CN101459766A - 超声图像增强与噪声抑制的方法及其装置 - Google Patents
超声图像增强与噪声抑制的方法及其装置 Download PDFInfo
- Publication number
- CN101459766A CN101459766A CNA200710199591XA CN200710199591A CN101459766A CN 101459766 A CN101459766 A CN 101459766A CN A200710199591X A CNA200710199591X A CN A200710199591XA CN 200710199591 A CN200710199591 A CN 200710199591A CN 101459766 A CN101459766 A CN 101459766A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- image
- gray scale
- input picture
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
公开了用于改善图像质量的方法和系统。所述方法和系统包括去噪环节、平滑环节、锐化环节和融合环节。其中,去噪环节用于消除原始图像中的管腔噪声,平滑环节用于消除去噪环节输出的图像中的斑点噪声,锐化环节用于增强平滑环节输出的图像中的细节和特征,融合环节用于将去噪环节、平滑环节和锐化环节输出的图像进行融合。融合环节输出的图像在经过图像处理模块的其他子模块处理后,可送入显示设备进行显示。
Description
技术领域
本发明涉及超声成像,更具体地,涉及超声图像增强与噪声抑制的方法及其装置。
背景技术
超声图像增强与噪声抑制是一种以提高超声图像质量为目的的图像处理技术。
在超声成像中,由一个超声换能器矩阵发射超声波束,遇人体内的组织反射产生回波信号,返回的回波信号被同一超声换能器矩阵接收,经波束合成后形成一条或多条扫描线上的数据。不同位置的扫描线数据经对数压缩后,组合形成一幅超声图像。
提高超声图像质量的一个重要方面是抑制噪声。超声图像中最常见的噪声是斑点噪声,它是一种存在于所有相干成像系统中的现象。当超声反射面不光滑,其粗糙度和入射超声波长相当时,不同反射源产生的回波信号由于相位不同,它们可能叠加也可能相消,反映为图像的颗粒感。这些斑点噪声的存在掩盖了图像中的一些有用信息,在一定程度上影响了医生的诊断,因此必须加以抑制。
超声图像中另一种常见的噪声是管腔噪声。管腔是指血管内部。管腔内血流的回声很弱,当它与组织回声一并显示时,将表现为杂波和噪声,这对临床诊断同样是不利的因素。当本发明只需显示组织图像的时候,管腔内应当尽可能干净,因此,管腔噪声也是需要抑制的对象。
提高超声图像质量的另一个重要方面是增强图像中的重要结构或特征,例如骨骼、包膜等,这是医生诊断器官是否病变的重要依据,需要加以突出以便观察。超声图像增强方法应该保留所有可辨别的结构,包括正常与不正常的结构,同时提供足够的纹理与对比度信息。
在本领域中,某些现有技术将图像分割为结构区域和非结构区域,对结构区域作方向性滤波和方向性增强,对非结构区域则作各向同性滤波。所述方法在一定程度上能实现对超声图像的增强和对噪声的抑制,但是,它们也存在以下缺点:
一,过于复杂(尤其是其中的图像分割环节),实现难度大,其实时性无法保证;
二,众所周知,超声图像的分割是长期困扰学术界的难题,因此在某些局部出现错误分割在所难免,而所述方法过于依赖分割,这可能会导致不良的处理结果;
三,即使有可能做到100%的正确分割,该方法对两类区域采取截然不同的处理方式,也将带来明显的人工痕迹,从而影响所得图像的质量;
四,该方法主要是针对斑点噪声设计的,对管腔噪声仅仅是顺带地稍有抑制作用,效果并不明显。
因此,需要设计这样的方法和装置:它们能在增强所得超声图像和抑制斑点噪声的同时,对管腔噪声也产生明显的抑制,而且引入的人工痕迹不明显。
发明内容
通过提供一种改善超声图像质量的方法和装置,本发明较好地实现了既增强图像中的细节和特征,又抑制图像中的斑点噪声和管腔噪声的目的。同时,由于采用了模糊处理技术,使得所得图像中的人工痕迹不明显。
总体上,本发明的方法包括:对原始图像进行去噪,以去除其中的管腔噪声,得到去噪图像;对所述去噪图像进行平滑,以去除其中的斑点噪声,得到平滑图像;对所述平滑图像进行锐化,以增强其中的细节和特征,得到锐化图像;将所述去噪图像、所述平滑图像和所述锐化图像进行融合,以得到融合图像。
另一方面,总体上,本发明的装置包括:去噪模块,用于对原始图像进行去噪,以去除其中的管腔噪声,得到去噪图像;平滑模块,用于对所述去噪图像进行平滑,以去除其中的斑点噪声,得到平滑图像;锐化模块,用于对所述平滑图像进行锐化,以增强其中的细节和特征,得到锐化图像;融合模块,用于将所述去噪图像、所述平滑图像和所述锐化图像进行融合,以得到融合图像。
具体而言,根据本发明的第一个方面,提供了一种用于改善图像质量的方法,所述方法定义水平方向为方向1,所述方向1逆时针旋转45度所得方向为方向2,垂直于所述方向1的方向为方向3,所述方向1顺时针旋转45度所得方向为方向4,并包括对图像中的斑点噪声进行抑制,其特征在于,抑制图像中的斑点噪声包括:(1)对输入图像中的每个像素,分别计算所述4个方向上的 得到所述输入图像的4个经过处理的图像,G0表示所述像素的灰度,表示所述4个方向中的一个方向d上的、分别处于所述像素两侧的两个最邻近像素的灰度,d=1,2,3,4,且 满足当所述三个像素之间的灰度差异的绝对值越大时,它的值越大;(2)对所述输入图像中的每个像素,将其所述4个方向上的Vd值经过空间统计处理,得到所述4个方向上的值;(3)对所述输入图像中的每个像素,按λ=f2(M,m)计算其λ值,M表示所述像素的所述值中的最大值,m表示所述像素的所述值中的最小值,且f2(M,m)满足当M越大或M相对m越大时它的值越大,否则它的值越小,以及f2(M,m)的值处于[0,1]范围内;(4)对所述输入图像中的每个像素执行以下操作:在所述像素的m值对应的方向上选取分处于所述像素两侧的两个最邻近像素,将这3个像素的灰度值进行算术平均,得到所述像素的一个灰度GA;(5)对所述输入图像中的每个像素执行以下操作:进行窗口尺寸为w4×h4的均值滤波,得到所述像素的一个灰度GI,w4、h4为正整数;(6)对所述输入图像中的每个像素,按G′=f3(λ,GA,GI)计算所述像素的处理后的灰度G′,以得到所述输入图像的处理后的图像,且f3(λ,GA,GI)满足若所述λ越大则GA在G′中所占比重越大,否则GI在G′中所占比重越大。
根据本发明的第二个方面,所述方法还包括:(7)将所述输入图像的处理后的图像作为新的输入图像,执行步骤(1)-(7),直到迭代次数达到预先指定的次数N或本次迭代所得的图像与上一次迭代所得的图像的对应像素之间的灰度差值绝对值的平均值小于预定的阈值为止,并输出平滑图像。
根据本发明的第三个方面,所述方法还包括:(7)将所述输入图像的处理后的图像作为新的输入图像,并将各个像素的λ值、GI值以及m值对应的方向保持不变,执行步骤(4)、(6)、(7),直到迭代次数达到预先指定的次数N或本次迭代所得的图像与上一次迭代所得的图像的对应像素之间的灰度差值绝对值的平均值小于预定的阈值为止,并输出平滑图像。
根据本发明的第四个方面,最初的输入图像是通过对原始图像进行如下处理得到的:(1)对原始图像进行窗口尺寸分别为w1×h1和w2×h2的小窗口均值滤波和大窗口均值滤波,w1、h1、w2、h2为正整数;(2)设定经验常数D、r,并对原始图像中的每个像素执行以下操作:令所述像素的阈值T=AB-D,以及若T<r,则令T=r,AB为所述像素在经过所述大窗口均值滤波后的所述原始图像中的灰度;(3)对原始图像中的每个像素执行以下操作:比较所述像素的As值和T值,若As<T,则按G=f4(G,As,T)对所述像素的灰度进行抑制,否则不处理所述像素,As为所述像素在经过所述小窗口均值滤波后的所述原始图像中的灰度,G为所述像素在所述原始图像中的灰度,且f4(G,As,T)满足当As相对于T越小时f4(G,As,T)相对于G越小。
根据本发明的第五个方面,所述方法还包括:对所述平滑图像中的每个像素,按L=f5(Gs,G-1,G1)计算它的经过锐化后的灰度,以得到锐化图像,Gs表示所述像素的灰度,G-1、G1表示所述像素在第n次迭代过程中求得的M值对应的方向上分处于所述像素两侧的两个最邻近像素的灰度,n为大于等于1的正整数,且f5(Gs,G-1,G1)满足当所述像素的灰度相对所述最邻近像素的灰度越大时,f5(Gs,G-1,G1)的值越大。
根据本发明的第六个方面,所述方法还包括:设用于得到所述平滑图像的最初的输入图像为I1,所述平滑图像为I2,所述锐化图像为I3,按I=I1·a+I2·(1-a)+I3·ε求图像I,0≤a≤1,且ε为正的系数,并按 将图像I中各像素的灰度值G"限制在[0,255]范围内。
根据本发明的第七个方面,提供了一种用于改善图像质量的装置,所述装置定义水平方向为方向1,所述方向1逆时针旋转45度所得方向为方向2,垂直于所述方向1的方向为方向3,所述方向1顺时针旋转45度所得方向为方向4,并包括对图像中的斑点噪声进行抑制的模块,其特征在于,所述抑制图像中的斑点噪声的模块包括:(1)对输入图像中的每个像素,分别计算所述4个方向上的 得到所述输入图像的4个经过处理的图像的单元,G0表示所述像素的灰度,表示所述4个方向中的一个方向d上的、分别处于所述像素两侧的两个最邻近像素的灰度,d=1,2,3,4,且 满足当所述三个像素之间的灰度差异的绝对值越大时,它的值越大;(2)对所述输入图像中的每个像素,将其所述4个方向上的Vd值经过空间统计处理,得到所述4个方向上的值的单元;(3)对所述输入图像中的每个像素,按λ=f2(M,m)计算其λ值的单元,M表示所述像素的所述值中的最大值,m表示所述像素的所述值中的最小值,且f2(M,m)满足当M越大或M相对m越大时它的值越大,否则它的值越小,以及f2(M,m)的值处于[0,1]范围内;(4)对所述输入图像中的每个像素执行以下操作的单元:在所述像素的m值对应的方向上选取分处于所述像素两侧的两个最邻近像素,将这3个像素的灰度值进行算术平均,得到所述像素的一个灰度GA;(5)对所述输入图像中的每个像素执行以下操作的单元:进行窗口尺寸为w4×h4的均值滤波,得到所述像素的一个灰度GI,w4、h4为正整数;(6)对所述输入图像中的每个像素,按G′=f3(λ,GA,GI)计算所述像素的处理后的灰度G′以得到所述输入图像的处理后的图像的单元,且f3(λ,GA,GI)满足若所述λ越大则GA在G′中所占比重越大,否则GI在G′中所占比重越大。
根据本发明的第八个方面,所述装置还包括:(7)将所述输入图像的处理后的图像作为新的输入图像,使其经过(1)-(7)中的单元的处理,直到迭代次数达到预先指定的次数N或本次迭代所得的图像与上一次迭代所得的图像的对应像素之间的灰度差值绝对值的平均值小于预定的阈值为止,并输出平滑图像的单元。
根据本发明的第九个方面,所述装置还包括:(7)将所述输入图像的处理后的图像作为新的输入图像,并将各个像素的λ值、GI值以及m值对应的方向保持不变,让所述新的输入图像接受(4)、(6)、(7)中的单元的处理,直到迭代次数达到预先指定的次数N或本次迭代所得的图像与上一次迭代所得的图像的对应像素之间的灰度差值绝对值的平均值小于预定的阈值为止,并输出平滑图像的单元。
根据本发明的第十个方面,所述装置还包括对原始图像进行处理以得到最初的输入图像的模块,所述模块包括:(1)对原始图像进行窗口尺寸分别为w1×h1和w2×h2的小窗口均值滤波和大窗口均值滤波的单元,w1、h1、w2、h2为正整数;(2)设定经验常数D、r,并对原始图像中的每个像素执行以下操作的单元:令所述像素的阈值T=AB-D,以及若T<r,则令T=r,AB为所述像素在经过所述大窗口均值滤波后的所述原始图像中的灰度;(3)对原始图像中的每个像素执行以下操作的单元:比较所述像素的As值和T值,若As<T,则按G=f4(G,As,T)对所述像素的灰度进行抑制,否则不处理所述像素,As为所述像素在经过所述小窗口均值滤波后的所述原始图像中的灰度,G为所述像素在所述原始图像中的灰度,且f4(G,As,T)满足当As相对于T越小时f4(G,As,T)相对于G越小。
