CN108961179A - 一种医学图像后处理系统及其使用方法 - Google Patents
一种医学图像后处理系统及其使用方法 Download PDFInfo
- Publication number
- CN108961179A CN108961179A CN201810648174.7A CN201810648174A CN108961179A CN 108961179 A CN108961179 A CN 108961179A CN 201810648174 A CN201810648174 A CN 201810648174A CN 108961179 A CN108961179 A CN 108961179A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- contrast
- filter
- processing
- 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 28
- 230000009467 reduction Effects 0.000 claims abstract description 66
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 88
- 230000002708 enhancing effect Effects 0.000 claims description 67
- 230000009466 transformation Effects 0.000 claims description 32
- 230000005540 biological transmission Effects 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 23
- 230000000694 effects Effects 0.000 claims description 18
- 238000012805 post-processing Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 5
- 235000013350 formula milk Nutrition 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000003068 static effect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000003321 amplification Effects 0.000 abstract description 2
- 238000003199 nucleic acid amplification method Methods 0.000 abstract description 2
- 235000014653 Carica parviflora Nutrition 0.000 description 6
- 241000243321 Cnidaria Species 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 244000132059 Carica parviflora Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000007 visual effect 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种医学图像后处理系统及其使用方法，包括以流水线模式依次相连的开始模块(100)、第一对比度增强模块(200)、第一降噪模块(300)、第二降噪模块(400)、第二对比度增强模块(500)、第三对比度增强模块(600)、边缘增强模块(700)、亮度调整模块(800)和图像显示模块(900)，通过第一降噪模块(300)、第二降噪模块(400)降低图像的噪声，通过第一对比度增强模块(200)、第二对比度增强模块(500)、第三对比度增强模块(600)、边缘增强模块(700)、亮度调整模块(800)调整图像的对比度。本发明采用多种技术组合并用参数调节的方法进行图像增强，同时采用流水线处理技术处理静态点片图像，能够有效的增强图像微小细节且避免放大噪声。
Description
技术领域
本发明涉及医学图像处理技术领域，具体涉及一种数字化医学图像的降噪、增强和辅助医学诊断的医学图像后处理系统及其使用方法。
背景技术
通过CR、DR等医学影像设备获取的原始医学图像，由于受到X线摄影剂量的限制以及平板探测器内部结构和电子线路本身产生的噪声影响，再加上人眼对亮度的可区分能力及显示设备亮度的显示范围有限，无法将影像设备获得的图像直接应用于临床诊断。必须采用图像增强技术提高图像的视觉质量，尽可能多地让观察者看到更加直接、清晰、适于分析的图像信息。由于已知图像的噪声与细节信息是共存的，主要集中在频谱能量的高频段，如何实现对噪声抑制的同时，保留图像中的临床诊断细节信息，都是对图像处理的挑战。尽管研究者们已经提出了很多种图像增强算法，但是每种方法都有一定的针对和局限性，对某类图像适用的增强方法未必适合另一类图像。
申请号为201010263904.5公开了一种医学图像增强方法和系统，应用基于梯度适应的滤波器将图像平滑，来估计图像的每个像素点的梯度能量和噪音能量，即计算一个滤波误差能量函数。然后，应用动态规划的办法，将所得到的误差能量函数再量化到四个不同的级别。将所得到量化后的误差能量和图像的纹理特征节后，构造一组量化的上下文。最后依据不同的量化上下文，应用回归分析的方法，构造不同的参数的滤波器，从而实现对医学图像的增强处理。
发明内容
