[发明专利]一种医学图像的分割算法

摘要

本发明公开了一种医学图像的分割算法，涉及数字图像处理技术。本发明的方法具体步骤如下：选择感兴趣区域，布置初始聚类中心点，聚类分割，连通性调整。本发明通过对图像感兴趣区域及附近区域进行分割，将其划分为一系列同质小区域。使得后续过程能够直接在同质区域级别上操作而不是在单个像素点上操作，大大降低了计算量，执行速度快且结果准确。本发明特别适用于计算机控制X射线断层扫描装置或医学放射性影像处理系统中对组织进行定位、测量、识别或分类的操作。

主权项

一种医学图像的分割算法，其特征在于，该方法包括如下步骤： 步骤一、选择感兴趣区域： 1）设定初始感兴趣区域的灰度值范围为U，初始感兴趣区域是指医学图像中灰度值在范围U中的所有像素点的集合；生成一个空栈S；设定曼哈顿空间距离阈值T1=1.5*STEP，T2=2.5*STEP，其中，STEP=round（V1/3）是一个类块的期望边长的取整，round表示四舍五入取整，V是聚类分割的一个类块中包含的像素点的期望个数； 2）遍历医学图像的所有像素点，如果当前像素点的灰度值属于U，则在栈S中寻找与当前像素点的曼哈顿空间距离dM小于T1的点；如果找不到，则将当前像素点放入栈S。如果能找得到或者如果当前像素点的灰度值范围不属于U，则转到下一像素点重复执行步骤2），直到所有像素点被遍历。 3）遍历栈S中所有像素点，把医学图像中所有的距离栈S中任一像素点的曼哈顿空间距离dM小于T2的像素点标记为感兴趣像素点，所有感兴趣像素点组成感兴趣区域ROI。 步骤二、布置初始聚类中心点： 在感兴趣区域中选取初始聚类中心点，保证初始聚类中心点的空间坐标（x，y，z）的每个分量均为STEP的任意整数倍；将初始聚类中心点的灰度值取为其空间坐标（x，y，z）对应的像素点的灰度值，将初始聚类中心点的空间坐标取为对应的x，y，z值。 步骤三、聚类分割： 对感兴趣区域ROI进行niter轮k‑means聚类，每一轮聚类过程的具体步骤如下：对ROI中每个像素点的到最近的聚类中心的距离赋值为无穷大；然后遍 历所有的聚类中心，对每一个聚类中心，遍历其周围曼哈顿距离dM小于STEP的所有像素点，如果当前像素点到当前聚类中心的加权距离d小于此像素点存储的到最近的聚类中心的距离，则用当前聚类中心的编号替换该像素点隶属的聚类中心编号，该像素点存储的到最近的聚类中心的距离更新为其到当前聚类中心的加权距离d； 所有的聚类中心遍历结束后，更新每个聚类中心的灰度值为所有隶属于它的像素点的灰度值的平均值，更新每个聚类中心的空间坐标为所有隶属于它的像素的空间坐标的平均值；至此，一轮聚类过程结束； niter次聚类完成后，隶属于同一聚类中心的像素点为同一类点，总类数即为初始聚类中心数目。