲圖像同時(shí)進(jìn)行高斯濾波處理和對(duì)比度處理以分別獲得模糊圖像和對(duì)比度圖像；

其表達(dá)式分別為：

I_blur＝I_add*G_ρ，

I_contrast＝I_add+(I_add-I_mean)*c，

其中，I_blur表示模糊圖像，I_add表示增強(qiáng)超聲圖像，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核；I_contrast表示對(duì)比度圖像，I_mean表示增強(qiáng)超聲圖像的均值，c表示對(duì)比度因子；

所述銳化去模糊模塊還用于：根據(jù)所述增強(qiáng)超聲圖像以及模糊圖像形成模板圖像；

其表達(dá)式分別為：

I_mask＝I_add-I_blur，其中，I_mask表示模板圖像；

所述銳化去模糊模塊還用于：將所述模板圖像融合至所述對(duì)比度圖像中形成最終需求的超聲圖像。

I_sharp＝I_contrast+k·I_mask，

其中，I_sharp表示最終需求的超聲圖像，k表示權(quán)重系數(shù)，k≥0。

與現(xiàn)有技術(shù)相比，采用非線性相干擴(kuò)散濾波對(duì)原始的超聲圖像進(jìn)行去噪保邊處理，對(duì)保邊處理后的超聲圖像采用不同的算子對(duì)其邊緣及非邊緣區(qū)域進(jìn)行增強(qiáng)，對(duì)邊緣及非邊緣區(qū)域增強(qiáng)的超聲圖像融合衰減信息做銳化濾鏡處理，進(jìn)而對(duì)于原始的超聲圖像即實(shí)現(xiàn)了斑點(diǎn)抑制、邊緣增強(qiáng)，同時(shí)提高了其對(duì)比度，本發(fā)明可以明顯提高圖像質(zhì)量，尤其是去除噪聲和對(duì)邊界的增強(qiáng)作用明顯，而且本算法速度很快，可廣泛適用于各種需要對(duì)超聲圖像進(jìn)行實(shí)時(shí)處理的場合。

附圖說明

圖1是本發(fā)明一實(shí)施方式中超聲圖像的處理方法的流程圖；

圖2是本發(fā)明一實(shí)施方式中超聲圖像的處理系統(tǒng)的結(jié)構(gòu)示意圖

圖3是本發(fā)明一實(shí)施方式中Sobel算子的具體取值示意圖；

圖4是本發(fā)明一實(shí)施方式中Laplace算子的具體取值示意圖；

圖5是對(duì)應(yīng)圖1中步驟S3的具體實(shí)現(xiàn)過程示意圖

圖6是對(duì)應(yīng)圖1中步驟S4的具體實(shí)現(xiàn)過程示意圖。

具體實(shí)施方式

以下將結(jié)合附圖所示的各實(shí)施方式對(duì)本發(fā)明進(jìn)行詳細(xì)描述。但這些實(shí)施方式并不限制本發(fā)明，本領(lǐng)域的普通技術(shù)人員根據(jù)這些實(shí)施方式所做出的結(jié)構(gòu)、方法、或功能上的變換均包含在本發(fā)明的保護(hù)范圍內(nèi)。

如圖1所示，在本發(fā)明一實(shí)施方式中超聲圖像的處理方法，所述方法包括以下步驟：

S1、獲取原始的超聲圖像。

具體的，在超聲掃描儀工作過程中，使用超聲探頭壓迫或者超聲產(chǎn)生的聲壓力等沿著一個(gè)方向壓迫組織，以此獲得組織受壓后返回的回波信號(hào)，進(jìn)一步的，對(duì)回波信號(hào)進(jìn)行解析，獲取其對(duì)應(yīng)該組織的原始的超聲圖像。

進(jìn)一步的，本發(fā)明優(yōu)選實(shí)施方式中，對(duì)獲取的原始的超聲圖像進(jìn)行預(yù)處理，所述方法具體包括：

S2、對(duì)所述原始的超聲圖像進(jìn)行非線性相干擴(kuò)散濾波去噪保邊預(yù)處理獲得預(yù)處理超聲圖像；

在實(shí)際應(yīng)用過程中，如果僅對(duì)原始的超聲圖像進(jìn)行非線性相干擴(kuò)散濾波去噪保邊預(yù)處理，則可能會(huì)對(duì)處理后的超聲圖像造成過渡平滑，如此，本發(fā)明的步驟S2中，僅對(duì)原始的超聲圖像進(jìn)行保邊去噪預(yù)處理，以方便后續(xù)區(qū)分超聲圖像的邊緣區(qū)域和非邊緣區(qū)域。

需要說明的是，本發(fā)明的非線性相干擴(kuò)散濾波去噪保邊預(yù)處理過程采用NCD方程實(shí)現(xiàn)。

本發(fā)明具體實(shí)施方式中，NCD由傳統(tǒng)的PM方程改進(jìn)而來，其可以根據(jù)原始的超聲圖像的局部統(tǒng)計(jì)特性在非線性各向同性擴(kuò)散、各向異性擴(kuò)散和平均曲率運(yùn)動(dòng)擴(kuò)散中切換。相應(yīng)的，所述步驟S2具體包括：

P1、根據(jù)結(jié)構(gòu)矩陣獲取特征向量以及特征值；

其中，J_ρ表示結(jié)構(gòu)矩陣，I_x表示水平梯度，I_y表示垂直梯度，*表示卷積，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核，w₁,w₂表示特征向量，μ₁,μ₂表示特征值，T表示轉(zhuǎn)置；

該示例中，特征向量w₁,w₂表示了最大和最小的鄰域變化方向，而特征值μ₁,μ₂表示對(duì)應(yīng)這些變化方向上的強(qiáng)度；當(dāng)μ₁≈μ₂≈0時(shí)，表示超聲圖像在該點(diǎn)附近任何方向灰度變化都很小，可以認(rèn)為是平坦區(qū)域；當(dāng)μ₁≥μ₂≈0時(shí)，表示超聲圖像沿某一方向的變化率遠(yuǎn)大于垂直于此方向的變換率，表明此處可能為邊緣或流線狀結(jié)構(gòu)；當(dāng)μ₁＞μ₂＞0時(shí)，表示灰度在兩個(gè)方向的變化率都大，說明此處可能存在拐角。

由此，由此構(gòu)造出結(jié)構(gòu)張量D；所述步驟S2還包括：P21、根據(jù)所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，λ₂＝α，α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，s為擴(kuò)散因子；

進(jìn)一步的，所述方法還包括：P3、根據(jù)所述結(jié)構(gòu)張量構(gòu)建NCD方程，其表達(dá)為：

為求導(dǎo)符號(hào)，I(x,y,t)表示對(duì)應(yīng)像素點(diǎn)(x，y)在t時(shí)刻下的超聲圖像，div表示散度算子，I₀表示初始時(shí)刻下的超聲圖像，D表示結(jié)構(gòu)張量，▽I表示對(duì)I求梯度。

本發(fā)明一優(yōu)選實(shí)施方式中，上述的NCD方程中，非邊緣區(qū)域沿梯度方向擴(kuò)散速度和輪廓方向的擴(kuò)散速度都為α，在邊緣區(qū)域沿輪廓方向的擴(kuò)散速度也為α；而超聲圖像中邊緣區(qū)域的梯度不是恒定的，在梯度弱的邊緣區(qū)域仍按定值速度擴(kuò)散，將導(dǎo)致部分邊緣變模糊。該優(yōu)選實(shí)施方式中，在上述NCD方程的構(gòu)建基礎(chǔ)上對(duì)結(jié)構(gòu)張量D的構(gòu)建中引入超聲圖像梯度來決定不同梯度區(qū)域采用不同的擴(kuò)散以保留更多的邊緣。

相應(yīng)的，將上述NCD構(gòu)建過程中的步驟P21替換為P22，則所述步驟P22包括：P22、根據(jù)超聲圖像梯度獲取不同梯度區(qū)域內(nèi)新的擴(kuò)散速度；

根據(jù)不同梯度區(qū)域內(nèi)新的擴(kuò)散速度，所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α′，

α′＝α·e^(1-g)

α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，α′表示不同梯度區(qū)域內(nèi)擴(kuò)散速度，Norm()表示歸一化處理；s為擴(kuò)散因子。

進(jìn)一步的，最終根據(jù)所述結(jié)構(gòu)張量D構(gòu)建的NCD方程也隨之改變，在此不做詳細(xì)贅述。

本發(fā)明再一優(yōu)選實(shí)施方式中，上述的NCD方程中，隨著擴(kuò)散的不斷進(jìn)行，超聲圖像梯度絕對(duì)值會(huì)相應(yīng)下降，與此同時(shí)，若擴(kuò)散因子保持不變，則超聲圖像邊緣將趨于模糊；相應(yīng)的，將上述NCD構(gòu)建過程中的步驟P21替換為P23，保證了隨著擴(kuò)散的進(jìn)行擴(kuò)散因子隨著改變，超聲圖像邊緣得以保持。

相應(yīng)的，所述步驟P23包括：P23、根據(jù)不同時(shí)刻下的擴(kuò)散因子，所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α，

s(0)＝s,

s(t+1)＝s(t)·e^-λ,λ∈(0,1]

α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，s(t)表示在t時(shí)刻下的擴(kuò)散因子。

進(jìn)一步的，最終根據(jù)所述結(jié)構(gòu)張量D構(gòu)建的NCD方程也隨之改變，在此不做詳細(xì)贅述。

可以理解的是，上述步驟P21也可以由步驟P22、P23進(jìn)行綜合后再進(jìn)行替換，即對(duì)構(gòu)建NCD方程中的擴(kuò)散速度α以及擴(kuò)散因子s同時(shí)進(jìn)行改進(jìn)，如此，可同時(shí)解決上述兩個(gè)問題，如此，所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α·e^(1-g)，

s(0)＝s,

s(t+1)＝s(t)·e^-λ,λ∈(0,1]，

該示例方程中，各個(gè)參數(shù)的具體釋義可參照上述具體示例，在此不做繼續(xù)贅述。

進(jìn)一步的，本發(fā)明一實(shí)施方式中，所述方法還包括：S3、對(duì)所述預(yù)處理超聲圖像的邊緣以及非邊緣區(qū)域進(jìn)行增強(qiáng)處理以生成增強(qiáng)超聲圖像；

所述步驟S3具體包括：

M1、對(duì)所述預(yù)處理超聲圖像使用Sobel算子進(jìn)行邊緣檢測，以獲取邊緣過渡圖像；

對(duì)所述預(yù)處理超聲圖像使用Sobel算子進(jìn)行邊緣檢測，以求取梯度，梯度值大說明可能處于邊緣區(qū)域，反之認(rèn)為該區(qū)域?yàn)榉沁吘墔^(qū)域。結(jié)合圖3所示，揭示一種Sobel算子，其中兩個(gè)Sobel算子分別對(duì)應(yīng)X方向、Y方向，當(dāng)然，在本發(fā)明其他實(shí)施方式中，所述Sobel算子的值也可以有所不同，在此不做詳細(xì)贅述。

進(jìn)一步的，所述步驟M1還包括：對(duì)所述預(yù)處理超聲圖像使用Laplace算子進(jìn)行圖像突變信息檢測，以獲取拉普拉斯圖像；

該步驟中，超聲圖像的邊緣與非邊緣之間存在灰度的突變，灰度的突變可以通過微分算子檢測，采用Laplace算子進(jìn)行突變信息檢測得到拉普拉斯圖像。結(jié)合圖4所示，揭示一種Laplace算子；需要說明的是，與所述Sobel算子相類似的，Laplace算子的值也可以有所不同，在此不做詳細(xì)贅述。

進(jìn)一步的，所述預(yù)處理超聲圖像抑制了斑點(diǎn)噪聲同時(shí)也濾除了許多高頻信息，而高頻信息也是超聲圖像細(xì)節(jié)信息；如此，本實(shí)施方式還需要提取預(yù)處理超聲圖像中的高頻信息；相應(yīng)的，提取高頻信息可以通過高通濾波提取，也可以采用如下方式進(jìn)行提?。凰霾襟EM1還包括：提取預(yù)處理超聲圖像中的高頻信息；

所述高頻信息的表達(dá)式為：

I_HP＝I-I_ncd,其中，I表示原始的超聲圖像，I_ncd表示預(yù)處理超聲圖像。

進(jìn)一步的，突變信息其實(shí)是邊緣與非邊緣之間灰度突變，將拉普拉斯圖像以及邊緣過渡圖像疊加到預(yù)處理超聲圖像上，可以對(duì)預(yù)處理圖像的邊緣進(jìn)行銳化，從而使預(yù)處理圖像的邊緣得到增強(qiáng)；相應(yīng)的，所示步驟S3還包括：M2、將所述邊緣過渡圖像和所述拉普拉斯圖像進(jìn)行點(diǎn)乘，并將其結(jié)果疊加到所述預(yù)處理超聲圖像上，以獲得邊緣補(bǔ)償圖像；

其表達(dá)式為：

I_edgeEnhance＝I_ncd+mag(▽I_ncd*G_ρ)·▽²I_ncd，

其中，I_edgeEnhanec表示邊緣補(bǔ)償圖像，▽I_ncd表示對(duì)I_ncd求梯度，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核。

進(jìn)一步的，由于所述預(yù)處理超聲圖像獲取過程中，即去除了噪聲也濾去了細(xì)節(jié)信息，導(dǎo)致超聲圖像的非邊緣區(qū)域趨于平滑；如此，本發(fā)明一實(shí)施方式中按照梯度權(quán)重對(duì)非邊緣區(qū)域進(jìn)行細(xì)節(jié)疊加。則所述步驟S3還包括：M3、對(duì)獲取的高頻信息進(jìn)行補(bǔ)償以及對(duì)邊緣補(bǔ)償圖像的非邊緣區(qū)域進(jìn)行增強(qiáng)以生成增強(qiáng)超聲圖像；

其表達(dá)式為：

I_add＝I_edgeEnhance+(1-β·mag(▽I_ncd*G_ρ))·I_HP

其中，I_add表示增強(qiáng)超聲圖像，β為細(xì)節(jié)信號(hào)衰減因子，其取值范圍為0至1。

進(jìn)一步的，本發(fā)明一實(shí)施方式中，所述方法還包括：S4、對(duì)所述增強(qiáng)超聲圖像進(jìn)行銳化去模糊處理生成最終需求的超聲圖像。

該實(shí)施方式中，上述的增強(qiáng)超聲圖像雖然進(jìn)行了高頻信息補(bǔ)償處理，但由于補(bǔ)償?shù)募?xì)節(jié)信號(hào)經(jīng)過衰減處理，所述增強(qiáng)超聲圖像圖像偏模糊，故需要進(jìn)一步的對(duì)細(xì)節(jié)信號(hào)進(jìn)行銳化處理。

本實(shí)施方式中，所述步驟S4具體包括：

N1、對(duì)所述增強(qiáng)超聲圖像同時(shí)進(jìn)行高斯濾波處理和對(duì)比度處理以分別獲得模糊圖像和對(duì)比度圖像；

其表達(dá)式分別為：

I_blur＝I_add*G_ρ，

I_contrast＝I_add+(I_add-I_mean)*c，

其中，I_blur表示模糊圖像，I_add表示增強(qiáng)超聲圖像，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核；I_contrast表示對(duì)比度圖像，I_mean表示增強(qiáng)超聲圖像的均值，c表示對(duì)比度因子；本實(shí)施方式中，c越大，獲得的圖像的對(duì)比度越高，但c過大也容易造成灰度飽和，在此不做詳細(xì)贅述。

進(jìn)一步的，所述步驟S4還包括：

N2、根據(jù)所述增強(qiáng)超聲圖像以及模糊圖像形成模板圖像；

其表達(dá)式分別為：

I_mask＝I_add-I_blur，其中，I_mask表示模板圖像；

該模板圖像中包含增強(qiáng)超聲圖像中的細(xì)節(jié)突變信息。

進(jìn)一步的，所述步驟S4還包括：

N3、將所述模板圖像融合至所述對(duì)比度圖像中形成最終需求的超聲圖像，以使獲得的最終需求的超聲圖像的細(xì)節(jié)更加清晰。

I_sharp＝I_contrast+k·I_mask，

其中，I_sharp表示最終需求的超聲圖像，k表示權(quán)重系數(shù)，k≥0。

結(jié)合圖2所示，本發(fā)明一實(shí)施方式中，揭示一種超聲圖像的處理系統(tǒng)，所述系統(tǒng)包括：獲取模塊100、預(yù)處理模塊200、邊緣增強(qiáng)模塊300以及銳化去模糊模塊400。

