您好, 访客   登录/注册

基于OpenCV的医学图像处理软件设计与实现

来源:用户上传      作者:侯艳阳

  摘   要:基于OpenCV的医学图像处理软件,能够根据图像的轮廓特征,完成一系列的可行性算法,获取特征参数,使图片信息分析的效率更高,为疾病的大规模普查提供可行途径。OpenCV现在多领域得到广泛应用,包括人脸、动作、物体识别领域,汽车安全驾駛领域以及医学图像处理领域等,文章现就基于OpenCV的医学图像处理软件的实现展开探讨。
  关键词:OpenCV;医学图像处理;软件设计;病灶信息
  医学图像处理与分析技术可以给医生提供更清晰、更准确的信息,从而利于对疾病的诊断和鉴别诊断。医学图像分割、医学图像配准以及三维可视化等算法是医学图像处理与分析发展的源动力,而基于这些算法研发的软件平台是医学图像处理与分析技术发展的推进器。OpenCV是以C/C++语言进行程序编写、能够在多软件运行的跨平台计算机视觉开发工具,运行平台包括Mac OS X,Linux,Windows等,可基于C/C++语言进行接口设计,应用多项通用算法完成图像的处理。
  1    医学影像的计算机辅助诊断系统基本原理
  图像是客观事物的映射,通过各种观测设备能够获取景物的图像信息,根据图像信息可在大脑中构出对应的实际形状。常规医学图像中包含了关于病人基础信息的图像资料。当前,随着科学技术的迅速发展,多种影像诊断途径逐渐被投入使用,使得传统的医学诊断方式发生转型,优化了医生的诊断效果,但医学影像的读取往往需要由具有专业知识的临床医师完成,根据影像信息确定病灶位置从而判定患者的病情状况,而医学影像的构建及处理需要综合数字图像处理技术以及空间几何知识,生物医学以及计算机编程等方面也有所涉及。本研究对计算机辅助检测医学影像的方法展开研究分析,实现了对检测区域的提取以及病灶位置的定位,基于OpenCV的病灶位置医学影像分析处理软件,利用跨平台计算机视觉库OpenCV的特点设计结构系统,明确了系统的检测功能及实验结果,分析处理医学图片信息的效率更高,能够快速执行系统任务,对于医生进行病灶信息的诊断具有良好的辅助作用,为人工诊断及病情分析提供参考[1]。
  首先,对检测区域影像进行预处理,优化整体图像的全局对比效果,应用图像像素处理技术,使得病灶区域呈现明显的数据特征,通过迭代阈值法提取病灶区域,利用差影技术,对原始病灶影像中的高频信息进行提取,在保留检测区域病灶点信息的同时,将无关的结构图影去除。其次,根据原始图像中的检测区域进行图像切割,将其切割成多个不重叠的子图像形式,随后对各个图像分子块的维数进行判断,分析是否存在病灶点,如果存在,则将原图像中对应的病灶位置设置为疑似阳性区域,否则设定为阴性区域。根据所确定的疑似阳性区域位置进行具体病灶位置信息的检测定位。此次研究中采用形态学滤波的级联新算法对检测区域中疑似阳性区域的病灶点信息进行判断,在开始应用算子检测前,进行图像的形态学分析,强化形态学显像,应用标准化运算方式将非病灶点去除,从而确定病灶区域位置信息。在候选区域中对所有疑似病灶进行多相位移,完成横向、纵向的多尺度检查,确定新的可疑点的所在,同时应用对应的尺度窗口完成算子检测处理,判定为病灶区域点。在应用检测区域病灶算法处理时,应用可视化的编程环境进行跨平台的计算机视觉处理,实现病灶位置医学图像的处理及分析系统设计,此系统分为3个位置模块:预处理模块、疑似阳性区域提取模块及病灶区域检测定位模块,通过系统检测诊断可以为疾病的大规模诊断提供可行途径。
  2    基于OpenCV软件的实现
  2.1  OpenCV体系结构及设置
  OpenCV作为开源算法数据库,基于计算机VC++语言所构建的编译环境运行,是不少数字图像处理以及计算机视觉用户的得力工具。OpenCV是以伯克利软件发行(Berkly Software Distribution,BSD)许可授权的开源发行计算机视觉库,能够实现多种计算机视觉及图像处理,多种程序能够在微软视觉C语言(Microsoft Visual C++,VC)开发环境下直接调用,使得编程工作得到优化。OpenCV被设计成模块化的结构形式,具体的子库有CvCore,CV,CvAux,High GUI等,分别处理基本的数据结构库运算、图像处理及视觉功能以及回归分析与模式分类函数,CvAux为OpenCV的辅助函数,HighGUI可进行图像界面的函数处理,能够实现图像视频的输入输出以及用户交互等。在OpenCV体系中,各函数均以cv2为开始,随后完成具体的行为目标,为实现固定程序所具备的功能,需要定点选择对应库函数,从而完成程序的开发。此次应用到的函数接口包括图像数据分配、复制、释放、转换等,基本的数字图像处理能够完成色彩转换、数学形态学操作及结构分析等。在VC++环境状态下,应用OpenCV需要完成其安装配置工作。首先,进行安装程序的下载,选择系统安装路径,检查程序指针是否被加入到环境变量路径中,如果未加入,则通过手动程序完成加入,随后添加程序用户,重启后登陆开发环境。其次,完成初始设置后进行去全局设置,选择菜单中工具栏选项设置中的Directories选项进行lib路径设置,选择Library文件档案后,填入选择路径,进行各个项目设置[2]。
  2.2  系统框架
  此次设计中基于OpenCV病灶位置检测影像处理系统实现方式是以VC++为框架,对检测区域的病灶点位置进行自动提取诊断处理,根据实际诊断的需要,完成各项功能。
  (1)图像文件的读取、存储及显示。将磁盘中的图像信息读取后在显示屏上展示,同时能够将处理后的图像在固定磁盘位置储存。(2)对图像进行系统处理,应用系统处理软件,完成预处理的各项任务,包括灰度的调整、直方图的处理等,在完成处理后保证质量的向同性,同时对不同环境条件下拍摄的病症影像信息及在处理过程中引入的噪声进行去噪处理,强化图像效果。(3)提取疑似阳性区域病灶位置信息,根据软件上疑似阳性区域的标准化定义,找出输入的病灶影像中异常区域,提取疑似阳性范围,具体的处理算法包括图像平滑处理、差值处理、地毯覆盖法处理以及拉普拉斯锐化等。(4)病灶位置检测,根据疑似阳性区域中存在的可疑病灶点进行提取检测,找到具体位置,分析边界形态及数目信息,常用算法包括:数学形态学中的运算、Harris角点检测、高斯滤波及拉普拉斯锐化等处理,最后由专业医师进行最终结果判定。   2.3  系统功能实现
  本系统应用的设计方式为微软基础类库(Microsoft Foundation Classes,MFC)向导指引下的单文档界面,其主题框架派生于MFC的框架链条类,管理各个程序的窗口位置、工具条及其状态响应等,其中视图类派生于CView类,能够完成各项图像的输入处理现实,完成各项算法功能,文档类从C盘文件类目派生,负责文件的读取、保存、删除处理。系统软件的基本功能为图形文件的读取、保存、加载、显示等,在图像处理软件中,最重要的环节之一为图像显示功能,在系统软件中,常用的图像显示方式为DIB类型,用户在应用DIB时,WindowsAPI编程任务相对繁重,通过OpenCV函数能够优化MFC中的图像信息显示,其位图结构中的像素具有相似的存储功能,通过DIB位图信息的构造能够调用应用程序接口(Application Programming Interface,API)相关函数,从而完成图像信息在视图窗口的显示。本系统中图像的储存及处理所应用的函数主要通过位图信息处理程序实现,在对其进行操作时应用的子程序为OnDraw程序。对于系统的界面,为了便于直观地看到数据和操作,菜单栏下按键分别为设计为打开、另存为、恢复、真方图、图像反相、旋转及关闭,用户根据磁盘中所需要处理的病灶图像信息点击打开按键,完成所需要处理图像的选择。系统界面如图1所示。
  图像的处理模块包括图像预处理、疑似阳性区域确定及病灶位置信息提取,读取需要处理的病灶影像信息,通过电机图像预处理的设置按钮完成图像的直方图归一化、灰度归一化、自适应中值滤波、差值图像处理及拉普拉斯锐化处理。通过分析跨平台计算机视觉库OpenCV的特点及结构系统,确定系统软件的工作流程,明确了系统的检测功能及实验结果,基于OpenCV的病灶位置医学影像分析处理系统,编程效率高,能够快速执行系统任务,操作简单易行,对于医生进行病灶信息的诊断具有良好的輔助作用,为疾病的大规模普查提供可行途径。
  3    结语
  随着科技水平的提升,数字图像处理技术当前已在多个行业领域中获得广泛应用。基于OpenCV的医学图像处理软件能够通过其所包含的函数,帮助医生进行快速、便捷的软件处理;根据图像的轮廓特征,完成一系列的可行性算法获取特征参数,分析处理医学图片信息的效率更高,能够显著缩短所需的诊断时间,对医学领域具有重要意义。
  [参考文献]
  [1]马州生.基于OpenCV动态手势检测识别方法的研究[J].图像与信号处理,2017(4):196-203.
  [2]刘丽梅,郑新武,陈永明,等.基于OpenCV的图像处理程序开发方法的研究[J].机电技术,2010(5):21-24.
  Designed and implementation of medical image processing software based on OpenCV
  Hou Yanyang
  (Zhengzhou University of Industrial Technology, Xinzheng 451100, China)
  Abstract:Medical image processing software based on Open CV can complete a series of feasible algorithms to obtain feature parameters based on the contour features of the image, which makes the analysis of picture information more efficient and provides a feasible approach for large-scale censuses of diseases. OpenCV has been widely used in many fields, including face, action, object recognition, automobile safe driving and medical image processing, this paper discusses the implementation of medical image processing software based on OpenCV.
  Key words:Open CV; medical image processing; software design; lesion information
转载注明来源:https://www.xzbu.com/8/view-15197687.htm