基于数字图像处理技术的血管管径测量方法

摘要

本发明提供的是一种基于数字图像处理技术的血管管径测量方法。(1)对血管图像用高斯匹配滤波法进行增强；(2)将图像归一化、二值化；(3)根据数学形态学的相关理论，将图像细化，提取骨架；(4)用直线拟合的方法求出一段血管的斜率，并沿与其垂直的方向检测出血管的像素个数，再根据点距求得血管管径。本发明用于医学图像血管管径的测量，计算效率高，对图像质量要求不高，计算准确。

说明书

技术领域

本发明所涉及的是医学图像血管管径的测量方法，特别是基于数字图像处理技术的血管管径自动测量方法。

背景技术

几十年来，在医学方面主要采用投影法、摄片法、检眼镜测像法和显微镜测像法等手段进行血管管径测量，这类诊断多是采用机械和光学结合的机构。现有的这些方法人为的主观误差较大，不能从技术上根本解决管径边界较确切的关系和排除量化操作的主观随机误差。近年来，随着图像处理和计算机技术的引入，到目前为止出现了一些结合屏幕显示技术，如对某处测量区域用光标进行定标观测方式的类似“卡尺”测量的方法，这种技术自然掺有人为的主观因素，效果比较粗糙。临床上迫切需要一种客观性较强的管径量化方法作为辅助手段，因而把计算机图像处理技术应用于管径测量已成为当今的发展趋势和研究热点。

国内外血管管径测量方法的研究主要集中在血管图像处理方法。归类为预处理、分割技术、测量技术等技术方面。血管图像分割的主要目的是提取医生感兴趣的区域。现在国外已有许多专家针对血管图像的特点提出了多种分割方法，这些方法大致可分为两大类：第一类属于有规则的方法，包括血管追踪方法、匹配滤波法、局部自适应阈值法、拓扑自适应变形尺寸法、基于数学形态学的方法；第二类属于有监督的方法，包括基于神经网络的像素分类法、基于脊的血管分割法等。另外，有学者针对血管的横截面灰度分布类似高斯曲线，提出了基于高斯曲线模型的测量方法。如J.Lowell等提出的基于二维模型的血管宽度测量，L.Gang等提出的应用修改二阶高斯滤波器振幅方法来检测和测量血管；王淑珍等通过对血管图像实施放大、二值化、数学形态学处理、细化、边缘检测等处理方法测量血管。

发明内容

本发明的目的在于提供一种精度较高的基于数字图像处理技术的血管管径测量方法。

本发明的目的是这样实现的：1、对血管图像用高斯匹配滤波法进行增强；2、将图像归一化、二值化；3、根据数学形态学的相关理论，将图像细化，提取骨架；4、用直线拟合的方法求出一段血管的斜率，并沿与其垂直的方向检测出血管的像素个数，再根据点距求得血管管径。

本发明的有益效果是：1)计算效率高；2)对图像质量要求不高；3)计算准确。

附图说明

图1是判断血管交叉点的模板；

图2a是原始图片；

图2b是标尺图片；

图2c.是测量结果，矩形框内为测量区域，1S、2S、3S等为测量的血管段，彩色线段为测量点。

具体实施方式

下面举例对本发明做更详细的描述：

输入血管图像，用上、下、左、右四个参数用于指定测量区域，这四个值分别指示了测量区域距离原始图像上、下、左、右四个边界的距离(以像素为单位)。当上/下参数值小于0或者大于图像高度时，程序默认其值为0或者图像高度；当左/右参数值小于0或者大于图像宽度时，程序默认其值为0或者图像宽度。

本发明所提出的血管管径算法具体实现步骤如下：

步骤1，图像增强。

针对血管横截面灰度分布类似高斯曲线，因此采用高斯匹配滤波法对原始图像进行匹配滤波，以提取出血管部分，并且抑制非血管部分，同时也增强了血管的中轴线。

令二维滤波核的元素旋转后的滤波核元素为θ_i(0≤θ_i≤π)表示第i个匹配核的朝向(因为血管走向不同，一般需要12个不同方向(Δθ＝15°)的高斯模板对原图像进行卷积并以峰值(最大响应值)作为输出值时才能理想的提取出血管)。

