图像处理方法、装置、计算机设备以及存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种图像处理方法、装置、计算机设备以及存储介质。


背景技术：

2.由于二维模型已经制约人们社会生活中的各种需求，再加上数字城市概念的提仪和倡导，使得三维化、虚拟化、实在化成为人们共同追求的目标。相比二维模型，三维模型不仅直观可视效果较好，且可完整、精确地表达模型三维信息。
3.目前，常用的三维建模是基于点云数据的三维建模，具体过程是：利用3d扫描设备(例如，激光雷达，立体摄像头)进行非接触扫描可以在短时间内直接获取物体和环境空间点的三维数据，该三维数据也可以称为点云数据。获得点云数据后，再对物体表面的点云数据进行逆向点云建模，即可得到物体的三维模型。
4.由于只有3d扫描设备可以扫描到物体表面的点云数据，点云数据的获取难度较高，导致点云三维建模的应用范围较低。


技术实现要素：

5.本技术实施例提供一种图像处理方法、装置、计算机设备以及存储介质，可以扩大点云三维建模的应用范围。
6.本技术实施例一方面提供了一种图像处理方法，包括：
7.获取图像集合，所述图像集合包含n张断层切片图像，所述n张断层切片图像是对兴趣对象进行断层扫描后生成的切片图像，n是大于1的整数；
8.在每张断层切片图像中确定所述兴趣对象所在的兴趣区域，根据每张断层切片图像的兴趣区域，在每张断层切片图像中确定所述兴趣对象的离散轮廓像素；
9.根据每个离散轮廓像素在断层切片图像中的位置以及n个断层切片图像的断层扫描间隔，确定每个离散轮廓像素的点云数据；
10.根据所有离散轮廓像素的点云数据，构建所述兴趣对象的兴趣对象模型。
11.其中，所述断层切片图像是ct图像或者mri图像，所述兴趣对象是胸腔骨骼组织。
12.本技术实施例一方面提供了一种图像处理装置，包括：
13.获取模块，用于获取图像集合，所述图像集合包含n张断层切片图像，所述n张断层切片图像是对兴趣对象进行断层扫描后生成的切片图像，n是大于1的整数；
14.第一确定模块，用于在每张断层切片图像中确定所述兴趣对象所在的兴趣区域；
15.第二确定模块，用于根据每张断层切片图像的兴趣区域，在每张断层切片图像中确定所述兴趣对象的离散轮廓像素；
16.第三确定模块，用于根据每个离散轮廓像素在断层切片图像中的位置以及n个断层切片图像的断层扫描间隔，确定每个离散轮廓像素的点云数据；
17.构建模块，用于根据所有离散轮廓像素的点云数据，构建所述兴趣对象的兴趣对
象模型。
18.其中，所述第一确定模块，包括：
19.设置单元，用于为所述n张断层切片图像设置轮询优先级，按照轮询优先级从所述n张断层切片图像中选择用于当前轮询的目标断层切片图像，获取所述目标断层切片图像的种子像素；
20.第一确定单元，用于根据所述种子像素在所述目标断层切片图像中确定所述兴趣对象所在的兴趣区域；
21.第二确定单元，用于根据所述目标断层切片图像中的兴趣区域，确定下一个目标断层切片图像的种子像素；
22.停止单元，用于当n张断层切片图像都被设置为目标断层切片图像时，停止轮询。
23.其中，所述第二确定单元，具体用于：
24.确定所述目标断层切片图像中的兴趣区域包含的所有像素的像素平均值；
25.在下一个目标断层切片图像中将像素值等于所述像素平均值的像素作为下一个目标断层切片图像的种子像素。
26.其中，所述第一确定单元，具体用于：
27.根据所述种子像素在所述目标断层切片图像中确定种子区域；
28.按照生长条件扩展所述种子区域，得到扩展区域；
29.当所述扩展区域满足停止生长条件时，将所述扩展区域作为所述目标断层切片图像中的兴趣区域。
30.其中，针对n张断层切片图像中的任一断层切片图像，第二确定模块用于根据所述任一断层切片图像的兴趣区域，在所述任一断层切片图像中确定所述兴趣对象的离散轮廓像素时，包括：
31.抽取单元，用于根据所述任一断层切片图像中的兴趣区域从所述任一断层切片图像中抽取单位切片图像，对所述单位切片图像进行边缘检测，得到所述任一断层切片图像的原始兴趣像素集合；
32.筛选单元，用于从所述原始兴趣像素集合中筛选所述任一断层切片图像的离散轮廓像素。
33.其中，所述原始兴趣像素集合包括第一原始兴趣像素和第二原始兴趣像素；
34.所述筛选单元，具体用于：
35.确定所述第一原始像素在所述任一断层切片图像中的横轴坐标和所述第二原始像素在所述任一断层切片图像中的横轴坐标之间的第一坐标误差；
36.确定所述第二原始像素在所述任一断层切片图像中的纵轴坐标和所述第二原始像素在所述任一断层切片图像中的纵轴坐标之间的第二坐标误差；
37.从所述第一坐标误差和所述第二坐标误差中选择最大坐标误差，若最大坐标误差不大于坐标误差阈值，则将所述第一原始兴趣像素或所述第二原始兴趣像素作为所述任一断层切片图像的离散轮廓像素。
38.其中，针对n张断层切片图像中的任一断层切片图像中的任一离散轮廓像素，第三确定模块用于根据所述任一离散轮廓像素在所述任一断层切片图像中的位置信息以及n个断层切片图像的断层扫描间隔，确定所述任一离散轮廓像素的点云数据时，具体用于：
39.获取所述任一断层切片图像在n张断层切片图像中的扫描位置；
40.根据所述n个断层切片图像的断层扫描间隔和所述扫描位置，确定所述任一离散轮廓像素的竖轴坐标；
41.获取所述任一离散轮廓像素在所述任一断层切片图像中的横轴坐标和纵轴坐标；
42.将所述任一离散轮廓像素的竖轴坐标、所述任一断层切片图像中的横轴坐标和纵轴坐标组合为所述任一离散轮廓像素的点云数据。
43.其中，所述构建模块，包括：
44.聚类单元，用于根据所有离散轮廓像素的点云数据，将所有离散轮廓像素聚类为多个离散轮廓像素簇；属于同一个离散轮廓像素簇的离散轮廓像素位于同一个二维平面；
45.面片确定单元，用于根据每个离散轮廓像素簇包含的离散轮廓像素的点云数据，确定每个离散轮廓像素簇的面片，每个面片包括多个面片顶点；
46.所述聚类单元，还用于获取每个面片顶点的三维坐标，根据每个面片顶点所属的面片以及每个面片顶点的三维坐标，在三维空间中连接所有面片顶点，得到所述兴趣对象模型，所述兴趣对象模型是三维模型。
47.其中，针对多个离散轮廓像素簇中的任一离散轮廓像素簇，面片确定单元用于根据所述任一离散轮廓像素簇包含的离散轮廓像素的点云数据，确定所述任一离散轮廓像素簇的面片时，具体用于：
48.根据所述任一离散轮廓像素簇包含的离散轮廓像素的点云数据构建多个三角形，确定每个三角形的外接圆圆心；
49.将满足共边关系的三角形的外接圆圆心连接为维诺边，将所有维诺边进行组合，得到所述任一离散轮廓像素簇的面片。
50.其中，所述获取模块，包括：
51.获取单元，用于获取n张原始切片图像，所述n张原始切片图像是对所述兴趣对象进行断层扫描后生成的切片图像；
52.归一化单元，用于对n张原始切片图像分别进行归一化处理，得到n张归一化图像；
53.所述获取单元，还用于将每张归一化图像进行滤波处理，得到n张断层切片图像，将所述n张断层切片图像组合为所述图像集合。
54.其中，针对n张原始切片图像中的任一原始切片图像，归一化单元用于对所述任一原始切片图像进行归一化处理，得到归一化图像时，具体用于：
55.获取所述n张原始切片图像的窗宽和窗位；
56.根据所述窗宽和窗位生成最大归一化值和最小归一化值；
57.若所述任一原始切片图像的像素的像素值小于所述最小归一化值，则将所述任一原始切片图像的像素值调整为第一阈值；
58.若所述任一原始切片图像的像素的像素值不小于所述最小归一化值，且不大于最大归一化值，则根据所述最大归一化值和最小归一化值调整所述任一原始切片图像的像素的像素值；
59.若所述任一原始切片图像的像素的像素值大于所述最大归一化值，则将所述任一原始切片图像的像素的像素值调整为第二阈值；
60.将像素值调整后的所述任一原始切片图像作为归一化图像。
61.本技术实施例一方面提供了一种电子医疗设备，包括图像采集器、图像建模器和图像显示器；
62.所述图像采集器获取图像集合，所述图像集合包含n张断层切片图像，所述n张断层切片图像是对兴趣对象进行断层扫描后生成的切片图像，n是大于1的整数；
63.所述图像建模器在每张断层切片图像中确定所述兴趣对象所在的兴趣区域，根据每张断层切片图像的兴趣区域，在每张断层切片图像中确定所述兴趣对象的离散轮廓像素；
64.所述图像建模器根据每个离散轮廓像素在断层切片图像中的位置以及n个断层切片图像的断层扫描间隔，确定每个离散轮廓像素的点云数据，以及根据多个离散轮廓像素的点云数据，构建所述兴趣对象的兴趣对象模型；
65.所述图像显示器渲染显示所述兴趣对象模型。
66.本技术实施例一方面提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述各实施例中的方法。
67.本技术实施例一方面提供了一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时，执行上述各实施例中的方法。
