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:

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

 

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:

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

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:

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Hessian矩阵部分概念:

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

 

 

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:

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

 

发表评论

评论已关闭。

相关文章