對(duì)圖像進(jìn)行灰度補(bǔ)償和噪聲抑制的方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請(qǐng)涉及圖像處理技術(shù)，尤其涉及一種對(duì)圖像中的非周期性噪聲進(jìn)行灰度補(bǔ)償 的方法和裝置，以及一種采用這種方法或裝置進(jìn)行噪聲抑制的方法及裝置，特別地，該圖像 為被周期性噪聲干擾的圖像。
【背景技術(shù)】
[0002] 數(shù)字X射線照相術(shù)（DigitalRadiography，DR)是一種采用數(shù)字傳感器檢測(cè)X光進(jìn) 行拍攝醫(yī)學(xué)相片的技術(shù)，其以數(shù)字的方式存儲(chǔ)和處理醫(yī)學(xué)圖像，具有采集和傳輸速度快、更 容易進(jìn)行圖像增強(qiáng)和顯示等優(yōu)點(diǎn)，目前已經(jīng)廣泛應(yīng)用于各種醫(yī)學(xué)檢查和診斷。
[0003] 為了提高DR圖像的分辨率，大多數(shù)DR產(chǎn)品都會(huì)在X光接收平板和人體之間加入 一塊防散射濾線柵。該濾線柵的作用是，讓來(lái)自正面的穿過(guò)人體的X光通過(guò)的同時(shí)，使得從 人體散射出來(lái)的X光被濾除，從而盡量避免平板上的同一感光點(diǎn)接收到來(lái)自人體不同組織 的X光信號(hào)，以提高圖像對(duì)比度和空間分辨率。當(dāng)濾線柵的空間頻率不是圖像的空間采樣 頻率的整數(shù)倍時(shí)，圖像上會(huì)顯示出條紋狀的噪聲，為如圖1所示的柵影13,其通常呈現(xiàn)為周 期性噪聲。這種現(xiàn)象稱之為摩爾效應(yīng)（Moir6 effect);所產(chǎn)生的條紋又稱為摩爾條紋或云 紋。摩爾條紋的存在會(huì)影響正常人體組織顯示，進(jìn)而影響醫(yī)生對(duì)病癥的診斷。為了避免這 種摩爾條紋，通常可采用如下幾種方法，即：1)調(diào)整濾線柵的線密度，使得其頻率是平板采 樣頻率(即像素點(diǎn)間隔的倒_的整數(shù)倍；2)采用運(yùn)動(dòng)?xùn)牛?dāng)柵的運(yùn)動(dòng)速度足夠大，使得柵經(jīng) 過(guò)像素點(diǎn)的時(shí)間小于該像素點(diǎn)的曝光時(shí)間時(shí)，柵影將減弱或消失；3)使用圖像處理的方法 去除這種云紋。其中，方法1)和方法2)對(duì)濾線柵的結(jié)構(gòu)和安裝要求較高，而方法3)對(duì)濾 線柵的結(jié)構(gòu)和安裝方式要求降低，但需要去除成像時(shí)產(chǎn)生的條紋，并且要求不能受到成像 平板本身缺陷(如壞線、壞點(diǎn)）帶來(lái)的影響。
[0004] 對(duì)于使用圖像處理的方法，大多數(shù)是使用基于空間域卷積濾波或頻域直接進(jìn)行抑 制。這一類方法容易受成像平板壞線的影響，濾波過(guò)程中在壞線周圍產(chǎn)生擴(kuò)散式的振鈴效 應(yīng)，參見(jiàn)圖2的壞線圖像和圖3的低通濾波后的圖像。為了降低這種振鈴效應(yīng)，通常有兩 種做法。一是在設(shè)計(jì)濾波時(shí)在盡量降低濾波器的階數(shù)，通過(guò)犧牲頻率特性來(lái)?yè)Q取較低的振 鈴效應(yīng)。二是盡量減小壞線或壞點(diǎn)處周圍像素點(diǎn)的突變，即采用好的插值算法計(jì)算出壞線 或壞點(diǎn)的可能值，也就是恢復(fù)壞線或壞點(diǎn)處的像素值（即灰度補(bǔ)償)。因?yàn)閷?duì)壞線處采用常 用的插值方法如線性插值、三次插值等進(jìn)行插值，只能得到平滑的過(guò)渡，破壞了柵影的周期 性，導(dǎo)致頻域?yàn)V波產(chǎn)生振鈴效應(yīng)而不能達(dá)到有效降低振鈴的效果。對(duì)于帶柵影的DR圖像， 第一種方法通常無(wú)法達(dá)到在徹底濾除柵影的同時(shí)而不在壞線處產(chǎn)生振鈴效應(yīng)，而第二種方 法則需要在灰度補(bǔ)償?shù)耐瑫r(shí)考慮柵影的影響，即不能只考慮簡(jiǎn)單的鄰域插值，還應(yīng)將柵影 的周期性規(guī)律考慮進(jìn)去。然而，目前尚未有研究給出既能有效去除柵影同時(shí)又能將振鈴的 產(chǎn)生最小化的算法。

【發(fā)明內(nèi)容】

[0005] 根據(jù)本申請(qǐng)的第一方面，本申請(qǐng)?zhí)峁┮环N對(duì)圖像中的非周期性噪聲進(jìn)行灰度補(bǔ)償 的方法，包括：
[0006] 圖像獲取步驟：獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖像；
[0007] 周期確定步驟：確定所述周期性噪聲的周期；
[0008] 數(shù)據(jù)獲取步驟：檢測(cè)待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近的數(shù) 據(jù)作為輸入數(shù)據(jù)；
[0009] 值恢復(fù)步驟：將所述周期性噪聲的周期和輸入數(shù)據(jù)代入信號(hào)分離模型，對(duì)信號(hào)分 離模型進(jìn)行優(yōu)化，得到對(duì)應(yīng)于所述輸入數(shù)據(jù)的干凈圖像信號(hào)、周期性噪聲和非周期性噪聲， 根據(jù)得到的結(jié)果恢復(fù)所述輸入數(shù)據(jù)中非周期性噪聲處的像素值。
[0010] 根據(jù)本申請(qǐng)的第二方面，本申請(qǐng)?zhí)峁┮环N對(duì)圖像中的非周期性噪聲進(jìn)行灰度補(bǔ)償 的方法，包括：
[0011] 圖像獲取步驟：獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖像；
[0012] 方向確定步驟：確定所述周期性噪聲的方向，如果所述周期性噪聲的方向與非周 期性噪聲的方向平行，執(zhí)行如下步驟：
[0013] 周期確定步驟：確定所述周期性噪聲的周期；
[0014] 數(shù)據(jù)獲取步驟：檢測(cè)待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近的數(shù) 據(jù)作為輸入數(shù)據(jù)；
[0015] 值恢復(fù)步驟：將所述周期性噪聲的周期和輸入數(shù)據(jù)代入信號(hào)分離模型，對(duì)信號(hào)分 離模型進(jìn)行優(yōu)化求解，得到對(duì)應(yīng)于所述輸入數(shù)據(jù)的干凈圖像信號(hào)、周期性噪聲和非周期性 噪聲，根據(jù)得到的結(jié)果恢復(fù)所述輸入數(shù)據(jù)中非周期性噪聲處的像素值。
[0016] 根據(jù)本申請(qǐng)的第三方面，本申請(qǐng)?zhí)峁┮环N對(duì)圖像進(jìn)行噪聲抑制的方法，包括：
[0017] 采用如上所述的方法對(duì)圖像中的非周期性噪聲進(jìn)行灰度補(bǔ)償，得到灰度補(bǔ)償后的 圖像；
[0018] 對(duì)灰度補(bǔ)償后的圖像進(jìn)行頻域?yàn)V波。
[0019] 根據(jù)本申請(qǐng)的第四方面，本申請(qǐng)?zhí)峁┮环N對(duì)圖像中的非周期性噪聲進(jìn)行灰度補(bǔ)償 的裝置，包括：
[0020] 圖像獲取模塊，用于獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖 像；
[0021] 周期確定模塊，用于確定所述周期性噪聲的周期；
[0022] 數(shù)據(jù)獲取模塊，用于檢測(cè)待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近 的數(shù)據(jù)作為輸入數(shù)據(jù)；
[0023] 值恢復(fù)模塊，用于將所述周期性噪聲的周期和輸入數(shù)據(jù)代入信號(hào)分離模型，對(duì)信 號(hào)分離模型進(jìn)行優(yōu)化，得到對(duì)應(yīng)于所述輸入數(shù)據(jù)的干凈圖像信號(hào)、周期性噪聲和非周期性 噪聲，根據(jù)得到的結(jié)果恢復(fù)所述輸入數(shù)據(jù)中非周期性噪聲處的像素值。
[0024] 根據(jù)本申請(qǐng)的第五方面，本申請(qǐng)?zhí)峁┮环N對(duì)圖像中的非周期性噪聲進(jìn)行灰度補(bǔ)償 的裝置，包括：
[0025] 圖像獲取模塊，用于獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖 像；
[0026] 方向確定模塊，用于確定所述周期性噪聲的方向，如果所述周期性噪聲的方向與 非周期噪聲的方向平行，將確定出的方向輸送到模型構(gòu)建模塊；
[0027] 所述模型構(gòu)建模塊，用于構(gòu)建待處理圖像的信號(hào)分離模型，所述信號(hào)分離模型將 待處理圖像分解為干凈圖像信號(hào)、周期性噪聲和非周期性噪聲；
[0028] 周期確定模塊，用于確定所述周期性噪聲的周期；
[0029] 數(shù)據(jù)獲取模塊，用于檢測(cè)待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近 的數(shù)據(jù)作為輸入數(shù)據(jù)；
[0030] 值恢復(fù)模塊，用于將所述周期性噪聲的周期和輸入數(shù)據(jù)代入信號(hào)分離模型，對(duì)信 號(hào)分離模型進(jìn)行優(yōu)化求解，得到對(duì)應(yīng)于所述輸入數(shù)據(jù)的干凈圖像信號(hào)、周期性噪聲和非周 期性噪聲，根據(jù)得到的結(jié)果恢復(fù)所述輸入數(shù)據(jù)中非周期性噪聲處的像素值。
[0031] 根據(jù)本申請(qǐng)的第六方面，本申請(qǐng)?zhí)峁┮环N對(duì)圖像進(jìn)行噪聲抑制的裝置，包括：
[0032] 如上所述的對(duì)圖像中的非周期性噪聲進(jìn)行灰度補(bǔ)償?shù)难b置；
[0033] 濾波模塊，用于對(duì)經(jīng)所述裝置灰度補(bǔ)償后的圖像進(jìn)行頻域?yàn)V波。
[0034] 根據(jù)本申請(qǐng)的第七方面，本申請(qǐng)?zhí)峁┮环N確定圖像中周期性噪聲的周期的方法， 包括：
[0035] 圖像獲取步驟：獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖像，從 所述待處理圖像中獲取感興趣區(qū)域的圖像數(shù)據(jù)；
[0036] 優(yōu)化求解步驟：將感興趣區(qū)域的圖像數(shù)據(jù)和預(yù)先設(shè)定的候選周期代入信號(hào)分離模 型，對(duì)信號(hào)分離模型進(jìn)行優(yōu)化求解，得到對(duì)應(yīng)于所述感興趣區(qū)域的圖像數(shù)據(jù)的干凈圖像信 號(hào)、周期性噪聲和非周期性噪聲；
[0037] 周期確定步驟：將求解出的周期性噪聲信號(hào)最強(qiáng)的模型對(duì)應(yīng)的候選周期確定為周 期性噪聲的周期。
[0038] 根據(jù)本申請(qǐng)的第八方面，本申請(qǐng)?zhí)峁┮环N確定圖像中周期性噪聲的周期的裝置， 包括：
[0039] 圖像獲取模塊，用于獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖 像，從所述待處理圖像中獲取感興趣區(qū)域的圖像數(shù)據(jù)；
[0040] 優(yōu)化求解模塊，用于將感興趣區(qū)域的圖像數(shù)據(jù)和預(yù)先設(shè)定的候選周期代入信號(hào)分 離模型，對(duì)信號(hào)分離模型進(jìn)行優(yōu)化求解，得到對(duì)應(yīng)于所述感興趣區(qū)域的圖像數(shù)據(jù)的干凈圖 像信號(hào)、周期性噪聲和非周期性噪聲；
[0041] 周期確定模塊，用于將求解出的周期性噪聲信號(hào)最強(qiáng)的模型對(duì)應(yīng)的候選周期確定 為周期性噪聲的周期。
[0042] 本發(fā)明的對(duì)圖像中非周期性噪聲進(jìn)行灰度補(bǔ)償?shù)姆椒ㄊ峭ㄟ^(guò)信號(hào)分離模型來(lái)實(shí) 現(xiàn)，在使用該模型時(shí)結(jié)合了確定出的周期性噪聲的周期進(jìn)行處理，使得在分離出周期性噪 聲信號(hào)、非周期性噪聲信號(hào)和干凈圖像信號(hào)這三個(gè)分量時(shí)能夠考慮到噪聲的周期性影響， 從而能夠在進(jìn)行灰度補(bǔ)償時(shí)考慮周期性噪聲的影響，使得灰度補(bǔ)償后由于延續(xù)了周期性， 在進(jìn)行后續(xù)噪聲抑制時(shí)不會(huì)產(chǎn)生振鈴效應(yīng)，進(jìn)而改善圖像質(zhì)量。
【附圖說(shuō)明】
[0043]圖1為防散射濾線柵工作時(shí)柵影產(chǎn)生的示意圖，其中11為X光接收平板，12為濾 線柵，13為柵影，短箭頭14為直射線，長(zhǎng)箭頭15為散射線；
[0044] 圖2和圖3分別為壞線振鈴產(chǎn)生的壞線圖像示意圖和低通濾波后的圖像示意圖； [0045] 圖4為本發(fā)明一種實(shí)施例中輸入的DR圖像信號(hào)分解為三個(gè)信號(hào)分量的示意圖；
[0046] 圖5為圖4所示信號(hào)分量p的示意圖；
[0047] 圖6為本發(fā)明一種實(shí)施例的帶濾線柵的DR圖像的非周期性噪聲進(jìn)行灰度補(bǔ)償方 法的流程示意圖；
[0048] 圖7為本發(fā)明一種實(shí)施例中的柵影方向檢測(cè)算法的流程示意圖；
【具體實(shí)施方式】
[0049] 本發(fā)明提出一種對(duì)圖像中的非周期性噪聲進(jìn)行灰度補(bǔ)償?shù)姆椒ǎㄒ韵潞?jiǎn)稱本方 法)，，特別地，該圖像為被周期性噪聲干擾的圖像。該方法可以應(yīng)用于包括但不限于帶防散 射濾線柵的數(shù)字放射圖像(簡(jiǎn)稱DR圖像)中。以下以對(duì)帶濾線柵(對(duì)應(yīng)周期性噪聲)的DR圖 像中的壞線或壞點(diǎn)(對(duì)應(yīng)非周期性噪聲）進(jìn)行灰度補(bǔ)償為例，對(duì)本方法進(jìn)行詳細(xì)說(shuō)明，應(yīng)理 解，以下的方法能適用于各種需要抑制周期性噪聲的圖像。
[0050] 本方法是基于這樣一種情形下的信號(hào)處理：一個(gè)干凈的信號(hào)X受到周期性噪聲p 的加性干擾，并且在觀測(cè)時(shí)由于傳感器缺陷引入稀疏的噪聲s (包括壞線或壞點(diǎn)，也稱為非 周期性噪聲)，此時(shí)需要從傳感器輸出d來(lái)進(jìn)行s、p和X三個(gè)分量的估計(jì)。簡(jiǎn)言之，即根據(jù) 式子d=s+p+x分別求出s、p和X三個(gè)未知分量。通過(guò)該式子構(gòu)建信號(hào)分離模型(簡(jiǎn)稱SPX 模型)，根據(jù)SPX模型進(jìn)行優(yōu)化求解，由此實(shí)現(xiàn)對(duì)DR圖像中的柵影周期的計(jì)算，或者是實(shí)現(xiàn) 對(duì)DR圖像中的柵影周期的