专利名称：生成多尺度对比增强图像的方法
技术领域：
本发明涉及用于增强由数字信号表示的图像的对比度的方法。
背景技术：
由数字信号表示的图像、如医疗图像通常在显示或硬拷贝记录 期间或之前经过图像处理。
灰度值像素到适合于再现或显示的转换可包括多尺度图像处理 方法(又称作多分辨率图像处理方法)，通过它可增强图像的对比度。
根据这样 一种多尺度图像处理方法，由像素值的阵列表示的图 像通过应用以下步骤来处理。首先，以多个尺度将原始图像分解为 一系列详细图像以及有时还有残留图像。随后，通过对这些像素值 应用至少一次转换来修改详细图像的像素值。最后，通过将重构算 法应用于残留图像和已修改详细图像，来计算所处理图像。这样一
种方法如图2和图3所示。
对于转换功能的行为存在限制。图像的灰度值转变可能失真， 在转换函数过于非线性时达到外观变为不自然的程度。失真在有效 灰度级转变附近更为显著，它可能导致阶跃边缘的超调以及朝向强 阶跃边缘的低变异区域的均质性损失。建立伪像的风险对于CT图像 变得更显著，因为它们具有更锐利的灰度级转变，例如在软组织和 对比剂的接触面上。对CT图傳-使用多尺度技术必须非常小心。
在US 6731790 Bl中描述了一种方法，其中，在由数字信号表示 的图像中校正伪像。已校正伪像来源于多尺度图像表示的成分的任 何种类的非线性修改。 生成并修改原始图像的梯度表示。将修改步骤应用于梯度图像。 将重构过程应用于已修改梯度表示。
本发明的 一个目的是提供一种用于增强由数字信号表示的图像 的对比度的方法，它克服了先有技术的不便之处。
更具体来说，本发明的一个目的是提供一种新的多尺度对比增 强算法，它产生对比增强图像，同时保留边缘转变的形状。
发明内容
上述方面通过所附权利要求书定义的方法来实现。 在相关权利要求中阐述了本发明的具体和优选实施例。 本发明规定，增强的详细图像值通过中心差值的增强来建立。
本发明的方法不同于先有l支术的多尺度对比增强的原因在于 先有技术的算法经由通过查找表或乘法放大系数将转换函数直接应
用于详细像素值，来放大详细像素值。
本发明适用于从其中可通过应用逆变换来计算原始图像的所有 多尺度详细表示方法。
本发明适用于所有多尺度分解方法，其中，详细像素相等于转 化差值图像之和，或者可作为中心差值图像来计算。
根据本发明，通过以至少一个尺度来组合增强中心差值，直接 计算增强像素值。(在图4、图6和图8中分别对于图5、图7和图9 中所述的对应增强步骤进行说明)
本发明的整体特性如图1所示。
本发明 一般作为适合于当运行于计算机时执行权利要求中的任 一项所述的方法并存储在计算^L可读媒体中的计算机程序产品来实 现。
本发明的实施例的其它优点和实现将在以下描述中进行说明并 且通过附图来表示。
在本发明的上下文中，具体术语定义如下
多尺度分解机构
图像的多尺度(或多分辨率)分解是以灰度值图像的多个尺度来计 算详细图像的过程。多尺度分解机构一般包括用于计算详细图像的 滤波器组。众所周知的技术例如包括拉普拉斯金字塔、伯特金字 塔、拉普拉斯栈、子波分解、OMF滤波器组。
近似图像
近似图像是以相同或更大尺度或者以相同或更低分辨率来表示 原始灰度值图像的灰度值图像。特定尺度的近似图像相当于原始灰 度值图像，其中，那个尺度的所有细节已经被省略(MallatS.G.的"多 分辨率信号分解的理论子波表示，，(IEEE Trans. On Pattern Analysis and Machine Intelligence, vol.l 1, no.7,1989年7月》。
详细图l象
详细图像被定义为某个尺度的近似图像与更小尺度的近似图像 之间的信息的差异。 转换算子
转换算子是作为建立灰度值图像的对比增强形式的中间步骤的 生成详细像素值的逐个像素修改的算子。例如，在欧洲专利EP527525 中描述了这样一种算子。修改由转换函数来定义，并且例如可实现 为查找表或者实现为乘法放大。
转化差值图像
尺度s的转化差值图像是尺度s的近似图像的各像素的基本对比 的测量。它们可通过取那个尺度s的近似图像与已转化形式的差值来 计算。基本对比的其它计算是可行的，例如，在处理步骤之前有指 数变换以及之后有对数变换的情况中，可采用像素与相邻像素之比。
中心差值图像
中心差值图像通过将组合算子(例如总和)应用于转化差值图像来 计算。
组合算子可能是转化差值图像中的对应像素值的线性或非线性
函数。 "
图1示意性示出本发明的方法的步骤，
图2说明根据先有技术的多分辨率图像处理方法， 图3说明图2所示的多分辨率图像处理方法的图像增强步骤， 图4、图6和图8说明根据本发明的多分辨率图像处理方法的不 同实现，
图5说明图4所示的多分辨率图像处理方法的图像增强步骤， 图7说明图6所示的多分辨率图像处理方法的图像增强步骤， 图9说明图8所示的多分辨率图像处理方法的图像增强步骤， 图IO说明本发明的方法中所需的转化差值图像和转化的数目， 图ll是与以上附图中使用的符号有关的图例。
具体实施例方式
这种对比增强算法适用于从其中可通过应用逆变换来计算原始 图像的所有多尺度详细表示方法。
它适用于可作为转化差值图像的加权和来计算的可逆多尺度详 纟田表示。
转化差值图像的加权因子和转化偏移量可从多尺度分解中得 出，其方式是，转化差值图像的所得加权和与详细像素值相同。
对于这些多尺度详细表示，可通过在计算加权和之前将转换算 子应用于中心差值来增强对比。 、
为了计算转化差值图像的加权和，可使用相同尺度(或分辨率级)
的近似图像或者更小尺度(或更细分辨率级)的近似图像。
现有技术的多尺度对比增强算法将图像分解为包括表示多个尺
度的细节的详细图像和残留图像的多尺度表示。
重要的多尺度分解的一部分是子波分解、高斯-拉普拉斯(或LoG分解)、高斯差值(或DoG)分解以及伯特金字塔。
通过应用高通和低通滤波器的级联，之后跟随二次抽样步骤， 来计算子波分解。
高通滤波器从特定尺度的近似图像中提取详细信息。
在伯特金字塔分解中，通过减去尺度k+l的近似图像的上抽样 形式，从尺度k的近似图像中提取详细信息。
在如EP527525公开的一种现有技术方法中，通过转换详细图像 中的像素值，之后跟随多尺度重构，来建立图像的对比增强形式。
多尺度分解的所有上述实现具有一个共同属性。详细图像中的 各像素值可通过组合运动邻域中的像素值从近似图像中计算。
在上述情况中，组合函数为加权和。
对于子波分解，尺度k的详细图像中的像素值计算为
其中的hd为高通滤波器，ld为低通滤波器，*为巻积算子，以及 l为二次抽样算子(即，不考虑每个第二行和列)。
对于子波分解，尺度k的增强近似图像计算为
其中的hr为高通滤波器，lf为低通滤波器，以及t为上抽样算子
(即，将具有o值的像素插入任^r两行和列之间)。
对于伯特分解，尺度k的详细图像中的像素值计算为 或者
<formula>formula see original document page 8</formula>或者
<formula>formula see original document page 8</formula> 其中的g为高斯低通滤波器，以及l为恒等算子。
对于伯特分解，尺度k的增强近似图像计算为
其中的f(X)为转换算子。 作为加权和的多尺度详细像素值
假定在伯特多尺度分解中，5x5高斯滤波器与系数Wk，,结合使用，
其中的k二2,…2,以及l;2,…，2,则二次抽样算子删除每个第二行和 列，以及上抽样算子将具有0值的像素插入任何两行和列之间。 近似图像gk+1中的位置i,j上的像素计算为
上抽样图像uk中的位置i,j上的像素计算为:
<formula>formula see original document page 9</formula>若i和j为偶凄史
否则
上抽样平滑图像gUk中的位置ij上的像素计算为:
<formula>formula see original document page 9</formula>若1和J为偶数
<formula>formula see original document page 9</formula>-匿2 -2
<formula>formula see original document page 9</formula>若1为奇数但」'为偶数
最后，详细图像dk中的位置ij上的像素计算为:
<formula>formula see original document page 10</formula>若i和j为偶数
若i为奇数但j为偶数
若i为偶数但j为奇数
若i和i为卉遽t
一般来说，详细图像dk中的位置ij上的像素可计算为相同或更 小尺度k、 k-l、 k-2、...的近似图像中的像素的加权和
<formula>formula see original document page 10</formula>
其中的1 6 (0,…,k》以及F二次抽样—因子(1-k) 因为<formula>formula see original document page 10</formula>
所以详细图像dk中的位置i,j上的像素计算为
<formula>formula see original document page 10</formula><formula>formula see original document page 10</formula><formula>formula see original document page 10</formula>
项g,(ri,ij一g,(ri+m,ij+n)称作转化差值。
它表示近似图像中的中心像素与相邻像素之间的像素值的差 异。它是局部对比度的测量。
转化差值的加权和称作中心差值Ck(i」)。
通过类似的方式可以证明，其它多尺度分解方法中的详细图像 也可表示为转化差值图像的组合。
转换操作 '
在例如EP527525中公开的一种现有技术方法中，对比增强通过 将转换算子f(x)应用于详细图像dk来获得，或者相当于
<formula>formula see original document page 11</formula>这样一种转换算子的实例是s形函数。这种转换算子的另一个
实例是例如EP525527中公开的一种对比增强函数。转换算子的形状 取决于增强的特定要求，它用于将低值详细像素比高值详细像素放 大更多。
转换步骤可能引起重构对比增强图像中的边缘转变的形状的变 形。原因在于转换函数的非线性度。 一般来说，以下适用于非线性 函数
或者
<formula>formula see original document page 11</formula>现有技术的算法首先将详细图像dk冲的像素值计算为加权和， 然后再应用转换步骤。
通过将详细图像dk中的像素值改写为转化差值的加权和，能够 在求和之前而不是之后应用转换步骤。
对比增强这时通过对转化差值应用转换步骤来获得
<formula>formula see original document page 11</formula>这样，在对比增强重构图像中更好地保留了边缘转变的形状。
如果对于每一个尺度k都从全分辨率图像g。中计算那个尺度的 详细图像，并且将增强应用于中心差值，则在重构之后最佳地保留 了边缘转变的形状。 在图4、图6和图8中对于图5、图7和图9中所述的对应增强 步骤来说明本发明的不同实现。
首先计算转化差值图像。这个步骤通过从近似图像&本身减去 近似图像gl的转化形式来进行。
所需的转化差值图像和转化的数量由多尺度分解中用于从尺度 {0,…k》的元素1的近似图像中计算尺度k的详细图像的滤波器的级 联的空间程度来规定。
例如，在伯特分解中5x5高斯滤波器以及给定采用与详细图像 相同的尺度的近似图像的事实的情况下，需要9x9=81个转化差值图 像。
图IO示意性示出一维情况。
对于详细图像中的各像素位置ij，计算加权w^，使得转化差值 的加权和完全匹配通过直接应用上述伯特分解所产生的像素值。
对比增强通过线性转换转化差值图像来获得。
采用加权wm，n将至少一个增强中心差值图像计算为对比增强转 化差值图像的加权和。
图像的重构对比增强形式通过对增强中心差值图像应用多尺度 重构来计算。
对于令以上公开的多尺度分解/重构算法在排除了转换步骤的情 况下是可逆的，需要如上所述的加权w^的条件。
权利要求
1.一种增强由数字信号表示的图像的对比度的方法，其中-以一个或多个尺度建立至少一个近似图像，某个尺度的近似图像表示所述图像的灰度值，其中已经省略那个尺度的所有细节，-通过逐个像素减去尺度s的近似图像的值以及所述近似图像的转化形式的值，来建立转化差值图像，-非线性地修改所述转化差值图像的值，-通过将那个尺度或者更小尺度的所述已修改转化差值图像与加权wi，j结合，由此选择所述加权wi，j，使得在没有执行增强时，获得所述图像的多尺度分解的等效形式，来计算特定尺度的至少一个增强中心差值图像，-通过对所述增强中心差值图像应用重构算法来计算增强图像。
2. 如权利要求1所述的方法，其特征在于，从相同尺度的近似图像中计算特定尺度的转化差值图像。
3. 如权利要求1所述的方法，其特征在于，所有所述转化差值 图像均从原始图像中计算。
4. 如权利要求1所述的方法，其特征在于，从尺度m的近似图 像中计算尺度k的转化差值图像，其中m表示尺度1与尺度k-l之间 的尺度。
5. 如权利要求1或4所迷的方法，其特征在于，所述中心差值 图像与所述多尺度详细图像相同。
6. 如以上权利要求中的任一项所述的方法，其特征在于，所述 图像是乳房x射线照相图像。
7. 如以上权利要求中的任一项所述的方法，其特征在于，所述 图像是CT图像。
8. —种计算机程序产品，适合于当运行于计算机时执行如以上权利要求中的任一项所述的方法。
9. 一种计算机可读媒体，包含适合于执行如以上权利要求中的 任一项所述的步骤的计算机可执行程序代码。
全文摘要
本发明描述了生成保留了边缘转变的形状的多尺度对比增强图像的方法。通过以至少一个尺度来组合增强中心差值图像来计算增强详细像素值。
文档编号G06T5/00GK101201935SQ200710169558
公开日2008年6月18日 申请日期2007年11月5日 优先权日2006年12月11日
发明者P·武伊尔斯特克, T·伯滕 申请人:爱克发医疗保健公司