CN103500441A - 微焦点x射线图像噪声建模与去噪方法 - Google Patents
微焦点x射线图像噪声建模与去噪方法 Download PDFInfo
- Publication number
- CN103500441A CN103500441A CN201310459497.9A CN201310459497A CN103500441A CN 103500441 A CN103500441 A CN 103500441A CN 201310459497 A CN201310459497 A CN 201310459497A CN 103500441 A CN103500441 A CN 103500441A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- noise
- msup
- sigma
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000003708 edge detection Methods 0.000 claims abstract description 10
- 238000009499 grossing Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 abstract 2
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 abstract 2
- 238000001514 detection method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种微焦点X射线图像噪声建模与去噪方法,包括以下步骤:1)用X光机器采集含有噪声的空白图像A;2)将空白图像A中的噪声视为均值为零的高斯白噪声,计算噪声方差σ2;3)采集含有对象的微焦点X射线图像B,采用滤波模板为3×3,均值为零,方差为σ2的高斯滤波器对图像B进行去噪;4)通过Canny边缘检测算法对步骤3)进行去噪后的图像进行检测。本发明方法具有计算速度快、简单快捷的特点,其针对信噪比低,对比度差的微焦点X射线图像,考虑了图像噪声本身的特性、种类以及图像本身的特点,可以有效去除微焦点X射线图像的噪声,并用Canny边缘检测算法进一步验证去噪后图像的优越性,有较高的准确性。
Description
技术领域
本发明涉及一种X射线图像的去噪方法,尤其是一种微焦点X射线图像噪声建模与去噪方法。属于图像处理领域。
背景技术
随着X射线摄影技术的不断提高,X射线检测技术越来越多的应用在医学病理检测及工业缺陷检测方面。但无论是医学上常用的百微米焦点X射线管,还是工业上常用的微焦点X射线源的射线管,获得的X射线图像信噪比都比较低,图像受颗粒噪声污染、雾化情况严重,表现出明显的噪声污染现象,这些不良现象给微焦点X射线图像的检测带来了一定的困难。因此,对微焦点X射线图像去噪十分必要。
虽然,国内外研究人员对图像去噪算法有了很多研究,但大多都是将一个或多个确定性噪声模型应用于图像去噪,并未考虑噪声本身的特性、种类以及图像本身的特点,对于微聚焦X光图像这种信噪比低,缺陷对比度差的对象,难以在去噪的同时,兼顾相邻像素灰度保序原则,达到既去除噪声又不破坏原有图像结构的目的。
由于在微聚焦X射线成像过程中,无论哪种噪声,虽然产生机理不同,但都可以看作粒子传输过程中的伴随噪声和成像系统显示、外界干扰引起的附加噪声。其特征都可以定义为高斯分布(强射线强度下的光电噪声、荧光屏结构噪声、电子噪声等)。因此,为了去除低对比度、低灰度的微焦点X射线图像的噪声,提高微焦点X射线图像的精密检测精度,就需要发明噪声基于高斯分布特性的方法来解决这一问题。
发明内容
本发明的目的是为了解决上述现有技术的缺陷,提供一种计算速度快、简单快捷的微焦点X射线图像噪声建模与去噪方法。
本发明的目的可以通过采取如下技术方案达到:
微焦点X射线图像噪声建模与去噪方法,其特征在于所述方法包括以下步骤:
1)用X光机器采集含有噪声的空白图像A;
2)将空白图像A中的噪声视为均值为零的高斯白噪声,计算噪声方差σ2;
3)采集含有对象的微焦点X射线图像B,采用滤波模板为3×3,均值为零,方差为σ2的高斯滤波器对图像B进行去噪。
作为一种实施方案,所述方法还包括:
4)通过Canny边缘检测算法对步骤3)进行去噪后的图像进行检测。
作为一种实施方案,步骤2)所述将空白图像A中的噪声视为均值为零的高斯白噪声,计算噪声方差σ2,具体如下:
2.1)求图像均值aver:
其中,f(x,y)为输入图像,图像大小为m×n;
2.2)求图像方差σ2:
通过式(2)即得到方差σ2。
作为一种实施方案,步骤3)所述采用滤波模板为3×3,均值为零,方差为σ2的高斯滤波器对图像B进行去噪,具体如下:
3.1)均值为0,方差为σ2的二维高斯滤波函数为:
其中,g(s,t)为高斯滤波函数,s和t表示直角坐标方向;
3.2)根据式(2)和式(3)采用下式进行高斯滤波:
其中,G(x,y)为滤波后的输出图像;a×b为滤波模块大小;
对于大小为m×n的图像,将x=0,1,2,…,m-1与y=0,1,2,…,n-1代入式(4),完成图像的高斯滤波。
作为一种实施方案,步骤4)所述通过Canny边缘检测算法对步骤3)进行去噪后的图像进行检测,具体如下:
4.1)图像使用带有指定标准偏差的高斯滤波器来平滑;
4.2)用一阶偏导的有限差分来计算梯度的幅值和方向;其中一阶差分卷积模板:
4.3)对梯度幅值进行非极大值抑制;
4.4)通过将8连接的弱像素集成到强像素,执行边缘连接。
本发明相对于现有技术具有如下的有益效果:
本发明方法具有计算速度快、简单快捷的特点,其针对信噪比低,对比度差的微焦点X射线图像,考虑了图像噪声本身的特性、种类以及图像本身的特点,可以有效去除微焦点X射线图像的噪声,并用Canny边缘检测算法进一步验证去噪后图像的优越性,有较高的准确性。
附图说明
图1为本发明方法的流程示意图。
图2a为本发明方法采用高斯滤波器将图像进行去噪后的效果图;图2b为传统采用方差0.5的高斯滤波器将图像进行去噪后的效果图。
图3a为本发明方法采用Canny边缘检测算法将图2a的图像进行检测的效果图;图3b为采用Canny边缘检测算法将图2b的图像进行检测的效果图。
具体实施方式
实施例1:
如图1所示,本实施例的微焦点X射线图像噪声建模与去噪方法包括以下步骤:
1)用X光机器采集含有噪声的空白图像A,并以矩阵形式表示;
2)将空白图像A中的噪声视为均值为零的高斯白噪声,计算噪声方差σ2,具体如下:
2.1)求图像均值aver:
其中,f(x,y)为输入图像,图像大小为m×n;
2.2)求图像方差σ2:
通过式(2)即得到方差σ2。
3)采集含有对象的微焦点X射线图像B,并以矩阵形式表示,采用滤波模板为3×3,均值为零,方差为σ2的高斯滤波器对图像B进行去噪,具体如下:
3.1)均值为0,方差为σ2的二维高斯滤波函数为:
其中,g(s,t)为高斯滤波函数,s和t表示直角坐标方向;
3.2)根据式(2)和式(3)采用下式进行高斯滤波:
其中,G(x,y)为滤波后的输出图像;a×b为滤波模块大小;
对于大小为m×n的图像,将x=0,1,2,…,m-1与y=0,1,2,…,n-1代入式(4),完成图像的高斯滤波,如图2a所示。
4)通过Canny边缘检测算法对步骤3)进行去噪后的图像进行检测,以验证上述步骤的优越性,具体如下:
4.1)图像使用带有指定标准偏差的高斯滤波器来平滑;
4.2)用一阶偏导的有限差分来计算梯度的幅值和方向;其中一阶差分卷积模板:
4.3)对梯度幅值进行非极大值抑制;
4.4)通过将8连接的弱像素集成到强像素,执行边缘连接,效果如图3a所示;
将图2a与图2b对比以及将图3a与图3b进行对比,可以看出本实施例的方法与传统方法相比,可以有效滤除图像噪声,并使去噪后的图像中的气泡能被有效地检测出来,有较高的准确性。
以上所述,仅为本发明专利可选的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明专利构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (5)
1.微焦点X射线图像噪声建模与去噪方法,其特征在于所述方法包括以下步骤:
1)用X光机器采集含有噪声的空白图像A;
2)将空白图像A中的噪声视为均值为零的高斯白噪声,计算噪声方差σ2;
3)采集含有对象的微焦点X射线图像B,采用滤波模板为3×3,均值为零,方差为σ2的高斯滤波器对图像B进行去噪。
2.根据权利要求1所述的微焦点X射线图像噪声建模与去噪方法,其特征在于所述方法还包括:
4)通过Canny边缘检测算法对步骤3)进行去噪后的图像进行检测。
3.根据权利要求1或2所述的微焦点X射线图像噪声建模与去噪方法,其特征在于:步骤2)所述将空白图像A中的噪声视为均值为零的高斯白噪声,计算噪声方差σ2,具体如下:
2.1)求图像均值aver:
其中,f(x,y)为输入图像,图像大小为m×n;
2.2)求图像方差σ2:
通过式(2)即得到方差σ2。
4.根据权利要求3所述的微焦点X射线图像噪声建模与去噪方法,其特征在于:步骤3)所述采用滤波模板为3×3,均值为零,方差为σ2的高斯滤波器对图像B进行去噪,具体如下:
3.1)均值为0,方差为σ2的二维高斯滤波函数为:
其中,g(s,t)为高斯滤波函数,s和t表示直角坐标方向;
3.2)根据式(2)和式(3)采用下式进行高斯滤波:
其中,G(x,y)为滤波后的输出图像;a×b为滤波模块大小;
对于大小为m×n的图像,将x=0,1,2,…,m-1与y=0,1,2,…,n-1代入式(4),完成图像的高斯滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310459497.9A CN103500441A (zh) | 2013-09-29 | 2013-09-29 | 微焦点x射线图像噪声建模与去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310459497.9A CN103500441A (zh) | 2013-09-29 | 2013-09-29 | 微焦点x射线图像噪声建模与去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103500441A true CN103500441A (zh) | 2014-01-08 |
Family
ID=49865644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310459497.9A Pending CN103500441A (zh) | 2013-09-29 | 2013-09-29 | 微焦点x射线图像噪声建模与去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103500441A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104706350A (zh) * | 2014-11-13 | 2015-06-17 | 华中科技大学 | 一种心电信号降噪方法 |
CN104931997A (zh) * | 2015-06-26 | 2015-09-23 | 西北核技术研究所 | X射线能量的平场图像测量装置及方法 |
CN106408545A (zh) * | 2016-12-12 | 2017-02-15 | 哈尔滨工业大学 | 基于统计规律的生物图像去噪算法 |
CN106447633A (zh) * | 2016-09-26 | 2017-02-22 | 华南理工大学 | 面向集成电路封装检测的微焦点x射线图像的去噪方法 |
CN108292429A (zh) * | 2015-09-25 | 2018-07-17 | 德国史密斯海曼简化股份公司 | 检查图像的去噪和/或缩放 |
CN109165568A (zh) * | 2018-08-02 | 2019-01-08 | 小黄狗环保科技有限公司 | 一种基于变形塑料瓶形状特征通用的识别方法 |
CN111795980A (zh) * | 2020-08-04 | 2020-10-20 | 合肥工业大学 | 一种基于逐像素高斯函数拟合法的x射线边界照明成像方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5396531A (en) * | 1992-11-05 | 1995-03-07 | General Electric Company | Method of achieving reduced dose X-ray fluoroscopy by employing statistical estimation of poisson noise |
CN102609904A (zh) * | 2012-01-11 | 2012-07-25 | 云南电力试验研究院(集团)有限公司电力研究院 | 双变量非局部平均滤波x射线图像消噪方法 |
-
2013
- 2013-09-29 CN CN201310459497.9A patent/CN103500441A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5396531A (en) * | 1992-11-05 | 1995-03-07 | General Electric Company | Method of achieving reduced dose X-ray fluoroscopy by employing statistical estimation of poisson noise |
CN102609904A (zh) * | 2012-01-11 | 2012-07-25 | 云南电力试验研究院(集团)有限公司电力研究院 | 双变量非局部平均滤波x射线图像消噪方法 |
Non-Patent Citations (2)
Title |
---|
刘妍 等: "X射线数字底片去噪方法的研究", 《电子测量技术》, vol. 30, no. 2, 28 February 2007 (2007-02-28) * |
蒋先刚: "《数字图像模式识别工程软件设计》", 30 April 2008, article "Canny边缘检测", pages: 75-76 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104706350A (zh) * | 2014-11-13 | 2015-06-17 | 华中科技大学 | 一种心电信号降噪方法 |
CN104706350B (zh) * | 2014-11-13 | 2017-04-26 | 华中科技大学 | 一种心电信号降噪方法 |
