本发明涉及图像增强，具体涉及一种肺部ct影像自适应增强方法。
背景技术：
1、肺部ct是一种常规的诊疗手段，具体是利用x光来获得人体肺部的影像，而后利用ct影像辅助医生进行肺部相关疾病的检查。但是因为技术问题的限制或者偶然因素的发生，使得肺部ct影像的质量不够，例如图像的边界不够清晰、肺部支气管分布模糊，此时利用图像分割算法对图像进行分割的效果不好，所以需要对肺部ct影像进行图像处理来获得清晰的肺部ct影像，以便获得最佳的分割效果。
2、在对肺部ct影像分割时，由于血管等重要组织与肺部其他组织的对比度较低，因此在实际中需要对肺部ct影像进行增强，更直观、清晰的表现肺部组织以便医生观察，但现有技术对于ct影像的增强主要基于像素级的频率关系直接进行增强，未结合不同像素级对于图像细节的表现程度，即增强过程没有针对性，导致增强结果无法表现肺部ct影像中的细节特征。
技术实现思路
1、为了解决现有方法在对肺部ct影像进行增强处理的结果无法表现肺部ct影像中的细节特征的问题，本发明的目的在于提供一种肺部ct影像自适应增强方法，所采用的技术方案具体如下：
2、本发明提供了一种肺部ct影像自适应增强方法，该方法包括以下步骤：
3、获取待处理的肺部ct影像中的肺部区域；
4、对肺部区域内每个像素点与其邻域内像素点的灰度变化情况进行分析，确定每个像素点的灰度变化趋势矢量和每个像素点的延伸评价值；根据肺部区域内每个像素点在其灰度变化趋势矢量上与其预设最近邻内像素点的灰度变化趋势矢量的差异情况，获得每个像素点为血管像素点的可能性指标；
5、结合所述延伸评价值、所述可能性指标和灰度值确定每个像素点属于血管的概率；基于肺部区域内每种灰度值对应的每个像素点的邻域内同一灰度值的像素点的数量确定每种灰度值的密集程度；
6、结合每种灰度值对应的每个像素点属于血管的概率和对应的所述密集程度对肺部区域增强获得增强后的肺部影像。
7、优选的，所述每个像素点的灰度变化趋势矢量的获取，包括：
8、对于候选像素点，分别计算候选像素点与其邻域内每个像素点之间的灰度差值，基于所述灰度差值的符号确定特征向量的方向，基于所述灰度差值的绝对值为特征向量的大小，获得邻域内每个像素点的特征向量；
9、综合候选像素点邻域内所有像素点的特征向量的分布确定候选像素点的灰度变化趋势矢量；所述候选像素点为肺部区域内的任意一个像素点。
10、优选的，所述像素点的延伸评价值，包括：
11、对于候选像素点：
12、将候选像素点的灰度变化趋势矢量的垂直方向上过候选像素点的直线，且与候选像素点距离最近的两个像素点，记为候选像素点的特征点；将候选像素点的八邻域内除特征点外的像素点记为候选像素点的参考点；
13、根据候选像素点与其特征点之间的灰度差异、候选像素点及其特征点与参考点之间的灰度差异，获得候选像素点的延伸评价值。
14、优选的，采用如下公式计算第i个像素点的延伸评价值：
15、
16、其中，表示肺部区域第i个像素点的延伸评价值，表示肺部区域第i个像素点的灰度值，表示肺部区域第i个像素点的第一特征点的灰度值，表示肺部区域第i个像素点的第二特征点的灰度值，u表示肺部区域第i个像素点的参考点的数量，表示肺部区域第i个像素点的第u个参考点的灰度值，表示取绝对值符号，表示预设第一调整参数，大于0；特征点包括第一特征点和第二特征点。
17、优选的，所述根据肺部区域内每个像素点在其灰度变化趋势矢量上与其预设最近邻内像素点的灰度变化趋势矢量的差异情况，获得每个像素点为血管像素点的可能性指标，包括：
18、根据候选像素点在其灰度变化趋势矢量上与其预设最近邻内像素点的灰度变化趋势矢量的差异，获得候选像素点为血管像素点的可能性指标，所述灰度变化趋势矢量的差异与所述可能性指标呈负相关关系。
19、优选的，所述结合所述延伸评价值、所述可能性指标和灰度值确定每个像素点属于血管的概率，包括：
20、根据候选像素点的延伸评价值、可能性指标和候选像素点的灰度值，获得候选像素点属于血管的概率，所述延伸评价值、所述可能性指标和所述灰度值均与所述概率呈正相关关系。
21、优选的，所述基于肺部区域内每种灰度值对应的每个像素点的邻域内同一灰度值的像素点的数量确定每种灰度值的密集程度，包括：
22、对于候选灰度值，基于候选灰度值对应的每个像素点的邻域内候选灰度值的像素点的数量占比，确定候选灰度值的密集程度，所述数量占比与所述密集程度呈正相关关系；
23、所述候选灰度值为肺部区域内任意一种灰度值。
24、优选的，所述结合每种灰度值对应的每个像素点属于血管的概率和对应的所述密集程度对肺部区域增强获得增强后的肺部影像，包括：
25、结合每种灰度值对应的所有像素点属于血管的概率和对应的密集程度，获得每种灰度值的增强系数，所述概率和所述密集程度均与所述增强系数呈正相关关系；
26、基于所述增强系数对肺部区域内每种灰度值进行增强获得增强后的肺部影像。
27、优选的，所述基于所述增强系数对肺部区域内每种灰度值进行增强获得增强后的肺部影像，包括：
28、分别将肺部区域内每种灰度值与其增强系数的乘积记为每种灰度值的特征指标，将每种灰度值的特征指标与255中的最小值作为每种灰度值对应的目标灰度值；
29、利用目标灰度值替换原始灰度值获得增强后的肺部影像。
30、优选的，所述获取待处理的肺部ct影像中的肺部区域，包括：
31、采用k-means聚类算法对待处理的肺部ct影像中的像素点划分为两类，结合每类像素点的灰度分布情况确定肺部区域。
32、本发明至少具有如下有益效果：
33、本发明对肺部区域内每个像素点的周围像素点的灰度情况进行了分析，并结合单个像素点的灰度值对像素点属于血管上的像素点的可能性进行了评价，即从肺部区域血管的结构特征和灰度特征对像素点进行了初步评价；由于肺部是由多个组织相互配合，共同完成肺部的呼吸功能，同一组织的像素点的灰度值较接近，因此本发明分析了每种灰度值的像素点的密集程度，进而结合像素点属于血管的概率和每种灰度值的密集程度对不同种灰度值的像素点进行不同程度的增强处理，增强效果更好，增强后的图像更清晰，能够表现肺部ct影像中的细节特征，后续利用增强后的图像对肺部情况进行分析能够保证分析效果的准确度。
1.一种肺部ct影像自适应增强方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种肺部ct影像自适应增强方法，其特征在于，所述每个像素点的灰度变化趋势矢量的获取，包括：
3.根据权利要求2所述的一种肺部ct影像自适应增强方法，其特征在于，所述像素点的延伸评价值，包括：
4.根据权利要求3所述的一种肺部ct影像自适应增强方法，其特征在于，采用如下公式计算第i个像素点的延伸评价值：
5.根据权利要求1所述的一种肺部ct影像自适应增强方法，其特征在于，所述根据肺部区域内每个像素点在其灰度变化趋势矢量上与其预设最近邻内像素点的灰度变化趋势矢量的差异情况，获得每个像素点为血管像素点的可能性指标，包括：
6.根据权利要求2所述的一种肺部ct影像自适应增强方法，其特征在于，所述结合所述延伸评价值、所述可能性指标和灰度值确定每个像素点属于血管的概率，包括：
7.根据权利要求1所述的一种肺部ct影像自适应增强方法，其特征在于，所述基于肺部区域内每种灰度值对应的每个像素点的邻域内同一灰度值的像素点的数量确定每种灰度值的密集程度，包括：
8.根据权利要求1所述的一种肺部ct影像自适应增强方法，其特征在于，所述结合每种灰度值对应的每个像素点属于血管的概率和对应的所述密集程度对肺部区域增强获得增强后的肺部影像，包括：
9.根据权利要求8所述的一种肺部ct影像自适应增强方法，其特征在于，所述基于所述增强系数对肺部区域内每种灰度值进行增强获得增强后的肺部影像，包括：
10.根据权利要求1所述的一种肺部ct影像自适应增强方法，其特征在于，所述获取待处理的肺部ct影像中的肺部区域，包括：
