專利名稱：提高光學(xué)相干層析術(shù)成像質(zhì)量的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種提高光學(xué)相干層析術(shù)成像質(zhì)量的新方法，特別是基于圖像的直方圖匹配來增強(qiáng)圖像對比度的方法，屬于圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
光學(xué)相干層析(Optical Coherence Tomography，簡稱OCT)技術(shù)是光學(xué)層析術(shù)的最新發(fā)展，是繼超聲波、X-CT、MRI技術(shù)之后的一種全新的高精度醫(yī)療影像手段。
由于OCT技術(shù)利用背向散射信息來獲取物質(zhì)內(nèi)部的斷層信息，不進(jìn)行處理的OCT圖像，其樣品內(nèi)部的信息相對表面來講往往很弱，而且對于不同類型的樣品其圖像灰度級的變化相差很大。尤其對于高散射介質(zhì)來說，由于人眼對低灰度的信息分辨能力比較低，難于區(qū)分灰度值比較接近的不同灰度級的變化，因而不能分辨采集的圖像中表示樣品內(nèi)部的細(xì)節(jié)變化。提高OCT成像對比度，改善成像質(zhì)量常用的方法有對數(shù)變換和直方圖均衡化。這兩種方法的共同優(yōu)點(diǎn)是不需要設(shè)置參數(shù)，程序可以自動完成對圖像的處理，而且計算復(fù)雜度比較低。但是對數(shù)變換和直方圖均衡化的方法對圖像對比度的變換效果會受到原始圖像灰度級分布的影響。只有當(dāng)原始圖像的灰度級在一定范圍之內(nèi)時，變換后的圖像才能達(dá)到比較理想的效果，而要保證原始圖像的灰度級分布在某一特定范圍內(nèi)是非常困難的。對于多功能的OCT系統(tǒng)來說，由于不同樣品的內(nèi)部結(jié)構(gòu)不同，采用沒有參數(shù)可調(diào)的對數(shù)變換和直方圖均衡化方法不能使得不同樣品的OCT原始圖像均實現(xiàn)理想的圖像增強(qiáng)。

發(fā)明內(nèi)容
本發(fā)明的目的是解決現(xiàn)有光學(xué)相干層析圖像的處理方法受原始圖像灰度級分布的影響的問題。提供一種對不同樣品的OCT原始圖像均適用的改善成像質(zhì)量的方法。
本發(fā)明提出一種可調(diào)參數(shù)的圖像增強(qiáng)方法，能夠克服現(xiàn)有技術(shù)不能通過調(diào)節(jié)參數(shù)來提高輸出圖像質(zhì)量的弱點(diǎn)。該方法可根據(jù)采集的不同樣品圖像，自動選擇不同函數(shù)及其參數(shù)來實現(xiàn)圖像增強(qiáng)，克服了人為調(diào)節(jié)參數(shù)的主觀影響和處理過程的不連續(xù)性。
本發(fā)明提供的提高光學(xué)相干層析術(shù)成像質(zhì)量的方法，按如下步驟實現(xiàn)(1)計算光學(xué)相干層析系統(tǒng)采集的原始圖像的歸一化直方圖；(2)采用擬作為概率密度函數(shù)的各函數(shù)對原始圖像的歸一化直方圖進(jìn)行最小二乘擬合；
(3)選擇殘差平方和最小的函數(shù)及其參數(shù)作為最佳的擬合函數(shù)；(4)通過改變所選擇函數(shù)的參數(shù)實現(xiàn)函數(shù)的展寬；(5)用展寬后的函數(shù)對光學(xué)相干層析原始圖像做直方圖匹配；(6)最后獲得對比度增強(qiáng)并適合人眼觀察的光學(xué)相干層析輸出圖像。
其中，可以選作概率密度函數(shù)的函數(shù)具有以下特征該函數(shù)隨自變量增加而減小或有唯一極大峰值，并且當(dāng)自變量趨于無窮大時該函數(shù)的值趨于0。
可以選作概率密度函數(shù)的函數(shù)有底數(shù)大于1的負(fù)指數(shù)函數(shù)、高斯函數(shù)、厄蘭函數(shù)。
本發(fā)明的優(yōu)點(diǎn)和積極效果本發(fā)明提供了一種新的提高OCT成像質(zhì)量的圖像處理方法。該方法由程序計算OCT系統(tǒng)采集的OCT原始圖像的歸一化直方圖，并通過選擇特定形式的函數(shù)作為輸入圖像灰度級的概率密度函數(shù)來擬合歸一化直方圖以確定最佳形式的概率密度函數(shù)，再用直方圖匹配的方法，根據(jù)確定的函數(shù)及其參數(shù)，自適應(yīng)地實現(xiàn)OCT的圖像增強(qiáng)，獲得質(zhì)量較高的OCT圖像。本發(fā)明方法可以根據(jù)不同掃描樣品的特征自動選擇合適的函數(shù)及其參數(shù)進(jìn)行直方圖匹配處理，實現(xiàn)對樣品的最佳成像，克服了現(xiàn)有技術(shù)中主觀設(shè)定參數(shù)的缺點(diǎn)，而且不會造成信息的丟失。


圖1是OCT系統(tǒng)掃描橘子瓣截面的原始圖像(圖像尺寸為3mm×1.5mm)；圖2是圖1的歸一化直方圖；圖3是圖1對數(shù)變換后的圖像；圖4是圖1直方圖均衡化后的圖像；圖5是用最小二乘法擬合圖2確定的厄蘭函數(shù)曲線；圖6是圖1經(jīng)過本發(fā)明算法(用厄蘭函數(shù)擬合得到)變換后的圖像；圖7是圖6的歸一化直方圖；圖8是OCT系統(tǒng)掃描人手指皮膚截面的原始圖像(圖像尺寸為1.8mm×1.5mm)；圖9是圖8的歸一化直方圖；圖10是圖8對數(shù)變換后的圖像；圖11是圖8直方圖均衡化后的圖像；圖12是用最小二乘法擬合圖9確定的厄蘭函數(shù)曲線；圖13是圖8經(jīng)過本發(fā)明算法(用厄蘭函數(shù)擬合得到)變換后的圖像；圖14是圖13的歸一化直方圖。
具體實施例方式本發(fā)明結(jié)合采用最小二乘擬合和直方圖匹配的方法，對采集的不同圖像自適應(yīng)地實現(xiàn)其直方圖的展寬，從而實現(xiàn)圖像增強(qiáng)。具體步驟為從OCT系統(tǒng)采集到原始圖像后，計算該原始圖像的歸一化直方圖(直方圖的各灰度級的像素數(shù)/總像素數(shù))；用擬作為輸入圖像灰度級的概率密度函數(shù)來對該歸一化直方圖進(jìn)行最小二乘擬合，選擇其中殘差平方和最小的函數(shù)作為最終輸出圖像灰度級的概率密度函數(shù)；再用直方圖匹配的方法，即通過改變該函數(shù)的參數(shù)來調(diào)整輸出圖像灰度級的概率密度函數(shù)的寬度，根據(jù)所確定的函數(shù)及其參數(shù)對輸入圖像作直方圖匹配，實現(xiàn)OCT圖像的增強(qiáng)，獲得高輸出質(zhì)量的OCT圖像。
本發(fā)明采用隨自變量增加而減小的函數(shù)或有唯一極大峰值，并且當(dāng)自變量趨于無窮大時該函數(shù)的值趨于0的函數(shù)，如高斯函數(shù)、底數(shù)大于1的負(fù)指數(shù)函數(shù)、厄蘭函數(shù)作為圖像灰度級的概率密度函數(shù)。
下面分別用高斯函數(shù)、底數(shù)大于1的負(fù)指數(shù)函數(shù)及厄蘭函數(shù)說明具體的處理過程高斯函數(shù)的一般形式為f(x)=ce-(x-a)2b2]]>可以通過設(shè)定參數(shù)a、b、c來調(diào)整高斯函數(shù)的峰值位置和形狀。使用歸一化的高斯函數(shù)來模擬輸入圖像灰度級的概率密度函數(shù)，即pin(x)=cine-(x-a)2b2]]>其中歸一化系數(shù)cin使函數(shù)pin(x)滿足∫0Lpin(x)dx=1]]>，L為最大灰度級。參數(shù)a、b和cin通過擬合來確定。使用該函數(shù)對輸入圖像作最小二乘擬合，并可以計算出其殘差平方和。然后使用以下形式的歸一化的高斯函數(shù)作為輸出圖像灰度級的概率密度函數(shù)pout(x)=coute-(x-a)2(kb)2]]>其中歸一化系數(shù)cout使函數(shù)pout(x)滿足∫0Lpout(x)dx=1]]>，L為最大灰度級。即高斯函數(shù)的峰值位置不變，形狀被展寬。k的取值通過計算輸出圖像的灰度級的期望值得到。計算k取不同正整數(shù)時輸出圖像的直方圖，并計算灰度級的數(shù)學(xué)期望EE＝[(灰度級×該灰度級的像素數(shù))/總像素數(shù)]當(dāng)E的值最接近某一恒定值時，k的取值即為所求。E的取值過低會造成展寬后圖像增強(qiáng)效果不明顯，E的取值過高會造成多個灰度級被合并到一個灰度級。經(jīng)過大量實驗，我們建議E值的取在30～70之間。變換后的圖像，直方圖被展寬，低灰度級的點(diǎn)被拉伸到比較高的灰度級，圖像的對比度顯著提高，低灰度的細(xì)節(jié)信息得到了較好的顯示。
底數(shù)大于1的負(fù)指數(shù)函數(shù)的一般形式為
f(x)＝cm-ax此處取一個具有代表性的參數(shù)使用歸一化的e的負(fù)指數(shù)函數(shù)來表示輸入圖像灰度級的概率密度函數(shù)，即pin(x)＝cine-ax其中歸一化系數(shù)cin使函數(shù)pin(x)滿足∫0Lpin(x)dx=1]]>，L為最大灰度級。參數(shù)a和cin需要通過擬合來確定。使用該函數(shù)對輸入圖像作最小二乘擬合，并可以計算出其殘差平方和。然后使用以下形式的歸一化的e的負(fù)指數(shù)函數(shù)作為輸出圖像灰度級的概率密度函數(shù)pout(x)=coute-axk]]>其中歸一化系數(shù)cout使函數(shù)pout(x)滿足∫0Lpout(x)dx=1]]>，L為最大灰度級。k和E的取法與使用高斯函數(shù)時相同。
厄蘭(Erlang)函數(shù)的形式為f(x)=ab(b-1)!xb-1e-ax]]>因為在作為概率密度函數(shù)時需要?dú)w一化，所以系數(shù)可以省略。使用歸一化的厄蘭函數(shù)來模擬輸入圖像灰度級的概率密度函數(shù)，即pin(x)＝cinxb-1e-ax其中歸一化系數(shù)cin使函數(shù)pin(x)滿足∫0Lpin(x)dx=1]]>，L為最大灰度級。參數(shù)a、b和cin通過擬合來確定。使用該函數(shù)對輸入圖像作最小二乘擬合，并可以計算出其殘差平方和。然后使用以下形式的歸一化的厄蘭函數(shù)作為輸出圖像灰度級的概率密度函數(shù)pout(x)=cout(xk)b-1e-axk]]>其中歸一化系數(shù)cout使函數(shù)pout(x)滿足∫0Lpout(x)dx=1]]>，L為最大灰度級。k和E的取法與使用高斯函數(shù)時相同。
下面以實例說明算法執(zhí)行后的結(jié)果實施例1圖1和圖2為從OCT系統(tǒng)采集到的未經(jīng)處理的橘子瓣截面的原始圖像及其歸一化直方圖(300×150像素，實際樣品尺寸為3mm×1.5mm)。樣本圖像為8位灰度圖像，L的取值為255。圖3和圖4分別為采用現(xiàn)有技術(shù)對數(shù)變換和歸一化直方圖均衡化處理后的圖像。使用高斯函數(shù)擬合，得到其中的參數(shù)a的值為8.2，b的值為6.35，cin的值為0.078，殘差平方和為3.9×10-3；使用指數(shù)函數(shù)擬合，得到其中參數(shù)a的值為0.05，cin的值為0.056，殘差平方和為1.9×10-2；使用厄蘭函數(shù)擬合，得到其中參數(shù)a的值為0.34，b的值為3.39，cin的值為0.0084，殘差平方和為9.2×10-4。其中厄蘭函數(shù)的殘差平方和最小。根據(jù)歸一化直方圖擬合的殘差平方和最小的原則，對于該實施例選擇厄蘭函數(shù)來進(jìn)行直方圖展寬。圖5為擬合得到的厄蘭函數(shù)圖形，即假設(shè)的輸入圖像灰度級的概率密度函數(shù)。展寬時，E取50。計算得k的值為5，cout的值為0.018。圖6為使用厄蘭函數(shù)經(jīng)過本發(fā)明算法變換后的圖像。圖7為其歸一化直方圖。圖6與圖3和圖4對比可以發(fā)現(xiàn)，使用本發(fā)明算法計算獲得的圖像比用現(xiàn)有技術(shù)對數(shù)變換和直方圖均衡化計算獲得的圖像具有更高的對比度和更佳的圖像質(zhì)量。使用的計算機(jī)配置為奔騰IV，主頻1.8G，內(nèi)存256M，并采用MATLAB(Version6.5，Release13)軟件進(jìn)行處理，整個運(yùn)算過程耗時0.48秒。
實施例2圖8和圖9為從OCT系統(tǒng)采集到的未經(jīng)處理的手指皮膚截面的原始圖像及其歸一化直方圖(180×150像素，實際樣品尺寸為1.8mm×1.5mm)。樣本圖像為8位灰度圖像，L的取值為255。圖10和圖11分別為對數(shù)變換和直方圖均衡化處理后的圖像。使用高斯函數(shù)擬合，得到其中的參數(shù)a的值為4.0，b的值為3.12，cin的值為0.17，殘差平方和為4.1×10-3；使用指數(shù)函數(shù)擬合，得到其中參數(shù)a的值為0.1，cin的值為0.12，殘差平方和為4.7×10-2；使用厄蘭函數(shù)擬合，得到其中的參數(shù)a的值為0.7，b的值為3.3，cin的值為0.11，殘差平方和為4.3×10-4。其中厄蘭函數(shù)的殘差平方和最小。根據(jù)歸一化直方圖擬合的殘差平方和最小的原則，對于該實施例選擇厄蘭函數(shù)來進(jìn)行直方圖展寬。圖12為擬合得到的厄蘭函數(shù)圖形，即假設(shè)的輸入圖像灰度級的概率密度函數(shù)。展寬時，E取50。計算得k的值為11，cout的值為0.011。圖13為使用厄蘭函數(shù)經(jīng)過本發(fā)明算法變換后的圖像。圖14為其歸一化直方圖。圖13與圖10和圖11對比可以發(fā)現(xiàn)，使用本發(fā)明算法計算獲得的圖像比用現(xiàn)有技術(shù)對數(shù)變換和直方圖均衡化計算獲得的圖像具有更高的對比度和更佳的圖像質(zhì)量。其中，計算機(jī)配置為奔騰IV，主頻1.8G，內(nèi)存256M，采用MATLAB(Version6.5，Release13)軟件進(jìn)行處理，整個運(yùn)算過程耗時0.46秒。
需要說明的是，殘差平方和的大小與圖像的大小有關(guān)，不同的圖像大小可能會與本發(fā)明的殘差平方和的值有一定差別。本發(fā)明的概率密度函數(shù)只指出三個，并不妨礙可以有其它適宜的只有唯一極大峰或是隨自變量增加而遞減并且當(dāng)自變量趨于無窮大時函數(shù)值趨于0的函數(shù)可作為圖像灰度級的概率密度函數(shù)。由于所用OCT系統(tǒng)本身的限制只獲得了橘子瓣和手指皮膚的掃描圖像，而這兩類的掃描圖像正好用厄蘭函數(shù)擬合最佳，但并不表明對于其它的樣品也是厄蘭函數(shù)擬合效果最佳，對于采集的其它樣品圖像同樣采用本發(fā)明的算法進(jìn)行最小二乘擬合來確定最佳的擬合函數(shù)來進(jìn)行圖像增強(qiáng)。
另外，本發(fā)明只是用MATLAB軟件說明本實施例的算法，其運(yùn)行時間與初始參數(shù)取值、展寬程度等因素都有關(guān)，此處提供的運(yùn)行時間僅一個參考。由于MATLAB是解釋型程序設(shè)計語言，其速度比C等編譯型程序設(shè)計語言慢很多，所以如果用C或C++等編譯型程序設(shè)計語言編寫程序，速度將會大幅度提高，此算法完全可以滿足實時處理的需要。
權(quán)利要求
1.一種提高光學(xué)相干層析術(shù)成像質(zhì)量的方法，其特征是，該方法按如下步驟實現(xiàn)(1)計算光學(xué)相干層析系統(tǒng)采集的原始圖像的歸一化直方圖；(2)采用擬作為概率密度函數(shù)的各函數(shù)對原始圖像的歸一化直方圖進(jìn)行最小二乘擬合；(3)選擇殘差平方和最小的函數(shù)及其參數(shù)作為最佳的擬合函數(shù)；(4)通過改變所選擇函數(shù)的參數(shù)實現(xiàn)函數(shù)的展寬；(5)用展寬后的函數(shù)對光學(xué)相干層析原始圖像做直方圖匹配；(6)最后獲得對比度增強(qiáng)并適合人眼觀察的光學(xué)相干層析輸出圖像。
2.根據(jù)權(quán)利要求書1所述的方法，其特征在于，可以選作概率密度函數(shù)的函數(shù)具有以下特征該函數(shù)隨自變量增加而減小或有唯一極大峰值，并且當(dāng)自變量趨于無窮大時該函數(shù)的值趨于0。
3.根據(jù)權(quán)利要求書2所述的方法，其特征在于，可以選作概率密度函數(shù)的函數(shù)有底數(shù)大于1的負(fù)指數(shù)函數(shù)、高斯函數(shù)、厄蘭函數(shù)。
全文摘要
提高光學(xué)相干層析術(shù)成像質(zhì)量的方法。包括采用擬作為概率密度函數(shù)的各函數(shù)對光學(xué)相干層析原始圖像的歸一化直方圖進(jìn)行最小二乘擬合；選擇殘差平方和最小的函數(shù)及其參數(shù)作為最佳的擬合函數(shù)；通過改變所選擇函數(shù)的參數(shù)實現(xiàn)函數(shù)的展寬；用展寬后的函數(shù)對光學(xué)相干層析原始圖像做直方圖匹配；最后獲得對比度增強(qiáng)并適合人眼觀察的光學(xué)相干層析輸出圖像。其中，可選作概率密度函數(shù)的函數(shù)特征是函數(shù)值只有唯一極大峰或是隨自變量增加而遞減，且當(dāng)自變量趨于無窮大時函數(shù)值趨于0的函數(shù)。本發(fā)明可根據(jù)不同掃描樣品的特征自動選擇合適的函數(shù)及參數(shù)進(jìn)行直方圖匹配處理，實現(xiàn)對樣品的最佳成像，克服了現(xiàn)有技術(shù)中主觀設(shè)定參數(shù)的缺點(diǎn)，而且不會造成信息丟失。
文檔編號G06T5/40GK101057777SQ20071005751
公開日2007年10月24日 申請日期2007年6月1日 優(yōu)先權(quán)日2007年6月1日
發(fā)明者劉亦珩, 梁艷梅, 母國光 申請人:南開大學(xué)