CN114972067A - 一种x光小牙片图像增强方法 - Google Patents
一种x光小牙片图像增强方法 Download PDFInfo
- Publication number
- CN114972067A CN114972067A CN202210394185.3A CN202210394185A CN114972067A CN 114972067 A CN114972067 A CN 114972067A CN 202210394185 A CN202210394185 A CN 202210394185A CN 114972067 A CN114972067 A CN 114972067A
- Authority
- CN
- China
- Prior art keywords
- image
- ray
- gray
- gray level
- histogram
- 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 29
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 210000004513 dentition Anatomy 0.000 claims description 21
- 230000036346 tooth eruption Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 201000011180 Dental Pulp Calcification Diseases 0.000 abstract description 9
- 230000000694 effects Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 210000004268 dentin Anatomy 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 210000004746 tooth root Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229940060587 alpha e Drugs 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 210000003298 dental enamel Anatomy 0.000 description 1
- 210000004262 dental pulp cavity Anatomy 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001114 tooth apex Anatomy 0.000 description 1
- 230000016776 visual perception 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20004—Adaptive image processing
- G06T2207/20008—Globally adaptive
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30036—Dental; Teeth
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种X光小牙片图像增强方法，属于医学图像增强技术领域。该方法利是利用自适应伽马变换对X光小牙片图像灰度矫正，通过图像的灰度信息自适应地确定其参数，对矫正过的图像采用Sobel边缘检测算法和高斯高通滤波器获得细节特征图像，并与原始X光小牙片图像权值融合，最后根据灰度直方图特点自适应确定阈值，利用CLAHE算法进行图像增强。本发明能有效改善小牙片图像对比度，可实现X光小牙片图像的增强。
Description
技术领域
本发明属于医学图像增强技术领域，涉及一种X光小牙片图像增强方法。
背景技术
“X射线”用于探测人体疾病，方便临床诊断及治疗计划的制定，X射线拍摄的图像是由从黑到白不同灰度的影像所组成，这些不同灰度的影像反映了人体组织结构的解剖及病理状态。因此，在充分考虑利用X射线拍摄图像的特殊性，人们将X射线应用于口腔医学中，X射线影像可清楚显示牙的形态和结构，能区分牙釉质和牙质，牙质与牙骨质密度一致，牙髓腔体在牙齿内部呈低密度，牙冠腔及牙根管显示清楚。
医学图像增强是医学图像处理领域复杂而关键的步骤。X光小牙片由于其高效、快速、辐射剂量小、价格低廉等优点，被广泛用于口腔治疗各个阶段，是口腔科在实际临床应用最广的检查手段，也是最常用的手段之一。但图像在受到设备、光照条件和压缩等众多因素的影响，在一定程度上会出现图像对比度低、细节特征不清晰等问题，从而影响人眼对图像的视觉感受效果。由于X光小牙片图像中口腔内部组织结构有时互相重叠，某些组织结构不容易辨别出来，会造成误诊或者漏诊的情况。同时，因为距离固定，胶片尺寸也固定，所以牙根尖边缘模糊，拍摄出来的X光小牙片图像质量较差。由于口腔病患数量较多，会产生大量的X光小牙片，单一的通过人工分析会变得非常耗时，并可能产生大量漏检样例。因此，要实现口腔X光小牙片图像的增强，需要对图像中的灰度特征进行处理。
为了突出图像中感兴趣的部分，使图像的主体结构更加明确，需要对图像进行改善，图像增强是通过一定的手段将模糊的原始图像变得清晰，有选择的突出图像中某些感兴趣的特征，加强图像中不同物体特征之间的差别，抑制某些不感兴趣的特征，使图像质量得到改善，丰富图像特征信息量，便于人或机器对图像的分析理解。由于不同环境下的图像的灰度分布与整体曝光度均不相同，个体差异较大，单一的指定阈值的设置会影响图像质量，不能够达到较为理想的效果。
因此，亟需一种新的X光小牙片图像增强方法。
发明内容
有鉴于此，本发明的目的在于提供一种X光小牙片的图像增强方法，解决X光小牙片图像质量差、牙根边缘细节纹理信息不清晰的问题，有效提高牙根X线图像的质量，实现X光小牙片图像的增强。
为达到上述目的，本发明提供如下技术方案：
一种X光小牙片图像增强方法，利用伽马变换进行X光小牙片图像灰度矫正，通过图像的灰度信息自适应地确定其参数，对矫正过的图像应用Sobel边缘检测算法和高斯高通滤波器获得细节特征图像，并与原始X光小牙片图像融合，最后根据灰度直方图特点自适应确定阈值，利用CLAHE进行图像增强。该方法具体包括以下步骤：
S1：将X光小牙片RGB原始图像转成灰度原始图像f0(x)；
S2：利用自适应伽马变换对步骤S1图像灰度进行调整，改善整体亮度情况；
S3：利用Sobel边缘检测算法提取步骤S2处理结果的细节特征，并利用高斯高通滤波器去除噪声，获取更加准确的边缘细节特征图像f1(x)，减少噪声干扰；
S4：将图像f0(x)和边缘细节特征图像f1(x)根据权值融合比例α进行图像融合；
S5：利用图像直方图，找到直方图中的波峰最大值(x1,y1)与波谷最小值(x2,y2)，并利用这两点确定直线L，再通过在波峰和波谷之间的直方图曲线上，寻找某点到该直线L的最远距离d，确定此处灰度级N，为了保证整体的灰度水平，将利用图像的灰度均值T得到控制图片的灰度范围δ；
S6：根据δ和N计算得到最佳阈值W；利用CLAHE算法将图像进行分块，划分成不重叠的子区域，然后根据最佳阈值对不重叠子区域进行灰度重构，从而获得增强后的X光小牙片图像。
进一步，步骤S2中，自适应伽马变换法的计算公式为：
Vo＝cVi γ
其中，c为正常数；Vi表示输入的灰度级；Vo表示输出的灰度级；γ为正常数，计算公式为：
其中，T表示图像灰度均值，s表示T/255与0.5之间的距离。
进一步，步骤S4中，图像融合的计算公式为：
g(x)＝αf0(x)+(1-α)f1(x)
其中，f0(x)表示原始图像，f1(x)表示边缘细节特征图像，g(x)表示融合图像；α表示权值融合比例，计算公式为：
其中，I1和I2分别表示原始图像f0(x)和边缘细节特征图像f1(x)中峰值处的灰度级的像素数所占图像的信息熵冗余度；
图像的信息熵冗余度I的计算公式为：
其中，R表示图片的颜色直方图中峰值处的灰度级的像素数Q占总像素数M的比重，表达式为
进一步，步骤S5中，控制图片的灰度范围δ的计算公式为：
进一步，步骤S6中，最佳阈值W的确定方法为：
本发明的有益效果在于：本发明在一定程度上提高了X光小牙片图像的对比度，获得了良好的图像增强效果，获得更多的细节特征信息，图像视觉效果得到了明显改善。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明X光小牙片图像增强方法流程图；
图2为X光小牙片样本图；
图3为图2对应X光小牙片增强结果图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
请参阅图1～图3，为了实现X光小牙片图像的增强，首先需要对小牙片图像进行灰度调整，对输入图像灰度值进行的非线性操作，通过变换可以使输出图像灰度值与输入灰度值呈指数关系，伽马变换的基本形式如公式(1)所示。
Vo＝cVi γ (1)
其中，c为正常数，Vi表示输入的灰度级；Vo表示输出的灰度级；γ为正常数，其中γ的取值决定了图像的缩放程度。针对传统伽马变换算法的手动设置γ的缺陷，在传统的伽马变换算法上进一步改进，将算法中γ的设置为自适应，并考虑结合原图像的灰度信息进行灰度矫正，其计算如式(2)所示。
其中，T表示图像灰度均值，s表示T/255与0.5之间的距离。在实验中c的取值为1，经过自适应的伽马变换算法，对图像中过亮或过暗的灰度值进行调整，使其图像中灰度值趋于稳定范围内。
对于灰度矫正过后的图像，为了尽可能的获取更多的细节信息，通过使用Sobel边缘检测算法把图像中每个像素周围的四个领域灰度值加权差，在边缘处达到极值从而检测边缘，Sobel边缘检测算法在实现过程中，通过3×3模板作为核与伽马变换后改善图像的每个像素点做卷积和运算来提取边缘。由于牙齿X射线图像容易受到噪声的影响，图像边缘可能会不止一个像素，需要对梯度图像进行去除噪声的处理，采用高斯滤波器可以有效的抑制噪声，同时也能够平滑图像。通过Sobel边缘检测和高斯高通滤波器的处理后，得到了边缘细节图像f1(x)。为了能够获得更加丰富和准确的细节信息，利于牙齿X射线医学图像的处理和分析，将通过图像融合来突出图像的细节特征，以此获得更好的图像。图像融合的计算如公式(3)所示。
g(x)＝αf0(x)+(1-α)f1(x) (3)
其中，α表示图片融合的比例，f0(x)表示原始图像，f1(x)表示边缘细节特征图像，g(x)表示融合两张图像加权后的图像。通过修改α(α∈[0,1])的值，可以实现不同权重的图像融合。
针对手动确定权重的缺陷，为了尽可能的保留原图像的原始信息，并且保证图像的目标特征更加明显，根据图片本身的特征信息选取合适的权值进行图像的融合。图像直方图反映了图像的分布特征，因此，在分析时，峰值的位置对整幅图像灰度分布的重要，通过统计图片的颜色直方图，计算峰值处的灰度级的像素数Q，并计算其占总像素数M的比重R，计算如公式(4)所示。
图像是由像素组成，直方图反映了图像中的灰度分布规律，选取峰值处的灰度级的像素数通过信息熵冗余度来计算权重，则计算如公式(5)所示。
分别计算原始图像f0(x)和细节特征图像f1(x)中的峰值处的灰度级的像素数所占图像的冗余度，代入公式(4)和公式(5)，得到I1和I2，则原始的峰值像素所占的权值计算如公式(6)所示。
其中，α为权值融合比例，通过该方法使图像能更好的获得比原图更多的细节特征，使得融合图像中的目标更加准确，更适合后续的处理。
为了提高X光小牙片图像的局部对比度，获得更多的图像细节，将采用CLAHE算法将图像进行分块，划分成不重叠的区域，然后对每个子区域计算图像的局部直方图，再计算直方图时限制对比度阈值，然后根据其阈值来重新分配灰度级，以达到提高图像对比度的目的。本发明提出根据图像本身，寻找合适的阈值进行直方图均衡，利用根据统计原图像灰度直方图的灰度级数量和图像的灰度均值来确定阈值。直方图反映的图像的分布情况，横坐标为灰度级，纵坐标为出现的频数。由于直方图中可能存在两端的峰值，都是不感兴趣的信号，所以是找中央或者直方图主峰中的最大值，限定灰度范围在[51,205]之间，根据直方图找出波峰最大值和波谷最小值，确定直线，其直线L的表达形式直线的方程如公式(7)所示。
Ax+By+C＝0 (7)
在上式(7)中，A＝y2-y1，B＝x1-x2，C＝x2y1-x1y2，其中，(x1,y1)和(x2,y2)分别表示波峰最大值和波谷最小值两点的坐标。为找到合适的灰度级，计算直方图中波峰最大值和波谷最小值之间对应点到该直线L的距离，然后求出距离最大值对应点P的灰度级，确定其为最佳灰度级，点到直线L的距离如公式(8)所示。
其中，点P的坐标为(x0,y0)，d为点到直线的距离。通过计算找出离直线最远的点，并确定该点灰度级N。
灰度均值反映了图片的整体灰度水平，为了确保每个子区域的亮度的合理性，通过灰度均值设置控制图片的灰度范围，其计算公式如公式(9)所示。
其中，T为灰度均值。此时，限制对比度自适应直方图的阈值可以原图像进行调整，其计算如公式(10)所示。
通过此方法，确定了最佳阈值W，然后像素点重分配，灰度值重构，完成了对图像的增强处理，改善图像的质量，使图像能够显示更多的细节。增强后的X光小牙片图像其对比度增加，图像细节特征较明显突出，帮助人眼更好获得视觉效果。
图1为本发明X光小牙片图像增强方法的整体流程图，如图1所示，该方法具体包括以下步骤：
1)将RGB图像转成灰度图像，计算X光小牙片图像的灰度均值T，并把T/255与0.5相比较判断整体图像亮度情况，根据公式(2)得到γ，利用伽马变换计算公式(1)中，实现了对X光小牙片的图像灰度调整，改善整体亮度情况。
2)利用Sobel边缘检测算法提取改善后的图像细节特征，并利用高斯高通滤波器去除噪声，获取更加准确的图像细节特征图f1(x)，减少噪声干扰。
3)根据图像的信息熵冗余度公式(5)分别计算原始图像f0(x)和细节特征图f1(x)的值，并代入公式(6)得到图像融合比重α，最后代入图像融合公式(3)，得到融合图像。
4)利用图像直方图，由于直方图中可能存在两端的峰值，都是不感兴趣的信号，所以是找中央或者直方图主峰中的最大值，限定灰度范围在[51,205]之间。找到直方图中的波峰最大值(x1,y1)与波谷最小值(x2,y2)，并利用这两点确定直线L。再通过在波峰和波谷之间的直方图曲线上，通过公式(8)寻找某点到该直线L的最远距离d，确定此处灰度级N，为了保证整体的灰度水平，将利用灰度均值控制其范围，代入公式(9)，得到δ。
5)将δ和N代入公式(10)，计算得到阈值W，利用CLAHE算法，将图像大小划分为4×4的不重叠区域进行灰度重构，从而获得增强后的X光小牙片图像。
实施例1：
下面将结合具体实施方式来说明X光小牙片图像增强处理过程。该实施例中使用了933张X光小牙片图像，如图2所示，X光小牙片原图像的三通道图像直方图分布情况相同，因此发明中利用单通道图进行处理。首先需要将X光小牙片RGB图像转成灰度图像，并计算X光小牙片图像的灰度均值T，并把T/255与0.5相比较判断整体图像亮度情况。图像的灰度均值反映出整个图像的亮度情况，计算均值与0.5之间的距离s，通过s和T根据公式(2)得到γ。将γ代入伽马变换计算公式(1)中，从而实现对X光小牙片的图像灰度范围，改善整体亮度情况。其次，利用Sobel边缘检测算法计算x方向和y方向上的梯度分量，通过3×3模板作为核与伽马变换后改善图像的每个像素点做卷积和运算来提取改善后的图像边缘细节特征，由于X光小牙片图像容易受到噪声的影响，获取到的图像边缘像素点周围可能会不止一个像素，需要对梯度图像进行去除噪声的处理，采用高斯滤波器可以有效的抑制噪声，同时也能够平滑图像。因此，通过滤波半径为1的高斯高通滤波器去除噪声，将会获取更加准确的图像细节特征图f1(x)，同时减少牙齿周围软组织的噪声干扰情况。在分析图像时，直方图反映了图像的分布特征，因此通过公式(4)计算峰值处灰度级的像素数Q占图像整体像素总数M的比重R，并利用峰指处的像素是作为图像信息熵冗余度的基础，代入公式(5)，分别计算原始图像f0(x)和细节特征图f1(x)的值，得到I1和I2，并代入公式(6)得到两张图像的融合比重α，最后代入图像融合公式(3)，得到融合图像。同时利用图像直方图，由于直方图中可能存在两端的峰值，都是不感兴趣的信号，所以是找中央或者直方图主峰中的最大值，限定灰度范围在[51,205]之间。找到直方图中的波峰最大值(x1,y1)和波谷最小值(x2,y2)，并利用这两点确定直线L，再通过在波峰和波谷之间的直方图曲线上，通过公式(8)寻找某点到该直线L的最远距离d，确定此处灰度级N，为了保证整体的灰度水平，将利用灰度均值控制其范围，代入公式(9)，得到δ，将δ和N代入公式(10)，计算得到阈值W，利用CLAHE算法，将图像大小划分为4x4的不重叠区域进行像素点的重新分配，从而获得增强后的X光小牙片图像，其结果显示在图3中。由图3可以看出，本发明方法对X光小牙片图像的增强有一定的效果，牙根边界较清晰，细节信息更突出。
采用上述方法和步骤对933张X光小牙片图像进行实验处理。结果表明：本发明方法能够更好的增强图像的可读性，改善整体的灰度范围。由于上述步骤中的所有参数均为自动计算，因而，本发明方法可实现自动处理。在本发明的基础上，也就是在X光小牙片图像增强的基础上，可以进一步提高X光小牙片图像分割的准确度。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种X光小牙片图像增强方法，其特征在于，该方法具体包括以下步骤：
S1：将X光小牙片RGB原始图像转成灰度原始图像f0(x)；
S2：利用自适应伽马变换对步骤S1处理后的图像灰度进行调整；
S3：利用Sobel边缘检测算法提取步骤S2处理结果的细节特征，并利用高斯高通滤波器去除噪声，获取边缘细节特征图像f1(x)；
S4：将图像f0(x)和边缘细节特征图像f1(x)根据权值融合比例α进行图像融合；
S5：利用图像直方图，找到直方图中的波峰最大值(x1,y1)与波谷最小值(x2,y2)，并利用这两点确定直线L，再通过在波峰和波谷之间的直方图曲线上，寻找某点到该直线L的最远距离d，确定此处灰度级N，利用图像的灰度均值T得到控制图片的灰度范围δ；
S6：根据δ和N计算得到最佳阈值W；利用CLAHE算法将图像进行分块，划分成不重叠的子区域，然后根据最佳阈值对不重叠子区域进行灰度重构，从而获得增强后的X光小牙片图像。
2.根据权利要求1所述的X光小牙片图像增强方法，其特征在于，步骤S2中，自适应伽马变换的计算公式为：
Vo＝cVi γ
其中，c为正常数；Vi表示输入的灰度级；Vo表示输出的灰度级；γ为正常数，计算公式为：
其中，T表示图像灰度均值，s表示T/255与0.5之间的距离。
3.根据权利要求1所述的X光小牙片图像增强方法，其特征在于，步骤S4中，图像权值融合的计算公式为：
g(x)＝αf0(x)+(1-α)f1(x)
其中，f0(x)表示原始图像，f1(x)表示边缘细节特征图像，g(x)表示融合图像；α表示权值融合比例，计算公式为：
其中，I1和I2分别表示原始图像f0(x)和边缘细节特征图像f1(x)中峰值处的灰度级的像素数所占图像的信息熵冗余度；
图像的信息熵冗余度I的计算公式为：
其中，R表示图片的颜色直方图中峰值处的灰度级的像素数Q占总像素数M的比重，表达式为
4.根据权利要求1所述的X光小牙片图像增强方法，其特征在于，步骤S5中，控制图片的灰度范围δ的计算公式为：
5.根据权利要求1所述的X光小牙片图像增强方法，其特征在于，步骤S6中，最佳阈值W的确定方法为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210394185.3A CN114972067A (zh) | 2022-04-14 | 2022-04-14 | 一种x光小牙片图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210394185.3A CN114972067A (zh) | 2022-04-14 | 2022-04-14 | 一种x光小牙片图像增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114972067A true CN114972067A (zh) | 2022-08-30 |
Family
ID=82977012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210394185.3A Pending CN114972067A (zh) | 2022-04-14 | 2022-04-14 | 一种x光小牙片图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114972067A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115409745A (zh) * | 2022-10-31 | 2022-11-29 | 深圳市亿康医疗技术有限公司 | 一种应用于放疗准备的ct图像的增强方法 |
| CN115568873A (zh) * | 2022-12-07 | 2023-01-06 | 佗道医疗科技有限公司 | 一种ct影像自动调整方法 |
| CN117036209A (zh) * | 2023-10-07 | 2023-11-10 | 深圳英美达医疗技术有限公司 | 图像对比度增强方法、装置、计算机设备和存储介质 |
-
2022
- 2022-04-14 CN CN202210394185.3A patent/CN114972067A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115409745A (zh) * | 2022-10-31 | 2022-11-29 | 深圳市亿康医疗技术有限公司 | 一种应用于放疗准备的ct图像的增强方法 |
| CN115568873A (zh) * | 2022-12-07 | 2023-01-06 | 佗道医疗科技有限公司 | 一种ct影像自动调整方法 |
| CN115568873B (zh) * | 2022-12-07 | 2023-08-22 | 佗道医疗科技有限公司 | 一种ct影像自动调整方法 |
| CN117036209A (zh) * | 2023-10-07 | 2023-11-10 | 深圳英美达医疗技术有限公司 | 图像对比度增强方法、装置、计算机设备和存储介质 |
| CN117036209B (zh) * | 2023-10-07 | 2024-01-26 | 深圳英美达医疗技术有限公司 | 图像对比度增强方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114972067A (zh) | 一种x光小牙片图像增强方法 | |
| 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 | |
| US7248736B2 (en) | Enhancing images superimposed on uneven or partially obscured background | |
| 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 | |
| Li et al. | Robust retinal image enhancement via dual-tree complex wavelet transform and morphology-based method | |
| CN116883537B (zh) | 基于图像增强的普通外科手术影像采集方法 | |
| CN113436734B (zh) | 基于人脸结构定位的牙齿健康评估方法、设备和存储介质 | |
| CN106530236B (zh) | 一种医学图像处理方法及系统 | |
| CN114529475A (zh) | 基于二维伽马校正和色调映射的图像增强方法及系统 | |
| CN112507930B (zh) | 一种利用光照均衡法改善人脸视频心率检测的方法 | |
| CN107622475B (zh) | 图像拼接中的灰度校正方法 | |
| CN114693682B (zh) | 一种基于图像处理的脊椎特征识别方法 | |
| CN109993731A (zh) | 一种眼底病变分析方法及装置 | |
| CN110910317A (zh) | 一种舌象图像增强方法 | |
| JP7278445B2 (ja) | 光コヒーレンストモグラフィ画像を用いた３次元解析 | |
| Wang et al. | An adaptive correction algorithm for non-uniform illumination panoramic images based on the improved bilateral gamma function | |
| CN117853386B (zh) | 一种肿瘤图像增强方法 | |
| CN117237243A (zh) | 一种心血管造影图像局部自适应增强方法 | |
| CN112562829B (zh) | 一种自适应生成dicom影像默认窗宽窗位的方法 | |
| Meng et al. | Improved multi-scale retinex algorithm for medical image enhancement | |
| CN111192208A (zh) | 一种基于边窗滤波器的牙齿cr图像增强方法及装置 | |
| CN110852977B (zh) | 融合边缘灰度直方图与人眼视觉感知特性的图像增强方法 | |
| CN114677713A (zh) | 一种基于近红外光的手臂静脉采血点的识别方法及系统 | |
| CN113256518A (zh) | 用于口腔内3d重建的结构光图像增强方法 | |
| CN111091514A (zh) | 一种口腔cbct图像去噪方法及系统 |
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 |