CN111968045A - 一种去除x射线图像条纹噪声的方法 - Google Patents

一种去除x射线图像条纹噪声的方法 Download PDF

Info

Publication number
CN111968045A
CN111968045A CN202010696086.1A CN202010696086A CN111968045A CN 111968045 A CN111968045 A CN 111968045A CN 202010696086 A CN202010696086 A CN 202010696086A CN 111968045 A CN111968045 A CN 111968045A
Authority
CN
China
Prior art keywords
image
noise
original
pyramid
column
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
Application number
CN202010696086.1A
Other languages
English (en)
Other versions
CN111968045B (zh
Inventor
胡志辉
陈清睿
黄茜
刘清斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202010696086.1A priority Critical patent/CN111968045B/zh
Publication of CN111968045A publication Critical patent/CN111968045A/zh
Application granted granted Critical
Publication of CN111968045B publication Critical patent/CN111968045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种去除X射线图像条纹噪声的方法，包括步骤：首先，对原始噪声图像建立高斯金字塔和拉普拉斯金字塔，对得到的拉普拉斯金字塔细节函数进行高频滤波，利用滤波后的细节函数重建图像，得到平滑后的图像；其次，将原始噪声图像和平滑后的图像作点除运算，取结果中每一列的中值得到行向量，将行向量作为对应于原始噪声图像每一列的附加增益值；最后，将原始噪声图像的每一列乘以对应的附加增益值，即完成去噪。本发明利用了线阵采集图像每一列具有统一的增益系数的特性，可将位置不规律、粗细不一的条纹噪声进行有效去除，在基本不损伤原图的画质的情况下大大提高去噪效果。

Description

一种去除X射线图像条纹噪声的方法
技术领域
本发明涉及图像噪声处理研究领域，特别涉及一种去除X射线图像条纹噪声的方法。
背景技术
X射线图像已经广泛应用于工业探伤、货物检测等领域。但是在使用X射线线阵探测器时，由于线阵增益校准不当或机械故障等原因，在获得的X射线图像上会出现条纹噪声，具体表现为在一幅应该是灰度均匀的图像中某些列的灰度明显高于或低于平均像素灰度的竖条纹。这些不均匀的竖条纹会作为背景出现在实际采集的X射线图像中，破坏图像质量，并且如果基于这种有条纹噪声的图像进行目标识别检测或测量将会出现严重的偏差。
目前，对于条纹噪声的去除方法主要分为以下两类，即直接插值法或基于傅里叶变换的方法。直接插值法即利用双三次插值等方法，在检测出条纹的位置后，根据其两侧的像素值对条纹上的像素重新赋值。这种方法对较细的条纹效果较好，但是对于较粗的条纹，该方法效果不明显。而基于傅里叶变换的方法不能去除间距无规律的条纹，并且计算的复杂度较高，对正常部分也会带来一定的画质损伤。
为此，针对位置不规律、条纹粗细不一的噪声进行有效去除，具有重要的研究意义和实用价值。
发明内容
为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种去除X射线图像条纹噪声的方法，该方法利用了线阵采集图像每一列具有统一的增益系数的特性，可将位置不规律、粗细不一的条纹噪声进行有效去除，使图像画质得以大大提高，另外对其他常见噪声也有一定的抑制作用。
本发明的目的通过以下的技术方案实现：一种去除X射线图像条纹噪声的方法，包括步骤：
首先，对原始噪声图像建立高斯金字塔和拉普拉斯金字塔，对得到的拉普拉斯金字塔细节函数进行高频滤波，利用滤波后的细节函数重建图像，得到平滑后的图像；
其次，将原始噪声图像和平滑后的图像作点除运算，取结果中每一列的中值得到行向量，将行向量作为对应于原始噪声图像每一列的附加增益值；
最后，将原始噪声图像的每一列乘以对应的附加增益值，即完成去噪。
本发明根据线阵采集图像每一列具有统一的增益系数的特性，利用图像金字塔，计算每一列的噪声图像的附加增益，通过将原始噪声图像乘以对应的附加增益值调整图像各列的灰度，有针对性的消除条纹噪声，在基本不损伤原图的画质的情况下大大提高去噪效果。
优选的，对噪声图像建立高斯金字塔的方法是：
按行对原始噪声图像I1进行一维中值滤波得到滤波后的图像I2；
对I2建立高斯金字塔G，G的层数为12，原始噪声图像作为第1层输入，G中第2层到第6层是其下一层对列进行一维下采样后得到的，而第7层到第12层尺寸不变。
优选的，对噪声图像建立拉普拉斯金字塔的方法是：
根据建立的高斯金字塔G，由G建立对应于I2的拉普拉斯金字塔L，显然L中仅有关于列的细节函数L1～L11；建立L的具体步骤如下：
设G中第i层矩阵为Gi，将G12利用双三次插值法恢复到G11的尺寸，得到G′11；
计算L11＝G11-G′11；
对G中除G1以外的所有元素重复上述两个步骤，得到L11～L1。
优选的，对拉普拉斯金字塔中的细节函数L1～L11进行高频滤波，方法是：
将L11的全部元素取绝对值，得到|L11|；
取|L11|的中值元素m0，令m1＝4*m0；
对|L11|中的每个元素值p，计算v＝p/m1-1；若v＞1，则将v置1，若v＜0，将v置0，由此得到矩阵V；
计算新的细节函数L′11＝L11.*V，其中“.*”符号表示矩阵对应位置元素相乘；
对L中剩下的每一层均进行上述相同的操作，得到新的拉普拉斯金字塔L′。
优选的，利用滤波后的细节函数重建图像，方法是：借助高频滤波后的拉普拉斯金字塔L′，由高斯金字塔G的最顶层重建原始尺寸的图像，得到平滑后的图像I′。
优选的，将原始噪声图像I1的每一列乘以对应的附加增益值y，得到初始去噪图像I3(i)，对于计算的第i列的附加增益值y(i)，若|y(i)-1|＞P，则I3(i)进行中值滤波，滤波后图像为最终的结果图像。
本发明与现有技术相比，具有如下优点和有益效果：
1、针对噪声位置不规律，形成的噪声条纹粗细不一的问题，本发明利用图像金字塔，计算噪声图像的附加增益，从而去除条纹噪声，去噪的效果好。
2、本发明方法具有去噪效果好且去噪效果稳定的优点，能有效处理不同粗细，不同分布的条纹噪声。算法几乎不会对原图画质造成损伤。
附图说明
图1为本发明实施例去除X射线线阵图像条纹噪声的算法流程图。
图2为本发明实施例带有条纹噪声的X射线原始噪声图像。
图3为图2所示原始噪声图像通过一维中值滤波后的图像。
图4为本实施例经过去噪处理后由金字塔重建的平滑图像。
图5为本实施例附加增益的函数图像。
图6为本实施例最终结果。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例
在使用X射线线阵探测器时，由于线阵增益校准不当或机械故障等原因，可能产生图2所示的带有条纹噪声的X射线图像，本实施例特别针对该类图像进行去噪方法的研究，当然，该方法处理对象不仅仅限于条纹噪声，对于其他常见噪声也有一定的抑制作用，这里不再展开说明。
以图2所示图像为例，结合图1的流程图，对本实施例一种去除X射线图像条纹噪声的方法的具体步骤说明如下。
S1、按行对原始噪声图像I1进行一维中值滤波，滤波器的阶数取7，得到滤波后的图像I2，图3给出了本实施例中I2的图像，可见仅用滤波或插值的方法不能有效的去除条纹噪声，也不能保证画质。
S2、对I2建立高斯金字塔G，G的层数为12，原图像作为第1层输入。需要注意的是，G中第2层到第6层是其下一层对列进行一维下采样后得到的，采样的步长为2；而第7层到第12层尺寸不变，采样的步长为1。采样用到的核f大小为1*5，f的元素值大小可以根据情况进行调整，这里取f＝[0.05,0.25,0.4,0.25,0.05]。
在本实施例中，I2的分辨率为2048*1536，而G中第12层的分辨率为2048*48。G只对列进行了下采样。
S3、由G建立对应于I2的拉普拉斯金字塔L，显然L中仅有关于列的细节函数L1～L11。建立L的具体过程如下：
(3-1)设G中第i层矩阵为Gi，i＝1,2,……,n；n＝12。将Gn利用双三次插值法恢复到Gn-1的尺寸；得到G′n-1；
(3-2)Ln-1＝Gn-1-G′n-1；
(3-3)对G中除G1以外的所有元素进行步骤(3-1)至(3-2)中的操作，得到Ln-1～L1。
S4、对L中的每一层进行去噪，包括以下几个步骤：
(4-1)将Ln-1的全部元素取绝对值，得到|Ln-1|，
(4-2)取|Ln-1|的中值元素m0，令m1＝4*m0，
(4-3)对|Ln-1|中的每个元素值p，计算v＝p/m1-1；若v＞1，则将v置1，若v＜0，将v置0。由此得到矩阵V；
(4-4)计算新的细节函数L′n-1＝Ln-1.*V，其中“.*”符号表示矩阵对应位置元素相乘；
(4-5)对L中剩下的层进行步骤(4-1)到(4-4)中相同的操作，得到新的拉普拉斯金字塔L′。
S5、借助L′，由G的最顶层重建原始尺寸的图像，得到平滑后的图像I′。图4给出了实施例对应的I′图像，可以看到图像上已经完全滤除了明显的高频信号，即条纹噪声，但因为对细节函数的修改并不精细，此时图像I′的有效部分相比原图有效部分存在复原不准确和过度平滑的问题，因此I′不适合直接作为最终结果用于后续测量等操作。
在本发明所提出的算法中，I′被当作I1在增益设置正确的情况下，所应该呈现的结果，即期望图像。基于I′的平滑效果和原图每一列存在的统一的增益系数，将在后续步骤中对I1按列进行图像采集以后的第二次校准。
S6、计算矩阵Y＝I′./I1，其中“./”符号表示矩阵对应位置元素相除。取Y中每一列的中值构成行向量y。此步骤即选取附加的增益值，对应于本实施例的行向量y如图5所示。
S7、按列遍历I1，对I1中第i列的元素I1(i)，计算I1(i)*y(i)，由此得到新的矩阵I3。
S8、遍历y(i)，若|y(i)-1|＞0.02，0.02为根据经验设定的阈值，对I3的第i列的元素I3(i)进行中值滤波。滤波器的阶数为7。由此得到矩阵I4。
S9、I4即为本发明实施例方法的最终结果，对应于实施例的I4如图6所示，从图6可看到，相较于原始噪声图像，图像中的条纹噪声得到有效去除，噪声之外的信息得到保留，基本没有损伤，去噪效果很好，能够满足工程应用的需要。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种去除X射线图像条纹噪声的方法，其特征在于，包括步骤：
首先，对原始噪声图像建立高斯金字塔和拉普拉斯金字塔，对得到的拉普拉斯金字塔细节函数进行高频滤波，利用滤波后的细节函数重建图像，得到平滑后的图像；
其次，将原始噪声图像和平滑后的图像作点除运算，取结果中每一列的中值得到行向量，将行向量作为对应于原始噪声图像每一列的附加增益值；
最后，将原始噪声图像的每一列乘以对应的附加增益值，即完成去噪。
2.根据权利要求1所述的去除X射线图像条纹噪声的方法，其特征在于，对噪声图像建立高斯金字塔的方法是：
按行对原始噪声图像I1进行一维中值滤波得到滤波后的图像I2；
对I2建立高斯金字塔G，G的层数为12，原始噪声图像作为第1层输入，G中第2层到第6层是其下一层对列进行一维下采样后得到的，而第7层到第12层尺寸不变。
3.根据权利要求2所述的去除X射线图像条纹噪声的方法，其特征在于，对噪声图像建立拉普拉斯金字塔的方法是：
根据建立的高斯金字塔G，由G建立对应于I2的拉普拉斯金字塔L，显然L中仅有关于列的细节函数L1～L11；
建立L的具体步骤如下：
设G中第i层矩阵为Gi，将G12利用双三次插值法恢复到G11的尺寸，得到G′11；
计算L11＝G11-G′11；
对G中除G1以外的所有元素重复上述两个步骤，得到L11～L1。
4.根据权利要求3所述的去除X射线图像条纹噪声的方法，其特征在于，对拉普拉斯金字塔中的细节函数L1～L11进行高频滤波，方法是：
将L11的全部元素取绝对值，得到|L11|；
取|L11|的中值元素m0，令m1＝4*m0；
对|L11|中的每个元素值p，计算v＝p/m1-1；若v＞1，则将v置1，若v＜0，将v置0，由此得到矩阵V；
计算新的细节函数L′11＝L11.*V，其中“.*”符号表示矩阵对应位置元素相乘；
对L中剩下的每一层均进行上述相同的操作，得到新的拉普拉斯金字塔L′。
5.根据权利要求1所述的去除X射线图像条纹噪声的方法，其特征在于，利用滤波后的细节函数重建图像，方法是：借助高频滤波后的拉普拉斯金字塔L′，由高斯金字塔G的最顶层重建原始尺寸的图像，得到平滑后的图像I′。
6.根据权利要求1所述的去除X射线图像条纹噪声的方法，其特征在于，将原始噪声图像I1的每一列乘以对应的附加增益值y，得到初始去噪图像I3(i)，对于计算的第i列的附加增益值y(i)，若|y(i)-1|＞P，则对I3(i)进行中值滤波，将滤波后图像作为最终的结果图像。
CN202010696086.1A 2020-07-20 2020-07-20 一种去除x射线图像条纹噪声的方法 Active CN111968045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010696086.1A CN111968045B (zh) 2020-07-20 2020-07-20 一种去除x射线图像条纹噪声的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010696086.1A CN111968045B (zh) 2020-07-20 2020-07-20 一种去除x射线图像条纹噪声的方法

Publications (2)

Publication Number Publication Date
CN111968045A true CN111968045A (zh) 2020-11-20
CN111968045B CN111968045B (zh) 2023-09-05

Family

ID=73360757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010696086.1A Active CN111968045B (zh) 2020-07-20 2020-07-20 一种去除x射线图像条纹噪声的方法

Country Status (1)

Country Link
CN (1) CN111968045B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610733A (zh) * 2021-08-10 2021-11-05 国网浙江省电力有限公司电力科学研究院 图像处理方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020150302A1 (en) * 1997-07-31 2002-10-17 The Regents Of The University Of California Apparatus and methods for image and signal processing
CN1889125A (zh) * 2006-07-26 2007-01-03 深圳市嘉易通医疗科技有限公司 一种医疗放射图像的细节增强方法
CN104166974A (zh) * 2013-08-01 2014-11-26 上海联影医疗科技有限公司 Ct定位片图像增强方法及装置
CN108230274A (zh) * 2018-01-16 2018-06-29 华南理工大学 一种混合噪声模型下的多分辨率快速去噪方法及装置
CN110428387A (zh) * 2018-11-16 2019-11-08 西安电子科技大学 基于深度学习与矩阵分解的高光谱与全色图像融合方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020150302A1 (en) * 1997-07-31 2002-10-17 The Regents Of The University Of California Apparatus and methods for image and signal processing
CN1889125A (zh) * 2006-07-26 2007-01-03 深圳市嘉易通医疗科技有限公司 一种医疗放射图像的细节增强方法
CN104166974A (zh) * 2013-08-01 2014-11-26 上海联影医疗科技有限公司 Ct定位片图像增强方法及装置
CN108230274A (zh) * 2018-01-16 2018-06-29 华南理工大学 一种混合噪声模型下的多分辨率快速去噪方法及装置
CN110428387A (zh) * 2018-11-16 2019-11-08 西安电子科技大学 基于深度学习与矩阵分解的高光谱与全色图像融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
向静波;苏秀琴;: "基于数学形态学的金字塔图像去噪", 光子学报, no. 02, pages 227 - 230 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610733A (zh) * 2021-08-10 2021-11-05 国网浙江省电力有限公司电力科学研究院 图像处理方法及装置
CN113610733B (zh) * 2021-08-10 2024-04-05 国网浙江省电力有限公司电力科学研究院 图像处理方法及装置

Also Published As

Publication number Publication date
CN111968045B (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
Al-Fohoum et al. Combined edge crispiness and statistical differencing for deblocking JPEG compressed images
EP2017786A1 (en) Method of generating a multiscale contrast enhanced image
CN106296763B (zh) 一种金属材料工业ct图像质量快速校正方法
US8526753B2 (en) Method of enhancing the contrast of an image
CN105913382B (zh) 阈值寻优的高保真各向异性滤波方法
EP3072104B1 (en) Image de-noising method
CN113902737A (zh) 一种基于甲状腺ct图像异常的检测方法
CN111968045A (zh) 一种去除x射线图像条纹噪声的方法
Teranishi et al. Improvement of robustness blind image restoration method using failing detection process
Pham Kriging-weighted laplacian kernels for grayscale image sharpening
Sun et al. An efficient method for salt-and-pepper noise removal based on shearlet transform and noise detection
CN105741255B (zh) 图像融合方法及装置
CN102314675A (zh) 基于小波高频的贝叶斯去噪方法
Yan et al. Noise removal of MRI data with edge enhancing
Vijay et al. Image denoising by multiscale-LMMSE in wavelet domain and joint bilateral filter in spatial domain
CN110647843B (zh) 一种人脸面部图像处理方法
El Abbadi et al. Improve image de-blurring
Kerouh et al. An adaptive deblurring method based on a Multiplicative Multiresolution Decomposition (MMD)
Kharofa Remove noise from medical images
Asadi Amiri Salt and pepper noise removal using pixon-based segmentation and adaptive median filter
Dash et al. Restoration of images corrupted with blur and impulse noise
Kumar et al. Performance analysis of LPG PCA algorithm in medical images
Cho et al. Design of Wavelet Digital Filter for Edge Detection of Medical MRI image
Lun et al. Image denoising using wavelet transform modulus sum
Rubeena et al. NOI SE REMOVAL TECHNI QUES OF NATURAL I MAGES WITH ADVANCED METRICS

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