對圖像進行灰度補償和噪聲抑制的方法及裝置的制造方法
【技術領域】
[0001] 本申請涉及圖像處理技術，尤其涉及一種對圖像中的非周期性噪聲進行灰度補償 的方法和裝置，以及一種采用這種方法或裝置進行噪聲抑制的方法及裝置，特別地，該圖像 為被周期性噪聲干擾的圖像。
【背景技術】
[0002] 數字X射線照相術（DigitalRadiography，DR)是一種采用數字傳感器檢測X光進 行拍攝醫學相片的技術，其以數字的方式存儲和處理醫學圖像，具有采集和傳輸速度快、更 容易進行圖像增強和顯示等優點，目前已經廣泛應用于各種醫學檢查和診斷。
[0003] 為了提高DR圖像的分辨率，大多數DR產品都會在X光接收平板和人體之間加入 一塊防散射濾線柵。該濾線柵的作用是，讓來自正面的穿過人體的X光通過的同時，使得從 人體散射出來的X光被濾除，從而盡量避免平板上的同一感光點接收到來自人體不同組織 的X光信號，以提高圖像對比度和空間分辨率。當濾線柵的空間頻率不是圖像的空間采樣 頻率的整數倍時，圖像上會顯示出條紋狀的噪聲，為如圖1所示的柵影13,其通常呈現為周 期性噪聲。這種現象稱之為摩爾效應（Moir6 effect);所產生的條紋又稱為摩爾條紋或云 紋。摩爾條紋的存在會影響正常人體組織顯示，進而影響醫生對病癥的診斷。為了避免這 種摩爾條紋，通常可采用如下幾種方法，即：1)調整濾線柵的線密度，使得其頻率是平板采 樣頻率(即像素點間隔的倒_的整數倍；2)采用運動柵，當柵的運動速度足夠大，使得柵經 過像素點的時間小于該像素點的曝光時間時，柵影將減弱或消失；3)使用圖像處理的方法 去除這種云紋。其中，方法1)和方法2)對濾線柵的結構和安裝要求較高，而方法3)對濾 線柵的結構和安裝方式要求降低，但需要去除成像時產生的條紋，并且要求不能受到成像 平板本身缺陷(如壞線、壞點）帶來的影響。
[0004] 對于使用圖像處理的方法，大多數是使用基于空間域卷積濾波或頻域直接進行抑 制。這一類方法容易受成像平板壞線的影響，濾波過程中在壞線周圍產生擴散式的振鈴效 應，參見圖2的壞線圖像和圖3的低通濾波后的圖像。為了降低這種振鈴效應，通常有兩 種做法。一是在設計濾波時在盡量降低濾波器的階數，通過犧牲頻率特性來換取較低的振 鈴效應。二是盡量減小壞線或壞點處周圍像素點的突變，即采用好的插值算法計算出壞線 或壞點的可能值，也就是恢復壞線或壞點處的像素值（即灰度補償)。因為對壞線處采用常 用的插值方法如線性插值、三次插值等進行插值，只能得到平滑的過渡，破壞了柵影的周期 性，導致頻域濾波產生振鈴效應而不能達到有效降低振鈴的效果。對于帶柵影的DR圖像， 第一種方法通常無法達到在徹底濾除柵影的同時而不在壞線處產生振鈴效應，而第二種方 法則需要在灰度補償的同時考慮柵影的影響，即不能只考慮簡單的鄰域插值，還應將柵影 的周期性規律考慮進去。然而，目前尚未有研究給出既能有效去除柵影同時又能將振鈴的 產生最小化的算法。

【發明內容】

[0005] 根據本申請的第一方面，本申請提供一種對圖像中的非周期性噪聲進行灰度補償 的方法，包括：
[0006] 圖像獲取步驟：獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖像；
[0007] 周期確定步驟：確定所述周期性噪聲的周期；
[0008] 數據獲取步驟：檢測待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近的數 據作為輸入數據；
[0009] 值恢復步驟：將所述周期性噪聲的周期和輸入數據代入信號分離模型，對信號分 離模型進行優化，得到對應于所述輸入數據的干凈圖像信號、周期性噪聲和非周期性噪聲， 根據得到的結果恢復所述輸入數據中非周期性噪聲處的像素值。
[0010] 根據本申請的第二方面，本申請提供一種對圖像中的非周期性噪聲進行灰度補償 的方法，包括：
[0011] 圖像獲取步驟：獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖像；
[0012] 方向確定步驟：確定所述周期性噪聲的方向，如果所述周期性噪聲的方向與非周 期性噪聲的方向平行，執行如下步驟：
[0013] 周期確定步驟：確定所述周期性噪聲的周期；
[0014] 數據獲取步驟：檢測待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近的數 據作為輸入數據；
[0015] 值恢復步驟：將所述周期性噪聲的周期和輸入數據代入信號分離模型，對信號分 離模型進行優化求解，得到對應于所述輸入數據的干凈圖像信號、周期性噪聲和非周期性 噪聲，根據得到的結果恢復所述輸入數據中非周期性噪聲處的像素值。
[0016] 根據本申請的第三方面，本申請提供一種對圖像進行噪聲抑制的方法，包括：
[0017] 采用如上所述的方法對圖像中的非周期性噪聲進行灰度補償，得到灰度補償后的 圖像；
[0018] 對灰度補償后的圖像進行頻域濾波。
[0019] 根據本申請的第四方面，本申請提供一種對圖像中的非周期性噪聲進行灰度補償 的裝置，包括：
[0020] 圖像獲取模塊，用于獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖 像；
[0021] 周期確定模塊，用于確定所述周期性噪聲的周期；
[0022] 數據獲取模塊，用于檢測待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近 的數據作為輸入數據；
[0023] 值恢復模塊，用于將所述周期性噪聲的周期和輸入數據代入信號分離模型，對信 號分離模型進行優化，得到對應于所述輸入數據的干凈圖像信號、周期性噪聲和非周期性 噪聲，根據得到的結果恢復所述輸入數據中非周期性噪聲處的像素值。
[0024] 根據本申請的第五方面，本申請提供一種對圖像中的非周期性噪聲進行灰度補償 的裝置，包括：
[0025] 圖像獲取模塊，用于獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖 像；
[0026] 方向確定模塊，用于確定所述周期性噪聲的方向，如果所述周期性噪聲的方向與 非周期噪聲的方向平行，將確定出的方向輸送到模型構建模塊；
[0027] 所述模型構建模塊，用于構建待處理圖像的信號分離模型，所述信號分離模型將 待處理圖像分解為干凈圖像信號、周期性噪聲和非周期性噪聲；
[0028] 周期確定模塊，用于確定所述周期性噪聲的周期；
[0029] 數據獲取模塊，用于檢測待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近 的數據作為輸入數據；
[0030] 值恢復模塊，用于將所述周期性噪聲的周期和輸入數據代入信號分離模型，對信 號分離模型進行優化求解，得到對應于所述輸入數據的干凈圖像信號、周期性噪聲和非周 期性噪聲，根據得到的結果恢復所述輸入數據中非周期性噪聲處的像素值。
[0031] 根據本申請的第六方面，本申請提供一種對圖像進行噪聲抑制的裝置，包括：
[0032] 如上所述的對圖像中的非周期性噪聲進行灰度補償的裝置；
[0033] 濾波模塊，用于對經所述裝置灰度補償后的圖像進行頻域濾波。
[0034] 根據本申請的第七方面，本申請提供一種確定圖像中周期性噪聲的周期的方法， 包括：
[0035] 圖像獲取步驟：獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖像，從 所述待處理圖像中獲取感興趣區域的圖像數據；
[0036] 優化求解步驟：將感興趣區域的圖像數據和預先設定的候選周期代入信號分離模 型，對信號分離模型進行優化求解，得到對應于所述感興趣區域的圖像數據的干凈圖像信 號、周期性噪聲和非周期性噪聲；
[0037] 周期確定步驟：將求解出的周期性噪聲信號最強的模型對應的候選周期確定為周 期性噪聲的周期。
[0038] 根據本申請的第八方面，本申請提供一種確定圖像中周期性噪聲的周期的裝置， 包括：
[0039] 圖像獲取模塊，用于獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖 像，從所述待處理圖像中獲取感興趣區域的圖像數據；
[0040] 優化求解模塊，用于將感興趣區域的圖像數據和預先設定的候選周期代入信號分 離模型，對信號分離模型進行優化求解，得到對應于所述感興趣區域的圖像數據的干凈圖 像信號、周期性噪聲和非周期性噪聲；
[0041] 周期確定模塊，用于將求解出的周期性噪聲信號最強的模型對應的候選周期確定 為周期性噪聲的周期。
[0042] 本發明的對圖像中非周期性噪聲進行灰度補償的方法是通過信號分離模型來實 現，在使用該模型時結合了確定出的周期性噪聲的周期進行處理，使得在分離出周期性噪 聲信號、非周期性噪聲信號和干凈圖像信號這三個分量時能夠考慮到噪聲的周期性影響， 從而能夠在進行灰度補償時考慮周期性噪聲的影響，使得灰度補償后由于延續了周期性， 在進行后續噪聲抑制時不會產生振鈴效應，進而改善圖像質量。
【附圖說明】
[0043]圖1為防散射濾線柵工作時柵影產生的示意圖，其中11為X光接收平板，12為濾 線柵，13為柵影，短箭頭14為直射線，長箭頭15為散射線；
[0044] 圖2和圖3分別為壞線振鈴產生的壞線圖像示意圖和低通濾波后的圖像示意圖； [0045] 圖4為本發明一種實施例中輸入的DR圖像信號分解為三個信號分量的示意圖；
[0046] 圖5為圖4所示信號分量p的示意圖；
[0047] 圖6為本發明一種實施例的帶濾線柵的DR圖像的非周期性噪聲進行灰度補償方 法的流程示意圖；
[0048] 圖7為本發明一種實施例中的柵影方向檢測算法的流程示意圖；
【具體實施方式】
[0049] 本發明提出一種對圖像中的非周期性噪聲進行灰度補償的方法（以下簡稱本方 法)，，特別地，該圖像為被周期性噪聲干擾的圖像。該方法可以應用于包括但不限于帶防散 射濾線柵的數字放射圖像(簡稱DR圖像)中。以下以對帶濾線柵(對應周期性噪聲)的DR圖 像中的壞線或壞點(對應非周期性噪聲）進行灰度補償為例，對本方法進行詳細說明，應理 解，以下的方法能適用于各種需要抑制周期性噪聲的圖像。
[0050] 本方法是基于這樣一種情形下的信號處理：一個干凈的信號X受到周期性噪聲p 的加性干擾，并且在觀測時由于傳感器缺陷引入稀疏的噪聲s (包括壞線或壞點，也稱為非 周期性噪聲)，此時需要從傳感器輸出d來進行s、p和X三個分量的估計。簡言之，即根據 式子d=s+p+x分別求出s、p和X三個未知分量。通過該式子構建信號分離模型(簡稱SPX 模型)，根據SPX模型進行優化求解，由此實現對DR圖像中的柵影周期的計算，或者是實現 對DR圖像中的柵影周期的