CN117392056A - 一种基于同态增强的x射线医学图像归一化方法及装置 - Google Patents
一种基于同态增强的x射线医学图像归一化方法及装置 Download PDFInfo
- Publication number
- CN117392056A CN117392056A CN202311145941.XA CN202311145941A CN117392056A CN 117392056 A CN117392056 A CN 117392056A CN 202311145941 A CN202311145941 A CN 202311145941A CN 117392056 A CN117392056 A CN 117392056A
- Authority
- CN
- China
- Prior art keywords
- medical image
- ray medical
- homomorphism
- ray
- 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.)
- Pending
Links
- 238000010606 normalization Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000006870 function Effects 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 18
- 230000002708 enhancing effect Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000003014 reinforcing effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 230000003416 augmentation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000006820 Arthralgia Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 238000011882 arthroplasty Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000008407 joint function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 208000037974 severe injury Diseases 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- 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 by the use of more than one image, e.g. averaging, subtraction
-
- 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
- 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]
Abstract
本申请提供了一种基于同态增强的X射线医学图像归一化方法及装置，所述方法包括：获取X射线医学图像；对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。本申请中，通过数据增强和归一化操作，对X射线医学图像进行图像信号的统一，避免图像质量不统一造成的识别不准确等后果。
Description
技术领域
本申请涉及图像处理技术领域，具体而言，涉及一种基于同态增强的X射线医学图像归一化方法及装置。
背景技术
关节置换手术，也称为关节置换术或人工关节置换手术，是一种常见的外科手术，用于治疗关节严重损伤或疾病导致的疼痛和功能障碍。这种手术旨在恢复患者的关节功能，并显著减轻关节部疼痛，从而提高患者的生活质量。
目前关节置换的诊断和手术的前提是获取准确的医学图像。但是现在的X射线医学图像由于设备、影像医生人为操作等不同因素造成图像的亮度不同，甚至一张图像有高亮区域也有较暗区域，这些图像质量层次不齐导致对图像进行进一步识别等处理时容易出现识别不准确等后果。
发明内容
本申请解决的问题是当前医学图像质量层次不齐导致识别不准确等后果。
为解决上述问题，本申请第一方面提供了一种基于同态增强的X射线医学图像归一化方法，包括：
获取X射线医学图像；
对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；
对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；
对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。
本申请第二方面提供了一种基于同态增强的X射线医学图像归一化装置，其包括：
图像获取模块，其用于获取X射线医学图像；
同态增强模块，其用于对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；
图像归一模块，其用于对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；
裁剪增强模块，其用于对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。
本申请第三方面提供了一种电子设备，其包括：存储器和处理器；
所述存储器，其用于存储程序；
所述处理器，耦合至所述存储器，用于执行所述程序，以用于：
获取X射线医学图像；
对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；
对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；
对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。
本申请第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行实现上述所述的基于同态增强的X射线医学图像归一化方法。
本申请中，通过数据增强和归一化操作，对X射线医学图像进行图像信号的统一，避免图像质量不统一造成的识别不准确等后果。
本申请中，通过同态增强方法对图像进行初步增强，增加细节信息的显示，然后使用基于灰度裁剪方法对同一张X射线医学图像不同区域进行自适应的增强，以保障整张图像的对比度的均衡。
附图说明
图1为根据本申请实施例的X射线医学图像归一化方法的流程图；
图2为根据本申请实施例的X射线医学图像归一化方法同态增强的流程图；
图3为根据本申请实施例的X射线医学图像归一化方法灰度裁剪的示意图；
图4为根据本申请实施例的X射线医学图像归一化方法的原始图像与增强结果的对比图；
图5为根据本申请实施例的X射线医学图像归一化装置的结构框图；
图6为根据本申请实施例的电子设备的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更为明显易懂，下面结合附图对本申请的具体实施例做详细的说明。虽然附图中显示了本申请的示例性实施方式，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
针对上述问题，本申请提供一种新的基于同态增强的X射线医学图像归一化方案，通过数据增强和归一化操作，对X射线医学图像进行图像信号的统一，解决当前医学图像质量层次不齐导致识别不准确等后果的问题。
本申请实施例提供了一种基于同态增强的X射线医学图像归一化方法，该方法的具体方案由图1-图4所示，该方法可以由基于同态增强的X射线医学图像归一化装置来执行，该基于同态增强的X射线医学图像归一化装置可以集成在电脑、服务器、计算机、服务器集群、数据中心等电子设备中。结合图1所示，其为根据本申请一个实施例的基于同态增强的X射线医学图像归一化方法的流程图；其中，所述基于同态增强的X射线医学图像归一化方法，包括：
S100，获取X射线医学图像；
本申请中，所述X射线医学图像对基于X射线设备对单一对象的特定部位拍摄的图像。其具体获取方式可以为直接由X射线设备通过拍摄生成的图像，也可以是由其他使用者通过其他医院的对应设备获取并上传的图像。具体获取方式，本申请中不做限制。
S200，对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；
S300，对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；
S400，对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。
本申请中，通过数据增强和归一化操作，对X射线医学图像进行图像信号的统一，避免图像质量不统一造成的识别不准确等后果。
本申请中，通过同态增强方法对图像进行初步增强，增加细节信息的显示，然后使用基于灰度裁剪方法对同一张X射线医学图像不同区域进行自适应的增强，以保障整张图像的对比度的均衡。
在一种实施方式中，结合图2所示，所述S200，对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像，包括：
S201，构建所述X射线医学图像的高频分量和低频分量组合并执行取对数运算；
本申请中，X射线医学图像可以分为两个部分，即光强分量与反射分量，光强分量其特点是缓慢变化，集中在图像的低频部分，可以将其作为低频分量。反射分量包含了景物各种信息，高频成分丰富，可以将其作为高频分量。
构建X射线医学图像的组合公式可以为：
Iar(x，y)＝i(x，y)×r(x，y)
其中，Iar(x，y)为X射线图像像素点的幅度值，x，y为像素点在二维坐标中的位置，i(x，y)为低频分量，r(x，y)为高频分量。
对两边取自然对数，以分离分量低频分量i(x，y)和高频分量r(x，y)，计算如下所示：
z(x，y)＝logIar(x，y)＝λ×log i(x，y)+μ×log r(x，y)
λ+μ＝1
其中，z(x，y)为幅度值Iar(x，y)取自然对数后的函数表示，i(x，y)为低频分量，r(x，y)为高频分量，λ为低频分量权重，μ为高频分量权重。
在一种实施方式中，μ大于λ。这样，得到的X射线医学图像中高频分类的权重更大，(高频分量中包含了景物各种信息)可以突出X射线医学图像的更多的细节特征。
S202，对取对数后的高频分量和低频分量组合进行频域傅里叶变换；
其中，频域傅里叶变换的公式为：
式中，z(x，y)为幅度值Iar(x，y)取自然对数后的函数表示，i(x，y)为低频分量，r(x，y)为高频分量，为频域傅里叶变换。
本申请中，通过频域傅里叶变换，将原始域的图像通过非线性映射，转换到可以使用线性滤波器的不同域。
S203，通过高频滤波器对傅里叶变换后的所述高频分量和低频分量组合进行滤波，并执行傅里叶反变换；
其中，所述高频滤波器对所述X射线医学图像进行滤波的计算公式为：
对滤波后的图像进行傅里叶反变换的公式为：
其中，s(x，y)为傅里叶反变换后的函数表示，S(x，y)为高频滤波后的函数表示，T(x，y)为滤波函数，为频域傅里叶变换，/>为傅里叶反变换。
这样，通过傅里叶反变换得到频域滤波后的图像(高频分量和低频分量组合)。本申请中，滤波后通过傅里叶反变换将图像/高频分量和低频分量组合映射回原始域。
S204，对傅里叶反变换后的高频分量和低频分量组合进行逆运算，得到同态增强后的X射线医学图像。
其中，所述逆运算为取自然对数的逆运算，具体逆运算公式为：
ge(x，y)＝exp{s(x，y)}＝ei′(x，y)×er′(x，y)
其中，ge(x，y)为逆运算后的函数表示，s(x，y)为傅里叶反变换后的函数表示，i′(x，y)为傅里叶反变换后的低频分量，r′(x，y)为傅里叶反变换后的高频分量。
在一种实施方式中，所述高频滤波器的滤波函数为：
式中，T(x，y)为滤波函数，D(x，y)为截止频率坐标和中心频率坐标之间的距离，D0为距离常数，Gamma()为伽马函数，γh和γl为高频增益和低频增益。
在一种实施方式中，所述归一化处理的公式为：
式中，PNormalize为归一化的X射线医学图像，PBlank为无物体的X射线医学图像，PRaw为同态增强后的X射线医学图像。
本申请中，所述无物体的X射线医学图像，为对空旷无人处直接进行照射得到的X射线医学图像。
本申请中，通过归一化改变X射线医学图像的像素强度值范围，产生具有适合显示的图像。
本申请中，在同态增强之后，在进行灰度裁剪增强之前首先进行归一化处理，一方面通过原始的X射线医学图像直接进行同态增强，可以避免归一化处理对X射线医学图像的细节内容改变对同态增强的影响；另一方面在归一化后再进行灰度裁剪增强，可以提高不同的X射线医学图像进行灰度裁剪增强的一致性，避免不同像素强度范围的X射线医学图像进行基于限定阈值的裁剪时结果差别过大的情况。
在一种实施方式中，结合图3所示，所述对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果，包括：
对归一化后的所述X射线医学图像进行图像分割，得到多个分割区域；
计算每个分割区域的灰度分布；
基于限定阈值对每个分割区域进行裁剪；
对裁剪后的分割区域进行归一化重建；
基于重建后的分割区域确定增强后的X射线医学图像，该X射线医学图像为所述X射线医学图像结果。
本申请中，对所述X射线医学图像进行图像分割中，将所述X射线医学图像分割为大小相同的分割区域。
本申请中，大小相同的分割区域，是指分割出的区域的M×N尺寸均相同。
需要说明的是，若X射线医学图像并非M×N尺寸的整数倍(无法准确分割)，则可以通过复用边界像素的方式进行图像分割。例如：X射线医学图像为99×99，将其划分为2×2个分割区域，则复用第50行和50列的像素点，划分为4个50×50的分割区域，每个分割区域的对应边界均为X射线医学图像的第50行和50列的像素点。
本申请中，所分割区域的数量为4-8个。
需要说明的是，若不分割X射线医学图像，直接进行后续的裁剪和归一化重建，则由于X射线医学图像的局部区域过亮或过暗，使得重建的效果较差。本申请中，由于X射线医学图像通常针对的人体部分范围较大，容易出现较多数量的过亮区域和过暗区域，因此将分割区域的数量限制为4-8个，从而能较大程度将X射线医学图像的过亮区域和过暗区域分割开来。
需要强调的是，对于分割区域而言，所分割区域的数量越多，进行局部裁剪和重建的效果越差；但是对于整个X射线医学图像，局部区域过亮和过暗，也会使得重建的效果较差。
本申请中，通过将分割区域的数量限制为4-8个，从而能较大程度将X射线医学图像的过亮区域和过暗区域分割开来。另一方面，通过先归一化再灰度裁剪增强的方式，增强多个X射线医学图像之间的同源性以及同一X射线医学图像的对比度，从而增强局部的灰度裁剪增强的效果，抵消分割区域较多引起的灰度裁剪增强的效果减弱的缺点。
本申请中，计算每个分割区域的灰度分布，即是计算每个分割区域的直方图。
本申请中，基于限定阈值对每个分割区域进行裁剪，即为删除每个分割区域中的超出限定阈值的像素。这样，通过直接删除的方式处理超出限定阈值的像素，利用X射线图像经同态增强后具有更多细节的优势，大大降低灰度裁剪增强需要的计算量(删除后无需计算该部分内容)。
本申请中，对裁剪后的分割区域进行归一化重建，即为对裁剪后的分割区域的直方图进行均衡处理，具体处理方式本申请中不再赘述。
本申请中，基于重建后的分割区域确定增强后的X射线医学图像，即为将多个分割区域合并为X射线医学图像。
需要说明的是，在复用边界像素的方式进行图像分割的情况下，将多个分割区域合并为X射线医学图像时，可以将对应边界的重合像素点取均值作为新的X射线医学图像中的对应像素点。
在一种实施方式中，所述限定阈值的计算公式为：
其中，β为限定阈值，M×N为每个区域的像素数，L为灰度数，α为裁剪因子(0-100)，smax为最大允许剪切块数量。
本申请中，通过设置改限定阈值的计算公式，从而避免在裁剪时过多或过少裁剪，增加灰度裁剪增强后的细节显示。
在一种实施方式中，所述基于重建后的分割区域确定增强后的X射线医学图像，包括：
基于重建后的分割区域的像素点的灰度值进行重构，重构后的图像为增强后的X射线医学图像。
本申请中，可以通过插值的方式进行重构，得到重构后的X射线医学图像。
在一种实施方式中，S400，对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果，还包括：
将归一化后的所述X射线医学图像转换为RGB图像和CMY图像，并通过前述灰度裁剪增强过程分别获得RGB图像对应的RGB格式X射线医学图像结果和CMY图像对应的CMY格式X射线医学图像结果，最后将RGB格式X射线医学图像结果和CMY格式X射线医学图像结果进行图像融合，得到最终的X射线医学图像结果
本步骤中的前述灰度裁剪增强过程即为：对归一化后的所述X射线医学图像进行图像分割，得到多个分割区域；计算每个分割区域的灰度分布；基于限定阈值对每个分割区域进行裁剪；对裁剪后的分割区域进行归一化重建；基于重建后的分割区域确定增强后的X射线医学图像，该X射线医学图像为所述X射线医学图像结果。
本申请中，通过将归一化后的所述X射线医学图像映射到不同彩色空间后进行灰度裁剪增强并将增强结果图像融合的方式，从而增加X射线医学图像的更多细节内容。
结合图4所示，其为原始图像与增强结果的对比图。其中，最上图为原始图像，最下图为经过同态增强和灰度裁剪增强的结果图，中间图为经过同态增强但并未经过灰度裁剪增强的图像。可以看出，与原始图像相比，经过同态增强的图像中的技术细节更多，轮廓更清晰，但整体亮度偏暗，经过同态增强和灰度裁剪增强的结果图的图像细节明显更多，轮廓更清晰，且整图的显示较为柔和，更便于分辨。
本申请实施例提供了一种基于同态增强的X射线医学图像归一化装置，用于执行本申请上述内容所述的基于同态增强的X射线医学图像归一化方法，以下对所述基于同态增强的X射线医学图像归一化装置进行详细描述。
如图5所示，所述基于同态增强的X射线医学图像归一化装置，包括：
图像获取模块101，其用于获取X射线医学图像；
同态增强模块102，其用于对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；
图像归一模块103，其用于对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；
裁剪增强模块104，其用于对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。
在一种实施方式中，同态增强模块102还用于：
构建所述X射线医学图像的高频分量和低频分量组合并执行取对数运算；对取对数后的高频分量和低频分量组合进行频域傅里叶变换；通过高频滤波器对傅里叶变换后的所述高频分量和低频分量组合进行滤波，并执行傅里叶反变换；对傅里叶反变换后的高频分量和低频分量组合进行逆运算，得到同态增强后的X射线医学图像。
在一种实施方式中，所述高频滤波器的滤波函数为：
式中，T(x,y)为滤波函数，D(x,y)为截止频率坐标和中心频率坐标之间的距离，D0为距离常数，Gamma()为伽马函数，γh和γl为高频增益和低频增益。
在一种实施方式中，所述归一化处理的公式为：
式中，PNormalize为归一化的X射线医学图像，PBlank为无物体的X射线医学图像，PRaw为经典X射线医学图像。
在一种实施方式中，裁剪增强模块104还用于：
对归一化后的所述X射线医学图像进行图像分割，得到多个分割区域；计算每个分割区域的灰度分布；基于限定阈值对每个分割区域进行裁剪；对裁剪后的分割区域进行归一化重建；基于重建后的分割区域确定增强后的X射线医学图像，该X射线医学图像为所述X射线医学图像结果。
在一种实施方式中，所述限定阈值的计算公式为：
其中，β为限定阈值，M×N为每个区域的像素数，L为灰度数，α为裁剪因子(0-100)，smax为最大允许剪切块数量。
在一种实施方式中，裁剪增强模块104还用于：
基于重建后的分割区域的像素点的灰度值进行重构，重构后的图像为增强后的X射线医学图像。
本申请的上述实施例提供的基于同态增强的X射线医学图像归一化装置与本申请实施例提供的基于同态增强的X射线医学图像归一化方法具有对应关系，因此该装置中的具体内容与X射线医学图像归一化方法具有对应关系，具体内容可以参照X射线医学图像归一化方法中的记录，本申请中对此不再赘述。
本申请的上述实施例提供的基于同态增强的X射线医学图像归一化装置与本申请实施例提供的基于同态增强的X射线医学图像归一化方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
以上描述了基于同态增强的X射线医学图像归一化装置的内部功能和结构，如图6所示，实际中，该基于同态增强的X射线医学图像归一化装置可实现为电子设备，包括：存储器301及处理器303。
存储器301，可被配置为存储程序。
另外，存储器301，还可被配置为存储其它各种数据以支持在电子设备上的操作。这些数据的示例包括用于在电子设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。
存储器301可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
处理器303，耦合至存储器301，用于执行存储器301中的程序，以用于：
获取X射线医学图像；
对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；
对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；
对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。
在一种实施方式中，处理器303还用于：
构建所述X射线医学图像的高频分量和低频分量组合并执行取对数运算；对取对数后的高频分量和低频分量组合进行频域傅里叶变换；通过高频滤波器对傅里叶变换后的所述高频分量和低频分量组合进行滤波，并执行傅里叶反变换；对傅里叶反变换后的高频分量和低频分量组合进行逆运算，得到同态增强后的X射线医学图像。
在一种实施方式中，所述高频滤波器的滤波函数为：
式中，T(x,y)为滤波函数，D(x,y)为截止频率坐标和中心频率坐标之间的距离，D0为距离常数，Gamma()为伽马函数，γh和γl为高频增益和低频增益。
在一种实施方式中，所述归一化处理的公式为：
式中，PNormalize为归一化的X射线医学图像，PBlank为无物体的X射线医学图像，PRaw为经典X射线医学图像。
在一种实施方式中，处理器303还用于：
对归一化后的所述X射线医学图像进行图像分割，得到多个分割区域；计算每个分割区域的灰度分布；基于限定阈值对每个分割区域进行裁剪；对裁剪后的分割区域进行归一化重建；基于重建后的分割区域确定增强后的X射线医学图像，该X射线医学图像为所述X射线医学图像结果。
在一种实施方式中，所述限定阈值的计算公式为：
其中，β为限定阈值，M×N为每个区域的像素数，L为灰度数，α为裁剪因子(0-100)，smax为最大允许剪切块数量。
在一种实施方式中，处理器303还用于：
基于重建后的分割区域的像素点的灰度值进行重构，重构后的图像为增强后的X射线医学图像。
本申请中，处理器还具体用于执行上述基于同态增强的X射线医学图像归一化方法的所有流程及步骤，具体内容可参照X射线医学图像归一化方法中的记录，本申请中对此不再赘述。
本申请中，图6中仅示意性给出部分组件，并不意味着电子设备只包括图6所示组件。
本实施例提供的电子设备，与本申请实施例提供的基于同态增强的X射线医学图像归一化方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(Flash RAM)。内存是计算机可读介质的示例。
本申请还提供一种与前述实施方式所提供的基于同态增强的X射线医学图像归一化方法对应的计算机可读存储介质，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的基于同态增强的X射线医学图像归一化方法。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(Transitory Media)，如调制的数据信号和载波。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的基于同态增强的X射线医学图像归一化方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是，在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的结构和技术，以便不模糊对本说明书的理解。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于同态增强的X射线医学图像归一化方法，其特征在于，包括：
获取X射线医学图像；
对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；
对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；
对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。
2.根据权利要求1所述的X射线医学图像归一化方法，其特征在于，所述对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像，包括：
构建所述X射线医学图像的高频分量和低频分量组合并执行取对数运算；
对取对数后的高频分量和低频分量组合进行频域傅里叶变换；
通过高频滤波器对傅里叶变换后的所述高频分量和低频分量组合进行滤波，并执行傅里叶反变换；
对傅里叶反变换后的高频分量和低频分量组合进行逆运算，得到同态增强后的X射线医学图像。
3.根据权利要求2所述的X射线医学图像归一化方法，其特征在于，所述高频滤波器的滤波函数为：
式中，T(x,y)为滤波函数，D(x,y)为截止频率坐标和中心频率坐标之间的距离，D0为距离常数，Gamma()为伽马函数，γh和γl为高频增益和低频增益。
4.根据权利要求1-3任一项所述的X射线医学图像归一化方法，其特征在于，所述归一化处理的公式为：
式中，PNormalize为归一化的X射线医学图像，PBlank为无物体的X射线医学图像，PRaw为经典X射线医学图像。
5.根据权利要求1-3任一项所述的X射线医学图像归一化方法，其特征在于，所述对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果，包括：
对归一化后的所述X射线医学图像进行图像分割，得到多个分割区域；
计算每个分割区域的灰度分布；
基于限定阈值对每个分割区域进行裁剪；
对裁剪后的分割区域进行归一化重建；
基于重建后的分割区域确定增强后的X射线医学图像，该X射线医学图像为所述X射线医学图像结果。
6.根据权利要求5所述的X射线医学图像归一化方法，其特征在于，所述限定阈值的计算公式为：
其中，β为限定阈值，M×N为每个区域的像素数，L为灰度数，α为裁剪因子(0-100)，smax为最大允许剪切块数量。
7.根据权利要求5所述的X射线医学图像归一化方法，其特征在于，所述基于重建后的分割区域确定增强后的X射线医学图像，包括：
基于重建后的分割区域的像素点的灰度值进行重构，重构后的图像为增强后的X射线医学图像。
8.一种基于同态增强的X射线医学图像归一化装置，其特征在于，包括：
图像获取模块，其用于获取X射线医学图像；
同态增强模块，其用于对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；
图像归一模块，其用于对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；
裁剪增强模块，其用于对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。
9.一种电子设备，其特征在于，包括：存储器和处理器；
所述存储器，其用于存储程序；
所述处理器，耦合至所述存储器，用于执行所述程序，以用于：
获取X射线医学图像；
对所述X射线医学图像进行同态增强，得到同态增强后的X射线医学图像；
对同态增强后的所述X射线医学图像进行归一化处理，得到归一化后的X射线医学图像；
对归一化后的所述X射线医学图像进行灰度裁剪增强，得到X射线医学图像结果。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行实现权利要求1-7任一项所述的基于同态增强的X射线医学图像归一化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311145941.XA CN117392056A (zh) | 2023-09-06 | 2023-09-06 | 一种基于同态增强的x射线医学图像归一化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311145941.XA CN117392056A (zh) | 2023-09-06 | 2023-09-06 | 一种基于同态增强的x射线医学图像归一化方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117392056A true CN117392056A (zh) | 2024-01-12 |
Family
ID=89435126
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311145941.XA Pending CN117392056A (zh) | 2023-09-06 | 2023-09-06 | 一种基于同态增强的x射线医学图像归一化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117392056A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104717924A (zh) * | 2012-10-05 | 2015-06-17 | 皇家飞利浦有限公司 | 用于提供增强的x射线图像的医学成像系统及方法 |
| US20180235467A1 (en) * | 2015-08-20 | 2018-08-23 | Ohio University | Devices and Methods for Classifying Diabetic and Macular Degeneration |
| WO2020221177A1 (zh) * | 2019-04-30 | 2020-11-05 | 深圳数字生命研究院 | 图像的识别方法及装置、存储介质和电子装置 |
| CN114724188A (zh) * | 2022-05-23 | 2022-07-08 | 北京圣点云信息技术有限公司 | 基于灰度共生矩阵的静脉识别方法及装置 |
-
2023
- 2023-09-06 CN CN202311145941.XA patent/CN117392056A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104717924A (zh) * | 2012-10-05 | 2015-06-17 | 皇家飞利浦有限公司 | 用于提供增强的x射线图像的医学成像系统及方法 |
| US20180235467A1 (en) * | 2015-08-20 | 2018-08-23 | Ohio University | Devices and Methods for Classifying Diabetic and Macular Degeneration |
| WO2020221177A1 (zh) * | 2019-04-30 | 2020-11-05 | 深圳数字生命研究院 | 图像的识别方法及装置、存储介质和电子装置 |
| CN114724188A (zh) * | 2022-05-23 | 2022-07-08 | 北京圣点云信息技术有限公司 | 基于灰度共生矩阵的静脉识别方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| HE WEN, WU QI, LI SHUANG: "Medical X-ray Image Enhancement Based on Wavelet Domain Homomorphic Filtering and CLAHE", 《2016 INTERNATIONAL CONFERENCE ON ROBOTS & INTELLIGENT SYSTEM》, 31 December 2016 (2016-12-31), pages 249 - 254 * |
| 王磊;: "基于直方图均衡的X射线图像增强方法", 激光杂志, no. 12, 25 December 2015 (2015-12-25) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5471987A (en) | Method of compressing a dynamic range for a radiation image | |
| JP4683721B2 (ja) | 器官の厚みを補償する方法および装置 | |
| CN107004257B (zh) | 通过基于噪声模型的多尺度噪声降低来模拟剂量增加 | |
| CN107292815B (zh) | 乳腺图像的处理方法、装置及乳腺成像设备 | |
| JP6140716B2 (ja) | アーチファクトを補正する装置、方法、システム及び記憶媒体 | |
| CN111402150B (zh) | 一种ct图像金属伪影去除方法及装置 | |
| CN113989407B (zh) | Ct影像中肢体部位识别模型训练方法及系统 | |
| Khan et al. | Contrast enhancement of low-contrast medical images using modified contrast limited adaptive histogram equalization | |
| US20160343117A1 (en) | Apparatus, method, and computer-readable medium for quad reconstruction using hybrid filter convolution and high dynamic range tone-mapping | |
| Saenpaen et al. | A comparison of image enhancement methods for lumbar spine X-ray image | |
| Liu et al. | Enhancement of low illumination images based on an optimal hyperbolic tangent profile | |
| KR20200099633A (ko) | 영상의 질감 분석 방법 및 컴퓨터 프로그램 | |
| CN117392056A (zh) | 一种基于同态增强的x射线医学图像归一化方法及装置 | |
| Bhandari et al. | Gamma corrected reflectance for low contrast image enhancement using guided filter | |
| CN111127371A (zh) | 图像增强参数自动优化方法、存储介质和x射线扫描装置 | |
| Vijayalakshmi et al. | A compendious analysis of advances in HE methods for contrast enhancement | |
| Subramani et al. | Cuckoo search optimization‐based image color and detail enhancement for contrast distorted images | |
| CN116109618A (zh) | 血管成像方法、装置、电子设备和介质 | |
| JP4127537B2 (ja) | 画像処理方法および装置並びにプログラム | |
| CN111613300B (zh) | 基于VRDS 4D医学影像的肿瘤与血管Ai处理方法及产品 | |
| CN109741274B (zh) | 图像处理方法及装置 | |
| Harine et al. | Fundus Image Enhancement Using Hybrid Deep Learning Approaches | |
| He et al. | A new grey mapping function and its adaptive algorithm for low-light image enhancement | |
| Fan et al. | Medical image enhancement based on modified lut-mapping derivative and multi-scale layer contrast modification | |
| CN116894793B (zh) | 一种用于增强图像质量的方法及装置 |
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 |