CN111489314A - 图像增强方法、装置及终端设备 - Google Patents
图像增强方法、装置及终端设备 Download PDFInfo
- Publication number
- CN111489314A CN111489314A CN202010301391.6A CN202010301391A CN111489314A CN 111489314 A CN111489314 A CN 111489314A CN 202010301391 A CN202010301391 A CN 202010301391A CN 111489314 A CN111489314 A CN 111489314A
- Authority
- CN
- China
- Prior art keywords
- image
- enhanced
- under
- images
- scales
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 54
- 230000009467 reduction Effects 0.000 claims abstract description 48
- 230000004927 fusion Effects 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000002591 computed tomography Methods 0.000 description 123
- 230000008569 process Effects 0.000 description 7
- 230000003321 amplification Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000003199 nucleic acid amplification method Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- 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 by the use of more than one image, e.g. averaging, subtraction
-
- 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]
-
- 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
Abstract
本申请提供一种图像增强方法、装置及终端设备,该方法包括:对CT图像进行多尺度分解,得到所述CT图像在多个尺度下的分解图像;分别对所述多个尺度下的分解图像进行降噪处理,得到所述CT图像在多个尺度下的降噪图像;分别对所述多个尺度下的降噪图像进行图像增强,得到所述CT图像在多个尺度下的增强图像;依据所述CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像。应用该方法,可以优化CT图像质量,提升用户体验。
Description
技术领域
本申请涉及CT技术领域,尤其涉及一种图像增强方法、装置及终端设备。
背景技术
CT(Computed Tomography,电子计算机断层扫描)图像是医疗诊断中一种非常重要的诊断手段,但是CT成像设备生成的原始CT图像受到设备本身和获取条件等多种因素的影响,可能出现图像质量下降,例如图像分辨率下降、对比度下降、图像中组织结构的边界模糊、图像噪声增大、等等,给医生的诊断带来一定困难。这时则可以通过图像增强技术对原始CT图像进行处理,例如:提高图像的对比度,对图像中组织结构边界进行增强等等,从而提高图像的分辨率,达到优化图像质量的目的。
目前应用较多的图像增强算法,例如直方图变换、灰度变换等,本质思想是对图像的灰度值进行非线性变换,重新调整图像中像素点的灰度值,以达到图像增强的目的。然而,在对灰度值进行变换时,往往会导致图像中某些信息的过度增强而造成图像噪声有所放大,或者导致图像中局部区域的灰度级减少而造成图像细节信息缺失等问题,最终导致图像增强效果并不理想。
发明内容
有鉴于此,本申请提供一种图像增强方法、装置及终端设备,以解决目前的图像增强算法导致图像增强效果不理想的问题。
根据本申请实施例的第一方面,提供一种图像增强方法,包括:
对CT图像进行多尺度分解,得到所述CT图像在多个尺度下的分解图像;
分别对所述多个尺度下的分解图像进行降噪处理,得到所述CT图像在多个尺度下的降噪图像;
