CN105488765A - 一种图像动态范围调整方法及装置 - Google Patents
一种图像动态范围调整方法及装置 Download PDFInfo
- Publication number
- CN105488765A CN105488765A CN201510818564.0A CN201510818564A CN105488765A CN 105488765 A CN105488765 A CN 105488765A CN 201510818564 A CN201510818564 A CN 201510818564A CN 105488765 A CN105488765 A CN 105488765A
- Authority
- CN
- China
- Prior art keywords
- image
- dynamic range
- unit
- adjustment
- enhancing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 188
- 238000009826 distribution Methods 0.000 claims abstract description 59
- 230000008569 process Effects 0.000 claims description 125
- 230000002708 enhancing effect Effects 0.000 claims description 120
- 238000003384 imaging method Methods 0.000 claims description 69
- 230000001143 conditioned effect Effects 0.000 claims description 53
- 210000003484 anatomy Anatomy 0.000 claims description 50
- 238000007906 compression Methods 0.000 claims description 31
- 230000006835 compression Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000005728 strengthening Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 11
- 210000001519 tissue Anatomy 0.000 description 35
- 238000010586 diagram Methods 0.000 description 14
- 208000019300 CLIPPERS Diseases 0.000 description 7
- 208000021930 chronic lymphocytic inflammation with pontine perivascular enhancement responsive to steroids Diseases 0.000 description 7
- 238000013507 mapping Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 210000004072 lung Anatomy 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 208000036828 Device occlusion Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Classifications
-
- G06T5/92—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
Abstract
本发明实施例提供一种图像动态范围调整方法和装置，所述方法包括：分析原始图像，获得人体组织前景图像；对原始图像进行多分辨率调节，获得增强图像；根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。本发明实施例可以根据不同的解剖部位类型进行不同的动态范围调整，以突出感兴趣区域的灰度分布范围，降低背景图像的干扰，并能够提供更佳的图像对比度，显示更丰富的信息，达到更佳的显示效果。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种图像动态范围调整方法及装置。
背景技术
在图像处理技术领域，通常用动态范围(DynamicRange)表示图像的最亮部分和最暗部分之间的相对比值。图像的动态范围越大，其表现的层次越丰富，所包含的色彩空间也越广。现有技术中，存在一些高动态范围图像，例如数字X光图像，一般可用14bit来区分图像亮度，包含大量的信息。而计算机在表示图像时，通常是用8bit来区分图像亮度的，动态范围较小。如何将高动态范围的图像显示在普通的计算机上，并在图像中展示更丰富的信息成为一个重要的问题。因此，需要对图像进行合理的动态范围调整，以适应显示及观察的需要。
现有技术中，已存在一些图像动态范围调整方法。其中，使用直方图均衡化是调整图像动态范围的一种常见方法。它根据直方图分布形成灰度变换曲线，这种方法能很容易使得处理后的图像直方图更平滑，但是这种方法仅考虑直方图本身的密度分布，图像对比度会被过度增大以至于图像灰度不连续，很难适用于X线图像的处理。
现有技术还存在一种方法，使用比较平滑过渡的非线性的S形曲线对图像灰度进行映射，保证图像灰度连续分布，但是单纯的应用这种曲线会在一定程度上降低图像的对比度和细节信息。
发明人在实现本发明的过程中发现，现有技术存在的方法单纯从直方图分布和曲线的平滑角度出发，未考虑解剖部位特征，造成某些部位被过度处理，适应性差，不能达到很好的图像处理效果。
发明内容
本发明实施例提供了一种图像动态范围调整方法及装置，可以针对不同的解剖部位进行不同的动态范围调整，可以适应不同图像类型的显示需求，适用性好，具有更佳的显示效果。
为此，本发明实施例提供如下技术方案：
第一方面，本发明实施例提供了一种图像动态范围调整方法，所述方法包括：
分析原始图像，获得人体组织前景图像；
对原始图像进行多分辨率调节，获得增强图像；
根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。
进一步地，所述分析原始图像，获得人体组织前景图像包括：
确定原始图像中的遮挡区域，根据所述遮挡区域确定非遮挡区域；
对所述非遮挡区域进行图像分割，得到人体组织前景图像和背景图像。
进一步地，所述对原始图像进行多分辨率调节，获得增强图像包括：
将原始图像分解成一个低频图像和多个高频图像；
对所述低频图像的动态范围进行压缩；
对所述高频图像进行强度均衡化处理；
将压缩后的低频图像以及处理后的高频图像进行重构处理，得到增强图像。
进一步地，所述对所述低频图像的动态范围进行压缩包括：
根据所述图像对应的解剖部位的类型，确定与所述解剖部位类型对应的感兴趣灰度分布范围；
根据所述感兴趣灰度分布范围采用对应的补偿系数对所述低频图像进行压缩。
进一步地，所述对所述高频图像进行强度均衡化处理包括：
获取所述高频图像的最大幅度值；
根据所述最大幅度值对所述高频图像进行归一化处理；
根据不同的控制参数对所述归一化处理后的高频图像进行频率调制，以扩展小幅度信号的强度、抑制大幅度信号的强度；
将处理后的高频图像重新映射到归一化处理前的图像的数据范围。
进一步地，所述根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线包括：
对所述人体组织前景图像和所述增强图像进行预处理；
根据原始图像对应的解剖部位类型确定参考灰度值；
根据所述前景图像、所述参考灰度值、预设的控制参数确定非线性LUT曲线。
进一步地，所述利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像包括：
对所述增强图像应用非线性LUT曲线，得到处理后的增强图像；
获得所述处理后的增强图像的感兴趣区域灰度分布特征；
判断所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件；
若不满足，调整控制参数，根据调整后的控制参数重新生成非线性LUT曲线，并对所述增强图像应用重新生成的非线性LUT曲线获得处理后的增强图像，直到处理后的增强图像的感兴趣区域灰度分布特征满足预设条件；
若满足，则输出所述处理后的增强图像。
进一步地，所述感兴趣区域灰度分布特征具体为图像动态范围比例值，所述确定所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件包括：
判断所述处理后的增强图像的图像动态范围比例值与预设目标图像动态范围比例值之间的差值是否小于预设门限值；若小于，确定满足预设条件；若不小于，确定不满足预设条件。
进一步地，所述方法还包括：
若判断调整后的控制参数满足第二预设条件，则不再调整控制参数，输出所述处理后的增强图像。
另一方面，本发明实施例还提供了一种图像动态范围调整装置，所述装置包括：
前景图像获得单元，用于分析原始图像，获得人体组织前景图像；
增强图像获得单元，用于对原始图像进行多分辨率调节，获得增强图像；
动态范围调整单元，用于根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。
进一步地，所述前景图像获得单元包括：
确定单元，用于确定原始图像中的遮挡区域，根据所述遮挡区域确定非遮挡区域；
分割单元，用于对所述非遮挡区域进行图像分割，得到人体组织前景图像和背景图像。
进一步地，所述增强图像获得单元包括：
分解单元，用于将原始图像分解成一个低频图像和多个高频图像；
低频压缩单元，用于对所述低频图像的动态范围进行压缩；
高频处理单元，用于对所述高频图像进行强度均衡化处理；
重构单元，用于将压缩后的低频图像以及处理后的高频图像进行重构处理，得到增强图像。
进一步地，所述低频压缩单元具体用于：
根据所述图像对应的解剖部位的类型，确定与所述解剖部位类型对应的感兴趣灰度分布范围；根据所述感兴趣灰度分布范围采用对应的补偿系数对所述低频图像进行压缩。
进一步地，所述高频处理单元包括：
最大幅度值获得单元，用于获取所述高频图像的最大幅度值；
归一化单元，用于根据所述最大幅度值对所述高频图像进行归一化处理；
调制单元，用于根据不同的控制参数对所述归一化处理后的高频图像进行频率调制，以扩展小幅度信号的强度、抑制大幅度信号的强度；
映射单元，用于将处理后的高频图像重新映射到归一化处理前的图像的数据范围。
进一步地，所述动态范围调整单元包括曲线确定单元以及调整单元，所述曲线确定单元包括：
预处理单元，用于对所述人体组织前景图像和所述增强图像进行预处理；
参考灰度值确定单元，用于根据原始图像对应的解剖部位类型确定参考灰度值；
曲线生成单元，用于根据所述前景图像、所述参考灰度值、预设的控制参数确定非线性LUT曲线。
进一步地，所述动态范围调整单元包括曲线确定单元以及调整单元，所述调整单元包括：
应用单元，用于对所述增强图像应用非线性LUT曲线，得到处理后的增强图像；
特征获得单元，用于获得所述处理后的增强图像的感兴趣区域灰度分布特征；
判断单元，用于判断所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件；
迭代调整单元，用于若判断所述处理后的增强图像的感兴趣区域灰度分布特征不满足预设条件，调整控制参数，根据调整后的控制参数重新生成非线性LUT曲线，并对所述增强图像应用重新生成的非线性LUT曲线获得处理后的增强图像，直到处理后的增强图像的感兴趣区域灰度分布特征满足预设条件；
第一输出单元，用于若判断所述处理后的增强图像的感兴趣区域灰度分布特征满足预设条件，输出所述处理后的增强图像。
进一步地，所述特征获得单元获得的所述感兴趣区域灰度分布特征具体为图像动态范围比例值，所述判断单元具体用于：
判断所述处理后的增强图像的图像动态范围比例值与预设目标图像动态范围比例值之间的差值是否小于预设门限值；若小于，确定满足预设条件；若不小于，确定不满足预设条件。
进一步地，所述装置还包括：
第二输出单元，用于若判断调整后的控制参数满足第二预设条件，则不再调整控制参数，输出所述处理后的增强图像。
再一方面，本发明还提供了一种图像动态范围调整设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为：
分析原始图像，获得人体组织前景图像；
对原始图像进行多分辨率调节，获得增强图像；
根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。
进一步地，所示处理器还被配置用于：
确定原始图像中的遮挡区域，根据所述遮挡区域确定非遮挡区域；
对所述非遮挡区域进行图像分割，得到人体组织前景图像和背景图像。
进一步地，所示处理器还被配置用于：
将原始图像分解成一个低频图像和多个高频图像；
对所述低频图像的动态范围进行压缩；
对所述高频图像进行强度均衡化处理；
将压缩后的低频图像以及处理后的高频图像进行重构处理，得到增强图像。
进一步地，所示处理器还被配置用于：
根据所述图像对应的解剖部位的类型，确定与所述解剖部位类型对应的感兴趣灰度分布范围；
根据所述感兴趣灰度分布范围采用对应的补偿系数对所述低频图像进行压缩。
进一步地，所示处理器还被配置用于：
获取所述高频图像的最大幅度值；
根据所述最大幅度值对所述高频图像进行归一化处理；
根据不同的控制参数对所述归一化处理后的高频图像进行频率调制，以扩展小幅度信号的强度、抑制大幅度信号的强度；
将处理后的高频图像重新映射到归一化处理前的图像的数据范围。
进一步地，所示处理器还被配置用于：
对所述人体组织前景图像和所述增强图像进行预处理；
根据原始图像对应的解剖部位类型确定参考灰度值；
根据所述前景图像、所述参考灰度值、预设的控制参数确定非线性LUT曲线。
进一步地，所示处理器还被配置用于：
对所述增强图像应用非线性LUT曲线，得到处理后的增强图像；
获得所述处理后的增强图像的感兴趣区域灰度分布特征；
判断所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件；
若不满足，调整控制参数，根据调整后的控制参数重新生成非线性LUT曲线，并对所述增强图像应用重新生成的非线性LUT曲线获得处理后的增强图像，直到处理后的增强图像的感兴趣区域灰度分布特征满足预设条件；
若满足，则输出所述处理后的增强图像。
进一步地，所示处理器还被配置用于：
判断所述处理后的增强图像的图像动态范围比例值与预设目标图像动态范围比例值之间的差值是否小于预设门限值；若小于，确定满足预设条件；若不小于，确定不满足预设条件。
进一步地，所示处理器还被配置用于：
若判断调整后的控制参数满足第二预设条件，则不再调整控制参数，输出所述处理后的增强图像。
本发明实施例提供的图像动态范围调整方法及装置，可以根据不同的解剖部位类型进行不同的动态范围调整，以突出感兴趣区域的灰度分布范围，降低背景图像的干扰，并能够提供更佳的图像对比度，显示更丰富的信息，达到更佳的显示效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1本发明实施例提供的图像动态范围调整方法流程示意图；
图2为本发明实施例多分辨率调节获得增强图像的示意图；
图3为本发明实施例动态范围调整流程图；
图4为本发明一个实施例中腰椎图像调整过程示意图；
图5为本发明实施例提供的增强图像的直方图分布示意图；
图6为本发明实施例提供的动态范围调整后的直方图分布示意图；
图7为本发明实施例提供的输入前景直方图；
图8为本发明实施例提供的动态范围调整后的前景直方图；
图9为本发明实施例提供的胸片增强图像示意图；
图10为本发明实施例提供的动态范围调整后的胸片图像示意图；
图11为本发明实施例提供的调整得到的胸片动态范围LUT曲线示意图；
图12为本发明实施例提供的胸片增强图像直方图；
图13为本发明实施例提供的动态范围调整后的胸片图像直方图。
图14为本发明实施例提供的图像动态范围调整装置示意图；
图15为本发明实施例提供的图像动态范围调整装置的实施例硬件架构图。
具体实施方式
本发明实施例提供了一种图像动态范围调整方法及装置，可以针对不同的解剖部位进行不同的动态范围调整，可以适应不同图像类型的显示需求，适用性好，具有更佳的显示效果。
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
参见图1，本发明实施例提供的图像动态范围调整方法流程示意图。如图1所示，所述方法可以包括：
S101，分析原始图像，获得人体组织前景图像。
具体地，对输入的原始图像进行分析，首先确定原始图像中的遮挡区域，根据所述遮挡区域确定非遮挡区域。一般地，在X线图像中存在一定的遮挡区域，一般为限束器遮挡区域。X线图像中限束器遮挡区域是指通过铅叶遮挡，避免人体受到多余辐射的非X线直接照射区域，该区域在图像中的主要特征是灰度偏低，一般情况下遮挡区域边缘与其他部分存在较大的灰度反差，且边缘为直线。本发明实施例具体实现时，利用灰度、边缘直线检测相结合的方法确定限束器遮挡区域。举例说明，首先对原始图像进行边缘检测，再对边缘检测图像检测直线(hough变换)，结合限束器遮挡区域灰度与其他区域的关系判定是否属于限束器遮挡区域。当然，本领域技术人员可以理解的是，还可以采用其他方法识别限束器遮挡区域，在此不进行限定。
