專利名稱：一種圖像的處理方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像的處理技術(shù)，特別是涉及一種對原始X光圖像，尤其是血管造影圖像進(jìn)行處理的方法和裝置。
背景技術(shù)：
隨著介入放射學(xué)的快速發(fā)展，血管造影成像(angiographic images)已經(jīng)成為臨床的一種重要的診斷方法。血管造影是指將造影劑引入靶血管內(nèi)，使目的血管顯影，從而達(dá)到診斷目的，當(dāng)前血管造影在疾病診斷治療，尤其是介入診斷治療中起著不可替代的作用。血管造影在頭頸部及中樞神經(jīng)系統(tǒng)疾病、心臟大血管疾病、及腫瘤和外周血管疾病的診斷和治療中都發(fā)揮著重要作用。但是，由于人體位置的挪動(dòng)、軟組織或器官的運(yùn)動(dòng)、對比介質(zhì)不均衡的分布以及X光的不均勻曝光，都會(huì)使最終的圖像中出現(xiàn)血管和背景的邊界對比度低，伴隨復(fù)雜的噪聲和偽影。所有這些因素會(huì)直接導(dǎo)致部分或整個(gè)血管樹(vessel tree)結(jié)構(gòu)模糊，最終導(dǎo)致診斷的準(zhǔn)確性降低。為了改善圖像質(zhì)量，本領(lǐng)域的人員已經(jīng)進(jìn)行了很多嘗試，比如采用圖像增強(qiáng)的方法力圖增強(qiáng)圖像中邊界的對比度，使血管部分更加清晰。現(xiàn)有的增強(qiáng)圖像的方法主要有兩類基于頻率的方法以及基于空間的方法?；陬l率的方法，比如多尺度Retinex(MSR，Multi-scale Retinex)、離散小波變換(DWT, Discrete Wavelet Transform),是將圖像分解成不同的頻率的部分并對某些頻率的部分增加權(quán)重，以增強(qiáng)邊界的對比度?；诳臻g的方法主要是在空域內(nèi)對圖像進(jìn)行濾波的處理。但是，采用上述的增強(qiáng)圖像的方法無法在增強(qiáng)有用信息的同時(shí)抑制無用信息。有用信息主要包括邊緣和紋理，無用信息是指噪聲和偽影等。這是因?yàn)?，若采用基于空間的方法，在空間域內(nèi)對噪聲進(jìn)行平滑，同時(shí)也容易平滑邊緣和紋理；若采用基于頻率的方法，在頻率域內(nèi)的處理雖然避免了過度平滑的效應(yīng)并增強(qiáng)了邊緣，但往往噪聲也隨之增強(qiáng)了。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例提供了一種圖像處理的方法，以在增強(qiáng)圖像中的有用信息的同時(shí)，有效地抑制圖像中的無用信息。本發(fā)明實(shí)施例還提供了一種圖像處理的裝置，以能夠增強(qiáng)圖像中的有用信息，同時(shí)有效地抑制圖像中的無用信息。本發(fā)明實(shí)施例提供的圖像處理方法包括對原始的X光圖像進(jìn)行動(dòng)態(tài)范圍壓縮；將所述經(jīng)過動(dòng)態(tài)范圍壓縮的圖像分解成至少兩個(gè)不同尺度的圖像成分；對所述圖像成分進(jìn)行各向異性擴(kuò)散處理；
利用經(jīng)過各向異性擴(kuò)散處理的所述圖像成分進(jìn)行圖像重建，生成最終圖像。本發(fā)明實(shí)施例提供的另一種圖像處理方法包括將原始的X光圖像分解成至少兩個(gè)不同尺度的圖像成分；
