C#处理医学图像(二):基于Hessian矩阵的医学图像增强与窗宽窗位

根据本系列教程文章上一篇说到，在完成C++和Opencv对Hessian矩阵滤波算法的实现和封装后，

再由C#调用C++ 的DLL，(参考：C#处理医学图像(一):基于Hessian矩阵的血管肺纹理骨骼增强对比)

功能虽然已经实现，但在实际应用中要考虑到性能和耦合，本篇将介绍性能方面的注意点以及和其他功能的联动。

我们将Demo里面的功能集成到正式工程中:

1.新建一个新窗体，用来显示结果和调整滤波参数：

其中滑块控件选择工具箱中的Slider，定义好控件样式，变化事件选择PreviewMouseLeftButtonUp，不要用ValueChanged，

考虑到性能问题，因为是base64转码和解码，所以不推荐用ValueChanged，它的触发频率要高得多，

而在图像大小比较大的时候 base64加解密的效率显得不是很高，会造成主线程UI卡顿，所以只要响应鼠标抬起时计算图像即可。

<Slider x:Name="SgStart" Style="{StaticResource Slider_CustomStyle}" Width="132" Height="19"  Value="1" IsMoveToPointEnabled="True"  PreviewMouseLeftButtonUp="SgStart_PreviewMouseLeftButtonUp" />

2.显示计算结果：

在Slider控件鼠标抬起的事件中，先将目标单元格内WPF图像转为base64，发送给我们生成的C++接口，再将返回的base64转为WPF图像

　      [DllImport(@"opencv\ET.Functions.dll", EntryPoint = "GetFrangiBase64Code", CallingConvention = CallingConvention.Cdecl)]

        public static extern IntPtr GetFrangiBase64Code(string base64code, int SIGMA_START, int SIGMA_END, int SIGMA_STEP, float BETA_ONE, float BETA_TWO, bool BLACKWHITE);

  　　　 /// <summary>

        /// 获取滤波图像

        /// </summary>

        /// <param name="filterParm">滤波参数对象</param>

        public void GetFilterImg(FilterParm filterParm)

        {

            try

            {

                string base64 = WriteableBitmapToBase64(Wbp);

                IntPtr intPtr = GetFrangiBase64Code(base64,

                                    filterParm.Start,

                                    filterParm.End,

                                    filterParm.Step,

                                    filterParm.DenoiseNum,

                                    filterParm.BgArgs,

                                    filterParm.BgType);

                if (intPtr != IntPtr.Zero)

                {

                    string filterCode = Marshal.PtrToStringAnsi(intPtr);

                    ImgBox.Source = Base64ToWriteableBitmap(filterCode);

                }

            }

            catch (Exception e)

            {

                LogApi.WriteErrLog(e);

            }

        }

　　　　  /// <summary>

        /// base64转WriteableBitmap

        /// </summary>

        /// <param name="base64">base64字符串</param>

        public WriteableBitmap Base64ToWriteableBitmap(string base64)

        {

            byte[] streamBase = Convert.FromBase64String(base64);

            BitmapImage bi = new BitmapImage();

            bi.BeginInit();

            bi.StreamSource = new MemoryStream(streamBase);

            bi.EndInit();

            WriteableBitmap wbp = new WriteableBitmap(bi);

            return wbp;

        }

        /// <summary>

        /// WriteableBitmap转base64

        /// </summary>

        /// <param name="writeableBitmap">图像对象</param>

        public string WriteableBitmapToBase64(WriteableBitmap writeableBitmap)

        {

            MemoryStream memStream = new MemoryStream();

            JpegBitmapEncoder encoder = new JpegBitmapEncoder();

            encoder.Frames.Add(BitmapFrame.Create(writeableBitmap));

            encoder.Save(memStream);

            byte[] bytes = memStream.ToArray();

            string code = Convert.ToBase64String(bytes);

            return code;

        }

看效果：

乳腺影像由原始dcm显示的絮状腺体在图像增强下变成丝状，对于乳腺中存在肿瘤或其他病症的显示更为明显，亦可自由调整参数达到自己想要的效果。

但有的情况下，增强效果却很差，显示的结果对于提取有价值的病灶信息几乎没有意义：

根据Hessian矩阵部分概念：

由原理中得知，求得特征值和特征向量反应出的变化上的各向异性，在二维图像中，

圆(点)具有各向同性，线性强度与各向异性程度成正比，

而在窗宽与窗位个概念中，血管的CT值为30左右，将窗宽窗位调整至增强前肉眼可见的差别，

最大程度降低二维图像上的无用信息，再利用海森矩阵加强线性结构，过滤圆(点)和降噪。

综上总结：先调整窗宽窗位，再图像增强和调整参数，使得效果最大化：

巴特西

C#处理医学图像(二):基于Hessian矩阵的医学图像增强与窗宽窗位

最新文章

热门文章