一種改進(jìn)的圖像增強(qiáng)算法及其應(yīng)用

1、第25卷第9期計(jì)算機(jī)應(yīng)用與軟件Vol 125No . 92008年9月Computer App licati ons and Soft w are Sep. 2008一種改進(jìn)的圖像增強(qiáng)算法及其應(yīng)用王小鳳耿國(guó)華郭紅波(西北大學(xué)信息科學(xué)與技術(shù)學(xué)院陜西西安710069收稿日期:2006-12-30。國(guó)家自然科學(xué)基金項(xiàng)目(60673100 。王小鳳, 博士生, 主研領(lǐng)域:數(shù)據(jù)挖掘, 模式識(shí)別, 圖形圖像處理和音頻處理。摘要為改進(jìn)圖像增強(qiáng)算法, 使之更適合醫(yī)學(xué)領(lǐng)域圖片的處理, , 景區(qū), 使用不同的函數(shù)進(jìn)行增強(qiáng), , 。實(shí)驗(yàn)結(jié)果顯示改進(jìn)的基于粗糙集的增強(qiáng)效果優(yōu)于直方圖均衡化方法。關(guān)鍵詞粗糙集上逼近下逼近

2、AN I M I M ENHANCE M ENT AL GO R I TH M AND I TS APPL I CAT I O NW ang Xiaofeng Geng Guohua Guo Hongbo(School of Infor m ation Science and Technology, N orthw est U niversity, X i an 710069, Shaanxi, China Abstract W ith an ai m t o i m p r ove the i m age enhance ment algorith m and make it suitabl

3、e f or medical field, the upper and l ower app r oxi m a 2ti on ideas of r ough set theory are used, and the i m age is divided int o object 2i m age and backgr ound 2i m age, which are enhanced by different functi ons . Then, an i m p r oved i m age enhancement algorith m based on r ough set is p r

4、 oposed and used in medical i m age field . Experi m ental re 2sults show that the enhanced effect of the p r oposed algorith m is obvi ous and better than that of the hist ogra m equalizati on method . Keywords Rough set Upper app r oxi m ati on Lower app r oxi m ati on H ist ogram equalizati on0引言

5、圖像增強(qiáng)是一種基本的圖像預(yù)處理手段, 它對(duì)改善原始圖像的視覺效果起著不可估量的作用, 特別是在醫(yī)學(xué)圖像處理中更顯示了它的重要性。多年來, 醫(yī)學(xué)工作者和工程師們?yōu)榱颂岣哚t(yī)學(xué)圖像的襯比, 采用了各種各樣的圖像處理算法。圖像增強(qiáng)技術(shù)大致可分為頻域法、空域法和模糊處理三大類。頻域法24、空域法59、模糊增強(qiáng)方法1013的處理步驟都是運(yùn)用某一變換對(duì)整個(gè)圖像作增強(qiáng)變換, 即對(duì)圖像的平滑區(qū)域和邊緣區(qū)域都以一種變換作灰度改變, 其結(jié)果是圖像的邊緣部分仍不明顯, 而且圖像平坦區(qū)域也會(huì)丟失一些細(xì)節(jié)信息14。粗糙集理論是將圖像分為物體區(qū)和背景區(qū), 采用不同的函數(shù)進(jìn)行增強(qiáng)。在本文中我們先采用中值平滑濾波器1進(jìn)行圖像去

6、噪處理, 去掉圖像中的大多數(shù)背景信息和噪聲。第二步進(jìn)行圖像增強(qiáng), 它能將原來不清楚的圖像變得清晰或把我們感興趣的某些特征強(qiáng)調(diào)出來, 以改善圖像的視覺效果或便于對(duì)圖像進(jìn)行其它處理。本文根據(jù)醫(yī)學(xué)圖像的特點(diǎn), 改進(jìn)了基于粗糙集的圖像增強(qiáng)算法并且首次將其應(yīng)用于醫(yī)學(xué)領(lǐng)域, 并和直方圖均衡化算法進(jìn)行比較; 實(shí)驗(yàn)表明基于粗糙集的增強(qiáng)算法增強(qiáng)效果明顯, 優(yōu)于直方圖均衡化算法。1直方圖均衡化處理圖像的灰度變換處理是通過改變?cè)紙D像各像素在各灰度級(jí)上的概率分布來實(shí)現(xiàn)的。通過對(duì)圖像的灰度值進(jìn)行統(tǒng)計(jì)可以得到一個(gè)一維離散的圖像灰度統(tǒng)計(jì)直方圖函數(shù)p (sk =nk /n (這里k =0, 1, , L -1 , 該式表示

