一種新的X射線圖像增強算法

摘 要:基于X射線影像增強器的視覺系統所成圖像的缺點是動態范圍小，對比度不夠高。為此，提出一種新的X射線圖像增強算法。首先在高低兩個不同射線管電壓下分別獲取兩幅圖像，利用離散小波變換對其進行多分辨率圖像融合，以擴展X射線圖像動態范圍，之后再利用雙平臺直方圖均衡算法對融合圖像進行增強。實驗結果顯示，射線圖像得到有效增強。

關鍵詞:X射線圖像; 圖像增強; 圖像融合; 雙平臺直方圖均衡化

中圖分類號:TP391.4 文獻標識碼:A

文章編號:1004-373X(2010)10-0105-03

New Algorithm of X-ray Image Enhancement

LI Han-zhi1，2， ZHAO Bao-sheng1， LI Wei3

(1. State Key Laboratory of Transient Optics and Photonics， Xi’an Institute of Optics and Precision Mechanics， CAS， Xi’ an 710119， China;

2. Graduate University of CAS， Beijing 100039， China; 3. School of Information Engineering， Chang’an University， Xi’an 710064， China)

Abstract:Since the images produced by the vision system based on X-ray image intensifier often have limitations such as narrow dynamic range， and low contrast， a new X-ray image enhancement algorithm is raised here. Two X-ray images taken at different X-ray tube voltages and currents are fused by digital wavelet transform to expand the dynamic range of the X-ray images， and then adopts the dual-platform histogram equalization algorithm to enhance the fused image. The experimental results show that the X-ray images are enhanced effectively.

Keywords:X-ray image; image enhancement; image fusion; dally-platform histogram equalization

在電子器件生產過程中，通常需要對器件焊點焊接情況進行在線檢測，以確定合格品與不合格品。為滿足此項需求，在此基于高性能雙近貼式X射線影像增強器的基礎上設計出電子工業用X射線檢測系統。與目前最為先進的射線檢測設備平板探測器相比，X射線影像增強器的突出優點是價格便宜很多，使用壽命較長，而且完全能夠實現國產化[1]，這決定了它目前在無損檢測領域仍然是廣泛使用的X射線成像設備，但其缺點是動態范圍小，對比度不夠高，背景噪聲大，不均勻性較為嚴重。X射線影像增強器的噪聲絕大部分為隨機噪聲，使用多種疊加方法可以基本消除[2]，文獻[3]給出了射線圖像不均勻性的校正方法。本文在此提出一種新的X射線圖像增強算法，用以擴展動態范圍，并拉伸對比度。新算法有別于對單幅圖像進行處理的傳統圖像增強算法，它首先利用小波變換把高低能量的兩幅射線圖像融合為一幅圖像，以擴展射線圖像的動態范圍，然后采用雙平臺直方圖均衡化對融合圖像進行增強處理。實驗結果表明，方法能夠有效地對射線圖像進行增強，具有較好的推廣能力。

1 算法原理

算法原理如圖1所示，高低能量的兩幅X射線圖像經過一定層數的離散小波變換(digital wavelet transform，DWT)，分解成相應層上的高頻和低頻分量。之后分別對高頻和低頻分量使用離散小波反變換，以不同法則進行融合，使得兩幅射線圖像融合為一幅圖像，以擴展射線圖像的動態范圍。最后通過雙平臺直方圖均衡化對融合圖像進行增強，以加強射線圖像的對比度。

1.1 小波分解與重構

根據Mallat提出的塔式分解方法[4]，離散小波分解如下:

Caj+1=HCajH′

Chj+1=GCajH′

Cvj+1=HCajG′

Cdj+1=GCajG′(1)

式中:a表示低頻子帶;h，v，d分別表示水平、垂直和對角方向的高頻子帶;j表示執行小波分解的層數j=0，1，2，…，L-1，C0表示原始圖像;H和G分別為尺度函數和小波函數對應的濾波器系數矩陣;H′和G′分別是H和G的共軛轉置矩陣，它們都隨小波基的選擇而定。相應的小波重構算法為:

Caj-1=H′Caj+G′ChjH+H′DvjG+G′DdjG，

j=L，L-1，…，1(2)

小波變換應用于圖像融合的優勢在于它可以將圖像分解到不同的頻率域，在不同的頻率域運用不同的選擇規則，得到融合圖像的多分辨率分解，從而在合成圖像中保留源圖像在不同頻率域的顯著特征。因而，小波分解的層數與各個頻率域融合規則的選取對基于小波變換的圖像融合至關重要。本文小波分解層為兩層[5]。由小波分解的特點可知，高層的小波系數由前一層的低頻系數分解而成，低頻系數體現了圖像的主要能量，高頻系數對應于圖像的細節。若能采用較好的方法融合低頻系數，則只需用較少的小波分解層數即可實現最優的融合效果;然而，若能采用較好的方法融合高頻系數，則可以盡可能多地保持源圖像清晰區域的主要細節特征。

圖1 算法流程圖

本文高頻系數的融合采用局部方差最大準則。方差可視為對比度的測度，反映的是圖像的細節信息。采用局部方差最大準則可以使融合圖像最大限度地保持源圖像細節信息。兼顧計算量和體現局部區域特性面，方差計算選取高頻系數矩陣元素3×3鄰域進行操作[6]，表達式如下:

CFHl(p)=CAHl(p)，σ(A，p)≥σ(B，p)

CBHl(p)，σ(A，p)<σ(B，p)(3)

式中:H表示高頻系數矩陣;p代表高頻系數矩陣中的1個點;σ表示求鄰域方差;l表示相應的小波分解層數;A，B表示兩幅源圖像。低頻系數的融合采用目前應用比較廣泛的Burt方法[3]。

1.2 雙平臺直方圖均衡化

直方圖均衡化是方便快捷且經常被使用的圖像對比度增強算法[7-9]。它的基本思想是將原始圖像的不均衡直方圖變換為均勻分布形式，即將輸入圖像轉換為在每一灰度級上都有相同的像素點數。直方圖均衡化的結果擴展了像元取值的動態范圍，從而達到增強圖像整體對比度的效果。如果對X射線圖像直接采用這種方法予以增強，就會使占有大多數像素的背景過度放大，而占有像素較少的目標和細節受到一定程度的抑制，均衡化結果有時候還會出現“過亮”。為此，本文采用一種自適應的雙平臺直方圖均衡化方法。

雙平臺直方圖均衡是通過選擇兩個合適的平臺閾值T1和T2分別作為上限平臺和下限平臺，對輸入統計直方圖進行修改。上限平臺T1取像素數的20%~30%，下限平臺取像素數的5%~10%。為對占像素數較多的背景和噪聲進行抑制，在某一灰度級直方圖值大于上限平臺閾值T1時，將其重置為T1;為對圖像中占有較少像素的目標細節進行放大，在某一灰度級直方圖值小于下限平臺閾值T2時，將其重置為T2;介于T1和T2之間的灰度級直方圖值保持不變，如下所示:

H(sk)=T1，h(sk)≥T1，

k=0，1，2，…，L-1

h(sk)，T2

k=0，1，2，…，L-1

T2，h(sk)≤T2，

k=0，1，2，…，L-1(4)

式中:H(sk)為圖像的雙平臺直方圖值;h(sk)為圖像的統計直方圖值;L為圖像的灰度級數;sk為灰度值。經過式(4)處理，圖像的累積直方圖如下:

I(sk)=∑Ski=0H(sk)，k=0，1，2，…，L-1(5)

據此對圖像灰度進行重新分配，即可得到均衡化的灰度值:

D(sk)=round[(L-1)#8226;I(sk)/I(sL-1)](6)

式中:round( )表示四舍五入取整。經過上述處理，占有較少像素的目標細節部分的灰度分布比較集中，因此還要對灰度間距進行均衡處理。

首先，對雙直方圖均衡后的灰度級數目進行統計，如下:

M0=0，

Mk=Mk-1，D(sk)=D(sk-1)，

k=0，1，2，…，L-1

Mk-1+1，D(sk)≠D(sk-1)，

k=0，1，2，…，L-1(7)

式(7)是對灰度范圍內不為零的灰度級進行統計。由此得到雙平臺直方圖均衡后圖像實際有效的灰度級數ML-1，然后對圖像有效的灰度級進行重新排序，再在整個灰度范圍內進行等間距排序，其變換函數為:

Tk=round[Mk(L-1)/ML-1]，

k=0，1，2，…，L-1(8)

灰度等間距均衡化實際就是把灰度等級在整個顯示范圍內等間距排序，以增強圖像顯示的細節和清晰度[10]。

2 實驗結果分析

本文實驗所用射線源管電壓為35~80 kV;管電流為10~250 μA;焦斑為33 μm;X射線像增強器為鈦窗Ф75 mm雙近貼式X射線像增強器;后端數字化成像采用百萬像素的科學級CCD相機。為便于分析和觀察，本文所用試驗圖片均經過256幀疊加，以消除隨機噪聲。

臺階鋁塊常用來測試射線成像系統的成像動態范圍。本文將臺階鋁塊在兩個不同射線管電壓下采集的高低能量兩幅射線圖像作為源圖像，為做對比還采集了一幅管電壓取中間值的射線圖像。圖2的射線圖像中圖2(a)~圖2(c)對應的射線管電壓/電流分別為46 kV/146 μA，74 kV/146 μA，60 kV/146 μA。實驗結果如圖2(d)所示。

圖2 臺階鋁塊試驗圖

在電子工業用X射線成像系統中，焊點缺陷識別能力是至關重要的。取3個不同的射線管電壓/電流65 kV/121 μA，45 kV/121 μA，55 kV/121 μA，分別采集3幅含氣泡缺陷的PCB板射線圖像，如圖3所示。

圖3 氣泡缺陷PCB板實驗圖

由圖2、圖3中兩組實驗圖像可以看出，經過多分辨率圖像融合，有效地克服了單幀X射線圖像動態范圍小的問題。

在臺階鋁塊試驗中，經過圖像融合，可分辨臺階級數得到擴展;而在氣泡缺陷PCB板試驗中，經過圖像融合，氣泡缺陷變得十分清晰明了，各個焊點邊緣也沒有了高管壓時的白化現象。但是融合圖像的對比度卻顯得不盡人意，需要進行對比度增強。經過雙平臺直方圖均衡化處理后的氣泡缺陷PCB板融合圖像顯示效果如圖4所示。

圖4 雙平臺直方圖均衡化處理融合圖像

3 結 語

小波變換和直方圖均衡化算法都可分別單獨用來對圖像進行增強處理。本文首次提出一種將小波變換多分辨率圖像融合與雙平臺直方圖均衡化結合起來的射線圖像增強算法，并將該算法應用到基于雙近貼式X射線影像增強器的電子工業用X射線檢測機上。

仿真實驗結果顯示，經過該算法的增強處理，射線圖像的動態范圍得到顯著擴展，對比度得到有效加強。由此可以認為，采用本文方法，能夠有效地對X射線圖像進行增強處理。

參考文獻

[1]趙寶升.X射線像增強器像質評價[J].光子學報，1991，20(3):292-299.

[2]陳樹越，路宏年，張丕狀，等.科學級CCD相機像元不一致特性及其校正研究[J].兵工學報，2001，22(2):226-229.

[3]李偉，趙寶升，趙菲菲，等.雙近貼式X射線像增強器成像不均勻性分析與校正[J].光子學報，2009，38(6):1353-1357.

[4]徐晨，趙瑞珍，甘小冰.小波分析應用算法[M].北京:科學出版社，2004.

[5]楚恒.像素級圖像融合及其關鍵技術研究[D].成都:電子科技大學，2008.

[6]強贊霞，彭嘉雄，王洪群.基于小波變換局部方差的遙感圖像融合[J].武漢:華中科技大學，2003，31(6):89-91.

[7]宋巖峰，邵曉鵬，徐軍，等.基于雙平臺直方圖的紅外圖像增強算法[J].紅外與激光工程，2008，37(2):308-311.

[8]劉常春，胡順波，楊吉宏，等.一種直方圖不完全均衡化方法[J].山東大學學報:工學版，2003，33(6):661-664.

[9]張志龍，李吉成，沈振康.一種保持圖像細節的直方圖均衡新算法[J].計算機工程與科學，2006，28(5):36-38.

[10]蔡蘭，陳幀，梅林.圖像增強技術在X射線探傷中的應用[J].無損檢測，2005，27(5):256-258.