当前位置 博文首页 > 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

    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

    作者:乔克灬叔叔 时间:2021-01-11 18:02

    在医院实际环境中,经常遇到有问题的患者,对于一些特殊的场景,比如骨折,肺结节,心脑血管问题

    需要图像对比增强来更为清晰的显示病灶助于医生确诊,先看效果:

     

    肺纹理增强:

    肺结节增强:

     血管对比增强:

     

     骨骼对比增强:

     

    根据参考资料:

    MATLAB版本:

    https://ww2.mathworks.cn/matlabcentral/fileexchange/24409-hessian-based-frangi-vesselness-filter

    算法原理:

    https://baike.baidu.com/item/%E9%BB%91%E5%A1%9E%E7%9F%A9%E9%98%B5/2248782?fr=aladdin

     

     

    将其原理翻译写成C++类库,在C++中使用Opencv对于矩阵操作比较方便,导出dll后再由C#调用,

    新建C++类库工程:

    #include "stdafx.h"
    #include <iostream>
    #include <string>
    #include <cstring>
    #include <cstdlib>
    #include <vector>
    #include "MatBase64.h"
    #include "frangi.h"
    #include "ET.Functions.h"
    using namespace std;
    using namespace cv;
    char* GetFrangiBase64Code(char* base64code, int SIGMA_START, int SIGMA_END, int SIGMA_STEP, float BETA_ONE, float BETA_TWO, bool BLACKWHITE){
        
        //初始化矩阵参数
        frangi2d_opts_t opts;
        frangi2d_createopts(&opts, SIGMA_START,  SIGMA_END,  SIGMA_STEP,  BETA_ONE,  BETA_TWO,  BLACKWHITE);
    
    
        //处理传入的base64编码转为Mat对象
        string imgcode =base64code;
        string s_mat;
        s_mat = base64Decode(imgcode.data(), imgcode.size());
        vector<char> base64_img(s_mat.begin(), s_mat.end());
        Mat input_img = cv::imdecode(Mat(base64_img), CV_LOAD_IMAGE_GRAYSCALE);
    
        //进行frangi算法处理
        Mat input_img_fl;
        input_img.convertTo(input_img_fl, CV_32FC1);
        Mat vesselness, scale, angles;
        frangi2d(input_img_fl, vesselness, scale, angles, opts);
    
        vector<uchar> buf;
        imencode(".jpg", vesselness * 255, buf);
        auto *enc_msg = reinterpret_cast<unsigned char*>(buf.data());
        string encoded = base64Encode(enc_msg, buf.size());
    
        //返回base64编码
        char *result = new char[encoded.length() + 1];
        for (int i = 0; i < encoded.length(); ++i)
        {
            result[i] = encoded[i];
        }
        result[encoded.length()] = '\0';
        return result;
    }

     

    导出函数:

    extern "C" _declspec(dllexport) char* GetFrangiBase64Code(char * base64code, int SIGMA_START, int SIGMA_END, int SIGMA_STEP, float BETA_ONE, float BETA_TWO, bool BLACKWHITE);

     

    创建模块定义文件:

    LIBRARY "ET.Functions"
    
    EXPORTS
    GetFrangiBase64Code @ 1,

     

    导出32位dll,复制到C#debug目录下,C#调用:将目标图像转为base64,发送给C++,返回处理后的base64,在转为图像

            [DllImport(@"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);
    private void ckcbw_CheckedChanged(object sender, EventArgs e)
            {
                getimg();
            }
    
            private void trabarStart_ValueChanged(object sender, EventArgs e)
            {
                getimg();
            }
    
            void getimg()
            {
                int start = trabarStart.Value;
                int end = trabarEnd.Value;
                int step = trabarStep.Value;
                float zaosheng = (float)trabarZaosheng.Value / 10;
                float bg = (float)trabarBG.Value / 10;
    
                IntPtr pRet = GetFrangiBase64Code(ToBase64(b), start, end, step, zaosheng, bg, ckcbw.Checked);
                string strRet = Marshal.PtrToStringAnsi(pRet);
                pictureBox1.BackgroundImage = Base64StringToImage(strRet);
            }

     

    如果不想用C++,直接用C#里面的opencv库也可以,直接用nuget搜索EmguCV,需要自己将MatLab代码或C++代码翻译成C#

     

    通过调整各个参数来达到想要的效果:

     

     

    C#开发PACS、RIS、3D医学影像处理系统系列教程目录整理:

    菜鸟入门篇:

    PACS客户端:

    C#开发PACS医学影像处理系统(一):开发背景和功能预览

    C#开发PACS医学影像处理系统(二):界面布局之菜单栏

    C#开发PACS医学影像处理系统(三):界面布局之工具栏

    C#开发PACS医学影像处理系统(四):界面布局之状态栏

    C#开发PACS医学影像处理系统(五):查询病人信息列表

    C#开发PACS医学影像处理系统(六):加载Dicom影像

    C#开发PACS医学影像处理系统(七):读取影像Dicom信息

    C#开发PACS医学影像处理系统(八):单元格变换

    C#开发PACS医学影像处理系统(九):序列控件与拖拽

    C#开发PACS医学影像处理系统(十):Dicom影像下载策略与算法

    C#开发PACS医学影像处理系统(十一):Dicom影像挂片协议

    C#开发PACS医学影像处理系统(十二):绘图处理之图形标记

    C#开发PACS医学影像处理系统(十三):绘图处理之病灶测量

    C#开发PACS医学影像处理系统(十四):处理Dicom影像窗宽窗位

    C#开发PACS医学影像处理系统(十五):Dicom影像交叉定位线算法

    C#开发PACS医学影像处理系统(十六):2D处理之影像平移和缩放

    C#开发PACS医学影像处理系统(十七):2D处理之影像旋转和翻转

    C#开发PACS医学影像处理系统(十八):Dicom使用LUT色彩增强和反色

    C#开发PACS医学影像处理系统(十九):Dicom影像放大镜

     

    PACS三维处理医学图像:

    C#开发PACS医学影像三维重建(一):使用VTK重建3D影像

    C#开发PACS医学影像三维重建(二):使用VTK进行体绘制

    C#开发PACS医学影像三维重建(三):纹理映射与颜色传输

    C#开发PACS医学影像三维重建(四):3D网格平滑效果

    C#开发PACS医学影像三维重建(五):基于梯度透明的组织漫游

    C#开发PACS医学影像三维重建(六):三维光源与阴影效果

    C#开发PACS医学影像三维重建(七):空间测量与标注

    C#开发PACS医学影像三维重建(八):VR体绘制

    C#开发PACS医学影像三维重建(九):MPR三视图切面重建

    C#开发PACS医学影像三维重建(十):MIP最小密度投影

    C#开发PACS医学影像三维重建(十一):CPR曲面重建

    C#开发PACS医学影像三维重建(十二):VE虚拟内镜技术

     

    熟手进阶篇:

    医学图像算法:

    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

    C#处理医学图像(二):图像锐化增强对比

     

    PACS网页端 开发Web版本的PACS:

    C#开发Web端PACS(一):基于PACS客户端思想重写Web端

    C#开发Web端PACS(二):使用 .Net MVC 开发手机端PACS服务端

    C#开发Web端PACS(三):使用HTML5和CSS3开发PACS手机端页面

    C#开发Web端PACS(四):Web端与服务端的DICOM传输

    C#开发Web端PACS(五):Web端的平移缩放旋转2D操作

    C#开发Web端PACS(六):Web端的窗宽窗位调整

    C#开发Web端PACS(七):将移动端接入微信公众号实现医院云胶片

     

    登峰造极篇:

    C#开发基于Python人工智能的肺结节自动检测

    C#开发基于Python人工智能的脊柱侧弯曲率算法

    C#开发基于Python机器学习的医学影像骨骼仿真动画

    C#开发基于Python机器学习的术后恢复模拟

    C#开发基于U3D的VR眼镜设备虚拟人体三维重建

    C#开发基于全息投影的裸眼3D医学影像显示技术

     

    周边附加篇:

    胶片打印:

    C#开发医学影像胶片打印系统(一):功能与胶片排版

    C#开发医学影像胶片打印系统(二):胶片打印机通讯

    C#开发医学影像胶片打印系统(三):不规则排版打印

     

    PACS服务端:

    C#开发PACS医学影像处理系统服务端(一):医疗设备的连接与收图

    C#开发PACS医学影像处理系统服务端(二):高并发架构

     

    PACS与RIS系统的通信与集成

    在RIS系统中调起PACS并打开Dicom影像

     

    云PACS与远程会诊

    C#开发PACS医学影像处理系统之云PACS(区域PACS)(一):架构概述

    C#开发PACS医学影像处理系统之云PACS(区域PACS)(二):远程会诊与双向转诊

     

    科幻级视频特效:

    使用Adobe After Effects 制作PACS影像处理系统宣传视频

     

    QQ:1850969244

    近10年开发经验,主攻C#、ASP MVC,HTML5,

    B/S C/S 皆可,目前研究医疗领域医学影像相关技术,

    任何技术问题欢迎加QQ交流。