分别对所述多个尺度下的降噪图像进行图像增强,得到所述CT图像在多个尺度下的增强图像;
依据所述CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像。
根据本申请实施例的第二方面,提供一种图像重建装置,包括:
图像分解模块,用于对CT图像进行多尺度分解,得到所述CT图像在多个尺度下的分解图像;
图像降噪模块,用于分别对所述多个尺度下的分解图像进行降噪处理,得到所述CT图像在多个尺度下的降噪图像;
图像增强模块,用于分别对多个尺度下的降噪图像进行图像增强,得到所述CT图像在多个尺度下的增强图像;
图像融合模块,用于依据所述CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像。
根据本申请实施例的第三方面,提供一种终端设备,包括:内部总线,以及通过内部总线连接的存储器、处理器;其中,
所述存储器,用于存储图像重建方法的控制逻辑对应的机器可读指令;
所述处理器,用于读取所述存储器上的所述机器可读指令,并执行所述指令以实现如下操作:
对CT图像进行多尺度分解,得到所述CT图像在多个尺度下的分解图像;
分别对所述多个尺度下的分解图像进行降噪处理,得到所述CT图像在多个尺度下的降噪图像;
分别对所述多个尺度下的降噪图像进行图像增强,得到所述CT图像在多个尺度下的增强图像;
依据所述CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像。
应用本申请实施例,通过对CT图像进行多尺度分解,得到CT图像在多个尺度下的分解图像,之后分别对多个尺度下的分解图像进行降噪处理,得到CT图像在多个尺度下的降噪图像,再分别对多个尺度下的降噪图像进行图像增强,得到CT图像在多个尺度下的增强图像,依据CT图像在多个尺度下的增强图像确定CT图像的目标增强图像,由于是分别对CT图像在多个尺度下的分解图像进行处理,并且在对分解图像进行增强之前,先对分解图像进行了降噪处理,从而能够有效抑制后续图像增强处理所带来的图像噪声放大,进一步,在对图像进行增强处理时,图像边缘也会更容易识别和增强,因此,通过上述实施例不仅可以抑制图像噪声的放大,同时还可以有效地对图像对比度、图像中组织结构的边界等进行增强,提高图像的分辨率、信噪比等,从而优化图像质量,提升用户体验。
附图说明
图1为CT系统的架构示意图;
图2为本申请一示例性实施例提供的一种图像增强方法的实施例流程图;
图3为本申请一示例性实施例提供的步骤204的实现流程;
图4为本申请另一示例性实施例提供的一种图像增强方法的流程图;
图5为本申请一示例性实施例提供的一种图像增强装置的实施例框图;
图6为本申请终端设备的一个实施例示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为了便于理解本申请,首先对为实现本申请实施例提出的图像增强方法所应用的系统进行说明:
请参见图1,为CT系统的架构示意图。
如图1所示,CT系统100中包括CT设备110、终端设备120。其中,CT设备110可以包括射线源111、探测器112、机架113以及扫描床114。射线源111和探测器112相对设置在机架113内,扫描床114可以带动被检对象至机架113中进行扫描。
在扫描过程中,射线源111用于向位于扫描床114上的被检对象发射射线,探测器112上的探测单元(图1中未示出)则用于探测经被检对象衰减后的射线,并转换成脉冲信号,将脉冲信号传输给终端设备120。终端设备120则可以基于脉冲信号得到原始的CT图像(以下简称CT图像),并针对该CT图像执行本申请提供的图像增强方法。
下面通过具体的实施例对本申请提供的图像增强方法进行说明:
请参见图2,为本申请一示例性实施例提供的一种图像增强方法的实施例流程图。在一个例子中,图2所示流程可应用于图1所示例的终端设备120上。
如图2所示,该流程可包括以下步骤:
步骤201:对CT图像进行多尺度分解,得到CT图像在多个尺度下的分解图像。
在本申请实施例中,首先对CT图像进行多尺度分解,得到CT图像在多个尺度下的分解图像。
在一个例子中,可以在频域尺度上对CT图像进行多尺度分解,得到CT图像在多个频域尺度下的分解图像。例如可以将CT图像分解为高频部分和低频部分,其中,高频部分可以包含一幅高频图像,也可以包含多幅高频图像,应当理解的是,当高频部分包含多幅高频图像时,不同高频图像的频率分布范围不同;同理,低频部分可以包含一幅低频图像,也可以包含多幅低频图像,应当理解的是,当低频部分包含多幅低频图像时,不同低频图像的频率分布范围也不同。
