CN111640160A - 一种ct图像预处理方法 - Google Patents
一种ct图像预处理方法 Download PDFInfo
- Publication number
- CN111640160A CN111640160A CN202010418606.2A CN202010418606A CN111640160A CN 111640160 A CN111640160 A CN 111640160A CN 202010418606 A CN202010418606 A CN 202010418606A CN 111640160 A CN111640160 A CN 111640160A
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- air
- scanning
- frequency component
- 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
- 238000007781 pre-processing Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 239000006002 Pepper Substances 0.000 claims abstract description 11
- 235000002566 Capsicum Nutrition 0.000 claims abstract description 8
- 235000016761 Piper aduncum Nutrition 0.000 claims abstract description 8
- 235000017804 Piper guineense Nutrition 0.000 claims abstract description 8
- 235000008184 Piper nigrum Nutrition 0.000 claims abstract description 8
- 150000003839 salts Chemical class 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 17
- 238000011410 subtraction method Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 8
- 241000722363 Piper Species 0.000 claims description 7
- 201000004569 Blindness Diseases 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 244000203593 Piper nigrum Species 0.000 abstract 1
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像预处理技术领域,尤其涉及一种CT图像预处理方法,基于工件CT图像矩阵与空气图像矩阵相减,一定程度上去除伪影及随机噪声,其次基于小波变换对CT图像噪声的类型进行识别并选择适合的滤波器针对性处理噪声。本发明的有益效果是:针对性去除CT图像中的随机噪声、高斯噪声和椒盐噪声,从而减少去噪中的盲目性;基于空气扫描相减法去噪的同时能一定程度上校正伪影;方法适用性强,当系统参数配置改变,重复方法步骤获得参数。
Description
技术领域
本发明涉及图像预处理技术领域,尤其涉及一种CT图像预处理方法。
背景技术
CT技术广泛有效地应用于医学诊断和工业无损检测等领域。但CT图像中噪声,伪影的存在降低了CT图像的质量,进而影响基于图像的无损检测及模式识别的可靠性和有效性,因此对图像进行适当的预处理以减少噪声,伪影的影响是重要的一步。
在现有技术中,对于CT图像伪影的去除方法主要有投影正弦图校正法和CT图像校正法两类,这两类方法有较好的伪影抑制效果,但一般都涉及若干参数或阈值的选择,且在CT系统参数改变情况下需重新匹配参数及阈值。
对于CT图像的噪声预处理,如果直接盲目地对CT图像噪声进行处理往往达不到去噪效果,可能还会模糊图像细节、边缘。
中国专利公开号为CN102800073A,发明创造名称为一种锥束CT环形伪影的自动判别与校正方法,该发明提供了一种锥束CT环形伪影的自动判别与校正方法,重建所有切片层的空气图像并判定存在环形伪影的空气切片图像层号,将该层的被测物体切片图像与该层的空气切片图像对应像素灰度相减,完成环形伪影校正;而本发明首先基于工件CT图像矩阵与空气图像矩阵相减,一定程度上去除伪影及随机噪声,更着重于基于小波变换对CT图像噪声的类型进行识别并选择适合的滤波器针对性处理噪声,方法具有针对性减少去噪中的盲目性。
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CT图像预处理方法。
为了实现上述目的,本发明采用了如下技术方案:
一种CT图像预处理方法,方法步骤如下:
首先基于工件CT图像矩阵与空气图像矩阵相减,一定程度上去除伪影及随机噪声,其次基于小波变换对CT图像噪声的类型进行识别并选择适合的滤波器针对性处理噪声;
步骤一,对CT系统配置合适的参数,对模板进行扫描获得CT图像;
步骤二,在CT系统同一参数配置下,扫描空气并重建成像;
