圖像增強(qiáng)技術(shù)在安檢X光圖像中的應(yīng)用

徐浩鈞

（長(zhǎng)春理工大學(xué) 理學(xué)院 吉林省長(zhǎng)春市 130022）

隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，X 射線成像技術(shù)成功地應(yīng)用在了諸多領(lǐng)域。然而由于X 射線性質(zhì)，導(dǎo)致其存在著難以克服的缺陷。例如為了滿足安檢實(shí)時(shí)性X 射線照度不足所造成的圖像噪聲過(guò)大、對(duì)比度較低等問(wèn)題。為了改善圖像的視覺(jué)效果，需要使用圖像增強(qiáng)對(duì)X 射線圖像進(jìn)行增強(qiáng)處理。

圖像增強(qiáng)主要為空域圖像增強(qiáng)和頻域圖像增強(qiáng)。頻域增強(qiáng)由于其原理復(fù)雜，導(dǎo)致難以進(jìn)行廣泛應(yīng)用；而空域增強(qiáng)由于沒(méi)有區(qū)分噪聲和信息，在增強(qiáng)圖像的同時(shí)也會(huì)增強(qiáng)噪聲。所以需要針對(duì)X 射線安檢圖像的特點(diǎn)，將多種圖像增強(qiáng)方法相結(jié)合進(jìn)行增強(qiáng)處理。本文參考醫(yī)學(xué)X 光圖像的處理方法。提出了一種X 射線安檢圖像增強(qiáng)的新思路。

本文所用為低對(duì)比度的X 光安檢圖像，首先分別使用拉普拉斯算子和Sobel 算子得到細(xì)節(jié)圖和梯度圖，再次對(duì)梯度圖使用雙邊濾波并以其為模板利用圖像掩膜的概念乘以細(xì)節(jié)圖，將掩膜后的圖像經(jīng)USM 銳化得到最終的銳化圖像，使用圖像融合和原圖像相加，最后使用CLAHE 增大圖像灰度的動(dòng)態(tài)范圍。實(shí)驗(yàn)結(jié)果表明，本文所提出的方法相對(duì)于傳統(tǒng)的圖像增強(qiáng)能更好的保留圖像信息，并且對(duì)噪聲具有較強(qiáng)的魯棒性。

1 邊緣檢測(cè)

邊緣檢測(cè)的目的是對(duì)圖像灰度的過(guò)度部分進(jìn)行突出，在減少數(shù)據(jù)量的同時(shí)剔除不相關(guān)信息。首先需要利用拉普拉斯算子得到細(xì)節(jié)圖，然后利用Sobel 算子得到梯度圖。

1.1 拉普拉斯算子

拉普拉斯算子是具有旋轉(zhuǎn)不變性的各向同性二階微分算子。一個(gè)二維圖像函數(shù)f(x,y)的拉普拉斯算子定義為：

拉普拉斯算子由于其特性，在細(xì)節(jié)提取上具有優(yōu)勢(shì)。

1.2 Sobel算子

Sobel 算子是一階離散性差分算子，該算子包含兩組3*3 矩陣，可分別得出橫向以及縱向的亮度差值。如果A 代表原圖，Gx和Gy分別代表橫向和縱向的圖像灰度值，其形式如下：

對(duì)比拉普拉斯算子，Soble 算子具有計(jì)算簡(jiǎn)單，對(duì)于灰度變化明顯的邊界更為清晰的優(yōu)勢(shì)；但是其計(jì)算方向單一，對(duì)圖像中的復(fù)雜紋理處理較為乏力。

2 平滑處理

由于X 射線成像過(guò)程中會(huì)受到噪聲干擾，所以對(duì)X 射線圖像進(jìn)行增強(qiáng)前首先需要進(jìn)行去噪處理，其主要處理方法為均值濾波、中值濾波等方法。但是由于其并沒(méi)有有效的區(qū)分邊緣點(diǎn)和非邊緣點(diǎn)，所以會(huì)導(dǎo)致其會(huì)產(chǎn)生邊緣模糊等現(xiàn)象。

為了克服這個(gè)問(wèn)題，本文選擇采用雙邊濾波進(jìn)行圖像平滑。雙邊濾波能在考慮空間與信息和灰度相似性的同時(shí)達(dá)到保邊去噪的目的，具有簡(jiǎn)單、非迭代、局部處理的特點(diǎn)，其公式如下：

圖1：濾波對(duì)比圖

在像素值變化較小的非邊緣區(qū)域，空間濾波器會(huì)進(jìn)行高斯平滑；在像素值變化大的邊緣區(qū)域，值域?yàn)V波器則會(huì)保留邊緣信息。

圖1 為圖像分別經(jīng)中值濾波，均值濾波和雙邊濾波的對(duì)比圖，經(jīng)過(guò)對(duì)比可以看出：中值濾波導(dǎo)致圖像邊緣被掩蓋；均值濾波則是造成了邊緣模糊的問(wèn)題。

由于肉眼觀測(cè)具有主觀性，本文引入SSIM 和PSNR 的概念分別計(jì)算原圖經(jīng)中值濾波、均值濾波、雙邊濾波后的相似度數(shù)值和圖像質(zhì)量。

SSIM(structural similarity index)，結(jié)構(gòu)相似性，是通過(guò)比較參考圖像和待測(cè)圖像的結(jié)構(gòu)信息，從而判斷圖像相似度程度的指標(biāo),當(dāng)兩張圖完全相同時(shí),SSIM 數(shù)值為1。其公式如下

公式中，x,y 分別為參考圖像與待測(cè)圖像。μx和μy表示 x 和y的均值，σx和σy表示x 和y 的方差。σxy代表x 和y 的協(xié)方差。為避免分母為0，c1,c2和c3為小的正數(shù)。

PSNR(Peak Signal to Noise Ratio)即峰值信噪比，是一種常見(jiàn)的衡量圖像質(zhì)量的指標(biāo)。在計(jì)算PSNR 之前需要計(jì)算均方誤差（MSE）,PSNR 和MSE 的公式如下，式中I 是原圖灰度值，K 為經(jīng)過(guò)處理后圖像的灰度值，MAXI為圖片可能的最大像素值。根據(jù)公式可以看出，PSNR 越大，代表著圖像質(zhì)量越好。

參考表1 可以看出，經(jīng)雙邊濾波處理后的圖像在質(zhì)量和結(jié)構(gòu)相似性兩方面都更具優(yōu)勢(shì)。

3 圖像掩膜和UMS銳化

圖像掩膜是指通過(guò)設(shè)置模板圖像對(duì)兩幅圖像之間進(jìn)行種位運(yùn)算操作，利用矩陣乘法的概念將模板圖像與待處理圖像相乘，感興趣區(qū)內(nèi)圖像內(nèi)數(shù)值保持不變，而區(qū)外圖像數(shù)值都為0，從而達(dá)到在得到感興趣區(qū)圖像的同時(shí)實(shí)現(xiàn)對(duì)非強(qiáng)化部分的屏蔽。

由于拉普拉斯算子對(duì)噪聲敏感度高，其會(huì)在平滑區(qū)域會(huì)產(chǎn)生多余的噪聲。Sobel 算子對(duì)噪聲敏感度較低，同時(shí)經(jīng)雙邊濾波處理后梯度圖的噪聲會(huì)得到進(jìn)一步的降低。因此，本算法設(shè)置經(jīng)雙邊濾波處理的梯度圖為模板，將其與拉普拉斯圖像相乘。所得到的圖像既可以保留灰度變化強(qiáng)烈的邊緣信息，也可以降低拉普拉斯圖像在平坦區(qū)域的噪聲。

為了得到最終的銳化圖像，需要使用UMS 銳化對(duì)經(jīng)掩膜后的圖像進(jìn)行處理。UMS 銳化又稱線性反銳化掩模（UnSharp Masking，UMS）。首先將原圖像經(jīng)低通濾波后得到鈍化模板，然后將原圖與鈍化模板相減得到保留高頻成份的圖像，之后再將高頻圖像用參數(shù)放大后與原圖像相疊加，便可得到最終的增強(qiáng)圖像。其公式如下所示：

式中G(x,y)為經(jīng)過(guò)增強(qiáng)的最終銳化圖像，f(x,y)為原圖像，Gm為鈍化模板，其中當(dāng)k 系數(shù)越大則對(duì)圖像的細(xì)節(jié)增強(qiáng)越明顯。

4 灰度變換

直方圖均衡化（Histogram Equalization，HE）是圖像增強(qiáng)中常見(jiàn)的全局性圖像增強(qiáng)法。其通過(guò)改造直方圖的分布形式，從而使變換后圖像的灰度值盡可能平均。但HE 是對(duì)整幅圖像進(jìn)行處理，所以可能導(dǎo)致圖像中重要信息的丟失。

為了解決這個(gè)問(wèn)題，本文選擇采用限制對(duì)比度自適應(yīng)直方圖均 衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)。CLAHE 采用局部分析的概念[5]，其會(huì)將圖像進(jìn)行分塊處理后分別計(jì)算所有塊內(nèi)的直方圖和每個(gè)直方圖的截?cái)嘀担詈髮?duì)每個(gè)塊進(jìn)行直方圖均衡化，以達(dá)到控制噪聲和防止過(guò)度增強(qiáng)的目的。

圖2 分別為經(jīng)HE 和CLAHE 后圖像的灰度直方圖，對(duì)比直方圖可以看出，HE 的灰度等級(jí)過(guò)度相對(duì)較少，圖像細(xì)節(jié)有很嚴(yán)重的丟失，而CLAHE灰度等級(jí)明顯增多，圖像具有更加豐富的細(xì)節(jié)信息。

5 實(shí)驗(yàn)結(jié)果

由于需要對(duì)增強(qiáng)后圖像信息的豐富程度進(jìn)行表征，本文引入圖像信息熵的概念對(duì)其進(jìn)行表征，公式如下：

公式中λ 為黑白圖像中的最大灰度值；Pi為灰度值為i 出現(xiàn)的概率。信息熵的數(shù)值越大說(shuō)明圖像包含更多的細(xì)節(jié)信息，同時(shí)意味著圖像質(zhì)量越好。

通過(guò)對(duì)比表2，可以看出本文所提出的方法在提升了圖像質(zhì)量的同時(shí)，對(duì)于圖像細(xì)節(jié)有更好的保留。

6 結(jié)束語(yǔ)

圖像增強(qiáng)技術(shù)是一種提高X 射線圖像質(zhì)量的關(guān)鍵技術(shù)，本文針對(duì)X 射線安檢圖像的成像特點(diǎn)設(shè)計(jì)了相關(guān)算法。通過(guò)信息熵，SSIM，PSNR 三種評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行表征，實(shí)驗(yàn)證明增強(qiáng)后的圖像具有信息豐富，細(xì)節(jié)清晰，更適合人眼觀察的優(yōu)勢(shì)。為后續(xù)進(jìn)行人工識(shí)別違禁品的過(guò)程提供了有益的參考，在X 射線圖像處理中具有重要應(yīng)用價(jià)值。

表1：不同濾波處理的PSNR 和SSIM 值

表2：經(jīng)增強(qiáng)處理后圖像的信息熵、均方誤差和峰值信噪比

圖2：經(jīng)過(guò)HE 和CLAHE 后的灰度直方圖