在确定了限束器遮挡区域后，根据原始图像和束器遮挡区域，即可以确定非遮挡区域。然后，对非遮挡区域进行图像分割，分别得到人体组织前景图像和背景图像，其中人体组织前景图像是指人体有效组织区域，而背景是指人体组织区域外的区域。在进行前景图像分割时，具体采用的方法可以是灵活多样的，例如基于直方图的波峰波谷检测的方法，基于区域增长的方法，以及基于纹理特征的方法。发明人经过研究发现，在实际应用过程中，由于图像部位的多样性，单纯的使用某一特征进行检测往往满足不了具体要求。在本发明实施例具体实现时，对于前景背景反差较大的部位采用基于直方图波峰波谷检测的方法进行图像分割；而对于前景与背景灰度反差较小的部位采用基于纹理特征与灰度特征结合的方法进行图像分割。在判断适用何种方法时，具体可以根据前景图像和背景图像的平均灰度值进行对比，从而确定采用直方图波峰波谷检测方法，还是采用纹理特征与灰度特征结合的方法。由于后续的动态范围调整并不是把背景直接进行灰度截止，因此对于分割结果边缘精度并不高，只要能保证前景背景分割不出错即可。因此，本领域技术人员还可以采用其他方法实现前景图像与背景图像的分割。需要说明的是，灰度截止是指将图像中像素值大于或小于一定阈值的点，修改成预先的设定值的方法。
S102，对原始图像进行多分辨率调节，获得增强图像。
参见图2，为本发明实施例多分辨率调节获得增强图像的示意图。具体实现时，将原始图像分解成一个低频图像和一系列高频图像，压缩低频图像动态范围，对高频图像分别进行强度均衡化处理，再将这一系列处理后的低频和高频图像进行重构得到增强图像。具体地，本发明实施例中分解、重构图像的过程，使用拉普拉斯金字塔框架，分解层数N可以根据需要确定。如果不对低频或高频进行处理，重构后图像与原始图像相同。下面的实施例中，以分解层数N为7层为例进行说明。下面结合附图2，对具体实现进行详细地阐述。
S102A，将原始图像分解成一个低频图像和多个高频图像。
具体实现时，使用拉普拉斯金字塔框架将原始图像分解成一个低频图像和7个高频图像。
S102B，对所述低频图像的动态范围进行压缩。
在本发明实施例中，可以对低频图像预先进行预处理，例如降采样。
在对低频图像的动态范围进行压缩时，发明人发现，若对于不同的图像，采用同一的压缩方式，例如采用相同的压缩强度系数进行压缩，效果并不好。例如，若采用的所述压缩强度系数太小，则会导致压缩幅度不够；若采用的所述压缩强度系数过大，则会导致对比度被过度加强导致图像失真。因此本发明是实施例中针对不同的解剖部位图像，进行额外的压缩补偿。具体地，根据所述图像对应的解剖部位的类型，确定与所述解剖部位类型对应的感兴趣灰度分布范围；根据所述感兴趣灰度分布范围采用对应的补偿系数对所述低频图像进行压缩。举例说明，参见表1，为各个部位类型对应的感兴趣灰度比例范围表。参照表1确定的解剖部位类型对应的感兴趣灰度比例范围，可以按照如下三种情况进行低频动态范围压缩：
表1
(1)对于感兴趣灰度分布范围分布在整个动态范围的0-40％的情况：
其中，Gs'表示动态范围压缩后的低频图像的像素灰度值，Gs表示低频图像的像素灰度值，BaseGray表示基准灰度,kc为压缩强度系数。fEH为对应高灰度部分的额外补偿系数，取值范围可以[0.5，1]。
其中，基准灰度BaseGray可以通过以下方式得到，将步骤101中得到的前景图像按照均值降采样成与低频图像大小相同的图像，将降采样的前景部分图像与低频图像进行与运算可得到低频前景图像，统计该低频前景图像的中间灰度值或平均灰度值即可确定该基准灰度BaseGray。
举例说明，参见表1，对于解剖部位类型为头部、腹部、骨盆，其感兴趣灰度分布比例为30％，可以参照公式(1)进行压缩。当图像中的像素灰度值小于基准灰度BaseGray，则采用普通的压缩方式；当图像中的像素灰度值大于等于基准灰度BaseGray，则采用额外的补偿系数fEH进行压缩补偿。
(2)而对于感兴趣灰度分布在整个动态范围的60-100％的情况：
其中，Gs'表示动态范围压缩后的低频图像的像素灰度值，Gs表示低频图像的像素灰度值，BaseGray表示基准灰度,kc为压缩强度系数。fEL为对应低灰度部分的额外补偿系数，取值范围可以为[0.5，1]。其中，基准灰度BaseGray的获得方式与前面介绍的相同。
举例说明，参见表1，对于解剖部位类型为胸部，其感兴趣灰度分布比例为80％，可以参照公式(2)进行压缩。当图像中的像素灰度值小于基准灰度BaseGray，则采用普通的压缩方式；当图像中的像素灰度值大于等于基准灰度BaseGray，则采用额外的补偿系数fEL进行压缩补偿。
(3)对于感兴趣灰度分布在整个动态范围的40-60％的情况：
Gs'＝kc×(Gs-BaseGray)+BaseGray(3)
其中，Gs'表示动态范围压缩后的低频图像的像素灰度值，Gs表示低频图像的像素灰度值，BaseGray表示基准灰度,kc为压缩强度系数。
举例说明，参见表1，对于解剖部位类型为手、足、四肢、股部、膝部，由于均是相对不太需要关注的区域，因此不采用额外的补偿系数进行补偿，直接采用公式(3)进行压缩即可。
在本发明实施例中，针对不同的解剖部位类型，采用不同的方法或者不同的补偿系数进行低频压缩处理，从而压缩了背景以及非感兴趣区域的灰度范围，突出了感兴趣区域的灰度范围，使得感兴趣区域灰度分布更均衡。。
S102C，对所述高频图像进行强度均衡化处理。
对所述高频图像进行强度均衡化处理，意即对不同频率上的目标高频信号进行调制，扩展小幅度信号强度，抑制幅度较大的信号的强度。根据解剖部位分布特点，所需的控制均衡幅度会有所不同。一般而言，0-3层含有较丰富的信息，4-6层结构和层次信息丰富，7层以上主要包含大范围亮度信息，通过调整各层次的控制参数可以突出显示感兴趣区域的频率，从而达到更好的显示效果。
各层次的强度均衡化处理过程类似，具体可以包括如下步骤：
S102C1，获取所述高频图像的最大幅度值。
其中，高频图像的最大幅度值为：
lapmax＝max(abs(Lap))
意即获取每个高频图像的灰度最大值。
S102C2，根据所述最大幅度值对所述高频图像进行归一化处理。
根据最大幅度值将高频图像归一化至(-1,1)之间。
S102C3，根据不同的控制参数对所述归一化处理后的高频图像进行频率调制，以扩展小幅度信号的强度、抑制大幅度信号的强度。
具体地，由于拉普拉斯金字塔分解后噪声主要分布在低层次的高频信息中，例如1-3层、因此频率处理过程对于1-3层高频图像按照公式(4)进行，对于3层-N层按照公式(5)进行。N的取值范围在本发明实施例可以取值为10，也可以是大于等于7的任意整数。
其中，c表示归一化的高频信息，c'表示处理后的归一化高频信息，es为控制参数，控制频率均衡强度es∈[0.5,1]，该值越大均衡强度越大，越小均衡强度越弱。一般的，es取值为0.8。
其中，cn为高频信息中噪声与细节信息之间的阈值。该阈值可根据离线采样平均灰度与噪声的关系，也可以通过均方差统计出现频率确定。本发明实施例中根据前景平均灰度确定相对噪声，除以lapmax可以计算得到cn值。
S102C4，将处理后的高频图像重新映射到归一化处理前的图像的数据范围。
具体处理公式如下：
lapmax'＝lapmax×c'(6)
由于频率调制前进行了归一化处理，因此，这里需要通过重新映射处理，使得高频图像重新映射到归一化处理前的数据范围，以使得高频图像的灰度范围与原始高频图像的灰度范围相同。
S102D，将压缩后的低频图像以及处理后的高频图像进行重构处理，得到增强图像。
具体的重构方法，可以采用拉普拉斯金字塔框架进行重构。
S103，根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT(英文全称为LookUpTable，中文名称为查找表)曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。
图像动态范围调整目的主要包括两方面一是于压缩背景灰度，二是调整前景图像灰度分布。对于背景灰度分布，按照一定比例需要压缩其动态范围，而对于前景区域则依据解剖部位特征，扩展感兴趣灰度范围，压缩其余的灰度部分，并且避免前景中非感兴趣出现过明或过暗的情况。基于此，本发明实施例根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定了非线性LUT曲线，并利用所述非线性LUT曲线调整所述增强图像的动态范围，获得具有更高对比度的输出图像。
具体实现时，根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线可以包括：对所述人体组织前景图像和所述增强图像进行预处理；根据原始图像对应的解剖部位类型确定参考灰度值；根据所述前景图像、所述参考灰度值、预设的控制参数确定非线性LUT曲线。
所述利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像包括：对所述增强图像应用非线性LUT曲线，得到处理后的增强图像；获得所述处理后的增强图像的感兴趣区域灰度分布特征；判断所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件；若不满足，调整控制参数，根据调整后的控制参数重新生成非线性LUT曲线，并对所述增强图像应用重新生成的非线性LUT曲线获得处理后的增强图像，直到处理后的增强图像的感兴趣区域灰度分布特征满足预设条件；若满足，则输出所述处理后的增强图像。
下面结合附图3，对本发明实施例中动态范围调整流程图进行说明。
S301，对输入信息进行预处理，结合解剖部位类型确定参考灰度。
对输入信息的图像预处理过程可以包含增强图像和前景图像的降采样、干扰信息排除等处理。首先对增强图像S和前景图像M降采样。降采样过程为了改善产生LUT效率，而最终LUT应用在整幅图像上。由于DR图像分辨率较大，为了提升处理效率需要将图像按照一定采样率抽样，优选地，一个可行的实现方式中，可以设置降采样比率为8:1，得到降采样图像增强图像S1，降采样前景图M1。需要注意的是接下来的曲线形成过程都是基于降采样的S1和M1进行的，但最终生成处理后的数据是在原始大尺寸图像上应用LUT得到的。
S302，根据初始参数构造非线性曲线。
按照初始设定形成灰度映射曲线，对增强图像S1应用灰度映射曲线，得到处理图像SP1，LUT曲线可以通过以下方法得到：
定义如下几个控制点p1(x0,y0)，p2(x1,y1)，p3(x2,y2)，p4(x3,y3)，通过非线性曲线拟合可以得到映射曲线，拟合方式可选分段多项式方法，注意x0,x1,x2,x3和y0,y1,y2,y3都呈升序分布，避免形成异常曲线。
x0＝0
y0＝0
x1＝bcg_gray
y1＝k1×(x1-x0)+y0
x2＝ref_gray
y2＝k2×(x2-x1)+y1
x3＝max_gray
y3＝k3×(x3-x2)+y2
其中，k1,k2,k3分别表示p2,p3,p4的控制参数，k1,k2,k3取值范围分别是[0-0.2]，[0.1-2]，[0.5-2]。
其中，bcg_gray表示背景与前景区域分割阈值，增强后的图像前景和背景灰度分布会存在一定交叉，可以选择该交叉点所对应的灰度值作为该分割阈值，也可以选择直接在前景图像中，按照一定比例计算得到。其中ref_gray表示参考灰度，参考灰度需要根据具体图像来确定的，根据大量数据统计，相同的摄影部位和体位在灰度分布存在共同的特点。因此本发明实施例根据部位类型和前景图像，按照预定比例计算到该灰度值，表2给出了几种典型部位参考灰度在前景直方图的比例分布。
表2不同部位对应的特征灰度分布
其中所述按照预定比例计算灰度值，具体的做法是：先计算前景图像直方图，统计出前景图像中像素灰度总数，乘以设定好的比例值得到累加器门限值，初始化累加器，遍历直方图所有通道，依次将直方图中各个通道对应的统计值加入累加器，当超过累加器门限值时，该通道对应的灰度值即是按照一定比例得到的灰度值。
S303，对增强图像应用非线性曲线得到处理后图像。
具体地，对于增强图像的每一个像素点p(x,y)，都有p’(x,y)＝LUT(p(x,y)),得到的p’就是应用了LUT的处理结果。
S304，统计图像感兴趣区域灰度分布特征。
具体实现时，所述感兴趣区域灰度分布特征具体为图像动态范围比例值。
举例说明，步骤304统计处理后图像中感兴趣区域灰度分布特征，主要包括计算处理后图像直方图中参考点左侧动态范围和右侧动态范围的比例，可以按照如下公式得到：
其中，dynamic_ratio为图像动态范围比例值，data_pro_ref，data_pro_left，data_pro_right可以按照步骤302中给出的按照预定比例计算灰度值的方法确定，为了排除可能的异常像素的干扰，可以为data_pro_left，data_pro_right设定预定比例值。举例说明，其中data_pro_left，data_pro_right对应的预定比例分别为1％，99％，data_pro_left，data_pro_right对应的预定比例也可以分别是0.05％，99.5％，或者分别是2％、98％。需要说明的是，所述预定比例值为根据经验选取，一般地，data_pro_left对应的预定比例一般不大于2％，data_pro_right对应的预定比例一般不小于98％，否则可能会导致图像失真，例如会损失一些图像细节。本领域技术人员可以根据经验选取所述预定比例值，在此不进行限定。而data_pro_ref对应的预设比例值则取决于输入的部位类型信息，可以根据表2得到。
S305，检查感兴趣区域灰度分布特征是否满足预设条件。如果是，则执行S307，得到最终处理后的图像。否则执行S306，调整参数构造新的非线性曲线，重复步骤303-305，直到感兴趣区域灰度分布特征满足预设条件。
这一步骤是调整LUT曲线的过程。具体地，判断处理后图像中感兴趣区域灰度分布特征是否满足需求，如果达到则可以得到最终处理后图像，否则需要调整控制参数后重新形成LUT曲线。
所述确定所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件包括：判断所述处理后的增强图像的图像动态范围比例值与预设目标图像动态范围比例值之间的差值是否小于预设门限值；若小于，确定满足预设条件；若不小于，确定不满足预设条件。
举例说明，判断调整后的图像动态范围特征比例值dynamic_ratio和目标动态范围特征比例值dynamic_target偏差的绝对值是否小于预设门限值threshold，本发明实施例中threshold取0.1，dynamic_target固定取值为1，如果小于该门限值，表明感兴趣灰度范围满足需求，否则需要调整参数后重新形成新的LUT曲线。
S306，调整参数构造新的非线性曲线，重复步骤303-305，直到感兴趣区域灰度分布特征满足预设条件。
当确定不满足预设条件时，则需要调整控制参数。优选地，只需要调整控制参数k2，k1和k3直接可以使用预设值，不需要自动调整。
其中，k2的调整方式如下：
如果dynamic_ratio-dynamic_target＞threshold，则k2＝k2-k_step,
如果dynamic_ratio-dynamic_target＜-threshold,则k2＝k2+k_step
举例说明，若调整后的图像动态范围特征比例值dynamic_ratio和目标动态范围特征比例值dynamic_target的差值大于预设门限值threshold，则使用控制参数减去调整步长k_step，得到新的控制参数。若调整后的图像动态范围特征比例值dynamic_ratio和目标动态范围特征比例值dynamic_target的差值小于-threshold，则使用控制参数加上调整步长k_step，得到新的控制参数。
优选地，若调整后的控制参数满足第二预设条件，则不再调整控制参数，输出所述处理后的增强图像。具体地，为了避免无意义的迭代，当出现以下情况时，不需要再调整k2值。第二预设条件具体为：
(1)k2已超出有效范围
k2＜0.1或k2＞2
需要说明的是，k2的有效取值范围为根据经验选取。经过发明人反复研究发现，k2在[0.1，2]的取值范围时，图像的调整效果较好。若k2超出有效范围，调整后的图像则会出现一定程度的失真现象。因此，为了避免图像失真，需要对k2的有效范围进行判断，以达到更好的图像处理效果。
(2)出现震荡情况。也就是说，迭代前后出现与目标动态范围偏差异常，即同时满足如下条件：
dynamic_ratio(n)-dynamic_target＜0
dynamic_ratio(n+1)-dynamic_target＜0
abs(dynamic_ratio(n)-dynamic_target)＞0.1
abs(dynamic_ratio(n+1)-dynamic_target)＞0.1
其中，dynamic_ratio(n)表示第n次调整k2值后的计算结果；
dynamic_ratio(n+1)表示第n+1次调整k2后的计算结果。
S307，得到最终处理后的输出图像。
最后将调整后的LUT应用到增强的全尺寸图像，就可以得到最终动态范围调整后的图像。
下面结合附图4-13对本发明实施例能够达到的有益效果进行说明。
参见图4，为本发明一个实施例中腰椎图像调整过程示意图，左侧是多分辨率调整后的增强图像，右侧是调c整好的输出图像，该调整过程难点就在于如何确定合理的LUT曲线。
当图像输出到显示设备上时，根据亮度对比度设置将灰度映射成亮度信息，因此能够被很好显示的仅是窗宽范围内的目标，因此感兴趣的灰度能尽量均匀分布在整个动态范围中间，才会更便于观察病灶。图5是增强图像直方图分布，图中给出了背景、皮肤、肺部、肌肉、低密度、高密度骨骼等一系列组织灰度分布，背景，肺，皮肤组织占据了很宽的灰度范围，高密度骨骼组织灰度分布过度则集中，动态范围很窄。而图6是经过动态范围调整后的直方图分布，背景、肺、皮肤组织灰度都被压缩至很小的范围，高密度和低密度骨骼肌肉灰度分布范围都不同程度被扩展。因此可以看到图6中，按照前景灰度最小最大范围设置窗宽窗位进行灰度映射的显示效果中，变换前的图像发白，感兴趣区域对比度不好，而变换后的图像感兴趣区域对比度合适，更适合观察病灶。图7和图8分别是变换前后前景区域，1024级直方图分布，二者比较可以看出变换对于灰度分布集中程度的改善。
