CN111539972B - 一种超声图像中小脑蚓部分割方法 - Google Patents

Abstract

本发明公开了一种超声图像中小脑蚓部分割方法，包括以下步骤：S1:获取小脑蚓部CT图像并将其转换为灰度图；S2:读取所述灰度图的边缘坐标，以灰度图的中心点为圆心，求出以该圆心0‑360°内每个角度上到图像边缘点形成的线段上的所有像素点坐标及其在图像上对应的像素值；S3:以圆心向外每个角度形成的射线上寻找此射线上的初始分割点，S4:采用误差点判断的方式对粗调整分割点进行误差判断：查找单峰误差点，对单峰误差点周围的分割点进行误差判断，S5:对待精确调整数组中的所有点进行调整得到精准分割点；S6:将调整后的精准分割点顺次连接构成小脑蚓部边缘图像。

Description

一种超声图像中小脑蚓部分割方法

技术领域

本发明涉及医学图像处理领域，尤其涉及超声图像中小脑蚓部分割方法。

背景技术

随着计算机技术在医学上的广泛应用，使得早先的人工分割图像逐渐被计算机自动分割所替代。目前对于如何检测胎儿的小脑蚓部是否发育正常，通常采用人工分割CT图像中小脑蚓部区域，并计算其面积来检测出是否发育正常。如何简化图像分割，并使分割效果更加精细成为关键的问题。目前对于CT图像分割小脑蚓部问题，没有已知的有效的计算机自动处理办法，都是由人工来人为分割。这需要专业的知识储备，也花费了不少时间，并且效果不一定精细，所以准确性不能保证。

发明内容

根据现有技术中没有存在针对小脑蚓部分割的现状，本发明公开了一种超声图像中小脑蚓部分割方法，具体包括以下步骤：

获取小脑蚓部CT图像并将其转换为灰度图；

读取所述灰度图的边缘坐标，以灰度图的中心点为圆心，计算以该圆心0-360°内每个角度上到图像边缘点形成的线段上的所有像素点坐标及其在图像上对应的像素值；

以圆心向外每个角度形成的射线上寻找此射线上的初始分割点，对于获取的初始分割点、以每隔区间角度值形成的多圈分割点采用误差点判断的方式进行误差粗判断并修改误差点，剔除杂点得到粗调整分割点；

采用误差点判断的方式对粗调整分割点进行误差判断，查找单峰误差点，对单峰误差点周围的分割点进行误差判断从而重新确定应该删除的分割点，对所有要删除的分割点保存到待精确调整数组内；

对待精确调整数组中的所有点进行调整得到精准分割点；

将调整后的精准分割点顺次连接构成小脑蚓部边缘图像。

进一步的，所述寻找此射线上的分割点时：设置区间角度值，分别以每个整数角度对应的线段为起始、每隔所述区间角度值寻找该角度线段上的分割点；

其中在每个角度线段上选择分割点时采用如下方式：首先获取该角度射线上所有点的个数length，累加该射线[length/3,length/2]区域上背景点的个数，如果个数小于length/6并且length/2处像素值大于设定阈值A时，则采用判断区间起始值length/2进行分割点寻找，否则采用length/3进行分割点寻找；在线段上从判断区间起始位置到边缘点中，若按顺序找到一个点的像素值小于设定阈值A则认为其之后的像素为背景像素,将该点设为初始分割点，否则选择像素值最小的点作为初始分割点；

对得到的初始分割点采用误差点判断的方式进行调整：以区间角度值为区域，分别以每个整数角度对应的分割点为起始、将每隔区间角度值形成的一圈分割点定义为分割点圆周，并对该分割点圆周进行误差判断：

如果当前点(x_j,y_j)到中心点O(x₀,y₀)的距离同时小于分割点圆周上前一分割点和后一分割点到中心点的距离、并且距离差大于设定阈值B则认为当前点(x_j,y_j)是误差点，则改变当前点(x_j,y_j)的位置，其中改变方式如下：将分割点圆周上前一分割点到中心点距离的一半和后一分割点到中心点距离的一半的加和作为当前点(x_j,y_j)到中心点的距离M；

如果当前点(x_j,y_j)到中心点O(x₀,y₀)的距离都大于分割点圆周上前一分割点和后一分割点到中心点的距离，并且距离差大于设定阈值B，则认为当前点(x_j,y_j)是误差点，则改变当前点(x_j,y_j)的位置，其中改变方式如下：将分割点圆周上前一分割点到中心点距离的一半和后一分割点到中心点距离的一半的加和作为当前点(x_j,y_j)到中心点的距离M，根据获得的距离M调整(x_j,y_j)的新点坐标作为粗调整分割点。

进一步的，对粗调整分割点再次进行误差调整:采用误差点判断的方式对分割点圆周上360个分割点依次进行误差判断并修改误差点；

对修改后的得到的分割点进行单峰误差点剔除：

将所有前后相邻三个粗调整分割点组成的矢量夹角的补角的平均值定义为角度阈值T_θ，将所有粗调整分割点到中心点的距离的平均值的Q倍定义为弦高阈值T_s；对于分割点圆周上360个粗调整分割点中的每个点计算其到中心点的距离d，如果每点到中心点的距离大于弦高阈值T_s并且角度大于角度阈值T_θ，则将该点存放在待删除列表中；

在待删除列表中进行判断，并在待删除列表的基础上重新确定需要删除的分割点：如果某分割点和它的下一个需要删除分割点到中心点的距离差大于设定阈值B，则将某分割点和它的下一个需要删除分割点以及二者的中间分割点都删除；如果某分割点和前一个需要删除的分割点到中心点的距离差大于设定阈值B，并且某分割点之后的分割点连续都为需要删除的分割点，此时这些分割点都要删掉，将所有需要删除的分割点保存至待精确调整数组中。

进一步的，将待精确调整数组中重复的分割点删除，对分割点按照角度的先后进行排序，如果当前分割点(x_r,y_r)在原始数据中的前一个相邻分割点和待精确调整数组中的前一个分割点不一致，则将当前分割点(x_r,y_r)到中心点的距离t_j改为前一分割点到中心点的距离t_j-1，根据新获取的距离t_j-1计算当前分割点(x_r,y_r)的新坐标，将当前分割点(x_r,y_r)从待精确调整数组中移除；采用上述方式对待精确调整数组中的分割点循环处理直到数组中没有成员为止。

由于采用了上述技术方案，本发明提供的超声图像中小脑蚓部分割方法，本方法只需要用户给出期望分割的小脑蚓部的CT图，即可得到所需的分割出的小脑蚓部边缘，减少了日常生活中需要医生手工来标记边缘的操作，从而减少一些由于人工失误导致的误差，使得准确性和效率提高，并且不需要有相应的医学技术就可以操作，并且占用内存较小，运行时间快。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法实现的流程图；

图2为本发明中将图像转换为灰度图的效果图；

图3为本发明中求图像边缘点的示意图；

图4为本发明中单峰误差点剔除的示意图；

图5为本发明中删除列表中添加删除点的示意图；

图6为本发明中小脑蚓部CT图像分割后的效果图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1所示的一种超声图像中小脑蚓部分割方法，在实施过程中，将图像转换为灰度图的效果图如图2所示，然后计算出图像一圈360度的边缘点，在图像中心和各个边缘点之间找到该角度对应的分割点，然后对误差点进行不断调整，使之更加贴近真实情况，最后将分割点显示出来。本发明公开的方法具体步骤如下：

S1：输入小脑蚓部CT图像，将图像转换为灰度图，具体采用如下方式：

遍历图像的每个像素点的像素值(r_k,g_k,b_k)(k＝0...num，num为像素点的个数)，计算出的灰度值为：

gray_k＝0.299*r_k+0.587*g_k+0.114*b_k

r_k＝gray_k，g_k＝gray_k，b_k＝gray_k

通过对每个像素点进行处理，即可将图像转换为灰度图。具体效果如图2所示。

S2：求出S1得到的灰度图边缘一圈的边缘点坐标；以图像中心点为圆心，求出以该圆心0-360°(不包括360°)每个角度上到图像边缘点形成的线段上的所有像素点坐标，及其在图像上对应的像素值(以1为一个步长)，并把这两类值都保存下来。具体采用如下方式：

S21：获得灰度图边缘一圈的边缘点坐标：

图像的宽度为width，高度为height，所以图像的中心点center的坐标为(width/2,height/2)，接下来求以中心点为圆心，以该圆心0-360°(不包括360°)每个角度上对应的图像的边缘点。

图像的示意图如图3所示，O(x₀,y₀)为图像中心点，定义OO'为以O为圆心，角度α＝0°(或360°)的射线，以OO'开始，顺时针方向一次为1°、2°等。直到旋转一周。并把图像划分为1、2、3、4四个区域，在第一个区域内，α的范围是：0°≤α<45°∪315°≤α<360°，边缘点的坐标(x,y)为x＝width；

y＝y₀+(width-x₀)*tanα；

在第二个区域内，α的范围是：45°≤α<135°，边缘点的坐标(x,y)为

x＝x₀+(height-y₀)*cotα；

y＝height；

在第三个区域内，α的范围是：135°≤α<225°，边缘点的坐标(x,y)为

x＝0

y＝y₀-x₀*tanα

在第四个区域内，α的范围是：225°≤α<315°，边缘点的坐标(x,y)为

x＝x₀-y₀*cotα；

y＝0

S22：通过这种方式，可以求出以该圆心0-360°(不包括360°)每个角度上对应的图像的边缘点坐标。

S23：通过圆心和求得的边缘点，可以得到两点之间的连线，从而可以得到各个角度上的线段。接下来我们获得每条线段上的所有像素点坐标，及其在图像上对应的像素值(以1为一个步长)。

在中心点为O(x₀,y₀)，角度为α对应的线段上，当步长为t时，此时的像素点坐标(x,y)为：

(x,y)＝(x₀+t*cosα,y₀+t*sinα) (1)

在这里由于图像上的像素点是离散的(像素点的坐标值为整数值)，求出的(x,y)可能存在非整数的情况，在这种情况下没有该坐标点对应的像素值。针对这种情况，我们采用双线性插值(INTER_LINEAR)方法，为该坐标点求一个近似的像素值。具体的方式如下：

先对图像进行边缘扩充上下左右扩充，按照四条边缘上的值x_0,0...x_0,n-1,x_1,n-1...x_m-1,n-1,x_m-1,n-2...x_m-1,0,x_m-2,0...x_1,0(其中m,n分别为矩阵的列高，行宽)进行扩充。扩充后的图像数据保存为im数组，具体的扩充方式如下所示

例：原图像像素矩阵数据为

经过(向上1行，向下2行，向左2列，向右1列)扩充变换，得到的新图像数据为

(其中第二行第三列的“1”、第二行第四列的“2”、第三行第三列的“3”、第三行第四列的“4”为原始数据，以矩阵的边缘值向外扩展，其余的值为扩充之后的值)。

然后根据扩充后的图像im来求得图像上(x,y)的近似像素值value。

(其中i为x的整数位，u为x的小数位，j为y的整数位，v为y的小数位)

这步之后把每个角度i对应的线段上所有点的坐标保存到lines[i]数组，每个角度i对应的线段上所有点的像素值保存在ys[i]数组，每个角度i对应的线段上所有点的序号保存在xs[i]数组。

S3：在以圆点O(x₀,y₀)向外每个角度i形成的线段上找到此线段上的初始分割点，对于获取的初始分割点以每隔区间角度值形成的多圈分割点、采用误差点判断的方式进行误差粗判断并修改误差点，剔除杂点得到粗调整分割点，具体采用如下方式：

S31.设置区间角度值(该角度值可以是12°)，分别以每个整数角度对应的线段为起始、每隔所述区间角度值寻找该角度线段上的分割点；以12°为一个区间，先对得到的360条线段以0°对应的线段为起始，然后每隔12°，寻找该角度线段上的分割点，再分别以1°、2°、3°。。。对应的线段为起始，进行上述操作，直到11°对应的线段为起始，重复上述操作。即分为12个区间，对每个区间上的线段进行分别处理，其中在每个角度线段上选择分割点时采用如下方式：

S311：获取该角度射线上所有点的个数length，作为判断边缘的一个界限(在该角度上从length到图像边缘进行判断选择分割点)，经过多次实验发现总长度的1/3或1/2对于不同图片选取边缘值效果更好，所以累加该射线[length/3,length/2]区域上背景点的个数，如果个数小于length/6并且length/2处像素值大于阈值A时(这里阈值A取为60，也就是说这段区域上不全是背景像素，认为这种情况是中间存在少部分背景的情况，真正的分割点在偏后的位置，并且边界是目标像素)，则采用判断区间起始值length/2进行分割点寻找，否则采用length/3进行分割点寻找，此时在该角度上，期望的分割点离中心点过近。

S312：在每个角度射线上选择初始分割点。初始分割点的判断条件：在线段上从判断区间起始位置到边缘点中，若按顺序找到一个点的像素值小于设定阈值A(这里阈值A可以取60)，则认为其之后的像素为背景像素,将该点设为初始分割点，否则选择像素值最小的点作为初始分割点。

该步之后所有初始分割点的坐标保存在line_points数组中。

S32.对得到的初始分割点采用误差点判断的方式进行调整，使其更加准确地在真实的小脑蚓部边缘位置。具体采用如下方式：

以区间角度值为区域，分别以每个整数角度对应的分割点为起始、将每隔区间角度值形成的一圈分割点定义为分割点圆周、对每隔区间角度值形成的一圈分割点进行误差判断：

如果当前点(x_j,y_j)到中心点O(x₀,y₀)的距离同时小于分割点圆周上前一分割点(x_j-1,y_j-1)和后一分割点(x_j+1,y_j+1)到中心点的距离，并且距离差大于设定阈值B(这里阈值B取为8)则认为当前点(x_j,y_j)是误差点，则改变当前点(x_j,y_j)的位置，其中距离的计算公式为，

则位置的改变方式如下：将分割点圆周上前一分割点到中心点距离的一半和后一分割点到中心点距离的一半的加和作为当前点(x_j,y_j)到中心点的距离，即t_j＝(t_j-1+t_j+1)/2；

如果当前点(x_j,y_j)到中心点O(x₀,y₀)的距离都大于分割点圆周上前一分割点和后一分割点到中心点的距离，并且距离差大于设定阈值B(该距离可以是8)，则认为当前点(x_j,y_j)是误差点，则改变当前点(x_j,y_j)的位置，其中改变方式如下：将分割点圆周上前一分割点到中心点距离的一半和后一分割点到中心点距离的一半的加和作为当前点(x_j,y_j)到中心点的距离M，根据新得出的距离，采用公式(1)求出在该角度，该距离t_j下的点的坐标，作为粗调整分割点。根据获得的距离M调整(x_j,y_j)的新的的点坐标作为粗调整分割点。

但是由于之前保存的ys[i]数组中每个角度i对应的线段上所有点中，每个步长为一个整数，但此时求出的距离t_j不一定是整数，所以就在该值t_j-4～t_j+4之间取一个合适的点作为粗调整分割点，具体的选择方式同S312中的步骤相同。

S4:采用误差点判断的方式对粗调整分割点进行误差判断，查找单峰误差点，对单峰误差点周围的分割点进行误差判断，重新确定应该删除的点，对所有要删除的分割点保存到待精确调整数组中。具体采用如下方式：

S41:对粗调整分割点再次进行误差调整:采用误差点判断的方式对分割点圆周上即一圈360个分割点依次进行误差判断并修改误差点；

S42:对修改后的得到的分割点进行单峰误差点剔除，如图4所示。具体步骤如下：

①设定角度阈值T_θ和弦高阈值T_s；

②将所有相邻前后三个粗调整分割点组成的矢量夹角的补角的平均值定义为角度阈值

其中

(x_m,y_m)、(x_m+1,y_m+1)分别为前一点、当前点、后一点的分割点，m-1＝(m-1+360)％360，m+1＝(m+1+360)％360。

③将所有粗调整分割点到中心点的距离的平均值(即样本标准偏差)的Q倍(在这里我们取Q为0.75)定义为弦高阈值

经过多次测试证明，此时所得到的滤波后的中心点序列分布较为理想。

④对于分割点圆周上360个粗调整分割点中的每个点计算其到中心点的距离d；

⑤如果每点到中心的距离大于弦高阈值T_s并且角度大于角度阈值T_θ，则将该点存放在待删除列表中。

S43:在待删除列表中进行判断，并在待删除列表的基础上重新确定需要删除的分割点，把这些所有需要删除的分割点保存到待精确调整数组中：

<1>如果某分割点和它的下一个需要删除分割点到中心点的距离差大于设定阈值B，则将某分割点和它的下一个需要删除分割点以及二者的中间分割点都删除，因为相当于这两个分割点必有一个分割点位于波峰或者波底，所以中间的分割点都是误差点。如图5(a)所示，把分割点P和下一个需要删除的分割点Q之间的点都添加到待精确调整数组中。

<2>如果某分割点和前一个需要删除的分割点到中心点的距离差大于设定阈值B，并且某分割点之后的分割点连续都为需要删除的分割点，此时这些分割点都要删掉。因为此时某分割点为波峰或者波谷，之后的分割点动荡曲折，但都是位于误差点的范围。(因为前一个需要删除的分割点和某分割点之间的分割点在第一步中就已经处理了，我们只需考虑后半部分)。如图5所示，分割点Q为某分割点，分割点P为前一个需要删的点，两个分割点之间的分割点在上一步中都已经删除了，把分割点Q之后的两个分割点都添加到待精确调整数组中。

S5:将待精确调整数组中的所有分割点进行调整得到精准分割点，将调整后的精准分割点顺次连接构成小脑蚓部边缘图像，具体采用如下方式：

S51:将待精确调整数组中重复的分割点删去，对分割点按照角度的先后进行排序；

S52:依次判断待精确调整数组中的点a：

【1】如果当前分割点(x_r,y_r)在没经过误差点剔除处理的原始数组中的前一个相邻分割点，即真实数据中的前一个分割点和待精确调整数组的前一个分割点不一样的话：则说明当前分割点a可以根据其真实数据的前一分割点的值进行调整，即将分割点a到中心点的距离t_j改为前一分割点到中心点的距离t_j-1，根据新得出的距离t_j-1，采用公式(1)求出在该角度，该距离下的点的坐标，作为新的分割点坐标。但是由于之前保存的ys[i]数组中每个角度i对应的线段上所有点中，每个步长为一个整数，但此时求出的距离t_j不一定是整数，所以就在该值t_j-4～t_j+4之间取一个合适的点作为边缘点，具体的选择方式同S312中的步骤。所以分割点a不用删除，把分割点a从待精确调整数组中移去。

【2】对待精确调整数组循环处理直到数组中没有成员为止。

S6：把调整后的分割点进行显示。采用python中的库函数，将图像和所有的分割点显示出来。

如图6所示，图中为其中一张小脑蚓部CT图像的分割后的效果。可以看到小脑蚓部已经很好的被分割出来，特别是形状的贴合性，并且分割后的小脑蚓部边缘上的误差点很少，误差范围很小，几乎没有误差。

本发明是一种在CT图像中无需人工标记，直接分别得到所有输入图像的小脑蚓部边缘的方法。该方法将替代原来的必须通过人工标记才能获取单张图像的小脑蚓部边缘的方式。本方法只需要用户输入小脑蚓部的CT图像，减少了日常生活中需要医生手工来标记边缘的操作，从而减少一些由于人工失误导致的误差，使得准确性和效率提高，并且不需要有相应的医学技术就可以操作，并且占用内存较小，运行时间快。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种超声图像中小脑蚓部分割方法，其特征在于包括：

获取小脑蚓部CT图像并将其转换为灰度图；

读取所述灰度图的边缘坐标，以灰度图的中心点为圆心，计算以该圆心0-360°内每个角度上到图像边缘点形成的线段上的所有像素点坐标及其在图像上对应的像素值；

以圆心向外每个角度形成的射线上寻找此射线上的初始分割点，对于获取的初始分割点、以每隔区间角度值形成的多圈分割点采用误差点判断的方式进行误差粗判断并修改误差点，剔除杂点得到粗调整分割点；

采用误差点判断的方式对粗调整分割点进行误差判断，查找单峰误差点，对单峰误差点周围的分割点进行误差判断从而重新确定应该删除的分割点，对所有要删除的分割点保存到待精确调整数组内；

对待精确调整数组中的所有点进行调整得到精准分割点；

将调整后的精准分割点顺次连接构成小脑蚓部边缘图像；

所述寻找此射线上的分割点时：设置区间角度值，分别以每个整数角度对应的线段为起始、每隔所述区间角度值寻找该角度线段上的分割点；

其中在每个角度线段上选择分割点时采用如下方式：首先获取该角度射线上所有点的个数length，累加该射线[length/3,length/2]区域上背景点的个数，如果个数小于length/6并且length/2处像素值大于设定阈值A时，则采用判断区间起始值length/2进行分割点寻找，否则采用length/3进行分割点寻找；在线段上从判断区间起始位置到边缘点中，若按顺序找到一个点的像素值小于设定阈值A则认为其之后的像素为背景像素,将该点设为初始分割点，否则选择像素值最小的点作为初始分割点；

对得到的初始分割点采用误差点判断的方式进行调整：以区间角度值为区域，分别以每个整数角度对应的分割点为起始、将每隔区间角度值形成的一圈分割点定义为分割点圆周，并对该分割点圆周进行误差判断：

如果当前点(x_j,y_j)到中心点O(x₀,y₀)的距离同时小于分割点圆周上前一分割点和后一分割点到中心点的距离、并且距离差大于设定阈值B则认为当前点(x_j,y_j)是误差点，则改变当前点(x_j,y_j)的位置，其中改变方式如下：将分割点圆周上前一分割点到中心点距离的一半和后一分割点到中心点距离的一半的加和作为当前点(x_j,y_j)到中心点的距离M；

如果当前点(x_j,y_j)到中心点O(x₀,y₀)的距离都大于分割点圆周上前一分割点和后一分割点到中心点的距离，并且距离差大于设定阈值B，则认为当前点(x_j,y_j)是误差点，则改变当前点(x_j,y_j)的位置，其中改变方式如下：将分割点圆周上前一分割点到中心点距离的一半和后一分割点到中心点距离的一半的加和作为当前点(x_j,y_j)到中心点的距离M，根据获得的距离M调整(x_j,y_j)的新点坐标作为粗调整分割点。

2.根据权利要求1所述的一种超声图像中小脑蚓部分割方法，其特征还在于：对粗调整分割点再次进行误差调整:采用误差点判断的方式对分割点圆周上360个分割点依次进行误差判断并修改误差点；

对修改后的得到的分割点进行单峰误差点剔除：

将所有前后相邻三个粗调整分割点组成的矢量夹角的补角的平均值定义为角度阈值T_θ，将所有粗调整分割点到中心点的距离的平均值的Q倍定义为弦高阈值T_s；对于分割点圆周上360个粗调整分割点中的每个点计算其到中心点的距离d，如果每点到中心点的距离大于弦高阈值T_s并且角度大于角度阈值T_θ，则将该点存放在待删除列表中；

在待删除列表中进行判断，并在待删除列表的基础上重新确定需要删除的分割点：如果某分割点和它的下一个需要删除分割点到中心点的距离差大于设定阈值B，则将某分割点和它的下一个需要删除分割点以及二者的中间分割点都删除；如果某分割点和前一个需要删除的分割点到中心点的距离差大于设定阈值B，并且某分割点之后的分割点连续都为需要删除的分割点，此时这些分割点都要删掉，将所有需要删除的分割点保存至待精确调整数组中。

3.根据权利要求2所述的一种超声图像中小脑蚓部分割方法，其特征还在于，将待精确调整数组中重复的分割点删除，对分割点按照角度的先后进行排序，如果当前分割点(x_r,y_r)在原始数据中的前一个相邻分割点和待精确调整数组中的前一个分割点不一致，则将当前分割点(x_r,y_r)到中心点的距离t_j改为前一分割点到中心点的距离t_j-1，根据新获取的距离t_j-1计算当前分割点(x_r,y_r)的新坐标，将当前分割点(x_r,y_r)从待精确调整数组中移除；采用上述方式对待精确调整数组中的分割点循环处理直到数组中没有成员为止。

Images