CN100594516C - 一种x射线图像边缘和对比度综合增强方法 - Google Patents
一种x射线图像边缘和对比度综合增强方法 Download PDFInfo
- Publication number
- CN100594516C CN100594516C CN200710062928A CN200710062928A CN100594516C CN 100594516 C CN100594516 C CN 100594516C CN 200710062928 A CN200710062928 A CN 200710062928A CN 200710062928 A CN200710062928 A CN 200710062928A CN 100594516 C CN100594516 C CN 100594516C
- Authority
- CN
- China
- Prior art keywords
- image
- adopt
- edge
- strengthens
- contrast
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,尤其涉及工业或医学X射线图像检查系统的图像增强处理方法。该方法包括如下步骤:S1:输入采集到的X射线图像;S2:采用可调节强度的Laplacian边缘增强算法对图像进行边缘增强处理;S3:采用快速局部直方图均衡化LHE处理增强图像中的每一处细节;S4:对经过步骤S3处理的图像数据进行灰度范围拉伸;S5:输出增强的图像。同现有各种检查设备上的透视图像增强算法相比,本发明增强效果好,自适应能力强、自动化程度高、使用简单,并且执行速度快。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及工业或医学X射线图像检查系统的图像增强处理。
背景技术
在X射线图像检查系统中,经常出现输出图像模糊不清、图像整体亮度过低等情况,对检查人员观察图像内容及发现图像中的可疑区域造成很大的困难。
为使图像显示更为清晰,在X射线图像检查系统中需要加入各种图像处理功能。常用的有各种边缘增强算法和对比度增强算法,不同的算法有不同的效果,多种算法的组合次序与增强结果也有密切的关系。在以往的增强算法中,往往只提供单独的边缘增强方法,如发明专利CN1405734-一种医学图像的边缘增强方法、CN1426019-用于增强数字图像同时抑制下冲和过冲的方法和CN1819621-医学图像增强处理方法,也有单独的对比度增强方法,如发明专利CN1438610-使用直方图匹配增强对比度的装置和方法、CN1770847-自适应对比度增强;或只增强图像中较暗区域的技术,如英国发明专利9916088.9-X射线图像增强。在使用过程中,需要用户根据实践经验选择和尝试各种算法,或简单的将某种对比度增强与边缘增强组合使用。但用户很难选择适当的算法,并按正确的顺序将它们组合起来。
另外,有些增强方法依赖于特定的硬件,如发明专利CN1438610-使用直方图匹配增强对比度的装置和方法和CN1620107-图像锐度增强装置和方法,缺乏通用性。
发明内容
本发明的目的是提供一种通用的X射线图像综合增强方法,使得用户通过单一综合增强方法,同时增强图像中的边缘细节信息和对比度信息,方便用户对图像内容的检查。
本发明所给出的方法可以自动、快速、高效地增强各种透视图像的细节信息。
本发明提供的X射线图像边缘和对比度综合增强方法包括如下步骤:
S1:输入采集到的X射线图像;
S2:采用可调节强度的Laplacian边缘增强算法对图像进行边缘增强处理;
S3:采用快速局部直方图均衡化(LHE:Local HistogramEqualization)处理增强图像中的每一处细节;
S4:对经过步骤S3处理的图像数据进行灰度范围拉伸;
S5:输出增强的图像。
