一種dr影像的拼接方法
【專利摘要】本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種DR影像的拼接方法，該方法包括：采集圖像：DR系統(tǒng)采用正直攝影的方式采集圖像；然后圖像配準：首先將DR系統(tǒng)采集的圖像數(shù)據(jù)在低分辨率下進行粗略配準，然后將粗略配準后的圖像數(shù)據(jù)在高分辨率下進行精細配準；最后進行圖像融合：即采用基于多頻帶的曲線進行融合，消除圖像中的重影。本發(fā)明通過使用DR系統(tǒng)進行正直攝影，拍攝場景簡單；通過使用粗略配準和精細配準對DR系統(tǒng)的X光透視效應(yīng)具有較好的容忍度；圖像融合技術(shù)針對現(xiàn)有拼接方法存在偽影的問題，采用基于多頻帶的曲線融合有效的避免了偽影，即很好的消除了重影。
【專利說明】
-種DR影像的拼接方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明設(shè)及圖像處理技術(shù)領(lǐng)域，尤其設(shè)及一種DR影像的拼接方法。
【背景技術(shù)】
[0002] 隨著醫(yī)療技術(shù)的不斷發(fā)展，直接數(shù)字化X射線攝影系統(tǒng)(Digital Radiography即 DR系統(tǒng))在診斷和醫(yī)學(xué)中有著廣泛的應(yīng)用。但是，當(dāng)前的臨床DR系統(tǒng)只能提供有限的視野， 運在很多情況下存在限制，例如:在人體脊椎或長骨等骨科診斷和手術(shù)治療中，獲取完整的 解剖結(jié)構(gòu)圖像是至關(guān)重要的，當(dāng)醫(yī)生需要觀察一幅圖像邊緣的區(qū)域時要根據(jù)自己的就診經(jīng) 驗對多幅在不同時刻、具有重疊區(qū)域的不同部位圖片進行手工拼接或是使用Photoshop等 第=方工具進行拼接。雖然研究者探索出各種圖像拼接算法，但是多用于相機照片的拼接。 相機照片跟DR系統(tǒng)的成像原理有很大的不同，因此造成了X光影像配準的困難。當(dāng)前的拼接 算法都是從相機拼接中移植過來，沒有考慮到X光的透視影響。而且現(xiàn)有的圖像拼接方法對 重疊度要求較高，較高的重疊度意味著曝光次數(shù)的增多，對病人危害極大。而且對重疊度要 求固定，不能靈活的處理重疊度不同的影像。同時現(xiàn)有的X光拼接算法處理旋轉(zhuǎn)、縮放，加劇 算法的復(fù)雜性從而算法運行時間指數(shù)級別增加，但實際DR拍攝中并不存在運么復(fù)雜的拍攝 場景，99%采用正直攝影?，F(xiàn)有的拼接融合算法中還存在很明顯的偽影。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是克服現(xiàn)有技術(shù)存在的缺陷，提供一種快速、拼接流程簡單的DR影 像的拼接方法。
[0004] 實現(xiàn)本發(fā)明目的的技術(shù)方案是:一種DR影像的拼接方法，該方法包括如下步驟：
[0005] 1)采集圖像:DR系統(tǒng)采用正直攝影的方式采集圖像；
[0006] 2)圖像配準:首先將DR系統(tǒng)采集的圖像數(shù)據(jù)在低分辨率下進行粗略配準，然后將 粗略配準后的圖像數(shù)據(jù)在高分辨率下進行精細配準；
[0007] 3)圖像融合:對步驟2)處理后的圖像，采用基于多頻帶的曲線進行融合，消除圖像 中的重影。
[000引作為本發(fā)明的優(yōu)化方案，步驟1)中采集圖像時，DR系統(tǒng)的射線主光軸與像平面垂 直，拍攝時的基線與像平面平行。
[0009] 作為本發(fā)明的優(yōu)化方案，采用DR系統(tǒng)對圖像進行重復(fù)拍攝，圖像成像的重疊部分 大于兩次拍攝時射線源距離的十分之一。
