图像增强技术在安检X光图像中的应用

2020-02-05徐浩钧

电子技术与软件工程 2020年7期

徐浩钧

（长春理工大学理学院吉林省长春市 130022）

随着现代科学技术的发展，X 射线成像技术成功地应用在了诸多领域。然而由于X 射线性质，导致其存在着难以克服的缺陷。例如为了满足安检实时性X 射线照度不足所造成的图像噪声过大、对比度较低等问题。为了改善图像的视觉效果，需要使用图像增强对X 射线图像进行增强处理。

图像增强主要为空域图像增强和频域图像增强。频域增强由于其原理复杂，导致难以进行广泛应用；而空域增强由于没有区分噪声和信息，在增强图像的同时也会增强噪声。所以需要针对X 射线安检图像的特点，将多种图像增强方法相结合进行增强处理。本文参考医学X 光图像的处理方法。提出了一种X 射线安检图像增强的新思路。

本文所用为低对比度的X 光安检图像，首先分别使用拉普拉斯算子和Sobel 算子得到细节图和梯度图，再次对梯度图使用双边滤波并以其为模板利用图像掩膜的概念乘以细节图，将掩膜后的图像经USM 锐化得到最终的锐化图像，使用图像融合和原图像相加，最后使用CLAHE 增大图像灰度的动态范围。实验结果表明，本文所提出的方法相对于传统的图像增强能更好的保留图像信息，并且对噪声具有较强的鲁棒性。

1 边缘检测

边缘检测的目的是对图像灰度的过度部分进行突出，在减少数据量的同时剔除不相关信息。首先需要利用拉普拉斯算子得到细节图，然后利用Sobel 算子得到梯度图。

1.1 拉普拉斯算子

拉普拉斯算子是具有旋转不变性的各向同性二阶微分算子。一个二维图像函数f(x,y)的拉普拉斯算子定义为：

拉普拉斯算子由于其特性，在细节提取上具有优势。

1.2 Sobel算子

Sobel 算子是一阶离散性差分算子，该算子包含两组3*3 矩阵，可分别得出横向以及纵向的亮度差值。如果A 代表原图，Gx和Gy分别代表横向和纵向的图像灰度值，其形式如下：

对比拉普拉斯算子，Soble 算子具有计算简单，对于灰度变化明显的边界更为清晰的优势；但是其计算方向单一，对图像中的复杂纹理处理较为乏力。

2 平滑处理

由于X 射线成像过程中会受到噪声干扰，所以对X 射线图像进行增强前首先需要进行去噪处理，其主要处理方法为均值滤波、中值滤波等方法。但是由于其并没有有效的区分边缘点和非边缘点，所以会导致其会产生边缘模糊等现象。

为了克服这个问题，本文选择采用双边滤波进行图像平滑。双边滤波能在考虑空间与信息和灰度相似性的同时达到保边去噪的目的，具有简单、非迭代、局部处理的特点，其公式如下：

图1：滤波对比图

在像素值变化较小的非边缘区域，空间滤波器会进行高斯平滑；在像素值变化大的边缘区域，值域滤波器则会保留边缘信息。

图1 为图像分别经中值滤波，均值滤波和双边滤波的对比图，经过对比可以看出：中值滤波导致图像边缘被掩盖；均值滤波则是造成了边缘模糊的问题。

由于肉眼观测具有主观性，本文引入SSIM 和PSNR 的概念分别计算原图经中值滤波、均值滤波、双边滤波后的相似度数值和图像质量。

SSIM(structural similarity index)，结构相似性，是通过比较参考图像和待测图像的结构信息，从而判断图像相似度程度的指标,当两张图完全相同时,SSIM 数值为1。其公式如下

公式中，x,y 分别为参考图像与待测图像。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 的协方差。为避免分母为0，c1,c2和c3为小的正数。

PSNR(Peak Signal to Noise Ratio)即峰值信噪比，是一种常见的衡量图像质量的指标。在计算PSNR 之前需要计算均方误差（MSE）,PSNR 和MSE 的公式如下，式中I 是原图灰度值，K 为经过处理后图像的灰度值，MAXI为图片可能的最大像素值。根据公式可以看出，PSNR 越大，代表着图像质量越好。

参考表1 可以看出，经双边滤波处理后的图像在质量和结构相似性两方面都更具优势。

3 图像掩膜和UMS锐化

图像掩膜是指通过设置模板图像对两幅图像之间进行种位运算操作，利用矩阵乘法的概念将模板图像与待处理图像相乘，感兴趣区内图像内数值保持不变，而区外图像数值都为0，从而达到在得到感兴趣区图像的同时实现对非强化部分的屏蔽。

由于拉普拉斯算子对噪声敏感度高，其会在平滑区域会产生多余的噪声。Sobel 算子对噪声敏感度较低，同时经双边滤波处理后梯度图的噪声会得到进一步的降低。因此，本算法设置经双边滤波处理的梯度图为模板，将其与拉普拉斯图像相乘。所得到的图像既可以保留灰度变化强烈的边缘信息，也可以降低拉普拉斯图像在平坦区域的噪声。

为了得到最终的锐化图像，需要使用UMS 锐化对经掩膜后的图像进行处理。UMS 锐化又称线性反锐化掩模（UnSharp Masking，UMS）。首先将原图像经低通滤波后得到钝化模板，然后将原图与钝化模板相减得到保留高频成份的图像，之后再将高频图像用参数放大后与原图像相叠加，便可得到最终的增强图像。其公式如下所示：

式中G(x,y)为经过增强的最终锐化图像，f(x,y)为原图像，Gm为钝化模板，其中当k 系数越大则对图像的细节增强越明显。

4 灰度变换

直方图均衡化（Histogram Equalization，HE）是图像增强中常见的全局性图像增强法。其通过改造直方图的分布形式，从而使变换后图像的灰度值尽可能平均。但HE 是对整幅图像进行处理，所以可能导致图像中重要信息的丢失。

为了解决这个问题，本文选择采用限制对比度自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)。CLAHE 采用局部分析的概念[5]，其会将图像进行分块处理后分别计算所有块内的直方图和每个直方图的截断值，最后对每个块进行直方图均衡化，以达到控制噪声和防止过度增强的目的。

图2 分别为经HE 和CLAHE 后图像的灰度直方图，对比直方图可以看出，HE 的灰度等级过度相对较少，图像细节有很严重的丢失，而CLAHE灰度等级明显增多，图像具有更加丰富的细节信息。

5 实验结果

由于需要对增强后图像信息的丰富程度进行表征，本文引入图像信息熵的概念对其进行表征，公式如下：

公式中λ 为黑白图像中的最大灰度值；Pi为灰度值为i 出现的概率。信息熵的数值越大说明图像包含更多的细节信息，同时意味着图像质量越好。

通过对比表2，可以看出本文所提出的方法在提升了图像质量的同时，对于图像细节有更好的保留。

6 结束语

图像增强技术是一种提高X 射线图像质量的关键技术，本文针对X 射线安检图像的成像特点设计了相关算法。通过信息熵，SSIM，PSNR 三种评价标准进行表征，实验证明增强后的图像具有信息丰富，细节清晰，更适合人眼观察的优势。为后续进行人工识别违禁品的过程提供了有益的参考，在X 射线图像处理中具有重要应用价值。