本发明涉及一种标志点自动识别与定位方法，特别是涉及一种手术导航机器人定位标尺x光图像标志点的识别定位方法。

背景技术：

机器人手术导航系统中要利用术中拍摄的二维x线正/侧位图像进行手术路径的规划，其原理是将带有标志点的定位标尺与与病人一起在x光下透视，然后利用透视图像中标志点的二维位置坐标和标志点真实的三维空间坐标计算出二维和三维位置坐标相互转换的映射矩阵，最后根据映射矩阵和图像二维规划路径计算出真实空间中的手术路径的起止点坐标。其中，x线图像中标志点有效精确的自动识别直接影响到手术路径规划的精准度。

因为圆形标志点定位精度高易于识别等优点所以得到了广泛的应用。目前有人工引导识别和自动识别两种方法。其中人工引导识别效率低，且人工引导确定的标志点其位置具有很大随机性这会直接影响到手术规划路径的准确性，而自动识别多是依据标志点间的距离并结合阈值的方式来对标志点进行搜索和排序标记，但该方法不具有普适性，对于不同型号的c臂x光图像设定的阈值也都会不同，也就是说该方法存在x光成像设备不兼容问题。

技术实现要素：

针对上述问题，本发明提供了一种手术导航机器人标志点自动识别定位方法，针对不同型号的x光成像设备均能实现标志点的自动标记定位。

本发明的技术方案如下：

一种手术机器人定位标志点自动识别方法，用于在手术过程中对x光成像设备拍摄的图像，进行定位标志点的识别。其特征在于，所述方法在获取x线透视图像中的标志点后根据标志点投影半径大小的不同对标志点进行快速编号排序。

所述方法要对x线透视图像中定位标志点进行识别和定位，首先要对图像预处理并结合轮廓提取算法找出所有轮廓，然后根据制定的规则筛选出对应的标志点轮廓，最后再根据标志点轮廓半径的大小对其进行排序编号。

所述对图像预的预处理包括对图像进行中值滤波和卷积滤波从而消除孤立的噪声点，然后对处理后的图像再进行自适应阈值化处理，最后对处理完的图像提取轮廓。

所述方法在提取完所有轮廓之后还要设定条件筛选出可能为标志点的轮廓，并确定圆形轮廓的圆心和半径。

所述标志点轮廓包含的像素点个数为3-20，所以首先设定阈值筛选出包含标志点的轮廓，然后以各个轮廓中所有像素点的纵横坐标值之和与所包含像素点个数的比值来确定各个轮廓的均值中心坐标，并以各个轮廓中所有像素点与中心点的距离之和的平均值作为拟合的半径。

所述方法在计算完中心点和半径之后要确定最终的标志点轮廓具体步骤如下：

首先设定半径阈值筛选出符合大小的轮廓，然后以均值半径求拟合圆的面积并将其与对应轮廓的面积的比值和设定的面积相似度阈值进行比较，最后再以各个轮廓像素点中距离均值中心点的最短距离和最长距离的比值和设定的半径相似度阈值进行比较确定最终的标志点轮廓。

所述标志点大小半径为3-20个像素；所述面积相似度阈值为95；所述半径相似度阈值为75。

本发明由于采取了上述的技术方案，其具有以下优点：1、本发明由于采用了标志点的轮廓大小作为定位识别的依据，所以针对不同型号的x光成像设备均能很好的实现标志点的自动标记。2、本发明在对x线透视图像中定位标志点的识别提取过程中，采用了逐层筛选的方式所以能确保所有的标志点都能够被识别出来。3、本发明在对图像进行卷积滤波和自适应的阈值化处理时对于邻域块的设置都使用了循环迭代的方式进行设置，确保了标志点识别的精度。本发明采用了一种简单有效的方式去自动识别并标记标志点，识别速度快，精度高，可广泛应用与定位识别领域。

附图说明

图1是本发明的流程示意图

图2是本发明定位标尺及标志点的正位时的x光成像示意图

图3是本发明定位标尺及标志点的侧位时的x光成像示意图

图4是本发明标志点轮廓的筛选流程示意图

具体实施示例

下面结合附图对本发明进行说明。

本发明涉及一种手术导航机器人标志点自动识别定位方法，首先设计一个含有9个不同半径规格标志点的定位标尺，然后对定位标尺x线透视图像进行处理，最后根据透视图像中标志点的半径大小对标志点进行排序并输出标志点在图像中的位置坐标。

本发明所述方法的流程图如图1所示，具体包括以下步骤：

1.载入图像数据，对图像进行中值滤波和卷积滤波预处理，以降低噪声对标志点识别的干扰。

2.对图像进行自适应阈值处理，通过计算像素点周围的block_size×block_size区域的加权平均，然后减去一个常数来得到自适应阈值，block_size表示的是局部邻域块的大小，此过程中为了找到合适的阈值采取了循环迭代验证邻域块大小的方式，当最终识别的标志点轮廓个数大于8个时停止迭代。

3.对于步骤2当block_size为某一值时，得到该阈值下的二值图像，然后对自适应阈值化处理后的图像提取所有的轮廓，此时标志点的部分或者全部一定包含在这些轮廓中。

4.对于步骤3中提取的所有轮廓，要在它们中找出并确定最终的标志点轮廓首先要进行粗筛选的操作，因为标志点轮廓包含的像素点个数为3-20，所以首先设定阈值筛选出不包含标志点的轮廓。

5.对于步骤4中筛选后的轮廓，提取轮廓中心点和半径具体操作如下：

（1）以各个轮廓中所有像素点的纵横坐标值之和与所包含像素点个数的比值来确定各个轮廓的均值中心坐标；

（2）以各个轮廓中所有像素点与中心点的距离之和的平均值作为拟合的半径。

6.对于步骤5中计算完中心点和均值半径的轮廓，要进行进一步的筛选以找出最终的圆形标志点轮廓具体操作如下：

（1）因为圆形标志点的半径取值范围是[3，20]，所以当计算的均值半径不在该范围内时则其一定不是标志点轮廓这样就可以进一步的缩小标志点的搜索范围；

（2）在（1）的基础上利用面积相似度来判断某一轮廓是否是圆形的轮廓，为此首先计算出拟合圆的面积，然后计算该轮廓的面积s1，当s1/s2≥95%则认为该轮廓极有可能是圆形轮廓，但是如果存在面积近似相等的非圆轮廓时则此约束条件就具有局限性，所以添加进一步的约束；

（3）设定半径相似度约束，首先求出某一轮廓中各个像素点与均值中心点的最短距离l1和最长距离l2当l1/l2≥75%则认为该轮廓有很大可能是圆形轮廓。经过这三步的筛选便可以找到最终的标志点。

因为在最终的导航过程中要使用到9个标志点的位置坐标信息，所以要判断最终识别出来的标志点个数是否是9个，并且还要判断是否有错误的圆形轮廓被识别出来，如果有就更新block_size的值重新执行上述步骤直至识别出所有的标志点。

当识别出所有的标志点之后，根据标志点半径的大小对标志点进行排序标记并显示出来。

对于图2和图3所示标号1-9分别表示的是正侧位x光图像9个标志点的位置示意图。

技术特征：

技术总结本发明涉及一种手术导航机器人标志点自动识别定位方法，首先设计了一个含有9个不同半径规格标志点的定位标尺，然后对定位标尺X线透视图像进行处理，最后根据透视图像中标志点的半径大小对标志点进行排序并输出标志点在图像中的位置坐标。该方法通过自动识别定位标尺标志点进行手术定位导航，实现了对X线图像中多个标志点的准确高效的识别，为后续手术路径精确和高效的规划奠定了基础。

技术研发人员：李亮;龙小虎;武利成;刘勇受保护的技术使用者：安徽埃克索医疗机器人有限公司技术研发日：2018.12.06技术公布日：2019.02.22