步骤三,在CT系统同一参数配置下,对工件进行切片扫描并重建成像;
步骤四,基于空气扫描相减法,且空气扫描相减法不涉及参数配置;
步骤五,基于滤波法去噪,提取对角线高频成分直方图信噪比S1,并与参数S_para比较,滤波大于则选用中值滤波器去除椒盐噪声;反之则选用高斯滤波器去除高斯噪声。
优选的,所述步骤一中,对CT系统配置合适的参数,对模板进行扫描获得CT图像,步骤一的具体实施如下:
在matlab中对CT图像分别加入方差不同的零均值高斯噪声和密度不同的椒盐噪声;
基于小波变换,提取对角线高频成分直方图信噪比的均值参数S_para;
基于小波变换,提取CT图像高频子带系数的能量分布;
采用db4小波分析CT图像,会生成一个低频,三个方向(水平,垂直,对角线)的高频成分,取对角线方向的高频成分,计算其直方图信噪比,高频成分直方图信噪比可表示为:
其中,F(i,j)为高频系数矩阵;
其中,n为总的高频系数个数;
fk是F(i,j)的分布率。
优选的,所述步骤二中,在CT系统同一参数配置下,扫描空气并重建成像,从而获得空气图像矩阵dicom0。
优选的,所述步骤三中,在CT系统同一参数配置下,对工件进行切片扫描并重建成像,从而获得工件CT图像矩阵dicom_i。
优选的,所述步骤四中,基于空气扫描相减法,即工件CT图像矩阵dicom_i与空气图像矩阵dicom0相减,获得去噪图像dicom_i_1,且空气扫描相减法不涉及参数配置。
优选的,所述步骤五中,基于滤波法去噪,即对去噪图像dicom_i_1小波变换,提取对角线高频成分直方图信噪比S1,并与参数S_para比较,滤波值大于则选用中值滤波器去除椒盐噪声,反之则选用高斯滤波器去除高斯噪声;从而获得去噪图像dicom_i_2。
本发明的有益效果是:
1、针对性去除CT图像中的随机噪声、高斯噪声和椒盐噪声,从而减少去噪中的盲目性;
2、基于空气扫描相减法去噪的同时能一定程度上校正伪影;
3、方法适用性强,当系统参数配置改变,重复方法步骤获得参数。
附图说明
图1为本发明提出的一种CT图像预处理方法的方法流程图。
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1,一种CT图像预处理方法,方法步骤如下:
首先基于工件CT图像矩阵与空气图像矩阵相减,一定程度上去除伪影及随机噪声,其次基于小波变换对CT图像噪声的类型进行识别并选择适合的滤波器针对性处理噪声;
步骤一,对CT系统配置合适的参数,对模板进行扫描获得CT图像;
步骤二,在CT系统同一参数配置下,扫描空气并重建成像;
步骤三,在CT系统同一参数配置下,对工件进行切片扫描并重建成像;
步骤四,基于空气扫描相减法,且空气扫描相减法不涉及参数配置;
步骤五,基于滤波法去噪,提取对角线高频成分直方图信噪比S1,并与参数S_para比较,滤波大于则选用中值滤波器去除椒盐噪声;反之则选用高斯滤波器去除高斯噪声。
所述步骤一中,对CT系统配置合适的参数,对模板进行扫描获得CT图像,步骤一的具体实施如下:
在matlab中对CT图像分别加入方差不同的零均值高斯噪声和密度不同的椒盐噪声;
基于小波变换,提取对角线高频成分直方图信噪比的均值参数S_para;
基于小波变换,提取CT图像高频子带系数的能量分布;
采用db4小波分析CT图像,会生成一个低频,三个方向(水平,垂直,对角线)的高频成分,取对角线方向的高频成分,计算其直方图信噪比,高频成分直方图信噪比可表示为:
其中,F(i,j)为高频系数矩阵;
其中,n为总的高频系数个数;
fk是F(i,j)的分布率。
所述步骤二中,在CT系统同一参数配置下,扫描空气并重建成像,从而获得空气图像矩阵dicom0;
所述步骤三中,在CT系统同一参数配置下,对工件进行切片扫描并重建成像,从而获得工件CT图像矩阵dicom_i;
所述步骤四中,基于空气扫描相减法,即工件CT图像矩阵dicom_i与空气图像矩阵dicom0相减,获得去噪图像dicom_i_1,且空气扫描相减法不涉及参数配置;
所述步骤五中,基于滤波法去噪,即对去噪图像dicom_i_1小波变换,提取对角线高频成分直方图信噪比S1,并与参数S_para比较,滤波值大于则选用中值滤波器去除椒盐噪声,反之则选用高斯滤波器去除高斯噪声;从而获得去噪图像dicom_i_2。
进一步的,本发明提供的一种CT图像预处理方法,首先基于工件CT图像矩阵与空气图像矩阵相减,一定程度上去除伪影及随机噪声,方法简单有效;其次基于小波变换对CT图像噪声的类型进行识别并选择适合的滤波器针对性处理噪声,方法具有针对性减少去噪中的盲目性。
本发明方法可以有效提高CT图像质量,为后续进一步的无损检测提供良好的基础,具有一定的实用价值。
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 (6)
1.一种CT图像预处理方法,其特征在于,方法步骤如下:
首先基于工件CT图像矩阵与空气图像矩阵相减,一定程度上去除伪影及随机噪声,其次基于小波变换对CT图像噪声的类型进行识别并选择适合的滤波器针对性处理噪声;
步骤一,对CT系统配置合适的参数,对模板进行扫描获得CT图像;
步骤二,在CT系统同一参数配置下,扫描空气并重建成像;
步骤三,在CT系统同一参数配置下,对工件进行切片扫描并重建成像;
步骤四,基于空气扫描相减法,且空气扫描相减法不涉及参数配置;
步骤五,基于滤波法去噪,提取对角线高频成分直方图信噪比S1,并与参数S_para比较,滤波大于则选用中值滤波器去除椒盐噪声;反之则选用高斯滤波器去除高斯噪声。
2.根据权利要求1所述的一种CT图像预处理方法,其特征在于,所述步骤一中,对CT系统配置合适的参数,对模板进行扫描获得CT图像,步骤一的具体实施如下:
在matlab中对CT图像分别加入方差不同的零均值高斯噪声和密度不同的椒盐噪声;
基于小波变换,提取对角线高频成分直方图信噪比的均值参数S_para;
基于小波变换,提取CT图像高频子带系数的能量分布;
采用db4小波分析CT图像,会生成一个低频,三个方向(水平,垂直,对角线)的高频成分,取对角线方向的高频成分,计算其直方图信噪比,高频成分直方图信噪比可表示为:
其中,F(i,j)为高频系数矩阵;
其中,n为总的高频系数个数;
fk是F(i,j)的分布率。
3.根据权利要求1所述的一种CT图像预处理方法,其特征在于,所述步骤二中,在CT系统同一参数配置下,扫描空气并重建成像,从而获得空气图像矩阵dicom0。
4.根据权利要求1所述的一种CT图像预处理方法,其特征在于,所述步骤三中,在CT系统同一参数配置下,对工件进行切片扫描并重建成像,从而获得工件CT图像矩阵dicom_i。
5.根据权利要求1所述的一种CT图像预处理方法,其特征在于,所述步骤四中,基于空气扫描相减法,即工件CT图像矩阵dicom_i与空气图像矩阵dicom0相减,获得去噪图像dicom_i_1,且空气扫描相减法不涉及参数配置。
6.根据权利要求1所述的一种CT图像预处理方法,其特征在于,所述步骤五中,基于滤波法去噪,即对去噪图像dicom_i_1小波变换,提取对角线高频成分直方图信噪比S1,并与参数S_para比较,滤波值大于则选用中值滤波器去除椒盐噪声,反之则选用高斯滤波器去除高斯噪声;从而获得去噪图像dicom_i_2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010418606.2A CN111640160A (zh) | 2020-05-18 | 2020-05-18 | 一种ct图像预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010418606.2A CN111640160A (zh) | 2020-05-18 | 2020-05-18 | 一种ct图像预处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111640160A true CN111640160A (zh) | 2020-09-08 |
Family
ID=72332863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010418606.2A Pending CN111640160A (zh) | 2020-05-18 | 2020-05-18 | 一种ct图像预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111640160A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822279A (zh) * | 2021-11-22 | 2021-12-21 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于多特征融合的红外目标检测方法、装置、设备及介质 |
CN115294232A (zh) * | 2022-09-30 | 2022-11-04 | 浙江太美医疗科技股份有限公司 | 重建算法的识别方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158653A (zh) * | 2007-11-16 | 2008-04-09 | 西北工业大学 | 一种锥束ct系统的散射测定和校正方法 |
CN102800073A (zh) * | 2012-06-28 | 2012-11-28 | 西北工业大学 | 一种锥束ct环形伪影的自动判别与校正方法 |
US20130051674A1 (en) * | 2010-05-07 | 2013-02-28 | Bart Goossens | Method and device for estimating noise in a reconstructed image |
CN108030502A (zh) * | 2017-07-12 | 2018-05-15 | 深圳联影医疗科技有限公司 | 用于空气校正的系统和方法 |
-
2020
- 2020-05-18 CN CN202010418606.2A patent/CN111640160A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158653A (zh) * | 2007-11-16 | 2008-04-09 | 西北工业大学 | 一种锥束ct系统的散射测定和校正方法 |
US20130051674A1 (en) * | 2010-05-07 | 2013-02-28 | Bart Goossens | Method and device for estimating noise in a reconstructed image |
CN102800073A (zh) * | 2012-06-28 | 2012-11-28 | 西北工业大学 | 一种锥束ct环形伪影的自动判别与校正方法 |
CN108030502A (zh) * | 2017-07-12 | 2018-05-15 | 深圳联影医疗科技有限公司 | 用于空气校正的系统和方法 |
Non-Patent Citations (1)
Title |
---|
张广才,万守鹏,何继荣: "数字图像处理技术与MATLAB应用" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822279A (zh) * | 2021-11-22 | 2021-12-21 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于多特征融合的红外目标检测方法、装置、设备及介质 |
CN115294232A (zh) * | 2022-09-30 | 2022-11-04 | 浙江太美医疗科技股份有限公司 | 重建算法的识别方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Isa et al. | Evaluating denoising performances of fundamental filters for T2-weighted MRI images | |
CN107194919B (zh) | 基于规律纹理背景重建的手机屏幕缺陷检测方法 | |
Bhonsle et al. | Medical image denoising using bilateral filter | |
CN111640160A (zh) | 一种ct图像预处理方法 | |
CN108109123B (zh) | 一种图像去噪方法 | |
Thaipanich et al. | An adaptive nonlocal means scheme for medical image denoising | |
KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
KR20140021487A (ko) | 영상 처리 방법 및 영상 처리 장치 | |
Shedbalkar et al. | A comparative analysis of filters for noise reduction and smoothening of brain MRI images | |
Anilet Bala et al. | Retinal image enhancement using adaptive histogram equalization tuned with nonsimilar grouping curvelet | |
Srividhya et al. | Performance analysis of pre-processing filters for underwater images | |
Gao et al. | Image denoising based on edge detection and prethresholding Wiener filtering of multi-wavelets fusion | |
Srivaramangai et al. | Preprocessing MRI images of colorectal cancer | |
CN115861117A (zh) | 一种矿井红外图像增强方法和装置 | |
CN106910166B (zh) | 一种图像处理方法和装置 | |
CN113487505A (zh) | 一种基于噪声识别的红外图像混合降噪方法 | |
CN115456890A (zh) | 基于多尺度双域判别器的生成对抗医学ct图像去噪方法 | |
Batna | Comparative study between wavelet thresholding techniques (hard, soft and invariant-translation) in ultrasound images | |
JPH0376402B2 (zh) | ||
Zhang et al. | Comparisons of several new de-noising methods for medical images | |
Ferzo et al. | Digital image denoising techniques in wavelet domain with another filter: A review | |
Saoji et al. | Speckle and rician noise removal from medical images and Ultrasound images | |
Mohan et al. | A novel method of medical image denoising using bilateral and NLM filtering | |
Liu | New method for image denoising while keeping edge information | |
Lew et al. | Adaptive Gaussian Wiener Filter for CT-Scan Images with Gaussian Noise Variance |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200908 |