CN104103040B - 一种图像增强的方法 - Google Patents

Abstract

本发明提供一种图像增强的方法，所述图像增强的方法包括：输入图像，采用第一类滤波器，对所述图像进行滤波，得到滤波图，并根据所述图像和所述滤波图，得到第一高频信息图；对所述滤波图进行归一化线状结构检测，并进行阈值变换，得到增强位置图；采用第二类滤波器，对所述图像进行滤波，得到噪声图，并对所述图像进行线状结构检测，得到增强系数图；根据所述第一高频信息图、噪声图、增强位置图和增强系数图，得到所述图像的增强图。本发明基于线状结构检测和距离变换，能在不放大噪声的情况下对图像进行增强。

Description

一种图像增强的方法

技术领域

本发明涉及图像处理领域，尤其涉及一种图像增强的方法。

背景技术

医学图像是现代临床诊疗的重要参考信息，其图像质量的优劣直接关系到诊疗的效果。医学图像在生成过程中由于成像设备、成像对象等影响不可避免地产生噪声、模糊、伪影等问题，因此，对图像进行增强，得到视觉效果更易于诊断的图像是医学图像处理过程中非常重要的一个环节。

图像增强的一个重要难点在于图像结构增强与噪声抑制矛盾。一些经典的图像增强方法已经在医学图像处理领域得到广泛应用，取得了不错的效果，但一般会在增强图像内容的同时将同为高频信息的噪声增强。如何在增强图像的同时抑制噪声成为医学图像增强技术发展的方向。

根据图像的模糊情况，图像增强采用了各种特殊的技术突出图像整体或局部特征，根据作用域的不同一般可分为频域增强和空域增强两类。基于频域转换的增强方法一般将图像转换到频域，对变换系数进行处理，然后逆变换到空域实现增强图像。频域转换滤波一个共同的特性是由于增强图像高频信息，在增强图像内容的同时往往同时增强了图像噪声。

基于空域的图像增强技术可分为空域变换增强和空域滤波增强两类。基于空域变换的图像增强技术一般会极大改变图像的灰度范围或对比度，因此只适用于特定的图像，如X线图像。空域滤波增强一般采用一定的卷积模板提取出需要的高频信息，从而增强需要的结构分量，抑制不需要的结构分量，达到图像视觉效果的提高，比如基于拉普拉斯算子的增强和非锐化掩模(unsharp masking)等。其中，传统的非锐化掩模方法通过高斯滤波分离出图像的高频分量，然后将之以一定的比例叠加到原图中，达到增强包括边缘、细节等结构的目的。然而高频分量既包含结构细节，又包含噪声信息，传统方法采用全图一致的增强系数，从而在增强细节的同时放大噪声，导致图像质量降低。因此，如何根据图像信息建立自适应增强函数，成为了许多增强方法的创新点。例如通过多尺度提取高频分量并对不同频带作不同程度增强，基于图像局部亮度信息调整增强参数和基于边缘的亮暗的不同自适应增强系数等等。这些变化例的问题在于噪声依然得到了不同程度的增强。

发明内容

本发明解决的问题是提供一种图像增强的方法，使得图像线状结构得到增强，同时噪声得到抑制，图像清晰度得到很大提高，从而在最大程度上避免增强图像时放大噪声。

为了解决上述问题，本发明提供了一种图像增强的方法，包括：

(1)输入图像，采用第一类滤波器，对所述图像进行滤波，得到滤波图，并根据所述图像和所述滤波图，得到第一高频信息图；

(2)对所述滤波图进行归一化线状结构检测，并进行阈值变换，得到增强位置图；

(3)采用第二类滤波器，对所述图像进行滤波，得到噪声图，并对所述图像进行线状结构检测，得到增强系数图；

(4)根据所述第一高频信息图、噪声图、增强位置图和增强系数图，得到所述图像的增强图。

上述所述一种图像增强的方法，其中，所述第一类滤波器为基于空间距离的低通滤波器，所述第二类滤波器为基于结构相似性的滤波器。

上述所述一种图像增强的方法，其中，所述阈值变换中的阈值为1-10。

上述所述一种图像增强的方法，其中，采用基于空间距离的衰减函数，根据所述线状结构检测得到的线状结构图上每个点的响应强度和空间位置，计算所述线状结构图中每个点的增强系数，得到所述增强系数图

上述所述一种图像增强的方法，其中，得到所述图像的增强图的过程为：

1)根据所述噪声图，对所述第一高频信息图进行去噪，得到第二高频信息图；

2)将所述增强位置图、所述增强系数图以及所述第二高频信息图的灰度值相乘，得到增强信息图；

3)将所述增强信息图和用户输入的增强系数相乘后，加到所述图像，则得到所述图像的增强图。

与现有技术相比，本发明以基于线状结构检测和距离变换的方法建立更为准确的增强系数，并对非锐化掩模增强中的高频信息进行噪声抑制，从而在最大程度上避免增强图像时放大噪声。

附图说明

图1所示为本发明实施例一种图像增强方法的流程示意图；

图2所示为本发明实施例获取图像的增强图的流程示意图；

图3所示为现有技术中经典增强方法和本发明实施例增强方法的结果比较图；

图4所示为现有技术中经典增强的差图和本发明实施例增强的差图的效果比较图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。

下面结合附图和实施例对本发明进行详细地说明。本发明图像增强的方法如图1所示，首先，执行步骤S1，输入图像，采用第一类滤波器，对所述图像进行滤波，得到滤波图，并根据所述图像和所述滤波图，得到第一高频信息图。其中，所述第一类滤波器为基于空间距离的低通滤波器，即一种不保护图像细节结构的低通滤波器，例如，高斯滤波、中值滤波以及均值滤波等。具体地，在本实施例中，对输入的图像(即原图)做各向同性滤波(如高斯滤波)，得到滤波图(即低频信息图)，再将原图的灰度和低频信息图的灰度做差，得到包含噪声的高频信息图，即第一高频信息图。在本实施例中，采用高斯滤波的方法，得到高斯滤波图。

接着，执行步骤S2，对所述滤波图进行归一化线状结构检测，并进行阈值变换，得到增强位置图。具体地，首先对所述滤波图进行归一化线状结构检测，得到线状结构图。在本实施例中，对步骤S1中的高斯滤波图进行大尺度归一化线状结构检测，首先将所述滤波图(高斯滤波图)归一化到0至1023的灰度范围，然后基于二阶导数计算结构张量，接着基于大的高斯平滑核对所述结构张量矩阵进行滤波，接着计算所述结构张量矩阵的特征值和特征向量，根据所述特征值分析图像局部结构，得到线状结构图(请参考Li Q，SoneS，Selective enhancement filters for nodules，vessels，and airwaywalls in two-andthree-dimensional CT scans，Med.Phys.30(8)，2003)，这样得到的所述线状结构图的值都在统一的范围之间，同时避免了噪声造成的干扰。接着，采用统一的阈值对所述线状结构图进行阈值变换，去除图像中相对平坦的区域，得到包含图像大部分结构信息的位置图，即增强位置图。其中，所述阈值变换中的阈值范围为1-10。具体地，在本实施例中，所设阈值为5，将线状结构图中灰度值大于等于5的像素点的灰度值设为1，而所述线状结构图中灰度值小于5的像素点的灰度值设为0，从而得到原图中需要增强的位置图，即增强位置图。

接着，执行步骤S3，采用第二类滤波器，对所述图像进行滤波，得到噪声图，并对所述图像进行线状结构检测，得到增强系数图。其中，所述第二类滤波器为基于结构相似性的滤波器，即一种保护图像细节结构的滤波器，例如，非局部均值滤波、双边滤波以及三维块匹配(BM3D)滤波等。在本实施例中，采用非局部均值去噪算法(即非局部均值滤波)对原图进行去噪，得到噪声图。采用不同类型的滤波器的原因在于，图像增强的一个重要难点在于图像结构增强与噪声抑制的矛盾，因为图像结构和噪声都属于图像高频信息，如何增强图像结构而同时抑制噪声本质上是对图像高频信息进行正确分类的过程。因此，采用两种滤波器，一种是简单的低通滤波器，得到第一高频信息图，这个高频信息图中既包括结构信息，也包括噪声信息，另外一种是保护细节结构的滤波器，得到一幅大部分是噪声的高频信息图，称为噪声图。