[0010] 作為本發(fā)明的優(yōu)化方案，步驟2)中進行粗略配準時，首先將DR系統(tǒng)采集的圖像的 分辨率降低，然后結(jié)合canny邊緣算子和相位相關(guān)法得出圖像在低分辨率下的粗略配準。
[0011] 作為本發(fā)明的優(yōu)化方案，進行精細配準時，首先提高粗略配準后圖像的分辨率，使 用MLNC測度函數(shù)來衡量兩幅圖像之間的相似度。
[0012]作為本發(fā)明的優(yōu)化方案，使用MLNC測度函數(shù)來衡量兩幅圖像之間的相似度時，首 先將兩幅圖像的重疊部分細分為很多窗口，然后針對每個窗口求取歸一化相關(guān)系數(shù)，將所 有取得的歸一化相關(guān)系數(shù)求平均值。
[0013] 作為本發(fā)明的優(yōu)化方案，步驟3)中對圖像進行融合時，在高頻部分使用曲率大的 曲線，融合曲線的數(shù)學(xué)模型如公式（1)所示;在低頻部分使用曲率小的曲線，融合曲線的數(shù) 學(xué)模型如公式(2)所示，中頻部分融合曲線的數(shù)學(xué)模型如公式(3)所示；
[0014] …
[0015] 找）
[0016] (3)
[0017] 其中，ratio表示融合曲線的曲率，i表示待融合的像素點距離重疊區(qū)域上邊界的 距離，dist表示重疊區(qū)域上下邊界的距離，center為dist的中屯、位置，融合結(jié)果的像素值 為：
[001 引 Pixresuit = PixA*ratio+PixB*( l-ratio) (4)
[0019] 其中，PiXresult為重疊區(qū)域某一點的融合結(jié)果像素值，PiXA為該點在圖像A中對應(yīng) 的像素值，P i XB為該點在圖像B中對應(yīng)的像素值。
[0020] 本發(fā)明具有積極的效果:1)本發(fā)明通過使用DR系統(tǒng)進行正直攝影，拍攝場景簡單；
[0021 ] 2)本發(fā)明通過使用粗略配準和精細配準對DR系統(tǒng)的X光透視效應(yīng)具有較好的容忍 度；
[0022] 3)本發(fā)明的圖像融合技術(shù)針對現(xiàn)有拼接方法存在偽影的問題，采用基于多頻帶的 曲線融合有效的避免了偽影，即很好的消除了重影。
【附圖說明】
[0023] 為了使本發(fā)明的內(nèi)容更容易被清楚地理解，下面根據(jù)具體實施例并結(jié)合附圖，對 本發(fā)明作進一步詳細的說明，其中：
[0024] 圖1是本發(fā)明的影像采集場景圖；
[0025] 圖2是本發(fā)明的影像透視圖；
[0026] 圖3是本發(fā)明的配準算法流程圖；
[0027] 圖4是多頻帶融合曲線實施例圖；
[0028] 圖5是多頻帶融合曲線實施例圖。
【具體實施方式】
[0029] 如圖1-圖5所示，本發(fā)明公開了一種DR影像的拼接方法，該方法包括如下步驟：
[0030] 1)采集圖像:DR系統(tǒng)采用正直攝影的方式采集圖像；
[0031] 2)圖像配準:首先將DR系統(tǒng)采集的圖像數(shù)據(jù)在低分辨率下進行粗略配準，然后將 粗略配準后的圖像數(shù)據(jù)在高分辨率下進行精細配準；
[0032] 3)圖像融合:對步驟2)處理后的圖像，采用基于多頻帶的曲線進行融合，消除圖像 中的重影。
[0033] 如圖1所示，在步驟1)中采集圖像時，DR系統(tǒng)的射線主光軸與像平面垂直，拍攝時 的基線與像平面平行。
[0034] 采用DR系統(tǒng)對圖像進行重復(fù)拍攝，圖像成像的重疊部分大于兩次拍攝時射線源距 離的十分之一，從圖1看，重疊部分大于h2-hi的十分之一，其中，幾次拍攝中不要求重疊部分 相同。
[0035] 如圖2所示，如果〇1、〇2是兩個相機，只會看到人體的表面，通過相機從不同角度觀 察人體的表面都是一樣的結(jié)果，即一個像素點對應(yīng)表面一點。當(dāng)前的拼接算法都是根據(jù)相 機成像原理對X光影像拼接，很少有人在拼接中考慮到透視的影響；如果圖2中〇1、〇2為射線 源，則圖中細節(jié)部分的直線在像1中為直線，像2中為點，X影像中的一點代表一 X線穿過人體 時一條路徑，傳統(tǒng)的方法很難配準。
[0036] 如圖3所示，在步驟2)中進行粗略配準時，首先將DR系統(tǒng)采集的圖像的分辨率降 低，然后結(jié)合canny邊緣算子和相位相關(guān)法得出圖像在低分辨率下的粗略配準。由于根據(jù)實 際經(jīng)驗和對X光影像的觀察發(fā)現(xiàn)，雖然在不同角度對人體同一個關(guān)鍵解剖結(jié)構(gòu)拍片，得到的 影像雖然在細節(jié)中發(fā)生了很大的變化，并且運種變化并非剛體變換，運也是導(dǎo)致傳統(tǒng)的針 對相機的配準方法不能用于X光影像配準的重要原因，但是如果將分辨率降低，低分辨率圖 像包含較少的細節(jié)，利用低分辨率圖像進行粗略配準對X光透視效應(yīng)有較好的容忍度。首先 將將圖像分辨率降低，在低分辨率下保留的細節(jié)部分減少，此時結(jié)合canny邊緣算子和相位 相關(guān)法就可W很容易得出在低分辨率下的粗略配準。
[0037] 粗略配準由于是在低分辨率下進行的，比如1/8的低分辨率下偏移1個像素將導(dǎo)致 原圖偏移8個像素，因此進行精細配準是需要的。粗略配準階段將精細配準的范圍縮小，精 細配準只需要在粗略配準的結(jié)果上、下微調(diào)，當(dāng)重疊部分相似度達到最大時，就獲得最佳的 匹配。進行精細配準時，首先提高粗略配準后圖像的分辨率，使用MLNC測度函數(shù)來衡量兩幅 圖像之間的相似度。使用MLNC測度函數(shù)來衡量兩幅圖像之間的相似度時，首先將兩幅圖像 的重疊部分細分為很多窗口，然后針對每個窗口求取歸一化相關(guān)系數(shù)，將所有取得的歸一 化相關(guān)系數(shù)求平均值。由于X光影像存在透視變形，不可能存在一模一樣的重疊部分，甚至 相差很大，利用傳統(tǒng)的相似度衡量函數(shù)無法勝任該工作。本發(fā)明提出了使用MLNC(mean Of local normalize correlation)測度函數(shù)來衡量兩幅圖像之間的相似度，運種相似度評測 函數(shù)對影像的局部變形有很好的容忍度，其中公式(5)中的nc為兩幅圖像重疊部分之間歸 一化相關(guān)系數(shù)，如果針對整個重疊部分使用歸一化相關(guān)系數(shù)，它是非線性的，一塊小區(qū)域的 完全不同但是其他所有區(qū)域都相同都會導(dǎo)致相關(guān)性很低，公式(6)的MLNC將重疊部分細分 為很多窗口，然后針對每個窗口求取歸一化相關(guān)系數(shù)，將所有取得的歸一化相關(guān)系數(shù)求均 值，運樣將歸一化相關(guān)系數(shù)轉(zhuǎn)化為線性的，如果有一個窗口完全不一樣，對整體匹配的影響 權(quán)重不至于過大。
[00；3 引 巧）
[0039] 戚
[0040] 其中，m代表窗口的長度，n代表窗口的寬度，M代表窗口的個數(shù)。
[0041] 如果使用傳統(tǒng)的"漸進漸出"的融合方法會出現(xiàn)重影，經(jīng)過分析，重影是由重疊區(qū) 域的高頻部分引起的，但是如果整幅圖使用曲率很大的曲線可W消除重影，但是此時也消 除了圖像的細節(jié)部分，為了在消除重影的同時能保留更多的信息，在高頻部分采用曲率更 大的曲線，低頻部分使用曲率小的曲線，融合曲線如圖4和5所示。
[0042] 融合曲線數(shù)學(xué)模型：
[0043] 低頻部分：
[0044] (1)
[0045]
[0046] (2)
[0047]
[004引 （3)
[0049] 結(jié)合圖4中A、B兩幅圖像的重疊區(qū)域，i表示待融合的像素點距離重疊區(qū)域上邊界 的距離，dist為重疊區(qū)域上下邊界距離，center為dist的中屯、位置。融合結(jié)果的像素值為：
[0050] Pixresuit = PixA*ratio+PixB*( 1-ratio) (4)
[0051] 其中，PiXresult為重疊區(qū)域某一點的融合結(jié)果像素值，PiXA該點在圖像A中對應(yīng)的 像素值，P i XB為該點在圖像B中對應(yīng)的像素值，rat i O為曲線曲率。
[0052] W上所述的具體實施例，對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳 細說明，所應(yīng)理解的是，W上所述僅為本發(fā)明的具體實施例而已，并不用于限制本發(fā)明，凡 在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保 護范圍之內(nèi)。
【主權(quán)項】
1. 一種DR影像的拼接方法，其特征在于:所述方法包括如下步驟： 1) 采集圖像:DR系統(tǒng)采用正直攝影的方式采集圖像； 2) 圖像配準:首先將DR系統(tǒng)采集的圖像數(shù)據(jù)在低分辨率下進行粗略配準，然后將粗略 配準后的圖像數(shù)據(jù)在高分辨率下進行精細配準； 3) 圖像融合:對步驟2)處理后的圖像，采用基于多頻帶的曲線進行融合，消除圖像中的 重影。2. 根據(jù)權(quán)利要求1所述的一種DR影像的拼接方法，其特征在于:所述的步驟1)中采集圖 像時，DR系統(tǒng)的射線主光軸與像平面垂直，拍攝時的基線與像平面平行。3. 根據(jù)權(quán)利要求2所述的一種DR影像的拼接方法，其特征在于:采用DR系統(tǒng)對圖像進行 重復(fù)拍攝，圖像成像的重疊部分大于兩次拍攝時射線源距離的十分之一。4. 根據(jù)權(quán)利要求1所述的一種DR影像的拼接方法，其特征在于:所述的步驟2)中進行粗 略配準時，首先將DR系統(tǒng)采集的圖像的分辨率降低，然后結(jié)合canny邊緣算子和相位相關(guān)法 得出圖像在低分辨率下的粗略配準。5. 根據(jù)權(quán)利要求4所述的一種DR影像的拼接方法，其特征在于:進行精細配準時，首先 提高粗略配準后圖像的分辨率，使用MLNC測度函數(shù)來衡量兩幅圖像之間的相似度。6. 根據(jù)權(quán)利要求5所述的一種DR影像的拼接方法，其特征在于:使用MLNC測度函數(shù)來衡 量兩幅圖像之間的相似度時，首先將兩幅圖像的重疊部分細分為很多窗口，然后針對每個 窗口求取歸一化相關(guān)系數(shù)，將所有取得的歸一化相關(guān)系數(shù)求平均值。7. 根據(jù)權(quán)利要求1所述的一種DR影像的拼接方法，其特征在于:在步驟3)中對圖像進行 融合時，在高頻部分使用曲率大的曲線，融合曲線的數(shù)學(xué)模型如公式（1)所示;在低頻部分 使用曲率小的曲線，融合曲線的數(shù)學(xué)模型如公式(2)所示，中頻部分融合曲線的數(shù)學(xué)模型如 公式(3)所示；其中，ratio表示融合曲線的曲率，i表示待融合的像素點距離重疊區(qū)域上邊界的距離， dist表示重疊區(qū)域上下邊界的距離，center為dist的中心位置，融合結(jié)果的像素值為： Pixresuit = PixA*ratio+PixB*( I-ratio) (4) 其中，Pixre3suIt為重疊區(qū)域某一點的融合結(jié)果像素值，PixA為該點在圖像A中對應(yīng)的像素 值，P i XB為該點在圖像B中對應(yīng)的像素值。
【文檔編號】G06T3/40GK106023078SQ201610331276
【公開日】2016年10月12日
【申請日】2016年5月18日
【發(fā)明人】劉金虎, 王東輝, 加馮剛
【申請人】南京普愛醫(yī)療設(shè)備股份有限公司