利用霍夫变换的肌肉图像处理方法.pdf

本发明提供一种利用霍夫变换的肌肉图像处理方法，其采用霍夫变换，自动标记出上下两条肌膜的位置，设计算法计算出上下两条肌膜之间的厚度：根据肌肉图像的特点，至少需找出霍夫矩阵中前两个峰值点，才能检测出图像中的上下两条肌膜位置，在两条肌膜位置提取直线，根据标记的直线信息，计算上下两条直线中处在相同列的对应点的距离之和，此即为肌肉的面积，用肌肉的面积除以肌肉的长度即可计算出肌肉的平均厚度，其中肌肉长度即为图像的宽度，本发明的图像处理方法，能够快速、准确地测量出肌肉的厚度，并可集成到现有超声采集设备中进行肌肉厚度的实时测量。

权利要求书一种利用霍夫变换的肌肉图像处理方法，其特征在于，包括以下步骤：
(1)肌肉图像预处理：使用灰度变换函数对预处理图像进行灰度变换，调整图像的对比度；
(2)使用最大类间方差法按照图像的灰度特性对图像进行二值分割，将采集到的图像分割出上下两条肌膜；
(3)采用霍夫变换，找出霍夫矩阵中至少两个峰值点，检测出图像中的上下两条肌膜位置，在两条肌膜位置提取直线并进行标记，根据标记的直线信息，计算上下两条直线中处在相同列的对应点的距离之和，得到肌肉的面积；肌肉的平均厚度为：

其中，肌肉长度即为图像的宽度。

说明书利用霍夫变换的肌肉图像处理方法
技术领域
本发明涉及一种图像处理方法，尤其涉及一种利用霍夫变换的基于B超采集的肌肉图像处理方法。
背景技术
肌肉是构成人体的重要组织，它分布在各组织器官和骨骼的周围，其功能为产生收缩并引导运动，在运动中扮演着至关重要的作用，而肌肉的构成又十分复杂，定量分析和评估肌肉功能状态是运动医学和运动功能康复研究中的难点和热点。
超声成像是一种实时、无创和便携的成像方法，自从面世以来已经被广泛地应用在各个科研领域。超声是第一种可以辅助诊断肌肉疾病的成像技术，随着超声技术的趋于成熟，大量的研究者利用二维超声图像诊断肌肉疾病，如肌肉神经疾病、肌肉恶性肿瘤、肌肉血肿和肌肉撕裂等。从上世纪90年代起，有学者开始利用超声去定量地评估肌肉的功能状态，并把分析结果应用在生物力学的研究领域，如肌肉的功能性研究，人体运动分析，肌肉的硬度(弹性)测量等。
利用二维超声能够获取人体肌肉图像并分析得到肌肉的结构性参数，以此来评估肌肉的功能状态。主要采用肌肉横断面积、横截面厚宽比、肌纤维长、肌肉厚度和羽状角等结构性参数来表述肌肉的状态变化。其中，肌肉厚度是一个重要参数，因此如何快速、准确地测量肌肉厚度显得尤为重要。目前对于肌肉厚度的测量仅限于人工手动测量，其缺乏客观性，测量精度难以控制，并且对于测量大批量的肌肉厚度，操作过程费时费力。
有报道指出骨骼肌厚度可由相应的羽状角信息推算出来。有文献提出了一种肌纤维方位估计的半自动方法，用雷登变换(Radon Transform)实现了肌肉羽状角的自动跟踪和计算。
发明内容
本发明基于上述现有技术操作复杂、精度低的缺点，基于B超采集的肌肉图像，提出了一种操作简单、精度高、速度快的利用霍夫变换的肌肉图像处理方法，其特征在于，包括以下步骤：
(1)肌肉图像预处理：使用灰度变换函数对预处理图像进行灰度变换，调整图像的对比度；
(2)使用最大类间方差法按照图像的灰度特性对图像进行二值分割，将采集到的图像分割出上下两条肌膜；
(3)采用霍夫变换，找出霍夫矩阵中至少两个峰值点，检测出图像中的上下两条肌膜位置，在两条肌膜位置提取直线并进行标记，根据标记的直线信息，计算上下两条直线中处在相同列的对应点的距离之和，得到肌肉的面积；肌肉的平均厚度为：

其中，肌肉长度即为图像的宽度。
本发明的利用霍夫变换的肌肉图像处理方法能够客观、快速、准确、高重复性的测量出肌肉的厚度。
附图说明
图1为本发明一实施例利用霍夫变换的肌肉图像处理方法的流程图；
图2为本发明一实施例利用霍夫变换的肌肉图像处理方法的肌肉图像的预处理图像；
图3为本发明一实施例利用霍夫变换的肌肉图像处理方法的肌肉图像处理并标记后的图像；
图4为本发明一实施例利用霍夫变换的肌肉图像处理方法的图像空间中的点与参数空间中的直线对偶示意图；
图5为本发明一实施例利用霍夫变换的肌肉图像处理方法的图像空间中的直线与参数空间中的点对偶示意图；
图6为本发明一实施例利用霍夫变换的肌肉图像处理方法的参数空间中的累加数组示意图；
图7为本发明一实施例利用霍夫变换的肌肉图像处理方法的极坐标方程下的点线对偶示意图。
具体实施方式
下面将结合附图以及具体实施例来对本发明作进一步详细说明。
如图1所示，为本发明利用霍夫变换的肌肉图像处理方法的流程图，本发明基于B超采集的肌肉图像，提供一种操作简单、精度高、速度快的利用霍夫变换的肌肉图像处理方法，包括以下步骤：
(1)肌肉图像预处理：使用灰度变换函数对预处理图像(如图2所示)进行灰度变换，调整图像的对比度；
(2)使用最大类间方差法按照图像的灰度特性对图像进行二值分割，将采集到的图像分割出上下两条肌膜；
(3)采用霍夫变换，找出霍夫矩阵中至少两个峰值点，检测出图像中的上下两条肌膜位置，在两条肌膜位置提取直线并进行标记(如图3所示)，根据标记的直线信息，计算上下两条直线中处在相同列的对应点的距离之和，得到肌肉的面积；肌肉的平均厚度为：

其中，肌肉长度即为图像的宽度。
本发明的霍夫变换利用点‑线的对偶性，即图像空间共线的点对应在参数空间里相交的线，反过来，在参数空间中交于同一个点的所有直线在图像空间里都有共线的点与之对应。
在图像空间X‑Y中，所有共线的点(x，y)都可以用直线方程表示为：
y＝mx+c    (1.1)
其中m为直线的斜率，c为截距，同时式(1.1)又可以写为：
c＝‑xm+y   (1.2)
上式可以看作是参数空间C‑M中的一条直线方程，其中直线的斜率为x，截距为y。
比较式(1.1)和式(1.2)，可以看出，图像空间中的一点(x，y)对应参数空间中的一条直线，而图像空间中的一条直线又是由参数空间中的一点(m，c)来决定的。霍夫变换的基本思想是将上述两式看作是图像空间中的点和参数空间中的点的共同约束条件，并由此定义一个从图像空间到参数空间的一对映射。如图4所示，为图像空间中的点与参数空间中的直线对偶示意图，体现了这种点‑线之间的对偶关系。图如5(a)所示图像空间中位于同一直线的点，如图5(b)所示是图像中直线上的点经过式(1.2)映射到参数空间中的一簇直线，图像空间中的一条直线上的点经过霍夫变换后，对应的参数空间中的直线相交于一点，这一点是确定的，确定该点在参数空间中的位置即可知道图像中直线的参数。霍夫变换把在图像空间中的直线检测问题转换到参数空间里对点的检测问题，通过在参数空间里进行简单的累加统计完成检测任务。
在具体计算过程中，需要将参数空间M‑C离散化为二维的累加数组，设这个数组为(m，c)，如图6所示，同时设[mmin，mmax]和[cmin，cmax]分别为斜率和截距的取值范围。开始时置数组A全为零，然后对于每一个空间中的给定边缘点，让m取遍[mmin，mmax]内所有可能的值，并根据式(1.2)算出对应的c。再根据m和c的值(设都已经取整)对数组元素A(m，c)＝A(m，c)+1。累加结束后，通过检测数组A中局部峰值点的位置确定参数m和c的值。
如果直线的斜率无限大(比如x＝a形式的直线)，采用式(1.2)是无法完成检测的，为了能够正确识别和检测任意方向和任意位置的直线，可以用直线极坐标方程来替代(1.1)式：
ρ＝xcosθ+ysinθ    (1.3)
如图7(a)所示，图像空间中一条直线l，θ为l过原点的垂线与x轴正方向的夹角，ρ为原点到l的距离。这时，参数空间就变为ρ‑θ空间，X‑Y空间中的任意一条直线对应了ρ‑θ空间内的一个点，由式(1.3)可知，X‑Y空间内的一点对应了ρ‑θ空间中的一条正弦曲线。如果有一组位于参数ρ和θ决定的直线上的点，则每个点对应了参数空间中的一条正弦曲线，所有这些曲线必交于点(ρ，θ)如图7(b)所示。
同样，在计算的过程中需要对参数空间进行离散化，每个单元的中心点坐标为：