CN104463807A - X射线图像对比度自适应增强方法与系统 - Google Patents
X射线图像对比度自适应增强方法与系统 Download PDFInfo
- Publication number
- CN104463807A CN104463807A CN201410817609.8A CN201410817609A CN104463807A CN 104463807 A CN104463807 A CN 104463807A CN 201410817609 A CN201410817609 A CN 201410817609A CN 104463807 A CN104463807 A CN 104463807A
- Authority
- CN
- China
- Prior art keywords
- log
- strain curve
- stress strain
- max
- log stress
- 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
Landscapes
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及图像处理领域,尤其涉及一种X射线图像对比度自适应增强方法与系统。所述方法包括如下步骤:建立组织区域图像的灰度直方图,并统计所述灰度直方图的参数;根据所述灰度直方图的参数计算所述组织区域图像的log拉伸曲线系数;根据所述log拉伸曲线系数生成log拉伸曲线;根据所述log拉伸曲线对所述组织区域图像进行拉伸。本发明能够对不同剂量、不同体位的组织区域图像进行自动分析,去除空气区域和束光器遮挡区域的影响,自适应地生成log拉伸曲线,再用该曲线对组织区域的原始图像进行拉伸,则各组织区域的亮度和对比度都会达到更适合人眼观察的状态。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种X射线图像对比度自适应增强方法与系统。
背景技术
根据韦伯-费希纳定律,人眼对亮度的感觉与实际亮度值的对数成线性关系,所以,用X射线系统拍到的图像,要经过log拉伸处理,使原始图像的亮度和对比度得到改善,达到更适合人眼观察的目的。但在实际操作过程中,由于会对不同体位应用不同的拍片剂量(KV和MAS),再加上硬件系统的差异,会导致拍到的原始图像过亮或过暗,在这种情况下,如果用固定的log曲线对原始图像进行拉伸,不能确保原始图像上的所有骨骼和软组织部分都能清晰地显示,这将直接影响到图像处理的最终效果。
发明内容
本发明所要解决的技术问题是,提供一种X射线图像对比度自适应增强方法与系统,根据图像有效组织区域的信息,自适应生成一条合适的log拉伸曲线,以解决现有技术中不同体位、不同剂量、不同束光器范围下拍摄的组织区域图像的log拉伸效果不稳定的问题。本发明是这样实现的:
一种X射线图像对比度自适应增强方法,包括如下步骤:
建立组织区域图像的灰度直方图,并统计所述灰度直方图的参数;
根据所述灰度直方图的参数计算所述组织区域图像的log拉伸曲线系数;
根据所述log拉伸曲线系数生成log拉伸曲线;
根据所述log拉伸曲线对所述组织区域图像进行拉伸。
进一步地,所述log拉伸曲线系数的计算方法如下:
设M为所述组织区域图像的灰度均值;
设x为所述图像中任一像素拉伸前的灰度级,y为对应像素拉伸后灰度级;则记
以y对x求导,并计算当导数 x=M时a的值。
进一步地,根据所述log拉伸曲线系数生成log拉伸曲线之前,还包括如下步骤:
将log拉伸曲线系数a乘以系数t,drc=maxV-minV。
进一步地,根据所述log拉伸曲线系数生成log拉伸曲线时,令maxV=maxGraylev;el生成的log拉伸曲线为如下所述:
进一步地,根据所述log拉伸曲线对所述组织区域图像进行拉伸之前,还包括如下步骤:
用宽度为两倍于minV的邻域对所述log拉伸曲线进行均值平滑处理。
一种X射线图像对比度自适应增强系统,包括:
直方图建立模块,用于建立组织区域图像的灰度直方图,并统计所述灰度直方图的参数;
log拉伸曲线系数计算模块,用于根据所述灰度直方图的参数计算所述组织区域图像的log拉伸曲线系数;
log拉伸曲线建立模块,用于根据所述log拉伸曲线系数生成log拉伸曲线;
图像拉伸模块,用于根据所述log拉伸曲线对所述组织区域图像进行拉伸。
进一步地,所述log拉伸曲线系数计算模块计算所述log拉伸曲线系数的方法如下:
设M为所述组织区域图像的灰度均值;
设x为所述图像中任一像素拉伸前的灰度级,y为对应像素拉伸后灰度级;则记
以y对x求导,并计算当导数 x=M时a的值。
进一步地,所述系统还包括log拉伸曲线系数处理模块,用于将log拉伸曲线系数a乘以系数t,drc=maxV-minV;
所述log拉伸曲线建立模块根据所述log拉伸曲线系数处理模块处理后的log拉伸曲线系数a生成log拉伸曲线。
