CN116934755B - 基于直方图均衡化的肺结核ct图像增强系统 - Google Patents
基于直方图均衡化的肺结核ct图像增强系统 Download PDFInfo
- Publication number
- CN116934755B CN116934755B CN202311197779.6A CN202311197779A CN116934755B CN 116934755 B CN116934755 B CN 116934755B CN 202311197779 A CN202311197779 A CN 202311197779A CN 116934755 B CN116934755 B CN 116934755B
- Authority
- CN
- China
- Prior art keywords
- image
- contrast
- image block
- low
- block
- 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.)
- Active
Links
- 208000008128 pulmonary tuberculosis Diseases 0.000 title claims abstract description 24
- 201000008827 tuberculosis Diseases 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims description 54
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于直方图均衡化的肺结核CT图像增强系统,包括:肺结核CT图像采集模块,高、低对比度图像块获取模块,高、低对比度图像块的参考图像区域获取模块,图像增强模块,采集肺结核CT图像;根据肺结核CT图像获取多个图像块,根据每个图像块得到每个无噪图像块;根据每个无噪图像块得到高、低对比度图像块;获取高、低对比度图像块的参考图像区域;根据高、低对比度图像块的参考图像区域得到增强后肺结核CT图像,从而不仅降低噪声对图像增强的干扰,而且还降低增强过程中由于灰度级合并造成的细节损失,避免图像增强造成的失真问题。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于直方图均衡化的肺结核CT图像增强系统。
背景技术
为了减少患者接受的辐射剂量,现代CT扫描技术常常使用低剂量扫描。然而,低剂量扫描会导致图像质量下降,例如噪声增加、分辨率不足,进而无法区分图像中不同的组织和结构。
传统的直方图均衡化方法根据图像的直方图像素点的灰度分布信息进行灰度调整,使调整后的图像直方图趋于均匀,这种图像增强方法很容易造成噪声的对比度被提高,而目标的对比度被降低的情况,同时还会造成一部分的灰度区间存在过亮的现象。
发明内容
本发明提供基于直方图均衡化的肺结核CT图像增强系统,以解决现有的问题:噪声被增强以及一部分区域增强过渡的问题。
本发明的基于直方图均衡化的肺结核CT图像增强系统采用如下技术方案:
本发明一个实施例提供了基于直方图均衡化的肺结核CT图像增强系统,该系统包括以下模块:
肺结核CT图像采集模块,用于采集肺结核CT图像;
高、低对比度图像块获取模块,用于对肺结核CT图像进行分块处理得到多个图像块,根据噪声特征获取每个图像块中的噪点像素,对图像块中每个噪点像素进行去噪处理得到无噪图像块;根据每个无噪图像块的灰度值跨度情况得到每个无噪图像块的对比度,根据对比度对无噪图像块进行分类得到高对比度图像块和低对比度图像块;
高、低对比度图像块的参考图像区域获取模块,用于获取低对比度图像块的参考图像区域,获取高对比度图像块的参考图像区域;
图像增强模块,用于对高、低对比度图像块的参考图像区域进行增强处理得到高、低对比度图像块的增强后参考图像区域,根据高、低对比度图像块的增强参考图像区域得到增强后肺结核CT图像。
优选的,所述对肺结核CT图像进行分块处理得到多个图像块,包括的具体方法为:
将肺结核CT图像均匀分割成N个图像块,N表示预设图像块数。
优选的,所述根据噪声特征获取每个图像块中的噪点像素,包括的具体方法为:
对于任意一个图像块,将所述图像块中所有像素的梯度值最大值、梯度最小值分别记为第一梯度值和第二梯度值,将所述图像块中所有像素的灰度值最大值、灰度最小值分别记为第一灰度值和第二灰度值,对于任意一个像素,当所述像素的灰度值等于第一灰度值或者等于第二灰度值,并且所述像素的梯度值等于第一梯度值或者等于第二梯度值时,将所述像素判定为噪点像素,获取所述图像块中的所有噪点像素;
获取每个图像块的所有噪点像素。
优选的,所述对图像块中每个噪点像素进行去噪处理得到无噪图像块,包括的具体方法为:
对于任意一个图像块中任意一个噪点像素,获取所述噪点像素的8邻域像素,将8邻域像素的灰度值均值作为所述噪点像素的灰度值,实现对所述噪点像素的去噪处理;完成所述图像块的所有噪点像素的去噪处理得到无噪图像块;
对每个图像块进行去噪处理得到每个无噪图像块。
优选的,所述根据每个无噪图像块的灰度值跨度情况得到每个无噪图像块的对比度,包括的具体方法为:
;
其中,、/>分别表示每个无噪图像块中所有像素的灰度最大值和灰度最小值,/>表示每个无噪图像块的对比度。
优选的,所述根据对比度对无噪图像块进行分类得到高对比度图像块和低对比度图像块,包括的具体方法为:
将对比度小于预设对比度阈值的无噪图像块记为低对比度图像块,将对比度大于等于预设对比度阈值Y的无噪图像块记为高对比度图像块。
优选的,所述获取低对比度图像块的参考图像区域,包括的具体方法为:
将每个低对比度图像块作为所述低对比度图像块的参考图像区域。
优选的,所述获取高对比度图像块的参考图像区域,包括的具体方法为:
对于任意一个高对比度图像块,将无噪图像块作为基本单位,获取以所述高对比度图像块为中心的个基本单位区域,记为所述高对比度图像块的第一候选分析区域,获取第一候选分析区域中低对比度图像块面积所占的比例,记为第一候选分析区域的低对比度占比,当第一候选分析区域的低对比度占比大于等于预设占比阈值/>时,将第一候选分析区域称为所述高对比度图像块的参考图像区域;
当第一候选分析区域的低对比度占比小于预设占比阈值时,获取以所述高对比度图像块为中心的/>个基本单位区域,记为所述高对比度图像块的第二候选分析区域,获取第二候选分析区域中低对比度图像块面积所占的比例,记为第二候选分析区域的低对比度占比,当第二候选分析区域的低对比度占比大于等于预设占比阈值/>时,将第二候选分析区域称为所述高对比度图像块的参考图像区域;
当第二候选分析区域的低对比度占比小于预设占比阈值时,获取以所述高对比度图像块为中心的/>个基本单位区域,记为所述高对比度图像块的第三候选分析区域,获取第三候选分析区域中低对比度图像块面积所占的比例,记为第三候选分析区域的低对比度占比,当第三候选分析区域的低对比度占比大于等于预设占比阈值/>时,将第三候选分析区域称为所述高对比度图像块的参考图像区域,以此类推,直至得到所述高对比度图像块的参考图像区域。
优选的,所述对高、低对比度图像块的参考图像区域进行增强处理得到高、低对比度图像块的增强后参考图像区域,包括的具体方法为:
对于任意一个高对比度图像块或者低对比度图像块,利用直方图均衡化方法对所述图像块的参考图像区域进行增强处理得到所述图像块的增强后参考图像区域。
优选的,所述根据高、低对比度图像块的增强参考图像区域得到增强后肺结核CT图像,包括的具体方法为:
对于任意一个高、低对比度图像块,在每个参考图像区域中获取所述图像块的位置记为所述图像块的目标位置,将增强后参考图像区域中目标位置处的图像块作为所述图像块的增强后图像块;
将所有高、低对比度图像块的增强后图像块构成增强后肺结核CT图像。
本发明的技术方案的有益效果是:采集肺结核CT图像;对肺结核CT图像进行分块处理得到多个图像块,根据噪声特征获取每个图像块中的噪点像素,对图像块中每个噪点像素进行去噪处理得到无噪图像块;根据每个无噪图像块的灰度值跨度情况得到每个无噪图像块的对比度,根据对比度对无噪图像块进行分类得到高对比度图像块和低对比度图像块;获取低对比度图像块的参考图像区域,获取高对比度图像块的参考图像区域;对高、低对比度图像块的参考图像区域进行增强处理得到高、低对比度图像块的增强后参考图像区域,根据高、低对比度图像块的增强参考图像区域得到增强后肺结核CT图像,从而排除噪声对图像增强过程的干扰,有效解决图像增强过程中灰度级合并导致的细小纹理丢失问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于直方图均衡化的肺结核CT图像增强系统的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于直方图均衡化的肺结核CT图像增强系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于直方图均衡化的肺结核CT图像增强系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于直方图均衡化的肺结核CT图像增强系统的结构框图,该系统包括以下模块:
肺结核CT图像采集模块101,采集肺结核CT图像。
需要说明的是,为了减少患者接受的辐射剂量,现代CT扫描技术常常使用低剂量扫描。然而,低剂量扫描会导致图像质量下降,例如噪声增加、分辨率不足,进而无法区分图像中不同的组织和结构。为了保障CT图像的使用效果,因而需对CT图像进行增强处理。
为了实现本实施例提出的基于直方图均衡化的肺结核CT图像增强系统,首先采集肺结核CT图像,具体操作为:在CT图像资源库中获取病患的肺结核CT图像,对肺结核CT图像进行灰度化处理得到增强后的肺结核CT图像,为了便于描述,后续将增强后的肺结核CT图像依旧记为肺结核CT图像。
至此,通过上述方法得到肺结核CT图像。
高、低对比度图像块获取模块102,对肺结核CT图像进行分块处理得到多个图像块,对每个图像块进行去噪处理得到每个无噪图像块,对每个无噪图像块进行对比度分析得到低对比度图像块和高对比度图像块。
需要说明的是,全局直方图均衡是通过灰度级拉伸和灰度级兼并的方式实现图像增强,对于图像中相对较大的纹理,其灰度差异一般相对较大,其不会由于灰度级兼并导致纹理丢失,而对图像中相对较小的纹理,其灰度差异一般相对较小,其很容易在灰度级兼并时出现纹理丢失。全局直方图均衡化时是基于整幅图像的灰度级跨度进行灰度级兼并处理,整幅图像的灰度级跨度较大,很容易造成一些细小纹理在灰度级兼并时丢失。而图像局部区域的灰度级跨度相对较小,基于图像局部区域的灰度级跨度进行灰度级兼并时,就不会存在狭小纹理丢失现象。因而需先对肺结核CT图像进行分块处理。
具体的,将肺结核CT图像均匀分割成N个图像块,N表示预设图像块数,本实施例以N取64为例进行说明,其他实施例可以取其他值,本实施例不进行具体限制。
需要说明的是,由于低剂量扫描的肺结核CT图像中会存在一些噪声,因而图像块中会存在一些噪声,图像块中的噪点像素会影响图像块的灰度级跨度,因而需先获取图像块中的噪点像素。噪点像素一般与周围像素的灰度差异较大,并且噪点像素的灰度值一般取极限灰度值。因而基于此来对每个图像块的各像素进行噪点像素判定。
进一步的,对于任意一个图像块,将该图像块中所有像素的梯度值最大值、梯度最小值分别记为第一梯度值和第二梯度值,将该图像块中所有像素的灰度值最大值、灰度最小值分别记为第一灰度值和第二灰度值,对于任意一个像素,当该像素的灰度值等于第一灰度值或者等于第二灰度值,并且该像素的梯度值等于第一梯度值或者等于第二梯度值时,将该像素判定为噪点像素,同理获取该图像块中的所有噪点像素。
同理获取每个图像块的所有噪点像素。
进一步的,对于任意一个图像块中任意一个噪点像素,获取该噪点像素的8邻域像素,将8邻域像素的灰度值均值作为该噪点像素的灰度值,实现对该噪点像素的去噪处理。同理完成该图像块的所有噪点像素的去噪处理得到无噪图像块。
同理对每个图像块进行去噪处理每个无噪图像块。
需要说明的是,在所有无噪图像块中存在一些灰度级跨度较大的无噪图像块和一些灰度级跨度较小的无噪图像块,而灰度级的跨度会影响每个无噪图像块的增强后图像的细节保留程度,因而需对每个无噪图像块的灰度跨度情况进行评估。
进一步的,每个无噪图像块的对比度计算方法为:
;
其中,、/>分别表示每个无噪图像块中所有像素的灰度最大值和灰度最小值,/>反映了每个无噪图像块的灰度级跨度情况,该值越大说明该无噪图像块的灰度级跨度越大。/>是为了对/>进行归一化处理。/>表示每个无噪图像块的对比度。
将对比度小于预设对比度阈值的无噪图像块记为低对比度图像块,将对比度大于等于预设对比度阈值Y的无噪图像块记为高对比度图像块,本实施例以Y取0.4为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
至此,通过上述过程得到高对比度图像块和低对比度图像块。
高、低对比度图像块的参考图像区域获取模块103,获取低对比度图像块的参考图像区域,获取高对比度图像块的参考图像区域。
需要说明的是,图像块中只包含了肺结核CT图像的部分灰度级信息,因而图像块中的灰度级跨度较小,基于图像块的灰度级跨度进行的灰度级兼并损失的纹理信息较少。图像块中包含高对比度图像块和低对比度图像块,其中低对比度图像块的灰度级跨度较小,基于低对比度图像块的灰度级跨度进行的灰度级兼并不会损失细小纹理信息;而高对比度图像块的灰度级跨度较大,因而基于高对比度图像块的灰度级跨度进行的灰度级兼并会损失细小纹理信息,直方图均衡化一般是根据直方图的每个灰度级累计像素个数进行灰度级兼并,当直方图中的一些灰度级区域分布较为稀疏时,很容易造成兼并的灰度级跨度较大,从而造成较多的细节损失,因而需引入一些低对比度图像块的信息来均衡高对比度图像块的灰度级分布。
具体的,将每个低对比度图像块作为该低对比度图像块的参考图像区域。
进一步的,对于任意一个高对比度图像块,将无噪图像块作为基本单位,获取以该高对比度图像块为中心的个基本单位区域,记为该高对比度图像块的第一候选分析区域,获取第一候选分析区域中低对比度图像块面积所占的比例,记为第一候选分析区域的低对比度占比,当第一候选分析区域的低对比度占比大于等于预设占比阈值/>时,将第一候选分析区域称为该高对比度图像块的参考图像区域。需要说明的是,对于处于肺结核图像边缘的高对比度图像块,以该高对比图像块为中心不存在/>个基本单位区域时,将个基本单位区域剩余的所有像素构成的区域作为第二候选分析区域。
当第一候选分析区域的低对比度占比小于预设占比阈值时,获取以该高对比度图像块为中心的/>个基本单位区域,记为该高对比度图像块的第二候选分析区域,获取第二候选分析区域中低对比度图像块面积所占的比例,记为第二候选分析区域的低对比度占比,当第二候选分析区域的低对比度占比大于等于预设占比阈值/>时,将第二候选分析区域称为该高对比度图像块的参考图像区域。
当第二候选分析区域的低对比度占比小于预设占比阈值时,获取以该高对比度图像块为中心的/>个基本单位区域,记为该高对比度图像块的第三候选分析区域,获取第三候选分析区域中低对比度图像块面积所占的比例,记为第三候选分析区域的低对比度占比,当第三候选分析区域的低对比度占比大于等于预设占比阈值/>时,将第三候选分析区域称为该高对比度图像块的参考图像区域,以此类推,直至得到该高对比度图像块的参考图像区域。
本实施例以Q取为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
同理得到每个高对比度图像块的参考图像区域。
至此,得到高对比度图像块的参考图像区域和低对比度图像块的参考图像区域。
图像增强模块104,根据高、低对比度的参考图像区域得到增强后肺结核CT图像。
具体的,对于任意一个高对比度图像块或者低对比度图像块,利用直方图均衡化方法对该图像块的参考图像区域进行增强处理得到该图像块的增强后参考图像区域。
对于任意一个高、低对比度图像块,在每个参考图像区域中获取该图像块的位置记为该图像块的目标位置,将增强后参考图像区域中目标位置处的图像块作为该图像块的增强后图像块。
将所有高、低对比度图像块的增强后图像块构成增强后肺结核CT图像。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.基于直方图均衡化的肺结核CT图像增强系统,其特征在于,该系统包括以下模块:
肺结核CT图像采集模块,用于采集肺结核CT图像;
高、低对比度图像块获取模块,用于对肺结核CT图像进行分块处理得到多个图像块,根据噪声特征获取每个图像块中的噪点像素,对图像块中每个噪点像素进行去噪处理得到无噪图像块;根据每个无噪图像块的灰度值跨度情况得到每个无噪图像块的对比度,根据对比度对无噪图像块进行分类得到高对比度图像块和低对比度图像块;
高、低对比度图像块的参考图像区域获取模块,用于获取低对比度图像块的参考图像区域,获取高对比度图像块的参考图像区域;
图像增强模块,用于对高、低对比度图像块的参考图像区域进行增强处理得到高、低对比度图像块的增强后参考图像区域,根据高、低对比度图像块的增强参考图像区域得到增强后肺结核CT图像;
所述获取低对比度图像块的参考图像区域,包括的具体方法为:
将每个低对比度图像块作为所述低对比度图像块的参考图像区域;
所述获取高对比度图像块的参考图像区域,包括的具体方法为:
对于任意一个高对比度图像块,将无噪图像块作为基本单位,获取以所述高对比度图像块为中心的个基本单位区域,记为所述高对比度图像块的第一候选分析区域,获取第一候选分析区域中低对比度图像块面积所占的比例,记为第一候选分析区域的低对比度占比,当第一候选分析区域的低对比度占比大于等于预设占比阈值/>时,将第一候选分析区域称为所述高对比度图像块的参考图像区域;
当第一候选分析区域的低对比度占比小于预设占比阈值时,获取以所述高对比度图像块为中心的/>个基本单位区域,记为所述高对比度图像块的第二候选分析区域,获取第二候选分析区域中低对比度图像块面积所占的比例,记为第二候选分析区域的低对比度占比,当第二候选分析区域的低对比度占比大于等于预设占比阈值/>时,将第二候选分析区域称为所述高对比度图像块的参考图像区域;
当第二候选分析区域的低对比度占比小于预设占比阈值时,获取以所述高对比度图像块为中心的/>个基本单位区域,记为所述高对比度图像块的第三候选分析区域,获取第三候选分析区域中低对比度图像块面积所占的比例,记为第三候选分析区域的低对比度占比,当第三候选分析区域的低对比度占比大于等于预设占比阈值/>时,将第三候选分析区域称为所述高对比度图像块的参考图像区域,以此类推,直至得到所述高对比度图像块的参考图像区域;
所述根据高、低对比度图像块的增强参考图像区域得到增强后肺结核CT图像,包括的具体方法为:
对于任意一个高、低对比度图像块,在每个参考图像区域中获取所述图像块的位置记为所述图像块的目标位置,将增强后参考图像区域中目标位置处的图像块作为所述图像块的增强后图像块;
将所有高、低对比度图像块的增强后图像块构成增强后肺结核CT图像。
2.根据权利要求1所述基于直方图均衡化的肺结核CT图像增强系统,其特征在于,所述对肺结核CT图像进行分块处理得到多个图像块,包括的具体方法为:
将肺结核CT图像均匀分割成N个图像块,N表示预设图像块数。
3.根据权利要求1所述基于直方图均衡化的肺结核CT图像增强系统,其特征在于,所述根据噪声特征获取每个图像块中的噪点像素,包括的具体方法为:
对于任意一个图像块,将所述图像块中所有像素的梯度值最大值、梯度值最小值分别记为第一梯度值和第二梯度值,将所述图像块中所有像素的灰度值最大值、灰度值最小值分别记为第一灰度值和第二灰度值,对于任意一个像素,当所述像素的灰度值等于第一灰度值或者等于第二灰度值,并且所述像素的梯度值等于第一梯度值或者等于第二梯度值时,将所述像素判定为噪点像素,获取所述图像块中的所有噪点像素;
获取每个图像块的所有噪点像素。
4.根据权利要求1所述基于直方图均衡化的肺结核CT图像增强系统,其特征在于,所述对图像块中每个噪点像素进行去噪处理得到无噪图像块,包括的具体方法为:
对于任意一个图像块中任意一个噪点像素,获取所述噪点像素的8邻域像素,将8邻域像素的灰度值均值作为所述噪点像素的灰度值,实现对所述噪点像素的去噪处理;完成所述图像块的所有噪点像素的去噪处理得到无噪图像块;
对每个图像块进行去噪处理得到每个无噪图像块。
5.根据权利要求1所述基于直方图均衡化的肺结核CT图像增强系统,其特征在于,所述根据每个无噪图像块的灰度值跨度情况得到每个无噪图像块的对比度,包括的具体方法为:
;
其中,、/>分别表示每个无噪图像块中所有像素的灰度最大值和灰度最小值,表示每个无噪图像块的对比度。
6.根据权利要求1所述基于直方图均衡化的肺结核CT图像增强系统,其特征在于,所述根据对比度对无噪图像块进行分类得到高对比度图像块和低对比度图像块,包括的具体方法为:
将对比度小于预设对比度阈值的无噪图像块记为低对比度图像块,将对比度大于等于预设对比度阈值Y的无噪图像块记为高对比度图像块。
7.根据权利要求1所述基于直方图均衡化的肺结核CT图像增强系统,其特征在于,所述对高、低对比度图像块的参考图像区域进行增强处理得到高、低对比度图像块的增强后参考图像区域,包括的具体方法为:
对于任意一个高对比度图像块或者低对比度图像块,利用直方图均衡化方法对所述图像块的参考图像区域进行增强处理得到所述图像块的增强后参考图像区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311197779.6A CN116934755B (zh) | 2023-09-18 | 2023-09-18 | 基于直方图均衡化的肺结核ct图像增强系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311197779.6A CN116934755B (zh) | 2023-09-18 | 2023-09-18 | 基于直方图均衡化的肺结核ct图像增强系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116934755A CN116934755A (zh) | 2023-10-24 |
CN116934755B true CN116934755B (zh) | 2023-12-01 |
Family
ID=88388263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311197779.6A Active CN116934755B (zh) | 2023-09-18 | 2023-09-18 | 基于直方图均衡化的肺结核ct图像增强系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116934755B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522719B (zh) * | 2024-01-05 | 2024-03-22 | 自贡市第一人民医院 | 基于机器学习的支气管镜图像辅助优化系统 |
CN117745751B (zh) * | 2024-02-21 | 2024-04-26 | 中国人民解放军总医院第八医学中心 | 一种基于特征提取的肺结核ct图像分割方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345726A (zh) * | 2013-06-14 | 2013-10-09 | 华为技术有限公司 | 图像去噪处理方法、装置和终端 |
CN104318542A (zh) * | 2014-11-20 | 2015-01-28 | 上海华力创通半导体有限公司 | 图像增强处理算法 |
CN105608676A (zh) * | 2015-12-23 | 2016-05-25 | 浙江宇视科技有限公司 | 一种视频图像的增强方法及装置 |
CN106651818A (zh) * | 2016-11-07 | 2017-05-10 | 湖南源信光电科技有限公司 | 基于改进的直方图均衡化低照度图像增强算法 |
CN108647593A (zh) * | 2018-04-26 | 2018-10-12 | 东华大学 | 基于图像处理和svm的无人机路面破损分类检测方法 |
WO2019223069A1 (zh) * | 2018-05-25 | 2019-11-28 | 平安科技(深圳)有限公司 | 基于直方图的虹膜图像增强方法、装置、设备及存储介质 |
CN111223110A (zh) * | 2020-01-06 | 2020-06-02 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
CN112700420A (zh) * | 2020-12-31 | 2021-04-23 | 中南大学 | 一种眼底图像补全、分类方法及系统 |
CN114170115A (zh) * | 2021-12-31 | 2022-03-11 | 中航华东光电有限公司 | 基于fpga的直方图均衡化增强图像细节的显示方法 |
CN114757950A (zh) * | 2022-06-15 | 2022-07-15 | 深圳瀚维智能医疗科技有限公司 | 超声图像处理方法、装置以及计算机可读存储介质 |
CN115311176A (zh) * | 2022-10-12 | 2022-11-08 | 江苏菲尔浦物联网有限公司 | 基于直方图均衡化的夜间图像增强方法 |
-
2023
- 2023-09-18 CN CN202311197779.6A patent/CN116934755B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345726A (zh) * | 2013-06-14 | 2013-10-09 | 华为技术有限公司 | 图像去噪处理方法、装置和终端 |
CN104318542A (zh) * | 2014-11-20 | 2015-01-28 | 上海华力创通半导体有限公司 | 图像增强处理算法 |
CN105608676A (zh) * | 2015-12-23 | 2016-05-25 | 浙江宇视科技有限公司 | 一种视频图像的增强方法及装置 |
CN106651818A (zh) * | 2016-11-07 | 2017-05-10 | 湖南源信光电科技有限公司 | 基于改进的直方图均衡化低照度图像增强算法 |
CN108647593A (zh) * | 2018-04-26 | 2018-10-12 | 东华大学 | 基于图像处理和svm的无人机路面破损分类检测方法 |
WO2019223069A1 (zh) * | 2018-05-25 | 2019-11-28 | 平安科技(深圳)有限公司 | 基于直方图的虹膜图像增强方法、装置、设备及存储介质 |
CN111223110A (zh) * | 2020-01-06 | 2020-06-02 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
CN112700420A (zh) * | 2020-12-31 | 2021-04-23 | 中南大学 | 一种眼底图像补全、分类方法及系统 |
CN114170115A (zh) * | 2021-12-31 | 2022-03-11 | 中航华东光电有限公司 | 基于fpga的直方图均衡化增强图像细节的显示方法 |
CN114757950A (zh) * | 2022-06-15 | 2022-07-15 | 深圳瀚维智能医疗科技有限公司 | 超声图像处理方法、装置以及计算机可读存储介质 |
CN115311176A (zh) * | 2022-10-12 | 2022-11-08 | 江苏菲尔浦物联网有限公司 | 基于直方图均衡化的夜间图像增强方法 |
Non-Patent Citations (3)
Title |
---|
Adaptive image enhancement algorithm based on fuzzy entropy and human visual characteristics;wang Baoping等;《Journal of Systems Engineering and Electronics》;第29卷(第5期);全文 * |
MRI医学图像增强技术研究;刘彩薇;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》(第4期);全文 * |
基于改进直方图均衡的红外图像对比度增强算法;张燕 等;《红外》;第35卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116934755A (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116934755B (zh) | 基于直方图均衡化的肺结核ct图像增强系统 | |
JP4590470B2 (ja) | 背景色を推定する方法およびシステム | |
Zhuang et al. | Image enhancement via subimage histogram equalization based on mean and variance | |
US11995808B2 (en) | Method for X-ray dental image enhancement | |
CN114742727B (zh) | 一种基于图像平滑的噪声处理方法及系统 | |
US8144996B1 (en) | Image processing apparatus | |
CN109919859B (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
CN108109123B (zh) | 一种图像去噪方法 | |
Zhang et al. | Decision-based non-local means filter for removing impulse noise from digital images | |
CN116071355A (zh) | 一种用于外周血管影像的辅助分割系统及方法 | |
CN114298916A (zh) | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 | |
CN115272362A (zh) | 一种数字病理全场图像有效区域分割方法、装置 | |
CN110111280A (zh) | 一种多尺度梯度域引导滤波的低照度图像增强算法 | |
Treece | Real image denoising with a locally-adaptive bitonic filter | |
Grundland et al. | Automatic contrast enhancement by histogram warping | |
CN116843584B (zh) | 一种图像数据优化增强方法 | |
Cho et al. | Enhancement technique of image contrast using new histogram transformation | |
Zhou et al. | An improved algorithm using weighted guided coefficient and union self‐adaptive image enhancement for single image haze removal | |
Arnia et al. | Improvement of binarization performance by applying dct as pre-processing procedure | |
CN114529518A (zh) | 一种基于图像金字塔与nlm的冷冻电镜图像增强方法 | |
CN114913099A (zh) | 视频文件处理的方法和系统 | |
Storozhilova et al. | 2.5 D extension of neighborhood filters for noise reduction in 3D medical CT images | |
Choi et al. | Infrared image enhancement based on an aligned high resolution visible image | |
Kumar et al. | [Retracted] Luminosity Control and Contrast Enhancement of Digital Mammograms Using Combined Application of Adaptive Gamma Correction and DWT‐SVD | |
CN116883270B (zh) | 一种碎石手术软镜清晰化成像系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |