CN111640074A - 一种x射线图像增强方法 - Google Patents
一种x射线图像增强方法 Download PDFInfo
- Publication number
- CN111640074A CN111640074A CN202010418331.2A CN202010418331A CN111640074A CN 111640074 A CN111640074 A CN 111640074A CN 202010418331 A CN202010418331 A CN 202010418331A CN 111640074 A CN111640074 A CN 111640074A
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- module
- enhancement
- detail
- 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
- 238000012545 processing Methods 0.000 claims abstract description 21
- 235000002566 Capsicum Nutrition 0.000 claims abstract description 5
- 239000006002 Pepper Substances 0.000 claims abstract description 5
- 235000016761 Piper aduncum Nutrition 0.000 claims abstract description 5
- 235000017804 Piper guineense Nutrition 0.000 claims abstract description 5
- 235000008184 Piper nigrum Nutrition 0.000 claims abstract description 5
- 150000003839 salts Chemical class 0.000 claims abstract description 5
- 244000203593 Piper nigrum Species 0.000 claims abstract 2
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000005538 encapsulation Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 9
- 238000012805 post-processing Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 241000722363 Piper Species 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像后处理技术领域，尤其涉及一种X射线图像增强方法，在突出细节模块，选择拉普拉斯算子的自适应锐化方式，有效地实现了图像细节增强；在增强对比度模块，选择有约束的局部直方图均衡化方法，依据不同区域的灰度分布差别大来限制噪声并控制对比度的过增强；在去除噪声模块，选择高斯滤波器和中值滤波器联合方式，有效去除图像中的随机噪声及椒盐噪声。本发明的有益效果是：针对X射线实际应用中的图像缺陷特征，将突出细节模块、增强对比度模块和去除噪声模块互补结合进行图像增强；突出细节及局部处理，增强对比度时，可以更好的突出细节局部优化；针对实际使用缺陷特征改善，具有较高实用性。
Description
技术领域
本发明涉及图像后处理技术领域，尤其涉及一种X射线图像增强方法。
背景技术
X射线成像广泛应用于医学病灶检查，工业无损检测，但X射线图像通常存在着对比度较小、边缘不够清晰、噪声较大等缺陷，通过图像后处理方式抑制缺陷并改善图像质量是一种有效手段，经典的图像增强方法大体基于空域和频域两种方式，针对X射线实际应用中图像缺陷，单独使用某一种图像增强方法效果不是很理想。
中国专利公开号为CN106570836A，发明创造名称为一种辐射图像局部增强方法，该发明提供了一种辐射图像局部增强的方法，方法着重将图像归一化后划分为为亮，暗区域，根据不同区域分别进行图像增强作用，将高斯滤波器与拉普拉斯锐化滤波器相结合，在消除噪声的同时增强边缘对比度，但X射线图像通常还存在着对比度较小、边缘不够清晰、噪声较大等缺陷。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种 X射线图像增强方法。
为了实现上述目的，本发明采用了如下技术方案：
一种X射线图像增强方法，方法步骤如下：
步骤一：对原始图像进行预处理；
步骤二：突出细节模块对图像进行技术处理；
步骤三：增强对比度模块对图像进行技术处理；
步骤四：去除噪声模块对图像进行技术处理；
步骤五：得到图像质量提高后的X射线图像。
优选的，所述步骤二中，突出细节模块对图像进行技术处理，步骤二的具体实施如下：
突出细节模块是基于拉普拉斯算子的自适应锐化方法；
进一步的，突出细节模块使用拉普拉斯算子与原图像矩阵f(i,j) 卷积，提取出高频成分M(i,j),并将提取出的高频部分加以自适应放大，叠加到原始图像上突出变化，公式如下：
