基于自適應(yīng)結(jié)構(gòu)元網(wǎng)格線交叉點坐標(biāo)提取算法研究

李元金，肖　剛，王　濤，王　楊，岳座剛，趙國柱，黃　寅

(1.滁州學(xué)院 計算機(jī)與信息工程學(xué)院，安徽 滁州 239000；2.滁州廣播電視大學(xué)，安徽 滁州 239000)

基于自適應(yīng)結(jié)構(gòu)元網(wǎng)格線交叉點坐標(biāo)提取算法研究

李元金1，肖剛1，王濤1，王楊1，岳座剛1，趙國柱1，黃寅2

(1.滁州學(xué)院 計算機(jī)與信息工程學(xué)院，安徽 滁州 239000；2.滁州廣播電視大學(xué)，安徽 滁州 239000)

摘要:提出了基于形態(tài)學(xué)自適應(yīng)結(jié)構(gòu)元網(wǎng)格線交叉點坐標(biāo)提取算法。在全局結(jié)構(gòu)元算法基礎(chǔ)上，根據(jù)校正靶圖像中不同位置網(wǎng)格線扭曲變形程度不同建立自適應(yīng)結(jié)構(gòu)元，并利用自適應(yīng)結(jié)構(gòu)元構(gòu)建數(shù)學(xué)形態(tài)學(xué)算子對采集的XRII圖像進(jìn)行驗證。驗證結(jié)果表明，本文提出的算法不僅能有效地識別并提取出校正靶圖像中網(wǎng)格線交叉點坐標(biāo)值，而且視覺效果上優(yōu)于全局結(jié)構(gòu)元提取的結(jié)果。

關(guān)鍵詞：自適應(yīng)結(jié)構(gòu)元；膨脹與腐蝕；網(wǎng)格線交叉點坐標(biāo)；坐標(biāo)提取

中圖分類號：TP391.41

文獻(xiàn)標(biāo)志碼：碼：A

文章編號：號：2095-4824(2015)03-0045-03

收稿日期：2015-02-25

基金項目：國家973重點基礎(chǔ)研究發(fā)展規(guī)劃項目(2010CB732503)；安徽省科技廳項目(1308085MF96)；安徽省教育廳重點項目(KJ2014A186)；滁州學(xué)院科研啟動基金項目(2012qd06)

作者簡介：李元金(1976-)，男，安徽和縣人，滁州學(xué)院計算機(jī)與信息工程學(xué)院副教授，博士，東南大學(xué)博士后。

肖剛(1986-)，男，甘肅平?jīng)鋈耍輰W(xué)院計算機(jī)與信息工程學(xué)院助教，碩士。

王濤(1976-)，男，安徽宿州人，滁州學(xué)院計算機(jī)與信息工程學(xué)院講師，碩士。

眾所周知，在影像加強(qiáng)器[1](X-Ray Image Intensifier, XRII)采集X線投影數(shù)據(jù)后，為了后繼工作的正常開展，必須對采集投影數(shù)據(jù)進(jìn)行扭曲校正[2]。然而，投影數(shù)據(jù)扭曲校正之前必須確定投影數(shù)據(jù)與理想數(shù)據(jù)之間的關(guān)系，為此必須識別和提取出XRII圖像中標(biāo)志點的坐標(biāo)值。因此，C臂X光機(jī)圖像中標(biāo)志點的自動識別與數(shù)據(jù)提取便成為該類手術(shù)導(dǎo)航技術(shù)研究的第一要務(wù)[3]。

針對XRII圖像中控制點坐標(biāo)值識別和提取問題，研究人員提出了不同的方法。如文獻(xiàn)[4]在識別和提取XRII圖像中控制點坐標(biāo)值時使用帶有人工干預(yù)的半自動式檢測方法；在文獻(xiàn)[5]中Chakraborty提出了帶有人工干預(yù)的基于光標(biāo)移動XRII圖像中控制點坐標(biāo)值識別和提??；李元金等[3]提出了基于校正靶自身特征的標(biāo)志物投影識別與數(shù)據(jù)提取算法，其中操作算子所使用的結(jié)構(gòu)元是通過多次實驗設(shè)置的全局結(jié)構(gòu)元。

本文在文獻(xiàn)[3]的基礎(chǔ)上，提出一種基于自適應(yīng)結(jié)構(gòu)元網(wǎng)格線交叉點坐標(biāo)提取算法，該算法根據(jù)文獻(xiàn)[3]的方法去除校正靶投影圖像背景，并使用閾值對去除背景后圖像進(jìn)行分割，根據(jù)圖像中“1”像素的個數(shù)自適應(yīng)地構(gòu)建結(jié)構(gòu)元并使用該結(jié)構(gòu)元所生成的操作算子對圖像進(jìn)行形態(tài)學(xué)膨脹與腐蝕運算。

1　膨脹與腐蝕

數(shù)學(xué)形態(tài)學(xué)已經(jīng)被廣泛應(yīng)用于圖像處理，如車牌圖像提取[6]和邊緣檢測[7-8]等。在基于數(shù)學(xué)形態(tài)學(xué)的圖像處理過程中，膨脹和腐蝕操作是它的基礎(chǔ)。

1.1　膨脹[9]

膨脹是使圖像中的目標(biāo)“生長”或“變粗”的操作，在這一過程中將與某物接觸的所有背景合并到該物體中去。這種特殊的方法和變粗的程度由結(jié)構(gòu)元素的形狀來控制。膨脹定義形式為：

上式讀作A被B膨脹，其中Φ為空集，B為結(jié)構(gòu)元。結(jié)構(gòu)元B膨脹集合A后所產(chǎn)生的結(jié)果是由所有結(jié)構(gòu)元原點位置組成的集合，其中反射并平移后的結(jié)構(gòu)元B至少與A的一個元素重疊。

1.2　腐蝕[9]

腐蝕是數(shù)學(xué)形態(tài)學(xué)中的另外一種操作方法，用于消除物體外圍邊界點，其結(jié)果使剩下的物體沿其周邊比原物體小一個像素的面積。腐蝕操作定義為：

E=B?S={x，y|Sxy?B}

(2)

由S對B腐蝕所產(chǎn)生的二值圖像E是這樣的點(x，y)的集合：如果S的原點平移到點(x，y)，那么S將完全包含于B中。當(dāng)使用基本的3×3結(jié)構(gòu)元時，一般意義的腐蝕簡化為簡單腐蝕。

1.3　結(jié)構(gòu)元[10]

結(jié)構(gòu)元是結(jié)構(gòu)元素的簡稱。結(jié)構(gòu)元又被稱為刷子，是數(shù)學(xué)形態(tài)學(xué)膨脹操作和腐蝕操作的最基本組成部分，通常比待處理的圖像要小得多。結(jié)構(gòu)元可以為任意的大小和形狀，且一般為二維。二維結(jié)構(gòu)元為數(shù)值0和1組成的矩陣。結(jié)構(gòu)元的原點指定了圖像中需要處理的像素范圍，結(jié)構(gòu)元中數(shù)值為1的點決定結(jié)構(gòu)元的鄰域像素在進(jìn)行膨脹或腐蝕操作時是否需要參與計算。

2　實驗結(jié)果

2.1　數(shù)據(jù)采集

為了驗證本文方法的有效性和可靠性，實驗過程中使用南京普愛射線影像設(shè)備有限公司生產(chǎn)的7200型號C臂CT機(jī)采集XRII圖像。表1是7200型號的C臂CT機(jī)主要機(jī)械參數(shù)[3]。

表1　實驗用C臂X光機(jī)參數(shù)

2.2　自適應(yīng)結(jié)構(gòu)元的確定

圖1(a)是采集的XRII圖像?？梢钥闯?，該圖存在著一定的S型扭曲、針墊型扭曲和局部扭曲；相比而言，中間位置扭曲程度較低，網(wǎng)格線也較細(xì)，越向四周扭曲變形程度越明顯，網(wǎng)格線也較粗，這主要是由于X光線透視后投影到曲面屏影像增強(qiáng)器上所產(chǎn)生的[3]。為了使這些網(wǎng)格線與網(wǎng)格線交叉點位置斷開并提取網(wǎng)格線交叉點坐標(biāo)，就必須針對不同位置網(wǎng)格線的粗細(xì)程度選擇不同的操作結(jié)構(gòu)元。實驗時，以網(wǎng)格線交叉點四周兩組網(wǎng)格線寬度平均值的四分之一值為作為膨脹時結(jié)構(gòu)元，以膨脹后網(wǎng)格線交叉點四周兩組網(wǎng)格線寬度平均值的二分之一值為作為腐蝕時結(jié)構(gòu)元。

2.3　提取結(jié)果

圖1(b)和1(c)顯示了使用全局結(jié)構(gòu)元提取的結(jié)果，其中1(b)膨脹時結(jié)構(gòu)元設(shè)置成半徑為4的扁平圓形結(jié)構(gòu)元，腐蝕時結(jié)構(gòu)元設(shè)置成半徑為8的扁平圓形結(jié)構(gòu)元；圖1(c)膨脹時結(jié)構(gòu)元設(shè)置成半徑為5的扁平圓形結(jié)構(gòu)元，腐蝕時結(jié)構(gòu)元設(shè)置成半徑為8的扁平圓形結(jié)構(gòu)元。圖1(d)是使用自適應(yīng)結(jié)構(gòu)元處理的圖像。

(a)采集圖像

(b) 全局結(jié)構(gòu)元結(jié)果1[3]

(c) 全局結(jié)構(gòu)元結(jié)果2[3]

(d) 自適應(yīng)局部結(jié)構(gòu)元結(jié)果

2.4分析與討論

對帶有S型扭曲、針墊型扭曲和局部扭曲的XRII圖像(如圖1(a))，使用兩種不同半徑的全局結(jié)構(gòu)元生成的操作算子進(jìn)行膨脹和腐蝕處理后得到圖1(b)和圖1(c)的結(jié)果，采用自適應(yīng)結(jié)構(gòu)元生成的操作算子進(jìn)行膨脹和腐蝕處理后得到圖1(d)的結(jié)果。從圖1(b)和 1(c)可以看出，全局設(shè)置一個結(jié)構(gòu)元時，如果膨脹結(jié)構(gòu)元半徑設(shè)置過小，容易造成某些區(qū)域過度腐蝕，無法提取需要的交叉點(見圖1(b) )，主要原因在于在同等條件下中間位置變形程度不明顯，網(wǎng)格線交叉點所占像素最少，越向四周網(wǎng)格線交叉點所占像素數(shù)越多；相反，如果膨脹結(jié)構(gòu)元半徑設(shè)置過大，容易造成四周變形厲害的區(qū)域腐蝕后仍能看很多網(wǎng)格線。相比而言，基于自適應(yīng)結(jié)構(gòu)元網(wǎng)格線交叉點坐標(biāo)提取算法克服全局結(jié)構(gòu)元方法的不足，能夠根據(jù)所在區(qū)域網(wǎng)格線所占像素多少來自適應(yīng)地設(shè)置相應(yīng)的結(jié)構(gòu)元對圖像進(jìn)行膨脹和腐蝕操作，能有效保留網(wǎng)格線交叉點，有利于網(wǎng)格交叉點坐標(biāo)的精確提取。

3　結(jié)束語

在文獻(xiàn)[3]的基礎(chǔ)上，本文提出了基于形態(tài)學(xué)自適應(yīng)結(jié)構(gòu)元的網(wǎng)格線交叉點坐標(biāo)提取算法。該算法在使用數(shù)學(xué)形態(tài)學(xué)膨脹和腐蝕圖像時，根據(jù)XRII圖像變形情況自適應(yīng)地設(shè)置膨脹和腐蝕圖像時所需結(jié)構(gòu)元。實驗結(jié)果表明，基于形態(tài)學(xué)自適應(yīng)結(jié)構(gòu)元的網(wǎng)格線交叉點坐標(biāo)提取算法不但能有效地識別并提取出校正靶網(wǎng)格線交叉點坐標(biāo)值，而且能夠取得比全局結(jié)構(gòu)元更好的效果，為下一步XRII圖像扭曲失真校正奠定了良好基礎(chǔ)。

[參考文獻(xiàn)]

[1]Cerveri P, Forlani C, Borghese N A , et al. Distortion correction for X-ray image intensifiers:local unwarping polynomials and RBF neural networks[J].Med Phys,2002,29(8):1759-1771.

[2]Gronenschild E.Correction for geometric image distortion in the X-ray imaging chain: local technique versus global technique[J].Med Phys,1999,26(12):2602-2616.

[3]李元金,羅立民,張權(quán),等.校正靶標(biāo)志物投影的識別與坐標(biāo)數(shù)據(jù)提取算法[J].計算機(jī)應(yīng)用與軟件,2012,29(5):50-52,63.

[4]Reimann D, Flynn M J. Automated distortion correction of X-ray image intensifier images[C]//IEEE Nuclear Science Symposium and Medical Imaging Conference Record, 1992:1339-1341.

[5]Chakraborty D P. Image intensifier distortion correction[J].Med Phys,1987,14:249-252.

[6]馬爽, 陳江寧,盧虎, 等.邊緣特性篩選與多判定機(jī)制下的車牌定位方法[J].計算機(jī)工程與應(yīng)用, 2014,50(9):145-149.

[7]景少玲,白靜,葉鴻瑾.改進(jìn)的形態(tài)學(xué)肺部圖像邊緣檢測[J].數(shù)據(jù)采集與處理,2014,29(1):134-140.

[8]張利紅, 梁英波, 吳定允, 等. 基于改進(jìn)多尺度形態(tài)學(xué)的帶鋼缺陷圖像邊緣檢測[J].激光與紅外, 2014, 44(3):330-334.

[9]Castleman K R. 數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2011.

[10]Gonzalez R C , Woods R E, Eddins S L. 數(shù)字圖像處理的MATLAB實現(xiàn)[M].2版.阮秋琦，譯.北京:清華大學(xué)出版社,2014.

(責(zé)任編輯：張凱兵)