CN109377451A - 去除x射线图像滤线栅栅影的方法、终端及存储介质 - Google Patents
去除x射线图像滤线栅栅影的方法、终端及存储介质 Download PDFInfo
- Publication number
- CN109377451A CN109377451A CN201810992103.9A CN201810992103A CN109377451A CN 109377451 A CN109377451 A CN 109377451A CN 201810992103 A CN201810992103 A CN 201810992103A CN 109377451 A CN109377451 A CN 109377451A
- Authority
- CN
- China
- Prior art keywords
- grid
- image
- shadow
- removal
- original
- 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 50
- 230000008520 organization Effects 0.000 claims abstract description 65
- 238000003708 edge detection Methods 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000004888 barrier function Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 210000001519 tissue Anatomy 0.000 description 22
- 238000010586 diagram Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 239000002956 ash Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000004705 lumbosacral region Anatomy 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 238000001228 spectrum Methods 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种去除X射线图像滤线栅栅影的方法,将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像,然后进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像后,将非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像,构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像,最后用原始X射线图像减去最终滤线栅栅影图像,得到去除滤线栅栅影后的图像。本发明还公开了一种移动终端、计算机可读存储介质。本发明有效地防止了人为引入的伪影,大幅度提高了去除线栅栅影的效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种去除X射线图像滤线栅栅影的方法、终端及存储介质。
背景技术
在拍摄骨骼、腰脊椎、盆骨等人体组织X射线图像时,由于这些组织部位密度相对较大,对X射线吸收率比较高,要使图像清晰就要使用大剂量的X射线。但当剂量较大时,这些射线会有很大程度的散射,影响图像质量;为了吸收这些散射线,目前采用的方法是在在探测器前放置滤线栅,滤线栅可以吸收掉那些方向交错无序的散射线。但滤线栅的线对与探测器分辨率不匹配时,在去除散射线的同时,滤线栅会使部分正常的射线无法通过,就会在图像上出现不同程度的肉眼可察觉的条状伪影,称之为滤线栅栅影。
目前,有采用傅立叶频谱中检测滤线栅伪影的频率,然后利用插值法对滤线栅伪影的频率进行插值处理,最后对插值后的频谱图进行傅立叶逆变换的方法,得到抑制滤线栅伪影后的图像。但采用傅里叶变换和傅里叶逆变换是一项非常费时的操作,导致图像处理速度慢影响医生的工作效率;此外,在频率域进行插值处理,对精度的要求极高,一不小心就会在图像中引入人为的伪影,影响图像质量。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种去除X射线图像滤线栅栅影的方法,旨在解决采用傅里叶变换和傅里叶逆变换耗时导致图像处理速度慢,影响医生的工作效率;以及在频率域进行插值处理容易引入人为伪影影响图像质量的技术问题。
为了实现上述目的,本发发明提供一种去除X射线图像滤线栅栅影的方法,所述去除X射线图像滤线栅栅影的方法包括以下步骤:
将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像;
将含滤线栅栅影和组织边缘的混合图像进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像;
将初步滤线栅栅影图像中的非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像;
构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像;
用原始X射线图像减去最终滤线栅栅影图像,得到去除滤线栅栅影后的图像。
可选地,所述将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像的步骤包括:
读取原始X射线图像;
采用滤波器对原始X射线图像进行二维高通滤波处理;
利用Roberts边缘检测算法对经过二维高通滤波处理的图像进行边缘检测,得到含滤线栅栅影和组织边缘的混合图像。
可选地,所述将含滤线栅栅影和组织边缘的混合图像进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像的步骤包括:
根据含滤线栅栅影和组织边缘的混合图像中像素点的最大值和最小值,计算并设定符合滤线栅栅影像素点的灰度值阈值Th1;
利用阈值Th1构造公式对含滤线栅栅影和组织边缘的混合图像进行二值化处理去除组织边缘,得到含预设滤线栅栅影直线的初步滤线栅栅影图像。
可选地,所述利用阈值Th1构造公式对含滤线栅栅影和组织边缘的混合图像进行二值化处理去除组织边缘的步骤包括:
获取含滤线栅栅影和组织边缘的混合图像中的所有像素点灰度值;
将含滤线栅栅影和组织边缘的混合图像中灰度值小于阈值Th1的像素点设置为第一灰度值,灰度值大于等于阈值Th1的像素点设置为可以与第一灰度值识别开的第二灰度值;
得到去除组织边缘,以及其他障碍物造成的孤立点的图像。
可选地,所述将初步滤线栅栅影图像中的非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像的步骤包括:
对初步滤线栅栅影图像进行直线检测,得到预设滤线栅栅影直线;
根据原始X射线图像计算滤线栅栅影理论最大值;
利用滤线栅栅影理论最大值,计算并设定符合滤线栅栅影直线长度的阈值Th2;
利用阈值Th2构造公式,判定不是滤线栅栅影的预设滤线栅栅影直线,并将该直线上所有的像素点灰度值置为第一灰度值,得到中间滤线栅栅影图像。
可选地,所述根据原始X射线图像计算滤线栅栅影理论最大值的步骤包括:
检测并计算图像宽方向的像素点数量,并设为平行于图像宽方向的滤线栅栅影直线的理论最大值;
检测并计算图像高方向的像素点数量,并设为平行于图像高方向的滤线栅栅影直线的理论最大值;
分别根据平行于图像宽方向和高方向的滤线栅栅影直线的理论最大值,构造计算滤线栅栅影直线长度的阈值Th2的公式。
可选地,所述构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像的步骤包括:
根据原始X射线图像中的组织特性构造修正曲线函数;
利用修正曲线函数和原始X射线图像的灰度值,确定系数矩阵;
将中间滤线栅栅影图像与系数矩阵对应像素点相乘进行强度修正,得到最终滤线栅栅影图像。
可选地,所述用原始X射线图像减去最终滤线栅栅影图像得到去除滤线栅栅影后的图像的步骤包括:
分别读取原始X射线图像、最终滤线栅栅影图像上的各像素点;
利用原始X射线图像上的各像素点减去最终滤线栅栅影图像上对应位置各像素点,得到去除滤线栅栅影后的图像。
此外,为实现上述目的,本发明还提供一种移动终端,所述移动终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的去除X射线图像滤线栅栅影程序,所述去除X射线图像滤线栅栅影程序被所述处理器执行时实现如上所述的去除X射线图像滤线栅栅影方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有去除X射线图像滤线栅栅影程序,所述去除X射线图像滤线栅栅影程序被处理器执行时实现如上所述的去除X射线图像滤线栅栅影方法的步骤。
本发明实施例提出的一种去除X射线图像滤线栅栅影的方法、终端及存储介质,通过将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像;将含滤线栅栅影和组织边缘的混合图像进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像,去除了图像中的组织边缘以及其他障碍物造成的孤立点,更准确地确定滤线栅栅影的位置;将初步滤线栅栅影图像中的非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像;构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像,根据组织特性构造修正曲线进行图像修正,恢复最终滤线栅栅影图像中滤线栅栅影的原始强度;用原始X射线图像减去最终滤线栅栅影图像,得到去除滤线栅栅影后的图像;在空间域利用图像像素点灰度值去除滤线栅栅影,有效地防止了人为引入的伪影,大幅度提高了去除线栅栅影的效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图2为本发明去除X射线图像滤线栅栅影的方法第一实施例的流程示意图;
图3为本发明去除X射线图像滤线栅栅影的方法第二实施例的流程示意图;
图4为含有滤线栅栅影和组织边缘的混合图像示意图;
图5为本发明去除X射线图像滤线栅栅影的方法第三实施例的流程示意图;
图6为初步滤线栅栅影图像示意图;
图7为本发明去除X射线图像滤线栅栅影的方法第四实施例的流程示意图;
图8为本发明去除X射线图像滤线栅栅影的方法第五实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像;将含滤线栅栅影和组织边缘的混合图像进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像;将初步滤线栅栅影图像中的非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像;构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像;用原始X射线图像减去最终滤线栅栅影图像,得到去除滤线栅栅影后的图像。
由于现有技术中,采用的是傅里叶变换和傅里叶逆变换对图像进行处理,并在频率域进行插值处理。傅里叶变换和傅里叶逆变换是一项非常耗时的操作,影响了图像的处理速度,并且在频率域进行插值对精度要求极高,极其容易引入人工伪影。
本发明提供一种解决方案,使图像处理不需要采用傅里叶变换和傅里叶逆变换,加快了图像的处理速度;也不需要在频率域进行插值,有效地防止引入人为伪影,提高了图像质量。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC,也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面3)播放器、便携计算机等具有显示功能的可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及去除X射线图像滤线栅栅影程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的去除X射线图像滤线栅栅影程序,并执行以下操作:
将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像;
将含滤线栅栅影和组织边缘的混合图像进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像;
将初步滤线栅栅影图像中的非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像;
构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像;
用原始X射线图像减去最终滤线栅栅影图像,得到去除滤线栅栅影后的图像。
进一步地,处理器1001可以调用存储器1005中存储的去除X射线图像滤线栅栅影程序,还执行以下操作:
所述将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像的步骤包括:
读取原始X射线图像;
采用滤波器对原始X射线图像进行二维高通滤波处理;
利用Roberts边缘检测算法对经过二维高通滤波处理的图像进行边缘检测,得到含滤线栅栅影和组织边缘的混合图像。
进一步地,处理器1001可以调用存储器1005中存储的去除X射线图像滤线栅栅影程序,还执行以下操作:
所述将含滤线栅栅影和组织边缘的混合图像进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像的步骤包括:
根据含滤线栅栅影和组织边缘的混合图像中像素点的最大值和最小值,计算并设定符合滤线栅栅影像素点的灰度值阈值Th1;
利用阈值Th1构造公式对含滤线栅栅影和组织边缘的混合图像进行二值化处理去除组织边缘,得到含预设滤线栅栅影直线的初步滤线栅栅影图像。
进一步地,处理器1001可以调用存储器1005中存储的去除X射线图像滤线栅栅影程序,还执行以下操作:
所述利用阈值Th1构造公式对含滤线栅栅影和组织边缘的混合图像进行二值化处理去除组织边缘的步骤包括:
获取含滤线栅栅影和组织边缘的混合图像中的所有像素点灰度值;
将含滤线栅栅影和组织边缘的混合图像中灰度值小于阈值Th1的像素点设置为第一灰度值,灰度值大于等于阈值Th1的像素点设置为可以与第一灰度值识别开的第二灰度值;
得到去除组织边缘,以及其他障碍物造成的孤立点的图像。
进一步地,处理器1001可以调用存储器1005中存储的去除X射线图像滤线栅栅影程序,还执行以下操作:
所述将初步滤线栅栅影图像中的非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像的步骤包括:
对初步滤线栅栅影图像进行直线检测,得到预设滤线栅栅影直线;
根据原始X射线图像计算滤线栅栅影理论最大值;
利用滤线栅栅影理论最大值,计算并设定符合滤线栅栅影直线长度的阈值Th2;
利用阈值Th2构造公式,判定不是滤线栅栅影的预设滤线栅栅影直线,并将该直线上所有的像素点灰度值置为第一灰度值,得到中间滤线栅栅影图像。
进一步地,处理器1001可以调用存储器1005中存储的去除X射线图像滤线栅栅影程序,还执行以下操作:
所述根据原始X射线图像计算滤线栅栅影理论最大值的步骤包括:
检测并计算图像宽方向的像素点数量,并设为平行于图像宽方向的滤线栅栅影直线的理论最大值;
检测并计算图像高方向的像素点数量,并设为平行于图像高方向的滤线栅栅影直线的理论最大值;
分别根据平行于图像宽方向和高方向的滤线栅栅影直线的理论最大值,构造计算滤线栅栅影直线长度的阈值Th2的公式。
进一步地,处理器1001可以调用存储器1005中存储的去除X射线图像滤线栅栅影程序,还执行以下操作:
所述构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像的步骤包括:
根据原始X射线图像中的组织特性构造修正曲线函数;
利用修正曲线函数和原始X射线图像的灰度值,确定系数矩阵;
将中间滤线栅栅影图像与系数矩阵对应像素点相乘进行强度修正,得到最终滤线栅栅影图像。
进一步地,处理器1001可以调用存储器1005中存储的去除X射线图像滤线栅栅影程序,还执行以下操作:
所述用原始X射线图像减去最终滤线栅栅影图像得到去除滤线栅栅影后的图像的步骤包括:
分别读取原始X射线图像、最终滤线栅栅影图像上的各像素点;
利用原始X射线图像上的各像素点减去最终滤线栅栅影图像上对应位置各像素点,得到去除滤线栅栅影后的图像。
基于上述硬件结构,提出本发明方法实施例。
参照图2,在本发明去除X射线图像滤线栅栅影的方法第一实施例中,所述去除X射线图像滤线栅栅影的方法包括:
步骤S10,将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像;
其中,滤波处理可以是高斯滤波、中值滤波等可以对图像进行平滑滤波处理、消除图像噪声的滤波方式。
其中,边缘检测可以为霍夫变换、Roberts边缘检测算法、sobel边缘检测法等边缘检测算法,其目的是为了检测图像中的滤线栅栅影和人体组织边缘。
步骤S20,将含滤线栅栅影和组织边缘的混合图像进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像;
其中,进行直线筛选处理是为了将图像中的人体组织边缘去除,留下直线,便于后续识别真正的滤线栅栅影直线;预设滤线栅栅影直线是指,把图像所含有的全部直线均视为滤线栅栅影直线,但实际上这些直线可能并不全是滤线栅栅影,也有可能是特殊的人体组织边缘线。
步骤S30,将初步滤线栅栅影图像中的非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像;
其中,非滤线栅栅影直线是指,初步滤线栅栅影图像的预设预设滤线栅栅影直线中,可能不是滤线栅栅影的直线;此时,需要对这些不是滤线栅栅影的直线进行去除,只留下滤线栅栅影的直线。
步骤S40,构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像;
其中,对中间滤线栅栅影图像的强度进行修正的原因是,在前面的处理步骤中,为了方便处理,只考虑图像的位置而忽略图像的强度并将图像采用两个强度用以识别,中间滤线栅栅影图像的滤线栅栅影只标出了位置,未含强度,需要对中间滤线栅栅影图像的强度进行修正。
其中,修正曲线函数是为了对中间滤线栅栅影图像的强度进行修正,根据原始X射线图像的组织特性而进行构造的,可以根据该函数计算出滤线栅栅影的强度。
步骤S50,用原始X射线图像减去最终滤线栅栅影图像,得到去除滤线栅栅影后的图像。
其中,用原始X射线图像减去最终滤线栅栅影图像是指,原始X射线图像包含了需要检测的人体组织成像和滤线栅栅影,通过减去最终滤线栅栅影图像中确定的滤线栅栅影,就得到去除滤线栅栅影后的图像。
进一步地,步骤S50包括:
步骤a,分别读取原始X射线图像、最终滤线栅栅影图像上的各像素点;
读取原始X射线图像上各位置像素点的灰度值,读取最终滤线栅栅影图像上各位置像素点的灰度值。
步骤b,利用原始X射线图像上的各像素点减去最终滤线栅栅影图像上对应位置各像素点,得到去除滤线栅栅影后的图像。
利用原始X射线图像上各位置像素点的灰度值减去最终滤线栅栅影图像上各位置像素点的灰度值,得到去除滤线栅栅影后的图像上对应各位置像素点的灰度值,确定去除滤线栅栅影后的图像。
在本实施例中,对原始X射线图像进行滤波处理去除噪声后再进行边缘检测,得到滤线栅栅影和组织边缘的混合图像后,将图像中的人体组织边缘等非直线去除然后找出所有直线中不是滤线栅栅影的直线并去除;通过逐步将非滤线栅栅影的部分去除,更准确地定位到滤线栅栅影的位置;并对滤线栅栅影进行强度修正,最后利用原始X射线图像的各像素点减去强度修正后的滤线栅栅影图像的各像素点,得到去除滤线栅栅影后的图像,避免了在频率域对图像进行处理、插值,加快了图像的处理速度、提高了图像质量。
进一步地,参照图3,本发明去除X射线图像滤线栅栅影的方法的第二实施例,基于上述图2所示的实施例,所述S10的步骤包括:
步骤S11,读取原始X射线图像;
读取原始X射线图像上的每一个像素点的灰度值。
步骤S12,采用滤波器对原始X射线图像进行二维高通滤波处理;
在读取到原始X射线图像后,利用滤波器,例如高斯滤波器、中值滤波器等对图像进行平滑滤波处理,消除图像噪声;为达到较优的处理效果,本实施例采用高斯滤波的方式,在垂直于原始X射线图像滤线栅栅影方向上进行二维高通滤波处理消除噪声。
步骤S13,利用Roberts边缘检测算法对经过二维高通滤波处理的图像进行边缘检测,得到含滤线栅栅影和组织边缘的混合图像。
对原始X射线图像进行二维高通滤波处理去除噪声后,利用边缘检测算法,例如霍夫变换、Roberts边缘检测算法、sobel边缘检测法等,检测出消除噪声后的X射线图像检测图像中的人体组织边缘、滤线栅栅影等,得到含有滤线栅栅影和组织边缘的混合图像;如图4所示,A0表示整幅混合图像,A1表示滤线栅栅影线,A2表示人体组织边缘。
所谓边缘是指其周围像素灰度急剧变化的那些象素的集合,它是图像最基本的特征;边缘存在于目标、背景和区域之间,所以,它是图像分割所依赖的最重要的依据;图像边缘检测是提取图像中不连续部分的特征,根据闭合的边缘确定区域,大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性;由于边缘是位置的标志,对灰度的变化不敏感,因此,边缘也是图像匹配的重要的特征;综合图像的处理速度及处理质量需求,本实施例采用Roberts边缘检测算法进行边缘检测。
在本实施例中,通过采用高斯滤波的方式对原始X射线图像进行处理,达到了较好的噪声去除的效果;采用Roberts边缘检测算法进行边缘检测,在保证处理质量的基础上,提高了检测速度,从而进一步加快了图像的处理速度。
进一步地,参照图5,本发明去除X射线图像滤线栅栅影的方法的第三实施例,基于上述图2所示的实施例,所述S20的步骤包括:
步骤S21,根据含滤线栅栅影和组织边缘的混合图像中像素点的最大值和最小值,计算并设定符合滤线栅栅影像素点的灰度值阈值Th1;
读取含滤线栅栅影和组织边缘的混合图像中各像素点的灰度值,并计算出各像素点灰度值中的最大值和最小值,然后利用灰度值的最大值和最小值构造公式,用来计算出符合滤线栅栅影像素点的灰度值阈值Th1。
例如,为了确定符合滤线栅栅影像素点的灰度值阈值Th1,构造以下公式:
Th1=0.15*(MaxGray+MinGray)
其中,MaxGray为含滤线栅栅影和组织边缘的混合图像中度值中的最大值,MinGray为含滤线栅栅影和组织边缘的混合图像中度值中的最小值,Th1为符合滤线栅栅影像素点的灰度值阈值,0.15是根据X射线的强度决定的,也可取其他值,如0.12,0.2。
步骤S22,利用阈值Th1构造公式对含滤线栅栅影和组织边缘的混合图像进行二值化处理去除组织边缘,得到含预设滤线栅栅影直线的初步滤线栅栅影图像。
利用人体组织边缘的强度大于滤线栅栅影强度的特点,根据阈值Th1构造二值化公式,将含滤线栅栅影和组织边缘的混合图像中强度较大与强度较小的点分别用不同的灰度值表示;此时可以去除人体组织边缘及其他障碍物造成的孤立点,得到含预设线栅栅影直线的初步滤线栅栅影图像。
进一步地,步骤S22还包括:
步骤a,获取含滤线栅栅影和组织边缘的混合图像中的所有像素点灰度值;
读取含滤线栅栅影和组织边缘的混合图像中各像素点的灰度值,并获取出各像素点灰度值中的最大值和最小值。
步骤b,将含滤线栅栅影和组织边缘的混合图像中灰度值小于阈值Th1的像素点设置为第一灰度值,灰度值大于等于阈值Th1的像素点设置为可以与第一灰度值识别开的第二灰度值;
利用人体组织边缘的强度大于滤线栅栅影强度的特点,根据阈值Th1构造二值化公式,含滤线栅栅影和组织边缘的混合图像中强度较大的点,灰度值较小,将灰度值小于阈值Th1的像素点设置为第一灰度值;强度较小的点,灰度值较大,将灰度值大于等于阈值Th1的像素点设置为可以与第一灰度值识别开的第二灰度值。
例如,利用以下公式,将含滤线栅栅影和组织边缘的混合图像进行二值化,其中公式为:
其中,A(x,y)为含滤线栅栅影和组织边缘的混合图像中各像素点,B(x,y)为初步滤线栅栅影图像中各像素点,0为第一灰度值,255为第二灰度值,第一灰度值可以是除0外的其他取值,如1,5,23,50,同理,第二灰度值也可以是除255外的其他取值,如20,50,200,只要第一灰度值和第二灰度值的取值有区别以使用户能简易地区分出来。
步骤c,得到去除组织边缘,以及其他障碍物造成的孤立点的图像。
含滤线栅栅影和组织边缘的混合图像进行二值化后,人体组织边缘及其他障碍物造成的孤立点被去除掉,得到含预设滤线栅栅影直线的初步滤线栅栅影图像;如图6所示,图像中的直线为预设滤线栅栅影直线,图6是由图4去除图中人体组织边缘A2后得到。
在本实施例中,首先获取含滤线栅栅影和组织边缘的混合图像中的各像素点,根据人体组织边缘的强度大于滤线栅栅影强度的特点,构造二值化公式识别出图像中人体组织边缘并去掉;通过构造二值化公式,除了能把人体组织边缘去掉外,还可以把强度较大的孤立点去除,得到含预设滤线栅栅影直线的初步滤线栅栅影图像,避免了成像过程中其他障碍物引入对去除滤线栅栅影的影响,提高了图像质量。
进一步地,参照图7,本发明去除X射线图像滤线栅栅影的方法的第四实施例,基于上述图2所示的实施例,所述S30的步骤包括:
步骤S31,对初步滤线栅栅影图像进行直线检测,得到预设滤线栅栅影直线;
首先,根据形状特征利用检测算法,检测出图像中所有的直线,为了更准确地检测,本实施例采用霍夫变换检测出初步滤线栅栅影图像的直线。
步骤S32,根据原始X射线图像计算滤线栅栅影理论最大值;
利用滤线栅栅影长度小于等于图像尺寸的特性,根据原始X射线图像的尺寸分别计算出平行图像宽方向、高方向的滤线栅栅影直线的理论最大值。
进一步地,步骤S32还包括:
步骤a,检测并计算图像宽方向的像素点数量,并设为平行于图像宽方向的滤线栅栅影直线的理论最大值;
检测并计算原始X射线图像在宽方向的像素点数量,利用滤线栅栅影长度小于等于图像尺寸的特性,把在原始X射线图像在宽方向的像素点数量当作滤线栅栅影直线最大像素点数量,即把原始X射线图像在宽方向的长度当作是滤线栅栅影直线平行于图像宽方向的理论最大长度。
步骤b,检测并计算图像高方向的像素点数量,并设为平行于图像高方向的滤线栅栅影直线的理论最大值;
检测并计算原始X射线图像在高方向的像素点数量,利用滤线栅栅影长度小于等于图像尺寸的特性,把在原始X射线图像在高方向的像素点数量当作滤线栅栅影直线最大像素点数量,即把原始X射线图像在高方向的长度当作是滤线栅栅影直线平行于图像高方向的理论最大长度。
步骤c,分别根据平行于图像宽方向和高方向的滤线栅栅影直线的理论最大值,构造计算滤线栅栅影直线长度的阈值Th2的公式。
利用滤线栅栅影贯穿于整幅图像的特性,根据滤线栅栅影理论最大长度构造满足滤线栅栅影直线最小长度的阈值Th2的公式,确定滤线栅栅影直线理论最大长度与阈值Th2之间的关系。
例如,可以构造以下公式,确定滤线栅栅影直线理论最大长度与阈值Th2之间的关系,其中公式为:
Th2=0.7*Length
其中,Th2为滤线栅栅影直线的最小长度,Length为滤线栅栅影直线平行于图像宽方向的理论最大长度或平行于图像高方向的理论最大长度,0.7是根据图像滤线栅栅影长度特性构造的,也可为其他值,例如0.6,0.8。
步骤S33,利用滤线栅栅影理论最大值,计算并设定符合滤线栅栅影直线长度的阈值Th2;
根据滤线栅栅影直线理论最大长度与阈值Th2之间的关系,计算出阈值Th2,即满足滤线栅栅影直线的最小长度。
步骤S34,利用阈值Th2构造公式,判定不是滤线栅栅影的预设滤线栅栅影直线,并将该直线上所有的像素点灰度值置为第一灰度值,得到中间滤线栅栅影图像。
根据阈值Th2构造判断公式,将小于阈值Th2直线视为非滤线栅栅影直线,通过将非滤线栅栅影直线上各像素点灰度值置为第一灰度值来去除该直线,图像中只剩下滤线栅栅影直线,从而得到只含有滤线栅栅影直线的中间滤线栅栅影图像。
在本实施例中,利用了滤线栅栅影贯穿于整幅图像并且滤线栅栅影的长度小于等于图像尺寸的特性,通过原始X射线图像在宽方向、高方向的长度,分别确定了滤线栅栅影在图像宽方向、高方向理论的最大长度;并利用理论的最大长度,根据图像滤线栅栅影长度特性构造满足滤线栅栅影的最小长度阈值Th2,将长度小于阈值Th2的直线去除,将大于阈值Th2的直线视为滤线栅栅影,通过阈值Th2判定图像中的直线是否为滤线栅栅影,自动地确定了滤线栅栅影的方向,无需另外判断滤线栅栅影的方向,提高了图像的处理效率。
进一步地,参照图8,本发明去除X射线图像滤线栅栅影的方法的第五实施例,基于上述图2所示的实施例,所述S40的步骤包括:
步骤S41,根据原始X射线图像中的组织特性构造修正曲线函数;
利用原始X射线图像中的组织特性构造曲线,曲线的拐点横坐标分别为曲线第一拐点横坐标X1、曲线第二拐点横坐标X2,根据原始X射线图像的灰度值与曲线第一拐点横坐标X1、曲线第二拐点横坐标X2确定修正曲线函数,从而得到图像各像素点强度系数。
例如,可以根据以下公式确定图像各像素点的强度系数,其中公式如下:
T(x,y)=[A(x,y)-X1]/(X2-X1)
其中,T(x,y)为图像各像素点强度系数,A(x,y)为原始X射线图像各像素点的灰度值,X1为曲线第一拐点的横坐标,X2为曲线第二拐点的横坐标。
步骤S42,利用修正曲线函数和原始X射线图像的灰度值,确定系数矩阵;
首先,读取原始X射线图像各像素点的灰度值;然后,根据原始X射线图像中最大灰度值SrcMax和最小灰度值SrcMin以及第一人为输入值InputTH1,计算确定曲线第一拐点横坐标X1,即第一阈值X1;根据原始X射线图像中最大灰度值SrcMax和最小灰度值SrcMin以及第二人为输入值InputTH2,计算确定曲线第二拐点横坐标X2,即第二阈值X2。
例如,可以根据以下公式计算曲线第一拐点阈值X1,其中公式为:
X1=InputTH1*[(SrcMax-SrcMin)/10]
其中,X1为曲线第一拐点的横坐标,InputTH1为第一人为输入值,取值范围为[0,10],SrcMax为原始X射线图像中最大灰度值,SrcMin为原始X射线图像中最小灰度值。
同理,可以根据以下公式计算曲线第二拐点的横坐标X2,其中公式为:
X2=InputTH2*[(SrcMax-SrcMin)/10]
其中,X2为曲线第二拐点的横坐标,InputTH2为第二人为输入值,取值范围为[0,10],SrcMax为原始X射线图像中最大灰度值,SrcMin为原始X射线图像中最小灰度值。
最后,确定强度修正系数矩阵;在系数矩阵中,将原始X射线图像中灰度值小于等于第一阈值X1的点系数设为零,大于等于第二阈值X2的点系数设为1,大于第一阈值X1、小于第二阈值X2的点系数设为由修正曲线函数计算得到的值。
步骤S43,将中间滤线栅栅影图像与系数矩阵对应像素点相乘进行强度修正,得到最终滤线栅栅影图像。
读取经过二值化处理的中间滤线栅栅影图像中各像素点灰度值,利用各像素点灰度值与系数矩阵对应位置中的强度系数相乘进行强度修正,得到恢复至原始X射线图像强度的最终滤线栅栅影图像。
在本实施例中,通过组织特性构造修正曲线函数,根据原始X射线图像中的灰度值和修正曲线函数确定强度修正系数矩阵,对检测到滤线栅栅影进行强度修正,避免了滤线栅栅影的强度改变而影响图像质量的问题,保证了滤线栅栅影图像的准确性,进一步提高了图像质量。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有去除X射线图像滤线栅栅影程序,所述去除X射线图像滤线栅栅影程序被处理器执行时实现如上所述的去除X射线图像滤线栅栅影的方法的步骤。
本发明计算机可读存储介质具体实施方式可以参照上述去除X射线图像滤线栅栅影的方法各实施例,在此不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种去除X射线图像滤线栅栅影的方法,其特征在于,所述去除X射线图像滤线栅栅影的方法包括以下步骤:
将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像;
将含滤线栅栅影和组织边缘的混合图像进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像;
将初步滤线栅栅影图像中的非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像;
构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像;
用原始X射线图像减去最终滤线栅栅影图像,得到去除滤线栅栅影后的图像。
2.如权利要求1所述的去除X射线图像滤线栅栅影的方法,其特征在于,所述将原始X射线图像进行滤波处理、边缘检测,得到含滤线栅栅影和组织边缘的混合图像的步骤包括:
读取原始X射线图像;
采用滤波器对原始X射线图像进行二维高通滤波处理;
利用Roberts边缘检测算法对经过二维高通滤波处理的图像进行边缘检测,得到含滤线栅栅影和组织边缘的混合图像。
3.如权利要求1所述的去除X射线图像滤线栅栅影的方法,其特征在于,所述将含滤线栅栅影和组织边缘的混合图像进行直线筛选处理,得到含预设滤线栅栅影直线的初步滤线栅栅影图像的步骤包括:
根据含滤线栅栅影和组织边缘的混合图像中像素点的最大值和最小值,计算并设定符合滤线栅栅影像素点的灰度值阈值Th1;
利用阈值Th1构造公式对含滤线栅栅影和组织边缘的混合图像进行二值化处理去除组织边缘,得到含预设滤线栅栅影直线的初步滤线栅栅影图像。
4.如权利要求3所述的去除X射线图像滤线栅栅影的方法,其特征在于,所述利用阈值Th1构造公式对含滤线栅栅影和组织边缘的混合图像进行二值化处理去除组织边缘的步骤包括:
获取含滤线栅栅影和组织边缘的混合图像中的所有像素点灰度值;
将含滤线栅栅影和组织边缘的混合图像中灰度值小于阈值Th1的像素点设置为第一灰度值,灰度值大于等于阈值Th1的像素点设置为可以与第一灰度值识别开的第二灰度值;
得到去除组织边缘,以及其他障碍物造成的孤立点的图像。
5.如权利要求4所述的去除X射线图像滤线栅栅影的方法,其特征在于,所述将初步滤线栅栅影图像中的非滤线栅栅影直线去除,得到只含滤线栅栅影的中间滤线栅栅影图像的步骤包括:
对初步滤线栅栅影图像进行直线检测,得到预设滤线栅栅影直线;
根据原始X射线图像计算滤线栅栅影理论最大值;
利用滤线栅栅影理论最大值,计算并设定符合滤线栅栅影直线长度的阈值Th2;
利用阈值Th2构造公式,判定不是滤线栅栅影的预设滤线栅栅影直线,并将该直线上所有的像素点灰度值置为第一灰度值,得到中间滤线栅栅影图像。
6.如权利要求5所述的去除X射线图像滤线栅栅影的方法,其特征在于,所述根据原始X射线图像计算滤线栅栅影理论最大值的步骤包括:
检测并计算图像宽方向的像素点数量,并设为平行于图像宽方向的滤线栅栅影直线的理论最大值;
检测并计算图像高方向的像素点数量,并设为平行于图像高方向的滤线栅栅影直线的理论最大值;