本发明是为了克服现有技术中图像增强方法适用的单一性，提供一种医学后处理系统及其使用方法，采用多种增加技术组合并用参数调节的方法进行图像增强，同时采用流水线处理技术处理静态点片图像，能够有效的增强图像微小细节和避免放大噪声。
本发明提供一种医学图像后处理系统，包括：
开始模块：用于将医学图像文件读入内存，用于将医学图像文件传送至第一对比度增强模块；
第一对比度增强模块：用于接收开始模块传送的所述医学图像文件，用于将医学图像文件通过线性变换将图像的像素映射到整个灰度区间来提高图像的对比度并生成第一处理图像，用于将第一处理图像传送至第一降噪模块；
第一降噪模块：用于接收第一对比度增强模块传送的第一处理图像，用于将第一处理图像通过高斯核降噪滤波器去除第一处理图像中的噪声并生成第二处理图像，用于将第二处理图像传送至第二降噪模块；
第二降噪模块：用于接收第一降噪模块传送的第二处理图像，用于将第二处理图像进行小波变换且通过调整变换后的小波系数来对图像进行降噪和增强并生成第三处理图像，用于将第三处理图像传送至第二对比度增强模块；
第二对比度增强模块：用于接收第二降噪模块传送的第三处理图像，用于将第三处理图像通过CLAHE对比度增强滤波器提高图像的对比度并生成第四处理图像，用于将第四处理图像传送至第三对比度增强模块；
第三对比度增强模块：用于接收第二对比度增强模块传送的第四处理图像，用于将第四处理图像通过Retinex增强滤波器提高图像的对比度并生成第五处理图像，用于将第五处理图像传送至边缘增强模块；
边缘增强模块：用于接收第三对比度增强模块传送的第五处理图像，用于通过Sobel边缘增强滤波器增强图像边缘的效果并生成第六处理图像，用于将第六处理图像传送至亮度调整模块；
亮度调整模块：用于接收边缘增强模块传送的第六处理图像，用于将第六处理图像通过指数变换滤波器调节亮度并生成第七处理图像，用于将第七处理图像传送至图像显示模块；
图像显示模块：用于接收亮度调整模块传送的第七处理图像，将第七处理图像通过VTK图像可视化工具实现图像显示。
采用流水线处理技术来处理静态点片图像。从图像的输入，处理到显示，每一个过程都有一个模块处理图像。把这些模块称作是滤波器。所有的滤波器连接而成一条流水线，前一个滤波器的输出是后一个滤波器的输入。当图像到达最后一个滤波器，即显示滤波器时，就得到了处理后的图像。通过用户界面来控制图像处理的滤波器，能够对图像处理的效果进行调节。
本发明所述的一种医学图像后处理系统，作为优选方式，开始模块为DICOM文件读入滤波器，医学图像文件为DICOM文件，DICOM文件读入滤波器使用ITK中的Image类表示DICOM图像并通过ITK中的DICOM文件读入模块来读取DICOM文件。ITK中提供的ImageFileReader类可以用来读取不同类型的图像文件。通过选择GDCMImageIO类做为读取图像的IO方式，可以用ImageFilterReader类来读取DICOM图像，并把DICOM图像表示为Image类。DICOM文件读入在Document类的OnOpenDocument()成员函数中实现。系统首先通过用户界面获得DICOM图像的路径，然后更新ImageFileReader滤波器将图像读入内存。
本发明所述的一种医学图像后处理系统，作为优选方式，第一对比度增强模块为直方图拉伸滤波器，直方图拉伸滤波器通过ITK提供的滤波器类RescaleIntensityImageFilter对图像灰度值进行伸缩变换，把图像映射到[0,4095]，直方图拉伸的变换函数为：
其中：
r表示图像上各点的像素值；
s表示像素值为r的灰度值；
L-1表示灰度值的上限；
pmin表示像素值的下限；
pmax表示像素值的上限。
DICOM图像采用双字节来存储一个像素的灰度值，因此像素的取值范围是[0,65535]。而实际的DICOM图像像素的取值范围通常只是该区间的一个子区间，很大部分的灰度并没有用到。直方图拉伸通过线性变换将图像的像素映射到整个灰度区间，从而增强图像的对比度。采用ITK提供的滤波器类RescaleIntensityImageFilter对图像灰度值进行伸缩变换，把图像映射到[0,4095]，以方便图像后续的统一处理。
本发明所述的一种医学图像后处理系统，作为优选方式，第一降噪模块为高斯核降噪滤波器，高斯核降噪滤波器通过离散高斯核对第一处理图像做卷积来去除图像信号的高频部分，通过调节高斯核降噪滤波器的方差来去除图像中的滤线栅。
在读入图像后，首先采用高斯核降噪滤波器来去除图像中存在的噪声。高斯核滤波器采用离散高斯核来对图像做卷积，在频率域中等价于去除图像信号的高频部分。因此，高斯核降噪滤波器的一个主要应用是去除图像中的滤线珊。通过包装ITK提供的DiscreteGaussianImageFilter类，实现了本发明的高斯核降噪滤波器GaussianKernelImageFilter。该滤波器仅有一个可调节的参数，即高斯核的方差。高斯核的方差越大，图像的降噪效果越明显。对于具有滤线珊的图像，可以通过调节高斯核降噪滤波器的方差来去除图像中的滤线珊。
本发明所述的一种医学图像后处理系统，作为优选方式，第二降噪模块为小波降噪与增强滤波器，小波降噪与增强滤波器对第二处理图像进行小波变换，再通过调整变换后的小波系数实现图像的降噪与增强。小波降噪与增强滤波器首先对输入图像进行小波变换，再对变换后的小波系数进行来达到图像降噪与增强的效果。小波降噪与增强滤波器在头文件itkWaveletEnhancementImageFilter.h中实现。
本发明所述的一种医学图像后处理系统，作为优选方式，第二对比度增强模块为CLAHE对比度增强滤波器，CLAHE对比度增强滤波器直方图均衡化的变换函数为：
其中：
k表示灰度级别；
rk表示变换前灰度值；
sk表示变换后灰度值；
T表示灰度变换函数；
nj表示灰度值为j的像素数目；
n表示图像像素的总数目；
L为灰度级别总数。
本发明所述的一种医学图像后处理系统，作为优选方式，第三对比度增强模块为Retinex增强滤波器，Retinex增强滤波器通过在函数f(x)＝δ(logx)上加入一个上界阈值来增强图像的对比度，其中函数δ定义为：
其中：
T表示引入的上界阈值。
本发明所述的一种医学图像后处理系统，作为优选方式，边缘增强模块为Sobel边缘增强滤波器，Sobel边缘增强滤波器通过Sobel算子来计算图像的边缘图像后再把边缘图像乘上一个可调节的权重后加到原图上来实现增强图像边缘的效果。
本发明所述的一种医学图像后处理系统，作为优选方式，亮度调整模块为指数变换滤波器，指数变换滤波器的变换公式为：
s＝crγ
其中：c和γ是正的常数，当γ＜1时能够增强图像的亮度，当γ＞1时降低图像的亮度。
本发明所述的一种医学图像后处理系统，作为优选方式，图像显示模块为图像显示滤波器，图像显示滤波器通过ImageToVTKImageFilter将第七处理图像转化为VTK中的图像表示，再采用VTK中的图像可视化机制来实现图像显示。
本发明提供一种医学图像后处理方法，包括以下步骤：
S1、文件读入：通过开始模块将医学图像文件读入内存；
S2、第一对比度增强：通过第一对比度增强模块增强图像的对比度；
S3、第一降噪：通过第一降噪模块去除图像信号的高频部分和图像中的滤线栅；
S4、第二降噪：通过第二降噪模块对第二处理图像进行小波变换并调节小波变换后的高频和低频小波系数实现图像的降噪与增强；
S5、第二对比度增强：通过第二对比度增强模块增强图像的对比度；
S6、第三对比度增强：通过第三对比度增强模块增强图像的对比度；
S7、边缘增强：通过边缘增强模块增强图像边缘的效果；
S8、亮度调整：通过亮度调整模块调节图像的明暗程度；
S9、图像显示：通过图像显示模块将所述第七处理图像通过VTK图像可视化工具实现图像显示。
本发明所述的一种医学图像后处理方法，作为优选方式，步骤S4进一步包括以下步骤：
S41、小波系数压缩：通过WaveletEnhancementFilter类的DenoiseChannel()子函数实现，
其中：
x(i,j)为压缩后的高频小波系数；
D(i,j)为高频小波系数；
t为预先设定的阈值；
k为常数；
S42、小波系数增强：通过WaveletEnhancementFilter类的EnhanceChannel()子函数实现，
y(i,j)＝sgn(x(i,j))|x(i,j)|γ,0＜γ＜1
其中γ是一个可调节的参数，可控制图像增强的强度；γ越小，增强的强度越大；
S43、增强控制：通过WaveletEnhancementFilter类的EnhanceChannel()子函数实现，
y′(i,j)＝sgn(y(i,j))max(|y(i,j)|,α|x(i,j)|)
其中α是乘以小波低频系数的参数；
S44、低频系数减小：通过WaveletEnhancementFilter类的EnhanceChannel()子函数实现，
A′(i,j)＝αA(i,j),0＜α＜1,
其中α是可调节的参数；
S45、逆小波变换：将修改了高频和低频小波系数的图像进行逆小波变换得到降噪与增强后的图像，生成所述第三处理图像。
本发明由于采用流水线技术来处理静态点片图片，医学图像文件读取后依次通过第一对比度增强模块、第一降噪模块、第二降噪模块、第二对比度增强模块、第三对比度增强模块、边缘增强模块、亮度调整模块和图像显示模块，实现图像的降噪和对比度增强，实现对图像的后处理。同时通过用户界面能够控制图像处理的滤波器，对图像处理的效果进行调节。
附图说明
图1为一种医学图像后处理系统组成图；
图2为一种医学图像后处理方法流程图；
图3为一种医学图像后处理方法第二降噪流程图；
图4为实施例1中打开文件显示界面；
图5为实施例1中原始医学图像；
图6为实施例1中带阻滤波和指数变换显示界面；
图7为实施例1中小波降噪增强显示界面；
图8为实施例1中对比度增强显示界面；
图9为实施例1中边缘增强显示界面；
图10为实施例1中分段线性变换显示界面；
图11为实施例1中处理后的医学图像。
附图标记：
100、开始模块；200、第一对比度增强模块；300、第一降噪模块；400、第二降噪模块；500、第二对比度增强模块；600、第三对比度增强模块；700、边缘增强模块；800、亮度调整模块；900、图像显示模块。
具体实施方式
以下结合附图，以具体实施例对本发明的直流充电的充电站系统作进一步详细说明。应理解，以下实施例仅用于说明本发明而非用于限定本发明的范围。
如图1所示，本发明提供一种医学图像后处理系统，包括：
开始模块：用于将医学图像文件读入内存，用于将医学图像文件传送至第一对比度增强模块；开始模块为DICOM文件读入滤波器，医学图像文件为DICOM文件，DICOM文件读入滤波器使用ITK中的Image类表示DICOM图像并通过ITK中的DICOM文件读入模块来读取DICOM文件。ITK中提供的ImageFileReader类可以用来读取不同类型的图像文件；通过选择GDCMImageIO类做为读取图像的IO方式，可以用ImageFilterReader类来读取DICOM图像，并把DICOM图像表示为Image类。DICOM文件读入在Document类的OnOpenDocument()成员函数中实现。系统首先通过用户界面获得DICOM图像的路径，然后更新ImageFileReader滤波器将图像读入内存。
第一对比度增强模块：用于接收开始模块传送的所述医学图像文件，用于将医学图像文件通过线性变换将图像的像素映射到整个灰度区间来提高图像的对比度并生成第一处理图像，用于将第一处理图像传送至第一降噪模块；第一对比度增强模块为直方图拉伸滤波器，直方图拉伸滤波器通过ITK提供的滤波器类RescaleIntensityImageFilter对图像灰度值进行伸缩变换，把图像映射到[0,4095]，直方图拉伸的变换函数为：
其中：
r表示图像上各点的像素值；
s表示像素值为r的灰度值；
L-1表示灰度值的上限；
pmin表示像素值的下限；
pmax表示像素值的上限。