在另一个例子中,还可以基于金字塔结构的多尺度表达形式在分辨率尺度上对CT图像进行多尺度分解,得到CT图像在多个尺度下的分解图像。可以理解的是,图像金字塔是一种以多分辨率来分解图像的有效且概念简单的结构,一幅CT图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像集合,且层级越高,图像分辨率越低。在应用中,可以逐级地进行下采样直至达到设定地终止条件时停止采样得到图像金字塔。应当理解的是,上述仅仅是对CT图像进行多尺度分解的举例性描述,在实际应用中,还可以通过其他技术手段对CT图像进行多尺度分解,本申请对此不做限制。
本领域技术人员还可以理解的是,通过对CT图像执行本步骤201的处理,可以使得在一种尺度下不容易发现或者获取的特征在另外的某种尺度下就比较容易发现或者是提取,从而便于后续应用。
步骤202:分别对多个尺度下的分解图像进行降噪处理,得到CT图像在多个尺度下的降噪图像。
在本申请实施例中,为了避免对图像直接进行图像增强处理而导致图像噪声放大,在本步骤202中,先分别对多个尺度下的分解图像进行降噪处理,得到CT图像在多个尺度下的降噪图像。另外,由于是对多个尺度下的分解图像分别进行降噪处理,而不同尺度下的分解图像中凸显的特征有所不同,例如,一个尺度下的分解图像主要包含原始图像的高频部分,而另一个尺度下的分解图像主要包含原始图像的低频部分,因此,对不同尺度下的分解图像进行降噪处理时,所采用的降噪因子也会有所不同,从而针对不同尺度下的分解图像都能够达到较好的降噪效果。
作为一个实施例,由上述描述可知,对CT图像进行图像增强的目的之一是使得CT图像中组织结构的边缘得到增强,因此,为了使得图像边缘更容易识别,在对分解图像进行降噪处理时,可以着重对分解图像中组织结构的内部进行平滑处理,而对分解图像中组织结构的边缘尽可能地不去平滑。
在一个例子中,由于全变分(Total Variation,简称TV)模型是一个依靠梯度下降流对图像进行平滑的模型,其可以实现对图像内部尽可能地进行平滑处理,使得相邻像素点的差值较小,而对图像边缘尽可能地不去平滑,这也就是说,应用TV模型对图像进行处理可以实现在保持图像边缘时对图像内部降低噪声,因此,在本步骤202中,可以采用TV模型对多个尺度下的分解图像分别进行降噪处理,通过该种处理,可以得到CT图像在多个尺度下的光滑且抑制伪影的降噪图像。
此外,还可以采用TV模型对多个尺度下的分解图像分别进行迭代降噪处理,以达到最佳的降噪效果。
步骤203:分别对多个尺度下的降噪图像进行图像增强,得到CT图像在多个尺度下的增强图像。
本步骤203中,可以分别对多个尺度下的降噪图像进行图像对比度增强(例如基于权重函数的灰度变换方法对降噪图像进行图像对比度增强)和边缘增强(例如基于分数阶微分方法对降噪图像进行图像对比度增强),得到CT图像在多个尺度下的增强图像。
在本申请实施例中,由于在对分解图像进行图像增强之前,先对分解图像进行了降噪处理,因此可以有效抑制图像增强处理所带来的噪声放大,进一步,在对图像进行增强处理时,图像边缘也会更容易识别和增强,因此,通过执行步骤202和步骤203,不仅可以抑制图像噪声的放大,同时还可以有效地对图像对比度、图像中组织结构的边界等进行增强,从而提高图像的分辨率和信噪比,达到优化图像质量的目的。
步骤204:依据CT图像在多个尺度下的增强图像确定CT图像的目标增强图像。
至于本步骤204中是如何依据CT图像在多个尺度下的增强图像确定CT图像的目标增强图像的,在下文中会有描述,这里先不详述。
至此,完成图2所示流程的相关描述。
由上述实施例可见,通过对CT图像进行多尺度分解,得到CT图像在多个尺度下的分解图像,之后分别对多个尺度下的分解图像进行降噪处理,得到CT图像在多个尺度下的降噪图像,再分别对多个尺度下的降噪图像进行图像增强,得到CT图像在多个尺度下的增强图像,依据CT图像在多个尺度下的增强图像确定CT图像的目标增强图像,由于是分别对CT图像在多个尺度下的分解图像进行处理,并且在对分解图像进行增强之前,先对分解图像进行了降噪处理,从而能够有效抑制后续图像增强处理所带来的图像噪声放大,进一步,在对图像进行增强处理时,图像边缘也会更容易识别和增强,因此,通过上述实施例不仅可以抑制图像噪声的放大,同时还可以有效地对图像对比度、图像中组织结构的边界等进行增强,提高图像的分辨率、信噪比等,从而优化图像质量,提升用户体验。
下面通过图3所示实施例对如何依据CT图像在多个尺度下的增强图像确定CT图像的目标增强图像进行说明:
请参见图3,为本申请一示例性实施例提供的一种步骤204的实现流程,包括以下步骤:
步骤301:针对多个尺度中的每一尺度,依据CT图像在该尺度下的分解图像和降噪图像确定CT图像在该尺度下的细节图像。
步骤302:依据CT图像在该尺度下的细节图像和增强图像,得到CT图像在该尺度下的细节增强图像。
步骤303:依据CT图像在多个尺度下的细节增强图像确定CT图像的目标增强图像。
以下对步骤301至步骤303进行统一说明:
在应用中,以采用TV模型对图像进行降噪处理为例,TV模型的作用就是保持图像的光滑性,与此同时其缺陷也就在于采用TV模型对图像进行降噪处理有可能使得图像过于光滑,从而导致图像细节丢失。
基于此,在本申请实施例中提出,首先对CT图像在每一尺度下的增强图像进行细节恢复,然后依据细节恢复之后的图像(以下称细节增强图像)确定CT图像的目标增强图像。
以下首先描述如何对CT图像在每一尺度下的增强图像进行细节恢复:
在本申请实施例中,可以通过如下公式对增强图像进行细节恢复:
ImgHighElement=ImgS-ImgTV
ImgEnhance=ImgHighElement+ImgTV-Enhance
在上述公式中,ImgS表示分解图像,ImgTV表示降噪图像,ImgHighElement表示细节图像,ImgTV-Enhance表示增强图像,ImgEnhance表示细节增强图像。
上述公式的物理意义是,首先将CT图像在一尺度下的分解图像和降噪图像作差,得到CT图像在该尺度下的细节图像。然后,将CT图像在该尺度下的细节图像和增强图像作和,得到CT图像在该尺度下的细节增强图像。
其次描述如何依据CT图像在多个尺度下的细节增强图像确定CT图像的目标增强图像:
作为一个实施例,可以对CT图像在多个尺度下的细节增强图像进行加权求和,得到CT图像的目标增强图像。具体的,针对CT图像在每一尺度下的细节增强图像,根据细节增强图像对应的权重因子,得到加权增强图像,然后将CT图像在多个尺度下的加权增强图像进行求和,得到CT图像的目标增强图像。
在一个例子中,可以通过技术手段,例如高斯函数、Sigmoid方程等确定上述权重因子。
在另一个例子中,也可以由相关人员根据实际经验直接对上述权重因子赋值。
作为一个实施例,还可以对CT图像在多个尺度下的细节增强图像进行全部恢复,即直接求和,得到CT图像的目标增强图像。
至此,完成图3所示流程的相关描述。
通过图3所示流程,实现了依据CT图像在多个尺度下的增强图像确定CT图像的目标增强图像,并且由于在确定目标增强图像之前,首先对各个尺度下的增强图像进行了细节恢复,从而使得最终确定出的目标增强图像能够保持原始CT图像的细节信息,提高目标增强图像的图像质量。
此外,作为一个实施例,在执行完上述步骤204之后,还可以进一步对目标增强图像进行降噪处理,以更好地消除图像噪声,优化图像质量。
为了便于理解本申请提出的完整技术方案,下面通过图4所示流程图对本申请做概括说明:
如图4所示,在本申请实施例中,首先对CT图像进行多尺度,得到CT图像在N(N为大于1的自然数)个尺度下的分解图像,然后采用TV模型分别对每个尺度下的分解图像进行降噪处理,下一步则对降噪处理后的图像进行图像增强处理,之后对图像增强处理后的图像进行细节恢复,得到每个尺度下的细节增强图像,最后,对CT图像在多个尺度下的细节增强图像进行加权融合,得到CT图像的目标增强图像,即最终的CT图像。
此外,按照上述描述,在得到CT图像的目标增强图像之后,还可以进一步对目标增强图像进行降噪处理(图4中未示出),以更好地消除图像噪声,优化图像质量。
与前述图像增强方法的实施例相对应,本申请还提供了图像增强装置的实施例。
请参见图5,为本申请一示例性实施例提供的一种图像增强装置的实施例框图,包括:图像分解模块51、图像降噪模块52、图像增强模块53,以及图像融合模块54。
其中,图像分解模块51,用于对CT图像进行多尺度分解,得到所述CT图像在多个尺度下的分解图像;
图像降噪模块52,用于分别对所述多个尺度下的分解图像进行降噪处理,得到所述CT图像在多个尺度下的降噪图像;
图像增强模块53,用于分别对多个尺度下的降噪图像进行图像增强,得到所述CT图像在多个尺度下的增强图像;
图像融合模块54,用于依据所述CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像。
在一实施例中,图像降噪模块52具体用于:
分别对多个尺度下的分解图像进行内部平滑处理。
在一实施例中,图像融合模块54包括(图5中未示出):
细节确定子模块,用于针对所述多个尺度中的每一尺度,依据所述CT图像在所述尺度下的分解图像和降噪图像确定所述CT图像在所述尺度下的细节图像;
细节增强子模块,用于依据所述CT图像在尺度下的细节图像和增强图像,得到所述CT图像在所述尺度下的细节增强图像;
融合子模块,用于依据所述CT图像在多个尺度下的细节增强图像确定所述CT图像的目标增强图像。
在一实施例中,融合子模块具体用于:
针对所述CT图像在每一尺度下的细节增强图像,根据所述细节增强图像对应的权重因子,得到加权增强图像;
将所述CT图像在多个尺度下的加权增强图像进行求和,得到所述CT图像的目标增强图像。
在一实施例中,图像降噪模块52还用于:
对所述目标增强图像进行降噪处理,得到降噪后的目标增强图像。
请参考图6,为本申请终端设备的一个实施例示意图,该终端设备可以包括:内部总线610,通过内部总线610连接的存储器620、处理器630。
其中,所述存储器620,可以用于存储图像重建方法的控制逻辑对应的机器可读指令;
所述处理器630,可以用于读取所述存储器上的所述机器可读指令,并执行所述指令以实现如下操作:对CT图像进行多尺度分解,得到所述CT图像在多个尺度下的分解图像;分别对所述多个尺度下的分解图像进行降噪处理,得到所述CT图像在多个尺度下的降噪图像;分别对所述多个尺度下的降噪图像进行图像增强,得到所述CT图像在多个尺度下的增强图像;依据所述CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以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申请方案的目的。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。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (11)
1.一种图像增强方法,其特征在于,所述方法包括:
对CT图像进行多尺度分解,得到所述CT图像在多个尺度下的分解图像;
分别对所述多个尺度下的分解图像进行降噪处理,得到所述CT图像在多个尺度下的降噪图像;
分别对所述多个尺度下的降噪图像进行图像增强,得到所述CT图像在多个尺度下的增强图像;
依据所述CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像。
2.根据权利要求1所述的方法,其特征在于,所述分别对多个尺度下的分解图像进行降噪处理,包括:
分别对多个尺度下的分解图像进行内部平滑处理。
3.根据权利要求1所述的方法,其特征在于,所述依据CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像,包括:
针对所述多个尺度中的每一尺度,依据所述CT图像在所述尺度下的分解图像和降噪图像确定所述CT图像在所述尺度下的细节图像;
依据所述CT图像在尺度下的细节图像和增强图像,得到所述CT图像在所述尺度下的细节增强图像;
依据所述CT图像在多个尺度下的细节增强图像确定所述CT图像的目标增强图像。
4.根据权利要求3所述的方法,其特征在于,所述依据CT图像在多个尺度下的细节增强图像确定所述CT图像的目标增强图像,包括:
针对所述CT图像在每一尺度下的细节增强图像,根据所述细节增强图像对应的权重因子,得到加权增强图像;
将所述CT图像在多个尺度下的加权增强图像进行求和,得到所述CT图像的目标增强图像。
5.根据权利要求1~4任一所述的方法,其特征在于,所述方法还包括:
对所述目标增强图像进行降噪处理,得到降噪后的目标增强图像。
6.一种图像增强装置,其特征在于,所述装置包括:
图像分解模块,用于对CT图像进行多尺度分解,得到所述CT图像在多个尺度下的分解图像;
图像降噪模块,用于分别对所述多个尺度下的分解图像进行降噪处理,得到所述CT图像在多个尺度下的降噪图像;
图像增强模块,用于分别对多个尺度下的降噪图像进行图像增强,得到所述CT图像在多个尺度下的增强图像;
图像融合模块,用于依据所述CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像。
7.根据权利要求6所述的装置,其特征在于,所述图像降噪模块具体用于:
分别对多个尺度下的分解图像进行内部平滑处理。
8.根据权利要求6所述的装置,其特征在于,所述图像融合模块包括:
细节确定子模块,用于针对所述多个尺度中的每一尺度,依据所述CT图像在所述尺度下的分解图像和降噪图像确定所述CT图像在所述尺度下的细节图像;
细节增强子模块,用于依据所述CT图像在尺度下的细节图像和增强图像,得到所述CT图像在所述尺度下的细节增强图像;
融合子模块,用于依据所述CT图像在多个尺度下的细节增强图像确定所述CT图像的目标增强图像。
9.根据权利要求8所述的装置,其特征在于,所述融合子模块具体用于:
针对所述CT图像在每一尺度下的细节增强图像,根据所述细节增强图像对应的权重因子,得到加权增强图像;
将所述CT图像在多个尺度下的加权增强图像进行求和,得到所述CT图像的目标增强图像。
10.根据权利要求6~9任一所述的装置,其特征在于,所述图像降噪模块还用于:
对所述目标增强图像进行降噪处理,得到降噪后的目标增强图像。
11.一种终端设备,其特征在于,包括:内部总线,以及通过内部总线连接的存储器、处理器;其中,
所述存储器,用于存储扫描部位的确定方法的控制逻辑对应的机器可读指令;
所述处理器,用于读取所述存储器上的所述机器可读指令,并执行所述指令以实现如下操作:
对CT图像进行多尺度分解,得到所述CT图像在多个尺度下的分解图像;
分别对所述多个尺度下的分解图像进行降噪处理,得到所述CT图像在多个尺度下的降噪图像;
分别对所述多个尺度下的降噪图像进行图像增强,得到所述CT图像在多个尺度下的增强图像;
依据所述CT图像在多个尺度下的增强图像确定所述CT图像的目标增强图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010301391.6A CN111489314A (zh) | 2020-04-16 | 2020-04-16 | 图像增强方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010301391.6A CN111489314A (zh) | 2020-04-16 | 2020-04-16 | 图像增强方法、装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111489314A true CN111489314A (zh) | 2020-08-04 |
Family
ID=71791730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010301391.6A Pending CN111489314A (zh) | 2020-04-16 | 2020-04-16 | 图像增强方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111489314A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113208710A (zh) * | 2021-07-08 | 2021-08-06 | 深圳华声医疗技术股份有限公司 | 穿刺针显影增强方法、装置、超声设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080137925A1 (en) * | 2006-12-11 | 2008-06-12 | Agfa Healthcare Nv | Method of Generating Multiscale Contrast Enhanced Image |
CN105741241A (zh) * | 2016-01-27 | 2016-07-06 | 中南民族大学 | 基于合成增强图像的肿瘤区域图像增强方法及系统 |
CN106157275A (zh) * | 2015-04-21 | 2016-11-23 | 杭州与盟医疗技术有限公司 | 基于热扩散方程的多尺度ct图像去噪算法 |
CN106296624A (zh) * | 2015-06-11 | 2017-01-04 | 联想(北京)有限公司 | 一种图像融合方法及装置 |
-
2020
- 2020-04-16 CN CN202010301391.6A patent/CN111489314A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080137925A1 (en) * | 2006-12-11 | 2008-06-12 | Agfa Healthcare Nv | Method of Generating Multiscale Contrast Enhanced Image |
CN106157275A (zh) * | 2015-04-21 | 2016-11-23 | 杭州与盟医疗技术有限公司 | 基于热扩散方程的多尺度ct图像去噪算法 |
CN106296624A (zh) * | 2015-06-11 | 2017-01-04 | 联想(北京)有限公司 | 一种图像融合方法及装置 |
CN105741241A (zh) * | 2016-01-27 | 2016-07-06 | 中南民族大学 | 基于合成增强图像的肿瘤区域图像增强方法及系统 |
Non-Patent Citations (4)
Title |
---|
刘煜 等: "《阵列相机成像技术与应用》", 30 April 2018 * |
唐峰 等 * |
方志军等: "基于子带加权融合的多尺度Retinex图像增强算法", 《山东大学学报(理学版)》 * |
王蕾等: "基于小波分层的多方向医学CT图像增强算法", 《计算机工程与设计》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113208710A (zh) * | 2021-07-08 | 2021-08-06 | 深圳华声医疗技术股份有限公司 | 穿刺针显影增强方法、装置、超声设备及存储介质 |
CN113208710B (zh) * | 2021-07-08 | 2021-08-31 | 深圳华声医疗技术股份有限公司 | 穿刺针显影增强方法、装置、超声设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9002134B2 (en) | Multi-scale image normalization and enhancement | |
JP6416582B2 (ja) | 医用画像における金属アーチファクト除去のための方法および装置 | |
JP3995854B2 (ja) | 画像処理方法および装置並びに記録媒体 | |
EP3224800B1 (en) | Simulating dose increase by noise model based multi scale noise reduction | |
KR101493375B1 (ko) | 화상처리장치, 화상처리방법, 및 컴퓨터 판독가능한 기억매체 | |
JP2012513816A (ja) | 医療画像のノイズ除去 | |
CN106530236B (zh) | 一种医学图像处理方法及系统 | |
JP6071444B2 (ja) | 画像処理装置及びその作動方法、プログラム | |
WO2014050045A1 (ja) | 体動検出装置および方法 | |
WO2022051775A1 (en) | Method for x-ray dental image enhancement | |
CN108038840B (zh) | 一种图像处理方法、装置、图像处理设备及存储介质 | |
CN111353958A (zh) | 图像处理方法、装置及系统 | |
CN110163825B (zh) | 一种人类胚胎心脏超声图像去噪和增强方法 | |
Pham | Supervised restoration of degraded medical images using multiple-point geostatistics | |
CN111489314A (zh) | 图像增强方法、装置及终端设备 | |
US11308660B2 (en) | Motion compensated cardiac valve reconstruction | |
CN116109618A (zh) | 血管成像方法、装置、电子设备和介质 | |
Sindhu et al. | A novel histogram equalization based adaptive center weighted median filter for de-noising positron emission tomography (PET) scan images | |
JP4127537B2 (ja) | 画像処理方法および装置並びにプログラム | |
CN111091514B (zh) | 一种口腔cbct图像去噪方法及系统 | |
JP4607476B2 (ja) | 放射線画像診断装置および放射線画像診断装置のデータ処理方法 | |
JP2005021456A (ja) | 放射線画像用画像処理装置、方法およびプログラム | |
CN115578285B (zh) | 一种乳腺钼靶图像细节增强方法及系统 | |
Joshi et al. | Combining Diffusion Filter Algorithms with Super—Resolution for Abnormality Detection in Medical Images | |
Radhika et al. | An adaptive optimum weighted mean filter and bilateral filter for noise removal in cardiac MRI images |
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 |