獲取模塊100用于獲取原始的超聲圖像。

具體的，在超聲掃描儀工作過程中，使用超聲探頭壓迫或者超聲產(chǎn)生的聲壓力等沿著一個(gè)方向壓迫組織，以此獲得組織受壓后返回的回波信號(hào)，進(jìn)一步的，對(duì)回波信號(hào)進(jìn)行解析，獲取其對(duì)應(yīng)該組織的原始的超聲圖像。

進(jìn)一步的，本發(fā)明優(yōu)選實(shí)施方式中，預(yù)處理模塊200用于對(duì)獲取的原始的超聲圖像進(jìn)行預(yù)處理。本實(shí)施方式中，所述預(yù)處理模塊200具體用于：對(duì)所述原始的超聲圖像進(jìn)行非線性相干擴(kuò)散濾波去噪保邊預(yù)處理獲得預(yù)處理超聲圖像；

在實(shí)際應(yīng)用過程中，如果僅對(duì)原始的超聲圖像進(jìn)行非線性相干擴(kuò)散濾波去噪保邊預(yù)處理，則可能會(huì)對(duì)處理后的超聲圖像造成過渡平滑，如此，該實(shí)施方式下，所述預(yù)處理模塊200僅對(duì)原始的超聲圖像進(jìn)行保邊去噪預(yù)處理，以方便后續(xù)區(qū)分超聲圖像的邊緣區(qū)域和非邊緣區(qū)域。

需要說明的是，本發(fā)明的非線性相干擴(kuò)散濾波去噪保邊預(yù)處理過程采用NCD方程實(shí)現(xiàn)。

本發(fā)明具體實(shí)施方式中，NCD由傳統(tǒng)的PM方程改進(jìn)而來，其可以根據(jù)原始的超聲圖像的局部統(tǒng)計(jì)特性在非線性各向同性擴(kuò)散、各向異性擴(kuò)散和平均曲率運(yùn)動(dòng)擴(kuò)散中切換。相應(yīng)的，所述預(yù)處理模塊200具體用于：

根據(jù)結(jié)構(gòu)矩陣獲取特征向量以及特征值；

其中，J_ρ表示結(jié)構(gòu)矩陣，I_x表示水平梯度，I_y表示垂直梯度，*表示卷積，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核，w₁,w₂表示特征向量，μ₁,μ₂表示特征值，T表示轉(zhuǎn)置；

該示例中，特征向量w₁,w₂表示了最大和最小的鄰域變化方向，而特征值μ₁,μ₂表示對(duì)應(yīng)這些變化方向上的強(qiáng)度；當(dāng)μ₁≈μ₂≈0時(shí)，表示超聲圖像在該點(diǎn)附近任何方向灰度變化都很小，可以認(rèn)為是平坦區(qū)域；當(dāng)μ₁≥μ₂≈0時(shí)，表示超聲圖像沿某一方向的變化率遠(yuǎn)大于垂直于此方向的變換率，表明此處可能為邊緣或流線狀結(jié)構(gòu)；當(dāng)μ₁＞μ₂＞0時(shí)，表示灰度在兩個(gè)方向的變化率都大，說明此處可能存在拐角。

由此，由此構(gòu)造出結(jié)構(gòu)張量D；所述預(yù)處理模塊200還用于：根據(jù)所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，λ₂＝α，α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，s為擴(kuò)散因子；

進(jìn)一步的，所述預(yù)處理模塊200還用于：根據(jù)所述結(jié)構(gòu)張量構(gòu)建NCD方程，其表達(dá)為：

為求導(dǎo)符號(hào)，I(x,y,t)表示對(duì)應(yīng)像素點(diǎn)(x，y)在t時(shí)刻下的超聲圖像，div表示散度算子，I₀表示初始時(shí)刻下的超聲圖像，D表示結(jié)構(gòu)張量，▽I表示對(duì)I求梯度。

本發(fā)明一優(yōu)選實(shí)施方式中，上述的NCD方程中，非邊緣區(qū)域沿梯度方向擴(kuò)散速度和輪廓方向的擴(kuò)散速度都為α，在邊緣區(qū)域沿輪廓方向的擴(kuò)散速度也為α；而超聲圖像中邊緣區(qū)域的梯度不是恒定的，在梯度弱的邊緣區(qū)域仍按定值速度擴(kuò)散，將導(dǎo)致部分邊緣變模糊。該優(yōu)選實(shí)施方式中，在上述NCD方程的構(gòu)建基礎(chǔ)上對(duì)結(jié)構(gòu)張量D的構(gòu)建中引入超聲圖像梯度來決定不同梯度區(qū)域采用不同的擴(kuò)散以保留更多的邊緣。

相應(yīng)的，將上述NCD構(gòu)建過程中構(gòu)建結(jié)構(gòu)張量D的過程進(jìn)行修改，所述預(yù)處理模塊200可選擇性用于：根據(jù)超聲圖像梯度獲取不同梯度區(qū)域內(nèi)新的擴(kuò)散速度；

根據(jù)不同梯度區(qū)域內(nèi)新的擴(kuò)散速度，所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α′，

α′＝α·e^(1-g)

α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，α′表示不同梯度區(qū)域內(nèi)擴(kuò)散速度，Norm()表示歸一化處理；s為擴(kuò)散因子。

進(jìn)一步的，最終根據(jù)所述結(jié)構(gòu)張量D構(gòu)建的NCD方程也隨之改變，在此不做詳細(xì)贅述。

本發(fā)明再一優(yōu)選實(shí)施方式中，上述的NCD方程中，隨著擴(kuò)散的不斷進(jìn)行，超聲圖像梯度絕對(duì)值會(huì)相應(yīng)下降，與此同時(shí)，若擴(kuò)散因子保持不變，則超聲圖像邊緣將趨于模糊；相應(yīng)的，將上述NCD構(gòu)建過程中，構(gòu)建結(jié)構(gòu)張量D的過程進(jìn)行修改，保證了隨著擴(kuò)散的進(jìn)行擴(kuò)散因子隨著改變，超聲圖像邊緣得以保持。相應(yīng)的，所述預(yù)處理模塊200可選擇性用于：

根據(jù)不同時(shí)刻下的擴(kuò)散因子，所述特征向量和所述特征值構(gòu)建結(jié)構(gòu)張量；

所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α，

s(0)＝s,

s(t+1)＝s(t)·e^-λ,λ∈(0,1]

α表示擴(kuò)散速度，其為常數(shù)值，取值范圍為0至1之間，s(t)表示在t時(shí)刻下的擴(kuò)散因子。

進(jìn)一步的，最終根據(jù)所述結(jié)構(gòu)張量D構(gòu)建的NCD方程也隨之改變，在此不做詳細(xì)贅述。

可以理解的是，上述構(gòu)建結(jié)構(gòu)張量D的過程中，所述預(yù)處理模塊200可選擇性用于：對(duì)構(gòu)建NCD方程中的擴(kuò)散速度α以及擴(kuò)散因子s同時(shí)進(jìn)行改進(jìn)，如此，可同時(shí)解決上述兩個(gè)問題，如此，所述結(jié)構(gòu)張量表達(dá)為：

其中，

λ₂＝α·e^(1-g)，

s(0)＝s,

s(t+1)＝s(t)·e^-λ,λ∈(0,1]，

該示例方程中，各個(gè)參數(shù)的具體釋義可參照上述具體示例，在此不做繼續(xù)贅述。

進(jìn)一步的，本發(fā)明一實(shí)施方式中，所述邊緣增強(qiáng)模塊300用于：對(duì)所述預(yù)處理超聲圖像的邊緣以及非邊緣區(qū)域進(jìn)行增強(qiáng)處理以生成增強(qiáng)超聲圖像；

所述邊緣增強(qiáng)模塊300具體用于：對(duì)所述預(yù)處理超聲圖像使用Sobel算子進(jìn)行邊緣檢測，以獲取邊緣過渡圖像；

對(duì)所述預(yù)處理超聲圖像使用Sobel算子進(jìn)行邊緣檢測，以求取梯度，梯度值大說明可能處于邊緣區(qū)域，反之認(rèn)為該區(qū)域?yàn)榉沁吘墔^(qū)域。結(jié)合圖3所示，揭示一種Sobel算子，其中兩個(gè)Sobel算子分別對(duì)應(yīng)X方向、Y方向，當(dāng)然，在本發(fā)明其他實(shí)施方式中，所述Sobel算子的值也可以有所不同，在此不做詳細(xì)贅述。

進(jìn)一步的，所述邊緣增強(qiáng)模塊300還用于：對(duì)所述預(yù)處理超聲圖像使用Laplace算子進(jìn)行圖像突變信息檢測，以獲取拉普拉斯圖像；

該步驟中，超聲圖像的邊緣與非邊緣之間存在灰度的突變，灰度的突變可以通過微分算子檢測，采用Laplace算子進(jìn)行突變信息檢測得到拉普拉斯圖像。結(jié)合圖4所示，揭示一種Laplace算子；需要說明的是，與所述Sobel算子相類似的，Laplace算子的值也可以有所不同，在此不做詳細(xì)贅述。

進(jìn)一步的，所述預(yù)處理超聲圖像抑制了斑點(diǎn)噪聲同時(shí)也濾除了許多高頻信息，而高頻信息也是超聲圖像細(xì)節(jié)信息；如此，本實(shí)施方式還需要提取預(yù)處理超聲圖像中的高頻信息；相應(yīng)的，提取高頻信息可以通過高通濾波提取，也可以采用如下方式進(jìn)行提??；所述邊緣增強(qiáng)模塊300還用于：提取預(yù)處理超聲圖像中的高頻信息；

所述高頻信息的表達(dá)式為：

I_HP＝I-I_ncd,其中，I表示原始的超聲圖像，I_ncd表示預(yù)處理超聲圖像。

進(jìn)一步的，突變信息其實(shí)是邊緣與非邊緣之間灰度突變，將拉普拉斯圖像以及邊緣過渡圖像疊加到預(yù)處理超聲圖像上，可以對(duì)預(yù)處理圖像的邊緣進(jìn)行銳化，從而使預(yù)處理圖像的邊緣得到增強(qiáng)；相應(yīng)的，所示步驟S3還包括：M2、將所述邊緣過渡圖像和所述拉普拉斯圖像進(jìn)行點(diǎn)乘，并將其結(jié)果疊加到所述預(yù)處理超聲圖像上，以獲得邊緣補(bǔ)償圖像；

其表達(dá)式為：

I_edgeEnhance＝I_ncd+mag(▽I_ncd*G_ρ)·▽²I_ncd，

其中，I_edgeEnhanec表示邊緣補(bǔ)償圖像，▽I_ncd表示對(duì)I_ncd求梯度，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核。

進(jìn)一步的，由于所述預(yù)處理超聲圖像獲取過程中，即去除了噪聲也濾去了細(xì)節(jié)信息，導(dǎo)致超聲圖像的非邊緣區(qū)域趨于平滑；如此，本發(fā)明一實(shí)施方式中按照梯度權(quán)重對(duì)非邊緣區(qū)域進(jìn)行細(xì)節(jié)疊加。則所述邊緣增強(qiáng)模塊300還用于：對(duì)獲取的高頻信息進(jìn)行補(bǔ)償以及對(duì)邊緣補(bǔ)償圖像的非邊緣區(qū)域進(jìn)行增強(qiáng)以生成增強(qiáng)超聲圖像；

其表達(dá)式為：

I_add＝I_edgeEnhance+(1-β·mag(▽I_ncd*G_ρ))·I_HP

其中，I_add表示增強(qiáng)超聲圖像，β為細(xì)節(jié)信號(hào)衰減因子，其取值范圍為0至1。

進(jìn)一步的，本發(fā)明一實(shí)施方式中，所述銳化去模糊模塊400用于對(duì)所述增強(qiáng)超聲圖像進(jìn)行銳化去模糊處理生成最終需求的超聲圖像。

該實(shí)施方式中，上述的增強(qiáng)超聲圖像雖然進(jìn)行了高頻信息補(bǔ)償處理，但由于補(bǔ)償?shù)募?xì)節(jié)信號(hào)經(jīng)過衰減處理，所述增強(qiáng)超聲圖像圖像偏模糊，故需要進(jìn)一步的對(duì)細(xì)節(jié)信號(hào)進(jìn)行銳化處理。