g(i,j)＝f(i,j)+λ×M(i,j)
其中，M为拉普拉斯高频分量，λ是自适应高频调节因子；
其中，在图像平坦区域高频分量小，图像线性变换，调节高频因子λ的自适应性表现在，在图像变化显著区域取较小的λ，而在细节结构较弱处取较大的λ，以此增强图像的细节表现能力。
优选的，所述步骤三中，增强对比度模块对图像进行技术处理，步骤三的具体实施如下：
增强对比度模块选择有约束的局部直方图均衡化方法；
进一步的，这种有约束的局部直方图矩形窗内的直方图和矩形窗外的直方图两部分构成,不仅考虑对局部直方图进行均衡化处理，还细化周围环境对相关区域的影响；
依据不同区域的灰度分布差别大来限制噪声并控制对比度的过增强；
其中，MATLAB中有封装函数可直接实现。
优选的，所述步骤四中，增强对比度模块对图像进行技术处理，步骤三的具体实施如下：
去除噪声模块选择高斯滤波器和中值滤波器联合方式；
经过增强对比度模块的图像与高斯滤波器卷积平滑图像，可以有效去除白噪声；
其中，可根据实际需要来选择合适的高斯函数的标准差可以控制平滑的程度，下一步直接与中值滤波器卷积平滑图像，适用于消除孤立点噪声、脉冲噪声和图像扫描噪声，可以有效去除椒盐噪声。
本发明的有益效果是：
1、针对X射线实际应用中的图像缺陷特征，将突出细节模块、增强对比度模块和去除噪声模块互补结合进行图像增强；
2、突出细节及局部处理，增强对比度时，可以更好的突出细节局部优化；
3、针对实际使用缺陷特征改善，具有较高实用性。
附图说明
图1为本发明提出的一种X射线图像增强方法的图像增强方法模块流程图；
图2为本发明提出的一种X射线图像增强方法的图像增强方法算法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1-2，一种X射线图像增强方法，方法步骤如下：
步骤一：对原始图像进行预处理；
步骤二：突出细节模块对图像进行技术处理；
步骤三：增强对比度模块对图像进行技术处理；
步骤四：去除噪声模块对图像进行技术处理；
步骤五：得到图像质量提高后的X射线图像；
所述步骤一中，首先分析X射线无损检测实际应用过程中图像质量可能存在边缘较模糊，对比度较差，噪声较大等缺陷；
其中，突出细节模块选择拉普拉斯算子的自适应锐化方式，可以有效地实现了图像细节增强；
其中，增强对比度模块选择有约束的局部直方图均衡化方法，依据不同区域的灰度分布差别大来限制噪声并控制对比度的过增强；
其中，去除噪声模块选择高斯滤波器和中值滤波器联合方式，可以有效去除图像中的随机噪声及椒盐噪声；
所述步骤二中，突出细节模块对图像进行技术处理，步骤二的具体实施如下：
突出细节模块是基于拉普拉斯算子的自适应锐化方法；
进一步的，突出细节模块使用拉普拉斯算子与原图像矩阵f(i,j) 卷积，提取出高频成分M(i,j),并将提取出的高频部分加以自适应放大，叠加到原始图像上突出变化，公式如下：
g(i,j)＝f(i,j)+λ×M(i,j)
其中，M为拉普拉斯高频分量，λ是自适应高频调节因子；
其中，在图像平坦区域高频分量小，图像线性变换，调节高频因子λ的自适应性表现在，在图像变化显著区域取较小的λ，而在细节结构较弱处取较大的λ，以此增强图像的细节表现能力；
所述步骤三中，增强对比度模块对图像进行技术处理，步骤三的具体实施如下：
增强对比度模块选择有约束的局部直方图均衡化方法；
进一步的，这种有约束的局部直方图矩形窗内的直方图和矩形窗外的直方图两部分构成,不仅考虑对局部直方图进行均衡化处理，还细化周围环境对相关区域的影响；
依据不同区域的灰度分布差别大来限制噪声并控制对比度的过增强；
其中，MATLAB中有封装函数可直接实现；
所述步骤四中，增强对比度模块对图像进行技术处理，步骤三的具体实施如下：
去除噪声模块选择高斯滤波器和中值滤波器联合方式；
经过增强对比度模块的图像与高斯滤波器卷积平滑图像，可以有效去除白噪声；
其中，可根据实际需要来选择合适的高斯函数的标准差可以控制平滑的程度，下一步直接与中值滤波器卷积平滑图像，适用于消除孤立点噪声、脉冲噪声和图像扫描噪声，可以有效去除椒盐噪声；
进一步的，本发明提供的一种X射线图像增强方法，可以将突出细节模块、增强对比度模块和去除噪声模块互补结合进行图像增强，有效改善图片质量，提高检测判断的准确性，具有较高的实用性，本方法尤其在突出细节，增强对比度，去除噪声方面操作增强。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种X射线图像增强方法，其特征在于，方法步骤如下：
步骤一：对原始图像进行预处理；
步骤二：突出细节模块对图像进行技术处理；
步骤三：增强对比度模块对图像进行技术处理；
步骤四：去除噪声模块对图像进行技术处理；
步骤五：得到图像质量提高后的X射线图像。
2.根据权利要求1所述的一种X射线图像增强方法，其特征在于，所述步骤二中，突出细节模块对图像进行技术处理，步骤二的具体实施如下：
突出细节模块是基于拉普拉斯算子的自适应锐化方法；
进一步的，突出细节模块使用拉普拉斯算子与原图像矩阵f(i,j)卷积，提取出高频成分M(i,j),并将提取出的高频部分加以自适应放大，叠加到原始图像上突出变化，公式如下：
g(i,j)＝f(i,j)+λ×M(i,j)
其中，M为拉普拉斯高频分量，λ是自适应高频调节因子；
其中，在图像平坦区域高频分量小，图像线性变换，调节高频因子λ的自适应性表现在，在图像变化显著区域取较小的λ，而在细节结构较弱处取较大的λ，以此增强图像的细节表现能力。
3.根据权利要求1所述的一种X射线图像增强方法，其特征在于，所述步骤三中，增强对比度模块对图像进行技术处理，步骤三的具体实施如下：
增强对比度模块选择有约束的局部直方图均衡化方法；
进一步的，这种有约束的局部直方图矩形窗内的直方图和矩形窗外的直方图两部分构成,不仅考虑对局部直方图进行均衡化处理，还细化周围环境对相关区域的影响；
依据不同区域的灰度分布差别大来限制噪声并控制对比度的过增强；
其中，MATLAB中有封装函数可直接实现。
4.根据权利要求1所述的一种X射线图像增强方法，其特征在于，所述步骤四中，增强对比度模块对图像进行技术处理，步骤三的具体实施如下：
去除噪声模块选择高斯滤波器和中值滤波器联合方式；
经过增强对比度模块的图像与高斯滤波器卷积平滑图像，可以有效去除白噪声；
其中，可根据实际需要来选择合适的高斯函数的标准差可以控制平滑的程度，下一步直接与中值滤波器卷积平滑图像，适用于消除孤立点噪声、脉冲噪声和图像扫描噪声，可以有效去除椒盐噪声。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010418331.2A CN111640074A (zh) | 2020-05-18 | 2020-05-18 | 一种x射线图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010418331.2A CN111640074A (zh) | 2020-05-18 | 2020-05-18 | 一种x射线图像增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111640074A true CN111640074A (zh) | 2020-09-08 |
Family
ID=72328616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010418331.2A Pending CN111640074A (zh) | 2020-05-18 | 2020-05-18 | 一种x射线图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111640074A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488940A (zh) * | 2020-11-30 | 2021-03-12 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路机车部件图像边缘增强方法 |
| CN112974345A (zh) * | 2021-01-22 | 2021-06-18 | 南京迪沃航空技术有限公司 | 一种飞机发动机叶片用清洁系统及其清洁方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231747A (zh) * | 2007-01-22 | 2008-07-30 | 清华大学 | 一种x射线图像边缘和对比度综合增强方法 |
| US20100142790A1 (en) * | 2008-12-04 | 2010-06-10 | New Medical Co., Ltd. | Image processing method capable of enhancing contrast and reducing noise of digital image and image processing device using same |
| CN102521836A (zh) * | 2011-12-15 | 2012-06-27 | 江苏大学 | 一种基于特定类灰度图像的边缘检测方法 |
| CN106570836A (zh) * | 2016-11-03 | 2017-04-19 | 北京航星机器制造有限公司 | 一种辐射图像局部增强方法 |
| CN106846276A (zh) * | 2017-02-06 | 2017-06-13 | 上海兴芯微电子科技有限公司 | 一种图像增强方法及装置 |
-
2020
- 2020-05-18 CN CN202010418331.2A patent/CN111640074A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231747A (zh) * | 2007-01-22 | 2008-07-30 | 清华大学 | 一种x射线图像边缘和对比度综合增强方法 |
| US20100142790A1 (en) * | 2008-12-04 | 2010-06-10 | New Medical Co., Ltd. | Image processing method capable of enhancing contrast and reducing noise of digital image and image processing device using same |
