赵 存， 胡炜薇

(杭州电子科技大学 新型电子器件与应用研究所，浙江 杭州 310018)

一种X射线图像增强新方法

赵 存， 胡炜薇

(杭州电子科技大学 新型电子器件与应用研究所，浙江 杭州 310018)

针对X射线图像对比度不高，图像偏暗，边缘模糊，噪声大的问题，提出了一种小波变换和模糊理论相结合的图像增强新方法。首先，将射线图像进行小波分解获得低频子带和高频子带，然后，对含有图像基本面貌特征和主要能量信息的低频子带采用广义模糊算子进行处理，能较好地提升图像对比度和局部亮度，对含有噪声和细节信息的高频子带利用软阈值去噪方法进行去噪处理，同时定义了一种新的增强算子，在去噪的同时进行细节增强，最后，对处理后的图像进行小波重构。实验结果表明：该方法可以有效去除图像噪声，提升图像对比度和清晰度，视觉效果良好。

X射线； 图像增强； 广义模糊增强； 小波变换

0 引 言

X射线成像技术目前已广泛应用于无损检测，安检、医学影像等众多领域。X射线成像存在一些普遍问题，所成图像对比度低、噪声大、动态范围小，为此，需要对X光图像进行增强处理，改善图像的视觉效果。

传统的图像增强算法大致可分为空域滤波和频域滤波两种[1]，文献[2]提出的基于直方图均衡的空域图像增强算法，在一定条件下取得了较好的增强效果，但该类算法并没有区别图像的噪声和有用信息，在增强图像的同时噪声也得到了放大。文献[3,4]提出的基于频域的增强方法对原图像的亮度要求较高，且存在对比度提升较小的问题。图像的边缘有时会存在不确定性即模糊性，传统的图像增强算法已不能满足对高质量图像的要求[5]。1981年Pal等人提出了模糊增强[6]，定义了一个隶属度函数，将图像映射到模糊域进行增强，取得了较好的效果，但存在运算量过大的问题。文献[7]在文献[6]的基础上利用一种广义模糊算子对图像进行增强处理，处理后的图像对比度提升较大。

针对传统图像增强算法出现的问题，文中将模糊理论应用到射线图像增强中，提出了一种小波变换与广义模糊算子相结合的射线图像增强方法，将图像进行小波分解，对低频区域采用广义模糊算子处理，提升图像对比度和局部亮度；对含有噪声和细节信息的高频区域，进行小波阈值降噪，同时，利用文中提出的增强算子进行细节增强处理。实验结果表明：文中提出的算法能够较好的提升图像的对比度，增强细节，抑制图像噪声，应用于本课题组的射线图像，视觉效果良好。

1 射线图像增强方法

1.1 算法原理

小波变换具有很好的空频特性，能够对一幅图像进行多尺度，多分辨率分解。一幅图像经小波分解后，得到LL，HL,LH,HH四个子带区域，其中LL为低频子带,HL,LH,HH为高频子带，HL包含图像水平信息，HH包含对角线方向的高频信息。其图像基本面貌特征和主要能量信息集中于LL低频子带，图像噪声和细节信息主要集中在HL,LH,HH等高频子带[8]中，因此，小波变换能够将图像噪声和有用信息区别开。文中提出的算法原理如图1所示。

图1 算法原理图

1.1 基于广义模糊算子的低频子带增强

广义模糊集合定义为：若A={(μA(x),x∈U)}为一个集合，U为有限实数域且μA(x)∈[-1,1]，则称μA(x)为A的广义隶属度函数，A为广义模糊集合。低频子带的增强过程如下：

1)根据式(1)将低频子带小波系数映射到模糊域

(1)

式中 xij为低频子带小波系数；D为可调参数且必须满足D≤(xmax-xmin)/2，文中D取(xmax-xmin)/2。其中，xmax为低频子带小波系数最大值，xmin为低频子带小波系数最小值，Pij为变换后的系数。分析式(1)可知，经变换后Pij∈[-1,1]，符合广义隶属度函数的定义。

2)利用式(2)的广义模糊算子对Pij进行模糊增强[9]

(2)

图与Pij的关系曲线图

(3)

1.2 基于小波软阈值法的高频子带增强

图像的噪声和细节信息经小波分解后主要集中在高频区域，如果对高频区域直接进行增强，在增强细节的同时必然放大了噪声，因此，在增强前有必须进行去噪处理。在小波阈值去噪过程中，对阈值的处理常见的有两种方法，即硬阈值法和软阈值法[10]，见式(4)，式(5)。

(4)

(5)

为在去除噪声的同时增强图像高频细节信息，对软阈值法进行修正

(6)

式中 K为增强算子，当0≤K≤1，高频细节被抑制；当K>1，高频细节得到增强。对于K值的选取，给出如下定义

(7)

式中xij为高频区域小波系数；xmax为高频子带小波系数最大值；xmin为高频子带小波系数最小值；wh,wv分别称为水平权值和垂直权值。对于HL子带，wh=1，wv=0；对于LH子带，wh=0，wv=1；对于HH子带，wh=1，wv=1。这种选取方式满足小波分解后各频域的倍频特性。

高频子带的增强过程：对于经小波分解后的HL,LH,HH各高频子带，利用文中修正的软阈值法进行阈值处理，在去除噪声的同时增强细节信息。

2 实验结果及分析

图3(a)为课题组实验过程中采集到的射线图像(钥匙，剪刀，笔)，图像背景偏暗，对比度不均匀，同时图像存在噪声。为验证文中提出算法的有效性，对图3(a)分别应用了文献[2]基于直方图均衡化的空域增强、文献[4]基于小波变换的频域增强和文中提出的算法对图像进行增强实验。

图3 3种算法增强后的效果图

图3(b)是文献[2]方法增强后的射线图像，图像对比度有了明显的提高，但该算法并没有区别有用信号和噪声，在增强图像的同时也放大了噪声，且存在局部过亮的问题。图3(c)是文献[4]方法增强后的射线图像，该方法只对小波分解后的高频区域做去噪和增强处理，图像的噪声得到抑制，边缘细节得到增强，但图像暗区的可视度并不好，图像背景依旧偏暗，视觉效果不好,且该方法对原图像的亮度依赖性较大。图3(d)为文中算法处理后的图像，图像的噪声得到有效抑制，亮度和对比度有了较大提高，提高了图像暗区的可视度(注意笔头和笔中间部位纹理的变化)，图像视觉效果较好。

图像的视觉效果具有主观性，因此，文中采用灰度直方图和信息熵作为文中算法的客观评价，图4给出了几种方法增强后的灰度直方图。从图4也可以看出文中提出的算法相比于其他几种算法，灰度直方图得到较好的分布，说明文中算法处理后图像的质量提高较大。图像信息熵是反应图像细节信息的重要指标，信息熵值越大说明图像含有的信息量越大，图像质量越好。其定义如下

(8)

式中 λ为最大灰度值，对于黑白图像为255；Pi为灰度值为i出现的概率。

图4 3种算法增强后的灰度直方图

3种算法处理后，图像的信息熵分别为：原图5.065 4；文献[1]算法5.376 9；文献[4]算法5.136 7；文中算法5.673 9。可以看出，本文算法处理后图像的信息熵高于其他3种算法，且明显高于原图，说明文中算法能够有效地去除图像噪声，提升图像对比度，处理后的图像含有更多细节信息。

3 结 论

1)在增强图像的同时有效抑制了图像噪声；

2)对原图像的亮度要求不高。利用小波变换的多分辨率特性，对小波分解后的低频区域采用模糊算子增强，有效地提高了图像的亮度和局部对比度，视觉效果好。

3)利用本文提出的增强算子，对小波分解后的高频区域做处理，不仅图像的轮廓变得清晰，细节信息也得到有效增强。

[1] 李 阳，常 霞，纪 峰.图像增强方法研究新进展[J].传感器与微系统，2015，34(12):9-12.

[2] 高均立.基于直方图均衡化的数字图像增强技术[J].陕西科技大学学报,2011,29(2):118-121.

[3] Shirai M,Schwenke D O,Tsuchimochi H,et al.Synchrotron radiation imaging for advancing our understanding of cardiovascular function[J].Circ Res,2013,112(1):209-221.

[4] 曾鹏鑫,么健石,陈 鹏.基于小波变换的图像增强算法[J].东北大学学报,2005,26(6):527-530.

[5] 付争方，朱 虹.基于模糊理论的低照度彩色图像增强算法[J].传感器与微系统，2014，33(5):121-124.

[6] Pal S K，King R A.Image enhancement using smoothing with fuzzy sets[J].IEEE Trans on Systems,Man and Cybemetics,1981,11(7):494-501.

[7] 霍 荣，邓家先，谢凯明.一种改进的低对比度图像增强算法[J].电视技术，2015,39(11):27-29.

[8] 唐世伟，林 君.小波变换与中值滤波相结合图像去噪方法[J].哈尔滨工业大学学报,2008,40(8):1335-1336.

[9] 王保平，刘升虎，范九伦，等.基于模糊熵的自适应图像多层次模糊增强算法[J].电子学报，2005,33(4):730-734.

[10] 黄一鹤.一种基于新的小波阈值函数的图像去噪方法[J].传感器与微系统，2011,30(9):76-78.

New algorithm for X-ray image enhancement

ZHAO Cun, HU Wei-wei

(Institute of New Electronic Devices and Application,Hangzhou Dianzi University,Hangzhou 310018,China)

Aiming at problem of low contrast,edge fog,exist noise of X-ray image,a new X-ray image enhancement algorithm based on wavelet transform and Fuzzy Theory is raised.Firstly,the wavelet transform is adopted to decompose the X-ray image.Secondly,the operator of generalized fuzzy enhancement is applied to low frequency coefficients to improve image contrast and local luminance,the high frequency coefficients are restrained noise by wavelet soft threshold and enhanced by a new enhancement operator.Finally,the inverse wavelet transform is applied to synthesis image.The results show that this algorithm can restrain noise effectively,improve image contrast and definition,which makes the image better.

X-ray; image enhancement; generalized fuzzy enhancement; wavelet transform

10.13873/J.1000—9787(2017)05—0071—03

2016—06—02

TP 391

A

1000—9787(2017)05—0071—03

赵 存(1990-)，男，硕士研究生，主要研究方向为X射线成像技术，数字图像处理。

胡炜薇(1981-)，女，博士，副教授，从事无线传感器及其组网技术、移动目标识别、数据融合技术、图像处理领域研究工作，E—mail：861127175@qq.com。