根据本发明的第十一个方面,所述装置还包括:对所述平滑图像中的每个像素,按L=f5(Gs,G-1,G1)计算它的经过锐化后的灰度以得到锐化图像的单元,Gs表示所述像素的灰度,G-1、G1表示所述像素在第n次迭代过程中求得的M值对应的方向上分处于所述像素两侧的两个最邻近像素的灰度,n为大于等于1的正整数,且f5(Gs,G-1,G1)满足当所述像素的灰度相对所述最邻近像素的灰度越大时,f5(Gs,G-1,G1)的值越大。
根据本发明的第十二个方面,所述装置还包括:(1)按I=I1·a+I2·(1-a)+I3·ε求图像I的单元,I1表示用于得到所述平滑图像的最初的输入图像,I2表示所述平滑图像,I3表示所述锐化图像,0≤a≤1,且ε为正的系数;(2)将图像I中各像素的灰度值G"按 限制在[0,255]范围内的单元。
通过上述方法和装置,本发明较好的实现了前述的发明目的。具体而言,相对于现有技术,本发明所需环节少,易于实现,实时性较强。由于采用了模糊分割技术,因而不会出现明显的错误分割,也不会导致图像的不连续感,处理结果更加自然。而且本发明对斑点噪声和管腔噪声都有很好的抑制作用。
附图说明
以下,将结合说明书附图对本发明进行更为详细的说明,其中:
图1是超声图像增强与噪声抑制系统的框图;
图2是图像增强子模块的总工作流程图;
图3是去噪环节的流程图;
图4示意性地示出了平滑环节中所用的4个计算方向;
图5是平滑环节的流程图。
具体实施方式
图1是超声图像增强与噪声抑制系统的框图。一组通过延迟聚焦的脉冲通过发射电路发送到探头,探头向受测机体组织发射超声波,经一定延时后接收从受测机体组织反射回来的超声波。回波信号进入波束合成器,完成聚焦延时、加权和通道求和。其输出信号经过信号处理,再经图像处理模块处理后,即可通过显示设备进行显示。
该系统的核心是图像处理模块中的图像增强子模块,其总流程如图2所示。以下将详细介绍该子模块各个环节的具体实现方案。
首先是去噪环节,其输入是原始图像,输出是去噪图像。该环节专门用于去除管腔噪声,对此,本发明的做法并不是一个个地找出噪声点,而是找出管腔,并将整个管腔的亮度变得更暗,这样自然抑制了管腔噪声。
由于管腔在图像中表现为整体灰度较低,且具有一定面积的连续区域,因此,孤立的黑洞不是管腔,需要排除。整体灰度较低,可分为两种情况:对于较大的管腔,表现为绝对灰度较低,即其灰度的绝对值较低;对于较小的管腔,表现为相对灰度较低,即其灰度低于其附近区域的灰度。
根据上述分析,本发明提出一种方法,它对管腔的检测和噪声的去除是一并进行的,具体如下:
对原始图像分别进行一次小窗口和大窗口的均值滤波,其窗口尺寸分别为w1×h1和w2×h2,例如取w1=h1=5,w2=h2=15,从而得到两个滤波图像。设当前像素的原始灰度为G,它在两个滤波图像中的灰度分别为AS和AB。令阈值T=AB-D,其中D称为“相对灰度阈值”,是一经验常数,例如取D=10。若T小于r,则令T=r,其中r称为“绝对灰度阈值”,是一经验常数,例如取r=30。确定阈值T之后,比较AS和T,若AS≥T,则当前像素不作处理。否则,判定当前像素属于管腔;这时,无需再判断该像素是否属于管腔噪声,而一律用以下公式对其灰度进行抑制:
式1可以理解为,若AS<r或AS<AB-D,则对当前像素的灰度进行抑制。使用小窗口灰度作为判断条件和系数,是为了排除孤立黑洞的影响。再考察这两个判断条件,前者反映当前小窗口的绝对灰度较低,而后者反映当前小窗口的相对灰度较低,这恰好是识别管腔的两个条件。在此基础上,式1采用了连续的线性函数,对这两种情况的管腔噪声都可以有效地进行抑制,而且在管腔与非管腔之间的过渡非常自然,人工痕迹不明显。此外,也可以按其他公式对上述属于管腔噪声的像素进行抑制。例如,可以使用G′=f4(G,As,T),只要f4(G,As,T)满足当As相对于T越小时f4(G,As,T)相对于G越小。例如,可以令f4(G,As,T)=G+As-T。
对原始图像的每个像素都进行上述处理,就完成了去噪环节,其流程如图3所示。
现在进入平滑环节,其输入是去噪图像,输出是平滑图像。该环节的作用是去除斑点噪声,具体步骤如下:
对于去噪图像的每个像素,分别四个方向的方差,如图4所示,这四个方向是:水平方向为方向1,所述方向1逆时针旋转45度所得方向为方向2,垂直于所述方向1的方向为方向3,所述方向1顺时针旋转45度所得方向为方向4,可使用以下公式:
V=|G0-G-1|2+|G0-G1|2+|G-1-G1|2 (2)
这里,G0是当前像素的灰度,G-1和G1分别是当前像素在当前计算方向的两个最邻近像素的灰度。例如,当前像素坐标为(x,y),当前计算方向为方向4,则两个最邻近像素坐标为(x-1,y+1)和(x+1,y-1)。也可以用其他公式来定义V值,如V=f1(|G0-G-1|,|G0-G1|,|G-1-G1|),只要f1(|G0-G-1|,|G0-G1|,|G-1-G1|)满足当所述三个像素之间的灰度差异的绝对值越大时,f1(|G0-G-1|,|G0-G1|,|G-1-G1|)的值越大。例如,可以令f1(|G0-G-1|,|G0-G1|,|G-1-G1|)=|G0-G-1|+|G0-G1|+|G-1-G1|。