设像素点(x，y)经旋转变换后得到的坐标值为(u，v)。将坐标值(u，v)代入下面的滤波核计算式中，

k_i(x，y)＝exp(-u²/2σ²)i＝0，1，...，11

其中，N＝{(u，v)|||u|≤3σ，|v|≤L/2}为血管段内的像素点的集合。取血管段长度L＝7，血管半径为3σ，σ＝1。这样便可建立12个滤波核。由于计算出的数据均为小于1的数值，令实际应用滤波核为k′(x，y)＝(k(x，y)-m_i)，其中m_i为该模板的均值。

步骤2，图像的归一化。

原图像经高斯匹配滤波增强后进行归一化，目的是消除采集时因图像灰度差异过大给后续处理带来的影响，可使图像的灰度间距拉开或者使灰度分布均匀，从而增大反差，使图像细节清晰，增强图像。归一化的公式是y＝I/图像的最大灰度值，其中y为归一化之后的图像，I为原图像。

步骤3，图像的二值化。

首先采用最大类间方差法求取二值化阈值，然后用计算该阈值所得到的二值图像中给定目标物(血管)所占比率，若该比率小于经验值0.35，则增大阈值，重新产生二值图像，直至产生满足要求的二值图像为止。

步骤4，细化。

利用形态学方法进行骨架化运算。

步骤5，用模式匹配的方法来确定血管的交叉点。

记录骨架线上各像素点的坐标，获取血管骨架的空间位置信息。用模式匹配的方法来确定血管的交叉点。根据血管交叉朝向的不同，预设了16种不同的血管交叉点的方向模板，如图1所示。

步骤6，用8-邻域扫描算法对骨架线上的像素点跟踪。

对每个血管交叉点进行循环并且做标记，用来判断该点是否已经处理，并且判断该点的类型。对每个血管交叉点判断其邻域的8个像素中，如果只有一个没做标记的血管点，则该点被看作是该血管段上的下一点，做上标记后继续进行处理；如果有超过两个没做标记的血管点，则当前点被记为分支。将没做标记的血管点做上标记后，作为新血管段的起点。然后把检测到的血管段上的下一点作为当前点，再判断其邻域的8个像素，依此循环，直到检测到血管的另一个分支点为止，这样就处理完了一段血管。

步骤7，测量像素点之间的物理距离。

输入一幅标尺图片。标尺上的刻度具有灰度突变的特性即边缘，本发明采用了sobel算子对图像进行边缘检测，能够有效的定位边缘并且抑制噪声。首先需要标定出标尺上刻度相对清晰的区域，以便得到更准确的结果。对图像进行水平投影和垂直投影，取灰度值大于最大灰度值的一半的点，用矩形标出并截取出这个区域。然后对该区域二值化，计算出矩形内上每一行像素点的个数，再求出这个矩形内脉冲的个数即刻度的个数，最后用矩形区域每一行像素点的总个数除以刻度的个数并求平均值，即相邻刻度间像素的平均个数，再用最小刻度除以相邻刻度间像素的平均个数，所得结果为像素点之间的物理距离，即点距。

步骤8，管径测量。

首先，把检测到的一个血管段上的点放在一个一维数组里，然后根据这些点拟合为一条直线，并且求出该直线的斜率。接下来，以6个像素为步长跟踪检测该血管的骨架线，每隔6个像素检测到的点为当前处理点，沿与这条骨架线拟合出来直线斜率相垂直的方向，向两边进行检测，直到检测到背景，即血管边缘为止。然后，把两个方向的像素个数相加起来就是血管管径所占有的像素个数。最后，根据步骤7中所得点距求出这些像素个数对应的长度，即为该段血管的血管管径。重复执行以上过程，直至所有的血管段都测量完毕。

图2是采用上述方法测量得到的血管管径结果，每一个测量点的具体宽度为(单位0.1mm)：

段1：214.29，214.29，214.29，214.29，200.00，207.14，214.29，214.29，207.14，214.29

段2：178.57，142.86，142.86，142.86，142.86，157.14，150.00，150.00，150.00，142.86，142.86，142.86，142.86，150.00，157.14，150.00，150.00，142.86，150.00，150.00，150.00，207.14

段3：235.71，207.14，214.29，228.57，228.57，228.57。