實(shí)時(shí)寬景超聲成像裝置及方法
【專(zhuān)利摘要】本發(fā)明涉及一種實(shí)時(shí)寬景超聲成像裝置及方法，所述實(shí)時(shí)寬景超聲成像方法包括圖像采集、圖像配準(zhǔn)、圖像融合及邊緣優(yōu)化等步驟。所述實(shí)時(shí)寬景超聲成像裝置包括寬景圖像采集模塊、寬景圖像配準(zhǔn)模塊、寬景圖像融合模塊及寬景圖像邊緣優(yōu)化模塊。本發(fā)明直接從圖像采集模塊獲取連續(xù)序列的超聲圖像信息，進(jìn)行圖像配準(zhǔn)和圖像融合，無(wú)需從靜態(tài)的視頻獲取超聲圖像信息，再結(jié)合本發(fā)明高效地算法，做到了出圖的實(shí)時(shí)性，對(duì)于使用者的操作和診斷有很大幫助。
【專(zhuān)利說(shuō)明】
實(shí)時(shí)寬景超聲成像裝置及方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及超聲波回波成像領(lǐng)域，尤其是一種實(shí)時(shí)寬景超聲成像裝置及方法。
【背景技術(shù)】
[0002] 圖像寬景成像技術(shù)是近來(lái)多媒體、醫(yī)學(xué)圖像處理和計(jì)算機(jī)圖形學(xué)領(lǐng)域中的熱點(diǎn)問(wèn) 題，其在醫(yī)學(xué)超聲成像領(lǐng)域是利用常規(guī)掃查探頭生成寬景圖像的過(guò)程。超聲寬景成像是利 用探頭在同一平面內(nèi)移動(dòng)采集的多個(gè)二維切面圖像拼接形成一幅大視野、高分辨率的寬景 圖像，以方便醫(yī)生診斷。
[0003] 超聲圖像寬景成像技術(shù)主要分為三個(gè)主要步驟：圖像配準(zhǔn)、圖像融合及邊緣優(yōu)化。 圖像配準(zhǔn)首先對(duì)兩幅圖像進(jìn)行特征提取得到特征點(diǎn)；通過(guò)進(jìn)行相似性度量找到匹配的特征 點(diǎn)對(duì)；然后通過(guò)匹配的特征點(diǎn)對(duì)得到圖像空間坐標(biāo)變換參數(shù)；最后由坐標(biāo)變換參數(shù)進(jìn)行圖 像配準(zhǔn)。而特征提取是配準(zhǔn)技術(shù)中的關(guān)鍵，準(zhǔn)確的特征提取為特征匹配的成功進(jìn)行提供了 保障。因此，尋求具有良好不變性和準(zhǔn)確性的特征提取方法，對(duì)于匹配精度至關(guān)重要。圖像 融合及邊緣優(yōu)化指在完成圖像匹配以后，對(duì)圖像進(jìn)行拼接、縫合，并對(duì)縫合的邊界進(jìn)行平滑 處理，讓縫合邊界區(qū)域自然過(guò)渡，并消除寬景圖像邊緣因旋轉(zhuǎn)、位移造成的鋸齒。
[0004] 現(xiàn)有的超聲寬景圖像技術(shù)還存在以下幾點(diǎn)問(wèn)題：1)現(xiàn)有特征點(diǎn)匹配的準(zhǔn)確率較 低，而且計(jì)算量較大，數(shù)據(jù)處理能力較慢，使用者使用時(shí)會(huì)感覺(jué)有卡頓現(xiàn)象；2)現(xiàn)有寬景成 像技術(shù)的圖像融合及邊緣優(yōu)化不足，存在一些輕微的鋸齒狀邊界，影響使用者進(jìn)行圖像計(jì) 算和判斷。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供一種實(shí)時(shí)寬景超聲成像裝置及方法， 得到優(yōu)質(zhì)的寬景超聲圖像。
[0006] 所述的實(shí)時(shí)寬景超聲成像裝置包括：寬景圖像采集模塊、寬景圖像配準(zhǔn)模塊、寬景 圖像融合模塊及寬景圖像邊緣優(yōu)化模塊；
[0007] 所述寬景圖像采集模塊獲取連續(xù)序列的超聲圖像信息，并選取連續(xù)序列中的前后 兩幀圖像信息，設(shè)為d幀和d+Ι幀，傳輸至寬景圖像配準(zhǔn)模塊；
[0008] 所述寬景圖像配準(zhǔn)模塊將前一步獲得的前后兩幀的圖像信息首先進(jìn)行精確角 點(diǎn)檢測(cè)及確定，取兩幀圖像的多對(duì)角點(diǎn)；并使用光流法求得多對(duì)角點(diǎn)的各自位移；使用 RANSAC算法，取出多對(duì)角點(diǎn)中最能代表前后兩幀圖像之間真實(shí)位移和角度變化的3對(duì)角 點(diǎn)；通過(guò)所述3對(duì)角點(diǎn)的位移情況，計(jì)算出前后兩幀圖像的仿射變換矩陣；寬景圖像配準(zhǔn)模 塊將計(jì)算得到的前后兩幀圖像的變換矩陣信息傳輸至寬景圖像融合模塊；
[0009] 所述仿射變換矩K
兩幅圖像對(duì)應(yīng)的點(diǎn)可借助該仿射變 換矩陣轉(zhuǎn)換
，其中X、y分別代表前一幀圖像任意一點(diǎn)的橫坐 標(biāo)與縱坐標(biāo)，X'、y'分別代表后一幀圖像相對(duì)應(yīng)點(diǎn)的橫坐標(biāo)與縱坐標(biāo)，m12分別代表后 一幀圖像的點(diǎn)相對(duì)于前一幀圖像對(duì)應(yīng)點(diǎn)的橫向位移量與縱向位移量，即兩幀圖像的平移量 (Δχ, Ay)；
[0010] 所述寬景圖像融合模塊通過(guò)對(duì)寬景圖像配準(zhǔn)模塊獲得的變換矩陣Md w+1)進(jìn)行與 預(yù)設(shè)的位移閾值mThreshold_x、mThreshold_y比較；若滿(mǎn)足公式（1):
[0011] Hi02^ mThreshold_x I Im12^ mThreshold_y (I)
[0012] 則進(jìn)行一次圖像拼接；否則，選取順序向下的一幀圖像，將該幀圖像與其前一 幀作為一對(duì)，發(fā)送到寬景圖像配準(zhǔn)模塊，得到d+2幀圖像與d+Ι幀圖像的仿射變換矩陣 M(d+i) (d+2)，令 Md (d+2) = M ^ (d+i) XM(d+1) (d+2)，取出 Md (d+2)中的 m 02、m12，即 d+2 幀圖像的點(diǎn)相對(duì)于 d幀圖像對(duì)應(yīng)點(diǎn)的橫向位移量與縱向位移量，若滿(mǎn)足公式（1)，則進(jìn)行一次圖像拼接，否則 依照?qǐng)D像序列順序重復(fù)以上步驟，依次求出M d k= M d ^ υ XM0i υ k，直至滿(mǎn)足公式⑴；