DICOM图像采用双字节来存储一个像素的灰度值，因此像素的取值范围是[0,65535]。而实际的DICOM图像像素的取值范围通常只是该区间的一个子区间，很大部分的灰度并没有用到。直方图拉伸通过线性变换将图像的像素映射到整个灰度区间，从而增强图像的对比度。采用ITK提供的滤波器类RescaleIntensityImageFilter对图像灰度值进行伸缩变换，把图像映射到[0,4095]，以方便图像后续的统一处理。
第一降噪模块：用于接收第一对比度增强模块传送的第一处理图像，用于将第一处理图像通过高斯核降噪滤波器去除第一处理图像中的噪声并生成第二处理图像，用于将第二处理图像传送至第二降噪模块；第一降噪模块为高斯核降噪滤波器，高斯核降噪滤波器通过离散高斯核对第一处理图像做卷积来去除图像信号的高频部分，通过调节高斯核降噪滤波器的方差来去除图像中的滤线栅；在读入图像后，首先采用高斯核降噪滤波器来去除图像中存在的噪声。高斯核滤波器采用离散高斯核来对图像做卷积，在频率域中等价于去除图像信号的高频部分。因此，高斯核降噪滤波器的一个主要应用是去除图像中的滤线珊。通过包装ITK提供的DiscreteGaussianImageFilter类，实现了本发明的高斯核降噪滤波器GaussianKernelImageFilter。该滤波器仅有一个可调节的参数，即高斯核的方差。高斯核的方差越大，图像的降噪效果越明显。对于具有滤线珊的图像，可以通过调节高斯核降噪滤波器的方差来去除图像中的滤线珊。
第二降噪模块：用于接收第一降噪模块传送的第二处理图像，用于将第二处理图像进行小波变换且通过调整变换后的小波系数来对图像进行降噪和增强并生成第三处理图像，用于将第三处理图像传送至第二对比度增强模块；第二降噪模块为小波降噪与增强滤波器，小波降噪与增强滤波器对第二处理图像进行小波变换，再通过调整变换后的小波系数实现图像的降噪与增强；小波降噪与增强滤波器首先对输入图像进行小波变换，再对变换后的小波系数进行来达到图像降噪与增强的效果；小波降噪与增强滤波器在头文件itkWaveletEnhancementImageFilter.h中实现。
第二对比度增强模块：用于接收第二降噪模块传送的第三处理图像，用于将第三处理图像通过CLAHE对比度增强滤波器提高图像的对比度并生成第四处理图像，用于将第四处理图像传送至第三对比度增强模块；第二对比度增强模块为CLAHE对比度增强滤波器，CLAHE对比度增强滤波器直方图均衡化的变换函数为：
其中：
k表示灰度级别；
rk表示变换前灰度值；
sk表示变换后灰度值；
T表示灰度变换函数；
nj表示灰度值为j的像素数目；
n表示图像像素的总数目；
L为灰度级别总数。
第三对比度增强模块：用于接收第二对比度增强模块传送的第四处理图像，用于将第四处理图像通过Retinex增强滤波器提高图像的对比度并生成第五处理图像，用于将第五处理图像传送至边缘增强模块；第三对比度增强模块为Retinex增强滤波器，Retinex增强滤波器通过在函数f(x)＝δ(logx)上加入一个上界阈值来增强图像的对比度，其中函数δ定义为：
其中：
T表示引入的上界阈值。
边缘增强模块：用于接收第三对比度增强模块传送的第五处理图像，用于通过Sobel边缘增强滤波器增强图像边缘的效果并生成第六处理图像，用于将第六处理图像传送至亮度调整模块；边缘增强模块为Sobel边缘增强滤波器，Sobel边缘增强滤波器通过Sobel算子来计算图像的边缘图像后再把边缘图像乘上一个可调节的权重后加到原图上来实现增强图像边缘的效果。
亮度调整模块：用于接收边缘增强模块传送的第六处理图像，用于将第六处理图像通过指数变换滤波器调节亮度并生成第七处理图像，用于将第七处理图像传送至图像显示模块；亮度调整模块为指数变换滤波器，指数变换滤波器的变换公式为：
s＝crγ
其中：c和γ是正的常数，当γ＜1时能够增强图像的亮度，当γ＞1时降低图像的亮度。
图像显示模块：用于接收亮度调整模块传送的第七处理图像，将第七处理图像通过VTK图像可视化工具实现图像显示。
如图2所示，本发明提供一种医学图像后处理方法，包括以下步骤：
S1、文件读入：通过开始模块将医学图像文件读入内存；
S2、第一对比度增强：通过第一对比度增强模块增强图像的对比度；
S3、第一降噪：通过第一降噪模块去除图像信号的高频部分和图像中的滤线栅；
S4、第二降噪：通过第二降噪模块对第二处理图像进行小波变换并调节小波变换后的高频和低频小波系数实现图像的降噪与增强；如图3所示，步骤S4进一步包括以下步骤：
S41、小波系数压缩：通过WaveletEnhancementFilter类的DenoiseChannel()子函数实现，
其中：
x(i,j)为压缩后的高频小波系数；
D(i,j)为高频小波系数；
t为预先设定的阈值；
k为常数；
S42、小波系数增强：通过WaveletEnhancementFilter类的EnhanceChannel()子函数实现，
y(i,j)＝sgn(x(i,j))|x(i,j)|γ,0＜γ＜1
其中γ是一个可调节的参数，可控制图像增强的强度；γ越小，增强的强度越大；
S43、增强控制：通过WaveletEnhancementFilter类的EnhanceChannel()子函数实现，
y′(i,j)＝sgn(y(i,j))max(|y(i,j)|,α|x(i,j)|)
其中α是乘以小波低频系数的参数；
S44、低频系数减小：通过WaveletEnhancementFilter类的EnhanceChannel()子函数实现，
A′(i,j)＝αA(i,j),0＜α＜1,
其中α是可调节的参数；
S45、逆小波变换：将修改了高频和低频小波系数的图像进行逆小波变换得到降噪与增强后的图像，生成所述第三处理图像；
S5、第二对比度增强：通过第二对比度增强模块增强图像的对比度；
S6、第三对比度增强：通过第三对比度增强模块增强图像的对比度；
S7、边缘增强：通过边缘增强模块增强图像边缘的效果；
S8、亮度调整：通过亮度调整模块调节图像的明暗程度；
S9、图像显示：通过图像显示模块将所述第七处理图像通过VTK图像可视化工具实现图像显示。
如图4～10所示，医学图像后处理过程如下：
S11、打开文件，如图4所示，选择不带中文的文件名和文件路径的DICOM格式文件，显示的原始图像如图5所示；
S12、调整参数：如图6所示，根据需求调节带阻滤波和指数变换，其中根据原始图像是否带有滤线栅来判断是否使用带阻滤波，本实施例图像白色明显，分不清细节，则增大指数以提升暗区，压缩亮区，本实施例中调整为80；如图7所示，选择小波类型和小波层次，并调整小波降噪和小波锐化各层所对应的系数，最后调整小波压缩的系数，本实施例中，小波类型选择“CDF(2,2)”，小波层次为8，小波降噪不需要使用，小波锐化调整1到8层的滑动条，小波压缩调为10；如图8所示，调整对比度，并选择X、Y方向的分块大小，本实施例中，对比度增强调为10，分块大小选择默认的8*8；如图9所示，边缘增强：先选择金字塔分解层数，然后调整各层对应的系数以及金字塔高斯核参数。本例中，选择3层分解，然后增大第2层的系数到5，金字塔高斯核参数保持默认15不变；如图10所示，分段线性变换：通常使用R1和R2的默认值，调整S1和S2的值，本实施例中，使用默认值；点击“确认”按钮，参数调整生效。
S13、调整窗宽窗位以获得较好的现实效果，处理后的医学图像效果如图11所示。由图11的结果可见，处理后的图像处在保证诊断信息不缺失的情况下达到了去除噪声、去除模糊、锐化器官轮廓、清晰化诊断细节的效果。
以上说明对本发明而言只是说明性的，而非限制性的，本领域普通技术人员理解，在不脱离权利要求所限定的精神和范围的情况下，可作出的任何修改、变化或等效形式都将落入发明的保护范围之内。
Claims (12)
1.一种医学图像后处理系统，其特征在于：包括：
开始模块(100)：用于将医学图像文件读入内存，用于将所述医学图像文件传送至第一对比度增强模块(200)；
第一对比度增强模块(200)：用于接收所述开始模块(100)传送的所述医学图像文件，用于将所述医学图像文件通过线性变换将图像的像素映射到整个灰度区间来提高图像的对比度并生成第一处理图像，用于将所述第一处理图像传送至第一降噪模块(300)；
第一降噪模块(300)：用于接收所述第一对比度增强模块(200)传送的所述第一处理图像，用于将所述第一处理图像通过高斯核降噪滤波器去除所述第一处理图像中的噪声并生成第二处理图像，用于将所述第二处理图像传送至第二降噪模块(400)；
第二降噪模块(400)：用于接收所述第一降噪模块(300)传送的所述第二处理图像，用于将所述第二处理图像进行小波变换且通过调整变换后的小波系数来对图像进行降噪和增强并生成第三处理图像，用于将所述第三处理图像传送至第二对比度增强模块(500)；
第二对比度增强模块(500)：用于接收所述第二降噪模块(400)传送的第三处理图像，用于将所述第三处理图像通过CLAHE对比度增强滤波器提高图像的对比度并生成第四处理图像，用于将所述第四处理图像传送至第三对比度增强模块(600)；
第三对比度增强模块(600)：用于接收所述第二对比度增强模块(500)传送的所述第四处理图像，用于将所述第四处理图像通过Retinex增强滤波器提高图像的对比度并生成第五处理图像，用于将所述第五处理图像传送至边缘增强模块(700)；
边缘增强模块(700)：用于接收所述第三对比度增强模块(600)传送的所述第五处理图像，用于通过Sobel边缘增强滤波器增强图像边缘的效果并生成第六处理图像，用于将所述第六处理图像传送至亮度调整模块(800)；
亮度调整模块(800)：用于接收所述边缘增强模块(700)传送的第六处理图像，用于将所述第六处理图像通过指数变换滤波器调节亮度并生成第七处理图像，用于将所述第七处理图像传送至图像显示模块(900)；
图像显示模块(900)：用于接收所述亮度调整模块(800)传送的所述第七处理图像，将所述第七处理图像通过VTK图像可视化工具实现图像显示。
2.根据权利要求1所述的一种医学图像后处理系统，其特征在于：所述开始模块(100)为DICOM文件读入滤波器，所述医学图像文件为DICOM文件，所述DICOM文件读入滤波器使用ITK中的Image类表示DICOM图像并通过ITK中的DICOM文件读入模块来读取DICOM文件。
3.根据权利要求1所述的一种医学图像后处理系统，其特征在于：所述第一对比度增强模块(200)为直方图拉伸滤波器，所述直方图拉伸滤波器通过ITK提供的滤波器类RescaleIntensityImageFilter对图像灰度值进行伸缩变换，把图像映射到[0,4095]，直方图拉伸的变换函数为：
其中：
r表示图像上各点的像素值；
s表示像素值为r的灰度值；
L-1表示灰度值的上限；
pmin表示像素值的下限；
pmax表示像素值的上限。
4.根据权利要求1所述的一种医学图像后处理系统，其特征在于：所述第一降噪模块(300)为高斯核降噪滤波器，所述高斯核降噪滤波器通过离散高斯核对所述第一处理图像做卷积来去除图像信号的高频部分，通过调节所述高斯核降噪滤波器的方差来去除图像中的滤线栅。
5.根据权利要求1所述的一种医学图像后处理系统，其特征在于：所述第二降噪模块(400)为小波降噪与增强滤波器，所述小波降噪与增强滤波器对所述第二处理图像进行小波变换，再通过调整变换后的小波系数实现图像的降噪与增强。
6.根据权利要求1所述的一种医学图像后处理系统，其特征在于：所述第二对比度增强模块(500)为CLAHE对比度增强滤波器，所述CLAHE对比度增强滤波器直方图均衡化的变换函数为：
其中：
k表示灰度级别；
rk表示变换前灰度值；
sk表示变换后灰度值；
T表示灰度变换函数；
nj表示灰度值为j的像素数目；
n表示图像像素的总数目；
L为灰度级别总数。
7.根据权利要求1所述的一种医学图像后处理系统，其特征在于：所述第三对比度增强模块(600)为Retinex增强滤波器，所述Retinex增强滤波器通过在函数f(x)＝δ(logx)上加入一个上界阈值来增强图像的对比度，其中函数δ定义为：
其中：
T表示引入的上界阈值。
8.根据权利要求1所述的一种医学图像后处理系统，其特征在于：所述边缘增强模块(700)为Sobel边缘增强滤波器，所述Sobel边缘增强滤波器通过Sobel算子来计算图像的边缘图像后再把边缘图像乘上一个可调节的权重后加到原图上来实现增强图像边缘的效果。
9.根据权利要求1所述的一种医学图像后处理系统，其特征在于：所述亮度调整模块(800)为指数变换滤波器，所述指数变换滤波器的变换公式为：
s＝crγ
其中：c和γ是正的常数，当γ＜1时能够增强图像的亮度，当γ＞1时降低图像的亮度。
10.根据权利要求1所述的一种医学图像后处理系统，其特征在于：所述图像显示模块(900)为图像显示滤波器，所述图像显示滤波器通过ImageToVTKImageFilter将所述第七处理图像转化为VTK中的图像表示，再采用VTK中的图像可视化机制来实现图像显示。
11.根据权利要求1-10其中任意一项所述的一种医学图像后处理方法，其特征在于：包括以下步骤：
S1、文件读入：通过所述开始模块(100)将医学图像文件读入内存；
S2、第一对比度增强：通过所述第一对比度增强模块(200)增强图像的对比度；
S3、第一降噪：通过所述第一降噪模块(300)去除图像信号的高频部分和图像中的滤线栅；
S4、第二降噪：通过所述第二降噪模块(400)对所述第二处理图像进行小波变换并调节小波变换后的高频和低频小波系数实现图像的降噪与增强；
S5、第二对比度增强：通过所述第二对比度增强模块(500)增强图像的对比度；
S6、第三对比度增强：通过所述第三对比度增强模块(600)增强图像的对比度；
S7、边缘增强：通过所述边缘增强模块(700)增强图像边缘的效果；
S8、亮度调整：通过所述亮度调整模块(800)调节图像的明暗程度；
S9、图像显示：通过所述图像显示模块(900)将所述第七处理图像通过VTK图像可视化工具实现图像显示。
12.根据权利要求11所述的一种医学图像后处理方法，其特征在于：步骤S4进一步包括以下步骤：
S41、小波系数压缩：通过WaveletEnhancementFilter类的DenoiseChannel()子函数实现，
其中：
x(i,j)为压缩后的高频小波系数；
D(i,j)为高频小波系数；
t为预先设定的阈值；
k为常数；
S42、小波系数增强：通过WaveletEnhancementFilter类的EnhanceChannel()子函数实现，
y(i,j)＝sgn(x(i,j))|x(i,j)|γ,0＜γ＜1
其中γ是一个可调节的参数，可控制图像增强的强度；γ越小，增强的强度越大；
S43、增强控制：通过WaveletEnhancementFilter类的EnhanceChannel()子函数实现，
y′(i,j)＝sgn(y(i,j))max(|y(i,j)|,α|x(i,j)|)
其中α是乘以小波低频系数的参数；
S44、低频系数减小：通过WaveletEnhancementFilter类的EnhanceChannel()子函数实现，
A′(i,j)＝αA(i,j),0＜α＜1,
其中α是可调节的参数；
S45、逆小波变换：将修改了高频和低频小波系数的图像进行逆小波变换得到降噪与增强后的图像，生成所述第三处理图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810648174.7A CN108961179B (zh) | 2018-06-19 | 2018-06-19 | 一种医学图像后处理系统及其使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810648174.7A CN108961179B (zh) | 2018-06-19 | 2018-06-19 | 一种医学图像后处理系统及其使用方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108961179A true CN108961179A (zh) | 2018-12-07 |
| CN108961179B CN108961179B (zh) | 2022-10-18 |
Family
ID=64491270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810648174.7A Active CN108961179B (zh) | 2018-06-19 | 2018-06-19 | 一种医学图像后处理系统及其使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108961179B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458837A (zh) * | 2019-08-19 | 2019-11-15 | 上海联影医疗科技有限公司 | 一种图像后处理方法、装置、电子设备及存储介质 |
| CN113810674A (zh) * | 2021-09-06 | 2021-12-17 | Oppo广东移动通信有限公司 | 图像处理方法与装置、终端及可读存储介质 |
| CN116152105A (zh) * | 2023-02-27 | 2023-05-23 | 上海福柯斯智能科技有限公司 | 一种图像亮度和对比度自动调整方法及装置 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129673A (zh) * | 2011-04-19 | 2011-07-20 | 大连理工大学 | 一种随意光照下彩色数字图像增强和去噪方法 |
| CN102332155A (zh) * | 2011-10-19 | 2012-01-25 | 江苏技术师范学院 | 一种图像增强方法 |
| CN104574316A (zh) * | 2015-01-13 | 2015-04-29 | 南京佰能唯医疗科技有限公司 | 一种数字化x线成像系统 |
| CN104657948A (zh) * | 2015-02-09 | 2015-05-27 | 重庆大学 | 一种用于海洋探测的激光水下成像图像去噪和增强方法 |
| CN105550998A (zh) * | 2015-12-09 | 2016-05-04 | 江苏理工学院 | 基于二代小波整数变换的图像增强方法及图像增强系统 |
| CN105631820A (zh) * | 2015-12-25 | 2016-06-01 | 浙江工业大学 | 基于小波变换和三边滤波器的医学超声图像去噪方法 |
| CN106067164A (zh) * | 2016-05-26 | 2016-11-02 | 哈尔滨工业大学 | 基于自适应小波域处理的彩色图像对比度增强算法 |
| CN106169181A (zh) * | 2016-06-30 | 2016-11-30 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
| CN106251300A (zh) * | 2016-07-26 | 2016-12-21 | 华侨大学 | 一种基于Retinex的快速夜间雾天图像复原方法 |
| CN106296600A (zh) * | 2016-08-01 | 2017-01-04 | 大连理工大学 | 一种基于小波变换图像分解的对比度增强方法 |
| CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
| CN106530244A (zh) * | 2016-10-26 | 2017-03-22 | 长安大学 | 一种图像增强方法 |
| CN107274365A (zh) * | 2017-06-15 | 2017-10-20 | 中国矿业大学(北京) | 一种基于反锐化掩模和nsct算法的矿井图像增强方法 |
| CN107705260A (zh) * | 2017-10-03 | 2018-02-16 | 陈值英 | 医学x光图像的去噪系统 |
| CN107784638A (zh) * | 2017-10-27 | 2018-03-09 | 北京信息科技大学 | 一种优化的东巴古籍图像增强方法 |
-
2018
- 2018-06-19 CN CN201810648174.7A patent/CN108961179B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129673A (zh) * | 2011-04-19 | 2011-07-20 | 大连理工大学 | 一种随意光照下彩色数字图像增强和去噪方法 |
| CN102332155A (zh) * | 2011-10-19 | 2012-01-25 | 江苏技术师范学院 | 一种图像增强方法 |
| CN104574316A (zh) * | 2015-01-13 | 2015-04-29 | 南京佰能唯医疗科技有限公司 | 一种数字化x线成像系统 |
| CN104657948A (zh) * | 2015-02-09 | 2015-05-27 | 重庆大学 | 一种用于海洋探测的激光水下成像图像去噪和增强方法 |
| CN105550998A (zh) * | 2015-12-09 | 2016-05-04 | 江苏理工学院 | 基于二代小波整数变换的图像增强方法及图像增强系统 |
| CN105631820A (zh) * | 2015-12-25 | 2016-06-01 | 浙江工业大学 | 基于小波变换和三边滤波器的医学超声图像去噪方法 |
| CN106067164A (zh) * | 2016-05-26 | 2016-11-02 | 哈尔滨工业大学 | 基于自适应小波域处理的彩色图像对比度增强算法 |
| CN106169181A (zh) * | 2016-06-30 | 2016-11-30 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
| CN106251300A (zh) * | 2016-07-26 | 2016-12-21 | 华侨大学 | 一种基于Retinex的快速夜间雾天图像复原方法 |
| CN106296600A (zh) * | 2016-08-01 | 2017-01-04 | 大连理工大学 | 一种基于小波变换图像分解的对比度增强方法 |
| CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
| CN106530244A (zh) * | 2016-10-26 | 2017-03-22 | 长安大学 | 一种图像增强方法 |
| CN107274365A (zh) * | 2017-06-15 | 2017-10-20 | 中国矿业大学(北京) | 一种基于反锐化掩模和nsct算法的矿井图像增强方法 |
| CN107705260A (zh) * | 2017-10-03 | 2018-02-16 | 陈值英 | 医学x光图像的去噪系统 |
| CN107784638A (zh) * | 2017-10-27 | 2018-03-09 | 北京信息科技大学 | 一种优化的东巴古籍图像增强方法 |
Non-Patent Citations (4)
| Title |
|---|
| 周雪智: "图像增强算法研究及其在图像去雾中的应用", 《CNKI》 * |
| 唐艳秋: "非制冷型红外成像系统关键技术研究", 《CNKI》 * |
| 张新龙: "基于人类视觉特性的图像增强理论及应用研究", 《CNKI》 * |
| 李莹: "数字图像对比度增强技术研究", 《CNKI》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458837A (zh) * | 2019-08-19 | 2019-11-15 | 上海联影医疗科技有限公司 | 一种图像后处理方法、装置、电子设备及存储介质 |
| CN110458837B (zh) * | 2019-08-19 | 2023-08-22 | 上海联影医疗科技股份有限公司 | 一种图像后处理方法、装置、电子设备及存储介质 |
| CN113810674A (zh) * | 2021-09-06 | 2021-12-17 | Oppo广东移动通信有限公司 | 图像处理方法与装置、终端及可读存储介质 |
| CN116152105A (zh) * | 2023-02-27 | 2023-05-23 | 上海福柯斯智能科技有限公司 | 一种图像亮度和对比度自动调整方法及装置 |
| CN116152105B (zh) * | 2023-02-27 | 2024-04-16 | 上海福柯斯智能科技有限公司 | 一种图像亮度和对比度自动调整方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108961179B (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108961179A (zh) | 一种医学图像后处理系统及其使用方法 | |
| CN108492271A (zh) | 一种融合多尺度信息的自动图像增强系统及方法 | |
| Li et al. | Robust retinal image enhancement via dual-tree complex wavelet transform and morphology-based method | |
| Antohe et al. | Implications of digital image processing in the paraclinical assessment of the partially edentated patient | |
| CN101877123A (zh) | 一种图像增强方法和装置 | |
| CN106683080A (zh) | 一种视网膜眼底图像预处理方法 | |
| CN105894483A (zh) | 一种基于多尺度图像分析和块一致性验证的多聚焦图像融合方法 | |
| Khan et al. | Contrast enhancement of low-contrast medical images using modified contrast limited adaptive histogram equalization | |
| CN111105357B (zh) | 一种失真图像的去失真方法、装置及电子设备 | |
| CN111814745B (zh) | 手势识别方法、装置、电子设备及存储介质 | |
| Li et al. | Spatially adaptive self-supervised learning for real-world image denoising | |
| US6788826B1 (en) | Method for correcting artefacts in a digital image | |
| CN101697230A (zh) | 医用图像自适应增强处理装置及其方法 | |
| Sahu et al. | An application of deep dual convolutional neural network for enhanced medical image denoising | |
| US20100067825A1 (en) | Digital Image Filters and Related Methods for Image Contrast Enhancement | |
| CN112801899A (zh) | 基于互补结构感知的内外循环驱动图像盲去模糊方法和装置 | |
| CN112767273A (zh) | 一种应用特征解耦的低剂量ct图像修复方法及系统 | |
| Aosiman et al. | Medical image enhancement algorithm based on histogram equalization and dyadic wavelet transform | |
| Naidu et al. | Enhancement of X-ray images using various Image Processing Approaches | |
| Bala et al. | Contrast and Luminance Enhancement Technique for Fundus Images Using Bi-Orthogonal Wavelet Transform and Bilateral Filter | |
| Kumari et al. | Image fusion techniques based on pyramid decomposition | |
| CN113763288A (zh) | 一种医学图像增强方法 | |
| Liu et al. | A multiscale contrast enhancement algorithm for breast cancer detection using Laplacian Pyramid | |
| Tyagi et al. | Comparative study of image enhancement and analysis of thermal images using image processing and wavelet techniques | |
| Qian et al. | Adaptive multistage nonlinear filtering and wavelet for medical image enhancement |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |