一種X射線圖像白點噪聲去除算法

陳海進 陳偉

摘 要： 針對X射線拍攝所獲低照度圖像中存在隨機分布的白點噪聲的問題，提出一種X射線圖像白點噪聲去除算法。此算法對X射線拍攝所獲得的低照度圖像進行處理，首先，通過該灰度圖像直方圖自動確定灰度圖像的閾值；其次，根據所得閾值判斷濾波窗口中心點是否為噪聲像素點；最后，對濾波窗口下已經確定的噪聲像素點進行處理并對去噪后的圖像進行增強。實驗結果表明，使用所提算法進行去噪所獲得的圖像細節更加清楚并且成功去除白點噪聲。

關鍵詞： X射線拍攝； 圖像去噪； 低照度圖像； 圖像增強； 白點噪聲； 像素點

中圖分類號： TN911.73?34； TP751.1 文獻標識碼： A 文章編號： 1004?373X（2018）18?0096?03

An algorithm for removing white spot noise in X?ray images

CHEN Haijin， CHEN Wei

（School of Electronic Information， Nantong University， Nantong 226019， China）

Abstract： In allusion to the problem that the low illumination images obtained by X?ray photographing contain randomly?distributed white spot noise， an algorithm for removing white spot noise in X?ray images is proposed to process the low illumination images obtained by X?ray photographing. The threshold of the gray image is automatically determined by using the gray image histogram. The obtained threshold is used to judge whether the center point of the filtering window is the noise pixel point. The already determined noise pixel points in the filtering window are processed， and the denoised images are enhanced. The experimental results show that the images denoised by the proposed algorithm have clearer details， and their white spot noise can be successfully removed.

Keywords： X?ray photographing； image denoising； low illumination image； image enhancement； white spot noise； pixel point

0 引 言

近年來，隨著電子技術和計算機技術的飛速發展，X射線成像技術進入全新的發展階段，人們可以利用X射線獲取更豐富、更可靠、更直觀的信息。便攜式X光機擁有獨特的優點從而被廣泛運用，例如完全利用充電電池進行工作，體積小、重量輕、功耗小、易于防護并且可以節約成本，通過計算機即可實現對整個系統的自動控制，實時顯示所獲得的X射線透視圖像，從而便于操作者進行現場操作和及時判斷[1]。

本算法使用的低照度圖像是通過X光機與攝像機共同形成。在系統成像過程中由于X射線反射到鏡頭，必然會對攝像機捕捉到的圖像產生嚴重的影響，白點噪聲就是其中一種。因此，必須對該圖像進行去噪處理，從而提高圖像質量以滿足工作需要。為了解決圖像去噪問題，學者們提出了許多改進方法，如數字圖像脈沖噪聲抑制的新型中值濾波[2]，快速高效去除圖像椒鹽噪聲的均值濾波算法[3]，自適應濾波窗實現距離加權圖像椒鹽噪聲濾除[4]，基于稀疏表示和梯度直方圖的圖像去噪[5]，一種改進的小波閾值去噪方法[6]等。為了解決X射線圖像中存在白點噪聲的問題，本文提出一種X射線圖像白點噪聲去除算法：確定圖像的動態閾值，將濾波窗口下鄰域噪聲像素點中灰度值小于閾值的像素點歸納進一個集合，對集合內鄰域噪聲像素點的灰度值求均值，運用該均值對濾波窗口下噪聲像素點進行處理。整個算法噪聲去除能力較強，計算量較小，實用性較強。

1 X射線圖像的白點噪聲去除算法

本文算法根據如下幾個步驟對像素為12 bit、大小為M×N的灰度圖像進行處理。本文算法針對圖像中單個濾波窗口下噪聲像素點處理流程圖如圖1所示。

1.1 算法步驟

1） 確定灰度圖像的動態閾值Tg。攝像機所獲取的原始圖像為12 bit，將其轉換成16 bit并將其高四位置0，所以本算法使用的圖像灰度值范圍是0～4 095。根據該灰度圖像直方圖統計，將圖像灰度值從4 095向下遞減統計出圖像在各個灰度值的像素點個數，將第一次出現統計個數大于50的像素點灰度值確定為動態閾值Tg，即：

[Tg=fx，y， grayfx，y≥50] （1）

式中：f（x，y）是在點（x，y）處像素點灰度值；gray[f（x，y）]是圖像中灰度值為f（x，y）的像素點個數。

2） 確定濾波窗口下的噪聲像素點。本算法將濾波窗口大小W設置為3×3，對濾波窗口中心像素點灰度值進行判斷，當中心像素點灰度值小于或等于閾值Tg時，將中心像素點確定為非噪聲像素點；當中心像素點灰度值大于閾值Tg時，將此中心像素點確定為噪聲像素點，通過遍歷整幅圖像可以確定出圖像中的所有噪聲像素點。

3） 濾波窗口下噪聲像素點的處理。本算法只對步驟2）中所確定的噪聲像素點進行處理，將濾波窗口下除中心點外的其他像素點確定為鄰域噪聲像素點。通過濾波窗口下所有鄰域噪聲像素點灰度值與動態閾值Tg比較，當鄰域噪聲像素點灰度值都大于或等于動態閾值Tg時，將動態閾值Tg賦值給噪聲像素點的灰度值；當鄰域噪聲像素點中存在灰度值小于動態閾值Tg時，將鄰域噪聲像素點中所有灰度值小于動態閾值Tg的像素點構成一個集合，對集合內的像素點灰度值求均值并將所求均值賦值給噪聲像素點灰度值，即：

[noise_center=Tg， near_centeri≥Tg，i=0，1，2，…，7average， 其他] （2）

式中：[near_centeri]為濾波窗口下依次排列的鄰域噪聲像素點灰度值；[noise_center]為濾波窗口下中心像素點灰度值；average為集合內像素點灰度值所求均值。

4） 整幅圖像中噪聲像素點的處理。重復步驟2）與步驟3）所進行的操作，直到完成整幅圖像中所有噪聲像素點的濾波處理，最終獲得去噪后的圖像。

1.2 算法分析

本文算法的第一步是確定灰度圖像的動態閾值Tg，從圖像的最大灰度值開始往下統計，只需要對圖像中很少一部分像素點灰度值進行判斷從而減少了計算量；第二步確定濾波窗口中心點是否為噪聲像素點；第三步是對第二步所確定的噪聲像素點進行處理，將集合內鄰域噪聲像素點灰度值的均值作為輸出，并沒有對濾波窗口下像素點灰度值排序。本算法只對濾波窗口中已經確定為噪聲像素點的中心點進行處理，進一步減少了計算量，使得圖像的白點噪聲去除更為高效。

2 分段映射的圖像增強算法

為了便于觀察本算法的去噪效果，需要對去噪之后的X射線圖像進行增強[7?8]。常用的增強方法有直方圖均衡[9]、分段線性變換[10]、對比度增強[11]等。本文采用分段映射算法進行圖像增強，根據圖像直方圖自動確定閾值從而對圖像灰度值進行分段，再對不同的分段采用不同的方法統計各個灰度值的像素點個數，最后對圖像中像素點灰度值進行映射。設圖像增強前灰度值為f（x，y），圖像增強后灰度值為g（x，y）。

算法步驟如下：

1） 確定灰度圖像的動態閾值T1，T2。根據該圖像直方圖可知，灰度值從0～4 095向上遞增統計圖像在每個灰度值的像素點個數，將第一次出現統計個數大于30的像素點灰度值確定為動態閾值[T1]。動態閾值[T2]的確定方法與前面白點噪聲去除算法中確定閾值Tg方法相同：

[T1=fx，y， grayfx，y≥30] （3）

[T2=Tg] （4）

式中：f（x，y）是像素點（x，y）處的灰度值；gray[f（x，y）]是統計圖像中灰度值f（x，y）的像素點個數。

2） 統計灰度圖像映射前不同灰度級的像素點個數。根據步驟1）所獲得的閾值[T1]與[T2]將圖像灰度值分為三部分，分別計算每一部分里不同灰度級的像素點個數，然后再計算整幅圖像映射前灰度級個數，即：

[gray_bfx，y=0， 0

[gray_bfx，y=4 096×gray_bfx，ygray_bT2，T1

式中，[gray_bfx，y]是用于圖像映射而統計的灰度值[fx，y]處像素點個數。

3） 確定圖像映射后像素點灰度值。遍歷整幅圖像計算出圖像各個像素點的灰度值，即：

[gx，y=gray_bfx，y×16] （7）

3 實驗結果與分析

實驗通過X光機對電路板進行拍攝，選擇拍攝獲取的圖像作為測試圖像。將去噪前的增強圖像、去噪后的增強圖像進行對比，對比結果如圖2所示。

為了證明本算法的有效性，除了圖像的主觀效果外還可以有一種客觀評價方法，將傳統的中值濾波算法與本算法進行對比，并采用常用的圖像相似度測量參數均方誤差（MSE）、峰值信噪比（PSNR）和信噪比（SNR）來衡量算法去除噪聲的能力。均方誤差MSE的計算公式為：

[MSE=1M×Ni=0M-1j=0N-1Ii，j-Ki，j2] （8）

式中：I為原圖像灰度值；K為處理后圖像灰度值。峰值信噪比PSNR的計算公式：

[PSNR=10lg2n-12MSE] （9）

式中，n為像素點的比特數，本算法中為16 bit。信噪比SNR的計算公式：

[SNR=10lgδ2MSE] （10）

式中，[δ2=1M×Ni=0N-1j=0M-1X-X2]，[X]為原圖像灰度值均值。

測試結果如表1所示。可以看出：本算法的MSE小于中值濾波的MSE，在PSNR和SNR兩方面，本算法都要比中值濾波大。綜上所述，本文算法對于X射線圖像中的白點噪聲具有更好的去噪效果，較傳統的中值濾波有更好的性能。

4 結 語

針對X射線低照度圖像存在白點噪聲的情況，提出一種X射線圖像的白點噪聲去除算法，通過MSE，PSNR，SNR三種評價標準對比分析了中值濾波與本算法的去噪效果。實驗結果表明，本算法能夠有效地去除低照度圖像中的白點噪聲，保留圖像的細節。

參考文獻

[1] 阮林波，郭明安，馮兵，等.便攜式脈沖X射線成像系統研究[J].光學技術，2003，29（6）：747?748.

RUAN Linbo， GUO Mingan， FENG Bing， et al. Design of portable?pulsed X?ray imaging system [J]. Optical technique， 2003， 29（6）： 747?748.

[2] HANJI G， LATTE M V. A novel mean median filter for noise and artifacts suppression from digital images [J]. International journal of computer applications， 2014， 114（17）： 20?26.

[3] 何海明，齊冬蓮，張國月，等.快速高效去除圖像椒鹽噪聲的均值濾波算法[J].激光與紅外，2014，44（4）：469?472.

HE Haiming， QI Donglian， ZHANG Guoyue， et al. Fast and efficient mean filtering algorithm for removing the salt and pepper noise [J]. Laser & infrared， 2014， 44（4）： 469?472.

[4] 林亞明，李佐勇，林葉郁，等.自適應濾波窗實現距離加權圖像椒鹽噪聲濾除[J].中國圖象圖形學報，2015，20（8）：1008?1016.

LIN Yaming， LI Zuoyong， LIN Yeyu， et al. Distance?weighted approach based on self?adaptive windows to remove salt and pepper noise in images [J]. Journal of image and graphics， 2015， 20（8）： 1008?1016.

[5] ZHANG M， DESROSIERS C. Image denoising based on sparse representation and gradient histogram [J]. IET image processing， 2017， 11（1）： 54?63.

[6] 韓子揚，杜利明，王鑫，等.一種改進的小波閾值去噪方法[J].現代電子技術，2016，39（17）：20?22.

HAN Ziyang， DU Liming， WANG Xin， et al. An improved wavelet threshold denoising method [J]. Modern electronics technique， 2016， 39（17）： 20?22.

[7] 阮秋琦.數字圖像處理學[M].3版.北京：電子工業出版社，2013.

RUAN Qiuqi. Digital image processing [M]. 3rd ed. Beijing： Publishing House of Electronics Industry， 2013.

[8] 鄭林濤，董永生，史恒亮.一種新型X射線安檢圖像增強算法[J].科學技術與工程，2014，14（23）：252?256.

ZHENG Lintao， DONG Yongsheng， SHI Hengliang. A new enhancement algorithm of X?ray security inspection images [J]. Science technology and engineering， 2014， 14（23）： 252?256.

[9] 李樂鵬，孫水發，夏沖，等.直方圖均衡技術綜述[J].計算機系統應用，2014，23（3）：1?8.

LI Lepeng， SUN Shuifa， XIA Chong， et al. Survey of histogram equalization technology [J]. Computer systems & applications， 2014， 23（3）： 1?8.

[10] 陳明亮，陳成新，古建平.一種基于直方圖的自適應分段線性變換法[J].國外電子測量技術，2015，34（2）：36?38.

CHEN Mingliang， CHEN Chengxin， GU Jianping. Adaptive piecewise linear transform method based on histogram [J]. Foreign electronic measurement technology， 2015， 34（2）： 36?38.

[11] KIM D， KIM C. Contrast enhancement using combined 1D and 2D histogram?based techniques [J]. IEEE signal processing letters， 2017， 24（6）： 804?808.