twitter 白丝 基于牙科X光片的多种直方图平衡化图像增强对比
发布日期：2024-10-05 04:39 点击次数：192
X光片twitter 白丝， 比如骨科X光片， 胸部X光片， 牙科X光片等， 不错匡助医师说明疾病， 决定适应的调治决策， 还是被无为用在当代医学中。口腔科医师通过稽查牙科X光片不错了解到牙齿的髓腔阵势、牙齿龋坏的情景、牙床的迂曲进度和粗细状态等， 还不错在很猛进度上匡助医师定位和检测到根尖周病变和牙周病病变情况等。牙科X光片是当代医疗在牙齿会诊方面的一种基本又必须的形势。
X光片的质料由于时刻、X光机缔造以及病体自身的密度等一些复杂的成分而受到戒指。这些质料较差的图像可能会对医师的会诊形成影响， 病东谈主可能要访佛拍摄， 从而形成很大的资源以及钞票的损失。针对这个问题， 时时需要先对牙科X光片进行增强贬责以获取更为剖析可靠的图像。目下常用的图像增强算法有空间域法和频域法两大类， 空间域法是成功对组成图像的像素进行操作， 如直方图平衡化算法[1]等， 频域法是指在频域内以图像的傅氏变换为根柢进行的蜿蜒贬责重要， 如小波变换[2]、同态滤波[3]等。但这些重要往往会增大图像的噪声， 后果并不显豁且有的算法过于复杂。因此本文凭证牙科X光片的特质对直方图平衡化算法进行了革命， 达到在图像增强的同期逼迫噪声的后果。
1 基于MATLAB的X光片图像增强本文以图 1所示的牙科X光片灰度图像为例， 对直方图平衡化(HE)、戒指对比度自适合直方图平衡化(CLAHE)、锐化中值滤波自适合直方图平衡化(SMAHE)和革命的对比度自适合直方图平衡化(SMCLAHE)四种图像增强算法的贬责后果进行比拟。
图 1 牙科X光片灰度图像及直方图
Figure 1 Dental X-ray image and histogram
1.1 直方图平衡化 直方图平衡化是对图像的灰度值进行调度， 通过对比度的拉伸对直方图进行调度， 从而增大了远景和布景的灰度判袂， 以达到增强对比度的办法， 使增强后图像像素的灰度级以等概率的形势均匀散布， 这是以减少灰度品级来换取对比度的栽培， 且平衡化贬责后的图像的值是近似均匀散布。平衡化贬责后的图像只然而近似均匀散布。平衡化图像与原图像对比， 扩大了灰度值的量化阻隔， 减少了量化级， 因此， 原始图像中灰度不同的像素经过贬责后就可能变的疏通了， 贬责后的图像就会形成一派疏通灰度的范围， 况且范围之间有剖析的界线。若一幅灰度图像共有N个像素， 灰度品级范围为[0，M-1]， 则图像的直方图平衡化分式为
(1)
式中:T(rk)示意第k个灰度级时原图像与平衡化图像的映射函数; s为图像的灰度积存散布函数; nj为灰度品级为j时的像素数; Pr(rj)示意在图像中第j灰度品级出现的概率。
示意第0到k的灰度级出现的概率。因为s范围在0到1之间， 是归一化数值， 是以要转成0到255的值， 即:
(2)
直方图平衡化的贬责后果如图 2所示。
图 2 直方图平衡化的贬责后果
Figure 2 The effect of the histogram equalization
通过图 1和图 2的对比可知， 直方图平衡化不错在一定进度上增强牙齿X光片的全体对比度， 但是贬责后的图像傍边两侧旯旮的牙齿出现了对比度不当然的过分增强。由此看出直方图平衡化贬责往往会导致方针细节丢失、布景过多增强和噪声放大的问题。关于直方图平衡化的这种弱势， 戒指对比度自适合直方图平衡(CLAHE)算法能一定进度的戒指噪声以及改善规模等问题的放大。
1.2 戒指对比度自适合直方图平衡化戒指对比度自适合直方图平衡化(CLAHE)， 通过戒指积存散布函数(CDF)的最大斜率克服了直方图平衡化(HE)算法中的局限性，AI换脸 排斥了直方图平衡化经过中引入的当场噪声。CLAHE算法区别于普通的自适合直方图平衡化的处所在于其对对比度幅度的戒指。在CLAHE中， 关于每个小的区域部分齐必须对对比度幅度进行戒指。CLAHE主若是用来克服HE的过度放大噪声的问题。从HE中得知， 关于图像的随便灰度级r映射弧线T与CDF关系为:
(3)
式中:K为最高的灰度值; L为像素的个数。对对比度的幅度进行戒指， 其实也即是戒指累计直方图CDF(r)的斜率， 又因CDF(r)与图像灰度直方图Hist(r)的关系为
(4)
式(4)标明戒指CDF的斜率即是戒指灰度直方图的幅度。图 3中所示即为戒指对比度的直方图平衡化在MATLAB中的贬责后果twitter 白丝。
图 3 戒指对比度自适合直方图平衡化(CLAHE)的贬责后果
Figure 3 The effect of thecontrast limited adaptive histogram equalization(CLAHE)
从图 3不错看出， CLAHE不错一定的逼迫局部对比度的过度增强以及噪声的放大。然而， 在经过CLAHE算法贬责后的图像中依然存在着大齐的东谈主为噪声， 尤其是在灰度值倏得变化的规模部分， 这是由于规模部分局部直方图的剧烈变化形成的。
1.3 锐化中值自适合直方图平衡(SMAHE)中值滤波法吵嘴线性的图像平滑时刻的一种， 中值滤波对脉冲噪声有风雅的滤除作用， 异常是在滤除噪声的同期， 大约有限的保护信号的旯旮， 使之不被减轻， 这些优良脾气是线性滤波重要所不具有的。中值滤波法是用某种结构的二维滑动模板将各个像素点的灰度值设定成为每个对应像素点的某个邻域内总共像素的灰度值的中值。二维中值滤波的输出公式为
(5)
式中:t(x， y)为原始图像上任一像素点的灰度值; s(x， y)为经过中值滤波贬责后的图像上对应像素点的灰度值。算法中的卷积模板U宽泛选择的是8邻域卷积模板， 但是也不错是其它的时事， 比如圆周形的、线状的以及十字形等。
进行图像锐化的贬责是为了让图像的规模、详细以及轻细细节变得显豁剖析， 进行过中值的图像变得减轻的根柢原因是因为中值滤波是一种图像平滑时刻， 图像经过了平均的运算， 是以不错对图像进行举例微分运算的逆运算就不错使图像变得明晰。从频率方面看的话， 图像变得减轻则是因为图像经过中值滤波后高频重量衰减， 是以不错使用高通滤波器来对消一部分高频重量衰减。图像锐化贬责的主要时刻体当今空域和频域的高通滤波， 锐化中值自适合直方图平衡化算法是使用空域高通滤波来已毕图像锐化的。
锐化中值自适合直方图平衡化聚首了图像锐化与中值滤波不错使图像的旯旮细节卓越， 并一定进度的改善了图像全体的对比度。图 4为锐化中值自适合直方图平衡(SMAHE)在MATLAB中的贬责后果。
图 4 锐化中值自适合直方图平衡化(SMAHE)贬责后果
Figure 4 The effect of sharpening， median filtering and adaptive histogram equalization(SMAHE)
图 4与原图图像比拟发现， 细节旯旮得到了增强， 对比度也得到了一定的增强， 然而后果依然不令东谈主舒心， 照旧出现了个别牙齿的对比渡过度增强。针对这种不及， 另外一种革命的戒指对比度自适合直方图平衡化(SMCLAHE)算法能在保合手锐化中值自适合直方图平衡化算法细节的基础上， 进一步改善它的不及。
1.4 革命的戒指对比度自适合直方图平衡化(SMCLAHE)SMCLAHE图像增强时刻是聚首了图像的锐化和对比度自适合直方图平衡化(CLAHE)的算法。锐化算法用于提高根尖细节特征， 使图像的旯旮、详细线以及图像的细节变得剖析。这项责任诈欺拉普拉斯滤波器进行图像锐化贬责。拉普拉斯算子是一种常用于图像锐化的二阶微分算子， 文中的锐化算法是构造一个基于拉普拉斯算子的滤波器。SMCLAHE算法锐化贬责所选的是一种各向的同性滤波器， 其响应与该滤波器贬责的图像突变标的并没相掂量。图像函数s(x， y)的拉普拉斯变换的界说为
(6)
本文算法所用的8邻域的拉普拉斯锐化卷积模板如图 5所示。再经过中值滤波法， 滤除图像中的噪声， 中值滤波对脉冲噪声有风雅的滤除作用， 同期也能保护图像的旯旮， 之后再对贬责过的图像进行上文提到的戒指对比度的自适合直方图平衡化。对图像进行对比度的增强， 况且不错进一步排斥贬责经过中所产生的东谈主为噪声。图 6所示即为革命的戒指对比度自适合直方图平衡化(SMCLAHE)贬责后果。
图 5 邻域的拉普拉斯锐化卷积模板
Figure 5 The neighboring Laplacian sharpening convolution module
图 6 革命的戒指对比度自适合直方图平衡化(SMCLAHE)贬责后果
Figure 6 The effect of the enhance contrast adaptive histogram equalization method
聚首原图以及直方图对比可知， 革命的戒指对比度自适合直方图平衡化算法能有用地对牙科X光片图像进行对比度增强， 并不会形成旯旮细节的缺失， 且组织头绪分明， 更便于病理不雅察。
2 收尾分析本文以牙科X光片原图为例， 分手用直方图平衡化， 戒指对比度自适合直方图平衡化， 锐化中值自适合直方图平衡化以及革命的戒指对比度自适合直方图平衡化算法四种图像增强重要对X光图像进行贬责。咱们常继承一些图像的数字特征来作念为图像质料评估的主要客不雅递次， 如均方根格外(RMSE)、图像信噪比(SNR)以及改善对比度指数(CII)。
改善对比度指数(CII)用来量度贬责后图像的对比度， 且也能反应出图像的细节以及全体的增强后果。改善对比度指数的公式为
(7)
式中:C1是增强后图像的对比度; C0是原始图像的对比度。对比度筹画公式为
(8)
式中:i， j示意的是图像中相邻像素; δ(i， j)= |i-j|示意相邻像素之间灰度值的差; Pδ(i， j)示意相邻像素的灰度值的差是δ的像素散布概率，相邻一般指以中心像素为中心的规模内。一般地， 筹画一幅图像的对比度即是筹画中心像素灰度值与其周围规模内相近像素灰度值之差的平方之和， 除以以上平方项的个数。
均方根格外也动作不错度量图像灰度的增强后果的参数之一， 它与改善对比度指数不同在于其愈加强调于增强后图像与原图像的之间各异。均方根格外(RMSE)筹画公式为
(9)
式中:ri(x， y)是指原始图像在不雅测点i处的值; ti(x， y)是指增强后图像在不雅测点i处的值; n示意不雅测点的总和。
信噪比(SNR)是一个时常用于多样信号贬责的权衡参数， 举例图像、音频等。本文的SNR是用来权衡算法逼迫噪声的材干。一般来说， 图像信噪比的值越大， 则质料越好。图像的信噪比即是信号的功率谱与噪声的功率谱之比， 但是又因为功率谱不好筹画， 宽泛以信号与噪声的方差之比来近似臆测图像信噪比。图像信噪比不错示意为
(10)
式中:n示意图像的长度上的像素个数; m示意图像宽度上的像素个数; Bij示意原始图像在点(i， j)的灰度值; Aij分是贬责事后的图像在点(i， j)的灰度值。表 1为本文所用算法以及贬责后果的参数值。
表 1 所用算法以及贬责后果的参数值
Table 1 The parameters of the different algorithms and processing effects
凭证视觉感受不错显豁的看出直方图平衡化大约改善X光图像的全体对比度， 但是导致方针细节丢失、布景过多增强和噪声放大; 戒指对比度自适合直方图平衡化算法不错有用逼迫局部对比度的增强及噪声放大， 但是会引起旯旮接壤灰阶突变; SMAHE算法使X光图像的细节旯旮得到了增强， 且对比度也得到了一定的增强， 但是图像自身较亮的部分出现了对比度的过度增强。革命的戒指对比度自适合直方图平衡化算法不错很好地卓越旯旮细节并极地面改善了图片的全体对比度。表反应出四种算法的增强图像三种指数， 由数值来看， 革命的戒指对比度自适合直方图平衡化算法对牙科X光片图像贬责后果最好。
3 论断本文用4种算法对低对比度的原始牙科X光片进行图像增强， 贬责方针是使贬责收尾既能保合手原有图像的有用信息， 又能增强图像质料， 改善图像的对比度。收尾标明SMCLAHE算法贬责所得图像的均方根格外(RMSE)、改善对比度指数(CII)最小twitter 白丝， 图像的信噪比(SNR)最大， 能有用的提高图像旯旮纹理的剖析度并改善了图片的全体对比度， 头绪感也得到了很好地卓越， 比拟以上几种算法SMCLAHE算法更适用于牙科以及医学的X光片图像的增强。