68.本技术实施例一方面提供了一种计算机程序产品或计算机程序，计算机程序产品或计算机程序包括计算机指令，计算机指令存储在计算机可读存储介质中，计算机指令被计算机设备的处理器执行时，执行上述各实施例中的方法。
69.本技术通过分析每张断层切片图像中的兴趣对象所在的兴趣区域，确定兴趣对象的多个离散轮廓像素点，根据每个离散轮廓像素点在对应断层切片图像中的位置以及扫描间隔，确定兴趣对象表面的多个点云数据，进而将多个点云数据重建为三维的兴趣对象模型。可见，本技术通过分析二维图像确定来确定三维点云数据，不需要由专业的3d扫描设备采集点云数据，可以脱离点云建模对数据采集设备的依赖，丰富点云数据的获取方式，扩大点云三维建模的应用范围。
附图说明
70.为了更清楚地说明本技术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技术的一些实施例，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。
71.图1是本技术实施例提供的一种图像处理的系统架构图；
72.图2a-图2c是本技术实施例提供的一种图像处理的场景示意图；
73.图3是本技术实施例提供的一种图像处理方法的流程示意图；
74.图4a-图4b是本技术实施例提供的一种归一化处理的示意图；
75.图4c是本技术实施例提供的一种滤波处理的示意图；
76.图5是本技术实施例提供的一种区域生长分割的流程示意图；
77.图6是本技术实施例提供的一种确定兴趣区域的流程示意图；
78.图7是本技术实施例提供的一种图像处理方法的流程示意图；
79.图8是本技术实施例提供的一种多边形面片的示意图；
80.图9a-图9c是本技术实施例提供的一种确定兴趣对象模型的示意图；
81.图10a-图10d是本技术实施例提供的一种兴趣对象模型的示意图；
82.图11是本技术实施例提供的一种电子医疗设备的结构示意图；
83.图12是本技术实施例提供的一种图像处理装置的结构示意图；
84.图13是本技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
85.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
86.人工智能(artificial intelligence,ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
87.人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大图像处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
88.本技术涉及人工智能下属的计算机视觉技术(computervision,cv)，具体属于计算机视觉技术中的3d技术。
89.计算机视觉技术是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、ocr、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3d技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。
90.本技术可以应用于如下场景：当需要对胸腔中的胸腔骨骼进行三维重建时，获取针对胸腔骨骼的断层切片图像(断层切片图像可以是ct图像或者mri图像)，采用本技术的方案基于多张胸腔骨骼的断层切片图像，确定胸腔骨骼表面的点云数据，将胸腔骨骼表面的点云数据重建为胸腔骨骼三维模型。重建后的胸腔骨骼三维模型可以用于术前治疗方案的确定，或者用于术后手术质量的评价，或者可以用于医学教学上的模拟手术等。
91.请参见图1，图1是本技术实施例提供的一种图像处理的系统架构图。本技术涉及服务器10d以及终端设备集群，终端设备集群可以包括：终端设备10a、终端设备10b、...、终端设备10c等。
92.以终端设备集群中的终端设备10a为例，终端设备10a获取n张断层切片图像，n张
断层切片图像是对兴趣对象进行断层扫描后生成的切片图像，在每张断层切片图像中确定兴趣对象所在的兴趣区域，根据该兴趣区域，在每张断层切片图像中确定兴趣对象的离散轮廓像素，根据每个离散轮廓像素在断层切片中的位置以及n张断层切片图像的断层扫描间隔，确定每个离散轮廓像素的点云数据，基于该点云数据构建兴趣对象的三维兴趣对象模型。
93.后续，服务器可以将三维兴趣对象模型下发至终端设备10a，终端设备10a在屏幕上渲染显示该兴趣对象模型。
94.当然，基于多个断层切片图像重建三维兴趣对象模型的具体过程也可以由终端设备10a来执行。
95.图1所示的服务器10d可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
96.图1所示的终端设备10a、终端设备10b、终端设备10c等可以是手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(mid，mobile internet device)、可穿戴设备等具有图像处理功能的智能设备。终端设备集群与服务器10d可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。
97.下述以服务器10d如何重建一个三维胸腔骨骼模型为例进行详细说明：
98.参见图2a-图2c，其是本技术实施例提供的一种图像处理的场景示意图。如图2a所示，服务器10d获取同一个用户的胸腔ct(computed tomography，电子计算机断层扫描)图像集合20a，胸腔ct图像集合20a中包括多张胸腔ct图像，这多张胸腔ct图像是对用户的胸腔进行断层扫描后生成的切片图像。为了重建出三维胸腔骨骼，服务器10d识别出每张胸腔ct图像中的胸腔骨骼区域。下面以多张胸腔ct图像中的任一胸腔ct图像(如图2a中的胸腔ct图像20b)为例，说明如何确定该胸腔ct图像20b中的胸腔骨骼区域。
99.服务器10d识别出胸腔ct图像20b中的胸腔骨骼区域属于图像分割领域，本技术采用改进的区域生长算法来确定胸腔骨骼区域，改进的区域生长算法的具体过程是：服务器10d在胸腔ct图像20b中确定种子像素，以种子像素为中心向周围像素生长，生长条件是：若周围像素的像素值和种子像素的像素值之间的差值小于阈值，则将周围像素作为新的种子像素。按照上述生成条件不断地生长，以扩大种子像素的数量。当种子像素周围的像素的像素值和种子像素之间的差值都不小于阈值时，生长停止。服务器10d将生长后的种子像素所组成的区域作为胸腔骨骼区域。
100.需要说明的是，服务器10d确定了胸腔ct图像20b的胸腔骨骼区域后，可以将胸腔骨骼区域的所有像素的像素平均值作为确定下一个胸腔ct图像的种子像素的依据。换句话说，除了第一张胸腔ct图像的种子像素是人工确定的，胸腔ct图像集合20a中的其余胸腔ct图像的种子像素都是由前一个胸腔ct图像的胸腔骨骼区域的平均像素值来决定的，这样可以减少人工的参与，提升三维胸腔骨骼重建的效率。
101.服务器10d确定了胸腔ct图像20b的胸腔骨骼区域后，可以采用边缘检测提取出胸腔骨骼的轮廓，边缘检测的具体过程是：根据胸腔骨骼区域从胸腔ct图像20b中抽取子图像，其中子图像包括胸腔骨骼，且子图像的图像尺寸小于胸腔ct图像20b的图像尺寸。服务
器10d基于梯度确定子图像中每个像素的梯度，服务器10d将梯度大于阈值的像素作为轮廓像素。
102.至此，服务器10d就获取了胸腔骨骼在胸腔ct图像20b中的的多个轮廓像素，从这多个轮廓像素中筛选部分轮廓像素，作为胸腔ct图像20b的离散轮廓像素。服务器10d获取每个离散轮廓像素的在胸腔ct图像20b中的x轴坐标和y轴坐标。服务器10d根据胸腔ct图像20b在胸腔ct图像集合20a中的位置，以及断层扫描间隔，确定胸腔ct图像20b中每个像素的z轴坐标，即可以获取到每个离散轮廓像素的z轴坐标。至此服务器10d就获取了每个离散轮廓像素的x轴坐标、y轴坐标和z轴坐标，每个离散轮廓像素的x轴坐标、y轴坐标和z轴坐标也可以称为离散轮廓像素的三维点云数据。(如图2a中的像素1的三维点云数据是：x1、y1和z1；像素2的三维点云数据是：x2、y2和z2；像素3的三维点云数据是：x3、y3和z3)。
103.服务器10d可以按照上述方式确定每张胸腔ct图像的离散轮廓像素的三维点云数据，如图2b所示，服务器10d可以获取到像素1的三维点云数据是：x1、y1和z1；像素2的三维点云数据是：x2、y2和z2；像素3的三维点云数据是：x3、y3和z3；像素4的三维点云数据是：x4、y4和z4；像素5的三维点云数据是：x5、y5和z5...
104.服务器10d可以调用点云建模算法，将获取的所有离散轮廓像素的三维点云数据重建为三维胸腔骨骼模型20c。
105.点云建模算法的具体过程是：服务器10d根据所有离散轮廓像素的三维点云数据，将所有离散轮廓像素聚类为多个离散轮廓像素聚类簇，同一个离散轮廓像素簇的离散轮廓像素位于同一个二维平面。根据每个离散轮廓像素簇包含的离散轮廓像素的点云数据，确定每个离散轮廓像素簇的多边形面片，获取多边形面片的面片顶点在对应二维平面上的第一坐标和第二坐标，以及对应二维平面的第三坐标，将二维平面的第三坐标作为对应面片顶点的第三坐标。这样，就服务器10d就可以获取到每个面片顶点的三维坐标。根据每个面片顶点所属的多边形面片以及每个面片顶点的三维坐标，在三维空间中连接所有的面片顶点，即可得到三维胸腔骨骼模型20c。
106.至此，服务器10d就基于多张胸腔ct图像重建了三维胸腔骨骼模型。
107.后续，服务器10d可以将重建的三维胸腔骨骼模型20c下发至终端设备，如图2c所示，在终端设备的界面中渲染显示服务器10d下发的三维胸腔骨骼模型20c，用户可以在界面上执行向左滑动操作或者向右滑动操作，以旋转三维胸腔骨骼模型20c，也就是从不同的角度展示三维胸腔骨骼模型20c。
108.其中，获取图像集合(如上述实施例中的胸腔ct图像集合20a)，确定每张断层切片图像的兴趣区域(如上述实施例中的胸腔ct图像20b中的胸腔骨骼区域)，确定离散轮廓像素的点云数据(如上述实施例中像素1的三维点云数据“x1、y1和z1”；像素2的三维点云数据“x2、y2和z2”；像素3的三维点云数据“x3、y3和z3”；像素4的三维点云数据“x4、y4和z4”；像素5的三维点云数据“x5、y5和z5”)，构建兴趣对象模型(如上述实施例中的三维胸腔骨骼模型20c)的具体过程可以参见下述图3-图10d对应的实施例。
109.请参见图3，图3是本技术实施例提供的一种图像处理方法的流程示意图，下述实施例以性能更好的服务器(如上述图2a-图2c对应实施例中的服务器10b)为执行主体进行描述，图像处理方法包括如下步骤：
110.步骤s101，获取图像集合，所述图像集合包含n张断层切片图像，所述n张断层切片
图像是对兴趣对象进行断层扫描后生成的切片图像，n是大于1的整数。
111.具体的，服务器获取图像集合(如上述图2a-图2c对应实施例中胸腔ct图像集合20a)，其中图像集合包括n张断层切片图像，n是大于1的整数，且这n张断层切片图像是对兴趣对象进行断层扫描后生成的切片图像。
112.在医疗领域上，兴趣对象可以是胸腔骨骼组织，或者心脏，或者膝盖骨等，断层切片图像可以是ct图像或者mri(magnetic resonance imaging，磁共振成像)图像；在测绘领域上，兴趣对象可以是楼宇、建筑物等，断层切片图像可以是二维断层图像等。
113.需要说明的是，当断层切片图像是ct图像或者mri图像，且兴趣对象是胸腔骨骼组织时，由于胸腔骨骼组织贯穿于整个胸腔，因此成像设备是对人体的整个胸腔切面进行扫描，扫描后得到的断层切片图像中不仅会包含胸腔骨骼组织，还会包含胸腔的其余组织，例如，肝脏、气管等。
114.图像集合中的每一张断层切片图像都是经过了图像预处理的图像，此处的图像预处理主要是指归一化处理以及滤波处理等。下面对图像预处理的过程进行详细说明：
115.服务器获取n张原始切片图像，这n张原始切片图像仍然是对兴趣对象进行断层扫描后生成的切片图像。对每一张原始切片图像进行归一化处理，得到n张归一化图像，对每一张归一化图像进行滤波处理，得到n张断层切片图像，服务器将这n张断层切片图像组合为图像集合，即得到预处理后的断层切片图像。
116.对任一原始切片图像进行归一化处理的过程是：服务器获取n张原始切片图像的窗宽width和窗位center，窗宽指原始切片图像的像素值范围中的最大像素值，窗位指窗宽范围内的中心值。窗宽和窗位是由原始切片图像的成像设备提供。服务器根据下述公式(1)以及窗宽width和窗位center，确定最大归一化值max和最小归一化值min：
[0117][0118]
其中，width是指窗宽，center是指窗位。
[0119]
对任一原始切片图像进行归一化是对任一原始切片图像的每个像素进行归一化，即若任一原始切片图像的像素的像素值小于最小归一化值，则将该像素的像素值调整为第一阈值，其中第一阈值可以为0。
[0120]
若任一原始切片图像的像素的像素值不小于最小归一化值，且不大于最大归一化值，则根据最大归一化值和最小归一化值调整该像素的像素值，调整后的像素值等于调整前的像素值和最小归一化值之差除以最大归一化值和最小归一化值之差。
[0121]
若任一原始切片图像的像素的像素值大于最大归一化值，则将该像素的像素值调整为第二阈值，其中第二阈值可以为1。
[0122]
上述3种情况可以用下述公式(2)表示：
[0123]
[0124]
公式(2)中，i表示原始切片图像，ti表示原始切片图像中的像素。
[0125]
服务器可以按照上述方式对任一原始切片图像中的每个像素的像素值都进行调整，将像素值调整后的图像作为任一原始切片图像的归一化图像。
[0126]
对每一张原始切片图像都可以按照上述方式进行像素值调整，即可得到n张原始切片图像对应的n张归一化图像。
[0127]
由于不同的成像因素造成相同性质的组织在图像灰度信息上的不一致。灰度归一化就是在保留灰度差异的同时，减少甚至消除图像中灰度不一致而进行的图像转换方法，以便于后续计算机自动分析图像。
[0128]
请参见图4a-图4b，其是本技术实施例提供的一种归一化处理的示意图，图4a是归一化处理前的原始切片图像，图4b是对图4a的原始切片图像进行图像归一化处理后的归一化图像。
[0129]
对任一原始切片图像进行滤波处理的过程是：本技术采用中值滤波的方式进行滤波处理，当然除了中值滤波以外还可以采用均值滤波的方式进行滤波处理，中值滤波的具体过程是：将任一原始切片图像划分为多个图像块，图像块和图像块之间可以具有重叠像素，每个图像块可以包括3
×
3个像素，或者5
×
5个像素，或者7
×
7个像素。对每个图像块执行下述处理流程：提取图像块中包含的像素的像素值的中值，将该中值作为该图像块中位于中间位置的像素的像素值。
[0130]
均值滤波的具体过程是：将任一原始切片图像划分为多个图像块，图像块和图像块之间可以具有重叠像素，每个图像块可以包括3
×
3个像素，或者5
×
5个像素，或者7
×
7个像素。对每个图像块执行下述处理流程：提取图像块中包含的像素的像素值的平均值，将该平均值作为该图像块中位于中间位置的像素的像素值。
[0131]
对每一张归一化图像都可以采用上述方式进行滤波处理，得到n张断层切片图像。
[0132]
请参见图4c，其是本技术实施例提供的一种滤波处理的示意图，图4c中包括4张图像，分别是图像a、图像b、图像c以及图像d。其中，图像a是滤波处理前的图像，图像b、图像c以及图像d是对图像a进行中值滤波处理后生成的图像，且图像b是3阶中值滤波(3阶中值滤波是指图像块的尺寸是3
×
3)后生成的图像，图像b是5阶中值滤波(3阶中值滤波是指图像块的尺寸是5
×
5)后生成的图像，图像b是7阶中值滤波(7阶中值滤波是指图像块的尺寸是3
×
3)后生成的图像。
[0133]
步骤s102，在每张断层切片图像中确定所述兴趣对象所在的兴趣区域，根据每张断层切片图像的兴趣区域，在每张断层切片图像中确定所述兴趣对象的离散轮廓像素。
[0134]
具体的，服务器分别确定兴趣对象在每张断层切片图像中的区域(称为兴趣区域，如上述图2a-图2c对应实施例中的胸腔骨骼区域)，对每张断层切片图像中的兴趣区域进行边缘检测，以得到兴趣对象在每张断层切片图像中的轮廓，再对该轮廓进行离散采样，每张断层切片图像可以确定多个离散轮廓像素(如上述实施例中像素1、像素2以及像素3)。
[0135]
下面分别对确定每张断层切片图像的兴趣区域以及确定每张断层切片图像的离散轮廓像素进行具体说明。
[0136]
确定每张断层切片图像的兴趣区域的具体过程如下：为n张断层切片图像设置轮询优先级，设置轮询优先级的方式可以是根据断层切片图像的生成时间戳来确定，即生成时间戳越小，那么该断层切片图像的轮询优先级就越高；设置轮询优先级的方式还可以是
人工选择一张断层切片图像作为轮询优先级最高的断层切片图像，然后再将选择出来的断层切片图像相邻的断层切片图像的轮询优先级设置为第二轮询优先级，以此类推，即距离具有最高轮询优先级的断层切片图像越近，那么该断层切片图像的轮询优先级就越高。其中，人工选择最高轮询优先级的断层切片图像的原则是：人工选择兴趣区域较大的断层切片图像，或者当兴趣对象是胸腔骨骼组织，且断层切片图像是ct图像时，人工选择肝脏面积较大的断层切片图像。
[0137]
服务器按照轮询优先级从n张断层切片图像中选择用于当前轮询的断层切片图像(称为目标断层切片图像，例如，可以选择当前轮询优先级最高的断层切片图像作为目标断层切片图像)，获取目标断层切片图像的种子像素，其中第一个目标断层切片图像的种子像素可以是人工基于以往的经验选择出来的。根据目标断层切片的种子像素，在目标断层切片图像中确定兴趣区域。服务器根据目标断层切片图像的兴趣区域，确定下一个目标断层切片图像的种子像素，服务器按照轮询优先级继续选择下一个目标断层切片图像。当n张断层切片图像都被设置为目标断层切片图像时，停止轮询。
[0138]
可以知道，除了第一张目标断层切片图像的种子像素是由人工指定的以外，第二张目标断层切片图像、第三张目标断层切片图像...第n张目标断层切片图像的种子像素都是由前一张目标断层且切片图像的兴趣区域确定的。这样可以基本可以实现n张断层切片图像的兴趣区域的自动化分割。
[0139]
根据目标断层切片图像中的兴趣区域，确定下一个目标断层切片图像的种子像素的具体过程如下：服务器统计目标断层切片图像中的兴趣区域包含的所有像素的像素平均值，在下一个目标断层切片图像中将像素值该像素平均值的像素作为下一个目标断层切片图像的种子像素。
[0140]
举例来说，当前目标断层切片图像的兴趣区域包含像素1、像素2、像素3和像素4，且像素1的像素值等100，像素2的像素值等于50，像素3的像素值等于60，像素4的像素值等于70，因此上述兴趣区域的平均像素值等于：(100 50 60 70)/4＝70，因此当轮询到下一个目标断层切片图像时，在下一个目标断层切片图像中将像素值等于70的像素作为种子像素，进而基于下一个目标断层切片的种子像素，确定下一个目标断层切片图像的种子像素。
[0141]
根据目标断层切片图像的种子像素，在目标断层切片图像中确定兴趣对象所在的兴趣区域的具体过程如下：在目标断层切片图像将种子像素所在的区域作为种子区域，按照生长条件扩展种子区域，得到扩展区域，其中若与种子像素相邻的像素的像素值和种子像素的像素值之间的差异量小于差异量阈值，则说明相邻的像素满足生长条件，即相邻的像素可以作为新的种子像素，以扩充种子区域。按照该生长条件不断地扩展种子区域，得到扩展区域。当扩展区域中的种子像素的像素值与相邻像素的像素值之间的差异量大于或等于差异量阈值时，说明当前扩展区域满足停止生长条件，服务器此时可以将扩展区域作为目标断层切片图像的兴趣区域。
[0142]
举例来说，现有4
×
4的目标断层切片图像：
[0143][0144]
假设初始情况下，只有像素1是种子像素，与像素1相邻的像素是像素2、像素3、像素4以及像素5，且像素1的灰度值等于10，像素2的灰度值等于15，像素3的灰度值等于19，像素4的灰度值等于30，像素5的灰度值等于11，只有像素5的灰度值和像素1的灰度值之间的差异量小于差异量阈值(差异量阈值等于3)，因此将像素5作为新的种子像素，此时扩展区域包括像素1和像素5。继续遍历像素5的相邻像素，像素5和像素6、像素7以及像素8相邻，且像素6的灰度值等于14，像素7的灰度值等于13，像素8的灰度值等于25，只有像素7的灰度值和像素5的灰度值之间的差异量小于差异量阈值(差异量阈值等于3)，因此像素7也被作为新的种子像素，此时扩展区域包括像素1、像素5和像素7，此时扩展区域就满足停止生长条件，因此服务器可以将像素1、像素5以及像素7所组成的区域称为目标断层切片图像的兴趣区域。
[0145]
请参见图5，图5是本技术实施例提供的一种区域生长分割的流程示意图，区域生长分割包括如下步骤：
[0146]
步骤s1021，流程开始。
[0147]
步骤s1022，选取一张含有肝脏面积较大的断层切片图像。
[0148]
具体的，当兴趣对象是胸腔骨骼组织时，人工选择一张含有肝脏面积较大的断层切片图像作为第一张目标断层切片图像。
[0149]
步骤s1023，在目标断层切片图像中人工选择种子点。
[0150]
步骤s1024，将种子点周围5
×
5区域的像素都作为种子点的相邻像素。
[0151]
步骤s1025，根据生长规则合并种子点的相邻像素。
[0152]
步骤s1026，将新合并的像素作为新的种子点。
[0153]
步骤s1027，判断是否满足停止生长条件。
[0154]
具体的，服务器获取当前种子点的相邻像素，判断当前种子点的相邻像素是否存在满足生长规则的可以合并的像素，若存在，则说明不满足停止生长条件，因此执行步骤s1025；若不存在，则说明满足停止生长条件，因此执行步骤s1028。
[0155]
步骤s1028，根据所有种子点的像素平均值选择下一个目标断层切片图像的种子点。
[0156]
步骤s1029，当前目标断层切片图像分割完成，检测是否还存在下一张未分割的断层切片图像，若存在，执行步骤s1030，若不存在，执行步骤s1031。
[0157]
步骤s1030，读入下一站断层切片图像，作为新的目标断层切片图像，对新的目标断层切片图像执行步骤s1024，由于下一个目标断层切片图像的种子点已经确定了，因此可以直接执行步骤s1024。
[0158]
步骤s1031，流程结束。
[0159]
需要说明的是，当兴趣对象是胸腔骨骼组织时，兴趣对象可以包括胸腔硬骨、胸腔左软骨和胸腔右软骨，为了更精确地确定兴趣区域，可以分3次进行图像分割，分别分割出胸腔硬骨区域、胸腔左软骨区域和胸腔右软骨区域。具体过程可以为：对目标断层切片图像进行区域生长分割，识别出胸腔硬骨区域，其中区域生长分割的具体过程和上述识别兴趣区域的过程一致，只是此处只识别胸腔硬骨区域。从目标断层切片图像中剥离出胸腔硬骨区域，得到胸腔硬骨图像以及剥离后的切片图像。对剥离后的切片图像同样采用区域生长分割，分别识别出胸腔左软骨区域和胸腔右软骨区域，识别后同样剥离出胸腔左软骨区域和胸腔右软骨区域，分别得到胸腔左软骨图像以及胸腔右软骨图像。至此服务器就识别到了胸腔硬骨区域、胸腔左软骨区域和胸腔右软骨区域。服务器可以将上述胸腔硬骨图像、胸腔左软骨图像以及胸腔右软骨图像叠加为辅助图像，当然辅助图像中只包括胸腔硬骨、胸腔左软骨和胸腔右软骨，且可以在辅助图像中标识出胸腔硬骨区域、胸腔左软骨区域和胸腔右软骨区域。
[0160]
请参见图6，图6是本技术实施例提供的一种确定兴趣区域的流程示意图，确定兴趣区域包括如下步骤：
[0161]
步骤s201，流程开始。
[0162]
步骤s202，读入一张原始切片图像，将该原始切片图像记作i0。
[0163]
步骤s203，对该原始切片图像i0进行图像预处理。
[0164]
其中，图像预处理可以包括：灰度归一化、调窗、降噪、灰度拉伸、格式转换等，将图像预处后的原始切片图像作为断层切片图像i1。
[0165]
步骤s204，采用区域生长分割法对断层切片图像i1进行图像分割，分割出胸腔硬骨图像i2。
[0166]
步骤s205，从断层切片图像i1中剥离出胸腔硬骨，得到待分割图像i3，其中i3＝i1-i2。
[0167]
步骤s206，增强待分割图像i3的对比度，从对比度增强后的待分割图像i3中抽取原始胸腔左软骨图像i4，此时的原始胸腔左软骨图像中除了包含胸腔左软骨，还会包含大量的背景像素。
[0168]
步骤s207，将原始胸腔左软骨图像i4中像素值最大的像素作为种子像素seed1。
[0169]
步骤s208，设定生长判定阈值t，基于种子像素seed1进行区域生长，直到生长达到胸腔左软骨边界，得到纯净的胸腔左软骨图像result1。
[0170]
步骤s209，增强待分割图像i3的对比度，从对比度增强后的待分割图像i3中抽取原始胸腔右软骨图像i5，此时的原始胸腔右软骨图像中除了包含胸腔右软骨，还会包含大量的背景像素。
[0171]
步骤s210，将原始胸腔右软骨图像i5中像素值最大的像素作为种子像素seed2。
[0172]
步骤s211，设定生长判定阈值t，基于种子像素seed2进行区域生长，直到生长达到胸腔右软骨边界，得到纯净的胸腔左软骨图像result2。
[0173]
步骤s212，将胸腔硬骨图像i2、胸腔左软骨图像result1和胸腔左软骨图像result2叠加为图像result，图像result＝胸腔硬骨图像i2 胸腔左软骨图像result1 胸腔左软骨图像result2。保存图像result。
[0174]
步骤s213，将图像result进行图像后处理，图像后处理包括消除空洞，平滑边缘。
[0175]
步骤s214，是否还存在未处理的原始切片图像，若还存在，执行步骤s202，若不存在，执行步骤s215。
[0176]
步骤s215，输出胸腔图像的三维重建模型。
[0177]
具体的，服务器基于图像result就确定了胸腔硬骨区域、胸腔左软骨区域以及胸腔右软骨区域，根据胸腔硬骨区域、胸腔左软骨区域以及胸腔右软骨区域重建三维胸腔骨骼模型。
[0178]
步骤s216，流程结束。
[0179]
确定每张断层切片图像的离散轮廓像素的具体过程如下：确定每张断层切片图像的离散轮廓像素的过程都相同，以任一断层切片图像为例说明如何确定任一断层切片图像的离散轮廓像素。服务器根据任一断层切片图像的兴趣区域，从任一断层切片图像中抽取单位切片图像，其中单位切片图像包含兴趣区域，且单位切片图像的尺寸小于该任一断层切片图像。对单位切片图像进行边缘检测，其中服务器可以基于算子(例如，sobel算子，拉普拉斯算子等)计算单位切片图像中每个像素的梯度，若计算出来的梯度较大，可以将该像素作为兴趣对象在任一断层切片图像的边缘像素，反之，若计算出来的梯度较小，可以将该像素作为兴趣对象在任一断层切片图像的非边缘像素。服务器可以将所有的边缘像素都称为原始兴趣像素，且将所有的原始兴趣像素组合为原始兴趣像素集合。可以知道，原始兴趣像素集合也是兴趣对象在任一断层切片图像中的轮廓像素。
[0180]
可选的，上述是采用边缘检测的方式确定出的原始兴趣像素集合，由于只有单位切片图像中的像素参与了边缘检测，因此在保证精确获取到原始兴趣像素集合的前提下，还保证了识别效率。除了采用上述边缘检测的方式以外，服务器还可以采用下述方式确定原始兴趣像素集合：服务器可以根据任一断层切片图像的兴趣区域，找到该兴趣区域的边界像素，将找到的边界像素作为该任一断层切片图像的原始兴趣像素，将所有的原始兴趣像素组合为原始兴趣像素集合。
[0181]
由于原始兴趣像素集合中包含多个原始兴趣像素，为了降低后续的计算量本技术从原始兴趣像素集合中进行离散采样，将采样到的原始兴趣像素均作为离散轮廓像素。当然，离散轮廓像素的数量是小于原始兴趣像素集合中包含的原始兴趣像素的数量。
[0182]
从原始兴趣像素集合中采样离散轮廓像素的具体过程如下：
[0183]
原始兴趣像素集合包括第一原始兴趣像素和第二原始兴趣像素，获取第一原始兴趣像素在该任一断层切片图像中的横轴坐标以及纵轴坐标，获取第二原始兴趣像素在该任一断层切片图像中的横轴坐标以及纵轴坐标，确定第一原始兴趣像素的横轴坐标和第二原始兴趣像素的横轴坐标之间的坐标误差(称为第一坐标误差)，确定第一原始兴趣像素的纵轴坐标和第二原始兴趣像素的纵轴坐标之间的坐标误差(称为第二坐标误差)，从所述第一坐标误差和所述第二坐标误差中选择最大坐标误差，若最大坐标误差不大于坐标误差阈值，则确定第一原始兴趣像素和第二原始兴趣像素之间是邻域关系，因此，服务器只选择其一，即只选择第一原始兴趣像素或者第二原始兴趣像素作为离散轮廓像素。
[0184]
换句话说，服务器筛选离散轮廓像素的原则是：选择出来的离散轮廓像素之间的坐标差异都较大，这样既可以保证兴趣对象轮廓的完整性，也可以降低离散轮廓像素的体量，进而降低后续的计算量。
[0185]
原始兴趣像素p的邻域原始兴趣像素q的定义为下述公式(3)：
[0186]
nw(p)＝{q|max(|p(x)-q(x)|,|p(y)-q(y)|)≤w,q∈r2}
ꢀꢀ
(3)
[0187]
其中，w表示原始兴趣像素p的密集度，p(x),q(x)分别表示原始兴趣像素p的横轴坐标以及原始兴趣像素q的横轴坐标，p(y),q(y)分别表示原始兴趣像素p的纵轴坐标以及原始兴趣像素q的纵轴坐标。
[0188]
从公式(3)可以知道，某一个原始兴趣像素的密集度是可以根据不同的业务需求进行对应调整的。
[0189]
原始兴趣像素p周围密集度的量的定义如下述公式(4)：
[0190][0191]
其中，t是阈值，邻域原始兴趣像素q是原始兴趣像素p的邻域像素。
[0192]
服务器可以按照上述方式分别确定每张断层切片图像的多个离散轮廓像素。
[0193]
步骤s103，根据每个离散轮廓像素在断层切片图像中的位置以及n个断层切片图像的断层扫描间隔，确定每个离散轮廓像素的点云数据。
[0194]
具体的，服务器获取到离散轮廓像素以后，根据每个离散轮廓像素在对应断层切片图像中的位置以及n个断层切片图像的断层扫描检测，确定每个离散轮廓像素的三维坐标，可以将每个离散轮廓像素的三维坐标称为每个离散轮询像素的点云数据(如上述图2a-图2c对应实施例中的像素1的三维点云数据“x1、y1和z1”；像素2的三维点云数据“x2、y2和z2”；像素3的三维点云数据“x3、y3和z3”；像素4的三维点云数据“x4、y4和z4”；像素5的三维点云数据“x5、y5和z5”)。
[0195]
步骤s104，根据所有离散轮廓像素的点云数据，构建所述兴趣对象的兴趣对象模型。
[0196]
具体的，服务器获取了多个离散轮廓像素的三维点云数据以后，可以采用点云建模方式，将所有的离散轮廓像素的三维点云数据重建为兴趣对象的兴趣对象模型(如上述图2a-图2c对应实施例中的三维胸腔骨骼模型20c)，兴趣对象模型是三维模型。
[0197]
当然，若兴趣对象是胸腔骨骼组织，那么兴趣对象模型就是三维胸腔骨骼模型，若兴趣对象是心脏，那么兴趣对象模型就是三维心脏模型，若兴趣对象是膝盖骨，那么兴趣对象模型就是三维膝盖骨模型，若兴趣对象是建筑物，那么兴趣对象模型就是三维建筑物模型。
[0198]
其中，点云建模方式是基于三维点云数据对兴趣对象的表面进行拟合，以得到多边形面片，将多边形面片连接起来即可得到兴趣对象的三维兴趣对象模型。
[0199]
上述可知，本技术通过对原始切片图像进行归一化和滤波，以得到断层切片图像，在保留原始切片图像的图像信息的前提下，可以提升断层切片图像的质量；再有，本技术从原始兴趣像素集合中只选择了部分原始兴趣像素作为离散轮廓像素，在保留兴趣对象轮廓的同时降低数据体量；进一步地，本技术提出了一种新的区域生长图像分割方案，对多张断层切片图像可以实现自动化分割，不需要人工参与，可以提升区域兴趣区域的效率。
[0200]
请参见图7，其是本技术实施例提供的一种图像处理方法的流程示意图，本实施例主要描述如何确定离散轮廓像素的三维点云数据，以及如何将三维点云数据重建为三维兴趣对象模型，图像处理方法包括如下步骤：
[0201]
步骤s301，获取图像集合，所述图像集合包含n张断层切片图像，所述n张断层切片图像是对兴趣对象进行断层扫描后生成的切片图像，n是大于1的整数；
[0202]
步骤s302，在每张断层切片图像中确定所述兴趣对象所在的兴趣区域，根据每张断层切片图像的兴趣区域，在每张断层切片图像中确定所述兴趣对象的离散轮廓像素。
[0203]
其中，步骤s301-步骤s302的具体过程可以参见上述图3对应实施例中的步骤s101-步骤s102。
[0204]
步骤s303，获取所述任一断层切片图像在n张断层切片图像中的扫描位置，根据所述n个断层切片图像的断层扫描间隔和所述扫描位置，确定所述任一离散轮廓像素的竖轴坐标。
[0205]
具体的，服务器确定每张断层切片图像中的每个离散轮廓像素的点云数据的过程都相同，下述步骤s303-步骤s304以任一断层切片图像中的任一离散轮廓像素为例，来说明如图确定任一离散轮廓像素的三维点云数据。
[0206]
服务器获取该任一断层切片图像在n张断层切片图像中的扫描位置，根据n张断层切片图像的断层扫描间隔和上述扫描位置，确定该任一断层切片图像中任一离散轮廓像素的竖轴坐标，当然该任一断层切片图像中的所有离散轮廓像素的竖轴坐标都相同，就好比在竖轴(可以看作是z轴)方向，将一张张断层切片图像叠放。
[0207]
举例来说，若断层切片图像a是n张断层切片图像中的第3张断层切片图像，且断层扫描间隔是3cm，那么断层切片图像a中所有离散轮廓像素的竖轴坐标都是6。
[0208]
步骤s304，获取所述任一离散轮廓像素在所述任一断层切片图像中的横轴坐标和纵轴坐标，将所述任一离散轮廓像素的竖轴坐标、所述任一断层切片图像中的横轴坐标和纵轴坐标组合为所述任一离散轮廓像素的点云数据。
[0209]
具体的，服务器获取该任一离散轮廓像素在该任一断层切片图像中的横轴坐标和纵轴坐标，可以将横轴看作是x轴，可以将纵轴看作是y轴。
[0210]
举例来说，离散轮廓像素a位于断层切片图像中第4行，第5列，那么离散轮廓像素a的横轴坐标可以是4，纵轴坐标可以是5；或者，可以根据断层切片图像的尺寸进行换算，第4行对应8cm，第5列对应10cm，因此，离散轮廓像素a的横轴坐标可以是8，纵轴坐标可以是10。
[0211]
服务器可以将上述获取到的任一离散轮廓像素的横轴坐标，纵轴坐标以及竖轴坐标组合为该任一离散轮廓像素的三维点云数据。
[0212]
服务器可以按照上述方式分别确定每张断层切片图像中每个离散轮廓像素的三维点云数据。
[0213]
步骤s305，根据所有离散轮廓像素的点云数据，将所有离散轮廓像素聚类为多个离散轮廓像素簇；属于同一个离散轮廓像素簇的离散轮廓像素位于同一个二维平面。
[0214]
具体的，服务器获取到所有离散轮廓像素的点云数据后，可以将所有离散轮廓像素聚类为多个离散轮廓像素簇，属于同一个离散轮廓像素簇的离散轮廓像素位于同一个二维平面，且位于同一个二维平面中的离散轮廓像素的三维点云数据中有一维坐标是相同的。例如，离散轮廓像素1和离散轮廓像素2都属于xoy平面，那么离散轮廓像素1的z轴坐标和离散轮廓像素2的z轴坐标是相同的。
[0215]
再例如，现有离散轮廓像素1、离散轮廓像素2、离散轮廓像素3和离散轮廓像素4，且离散轮廓像素1的三维点云数据为：(1，2，3)，离散轮廓像素2的三维点云数据为：(2，1，
3)，离散轮廓像素3的三维点云数据为：(5，6，7)，离散轮廓像素4的三维点云数据为：(5，7，8)。由于离散轮廓像素1和离散轮廓像素2在z轴上的坐标都是3，因此可以将离散轮廓像素1和离散轮廓像素2划分为一个离散轮询像素簇；由于离散轮廓像素3和离散轮廓像素4在x轴上的坐标都是5，因此可以将离散轮廓像素3和离散轮廓像素4划分为一个离散轮询像素簇。
[0216]
需要说明的是，同一个离散轮廓像素可能属于多个离散轮廓像素簇，由于存在公共离散轮廓像素簇，后续对兴趣对象的表面进行拟合时，才能够拟合出多个面的连续的多边形面片，进而不会出现断层。
[0217]
步骤s306，根据每个离散轮廓像素簇包含的离散轮廓像素的点云数据，确定每个离散轮廓像素簇的面片，每个面片包括多个面片顶点。
[0218]
具体的，服务器获取到多个离散轮廓像素簇以及每个离散轮廓像素簇对应的二维平面后，针对每个离散轮廓像素簇利用voronoi构图原理进行兴趣对象的表面拟合，当然一个离散轮廓像素簇就是拟合兴趣对象的1个面，多个离散轮廓像素簇可以拟合出兴趣对象的多个面，进而得到兴趣对象的三维模型。
[0219]
对兴趣对象进行表面拟合就是在每个二维平面根据离散轮廓像素簇确定多个多边形面片，在多个面将多边形面片连接起来即可得到三维兴趣对象模型。确定面片以及连接面片也可以称为基于点云数据的点云建模方法。
[0220]
下面以多个离散轮廓像素簇中的任一离散轮廓像素簇为例，说明如何确定该任一离散轮廓像素簇对应的多边形面片：
[0221]
本技术采用voronoi构图原理确定面片，voronoi图又叫泰森多边形或dirichlet图，它是由一组由连接两邻点直线的垂直平分线组成的连续多边形组成。首先，服务器根据任一离散轮廓像素簇包含的多个离散轮廓像素的点云数据，构建多个三角形(也可以称为构建三角形网)。确定每个三角形的外接圆圆心，将满足共边关系的三角形的外接圆圆心连接为维诺边，将所有的维诺边进行连接组合，即得到任一离散轮廓像素簇的多边形面片。其中，三角形abc和三角形abd就满足共边关系，且边ab是这两个三角形的共边，因此，可以将三角形abc的外接圆圆心和三角形abd外接圆圆心连接为一条维诺边。
[0222]
根据任一离散轮廓像素簇包含的多个离散轮廓像素的点云数据，构建多个三角形的具体过程为：服务器首先构造一个超级三角形，超级三角形可以包含所有的离散轮廓像素，对待连接的一个离散轮廓像素来说，找出待连接的离散轮廓像素外接圆，该外接圆包含待连接的离散轮廓像素。将待连接的离散轮廓像素与待连接的离散轮廓像素相邻的离散轮廓像素进行连接，形成多个待调整三角形，根据该外接圆对多个待调整三角形进行优化，得到多个已优化三角形。优化准则是对局部新形成的待调整三角形进行优化。将已优化三角形和未参与优化的三角形组合为三角形网，不断地加入新的离散轮廓像素，不断地扩大三角形网中包含的三角形的数量，当所有的离散轮廓像素点都参与了上述运算时，此时服务器将三角形网中包含的三角形作为任一离散轮廓像素簇构建的多个三角形。
[0223]
任一离散像素簇构建的多个三角形满足以下7个特性：
[0224]
(1)空圆性，任一三角形外接圆内部不包含其他点。
[0225]
(2)最接近：以最近临的三点形成三角形，且各线段(三角形的边)皆不相交。
[0226]
(3)唯一性：不论从区域何处开始构建，最终都将得到一致的结果。
[0227]
(4)最优性：任意两个相邻三角形形成的凸四边形的对角线如果可以互换的话，那
么两个三角形六个内角中最小的角度不会变大。
[0228]
(5)最规则：如果将三角网中的每个三角形的最小角进行升序排列，则delaunay三角网的排列得到的数值最大。
[0229]
(6)区域性：新增、删除、移动某一个顶点时只会影响临近的三角形。
[0230]
(7)具有凸多边形的外壳：三角网最外层的边界形成一个凸多边形的外壳。
[0231]
服务器可以按照相同的方式确定每个离散轮廓像素簇的多个多边形面片。
[0232]
请参见图8，图8是本技术实施例提供的一种多边形面片的示意图，图8中的多边形即可以对应本技术中的一个二维平面中的多边形面片，图像8中的点就是该二维平面上的离散轮廓像素。
[0233]
步骤s307，获取每个面片顶点的三维坐标，根据每个面片顶点所属的面片以及每个面片顶点的三维坐标，在三维空间中连接所有面片顶点，得到所述兴趣对象模型，所述兴趣对象模型是三维模型。
[0234]
具体的，可以知道，在每个二维平面多边形面片也是由面片顶点连接而成(此时可以确定每个面片顶点的2维坐标)，因此服务器可以获取每个面片顶点的三维坐标，三维坐标中的其中两维可以等于维诺边的外接圆圆心在对应二维平面中的位置坐标，剩余的一维等于面片所属二维平面对应的第三维坐标。
[0235]
例如，离散轮廓像素a和离散轮廓像素b属于xoy平面，且z轴坐标等于3，在xoy平面基于离散轮廓像素和离散轮廓像素b确定面片1后，面片1的面片顶点的z轴坐标等于3，面片1的面片顶点的x轴坐标和y轴坐标是由离散轮廓像素a的x轴坐标和y轴、离散轮廓像素b的x轴坐标和y轴共同决定，即，面片1的面片顶点的x轴坐标和y轴坐标等于构成面片的维诺边的外接圆圆心在xoy平面上的位置坐标。
[0236]
至此，服务器就获取了每个面片顶点的三维坐标，根据每个面片顶点所属的多边形面片以及每个面片顶点的三维坐标，在三维空间中连接所有的面片顶点，即可得到三维的兴趣对象模型(如上述图2a-图2c对应实施例中的三维胸腔骨骼模型20c)。
[0237]
请参见图9a-图9c，其是本技术实施例提供的一种确定兴趣对象模型的示意图，图9a中的点表示离散轮廓像素，虚线所构成的三角形就是在构造voronoi图时，所生成的三角形网。图9b中实线所构成的边就是维诺边，所有的维诺边可以组合为voronoi图(即是本技术中的多边形面片)。基于多个离散轮廓像素簇构建多个平面的voronoi图，获取每个多边形面片的面片顶点的三维坐标，在三维空间中将所有面片顶点的三维坐标连接起来，即可得到图9c所示的三维兴趣对象模型。
[0238]
可选的，上述步骤s305-步骤s307是采用voronoi图原理进行表面拟合，服务器也可以基于所有离散轮廓像素的三维点云数据直接进行拟合，即对每一个离散轮廓像素，都查找离它最近的两个离散轮廓像素，可以组合为一组离散轮廓像素。在三维空间中，连接所组离散轮廓像素，即可得到三维兴趣对象模型。
[0239]
请参见图10a-图10d，其是本技术实施例提供的一种兴趣对象模型的示意图，当兴趣对象是胸腔骨骼组织，且胸腔骨骼组织包括胸腔硬骨和胸腔软骨时，图10a表示三维胸腔硬骨模型，图10b表示三维胸腔软骨模型，图10c表示三维胸腔骨骼整体模型的正视图，图10d表示三维胸腔骨骼整体模型的侧视图。
[0240]
本技术于matlab7.0上仿真，于64位windows 7系统上运行，处理器为i76700hq，其
主频为2.8ghz，内存为16g ddr42133 mhz，显卡为nvidia geforce gtx960m，2g独显。
[0241]
实验涉及两组ct断层切片，第一组ct图像共有85张断层切片上包含肝脏，有73张分割效果较好，与目标边缘吻合大于92％，然而还有一些ct切片分割效果仍不理想，73张ct切片建模共用时约29.5s。第二组ct切片共有80张断层切上有69张分割结果较好，与目标边缘吻合率大于94％，80张ct切片建模用时约28.7s。经测试，传统面建模ct切片骨骼及软骨建模平均需要11.3分钟，第二套10.7分钟。
[0242]
实验表明，以两套ct切片为基础数据，采用本技术两套实验切片均能在30秒之内完成建模。该方法除了初始阶段需要用户根据先验性经验选取第一个种子区域，在其他分割过程中均无人工参与，算法拥有较强的稳定性；再有，本技术所用方法剥离ct切片胸腔区域只用400ms～800ms/张，第一套ct切片建模用时29.5s，第二套ct切片分割用时28.7s，大约仅占医生手动勾画耗时的1/23，分割速度大幅度增长。
[0243]
上述可知，本技术由图像获取兴趣对象表面的三维点云数据，不需要由专门的设备采集点云数据，可以摆脱设备依赖，丰富点云数据的获取方式；再有，由于点云建模相比其余的面建模或者体建模具有更高的建模效率，因此本技术基于点云数据对兴趣对象进行建模，可以具有更快地建模出三维兴趣对象模型。
[0244]
请参见图11，图11是本技术实施例提供的一种电子医疗设备的结构示意图，电子医疗设备可以包括上述图3-图10d对应实施例中的成像设备以及服务器；电子医疗设备可以包括图像采集器、图像建模器和图像显示器，上述电子医疗设备可以采集医疗图像并对医疗图像进行三维建模，具体过程包括如下步骤：
[0245]
步骤s401，所述图像采集器获取图像集合，所述图像集合包含n张断层切片图像，所述n张断层切片图像是对兴趣对象进行断层扫描后生成的切片图像，n是大于1的整数。
[0246]
具体的，图像采集器采集图像集合，图像集合包含n张断层切片图像，n张断层切片图像是对兴趣对象进行断层扫描后生成的切片图像。当断层切片图像是ct图像时，图像采集器可以具体是螺旋ct机；当断层切片图像是mri图像时，图像采集器可以具体是mri仪。
[0247]
其中，图像采集器采集图像集合的具体过程可以参见上述图3对应实施例中的步骤s101。
[0248]
步骤s402，所述图像建模器在每张断层切片图像中确定所述兴趣对象所在的兴趣区域，根据每张断层切片图像的兴趣区域，在每张断层切片图像中确定所述兴趣对象的离散轮廓像素。
[0249]
具体的，图像建模器基于改进的区域生长算法在每张断层切片图像中确定兴趣对象所在的兴趣区域。图像建模器根据每张断层切片图像的兴趣区域，基于边缘检测在每张断层切片图像中确定兴趣对象的离散轮廓像素。
[0250]
其中，图像建模器确定兴趣区域以及确定离散轮廓像素的具体过程可以参见上述图3对应实施例中的步骤s102。
[0251]
步骤s403，所述图像建模器根据每个离散轮廓像素在断层切片图像中的位置以及n个断层切片图像的断层扫描间隔，确定每个离散轮廓像素的点云数据，以及根据多个离散轮廓像素的点云数据，构建所述兴趣对象的兴趣对象模型。
[0252]
具体的，图像建模器根据每个离散轮廓像素在对应断层切片图像中位置，以及n个断层切片图像的断层扫描间隔，确定每个离散轮廓像素的三维点云数据。图像建模器基于
点云建模方式以及所有离散轮廓像素的点云数据，构建兴趣对象的三维兴趣对象模型。
[0253]
其中，图像建模器确定离散轮廓像素的三维点云数据以及构建三维兴趣对象模型的具体过程可以参见上述图7对应实施例中的步骤s303-步骤s307。
[0254]
步骤s405，所述图像显示器渲染显示所述兴趣对象模型。
[0255]
具体的，图像显示器显示三维兴趣对象模型。
[0256]
进一步的，请参见图12，其是本技术实施例提供的一种图像处理装置的结构示意图。如图12所示，图像处理装置1可以应用于上述图3-图10d对应实施例中的服务器，具体的，图像处理装置1可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如该图像处理装置1为一个应用软件；该图像处理装置1可以用于执行本技术实施例提供的方法中的相应步骤。
[0257]
图像处理装置1可以包括：获取模块11、第一确定模块12、第二确定模块13、第三确定模块14和构建模块15。
[0258]
获取模块11，用于获取图像集合，所述图像集合包含n张断层切片图像，所述n张断层切片图像是对兴趣对象进行断层扫描后生成的切片图像，n是大于1的整数；
[0259]
第一确定模块12，用于在每张断层切片图像中确定所述兴趣对象所在的兴趣区域；
[0260]
第二确定模块13，用于根据每张断层切片图像的兴趣区域，在每张断层切片图像中确定所述兴趣对象的离散轮廓像素；
[0261]
第三确定模块14，用于根据每个离散轮廓像素在断层切片图像中的位置以及n个断层切片图像的断层扫描间隔，确定每个离散轮廓像素的点云数据；
[0262]
构建模块15，用于根据所有离散轮廓像素的点云数据，构建所述兴趣对象的兴趣对象模型。
[0263]
在一个实施例中，针对n张断层切片图像中的任一断层切片图像中的任一离散轮廓像素，第三确定模块14用于根据所述任一离散轮廓像素在所述任一断层切片图像中的位置信息以及n个断层切片图像的断层扫描间隔，确定所述任一离散轮廓像素的点云数据时，具体用于：
[0264]
获取所述任一断层切片图像在n张断层切片图像中的扫描位置；
[0265]
根据所述n个断层切片图像的断层扫描间隔和所述扫描位置，确定所述任一离散轮廓像素的竖轴坐标；
[0266]
获取所述任一离散轮廓像素在所述任一断层切片图像中的横轴坐标和纵轴坐标；
[0267]
将所述任一离散轮廓像素的竖轴坐标、所述任一断层切片图像中的横轴坐标和纵轴坐标组合为所述任一离散轮廓像素的点云数据。
[0268]
其中，获取模块11、第一确定模块12、第二确定模块13、第三确定模块14和构建模块15的具体功能实现方式可以参见上述图3对应实施例中的步骤s101-步骤s104，且第三确定模块14的具体功能实现方式可以参见上述图7对应实施例中的步骤s303步骤s304。
[0269]
请参见图12，第一确定模块12可以包括：设置单元121、第一确定单元122、第二确定单元123以及停止单元124。
[0270]
设置单元121，用于为所述n张断层切片图像设置轮询优先级，按照轮询优先级从所述n张断层切片图像中选择用于当前轮询的目标断层切片图像，获取所述目标断层切片
图像的种子像素；
[0271]
第一确定单元122，用于根据所述种子像素在所述目标断层切片图像中确定所述兴趣对象所在的兴趣区域；
[0272]
第二确定单元123，用于根据所述目标断层切片图像中的兴趣区域，确定下一个目标断层切片图像的种子像素；
[0273]
停止单元124，用于当n张断层切片图像都被设置为目标断层切片图像时，停止轮询。
[0274]
第二确定单元123，具体用于：
[0275]
确定所述目标断层切片图像中的兴趣区域包含的所有像素的像素平均值；
[0276]
在下一个目标断层切片图像中将像素值等于所述像素平均值的像素作为下一个目标断层切片图像的种子像素。
[0277]
第一确定单元122，具体用于：
[0278]
根据所述种子像素在所述目标断层切片图像中确定种子区域；
[0279]
按照生长条件扩展所述种子区域，得到扩展区域；
[0280]
当所述扩展区域满足停止生长条件时，将所述扩展区域作为所述目标断层切片图像中的兴趣区域。
[0281]
其中，设置单元121、第一确定单元122、第二确定单元123以及停止单元124的具体功能实现方式可以参见上述图3对应实施例中的步骤s102。
[0282]
在一个实施例中，针对n张断层切片图像中的任一断层切片图像，第二确定模块13用于根据所述任一断层切片图像的兴趣区域，在所述任一断层切片图像中确定所述兴趣对象的离散轮廓像素时，包括：抽取单元131和筛选单元132。
[0283]
抽取单元131，用于根据所述任一断层切片图像中的兴趣区域从所述任一断层切片图像中抽取单位切片图像，对所述单位切片图像进行边缘检测，得到所述任一断层切片图像的原始兴趣像素集合；
[0284]
筛选单元132，用于从所述原始兴趣像素集合中筛选所述任一断层切片图像的离散轮廓像素。
[0285]
所述原始兴趣像素集合包括第一原始兴趣像素和第二原始兴趣像素；
[0286]
所述筛选单元132，具体用于：
[0287]
确定所述第一原始像素在所述任一断层切片图像中的横轴坐标和所述第二原始像素在所述任一断层切片图像中的横轴坐标之间的第一坐标误差；
[0288]
确定所述第二原始像素在所述任一断层切片图像中的纵轴坐标和所述第二原始像素在所述任一断层切片图像中的纵轴坐标之间的第二坐标误差；
[0289]
从所述第一坐标误差和所述第二坐标误差中选择最大坐标误差，若最大坐标误差不大于坐标误差阈值，则将所述第一原始兴趣像素或所述第二原始兴趣像素作为所述任一断层切片图像的离散轮廓像素。
[0290]
其中，抽取单元131和筛选单元132的具体功能实现方式可以参见上述图3对应实施例中的步骤s102。
[0291]
请再参见图12，构建模块15可以包括：聚类单元151和面片确定单元152。
[0292]
聚类单元151，用于根据所有离散轮廓像素的点云数据，将所有离散轮廓像素聚类
为多个离散轮廓像素簇；属于同一个离散轮廓像素簇的离散轮廓像素位于同一个二维平面；
[0293]
面片确定单元152，用于根据每个离散轮廓像素簇包含的离散轮廓像素的点云数据，确定每个离散轮廓像素簇的面片，每个面片包括多个面片顶点；
[0294]
所述聚类单元151，还用于获取每个面片顶点的三维坐标，根据每个面片顶点所属的面片以及每个面片顶点的三维坐标，在三维空间中连接所有面片顶点，得到所述兴趣对象模型，所述兴趣对象模型是三维模型。
[0295]
在一个实施例中，针对多个离散轮廓像素簇中的任一离散轮廓像素簇，面片确定单元152用于根据所述任一离散轮廓像素簇包含的离散轮廓像素的点云数据，确定所述任一离散轮廓像素簇的面片时，具体用于：
[0296]
根据所述任一离散轮廓像素簇包含的离散轮廓像素的点云数据构建多个三角形，确定每个三角形的外接圆圆心；
[0297]
将满足共边关系的三角形的外接圆圆心连接为维诺边，将所有维诺边进行组合，得到所述任一离散轮廓像素簇的面片。
[0298]
其中，聚类单元151和面片确定单元152的具体功能实现方式可以参见上述图7对应实施例中的步骤s305-步骤s307。
[0299]
在参见图12，获取模块11可以包括：获取单元111和归一化单元112。
[0300]
获取单元111，用于获取n张原始切片图像，所述n张原始切片图像是对所述兴趣对象进行断层扫描后生成的切片图像；
[0301]
归一化单元112，用于对n张原始切片图像分别进行归一化处理，得到n张归一化图像；
[0302]
所述获取单元111，还用于将每张归一化图像进行滤波处理，得到n张断层切片图像，将所述n张断层切片图像组合为所述图像集合。
[0303]
在一个实施例中，针对n张原始切片图像中的任一原始切片图像，归一化单元112用于对所述任一原始切片图像进行归一化处理，得到归一化图像时，具体用于：
[0304]
获取所述n张原始切片图像的窗宽和窗位；
[0305]
根据所述窗宽和窗位生成最大归一化值和最小归一化值；
[0306]
若所述任一原始切片图像的像素的像素值小于所述最小归一化值，则将所述任一原始切片图像的像素值调整为第一阈值；
[0307]
若所述任一原始切片图像的像素的像素值不小于所述最小归一化值，且不大于最大归一化值，则根据所述最大归一化值和最小归一化值调整所述任一原始切片图像的像素的像素值；
[0308]
若所述任一原始切片图像的像素的像素值大于所述最大归一化值，则将所述任一原始切片图像的像素的像素值调整为第二阈值；
[0309]
将像素值调整后的所述任一原始切片图像作为归一化图像。
[0310]
其中，获取单元111和归一化单元112的具体功能实现方式可以参见上述图3对应实施例中的步骤s101。
[0311]
进一步地，请参见图13，是本技术实施例提供的一种计算机设备的结构示意图。上述图3-图10d对应实施例中的服务器可以为计算机设备1000。如图13所示，计算机设备1000
可以包括：用户接口1002、处理器1004、编码器1006以及存储器1008。信号接收器1016用于经由蜂窝接口1010、wifi接口1012、...、或nfc接口1014接收或者发送数据。编码器1006将接收到的数据编码为计算机处理的数据格式。存储器1008中存储有计算机程序，处理器1004被设置为通过计算机程序执行上述任一项方法实施例中的步骤。存储器1008可包括易失性存储器(例如，动态随机存取存储器dram)，还可以包括非易失性存储器(例如，一次性可编程只读存储器otprom)。在一些实例中，存储器1008可进一步包括相对于处理器1004远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备1000。用户接口1002可以包括：键盘1018和显示器1020。
[0312]
在图13所示的计算机设备1000中，处理器1004可以用于调用存储器1008中存储计算机程序，以实现：
[0313]
获取图像集合，所述图像集合包含n张断层切片图像，所述n张断层切片图像是对兴趣对象进行断层扫描后生成的切片图像，n是大于1的整数；
[0314]
在每张断层切片图像中确定所述兴趣对象所在的兴趣区域，根据每张断层切片图像的兴趣区域，在每张断层切片图像中确定所述兴趣对象的离散轮廓像素；
[0315]
根据每个离散轮廓像素在断层切片图像中的位置以及n个断层切片图像的断层扫描间隔，确定每个离散轮廓像素的点云数据；
[0316]
根据所有离散轮廓像素的点云数据，构建所述兴趣对象的兴趣对象模型。
[0317]
在一个实施例中，处理器1004在执行在每张断层切片图像中确定所述兴趣对象所在的兴趣区域时，具体执行以下步骤：
[0318]
为所述n张断层切片图像设置轮询优先级；
[0319]
按照轮询优先级从所述n张断层切片图像中选择用于当前轮询的目标断层切片图像；
[0320]
获取所述目标断层切片图像的种子像素，根据所述种子像素在所述目标断层切片图像中确定所述兴趣对象所在的兴趣区域；
[0321]
根据所述目标断层切片图像中的兴趣区域，确定下一个目标断层切片图像的种子像素；
[0322]
当n张断层切片图像都被设置为目标断层切片图像时，停止轮询。
[0323]
在一个实施例中，处理器1004在执行根据所述目标断层切片图像中的兴趣区域，确定下一个目标断层切片图像的种子像素时，具体执行以下步骤：
[0324]
确定所述目标断层切片图像中的兴趣区域包含的所有像素的像素平均值；
[0325]
在下一个目标断层切片图像中将像素值等于所述像素平均值的像素作为下一个目标断层切片图像的种子像素。
[0326]
在一个实施例中，处理器1004在执行根据所述种子像素在所述目标断层切片图像中确定所述兴趣对象所在的兴趣区域时，具体执行以下步骤：
[0327]
根据所述种子像素在所述目标断层切片图像中确定种子区域；
[0328]
按照生长条件扩展所述种子区域，得到扩展区域；
[0329]
当所述扩展区域满足停止生长条件时，将所述扩展区域作为所述目标断层切片图像中的兴趣区域。
[0330]
在一个实施例中，针对n张断层切片图像中的任一断层切片图像，处理器1004在执
行根据所述任一断层切片图像的兴趣区域，在所述任一断层切片图像中确定所述兴趣对象的离散轮廓像素时，具体执行以下步骤：
[0331]
根据所述任一断层切片图像中的兴趣区域从所述任一断层切片图像中抽取单位切片图像；
[0332]
对所述单位切片图像进行边缘检测，得到所述任一断层切片图像的原始兴趣像素集合；
[0333]
从所述原始兴趣像素集合中筛选所述任一断层切片图像的离散轮廓像素。
[0334]
在一个实施例中，所述原始兴趣像素集合包括第一原始兴趣像素和第二原始兴趣像素；
[0335]
处理器1004在执行从所述原始兴趣像素集合中筛选所述任一断层切片图像的离散轮廓像素时，具体执行以下步骤：
[0336]
确定所述第一原始像素在所述任一断层切片图像中的横轴坐标和所述第二原始像素在所述任一断层切片图像中的横轴坐标之间的第一坐标误差；
[0337]
确定所述第二原始像素在所述任一断层切片图像中的纵轴坐标和所述第二原始像素在所述任一断层切片图像中的纵轴坐标之间的第二坐标误差；
[0338]
从所述第一坐标误差和所述第二坐标误差中选择最大坐标误差，若最大坐标误差不大于坐标误差阈值，则将所述第一原始兴趣像素或所述第二原始兴趣像素作为所述任一断层切片图像的离散轮廓像素。
[0339]
在一个实施例中，针对n张断层切片图像中的任一断层切片图像中的任一离散轮廓像素，处理器1004在执行根据所述任一离散轮廓像素在所述任一断层切片图像中的位置信息以及n个断层切片图像的断层扫描间隔，确定所述任一离散轮廓像素的点云数据时，具体执行以下步骤：
[0340]
获取所述任一断层切片图像在n张断层切片图像中的扫描位置；
[0341]
根据所述n个断层切片图像的断层扫描间隔和所述扫描位置，确定所述任一离散轮廓像素的竖轴坐标；
[0342]
获取所述任一离散轮廓像素在所述任一断层切片图像中的横轴坐标和纵轴坐标；
[0343]
将所述任一离散轮廓像素的竖轴坐标、所述任一断层切片图像中的横轴坐标和纵轴坐标组合为所述任一离散轮廓像素的点云数据。
[0344]
在一个实施例中，处理器1004在执行根据所有离散轮廓像素的点云数据，构建所述兴趣对象的兴趣对象模型时，具体执行以下步骤：
[0345]
根据所有离散轮廓像素的点云数据，将所有离散轮廓像素聚类为多个离散轮廓像素簇；属于同一个离散轮廓像素簇的离散轮廓像素位于同一个二维平面；
[0346]
根据每个离散轮廓像素簇包含的离散轮廓像素的点云数据，确定每个离散轮廓像素簇的面片，每个面片包括多个面片顶点；
[0347]
获取每个面片顶点的三维坐标，根据每个面片顶点所属的面片以及每个面片顶点的三维坐标，在三维空间中连接所有面片顶点，得到所述兴趣对象模型，所述兴趣对象模型是三维模型。
[0348]
在一个实施例中，针对多个离散轮廓像素簇中的任一离散轮廓像素簇，处理器1004在执行根据所述任一离散轮廓像素簇包含的离散轮廓像素的点云数据，确定所述任一
离散轮廓像素簇的面片时，具体执行以下步骤：
[0349]
根据所述任一离散轮廓像素簇包含的离散轮廓像素的点云数据构建多个三角形，确定每个三角形的外接圆圆心；
[0350]
将满足共边关系的三角形的外接圆圆心连接为维诺边，将所有维诺边进行组合，得到所述任一离散轮廓像素簇的面片。
[0351]
在一个实施例中，处理器1004在执行获取图像集合时，具体执行以下步骤：
[0352]
获取n张原始切片图像，所述n张原始切片图像是对所述兴趣对象进行断层扫描后生成的切片图像；
[0353]
对n张原始切片图像分别进行归一化处理，得到n张归一化图像；
[0354]
将每张归一化图像进行滤波处理，得到n张断层切片图像；
[0355]
将所述n张断层切片图像组合为所述图像集合。
[0356]
在一个实施例中，针对n张原始切片图像中的任一原始切片图像，处理器1004在执行对所述任一原始切片图像进行归一化处理，得到归一化图像时，具体执行以下步骤：
[0357]
获取所述n张原始切片图像的窗宽和窗位；
[0358]
根据所述窗宽和窗位生成最大归一化值和最小归一化值；
[0359]
若所述任一原始切片图像的像素的像素值小于所述最小归一化值，则将所述任一原始切片图像的像素值调整为第一阈值；
[0360]
若所述任一原始切片图像的像素的像素值不小于所述最小归一化值，且不大于最大归一化值，则根据所述最大归一化值和最小归一化值调整所述任一原始切片图像的像素的像素值；
[0361]
若所述任一原始切片图像的像素的像素值大于所述最大归一化值，则将所述任一原始切片图像的像素的像素值调整为第二阈值；
[0362]
将像素值调整后的所述任一原始切片图像作为归一化图像。
[0363]
应当理解，本技术实施例中所描述的计算机设备1000可执行前文图3-图10d所对应实施例中对图像处理方法的描述，也可执行前文图12所对应实施例中对图像处理装置1的描述，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。
[0364]
此外，这里需要指出的是：本技术实施例还提供了一种计算机存储介质，且计算机存储介质中存储有前文提及的图像处理装置1所执行的计算机程序，且计算机程序包括程序指令，当处理器执行程序指令时，能够执行前文图3-图10d所对应实施例中对图像处理方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机存储介质实施例中未披露的技术细节，请参照本技术方法实施例的描述。作为示例，程序指令可以被部署在一个计算机设备上执行，或者在位于一个地点的多个计算机设备上执行，又或者，分布在多个地点且通过通信网络互联的多个计算机设备上执行，分布在多个地点且通过通信网络互联的多个计算机设备可以组合为区块链网络。
[0365]
根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备可以执行前文图3到图10d所对应实施例中的方法，因此，这里将不再进行
赘述。
[0366]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
[0367]
以上所揭露的仅为本技术较佳实施例而已，当然不能以此来限定本技术之权利范围，因此依本技术权利要求所作的等同变化，仍属本技术所涵盖的范围。