CN106228520B - 图像增强方法及装置 - Google Patents
图像增强方法及装置 Download PDFInfo
- Publication number
- CN106228520B CN106228520B CN201610584749.4A CN201610584749A CN106228520B CN 106228520 B CN106228520 B CN 106228520B CN 201610584749 A CN201610584749 A CN 201610584749A CN 106228520 B CN106228520 B CN 106228520B
- Authority
- CN
- China
- Prior art keywords
- gray
- weight
- image
- high frequency
- pixel point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003384 imaging method Methods 0.000 claims abstract description 113
- 238000013507 mapping Methods 0.000 claims description 17
- 230000002708 enhancing effect Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 230000005764 inhibitory process Effects 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种图像增强方法及装置,所述图像增强方法包括:基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中各像素点的权值;基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像;基于所述图像的低频图像和更新后的所述图像的高频图像进行重构。本发明技术方案,去除了重构后的图像中的斑点伪影,在对噪声进行有效的抑制的同时对图像对比度也进行了相应的增强,提高了重构后的图像的质量。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像增强方法及装置。
背景技术
数字X射线摄影(DR,Digital Radiography)设备是计算机数字图像处理技术与X射线放射技术相结合而形成的一种先进的医疗设备。数字X射线摄影设备因其辐射剂量小、影像质量高、疾病的检出率和诊断的准确性较高而被广泛的应用。
对于数字X射线摄影设备而言,探测器直接输出的图像的对比度较低,不利于医生观察病灶以及一些细微的细节。为了使得医生能更加方便和准确的诊断患者的病情,DR设备的图像后处理算法中通常会采用图像增强方法以增加图像的对比度,使得图像的细节更加突出和清晰。目前,通常采用基于多尺度的图像增强方法来对DR设备采集到的图像进行增强,如小波变换、拉普拉斯金字塔变换等。然而采用上述方法在对图像的细节进行增强时,也会对噪声有所增强,因此需要在对图像的细节进行增强的同时,对噪声进行抑制。目前,通常采用设置软阈值或者硬阈值的方式来抑制噪声,然而采用这两种方式对图像进行处理后,会出现斑点伪影,另外采用这两种方式在抑制噪声的同时也会将图像中的部分细节信息有所抑制,或者说在对图像进行去噪的同时也去除了图像中有用的信息,导致最终获得的图像的质量较差,不符合实际的临床需求,对医生的诊断有所影响,可能会导致漏诊的发生。
因此,如何能够在对图像进行增强的同时,又有效的抑制噪声,去除斑点伪影成为目前亟待解决的问题之一。
发明内容
本发明要解决的问题是提供一种图像增强方法及装置,以去除图像中的斑点伪影,在对图像进行增强的同时有效的抑制噪声,进而提高图像的质量。
为解决上述问题,本发明技术方案提供一种图像增强方法,包括:
基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中各像素点的权值;
基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像;
基于所述图像的低频图像和更新后的所述图像的高频图像进行重构。
可选的,所述基于所述图像的高频图像获取权值图包括:
确定所述图像的高频图像中噪声像素点灰度值所在的灰度区间;
对所述噪声像素点灰度值所在的灰度区间进行非线性拉伸,基于拉伸后的灰度区间更新所述图像的高频图像中噪声像素点灰度值和其他像素点灰度值所在的灰度区间;
将更新后的噪声像素点灰度值所在的灰度区间映射至[0,1],以映射后的噪声像素点灰度值作为噪声像素点的权值;
将更新后的其他像素点灰度值所在的灰度区间映射至(1,G],以映射后的其他像素点灰度值作为其他像素点的权值;
对属于更新后的噪声像素点灰度值所在的灰度区间的噪声像素点的灰度值以与该噪声像素点对应的权值进行更新,对属于更新后的其他像素点灰度值所在的灰度区间的其他像素点的灰度值以与该其他像素点对应的权值进行更新,生成所述权值图。
可选的,所述基于拉伸后的灰度区间更新所述图像的高频图像中噪声像素点灰度值和其他像素点灰度值所在的灰度区间包括:
以所述拉伸后的灰度区间的噪声像素点的灰度值平均值作为第一阈值,所述第一阈值是指更新后的区分所述噪声像素点和其他像素点的灰度阈值;
确定[0,第一阈值]为更新后的噪声像素点灰度值所在的灰度区间,(第一阈值,第二阈值]为更新后的其他像素点灰度值所在的灰度区间,其中所述第二阈值为所述图像的高频图像中的最大灰度值。
可选的,所述确定所述图像的高频图像中噪声像素点灰度值所在的灰度区间包括:
计算所述图像的高频图像的灰度值平均值;
确定[0,N×灰度值平均值]为所述图像的高频图像中噪声像素点灰度值所在的灰度区间。
可选的,N∈[1,3]。
可选的,所述基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像包括:将所述权值图乘以所述图像的高频图像以获得更新后的所述图像的高频图像。
为解决上述问题,本发明技术方案还提供一种图像增强装置,包括:
权值图生成单元,用于基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中各像素点的权值;
更新单元,用于基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像;
重构单元,用于基于所述图像的低频图像和更新后的所述图像的高频图像进行重构。
与现有技术相比,本发明技术方案具有以下优点:
根据所述图像的高频图像获得权值图,所述权值图关联于所述高频图像中各像素点的权值,由于针对性地确定了各像素点的权值,因此在基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像,并基于所述图像的低频图像和更新后的所述图像的高频图像进行重构后,可以增强图像的对比度,同时也去除了重构后的图像中的斑点伪影,提高了重构后的图像的质量。
进一步地,在获取所述权值图的过程中,先确定所述图像的高频图像中噪声像素点灰度值所在的灰度区间,并对所述灰度区间进行非线性拉伸后来更新所述图像的高频图像中噪声像素点灰度值所在的灰度区间以及其他像素点灰度值所在的灰度区间,然后对更新后的噪声像素点灰度值所在的灰度区间以及其他像素点灰度值所在的灰度区间分别映射至[0,1]和(1,G],以在映射过程中映射后的噪声像素点灰度值作为噪声像素点的权值,映射后的其他像素点灰度值作为其他像素点的权值,最终,对属于更新后的噪声像素点灰度值所在的灰度区间的噪声像素点的灰度值以与该噪声像素点对应的权值进行更新,对属于更新后的其他像素点灰度值所在的灰度区间的其他像素点的灰度值以与该其他像素点对应的权值进行更新,生成权值图。由于对噪声像素点所在的灰度区间先进行非线性拉伸,然后基于拉伸后的灰度区间来更新所述噪声像素点灰度值所在的灰度区间,即进一步精确确定了噪声像素点灰度值所在的灰度区间,因此准确的确定了区分噪声像素点和其他像素点之间的灰度阈值,此外,以在映射过程中映射后的噪声像素点灰度值作为噪声像素点的权值,映射后的其他像素点灰度值作为其他像素点的权值,进而使得在对噪声进行有效的抑制的同时对图像对比度也进行了相应的增强,提高了重构后的图像的质量。
附图说明
图1是本发明实施方式的图像增强方法的流程示意图;
图2是本发明实施方式的权值图生成过程示意图;
图3是本发明实施方式的图像增强装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种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方式的限制。
正如现有技术中所描述的,通过现有的图像增强方法对图像进行处理时,在对图像中的噪声进行抑制的同时也会对图像中的有用信息有所抑制,此外采用现有的图像增强方法对图像增强后会产生斑点伪影,导致增强后的图像质量不高。在实际应用中,以设置软阈值或者硬阈值的方式抑制噪声时,硬阈值通常可以手动设定,而软阈值主要应用于采用小波变换对图像进行增强,其可以通过对图像的高频图像沿对角线方向的像素点求其灰度值的平均值再乘以预设的比例系数获得。另外,由于噪声像素点在高频图像中的灰度值偏低,因此,在采用硬阈值或者软阈值的方式对噪声进行抑制时,当高频图像中的像素点的灰度值小于该硬阈值或软阈值时,将该像素点的灰度值置为0。发明人经过分析知晓,将像素点的灰度值置0,会导致重构后的图像中产生斑点伪影,另外,不论是采用软阈值还是硬阈值进行抑噪,由于软阈值或者硬阈值在区分噪声像素点和其他像素点之间的准确度不高,或者说软阈值或者硬阈值与噪声像素点与其他像素点之间的实际的区分阈值间还存在一定的误差,因此,最终都会出现在对噪声进行抑制的过程中也会将图像中的部分像素点有所抑制,会造成图像中部分细节信息的损失,导致最终重构获得的图像的质量不高。若该图像为医学图像,可能会不符合实际的临床需求,影响医生的诊断,导致漏诊情况的发生。
