基于自适应结构元网格线交叉点坐标提取算法研究

李元金，肖　刚，王　涛，王　杨，岳座刚，赵国柱，黄　寅

(1.滁州学院 计算机与信息工程学院，安徽 滁州 239000；2.滁州广播电视大学，安徽 滁州 239000)

基于自适应结构元网格线交叉点坐标提取算法研究

李元金1，肖刚1，王涛1，王杨1，岳座刚1，赵国柱1，黄寅2

(1.滁州学院 计算机与信息工程学院，安徽 滁州 239000；2.滁州广播电视大学，安徽 滁州 239000)

摘要:提出了基于形态学自适应结构元网格线交叉点坐标提取算法。在全局结构元算法基础上，根据校正靶图像中不同位置网格线扭曲变形程度不同建立自适应结构元，并利用自适应结构元构建数学形态学算子对采集的XRII图像进行验证。验证结果表明，本文提出的算法不仅能有效地识别并提取出校正靶图像中网格线交叉点坐标值，而且视觉效果上优于全局结构元提取的结果。

关键词：自适应结构元；膨胀与腐蚀；网格线交叉点坐标；坐标提取

中图分类号：TP391.41

文献标志码：码：A

文章编号：号：2095-4824(2015)03-0045-03

收稿日期：2015-02-25

基金项目：国家973重点基础研究发展规划项目(2010CB732503)；安徽省科技厅项目(1308085MF96)；安徽省教育厅重点项目(KJ2014A186)；滁州学院科研启动基金项目(2012qd06)

作者简介：李元金(1976-)，男，安徽和县人，滁州学院计算机与信息工程学院副教授，博士，东南大学博士后。

肖刚(1986-)，男，甘肃平凉人，滁州学院计算机与信息工程学院助教，硕士。

王涛(1976-)，男，安徽宿州人，滁州学院计算机与信息工程学院讲师，硕士。

众所周知，在影像加强器[1](X-Ray Image Intensifier, XRII)采集X线投影数据后，为了后继工作的正常开展，必须对采集投影数据进行扭曲校正[2]。然而，投影数据扭曲校正之前必须确定投影数据与理想数据之间的关系，为此必须识别和提取出XRII图像中标志点的坐标值。因此，C臂X光机图像中标志点的自动识别与数据提取便成为该类手术导航技术研究的第一要务[3]。

针对XRII图像中控制点坐标值识别和提取问题，研究人员提出了不同的方法。如文献[4]在识别和提取XRII图像中控制点坐标值时使用带有人工干预的半自动式检测方法；在文献[5]中Chakraborty提出了带有人工干预的基于光标移动XRII图像中控制点坐标值识别和提取；李元金等[3]提出了基于校正靶自身特征的标志物投影识别与数据提取算法，其中操作算子所使用的结构元是通过多次实验设置的全局结构元。

本文在文献[3]的基础上，提出一种基于自适应结构元网格线交叉点坐标提取算法，该算法根据文献[3]的方法去除校正靶投影图像背景，并使用阈值对去除背景后图像进行分割，根据图像中“1”像素的个数自适应地构建结构元并使用该结构元所生成的操作算子对图像进行形态学膨胀与腐蚀运算。

1　膨胀与腐蚀

数学形态学已经被广泛应用于图像处理，如车牌图像提取[6]和边缘检测[7-8]等。在基于数学形态学的图像处理过程中，膨胀和腐蚀操作是它的基础。

1.1　膨胀[9]

膨胀是使图像中的目标“生长”或“变粗”的操作，在这一过程中将与某物接触的所有背景合并到该物体中去。这种特殊的方法和变粗的程度由结构元素的形状来控制。膨胀定义形式为：

上式读作A被B膨胀，其中Φ为空集，B为结构元。结构元B膨胀集合A后所产生的结果是由所有结构元原点位置组成的集合，其中反射并平移后的结构元B至少与A的一个元素重叠。

1.2　腐蚀[9]

腐蚀是数学形态学中的另外一种操作方法，用于消除物体外围边界点，其结果使剩下的物体沿其周边比原物体小一个像素的面积。腐蚀操作定义为：

E=B⊗S={x，y|Sxy⊆B}

(2)

由S对B腐蚀所产生的二值图像E是这样的点(x，y)的集合：如果S的原点平移到点(x，y)，那么S将完全包含于B中。当使用基本的3×3结构元时，一般意义的腐蚀简化为简单腐蚀。

1.3　结构元[10]

结构元是结构元素的简称。结构元又被称为刷子，是数学形态学膨胀操作和腐蚀操作的最基本组成部分，通常比待处理的图像要小得多。结构元可以为任意的大小和形状，且一般为二维。二维结构元为数值0和1组成的矩阵。结构元的原点指定了图像中需要处理的像素范围，结构元中数值为1的点决定结构元的邻域像素在进行膨胀或腐蚀操作时是否需要参与计算。

2　实验结果

2.1　数据采集

为了验证本文方法的有效性和可靠性，实验过程中使用南京普爱射线影像设备有限公司生产的7200型号C臂CT机采集XRII图像。表1是7200型号的C臂CT机主要机械参数[3]。

表1　实验用C臂X光机参数

2.2　自适应结构元的确定

图1(a)是采集的XRII图像。可以看出，该图存在着一定的S型扭曲、针垫型扭曲和局部扭曲；相比而言，中间位置扭曲程度较低，网格线也较细，越向四周扭曲变形程度越明显，网格线也较粗，这主要是由于X光线透视后投影到曲面屏影像增强器上所产生的[3]。为了使这些网格线与网格线交叉点位置断开并提取网格线交叉点坐标，就必须针对不同位置网格线的粗细程度选择不同的操作结构元。实验时，以网格线交叉点四周两组网格线宽度平均值的四分之一值为作为膨胀时结构元，以膨胀后网格线交叉点四周两组网格线宽度平均值的二分之一值为作为腐蚀时结构元。

2.3　提取结果

图1(b)和1(c)显示了使用全局结构元提取的结果，其中1(b)膨胀时结构元设置成半径为4的扁平圆形结构元，腐蚀时结构元设置成半径为8的扁平圆形结构元；图1(c)膨胀时结构元设置成半径为5的扁平圆形结构元，腐蚀时结构元设置成半径为8的扁平圆形结构元。图1(d)是使用自适应结构元处理的图像。

(a)采集图像

(b) 全局结构元结果1[3]

(c) 全局结构元结果2[3]

(d) 自适应局部结构元结果

2.4分析与讨论

对带有S型扭曲、针垫型扭曲和局部扭曲的XRII图像(如图1(a))，使用两种不同半径的全局结构元生成的操作算子进行膨胀和腐蚀处理后得到图1(b)和图1(c)的结果，采用自适应结构元生成的操作算子进行膨胀和腐蚀处理后得到图1(d)的结果。从图1(b)和 1(c)可以看出，全局设置一个结构元时，如果膨胀结构元半径设置过小，容易造成某些区域过度腐蚀，无法提取需要的交叉点(见图1(b) )，主要原因在于在同等条件下中间位置变形程度不明显，网格线交叉点所占像素最少，越向四周网格线交叉点所占像素数越多；相反，如果膨胀结构元半径设置过大，容易造成四周变形厉害的区域腐蚀后仍能看很多网格线。相比而言，基于自适应结构元网格线交叉点坐标提取算法克服全局结构元方法的不足，能够根据所在区域网格线所占像素多少来自适应地设置相应的结构元对图像进行膨胀和腐蚀操作，能有效保留网格线交叉点，有利于网格交叉点坐标的精确提取。

3　结束语

在文献[3]的基础上，本文提出了基于形态学自适应结构元的网格线交叉点坐标提取算法。该算法在使用数学形态学膨胀和腐蚀图像时，根据XRII图像变形情况自适应地设置膨胀和腐蚀图像时所需结构元。实验结果表明，基于形态学自适应结构元的网格线交叉点坐标提取算法不但能有效地识别并提取出校正靶网格线交叉点坐标值，而且能够取得比全局结构元更好的效果，为下一步XRII图像扭曲失真校正奠定了良好基础。

[参考文献]

[1]Cerveri P, Forlani C, Borghese N A , et al. Distortion correction for X-ray image intensifiers:local unwarping polynomials and RBF neural networks[J].Med Phys,2002,29(8):1759-1771.

[2]Gronenschild E.Correction for geometric image distortion in the X-ray imaging chain: local technique versus global technique[J].Med Phys,1999,26(12):2602-2616.

[3]李元金,罗立民,张权,等.校正靶标志物投影的识别与坐标数据提取算法[J].计算机应用与软件,2012,29(5):50-52,63.

[4]Reimann D, Flynn M J. Automated distortion correction of X-ray image intensifier images[C]//IEEE Nuclear Science Symposium and Medical Imaging Conference Record, 1992:1339-1341.

[5]Chakraborty D P. Image intensifier distortion correction[J].Med Phys,1987,14:249-252.

[6]马爽, 陈江宁,卢虎, 等.边缘特性筛选与多判定机制下的车牌定位方法[J].计算机工程与应用, 2014,50(9):145-149.

[7]景少玲,白静,叶鸿瑾.改进的形态学肺部图像边缘检测[J].数据采集与处理,2014,29(1):134-140.

[8]张利红, 梁英波, 吴定允, 等. 基于改进多尺度形态学的带钢缺陷图像边缘检测[J].激光与红外, 2014, 44(3):330-334.

[9]Castleman K R. 数字图像处理[M].北京:电子工业出版社,2011.

[10]Gonzalez R C , Woods R E, Eddins S L. 数字图像处理的MATLAB实现[M].2版.阮秋琦，译.北京:清华大学出版社,2014.

(责任编辑：张凯兵)