| CN102521836A (zh) * | 2011-12-15 | 2012-06-27 | 江苏大学 | 一种基于特定类灰度图像的边缘检测方法 |
| CN106570836A (zh) * | 2016-11-03 | 2017-04-19 | 北京航星机器制造有限公司 | 一种辐射图像局部增强方法 |
| CN106846276A (zh) * | 2017-02-06 | 2017-06-13 | 上海兴芯微电子科技有限公司 | 一种图像增强方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 凡遵林，管乃洋，王之元，苏龙飞: "红外图像质量的提升技术综述" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488940A (zh) * | 2020-11-30 | 2021-03-12 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路机车部件图像边缘增强方法 |
| CN112974345A (zh) * | 2021-01-22 | 2021-06-18 | 南京迪沃航空技术有限公司 | 一种飞机发动机叶片用清洁系统及其清洁方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pertuz et al. | Generation of all-in-focus images by noise-robust selective fusion of limited depth-of-field images | |
| CN100562067C (zh) | 带有去噪功能的实时数字图像处理增强方法 | |
| CN109003233B (zh) | 一种基于自适应权重全变分模型的图像去噪方法 | |
| CN109377450B (zh) | 一种边缘保护的去噪方法 | |
| CN108470343A (zh) | 一种改进的图像边缘检测方法 | |
| CN111640074A (zh) | 一种x射线图像增强方法 | |
| CN107292834B (zh) | 红外图像细节增强方法 | |
| CN109829858B (zh) | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 | |
| CN112330613B (zh) | 一种细胞病理数字图像质量的评价方法及系统 | |
| CN116468641A (zh) | 一种红外血管图像增强处理方法 | |
| CN107170002B (zh) | 一种图像自动对焦方法和设备 | |
| CN109035228B (zh) | 一种非等厚构件的x射线图像处理方法 | |
| 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 | |
| Cheon et al. | A modified steering kernel filter for AWGN removal based on kernel similarity | |
| Qiegen et al. | Adaptive image decomposition by improved bilateral filter | |
| CN116579953A (zh) | 自监督的水面图像增强方法及相关设备 | |
| CN111260588A (zh) | 一种高清数字cmos成像组件图像增强方法 | |
| KR102599498B1 (ko) | 초점 영역 특징점 추출을 이용한 현미경 영상 융합 방법 | |
| Zhang et al. | A LCD screen Mura defect detection method based on machine vision | |
| CN113610734B (zh) | 基于导向滤波的图像边缘处理方法及应用 | |
| JPWO2002045021A1 (ja) | エントロピーフィルタ及び該フィルタを用いた領域抽出法 | |
| CN113269681B (zh) | 一种基于多算法融合的水下实时图像增强方法 | |
| GUAN et al. | A dual-tree complex wavelet transform-based model for low-illumination image enhancement | |
| Zhu et al. | Experimental study on image filtering algorithm | |
| Ben Gharsallah et al. | Computer aided manufacturing method for surface silicon steel inspection based on an efficient anisotropic diffusion algorithm |
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 |