为了得到增强系数图，首先，对原图进行小尺度线状结构检测，具体的检测如步骤S2中所述的线状结构检测，得到线状结构图。具体地，基于原图和小的高斯平滑核进行线状结构检测，避免大的线状结构掩盖小的线状结构。接着，设计衰减函数，根据所述线状结构图上每个点的响应强度和空间位置，计算所述线状结构图中每个点的增强系数。在本实施例中，计算线状结构图中局部最大值的位置，然后做距离变换，得到图像中每个点与相邻的局部最大点的空间距离，然后采用基于空间距离的衰减函数(如线性衰减函数)计算出所述线状结构图中每个点的增强系数，线状结构图中每个点对应的是原图中的每个点，因此，即得到原图中每个点的增强系数，从而得到增强系数图。

接着，执行步骤S4，根据所述第一高频信息图、噪声图、增强位置图和增强系数图，得到所述图像的增强图。具体地，如图2所示，首先，执行步骤S201，根据所述噪声图，对所述第一高频信息图进行去噪，得到第二高频信息图。具体地，将步骤S1中得到的第一高频信息图中像素点的灰度值减去步骤S3中得到的噪声图中对应位置像素点的灰度值，从而得到各相应位置像素点的灰度值，即第二高频信息图中各像素点的灰度值。所述第二高频信息图为包含少量噪声的高频信息图。接着，执行步骤S202，将步骤S2中得到的增强位置图、步骤S3中得到的增强系数图以及步骤S201中得到的第二高频信息图中相对应的像素点的灰度值相乘，即为增强信息图中相应位置像素点的灰度值。再接着，执行步骤S203，将步骤S202中得到的增强信息图中各像素点的灰度值和用户输入的增强系数相乘，并将相乘后的灰度值和原图中相应位置像素点的灰度值相加，即为图像的增强图的灰度值，从而实现了对原图的增强，而且，在上述步骤中，对第一高频信息图中的噪声进行了抑制，因此，在不放大噪声的情况下很好地实现了图像的增强。在相同的增强参数下，分别使用经典增强方法和本发明的方法对同一幅图像进行增强，如图3所示，图3a为原图，图3b为使用经典增强方法的结果，图3c为本发明的方法得到的结果。从图中可以看出，使用本发明方法得到的图像的对比度得到了很大的提升，而噪声并没有得到增强。将两种方法得到的结果与原图做差，如图4所示，图4a为经典的增强的差图，图4b为本发明的增强的差图，从图中可知，使用本发明的方法增强的信息包含的噪声很少。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (4)

1.一种图像增强的方法，其特征在于，包括：

(1)采用第一类滤波器，对所述图像进行滤波，得到滤波图，并根据所述图像和所述滤波图，得到第一高频信息图；

(2)对所述滤波图进行归一化线状结构检测，并进行阈值变换,得到增强位置图；

(3)采用第二类滤波器，对所述图像进行滤波，得到噪声图；并对所述图像进行线状结构检测，得到增强系数图；

(4)根据所述第一高频信息图、噪声图、增强位置图和增强系数图，得到所述图像的增强图：根据所述噪声图，对所述第一高频信息图进行去噪，得到第二高频信息图；将所述增强位置图、增强系数图以及第二高频信息图的灰度值相乘，得到增强信息图；将所述增强信息图和用户输入的增强系数相乘后，加到所述图像，则得到所述图像的增强图。

2.如权利要求1所述一种图像增强的方法，其特征在于，所述第一类滤波器为基于空间距离的低通滤波器，所述第二类滤波器为基于结构相似性的滤波器。

3.如权利要求1所示一种图像增强的方法，其特征在于，所述阈值变换中的阈值范围为1-10。

4.如权利要求1所述一种图像增强的方法，其特征在于，采用基于空间距离的衰减函数，根据所述线状结构检测得到的线状结构图上每个点的响应强度和空间位置，计算所述线状结构图中每个点的增强系数，得到所述增强系数图。