图像处理方法、装置、设备、系统及计算机可读存储介质

专利名称：图像处理方法、装置、设备、系统及计算机可读存储介质

专利类型：实用新型专利

专利申请号：CN202011193184.X

专利申请（专利权）人：湖北锐世数字医学影像科技有限公司
权利人地址：湖北省鄂州市梧桐湖新区凤凰大道9号东湖高新科技创意城A-03

专利发明（设计）人：李炳轩

专利摘要：本申请实施例公开了一种图像处理方法、装置、设备、系统及计算机可读存储介质，该方法包括：按照预设规则将所获取的原始图像划分为多个区域；计算每个所述区域的原始灰度值的总变化率；判断所述总变化率是否大于预设值，当判断出所述原始灰度值的总变化率大于或等于所述预设值时，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理，并且当判断出所述原始灰度值的总变化率小于所述预设值时，调用所构建的第二降噪模型对所述原始灰度值进行二阶全变分处理。通过利用本申请实施例提供的技术方案，可以实现在去除图像中噪声的同时提高其空间分辨率的目的。

主权利要求：
1.一种图像处理方法，其特征在于，所述方法包括：按照预设规则将所获取的原始图像划分为多个区域，所述原始图像包括CT图像、MRI图像、PET图像、PET‑CT图像或超声图像；
计算每个所述区域的原始灰度值的总变化率；
判断所述原始灰度值的所述总变化率是否大于预设值，当判断出所述原始灰度值的总变化率大于或等于所述预设值时，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理，并且当判断出所述原始灰度值的总变化率小于所述预设值时，调用所构建的第二降噪模型对所述原始灰度值进行二阶全变分处理；
其中，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理，所述图像处理方法还包括：
判断处理后得到的每个像素点的总灰度值是否大于或等于第一预设阈值；
若是，将处理后得到的总灰度值确定为该像素点的最终灰度值，或当所述原始图像为二维图像时，按照以下公式来计算所述像素点的最终灰度值：f′x，y＝fx，y+k×[(fx，y‑fx‑1，y)+(fx，y‑fx，y‑1)]当所述原始图像为三维图像时，按照以下公式来计算所述像素点的最终灰度值：f′x，y，z＝fx，y，z+k×[(fx，y，z‑fx‑1,y,z)+(fx，y，z‑fx，y‑1，z)+(fx，y，z‑fx，y，z‑1)]若否，当所述原始图像为二维图像时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：
f′x，y＝fx，y‑(fx，y‑fx‑1，y)‑(fx，y‑fx，y‑1)当所述原始图像为三维图像时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：
f′x，y，z＝fx，y，z‑(fx，y，z‑fx‑1,y,z)‑(fx，y，z‑fx，y‑1，z)‑(fx，y，z‑fx，y，z‑1)其中，fx，y、fx‑1，y和fx，y‑1分别表示位于坐标(x，y)、(x‑1，y)和(x,y‑1)处的像素点的原始灰度值；f′x，y表示位于坐标(x，y)处的像素点的最终灰度值；fx，y，z、fx‑1，y，z、fx，y‑1，z和fx，y，z‑1分别表示位于坐标(x,y,z)、(x‑1，y，z)、(x,y‑1，z)和(x,y,z‑1)处的像素点的原始灰度值；
f′x，y，z表示位于坐标(x,y,z)处的像素点的最终灰度值；x、y和z均为自然数；k为图像增强系数。
2.根据权利要求1所述的方法，其特征在于，按照预设规则将所述原始图像划分为多个区域的步骤包括：
根据所述原始图像的构成元素、物理属性或方位将所述原始图像划分为多个区域。
3.根据权利要求1所述的方法，其特征在于，计算每个所述区域的原始灰度值的总变化率的步骤包括：
针对每个所述区域，依次计算所述区域内的每两个相邻像素点的原始灰度值之间的差值；
根据所述原始灰度值的差值与每两个相邻所述像素点的坐标差值来确定两个相邻所述像素点的所述原始灰度值的变化率；
根据所得到的所述区域内的所有所述像素点的所述原始灰度值的变化率来确定所述区域的所述原始灰度值的总变化率。
4.根据权利要求3所述的方法，其特征在于，确定所述区域的所述原始灰度值的总变化率的步骤包括：
将所述区域内的所有所述像素点的所述原始灰度值的变化率的平均值确定为所述区域的所述原始灰度值的总变化率；或者
对所述区域内的所有所述像素点的所述原始灰度值的变化率进行均方差运算以获得所述区域的所述原始灰度值的总变化率。
5.根据权利要求1所述的方法，其特征在于，计算每个所述区域的原始灰度值的总变化率的步骤还包括：
统计每个所述区域内的所有像素点的所述原始灰度值的变化规律，并且当所述原始灰度值呈线性变化时，将所述原始灰度值的线性变化的斜率确定为所述区域的所述原始灰度值的所述总变化率。
6.根据权利要求1所述的方法，其特征在于，当所述原始图像为二维图像时，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理的步骤包括：按照以下公式依次对满足所述原始灰度值的总变化率大于或等于所述预设值的所有区域内的所有像素点的原始灰度值进行一阶梯度处理：其中， 为处理后得到的位于坐标(x,y)处的像素点的总灰度值。