进一步地,所述log拉伸曲线建立模块根据所述log拉伸曲线系数生成log拉伸曲线时,令maxV=maxGraylevel;生成的log拉伸曲线为如下所述:
进一步地,所述系统还包括图像平滑处理模块,用于用宽度为两倍于minV的邻域对所述log拉伸曲线进行均值平滑处理;
所述图像拉伸模块用于根据所述图像平滑处理模块处理后的log拉伸曲线对所述组织区域图像进行拉伸。
与现有技术相比,本发明能够对不同剂量、不同体位的组织区域图像进行自动分析,去除空气区域和束光器遮挡区域的影响,自适应地生成log拉伸曲线,再用该曲线对组织区域的原始图像进行拉伸,则各组织区域的亮度和对比度都会达到更适合人眼观察的状态。
附图说明
图1:本发明实施例提供的X射线图像对比度自适应增强方法流程示意图;
图2:不同log拉伸曲线系数下的log拉伸曲线示意图;
图3:本发明实施例提供的X射线图像对比度自适应增强系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
如图1所示,本发明实施例提供了一种X射线图像对比度自适应增强方法,包括如下步骤:
步骤S1:建立组织区域图像的灰度直方图,并统计灰度直方图的参数;
步骤S2:根据灰度直方图的参数计算组织区域图像的log拉伸曲线系数;
步骤S3:根据log拉伸曲线系数生成log拉伸曲线;
步骤S4:根据log拉伸曲线对组织区域图像进行拉伸。
Log拉伸曲线的生成是建立在组织区域的灰度直方图的基础上,因此首先应该建立组织区域图像的灰度直方图。如果预先没有对组织区域进行识别,在建立组织区域图像的灰度直方图之前,还要对组织区域进行识别。拍摄X光照片时,一般会将组织区域置于束光器居中位置进行拍摄,因此,对组织区域进行识别可采用区域生长的方法。例如,取拍摄的原始图像中心的四分之一部分作为局部图像,通过区域生长的方法找出大致的组织区域部分。在对组织区域进行识别之前,还可先对原始图像进行缩放处理,使图像缩放到合适的尺寸及分辨率,减小计算量。
建立了组织区域的灰度直方图,需要统计直方图的相关参数用于log拉伸曲线系数的计算。设M为组织区域图像的灰度均值。设x为组织区域图像中任一像素拉伸前的灰度级,y为对应像素拉伸后灰度级,则记i其n中,))maxGraylevel为像素所能达到的最大灰度级。为减小运算量,一般将原始图像缩放到256*256,灰度级也转为255及灰度,在这种情况下,maxGraylevel为255。minV为组织区域的最小灰度级,maxV为组织区域的最大灰度级,a为log拉伸曲线系数。log曲线拉伸系数直接关系到log曲线拉伸对比度的程度,自适应log拉伸曲线的生成主要是计算系数a,a越小对比度拉伸强度也越大,亮度也越大。图2所示为不同log拉伸曲线系数下的log拉伸曲线示意图,其中,横轴表示拉伸前的灰度,纵轴表示拉伸后的灰度。由图2可以看出,每条log拉伸曲线上都有一个拉伸分界点gd,拉伸分界点的定义为,该log拉伸曲线上斜率为1时对应的灰度级。根据log拉伸曲线的表达式可知,log拉伸曲线系数a将影响到该分界点的大小,a值越大,分界点越小,反之则越大,在该分界点的左侧是增强对比度,右侧是抑制对比度。以y对x求导,当导数 时x的位置就是分界点的位置。可将直方图的灰度均值M作为分界点,即x=M,此时可计算得出一个a的值,该值即可作为log拉伸曲线系数。为方便计算,令则a的值可通过下面公式计算:
a还和组织区域图像的动态范围drc有关,drc的定义如下:
drc=maxV-minV。drc越大,对比度拉伸程度就越小,即a越小,因此,根据log拉伸曲线系数生成log拉伸曲线之前,有必要对系数a乘以一个与drc有关的系数t,然后再根据系数a生成log拉伸曲线。根据经验,t可设置为
为使log拉伸后的组织区域图像比较平滑,根据log拉伸曲线系数生成log拉伸曲线时,可令maxV=maxGraylevel,此时生成的log拉伸曲线如下:
为保留小于minV的灰度级的对比度,以及使拉伸后的组织区域图像在minV附近过渡自然,在根据log拉伸曲线对组织区域图像进行拉伸之前,还有必要对生成的log拉伸曲线进行平滑处理,可用宽度为两倍于minV的邻域对log拉伸曲线进行均值平滑处理。
基于上述X射线图像对比度自适应增强方法,本发明实施例还提供了一种X射线图像对比度自适应增强系统,如图3所示,该系统包括直方图建立模块1、log拉伸曲线系数计算模块2、log拉伸曲线建立模块3、图像拉伸模块4。其中,直方图建立模块1用于建立组织区域图像的灰度直方图,并统计灰度直方图的参数;log拉伸曲线系数计算模块2用于根据灰度直方图的参数计算组织区域图像的log拉伸曲线系数;log拉伸曲线建立模块3用于根据log拉伸曲线系数生成log拉伸曲线;图像拉伸模块4用于根据log拉伸曲线对组织区域图像进行拉伸。
进一步地,log拉伸曲线系数计算模块计算log拉伸曲线系数的方法如下:
设M为组织区域图像的灰度均值;