[0013] 所述圖像拼接方法為：選取出最先滿(mǎn)足公式（1)的Md k中的111。2、11112，取出k幀圖像 Pick，經(jīng)過(guò)仿射變換處理Pick' = PickXMdk，得到與d幀圖像Picjg同的坐標(biāo)系；取出與該 幀相對(duì)于d幀移動(dòng)方向相反的上下角點(diǎn)PpP 1，經(jīng)過(guò)仿射變換得到P'。4' i，這兩點(diǎn)的連線即 為拼接線；由兩點(diǎn)坐標(biāo)求出拼接線的直線方程X = cXy+b ;在與該拼接線垂直的方向往兩 邊各取設(shè)定距離作為拉普拉斯融合區(qū)域進(jìn)行d幀圖像與k幀圖像的拉普拉斯圖像融合，得 到圖像Pic_;
[0014] 所述寬景圖像配準(zhǔn)模塊和寬景圖像融合模塊循環(huán)執(zhí)行，在找出第一個(gè)k幀后，將k 幀作為新的d幀，依照?qǐng)D像序列順序取k幀的后一幀作為新的d+Ι幀，重新尋找最先滿(mǎn)足公 式（1)的新k幀，并得到新的仿射變換矩陣；將新的仿射變換矩陣與前一次得到的仿射變換 矩陣相乘作為累計(jì)的仿射變換矩陣，實(shí)現(xiàn)新k幀與初始d幀坐標(biāo)體系的統(tǒng)一；新k幀進(jìn)入寬 景圖像融合模塊，與前一次的Pic nJi行拉普拉斯圖像融合，得到新的Pic _;如此循環(huán)，直 至處理完所有圖像，最終得到的Pic_為初步的寬景圖像，發(fā)送到寬景圖像邊緣優(yōu)化模塊；
[0015] 所述寬景圖像邊緣優(yōu)化模塊對(duì)得到的整幅寬景圖像PicnJi行邊緣優(yōu)化。
[0016] 所述的實(shí)時(shí)寬景超聲成像方法，包括圖像采集、圖像配準(zhǔn)、圖像融合及邊緣優(yōu)化；
[0017] 步驟1 :所述圖像采集獲取連續(xù)序列的超聲圖像信息，并選取連續(xù)序列中的前后 兩幀圖像信息，設(shè)為d幀和d+Ι幀；
[0018] 所述圖像配準(zhǔn)包括步驟2~5 :
[0019] 步驟2 :所述圖像配準(zhǔn)將前一步獲得的前后兩幀的圖像信息首先進(jìn)行精確角點(diǎn)檢 測(cè)及確定，取兩幀圖像的多對(duì)角點(diǎn)；
[0020] 步驟3 :使用光流法求得步驟2中多對(duì)角點(diǎn)的各自位移；
[0021] 步驟4 :使用RANSAC算法，取出多對(duì)角點(diǎn)中最能代表前后兩幀圖像之間真實(shí)位移 和角度變化的3對(duì)角點(diǎn)；
[0022] 步驟5 :通過(guò)步驟4獲得的3對(duì)角點(diǎn)的位移情況，計(jì)算出前后兩幀圖像大小為2*3 的仿射變換矩陣
[0023] 兩幅圖像對(duì)應(yīng)的點(diǎn)可借助該仿射變換矩陣轉(zhuǎn)換：
[0024] 其中X、y分別代表前一幀圖像任意一點(diǎn)的橫坐標(biāo)與縱坐標(biāo)，X'、y'分別代表后一 幀圖像相對(duì)應(yīng)點(diǎn)的橫坐標(biāo)與縱坐標(biāo)，1%；、m 12分別代表后一幀圖像的點(diǎn)相對(duì)于前一幀圖像對(duì) 應(yīng)點(diǎn)的橫向位移量與縱向位移量，即兩幀圖像的平移量（A X，Ay);
[0025] 所述圖像融合包括步驟6~8 :
[0026] 步驟6 :通過(guò)對(duì)步驟5中獲得的變換矩陣Md _進(jìn)行提取，分別與預(yù)設(shè)的位 移閾值mThreshold_x、mThreshold_y比較；若滿(mǎn)足公式（1):
[0027] Hi02^ mThreshold_x I Im12^ mThreshold_y (I)
[0028] 則進(jìn)入步驟7,即進(jìn)行一次拼接；否則，選取順序向下的一幀圖像，將該幀圖像 與其前一幀作為一對(duì)，重復(fù)步驟2~5,得到d+2幀圖像與d+Ι幀圖像的仿射變換矩陣 M(d+i) (d+2)，令 Md (d+2) = M ^ (d+i) XM(d+1) (d+2)，取出 Md (d+2)中的 m 02、m12，即 d+2 幀圖像的點(diǎn)相對(duì)于 d幀圖像對(duì)應(yīng)點(diǎn)的橫向位移量與縱向位移量，若滿(mǎn)足公式（1)，則進(jìn)入步驟7,否則依照?qǐng)D像 序列順序重復(fù)以上步驟，依次求出M dk= Md & ^XM0i υ k，直至滿(mǎn)足公式（1);
[0029] 步驟7 :選取出最先滿(mǎn)足公式（1)的Mdk中的mQ2、m12，取出k幀圖像Pic k，經(jīng)過(guò)仿射 變換處理Pick' = PickXMd k，得到與d幀圖像Picjg同的坐標(biāo)系；取出與該幀相對(duì)于d幀 移動(dòng)方向相反的上下角點(diǎn)Pc、P1，經(jīng)過(guò)仿射變換得到P' c、P' i，這兩點(diǎn)的連線即為拼接線；由 兩點(diǎn)坐標(biāo)求出拼接線的直線方程X = cXy+b ;在與該拼接線垂直的方向往兩邊各取設(shè)定距 離作為拉普拉斯融合區(qū)域進(jìn)行d幀圖像與k幀圖像的拉普拉斯圖像融合，得到圖像Pic_;
[0030] 步驟8 :將k幀作為新的d幀，依照?qǐng)D像序列順序取k幀的后一幀作為新的d+1幀， 迭代進(jìn)行步驟2~6,取出最先滿(mǎn)足公式（1)的新k幀，并得到新的仿射變換矩陣；將新的 仿射變換矩陣與前一次獲得的仿射變換矩陣相乘作為累計(jì)的仿射變換矩陣，實(shí)現(xiàn)新k幀與 初始d幀坐標(biāo)體系的統(tǒng)一；新k幀進(jìn)入步驟7與前一次的Pic nJi行拉普拉斯圖像融合，得 到新的Pic_;
[0031] 迭代進(jìn)行步驟8直至處理完所有圖像，最終得到的Pic_為初步的寬景圖像；
[0032] 步驟9 :對(duì)步驟8得到的整幅寬景圖像PicnJi行邊緣優(yōu)化。
[0033] 具體的，所述步驟2中可使用Shi-Tomasi角點(diǎn)檢測(cè)算法取兩幀圖像的多對(duì)角點(diǎn)： 利用sobel算子計(jì)算灰度圖像的二階導(dǎo)數(shù)，然后計(jì)算特征值，最后返回滿(mǎn)足易于跟蹤的一 系列角點(diǎn)。
[0034] 步驟2中可使用基于觀測(cè)向量正交性的FindCornerSubPix算法得到角點(diǎn)的物理 位置，將角點(diǎn)位置精確到亞像素級(jí)別，且角點(diǎn)數(shù)不少于4對(duì)。
[0035] 步驟3中可使用光流法求得步驟2中多對(duì)角點(diǎn)的各自位移：
[0036] 第一步：初始化需要跟蹤的點(diǎn)；
[0037] 第二步：根據(jù)兩幀之間的光流來(lái)計(jì)算由初始化的需要跟蹤的點(diǎn)的目標(biāo)點(diǎn)，為此要 先計(jì)算出兩幀的光流金字塔；
[0038] 第三步：把輸入輸出點(diǎn)進(jìn)行坐標(biāo)轉(zhuǎn)換，上一幀與當(dāng)前幀進(jìn)行互換以及上一幀與當(dāng) 前幀的光流金字塔互換；得到多對(duì)角點(diǎn)各自的位移。
[0039] 步驟5中可使用最小二乘法求出前后兩幀圖像的仿射變換矩陣。
[0040] 步驟9具體可包括如下步驟：
[0041] a)記錄下參與圖像融合的每幀圖像的中心點(diǎn)坐標(biāo)，并將這些點(diǎn)的坐標(biāo)計(jì)算成以初 始d幀圖像為參考坐標(biāo)系的坐標(biāo)Posl new, Pos2 new，…，Posk new，…，Posend new，計(jì)算公式如 下：
[0042] Posk new(x, y) = Posk 0r1g1nal (x, y) XMd k (2)
[0043] 其中，P〇sk_OTiginal(x, y)中的x =圖像寬度/2_l、y =圖像高度/2_l，Md k為從k幀 變換至初始d幀圖像坐標(biāo)系的累計(jì)仿射變換矩陣；
[0044] b)對(duì)Posljiew, Pos2jiew，…，Posk_new，…，Posendjiew這些點(diǎn)的坐標(biāo)進(jìn)行多項(xiàng)式擬合， 擬合后得到多項(xiàng)式如下：
[0045] anXn+an !Xn k.-.+aJ+a。= Y (3)
[0046] 其中an、an i……a。均為常量，η為多項(xiàng)式的最高冪，（X，Y)為坐標(biāo)；
[0047] c)在此方程上將X作為增量，X從0開(kāi)始，每增整數(shù)η即取一個(gè)點(diǎn)，最終得到一系 列點(diǎn) P〇sIn"enent l，PosIn"enent 2，…，Poslncrenent k，…，Poslncrenent end;整數(shù) η 由用戶(hù)設(shè)定，其大 小影響著寬景圖像邊緣的精細(xì)程度；
[0048] d)計(jì)算與相鄰兩點(diǎn)Poslnerenent k丨、Poslnerenent k的連線垂直，且經(jīng)過(guò)Pos In"enent_k丨點(diǎn) 的直線方程k' y+b' = X，然后在該直線方程上取與相鄰兩點(diǎn)中的P〇Sln"_nt k i點(diǎn)距離最接 近 1?疋距 1? 的兩點(diǎn) P〇SbciUn(Jary_k_l、P〇Sbciundary_k_2;
[0049] e)使用上述方法取出所有的 Pos-u，Posb_dam2，…，Posb_ dalT_endJ， P〇sb_da"_OTd_2,使用步驟b中的方法分別對(duì)下標(biāo)最末為1和2的所有點(diǎn)求得各自的擬合多項(xiàng) 式；
[0050] f)在步驟e求得的兩個(gè)多項(xiàng)式上，以X作為增量，從O開(kāi)始，在寬景圖像的寬度范 圍內(nèi)，每隔設(shè)定的增量m即重采樣一點(diǎn)，記錄所有的重采樣點(diǎn)；m由用戶(hù)設(shè)定，其大小影響著 寬景圖像邊緣的精細(xì)程度；
[0051] g)計(jì)算出Pic_四個(gè)角的點(diǎn)的坐標(biāo)，將其與步驟f求得的重采樣點(diǎn)按順序連線成 一個(gè)凸多邊形Polygon，將其作為一個(gè)掩膜Mask，多邊形內(nèi)部設(shè)為1，外部設(shè)為0,具體如公 式⑷所示：
[0052]
(4)
[0053] 使用掩膜Mask對(duì)初步寬景圖像Picnew處理，得到邊緣優(yōu)化的寬景圖像Pic s_th，方 法如公式（5)所示：
[0054] Picsncmth=PicnewXMask (5)。
[0055] 其中，步驟b中可根據(jù)位移、角度的變化從小至大，動(dòng)態(tài)地選擇使用2、3、4、5次多 項(xiàng)式擬合。步驟d中的設(shè)定距離優(yōu)選取原圖像高度的40%~48%。
[0056] 本發(fā)明的優(yōu)點(diǎn)是：
[0057] 1.圖像配準(zhǔn)過(guò)程中采用了仿射變換矩陣，不僅考慮到了多幀圖像之間的平移，還 考慮到了角度變化和尺度縮放，圖像配準(zhǔn)精確度高。
[0058] 2.圖像融合使用了拉普拉斯融合，不同幀圖像之間的拼接過(guò)渡自然；且后期處理 時(shí)采取了對(duì)拼接縫附近進(jìn)行高斯平滑和整幅寬景圖像的對(duì)比度拉伸，圖像質(zhì)量高。
[0059] 3.邊緣優(yōu)化消除了圖像拼接過(guò)程中產(chǎn)生的鋸齒，使得寬景圖像邊界光滑，提高了 圖像質(zhì)量。
[0060] 4.本發(fā)明直接從圖像采集模塊獲取連續(xù)序列的超聲圖像信息，進(jìn)行圖像配準(zhǔn)和圖 像融合，無(wú)需從靜態(tài)的視頻獲取超聲圖像信息，再結(jié)合本發(fā)明高效地算法，做到了出圖的實(shí) 時(shí)性，對(duì)于使用者的操作和診斷有很大幫助。
【附圖說(shuō)明】
[0061] 圖1是本發(fā)明的裝置結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0062] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步說(shuō)明。
[0063] 如圖1所示，本發(fā)明的實(shí)時(shí)寬景超聲成像裝置，包括寬景圖像采集模塊、寬景圖像 配準(zhǔn)模塊、寬景圖像融合模塊及寬景圖像邊緣優(yōu)化模塊。