本實(shí)施方式中，所述銳化去模糊模塊400具體用于：對(duì)所述增強(qiáng)超聲圖像同時(shí)進(jìn)行高斯濾波處理和對(duì)比度處理以分別獲得模糊圖像和對(duì)比度圖像；

其表達(dá)式分別為：

I_blur＝I_add*G_ρ，

I_contrast＝I_add+(I_add-I_mean)*c，

其中，I_blur表示模糊圖像，I_add表示增強(qiáng)超聲圖像，G_ρ表示標(biāo)準(zhǔn)差為ρ的高斯核；I_contrast表示對(duì)比度圖像，I_mean表示增強(qiáng)超聲圖像的均值，c表示對(duì)比度因子；本實(shí)施方式中，c越大，獲得的圖像的對(duì)比度越高，但c過大也容易造成灰度飽和，在此不做詳細(xì)贅述。

進(jìn)一步的，所述銳化去模糊模塊400還用于：根據(jù)所述增強(qiáng)超聲圖像以及模糊圖像形成模板圖像；

其表達(dá)式分別為：

I_mask＝I_add-I_blur，其中，I_mask表示模板圖像；

該模板圖像中包含增強(qiáng)超聲圖像中的細(xì)節(jié)突變信息。

進(jìn)一步的，所述銳化去模糊模塊400還用于：將所述模板圖像融合至所述對(duì)比度圖像中形成最終需求的超聲圖像，以使獲得的最終需求的超聲圖像的細(xì)節(jié)更加清晰。

I_sharp＝I_contrast+k·I_mask，

其中，I_sharp表示最終需求的超聲圖像，k表示權(quán)重系數(shù)，k≥0。

綜上所述，本發(fā)明的超聲圖像的處理方法及處理系統(tǒng)，采用非線性相干擴(kuò)散濾波對(duì)原始的超聲圖像進(jìn)行去噪保邊處理，對(duì)保邊處理后的超聲圖像采用不同的算子對(duì)其邊緣及非邊緣區(qū)域進(jìn)行增強(qiáng)，對(duì)邊緣及非邊緣區(qū)域增強(qiáng)的超聲圖像融合衰減信息做銳化濾鏡處理，進(jìn)而對(duì)于原始的超聲圖像即實(shí)現(xiàn)了斑點(diǎn)抑制、邊緣增強(qiáng)，同時(shí)提高了其對(duì)比度，本發(fā)明可以明顯提高圖像質(zhì)量，尤其是去除噪聲和對(duì)邊界的增強(qiáng)作用明顯，而且本算法速度很快，可廣泛適用于各種需要對(duì)超聲圖像進(jìn)行實(shí)時(shí)處理的場合。

為了描述的方便，描述以上裝置時(shí)以功能分為各種模塊分別描述。當(dāng)然，在實(shí)施本發(fā)明時(shí)可以把各模塊的功能在同一個(gè)或多個(gè)軟件和/或硬件中實(shí)現(xiàn)。

以上所描述的裝置實(shí)施方式僅僅是示意性的，其中所述作為分離部件說明的模塊可以是或者也可以不是物理上分開的，作為模塊顯示的部件可以是或者也可以不是物理模塊，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)模塊上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施方式方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性勞動(dòng)的情況下，即可以理解并實(shí)施。

應(yīng)當(dāng)理解，雖然本說明書按照實(shí)施方式加以描述，但并非每個(gè)實(shí)施方式僅包含一個(gè)獨(dú)立的技術(shù)方案，說明書的這種敘述方式僅僅是為清楚起見，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)將說明書作為一個(gè)整體，各實(shí)施方式中的技術(shù)方案也可以經(jīng)適當(dāng)組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實(shí)施方式。

上文所列出的一系列的詳細(xì)說明僅僅是針對(duì)本發(fā)明的可行性實(shí)施方式的具體說明，它們并非用以限制本發(fā)明的保護(hù)范圍，凡未脫離本發(fā)明技藝精神所作的等效實(shí)施方式或變更均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。