7.根据权利要求1所述的方法，其特征在于，当所述原始图像为三维图像时，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理的步骤包括：按照以下公式依次对满足所述原始灰度值的总变化率大于或等于所述预设值的所有区域内的所有像素点的原始灰度值进行一阶梯度处理：其中， 表示处理后得到的位于坐标(x，y，z)处的像素点的总灰度值。
8.根据权利要求1所述的方法，其特征在于，当所述原始图像为二维图像时，调用所述第二降噪模型对所述原始灰度值进行二阶全变分处理的步骤包括：按照以下公式依次对满足所述原始灰度值的总变化率小于所述预设值的所有区域内的所有像素点的原始灰度值进行二阶梯度处理：针对每个所述区域，判断处理后得到的每个所述像素点的总灰度值是否大于第二预设阈值；
针对每个所述像素点，当判断出处理后得到的所述总灰度值大于或等于所述第二预设阈值时，将所述总灰度值确定为所述像素点的最终灰度值，或者按照以下公式来计算所述像素点的最终灰度值：
而当判断出所述总灰度值小于所述第二预设阈值时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：其中，fx，y、fx‑1，y、fx+1，y、fx，y‑1和fx，y+1分别表示位于坐标(x，y)、(x‑1，y)、(x+1，y)、(x，y‑
1)和(x，y+1)处的像素点的原始灰度值； 和 分别表示处理后得到的位于坐标(x，y)处的像素点在x轴和y轴方向上的灰度值； 为处理后得到的位于坐标(x，y)处的像素点的总灰度值；f′x，y表示位于坐标(x，y)处的像素点的最终灰度值；x和y均为自然数；k为图像增强系数。
9.根据权利要求1所述的方法，其特征在于，当所述原始图像为三维图像时，调用所述第二降噪模型对所述原始灰度值进行二阶全变分处理的步骤包括：按照以下公式依次对满足所述原始灰度值的总变化率小于所述预设值的所有区域内的所有像素点的原始灰度值进行二阶梯度处理：针对每个所述区域，判断处理后得到的每个所述像素点的总灰度值是否大于第二预设阈值；
针对每个所述像素点，当判断出处理后得到的所述总灰度值大于或等于所述第二预设阈值时，将所述总灰度值确定为所述像素点的最终灰度值，或者按照以下公式来计算所述像素点的最终灰度值：
而当判断出所述总灰度值小于所述第二预设阈值时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：其中，fx，y，z、fx‑1，y，z、fx+1，y，z、fx，y‑1，z、fx，y+1，z、fx，y，z‑1和fx，y，z+1分别表示位于坐标(x,y,z)、(x‑1，y，z)、(x+1，y，z)、(x,y‑1，z)、(x,y+1，z)(x,y,z‑1)、(x,y,z+1)处的像素点的原始灰度值； 和 分别表示处理后得到的位于坐标(x,y,z)处的像素点在x轴、y轴和z轴方向上的灰度值； 为处理后得到的位于坐标(x,y,z)处的像素点的总灰度值；f′x，y，z表示位于坐标(x,y,z)处的像素点的最终灰度值；x、y和z均为自然数；k为图像增强系数。
10.一种图像处理装置，其特征在于，所述装置包括：划分单元，其被配置为按照预设规则将所获取的原始图像划分为多个区域，所述原始图像包括CT图像、MRI图像、PET图像、PET‑CT图像或超声图像；
计算单元，其被配置为计算每个所述区域的原始灰度值的总变化率；
处理单元，其被配置为判断所述总变化率是否大于预设值，在判断出所述原始灰度值的总变化率大于或等于所述预设值时，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理，并且在判断出所述原始灰度值的总变化率小于所述预设值时，调用所构建的第二降噪模型对所述原始灰度值进行二阶全变分处理；
其中，所述处理单元调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理，包括：
判断处理后得到的每个像素点的总灰度值是否大于或等于第一预设阈值；
若是，将处理后得到的总灰度值确定为该像素点的最终灰度值，或当所述原始图像为二维图像时，按照以下公式来计算所述像素点的最终灰度值：f′x，y＝fx，y+k×[(fx，y‑fx‑1，y)+(fx，y‑fx，y‑1)]当所述原始图像为三维图像时，按照以下公式来计算所述像素点的最终灰度值：f′x，y，z＝fx，y，z+k×[(fx，y，z‑fx‑1,y,z)+(fx，y，z‑fx，y‑1，z)+(fx，y，z‑fx，y，z‑1)]若否，当所述原始图像为二维图像时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：
f′x，y＝fx，y‑(fx，y‑fx‑1，y)‑(fx，y‑fx，y‑1)当所述原始图像为三维图像时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：