[0064] 所述寬景圖像采集模塊獲取連續(xù)序列的超聲圖像信息，并選取連續(xù)序列中的前后 兩幀圖像信息，設(shè)為d幀和d+Ι幀，傳輸至寬景圖像配準(zhǔn)模塊。
[0065] 所述寬景圖像配準(zhǔn)模塊將前一步獲得的前后兩幀的圖像信息首先進(jìn)行精確角 點(diǎn)檢測(cè)及確定，取兩幀圖像的多對(duì)角點(diǎn)；并使用光流法求得多對(duì)角點(diǎn)的各自位移；使用 RANSAC算法，取出多對(duì)角點(diǎn)中最能代表前后兩幀圖像之間真實(shí)位移和角度變化的3對(duì)角 點(diǎn)；通過(guò)所述3對(duì)角點(diǎn)的位移情況，計(jì)算出前后兩幀圖像的仿射變換矩陣；寬景圖像配準(zhǔn)模 塊將計(jì)算得到的前后兩幀圖像的變換矩陣信息傳輸至寬景圖像融合模塊。
[0066] 所述仿射變換矩P
，兩幅圖像對(duì)應(yīng)的點(diǎn)可借助該仿射變 換矩陣轉(zhuǎn)！
其中X、y分別代表前一幀圖像任意一點(diǎn)的橫坐 標(biāo)與縱坐標(biāo)，X'、y'分別代表后一幀圖像相對(duì)應(yīng)點(diǎn)的橫坐標(biāo)與縱坐標(biāo)，m12分別代表后 一幀圖像的點(diǎn)相對(duì)于前一幀圖像對(duì)應(yīng)點(diǎn)的橫向位移量與縱向位移量，即兩幀圖像的平移量 (Δ X，Δ y)。
[0067] 所述寬景圖像融合模塊通過(guò)對(duì)寬景圖像配準(zhǔn)模塊獲得的變換矩陣Md w+1)進(jìn)行提 取mQ2、m12，分別與預(yù)設(shè)的位移閾值mThreshold_x、mThreshold_y比較；若滿(mǎn)足公式（1):
[0068] Hi02^ mThreshold_x I Im12^ mThreshold_y (I)
[0069] 則進(jìn)行一次圖像拼接；否則，選取順序向下的一幀圖像，將該幀圖像與其前一 幀作為一對(duì)，發(fā)送到寬景圖像配準(zhǔn)模塊，得到d+2幀圖像與d+Ι幀圖像的仿射變換矩陣 M(d+i) (d+2)，令 Md (d+2) = M ^ (d+i) XM(d+1) (d+2)，取出 Md (d+2)中的 m 02、m12，即 d+2 幀圖像的點(diǎn)相對(duì)于 d幀圖像對(duì)應(yīng)點(diǎn)的橫向位移量與縱向位移量，若滿(mǎn)足公式（1)，則進(jìn)行一次圖像拼接，否則 依照?qǐng)D像序列順序重復(fù)以上步驟，依次求出M d k= M d & υ XM0i υ k，直至滿(mǎn)足公式（1)。
[0070] 所述圖像拼接方法為：選取出最先滿(mǎn)足公式（1)的Md k中的111。2、11112，取出k幀圖像 Pick，經(jīng)過(guò)仿射變換處理Pick' = PickXMdk，得到與d幀圖像Picjg同的坐標(biāo)系；取出與該 幀相對(duì)于d幀移動(dòng)方向相反的上下角點(diǎn)PpP 1，經(jīng)過(guò)仿射變換得到P'。4' i，這兩點(diǎn)的連線即 為拼接線；由兩點(diǎn)坐標(biāo)求出拼接線的直線方程X = cXy+b ;在與該拼接線垂直的方向往兩 邊各取設(shè)定距離作為拉普拉斯融合區(qū)域進(jìn)行d幀圖像與k幀圖像的拉普拉斯圖像融合，得 到圖像Pic_。
[0071] 所述寬景圖像配準(zhǔn)模塊和寬景圖像融合模塊循環(huán)執(zhí)行，在找出第一個(gè)k幀后，將k 幀作為新的d幀，依照?qǐng)D像序列順序取k幀的后一幀作為新的d+Ι幀，重新尋找最先滿(mǎn)足公 式（1)的新k幀，并得到新的仿射變換矩陣；將新的仿射變換矩陣與前一次得到的仿射變換 矩陣相乘作為累計(jì)的仿射變換矩陣，實(shí)現(xiàn)新k幀與初始d幀坐標(biāo)體系的統(tǒng)一；新k幀進(jìn)入寬 景圖像融合模塊，與前一次的Pic nJi行拉普拉斯圖像融合，得到新的Pic _;如此循環(huán)，直 至處理完所有圖像，最終得到的Pic_為初步的寬景圖像，發(fā)送到寬景圖像邊緣優(yōu)化模塊。
[0072] 所述寬景圖像邊緣優(yōu)化模塊對(duì)得到的整幅寬景圖像PicnJi行邊緣優(yōu)化。
[0073] 在本發(fā)明一實(shí)施例中，實(shí)時(shí)寬景超聲成像方法如以下步驟：
[0074] 步驟 1 :
[0075] 寬景圖像采集模塊，獲取連續(xù)序列的超聲圖像信息，并選取連續(xù)序列的超聲圖像 信息中的前后兩幀圖像信息，傳輸至寬景圖像配準(zhǔn)模塊。
[0076] 步驟 2 :
[0077] 寬景圖像配準(zhǔn)模塊將步驟1獲得的前后兩幀的圖像信息首先進(jìn)行精確角點(diǎn)檢測(cè) 及確定。寬景圖像配準(zhǔn)模塊使用Shi-Tomasi角點(diǎn)檢測(cè)算法取兩幀圖像的多對(duì)角點(diǎn)：利用 sobel算子計(jì)算灰度圖像的二階導(dǎo)數(shù)，然后計(jì)算特征值，最后返回滿(mǎn)足易于跟蹤的一系列角 點(diǎn)。在一個(gè)實(shí)施例中，我們需要精度更高的角點(diǎn)坐標(biāo)，此時(shí)利用Shi-Tomasi角點(diǎn)檢測(cè)算法 得到像素點(diǎn)位置精確度不能滿(mǎn)足需要，此時(shí)需要得到角點(diǎn)的物理位置，即亞像素點(diǎn)（或精 確角點(diǎn)），本發(fā)明優(yōu)先使用基于觀測(cè)向量正交性的FindCornerSubPi x算法將角點(diǎn)位置精確 到亞像素級(jí)別，且角點(diǎn)數(shù)不少于4對(duì)。
[0078] 步驟 3 :
[0079] 寬景圖像配準(zhǔn)模塊使用光流法求得步驟2中多對(duì)角點(diǎn)的各自位移。
[0080] 在一個(gè)實(shí)施例中光流算法一般為三個(gè)步驟：
[0081] 第一步：初始化需要跟蹤的點(diǎn)；
[0082] 第二步：根據(jù)兩幀之間的光流來(lái)計(jì)算由初始化的需要跟蹤的點(diǎn)的目標(biāo)點(diǎn)，為此要 先計(jì)算出兩幀的光流金字塔；
[0083] 第三步：把輸入輸出點(diǎn)進(jìn)行坐標(biāo)轉(zhuǎn)換，還有上一幀與目前幀的互換以及上一幀與 當(dāng)前幀光流金字塔的互換。經(jīng)過(guò)上述三步可以精確得到多對(duì)角點(diǎn)各自的位移。
[0084] 步驟 4 :
[0085] 寬景圖像配準(zhǔn)模塊使用RANSAC(Random Sample Consensus)算法，取出多對(duì)角點(diǎn) 中最能代表前后兩幀圖像之間真實(shí)位移和角度變化的3對(duì)角點(diǎn)。
[0086] 步驟 5 :
[0087] 寬景圖像配準(zhǔn)模塊通過(guò)步驟4獲得的3對(duì)角點(diǎn)的位移情況，計(jì)算出前后兩幀圖像 的變換矩陣；寬景圖像配準(zhǔn)模塊將計(jì)算得到的前后兩幀圖像的變換矩陣信息傳輸至寬景圖 像融合模塊。
[0088] -個(gè)實(shí)施例中，寬景圖像配準(zhǔn)模塊通過(guò)對(duì)步驟4獲得的3對(duì)角點(diǎn)的位移情況，使用 最小二乘法求出前后兩幀圖像大小為2*3的仿射變換矩陣
> 兩幅 圖像對(duì)應(yīng)的點(diǎn)可借助該仿射變換矩陣轉(zhuǎn)換：
其中X、y分別代 表了前一幀圖像任意一點(diǎn)的橫坐標(biāo)與縱坐標(biāo)，X'、y'分別代表了后一幀圖像相對(duì)應(yīng)點(diǎn)的橫 坐標(biāo)與縱坐標(biāo)，m12分別代表了后一幀圖像的點(diǎn)相對(duì)于前一幀圖像對(duì)應(yīng)點(diǎn)的橫向位移量 與縱向位移量，即兩幀圖像的平移量（AX，Ay)。
[0089] 通過(guò)本發(fā)明上述方法進(jìn)行的配準(zhǔn)確定過(guò)程，多對(duì)角點(diǎn)選擇的準(zhǔn)確性較高，解決了 現(xiàn)有超聲寬景成像特征點(diǎn)匹配過(guò)程準(zhǔn)確率較低的問(wèn)題。
[0090] 步驟 6 :
[0091] 寬景圖像融合模塊通過(guò)對(duì)步驟5中寬景圖像配準(zhǔn)模塊獲得的變換矩陣Md w+1) 進(jìn)行提取其中代表平移量（Δχ, Ay)的mQ2、m12，分別與預(yù)設(shè)的位移閾值mThreshold_x、 mThreshold_y比較；若滿(mǎn)足公式（1):
[0092] Hi02^ mThreshold_x I Im12^ mThreshold_y (I)
[0093] 則進(jìn)入步驟7,即進(jìn)行一次拼接；否則，選取順序向下的一幀圖像，將該幀圖像 與其前一幀作為一對(duì)，重復(fù)步驟2~5,得到d+2幀圖像與d+Ι幀圖像的仿射變換矩陣 M(d+i) (d+2)，令 Md (d+2) = M ^ (d+i) XM(d+1) (d+2)，取出 Md (d+2)中的 m 02、m12，即 d+2 幀圖像的點(diǎn)相對(duì)于 d幀圖像對(duì)應(yīng)點(diǎn)的橫向位移量與縱向位移量，若滿(mǎn)足公式（1)，則進(jìn)入步驟7,否則依照?qǐng)D像 序列順序重復(fù)以上步驟，依次求出M d k= M d & υ XM0i υ k，直至滿(mǎn)足公式（1)。
[0094] 步驟 7 :
[0095] 寬景圖像融合模塊選取出最先滿(mǎn)足公式（1)的Mdk中的111。2、m 12，取出k幀圖像 Pick，經(jīng)過(guò)仿射變換處理Pick' = PickXMdk，得到與d幀圖像Picjg同的坐標(biāo)系；取出與該 幀相對(duì)于d幀移動(dòng)方向相反的上下角點(diǎn)PpP 1，經(jīng)過(guò)仿射變換得到P'。4' i，這兩點(diǎn)的連線即 為拼接線；由兩點(diǎn)坐標(biāo)求出拼接線的直線方程X = cXy+b ;在與該拼接線垂直的方向往兩 邊各取設(shè)定距離作為拉普拉斯融合區(qū)域進(jìn)行d幀圖像與k幀圖像的拉普拉斯圖像融合，得 到圖像Pic_。該設(shè)定距離影響著圖像融合的效果，如過(guò)小則拼接縫明顯，如過(guò)大則運(yùn)算量 增大、圖像質(zhì)量下降。
[0096] 此外，在本發(fā)明的另一實(shí)施例中，在該直線處做了一次高斯平滑，進(jìn)一步消除了拼 接縫的影響。
[0097] 步驟 8 :
[0098] 將k幀作為新的d幀，依照?qǐng)D像序列順序取k幀的后一幀作為新的d+Ι幀，迭代進(jìn) 行步驟2~6,取出最先滿(mǎn)足公式（1)的新k幀，并得到新的仿射變換矩陣M d k' ；將新的仿 射變換矩陣Md k'與前一次得到的仿射變換矩陣Md k相乘作為累計(jì)的仿射變換矩陣替換掉 前一次的Md k，實(shí)現(xiàn)新k幀與初始d幀坐標(biāo)體系的統(tǒng)一；新k幀進(jìn)入步驟7與前一次的Pic_ 進(jìn)行拉普拉斯圖像融合，得到新的Pic_;迭代進(jìn)行步驟8直至處理完所有圖像，最終得到 的Pic_為初步的寬景圖像。
[0099] 本發(fā)明寬景圖像融合模塊所采用的計(jì)算方法較現(xiàn)有寬景圖像融合方法計(jì)算過(guò)程 簡(jiǎn)單，計(jì)算量顯著降低，提高了寬景成像速度。
[0100] 步驟 9:
[0101] 寬景圖像邊緣優(yōu)化模塊使用多項(xiàng)式擬合方法對(duì)步驟8得到的整幅寬景圖像Pic_ 進(jìn)行邊緣優(yōu)化。當(dāng)寬景圖像融合模塊進(jìn)行若干次圖像的融合會(huì)在圖像的邊緣產(chǎn)生鋸齒狀的 邊界：當(dāng)前后兩幀參與融合的圖像之間的位移、角度變化較大時(shí)，在邊界產(chǎn)生的鋸齒尤為明 顯。這些鋸齒會(huì)影響使用者對(duì)于整幅寬景圖像的感官，甚至可能會(huì)造成醫(yī)生對(duì)組織區(qū)域的 誤判，因此需要消除這些邊界鋸齒，平滑整幅寬景圖像的邊緣。
[0102] 具體步驟如下：
[0103] a)記錄下參與圖像融合的每幀圖像的中心點(diǎn)坐標(biāo)，并將這些點(diǎn)的坐標(biāo)計(jì)算成以初 始d幀圖像為參考坐標(biāo)系的坐標(biāo)Posl new，Posl new，…，Posk new，…，Posend new，計(jì)算公式如下 所示：
[0104] Posk new (x, y) = Posk original (x, y) X Md k (2)
[0105] 其中，Posk_OTiginal (x, y)中的x =圖像寬度/2-1、y =圖像高度/2-1，Md k為從k幀 變換至初始d幀圖像坐標(biāo)系的累計(jì)仿射變換矩陣。
[0106] b)對(duì)Pos1^iew, Posljiew，…，Posk_new，…，Posendjiew這些點(diǎn)的坐標(biāo)進(jìn)行多項(xiàng)式擬合， 本發(fā)明根據(jù)位移、角度變化的從小至大，動(dòng)態(tài)地選擇使用2、3、4、5次多項(xiàng)式擬合。本發(fā)明不 建議使用更高次多項(xiàng)式進(jìn)行擬合，因?yàn)檫@樣做會(huì)導(dǎo)致擬合失真。擬合后得到多項(xiàng)式如下：
[0107] anXn+an !Xn k.-.+aJ+a。= Y (3)
[0108] 其中an，an i，…，a。均為常量，η為多項(xiàng)式的最高冪，（X，Y)為坐標(biāo)。
[0109] c)在此方程上將X作為增量，X從0開(kāi)始，每增整數(shù)η即取一個(gè)點(diǎn)PosInMent，最終 得到 Poslncrenent l, PosIncrenent 2，…，Poslncrenent k，…，Poslncrenent end。整數(shù) η 由用戶(hù)設(shè)定，其大 小影響著寬景圖像邊緣的精細(xì)程度。
[0110] d)計(jì)算與相鄰兩點(diǎn)Poslnerenent k丨、Poslnerenent k的連線垂直，且經(jīng)過(guò)Pos In(：renent_k丨點(diǎn) 的直線方程k'y+b' =x。然后，在該直線方程上取與相鄰兩點(diǎn)中的Poslneraient klA距離最 接近設(shè)定距離（本發(fā)明建議取原圖像高度的40%~48%)的兩點(diǎn)？〇81)_(1!117_ 1〇、？〇81)_(1!1"_ k_2°
[0111] e)使用上述方法取出所有的 Posbciundaryjj，PoSbciundary丄2，…，Pos b_dary_endJ， P〇sb_da"_OTd_2,使用步驟b中的方法對(duì)下標(biāo)最末為1和2的所有點(diǎn)分別求得各自的擬合多項(xiàng) 式。
[0112] f)在步驟e求得的兩個(gè)多項(xiàng)式上，以X作為增量，從0開(kāi)始，在寬景圖像的寬度范 圍內(nèi)，每隔設(shè)定的增量m(此增量m越小，最后得到的寬景圖像邊緣就越平滑，本發(fā)明一些實(shí) 施例中，優(yōu)取值2~5)即重采樣一點(diǎn)，記錄所有的重采樣點(diǎn)。
[0113] g)計(jì)算出Pic_四個(gè)角的點(diǎn)的坐標(biāo)，將其與步驟f求得的重采樣點(diǎn)按順序連線成 一個(gè)凸多邊形Polygon，將其作為一個(gè)掩膜Mask，多邊形內(nèi)部設(shè)為1，外部設(shè)為0,具體如公 式⑷所示：
[0114]
(4)
[0115] 使用掩膜Mask對(duì)初步寬景圖像Picnew處理，得到邊緣優(yōu)化的寬景圖像Pic s_th，方 法如公式（5)所示：
[0116] Picsncmth=PicnewXMask (5)
[0117] 在實(shí)際應(yīng)用中，多種因素會(huì)造成多幀圖像之間的亮度不均、精細(xì)程度不同，比如： 寬景成像很有可能會(huì)掃過(guò)較大的組織范圍，操作者控制超聲探頭也難免會(huì)力道、速度不均 等。本發(fā)明對(duì)整幅寬景圖像進(jìn)行二維高斯平滑，平衡了整幅寬景圖像的精細(xì)程度；進(jìn)一步 地，對(duì)整幅圖像做了一次對(duì)比度線性拉伸，平衡了整幅圖像的亮度。從實(shí)際效果來(lái)看，這兩 步操作進(jìn)一步提升了整幅寬景圖像的整體融合效果。
[0118] 為了方便使用者在寬景圖像上進(jìn)行測(cè)量操作，在本發(fā)明的另一實(shí)施例中，在寬景 圖像的四周畫(huà)上標(biāo)尺。標(biāo)尺的比例尺為真實(shí)距離（毫米、厘米）與像素距離（pixel)的比 值。通過(guò)這樣的操作，在使用者使用寬景圖像進(jìn)行計(jì)算時(shí)，有更加便捷及準(zhǔn)確的操作體驗(yàn)。
[0119] 為了方便使用者的觀察，在本發(fā)明的另一實(shí)施例中，設(shè)計(jì)了寬景成像回滾模塊，其 與寬景圖像邊緣優(yōu)化模塊相連，當(dāng)使用者在成像后寬景圖像的任意區(qū)域選中，并滾動(dòng)鼠標(biāo) 或進(jìn)行一定角度的滑動(dòng)、平移，則寬景成像回滾模塊將從參與拼接的并被選中的一幀圖像 開(kāi)始回滾，至第一幀圖像或者中間選中的任意一段圖像，用以觀察超聲探頭在運(yùn)動(dòng)過(guò)程中 的組織變化。
【主權(quán)項(xiàng)】
1. 實(shí)時(shí)寬景超聲成像裝置，其特征是，包括寬景圖像采集模塊、寬景圖像配準(zhǔn)模塊、寬 景圖像融合模塊及寬景圖像邊緣優(yōu)化模塊； 所述寬景圖像采集模塊獲取連續(xù)序列的超聲圖像信息，并選取連續(xù)序列中的前后兩帖 圖像信息，設(shè)為d帖和d+1帖，傳輸至寬景圖像配準(zhǔn)模塊；所述寬景圖像配準(zhǔn)模塊將前一步獲得的前后兩帖的圖像信息首先進(jìn)行精確角點(diǎn)檢測(cè) 及確定，取兩帖圖像的多對(duì)角點(diǎn)；并使用光流法求得多對(duì)角點(diǎn)的各自位移；使用RANSAC算 法，取出多對(duì)角點(diǎn)中最能代表前后兩帖圖像之間真實(shí)位移和角度變化的3對(duì)角點(diǎn)；通過(guò)所 述3對(duì)角點(diǎn)的位移情況，計(jì)算出前后兩帖圖像的仿射變換矩陣；寬景圖像配準(zhǔn)模塊將計(jì)算 得到的前后兩帖圖像的亦隨倍自^去輸否*號(hào)圖像融合模塊； 所述仿射變換矩陣 ，兩幅圖像對(duì)應(yīng)的點(diǎn)可借助該仿射變換矩 陣轉(zhuǎn)換'其中X、y分別代表前一帖圖像任意一點(diǎn)的橫坐標(biāo) 與縱坐標(biāo)，X'、y'分別代表后一帖圖像相對(duì)應(yīng)點(diǎn)的橫坐標(biāo)與縱坐標(biāo)，111。2、mi2分別代表后一 帖圖像的點(diǎn)相對(duì)于前一帖圖像對(duì)應(yīng)點(diǎn)的橫向位移量與縱向位移量，即兩帖圖像的平移量 (A X, A y)； 所述寬景圖像融合模塊通過(guò)對(duì)寬景圖像配準(zhǔn)模塊獲得的變換矩陣Md WW進(jìn)行與預(yù)設(shè) 的位移闊值mT虹eshold_x、mT虹eshold_y比較；若滿(mǎn)足公式（1): m〇2> mThreshold_x I |m 12> mThreshold_y (I) 則進(jìn)行一次圖像拼接；否則，選取順序向下的一帖圖像，將該帖圖像與其前一帖作為一 對(duì)，發(fā)送到寬景圖像配準(zhǔn)模塊，得到d+2帖圖像與d+1帖圖像的仿射變換矩陣Mwu, 令 Md沖2) = M d沖1) XM沖1)沖2)，取出Md沖2)中的m。2、mi2,即d巧帖圖像的點(diǎn)相對(duì)于d帖圖像對(duì) 應(yīng)點(diǎn)的橫向位移量與縱向位移量，若滿(mǎn)足公式（1)，則進(jìn)行一次圖像拼接，否則依照?qǐng)D像序 列順序重復(fù)W上步驟，依次求出Mdk= Md U XM;k U k，直至滿(mǎn)足公式（1); 所述圖像拼接方法為：選取出最先滿(mǎn)足公式（1)的Mdk中的mu2、mi2,取出k帖圖像PiCk， 經(jīng)過(guò)仿射變換處理PiCk' = PiCkXMd k，得到與d帖圖像PiCi相同的坐標(biāo)系；取出與該帖相 對(duì)于d帖移動(dòng)方向相反的上下角點(diǎn)Pe、Pi，經(jīng)過(guò)仿射變換得到P' e、P' 1，運(yùn)兩點(diǎn)的連線即為拼 接線；由兩點(diǎn)坐標(biāo)求出拼接線的直線方程X = cXy+b ;在與該拼接線垂直的方向往兩邊各 取設(shè)定距離作為拉普拉斯融合區(qū)域進(jìn)行d帖圖像與k帖圖像的拉普拉斯圖像融合，得到圖 像 PiCww; 所述寬景圖像配準(zhǔn)模塊和寬景圖像融合模塊循環(huán)執(zhí)行，在找出第一個(gè)k帖后，將k帖 作為新的d帖，依照?qǐng)D像序列順序取k帖的后一帖作為新的d+1帖，重新尋找最先滿(mǎn)足公式 (1)的新k帖，并得到新的仿射變換矩陣；將新的仿射變換矩陣與前一次得到的仿射變換矩 陣相乘作為累計(jì)的仿射變換矩陣，實(shí)現(xiàn)新k帖與初始d帖坐標(biāo)體系的統(tǒng)一；新k帖進(jìn)入寬景 圖像融合模塊，與前一次的Pic。行拉普拉斯圖像融合，得到新的Pic如此循環(huán)，直至 處理完所有圖像，最終得到的Pic。。。為初步的寬景圖像，發(fā)送到寬景圖像邊緣優(yōu)化模塊； 所述寬景圖像邊緣優(yōu)化模塊對(duì)得到的整幅寬景圖像PiCwJi行邊緣優(yōu)化。2. 實(shí)時(shí)寬景超聲成像方法，其特征是，包括圖像采集、圖像配準(zhǔn)、圖像融合及邊緣優(yōu) 化； 步驟I:所述圖像采集獲取連續(xù)序列的超聲圖像信息，并選取連續(xù)序列中的前后兩帖 圖像信息，設(shè)為d帖和d+1帖； 所述圖像配準(zhǔn)包括步驟2~5 : 步驟2 :所述圖像配準(zhǔn)將前一步獲得的前后兩帖的圖像信息首先進(jìn)行精確角點(diǎn)檢測(cè)及 確定，取兩帖圖像的多對(duì)角點(diǎn)； 步驟3 :使用光流法求得步驟2中多對(duì)角點(diǎn)的各自位移； 步驟4 :使用RANSAC算法，取出多對(duì)角點(diǎn)中最能代表前后兩帖圖像之間真實(shí)位移和角 度變化的3對(duì)角點(diǎn)；步驟5 ^ 。74角點(diǎn)的位移情況，計(jì)算出前后兩帖圖像大小為2*3的仿 射變換矩P 兩幅圖像對(duì)應(yīng)的點(diǎn)可借助該仿射變換矩陣轉(zhuǎn)換， 其中X、y分別代表前一帖圖像任意一點(diǎn)的橫坐標(biāo)與縱坐標(biāo)，X、y'分別代表后一帖圖 像相對(duì)應(yīng)點(diǎn)的橫坐標(biāo)與縱坐標(biāo)，i%j、mi2分別代表后一帖圖像的點(diǎn)相對(duì)于前一帖圖像對(duì)應(yīng)點(diǎn) 的橫向位移量與縱向位移量，即兩帖圖像的平移量（Ax, Ay); 所述圖像融合包括步驟6~8 : 步驟6 :通過(guò)對(duì)步驟5中獲得的變換矩陣Md 進(jìn)行提取ma2、mi2,分別與預(yù)設(shè)的位移闊 值mT虹eshold_x、mT虹eshold_y比較；若滿(mǎn)足公式（1): m〇2> mThreshold_x I I m 12> mThreshold_y (I) 則進(jìn)入步驟7,即進(jìn)行一次拼接；否則，選取順序向下的一帖圖像，將該帖圖像與其前 一帖作為一對(duì)，重復(fù)步驟2~5,得到d巧帖圖像與d+1帖圖像的仿射變換矩陣My+u ，令 Md沖2) = M d沖1) XM(W) (d巧，取出Md沖2)中的m。2、mi2,即d巧帖圖像的點(diǎn)相對(duì)于d帖圖像對(duì) 應(yīng)點(diǎn)的橫向位移量與縱向位移量，若滿(mǎn)足公式（1)，則進(jìn)入步驟7,否則依照?qǐng)D像序列順序 重復(fù)W上步驟，依次求出Mdk= Md A U k，直至滿(mǎn)足公式（1); 步驟7 :選取出最先滿(mǎn)足公式（1)的Md k中的111。2、mi2,取出k帖圖像PiCk，經(jīng)過(guò)仿射變 換處理PiCk' = PiCkXMd k，得到與d帖圖像PiCi相同的坐標(biāo)系；取出與該帖相對(duì)于d帖移 動(dòng)方向相反的上下角點(diǎn)P。、Pi,經(jīng)過(guò)仿射變換得到P'。、P' 1，運(yùn)兩點(diǎn)的連線即為拼接線；由兩 點(diǎn)坐標(biāo)求出拼接線的直線方程X = cXy+b ;在與該拼接線垂直的方向往兩邊各取設(shè)定距離 作為拉普拉斯融合區(qū)域進(jìn)行d帖圖像與k帖圖像的拉普拉斯圖像融合，得到圖像Pic。。。； 步驟8 :將k帖作為新的d帖，依照?qǐng)D像序列順序取k帖的后一帖作為新的d+1帖，迭 代進(jìn)行步驟2~6,取出最先滿(mǎn)足公式（1)的新k帖，并得到新的仿射變換矩陣；將新的仿 射變換矩陣與前一次獲得的仿射變換矩陣相乘作為累計(jì)的仿射變換矩陣，實(shí)現(xiàn)新k帖與初 始d帖坐標(biāo)體系的統(tǒng)一；新k帖進(jìn)入步驟7與前一次的Pic。^進(jìn)行拉普拉斯圖像融合，得到 新的Pic。^; 迭代進(jìn)行步驟8直至處理完所有圖像，最終得到的Pic。。。為初步的寬景圖像； 步驟9 :對(duì)步驟8得到的整幅寬景圖像Pic。^進(jìn)行邊緣優(yōu)化。3. 如權(quán)利要求1所述的實(shí)時(shí)寬景超聲成像方法，其特征是，所述步驟2中使用 化i-Tomasi角點(diǎn)檢測(cè)算法取兩帖圖像的多對(duì)角點(diǎn)：利用SObel算子計(jì)算灰度圖像的二階導(dǎo) 數(shù)，然后計(jì)算特征值，最后返回滿(mǎn)足易于跟蹤的一系列角點(diǎn)。4. 如權(quán)利要求1所述的實(shí)時(shí)寬景超聲成像方法，其特征是，所述步驟2中使用基于觀測(cè) 向量正交性的FindCornerSubPix算法得到角點(diǎn)的物理位置，將角點(diǎn)位置精確到亞像素級(jí) 另IJ，且角點(diǎn)數(shù)不少于4對(duì)。5. 如權(quán)利要求1所述的實(shí)時(shí)寬景超聲成像方法，其特征是，所述步驟3中使用光流法求 得步驟2中多對(duì)角點(diǎn)的各自位移： 第一步：初始化需要跟蹤的點(diǎn)； 第二步：根據(jù)兩帖之間的光流來(lái)計(jì)算由初始化的需要跟蹤的點(diǎn)的目標(biāo)點(diǎn)，為此要先計(jì) 算出兩帖的光流金字塔； 第=步：把輸入輸出點(diǎn)進(jìn)行坐標(biāo)轉(zhuǎn)換，上一帖與當(dāng)前帖進(jìn)行互換W及上一帖與當(dāng)前帖 的光流金字塔互換；得到多對(duì)角點(diǎn)各自的位移。6. 如權(quán)利要求1所述的實(shí)時(shí)寬景超聲成像方法，其特征是，所述步驟5中使用最小二乘 法求出前后兩帖圖像的仿射變換矩陣。7. 如權(quán)利要求1所述的實(shí)時(shí)寬景超聲成像方法，其特征是，所述步驟9具體步驟如下： a) 記錄下參與圖像融合的每帖圖像的中屯、點(diǎn)坐標(biāo)，并將運(yùn)些點(diǎn)的坐標(biāo)計(jì)算成W初始d 帖圖像為參考坐標(biāo)系的坐標(biāo)化31^^^，？〇32^<6?，w，P〇Slw?，???，化36。心^?，計(jì)算公式如下： 化Sk nw (X，y)=化Sk orWnal (X，y) XMd k 似 其中，化Sk Migmai (X，y)中的X =圖像寬度/2-1、y =圖像高度/2-1，Md k為從k帖變換 至初始d帖圖像坐標(biāo)系的累計(jì)仿射變換矩陣； b) 對(duì)化Si_。^，P〇S2_w"，…，P〇Sk_w"，…，化Send_nJS些點(diǎn)的坐標(biāo)進(jìn)行多項(xiàng)式擬合，擬合 后得到多項(xiàng)式如下： 曰 jn+a。iX。1+. . . +aiX+a〇= Y (3) 其中a。、a。I……a。均為常量，n為多項(xiàng)式的最高幕，狂，Y)為坐標(biāo)； C)在此方程上將X作為增量，X從0開(kāi)始，每增整數(shù)n即取一個(gè)點(diǎn)，最終得到一系列點(diǎn) P〇Sincrement_l，P〇Sincrement_2， ? P〇^Increment_k^ ? P〇^Increment_end? 整數(shù)n由用戶(hù)設(shè)定，其大小影 響著寬景圖像邊緣的精細(xì)程度； d) 計(jì)算與相鄰兩點(diǎn)P〇SiM"meM_k 1、化的連線垂直，且經(jīng)過(guò)化S 1點(diǎn)的直 線方程k' y+b' = X，然后在該直線方程上取與相鄰兩點(diǎn)中的化1點(diǎn)距離最接近設(shè) 定距離的兩點(diǎn)化Sbw"dgry_k_l、P〇Sbw"dgry_k_2; e) 使用上述方法取出所有的化Shundary LI，P〇Sbw"dary L2，…，P〇Sbcu"dary_end_l，P〇Sbcu"dary_ 。。^2,使用步驟b中的方法分別對(duì)下標(biāo)最末為I和2的所有點(diǎn)求得各自的擬合多項(xiàng)式； f) 在步驟e求得的兩個(gè)多項(xiàng)式上，WX作為增量，從0開(kāi)始，在寬景圖像的寬度范圍內(nèi)， 每隔設(shè)定的增量即重采樣一點(diǎn)，記錄所有的重采樣點(diǎn)； g) 計(jì)算出Pic。。。四個(gè)角的點(diǎn)的坐標(biāo)，將其與步驟f求得的重采樣點(diǎn)按順序連線成一個(gè) 凸多邊形化lygon，將其作為一個(gè)掩膜Mask,多邊形內(nèi)部設(shè)為1，外部設(shè)為0,具體如公式（4) 所示：a:) 使用掩膜Mask對(duì)初步寬景圖像Pic。^處理，得到邊緣優(yōu)化的寬景圖像Pic ,mc"th，方法如 公式（5)所示： PiCsmooth= Pic newXMask (5)。8. 如權(quán)利要求7所述的實(shí)時(shí)寬景超聲成像方法，其特征是，步驟b中根據(jù)位移、角度的 變化從小至大，動(dòng)態(tài)地選擇使用2、3、4、5次多項(xiàng)式擬合。9. 如權(quán)利要求7所述的實(shí)時(shí)寬景超聲成像方法，其特征是，步驟d中的設(shè)定距離取原圖 像高度的40%~48%。
【文檔編號(hào)】A61B8/00GK105982696SQ201510065106
【公開(kāi)日】2016年10月5日
【申請(qǐng)日】2015年2月6日
【發(fā)明人】孫新, 趙明昌
【申請(qǐng)人】無(wú)錫觸典科技有限公司