Warning: fopen(111data/log202007062358.log): failed to open stream: No space left on device in /home/pde321/public_html/header.php on line 107

Warning: flock() expects parameter 1 to be resource, boolean given in /home/pde321/public_html/header.php on line 108

Warning: fclose() expects parameter 1 to be resource, boolean given in /home/pde321/public_html/header.php on line 113
Verfahren und Vorrichtung zur Analyse von Bildstrukturen - Dokument DE19916354A1
 
PatentDe  


Dokumentenidentifikation DE19916354A1 21.10.1999
Titel Verfahren und Vorrichtung zur Analyse von Bildstrukturen
Anmelder General Electric Co., Schenectady, N.Y., US
Erfinder Avinash, Gopal Biligeri, New Berlin, Wis., US
Vertreter Tiedtke, Bühling, Kinne & Partner, 80336 München
DE-Anmeldedatum 12.04.1999
DE-Aktenzeichen 19916354
Offenlegungstag 21.10.1999
Veröffentlichungstag im Patentblatt 21.10.1999
IPC-Hauptklasse G06K 9/36
IPC-Nebenklasse G06T 5/00   
Zusammenfassung Bei dem erfindungsgemäßen System (10) werden Strukturen in ein diskretes Bildelementbild darstellenden Bildelementdaten identifiziert und von Nicht-Strukturen unterschieden. Die Strukturen werden durch Vergleichen von Gradientengrößen mit einem ausgewählten Gradientenwert und durch Vergleichen von Gradientenrichtungen angrenzender Bildelemente identifiziert. Bildelemente mit gewünschten Beziehungen werden gezählt, und ein Fokusparameter wird bei dem resultierenden Zählwert angewendet. Ein endgülter Gradientenschwellenwert wird beruhend auf dem Zählwert und dem Fokusparameter identifiziert. Der Schwellenwert identifiziert strukturelle Bildelemente. Isolierte angrenzende Bereiche können aus den Strukturen beseitigt werden. Durch die Strukturen definierte Kanten werden durch binäre Rangordnung zum Erhalten der endgültigen strukturellen Definition gefiltert. Die strukturellen und nicht strukturellen Bildelemente können zur Verstärkung des Bildes zur nachfolgenden Anzeige weiterverarbeitet werden.

Beschreibung[de]

Die vorliegende Erfindung betrifft die Verarbeitung diskreter Bildelemente bzw. Bildelementbilder und insbesondere ein Verfahren zur automatischen Identifikation und Verbesserung bzw. Verstärkung bestimmter struktureller oder hervorstechender Merkmale, die durch Bildelemente in derartigen Bildern definiert sind. Das Verfahren ist besonders für medizinische Abbildungssysteme und Modalitäten bzw. Anwendungen geeignet, wie beispielsweise die Magnetresonanzabbildung.

Es wurden verschiedene Verfahren zur Erfassung und Verarbeitung diskreter Bildelement-Bilddaten entwickelt. Diskrete Bildelementbilder bestehen aus einem Array bzw. einer Matrix aus Bildelementen mit verschiedenen Eigenschaften, wie Intensität, Farbe, usw. Die jedes Bildelement definierenden Daten können auf verschiedene Arten in Abhängigkeit der verwendeten Abbildungsmodalität erfaßt werden. Modalitäten bei der medizinischen Abbildung beinhalten beispielsweise das Magnetresonanz-Abbildungsverfahren, das Röntgenstrahlverfahren, usw. Im allgemeinen wird jedoch jedes Bildelement durch ein Signal dargestellt, typischerweise einen digitalisierten Wert, der einen erfaßten Parameter wie eine Emission eines Materials, die in jedem Bildelementbereich angeregt wird, oder eine Strahlung darstellt, die in jedem Bildelementbereich empfangen wird. Zur Erleichterung der Interpretation des Bildes müssen die Bildelementwerte zur Verbesserung bzw. Verstärkung der Definitionen in Frage kommender Merkmale für einen Betrachter gefiltert und verarbeitet werden. Schließlich wird das verarbeitete Bild zur Anzeige oder zum Ausdrucken rekonstruiert.

Es wurden verschiedene Verfahren zur Verstärkung diskreter Bildelementbilder zur Erleichterung ihrer Interpretation angewendet. Diese Verfahren können die Identifikation von Kontrastbereichen, Kanten, usw. beinhalten, wie sie durch eine Folge von Bildelementen oder Gruppen von Bildelementen in der Bildmatrix definiert sind. Es können Glättungs- und Schärfungsschritte zur Hervorhebung bestimmter Kanten oder Kontrastbereiche oder zur Abschwächung bestimmter nicht in Frage kommender Gebiete angewendet werden.

Allerdings bieten bisher bekannte Verfahren nicht immer ein ausreichendes Maß an Flexibilität oder Berechnungseffizienz. Insbesondere können vorhandene Verfahren eine Intervention des Bedieners bei der Definition hervorstechende Strukturen erforderlich machen, wobei manchmal die mehrmalige Verarbeitung roher Daten beruhend auf einer Bedienereinstellung vor dem Erreichen eines akzeptablen endgültigen Bildes erforderlich ist. Wo ferner Veränderungen bei der Bildsignalerfassung, Verarbeitung und der Anzeigeschaltung zwischen Systemen und zwischen Bildern in einem einzelnen System in entsprechenden Änderungen der Beziehungen zwischen den ein Bild definierenden Bildelementen resultieren, können in Frage kommende Strukturen in einem Subjekt eventuell nicht konsistent erfaßt, verarbeitet und angezeigt werden. Demzufolge können Strukturen, Texturen, Kontraste und andere Bildmerkmale schwierig zu visualisieren und sowohl in einzelnen Bildern als auch zwischen einem Satz von Bildern schwierig zu vergleichen sein. Infolgedessen kann der behandelnde Arzt oder Radiologe, dem die Bilder präsentiert werden, Schwierigkeiten bei der Interpretation der relevanten Strukturen haben.

Der Erfindung liegt daher die Aufgabe zugrunde, die vorstehend angeführten Probleme zu lösen.

Erfindungsgemäß ist ein Verfahren zur Identifikation hervorstechender Strukturen in diskreten Bildelementbildern ausgestaltet. In einem Ausführungsbeispiel verwendet das Verfahren für jedes Bildelement erzeugte Gradientendaten zur automatischen Bestimmung eines Gradientenschwellenwerts, der zur Trennung struktureller Merkmale in dem resultierenden Bild von nicht-strukturellen Merkmalen verwendet wird. Bei der Auswahl des Gradientenschwellenwerts zur Definition von Bildstrukturen verwendete Parameter können durch einen Bediener eingestellt oder geändert werden, oder können sich auf Vorgabewerte beziehen, wodurch sowohl Flexibilität als bei Bedarf auch eine Verringerung des Erfordernisses einer Bedienerintervention vorgesehen ist. Zur Definition der Bildstruktur verwendete Parameter können auch in Abhängigkeit von der Matrixgröße des Bildes verändert werden. Das Verfahren erleichtert auch die Separation kleiner mit Rauschen behafteter Bereiche von der Definition der Bildstruktur. Derartige Bereiche werden in einer bezüglich der Rechenleistung effizienten Art und Weise identifiziert, und ihre Größe kann durch Vorgabewerte oder durch von einem Bediener ausgewählte Werte definiert werden. Die resultierende strukturelle Definition kann dann durch Glättungs- und Schärfungsvorgänge weiter verstärkt werden. Das Verfahren kann in einem weiten Bereich von Bildtypen angewendet werden, die aus verschiedenen Abbildungsmodalitäten erfaßt werden.

Die Erfindung wird nachstehend anhand eines bevorzugten Ausführungsbeispiels unter Bezugnahme auf die beiliegende Zeichnung näher beschrieben. Es zeigen:

Fig. 1 eine schematische Darstellung eines Magnetresonanz-Abbildungssystems zur Verstärkung diskreter Bildelementbilder eines Subjekts,

Fig. 2 eine Darstellung eines beispielhaften diskreten Bildelementbildes bestehend aus einer Matrix aus Bildelementen mit sich ändernden Intensitäten, die Strukturen und Nicht-Strukturen definieren,

Fig. 3 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur Verarbeitung eines diskreten Bildelementbildes zur Identifikation von Strukturen und zur Verstärkung sowohl der strukturellen als auch der nicht strukturellen Bereiche in dem Bild,

Fig. 4 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur Identifikation struktureller Merkmale in einem diskreten Bildelementbild,

Fig. 5 eine Darstellung von Elementen oder Modulen, die in den Schritten in Fig. 4 zu Erzeugung von Gradientenkomponenten für jedes diskrete Bildelement des Bildes verwendet werden,

Fig. 6 ein Gradientenhistogramm eines Bildes zur Identifikation von Gradientenschwellenwerten zur Trennung einer Struktur von einer Nicht-Struktur in dem Bild,

Fig. 7 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur wahlweisen Beseitigung kleiner oder mit Rauschen behafteter Bereiche von der Strukturdefinition,

Fig. 8 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur Verarbeitung von in dem Bild definierten strukturellen Merkmalen durch binäre Rangordnungsfilterung,

Fig. 9 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur Orientierungsglättung einer in einem Bild identifizierten Struktur,

Fig. 10 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur Durchführung einer dominanten Orientierungsglättung bei dem in Fig. 9 zusammengefaßten Vorgang,

Fig. 11 eine Darstellung von bei dem Orientierungsglättungsvorgang in Fig. 10 verwendeten Richtungsindizes,

Fig. 12 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur Durchführung einer lokalen Orientierungsglättung über den Vorgang in Fig. 9,

Fig. 13 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur Homogenisierungsglättung nicht-struktureller Bereiche eines diskreten Bildelementbildes,

Fig. 14 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur Orientierungsschärfung struktureller Bereiche in einem diskreten Bildelementbild und

Fig. 15 ein Ablaufdiagramm der Schritte einer beispielhaften Steuerlogik zur Wiedereinführung bestimmter Texturmerkmale nicht-struktureller Bereiche in einem diskreten Bildelementbild.

In Fig. 1 ist ein Magnetresonanz-Abbildungssystem 10 gezeigt, das eine Abtasteinrichtung 12 enthält, die mit einer Schaltungsanordnung zur Erfassung und Verarbeitung diskreter Bildelementdaten gekoppelt ist. Die Abtasteinrichtung 12 enthält einen Trägeraufbau 14, auf dem ein Subjekt 16 zur Erfassung von Bildern plaziert werden kann, die innere Merkmale, wie das Gewebe, Flüssigkeiten, usw. darstellen. Die Abtasteinrichtung 12 enthält eine Elektromagnetanordnung 18 zur Erzeugung eines elektromagnetischen Feldes auf bekannte Art und Weise. Anregungs- und Erfassungsspulen 20 sind in der Abtasteinrichtung 12 zur Anregung gyromagnetischer Materialien in dem Subjekt 16 und zur Erfassung von Emissionen aus den Materialien vorgesehen.

Durch die Spulen 20 erfaßte Signale werden zum Erhalten digitaler Werte kodiert, die die an bestimmten Orten in dem Subjekt emittierten Anregungssignale darstellen, und werden zu einer Signalerfassungsschaltungsanordnung 22 übertragen. Die Signalerfassungsschaltungsanordnung 22 stellt auch Steuersignale zur Konfiguration und Koordination von durch die Spulen 20 emittierten Feldern während bestimmter Bilderfassungssequenzen bereit. Die Signalerfassungsschaltungsanordnung 22 überträgt die kodierten Bildsignale zu einer Signalverarbeitungsschaltung 24. Die Signalverarbeitungsschaltung 24 führt vorab eingerichtet Steuerlogikroutinen, die in einer Speicherschaltung 26 gespeichert sind, zur Filterung und Konditionierung der von der Signalerfassungsschaltungsanordnung 22 empfangenen Signale zur Ausbildung digitaler Werte aus, die jedes Bildelement in dem erfaßten Bild darstellen. Diese Werte werden dann in der Speicherschaltung 26 zur nachfolgenden Verarbeitung und Anzeige gespeichert.

Die Signalverarbeitungsschaltung 24 empfängt Konfigurations- und Steuerbefehle von einer Eingabeeinrichtung 28 über eine Eingabeschnittstellenschaltung 30. Die Eingabeeinrichtung 28 beinhaltet typischerweise eine Bedienstation und eine Tastatur zur wahlweisen Eingabe von Konfigurationsparametern und zur Anweisung bestimmter Bilderfassungssequenzen. Die Signalverarbeitungsschaltung 24 ist auch mit einer Ausgabeeinrichtung 32 über eine Ausgabeschnittstellenschaltung 34 verbunden. Die Ausgabeeinrichtung 32 beinhaltet typischerweise einen Monitor bzw. Bildschirm oder einen Drucker zur Erzeugung rekonstruierter Bilder beruhend auf der durch die Schaltung 24 ausgeführten Bildverstärkungsverarbeitung.

Obwohl in diese Beschreibung auf durch ein Magnetresonanz-Abbildungssystem erzeugte diskrete Bildelementbilder Bezug genommen wird, sind die beschriebenen Signalverarbeitungsverfahren nicht auf eine besondere Abbildungsmodalität begrenzt. Demnach können diese Verfahren auch bei Bilddaten angewendet werden, die durch Röntgenstrahlsysteme, PET-Systeme und Computertomographiesysteme, usw. erfaßt worden sind. Des weiteren sind bei dem beschriebenen Ausführungsbeispiel die Signalverarbeitungsschaltung 24, die Speicherschaltung 26 und die Eingabe- und Ausgabeschnittstellenschaltungen 30 und 34 in einem programmierten Digitalcomputer enthalten. Allerdings kann die Schaltungsanordnung zur Ausführung der hier beschriebenen Verfahren als geeignete Kodierung in anwendungsspezifischen Mikroprozessoren, Analogschaltungsanordnungen oder einer Kombination einer digitalen und analogen Schaltungsanordnung konfiguriert sein.

Fig. 2 zeigt ein Beispiel eines diskreten Bildelementbildes 36, das mit dem System 10 erzeugt wurde. Das Bild 36 besteht aus einer Matrix diskreter Bildelemente 38, die aneinander angrenzend in einer Folge von Reihen 40 und Spalten 42 angeordnet sind. Diese Reihen und Spalten der Bildelemente bilden eine vorab eingerichtet Matrixbreite 44 und eine Matrixhöhe 46 aus. Typische Matrixdimensionen können 256 mal 256 Bildelemente, 512 mal 512 Bildelemente, 1024 mal 1024 Bildelemente, usw. enthalten. Die besondere Bildmatrixgröße kann über die Eingabeeinrichtung 28 (siehe Fig. 1) ausgewählt werden und kann sich in Abhängigkeit von Faktoren wie dem abzubildenden Subjekt und der gewünschten Auflösung verändern.

Wie es in Fig. 2 dargestellt ist, enthält das Bild 36 strukturelle Bereiche 48, die bestehend aus langen, zusammenhängenden durch angrenzende Bildelemente definierten Linien dargestellt sind. Das Bild 36 enthält auch nicht-strukturelle Bereiche 50, die außerhalb der strukturellen Bereiche 48 liegen. Das Bild 36 kann auch isolierte Artefakte 52 verschiedener Größen (d. h. verschiedene Anzahl angrenzender Bildelemente) enthalten, die als strukturelle Bereiche definiert sein können, oder die aus der Definition der Struktur entsprechend den nachstehend beschriebenen Verfahren beseitigt werden können.

Die strukturellen Bereiche 48 und die nicht-strukturellen Bereiche 50 werden entsprechend einer allgemein in Fig. 3 zusammengefaßten Steuerlogik in dem Bild 36 identifiziert und verstärkt. Diese Steuerlogik ist vorzugsweise durch die Signalverarbeitungsschaltung 24 beruhend auf einem geeigneten in der Speicherschaltung 26 gespeicherten Programmcode implementiert. Die Steuerlogikroutine, die in Fig. 3 allgemein durch das Bezugszeichen 60 bezeichnet ist, beginnt in Schritt 62 mit der Initialisierung von bei dem Signalverstärkungsvorgang verwendeten Parametern. Dieser Initialisierungsschritt beinhaltet das Lesen von Vorgabe- und vom Bediener ausgewählten Werten für nachstehend beschriebene Parameter, wie die Größe kleiner aus der Struktur zu beseitigender Bereiche, eines Fokusparameters, usw. Bei Bedarf können bestimmte Parameter über die Eingabeeinrichtung 28 angefordert werden, wobei der Bediener zwischen mehreren Parameterauswahlen wie beispielsweise der Bildmatrixgröße wählen muß.

In Schritt 64 erfaßt die Signalverarbeitungsschaltung 24 die rohen Werte, die für die das Bild 36 definierenden Bildelemente erfaßt werden, und normalisiert sie. Bei dem dargestellten Ausführungsbeispiel beinhaltet dieser Schritt das Lesen von Intensitäten an jedem Bildelement darstellenden digitalen Werten und das Skalieren dieser Intensitätswerte über einen gewünschten dynamischen Bereich. Beispielsweise können der maximale und der minimale Intensitätswert in dem Bild bestimmt werden und zur Entwicklung eines Skalierungsfaktors über den vollständigen dynamischen Bereich der Ausgabeeinrichtung 32 verwendet werden. Des weiteren kann ein Datenverschiebungswert zu jedem Bildelementwert addiert oder davon abgezogen werden, um Intensitätsverschiebungen in den erfaßten Daten zu korrigieren. In Schritt 64 verarbeitet die Schaltung 24 somit die rohen Bilddaten, die in Fig. 3 mit Ir bezeichnet sind, um eine normalisiertes Bild In wiederzugeben, das Bildelementwerte enthält, die zum Überdecken eines gewünschten Abschnittes eines dynamischen Bereichs gefiltert sind, wie beispielsweise 12 BIT, unabhängig von Veränderungen der Erfassungsschaltungsanordnung oder des Subjekts.