f′x，y，z＝fx，y，z‑(fx，y，z‑fx‑1,y,z)‑(fx，y，z‑fx，y‑1，z)‑(fx，y，z‑fx，y，z‑1)其中，fx，y、fx‑1，y和fx，y‑1分别表示位于坐标(x，y)、(x‑1，y)和(x,y‑1)处的像素点的原始灰度值；f′x，y表示位于坐标(x，y)处的像素点的最终灰度值；fx，y，z、fx‑1，y，z、fx，y‑1，z和fx，y，z‑1分别表示位于坐标(x,y,z)、(x‑1，y，z)、(x,y‑1，z)和(x,y,z‑1)处的像素点的原始灰度值；
f′x，y，z表示位于坐标(x,y,z)处的像素点的最终灰度值；x、y和z均为自然数；k为图像增强系数。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时能够实现如权利要求1‑9中任一项所述的图像处理方法。
12.一种计算机设备，其特征在于，所述设备包括处理器和存储器，其中，所述存储器上存储有计算机程序，当所述计算机程序被执行时，所述处理器执行如权利要求1‑9中任一项所述的图像处理方法。
13.一种图像处理系统，其特征在于，所述系统包括如权利要求12中所述的计算机设备以及与所述计算机设备连接的扫描设备。
14.根据权利要求13所述的系统，其特征在于，所述扫描设备包括CT扫描仪、MRI扫描仪、PET探测器、PET‑CT设备或超声设备。 说明书 : 图像处理方法、装置、设备、系统及计算机可读存储介质技术领域[0001] 本申请涉及图像处理技术领域，特别涉及一种图像处理方法、装置、设备、系统及计算机可读存储介质。背景技术[0002] 正电子发射断层成像(PositronEmissionComputedTomography，简称PET)、计算机断层成像(ComputedTomography，简称CT)等医学图像的质量对临床诊断的准确度具有决定性的影响。然而，在医学成像过程中，由于背景辐射、数据质量、重建算法等因素的影响，可能会为医学图像引入噪声。所引入的噪声一方面会导致图像失真，损失图像的定量精度，另一方面还会淹没图像的细节信息，降低图像的空间分辨率。[0003] 为了去除像PET图像或CT图像等医学图像中的噪声，通常采用均值滤波、中值滤波、高斯滤波等滤波方法。这些滤波方法虽然可以消除大部分医学图像中的高频噪声，但是会带来空间分辨率的恶化，因此，这些滤波方法并不是一种理想的降噪方法。[0004] 因此，需要一种新的图像处理方法来去除医学图像或其它类型的图像中的噪声，并且提高图像的空间分辨率。发明内容[0005] 本申请实施例的目的在于提供一种图像处理方法、装置、设备、系统及计算机可读存储介质，以解决现有技术中存在的至少一种问题。[0006] 为解决上述技术问题，本申请实施例提供了一种图像处理方法，该方法可以包括：[0007] 按照预设规则将所获取的原始图像划分为多个区域；[0008] 计算每个所述区域的原始灰度值的总变化率；[0009] 判断所述总变化率是否大于预设值，当判断出所述原始灰度值的总变化率大于或等于所述预设值时，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理，并且当判断出所述原始灰度值的总变化率小于所述预设值时，调用所构建的第二降噪模型对所述原始灰度值进行二阶全变分处理。[0010] 可选地，按照预设规则将所述原始图像划分为多个区域的步骤包括：[0011] 根据所述原始图像的构成元素、物理属性或方位将所述原始图像划分为多个区域。[0012] 可选地，计算每个所述区域的原始灰度值的总变化率的步骤包括：[0013] 针对每个所述区域，依次计算所述区域内的每两个相邻像素点的原始灰度值之间的差值；[0014] 根据所述原始灰度值的差值与每两个相邻所述像素点的坐标差值来确定两个相邻所述像素点的所述原始灰度值的变化率；[0015] 根据所得到的所述区域内的所有所述像素点的所述原始灰度值的变化率来确定所述区域的所述原始灰度值的总变化率。[0016] 可选地，确定所述区域的所述原始灰度值的总变化率的步骤包括：[0017] 将所述区域内的所有所述像素点的所述原始灰度值的变化率的平均值确定为所述区域的所述原始灰度值的总变化率；或者[0018] 对所述区域内的所有所述像素点的所述原始灰度值的变化率进行均方差运算以获得所述区域的所述原始灰度值的总变化率。[0019] 可选地，计算每个所述区域的原始灰度值的总变化率的步骤还包括：[0020] 统计每个所述区域内的所有像素点的所述原始灰度值的变化规律，并且当所述原始灰度值呈线性变化时，将所述原始灰度值的线性变化的斜率确定为所述区域的所述原始灰度值的所述总变化率。