其中,在步骤S3中,采用滑动窗口的方式计算局部直方图;在统计累积直方图时,仅累积到当前像素灰度级值,且根据当前像素值小于或大于灰度范围的一半,分别采用从下向上累积或从上向下累积方式,使得对任意一点的累加次数不超过灰度级数的一半;将局部直方图均衡化的窗口尺寸取为灰度级数与2的整数次幂的乘积,将灰度映射过程中的乘法和除法转化为快速的移位操作。
其中,在步骤S4中通过自适应参数的对数变换来增强图像中较暗区域。
同现有各种检查设备上的透视图像增强算法相比,本发明技术有以下几个优势:
(1)增强效果好。无论是原始图像较暗区域还是较亮区域,在增强之后都能达到一个适于人眼观察的亮度,且层次清晰;
(2)自适应能力强,自动化程度高,使用简单。无需用户多次挑选和叠加各处增强技术,也无需为算法设置参数,算法各步中的自适应调节会在各种类型的图像上得到很好的增强效果。
(3)执行速度快。由于我们对计算量最大的局部直方图均衡化采用了多种加速技术,使得与同类采用局部直方图均衡化处理的增强算法相比,速度有了明显的提高。
附图说明
图1本发明方法的整体处理流程图;
图2为Laplacian算子的离散形式示意图;
图3为采用滑动窗口的方式计算局部直方图;
图4为依据本发明方法所作的一个典型的图像处理示意图;
图5为采用本发明的增强方法进行处理后的结果示意图。
具体实施方式
以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明的整个处理过程如图1所示,对X射线图像的综合增强方法主要包括以下三步,在将由X射线图像采集系统采集到的X射线图像输入到计算机处理系统后,首先采用可调节强度的Laplacian边缘增强算法对图像进行边缘增强处理;然后采用快速局部直方图均衡化(LHE:Local Histogram Equalization)处理增强图像中的每一处细节;最后一步为灰度范围拉伸,由于X射线图像一般有些区域偏暗,通过自适应参数的对数变换来拉伸图像中较暗区域的灰度范围。经过以上三步增强处理,就得到增强的射线图像。
下面分别介绍本发明具体实现步骤的三个步骤:
(1)边缘增强:采用下式进行强度可调的Laplacian边缘增强:
其中f(x,y)为输入图像,g(x,y)为增强后图像,a为一正系数(典型值为0.5~4),为Laplacian算子,其离散形式如图2所示。
(2)对比度增强:采用局部直方图均衡化LHE(又称自适应直方图均衡化,AHE:Adaptive Histogram Equalization)对图像对比度进行调节。
在本实施例的具备直方图均衡化过程中,采用以下三项技术来加速处理过程:
(a)采用滑动窗口的方式计算局部直方图,如图3所示。在计算得到以A点为中心区域的直方图后,计算以B点为中心区域的直方图时只需要在原来的直方图中去除左边一列像素,同时加上右边一列像素。而不需要重新统计整个区域内的所有像素,大大提高了处理速度。
(b)在统计累积直方图时,仅累积到当前像素灰度级值,且根据当前像素值小于或大于灰度范围的一半,分别采用从下向上累积或从上向下累积方式,使得对任意一点的累加次数不超过灰度范围的一半。从平均意义上来讲,在累加这一步节省了一半的计算量。
(c)将局部直方图均衡化的窗口尺寸取为灰度级数与2的整数次幂的乘积,将灰度映射过程中的乘法和除法转化为快速的移位操作。设灰度级数为L,进行直方图均衡化的正方形区域边长为W,则有:
W2=L*2P,p为不小于0的整数。
整个快速局部直方图均衡化算法可用伪代码描述如下:
快速LHE算法:
for每个像素i do
for最左边一列每个像素j do
Hist[g(j)]=Hist[g(j)]-1;
end
for最右边一列每个像素j do
Hist[g(j)]=Hist[g(j)]+1;
End
ifg(i)<=L/2
求和:
else
求和:
end
g(i)’=CHist>>p (这里假设W2=L*2p.)
end
其中Hist表示直方图,CHist表示累加直方图,g(i)表示当前处理点的输入灰度,g(i)’表示输出灰度。
由于LHE常常会过度增强对比度,我们在增强过程中取LHE增强结果与增强前图像的加权和作为处理结果:
h(x,y)=b·g(x,y)-(1-b)·LHE(g(x,y)) (2)
其中g(x,y)为上一步边缘增强的结果,b为一加权系数,且0<b<1,一般取b=0.5。
(3)对比度拉伸:由于X-射线图像一般会有些区域偏暗,而这些区域往往是检查的重点区域。为了能使较暗区域内的图像内容显得更清晰,我们通过自适应参数的对数变换来增强图像中较暗区域,如下式所示:
p(x,y)=c1·log(1+c2·h(x,y)) (3)
其中c1为一个归一化常数,以保证输出灰度处于要求的取值范围之内,c2是一个与图像整体平均灰度成反比的正常数,图像越亮,它的值越小,图像越暗,它的值越大。
综合以上三步,可以实现对各种类型的透视图像的有效增强。
图4是一个典型的图像处理,图5为采用本发明所给出的增强方法进行处理后的结果。处理过程中,第一步边缘增强中的参数a=1;第二步对比度增强中的参数b=0.5;第三步自适应对比度拉伸中,统计灰度均值为32,855(16bit灰度图像),参数c1≈27358,c2≈9.97。
在原始图像中,下方较暗区域的字符无法分辨,右上角亮区域中的“L”形折线、及右边中间阶梯灰度中的正弦线很难分辨,但在处理过的图像中,这些较暗区域中的部分字符可以辨认,右上角亮区域中的“L”形折线可辨认,右边中间的正弦线很清晰。可以看出,无论是原始图像较暗区域还是较亮区域,图像细节都得到了很好地增强。
虽然本发明是具体结合一个优选实施例示出和说明的,但熟悉该技术领域的人员可以理解,其中无论在形式上还是在细节上都可以作出各种改变,这并不背离本发明的精神实质和专利保护范围。
Claims (3)
1、一种X射线图像边缘和对比度综合增强方法,其特征在于该方法包括如下步骤:
S1:输入采集到的X射线图像;
S2:采用可调节强度的Laplacian边缘增强算法对图像进行边缘增强处理;
S3:采用快速局部直方图均衡化LHE处理增强图像中的每一处细节,在统计累积直方图时,仅累积到当前像素灰度级值,且根据当前像素值小于或大于灰度范围的一半,分别采用从下向上累积或从上向下累积方式,使得对任意一点的累加次数不超过灰度级数的一半,将局部直方图均衡化的窗口尺寸取为灰度级数与2的整数次幂的乘积,将灰度映射过程中的乘法和除法转化为快速的移位操作;
S4:对经过步骤S3处理的图像数据进行灰度范围拉伸;
S5:输出增强的图像。
2、如权利要求1所示的X射线图像边缘和对比度综合增强方法,其特征在于:
在步骤S3中,采用滑动窗口的方式计算局部直方图。
3、如权利要求1所述的X射线图像边缘和对比度综合增强方法,其特征在于:
在步骤S4中,通过自适应参数的对数变换来增强图像中较暗区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710062928A CN100594516C (zh) | 2007-01-22 | 2007-01-22 | 一种x射线图像边缘和对比度综合增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710062928A CN100594516C (zh) | 2007-01-22 | 2007-01-22 | 一种x射线图像边缘和对比度综合增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101231747A CN101231747A (zh) | 2008-07-30 |
CN100594516C true CN100594516C (zh) | 2010-03-17 |
Family
ID=39898192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710062928A Active CN100594516C (zh) | 2007-01-22 | 2007-01-22 | 一种x射线图像边缘和对比度综合增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100594516C (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937328B (zh) | 2009-07-01 | 2014-01-15 | 深圳迈瑞生物医疗电子股份有限公司 | 图像优化曲线的生成方法与装置 |
CN101806756B (zh) * | 2010-03-19 | 2012-03-28 | 广东正业科技股份有限公司 | 一种用x射线检测pcb的方法 |
CN103192617B (zh) * | 2013-04-03 | 2017-05-10 | 青岛大学附属医院 | 加深x光影像背景的方法、x光影像打印系统与打印方法 |
CN103530855A (zh) * | 2013-10-23 | 2014-01-22 | 杨大刚 | 数字式x光机图像后处理方法 |
CN103646382A (zh) * | 2013-12-02 | 2014-03-19 | 中国烟草总公司重庆市公司烟草科学研究所 | 一种烟叶病害的图像增强处理方法 |
CN106570836A (zh) * | 2016-11-03 | 2017-04-19 | 北京航星机器制造有限公司 | 一种辐射图像局部增强方法 |
CN106845468B (zh) * | 2016-12-26 | 2021-10-26 | 杭州施强教育科技有限公司 | 一种提高答题卡图像识别正确率的处理方法 |
CN106815814B (zh) * | 2016-12-26 | 2021-10-26 | 杭州施强教育科技有限公司 | 一种应用于阅卷系统的图像污染处理方法 |
CN106803238B (zh) * | 2016-12-26 | 2021-10-26 | 杭州施强教育科技有限公司 | 一种答题卡图像降噪处理方法 |
CN109427047B (zh) | 2017-08-28 | 2021-01-26 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
CN108830174A (zh) * | 2018-05-25 | 2018-11-16 | 平安科技(深圳)有限公司 | 虹膜图像全局增强方法、装置、设备及存储介质 |
CN108846319A (zh) * | 2018-05-25 | 2018-11-20 | 平安科技(深圳)有限公司 | 基于直方图的虹膜图像增强方法、装置、设备及存储介质 |
CN111413357B (zh) * | 2020-04-20 | 2022-01-07 | 中国科学院高能物理研究所 | X射线吸收边探测信号增强方法、装置、设备及存储介质 |
CN111640074A (zh) * | 2020-05-18 | 2020-09-08 | 扬州哈工博浩智能科技有限公司 | 一种x射线图像增强方法 |
CN113554572B (zh) * | 2021-08-13 | 2024-03-26 | 中国矿业大学 | 一种基于改进Retinex的图像增强方法和系统 |
CN114298916B (zh) * | 2021-11-11 | 2023-04-18 | 电子科技大学 | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 |
-
2007
- 2007-01-22 CN CN200710062928A patent/CN100594516C/zh active Active
Non-Patent Citations (6)
Title |
---|
图像增强的自适应直方图修正算法研究及其应用. 洪明坚.中国优秀博硕士学位论文全文数据库(硕士)信息科技辑,第2期. 2003 |
图像增强的自适应直方图修正算法研究及其应用. 洪明坚.中国优秀博硕士学位论文全文数据库(硕士)信息科技辑,第2期. 2003 * |
基于人眼视觉特性的数字X线医学图像增强方法的研究. 杨词银.中国优秀博硕士学位论文全文数据库(博士)医药卫生科技辑,第4期. 2003 |
基于人眼视觉特性的数字X线医学图像增强方法的研究. 杨词银.中国优秀博硕士学位论文全文数据库(博士)医药卫生科技辑,第4期. 2003 * |
基于红外图像的道路边缘检测算法研究. 王一鸣.中国优秀博硕士学位论文全文数据库(硕士)信息科技辑,第1期. 2007 |
基于红外图像的道路边缘检测算法研究. 王一鸣.中国优秀博硕士学位论文全文数据库(硕士)信息科技辑,第1期. 2007 * |
Also Published As
Publication number | Publication date |
---|---|
CN101231747A (zh) | 2008-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100594516C (zh) | 一种x射线图像边缘和对比度综合增强方法 | |
Maini et al. | A comprehensive review of image enhancement techniques | |
Ghani et al. | Underwater image quality enhancement through integrated color model with Rayleigh distribution | |
Bagade et al. | Use of histogram equalization in image processing for image enhancement | |
Janani et al. | Image enhancement techniques: A study | |
Ferzli et al. | A no-reference objective image sharpness metric based on the notion of just noticeable blur (JNB) | |
Bahrami et al. | A fast approach for no-reference image sharpness assessment based on maximum local variation | |
Majumder et al. | Perception-based contrast enhancement of images | |
CN106651818A (zh) | 基于改进的直方图均衡化低照度图像增强算法 | |
CN102930517A (zh) | 直方图均衡化图像增强方法 | |
CN101207697B (zh) | 一种融合多模糊算子的数字图像模糊增强方法 | |
CN106570836A (zh) | 一种辐射图像局部增强方法 | |
Sowmya et al. | FPGA implementation of image enhancement algorithms | |
CN105931206A (zh) | 一种颜色恒常的彩色图像清晰度增强方法 | |
JP4542666B2 (ja) | 画像処理による異物検出方法および装置 | |
Trivedi et al. | A new contrast measurement index based on logarithmic image processing model | |
Jindal et al. | Bio-medical image enhancement based on spatial domain technique | |
Mikhov et al. | Fuzzy logic approach to improving the digital images contrast | |
Negi et al. | Survey of various image enhancement techniques in spatial domain using MatLab | |
KR100825960B1 (ko) | 두부계측 방사선사진 상에 계측점을 지정하는 방법 | |
Lyu et al. | A novel visual perception enhancement algorithm for high-speed railway in the low light condition | |
Kumari et al. | Image fusion techniques based on pyramid decomposition | |
Wharton et al. | Adaptive multi-histogram equalization using human vision thresholding | |
Reddy et al. | Guided image filtering for image enhancement | |
JPH0816773A (ja) | 画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |