CN111738943A - 一种空域和频域相结合的医学图像增强方法 - Google Patents
一种空域和频域相结合的医学图像增强方法 Download PDFInfo
- Publication number
- CN111738943A CN111738943A CN202010533006.0A CN202010533006A CN111738943A CN 111738943 A CN111738943 A CN 111738943A CN 202010533006 A CN202010533006 A CN 202010533006A CN 111738943 A CN111738943 A CN 111738943A
- Authority
- CN
- China
- Prior art keywords
- image
- domain
- medical image
- mask
- image enhancement
- 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 12
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06T7/0012—Biomedical image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明公开的属于医学图像处理技术领域,具体为一种空域和频域相结合的医学图像增强方法,包括自适应掩膜阈值平滑算法和同态滤波算法,其结构合理,通过自适应掩膜阈值平滑算法和同态滤波相结合得图像增强算法,经过本算法处理的医学图像,对比度得到加强,消除了噪声的影响,保留了图像边缘和细节信息,满足临床诊断需求。
Description
技术领域
本发明涉及医学图像处理技术领域,具体为一种空域和频域相结合的医学图像增强方法。
背景技术
随着计算机技术的发展,医学图像己成为现代医学诊断不可或缺的一部分,直接影响医生诊断的准确性和治疗疾病的及时性。医学图像信息量大且细节丰富,但在医学图像的获取过程中,图像受到各种因素的干扰以至于获得的医学图像存在各种噪声(包括系统噪声、随机噪声等),且对比度低,图像边缘模糊、分辨率低且细节不清晰,这些缺点使得直接对获取的医学图像进行病理分析较困难,难以快速准确的诊断。所以,利用图像增强算法提高医学图像质量,对临床诊断具有很大意义
现有的医学图像增强算法可分为空间域图像增强和频率域图像增强。
空间域图像增强常见的有直接灰度变换,直方图均衡化,直方图规定化,图像平滑,图像锐化等。直接灰度变换,直方图均衡化,直方图规定化,可以增强图像的对比度,调整图像动态范围,但是同时图像中的噪声也会得到增强,影响对疾病的准确诊断;图像平滑可以消除或减弱图像中噪声的影响,但会造成图像模糊以及细节丢失;图像锐化可以减少图像中的模糊,但是增强细节的同时也会加强噪声。
频率域图像增强常见的有低通滤波,高通滤波等。图像由空域变换到频域之后,低频分量代表着图像中亮度或者灰度值变化缓慢的区域,描述了图像的主要部分,是对整幅图像强度的综合度量;高频分量对应着图像变化剧烈的部分,也就是图像的边缘(轮廓)或者噪声以及细节部分。低通滤波可以让图像变得平滑,滤除图像中的噪声,同时也会失去图像的细节信息;高通滤波会留下图像的边缘细节,但也保留了噪声,为解决上述问题,本发明提出一种空域和频域相结合的医学图像增强算法。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于现有医学图像处理方法中存在的问题,提出了本发明。
因此,本发明的目的是提供一种空域和频域相结合的医学图像增强方法,能够实现实现图像对比度增强的同时,去除噪声并且保留图像细节信息。
为解决上述技术问题,根据本发明的一个方面,本发明提供了如下技术方案:
一种空域和频域相结合的医学图像增强方法,其包括方法包括步骤如下;
S1:自适应掩膜阈值平滑;
S101:制作9种形状的屏蔽窗口,取5×5窗口;
S102:循环取得图像各点像素值,分别计算各掩模的均值及方差;
S103:以掩膜内像素的加权值做为该点的像素值,之后可以得到去除噪声之后的图像;
S2:同态滤波;
S201:采用公式取对数,然后对公式两端做傅里叶变换;
S202:选用一个滤波函数H(u,v)来处理F(u,v),然后傅里叶反变换到空域。
S203:做指数变换,得到经同态滤波处理的图像。
与现有技术相比,本发明的有益效果是:通过该一种空域和频域相结合的医学图像增强方法的设置,结构设计合理,通过自适应掩膜阈值平滑算法和同态滤波相结合得图像增强算法,经过本算法处理的医学图像,对比度得到加强,消除了噪声的影响,保留了图像边缘和细节信息,满足临床诊断需求。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将结合附图和详细实施方式对本发明进行详细说明,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明结构示意图;
图2为本发明自适应掩膜阈值平滑算法步骤结构示意图;
图3为本发明同态滤波算法步骤结构示意图;
图4为本发明屏蔽窗口结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施方式的限制。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明提供如下技术方案:一种空域和频域相结合的医学图像增强方法,其包括方法包括步骤如下;
S1:自适应掩膜阈值平滑;
S101:制作9种形状的屏蔽窗口,取5×5窗口,具体的,在窗口内以中心像素f(i,j)为基准点,分别计算每个窗口内的平均值及方差,采用方差最小的屏蔽窗口以加阈值的方法确定该点像素值;
S102:循环取得图像各点像素值,分别计算各掩模的均值及方差,具体的,循环取得各点像素值;分别计算各掩模的均值(ai)及方差(ki);i=1,2,3...,9.对ki排序,最小方差kimin所对应的掩模的灰度级均值ai;
i=1,2,3...,9.Q为各掩膜对应的像素个数,m,n为掩膜内像素位移量
上式中T=ασ,σ为图像的均方差,也可经过多次试验进行选取,wi为各像素点的权值,和中心点的距离成反比;
S103:以掩膜内像素的加权值做为该点的像素值,之后可以得到去除噪声之后的图像,具体的,当中心点的像素值和掩膜内均值的差大于某一阈值时,以掩膜内像素的加权值bi做为该点的像素值,当中心点的像素值和掩膜内均值的差不大于某一阈值时,则不替换,之后可以得到去除噪声之后的图像;
S2:同态滤波;
S201:采用公式取对数,然后对公式两端做傅里叶变换,具体的,一幅图像f(x,y)可以表示成他的照度分量i(x,y)和反射分量r(x,y)的乘积,即f(x,y)=i(x,y)r(x,y),照度分量i(x,y),其特点是缓慢变化,集中在图像的低频部分。反射分量r(x,y)包含了各种信息,高频成分丰富。
ln f(x,y)=ln i(x,y)+ln r(x,y)
F(u,v)=I(u,v)+R(u,v);
S202:选用一个滤波函数H(u,v)来处理F(u,v),然后傅里叶反变换到空域,具体的,H(u,v)F(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v),这里我们选用高斯高通滤波函数
其中c用于控制斜率,在fh和fL之间过渡,fh为高频增益,fL为低频增益,D(u,v)是(0,0)和(u,v)之间的距离,D0是截止频率;
Hf(x,y)=hi(x,y)+hr(x,y)。
S203:做指数变换,得到经同态滤波处理的图像,具体的,g(x,y)=gi(x,y)gr(x,y)。
虽然在上文中已经参考实施方式对本发明进行了描述,然而在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本发明并不局限于文中公开的特定实施方式,而是包括落入权利要求的范围内的所有技术方案。
Claims (1)
1.一种空域和频域相结合的医学图像增强方法,其特征在于:包括方法包括步骤如下;
S1:自适应掩膜阈值平滑;
S101:制作9种形状的屏蔽窗口,取5×5窗口;
S102:循环取得图像各点像素值,分别计算各掩模的均值及方差;
S103:以掩膜内像素的加权值做为该点的像素值,之后可以得到去除噪声之后的图像;
S2:同态滤波;
S201:采用公式取对数,然后对公式两端做傅里叶变换;
S202:选用一个滤波函数H(u,v)来处理F(u,v),然后傅里叶反变换到空域。
S203:做指数变换,得到经同态滤波处理的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010533006.0A CN111738943B (zh) | 2020-06-12 | 2020-06-12 | 一种空域和频域相结合的医学图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010533006.0A CN111738943B (zh) | 2020-06-12 | 2020-06-12 | 一种空域和频域相结合的医学图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738943A true CN111738943A (zh) | 2020-10-02 |
CN111738943B CN111738943B (zh) | 2023-12-05 |
Family
ID=72650108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010533006.0A Active CN111738943B (zh) | 2020-06-12 | 2020-06-12 | 一种空域和频域相结合的医学图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738943B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242488A (zh) * | 2007-02-06 | 2008-08-13 | 西北工业大学 | 一种数字图像极值的平滑方法 |
CN102073994A (zh) * | 2010-12-31 | 2011-05-25 | 哈尔滨工业大学 | 基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法 |
CN103606135A (zh) * | 2013-12-03 | 2014-02-26 | 山东中医药大学 | 一种医学图像增强处理方法 |
CN104318529A (zh) * | 2014-10-19 | 2015-01-28 | 新疆宏开电子系统集成有限公司 | 处理在恶劣环境中所拍摄低照度图像的方法 |
CN104616270A (zh) * | 2015-03-03 | 2015-05-13 | 哈尔滨工业大学 | 基于多张量的磁共振扩散加权图像结构自适应平滑方法 |
CN106683080A (zh) * | 2016-12-15 | 2017-05-17 | 广西师范大学 | 一种视网膜眼底图像预处理方法 |
CN107274365A (zh) * | 2017-06-15 | 2017-10-20 | 中国矿业大学(北京) | 一种基于反锐化掩模和nsct算法的矿井图像增强方法 |
CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
CN111161170A (zh) * | 2019-12-18 | 2020-05-15 | 江苏科技大学 | 一种用于目标识别的水下图像综合增强方法 |
CN111219343A (zh) * | 2018-11-23 | 2020-06-02 | 余姚市品荣达精密仪器有限公司 | 自适应节能型吊扇 |
-
2020
- 2020-06-12 CN CN202010533006.0A patent/CN111738943B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242488A (zh) * | 2007-02-06 | 2008-08-13 | 西北工业大学 | 一种数字图像极值的平滑方法 |
CN102073994A (zh) * | 2010-12-31 | 2011-05-25 | 哈尔滨工业大学 | 基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法 |
CN103606135A (zh) * | 2013-12-03 | 2014-02-26 | 山东中医药大学 | 一种医学图像增强处理方法 |
CN104318529A (zh) * | 2014-10-19 | 2015-01-28 | 新疆宏开电子系统集成有限公司 | 处理在恶劣环境中所拍摄低照度图像的方法 |
CN104616270A (zh) * | 2015-03-03 | 2015-05-13 | 哈尔滨工业大学 | 基于多张量的磁共振扩散加权图像结构自适应平滑方法 |
CN106683080A (zh) * | 2016-12-15 | 2017-05-17 | 广西师范大学 | 一种视网膜眼底图像预处理方法 |
CN107274365A (zh) * | 2017-06-15 | 2017-10-20 | 中国矿业大学(北京) | 一种基于反锐化掩模和nsct算法的矿井图像增强方法 |
CN111219343A (zh) * | 2018-11-23 | 2020-06-02 | 余姚市品荣达精密仪器有限公司 | 自适应节能型吊扇 |
CN110211058A (zh) * | 2019-05-15 | 2019-09-06 | 南京极目大数据技术有限公司 | 一种医学影像的数据增强方法 |
CN111161170A (zh) * | 2019-12-18 | 2020-05-15 | 江苏科技大学 | 一种用于目标识别的水下图像综合增强方法 |
Non-Patent Citations (1)
Title |
---|
"自适应图像增强的管道机器人缺陷检测方法", 光电工程, vol. 47, no. 1 * |
Also Published As
Publication number | Publication date |
---|---|
CN111738943B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116309570B (zh) | 一种钛合金棒材质量检测方法及系统 | |
CN109242799B (zh) | 一种变阈值的小波去噪方法 | |
CN110706174B (zh) | 一种图像增强方法、终端设备及存储介质 | |
CN111986120A (zh) | 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法 | |
CN108109123B (zh) | 一种图像去噪方法 | |
CN103020916B (zh) | 一种二维希尔伯特变换和bemd结合的图像去噪方法 | |
CN111681174A (zh) | 抑制椒盐/高斯混噪目标图像的联合滤波方法 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
CN115984148B (zh) | 一种高通量基因测序数据的去噪增强方法 | |
CN107194889B (zh) | 分块双边全变分正则化图像噪声消除方法 | |
KR102195047B1 (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
CN116468641A (zh) | 一种红外血管图像增强处理方法 | |
KR20140021487A (ko) | 영상 처리 방법 및 영상 처리 장치 | |
CN112053302A (zh) | 高光谱图像的去噪方法、装置及存储介质 | |
CN108629740B (zh) | 一种图像去噪的处理方法及装置 | |
CN111738943B (zh) | 一种空域和频域相结合的医学图像增强方法 | |
Zhang et al. | Diffusion scheme using mean filter and wavelet coefficient magnitude for image denoising | |
CN116912115A (zh) | 一种水下图像自适应增强方法、系统、设备及存储介质 | |
CN115829967A (zh) | 一种工业金属表面缺陷图像去噪和增强方法 | |
Kumar et al. | A comparative study on filters with special reference to retinal images | |
Malik et al. | Contrast enhancement and smoothing of CT images for diagnosis | |
CN115760773A (zh) | 一种用于高光谱医学图像采集的噪声抑制方法及系统 | |
CN110992294B (zh) | 一种类纸显示器的图像对比度提升方法 | |
CN114881883A (zh) | 一种红外图像多维降噪方法、存储介质及装置 | |
CN113160103A (zh) | 图像处理方法及装置、存储介质、终端 |
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 |