CN101231746B - 生成多尺度对比增强图像的方法 - Google Patents

Abstract

本发明描述了生成多尺度对比增强图像的方法，其中保留了边缘转变的形状。详细图像经过转换，按照增强中心差值的组合与未增强中心差值的组合之间的比率，对于每个详细像素值来调节至少一个尺度的转换函数。

Description

生成多尺度对比增强图像的方法

技术领域

本发明涉及用于增强由数字信号表示的图像的对比度的方法。 

背景技术

由数字信号表示的图像、如医疗图像通常在显示或硬拷贝记录期间或之前经过图像处理。 

灰度值像素到适合于再现或显示的转换可包括多尺度图像处理方法(又称作多分辨率图像处理方法)，通过它可增强图像的对比度。 

根据这样一种多尺度图像处理方法，由像素值的阵列表示的图像通过应用以下步骤来处理。首先，以多个尺度将原始图像分解为一系列详细图像以及有时还有残留图像。随后，通过对这些像素值应用至少一次转换来修改详细图像的像素值。最后，通过将重构算法应用于残留图像和已修改详细图像，来计算所处理图像。这样一种方法如图2和图3所示。 

对于转换功能的行为存在限制。图像的灰度值转变可能失真，在转换函数过于非线性时达到外观变为不自然的程度。失真在有效灰度级转变附近更为显著，它可能导致阶跃边缘的超调以及朝向强阶跃边缘的低变异区域的均质性损失。建立伪像的风险对于CT图像变得更显著，因为它们具有更锐利的灰度级转变，例如在软组织和对比剂的接触面上。对CT图像使用多尺度技术必须非常小心。 

在US 6731790 B1中描述了一种方法，其中，在由数字信号表示的图像中校正伪像。已校正伪像来源于多尺度图像表示的成分的任何种类的非线性修改。 

生成并修改原始图像的梯度表示。将修改步骤应用于梯度图像。 

将重构过程应用于已修改梯度表示。 

本发明的一个目的是提供一种用于增强由数字信号表示的图像的对比度的方法，它克服了先有技术的不便之处。 

更具体来说，本发明的一个目的是提供一种新的多尺度对比增强算法，它产生对比增强图像，同时保留边缘转变的形状。 

发明内容

上述方面通过所附权利要求书定义的方法来实现。 

在相关权利要求中阐述了本发明的具体和优选实施例。 

本发明规定，增强的详细图像值通过中心差值的增强来建立。 

本发明的方法不同于且优于先有技术的多尺度对比增强的原因在于：先有技术的算法经由通过查找表或乘法放大系数将转换函数直接应用于详细像素值，来放大详细像素值。 

本发明适用于从其中可通过应用逆变换来计算原始图像的所有多尺度详细表示方法。 

本发明适用于所有多尺度分解方法，其中，详细像素相等于转化差值图像之和，或者可作为中心差值图像来计算。 

根据本发明，按照增强中心差值的组合与未增强中心差值的组合之间的比率，对于每个详细像素值来调节至少一个尺度的逐个像素放大函数。 

然后采用已调节转换函数来修改详细像素值。 

(在图4、图6和图8中分别对于图5、图7和图9中所述的对应增强步骤进行说明) 

本发明的方法的特性如图1所示。 

本发明一般作为适合于当运行于计算机时执行权利要求中的任一项所述的方法并存储在计算机可读媒体中的计算机程序产品来实现。 

本发明的实施例的其它优点和实现将在以下描述中进行说明并且通过附图来表示。 

在本发明的上下文中，具体术语定义如下： 

多尺度分解机构： 

图像的多尺度(或多分辨率)分解是以灰度值图像的多个尺度来计算详细图像的过程。多尺度分解机构一般包括用于计算详细图像的滤波器组。众所周知的技术例如包括：拉普拉斯金字塔、伯特金字塔、拉普拉斯栈、子波分解、OMF滤波器组。 

近似图像： 

近似图像是以相同或更大尺度或者以相同或更低分辨率来表示原始灰度值图像的灰度值图像。特定尺度的近似图像相当于原始灰度值图像，其中，那个尺度的所有细节已经被省略(Mallat S.G.的“多分辨率信号分解的理论：子波表示”(IEEE Trans.On Pattern Analysisand Machine Intelligence，vol.11，no.7，1989年7月))。 

详细图像： 

详细图像被定义为某个尺度的近似图像与更小尺度的近似图像之间的信息的差异。 

转换算子： 

转换算子是作为建立灰度值图像的对比增强形式的中间步骤的生成详细像素值的逐个像素修改的算子。在欧洲专利EP527525中描述了这样一种算子。修改由转换函数来定义，并且例如可实现为查找表或者实现为乘法放大。 

转化差值图像： 

尺度s的转化差值图像是尺度s的近似图像的各像素的基本对比的测量。它们可通过取那个尺度s的近似图像与已转化形式的差值来计算。近似图像的差异可能表示基本对比的其它计算，例如在处理步骤之前有指数变换以及之后有对数变换的情况中的像素与相邻像素的比率。 

中心差值图像： 

中心差值图像通过将组合算子(例如总和)应用于转化差值图像来计算。 

组合算子可能是转化差值图像中的对应像素值的线性或非线性函数。线性组合函数的一个实例是加权和。非线性组合函数的一个实例是中值。 

附图说明

图1示意说明本发明的两个实施例的步骤， 

图2说明根据先有技术的多分辨率图像处理方法， 

图3说明图2所示的多分辨率图像处理方法的图像增强步骤， 

图4、图6和图8说明根据本发明的多分辨率图像处理方法的不同实现， 

图5说明图4所示的多分辨率图像处理方法的图像增强步骤， 

图7说明图6所示的多分辨率图像处理方法的图像增强步骤， 

图9说明图8所示的多分辨率图像处理方法的图像增强步骤， 

图10是与以上附图中使用的符号有关的图例。 

具体实施方式

这种对比增强算法适用于从其中可通过应用逆变换来计算原始图像的所有多尺度详细表示方法。 

它适用于可作为转化差值图像的加权和来计算的可逆多尺度详细表示。 

转化差值图像的加权因子和转化偏移量可从多尺度分解中得出，其方式是，转化差值图像的所得加权和与详细像素值相同或近似。 

对于这些多尺度详细表示，可通过在计算加权和之前将转换算子应用于中心差值来增强对比。 

为了计算转化差值图像的加权和，可使用相同尺度(或分辨率级)的近似图像或者更小尺度(或更细分辨率级)的近似图像。 

现有技术的多尺度对比增强算法将图像分解为包括表示多个尺度的细节的详细图像和残留图像的多尺度表示。 

重要的多尺度分解的一部分是子波分解、高斯-拉普拉斯(或LoG分解)、高斯差值(或DoG)分解以及伯特金字塔。 

通过应用高通和低通滤波器的级联，之后跟随二次抽样步骤，来计算子波分解。 

高通滤波器从特定尺度的近似图像中提取详细信息。 

在伯特金字塔分解中，通过减去尺度k+1的近似图像的上抽样形式，从尺度k的近似图像中提取详细信息。 

在如EP527525公开的一种现有技术方法中，通过转换详细图像中的像素值，之后跟随多尺度重构，来建立图像的对比增强形式。 

多尺度分解的所有上述实现具有一个共同属性。详细图像中的各像素值可通过组合运动邻域中的像素值从近似图像中计算。 

在上述情况中，组合函数为加权和。 

对于子波分解，尺度k的详细图像中的像素值计算为： 

$d_{k+1}=\↓(h_d*g_k)$

$g_{k+1}=\↓(l_d*g_k)$

其中的h_d为高通滤波器，l_d为低通滤波器，*为卷积算子，以及↓为二次抽样算子(即，不考虑每个第二行和列)。 

对于子波分解，尺度k的增强近似图像计算为： 

$h_k=l_r*(\↑h_{k+1})+h_r*(\↑f\left(d_{k+1}\right))$

其中的h_r为高通滤波器，l_r为低通滤波器，以及↑为上抽样算子(即，将具有0值的像素插入任何两行和列之间)。 

对于伯特分解，尺度k的详细图像中的像素值计算为： 

$d_k=g_k-4g*(\↑g_{k+1})$

或者 

$d_k=g_k-4g*(\↑(\↓(g*g_k)))$

或者 

$d_k=(l-4g*(\↑(\↓g)))*g_k$

其中的g为高斯低通滤波器，以及l为恒等算子。 

对于伯特分解，尺度k的增强近似图像计算为： 

$h_k=4g*(\↑h_{k+1})+f\left(d_k\right)$

其中的f(x)为转换算子。 

作为加权和的多尺度详细像素值 

假定在伯特多尺度分解中，5×5高斯滤波器与系数w_k，l结合使用，其中的k＝-2，...2，以及l＝-2，...，2，则二次抽样算子删除每个第二行和列，以及上抽样算子将具有0值的像素插入任何两行和列之间。 

近似图像g_k+1中的位置i，j上的像素计算为： 

$g_{k+1}(i,j)=\underset{s=-2}{\overset{2}{\mathrm{\Σ}}}\underset{t=-2}{\overset{2}{\mathrm{\Σ}}}{w}_{s,t}{g}_k(2i+s,2j+t)$

上抽样图像u_k中的位置i，j上的像素计算为： 

上抽样平滑图像gu_k中的位置i，j上的像素计算为： 

最后，详细图像d_k中的位置i，j上的像素计算为： 

一般来说，详细图像d_k中的位置i，j上的像素可计算为相同或更小尺度k、k-1、k-2、...的近似图像中的像素的加权和： 

$d_k(i,j)=g_l(\mathrm{ri},\mathrm{rj})-\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{v}_{m,n}{g}_l(\mathrm{ri}+m,\mathrm{rj}+n)$

其中的l∈{0，...，k}以及r＝二次抽样_因子(l-k) 

因为 

$\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{v}_{m,n}=1$

所以详细图像d_k中的位置i，j上的像素计算为： 

$d_k(i,j)=g_l(\mathrm{ri},\mathrm{rj})-\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{v}_{m,n}{g}_l(\mathrm{ri}+m,\mathrm{rj}+n)$

$d_k(i,j)=\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{v}_{m,n}{g}_l(\mathrm{ri},\mathrm{rj})-\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{v}_{m,n}{g}_l(\mathrm{ri}+m,\mathrm{rj}+n)$

$d_k(i,j)=c_k(i,j)=\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{v}_{m,n}(g_l(\mathrm{ri},\mathrm{rj})-g_l(\mathrm{ri}+m,\mathrm{rj}+n))$

项g_l(ri，rj)-g_l(ri+m，rj+n)称作转化差值。 

它表示近似图像中的中心像素与相邻像素之间的像素值的差异。它是局部对比度的测量。 

转化差值的加权和称作中心差值c_k(i，j)。 

通过类似的方式可以证明，其它多尺度分解方法中的详细图像也可表示为转化差值图像的组合。 

转换操作 

在例如EP527525中公开的一种现有技术方法中，对比增强通过将转换算子f(x)应用于详细图像d_k来获得，或者相当于： 

$f\left(d_k(i,j)\right)=f(g_l(\mathrm{ri},\mathrm{rj})-\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{v}_{m,n}{g}_l(\mathrm{ri}+m,\mathrm{rj}+n))$

这样一种转换算子的实例是S形函数。这种转换算子的另一个实例是例如EP525527中公开的一种对比增强函数。转换算子的形状取决于增强的特定要求，它用于将低值详细像素比高值详细像素放大更多。 

转换步骤可能引起重构对比增强图像中的边缘转变的形状的变形。原因在于转换函数的非线性度。 

一般来说，以下适用于非线性函数： 

f(x+y)≠f(x)+f(y) 

或者 

$f\left(\underset{i}{\mathrm{\Σ}}{x}_i\right)\≠\underset{i}{\mathrm{\Σ}}f\left(x_i\right)$

现有技术的算法首先将详细图像d_k中的像素值计算为加权和，然后再应用转换步骤。 

通过将详细图像d_k中的像素值改写为转化差值的加权和，能够在求和之前而不是之后应用转换步骤。  

对比增强这时通过对转化差值应用转换步骤来获得： 

$f\left(d_k(i,j)\right)=\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{v}_{m,n}f(g_l(\mathrm{ri},\mathrm{rj})-g_l(\mathrm{ri}+m,\mathrm{rj}+n))$

这样，在对比增强重构图像中更好地保留了边缘转变的形状。 

如果对于每一个尺度k都从全分辨率图像g_o中计算那个尺度的详细图像，并且将增强应用于中心差值，则在重构之后最佳地保留了边缘转变的形状。 

在图4、图6和图8中说明本发明的不同实现。对应的增强步骤如图5、图7和图9所示。 

在本发明中，中心差值(即转化差值的加权和)仅近似于通过多尺度分解所产生的详细图像中的像素值。 

例如，在伯特分解中5×5高斯滤波器以及给定采用与详细图像相同的尺度的近似图像的事实的情况下，根据第一实施例，需要计算9×9＝81个转化差值图像以及9×9＝81个加权。 

通过采用例如7×7＝49项的近似求和来代替，仅需要计算49个转化差值图像和49个加权。 

求和中使用的项的数量产生对比增强之后的多尺度分解/重构与边缘转变的形状的保留程度之间的折衷。 

第一步骤是以传统方式计算多尺度分解，从而产生详细图像d_k 的多尺度表示。 

下一个步骤是对于各详细图像d_k根据从尺度l∈{0，...，k}的近似图像中计算的中心差值图像来计算放大系数a_k的图像。 

转化差值图像以及对应转化的数量取决于近似求和中使用的项的数量。 

为了获得对比增强，转换转化图像。 

放大系数图像a_k被计算为增强转化差值图像的加权和与未增强转化差值图像的加权和的比率。 

对于位置i，j上的尺度k的放大系数，应用下式： 

$a_k(i,j)=\frac{\underset{\tilde{m}}{\mathrm{\Σ}}\underset{\tilde{n}}{\mathrm{\Σ}}{\tilde{v}}_{\tilde{m},\tilde{n}}f(g_l(\mathrm{ri},\mathrm{rj})-g_l(\mathrm{ri}+\tilde{m},\mathrm{rj}+\tilde{n}))}{\underset{\tilde{m}}{\mathrm{\Σ}}\underset{\tilde{n}}{\mathrm{\Σ}}{\tilde{v}}_{\tilde{m},\tilde{n}}(g_l(\mathrm{ri},\mathrm{rj})-g_l(\mathrm{ri}+\tilde{m},\mathrm{rj}+\tilde{n}))}$

详细图像d_k通过d_k与放大系数a_k相乘来增强。 

放大系数的集合称作放大图像。 

图像的重构对比增强形式通过对增强详细图像应用多尺度重构来计算。 

备注：如果转换函数f(x)是恒等函数，则放大因子将等于1。这产生可逆多尺度分解/重构。 

Claims (4)

1.一种用于增强由数字信号表示的图像的对比度的方法，其中

a.将所述数字信号分解为多尺度表示，其中包含表示多个尺度的细节的至少两个详细图像以及近似图像，从所述近似图像中提出所述详细图像并且某个尺度的近似图像表示其中已经省略那个尺度的所有细节的原始图像的灰度值，

b.从至少一个近似图像中计算转化差值图像，其中尺度s的转化差值图像通过取那个尺度s的近似图像与所述近似图像的已转化形式的差值来计算，所述近似图像的已转化形式是其中坐标(x，y)处的像素值等于所述近似图像的未转化形式中坐标(x+m，y+n)处的像素值的图像；

c.非线性地修改所述转化差值图像的值，

d.至少以一个尺度将放大图像计算为第一图像与第二图像之比，其中，所述第一图像通过组合相同或更小尺度的已修改转化差值图像来计算，以及第二图像通过组合相同或更小尺度的未修改转化差值图像来建立，

e.增强多尺度详细表示通过以至少一个尺度按照该至少一个尺度的放大图像修改所述详细图像来计算，

f.增强图像表示通过对所述增强多尺度详细表示应用重构算法来计算。

2.如权利要求1所述的方法，其特征在于，特定尺度的转化差值图像从与该特定尺度相同的尺度的近似图像中计算。

3.如权利要求1所述的方法，其特征在于，所述由数字信号表示的图像是乳房x射线照相图像。

4.如以上权利要求中的任一项所述的方法，其特征在于，所述由数字信号表示的图像是CT图像。

Images