一种改进的图像增强算法及其应用

1、第25卷第9期计算机应用与软件Vol 125No . 92008年9月Computer App licati ons and Soft w are Sep. 2008一种改进的图像增强算法及其应用王小凤耿国华郭红波(西北大学信息科学与技术学院陕西西安710069收稿日期:2006-12-30。国家自然科学基金项目(60673100 。王小凤, 博士生, 主研领域:数据挖掘, 模式识别, 图形图像处理和音频处理。摘要为改进图像增强算法, 使之更适合医学领域图片的处理, , 景区, 使用不同的函数进行增强, , 。实验结果显示改进的基于粗糙集的增强效果优于直方图均衡化方法。关键词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、图像增强是一种基本的图像预处理手段, 它对改善原始图像的视觉效果起着不可估量的作用, 特别是在医学图像处理中更显示了它的重要性。多年来, 医学工作者和工程师们为了提高医学图像的衬比, 采用了各种各样的图像处理算法。图像增强技术大致可分为频域法、空域法和模糊处理三大类。频域法24、空域法59、模糊增强方法1013的处理步骤都是运用某一变换对整个图像作增强变换, 即对图像的平滑区域和边缘区域都以一种变换作灰度改变, 其结果是图像的边缘部分仍不明显, 而且图像平坦区域也会丢失一些细节信息14。粗糙集理论是将图像分为物体区和背景区, 采用不同的函数进行增强。在本文中我们先采用中值平滑滤波器1进行图像去

6、噪处理, 去掉图像中的大多数背景信息和噪声。第二步进行图像增强, 它能将原来不清楚的图像变得清晰或把我们感兴趣的某些特征强调出来, 以改善图像的视觉效果或便于对图像进行其它处理。本文根据医学图像的特点, 改进了基于粗糙集的图像增强算法并且首次将其应用于医学领域, 并和直方图均衡化算法进行比较; 实验表明基于粗糙集的增强算法增强效果明显, 优于直方图均衡化算法。1直方图均衡化处理图像的灰度变换处理是通过改变原始图像各像素在各灰度级上的概率分布来实现的。通过对图像的灰度值进行统计可以得到一个一维离散的图像灰度统计直方图函数p (sk =nk /n (这里k =0, 1, , L -1 , 该式表示

7、在第k 个灰度级上的像素个数nk 占全部像素总数n 的比例, p (sk 则给出了对sk 出现概率的一个估计。因此该直方图函数实际是图像的各灰度级的分布情况的反映, 换句话说也就是给出了该幅图像所有灰度值的整体描述。通过该函数可以清楚地了解到图像对应的动态范围情况, 可以了解到图像灰度的主要集中范围。因此可以通过图像增强程序的干预来改变直方图的灰度分布状况, 使灰度均匀地或是按预期目标分布于整个灰度范围空间, 从而达到增强图像对比度的效果。2基于粗糙集的图像增强粗糙集体现了集合中对象的不可区分性, 即由于知识的粒度而导致的粗糙性。图像信息具有较强的复杂性和相关性, 将粗糙集理论应用于图像的处理

8、和理解, 具有比其他方法更好的效果。文献15将此方法应用于弧形闸门黑白图像, 效果比较理想, 并且乳腺图片也是黑白图像, 因此本文改进了此方法并尝试将其应用于乳腺影像图片。2. 1划分子图文献15基于不可分辨关系的子图划分对于一幅灰度级为L 的M N 个像素组成的二维图像U, 设像素x 为U 中的一个对象, 我们称知识库(知识系统 K =(U, R 为一个图像近似40计算机应用与软件2008年 空间。粗糙集理论中有两种属性:条件属性和决策属性。为了图像增强, 应该有目的地改变图像中某类像素的灰度值。为此, 我们定义条件属性集C =c 1, c 2, 其中c 1是像素灰度值属性,c 2是噪声属性

9、。乳腺癌影像一般是由较亮区域和较暗区域组成(亮区是肿瘤(物体 区, 暗区是正常组织(背景 区 , 则直方图有两个峰, 一个峰对应于亮区灰度值,一个峰对应于暗区灰度值, 两峰之间选一个灰度值作阈值P 。灰度值属性c 1=0, 1, 其中0代表0P 灰度值, 1代表(P +1 255灰度值, 噪声属性c 2=0, 1, 其中0代表22, 或者44像素组成子块s 的平均灰度值与相邻子块平均灰度值之差的绝对值均小于某一阈值Q, 1代表子块的差值绝对值均大于Q 可分辨关系的等价概念, 按属性C 分类。根据c 1划分子图, 设x , R c 1定义为:P, 则两个像素是R c 1相关的, :R c 1(x

10、 |x |:f(x P, f (x x , R c 1(x 表示所有“较亮”的像素x 组成的集合。R c 1的非集R c 1则表示所有“较暗”的像素x 组成的集合。根据c 2划分子图, 定义等价关系R c 2为:子块s ij 与相邻子块的平均灰度值m (s 之差的绝对值取整均大于某一阈值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相邻的子块。R c 2(s 表示所有噪声像素组成的集合, 子块s ij 与相邻子块s i 1, j 1构成宏块。将上述划分的子图合起来。即A 1=R c 1(x -R c 2

11、(s 和A 2=R c 1(x -R c 2(s , A 1表示剔除噪声后所有“较亮”的像素x 组成的集合, 即肿瘤区物体区。A 2表示剔除噪声后所有“较暗”的像素集合, 即背景区。A 1, A 2也就是我们需要增强的像素集合。2. 2具体增强算法在对二维图像U 的子图划分基础上, 分别对A 1和A 2作对比度增强。我们称此增强为一变换, 记为T:T (U =U 。该运算分别对“较亮”子图A 1作正切变换(式(2 和“较暗”子图A 2作正弦变换(式(1 , 不仅增强了图像, 而且可以控制图像“明暗”区的对比度。增强变换T 的步骤如下:将子A 1图补全, 即在所有“较暗”的像素和噪声像素位置处,

12、 分别用阈值P 灰度值和噪声子块处的宏块的平均灰度值填充, 构成A 1。将子A 2图补全, 即在所有“较亮”的像素和噪声像素位置处, 分别用阈值P 值和宏块均值填充, 构成A 2。对A 1作正切变换(式(2 , A 2作正弦变换(式(1 。对A 1和A 2变换后的图像作重叠, 输出增强的图像。综上所述, 基于粗糙集的增强算法由两部分组成:1 按属性C 对图像作粗糙分类。2 分类后分别做式(1 和式(2 的增强变换T:T (U =U 。效果如图1图4所示。 图1原始图片图2去噪图片图3(sin (2sin D m -201(1 正切变换:f (x =D 21tan (2tan D m -201.

13、 13穴位的半径, 穴位拾取错误。否则, 拾取正确。 图2穴位错误拾取况之一该算法根据人体穴位和皮肤空间位置关系, 解决了穴位拾取过程中误选情况的发生, 实现了穴位的准确拾取。2. 4GPU 渲染在本系统中, GP U 明的叠加效果。系统在A l (Effects Fra me 2work 10。A l pha B lend 技术实现单层模型的半透明效果的公式如下:F inalCol =sCol 3sFact +dCol 3(1-sFact (2公式中的所有变量都是4D 颜色向量(R, G, B, A , 符号3表示分量相乘。Final Col 表示混合后的颜色结果; s Col 表示被计算的

14、颜色, 利用在后缓存中的颜色来被混合的; sFact 是一个在0, 1范围内的值, 指定源颜色在混合中的百分比; dCol 表示在后缓存中的颜色; 改变sFact 的大小即可改变s Col 和dCol 在Fi 2nal Col 中的比值, 实现不同半透明度。人体模型总共分为14层, 系统为每个分层模型建立一个效果文件实现分层模型的半透明叠加效果10。与传统的渲染方式相比9, 这种方法具有以下优势:(1 根据需要可独立地对每个分层模型进行独立的光照效果合成, 提高系统视觉效果。(2 系统运行时, 用户可实时改变某个模型分层R 通道值调整该层模型的半透明效果, 这不会影响到其他层的显示效果。虽然这

15、在一定程度上影响了GP U 性能的发挥, 但为分层模型提供了灵活的光照效果合成和半透明叠加效果。3实验结果系统的实验平台是C42. 93G CP U , 512M DDR400内存,NV I D I A GeForce 7300GS 显卡, W indows XP Pr ofessi onal 中文版。我们设计了两组实验, 比较使用传统模型渲染和使用GP U渲染之间的差距, 在分辨率(9053581 和面片数(139431 一样条件下, GP U 渲染帧率比传统方式渲染提高了30%以上。GP U 渲染的效果图如图3和图4所示, 其中图3是手太阴肺经部分穴位及其穴位名称的截图, 图4是在人体分层

16、模型半透明叠加效果图。 图3手太阴肺经部分穴位截图4随着图形应用程序应用领域的开拓和可编程图形硬件的发展, GP U 在实时渲染和视觉效果编程等方面起着极其重要的作用。本文基于GP U 和虚拟现实技术建立起包含人体脏腑结构、骨骼和穴位的经络虚拟研究系统, 实现了模型操作、穴位准确拾取、人体分层模型半透明叠加效果。与基于传统渲染方式的系统相比, 基于GP U 的虚拟经络系统有着更强的交互性, 实时性和更逼真的视觉效果。这为经络学说及针灸疗法的临床、教学提供一种直观的、有利于全面观察和综合分析的有力工具, 为下一步进行针灸过程模拟、循经感传现象研究奠定良好基础。参考文献1蔺云桂. 经络图解M.福州

17、:福建科学技术出版社, 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 Human 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, 严振国, 等. 基于

18、VOXEL 2MAN 针灸学三维影像浏览器的研究J .上海中医药杂志, 2005, 39(11 .5胡翔龙, 汪培清, 许金森, 等. 人体体表循经红外辐射轨迹的主要特征和显现规律研究J .红外与毫米波学报, 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. 人体解剖彩色图谱M.人民卫生出版社, 1986. 8王军安. 对基于四元数的飞机本体运动模型的改进J .系统仿真学报, 2006, 18(2 :2302232.9I ntr oducti on t o 3D Game Pr ogra mm ing with D irect X? 9. 0. WordwarePublishing, I nc 2003.10Dave A r ons on, Kris Gray . U sing the