Obwohl in dieser Beschreibung auf Intensitätswerte in dem Bild 36 Bezug genommen wird, kann das Verfahren auch zur Verarbeitung von Werten oder anderen Parametern des Bildes 36 verwendet werden, die für einzelne Bildelemente 38 kodiert sind. Derartige Parameter könne beispielsweise die Häufigkeit oder Farbe beinhalten.

In Schritt 66 führt die Signalverarbeitungsschaltung 24 eine vorbestimmte Logikroutine zur Identifikation einer Struktur 48 in dem Bild 36 aus, wie sie durch die einzelne Bildelemente des Bildes darstellenden Daten definiert ist. Beispielhafte Schritte zur Identifikation der Struktur in Übereinstimmung mit dem vorliegenden Verfahren werden nachstehend unter Bezugnahme auf Fig. 4 beschrieben. In Schritt 68 wird die in Schritt 66 identifizierte Struktur Orientierungsgeglättet, wie es nachstehend unter Bezugnahme auf die Fig. 9 bis 12 zusammengefaßt ist. Obwohl verschiedene Verfahren für diese Orientierungsglättung angewendet werden können, kann in dem beschriebenen Ausführungsbeispiel eine dominante Orientierungsglättung ausgeführt werden, die zur Überbrückung von Spalten zwischen Strukturspannen tendiert, oder es kann eine lokale Orientierungsglättung zur Vermeidung einer derartigen Überbrückung angewendet werden. Schritt 68 wird bei dem normalisierten Bild In beruhend auf einer Strukturmaske Ms durchgeführt, die in Schritt 66 definiert wird. Die in Schritt 68 ausgeführte Orientierungsglättung transformiert somit das normalisierte Bild in ein gefiltertes Bild If, das durch die nachfolgende Verarbeitung weiter verfeinert wird.

Das gefilterte Bild If wird wie nachstehend beschrieben weiter verarbeitet. In Schritt 70 führt die Signalverarbeitungsschaltung 24 eine Homogenisierungsglättung bei den nicht-strukturellen Bereichen des Bildes 36 durch. Wie es nachstehend ausführlicher unter Bezugnahme auf Fig. 13 beschrieben ist, dient diese Homogenisierungsglättung der Mischung von Merkmalen der nicht-strukturellen Bereiche in die Umgebung, die die in Schritt 66 identifizierte Struktur umgibt. In Schritt 72 wird die in Schritt 66 identifizierte Struktur Orientierungs-geschärft. Der Vorgang der Orientierungsschärfung ist nachstehend unter Bezugnahme auf Fig. 14 näher beschrieben. In Schritt 74 wird das gefilterte Bild beruhend auf den Intensitätswerten nach der Filterung und dem ursprünglichen normalisierten Intensitätsbereich neu normalisiert. Schließlich wird in Schritt 76 die in den nicht-strukturellen Bereichen des Bildes enthaltene Textur zurück in das neu normalisierte gefilterte Bild Ifn zum Erhalten eines Hintergrundbezugs für das endgültige Bild gemischt. Der Texturmischvorgang ist nachstehend unter Bezugnahme auf Fig. 15 näher beschrieben. Nach dem Schritt 76 werden die resultierenden Bildelementbildwerte in der Speicherschaltung 26 für eine eventuelle Rekonstruktion in dem Bild 36 gespeichert.

Fig. 4 zeigt Schritte der Steuerlogik zur Identifikation struktureller Bereiche 48 in dem Bild 36 und zur Beseitigung kleiner oder mit Rauschen behafteter isolierter Bereiche aus der Definition der strukturellen Bereiche. Wie es vorstehend angeführt ist, beginnt die Logik in Fig. 4 mit Bildelementdaten des normalisierten Bildes In, was in Schritt 66 in Fig. 3 zusammengefaßt ist. In Schritt 80 werden die x- und y-Gradientenkomponenten für jedes Bildelement berechnet. Während mehrere Verfahren zu diesem Zweck verwendet werden können, werden bei dem bevorzugten Ausführungsbeispiel 3 mal 3-Sobelmodule oder Operatoren 102 und 104 angewendet, die in Fig. 5 dargestellt sind. Wie es für den Fachmann ersichtlich ist, wird das Modul 102 zur Identifikation der x-Gradientenkomponente verwendet, während das Modul 104 zur Identifikation der y-Gradientenkomponente für jedes Bildelement verwendet wird. Bei diesem Vorgang werden die Module 102 und 104 dem in Frage kommenden einzelnen Bildelement überlagert, wobei das in Frage kommende Bildelement sich an der zentralen Position des 3 mal 3-Moduls befindet. Die an den Elementorten in jedem Modul vorhandenen Intensitätswerte werden mit dem in dem entsprechenden Element enthaltenen Skalarwert multipliziert, und die resultierenden Werte werden zum Erhalten der entsprechenden x- und y-Gradientenkomponenten summiert.

Mit diesen derart berechneten Gradientenkomponenten werden in Schritt 82 die Gradientengröße Gmag und die Gradientenrichtung Gdir berechnet. Bei dem bevorzugten Verfahren ist die Gradientengröße für jedes Bildelement gleich dem höheren Wert der Absolutwerte der X- und Y-Gradientenkomponenten für dass jeweilige Bildelement. Die Gradientenrichtung wird durch Herausfinden des Arcustangens der Y-Komponente geteilt durch die X-Komponente bestimmt. Für Bildelemente mit einer X-Komponente gleich Null wird der Gradientenrichtung ein Wert von π/2 zugeordnet. Die Werte der Gradientengrößen und Gradientenrichtungen für jedes Bildelement werden in der Speicherschaltung 26 gespeichert.

Es können natürlich auch alternative Verfahren zur Identifikation der X- und Y- Gradientenkomponenten und zur Berechnung der Gradientengrößen und -richtungen verwendet werden. Beispielsweise ist es für einen Fachmann ersichtlich, daß anstelle der Sobel-Gradientenmodule 102 und 104 auch andere Module, wie Roberts- oder Prewitt-Operatoren verwendet werden können. Des weiteren kann die Gradientengröße auf andere Art und Weise zugeordnet werden, wie durch einen Wert gleich der Summe der Absolutwerte der X- und Y-Gradientenkomponenten.

Beruhend auf den in Schritt 82 bestimmten Gradientengrößenwerten wird in Schritt 84 ein Gradientenhistogramm erzeugt. Fig. 6 stellt ein beispielhaftes Gradientenhistogramm dieser Art dar. Das durch das Bezugszeichen 106 bezeichnete Histogramm ist ein Säulendiagramm bestimmter Populationen von Bildelementen mit bestimmten Gradientenwerten. Diese Gradientenwerte sind durch Positionen entlang einer horizontalen Achse 108 gekennzeichnet, während die Anzahl bzw. der Zählwert der Bildelementepopulationen für jeden Wert entlang der vertikalen Achse 110 aufgetragen sind, wobei jede Anzahl auf eine diskrete Stufe 112 fällt. Das resultierenden Säulendiagramm bildet eine schrittweise bzw. gestufte Gradientenverteilungskurve 114 aus. Für den Fachmann ist ersichtlich, daß das Histogramm in Fig. 6 für die tatsächliche Implementation nicht graphisch dargestellt werden muß, aber durch die Signalverarbeitungsschaltung funktionell bestimmt werden muß, die in Verbindung mit den in der Speicherschaltung gespeicherten Werten arbeitet.

Das Histogramm 106 wird zur Identifikation eines Gradientenschwellenwerts zur Trennung struktureller Komponenten des Bildes von nicht-strukturellen Komponenten verwendet. Der Schwellenwert wird auf eine gewünschte Gradientengrößenstufe eingestellt. Bildelemente mit Gradientengrößen mit oder über dem Schwellenwert erfüllen ein erstes Kriterium zur Definition einer Struktur in dem Bild, während Bildelemente mit Gradientengrößen unter dem Schwellenwert anfänglich als nicht-strukturell betrachtet werden. Der zur Trennung der Struktur von einer Nicht-Struktur verwendete Schwellenwert wird vorzugsweise mittels einer automatischen Verarbeitung oder einer nachstehend definierten Autofokus-Routine eingestellt. Der Schwellenwert kann aber auch durch eine Bedienerintervention (beispielsweise über die Eingabeeinrichtung 28) eingestellt werden, oder der über den nachstehend beschriebenen Vorgang identifizierte automatische Wert kann durch den Bediener zum Erhalten bestimmter Informationen in dem resultierenden Bild aufgehoben werden.

Wie es in Fig. 4 zusammengefaßt dargestellt ist, beginnt der Vorgang der Identifikation des Schwellenwerts in Schritt 86 durch die Auswahl eines anfänglichen Gradientenschwellenwerts. Dieser in Fig. 6 durch das Bezugszeichen 116 bezeichnete anfängliche Schwellenwert wird geeigneter Weise auf eitlen Wert eingestellt, der einem Perzentil der globalen Bildelementpopulation wie beispielsweise 30% entspricht. Der Ort entlang der Achse 108 des IGT-Werts 116 wird somit durch Addition der Bildelementpopulationsanzahl am linken Ende des Histogramms 106 in Fig. 6, das an die Achse 110 angrenzt, in Richtung des rechten Endes (d. h. auf steigende Gradientenwerte) bestimmt. Ist der gewünschte Perzentilwert erreicht, stellt die entsprechende Gradientengröße den für IGT zugeordneten Wert dar.

In Schritt 88 wird nach Kanten der gewünschten Struktur gesucht. Die Kantensuche wird durch Lokalisierung der Bildelemente mit Gradientengrößen größer als dem in Schritt 86 ausgewählten IGT-Wert und unter Berücksichtigung einer 5×5-Bildelementnachbarschaft fortgesetzt, die die relevanten in Frage kommenden Bildelemente umgibt. Innerhalb der 5×5-Bildelementnachbarschaft jedes in Frage kommenden Bildelementes werden Bildelemente mit Gradientengrößen über dem IGT-Wert und mit Richtungen gezählt, die sich von der Richtung des in Frage kommenden Bildelements nicht um mehr als einen vorbestimmten Winkel unterscheiden. Bei dem bevorzugten Ausführungsbeispiel wird ein Winkel von 0,35 rad bei diesem Vergleichsschritt verwendet. Ist die 5×5-Nachbarschaftsanzahl größer als eine voreingestellte Anzahl, 3 bei diesem Ausführungsbeispiel, wird das in Frage kommende Bildelement als relevantes Kantenbildelement identifiziert. In Schritt 90 wird ein binäres Maskenbild erzeugt, wobei in Schritt 88 als relevante Kantenbildelemente identifizierte Bildelemente einen Wert 1 bekommen, während allen anderen Bildelementen ein Wert gleich Null zugewiesen wird.

In Schritt 92 werden als potentielle Kandidaten für eine Struktur identifizierte kleine oder mit Rauschen behaftete Segmente iterativ beseitigt. Die Schritte in der Steuerlogik zur Beseitigung dieser Segmente sind in Fig. 7 zusammengefaßt. Gemäß Fig. 7 beginnt der Vorgang in Schritt 120, wo ein binäres Bild durch die Zuweisung eines Wertes 1 für Bildelemente mit einem Gradientengrößenwert gleich oder größer als ein gewünschter Wert und eines Wertes Null für alle anderen Bildelemente erhalten wird. Dieses Binärbild oder diese Maske ist im wesentlichen gleich der in Schritt 90 erzeugten Maske (siehe Fig. 4). In Schritt 122 wird jedem Bildelement mit einem Wert 1 in der Binärmaske eine Indexnummer beginnend mit der linken unteren Ecke des Bildes zu der rechten oberen Ecke zugeordnet. Die Indexnummern werden für jedes Bildelement mit einem Wert 1 in der Maske inkrementiert. In Schritt 124 wird die Maske reihenweise von links unten an durch Vergleichen der Indexwerte der Bildelemente in kleinen Nachbarschaften analysiert. Wird beispielsweise ein Bildelement mit einer Indexnummer identifiziert, wird ein Vierfach-Vergleich ausgeführt, wobei die Indexnummer des in Frage kommenden Bildelements mit den Indexnummern der Bildelemente unmittelbar oberhalb, unterhalb, links und rechts des in Frage kommenden Bildelements verglichen wird, sofern diese Bildelemente eine Indexnummer haben. Die Indexnummern für jedes verbundene Bildelement werden dann in die niedrigste Indexnummer in der verbundenen Nachbarschaft geändert. Die Suche, der Vergleich und die Neuzuordnung werden über die gesamte Bildelementmatrix fortgesetzt, woraus sich Bereiche benachbarter Bildelemente ergeben, denen gemeinsame Indexnummern zugeordnet sind. Bei dem bevorzugten Ausführungsbeispiel kann der Indexnummer-Vereinigunsschritt 124 mehrmals ausgeführt werden, wie es in Schritt 126 in Fig. 7 dargestellt ist. Jede nachfolgende Iteration wird vorzugsweise in entgegengesetzter Richtung (von oben nach unten und von unten nach oben) durchgeführt.

Nach den Iterationen mit aufeinanderfolgender Suche und Vereinigung von Indexnummern wird die Indexnummer-Bildelementmatrix zusammenhängende Bereiche von Bildelementen mit gemeinsamen Indexnummern enthalten. Wie es in Schritt 128 in Fig. 7 dargestellt ist, wird dann ein Histogramm aus der Indexmatrix durch Zählen der Anzahl von Bildelementen mit jeweils einer in der Indexmatrix erscheinenden Indexnummer erzeugt. Für den Fachmann ist ersichtlich, daß jeder separate zusammenhängende Bereich von Bildelementen mit Indexnummern eine eindeutige Indexnummer hat. In Schritt 130 werden Bereiche, die durch Indexnummern mit Populationen niedriger als ein gewünschter Schwellenwert dargestellt werden, aus der Definition der Struktur entfernt, wie sie in Schritt 90 in Fig. 4 bestimmt ist. Bei dem bevorzugten Ausführungsbeispiel werden Bereiche mit einer Bildelementanzahl geringer als 50 Bildelemente in Schritt 130 entfernt. Die Anzahl an in diesem Schritt zu beseitigenden Bildelementen kann allerdings als Funktion der Matrixgröße und der Menge und Größe in der Definition der Struktur in dem endgültigen Bild zuzulassender isolierter Artefakte gewählt werden.

In Fig. 4 wird die Anzahl der in der Binärmaske verbleibenden Bildelemente in Schritt 94 gezählt, wobei Bildelemente für kleine Segmente aus der in Schritt 90 erzeugten binären Maske beseitigt sind. Obwohl die resultierende Anzahl zur Bestimmung eines endgültigen Gradientenschwellenwerts verwendet werden kann, wurde herausgefunden, daß ein geeignetes Verfahren zur Bestimmung eines endgültigen Gradientenschwellenwerts für die Definition der Struktur die Addition einer gewünschten Anzahl von Bildelementen zu der resultierenden Bildelementanzahl beinhaltet. Beispielsweise wird bei dem bevorzugten Ausführungsbeispiel ein Wert von 4000 zu der sich aus Schritt 92 ergebenden Binärmaskenanzahl zum Erhalten einer gewünschten Anzahl an Bildelementen in der Bildstrukturdefinition addiert. Dieser Parameter kann als Vorgabewert eingestellt werden, oder kann von einem Bediener modifiziert werden. Im allgemeinen erzeugt ein größerer Additionswert ein schärferes Bild, während ein niedrigerer Additionswert ein glatteres Bild erzeugt. Dieser hier als Fokusparameter bezeichnete Parameter kann somit zur Neudefinition der Klassifikation der Bildelemente in Strukturen und Nicht-Strukturen verändert werden.

Mit der Identifikation der gewünschten Anzahl an Strukturbildelementen wird ein endgültiger Gradientenschwellenwert bzw. FGT in Schritt 96 in Fig. 4 beruhend auf dem in Fig. 6 gezeigten Histogramm 106 bestimmt. Insbesondere werden die Populationsanzahlen für jeden Gradientengrößenwert beginnend vom rechten Ende des Histogramms 106 an nach links summiert, wie es durch das Bezugszeichen 132 angezeigt ist. Wurde die gewünschte Anzahl struktureller Bildelemente erreicht (d. h. die in Schritt 94 gezählte Anzahl der Bildelemente plus dem Fokusparameter), wird der entsprechende Gradientengrößenwert als endgültiger Gradientenschwellenwert 134 identifiziert. Beruhend auf diesem endgültigen Gradientenschwellenwert wird eine neue binäre Maske definiert, indem Bildelementen mit Werten größer oder gleich dem FGT-Wert ein Wert von 1 und allen anderen Bildelementen ein Wert Null zugeordnet wird. In Schritt 98 wird die resultierende binäre Maske zur Beseitigung kleiner, isolierter Segmente in einem Vorgang gleich dem vorstehend bezüglich Schritt 92 in Fig. 7 beschriebenen gefiltert. Allerdings wird in Schritt 98 anstelle einer vierfach verbundenen Nachbarschaft eine achtfach verbundene Nachbarschaft (d. h. einschließlich der Bildelemente mit gemeinsamen Kanten und Ecken um das in Frage kommende Bildelement) in den Indexnummer-Vereinigungsschritten berücksichtigt.

In Schritt 100 in Fig. 4 werden die durch die vorstehend beschriebenen Schritte identifizierten Merkmalskanten, die Kandidatenstrukturen in dem Bild darstellen, bezüglich der binären Rangordnung gefiltert. Obwohl verschiedene Verfahren für die Verstärkung identifizierter Kandidatenstrukturen verwendet werden können, wurde herausgefunden, daß die binäre Rangordnungsfilterung zufriedenstellende Ergebnisse bei der Expandierung und Definition der geeigneten Breite der zusammenhängenden Merkmale liefert, die zur Definition der strukturellen Elemente verwendet werden. Die Schritte in der beispielhaften Steuerlogik zur Implementierung der binären Rangordnungsfilterung in Schritt 100 sind in Fig. 8 dargestellt.

Gemäß Fig. 8 beginnt die binäre Rangordnungsfilterung in Schritt 140 mit der in den vorhergehenden Schritten erzeugten und verfeinerten binären Maske. In Schritt 140 bestimmt die Schaltung 24, ob die Bildelemente in der binären Maske jeweils einen Wert 1 haben. Hat das Bildelement einen Wert 1 in der Maske, findet eine Nachbarschaftszählung in Schritt 142 statt. Bei dieser Nachbarschaftszählung werden Bildelemente in der binären Maske mit Werte von 1 innerhalb einer 3×3-Nachbarschaft um das in Frage kommende strukturelle Bildelement gezählt. Diese Zählung beinhaltet das in Frage kommende Bildelement. In Schritt 144 bestimmt die Schaltung 24, ob der Zählwert bzw. die Anzahl aus Schritt 142 eine gewünschte Anzahl m überschreitet. Bei diesem Ausführungsbeispiel ist der in Schritt 144 verwendete Wert m gleich 2. Überschreitet die Anzahl den Wert m wird dem in Frage kommenden Bildelements der Wert 1 neu zugeordnet, wie es in Schritt 146 gezeigt ist. Überschreitet die Anzahl den Wert m nicht, wird dem in Frage kommenden Bildelement der Wert Null in der Maske zugeordnet, wie es in Schritt 148 gezeigt ist. Nach den Schritt 146 und 148, bzw. wenn das Bildelement nicht den ursprünglichen Wert 1 in der Maske in Schritt 140 hat, geht die Steuerung zu Schritt 150 über.

In Schritt 150 überprüft die Schaltung 124 die Strukturmaske zur Bestimmung, ob jedes in Frage kommende Bildelement einen Wert Null hat. Ist ein Bildelement mit dem Wert Null vorhanden, geht die Schaltung 24 zu Schritt 152 zur Berechnung eines Nachbarschaftszählwerts bzw. einer Nachbarschaftsanzahl ähnlich wie in Schritt 142 über. Insbesondere wird eine 3×3-Nachbarschaft um das nichtstrukturelle in Frage kommende Bildelement überprüft, und es wird eine Anzahl von Bildelementen in dieser Nachbarschaft mit einem Maskenwert 1 bestimmt. In Schritt 154 wird diese Nachbarschaftsanzahl mit einem Parameter n verglichen. Überschreitet die Anzahl den Parameter n, wird der Maskenwert für das Bildelement in Schritt 156 in 1 geändert. Überschreitet der Wert n nicht, behält das Maskenbildelement den Wert Null, wie es in Schritt 158 gezeigt ist. Bei diesem Ausführungsbeispiel ist der in Schritt 154 verwendete Wert n gleich 2. Nach Schritt 156 oder Schritt 158 enthält die resultierende Maske Ms Informationen, die die strukturellen in Frage kommenden Merkmale und die nicht strukturellen Bereiche identifizieren. Insbesondere werden die Bildelemente in der Maske mit einem Wert 1 zur Identifikation der Struktur berücksichtigt, während Bildelemente mit einem Wert Null als Anzeige einer Nicht-Struktur berücksichtigt werden.

Nach der Identifikation der Struktur des Bildes wird eine Orientierungsglättung der Struktur wie in Schritt 68 in Fig. 3 gezeigt über eine Logik ausgeführt, die in Fig. 9 schematisch dargestellt ist. Wie es in Fig. 9 gezeigt ist, beginnt die Orientierungsglättung der Bildstruktur mit den normalisierten Werten für die entsprechende Struktur und kann auf verschiedene Arten in Abhängigkeit vom gewünschten Glättungstyp fortschreiten. Insbesondere richtet ein Logikentscheidungsblock 162 beruhend auf einer in Schritt 160 in Fig. 9 bestimmten Bedienereingabe die Signalverarbeitungsschaltung 24 entweder auf eine dominante Orientierungsglättung, wie es durch das Bezugszeichen 164 gezeigt ist, oder eine lokale Orientierungsglättung, wie es durch das Bezugszeichen 166 gezeigt ist. Wird die dominante Orientierungsglättung gewählt, werden die Intensitätswerte für die strukturellen Bildelemente wie nachstehend gemäß Fig. 10 zusammengefaßt zur Erzeugung einer binären Maske M' verarbeitet. Den Iterationen der nachstehend gemäß Fig. 10 umrissenen Prozedur folgend werden die Werte der Maske M' in Schritt 168 ausgewertet, und eine Glättung wird bei den Strukturintensitätswerten unter Verwendung von Multiplizierern α und β durchgeführt, woraus sich Werte ergeben, die dann summiert werden, wie es in den Blöcken 170, 172 und 174 in Fig. 9 gezeigt und nachstehend näher zusammengefaßt ist.

Zur Beschreibung des dominanten Orientierungsglättungsschritts 164 wird auf Fig. 10 Bezug genommen. Wie es in Fig. 10 gezeigt ist, beginnt die dominante Orientierungsglättung mit der Zuordnung von Richtungsindizes zu jedem als strukturelles Bildelement in der Strukturmaske Ms identifizierten Bildelement. Bei diesem Ausführungsbeispiel wird einer aus vier Richtungsindizes jedem strukturellen Bildelement entsprechend den statistischen Varianzen für jedes Bildelement wie in Fig. 11 gezeigt zugeordnet. Gemäß Fig. 11 werden in einer lokalen Nachbarschaft 182, die jedes strukturelle Bildelement umgibt, statistische Varianzen für Bildelementkerne in vier Richtungen durch Bezugnahme auf die normalisierten Intensitätswerte der umgebenden Bildelemente berechnet. Die Richtung der minimalen Varianz wird aus den vier berechneten Werten ausgewählt, und ein entsprechender Richtungsindex wird zugeordnet, wie es durch das Bezugszeichen 184 in Fig. 11 dargestellt ist. Bei diesem Ausführungsbeispiel werden die Richtungsindizes wie folgt zugeordnet: 1 für 45 Grad, 2 für 135 Grad, 3 für 90 Grad und 4 für 0 Grad. Diese Schritte sind in Fig. 10 in 186 und 188 zusammengefaßt. In Schritt 190 wird ein Lokalbereich-Schwellenwert beruhend auf der Bildmatrixgröße zugeordnet. Bei diesem Ausführungsbeispiel wird ein Lokalbereich-Schwellenwert 6 für 256×256-Bildelementbilder, ein Wert 14,25 für 512×512-Bildelementbilder oder ein Wert 23 für 1024×1024-Bildelementbilder verwendet.

In Schritt 192 wird eine binäre Maske M' mit Werten von 0 für jedes Bildelement initialisiert. In Schritt 194 wird eine dominante Orientierung für jedes strukturelle Bildelement durch Überprüfung der in Schritt 188 eingestellten Richtungsindizes in einer jedes strukturelle Bildelement umgebenden lokalen Nachbarschaft eingerichtet. In diesem Vorgang werden die in der lokalen Nachbarschaft gefundenen Richtungsindizes gezählt und dem in Frage kommenden Bildelement wird der den größten Zählwert liefernde Richtungsindex (bzw. der niedrigste vorhandene Index im Fall gleicher Zählwerte bzw. Anzahlen) zugeordnet. Bei diesem Ausführungsbeispiel ist die zur Identifikation der Richtung der dominanten Orientierung in Schritt 194 verwendete Nachbarschaftsgröße für die Folge der in Betracht gezogenen Bildmatrixdimensionen unterschiedlich. Insbesondere wird eine 3×3 Nachbarschaft für 256×256-Bildelementbilder, eine 5×5 Nachbarschaft für 512×512-Bildelementbilder und eine 9×9 Nachbarschaft für 1024×1024-Bildelementbilder verwendet.

In Schritt 196 wird der Zählwert bzw. die Anzahl, die in der nachgesuchten Nachbarschaft für jedes Bildelement bestimmt wird, mit dem Lokalbereich-Schwellenwert verglichen. Überschreitet die Anzahl den Lokalbereich-Schwellenwert, schreitet die Signalverarbeitungsschaltung 24 zu Schritt 198 vor. In diesem Schritt wird der Intensitätswert für jedes strukturelle Bildelement gleich der Durchschnittsintensität eines 1×3-Kerns von Bildelementen in der dominanten Richtung für das in Frage kommende Bildelement gesetzt. Darauf folgend wird in Schritt 200 der Wert eines entsprechenden Orts in der binären Matrix M' von 0 auf 1 geändert. Überschreitet die Anzahl in Schritt 196 den Lokalbereich-Schwellenwert für ein bestimmtes Bildelement nicht, wird der Intensitätswert das in Frage kommende Bildelement gleich einem gewichteten Durchschnitt gesetzt, wie es in Schritt 202 gezeigt ist.

Der gewichtete Durchschnitt wird durch folgende Beziehung bestimmt:

gewichteter Durchschnitt = (1/1 + p) (Eingabe) + (p/1 + p) (geglätteter Wert),

wobei der Eingabewert der Wert für das in Frage kommende Bildelement zu Beginn der Routine 164, p ein Gewichtungsfaktor zwischen 1 und 200 und der geglättete Wert die Durchschnittsintensität eines 1×3-Kerns in der dominanten Richtung des in Frage kommenden Bildelements ist. Die Schaltung 24 kehrt entweder vom Schritt 20 oder vom Schritt 202 zu Schritt 168 in Fig. 9 zurück.

In Fig. 9 werden in Schritt 168 die Werte jedes Bildelements der binären Maske M' ausgewertet. Ist der Wert gleich 0, wird der entsprechende Intensitätswert Ii mit einem Gewichtungsfaktor α in Schritt 170 multipliziert. Bei diesem Ausführungsbeispiel ist der Faktor α gleich 0,45. Im Block 172 wird der resultierende Wert mit dem Produkt des normalisierten Intensitätswerts für das entsprechende Bildelement und einem Gewichtungsfaktor β, der in Schritt 174 berechnet wird, summiert. Bei diesem Ausführungsbeispiel ist die Summe der Faktoren α und β gleich 1, woraus sich der Wert von β zu 0,55 ergibt.

Ist der Wert für ein bestimmtes Bildelement in Schritt 168 gleich 1 in der binären Maske M', schreitet die Steuerung zum Entscheidungsblock 176 fort. Der Entscheidungsblock 176 wird auch als Folge der in Block 172 durchgeführten Summation wie vorstehend beschrieben erreicht. Bei diesem Ausführungsbeispiel werden die vorhergehenden dominanten Orientierungsglättungsschritte über eine gewünschte Anzahl an Iterationen zur Ausbildung ausreichender Glättung und Überbrückung zwischen strukturellen Bereichen durchgeführt. In Schritt 176 bestimmt die Schaltung 24 daher, ob die gewünschte Anzahl an Iterationen abgeschlossen ist, und wenn nicht, kehrt sie zu Schritt 164 zur weiteren Glättung der strukturellen Bereiche zurück. Bei diesem Ausführungsbeispiel kann der Bediener aus einer bis zehn derartiger Iterationen auswählen.

Wie vorstehend angeführt kann die Orientierungsglättung über eine alternative Folge von Schritten für eine lokale Orientierungsglättung wie in Block 166 in Fig. 9 angeführt fortschreiten. Fig. 9 stellt beispielhafte Schritte in der Steuerlogik für eine derartige lokale Orientierungsglättung dar. Wie bei der dominanten Orientierungsglättung beginnt die lokale Orientierungsglättung mit den normalisierten Intensitätswerten für die strukturellen Bildelemente. In Schritt 202 werden statistische Varianzen für 1×3-Bildelementkerne um jedes strukturelle Bildelement für jede indizierte Richtung (siehe Fig. 11) wie vorstehend für den dominanten Orientierungsglättungsvorgang beschrieben berechnet. In Schritt 204 wird ein Verhältnis der maximalen/minimalen Varianzen berechnet, die für jedes Bildelement in Schritt 202 identifiziert wurden. In Schritt 206 wird dieses Verhältnis für jedes strukturelle Bildelement mit einem als Relaxationfaktor für die lokale Orientierungsfilterung bezeichneten Parameter R verglichen. Bei diesem Ausführungsbeispiel kann der Wert R zwischen 1 und 200 eingestellt sein. Überschreitet in Schritt 206 das Varianzverhältnis R, wird eine lokale Orientierungsfilterung wie in Schritt 208 gezeigt durch Einstellung des Intensitätswerts für das in Frage kommende strukturelle Bildelement gleich einem Durchschnittswert für den 1×3-Bildelementkern in der Richtung der minimalen Varianz bewirkt. Überschreitet in Schritt 206 das Verhältnis zwischen der maximalen und minimalen Varianz für das in Frage kommende Bildelement R nicht, wird keine lokale Orientierungsglättung durchgeführt, und die Schaltung 24 schreitet zu einem Punkt nach dem Schritt 208 vor. Von diesem Punkt aus kehrt die Steuerung zu Block 170 in Fig. 9 zurück.

Gemäß Fig. 9 wird in Block 170 der Intensitätswert für jedes strukturelle Bildelement mit einem Gewichtungsfaktor α multipliziert und in Block 172 mit dem Produkt des normalisierten Intensitätswerts für das entsprechende Bildelement und einem in Block 174 erzeugten Gewichtungsfaktor β kombiniert. Wie vorstehend zusammengefaßt ist, bestimmt die Schaltung 24 in Schritt 176, ob die gewünschte Iterationsanzahl erreicht ist, und wenn nicht, kehrt sie zu dem lokalen Orientierungsglättungsblock 166 zur Wiederholung der Schritte in Fig. 9 bis zum Erreichen der gewünschten Iterationsanzahl zurück. Wurden die gewünschten Iterationen durchgeführt, wird das sich aus der Orientierungsglättung ergebende gefilterte Bild If durch die nachstehend beschriebenen Vorgänge weiter gefiltert.

Wie vorstehend unter Bezugnahme auf Fig. 3 beschrieben folgt der Orientierungsglättung der in dem Bild identifizierten Struktur eine Homogenisierungsglättung der Nicht-Struktur. Die Schritte eines Vorgangs einer derartigen Homogenisierungsglättung sind in Fig. 13 dargestellt. Gemäß Fig. 13 werden die normalisierten Intensitätswerte für nicht-strukturelle Bildelemente bei diesem Vorgang berücksichtigt. In Schritt 210 wird der mittlere Nachbarschaftsintensitätswert für jedes nicht strukturelle Bildelement berechnet (unter Berücksichtigung der normalisierten Werte der strukturelle Bildelemente, wo diese in der berücksichtigten Nachbarschaft enthalten sind). Bei diesem Ausführungsbeispiel wird der Schritt 210 auf der Grundlage einer 3×3-Nachbarschaft um jedes nicht strukturelle Bildelement abgearbeitet. Dieser Mittelwert wird dem in Frage kommenden Bildelement zugewiesen und die Steuerung schreitet zu Schritt 212 vor. In Schritt 212 bestimmt die Schaltung 24, ob die gewünschte Iterationsanzahl abgeschlossen ist. Wenn nicht, kehrt die Steuerung zu Schritt 210 zur weiteren Homogenisierung der nicht strukturellen Bildelementintensitätswerte zurück. Wurde die gewünschte Iterationsanzahl erreicht, wird die Homogenisierungsglättungsroutine in Schritt 13 verlassen. Bei diesem Ausführungsbeispiel kann der Bediener die Anzahl der Homogenisierungsglättungsiterationen in einem Bereich von 1 bis 10 einstellen.

Der Homogenisierungsglättung folgend wird das gefilterte Bild durch eine Orientierungsschärfung der identifizierten Struktur wie vorstehen gemäß Fig. 3 beschrieben weiter verarbeitet, was ausführlich in Fig. 14 dargestellt ist. Gemäß Fig. 14 beginnt die Orientierungsschärfungsfolge in Schritt 214, wo Laplacewerte für jedes strukturelle Bildelement in den in Fig. 11 gezeigten und vorstehend beschriebenen indizierten Richtungen berechnet sind. Die Laplacewerte können anhand folgender Formel berechnet werden:



L(k) = 2,0.I(k)-I(k-1)-I(k+1),



wobei k das in Frage kommende strukturelle Bildelement, k-1 das dem in Frage kommenden Bildelement vorangehende Bildelement in der indizierte Richtung und k+1 das dem in Frage kommende Bildelement folgende Bildelement in der indizierten Richtung ist. Die in Schritt 214 berechneten Laplacewerte beruhen auf den gefilterten Intensitätswerten (d. h. den geglätteten Werten für die Struktur). In Schritt 216 wird der Maximalwert der vier Laplacewerte für jedes strukturelle Bildelement zur Ausbildung eines Kantenbildes Me gespeichert. In Schritt 218 werden für jedes strukturelle Bildelement die statistischen Varianzen und Mittelwerte für einen 3×1 Bildelementkern in den in Fig. 11 gezeigten indizierten Richtungen berechnet, wobei wiederum die gefilterten (d. h. die homogenisierten und geglätteten) Werte für jedes Bildelement in den relevanten Nachbarschaften verwendet werden. Die Richtung der minimalen Varianz für jedes strukturelle Bildelement wird dann aus diesen Werten identifiziert, und der Mittelwert in der Richtung der minimalen Varianz wird für jedes Bildelement wie in Schritt 220 dargestellt gespeichert. In Schritt 222 wird der Mittelwert in der Richtung der minimalen Varianz für jedes strukturelle Bildelement mit einem Faktor γ multipliziert. Bei diesem Ausführungsbeispiel kann der Wert von γ in einem Bereich von 0,00001 bis 2,0 eingestellt werden. Im Allgemeinen gilt: je höher der Wert von γ gewählt wird, desto größer ist die Gesamtschärfe starker Kanten in dem endgültigen Bild. In Schritt 224 wird der resultierende gewichtete Wert zu dem anfänglichen gefilterten Wert für das entsprechende strukturelle Bildelement hinzu addiert. Die resultierenden gefilterten Bildwerte werden dann wie nachstehend beschrieben weiter verarbeitet.

Der Orientierungsschärfung der strukturellen Merkmale des Bildes folgend wird das gesamte Bild erneut normalisiert, wie es in Schritt 74 in Fig. 3 gezeigt ist. Während verschiedene Verfahren für diese Neunormalisierung verwendet werden können, wird bei diesem Ausführungsbeispiel die globale Durchschnittsbildelementsintensität in dem gefilterten Bild nach Schritt 72 berechnet, und ein Normalisierungsfaktor wird beruhend auf dem Unterschied zwischen diesem Durchschnittswert und dem Durchschnittswert vor den vorstehend beschriebenen Filterschritten bestimmt. Der neue normalisierte Intensitätswert für jedes Bildelement wird dann durch Multiplikation dieses Normalisierungsfaktors mit der gefilterten Bildelementintensität und durch Addition des globalen minimalen Intensitätswertes aus den ursprünglichen Daten zu dem Produkt bestimmt.

Das resultierende neu Normalisierte gefilterte Bild, das in Fig. 3 mit Ifn bezeichnet ist, wird dann weiter zur Zurückmischung einer Textur aus den ursprünglichen Daten in die nicht-strukturellen Bereiche verarbeitet. Dieser Texturmischschritt ist in Fig. 15 dargestellt. Im Allgemeinen tendieren die Schritte in Fig. 15 zur Addition von mehr oder weniger ursprünglicher Textur in Abhängigkeit von der Gradientengröße der nicht-strukturellen Bildelemente. Insbesondere wird in Schritt 226 die Gradientengröße für jedes in Frage kommende nicht strukturelle Bildelement mit einem Schwellenwert T verglichen. Bei diesen Ausführungsbeispiel ist dieser Schwellenwert auf den Wert 300 gesetzt. Überschreitet der Gradient diesen Schwellenwert nicht, wird der Bildelementintensitätswert mit einem Wert a in Schritt 228 multipliziert. Das resultierende Produkt wird in Schritt 230 zu dem Produkt des rohen Intensitätswerts für das Bildelement (vor der Neunormalisierung in Schritt 64 in Fig. 3) addiert, das mit einem Wert gleich 1-a in Schritt 232 multipliziert wird. Der resultierende gewichtete Durchschnitt wird dem Bildelement zugeordnet.

Überschreitet in Schritt 226 der Gradientengrößenwert für ein Bildelement den Schwellenwert T, wird die Bildelementintensität mit eine Faktor b multipliziert, wie es in Schritt 234 gezeigt ist. Das resultierende Produkt wird dann in Schritt 236 zu dem in Schritt 238 bestimmten Produkt der rohen Intensität dieses Bildelements und einem Multiplikator gleich 1-b addiert. Bei diesem Ausführungsbeispiel kann der Wert von b in einem Bereich von 0 bis 1 eingestellt werden, wobei der Wert a gleich 1,5 mal dem Wert b gesetzt ist. Wie es für den Fachmann ersichtlich ist, addiert die durch die Schritte in Fig. 15 durchgeführte gewichtete Durchschnittsbildung eine Textur effektiv zurück in nicht strukturelle Bereiche, um eine verständliche Umgebung für die wie vorstehend beschrieben gefilterte Struktur zu erhalten. Durch die Durchführung des Vergleichs in Schritt 226 addiert der Prozeß weniger ursprüngliche Textur für Bildelemente mit niedrigen Gradientenwerten und mehr ursprüngliche Textur für Bildelemente mit höheren Gradientenwerten. Bei Bedarf können die Werte von a und b zur Erhöhung bzw. Verringerung dieser Funktion des Vorgangs eingestellt werden.

Bei dem erfindungsgemäßen System werden Strukturen in ein diskretes Bildelementbild darstellenden Bildelementdaten identifiziert und von Nicht-Strukturen unterschieden. Die Strukturen werden durch Vergleichen von Gradientengrößen mit einem ausgewählten Gradientenwert und durch Vergleichen von Gradientenrichtungen angrenzender Bildelemente identifiziert. Bildelemente mit gewünschten Beziehungen werden gezählt, und ein Fokusparameter wird bei dem resultierenden Zählwert angewendet. Ein endgültiger Gradientenschwellenwert wird beruhend auf dem Zählwert und dem Fokusparameter identifiziert. Der Schwellenwert identifiziert strukturelle Bildelemente. Isolierte angrenzende Bereiche können aus den Strukturen beseitigt werden. Durch die Strukturen definierte Kanten werden durch binäre Rangordnung zum Erhalten der endgültigen strukturellen Definition gefiltert. Die strukturellen und nicht strukturellen Bildelemente können zur Verstärkung des Bildes zur nachfolgenden Anzeige weiterverarbeitet werden.


Anspruch[de]
  1. 1. Verfahren zur Identifizierung struktureller Bildkomponenten in einem diskreten Bildelementbild mit den Schritten
    1. a) Berechnen (82) von Gradientengrößenwerten für jedes Bildelement des Bildes,
    2. b) Identifizieren (86) eines Gradientenschwellenwerts,
    3. c) Identifizieren (88) von strukturelle Kanten darstellenden Bildelementen zumindest teilweise beruhend auf dem Gradientenschwellenwert und
    4. d) Filtern (100) der strukturellen Kanten gemäß der binären Rangordnung zur Identifizierung von strukturelle Komponenten in dem Bild darstellenden Bildelementen.
  2. 2. Verfahren nach Anspruch 1, wobei der Gradiellenschwellenwert durch Auswählen eines Anfangsschwellenwerts vor der Identifizierung der strukturelle Kanten darstellenden Bildelemente, Zählen von strukturelle Kanten darstellenden Bildelementen und Identifizieren eines endgültigen Gradientenschwellenwerts beruhend auf der Anzahl von strukturelle Kanten darstellenden Bildelementen identifiziert wird.
  3. 3. Verfahren nach Anspruch 2, wobei der endgültige Gradientenschwellenwert durch Addieren eines Skalarwerts zu der Anzahl der strukturelle Kanten darstellenden Bildelemente identifiziert wird.
  4. 4. Verfahren nach Anspruch 2, wobei der endgültige Gradientenschwellenwert durch Bestimmen eines Gradientenwerts kleiner oder gleich den Gradientengrößenwerten für eine gewünschte Anzahl an Bildelementen identifiziert wird.
  5. 5. Verfahren nach Anspruch 4, wobei die gewünschte Anzahl an Bildelementen die Anzahl der strukturelle Kanten darstellenden Bildelemente plus einem Skalawert ist.
  6. 6. Verfahren nach Anspruch 1, mit dem weiteren Schritt Beseitigen (130) von Bereichen angrenzender Bildelemente geringer als ein gewünschter Zählwert aus den strukturellen Komponenten.
  7. 7. Verfahren nach Anspruch 1, wobei die strukturellen Kanten durch Vergleichen von Gradientengrößenwerten für jedes Bildelement mit einem vorbestimmten Größenwert und durch Vergleichen eines Gradientenrichtungswerts für jedes Bildelement mit Gradientenrichtungswerten angrenzender Bildelemente identifiziert wird.
  8. 8. Verfahren zur Identifizierung von Bildelementen in einem diskreten Bildelementbild, die in Frage kommende Merkmale darstellen, mit den Schritten
    1. a) Bestimmen (80) von Gradientenwerten für jedes Bildelement,
    2. b) Erzeugen (84) eines Gradientenhistogramms für die Bildelemente,
    3. c) Identifizieren (86) eines Gradientenschwellenwerts aus dem Gradientenhistogramm und aus den Gradientengrößen- und den Gradientenrichtungswerten für jedes Bildelement und
    4. d) Identifizieren (88) von in Frage kommende Merkmale darstellenden Bildelementen aus dem Gradientenschwellenwert und dem Gradientenhistogramm.
  9. 9. Verfahren nach Anspruch 8, wobei Merkmalskanten durch Vergleichen von Gradientengrößenwerten für jedes Bildelement mit einem vorbestimmten Größenwert, Vergleichen eines Gradientenrichtungswerts für jedes Bildelement mit Gradientenrichtungswerten angrenzender Bildelemente und Zählen von vorbestimmte Beziehungen bezüglich der Größen- und Richtungsvergleiche erfüllenden Bildelementen identifiziert werden.
  10. 10. Verfahren nach Anspruch 9, wobei ein endgültiger Gradientenschwellenwert beruhend auf der Anzahl an Merkmalskanten darstellenden Bildelementen identifiziert wird.
  11. 11. Verfahren nach Anspruch 10, wobei der endgültige Gradientenschwellenwert durch Addition eines Skalarwerts zu der Anzahl an Merkmalskanten darstellenden Bildelementen identifiziert wird.
  12. 12. Verfahren nach Anspruch 11, wobei der endgültige Gradientenschwellenwert durch Bestimmen eines Gradientenwerts kleiner oder gleich den Gradientengrößenwerten identifiziert wird, die eine gewünschte Anzahl an Bildelementen darstellen.
  13. 13. Verfahren nach Anspruch 12, wobei die gewünschte Anzahl an Bildelementen gleich der Anzahl an Merkmalskanten darstellenden Bildelementen plus einem Skalarwert ist.
  14. 14. Verfahren nach Anspruch 8, wobei der Schritt zur Identifizierung von in Fragen kommende Merkmale darstellenden Bildelementen die Schritte umfaßt Identifizieren von Merkmalskanten darstellenden Bildelementen und Filtern der Merkmalskanten gemäß der binären Rangordnung.
  15. 15. Verfahren nach Anspruch 8, mit dem weiteren Schritt Beseitigen von Bereichen angrenzender Bildelemente geringer als ein gewünschter Zählwert aus der Gruppe von in Frage kommende Merkmale darstellenden Bildelementen.
  16. 16. Verfahren zur Identifizierung von in Frage kommenden Bildelementen in einem diskreten Bildelementbild mit den Schritten
    1. a) Bestimmen (80) von Gradientenwerten für jedes Bildelement,
    2. b) Identifizieren (88) zusammenhängender in Frage kommender Bildelemente beruhend auf den Gradientenwerten und
    3. c) Beseitigen (130) von Bereichen angrenzender Bildelemente, die eine Anzahl von Bildelementen enthalten, die geringer als eine gewünschte minimale Anzahl ist, aus den in Frage kommenden Bildelementen.
  17. 17. Verfahren nach Anspruch 16, wobei die Bereiche angrenzender Bildelemente durch Zuordnen von Indexwerten zu jedem in Frage kommenden Bildelement, iteratives Neu zuordnen eines gemeinsamen Indexwerts für angrenzende Bildelemente und Zählen der Anzahl an Bildelementen identifiziert werden, die sich gemeinsame Indexwerte teilen.
  18. 18. Verfahren nach Anspruch 17, wobei die gemeinsamen Indexwerte angrenzenden Bildelementen in einer unmittelbar angrenzenden Nachbarschaft der in Frage kommenden Bildelemente zugeordnet werden.
  19. 19. Verfahren nach Anspruch 16, wobei die in Frage kommenden Bildelemente durch Bestimmen eines Gradientenschwellenwerts und Auswählen von Bildelementen mit einer gewünschten Beziehung zu dem Gradientenschwellenwert identifiziert werden.
  20. 20. Verfahren nach Anspruch 19, wobei der Gradientenschwellenwert durch Identifizieren von durch die Bildelemente definierten Merkmalskanten und Zählen der die Merkmalskanten definierenden Bildelemente bestimmt wird.
  21. 21. Verfahren nach Anspruch 20, wobei der Gradientenschwellenwert durch Identifizieren eines Gradientenwerts kleiner oder gleich den Gradientengrößenwerten bestimmt wird, die eine gewünschte Anzahl an Bildelementen darstellen.
  22. 22. Verfahren nach Anspruch 21, wobei die gewünschte Anzahl an Bildelementen durch Zählen der Anzahl der die Merkmalskanten definierenden Bildelemente und Addieren eines Skalarwerts zu der Anzahl bestimmt wird.
  23. 23. Vorrichtung zur Identifizierung von in Frage kommenden Merkmalen in einem diskreten Bildelementbild mit einer Bilderfassungseinrichtung (22) zur Erzeugung roher Daten, die einer Vielzahl diskreter Bildelemente in einer Bildmatrix darstellen,

    einer mit der Erfassungseinrichtung verbundenen Signalverarbeitungsschaltung (24), die zur Bestimmung von Gradientengrößen- und Gradientenrichtungswerten für jedes Bildelement, zur Erzeugung eines Gradientenhistogramms für die Bildelemente, zur Identifizierung eines Gradientenschwellenwerts aus dem Gradientenhistogramm und aus den Gradientengrößen- und Gradientenrichtungswerten und zur Identifizierung von in Fragen kommende Merkmale darstellenden Bildelementen aus dem Gradientenschwellenwert und dem Gradientenhistogramm eingerichtet ist, und

    einer mit der Signalverarbeitungsschaltung verbundenen Speicherschaltung (26), die zum Empfangen und Speichern von die in Fragen kommenden Bildelemente darstellenden Werten eingerichtet ist.
  24. 24. Vorrichtung nach Anspruch 23, wobei die Bilderfassungseinrichtung eine Magnetresonanzabtasteinrichtung (12) zur Erfassung von Emissionen gyromagnetischer Materialien in einem in Frage kommenden Subjekt enthält.
  25. 25. Vorrichtung nach Anspruch 23, ferner mit einer mit der Signalverarbeitungsschaltung verbundenen Eingabeeinrichtung (28), die zum Empfangen von Bediener-definierten Parametern und zur Zufuhr von die Parameter darstellenden Signalen zu der Signalverarbeitungsschaltung zur Identifikation der in Frage kommende Merkmale darstellenden Bildelemente eingerichtet ist.
  26. 26. Vorrichtung nach Anspruch 23, ferner mit einer mit der Signalverarbeitungsschaltung verbundenen Ausgabeeinrichtung (32), die zur Erzeugung eines vom Bediener wahrnehmbaren Bildes eingerichtet ist, das aus in der Speicherschaltung gespeicherten Daten rekonstruiert ist.
  27. 27. Abbildungssystem mit

    einer Erfassungsstation (22) zur Erfassung von diskrete Bildelemente in einem in Frage kommenden Subjekt darstellenden Signalen und zur Erzeugung von die erfaßten Signale darstellenden digitalen Werten,

    einer Speicherschaltung (26) zur Speicherung einer vorbestimmten Routine zur Verarbeitung der digitalen Werte, einer mit der Erfassungsstation und der Speicherschaltung verbundenen Signalverarbeitungsschaltung (24), die zur Ausführung der Routine zur Identifizierung und Verstärkung von in Frage kommenden Merkmalen beruhend auf einem aus Gradientengrößen- und Gradientenrichtungswerten bestimmten Gradientenschwellenwert für jeden digitalen Wert eingerichtet ist, und

    einer Ausgabeeinrichtung (32) zur Erzeugung eines von einem Bediener wahrnehmbaren Bildes, das durch die Signalverarbeitungsschaltung identifizierte und verstärkte in Frage kommende Merkmale enthält.
  28. 28. Abbildungssystem nach Anspruch 27, wobei die Erfassungsstation eine Magnetresonanzabtasteinrichtung (12) zur Erfassung von Emissionen eines gyromagnetischen Materials in dem in Frage kommenden Subjekt an den diskreten Bildelementen entsprechenden Orten enthält.
  29. 29. Abbildungssystem nach Anspruch 27, ferner mit einer mit der Signalverarbeitungsschaltung verbundenen Eingabeeinrichtung (28) zur Eingabe von durch die Signalverarbeitungsschaltung bei der Identifikation und Verstärkung der in Frage kommenden Merkmale verwendeten Parametern.






IPC
A Täglicher Lebensbedarf
B Arbeitsverfahren; Transportieren
C Chemie; Hüttenwesen
D Textilien; Papier
E Bauwesen; Erdbohren; Bergbau
F Maschinenbau; Beleuchtung; Heizung; Waffen; Sprengen
G Physik
H Elektrotechnik

Anmelder
Datum

Patentrecherche

  Patente PDF

Copyright © 2008 Patent-De Alle Rechte vorbehalten. eMail: info@patent-de.com