图9-13给出了一种胸片图像的应用实例，图9给出了胸片增强图像，图10是经过动态范围调整后的胸片图像，图11是经过调整得到的灰度映射曲线，图12和13分别是图像9和图像10对应的直方图分布，从结果中也可以看到曲线调整后图像对比度改善，从直方图变化中也能看到肺部灰度动态范围被扩展，更有利于肺部组织观察。
在本发明实施例中，能够达到如下有益效果：
(1)对处理结果进行分析判定，调整曲线生成，更利于达到预期的效果。
(2)综合考虑解剖部位特征、避免通用基于直方图盲调方法造成的对比过强或灰度分布不连续等问题，抑制增强带来的尾影。
(3)能突出显示感兴趣区域组织灰度，又保证其他前景组织被观察到，增加图像可观测的信息量。
本发明实施例经过大量图像样本验证，都可以获得比较满意的图像动态范围。
与前述图像动态范围调整方法的实施例相对应，本发明还提供了图像动态范围调整装置的实施例。
参照图14，为本发明实施例提供的图像动态范围调整装置框图。
所示图像动态范围调整装置1400可以包括：
前景图像获得单元1401，用于分析原始图像，获得人体组织前景图像。
增强图像获得单元1402，用于对原始图像进行多分辨率调节，获得增强图像。
动态范围调整单元1403，用于根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。
进一步地，所述前景图像获得单元包括：
确定单元，用于确定原始图像中的遮挡区域，根据所述遮挡区域确定非遮挡区域；
分割单元，用于对所述非遮挡区域进行图像分割，得到人体组织前景图像和背景图像。
进一步地，所述增强图像获得单元包括：
分解单元，用于将原始图像分解成一个低频图像和多个高频图像；
低频压缩单元，用于对所述低频图像的动态范围进行压缩；
高频处理单元，用于对所述高频图像进行强度均衡化处理；
重构单元，用于将压缩后的低频图像以及处理后的高频图像进行重构处理，得到增强图像。
进一步地，所述低频压缩单元具体用于：
根据所述图像对应的解剖部位的类型，确定与所述解剖部位类型对应的感兴趣灰度分布范围；根据所述感兴趣灰度分布范围采用对应的补偿系数对所述低频图像进行压缩。
进一步地，所述高频处理单元包括：
最大幅度值获得单元，用于获取所述高频图像的最大幅度值；
归一化单元，用于根据所述最大幅度值对所述高频图像进行归一化处理；
调制单元，用于根据不同的控制参数对所述归一化处理后的高频图像进行频率调制，以扩展小幅度信号的强度、抑制大幅度信号的强度；
映射单元，用于将处理后的高频图像重新映射到归一化处理前图像的数据范围。
进一步地，所述动态范围调整单元包括曲线确定单元以及调整单元，所述曲线确定单元包括：
预处理单元，用于对所述人体组织前景图像和所述增强图像进行预处理；
参考灰度值确定单元，用于根据原始图像对应的解剖部位类型确定参考灰度值；
曲线生成单元，用于根据所述前景图像、所述参考灰度值、预设的控制参数确定非线性LUT曲线。
进一步地，所述动态范围调整单元包括曲线确定单元以及调整单元，所述调整单元包括：
应用单元，用于对所述增强图像应用非线性LUT曲线，得到处理后的增强图像；
特征获得单元，用于获得所述处理后的增强图像的感兴趣区域灰度分布特征；
判断单元，用于判断所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件；
迭代调整单元，用于若判断所述处理后的增强图像的感兴趣区域灰度分布特征不满足预设条件，调整控制参数，根据调整后的控制参数重新生成非线性LUT曲线，并对所述增强图像应用重新生成的非线性LUT曲线获得处理后的增强图像，直到处理后的增强图像的感兴趣区域灰度分布特征满足预设条件；
第一输出单元，用于若判断所述处理后的增强图像的感兴趣区域灰度分布特征满足预设条件，输出所述处理后的增强图像。
进一步地，所述特征获得单元获得的所述感兴趣区域灰度分布特征具体为图像动态范围比例值，所述判断单元具体用于：
判断所述处理后的增强图像的图像动态范围比例值与预设目标图像动态范围比例值之间的差值是否小于预设门限值；若小于，确定满足预设条件；若不小于，确定不满足预设条件。
进一步地，所述装置还包括：
第二输出单元，用于若判断调整后的控制参数满足第二预设条件，则不再调整控制参数，输出所述处理后的增强图像
其中，本发明装置各单元或模块的设置可以参照图1所示的方法而实现，在此不赘述。
本发明图像动态范围调整装置的实施例可以应用在DR系统的设备或者任何具有处理器(特别是图像处理器)的电子设备上，所述电子设备可以是现有的、正在研发的或将来研发的任何电子设备，包括但不限于：现有的、正在研发的或将来研发的台式计算机、膝上型计算机、移动终端(包括智能手机、非智能手机、各种平板电脑)等。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在DR系统的设备或带有处理器的电子设备的处理器将存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图15所示，为本发明图像动态范围调整装置所在DR系统的设备或带有处理器的电子设备的一种硬件结构图，除了图15所示的处理器、内存、网络接口、以及存储器之外，实施例中装置所在的DR系统的设备或带有处理器的电子设备通常根据该设备的实际功能，还可以包括其他硬件，对此不再赘述。
其中，存储器中可以存储有图像动态范围调整方法对应的逻辑指令，该存储器例如可以是非易失性存储器(non-volatilememory)。处理器可以调用执行存储器中的保存的逻辑指令，以执行上述的图像动态范围调整方法。
图像动态范围调整方法对应的逻辑指令的功能，如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
如图15所示，本发明还提供了一种图像动态范围调整设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为：
分析原始图像，获得人体组织前景图像；
对原始图像进行多分辨率调节，获得增强图像；
根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。
进一步地，所示处理器还被配置用于：
确定原始图像中的遮挡区域，根据所述遮挡区域确定非遮挡区域；
对所述非遮挡区域进行图像分割，得到人体组织前景图像和背景图像。
进一步地，所示处理器还被配置用于：
将原始图像分解成一个低频图像和多个高频图像；
对所述低频图像的动态范围进行压缩；
对所述高频图像进行强度均衡化处理；
将压缩后的低频图像以及处理后的高频图像进行重构处理，得到增强图像。
进一步地，所示处理器还被配置用于：
根据所述图像对应的解剖部位的类型，确定与所述解剖部位类型对应的感兴趣灰度分布范围；
根据所述感兴趣灰度分布范围采用对应的补偿系数对所述低频图像进行压缩。
进一步地，所示处理器还被配置用于：
获取所述高频图像的最大幅度值；
根据所述最大幅度值对所述高频图像进行归一化处理；
根据不同的控制参数对所述归一化处理后的高频图像进行频率调制，以扩展小幅度信号的强度、抑制大幅度信号的强度；
将处理后的高频图像重新映射到归一化处理前的图像的数据范围。
进一步地，所示处理器还被配置用于：
对所述人体组织前景图像和所述增强图像进行预处理；
根据原始图像对应的解剖部位类型确定参考灰度值；
根据所述前景图像、所述参考灰度值、预设的控制参数确定非线性LUT曲线。
进一步地，所示处理器还被配置用于：
对所述增强图像应用非线性LUT曲线，得到处理后的增强图像；
获得所述处理后的增强图像的感兴趣区域灰度分布特征；
判断所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件；
若不满足，调整控制参数，根据调整后的控制参数重新生成非线性LUT曲线，并对所述增强图像应用重新生成的非线性LUT曲线获得处理后的增强图像，直到处理后的增强图像的感兴趣区域灰度分布特征满足预设条件；
若满足，则输出所述处理后的增强图像。
进一步地，所示处理器还被配置用于：
判断所述处理后的增强图像的图像动态范围比例值与预设目标图像动态范围比例值之间的差值是否小于预设门限值；若小于，确定满足预设条件；若不小于，确定不满足预设条件。
进一步地，所示处理器还被配置用于：
若判断调整后的控制参数满足第二预设条件，则不再调整控制参数，输出所述处理后的增强图像。
本领域技术人员可以理解的是，以上对方法和装置实施例进行了示例性说明，以上不视为对本发明的限制，本领域技术人员在不付出创造性劳动下获得的其他实现方式均属于本发明的保护范围。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。以上所述仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (19)
1.一种图像动态范围调整方法，其特征在于，所述方法包括：
分析原始图像，获得人体组织前景图像；
对原始图像进行多分辨率调节，获得增强图像；
根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。
2.根据权利要求1所述的方法，其特征在于，所述分析原始图像，获得人体组织前景图像包括：
确定原始图像中的遮挡区域，根据所述遮挡区域确定非遮挡区域；
对所述非遮挡区域进行图像分割，得到人体组织前景图像和背景图像。
3.根据权利要求1所述的方法，其特征在于，所述对原始图像进行多分辨率调节，获得增强图像包括：
将原始图像分解成一个低频图像和多个高频图像；
对所述低频图像的动态范围进行压缩；
对所述高频图像进行强度均衡化处理；
将压缩后的低频图像以及处理后的高频图像进行重构处理，得到增强图像。
4.根据权利要求3所述的方法，其特征在于，所述对所述低频图像的动态范围进行压缩包括：
根据所述图像对应的解剖部位的类型，确定与所述解剖部位类型对应的感兴趣灰度分布范围；
根据所述感兴趣灰度分布范围采用对应的补偿系数对所述低频图像进行压缩。
5.根据权利要求3所述的方法，其特征在于，所述对所述高频图像进行强度均衡化处理包括：
获取所述高频图像的最大幅度值；
根据所述最大幅度值对所述高频图像进行归一化处理；
根据不同的控制参数对所述归一化处理后的高频图像进行频率调制，以扩展小幅度信号的强度、抑制大幅度信号的强度；
将处理后的高频图像重新映射到归一化处理前的图像的数据范围。
6.根据权利要求1所述的方法，其特征在于，所述根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线包括：
对所述人体组织前景图像和所述增强图像进行预处理；
根据原始图像对应的解剖部位类型确定参考灰度值；
根据所述前景图像、所述参考灰度值、预设的控制参数确定非线性LUT曲线。
7.根据权利要求1或6所述的方法，其特征在于，所述利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像包括：
对所述增强图像应用非线性LUT曲线，得到处理后的增强图像；
获得所述处理后的增强图像的感兴趣区域灰度分布特征；
判断所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件；
若不满足，调整控制参数，根据调整后的控制参数重新生成非线性LUT曲线，并对所述增强图像应用重新生成的非线性LUT曲线获得处理后的增强图像，直到处理后的增强图像的感兴趣区域灰度分布特征满足预设条件；
若满足，则输出所述处理后的增强图像。
8.根据权利要求7所述的方法，其特征在于，所述感兴趣区域灰度分布特征具体为图像动态范围比例值，所述确定所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件包括：
判断所述处理后的增强图像的图像动态范围比例值与预设目标图像动态范围比例值之间的差值是否小于预设门限值；若小于，确定满足预设条件；若不小于，确定不满足预设条件。
9.根据权利要求7所述的方法，其特征在于，所述方法还包括：
若判断调整后的控制参数满足第二预设条件，则不再调整控制参数，输出所述处理后的增强图像。
10.一种图像动态范围调整装置，其特征在于，所述装置包括：
前景图像获得单元，用于分析原始图像，获得人体组织前景图像；
增强图像获得单元，用于对原始图像进行多分辨率调节，获得增强图像；
动态范围调整单元，用于根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。
11.根据权利要求10所述的装置，其特征在于，所述前景图像获得单元包括：
确定单元，用于确定原始图像中的遮挡区域，根据所述遮挡区域确定非遮挡区域；
分割单元，用于对所述非遮挡区域进行图像分割，得到人体组织前景图像和背景图像。
12.根据权利要求10所述的装置，其特征在于，所述增强图像获得单元包括：
分解单元，用于将原始图像分解成一个低频图像和多个高频图像；
低频压缩单元，用于对所述低频图像的动态范围进行压缩；
高频处理单元，用于对所述高频图像进行强度均衡化处理；
重构单元，用于将压缩后的低频图像以及处理后的高频图像进行重构处理，得到增强图像。
13.根据权利要求12所述的装置，其特征在于，所述低频压缩单元具体用于：
根据所述图像对应的解剖部位的类型，确定与所述解剖部位类型对应的感兴趣灰度分布范围；根据所述感兴趣灰度分布范围采用对应的补偿系数对所述低频图像进行压缩。
14.根据权利要求12所述的装置，其特征在于，所述高频处理单元包括：
最大幅度值获得单元，用于获取所述高频图像的最大幅度值；
归一化单元，用于根据所述最大幅度值对所述高频图像进行归一化处理；
调制单元，用于根据不同的控制参数对所述归一化处理后的高频图像进行频率调制，以扩展小幅度信号的强度、抑制大幅度信号的强度；
映射单元，用于将处理后的高频图像重新映射到归一化处理前的图像的数据范围。
15.根据权利要求10所述的装置，其特征在于，所述动态范围调整单元包括曲线确定单元以及调整单元，所述曲线确定单元包括：
预处理单元，用于对所述人体组织前景图像和所述增强图像进行预处理；
参考灰度值确定单元，用于根据原始图像对应的解剖部位类型确定参考灰度值；
曲线生成单元，用于根据所述前景图像、所述参考灰度值、预设的控制参数确定非线性LUT曲线。
16.根据权利要求10或15所述的装置，其特征在于，所述动态范围调整单元包括曲线确定单元以及调整单元，所述调整单元包括：
应用单元，用于对所述增强图像应用非线性LUT曲线，得到处理后的增强图像；
特征获得单元，用于获得所述处理后的增强图像的感兴趣区域灰度分布特征；
判断单元，用于判断所述处理后的增强图像的感兴趣区域灰度分布特征是否满足预设条件；
迭代调整单元，用于若判断所述处理后的增强图像的感兴趣区域灰度分布特征不满足预设条件，调整控制参数，根据调整后的控制参数重新生成非线性LUT曲线，并对所述增强图像应用重新生成的非线性LUT曲线获得处理后的增强图像，直到处理后的增强图像的感兴趣区域灰度分布特征满足预设条件；
第一输出单元，用于若判断所述处理后的增强图像的感兴趣区域灰度分布特征满足预设条件，输出所述处理后的增强图像。
17.根据权利要求16所述的装置，其特征在于，所述特征获得单元获得的所述感兴趣区域灰度分布特征具体为图像动态范围比例值，所述判断单元具体用于：
判断所述处理后的增强图像的图像动态范围比例值与预设目标图像动态范围比例值之间的差值是否小于预设门限值；若小于，确定满足预设条件；若不小于，确定不满足预设条件。
18.根据权利要求16所述的装置，其特征在于，所述装置还包括：
第二输出单元，用于若判断调整后的控制参数满足第二预设条件，则不再调整控制参数，输出所述处理后的增强图像。
19.一种图像动态范围调整设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为：
分析原始图像，获得人体组织前景图像；
对原始图像进行多分辨率调节，获得增强图像；
根据原始图像对应的解剖部位类型以及所述人体组织前景图像确定非线性LUT曲线，利用所述非线性LUT曲线调整所述增强图像的动态范围，获得输出图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510818564.0A CN105488765B (zh) | 2015-11-23 | 2015-11-23 | 一种图像动态范围调整方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510818564.0A CN105488765B (zh) | 2015-11-23 | 2015-11-23 | 一种图像动态范围调整方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105488765A true CN105488765A (zh) | 2016-04-13 |
| CN105488765B CN105488765B (zh) | 2018-12-07 |
Family
ID=55675730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510818564.0A Active CN105488765B (zh) | 2015-11-23 | 2015-11-23 | 一种图像动态范围调整方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105488765B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106683056A (zh) * | 2016-12-16 | 2017-05-17 | 凯迈（洛阳）测控有限公司 | 一种机载光电红外数字图像处理方法及装置 |
| CN107707948A (zh) * | 2017-09-20 | 2018-02-16 | 李�荣 | 一种同时集成实时监控功能以及用户信息采集功能的方法 |
| CN107809559A (zh) * | 2017-09-21 | 2018-03-16 | 中国科学院长春光学精密机械与物理研究所 | 一种图像自学习增强方法和系统 |
| CN109686288A (zh) * | 2018-12-27 | 2019-04-26 | 大陆汽车车身电子系统（芜湖）有限公司 | 一种图像显示方法 |
| CN110570378A (zh) * | 2019-09-11 | 2019-12-13 | 上海联影医疗科技有限公司 | 图像的显示方法、装置、设备及存储介质 |
| CN110832540A (zh) * | 2017-06-14 | 2020-02-21 | 上海联影医疗科技有限公司 | 图像处理系统和方法 |
| CN111563517A (zh) * | 2020-04-20 | 2020-08-21 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112446880A (zh) * | 2021-02-01 | 2021-03-05 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
| GB2590519A (en) * | 2019-12-06 | 2021-06-30 | Ibex Innovations Ltd | Composition-guided post processing for X-ray images |
| CN113539439A (zh) * | 2021-07-16 | 2021-10-22 | 数坤(北京)网络科技股份有限公司 | 医学图像的处理方法、装置、计算机设备和存储介质 |
| CN114332255A (zh) * | 2022-03-16 | 2022-04-12 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种医学图像处理方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5978518A (en) * | 1997-02-25 | 1999-11-02 | Eastman Kodak Company | Image enhancement in digital image processing |
| WO2001069532A1 (en) * | 2000-03-10 | 2001-09-20 | General Electric Company | A method and apparatus for performing a contrast based dynamic range management algorithm |
| CN1478250A (zh) * | 2000-11-30 | 2004-02-25 | ������������ʽ���� | 图象处理装置、图象处理方法、存储介质和程序 |
| US20050018894A1 (en) * | 2003-07-24 | 2005-01-27 | Eastman Kodak Company | Method for rendering digital radiographic images for display based on independent control of fundamental image quality parameters |
| US20060012829A1 (en) * | 2004-07-13 | 2006-01-19 | Herron Stephen K | System and method for tone-dependent multi-frequency halftone screening |
| CN101109718A (zh) * | 2006-11-14 | 2008-01-23 | 北京国药恒瑞美联信息技术有限公司 | 用于消除散射辐射影响的虚拟滤线栅成像方法及其系统 |
| CN101224114A (zh) * | 2008-01-25 | 2008-07-23 | 西安交通大学 | 一种基于尺度空间分解的x射线图像超动态范围重建方法 |
| CN102289826A (zh) * | 2010-05-14 | 2011-12-21 | 株式会社岛津制作所 | 图像处理方法及使用该方法的放射线摄影装置 |
| CN104574361A (zh) * | 2014-11-27 | 2015-04-29 | 沈阳东软医疗系统有限公司 | 一种乳腺外周组织均衡的图像处理方法和装置 |
-
2015
- 2015-11-23 CN CN201510818564.0A patent/CN105488765B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5978518A (en) * | 1997-02-25 | 1999-11-02 | Eastman Kodak Company | Image enhancement in digital image processing |
| WO2001069532A1 (en) * | 2000-03-10 | 2001-09-20 | General Electric Company | A method and apparatus for performing a contrast based dynamic range management algorithm |
| CN1478250A (zh) * | 2000-11-30 | 2004-02-25 | ������������ʽ���� | 图象处理装置、图象处理方法、存储介质和程序 |
| US20050018894A1 (en) * | 2003-07-24 | 2005-01-27 | Eastman Kodak Company | Method for rendering digital radiographic images for display based on independent control of fundamental image quality parameters |
| US20080002906A1 (en) * | 2003-07-24 | 2008-01-03 | Xiaohui Wang | Control of multiple frequency bands for digital image |
| US20060012829A1 (en) * | 2004-07-13 | 2006-01-19 | Herron Stephen K | System and method for tone-dependent multi-frequency halftone screening |
| CN101109718A (zh) * | 2006-11-14 | 2008-01-23 | 北京国药恒瑞美联信息技术有限公司 | 用于消除散射辐射影响的虚拟滤线栅成像方法及其系统 |
| CN101224114A (zh) * | 2008-01-25 | 2008-07-23 | 西安交通大学 | 一种基于尺度空间分解的x射线图像超动态范围重建方法 |
| CN102289826A (zh) * | 2010-05-14 | 2011-12-21 | 株式会社岛津制作所 | 图像处理方法及使用该方法的放射线摄影装置 |
| CN104574361A (zh) * | 2014-11-27 | 2015-04-29 | 沈阳东软医疗系统有限公司 | 一种乳腺外周组织均衡的图像处理方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 唐艳秋: "基于人眼视觉灰度识别特性的图像动态范围小波变换处理方法", 《液晶与显示》 * |
| 李汉志 等: "基于多分辨率融合的X射线图像动态范围扩展技术", 《无损检测》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106683056A (zh) * | 2016-12-16 | 2017-05-17 | 凯迈（洛阳）测控有限公司 | 一种机载光电红外数字图像处理方法及装置 |
| CN110832540B (zh) * | 2017-06-14 | 2023-08-01 | 上海联影医疗科技股份有限公司 | 图像处理系统和方法 |
| CN110832540A (zh) * | 2017-06-14 | 2020-02-21 | 上海联影医疗科技有限公司 | 图像处理系统和方法 |
| CN107707948A (zh) * | 2017-09-20 | 2018-02-16 | 李�荣 | 一种同时集成实时监控功能以及用户信息采集功能的方法 |
| CN107707948B (zh) * | 2017-09-20 | 2018-05-11 | 华科物联有限公司 | 一种同时集成实时监控功能以及用户信息采集功能的方法 |
| CN107809559A (zh) * | 2017-09-21 | 2018-03-16 | 中国科学院长春光学精密机械与物理研究所 | 一种图像自学习增强方法和系统 |
| CN109686288A (zh) * | 2018-12-27 | 2019-04-26 | 大陆汽车车身电子系统（芜湖）有限公司 | 一种图像显示方法 |
| CN110570378A (zh) * | 2019-09-11 | 2019-12-13 | 上海联影医疗科技有限公司 | 图像的显示方法、装置、设备及存储介质 |
| CN110570378B (zh) * | 2019-09-11 | 2024-02-02 | 上海联影医疗科技股份有限公司 | 图像的显示方法、装置、设备及存储介质 |
| GB2590519A (en) * | 2019-12-06 | 2021-06-30 | Ibex Innovations Ltd | Composition-guided post processing for X-ray images |
| GB2590519B (en) * | 2019-12-06 | 2024-02-21 | Ibex Innovations Ltd | Composition-guided post processing for X-ray images |
| CN111563517A (zh) * | 2020-04-20 | 2020-08-21 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112446880A (zh) * | 2021-02-01 | 2021-03-05 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
| CN113539439A (zh) * | 2021-07-16 | 2021-10-22 | 数坤(北京)网络科技股份有限公司 | 医学图像的处理方法、装置、计算机设备和存储介质 |
| CN114332255B (zh) * | 2022-03-16 | 2022-05-20 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种医学图像处理方法及装置 |
| CN114332255A (zh) * | 2022-03-16 | 2022-04-12 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种医学图像处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105488765B (zh) | 2018-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105488765A (zh) | 一种图像动态范围调整方法及装置 | |
| Liu et al. | Efficient single image dehazing and denoising: An efficient multi-scale correlated wavelet approach | |
| Duan et al. | Tone-mapping high dynamic range images by novel histogram adjustment | |
| Mantiuk et al. | A perceptual framework for contrast processing of high dynamic range images | |
| EP2003877B1 (en) | Image processing method | |
| Celik et al. | Residual spatial entropy-based image contrast enhancement and gradient-based relative contrast measurement | |
| CN101727658A (zh) | 图像处理方法及装置 | |
| Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
| CN102428478A (zh) | 多尺度图像归一化和增强 | |
| CN102289792A (zh) | 一种低照度视频图像增强方法及系统 | |
| Park et al. | Contrast enhancement for low-light image enhancement: A survey | |
| US8139891B2 (en) | System and method for structure enhancement and noise reduction in medical images | |
| Vazquez-Corral et al. | A fast image dehazing method that does not introduce color artifacts | |
| Deng | A generalized logarithmic image processing model based on the gigavision sensor model | |
| Srinivas et al. | Low-contrast image enhancement using spatial contextual similarity histogram computation and color reconstruction | |
| Jebur et al. | A review and taxonomy of image denoising techniques | |
| Wang et al. | Total generalized variation-based Retinex image decomposition | |
| Zhou et al. | A perceptual framework for infrared–visible image fusion based on multiscale structure decomposition and biological vision | |
| Dixit et al. | A review on image contrast enhancement in colored images | |
| Wang et al. | A variational histogram equalization method for image contrast enhancement | |
| Luo et al. | A fast denoising fusion network using internal and external priors | |
| Thai et al. | Performance evaluation of high dynamic range image tone mapping operators based on separable non-linear multiresolution families | |
| CN110390652A (zh) | 一种模糊集与分数阶微分相结合的医疗图像增强方法 | |
| Liu et al. | Image segmentation using local spectral histograms | |
| Tiant et al. | GPU-accelerated local tone-mapping for high dynamic range 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Patentee after: DongSoft Medical System Co., Ltd. Address before: Hunnan New Century Road 110179 Shenyang city of Liaoning Province, No. 16 Patentee before: Dongruan Medical Systems Co., Ltd., Shenyang |
|
| CP03 | Change of name, title or address |