设x为组织区域图像中任一像素拉伸前的灰度级,y为对应像素拉伸后灰度级,则记 其中,maxGraylevel为像素所能达到的最大灰度级,minV为组织区域的最小灰度级,maxV为组织区域的最大灰度级,a为log拉伸曲线系数;
以y对x求导,并计算当导数 x=M时a的值。
进一步地,系统还包括log拉伸曲线系数处理模块,用于将log拉伸曲线系数a乘以系数t,其中,drc=maxV-minV;log拉伸曲线建立模块根据log拉伸曲线系数处理模块处理后的log拉伸曲线系数a生成log拉伸曲线。
进一步地,log拉伸曲线建立模块根据log拉伸曲线系数生成log拉伸曲线时,令maxV=maxGraylevel,则生成的log拉伸曲线为如下:
进一步地,系统还包括图像平滑处理模块,用于用宽度为两倍于minV的邻域对log拉伸曲线进行均值平滑处理,图像拉伸模块用于根据图像平滑处理模块处理后的log拉伸曲线对组织区域图像进行拉伸。
该系统中各功能模块的工作原理与上述X射线图像对比度自适应增强方法中的各流程一一对应,可参考上述方法中的描述以理解本系统的工作原理,在此不再对本系统的工作原理进行赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种X射线图像对比度自适应增强方法,其特征在于,包括如下步骤:
建立组织区域图像的灰度直方图,并统计所述灰度直方图的参数;
根据所述灰度直方图的参数计算所述组织区域图像的log拉伸曲线系数;
根据所述log拉伸曲线系数生成log拉伸曲线;
根据所述log拉伸曲线对所述组织区域图像进行拉伸。
2.如权利要求1所述的X射线图像对比度自适应增强方法,其特征在于,所述log拉伸曲线系数的计算方法如下:
设M为所述组织区域图像的灰度均值;
设x为所述图像中任一像素拉伸前的灰度级,y为对应像素拉伸后灰度级;则记
以y对x求导,并计算当导数 x=M时a的值。
3.如权利要求2所述的X射线图像对比度自适应增强方法,其特征在于,根据所述log拉伸曲线系数生成log拉伸曲线之前,还包括如下步骤:
将log拉伸曲线系数a乘以系数t,drc=max V-min V。
4.如权利要求2所述的X射线图像对比度自适应增强方法,其特征在于,根据所述log拉伸曲线系数生成log拉伸曲线时,令max V=max Graylevel;生成的log拉伸曲线为如下所述:
5.如权利要求4所述的X射线图像对比度自适应增强方法,其特征在于,根据所述log拉伸曲线对所述组织区域图像进行拉伸之前,还包括如下步骤:
用宽度为两倍于min V的邻域对所述log拉伸曲线进行均值平滑处理。
6.一种X射线图像对比度自适应增强系统,其特征在于,包括:
直方图建立模块,用于建立组织区域图像的灰度直方图,并统计所述灰度直方图的参数;
log拉伸曲线系数计算模块,用于根据所述灰度直方图的参数计算所述组织区域图像的log拉伸曲线系数;
log拉伸曲线建立模块,用于根据所述log拉伸曲线系数生成log拉伸曲线;
图像拉伸模块,用于根据所述log拉伸曲线对所述组织区域图像进行拉伸。
7.如权利要求6所述的X射线图像对比度自适应增强系统,其特征在于,所述log拉伸曲线系数计算模块计算所述log拉伸曲线系数的方法如下:
设M为所述组织区域图像的灰度均值;
设x为所述图像中任一像素拉伸前的灰度级,y为对应像素拉伸后灰度级;则记
以y对x求导,并计算当导数 x=M时a的值。
8.如权利要求7所述的X射线图像对比度自适应增强系统,其特征在于,还包括log拉伸曲线系数处理模块,用于将log拉伸曲线系数a乘以系数t,drc=max V-min V;
所述log拉伸曲线建立模块根据所述log拉伸曲线系数处理模块处理后的log拉伸曲线系数a生成log拉伸曲线。
9.如权利要求7所述的X射线图像对比度自适应增强系统,其特征在于,所述log拉伸曲线建立模块根据所述log拉伸曲线系数生成log拉伸曲线时,令max V=max Graylevel;生成的log拉伸曲线为如下所述:
10.如权利要求9所述的X射线图像对比度自适应增强系统,其特征在于,还包括图像平滑处理模块,用于用宽度为两倍于min V的邻域对所述log拉伸曲线进行均值平滑处理;
所述图像拉伸模块用于根据所述图像平滑处理模块处理后的log拉伸曲线对所述组织区域图像进行拉伸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410817609.8A CN104463807B (zh) | 2014-12-24 | 2014-12-24 | X射线图像对比度自适应增强方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410817609.8A CN104463807B (zh) | 2014-12-24 | 2014-12-24 | X射线图像对比度自适应增强方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463807A true CN104463807A (zh) | 2015-03-25 |
