DE602004003845T2

DE602004003845T2 - Bildverarbeitungsvorrichtung zur Reduktion von Pixelrauschen

Info

Publication number: DE602004003845T2
Application number: DE602004003845T
Authority: DE
Inventors: Tadaharu Otawara-Shi Kobayashi; Miwa Kuroiso-Shi Okumura
Original assignee: Toshiba Corp; Toshiba Medical Systems Corp
Current assignee: Toshiba Corp; Canon Medical Systems Corp
Priority date: 2003-02-13
Filing date: 2004-02-13
Publication date: 2007-08-30
Anticipated expiration: 2024-02-14
Also published as: JP4413504B2; CN1521695A; EP1447773B1; EP1755082A3; US20070145317A9; US20040159812A1; CN100353378C; JP2004246625A; EP1447773A2; US7822242B2; DE602004003845D1; EP1447773A3; EP1755082A2

Description

Hintergrund der Erfindung
(Technisches Gebiet)
Die Erfindung betrifft eine Bildverarbeitungsvorrichtung und ein Bildverarbeitungsverfahren zum Reduzieren von Rauschen in einem Bild, und insbesondere einen Bildprozessor und ein Bildverarbeitungsverfahren zum Reduzieren von Rauschen von verschiedenen digitalen Bildern, beispielsweise medizinischen digitalen Bildern, die durch medizinische Modalitäten erfasst werden.
(Stand der Technik)
Allgemein werden verschiedene Typen von Rauschen in Bildern gemischt, die basierend auf natürlichen Ereignissen erfasst werden. Dieses Rauschen hat oft einen generischen Namen, das sog. „Bildrauschen". Wie das Bildrauschen zu entfernen oder zu reduzieren ist für qualitativ hochwertigere Bilder liegt immer als signifikante technische Aufgabe zugrunde.
Speziell existiert Bildrauschen, das hauptsächlich aus höherfrequenten Signalkomponenten gebildet wird, oft auf einem Bild. In einem derartigen Bild wird das Bildrauschen oft hinderlich beim Betrachten struktureller Objekte, die ein Ziel sind, auf einem Bild (in medizinischen Bildern sind die Objekte beispielsweise Knochenbereiche), unter höherer Sichtbarkeit und größerer Dichteauflösung. Die Sichtbarkeit und die Dichteauflösung werden stark beeinträchtigt. Beispielsweise, um ein medizinisches Bild zu betrachten, macht eine Verschlechterung der Sichtbarkeit und/oder Dichteauflösung es schwierig, einen Tumor in Weichgewebe zu finden.
Zum Reduzieren von Bildrauschen sind eine Technik, die ein Glättungsfilter verwendet, eine Technik, die eine statistische Eigenschaft, die rauscheninhärent ist, verwendet, und eine Technik zum Einstellen eines Gewinns in einem Frequenzbereich bekannt.
Die gegenwärtige Situation ist jedoch derart, dass die obigen Bildrauschreduktionstechniken immer noch schlecht sind, um eine zufriedenstellende Rauschreduzierung zu erreichen.
In Fällen, wo die Technik des Verwendens eines Glättungsfilters verwendet wird, ist es beispielsweise möglich, Bildrauschen, das durch Hochfrequenzsignalkomponenten erzeugt wird, zu entfernen oder zu reduzieren, jedoch entsteht ein Problem dahingehend, dass die Raumauflösung verschlechtert wird. Dieses Problem tritt aufgrund der Tatsache auf, dass Regionen auf dem Bild, beispielsweise Grenzen von Strukturobjekten, die viele Hochfrequenzsignalkomponenten enthalten, ebenfalls geglättet werden. Das Bild wird also einfach „unscharf", was eine Situation zur Folge hat, die in Widerspruch ist zu der Rauschreduktionswirkung.
Ferner, unter Verwendung der statistischen Eigenschaft von Rauschen, tritt ein Problem auf, dass es schwierig ist, die statistische Charakteristik im Voraus zu bestimmen, und es ist auch schwierig, eine Echtzeitverarbeitung für die Rauschreduzierung durchzuführen. Andererseits hat die Technik zum Einstellen des Gewinns in dem Frequenzraum eine Schwierigkeit dahingehend, selektiv nur das Rauschen zu entfernen. Diese Schwierigkeit führt leicht zum Auftreten von Artefakten auf gefilterten Bildern.
Rey-Sern Lin et al: „Some Modifications of Gradient Weighted Filters" Journal of Visual Communication and Image Representation Academic Press USA, Ausgabe 10, Nr. 4, Dezember 1999 (1999-12), Seiten 336-350, XP 002325370 ISSN: 1047-3203, offenbart eine Bildverarbeitungsvorrichtung zum Reduzieren von Rauschen von einem Originalbild, das aus digitalen Bilddaten gebildet ist, enthaltend: einen Informationsrechner, der die Information bezüglich einer Pixelwertänderung berechnet, die ein Grad ist, der größer wird mit einer räumlichen Änderung in einem Pixelwert, der in jedem vorbestimmten Bereich auf dem Originalbild gemittelt ist (Seite 340, 1.1–3); einen Glattbilderzeuger, der ein geglättetes Bild erzeugt durch Glätten des Originalbilds (Seite 338, Gleichung (7), zweiter Ausdruck); einen Gewichtungsfaktorberechner, der einen Gewichtungsfaktor berechnet in Abhängigkeit von der berechneten Information bezüglich der Pixelwertänderung (Seite 340, erste Gleichung); und einen Gewichtungsaddierer, der unter Verwendung des Gewichtungsfaktors eine wechselseitige Gewichtungsaddition mit dem Originalbild oder einem Bild durchführt, das durch das Originalbild moduliert worden ist, und dem erzeugten geglätteten Bild (Seite 338, Gleichung (7)).

Xiaoyin Xu et al: „Adaptive Difference Of Gaussians To Improve Subsurface Object Detection Using GPR Imagery" Proceedings 2002 International Conference on Image Processing (cat. Nr. 02CH37396) IEEE Piscataway, NJ, USA, Ausgabe 2, 22 September 2002 (2002-09-22), – 25 September 2002 (2002-09-25) Seiten II-457-II-460, XP 002325371 ISBN: 0-7803-7622-6, offenbart in 2 eine Subtraktion zwischen zwei geglätteten Bildern (Gaußsche) um die Pixelwertänderung oder den Gradient zu schätzen.
Xire Wang: „On The Gradient Inverse Weighted Filter" IEEE Transactions on Signal Processing, IEEE, Inc. New York, US, Ausgabe 40, Nr. 2, 1 Februar 1992 (1992-02-01), Seiten 482–484, XP000292345 ISSN: 1053-587X, offenbart einen Algorithmus für das gradientinversgewichtete Filter.

Die vorliegende Erfindung schafft eine Bildverarbeitungsvorrichtung, ein Programm und ein Verfahren gemäß den Ansprüchen 1, 14 und 15.
Die vorliegende Erfindung kann ein Bild liefern, das insgesamt weniger Rauschen aufweist, und das bezüglich Sichtbarkeit und Dichteauflösung für zu beobachtende Objekte hervorragend ist, beispielsweise für Strukturobjekte, indem ohne Verlust Bildrauschen, das hauptsächlich durch Hochfrequenzsignalkomponenten erzeugt wird, entfernt oder reduziert wird, und indem in einer sicheren Art und Weise Pixelwertinformation über signifikante Bereiche für die Beobachtung des Bildes beibehalten wird, beispielsweise Bereiche, die die Grenzen der Strukturobjekte oder andere sind, und die eine große Menge an Hochfrequenzkomponenten enthalten.
In bevorzugten Ausführungsbeispielen berechnet der Informationsrechner Information in Relation zu einer Pixelwertänderung, die einen Grad darstellt, der größer wird mit einer räumlichen Änderung in einem Pixelwert, der für jeden vorbestimmten Bereich gemittelt wird (beispielsweise 3 × 3, 5 × 5 oder 7 × 7 Pixel) auf dem Originalbild. Der Geglättetes-Bild-Erzeuger erzeugt ein geglättetes Bild durch Glätten des Originalbilds, und der Gewichtungsfaktorrechner berechnet einen Gewichtungsfaktor, der abhängt von der berechneten Information in Relation zu der Pixelwertänderung. Der Gewichtungsaddierer führt wechselseitig unter Verwendung des Gewichtungsfaktors ein gewichtetes Addieren mit dem Originalbild oder einem Bild, das von dem Originalbild moduliert ist, und dem erzeugten geglätteten Bild.
Als Information in Relation zu den Pixelwertänderungen werden Regionen, bei denen die Pixelwertänderungen wesentlich sind, berechnet und extrahiert. Die Regionen enthalten beispielsweise die Konturen der Strukturobjekte auf einem Bild. Ein geglättetes Bild, das erzeugt wird durch Glätten eines Originalbilds hat weniger Rauschen mit Hauptbestandteilen, die Hochfrequenzsignalkomponenten sind. Folglich wird ein Gewichtungskoeffizient berechnet basierend auf der Information über die Pixelwertänderung in einer derartigen Art und Weise, dass je größer die Pixelwertänderung in jedem Bereich vorbestimmter Größe ist, desto größer der Gewichtungsfaktor, der einem Originalbild von dem Bereich gegeben wird.
Die Gewichtungsfaktoren werden verwendet, um eine Gewichtungsaddition zwischen entweder dem Originalbild oder dem Bild, das von dem Originalbild geglättet worden ist, und dem geglätteten Bild durchzuführen. Diese Gewichtungsaddition ist in der Lage Bereich für Bereich entweder das Originalbild (oder dessen moduliertes Bild) oder das geglättete Bild zu verbessern. In Regionen, wo viele Hochfrequenzsignalkomponenten sind, beispielsweise die Konturbereiche von Strukturobjekten, wird beispielsweise das Originalbild (oder dessen moduliertes Bild) verbessert. Andererseits, in Regionen, wo eine geringe räumliche Änderung in einem Pixelwert vorliegt (gemittelt über jeden Bereich vorbestimmter Größe), wird ein Pixelwert auf dem geglätteten Bild mit weniger Bildrauschen verbessert. Das Berechnen der Gewichtungsfaktoren in Abhängigkeit von der Pixelwertänderungsinformation ermöglicht also die Schaffung eines gewichtet-addierten Bildes, bei dem die vorteilhaften Pixel, die ausgewählt werden aus beiden, dem Originalbild (oder dessen modulierten Bild) und dem geglätteten Bild, Bereich für Bereich abgebildet werden.
Dieses gewichtet-addierte Bild besteht folglich aus Pixeln, die geeignet ausgewählt worden sind für entweder das Originalbild (oder dessen moduliertes Bild) oder das geglättete Bild, in Abhängigkeit von Pixelinformation, die für das Bild Priorität haben soll. Als Gesamtbild kann folglich das Bildrauschen zuverlässig entfernt oder reduziert werden. Ferner kann eine Pixelwertinformation in signifikanten Bereichen, beispielsweise Grenzbereichen der Strukturobjekte (wo es viele Hochfrequenzsignalkomponenten gibt) auf einem Bild zuverlässig erhalten bleiben, und ein Bild mit geringerem Rauschen und hervorragender Sichtbarkeit kann bereitgestellt werden.
Der verbleibende typische Aufbau, der in die obige Hauptkonfiguration fällt, ist wie folgt.
Der Informationsrechner enthält beispielsweise eine Filtereinheit, die jeweils zwei Glättungsfilter mit wechselseitig unterschiedlichen Filterfaktoren jeweils auf das Originalbild anwendet, wodurch zwei geglättete Ausgabebilder erzeugt werden, und eine Subtraktionseinheit, die ein gegenseitiges Subtrahieren durchführt, Pixel für Pixel, zwischen den zwei Ausgabebildern, wodurch ein Differenzbild erzeugt wird, das als die Information bezüglich der Pixelwertänderung dient.
Vorteilhafterweise enthält der Informationsrechner auch eine Filtereinheit, die jeweils zwei Glättungsfilter mit unterschiedlichen Filterfaktoren auf das Originalbild anwendet, wodurch zwei geglättete Ausgangsbilder erzeugt werden, eine Subtraktionseinheit, die ein gegenseitiges Subtrahieren Pixel für Pixel durchführt zwischen den zwei Ausgangsbildern, wodurch ein Differenzbild erzeugt wird, das als die Information bezüglich der Pixelwertänderung dient, und einen Absolutwertrechner, der einen absoluten Wert jedes Pixelwerts des Differenzbilds berechnet, wodurch ein Absolutwertbild erzeugt wird, das als die Information bezüglich der Pixelwertänderung dient.
Vorzugsweise sind die Filterfaktoren der zwei Glättungsfilter definiert basierend auf einem Algorithmus, dass je größer der absolute Wert jedes Pixelwerts des Differenzbilds ist, desto größer die räumliche Änderung in dem Pixelwert, gemittelt über jeden vorbestimmten Bereich auf entweder dem Originalbild oder einem Bild, das von dem Originalbild moduliert ist.
Der Geglättetes-Bild-Erzeuger kann konfiguriert sein, um als das geglättete Bild eines der zwei Ausgabebilder zu verwenden, die durch die Filtereinheit geglättet worden sind.
Vorzugsweise ist der Gewichtungskoeffizientenrechner konfiguriert, um den Gewichtungskoeffizienten zu berechnen, der durch eine nicht absteigende Funktion eines absoluten Pixelwerts auf dem Differenzbild definiert ist, wobei der Gewichtungskoeffizient einen nicht negativen Wert hat.
Vorzugsweise ist der Gewichtungsaddierer konfiguriert, um die Gewichtungsaddition basierend auf einer Gleichung durchzuführen: W(m, n) = A·X(m, n) + (1 – A)·X1(m, n),wobei der Gewichtungsfaktor gleich groß A ist, eine Pixelposition gleich (m, n) ist, entweder das Originalbild oder das Bild, das von dem Originalbild moduliert ist, gleich X(m, n) ist, das geglättete Bild gleich X1(m, n) ist, und ein Bild, das der Gewichtungsaddition unterworfen worden ist, gleich W(m, n) ist.
Das Originalbild ist ein zweidimensionales oder ein dreidimensionales digitales Bild. Das Originalbild ist ein monochromes digitales Bild.
Kurzbeschreibung der Zeichnungen
Andere Aufgaben und Aspekte der vorliegenden Erfindung werden offensichtlich durch die folgende Beschreibung und die Ausführungsbeispiele unter Bezugnahme auf die beigefügten Zeichnungen.
1 zeigt ein Blockdiagramm, das funktional die Konfiguration einer Bildverarbeitungsvorrichtung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung zeigt;
2 zeigt ein Flussdiagramm, das ein Beispiel verdeutlicht für eine Rauschentfernungsverarbeitung, die durch eine Bildverarbeitung durchgeführt wird, die in der Bildverarbeitungsvorrichtung erfolgt;
3A und 3B erklären eine menschliche visuelle Empfindlichkeit;
4 erklärt die Empfindlichkeitscharakteristiken von zwei Filtern, die in dem Ausführungsbeispiel verwendet werden, wobei Filterfaktoren der zwei Filter voneinander verschieden sind;
5 erklärt eine Anwendung der zwei Filter auf ein Originalbild (digitales Bild), wobei die Filterfaktoren der zwei Filter voneinander unterschiedlich sind;
6 erklärt normalisierte Empfindlichkeitscharakteristiken von zwei Filtern, deren Filterfaktoren voneinander verschieden sind;
7 verdeutlicht in einer Dimension die Anwendung der zwei Filter auf ein Originalbild, wobei die Filterfaktoren der zwei Filter voneinander verschieden sind;
8A und 8B zeigen Darstellungen für das Extrahieren von Information, die die Konturen der Strukturobjekte angibt, unter Verwendung der zwei Filter;
9 zeigt einen Graphen, der in einer qualitativen Art und Weise eine Gewichtungsfunktion für absolute Werte Z von unterschiedlichen Werten S verdeutlicht, die berechnet werden zwischen Ausgangsbildern von den zwei Filtern, wobei die Gewichtungsfunktion von dem Ausführungsbeispiel verwendet wird;
10 zeigt einen Graphen, der in einer qualitativen Art und Weise eine Gewichtungsfunktion verdeutlicht für unterschiedliche Werte S, die zwischen den Ausgabebildern von den zwei Filtern berechnet werden, wobei die Gewichtungsfunktion durch das Ausführungsbeispiel verwendet wird;
11 erklärt eine Serie von Prozessen zum Reduzieren von Rauschen in dem Originalbild, wobei die Prozesse in dem Ausführungsbeispiel durchgeführt werden;
12 zeigt ein Funktionsblockdiagramm, das die Hardwarekonfiguration der Bildverarbeitungsvorrichtung gemäß einer zweiten Modifikation des Ausführungsbeispiels zeigt;
13 zeigt ein Funktionsblockdiagramm, das die Hardwarekonfiguration einer Bildverarbeitungsvorrichtung gemäß einer dritten Modifikation des Ausführungsbeispiels zeigt;
14 zeigt eine Konzeptdarstellung zum Anwenden einer Rauschreduzierungsverarbeitung für ein dreidimensionales Originalbild, gemäß einer vierten Modifikation des Ausführungsbeispiels; und
15 zeigt ein Blockdiagramm, das als eine weitere Modifikation einen Röntgen-CT-Scanner zeigt, für den die vorliegende Erfindung angewendet wird.
Detaillierte Beschreibung der bevorzugten Ausführungsbeispiele
Bezugnehmend auf die beigefügten Zeichnungen wird jetzt ein Ausführungsbeispiel der vorliegenden Erfindung beschrieben unter Bezugnahme auf hauptsächlich 13. Beispiele der Vorrichtung und der Verfahren, die kompatibel zu diesem Ausführungsbeispiel sind, werden zuerst unter Bezugnahme auf die 1 bis 12 beschrieben. Das Ausführungsbeispiel ist gerichtet auf eine Bildverarbeitungsvorrichtung, mit der das Bildverarbeitungsverfahren gemäß der vorliegenden Erfindung ausgeführt werden kann.
Wie in 1 gezeigt, ist eine Bildverarbeitungsvorrichtung 10 bereitgestellt. Die Vorrichtung 10 ist mit einer medizinischen Modalität (nicht gezeigt) über ein Netzwerk N gekoppelt, wobei die Modalität konfiguriert ist zum Erfassen von monochromen zwei- oder dreidimensionalen digitalen Bildern.
Diese Bildverarbeitungsvorrichtung 10 ist bereitgestellt mit einer Hardware, die als Computer arbeitet. Basierend auf einem Programm, das in der Hardware installiert ist, wird eine Softwareverarbeitung durchgeführt, um eine Bildverarbeitungsvorrichtung funktional aufzubauen, die in der Lage ist das Rauschen aus Bildern beträchtlich zu reduzieren.
Die Bildverarbeitungsvorrichtung 10 ist ausgestattet mit einer Schnittstelle 11, die mit dem Netzwerk N verbunden ist, und mit verschiedenen Einheiten, die mit einem Bus B verbunden sind, der mit der Schnittstelle 11 verbunden ist. Die Einheiten enthalten einen Bildspeicher 12, einen Bildprozessor 13 zur Rauschreduzierung, ein ROM 14, ein RAM 15, eine Operationsvorrichtung 16 und einen Monitor 17.
In dem Bildspeicher 12 werden monochrome digitale Bilddaten, die erfasst worden sind durch derartige medizinische Modalitäten, wie Röntgen-CT-Scanner, Diagnoseultraschallgeräte, und Magnetresonanzbildgebungssystem, gespeichert. Bei Aktivierung liest der Bildprozessor 13 ein Programm zur Rauschreduzierung aus dem Speicher ROM 14 aus, speichert es in dem Arbeitsspeicher des Prozessors 13 und führt eine Verarbeitung basierend auf dem ausgelesenen Programm durch. Das Programm zur Rauschreduzierung, das gemäß der vorliegenden Erfindung geschrieben wurde, ist vorher in dem ROM 14 gespeichert worden. Die Verarbeitung ist folglich gerichtet auf die Rauschreduzierung, die hauptsächlich die vorliegende Erfindung betrifft, und die ausgeführt wird wie in 2 gezeigt, die später beschrieben wird. Ein vorbestimmtes Rauschreduzierungsprogramm wird im Voraus in dem ROM 14 gespeichert.
Der RAM 15 wird von dem Bildprozessor 13 verwendet als ein temporärer Speicher, der notwendig ist zur Verarbeitung der Rauschreduzierung. Die Operationsvorrichtung hat beispielsweise eine Tastatur und/oder eine Maus, die verwendet werden durch einen Operator, um notwendige Information an die Bildverarbeitungsvorrichtung 10 zu geben. Unter der Steuerung des Bildprozessors 13, visualisiert der Monitor 17 Bilder und verschiedene Typen von Information bezüglich der Rauschreduzierungsverarbeitung.
Die Hardwarekonfiguration dieser Bildverarbeitungsvorrichtung 10 kann in verschiedener Art und Weise modifiziert werden. Diese Vorrichtung 10 ist nicht immer begrenzt darauf mit einer medizinischen Modalität über das Netzwerk N verbunden zu sein, wie beschrieben. Stattdessen kann die Bildverarbeitungsvorrichtung 10 konfiguriert sein als alleinstehender Typ. Darüber hinaus, obwohl diese Vorrichtung 10 konfiguriert ist zum Empfangen von Bilddaten, die durch eine medizinische Modalität erfasst werden, und dann zum Durchführen der Rauschreduzierungsverarbeitung in Form einer Offline-Verarbeitung, ist dies keine abschließende Auflistung. Beispielsweise können die gesamten Funktionen dieser Vorrichtung 10 in einer medizinischen Modalität selbst installiert sein, so dass die Rauschreduzierungsverarbeitung mit erfassten digitalen Bilddaten fast in Echtzeit durchgeführt wird.
Obwohl die Bildverarbeitungsvorrichtung 10 die Konfiguration zum Reduzieren von Bildrauschen durch Softwareverarbeitung hat, ist diese Vorrichtung 10 nicht in einer derartigen Art und Weise eingeschränkt, sondern kann konfiguriert sein, um digitale Schaltungskreise, beispielsweise logische Schaltungen, zu verwenden.
In Verbindung mit den 2 bis 11 wird jetzt die Verarbeitung für die Rauschreduzierung gemäß dem vorliegenden Ausführungsbeispiel erklärt.
Vor der detaillierten Erklärung wird angenommen, dass vorher zweidimensionale monochrome digitale Bilddaten in dem Bildprozessor 12 gespeichert worden sind, und die Rauschreduzierungsverarbeitung für die zweidimensionalen Bilddaten durchgeführt wird.
2 zeigt eine Serie von Prozessen zum Reduzieren von Bildrauschen, die durch den Bildprozessor 13 durchgeführt werden. Diese Verarbeitung kann derart dargestellt werden, dass sie einen Verarbeitungsschritt „A" enthält, um die Grenze (den Rand) eines Strukturobjekts auf einem digitalen Bild zu detektieren, einen Verarbeitungsschritt „B" zum Berechnen eines Gewichtungsfaktors für gewichtetes Addieren, das durchgeführt wird zwischen einem Originalbild und einem geglätteten Bild, und einen Verarbeitungsschritt „C" zum Durchführen der gewich teten Addition unter Verwendung des berechneten Gewichtungsfaktors. Die Verarbeitungsschritte A bis C werden jetzt der Reihe nach beschrieben.
(Verarbeitungsschritt „A" zum Detektieren der Grenze)
Die menschliche visuelle Empfindlichkeit hat, wie in den 3A und 3B gezeigt, eine Eigenschaft, dass die visuelle Empfindlichkeit allmählich abnimmt in Abhängigkeit von einem Winkel θ von einem Standpunkt aus. Wenn das Betrachten eines begrenzten Winkelbereichs des Winkels θ klein ist, kann die menschliche visuelle Empfindlichkeit genähert werden zu Empfindlichkeitskurven, die im Profil gleich sind, und die allmählich abnehmen, wenn ein Abstand L von dem Standpunkt zunimmt (vgl. die laterale Achse in 3B). Obwohl sich die menschliche visuelle Empfindlichkeit natürlich zweidimensional verteilt, sind die 3A und 3B als eine eindimensionale Empfindlichkeitsverteilung entlang einer bestimmten Richtung dargestellt. Zusätzlich wird das vorliegende Ausführungsbeispiel erklärt unter der Annahme, dass in allen Richtungen die gleiche Empfindlichkeitsverteilung vorliegt, dies ist aber kein abschließendes Beispiel. Die Empfindlichkeitsverteilung kann von den Richtungen abhängen, so dass in einem derartigen Fall die folgende Verarbeitung für einen Zustand ausgeführt werden kann, bei dem die Empfindlichkeitsverteilungen von den Richtungen abhängen.
In dem vorliegenden Beispiel, wie in 4 gezeigt, werden zwei visuelle Empfindlichkeitsverteilungen, deren Charakteristiken voneinander verschieden sind, verwendet, um eine Region zu detektieren, die eine große Änderung in einem Pixelwert hat, beispielsweise die Grenzbereiche von Strukturobjekten auf einem digitalen Bild. 4 zeigt nur die Profile der Empfindlichkeitscharakteristikkurven, wobei die Werte einer Längsachse (Empfindlichkeiten) keine bestimmten physikalischen Werte bedeuten. Ferner bedeutet eine Region, die eine große Änderung in einem Pixelwert hat, eine Region, in der beträchtliche Änderungen in dem Pixelwert über einen Bereich vorbestimmter Größe oder größer auf dem Bild sind (also eine Änderung in dem Pixelwert jedes Pixels, an welchem Bildrauschen existiert ist von dem Konzept der obigen Region ausgeschlossen).
Um genauer zu sein empfängt der Bildprozessor 13 Information über Operationen, die gegeben werden durch einen Operator über die Operationsvorrichtung 16, liest von dem Bildspeicher 12 Daten eines gewünschten zweidimensionalen digitalen Bilds aus (also ein monochromes Bild, das dem Originalbild entspricht gemäß der vorliegenden Erfindung), und zeigt es auf dem Monitor 17 an (Schritt S1).
In Reaktion auf Information über Operationen, die durch einen Operator über die Operationsvorrichtung 16 gegeben werden, arbeitet der Bildprozessor 13 dann, um eine ROI (Region von Interesse) an einer entsprechenden bestimmten Anfangsposition auf dem digitalen Bild anfangs zu platzieren (Schritt S2). Diese Operation ist in 5 gezeigt. Das ROI hat eine entsprechende vorbestimmte Dimension und Form. Die Dimension ist beispielsweise 3 × 3, 5 × 5 oder 7 × 7 Pixel.
Der Bildprozessor 13 hat dann zwei zweidimensionale Bildfilter, die auf die ROI spezifizierte Region auf dem Bild jeweils angewendet werden (Schritt S3). Die zwei Filter haben gegenseitig unterschiedliche Filterfaktoren, wie beispielsweise in 4 gezeigt. Die Position des ROI wird automatisch bewegt bei jedem Verarbeitungszeitpunkt in Antwort auf einen Befehl, der von dem Bildprozessor 13 ausgegeben wird (Schritt S3 bis Schritt S2). Dies ermöglicht ein Anwenden der Filter auf jede Region auf dem Originalbild in einer wiederholten Art und Weise unter der Steuerung des Bildprozessors 13.
Die oben genannten zwei zweidimensionalen Bildfilter werden jetzt bezeichnet als „Filter 1" und „Filter 2" in den folgenden Erklärungen. In dem Beispiel gemäß 5 sind beide Filter 1 und 2 beschrieben als rechteckige zweidimensionale Filter, aber die Filter 1 und 2 sind nicht auf eine derartige Form beschränkt. Andere Formen, beispielsweise kreisförmig, können angewendet werden auf die Filter 1 und 2. Alternativ kann das Filter 1 in der Form anders sein als das Filter 2. Ferner kann die Größe des ROI Filter für Filter geändert werden.
Das Filtern, das durchgeführt wird durch die Filter 1 und 2, wird jetzt auf quantitativeren Basis erklärt. Angenommen, dass X(m, n) einen Pixelwert an jeder Pixelposition (m, n) auf einem digitalen Bild, das zu verarbeiten ist, angibt, gibt K1(i, j) die Filterfaktoren des Filters 1 an, K2(i, j) (nicht gleich zu K1(i, j)) gibt die Filterfaktoren des Filters 2 an, und (i, j) gibt jeweils jede Pixelposition an. Folglich führt jedes der Filter 1 und 2 eine Bewegungsmittlung basierend auf den folgenden Gleichungen durch, und gibt dann einen geglätteten Pixelwert Y1(m, n) (oder Y2(m, n)) bei jeder Pixelposition (m, n) aus.
(Glätten, das durchgeführt wird durch das Filter 1)

Y1(m, n) = Σ{(k1(i, j)·X(m – i, n – j)) (1)

(Glätten, das durchgeführt wird durch das Filter 2)

Y2(m, n) = Σ{(k2(i, j)·X(m – i, n – j)) (2)

Die Filterfaktoren K1 und K2 haben, wie in 4 gezeigt, Empfindlichkeitsverteilungen, die voneinander verschieden sind und normalisiert sind, wie in 14 gezeigt.
Unter Verwendung von Bildern (geglättetes Bild), die durch die Pixelwerte Y1(m, n) und Y2(m, n) gebildet werden, die die Ausgaben von den Filtern 1 und 2 sind, berechnet der Bildprozessor 13 dann Differenzen zwischen den geglätteten Bildern (und absolute Werte dieser Differenzwerte) an jeder Pixelposition (m, n) (Schritt S4). Die Annahme erfolgt basierend auf den Formeln:
(Differenzwerte)

S = Y1 – Y2 (3)

(Absolutwerte)

Z = abs(S) (4)

Folglich bilden die Differenzwerte S ein Differenzbild, während die absoluten Werte Z ein Absolutwertbild bilden. Diese Bilder entsprechen der Information in Relation zu einer Änderung in einem Pixelwert gemäß der vorliegenden Erfindung.
Die vorangegangenen Differenzwerte S und die Absolutwerte Z stellen Information über Pixelwerte dar in einer Region mit großen Änderungen in den Pixelwerten, beispielsweise Grenzbereiche von Strukturobjekten auf einem digitalen Bild. Der Grund ist wie im Folgenden, wo ein eindimensionales Filtern erklärt wird, um das Verständnis zu erleichtern.
7 erklärt ein eindimensionales Filtern, das von dem vorangegangenen zweidimensionalen Filtern vereinfacht ist. Wie gezeigt, gibt es Abschnitte SC1, SC3 und SC5, die jeweils relativ kleine Pixelwertänderungen haben, während es Abschnitte SC2 und SC4 gibt, die jeweils relativ große Pixelwertänderungen haben. Da jedes der Filter 1 und 2 in einer Art Bewegungsmittelfilter gebildet ist, sind die absoluten Werte Z der Differenzwerte S in jeweiligen Abschnitten SC1, SC3 und SC5 relativ kleiner als diejenigen in den jeweiligen Abschnitten SC2 und SC4. Zusätzlich haben die Filter 1 und 2 die Funktion des Glättens der Pixelwerte. Folglich, selbst wenn ein Bildrauschen (meistens Hochfrequenzsignalkomponenten) auf einem originaldigitalen Bild liegt (also Originalbild), hat das Bildrauschen nur sehr wenig Einfluss auf die absoluten Werte Z. Folglich sind die Differenzwerte S oder ihre absoluten Werte Z in der Lage als Information zu dienen, um eine Region mit großen Pixelwertänderungen auf einem digitalen Bild von dessen restlicher Region zu unterscheiden, und um die Grenzen (Ränder) der Strukturobjekte auf dem digitalen Bild (also Originalbild) auszudrücken.
Dies bedeutet, dass, wenn das vorangegangene digitale Bild ein medizinisches Bild ist, die oben genannten Differenzwerte S oder ihre absoluten Werte Z in der Lage sind, Konturinformation, die die Grenzen derartiger Strukturobjekte angibt, wie Knochen, darzustellen, entlang denen Änderungen in dem Pixelwert groß sind.
(Verarbeitungsschritt „B" zum Berechnen des Gewichtungskoeffizienten)
Der Bildprozessor 13 schiebt seinen Verarbeitungsschritt zum nächsten, wo Gewichtungskoeffizienten zur Gewichtungsaddition, die zwischen dem Originalbild und dem geglätteten Bild durchzuführen ist, berechnet werden (2, Schritt S5).
Um genau zu sein, verwendet diese Berechnung der Gewichtungskoeffizienten die absoluten Werte Z (oder Differenzwerte S) und die Daten einer nicht abnehmenden Funktion zu den absoluten Werten Z.
Wenn eine Region auf dem digitalen Bild große absolute Werte Z zeigt, weist die Region eine große Pixelwertänderung auf dem Bild auf. In einer derartigen Region existieren die Grenzbereiche von Strukturobjekten. Beispielsweise, wenn sie verglichen werden mit einem Originalbild, wie in 8A gezeigt, stellen schraffierte Regionen in 8B absolute Werte Z dar, die größer sind als diejenigen, die durch die verbleibende Region in 8B dargestellt werden (obwohl die Größenbeziehung relativ ist zwischen den Bildern gemäß 8A und 8B). Für die Gewichtungsaddition zwischen dem Originalbild und dem geglätteten Bild werden folglich die Gewichtungskoeffizienten wie folgt gesetzt. Die Gewichtungskoeffizienten für das Originalbild werden größer als diejenigen für das geglättete Bild in Regionen, die jeweils eine große Pixelwertänderung darstellen, während Gewichtungskoeffizienten für das geglättete Bild größer werden als diejenigen für das Originalbild in der verbleibenden Region.
Mit anderen Worten, die Gewichtungskoeffizienten „A" für das Originalbild werden unter Bezugnahme auf die Funktionen gemäß den 9 oder 10 gesetzt.
Daten, die indikativ sind für diese Funktionen, werden vorher in dem ROM 14 als mathematische Formeln gespeichert. Wann immer es notwendig ist, können folglich die mathematischen Formeln verwendet werden, um die Gewichtungskoeffizienten „A" zu berechnen. Alternativ können die Werte der Gewichtungskoeffizienten „A" selbst gemäß den Funktionen in 9 oder 10 bewahrt werden in der Form einer Datentabelle, die in dem ROM 14 erzeugt wird. Durch Bezugnahme auf die Datentabelle wird es möglich die Gewichtungskoeffizienten „A" im Voraus zu finden.
9 erklärt eine Gewichtungsfunktion beispielhaft, die beim Finden der Gewichtungskoeffizienten „A" verwendet wird mit der Benutzung der absoluten Werte Z. Die Gewichtungsfunktion gibt den absoluten Koeffizienten „A" Gewichtungskoeffizienten „A" innerhalb eines Bereichs von 0 ≤ Amin ≤ A ≤ Amax ≤ 1.
Konkreter, in dieser Gewichtungsfunktion erhöhen sich die Gewichtungskoeffizienten „A" allmählich von ihrem Minimum A = Amin, wenn ihre absoluten Werte Z zunehmen, und erreichen dann die Umgebung eines Schwellenwerts Zth, der auf die absoluten Werte Z eingestellt ist, bei welchem die Gewichtungskoeffizienten „A" stärker zunehmen. Die Gewichtungskoeffizienten „A" erhöhen sich dann weiter allmählich zu ihrem Maximum A = Amax.
Unter Verwendung dieser Gewichtungsfunktion erhalten einige Regionen, die kleinere Pixelwertänderungen auf dem Originalbild darstellen, kleinere Gewichtungskoeffizienten „A", und andere Regionen, die geeignete Pixelwertänderungen darstellen, die in die Umgebung des Schwellenwerts Zth fallen, erhalten Gewichtungskoeffizienten „A", die sich stark ändern, um die Änderung zu betonen.
Eine Gewichtungsfunktion gemäß 10 wird verwendet, um Gewichtungskoeffizienten „A" zu finden, die auf den Differenzwerten S basieren. Die Gewichtungsfunktion ist in der Lage Gewichtungskoeffizienten „A" bereitzustellen, für positive und negative Bereiche der Differenzwerte S derart, dass 0 ≤ Amin ≤ A ≤ Amax ≤ 1.
Wie die Verwendung der absoluten Werte Z erlaubt die Gewichtungsfunktion, die auf den Differenzwerten S basiert, die Gewichtungskoeffizienten „A". In der Praxis erhöhen sich in jedem der positiven und negativen Bereiche der Differenzwerte S, wenn ihre absoluten Werte zunehmen, die Gewichtungskoeffizienten „A" von ihren Minimum A = Amin Werten, um die Umgebung von jedem der Schwellenwerte +–Sth zu erreichen, wo die Gewichtungskoeffizienten „A" beginnen stärker zuzunehmen. Die Gewichtungskoeffizienten „A" kehren dann zu einer allmählichen Erhöhung zu ihrem Maximum A = Amax zurück.
In dem Fall des Verwendens der Differenzwerte S können die Gewichtungsfunktionen auf vorbestimmte positive und negative Bereiche der Differenzwerte S unabhängig voneinander eingestellt werden. 10 verdeutlicht die Gewichtungsfunktionen, die Gewichtungskoeffizienten liefern, die in Anstiegsneigungen voneinander verschieden sind zwischen den positiven und negativen Bereichen der Differenzwerte S. Spezieller sind die Koeffizienten in dem negativen Bereich empfindlicher bezüglich kleineren Differenzwerten S (absolute Werte) verglichen mit dem positiven Bereich.
Wie oben beschrieben, können in jedem der positiven und negativen Bereiche der Differenzwerte S kleinere Gewichtungskoeffizienten „A" zu einigen Regionen auf dem Originalbild zugewiesen werden, wenn die Regionen kleine Pixelwertänderungen darstellen. Wenn andere Regionen Pixelwertänderungen darstellen, die in die Umgebung von jedem der Schwellenwerte Sth+ und Sth– fallen, können dagegen geeignete Gewichtungskoeffizienten „A", die sich scharf ändern, um die Pixelwertänderungen zu betonen, den anderen Regionen zugewiesen werden.
Die Gewichtungsfunktion kann weiter in verschiedenen Art und Weisen entwickelt werden, nicht auf die Beispiele gemäß den 9 und 10 beschränkt. Ein Beispiel für die absoluten Werte Z kann wie folgt bereitgestellt werden. Gewichtungskoeffizienten können sich linear oder schrittweise von Z = 0 bis Z = vorbestimmter Wert erhöhen. Alternativ können die Gewichtungskoeffizienten bei Z = 0 scharf zunehmen und dann allmählich sättigen. Eine weitere Alternative ist, dass die Gewichtungskoeffizienten konstant sind von Z = 0 bis Z = vorbestimmter Wert (dies kann in 9 gezeigt werden, so dass eine Charakteristik, die konstante Gewichtungskoeffizienten „A" zeigt, eine Linie wird). Entsprechend ist die Gewichtungsfunktion gemäß der vorliegenden Erfindung ausreichend, wenn die Gewichtungskoeffizienten nicht abnehmen, wenn die absoluten Werte der Differenzwerte S zunehmen oder wenn die absoluten Werte Z selbst zunehmen, was bezeichnet werden kann als „nicht abnehmende Funktion".
(Verarbeitungsschritt „C" für die Gewichtungsaddition)
Wenn die Gewichtungskoeffizienten „A" wie oben gefunden worden sind, wird die Verarbeitung in dem Bildprozessor 13 verschoben zur „Gewichtungsaddition" zum Addieren des Originalbilds und des geglätteten Bilds unter Verwendung der gefundenen Gewichtungskoeffizienten A".
Speziell, um ein geglättetes Bild, das für die Gewichtungsaddition zu verwenden ist, zu erzeugen oder zu gewinnen, liest der Bildprozessor 13 zuerst von dem Bildspeicher 12 Daten des Bildes, das durch das Filter 1 geglättet worden ist, aus (Schritt S6). Diese ausgelesenen Bilddaten werden dann für den Glättungszweck abgeleitet. Das Bild, das durch das Filter 2 geglättet wird, kann auch verwendet werden für diese Gewichtungsaddition. Ein Bild, das verschieden von dem Originalbild geglättet worden ist, kann auch verwendet werden für die Gewichtungsaddition. Ein Bild, das durch irgendein Mittel, das ein anderes ist als das Filter 1 oder 2, geglättet worden ist, kann ebenfalls verwendet werden.
Der Bildprozessor 13 liest dann Daten des Originalbilds von dem Bildspeicher 12 aus für den Zweck der Gewichtungsaddition (Schritt S7).
Anschließend verschiebt der Bildprozessor 13 seine Verarbeitung zu der Gewichtungsaddition, die bei jedem Pixel (m, n) durchgeführt wird, so dass ein gewichtet addiertes Bild W berechnet wird (Schritt S8). Die Gewichtungsaddition wird durchgeführt basierend auf der folgenden Formel: W (m, n) = A·X(m, n) + B·X1(m, n) (5)wobei X(m, n) das Originalbild angibt, X1(m, n) das geglättete Bild angibt, „A" Gewichtungskoeffizienten angibt, und B Gewichtungskoeffizienten (= 1 – A) angibt.
Daten des gewichtet addierten Bilds W werden dann in dem Bildspeicher 12 gespeichert und auf dem Monitor als ein Bild angezeigt (Schritt S9).
11 erklärt einen Fluss von Schritten der oben beschriebenen Verarbeitung, zusammen mit bildhaften Beispielbildern. Auf einem Originalbild X(m, n), das gebildet ist aus einem monochromen digitalen Bild, werden Strukturobjekte ST bildhaft dargestellt zusammen mit Bildrauschen NZ, wie in 11(a) gezeigt. Das Glätten durch die Filter 1 und 2, deren Filterfaktoren gegenseitig verschieden sind, wird angewendet auf das Originalbild X(m, n). Resultierende geglättete Bilder werden dann einer Subtraktion unterworfen, um Differenzwerte S (oder ihre absoluten Werte Z) zu erzeugen, die dann als die Konturen der Strukturobjekte dargestellt werden (vgl. Schritt S1 bis S4 in 2). Dann werden die Differenzwerte S oder ihre absoluten Werte Z verwendet, um einen Gewichtungskoeffizienten A an jedem Pixel zu berechnen (vgl. Schritt S5 in 2).
Andererseits wird ein geglättetes Bild X1(m, n) erzeugt von dem Originalbild X(m, n) (vgl. Schritt S6 in 2). Dieses geglättete Bild X1(m, n) ist unterworfen worden einer Bewegungsmittlung basierend auf den Filterfaktoren von einem der Filter, so dass die Strukturobjekte verwischter werden als das Originalbild X(m, n), das Bildrauschen NZ jedoch in unscharfen Komponenten absorbiert ist, die zu mitteln sind. Mit anderen Worten, auf diesem geglätteten Bild X1(m, n) ist fast kein Bildrauschen NZ.
Speziell wird das Bildrauschen NZ, das verursacht wird in Regionen mit größeren Pixelwertänderungen, die bei der Betrachtung derartiger Bilder, wie medizinische Bilder, visuelle Hindernisse werden, beseitigt oder reduziert.
Die berechneten Gewichtungskoeffizienten „A" werden dann verwendet, um die Gewichtungsaddition zwischen dem Originalbild X(m, n) und dem geglätteten Bild X1(m, n) Pixel für Pixel durchzuführen, wie oben beschrieben. Diese Addition erzeugt das gewichtet addierte Bild W (vgl. Schritte S7 und S8 und 11(c)).
Auf diesem gewichtet addierten Bild W werden beide, das Originalbild X(m, n) und das geglättete Bild X1(m, n) auf einer Gewichtungsadditionsbasis gemischt unter Verwendung der lokal optimierten Gewichtungskoeffizienten. Auf dem Bild W werden folglich derartige Regionen mit größeren Pixelwertänderungen (also Regionen mit Hochfrequenzsignalkomponenten) als die Konturen der Strukturobjekte dargestellt, um entsprechende Pixelwerte auf dem Originalbild X(m, n) zu betonen. Dagegen werden Regionen mit kleineren Pixelwertänderungen (also Regionen, in denen das Rauschen NZ stark sichtbar ist) dargestellt, um entsprechende Pixelwerte auf dem geglätteten Bild X1(m, n) zu betonen. Mit anderen Worten, die lokale Optimierung der Gewichtungskoeffizienten ermöglicht die vorteilhaften Pixelwerte auf beiden, dem Originalbild X(m, n) und dem geglätteten Bild X1(m, n), Region für Region in einer geschickten Art und Weise. Als ein Ganzes bleiben die Hochfrequenzsignalkomponenten bei notwendigen Pixeln sicher erhalten, das Bildrauschen kann beträchtlich reduziert werden.
Deutlicher ausgedrückt, ermöglichen es die oben genannten Gewichtungskoeffizienten „A", dass eine oder dass mehrere Regionen, die jeweils größere Pixelwertänderungen auf dem Originalbild haben (beispielsweise die Konturen von Strukturobjekten) ausgedrückt werden durch Pixelwerte, denen mehr Priorität gegeben wird in dem Originalbild. Andererseits wird die verbleibende Region ausgedrückt durch Pixelwerte, die dem geglätteten Bild mehr Priorität geben. Folglich, in Abhängigkeit davon, ob jede der lokalisierten Regionen eine größere Pixelwertänderung hat, oder nicht, wird der Grad der Verbesserung der Pixelwerte für die Darstellung eingestellt. Wenn eine Region aus Pixeln besteht, deren Raumfrequenz größer ist, wird die Hochfrequenzsignalkomponente so hoch wie möglich gehalten. Dies liefert nicht nur eine höhere Darstellung der Konturen der Strukturobjekte und anderer, sondern auch eine Unterdrückung einer Hochfrequenzkomponente für die verbleibende Region, so dass das Bildrauschen stark unterdrückt oder entfernt werden kann. Es ist folglich möglich, Bilder mit größerer Sichtbarkeit für Objekte, die zu beobachten sind, zu schaffen.
Im übrigen wird in dem oben genannten gewichtet addierten Bild W das Originalbild stärker verbessert in der Umgebung der Grenzen der Strukturobjekte. Dies bedeutet, dass ein Bildrauschen in der Umgebung der Grenzen verbleibt. Die menschliche visuelle Empfindlichkeit antwortet jedoch stärker auf Regionen mit größeren Pixelwertänderungen, wie die Grenzen der Strukturobjekte. Folglich stellt die Empfindlichkeit ein relativ niedriges Niveau in Richtung Bildrauschen dar, das in der Umgebung der Grenzen der Strukturobjekte ist. Derartiges Bildrauschen ist kaum hinderlich bei der Betrachtung des Bildes.
In dem vorangegangenen Beispiel bildet die Verarbeitung, die durch den Bildprozessor 13 durchgeführt wird, funktional den Informationsrechner (entsprechend den Schritten S1 bis S4 in 2), den Geglättetes-Bild-Erzeuger (entsprechend dem Schritt S6 in 2), den Gewichtungsfaktorrechner (entsprechend Schritt S5 in 2) und den Gewichtungsaddierer (entsprechend den Schritten S7 bis S9 in 2) der vorliegenden Erfindung.
Das vorangegangene Beispiel kann weiter in verschiedenen Art und Weisen modifiziert werden, die jetzt beschrieben werden.
(Erste Modifikation)
Eine erste Modifikation betrifft ein Vereinfachen der Verarbeitung der Berechnung der Gewichtungskoeffizienten „A".
In dem vorangegangenen Beispiel werden die Differenzwerte S und die absoluten Werte Z berechnet durch individuelles Anwenden der Filter 1 und 2, um entsprechende geglättete Bilder zu erfassen, und eine gegenseitige Subtraktion, die durchgeführt wird zwischen den zwei geglätteten Bildern. Diese Berechnung kann vereinfacht werden durch Subtraktion zwischen den Filterfaktoren, die im Voraus durchgeführt werden kann. Die Subtraktion kann wie folgt formuliert werden.
(Für die Filterfaktoren)

k3(i, j) = k1(i, j) – k2(i, j) (6)

(Für die Differenzwerte)

S(m, n) = Σ{k3(i, j)·(m – i, n – j)} (7)

Dieses vorherige Berechnen erlaubt ein einmaliges Filtern zum Erzeugen der Differenzwerte S und ihrer absoluten Werte Z, wodurch die Verarbeitung vereinfacht wird.
(Zweite Modifikation)
Eine zweite Modifikation betrifft die Konfiguration der oben genannten Gewichtungsaddition.
In dem vorangegangenen Beispiel wird die Gewichtungsaddition durchgeführt durch den Bildprozessor 13 durch seine Softwareverarbeitung, jedoch ist dies nicht eine abschließende Auflistung. Anstelle der Konfiguration für die Softwareverarbeitung, wie in 12 gezeigt, kann die Konfiguration auf digitalen Schaltungen, enthaltend logische Schaltungen, verwendet werden, um eine Bildverarbeitungsvorrichtung 20 zu bilden.
Wie gezeigt, ist die Bildverarbeitungsvorrichtung 20 ausgestattet mit einer Glättungsschaltung (also Filter) 21, die Daten empfängt von einem Originalbild X(m, n), das ein zweidimensionales monochromes digitales Bild darstellt, und einem ersten und zweiten Filter 22 und 23. Darüber hinaus sind in der Vorrichtung 20 die Ausgangsanschlüsse dieser Schaltungen verbunden mit einem Gewichtungsaddierer 24, einem Subtrahierer 25, einem Gewichtungskoeffizientenrechner 26 und einer Datentabelle 27.
Die Daten des ursprünglichen Bilds X(m, n) werden auch dem Gewichtungsaddierer 24 gegeben. Die Glättungsschaltung 21 wendet auf das eingegebene Originalbild X(m, n) ein Filtern an mit entsprechend eingestellten Filterfaktoren, um ein zweidimensionales geglättetes Bild X1(m, n) zu erzeugen. Dieses Bild X1(m, n) wird dann an den Gewichtungsaddierer 24 gesendet.
Das erste und das zweite Filter 22 und 23 (entsprechend den obigen Filtern 1 und 2) wenden auf das eingegebene Originalbild X(m, n) ein Bewegungsmitteln an mit entsprechend ausgewählten Filterfaktoren K1(i, j) und K2(i, j). Diese Verarbeitung erzeugt zweidimensionale geglättete Bilder Y1(m, n) bzw. Y2(m, n) (vgl. Formel (1) und (2)). Die Filterfaktoren K1(i, y) und K2(i, y), die dem ersten und zweiten Filter 22 und 23 gegeben sind, sind voneinander verschieden, wie in dem oben genannten Ausführungsbeispiel, mit dem Ergebnis, dass die Empfindlichkeiten für die Filteroperation gegenseitig verschieden sind (vgl. 4 bis 7).
Die geglätteten Bilder Y1(m, n) und Y2(m, n) werden an den Subtrahierer 25 gesendet, wo beide Bilder Y1(m, n) und Y2(m, n) einer gegenseitigen Subtraktion unterworfen werden, die für jedes Pixel durchgeführt wird. Folglich ist der Subtrahierer 25 in der Lage, wie mit der Formel (3) erklärt, Differenzwerte S(m, n) (also ein Differenzbild) basierend auf einer Formel S(m, n) = Y1(m, n) – Y2(m, n) auszugeben. Die absoluten Werte Z(m, n) = abs(S) können ebenfalls berechnet werden, wie oben beschrieben.
Die Differenzwerte S(m, n) werden an den Gewichtungsrechner 26 ausgegeben, wo Gewichtungskoeffizienten „A" entsprechend den eingegebenen Differenzwerten S(m, n) aus der Datentabelle 27 ausgelesen werden. In der Datentabelle 27 sind Daten, die eine Korrespondenz zwischen den Differenzwerten S und den Gewichtungskoeffizienten „A" angeben, vorher ge speichert. Die Korrespondenz stimmt überein mit einer Gewichtungsfunktion, die beispielsweise bestimmt wird, wie in 10 gezeigt. Folglich ist der Gewichtungsaddierer 26 in der Lage, die Differenzwerte S als Parameter zu verwenden, um entsprechende Gewichtungskoeffizienten „A" auszulesen. Die ausgelesenen Gewichtungskoeffizienten „A" werden an den Gewichtungsrechner 26 ausgegeben.
Daher führt der Gewichtungsrechner 26 eine Gewichtungsaddition basierend auf der vorangegangenen Formel (5) durch, um Daten eines gewichtet addierten Bilds W(m, n) zu liefern.
Als ein Ergebnis, selbst wenn der Bildverarbeitungsprozessor 20 konfiguriert ist durch gegenseitiges Kombinieren der digitalen Schaltungen, ist die Vorrichtung 20 in der Lage, die identischen Funktionen und Vorteile der oben genannten Bildverarbeitungsvorrichtung 10 zu haben, in der die Software installiert ist, um die Bildverarbeitungsfunktionen bereitzustellen. Darüber hinaus, kann die selbe Verarbeitungsvorrichtung 20 allein beispielsweise in verschiedenen Typen von medizinischen Modalitäten integriert sein, beispielsweise in Diagnoseultraschallgeräten. Während eine derartige medizinische Modalität digitale Bilddaten erfasst, können die digitalen Bilddaten in rauschreduzierte Bilddaten in fast Echtzeit transformiert werden.
Bevorzugtes Ausführungsbeispiel
Ein Ausführungsbeispiel der Erfindung wird jetzt beschrieben, in welchem ein anderes Originalbild direkt für die Gewichtungsaddition verwendet werden.
Obwohl das vorangegangene Beispiel beide, ein Originalbild und dessen geglättetes Bild als Bilder verwendet hat, die der Gewichtungsaddition zu unterwerfen sind, kann ein anderes Bild verwendet werden für eine derartige Gewichtungsaddition. Beispielsweise, anstelle des Originalbilds, kann ein Bild, das durch verbesserte Hochfrequenzsignalkomponenten des Originalbilds erzeugt wird, verwendet werden.
Die Hardwarekonfiguration einer Bildverarbeitungsvorrichtung für diesen Zweck ist in 13 beispielhaft gezeigt. Diese Figur verdeutlicht ein Funktionsblockdiagramm der Bildverarbeitungsvorrichtung 20, die mit den digitalen Schaltungen gebildet ist, wie die Schaltung gemäß 12. Diese Bildverarbeitungsvorrichtung 20 hat, wie gezeigt, eine zusätzliche Schaltung 28. Diese Schaltung 28 ist als eine Hochfrequenzkomponenten-Verbesserungsschaltung 28 gebildet, die von einem eingegebenen Originalbild X(m, n), ein Bild X'(m, n) erzeugt, bei dem die Hochfrequenzsignalkomponenten verbessert sind. Auf diesem verbesserten Bild sind die Konturen von derartigen Strukturobjekten wie Knochen visuell verbessert.
Daten des resultierenden Hochfrequenzkomponenten-verbesserten Bilds X'(m, n) werden dann an den Gewichtungsaddierer 24 gesendet, wo dieses verbesserte Bild X'(m, n) und ein geglättetes Bild S1(m, n), das in der gleichen Art und Weise wie in dem vorangegangenen Ausführungsbeispiel gewonnen wurde, einer Gewichtungsaddition in der gleichen Weise unterworfen werden, wie in dem vorherigen Ausführungsbeispiel. Diese Addition wird bei einer Bedingung durchgeführt, bei der X(m, n) in der vorherigen Formel (5) ersetzt wird durch X'(m, n).
Folglich sind in dem resultierenden gewichtet addierten Bild W(m, n) die Regionen, die Hochfrequenzkomponenten aufweisen, wie beispielsweise Konturen (Ränder), der Strukturobjekte hervorgehoben, wodurch die Sichtbarkeit des Bilds W(m, n) verbessert wird.
(Fünfte Modifikation)
Ein weiteres Beispiel betrifft die Abmessung (Dimension) eines Bilds, das einer Rauschreduzierung gemäß der vorliegenden Erfindung zu unterwerfen ist.
Die Beschreibung in dem vorangegangenen Ausführungsbeispiel hat sich gerichtet auf ein zweidimensionales monochromes digitales Bild als das ursprüngliche Bild. Die vorliegende Erfindung ist nicht auf die Handhabung derartiger Bilder beschränkt. Die Rauschreduzierung gemäß der vorliegenden Erfindung kann auch verwendet werden für ein dreidimensionales monochromes digitales Bild als das Originalbild.
Um die Rauschreduzierung für ein derartiges dreidimensionales digitales Bild durchzuführen, wird die zweidimensionale ROI, wie in 5 gezeigt, in eine dreidimensionale ROI, wie in 14 gezeigt, geändert. Hierfür wird die 3-D ROI, jeder der Abstände in den dreidimensionalen Richtungen, die sich von dem ROI Zentrum erstrecken, wird einer Berechnung unter worfen, die Gewichtungskoeffizienten verwendet, die basierend auf den oben genannten Filtern 1 und 2 gefunden werden. Dies erlaubt den Gewichtungskoeffizienten eine dreidimensionale Verteilung zu haben. Wie oben beschrieben, erhalten die Filterfaktoren der Filter 1 und 2 allmählich abnehmende Verteilungen bezüglich jeder Distanz L von dem ROI Zentrum aus.
Ein geglättetes Bild, das ein Eingangsbild für die Gewichtungsaddition ist, wird folglich von dem dreidimensionalen Bild (Originalbild) durch ein Filter erzeugt, das dreidimensionale Filterfaktoren aufweist. Ähnlich wie gemäß 11 beschrieben, führt eine Bildverarbeitungsvorrichtung die Gewichtungsaddition zwischen dem dreidimensionalen Originalbild (oder dessen hochfrequenzkomponenten-verbesserten Bild) und dem geglätteten Bild davon durch.
Wie aus dem Obigen zu verstehen ist, für das dreidimensionale digitale Bild, das als das Originalbild dient, kann die Berechnung in der gleichen Art und Weise durchgeführt werden, wie für das zweidimensionale Bild. Es ist folglich möglich, Rauschen aus einem Bild zu reduzieren oder zu entfernen (wie in 14 gezeigt, ein zweidimensionales Bild, das von rauschentfernten dreidimensionalen digitalen Bilddaten rekonstruiert ist). Darüber hinaus bleibt Information, die die Konturen der Strukturobjekte angibt, erhalten. Die Sichtbarkeit wird folglich zuverlässig verbessert.
Speziell, wenn das Rauschentfernen gemäß den obigen Ausführungsbeispielen und Modifikationen für digitale Bilder angewendet wird, die durch medizinische Modalitäten erfasst werden, werden folgende Vorteile ebenfalls erhalten. 15 verdeutlicht eine medizinische Modalität MD, beispielsweise Röntgen-CT(Computertomographie)-Scanner oder Diagnoseultraschallgerät, in denen die obige Bildverarbeitungsvorrichtung 10 oder 20 integriert ist, um Daten eines Originalbilds X(m, n) zu empfangen, die durch einen Erfassungsbereich der Modalität erfasst werden.
Für die Anwendung der Röntgen-CT-Bilder ermöglicht die rauschreduzierte Darstellung und die stabile Randdarstellung der Strukturobjekte, dass ein Ausmaß der Röntgenstrahlung geringer ist als üblich, weil die diagnostische Leistungsfähigkeit genauso hoch bleiben kann, wie herkömmlich. Diese Tatsache führt zu einer Reduzierung oder Unterdrückung des Ausmaßes der Röntgenstrahlen. Darüber hinaus, für die Anwendung auf ein Ultraschallbild, kann Speckle-Rauschen, was immer noch durch ein herkömmliches Verfahren entfernt werden muss, zuverlässig reduziert werden, wodurch Bilder mit stark verbesserter Sichtbarkeit im Bereich der Strukturobjekte auf den Bildern bereitgestellt werden.
Ferner wird eine weitere Anwendung gemäß dem obigen Ausführungsbeispiel und dessen verschiedene Modifikationen bereitgestellt. Bei der Röntgen-CT-Bildgebung oder anderen Typen von Bildgebung kann die obige Rauschreduzierungstechnik mit anderen kombiniert werden. Beispielsweise kann die Rauschreduzierungstechnik gemäß der vorliegenden Erfindung durchgeführt werden in Kombination mit einer RASP (Raster Artefact Suppression Protocol) Technik. Diese Technik, die ausführbar wird für die Röntgen-CT-Bildgebung für die Thoraxregion, ist eine selektive Rauschverarbeitung in Abhängigkeit von Datenerfassungswinkeln. Bei der Röntgen-CT-Bildgebung wird beispielsweise ein Paar von Röntgenröhren und Röntgendetektor um ein abzutastendes Objekt rotiert, während Daten bei vorbestimmten Winkeln erfasst werden. In dieser Situation, wenn eine Differenz in einem Röntgenabsorptionskoeffizienten der gleichen Region des Objekts zwischen den Datenerfassungswinkeln 90° und 180° vorliegt, können Artefakte auf einem rekonstruierten Bild erscheinen. Um diese Artefakte zu reduzieren, wird häufig ein selektives Rauschreduzieren angewendet. Dieses selektive Rauschreduzieren kann durchgeführt werden in Kombination mit der Rauschreduzierung gemäß der vorliegenden Erfindung. Das Anwenden der Rauschreduzierungstechnik in dieser Weise erzeugt rekonstruierte CT-Bilder, von denen Artefakte und Rauschen zuverlässig reduziert sind, wodurch folglich qualitativ hochwertige CT-Bilder bereitgestellt werden.
Die vorliegende Erfindung kann in anderen spezifischen Formen, ohne die wesentlichen Merkmale der Erfindung zu verlassen, ausgebildet werden. Die vorliegenden Ausführungsbeispiele sind folglich illustrativ und nicht einschränkend, der Bereich der vorliegenden Erfindung ist durch die beigefügten Ansprüche angegeben.

Claims

Bildverarbeitungsvorrichtung zum Reduzieren von Rauschen in einem Originalbild (X) enthaltend digitale Bilddaten, die entweder durch einen Röntgen-CT Scanner oder eine Diagnoseultraschallvorrichtung erfasst werden, enthaltend einen Informationsrechner, der konfiguriert ist zum Berechnen von Informationen bezüglich einer Pixelwertänderung, die eine räumliche Änderung in Pixelwerten in jedem von vorbestimmten Bereichen auf dem Originalbild darstellt; einen geglättetes-Bild-Erzeuger (21), der konfiguriert ist zum Erzeugen eines geglätteten Bildes durch Glätten des Originalbildes; einen Gewichtungsfaktorrechner (26), der konfiguriert ist zum Berechnen eines Gewichtungsfaktors in Abhängigkeit von der berechneten Information bezüglich der Pixelwertänderung; einen Verbesserer (28), der konfiguriert ist zum Verbessern von Hochfrequenzkomponenten von Pixeln des Originalbildes, um ein hochfrequenzkomponenten-verbessertes Bild zu erzeugen; und einen Gewichtungsaddierer (24), der konfiguriert ist zum wechselseitigen Durchführen einer Gewichtungsaddition mit dem hochfrequenzkomponenten-verbesserten Bild und dem erzeugten geglätteten Bild unter Verwendung des Gewichtungsfaktors.
Bildverarbeitungsvorrichtung nach Anspruch 1, bei der der Informationsrechner enthält: eine Filtereinheit, die konfiguriert ist zum entsprechenden Anwenden von zwei Glättungsfiltern (22, 23) mit gegenseitig unterschiedlichen Filterfaktoren auf das Originalbild, wodurch zwei geglättete Ausgabebilder erzeugt werden; und eine Subtraktionseinheit (25), die konfiguriert ist zum gegenseitigen Subtrahieren, Pixel für Pixel, zwischen den zwei Ausgabebildern, wodurch ein Differenzbild erzeugt wird, das als die Information bezüglich der Pixelwertänderung dient.
Bildverarbeitungsvorrichtung nach Anspruch 2, bei der der Informationsrechner ferner einen Absolutwerterechner enthält, der konfiguriert ist zum Berechnen eines absoluten Wertes jedes Pixelwertes des Differenzbildes, wodurch ein Absolutwert-Bild erzeugt wird, das als die Information bezüglich der Pixelwertänderung dient.
Bildverarbeitungsvorrichtung nach Anspruch 3, bei der die Filterfaktoren der zwei Glättungsfilter definiert sind basierend auf einem Algorithmus, dass je größer der absolute Wert jedes Pixelwerts des Differenzbilds ist, desto größer die räumliche Änderung in den Pixelwerten ist, die in jedem der vorbestimmten Bereiche auf dem hochfrequenzkomponenten-verbesserten Bild gemittelt sind.
Bildverarbeitungsvorrichtung nach Anspruch 2 oder 3, bei der der geglättetes-Bild-Erzeuger konfiguriert ist zum Verwenden von einem der zwei Ausgabebilder, die durch die Filtereinheit geglättet worden sind, als das geglättete Bild.
Bildverarbeitungsvorrichtung nach Anspruch 2 oder 3, bei der der Gewichtungskoeffizientenrechner (26) konfiguriert ist zum Berechnen des Gewichtungskoeffizienten, der definiert ist durch eine nicht abnehmende Funktion eines absoluten Pixelwertes auf dem Differenzbild, wobei der Gewichtungskoeffizient einen nicht negativen Wert aufweist.
Bildverarbeitungsvorrichtung nach einem der vorangegangenen Ansprüche, bei der der Gewichtungsaddierer (24) konfiguriert ist zum Durchführen der Gewichtungsaddition basiert auf der Gleichung: W(m, n) = A·X'(m, n) + (1 – A)·X1(m, n),wobei der Gewichtungsfaktor gleich A ist, die Pixelposition gleich (m, n) ist, das hochfrequenzkomponenten-verbesserte Bild gleich A·X'(m, n) ist, das geglättete Bild gleich X1(m, n) ist, und ein Bild, das der Gewichtungsaddition unterworfen ist, gleich W(m, n) ist.
Bildverarbeitungsvorrichtung nach einem der vorangegangenen Ansprüche, bei der der Informationsrechner mit einer Filtereinheit bereitgestellt ist, die konfiguriert ist zum Anwenden eines Filters auf das Originalbild zum Gewinnen eines Bildes als die Information bezüglich der Pixelwertänderung, wobei das Filtern einen Filterfaktor aufweist, der ein gegenseitig subtrahierter Wert zwischen gegenseitig unterschiedlichen Filterfaktoren ist, wobei der subtrahierte Wert vorher berechnet wird.
Bildverarbeitungsvorrichtung nach einem der Ansprüche 1 bis 7, bei der der Informationsrechner ausgestattet ist mit: einer Filtereinheit, die konfiguriert ist zum Anwenden eines Filters auf das Originalbild zum Erzeugen eines Bildes als die Information bezüglich der Pixelwertänderung, wobei der Filter einen Filterfaktor aufweist, der ein gegenseitig subtrahierter Wert zwischen gegenseitig unterschiedlichen Filterfaktoren ist, wobei der subtrahierte Wert vorher berechnet wird, und einem Absolutwerterechner, der konfiguriert ist zum Berechnen eines absoluten Wertes bei jedem Pixel auf dem Bild, das durch die Filtereinheit erzeugt wird, zum Erzeugen eines absoluten Bildes als die Information bezüglich der Pixelwertänderung.
Bildverarbeitungsvorrichtung nach einem der vorangegangenen Ansprüche, bei der der geglätteten-Bild-Erzeuger konfiguriert ist zum Anwenden eines voreingestellten Glättungsfilters auf das Originalbild zum Erzeugen des geglätteten Bildes.
Bildverarbeitungsvorrichtung nach einem der Ansprüche 1 bis 10, bei der das Originalbild ein zweidimensionales digitales Bild ist.
Bildverarbeitungsvorrichtung nach einem der Ansprüche 1 bis 10, bei der das Originalbild ein dreidimensionales digitales Bild ist.
Bildverarbeitungsvorrichtung nach einem der vorangegangenen Ansprüche, bei der das Originalbild ein monochromes digitales Bild ist.
Programm, das, wenn es durch einen Computer ausgeführt wird, den Computer veranlasst als eine Bildverarbeitungsvorrichtung zu fungieren zum Reduzieren von Rauschen in einem Originalbild bestehend aus digitalen Bilddaten, die entweder durch einen Röntgen-CT Scanner oder eine Diagnoseultraschallvorrichtung erfasst worden sind, wobei die Bildverarbeitungsvorrichtung enthält: einen Informationsrechner, der Informationen bezüglich einer Prixelwertänderung berechnet, die eine räumliche Änderung in Pixelwerten in jedem von vorbestimmten Bereichen auf dem Originalbild darstellt; einen geglättetes-Bild-Erzeuger, der ein geglättetes Bild erzeugt durch Glätten des Originalbildes einen Gewichtungsfaktorrechner, der einen Gewichtungsfaktor in Abhängigkeit von der berechneten Information bezüglich der Pixelwertänderung berechnet; einen Verbesserer, der Hochfrequenzkomponenten von Pixeln des Originalbilds verbessert zum Produzieren eines hochfrequenzkomponenten-verbesserten Bilds; und einen Gewichtungsaddierer, der unter Verwendung des Gewichtungsfaktors eine gegenseitige Gewichtungsaddition mit dem hochfrequenzkomponenten-verbesserten Bild und dem erzeugten geglätteten Bild durchführt.
Verfahren zum Reduzieren von Rauschen in einem Originalbild bestehend aus digitalen Bilddaten, die entweder durch einen Röntgen-CT Scanner oder eine Diagnoseultraschallvorrichtung erfasst worden sind, wobei das Verfahren die Schritte enthält: Anwenden (S3) von zwei Glättungsfiltern auf das Originalbild, die gegenseitig jeweils unterschiedliche Filterfaktoren aufweisen, zum Erzeugen von zwei geglätteten Bildern; Durchführen (S4) einer gegenseitigen Subtraktion zwischen den zwei geglätteten Bildern Pixel für Pixel zum Erzeugen eines Differenzbildes; Berechnen (S5) eines Gewichtungsfaktors, der entweder von dem Differenzbild oder einem Bild, das von dem Differenzbild hergeleitet wird, abhängt; Verbessern von Hochfrequenzkomponenten von Pixeln des Originalbilds zum Erzeugen eines hochfrequenzkomponenten-verbesserten Bildes; und Durchführen (S8) einer gegenseitigen Gewichtungsaddition zwischen dem hochfrequenzkomponenten-verbesserten Bild und einem der zwei geglätteten Bilder unter Verwendung des berechneten Gewichtungsfaktors.
Verfahren nach Anspruch 15, bei dem das Bild, das aus dem Differenzbild hergeleitet wird, ein Absolutwert-Bild ist bestehend aus absoluten Pixelwerten, die von Pixelwerten des Differenzbildes gebildet werden.
Verfahren nach Anspruch 15, bei dem die Filterfaktoren der zwei Glättungsfilter definiert werden basierend auf einem Algorithmus, dass je größer eine Änderung in einem Pixelwert des hochfrequenzkomponenten-verbesserten Bildes ist, desto größer ein absoluter Werte eines Pixelwertes des Differenzbildes ist.
Verfahren nach Anspruch 15, bei dem der Gewichtungsfaktorberechnungsschritt den Gewichtungskoeffizienten berechnet, der durch eine nicht-abnehmende Funktion eines absoluten Pixelwertes auf dem Differenzbild definiert ist, wobei der Gewichtungsfaktor einen nicht negativen Wert aufweist.
Verfahren nach Anspruch 15, bei dem der Gewichtungsadditionsschritt eine Gewichtungsaddition durchführt basierend auf einer Gleichung W(m, n) = A·X'(m, n) + (1 – A)·X1(m, n),wobei der Gewichtungsfaktor gleich A ist, eine Pixelposition (m, n) ist, das hochfrequenzkomponenten-verbesserte Bild gleich A·X'(m, n) ist, das geglättete Bild gleich X1(m, n) ist, und ein Bild, das der Gewichtungsaddition unterworfen worden ist, gleich W(m, n) ist.