對所述圖像成分進(jìn)行各向異性擴(kuò)散處理；利用經(jīng)過各向異性擴(kuò)散處理的所述圖像成分進(jìn)行圖像重建；對重建后的圖像進(jìn)行動(dòng)態(tài)范圍壓縮，生成最終圖像。本發(fā)明實(shí)施例提供的圖像處理裝置包括動(dòng)態(tài)范圍壓縮模塊，用于對輸入本模塊的圖像進(jìn)行動(dòng)態(tài)范圍壓縮；多尺度分解模塊，用于將輸入本模塊的圖像分解為不同尺度的圖像成分；擴(kuò)散處理模塊，用于對輸入本模塊的圖像成分分別進(jìn)行各向異性擴(kuò)散處理； 重建模塊，用于將經(jīng)過各向異性擴(kuò)散處理的圖像成分重建成最終圖像；其中，輸入所述動(dòng)態(tài)范圍壓縮模塊的圖像為原始的X光圖像，輸入所述多尺度分解模塊的圖像為所述動(dòng)態(tài)范圍壓縮模塊輸出的圖像，輸入所述擴(kuò)散處理模塊的圖像成分為所述多尺度分解模塊輸出的圖像成分，輸入所述重建模塊的圖像成分為所述擴(kuò)散處理模塊輸出的圖像成分；或者輸入所述多尺度分解模塊的圖像為原始的X光圖像，輸入所述擴(kuò)散處理模塊的圖像成分為所述多尺度分解模塊輸出的圖像成分，輸入所述重建模塊的圖像成分為所述擴(kuò)散處理模塊輸出的圖像成分，輸入所述動(dòng)態(tài)范圍壓縮模塊的圖像為所述重建模塊輸出的圖像。由以上技術(shù)方案可以看出，本發(fā)明實(shí)施例提供的圖像處理的方法和裝置，將圖像分解為多個(gè)不同尺度的圖像成分，分別對各圖像成分分別進(jìn)行各向異性擴(kuò)散處理，由于不同尺度的圖像成分在頻域中處于不同的頻帶，包含了不同的圖像信息，將多個(gè)圖像成分分別進(jìn)行擴(kuò)散處理，可以達(dá)到增強(qiáng)有用信息的同時(shí)有效抑制無用信息的結(jié)果，很好地解決了現(xiàn)有技術(shù)存在的增強(qiáng)有用信息與抑制無用信息二者無法兼顧的問題。


下面將通過參照附圖詳細(xì)描述本發(fā)明的優(yōu)選實(shí)施例，使本領(lǐng)域的普通技術(shù)人員更清楚本發(fā)明的上述及其它特征和優(yōu)點(diǎn)，相同的標(biāo)號(hào)表示相同的部件，附圖中圖I是根據(jù)本發(fā)明實(shí)施例一的圖像處理的方法流程圖；圖2是表示了 X光圖像的動(dòng)態(tài)范圍以及人類可視范圍的局限；圖3是利用直方圖進(jìn)行背景灰度配準(zhǔn)的示意圖；圖4是利用拉普拉斯金字塔(LP)進(jìn)行多尺度分解的示意圖；圖5是根據(jù)本發(fā)明實(shí)施例一的擴(kuò)散處理中擴(kuò)散系數(shù)入和入2函數(shù)的曲線示意圖；圖6是根據(jù)本發(fā)明實(shí)施例二的圖像處理的方法流程圖；圖7是根據(jù)本發(fā)明實(shí)施例三的圖像處理的方法流程圖；圖8是根據(jù)本發(fā)明實(shí)施例四的圖像處理的裝置結(jié)構(gòu)示意圖；圖9是根據(jù)本發(fā)明實(shí)施例五的圖像處理的裝置結(jié)構(gòu)示意圖；圖10是根據(jù)本發(fā)明實(shí)施例六的圖像處理的裝置結(jié)構(gòu)示意圖；圖11是根據(jù)本發(fā)明實(shí)施例七的圖像處理的裝置結(jié)構(gòu)示意圖；圖12顯示了采用本發(fā)明的圖像處理方法的處理結(jié)果和其他方法的處理結(jié)果的對照圖，(a)是原始的圖像數(shù)據(jù)；(b)是經(jīng)過了本發(fā)明的圖像處理的圖像數(shù)據(jù)；(c)是經(jīng)過MSR處理后的圖像數(shù)據(jù)，圖7(d)是經(jīng)過LHE處理后的圖像數(shù)據(jù)。
具體實(shí)施例方式為了使本發(fā)明的技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。下面結(jié)合具體的實(shí)施例對本發(fā)明進(jìn)行詳細(xì)的說明。實(shí)施例一
圖I是本發(fā)明實(shí)施例一的圖像的處理方法的流程圖。本實(shí)施例僅以X光血管造影圖像進(jìn)行舉例說明，但是并不限制本發(fā)明的范圍，本實(shí)施例還可以應(yīng)用于其它X光圖像的處理。從圖I可以看出，實(shí)施例一的圖像的處理方法包括以下步驟步驟101，對原始的X光血管造影圖像進(jìn)行動(dòng)態(tài)范圍壓縮。不同于圖像深度僅有255的超聲圖像，X光圖像具有高達(dá)幾千的動(dòng)態(tài)范圍，遠(yuǎn)遠(yuǎn)超過人的感官辨識(shí)能力。圖2表示了 X光圖像的動(dòng)態(tài)范圍以及人類可視范圍的局限。為了讓X光圖像中所有的強(qiáng)度區(qū)別能讓人眼識(shí)別，本實(shí)施例優(yōu)選采用高動(dòng)態(tài)范圍壓縮(HDRC, High Dynamic Range Compression)方法。具體例如為，采用基于兩個(gè)雙邊濾波器(BF，Bilateral Filter)的HDRC方法。BF是適應(yīng)性的非線性濾波器，在濾波的時(shí)候，選取當(dāng)前象素周圍的相鄰象素，根據(jù)這些相鄰象素與當(dāng)前象素之間的距離，以及相鄰象素強(qiáng)度來計(jì)算得到新的當(dāng)前象素的象素值。在本實(shí)施例中，BF計(jì)算出的每一個(gè)象素I1 [k，j]的象素值，是其自身與其相鄰的2Xp+L個(gè)象素的象素值的加權(quán)平均值，定義如下
P Ph[kJ']= Z⑴
m=-p n=-p其中s[k-m, j-n]是以象素(k，j)為中心的窗內(nèi)的象素的象素值，a[m, n，k，j]是加權(quán)系數(shù)函數(shù)
{ m2 +n2 (^[A: -m,j-n]-s\k,7'])2「，」eX\ 2of2al J (2)
a[m nXj^~Wj]BF為每個(gè)相鄰象素設(shè)定一個(gè)加權(quán)值，每個(gè)相鄰象素的加權(quán)值反比于該相鄰象素與中心象素的歐式距離(m2+n2)，并反比于該相鄰象素與中心象素之間灰度差。參數(shù)\和Os是BF的屬性。Z[k，j]將這些加權(quán)值之和歸一化，即使加權(quán)值之和為I。其中的k，j, m, n，P都是正整數(shù)。使用兩個(gè)BF將輸入的圖像分解為基礎(chǔ)層(basic layer)和細(xì)節(jié)層(detailedlayer)?；A(chǔ)層圖像是直接在原始的X光圖像上用BF濾波得到的，細(xì)節(jié)層則是原始的X光圖像被基礎(chǔ)層除之后得到的。基礎(chǔ)層包含了基礎(chǔ)的亮度信息，細(xì)節(jié)層包含了幾乎所有的邊緣信息。之后，在數(shù)域(Log domain)使用一個(gè)比例因子(scale factor)將基礎(chǔ)層壓縮。該比例因子可以是根據(jù)用戶需求設(shè)定的或者變化的，因此整個(gè)基礎(chǔ)層的范圍能夠被壓縮到一個(gè)用戶指定的范圍水平。細(xì)節(jié)層將保持不變。HDRC的最終輸出是兩層的結(jié)合。經(jīng)過HDRC處理，彌散(blooming)白效應(yīng)得到抑制，此時(shí)白區(qū)域和黑區(qū)域的區(qū)別明顯可見。此時(shí)，得到的圖像的動(dòng)態(tài)范圍為人眼可視范圍。例如，得到的圖像的動(dòng)態(tài)范圍為0 255。步驟102，對經(jīng)過動(dòng)態(tài)范圍壓縮處理的圖像進(jìn)行去閃爍處理。仍以HDRC為例進(jìn)行說明。在X光圖像為一系列的X光圖像時(shí)，進(jìn)一步還可以對HDRC處理后的圖像進(jìn)行去閃爍處理。在本實(shí)施例中，例如可以采用背景灰度配準(zhǔn)技術(shù)進(jìn)行去閃爍處理。
在原始的X光圖像中，單個(gè)象素的灰度值可能看似異常，例如，比背景顏色更深或者特別亮。這可能來源于電子干擾。然而，這些少量的灰度異常的象素可使壓縮后的圖像具有閃爍效應(yīng)。為了避免這種閃爍效應(yīng)，在HDRC之后進(jìn)行去閃爍處理。本實(shí)施例提供的方法基于以下假設(shè)，在同一 X光圖像系列中，系列中的多幅圖像應(yīng)具有相同的有效動(dòng)態(tài)范圍。其中，有效動(dòng)態(tài)范圍指背景的平均強(qiáng)度與圖像最亮區(qū)域的平均強(qiáng)度之間的范圍。本實(shí)施例中采用增益-偏差方法，通過找到圖像中最大和最小值對灰度值進(jìn)行調(diào)節(jié)。圖3是利用直方圖進(jìn)行去閃爍處理的示意圖。首先，畫出圖像系列中每幅圖像的直方圖。從直方圖可以看出，極亮和極暗的象素?cái)?shù)量比較少，可以簡單地采用全部象素的百分之一作為閾值，來對直方圖進(jìn)行剪裁(clipping)。然后，檢測每幅圖像的最小到最大值之間的顯示范圍，并將這些圖像的灰度在直方圖中配準(zhǔn)到設(shè)定的灰度范圍，比如0至255之間。通過以上去閃爍的處理，多幅圖像的背景灰度可以配準(zhǔn)到一個(gè)相同或相近的值，因此同一系列的多幅圖像間的閃爍現(xiàn)象會(huì)基本上消除。另外，圖像中出現(xiàn)的極端的噪聲象素也可以在此處理中被去除。通過上述去閃爍處理，可以克服HDRC處理引入的不良效應(yīng)，使得HDRC發(fā)揮提高圖像質(zhì)量優(yōu)勢的同時(shí)，消除干擾，進(jìn)一步提高圖像的質(zhì)量。本實(shí)施例中，步驟102為優(yōu)選步驟，也可以是步驟101執(zhí)行后，直接執(zhí)行步驟103，對步驟101輸出的圖像進(jìn)行分解。步驟103，將步驟102輸出的圖像分解成多個(gè)不同尺度的圖像成分。步驟103主要是利用多域的知識(shí)對圖像進(jìn)行增強(qiáng)，在平滑噪聲的同時(shí)不模糊邊緣，增強(qiáng)圖像中的邊緣和紋理但不引入更多的噪聲。本步驟處理的關(guān)鍵點(diǎn)是在增強(qiáng)圖像的同時(shí)，不帶來偽影(artificial)效應(yīng)。如果所處理的是X光圖像系列中的多幅圖像，對每幅圖像分別進(jìn)行以下的處理。首先，通過拉普拉斯金字塔(LP, Laplacian Pyramid)分解對圖像進(jìn)行分析,將圖像分解為多個(gè)圖像成分，每個(gè)圖像成分具有不同的尺度，這里的不同的尺度也即表示每個(gè)圖像成分的頻率不同。LP分解處理結(jié)合了多個(gè)高斯平滑、上采樣以及下采樣。圖4給出了一個(gè)利用LP處理進(jìn)行多尺度分解的示意圖。從圖4可以看出，將輸入圖像表示為由Lc^L1,. . . , Llri, Gn組成的緊致碼(compactcode)，在此處將這些多個(gè)緊致碼表示為多個(gè)圖像成分。Ltl是包含了大部分的噪聲和顯著的邊緣的高頻成分。Gn是包含了所有圖像亮度信息，如果圖像有不均勻的問題，應(yīng)該對這個(gè)圖像成分進(jìn)行處理。從頻率的角度來講，除Ltl和6 外，其他的圖像成分是頻帶成分，即處于不同的頻帶。從尺度的角度來講，從Ltl到GnR度逐漸增加。為了確保LP模型具有理想的性能，卷積時(shí)采用不同的高斯尺度，使得多數(shù)噪聲包含在Ltl中，主要的邊緣，即尺度較大的邊緣，包含在L1, , Ln_10這個(gè)LP模型是緊致圖像編碼(compact image encoding)方法采用的分解方法，也就是說，在使用這些圖像成分重建圖像的時(shí)候，重建的圖像的質(zhì)量不會(huì)因?yàn)樘幚磉^程而遭受損失，仍可達(dá)到原始圖像的質(zhì)量。需要說明的是，本發(fā)明不局限于采用LP分解的方法將圖像分解為多個(gè)圖像成分，也包括采用其他的方法將圖像分為多個(gè)不同頻率的圖像成分，只要能夠達(dá)到將不同頻率的圖像成分進(jìn)行區(qū)分的目的，都包含在本發(fā)明所保護(hù)的范圍之內(nèi)。
通過步驟101解決了圖像的動(dòng)態(tài)范圍問題，通過步驟102消除了閃爍效應(yīng)，通過步驟103可以進(jìn)一步的消除噪聲，增強(qiáng)邊緣。步驟104，對步驟103輸出的圖像成分進(jìn)行各向異性擴(kuò)散處理。在對圖像成分進(jìn)行各向異性擴(kuò)散處理時(shí)，需要對圖像成分的局部幾何特征進(jìn)行估計(jì)。也即，對于步驟103得到的圖像成分，分別估計(jì)該圖像成分中當(dāng)前待處理區(qū)域的局部幾何特征，并根據(jù)該局部幾何特征僅性各向異性處理擴(kuò)散。為了達(dá)到更好的局部幾何特征的估計(jì)，在執(zhí)行梯度計(jì)算之前，可以對圖像成分進(jìn)行高斯平滑。本實(shí)施例中，根據(jù)局部幾何特征進(jìn)行各向異性擴(kuò)散處理例如可以包括以下之一或其任意組合若局部幾何特征表示當(dāng)前待處理區(qū)域?qū)儆趯Ρ冗^低的區(qū) 域，則進(jìn)行各向同性擴(kuò)散；若局部幾何特征表示當(dāng)前待處理區(qū)域?qū)儆趯Ρ日５膮^(qū)域，則沿邊緣的區(qū)域進(jìn)行前向擴(kuò)散，跨邊緣的區(qū)域進(jìn)行后向擴(kuò)散；若局部幾何特征表示當(dāng)前待處理區(qū)域?qū)儆趯Ρ冗^強(qiáng)的區(qū)域，則沿邊緣的區(qū)域不進(jìn)行擴(kuò)散，跨邊緣的區(qū)域進(jìn)行前向擴(kuò)散。在本實(shí)施例中，具體的，上述擴(kuò)散處理可以采用下述式3所示的擴(kuò)散方程，以使適應(yīng)性計(jì)算參數(shù)具有理想的特性。本發(fā)明的擴(kuò)散方法稱為前向-后向-前向各向異性擴(kuò)散(FBFAD, Forward-Backward-Forward Anisotropic Diffusion)。該擴(kuò)散方程如下
權(quán)利要求
1.一種圖像的處理方法，所述方法包括 對原始的X光圖像進(jìn)行動(dòng)態(tài)范圍壓縮； 將所述經(jīng)過動(dòng)態(tài)范圍壓縮的圖像分解成至少兩個(gè)不同尺度的圖像成分； 對所述圖像成分進(jìn)行各向異性擴(kuò)散處理； 利用經(jīng)過各向異性擴(kuò)散處理的所述圖像成分進(jìn)行圖像重建，生成最終圖像。
2.一種圖像的處理方法，所述方法包括 將原始的X光圖像分解成至少兩個(gè)不同尺度的圖像成分； 對所述圖像成分進(jìn)行各向異性擴(kuò)散處理； 利用經(jīng)過各向異性擴(kuò)散處理的所述圖像成分進(jìn)行圖像重建； 對重建后的圖像進(jìn)行動(dòng)態(tài)范圍壓縮，生成最終圖像。
3.根據(jù)權(quán)利要求I或2所述的方法，其中，所述進(jìn)行動(dòng)態(tài)范圍壓縮，包括 利用兩個(gè)雙邊濾波器將第一對象分解為包含亮度信息的基礎(chǔ)層和包含邊緣信息的細(xì)節(jié)層; 對所述基礎(chǔ)層進(jìn)行壓縮； 將所述細(xì)節(jié)層與所述壓縮后的基礎(chǔ)層進(jìn)行結(jié)合，得到動(dòng)態(tài)范圍為人眼可視范圍的圖像； 其中所述第一對象為所述原始的X光圖像或者所述重建后的圖像。
4.根據(jù)權(quán)利要求I或2所述的方法，其中， 所述分解成至少兩個(gè)不同尺度的圖像成分，包括利用拉普拉斯金字塔分解的算法，將第二對象分解成U，L1, ...，Llri, Gn,從Ltl到Gn尺度逐漸增加，L0包含圖像噪聲和顯著的邊緣，L1, ...，Ln^1包含尺度較大的邊緣，Gn包含圖像亮度信息，n為正整數(shù)，所述第二對象為所述經(jīng)過動(dòng)態(tài)范圍壓縮的圖像或者所述原始的X光圖像。
5.根據(jù)權(quán)利要求4所述的方法，其中，所述對所述圖像成分進(jìn)行各向異性擴(kuò)散處理，包括對于圖像成分LyL1,. . . ,Llri,Gn，分別估計(jì)該圖像成分中當(dāng)前待處理區(qū)域的局部幾何特征，并根據(jù)所述局部幾何特征進(jìn)行各向異性擴(kuò)散處理。
6.根據(jù)權(quán)利要求5所述的方法，其中，所述根據(jù)所述局部幾何特征進(jìn)行各向異性擴(kuò)散處理，包括以下之一或其任意組合 若所述局部幾何特征表示當(dāng)前待處理區(qū)域?qū)儆趯Ρ冗^低的區(qū)域，則進(jìn)行各向同性擴(kuò)散; 若所述局部幾何特征表示當(dāng)前待處理區(qū)域?qū)儆趯Ρ日５膮^(qū)域，則沿邊緣的區(qū)域進(jìn)行前向擴(kuò)散，跨邊緣的區(qū)域進(jìn)行后向擴(kuò)散； 若所述局部幾何特征表示當(dāng)前待處理區(qū)域?qū)儆趯Ρ冗^強(qiáng)的區(qū)域，則沿邊緣的區(qū)域不進(jìn)行擴(kuò)散，跨邊緣的區(qū)域進(jìn)行前向擴(kuò)散。
7.根據(jù)權(quán)利要求4所述的方法，其中，所述對所述圖像成分進(jìn)行各向異性擴(kuò)散處理，包括采用如下擴(kuò)散函數(shù)對圖像成分U，L1, ...，Llri, Gn分別進(jìn)行擴(kuò)散處理
8.根據(jù)權(quán)利要求4所述的方法，其中，在所述估計(jì)該圖像成分中當(dāng)前待處理區(qū)域的局部幾何特征之前，所述方法進(jìn)一步包括對該圖像成分進(jìn)行高斯平滑。
9.根據(jù)權(quán)利要求I或2所述的方法，其中，所述原始的X光圖像為一系列的原始的X光圖像； 在所述進(jìn)行動(dòng)態(tài)范圍壓縮之后，所述方法進(jìn)一步包括對所述經(jīng)過動(dòng)態(tài)范圍壓縮的圖像系列中的多幅圖像進(jìn)行去閃爍處理。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述對經(jīng)過動(dòng)態(tài)范圍壓縮的圖像系列中的多幅圖像進(jìn)行去閃爍處理，包括 在所述圖像系列中的多幅圖像的灰度直方圖中，根據(jù)象素?cái)?shù)比例閾值對直方圖進(jìn)行裁剪，確定最小灰度和最大灰度之間的范圍； 分別將所述多幅圖像的灰度直方圖的最小灰度和最大灰度之間的范圍配準(zhǔn)到設(shè)定的灰度范圍，根據(jù)配準(zhǔn)后的灰度直方圖生成圖像。
11.一種圖像處理的裝置，所述裝置包括 動(dòng)態(tài)范圍壓縮模塊(801，1004)，用于對輸入本模塊的圖像進(jìn)行動(dòng)態(tài)范圍壓縮； 多尺度分解模塊(802，1001)，用于將輸入本模塊的圖像分解為不同尺度的圖像成分； 擴(kuò)散處理模塊(803，1002)，用于對輸入本模塊的圖像成分分別進(jìn)行各向異性擴(kuò)散處理； 重建模塊(804，1003)，用于將經(jīng)過各向異性擴(kuò)散處理的圖像成分重建成最終圖像；其中，輸入所述動(dòng)態(tài)范圍壓縮模塊的圖像為原始的X光圖像，輸入所述多尺度分解模塊的圖像為所述動(dòng)態(tài)范圍壓縮模塊輸出的圖像，輸入所述擴(kuò)散處理模塊的圖像成分為所述多尺度分解模塊輸出的圖像成分，輸入所述重建模塊的圖像成分為所述擴(kuò)散處理模塊輸出的圖像成分；或者輸入所述多尺度分解模塊的圖像為原始的X光圖像，輸入所述擴(kuò)散處理模塊的圖像成分為所述多尺度分解模塊輸出的圖像成分，輸入所述重建模塊的圖像成分為所述擴(kuò)散處理模塊輸出的圖像成分，輸入所述動(dòng)態(tài)范圍壓縮模塊的圖像為所述重建模塊輸出的圖像。
12.根據(jù)權(quán)利要求11所述的裝置，其中，所述裝置還包括 去閃爍處理模塊(901)，用于對所述動(dòng)態(tài)范圍壓縮模塊輸出的一系列圖像進(jìn)行去閃爍處理。
13.根據(jù)權(quán)利要求11或12所述的裝置，其中， 所述動(dòng)態(tài)范圍壓縮模塊包括分解子模塊，用于利用兩個(gè)雙邊濾波器將輸入本動(dòng)態(tài)范圍壓縮模塊的圖像分解為包含亮度信息的基礎(chǔ)層和包含邊緣信息的細(xì)節(jié)層；壓縮子模塊，用于對所述分解子模塊得到的所述基礎(chǔ)層進(jìn)行壓縮；結(jié)合子模塊，用于將所述分解子模塊得到的所述細(xì)節(jié)層與所述壓縮子模塊壓縮后的基礎(chǔ)層進(jìn)行結(jié)合，得到動(dòng)態(tài)范圍為人眼可視范圍的圖像；和/或 所述多尺度分解模塊，具體用于利用拉普拉斯金字塔分解的算法，將輸入本多尺度分解模塊的圖像分解成U，L1, ...，Llri, Gn,從Ltl到Gn尺度逐漸增加，L0包含圖像噪聲和顯著的邊緣，L1, ...，Llri包含尺度較大的邊緣，Gn包含圖像亮度信息，n為正整數(shù)；和/或所述擴(kuò)散處理模塊，具體用于分別估計(jì)輸入本擴(kuò)散處理模塊的圖像成分中當(dāng)前處理區(qū)域的局部幾何特征，并根據(jù)所述局部幾何特征進(jìn)行各向異性擴(kuò)散處理。
14.根據(jù)權(quán)利要求13所述的裝置，其中，所述擴(kuò)散處理模塊包括以下子模塊之一或其任意組合 第一擴(kuò)散子模塊，用于在所述局部幾何特征表示當(dāng)前待處理區(qū)域?qū)儆趯Ρ冗^低的區(qū)域時(shí)，進(jìn)行各向同行擴(kuò)散； 第二擴(kuò)散子模塊，用于在所述局部幾何特征表示當(dāng)前待處理區(qū)域?qū)儆趯?比正常的區(qū)域時(shí)，沿邊緣的區(qū)域進(jìn)行前向擴(kuò)散，跨邊緣的區(qū)域進(jìn)行后向擴(kuò)散； 第三擴(kuò)散子模塊，用于在所述局部幾何特征表示當(dāng)前待處理區(qū)域?qū)儆趯Ρ冗^強(qiáng)的區(qū)域時(shí)，沿邊緣的區(qū)域不進(jìn)行擴(kuò)散，跨邊緣的區(qū)域進(jìn)行前向擴(kuò)散。
15.根據(jù)權(quán)利要求13所述的裝置，其中，所述擴(kuò)散處理模塊具體用于采用如下擴(kuò)散函數(shù)對輸入本擴(kuò)散處理模塊的圖像成分U，L1, ...，Ln+ Gn分別進(jìn)行擴(kuò)散處理 /i1(5) = exp(-512) /I2 (5) = 2 exp (- 5j2) - exp (- ) + exp (- s\) Sn=\\VI(x,y)\/j3n 其中，@ 是歸一化系數(shù)，SnS在圖像成分中的象素I (x，y)處的歸一化絕對梯度，入I和、2為擴(kuò)散系數(shù)，S1, s2, S3為控制擴(kuò)散系數(shù)的參數(shù)，n, x，y為正整數(shù)。
全文摘要
本發(fā)明公開了一種圖像的處理方法，該方法包括對原始的X光圖像進(jìn)行動(dòng)態(tài)范圍壓縮；將所述經(jīng)過動(dòng)態(tài)范圍壓縮的圖像分解成至少兩個(gè)不同尺度的圖像成分；分別對所述多個(gè)圖像成分進(jìn)行各向異性擴(kuò)散處理；利用經(jīng)過各向異性擴(kuò)散處理的所述多個(gè)圖像成分進(jìn)行圖像重建，生成最終圖像。本發(fā)明還公開了采用上述方法的圖像處理裝置。由以上技術(shù)方案可以看出，本發(fā)明的圖像處理的方法和裝置利用多域知識(shí)進(jìn)行圖像增強(qiáng)，將圖像分解為多個(gè)不同尺度的圖像成分，分別對各圖像成分進(jìn)行各向異性擴(kuò)散，可以達(dá)到增強(qiáng)有用信息的同時(shí)有效抑制無用信息的結(jié)果，很好地解決了現(xiàn)有技術(shù)存在的增強(qiáng)有用信息與抑制無用信息二者無法兼顧的問題。
文檔編號(hào)G06T5/00GK102637292SQ20111003588
公開日2012年8月15日 申請日期2011年2月10日 優(yōu)先權(quán)日2011年2月10日
發(fā)明者蘇子華 申請人:西門子公司