CN104463807B CN104463807B (zh) | 2017-05-10 |
Family
ID=52909795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410817609.8A Active CN104463807B (zh) | 2014-12-24 | 2014-12-24 | X射线图像对比度自适应增强方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463807B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780413A (zh) * | 2016-11-30 | 2017-05-31 | 深圳市安健科技股份有限公司 | 一种图像增强方法及装置 |
CN108665428A (zh) * | 2018-04-26 | 2018-10-16 | 青岛海信移动通信技术股份有限公司 | 图像增强方法、装置、设备及存储介质 |
CN110443760A (zh) * | 2019-07-10 | 2019-11-12 | 深圳市安健科技股份有限公司 | 图像降噪方法及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1843296A (zh) * | 2006-03-27 | 2006-10-11 | 珠海友通科技有限公司 | 数字化x线图像处理装置和图像处理方法 |
US8301679B2 (en) * | 2004-02-10 | 2012-10-30 | Intel Corporation | Computation of logarithmic and exponential functions |
US20130156341A1 (en) * | 2008-03-17 | 2013-06-20 | Xerox Corporation | Automatic generation of a photo guide |
CN103942777A (zh) * | 2014-03-13 | 2014-07-23 | 华南理工大学 | 一种基于主成分分析的手机玻璃盖板缺陷检测方法 |
-
2014
- 2014-12-24 CN CN201410817609.8A patent/CN104463807B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8301679B2 (en) * | 2004-02-10 | 2012-10-30 | Intel Corporation | Computation of logarithmic and exponential functions |
CN1843296A (zh) * | 2006-03-27 | 2006-10-11 | 珠海友通科技有限公司 | 数字化x线图像处理装置和图像处理方法 |
US20130156341A1 (en) * | 2008-03-17 | 2013-06-20 | Xerox Corporation | Automatic generation of a photo guide |
CN103942777A (zh) * | 2014-03-13 | 2014-07-23 | 华南理工大学 | 一种基于主成分分析的手机玻璃盖板缺陷检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780413A (zh) * | 2016-11-30 | 2017-05-31 | 深圳市安健科技股份有限公司 | 一种图像增强方法及装置 |
CN106780413B (zh) * | 2016-11-30 | 2020-06-02 | 深圳市安健科技股份有限公司 | 一种图像增强方法及装置 |
CN108665428A (zh) * | 2018-04-26 | 2018-10-16 | 青岛海信移动通信技术股份有限公司 | 图像增强方法、装置、设备及存储介质 |
CN108665428B (zh) * | 2018-04-26 | 2022-11-11 | 青岛海信移动通信技术股份有限公司 | 图像增强方法、装置、设备及存储介质 |
CN110443760A (zh) * | 2019-07-10 | 2019-11-12 | 深圳市安健科技股份有限公司 | 图像降噪方法及计算机可读存储介质 |
CN110443760B (zh) * | 2019-07-10 | 2022-03-15 | 深圳市安健科技股份有限公司 | 图像降噪方法及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104463807B (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Agarwal et al. | Medical image contrast enhancement using range limited weighted histogram equalization | |