分别根据平行于图像宽方向和高方向的滤线栅栅影直线的理论最大值,构造计算滤线栅栅影直线长度的阈值Th2的公式。
7.如权利要求1所述的去除X射线图像滤线栅栅影的方法,其特征在于,所述构造修正曲线函数,对中间滤线栅栅影图像的强度进行修正,得到最终滤线栅栅影图像的步骤包括:
根据原始X射线图像中的组织特性构造修正曲线函数;
利用修正曲线函数和原始X射线图像的灰度值,确定系数矩阵;
将中间滤线栅栅影图像与系数矩阵对应像素点相乘进行强度修正,得到最终滤线栅栅影图像。
8.如权利要求1所述的去除X射线图像滤线栅栅影的方法,其特征在于,所述用原始X射线图像减去最终滤线栅栅影图像得到去除滤线栅栅影后的图像的步骤包括:
分别读取原始X射线图像、最终滤线栅栅影图像上的各像素点;
利用原始X射线图像上的各像素点减去最终滤线栅栅影图像上对应位置各像素点,得到去除滤线栅栅影后的图像。
9.一种移动终端,其特征在于,所述移动终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的去除X射线图像滤线栅栅影程序,所述去除X射线图像滤线栅栅影程序被所述处理器执行时实现如权利要求1至8中任一项所述的去除X射线图像滤线栅栅影的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有去除X射线图像滤线栅栅影程序,所述去除X射线图像滤线栅栅影程序被处理器执行时实现如权利要求1至8中任一项所述的去除X射线图像滤线栅栅影的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810992103.9A CN109377451B (zh) | 2018-08-28 | 2018-08-28 | 去除x射线图像滤线栅栅影的方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810992103.9A CN109377451B (zh) | 2018-08-28 | 2018-08-28 | 去除x射线图像滤线栅栅影的方法、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109377451A true CN109377451A (zh) | 2019-02-22 |
CN109377451B CN109377451B (zh) | 2021-05-18 |
Family
ID=65404740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810992103.9A Active CN109377451B (zh) | 2018-08-28 | 2018-08-28 | 去除x射线图像滤线栅栅影的方法、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377451B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147765A (zh) * | 2019-05-21 | 2019-08-20 | 新华三信息安全技术有限公司 | 一种图像处理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130272505A1 (en) * | 2010-10-08 | 2013-10-17 | Thomas J. Beck | Three-dimensional focused anti-scatter grid and method for manufacturing thereof |
CN104077743A (zh) * | 2013-03-25 | 2014-10-01 | 深圳市蓝韵实业有限公司 | 一种x射线图像中滤线栅伪影的抑制方法及装置 |
CN104574288A (zh) * | 2013-10-22 | 2015-04-29 | 辽宁开普医疗系统有限公司 | 一种自适应的滤线栅伪影抑制方法及其装置 |
CN106251378A (zh) * | 2016-07-22 | 2016-12-21 | 上海联影医疗科技有限公司 | 医学图像中边缘伪影的去除方法及装置 |
-
2018
- 2018-08-28 CN CN201810992103.9A patent/CN109377451B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130272505A1 (en) * | 2010-10-08 | 2013-10-17 | Thomas J. Beck | Three-dimensional focused anti-scatter grid and method for manufacturing thereof |
CN104077743A (zh) * | 2013-03-25 | 2014-10-01 | 深圳市蓝韵实业有限公司 | 一种x射线图像中滤线栅伪影的抑制方法及装置 |
CN104574288A (zh) * | 2013-10-22 | 2015-04-29 | 辽宁开普医疗系统有限公司 | 一种自适应的滤线栅伪影抑制方法及其装置 |
CN106251378A (zh) * | 2016-07-22 | 2016-12-21 | 上海联影医疗科技有限公司 | 医学图像中边缘伪影的去除方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147765A (zh) * | 2019-05-21 | 2019-08-20 | 新华三信息安全技术有限公司 | 一种图像处理方法及装置 |
CN110147765B (zh) * | 2019-05-21 | 2021-05-28 | 新华三信息安全技术有限公司 | 一种图像处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109377451B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duan et al. | Tone-mapping high dynamic range images by novel histogram adjustment | |
Sen et al. | On filtering the noise from the random parameters in Monte Carlo rendering. | |
Wang et al. | A fast roughness-based approach to the assessment of 3D mesh visual quality | |
Park et al. | A contrast enhancement method using dynamic range separate histogram equalization | |
CN106530279B (zh) | 一种图像处理方法及系统 | |
US20160140698A1 (en) | Image processing apparatus, image processing method, program, printing medium, and recording medium | |
CN102201109B (zh) | 图像处理方法及使用了该方法的放射线拍摄装置 | |
Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
Deng | An entropy interpretation of the logarithmic image processing model with application to contrast enhancement | |
Zhang et al. | An effective and objective criterion for evaluating the performance of denoising filters | |
Hu et al. | An adaptive approach for texture enhancement based on a fractional differential operator with non-integer step and order | |
CN108230325A (zh) | 基于卡通纹理分解的复合降质图像质量评价方法及系统 | |
US8989464B2 (en) | Functional image data enhancement and/or enhancer | |
CN106570862A (zh) | 一种超分辨率重建质量的评价方法及装置 | |
Lee et al. | Tone mapping using color correction function and image decomposition in high dynamic range imaging | |
CN111539238B (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
Du et al. | Color image enhancement: a metaheuristic chimp optimization algorithm | |
CN102637292A (zh) | 一种图像的处理方法和装置 | |
CN109377451A (zh) | 去除x射线图像滤线栅栅影的方法、终端及存储介质 | |
Krishnan et al. | Medical image enhancement in health care applications using modified sun flower optimization | |
CN113052923A (zh) | 色调映射方法、装置、电子设备和存储介质 | |
CN104408736A (zh) | 基于特征相似性的合成人脸画像质量评价方法 | |
Kim | Low-light image enhancement by diffusion pyramid with residuals | |
Madmad et al. | Bilateral histogram equalization for X-ray image tone mapping |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: No.103, baguang District Service Center, No.2 BaiShaWan Road, baguang community, Kuiyong street, Dapeng New District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Lanying Medical Technology Co.,Ltd. Address before: 518000 Shenzhen, Baoan District, Guangdong Shiyan street, Lang Xin neighborhood committee, brick factory village, Liyuan Industrial Zone, hung lung hi tech Industrial Park (blue Yun Industrial Park), 1 1 buildings. Patentee before: SHENZHEN LANYUN MEDICAL IMAGE CO.,LTD. |