X光图像增强

原创 2015年07月07日 15:10:25
X光拍摄出的原始图像,一般都比较模糊不清,而在医学应用上,这些被模糊的细节又非常有用,因此,X光图像的增强一直是人们研究的重点。下面,给大家介绍一种非常有用的增强方法:Gauss Laplacian Pyramid算法

关于该方法,已有不少文献对其进行了介绍和阐述,但一般都比较晦涩难懂,本人做了一个比较清晰的实现步骤,以此供大家参考。而关于分解的细节图像如何进行增强(后文会提到),不是本文介绍的重点,在这只做些基础介绍,有更高要求的朋友,可以去查查专业文献来实现。

先上图,看下效果:

       

                  原始图像

        

     增强效果

                 增强效果

实现步骤:

一: 图像分解:

  1. 输入原始图像I,大小为m*n。因为该算法是金字塔分解,我们设图像尺寸为m*n时为第一层;
  2. 对I进行5*5的高斯滤波,得到结果为F;
  3. 对F进行下采用,具体操作是将F隔行和隔列采集,得到图像R,大小为m/2*n/2;
  4. 对图像R进行5*5的高斯滤波,并将图像插值放大尺寸至m*n,得到图像E;
  5. 图像I减去图像E,得到细节图像D,大小为m*n。这里需要对细节图像进行增强处理,以使得后面重建的图像为一增强图像;
  6. 将第三步的下采样图像R赋值到第一步中的I,m更新为m/2,n更新为n/2,然后在顺序执行1~6,直到F图像尺寸为1*1。

二 重建部分

  1. 设分解的最后一层(设为k层)的下采样图像R尺寸为m*n,将R进行高斯滤波并上采样得到图像E,尺寸变为2*m * 2*n,设2*m = M,2*n = N;
  2. 将E和分解的第k-1层的细节图像D(因为是第k-1层,所以其大小也为2*m * 2*n)相加,得到2*m * 2*n的增强图像En;
  3. 将En赋值到第一步的R,然后顺序执行1~2,并将m更新为M,n更新为N。直至加到第一层的细节图像,得到最终的重建图像。

  需要注意的是,如果我们按照以上的分解和重建步骤来做,不对分解过程中的细节图像做增强,那么重建后的图像和原始输入图像应该是完全一样的。

三 细节图像增强方法  

  细节图像增强方法主要分为两部分,一个是针对分解过程中每一层的细节图像特点,给予不同的增益权重。另外,针对细节图像特点,要保证其在最终的重建图像不失真要求,本人采用了指数函数对其增强:

  

  参数a就是根据不同层设置不同的增益权重,下图显示的就是不同参数p的不同增强效果。

 

  在图像分解过程中发现,一般在第四层是个分水岭,前三层图像细节较小,后面开始细节相对来说比较明显,因此可以对前三层图像乘以一个较大的系数,而对后面几层乘以一个相对小一点的系数。

  关于细节图像的增强,相关文献中有很多更详细的解释,在此不一一介绍了。另外,大家还可以通过Gauss卷积后的图像做下光照调整,可以使得最终的重建效果更加完美。

版权声明:本文为博主原创文章,未经博主允许不得转载。

相关文章推荐

X光图像增强

X光拍摄出的原始图像,一般都比较模糊不清,而在医学应用上,这些被模糊的细节又非常有用,因此,X光图像的增强一直是人们研究的重点。下面,给大家介绍一种非常有用的增强方法:Gauss Laplacian ...

第3章 空间域图像增强

  • 2016-05-29 22:00
  • 6.24MB
  • 下载

基于PCNN的图像增强

基于PCNN的图像增强matlab代码

function grayenhancement %名称:PCNN灰度图像增强 %功能:对图像进行增强处理,使之轮廓、纹理清楚,细节清晰 %% clc close all %% [filename,p...

第二章 、图像增强

  • 2016-05-04 19:49
  • 7.89MB
  • 下载

图像增强代码

【算法学习】【图像增强】CHAHE(限制对比度自适应直方图均衡)

转自 :限制对比度自适应直方图均衡化算法原理、实现及效果 一、自适应直方图均衡化(Adaptive histgram equalization/AHE)       1.简述        ...

图像增强算法

  • 2014-08-14 10:17
  • 1.10MB
  • 下载

图像增强.ppt

  • 2015-04-24 10:27
  • 3.16MB
  • 下载

图像增强之——同态滤波

说明:同态滤波是频域滤波的一种,但是相比之下同态滤波有自己的优势, 频域滤波可以灵活地解决加性噪声问题,但无法消减乘性或卷积性噪声。       同态滤波是一种在频域中同时将图像亮度范围进行压缩和...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:深度学习:神经网络中的前向传播和反向传播算法推导
举报原因:
原因补充:

(最多只允许输入30个字)