因此,发明人考虑在对图像中的噪声进行抑制的同时去除斑点伪影,另外尽可能准确的确定噪声像素点和其他像素点。
请参见图1,图1是本发明实施方式的图像增强方法的流程示意图,如图1所示,所述图像增强方法包括:
S11:基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中各像素点的权重;
S12:基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像;
S13:基于所述图像的低频图像和更新后的所述图像的高频图像进行重构。
以下结合具体的实施例对本发明实施方式的图像增强方法进行相应的说明。
执行S11,基于所述图像的高频图像来获取权值图。所述权值图中给出了所述高频图像中各像素点的权值。本实施例中的高频图像可以通过梯度变换、拉普拉斯变换、小波变换等方式获得。本实施例中,所述权值图可以通过如下方式获得:
首先,先确定所述图像的高频图像中噪声像素点灰度值所在的灰度区间。本步为粗确定用于区分所述噪声像素点和其他像素点的灰度阈值,具体地,可以先计算所述图像的高频图像的灰度值平均值,即将该高频图像中所有像素点的灰度值相加后除以像素点的个数,以获得该高频图像的灰度值平均值。然后将该灰度值平均值乘以预设系数N,作为区分噪声像素点和其他像素点之间的灰度阈值。所述预设系数N根据高频图像中的强边缘的灰度值和噪声的灰度值的差异而定,本实施例中,N∈[1,3],如N可以取3。本领域技术人员知晓,高频图像中噪声像素点的灰度值通常较低,因此,当高频图像中像素点的灰度值小于等于N倍的灰度值平均值大于等于零时,该像素点为噪声像素点。即以[0,N×灰度值平均值]作为所述图像的高频图像中噪声像素点灰度值所在的灰度区间。
上述过程中初步粗确定了区分高频图像中噪声像素点和其他像素点之间的灰度阈值后,也即初次确定了噪声像素点灰度值所在的灰度区间,接下来需进一步的再次确定噪声像素点灰度值所在的灰度区间,或者说需要对初步粗确定的噪声像素点灰度值所在的灰度区间进行更新,以获得更加精确的噪声像素点灰度值所在的灰度区间。
发明人经过分析知晓,对于一幅图像而言,其目标区域中存在弱细节,而弱细节在高频图像中的灰度值区间与噪声像素点灰度值所在的灰度区间会存在部分重叠,且重叠的区域较窄,因此在粗确定了噪声像素点灰度值所在的灰度区间后,在该灰度区间上不易精确地确定区分噪声像素点和其他像素点(这部分像素点主要代表了高频图像中的弱细节信息)之间的灰度阈值。为了能够更加精确的确定噪声像素点与其他像素点之间的灰度值界线,本实施例中,在确定了所述噪声像素点灰度值所在的灰度区间后,对所述灰度区间进行非线性拉伸,如采用sin函数、log函数对所述灰度区间进行非线性拉伸,本实施例中采用log函数对所述灰度区间进行非线性拉伸,接下来在拉伸后的灰度区间中更新所述图像的高频图像中噪声像素点灰度值所在的灰度区间,其他像素点(通常高频图像中的其他像素点为目标区域的像素点)灰度值所在的灰度区间,也即在拉伸后的灰度区间中再次精确地确定区分噪声像素点和其他像素点的灰度阈值。
本实施例中,是以非线性拉伸后的灰度区间的噪声像素点的灰度值平均值作为第一阈值,并将所述第一阈值作为更新后的区分所述噪声像素点和其他像素点的灰度阈值。在确定了更新后的区分所述噪声像素点和其他像素点的灰度阈值后,则可以对所述图像的高频图像中噪声像素点灰度值和其他像素点灰度值所在的灰度区间进行更新。本实施例中,[0,第一阈值]即为更新后的噪声像素点灰度值所在的灰度区间,而(第一阈值,第二阈值]即为更新后的其他像素点灰度值所在的灰度区间,其中所述第二阈值为所述图像的高频图像中的最大灰度值。至此可以精确的确定所述图像的高频图像中的噪声像素点。
接下来将更新后的噪声像素点灰度值所在的灰度区间[0,第一阈值]映射至[0,1],本实施例中可以采用线性或者非线性压缩的方式将更新后的噪声像素点灰度值所在的灰度区间[0,第一阈值]映射至[0,1],如采用一次函数、sin函数、log函数等将噪声像素点灰度值所在的灰度区间映射至[0,1],并将映射后的噪声像素点灰度值作为噪声像素点的权值。举例来说,可以对[0,第一阈值]的灰度区间均除以第一阈值以将噪声像素点灰度值所在的灰度区间映射至[0,1]。同样地,将更新后的其他像素点灰度值所在的灰度区间(第一阈值,第二阈值]映射至(1,G],如可以采用线性或非线性压缩的方式将更新后的其他像素点灰度值所在的灰度区间映射至(1,G],并将映射后的其他像素点灰度值作为其他像素点的权值。本实施例中G的取值可以根据实际应用中所要实现的增强效果而定,具体地,G可以为2或3。
通过上述方式确定了噪声像素点和其他像素点的权值后,基于所述噪声像素点和所述其他像素点在所述图像的高频图像中的位置和各自的权值生成权值图。具体地,本实施例中,对属于更新后的噪声像素点灰度值所在的灰度区间的噪声像素点的灰度值以与该噪声像素点对应的权值进行更新,也即在该噪声像素点的位置与其对应的不再是其灰度值,而是该噪声像素点的权值;同样地,对属于更新后的其他像素点灰度值所在的灰度区间的其他像素点的灰度值以与该其他像素点对应的权值进行更新,也即在其他像素点的位置与其对应的不再是其灰度值,而是该其他像素点的权值。至此基于所述图像的高频图像并通过上述方式生成了与所述图像的高频图像对应的权值图,所述权值图中,反映了高频图像中噪声像素点和其他像素点各自的权值。
图2是本发明实施方式的权值图生成过程示意图,以下结合图2对本发明实施方式的权值图的生成过程进行简单的说明,以图2为例,图2中矩形框示意性的代表了所述图像的高频图像,图中的圆圈示意性的代表了噪声像素点(其他像素点未示出),若图2中虚线所示区域A(初步粗确定的噪声像素点所在的区域)中包括的噪声像素点灰度值所在的灰度区间为[0,100],对区域A中的噪声像素点灰度值进行非线性拉伸,也即对区域A中的每一个噪声像素点灰度值进行非线性拉伸,对每一个噪声像素点灰度值进行非线性拉伸后,若区域A中的噪声像素点灰度值所在的灰度区间为[0,200],则对区域A中的噪声像素点的灰度值求和并除以噪声像素点的个数即可获得更新后的区分所述噪声像素点和其他像素点的灰度阈值,若计算获得的更新后的区分所述噪声像素点和其他像素点的灰度阈值为150,也即第一阈值为150,则像素点灰度值属于[0,150]的像素点为真正的噪声像素点,如图2中实线所示的区域B。而像素点灰度值属于(150,第二阈值](第二阈值为所述图像的高频图像中的最大灰度值)的像素点则为其他像素点。将噪声像素点灰度值所在的灰度区间[0,150]映射至[0,1],如可以对灰度值属于[0,150]的每一个噪声像素点的灰度值除以150,则对于每一个噪声像素点而言均对应了一个映射后的灰度值,该映射后的灰度值则为与该噪声像素点对应的权值。同样地,对于其他像素点也一样,只是对于其他像素点而言是将其他像素点灰度值所在的灰度区间(150,第二阈值]映射至(1,G],其他像素点经过映射后的得到的灰度值则为与该其他像素点对应的权值。在确定了噪声像素点和其他像素点的权值后,在图2所示的示意图中,将每一个像素点的灰度值赋为权值,即可生成与所述图像的高频图像对应的权值图,所述权值图中反映了各像素点在高频图像中所占的权重。
S11中,对噪声像素点灰度值所在的灰度区间进行非线性拉伸后以重新确定区分噪声像素点和其他像素点的第一阈值,所述第一阈值可以更加准确的区分出噪声像素点和其他像素点,进而使得后续在对噪声进行抑制时,不会对其他的像素点有所影响,也即对噪声进行了有效的抑制的同时图像中的部分细节信息并未有所损失且可以得到相应的增强。
执行S12,根据S11获得的权值图来获得更新后的所述图像的高频图像,本实施例中以所述权值图乘以所述图像的高频图像的方式来获得更新后的所述图像的高频图像。
执行S13,本领域技术人员知晓,采用小波变换、拉普拉斯变换等对图像进行分解时,通常可以根据实际的需求将图像分解为不同的层,每一层中均对应了相应的高频图像和低频图像,在对图像进行增强和噪声抑制时,可以仅对分解后的某一层的高频图像进行细节增强和噪声抑制,也可以对每一层的高频图像进行细节增强和噪声抑制。实际应用中,为了获得质量更优的图像,会对每一层的高频图像进行相应的增强和噪声抑制,因此,在基于分解获得的各层高频图像和低频图像进行重构时,先按照步骤S11和S12来获得更新后的当前层的高频图像,然后基于当前层的低频图像和更新后的高频图像重构前一层的低频图像,依次类推,直至重构出第一层的低频图像,根据第一层的低频图像和更新后的第一层的高频图像进行重构,以获得增强后的图像。
以下以对图像进行小波变换,将所述图像分解为三层为例对本发明实施方式的图像增强方法进行简单的说明。首先根据小波变换将图像分解为三层,然后分别基于第一层的高频图像获得与其对应的权值图、基于第二层的高频图像获得与其对应的权值图、基于第三层的高频图像获得与其对应的权值图。将获得的每一层的权值图乘以该层的高频图像以获得更新后的该层的高频图像。最后以第三层的低频图像和更新后的第三层的高频图像重构第二层的低频图像,以重构后的第二层的低频图像和更新后的第二层的高频图像重构第一层的低频图像,以重构后的第一层的低频图像和更新后的第一层的高频图像重构增强后的图像。
通过上述的先获取与所述图像的高频图像对应的权值图,再基于所述权值图对所述图像的高频图像进行相应的更新,最后根据低频图像和更新后的高频图像进行重构,去除了重构后的图像中存在的斑点伪影,既对图像中的噪声进行了很好的抑制,又对图像中除噪声以外的细节进行了相应的增强,提高了最终获得的图像的质量。对于医学图像而言,最终增强后的图像符合实际的临床需求,有助于医生的诊断,在一定程度上也可以降低漏诊率。
对应于上述的图像增强方法,本发明实施方式还提供一种图像增强装置,请参见图3,图3是本发明实施方式的图像增强装置的结构示意图,如图3所示,所述图像增强装置包括:
权值图生成单元10,用于基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中各像素点的权值;
更新单元11,用于基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像;
重构单元12,用于基于所述图像的低频图像和更新后的所述图像的高频图像进行重构。
所述图像增强装置的具体实施可参考所述图像增强方法的实施,在此不再赘述。
综上所述,本发明实施方式提供的图像增强方法,至少具有如下有益效果:
根据所述图像的高频图像获得权值图,所述权值图关联于所述高频图像中各像素点的权值,由于针对性地确定了各像素点的权值,因此在基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像,并基于所述图像的低频图像和更新后的所述图像的高频图像进行重构后,可以增强图像的对比度,同时也去除了重构后的图像中的斑点伪影,提高了重构后的图像的质量。
进一步地,在获取所述权值图的过程中,先确定所述图像的高频图像中噪声像素点灰度值所在的灰度区间,并对所述灰度区间进行非线性拉伸后来更新所述图像的高频图像中噪声像素点灰度值所在的灰度区间以及其他像素点灰度值所在的灰度区间,然后对更新后的噪声像素点灰度值所在的灰度区间以及其他像素点灰度值所在的灰度区间分别映射至[0,1]和(1,G],以在映射过程中映射后的噪声像素点灰度值作为噪声像素点的权值,映射后的其他像素点灰度值作为其他像素点的权值,最终,对属于更新后的噪声像素点灰度值所在的灰度区间的噪声像素点的灰度值以与该噪声像素点对应的权值进行更新,对属于更新后的其他像素点灰度值所在的灰度区间的其他像素点的灰度值以与该其他像素点对应的权值进行更新,生成权值图。由于对噪声像素点所在的灰度区间先进行非线性拉伸,然后基于拉伸后的灰度区间来更新所述噪声像素点灰度值所在的灰度区间,即进一步精确确定了噪声像素点灰度值所在的灰度区间,因此准确的确定了区分噪声像素点和其他像素点之间的灰度阈值,此外,以在映射过程中映射后的噪声像素点灰度值作为噪声像素点的权值,映射后的其他像素点灰度值作为其他像素点的权值,进而使得在对噪声进行有效的抑制的同时对图像对比度也进行了相应的增强,提高了重构后的图像的质量。
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 (7)
1.一种图像增强方法,其特征在于,包括:
基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中的噪声像素点的权值和其他像素点的权值,且所述噪声像素点的权值基于噪声像素点灰度值所在灰度区间确定,其他噪声像素点的权值由其他噪声像素点灰度值所在灰度区间确定,其中,所述噪声像素点灰度值所在灰度区间与其他 像素点灰度值所在灰度区间基于由非线性拉伸所确定的噪声像素点的灰度值区间确定;
基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像;
基于所述图像的低频图像和更新后的所述图像的高频图像进行重构。
2.如权利要求1所述的图像增强方法,其特征在于,所述基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中的噪声像素点的权值和其他像素点的权值,且所述噪声像素点的权值基于噪声像素点灰度值所在灰度区间确定,其他噪声像素点的权值由其他噪声像素点灰度值所在灰度区间确定,其中,所述噪声像素点灰度值所在灰度区间与其他 像素点灰度值所在灰度区间基于由非线性拉伸所确定的噪声像素点的灰度值区间确定包括:
确定所述图像的高频图像中噪声像素点灰度值所在的灰度区间;
对所述噪声像素点灰度值所在的灰度区间进行非线性拉伸,基于拉伸后的灰度区间更新所述图像的高频图像中噪声像素点灰度值和其他像素点灰度值所在的灰度区间;
将更新后的噪声像素点灰度值所在的灰度区间映射至[0,1],以映射后的噪声像素点灰度值作为噪声像素点的权值;
将更新后的其他像素点灰度值所在的灰度区间映射至(1,G],以映射后的其他像素点灰度值作为其他像素点的权值;
对属于更新后的噪声像素点灰度值所在的灰度区间的噪声像素点的灰度值以与该噪声像素点对应的权值进行更新,对属于更新后的其他像素点灰度值所在的灰度区间的其他像素点的灰度值以与该其他像素点对应的权值进行更新,生成所述权值图。
3.如权利要求2所述的图像增强方法,其特征在于,所述基于拉伸后的灰度区间更新所述图像的高频图像中噪声像素点灰度值和其他像素点灰度值所在的灰度区间包括:
以所述拉伸后的灰度区间的噪声像素点的灰度值平均值作为第一阈值,所述第一阈值是指更新后的区分所述噪声像素点和其他像素点的灰度阈值;
确定[0,第一阈值]为更新后的噪声像素点灰度值所在的灰度区间,(第一阈值,第二阈值]为更新后的其他像素点灰度值所在的灰度区间,其中所述第二阈值为所述图像的高频图像中的最大灰度值。
4.如权利要求2所述的图像增强方法,其特征在于,所述确定所述图像的高频图像中噪声像素点灰度值所在的灰度区间包括:
计算所述图像的高频图像的灰度值平均值;
确定[0,N×灰度值平均值]为所述图像的高频图像中噪声像素点灰度值所在的灰度区间。
5.如权利要求4所述的图像增强方法,其特征在于,N∈[1,3]。
6.如权利要求1所述的图像增强方法,其特征在于,所述基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像包括:将所述权值图乘以所述图像的高频图像以获得更新后的所述图像的高频图像。
7.一种图像增强装置,其特征在于,包括:
权值图生成单元,用于基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中的噪声像素点的权值和其他像素点的权值,且所述噪声像素点的权值基于噪声像素点灰度值所在灰度区间确定,其他噪声像素点的权值由其他噪声像素点灰度值所在灰度区间确定,其中,所述噪声像素点灰度值所在灰度区间与其他 像素点灰度值所在灰度区间基于由非线性拉伸所确定的噪声像素点的灰度值区间确定;
更新单元,用于基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像;
重构单元,用于基于所述图像的低频图像和更新后的所述图像的高频图像进行重构。
Priority Applications (13)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610584749.4A CN106228520B (zh) | 2016-07-22 | 2016-07-22 | 图像增强方法及装置 |
CN201680083009.0A CN108780571B (zh) | 2015-12-31 | 2016-12-29 | 一种图像处理方法和系统 |
EP16881262.6A EP3398159B1 (en) | 2015-12-31 | 2016-12-29 | Methods and systems for image processing |
EP21174529.4A EP3920133A1 (en) | 2015-12-31 | 2016-12-29 | Methods and systems for image processing |
PCT/CN2016/113079 WO2017114473A1 (en) | 2015-12-31 | 2016-12-29 | Methods and systems for image processing |
RU2018127759A RU2705014C1 (ru) | 2015-12-31 | 2016-12-29 | Способы и системы для обработки изображений |
RU2019134059A RU2797310C2 (ru) | 2015-12-31 | 2016-12-29 | Способы и системы для обработки изображений |
GB1710525.5A GB2548767B (en) | 2015-12-31 | 2016-12-29 | Methods and systems for image processing |
BR112018013602-6A BR112018013602A2 (pt) | 2015-12-31 | 2016-12-29 | métodos e sistemas de processamento de imagem |
CN202210868915.9A CN115049563A (zh) | 2015-12-31 | 2016-12-29 | 一种图像处理方法和系统 |
US15/638,327 US10290108B2 (en) | 2015-12-31 | 2017-06-29 | Methods and systems for image processing |
US16/410,119 US11049254B2 (en) | 2015-12-31 | 2019-05-13 | Methods and systems for image processing |
US17/361,315 US11880978B2 (en) | 2015-12-31 | 2021-06-28 | Methods and systems for image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610584749.4A CN106228520B (zh) | 2016-07-22 | 2016-07-22 | 图像增强方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106228520A CN106228520A (zh) | 2016-12-14 |
CN106228520B true CN106228520B (zh) | 2019-10-22 |
Family
ID=57532742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610584749.4A Active CN106228520B (zh) | 2015-12-31 | 2016-07-22 | 图像增强方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106228520B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BR112018013602A2 (pt) | 2015-12-31 | 2019-04-09 | Shanghai United Imaging Healthcare Co., Ltd. | métodos e sistemas de processamento de imagem |
CN107330865B (zh) * | 2017-06-09 | 2020-07-31 | 昆明理工大学 | 一种基于bemd和对比度拉伸变换的图像增强方法 |
US10949950B2 (en) | 2017-06-14 | 2021-03-16 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
CN107316291B (zh) * | 2017-06-14 | 2021-04-23 | 上海联影医疗科技股份有限公司 | 乳腺图像处理方法及乳腺成像设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101968883A (zh) * | 2010-10-28 | 2011-02-09 | 西北工业大学 | 一种基于小波变换和邻域特征的多聚焦图像融合方法 |
CN102254305A (zh) * | 2011-06-30 | 2011-11-23 | 西安电子科技大学 | 基于三字典块匹配的图像复原方法 |
CN103077510A (zh) * | 2013-01-21 | 2013-05-01 | 中国计量学院 | 基于小波hmt模型的多变量压缩感知重构方法 |
CN103606136A (zh) * | 2013-12-04 | 2014-02-26 | 西安电子科技大学 | 基于关键帧和非局部约束的视频超分辨方法 |
WO2014066364A1 (en) * | 2012-10-24 | 2014-05-01 | Marvell World Trade Ltd. | Low-frequency compression of high dynamic range images |
CN104367316A (zh) * | 2014-11-13 | 2015-02-25 | 重庆邮电大学 | 基于形态学滤波与提升小波变换的心电信号去噪方法 |
CN104615877A (zh) * | 2015-01-28 | 2015-05-13 | 辽宁工程技术大学 | 一种基于小波包进行信号去噪的方法 |
-
2016
- 2016-07-22 CN CN201610584749.4A patent/CN106228520B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101968883A (zh) * | 2010-10-28 | 2011-02-09 | 西北工业大学 | 一种基于小波变换和邻域特征的多聚焦图像融合方法 |
CN102254305A (zh) * | 2011-06-30 | 2011-11-23 | 西安电子科技大学 | 基于三字典块匹配的图像复原方法 |
WO2014066364A1 (en) * | 2012-10-24 | 2014-05-01 | Marvell World Trade Ltd. | Low-frequency compression of high dynamic range images |
CN103077510A (zh) * | 2013-01-21 | 2013-05-01 | 中国计量学院 | 基于小波hmt模型的多变量压缩感知重构方法 |
CN103606136A (zh) * | 2013-12-04 | 2014-02-26 | 西安电子科技大学 | 基于关键帧和非局部约束的视频超分辨方法 |
CN104367316A (zh) * | 2014-11-13 | 2015-02-25 | 重庆邮电大学 | 基于形态学滤波与提升小波变换的心电信号去噪方法 |
CN104615877A (zh) * | 2015-01-28 | 2015-05-13 | 辽宁工程技术大学 | 一种基于小波包进行信号去噪的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106228520A (zh) | 2016-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570492B (zh) | 一种基于神经网络的ct伪影抑制方法、设备以及介质 | |
US10292672B2 (en) | Radiographic image processing device, method, and recording medium | |
CN107123095B (zh) | 一种pet图像重建方法、成像系统 | |
CN106228520B (zh) | 图像增强方法及装置 | |
CN109785243B (zh) | 基于对抗生成网络未配准低剂量ct的去噪方法、计算机 | |
EP3224800B1 (en) | Simulating dose increase by noise model based multi scale noise reduction | |
US10867375B2 (en) | Forecasting images for image processing | |
CN111899188B (zh) | 一种神经网络学习的锥束ct噪声估计与抑制方法 | |
WO2012173205A1 (ja) | 画像のノイズレベルを推定する方法 | |
JP2010125332A (ja) | 任意のスペクトルにおける計算機式断層写真法画像の形成のための順投影 | |
CN109523458B (zh) | 一种结合稀疏诱导动态引导滤波的高精度稀疏角度ct重建方法 | |
CN106530236B (zh) | 一种医学图像处理方法及系统 | |
Hill et al. | Anatomical noise in contrast‐enhanced digital mammography. Part I. Single‐energy imaging | |
JP2014236810A (ja) | 画像処理装置、断層撮影装置、画像処理方法およびプログラム | |
CN108038840B (zh) | 一种图像处理方法、装置、图像处理设备及存储介质 | |
CN107240140A (zh) | 一种图像重建的方法及装置 | |
Wang et al. | Texture‐aware dual domain mapping model for low‐dose CT reconstruction | |
US20200240934A1 (en) | Tomography apparatus and controlling method for the same | |
CN107507169B (zh) | 双能减影参数的估算方法及计算机可读存储介质 | |
CN115397332A (zh) | 用于实时视频增强的系统和方法 | |
CN111915538A (zh) | 一种用于数字血管减影的图像增强方法及系统 | |
CN102890817A (zh) | 医学图像的处理方法及系统 | |
Al-Antari et al. | Denoising images of dual energy X-ray absorptiometry using non-local means filters | |
CN111127371A (zh) | 图像增强参数自动优化方法、存储介质和x射线扫描装置 | |
Prakoso et al. | Enhancement methods of brain MRI images: A Review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |