徐浩鈞

（長春理工大學(xué) 理學(xué)院 吉林省長春市 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大、對比度較低等問題。為了改善圖像的視覺效果，需要使用圖像增強(qiáng)對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于傳統(tǒng)的圖像增強(qiáng)能更好的保留圖像信息，并且對噪聲具有較強(qiáng)的魯棒性。

1 邊緣檢測

邊緣檢測的目的是對圖像灰度的過度部分進(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。

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：

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

2 平滑處理

由于X 射線成像過程中會(huì)受到噪聲干擾，所以對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，具有簡單、非迭代、局部處理的特點(diǎn)，其公式如下：

圖1：濾波對比圖

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比圖，經(jīng)過對比可以看出：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題。

由于肉眼觀測具有主觀性，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，是通過比較參考圖像和待測圖像的結(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。

3 圖像掩膜和UMS銳化

圖像掩膜是指通過設(shè)置模板圖像對兩幅圖像之間進(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)對非強(qiáng)化部分的屏蔽。

由于拉普拉斯算子對噪聲敏感度高，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)中常見的全局性圖像增強(qiáng)法。其通過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)問題，本文選擇采用限制對比度自適應(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?，最后對每個(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，對比直方圖可以看出，HE 的灰度等級(jí)過度相對較少，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。

通過對比表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)，對于圖像細(xì)節(jié)有更好的保留。

6 結(jié)束語

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。通過信息熵，SSIM，PSNR 三種評價(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。為后續(xù)進(jìn)行人工識(shí)別違禁品的過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HE 和CLAHE 后的灰度直方圖