JPWO2005110232A1 - 画像処理装置及びその方法 - Google Patents

Abstract

本発明の画像処理装置は、画像データ内の少なくとも一部について平滑化画像と鮮鋭化画像とをそれぞれ作成する画像作成手段と、この画像作成手段によって作成された平滑化画像と鮮鋭化画像とを混合する混合画像を生成する混合画像生成手段と、を備えた画像処理装置において、前記画像データ内の各画素をそれぞれ取り巻く任意の大きさのマトリクス毎に該マトリクス内の複数の画素値に関する分析量を算出する分析量算出手段と、この分析量算出手段によって算出された分析量に応じて前記混合画像生成手段における平滑化画像と鮮鋭化画像の混合比率を制御する制御手段と、この制御手段によって制御された混合画像生成手段より出力される混合画像を表示する表示手段と、を備える。これによって、画像の解像度の低下の抑制を抑制しつつ、雑音除去ができる。

Description

本発明は、被写体の画像を収集する場合において、収集された画像データの信号対ノイズ比(S/N比)を向上させると共に、前記収集された画像の解像度の低下を抑制することに対して有用な技術に関する。

医用画像は、X線、γ線を含む放射線、磁気、超音波などの計測のためのエネルギー照射が被写体(被検者)に行われ、前記エネルギー照射によって得られた前記被検者の透過信号や反射信号などがコンピュータによってデータ処理され、そのデータ処理された結果において前記被検者の内部が画像化されるものである。
近年、上記医用画像の計測時において、一方ではX線被曝等の計測のために被検者に照射されるエネルギーを低減することが被検者保護の観点から要求されている。他方では低減されたエネルギー照射下であっても高画質な画像が要求されている。
双方の要求は背反の関係にあり、これらの要求を満たすための一手法は、上記計測のためのエネルギーが抑制されたことにより増加する雑音信号成分を除去し、S/N比を改善する技術がある。

従来の画像処理方法は［特許文献1］に開示されている。［特許文献1］では、第1の画像データの各画素について鮮鋭度を強調した鮮鋭化画像データを取得する段階と、前記第1の画像データの各画素について平滑化した平滑化画像データを取得する段階と、前記第1の画像データの各画素についてエッジ度を算出する段階と、算出された前記エッジ度の最頻値に対し、前記平滑化画像データの融合比率を高めるようにエッジ度−融合比率相関を設定する段階と、このエッジ度−融合比率相関に基づき、前記鮮鋭化画像データと前記平滑化画像データとを画素毎に融合して第２の画像データを得る画像データ融合段階とを備える。これによって、画像データの輪郭部強調と粒子状ノイズ低減とを効果的に両立できる。
特開2003−132352号公報

しかし、［特許文献1］によって開示された技術は、上記エッジ度を算出する段階がその算出時にスパイクノイズ以外の本来の画像の画素情報も雑音として認識し、それによって認識された本来の画素情報も除去されてしまうケースが考えられるため、画像の解像度の低下を招いてしまうおそれがある点について配慮が不十分であった。

本発明の画像処理装置は、画像データ内の少なくとも一部について平滑化画像と鮮鋭化画像とをそれぞれ作成する画像作成手段と、この画像作成手段によって作成された平滑化画像と鮮鋭化画像とを混合する混合画像を生成する混合画像生成手段と、を備えた画像処理装置において、前記画像データ内の各画素をそれぞれ取り巻く任意の大きさのマトリクス毎に該マトリクス内の複数の画素値に関する分析量を算出する分析量算出手段と、この分析量算出手段によって算出された分析量に応じて前記混合画像生成手段における平滑化画像と鮮鋭化画像の混合比率を制御する制御手段と、この制御手段によって制御された混合画像生成手段より出力される混合画像を表示する表示手段と、を備える。
これによって、画像の解像度の低下を抑制しつつ、雑音除去が可能な画像処理装置が提供される。

また、本発明の画像処理方法は、画像データ内の少なくとも一部について平滑化画像と鮮鋭化画像とをそれぞれ作成する画像作成工程と、この画像作成手段によって作成された平滑化画像と鮮鋭化画像とを混合する混合画像を生成する混合画像生成工程と、を含む画像処理方法において、前記画像データ内の各画素をそれぞれ取り巻く任意の大きさのマトリクス毎に該マトリクス内の複数の画素値に関する分析量を算出する分析量算出工程と、この分析量算出工程によって算出された分析量に応じて前記混合画像生成工程における平滑化画像と鮮鋭化画像の混合比率を制御する制御工程と、この制御工程によって制御された混合画像生成工程より出力される混合画像を表示する表示工程と、を含む。
これによって、画像の解像度の低下を抑制しつつ、雑音除去が可能な画像処理方法が提供される。

本発明によれば、画像の解像度の低下を抑制しつつ、雑音除去ができる。
また、平滑化画像と鮮鋭化画像を混合する比率を適切に決定できるから、画像データの輪郭の維持とノイズ低減とを効果的に両立することができ、所望の分析量を持つ画像を作成できる。

本発明の画像処理装置の概念構成図である。 実施の形態1における画像読込から画像保存までのフローチャート図である。 分散または標準偏差と混合重みとの関係の説明図である。 各部位におけるウィナースペクトルの説明図である。 分散または標準偏差と混合重みとの関係の説明図である。 平滑化フィルタのフローチャート図である。 平滑化フィルタの概念図である。 標準偏差とマトリクスサイズの関係を示した図である。 実施の形態2における画像読込から画像保存までのフローチャートである。 あるROIにおける元画像のウィナースペクトルと所望のウィナースペクトル設定の説明図である。 分析量が分散または標準偏差である場合の第2の混合重みの初期値決定用ルックアップテーブルの一例を示す図である。 あるROIにおける元画像のウィナースペクトルと所望のウィナースペクトルの差分を規格化した一例を示す図である。 分析量がウィナースペクトルである場合の第2の混合重みの初期値決定用ルックアップテーブルの一例を示す図である。 画像ノイズが目立つ画像例を示す図である。 図14の画像に従来技術を適用した画像の一例を示す図である。 図14の画像に本発明を適用した画像の一例を示す図である。 ある標準偏差値を持つ従来画像例を示す図である。 図17の画像に本発明を適用した画像の一例を示す図である。

以下、添付図面に従って本発明に係る画像診断支援装置の好ましい実施の形態について詳説する。
(実施形態１)
図1は本発明に係る画像処理装置の構成例を示すブロック図である。
本発明に係る画像処理装置は、画像取得手段1と、画像取得手段1と信号伝達可能に接続される演算処理手段2と、演算処理手段2と信号伝達可能に接続される画像表示手段3とを有している。

画像取得手段1は処理対象となる画像の種類によって異なり、例えば処理対象となる画像がX線透視像やCT画像やMR画像や超音波画像などの医療用デジタル画像データであるならば、それらの画像取得装置は、X線装置やCT装置やMR装置や超音波装置などの医療用画像診断装置である。
あるいは、処理対象となる画像がデジタルカメラによる画像やスキャナで読み取った画像などのデジタル画像データの場合、それらの画像取得装置は、デジタルカメラやスキャナなどの画像取得機器である。本発明に開示する手法は、これらの画像取得機器においても少ない入射光量では取得される画像の雑音成分が多いので、その雑音を除去する場合にも採用できる。

演算処理手段2は、画像取得手段1と一体化されたコンピュータ、または別設の独立したコンピュータであり、平滑化画像作成手段4、鮮鋭化画像作成手段5、分析量算出手段6、画像混合手段7、保存手段8、格納手段9及び入力手段10を有している。
平滑化画像作成手段4は処理対象元画像上のノイズ除去を行う。鮮鋭化画像作成手段5は処理対象元画像の輪郭を強調する。分析量算出手段6は画像の分散値や標準偏差値、ウィナースペクトル値などを算出する。画像混合手段7は分析量算出手段6によって算出された分析量に基づいて平滑化画像と鮮鋭化画像を混合する。保存手段8は平滑化画像、鮮鋭化画像や混合画像を保存する機能や各種プログラムを保存する機能を有するものであって、ハードディスクなどである。格納手段9は平滑化画像、鮮鋭化画像や混合画像を一時的に記憶する機能を有するものであって、メモリなどである。入力手段10は操作者が画像処理装置を作動させるための各種パラメータを入力する機能を有するものであって、マウスやキーボードなどである。
また、画像取得手段1が、コンピュータとして機能するために、デジタルシグナルプロセッサー (DSP)やマイクロプロセッサー (MPU)、およびセントラルプロセッシングユニット(CPU)の少なくとも1つが含まれる。

画像表示手段3は、画像取得手段1、演算処理手段2、またはこのいずれかと一体化した、あるいは独立したディスプレイなどの表示装置である。

図2は本発明に係る画像処理装置の実施の形態1のデータ読み込みから出力画像の表示までを示すフローチャートである。
ステップ201では、画像取得手段1が処理対象となる画像を読み込み、演算処理手段2が前記読み込まれた画像を格納手段9に格納する。
あるいは、演算処理手段2は保存手段8に既に保存されている画像を読み込み、演算処理手段2が前記読み込まれた画像を格納手段9に格納してもよい。
この際読込まれる画像は、X線装置、MR装置、CT装置、超音波診断装置、デジタルカメラなどによって新規に作成されたデジタル画像データであればよく、その種類は限定されない。ステップ202では、操作者(図示省略)が平滑化画像と鮮鋭化画像を混合する比率の元となる分析量を算出するための各種パラメータを選択し、その選択された各種パラメータを演算処理手段2に入力手段10を用いて入力する。

このパラメータには、分析量の種類とマトリクスサイズがある。分析量とは、統計学的な物理量をいい、マトリクス内の画素値をもとに計算して得られる値で、画像の粒状性を反映する。分析量の種類は、例えば、マトリクス内の画素値の分散、標準偏差、ウィナースペクトル及び差分値の少なくとも一つである。ここでいう差分値はある注目する画素値とその周辺に位置する画素の画素値とを引き算した値を示している。マトリクスサイズとは、この分析量を算出する画素の範囲を指し、例えばある画素周辺の3×3マトリクスや5×5マトリクスを指定する。ここで、これらの分析量の種類とマトリクスサイズのパラメータは、操作者が任意に指定してもよいし、プログラムで予め設定していてもよい。
なお、ステップ202は前記パラメータを予め設定しておく場合、省略できる。

ステップ203では、分析量算出手段6がステップ202で決定されたパラメータを元に、該当する分析量を算出する。
ここでマトリクス内の画素値の分散、標準偏差、およびウィナースペクトルの算出方法は公知の方法による。ステップ204では、画像混合手段7がステップ203で算出された分析量に応じて、平滑化画像と鮮鋭化画像を混合する重みを算出する。混合重みの算出方法については後述する。

混合重みW(x,y)は1画素毎に決定し、全ての画素についてその算出が終わるまでステップ203〜204を繰り返す。ステップ205にて、演算処理手段2は全ての画素について算出が終わったならば次のステップに進む。ステップ206では、平滑化画像作成手段4が処理対象元画像に対してノイズ除去処理を行う。ノイズ除去処理には移動平均フィルタや中間値フィルタなどの公知の平滑化フィルタが使用可能であるが、後述する分析量に基づく平滑化フィルタを使用してもよい。

ステップ207では、鮮鋭化画像作成手段5が処理対象の原画像に対して輪郭強調処理を行う。
輪郭強調処理にはラプラシアン(2次微分)を用いた鮮鋭化フィルタなどの公知の輪郭強調フィルタを用いればよい。

ステップ208では、画像混合手段8がステップ204で算出した混合重みW(x,y)に基づいて平滑化画像AIMG(x,y)と鮮鋭化画像BIMG(x,y)とを式1にしたがって混合し、混合画像OIMG(x,y)を作成する。

ステップ209では、演算処理手段2がステップ208で作成された混合画像OIMG(x,y)を画像表示手段3に表示させる。
ステップ210では、演算処理手段2が混合画像を保存する必要があるか否かを操作者に判断させる。この判断のために、演算処理手段2は、画像表示手段3に保存確認のメッセージを表示し、操作者はその表示に従って保存の要否を判断する。演算処理手段2は、混合画像の保存が必要な場合、ステップ211にて、保存手段8に保存する。

上記動作説明では、混合重み算出、平滑化画像作成、鮮鋭化画像作成の順番で処理内容を記述したが、これらの処理は順不同である。すなわちステップ202〜205までの処理と、ステップ206、ステップ207は任意に処理順序を入れ替えてもよい。この処理順序の入れ替えは、操作者が入力手段10を介して、その処理手順を画像表示手段3に表示して任意に設定することができる。
また、演算処理手段2の処理能力が高ければ、前記混合重み算出、前記平滑化画像作成及び前記鮮鋭化画像作成を並列処理やパイプライン処理して、さらなる演算の高速化を図ってもよい。

次に、分析量が分散または標準偏差である場合の混合重みの算出方法の一例について説明する。
式2、式3は、ある画素P(x,y)を中心とするM×Nマトリクスにおける分散D(x,y)と標準偏差σ(x,y)を定義する。

ここでは画素P(x,y)を中心とするM×Nマトリクス内の画素値の平均値であり次式で定義される。

図3は分散または標準偏差と混合重みの関係を示すグラフである。このグラフは、分散や標準偏差が0からTHσまでの範囲に対して閾値THY〜1の範囲を決定している。その決定方法は、図3中の黒線11のように線形、あるいは図3中の破線12のように3角関数型の何れであってもよい。

一般的に、マトリックス内の画素値の分散D(x,y)や標準偏差σ(x,y)は画像ノイズが多いと大きくなる傾向がある。そこで、分散D(x,y)や標準偏差σ(x,y)が所定量よりも大きな画素ほど平滑化画像の混合比率を高めればノイズ低減効果が発揮される。
他方、輪郭近傍のマトリクスの分散や標準偏差は急激な濃度変化があるために極端に高くなる。そこで、輪郭近傍のマトリクスではなんらかの構造物、例えば臓器の境界が存在していると解することができる。
このような場合には、平滑化画像の混合比率を低くすれば、解像度を優先させる。閾値THσは、経験的に得られる輪郭近傍での標準偏差や分散とすればよい。

なお、図3中のTHYの起点は0としてもよいが、THYを0とした場合、急激な濃度変化が存在する領域では鮮鋭化画像の部分に不自然な境界線(2重線)などを生ずる場合がある。したがって、この不自然な境界線の発生を防ぐためにTHYは0ではなく、0に漸近する値とする方が望ましい。

また、マトリクスの大きさ(M×N)は任意でよいが、輪郭や構造物の鮮鋭度を維持しつつノイズを除去するには基本的に3×3や5×5程度の大きさが望ましい。マトリクスサイズの大きさが3×3や5×5程度であれば、演算時間短縮の観点からも好適である。

次に、分析量がウィナースペクトルである場合の混合重みの算出方法について説明する。ウィナースペクトルは自己相関関数のフーリエ変換によって求められ、画像の粒状性の評価に一般的に用いられる分析量であり、ウィナースペクトル値が低いほど、粒状度が良いとされる。

例として、図4に腹部CT画像の各部位におけるウィナースペクトルを示す。図4のウィナースペクトルは32×32マトリクスで算出したものである。部位21のマトリクス内には急激な濃度変化が存在しているので、骨などの輪郭がマトリクス内に含まれていると解される。部位22と部位23はマトリクス内に急激な濃度変化が存在していないので、輪郭や構造物がマトリクス内に含まれていないと解される。また、部位23は部位22に比べてウィナースペクトル値が低く粒状度が良いので、マトリクス内のノイズが少ないと解される。

ウィナースペクトルの形状は、図4からわかるように、急激な濃度変化の有無やノイズの強弱によって変化する。低周波数領域のウィナースペクトル値は輪郭近傍では急激な濃度変化があるために極端に高くなる。そこで、低周波数領域のウィナースペクトル値が閾値WSTHよりも高いマトリクスの場合には、解像度を優先して、図5のように平滑化画像の混合重みには最低値THYを与える。

低周波数領域のウィナースペクトル値が閾値WSTHよりも低い場合には、ノイズ除去を優先する。具体的には、ウィナースペクトル値が図5のように大きな画素ほど平滑化画像の混合比率を高くなるように混合重みを決定する。閾値WSTHは経験的に得られる輪郭近傍でのウィナースペクトル値である。

図5の横軸は、例えば図4におけるF1のように特定の周波数帯のウィナースペクトルとしてもよく、あるいはF2〜F3までの区間の平均値としてもよい。混合重みは、ウィナースペクトルに対してTHY〜1の範囲で決定する。その決定の方法は、図5中の黒線13のように線形に、あるいは図5中の破線14の3角関数状に何れであってもよい。図5中のTHYは0にしてもよいが、THYを0にした場合、急激な濃度変化が存在する領域では鮮鋭化画像は不自然な境界線(2重線)となる場合がある。よってTHYは0ではなく、0に漸近する値とする方が望ましい。図4からわかるように、ノイズが小さければウィナースペクトルは低くなり、輪郭などの急激な濃度勾配によるウィナースペクトルの変化は低周波数領域に現れる傾向がある。よって、特定の周波数帯におけるウィナースペクトルを図5の横軸とする場合、輪郭の有無を的確に判定するために、この特定の周波数帯は高周波数領域に設定するのが望ましい。

また特定の区間におけるウィナースペクトルの平均値を図5の横軸とする場合、輪郭の有無を的確に判定するために、特定の区間は低〜中周波数領域に設定することが望ましい。マトリクスの大きさ(M×N)が小さいほどウィナースペクトルの周波数分解能が低下し、マトリクスの大きさが大きいほど細かい輪郭を不鮮明にする効果が強くなる。
よって、分析量がウィナースペクトルである場合には、マトリクスの大きさは16×16、32×32程度のマトリクスサイズであることが望ましい。

次に、図2のステップ206の平滑化画像の作成方法について図6をもとに説明する。図6は、本実施の形態における分析量に基づく平滑化フィルタの概念図と処理フローチャートである。ステップ601では、分析量算出手段6が標準偏差を求める。
標準偏差を求める範囲は、画素P(x,y)を中心とする3×3ないしは5×5マトリクスが望ましいがこの例示されたマトリクスサイズに限られない。

ここで言う範囲とは後のマトリクスサイズとは異なり、標準偏差を求めるために暫定的に決めた範囲である。
ステップ602では、演算処理手段2は、ステップ601で算出した標準偏差を元に、図7と図8に従って平滑化するための単位であるマトリクスサイズを決定する。

演算処理手段2は、図8に示すように、標準偏差が大きいほどマトリクスサイズを大きくするように決定する。ただし、輪郭部などでは標準偏差が極端に高くなるので、標準偏差が閾値THSD以上の場合は解像度を優先して、最小マトリクスサイズ(3×3)としてもよい。ここで、THSDは経験的に得られる輪郭近傍での標準偏差値である。
演算処理手段2は、TH1〜TH5に任意の値を与えてもよく、次式に従って決定してもよい。

式5中のＮは0からTHSDまでの領域の分割数であり、図7の場合、その分割数は6である。なお図7では最小マトリクスサイズを3×3、最大マトリクスサイズを13×13とし、0からTHSDまでの分割数を6としたが、最小および最大マトリクスサイズ、分割数はこれに限定されるものではなく任意に設定してもよい。
このように、ノイズを多く含み標準偏差が大きい部位は大きなマトリクスサイズで、ノイズが少なく標準偏差が小さい画素は小さなマトリクスサイズで、また輪郭などの極端な濃度変化が存在する部位は最小マトリクスサイズで、分析量の演算処理を行う。

