CN118196123A - 一种肺部纤维吸入致病的肺部x光图像处理方法 - Google Patents

Abstract

本发明涉及图像数据处理技术领域，具体涉及一种肺部纤维吸入致病的肺部X光图像处理方法，包括：获取肺部影像的边缘图像以及肺部影像中每个像素点的梯度，构建滑动窗口遍历边缘像素点，根据遍历过程中的滑动窗口的划分得到的子窗口内像素点的梯度，获得局部方向一致性，根据不同子窗口内像素点的梯度幅值的分布情况的差异以及局部方向一致性获得分散性参数，并结合边缘像素点的位置分布情况调节边缘像素点的梯度幅值，根据边缘图像中边缘像素点的新梯度幅值分割出肺部纤维化病变区域边缘。本发明通过自适应调节边缘像素点在不同方向上的梯度幅值，有效提升了肺部X光影像中肺部纤维化病变区域边缘的分割准确性。

Description

一种肺部纤维吸入致病的肺部X光图像处理方法

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种肺部纤维吸入致病的肺部X光图像处理方法。

背景技术

肺部纤维化疾病是威胁人体健康的四大疾病之一，是指肺组织中正常的肺泡和支气管结构被疤痕组织代替的过程，是一种慢性、进行性的肺部疾病，它导致了肺组织的结构和功能发生不可逆的变化。通常对肺部纤维化的影像学检查手段主要有X射线检查、CT扫描等，其中X射线检查采集到的患者肺部影像中反映出的某些病灶细节难以通过肉眼准确分辨，因此为了准确获取病灶区域，结合图像处理技术对肺部影像进行处理检测就显得非常重要。

在利用图像处理技术对肺部影像进行处理时，由于利用X射线采集到的肺部影像分辨率较低，导致肺部影像中边缘信息模糊，为了准确获取图像中的边缘信息，利用传统的Sobel算子直接进行边缘检测的方法不能满足实际的边缘检测要求，导致边缘检测结果不理想，进一步导致无法准确提取出肺部影像中的病变区域。

发明内容

本发明提供一种肺部纤维吸入致病的肺部X光图像处理方法，以解决现有的问题。

本发明的一种肺部纤维吸入致病的肺部X光图像处理方法采用如下技术方案：

本发明一个实施例提供了一种肺部纤维吸入致病的肺部X光图像处理方法，该方法包括以下步骤：

获取肺部影像；

获取肺部影像的边缘图像以及肺部影像中每个像素点的梯度，构建预设大小的滑动窗口对边缘图像中的边缘像素点进行遍历，将遍历过程中的滑动窗口划分为若干个子窗口，根据子窗口内像素点的梯度方向的差异，获得子窗口的局部方向一致性，根据不同子窗口内像素点的梯度幅值的分布情况的差异，以及每个子窗口的局部方向一致性，获得滑动窗口的分散性参数；根据滑动窗口的分散性参数、边缘像素点的位置分布情况以及边缘像素点的梯度，获得位于滑动窗口中心处边缘像素点的纤维化边缘系数；

根据边缘像素点的纤维化边缘系数的大小，对边缘像素点的梯度幅值进行调节，获得边缘像素点的新梯度幅值；

根据边缘图像中边缘像素点的新梯度幅值分割出肺部纤维化病变区域边缘。

进一步地，所述获取肺部影像的边缘图像以及肺部影像中每个像素点的梯度，包括的具体方法为：

利用Sobel算子对肺部影像进行边缘检测获得肺部影像对应的边缘图像，并获取肺部影像中每个像素点的梯度。

进一步地，所述构建预设大小的滑动窗口对边缘图像中的边缘像素点进行遍历，将遍历过程中的滑动窗口划分为若干个子窗口，根据子窗口内像素点的梯度方向的差异，获得子窗口的局部方向一致性，包括的具体方法为：

将边缘图像中所有边缘像素点形成的区域记为目标区域；

预设大小为的滑动窗口，并以边缘图像中目标区域的边缘像素点为中心，对边缘图像进行遍历，将遍历过程中的滑动窗口均匀划分为若干个相同大小的子窗口；

将滑动窗口内所有像素点的梯度的累加和，记为位于滑动窗口的中心处边缘像素点的局部梯度，将边缘像素点的局部梯度的方向记为边缘像素点的局部梯度方向；

根据目标区域中以第个边缘像素点为中心的滑动窗口内，每个像素点的梯度方向与第/>个边缘像素点局部梯度方向的差异，获得以第/>个边缘像素点为中心的滑动窗口的局部方向一致性；

获取子窗口的局部方向一致性，所述子窗口的局部方向一致性与滑动窗口的局部方向一致性的获取方法相同。

进一步地，所述根据目标区域中以第个边缘像素点为中心的滑动窗口内，每个像素点的梯度方向与第/>个边缘像素点局部梯度方向的差异，获得以第/>个边缘像素点为中心的滑动窗口的局部方向一致性，包括的具体方法为：

将目标区域中以第个边缘像素点为中心的滑动窗口内第/>个像素点的梯度方向，与第/>个边缘像素点的局部梯度方向的夹角，记为目标区域中以第/>个边缘像素点为中心的滑动窗口内第/>个像素点的第一角度，将目标区域中以第/>个边缘像素点为中心的滑动窗口内所有像素点的第一角度的累加和，记为第/>个边缘像素点的第一数值/>，将/>记为以第/>个边缘像素点为中心的滑动窗口的局部方向一致性，其中/>表示以自然常数为底数的指数函数。

进一步地，所述根据不同子窗口内像素点的梯度幅值的分布情况的差异，以及每个子窗口的局部方向一致性，获得滑动窗口的分散性参数，包括的具体方法为：

根据子窗口内像素点的梯度幅值的分布情况，获得子窗口的梯度参数和滑动窗口的梯度系数；

根据滑动窗口中每个子窗口的梯度参数与滑动窗口的梯度系数的差异，以及每个子窗口的局部方向一致性，获得滑动窗口的中心处边缘像素点的第一因子；

将以目标区域第个边缘像素点为中心的滑动窗口的梯度系数，与第/>个边缘像素点的第一因子的乘积，记为以目标区域第/>个边缘像素点为中心的滑动窗口的分散性参数。

进一步地，所述根据子窗口内像素点的梯度幅值的分布情况，获得子窗口的梯度参数和滑动窗口的梯度系数，包括的具体方法为：

在滑动窗口对边缘图像进行遍历的过程中，获取滑动窗口中任意子窗口内所有像素点的梯度幅值的方差，记为子窗口的梯度参数，将滑动窗口内所有子窗口的平均梯度参数记为滑动窗口的梯度系数。

进一步地，所述根据滑动窗口中每个子窗口的梯度参数与滑动窗口的梯度系数的差异，以及每个子窗口的局部方向一致性，获得滑动窗口的中心处边缘像素点的第一因子，包括的具体方法为：

第个边缘像素点的第一因子的具体计算方法为：

其中，表示第/>个边缘像素点的第一因子；/>表示以目标区域中第/>个边缘像素点为中心的滑动窗口中，第/>个子窗口的局部方向一致性；/>表示以目标区域中第/>个边缘像素点为中心的滑动窗口中，第/>个子窗口的梯度参数；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口中子窗口的数量；/>表示获取绝对值；/>表示预设的参数。

进一步地，所述根据滑动窗口的分散性参数、边缘像素点的位置分布情况以及边缘像素点的梯度，获得位于滑动窗口中心处边缘像素点的纤维化边缘系数，包括的具体方法为：

将滑动窗口中任意边缘像素点记为目标像素点，以逆时针为正方向，获取滑动窗口中目标像素点与位于滑动窗口中心的边缘像素点之间连线与水平方向上的夹角，记为所述目标像素点的位置角参数，将滑动窗口中除滑动窗口的中心处的边缘像素点以外的所有边缘像素点的位置角参数的平均值，记为滑动窗口的局部分布参数；

将边缘像素点的局部梯度的幅值记为边缘像素点的局部梯度幅值；第个边缘像素点的纤维化边缘系数的具体计算方法为：

其中，表示第/>个边缘像素点的纤维化边缘系数；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口的分散性参数；/>表示第/>个边缘像素点的局部梯度幅值；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口中，除第/>个边缘像素点以外的第/>个像素点的位置角参数；/>表示以第/>个边缘像素点为中心的滑动窗口的局部分布参数；/>表示线性归一化函数。

进一步地，所述根据边缘像素点的纤维化边缘系数的大小，对边缘像素点的梯度幅值进行调节，获得边缘像素点的新梯度幅值，包括的具体方法为：

获取以任意边缘像素点为中心的滑动窗口的局部梯度分别在水平方向和垂直方向上的梯度幅值，分别记为滑动窗口中心处边缘像素点的水平因子和垂直因子/>；

若，则/>，/>；若/>，则/>，/>；若/>，则；

分别获取边缘像素点在水平方向和垂直方向上的梯度幅值，边缘像素点的新梯度幅值的具体计算方法为：

其中，表示第/>个边缘像素点的新梯度幅值；/>表示第/>个边缘像素点的水平调整系数；/>表示第/>个边缘像素点的垂直调整系数；/>表示第/>个边缘像素点在水平方向的梯度幅值；/>表示第/>个边缘像素点在垂直方向的梯度幅值。

进一步地，所述根据边缘图像中边缘像素点的新梯度幅值分割出肺部纤维化病变区域边缘，包括的具体方法为：

将边缘图像中所有边缘像素点的梯度幅值替换为新梯度幅值，将得到的边缘图像记为新边缘图像，利用OTSU算法对新边缘图像进行阈值分割，获得病变区域边缘图像。

本发明的技术方案的有益效果是：通过构建预设大小的滑动窗口对边缘图像中的边缘像素点进行遍历，根据像素点的梯度方向差异和梯度幅值分布情况的差异，计算出纤维化边缘系数。这一步骤能够有效区分肺部纤维化病变区域与其他结构（如肋骨、心脏等）的边缘，从而减少误判，提高准确性；另外，根据边缘像素点的纤维化边缘系数大小，对边缘像素点的梯度幅值进行调节，获取新的梯度幅值，通过自适应调节边缘像素点在不同方向上的梯度幅值，进一步减小了不属于肺部纤维化病变区域边缘的像素点的梯度幅值，使得属于病变区域边缘的像素点的梯度幅值更加明显，为肺部纤维化病变区域的精确识别和提取提供了更强的支持，有效提升了肺部X光影像中肺部纤维化病变区域边缘的分割准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种肺部纤维吸入致病的肺部X光图像处理方法的步骤流程图；

图2为本发明提供的肺部影像示意图；

图3为本发明提供的肺部影像的边缘图像示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种肺部纤维吸入致病的肺部X光图像处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种肺部纤维吸入致病的肺部X光图像处理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种肺部纤维吸入致病的肺部X光图像处理方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取肺部影像。

需要说明的是，肺部纤维化在X光影像中通常变现为线状或网状阴影，并且肺部纤维化可导致肺部纹理增加，表现为肺部出现密度较高区域，呈现出糊状、模糊或结节状阴影，且在X光影像下，这些特征通常较为模糊，且局部肺纤维化纹理细小，对提取肺部纤维化的完整病灶区域产生了很多的不便，影响肺部病变区域的完整准确提取。

具体的，为了实现本实施例提出的一种肺部纤维吸入致病的肺部X光图像处理方法，首先需要采集肺部影像，具体过程为：

首先，利用DR（Digital Radiography，数字X线摄影术）技术采集患者的肺部X光影像，记为原始肺部影像。

然后，分别使用直方图均衡化、对比度拉伸、高通滤波器对原始肺部影像进行预处理，获得肺部影像，如图2所示。

通过对原始肺部影像进行预处理，提高了原始肺部影像的灰度变化范围以及对比度，并增强了肺部影像中的纹理边缘，可以使得肺部纤维化区域的边缘信息更突出。

至此，通过上述方法得到患者的肺部影像。

步骤S002：获取肺部影像的边缘图像以及肺部影像中每个像素点的梯度，所述梯度包括梯度幅值和梯度方向，构建预设大小的滑动窗口对边缘图像中的边缘像素点进行遍历，将遍历过程中的滑动窗口划分为若干个子窗口，根据子窗口内像素点的梯度方向的差异，获得子窗口的局部方向一致性，根据不同子窗口内像素点的梯度幅值的分布情况的差异，以及每个子窗口的局部方向一致性，获得滑动窗口的分散性参数；根据滑动窗口的分散性参数、边缘像素点的位置分布情况以及边缘像素点的梯度，获得位于滑动窗口中心处边缘像素点的纤维化边缘系数。

需要说明的是，由于肺部X光影像上的肺纤维化病灶呈现出的线状阴影细小、模糊，并且在肺部X光影像中，骨骼、心脏或其他结构部分遮挡了部分肺部区域，以上信息在判断肺纤维化的病变区域时，可能会降低对纤维化病变的观察质量，从而影响诊断的正确性。另外肺部气管与纤维化病变形态相似，在进行判断时易被误判为纤维化病变区域，影响检测结果准确性。

