一種X射線圖像增強新方法

趙 存， 胡煒薇

(杭州電子科技大學 新型電子器件與應用研究所，浙江 杭州 310018)

一種X射線圖像增強新方法

趙 存， 胡煒薇

(杭州電子科技大學 新型電子器件與應用研究所，浙江 杭州 310018)

針對X射線圖像對比度不高，圖像偏暗，邊緣模糊，噪聲大的問題，提出了一種小波變換和模糊理論相結合的圖像增強新方法。首先，將射線圖像進行小波分解獲得低頻子帶和高頻子帶，然后，對含有圖像基本面貌特征和主要能量信息的低頻子帶采用廣義模糊算子進行處理，能較好地提升圖像對比度和局部亮度，對含有噪聲和細節(jié)信息的高頻子帶利用軟閾值去噪方法進行去噪處理，同時定義了一種新的增強算子，在去噪的同時進行細節(jié)增強，最后，對處理后的圖像進行小波重構。實驗結果表明：該方法可以有效去除圖像噪聲，提升圖像對比度和清晰度，視覺效果良好。

X射線； 圖像增強； 廣義模糊增強； 小波變換

0 引 言

X射線成像技術目前已廣泛應用于無損檢測，安檢、醫(yī)學影像等眾多領域。X射線成像存在一些普遍問題，所成圖像對比度低、噪聲大、動態(tài)范圍小，為此，需要對X光圖像進行增強處理，改善圖像的視覺效果。

傳統(tǒng)的圖像增強算法大致可分為空域濾波和頻域濾波兩種[1]，文獻[2]提出的基于直方圖均衡的空域圖像增強算法，在一定條件下取得了較好的增強效果，但該類算法并沒有區(qū)別圖像的噪聲和有用信息，在增強圖像的同時噪聲也得到了放大。文獻[3,4]提出的基于頻域的增強方法對原圖像的亮度要求較高，且存在對比度提升較小的問題。圖像的邊緣有時會存在不確定性即模糊性，傳統(tǒng)的圖像增強算法已不能滿足對高質量圖像的要求[5]。1981年Pal等人提出了模糊增強[6]，定義了一個隸屬度函數(shù)，將圖像映射到模糊域進行增強，取得了較好的效果，但存在運算量過大的問題。文獻[7]在文獻[6]的基礎上利用一種廣義模糊算子對圖像進行增強處理，處理后的圖像對比度提升較大。

針對傳統(tǒng)圖像增強算法出現(xiàn)的問題，文中將模糊理論應用到射線圖像增強中，提出了一種小波變換與廣義模糊算子相結合的射線圖像增強方法，將圖像進行小波分解，對低頻區(qū)域采用廣義模糊算子處理，提升圖像對比度和局部亮度；對含有噪聲和細節(jié)信息的高頻區(qū)域，進行小波閾值降噪，同時，利用文中提出的增強算子進行細節(jié)增強處理。實驗結果表明：文中提出的算法能夠較好的提升圖像的對比度，增強細節(jié)，抑制圖像噪聲，應用于本課題組的射線圖像，視覺效果良好。

1 射線圖像增強方法

1.1 算法原理

小波變換具有很好的空頻特性，能夠對一幅圖像進行多尺度，多分辨率分解。一幅圖像經小波分解后，得到LL，HL,LH,HH四個子帶區(qū)域，其中LL為低頻子帶,HL,LH,HH為高頻子帶，HL包含圖像水平信息，HH包含對角線方向的高頻信息。其圖像基本面貌特征和主要能量信息集中于LL低頻子帶，圖像噪聲和細節(jié)信息主要集中在HL,LH,HH等高頻子帶[8]中，因此，小波變換能夠將圖像噪聲和有用信息區(qū)別開。文中提出的算法原理如圖1所示。

圖1 算法原理圖

1.1 基于廣義模糊算子的低頻子帶增強

廣義模糊集合定義為：若A={(μA(x),x∈U)}為一個集合，U為有限實數(shù)域且μA(x)∈[-1,1]，則稱μA(x)為A的廣義隸屬度函數(shù)，A為廣義模糊集合。低頻子帶的增強過程如下：

1)根據(jù)式(1)將低頻子帶小波系數(shù)映射到模糊域

(1)

式中 xij為低頻子帶小波系數(shù)；D為可調參數(shù)且必須滿足D≤(xmax-xmin)/2，文中D取(xmax-xmin)/2。其中，xmax為低頻子帶小波系數(shù)最大值，xmin為低頻子帶小波系數(shù)最小值，Pij為變換后的系數(shù)。分析式(1)可知，經變換后Pij∈[-1,1]，符合廣義隸屬度函數(shù)的定義。

2)利用式(2)的廣義模糊算子對Pij進行模糊增強[9]

(2)

圖與Pij的關系曲線圖

(3)

1.2 基于小波軟閾值法的高頻子帶增強

圖像的噪聲和細節(jié)信息經小波分解后主要集中在高頻區(qū)域，如果對高頻區(qū)域直接進行增強，在增強細節(jié)的同時必然放大了噪聲，因此，在增強前有必須進行去噪處理。在小波閾值去噪過程中，對閾值的處理常見的有兩種方法，即硬閾值法和軟閾值法[10]，見式(4)，式(5)。

(4)

(5)

為在去除噪聲的同時增強圖像高頻細節(jié)信息，對軟閾值法進行修正

(6)

式中 K為增強算子，當0≤K≤1，高頻細節(jié)被抑制；當K>1，高頻細節(jié)得到增強。對于K值的選取，給出如下定義

(7)

式中xij為高頻區(qū)域小波系數(shù)；xmax為高頻子帶小波系數(shù)最大值；xmin為高頻子帶小波系數(shù)最小值；wh,wv分別稱為水平權值和垂直權值。對于HL子帶，wh=1，wv=0；對于LH子帶，wh=0，wv=1；對于HH子帶，wh=1，wv=1。這種選取方式滿足小波分解后各頻域的倍頻特性。

高頻子帶的增強過程：對于經小波分解后的HL,LH,HH各高頻子帶，利用文中修正的軟閾值法進行閾值處理，在去除噪聲的同時增強細節(jié)信息。

2 實驗結果及分析

圖3(a)為課題組實驗過程中采集到的射線圖像(鑰匙，剪刀，筆)，圖像背景偏暗，對比度不均勻，同時圖像存在噪聲。為驗證文中提出算法的有效性，對圖3(a)分別應用了文獻[2]基于直方圖均衡化的空域增強、文獻[4]基于小波變換的頻域增強和文中提出的算法對圖像進行增強實驗。

圖3 3種算法增強后的效果圖

圖3(b)是文獻[2]方法增強后的射線圖像，圖像對比度有了明顯的提高，但該算法并沒有區(qū)別有用信號和噪聲，在增強圖像的同時也放大了噪聲，且存在局部過亮的問題。圖3(c)是文獻[4]方法增強后的射線圖像，該方法只對小波分解后的高頻區(qū)域做去噪和增強處理，圖像的噪聲得到抑制，邊緣細節(jié)得到增強，但圖像暗區(qū)的可視度并不好，圖像背景依舊偏暗，視覺效果不好,且該方法對原圖像的亮度依賴性較大。圖3(d)為文中算法處理后的圖像，圖像的噪聲得到有效抑制，亮度和對比度有了較大提高，提高了圖像暗區(qū)的可視度(注意筆頭和筆中間部位紋理的變化)，圖像視覺效果較好。

圖像的視覺效果具有主觀性，因此，文中采用灰度直方圖和信息熵作為文中算法的客觀評價，圖4給出了幾種方法增強后的灰度直方圖。從圖4也可以看出文中提出的算法相比于其他幾種算法，灰度直方圖得到較好的分布，說明文中算法處理后圖像的質量提高較大。圖像信息熵是反應圖像細節(jié)信息的重要指標，信息熵值越大說明圖像含有的信息量越大，圖像質量越好。其定義如下

(8)

式中 λ為最大灰度值，對于黑白圖像為255；Pi為灰度值為i出現(xiàn)的概率。

圖4 3種算法增強后的灰度直方圖

3種算法處理后，圖像的信息熵分別為：原圖5.065 4；文獻[1]算法5.376 9；文獻[4]算法5.136 7；文中算法5.673 9。可以看出，本文算法處理后圖像的信息熵高于其他3種算法，且明顯高于原圖，說明文中算法能夠有效地去除圖像噪聲，提升圖像對比度，處理后的圖像含有更多細節(jié)信息。

3 結 論

1)在增強圖像的同時有效抑制了圖像噪聲；

2)對原圖像的亮度要求不高。利用小波變換的多分辨率特性，對小波分解后的低頻區(qū)域采用模糊算子增強，有效地提高了圖像的亮度和局部對比度，視覺效果好。

3)利用本文提出的增強算子，對小波分解后的高頻區(qū)域做處理，不僅圖像的輪廓變得清晰，細節(jié)信息也得到有效增強。

[1] 李 陽，常 霞，紀 峰.圖像增強方法研究新進展[J].傳感器與微系統(tǒng)，2015，34(12):9-12.

[2] 高均立.基于直方圖均衡化的數(shù)字圖像增強技術[J].陜西科技大學學報,2011,29(2):118-121.

[3] Shirai M,Schwenke D O,Tsuchimochi H,et al.Synchrotron radiation imaging for advancing our understanding of cardiovascular function[J].Circ Res,2013,112(1):209-221.

[4] 曾鵬鑫,么健石,陳 鵬.基于小波變換的圖像增強算法[J].東北大學學報,2005,26(6):527-530.

[5] 付爭方，朱 虹.基于模糊理論的低照度彩色圖像增強算法[J].傳感器與微系統(tǒng)，2014，33(5):121-124.

[6] Pal S K，King R A.Image enhancement using smoothing with fuzzy sets[J].IEEE Trans on Systems,Man and Cybemetics,1981,11(7):494-501.

[7] 霍 榮，鄧家先，謝凱明.一種改進的低對比度圖像增強算法[J].電視技術，2015,39(11):27-29.

[8] 唐世偉，林 君.小波變換與中值濾波相結合圖像去噪方法[J].哈爾濱工業(yè)大學學報,2008,40(8):1335-1336.

[9] 王保平，劉升虎，范九倫，等.基于模糊熵的自適應圖像多層次模糊增強算法[J].電子學報，2005,33(4):730-734.

[10] 黃一鶴.一種基于新的小波閾值函數(shù)的圖像去噪方法[J].傳感器與微系統(tǒng)，2011,30(9):76-78.

New algorithm for X-ray image enhancement

ZHAO Cun, HU Wei-wei

(Institute of New Electronic Devices and Application,Hangzhou Dianzi University,Hangzhou 310018,China)

Aiming at problem of low contrast,edge fog,exist noise of X-ray image,a new X-ray image enhancement algorithm based on wavelet transform and Fuzzy Theory is raised.Firstly,the wavelet transform is adopted to decompose the X-ray image.Secondly,the operator of generalized fuzzy enhancement is applied to low frequency coefficients to improve image contrast and local luminance,the high frequency coefficients are restrained noise by wavelet soft threshold and enhanced by a new enhancement operator.Finally,the inverse wavelet transform is applied to synthesis image.The results show that this algorithm can restrain noise effectively,improve image contrast and definition,which makes the image better.

X-ray; image enhancement; generalized fuzzy enhancement; wavelet transform

10.13873/J.1000—9787(2017)05—0071—03

2016—06—02

TP 391

A

1000—9787(2017)05—0071—03

趙 存(1990-)，男，碩士研究生，主要研究方向為X射線成像技術，數(shù)字圖像處理。

胡煒薇(1981-)，女，博士，副教授，從事無線傳感器及其組網(wǎng)技術、移動目標識別、數(shù)據(jù)融合技術、圖像處理領域研究工作，E—mail：861127175@qq.com。