求得每个像素的四方向方差之后,对于整幅图像,相当于得到了四个方差图像。然后所述输入图像中的每个像素,将其所述四方向方差经过空间统计处理,得到处理后的四方向方差。这里所说的空间统计处理的其中一种方法是,对于输入图像的每个像素,在上述四个方差图像中,将其四方向方差分别经过窗口尺寸为w3×h3(例如取w3=h3=5)的均值滤波,得到处理后的四方向方差。同样可以采用的一种空间统计处理方法是,对于输入图像的每个像素,选取其一个尺寸为w3′×h3′的矩形邻域,并令其处理后的d方向上的方差等于方向d成为这w3′×h3′个像素的各自的四方向方差中最大值对应的方向的次数,得到处理后的四方向方差。例如,以当前像素为中心,取w3′=h3′=5,在这25个像素中,以方向1、2、3、4作为其四方向方差中的最大值对应的方向的像素分别为5个、10个、4个、6个,则当前像素的处理后的四方向方差为V1′=5,V2′=10,V3′=4,V4′=6。
现在将对去噪图像进行分割。与之前介绍的现有技术相同的是,本发明也使用了结构区域和非结构区域的概念;但与所述现有技术的严格分割方法不同,本发明使用的是模糊分割方法,公式为:
这里λ是一个模拟量,其取值范围为[0,1],它表示当前像素划入结构区域的充分程度或者可信程度,称为“结构区域隶属度”。式中,c和q是两个经验常数,例如,可以取c=2,q=100。而M和m来自当前像素的经过空间统计处理的四方向方差,前者为其中的最大值,后者为其中的最小值。式3可以理解为,若某像素四个方向的方差悬殊越大,说明该像素的方向性越强,被认为属于结构区域的理由也越充分。需要将所述充分程度量化为[0,1]范围内的变量,以便后续处理。也可以按λ=f2(M,m)来计算λ,只要f2(M,m)满足当M越大或M相对m越大时它的值越大,否则它的值越小,以及f2(M,m)的值处于[0,1]范围内。
在计算λ的同时,需要记录每个像素的m值和M值对应的方向,可以近似认为这两个方向是当前像素的切线方向和法线方向。前者将在本环节中用到,而后者将备用于锐化环节。
然后,对每个像素,分别作各向异性平滑和各向同性平滑,得到结果为GA和GI。其中,各向异性平滑的一种方法是取当前像素,及其切线方向上两个最邻近像素,求三点灰度均值的结果。此外,另一种可行的各向异性平滑方法是取当前像素及其切线方向上的两个最邻近像素,求这三个像素的灰度的中值,并将该中值作为结果GA。而各向同性平滑的一种方法是以一个较大的w4×h4窗口对当前像素进行均值滤波的结果,例如取w4=h4=5。此外,另一种可行的各向同性平滑方法是对当前像素进行窗口尺寸为w4′×h4′,标准偏差为σ的高斯滤波,并将其作为结果GI。例如,可以取w4′=h4′=5,σ=0.5。然后,将以此公式计算当前像素处理后的灰度:
G′=λ·GA+(1-λ)·GI (4)
式4可以理解为,当前像素的平滑结果是各向异性平滑和各向平性平滑加权平均的结果,而权值正是由结构区域隶属度及其补数。结构区域隶属度越大,则各向异性平滑占的比重越大,否则各向同性平滑占的比重越大。如此将两种平滑方式结合,既可以有效地去除斑点噪声,又可以保持图像中的特征和细节。而且,由于采用的是模糊分割和模糊处理的方法,可以实现结构区域和非结构区域之间的自然过渡,避免了严格分割导致的副作用,因此可以获得更自然的平滑结果。也可以按其他公式,如G′=f3(λ,GA,GI)来计算上述像素的处理后的灰度,只要f3(λ,GA,GI)满足所述λ越大则GA在G′中所占比重越大,否则GI在G′中所占比重越大。例如,可以令
一般来说,上述处理方法需要迭代若干次才能得到较好的效果。普通的迭代方案是:以处理后的图像取代去噪图像作为输入,重复上述各步骤进行处理,如此循环,直到重复次数达到N次或满足某个结束条件,如本次迭代所得的图像与上一次迭代所得的图像的对应像素之间的灰度差值绝对值的平均值小于预定的阈值为止。实际上,本发明采取了一种效率更高的方案:
仅仅在第一次迭代时计算结构区域隶属度、切线方向以及各向同性平滑结果;以后的迭代过程中,仅仅更新迭代输入图像,而不更新上述三个数据,并由此计算迭代输出图像。如此做法的理由是:上述三个数据在迭代过程中变化不大,因此没有必要每次迭代都重新计算。显然,这种部分更新的处理方法可以大大提高迭代的速度。
至此,完成了平滑环节,其流程如图5所示。图中非常明确地体现了上述的加速处理方法,其中迭代的次数指定为N次,例如取N=5;而n表示当前正在进行第几次迭代,其初始值为1。
现在进入锐化环节,其输入是平滑图像,输出是锐化图像。该环节的作用是增强图像的细节的特征,其过程如下:对平滑图像的每个像素,以Laplace算子计算其法线方向的二阶导数,公式为:
L=2G0-G-1-G1 (5)
其中G0是当前像素的灰度,G-1和G1分别是当前像素在法线方向上两个最邻近像素的灰度;这里的法线方向,就是在平滑环节第一次迭代过程中获取的,当前像素的M值对应的方向。也可以选取在平滑环节的不同于第一次迭代的迭代过程中获取的当前像素的M值对应的方向作为所述的法线方向。另外,也可以按其他公式,如L=f5(G0,G-1,G1)来对所述像素进行锐化,只要f5(G0,G-1,G1)满足当所述像素的灰度相对所述最邻近像素的灰度越大时,f5(G0,G-1,G1)越大。
对平滑图像的每个像素都进行上述处理,就完成了锐化环节。得到的结果即所谓锐化图像,实际并不是可视的图像,而是有正有负的数据。这里体现了与所述现有技术的又一区别,后者的锐化操作仅仅针对结构区域进行,而本发明的锐化操作是对整幅图像统一进行的,这样可以避免出现分割导致的不连续感。
最后进入融合环节。首先将去噪图像I1和平滑图像I2以适当的权重进行加权平均,再将锐化图像I3乘以一个适当的系数并与之相加,最后按 将图像I中各像素的灰度值G"限制在[0,255]范围内,就得到了融合图像。例如,可以按I=I1·a+I2·(1-a)+I3·ε或I=I1·a+I2·(1-a)+[I1·a+I2·(1-a)]·I3·ξ和将I中的像素限制在[0,255]范围内来求得融合图像,ε、ξ为正的系数。上述的权重和系数可以是指定的,例如取去噪图像权重a为0.4,平滑图像权重1-a为0.6,锐化图像系数ε为2,ξ为0.02;也可以供用户在一定范围内自行调整,如此可以灵活地实现各种图像风格。
融合图像即为图像增强子模块的最终处理结果,再经图像处理模块的其他子模块处理后,可送入显示设备进行显示。
需要指出的是,以上的4个环节中,去噪环节和平滑环节可以不依赖于其他环节地用于进行图像处理。而且,也可以不按去噪环节-平滑环节-锐化环节-融合环节的次序来执行图像处理。例如,也可以将平滑环节置于去噪环节之前。在计算图4中的四个方向上的方差和对平滑图像进行锐化时,也可以将式(2)和式(5)扩充为多于两个最邻近像素参与计算。再者,本发明所采用的计算方向也可以不限于图4所示的四个方向。
以上通过特定的实施例对本发明进行了详细的描述,但本发明并不限于上述实施例。在不脱离本发明范围的前提下,可以对本发明进行各种修改和变更。本发明的范围由所附权利要求书限定。
Claims (26)
1.一种用于改善图像质量的方法,所述方法定义水平方向为方向1,所述方向1逆时针旋转45度所得方向为方向2,垂直于所述方向1的方向为方向3,所述方向1顺时针旋转45度所得方向为方向4,并包括对图像中的斑点噪声进行抑制,其特征在于,抑制图像中的斑点噪声包括:
(1)对输入图像中的每个像素,分别计算所述4个方向上的 得到所述输入图像的4个经过处理的图像,G0表示所述像素的灰度, 表示所述4个方向中的一个方向d上的、分别处于所述像素两侧的两个最邻近像素的灰度,d=1,2,3,4,且 满足当所述三个像素之间的灰度差异的绝对值越大时,它的值越大;
(3)对所述输入图像中的每个像素,按λ=f2(M,m)计算其λ值,M表示所述像素的所述值中的最大值,m表示所述像素的所述值中的最小值,且f2(M,m)满足当M越大或M相对m越大时它的值越大,否则它的值越小,以及f2(M,m)的值处于[0,1]范围内;
(4)对所述输入图像中的每个像素执行以下操作:在所述像素的m值对应的方向上选取分处于所述像素两侧的两个最邻近像素,将这3个像素的灰度值进行算术平均,得到所述像素的一个灰度GA;
(5)对所述输入图像中的每个像素执行以下操作:进行窗口尺寸为w4×h4的均值滤波,得到所述像素的一个灰度GI,w4、h4为正整数;
(6)对所述输入图像中的每个像素,按G′=f3(λ,GA,GI)计算所述像素的处理后的灰度G′,以得到所述输入图像的处理后的图像,且f3(λ,GA,GI)满足若所述λ越大则GA在G′中所占比重越大,否则GI在G′中所占比重越大。
4.如权利要求1所述的方法,其特征在于,
5.如权利要求1所述的方法,其特征在于, c为正的经验常数,q为经验常数。
6.如权利要求1所述的方法,其特征在于,f3(λ,GA,GI)=λ·GA+(1-λ)·GI。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:(7)将所述输入图像的处理后的图像作为新的输入图像,执行步骤(1)-(7),直到迭代次数达到预先指定的次数N或本次迭代所得的图像与上一次迭代所得的图像的对应像素之间的灰度差值绝对值的平均值小于预定的阈值为止,并将此时得到的图像作为平滑图像输出。
8.如权利要求1所述的方法,其特征在于,所述方法还包括:将所述输入图像的处理后的图像作为新的输入图像,并将各个像素的λ值、GI值以及m值对应的方向保持不变,执行步骤(4)、(6)、(7),直到迭代次数达到预先指定的次数N或本次迭代所得的图像与上一次迭代所得的图像的对应像素之间的灰度差值绝对值的平均值小于预定的阈值为止,并将此时得到的图像作为平滑图像输出。
9.如权利要求1所述的方法,其特征在于,最初的输入图像是通过对原始图像进行如下处理得到的:
(1)对原始图像进行窗口尺寸分别为w1×h1和w2×h2的小窗口均值滤波和大窗口均值滤波,w1、h1、w2、h2为正整数;
(2)设定经验常数D、r,并对原始图像中的每个像素执行以下操作:令所述像素的阈值T=AB-D,以及若T<r,则令T=r,AB为所述像素在经过所述大窗口均值滤波后的所述原始图像中的灰度;
(3)对原始图像中的每个像素执行以下操作:比较所述像素的As值和T值,若As<T,则按G=f4(G,As,T)对所述像素的灰度进行抑制,否则不处理所述像素,As为所述像素在经过所述小窗口均值滤波后的所述原始图像中的灰度,G为所述像素在所述原始图像中的灰度,且f4(G,As,T)满足当As相对于T越小时f4(G,As,T)相对于G越小。
10.如权利要求9所述的方法,其特征在于,
11.如权利要求7或8所述的方法,其特征在于,所述方法还包括:
对所述平滑图像中的每个像素,按L=f5(Gs,G-1,G1)计算它的经过锐化后的灰度,得到锐化图像,Gs表示所述像素的灰度,G-1、G1表示所述像素在第n次迭代过程中求得的M值对应的方向上分处于所述像素两侧的两个最邻近像素的灰度,n为大于等于1的正整数,且f5(Gs,G-1,G1)满足当所述像素的灰度相对所述最邻近像素的灰度越大时,f5(Gs,G-1,G1)的值越大。
12.如权利要求11所述的方法,其特征在于,f5(Gs,G-1,G1)=2Gs-G-1-G1。
13.如权利要求11所述的方法,其特征在于,所述方法还包括:
设用于得到所述平滑图像的最初的输入图像为I1,所述平滑图像为I2,所述锐化图像为I3,按I=I1·a+I2·(1-a)+I3·ε求图像I,0≤a≤1,且ε为正的系数,并按 将图像I中各像素的灰度值G"限制在[0,255]范围内。
14.一种用于改善图像质量的装置,所述装置定义水平方向为方向1,所述方向1逆时针旋转45度所得方向为方向2,垂直于所述方向1的方向为方向3,所述方向1顺时针旋转45度所得方向为方向4,并包括对图像中的斑点噪声进行抑制的模块,其特征在于,所述抑制图像中的斑点噪声的模块包括:
(1)对输入图像中的每个像素,分别计算所述4个方向上的 的单元,G0表示所述像素的灰度, 表示所述4个方向中的一个方向d上的、分别处于所述像素两侧的两个最邻近像素的灰度,d=1,2,3,4,且 满足当所述三个像素之间的灰度差异的绝对值越大时,它的值越大;
(3)对所述输入图像中的每个像素,按λ=f2(M,m)计算其λ值的单元,M表示所述像素的所述值中的最大值,m表示所述像素的所述值中的最小值,且f2(M,m)满足当M越大或M相对m越大时它的值越大,否则它的值越小,以及f2(M,m)的值处于[0,1]范围内;
(4)对所述输入图像中的每个像素执行以下操作的单元:在所述像素的m值对应的方向上选取分处于所述像素两侧的两个最邻近像素,将这3个像素的灰度值进行算术平均,得到所述像素的一个灰度GA;
(5)对所述输入图像中的每个像素执行以下操作的单元:进行窗口尺寸为w4×h4的均值滤波,得到所述像素的一个灰度GI,w4、h4为正整数;
(6)对所述输入图像中的每个像素,按G′=f3(λ,GA,GI)计算所述像素的处理后的灰度G·以得到所述输入图像的处理后的图像的单元,且f3(λ,GA,GI)满足若所述λ越大则GA在G′中所占比重越大,否则GI在G′中所占比重越大。
17.如权利要求14所述的装置,其特征在于,
18.如权利要求14所述的装置,其特征在于, c为正的经验常数,q为经验常数。
19.如权利要求14所述的装置,其特征在于,f3(λ,GA,GI)=λ·GA+(1-λ)·GI。
20.如权利要求14所述的装置,其特征在于,它还包括:(7)将所述输入图像的处理后的图像作为新的输入图像,使其经过(1)-(7)中的单元的处理,直到迭代次数达到预先指定的次数N或本次迭代所得的图像与上一次迭代所得的图像的对应像素之间的灰度差值绝对值的平均值小于预定的阈值为止,并将此时得到的图像作为平滑图像输出的单元。
21.如权利要求14所述的装置,其特征在于,它还包括:(7)将所述输入图像的处理后的图像作为新的输入图像,并将各个像素的λ值、GI值以及m值对应的方向保持不变,让所述新的输入图像接受(4)、(6)、(7)中的单元的处理,直到迭代次数达到预先指定的次数N或本次迭代所得的图像与上一次迭代所得的图像的对应像素之间的灰度差值绝对值的平均值小于预定的阈值为止,并将此时得到的图像作为平滑图像输出的单元。
22.如权利要求14所述的装置,其特征在于,它还包括对原始图像进行处理以得到最初的输入图像的模块,所述模块包括:
(1)对原始图像进行窗口尺寸分别为w1×h1和w2×h2的小窗口均值滤波和大窗口均值滤波的单元,w1、h1、w2、h2为正整数;
(2)设定经验常数D、r,并对原始图像中的每个像素执行以下操作的单元:令所述像素的阈值T=AB-D,以及若T<r,则令T=r,AB为所述像素在经过所述大窗口均值滤波后的所述原始图像中的灰度;
(3)对原始图像中的每个像素执行以下操作的单元:比较所述像素的As值和T值,若As<T,则按G=f4(G,As,T)对所述像素的灰度进行抑制,否则不处理所述像素,As为所述像素在经过所述小窗口均值滤波后的所述原始图像中的灰度,G为所述像素在所述原始图像中的灰度,且f4(G,As,T)满足当As相对于T越小时f4(G,As,T)相对于G越小。
23.如权利要求22所述的装置,其特征在于,
24.如权利要求20或21所述的装置,其特征在于,所述装置还包括:
对所述平滑图像中的每个像素,按L=f5(Gs,G-1,G1)计算它的经过锐化后的灰度以得到锐化图像的单元,Gs表示所述像素的灰度,G-1、G1表示所述像素在第n次迭代过程中求得的M值对应的方向上分处于所述像素两侧的两个最邻近像素的灰度,n为大于等于1的正整数,且f5(Gs,G-1,G1)满足当所述像素的灰度相对所述最邻近像素的灰度越大时,f5(Gs,G-1,G1)的值越大。
25.如权利要求24所述的装置,其特征在于,f5(Gs,G-1,G1)=2Gs-G-1-G1。
26.如权利要求24所述的装置,其特征在于,所述装置还包括:
(1)按I=I1·a+I2·(1-a)+I3·ε求图像I的单元,I1表示用于得到所述平滑图像的最初的输入图像,I2表示所述平滑图像,I3表示所述锐化图像,0≤a≤1,且ε为正的系数,
(2)将图像I中各像素的灰度值G"按 限制在[0,255]范围内的单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710199591XA CN101459766B (zh) | 2007-12-10 | 2007-12-10 | 超声图像增强与噪声抑制的方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710199591XA CN101459766B (zh) | 2007-12-10 | 2007-12-10 | 超声图像增强与噪声抑制的方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101459766A true CN101459766A (zh) | 2009-06-17 |
CN101459766B CN101459766B (zh) | 2012-06-27 |
Family
ID=40770370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710199591XA Active CN101459766B (zh) | 2007-12-10 | 2007-12-10 | 超声图像增强与噪声抑制的方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101459766B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101822548A (zh) * | 2010-03-19 | 2010-09-08 | 哈尔滨工业大学(威海) | 基于相关性分析与经验模态分解的超声信号去噪方法 |
CN102096908A (zh) * | 2010-12-17 | 2011-06-15 | 福州瑞芯微电子有限公司 | 一种移动终端的图像滤波方法 |
CN102509265A (zh) * | 2011-11-02 | 2012-06-20 | 天津理工大学 | 基于灰度值差和局部能量的数字图像去噪方法 |
CN105915763A (zh) * | 2015-11-24 | 2016-08-31 | 乐视云计算有限公司 | 视频去噪与细节增强方法及装置 |
CN106095732A (zh) * | 2016-06-08 | 2016-11-09 | 广州高通生物技术有限公司 | 一种适用于实验数据的降噪处理方法及系统 |
CN106815821A (zh) * | 2017-01-23 | 2017-06-09 | 上海兴芯微电子科技有限公司 | 近红外图像的去噪方法和装置 |
CN106910170A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种图像椒盐噪声的去除方法 |
CN106910169A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种防止边缘模糊的图像椒盐噪声去除方法 |
CN107301635A (zh) * | 2017-06-28 | 2017-10-27 | 武汉格物优信科技有限公司 | 一种红外图像细节增强方法与装置 |
CN107680057A (zh) * | 2017-09-28 | 2018-02-09 | 武汉中旗生物医疗电子有限公司 | 超声图像增强的方法及装置 |
CN114654093A (zh) * | 2022-03-07 | 2022-06-24 | 刘国林 | 动态参数大数据视觉分析系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6208763B1 (en) * | 1998-04-14 | 2001-03-27 | General Electric Company | Method and apparatus for enhancing discrete pixel images |
US6592523B2 (en) * | 2001-11-21 | 2003-07-15 | Ge Medical Systems Global Technology Company, Llc | Computationally efficient noise reduction filter for enhancement of ultrasound images |
CN100484479C (zh) * | 2005-08-26 | 2009-05-06 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与斑点抑制方法 |
-
2007
- 2007-12-10 CN CN200710199591XA patent/CN101459766B/zh active Active
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101822548A (zh) * | 2010-03-19 | 2010-09-08 | 哈尔滨工业大学(威海) | 基于相关性分析与经验模态分解的超声信号去噪方法 |
CN102096908A (zh) * | 2010-12-17 | 2011-06-15 | 福州瑞芯微电子有限公司 | 一种移动终端的图像滤波方法 |
CN102509265A (zh) * | 2011-11-02 | 2012-06-20 | 天津理工大学 | 基于灰度值差和局部能量的数字图像去噪方法 |
CN105915763A (zh) * | 2015-11-24 | 2016-08-31 | 乐视云计算有限公司 | 视频去噪与细节增强方法及装置 |
WO2017088391A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 视频去噪与细节增强方法及装置 |
CN106095732B (zh) * | 2016-06-08 | 2018-08-24 | 北京普杰生物技术有限公司 | 一种适用于实验数据的降噪处理方法及系统 |
CN106095732A (zh) * | 2016-06-08 | 2016-11-09 | 广州高通生物技术有限公司 | 一种适用于实验数据的降噪处理方法及系统 |
CN106815821A (zh) * | 2017-01-23 | 2017-06-09 | 上海兴芯微电子科技有限公司 | 近红外图像的去噪方法和装置 |
CN106815821B (zh) * | 2017-01-23 | 2020-08-28 | 上海兴芯微电子科技有限公司 | 近红外图像的去噪方法和装置 |
CN106910169A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种防止边缘模糊的图像椒盐噪声去除方法 |
CN106910169B (zh) * | 2017-01-26 | 2019-09-20 | 苏州大学 | 一种防止边缘模糊的图像椒盐噪声去除方法 |
CN106910170B (zh) * | 2017-01-26 | 2019-10-29 | 苏州大学 | 一种图像椒盐噪声的去除方法 |
CN106910170A (zh) * | 2017-01-26 | 2017-06-30 | 苏州大学 | 一种图像椒盐噪声的去除方法 |
CN107301635A (zh) * | 2017-06-28 | 2017-10-27 | 武汉格物优信科技有限公司 | 一种红外图像细节增强方法与装置 |
CN107301635B (zh) * | 2017-06-28 | 2019-11-05 | 武汉格物优信科技有限公司 | 一种红外图像细节增强方法与装置 |
CN107680057A (zh) * | 2017-09-28 | 2018-02-09 | 武汉中旗生物医疗电子有限公司 | 超声图像增强的方法及装置 |
CN114654093A (zh) * | 2022-03-07 | 2022-06-24 | 刘国林 | 动态参数大数据视觉分析系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101459766B (zh) | 2012-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101459766B (zh) | 超声图像增强与噪声抑制的方法及其装置 | |
CN102306377B (zh) | 一种超声图像去噪的方法和装置 | |
CN101489488B (zh) | 超声波图像处理装置 | |
DE69732511T2 (de) | Verarbeitungsverfahren für Signale von Objekten mit sich bewegenden Teilen und Echographie-Vorrichtung dafür | |
US9585636B2 (en) | Ultrasonic diagnostic apparatus, medical image processing apparatus, and medical image processing method | |
DE19611990A1 (de) | Verfahren und Vorrichtung zur Erzeugung von großen, zusammengesetzten Ultraschallbildern | |
CN103034979B (zh) | 一种超声图像清晰度提升方法 | |
CN101082983A (zh) | 基于感兴趣区域的自适应医学序列图像插值方法 | |
JP2022519253A (ja) | 弁逆流評価のための方法及びシステム | |
WO2018000359A1 (zh) | 一种增强超声造影图像的方法、系统及超声造影成像设备 | |
CN102670251A (zh) | 基于数值排序加权平均的超声图像空间滤波方法 | |
CN106504199B (zh) | 一种眼底图像增强方法及系统 | |
Singh et al. | Feature enhancement in medical ultrasound videos using multifractal and contrast adaptive histogram equalization techniques | |
US20060100527A1 (en) | Speckle noise removal in optical coherence tomography | |
Khan et al. | Phase aberration robust beamformer for planewave us using self-supervised learning | |
Perciano et al. | Deconvolution of vibroacoustic images using a simulation model based on a three dimensional point spread function | |
JP3662835B2 (ja) | 超音波診断装置 | |
KR20220108384A (ko) | 전환 가능한 뉴럴 네트워크를 이용한 초음파 영상 처리 방법 및 그 장치 | |
Jayanthi Sree et al. | De-speckling of ultrasound images using local statistics-based trilateral filter | |
Basile et al. | Blind Approach Using Convolutional Neural Networks to a New Ultrasound Image Denoising Task | |
Chen et al. | A discrete region competition approach incorporating weak edge enhancement for ultrasound image segmentation | |
Hourani et al. | Block-wise ultrasound image deconvolution from fundamental and harmonic images | |
DE69929945T2 (de) | Ultraschallbilderzeugungsverfahren und Vorrichtung zur adaptiven Filterung mittels Abzählen von Nullen in akustischen Signalen | |
Xu | Hybrid Receive Beamforming Applied to Ultrasound Imaging | |
Gupta et al. | Comparative Analysis of Anisotropic Diffusion and Non-Local Means on Ultrasound Images |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20090617 Assignee: Shenzhen Mindray Animal Medical Technology Co.,Ltd. Assignor: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd. Contract record no.: X2022440020009 Denomination of invention: Ultrasound image enhancement and noise suppression method and device Granted publication date: 20120627 License type: Common License Record date: 20220804 |