基于邊緣檢測(cè)的骨關(guān)節(jié)X光片微小骨折自動(dòng)識(shí)別方法 技術(shù)領(lǐng)域 [0001] 本發(fā)明涉及骨關(guān)節(jié)X光圖像分割的技術(shù)領(lǐng)域，具體涉及一種基于邊緣檢測(cè)的骨關(guān)節(jié)X光片微小骨折自動(dòng)識(shí)別方法。 背景技術(shù) [0002] 微小骨折多發(fā)生于結(jié)構(gòu)復(fù)雜的關(guān)節(jié)處、腰椎等部位，發(fā)生骨折的部位通常較為隱蔽，骨折損傷的范圍比較小，早期癥狀較輕微。當(dāng)前臨床對(duì)于微小骨折的疾病診斷多應(yīng)用數(shù)字化 線攝影，通過(guò)對(duì)獲得的 光圖像進(jìn)行影像學(xué)診斷從而獲得診斷結(jié)果，但由于微小骨折本身的特點(diǎn)，導(dǎo)致在具體的臨床應(yīng)用過(guò)程中， 光圖像會(huì)出現(xiàn)一定程度的漏診誤診現(xiàn)象，對(duì)于后續(xù)的治療會(huì)產(chǎn)生不良影響，因此需要提高 光圖像中對(duì)于微小骨折的正確診斷率，減少漏診誤診現(xiàn)象的出現(xiàn)，減少對(duì)患者后續(xù)治療的不良影響。利用圖像處理技術(shù)可以對(duì)微小骨折進(jìn)行更高精度的識(shí)別，減少人為的主觀因素的干預(yù)，保證診斷結(jié)果的一致性，可以提高 光圖像中對(duì)于微小骨折的正確診斷率。 [0003] 邊緣檢測(cè)作為對(duì)目標(biāo)邊緣進(jìn)行圖像檢測(cè)的方法，對(duì)于X光圖像中骨折線的檢測(cè)更具備針對(duì)性，但是現(xiàn)有技術(shù)中，骨關(guān)節(jié)微小骨折的骨折線較細(xì)微導(dǎo)致骨折線不明顯，傳統(tǒng)邊緣檢測(cè)算法無(wú)法對(duì)骨折線進(jìn)行準(zhǔn)確識(shí)別，從而導(dǎo)致相關(guān)人員無(wú)法精準(zhǔn)識(shí)別患者身體中出現(xiàn)的微小骨折產(chǎn)生的骨折線。 發(fā)明內(nèi)容 [0004] 為了解決有技術(shù)中，骨關(guān)節(jié)微小骨折的骨折線較細(xì)微導(dǎo)致骨折線不明顯，傳統(tǒng)邊緣檢測(cè)算法無(wú)法對(duì)骨折線進(jìn)行準(zhǔn)確識(shí)別，從而導(dǎo)致相關(guān)人員無(wú)法精準(zhǔn)識(shí)別患者身體中出現(xiàn)的微小骨折產(chǎn)生的骨折線的技術(shù)問(wèn)題，本發(fā)明的目的在于提供一種基于邊緣檢測(cè)的骨關(guān)節(jié)X光片微小骨折自動(dòng)識(shí)別方法，所采用的技術(shù)方案具體如下：一種基于邊緣檢測(cè)的骨關(guān)節(jié)X光片微小骨折自動(dòng)識(shí)別方法，所述方法包括：獲取患者的骨關(guān)節(jié)X光圖像；根據(jù)所述骨關(guān)節(jié)X光圖像中的像素點(diǎn)灰度分布與梯度分布，獲得所述骨關(guān)節(jié)X光圖像中每個(gè)像素點(diǎn)的骨關(guān)節(jié)表面邊緣系數(shù)；根據(jù)所述骨關(guān)節(jié)表面邊緣系數(shù)獲得骨關(guān)節(jié)區(qū)域；獲得所述骨關(guān)節(jié)區(qū)域中的所有邊緣區(qū)域；根據(jù)所述骨關(guān)節(jié)區(qū)域中邊緣像素點(diǎn)的位置分布與梯度分布，獲得所述骨關(guān)節(jié)區(qū)域中每個(gè)邊緣區(qū)域的弱邊緣系數(shù)；根據(jù)所述骨關(guān)節(jié)區(qū)域中的像素點(diǎn)的位置分布獲得每個(gè)所述邊緣區(qū)域中的外側(cè)邊緣像素點(diǎn)；獲取每個(gè)所述邊緣區(qū)域中外側(cè)邊緣像素點(diǎn)的所有外側(cè)相鄰像素點(diǎn)；根據(jù)每個(gè)所述邊緣區(qū)域中每個(gè)外側(cè)邊緣像素點(diǎn)與預(yù)設(shè)鄰域內(nèi)每個(gè)外側(cè)相鄰像素點(diǎn)之間的灰度差異，獲得每個(gè)所述邊緣區(qū)域中每個(gè)外側(cè)邊緣像素點(diǎn)的預(yù)設(shè)鄰域內(nèi)的融合像素點(diǎn)數(shù)量；根據(jù)所述融合像素點(diǎn)數(shù)量與外側(cè)邊緣像素點(diǎn)的所述弱邊緣系數(shù)，獲得每個(gè)所述邊緣區(qū)域的融合系數(shù)；對(duì)所述骨關(guān)節(jié)區(qū)域進(jìn)行分層，獲得每個(gè)骨關(guān)節(jié)分層；根據(jù)每個(gè)骨關(guān)節(jié)分層中所有邊緣區(qū)域的融合系數(shù)對(duì)微小骨折所在區(qū)域進(jìn)行定位。 [0005] 進(jìn)一步地，所述骨關(guān)節(jié)表面邊緣系數(shù)的獲取方法包括：根據(jù)骨關(guān)節(jié)表面邊緣系數(shù)計(jì)算公式獲取所述骨關(guān)節(jié)表面邊緣系數(shù)，所述骨關(guān)節(jié)表面邊緣系數(shù)計(jì)算公式如下所示： 式中， 表示骨關(guān)節(jié)X光圖像中第 個(gè)像 素點(diǎn)的骨關(guān)節(jié)表面邊緣系數(shù)； 表示骨關(guān)節(jié)X光圖像中第 個(gè)像素點(diǎn)的梯度值；表示骨關(guān)節(jié)X光圖像中每個(gè)像素點(diǎn)預(yù)設(shè)鄰域內(nèi)其他像素點(diǎn)的數(shù)量； 表示骨關(guān)節(jié)X光圖像中第 個(gè)像素點(diǎn)的灰度值； 表示骨關(guān)節(jié)X光圖像中第 個(gè)像素點(diǎn)的預(yù)設(shè)鄰域內(nèi)第 個(gè)像素點(diǎn)的灰度值; 表示骨關(guān)節(jié)X光圖像中第 個(gè)像素點(diǎn)與預(yù)設(shè)鄰域內(nèi)所有像素點(diǎn)的灰度值差值標(biāo)準(zhǔn)差； 表示以自然常數(shù)為底數(shù)的指數(shù)函數(shù)。 [0006] 進(jìn)一步地，所述骨關(guān)節(jié)區(qū)域的獲取方法包括：將骨關(guān)節(jié)表面邊緣系數(shù)大于預(yù)設(shè)第一閾值的像素點(diǎn)作為骨關(guān)節(jié)表面像素點(diǎn)；將所有所述骨關(guān)節(jié)表面像素點(diǎn)組成的區(qū)域作為骨關(guān)節(jié)區(qū)域。 [0007] 進(jìn)一步地，所述弱邊緣系數(shù)的獲取方法包括：根據(jù)邊緣檢測(cè)算法獲取骨關(guān)節(jié)區(qū)域內(nèi)所有邊緣像素點(diǎn)組成的所有邊緣區(qū)域；根據(jù)弱邊緣系數(shù)計(jì)算公式獲取所述弱邊緣系數(shù)，所述弱邊緣系數(shù)計(jì)算公式如下所示： 式中， 表 示骨關(guān)節(jié)區(qū)域中邊緣區(qū)域的弱邊緣系數(shù)； 表示邊緣區(qū)域中梯度方向相同且連續(xù)的最大像素點(diǎn)數(shù)量； 表示邊緣區(qū)域中邊緣像素點(diǎn)的數(shù)量； 表示邊緣區(qū)域中除梯度方向相同且連續(xù)的像素點(diǎn)以外的其他像素點(diǎn)的梯度值均值； 表示邊緣區(qū)域中邊緣起始點(diǎn)的橫坐標(biāo)；表示邊緣區(qū)域中邊緣起始點(diǎn)的縱坐標(biāo)； 表示邊緣區(qū)域中邊緣結(jié)束點(diǎn)的橫坐標(biāo)； 表示邊緣區(qū)域中邊緣結(jié)束點(diǎn)的縱坐標(biāo)； 表示以自然常數(shù)為底數(shù)的指數(shù)函數(shù)。 [0008] 進(jìn)一步地，所述外側(cè)邊緣像素點(diǎn)的獲取方法包括：在所述邊緣區(qū)域中，將預(yù)設(shè)鄰域內(nèi)除邊緣像素點(diǎn)以外的像素點(diǎn)數(shù)量不為0的對(duì)應(yīng)邊緣像素點(diǎn)作為外側(cè)邊緣像素點(diǎn)。 [0009] 進(jìn)一步地，所述融合像素點(diǎn)數(shù)量的獲取方法包括：根據(jù)融合像素點(diǎn)數(shù)量計(jì)算公式獲取所述融合像素點(diǎn)數(shù)量，所述融合像素點(diǎn)數(shù)量計(jì)算公式 如下所示： 式中， 表示邊緣區(qū)域中第 個(gè)外側(cè)邊

1.一種基于邊緣檢測(cè)的骨關(guān)節(jié)X光片微小骨折自動(dòng)識(shí)別方法，其特征在于，所述方法包括：獲取患者的骨關(guān)節(jié)X光圖像；根據(jù)所述骨關(guān)節(jié)X光圖像中的像素點(diǎn)灰度分布與梯度分布，獲得所述骨關(guān)節(jié)X光圖像中每個(gè)像素點(diǎn)的骨關(guān)節(jié)表面邊緣系數(shù)；根據(jù)所述骨關(guān)節(jié)表面邊緣系數(shù)獲得骨關(guān)節(jié)區(qū)域；獲得所述骨關(guān)節(jié)區(qū)域中的所有邊緣區(qū)域；根據(jù)所述骨關(guān)節(jié)區(qū)域中邊緣像素點(diǎn)的位置分布與梯度分布，獲得所述骨關(guān)節(jié)區(qū)域中每個(gè)邊緣區(qū)域的弱邊緣系數(shù)；根據(jù)所述骨關(guān)節(jié)區(qū)域中的像素點(diǎn)的位置分布獲得每個(gè)所述邊緣區(qū)域中的外側(cè)邊緣像素點(diǎn)；獲取每個(gè)所述邊緣區(qū)域中外側(cè)邊緣像素點(diǎn)的所有外側(cè)相鄰像素點(diǎn)；根據(jù)每個(gè)所述邊緣區(qū)域中每個(gè)外側(cè)邊緣像素點(diǎn)與預(yù)設(shè)鄰域內(nèi)每個(gè)外側(cè)相鄰像素點(diǎn)之間的灰度差異，獲得每個(gè)所述邊緣區(qū)域中每個(gè)外側(cè)邊緣像素點(diǎn)的預(yù)設(shè)鄰域內(nèi)的融合像素點(diǎn)數(shù)量；根據(jù)所述融合像素點(diǎn)數(shù)量與外側(cè)邊緣像素點(diǎn)的所述弱邊緣系數(shù)，獲得每個(gè)所述邊緣區(qū)域的融合系數(shù)；對(duì)所述骨關(guān)節(jié)區(qū)域進(jìn)行分層，獲得每個(gè)骨關(guān)節(jié)分層；根據(jù)每個(gè)骨關(guān)節(jié)分層中所有邊緣區(qū)域的融合系數(shù)對(duì)微小骨折所在區(qū)域進(jìn)行定位；所述弱邊緣系數(shù)的獲取方法包括：根據(jù)邊緣檢測(cè)算法獲取骨關(guān)節(jié)區(qū)域內(nèi)所有邊緣像素點(diǎn)組成的所有邊緣區(qū)域；根據(jù)弱邊緣系數(shù)計(jì)算公式獲取所述弱邊緣系數(shù)，所述弱邊緣系數(shù)計(jì)算公式如下所示： 式 中， 表示骨關(guān)節(jié)區(qū)域中邊緣區(qū)域的弱邊緣系數(shù)； 表示邊緣區(qū)域中梯度方向相同且連續(xù)的最大像素點(diǎn)數(shù)量； 表示邊緣區(qū)域中邊緣像素點(diǎn)的數(shù)量； 表示邊緣區(qū)域中除梯度方向相同且連續(xù)的像素點(diǎn)以外的其他像素點(diǎn)的梯度值均值；表示邊緣區(qū)域中邊緣起始點(diǎn)的橫坐標(biāo)；表示邊緣區(qū)域中邊緣起始點(diǎn)的縱坐標(biāo)； 表示邊緣區(qū)域中邊緣結(jié)束點(diǎn)的橫坐標(biāo)； 表示邊緣區(qū)域中邊緣結(jié)束點(diǎn)的縱坐標(biāo)； 表示以自然常數(shù)為底數(shù)的指數(shù)函數(shù)； 所述外側(cè)邊緣像素點(diǎn)的獲取方法包括：在所述邊緣區(qū)域中，將預(yù)設(shè)鄰域內(nèi)除邊緣像素點(diǎn)以外的像素點(diǎn)數(shù)量不為0的對(duì)應(yīng)邊緣像素點(diǎn)作為外側(cè)邊緣像素點(diǎn)。 2.根據(jù)權(quán)利要求1所述的一種基于邊緣檢測(cè)的骨關(guān)節(jié)X光片微小骨折自動(dòng)識(shí)別方法，其特征在于，所述骨關(guān)節(jié)表面邊緣系數(shù)的獲取方法包括：根據(jù)骨關(guān)節(jié)表面邊緣系數(shù)計(jì)算公式獲取所述骨關(guān)節(jié)表面邊緣系數(shù)，所述骨關(guān)節(jié)表面邊緣系數(shù)計(jì)算公式如下所示： 式中， 表示骨關(guān)節(jié)X光圖像中第 個(gè)像