DE102006023093A1

DE102006023093A1 - Verfahren und Vorrichtung zur Korrektur eines Bildes

Info

Publication number: DE102006023093A1
Application number: DE102006023093A
Authority: DE
Inventors: Jean Lienard; Francisco Sureda
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2005-05-16
Filing date: 2006-05-16
Publication date: 2006-11-23
Also published as: FR2885717A1; US20070036405A1; US7792346B2; FR2885717B1

Abstract

Ein Verfahren und eine Vorrichtung zur automatischen Berechnung einer Korrektur, die an einem Bild (I1) vorzunehmen ist, das mit Bezug auf eine Sequenz von Bildern (I21) umgeformt worden ist, werden geschaffen. Das Verfahren enthält das Erkennen von Informationspixeln in den Bildern (I21); die Berechnung eines interessierenden Bereiches (ROI5), der in dem binären Mapping-Bild (I5) angeordnet ist, das aus den Bildern (I21) erstellt wird; für jedes Bild (I21) die Suche nach der Position eines mobilen Bereiches (ROI) in dem Bild (I1), die ein Ähnlichkeitskriterium (IROI) zu dem Bereich (ROI5) maximiert; und die errechnete Korrektur, die an dem Bild (I1) vorzunehmen ist, wird mit jedem einzelnen Bild (I21) verglichen, das die affine Transformation des mobilen Bereiches (ROI1) ist, der sich von seiner gefundenen Position aus bewegt, an der das Ähnlichkeitskriterium (IROI) zu dem Bereich (ROI5) maximiert wird. Die Korrektur wird nur durchgeführt, wenn die Bilanz aus der Verbesserung des Ähnlichkeitskriteriums in dem interessierenden Bereich und der Verschlechterung des Ähnlichkeitskriteriums außerhalb des interessierenden Bereiches positiv ist.

Description

Hintergrund der Erfindung
Eine Ausführungsform der Erfindung bezieht sich auf ein Verfahren und eine Vorrichtung zur Korrektur eines Bildes und insbesondere auf die automatische Berechnung einer Korrektur, die an einem Kontrollbild vorzunehmen ist, das bezogen auf Kontrastbilder umgeformt worden ist. Ein Anwendungsgebiet der Ausführungsform ist die medizinische Bildgebung und bezieht sich insbesondere auf die digitale Subtraktionsangiographie (DSA).

Die digitale Subtraktionsangiographie ist ein Bildakquisitionsverfahren, das z.B. ein insbesondere Röntgenstrahlen aussendendes Radiographiegerät verwendet, wobei der Versuch unternommen wird, die Vaskular- bzw. Gefäßstrukturen des Gewebes eines Objektes, wie z.B. eines Patienten, darzustellen. In der Angiographie werden Vaskularstrukturen durch einen Vergleich zweier Bilder dargestellt, die mit und ohne die Injektion eines Kontrastmittels in das Blutgefäßsystem des Patienten akquiriert worden sind. Eine „Punkt für Punkt" durchgeführte Subtraktion des ersten Kontrollbildes, das als „Maske" bezeichnet wird und vor der Injektion des Kontrastmittels gewonnen worden ist, von dem Bild, das mit dem injizierten Kontrastmittel gewonnen worden ist, liefert die Mittel zur Gewinnung eines Bildes der vaskulären Strukturen für sich alleine.

Ein Problem bei dem obigen Verfahren ergibt sich im Zusammenhang mit einer Bewegung des Patienten zwischen einem akquirierten Bild und dem nächsten. Diese Bewegung kann den gesamten Körper des Patienten oder einen Teil desselben betreffen. Das Ergebnis sind Artefakte in dem Subtraktionsbild, die die Darstellung der Gefäße mit dem injizierten Kontrastmittel verändern können oder bewirken, dass Strukturen, in die das Kontrastmittel nicht injiziert worden ist, als Blutgefäße angesehen werden.

Folglich verschlechtern diese Artefakte nicht nur die Qualität des Subtraktionsbildes, sondern können den Radiologen im Hinblick auf das zweite Bild mit dem Kontrastmittel auch in die Irre führen. Gemäß einem Ansatz zur Beseitigung von Subtraktionsartefakten kann der Radiologe das Maskenbild bezogen auf die mit dem Kontrastmittel aufgenommenen Bilder manuell verschieben, um sie vor der Subtraktion so weit wie möglich miteinander in Übereinstimmung zu bringen. Das manuelle Verschieben der Maske wird jedoch gewöhnlich durch Probieren (Trial and Error) durchgeführt und ist ein langes interaktives Verfahren, das nicht immer das optimale Ergebnis liefert.

US-5 048 103 beschreibt ein Verfahren zum automatischen Zurücksetzen eines Maskenbildes bezogen auf ein anderes Kontrastbild, in dem eine Menge von Markierungen bzw. Landmarks ausgewählt worden sind und ihre Verschiebung zwischen den Bildern berechnet wird, um so das das Maskenbild wiederherstellen zu können, wobei die Markierungen als eine Funktion ausgewählt werden, wie eine Kombination von fünf Größen X₁, X₂, X₃, X₄ und X₅ erfüllt werden kann, wobei die Kombination fünf Koeffizienten B₀, B₁, B₂, B₃, B₄ und B₅ enthält, die durch eine statistische analytische Auswertung an einer Menge von Bildern des selben Typs bestimmt worden sind, für die die Eigenschaften der Wiederherstellung bereits bekannt sind. Dieses Verfahren hat den Nachteil, nicht nur kompliziert in der Anwendung zu sein, sondern es nimmt auch ein hohes Maß an Computerrechenzeit in Anspruch.

Kurze Beschreibung der Erfindung

Eine Ausführungsform der Erfindung ist darauf gerichtet, ein Verfahren und eine Vorrichtung zur Korrektur eines Bildes und insbesondere zur automatischen Berechnung einer Korrektur zu schaffen, die die Nachteile des Standes der Technik überwinden und dadurch eine automatische und optimale Verschiebung von Bildern relativ zueinander ermöglichen, um Subtraktionsartefakte zu verringern.

Eine Ausführungsform der Erfindung ist ein Verfahren und eine Vorrichtung zur automatischen Berechnung einer Korrektur, die an einem ersten digitalen Maskenbild vorzunehmen ist, das bezogen auf eine Sequenz von n zweiten digitalen Kontrastbildern umgeformt wird, in denen Informationen (z.B. möglicherweise vaskuläre Undurchsichtigkeitsinformationen) durch Pixel mit einem niedrigeren oder einem höheren Helligkeitsniveau im Vergleich zu dem Hintergrund dargestellt werden. Die Ausführungsform des Verfahrens und der Vorrichtung enthält: Eine Erkennung von Informationspixeln in den n zweiten digitalen Kontrastbildern, von denen das erste Bild subtrahiert wird, um ein binäres Mapping-Bild zu erhalten, in dem die Informationsbits auf einem ersten bestimmten Niveau den Informationspixeln (z.B. möglicherweise vaskulären Undurchsichtigkeitspixeln) von wenigstens einem der zweiten Bilder entsprechen und für das die Bits auf einem anderen Niveau nicht den Informationspi xeln in den zweiten Bildern gehören; Berechnung der Koordinaten eines interessierenden Bereiches (Region of Interrest), der in dem binären Mapping-Bild angeordnet ist und wenigstens teilweise die Informationsbits in diesem Bild überdeckt, für jedes der zweiten Kontrastbilder; eine Suche in dem ersten Maskenbild nach einer Position für einen affinen mobilen Bereich des interessierenden Bereiches, die ein Ähnlichkeitskriterium maximiert, das zwischen den Pixeln in dem interessierenden Bereich, der an seinen Koordinaten festgelegt ist, in dem zweiten Kontrastbild und den Pixeln in dem mobilen Bereich, die durch eine affine Transformation verschoben bzw. örtlich verlagert werden, in dem ersten Maskenbild berechnet wird; Berechnen einer Korrektur, die an dem ersten Maskenbild verglichen mit jedem der zweiten Kontrastbilder vorzunehmen ist und die die berechnete affine Verschiebungstransformation ist, die eine Bewegung des mobilen Bereiches von seiner gefundenen Position, an der das Ähnlichkeitskriterium maximiert wird, zu den Koordinaten des interessierenden Bereiches vornimmt. Eine Vorrichtung zur DSA-Bildgebung ist in US 2004/0228511 A1 offenbart, dessen offenbarter Gegenstand durch die Bezugnahme hierin einbezogen wird.

Kurze Beschreibung der Zeichnungen
Eine Ausführungsform der Erfindung wird nach dem Lesen der Beschreibung, die unten lediglich als ein nicht beschränkendes Beispiel gegeben wird, unter Bezug auf die beigefügten Zeichnungen besser verstanden:
1 zeigt eine Sequenz von angiographischen Bildern, die von einer Ausführungsform des Verfahrens geliefert werden,
die 2 bis 4, 6, 7, 9 und 10 stellen verschiedene Zwischenbilder dar, die berechnet werden, wenn das Verfahren durch eine Ausführungsform der Erfindung ausgeführt wird,
5 zeigt schematisch Histogramme eines Bildes zur Berechnung einer Kontrastverbesserungsfunktion, und
8 zeigt ein Beispiel für Verschiebungen, die von einem mobilen Bereich in einem Bild der Sequenz vorgenommen werden, um ein Ähnlichkeitskriterium zu einem anderen Bild in der Sequenz zu maximieren.
Detaillierte Beschreibung der Erfindung
1 zeigt eine Akquisition durch beliebige geeignete Mittel, wie z.B. eine Röntgenquelle, von einer Serie aufeinander folgender Bilder eines Körperteils eines Patienten, der in der folgenden Beschreibung z.B. der Kopf ist, aber der auch ein beliebiger anderer Körperteil sein könnte, wobei ein Kontrastmittel durch einen Katheter, der in ein Gefäß eingeführt worden ist, in die Blutgefäße des Körperteils injiziert worden ist, an dem der Radiologe interessiert ist. Offensichtlich könnte die Ausführungsform der Erfindung auch auf beliebige andere Kontrasterkennungsbilder eines Objektes angewandt werden.
1 zeigt vier aufeinander folgende Bilder I1, I21, I22 und I23, die die Fortbewegung des Kontrastmittels P, das z.B. jodiert ist, in dem Blutgefäßsystem 20 des Körperteils des Patienten unter dem Einfluss der Blutzirkulation zeigen. Weiterhin weisen die verschiedenen Bilder der Se quenz eine Anzahl von sog. Hintergrundstrukturen 10 auf, die zu dem gesamten Gewebe des Körperteils des Patienten mit Ausnahme der Blutgefäße gehören. In dem darstellenden Beispiel in 1 sind aus der Menge der Hintergrundstrukturen nur die Knochen 10 dargestellt.
Die akquirierten Bilder I1, I21, I22 und I23 sind digital, und jedes weist eine Anzahl von Pixeln auf, die durch ihre Abszisse x und ihre Ordinate y gegeben sind und von denen jedes ein Helligkeitsniveau aufweist, das auch als die diesem entsprechende Graustufe bezeichnet wird.
In der Angiographie mit einem jodierten bzw. jodhaltigen Kontrastmittel erscheinen die Pixel P derjenigen Blutgefäße, die das Kontrastmittel enthalten, dunkler, wenn die Gefäße dicker sind, und dunkler als wenn diese Blutgefäße kein Kontrastmittel enthielten. Die interessanten Informationen für den Radiologen sind die Pixel 20 der Blutgefäße, die das Kontrastmittel enthalten, wobei diese Pixel als Informationspixel P bezeichnet werden, während die übrigen Pixel 10 als Hintergrundpixel bezeichnet werden.
In der folgenden Beschreibung wird das Bild I1, das ohne Kontrastmittel akquiriert worden ist, als das erste Maskenbild oder Kontrollbild bezeichnet, und die Bilder I21, I22 und I23, die mit injiziertem Kontrastmittel nacheinander akquiriert worden sind, werden als zweite Kontrastbilder bezeichnet.
Das Verfahren enthält das Erkennen der Position eines Kollimators in den akquirierten Bildern I1, I21, I22 und I23 und die Subtraktion des Kollimators aus den Bildern. Dies ist jedoch optional und kann weggelassen werden, wenn die Bilder ohne einen Kollimator akquiriert worden sind. Ein oder mehrere spezielle Kollimatormodelle sind im Voraus in einem Speicher abgespeichert, um die Erkennung der Position eines Kollimators zu implementieren. Jedes Kollimatormodell ist ein virtuelles Bild S(x, y), bei dem x und y die Abszisse und die Ordinate der Pixel des Bildes bezeichnen. Ein Kollimatormodell wird in einem akquirierten Bild erkannt, wenn ein Ähnlichkeitskriterium zwischen den Pixeln dieses akquirierten Bildes und den Pixeln dieses Kollimatormodelles maximal ist. Dieses Ähnlichkeitskriterium ist z.B. die Korrelation zwischen dem akquirierten Bild I(x, y) und dem Kollimatormodell S(x, y), die nach der folgenden Gleichung berechnet wird:
wobei S_K(x, y) = Kollimatormodell, in dem K die Verschiebung des Modells entlang der x- oder y-Achse senkrecht zur Kante dieses Kollimators darstellt. Der Kollimator enthält schwarze Pixel auf den akquirierten Bildern, aber der Kollimator kann in Folge von Dispersionen, radiologischem Rauschen und Diffusion Pixel mit geringer Helligkeit enthalten. Die akquirierten Bilder weisen im Allgemeinen hohe Helligkeitsniveaus auf, während einige anatomische Strukturen, wie z.B. das Kontrastmittel enthaltende Strukturen, dunkler sind.
Gewöhnlich weist ein Kollimator gerade Kanten in den Randbereichen des Bildes auf, die z.B. ein Rechteck bilden, innerhalb dessen der Körper des Patienten sichtbar gemacht wird. Das Kollimatormodell S_K(x, y) für eine linke vertikale Kante lautet z.B.:
wobei K die Spaltennummer ist, die den Übergang von schwarz zu weiß in dem Kollimator auf der linken Seite festlegt, und N die Größe des Bildes ist.
Die linke Kante des Kollimators kann durch Maximieren der Korrelation zwischen der linken Kante des Halbbildes I(x, y), wobei
und dem Kollimatormodell S(x, y) erkannt werden, das das Bild in einen schwarzen Bereich, der durch einen Pixelwert gleich –1 wiedergegeben wird, und einen weißen Bereich, der durch einen Pixelwert gleich +1 wiedergegeben wird, unterteilt. Die Korrelation wird demnach wie folgt berechnet:
Diese Gleichung beschreibt die rekursive Formel zur Bestimmung der Position K, auf der linken Seite von welcher die Korrelation maximal ist. Weiterhin wird die untersuchte linke Seite (bzw. die untersuchte rechte Seite) des Bildes I(x, y) auf Null Bemittelt, indem ihr Durchschnittswert von ihr subtrahiert wird, der auf der linken Halbseite (bzw. der rechten Halbseite) des Bildes bestimmt wird und der gleich
ist, bevor der Korrelationswert berechnet wird. Demnach wird der Anfangwert C(–1) auf Null eingestellt.
Ein symmetrisches Verfahren wird zur Bestimmung der Position des Kollimatormodells an der rechten Seite des Bildes angewandt, wobei der Durchschnitt auf der rechten Hälfte des Bildes berechnet wird, die durch die Gleichung
gegeben ist. Das Verfahren kann auch zur Bestimmung der Position des oberen und unteren Kollimatormodells in den Bildern verwendet werden.
Im Folgenden sind das erste Bild I1 und die zweiten Bilder I21, I22 und I23 diejenigen Bilder, die direkt akquiriert worden sind oder möglicherweise nach der Subtraktion des oder der Kollimatormodelle, das oder die in den akquirierten Bildern I1, I21, I22, I23 zur Entfernung der Kante(n) des Kollimators des Bildakquisitionsgerätes aus den Bildern erkannt worden sind, von den akquirierten Bildern I1, I21, I22, I23 gewonnen worden sind.
Bei einer folgenden Subtraktion wird das erste Maskenbild I1 von jedem der zweiten Bilder I21, I22, I23 subtrahiert, wobei die Subtraktion für jedes einzelne Pixel in den Bildern durchgeführt wird. Das erhaltene Ergebnis sind n = 3 dritte Bilder I31, I32, I33, die jeweils gleich I21-I1, I22-I1 und I23-I1 sind, wie es in 2 gezeigt ist. Die dritten Bilder I31, I32, I33 können Subtraktionsartefakte aufweisen, die in 2 nicht gezeigt sind, unter Berücksichtigung dessen, dass sich der Patient als Ganzes und dadurch der gesamte Kopf von einem Bild der Sequenz zu dem nächsten in dem in den Figuren dargestellten Beispiel bewegt haben könnte oder der Patient einfach einen Teil des Körpers, wie z.B. den Kiefer, in dem in den Figuren dargestellten Beispiel bewegt haben könnte.
Während einer maximalen Verdunkelung bzw. Undurchsichtigkeit werden für jede Position (x, y) der Pixel in den Bildern I31, I32, I33 die Pixel mit dem niedrigsten Helligkeitsniveau in den Bildern I31, I32, I33 ausgewählt, um ein viertes Mapping-Kontrastbild PO zu gewinnen, wie es in 3 gezeigt ist. Das Bild PO wird z.B. zuerst mit dem Inhalt des ersten Subtraktionsbildes I31 initialisiert. Während des Durchlaufens aller anderen dritten Bilder I32, I33 wird danach jedes Pixel (x, y) in jedem der dritten Bilder I32, I33 mit dem entsprechenden Pixel (x, y) in dem gegenwärtigen vierten Bild PO verglichen. Wenn das Helligkeitsniveau des betrachteten Pixels in dem dritten Bild I32, I33 niedriger ist als die Helligkeit seines Äquivalentes in dem vierten Bild PO, wird das Pixel des Bildes PO durch dieses Pixel des gegenwärtigen dritten Bildes I32, I33 ersetzt. Dieser Vorgang wird für alle Pixel in allen dritten Bildern I31, I32, I33 nacheinander durchgeführt. Das Ergebnis sind dementsprechend Gebiete, die durch das Kontrastmittel in den Blutgefäßen undurchsichtig gemacht und in dem vierten Bild PO überlagert worden sind.
Das Helligkeitsniveau der Pixel in dem vierten Mapping-Bild PO wird danach auf Unterschreiten eines vorbestimmten Schwellenwert geprüft, um ein fünftes binäres Mapping-Bild I5 zu gewinnen, in dem die Pixel aus einem Bit mit dem Wert Null oder Eins gebildet werden. Die Bits, die gleich Eins sind, entsprechen z.B. den Pixeln in dem Mapping-Bild PO, deren Helligkeitsniveau kleiner oder gleich dem Schwellenwert ist, während die Bits in dem binären Bild, die gleich Null sind, den Pixeln in dem Mapping-Bild PO mit einem Helligkeitsniveau, das größer als der Schwellenwert ist, entsprechen. 4 zeigt für das in 3 dargestellte Beispiel eines Bildes PO ein solches Bild I5 mit Bits, die gleich Eins sind, und Bits, die gleich Null sind. Dementsprechend sind die Bits, die gleich Eins sind, Informationsbits bezüglich der Position der Blutgefäße in dem oben beschriebenen Beispiel.
Das Verfahren ist auf Bilder, bei denen das Helligkeitsniveau der Informationspixel gering ist im Vergleich zu einem benachbarten Hintergrund, der durch Pixel mit einem höheren Helligkeitsniveau dargestellt wird, und ebenso auf Bilder anwendbar, bei denen die Informationspixel ein höheres Helligkeitsniveau als ein benachbarter Hintergrund aufweisen, der durch Pixel mit einem niedrigeren Helligkeitsniveau gebildet wird. Im Fall der Angiographie mit einem CO₂-Kontrastmittel werden die Informationen bezüglich der Lage der Blutgefäße in den zweiten Bildern I21, I22, I23 z.B. durch Pixel mit einem hohen Helligkeitsniveau gezeigt, und der Hintergrund wird, z.B. durch eine Inversion des Helligkeitsniveaus in den Bildern, durch Pixel mit ei ner niedrigeren Helligkeit gebildet. In diesem Falle wird das Verfahren in der umgekehrten Reihenfolge ausgeführt, indem in den dritten Bildern die Pixel mit den höchsten Niveaus ausgewählt werden und auf ein Überschreiten eines Schwellenwertes geprüft werden, um das Binärbild I5 zu gewinnen.
Der verwendete Schwellenwert kann z.B. wie folgt berechnet werden. Der Schwellenwert wird z.B. unter Verwendung des Histogramms des vierten Mapping-Kontrastbildes PO berechnet. 5 zeigt ein Beispiel eines solches Histogramms H1 für die Verteilung der Helligkeitsniveaus in dem vierten Mapping-Kontrastbild PO. Diese Verteilung kann z.B. multimodal sein und z.B. zwei Modi bzw. Werte mit hoher Häufigkeit aufweisen, wie es in 5 gezeigt ist, in der die Verteilung der Helligkeitsniveaus zwei Hauptinformationen aufweist: die Information bezüglich der Gefäße, durch die das Kontrastmittel geflossen ist, und die Information hinsichtlich des Hintergrundes und des Rauschens. Daher bestimmt das Verfahren automatisch die beste Anpassung bzw. Regression zwischen einer Wahrscheinlichkeitsdichtefunktion, die durch das vorliegende Histogramm H1 dargestellt ist, und einer Funktion, die z.B. in der folgenden Form aus einer gewichteten Summe von Normal- bzw. Gaußverteilungen zusammengesetzt ist:
wobei p_k der prozentuale Anteil eines Gaußschen Histogramms des Modus k ist, das einen Mittelwert μ_k und eine Standardabweichung σ_k aufweist. Die Bestimmung der oben erwähnten besten Anpassung kann unter Verwendung eines Abweichungsmaximierungs (EM)-Ansatzes ausgeführt werden, wie er von A.P. Dempster, N.M. Lairol und D.B. Rubin in „Maximum Likelihood for Incomplete Data via EM algorithm", Journal der Royal Statistical Society, B39, 1–38, 1977, und von C. Liu und D.X. Sun in „Acceleration of EM algorithm for Mixture Models using ECME", American Statistical Association Proceedings of the Statistical Computing Section, 109–– 114, 1997, beschrieben worden ist.
Demnach wird eine Zerlegung des Histogramms H1 des vierten Mapping-Kontrastbildes PO auf einer Gaußschen Grundlage vorgenommen, um alle Tripel (p_k, μ_k, σ_k) zu bestimmen, die zum Erhalt der zuvor beschriebenen besten Anpassung verwendet werden, wobei bekannt ist, dass die Summe der Koeffizienten p_k gleich Eins ist. Das in den Figuren dargestellte Beispiel liefert zwei Tripel, die erstens das Rauschen für k = 1 und zweitens das Kontrastmittel gemäß dem Histogramm H2 in 5 für k = 2 oder allgemeiner für k = 2, ... , N kennzeichnen. In dem Beispiel mit jodiertem Kontrastmittel ist μ₁ etwa gleich Null, und μ₂ ist kleiner als Null.
Das Verfahren berechnet die durchschnittliche globale Verteilung des Kontrastes aus der Gleichung
und der Mittelwert μ_g und die Standardabweichung σ_g dieser Verteilung g(x) werden berechnet, wobei das Rauschen in dieser Formel durch den Index k = 1 bezeichnet ist. Folglich wird die durchschnittliche globale Verteilung g(x) durch Subtrahieren der Komponente p₁.N(μ₁,σ₁) des Rauschens in dem Histogramm H2 = f(x) bestimmt. Der Schwellenwert wird so berechnet, dass er größer als der Mittelwert μ_g der durchschnittlichen globalen Verteilung g(x) des Kontrastes in dem vierten Mapping-Kontrastbild PO ist. Der Schwellenwert kann z.B. gleich μ_g + σ_g sein.
Zur selben Zeit kann eine Konversions- bzw. Umwandlungsfunktion bestimmt werden, die als Expansionsverbesserungs (EXP-LUT)-Funktion bezeichnet wird, um die Helligkeit und/oder den Kontrast der zweiten Bilder I21, I22, I23 zu verbessern. Diese Verbesserungsfunktion kann auf die Serie der zweiten Bilder I21, I22, I23 angewandt werden, von denen das erste Bild I1 in der Korrektur, die unten beschrieben wird, subtrahiert worden ist, um diese anzuzeigen.
Die Verbesserungsfunktion kann z.B. unter Verwendung zweier Werte, die als obere Spezifizierungsgrenze USL (oberer Helligkeitsschwellenwert) und untere Spezifizierungsgrenze LSL (unterer Helligkeitsschwellenwert) bezeichnet werden, berechnet werden. Der Wert LSL kann an dem Punkt festgelegt werden, an dem die kumulierte Verteilungsfunktion des Kontrastmittels 5 % erreicht (mit anderen Worten liegen mehr als 95 % der Werte oberhalb dieses Punktes), wie es in 5c dargestellt ist, anders ausgedrückt: LSL = μ₂ – (1,647 × σ₂). In ähnlicher Weise kann der Wert USL auf den Punkt festgelegt werden, an dem die kumulierte Verteilungsfunktion des Rauschens größer als 95 % wird (mit anderen Worten liegen nur 5 % der Werte oberhalb dieses Punktes), was bedeutet: USL = μ₁ + (1,645 × σ₁). Auf diese Weise werden jeweils der kleinste Wert und der größte Wert der Umwandlungsfunktion EXP-LUT erhalten. Eine Umwandlungsfunktion dieses Typs ist in 5d dargestellt und liegt in der Form einer Kurve mit einem linearen Teil L vor, bei der die oberen und unteren Teile durch die Werte SLS und USL gegeben sind. Die Position der Kurve EXP-ULT entlang der y-Achse kann durch Festlegen des Ausgabewertes für ein Eingabeniveau von Null (Punkt B) erhalten werden, das die globale Helligkeit des anzuzeigenden Bildes bestimmt. Die Verbesserungsfunktion ist in US-2004/0228511 A1 beschrieben, die durch die Bezugnahme hierin einbezogen wird.
Der untere Schwellenwert LSL des linearen Teils L der Verbesserungsfunktion EXP-LUT kann auch wie folgt berechnet werden: LSL = μ_g -Z.σ_g, wobei Z zuvor in Abhängigkeit von den Wünschen des Bedieners zwischen drei und vier eingestellt werden kann, wobei Z = 4 ein natürliches Erscheinungsbild liefert und Z = 3 Bildern mit einem hohen Kontrast entspricht.
Ein interessierender Bereich ROI5 in dem fünften binären Mappingbild I5 wird während einer Berechnung bestimmt, wie es in 6 gezeigt ist. Der interessierende Bereich ROI5 wird so berechnet, dass er die Informationsbits in dem Binärbild I5 ganz oder teilweise abdeckt, mit anderen Worten in dem obigen Beispiel die Bits mit dem Wert Eins. Der interessierende Bereich ROI5 wird z.B. durch seine Koordinaten xR, yR in dem binären Mapping-Bild I5 berechnet. Es wird z.B. die erforderliche Form für den interessierenden Bereich ROI5 festgelegt, der z.B. rechteckig und parallel zu den geraden Kanten des Binärbildes I5 entlang der x- und y-Achse sein kann. Die Koordinaten des interessierenden Bereiches ROI5 können z.B. aus den Koordinaten seiner Ecken berechnet werden. Die Informationsbits werden verwendet, um die Koordinaten des Schwerpunktes des interessierenden Bereiches ROI5 zu berechnen, so dass er die Mehrheit der In formationsbits enthält. Die Abmessungnen der Seiten des Bereiches ROI5 werden dann aus den Koordinaten xR, yR berechnet. Die Informationsbits des Binärbildes I5 können als eine Massenverteilung angesehen werden, deren Schwerpunkt und Massenträgheitsmoment bezogen auf die x-Achse und die y-Achse die Koordinaten des Zentrums und die Länge der Seiten des rechteckigen Bereiches ROT5 liefern, der die Informationsbits abdeckt.
In einem Vergleich bzw. einer Gegenüberstellung wird in dem ersten Bild I1 ein mobiler Bereich ROI1 mit denselben Abmessungen wie der zuvor berechnete interessierende Bereich ROI5, mit anderen Worten in dem in 7 dargestellten Beispiel mit der gleichen Breite LX entlang der x-Achse und der gleichen Höhe LH entlang der y-Achse festgelegt. Der Vergleich wird in der folgenden Ausführungsform zur Korrektur des zweiten Bildes I21 in 7 unter Verwendung einer affinen Transformation in Form einer starren Translation beschrieben. In diesem Fall behält der mobile Bereich ROI1 während der Verschiebungen des mobilen Bereiches ROI1 die gleichen Abmessungen wie der interessierende Bereich ROI5 bei. Dies wäre auch bei Verschiebungen durch eine Rotation des mobilen Bereiches ROI1 der Fall. Wenn die Verlagerung bzw. Ortsänderung des mobilen Bereiches ROI1 gemäß der affinen Transformation eine oder mehrere homothetische Transformationen beinhaltet, kann der mobile Bereich ROI1 vor der Lageänderung die gleichen Abmessungen wie der interessierende Bereich ROI5 aufweisen, und nach der Lageänderung können die Abmessungen verändert sein. Offensichtlich ist das Verfahren für alle der zweiten Bilder das gleiche.
Für jede Position des mobilen Bereiches ROI1 in dem ersten Bild I1 wird ein Ähnlichkeitskriterium IROI zwischen den in dem mobilen Bereich ROIl angeordneten Pixeln des ersten Bildes I1 und den in dem interessierenden Bereich ROI5, der in dem zweiten Bild I21 festgelegt ist und für den die Koordinaten xR, yR zuvor berechnet worden sind, angeordneten Pixeln berechnet. Ein Ähnlichkeitskriterium IROI ist z.B. die Interkorrelation zwischen dem mobilen Bereich ROIl und dem interessierenden Bereich ROI5, die ein Maximum durchläuft, wenn die Pixel in den beiden Bereichen im Hinblick auf die Helligkeitsniveaus identisch oder ähnlich sind.
Das Ähnlichkeitskriterium IROI kann auch eine Transinformation bzw. Mutual Information zwischen dem mobilen Bereich ROI1 und dem interessierenden Bereich ROI5 sein, die durch die Gleichungen gegeben ist: I = H (X) + H (Y) – H (XY),wobei
wobei X der mobile Bereich ROIl in dem ersten Bild I1 ist, Y der interessierende Bereich ROI5 in dem zweiten Bild ist, p(X) das Helligkeitsniveauhistogramm für den mobilen Bereich ROI1 in dem ersten Bild I1 darstellt, p(Y) das Helligkeitsniveauhistogramm für den interessierenden Bereich ROI5 in dem zweiten Bild I21 darstellt und p(X, Y) das kombinierte bzw. Verbundhistogramm der Helligkeitsniveaus für den mobilen Bereich ROIl in dem ersten Bild I1 und der Helligkeitsniveaus für den interessierenden Bereich ROI5 in dem zweiten Bild I21 darstellt. Die Transinformation I durchläuft ein Maximum, wenn die Position der Strukturen in dem mobilen Bereich ROI2 der Position der Strukturen in dem interessierenden Bereich ROI5 sehr ähnlich ist.
In dem Fall des Ähnlichkeitskriteriums IROI, das durch eine Interkorrelation zwischen ROI1 und ROI5 berechnet wird, werden die Pixel, die in dem interessierenden Bereich ROI5 des zweiten Bildes I21 den Informationsbits des binären Mapping-Bildes I5 entsprechen, durch Bits mit dem anderen Pegel, mit anderen Worten in dem in den Figuren dargestellten Beispiel durch Bits mit dem Pegel Null ersetzt. Durch die Definition fehlen Informationspixel wie die oben definierten in dem ersten Bild I1, und daher wird dafür Sorge getragen, dass das Interkorrelationsähnlichkeitskriterium IROI an zwei Bereichen ROI5 und ROIl berechnet wird, die so wenig unähnlich wie möglich sind.
In dem Fall des Ähnlichkeitskriteriums IROI aus einer Berechnung der Transinformation zwischen ROI1 und ROI5, sind die Pixel des interessierenden Bereiches ROI5 in dem zweiten Bild I21, die den Informationsbits in dem binären Mapping-Bild I5 entsprechen, durch Rauschen ersetzt.
Die Suche nach der Position des mobilen Bereiches ROI1 in dem ersten Bild, die das Ähnlichkeitskriterium IROI zu dem interessierenden Bereiches ROI5 in dem zweiten Bild I21 maximiert, wird z.B. durch sukzessive Ortsänderungen des mobilen Bereiches ROI1 in dem ersten Bild I1 von einer festgelegten Ausgangsposition x0, y0 aus vorgenommen.
Das Ähnlichkeitskriterium IROI zwischen dem an der Stelle x0, y0 initialisierten (in 7 in Kreuzschraffur gezeigten) mobilen Bereich ROIl in dem ersten Bild I1 und dem (in 7 in Kreuzschraffur gezeigten) interessierenden Bereich ROI5, der bei xR, yR festgelegt ist, in dem zweiten Bild I21 wird berechnet.
Das Verfahren testet den Wert des Ähnlichkeitskriteriums IROI für den mobilen Bereich ROI1, der von der Ausgangsposition x0, y0 aus in verschiedene sich schneidende Richtungen in dem ersten Bild I1 um ein bestimmtes Inkrement Δd verschoben wird. Diese Verschiebungen in 8 bestehen z.B. aus einer ersten horizontalen Verschiebung D1 um Δd nach rechts, einer zweiten diagonalen Verschiebung D2 um Δd nach rechts und Δd nach oben, einer dritten vertikalen Verschiebung D3 um Δd nach oben, einer vierten diagonalen Verschiebung D4 um Δd nach oben und Δd nach links, einer fünften horizontalen Verschiebung D5 um Δd nach links, einer sechsten diagonalen Verschiebung D6 um Δd nach links und Δd nach unten, einer siebten vertikalen Verschiebung D7 um Δd nach unten und einer achten diagonalen Verschiebung D8 um Δd nach rechts und Δd nach unten. Das Inkrement Δd kann z.B. so gewählt werden, dass es gleich einer ganzzahligen Anzahl von Pixeln, z.B. einer Potenz von zwei gleich 2^m ist, die kleiner oder gleich des halben maximalen Ausmaßes der erforderlichen Verschiebung ist.
Demnach werden acht Werte des Ähnlichkeitskriteriums IROI für die acht Verschiebungen D1 bis D8 für den mobilen Bereich ROIl berechnet, der entlang dieser Verschiebungen D1 bis D8 verschoben wurde.
Aus diesen Verschiebungen D1 bis D8 wird diejenige Verschiebung ausgewählt, die das Ähnlichkeitskriterium IROI zwischen dem Bereich ROI1, der in dem Bild I1 um diese Verschiebungen verschoben worden ist, und dem interessierenden Bereich ROI5, der in dem zweiten Bild I21 bei xR, yR festgelegt ist, maximiert. Die ausgewählte Verschiebung ist in 7 z.B. die Verschiebung D8. Der mobile Bereich ROIl wird dann in dem Bild I1 von der Ausgangsposition x0, y0 aus um die ausgewählte Verschiebung D8 verschoben, um die neue Position x1, y1 des mobilen Bereiches ROIl in dem ersten Bild I1 zu erreichen, die in 7 in gestrichelten Linien gezeigt ist.
Das Verfahren wird danach in 8 mit einem neuen Verschiebungsinkrement iteriert, das kleiner als das erste ist und z.B. verglichen mit dem ersten durch zwei dividiert worden ist, um ausgehend von der zuvor berechneten Position x1, y1 eine neue Verschiebung des mobilen Bereiches ROIl auszuwählen. In jeder folgenden Iteration wird überprüft, dass das Ähnlichkeitskriterium IROI für die ausgewählte Verschiebung größer oder gleich dem Ähnlichkeitskriterium IROI ist, das für die vorangegangene Verschiebung berechnet worden ist, um die Konvergenz zu garantieren.
Wenn das Inkrement kleiner als ein Pixel wird, wird ein gebrochener Anteil der Verschiebung berechnet. Dieser gebrochene Anteil kann z.B. durch eine Approximation der Position gefunden werden, die durch einen quadratischen Term in der Form T(x, y) = Ax2 + By2 + Cxy + Dx + Ey + F interpoliert wird. Die Funktion T ist für x und y mit ganzzahligen Werten der Pixel bekannt. Durch Auswahl einer gegebenen Umgebung, z.B. die acht Punkte in ganzzahligen Pixelkoordinaten um den bei der letzten Verschiebung erhaltenen Punkt herum, werden neun Gleichungen für nur sechs Unbekannte, die sechs Parameter A-F, erhalten. Eine Regression der kleinsten Fehlerquadrate wird vorgenommen, um die Werte der sechs Parameter A bis F zu approximieren, und das Maximum des quadratischen Terms wird bei den Koordinaten X_s, Y_s bestimmt, die durch die folgenden Gleichungen gegeben sind: Xs = (–2BD + CE)/(4AB – C2 und Ys = (–2AE + CD)/(4AB – C2)
In 9 ist das ROIl bezogen auf die (in gestrichelten Linien gezeigte) Ausgangsposition x0, y0 in dem ersten Bild I1 gleich der Summe der während des Verfahrens ausgewählten Verschiebungen, mit anderen Worten, gleich der Summe der ausgewählten ganzzahligen Verschiebungen (einschließlich D8 in dem vorangegangenen Beispiel) und der berechneten gebrochenzahligen Verschiebung X_s, Y_s, wobei diese Verschiebungen durch die Pfeile in 8 gezeigt sind. Die Koordinaten (xopt, yopt) des um diese Verschiebung Dopt verschobenen mobilen Bereiches ROIl in dem ersten Bild I1 werden danach berechnet, wobei diese Koordinaten (xopt, yopt) daher der Position des mobilen Bereiches ROI1 in dem ersten Bild I1 entsprechen, die das Ähnlichkeitskriterium IROI zu dem interessierenden Bereich ROI5 in dem zweiten Bild I21 maximiert.
Das Verfahren berechnet für das zweite Bild I21 die Korrektur (xCor, yCor), die an dem ersten Bild I1 als eine Verschiebung vorzunehmen ist, die im Fall einer Lageänderung durch Translation für das gesamte erste Bild I1 gleichförmig ist, und die gleich der Verschiebung des mobilen Bereiches ROI1 ausgehend von seiner Position (xopt, yopt), die das Ähnlichkeitskriterium IROI maximiert, zu den Koordinaten (xR, yR) des interessierenden Bereiches ROI5 ist, mit anderen Worten eine affine Verschiebungstransformation (xCor, yCor), die in dem obigen Beispiel formal gleich dem Vektor (xopt, yopt) → (xR, yR): XCor = xR – xopt und YCor = yR – yopt. Der errechnete Wert für diese Verschiebung (xCor, yCor) liefert eine Berechnung bzw. Abschätzung für die optimale Verschiebung des ersten Bildes I1 bezogen auf das zweite Bild I21, und es ist beabsichtigt, sie auf das gesamte erste Bild I1 anzuwenden, um das auf diese Weise durch die Verschiebung (xCor, yCor) verschobene Bild I1 während des Korrekturschrittes dieses zweiten Bildes I21 von dem zweiten Bild I21 zu subtrahieren.
In einer Ausführungsform wird die berechnete optimale Verschiebung (xCor, yCor) von dem ersten Bild I1 für das zweite Bild I21 während des Korrekturschrittes direkt auf das erste Bild I1 angewandt, um ein erstes verschobenes Bild I1rec zu erhalten, das in 10 in durchgezogenen Linien gezeigt ist, in der das unverschobene erste Bild I1 in gestrichelten Linien gezeigt ist. Das um die optimale Verschiebung (xCor, YCor) verschobene erste Bild I1rec wird von dem zweiten Bild I21 subtrahiert.
In einer anderen Ausführungsform wird die Korrektur nur ausgeführt, wenn der Vergleich bzw. die Bilanz: Verbesserung des Ähnlichkeitskriteriums in dem interessierenden Bereich + Verschlechterung des Ähnlichkeitskriteriums au ßerhalb des interessierenden Bereiches positiv ist. Der Wert des Ähnlichkeitskriteriums zwischen dem ersten Bild I1rec, das um die optimale Verschiebung (xCor, yCor) verschoben worden ist, die oben berechnet worden ist, und dem zweiten Bild I21 wird untersucht. Genauer wird der Wert des Ähnlichkeitskriteriums JROI zwischen den Pixeln des interessierenden Bereiches ROI5, der bei den Koordinaten xR, yR festgelegt ist, in dem verschobenen ersten Bild I1rec und den Pixeln des interessierenden Bereiches ROI5 in dem zweiten Bild berechnet. Der Wert eines ersten externen Ähnlichkeitskriteriums JROI-EXT zwischen den Pixeln des verschobenen ersten Bildes I1rec, die außerhalb des interessierenden Bereiches ROI in diesem verschobenen ersten Bild I1rec angeordnet sind, und den Pixeln des zweiten Bildes I21, die außerhalb des interessierenden Bereiches ROI5 angeordnet sind, wird ebenfalls berechnet. Das Ähnlichkeitskriterium JROI des verschobenen ersten Bildes I1rec ist demnach größer als das Ähnlichkeitskriterium IROI, das zwischen dem mobilen Bereich ROI1, der nicht um die optimale Verschiebung Dopt verschoben worden ist, in dem ersten Bild I1 und dem interessierenden Bereich ROI5 in dem zweiten Bild I21 berechnet worden ist.
Der Wert des ersten externen Ähnlichkeitskriteriums JROI-EXT wird mit dem Wert des zweiten externen Ähnlichkeitskriteriums IROI5-EXT verglichen, das zwischen den in dem unverschobenen ersten Bild I1 außerhalb des interessierenden Bereiches ROI5, der an seinen Koordinaten xR, yR festgelegt ist, angeordneten Pixeln und den Pixeln des zweiten Bildes I21, die außerhalb desselben interessierenden Bereiches ROI5 angeordnet sind, berechnet wird. Wenn der Test zeigt, dass das erste externe Kriterium JROI-EXT kleiner als das zweite externe Kriterium IROI5-EXT ist, was der Tatsache entspricht, dass das Maskenbild I1rec, das um (xCor, yCor) verschoben worden ist, außerhalb des interessierenden Bereiches ROI5 stärker verschlechtert worden ist, als es vor der Verschiebung (xCor, yCor) war, wird die Korrektur (xCor, yCor) nicht auf das erste Bild I1 angewandt, und die Subtraktion wird zwischen dem zweiten Bild I21 und dem unverschobenen ersten Bild I1 durchgeführt.
Wenn andererseits das erste externe Kriterium JROI-EXT größer oder gleich dem zweiten externen Kriterium IROI5-EXT ist, wird die Verschiebung des ersten Bildes I1 um die zuvor berechnete Verschiebung (xCor, yCor) durchgeführt, und die Subtraktion wird zwischen dem zweiten Bild I21 und dem verschobenen ersten Bild I1rec vorgenommen.
Als eine Variante wird die optimale Verschiebung Dopt des mobilen Bereiches ROIl mit jedem der beiden oben genannten Ähnlichkeitskriterien IROI berechnet, und die Verschiebung Dopt, die die beste Verringerung der Artefakte liefert, wird ausgewählt, wie es durch eine Verbesserung der globalen und lokalen Transinformation JROI-EXT und JROI gemessen wird.
In einer weiteren Ausführungsform kann die Suche der optimalen Position (xopt, yopt) für den mobilen Bereich ROI5, die das Ähnlichkeitskriterium zu dem interessierenden Bereich ROI1 maximiert, zusätzlich zu oder anstelle von den Translationen Δd durch Einbeziehung eines sukzessiven Rotationsinkrementes Δθ oder eines sukzessiven homothetischen Inkrementes Δα (Vergrößerung oder Verkleinerung) in die optimale Verschiebung Dopt vorgenommen werden, wobei diese Inkremente in einer Weise iteriert werden, die zu der bei den vorangegangen Ausführungsbeispielen beschriebenen ana log ist. In diesem Fall kann die Korrektur (xCor, yCor) eine affine Verschiebungstransformation (xCor, yCor) sein, die wenigstens eine Drehung und/oder wenigstens eine homothetische Transformation und/oder wenigstens eine Translation enthält.
Die Expansionsverbesserungsfunktion (EXP-LUT) kann auf das Bild I21 angewandt werden, von dem das Bild I1rec oder I1 subtrahiert oder nicht subtrahiert worden ist.
Eine Ausführungsform der Erfindung schafft demnach Mittel zur zufriedenstellenden Einstellung bzw. Ausrichtung des ersten Maskenbildes auf jedem Kontrasterkennungsbild, wenn entschieden wird, das erste Maskenbild zu bewegen, ohne Verformungen infolge der unterschiedlichen Verschiebungen der Markierungen auf dem Maskenbild zu zeigen, die in US 5 048 103 berücksichtigt werden. In US 5 048 103 zeigen die verschiedenen Verformungen, die auf die unterschiedlichen Teile des Bildes angewandt werden, störende Diskontinuitäten in dem wiedergegebenen Subtraktionsbild. Wenn entschieden wird, das erste Maskenbild zu bewegen, kann die Ausführungsform der vorliegenden Erfindung andererseits verwendet werden, um eine automatische und optimale Verschiebung des ersten Bildes an jedem der zweiten Bilder vorzunehmen, was ein wesentlich schnelleres Subtraktionsbild liefert, als es durch eine manuelle Verschiebung oder eine automatische Verschiebung, wie sie in US 5 048 103 beschrieben worden ist, erhalten werden kann.
Die berechnete Korrektur kann eine beliebige affine Verformung bzw. Funktion sein, die eine oder mehrere Translationen, eine oder mehrere Rotationen, eine oder mehrere homothetische Transformationen oder Kombinationen dieser Transformationen enthält.
Die Ausführungsbeispiele der Erfindung können eine oder mehrere der folgenden Eigenschaften aufweisen: (1) Eine Suche nach der Position für den mobilen Bereich in dem ersten Maskenbild wird für jedes der zweiten Kontrastbilder durchgeführt, indem in dem ersten Maskenbild nach der Position des mobilen Bereiches mit den gleichen Abmessungen wie dem interessierenden Bereich gesucht wird, die ein Ähnlichkeitskriterium maximiert, das zwischen den Pixeln in dem interessierenden Bereich, der an seinen Koordinaten festgelegt ist, in dem zweiten Kontrastbild und den Pixeln in dem mobilen Bereich, der in dem ersten Maskenbild bewegt wird, berechnet wird, (2) die errechnete Korrektur, die an dem ersten Maskenbild verglichen mit jedem der zweiten Kontrastbilder vorzunehmen ist, ist eine errechnete Verschiebung gleich der Lageänderung des mobilen Bereiches von seiner gefundenen Position, die das Ähnlichkeitskriterium maximiert, zu den Koordinaten des interessierenden Bereiches, (3) die Erkennung der Informationspixel in den n zweiten digitalen Kontrastbildern enthält das Subtrahieren der Pixel in dem ersten Maskenbild von den Pixeln in den n zweiten digitalen Kontrastbildern, um eine Mehrzahl von n dritten Bildern zu erhalten und die Pixel mit dem niedrigsten oder dem höchsten Helligkeitsniveau unter den Pixeln in den n gewonnenen dritten Bildern auszuwählen, um ein viertes Mapping-Kontrastbild zu erhalten und einen Schwellenwert auf die Helligkeitsniveaus der Pixel in dem vierten Mapping-Kontrastbild anzuwenden, wobei die Helligkeitsniveaus jeweils unter oder über einem gegebenen Schwellenwert liegen, um das binäre Mapping-Bild zu erhalten, (4) die Verteilung der Helligkeitsniveaus der Pixel in dem vierten Mapping-Kontrastbild wird in eine Linearkombination von Gaußverteilungen zerlegt, von denen die Gaußverteilungskomponente, die dem Rauschen entspricht, die auf dem gleichförmigen Hintergrund gleich Null zentriert ist, subtrahiert wird, um die globale durchschnittliche Verteilung des Kontrastes an den verbleibenden Komponenten zu berechnen, (5) der Schwellenwert wird so berechnet, dass er größer als der Mittelwert der globalen Durchschnittsverteilung des Kontrastes ist, (6) der Schwellenwert wird so berechnet, dass er gleich der Summe des Mittelwertes und der Standardabweichung der globalen Durchschnittsverteilung des Kontrastes ist, (7) eine Helligkeitsniveauumwandlungsfunktion, die zwischen einem unteren Helligkeitsniveauschwellenwert und einem oberen Helligkeitsniveauschwellenwert gilt, wird auf die zweiten korrigierten digitalen Kontrastbilder angewandt, (8) der untere Helligkeitsniveauschwellenwert wird zu μ_g – Z.σ_g berechnet, wobei 3 ≤ Z ≤ 4, oder entsprechend wird der obere Helligkeitsniveauschwellenwert zu μ_g + Z.σ_g berechnet, wobei 3 ≤ Z ≤ 4, wobei μ_g der Mittelwert der globalen durchschnittlichen Kontrastverteilung und σ_g die Standardabweichung der globalen durchschnittlichen Kontrastverteilung ist, (9) die Erkennung der Informationspixel in den n zweiten digitalen Kontrastbildern wird an der Menge der ersten Bilder und der zweiten Bilder durchgeführt, von denen ein spezielles Kollimatormodell subtrahiert worden ist, wenn ein solches spezielles Kollimatormodell während eines vorangegangenen Schrittes zur Erkennung der Position von wenigstens einem speziellen Kollimatormodell in dem ersten Bild und den zweiten Bildern erkannt worden ist, (10) für jedes der zweiten digitalen Kontrastbilder wird die berechnete affine Verschiebungstransformation auf alle Pixel in dem ersten Bild angewandt, um ein verschobenes erstes Bild zu erhalten, das von dem zweiten digitalen Kontrastbild subtrahiert wird, um ein korrigiertes zweites Bild zu erhalten, (11) oder für jedes der zweiten digitalen Kontrastbilder wird der Wert eines ersten Ähnlichkeitskriteriums zwischen den Pixeln in dem ersten durch die berechnete affine Verschiebungstransformation umgeformten ersten Bild, die außerhalb des interessierenden Bereiches in diesem ersten umgeformten Bild angeordnet sind, und den Pixeln in dem zweiten digitalen Kontrastbild, die außerhalb des interessierenden Bereiches angeordnet sind, berechnet, (12) der Wert eines zweiten Ähnlichkeitskriteriums wird zwischen den Pixeln in dem ersten Bild, die außerhalb des interessierenden Bereiches in dem ersten Bild liegen, und den Pixeln in dem zweiten digitalen Kontrastbild, die außerhalb des interessierenden Bereiches liegen, berechnet, (13) und das erste Bild, das durch die berechnete affine Verschiebungstransformation als Ganzes umgeformt worden ist, wird von dem zweiten digitalen Kontrastbild subtrahiert, um ein zweites korrigiertes Bild zu erhalten, wenn das erste berechnete Ähnlichkeitskriterium größer oder gleich dem zweiten berechneten Ähnlichkeitskriterium ist, und das erste Bild wird von dem zweiten digitalen Kontrastbild subtrahiert, um ein zweites korrigiertes Bild zu erhalten, wenn das erste berechnete Ähnlichkeitskriterium kleiner als das zweite berechnete Ähnlichkeitskriterium ist, (14) das Ähnlichkeitskriterium ist die Interkorrelation oder die Transinformation, (15) das Ähnlichkeitskriterium enthält die Interkorrelation, die zwischen den Pixeln in dem mobilen Bereich, der durch eine affine Transformation in dem ersten Maskenbild verschoben worden ist, und den Pixeln, die in dem interessierenden Bereich angeornet sind, der an seinen Koordinaten festgelegt ist, in dem zweiten Bild berechnet wird, von dem die Pixel, die zu den Informationsbits des binären Mapping-Bildes gehören, zu Null ge setzt werden, (16) oder das Ähnlichkeitskriterium enthält eine Transinformation, die zwischen den Pixeln in dem mobilen Bereich, der durch eine affine Transformation in dem ersten Maskenbild verschoben worden ist, und den Pixeln, die in dem an seinen Koordinaten festgelegten interessierenden Bereich in dem zweiten Bild angeordnet sind, berechnet wird, von dem die Pixel, die den Informationsbits des binären Mapping-Bildes entsprechen, durch Rauschen ersetzt sind.
Ein Verfahren und eine Vorrichtung zur automatischen Berechnung einer Korrektur, die an einem Bild I1 vorzunehmen ist, das mit Bezug auf eine Sequenz von Bildern I21 umgeformt worden ist, werden geschaffen. Das Verfahren enthält das Erkennen von Informationspixeln in den Bildern I21; die Berechnung eines interessierenden Bereiches ROI5, der in dem binären Mapping-Bild I5 angeordnet ist, das aus den Bildern I21 erstellt wird; für jedes Bild I21 die Suche nach der Position eines mobilen Bereiches ROI in dem Bild I1, die ein Ähnlichkeitskriterium IROI zu dem Bereich ROI5 maximiert; und die errechnete Korrektur, die an dem Bild I1 vorzunehmen ist, wird mit jedem einzelnen Bild I21 verglichen, das die affine Transformation des mobilen Bereiches ROI1 ist, der sich von seiner gefundenen Position aus bewegt, an der das Ähnlichkeitskriterium IROI zu dem Bereich ROI5 maximiert wird. Die Korrektur wird nur durchgeführt, wenn die Bilanz aus der Verbesserung des Ähnlichkeitskriteriums in dem interessierenden Bereich und der Verschlechterung des Ähnlichkeitskriteriums außerhalb des interessierenden Bereiches positiv ist.
Während ein Ausführungsbeispiel der Erfindung unter Bezug auf beispielhafte Ausführungsformen beschrieben wor den ist, wird von Fachleuten weiterhin erkannt, dass vielfältige Änderungen an der Funktion und/oder dem Weg und/oder dem Ergebnis vorgenommen und Äquivalente für die Elemente derselben eingesetzt werden können, ohne von dem Bereich und Umfang der Erfindung abzuweichen. Weiterhin können zahlreiche Abwandlungen vorgenommen werden, um eine bestimmte Situation oder ein bestimmtes Material an die Lehren der Erfindung anzupassen, ohne von dem wesentlichen Bereich derselben abzuweichen. Daher ist es beabsichtigt, dass die Erfindung nicht auf ein bestimmtes Ausführungsbeispiel beschränkt ist, das zur Ausführung dieser Erfindung offenbart wird, sondern dass die Erfindung alle Ausführungsformen einschließt, die in den Bereich der beigefügten Ansprüche fallen. Darüber hinaus bezeichnet die Verwendung der Ausdrücke erster, zweiter etc. oder von Schritten keine Reihenfolge oder Wichtigkeit, sondern die Ausdrücke erster, zweiter etc. oder Schritte werden verwendet, um ein Element oder Merkmal von einem anderen zu unterscheiden. Darüber hinaus bezeichnet die Verwendung der Ausdrücke ein, eine etc. keine Beschränkung der Anzahl, sondern vielmehr das Vorhandensein von wenigstens einem der bezeichneten Elemente oder Merkmale.

10: Hintergrundstrukturen
20: Blutgefäßsystem
I1: Maskenbild
I21: Bild
I22: Bild
I23: Bild
P: Kontrastmittel
I31: Bild
I32: Bild
I33: Bild
PO: Mapping-Kontrastbild
I5: Binäres Mapping-Bild
H1: Histogramm für die Verteilung der Helligkeitsniveaus
: in dem Mapping-Kontrastbild
H2: Histogramm für die Verteilung der Helligkeitsniveaus
: des Rauschens und des Kontrastmittels in dem Mapping-
: Kontrastbild
μ: Mittelwert der Verteilung der Helligkeitsniveaus in
: dem Mapping-Kontrastbild
μ₁: Mittelwert des Rauschens in der Verteilung der Hellig
: keitsniveaus in dem Mapping-Kontrastbild
σ₁: Standardabweichung des Rauschens in der Verteilung der
: Helligkeitsniveaus in dem Mapping-Kontrastbild
μ₂: Mittelwert des Kontrastmittels in der Verteilung der
: Helligkeitsniveaus in dem Mapping-Kontrastbild
σ₂:: Standardabweichung des Kontrastmittels in der Vertei
: lung der Helligkeitsniveaus in dem Mapping-Kontrast
: bild,
LSL: Unterer Helligkeitsschwellenwert
USL: Oberer Helligkeitsschwellenwert,
EXP-LUT: Expansionsverbesserungsfunktion
L: Linearer Teil der Expansionsverbesserungsfunktion
B: Niveau bei Nulleingabe
ROI5: Interessierender Bereich
xR, yR: Koordinaten des interessierenden Bereiches in dem
: binären Mappingbild
LX: Breite des interessierenden Bereiches
LH: Höhe des interessierenden Bereiches
ROI1: Mobiler Bereich
x0, y0: Ausgangsposition des mobilen Bereiches
x1, y1: Neue Position des mobilen Bereiches
D1: Erste horizontale Verschiebung nach rechts
D2: Zweite diagonale Verschiebung nach rechts und
: nach oben
D3: Dritte vertikale Verschiebung nach oben
D4: Vierte diagonale Verschiebung nach oben und nach
: links
D5: Fünfte horizontale Verschiebung nach links
D6: Sechste diagonale Verschiebung nach links und
: nach unten
D7: Siebte vertikale Verschiebung nach unten
D8: Achte diagonale Verschiebung nach rechts und nach
: unten
Δd: Inkrement der Verschiebung
Xs, Ys: Gebrochenzahlige Verschiebung
IROI: Ähnlichkeitskriterium zwischen den Pixeln, die in
: dem mobilen Bereich angeordnet sind, und den Pi
: xeln, die in dem interessierenden Bereich ange
: ordnet sind
Dopt: Optimale Verschiebung des mobilen Bereiches
xopt, yopt: Koordinaten des mobilen Bereiches, der um die
: optimale Verschiebung verschoben worden ist
xCor, yCor: Verschiebung
I1rec: Verschobenes Bild
JROI: Ähnlichkeitskriterium zwischen den Pixeln des
: interessierenden Bereiches in dem verschobenen
: Bild und den Pixeln des interessierenden Berei
: ches
JROI-EXT: Erstes externes Ähnlichkeitskriterium
IROI5-EXT: Zweites externes Ähnlichkeitskriterium

Claims

Verfahren zur Korrektur eines Bildes, wobei das Verfahren aufweist: Erstellung eines ersten digitalen Maskenbildes (I1), das im Bezug auf eine Sequenz von n zweiten digitalen Kontrastbilder (I21, I22, I23) umgeformt wird, in denen Informationen (P) durch Pixel mit einem niedrigeren oder höheren Helligkeitsniveau verglichen mit einem Hintergrund (10) dargestellt sind, Erkennen der Informationspixel in den n zweiten digitalen Kontrastbildern (I21, I22, I23), von denen das erste Bild (I1) subtrahiert worden ist, um ein binäres Mappingbild (I5) zu erhalten, in dem die Informationsbits auf einem ersten vorbestimmten Niveau Informationspixeln von wenigstens einem der zweiten Bilder (I21, I22, I23) entsprechen und für das die Bits auf einem anderem Niveau nicht Informationspixeln in den zweiten Bildern (I21, I22, I23) entsprechen, Berechnen der Koordinaten (xR, yR) eines interessierenden Bereiches (ROI5), der in dem binären Mapping-Bild (I5) angeordnet ist und wenigstens teilweise die Informationsbits in diesem Bild abdeckt, für jedes der zweiten Kontrastbilder (I21, I22, I23) Suche in dem ersten Maskenbild (I1) nach der Position (xopt, yopt) eines affinen mobilen Bereiches (ROI1) des interessierenden Bereiches (ROI5), die ein Ähnlichkeitskriterium (IROI) maximiert, das zwischen den Pixeln in dem interessierenden Bereich (ROI5), der an seinen Koordinaten (xR, yR) festgelegt ist, in dem zweiten Kontrastbild (I21, I22, I23) und den Pixeln in dem mobilen Bereich (ROI1), der um die affine Transformation verschoben worden ist, in dem ersten Maskenbild (I1) berechnet wird, und Bestimmen der an dem ersten Maskenbild (I1) vorzunehmenden Korrektur im Vergleich zu jedem der zweiten Kontrastbilder (I21, I22, I23), die die berechnete affine Verschiebungstransformation ist, die eine Bewegung des mobilen Bereiches (ROI) von seiner gefundenen Position (xopt, yopt), an der das Ähnlichkeitskriterium (IROI) maximiert wird, zu den Koordinaten (xR, yR) des interessierenden Bereiches (ROI5) bewirkt.
Verfahren nach Anspruch 1, bei dem die Suche nach der Position (xopt, yopt) des mobilen Bereiches (ROI1) in dem ersten Maskenbild (I1) für jedes der zweiten Kontrastbilder (I21, I22, I23) enthält: Suchen in dem ersten Maskenbild (I1) nach der Position (xopt, yopt) des mobilen Bereiches (ROI1) mit denselben Abmessungen wie der interessierende Bereich (ROI5), die ein Ähnlichkeitskriterium (IROI) maximiert, das zwischen den Pixeln in dem interessierenden Bereich (ROI5), der an seinen Koordinaten (xR, yR) festgelegt ist, in dem zweiten Kontrastbild (I21, I22, I23) und den Pixeln in dem mobilen Bereich (ROI1), die in dem ersten Maskenbild (I1) bewegt werden, berechnet wird, und die errechnete Korrektur, die verglichen mit jedem der zweiten Kontrastbilder (I21, I22, I23) an dem ersten Maskenbild (I1) vorzunehmen ist, eine berechnete Verschiebung (xCor, yCor) ist, die gleich der Verschiebung des mobilen Bereiches (ROI) von seiner gefundenen Position (xopt, yopt) aus, die das Ähnlichkeitskriterium (IROI) maximiert, zu den Koordinaten (xR, yR) des interessierenden Bereiches (ROI5) ist.
Verfahren nach einem der Ansprüche 1 oder 2, bei dem die Erkennung der Informationspixel in den n zweiten digitalen Kontrastbildern (I21, I22, I23) enthält: Subtrahieren von Pixeln in dem ersten Maskenbild (I1) von Pixeln in den n zweiten digitalen Kontrastbildern (I21, I22, I23), um eine Mehrzahl von n dritten Bildern (I31, I32, I33) zu erhalten, Auswählen der Pixel mit dem niedrigsten oder dem höchsten Helligkeitsniveau unter den Pixeln in den erhaltenen n dritten Bildern (I31, I32, I33), um ein viertes Mapping-Kontrastbild (PO) zu erhalten, und Anwenden eines Schwellenwertes des Helligkeitsniveaus auf die Pixel in dem vierten Mapping-Kontrastbild (PO), die jeweils unter bzw. über einem gegebenen Schwellenwert liegen, um ein binäres Mapping-Bild (I5) zu erhalten.
Verfahren nach Anspruch 3, bei dem die Verteilung der Helligkeitsniveaus der Pixel in dem vierten Mapping-Kontrastbild (PO) in eine Linearkombination von Gaußverteilungen (p_k.N (m_k, σk)) zerlegt wird, von denen die Gaußverteilungskomponente (p₁.N (m₁, σ₁)), die dem Rauschen entspricht, das auf dem gleichförmigen Hintergrund bei Null zentriert ist, subtrahiert wird, um die globale durchschnittliche Verteilung (g(x)) des Kontrastes der verbleibenden Komponenten zu berechnen, und bei dem der Schwellenwert so berechnet wird, dass er größer als der Mittelwert (μ_g) der globalen durchschnittlichen Verteilung (g(x)) des Kontrastes ist.
Verfahren nach Anspruch 4, bei dem der Schwellenwert so berechnet wird, dass er gleich der Summe des Mittelwertes (μ_g) und der Standardabweichung (σ_g) der globalen durchschnittlichen Verteilung (g(x)) des Kontrastes ist.
Verfahren nach einem der Ansprüche 4 oder 5, bei dem eine Helligkeitsniveauumwandlungsfunktion (EXP-LUT), die zwischen einem unteren Helligkeitsniveauschwellenwert (LSL) und einem oberen Helligkeitsniveauschwellenwert (USL) gilt, auf die zweiten korrigierten digitalen Kontrastbilder (I21, I22, I23) angewandt wird.
Verfahren nach Anspruch 6, bei dem der untere Helligkeitsniveauschwellenwert (LSL) gleich μ_g – Z.σ_g berechnet wird, wobei 3 ≤ Z ≤ 4, oder der obere Helligkeitsniveauschwellenwert zu (USL) gleich μ_g + Z.σ_g berechnet wird, wobei 3 ≤ Z ≤ 4, wobei (μ_g) der Mittelwert der globalen durchschnittlichen Kontrastverteilung (g(x)) ist und (σg) die Standardabweichung der globalen durchschnittlichen Kontrastverteilung (g(x)) ist.
Verfahren nach einem der Ansprüche 1 bis 7, bei dem die Erkennung der Informationspixel in den n zweiten digitalen Kontrastbildern (I21, I22, I23) an einer Menge aus dem ersten Bild (I1) und den zweiten Bildern (I21, I22, I23) ausgeführt wird, von denen ein spezielles Kollimatormodell subtrahiert worden ist, wenn ein solches spezielles Kollimatormodell während eines vorangegangenen Schrittes erkannt worden ist, um die Position wenigstens eines speziellen Kollimatormodells in dem ersten Bild (I1) und den zweiten Bildern (I21, I22, I23) zu erkennen.
Verfahren nach einem der Ansprüche 1 bis 8, bei dem für jedes der zweiten digitalen Kontrastbilder (I21, I22, I23) die berechnete affine Verschiebungstransformation (xCor, yCor) auf alle Pixel in dem ersten Bild (I1) angewandt wird, um ein erstes verschobenes Bild (I1rec) zu erhalten, das von dem zweiten digitalen Kontrastbild (I21, I22, I23) subtrahiert wird, um ein zweites korrigiertes Bild (I21, I22, I23) zu erhalten.
Verfahren nach einem der Ansprüche 1 bis 8, bei dem für jedes der zweiten digitalen Kontrastbilder (I21, I22, I23) der Wert eines ersten Ähnlichkeitskriteriums (JROI-EXT) zwischen den Pixeln in dem ersten Bild (I1rec), das durch die berechnete affine Verschiebungstransformation (xCor, yCor) umgeformt worden ist, die außerhalb des interessierenden Bereiches (ROT5) in diesem ersten umgeformten Bild (I1rec) angeordnet sind, und den Pixeln in dem zweiten digitalen Kontrastbild (I21, I22, I23), die außerhalb des interessierenden Bereiches (ROI5) angeordnet sind, berechnet wird, wobei der Wert eines zweiten Ähnlichkeitskriteriums (IROI5-EXT) zwischen den Pixeln in dem ersten Bild (I1), die außerhalb des interessierenden Bereiches (ROI5) in dem ersten Bild (I1) angeordnet sind, und den Pixeln in dem zweiten digitalen Kontrastbild (I21, I22, I23), die außerhalb des interessierenden Bereiches (ROI5) angeordnet sind, berechnet wird, wobei das erste Bild (I1rec), das durch die berechnete affine Verschiebungstransformation (xCor, yCor) als Ganzes umgeformt worden ist, von dem zweiten digitalen Kontrastbild (I21, I22, I23) subtrahiert wird, um ein zweites korrigiertes Bild (I21, I22, I23) zu erhalten, wenn das erste berechnete Ähnlichkeitskriterium (JROI-EXT) größer oder gleich dem zweiten berechneten Ähnlichkeitskriterium (IROI5-EXT) ist, und wobei das erste Bild (I1rec) von dem zweiten digitalen Kontrastbild (I21, I22, I23) subtrahiert wird, um ein zweites korrigiertes Bild (I21, I22, I23) zu erhalten, wenn das erste berechnete Ähnlichkeitskriterium (JROI-EXT) kleiner als das zweite berechnete Ähnlichkeitskriterium (IROI5-EXT) ist.
verfahren nach einem der Ansprüche 1 bis 10, bei dem das Ähnlichkeitskriterium (IROI, JROI, JROI-EXT, IROI5-EXT) die Interkorrelation oder die Transinformation ist.
Verfahren nach einem der Ansprüche 1 bis 11, bei dem das Ähnlichkeitskriterium (IROI) die Interkorrelation enthält, die zwischen den Pixeln in dem mobilen Bereich (ROI), der durch eine affine Transformation in dem ersten Maskenbild (I1) verlagert worden ist, und den Pixeln, die in dem interessierenden Bereich (ROI) angeordnet sind, der an seinen Koordinaten (xR, yR) festgelegt ist, in dem zweiten Kontrastbild (I21, I22, I23) berechnet wird, von denen die Pixel, die zu den Informationsbits des binären Mapping-Bildes (I5) gehören, zu Null gesetzt werden.
Verfahren nach einem der Ansprüche 1 bis 12, bei dem das Ähnlichkeitskriterium (IROI) die Transinformation enthält, die zwischen den Pixeln in dem mobilen Bereich (ROI1), der durch eine aphine Transformation in dem ersten Maskenbild (I1) verlagert worden ist, und den Pixeln, die in dem an seinen Koordinaten (xR, yR) festgelegten interessierenden Bereich (ROI5) angeordnet sind, in dem zweiten Kontrastbild (I21, I22, I23) berechnet wird, von denen die Pixel, die zu den Informationsbits des binären Mapping-Bildes (I5) gehören, durch Rauschen ersetzt sind.
Radiologisches Gerät, das aufweist: eine Quelle für ausgesandte Strahlung bildende Mittel, Mittel zur Bildakquisition, die den eine Quelle für ausgesandte Strahlung bildenden Mittel gegenüberliegend angeordnet sind, Mittel zur Positionierung eines Objektes, zwischen den eine Quelle für ausgesandte Strahlung bildenden Mitteln und den Mitteln zur Bildakquisition, und Mittel, um das Gerät zur Korrektur eines akquirierten Bildes zu veranlassen, wobei es die Mittel zum Veranlassen enthalten, dass das Verfahren nach einem der Ansprüche 1 bis 13 zur Anwendung gebracht wird.
Computerprogramm, dass Programmcodemittel zur Implementierung des Verfahrens nach einem der Ansprüche 1 bis 13 enthält, wenn das Programm auf einem Computer läuft.
Computerprogrammprodukt, das ein computernutzbares Medium aufweist, das computerlesbare Programmcodemittel enthält, die in dem Medium verkörpert sind, wobei die computerlesbaren Programmcodemittel das Verfahren nach einem der Ansprüche 1 bis 13 implementieren.
Erzeugnis zur Verwendung mit einem Computersystem, wobei das Erzeugnis ein computerlesbares Medium enthält, das in dem Medium verkörperte, computerlesbare Programmcodemittel enthält, wobei die Programmcodemittel das Verfahren nach einem der Ansprüche 1 bis 13 implementieren.
Programmspeichervorrichtung, die von einer Maschine lesbar ist und ein Programm von Anweisungen greifbar verkörpert, das von einer Maschine ausführbar ist, um das Verfahren nach einem der Ansprüche 1 bis 13 durchzuführen, wobei das Programm von Anweisungen in einem Medium verkörpert ist.