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：

 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

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

医学影像三维篇

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

C#开发PACS医学影像三维重建(十三):基于人体CT值从皮肤渐变到骨骼的梯度透明思路

C#开发PACS医学影像三维重建(十四):基于能量模型算法将曲面牙床展开至二维平面

熟手进阶篇

C#处理医学影像(一):基于Hessian矩阵的血管肺纹理骨骼增强对比

C#处理医学影像(二):基于Hessian矩阵的医学影像增强与窗宽窗位

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路

C#处理医学影像(四):基于Stitcher算法拼接人体全景脊柱骨骼影像

胶片打印：

C#开发医学影像胶片打印系统(一)：万能花式布局的实现思路

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)：Pacs二维功能在排版中的应用

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

免费下载

免费下载使用本教程PACS软件