CN109035228B - 一种非等厚构件的x射线图像处理方法 - Google Patents
一种非等厚构件的x射线图像处理方法 Download PDFInfo
- Publication number
- CN109035228B CN109035228B CN201810789727.0A CN201810789727A CN109035228B CN 109035228 B CN109035228 B CN 109035228B CN 201810789727 A CN201810789727 A CN 201810789727A CN 109035228 B CN109035228 B CN 109035228B
- Authority
- CN
- China
- Prior art keywords
- image
- logarithmic
- gradient field
- local variance
- enhanced
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 36
- 230000003321 amplification Effects 0.000 claims abstract description 35
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种非等厚构件的X射线图像处理方法，包括如下步骤：步骤1：对X射线图像进行e为底的对数变换，得到X射线图像的对数图像，并将对数变换后小于0的灰度值置为0；步骤2：针对步骤1获得的对数图像，计算图像中各个像素点的局部方差，根据局部方差对像素点进行区域划分；步骤3：针对步骤1获得的对数图像，基于梯度场非线性放大模型进行对比度增强处理，获得增强图像f；梯度场非线性放大模型构建时，根据步骤2获得的区域划分结果，设定相应的放大系数；步骤4：针对步骤3获得的增强图像f进行灰度处理。
Description
技术领域
本发明涉及一种非等厚构件的X射线图像处理方法。
背景技术
基于X射线的DR(Digital Radiography)成像技术是无损检测的主要技术之一，已广泛应用于工业无损检测领域，实现工业构件内部缺陷的检测。然而工业构件，如汽车发动机零件，内部结构复杂，等效厚度范围较大，对这类非等厚构件使用X射线进行透照时，射线能量不易过大，否则构件较薄的地方的会被完全穿透，无法获得该部分的结构信息，但较低的射线能量容易产生曝光不足的现象，导致X射线图像整体亮度偏暗，对比度差，无法从图像中观察构件的结构信息。因此，需要对非等厚构件X射线图像进行对比度和亮度增强处理。
现有技术中，工业X射线图像常用的增强图像亮度、对比度的算法有直方图均衡化增强算法、梯度场增强等算法。直方图均衡化使所有灰度级在图像上成均匀分布，以此来提高图像的信息可识别度，但其未考虑图像像素在空间坐标域中的邻域相关性，图像的灰度级有可能被过多地合并，从而出现过增强的现象。梯度场增强方法通过重构梯度场来增强图像的边缘和细节，如文献1(王超,叶中付基于变分的图像增强算法和伪彩色映射[J].数据采集与处理,2005,20(1):18-22)和文献2(Fan Zhao,Jian Zhao,Wenda Zhao,etal.Gaussian mixture model-based gradient field reconstruction for infraredimage detail enhancement and denoising[J].Infrared Physics&Technology,2016,76:408–414.)所公开的方法。梯度场增强方法中，梯度放大模型的构建是建立在图像梯度的基础上，而梯度对噪声比较敏感。在X射线图像中，由于在采集过程中往往会受到噪声污染，图像的背景区域和细节区域可能具有相似的梯度信息，这时噪声会被误判为细节而进行放大，因此，需要发明一种既能增强图像的亮度、对比度的同时不会放大噪声的X射线图像增强方法。
发明内容
本发明的发明目的在于提供一种非等厚构件的X射线图像处理方法，既能增强图像的亮度、对比度的同时不会放大噪声，能够有效提高图像降噪效果。
实现本发明目的的技术方案：
一种非等厚构件的X射线图像处理方法，其特征在于，包括如下步骤：
步骤1：对X射线图像进行e为底的对数变换，得到X射线图像的对数图像，并将对数变换后小于0的灰度值置为0；
步骤2：针对步骤1获得的对数图像，计算图像中各个像素点的局部方差，根据局部方差对像素点进行区域划分；
步骤3：针对步骤1获得的对数图像，基于梯度场非线性放大模型进行对比度增强处理，获得增强图像f；梯度场非线性放大模型构建时，根据步骤2获得的区域划分结果，设定相应的放大系数；
步骤4：针对步骤3获得的增强图像f进行灰度处理。
进一步地，步骤2中，根据局部方差对像素点划分成强边缘区域、弱边缘区域和平滑区域三个区域。
进一步地，步骤2包括如下步骤：
步骤2.1：计算对数图像中每一个像素的局部方差，局部方差的具体计算方法为：
q表示对数图像I中以p点为中心的3×3邻域内像素，Iq为其对应的灰度值，Ip表示以p点为中心的3×3邻域内像素的均值；
步骤2.2：将步骤2.1中得到的所有像素点的局部方差进行归一化处理，具体计算方法为：
步骤2.3根据利用步骤2.2得到归一化局部方差，设置阈值ε1,ε2(0＜ε1＜ε2＜1)，将对数图像中的像素点划分为强边缘区域、弱边缘和平滑区域，对任意像素点p，具体划分方法为：
进一步地，步骤3包括如下步骤：
步骤3.1：构建梯度场非线性放大模型，根据步骤2获得的区域划分结果，设定相应的放大系数k，放大系数k为局部方差的单调递减函数，具体计算方法为：
其中，0＜β1<β2为放大因子,h＞0表示放大系数随局部方差增大的衰减速度；
步骤3.2:计算对数图像中每一像素点的梯度信息,梯度的计算如下：
步骤3.3:根据步骤3.1得到的放大系数k计算理想增强对数图像的梯度场,梯度场的计算如下：
其中，
和
分别为原始对数图像I和理想的增强对数图像I′的梯度场；
步骤3.4：根据步骤3.3获得的理想增强对数图像的梯度场
通过建立能量泛函并求其最小值解，从而找到梯度场与理想增强对数图像的梯度场最接近的增强图像f，能量泛函为：
其中，vmax为利用步骤1得到的对数图像像素的最大值。
进一步地，步骤3.4中，采用Gauss-Seidel方法进行迭代求解，并在迭代过程中对更新的中间图像做平滑处理；平滑处理时，采用高斯滤波或均值滤波方式实现。
进一步地，步骤4中，通过如下方法对增强图像f进行灰度处理，
f＝(2depth-1)(f-min(f))/(max(f)-min(f))
其中，depth为输入X射线图像的深度。
本发明具有的有益效果：
本发明基于梯度场非线性放大模型进行对比度增强处理，梯度场非线性放大模型构建时，根据图像中各个像素点的局部方差设定相应的放大系数。图像背景区和含有丰富细节处的梯度值差别比较小，但后者邻域内的灰度方差要明显大于前者。因此，本发明在梯度场增强算法中利用图像的局部方差信息，控制梯度场增强算法中的梯度场放大系数，能够有效减小噪声的干扰。本发明在增强图像的亮度、对比度的同时不会放大噪声，能够有效提高图像降噪效果。本发明易于实现，有效解决了非等厚构件X射线图像中对比度差，有效信息的灰度值集中在暗区的问题。本发明根据局部方差对像素点划分成强边缘区域、弱边缘区域和平滑区域三个区域，根据上述三个区域，相应梯度场非线性放大模型相应设置三个放大系数，进一步保证了本发明既能增强图像的对比度、亮度，又能有效降低噪声干扰。
附图说明
图1是本发明非等厚构件的X射线图像处理方法流程框图。
具体实施方式
如图1所示，本发明非等厚构件的X射线图像处理方法包括如下步骤：
步骤1：对X射线图像进行e为底的对数变换，得到X射线图像的对数图像，并将对数变换后小于0的灰度值置为0。
步骤2：针对步骤1获得的对数图像，计算图像中各个像素点的局部方差，根据局部方差对像素点进行区域划分。
步骤2包括如下步骤：
步骤2.1：计算对数图像中每一个像素的局部方差，局部方差的具体计算方法为：
q表示对数图像I中以p点为中心的3×3邻域内像素，Iq为其对应的灰度值，
表示以p点为中心的3×3邻域内像素的均值；
步骤2.2：将步骤2.1中得到的所有像素点的局部方差进行归一化处理，具体计算方法为：
步骤2.3根据利用步骤2.2得到归一化局部方差，设置阈值ε1,ε2(0＜ε1＜ε2＜1)，将对数图像中的像素点划分为强边缘区域、弱边缘和平滑区域，对任意像素点p，具体划分方法为：
步骤3：针对步骤1获得的对数图像，基于梯度场非线性放大模型进行对比度增强处理，获得增强图像f；梯度场非线性放大模型构建时，根据步骤2获得的区域划分结果，设定相应的放大系数。
步骤3包括如下步骤：
步骤3.1：构建梯度场非线性放大模型，根据步骤2获得的区域划分结果，设定相应的放大系数k，放大系数k为局部方差的单调递减函数，具体计算方法为：
其中，0＜β1<β2为放大因子,h＞0表示放大系数随局部方差增大的衰减速度；
步骤3.2:计算对数图像中每一像素点的梯度信息,梯度的计算如下：
步骤3.3:根据步骤3.1得到的放大系数k计算理想增强对数图像的梯度场,梯度场的计算如下：
其中，
和
分别为原始对数图像I和理想的增强对数图像I′的梯度场；
步骤3.4：根据步骤3.3获得的理想增强对数图像的梯度场
通过建立能量泛函并求其最小值解，从而找到梯度场与理想增强对数图像的梯度场最接近的增强图像f，能量泛函为：
其中，vmax为利用步骤1得到的对数图像像素的最大值。
采用Gauss-Seidel方法进行迭代求解，并在迭代过程中对更新的中间图像做平滑处理；平滑处理时，采用高斯滤波或均值滤波方式实现。
步骤4：针对步骤3获得的增强图像f进行灰度处理。
通过如下方法对增强图像f进行灰度处理，
f＝(2depth-1)(f-min(f))/(max(f)-min(f))
其中，depth为输入X射线图像的深度。
Claims (3)
1.一种非等厚构件的X射线图像处理方法，其特征在于，包括如下步骤：
步骤1：对X射线图像进行e为底的对数变换，得到X射线图像的对数图像，并将对数变换后小于0的灰度值置为0；
步骤2：针对步骤1获得的对数图像，计算图像中各个像素点的局部方差，根据局部方差对像素点进行区域划分；
步骤3：针对步骤1获得的对数图像，基于梯度场非线性放大模型进行对比度增强处理，获得增强图像f ；梯度场非线性放大模型构建时，根据步骤2获得的区域划分结果，设定相应的放大系数；
步骤4：针对步骤3获得的增强图像f 进行灰度处理；
步骤2中，根据局部方差对像素点划分成强边缘区域、弱边缘区域和平滑区域三个区域；
步骤2包括如下步骤：
步骤2.1：计算对数图像中每一个像素的局部方差，局部方差的具体计算方法为：
步骤2.2 ：将步骤2.1中得到的所有像素点的局部方差进行归一化处理，具体计算方法为：
步骤2.3根据利用步骤2.2得到归一化局部方差，设置阈值（），将对数图像中的像素点划分为强边缘区域、弱边缘区域和平滑区域，对任意像素点
，具体划分方法为：
步骤3包括如下步骤：
步骤3.1：构建梯度场非线性放大模型，根据步骤2获得的区域划分结果，设定相应的放大系数k，放大系数k为局部方差的单调递减函数，具体计算方法为：
其中，
为放大因子，
表示放大系数随局部方差增大的衰减速度；
步骤 3.2：计算对数图像中每一像素点的梯度信息，梯度的计算如下：
步骤 3.3：根据步骤3.1得到的放大系数k计算理想增强对数图像的梯度场，梯度场的计算如下：
其中，
和
分别为原始对数图像
和理想的增强对数图像
的梯度场；
步骤 3.4：根据步骤3.3获得的理想增强对数图像的梯度场
，通过建立能量泛函并求其最小值解，从而找到梯度场与理想增强对数图像的梯度场最接近的增强图像
，能量泛函为：
其中，
为利用步骤1得到的对数图像像素的最大值。
2.根据权利要求1所述的非等厚构件的X射线图像处理方法，其特征在于：步骤3.4中，采用Gauss-Seidel方法进行迭代求解，并在迭代过程中对更新的中间图像做平滑处理；平滑处理时，采用高斯滤波或均值滤波方式实现。
3.根据权利要求2所述的非等厚构件的X射线图像处理方法，其特征在于：步骤4中，通过如下方法对增强图像f 进行灰度处理，
其中，depth为输入X射线图像的深度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810789727.0A CN109035228B (zh) | 2018-07-18 | 2018-07-18 | 一种非等厚构件的x射线图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810789727.0A CN109035228B (zh) | 2018-07-18 | 2018-07-18 | 一种非等厚构件的x射线图像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109035228A CN109035228A (zh) | 2018-12-18 |
| CN109035228B true CN109035228B (zh) | 2021-12-28 |
Family
ID=64643262
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810789727.0A Active CN109035228B (zh) | 2018-07-18 | 2018-07-18 | 一种非等厚构件的x射线图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109035228B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111008943B (zh) * | 2019-12-24 | 2023-04-14 | 广州柏视医疗科技有限公司 | 低剂量dr图像降噪方法及系统 |
| CN111932479A (zh) * | 2020-08-10 | 2020-11-13 | 中国科学院上海微系统与信息技术研究所 | 数据增强方法、系统以及终端 |
| CN112285131A (zh) * | 2020-11-02 | 2021-01-29 | 泰州帕沃能源科技有限公司 | 一种检测电力开关x射线图像质量判定方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101807292A (zh) * | 2010-01-07 | 2010-08-18 | 清华大学 | 一种图像去噪方法 |
