專利名稱：借助多分辨率分解處理輸入圖像的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于處理輸入圖像的方法和數(shù)據(jù)處理單元，具體來說是用于實時X射線圖像的多分辨率分解和梯度自適應濾波的方法和處理單元。
背景技術(shù)：
圖像的自動評價出現(xiàn)在大量不同的應用領(lǐng)域中。因此，應當將下面更詳細考慮的熒光鏡X射線圖像的處理理解為僅僅是一種實例。為了使患者和醫(yī)務人員受到的X輻射量最小化，X射線圖像是以盡可能低的輻射劑量得到的。不過，存在著重要的圖像細節(jié)將丟失在圖像噪聲中的風險。為了防止這個問題，進行了嘗試，以便在不破壞處理中的相關(guān)圖像信息的情況下，通過對X射線圖像或圖像序列使用空域和時域濾波器來抑制噪聲。
在這種圖像處理的環(huán)境中，經(jīng)常要進行稱為輸入圖像的多分辨率分解的處理。在這種情況下，將輸入圖像分解為一系列細節(jié)圖像，其中這些細節(jié)圖像各自包含來自處于各個(空間)頻率下的相關(guān)區(qū)域或條帶的圖像信息。此外，要在細節(jié)圖像的分解(即，用于表現(xiàn)圖像內(nèi)容的圖像點數(shù)量)方面使它們適合它們各自的頻率范圍。通過修改細節(jié)圖像，能夠以有的放矢的方式對某些頻率范圍施加影響。在修改之后，可以將細節(jié)圖像一同重新放回原處，以形成輸出圖像。
從WO 98/55916A1和EP 996090A2中，我們獲知了關(guān)于這方面的用于對X射線圖像進行后處理的有效方法，其中出現(xiàn)多分辨率分解，并且使用濾波器對由此獲得的細節(jié)圖像進行修改，這些濾波器的系數(shù)根據(jù)圖像梯度進行了調(diào)節(jié)。所有情況下的梯度源于多分辨率分解的較粗略的分解級。在這種稱為MRGAF(多分辨率分解梯度自適應濾波)的方法中，垂直于圖像結(jié)構(gòu)(比如線或邊)進行的低通濾波要比沿著這些結(jié)構(gòu)的方向進行的程度小，從而產(chǎn)生了使得信息能夠獲得的噪聲抑制。不過，考慮到需要巨大的運算量，到目前為止僅僅可以對所存儲的圖像或圖像序列離線地執(zhí)行這種方法。

發(fā)明內(nèi)容
鑒于這種背景，本發(fā)明的目的是，提供用于使用多分辨率分解來更加有效地處理輸入圖像的手段，其中優(yōu)選地應當可以進行實時的圖像分析。
這一目的是通過具有如權(quán)利要求1中所要求保護的特征的方法、通過具有如權(quán)利要求8所要求保護的特征的數(shù)據(jù)處理單元以及通過具有如權(quán)利要求10中所要求保護的特征的X射線系統(tǒng)來實現(xiàn)的。在從屬權(quán)利要求中給出了優(yōu)選的細化方案。
按照本發(fā)明的方法被用于處理包括N行圖像點的輸入圖像。一般來說，圖像點是以具有垂直于行的列的矩形柵格形式排列的，雖然其它具有行結(jié)構(gòu)的排列方式、比如六邊形柵格也是可行的。輸入圖像尤其可以是數(shù)字化熒光鏡X射線圖像，不過本方法并不局限于此，并且可以有利地用在出現(xiàn)圖像多分辨率分解的所有相近的應用情況下。本方法包括下述步驟a)將包括輸入圖像的n＜N個相鄰行的圖像條分解為K個細節(jié)圖像的序列，此處這些細節(jié)圖像在所有情況下僅包含圖像條的空間頻率的局部范圍。這樣，使用整個輸入圖像的條狀部分實現(xiàn)多分辨率分解。
b)例如使用預定的濾波器或由圖像條計算出的濾波器對步驟a)中獲得的細節(jié)圖像中的至少一個進行修改。優(yōu)選地，修改所需的所有信息都可在圖像條中得到。
c)由細節(jié)圖像或經(jīng)過修改的細節(jié)圖像(如果后者存在)重構(gòu)輸出圖像條；d)對輸入圖像的其它圖像條重復進行上面的步驟a)、b)和c)，也就是說，它們是按照與計算相應輸出圖像條相似的方式進行的。在適當?shù)那闆r下，也可以采用針對條寬度n和/或分解深度K的其它值。
e)由所計算出來的輸出圖像條重構(gòu)輸出圖像。
結(jié)果，按照上述的方法，因此由輸入圖像產(chǎn)生輸出圖像(所述輸出圖像具有相同的大小或不同的大小)，其中對輸入圖像的某些或全部空間頻率范圍進行了期望類型的修改。與采用細節(jié)圖像修改的傳統(tǒng)多分辨率分解相比，與本方法的差別在于，在所有情況下，多分辨率分解都是在n行圖像條上的部分內(nèi)進行的。在這種情況下，將每個圖像條分解為級K，然后在進行合成，以產(chǎn)生輸出圖像條。這種處理過程的優(yōu)點在于，尤其適于在數(shù)據(jù)處理系統(tǒng)上高效實現(xiàn)，這是因為圖像條處理的存儲要求相應地小于處理整個圖像的存儲要求，從而可以使用具有快速存取能力的工作存儲器來實現(xiàn)本方法。因此，可以實現(xiàn)速度的增加，這種速度的增加幅度非常大，以致在很多情況下第一次實現(xiàn)了實時地進行多分辨率分解。
按照本方法的一種具體的細化方案，在步驟a)的多分辨率分解處理中，將每個圖像條分解為在所有情況下都具有K級的拉普拉斯金字塔和高斯金字塔。在高斯金字塔的j級中，級輸入圖像是前一級(j-1)的輸出圖像，而輸出圖像(下文中稱為“級j的高斯金字塔表達式”)是通過低通濾波和隨后進行的分辨率降低而修改了的級輸入圖像。級j上的拉普拉斯金字塔的輸出圖像(下文稱為“級j的拉普拉斯金字塔表達式”)是通過將同一級j的高斯金字塔表達式從前一級(j-1)的高斯金字塔表達式中減去而得到的，其中同一級j的高斯金字塔表達式的分辨率已經(jīng)再次得到了提高并且已經(jīng)經(jīng)過了低通濾波。將輸入圖像分解為拉普拉斯金字塔和高斯金字塔常常用在醫(yī)學圖像處理當中，并且尤其適于對圖像條使用。
優(yōu)選地，在步驟a)到d)中，對圖像條進行的多分辨率分解在所有情況下都是2K行寬，其中K是多分辨率分解的分解級數(shù)。如果在分解的各個級上發(fā)生行和列在所有情況下都減小2倍，則對于級K來說具有2K寬度的圖像條具有分解成拉普拉斯金字塔或高斯金字塔所必須的最小寬度。最粗級的細節(jié)圖像具有這種圖像條的一行的最小寬度。而且，圖像條可選地在所有情況下相對于彼此偏移(2K-1)行，或者換句話說，在所有情況下相互重疊一行。這樣的重疊(優(yōu)選地也存在于所有分解級的圖像條上)為在新的不重疊區(qū)域的邊緣進行的濾波器操作提供必要的信息。取決于所使用的濾波器的寬度，還可能有圖像條之間重疊多余一行寬度的情況。
對細節(jié)圖像進行的修改的類型可以依應用的情況而不同。優(yōu)選地，分解級j＜K的細節(jié)圖像的修改是使用濾波器進行的，此時這個濾波器的系數(shù)取決于由圖像條計算出來的至少一個梯度。由于圖像的梯度反映出局部結(jié)構(gòu)在圖像中的位置，因此可將它們用于定義各向異性濾波器，各向異性濾波器的使用使這些結(jié)構(gòu)保持不變或者甚至將它們放大，并且抑制沿著這些結(jié)構(gòu)的任何噪聲。
優(yōu)選地，上述方法與分解成高斯金字塔和拉普拉斯金字塔相結(jié)合，并且梯度是由分解級j的高斯金字塔表達式計算出來的，并且被用于同一級j的拉普拉斯金字塔表達式的濾波。這具有這樣的優(yōu)點修改所需的所有信息都可以從分解級j的數(shù)據(jù)獲得，從而修改可以直接在這一級的計算期間進行。
按照上述細節(jié)圖像的梯度自適應濾波的具體設(shè)計，濾波器系數(shù) 是由預定濾波器(比如二項式濾波器)的系數(shù) 計算出來的，其中 是由濾波器處理的圖像點，而 是各個系數(shù)相對于濾波器中心的位置，并且此處應用了下述公式α(Δx→,x→)=β(Δx→)[r(g→(x→),Δx→)]2---(1)]]>這里， 是在圖像位置 處的梯度，并且0≤r＜1。在加權(quán)函數(shù)r(g→,x→)<1]]>的情況下，相應的濾波器系數(shù)β被減小，并且其對濾波結(jié)果的貢獻減小。這樣，抑制了在圖像的相應位置處的噪聲分布。
加權(quán)函數(shù)r是優(yōu)選地按如下方式定義的r(g→,Δx→)=(11+c[g→](g→·Δx→)2)---(2)]]>其中 是優(yōu)選地取決于梯度場 及其方差的系數(shù)。上述系數(shù)r的定義具有所期望的特性，即在垂直于梯度 的方向 上，r＝1，并且在平行于 的方向 上，r最小。與WO 98/55916A1中給出的定義相比，對α和r的計算的定義在它們的計算強度方面相當小，而效果近似相同。
本發(fā)明此外還涉及一種數(shù)據(jù)處理單元，用于處理包括N行圖像點的數(shù)字輸入圖像，該數(shù)據(jù)處理單元包括系統(tǒng)存儲器和高速緩沖存儲器。該數(shù)據(jù)處理單元用來執(zhí)行下述處理步驟a)將包括輸入圖像的n＜N個相鄰行的圖像條分解為K個細節(jié)圖像的序列，這K個細節(jié)圖像在所有情況下僅包含輸入圖像的部分空間頻率；b)對至少一個細節(jié)圖像進行修改；c)由可能修改過的細節(jié)圖像重構(gòu)輸出圖像條；d)對輸入圖像的其它圖像條重復進行步驟a)、b)和c)；e)由所計算出來的輸出圖像條重構(gòu)輸出圖像；其中在步驟a)-c)期間，所有處理數(shù)據(jù)(圖像條的數(shù)據(jù)，圖像條的多分辨率分解處理的相關(guān)細節(jié)圖像的數(shù)據(jù))在所有情況下都位于高速緩沖存儲器中。
使用這樣的數(shù)據(jù)處理單元，可以非常有效且快速地執(zhí)行上述的方法，這是因為所有的必要數(shù)據(jù)都可以容納在高速緩沖存儲器中，并且因此可以快速地進行存取。相反，按照傳統(tǒng)的多分辨率分解處理，在所有情況下都對整個圖像進行分析，使用這種方法的結(jié)果是，必須使系統(tǒng)存儲器(工作存儲器，硬盤等)存儲中間結(jié)果。因此，大部分的計算時間都耗費在向系統(tǒng)存儲器寫入數(shù)據(jù)和從系統(tǒng)存儲器讀取數(shù)據(jù)上。由于省掉了這些耗費時間的操作，因此能夠使用上述數(shù)據(jù)處理單元來執(zhí)行圖像處理，甚至是實時的圖像處理。
優(yōu)選地，數(shù)據(jù)處理單元配備有并行處理器和/或向量處理器。在這種情況下，可以借助并行化甚至進一步加速必須的處理。
此外，數(shù)據(jù)處理單元優(yōu)選地被這樣設(shè)計，以致還能夠執(zhí)行上面解釋的方法的變種。
本發(fā)明此外還涉及一種X射線系統(tǒng)，包括-X射線源；-X射線檢測器；-數(shù)據(jù)處理單元，該單元與X射線檢測器耦接，用于處理由X射線檢測器所產(chǎn)生的X射線輸入圖像，其中該數(shù)據(jù)處理單元是按照上述方式設(shè)計的。
這樣的X射線系統(tǒng)的優(yōu)點是，可以實時地(即，在醫(yī)療干預期間)進行有效的圖像處理，所述圖像處理抑制噪聲，而不會破壞感興趣的結(jié)構(gòu)。具體來說，可以實時地進行MRGAG方法。由于抑制了噪聲，這有助于信息的獲得，從而能夠利用相當?shù)偷妮椛鋭┝咳〉肵射線照片，因此使病人和醫(yī)務人員所遭受的輻射量最小化。


將參照附圖中所示的實施方式的例于對本發(fā)明進行進一步描述，不過，本發(fā)明并不受此限制。
圖1表示按照現(xiàn)有技術(shù)的MRGAF算法的順序；圖2表示在產(chǎn)生下一較高分解級的高斯金字塔表達式期間低通濾波和分辨率降低過程中變量的運用；圖3表示由兩個連續(xù)的高斯金字塔表達式來計算拉普拉斯金字塔表達式和x及y方向上的梯度場；圖4表示圖像點在各個不同分解級中的位置；圖5表示圖像點在各個不同合成級中的位置；圖6表示按照本發(fā)明的MRGAF算法的順序。
具體實施例方式
在EP 996090A2和WO 98/55916A1中詳細地描述了圖1中示意性給出的MRGAF算法，因此下面將僅采用概述的方式加以介紹。MRGAF算法的目標是，在保持圖像細節(jié)和圖像銳度的同時，明顯降低輸入圖像I中的噪聲。該算法的基本思想在于多分辨率分解和作為局部圖像梯度的函數(shù)的所得到的細節(jié)圖像的各向異性低通濾波。
在圖1所示的例子中，輸入圖像I(包括512×512個圖像點(像素))的分解以K＝4個分解級的形式出現(xiàn)。在各個稱為拉普拉斯金字塔表達式Λj的分解級j＝0，1，2，3上，產(chǎn)生高斯金字塔表達式Γj作為細節(jié)圖像。在所有情況下，級輸入表達式為前一級(j-1)的高斯金字塔表達式Гj-1或者原始輸入表達式I。高斯金字塔表達式Гj是通過對相應的級輸入表達式使用歸約運算R，這里“歸約”意思是低通濾波(平滑)以及隨后分辨率減小(二次抽樣)2倍，這得到了一半大小的圖像。拉普拉斯金字塔表達式Λj被定義為級輸入表達式和其經(jīng)過歸約R和擴展E塊之后的副本之間的差。“擴展”E這里包括分辨率增大2倍(通過插入零)以及隨后的低通濾波(內(nèi)插)。在這種情況下，使用3×3二項式濾波器來進行歸約R和擴展E中的低通濾波操作。因此，拉普拉斯金字塔表達式Λj包含高通部分，并且高斯金字塔表達式Гj包含分解級j的相關(guān)低通部分(參見B.Jhne，Digitale Bild-verarbeitung《數(shù)字圖像處理》(第五版，Springer Verlag Berlin Heidelberg，2002)的11.4節(jié)，5.3)。
此外為了準備梯度濾波，借助相鄰像素之間的簡單的差形成，由拉普拉斯金字塔表達式Λj求出梯度Δ。在這種情況下，相應的差屬于被用于差形成的像素之間的中心位置。而且，雖然梯度是在分解級j求得的，但是它用于前面的更加精細的分解級(j-1)上的濾波。出于這些原因，必須對這些梯度進行適當?shù)膬?nèi)插。最后，所得結(jié)果再次除以系數(shù)2，以便補償較為精細的抽樣。由于帶通圖像的模并不僅僅在原始圖像中出現(xiàn)不連續(xù)時呈現(xiàn)最大值，而且在其附近也會呈現(xiàn)最大值，因此較粗略的分解級j’＞j的梯度在塊E中得到了擴大，并且被加到分解級j的梯度上。
除了最粗略的分解級之外，使用濾波器GAF對所有的拉普拉斯金字塔表達式Λ0到Λ2進行濾波，這一濾波器GAF自適應地對如所述的那樣計算出的梯度作出反應。濾波器綜合的起始點在這種情況下是3×3二項式濾波器，其濾波器系數(shù) 沿著表達式結(jié)構(gòu)的主方向得到維持，而這些結(jié)構(gòu)的梯度方向上的系數(shù)按照下述公式減小α(Δx→,x→)=β(Δx→)r(g→(x→),Δx→)r(g→(x→+Δx→),Δx→)---(3)]]>其中 是濾波器的新系數(shù)， 是所要濾波的圖像位置， 是從濾波器內(nèi)核的中心指向所討論的系數(shù)的向量， 是原始濾波器系數(shù)，r是加權(quán)函數(shù)，而 是圖像點 處的梯度。加權(quán)函數(shù)r隨著梯度和系數(shù)方向 的標量積按指數(shù)規(guī)律地下降，如下式所示r(g→,Δx→)=exp((g→·Δx→)2c+t·Var(g→)+L||g→||2)---(4)]]>其中c、t和L是可由用戶定義的參數(shù)，而 是所估算的梯度場噪聲的方差。
如在圖1中可以看到，梯度自適應濾波器GAF的計算以已經(jīng)經(jīng)過處理和重構(gòu)的具有表達式Гj的高斯金字塔為前提。
圖1中圖的右手部分反映了借助連續(xù)的相加和擴展E由細節(jié)圖像Λj(未加修改或已通過濾波GAF進行了修改)合成輸出圖像A。如果沒有對細節(jié)圖像進行濾波，則輸出圖像A將與輸入圖像I相同。
到目前為止，所描述的MRGAF算法的缺點是，由于計算量很高，僅能夠?qū)λ鎯Φ膱D像或圖像序列離線地執(zhí)行這種算法。不過，由于采用這種算法能夠?qū)崿F(xiàn)明顯的圖像改善，因此希望也能夠?qū)崟r地執(zhí)行這種算法，例如在正在進行的醫(yī)療干預期間。這一目標是以下述方式使用各種優(yōu)化實現(xiàn)的，但是具體來說是通過處理所謂的“超行(super-rows)”的方法來實現(xiàn)的。這種處理原理并非僅僅可以用于這里作為實例考慮的MRGAF算法的情況下；而是原則上可以用在所有類型的多分辨率分解算法中，并且也可與其它類似算法、比如“子頻帶編碼”一起使用。
上述的原始MRGAF算法以逐等級的方式處理數(shù)據(jù)。首先，輸入圖像I是經(jīng)過低通濾波的。由于這些圖像一般來說太大以致無法載入由處理器(高速緩存)快速存取的(緩沖器)存儲器當中，因此有些輸入數(shù)據(jù)和有些經(jīng)過處理的數(shù)據(jù)必須從主或系統(tǒng)存儲器中讀取或?qū)懭氲街骰蛳到y(tǒng)存儲器中(工作存儲器RAM和/或大容量存儲器，比如硬盤)。不過，由于以下兩種原因這是不利的首先，對系統(tǒng)存儲器的存取相對緩慢，并且其次，就速度增加而言，存儲器硬件在技術(shù)方面沒有數(shù)據(jù)處理硬件進步那么快。因此，已經(jīng)尋求以減少存儲器訪問次數(shù)的方式來改變MRGAF算法。
為了減少對系統(tǒng)存儲器的讀/寫操作的次數(shù)，將每個分解級j上的高斯金字塔表達式和拉普拉斯金字塔表達式以及梯度場的計算相互組合起來，從而在對級輸入圖像的單獨的通過中局部地計算這些值。為了這個目的，必須首先計算下一個更粗略的高斯金字塔表達式Гj+1的低通濾波和分辨率降低的值。在圖2中示意性地給出了這樣做的最快方式。代替使用3×3二項式低通濾波器(1，2，1；2，4，2；1，2，1)·1/16，通過在x和y方向上(也就是說在行和列方向上)連續(xù)使用一維低通濾波器(1，2，1)·1/4并且通過緩存中間值bi，可以節(jié)約乘法和加法運算。具體來說，圖2中所示的用于由Гj+1計算一個值(圖2中的點)的算法是如下進行的令x0，0x0，1x0，2x1，0x1，1x1，2x2，0x2，1x2，2為圍繞著當前位置x1，1的3×3鄰域，并且b1＝x0，0+x0，1+x0，1+x0，2為從前一行緩存的值。
然后進行下列步驟，其中v1、v2是臨時變量，而b0、b1、b2、...是緩沖變量1.v1＝x1，0+x1，1+x1，1+x1，22.v2＝x2，0+x2，1+x2，1+x2，23.結(jié)果＝1/16*(b1+v1+v1+v2)→進入Γj+14.b1＝v2(等)而且，如圖3所示，所得到的高斯金字塔表達式Гj+1的值被直接用于在所有情況下計算關(guān)于拉普拉斯金字塔表達式Λj和x方向上的梯度場Δx以及y方向上的Δy的四個值(參見圖3中的標記點)。這里，拉普拉斯值是由下述減法獲得的-高斯金字塔表達式Γj+1的當前值和相對于Гj+1中位于當前位置的左側(cè)和上側(cè)的已經(jīng)計算的相鄰值因此內(nèi)插的值，減去-高斯金字塔表達式Γj的相應值。
梯度值是當前位置的左側(cè)和上側(cè)(圖3中的短線)的高斯金字塔表達式Гj+1的已經(jīng)計算的值與使用梯度場中已經(jīng)計算的值的內(nèi)插值之間的差。借助同時進行的分解增大，能夠?qū)⑶蟮玫牟钪翟O(shè)置在正確的“中間位置”。
使用上述的GAF程序所需的數(shù)據(jù)的存儲器優(yōu)化計算，MRGAF算法已經(jīng)能夠執(zhí)行得快大約15％了。效率的進一步明顯增高是通過這樣的創(chuàng)新實現(xiàn)的全部分解是以最小可能的數(shù)據(jù)量進行的，從而在這種情況下所需的數(shù)據(jù)可以緩存在具有快速存取的存儲器(高速緩沖存儲器)中。在這種情況下，對輸入圖像和輸出圖像的讀/寫操作僅僅是仍舊需要的對較慢的系統(tǒng)存儲器的訪問。
由于在存儲器地址上的讀/寫命令總是會導致從高速緩沖存儲器中或向高速緩沖存儲器中讀/寫整個連續(xù)的數(shù)據(jù)塊，因此保持了整行的處理。不過，并不是一氣處理整個輸入圖像I，而是盡可能少的幾行。這意謂著，如圖4所示，最粗略的分解級的高斯金字塔表達式Γ3僅包括內(nèi)插和求差運算所需的單行與前一行。因此，考慮到金字塔結(jié)構(gòu)，2K行的“超行”必須要同時進行處理，其中K是最大分解級(例如，在圖4，5中K＝3)。
圖3可以看作最粗略的分解級上拉普拉斯塊和梯度塊的運算的表示。這些塊包括兩行加上用于內(nèi)插的附加的前一行。如在圖3中可以看出，由于規(guī)約、再擴展和內(nèi)插而出現(xiàn)了位移。如果給出相關(guān)行0和1作為輸入，則梯度自適應濾波GAF可以僅對拉普拉斯金字塔塊的行1和2進行。其原因是所得到的y梯度的數(shù)據(jù)的位置以及使用3×3GAF濾波器內(nèi)核進行的濾波在濾波器位置的每一側(cè)需要一個像素的額外數(shù)據(jù)的事實。這個額外數(shù)據(jù)是行0和3(圖3中未示出)和拉普拉斯金字塔塊的第一和最后一列。
圖4表示在其它分解級上移位效應如何響應?？梢钥吹?，經(jīng)過濾波的區(qū)域(深灰)總是處于當前位置之上兩行，而拉普拉斯金字塔塊Λj(淺灰)處于當前位置之上一行，其中后者在頂部通過兩個在前行加以擴展，以便允許3×3濾波操作。
在本方法的最后一個步驟中，由經(jīng)過濾波的拉普拉斯金字塔表達式重構(gòu)圖像塊。如圖5所示，在合成步驟期間對經(jīng)過濾波的數(shù)據(jù)的兩行的位移求和，并且這導致重構(gòu)圖像塊的相對較大的位移。不過，這并不意謂著數(shù)據(jù)在錯誤的點上已被重寫；所有值都送回到了它們出自的地方。實際上，這不是位置方面的的位移，而是由于因果條件在時間方面的位移，這是意謂著僅可以用已經(jīng)計算出的值進行內(nèi)插。圖5中的淺灰區(qū)域因此區(qū)分出直到合成之前需要維持的以前濾波的數(shù)據(jù)。不過，在這方面，通過簡單地交換濾波和合成的步驟，能夠保存相當數(shù)量的緩存數(shù)據(jù)首先，僅對合成仍然需要的三行進行濾波(兩行來自分解級2，一行來自級1-圖5中的深灰色區(qū)域)。然后進行合成，使得重構(gòu)緩沖器中的數(shù)據(jù)可以用剩下的濾波器值(深灰色)重寫。這一交換的結(jié)果是，級0的重構(gòu)緩沖器例如不需要準備好九個額外的在前行，而是僅僅一個。如果使用了更高的分解級，這個數(shù)字將是3、5、7...。
下面的計算估算上述方法中對緩存數(shù)據(jù)的總存儲要求。這里假設(shè)圖像寬度是512像素，使用了三級金字塔，對所有的計算使用4字節(jié)浮點十進制值。
高斯金字塔4*[512*8+256*(4+1)+128*(2+1)+64*(1+1)]＝23552字節(jié)拉普拉斯金字塔4*[512*(8+2)+256*(4+2)+128*(2+2)] ＝28672字節(jié)梯度場2*4*[512*(8+1)+256*(4+1)+128*(2+1)] ＝50176字節(jié)合成緩沖器4*[512*(8+1+1)+256*(4+1)+128*(2+1)] ＝27136字節(jié)-----------∑129536字節(jié)該計算表明，如果二級高速緩沖存儲器具有256kB＝262144字節(jié)的典型大小，則所有計算都可以使用該二級高速緩沖存儲器中的數(shù)據(jù)進行。如果結(jié)果將被重寫為4*19*512＝38912字節(jié)，則甚至還有用于原始圖像的另外19行的空間。
為了對上述方法進行比較，MRGAF算法的原始版本可以做如下概述對于金字塔的所有級1.級輸入圖像在x方向上的規(guī)約→緩沖器2.緩沖器在y方向上的規(guī)約→高斯金字塔表達式3.高斯金字塔表達式在y方向上的擴展→緩沖器
4.緩沖器在x方向上的擴展→第二緩沖器5.第二緩沖器從級輸入圖像中減去→拉普拉斯金字塔表達式通過與此對照，在新算法的情況下，所有的事情都是在僅僅單獨一次通過圖像時使用來自二級高速緩沖存儲器的數(shù)據(jù)進行的。金字塔分解、梯度計算、自適應濾波和圖像合成是對盡可能窄的圖像條進行的。
臨時緩沖存儲器的大小是由高斯金字塔的最粗級僅包括一行與用于內(nèi)插的前一行的要求而得出的。這種情況由于下述事實而變得復雜，即由于所有再擴展采用內(nèi)插，這些內(nèi)插只能使用已經(jīng)處理過的行進行，超過讀取圖像塊的下限之上的兩行，就不能再進一步進行濾波了(參見圖4對最后兩行不能計算y梯度)。對于具有兩個像素的高度的拉普拉斯金字塔的最粗級，這意謂著，僅能夠?qū)η懊娴膲K進行濾波。在重構(gòu)期間，這種位移隨著級增大。這意謂著，在各個步驟中，在緩沖器中需要準備好大量的數(shù)據(jù)(至少一個塊的大小)并且要進行替換。不過，通過交換“濾波”和“重構(gòu)”，拷貝操作的次數(shù)可以幸運地得到減少。在圖6中示意性地給出了該算法，所述算法包括下述步驟對于大小為2^(分解級數(shù))×(圖像寬度)的所有圖像條1.對于所有的分解級在第二個步驟中，在x和y方向上通過級圖像條，其中在每個位置上進行下述操作-x和y方向上的低通濾波→高斯金字塔表達式的一個像素-所寫像素到四個像素的擴展(使用其用于內(nèi)插的相鄰像素)和直接將其從級輸入表達式的像素中減去→拉普拉斯金字塔表達式的4個像素-計算高斯金字塔表達式的經(jīng)過計算的像素與其相鄰像素之間的差，利用以前計算的梯度對結(jié)果進行內(nèi)插→x和y梯度場的4個像素2.對拉普拉斯金字塔的最粗級的最后兩行和次最粗級的第一行進行濾波(這些行是重構(gòu)仍然需要的，其它的已經(jīng)可以使用)→重構(gòu)緩沖器3.從重構(gòu)金字塔緩沖器重構(gòu)圖像條4.對于除了最粗級之外的所有級-在重構(gòu)緩沖器中從底部到頂部復制下一個步驟中需要的數(shù)據(jù)-對當前拉普拉斯金字塔條進行濾波→重構(gòu)緩沖器。
在下面的段落中，將描述本算法的一系列的改進，這些改進有助于進一步加快速度。
通過對圖1與圖6的比較(其中圖6表示按照本發(fā)明的MRGAF算法)，在以下事實方面可以看出一個重要的差別，即在新的算法中梯度場是在各個級上由經(jīng)過低通濾波的級輸入表達式直接計算出來的。由于該算法不再需要等待到對下一更粗略的金字塔級進行濾波，因此現(xiàn)在在所有分解級別上濾波是并行進行的。
如等式(4)中所示，在原始的MRGAF算法中，為各個濾波器位置和各個分解級上的各個濾波器系數(shù)計算指數(shù)函數(shù)。在這方面，提出了用近似值1/(1+x)來代替函數(shù)exp(-x)，這提供了相當?shù)偷倪\算量的類似輪廓。這樣，我們獲得了用于新的濾波系數(shù)的等式(2)。
在原始的MRGAF算法中，如等式(3)中所示，使用兩個系數(shù)r對各個濾波器系數(shù)進行加權(quán)，這兩個系數(shù)之一是利用當前圖像位置 上的梯度計算出來的，而另一個是利用系數(shù)位置 上的梯度計算出來的。因此在3×3濾波器內(nèi)核的情況下，必須為每個經(jīng)過濾波的系數(shù)計算九個不同的梯度系數(shù)。借助在所有濾波器位置上的梯度計算，曲線的處理應當?shù)玫搅烁倪M。不過，當使用3×3濾波器時，這一過程證明是不必要的，因為從較粗略的金字塔級內(nèi)插的相鄰梯度相互非常相近。因此，提出了如等式(1)中所示的簡化公式來代替等式(3)。由此，濾波器程序的計算相當簡單，因為對應的濾波器系數(shù)現(xiàn)在具有相同的值，并且等式(2)僅需計算一次，而不是九次。
等式(2)的分母中的梯度場的噪聲方差 近似地由較粗略的金字塔級的相應像素的噪聲方差代替。濾波器結(jié)果的質(zhì)量并不受此影響。
從圖6中可以看出，在使用高斯金字塔表達式來進行梯度計算時，最粗略的金字塔級(具有Γ3，Λ3)是多余的。因此這一級的計算可以省去。這樣，三級濾波操作得到了與以前利用四級濾波操作實現(xiàn)的結(jié)果相同的結(jié)果。
在雙Xeon Pentium 41.7GHz的計算機上并且在使用Intel C++編譯器來編譯時，在優(yōu)選的情況下，執(zhí)行考慮上面所討論的簡化方案的程序得到每圖0.0229秒的運行時間，相當于43.6個圖像(512×512)每秒(即，超過30個(768×564)圖像/s)。因此，本方法達到了適合實時應用的目的。
權(quán)利要求
1.一種處理包括N行圖像點的輸入圖像(I)的方法，其中a)將包括輸入圖像的n＜N個相鄰行的圖像條分解為K個細節(jié)圖像(Λ0，...Λ3；Γ0，...，Γ3)的序列，這K個細節(jié)圖像在所有情況下僅包含輸入圖像的部分空間頻率；b)對至少一個細節(jié)圖像(Λ0，...Λ2)進行修改；c)由可能修改過的細節(jié)圖像重構(gòu)輸出圖像條；d)對輸入圖像的其它圖像條重復進行步驟a)、b)和c)；e)由所計算出來的輸出圖像條重構(gòu)輸出圖像(A)。
2.按照權(quán)利要求1所述的方法，其特征在于，將每個圖像條分解為具有K級的拉普拉斯金字塔和高斯金字塔。
3.按照權(quán)利要求1所述的方法，其特征在于，圖像條各自具有2K行的寬度。
4.按照權(quán)利要求1所述的方法，其特征在于，分解級j＜K的細節(jié)圖像(Λj)的修改是使用濾波器(GAF)來實現(xiàn)的，該濾波器的系數(shù)取決于由圖像條計算出來的至少一個梯度。
5.按照權(quán)利要求2和4所述的方法，其特征在于，梯度是由第j分解級的高斯金字塔表達式(Γj)計算出來的。
6.按照權(quán)利要求4所述的方法，其特征在于，濾波器系數(shù) 是根據(jù)下列公式α(Δx→,x→)=β(Δx→)[r(g→(x→),Δx→)]2]]>由預定濾波器的系數(shù) 計算出來的，其中 是通過濾波器操作所處理的圖像點， 是系數(shù)相對于濾波器中心的位置， 是在圖像位置 處的梯度，并且0≤r≤1。
7.按照權(quán)利要求6所述的方法，其特征在于，r(g→,Δx→)=(11+c[g→](g→·Δx→)2),]]>其中 是優(yōu)選地取決于梯度場及其方差的正系數(shù)。
8.一種數(shù)據(jù)處理單元，用于處理包括N行圖像點的數(shù)字輸入圖像(I)，該數(shù)據(jù)處理單元包括系統(tǒng)存儲器和高速緩沖存儲器，并且用來執(zhí)行下述處理步驟a)將包括輸入圖像的n＜N個相鄰行的圖像條分解為K個細節(jié)圖像(Λ0，...Λ3；Γ0，...，Γ3)的序列，這K個細節(jié)圖像在所有情況下僅包含輸入圖像的部分空間頻率；b)對至少一個細節(jié)圖像(Λ0，...Λ2)進行修改；c)由可能修改過的細節(jié)圖像重構(gòu)輸出圖像條；d)對輸入圖像的其它圖像條重復進行步驟a)、b)和c)；e)由所計算出來的輸出圖像條重構(gòu)輸出圖像(A)；其中在步驟a)-c)期間，所有處理數(shù)據(jù)在所有情況下都位于高速緩沖存儲器中。
9.按照權(quán)利要求8所述的數(shù)據(jù)處理單元，其特征在于，它包含并行處理器和/或向量處理器。
10.一種X射線系統(tǒng)，包括-X射線源；-X射線檢測器；-按照權(quán)利要求8或9所述的數(shù)據(jù)處理單元，該數(shù)據(jù)處理單元與X射線檢測器耦接，用于處理由X射線檢測器所傳送的X射線輸入圖像。
全文摘要
本發(fā)明涉及一種實時進行的X射線圖像的采用梯度自適應濾波的多分辨率分解(MRGAF)方法。對具有2K個相鄰行的圖像條進行分解，將其分解成拉普拉斯金字塔(L0，..，L3)和高斯金字塔(G0，...，G3)，直到第K級。通過將處理操作限制到這樣的條上，能夠?qū)⑺邢嚓P(guān)數(shù)據(jù)在具有快速存取能力的本地存儲器(高速緩沖存儲器)中準備好。與常規(guī)算法相比，通過由高斯金字塔表達式計算梯度(D)，實現(xiàn)了進一步的加速。借助這些和其它的優(yōu)化手段，能夠?qū)⒉捎锰荻茸赃m應濾波的多分辨率分解提高到超過30個(768×564)圖像每秒的處理速度。
文檔編號G06K9/40GK1729481SQ200380106851
公開日2006年2月1日 申請日期2003年12月10日 優(yōu)先權(quán)日2002年12月18日
發(fā)明者K·埃克, H·菲爾布蘭德 申請人:皇家飛利浦電子股份有限公司