こうすることで、解像度の低下抑制の効果とノイズ除去効果の両立が可能となる。なお、画素P(x,y)が画像の端に近い部位である場合、図7に従って決定したマトリクスサイズではマトリクスが画像をはみ出す場合があるが、この場合ははみ出さないようなサイズに置き換えて処理すればよい。

ステップ603では、演算処理手段2が、ステップ602で決定したサイズで規定される画素P(x,y)を中心とするマトリクス内で分析量に基づいた重みを掛けて画素値を平均化し、フィルタリング後の画素値を決定する。

演算処理手段2は、ステップ601からステップ603までの処理を全ての画素で繰り返すことで、画像全体に対して平滑化フィルタリング処理が行われる。

次に、分析量に基づくフィルタリング後の画素値の決定方法について説明する。ある座標(x,y)におけるフィルタリング前の画素値をP(x,y)、フィルタリング後の画素値をP'(x,y)とすると、P'(x,y)は次式に従って算出される。

ここでNはマトリクスサイズであり、前述の手法で1画素毎に決定される。また座標(i,j)はマトリクス内の各座標であり、P(i,j)は座標(i,j)における画素値である。ここでiはx-(N-1)/2 〜 x+(N-1)/2までの整数であり、jはy-(N-1)/2 〜 y+(N-1)/2までの整数である。よって例えばマトリクスサイズが3×3ならば、i, jは-1,0,1であり、マトリクスサイズが5×5ならば、i, jは-2,-1,0,1,2である。またW(i,j)は画素値を平均化する際の重みであり、次式に従って決定される。

式7においてσは標準偏差であり、これは前述の図6のステップ601において算出する値を用いればよい。またαは平滑化の度合いを決める任意の定数であり、αを大きくするほど平滑化の度合いが強くなりノイズ除去効果が増す。式7において平均化の重みW(i,j)は画素値の差やばらつき(標準偏差)、すなわち画素値の類似性に応じて決定され、類似性が強いほど重みは大きくなる。よって式6によって画素値がよく似た値であるほど大きな重みを掛けて平均化されるため、従来の平滑化フィルタに比べて平均化による解像度低下の抑制効果が期待できる。よって、演算処理手段2は、十分なノイズ除去効果が期待できるようにαを定め式7によって重みを決定し、式6に従って処理すれば、解像度の低下抑制の効果と十分なノイズ除去効果の両立が可能となる。式7においてW(i,j)は画素値に類似性に応じて決定される。また、演算処理手段2は、式8のように画素値の類似性と中心画素からの距離に応じて決定してもよい。この場合も式7で重みを決定する場合と同様の効果が期待できる。

以上、図2に示したフローチャートは、例えば図1の演算処理手段2によって自動的に実行可能である。

次に本実施の形態1を適用した場合として、信号対ノイズ比(SN比)を向上させながら解像度の低下を抑制した混合画像を従来技術による画像と対比して示す。
図14は信号ノイズ比が良好ではなく画像ノイズが目立つCT画像のサンプル画像である。
図15は図14の画像に従来技術(移動平均フィルタ)を適用してノイズ低減を行った場合のサンプル画像である。

これに対して、図16は図14の画像に本発明の実施の形態1を適用してノイズ低減を行った場合のサンプル画像である。図15と16を比較すると、図15では図14にあったノイズが除去されるが、解像度が低下し、画像の鮮鋭度も低下している。
これに対して図16では、図14にあったノイズは明らかに減少しており、解像度も原画像と同等の解像度が維持されていることがわかる。
このように、本実施形態によれば、ノイズの除去と解像度の維持を両立して、その画像の再現に最適な状態を提供できる。

(実施形態２)
図9は本発明に係る画像処理装置の実施の形態2におけるデータ読み込みから出力画像の表示までを示すフローチャートである。
実施の形態1との相違点は、画像内のある関心領域内の画像に対する混合重みと、画像全体に対する第2の混合重みのように複数の混合重みを適用することである。
ステップ901で、演算処理手段2は、処理対象となる画像を読み込み、格納手段9に格納する。このとき、演算処理手段2は、保存手段8に既に保存されている画像を読み込んで格納してもよく、CT装置やデジタルカメラなどによって新規に作成されたデジタル画像データを読み込んでもよいことは、実施の形態1にて説明したのと同様である。ステップ902で、演算処理手段2は、平滑化画像と鮮鋭化画像を混合する比率の元となる分析量を算出するための各種パラメータを画像表示手段3に表示し、操作者はその表示された各種パラメータから入力手段10を介して選択する。実施の形態1で説明したのと同様でいずれも画像の粒状性を反映する分析量である。

マトリクスサイズとは前述の分析量を算出する範囲のことを指し、例えば、演算処理手段2は、分析量を算出するためのパラメータには、ある画素周辺の3×3マトリクスや5×5マトリクスを指定する。
また、マトリクスの形状が正方形であることを要しないことも実施の形態1と同様である。
ここで分析量を算出するためのパラメータは操作者が任意に指定してもよく、予め設定しておいてもよい。また、予め設定しておく場合には、ステップ902は省略可能である。

ステップ903では、操作者が入力手段10を介してフィルタリング前の画像上に関心領域(以下ROIと称す)を設定する。
このとき演算処理手段2は、ROI内における分析量も計算し、画像表示手段3上に画像と共に表示することが望ましい。

ステップ904では、操作者が入力手段10を介し、フィルタリング後の画像のROI内における分析量が取るべき所望値を指定する。
例えば、分析量が分散や標準偏差である場合、操作者は入力手段10を介し、ユーザーインターフェイスを経由で任意の分散や標準偏差の値を入力する。
この入力例は、処理対象となる画像がCT画像であり、フィルタリングによってk倍の線量で撮影したものに相当する画像を作成したいならば、現在の1/k倍の分散値や現在の倍の標準偏差値を指定すればよい。

また、分析量がウィナースペクトルである場合、図10に示すようなフィルタリング前のウィナースペクトル25を画像表示手段3上に表示し、操作者が入力手段10を介し、グラフ上で所望の形状のウィナースペクトル26を指定してもよい。
この場合、操作者は入力手段10を介し、グラフィカルユーザーインターフェイス(GUI)によって、ROI内のウィナースペクトルの形状を変更あるいは設定する。
ここで指定した値は、画像中もっとも重視すべきROI内が所望の分析量を持つように指定する。

ステップ905では、分析量算出手段6は、ステップ902で決定されたパラメータを元に、各画素を中心とするマトリクス内の分析量を算出する。
ここで分析量としての分散、標準偏差、ウィナースペクトルの算出方法は公知の方法でよい。

ステップ906では、画像混合手段7がステップ905で算出された分析量を元に第1の混合重み W1(x,y)を算出する。
第1の混合重みの算出方法は、前述の実施の形態1における混合重みの算出方法と同様でよい。
第1の混合重みは1画素毎に決定し、演算処理手段2は、ステップ907で、全ての画素で算出が終わるまでステップ905〜906を繰り返す。
演算処理手段2は、全ての画素で算出が終わったならば次のステップに進む。

ステップ908では、演算処理手段2が、鮮鋭化画像作成手段5を用いて処理対象元画像に対して輪郭強調処理を行う。
輪郭強調処理は、実施の形態1で述べた手法と同様である。
ステップ909では、演算処理手段2が、平滑化画像作成手段4を用いて、処理対象元画像に対してノイズ除去処理を行う。ノイズ除去処理は実施の形態1で述べた手法と同様でよい。

ステップ910では、操作者がステップ903で指定した元画像のROI内の分析量、演算処理手段2が、ステップ904で決定された混合画像におけるROI内の所望の分析量値を元に、第2の混合重み W2の初期値を決定する。
第2の混合重みの初期値の決定方法については後述する。
ステップ911では、画像混合手段7が、ステップ906で得られた第1の混合重みとステップ910で得られた第2の混合重みに基づいて平滑化画像AIMG(x,y)と鮮鋭化画像BIMG(x,y)とを式９にしたがって混合し、混合画像OIMG(x,y)を作成する。

ステップ912では、演算処理手段2は、混合画像OIMG(x,y)におけるROI内の分析量を算出する。
ステップ913では、演算処理手段2は、ステップ912で算出されたROI内の分析量がステップ904で指定された値と一致するか否かを判定し、一致していれば次のステップに進む。
ステップ914では、一致していない場合、演算処理手段2が、混合重みが極限(0または1)に達していなければ、第2の混合重みの値を適宜変更しながらステップ904で指定する所望の値と一致するまでステップ910〜912までの処理を繰り返し、混合重みが極限に達している場合は、ステップ904で指定する所望の値と一致するまでステップ909〜912までの処理を繰り返す。

ここでいう平滑化レベルとは、平滑化フィルタに移動平均フィルタや中間値フィルタを用いる場合にはマトリクスサイズの事を指し、前述の分析量に基づいた平滑化フィルタを用いる場合には式7中のαのことを指す。

演算処理手段2がステップ910〜912または909〜912までの処理を繰り返しても、ステップ904で指定する所望の値とは完全に一致しない場合もある。
この場合、演算処理手段2は、ステップ904で指定する所望の値との誤差が任意の範囲内(例えば5％)に収まるまでステップ910〜912または909〜912までの処理を繰り返してもよい。

また、演算処理手段2は、ステップ910〜912または909〜912までを繰り返す回数をあらかじめ固定し、その中で所望の値との誤差が最も小さくなるように混合画像を作成してもよい。ステップ915では、演算処理手段2がステップ912で作成された混合画像OIMG(x,y)を画像表示手段3に表示する。ステップ916で、演算処理手段2は、混合画像を保存する必要があるか否か判断する。
保存が必要な場合、演算処理手段2は、ステップ917で画像保存手段8に保存する。

次に第2の混合重みの初期値の決定方法について説明する。まず、分析量が分散や標準偏差の場合について説明する。ある分散や標準偏差を持つ原画像に対して、特定の平滑化フィルタで作成した平滑化画像と特定の鮮鋭化フィルタで作成した鮮鋭化画像をある比率で混合した場合、混合画像における分散や標準偏差は一意に決まる。これらを表にまとめると、図11のようなルックアップテーブルを作成することができる。このルックアップテーブルを用いた第2の混合重みの初期値の決定方法について説明する。

例えば、図9のステップ903において原画像におけるROI内の分散や標準偏差の値が得られており、図9のステップ904において混合画像におけるROI内の所望の分散や標準偏差の値が指定されている。図11のルックアップテーブルの縦軸上ROI内の分散や標準偏差の値に一致するところと、横軸上混合画像におけるROI内の所望の分散や標準偏差の値に一致するところの交点にある値を、第2の混合重みの初期値とする。
なお、図11では分散や標準偏差に対して標本間隔0.5のルックアップテーブルとなっているが、標本間隔はこれに限られるものではなく任意の大きさでよい。

次に分析量がウィナースペクトルの場合における第2の混合重みの初期値の決定方法について説明する。原画像のウィナースペクトルと所望のウィナースペクトルを差分し、1で規格化すると図12のようになる。あるウィナースペクトルを持つ原画像に対して、特定の平滑化フィルタで作成した平滑化画像と特定の鮮鋭化フィルタで作成した鮮鋭化画像をある比率で混合した場合、原画像と混合画像におけるウィナースペクトルの差分における各周波数成分値は一意に決まる。よって図13のようなルックアップテーブルを作成することができる。図9のステップ803において原画像におけるROI内のウィナースペクトルが得られており、図9のステップ804において混合画像における所望のウィナースペクトルが指定されているので、これらを差分し規格化したものの2つの周波数帯27，28を図13のルックアップテーブルに当てはめて第2の混合重みの初期値を決定すればよい。図13ではウィナースペクトルの差に対して標本間隔0.1のルックアップテーブルとなっているが、標本間隔はこれに限られるものではなく任意の大きさでよい。
以上図9に示したフローチャートは、例えば図1の演算処理手段2によって自動的に実行可能である。

次に本実施の形態2を適用し信号対ノイズ比(S/N比)を向上させながら解像度の低下を抑制した結果を、従来例による場合と対比して示す。
図17はROI 31，32内の標準偏差が約8であるCT画像のサンプル画像である。
図18は、図17の画像に本発明の実施の形態2を適用したサンプル画像で標準偏差値を4に設定してある。
図18より、解像度の低下を抑制しつつ、ノイズを低減させた所望の分析量の画像が得られることがわかる。
本発明によれば、デジタル画像データの信号対ノイズ比を向上させる場合において、解像度の低下を抑制しつつ画像ノイズを低減可能であるという効果がある。

また、所望の関心領域内は所望の分析量を持つような画像が作成できるという効果もある。

以上で説明した実施形態は本発明を説明するための一例であって、それらをそれぞれ単独で実施しても、組み合わせて実施しても本発明の権利範囲に属する。

本発明の画像処理装置及びその方法は、被写体の画像を収集する場合において、収集された画像データの信号対ノイズ比(S/N比)を向上させると共に、前記収集された画像の解像度の低下を抑制するものである。

Claims (19)

1. 画像データ内の少なくとも一部について平滑化画像と鮮鋭化画像とをそれぞれ作成する画像作成手段と、この画像作成手段によって作成された平滑化画像と鮮鋭化画像とを混合する混合画像を生成する混合画像生成手段と、を備えた画像処理装置において、前記画像データ内の各画素をそれぞれ取り巻く任意の大きさのマトリクス毎に該マトリクス内の複数の画素値に関する分析量を算出する分析量算出手段と、この分析量算出手段によって算出された分析量に応じて前記混合画像生成手段における平滑化画像と鮮鋭化画像の混合比率を制御する制御手段と、この制御手段によって制御された混合画像生成手段より出力される混合画像を表示する表示手段と、を備えたことを特徴とする画像処理装置。
2. 前記画像データは、X線透視像やCT画像やMR画像や超音波画像を含む医療用デジタル画像データ若しくはデジタルカメラ、スキャナを含む画像取得機器より取得されたデジタル画像データであることを特徴とする請求項1に記載の画像処理装置。
3. 前記分析量算出手段によって算出される分析量は、画像の分散値や標準偏差値、ウィナースペクトル値、注目画素値とその周辺に位置する画素の画素値の差分値の少なくとも一つであることを特徴とする請求項1に記載の画像処理装置。
4. 前記画像混合処理における平滑化画像と鮮鋭化画像との混合比率、前記平滑化画像作成及び前記鮮鋭化画像作成の処理順序を任意に設定する手段をさらに備えたことを特徴とする請求項1に記載の画像処理装置。
5. 前記処理順序作成手段は、前記混合比率算出、前記平滑化画像作成及び前記鮮鋭化画像作成を並列処理するように設定することを特徴とする請求項4に記載の画像処理装置。
6. 前記画像混合処理における平滑化画像と鮮鋭化画像との混合比率は、線形又は3角関数型の何れかであることを特徴とする請求項1に記載の画像処理装置。
7. 前記画像平滑化手段は、画像データ内の標準偏差に応じて平滑化処理の単位である平滑化マトリクスサイズを前記画像内の各画素毎に変更し、該平滑化マトリクス内の画素値の類似性および中心画素からの距離の少なくともひとつに応じて平均化重みを変更して平滑化マトリクス内の複数の画素値を平均化することを特徴とする請求項1に記載の画像処理装置。
8. 前記画像平滑化手段における平滑化マトリクスサイズや平均化重みの係数からなる平滑化レベル、および画像混合手段が平滑画像と鮮鋭化画像を混合する比率のうち少なくとも一方を、前記混合画像におけるある関心領域内の分析量に応じて混合画像における所望の関心領域内の分析量が所望の値になるように自動調整する手段をさらに備えたことを特徴とする請求項7に記載の画像処理装置。
9. 前記表示手段に前記関心領域におけるウィナースペクトルを表示し、任意にウィナースペクトルの形状を変更および設定可能なグラフィカルユーザーインターフェイスをさらに備えた請求項8に記載の画像処理装置。
10. 画像データ内の少なくとも一部について平滑化画像と鮮鋭化画像とをそれぞれ作成する画像作成工程と、この画像作成手段によって作成された平滑化画像と鮮鋭化画像とを混合する混合画像を生成する混合画像生成工程と、を含む画像処理方法において、前記画像データ内の各画素をそれぞれ取り巻く任意の大きさのマトリクス毎に該マトリクス内の複数の画素値に関する分析量を算出する分析量算出工程と、この分析量算出工程によって算出された分析量に応じて前記混合画像生成工程における平滑化画像と鮮鋭化画像の混合比率を制御する制御工程と、この制御工程によって制御された混合画像生成工程より出力される混合画像を表示する表示工程と、を含むことを特徴とする画像処理方法。
11. 前記画像データは、X線透視像やCT画像やMR画像や超音波画像を含む医療用デジタル画像データ若しくはデジタルカメラ、スキャナを含む画像取得機器より取得されたデジタル画像データであることを特徴とする請求項10に記載の画像処理方法。
12. 前記分析量算出工程によって算出される分析量は、画像の分散値や標準偏差値、ウィナースペクトル値、注目画素値とその周辺に位置する画素の画素値の差分値の少なくとも一つであることを特徴とする請求項10に記載の画像処理方法。
13. 前記画像混合処理における平滑化画像と鮮鋭化画像との混合比率、前記平滑化画像作成及び前記鮮鋭化画像作成の処理順序を任意に設定する工程をさらに含むことを特徴とする請求項10に記載の画像処理方法。
14. 前記処理順序作成工程は、前記混合比率算出、前記平滑化画像作成及び前記鮮鋭化画像作成を並列処理するように設定することを特徴とする請求項13に記載の画像処理方法。
15. 前記画像混合処理における平滑化画像と鮮鋭化画像との混合比率は、線形又は3角関数型の何れかであることを特徴とする請求項10に記載の画像処理方法。
16. 前記画像平滑化工程は、画像データ内の標準偏差に応じて平滑化処理の単位である平滑化マトリクスサイズを前記画像内の各画素毎に変更し、該平滑化マトリクス内の画素値の類似性および中心画素からの距離の少なくともひとつに応じて平均化重みを変更して平滑化マトリクス内の複数の画素値を平均化することを特徴とする請求項10に記載の画像処理方法。
17. 前記画像平滑化工程における平滑化マトリクスサイズや平均化重みの係数からなる平滑化レベル、および画像混合手段が平滑画像と鮮鋭化画像を混合する比率のうち少なくとも一方を、前記混合画像におけるある関心領域内の分析量に応じて混合画像における所望の関心領域内の分析量が所望の値になるように自動調整する手段をさらに備えたことを特徴とする請求項16に記載の画像処理方法。
18. 前記関心領域におけるウィナースペクトルを表示し、任意にウィナースペクトルの形状を変更および設定可能なグラフィカルユーザーインターフェイスをさらに備えた請求項17に記載の画像処理方法。
19. 画像データ内の各画素をそれぞれ取り巻く任意の大きさのマトリクス毎に該マトリクス内の複数の画素値に関する分析量を算出する工程と、この分析量算出手段によって算出された分析量に応じて画像データ内の少なくとも一部について平滑化画像と鮮鋭化画像とをそれぞれ作成する工程と、前記平滑化画像と鮮鋭化画像とを混合する工程と、この工程により混合された混合画像を表示する表示工程と、を含むことを特徴とする画像処理方法。

Images