[发明专利]一种医疗影像图像细节增强方法

摘要

本发明公开了一种医疗影像图像细节增强方法，该方法包括以下步骤对每层图像进行高斯金字塔分解，得到下一层图像、本层高频信息；分别统计高频图像、低频图像每个像素周边N*N模板的系数平均值，得到第i层图像信息区域统计矩阵；重复上述步骤，进行逐层分解，直到分解到所要求的分解级数；对每层高频图像和低频图像按照一定的方式进行增强，得到增强后的图像；将增强后的低频和高频图像进行相加，得到当前层的输出图像，将输出图像上采样后便得到下输入图像，直到重构出顶层图像。本发明能更好地利用每一层图像的高频和低频信息，根据图像局部特点，对图像细节加以增强，控制图像噪声。

主权项

一种医疗影像图像细节增强方法，其特征在于：该方法包括以下步骤：S1：对每层图像Fi(x,y)进行逐层高斯金字塔分解，得到下一层图像Fi+1(x,y)和本层高频信息fhi(x,y)，其中，i为图像层数，第一层图像为原始图像F0(x,y)，计算过程为：S101：采用拉普拉斯金字塔算法先对每一层输入图像进行高斯滤波：Fi′(x,y)＝W(m,n)*Fi(x,y)公式中，*表示卷积，W(m,n)高斯滤波模板；S102：对Fi′(x,y)进行一次降2下采样，得到下一层图像Fi+1(x,y)：Fi+1(x,y)＝Fi′(2x,2y)；S103：对Fi+1(x,y)进行隔行插0上采样，得到Fi″(x,y)：S104：对Fi″(x,y)进行一次高斯滤波，即：Fi″′(x,y)＝W(m,n)*Fi″(x,y)S105：计算本层高频信息fhi(x,y)：fhi(x,y)＝Fi(x,y)‑Fi″′(x,y)S2：统计高频图像fhi(x,y)每个像素周边NxN模板的高频系数平均值，得到第i层图像高频信息区域统计矩阵Ei(x,y)：Ei(x,y)=Σ(i′,j′)∈B|fhi(x+i′,y+j′)|/9]]>其中，B为坐标为NxN模板所包含的区域；S3：统计低频图像每个像素周边NxN模板的低频系数平均值，得到第i层图像低频信息区域统计矩阵Ii(x,y)：Ii(x,y)=Σ(i′,j′)∈B|Fi′′′(x+i′,y+j′)|/9]]>其中，Fi″′是S1中计算得到的每一层的低频图像系数，B为坐标为NxN模板所包含的区域；S4：重复S1～S3进行逐层分解，并计算得到每一层的数据信息，直到分解到所要求的分解级数；S5:对每层高频图像fhi(x,y)进行指数增强算法，输出增强后的图像fhi′(x,y)＝G(fhi′(x,y))，其中G(x)表达式如下：G(x)=al·k·xx≤X0al·x|x|(|x|M)PX0<x≤Mal·xother]]>其中，al为不同层的增强系数，k,P为固定常数，X0和M为像素阈值；S6：将fhi′(x,y)按照高频信息区域统计矩阵Ei(x,y)进行增强，得到再次增强后图像fhi″(x,y)，增强公式如下：fhi′′(x,y)=R(fhi′(x,y))=a·fhi′(x,y)T1<Ei(x,y)<T2fhi′(x,y)others]]>当fhi′(x,y)所在临域的高频能量E大于T1且小于T2时，对高频系数做增强处理(a>1)，能量小于T1时，所处区域平滑，不做细节增强处理，避免对噪声进行增强，大于T2时，图像细节已经足够清晰，也不做处理；S7：将fli(x,y)按照Ii(x,y)进行增强，得到增强后的低频图像fli′(x,y)，计算公式如下：对于低频图像，当其所在临域高频能量Ei(x,y)小于T3时，说明像素所在图像区域处于平缓区，此时对该像素进行平缓操作，用于提高图像的层次感和图像去噪，公式中b<1；S8：对图像进行重构：将增强后的低频和高频图像进行相加，得到这一层的输出图像：FCi(x,y)＝fli′(x,y)+fhi″(x,y)S9：将输出图像FCi(x,y)上采样，得到下一层输入图像fli‑1(x,y)，计算过程为：S901：将图像FCi(x,y)间隙插0，长宽放大一倍，得到图像FCi′(x,y)，计算公式如下：S902：用高斯滤波模板对图像FCi′(x,y)进行滤波，得到低频图像fli‑1(x,y)：FCi″(x,y)＝W(m,n)*FCi′(x,y)其中，符号“*”表示卷积，W(m,n)为高斯滤波模板；S10：重复S6～S9，直到重构出顶层图像FC0(x,y)。