一种抑制数字化X线胸片图像中骨骼阴影的方法及系统

摘要

本发明适用于图像处理，提供了一种抑制数字化X线胸片图像中骨骼阴影的方法，步骤包括：步骤A，接收输入的胸片图像，确认胸片图像中的各骨骼区域中心线；步骤B，根据所述骨骼区域中心线进行骨骼灰度剖面线采样并记录采样点坐标，由采样的骨骼灰度剖面线得到骨骼灰度剖面图像；步骤C，根据所述采样点坐标和所述骨骼灰度剖面图像得到骨骼阴影图像，然后根据所述胸片图像和所述骨骼阴影图像得到骨骼阴影抑制图像。本发明在无需X线双能减影设备的情况下，无需利用双能减影图像进行建模学习，直接对单幅常规X线胸片图像进行处理，实现胸片图像骨骼影像的抑制。进一步地，本发明采用平滑和曲面拟合技术估计骨骼阴影灰度，可有效保持输入X线胸片图像中的细节结构。

说明书

技术领域

本发明属于图像处理领域，尤其涉及一种抑制数字化X线胸片图像中骨骼阴影的方法及系统。

背景技术

X线胸部平片(简称胸片)是检测肺结节和诊断肺部疾病的基本影像手段。然而，常规胸片中解剖结构互相重叠，部分肺内小结节和病变组织可能由于肋骨和锁骨的遮挡而漏诊。对于一些胸片的计算机辅助诊断软件，检测被肋骨和锁骨的遮挡的结节也存在困难。抑制胸片中的骨骼影像，可解决解剖结构影像重叠的问题，增强X线胸片的可视性，方便医生进行影像判读诊断和计算机辅助诊断软件进行处理。

双能减影(DualEnergySubtraction，DES)技术可用于解决这一问题。双能减影技术是用高、低两种不同能量的X线摄取两幅图像，利用组织对不同能量X线衰减系数不同的现象，对其进行加权减影处理，可将不同衰减系数的组织分开，生成软组织像和骨像。然而，相对常规胸片的摄片方式，DES技术需要在普通X线DR或CR设备上配备额外的设备和软件才能使用，并会使病人接受的辐射剂量有所增加，在生成的软组织像和骨像还可能存在严重的运动伪影。虽然DES具有重要的临床应用价值，但尚未在临床检查和普查中普及应用。

发明内容

本发明所要解决的技术问题在于提供一种抑制数字化X线胸片图像中骨骼阴影的方法及系统，旨在解决现有技术需要在双能减影技术下才能实现胸片图像的阴影抑制，因此造成病人接收辐射剂量增加的问题。

本发明是这样实现的，一种抑制数字化X线胸片图像中骨骼阴影的方法，步骤包括：

步骤A，接收输入的胸片图像，确认胸片图像中的各骨骼区域中心线；

步骤B，根据所述骨骼区域中心线进行骨骼灰度剖面线采样并记录采样点坐标，由采样的骨骼灰度剖面线得到骨骼灰度剖面图像；

步骤C，根据所述采样点坐标和所述骨骼灰度剖面图像得到骨骼阴影图像，然后根据所述胸片图像和所述骨骼阴影图像得到骨骼阴影抑制图像。

进一步地，步骤A具体包括：

步骤A11，接收输入的胸片图像；以I表示输入的胸片图像，以(x，y)表示输入的胸片图像中各像素点的坐标；

步骤A12，根据输入的胸片图像确认单条骨骼；

步骤A13，根据单条骨骼中的骨骼阴影，输入骨骼区域中心线。

进一步地，步骤A具体包括：

步骤A21，接收输入的胸片图像；以I表示输入的胸片图像，以(x，y)表示输入的胸片图像中各像素点的坐标；

步骤A22，根据输入的胸片图像确认单条骨骼；

步骤A23，根据单条骨骼中的骨骼阴影确定对应的骨骼轮廓；以C表示输入的骨骼轮廓，则C＝{(x_i,y_i),i＝1,2,...,n}，其中n为骨骼轮廓上像素点的数目；

步骤A24，由骨骼轮廓构建二值图像，通过数学形态学提取骨架操作对所述二值图像提取骨架，然后将提取的骨架上的分叉进行去除，得到初始中心线；

步骤A25，对所述初始中心线使用高斯核进行一维卷积，得到平滑处理后的骨骼区域中心线。

进一步地，步骤B具体包括：

步骤B1，沿所述骨骼区域中心线进行等间距采样；以L表示骨骼区域中心线上的采样点集合，m为骨骼区域中心线上采样点的数目，则L＝{(x_j,y_j),j＝1,2,...,m}；

步骤B2，以骨骼区域中心线上的每一采样点为中心，沿该点的法线方向在所述胸片图像上进行等间距采样，并记录每一法线方向上的采样点坐标，然后对每一法线方向上的每一采样点通过插值计算出灰度值，以法线方向上采样点集合对应的灰度值构成骨骼灰度剖面线；

步骤B3，设骨骼区域中心线上的每一采样点对应的骨骼灰度剖面线为原始向量，对原始向量进行平滑处理后得到平滑向量，将所有平滑向量按照该采样点的大小顺序进行排列，得到平滑的骨骼灰度剖面图像；

设骨骼区域中心线L上中j个点对应的骨骼灰度剖面线为原始向量S_j，对原始向量S_j进行平滑处理后得到平滑向量其中，平滑向量通过最小化能量函数进行求取，即：

$>E\left({\hat{S}}_j\right)=\left|\right|{\hat{S}}_j-S_j|{|}^2+\lambda |\left|D{\hat{S}}_j\right|{|}^2,D=\left(\begin{array}{ccccc}-1& 1& 0& ...& 0\\ 1& -2& 1& 0& ...\\ & ...& ...& ...& \\ 0& ...& 1& -2& 1\\ 0& 0& ...& 1& -1\end{array}\right),$>λ为平滑系数，能量通过最小二乘法快速优化，求解得到平滑向量将所有平滑向量按标号j的大小顺序进行排列，得到平滑的骨骼灰度剖面图像，以G表示骨骼灰度剖面图像，则

进一步地，步骤C具体包括：

步骤C1，以骨骼灰度剖面图像中位于骨骼区域之外的像素灰度为已知数据，以骨骼区域内的像素灰度为未知数据，利用平滑性约束进行曲面拟合计算骨骼区域内的像素灰度，拟合曲面上的网格点得到骨骼周围区域软组织灰度图像；

步骤C2，根据骨骼灰度图像和骨骼周围区域软组织灰度图像进行计算，得到初始骨骼阴影图像；

以G表示所述骨骼灰度剖面图像，H表示所述骨骼周围区域软组织灰度图像，B表示所述初始骨骼阴影图像，则：B＝G-H；

步骤C3，根据所述采样点坐标和初始骨骼阴影图像中的像素灰度构成散点数据，通过双线性变或自然邻域方法进行内插估计网格上的灰度值，并将采样区域外网格点对应的灰度值置为0，得到骨骼阴影图像；骨骼阴影图像中的像素与输入的胸片图像中的像素一一对应；

步骤C4，计算骨骼阴影抑制图像；

以I₁表示骨骼阴影抑制图像，B₁表示骨骼阴影图像，I表示输入的胸片图像,则：I₁＝I-B₁。

本发明还提供了一种抑制数字化X线胸片图像中骨骼阴影的系统，包括：

输入确定单元，用于接收输入的胸片图像，确认胸片图像中的各骨骼区域中心线；

采样单元，与所述输入确定单元相连接，用于根据所述骨骼区域中心线进行骨骼灰度剖面线采样并记录采样点坐标，由采样的骨骼灰度剖面线得到骨骼灰度剖面图像；

图像抑制单元，与所述采样单元相连接，用于根据所述采样点坐标和所述骨骼灰度剖面图像得到骨骼阴影图像，然后根据所述胸片图像和所述骨骼阴影图像得到骨骼阴影抑制图像。

进一步地，所述输入确定单元具体用于：

首先，接收输入的胸片图像；以I表示输入的胸片图像，以(x，y)表示输入的胸片图像中各像素点的坐标；

然后，根据输入的胸片图像确认单条骨骼；

最后，根据确认的单条骨骼，输入骨骼区域中心线。

进一步地，所述输入确定单元具体用于：

首先，接收输入的胸片图像；以I表示输入的胸片图像，以(x，y)表示输入的胸片图像中各像素点的坐标；

其次，根据输入的胸片图像确认单条骨骼；

再次，根据单条骨骼中的骨骼阴影确定对应的骨骼轮廓；以C表示输入的骨骼轮廓，则C＝{(xi,yi),i＝1,2,...,n}，其中n为骨骼轮廓上像素点的数目；

接着，由骨骼轮廓构建二值图像，通过数学形态学提取骨架操作对所述二值图像提取骨架，然后将提取的骨架上的分叉进行去除，得到初始中心线；

最后，对所述初始中心线使用高斯核进行一维卷积，得到平滑处理后的骨骼区域中心线。

进一步地，采样单元具体用于：

首先，沿所述骨骼区域中心线进行等间距采样；以L表示骨骼区域中心线上的采样点集合，m为骨骼区域中心线上采样点的数目，则L＝{(x_j,y_j),j＝1,2,...,m}；

其次，以骨骼区域中心线上的每一采样点为中心，沿该点的法线方向在所述胸片图像上进行等间距采样，并记录每一法线方向上的采样点坐标，然后对每一法线方向上的每一采样点通过插值计算出灰度值，以法线方向上采样点集合对应的灰度值构成骨骼灰度剖面线；

最后，设骨骼区域中心线上的每一采样点对应的骨骼灰度剖面线为原始向量，对原始向量进行平滑处理后得到平滑向量，将所有平滑向量按照该采样点的大小顺序进行排列，得到平滑的骨骼灰度剖面图像；

设骨骼区域中心线L上中j个点对应的骨骼灰度剖面线为原始向量S_j，对原始向量S_j进行平滑处理后得到平滑向量其中，平滑向量通过最小化能量函数进行求取，即：

$>E\left({\hat{S}}_j\right)=\left|\right|{\hat{S}}_j-S_j|{|}^2+\lambda |\left|D{\hat{S}}_j\right|{|}^2,D=\left(\begin{array}{ccccc}-1& 1& 0& ...& 0\\ 1& -2& 1& 0& ...\\ & ...& ...& ...& \\ 0& ...& 1& -2& 1\\ 0& 0& ...& 1& -1\end{array}\right),$>λ为平滑系数，能量通过最小二乘法快速优化，求解得到平滑向量将所有平滑向量按标号j的大小顺序进行排列，得到平滑的骨骼灰度剖面图像，以G表示骨骼灰度剖面图像，则

进一步地，图像抑制单元具体用于：

首先，以骨骼灰度剖面图像中位于骨骼区域之外的像素灰度为已知数据，以骨骼区域内的像素灰度为未知数据，利用平滑性约束进行曲面拟合计算骨骼区域内的像素灰度，拟合曲面上的网格点得到骨骼周围区域软组织灰度图像；

其次，根据骨骼灰度图像和骨骼周围区域软组织灰度图像进行计算，得到初始骨骼阴影图像；

以G表示所述骨骼灰度剖面图像，H表示所述骨骼周围区域软组织灰度图像，B表示所述初始骨骼阴影图像，则：B＝G-H；

然后，根据所述采样点坐标和初始骨骼阴影图像中的像素灰度构成散点数据，通过双线性变或自然邻域方法进行内插估计网格上的灰度值，并将采样区域外网格点对应的灰度值置为0，得到骨骼阴影图像；骨骼阴影图像中的像素与输入的胸片图像中的像素一一对应；

最后，计算骨骼阴影抑制图像；

以I₁表示骨骼阴影抑制图像，B₁表示骨骼阴影图像，I表示输入的胸片图像,则：I₁＝I-B₁。

本发明与现有技术相比，有益效果在于：本发明在无需X线双能减影设备的情况下，无需利用双能减影图像进行建模学习，直接对单幅常规X线胸片图像进行处理，实现胸片图像骨骼影像的抑制。进一步地，本发明采用平滑和曲面拟合技术估计骨骼阴影灰度，可有效保持输入X线胸片图像中的细节结构。

附图说明

图1是本发明实施例一提供的一种抑制数字化X线胸片图像中骨骼阴影的方法的流程图。

图2是本发明实施例一提供的一种抑制数字化X线胸片图像中骨骼阴影的方法的详细流程图。

图3是本发明实施例一中输入胸片图像和骨骼轮廓的示意图。

图4是本发明实施例一中骨骼轮廓对应的二值图像。

图5是本发明实施例一中经平滑后的骨骼区域中心线示意图。

图6是本发明实施例一提供的骨骼灰度剖面线采样点示意图。

图7a和图7b分别是本发明实施例一提供的经平滑处理前后的骨骼灰度剖图像对比示意图。

图8是本发明实施例一提供的骨骼周围区域软组织灰度图像。

图9是本发明实施例一提供的初始骨骼阴影图像。

图10是本发明实施例一提供的经内插得到的骨骼阴影图像。

图11是本发明实施例一提供的骨骼阴影抑制图像。

图12是本发明实施例而提供的一种抑制数字化X线胸片图像中骨骼阴影的系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供了一种在不需进行X线双能减影摄片的情况下对数字化X线图像中骨骼影像进行抑制的方法及系统。具体地，本发明对普通X线DR或CR设备摄取的单幅数字化X线胸片中肋骨和锁骨的影像进行抑制。

因此，如图1所示，为本发明实施例一提供的一种抑制数字化X线胸片图像中骨骼阴影的方法，步骤包括：

S1，接收输入的胸片图像，确认胸片图像中的各骨骼区域中心线；

S2，根据所述骨骼区域中心线进行骨骼灰度剖面线采样并记录采样点坐标，由采样的骨骼灰度剖面线得到骨骼灰度剖面图像；

S3，根据所述采样点坐标和所述骨骼灰度剖面图像得到骨骼阴影图像，然后根据所述胸片图像和所述骨骼阴影图像得到骨骼阴影抑制图像。

具体的，在步骤是S1，骨骼区域中心线可以由手工输入，或者先输入骨骼轮廓再进行骨骼区域中心线提取得到；

直接输入骨骼区域中心线的步骤包括：

S11，接收输入的胸片图像；以I表示输入的胸片图像，以(x，y)表示输入的胸片图像中各像素点的坐标；

S12，根据输入的胸片图像确认单条骨骼；

S13，根据单条骨骼中的骨骼阴影，输入骨骼区域中心线。

先输入骨骼轮廓再确认骨骼区域中心线的步骤包括：

S21，接收输入的胸片图像；以I表示输入的胸片图像，以(x，y)表示输入的胸片图像中各像素点的坐标；

S22，根据输入的胸片图像确认单条骨骼；

S23，根据单条骨骼中的骨骼阴影确定对应的骨骼轮廓；以C表示输入的骨骼轮廓，则C＝{(xi,yi),i＝1,2,...,n}，其中n为骨骼轮廓上像素点的数目；

S24，由骨骼轮廓构建二值图像，通过数学形态学提取骨架操作对所述二值图像提取骨架，然后将提取的骨架上的分叉进行去除，得到初始中心线；

S25，对所述初始中心线使用高斯核进行一维卷积，得到平滑处理后的骨骼区域中心线。

下面，对本发明进行详细的阐述：

本发明主要包括以下步骤：1.输入胸片图像和单条骨骼轮廓；2.提取骨骼区域中心线并平滑；3.骨骼灰度剖面线采样；4.对骨骼灰度剖面进行平滑处理，然后排列形成灰度剖面图像；5.估计骨骼周围软组织区域灰度；6.估计骨骼阴影灰度并进行加窗处理；7.将估计的骨骼阴影在网格点进行内插，生成与输入胸片图像坐标抑制的骨骼阴影图像；8.从输入胸片图像中减去骨骼阴影图像；9.重复步骤1-8，直至所有骨骼处理完成，得到骨骼阴影抑制处理后的图像。

具体实现如下：

步骤1：设输入的胸片图像为I，图像I中各像素点的坐标记为(x,y)；输入的骨骼轮廓为C＝{(xi,yi),i＝1,2,...,n}，其中n为骨骼轮廓上像素点的数目。骨骼轮廓可由自动检测或者手工勾画方式进行输入得到，如图3所示，图中白色虚线为输入的肋骨轮廓。

步骤2：由骨骼轮廓C构造二值图像M，M中轮廓内部区域像素的灰度值为1，其他像素的灰度值为0，如图4所示。通过对二值图像M进行数学形态学提取骨架操作提取骨架，将骨架上的细小分叉去除后作为骨骼的初始中心线。对初始中心线使用高斯核进行一维卷积，得到平滑处理后的骨骼区域中心线，如图5中白色虚线所示。

步骤3：沿平滑后的骨骼区域中心线等间距采样，记中心线上的采样点集合为L＝{(xj,yj),j＝1,2,...,m}。这里，m为骨骼区域中心线上采样点的数目。L中第j个点处的法线方向通过如下方式计算：

对L中的第j个点，沿其法线方向以点(x_j,y_j)为中心在输入胸片图像上进行等间隔采样，并记录采样点坐标；通过插值计算采样点上的灰度值，法线方向上采样点集合对应的灰度值构成骨骼灰度剖面线。对L中的各点骨骼灰度剖面线采样宽度相等，其值适当大于骨骼宽度，如1.5～2倍的骨骼平均宽度。如图6所示，图中白色虚线为骨骼区域中心线，三条白色点线分别为骨骼区域中心线上三个点对应的骨骼灰度剖面线。

步骤4：设步骤3中L中j个点对应的骨骼灰度剖面线为原始向量S_j，平滑处理后得到的平滑向量记为通过最小化下面的能量函数进行求取：

$>E\left({\hat{S}}_j\right)=\left|\right|{\hat{S}}_j-S_j|{|}^2+\lambda |\left|D{\hat{S}}_j\right|{|}^2,$>

其中$>D=\left(\begin{array}{ccccc}-1& 1& 0& ...& 0\\ 1& -2& 1& 0& ...\\ & ...& ...& ...& \\ 0& ...& 1& -2& 1\\ 0& 0& ...& 1& -1\end{array}\right);$>λ为平滑系数，需取较大值(如10000)。能量可通过最小二乘法快速优化，求解得到平滑向量将所有按标号j的大小顺序进行排列，得到平滑的骨骼灰度剖面图像如图7b所示。经过平滑处理，骨骼灰度剖面图像上的细节结构被有效消除。

步骤5：假设输入的胸片图像中骨骼周围区域的软组织灰度值在大尺度上是平滑的。取骨骼灰度剖面图像G中位于骨骼区域之外的像素灰度作为已知数据，而骨骼区域内的像素灰度未知，利用平滑性约束进行曲面拟合估计骨骼区域内的像素灰度，拟合曲面上的网格点得到骨骼周围区域软组织灰度图像H，如图8所示，H中像素的灰度值可看做软组织在较大尺度上灰度值的估计。

步骤6：由步骤4和5的结果，计算初始骨骼阴影图像B＝G-H。由于骨骼阴影图像灰度值一定是大于0的，将初始骨骼阴影图像B中灰度值小于0的像素点对应的灰度值置为0。为避免在骨骼阴影抑制结果出现灰度的明显不连续之处，对初始骨骼阴影图像B在采样方向上进行加窗处理，使得初始骨骼阴影图像B在接近边界的地方，如图9所示。在本实施例中，窗函数选用Tukey窗。

步骤7：由步骤3中图像采样点坐标和初始骨骼阴影图像B中像素灰度构成散点数据，通过双线性或自然邻域方法进行内插估计网格点上的灰度值，并将采样区域外网格点对应的灰度值置为0，构成骨骼阴影图像B₁，如图10所示。骨骼阴影图像B₁中像素与输入的胸片图像I中像素一一对应。

步骤8：计算骨骼阴影抑制图像I₁。其中：I₁＝I-B₁，骨骼阴影抑制图像I₁如图11所示，图3中骨骼轮廓区域内的骨骼阴影被有效消除，其他细节被有效保持。

在具体应用中：

步骤1中，可对输入图像进行缩放处理，以提高计算效率。

步骤2中，骨骼中心线可采用数学形态学细化操作或者中轴变换进行提取。

步骤2中，骨骼中心线的平滑处理可采用其他方式，如滑动平均、Savitzky–Golay滤波器等。

步骤3中，中心线采样间距和法线方向采样间距可大于、小于或者等于1个像素。

步骤8中，可对骨骼阴影图像B₁乘以不同系数，然后从输入图像中减去B₁，以不同程度的骨抑制处理。

如图12所示，为本发明提供的一种抑制数字化X线胸片图像中骨骼阴影的系统，包括：

输入确定单元1，用于输入胸片图像，确认骨骼区域中心线；

采样单元2，与输入确定单元1相连接，用于根据所述骨骼区域中心线进行骨骼灰度剖面线采样并记录采样点坐标，得到骨骼灰度剖面图像；

图像抑制单元3，与采样单元2相连接，用于根据所述采样点坐标和所述骨骼灰度剖面图像进行处理，得到骨骼阴影图像，然后根据所述胸片图像和所述骨骼阴影图像进行处理，得到骨骼阴影抑制图像。

进一步地，输入确定单元1具体用于：

首先，输入胸片图像；以I表示输入的胸片图像，以(x，y)表示输入的胸片图像中各像素点的坐标；

然后，根据输入的胸片图像确认单条骨骼；

最后，根据确认的单条骨骼，输入骨骼区域中心线。

进一步地，输入确定单元1具体用于：

首先，输入胸片图像；以I表示输入的胸片图像，以(x，y)表示输入的胸片图像中各像素点的坐标；

其次，根据输入的胸片图像确认单条骨骼；

再次，根据确认的单条骨骼，输入骨骼轮廓；以C表示输入的骨骼轮廓，则C＝{(xi,yi),i＝1,2,...,n}，其中n为骨骼轮廓上像素点的数目；

接着，由骨骼轮廓构建二值图像，通过数学形态学提取骨架操作对所述二值图像提取骨架，然后将提取的骨架上的分叉进行去除，得到初始中心线；

最后，对所述初始中心线使用高斯核进行一维卷积，得到平滑处理后的骨骼区域中心线。

进一步地，采样单元2具体用于：

首先，沿所述骨骼区域中心线进行等间距采样；以L表示骨骼区域中心线上的采样点集合，m为骨骼区域中心线上采样点的数目，则L＝{(x_j,y_j),j＝1,2,...,m}；

其次，以骨骼区域中心线上的每一采样点为中心，沿该点的法线方向在所述胸片图像上进行等间距采样，并记录每一法线方向上的采样点坐标，然后对每一法线方向上的每一采样点通过插值计算出灰度值，以法线方向上采样点集合对应的灰度值构成骨骼灰度剖面线；

最后，设骨骼区域中心线上的每一采样点对应的骨骼灰度剖面线为原始向量，对原始向量进行平滑处理后得到平滑向量，将所有平滑向量按照该采样点的大小顺序进行排列，得到平滑的骨骼灰度剖面图像；

设骨骼区域中心线L上中j个点对应的骨骼灰度剖面线为原始向量S_j，对原始向量S_j进行平滑处理后得到平滑向量其中，平滑向量通过最小化能量函数进行求取，即：

$>E\left({\hat{S}}_j\right)=\left|\right|{\hat{S}}_j-S_j|{|}^2+\lambda |\left|D{\hat{S}}_j\right|{|}^2,D=\left(\begin{array}{ccccc}-1& 1& 0& ...& 0\\ 1& -2& 1& 0& ...\\ & ...& ...& ...& \\ 0& ...& 1& -2& 1\\ 0& 0& ...& 1& -1\end{array}\right),$>λ为平滑系数，能量通过最小二乘法快速优化，求解得到平滑向量将所有平滑向量按标号j的大小顺序进行排列，得到平滑的骨骼灰度剖面图像，以G表示骨骼灰度剖面图像，则

进一步地，图像抑制单元3具体用于：

首先，以骨骼灰度剖面图像中位于骨骼区域之外的像素灰度为已知数据，以骨骼区域内的像素灰度为未知数据，利用平滑性约束进行曲面拟合计算骨骼区域内的像素灰度，拟合曲面上的网格点得到骨骼周围区域软组织灰度图像；

其次，根据骨骼灰度图像和骨骼周围区域软组织灰度图像进行计算，得到初始骨骼阴影图像；

以G表示所述骨骼灰度剖面图像，H表示所述骨骼周围区域软组织灰度图像，B表示所述初始骨骼阴影图像，则：B＝G-H；

然后，根据所述采样点坐标和初始骨骼阴影图像中的像素灰度构成散点数据，通过双线性变或自然邻域方法进行内插估计网格上的灰度值，并将采样区域外网格点对应的灰度值置为0，得到骨骼阴影图像；骨骼阴影图像中的像素与输入的胸片图像中的像素一一对应；

最后，计算骨骼阴影抑制图像；

以I₁表示骨骼阴影抑制图像，B₁表示骨骼阴影图像，I表示输入的胸片图像,则：I₁＝I-B₁。

本发明可用于X线胸片图像的后处理和增强显示，便于医生对胸片影像进行判读。

本发明可用于X线胸片的计算机辅助诊断软件，将骨骼阴影抑制处理的图像作为软件的输入图像进行病灶和异常区域的自动检测和识别。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。