7、在第k 個(gè)灰度級(jí)上的像素個(gè)數(shù)nk 占全部像素總數(shù)n 的比例, p (sk 則給出了對(duì)sk 出現(xiàn)概率的一個(gè)估計(jì)。因此該直方圖函數(shù)實(shí)際是圖像的各灰度級(jí)的分布情況的反映, 換句話說也就是給出了該幅圖像所有灰度值的整體描述。通過該函數(shù)可以清楚地了解到圖像對(duì)應(yīng)的動(dòng)態(tài)范圍情況, 可以了解到圖像灰度的主要集中范圍。因此可以通過圖像增強(qiáng)程序的干預(yù)來改變直方圖的灰度分布狀況, 使灰度均勻地或是按預(yù)期目標(biāo)分布于整個(gè)灰度范圍空間, 從而達(dá)到增強(qiáng)圖像對(duì)比度的效果。2基于粗糙集的圖像增強(qiáng)粗糙集體現(xiàn)了集合中對(duì)象的不可區(qū)分性, 即由于知識(shí)的粒度而導(dǎo)致的粗糙性。圖像信息具有較強(qiáng)的復(fù)雜性和相關(guān)性, 將粗糙集理論應(yīng)用于圖像的處理

8、和理解, 具有比其他方法更好的效果。文獻(xiàn)15將此方法應(yīng)用于弧形閘門黑白圖像, 效果比較理想, 并且乳腺圖片也是黑白圖像, 因此本文改進(jìn)了此方法并嘗試將其應(yīng)用于乳腺影像圖片。2. 1劃分子圖文獻(xiàn)15基于不可分辨關(guān)系的子圖劃分對(duì)于一幅灰度級(jí)為L(zhǎng) 的M ×N 個(gè)像素組成的二維圖像U, 設(shè)像素x 為U 中的一個(gè)對(duì)象, 我們稱知識(shí)庫(知識(shí)系統(tǒng) K =(U, R 為一個(gè)圖像近似40計(jì)算機(jī)應(yīng)用與軟件2008年 空間。粗糙集理論中有兩種屬性:條件屬性和決策屬性。為了圖像增強(qiáng), 應(yīng)該有目的地改變圖像中某類像素的灰度值。為此, 我們定義條件屬性集C =c 1, c 2, 其中c 1是像素灰度值屬性,c

9、2是噪聲屬性。乳腺癌影像一般是由較亮區(qū)域和較暗區(qū)域組成(亮區(qū)是腫瘤(物體 區(qū), 暗區(qū)是正常組織(背景 區(qū) , 則直方圖有兩個(gè)峰, 一個(gè)峰對(duì)應(yīng)于亮區(qū)灰度值,一個(gè)峰對(duì)應(yīng)于暗區(qū)灰度值, 兩峰之間選一個(gè)灰度值作閾值P 。灰度值屬性c 1=0, 1, 其中0代表0P 灰度值, 1代表(P +1 255灰度值, 噪聲屬性c 2=0, 1, 其中0代表2×2, 或者4×4像素組成子塊s 的平均灰度值與相鄰子塊平均灰度值之差的絕對(duì)值均小于某一閾值Q, 1代表子塊的差值絕對(duì)值均大于Q 可分辨關(guān)系的等價(jià)概念, 按屬性C 分類。根據(jù)c 1劃分子圖, 設(shè)x , R c 1定義為:P, 則兩個(gè)像素是

10、R c 1相關(guān)的, :R c 1(x |x |:f(x >P, f (x x , R c 1(x 表示所有“較亮”的像素x 組成的集合。R c 1的非集R c 1則表示所有“較暗”的像素x 組成的集合。根據(jù)c 2劃分子圖, 定義等價(jià)關(guān)系R c 2為:子塊s ij 與相鄰子塊的平均灰度值m (s 之差的絕對(duì)值取整均大于某一閾值Q, 即R c 2(s =ijs ij |:int|m (s ij -m (s i ±1, j ±1 |>Q, s i ±1, j ±1表示s ij相鄰的子塊。R c 2(s 表示所有噪聲像素組成的集合, 子塊s ij 與

11、相鄰子塊s i ±1, j ±1構(gòu)成宏塊。將上述劃分的子圖合起來。即A 1=R c 1(x -R c 2(s 和A 2=R c 1(x -R c 2(s , A 1表示剔除噪聲后所有“較亮”的像素x 組成的集合, 即腫瘤區(qū)物體區(qū)。A 2表示剔除噪聲后所有“較暗”的像素集合, 即背景區(qū)。A 1, A 2也就是我們需要增強(qiáng)的像素集合。2. 2具體增強(qiáng)算法在對(duì)二維圖像U 的子圖劃分基礎(chǔ)上, 分別對(duì)A 1和A 2作對(duì)比度增強(qiáng)。我們稱此增強(qiáng)為一變換, 記為T:T (U =U 。該運(yùn)算分別對(duì)“較亮”子圖A 1作正切變換(式(2 和“較暗”子圖A 2作正弦變換(式(1 , 不僅增強(qiáng)了圖像