Park et al. | A contrast enhancement method using dynamic range separate histogram equalization | |
Mohan et al. | Modified contrast limited adaptive histogram equalization based on local contrast enhancement for mammogram images | |
CN104700365B (zh) | 一种图像对比度增强方法 | |
CN106875361A (zh) | 一种基于深度卷积神经网络去除泊松噪声的方法 | |
CN104881853A (zh) | 一种基于色彩概念化的肤色矫正方法和系统 | |
Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
Hassanzadeh et al. | Non-linear grayscale image enhancement based on firefly algorithm | |
CN106169181A (zh) | 一种图像处理方法及系统 | |
CN107895350A (zh) | 一种基于自适应双伽玛变换的hdr图像生成方法 | |
CN104463807A (zh) | X射线图像对比度自适应增强方法与系统 | |
CN110246090B (zh) | 一种图像处理的方法和设备 | |
CN102096909A (zh) | 基于对数图像处理模型的改进的反锐化掩模图像增强方法 | |
Arriaga-Garcia et al. | Adaptive sigmoid function bihistogram equalization for image contrast enhancement | |
Pfister et al. | Tomographic reconstruction with adaptive sparsifying transforms | |
Liu et al. | An efficient no-reference metric for perceived blur | |
WO2020099250A8 (en) | Artificial intelligence (ai)-based standardized uptake value (suv) correction and variation assessment for positron emission tomography (pet) | |
CN103295205A (zh) | 一种基于Retinex的微光图像快速增强方法和装置 | |
CN109242795B (zh) | 一种低亮度人体组织细胞双光子显微图像的亮度增强方法 | |
Alkhalid et al. | Improving radiographic image contrast using multi layers of histogram equalization technique | |
CN106780413B (zh) | 一种图像增强方法及装置 | |
CN108961179B (zh) | 一种医学图像后处理系统及其使用方法 | |
CN103839244A (zh) | 一种实时的图像融合方法及装置 | |
CN107578374B (zh) | X光图像的拉伸方法及计算机可读存储介质 | |
CN102999903B (zh) | 遥感图像光照一致性定量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 518000, Room 408, building A, Hua Han Innovation Park, Nanshan District, Shenzhen, Guangdong Applicant after: SHENZHEN ANGELL TECHNOLOGY CO., LTD. Address before: 518000 Hua Han Road, 16, Nanshan District, Guangdong, Shenzhen Province, China Han technology, 3A Applicant before: Shenzhen Angell Technology Co., Ltd. |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |