CN100353378C - 从图像中减少噪声的图像处理设备 - Google Patents

Abstract

提供了一种图像处理设备，用于从由数字图像数据组成的源图像中减少噪声。该设备包括一个信息计算器，一个平滑图像生成器，一个加权因子计算器，和一个权重加法器。该信息计算器计算关于像素值变化的信息，表示源图像上平均每个给定区域像素值随着空间变化而变大的程度。平滑图像生成器通过平滑源图像而生成一幅平滑的图像。加权因子计算器计算取决于有关像素值变化的计算信息的加权因子。权重加法器使用加权因子与源图像或从源图像调制得到的图像和生成的平滑图像互相地执行加权计算。

Description

从图像中减少噪声的图像处理设备

技术领域

本发明涉及一种图像处理器和一种减少图像中的噪声的图像处理方法，特别地，涉及一种图像处理器和一种减少各种数字图像、例如由医疗器械获得的医学数字图像中的噪声的图像处理方法。

背景技术

通常，不同类型的噪声混合在基于自然事件获得的图像中。这种噪声常被给予一类统一的名称，叫做图像噪声。对于高质量图像来说，如何消除或减少图像噪声总是作为一项重要的技术课题。

特别地，主要由高频信号分量组成的图像噪声常常存在于图像中。在这种图像中，图像噪声在高能见度和更高密度分辨率的条件下查看图像中作为目标的结构对象(例如在医学图像中，对象为骨头部分)时频繁地成为障碍。也就是说，能见度和密度分辨率被严重地恶化。例如，在查看一幅医学图像时，能见度和/或密度分辨率中的恶化使得难以发现软组织中的肿瘤。

在减少图像噪声时，已知有使用平滑滤波器的技术，利用噪声内在统计特性的技术，以及在频域上调节增益的技术。

然而，当前的形势是上述的图像噪声减少技术仍然难以实现令人满意的噪声减少。

例如，在采用平滑滤波器的技术的情况下，可能消除或减少由高频分量组成的图像噪声，但却引起了空间分辨率也被降低这一难题。这归咎于这个事实，即图像中包括许多高频分量的区域，例如结构对象的边界，也被平滑化。简单说也就是图像变“模糊”了，这导致了与噪声减少效果相矛盾的情况。

更进一步地，使用噪声统计特性面临的问题是难以预先检测统计特性，也难以执行实时的噪声减少处理。在另一方面，在频域上调节增益的技术难以选择性地仅仅消除噪声。该难题容易导致滤波图像中人为因素的出现。

发明内容

本发明是考虑到前述的难题而创造的，本发明的目的是提供一种图像，其通过完全消除或减少主要由高频分量组成的图像噪声，以及通过以确定的方式保持关于观察图像时重要区域的像素值信息，其中所述重要区域是指结构对象的边界或其它并且包含大量高频分量，从而使该图像总体上噪声更少并且观察对象(例如结构对象)能见度和密度分辨率更高。

为了实现上述的目的，作为本发明的一个特征，提供了一种图像处理设备，用于减少来源于由数字图像数据组成的源图像的噪声。该设备包括一个信息计算器，一个平滑图像生成器，一个加权因子计算器，以及一个权重加法器。在这些元件中，信息计算器计算关于像素值变化的信息，其表示源图像上每个给定区域(例如，3×3，5×5或者7×7像素)平均像素值随着空间变化而变大的程度。平滑图像生成器通过使源图像平滑来产生平滑的图像，并且加权因子计算器计算取决于像素值变化的计算信息的加权因子。使用加权因子，权重加法器对源图像或者从源图像调制得到的图像和产生的平滑图像互相地执行加权计算。

因此，当关于像素值的信息变化时，计算并取出像素值变化大的区域。该区域，例如，包括图像中结构对象的轮廓。同时，通过平滑源图像而产生的平滑图像噪声更少，且该噪声的主要成分是高频信号分量。因此，以这样的方式来基于有关像素值变化的信息计算加权系数，即在每一个预定大小的区域内像素值变化越大，从该区域给源图像的加权系数越高。

加权系数用于在源图像或者从源图像调制得到的图像和平滑图像之间执行加权计算。该加权计算能够逐个区域地增强源图像(或它的调制图像)或者平滑图像。举例来说，在有大量高频信号分量的区域，例如结构对象的轮廓部分，增强源图像(或它的调制图像)中的像素值。在另一方面，在像素值空间变化小的区域(平均每个预定大小的区域)，具有更少图像噪声的平滑图像中的像素值被增强。也就是说，计算取决于像素值变化信息的加权因子使得有可能提供一种加权的图像，其中从源图像(或它的调制图像)和平滑图像中选择的有利像素逐个区域地进行匹配。

因此，这种加权的图像，取决于对图象更有利的像素信息，由从源图像(或它的调制图像)或平滑图像中适当选择的像素组成。因此，作为完整的图像，可以稳定地消除或减少图像噪声。更进一步地，可以稳定地保持图像中的重要部分例如结构对象的边界部分(此处有大量的高频信号分量)的像素值信息，并且可以提供更少噪声和更高能见度的图像。

下面描述属于上述主要配置的剩下的典型配置。

举例来说，信息计算器包括一个滤波单元，其分别对源图像应用滤波系数相互不同的两个平滑滤波器，从而生成两幅平滑的输出图像，和一个减法单元，其在这两幅输出图像之间逐个像素地互相执行减法，从而生成一幅作为有关像素值变化信息的差值图像。

也推荐使信息计算器包括一个滤波单元，其分别对源图像应用滤波系数相互不同的两个平滑滤波器，从而生成两幅平滑的输出图像，一个减法单元，其在这两幅输出图像之间逐个像素地互相执行减法，从而生成一幅作为有关像素值变化信息的差值图像，以及一个绝对值计算器，计算该差值图像的每个像素值的绝对值，从而生成一幅作为有关像素值变化信息的绝对值图像。

最好基于差值图像的每个像素值的绝对值越大，在源图像或从源图像调制得到的图像上平均每个给定区域的像素值中空间变化越大这一运算法则，来定义两个平滑滤波器的滤波系数。

可以配置平滑图像生成器使得由滤波单元平滑的两幅输出图像之一作为被平滑图像。

推荐配置加权系数计算器为计算由差值图像上绝对像素值的非递减函数定义的加权系数，该加权系数是非负值。

也推荐配置权重加法器基于公式W(m，n)＝A·X(m，n)+(1-A)·X1(m，n)执行加权计算，其中A是加权因子，(m，n)是像素位置，X(m，n)是源图像或者从源图像调制得到的图像，X1(m，n)是平滑图像，W(m，n)是经受加权计算的图像。

源图像是二维或者三维的数字图像。源图像是单色的数字图像。

也提供一个计算机可读的程序，用于允许计算机实现上述图像处理设备从由数字图像数据组成的源图像中减少噪声的功能。

本发明的另一特征是一种从由数字图像数据组成的源图像中减少噪声的方法，该方法包括步骤：对源图像分别应用两个滤波系数相互不同的平滑滤波器，以生成两幅平滑图像；在这两幅平滑图像之间逐个像素地互相执行减法，以生成一幅差值图像；计算取决于差值图像或由差值图像得到的图像的加权因子；以及使用计算的加权因子，在源图像和两幅平滑图像中的一幅之间互相执行加权计算。

附图说明

参照附图从下文的描述和实施例将使本发明的其他目的和特征变得明白，附图包括：

图1是依照本发明的一个实施例从功能上表示一种图像处理设备的配置的方框图；

图2是流程图，概述由放置在所述的图像处理设备中的图像处理执行的噪声消除处理的例子；

图3A和3B解释人类的视觉灵敏度；

图4概念上地解释了本实施例中使用的两个滤波器的灵敏度特性，其中这两个滤波器的滤波系数互相不同；

图5解释对源图像(数字图像)应用两个滤波器，其中这两个滤波器的滤波系数互相不同；

图6概念上地解释了滤波系数互相不同的两个滤波器的规格化的灵敏度特性；

图7用插图表示在一维空间中，对源图像应用两个滤波器，其中这两个滤波器的滤波系数互相不同；

图8A和8B是示意图，表示通过使用两个滤波器取出指示结构对象轮廓的信息；

图9是曲线图，以定性的方式举例说明在两个滤波器的输出图像之间计算的差值S的绝对值Z的加权函数，本实施例采用该加权函数；

图10是曲线图，以定性的方式举例说明在两个滤波器的输出图像之间计算的差值S的加权函数，本实施例采用该加权函数；

图11概念上地解释用于从源图像减少噪声的一系列处理，在本实施例中执行该处理；

图12是功能方框图，表示一种依照本发明第二改进方案的图像处理设备的硬件配置；

图13是功能方框图，表示一种依照本发明第三改进方案的图像处理设备的硬件配置；

图14是依照本发明第四改进方案，对一幅三维源图像应用噪声减少处理的概念示意图。

具体实施方式

现在将参照附图描述本发明的一个实施例。该实施例针对一种图像处理设备，通过该设备执行依照本发明的图像处理方法。

如图1所示，提供一种依照本实施例的图像处理设备10。该设备10通过网络N连接到一个医疗器械(未画出)上，配置该器械以获得单色的二维或三维数字图像。

该图像处理设备10提供了起计算机作用的硬件。基于安装在该硬件中的程序，执行软件处理从功能上构成能够显著减少图像噪声的图像处理设备。

在实际中，图像处理设备10配备了连接到网络N的接口11和通过总线B连接到接口11的各种单元。这些单元包括一个图像存储器12，一个用于减少噪声的图像处理器13，一个ROM14，一个RAM15，一个操作设备16和一个监视器17。

在图像存储器12中，保存通过例如X光CT扫描仪、超声诊断设备和磁共振图像系统这样的医疗器械获得的数字图像数据。图像处理器13被激活后，从ROM14中读出用于减少噪声的程序，将其保存在处理器13的工作存储器中，并且基于读出的程序执行处理。依照本发明所写的减少噪声的程序预先保存在ROM14中。因此该处理针对主要是本发明特色的噪声减少，并且按稍后将详细描述的如图2的概述来执行。预先在ROM14中存储预定的噪声减少程序。

图像处理器13使用RAM15作为处理噪声减少所必需的临时存储器。操作设备有例如键盘和/或鼠标，用于由操作员给图像处理设备10必要的信息。在图像处理器13的控制之下，监视器17显示图像和关于噪声减少处理的不同类型的信息。

图像处理设备10的硬件配置可以修改成不同的方式。该设备10不是总局限于如所述的经由网络N连接到医疗器械。作为替代地，该图像处理设备10可以配置进一个独立类型的设备中。另外，虽然配置该设备10以接收由医疗器械获得的图像数据，然后以离线处理的形式执行噪声减少处理，但这不是限定的配置。举例来说，将该设备10的完整功能安装在一个医疗器械中，以便使用差不多实时获得的数字图像数据执行噪声减少处理。

此外，虽然配置图像处理设备10通过软件处理来减少图像噪声，但是该设备10并不限于这种方式，而是可以配置使用数字电路例如逻辑电路。

现在将参照图2到图11，解释依照本发明的图像噪声减少处理。

在详细解释之前，先假设预先在图像处理器12中保存二维单色数字图像数据，并执行该二维图像数据的噪声减少处理。

图2表示由图像处理器13执行的减少图像噪声的一系列处理。可以这样概述该处理，即它包括一个检测数字图像中结构对象的边界(边缘)的处理步骤A，  一个计算用于在源图像和平滑图像之间执行加权计算的加权因子的处理步骤B，以及一个使用计算的加权因子执行加权计算的处理步骤C。现在将依次描述处理步骤A到C。

(检测边界的处理步骤A)

如图3A和3B所示，人类视觉灵敏度有随着离开视点的角度θ而逐渐降低的特性。如果从角度θ很小的限制角度范围观察，人类视觉灵敏度近似于具有相同的轮廓并且随着从视点延伸的距离L(参见图3B中的横轴)而逐渐降低这样的灵敏度曲线。当然，虽然人类视觉灵敏度分布在二维空间，图3A和3B描述的是一维空间中沿着一个特定的方向的灵敏度分布。另外，本实施例将按照假设在所有方向上灵敏度分布相同来解释，但这并不是限定的例子。灵敏度分布可能依赖于方向，因此在这种情况下，下述的处理可以按照灵敏度分布依赖于方向的条件来执行。

在本实施例中，如图4所示，使用两个特性不同的视觉灵敏度分布来检测一幅数字图像中“显示像素值变化大的区域，例如结构对象的边界部分”。图4仅显示了灵敏度特性曲线的轮廓，其中纵轴(灵敏度)的值并不意味着任何特殊的物理数量。更进一步地，“显示像素值变化大的区域”意味着在该区域中像素值在图像中的预定尺寸或更多区域的变化相当大(即，排除了上述区域的图像噪声后每个像素的像素值变化)。

更详细地，图像处理器13接收由操作员经过操作设备16给出的关于操作的信息，从图像存储器12读取理想的二维数字图像数据(例如，一幅依照本发明对应于源图像的单色图像)，并使其显示在监视器17中(步骤S1)。

响应于操作员经过操作设备16给出的关于操作的信息，图像处理器13执行在数字图像中适当确定的初始位置上初步放置一个ROI(兴趣部位，Region of Interest)(步骤S2)。该操作如图5所示。ROI有适当决定的尺寸和形状。该尺寸例如为3×3，5×5或者7×7像素。

然后，图像处理器13将两个二维图像滤波器分别应用到图像中的特定ROI区域(步骤3)。例如，这两个滤波器有如图4所示互相不同的滤波系数。响应于从图像处理器13发出的命令，每次处理自动移动ROI的位置。这允许在图像处理器13的控制下，以重复的方式在源图像中的每个区域应用滤波器。

在本实施例中，前述的两个二维图像滤波器在下面的解释中将被称为“滤波器1”和“滤波器2”。在图5所示的例子中，滤波器1和2都被描述成矩形二维滤波器，但是滤波器1和2并不限于这种形状。滤波器1和2也可以应用其他形状，例如圆形。或者，滤波器1的形状可以不同于滤波器2的形状。更进一步地，ROI的尺寸可以逐个滤波器地变化。

现在将定量解释由滤波器1和2执行的滤波。假设X(m，n)表示在一幅要处理的数字图像上每一像素位置(m，n)的像素值，k1(i，j)表示滤波器1的滤波系数，k2(i，j)(不等于k1(i，j))表示滤波器2的滤波系数，(i，j)表示每一像素位置。因此，滤波器1和2基于下面的公式执行平均移动，并输出在每个像素位置(m，n)的平滑的像素值Y1(m，n)(或者Y2(m，n))。

(由滤波器1执行的平滑处理)

Y1(m，n)＝∑{k1(i，j)·X(m-i，n-j)}                 ...(1)

(由滤波器2执行的平滑处理)

Y2(m，n)＝∑{k2(i，j)·X(m-i，n-j)}                  ...(2)

如图4所示，滤波系数k1和k2有互相不同的灵敏度分布，并且按照图14所示归一化处理。

使用由从滤波器1和2输出的像素值Y1(m，n)和Y2(m，n)形成的图像(平滑图像)，图像处理器13计算在每个像素位置(m，n)的平滑图像之间的差值(和这些差值的绝对值)(步骤4)。也就是，按照下面的形式计算。

(差值)

      S＝Y1-

Y2                                          ...(3)

(绝对值)

      Z＝abs(S)                             ...(4)因此，差值S组成一幅差值图像，而绝对值Z组成一幅绝对值图像。这些图像对应于本发明涉及的与像素值变化有关的信息。

前述的差值S和绝对值Z表示在一幅数字图像上“显示像素值变化大的区域，例如结构对象的边界部分”中的有关像素值的信息。为了更容易理解，以一维滤波器为例子在下文中解释原因。

图7解释了从前述的二维滤波器简化的一维滤波器。如图所示，SC1、SC3和SC5这三个部分分别表示小的像素值变化，而SC2和SC4分别表示大的像素值变化。因为滤波器1和2形成一种平均移动滤波器，在SC1、SC3和SC5部分中的差值S的绝对值Z分别小于SC2和SC4部分中的相应值。另外，滤波器1和2有平滑像素值的功能。因此，即使图像噪声(主要是高频信号分量)存在于源数字图像(例如，源图像)，图像噪声对于绝对值Z只有非常小的影响。因此，差值S或它们的绝对值Z能够作为在一幅数字图像中从它的“剩余区域”区别出“显示像素值变化大的区域”并且表示数字图像(例如，源图像)中结构对象的边界(边缘)的信息。

这意味着，当前述数字图像是一幅医学图像时，前述差值S或它们的绝对值Z能够显示表示结构对象例如骨头的边界的轮廓信息，其中沿着这些结构对象的边界的像素值的变化较大。

(计算加权系数的处理步骤B)

图像处理器13将处理步骤转换到下一步，计算将要在源图像和平滑图像之间执行的加权计算使用的加权系数(图2，步骤S5)。

更详细地，加权系数的计算使用了绝对值Z(或差值S)和绝对值Z的非递减函数的数据。

如果数字图像中的区域显示了大的绝对值Z，那么该区域在图像上显示大的像素值变化。在这种区域中，存在结构对象的边界部分。例如，当与图8A所示的源图像比较时，图8B中的阴影线区域显示的绝对值Z大于图8B剩余区域显示的值(虽然大是相对于图8A和8B所示图像之间而言的)。因此，对于源图像和平滑图像之间的加权计算，按如下所述设置加权系数。在每个显示大的像素值变化的区域中，源图像的加权系数比平滑图像的更大，而在剩余区域中，平滑图像的加权系数比源图像的更大。

换句话说，参照图9和10所示的函数设置源图像的加权系数A。

表示这些函数的数据预先保存在ROM14中作为数学公式。因此无论何时需要时，都可以用这些数学公式计算加权系数A。换句话说，依照图9或图10中函数的加权系数A的数值本身可以在ROM14中生成的数据表的形式保存。引用数据表允许预先确定加权系数A。

图9举例说明使用绝对值Z用于决定加权系数A的加权函数。加权函数在0≤Amin≤A≤Amax≤1的范围内给出绝对系数A加权系数A。更具体地，在这个加权函数中，随着绝对值Z的增加，加权系数A从它们的最小值A＝Amin逐渐增加，然后到达对绝对值Z设置的临界值Zth附近，在此处加权系数A更加急剧增加。然后加权系数A继续逐渐增加到它们的最大值A＝Amax。

使用这个加权函数，给予在源图像上显示小像素值变化的一些区域更低的加权系数A，给予落入临界值Zth附近的表现出适当像素值变化的其他区域以急剧变化的加权系数A来强调该变化。

基于差值S，使用如图10所示的加权函数决定加权系数A。该加权函数能够给正负范围内的差值S提供加权系数A，0≤Amin≤A≤Amax≤1。如同使用绝对值Z，基于差值S的加权函数允许给予加权系数A。实际上，在差值S每个正负区域中，随着它们的绝对值增加，加权系数A从它们的最小值A＝Amin逐渐增加，到达每个临界值±Sth的附近，在此处加权系数A开始更加急剧增加。然后加权系数A逐渐增加到它们的最大值A＝Amax。

在使用差值S的情况下，加权函数可以设置差值S的互相独立的预定的正负范围。图10举例说明可以在差值S的正负区域之间提供不同倾角的加权系数的加权函数。更详细地，相比于正数范围，在负数范围内的系数对于小的差值S(绝对值)更加敏感。

如上所述，在差值S的每个正负区域中，当一些区域示了小的像素值变化时，可以在源图像上给这些区域分配更小的加权系数A。相反，如果其他区域显显示出落入临界值Sth+和Sth-附近的像素值变化时，可以将急剧改变以强调像素值变化的适当的加权系数A分配给所述其他区域。

加权函数可以进一步发展成不同的形式，而不限于图9和10中所示的例子。下面提供一个关于绝对值Z的例子。加权系数可以从Z＝0到Z＝预定值线性或逐步变化。或者，加权系数可以在Z＝0急剧变化，然后逐渐饱和。更进一步的选择是加权系数从Z＝0到Z＝预定值保持不变(这可在图9中显示，显示常数加权系数A的特性为一条直线)。因此，如果加权系数不随着差值S的绝对值的增加或者绝对值Z的增加而减少，本发明采用的加权函数是足够的，这应被称为“非递减函数”。

(加权计算的处理步骤C)

当如上所述决定了加权系数A时，在图像处理器13的处理转换到“加权计算”，使用决定的加权系数A来相加源图像和平滑图像。

特别地，首先，例如，图像处理器13从图像存储器12读出由滤波器1平滑的图像数据，作为加权计算的平滑图像(步骤S6)。因此该读出的图像数据被用于平滑的目的。由滤波器2平滑的图像也可以用于这个加权计算。完全不同于源图像的平滑图像也可以用于这个加权计算。

然后图像处理器13从图像存储器12读出源图像数据，用于加权计算(步骤S7)。

此后，图像处理器13将处理转换到在每个像素(m，n)执行的加权计算，以便计算加权图像W(步骤S8)。基于下述公式：

W(m，n)＝A·X(m，n)+B·X1(m，n)                  ...(5)执行加权计算，其中X(m，n)表示源图像，X1(m，n)表示平滑图像，A表示加权系数，B表示加权系数(＝1-A)。

然后将加权图像的数据保存在图像存储器12中，并作为图像显示在监视器上(步骤S9)。

图11解释处理如上描述的步骤流程，以及一些图示说明图像。在由单色数字图像组成的源图像X(m，n)中，如图11(a)所示，画出了结构对象ST以及图像噪声NZ。将在滤波系数互相不同的滤波器1和2中的平滑处理分别应用到源图像X(m，n)。然后将得到的平滑图像提交给减法器以生成差值S(或它们的绝对值Z)，这将被描述为结构对象的轮廓(参见图2中步骤S1到S4)。然后使用差值S或它们的绝对值Z计算每一像素的加权系数A(参见图2中步骤S5)。

在另一方面，从源图像X(m，n)生成一幅平滑图像X1(m，n)(参见图2中步骤S6)。基于滤波器之一的滤波系数，该平滑图像X1(m，n)已经受到平均移动处理，使得结构对象比源图像X(m，n)变得更模糊，但将图像噪声NZ平均吸收到模糊成分中。换句话说，在这幅平滑的图像X1(m，n)上差不多没有图像噪声NZ。

特别地，稳定地删除或减少了引起“显示较小像素值变化的区域”的图像噪声NZ，该噪声是观察医学图像时的视觉障碍。

然后，如前所述，使用计算的加权系数A在源图像X(m，n)和平滑图像X1(m，n)之间逐个像素地执行加权计算。这个加法生成了加权图像W(参见步骤S7和S8，以及图11(c))。

在这幅加权图像W中，使用局部最优化的加权系数，将源图像X(m，n)和平滑图像X1(m，n)混合在加权计算中。因此，在图像W中，具有更大像素值变化的区域(例如，有高频信号分量的区域)，如结构对象的轮廓，被描绘为强调对应于源图像X(m，n)中的像素值。相反，具有更小像素值变化的区域(例如，噪声NZ非常易见的区域)，被描绘为强调对应于平滑图像X1(m，n)中的像素值。换句话说，加权系数的局部最优化能够使源图像X(m，n)和平滑图像X1(m，n)的有利像素值以有技巧的方式逐个区域地匹配。总体上，依然稳妥地保持必要像素的高频信号分量，同时可以显著地减少图像噪声。

更简单的说，前述加权系数“A”使得由给予源图像更多优先权的像素值来表示在源图像上有更大像素值变化的一个或多个区域(例如结构对象的轮廓)成为可能。另一方面，由给予平滑图像更多优先权的像素值来表示剩余区域。因此基于每个局部区域是否有更大的像素值变化，调节增强像素值的程度用于描绘。当一个区域包含空间频率较高的像素时，尽可能高地保持高频信号分量。这不仅给予结构对象的轮廓和其他更高的描绘，而且抑制了剩余区域的高频分量，以便最大抑制或消除图像噪声。因此有可能提供观察对象的更高能见度的图像。

顺便说一下，在上述的加权图像W中，源图像在结构对象边界的附近更强。这意味着在边界附近有剩余图像噪声。然而，人的视觉灵敏度对于有更大像素值变化的区域例如结构对象的边界本身的反应更强。因此，对于存在于结构对象边界的图像噪声，灵敏度水平相对较低。这种图像噪声几乎不影响观察图像。

在前述的实施例中，由图像处理器13执行的处理在功能上组成了本发明的信息计算器(对应于图2中步骤S1到S4)、平滑图像生成器(对应于图2中步骤S6)、加权因子计算器(对应于图2中步骤S5)和权重加法器(对应于图2中步骤S7到S9)。

前述的实施例可以进一步修改成现在将要描述的各种方式。

(第一修改方案)

第一修改方案与简化计算加权系数A的处理有关。

在前述的实施例中，通滤波波器1和2的独立应用来计算差值S和绝对值Z以获得各自的平滑图像，并且在这两幅平滑图像之间进行相减。通过预先执行的滤波系数之间的相减，可以更加简化该计算。也就是说，该减法用公式表示如下。

(关于滤波系数)

k3(i，j)＝k1(i，j)-k2(i，j)                      ...(6)

(关于差值)

S(m，n)＝∑{k3(i，j)·X(m-i，n-j)}               ...(7)

该预先计算允许滤波一次，以生成差值S和它们的绝对值Z，从而简化处理。

(第二修改方案)

第二修改方案是关于前述加权计算的配置的。

在前述的实施例中，由图像处理器13通过它的软件处理来执行加权计算，但这不是限定的配置。如图12所示，可以使用包括逻辑电路的数字电路的配置形成图像处理设备20，来代替软件处理的配置。

如图所示，图像处理设备20配备了一个平滑电路(例如滤波器)21以接收由二维单色数字图像组成的源图像X(m，n)的数据，以及第一和第二滤波器22和23。而且，如图所示，在设备20中，将那些电路的输出值连接到一个权重加法器24，一个减法器25，一个加权系数计算器26和一个数据表27。

将源图像X(m，n)的数据给权重加法器24。平滑电路21对输入的源图像(m，n)以适当设置的滤波系数进行滤波，以便生成一幅二维的平滑图像X1(m，n)。然后将该图像X1(m，n)送到权重加法器24中。

第一和第二滤波器22和23(对应于前述的滤波器1和2)以适当选择的滤波系数k1(i，j)和k2(i，j)分别对输入的源图像X(m，n)应用平均移动。该处理分别生成二维的平滑图像Y1(m，n)和Y2(m，n)(参见公式(1)和(2))。像前述的实施例一样，送到第一和第二滤波器22和23的滤波系数k1(i，j)和k2(i，j)互相不同，结果平滑操作的灵敏度也互相不同(参见图4到图7)。

将平滑图像Y1(m，n)和Y2(m，n)送到减法器25，在此两幅图像Y1(m，n)和Y2(m，n)经受在每个像素执行的相减处理。因此，如公式(3)所解释的，减法器25能够基于公式S(m，n)＝Y1(m，n)-Y2(m，n)输出差值S(m，n)(例如差值图像)。也可以按前述计算绝对值Z(m，n)＝abs(S)。

将差值S(m，n)输出到加权计算器26，在此从数据表27读出对应于输入的差值S(m，n)的加权系数A。在数据表27中，预先保存表示差值S和加权系数A之间对应关系的数据。例如，对应关系符合如图10所确定的加权函数。因此，权重加法器26能够使用差值S作为参数，以读出对应的加权系数A。将读出的加权系数A输出到加权计算器26中。

这样，加权计算器26按照前述的公式(5)执行加权计算，以提供加权图像W(m，n)的数据。

因此，即使通过互相混合数字电路来配置图像处理设备，设备20也能够与前述的安装软件以提供图像处理功能的图像处理设备10有着同样的功能和优势。另外，该图像处理设备20可以单独合并进，例如，各种类型的医疗器械，如超声诊断设备。当这种医疗器械要求数字图像数据时，数字图像数据可以几乎实时地转换成噪声降低图像数据。

(第三修改方案)

在第三修改方案中，举例说明另一幅直接用于加权计算的源图像。

虽然前述实施例采用了源图像和它的平滑图像作为进行加权计算的图像，也可以使用另一幅图像进行这样的加权计算。例如，可以使用通过增强源图像的高频信号分量而生成的图像，来代替源图像。

在图13中举例说明用于此目的的图像处理设备的硬件配置。与图12中所示的电路图相似，该图描绘了用数字电路形成的图像处理设备20的功能方框图。

如图所示，该图像处理设备20有一个附加电路28。形成该电路28作为高频分量增强电路28，从输入的源图像X(m，n)生成一幅高频信号分量被增强的图像X’(m，n)。在这幅增强图像中，结构对象例如骨头的轮廓在视觉上增强了。

然后将合成的高频分量增强的图像X’(m，n)的数据送到权重加法器24，在此处这幅增强图像X’(m，n)和用与前述实施例相同的方式获得的平滑图像X1(m，n)，以与前述实施例相似的方式进行加权计算。也就是说，以X’(m，n)代替前述公式(5)中的X(m，n)来执行该加法。

因此，在合成的加权图像W(m，n)中，增强了显示高频分量的区域，例如结构对象的轮廓(边缘)，从而进一步改善图像W(m，n)的能见度。

(第四修改方案)

依照本发明，第四修改方案与执行噪声减少的图像的尺寸有关。

在前述实施例中的描述是针对二维单色数字图像作为源图像的。本发明不是总局限于处理这种图像。也可以将三维单色数字图像作为源图像，对其应用依照本发明的噪声减少。

为了在这种三维数字图像上执行噪声减少，将如图5所示的二维ROI改成如图14所示的三维ROI。对于这个三维ROI来说，使从ROI中心延伸的三维方向中的每一个距离经受使用基于前述滤波器1和2决定的加权系数的计算。这允许加权系数有三维的分布。如前所述，滤波器1和2的滤波系数随着从ROI中心延伸的距离L而递减分布。

因此，由有三维滤波系数的滤波器从三维图像(源图像)中生成一幅作为加权计算的输入图像的平滑图像。如同图11描述的方式，一个图像处理设备在三维源图像(或它的高频分量增强的图像)和它的平滑图像之间执行加权计算。

从以上所述可以理解，对于作为源图像的三维数字图像来说，可以与二维图像相同的方式执行所述计算。因此，有可能减少或消除图像中的噪声(也就是说，如图14所示，从消除噪声的三维数字图像数据重新生成二维图像)。另外，表示结构对象轮廓的信息仍然保持明显。因而可以稳定地改善能见度。

特别地，当依照前述实施例和修改方案，对由医疗器械获得的数字图像应用噪声消除时，也将得到下述的优势。图15概述了一种医疗器械MD，例如X光CT(计算机X射线断层造影术)扫描仪或超声诊断设备，在该器械中合并了前述的图像处理设备10或20，以接收由该器械的采集部分获得的源图像X(m，n)的数据。

对于X光CT图像的应用来说，结构对象的噪声减少和稳定边缘描绘使得可能实现X光辐射的数量比传统降低，而诊断性能依然保持与传统一样高。这一事实将导致X光辐射数量的减少或抑制。而且，对于超声图像的应用来说，可以稳定地减少需要由传统方式消除的斑点噪声，以根据图像中的结构对象提供改善了能见度的图像。

顺便说一下，依照前述实施例和它的各种修改方案提供了一种进一步的应用。也就是，在X光CT成像或其它类型成像中，前述噪声减少技术可以与其他结合。例如，依照本发明的噪声减少技术可以与RASP(光栅人工抑制协议)结合。这项对于胸部X光CT成像为可执行的技术，是取决于数据采集角度的选择性噪声处理。举例来说，在X光CT成像中，一对X光管和X光检测器绕着被扫描的物体旋转，期间在预定角度执行数据采集。在此情况下，如果在数据采集角度90度和180度之间物体相同区域的X光吸收系数不同，可能在一幅重新生成的图像上出现人为因素。为了减少那些人为因素，通常采用选择性噪声减少。因此，这项选择性噪声减少可以与依照本发明的噪声减少进行结合。这样采用这两种噪声减少技术将提供重新生成的人为因素和噪声都稳定减少的CT图像，从而提供高质量的CT图像。

本发明可以其他具体形式来实施而不背离其中的精髓或本质特性。因此本实施例在各个方面都被认为是示意性而不是限制性的，本发明的范围由附上的权利要求书而不是前述的描述来说明，因此在权利要求书的等价的意思和范围内进行的改变也被包含在其中。

于2003年2月13日提交的包括说明书、权利要求书、附图和摘要的日本专利申请号2003-035727的完整公开，在此按它的整体中的引用而合并。

Claims (21)

1.一种图像处理设备，用于从由数字图像数据组成的源图像中减少噪声，该设备包括：

一个信息计算器，用于计算关于像素值变化的信息，其表示在源图像上每个给定区域中像素值随着空间变化而变大的程度；

一个平滑图像生成器，其通过平滑源图像而生成一幅平滑的图像；

一个加权因子计算器，用于根据关于像素值变化的计算信息计算加权因子；

一个增强器，用于增强所述源图像的像素的高频分量，从而产生一个高频分量增强图像；以及

一个权重加法器，其使用加权因子对所述高频分量增强图像和生成的平滑图像互相执行加权计算。

2.依照权利要求1的所述图像处理设备，其中所述信息计算器包括：

一个滤波单元，其分别对源图像应用两个滤波系数相互不同的平滑滤波器，从而生成两幅平滑输出图像；以及

一个减法单元，其在这两幅输出图像之间逐个像素地互相执行减法，从而生成一幅作为关于像素值变化信息的差值图像。

3.依照权利要求1的所述图像处理设备，其中所述信息计算器包括：

一个滤波单元，其分别对源图像应用两个滤波系数相互不同的平滑滤波器，从而生成两幅平滑输出图像；

一个减法单元，其在这两幅输出图像之间逐个像素地互相执行减法，从而生成一幅作为关于像素值变化信息的差值图像；以及

一个绝对值计算器，用于计算所述差值图像每个像素值的绝对值，从而生成一幅作为关于像素值变化信息的绝对值图像。

4.依照权利要求2的所述图像处理设备，其中基于所述差值图像每个像素值的绝对值越大，在所述高频分量增强图像上每个给定区域中的像素值中的空间变化越大这一算法，来定义两个平滑滤波器的滤波系数。

5.依照权利要求2的所述图像处理设备，其中平滑图像生成器被配置为使用由所述滤波单元平滑的两幅输出图像之一作为平滑图像。

6.依照权利要求2的所述图像处理设备，其中加权系数计算器被配置为计算由差值图像上绝对像素值的一个非递减函数定义的加权系数，并且该加权系数是非负值。

7.依照权利要求1的所述图像处理设备，其中权重加法器(24)被配置为基于公式W(m，n)＝A·X′(m，n)+(1-A)·X1(m，n)执行加权计算，其中A是加权因子，(m，n)是像素位置，X’(m，n)是高频分量增强图像，X1(m，n)是平滑图像，W(m，n)是经受加权计算的图像。

8.依照权利要求1的所述图像处理设备，其中给所述信息计算器提供了一个滤波单元，该滤波单元被配置为对源图像应用一个滤波器来获得一幅作为关于像素值变化信息的图像，该滤波器的滤波系数是两个互相不同的滤波系数之间相减的值，该相减值被预先计算。

9.依照权利要求1的所述图像处理设备，其中给所述信息计算器提供了

一个滤波单元，该滤波单元被配置为对源图像应用一个滤波器来生成一幅作为关于像素值变化信息的图像，该滤波器的滤波系数是两个互相不同的滤波系数之间相减的值，该相减值被预先计算；以及

一个绝对值计算器，用于计算由滤波单元生成的图像上每个像素的绝对值，以生成一幅作为关于像素值变化信息的绝对值图像。

10.依照权利要求1的所述图像处理设备，其中所述平滑图像生成器被配置为对源图像应用一个预设的平滑滤波器，以生成平滑图像。

11.依照权利要求1的所述图像处理设备，其中所述权重加法器是一个使用加权因子在源图像和由平滑图像生成器生成的平滑图像之间互相执行加权计算的加法器。

12.依照权利要求1的所述图像处理设备，包括一个调制图像生成器，用于生成一幅具有根据源图像像素的像素值从源图像的像素调制得到的像素的图像，作为从源图像调制得到的图像，

其中所述的权重加法器被配置为使用由调制图像生成器生成的图像作为从源图像调制得到的图像。

13.依照权利要求12的所述图像处理设备，其中所述的调制图像生成器被配置为调制源图像，以增强源图像的高频分量。

14.依照权利要求1的所述图像处理设备，其中所述源图像是一幅二维数字图像。

15.依照权利要求1的所述图像处理设备，其中所述源图像是一幅三维数字图像。

16.依照权利要求1的所述图像处理设备，其中所述源图像是一幅单色数字图像。

17.一种从由数字图像数据组成的源图像中减少噪声的方法，该方法包括步骤：

对源图像分别应用两个滤波系数相互不同的平滑滤波器，以生成两幅平滑图像；

在这两幅平滑图像之间逐个像素地互相执行减法，以生成一幅差值图像；

根据差值图像或由差值图像得到的图像计算加权因子；

增强所述源图像的像素的高频分量，从而产生一个高频分量增强图像；以及

使用计算的加权因子，在所述高频分量增强图像和两幅平滑图像之一之间执行相互加权计算。

18.依照权利要求17的所述方法，其中所述由差值图像得到的图像是一幅由从差值图像的像素值形成的绝对像素值组成的绝对值图像。

19.依照权利要求17的所述方法，其中基于源图像或从源图像得到的图像的像素值中变化越大，所述差值图像像素值的绝对值越大这一算法，来定义两个平滑滤波器的滤波系数。

20.依照权利要求17的所述方法，其中所述的加权因子计算步骤计算由差值图像上绝对像素值的一个非递减函数定义的加权系数，并且该加权系数是非负值。

21.依照权利要求17的所述方法，其中加权步骤基于公式W(m，n)＝A·X′(m，n)+(1-A)·X1(m，n)执行加权计算，其中A是加权因子，(m，n)是像素位置，X’(m，n)是高频分量增强图像，X1(m，n)是平滑图像，W(m，n)是经受加权计算的图像。

Images