12、, 而且可以控制圖像“明暗”區(qū)的對(duì)比度。增強(qiáng)變換T 的步驟如下:將子A 1圖補(bǔ)全, 即在所有“較暗”的像素和噪聲像素位置處, 分別用閾值P 灰度值和噪聲子塊處的宏塊的平均灰度值填充, 構(gòu)成A 1。將子A 2圖補(bǔ)全, 即在所有“較亮”的像素和噪聲像素位置處, 分別用閾值P 值和宏塊均值填充, 構(gòu)成A 2。對(duì)A 1作正切變換(式(2 , A 2作正弦變換(式(1 。對(duì)A 1和A 2變換后的圖像作重疊, 輸出增強(qiáng)的圖像。綜上所述, 基于粗糙集的增強(qiáng)算法由兩部分組成:1 按屬性C 對(duì)圖像作粗糙分類。2 分類后分別做式(1 和式(2 的增強(qiáng)變換T:T (U =U 。效果如圖1圖4所示。 圖1原始圖片圖2

13、去噪圖片圖3(sin (2sin D m -20<<1(1 正切變換:f (x =D 21tan (2tan D m -20<<1(2 在本系統(tǒng)中, D m =202, =0. 7。3總結(jié)從圖1圖4中能明顯看出改進(jìn)的粗糙集增強(qiáng)算法優(yōu)于直方圖均衡化算法, 而且在分類系統(tǒng)中應(yīng)用也得到證實(shí)。因此基于粗糙集理論的增強(qiáng)算法是非常實(shí)用的。參考文獻(xiàn)1徐建華. 圖像處理與分析M.北京:科學(xué)出版社, 1994.2Azriel Rosenfield, A vinash C K . D igital Picture Pr ocessing . Ne w York:Acade m ic Pre

14、ss, 1982:1542167.3Castle man KR. D igital I m age Pr ocessing . Canada:Prentice Hall, 1996:3072344.4It oh Yasumasa, Tanaka Yutaka . I m age enhance ment based on esti m a 2ti on of high res oluti on component using wavelet transf or m. I n:Pr oc I EEE I nternati onal Conference on I m age Pr ocessin

15、g, Paris, 1999:4892493.5L ee J D. D igital i m age enhance ment and noise filter by use of l ocal sta 2tistics . I EEE Trans Pattern Analysis and Machine I ntelligence, 1997, 19(9 :8632872.6Monteil Jer ome, Beghdadi A zeddine . Ne w inter p retati on and i m p r ove 2ment of the nonlinear anis otr o

16、p ic diffusi on for i m age enhance ment . I EEE Trans Pattern Analysis and Machine I ntelligence, 1999, 21(9 :9402946.7Matz Sean C, Rui J P . Localized nonlinear method f or the contrast en 2hance ment of i m ages . I n:Pr oc I EEE I nternati onal Conference on I m age Pr ocessing, Paris, 1999:4842

17、488.8Zhang Yu,W ang Xi Q in, Peng Ying N ing . Ne w i m age enhance ment algo 2rithm for night visi on . I n:Pr oc I EEE I nternati onal Conference on I m age Pr ocessing, Paris, 1999:2012203.9Sait oh Fum ihiko . I m age contrast enhance ment using genetic algorithm.I nPr oc I EEE I nternati onal Co

18、nference on System s,Man, and Cybernet 2ics, 1999:899290.10Pal S K, King R A. On edge detecti on of Xray i m ages using fuzzy sets .I EEE Trans Pattern Analysis and M ach ine I ntelligence, 1983, 5(1 :69277.11Pal S K, King R A. I m age enhance ment using s moothing with fuzzy sets .I EEE Trans Syste

19、 ms,Man and Cybernetics, 1981, 11(7 :4942501.(下轉(zhuǎn)第63頁第9期王寶土等:基于GP U 的虛擬經(jīng)絡(luò)系統(tǒng)構(gòu)建的研究63(3 計(jì)算點(diǎn)P 與被選中的穴位中心點(diǎn)的距離dis 。若dis >1. 13穴位的半徑, 穴位拾取錯(cuò)誤。否則, 拾取正確。 圖2穴位錯(cuò)誤拾取況之一該算法根據(jù)人體穴位和皮膚空間位置關(guān)系, 解決了穴位拾取過程中誤選情況的發(fā)生, 實(shí)現(xiàn)了穴位的準(zhǔn)確拾取。2. 4GPU 渲染在本系統(tǒng)中, GP U 明的疊加效果。系統(tǒng)在A l (Effects Fra me 2work 10。A l pha B lend 技術(shù)實(shí)現(xiàn)單層模型的半透明效果的公式如

20、下:F inalCol =sCol 3sFact +dCol 3(1-sFact (2公式中的所有變量都是4D 顏色向量(R, G, B, A , 符號(hào)3表示分量相乘。Final Col 表示混合后的顏色結(jié)果; s Col 表示被計(jì)算的顏色, 利用在后緩存中的顏色來被混合的; sFact 是一個(gè)在0, 1范圍內(nèi)的值, 指定源顏色在混合中的百分比; dCol 表示在后緩存中的顏色; 改變sFact 的大小即可改變s Col 和dCol 在Fi 2nal Col 中的比值, 實(shí)現(xiàn)不同半透明度。人體模型總共分為14層, 系統(tǒng)為每個(gè)分層模型建立一個(gè)效果文件實(shí)現(xiàn)分層模型的半透明疊加效果10。與傳統(tǒng)的渲染

21、方式相比9, 這種方法具有以下優(yōu)勢(shì):(1 根據(jù)需要可獨(dú)立地對(duì)每個(gè)分層模型進(jìn)行獨(dú)立的光照效果合成, 提高系統(tǒng)視覺效果。(2 系統(tǒng)運(yùn)行時(shí), 用戶可實(shí)時(shí)改變某個(gè)模型分層R 通道值調(diào)整該層模型的半透明效果, 這不會(huì)影響到其他層的顯示效果。雖然這在一定程度上影響了GP U 性能的發(fā)揮, 但為分層模型提供了靈活的光照效果合成和半透明疊加效果。3實(shí)驗(yàn)結(jié)果系統(tǒng)的實(shí)驗(yàn)平臺(tái)是C42. 93G CP U , 512M DDR400內(nèi)存,NV I D I A GeForce 7300GS 顯卡, W indows XP Pr ofessi onal 中文版。我們?cè)O(shè)計(jì)了兩組實(shí)驗(yàn), 比較使用傳統(tǒng)模型渲染和使用GP U渲染

22、之間的差距, 在分辨率(9053581 和面片數(shù)(139431 一樣條件下, GP U 渲染幀率比傳統(tǒng)方式渲染提高了30%以上。GP U 渲染的效果圖如圖3和圖4所示, 其中圖3是手太陰肺經(jīng)部分穴位及其穴位名稱的截圖, 圖4是在人體分層模型半透明疊加效果圖。 圖3手太陰肺經(jīng)部分穴位截圖4隨著圖形應(yīng)用程序應(yīng)用領(lǐng)域的開拓和可編程圖形硬件的發(fā)展, GP U 在實(shí)時(shí)渲染和視覺效果編程等方面起著極其重要的作用。本文基于GP U 和虛擬現(xiàn)實(shí)技術(shù)建立起包含人體臟腑結(jié)構(gòu)、骨骼和穴位的經(jīng)絡(luò)虛擬研究系統(tǒng), 實(shí)現(xiàn)了模型操作、穴位準(zhǔn)確拾取、人體分層模型半透明疊加效果。與基于傳統(tǒng)渲染方式的系統(tǒng)相比, 基于GP U 的虛

23、擬經(jīng)絡(luò)系統(tǒng)有著更強(qiáng)的交互性, 實(shí)時(shí)性和更逼真的視覺效果。這為經(jīng)絡(luò)學(xué)說及針灸療法的臨床、教學(xué)提供一種直觀的、有利于全面觀察和綜合分析的有力工具, 為下一步進(jìn)行針灸過程模擬、循經(jīng)感傳現(xiàn)象研究奠定良好基礎(chǔ)。參考文獻(xiàn)1藺云桂. 經(jīng)絡(luò)圖解M.福州:福建科學(xué)技術(shù)出版社, 1991. 2V irtual Acupuncture . htt p:/www. cse . cuhk . edu . hk /vrcentre /.3Zhao J, Zheng L, Zhuang T G, et al . 3D Rep resentati on of AcupointsBased on the V isible Hu

24、man C .Pr oceedings of the 25" Annual lnte 2mati onal Conference of the I EEE E MBS, 2003:5252528.4邵水金, 牟芳芳, 嚴(yán)振國(guó), 等. 基于VOXEL 2MAN 針灸學(xué)三維影像瀏覽器的研究J .上海中醫(yī)藥雜志, 2005, 39(11 .5胡翔龍, 汪培清, 許金森, 等. 人體體表循經(jīng)紅外輻射軌跡的主要特征和顯現(xiàn)規(guī)律研究J .紅外與毫米波學(xué)報(bào), 2001, 20(5 :3252328.6Coombe Greg, Harris Mark J, Lastra Ansel m o . Radi osity on graphicshardware . htt p:/www. cs . unc . edu /coombe research /radi osity/.7郭光文, 王序, 等. 人體解剖彩色圖譜M.人民衛(wèi)生出版社, 1986.