[0021] 可选地，当所述原始图像为二维图像时，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理的步骤包括：[0022] 按照以下公式依次对满足所述原始灰度值的总变化率大于或等于所述预设值的所有区域内的所有像素点的原始灰度值进行一阶梯度处理：[0023][0024] 针对每个所述区域，判断处理后得到的每个所述像素点的总灰度值是否大于第一预设阈值；[0025] 针对每个像素点，当判断出处理后得到的所述总灰度值大于或等于所述第一预设阈值时，将所述总灰度值确定为所述像素点的最终灰度值，或者按照以下公式来计算所述像素点的最终灰度值：[0026] f′x,y＝fx,y+k×[(fx,y‑fx‑1,y)+(fx,y‑fx,y‑1)]，[0027] 当判断出所述总灰度值小于所述第一预设阈值时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：[0028] f′x,y＝fx,y‑(fx,y‑fx‑1,y)‑(fx,y‑fx,y‑1)，[0029] 其中，fx,y、fx‑1,y和fx,y‑1分别表示位于坐标(x,y)、(x‑1,y)和(x,y‑1)处的像素点的原始灰度值； 表示处理后得到的位于坐标(x,y)处的像素点的总灰度值；f′x,y表示位于坐标(x,y)处的像素点的最终灰度值；x和y均为自然数；k为图像增强系数。[0030] 可选地，当所述原始图像为三维图像时，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理的步骤包括：[0031] 按照以下公式依次对满足所述原始灰度值的总变化率大于或等于所述预设值的所有区域内的所有像素点的原始灰度值进行一阶梯度处理：[0032][0033] 针对每个所述区域，判断处理后得到的每个所述像素点的总灰度值是否大于第一预设阈值；[0034] 针对每个像素点，当判断出处理后得到的所述总灰度值大于或等于所述第一预设阈值时，将所述总灰度值确定为所述像素点的最终灰度值，或者按照以下公式来计算所述像素点的最终灰度值：[0035] f′x,y,z＝fx,y,z+k×[(fx,y,z‑fx‑1,y,z)+(fx,y,z‑fx,y‑1,z)+(fx,y,z‑fx,y,z‑1)]，当判断出所述总灰度值小于所述第一预设阈值时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：[0036] f′x,y,z＝fx,y,z‑(fx,y,z‑fx‑1,y,z)‑(fx,y,z‑fx,y‑1,z)‑(fx,y,z‑fx,y,z‑1)，[0037] 其中，fx,y,z、fx‑1,y,z、fx,y‑1,z和fx,y,z‑1分别表示位于坐标(x,y,z)、(x‑1,y,z)、(x,y‑1,z)和(x,y,z‑1)处的像素点的原始灰度值； 表示处理后得到的位于坐标(x,y,z)处的像素点的总灰度值；f′x,y,z表示位于坐标(x,y,z)处的像素点的最终灰度值；x、y和z均为自然数；k为图像增强系数。[0038] 可选地，当所述原始图像为二维图像时，调用所述第二降噪模型对所述原始灰度值进行二阶全变分处理的步骤包括：[0039] 按照以下公式依次对满足所述原始灰度值的总变化率小于所述预设值的所有区域内的所有像素点的原始灰度值进行二阶梯度处理：[0040][0041][0042][0043] 针对每个所述区域，判断处理后得到的每个所述像素点的总灰度值是否大于第二预设阈值；[0044] 针对每个所述像素点，当判断出处理后得到的所述总灰度值大于或等于所述第二预设阈值时，将所述总灰度值确定为所述像素点的最终灰度值，或者按照以下公式来计算所述像素点的最终灰度值：[0045][0046] 当判断出所述总灰度值小于所述第二预设阈值时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：[0047][0048] 其中，fx,y、fx‑1,y、fx+1,y、fx,y‑1和fx,y+1分别表示位于坐标(x,y)、(x‑1,y)、(x+1,y)、(x,y‑1)和(x,y+1)处的像素点的原始灰度值； 和 分别表示处理后得到的位于坐标(x,y)处的像素点在x轴和y轴方向上的灰度值； 为处理后得到的位于坐标(x,y)处的像素点的总灰度值；f′x,y表示位于坐标(x,y)处的像素点的最终灰度值；x和y均为自然数；k为图像增强系数。[0049] 可选地，当所述原始图像为三维图像时，调用所述第二降噪模型对所述原始灰度值进行二阶全变分处理的步骤包括：[0050] 按照以下公式依次对满足所述原始灰度值的总变化率小于所述预设值的所有区域内的所有像素点的原始灰度值进行二阶梯度处理：[0051][0052][0053][0054][0055] 针对每个所述区域，判断处理后得到的每个所述像素点的总灰度值是否大于第二预设阈值；[0056] 针对每个所述像素点，当判断出处理后得到的所述总灰度值大于或等于所述第二预设阈值时，将所述总灰度值确定为所述像素点的最终灰度值，或者按照以下公式来计算所述像素点的最终灰度值：[0057][0058] 当判断出所述总灰度值小于所述第二预设阈值时，按照以下公式对所述总灰度值进行计算来获得所述像素点的最终灰度值：[0059][0060] 其中，fx,y,z、fx‑1,y,z、fx+1,y‑1,z、fx,y‑1,z、fx,y+1,z、fx,t,z‑1和fx,y,z+1分别表示位于坐标(x,y,z)、(x‑1,y,z)、(x+1,y,z)、(x,y‑1,z)、(x,y+1,z)(x,y,z‑1)、(x,y,z+1)处的像素点的原始灰度值； 和 分别表示处理后得到的位于坐标(x,y,z)处的像素点在x轴、y轴和z轴方向上的灰度值； 为处理后得到的位于坐标(x,y,z)处的像素点的总灰度值；f′x,y,z表示位于坐标(x,y,z)处的像素点的最终灰度值；x、y和z均为自然数；k为图像增强系数。[0061] 可选地，所述原始图像包括CT图像、MRI图像、PET图像、PET‑CT图像或超声图像。[0062] 本申请实施例还提供了一种图像处理装置，该装置可以包括：[0063] 划分单元，其被配置为按照预设规则将所获取的原始图像划分为多个区域；[0064] 计算单元，其被配置为计算每个所述区域的原始灰度值的总变化率；[0065] 处理单元，其被配置为判断所述总变化率是否大于预设值，在判断出所述原始灰度值的总变化率大于或等于所述预设值时，调用所构建的第一降噪模型对所述原始灰度值进行一阶全变分处理，并且在判断出所述原始灰度值的总变化率小于所述预设值时，调用所构建的第二降噪模型对所述原始灰度值进行二阶全变分处理。[0066] 本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时能够实现上述图像处理方法。[0067] 本申请实施例还提供了一种计算机设备，该设备可以包括处理器和存储器，其中，所述存储器上存储有计算机程序，当所述计算机程序被执行时，所述处理器执行上述图像处理方法。[0068] 本申请实施例还提供了一种图像处理系统，该系统可以包括上述计算机设备以及与上述计算机设备连接的扫描设备。[0069] 可选地，所述扫描设备包括CT扫描仪、MRI扫描仪、PET探测器、PET‑CT设备或超声设备。[0070] 由以上本申请实施例提供的技术方案可见，本申请实施例通过将原始图像划分为多个区域，计算每个区域的原始灰度值的总变化率，并且根据每个区域的原始灰度值的总变化率与预设值的大小关系来选择第一降噪模型对原始灰度值进行一阶全变分处理或选择第二降噪模型对原始灰度值进行二阶全变分处理，从而可以实现在去除图像中的噪声的同时提高其空间分辨率的目的。附图说明[0071] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0072] 图1是本申请的一个实施例中的图像处理方法的应用环境图；[0073] 图2是本申请的一个实施例提供的图像处理方法的流程示意图；[0074] 图3是本申请的一个实施例提供的图像处理装置的结构示意图；[0075] 图4是本申请的一个实施例提供的计算机设备的结构示意图；[0076] 图5是本申请的另一个实施例提供的计算机设备的结构示意图；[0077] 图6是本申请的一个实施例提供的图像处理系统的结构示意图。具体实施方式[0078] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是用于解释说明本申请的一部分实施例，而不是全部的实施例，并不希望限制本申请的范围或权利要求书。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都应当属于本申请保护的范围。[0079] 需要说明的是，当元件被称为“设置在”另一个元件上，它可以直接设置在另一个元件上或者也可以存在居中的元件。当元件被称为“连接/联接”至另一个元件，它可以是直接连接/联接至另一个元件或者可能同时存在居中元件。本文所使用的术语“连接/联接”可以包括电气和/或机械物理连接/联接。本文所使用的术语“包括/包含”指特征、步骤或元件的存在，但并不排除一个或更多个其它特征、步骤或元件的存在或添加。本文所使用的术语“和/或”包括一个或多个相关所列项目的任意的和所有的组合。[0080] 除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述具体实施例的目的，而并不是旨在限制本申请。[0081] 另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于描述目的和区别类似的对象，两者之间并不存在先后顺序，也不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。[0082] 本申请实施例提供的图像处理方法可以适用于如图1所示的应用环境中。该方法可以应用于计算机设备。该计算机设备包括通过网络连接的终端1000和服务器2000。该方法可以在终端1000或服务器2000中执行，例如，终端1000可直接从扫描设备或拍摄设备获取目标对象(例如，人或宠物等)的原始图像，并在终端侧执行图像处理方法；或者，终端1000也可在获取目标对象的原始图像后将该原始图像发送至服务器2000，使得服务器2000能够获得目标对象的原始图像并执行图像处理方法。终端1000具体可以是台式终端(例如，台式电脑)或移动终端(例如，笔记本电脑、平板电脑、手机或个人数字助理等)。服务器2000可以用独立的服务器或者是多个服务器组成的服务器集群来实现。[0083] 需要说明的是，本申请实施例提供的图像处理方法，其执行主体可以是图像处理装置，该图像处理装置可以通过软件、硬件或者软硬件结合的方式实现为上述终端或服务器的一部分或全部。[0084] 下面结合具体实施例对本申请提供的图像处理方法进行详细说明。[0085] 图2为本申请的一个实施例提供的图像处理方法，该方法可以由图像处理装置执行，并且可以包括如下步骤：[0086] S1：按照预设规则将所获取的原始图像划分为多个区域。[0087] 原始图像可以是CT图像、PET图像、PET‑CT图像、磁共振成像(MagneticResonance Imaging，简称MRI)图像或超声图像等医学图像，也可以是其它任意类型的图像。[0088] 在获取到待处理的原始图像之后，可以按照预设规则将原始图像划分为多个区域。例如，可以按照原始图像的构成元素将原始图像划分为多个区域，例如，对于人体图像，可以将其划分为头部区域、上身区域和下身区域等；还可以按照原始图像的亮度、对比度和/或饱和度(或灰度值)等物理属性将其划分为多个区域；也还可以按照方位将原始图像划分为上区域和下区域等两个区域或者上区域、下区域、左区域、右区域等四个区域，但不限于此。[0089] S2：计算每个区域的原始灰度值的总变化率。[0090] 所述总变化率主要用于指示区域内的所有像素点的原始灰度值的整体变化规律。所述预设值可以根据经验数据或应用场景来设定，一般数值较小。[0091] 在将原始图像划分为多个区域之后，可以依次计算每个区域的原始灰度值的总变化率并判断其是否大于预设值。具体地，针对每个区域，可以依次计算每两个相邻像素点的原始灰度值之间的差值，根据所得到的每两个相邻像素点的原始灰度值的差值与其坐标差值来确定这两个像素点的原始灰度值的变化率，并且根据所有得到的所有像素点的原始灰度值的变化率来确定该区域的原始灰度值的总变化率。例如，可以将所有像素点的原始灰度值的变化率的平均值确定为该区域的原始灰度值的总变化率，或者也还可以对所有像素点的原始灰度值的变化率进行均方差运算来获得该区域的原始灰度值的总变化率，但不限于上述方式。另外，针对每个区域，也可以通过统计所有像素点的原始灰度值的变化规律来确定该区域的原始灰度值的总变化率。例如，当所有像素点的原始灰度值呈线性变化(优选地，平滑线性变化)，则可以将其线性变化的斜率确定为总变化率。此时，也可以理解为所有像素点的原始灰度值的变化率相等，该总变化率即为变化率。[0092] S3：判断每个区域的原始灰度值的总变化率是否大于预设值，当判断出原始灰度值的变化率大于预设值时，调用所构建的第一降噪模型对原始灰度值进行一阶全变分处理，并且当判断出原始灰度值的总变化率小于预设值时，调用所构建的第二降噪模型对原始灰度值进行二阶全变分处理。[0093] 第一降噪模型和第二降噪模型可以分别是指能够对各种图像数据(包括医学图像)进行一阶全变分处理和二阶全变分处理的模型。[0094] 在计算出每个区域的原始灰度值的总变化率之后，可以依次判断每个区域的原始灰度值的总变化率是否大于预设值，当判断出其原始灰度值的变化率大于预设值时，可以调用所构建的第一降噪模型对原始灰度值进行一阶全变分处理，并且当判断出原始灰度值的总变化率小于预设值时，调用所构建的第二降噪模型对原始灰度值进行二阶全变分处理。其中，第一预设阈值和第二预设阈值均可以根据原始灰度值来设置，第一预设阈值可以大于0并且小于满足原始灰度值的总变化率大于或等于预设值这个条件的所有区域内的原始灰度值的最大值，第二预设阈值可以大于0并且小于满足灰度值的总变化率小于预设值这个条件的所有区域内的原始灰度值的最大值。[0095] 可以按照如下过程来执行所述调用所构建的第一降噪模型对原始灰度值进行一阶全变分处理的步骤：[0096] 当原始图像为二维图像时，可以按照以下公式(1)依次对满足原始灰度值的总变化率大于或等于预设值这个条件的所有区域内的所有像素点的原始灰度值进行一阶梯度处理；针对满足所述条件的每个区域，判断处理后得到的每个像素点的总灰度值是否大于第一预设阈值；针对每个像素点，当判断出其总灰度值大于或等于第一预设阈值时，将处理后得到的总灰度值确定为该像素点的最终灰度值，或者按照以下公式(2)来计算该像素点的最终灰度值，而当判断出处理后得到的总灰度值小于第一预设阈值时，按照以下公式(3)对处理后得到的总灰度值进行计算来获得该像素点的最终灰度值。[0097][0098] f′x,y＝fx,y+k×[(fx,y‑fx‑1,y)+(fx,y‑fx,y‑1)](2)[0099] f′x,y＝fx,y‑(fx,y‑fx‑1,y)‑(fx,y‑fx,y‑1)(3)[0100] 其中，fx,y、fx‑1,y和fx,y‑1分别表示位于坐标(x,y)、(x‑1,y)和(x,y‑1)处的像素点的原始灰度值； 表示经过一阶梯度处理后得到的位于坐标(x,y)处的像素点的总灰度值；f′x,y表示位于坐标(x,y)处的像素点的最终灰度值；x和y均为自然数；k为图像增强系‑5 5数，其值一般在10 ～10内。[0101] 当原始图像为三维图像时，可以按照以下公式(4)依次对满足原始灰度值的总变化率大于或等于预设值这个条件的所有区域内的所有像素点的原始灰度值进行一阶梯度处理；针对满足所述条件的每个区域，判断处理后得到的每个像素点的总灰度值是否大于第一预设阈值；针对每个像素点，当判断出处理后得到的总灰度值大于或等于第一预设阈值时，将处理后得到的总灰度值确定为该像素点的最终灰度值，或者按照以下公式(5)来计算该像素点的最终灰度值，而当判断出处理后得到的总灰度值小于第一预设阈值时，按照以下公式(6)对处理后得到的总灰度值进行计算来获得该像素点的最终灰度值。[0102][0103] f′x,y,z＝fx,y,z+k×[(fx,y,z‑fx‑1,y,z)+(fx,y,z‑fx,y‑1,z)+(fx,y,z‑fx,y,z‑1)] (5)[0104] f′x,y,z＝fx,y,z‑(fx,y,z‑fx‑1,y,z)‑(fx,y,z‑fx,y‑1,z)‑(fx,y,z‑fx,y,z‑1)(6)[0105] 其中，fx,y,z、fx‑1,y,z、fx,y‑1,z和fx,y,z‑1分别表示位于坐标(x,y,z)、(x‑1,y,z)、(x,y‑1,z)和(x,y,z‑1)处的像素点的原始灰度值； 表示经过一阶梯度处理后得到的位于坐标(x,y,z)处的像素点的总灰度值；f′x,y,z表示位于坐标(x,y,z)处的像素点的最终灰度值；x、y和z均为自然数。[0106] 通过调用所构建的第一降噪模型对灰度值变化较大的区域的原始灰度值进行一阶全变分处理，可以去除该区域内的噪声，并且相对于现有技术中的中通滤波、均值滤波以及高斯滤波等方法，可以提高其空间分辨率。而且，通过按照以上公式(2)或(5)来确定像素点的最终灰度值，这可以提高图像的对比度和分辨率。[0107] 可以按照如下过程来执行所述调用所构建的第二降噪模型对原始灰度值进行二阶全变分处理的步骤：[0108] 当原始图像为二维图像时，可以按照以下公式(7)依次对满足原始灰度值的总变化率小于预设值这个条件的所有区域内的所有像素点的原始灰度值进行二阶梯度处理；针对满足所述条件的每个区域，判断处理后得到的每个像素点的总灰度值是否大于第二预设阈值；针对每个像素点，当判断出处理后得到的总灰度值大于或等于第二预设阈值时，将处理后得到的总灰度值确定为该像素点的最终灰度值，或者按照以下公式(8)来计算该像素点的最终灰度值，而当判断出处理后得到的总灰度值小于第二预设阈值时，按照以下公式(9)对处理后得到的总灰度值进行计算来获得该像素点的最终灰度值。[0109][0110][0111][0112] 其中，fx,y、fx‑1,y、fx+1,y、fx,y‑1和fx,y+1分别表示位于坐标(x,y)、(x‑1,y)、(x+1,y)、(x,y‑1)和(x,y+1)处的像素点的原始灰度值； 和 分别表示经过二阶梯度处理后得到的位于坐标(x,y)处的像素点在x轴和y轴方向上的灰度值； 为经过二阶梯度处理后得到的位于坐标(x,y)处的像素点的总灰度值；f′x,y表示位于坐标(x,y)处的像素点的最终灰度值。[0113] 当原始图像为三维图像时，可以按照以下公式(10)依次对满足原始灰度值的总变化率小于预设值这个条件的所有区域内的所有像素点的原始灰度值进行二阶梯度处理；针对满足所述条件的每个区域，判断处理后得到的每个像素点的总灰度值是否大于第二预设阈值；针对每个像素点，当判断出其总灰度值大于或等于第二预设阈值时，将该总灰度值确定为该像素点的最终灰度值，或者按照以下公式(11)来计算该像素点的最终灰度值，而当判断出总灰度值小于第二预设阈值时，按照以下公式(12)对处理后得到的总灰度值进行计算来获得该像素点的最终灰度值。[0114][0115][0116][0117] 其中，fx,y,z、fx‑1,y,z、fx+1,y‑1,z、fx,y‑1,z、fx,y+1,z、fx,y,z‑1和fx,y,z+1分别表示位于坐标(x,y,z)、(x‑1,y,z)、(x+1,y,z)、(x,y‑1,z)、(x,y+1,z)(x,y,z‑1)、(x,y,z+1)处的像素点的原始灰度值； 和 分别表示经过二阶梯度处理后得到的位于坐标(x,y,z)处的像素点在x轴、y轴和z轴方向上的灰度值； 为经过二阶梯度处理后得到的位于坐标(x,y,z)处的像素点的总灰度值；f′x,y,z表示位于坐标(x,y,z)处的像素点的最终灰度值。[0118] 针对图像的灰度值呈平滑线性变化并且其线性变化的斜率较小的情况，通过调用第二降噪模型对原始灰度值进行二阶全变分处理，可以提高其空间分辨率，并且可以保证图像的真实度。这是因为当原始灰度值呈线性变化时，经过二阶梯度处理后，像素点在各个方向上的灰度值均为0，从而使得像素点的最终灰度值等于其原始灰度值。另外，通过按照以上公式(8)或(11)来确定像素点的最终灰度值，这可以提高图像的对比度和分辨率。[0119] 需要说明的是，上面公式中的坐标(x‑1,y)、(x+1,y)、(x,y‑1)和(x,y+1)等仅代表与坐标(x,y)的位置关系，其可以不指代具体的坐标数值。例如，位于坐标(x‑1,y)和(x+1,y)处的像素点与位于坐标(x,y)处的像素点在x轴方向上相邻，位于坐标(x,y‑1)和(x,y+1)处的像素点与位于坐标(x,y)处的像素点在y轴方向上相邻。另外，上面公式中的坐标(x‑1,y,z)、(x+1,y,z)、(x,y‑1,z)、(x,y+1,z)(x,y,z‑1)、(x,y,z+1)也仅代表与坐标(x,y,z)的位置关系。[0120] 通过上面描述可以看出，本申请实施例通过将原始图像划分为多个区域，计算每个区域的原始灰度值的总变化率，并且根据每个区域的原始灰度值的总变化率与预设值的大小关系来选择第一降噪模型对原始灰度值进行一阶全变分处理或选择第二降噪模型对原始灰度值进行二阶全变分处理，并且在全变分处理中采用了将一阶梯度处理结果与第一预设阈值比较，或者将二阶梯度结果与第二预设阈值比较，这使得能够去除灰度值低于第一预设阈值或第二预设阈值的位置处的噪声，而在高于第一预设阈值或第二预设阈值的位置会继续保持并增强原来的梯度，使得灰度值高的位置梯度更高，灰度值低的地方梯度更低，也就增强了对比度并提高了分辨率，从而可以实现在去除图像中的噪声的同时提高其空间分辨率的目的。[0121] 本申请实施例还提供了一种图像处理装置，如图3所示，其可以包括：[0122] 划分单元310，其被配置为按照预设规则将所获取的原始图像划分为多个区域；[0123] 计算单元320，其被配置为计算每个区域的原始灰度值的总变化率；[0124] 处理单元330，其被配置为判断总变化率是否大于预设值，在判断出原始灰度值的总变化率大于或等于预设值时，调用所构建的第一降噪模型对原始灰度值进行一阶全变分处理，并且在判断出原始灰度值的总变化率小于预设值时，调用所构建的第二降噪模型对原始灰度值进行二阶全变分处理。[0125] 关于上述单元的详细描述，可以参照方法实施例中的对应描述，在此不再赘叙。[0126] 通过利用该图像处理装置，可以实现在去除图像中的噪声，并且可以提高其空间分辨率。[0127] 图4示出了一个实施例中的计算机设备的结构示意图。该计算机设备具体可以是图1中的终端1000。如图4所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示器。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质可以存储有操作系统，还可以存储有计算机程序，在该计算机程序被处理器执行时，可使得处理器执行上述实施例中描述的图像处理方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，执行上述实施例中描述的图像处理方法。[0128] 图5示出了另一个实施例中的计算机设备的结构示意图。该计算机设备具体可以是图1中的服务器2000。如图5所示，该计算机设备包括通过系统总线连接的处理器、存储器以及网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述实施例中描述的图像处理方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，执行上述实施例中描述的图像处理方法。[0129] 本领域技术人员可以理解，图4和图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件配置。[0130] 在一个实施例中，如图6所示，本申请还提供了一种图像处理系统，该图像处理系统可以包括图4或图5中的计算机设备以及与其连接的扫描设备，该扫描设备可以用于通过对目标对象进行扫描而获得原始图像并且将所获得的原始图像提供给计算机设备。该扫描设备可以是能够探测放射性射线的任意设备，例如，可以包括CT扫描仪、MRI扫描仪、PET探测器、PET‑CT设备或超声设备等，但不限于此。[0131] 在一个实施例中，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序被执行时能够实现上述方法实施例中描述对应的功能。该计算机程序还可在如图4或图5所示的计算机设备上运行。该计算机设备的存储器包含组成该装置的各个程序模块，各个程序模块构成的计算机程序被执行时能够实现与上述实施例中描述的图像分割方法中的各个步骤所对应的功能。[0132] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储介质、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。[0133] 上述实施例阐明的系统、设备、装置、单元等，具体可以由半导体芯片、计算机芯片和/或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个芯片中实现。[0134] 虽然本申请提供了如上述实施例或流程图所述的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。[0135] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。另外，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。[0136] 上述实施例是为便于该技术领域的普通技术人员能够理解和使用本申请而描述的。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其它实施例中而不必经过创造性的劳动。因此，本申请不限于上述实施例，本领域技术人员根据本申请的揭示，不脱离本申请范畴所做出的改进和修改都应该在本申请的保护范围之内。

专利地区：湖北

专利申请日期：2020-10-30

专利公开日期：2024-07-26

专利公告号：CN112365413B