| CN102289792A (zh) * | 2011-05-03 | 2011-12-21 | 北京云加速信息技术有限公司 | 一种低照度视频图像增强方法及系统 |
-
2018
- 2018-07-18 CN CN201810789727.0A patent/CN109035228B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101807292A (zh) * | 2010-01-07 | 2010-08-18 | 清华大学 | 一种图像去噪方法 |
| CN102289792A (zh) * | 2011-05-03 | 2011-12-21 | 北京云加速信息技术有限公司 | 一种低照度视频图像增强方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| "工业X射线图像增强算法研究";陈燕;《中国博士学位论文全文数据库 信息科技辑》;20160815(第08期);论文2.2，3.2.1，5.1.1，节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109035228A (zh) | 2018-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200273154A1 (en) | Image enhancement method and system | |
| CN104240194B (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
| CN109035228B (zh) | 一种非等厚构件的x射线图像处理方法 | |
| US8090214B2 (en) | Method for automatic detection and correction of halo artifacts in images | |
| US20060291742A1 (en) | Method and apparatus for enhancing image acquired by radiographic system | |
| CN110047055B (zh) | 一种红外图像细节增强及去噪方法 | |
| CN105844601A (zh) | 一种基于双边滤波和多尺度Retinex算法的矿井图像增强方法 | |
| CN111210393B (zh) | 一种基于边缘提取的彩色图像增强方法、系统及存储介质 | |
| JP6097588B2 (ja) | 画像処理装置及び画像処理方法 | |
| CN109447912B (zh) | 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法 | |
| CN107292834B (zh) | 红外图像细节增强方法 | |
| CN107833189A (zh) | 对比受限自适应直方图均衡的水下目标探测图像增强方法 | |
| CN108133463B (zh) | 一种直方图均衡化图像的降噪方法及系统 | |
| CN109903250B (zh) | 基于多尺度梯度域对比度拉伸的水下图像清晰化处理方法 | |
| CN104331863A (zh) | 一种图像滤波去噪方法 | |
| CN109993174B (zh) | 一种基于噪声抑制的空中目标检测方法及系统 | |
| CN111105371A (zh) | 一种低对比度红外图像的增强方法 | |
| CN114092353A (zh) | 一种基于加权引导滤波的红外图像增强方法 | |
| CN113222866A (zh) | 灰度图像增强方法、计算机可读介质及计算机系统 | |
| CN104036457A (zh) | 一种图像降噪方法 | |
| CN107610072B (zh) | 一种基于梯度引导滤波的微光视频图像自适应降噪方法 | |
| CN113610734B (zh) | 基于导向滤波的图像边缘处理方法及应用 | |
| CN104766287A (zh) | 一种基于显著性检测的模糊图像盲复原方法 | |
| CN111652821B (zh) | 基于梯度信息的微光视频图像降噪处理方法、装置和设备 | |
| CN111325680B (zh) | 一种具有抑制局部过曝的图像增亮方法 |
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 |