基于能量調整的射線圖像增強算法

摘 要： 提出了基于能量調整的射線圖像增強算法，該算法是基于成像前后圖像能量基本保持不變的前提，在頻域上對圖像進行高低頻能量的相互轉換，以達到增強射線圖像全局對比度和細節信息的目的。實驗部分兼顧定性和定量方法，分析了算法的效果，并與幾種常用的圖像增強算法進行了比較，結果顯示該算法效果較好，能有效解決圖像對比度偏低的問題。

關鍵字： 能量調整； 調制傳遞函數； 低頻削弱； 高頻增強； Gamma校正

中圖分類號： TN911.73?34 文獻標識碼： A 文章編號： 1004?373X（2015）13?0042?04

Abstract： In this paper， the radiographic image enhancement algorithm based on energy adjustment is proposed， which makes image energy remain the same before and after imaging， and executes interconversion between high and low frequency energy for image in frequency?domain to enhance the overall contrast and detail information of radiographic image. The effect of the algorithm was analyzed by the experiment which gives the consideration to both qualitative and quantitative methods. Experiment results show that the proposed algorithm has better effect than other common image enhancement algorithms and can effectively solve the problem of low image contrast .

Keywords： energy adjustment； modulation transfer function； low frequency weakening； high frequency enhancement； Gamma correction

0 引 言

由于受到成像系統中光學鏡頭、影像增強器等的影響，射線圖像對比度一般比較差，圖像細節信息易丟失。因此，在應用中通常需要增強圖像對比度和細節信息，擴大圖像的灰度范圍，突出圖像中的感興趣區域。

常用的圖像增強方法有：空域處理法和頻域處理法。空域方法主要包括灰度變換法、直方圖法[1]、空間濾波法[2]等；頻域的方法主要有同態濾波法[3]、反銳化掩模法[4]等。這些圖像增強算法的通用性較強，但是在處理射線圖像時效果并不理想。文獻[5]提出了基于灰度對比和自適應小波變換的X射線圖像增強算法，但難以在細節增強和噪聲抑制之間取得良好折衷；文獻[6]提出了將全局自適應均衡與局部動態增強相結合的射線圖像增強算法，但其在細節增強方面的效果不明顯；文獻[7]提出基于多尺度對比度塔的圖像增強算法，其運算量大，實時性較差且容易過度增強。本文根據圖像退化前后的能量特性，提出了基于能量調整的圖像增強方法。該方法在頻域上對射線圖像進行高低頻能量調整，再利用Gamma校正[8]保證圖像的總能量基本保持不變。實驗證明該方法可以有效地提高圖像對比度，增強圖像細節。

1 能量特性

成像系統的成像特性和像質評價，可以使用物體本身，即真實的“像”和物體通過成像系統成像后的頻率之比來表示。這種頻率對比特性，就是所謂的調制傳遞函數（Modulation Transfer Function，MTF）。每一個光學成像系統的MTF值的高低在一定程度上決定了成像后圖像對比度的高低，且會隨著不同的成像系統和不同的空間頻率而改變，一般有[0≤MTF≤1。]光學系統的調制傳遞函數對真實圖像所產生的影響，類似于將其與一個復雜的傳遞函數卷積。

由于在射線成像系統中，難以得到較理想的沒有衰減的圖像，本文使用退化前后的衛星圖像來說明成像系統的能量特性。

圖1為衛星圖像的原圖和經MTF退化后的圖像以及它們各自的頻譜圖。在本文中，使用圖像的灰度均值來近似地表示圖像的能量。計算結果顯示圖1中原圖與退化后圖像的能量基本相等。退化圖像的邊緣細節信息模糊不清，灰度變化平滑過渡，另外，從退化前后的頻譜圖像中可以看出，高頻部分減少了而低頻部分增加了。

因此在總能量不變的情況下，經光學成像系統后，有一部分高頻能量轉換為低頻能量，光學成像系統的調制傳遞函數在圖像的頻域上就表現為高低頻能量的相互轉換。

2 算法描述

基于能量調整的射線圖像增強算法包括三個主要部分，即低頻削弱、高頻增強和Gamma校正。

2.1 低頻削弱處理

射線圖像包含大量的低頻信息，所以在傅里葉變換域中，低頻信號的幅值較大，低頻削弱就是降低低頻幅值最大點。設采集到的射線圖像為[f（i，j），]頻域圖像為[F（x，y），]在頻域圖像中幅值最大點的坐標為[（m，n），]低頻削弱后的頻域圖像為[F（x，y），]則低頻削弱公式為：

[F（x，y）=kF（x，y），（x，y）=（m，n）F（x，y）， 其他] （1）

其中，[0

2.2 高頻增強處理

由于高頻部分在圖像傅里葉變換域中不容易確定，所以，本文對上一步驟中的低頻削弱圖像進行單層小波變換分解[9]，得到近似小波系數、水平細節系數、垂直細節系數和對角細節系數，分別記為[A，][H，][V，][D。]高頻增強就是增大3個細節系數，設增強后的3個系數分別為[H，][V，][D，]本文采用的增強函數為：

[H=Hs，V=Vs，D=Ds] （2）

式中：[0

2.3 Gamma校正處理

低頻削弱和高頻增強將圖像中的高低頻能量進行了改變，結果也會改變圖像的總能量。為保證處理過程中圖像的總能量不變，采用Gamma校正進一步對圖像進行處理。

設經高頻增強后的圖像為[u（i，j）]，Gamma校正因子為[γ]，最終增強圖像為[g（i，j），]則校正公式為：

[g（i，j）=255u（i，j）255γ] （3）

其中校正因子[γ]的取值決定了校正后圖像的總能量。將高頻增強圖像[u（i，j）]的灰度均值記為[mu，]采集的原始圖像[f（i，j）]的灰度均值記為[mf，][γ]定義為如下形式：

[γ=mumf+τ] （4）

式中：[τ]為常量，目的是調整最終圖像的亮度值。當[τ=0]時，如果[mf>mu，]即高頻增強后的圖像均值小于原始采集圖像均值，則[γ<1，]那么[u（i，j）255γ>u（i，j）255，]也就是說經Gamma校正后，圖像的灰度均值得到了提高，趨近于原始采集圖像的均值；同理，如果[mf

3 實驗結果與分析

3.1 實驗參數及評價標準

像質計[10]為評判工業射線圖像清晰度的通用工具，能測定射線照相靈敏度，本文所用實驗圖像即為鐵質線型像質計射線圖像。實驗原圖像已經做了積分去噪的預處理。在實驗中，設定低頻削弱系數[k=0.6]，高頻增強系數[s=0.6]，亮度調節變量[τ=1.1]。為了定量的評價算法的優劣，選擇了灰度方差、對比度和圖像細節能量這三個參數對實驗結果進行分析。

3.1.1 方差

用[σ2]表示圖像方差，它的定義如下：

[σ2=1m×ni=1mj=1n[f（i，j）-mf]2] （5）

式中：[m×n]為圖像的大小；[f（i，j）]代表圖像在坐標[（i，j）]處的灰度值；[mf]為圖像的灰度均值，定義為：

[mf=1m×ni=1mj=1nf（i，j）] （6）

3.1.2 對比度

對比度可以描述圖像細節與圖像背景之間的差異性。顯然，在其他因素相同的條件下，對比度是衡量圖像質量的一個重要指標。在本文中，將對比度定義為：

[C=δ=0255δ（i，j）2Pδ（i，j）] （7）

式中：[δ（i， j）=|i-j|，]即相鄰像素間的灰度值差；[Pδ（i，j）]為相鄰像素間的灰度值差為[δ]的像素分布概率。

3.1.3 細節能量

細節能量反映了圖像中細節的豐富程度。本文中將細節能量定義如下：

[DE=1m×ni=1mj=1nσ2（i，j）] （8）

式中：[m]和[n]分別為圖像的高度和寬度；[σ2（i，j）]表示圖像的局部方差。

3.2 算法效果分析及比較

圖2為本文算法及幾種常用圖像增強算法的實驗效果圖。（a）是實驗原圖像，（b）和（c）分別為直方圖均衡化和同態濾波法的增強效果圖，（d）為文獻[6]算法的增強效果圖，（e）為本文算法的增強效果圖。

基于人眼視覺的效果可以看出，本文算法結果圖2（e）中，金屬細線可識別度明顯高于原始圖像，也沒有出現像圖2（b）那樣比較嚴重的不均衡，可以用于提取圖像細節特征信息。

圖3所示為對應上述五種圖像的直方圖，可以看出，本文算法在保持原始圖像灰度分布結構特性的基礎上，明顯擴展了圖像灰度動態范圍，沒有出現灰度分布過于集中的情況。

用方差、對比度和能量細節三項指標對上述各種方法處理的算法進行定量比較，結果見表1。

從表1可以看出，本文算法不論從全局對比度還是細節能量都比原始圖像有了顯著的提高；直方圖均衡化方法雖然在對比度增強上有較好的效果，但容易造成圖像對比度的過增強，而且在圖像的細節能量上沒有得到加強；文獻[6]的算法增強效果不明顯；同態濾波法無論是在視覺上還是在方差、對比度和細節能量的數據上都達不到本文方法的效果。

3.3 更多圖像增強效果實驗

圖4為本文算法對更多射線圖像進行增強的處理結果。圖4（a）為三幅輪轂射線圖像，前兩幅為輪輻，第三幅為輪輞；圖4（b）為本文算法的對應增強效果圖。對比可以看出，本文算法增強后的圖像更有利于提取細節特征信息。

圖5為本文算法對其他種類圖像的增強效果圖。圖5（a）為人體醫用射線胸片圖像和高空拍攝圖像，圖5（b）為本文算法處理效果圖。從圖像整體的對比度和細節豐富程度可以看出，本文算法對各類成像系統所得圖像均能在對比度、細節豐富程度上取得較好的增強效果。

4 結 論

本文針對射線圖像對比度偏低的現象，提出了基于能量調整的圖像增強算法。首先從成像系統的MTF出發，分析了圖像對比度下降的主要原因，然后在圖像變換域上，重新分配高低頻能量，并使用Gamma校正保證圖像的總能量保持基本不變，以達到增強對比度和細節的效果。實驗結果表明該算法能有效提高圖像對比度和加強細節信息。

參考文獻

[1] CELIK T. Two?dimensional histogram equalization and contrast enhancement [J]. Pattern Recognition， 2012， 45（10）： 3810?3824.

[2] 張秋菊，魯小利，王琪.基于自適應平滑濾波的圖像增強[J].現代電子技術，2013，36（22）：88?89.

[3] AGARWA K， TIWARI M， LAMBA S S. Modified histogram based contrast enhancement using Homomorphic filtering for medical images [C]// 2014 IEEE International Conference on Advance Computing. Gurgaon： IEEE， 2014： 964?968.

[4] ZHU Li， ZHU Chunqiang. An improved adaptive unsharp masking image enhancement algorithm [J]. Applied Mechanics and Materials， 2013， 327（14）： 1547?1550.

[5] 師黎，陳欣欣.基于灰度對比和自適應小波變換的X射線圖像增強[J].中國組織工程研究與臨床康復，2010，14（35）：6551?6554.

[6] 陳燕.射線圖像增強技術仿真研究[J].機械工程與自動化，2012（2）：56?57.

[7] 龍鈞宇，余紅，余愛民.基于多尺度對比度塔的圖像增強新算法[J].現代電子技術，2012，35（10）：75?77.

[8] HUANG Shi， CHENG Fan， CHI Yisheng. Efficient contrast enhancement using adaptive gamma correction with weighting distribution [J]. IEEE Transactions on Image Processing， 2013， 22（3）： 1032?1041.

[9] 周旋，周樹道，黃峰，等.基于小波變換的圖像增強新算法[J].計算機應用，2005（3）：606?608.

[10] 中華人民共和國國家質量監督檢驗檢疫總局.GB/T 23901.1?2009/ISO 19232?1：2004無損檢測射線照相底片像質 第1部分： 線型像質計像質指數的測定[S].北京：中華人民共和國國家質量監督檢驗檢疫總局，2009.