CN104931997A (zh) * | 2015-06-26 | 2015-09-23 | 西北核技术研究所 | X射线能量的平场图像测量装置及方法 |
CN108292429A (zh) * | 2015-09-25 | 2018-07-17 | 德国史密斯海曼简化股份公司 | 检查图像的去噪和/或缩放 |
CN106447633A (zh) * | 2016-09-26 | 2017-02-22 | 华南理工大学 | 面向集成电路封装检测的微焦点x射线图像的去噪方法 |
CN106447633B (zh) * | 2016-09-26 | 2019-05-14 | 华南理工大学 | 面向集成电路封装检测的微焦点x射线图像的去噪方法 |
CN106408545A (zh) * | 2016-12-12 | 2017-02-15 | 哈尔滨工业大学 | 基于统计规律的生物图像去噪算法 |
CN106408545B (zh) * | 2016-12-12 | 2019-02-22 | 哈尔滨工业大学 | 基于统计规律的生物图像去噪算法 |
CN109165568A (zh) * | 2018-08-02 | 2019-01-08 | 小黄狗环保科技有限公司 | 一种基于变形塑料瓶形状特征通用的识别方法 |
CN111795980A (zh) * | 2020-08-04 | 2020-10-20 | 合肥工业大学 | 一种基于逐像素高斯函数拟合法的x射线边界照明成像方法 |
CN111795980B (zh) * | 2020-08-04 | 2022-04-26 | 合肥工业大学 | 一种基于逐像素高斯函数拟合法的x射线边界照明成像方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103500441A (zh) | 微焦点x射线图像噪声建模与去噪方法 | |
JP5315157B2 (ja) | 情報処理装置、ライン状ノイズ低減処理方法、及びプログラム | |
JP4601134B2 (ja) | 形状特徴に基づく欠陥検出の方法及び装置 | |
CN103632366B (zh) | 一种椭圆目标的参数识别方法 | |
CN102901444B (zh) | 一种基于mp小波滤波的零件尺寸检测方法及其检测系统 | |
CN104075965B (zh) | 一种基于分水岭分割的显微图像颗粒粒度测量方法 | |
TWI590190B (zh) | 液面影像辨識方法 | |
CN106197612A (zh) | 一种基于机器视觉的透明瓶装液位检测方法 | |
CN105989585A (zh) | 一种红外图像与可见光图像融合的方法及系统 | |
CN105894474A (zh) | 一种非线性图像增强方法及边缘检测方法 | |
CN115641337A (zh) | 一种线状缺陷检测方法、装置、介质、设备及系统 | |
CN105243677B (zh) | 一种保证精度的实时单分子定位方法及系统 | |
CN106875360A (zh) | 一种消除图像运动模糊的方法及装置 | |
CN104933713B (zh) | 一种利用边缘分析的图像mtf估计方法 | |
US20170024862A1 (en) | Method and system for estimating point spread function | |
JP2016106721A (ja) | 画像処理装置および画像処理方法 | |
Wang et al. | Super-resolving IC images with an edge-preserving Bayesian framework | |
JP4405407B2 (ja) | 欠陥検査装置 | |
CN103065297A (zh) | 一种基于傅里叶变换的图像边缘检测方法 | |
Nasonova et al. | Determination of image edge width by unsharp masking | |
CN108389204A (zh) | 一种面向高速在线检测的退化图像模糊核双参数直接估算方法 | |
Kaur et al. | A review on: Comparison and analysis of edge detection techniques | |
CN106651932A (zh) | 基于多尺度梯度差值的单幅图像散焦模糊估计算法 | |
Vijayalakshmi et al. | Novel Pre-processing Stage for Classification of CT Scan Covid-19 Images. | |
CN104392411A (zh) | 基于Shannon-Blackman小波稀疏表达的图像处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140108 |