进一步需要说明的是，由于X光影像的成像原理是X射线通过人体时，不同组织对于X射线的吸收和散射不同对应在影像上产生不同位置的灰度差异。利用Sobel算子对采集的肺部影像进行边缘检测后，根据边缘检测结果可知，得到的边缘图像中存在肋骨和肺部其他组织对应的边缘线，容易对肺纤维化病变区域的判断产生干扰，使得难以对影像中肺部区域中的纹理形态进行分析，无法准确定位发生肺纤维化的病灶区域。

由于Sobel算子对肺部影像边缘检测得到的边缘图像中，肺部纤维化病变区域的纹理特征与肋骨区域、肺部组织的边缘特征均可在边缘检测中反映出来，因此需要对分割结果中目标区域对应的边缘信息进行筛选和区分，确定出真正属于肺纤维化病变区域的边缘。

具体的，步骤（2.1），首先，利用Sobel算子对肺部影像进行边缘检测获得肺部影像对应的边缘图像，如图3所示，并获取肺部影像中每个像素点的梯度，所述梯度包括梯度幅值和梯度方向，将边缘图像中所有边缘像素点形成的区域记为目标区域。

然后，预设大小为的滑动窗口，并以边缘图像中目标区域的边缘像素点为中心，对边缘图像进行遍历。

需要说明的是，肺部纤维化病变是一种病理过程，通常是由慢性炎症、损伤或其他原因引起的。在纤维化过程中，受损组织会逐渐被纤维组织所替代，导致肺部结构和功能的改变。当肺部出现纤维化病变时，导致组织结构的破坏和改变，使得受影响区域的像素点在X光影像学检查中呈现出复杂的边缘特征，从而表现出梯度分布一致程度低的情况，而由于在局部范围内像素点的梯度是一个矢量，反映了像素点在邻域范围内的灰度变化趋势，因此为了表示在局部范围内所有像素点所表现出来的整体的梯度，本实施例通过获取在预设的局部范围内所有像素点的梯度总和，来反映局部范围内的整体梯度，当在局部范围内的整体梯度越大时，则表示在该局部范围内像素点的梯度相近的程度越高。

需要说明的是，根据经验预设滑动窗口大小为，可根据实际情况进行调整，本实施例不进行具体限定。

最后，对于以目标区域中任意边缘像素点为中心的滑动窗口内，将滑动窗口内所有像素点的梯度的累加和，记为所述边缘像素点的局部梯度，将边缘像素点的局部梯度的方向记为边缘像素点的局部梯度方向，将边缘像素点的局部梯度的幅值记为边缘像素点的局部梯度幅值；

将目标区域中以第个边缘像素点为中心的滑动窗口内第/>个像素点的梯度方向，与第/>个边缘像素点的局部梯度方向的夹角，记为目标区域中以第/>个边缘像素点为中心的滑动窗口内第/>个像素点的第一角度/>；边缘像素点对应滑动窗口的局部方向一致性，作为一种实施例，具体计算方法为：

其中，表示目标区域中第/>个边缘像素点对应滑动窗口的局部方向一致性；/>表示目标区域中以第/>个边缘像素点为中心的滑动窗口内像素点的数量；/>表示目标区域中以第/>个边缘像素点为中心的滑动窗口内第/>个像素点的第一角度；/>表示绝对值符号；表示以自然常数为底数的指数函数；/>表示获取绝对值。

需要说明的是，当滑动窗口在边缘图像的边缘位置处时，即例如滑动窗口的中心处边缘像素点位于边缘图像中的坐标为、/>等位置时，由于滑动窗口部分超出边缘图像的图像范围，而超出图像范围的部分不存在像素点，因此本实施中在获取位于图像边缘的滑动窗口的局部方向一致性时，不考虑超出图像范围的部分，由于对于超出图像范围问题的具体处理方式不唯一，故本实施例不做出具体限定，可根据实际情况进行调整。

需要说明的是，所述局部方向一致性反映了在局部范围内，即在滑动窗口内，每个像素点与整体上的梯度方向差异，用于描述滑动窗口内像素点的梯度方向的一致程度，边缘像素点的局部方向一致性越高，表示在滑动窗口内像素点的梯度方向的一致程度越高，的通过以上公式通过计算窗口内各像素点的梯度方向与该窗口对应的和向量方向的差异程度，反映该窗口中反映肺部纤维化病变区域的程度，差异程度越大，说明滑动窗口内各像素点的梯度方向与局部梯度方向的一致性越小，则滑动窗口内肺部纤维化病变的程度也越高，反之，滑动窗口内像素点的梯度方向与局部梯度方向的差异越小，表示一致性越大，滑动窗口内肺部纤维化病变的程度越低。

步骤（2.2），首先，在滑动窗口遍历过程中，将滑动窗口划分为若干个相同大小的子窗口，获取子窗口的局部方向一致性，所述子窗口的局部方向一致性与滑动窗口的局部方向一致性的获取方法相同。

需要说明的是，在获取子窗口的局部方向一致性时，获取的局部梯度方向是子窗口内所有像素点的梯度的累加和得到的梯度所对应的方向，作为子窗口的局部梯度方向。

需要说明的是，为了区分骨骼区域和肺部气管等组织的边缘和肺纤维化病变区域的边缘，本实施例通过将滑动窗口等分为若干个子窗口，通过在更小范围内对像素点的分布状态进行分析，获取在滑动窗口内像素点的分布分散情况，以便于更准确反映滑动窗口中存在像素点属于肺部纤维化病变区域的可能性。

然后，在滑动窗口对边缘图像进行遍历的过程中，获取滑动窗口中任意子窗口内所有像素点的梯度幅值的方差，记为子窗口的梯度参数，将滑动窗口内所有子窗口的平均梯度参数记为滑动窗口的梯度系数；根据滑动窗口的梯度系数以及滑动窗口内子窗口的梯度参数，获得以目标区域第个边缘像素点为中心的滑动窗口的分散性参数，作为一种实施例，具体计算方法为：

其中，表示以目标区域第/>个边缘像素点为中心的滑动窗口的分散性参数；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口的梯度系数；/>表示以目标区域中第/>个边缘像素点为中心的滑动窗口中，第/>个子窗口的局部方向一致性；/>表示以目标区域中第/>个边缘像素点为中心的滑动窗口中，第/>个子窗口的梯度参数；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口中子窗口的数量；/>表示获取绝对值；其中/>为预设的参数。

需要说明的是，根据经验预设，可根据实际情况进行调整，本实施例不进行具体限定。

需要说明的是，所述分散性参数反映了滑动窗口内不同位置处的像素点的梯度幅值和梯度方向的离散程度，而像素点的梯度幅值反映了像素点在邻域范围内灰度值变化的强度，因此分散性参数进一步反映了在滑动窗口的不同位置处像素点的灰度变化强度和灰度变化方向的离散程度，离散型参数越大，离散程度就越大，则滑动窗口内像素点的灰度变化情况越复杂，则表示在滑动窗口中不同位置中存在像素点分布离散的情况，即滑动窗口中越有可能存在肺部纤维化病变的区域。

其次，将滑动窗口中任意边缘像素点记为目标像素点，获取滑动窗口中目标像素点与位于滑动窗口中心的边缘像素点之间连线与水平方向上的夹角，记为所述目标像素点的位置角参数，将滑动窗口中除滑动窗口的中心处的边缘像素点以外的所有边缘像素点的位置角参数的平均值，记为滑动窗口的局部分布参数。

需要说明的是，在获取像素点的位置角参数时，本实施例中以逆时针方向作为正方向，本实施例不进行具体限定，可根据实际情况进行调整。

最后，根据滑动窗口的分散性参数、边缘像素点的位置角参数、滑动窗口的局部分布参数以及边缘像素点的局部梯度幅值，获取第个边缘像素点的纤维化边缘系数，作为一种实施例，具体计算方法为：

其中，表示第/>个边缘像素点的纤维化边缘系数；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口的分散性参数；/>表示第/>个边缘像素点的局部梯度幅值；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口中，除第/>个边缘像素点以外的第/>个像素点的位置角参数；/>表示以第/>个边缘像素点为中心的滑动窗口的局部分布参数；/>表示线性归一化函数。

需要说明的是，所述边缘像素点的纤维化边缘系数用于描述边缘像素点为肺部纤维化病变区域的边缘处对应像素点的可能性，纤维化边缘系数越大，对应边缘像素点为肺部纤维化病变区域的边缘像素点的可能性越大；其中，表示在滑动窗口内像素点的位置角参数与所有边缘像素点形成的局部分布参数之间的差异，反映了滑动窗口每个边缘像素点相对于滑动窗口中心处边缘像素点的位置分布关系，当滑动窗口中各边缘像素点与滑动窗口的中心处边缘像素点的位置分布关系的差异越大，即/>越大，表示滑动窗口内边缘像素点与中心像素点之间对应连线与水平方向的夹角的差异越大，说明滑动窗口中边缘像素点的分布方向越不一致，则边缘像素点越有可能属于不同的边缘连通域；另外，在肺部纤维化病变区域，通常存在多个不同的边缘连通域，代表不同的纤维化病变，因此，当滑动窗口内边缘像素点的分布方向不一致时，说明该滑动窗口中可能包含了多个不同的纤维化病变区域，从而使得滑动窗口中心处的边缘像素点属于肺部纤维化病变区域的边缘的可能性增加，即/>越大，边缘像素点为肺部纤维化病变区域的边缘的可能性越大，边缘像素点的纤维化边缘系数越大。

需要说明的是，由于在肺部纤维化病变区域中，肺部纤维化形成的病变组织相对与人体中其他组织和骨骼的密度较低，因此在肺部影像中对应区域的灰度变化强度较低，即肺部纤维化病变区域在肺部影像中对应边缘上的边缘像素点的梯度幅值小，则在局部梯度幅值小的滑动窗口所对应的中心处边缘像素点属于肺部纤维化病变区域的边缘的可能性大。

至此，通过上述方法得到边缘像素点的纤维化边缘系数。

步骤S003：根据边缘像素点的纤维化边缘系数的大小，对边缘像素点的梯度幅值进行调节，获得边缘像素点的新梯度幅值。

需要说明的是，根据Sobel双向边缘检测的分割结果的特征，分析各像素点的局部区域内像素点的分布情况，获取各像素点属于肺部纤维化区域的可能性，并根据各像素点局部区域内和向量的方向与像素点水平和垂直梯度方向的关系，计算各像素点的梯度幅值，实现对肺部纤维化区域的精确识别和提取。

具体的，首先，预设任意边缘像素点的水平调整系数和垂直调整系数/>；获取以任意边缘像素点为中心的滑动窗口的局部梯度分别在水平方向和垂直方向上的梯度幅值，分别记为滑动窗口中心处边缘像素点的水平因子/>和垂直因子/>；根据以任意边缘像素点为中心的滑动窗口的局部梯度在不同方向上的梯度幅值的大小，以及边缘像素点的纤维化边缘系数，获取边缘像素点的水平调整系数和垂直调整系数，具体计算方法为：

若，则/>，/>；若/>，则/>，/>；若/>，则。

需要说明的是，由于滑动窗口对应局部梯度在不同方向上存在对应的梯度幅值，即水平方向和垂直方向上的梯度幅值，反映了滑动窗口内所有像素点在对应方向上灰度变化的强度，在对应方向上灰度变化的强度越大，表示在对应方向上的梯度幅值越大，则滑动窗口内边缘像素点在对应方向上的梯度幅值越大，越没有可能存在肺部纤维化病变区域对应边缘，则对应纤维化边缘系数就越小，则使对应方向上边缘像素点的梯度幅值减小的程度就越大，反之减小的程度就越小。

然后，分别获取边缘像素点在水平方向和垂直方向上的梯度幅值，利用边缘像素点的水平调整系数和垂直调整系数，分别对边缘像素点在水平方向和垂直方向上的梯度幅值进行调节，获取边缘像素点的新梯度幅值，作为一种实施例，具体计算方法为：

其中，表示第/>个边缘像素点的新梯度幅值；/>表示第/>个边缘像素点的水平调整系数；/>表示第/>个边缘像素点的垂直调整系数；/>表示第/>个边缘像素点在水平方向的梯度幅值；/>表示第/>个边缘像素点在垂直方向的梯度幅值。

需要说明的是，本实施例通过对边缘像素点在不同方向上的梯度幅值进行自适应调节，减小了不属于肺部纤维化病变区域边缘的边缘像素点的梯度幅值，使肺部影像中属于肺部病变区域边缘的边缘像素点的梯度幅值更加明显，更有益于后续分割出肺部影像中的纤维化病变区域的边缘。

至此，通过上述方法得到边缘像素点的新梯度幅值。

步骤S004：根据边缘图像中边缘像素点的新梯度幅值分割出肺部纤维化病变区域边缘。

具体的，将边缘图像中所有边缘像素点的梯度幅值替换为新梯度幅值，将得到的边缘图像记为新边缘图像，利用OTSU算法对新边缘图像进行阈值分割，获得病变区域边缘图像。

需要说明的是，OTSU算法的中文名称为大津法，由于OTSU算法为现有的阈值分割算法，因此本实施例不进行赘述。

本实施例通过对采集到的患者的肺部纤维化X光影像中的肺部纤维化病变区域边缘进行精确的识别和分割，可以进一步获得病变区域边缘图像，所述病变区域边缘图像中的边缘信息即为肺部纤维化病变区域的边缘，用于辅助专家对肺部影像进行分析。

至此，本实施例完成。

需要说明的是，本实施例中所用的模型仅用于表示负相关关系和约束模型输出的结果处于/>区间内，具体实施时，可替换成具有同样目的的其他模型，本实施例只是以/>模型为例进行叙述，不对其做具体限定，其中/>是指该模型的输入。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种肺部纤维吸入致病的肺部X光图像处理方法，其特征在于，该方法包括以下步骤：

获取肺部影像；

获取肺部影像的边缘图像以及肺部影像中每个像素点的梯度，构建预设大小的滑动窗口对边缘图像中的边缘像素点进行遍历，将遍历过程中的滑动窗口划分为若干个子窗口，根据子窗口内像素点的梯度方向的差异，获得子窗口的局部方向一致性，根据不同子窗口内像素点的梯度幅值的分布情况的差异，以及每个子窗口的局部方向一致性，获得滑动窗口的分散性参数；根据滑动窗口的分散性参数、边缘像素点的位置分布情况以及边缘像素点的梯度，获得位于滑动窗口中心处边缘像素点的纤维化边缘系数；

根据边缘像素点的纤维化边缘系数的大小，对边缘像素点的梯度幅值进行调节，获得边缘像素点的新梯度幅值；

根据边缘图像中边缘像素点的新梯度幅值分割出肺部纤维化病变区域边缘；

所述构建预设大小的滑动窗口对边缘图像中的边缘像素点进行遍历，将遍历过程中的滑动窗口划分为若干个子窗口，根据子窗口内像素点的梯度方向的差异，获得子窗口的局部方向一致性，包括的具体方法为：

将边缘图像中所有边缘像素点形成的区域记为目标区域；

预设大小为的滑动窗口，并以边缘图像中目标区域的边缘像素点为中心，对边缘图像进行遍历，将遍历过程中的滑动窗口均匀划分为若干个相同大小的子窗口；

将滑动窗口内所有像素点的梯度的累加和，记为位于滑动窗口的中心处边缘像素点的局部梯度，将边缘像素点的局部梯度的方向记为边缘像素点的局部梯度方向；

根据目标区域中以第个边缘像素点为中心的滑动窗口内，每个像素点的梯度方向与第个边缘像素点局部梯度方向的差异，获得以第/>个边缘像素点为中心的滑动窗口的局部方向一致性；

获取子窗口的局部方向一致性，所述子窗口的局部方向一致性与滑动窗口的局部方向一致性的获取方法相同；

所述根据不同子窗口内像素点的梯度幅值的分布情况的差异，以及每个子窗口的局部方向一致性，获得滑动窗口的分散性参数，包括的具体方法为：

根据子窗口内像素点的梯度幅值的分布情况，获得子窗口的梯度参数和滑动窗口的梯度系数；

根据滑动窗口中每个子窗口的梯度参数与滑动窗口的梯度系数的差异，以及每个子窗口的局部方向一致性，获得滑动窗口的中心处边缘像素点的第一因子；

将以目标区域第个边缘像素点为中心的滑动窗口的梯度系数，与第/>个边缘像素点的第一因子的乘积，记为以目标区域第/>个边缘像素点为中心的滑动窗口的分散性参数；

所述根据滑动窗口的分散性参数、边缘像素点的位置分布情况以及边缘像素点的梯度，获得位于滑动窗口中心处边缘像素点的纤维化边缘系数，包括的具体方法为：

将滑动窗口中任意边缘像素点记为目标像素点，以逆时针为正方向，获取滑动窗口中目标像素点与位于滑动窗口中心的边缘像素点之间连线与水平方向上的夹角，记为所述目标像素点的位置角参数，将滑动窗口中除滑动窗口的中心处的边缘像素点以外的所有边缘像素点的位置角参数的平均值，记为滑动窗口的局部分布参数；

将边缘像素点的局部梯度的幅值记为边缘像素点的局部梯度幅值；第个边缘像素点的纤维化边缘系数的具体计算方法为：

其中，表示第/>个边缘像素点的纤维化边缘系数；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口的分散性参数；/>表示第/>个边缘像素点的局部梯度幅值；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口中，除第/>个边缘像素点以外的第/>个像素点的位置角参数；/>表示以第/>个边缘像素点为中心的滑动窗口的局部分布参数；/>表示线性归一化函数。

2.根据权利要求1所述一种肺部纤维吸入致病的肺部X光图像处理方法，其特征在于，所述获取肺部影像的边缘图像以及肺部影像中每个像素点的梯度，包括的具体方法为：

利用Sobel算子对肺部影像进行边缘检测获得肺部影像对应的边缘图像，并获取肺部影像中每个像素点的梯度。

3.根据权利要求1所述一种肺部纤维吸入致病的肺部X光图像处理方法，其特征在于，所述根据目标区域中以第个边缘像素点为中心的滑动窗口内，每个像素点的梯度方向与第/>个边缘像素点局部梯度方向的差异，获得以第/>个边缘像素点为中心的滑动窗口的局部方向一致性，包括的具体方法为：

将目标区域中以第个边缘像素点为中心的滑动窗口内第/>个像素点的梯度方向，与第/>个边缘像素点的局部梯度方向的夹角，记为目标区域中以第/>个边缘像素点为中心的滑动窗口内第/>个像素点的第一角度，将目标区域中以第/>个边缘像素点为中心的滑动窗口内所有像素点的第一角度的累加和，记为第/>个边缘像素点的第一数值/>，将/>记为以第/>个边缘像素点为中心的滑动窗口的局部方向一致性，其中/>表示以自然常数为底数的指数函数。

4.根据权利要求1所述一种肺部纤维吸入致病的肺部X光图像处理方法，其特征在于，所述根据子窗口内像素点的梯度幅值的分布情况，获得子窗口的梯度参数和滑动窗口的梯度系数，包括的具体方法为：

在滑动窗口对边缘图像进行遍历的过程中，获取滑动窗口中任意子窗口内所有像素点的梯度幅值的方差，记为子窗口的梯度参数，将滑动窗口内所有子窗口的平均梯度参数记为滑动窗口的梯度系数。

5.根据权利要求1所述一种肺部纤维吸入致病的肺部X光图像处理方法，其特征在于，所述根据滑动窗口中每个子窗口的梯度参数与滑动窗口的梯度系数的差异，以及每个子窗口的局部方向一致性，获得滑动窗口的中心处边缘像素点的第一因子，包括的具体方法为：

第个边缘像素点的第一因子的具体计算方法为：

其中，表示第/>个边缘像素点的第一因子；/>表示以目标区域中第/>个边缘像素点为中心的滑动窗口中，第/>个子窗口的局部方向一致性；/>表示以目标区域中第/>个边缘像素点为中心的滑动窗口中，第/>个子窗口的梯度参数；/>表示以目标区域第/>个边缘像素点为中心的滑动窗口中子窗口的数量；/>表示获取绝对值；/>表示预设的参数。

6.根据权利要求1所述一种肺部纤维吸入致病的肺部X光图像处理方法，其特征在于，所述根据边缘像素点的纤维化边缘系数的大小，对边缘像素点的梯度幅值进行调节，获得边缘像素点的新梯度幅值，包括的具体方法为：

获取以任意边缘像素点为中心的滑动窗口的局部梯度分别在水平方向和垂直方向上的梯度幅值，分别记为滑动窗口中心处边缘像素点的水平因子和垂直因子/>；

若，则/>，/>；若/>，则/>，/>；若/>，则；

分别获取边缘像素点在水平方向和垂直方向上的梯度幅值，边缘像素点的新梯度幅值的具体计算方法为：

其中，表示第/>个边缘像素点的新梯度幅值；/>表示第/>个边缘像素点的水平调整系数；表示第/>个边缘像素点的垂直调整系数；/>表示第/>个边缘像素点在水平方向的梯度幅值；/>表示第/>个边缘像素点在垂直方向的梯度幅值。

7.根据权利要求1所述一种肺部纤维吸入致病的肺部X光图像处理方法，其特征在于，所述根据边缘图像中边缘像素点的新梯度幅值分割出肺部纤维化病变区域边缘，包括的具体方法为：

将边缘图像中所有边缘像素点的梯度幅值替换为新梯度幅值，将得到的边缘图像记为新边缘图像，利用OTSU算法对新边缘图像进行阈值分割，获得病变区域边缘图像。